活动介绍

EC-GSM-IoT技术解析:从3GPP增强到物理层设计

立即解锁
发布时间: 2025-08-29 10:46:41 阅读量: 11 订阅数: 31 AIGC
### EC - GSM - IoT技术解析:从3GPP增强到物理层设计 #### 1. 3GPP对GSM的增强 为了满足物联网的需求,第三代合作伙伴计划(3GPP)在其第13版中决定进一步发展GSM技术。除了之前提到的增加覆盖范围、确保低设备成本和高电池寿命等要求外,还进行了以下改进: - **频谱高效利用**:提供一种在仅600kHz的紧凑频谱分配下运行该技术的方法,使运营商能够部署GSM网络,完全消除或至少最小化与其他技术在频谱使用上的冲突。在如此小的频谱分配中,甚至可以在3G和4G等宽带技术的保护带中部署GSM网络。 - **提升安全等级**:将终端用户的安全性提升到LTE/4G级别的安全水平,以消除当前GSM部署中可能存在的安全隐患。 - **确保向后兼容**:确保引入EC - GSM - IoT对GSM标准所带来的所有更改都能与现有的GSM部署实现向后兼容,从而允许该技术与现有设备共享资源,实现无缝且逐步的引入。 - **支持大量设备**:确保网络能够支持大量的蜂窝物联网(CIoT)设备。 #### 2. EC - GSM - IoT物理层设计的指导原则 在重新设计一项27年前首次部署的成熟技术时,理解现有产品可能对设计造成的限制至关重要。对于EC - GSM - IoT而言,要基于GSM的全球部署基础,就必须能够在现有的基站上进行部署。同时,现有的GPRS/EGPRS设备应能够升级其实现,以替换GPRS/EGPRS实现或在其基础上额外实现EC - GSM - IoT。因此,EC - GSM - IoT的设计应尽可能与GPRS/EGPRS有共同的设计基础。 基站主要由数字单元(或基带单元)和无线电单元两部分组成。支持EC - GSM - IoT除了要支持GSM/EDGE外,至少需要在数字单元上进行额外的实现工作,以实现新的协议栈和新的物理层设计。但支持新功能不能意味着需要进行硬件升级,否则会导致现场产品需要更换,这对运营商来说意味着巨大的投资,并且对于旨在实现极佳覆盖范围的技术而言,在大多数或所有基站升级完成之前,会导致网络覆盖出现漏洞。同样,无线电单元是根据当前GSM信号特性设计的,显著改变这些特性(如增加信号动态范围)可能意味着已部署的基础设施无法再支持该技术。 在设备方面,如果物理层的更改需要开发新的设备平台,这将意味着在研发和验证方面进行大量投资。相反,如果物理层的基本原理尽可能接近GSM,现有的GPRS/EDGE平台就可以通过软件升级来支持EC - GSM - IoT,并且如果将EC - GSM - IoT带来的额外复杂性降至最低,同一平台还可以继续支持GPRS/EDGE操作。当然,这并不妨碍开发专门针对EC - GSM - IoT的平台,这种平台在能耗和成本等方面可能比相应的GPRS/EDGE平台更优化。 此外,还需要考虑EC - GSM - IoT的网络运营。GSM网络已经运行多年,并且预计未来还将运行多年。因此,该技术被设计为与现有的GSM/EDGE部署和网络配置完全向后兼容,以便能够在相同资源上无缝复用GPRS/EDGE流量和EC - GSM - IoT流量。通过这种资源池化的方式,GSM网络将消耗更少的总体资源,最终减少网络运营所需的频谱资源。 遵循这些指导原则自然意味着物理层在很大程度上将与现有的GSM/EDGE相同。但同时,为了实现前面提到的设计目标,也需要进行一些更改。 #### 3. 物理资源 ##### 3.1 信道栅格 GSM基于频分多址和时分多址(TDMA)的组合。频率上的信道彼此间隔200kHz,其在频率上的绝对位置(即所谓的信道栅格)也以200kHz为步长进行定义。这意味着200kHz信道在频率上的放置并非完全任意,信道的中心频率需要能被200kHz整除。由于在给定频段内的频率放置受信道栅格限制,为了便于参考,信道被编号,称为绝对射频载波编号(ARFCN)。也就是说,对于给定的频段和绝对载波频率,ARFCN值是固定的。 ##### 3.2 帧结构 在时间上定义了帧结构。每个所谓的TDMA帧被划分为八个时隙。为了引用超过TDMA帧持续时间的特定时间点,TDMA帧被分组为包括多帧、超帧和超超帧的分层帧结构。整个帧结构中的时间参考精度在超超帧范围内,超超帧大约长3.5小时。 TDMA帧首先被分组为两种多帧之一,即51多帧或52多帧。 - **51多帧**:承载用于时间和频率同步的信道(频率校正信道(FCCH)、同步信道(SCH)和扩展覆盖同步信道(EC - SCH))、公共控制信道和扩展覆盖公共控制信道(EC - CCCH)以及广播信道(BCCH)和扩展覆盖广播信道(EC - BCCH),并且这些信道总是映射到广播载波(BCCH载波)上。 - **52多帧**:用于分组业务信道(分组数据业务信道(PDTCH)和扩展覆盖分组数据业务信道(EC - PDTCH))及其关联的控制信道(分组关联控制信道和扩展覆盖分组关联控制信道(EC - PACCH))。 传统上,分配了分组业务信道资源(52多帧)的GSM设备仍需要通过与相邻小区同步并获取小区特定信息(系统信息(SI))来持续监控其周围环境。通过确保两种多帧随时间相对漂移,51多帧中的感兴趣信道将相对于52多帧中的某个位置随时间漂移,从而不会随时间重叠,这样可以避免无法获取服务小区中的业务信道以及相邻小区的信息。对于EC - GSM - IoT,在分配分组业务信道资源时,不需要与相邻小区同步或获取SI。因此,从这个角度来看,不需要使用51多帧。然而,由于现有的FCCH已经映射到51多帧,并且也被选择用于EC - GSM - IoT,所以在一些EC - GSM - IoT逻辑信道中使用51多帧是很自然的。 26个51多帧或25.5个52多帧组成一个超帧,超帧又以2048个为一组,每组形成一个超超帧。整体帧结构如下表所示: | 帧类型 | 包含TDMA帧数 | 持续时间 | | ---- | ---- | ---- | | TDMA帧 | 1 | 约4.615ms | | 51多帧 | 51 | 约235.4ms | | 52多帧 | 52 | 240ms | | 超帧 | 26个51多帧或25.5个52多帧 | 6.12s | |
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

物联网_赵伟杰

物联网专家
12年毕业于人民大学计算机专业,有超过7年工作经验的物联网及硬件开发专家,曾就职于多家知名科技公司,并在其中担任重要技术职位。有丰富的物联网及硬件开发经验,擅长于嵌入式系统设计、传感器技术、无线通信以及智能硬件开发等领域。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

数据可视化:静态与交互式的优劣及团队模式分析

# 数据可视化:静态与交互式的优劣及团队模式分析 ## 1. 幻灯片与数据可视化 在数据沟通中,幻灯片是一种常用且有效的方式。能通过幻灯片清晰沟通是一项重要技能,无论是使用PowerPoint还是Google Slides,掌握设计工具都需大量时间和实践。 幻灯片之所以是有效的沟通方式,是因为其具备与数据可视化相同的有效元素: - **简化信息**:幻灯片应尽量少用文字,需将关键概念浓缩成简单要点。 - **清晰标题**:如同数据可视化,幻灯片标题应明确所回答的问题或表达的观点,让观众能轻松理解展示内容。 - **视觉线索**:图像、字体、颜色和主题等都能为幻灯片内的信息提供视觉线索。

利用GARCH模型变体进行股票市场预测中的情感分析实现

### 利用GARCH模型变体进行股票市场预测中的情感分析实现 在金融领域,股票市场预测一直是一个备受关注的话题。由于金融数据具有高波动性和异方差性(即方差随时间变化),传统的时间序列分析方法往往难以准确建模。广义自回归条件异方差(GARCH)模型因其能够有效处理异方差问题而成为时间序列预测中的常用工具。同时,社交媒体数据和金融新闻也对股票价格预测产生着重要影响,情感分析技术可以从中提取有用信息,帮助我们更好地理解市场行为。本文将详细介绍如何运用情感分析和GARCH模型变体对苹果公司的股票数据进行预测。 #### 1. 研究背景 GARCH模型由Bollerslev于1986年提出,此后被

数据在不同部门的应用与挑战及后续提升建议

### 数据在不同部门的应用与挑战及后续提升建议 在当今数字化时代,数据在各个部门的运营中扮演着至关重要的角色。下面我们将深入探讨数据在营销、销售和信息技术部门的应用情况,以及如何提升数据沟通技能。 #### 数据在营销部门的应用与挑战 在营销领域,数据的影响力无处不在。以Prep Air为例,数字营销主管Alex指出,数字营销的兴起带来了海量数据,彻底改变了整个营销领域。过去,营销研究主要依赖焦点小组和调查,一次只能针对一个个体。如今,除了这些传统方法,还可以收集和跟踪社交媒体参与度、网站流量等多方面的数据。 数据来源广泛,包括人口普查记录、谷歌分析的网站流量报告以及Facebook、

基于文本的关系提取与知识图谱构建

### 基于文本的关系提取与知识图谱构建 #### 1. 引言 在分析公司网络时,共现图能为我们提供一些有趣的见解,但它无法告知我们关系的具体类型。例如,在某些子图中,我们能看到公司之间存在关联,但具体是什么样的关系却并不清楚。为了解决这个问题,我们需要进行关系提取,从而构建知识图谱,以更清晰地展示公司之间的关系。 #### 2. 关系提取的重要性 有时候,最有趣的关系往往不是频繁出现的那些。比如,即将到来的合并的首次公告,或者过去曾被提及几次但随后被遗忘的惊人关系。以前不相关的实体突然同时出现,可能是开始对该关系进行深入分析的信号。 #### 3. 基于短语匹配的关系提取蓝图 - **

打造与分享Excel仪表盘:设计、保护与部署全攻略

# 打造与分享 Excel 仪表盘:设计、保护与部署全攻略 在数据可视化的领域中,Excel 仪表盘是一种强大的工具,它能够将复杂的数据以直观的方式呈现给用户。本文将详细介绍如何设计一个美观且实用的 Excel 仪表盘,以及如何保护和分享它。 ## 1. 仪表盘设计优化 ### 1.1 突出关键数据 为了让用户更聚焦于仪表盘的关键数据点或特定部分,可以使用加粗字体进行突出显示。具体操作如下: - 仔细审视仪表盘,找出那些需要强调特定信息或数据点的区域。 - 在后续步骤中,再添加标题和标签。 ### 1.2 优化文本框格式 为了让用户更轻松地识别关键数字,可以对文本框进行如下格式优化: 1

软件定义网络的数据可视化与负载均衡实验

### 软件定义网络的数据可视化与负载均衡实验 在当今的网络环境中,软件定义网络(SDN)的应用越来越广泛。本文将详细介绍一个关于软件定义网络的数据可视化与负载均衡的实验,包括实验步骤、遇到的问题及解决方法,以及如何生成相关的分析图表。 #### 1. 流量生成与结果过滤 在实验中,我们首先需要生成流量并记录相关事件。以下是具体的操作步骤: - **定义服务器与客户端**: - 停止Host - 3服务器,在h8控制台输入命令 `iperf -s -p 6653 -i 1 > result - H8`,将IP地址为10.0.0.8的Host - 8定义为服务器,“result -

Rasa开发:交互式学习、调试、优化与社区生态

### Rasa开发:交互式学习、调试、优化与社区生态 #### 1. 交互式学习中的数据保存与退出 在交互式学习的每一轮中,都需要确认自然语言理解(NLU)分析结果以及多个动作预测结果。若对为何有多个动作存在疑惑,可参考相关原理内容。当我们完成与聊天机器人的交互学习后,需要手动保存反馈数据。具体操作步骤如下: - 按下 `Ctrl + C`,会出现如下选项: - `Continue`:继续当前的交互式学习。 - `Undo Last`:撤销上一步操作。 - `Fork`:分叉当前对话流程。 - `Start Fresh`:重新开始。 - `Export & Quit`:

数据分析与分层模型解读

### 数据分析与分层模型解读 在数据分析中,我们常常会用到各种模型来解读数据背后的规律。这里主要探讨分层模型的相关内容,包括如何分析数据、模型的构建与评估,以及结果的呈现与解读。 #### 1. R² 值的计算 在分析数据时,我们可能会注意到不同模型的 R² 值情况。例如,对于某些模型的输出,能直接看到 R² 值,而对于分层模型,需要额外的操作来获取。以分层模型 `fit_lmer1` 为例,若要计算其 R² 值,可按以下步骤操作: 1. 安装并加载 `MuMIn` 包。 2. 运行 `r.squaredGLMM(fit_lmer1)` 函数。 运行该函数后,会得到两个 R² 值: -

数据可视化:工具与Python库的综合指南

# 数据可视化:工具与Python库的综合指南 ## 一、数据可视化的基础技巧 ### (一)创建对比 在展示数据时,应尽可能多地进行对比。当同时展示两个关于同一参数在不同时期的图表或图示时,能清晰地解释数据的影响,并突出趋势、高低点、优势和劣势,便于大家理解和思考。例如,对比2019年第一季度和2020年第一季度的销售折线图。 ### (二)讲述数据故事 以可视化方式呈现数据如同讲故事,能向受众传达目标或信息,提高参与度,让人们轻松理解数据。科学研究表明,人类更喜欢听故事,对讲述得当的故事反应更好。通过可视化来讲述故事,不仅能更好地传达信息,还能在展示中脱颖而出。可以通过整理信息,借鉴作

数据科学家绩效评估方法解析

### 数据科学家绩效评估方法解析 在数据科学领域,衡量数据科学家的绩效是一项具有挑战性的任务。虽然数据科学本身强调测量和指标跟踪,但为数据科学家的工作价值赋予一个确切的数字并非易事。下面将详细探讨几种评估数据科学家绩效的方法。 #### 1. 工作时间评估 工作时间是最直接的绩效衡量方式。比如,早上9点上班,晚上9点下班,减去午休时间,就是一天的工作时长。对于那些具有固定或相对稳定价值产出率的工作,工作时间是一个可行的绩效指标,就像在日本街头,拿着道路施工标志站岗的人员,他们投入的工作时长能准确反映其工作绩效。 然而,对于需要解决复杂问题的工作,工作时间和实际工作投入是两个不同的概念。