5G Toolbox

 

5G Toolbox

仿真、分析和测试 5G 通信系统

波形生成

生成符合标准的 5G NR 波形。配置和生成自定义波形和 NR 测试模型以及固定参考信道。使用无线波形发生器以交互方式创建、添加射频损伤至,以及可视化和导出波形。

链路级仿真

仿真 5G NR 端到端无线通信链路。纳入发射机、信道建模和接收机操作。应用簇延迟线 (CDL) 和抽头延迟线 (TDL) 信道模型。通过计算误块率和吞吐量指标来分析链路性能。

测试和测量

评估 5G RF 发射机的性能。在有干扰的情况下进行 NR RF 接收机建模与测试。描述 RF 链路性能的特征。测量邻信道泄漏比 (ACLR) 和误差矢量幅度指标。

MIMO 和波束成形

使用信道状态信息 (CSI) 反馈来调整传输参数,包括编码速率、调制、层数和 MIMO 预编码矩阵。在时分复用 (TDD) 场景中,使用信道互易性和探测参考信号来估计上行链路信道。使用 CSI 参考信号并基于参考信号接收功率测量值来选择最佳发射波束。

传播模型和信道模型

生成 TDL 和 CDL 信道模型。用射线追踪分析的结果配置 CDL 信道模型。研究信道信息,包括天线单元、单元方向图、射线数量、角度、延迟、衰减和集群路径。

小区搜索规程

执行小区搜索和选择过程以提取初始系统信息,包括主信息块和第一系统信息块。对物理随机接入通道进行建模。使用同步信号块执行波束管理过程,包括波束扫描、测量、确定、报告和还原步骤。

系统级仿真

仿真 5G NR 网络中多个用户设备间的时频资源共享。评估时分复用和频分复用模式下介质访问控制调度策略的性能。

AI 在无线通信中的应用

将 AI 应用于无线方法以优化 5G NR 操作。使用自编码器神经网络来压缩下行链路 CSI。训练深度 Q 网络 (DQN) 强化学习智能体进行波束选择。训练卷积神经网络以用于信道估计。

“我们从 MathWorks 的 5G NR 小区搜索和主信息块恢复等工作示例入手,还修改了设计以满足客户要求。这简化了我们的工作,为我们节省了大量时间。”

Vinoth Thuruvas,Capgemini 公司