---
# System prepended metadata

title: '從零開始讀通訊: 毫無背景卻不小心進入通訊相關Lab該怎麼辦?'

---

# 從零開始讀通訊: 毫無背景卻不小心進入通訊相關Lab該怎麼辦?

## 前言、建議先修過的課程
### 網路相關 (math-heavy)
- 演算法 (Algorithms)
- 圖論 (Graph Theory)
- 計算機網路 (Computer Networking, J. F. Kurose and K. W. Ross)
- 行動電信網路 (Mobile Telecommunications Networks)
- 機率 (A First Course in Probability, Sheldon Ross)
- 網路隨機程序 (Stochastic Processes for Networking / Introduction to Probability Models, Sheldon Ross)
- 排隊理論 (Fundamentals of Queueing Theory, Donald Gross)

### 系統相關 (quite math-heavy)
- 線性代數 (Linear Algebra)
- 訊號與系統 (Signals and Systems, Alan V. Oppenheim)
- 通訊原理 / 通訊系統一 (Communication Systems, Simon Haykin)
- 數位通訊 / 通訊系統二 (Digital Communications, John G. Proakis)
- 無線網路 / 無線通訊 (Principles of Mobile Communications, Gordon L. Stüber)
  - 課程內容參考 [NTHU-WCS_2021](https://github.com/paulchen2713/NTHU-WCS_2021)
- 展頻通訊 (Spread Spectrum Communications)
- 寬頻行動通訊 (Broadband Mobile Communications)
- 合作式通訊 (Cooperative Communications)
  - 課程內容參考 [NTHU-CCN_2022](https://github.com/paulchen2713/NTHU-CCN_2022)
- 通訊隨機程序 (Random Processes for Communications)

### 計算相關 (quite math-heavy)
- 最佳化理論 (Optimization Theory)
- 凸優化 (Convex Optimization, CVXOPT)
- 線性與非線性規劃 (Linear and Nonlinear Programming)
- 元啟發演算法 (Meta Heuristic Algorithm, Heuristic)
- 仿生計算 (Bio-Inspired Computing)
- 機器學習 / 深度學習 (Machine Learning / Deep Learning, ML/DL)
- 強化學習 (Reinforcement Learning, RL)
- 統計學習 (Statistical Learning)

### 編碼相關 (extreme-math-heavy)
- 離散數學 (Discrete Mathematics)
- 抽象代數 (Abstract Algebra)
- 編碼理論 (Coding Theory)
- 消息理論 (Information Theory)
- 錯誤更正碼 (Error Correction Codes, ECC)
- 密碼學 (Cryptography)
  - 課程內容參考 [NTHU-Network_Security_2022](https://github.com/paulchen2713/NTHU-Network_Security_2022)

### 天線相關 (extreme-math-heavy)
- 電磁學 (Fundamentals of Engineering Electromagnetics, David K. Cheng)
- 微波工程 (Microwave Enginering)
- 多天線系統 (Multi-Input Multi-Output, MIMO)
- 波束成型 (Beamforming) 
- 預編碼設計 (Precoding Design)
- 相位陣列 (Phased Array)
- 雷達訊號處理 (Radar Signal Processing)

### 晶片相關 (least math-heavy)
- 數位訊號處理 (Digital Signal Processing, DSP)
  - 濾波器設計參考 [DSP](https://github.com/paulchen2713/DSP)
- 適應訊號處理 (Adaptive Signal Processing, ASP) 
  - 課程內容參考 [NTHU-ASP_2021](https://github.com/paulchen2713/NTHU-ASP_2021)
- 計算機架構 (Computer Architecture, CA)
- 作業系統 (Operating Systems, OS)
- 超大型積體電路 (Very-Large-Scale Integration, VLSI)
- 通訊積體電路設計 (Digital Communication IC Design, DCIC)
- 數位訊號處理積體電路設計 (DSP IC Design, DSPIC)

## 一、一些背景知識
### 排隊理論 Queueing Theory
請直接參考這個網站
https://medium.com/ycpan/queueing-theory-%E7%AD%89%E5%80%99%E7%90%86%E8%AB%96-6b66a6815961

### 資源分配 Resource Allocation
資源分配是異構網絡中的一個重要特徵，旨在確保其高效率以及作為成本效益網絡的維護。 適當的資源分配提高了相關係統和網絡的性能，也有助於避免網絡中涉及的不同類型的瞬態瓶頸。

在給定的網絡中，各種控制器之間的交互決定了資源的分配。 與資源分配策略相關的資源主要是緩衝區、帶寬、處理器和外圍設備，如打印機、掃描儀等。

資源分配很重要，因為： 
1. 資源分配的公平有助於確保滿足服務質量標準。
2. 可以實現不同數據流之間非常需要的隔離。
3. 從網絡和系統安全的角度來看，適當的資源分配可以通過應對不同的拒絕服務攻擊來確保高標準的安全性。

為了保證網絡中資源的良好分配，制定了公平策略，如比例公平、最大最小公平、效用公平等。比例公平根據資源量和需求向量計算資源分配。 在最大最小公平的情況下，增加需求有助於分配共享資源。 它還確保資源的份額不大於其需求。 在效用公平的情況下，資源分配由與其相關的效用函數決定。

#### 補充小知識: 常見的 Resource Allocation 研究流程
1. 建立系統模型 esbabalish system model 
   - 把你想要解決的問題用嚴謹的數學式描述出來，訂定討論框架及範圍，說明設想系統的工作流程(work flow)，並訂出某些假設(assumptions)
   - 這時候就得搬出某些相關研究(related works)補充說明，好說服其他人為什麼要這樣定? 為什麼這個設定值得討論? 先前類似問題大家怎麼討論的? 通常會寫說之前的研究"都"沒考慮到、或"都"這樣假設
   - 但講說別人都沒考慮到而自己第一個想到會很危險，前人都沒想過就你想到，通常是你錯了，要說服別人說這是個值得解的新問題超難，客觀上作為小小碩士生定義問題的能力真的飽受質疑，我們以為找到新發現，其實只是已知用火XD
2. 形塑最佳化問題 formulate optimization problem
   - 基於前述問題框架(system model)並解釋清楚要解決什麼問題後，整理出一個等價的數學式及其成立條件，告訴大家現在只要求出此式的最佳解即能解決我們的問題
   - 通常看起來是 $max...$ 或 $min...$ 然後下面加 $s.t. \ C1:\ ..., C2:\ ..., C3:\ ...$ ，也就是有一個我們想要最佳化的目標函數 (objective function) 跟解這個問題的限制條件 (constrains)
   - 然後通常問題難度都是 non-convex 或 NP-hard，很可能找不到最佳解，也無法知道找到的是不是最佳解
   - 數學不夠好也無法判斷跟證明問題難度，所以通常是引用某篇論文來說明，我要解的問題或數學結構跟這篇非常相似，然後該作者已經證明說此問題是 NP-hard
3. 稍微化簡問題使得問題有得解
   - 嚴謹的方法是利用線性化 (Linearization) 跟鬆弛化(Relaxation) ...等等數學方法去化簡目標函數，運氣好的話可能會變成 convex，就非常漂亮，沒有紮實數學功底不要輕易嘗試XD
   - 不嚴謹的方法像是稍微改動問題假設，使問題易於使用某些現成的方法解。
     - 像是把問題的constrains整理成一個懲罰項(penalty function)乘上一個係數再併進原來的目標函數，然後改解新的目標函數。因為若目標函數整理成單一個式子的話比較好套用現有的最佳化演算法如DQN
     - 或是把某些constrains忽略，使整個目標函數皆可微，這樣也許可以利用gradient based method 去解
     - 總的來說，就是把原來的目標函數整理成特別的形式好套用現有的最佳化演算法
   - 但數學不嚴謹的化簡一定會受到強烈質疑!
     - 為什麼要這樣化簡? 為什麼不那樣化簡?
     - 如何說明化簡後的問題跟原來的問題等效，畢竟最初說服reviewer說值得解的問題是最初的目標函數，化簡後的已經變質(~~掛羊頭賣狗肉~~)，因為經化簡後的目標函數的所有解所形成的search space就改變了
     - 化簡的可行性在於，我們"相信"化簡後的問題跟原問題很相似，所以化簡後的目標函數求得的近似最佳解，代回原問題也會是近似最佳解，但我們其實不知道XD
     - 假設是透過懲罰項化簡，這樣懲罰項係數的設定就相當重要，甚至重要性已經超越原來的問題，結果好壞大致上取決於此超參數(hyper-parameter)設定
     

### 無線通道衰減 Wireless Channel Impairment
#### 1. Wireless Prooagation
大致上可以把無線傳輸模擬成 $\ P_r[dB] = \overline{P_r(d)} + {\chi} + \gamma(t)$ ，收到的訊號強度 (Received Signal Strength, RSS) = 平均接收功率 (average received power) + 遮蔽效應 (shadowing effect) + 多重路徑衰減 (multi-path fading)

#### 2. Large-Scale Impairment
##### Path Loss
平均接收功率又可看成$\ \overline{P_r(d)}=P_t - L_p(d)$，平均接收功率 = 傳輸功率 (transmission power) - 路徑損耗 (path loss)。由式子可以看出接收功率主要受距離影響，距離越大而path loss也越大，也是最主要訊號衰減的原因(很直覺)。路徑損耗的影響基本上可視為確定的(deterministic)所以很好解決，可以透過量測不同距離下的RSS去繪製 $P_r-d$ 圖或再 train 一個來模擬，直接查別人算好的 look up table 結果也不會差太多，反正path loss不會是通訊演算法的貢獻所在，只要假設合理即可。
##### Shadowing

#### 3. Small-Scale Impairment
##### Rayleigh Fading
##### Rician Fading

## 二、專有名詞/縮寫解釋

通訊領域的縮寫大概是數一數二的多，如果要全部記下來真的會死人==

### LTE
LTE 是指「Long Term Evolution（長期演進技術）」 ，如同過去 GSM/EDGE 和UMTS/HSPA 一樣，屬於網路傳輸技術的一種，畢竟在現在我們使用手機上網需要更快的速度來傳輸資料量，如何透過電波的編碼以及解碼來快速的傳送資料，網路傳輸技術在這當中扮演相當重要的一環。

然而嚴格說起來，LTE 並不能被歸類在 4G 世代的一環，以技術層面上來說，LTE 承襲了 3G 時代使用 UMTS 的相關技術進而提升而來，雖然在速度上提升了不少，但是許多技術並未符合「國際電信聯盟無線電通訊部門」（ITU-R）的要求，嚴格算起來只能稱呼為 3.9G ，算是進入 4G 時代前的過渡期。不過，現在大家都將 4G 與 LTE 混稱在一起，已經變成同義詞，這也無傷大雅，算是一個簡化的稱呼。

### LTE-Advanced
LTE-Advanced 則稱為「長期演進技術升級版」，看到升級版表示這不外乎就是從 LTE 技術升級而來的，而 LTE-Advanced 基本上就是貨真價實的 4G 第四代行動通訊技術的標準之一了。而 LTE-Advanced 主要則是接續 LTE 提提供更快更穩定的行動通訊技術，並且加入了載波聚合以及 MIMO 技術加持提升網路傳輸速度，因為根據 ITU-R 的規範定義，4G 的靜態傳輸速率需達到 1Gbps，使用者在高速移動狀態下可以達到 100Mbps，才可以作為 4G 的技術之一，而升級版的 LTE-Advanced  才可透過以上所說的技術，達到這樣的速度需求。

### RAT
無線電接入技術(Radio Access Technology，簡稱：RAT)是無線通訊網路的底層物理連接方法。截至2013年，很多新型的手機，例如Nexus 4或iPhone 5都能夠在一台設備上支持多個RAT，例如藍牙、Wi-Fi以及3G、4G或LTE。

術語「RAT」傳統上被用在行動通訊網路的可互操作性上(interoperability)。

最近，「RAT」這個術語被用在異構無線網路(Heterogeneous Wireless Networks)的討論中。一個用戶設備會在多個RAT中來選擇使用哪個去連接到網際網路。它的執行類似於基於IEEE 802.11(Wi-Fi)的網路中的接入點選擇。

### 5G NR
5G NR 指的是5G新空中介面(New Radio)。高通(Qualcomm)評論說，NR是個複雜的話題，因為它涉及一種基於正交分頻多工(OFDM)的新無線標準。OFDM指的是一種「數位多載波調變方法」，其中「使用大量間隔緊密的正交子載波訊號在幾個並行資料流程或通道上傳輸資料」。隨著3GPP採用這一標準之後，NR這一術語被沿用下來，正如用LTE描述4G無線標準一樣。
![](https://i.imgur.com/nqq4M11.png)
- 圖1 5G無線電接取(Radio Access)架構由LTE Evolution和新無線電接取技術(New Radio Access Technology，RAT)，也就是NR組成。NR工作在1GHz~100GHz，不相容舊版LTE。
NR需要使用LTE以外的新無線電接取技術——它必須夠靈活，以支持從小於6GHz到高達100GHz的毫米波(mmWave)頻段的更寬範圍頻帶。NR已經選擇了基於OFDM的統一且更有能力的空中介面完成以後的任務。

### OFDM
OFDM是一種定義很好且廣為人知的波形設計原理。4G(LTE及其目前為止的演進)和IEEE 802.11(Wi-Fi)都使用OFDM作為無線發送資料的基本訊號格式。基本上，OFDM使用大量並行窄頻子載波而不是單個寬頻載波來傳輸資訊。

#### 為甚麼OFDM用在5GNR上
選擇OFDM的一些原因如下：
- OFDM是一種對接收器複雜度要求更低的可縮放波形；
- OFDM的框架對多重輸入多重輸出(MIMO)空間複用更加有效，這意味著頻譜效率更高；
- OFDM允許諸如加窗/濾波等強化，以便增強當地語系化；
- SC-FDM/SC-FDMA非常適合用於宏基站部署中的上行鏈路傳輸。

5G面臨的挑戰導致通訊技術越顯侷限，為了滿足5G NR積極的進度預期和技術訴求，標準機構和設計人員需要竭盡所能，並最充分地利用5G空中介面的各頻譜資源。

3GPP專注於三個關鍵的5G用例：
1. 增強行動寬頻(eMBB)
2. 大規模機器通訊(mMTC)
3. 超可靠低延遲通訊(URLLC)

上述對於諸如eMBB的更高的網路容量和更高的峰值資料速率、mMTC的連接密度和能量效率，以及URLLC的高可靠性和低延遲特性等情況的優先順序來說，具有重要的關鍵績效指標(KPI)。

### eMBB
增強型行動寬頻通訊(Enhanced Mobile Broadband, eMBB) 
增強後的寬頻傳輸除了可針對現有的通訊服務提高其傳輸效能並給以用戶無縫的傳輸體驗外，其可進一步開拓新的應用領域和需求。這種寬頻應用情境可涵蓋不同的傳輸範圍，包括廣域覆蓋和熱點傳輸。對於廣域覆蓋的情況下，無縫的覆蓋以及較高的移動速度是主要需求，其數據傳輸速率亦須高於現有的數據傳輸速率。 
在熱點的應用，主要針對具有高用戶密度的區域，其對於移動性的需求較低，但會需要非常高的數據傳輸量，因此此類用戶的數據傳輸率比廣域覆蓋的用戶還高。然而，其高數據傳輸需求會小於熱點傳輸的應用。增強型移動寬頻預期將傳輸速度再提升至下行20Gbit/s、上行10Gbit/s。 

### mMTC
大規模機器型通訊(Massive Machine Type Communications, mMTC) 
該應用的特徵在於連接大量元件設備，約每平方公里內有100萬個裝置的機械間通訊需求，其發送數據量較低且對於傳輸資料延遲有較低需求。此外，此元件設備須具有非常低的製造成本，且須有很長的電池壽命。 

### URLLC
超可靠度和低延遲通訊(Ultra-reliable and Low Latency Communications, URLLC)
此種應用對於數據傳輸量，時延和可靠性的要求非常嚴格。例如工業自動化製造或生產過程的無線控制、遠程醫療手術、智慧電網配電自動化、運輸安全、無人駕駛等，需要高可靠度(錯誤率低於10-5)且低時間延遲(低於1毫秒)的通訊應用。 

### 5G NSA/SA可能架構
NSA就是Non-Stand Alone，而SA就是Stand Alone
原先有12種可能架構，現在剩四種
目前僅NSA Option 3x較成熟，SA Options 2在2020開始才有商用部署
NSA Option 7x和4a目前非關注焦點，因核心網路需整個置換，服務IoT需重做相當耗時
NSA的好處是DC，不需inter-system HO及漫遊，但連結複雜
SA的好處是連結較單純，但會發生inter-system HO及漫遊

### Network Slicing

### QoS
服務品質(英語：Quality of Service，縮寫QoS)是一個術語，在封包交換網路領域中指網路滿足給定業務合約的機率；或在許多情況下，非正式地指分組在網路中兩點間通過的機率。QoS是一種控制機制，它提供了針對不同使用者或者不同資料流採用相應不同的優先級，或者是根據應用程式的要求，保證資料流的效能達到一定的水準。QoS的保證對於容量有限的網路來說是十分重要的，特別是對於串流多媒體應用，例如VoIP和IPTV等，因為這些應用常常需要固定的傳輸率，對延遲也比較敏感。

### QoA
體驗質量(Quality of Experience，QoE)是指使用者對設備、網路和系統、套用或業務的質量和性能的主觀感受。QoE指的是使用者感受到的完成整個過程的難易程度。

### RRC(Radio Resource Control)
無線資源控制協定。RRC處理UE(User Equipment)和eNodeB(Evolved Node-B)之間控制平面的第三層信息。 其中，第一層是物理層（Physical Layer），第二層是媒介訪問控制層（Medium Access Control），RRC是第三層。
![](https://i.imgur.com/e7oK9KR.png)


### RRC 狀態轉換
資料傳送時會發生什麼樣的狀態轉變? 要如何解決上行傳送的問題? 

對於 UE 而言，RRC (Radio Resource Control) 有兩種狀態，分別是：RRC_IDLE 以及RRC_CONNECTED。在 RRC_IDLE 的狀態下，UE 連上 LTE 系統並註冊，但是並沒有連線，此時，UE 會接收來自 eNB 的 paging (呼叫) 的訊息，用以得知接收下載的訊息，同時，UE 也會量測相鄰 cell 的訊號強度。在 RRC_CONNECTED 時，UE 建立 RRC 連線，此時，UE 除了 RRC_IDLE 時所要進行的量測外，還必須聆聽 Control Channel 上的訊息，並回報量測到的訊號品質 (channel quality)。

在 RRC_RRC_CONNECTED 下，又分成兩個狀態：OUT_OF_SYNC 和 IN_SYNC。由於尚未完成同步，UE 在 OUT_OF_SYNC 狀態下，只能夠接收下載資料，而不能夠上傳任何資訊。在 IN_SYNC 的狀態下，UE 可以進行資料的上傳與下載。若是過久沒有上傳資料，UE 的狀態將從 IN_SYNC 進入 OUT_OF_SYNC，此時，若是要重新進入 IN_SYNC 狀態，則必須重新進行 Random Access Procedure ，取得上傳資源，並進行同步。

![](https://i.imgur.com/FqSEjQw.png)

上圖是 RRC 的狀態轉換圖，其中關於轉換的觸發條件列在下方：
- 建立 RRC 連線
- 釋放 RRC 連線
- Random Access Procedure
- 過久沒有上傳資料

### UPF
網元 ，UPF負責將邊緣網路的流量分發導流到MEC業務系統，邏輯上UPF與MEC業務系統是分離、松耦合的
### NFV
NFV即Network Functions Virtualization(網路功能虛擬化)，就是將傳統的CT業務部署到雲平臺上(雲平臺是指將物理硬體虛擬化所形成的虛擬機器平臺，能夠承載CT和IT應用)，從而實現軟硬體解耦合

NFV最主要的5個部分：VNF、NFVI、NFVO、VNFM、VIM
### VNF
虛擬化網路功能-
•執行在虛擬化平臺上的網元軟體
•最小部署單元是一個或者多個VM

### NFVI
NFV基礎設施
•包括虛擬機器管理軟體和硬體
•Hypervisor是每個伺服器上的虛擬計算、虛擬儲存、虛擬網路能力的直接提供者

### NFVO(NFV Orchestration)
•負責網路業務的部署，比如VoLTE服務、RCS服務……，以及跨廠家、跨資料中心的全域性資源管理

### VNFM (VNFmanager)
•負責網元生命週期管理，基本能力包括網元VM的增、刪、查、改

### VIM（Virtual Infrastructure）
•是雲端平臺的管理，負責硬體管理、VM部署、VM協調和排程等

### SBA (Service Based Architecture)
5G network architecture

### URLLC
超可靠低延遲通信(Ultra-Reliable and Low Latency Communications，縮寫URLLC)，是3GPP定義的一種5G特性標準。

該特性將被用於對時延和可靠性具有極高指標要求的工業、物聯網應用場景。例如自動駕駛、智能電網、VR、工廠自動化等領域。

5G技術中的 URLLC 特性還未實現商用。預計2020年完成的3GPP R16可以支持URLLC特性規模商用。

在目前普遍的NSA 5G組網下，信令面承載在LTE上，其時延與LTE一致，不能應用5G NR的 URLLC 技術。

### SON - Self-organizing network
基於自我組織網路，是一種自動化網路管理的技術，目標在於減少參與網路調整流程的人力。其中包括Self-configuration、Self-optimization、Self-healing 三大功能，分別對應「初期服務上線（Rollout）的設定」、「網路效能的最佳化」、「故障偵測與排除」這三大網路管理流程。SON技術的三大功能則可再細分為下列功能項目：

1. Self-configuration：

- 自我測試（Self-testing）：基地台啟動時自動偵測設備型號、軟體版本等資訊，確認系統正常可開始啟動程序
- 自動連線管理（Automatic Connectivity Management）：自動建立OAM、S1、X2連線
- 自我建立（Self-establishment）：自動套用初始設定，以及自動進行軟體更新，並開始運作。
- 實體層ID（Physical Identity, PCI）分配：相鄰或相隔一跳的基地台若使用相同的PCI，會造成訊號的干擾，也會影響手機換手的行為，故需妥善分配有限的PCI。

2. Self-optimization：
![](https://i.imgur.com/344uxPn.png)
圖1 兩種PCI衝突問題

    - 自動鄰居關係（Auto Neighbor Relation，ANR）：決定與週圍基地台的鄰居關係，關係到換手行為，與各種需與鄰居基地台協同合作的SON優化功能。
![](https://i.imgur.com/hK9qZLt.png)
圖2 與鄰近基地台建立鄰居關係

    - 負載平衡（Mobility Load Balancing）：調整換手行為，讓使用者不再連進負載過重的基地台，並讓使用者更容易換手至其他基地台以平衡負載。
![](https://i.imgur.com/SxHXFNh.png)
圖3 MLB調整換手的觸發點，讓使用者均勻分配到各基地台

    - 行動可靠性優化（Mobility Robustness Optimization，MRO）：降低異常換手發生率與斷線率。
![](https://i.imgur.com/ISYphEI.png)
圖4a 理想的換手發生點
![](https://i.imgur.com/VGkElel.png)
圖4b 過早啟動換手導致無法連上目標基地台而斷線
![](https://i.imgur.com/NCDrSfk.png)
圖4c 過晚換手導致未啟動換手機制即斷線
![](https://i.imgur.com/4e4e9G8.png)
圖4d 因錯誤的量測報告導致換手目標錯誤，無法連上目標基地台而斷線

    - 覆蓋與容量優化（Coverage and Capacity Optimization，CCO）：根據需求改變基地台發射功率或天線角度等方式以調整訊號覆蓋範圍，或改善訊號品質不佳的區域。
![](https://i.imgur.com/8w7ekFu.png)
圖5 依需求調整基地台覆蓋範圍，改善訊號不足的區域與訊號品質

    - 隨機存取優化（Random Access Optimization，RO）：提升手機連線至基地台的成功率與速度，在人潮擁擠的熱點（Hot-spot）是相當關鍵的功能。
    - 細胞間干擾控制（Inter-cell Interference Coordination，ICIC）：與鄰近基地台護相協調發射功率或傳送訊息的時機，避免細胞間的干擾以提升訊號品質。
    - 省電（Energy Saving，ES）：使用者人數少或是沒有流量時讓基地台進入休眠狀態，但仍必須留下一定的基地台繼續運作，以維持的訊號覆蓋範圍。
    - 最小化路測功能（Minimun Drive Test，MDT）：收集行動終端以及基地台回傳的各種資訊，可大幅減少以人力進行路測的需求。
    - 故障偵測與補償（Cell Outage Detection and Compensation，CODC）：自動偵測網路中是否有基地台故障或異常而無法服務，並調整各基地台的覆蓋範圍以支援離線的基地台原本負責的服務範圍。

3. Self-healing：
![](https://i.imgur.com/YB68Hol.png)
圖6 調整覆蓋範圍以支援故障的基地台
    
    - 自我修復（Self-Recovery of Network Elements/Software）：偵測到有故障的基地台後，自動嘗試重開機或軟體更新等故障排除機制。

4. 邁向5G通訊時代-SON技術的挑戰
面對5G網路帶來的全新應用與網路架構，SON技術也被寄望支援更多的功能、能夠提升更多網路效能，這些挑戰包括以下項目：

    1. 管理更密集的站點與數量更大、更多元的使用者：
5G系統使用更高的頻率，雖然有更高的傳輸速率與更大的連續頻寬，但在物理特性上訊號不易繞射且衰減得快，使得訊號傳遞距離變短，且更容易受障礙物影響，這代表基地台需要比現在佈建得更密集，但也衍生基地台之間干擾管理與覆蓋範圍分配的問題。另外5G定義的場景中還包括可支援自動駕駛的超高可靠超低時延通信（URLLC）與大連接物聯網（mMTC），前者需要良好的訊號品質與行動可靠性以減少延遲和斷線的機率，後者則需要良好的覆蓋率與充足的網路容量以提供大量裝置同時連線，對於SON技術能提升多少網路的效能將是一大挑戰。

    2. 全新的網路架構：
5G通訊網路也納入了虛擬化網路的架構，也就是過去實體的網路單元，現在可能僅以虛擬機器的形式存在於後端機房的工作站中，其優點在於可快速擴充、故障接管的複雜度較低。而3GPP最新的規格文件也指出SON將可藉由協調模組（Harmonic module）介入此類虛擬網路單元的新增、移除，以及資源分配，以適應瞬息萬變的使用者行為，如何藉由網路回傳的各種讀數預判增減或調整虛擬網路單元的時機，變成SON重要的課題之一。

    3. 主動天線系統（Active antenna system，AAS）：
5G通訊網路引入基於了AAS系統發展的大型陣列天線（massive MIMO）與波束生成（Beamforming）技術，提供了更多可傳輸訊息的通道數與強化訊號品質的機制，可提升頻譜使用率。而3GPP在規格文件中描述了主動天線系統可依照網路容量需求支援細胞分裂（Cell-split）與細胞結合（Cell-merging），意即一組AAS可動態分成兩個獨立的細胞以服務較多的使用者，並在連線數降低時回復為一個細胞，而管理分裂與結合的時機則規屬於SON模組，此一功能會影響大型陣列天線的工作型態（單一細胞或分裂成兩個細胞），因天線資源分配的不同也會影響波束生成最佳化的結果。

    4. 與人工智慧的結合：
由於系統中的SON模組會不停收集網路回傳的各種資訊，並在分析後做出調整網路的決策，以功能而言是最適合引入AI輔助決策的角色。

    5. 對於自動化的疑慮：
在4G時代不少電信商對於SON自動化的管理仍存有疑慮，影響較大的調整如發射功率、天線傾角等仍仰賴人力與過去的經驗，因此3GPP在標準制定會議中也談到了人為介入（Human Intervension)時機，SON應該將決策流程分類為一次性的Open-loop與重複執行的Close-loop兩種，並分別設定可人為介入的時機，以提高管理人員的信任度，例如進行SON優化功能中有數個過程檢查點需要管理人員許可才可繼續執行，或是計算出調整網路的決策時，實施前應要管理人員核可才能套用調整。

### GA
遺傳演算法(Genetic Algorithm, GA)

### PSO
粒子群最佳化（Particle Swarm Optimization, PSO），又稱粒子群演算法、微粒群演算法，是由 J. Kennedy 和 R. C. Eberhart 等於1995年開發的一種演化計算技術，來源於對一個簡化社會模型的類比。其中「群（swarm）」來源於微粒群符合 M. M. Millonas 在開發應用於人工生命（artificial life）的模型時所提出的群體智慧型的5個基本原則。「粒子（particle）」是一個折衷的選擇，因為既需要將群體中的成員描述為沒有品質、沒有體積的，同時也需要描述它的速度和加速狀態。

PSO 演算法最初是為了圖形化地類比鳥群優美而不可預測的運動。而通過對動物社會行為的觀察，發現在群體中對資訊的社會共享提供一個演化的優勢，並以此作為開發演算法的基礎。通過加入近鄰的速度匹配、並考慮了多維搜尋和根據距離的加速，形成了 PSO 的最初版本。之後引入了慣性權重w來更好的控制開發（exploitation）和探索（exploration），形成了標準版本。為了提高粒群演算法的效能和實用性，中山大學、（英國）格拉斯哥大學等又開發了自適應（Adaptive PSO）版本和離散（discrete）版本

PSO 演算法屬於一種萬能啟發式演算法，能夠在沒有得知太多問題資訊的情況下，有效的搜尋具有龐大解空間的問題並找到候選解，但同時不保證其找到的最佳解為真實的最佳解。

### diversity gain 分集增益
分集增益是由於某些分集方案而導致的信號干擾比的增加，或者是在引入分集方案時可以降低多少傳輸功率，而不會造成性能損失。 分集增益通常以分貝表示，有時也以功率比表示。

### diversity gain in MIMO
分集增益是在給定誤碼率 (bit error rate, BER) 下所需的接收 SNR 在衰落中的平均下降。 具體來說，這是通過減少智能天線的衰落而獲得的衰落餘量的減少。

### SNR
訊噪比（Signal-to-noise ratio）
訊噪比的全名是訊號雜訊比（Signal-to-noise ratio），也可以縮寫為SNR或S/N，通常以昨天提的分貝（dB）為單位，訊噪比的公式為：
![](https://i.imgur.com/A61bAVF.png)
因為是訊號 / 雜訊，訊噪比越高，訊號的成分就越高，所以我們會希望訊噪比是越高越好

我們會需要知道真實訊號與雜訊之間的比值，是因為像訊號進入一些電子設備像是擴大機，擴大機也是會有雜訊的，對於雜訊較低的情況，音響圈有種說法是聲音的背景較黑或不毛躁，然後訊噪比高的音響設備，因為減少的噪音的成分，所以能聽見一些可能會被噪音掩蓋的弱音細節

### 訊號干擾比（Signal-to-inteference ratio）
訊號干擾比是訊號（S）/ 干擾（I），跟前面的訊噪比聽起來很像，但其實如果不去關注名字差異的話，這個訊號干擾比的感覺就像你在搭交通工具時，在路上就是很吵呀，所以戴著耳機聽音樂時，音量會調得比平常還大聲
![](https://i.imgur.com/uqLGPjT.png)

### NOMA (Non-Orthogonal Multiple Access)
NOMA的基本思想是以增加接收機複雜度作為最終代價來支持用戶之間的非正交資源分配，也因此分離非正交信號為一個必須的手段

## 三、論文中常見的術語

### Path Loss 路徑丟失

### LOS / NLOS 視距/非視距
LOS( line of sight) 和 NLOS（Non Line of Sight），我們通常將無線通信系統的傳播條件分成視距(LOS)和非視距(NLOS)兩種環境。視距條件下，無線信號無遮擋地在發信端與接收端之間”直線“傳播，這要求在第一菲涅爾區(First Fresnel zone)內沒有對無線電波造成遮擋的物體，如果條件不滿足，信號強度就會明顯下降。菲涅爾區的大小取決於無線電波的頻率及收發信機間距離。

### Phase 相位

### Heterogeneous network 異質網路
系統由不同作業系統和/或執行不同協定的電腦所組成。舉例來說，連接微軟公司Windows作業系統，Linux和蘋果電腦的區域網路便是異質網路。

### Channel Estimate 通道估計
在所有通訊中，訊號都會通過一個介質（稱為通道），並且訊號會失真，或者在訊號通過通道時會向訊號中新增各種噪聲。正確解碼接收到的訊號而沒有太多錯誤的方法是從接收到的訊號中消除通道施加的失真和噪聲。為此，第一步是弄清訊號經過的通道的特性。表徵通道的技術/過程稱為通道估計（channel estimation）。
![](https://i.imgur.com/aRBfxL8.png)

通道估計有很多不同的方法，但是基本概念是相似的。該過程如下進行。
1. 設定一個數學模型，以使用“通道”矩陣將“發射訊號”和“接收訊號”相關。
2. 發射已知訊號（我們通常將其稱為“參考訊號”或“導頻訊號”）並檢測接收到的訊號。
3. 通過比較傳送訊號和接收訊號，我們可以找出通道矩陣的每個元素。

詳細說明>>https://iter01.com/509514.html

### Positioning 定位

### beamforming 波束成型

### interference 干擾

## 四、近代網路領域研究熱門 keyword & 論文分享
### Localization
- J. A. del Peral-Rosado, R. Raulefs, J. A. López-Salcedo and G. Seco-Granados, "Survey of Cellular Mobile Radio Localization Methods: From 1G to 5G," in *IEEE Communications Surveys & Tutorials*, vol. 20, no. 2, pp. 1124-1148, Secondquarter 2018, doi: 10.1109/COMST.2017.2785181
  - 蜂窩系統從專用的移動通信系統發展為幾乎無處不在的系統，隨時隨地為任何設備提供無限覆蓋。網路的日益普及激起了人們對確定移動設備自身位置的期望。 自標準化開始以來，每一代蜂窩移動無線電都是為通信服務而設計的，而衛星導航系統，如全球定位系統 (GPS)，已將精確定位作為移動終端的附加服務提供。 依賴於移動網絡元素的獨立定位服務僅提供粗略的位置估計。 
  - 此外，基於衛星的技術在室內和城市地區的定位性能嚴重下降。 因此，只有在隨後的蜂窩標準版本中，才考慮使用更準確的基於蜂窩的定位方法來適應更具挑戰性的定位服務。 該調查概述了從第一代到第四代蜂窩移動無線電標準化的各種定位方法的演變，並探討了對即將到來的第五代蜂窩移動無線電的新無線電和網絡方面的預期。

### Reconfigurable Intelligent Surface (RIS)
補充說明: 其實RIS跟IRS的縮寫都有人用，論文搜尋也大多看到IRS關鍵字，起因是第一個發明智能反射板技術的作者使用這個詞，後續作者就都接著的用，但因為IRS的縮寫容易跟其他縮寫誤會，所以建議用RIS比較不會誤會。
- E. Björnson, Ö. Özdogan and E. G. Larsson, "Intelligent Reflecting Surface Versus Decode-and-Forward: How Large Surfaces are Needed to Beat Relaying?," in *IEEE Wireless Communications Letters*, vol. 9, no. 2, pp. 244-248, Feb. 2020
  - 2020年2月發表於*IEEE Wireless Communications Letters*的文章“Intelligent Reflecting Surface Versus Decode-and-Forward: How Large Surfaces are Needed to Beat Relaying? ” 目前累積被引用次數有367次。
  - 文中考慮在智能反射板(Reconfigurable Intelligence Surface, RIS)能做到完美相位偏移(ideal phase-shifting)且在平坦衰減通道(frequency-flat fading channels)的條件下比較，發現RIS需要幾百個被動反射元件(discrete element)才能達到跟傳統的Decode-and-Forward (DF) relaying一樣的效果。
  - 此處的效果定義為最小化總傳輸功率(transmit power)及最大化能源效率(energy efficiency)。
  - 從模擬結果觀察到，只有在要求非常高鏈路頻譜效率(bit/s/Hz)或有極大反射面積的情況下，RIS才有辦法勝過DF relaying。
  - 此外本文選用的是最一般的DF relay scheme，若是考慮其他更強的DF Protocol還達到更高的achievable rate，使得DF relaying更具競爭力。

人物介紹: [E. Björnson](https://scholar.google.se/citations?user=Maij4akAAAAJ&hl=sv)教授是Relay, RIS, Massive MIMO相關領域大佬，他們的論文除了單純跑數值模擬，都會有數學理論分析及相關證明，且大多論文會附code在[github](https://github.com/emilbjornson)上，教授有開自己的youtube頻道 [Wireless Future](https://www.youtube.com/c/WirelessFuture) 提供 [Massive MIMO](https://www.youtube.com/playlist?list=PLTv48TzNRhaKOPQ_nDTHzSDJK36AKuqaW), [Multi-Antenna Comm.](https://youtube.com/playlist?list=PLTv48TzNRhaJ66mW48MI_HBBawupV_ZR_) 等等課程，也有[podcast](https://youtube.com/playlist?list=PLTv48TzNRhaKqYJlNucvpaN6Mr8Slkk8Z)節目介紹最新5G/6G技術及趨勢。

### 5G O-RAN (Open Radio Access Network)
目的是反壟斷各營運商獨佔系統架構

### Cloud-RAN

### Network Slicing

### Network service orchestration
- De Sousa, Nathan F. Saraiva, et al. "Network service orchestration: A survey." Computer Communications 142 (2019): 69-94.

### Multi-Domain Orchestration
- K. Katsalis, N. Nikaein and A. Edmonds, "Multi-Domain Orchestration for NFV: Challenges and Research Directions," 2016 15th International Conference on Ubiquitous Computing and Communications and 2016 International Symposium on Cyberspace and Security (IUCC-CSS), 2016, pp. 189-195, doi: 10.1109/IUCC-CSS.2016.034.
- T. Taleb, I. Afolabi, K. Samdanis and F. Z. Yousaf, "On Multi-Domain Network Slicing Orchestration Architecture and Federated Resource Control," in IEEE Network, vol. 33, no. 5, pp. 242-252, Sept.-Oct. 2019, doi: 10.1109/MNET.2018.1800267.

### Zero Touch Network (Zero Touch System and Management, ZSM)
- C. Benzaid and T. Taleb, "AI-Driven Zero Touch Network and Service Management in 5G and Beyond: Challenges and Research Directions," in IEEE Network, vol. 34, no. 2, pp. 186-194, March/April 2020, doi: 10.1109/MNET.001.1900252.
- B. Angui, R. Corbel, V. Q. Rodriguez and E. Stephan, "Towards 6G zero touch networks: The case of automated Cloud-RAN deployments," 2022 IEEE 19th Annual Consumer Communications & Networking Conference (CCNC), 2022, pp. 1-6, doi: 10.1109/CCNC49033.2022.9700507.
- Chergui, Hatim, et al. "Zero-Touch AI-Driven Distributed Management for Energy-Efficient 6G Massive Network Slicing." IEEE Network 35.6 (2021): 43-49.
- Liyanage, Madhusanka, et al. "A survey on Zero touch network and Service (ZSM) Management for 5G and beyond networks." Journal of Network and Computer Applications (2022): 103362.

### 6G LEO Satellite Communication
- 交大王毓駒老師的"雷達與衛星網路的技術與商業應用"
https://www.youtube.com/watch?v=831A78O2tMA

- Y. Su, Y. Liu, Y. Zhou, J. Yuan, H. Cao and J. Shi, "Broadband LEO Satellite Communications: Architectures and Key Technologies," in IEEE Wireless Communications, vol. 26, no. 2, pp. 55-61, April 2019, doi: 10.1109/MWC.2019.1800299.

### Software Defined Constellation
- H. Khalili et al., "Benefits and Challenges of Software Defined Satellite-5G Communication," 2019 15th Annual Conference on Wireless On-demand Network Systems and Services (WONS), 2019, pp. 1-4, doi: 10.23919/WONS.2019.8795462.

- F. Patrone et al., "Data-driven Network Orchestrator for 5G Satellite-Terrestrial Integrated Networks: The ANChOR Project," 2021 IEEE Global Communications Conference (GLOBECOM), 2021, pp. 1-6, doi: 10.1109/GLOBECOM46510.2021.9685584.

- P. Zhang, C. Wang, N. Kumar and L. Liu, "Space-Air-Ground Integrated Multi-Domain Network Resource Orchestration Based on Virtual Network Architecture: A DRL Method," in IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 3, pp. 2798-2808, March 2022, doi: 10.1109/TITS.2021.3099477.


## 五、通訊 / 電信相關期刊, 研討會介紹
### 通信類權威會議
- A類會議: 本學科最頂尖級水平的國際會議
- B類會議: 學術水平較高、組織工作成熟、按一定時間間隔性召開的國際會議。

#### A類會議 編號(編號不表示優先順序) / 英文名稱 / 英文簡稱 / 中文名稱 / 備註
1. IEEE International Conference on Acoustics, Speech and Signal Processing / ICASSP / IEEE 聲學、語音和訊號處理國際會議
2. IEEE International Conference on Image Processing / ICIP/ IEEE 圖像處理國際會議
3. International Conference on Pattern Recognition / ICPR / 模式識別國際會議
4. IEEE International Conference on Communications / ICC / IEEE通訊國際會議 (這個和下面的經常被老師掛在嘴邊，對我們來說只是傳說啦，但畢業門檻要投一篇 ICC 或 Globecom 哭阿)
5. IEEE Global Telecommunications Conference / Globecom / IEEE 全球電信會議
6. IEEE International Conference on Intelligent Transportation System / ITSC / IEEE 智能交通系統國際會議
7. Annual IEEE Conference on Computer Communications / IEEE INFOCOM / IEEE 計算機通訊會議
8. IEEE Radar Conference / IEEE 雷達會議 / 雖說是雷達領域的頂會，但可能因為太小眾(nishe)，所以其實比 WCNC 或 VTC 還要好投

#### B類會議 編號(編號不表示優先順序) / 英文名稱 / 英文簡稱 / 中文名稱 / 備註
1. International Conference On Natural Language Processing / ICON / 自然語言處理國際會議
2. International Conference on Telecommunications / ICT / 電信國際會議
3. International Geoscience and Remote Sensing Symposium / IGARSS / 地球科學與遙感國際研討會
4. Picture Coding Symposium / PCS / 圖像編碼研討會
5. ACM Conference on Computer and Communications Security / CS / ACM 計算機與通訊安全會議 
6. IEEE Military Communications Conference / MILCOM / IEEE 軍事通訊會議
7. International Broadcasting Convention / IBC / 國際廣播會議
8. IEEE Wireless Communications & Networking Conference / WCNC / IEEE 無線通訊和網路會議 (通訊領域很不錯的會議，如果只有上 WCNC 應該還是可以畢業XD)
9. SPIEConference on Visual Communications and Image Processing / VCIP / SPIE 視覺通訊和圖像處理會議
10. International Symposium on Wireless Personal MultimediaCommunications / WPMC / 無線個人多媒體通訊國際研討會
11. IEEE International Conference on Third Generation Wireless and Beyond/3G andBeyond / IEEE 第三代及以上無線通訊國際會議
12. ACMMobicom / ACM / 行動通訊會議
13. International Conference on Network Protocol / ICNP / 網路協定國際會議
14. IEEE Speech Coding Workshop
15. International Conference on Speech and Language Processing / ICSLP / 語音語言處理國際會議
16. International Symposium on Chinese Spoken LanguageProcessing / ISCSLP / 中文口語語言處理國際會議
17. MOBI COM & MOBI HOC / 行動 Ad hoc 行動通訊會議 / Ad hoc 的頂級年會
18. Vehicular Technology Conference / VTC / 國際傳輸技術會議 / 與產業界結合比較緊密的會議 每年2次
19. ACMConference on Embedded Networked Sensor Systems Sensys / 嵌入式網路傳感系統 / WSN 的頂級年會(Single Track 的小會)
20. Global Navigation Satellite Systems / ION/IEEEGNSS / 全球導航衛星系統會議 / IEEE 和美國導航學會聯合召開的年會
21. International conference on Radar / ICR / 中美英法澳五國輪流召開
22. IEEE Conference on Computer Vision and Pattern Recognition / CVPR / 電腦視覺與模式識別會議 / (2017年前還是水會 但現在是 AI 的超級頂會)
23. IEEE International Conference on Multimedia & Expo / ICME / 多媒體 IEEE 國際會議及展覽會 / 每年召開
24. IEEE International conference on Computer Vision / ICCV / 電腦視覺 IEEE 國際會議
25. International Conference on Document Analysis and Recognition/ICDAR / 文檔分析和識別國際會議 / 文字識別領域最重要的會議 每2年召開一次

### 國際頂尖期刊
- 如果看到一篇感覺還不錯的文章，但發在不熟悉、不認識的會議或期刊上，可以從 google scholar 查詢 top publications 的排名，以確認可信度，舉例如下:
  - [Engineering & Computer Science](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng)
    - [Artificial Intelligence](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_artificialintelligence)
    - [Computer Networks & Wireless Communication](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_computernetworkswirelesscommunication)
    - [Computer Vision & Pattern Recognition](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_computervisionpatternrecognition)
    - [Radar, Positioning & Navigation](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_radarpositioningnavigation)
    - [Signal Processing](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=eng_signalprocessing)
  - [Physica & Mathmematics](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=phy)
  - [Chemical & Material Sciences](https://scholar.google.es/citations?view_op=top_venues&hl=en&vq=chm)
- 但會議或期刊的實際好壞還是只有學術圈、業內人士才清楚，學生看起來都覺得好像很厲害，所以還是跟老師學長姊同學確認一下比較好。


### 文獻搜尋工具
- [google](https://www.google.com.tw/) 搜尋引擎比大多論文網站強，所以還不確定自己要找什麼的話，從google搜尋 "可能的關鍵字 + 論文網站名稱" 開始準沒錯。
- [google scholar](https://scholar.google.com.tw/) 查找被引用論文跟作者聲望很方便。
- [Read This Paper](https://readthispaper.com/tw/) 有AI推薦閱讀順序、推薦關鍵概念與技術，像是某種論文推薦系統。
- [Paper With Code](https://paperswithcode.com/) 用來找有附code的論文，CS論文沒附code根本不能信((誤XD


### 



## 六、高等無線網路 課堂拍照
### EP1 5G: An Introduction from Teleco Perspective  
![](https://i.imgur.com/vF3Y49Z.jpg)
![](https://i.imgur.com/sPKZrCz.jpg)
![](https://i.imgur.com/aS7OtPh.jpg)
![](https://i.imgur.com/sPMnasA.jpg)
![](https://i.imgur.com/nWFa5K4.jpg)
![](https://i.imgur.com/5ZS8T4q.jpg)
![](https://i.imgur.com/E408FLj.jpg)
![](https://i.imgur.com/MnCv9HL.jpg)
![](https://i.imgur.com/VUpQFl9.jpg)
![](https://i.imgur.com/DovubeD.jpg)
![](https://i.imgur.com/7JdjOyx.jpg)
![](https://i.imgur.com/y5n2tTs.jpg)
![](https://i.imgur.com/u4KCJl5.jpg)
![](https://i.imgur.com/UKk90x5.jpg)
![](https://i.imgur.com/rOcXiRx.jpg)
![](https://i.imgur.com/IEGKRa2.jpg)
![](https://i.imgur.com/bWXdcLY.jpg)
![](https://i.imgur.com/1cAUcsw.jpg)
![](https://i.imgur.com/Gvz00lG.jpg)
![](https://i.imgur.com/JAHoSlo.jpg)
![](https://i.imgur.com/7kYeosK.jpg)
![](https://i.imgur.com/osDsbs5.jpg)
![](https://i.imgur.com/NQbgAiE.jpg)
![](https://i.imgur.com/6s6lkjV.jpg)
![](https://i.imgur.com/f5Ktra4.jpg)
![](https://i.imgur.com/pQp3suL.jpg)
![](https://i.imgur.com/EXdVCZ1.jpg)
![](https://i.imgur.com/wFYVa5k.jpg)
![](https://i.imgur.com/ThnAQWn.jpg)
![](https://i.imgur.com/VSNkV6r.jpg)
![](https://i.imgur.com/uk36XIV.jpg)
![](https://i.imgur.com/5E00U2z.jpg)
![](https://i.imgur.com/lcI2kPf.jpg)

ep4
![](https://i.imgur.com/RJjM6V2.jpg)
![](https://i.imgur.com/hu3CBU8.jpg)
![](https://i.imgur.com/GnX8PiZ.jpg)