srsLTE项目中使用USRP设备时的"Tx while waiting for EOB"超时问题分析
2025-06-19 05:30:23作者:翟江哲Frasier
问题现象描述
在使用srsLTE项目构建LTE基站(eNodeB)时,当运行srsenb程序连接USRP设备(B210/X410等)时,控制台会反复出现"Tx while waiting for EOB, timed out..."的错误信息。同时伴随着CPU性能调节器无法验证的警告信息。
根本原因分析
经过对多个案例的研究,这个问题主要源于以下两个方面的因素:
-
计算资源不足:USRP设备对主机的实时处理能力有较高要求,当CPU性能不足或调度不及时时,会导致射频数据处理超时。
-
虚拟化环境限制:在虚拟机中运行时,虚拟化层引入的额外开销会显著影响实时性能,特别是USB设备的直通和中断处理。
解决方案
方案一:使用物理机环境
最可靠的解决方案是在物理机上直接安装Ubuntu系统(推荐22.04 LTS版本),避免虚拟化带来的性能损耗。物理机环境能够:
- 提供完整的CPU性能
- 直接访问USB控制器
- 更好的实时性保证
方案二:调整PRB配置
如果必须使用虚拟机环境,可以尝试减少物理资源块(PRB)的数量来降低处理负载:
- 将n_prb参数从50减少到25
- 修改rr.conf中的相关配置 这种方法虽然会降低系统容量,但可能使系统在有限资源下稳定运行。
方案三:优化虚拟机配置
对于必须使用虚拟机的情况,可以尝试以下优化措施:
- 分配更多vCPU资源
- 启用CPU透传(passthrough)功能
- 配置USB设备直通
- 调整虚拟机CPU调度参数
系统配置建议
-
CPU性能模式:确保系统运行在performance模式
sudo cpupower frequency-set -g performance -
实时内核:考虑使用Linux实时内核(RT kernel)以获得更好的确定性延迟
-
USRP时钟设置:确认设备时钟配置正确,如B210使用23.04MHz主时钟
配置示例
以下是一个经过验证的基本enodeB配置示例(enb.conf):
[enb]
enb_id = 0x19B
mcc = 001
mnc = 01
mme_addr = 127.0.0.6
gtp_bind_addr = 127.0.1.1
s1c_bind_addr = 127.0.1.1
n_prb = 25 # 降低PRB数以减少计算负载
总结
"Tx while waiting for EOB"超时问题本质上是实时性无法满足的表现。在srsLTE项目中,建议优先考虑物理机部署方案。如果必须使用虚拟化环境,则需要精心调优配置并适当降低系统负载。理解USRP设备对实时性的要求,合理配置系统资源,是保证LTE基站稳定运行的关键。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660