当前位置:网站首页>物联网-广域网技术之NB-IoT
物联网-广域网技术之NB-IoT
2022-08-05 05:15:00 【技福小咖】
物联网包括四个环节:感知/芯片层、网络层、平台层、应用层。这四个部分每部分都有关键技术。
1、在感知/芯片层,包括物联网芯片设计能力,如NB-IoT芯片的设计,传感器设计能力;
2、在网络层,最关键的技术是网络切片技术,利用网络虚拟化,实现网络容量、带宽、速度的动态分配,解决网络拥堵问题;
3、在平台层,平台层的关键技术包括:软件开发、系统设计等技术;
4、在应用层,应用层最重要的是能够深入实际,挖掘用户或场景需求的能力。
今天的主角NB-IoT,是窄带物联网NB-IoT(Narrow Band Internet of Things)的简称,它是一种基于蜂窝的窄带物联网技术,也是低功耗广域物联(LPWA)的最佳联接技术,承载着智慧家庭、智慧出行、智慧城市等智能世界的基础联接任务,广泛应用于如智能表计、智慧停车、智慧路灯、智慧农业、白色家电等多个方面,是5G 时代下的基础联接技术之一。NB-IoT成为万物互联网络的一个重要分支。
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。2020年NB-IoT全球连接数超1亿。根据预测,这一技术将在未来五年实现10亿级连接,并持续保持增长趋势,推动物联网设备实现爆发性成长。
NB-IoT是IoT领域一个新兴的技术,支持低功耗设备在广域网的蜂窝数据连接,也被叫作低功耗广域网(LPWAN)。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。据说NB-IoT设备电池寿命可以提高至少10年,同时还能提供非常全面的室内蜂窝数据连接覆盖。
一、 NB-IoT具备四大特点
1、低功耗
低功耗特性是物联网应用一项重要指标,特别对于一些不能经常更换电池的设备和场合。NB-IoT聚焦小数据量、小速率应用,因此NB-IoT设备功耗可以做到非常小,设备续航时间可以从过去的几个月大幅提升到几年
2、低成本
NB-IoT无需重新建网,射频和天线基本上都是复用的。以中国移动为例,900MHZ里面有一个比较宽的频带,只需要清出来一部分2G的频段,就可以直接进行LTE和NB-IoT的同时部署。低速率、低功耗、低带宽同样给NB-IoT芯片以及模块带来低成本优势。
3、强链接
在同一基站的情况下,NB-IoT可以比现有无线技术提供50-100倍的接入数。一个扇区能够支持10万个连接,支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构。举例来说,受限于带宽,运营商给家庭中每个路由器仅开放8-16个接入口,而一个家庭中往往有多部手机、笔记本、平板电脑,未来要想实现全屋智能、上百种传感设备需要联网就成了一个棘手的难题。而NB-IoT足以轻松满足未来智慧家庭中大量设备联网需求。
4、高覆盖
NB-IoT室内覆盖能力强,比LTE提升20dB增益,相当于提升了100倍覆盖区域能力。不仅可以满足农村这样的广覆盖需求,对于厂区、地下车库、井盖这类对深度覆盖有要求的应用同样适用。
以井盖监测为例,过去GPRS的方式需要伸出一根天线,车辆来往极易损坏,而NB-IoT只要部署得当,就可以很好的解决这一难题。
二 、NB-IoT的三种部署方式
(1)带内部署(In-band operation)
适用于LTE频段。直接利用LTE载波中间的资源块来部署NB-IoT。
(2)保护带部署(Guard band operation)
适用于LTE频段。利用LTE频段边缘的保护频带180KHz来部署NB-IoT。
(3)独立部署(Stand alone operation)
适用于重耕GSM频段。GSM的信道带宽为200KHz,这刚好为NB-IoT180KHz带宽辟出空间,两边还留出来10KHz的保护间隔。
更多相关大咖视频课程请在苹果App Store 或各安卓市场下载“技福小咖App”学习。
边栏推荐
- 关于基于若依框架的路由跳转
- 表情捕捉的指标/图像的无参考质量评价
- flink中文文档-目录v1.4
- 神经网络也能像人类利用外围视觉一样观察图像
- 【数据库和SQL学习笔记】7.SQL中的插入(INSERT)、删除(DELETE)、更新(UPDATE)
- Comparison and summary of Tensorflow2 and Pytorch in terms of basic operations of tensor Tensor
- 11%的参数就能优于Swin,微软提出快速预训练蒸馏方法TinyViT
- flink部署操作-flink standalone集群安装部署
- Flink 状态与容错 ( state 和 Fault Tolerance)
- AIDL详解
猜你喜欢
The difference between the operators and logical operators
Detailed explanation of BroadCast Receiver (broadcast)
CVPR2020 - 自校准卷积
MSRA proposes extreme masking model ExtreMA for learning instances and distributed visual representations
Lecture 3 Gradient Tutorial Gradient Descent and Stochastic Gradient Descent
怎么更改el-table-column的边框线
大型Web网站高并发架构方案
Flink Table API 和 SQL之概述
解决端口占用问题
哥廷根大学提出CLIPSeg,能同时作三个分割任务的模型
随机推荐
BFC详解(Block Formmating Context)
Thread handler句柄 IntentServvice handlerThread
CAP+BASE
【Pytorch学习笔记】8.训练类别不均衡数据时,如何使用WeightedRandomSampler(权重采样器)
数据库期末考试,选择、判断、填空题汇总
《基于机器视觉测量系统的工业在线检测研究》论文笔记
flink基本原理及应用场景分析
Flink 状态与容错 ( state 和 Fault Tolerance)
el-pagination分页分页设置
Flink Broadcast 广播变量
CVPR 2020 - 频谱正则化
vscode要安装的插件
flink中文文档-目录v1.4
【零基础开发NFT智能合约】如何使用工具自动生成NFT智能合约带白名单可Mint无需写代码
面向小白的深度学习代码库,一行代码实现30+中attention机制。
MySQL
【论文精读】ROC和PR曲线的关系(The relationship between Precision-Recall and ROC curves)
[Database and SQL study notes] 8. Views in SQL
表情捕捉的指标/图像的无参考质量评价
Facial Motion Capture 调研