当前位置:网站首页>NR-ARFCN和信道栅格、同步栅格和GSCN
NR-ARFCN和信道栅格、同步栅格和GSCN
2022-06-25 12:43:00 【缔宇diyu】
知识来源于本人以前写的知识总结:5G的一些知识记录
信道规划
TS 38.104 V17.4.0 5.4节
NR-ARFCN和信道栅格
全局频率栅格定义为 一组 RF 参考频率 FREF 的集合。 RF 参考频率在信令中用于识别 RF 信道、SSB和其他元素的频域位置。
全局频率栅格的频率范围为为 0 到 100 GHz 。
RF 参考频率由全局频率栅格上 [0…3279165] 范围内的 NR-ARFCN(NR 绝对射频信道号) 指定。
NREF 为 NR-ARFCN。全局频率栅格的粒度为 ΔFGlobal。 NR-ARFCN 与以 MHz 为单位的射频参考频率 FREF 之间的关系由下式给出,其中 FREF-Offs和 NREF-Offs 见表 5.4.2.1-1。

作用:一般用来计算 FREF(射频参考频率,NR小区中心频点)或 NREF(NR小区绝对信道号),已知其一求另一个。
举例:以频率为2000Mhz为例,得出NREF=400000。
2000 × 1000 = 0 + 5 × ( N R E F − 0 ) 2000 \times 1000 = 0+5\times(N_{REF}-0) 2000×1000=0+5×(NREF−0)
表 5.4.2.2-1 给出了信道栅格上的 RF 参考频率与相应资源元素之间的映射,可用于识别 RF 信道位置。映射取决于在信道中分配的 RB 总数,并且适用于 UL 和 DL。
信道栅格和RE的映射关系是带宽最中间的RB的0号或6号子载波与NR-ARFCN对齐,如下表。

信道栅格定义为RF参考频率的子集,可用于识别上行链路和下行链路中的RF信道位置。 RF 信道的 RF 参考频率映射到载波上的资源元素。对于每个工作频段,都有全局频率栅格的一个频率子集与其相适用,并形成粒度为 ΔFRaster 的信道栅格,该粒度可能等于或大于 ΔFGlobal 。
- 信道栅格为100KHz的频带:ΔFRater =20×ΔFGlobal,也就是说每隔20个NP-ARFCN是有效的信道栅格,即NREF步长20。
- 工作频段小于3GHz,且信道栅格为15KHz:ΔFRater =i x ΔFGlobal,i ∈ {3 ,6},也就是说每隔 i 个NR-ARFCN是有效的信道栅格,即NREF步长为 i 。
- 工作频段大于3GHz,且信道栅格为15kHz或60kHz:ΔFRater =i x ΔFGlobal,i ∈ {1 ,2},也就是说每隔I个NR-ARFCN是有效的信道栅格,即NREF步长为 i 。
- 对于频段内有两种 ΔFRater,详情查看协议。
不同的频率使用了不同的信道栅格,这里只给出部分内容。详细参考38.104 Table 5.4.2.3-1和2。
| NR operating band | ΔFRaster(kHz) | Uplink range of NREF (First – step size – Last) | Downlink range of NREF (First – step size – Last) |
|---|---|---|---|
| n1 | 100 | 384000 – <20> – 396000 | 422000 – <20> – 434000 |
| n28 | 100 | 140600 – <20> – 149600 | 151600 – <20> – 160600 |
| n41 | 15 | 499200 – <3> – 537999 | 499200 – <3> – 537999 |
| 30 | 499200 – <6> – 537996 | 499200 – <6> – 537996 | |
| n78 | 15 | 620000 – <1> – 653333 | 620000 – <1> – 653333 |
| 30 | 620000 – <2> – 653332 | 620000 – <2> – 653332 | |
| n79 | 15 | 693334 – <1> – 733333 | 693334 – <1> – 733333 |
| 30 | 693334 – <2> – 733332 | 693334 – <2> – 733332 |
同步栅格
同步栅格指示当同步块位置的显式信令不存在时可由UE用于系统获取的同步块的频率位置。
为所有频率定义了一个全局同步栅格。 SSB的频域位置定义为SSREF,对应编号为GSCN。定义所有频率范围的 SSREF 和 GSCN 的参数见表 5.4.3.1-1。
在终端刚开机时进行小区搜索时,它只能根据运营商以及终端支持的频段检测SSB信号,进行下行时频同步。由于全局频率栅格的粒度较小导致NR-ARFCN的取值范围较大,如果直接根据全局频率栅格进行盲检,则同步时延会比较大,为了有效的降低此过程的同步时延,定义了同步栅格的概念,并通过全局同步信道号(GSCN,Global Synchronization Channel Number)来限定搜索范围。

与 N 相乘的部分为该频率范围的粒度。
同步栅格与SSB资源元素(RE)的映射关系:

同步块的同步栅格和子载波间隔为每个频段单独定义。每个频段对应的SCS和GSCN详情参考 Table 5.4.3.3-1和2
比如:
| NR operating band | SS Block SCS | SS Block pattern | Range of GSCN (First – Step size – Last) |
|---|---|---|---|
| n41 | 15kHz | Case A | 6246 – <3> – 6717 |
| 30kHz | Case C | 6252 – <3> – 6714 | |
| n78 | 30kHz | Case C | 7711 – <1> – 8051 |
举例:以n78的起始频率3300MHz,计算其对应的GSCN
3300 ( M ) + 120 × 30 / 1000 ( M ) = 3000 ( M ) + N × 1.44 ( M ) 这 里 如 果 都 进 行 向 上 取 整 的 话 N = 212 G S C N = 7499 + N = 7711 3300(M) + 120\times30/1000(M)=3000(M)+N\times1.44(M) \\ 这里如果都进行向上取整的话 \\ N=212 \\GSCN=7499+N=7711 3300(M)+120×30/1000(M)=3000(M)+N×1.44(M)这里如果都进行向上取整的话N=212GSCN=7499+N=7711
小结
以 3.5G频段为例,全局栅格,信道栅格、同步栅格示例如下图:
全局栅格粒度为15KHz、信道栅格粒度为30KHz、同步棚格粒度为 1.44MKHz:

边栏推荐
- KVM script management - the road to dream
- Of binary tree_ Huffman tree_ Huffman encoding
- Introduction to string 18 lectures Collection 4
- [flask tutorial] flask development foundation and introduction
- The priority of catch() and then (..., ERR) of promise
- Use of bind() in JS and handwritten bind()
- Used in time filter (EL table)
- 关于一道教材题的讲解
- Unity 2D游戏中的抛物运动
- ##脚本编写ssh免密功能
猜你喜欢

Scope of ES6 variable

Configuring pytorch in win10 environment
![[turn] starting from the end, analyze in detail how to fill in the college entrance examination volunteer](/img/77/715454c8203d722e246ed70e1fe0d8.png)
[turn] starting from the end, analyze in detail how to fill in the college entrance examination volunteer

Related examples of data storage in memory

J2EE from entry to earth 01 MySQL installation

关于数据在内存中存储的相关例题

Django framework - caching, signaling, cross site request forgery, cross domain issues, cookie session token

KDD 2022 | GraphMAE:自监督掩码图自编码器

KDD 2022 | graphmae: self supervised mask map self encoder
![[machine learning] model and cost function](/img/64/dc7677a3743eb8d060b7b1ecc9aa79.jpg)
[machine learning] model and cost function
随机推荐
Maui的学习之路(二)--设置
重磅直播|BizDevOps:数字化转型浪潮下的技术破局之路
Seven competencies required by architects
关于数据在内存中的存储下
中国虚拟人哪家强?沙利文、IDC:小冰百度商汤位列第一梯队
Include what you use to save chaotic header files
Using swiper to realize seamless rotation of multiple slides
Golang keyboard input statement scanln scanf code example
Insight into heap and stack stored in new string() /string() in JS
MySQL 学习笔记
Capabilities required by architects
OpenStack-----Nova源码分析之创建虚拟机
Cold migration and resize of Nova component source code analysis
Leetcode: Sword finger offer II 091 Painting house [2D DP]
关于数据在内存中存储的相关例题
leetcode:456. 132 模式【单调栈】
关于结构体,枚举,联合的一些知识
学习编程的起点。
OpenStack学习笔记(二)
關於一道教材題的講解