51学通信

深度解析 3GPP TS 28.552：5.1.1.7 TB related Measurements (TB传输测量)

20分钟阅读

好的，我们继续进行系列的下一篇深度解读。

深度解析 3GPP TS 28.552：5.1.1.7 TB related Measurements (TB传输测量)

本文技术原理深度参考了3GPP TS 28.552 V18.10.0 (2025-03) Release 18规范中，关于“5.1.1.7 TB related Measurements”的核心章节，旨在为读者提供一个关于5G物理层数据传输效率与可靠性的底层测量剖析。

引言：网络质量的“细胞级”体检

在之前的章节中，我们跟随网优专家老王和小林，通过分析UE吞吐率解决了网红安娜的速率体验问题，又通过监控切换性能保障了无人驾驶巴士和远程手术的“零中断”。这些测量，都发生在相对较高的协议层，如同医院的“科室会诊”，关注的是宏观的业务表现。

“王哥，我们已经能从业务层定位问题了，为什么还要关心更底层的物理层传输呢？”小林在一次技术复盘会上提出了疑问。

老王指着医院的架构图，比喻道：“我们之前做的，是心内科、神经科的诊断。但如果一个病人的所有症状都指向不清，我们就需要做最基础的‘血常规’和‘细胞学检查’，看看他身体最基本的单元——细胞，是不是健康的。在5G网络中，TB (Transport Block，传输块)，就是我们数据传输的‘细胞’。它是物理层一次调度的基本单位，所有上层的数据，都必须被打包成一个个TB，才能在空口中传输。”

他将TS 28.552翻到了5.1.1.7节。“这一节，‘TB related Measurements’，就是我们对网络进行的‘细胞级’体检。它不关心这个TB里装的是什么业务（视频还是弹幕），只关心这个‘细胞’本身是否健康——它是否被成功制造（传输）、是否在运输途中发生变异（出错）、最终有多少比例的健康细胞抵达了目的地。”

“通过这些最底层的测量，我们可以评估物理层的真实性能，诊断出那些在高层难以发现的疑难杂症，比如隐蔽的干扰、不合理的编码策略等。这对于从根本上提升网络质量至关重要。”

这篇文章，我们将化身为“网络病理学家”，深入到5G物理层传输的微观世界，学习如何通过TB传输测量，对网络进行一次彻底的“细胞级”健康检查。

1. “细胞”的生产与凋亡：TB传输总量与初始错误率 (5.1.1.7.1, 5.1.1.7.2, 5.1.1.7.6, 5.1.1.7.7)

在5G网络中，基站（gNB）的MAC层和物理层就像一个高速运转的“细胞工厂”，源源不断地将上层数据打包成TB，然后发送出去。这个过程的效率和质量，是整个网络性能的基石。

1.1 产量统计：总共发送了多少TB？

5.1.1.7.1 Total number of DL initial TBs (下行初始TB总数) a) This measurement provides the total number of initial TBs transmitted on the downlink in a cell. HARQ re-transmissions are excluded from this measurement. This measurement is optionally split into subcounters per modulation schema. e) The measurement name has the form TB.TotNbrDlInitial, TB.TotNbrDlInitial.Qpsk, TB.TotNbrDlInitial.16Qam…

5.1.1.7.6 Total number of UL initial TBs (上行初始TB总数) (定义与下行对称)

  • 深度解析： TB.TotNbrDlInitial 和 TB.TotNbrUlInit 是衡量物理层工作量的基础指标。这里的关键词是 Initial (初始)。它意味着这个计数器只统计每个TB的第一次传输，而后续因为UE没有成功接收而进行的HARQ重传，则不被计入。 这就像统计工厂的“日产量”，我们只关心今天生产了多少个新产品，而不关心有多少产品因为质检不合格被打回重造。 更精细的是，这个测量可以按照调制方式 (modulation schema) 进行细分，如QPSK, 16QAM, 64QAM, 256QAM。

  • 场景化举例： 在音乐节现场，主舞台区域的小区为了提供高速率，大量使用了高阶调制256QAM。小林在后台看到：

    • TB.TotNbrDlInitial.256Qam: 10,000,000
    • TB.TotNbrDlInitial.64Qam: 2,000,000
    • TB.TotNbrDlInitial.16Qam: 500,000 “王哥，你看！”小林分析道，“这说明我们小区的无线环境非常好，调度器能够自信地大量使用最高效的256QAM来传输数据。这从底层印证了我们的网络覆盖优化是成功的。”

1.2 初始不良率：首次传输就失败了多少？

产品出厂，总有一定的次品率。TB传输也是如此。

5.1.1.7.2 Initial error number of DL TBs (下行初始错误TB数) c) On receipt by the gNB of a NACK or DTX from UE which indicates a faulty reception of TB by UE at first HARQ feedback during the period of measurement. e) The measurement name has the form TB.IntialErrNbrDl…

5.1.1.7.7 Error number of UL initial TBs (上行初始错误TB数) c) On receipt by the gNB of a initial TB on which CRC fails or DTX from UE…

  • 深度解析： TB.IntialErrNbrDl 和 TB.ErrNbrUlInitial 是衡量物理层传输可靠性的核心指标，通常被称为初始块错误率 (Initial Block Error Rate, iBLER) 的分子。

    • 下行 (DL): 当gNB发送一个初始TB后，UE会回复一个HARQ反馈。如果回复的是NACK（未成功接收）或DTX（未检测到信号），就意味着这次传输失败了，TB.IntialErrNbrDl计数器加1。
    • 上行 (UL): 当gNB接收一个UE发送的初始TB后，会对其进行CRC（循环冗余校验）。如果校验失败，说明数据在传输中损坏了，TB.ErrNbrUlInitial计数器加1。

  • 场景化举例：计算iBLER 通过这组“总数”和“错误数”，小林可以计算出最关键的物理层KPI之一——iBLER。 DL iBLER = (TB.IntialErrNbrDl / TB.TotNbrDlInitial) * 100%

    假设在音乐节现场，TB.TotNbrDlInitial为100,000，而TB.IntialErrNbrDl为10,000。 DL iBLER = (10,000 / 100,000) * 100% = 10%

    老王解释道：“10%的iBLER，是业界公认的一个比较健康的平衡点。iBLER太高，说明信道条件差或者调度过于激进，导致大量重传，浪费资源；iBLER太低（如1%），说明调度过于保守，没有充分利用信道能力，牺牲了速率。我们的自适应调制编码（AMC）算法，其核心目标就是通过动态调整MCS（调制编码方案），将iBLER稳定在这个目标值附近。”

2. “细胞”的修复与终局：重传与最终错误率

一个产品初检不合格，会被送回车间进行“返修”（重传）。HARQ机制就是5G物理层的“快速返修通道”。

2.1 总工作量：包含重传在内的TB总数

5.1.1.7.3 Total number of DL TBs (下行TB总数) a) This measurement provides the total number of TBs transmitted on the downlink in a cell… This measurement includes all transmitted TBs (including the successful and failed TBs during initial transmission and HARQ re-transmission).

  • 深度解析： TB.TotNbrDl.X（X代表MU-MIMO的层数，我们暂时忽略）与Initial版本的核心区别在于，它包含了所有的传输尝试，无论是初始传输还是HARQ重传。 这个指标反映了物理层的总工作负荷。如果它远大于TB.TotNbrDlInitial，就说明网络中发生了大量的重传。

2.2 最终废品率：返修多次后仍失败了多少？

5.1.1.7.5 Residual error number of DL TBs (下行残留错误TB数) c) On receipt by the gNB of a NACK or DTX from UE which indicates a faulty reception of TB by UE at the last HARQ feedback during the period of measurement.

  • 深度解析： TB.ResidualErrNbrDl是衡量HARQ机制极限能力的指标，是计算残留块错误率 (Residual Block Error Rate, rBLER) 的分子。 HARQ重传的次数是有限的（通常配置为3-4次）。如果一个TB经过了最大次数的重传后，UE回复的仍然是NACK，那么物理层就会“放弃治疗”，将这个TB标记为最终失败，TB.ResidualErrNbrDl计数器加1。 这个指标代表了物理层“尽最大努力后”仍然无法成功交付的数据包。

  • 场景化举例：诊断深层问题 rBLER = (TB.ResidualErrNbrDl / TB.TotNbrDlInitial) * 100%

    在网络正常情况下，rBLER应该是一个非常低的值（如低于0.1%）。如果小林发现某个小区的rBLER异常升高，这意味着什么？

    老王分析道：“iBLER高，可能是信道波动；但rBLER高，问题就严重了。这通常意味着存在持续性的、HARQ无法克服的强干扰，或者是硬件层面的问题，比如射频链路故障。这是一个需要立即派人去现场排查的严重告警。”

3. 空间的维度：MU-MIMO场景下的TB测量

5G通过MU-MIMO技术，可以在同一个时频资源（PRB）上，为多个用户同时发送不同的TB。为了衡量这种空间复用技术的效率，规范对TB测量进行了扩展。

5.1.1.7.3 Total number of DL TBs a) … The measurement is split into subcounters per layer at MU-MIMO case. e) TB.TotNbrDl.X Where X identified by DL MU-MIMO maximum layer.

5.1.1.7.4 Total error number of DL TBs e) TB.ErrTotNbrDl.X.

  • 深度解析： 这里的X代表了MU-MIMO的“层数”（layer），即在同一个PRB上同时调度了多少个用户（或数据流）。

    • TB.TotNbrDl.1: 统计了所有只调度了1层（即没有使用MU-MIMO）的TB总数。
    • TB.TotNbrDl.2: 统计了所有在2用户MU-MIMO配对中传输的TB总数。
    • TB.TotNbrDl.4: 统计了所有在4用户MU-MIMO配对中传输的TB总数。 ErrTotNbrDl.X也同理，统计了各层上出错的TB总数（包含初始和重传）。

  • 场景化举例：评估MU-MIMO调度效率 通过这组分层数据，小林可以计算出不同配对层数下的总块错误率 (Total BLER)。 Total BLER (Layer 2) = (TB.ErrTotNbrDl.2 / TB.TotNbrDl.2) * 100%

    他发现，音乐节现场小区的数据如下：

    • Total BLER (Layer 1): 2%
    • Total BLER (Layer 2): 15%
    • Total BLER (Layer 4): 35%

    “王哥，这个数据说明，我们的MU-MIMO配对用户越多，传输的错误率就越高！”

    “是的，”老王回答，“这是正常的，因为多用户之间的干扰会增加。但这个数据为我们提供了一个量化的依据。如果高阶配对的BLER过高（如超过30%），导致大量的重传，那么它带来的容量增益可能还抵不上重传造成的资源浪费。这时，我们就需要调整调度器算法，让它在信道条件不佳时，倾向于选择更保守的低阶配对，以牺牲一部分峰值容量为代价，换取整体网络效率的提升。”

结论：“细胞”健康是网络强健的根本

对TB相关测量的分析，就像完成了一份详细的“网络细胞病理报告”。通过这次“体检”，我们学会了：

  1. 区分初始传输与重传： 通过Initial和Total两组TB计数，我们可以分离出初始传输成功率（iBLER）和总传输成功率（Total BLER），前者反映信道适配能力，后者反映HARQ机制的效率。
  2. 诊断最终失败： 通过Residual错误计数，我们可以捕获物理层“无力回天”的传输失败，从而发现深层次的干扰或硬件问题。
  3. 量化调制方案的使用情况： 按Modulation细分的计数器，是评估网络射频环境和AMC算法健康度的直观体现。
  4. 评估MIMO效率： 按Layer细分的计数器，为我们提供了量化评估MU-MIMO调度策略、平衡容量与可靠性的关键数据。

这些看似底层的指标，却是整个网络性能金字塔的基座。只有确保每一个数据“细胞”都能健康、高效地传输，上层的业务体验才能得到根本的保障。

FAQ 环节

Q1：iBLER（初始块错误率）和rBLER（残留块错误率）在网络优化中的目标值分别是多少？ A1：这两个指标的优化目标截然不同。iBLER通常会有一个明确的目标值，业界普遍接受的是10%。这不是一个越低越好的指标，而是一个平衡点。网络通过自适应调制编码（AMC）机制，动态调整MCS等级，目的就是让iBLER稳定在10%左右，从而在保证一定重传开销的前提下，最大化频谱效率。而rBLER则是一个越低越好的指标，它代表了HARQ机制都无法纠正的错误。理想情况下，rBLER应无限接近于0。一旦rBLER出现显著升高，通常预示着严重的、持续性的网络问题。

Q2：为什么TB传输测量要按调制方式（QPSK, 16QAM等）进行细分？ A2：这是为了精细化地评估AMC（自适应调制编码）算法的性能。AMC会根据实时的信道质量，为TB选择最合适的调制编码方案。按调制方式细分统计TB的传输总数和错误数，可以帮助我们分析：1）网络在各种信道条件下，各种调制方式的使用比例是否合理？（例如，信号好的地方是否充分使用了高阶调制？）；2）在某种特定的调制方式下，其块错误率是否正常？（例如，如果发现16QAM的BLER异常高，可能意味着与16QAM相关的功率控制或链路适配参数有问题）。

Q3：TB.TotNbrDlInitial 和 TB.TotNbrDl 在计算上有什么关系？ A3：TB.TotNbrDl（TB总传输数）必然大于或等于 TB.TotNbrDlInitial（初始TB总数）。它们之间的差值，就等于HARQ重传的总次数。即：总重传次数 = TB.TotNbrDl - TB.TotNbrDlInitial。通过这个关系，我们可以计算出网络的“平均HARQ重传次数”，这也是一个衡量物理层效率的重要指标。

Q4：MU-MIMO的“层（Layer）”和SU-MIMO的“层（Layer）/秩（Rank）”是一回事吗？ A4：不完全是一回事，但概念相关。在SU-MIMO（单用户MIMO）中，“层”或“秩”指的是在同一个时频资源上，为同一个用户同时传输的独立数据流的数量，最大层数受限于UE的接收天线数和信道条件。而在MU-MIMO（多用户MIMO）中，这里的“层”指的是在同一个时频资源上，同时服务的不同用户的数量。例如，TB.TotNbrDl.2统计的是2用户MU-MIMO场景，这两个用户可能各自都只接收一个数据流（即各自都是Rank 1）。MU-MIMO关注的是空间复用用户的能力，而SU-MIMO关注的是空间复用数据流给单个用户的能力。

Q5：这些TB级别的测量数据，对排查上层业务（如视频卡顿）问题有直接帮助吗？ A5：有间接但非常重要的帮助。虽然TB测量不区分业务，但它反映了小区底层的“通信管道”质量。如果一个小区iBLER或rBLER持续偏高，或者高阶调制的BLER异常，说明这个小区的“通信管道”本身就“漏水”或“狭窄”。在这种环境下，任何上层业务的体验都会受到影响，视频卡顿、时延增加是必然结果。因此，当遇到难以解释的普遍性业务质量劣化时，下沉到TB层进行“细胞级”体检，往往能发现被宏观指标掩盖的根本原因。

关系图谱