R18 Grupo inalámbrico 5G RAN1 Principales aspectos técnicos

3GPPLiberación 18es el primero5G avanzadoversión, centrándose en la integración de IA / ML, rendimiento extremo para XR / Industrial IoT, IAB móvil, posicionamiento mejorado y eficiencia del espectro hasta 71 GHz.RAN1promoverá aún más la IA/ML en la optimización de la RAN y las mejoras de la inteligencia artificial (PHY/AI) mediante la evolución de la capa física.

I. Características clave de la RAN1 (capa física y inteligencia artificial/innovación en aprendizaje automático)

1.1 Evolución MIMO:Enlace ascendente de múltiples paneles (8 capas), MU-MIMO con hasta 24 puertos DMRS, marco TCI multi-TRP.

• Principio de trabajo:Extiende los informes CSI de tipo I/II a través de un marco TCI unificado en múltiples paneles TRP. gNB programa hasta 24 puertos DMRS para MU-MIMO (12 en Rel-17),permitir que cada UE utilice 8 capas de enlaces UL; DCI indica el estado conjunto de TCI; la UE aplica la fase/precodificación en todos los paneles.
• El progreso:Rel-17 multi-TRP carecía de señalización unificada, lo que resultó en una pérdida del 20-30% en la eficiencia espectral en despliegues densos; las limitaciones de capas restringieron el rendimiento UL de cada UE a 4-6 capas,logro de un aumento del 40% de la capacidad de conexión ascendente (UL) para estadios y festivales de música.

1.2 AI/MLaplicado a la compresión de retroalimentación CSI, gestión del haz y posicionamiento.

• Principio de trabajo:Las redes neuronales utilizan libros de código entrenados fuera de línea para comprimir CSI de tipo II (32 puertos → 8 coeficientes).La predicción del haz utiliza patrones L1-RSRP para pre-posicionar los haces antes de la entrega.
• Progreso del proyecto:Las cargas generales de CSI consumen el 15-20% de los recursos de DL; la tasa de fallas en la gestión del haz es tan alta como el 25% en escenarios de alta movilidad (por ejemplo, carreteras).
• Mejores resultados:Reducción del 50% de los gastos generales de información sobre el estado del canal (CSI), aumento del 30% de la tasa de éxito de la entrega.

1.3 Mejora de la cobertura(Enlace de transmisión de potencia completa, señal de despertar de baja potencia).

• Principio de trabajo:El gNB envía una señal a la UE para aplicar la potencia de salida completa en todas las capas de enlace ascendente (sin respaldo de energía a nivel de capa).sensibilidad -110 dBm) recibe la señal de despertar (WUS) antes del ciclo de recepción principal.El WUS lleva información de indicación de 1 bit (monitoreo de PDCCH o sueño).
• Progreso del proyecto:La cobertura de enlace ascendente Rel-17 está limitada por el respaldo de energía jerárquica (pérdida de 3 dB para MIMO de 4 capas); el receptor principal consume el 50% de la energía de la UE durante la monitorización DRX.
• Mejor efecto:Cobertura de enlace ascendente ampliada en 3 dB, ahorro de energía del 40% para aplicaciones de Internet de las Cosas / transmisión de video.

1.4 Agregación de portadores de enlace lateral de banda ITS (CA)y el intercambio dinámico de espectro (El DSS) con LTE CRS.

• Principio de trabajo:Sidelink admite CA en las bandas n47 (ITS de 5,9 GHz) + FR1; admite la selección de recursos autónomos coordinados UE-UE de tipo 2c. Debido al tiempo de ida y vuelta (RTT) superior a 500 milisegundos,HARQ está desactivado para NTN IoT (sólo se admite la repetición de bucle abierto); La precompensación del efecto Doppler se realiza en el DMRS.
• Progreso del proyecto:Rel-17 Sidelink solo admite un solo portador (50% de pérdida de rendimiento); el tiempo de espera NTN IoT HARQ resulta en una pérdida de paquetes del 30%.
• Mejor efecto:El rendimiento del enlace lateral de pelotón V2X aumentó 2 veces, la confiabilidad de NTN IoT alcanza el 95%.

1.5 Realidad ampliada (XR) /comunicación multiesensor(suporte de alta fiabilidad y baja latencia).

• Principio de trabajo:Nuevo proceso QoS, presupuesto de latencia de menos de 1 milisegundo, soporta el marcado de paquetes de datos de múltiples sensores (flujos de video + hápticos + audio). gNB prioriza a través de un mecanismo de prevención.UE informa datos de postura/movimiento para la programación predictiva.
• Progreso del proyecto:El soporte Rel-17 XR solo admite unicast; la latencia de retroalimentación háptica excede los 20 milisegundos (no utilizable para operación remota).
• Mejor efecto:La latencia de extremo a extremo de las tácticas AR/VR+ en controles remotos industriales es inferior a 5 milisegundos.

1.6 Mejora de la función NTN(cobertura de enlace ascendente de teléfonos inteligentes, desactivando HARQ para dispositivos IoT).

• Principio de trabajo:Rel-18 mejora la cobertura de enlace ascendente para teléfonos inteligentes en redes no terrestres (NTN) al optimizar la transmisión de la capa física,permitir una mayor potencia de transmisión y una mejor gestión del presupuesto de enlace para adaptarse a los canales satelitalesPara los dispositivos de IoT en NTNs, la retroalimentación HARQ tradicional es ineficiente debido al largo tiempo de ida y vuelta del satélite (RTT), por lo que la retroalimentación HARQ se desactiva y se utiliza un esquema de retransmisión de bucle abierto.
• Progreso del proyecto:Anteriormente, la limitada cobertura de enlace ascendente para teléfonos inteligentes en las redes NTN debido al control de energía insuficiente y al margen de enlace resultaba en una conectividad deficiente.La retroalimentación HARQ causó problemas de degradación del rendimiento y latencia para los dispositivos IoT debido a los retrasos de los satélitesLa desactivación de HARQ elimina los retrasos de retroalimentación y mejora la confiabilidad de los dispositivos IoT restringidos. Esto permite una conectividad global robusta para IoT y teléfonos inteligentes más allá de las redes terrestres.

II. Aplicaciones del proyecto RAN1

• XR urbano denso (la tecnología MIMO Multi-TRP reduce la latencia AR/VR a menos de 1 milisegundo);
• Automatización industrial (la predicción del haz IA/ML reduce la tasa de fallas en la entrega en un 30%);
• V2X/Alta movilidad (CA de enlace lateral mejora la confiabilidad).

III. Ejecución del proyecto RAN1

• gNB PHY (capa física de la estación base):Integra modelos de IA para la compresión de CSI (por ejemplo, las redes neuronales predicen CSI de tipo II basadas en CSI de tipo I, reduciendo el gasto general en un 50%).
• Terminal (UE):Soporta receptor de despertador de baja potencia (independiente del enlace RF principal) para la señalización de alineación DRX.