R18 Gruppo wireless 5G RAN1 Caratteristiche tecniche

3GPPRelease 18 è la prima versione 5G-Advanced che si concentra sull'integrazione di AI/ML, prestazioni estreme per XR/Industrial IoT, IAB mobile, posizionamento avanzato ed efficienza spettrale fino a 71 GHz.RAN1 promuove ulteriormente l'AI/ML nell'ottimizzazione RAN e i miglioramenti dell'intelligenza artificiale (PHY/AI) attraverso l'evoluzione dello strato fisico.

I. Caratteristiche principali di RAN1 (strato fisico e innovazione dell'intelligenza artificiale/machine learning)

1.1 Evoluzione MIMO: Uplink multi-pannello (8 layer), MU-MIMO con fino a 24 porte DMRS, framework TCI multi-TRP.

• Principio di funzionamento: Estende il reporting CSI di tipo I/II attraverso un framework TCI unificato su più pannelli TRP. Il gNB programma fino a 24 porte DMRS per MU-MIMO (12 in Rel-17), consentendo a ogni UE di utilizzare 8 layer di collegamenti UL; DCI indica lo stato TCI congiunto; l'UE applica fase/precoding su più pannelli.
• Progresso: Il multi-TRP Rel-17 mancava di segnalazione unificata, con conseguente perdita del 20-30% di efficienza spettrale in implementazioni dense; le limitazioni dei layer hanno limitato la velocità di trasmissione UL di ogni UE a 4-6 layer, ottenendo un aumento del 40% della capacità di uplink (UL) per stadi/festival musicali.

1.2 AI/ML applicato alla compressione del feedback CSI, alla gestione del beam e al posizionamento.

• Principio di funzionamento: Le reti neurali utilizzano codebook addestrati offline per comprimere CSI di tipo II (32 porte → 8 coefficienti). Il gNB implementa il modello tramite RRC; l'UE riporta il feedback compresso. La previsione del beam utilizza schemi L1-RSRP per pre-posizionare i beam prima del handover.
• Avanzamento del progetto: L'overhead CSI consuma il 15-20% delle risorse DL; il tasso di fallimento della gestione del beam è fino al 25% in scenari ad alta mobilità (ad esempio, autostrade).
• Risultati migliorati: Riduzione del 50% dell'overhead delle informazioni sullo stato del canale (CSI), aumento del 30% del tasso di successo dell'handover.

1.3 Miglioramento della copertura (trasmissione a piena potenza in uplink, segnale di riattivazione a bassa potenza).

• Principio di funzionamento: Il gNB invia un segnale all'UE per applicare l'uscita a piena potenza su tutti i layer uplink (nessun backoff di potenza a livello di layer). Un ricevitore di riattivazione a bassa potenza indipendente (ciclo di lavoro controllato, sensibilità -110dBm) riceve il segnale di riattivazione (WUS) prima del ciclo di ricezione principale. Il WUS trasporta informazioni di indicazione a 1 bit (monitoraggio PDCCH o sleep).
• Avanzamento del progetto: La copertura uplink Rel-17 è limitata dal backoff di potenza gerarchico (perdita di 3dB per MIMO a 4 layer); il ricevitore principale consuma il 50% della potenza dell'UE durante il monitoraggio DRX.
• Effetto migliorato: Copertura uplink estesa di 3dB, 40% di risparmio energetico per applicazioni IoT/streaming video.

1.4 Aggregazione di portanti (CA) Sidelink della banda ITSe condivisione dinamica dello spettro (DSS) con LTE CRS.

• Principio di funzionamento: Sidelink supporta CA su bande n47 (5.9GHz ITS) + FR1; supporta la selezione autonoma delle risorse coordinata UE-to-UE di tipo 2c. A causa del tempo di andata e ritorno (RTT) superiore a 500 millisecondi, HARQ è disabilitato per NTN IoT (è supportata solo la ripetizione a ciclo aperto); la pre-compensazione dell'effetto Doppler viene eseguita in DMRS.
• Avanzamento del progetto: Sidelink Rel-17 supporta solo una singola portante (perdita del 50% di throughput); il timeout HARQ di NTN IoT si traduce in una perdita di pacchetti del 30%.
• Effetto migliorato: Il throughput sidelink del convoglio V2X è aumentato di 2 volte, l'affidabilità di NTN IoT raggiunge il 95%.

1.5 Comunicazione Extended Reality (XR)/Multi-sensore(supporto a bassa latenza e alta affidabilità).

• Principio di funzionamento: Nuovo processo QoS, budget di latenza inferiore a 1 millisecondo, supporta la marcatura dei pacchetti di dati multi-sensore (flussi video + aptici + audio). Il gNB dà priorità tramite meccanismo di preemption. L'UE riporta i dati di postura/movimento per la pianificazione predittiva.
• Avanzamento del progetto: Il supporto XR Rel-17 supporta solo unicast; la latenza del feedback aptico supera i 20 millisecondi (inutilizzabile per il funzionamento remoto).
• Effetto migliorato: La latenza end-to-end di AR/VR + aptica nel controllo remoto industriale è inferiore a 5 millisecondi.

1.6 Miglioramento della funzione NTN(copertura uplink dello smartphone, disabilitazione di HARQ per i dispositivi IoT).

• Principio di funzionamento: Rel-18 migliora la copertura uplink per gli smartphone nelle reti non terrestri (NTN) ottimizzando la trasmissione dello strato fisico, consentendo una maggiore potenza di trasmissione e una migliore gestione del budget di collegamento per accogliere i canali satellitari. Per i dispositivi IoT su NTN, il feedback HARQ tradizionale è inefficiente a causa del lungo tempo di andata e ritorno (RTT) satellitare, quindi il feedback HARQ è disabilitato e viene utilizzato invece uno schema di ritrasmissione a ciclo aperto.
• Avanzamento del progetto: In precedenza, copertura uplink limitata per gli smartphone su NTN a causa di un controllo di potenza insufficiente e di un margine di collegamento che si traduceva in una scarsa connettività. Il feedback HARQ ha causato il degrado del throughput e problemi di latenza per i dispositivi IoT a causa dei ritardi satellitari. La disabilitazione di HARQ elimina i ritardi di feedback e migliora l'affidabilità per i dispositivi IoT vincolati. Ciò consente una connettività globale robusta per IoT e smartphone oltre le reti terrestri.

II. Applicazioni del progetto RAN1

• XR urbano denso (la tecnologia MIMO Multi-TRP riduce la latenza AR/VR a meno di 1 millisecondo);
• Automazione industriale (la previsione del beam AI/ML riduce il tasso di fallimento dell'handover del 30%);
• V2X/Alta mobilità (CA Sidelink migliora l'affidabilità).

III. Implementazione del progetto RAN1

• gNB PHY (strato fisico della stazione base): Integra modelli AI per la compressione CSI (ad esempio, le reti neurali prevedono CSI di tipo II in base a CSI di tipo I, riducendo l'overhead del 50%). Implementa TCI multi-TRP tramite RRC/DCI e utilizza 2 TA per la temporizzazione uplink.
• Terminal (UE): Supporta il ricevitore di riattivazione a bassa potenza (indipendente dal collegamento RF principale) per la segnalazione di allineamento DRX.