请问:5G+AIoT云平台要满足哪些,可以场景化 ?

【摘 要】基站天线OTA方法研究对基站大规模MO有源天线OTA测试方法进行了研究文中分析了基站天线一体化OTA测试的必要性,介绍了远场、紧缩场、多探头近场、单探头近场等不哃的OTA测试方案通过实际测试对各个测试方案的优缺点进行了对比分析,指出了当前基站天线OTA测试所面临的问题并提出了解决方案

【关鍵词】;基站天线;OTA测试

移动通信技术能够满足人们对于高速、大容量、高可靠、低时延等快速增长的移动通信业务的需求[1-3]。而大规模MIMO有源天线技术[4-6]作为移动通信的关键技术之一它可以通过空间复用大幅度提升频谱利用效率,结合新型编码技术[7]可以大幅度提升通信系统容量和通信速率因此,大规模MIMO有源天线技术是目前移动通信基站所普遍采用的技术但随之而来的便是基站天线如何进行测试的问题[8]。

对於传统基站而言天线与RRU(Radio Remo Unite,拉远单元)是相互分离的他们之间通过射频线缆连接,相对独立性能互不影响,其各自的性能可以分别通过独立测试进行天线的辐射性能测试可以在微波暗室通过远场或近场方式完成,无源天线的远场或近场测试均是目前测试天线性能所廣泛采用的成熟的测试方法[9-10]RRU的射频指标可以在实验室通过传导方式。

参考传统基站测试方式很容易提出把有源天线系统拆分成无源天線阵列和RRU两部分分别进行天线辐射性能测试和射频传导测试的方案。事实上根据实验室测试经验,“无源天线阵列+功分网络+信号源”所測得的波束赋形方向图与基站有源天线一体化OTA(Over the r空口辐射)测试的结果并不一致。“RRU+板”的射频性能传导测试结果与一体化OTA测得的射频輻射指标也存在差别原因在于对于基站天线而言,天线与RRU集成在一起一方面电磁耦合、有源驻波等干扰因素不能完全消除;另一方面,有源天线的校准及幅相加权是通过各个射频通道上的一系列有源器件配合完成的与无源天线阵列通过无源的功分网络来进行幅相加权嘚方式差别很大。所以对于采用了大规模MIMO有源天线技术的基站而言一体化OTA测试方式才能有效反映其性能指标。尤其到了毫米波频段频段更高,设备尺寸更小电磁干扰问题更加突出,拆分测试将会非常困难只能采用一体化OTA测试方案。

新空口协议中已经写入了关于基站嘚所有射频性能指标的OTA测试规范这意味着基站天线一体化OTA测试将会成为基站硬件性能测试的主要方案。然而目前射频指标的OTA测试却仍面臨着诸多困难本文深入研究了大规模有源天线系统的OTA测试方法,分别在远场、紧缩场、多探头球面近场、单探头近场等不同场地进行了試验对各个测试方案的优缺点进行了对比分析,提出了面临的问题和相应的解决方案

2、基站天线OTA测试方案

天线的辐射性能一般在其辐射近场区或远场区以OTA方式进行测试。天线辐射近场、远场的分界为:源天线发射的球面波前到达被测天线中心和边缘的波程差为λ/16换算為距离上的判断依据为d=2D2/λ,其中,d为探测点与被测天线的距离,D为被测天线的口径λ为被测天线所发射电磁波波长。

据此, 天线测试分為远场测试和近场测试两大类而不同的测试方案会导致测试结果的差异。下面介绍几种经典的有源天线OTA测试方案

远场测试是最直接的測试方式,在测试距离足够远时入射波在接收面上近似于平面波。图1所示为远场测试系统被测件可以在垂直面和水平面内360°旋转,测试探头位置固定,可以极化旋转。该测试系统可以测试基站天线的波束赋形方向图和EIRP(Effective Isotropic Radiated Power,有效全向辐射功率)、EVM(Error Vector

紧缩场测试是一种远场測试方式 它可以利用反射镜或透镜把位于焦点处的馈源发出的球面波转换为平面波,从而实现有限物理空间内的远场测试图2 所示是一個抛物面单反射镜紧缩场测试系统,可以测试基站天线的波束赋形方向图和EIRP、EVM、占用带宽、ACLR(Adjacent Channel Leakage Power Raon相邻频道泄露功率比)、EIS、ACS(Adjacent

图2、单反射鏡紧缩场测试系统

(3)多探头球面近场测试方案

近场测试是在被测天线的辐射近场区采集幅度和相位信息,然后通过近远场转换算法将采集数据转换为远场方向图多探头球面近场测试系统如图3所示,在被测件辐射近场内沿圆周上布置大量探头被测件仅需旋转180°即被采集到整个辐射球面的数据。该系统可以测试CW(Continuous Wave,连续波)模式下的基站天线的波束赋形方向图

图3、多探头球面近场测试系统

(4)单探头近場测试系统

单探头近场测试比多探头球面近场测试效率降低,但是其结构更为简单所需空间更小。如图4所示的小型近场测试系统被测件可以在水平面内旋转,探头可以在垂直面内旋转系统在两个转动轴配合下可以采集到一个辐射球面的数据。该系统可以测试CW模式下的基站天线的波束赋形方向图也可以测试业务信号模式下的射频辐射指标,但对测试结果的处理尚需进一步分析

图4、单探头近场测试系統

3、各测试方案优缺点对比

远场测试的优点是:由于接收天离发射天线大于远场判据,电磁波由发射天线传播到接收天线时近似于平面波所采集数据无需近远场转换,测试设备可以发射大功率信号可以测试调制宽带信号,支持多用户测试等缺点是:因为测试距离需大於远场判据,所以测试场地占地面积大建设成本高。以口径为1 m工作在3.5 GHz频段的天线为例,根据远场判据公式计算得到远场条件为大于25 m測试距离越远,电磁波辐射越接近平面波但同时会带来空间损耗太大的问题。另外由于远场测试一般只有一个探头,所以单次测试只能画出天线辐射球面的一个切面如果想要得到整个辐射球面的3D方向图,需要在不同的切面上多次测量测试时间和测试成本大幅增加。

緊缩场测试的优点是: 相比远场大幅缩减了场地尺寸从而大大降低了场地建设成本和测量路径损耗。其测试结果与直接远场测试最为接菦可以测试CW波和业务信号。得益于路径损耗的降低它可以比远场方案测量更多的射频辐射指标。缺点是:与远场测试的缺点类似3D方姠图的测试效率较低,另外就是反射镜造价和后期维护成本较高

多探头球面近场测试的优点是:占地面积小,可以单次测试给出3D方向图测试效率高,空间损耗低CW模式下方向图测试结果与远场测试结果接近。缺点是:测试系统接收功率上限较低被测基站满功率发射时,测设接收设备须前置衰减器;测量数据需要后期处理进行近远场转换;近远场转换需要有参考相位目前由于参考相位的问题,业务信號模式下的测量结果还不能令人满意

单探头近场测试的优点是:占用空间很小,暗室建设成本低转台结构简单,可以便捷地安装和拆卸被测设备空间损耗低,CW模式下方向图测试结果与远场测试结果较为接近缺点是:由于结构原因,天线背瓣不完整;只有一个测试探頭测试3D方向图效率不及多探头球面近场;采集到的数据需后续进行近远场转换。

4、面临的问题和解决方案

当前的OTA测试方案无论是远场方案还是近场方案,都能在CW模式下测试基站天线的辐射方向图然而关于射频指标辐射性能的测试,目前远场方案受限于路径损耗比较大只能测试EIRP、EVM、占用带宽、EIS等功率水平比较高的参量。对于功率水平特别低的下行射频指标如ACLR、时间模板、杂散发射等经过远场比较远嘚测试距离后衰减到噪声水平甚至更小,难以测试在测上行指标时,辅信号源发出的干扰信号在经过远场的路径衰减后难以达到ACS、带內阻塞、共址阻塞等射频指标测试所需的功率水平,也给测试带来困难近场测试方案虽然路径损耗比远场低得多,但是其在宽带业务信號模式下取参考相位的方式仍存在问题射频辐射测试结果与期望值仍有不小的差距。

由于实验室研发测试阶段需要测试验证的指标比较铨面对于该类测试应该采用紧缩场或降损耗的远场测试方法。通过在一定范围内缩短远场测试距离、增大喇叭天线增益、使用低损耗射頻线缆并缩短射频线布线距离可以大幅降低路径损耗,使得远场方案能够扩展测试ACLR、ACS等射频指标而紧缩场本身的路径损耗就比远场小嘚多,能比远场测量更多的射频指标但仍有一些射频指标由于本身功率就特别低,怎样缩减路径损耗都是不够的现阶段只能通过传导方式来测试。而对于产线测试要求测试成本低、效率高、占用空间小,能够测试典型指标单探头近场测试方案就比较适合。至于未来嘚高频段的测试由于频率更高,损耗更严重远场测试将变得不太适合,传导测试更加困难需要采用近场测试和感应近场测试相结合嘚方案,而近远场转换算法需要参考信号这就需要设备厂商与测量仪表厂商配合解决从设备取参考信号的问题。

本文研究了基站大规模MIMO囿源天线OTA测试方法利用本单位的基站设备通过实际测试研究了远场、紧缩场、多探头近场、单探头近场等不同的OTA测试方案,对各个场地嘚建设成本、测试能力和测试效率进行了分析提出了测试中所面临的问题和相应的解决方案,为当前和未来的基站天线OTA测试提供了参考

原标题:引爆边缘计算

随着时代嘚日益临近实时、智能、安全、隐私这四大趋势催生了边缘计算与端智能的崛起。通信的超低时延与超高可靠要求使得边缘计算成为必然选择。

据悉全球物联网终端设备安装数量有望在2019年达到256亿台,2020年将有超过500亿的终端与设备联网边缘计算市场规模将超万亿,成为與云计算平分秋色的新兴市场

边缘计算,时代的万亿市场

边缘计算(Edge Computing)是在靠近物或数据源头的网络边缘侧融合网络、计算、存储、應用核心能力的分布式开放平台,就近提供边缘智能服务

从边缘计算联盟(ECC)提出的模型架构来看,边缘计算主要由基础计算能力与相應的数据通信单元两大部分所构成

随着底层技术的进步以及应用的不断丰富,近年来全球物联网产业实现爆发式的增长这也为边缘计算提供了更多的场景。

全球物联网终端设备安装数量有望在2019年达到256亿台年复合增速高达21%。

国内物联网市场的增速更高据CEDA预测,2020年我国粅联网市场规模有望达到18300亿元年复合增速高达25%。

与此同时通信的超低时延与超高可靠要求,使得边缘计算成为必然选择在移动领域,移动边缘计算是ICT融合的大势所趋是网络重构的重要一环。

据报告称到2020年,将有超过500亿的终端与设备联网而有50%的物联网网络将面临網络带宽的限制,40%的数据需要在网络边缘分析、处理与储存

因此,边缘计算市场规模将超万亿成为与云计算平分秋色的新兴市场。

时玳“边云协同”服务器市场迎来巨大增量

虽然云计算中心具有强大的处理性能,但是边缘计算不仅能够克服云计算网络带宽与计算吞吐量的性能瓶颈还能够更实时地处理终端设备的海量“小数据”,并在保证终端的数据安全

因此,在有了云计算的同时边缘计算市场潛力依旧巨大。时代将会是一个“边+云”的“边云协同”时代,边缘计算与云计算各有所长、协调配合

作为商用的元年,国内的三大運营商无疑都在加紧部署基础设施这其中就包括大量的基站设备。

但由于基站的密度大于传统的4G基站这也就意味着更大量的基础设施投入。

与此同时相对于4G,定义了eMMB(更高数据速率)、URLLC(更低延迟和更可靠的链接)和mMTC(超大规模设备链接)等三大应用场景而这些场景化概念的引入无一不对基站的计算性能提出了更高的要求。

因此基站背后的服务器市场不仅将迎来爆发性需求增长,其产品升级也是勢在必行的

这一潜在的巨大市场需求也正是浪潮、曙光、华为等一系列设备制造商不遗余力推动OTII标准迅速落地。

OTIIOpen Telecom IT Infrastructure,开放电信IT基础设施是ODCC组织下发展的一个针对通讯类企业的服务器规格。它不仅与交换机等设备规格相同并且很容易部署在基站附近的设备机架上,而且具备更好的耐热、耐腐蚀、抗潮湿特性

与通用服务器相比,边缘计算服务器面向和边缘计算等场景进行针对性定制能耗更低、温度适應性更宽、运维管理更加方便。

2017年6月中国移动与中国电信、中国联通、英特尔、浪潮等公司共同发布《OITT定制服务器参考设计和行动计划書》,形成运营商行业面向电信应用的深度定制、开放标准、统一规范的服务器技术方案及原型产品

MEC近在咫尺,通信光模块市场受益最夶

1、吸取4G教训、全球统一标准

在4G网络标准制定中由于并没有考虑把边缘计算功能纳入其中,导致出现大量“非标”方案运营商在实际蔀署时“异厂家设备不兼容”,网络互相割裂等常常需要进行定制化的、特定的解决方案设计,不仅提高了运营商成本还造成网络架構不能满足低时延、高带宽、本地化等需求。

为了解决4G痛点早在研究初期,MEC(多接入边缘计算Multi-Acess Edge Computing)与NFV和SDN一同被标准组织 PPP认同为系统网络偅构的一部分。2014年ETSI(欧洲电信标准协会)就成立了MECISG(边缘计算特别小组)

在2018年,3GPP的第一个标准R-15已经冻结3GPP SA2在R15中定义了系统架构和边缘计算应用,其中核心网部分功能下沉部署到网络边缘RAN架构也将发生较大改变。

预计2020年商用以后MEC边缘云的应用将进入百花齐放、百家争鸣嘚开放阶段。

2、光模块是物理层基础单元受益巨大

光模块是网络物理层的基础构成单元,广泛应用于无线及传输设备其成本在系统设備中的占比不断增高,部分设备中甚至超过50~70%是低成本、广覆盖的关键要素。

从2G~4G光模块技术迅速迭代,逐步向高速率发展

2000年初,2G、2.基站从铜缆向光纤光缆切换光模块从1.2SFP向2.SFP模块发展。年3G基站光模块速率跃升至6G

标准组织3GPP提出新的接口标准eCPRI,如果采用eCPRI接口前传接口带宽臸少需要2光模块,但前传2和100G都会并存以应对三大应用场景的需求。

另外光芯片也将从6G/10G升级到2的芯片模组,光模块产业链市场规模显著變大随着速率的提高,光模块制造工艺门口大幅提升产品附加值将较4G有所提高,有利于具有深厚储备的光模块公司

作为十年一遇的迭代升级,将是光通信行业下一个爆发机会

3、三大运营商积极布局 MEC

时代,运营商将会采用通用数据中心云化的组网方式以区域、本地囷边缘三层的数据中心为基础,来构建整个云化网络同时,边缘计算促进采集、控制类业务将会带来运营新的2B业务增量包括精密工控、远程医疗、车联网等。

对于运营商 MEC的部署价值巨大。

目前中国联通是三大运营商中规划最明确的,中国联通提出MEC边缘云演进路标主偠分四个阶段计划在2025年实现100%云化部署。

而从2014年ETSI成立MECISG开始中国移动就积极跟踪并加入。2017年中国移动发布MEC白皮书目前,中国移动已经在10渻20多个地市现网开展多种MEC应用试点同时中国移动要将MEC预制到中,为此将从标准、技术、产业等方面发力

中国电信认为工业互联网是MEC的偅要场景, MEC是运营商切入工业互联网的重要技术手段目前,中国电信进行了一些MEC的探索例如打造边缘计算开放平台ECOP,构建边缘云网融匼的网络服务平台及应用使能环境推进边缘业务应用创新发展。

4、云数据中心资本开支持续增长

为了应对大工作负载和低延迟需求云數据中心正在迁移到“叶脊”架构。

传统大型云数据中心网络架构为三层网络主要采用纵向的传输方式。伴随着虚拟化、云计算、超融匼系统等应用使得东西向数据流成为主要流量。

原有的结构难以应对日益增长的需求因而“叶脊”拓扑结构开始成为主流,这种结构茬传统纵向传输的基础上增加对横向传输的支撑

叶脊网络结构使得网络规模变大、网络扁平化、光纤覆盖率提升,使得网络需要更多的茭换机、叶/脊交换机之间更快的传输速率更需要更多横向的流量接口实现(光模块)。

叶脊架构所需要的高端光模块数量10倍于传统三层架构带来100G高速率光模块市场容量大幅增加。

根据IDC统计云数据中心内网络设备投资占整个云数据中心ICT投资的32%,仅次于服务器投资光模塊是网络设备间通信重要组成部分。

同时数通100G光模块市场规模也将从2017年34亿美元增长到2020年75亿美元,复合增速达到30%

时代将迎来一大批新兴應用场景,如自动驾驶、安防前端智能化、工业控制、远程操控(如医疗手术等)等它们由于需要低于10ms的网络时延,因此边缘计算的发展最迫切也最需要。

1、自动驾驶:车载平台算力需求在20T以上

随着汽车自动驾驶程度的提高汽车自身所产生的数据将越来越庞大。

根据渶特尔CEO测算假设一辆自动驾驶汽车配臵了GPS、摄像头、雷达和激光雷达等传感器,则上述一辆自动驾驶汽车每天将产生约4000GB待处理的传感器數据不夸张的讲,自动驾驶就是“四个轮子上的数据中心”

高等级自动驾驶的本质是AI计算问题,车载边缘计算平台的计算力需求至少茬20T以上

从最终实现功能来看,边缘计算平台在自动驾驶中主要负责解决两个主要的问题1)处理输入的信号(雷达、激光雷达、摄像头等);2)做出决策判断、给出控制信号。

2、安防:国内智能前端市场有望突破1500亿

安防产业智能化升级是行业发展的大趋势前段智能不仅能够为后端提供高质量、初步结构化的图像数据,还能极大地节省带宽和后端计算资源后端智能化产品的核心功能则是利用计算能力对視频数据进行结构化分析。

从产业调研结果来看2018年以来,主流深度学习摄像头芯片开始成熟量产有效解决目前限制前端智能摄像头放量的计算芯片瓶颈。

按照2021年智能摄像头渗透率达到45%测算预计国内智能安防前端硬件产品空间在2021年预计将超过1500亿元。

3、低时延工业级应用:机器人、自动化、无人机

工业高精度控制对时延和可靠性的敏感度极高无论是中国、韩国和日本的运营商,都非常关注新业务中工业級客户(2B)的价值

这些行业市场包括运输、物流、能源/公共设施监测、金融、医疗和农业。实现工业国产自动化、无线化和智能化典型场景包括视频监控、机器人控制、自动巡查安防等。

1)机器人控制:同步实时协作机器人要求小于1毫秒的网络延迟到2025年,预计全球状態监测连接将上升到8800万全球工业机器人的出货量也将从36万台增加到105万台。

2)馈线自动化:当通信网络的延迟小于10ms时馈线自动化系统可鉯在100ms内隔离故障区域,这将大幅度降低发电厂的能源浪费参考华为白皮书,从2022年到2026年预计IIoT的平均年复合增长率(CAGR)将达到464%。

3)视频监控和无人机巡检:配备无人机进行基础设施、电力线和环境的密集巡检是一项新兴业务LiDAR扫描所产生巨大的实时数据量将需要>200Mbps的传输带宽。ABI Research的估计小型无人机市场将从2016年的53亿美元迅速增长到2026年的339亿美元,包括来自软件、硬件、服务和应用服务的收入

4、VR/AR游戏:实时反馈让雲VR/AR成为可能

现阶段VR游戏体验不佳,本地重度游戏为主设备典型盘根错节,用户容易绊倒;联网游戏时延至容易高达50ms导致用户眩晕问题。

未来设备实现直接边缘云端访问VR/AR时延问题解决:实时CG类云渲染VR/AR需要低于5ms的网络时延和高达100Mbps至9.4Gbps的大带宽。同时可以支持多用户近距离連线。

云VR/AR将大大降低设备成本从而提供人人都能负担得起的价格。将显著改善这些云服务的访问速度云市场以18%的速度快速增长

5、视频雲:远程医疗、4K/8K高清视频

远程医疗依赖网络的低延迟和高QoS保障特性,例如无线内窥镜和超声波这样的远程诊断依赖于设备终端和患者之间嘚交互力反馈的敏感性决定低延迟网络才能满足要求。

其它应用场景包括医疗机器人和医疗认知计算这些应用对连接提出了不间断保障的要求(如生物遥测,基于VR的医疗培训救护车无人机,生物信息的实时数据传输等)

ABI Research预测,智慧医疗市场的投资预计将在2025年将超过2300億美元智慧医疗市场将在2025年超过2300亿美元。

同时的高速率特性将是用户不仅能观看当下各类视频内容,还将随时随地体验4K以上的超高清視频

参考英特尔的《娱乐经济报告》,预计未来10年内用户的月平均流量将有望增长7倍而其中90%将被视频消耗,预计到2028年仅凭消费者在視频、音乐和游戏上的支出就会增加近一倍,全球总体量将达到近1500亿美元

由于数据量大、实时性需求高、数据隐私保护等问题,海量的粅联网设备对边缘计算有着大量需求随着与AI芯片的崛起,边缘计算已经越来越成为当下最热门的话题之一受到创投、设备、芯片等厂商的追捧。

如今线上的流量入口日益减少并且价格高昂。未来人工智能的流量入口将分布在大大小小的比边缘设备上包括手机、摄像頭、传感器、机器人等。端智能将会涵盖我们生活中的方方面面而这其中的很多领域巨头都没有完全覆盖,是无数中小创企的绝佳机会(来源:智东西)

我要回帖

更多关于 5G 的文章

 

随机推荐