Castle on a Cloud

針對 LTE (4G)/5G 這樣的行動通訊系統而言, TDoA (Time Difference of Arrival) 大概算是最常見的定位量測資訊, 然而, TDoA 的資訊事實上來自於使用者的傳輸訊號, 需要搭配 SRS (Sounding Reference Signal) 的傳輸進行量測, 在過去, 由於此部分的公開資料有些少, 所以我們並沒有許多實作的細節, 最近, OAI (Open Air Interface) 實作了 TDoA 與 LMF (Location Mgmt. Function), 讓我們可以一窺 TDoA 的取得方式與實作機制. 我們在第一篇文章中, 先介紹以 SRS 實作 TDoA 的基本概念, 本文主要的內容來自於: arXiv:2409.05217 From Concept to Reality: 5G Positioning with Open-Source Implementation of UL-TDoA in OpenAirInterface 來自:  https://arxiv.org/html/2409.05217v3 在以上的流程圖中, 介紹了 OAI 實作中, 如何發起 SRS 的量測: LMF (Location Management Function) 是定位的核心控制單元 LMF 先透過 API 接收到定位請求（包含 UE 的 IMSI/SUPI、NCGI 等資訊） LMF 透過 NRPPa 協議 向 serving gNB 發送 Positioning Information Request, 要求 UE 傳送 Sounding Reference Signal (SRS) serving gNB 配置 SRS 資源, 並回報其 SRS 配置給 LMF LMF 再下達 Positioning Activation Request, 正式觸發 UE 傳送 SRS 其他鄰近的 gNB/TRP 透過相同的配置接收 UE 的 SRS, 並回傳量測結果給 LMF 接著, 透過取得的 SRS 量測數值,  gNB 的 PHY 層利用 UE 的上行 SRS 進行通道估計與 ToA (Time of Arrival) 計算： 使用 Zadoff-Chu 序列的 SRS 進行相關運算與 IFFT, 得到通...

在很久之前的文章中 ( 這裡 ),  我們介紹定位方法時, 提到了 Time Advance (TA) 的量測. 最近正好讀到相關內容, 就整理一下 TA 的原理以及潛在的定位應用. Timing Advance (TA)  是一種用於 5G 網路中, 讓用戶設備 (UE) 在正確時間發送上行訊號的機制. 其主要目的是為了補償訊號從 UE 傳送到基地台 (gNB) 之間的傳輸延遲, 以避免來自不同距離的 UE 訊號在基地台接收端未按照排程對齊, 產生干擾. 我們可以以下圖做為範例說明: 來自: https://www.telecomhall.net/t/parameter-timing-advance-ta/6390/5 左圖是在沒有使用 TA 下進行傳輸,  在此情形下, UE 收到 downlink 訊號就直接回 uplink 傳輸, 由於不同距離產生的訊號延遲, 導致不同 UE 間的 uplink 訊號不同步, 在右圖, 透過 TA 機制彌補傳輸訊號延遲後,  對基站而言, downlink 和 uplink 的傳輸時間即可對齊. TA 為基站所計算, 根據 UE 傳來的時間資訊估算距離與延遲, 透過 RAR (RACH Response) 或 MAC 層的 TA Command 下達 Timing Advance 值, UE 根據 TA 調整自己上行符號的發送時機, 基站便能在自己的時間基準上, 準確地接收所有 UE 的上行訊號. 考量到 TA 資訊隱含了距離的資訊, 透過量測 UE 的 TA 值, 可推算 UE 到基地台的粗略距離. 在下圖中, 即展示了不同使用者位置對應的服務基站與 TA 數值: 來自:  https://www.sharetechnote.com/html/Handbook_LTE_TimingAdvance.html 然而, TA 作為定位資訊也有以下的限制: 1) TA 只能由 Serving Cell 量測與控制: 由於 TA 是針對 uplink 傳輸同步的參數, 非 Serving Cell 並未接收 UE 的上行訊號, 無法估計或是取得 TA 資訊, 無法實行多個基站的偕同定位 2) 因 TA 值有一定的精度限制, 只能作為粗略定位參考: 此數值和...

在這一系列文章的最後, 我們來介紹一下波束管理的應用. 事實上, 由於引入 mmWave 的頻段, 波束管理一直是 5G NR 中的重要問題. 波束 (beamforming) 可以視為是往特定方向增強的訊號, 透過最佳化波束的指向, 我們可以為無線通訊引入一個新的角度: 空間, 並透過空間上的多工, 達成更高的通訊效能與更低的干擾. 然而, 在空間上聚焦, 意味著網路必須能夠掌握使用者的位置, 並能夠快速地根據使用者在空間上的變化, 進行波束的配置. 波束管理 (Beam Management) 在通訊的研究上本身就是一個大集合, 不論是波束搜尋, 波束追蹤, 波束配置, 都有許多相關研究, 然而, 在 3GPP 的框架中, 特別在乎的是實際通訊場域中要如何使用波束, 以及 AI/ML 可以達成的角色, 這又可以分成三類題目: (1) 利用 AI/ML 學習通道在環境中的非線性變化, 避免數學的過度簡化 (2) 如何透過 AI/ML 的方法, 減少波束掃描的次數 (3) 透過 AI/ML 進行波束的預測 (學習使用者的動態行為) 為了解釋上述問題, 我們先解釋一下目前波束搜尋的框架, 分別對應網路與手機端的應用, 如下圖所示: 來自:  https://www.sharetechnote.com/html/5G/5G_AI_ML_PHY_BM.html 在圖中, 我們可以看到可以分成: P1, P2, P3 三個階段, 分別對應於 Set B (較寬的波束) 與 Set A (較窄的波束),  其中, 要進行波束管理的前提即是要有對應的量測資料 (L1-RSRP), 考慮到波束掃描與量測都需要時間, 都會造成通訊資源的損失, 因此, 如何減少掃描的次數, 或是有效地從 Set B 推論 Set A 中有效的波束, 即是 AI/ML 演算法可以介入的地方. 相同的問題命題, 在方向 (1) 中則表現於 Set B 與 Set A 的空間關聯性, 如何透過 AI/ML 的上進行建模, 可以得到 Set B 與 Set A 的對應, 對應於方向 (3), 則是透過動態模型來進行波束的預測, 減少波束進行掃描的次數, 以及對應要消耗的計算資源, 以上的應用方向, 也就是 AI/ML 最受期待能夠直接應用於 5G NR 的領域.

介紹完 AI/ML 在定位領域的應用後, 我們接下來介紹 AI/ML 模型用於 CSI 處理的應用, CSI 全稱為 Channel State Infomation, 用以表示通道的細部變化, 相較於傳統上 RSRP 的訊號強度資訊, CSI 的資訊可以反映出訊號在時間或是頻域上強度的變化, 可以用來進行 precoder 的設計, 或是進行定位演算法開發. 然而, CSI 資訊也引入了新的問題, 包含了估測與回傳. 考慮到在下行的應用情境下, SSB (Synchronization Signal Block) 由基地台發出, 裝置端透過接收此訊號, 進行通道估測並取出 RSRP 與 CSI 資訊, 並將 RSRP 與 CSI 資訊回傳至基地台, 讓基地台進行 precoder 的選擇. 因此, 對基地台而言, CSI 的回報數量就和服務的使用者數量呈正比, 同時, 每一筆 CSI 回報又包含在不同頻帶上的量測數值, 因此, 如何減少回報的數量, 以避免佔用太多通訊資源, 是一個重要的問題. 在傳統上, 有兩種做法可以對 CSI 回報進行壓縮, 第一種是基於 codebook 的方法, 在此架構下, 基地台和使用者分享一共同的 codebook, 因此, 使用者回傳時只需要回傳最接近 CSI 的 codebook 編碼, 這種方法雖然可以有效地減低傳送資料量, 但是卻會有失真的問題, 第二種方法則是透過壓縮感知方式 (Compressive Sensing) 進行 CSI 資訊壓縮, 此方法需要一預定的感知矩陣 (sensing matrix), 此矩陣對於所有使用者的一般性, 以及壓縮感知方法本身的稀疏性假設, 會是此方法的限制. 考慮到 AI/ML 演算法的發展,  3GPP 也開始討論如何借力於 AI/ML 方法減少 CSI 的回報量, 事實上, 上述所說的壓縮感知也算是一種 ML 方法, 因此, AI/ML 在此應用中的主要價值應該在於使用者可以動態學習壓縮方法, 並且透過資訊分享的方式, 讓基地台可以近乎無損的取出 CSI 資訊, 目前主要討論的方法包含: SVD, reinforcement learning, Encoder-Decoder 架構. 如下圖所表示: 來自:  https://www.sharetechnote.co...

我們先從 AI/ML 進行的定位演算法的 Use Case 開始, 3GPP 討論定位已經有一段很長遠的歷史, 不論是使用傳統 3G/4G 的 TDoA 進行定位, 或是嘗試結合其他通訊協定 (WiFi, 藍牙), 隨著定位功能在通訊網路愈來越受到重視, 也有更多的討論進行中. 也因為定位已在之前通訊架構中有許多討論, 在 3GPP 定義裡, 以 AI/ML 進行的定位演算法, 有可以進一步分為: 直接定位 (Positioning Direct AI/ML positioning) 與輔助定位 (AI/ML assisted positioning),  前者繼承自 3GPP 傳統定位框架, 透過 AI/ML 的輔助, 轉換出定位所需資訊 (如: TDoA), 後者則以 AI/ML 演算法直接取出定位目標的位置估測, 希望可以增進定位誤差. 兩種框架的比較如下圖所示: 來自:  https://www.sharetechnote.com/html/5G/5G_AI_ML_PHY_Positioning.html 在所有 3GPP 可以取得的定位資訊中, 最有潛力的應該是 CSI (Channel State Infomation) 資訊, 透過 SRS (Sounding Reference Signal) 可以使基地台估測到上行的 CSI 通道資訊, 此資訊不同於傳統的 TDoA, 訊號強度, 等精細度較低的物理量, 可以精確地反映出電磁波透過與環境 (室內隔間, 障礙物, 等) 互動所得到的通道效應, 相對的, 由於環境的介入, 此類資訊無法預先建立統計模型描述和距離的相關性, 也因此, 需要 AI/ML 的框架進行學習, 甚至是即時訓練, 以下是其訓練框架: Model training and inference - Direct positioning model inference phase (Case 3b) 來自:  https://www.sharetechnote.com/html/5G/5G_AI_ML_PHY_Positioning.html 其中, 在此框架 (Case 3b) 下, AI/ML 不論是訓練或是推論都是在 LMF 上進行, 在原有的定位架構中, 由於 LMF (Location Managem...

在之前的內容中, 我們介紹了 O-RAN 的標準, 並藉受如何透過 RIC 的介入, 使 AI/ML 演算法和 RAN 相結合. 相同的, 受啟發於 AI/ML 的熱潮, 3GPP 也思考如何與其進行整合, 其中, 可以分成以下 3 個整合方向: RAN 1/2/4: AI/ML for NR Interface  RAN 3: AI/ML on NG-RAN: NES, MRO, MLB SA 5: AI/ML Manegement (OAM) 其中, 第一點為這一系列文章中的主題, 我們後續介紹, 第二點則是延續之前 4G 架構中, 對於 SON 功能的討論,  所以可以看到 NES, MRO, MLB 這些對基地台參數最佳化的方法, 只是加入 AI/ML 演算法進行其架構的延伸. 第三點, OAM (Operations, Administration and Maintenance) 也是延續自 4G, 強調對於電信網路的管理, 營運進行視覺化與自動化. 來自: https://www.comsoc.org/publications/ctn/artificial-intelligence-3gpp-5g-advanced-survey 相較於現有網路的管理與最佳化方法的延伸, 在第一點的討論中, 由於跨越了 NR interface, 也就是無線的鏈結, 著重在 AI/ML 於使用者 (UE) 與網路端 (NW) 的協作,  也因此, 在此架構下的第一個重點即是: AI/ML 模型的訓練與推論流程, 而在目前的架構中, 目前仍保有彈性,  進行模型訓練的位置可以是 gNB, 也可以是網路控制器 (RIC, OAM, etc) 至於進行推論可以在 gNB 上進行, 或是將模型傳送至 UE 端進行推論. 來自: https://sharetechnote.com/html/5G/5G_AI_ML.html 在此計算框架下, AI/ML for NR Interface 專注在三個開發的方向: Channel State Information (CSI) 資料處理: 考慮到 CSI 的資料量很大, 可以透過編碼-解碼 (encoder-decoder) 的架構, 減少進行回報的資料量. 在目前討...

在 5G 的架構中, 如前所述, 將原有的基地台拆分成: CU-DU-RU 的架構, 透過將基地台網元 (Network Element) 拆分並虛擬化, 一方面可以開創 vRAN (virtual RAN) 的應用, 將硬體搬移至雲端中心, 另一方面, 也讓網元間的拓譜更加彈性, 例如: 1 CU- 1DU- 4 RU 的架構, 而這些 RU, 在一開始時做的框架中, 擁有單獨的 Cell ID,  可以看做一個獨立的小基站, 只是分享背後的 CU-DU 運算資源, 在不同 RU 之間也需要進行對應的換手. 另一方面, 在 multi-TRP 架構中, 數個 RU 分享同一個 Cell ID, (TRP: Transmission Reception Point, 3GPP 定義的傳收點, 本文中可視為 RU) 因此, 不同的 RU 訊號, 可以縫合成為同一個 Cell, 透過 multi-TRP 的架構, 電信商可以提供低成本的訊號覆蓋. 來自:  https://ictjournal.itri.org.tw/xmdoc/cont?xsmsid=0M236556839091904564&sid=0N082511426278192757 相較原有每個 RU 都是單獨個體的架構, multi-TRP 架構最大的好處在於換手的消除, 減少使用者在不同 RU 間的延遲, 此外, 由於 RU 之間傳輸相同的訊號, 使用者將無間斷地享用較佳的 RU 服務, 不會受限於換手延遲效應, 在 RU 訊號覆蓋邊緣, 降低使用者的通訊品質. 同時, 由於所有 RU 從屬於同一個 Cell, 可以減低 RU 間的相互干擾. 另一方面, 此架構也將帶來一系列挑戰,  首先, 是通訊資源的減少, 考慮到 RU 偕同服務單一使用者, 等校的無線傳輸單元下降, 考慮到這樣的缺點, 目前 multi-TRP 框架多鎖定 4RU/ 2RU 架構, 減少效能減損, 第二, UE 與 RU 間的從屬問題, 尤其對於 UE 的上行資料的處理, 因此, 需要引入動態傳輸節點選擇 (Dynamic Point Selection, DPS) 克服, 最後, 使用者端的通道估計問題, 來自不同 TRP 的訊號, 類似於多路徑效應的疊加, 但是其訊號強度較多路徑效應更強, 也...

*本文主要內容參考自: J. Ping, "Network Resource Model for 5G Network and Network Slice," in Journal of ICT Standardization, vol. 7, no. 2, pp. 127-140, 2019 NRM (Network Resouce Model) 在 5G 網路中用以提供網路管理的功能, 起源於 R15 Management Service (MnS) 的功能定義, 其中, Network Resource 又稱為 Information Object Class (IOC), 為 5G 網路中的單一可控制的元件, 定義 IOC 之間的關係與屬性 (attribute). 在 3GPP 的 NRM 中, 將定義的功能分成 3 個階段 (stage), 分別是: Stage 1: Requirements-level, 在 stage 1 中, 定義了 NRM 的概念和 use case Stage 2: Information Service (IS)-level, 定義必要的 Network Resource (不隨技術改變) Srage 3: Solution Set (SS)-level, 隨著技術/網路演進的項目 在 3GPP 的文件中, Stage 1 定義於 TS 28.540, Stage 2 和 Stage 3 定義於 TS 28.541, 從以上 3 個 stage 來說, 可以看到從 stage 1 至 stage 3, 其更新的週期逐漸縮短, 我們可以以下圖表示: 來自: https://ieeexplore.ieee.org/document/10258059 在上圖中, 我們可以看到, NRM 不只對應於接取網路 (NG RAN), 也對應於核心網路 (5G Core) 與網路切片功能 (Network Slice). 值得注意的是針對 Stage 3 部分的功能定義, 在 3GPP 的定義中, 主要使用: XML, JSON, YANG 作為定義的格式, 針對接取網路 (5G RAN) 而言, 可以分成三種 IOC: CU-CP, CU-UP, DU, 此部分的功能分界, 可以參考: E2SM-CC...

在 上一篇文章 中, 我們介紹了 CCC 這個 Service Model 的設計目的, 接下來, 我們將介紹一些細節, 並針對一些特殊功能進行介紹, 首先, 我們先看一下 Cell level 和 Node level 的功能定義: 來自:  WG3-E2SM-CCC-R003 在上述的欄位中, 我們可以看到 CCC 主要對應於 CU/DU 功能, 並不包含 RU 的部分 (E2 介面其實不直接和 RU 通訊) 針對 Node level 和 Cell level 的差異, 我們以 DU 為例, 看一下 Table 8.8.2.1 和 8.8.1.2, 來自:  WG3-E2SM-CCC-R003 在表中, 我們可以看到 CU 主要是可以控制換手資訊, 可以控制的欄位多半在 Node level, 對 CU 直接進行控制, 相對的, DU 的控制主要是無線通訊的信令, 則集中在 Cell level 進行, 除此之外, 在表格的欄位中, 我們可以看到一個特殊欄位: is writable, 如果此欄位為 FALSE, 則代表此設定和其他設定有相依性, 不能由 RIC 修改, 但是, 我們也可以看到出現支援 Control Service, 但 writable 為 FALSE 的狀況, 對此, CCC SM 的解釋為, 此類欄位只能作為 Control 的參照 (reference),  不能作為修改的目標. 在本文的最後, 我們來看一下 CCC SM 和節能控制的關係, 定義在 O-CESManagementFunction 中 (Table 8.8.2.5), 來自:  WG3-E2SM-CCC-R003 其中, CES 代表 Cell Energy Saving,  在此功能項之下有三個欄位: cesSwitch, energySavingState, 與 energySavingControl, 前兩者對應於功能的開啟與關閉, 是唯讀的欄位 (Report), 最後一個欄位則是 CCC SM 可以控制的項位,  並要在 energySavingState = "isEnergySaving" 的條件下, 可以透過設定 "toBeEnergySaving" 和 "toBeNotEnergySaving...

在開始介紹 CCC (Cell Configuration and Control) 這個 Service Model 之前, 我們先來回顧一下 Service Model 的定義, 在 O-RAN 標準中, Service Model 對應於 E2 介面, 定義了 E2 Node (接取網路) 到 Near-RT RIC (控制器) 之前的資料格式. 不同的 Service Model 對應於不同的應用情境, 舉例來說, KPI Monitir (kpimon) 對應於接取網路的資訊收集, RAN Control (rc) 則對應於接取網路的控制. 因此, 當我們看到一個新的 Service Model 時, 應當想到的第一個問題是: 這對應於甚麼應用情境? 在 O-RAN 文件 (WG3-E2SM-CCC-R003) 中, 對此 Service Model 描述如下: “Cell Configuration and Control” which performs the following functionalities: - E2 REPORT services used to expose node level and cell level configuration information - E2 CONTROL services used to initiate control and/or configuration of node level and cell level parameters  和舊有的 RAN Control Service Model 相比, CCC 更著重在 Cell/ Node level 的控制, Cell level 的控制, 對應到基地台的功能, 例如: BWP (Bandwidth Parts) Node level 的控制, 則對應到基地台中的不同元件, 例如: CU, DU, 接著, 下一個關鍵的字詞是 configuration 的定義, 在同一份文件中, 定義如下: RAN Configuration Structures are groupings of RAN configuration attributes, which can either be based on the NRM d...

在上一篇文章中, 我們介紹介紹了一些 SRS 的基本特性, 接下來, 我們要在兩方稍微延伸下 SRS 的介紹, 在一開始, 我們先比較一下 SRS 在 4G 和 5G 的差異,  接著, 我們將看一下 SRS 訊號如何在 5G NR 中輔助定位進行. 首先, 當我們討論 4G 和 5G 的差異時, 最直接想到的就是波束成型 (beamforming) 技術的引入,  雖說, 波束成型的增益主要反映在基地台端 (較大天線陣列), 但對於 UE 端, 也可以在波束管理的階段, 透過 DMRS 提供上行通道估測, 針對沒有被分配到通訊資源的 UE (或是對應於未分配資源的頻帶), UE 可以透過 SRS 訊號, 讓基地台進行上行的通道估測. 考慮到 UE 通常天線數較少, 在 SRS 中直接以 antenna port 作為設置單位, 根據規範, 一共有以下選擇: 1T2R, 1T4R, 2T4R, T=R (1T1R, 2T2R, 4T4R)  根據不同的天線配置, SRS 也會有相對應的設定, 值得注意的是, 這裡的 Tx/Rx 指的是由 UE 角度出發,  以 1T2R 為例, 代表 UE 的兩根天線一次使用一根進行傳送,  基地台透過分接收這兩根天線的訊號, 進行通道估計, 如下圖所示: 來自:  https://www.sharetechnote.com/html/5G/5G_SRS.html 更多的範例以及詳細的設定可以參考這一篇文章: https://www.sharetechnote.com/html/5G/5G_SRS.html 第二部分, 讓我們關心一下 SRS 在定位中的應用, 相較於 DMRS 參考訊號, SRS 的一個重要好處就是可以同時有多個基地台接收, 同時, 考慮到 SRS 的配置是由基地台給定, 並可在基地台間分享資訊, 因此, 偕同量測的基地台不只可以取得上行的訊號強度, 也可以取得 SRS 訊號到各基地台的時間差, 以 TDoA (Time Difference of Arrival) 定位, 若考慮到 1T2R, 1T4R 的 SRS 架構, 基地台端還可以估計 AoA (Angle of Arrival), 這些資訊都可以作為 UE 定位的輸入資訊, 以 UL-TDoA 為...

在 5G NR 的上行通道估測中, 我們有兩種參考訊號 (Reference Signal): DeModulation Reference Signal (DMRS) Sounding Reference Signal (SRS) 這兩種訊號都是由使用者裝置 (UE) 發出, 並由基地台進行量測, 其中, DMRS 被包含在上行的資料傳輸中 (PUCCH/PUSCH),  SRS 則提供使用者在上行資料傳輸之外, 進行通道估測的方法, 不屬於 PUCCH/PUSCH, 並可以提供多個基地台同時對同一個 UE 量測的方法, 如下圖左所示. Cha, Hyun-Su, et al. 5G NR Positioning Enhancements in 3GPP Release-18. arXiv preprint arXiv:2401.17594, 2024. SRS 的參考訊號在 4G LTE 時便已被定義, 但並不常被終端裝置所支援, 在 5G NR 中, 由於 beamforming 以及定位的需求, SRS 被重新提起並受到重視, 在目前的 5G NR SRS 定義中, 有下列三種傳輸方式: Full-band transmissions: 4G SRS 的傳輸方式, 基本上是分時多工進行傳輸 Frequency-hopping transmissions: 透過跳頻方式傳輸, 使基地台取得不同頻率的通道估計 Multi-user transmissions: 提供多個 UE 同時發送 SRS 並被量測的機制 SRS 訊號可以是週期性傳輸, 或是非週期性傳輸, 通常起始於基地台對 UE 裝置 RRC 層的設置, 起始 UE 發出 SRS 訊號. 我們先不考慮 SRS 跳頻量測與使用者多工的不同設置,  針對單一 UE, SRS 訊號表示如下:  來自:  https://telcomaglobal.com/p/5g-nr-srs-sounding-reference-signals 透過上圖, 我們可以看到單一 UE 的 SRS 訊號, 如何在一個 time slot 中被給定, 包含了在時間與頻率上的位置 (offset), 長度 (RB 個數) 與使用者的多工, 詳細的訊號產生方式可以參考 Matlab 的範例程式: h...

在開始介紹這次的 NCR 內容前, 我們先介紹另一個相似的概念: IAB, IAB 全名為 Integrated Access and Backhaul, IAB 也是 3GPP 針對 5G NR (特別是 mmWave 段) 提出的新技術, 其技術的示意圖如下: 來自:  https://www.rcrwireless.com/20200727/5g/iab-the-cost-effective-solution-to-quickly-expand-5g-mmwave-coverage-analyst-angle IAB 技術的提出, 很明顯地是在 5G NR 初始時對 mmWave 充滿期待的時期, 考慮到 mmWave 在空氣中的衰減快, 但擁有高通訊頻寬的特性, 就有人提出了這種以 mmWave 延伸 mmWave 的概念, 簡單來說, 就是把 mmWave 當作光纖使用, 用以作為延伸小基站間的連線, 而資料傳輸的斷點設在 DU 中間 (PDCP-RLC層), 如下圖所示: 來自:  https://nccnews.com.tw/202209/ch4.html 如果說 NCR 是 Amplify-and-Forwarding (AF) 的技術延伸, IAB 就是 Decode-and-Forwarding (DF) 的技術延伸, 一方面, DF 可以避免在多個基站轉傳過程中造成的雜訊放大, 另一方面, IAB 技術的接收端為特殊設計的小基站, 有較佳的計算能力, 以及穩定的電源供應, 可以負擔 DF 的需求. 考慮到 IAB 為 DU 內分割 (intra-DU) 的框架, 所有分支節點皆可視為原有 DU 的延伸, 當結點的階層數大於一時, 則會產生對應的樹狀結構, 並避免迴圈產生, 至於干擾, 考慮到 mmWave 的指向性波束以及 IAB 位置為預先規劃,  IAB 結點之間的干擾應該不嚴重, 或是以空間多工即可避免, 比較需要注意的反而是因為天線無法同頻收法所導致的資源分配問題, 在目前 IAB 架構中, 簡單的作法即是以分時多工的方式進行. 考慮到 mmWave 在目前 5G NR 中並不算太成功, 對應的 IAB 發展仍是有限,   在目前各式的 Use Case 中, 最引人注目的應該是空中基地台...

在之前的文章中, 我們介紹了 RIS 的功能, 對於通訊研究而言, RIS 是一個新穎也陳舊的概念, 新穎的地方在於: 透過被動反射, 我們可以改變通道的特性, 陳舊的地方在於: 類似的訊號增強概念, 我們之前在中繼器 (Relay) 中, 已經在 3G/4G 時代轉了一大圈, 最後並沒有被實踐. 也或許是因為這樣的原因, 3GPP 對於 RIS 實現並沒有特別熱衷, 但是, 仍然組成了一個研究團隊, 以 Repeater 的角度切入, 並引入控制的概念, 這也就是我們今天要介紹的: Network-Controlled Repeater. 相關 3GPP 文件為: TR 38.867 Study on NR Network-Controlled Repeater (NCR) 我們先以一張示意圖說明 NCR 的概念: 在 NCR 的架構中, Repeater 受控於 gNB (基地台), 並有兩條路徑: Control Link: 基地台對應的控制信令, 由 NCR-MT 接收. Backhual/Access Link: 轉傳/增益的通道, 將訊號增強後傳至 UE. 在初始的討論中, Control Link 和 Backhual/Access Link 使用相同的頻帶, 同時, Control Link 透過 Uu Interface 進行控制,  因此,  NCR 對基地台的角色接近於一個特殊的 UE, 另一方面, Backhual/Access Link 可以視為在 RIS 構架下, BS-RIS, RIS-UE 這兩條直視路徑的無線通道, 在 3GPP NCR 的框架中, 轉傳單元 (NCR-Fwd) 類似於 RIS 反射板的角色, 但是不同於一般 RIS 為被動元件, NCR-Fwd 提供 Amplify-and-Forwarding (AF) 的功能, 換句話說, NCR-Fwd 會將接收到的訊號增強後, 再轉傳至 UE. 這樣的框架, 的確類似於 3GPP 之前對 Relay 的討論, 在類似於 RIS 的部分則在於對 NCR 加入的 beamforming 功能, 透過 beamforming 技術, NCR 可以減低一些 AF 遭詬病的雜訊放大問題, 同時, 也可以更有效的增強使用者接收訊號的強度....

在 2023 年的最後一天, 也就把這一系列文章做個總結吧, 近來幾個月, 因為工作的堆積與忙碌, 許多手邊待看的文章都是半完成品狀態, 尚未系統性的整理, 時間的缺少, 與缺乏整理, 多少也影響了撰寫的文章品質... 新的 2024 年, 雖說預期應該是越來越忙碌,  但還是希望可以分享更多有趣的無線通訊內容. 雖然, 在 blogger 文章中, 盡量不提演算法部分的內容, 不過對於通訊問題來說, 在進行問題討論前, 最重要的兩件事就是: 1) 定義模型: 描述觀察值與待測物之間的關係 2) 定義情境: 給定位提的討論設定, 提供公平比較的基準 在上一篇文章中, 我們說到網路節能的目標情境, 雖說不太完整, 但至少有些方向, 在這一篇文章中, 我們就來討論一下基地台的能源消耗模型. 首先, 為什麼是基地台? 如前所述, 無線接取網路佔 80% 能源消耗, 而基地台又是其中的要角, 所以, 當討論能源消耗模型時, 自然是從基地台下手. 至於此能源模型的定義, 則是由 3GPP TR 38.864 進行, 其文件名稱為:  “Study on network energy savings for NR (Release 18)” 來自: MTK 吳威德博士演說 在 3GPP 的能源消耗模型中, 按照慣例, 不會給每個參數明確數值, 但是, 我們可以看到, 有哪些因子會影響基地台的能源消耗: 其中, 我們先看功率項, 包含: 靜態 (static), 天線 (ante), 資源分配 (joint), 靜態功率可以想像是基地台開機就需要的作工, 包含: 冷卻, 電源供應, 等. 天線功率則包含每一組天線的射頻模組功耗, 包含, 放大器, 振盪器等, 最後, 資源分配相關功率則包含了使用的頻譜大小, 以及頻譜功率密度. (*PSD = Power Spectral/Spectrum Density) 此三個項次, 又可以對應於四種節能的方式: 空間: 漸少活躍的天線個數, 天線功率對應的 Sa 下降. 時間: 有一段時間不傳資料, 等校的 Sa 下降. (若是關機可以省下靜態功率) 傳輸功率: 減少天線的發送功率, 頻譜功率密度對應 Sp 下降. 頻寬: 減少使用的通訊頻寬, 頻譜大小對應的 Sf 下降. 透過上述能源使用模型, 由於 Sp 和 Sf 都...

在前述的文章中, 我們介紹了能源節省的各種面向, 然而, 針對一個工程問題, 我們首先要定義的是如何評量節能效率, 換句話說, 我們要定義在甚麼情境下進行節能效率的評估, 我們以兩份 ITU 文件作為參考: ITU-R M.2410-0, ITU-R M.2412-0 在第一份文件 (ITU-R M.2410-0), 名稱為: "Minimum requirements related to technical performance for IMT-2020 radio interface(s)", 定義了 IMT-2020 (5G NR) 中, 對於無線技術 (Radio Interface Technology, RIT) 所需要作出的評估, 其中, 關於能源效率的部分定義於 4.9 Energy efficiency, 以下是原文: Network energy efficiency is the capability of a RIT/SRIT to minimize the radio access network energy consumption in relation to the traffic capacity provided. Device energy efficiency is the capability of the RIT/SRIT to minimize the power consumed by the device modem in relation to the traffic characteristics. Energy efficiency of the network and the device can relate to the support for the following two aspects:     a) Efficient data transmission in a loaded case;     b) Low energy consumption when there is no data. Efficient data transmission in a loaded case is demonstrated by the average spec...

除了 3GPP 定義了網路節能的框架外, O-RAN 組織也定義了對應的節能功能, 稱為 Network Energy Saving (NES), 在 O-RAN 定義的架構下, NES 又可以分成以下的應用案例: Carrier and Cell Switch Off/On → 負載低時, 不影響 QoS 下, 關閉 Carrier 或是 Cell RF Channel Reconfiguration Off/On → Beamforming 下, 關閉部分 RF 陣列 Advanced Sleep Mode Selection → O-RU, O-DU, O-CU 的 Sleep Mode 選擇 O-Cloud Resource Energy Saving Mode → O-DU, O-CU 計算資源的能源節省 在 O-RAN 的 Use Case 中, 多數的功能都在 3GPP 的定義功能下, 但是相比 3GPP 的大基站節能框架, O-RAN Use Case 更著重在小基站的環境, 較不著重在底層無線傳輸的調整, 而著重在無線的設定調整, 因此, 在前兩個子項中, O-RAN 定義了不同層級的 ON/OFF 節能, 從 Cell, Carrier, RF array, 從大到小, 提供不同精細度的調整. 第三個子項, 則對應時間上的節能, 並實作於 3GPP 的框架中, O-RAN 扮演的角色像是不同基站的協調者, 同時滿足接取與解能的需求. 第四個子項, 則是目前看到 O-RAN 特有的項目, 透過 O-Cloud 與虛擬化技術, O-RAN 還可以調整 O-CU/O-DU 的計算資源, 提供計算資源上的節能成果. 針對 NES 的功能, O-RAN 也定義了對應的統計指標 (KPI), 包含: O-RU specific KPIs: Energy efficiency and power consumption  O-CU/O-DU hardware & software/ O-Cloud software & platform KPIs 在 O-RAN 所定義的 KPI 中明顯分成兩項:  RU 代表硬體的無線功率節省, O-CU/O-DU 代表的軟體耗能, 基於 KPI 的定義, O-RAN 也提供了資訊交換的流程...

在上一篇文章中, 我們介紹了網路節能的基本概念, 並從 Nokia 的角度出發, 說明了網路節能的好處與必要性, 接下來, 我們將基於聯發科吳威德博士在陽明交大的演講, 介紹從 3GPP 角度出發的網路節能功能探討. 在吳博士的演講中, 針對網路節能的必要性提出了兩個說明: 1) 5G NR 的通訊通率上升: 5G NR 中, 為了增加通訊容量, 大量使用多天線技術 (massive MIMO), 多天線技術, 尤其在 mmWave 的頻帶上, 可以有效增加通訊效能, 使得 5G 技術相對於 4G 更加耗電 (2 倍的通訊容量, 需要 8 倍天線個數), 根據 Ericsson 的調查, 從 2020 到 2030, 用於通訊能源的消耗將成長 61 倍.  2) 電費對於電信營運商的營運成本: 在現在電信營運商的營運成本中, 約略 20-40% 來自於電費, 以台灣三大營運商而言, 一年的電費約略是 20 億元, 在可見的未來, 由於綠能以及碳排稅的需求,  電費佔電信營運商的成本可能會將近 5 成, 甚至造成負擔. 考慮到上述的節能需求, 3GPP 從 R17 開始討論網路節能的功能, 在技術上的討論可以分成 3 個方向: 時間, 空間/功率, 頻率, 整體的進程可以以下圖表示: 來自: MTK 吳威德博士整理 針對每一項技術的細節, 我們會再找時間詳細介紹, 我們先從概念上了解 3GPP 在節能上的功能設計: 時間: 在基站加入類似手機休眠功能, 基地台也可以休眠, 根據 loading 決定工作時間 空間/功率: 透過功率和 beamforming 調整, 根據使用者位置與需求, 調整無線設置 頻率: 根據負載調整基地台的頻率使用,  類似反向的 Carrier Aggregation (CA) 在整體功能上, 由於 RF 是主要的能源消耗的部件, 因此, 直接的調整 RF 開關 (時間上多工), 或是 RF 功率調整 (空間上多工), 都比起頻率上多工來得更有節能效果, 整體的比較如下圖表: 來自: MTK 吳威德博士整理 以 3GPP 的角度來看,  主要的目標在於定義使用者 (UE) 和基站的共同協作機制, 因此, 特別著重的情境仍是大基站 (marco cell) 對使用者的節能功能,...

5G 網路尚未普及, 學界和業界已經開始討論 6G 的進展, 相較於 5G NR (New Radio) 的雄心壯志, 6G 的目標相對保守, 目前較確定技術變革的主軸大概有三項: NTN (Non-Terrestrial Networks) 網路: 包含低軌衛星, 無人機網路 ISAC (Integrated Sensing and Communications): 結合感知與通訊, 更動態的資源配置 Sustainable Networks: 對抗由於 mmWave 產生的高耗能與碳排放帶來的營運成本 其他, 還有一些尚待討論的項目, 像是: 更寬廣的頻寬 (Tara Hz), 智慧反射板 (RIS), 等. 當然, 也包含了 AI/ML 模型的引入, 用以支援這些新穎技術. 在上述的技術中, 最直接可用的就是 Sustainable Networks 帶來的節能, 不過, 我們首先要回答一個問題: 為什麼行動網路需要節能? 先撇開甚麼 "我們只有一個地球" 不談, 在 6G 這時刻強調節能的原因有兩個: mmWave 帶來的高能耗通訊成本, 大幅提升 RAN 端的能源使用 碳排稅對營運成本的疊加, 從固定成本變成累進成本 基於上述原因, 在 3GPP 討論 6G 的進程時,  營運商 (也是 3GPP 的主力) 自然對此議題投入大量興趣, 也很快的定調成 6G 的技術主軸之一. 那麼第二個問題是: 我們真的可以節能嗎? 可以節省多少能源? 在過去, 行動網路只考慮了手機 (裝置端) 的節能, 針對 RAN 端 (基地台, 射頻元件等) 的態度是反正有線不必考慮, 當節能需求被提出時, 第一個去實現的就是 Nokia/Ericsson 等業者, 而這些業者也針對節能提出一街解決方案, 我們以 Nokia 的為例,  根據 Nokia 的調查, 行動網路中多數的資源用於 RAN 端 (80%), 但是, 整體用於實際通訊的能源只有 15%. 圖片經作者修改, 原始來源: Nokia blog 當然, 這並不是說 85% 的能源都浪費了, 畢竟要知道使用者的通道, 要維持基本的通訊連線都需要資源消耗, 但是 85% 的巨大落差也表示了在網路節能上有巨幅的改進空間. 針對不同種類的能源消耗, 進行節能也需要不同解方, 比如說基地台的散熱能源...

在之前文章中, 我們仔細地討論了 Indication 所需要做的修改, 在這篇文章中, 我們轉而討論另一種 E2 協定: Control, Control 在 O-RAN 的定義中, 用以乘載 RIC 對 E2 Node 的控制信令, 不同於 Indication 在 O-RAN SC 中有完整的定義, Control 的開源實作的進度較慢, 這可能主要來自兩個原因: Indication 可以回傳的資訊數量與格式相對明確, 可以定義並以模擬器實作 Control 所需承載的資訊需要硬體支援, 並和 Use Case 相關 而針對第二點, 也正是 FlexRIC 的優點, 在擁有 Open Air Interface 的硬體平台支援下,  FlexRIC 可以更容易實作 Control 的功能, 並結合硬體進行展示. Control 和 Indication 相同, 可以視為一個獨立定義的 Service Model, 需要預先定義其資料格式, 考慮到 O-RAN SC 並未有詳細定義實作, 我們通常以 plain-text 的方式定義 Control 的資料格式,  下圖為 FlexRIC 所實作的 Control 流程: 來自:  https://gitlab.eurecom.fr/mosaic5g/flexric 在上圖中, 我們可以看到 Control 和 Indication 都需要 E2 和 E42 註冊流程, 這兩步驟建立起 E2 Node 以及 xApp 之間的通訊連線, 而對於 Control 和 Indication 兩者設計差異, 主要在於 Indication 是定期驅動, 所以需要設定驅動的週期, 相對的 Control 是依據 RIC 上的事件驅動, 送出 Control Request, 在 E2 Node 執行完後送回 Control Acknowledge, 這樣的設計邏輯在於 E2 Node 的回報應是頻繁且規律的, RIC 上的 xApp 透過這些收集的資料以及 AI/ML 的運算, 只有在必要的時候, 才透過 Control 更改 E2 Node 上的參數設定, 畢竟任何針對網路的修改都需要硬體反應時間,  同時, 太頻繁的修改也將導致網路的不穩定性, 要審慎進行.