6G Testing Help Center

3GPP definiert integrierte Sensorik und Kommunikation (ISAC) durch eine Reihe koordinierter technischer Berichte (TRs) verschiedener Arbeitsgruppen, die sich mit Dienstanforderungen, Funkaspekten und Kanalmodellierung befassen. Die folgenden TRs definieren gemeinsam die ISAC-Anforderungen und die laufenden Standardisierungsarbeiten:

Berichte über die Kerndienstanforderungen (SA1)

• 3GPP TR 22.837 – Machbarkeitsstudie zu ISAC unter Release 19: Dies ist der grundlegende Bericht, der von 3GPP SA1 erstellt wurde. Er definiert ISAC-Anwendungsfälle wie Objekterkennung, Bewegungsüberwachung und Umgebungssensorik und legt die Anforderungen an die Dienstebene für 5G fest. Advanced und Systeme vor 6G.  
• 3GPP TS 22.137 – Serviceanforderungen für 5G-Systeme gemäß Release 19: Diese technische Spezifikation ergänzt TR 22.837, indem sie Machbarkeitsstudienergebnisse in normative Serviceanforderungen umsetzt. Sie definiert wichtige Leistungsindikatoren (KPIs) wie Erfassungsgenauigkeit, Detektionslatenz und räumliche Auflösung.

Berichte zur Funk- und Kanalmodellierung (RAN1/RAN2)

• 3GPP TR 38.857 – Studie über Kanalmodellverbesserungen für ISAC: Dieser im Rahmen von RAN1 entwickelte Bericht erweitert die stochastischen Kanalmodelle von TR 38.901, um ISAC-Modi (BS monostatisch, BS–UE bistatisch, UE–UE bistatisch usw.) für Frequenzen von 0,5–52,6 GHz zu unterstützen, die auf 100 GHz erweiterbar sind.

Referenzen:
Integrierte Sensorik und Kommunikation (ISAC); Anwendungsfälle und Einsatzszenarien

ISAC-Kanalmodellierung – Perspektiven von ETSI

Die Prüfung der Nutzererfahrung (QoE) von 6G NTN kombiniert Signal- und Netzwerkemulation sowie Kanalmodellierung, um zu validieren, wie Satelliten- und terrestrische Verbindungen die Leistung für Endnutzer beeinflussen. Keysight bietet hierfür einen integrierten Ansatz mit seinen NTN- und 5G NR/6G-Testlösungen. Im Folgenden finden Sie eine Übersicht eines Test-Workflows mit Keysight-Tools: 

• Signalgenerierung: Erstellen Sie NR-NTN- oder 6G-Kandidatenwellenformen mithilfe des MXG oder VSG für Uplink-/Downlink-Referenzsignale. 
• Kanalemulation: Verzögerung, Doppler-Effekt, Bahndynamik und Interferenz werden durch PROPSIM- oder FR3-Emulationsmodelle vor der Standardisierung angewendet.
• Netzwerkintegration: Verwenden Sie UeSIM oder UXM als RAN-Emulatoren, um Benutzer- und Steuerungsebenenabläufe zu simulieren.
• QoE-Messung: Erfassung von Anwendungsmetriken – Durchsatz, Latenz, Jitter und MOS – in Verbindung mit Satellitenbewegungen oder Kanalbeeinträchtigungen.
• KI-Feedback-Optimierung: Nutzen Sie Keysight PathWave Analytics zur automatisierten Optimierung von Verbindungs- und Serviceparametern, um die QoE zu maximieren.

Entdecken Sie Simulations- und Emulationslösungen für 6G.

Die Integration nicht-terrestrischer Netzwerke (NTNs) mit terrestrischen Netzwerken bringt einzigartige Herausforderungen mit sich, wie z. B. große Ausbreitungsverzögerungen, Dopplerverschiebungen durch Satellitenbewegungen, intermittierende Verbindungsverfügbarkeit, gegenseitige Interferenzen zwischen NTNs und TNs sowie atmosphärische Beeinträchtigungen, die sich erheblich von terrestrischen Systemen unterscheiden. Die Gewährleistung nahtloser Übergaben, schichtübergreifender Ressourcenzuweisung und Interoperabilität zwischen verschiedenen Plattformen (LEO, GEO, HAPS, UAVs) erhöht die Komplexität zusätzlich.

Das Modellierungstool SystemVue RF Digital Twin von Keysight hilft, diese Barrieren zu überwinden, indem es eine hochpräzise Link-Level-Modellierung und Simulation von End-to-End-NTN-Systemen, einschließlich Satellitennutzlasten, Gateways und Benutzergeräten, unter realistischen Ausbreitungsbedingungen ermöglicht. Es berücksichtigt wichtige Beeinträchtigungen wie Phasenrauschen, HF-Nichtlinearität und I/Q-Ungleichgewicht und unterstützt gleichzeitig die Modellierung von Phased-Array-Antennen, die 3D-Trajektorienvisualisierung und die nichtlineare PA-Analyse mit DPD. Dies ermöglicht Ingenieuren eine präzise Leistungsvorhersage, die Validierung von Strahlmanagementstrategien und die Bewertung der Verbindungsrobustheit vor der Hardwarebereitstellung. Dies beschleunigt letztendlich die zuverlässige Entwicklung von NTN-6G-Systemen und gewährleistet die Skalierbarkeit für globale Konnektivität.

Erfahren Sie mehr über die 5G/6G -Systemdesignlösung von Keysight.

Hier einige Anwendungsfälle, in denen KI bei der Entwicklung von NTN RAN eingesetzt werden kann:

Kanalvorhersage und -modellierung: NTN-Kanäle sind aufgrund von Satellitenbewegungen, Doppler-Effekt und langen Laufzeitverzögerungen hochdynamisch. KI/ML (z. B. Deep Learning, RNNs, Transformer) können die Kanaldynamik erlernen und Kanalzustandsinformationen (CSI) vorhersagen, wodurch die Verbindungszuverlässigkeit verbessert und der Overhead reduziert wird. 

Strahlformung und Übergabeoptimierung: KI kann die adaptive Strahlsteuerung für LEO-Satelliten oder HAPS optimieren und so Ausfälle beim Wechsel von Nutzern zwischen verschiedenen Strahlen minimieren. ML-Algorithmen sagen Mobilitätsmuster voraus und automatisieren nahtlose Übergaben zwischen Satelliten oder zwischen terrestrischen und nicht-terrestrischen Zellen. 

Ressourcen- und Spektrummanagement : Das NTN RAN muss mit fragmentiertem Spektrum und dessen gemeinsamer Nutzung über mehrere Funkzugangstechnologien (RATs) hinweg umgehen. Künstliche Intelligenz (KI) kann eingesetzt werden, um Ressourcen dynamisch über die Frequenzbänder FR1/FR2/FR3 + NTN zu verteilen und so Fairness und Dienstgüte (QoS) auch bei schwankender Nachfrage zu gewährleisten. 

Energie- und Leistungseffizienz: Satelliten und UAVs verfügen über begrenzte Energiebudgets. Künstliche Intelligenz kann die Leistungssteuerung, die Zeitplanung und den Lastausgleich optimieren, um Lebensdauer und Effizienz zu maximieren. 

Sicherheit und Anomalieerkennung: NTN-Verbindungen sind anfälliger für Störungen und Spoofing. KI-gestützte Anomalieerkennung kann ungewöhnliche Signalmuster oder Cyber-physische Angriffe in Echtzeit identifizieren. 

Integrierte Sensorik und Kommunikation (ISAC): KI hilft NTN-Knoten, die gleiche Wellenform für Kommunikation und Sensorik zu verwenden, wodurch die Verfolgung von Benutzern, Objekten oder Bedrohungen bei gleichzeitiger Aufrechterhaltung der Konnektivität ermöglicht wird.

Es wird erwartet, dass KI in verschiedene Komponenten des 6G-Mobilfunknetzes integriert wird, z. B. in die physikalische Schicht von 6G-Sendern und -Empfängern. Dadurch werden Geräte in die Lage versetzt, eigenständig Entscheidungen zu treffen, Ressourcen effizient zu verwalten und sich an dynamische Bedingungen anzupassen, ohne vollständig von zentralisierten Systemen abhängig zu sein. Aus diesem Grund unterscheidet sich das Testen drahtloser Komponenten, die KI-Technologie integrieren, grundlegend vom Testen herkömmlicher Komponenten.

Herkömmliche Teststrategien, bei denen die Leistung eines drahtlosen Geräts anhand einer Reihe von Spezifikationen überprüft wird, reichen nicht aus. KI-fähige Geräte werden so gebaut, dass sie sich an unvorhersehbare reale Situationen anpassen und in dynamischen Umgebungen mit schwankenden Signalstärken, Störungspegeln und Benutzerdichten funktionieren. Folglich müssen die KI-Algorithmen so trainiert werden, dass sie ihre Leistung unter einer Vielzahl von Bedingungen optimieren, um ihre Zuverlässigkeit zu gewährleisten. Die Tests müssen Szenarien umfassen, die sich deutlich von den Trainingsszenarien unterscheiden, um die Leistung in wechselnden und unvorhersehbaren realen Umgebungen zu bewerten.

Erfahren Sie mehr über die Integration von KI und 6G

Die Kanalmodellierung ermöglicht es Ihnen, Ihre mathematischen 6G-Modelle zu entwerfen und zu testen und die Leistung von Sendern und Empfängern im Kommunikationssystem zu bewerten. Beim Testen des 6G-Frequenzbereichs drei (FR3) benötigen Sie eine phasen- und zeitkohärente Mehrkanalemulation unter Verwendung semideterministischer und deterministischer Kanalmodelle. Zu den wichtigsten Leistungsmetriken für die 6G FR3-Kanalmodellierung gehören:

• Schätzung des Strahlgewichts und Ausrichtungsmetriken
• Strahlform und Verstärkung
• Nebenkeulen-Pegel

Mit einer robusten Kanalemulationslösung können Sie verschiedene Ausbreitungsumgebungen schaffen und Hardwarebeeinträchtigungen wie Phasenrauschen und Interferenzen emulieren.

Download 6G FR3 Channel Emulation Anwendungshinweis

Die Nutzung eines höheren Spektrums für 6G erfordert die Überwindung von Problemen bei der Funkfrequenzausbreitung in diesen Bändern. Außerdem muss der 5G-Protokollstapel geändert werden, um die größeren Bandbreiten und höheren Trägerfrequenzen zu unterstützen, die für 6G-Anwendungen erforderlich sind, die noch nicht in der Praxis getestet oder eingesetzt wurden. Sie können jedoch ein frühes 6G-Netz entwerfen und validieren, indem Sie reale Benutzergeräte (UE) emulieren.

Lesen Sie mehr über Pre-6G-Netztests

Es gibt drei grundlegende Ansätze, um einen hohen Datendurchsatz für 6G zu erreichen. Der erste beinhaltet die Verwendung von Modulationsverfahren höherer Ordnung, um die Anzahl der pro Symbol übertragenen Bits zu erhöhen. Der zweite Ansatz nutzt eine größere Bandbreite des Spektrums und erhöht den Datendurchsatz durch eine höhere Symbolrate. Ein dritter Ansatz überträgt mehrere unabhängige Datenströme mit Hilfe von Mehrfachantennentechniken wie Multiple-Input/Multiple-Output (MIMO). MIMO nutzt die Komplexität des Funkkanals und sendet und empfängt gleichzeitig mehrere unabhängige Datenströme, um einen höheren Datendurchsatz zu erzielen.

Vertiefung der Prüfung des 6G-Datendurchsatzes

Die Charakterisierung von Sub-THz-Breitbandsignalen für 6G erfordert eine Kombination aus Hochleistungsgeräten und Software. Sie benötigen einen Ultra-Hochgeschwindigkeits-Arbiträrwellenformgenerator (AWG), einen Frequenzaufwärtswandler und einen Signalgenerator, der als lokaler Oszillator fungiert. Dieser Testaufbau hilft bei der Erzeugung, Messung und Charakterisierung von H-Band-Kandidatenwellenformen.

Überprüfung des Anwendungsfalls 6G-Signalcharakterisierung

Ein typischer 6G-Teststand muss eine Vielzahl von Frequenzbändern, Bandbreiten und Wellenformtypen unterstützen, um verschiedene Forschungsanforderungen zu erfüllen. Ingenieure müssen einen Arbitrary Waveform Generator (AWG) verwenden, der breitbandige und extrem bandbreitenmodulierte Zwischenfrequenzsignale (IF) erzeugen kann.

Kompakte D-Band- (110 bis 170 GHz) oder G-Band- (140 bis 220 GHz) Aufwärtswandler können dann die Breitband-ZF in das gewünschte Sub-Terahertz-Frequenzband umwandeln. Für Empfängertests muss das Signal auf eine Zwischenfrequenz herunterkonvertiert werden. Für diese Aufgabe benötigen Sie Abwärtswandler. Außerdem benötigen Sie ein Oszilloskop oder einen mehrkanaligen AXIe-Streaming-Digitalisierer von Keysight, um das Signal zu digitalisieren.

6G-Sub-THz-Testumgebung erforschen

Keysight hat im Januar 2023 in Zusammenarbeit mit 16 Partnern die 6G-SANDBOX ins Leben gerufen, um ein europaweites Testbett für 6G-Experimente zu schaffen. Das Projekt kombiniert digitale und physische Knoten, um vollständig konfigurierbare, verwaltbare und steuerbare End-to-End-Netzwerke für die Validierung neuer Technologien und Forschungsfortschritte für 6G bereitzustellen. Die 6G-SANDBOX ermöglicht es Einrichtungen in der gesamten Europäischen Union (EU), vielversprechende 6G-Enabler zu testen, darunter Netzwerkautomatisierung, Cybersicherheit, digitale Zwillinge und künstliche Intelligenz (KI) sowie Technologien zur Rationalisierung des Energieverbrauchs. Die Gruppe hat sich erweitert und umfasst nun auch Forschungseinrichtungen in Asien.

Mehr über die 6G-SANDBOX