《掌握AI + 6G無線行動通訊網路🌐》51/100 RACH 🚪手機怎麼敲門進基地台? Random Access

更新 發佈閱讀 14 分鐘

《AI時代系列(5):掌握AI + 6G無線行動通訊網路 —— 超高速、零延遲、智慧城市全攻略 🌐》

51/100 📌 第 6 周:無線協定與流程 -規範裝置與網路如何連線、傳輸與切換。

51. RACH 🚪

手機怎麼敲門進基地台?(Random Access Channel)

________________________________________

🎯 單元導讀

RACH(Random Access Channel)是行動網路中「用戶設備(UE)第一次向基地台建立無線接入」的機制——也就是手機怎麼『敲門』、怎麼被『應答』、拿到臨時識別並開始傳資料。RACH 的設計要能處理大量設備同時接入、避免碰撞、並快速取得時序與權限(例如 Timing Advance、C-RNTI)。

👉 一句話:RACH = UE 向網路發出入場申請的「敲門+領證」流程。

________________________________________

🧠 一、核心概念(要點速覽)

目的:建立初步的無線連線(同步、權限分配、臨時識別),支援移動性、重試與碰撞解決。

兩種主要流程:

o 4-step contention-based RA(常見於 LTE)— Msg1→Msg2→Msg3→Msg4(含爭用解決)。

o 2-step RA / 非競爭式 RA(在某些場景/5G 有採用)—合併降低延遲與碰撞。

物理資源:PRACH(Physical RACH)時頻資源承載 preamble(序列)。

關鍵參數:preamble、RA-RNTI / RAPID、Timing Advance、Temporary C-RNTI、backoff、power ramping。

________________________________________

🧠 二、標準 4-step RACH 流程(典型 LTE)

1. Msg1 — PRACH (preamble)

o UE 在 PRACH 時隙發送一個 preamble(亂選或根據配置選擇)向 eNodeB 宣告「我要接入」。

2. Msg2 — RAR (Random Access Response)

o eNodeB 回應含:Timing Advance 指派、臨時上行資源(uplink grant)、暫時識別(RAPID/RA-RNTI)等。

3. Msg3 — RRC Connection Request (或上行資料)

o UE 用分配的上行資源傳送 RRC request(含 IMSI/暫時識別或隱私替代)或上行資料。

4. Msg4 — Contention Resolution

o 若為 contention-based,eNodeB 發出 contention resolution(分配 C-RNTI)完成接入。若多 UE 用同一 preamble,則透過此步驟辨識/淘汰碰撞者。

若非競爭式(dedicated preamble),則流程可更簡短(兩步)且延遲更小,但需預先配置資源。

________________________________________

💻 三、ASCII 流程圖(簡潔版)

UE eNodeB

|---- Msg1: PRACH (preamble) ----> (敲門)

|

|<--- Msg2: RAR (TA, UL grant) ------- (門回應 + 指示)

|

|---- Msg3: RRC Conn Req (using grant) -> (用分配資源說明身分)

|

|<--- Msg4: Contention Resolution ----- (分配 C-RNTI,入場完成)

這張圖展示了 LTE 無線接入過程中「隨機接入(Random Access Procedure)」的四步驟,也被稱為「用戶入場流程」。

首先,UE(用戶設備)發送 Msg1:PRACH 前導碼,向基地台 eNodeB「敲門」請求接入。接著 eNodeB 回覆 Msg2:RAR(隨機接入回覆),給予時間校正(Timing Advance)與上行資源(UL Grant)。然後 UE 依照授權資源發送 Msg3:RRC 連線請求,表明自身身分與連線需求。最後,eNodeB 回覆 Msg4:解衝突訊息(Contention Resolution),確認 UE 身分並分配專屬 C-RNTI,代表 UE 成功進入網路。

整個過程就像「敲門、回應、報到、分配位子」的儀式,完成 UE 與網路的初次握手。

________________________________________

🧩 四、實務重點與工程考量

碰撞處理:大量 UE 同時發 PRACH → preamble 碰撞。以 backoff + 隨機重試 + 多個 preamble pool 緩解。

Timing Advance(TA):eNodeB 回傳 TA,UE 調整上行發射時序,避免時隙錯位。

功率控制:UE 以 power ramping 嘗試讓 preamble 被接收;避免過高干擾。

PRACH 配置:基站可調 PRACH 時隙、preamble 數量、頻率位置;高密度場景需增加資源或採用非競爭式接入。

延遲與成功率 trade-off:降低延遲常要求非競爭式或 2-step RA + MEC 協同;提高成功率需更多 preamble 與 backoff 管理。

________________________________________

🧪 五、模擬題

1️⃣ 架構

LTE EPC:專用設備架構,由 MME / SGW / PGW 組成。

5GC (SBA):模組化、服務化設計(AMF / SMF / UPF / PCF),以 API 互通。

2️⃣ 彈性

LTE EPC:固定架構,升級需更換設備。

5GC (SBA):雲原生容器化,可自動擴展與動態部署。

3️⃣ 語音技術

LTE EPC:透過 IMS 實現 VoLTE(Voice over LTE)。

5GC (SBA):延伸為 VoNR(Voice over New Radio),真正原生 5G 語音。

4️⃣ 延遲表現

LTE EPC:平均約 10~50 ms。

5GC (SBA):可低於 10 ms,URLLC 類型應用可達 1 ms 級反應。

5️⃣ 傳輸速率

LTE EPC:百 Mbps 級,透過 CA(載波聚合)與 MIMO 可達約 1 Gbps。

5GC (SBA):Gbps 級以上,支援太赫茲頻段與大規模 MIMO。

6️⃣ 主要應用

LTE EPC:行動上網、影音串流、社群、行動支付等。

5GC (SBA):自駕車、遠距手術、工業自動化、AR/VR 沉浸式體驗。

7️⃣ 策略與控制能力

LTE EPC:僅提供基本 QoS 優先權設定。

5GC (SBA):可進行精細化策略控制,支援網路切片與動態資源配置。

________________________________________

✅ 總結:

5GC 不只是 LTE 的升級版,而是從「專用設備網路」躍升為「雲端服務平台」的全面進化核心,具備更高速度、更低延遲與更強彈性。

________________________________________

🧪 五、模擬題

1️⃣ 專業題

題目:

請描述 LTE 的 4-step Random Access 流程與各步驟的主要訊息內容(Msg1–Msg4)。

解答:

LTE 的隨機接入(RACH)是一個四步驟流程,用於 UE 與 eNodeB 建立初始上行連線。

Msg1:PRACH 前導碼(Preamble)

UE 向 eNodeB 發送前導信號以「敲門」,要求接入網路。

Msg2:RAR(Random Access Response)

eNodeB 回覆 Timing Advance、上行資源(UL Grant)及暫時 C-RNTI。

Msg3:RRC Connection Request

UE 利用分配的上行資源發送連線請求,表明自身身分(如 S-TMSI 或隨機 ID)。

Msg4:Contention Resolution

eNodeB 確認 UE 身分並分配正式 C-RNTI,接入程序完成。

👉 整體就像「敲門 → 回應 → 報到 → 核可」,完成初次同步與身分確認。

________________________________________

2️⃣ 應用題

題目:

在跨年晚會或大型賽事時,PRACH 碰撞率暴增,你會如何調整 eNodeB 的 PRACH 參數來改善接入成功率?

解答:

大量 UE 同時發起隨機接入會導致前導碼碰撞,造成連線延遲與失敗。改善方法如下:

1. 擴大 preamble pool:增加可用前導碼數量(從原 64 個中多分配 RACH 資源),減少 UE 使用相同 preamble 的機率。

2. 調整 PRACH 時隙週期:提高 PRACH 配置頻率,縮短 UE 下一次重試等待時間。

3. 延長 Backoff 時間:讓失敗的 UE 分散重試時間,降低同時碰撞。

4. 採用非競爭式 RACH(Contention-Free RACH):事先分配 preamble 給特定 UE(如 VIP、VoLTE 呼叫),確保關鍵連線不中斷。

👉 簡言之,就是「多給通道、分開時機、延遲重試、事先預留」,讓人潮高峰時也能順利接入。

________________________________________

3️⃣ 情境題

題目:

若高鐵上的 UE 經常在切換 cell 時無法完成 RACH(掉話或資料中斷),請說明可能原因與解法。

解答:

高速移動時 UE 需頻繁切換小區,若切換過程中的 RACH 未完成,就可能造成通話中斷。

可能原因:

1. Timing Advance(TA)誤差大,UE 無法精確同步上行時序。

2. Handover 延遲過長,RACH 尚未完成就進入下一小區。

3. X2 介面未啟用,導致切換控制需經核心網(延遲增加)。

4. 未提前分配上行資源(UL Grant),造成 RACH 超時。

解決方法:

使用 快速切換(Fast Handover) 或 預測切換(Predictive Handover)。

啟用 X2 介面直接切換,減少核心信令延遲。

針對高鐵專區調整 TA 更新頻率與 RACH 時機配置。

為高速移動 UE 預先分配上行資源,縮短接入時間。

👉 總結:高速環境下需以「提早準備、減少信令延遲、提高時序精度」三原則確保穩定切換。

________________________________________

⚙️ 六、實務演練與實作題(可上機做的練習)

1. 抓包分析:用基地台測試器或 SDR + srsRAN/OpenAirInterface,觸發一個 UE 的 RACH 程式,使用 Wireshark/pcap 分析 Msg1–Msg4。紀錄延遲、重試次數、TA 變化。

2. 碰撞模擬:建立多個 UE 模擬器同時發送相同 preamble,觀察 contention resolution 成功率,測試不同 backoff 與 preamble 池配置的效果。

3. PRACH tuning 設計:針對大型活動設計 PRACH 配置文件(選擇 preamble 數、PRACH 間隔、初始 backoff、power ramp steps),並以模擬回報預期接入成功率。

4. 2-step vs 4-step 試驗:在支援 2-step RA 的 5G 測試網路環境比對兩者在延遲與成功率的差異。

________________________________________

✅ 七、小結與一句話帶走

RACH 是 UE 與基地台建立初始連線的「敲門」流程,核心目標是同步、資源分配、臨時識別與碰撞解決。

成功的 RACH 設計需在 延遲、成功率、頻譜效率 三者間做平衡;大型群聚場景與高速移動場景(高鐵)各有不同優化策略。

👉 一句話總結:RACH 就是手機的入場券——發出 preamble、等待回應、領到臨時證件(C-RNTI)後,才能正式上場。



留言
avatar-img
艾韓思 AIHANS|AI 應用工程筆記
41會員
677內容數
AIHANS沙龍是一個結合AI技術實戰、產業策略與自我成長的知識平台,主題涵蓋機器學習、生成式AI、創業經驗、財務規劃及哲學思辨。這裡不只提供系統化學習資源與實作案例,更強調理性思維與行動力的結合。無論你是AI初學者、創業者,還是追求人生升維的行者,都能在這裡找到前進的方向與志同道合的夥伴。
2025/10/31
複習第五週聚焦行動網核心設計,說明從 1G MSC 電路交換到 5G 雲原生核心的演進。5GC 以 SBA 架構結合 AMF、SMF、UPF、PCF 模組化設計,並融合 MEC、網路切片與容器化技術,實現高彈性、低延遲與智慧化控制,推動產業數位轉型。
2025/10/31
複習第五週聚焦行動網核心設計,說明從 1G MSC 電路交換到 5G 雲原生核心的演進。5GC 以 SBA 架構結合 AMF、SMF、UPF、PCF 模組化設計,並融合 MEC、網路切片與容器化技術,實現高彈性、低延遲與智慧化控制,推動產業數位轉型。
2025/10/31
雲原生以容器化與 Kubernetes 為核心,將 5G 網路功能軟體化並自動化管理,實現彈性擴展與快速部署。讓電信網路具備雲端級靈活性與可靠性,支援高峰流量與多元專網應用。
2025/10/31
雲原生以容器化與 Kubernetes 為核心,將 5G 網路功能軟體化並自動化管理,實現彈性擴展與快速部署。讓電信網路具備雲端級靈活性與可靠性,支援高峰流量與多元專網應用。
2025/10/31
MEC(多接取邊緣運算)將雲端下沉至基地台旁,在網路邊緣即時處理資料,將延遲降至1–10ms。適用於自駕車、工業IoT、AR/VR、醫療等即時應用,是5G/6G實現低延遲與智慧服務的核心技術。
2025/10/31
MEC(多接取邊緣運算)將雲端下沉至基地台旁,在網路邊緣即時處理資料,將延遲降至1–10ms。適用於自駕車、工業IoT、AR/VR、醫療等即時應用,是5G/6G實現低延遲與智慧服務的核心技術。
看更多
你可能也想看
Thumbnail
賽勒布倫尼科夫以流亡處境回望蘇聯電影導演帕拉贊諾夫的舞台作品,以十段寓言式殘篇,重新拼貼記憶、暴力與美學,並將審查、政治犯、戰爭陰影與「形式即政治」的劇場傳統推到台前。本文聚焦於《傳奇:帕拉贊諾夫的十段殘篇》的舞台美術、音樂與多重扮演策略,嘗試解析極權底下不可言說之事,將如何成為可被觀看的公共發聲。
Thumbnail
賽勒布倫尼科夫以流亡處境回望蘇聯電影導演帕拉贊諾夫的舞台作品,以十段寓言式殘篇,重新拼貼記憶、暴力與美學,並將審查、政治犯、戰爭陰影與「形式即政治」的劇場傳統推到台前。本文聚焦於《傳奇:帕拉贊諾夫的十段殘篇》的舞台美術、音樂與多重扮演策略,嘗試解析極權底下不可言說之事,將如何成為可被觀看的公共發聲。
Thumbnail
柏林劇團在 2026 北藝嚴選,再次帶來由布萊希特改編的經典劇目《三便士歌劇》(The Threepenny Opera),導演巴里・柯斯基以舞台結構與舞台調度,重新向「疏離」進行提問。本文將從觀眾慾望作為戲劇內核,藉由沉浸與疏離的辯證,解析此作如何再次照見觀眾自身的位置。
Thumbnail
柏林劇團在 2026 北藝嚴選,再次帶來由布萊希特改編的經典劇目《三便士歌劇》(The Threepenny Opera),導演巴里・柯斯基以舞台結構與舞台調度,重新向「疏離」進行提問。本文將從觀眾慾望作為戲劇內核,藉由沉浸與疏離的辯證,解析此作如何再次照見觀眾自身的位置。
Thumbnail
本文深入解析臺灣劇團「晃晃跨幅町」對易卜生經典劇作《海妲.蓋柏樂》的詮釋,從劇本歷史、聲響與舞臺設計,到演員的主體創作方法,探討此版本如何讓經典劇作在當代劇場語境下煥發新生,滿足現代觀眾的觀看慾望。
Thumbnail
本文深入解析臺灣劇團「晃晃跨幅町」對易卜生經典劇作《海妲.蓋柏樂》的詮釋,從劇本歷史、聲響與舞臺設計,到演員的主體創作方法,探討此版本如何讓經典劇作在當代劇場語境下煥發新生,滿足現代觀眾的觀看慾望。
Thumbnail
《轉轉生》為奈及利亞編舞家庫德斯.奧尼奎庫與 Q 舞團創作的當代舞蹈作品,融合舞蹈、音樂、時尚和視覺藝術,透過身體、服裝與群舞結構,回應殖民歷史、城市經驗與祖靈記憶的交錯。本文將從服裝設計、身體語彙與「輪迴」的「誕生—死亡—重生」結構出發,分析《轉轉生》如何以當代目光,形塑去殖民視角的奈及利亞歷史。
Thumbnail
《轉轉生》為奈及利亞編舞家庫德斯.奧尼奎庫與 Q 舞團創作的當代舞蹈作品,融合舞蹈、音樂、時尚和視覺藝術,透過身體、服裝與群舞結構,回應殖民歷史、城市經驗與祖靈記憶的交錯。本文將從服裝設計、身體語彙與「輪迴」的「誕生—死亡—重生」結構出發,分析《轉轉生》如何以當代目光,形塑去殖民視角的奈及利亞歷史。
Thumbnail
隨著深度學習的發展,研究人員不斷地提出新的技術和模型架構來增強 (Enhance) CNN 的性能。這些增強方法可以從多個層面來提升 CNN 在圖像辨識、物件偵測等任務上的準確性、效率和魯棒性 (robustness)。
Thumbnail
隨著深度學習的發展,研究人員不斷地提出新的技術和模型架構來增強 (Enhance) CNN 的性能。這些增強方法可以從多個層面來提升 CNN 在圖像辨識、物件偵測等任務上的準確性、效率和魯棒性 (robustness)。
Thumbnail
卷積神經網路(CNN)是一種專門用於處理影像的 AI 模型,其運作方式類似於人類大腦觀察圖像的方式,層層分析提取特徵。主要包含卷積層、池化層和全連接層。卷積層使用濾鏡提取局部特徵;池化層精簡數據並提升模型穩健性;全連接層進行最終分類。CNN 廣泛應用於影像辨識、自動駕駛和醫療影像分析等領域。
Thumbnail
卷積神經網路(CNN)是一種專門用於處理影像的 AI 模型,其運作方式類似於人類大腦觀察圖像的方式,層層分析提取特徵。主要包含卷積層、池化層和全連接層。卷積層使用濾鏡提取局部特徵;池化層精簡數據並提升模型穩健性;全連接層進行最終分類。CNN 廣泛應用於影像辨識、自動駕駛和醫療影像分析等領域。
Thumbnail
這篇文章是作者期末考的課堂筆記,內容整理自國立成功大學電機工程學系「人工智慧晶片設計與應用」課程的第一講,並加以補充說明。文章從機器學習的基本概念開始,逐步深入探討線性回歸、資料集分割、監督式學習、非監督式學習、強化學習、模型評估、泛化誤差、過擬合與欠擬合、正則化以及 ReLU 函數等重要議題。
Thumbnail
這篇文章是作者期末考的課堂筆記,內容整理自國立成功大學電機工程學系「人工智慧晶片設計與應用」課程的第一講,並加以補充說明。文章從機器學習的基本概念開始,逐步深入探討線性回歸、資料集分割、監督式學習、非監督式學習、強化學習、模型評估、泛化誤差、過擬合與欠擬合、正則化以及 ReLU 函數等重要議題。
Thumbnail
本文為成大電機系「人工智慧晶片設計與應用」課程的 Lecture 1 筆記,從 AI 與 ML 的定義出發,介紹神經網路與深度學習的基本概念與數學形式,並說明人腦神經元與啟發式架構(如 Spiking 與 ANN)的對應關係。同時回顧 AI 發展三波歷程,並探討大數據對機器學習的重要性。
Thumbnail
本文為成大電機系「人工智慧晶片設計與應用」課程的 Lecture 1 筆記,從 AI 與 ML 的定義出發,介紹神經網路與深度學習的基本概念與數學形式,並說明人腦神經元與啟發式架構(如 Spiking 與 ANN)的對應關係。同時回顧 AI 發展三波歷程,並探討大數據對機器學習的重要性。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News