srsRAN_4G项目中UE附着问题的分析与解决方案
问题背景
在使用srsRAN_4G项目进行5G网络切片实验时,遇到了UE(用户设备)无法正常附着到gNB(基站)的问题。实验环境采用了Open5GS核心网、srsRAN_Project的gNB以及srsRAN_4G的UE模拟器,通过ZMQ接口进行连接。
问题现象
在配置网络切片后,srsUE在启动过程中会卡在"Attaching UE"阶段,无法完成完整的附着流程。即使尝试移除切片配置,问题依然存在。
配置分析
核心网配置
Open5GS核心网中,AMF和NSSF的配置包含了两个网络切片:
- 切片1:SST=1,SD=0x000001
- 切片2:SST=1,SD=0x000002
gNB配置
gNB配置文件中明确指定了支持的切片信息,包括:
- 切片ID配置
- 切片类型设置
- 切片资源分配参数
UE配置
UE配置文件中包含了:
- 切片订阅信息
- APN设置
- ZMQ接口参数
- 采样率设置(初始为11.52MHz,后调整为23.04MHz)
排查过程
-
采样率调整:最初怀疑采样率设置不当,从11.52MHz调整为23.04MHz,但问题依旧。
-
APN设置检查:将APN从"srsapn"改为"internet",未解决问题。
-
配置简化测试:尝试使用基础配置(不含切片)进行测试,发现问题依然存在。
-
核心网替换:将自行搭建的Open5GS替换为srsRAN提供的Docker版Open5GS核心网,问题得到解决。
解决方案
最终确定的解决方案包括:
-
使用Docker版核心网:采用srsRAN官方提供的Open5GS Docker容器作为核心网。
-
多UE连接方案:通过GNU Radio Companion作为broker,实现多个UE同时连接。
-
完整系统架构:
- 1个Docker版Open5GS核心网
- 1个srsRAN gNB,配置2个网络切片
- 3个srsUE,其中2个连接至第一个切片,1个连接至第二个切片
经验总结
-
核心网配置的准确性对UE附着过程至关重要,使用官方提供的容器镜像可以减少配置错误。
-
网络切片功能的实现需要gNB、核心网和UE三方的配置协调一致。
-
多UE连接时,ZMQ接口可能需要额外的broker组件来管理连接。
-
采样率设置应根据实际硬件能力和需求合理配置,23.04MHz是推荐的基准值。
配置建议
对于希望实现类似网络切片功能的用户,建议:
-
从基础配置开始验证,逐步添加切片功能。
-
优先使用经过验证的容器化核心网解决方案。
-
多UE场景下,考虑使用专门的broker管理连接。
-
仔细核对各组件间的参数匹配,特别是切片ID和类型设置。
通过以上方法,可以成功构建支持网络切片的5G实验环境,并实现多个UE在不同切片上的正常运行。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0307- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









