5G NR学习理解系列——时频结构及相关概念_fr1和fr2_十年老鸟的博客-程序员秘密

技术标签： 5G NR  NR学习  

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

5G NR学习理解系列——时频结构

频段

在5G NR中，定义了两种频段范围，FR1和FR2，FR1表示低频频段，FR2表示毫米波高频频段。具体FR1和FR2表示的频段范围如下表所示
在这里插入图片描述

工作带宽

工作带宽是指在NR中有编号的、实际规定了上下频率边界的一段频带。在FR1和FR2频段范围内的具体工作带宽如下表所示
在这里插入图片描述
在这里插入图片描述

信道带宽

信道带宽包括传输带宽和保护带，三者之间的关系如下图所示
在这里插入图片描述
其中传输带宽两边的保护带大小可不一致。最小保护带的计算方法为
在这里插入图片描述
1个RB包含了12个子载波
具体在FR1和FR2频段内的最小保护带宽如下表所示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
信道带宽中除保护带后剩余的带宽称为传输带宽，在FR1和FR2频段内，不同SCS情况下的传输带宽RB数如下表所示
在这里插入图片描述
在这里插入图片描述

从表5.3.2.1可以看出，在SCS=15kHz时，最大支持的传输带宽为50M，对应RB数为270RB；在SCS=30kHz时，最大支持的传输带宽为100M，对应RB数为273RB。

我们以NR 100M来举例，看看上面这些表格是怎么计算而来的，
NR100M： SCS = 30kHz NRB = 273, 1RB = 12SC
那么有用带宽为30kHz12273 = 98.28MHz
两边的保护带为：（100M - 98.28M）/2 – 0.03/2 = 0.86-0.015 = 0.845
一般来说使用（100M - 98.28M）/2即可

根据以上信息，我们可以得到NR各个带宽下的有用带宽如下图所示：
在这里插入图片描述

子载波间隔（SCS）

4G LTE的子载波间隔是固定为15KHz，
5G NR的子载波间隔是可变的，包含15、30、60、120、240kHz。5G比较典型的应用是30kHz（NR100）

在这里插入图片描述

SLOT长度

子载波间隔不一样，对应的时隙长度也不一样。还是以NR100为例，一个slot为0.5ms
在这里插入图片描述

OFDM符号时长

在这里插入图片描述

采样点时长

NR的定义名为Tc，LTE定义名为Ts
• Tc = 0.509 ns
• Ts = 32.552 ns

无线帧结构

无线帧的长度始终为 10 毫秒，子帧的长度始终为 1 毫秒。
在 5G/NR 中，支持多个 numerology（波形配置，如子帧间隔）
我们来看两种情况
1、< 正常 CP，numerology = 0 >
在此配置中，一个子帧中只有一个时隙，这意味着一个无线电帧中包含 10 个时隙。 一个时隙内的 OFDM 符号数为 14。
在这里插入图片描述
2、< 正常 CP，numerology = 1 >
在此配置中，一个子帧中有 2 个时隙，这意味着一个无线电帧中包含 20 个时隙。 一个时隙内的 OFDM 符号数为 14。

这也是我们NR100M所用的结构。
在这里插入图片描述

更精确的时域描述

以上是5G NR时频结构的一些定义。但往往我们做设计还需要更准确的时域信号信息。

特别是OFDM时长以及采样时长，才好精确的定位信号每一段的位置。

采样点更精确一些的描述
Ts = 1000/30.72 ns
Tc = 1000/30.72/64ns = 0.508626302ns
一个slot中有14个OFDM符号，但并不是所有符号都是等长的，主要是CP长度不一样。
在这里插入图片描述
在这里插入图片描述
举例说明，当SCS=30kHz时，长CP和短CP的计算方法为
在这里插入图片描述
整个slot的准确组成为：
Data = 33.3333333us = 65536Tc
65536 * 14 + 4608*13 +5632 = 983040Tc = 0.5ms
也就是说第一个CP是长CP，后面13个CP是短CP，而14个Data的长度是一样的

子载波间隔决定了OFDM符号（除CP部分）的时长
30kHz ———— 1/30k = 33.3333333us。这点与FFT频率分辨率是一致的，时间的倒数就是频率分辨率。
在这里插入图片描述
在122.88MHz采样率下SCS=30kHz，FFTSize为4096，时域实际的采样点时间间隔为
在这里插入图片描述
则以实际的采样时间间隔作为CP的时间单位，则长CP和短CP所占用的时域采样点数为
在这里插入图片描述

一篇文章写起来至少两三个小时，大部分看官却只收藏而不点赞，久而久之就坚持不下去了，有时候都不知道是为了什么。各位多点点赞了
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gzy0506/article/details/123697352

智能推荐

《达芬奇的人生密码》观后感及艺工交叉_qq_40213652的博客-程序员秘密

达芬奇是谁？可能大部分人对这个名字熟悉的不能再熟悉了，只不过对于他的认知可能还处于“达芬奇画鸡蛋”这一小故事上，还只是停留在他画出了《蒙娜丽莎》这样享誉全球的传奇作品的层面上，提到达芬奇，大家第一个想到的一定是一名伟大的画家，在观看了《达芬奇的人生密码》之前，我也这样想，然而，在观看了这部片子以后，它推翻了我之前对于达芬奇的所有定义，与其说他是天才，不如说这是一个鬼才，一个让绝大部分人难以望其...

二、模型、方式和观点——（一）_hotpants的博客-程序员秘密

（一）一、推理设计推理设计模型是对设计师在设计中的推理过程的普遍概述。该模型主要应用于有形产品设计。它能在不同层面帮助设计师反思在设计过程中所做的推理。1. 推理设计模型的目的是什么设计一款产品的核心是一个推理过程，即从产品的价值出发，随需求、功能和属性，直至最终产品形态和使用条件的推理过程。产品的功能取决于其：形态、使用方式及使用情境；这意味着——如果设计师对产品的几何形态与物理、化学（材料）特征有所了解，那么原则上可预测该产品的各种属性。如果设计师能进一步了解产品的使用方式及使用环境，

基于容器技术的Redis sentinel主从复制读写分离高可用分布式架构方案[email protected]的博客-程序员秘密

目的:提高并发访问、缓存数据备份、故障自动切换实现高可用环境:系统:centos 7.6; Docker 18.03.1-ce架构方案:3台哨兵一起监控1主2从，主节点负责写数据，从节点负责读数据，当master宕机时，由sentinel集群来自动切换某个从节点成为新的master,旧的master会成为新的从节点，应用端通过从sentinel获取主从redis节点信息，连接主从redis节点...

Bigemap一键离线地图发布工具（教程）_本地图转网络图工具_BIGEMAP_13的博客-程序员秘密

1、简介BIGEMAP一键离线地图发布服务器主要帮助企业内部（局域网）环境搭建私有地图服务。支持一键快速发布，无需二次开发，无需配置环境，安装即可发布离线地图，可应用在局域网地图发布，内网地图发布，手持设备地图发布，移动端地图发布。在没有网络的情况下，依然可以实现地图浏览。支持离线地图的标绘：点、线、面、上传图片等等图 1 离线地图示例2、安装点击【软件下载】解压后...

KNN-简单方法实现---《Python3机器学习与实战》总结+案例_Tony Einstein的博客-程序员秘密

KNN-简单方法实现,未总结KD树。k-近邻算法是通过测量不同特征值之间的距离进行分类的。基本思路是：如果一个样本在特征空间中的k个最近邻样本中的大多数属于某一个类别，则该样本也属于这一个类别。该方法在决定类别上只依据最近的一个或几个样本的类别来决定待分类样本所属的类别，在KNN中所选择的邻居都是已经正确分类的对象。KNN的算法流程:1.计算测试数据与各个训练数据之间的距离2.按照距离的...

透明窗体覆盖在视频上画图_雨田嘟嘟的博客-程序员秘密

原本是想在显示图像的地方直接画需要的图形，最后发现显示图像的地方在dll中，没有源码，只能够另辟他径了。于是有了下面想法：*在窗口上覆盖一个透明窗口，然后对透明窗口进行绘图。根据需要对透明窗口进行刷新重绘。全部代码上传csdn （还有鼠标点哪（透明窗体范围内），就在哪画图）代码链接http://download.csdn.net/detail/xuleisdjn/9525884下面代码是其中

随便推点

搭建自己的SSR_ssr搭建_泗洪双沟的博客-程序员秘密

一、渲染一个Vue实例mkdir vue-ssrcd vue-ssrnpm init -ynpm i vue vue-server-renderer新建server.jsconst Vue = require('vue')const app = new Vue({ template:` `})Vue SSR 介绍是什么官方文档：https://ssr.vuejs.org/Vue SSR（Vue.js Server-Side Rendering） 是 Vue.js 官方

10分钟我来告诉你MySQL的优化“套路”_androidstarjack的博客-程序员秘密

“ 说起 MySQL 的查询优化，相信大家收藏了一堆奇技淫巧：不能使用 SELECT *、不使用 NULL 字段、合理创建索引、为字段选择合适的数据类型.....你是否真的理解这些优化技巧...

python制作爬虫爬取京东商品评论教程_onemorepoint的博客-程序员秘密

python制作爬虫爬取京东商品评论教程 作者：蓝鲸 类型：转载本文是继前2篇Python爬虫系列文章的后续篇，给大家介绍的是如何使用Python爬取京东商品评论信息的方法，并根据数据绘制成各种统计图表，非常的细致，有需要的小伙伴可以参考下 本篇文章是python爬虫系列的第三篇，介绍如何抓取京东商城商品评论信息，并对这些评论信息进行分析和可...

Mac OS X下快速复制文件路径_mac os why copy file_littlewhite1218的博客-程序员秘密

Mac下通过Automator在鼠标右键菜单选项里添加复制文件路径功能

spring+cloud_alibaba简单学习一_qq_40650378的博客-程序员秘密

cloud服务做了有些时间（一直没上线），随着cloud服务被各种私有化闭源后，担心gateway2网关闭源，euraka中心闭源，各种闭源。。。。想找下阿里大佬有没有人搞这方面的（同事有人说有），还真发现了。。于是故事就开始于开源中国的一篇文章分布式应用服务开发的一站式解决方案https://www.oschina.net/p/spring-cloud-alibaba 看完介绍不多说...

Singular value decomposition_bestlinjiayin的博客-程序员秘密

矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解等，常见的有三种：1)三角分解法 (Triangular Factorization)，2)QR 分解法 (QR Factorization)，3)奇异值分解法 (Singular Value Decompostion)。

推荐文章

热门文章

相关标签