srsRAN_4G项目中PDN连接拒绝问题的分析与解决
2025-06-19 03:39:26作者:房伟宁
问题背景
在使用srsRAN_4G开源项目搭建4G网络测试环境时,开发人员遇到了一个典型的PDN(分组数据网络)连接拒绝问题。该问题表现为:当使用特定SIM卡时,用户设备(UE)能够成功完成初始附着过程,但在后续的PDN连接请求阶段被网络拒绝,导致无法建立数据连接。
现象对比分析
通过对比两种不同SIM卡的行为,可以观察到以下关键差异:
-
正常工作的SIM卡:
- 成功完成EMM(移动性管理)和ESM(会话管理)流程
- 正确接收并处理ESM信息请求
- 最终建立数据承载(E-RAB)
- 获得IP地址分配(172.16.0.2)
-
存在问题的SIM卡:
- 虽然完成了认证和安全模式建立
- 但在PDN连接请求阶段被连续拒绝
- 最终导致UE上下文释放
根本原因分析
深入分析日志后发现,问题的核心在于IMSI(国际移动用户识别码)的格式配置。在移动通信系统中:
- IMSI应由三部分组成:MCC(移动国家码)+MNC(移动网络码)+MSIN(移动用户识别码)
- 在srsRAN_4G实现中,系统严格校验IMSI的起始部分必须与配置的MCC和MNC匹配
- 问题SIM卡的IMSI(001010123456789)起始部分与系统配置的MCC(999)和MNC(70)不匹配
- 而正常SIM卡的IMSI(999700000085513)则完全符合这一要求
技术细节
当UE发起PDN连接请求时,MME(移动管理实体)会执行以下关键检查:
- IMSI格式验证:确保IMSI符合3GPP规范
- MCC/MNC匹配:验证IMSI前几位是否与当前网络配置一致
- 订阅信息检查:查询HSS获取用户QoS配置
- APN解析:确认请求的APN是否被允许
在问题案例中,由于IMSI格式不匹配,系统在内部处理时无法正确关联用户订阅信息,导致PDN连接被拒绝。
解决方案
要解决此类问题,可以采取以下措施:
- 统一IMSI配置:确保SIM卡的IMSI起始部分与网络配置的MCC/MNC完全一致
- HSS数据同步:检查HSS中存储的用户数据是否与SIM卡信息匹配
- 日志分析:通过详细日志确认拒绝的具体原因代码
- 配置验证:检查epc.conf文件中的MCC和MNC设置
经验总结
这个案例揭示了在4G网络测试中几个重要原则:
- IMSI格式规范在移动通信系统中的重要性
- 系统组件间数据一致性的关键作用
- 日志分析在问题定位中的价值
- 测试环境配置的精确要求
对于使用srsRAN_4G搭建测试网络的开发者,建议在部署前仔细检查所有身份标识参数的配置一致性,包括但不限于IMSI、MCC、MNC等关键参数,以避免类似连接问题的发生。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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
基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 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 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
327
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
56
33
🔥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
🎉 (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
1.22 K
669