5G 会榨干手机的电池?

随着5G网络的推广,其对电池寿命的影响成为关注焦点。正交频分复用(OFDM)虽被选为5G编码标准,但其高能耗特性可能限制大规模物联网应用。专家探讨非正交多址(NOMA)作为替代方案,以提高能效。

640?wx_fmt=gif

随着运营商逐步推出 5G,3GPP 行业联盟(Third Generation Partnership Project,第三代合作伙伴计划)正在考虑采用其他方式来调制无线电信号。一些专家表示,3GPP 应为 5G 服务选择一个更有效的调制方案。也有专家认为,在 Release 15 版本里,作为编码选项的正交频分复用(OFDM)可能会在 5G 设备和基站中消耗太多的电能。

640?wx_fmt=jpeg

者 | Michael Koziol

译者 | 馨怡,责编 | 屠敏

出品 | 优快云(ID:优快云news)

以下为译文:

2017年,3GPP的成员们就是否加快5G标准的发展争论不休。最初沃达丰(Vodafone)提议了一项预案,通过各个行业同步开发5G技术涉及的多个方面,从而更快地交付5G网络。这项预案最终得到3GPP联盟其他成员的一致认可。

这一提议也影响了后续所作出的每一个决定。其中一个涉及到5G网络应该如何编码无线信号。3GPP的Release 15版为5G奠定了基础,最终选择了正交频分复用(OFDM)作为编码选项,这是4G的延续。

预计在今年年底还将发布最新的Release 16版。该版本是研究小组提出的替代方案。因为5G需要更多的基站来提供服务,并连接数十亿移动和物联网设备,OFDM可能会在5G设备和基站中消耗太多的电能。所以在下一个5G版本中,业界可能会更新无线标准。

“我不认为运营商真正理解5G对手机的影响,以及给电池寿命造成的伤害,” 美国国家仪器公司(National Instruments Corp.)的RF和软件无线电研究员James Kimery说,“5G将会增加价格消费,主要是电池消费。”

Kimery指出,不仅是5G手机有这样的担忧,中国移动一直对基站的耗电量直言不讳。一般来说,5G基站的耗电量大约是4G基站的三倍,而同样的区域5G基站通常比4G基站覆盖的更多。

那么,5G是如何陷入潜在的耗电困境呢?

OFDM发挥了很大的作用。使用OFDM传输数据,是将数据分割成多个部分,然后以不同的频率同时发送,它们彼此正交互不干扰。

一般来说,OFDM信号的正交部分不会消减能量的传递,也就是说,防止信号互相抵消的特性也防止了各部分的能量互相抵消。这意味着任何接收器都需要同时吸收大量能量,而任何发射器都需要同时释放大量能量。这些高能量导致OFDM的高PAPR(峰值平均功率比),使得该方法的能量效率低于其他编码方案。

中兴通讯(ZTE Corp.)无线标准首席工程师Yifei Yuan说,5G会带来很多新兴应用,而高PAPR的代价会限制5G的进一步发展和应用。作为3GPP的5G非正交多址可能性研究小组的成员,他特别指出了大规模的机器通信,比如大规模的物联网部署。

通常,当多个用户(如一组物联网设备)进行通信时,通常使用正交频分多址(OFDMA)进行组织,OFDMA为每个用户分配一块频谱。对于大型物联网网络来说,为每台设备使用不同频谱的方法可能会导致失控,因而在Release 15版为5G物联网设备的通信建立了OFDMA,很大程度上也是因为它也可以在4G网络上使用。

Yuan的团队正在考虑一个很有前景的替代方案——非正交多址(NOMA),它可以提供OFDM的优势,还能在相同的频谱上进行复用。

目前,Yuan认为OFDM和OFDMA将满足5G的早期需求。他预计5G将首先在智能手机上使用,计划于2019年12月发布Release 16版之后,5G大规模物联网通信等应用程序至少还要一两年才会问世。

但是如果网络供应商想要更新设备以支持NOMA,很可能会增加成本。“这不会是免费的,”Yuan说,“特别是基站需要更新软件来支持NOMA,也可能需要更先进的和更强处理能力的接收器或其他硬件的升级。”

然而,Kimery对于该行业将采用任何的非OFDMA选项并不乐观。“有可能会有另外的选择,”他表示,“但是这种可能性不大,一旦某一方案得到实施,就很难改变。”

原文:https://spectrum.ieee.org/telecom/wireless/5gs-waveform-is-a-battery-vampire

本文为 优快云 翻译,转载请注明来源出处。

这几个Python技能实战,能让你少些1000行代码!

https://edu.youkuaiyun.com/topic/python115?utm_source=csdn_bw

【END】

640?wx_fmt=jpeg

 热 文 推 荐 

自动驾驶激荡风云录:来自圈内人的冷眼解读

50 年人类登月史:那些不为人知的故事

即使在微软 Azure 上,Linux 也大有一统天下之势!

☞ 程序员 12 小时惊魂记:凌晨迁移数据出大事故!

5G+AI重新定义生老病死

干货 | 20个Python教程,掌握时间序列的特征分析(附代码)

☞ 阿里云十年,从去“IOE”到引领云原生浪潮

☞ 知名饮料制造商股价暴涨500%惊动FBI,只因在名字中加入了"区块链" ?

为什么雷军说“华为不懂研发”?

640?wx_fmt=gif点击阅读原文,输入关键词,即可搜索您想要的 优快云 文章。

640?wx_fmt=png你点的每个“在看”,我都认真当成了喜欢

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值