5G 關鍵技術演進方向與行業發展趨勢

種璟，唐小勇，朱磊，李娜，張鈺，游正朋，胥焙柯，劉佳

（1. 中移（成都）信息通信科技有限公司，四川 成都 610200；2. 中國移動通信集團有限公司，北京 100083）

0 引言

5G 作為下一代移動通信關鍵技術，自2018 年正式商用以來，已經被廣泛應用于各行各業[1]，比如教育、醫療、農業、金融、工業、游戲、XR（augmented reality）/VR（virtual reality）等垂直行業場景[2-3]。但隨著5G 與行業的進一步融合，目前標準所定義的Release15（簡稱Rel-15）/Rel-16/Rel-17 能力在行業需求的支持上略顯不足，包括上下行速率不對稱無法支撐視頻的大上行傳輸需求、移動場景下服務基站的頻繁切換無法滿足超可靠低時延通信（ultra-reliable and low latency communications，URLLC）業務需求、缺乏靈活的盲點或者熱點補強方案以滿足行業現場網的動態部署需求、室內室外高精度定位能力、輕量化行業通信終端以及復雜場景下的通信優化能力等。

本文結合行業關注的重點特性與能力，詳細回顧了5G-Advanced Rel-18 的技術演進方向[4]，并給出該技術演進方向潛在的技術方案與解決思路，為后續的技術演進提供參考，包括下行多輸入多輸出（multiple input multiple output，MIMO）增強、上行傳輸增強、移動性增強、拓撲傳輸技術增強、Sidelink 增強、能力輕量化（reduced capability，RedCap）技術演進、定位能力擴展與增強、AI（artificial intelligence）/ML（machine learning）5G 等；同時，詳細分析了當前行業現場網存在的問題，包括行業終端接入、接入網絡、端到端（end to end，E2E）服務質量（quality of service，QoS）保障等多個層面，在已有5G技術演進（5G-Advanced）所識別的問題和方向的基礎上[5]， 提出了包括多緩存調度（multi-buffer scheduling，MBS）技術、全連接行業接入網絡技術、算力網絡（computing force network，CFN）技術，并給出其潛在的實現方式。

1 5G 技術總體研究進展

1.1 5G 標準研究進展

Rel-15 在2018 年9 月正式凍結并商用，基于服務的架構（service based architecture，SBA）的5G 獨立（standalone，SA）架構創新性、革命性的5G 新架構設計，為后續5G 版本的演進建立了堅實的基礎[6]。在2020 年6 月，Rel-16 版本凍結，在增強型移動寬帶（enhanced mobile broadband，eMBB）方向引入了大量增強技術以持續提升FR1和FR2 下的傳輸速率與可靠性，包括MIMO 增強、IAB（integrated access and backhaul）接入回傳一體化、移動性增強以及非授權頻段等技術；在URLLC 方向，引入了工業互聯網、非公共網絡、車聯網、網絡切片增強等進一步提升5G+行業融合的技術；為了快速提升5G 對大連接物聯網（massive machine type communication，mMTC）的支持能力，在該版本中引入了LTE-Advanced 所定義的NB-IoT 技術，保障市場短期投資的同時滿足大連接的業務需求。當前3GPP 標準正全力推進Rel-17 的標準制定與收尾工作[4]，以滿足5G 面向行業的差異化服務需求，包括覆蓋與定位增強、用戶體驗質量（quality of user experience，QoE）切片、新頻段、非公共網絡增強、非地面網絡、多SIM 支撐、邊緣計算增強等方向，Rel-17 預計在2022 年6 月完成協議凍結工作。5G 標準演進路線與時間表如圖1 所示。

圖1 5G 標準演進路線與時間表

5G 歷經Rel-15 到Rel-17 共3 個版本的迭代優化，已基本具備同時支持eMBB、URLLC、mMTC 業務場景的服務提供能力，為了適配更廣泛的垂直行業應用場景，3GPP 已啟動Rel-18的研究工作，并正式將 5G 演進命名為5G-Advanced[5]，為5G 面向2025 年后的發展定義了新的目標和能力。5G-Advanced 的特征可歸結為“融合、智慧、低碳”[7]，通過全面演進和增強，使能5G 產生更大的社會和經濟價值。當前Rel-18 立項還存于討論階段，預計在2023 年12 月完成標準凍結。

1.2 5G 產業推進進展

至2019 年5G 正式商用以來，目前中國已發展5G 套餐用戶數達4.5 億，建設的5G 基站數達到85 萬個，占全球5G 基站建設總量的70%。同時，全球5G 發展進入高速發展階段，美國、歐盟、日本、韓國等國家和地區紛紛提出了多項刺激5G發展的計劃，預計2026 年年底，全球5G 用戶數將達到35 億。同時，我國為了深化5G 建設，推進5G 融入千行百業，賦能傳統經濟的數字化轉型需求，2020 年4 月30 日，工業和信息化部等十部門聯合發布《5G 應用“揚帆”行動計劃（2021—2023 年）》，提出了“堅持需求牽引、堅持創新驅動、堅持重點突破、堅持協同聯動”4 個基本原則為基本行動綱領，到 2023 年實現我國在5G 行業應用發展水平的顯著提升，并打造面向醫療、教育、工業等行業服務的 IT、CT、OT 與業務深度融合的新生態。

2 5G 關鍵技術演進方向

圍繞Rel-18 5G-Advanced 的總體研究目標與方向[5]，重點對下行MIMO 增強、上行傳輸增強、移動性增強、拓撲傳輸技術增強、Sidelink 增強、RedCap 技術演進、定位能力擴展與增強、AI/ML 5G 等方向進行了問題分析，并給出了每個方向后續潛在的技術方案與演進方向。

2.1 下行MIMO 增強

MIMO 作為提升頻譜效率最有效的技術之一被廣泛關注，歷經4G、5G Rel-15/Rel-16/Rel-17的迭代演進，MIMO 在預編碼、導頻設計、信道狀態信息（channel state information，CSI）反饋等領域取得了重大突破，當前可支持高達12 個數據流的同時傳輸且在FR2 頻段內單個用戶的傳輸速率高達10 Gbit/s；隨著5G 在行業場景中的深入應用，為了滿足更多用戶終端（user equipment，UE）的數據傳輸需求，MIMO 技術需進一步演進，特別是在預編碼設計領域、解調參考信號（demodulation reference signal，DMRS）/探測參考信號（sounding reference signal，SRS）設計領域、CSI 反饋等領域[8]。

當前以線性預編碼技術和高精度DA/AD RF通道為基礎的MIMO 系統，存在MIMO 流數遠小于天線數、大規模MIMO 天線成本太高無法適用于室內流量高地等問題；同時在技術實施上，存在反饋開銷大、信道時域或者頻率選擇性衰落導致MIMO 性能急劇下降等問題；因此，在Rel-18 MIMO 系統設計中，應考慮引入非線性預編碼技術，并結合當前的線性預編碼技術進一步提升MIMO 流數；其次，應該考慮低成本MIMO 系統（比如降低AD/DA 采樣精度），以滿足室內大容量數據傳輸的需求；最后，應聯合頻域、時域、功率域等多維信息的壓縮，降低預編碼的反饋開銷，以適應更復雜的場景。

為保障MIMO 信號在基站和UE 端能夠被順利解調，DMRS 和SRS 的設計至關重要；當前5G MIMO 系統中DMRS 與SRS 的總體設計限制了MIMO 能力的發揮（比如最大正交端口數為12，導致最大配對用戶數為12），因此在后續的技術演進中需對參考信號（reference signal，RS）序列以及時頻資源進行重新設計，以解除DMRS 與SRS的限制并最大化配對用戶數。特別地，在SRS 的設計中，除了考慮單發送/接收點（transmission/reception point，TRP）下的容量需求外，還需解決在多TRP 傳輸場景下SRS 互干擾的問題，保障信道估計的準確性。

2.2 上行傳輸增強

隨著UE 從內容消費者向內容生產者角色的轉變，對上行傳輸的速率、時延等指標提出了更高的要求；而當前5G 系統呈現出上下行容量極不對稱的現象（下行吞吐量≥1 Gbit/s，而上行吞吐量≤70 Mbit/s），因此如何提升上行傳輸能力以滿足上行高吞吐的需求至關緊急[9]。演進方向包括提升上行發送天線數、UE 端多天線面板聯合傳輸技術、上行預編碼增強技術與上行覆蓋增強4 個方向。

通過提升上行發送天線數（至少支持4Tx）可極大提升上行信道的傳輸質量以及RANK（信道矩陣的秩），明顯提升上行傳輸容量；通過UE端多天線面板聯合傳輸技術，可有效解決當前UE即使在多天線面板的配置下（特別是在FR2 頻段），在上行數據傳輸過程中依然只選擇一個面板進行傳輸帶來的性能限制問題。更進一步地，當前的上行傳輸系統設計中，寬帶預編碼技術無法適應信道的選擇性衰落，并導致在多用戶配對情況下性能急劇下降；因此，需要針對上行信道的頻域選擇性問題，重新設計上行預編碼技術。

隨著NR 頻段越來越高，與LTE 頻段相比，NR 呈現上下行覆蓋性能（上行覆蓋性能參考信號接收功率（reference signal receiving power，RSRP）與下行RSRP 相比差1.2 dB）極其不對稱的現象，從而導致組網規劃復雜、上行小區邊緣速率偏低等一系列問題，因此如何提升物理上行共享信道（physical uplink shared channel，PUSCH）、物理上行鏈路控制信道（physical uplink control channel，PUCCH）的覆蓋能力，在Rel-18 的系統設計中是需要重點考慮的問題，也是提升NR 頻段支撐能力的關鍵。

2.3 移動性增強

雖然現有5G 協議中引入了載波聚合（carrier aggregation，CA）、多無線接入技術雙連接（multi-RAT dual connectivity，MR-DC）、雙活動協議棧（dual active protocol stack，DAPS）等技術嘗試降低UE 在移動過程中的服務小區切換頻率，但受限于現有UE 設備的能力不能同時支持兩個及以上的輔小區（secondary cell，SCell）/輔小區組（secondary cell group，SCG）接入，UE在移動過程中還會引起頻繁L3 切換，從而導致在服務小區切換的過程中業務連續性和吞吐量無法保持、0 ms 切換無法實現等問題[10]。因此，在移動增強領域，需引入基于L1/L2 切換技術、DAPS/條件切換（conditional handover，CHO）融合增強技術、FR2 高頻段移動增強等技術，實現0 ms 移動切換，滿足低時延業務需求。

UE 在服務小區切換的過程中，通過保持L3 RRC 連接（即在不重新建立RRC 連接的情況下），在多頻段、多連接的場景下依賴L1/L2 切換策略，可消除基于L3 移動切換以及RRC 重配置帶來的數據傳輸中斷等問題，從而實現在Scells/SCG 中的0 ms 快速切換能力。同時，通過進一步在網絡側與終端側融合DAPS 與CHO 的能力，以及更改當前協議中DAPS 與CHO 不能同時在UE 側生效的策略，實現UE 在移動過程中服務小區切換場景下的數據0 ms 中斷要求。

同時，為了增強高頻段FR2 UE 在移動場景下的可靠性與穩定性，應在當前DAPS 的總體設計中支持FR2 頻段的互切換策略（FR2-FR2）；同時基于窄波束通信的FR2 頻段，其受限于窄波束覆蓋范圍和弱穿透性的影響，需要設計一種新的CSI測量與反饋機制以解決UE在旋轉或者手掌遮擋過程中，通信質量快速衰減的問題，比如UE 采用多天線面板信道質量監控與移動性切換觸發等機制。

2.4 拓撲傳輸技術增強

為了進一步提升5G 的應用場景，接入回傳一體化技術IAB 在Rel-16 被引入，以解決5G 站點覆蓋能力不足、組移動導致的信令風暴等問題；為了進一步使能IAB 節點部署的靈活性與便利性，需在現有協議所定義的IAB 能力基礎上，通過解決IAB 節點在移動場景中存在的IAB 多節點間的干擾管理問題、物理小區ID（physical cell ID，PCI）和隨機接入信道（random access channel，RACH）沖突問題、UE 節點選擇與切換等問題，拓展IAB 的應用場景，包括高速列車、地鐵、公交、熱點補盲、便攜式工業終端等；同時，通過使能IAB 節點支持非授權頻段以及IAB 節點內部的本地分流技術，賦能IAB 節點在更廣泛的垂直行業場景下使用[11-12]。

同時，為了降低IAB 的部署實施成本，可引入智能放大器技術以延伸基站或者IAB 節點的覆蓋范圍，但在TDD 系統中因涉及下行-上行（downlink-uplink，DL-UL）RF（radio frequency）射頻切換問題，難以保障信號的正確接收或者發送，因此需要設計一套TDD DL-UL 配置機制，幫助智能放大器準確地識別DL-UL 的時間轉換點，從而幫助基站或者UE 進行信號放大；另外，隨著智能放大器的引入，需要基于當前定義的IAB 多跳系統架構，探索與智能放大器的協同傳輸機制，最大化整體系統性能并最小化節點投資規模。

2.5 Sidelink 技術增強

在傳統的5G 整體系統設計思想中，應用或者服務只屬于eMBB、URLLC 或mMTC 中的一種，但在Sidelink 的實際應用場景中，比如車聯萬物（vehicle to everything，V2X）、XR 等業務同時對eMBB 和URLLC 能力提出了需求，因此在現有定義的5G Sidelink 協議基礎之上，需要考慮新的組網方式以及協議設計，以解決單一能力支持問題；因此，在后續的演進過程中，需要考慮增加Sidelink 的有效傳輸帶寬，包括引入高頻段FR2、非授權頻譜等，以同時滿足高吞吐與低時延的業務傳輸需求[13]。為了達成上述目標，需要對現有的 Sidelink 技術進行增強，包括Sidelink 非授權頻譜（SL-U）、中繼增強（Sidelink relay）等方向。

在Sidelink 非授權頻譜方向，需要重新定義信道訪問機制（先聽后說（listen before talk，LBT）或者信道占用時間（channel occupancy time，COT）方式），解決非授權資源的分配方式以及對Mode1/Mode2 的影響、非slot 結構的物理層傳輸架構與流程、基于Sidelink 同步信號塊（Sidelink synchronization signal block，S-SSB）的同步方式以及授權與非授權載波聚合等方面的問題；同時，在中繼增強方向，需要解決UE-UE 的中繼傳輸機制、多跳多路徑數據傳輸機制以及UE 組移動機制等，從而保障UE 中繼技術在面向多類型場景的使用。

2.6 RedCap 技術演進

為了滿足工業連接需求、安防及可穿戴等行業需求，在5G Rel-17 中引入了RedCap 技術以重新定義一種全新的輕量化終端，以解決eMBB UE功耗高、實現復雜度大、價格昂貴等系列問題[14]。目前，雖然5G NR RedCap 已經把系統帶寬降低到20 MHz（FR1）和100 MHz（FR2）、MCS 最高支持到64QAM[15]，但其提供的下行170 Mbit/s和上行91 Mbit/s 的傳輸速率依然超過了絕大多數IoT 設備的傳輸需求（10 Mbit/s 或者1 Mbit/s）。為了進一步降低成本，LTE Cat.1/1bis 技術已逐漸成為市場選擇10 Mbit/s/1 Mbit/s 的IoT 設備數據傳輸的主選技術。因此如何進一步降低RedCap成本，并保持與LTE Cat.1/1bis 相當是5G Rel-18技術演進的重點方向。

為了解決上述描述的問題，在RedCap 的Rel-18 技術演進中，需要重點考慮以下技術方向，包括進一步降低系統帶寬、靈活可擴展的傳輸峰值速率調整、降低最大調制階數、降低最大DCI盲檢次數、降低最大HARQ 次數、靈活的HARQ進程時間關聯關系、支持TypeBHD-FDD、移除非必要功能等。同時，為了滿足后續大規模接入與演進需求，可考慮通過多播或者單播等技術降低傳輸開銷。

2.7 定位能力擴展與增強

定位作為面向行業的關鍵服務能力之一，基于蜂窩網、GPS、北斗、藍牙、UWB、Wi-Fi 等技術所提供的定位能力已被廣泛應用于垂直行業的各個領域中。特別地，定位能力的提供與精度優化一直是5G 研究的重要課題之一，目前歷經Rel-16/Rel-17 兩個版本的迭代演進，已經完成了5G 定位的端到端系統與協議設計。但隨著IoT 設備對定位需求的逐漸增加，如何在維持IoT UE 低功耗的情況下，提升定位的精度和降低定位時延在當前的協議設計中面臨較大的技術挑戰[16]，比如在終端電池供電持續工作1年，定位精度在90%的場景下可達到0.2 m ，定位E2E 時延控制在10～100 ms。

因此，圍繞低功耗高精度的定位需求，在Rel-18 的技術演進中，可從解耦通信與定位帶寬、移動性增強、超深度睡眠等多個技術維度，建立滿足低功耗與高精度要求的新型傳輸機制或者技術體系。解耦Rel-16/Rel-17 系統中通信與定位帶寬的綁定關系，通過壓縮通信帶寬降低UE 功耗，增加PRS 或者SRS 帶寬以提升定位精度；同時，為避免處于RRC_inactive 狀態的UE 在移動定位的過程中，RRC 狀態的頻繁切換導致功耗增加，需構建定位區域概念并在該區域保持SRS 或者PRS 不變，以降低該類UE 在移動過程中的定位功耗。另外，在Rel-18 中引入RedCap 與Sidelink等終端技術，因此需要重新定義與考慮如何基于RedCap 增強技術以及Sidelink 增強技術提供高精度定位。

2.8 AI/ML 5G 技術

無線通信系統是基于香農理論、檢測理論、排隊理論等精確數學模型構建起來的。然而，由于無線環境的高度隨機性和多樣性、系統優化參數與模型（如發送和接收天線的數量、UE 的數量、TRP 的數量、帶寬等）的復雜性，盡管使用了精確的數學模型，通過窮舉搜索和迭代啟發式算法無法找到最優解并且成本高昂?？紤]AI/ML 模型理論上能夠以合理數量的神經元擬合任何優化問題，從而解決傳統系統中無法精確建?；蛘呓鉀Q方案成本高昂等問題。如可以將AI/ML 應用在AI 輔助定位、上下行信道估計、CSI 精確反饋以及波束管理等物理層設計中，也可以用于跨層聯合優化調度、網絡節能等高層協議或者算法的設計中。

雖然，標準組織已開始討論將 AI/ML 應用于無線網絡，當前在Rel-17 RAN3 中啟動了關于NR 和ENDC 數據收集增強的研究項目[17-22]，其主要目的是研究RAN 智能化功能框架，并且確定了基于AI/ML 的更高層用例，包括負載平衡、網絡節能、移動性以及流量轉向等。但基于AI/ML的無線通信系統設計需解決兩個基本問題：首先，需建立基于AI/ML 的鏈路級與系統級仿真方法，以客觀公正地評價AL/ML 與傳統方法間的性能差異；其次，考慮UE 端算力的限制，需考慮如何結合網絡側的MEC 計算資源，實現無線通信側的AI/ML，從而達到在不增加UE 功耗與成本的情況下，最優化系統性能。

3 5G 行業應用相關技術發展趨勢

3.1 5G 行業技術需求

5G 關鍵技術包括網絡切片、邊緣計算等已廣泛應用于教育、醫療、農業、金融、工業等垂直行業場景，除了第2 節所提及的5G 技術自身迭代演進之外，但在實際的使用過程中，在行業終端接入、接入網絡、E2E QoS 保障等方面依然存在較多問題。下面從行業終端接入、接入網絡與E2E QoS 保障層面分別舉例進行說明。

在行業終端接入層面，用戶駐地設備（customer premise equipment，CPE）被用作5G 信號到其他信號制式（Wi-Fi、光纖、有線等）的轉換網關，以滿足不支持5G 接入的行業設備能夠接入5G 網絡的需求；但在實際的業務匹配過程中，由于基站無法識別CPE 后端接入的網絡類型或者業務類型，以及CPE 上報的緩存（buffer）信息沒有反映其后端接入網絡類型或者業務類型的傳輸性能差異化需求，CPE 后端接入的多制式網絡或者業務類型的差異化網絡能力傳輸要求無法有效傳遞到基站側，最終導致業務端到端性能無法保障。

在接入網絡層面，垂直行業現場為了滿足不同類型終端的接入與傳輸需求，網絡呈現出接入制式多樣化（5G、4G、Wi-Fi、BLE 等）、傳輸模式差異化（光纖、有線等）等多質異構的特點，導致行業接入網在組網架構設計、運營運維、系統升級等多個維度存在巨大困難；同時，煙囪式的行業接入網絡建設模式，割裂了不同應用之間在數據傳輸層面的高效共享，使得AI、大數據等相關技術能力無法充分發揮，因此如何構建一張全連接的行業專用接入網是驅動行業數字化轉型的關鍵。

在E2E QoS 保障層面，當前的系統架構設計中接入網絡（比如5G、Wi-Fi 等）與算力相互獨立的SLA 保障機制，導致網絡與算力的資源分配缺乏有效的聯合處理能力，無法保障從接入終端到云計算之間，以端到端SLA 為目標的業務要求，比如遠程醫療（時延＜20 ms，速率＞100 Mbit/s）等；因此，以業務E2E QoS 為目標，從傳輸/計算/安全等維度深度融合，構建云網融合、算網一體的系統架構與算法，驅動行業數字化轉型。

3.2 5G 行業技術趨勢

3.2.1 基于SLA 的行業組網優化技術

為了使能垂直行業場景中不同業務或者設備能夠通過5G 網絡提供服務，必須對傳統單一的組網模式進行改變，以保障用戶在5G 網絡的移動過程中始終可以保持穩定的SLA 能力。首先，組網方案需從傳統的基于RSRP 或者參考信號接收質量（reference signal receiving quality，RSRQ）的模式向基于SLA 的模式進行轉變；其次，需要考慮其他網絡制式的融合處理，包括Wi-Fi、有線、藍牙等。

為了實現上兩點目標，首先需要構建具體垂直行業場景（如醫院或者工廠）的信道散射模型（包含大尺度信息與小尺度信息），解決傳統組網優化模型中使用自由信道傳播模型而導致的仿真評估與現場實施差異化較大等問題。目前，信道建模有基于統計的結構因果模型（structural causal model，SCM）模型和基于地圖的射線跟蹤模型，SCM 統計模型不具備實際部署意義；基于地圖的射線跟蹤模型實現復雜度極高，不具備現場組網分析的條件。因此，需要研究基于AI/ML 等方法實現快速、準確地構建真實環境中的信道散射模型，以滿足對現場組網架構的總體研究與仿真分析。

同時，需要對當前系統中的組網優化算法進行調整，需要考慮RSRP、RSRQ、調制與編碼策略（modulation and coding scheme，MCS）以及信號與干擾加噪聲比（signal to interference plus noise ratio，SINR）等多類型指標，并結合具體業務模型（FTP、視頻和Web 等）和接入網絡類型（5G、Wi-Fi 等）構建綜合組網優化理論模型；當前，雖然有很多文獻給出融合多參數的優化理論模型，但未與MEC、具體業務模型、接入網絡類型相結合，無法保障業務端到端SLA 服務提供能力。因此，在組網優化模型的后續研究過程中，需重點關注融合無線指標、接入網絡制式、MCS 以及業務模型的組網優化模型，保障垂直行業業務場景中SLA 端到端服務能力保障。

3.2.2 全連接行業接入網絡融合技術

為了最大化復用現有的4G、5G、Wi-Fi 等通信協議，實現行業現場網絡的全連接能力，提出了基于超寬頻天線的全連接無線專網技術以及基于IP 層的全連接多網融合管理技術，以醫療行業應用場景為例，醫療全連接多網融合管理技術架構如圖2 所示。其中全連接無線專網技術應用于院內多類型終端的連接，而全連接多網融合管理技術則應用于院內/院外/院間多平面網絡的綜合管理（接入/鑒權等）。

圖2 醫療全連接多網融合管理技術架構

利用RF 射頻天線的超寬帶700 MHz～6 GHz的支持能力，通過頻分復用（frequency division multiplexing，FDM）的方式承載不同制式的射頻信號（比如5G 頻段為2.6 GHz/3.5 GHz/4.9 GHz,Wi-Fi 頻段為2.4 GHz/5 GHz, 藍牙頻段為2 GHz，LoRA 頻段為700 MHz 等），從而實現一張無源射頻網絡以滿足不同制式的接入需求，并保持不同頻段不同制式網絡的任意擴展，減少行業現場網的施工難度與維護難度；同時，為了解決不同制式發射功率譜密度差異而導致的覆蓋范圍不同，需對不同制式的發射功率譜進行精細化管理；另外，由于不同制式在時域上幀結構的巨大差異性，需通過物理濾波器的設計來解決不同制式之間的互干擾問題。

利用多網融合管理技術，提供針對不同院內/院外/院間等多平面專用網絡的統一接入管理、泛在網絡能力開放管理、可編排的分權分域管理等能力；同時，借助其提供的基于多路徑 TCP（multipath TCP，MP-TCP）的多鏈路傳輸能力，使能業務數據可通過不同制式的接入網絡到達終端，從而改變單一制制式存在覆蓋盲區、部分區域數據傳輸速率不滿足要求等導致的業務端到端SLA 性能無法保障的問題。但隨著多制式現場行業網融合機制的不斷演進，比如有條件的多制式網絡互切換、資源聯合調度等技術的引入，可有效促進3GPP 與non-3GPP 從物理層到網絡層的高效整合，一套網絡一套架構滿足行業現場全連接需求。

3.2.3 高帶外OOB 抑制技術

5G 在垂直行業的應用場景中，根據對電磁干擾的需求不一樣，可分為一般性場景和電磁敏感性場景。以醫療場景為例，其中一般性場景，指的是對電磁干擾無特殊要求的場景，如醫院的門診大廳、普通病房、醫院后勤管理等；電磁敏感性場景，指的是對電磁干擾要求及其嚴格的場景，在醫院的一般處理過程中，都使用鉛墻來防護電磁干擾與電磁輻射，如手術室場景、重癥監護室場景、核磁共振、高精度病理掃描場景等。針對提及的電磁敏感性醫療場景，基于中華人民共和國醫藥行業標準YY 1079-2008《心電監護儀》，分析了心電監護儀醫療設備的前端信號功率譜密度與5G 通信信號的帶外泄漏干擾，5G 信號泄漏干擾與醫療器械接收信號對比如圖3 所示。從圖3 可以看出，心電監護儀高精度醫療設備的前端信號功率譜密度都遠低于5G 信號的帶外泄漏干擾，其前端的輸入信號功率譜密度為-63 dBm/MHz, 而5G 信號的帶外泄漏干擾功率譜密度為-30 dBm/MHz；在這種情況下，對于醫療設備的信號處理帶來極大的干擾影響，在5G 信號的影響下，醫療設備的前端接收信號的信噪比SINR 為-33 dB，使其無法正常解調。

圖3 5G 信號泄漏干擾與醫療器械接收信號對比

因此，針對現有方案在醫療業務場景應用中存在的典型問題，需要從終端側與網絡側進一步提升帶外干擾抑制能力并對現有方案進行增強，在具體的實現方式中，可考慮包括引入超低發射功率等級、帶外干擾主動對消、定向帶外干擾抑制以及高帶外抑制頻譜模板等多種技術方向，以滿足一般性醫療業務場景與電磁敏感性醫療業務場景下的通信，以及與醫療設備的共存的需求，從而推動5G 在全醫療場景下的普適應應用。

3.2.4 上行MBS 多緩存調度技術

在現有5G 標準協議定義的基于BSR 的上行PUSCH 調度傳輸機制之上，通過引入多緩存調度（multi-buffer scheduling，MBS）以使能基站識別CPE 后端接入的網絡類型或者業務類型，從而滿足通過CPE 的差異化業務需求能夠得到端到端的SLA 保障，5G CPE MBS 機制設計如圖4 所示。

圖4 5G CPE MBS 機制設計

CPE 上報所連接的多個后端網絡或者業務的上行數據緩存狀態，以及傳輸能力需求（比如速率、時延、丟包率等），以幫助基站根據CPE所連接網絡的能力快速完成調度策略的制定，并在下行的 PUSCH 調度信令下行控制信息（downlink control information，DCI）中，指示UE 上行多業務數據Buffer 或者通道的調度策略，以保障接入CPE 的多個網絡或者業務的端到端SLA 性能保障。圖2 中，CPE 承載了IoT網絡、Wi-Fi 網絡、有線網絡的數據并轉換為5G信號接入5G 網絡，在MBS 多緩存調度策略中，首先在CPE 側定義了多個緩存——BufferA、BufferB、BufferC 以分別對應IoT、Wi-Fi、有線傳輸網絡，并在現有的BSR 機制中將BufferA～BufferC 上報給基站，基站根據獲得的Buffer 信息并依據接入網絡對性能的要求，完成上行PUSH 的資源調度以及給出CPE 側BufferA～BufferC 的合成策略，并在下行DCI 信令中傳輸給CPE；CPE 依據Buffer 合成策略完成數據合并并在指定的頻譜資源上完成數據傳輸。

3.2.5 算力網絡技術

在行業數字化轉型過程中，個人及行業對信息網絡的主要需求已從以網絡為核心的信息交換逐漸轉變為以算力為核心的信息數據處理或者業務服務，網絡作為連接用戶、數據與算力的橋梁，需要與算力的深度融合，形成算網一體化新型基礎設施，消除傳統網絡與算力相互獨立而導致的、以業務為服務核心的E2E QoS無法保障的問題，算力網絡的總體系統架構如圖5 所示。

圖5 算力網絡的總體系統架構

同時，面向社會廣泛的業務需求，算力網絡在提供算力和網絡的基礎上，需要融合豐富的技術要素為用戶提供多要素融合的—體化服務。結合當前技術發展趨勢，算力網絡融合了“ABCDNETS”八大核心要素，具體指人工智能（AI）、區塊鏈（blockchain）、云（cloud）、大數據（data）、網絡（network）、邊（edge）、端（terminal）以及安全（security）。其中，云、邊、端作為信息社會的核心生產力，共同構成了多層立體的泛在算力架構；網絡作為連接用戶、數據和算力的橋梁，通過與算力的深度融合，共同構成算力網絡的新型基礎設施；大數據和人工智能是影響社會數智化發展的關鍵，算力網絡需要通過融合大數據，注入人工智能，構建算網大腦，打造統一、敏捷、高效的算網資源供給體系；區塊鏈作為可信交易的核心技術，是探索基于信息和價值交換的信息數字服務的關鍵，是實現算力可信交易的核心基石；安全是保障算力網絡可靠運行的基石，需要將“網絡+安全”的一體化防護理念融入算力網絡體系中，形成內生安全防護機制。

4 結束語

本文詳細分析了5G 標準化研究的進展以及潛在的演進方向，并給出了每個演進方向需要進一步解決的主要問題或者潛在的解決方案；同時，基于5G-Advanced 并結合5G 與行業結合的深度實踐，分析了現有5G 技術在行業應用上存在的不足，并給出基于SLA 的行業組網技術、全連接行業接入網絡技術、高帶外（OOB）抑制技術、多緩存調度技術、算力網絡技術等方向，為5G-Advanced 后續發展以及在行業上的應用提出了新的需求并給出了潛在的實現方式。