其實協(xié)議有成熟的功耗模型，并對不同的功率狀態(tài)進行建模，比如深度睡眠、輕度睡眠、微睡眠、僅PDCCH、SSB或CSI-RS proc、PDCCH+PDSCH和上行。

基于參考配置，通過縮放參考配置中的參數(shù)，如BWP帶寬、CC數(shù)量、天線數(shù)量、SSB數(shù)量等，對其他配置的功耗進行建模。至少FR1功率狀態(tài)的商定功率縮放方案如下。

關(guān)于BWP切換的功率縮放方案，過渡能量可以按照從深度睡眠和輕度睡眠過渡的相同原理建模，即Et=(Pbefore?+ Pafter)*Tt/2,其中Et是過渡能量，Pbefore?是切換前的功率電平，Pafter?是切換后的功率電平和Tt是過渡時間。例如，根據(jù)縮放方案Pbefore?=120和Pafter=300，如果UE在功率狀態(tài)為PDCCH+PDSCH的情況下從20MHz的BWP切換到100MHz的BHP。假設(shè)過渡時間為0.6ms，則過渡能量為Et=(120+300)*0.6/2=42。

關(guān)于UE Tx天線數(shù)量的功率縮放方案，已經(jīng)同意2Tx功率是0dBm時功率的1.4x1Tx，23dBm的縮放因子尚未確定。如果UE執(zhí)行2Tx傳輸，則意味著使用了兩個RF鏈，每個傳輸速率為20dBm。即使功率放大器在20~23dBm的飽和狀態(tài)下工作，也不應(yīng)忽略額外一條射頻鏈的功耗。因此，對于23dBm的情況，縮放因子應(yīng)大于1和1.4可能是一個合適的值。關(guān)于短PUCCH和SRS的功率縮放方案，需要澄清的第一個問題是，發(fā)射功率是多少。如上述協(xié)議所示，UL功率采用0dBm和23dBm的單獨值建模。當(dāng)對短PUCCH和SRS建模時，還應(yīng)分別確定0dBm和23dBm的縮放因子，因為PA在這兩種情況下提供的總功率百分比不同。對于0dBm的情況，建議比例因子大于0.6；對于23dBm的情況，縮放因子小于0.6。

用于PDCCH候選處理縮減的功率縮放方案：

• 由于PDCCH候選處理（例如，AL/CCE/BD）減少而導(dǎo)致的功率減少的縮放僅基于其對僅PDCCH時隙的微睡眠部分的影響來建模

• 假設(shè)對于僅為FR1商定的PDCCH狀態(tài)基線，時隙的某些部分處于微睡眠狀態(tài)

• 可以根據(jù)PDCCH候選值（例如，AL/CCE/BD）的減少，說明其關(guān)于PDCCH處理時間可擴展的部分的假設(shè)

注：在參考配置中，前兩個符號是PDCCH符號。

對于PDCCH候選（AL/CCE/BD）減少，上述協(xié)議假設(shè)縮放基于相應(yīng)的時間部分變化，即PDCCH接收/解碼持續(xù)時間的減少和微睡眠持續(xù)時間的相應(yīng)增加。當(dāng)UE處理完整的PDCCH候選集合時，用于PDCCH處理的時隙部分是實現(xiàn)特定的，并且各個PDCCH處理步驟（DL緩沖、RxFFT、信道估計、解調(diào)、解碼等）的時間也是實現(xiàn)特定的。此外，一些實現(xiàn)（如DFV）甚至可以在降低處理速度的情況下保持減少的CCE/BD數(shù)量的處理時間。

PDCCH候選的減少主要影響僅PDCCH的狀態(tài)，其中UE必須處理所有候選并達到最大BD數(shù)。由于節(jié)能信令也可以跳過僅PDCCH的狀態(tài)——這可能會使UE進入淺睡眠或深度睡眠，而不是微睡眠——因此對于節(jié)能PDCCH候選減少來說并不是那么重要。另一方面，它限制了gNB的調(diào)度靈活性，特別是當(dāng)CCE/BD數(shù)量大幅減少時。

考慮到調(diào)度成本和潛在的有限節(jié)能增益，將討論重點放在極少量CCE/BD的功率擴展上似乎不具吸引力。然后，對于接近最大允許數(shù)量的CCE/BD數(shù)量（例如，對于30kHz SCS，#CCE=56和#BD=36），可以假設(shè)沒有縮放或接近1的值。

FR1的RRM功耗模型已確定，另一個問題是如何對鄰小區(qū)搜索進行建模。UE通常必須在執(zhí)行鄰小區(qū)測量之前執(zhí)行鄰小區(qū)搜索。然而，如何執(zhí)行鄰小區(qū)搜索取決于UE實現(xiàn)。很難確定UE執(zhí)行鄰小區(qū)搜索的頻率，例如，UE是否會在每次執(zhí)行鄰小區(qū)測量時，或每X次執(zhí)行鄰小區(qū)檢測時，執(zhí)行鄰區(qū)查找？因此，可以對功耗值進行建模，但應(yīng)仔細(xì)研究是否對執(zhí)行小區(qū)搜索所需的時間進行建模。

此外，即使對于UE執(zhí)行鄰區(qū)搜索和鄰區(qū)測量的情況，也可以同時處理搜索和測量。例如，UE可以首先搜索鄰區(qū)。在找到一些相鄰小區(qū)后，它將測量這些小區(qū)，而UE可以同時繼續(xù)搜索其他相鄰小區(qū)。因此，小區(qū)搜索和RRM測量的功耗可能不會解耦。另一方面，據(jù)觀察，目前還沒有解決RRM增強的方法，僅影響小區(qū)搜索，而不影響RRM測量。因此，耦合小區(qū)搜索和RRM測量的功率模型可能需要進一步研究。