srsRAN与free5GC集成中5QI参数不兼容问题解析
2025-06-19 17:28:15作者:霍妲思
问题背景
在5G核心网与无线接入网的集成测试中,开发者经常遇到PDU会话建立失败的情况。本文针对srsRAN项目与free5GC核心网集成时出现的"PDU Session Resource Setup Unsuccessful by RadioNetwork"错误进行深入分析,特别关注5QI参数配置的关键作用。
错误现象分析
当使用free5GC v3.0.100与srsRAN_UE 23.11、srsRAN_Project 24.10进行集成测试时,系统日志显示虽然UE已成功完成认证流程,但在PDU会话建立阶段出现失败。具体表现为:
- AMF成功接收PDUSessionResourceSetupResponse消息
- SMF收到Update SM Context Request
- 最终出现"PDU Session Resource Setup Unsuccessful by RadioNetwork[0]"警告
根本原因
经过深入排查,发现问题根源在于5QI(5G QoS Identifier)参数的兼容性:
- free5GC默认使用的5QI值为8
- srsRAN_Project当前版本不支持5QI=8的QoS配置
- 这种不匹配导致无线侧无法按照核心网要求的QoS特性建立PDU会话
5QI参数详解
5QI是5G网络中用于标识QoS特性的关键参数,它定义了以下特性:
- 资源类型(GBR/Non-GBR)
- 优先级
- 分组延迟预算
- 分组错误率
- 默认最大数据突发量
常见5QI值及其含义:
- 5QI=1:GBR业务,语音通话
- 5QI=8:Non-GBR业务,高优先级视频
- 5QI=9:Non-GBR业务,普通互联网接入
解决方案
针对该兼容性问题,可采用以下解决方案:
-
修改free5GC配置:将默认5QI值从8改为1
- 找到SMF配置文件中的5QI参数设置
- 修改为srsRAN支持的5QI值(如1)
-
验证配置生效:
- 重启相关网元使配置生效
- 通过日志确认新的5QI值已被使用
- 验证PDU会话建立成功
配置建议
对于srsRAN与free5GC集成环境,推荐采用以下QoS配置策略:
- 初始测试阶段使用5QI=1(GBR语音业务)
- 确保核心网与无线侧的5QI支持列表一致
- 在双方都确认支持的5QI范围内进行业务测试
经验总结
- 5G网络集成中,QoS参数匹配是容易被忽视但至关重要的环节
- 不同厂商的设备/软件对5QI的支持可能存在差异
- 出现PDU会话建立失败时,应优先检查QoS参数兼容性
- 详细的日志分析是定位此类问题的有效手段
通过正确配置5QI参数,可以确保srsRAN与free5GC之间的PDU会话成功建立,为后续的5G业务测试奠定基础。
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
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 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 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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
330
暂无简介
Dart
685
160
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
326
🔥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
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869