Xilinx技术支持英国布里斯托大学打造5G城市网络

发布时间:2018-03-23 阅读量:1202 来源: 我爱方案网 作者:

Xilinx宣布,英国布里斯托大学(University of Bristol)智能互联网实验室采用赛灵思芯片技术部署并演示全球首个端到端 5G 城市网络。

这种灵活可编程的 5G 网络测试平台, 包括使用多种协议连接到 5G 虚拟基带池的 5G NR 无线电头端,具有的动态低时延聚合与弹性带宽分配利用端到端 SDN 控制环境进入光纤回程。此次5G 网络测试平台上展示了“超互联(hyper-connected)”智能城市环境中的用例,如增强现实、自治交通与智能旅游等,该项目由英国政府数字文化传媒和体育部(DCMS)资助。

第五代无线接入网络有望于 2020 年以后可以满足新用例和应用的系统和服务要求。为了满足 2020 年信息社会的需求,5G最重要的工作就是产业互联与新服务支持。第四代,即 4G LTE,其焦点集中在使用者与场所的通信与信息分享,而5G则将范围扩展到了机器,可为通信和信息共享的 4G 主题添加可靠与适应性强的控制和监控功能。这种转变对系统要求与设计理念具有积极深远的影响。5G 的愿景涵盖我们生活的方方面面,从我们如何制造、生产、运输、存储及消费商品,到过程中的能源与环境管理,再到我们如何生活、工作、通勤、娱乐与休闲等无所不包。

布里斯托大学智能互联网实验室主任 Dimitra Simeonidou 指出:“我们接下了在布里斯托设计并部署全球首个 5G 城市网络的挑战,并于3月17 日到18 日向公众展示了相关服务。我们架构的核心是网络边缘的灵活性与可编程性,包括流量聚合和计算,以及整个基础架构中硬件托管网络功能的分解。为了支持上述架构,我们广泛采用了赛灵思的平台技术。我们的5G开放硬件解决方案完全可迁移,并且目前已有计划在英国和欧洲其他城市进行部署。”

在实现 5G 概念验证、测试平台以及 eMBB、URLLC 和 mMTC 用例的早期商业化试验方面,赛灵思 All Programmable FPGA 和 SoC 发挥着至关重要的作用。商业芯片尚未上市,ASIC 在早期 5G 标准化阶段不可行,而基于赛灵思可编程 FPGA 和 SoC 的平台的关键价值,在于这些平台能够针对任何功能和增强型算法的实现进行动态灵活修改,从而可以满足多种不同的用例要求。

赛灵思通信业务副总裁 Farhad Shafai 表示:“赛灵思在推进创新、行业标准发展、概念验证、测试平台以及技术的成功商业化方面具有长久的历史,从而能紧跟不断演进发展的标准,满足持续增长的连接与带宽需求。赛灵思是通信、云计算、工业、汽车、医疗、广播及公共安全等多个市场的领先技术供应商。5G 大趋势对赛灵思是一个独特的机遇,可以充分利用其深耕多年并在多个市场领域的领先地位和技术投资,为整个行业满足 2020 年互联信息化社会的要求做出贡献。”


方案超市都是成熟的量产方案和模块,欢迎合作:

双通道脑电采集电路方案设计 10000
单通道脑电采集电路方案设计 10000


快包任务,欢迎技术服务商承接:

7寸智能串口屏方案
车用 TFT LCD 显示屏解决方案
无线病房呼叫系统连接器电路设计方案


>>购买VIP会员套餐

相关资讯
强强联合!英伟达50亿入股英特尔

英伟达投资50亿入股英特尔股票

​温补晶振(TCXO)核心技术解析:8大关键参数决定系统时序精度​

在高速通信、精准导航与精密测量等尖端领域,电子系统的时序架构对时钟信号稳定性的要求已近乎苛刻——其精度如同机械钟表的游丝摆轮,微小偏差便可能引发整个系统的时序紊乱,导致数据传输错误、定位偏移或测量失准。环境温度的波动一直是普通晶振频率稳定性的最大挑战,而温补晶振(Temperature Compensated Crystal Oscillator,简称TCXO)作为高精度时钟基准的核心器件,正是为解决这一核心问题而生。它凭借内置的“感知-计算-补偿”机制,在宽温环境下实现对频率的精准锁定,将温度变化引发的漂移压制在极低水平,成为高端电子系统中不可或缺的“时序锚点”。要真正理解并选型这一精密器件,就必须深入剖析其决定性能优劣的几个重要参数。

汽车BMS技术:动力电池的“智慧守护者”,全维度解密其核心优势与应用场景

本文将深入剖析汽车级BMS的核心技术优势及其广泛的关键应用场景

工业检测为何必须用工业相机?普通相机的四大核心短板解析

工业相机是根据工业检测的特殊需求进行深度优化与强化的专业设备

贸泽开售Renesas Electronics RA8P1微控制器 为先进AI提供高CPU性能

Renesas Electronics RA8P1微控制器可提供超过7,300 CoreMarks的CPU性能,以及在500 MHz时256 GOPS的AI性能