作者：BRENDON MCHUGH，KAUE MORCELLES

5G網絡的主要結構是無線接入網絡（RAN），可以在多種架構中實現。無論架構如何，軟件定義無線電 （SDR） 在 RAN 鏈的每一步都發揮著重要作用，包括回傳、中傳和前傳。無論是在戰場上還是在城市叢林中，SDR 都提供了處理“大數據”過剩的重要技術功能，包括快速 10-100 Gb/s 光纖通信、寬調諧范圍、多個多輸入/多輸出 （MIMO） 通道、高相位一致性以及可編程以適應任何應用的基于軟件的后端。

術語大數據用于指定從許多不同來源收集的大量數據，以及旨在分析這些數據集的統計工具和技術，通常基于云/邊緣計算、機器學習 （ML） 和人工智能 （AI）。收集收集和使用大數據所需的大量信息并非易事。

各種各樣的無線設備（通常稱為用戶設備（UE））在大型5G網絡上運行，包括自動駕駛汽車、智能手機和IoT ［物聯網］設備。從多個UE中提取大數據，并通過統計分析和ML / AI算法進行進一步的信息處理，為一些有用的網絡操作提供了完美的框架，包括設備網關的優化，網絡中的頻譜共享和動態頻譜訪問，以及物聯網網絡上的實時性能診斷和分析，包括關鍵績效指標（KPI）的評估。但是，要正確啟用大數據，UE和網絡必須提供非常高的數據吞吐量，低延遲回程和優化的數據存儲。

通常，基帶單元（BBU）和無線電主機（RRU）中的通信模塊基于軟件定義無線電（SDR）;因此，這些SDR的性能是無線大數據采集的主要瓶頸之一。在這種情況下，超低延遲和超高性能SDR越來越多地被5G基站采用，特別是由于真正的并行信號處理（由FPGA［現場可編程門陣列］技術提供支持）及其在以太網光纖上的非常高的數據吞吐能力，能夠提取、處理和打包大量數據。

基于 FPGA 的數字后端還可以輕松地在 SDR 中實現大數據功能和分析。此外，隨著LTE/5G上連接的UE數量的增加，這些頻段變得越來越擁擠和稀缺，因此智能無線資源分配和頻譜共享策略可以顯著提高網絡的電磁（EM）性能。這兩種技術都需要寬帶頻譜監控，而這只能使用高性能SDR來實現，具有MIMO功能，超低延遲，寬帶寬和高調諧范圍。

5G的未來

與目前的4G / LTE技術不同，5G不僅僅是一個簡單的數據管道。事實上，5G網絡可以被視為專門構建的網絡，旨在促進許多設備，傳感器和自動化系統之間的連接。通過提供超過4G十倍的容量，5G可以確保高水平的互連，滿足軍事，政府和商業設備的需求，以高比特率和超低延遲傳輸大量數據。這種連接能力對于各種用途都至關重要，例如增強現實 （AR）、虛擬現實 （VR）、自主系統、觸覺互聯網和自動化。

盡管5G正在迎來技術革命，但仍有一些挑戰必須解決，以釋放其全部潛力。5G實施的主要瓶頸是網絡基礎設施。雖然網絡骨干的一部分可以在已經使用的電信基礎設施中實現，但真正的5G需要在人口稠密的地區使用大量小型蜂窩來支持大量數據流量，每個蜂窩都使用速度大于10 Gb/sec的無線和光纖鏈路，延遲小于1毫秒。此外，為高數據速率用戶（》 6 GHz）提供足夠帶寬所需的高頻在RF信號質量方面存在嚴重問題。例如，由于信號丟失，高頻的范圍較短，并且很容易被障礙物（包括建筑物，墻壁和樹木）阻擋，因此它們需要大量的小蜂窩來增加覆蓋范圍。

幸運的是，使用多輸入/多輸出 （MIMO） SDR 可以簡化高密度小型蜂窩網絡的實施，同時解決帶寬和覆蓋范圍問題。最后，由于與包括自主系統和車輛在內的關鍵系統的緊密集成，5G中的網絡安全比4G更令人擔憂：因此，需要專門的安全方案來確保5G網絡的穩健性，特別是考慮到大數據應用中的隱私問題。

5G網絡的高帶寬和低延遲，結合多接入邊緣計算（MEC）架構的實施，為收集和處理RF大數據創造了完美的環境。主要思想包括從密集的小型蜂窩中提取盡可能多的數據，應用于物聯網中的大規模機器類型通信（mMTC）和機器對機器通信（M2M），并將這些數據轉換為實時見解，用于智能決策，使用分布式計算架構和高性能網絡鏈路，可以進一步應用于服務質量（QoS）評估和優化。例如，大數據可以作為運營商預測需求曲線的工具，協調動態資源分配和網絡切片，并通過優化網絡容量來解決干擾和覆蓋限制。此外，5G改進的互連性將使分布式邊緣計算達到一個全新的水平，所有繁重的大數據計算都在云中執行。（圖 1。

［圖1 |服務、網絡和功能層面的整體5G架構。

5G 網絡中的 SDR

顧名思義，軟件定義無線電是在數字域中實現大多數信號處理和通信功能的RF單元，僅將基本要素留給模擬電路。SDR 的一般架構由模擬前端 （AFE） 和數字后端組成。AFE 包含接收和發送功能，并且可以在 MIMO 操作中由多個通道組成。每個AFE信道都可以在很寬的頻率范圍內進行調諧，包括5G調諧范圍。由AFE放大和濾波的模擬信號使用專用ADC和具有高穩定相位相干性的DAC進行數字化。然而，SDR的真正癥結在于數字后端，它通常使用高端FPGA實現。FPGA具有板載DSP功能，負責基本的無線電功能，如調制/解調、上變頻/下變頻和濾波，但它也可以執行復雜的通信任務，包括最新的5G通信協議和DSP算法。此外，它還可以通過 SFP+/qSFP+ 鏈路對超過 10 到 100 Gb/秒的以太網數據包進行分組和傳輸。基于 FPGA 的后端使 SDR 能夠針對各種 SWaP（尺寸、重量和功耗）要求進行設計。

SDR 是通用 5G RF 網絡的主要構建塊。它們可以作為RRU中的前傳網絡實現，以接收和傳輸來自用戶設備的數據，也可以作為BBU，特別是O-RAN網絡標準中的分布式單元（DU）和中央單元（CU）。事實上，SDR可以應用于網絡鏈的任何步驟，在中傳和回傳中也發揮著重要作用。此外，它們通過提供具有高靈活性、低功耗和小尺寸的現成解決方案，在毫微微蜂窩（小型低功耗蜂窩基站）中結合 RRU 和 BBU 功能的理想技術。基于 SDR 的毫微微蜂窩可用于各種應用，包括用于戰術用途的無線網絡或用于無人機系統 （UAS） 的嵌入式通信系統。

大數據驅動的 AI/ML 和 SDR

由于其與基于軟件的技術的親和力，SDR可以促進與大數據和人工智能/機器學習（AI/ML）算法相關的多種技術。例如，SDR可用于測試5G網絡的關鍵性能指標（KPI）。快速管理網絡切片 （NS） 所需的高速可重構性很容易降低網絡的 KPI。在這種情況下，KPI 監視和評估技術（如自主異常檢測 （AAD） 和實時分析）是維護 QoS 的基礎。這些技術可以通過利用數字后端并使用FPGA在本地運行復雜的KPI分析算法，使用SDR輕松實現。

由于5G RAN（無線接入網絡）必須處理大量不同的設備和服務，因此網絡切片是強制性的。要創建這些獨立的切片，需要SDN/NFV技術，在網絡的物理層上提供足夠的靈活性和可重構性。SDR在網絡軟件化中發揮著重要作用，使SD-RAN算法的實施成為可能，例如實時RAN智能控制器（RIN）。此外，大數據驅動的動態切片可以獲取有關網絡狀態的實時信息，并根據流量預測器和專用成本函數自動重新分配資源。（圖2。

［圖2 |圖表顯示了數據驅動的AI/ML如何幫助無線接入網絡（RAN）。

數據驅動的 ML/AI 算法還可用于波束成形優化，通過協助 RRU 計算和選擇最佳波束以最大化參考信號接收功率 （RSRP）。在這種情況下，波束成形過程將采用數據驅動反饋系統的形式，其中每個UE通知服務單元幾個光束參數，包括光束指數（BI）和光束參考信號接收功率（BRSRP），然后決定必須選擇哪些光束來為該單元提供服務。隨著UE的大量使用，這成為一個大數據問題。通過促進RRU的軟件化并提供MIMO功能來驅動天線陣列，SDR實際上通過大數據實現了波束成形優化。此外，在大規模MIMO應用中，每個波束成形天線都會接收一個權重，必須對其進行優化才能獲得最佳波束。ML/AI 算法可用于根據預測模型、歷史數據、干擾數據和用戶規范動態優化天線的權重。

審核編輯：郭婷