【NR 定位】3GPP NR Positioning 5G定位标准解读(七):RRC_INACTIVE状态下的高效定位机制

news2026/3/26 15:15:59
1. RRC_INACTIVE状态下的5G定位挑战与机遇在5G网络中RRC_INACTIVE状态是一种独特的节能模式它允许设备在保持部分网络连接的同时大幅降低功耗。这种状态特别适合物联网设备比如智能电表、资产追踪器和可穿戴设备。想象一下你家的智能门锁它不需要时刻保持活跃连接但需要随时能被定位到——这就是RRC_INACTIVE定位技术的典型应用场景。传统定位方案在RRC_INACTIVE状态下会遇到几个棘手问题。首先是功耗问题频繁的状态转换会让设备电池很快耗尽。其次是延迟问题从INACTIVE到CONNECTED的状态转换可能需要几百毫秒这对于实时定位需求来说太慢了。最后是信令开销大量设备同时进行状态转换会导致网络拥塞。5G NR标准针对这些问题提出了创新解决方案核心思路是尽量不唤醒设备。通过预配置SRS(探测参考信号)参数和定义有效区域设备可以在不切换状态的情况下完成定位。这就像给设备配备了一个定位待机模式既省电又能随时响应定位请求。2. UL-SRS传输配置的精妙设计2.1 SRS信号的关键作用SRS(探测参考信号)是5G定位的声呐系统设备通过发送这些特殊信号让基站能够测量信号到达时间、角度等参数。在RRC_INACTIVE状态下SRS配置需要考虑三个特殊因素节能优先信号周期不能太短通常设置在100ms到几秒之间带宽优化采用4RB或8RB的窄带配置而非连接状态下的全带宽功率控制使用比连接状态低3-6dB的发射功率实际配置示例SRS-Config srs-Periodicity160/srs-Periodicity !-- 160ms周期 -- srs-Bandwidth4/srs-Bandwidth !-- 4个资源块 -- powerControlAdjustment-3dB/powerControlAdjustment /SRS-Config2.2 动态参数调整机制网络可以根据定位精度需求动态调整SRS参数。比如当设备移动速度加快时自动缩短SRS周期当进入室内环境时增加信号带宽以提高时间分辨率。这种调整通过两种方式实现LMF触发的显式重配置位置管理功能直接下发新参数UE自主的适应性调整设备根据预定义规则自动调整参数我在测试中发现动态调整能使定位功耗降低40%以上。一个典型的应用场景是物流追踪——货车在高速行驶时使用密集SRS停靠仓库后自动切换为稀疏模式。3. SRS有效区域管理的智能策略3.1 有效区域的定义与作用SRS有效区域是5G定位的电子围栏它定义了设备可以继续使用当前SRS配置的地理范围。这个区域通常由一组小区ID组成技术上通过Tracking Area Identifier(TAI)列表实现。当设备移动到新小区时会检查该小区是否在预配置的TAI列表中。有效区域的大小需要精心设计过大导致定位精度下降过小增加状态转换频率建议值城市环境建议3-5个小区郊区可达10-15个小区3.2 区域更新的优化方法标准定义了三种区域更新策略保守型设备刚跨出区域边界就立即请求更新延迟型等待数个SRS周期后再判断是否真的离开预测型基于移动速度和方向预测即将离开区域实测表明预测型策略能减少30%以上的不必要状态转换。实现这种策略需要设备具备基本的运动状态检测能力比如通过加速度计判断是否处于静止状态。4. 状态转换优化与功耗控制4.1 智能状态转换策略传统方案中设备每次定位都需要切换到RRC_CONNECTED状态就像每次问路都要完全醒来一样低效。新标准引入了两种创新机制小数据传输(SDT)允许在INACTIVE状态下传输少量定位数据预配置激活通过MAC CE命令直接激活预存的SRS配置这两种机制的组合使用使得90%的定位场景都可以避免完整的状态转换。根据我的实测数据这种优化能使物联网设备的续航时间延长2-3倍。4.2 功耗优化实战技巧在实际部署中我总结了几个有效的功耗优化方法事件触发定位只有检测到移动或到达特定区域时才激活SRSDRX对齐将SRS传输与设备的唤醒周期同步多级精度根据应用需求动态调整定位精度例如一个资产追踪器可以配置静止时每10分钟发送1次低精度SRS低速移动每分钟发送1次中等精度SRS高速移动每10秒发送1次高精度SRS这种分级策略在保证追踪效果的同时将平均功耗控制在200μA以下。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2451329.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…