NR协议UCI复用处理(二):上行信道资源分配与冲突解决策略

news2026/4/18 3:48:36
1. UCI复用与上行信道资源概述在5G NR系统中上行控制信息UCI的传输是保证通信可靠性的关键环节。UCI主要包括调度请求SR、混合自动重传请求确认HARQ-ACK和信道状态信息CSI三大类。这些信息可以通过物理上行控制信道PUCCH或物理上行共享信道PUSCH进行传输。资源分配的基本原则是不同类型的UCI会根据其特性和网络配置动态选择最优的上行信道。比如SR通常使用PUCCH format 0/1传输而较长的CSI报告则可能通过PUSCH发送。在实际操作中我经常遇到这样的场景当多个UCI需要在同一时隙传输时UE需要根据协议规定的优先级规则决定哪些信息可以复用哪些需要丢弃。举个例子假设一个UE同时触发了SR和HARQ-ACK反馈。根据我的实测经验网络通常会优先传输HARQ-ACK因为这与下行数据传输的可靠性直接相关。而SR作为资源请求其优先级相对较低可能会被延迟到下一个可用时机发送。2. PUCCH资源分配机制2.1 专用与非专用PUCCH资源PUCCH资源分配分为专用和非专用两种模式。非专用资源通常用于初始接入阶段UE通过系统消息SIB1获取公共的PUCCH配置。这里有个容易踩坑的地方很多新手会忽略pucch-ResourceCommon的行索引指示这直接关系到后续资源集的选择。在实际项目中我发现非专用资源的计算公式特别容易出错r_PUCCH floor(2 * n_CCE,0 / N_CCE) 2 * Δ_PRI其中n_CCE,0是PDCCH第一个CCE的索引N_CCE是CORESET中的CCE总数。有一次调试时我们团队就因为忘记乘以2导致资源索引计算错误最终影响了HARQ-ACK的反馈性能。专用PUCCH资源则通过RRC信令配置一个UE最多可以配置4个PUCCH资源集。每个资源集对应不同的UCI比特数范围第1个资源集O_UCI ≤ 2比特第2个资源集2 O_UCI ≤ N2第3个资源集N2 O_UCI ≤ N3第4个资源集N3 O_UCI ≤ 17062.2 多TRP场景下的资源分配在多TRP传输接收点场景下资源分配会更加复杂。当配置了ackNackFeedbackModejoint时两个TRP的HARQ-ACK信息会复用在同一个PUCCH资源上传输。这里有个实用技巧通过coresetPoolIndex可以区分不同TRP的CORESET0表示TRP01表示TRP1。在最近的一个项目中我们遇到了一个典型问题当两个TRP的PDCCH监听时机重叠时UE如何确定PUCCH资源协议规定需要先按服务小区索引升序排序再按PDCCH监听时机索引排序。如果是相同CORESET pool则TRP0的DCI格式优先于TRP1。3. PUSCH上的UCI复用3.1 CSI在PUSCH上的传输当CSI通过PUSCH传输时支持三种类型非周期CSIAP-CSI由DCI 0_1/0_2触发半持续CSISP-CSI由DCI激活周期CSI通常不使用PUSCH一个常见的误区是认为PUSCH上的CSI报告必须与UL-SCH数据复用。实际上根据我的实测PUSCH可以仅传输CSI报告而不携带任何上行数据。不过要注意的是由DCI激活的SP CSI上报不能与上行数据复用。CSI报告通常分为Part 1和Part 2Part 1包含RI、CRI和CQI等固定大小的信息Part 2包含PMI、LI等可变长度的信息在资源紧张时UE会根据优先级丢弃部分Part 2内容。优先级规则非常关键我们团队开发了一个小工具来自动计算Pri_i,CSI值大大提高了调试效率。3.2 时隙偏移计算PUSCH传输时隙的计算公式看起来复杂但其实可以分解理解K_s floor(n * 2^μ_PUSCH / 2^μ_PDCCH) K2 K_offset * 2^μ_PUSCH / 2^μ_Koffset其中n是调度DCI所在的时隙K2来自时域资源分配表K_offset由高层参数配置在实际操作中我建议先确定μ_PUSCH和μ_PDCCH的子载波间隔配置再逐步计算。曾经有个项目因为忽略了SCS配置差异导致时隙计算错误影响了整个系统的时序。4. 冲突解决策略4.1 多UCI复用的优先级规则当多个UCI需要在同一时隙传输时协议定义了严格的优先级规则。根据我的经验优先级从高到低一般为HARQ-ACKCSI根据类型和上报方式SRCSI报告的优先级值计算公式为Pri_i,CSI(y,k,c,s) 2*N_cells*M_s*y N_cells*M_s*k M_s*c s其中y值特别重要y0PUSCH上的AP-CSIy1PUSCH上的SP-CSIy2PUCCH上的SP-CSIy3PUCCH上的P-CSI4.2 典型冲突场景处理在实际网络中最常见的冲突场景包括HARQ-ACK与CSI同时触发优先传输HARQ-ACK多个CSI报告冲突根据Pri_i,CSI值决定SR与其他UCI冲突SR通常会被推迟我遇到过这样一个案例某UE同时触发了Type II CSI和HARQ-ACK。由于Type II CSI的Part 2优先级较低最终系统保留了HARQ-ACK和CSI Part 1丢弃了CSI Part 2。这导致基站无法获取完整的信道信息影响了MIMO性能。后来我们通过调整CSI报告周期避免了这种冲突的频繁发生。5. 实际配置建议根据多年项目经验我总结了几点实用建议PUCCH资源配置对于关键业务建议配置专用PUCCH资源合理设置pucch-ResourceSetId避免资源浪费注意maxPayloadSize的配置确保能容纳预期的UCI比特数CSI报告优化对时延敏感的业务使用AP-CSI对精度要求高的场景考虑Type II CSI合理设置reportSlotOffset避免与其他关键信号冲突冲突规避通过RRC配置错开不同UCI的传输时机监控Pri_i,CSI值优化CSI报告配置对SR配置适当的sr-ProhibitTimer减少不必要的冲突在最近的一个毫米波项目中我们通过精细调整CSI报告周期和PUCCH资源分配将UCI冲突率从15%降低到了3%以下显著提升了系统吞吐量。这再次证明了合理资源分配策略的重要性。

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/2522973.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…