Mobile World Congress 2019

RFIC-Antennen und ML-Scheduler: 5G-Ressourcen besser nutzen

| Redakteur: Jürgen Schreier

Nokia und Vodafone stellen im Rahmen des Mobile World Congress 2019 (MWC) zwei mMIMO-Innovationen vor: zum einen stromsparende mMIMO-Antennen, zum anderen einen Scheduler auf Machine-Learning-Basis für 5G mMIMO, der die Funkleistung steigern soll.

Firma zum Thema

Adaptive mMIMO-Antenne von Nokia
Adaptive mMIMO-Antenne von Nokia
( Bild: Nokia )

Auf dem Mobile World Congress 2019 sind Nokia und Vodafone mit zwei massive Multiple Input Multiple Output (mMIMO) Innovationen vertreten, mit den sich Kapazität und Leistung von 5G verbessern lassen. Die Unternehmen demonstrieren, wie 5G-Dienste mit stromsparenden, kompakten und einfacheren RFIC-basierten mMIMO-Antennen bereitgestellt werden können, die geringere und Gesamtbetriebskosten haben als die herkömmlichen mMIMO-Antennen. Zweite Innovation ist ein Machine Learning basierter Scheduler für 5G massive MIMO, der das Funkressourcenmanagement verbessern und die 5G-Funkleistung steigern kann.

Herkömmliche Aktivantennen verbrauchen viel Energie

Massive MIMO-Aktivantennen sind erforderlich, will man das sehr hohe Kapazitätspotenzial des 5G-Funks optimal zu nutzen. Der Einsatz der ersten Massive MIMO-Produkte kann jedoch aufgrund ihrer Größe, ihres Gewichts und ihres Stromverbrauchs an typischen, stark frequentierten Standorten von Basisstationen eine Herausforderung darstellen. Darüber hinaus ist die Optimierung des Betriebs und der Leistung mehrerer Antennenelemente sehr komplex.

Vodafone und Nokia haben gemeinsam umfangreiche Simulationsstudien durchgeführt. Danach ist die RFIC1-basierte Nokia mMIMO Aktivantenne für diese Herausforderungen besser geeignet ist als die anderen Funklösungen - z.B. passive Antennen und Remote-Funkköpfen. Vodafone wird der erste Mobilfunkbetreiber in Europa sein, der die aktiven Nokia-Antennen mit RFIC im Feldtest testet.

Das rasante Wachstum des mobilen Datenverkehrs und die Fähigkeit von 5G, verschiedene Leistungsparameter wie Kapazität, Abdeckung, Zuverlässigkeit und Latenz zu priorisieren, machen die Optimierung und das Radio Resource Management (RRM) zu einer vielschichtigen Angelegenheit. Algorithmen des Machine Learning (ML) reduzieren diese Komplexität und können Ressourcen sparen.

mMIMO-Scheduler weist ML-basiert Funkressourcen zu

Der ML-betriebene mMIMO-Scheduler verbessert die 5G Radio Access Network (RAN), indem er den Benutzern Funkressourcen (Antennen/Beams/Layern) optimal zuweist und die Bedienung von 5G mMIMO vereinfacht. Nokia hat den ML-powered Scheduler und die unterstützende Architektur in Zusammenarbeit mit Vodafone entwickelt., Das Mobilfunkunternehmen hat dafür anonymisierte Realdaten aus seinem Netzwerk bereitgestellt. Der Scheduler löst die hochkomplexe Aufgabe der mMIMO-Planung in Echtzeit und bietet so eine hervorragende 5G-Benutzerfreundlichkeit.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45772086)

Das könnte Sie auch interessieren SCHLIESSEN ÖFFNEN

Vodafone; Qorvo; gemeinfrei; Nokia; BASF; devolo; Aruba; Foto: Southside, Atmo, Credit: Matthias Rhomberg, 016, Ausschnitt bearbeitet; Valéry Kloubert; Stefan Bausewein; tuachanwatthana