2023年12月，3GPP召開RAN#102次會議，確定了Rel-19首批16個RAN領域立項課題，標志著5G-Advanced國際標準制定進入新階段。從本次立項布局來看，5G演進標準制定開始“踏入新領域，擁抱下一代”。例如錨定“無源物聯(lián)新價值”，打造“新空口”的Ambient IoT技術、深入探索人工智能技術，期待5G與AI跨界發(fā)生“新化學反應”的系列技術、為6G熱身打前陣的雙工演進技術、通感一體技術等等。
其中，中國移動全力推進的Ambient IoT無源物聯(lián)技術獲得產業(yè)界公共認可，成為了R19標準化最重要的課題，格外引人注目。該技術具備超低成本、超低功耗、無需電池供電等優(yōu)勢，在倉儲、物流、能源、制造、農業(yè)等行業(yè)的數字化信息采集有非常廣泛的應用前景，是構建5G全場景物聯(lián)的關鍵一環(huán)，將為5G網絡提供千億新連接。中國移動將繼續(xù)和產業(yè)伙伴群策群力攜手共進，不僅僅要做出無源技術新標準，更要為整個通信產業(yè)創(chuàng)造物聯(lián)網連接新價值。
本次Rel-19首批立項16個課題主要研究內容見下表
3GPP Rel-19標準項目研究內容
|
3GPP Rel-19標準項目 |
|||
|
主導 工作組 |
項目 |
研究內容 |
文稿號 |
|
RAN1 |
Ambient IoT |
聚焦新型超低功耗標簽設備，針對基站直連和終端作為中繼節(jié)點的2種拓撲架構，進行物理層傳輸結構、傳輸流程、協(xié)議棧簡化及高層信令流程、核心網和無線接入網接口等方面的研究，使能超低功耗、超低成本的物聯(lián)網盤存、命令下發(fā)應用。 |
RP-234058 |
|
AI /ML for Air interface |
基于R18 SI機器學習在物理層的應用研究，開展AI模型的全生命周期管理模式、基于AI的波束管理和定位等用例的標準制定。 |
RP-234039 |
|
|
MIMO Evolution |
進一步提升多天線傳輸性能，研究現網中發(fā)現的宏微站間干擾解決方案、終端觸發(fā)的波束管理增強、大于32端口碼本增強、相干聯(lián)合傳輸站間同步增強、3天線終端上行傳輸等。 |
RP-234007 |
|
|
Duplex Evolution |
基于R18 SI對全雙工技術的研究，開展子帶全雙工和跨鏈路干擾管理方案標準制定，使能TDD頻段同一時隙上下行雙工傳輸，提升上行覆蓋、降低無線側空口時延，為未來同時同頻全雙工技術研究奠定基礎。 |
RP 234035 |
|
|
Network Energy Saving |
在R18基礎上進一步擴展網絡節(jié)能場景，研究空閑態(tài)/非激活態(tài)模式下公共信號/信道的按需/自適應傳輸，輔小區(qū)同步信號按需傳輸設計等。 |
RP-234065 |
|
|
LP-WUS/WUR |
在R18 SI對超級功耗信號設計的研究，開展基于OOK波形的低功耗喚醒信號、低功耗同步信號，以及尋呼、測量等流程的標準制定， |
RP-234056 |
|
|
Exploring Study in New spectrum (7-24GHz) |
面向未來6G潛在的頻譜需求，開展7-24GHz的信道傳播特性研究，進一步探索近場傳播特性以及空間非平穩(wěn)特性。 |
RP 234018 |
|
|
Channel Modelling for ISAC |
針對通感一體入侵檢測和軌跡跟蹤場景開展信道建模研究。 |
RP 234069 |
|
|
RAN2 |
AI/ML for Air Interface SI (Mobility) |
充分挖掘機器學習預測能力，探索AI在移動性方面的應用，例如網絡觸發(fā)的切換、測量和事件預測等。 |
RP 234055 |
|
Mobility Enhancements |
針對R18制定的層1層2觸發(fā)的移動性（LTM）進一步擴展應用場景，降低移動性帶來的時延、信令開銷、中斷時間。 |
RP 234036 |
|
|
Enhancements for XR |
在R18的節(jié)能和容量研究基礎之上，進一步研究支持具有不同特征的多模態(tài)數據的傳輸機制，以及降低終端測量對于XR業(yè)務周期性傳輸的影響。 |
RP-234080 |
|
|
NTN for NR |
進一步增強NTN衛(wèi)星通信網絡能力、擴展應用場景，開展下行覆蓋增強、上行容量/吞吐量增強、支持廣播業(yè)務、支持全基站上星的再生架構、支持RedCap的標準制定。 |
RP-234078 |
|
|
NTN for IoT |
進一步提升IoT-NTN場景性能，開展全基站為再生負載的存儲轉發(fā)架構設計、上行容量增強研究等。 |
RP-234077 |
|
|
RAN3 |
AI/ML for NG-RAN |
繼續(xù)挖掘基于AI的網絡優(yōu)化新用例，包括：覆蓋和容量優(yōu)化、網絡切片、多跳終端軌跡預測、雙連接，分離式架構，網絡節(jié)能增強，連續(xù)數據采集。 |
RP 234054 |
|
SON/MDT Enhancements |
聚焦移動性魯棒性增強、切片，NTN的優(yōu)化。 |
RP-234038 |
|
|
Additional Topological Enhancements |
開展多樣化網絡拓撲和節(jié)點的無線網架構/功能研究，包括使能WAB（無線接入回傳技術）和5G家庭基站 |
RP 234041 |
|
