Analysis of End-to-End Delay in the Transport Segment of Fronthaul 4G/5G Networks Based on TSN Technology

Cover Page

Cite item

Full Text

Abstract

One of the characteristic features of 4G/5G mobile networks is the spatial separation of functional blocks.  The corresponding segments of the xHaul transport network are used to connect these blocks. One of them is the Fronthaul front end segment, which connects remote radio equipment with their control equipment. The data streams of standard CPRI/eCPRI radio interfaces in this segment impose strict requirements on the quality of service and, above all, on delays. To meet these requirements, it was proposed to use in the Fronthaul segment Ethernet bridge network based on the technology of time-sensitive networks TSN (Time Sensitive Networking), which provides determinated delays, reliable packet delivery and high accuracy of synchronization of nodes in the network. The IEEE 802.1CM standard describes profiles of TSN networks that defines the functions, options, configurations, default values, protocols and procedures of bridges, stations and local networks required to build the Fronthaul transport segment. The article presents a methodology for determining the maximum end-to-end traffic delays of standard CPRI/eCPRI radio interfaces in the Fronthaul segment of 4G/5G networks, built on the basis of TSN technology, in accordance with the requirements of IEEE 802.1CM standard. Two main components of end-to-end delay are identified ‒ delays in TSN bridges and delays in xEthernet channels. For high-priority traffic flows of CPRI/eCPRI radio interfaces in bridges, characteristic cases of mutual influence of flows arriving simultaneously at different input ports are given. An example of numerical calculation is given, which allowed to determine the permissible physical length of the Fronthaul segment at a given boundary end-to-end delay of transmission of high-priority traffic.

About the authors

A. V. Roslyakov

Povolzhskiy State University of Telecommunications and Informatics

Email: arosl@mail.ru
ORCID iD: 0000-0003-3130-8262
SPIN-code: 3620-3447

V. V. Gerasimov

Povolzhskiy State University of Telecommunications and Informatics

Email: slavon131@bk.ru
ORCID iD: 0009-0004-7791-7981
SPIN-code: 1079-5200

References

  1. Росляков А.В., Герасимов В.В., Мамошина Ю.С., Сударева М.Е. TSN – сети Еthernet, чувствительные ко времени // Инфокоммуникационные технологии. 2021. Т. 19. № 2. С. 187‒201. doi: 10.18469/ikt.2021.19.2.07. EDN:WSHBML
  2. Росляков А.В. СЕТЬ 2030: архитектура, технологии, услуги. М.: ООО «ИКЦ «Колос-с», 2022. 278 с.
  3. Росляков А.В., Герасимов В.В., Мамошина Ю.С., Сударева М.Е. Стандартизация синхронизируемых по времени сетей TSN // Стандарты и качество. 2021. № 4. С. 48‒53. doi: 10.35400/0038-9692-2021-4-48-53. EDN:UYWULY
  4. Institute of Electrical and Electronics Engineers. 802.1CM-2018. IEEE Standard for local and metropolitan area networks. Time-Sensitive Networking for Fronthaul. IEEE, 2018. doi: 10.1109/IEEESTD.2018.8376066
  5. Pérez G.O., López D.L., Hernández J.A. 5G New Radio Fronthaul Network Design for eCPRI-IEEE 802.1CM and Extreme Latency Percentiles // IEEE Access. 2019. Vol. 7. PР. 82218‒82230. doi: 10.1109/ACCESS.2019.2923020
  6. Bhattacharjee S., Katsalis K., Arouk O., Schmidt R., Wang T., An X., et al. Network Slicing for TSN-Based Transport Networks // IEEE Access. 2021. Vol. 9. PР. 62788‒62809. doi: 10.1109/ACCESS.2021.3074802
  7. Chinchilla-Romero L., Prados-Garzon J., Ameigeiras P., Muñoz P., Lopez-Soler J.M. 5G Infrastructure Network Slicing: E2E Mean Delay Model and Effectiveness Assessment to Reduce Downtimes in Industry 4.0 // Sensors. 2022. Vol. 22. Iss. 1. P. 229. doi: 10.3390/s22010229
  8. Pérez G.O., Hernández J.A., López D.L. Fronthaul network modeling and dimensioning meeting ultra-low latency requirements for 5G // Journal of optical communications and networking. 2018. Vol. 10. Iss. 6. РР. 573‒581. doi: 10.1364/JOCN.10.000573
  9. Gowda A., Hernández, J.A. Larrabeiti D., Kazovsky L. Delay analysis of mixed fronthaul and backhaul traffic under strict priority queueing discipline in a 5G packet transport network // Transactions on Emerging Telecommunications Technologies. 2017. Vol. 28. Iss. 6. P. e3168. doi: 10.1002/ett.3168
  10. Bhattacharjee S., Schmidty R., Katsalis K., Changy C.-Y., Bauschertz T., Nikaeiny N. Time-Sensitive Networking for 5G Fronthaul Networks // Proceedings of the IEEE International Conference on Communications (ICC, Dublin, Ireland, 07‒11 June 2020). IEEE, 2020. doi: 10.1109/ICC40277.2020.9149161
  11. Chitimalla D., Bhattacharjee S., Schmidty R., Katsalis K., Changy C.-Y., Bauschertz T., Nikaeiny N. 5G Fronthaul – Latency and Jitter Studies of CPRI over Ethernet // Journal of Optical Communications and Networking. 2017. Vol. 9. Iss. 2. PР. 172‒182. doi: 10.1364/JOCN.9.000172
  12. Atiq M.K., Muzaffar R., Seijo Ó., Val I., Bernhard H.-P. When IEEE 802.11 and 5G Meet Time-Sensitive Networking // IEEE Open Journal of the Industrial Electronics Society. 2021. Vol. 3. РP. 14‒36. doi: 10.1109/OJIES.2021.3135524
  13. Kumar U., Gupta A. Fundamentals of 5G: Emphasis on fronthaul and TSN protocols. 2021. 114 p. ASIN:B09CJ47V4G.
  14. Типаков В.С., Яковлев Т.А. Особенности построения Anyhaul сетей 5G RAN // Вестник Астраханского государственного технического университета. 2020. №1(69). С. 38‒43. doi: 10.24143/1812-9498-2020-1-38-43. EDN:IPWONS
  15. Лихтциндер Б.Я. Особенности ТSN // Вестник связи. 2021. № 7. C. 32–37. EDN:LHOQTW
  16. Лихтциндер Б.Я. Сети Ethernet с детерминированными задержками // Вестник Самарского государственного технического университета. Серия «Технические науки». 2022. Т. 30. № 3(75). С. 81‒97. doi: 10.14498/tech.2022.3.6. EDN:EUMFSA
  17. Берёзкин А.А., Паршин А.А., Парфенов Д.Д., Киричек Р.В. Анализ стандартов сетей, синхронизируемых по времени, для управления роботизированными системами в режиме реального времени // Электросвязь. 2023. № 6. С. 20‒31. doi: 10.34832/ELSV.2023.43.6.003. EDN:LWDQXI
  18. Коган С. Стандартизация решений и сегментирование транспортного уровня сети 5G // Первая миля. 2021. № 2(94). C. 40‒47. doi: 10.22184/2070-8963.2021.94.2.40.47. EDN:KUCZTI
  19. Богданова Е., Шишков К. Сегменты транспортной сети 5G // Connect. 2020. № 5-6. С. 84‒87.
  20. Коган С. Транспортная оптическая инфраструктура для 5G // Connect. 2020. № 5-6. С. 74‒80.
  21. Яковлев В. Основы оптоволоконной техники // Современная электроника и технологии автоматизации. 2002. № 4. URL: https://www.cta.ru/articles/cta/spravochnik/v-zapisnuyu-knizhku-inzhenera/125348 (дата обращения 31.01.2024)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».