新闻详情

新闻详情

首页 / 资讯中心 / 详情

深入理解5g<三十三> PHR mac ce

发布时间:2026/10/2 16:20:48来源:尧图网络
深入理解5g<三十三> PHR mac ce
在5G中**PHR MAC CE功率余量报告媒体接入控制层控制单元** 是终端UE向基站gNB汇报自己“功率家底”的载体。它通过MAC层信令发送告诉基站每个服务小区上还有多少发射功率余量。### 两种基本格式PHR MAC CE主要分为两种格式通过MAC PDU子头中的LCID或eLCID来标识。**1. 单条目 PHR MAC CE (Single Entry PHR)**这是最简单的格式用于在没有配置多小区如载波聚合的场景下仅报告主小区PCell的功率余量。它固定为一个八位字节Octet包含* **P 字段 (1 bit)**指示是否因功率管理如MPE应用了功率回退。* **R 字段 (1 bit)**保留位。* **PH 字段 (6 bits)**功率余量等级索引到一张标准化的表格范围从 POWER_HEADROOM_0 到 _63。如果P字段被置为1则后续还会有一个八位字节包含 **PCMAX,f,c** 字段标称最大发射功率和 **MPE** 字段有效的功率降低值。**2. 多条目 PHR MAC CE (Multiple Entry PHR)**当配置了载波聚合CA或双连接DC时UE需要同时报告多个服务小区的功率余量此时使用这种变长格式。其结构更为复杂通常包含* **位图 (Bitmap)**位于最前面用每个比特位Ci指示对应服务小区ServCellIndex的PH字段是否存在。如果最高ServCellIndex小于8使用1个八位字节否则使用4个八位字节。* **各小区的PH报告块**按照服务小区索引升序排列。每个报告块通常包含* **PH 字段 (6 bits)**功率余量。* **P 字段 (1 bit)**功率回退指示。* **V 字段 (1 bit)**指示PH是基于**真实传输**V0还是**参考格式**V1计算。* **PCMAX,f,c 字段**如果V0则携带该字段指示用于计算PH的配置最大发射功率。### 字段细节解析* **PH (Power Headroom)**6比特值是等级索引不是直接的dB值。基站查表得知对应的功率余量等级。* **V (Validity)**这是理解报告的关键。当UE实际有PUSCH/PUCCH/SRS传输时基于真实传输计算PHV0当没有实际传输时UE会基于一个假设的参考格式计算“虚拟”PHV1以此告诉基站“如果给我调度我能用多少功率”。* **P (Power Management)**1比特。如果UE因为功率管理例如为了满足射频暴露的MPE要求而主动降低了发射功率这个位会被置为1提醒基站“我当前的功率受限不是信道质量差而是我主动降了”。* **MPE (Maximum Permissible Exposure)**2比特。这是一个**FR2毫米波专属**字段。当工作在FR2频段且P1时它指示了为满足MPE要求而应用的具体功率回退量P-MPR等级。### 5G的增强演进为了适配更复杂的场景3GPP在后续版本中引入了增强格式* **Enhanced Single/Multiple Entry PHR MAC CE**增加了对**FR2 MPE报告**的支持让基站更精细地了解毫米波终端的功率受限原因。* **多TRP PHR MAC CE**针对 **Multi-TRP多发射接收点** 场景一个小区可能有两个PH值分别对应不同的SRS资源集或面板这种格式允许UE在一个CE里同时报告这两个PH帮助基站进行多TRP下的上行功率控制。总的来说PHR MAC CE就是终端用一套标准化的“密码”把自身余量、是否受限、受限原因MPE打包告诉基站让基站决定下次调度时给你“派多少活”。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

PyCharm实战对比:传统算法与MTCNN+ArcFace人脸识别管线 2026/10/2 18:11:17

PyCharm实战对比:传统算法与MTCNN+ArcFace人脸识别管线

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
大模型本地部署实战指南:从模型选型到推理框架优化 2026/10/2 18:11:03

大模型本地部署实战指南:从模型选型到推理框架优化

1. 为什么要折腾本地部署:先搞清楚自己到底在为什么买单这几年大模型的浪潮几乎把所有人的注意力都吸了过去,但真正上手之后你会发现,API调用和网页版聊天只是冰山一角。很多场景下,数据不能出内网、延迟要控制在毫秒级、调用次数…

阅读更多 →
知识图谱电影推荐实战:从IMDb爬取到Neo4j图谱构建与可解释推荐 2026/10/2 18:11:03

知识图谱电影推荐实战:从IMDb爬取到Neo4j图谱构建与可解释推荐

简介:这是一套面向计算机专业本科生的高分毕业设计项目资源,聚焦知识图谱与推荐系统交叉实践,专为课程设计、期末大作业及毕设选题提供可运行、可复现的完整解决方案。资源包含31个文件,以21个Python源码文件为核心(涵…

阅读更多 →
多智能体工程化落地:MCP、A2A与Skills协同架构实践 2026/10/2 18:10:57

多智能体工程化落地:MCP、A2A与Skills协同架构实践

近两年多智能体工程化的话题确实火了,但大部分讨论都停留在单机Demo和玩具场景里,真正能把多个智能体拉进生产环境、让它们像团队一样协作的人并不多。我自己从单体Agent转向多智能体架构折腾了大半年,中间推翻了三版设计方案,最后…

阅读更多 →
CSS动效核心机制与高频效果实战解析 2026/10/2 18:10:50

CSS动效核心机制与高频效果实战解析

做前端这些年,我把大量时间都花在“让页面动起来”这件事上,沉淀下来的关键词也就两个:CSS动效。不管是给按钮加涟漪,还是给卡片加3D翻转,底层机制都逃不开两套东西:transition和animation。很多人看到效果…

阅读更多 →
YOLOv8猴子检测权重训练:从数据集标注到模型部署全流程 2026/10/2 18:10:50

YOLOv8猴子检测权重训练:从数据集标注到模型部署全流程

简介:一套面向目标检测场景的猴子识别资源,包含YOLOv8预训练权重与配套数据集。资源整合了6000余张标注为Monkey的猴子图像,已按train、val、test划分完毕,并附有data.yaml配置文件和TXT格式的标签,可直接对接YOLOv5、…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉