暂无数据

深扒 NB-IoT(1)| NB-IoT 的概念和演进

HiCLC 发表于 2019-4-29 17:15:17 | 显示全部楼层 |阅读模式

还不登入呢,在等啥呢?快来和Hier们一起学习ICT小知识!

您需要 登录 才可以下载或查看

x
NB-IoT,英文全拼 Narrow Band Internet of Things,即基于蜂窝的窄带物联网。
1.PNG
一、NB-IoT的由来
在 GERAN 工作组关闭前的 GERAN #62 次全会上,通过了 GP-140421 SID「Cellular System Support for Ultra Low Complexity and Low ThroughputInternet of Things」着手研究非后向兼容传统 GSM 系统的蜂窝物联网(Cellular oT)方案,以实现在 200 kHz 系统带宽上支持窄带物联网技术。GERAN 工作组中前期研究的 Cellular IoT 方案是非后向兼容的方案,主要针对 Stand-alone 部署的场景。2015 年 8 月,GERAN 工作组输出与窄带物联网相关的研究报告 TR45.820。3 GPP PCG#34 决定将与窄带物联网相关的标准化工作转至 3 GPP RAN 进行,NB-IoT 标准化的时间进度如下图。
2.PNG
在 TR45.820 中,最有影响的技术是 NB-LTE 和 NB-CIoT 两个技术。其中,NB-CIoT 技术下行采用 3.75 KHz 子载波间隔的 OFDMA 技术,上行采用 FDMA(基于单载波 single carrier+GMSK 调制)技术,该技术主要适用于 Stand-alone 的部署场景。NB-LTE 下行采用 15 KHz 子载波间隔的 OFDMA 技术,上行采用 SC-FDMA 技术,能更好地和现有 LTE 系统兼容,该技术除了用于 Stand-alone 部署场景,还能很好地支持 In-band 和 Guard-band 的部署场景。
NB-IoT WI 于 2015 年 9 月 RAN #69 次会议正式立项,立项文件中确定:下行采用 OFDMA 的多址技术,但没有确定子载波间隔是 15KHz 还是 3.75KHz;上行将 GMSK 的 FDMA 方案和 SC-FDMA 技术列为两个备选技术,通过 RAN1 小组的技术评估确定选用哪种技术。RAN1 #82bis 和 RAN1 #83 两次会议上多家公司提交了大量仿真评估文稿。RAN1 #83 次会议对各家公司的仿真结果进行了分析和汇总。对于下行 15kHz 和 3.75kHz 的子载波间隔,在 Stand- alone、Guard-band 和 ln-band 3 种部署场景下,下行各信道都能满足在极端覆盖下要求的 164 MCL 的覆盖目标;对于容量性能,下行 15kHz 子载波间隔能满足 3 种部署场景下的容量目标,在 ln-band 部署场景下,采用 3.75kHz 子载波间隔的 NB-loT 系统和传统 LTE 系统之间将会有很大的干扰,主要体现在 LTE CRS 与 NB-loT 间的干扰以及 NB-loT 系统对 LTE 控制信道的影响。考虑到在 ln-band 场景下,采用 15kHz 的子载波间隔不会对 LTE 系统产生干扰,15kHz 子载波间隔也能满足 NB-loT 系统的需求,多数公司支持下行采用 15kHz 的子载波间隔。从各公司的仿真结果上看,上行 SC-FDMA 和基于 GMSK 的 FDMA 的技术都能满足极端覆盖下的覆盖目标。但基于 GMSK 的 FDMA 方案由于各用户的载波彼此不正交,相邻载波之间都需要保护带,开销较大,上行系统容量不如基于 SC-FDMA 的方案。因此,多数公司支持 SC-FDMA 技术。在 RAN1 #83 次会议上基本确定下行采用基于 15kHz 子载波间隔的 OFDMA 方案,上行采用 SC-FDMA 技术,支持单子载波(Single-tone)发送和多子载波(Multi-tone)发送,终端需要指示对单子载波发送和多子载波发送的支持能力。
在 RAN#70 次会议上更新了 NB-loT 立项,明确 NB-loT 下行采用基于 15 kHz 子载波间隔的 OFDMA 方案,上行采用 SC-FDMA 技术。
二、NB-IoT 应用场景:
物联网(IoT,Internet of Things)是未来信息技术发展的重要组成部分,其主要技术特点是将物品通过通信技术与网络连接,从而实现人机互连,物物互连的智能化网络。根据物联网业务带宽、功耗、连接数的不同,可划分为三个层次,如下图所示。
物联网业务总体特征图:
3.PNG
1) 高速率业务主要指支持外接电源供电、对功耗无要求的业务(如视频监控、电子广告牌等)。
2) 中等速率业务主要指支持外接电源供电、对功耗要求不严格的业务(如智能家居、传统车联网等)。
3) 低速率业务主要指通过电池供电、要求超低功耗和超长待机时间,具有超大连接数,超低成本的业务(如无线抄表,工业传感等)。
由于传统无线网络没有对物联网业务进行过专门设计和优化,因此无线数传功耗较大,成本较高,不适用于大连接、低速率、低功耗、低成本的物联网业务场景。3 GPP 针对此类物联网业务的特点,专门设计制定了 NB-IoT(Narrow Band Internet of Things)协议标准。
NB-IoT,英文全拼 Narrow Band Internet of Things,即基于蜂窝的窄带物联网, NB-IoT 构建于蜂窝网络,只消耗大约 180KHz 的带宽,可直接部署于 GSM 网络、UMTS 网络或 LTE 网络,以降低部署成本、实现平滑升级。
三、NB-IoT 性能如何?(对比 eMTC)
在低速物联网领域,NB-IoT 作为一个新制式,在成本,覆盖,功耗,连接数等技术做到极致。eMTC 设计上考虑与 LTE 兼容,对有时延,语音,移动性的物联网领域业务更占优势,如穿戴类设备。
NB-IoT 和 eMTC 均工作在 3 GPP 授权频段,两者针对不同业务场景 (覆盖、速率、时延),面向不同细分市场。
两者覆盖增强技术差异:NB-IoT 主要依赖高 PSD+重复技术,eMTC 主要依赖重复技术+跳频。
4.PNG
总结来看 NB-IoT 带来的价值如下:
1)频谱资源利用最大化
NB-IoT 支持 Standalone、LTE Guardband 和 LTE In-band 3 种部署方案,可充分利用运营商现有的频谱资源,提升频谱利用率。
2)支持大量低速用户
NB-IoT 基于低速率、低频次数据传输的 M2M 应用的业务模型,因此可以支持大量用户。
3)深度覆盖
通过时域重复和功率谱密度提升等技术,覆盖深度与 GSM 相比获得了 20dB 的增益。
4)终端低功耗
NB-IoT 针对物联网业务特点,优化了协议栈,使得信息处理和信令交互过程得到简化,降低了终端耗电,延长了待机时间。
四、NB-IoT 的演进:
NB-IoT 标准化也进展迅速。远在 2016 年 3 GPP 发布了第一个标准,满足了大部分广覆盖、低功耗、大联接,固定场景下的联接需求,如:水表,停车。2017 年,3 GPP R14 发布了,可支持定位、多播功能、以及更高带宽,因此可满足定位跟踪、批量升级、可穿戴业务;今年 3 GPP 将发布 R15,可支持 TDD,小站等,满足更灵活的部署模式。
3 GPP R13:
• 180Khz 带宽 In-band/Guard-band/Standalone 部署模式
• 下行: OFDMA(15kHz 子载波),
•上行:SC-FDMA, Single-tone (3.75kHz/15kHz) & Multi-tone(15kHz)
• 覆盖: 20dB gain v.s. GSM
• 低功耗:PSM, eDRX
3 GPP R14:
• 定位
• 多播
• 多 PRB 增强
• 移动性及业务连续性增强
• 新的功率等级
• 下行 80kbps/上行 106kbps (EQU GPRS)
3 GPP R15
• TDD
• 低时延、低功耗
• Standalone 运行模式增强
• NB-IoT 小站
• 高精度窄带测量
5.PNG
五、NB-IoT解决方案总体架构:
6.PNG
NB-IoT 终端:等于行业终端加上 NB-IoT 模块,通过空口连接到 eNodeB。
eNodeB:主要承担空口接入处理和小区管理等相关功能,通过 S1-lite 接口与 IoT 核心网进行连接,将非接入层数据转发给高层网元处理。
IoT 核心网:承担与终端非接入层交互的功能,将 IoT 业务相关数据转发到 IoT 平台进行处理。
IoT 平台:汇聚从各种接入网得到的 IoT 数据,根据不同类型转发至相应的业务应用进行处理。
应用服务器:是 IoT 数据的最终汇聚点,根据客户的需求进行数据处理等操作。
总结来看:
1)重用站点基础设施,降低部署成本,
2)支持接口优化,优化 30% 以上信令开销,支持终端节电和降成本,
3)基于 CloudEdge 平台优化的 IoT 专用核心网,可与现网组 pool,降低每连接成本。
本文由公众号IoT科技物语(ID:iottale)整理
转载请注明出处
标签:NB-IoT

精彩评论1

正序浏览
温贵先 发表于 2020-7-18 06:51:05 来自手机 | 显示全部楼层
学习了


1关注

5粉丝

63帖子

热门帖子
相关帖子

版权所有 华为技术有限公司 1998-2020 保留一切权利 主站备案号 粤A2-20044005号-43

Powered by©©Discuz!技术支持 : HiCLC learningcloud@huawei.com