学习笔记:【QC】Android Q - IMS 模块

一、IMS init 流程图

二、IMS turnon 流程图

三、分析说明

1、nv70287=0

不创建ims apn pdp


2、nv70281=1

nv70281=1的时候才创建ims pdp:

ims pdp 由ims库发起,高通没有开放这部分代码:
10-10 11:45:53.027   943   943 E Diag_Lib: [IMS_DataD] imsdatad.c | 1679 | | 943 |QCSI#>>#DATAD#6# QMI_IMS_DCM_PDP_ACTIVATE_REQ_V01--->
10-10 11:45:53.031   943   943 E Diag_Lib: [IMS_DataD] imsdatad.c | 1732 | | 943 |ims_qmi_dcm_pdp_activate_handler | Sending QMI_IMS_DCM_PDP_ACTIVATE_RSP_V01 with PDP_ID : 21
10-10 11:45:54.005   943   943 E Diag_Lib: [IMS_DataD] imsdatad.c | 2539 | | 943 |DATAD#>>#QCSI#2#QMI_IMS_DCM_PDP_ACTIVATE_IND_V01:eCS_ENETISCONN
10-10 11:45:54.006   943   943 E Diag_Lib: [IMS_DataD] imsdatad.c | 2548 | | 943 |ProcessCSIndication| Sending QMI_IMS_DCM_PDP_ACTIVATE_IND_V01


10-10 11:45:54.008  2120  2298 I QCNEJ   : |CORE| Bring up network: 11subId = 1
10-10 11:45:54.011   955  2853 D ConnectivityService: requestNetwork for uid/pid:1000/2120 NetworkRequest [ REQUEST id=15, [ Transports: CELLULAR Capabilities: IMS&TRUSTED&NOT_VPN Specifier: <1>] ]


10-10 11:45:54.027  2233  2233 D TelephonyNetworkFactory[0]: got request NetworkRequest [ REQUEST id=15, [ Transports: CELLULAR Capabilities: IMS&TRUSTED&NOT_VPN Specifier: <1>] ] with score 0
10-10 11:45:54.028  2233  2233 D TelephonyNetworkFactory[1]: got request NetworkRequest [ REQUEST id=15, [ Transports: CELLULAR Capabilities: IMS&TRUSTED&NOT_VPN Specifier: <1>] ] with score 0
10-10 11:45:54.028  2233  2233 D PhoneSwitcherNetworkRequstListener: got request NetworkRequest [ REQUEST id=15, [ Transports: CELLULAR Capabilities: IMS&TRUSTED&NOT_VPN Specifier: <1>] ] with score 0
10-10 11:45:54.032  2233  2233 D TelephonyNetworkFactory[0]: onNeedNetworkFor NetworkRequest [ REQUEST id=15, [ Transports: CELLULAR Capabilities: IMS&TRUSTED&NOT_VPN Specifier: <1>] ]

10-10 11:45:54.100  2233  2385 D QtiDC-2 : initConnection:  RefCount=1 mApnList={{mApnType=ims mState=CONNECTING mWaitingApns={[[ApnSettingV3] IMS, 1131, 46000, ims, , , , , , -1, ims,
10-10 11:45:54.101  2233  2385 D QtiDC-2 : onConnect: carrier='IMS' APN='ims' proxy='' port=''
10-10 11:45:54.104  2233  2385 D RILJ    : [3953]> SETUP_DATA_CALL,radioTechnology=14,isRoaming=false,allowRoaming=false,DataProfile=2/ims/IPV4V6/0///0/0/0/0/true/64/IPV4V6/0/0///false [SUB0]
10-10 11:45:54.181  2233  2337 D RILJ    : [3953]< SETUP_DATA_CALL DataCallResponse: { status=0 retry=-1 cid=1 active=2 type=IPV4V6 ifname=rmnet_data2 mtu=1500 
addresses=[2409:8095:040e:0830:78f4:414d:e7a1:3445/64] dnses=[] gateways=[fe80:0000:0000:0000:70ea:0a50:eddf:ec9c] pcscf=[2409:8095:500::11c,2409:8095:500::1]} [SUB0]
 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/594424.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

只用语音能训练出AI大模型吗?就像训练会说话但不识字的人一样

AI语音对话技术通常是基于语音识别和自然语言处理&#xff08;NLP&#xff09;的。在这个过程中&#xff0c;语音首先被识别成文字&#xff0c;然后NLP技术对这些文字进行处理&#xff0c;生成回应。然而&#xff0c;我们是否可以直接训练一个“文盲”大模型&#xff0c;即只用…

45. UE5 RPG 增加角色受击反馈

在前面的文章中&#xff0c;我们实现了对敌人的属性的初始化&#xff0c;现在敌人也拥有的自己的属性值&#xff0c;技能击中敌人后&#xff0c;也能够实现血量的减少。 现在还需要的就是在技能击中敌人后&#xff0c;需要敌人进行一些击中反馈&#xff0c;比如敌人被技能击中后…

深度学习中的注意力机制二(Pytorch 16)

一 Bahdanau 注意力 通过设计一个 基于两个循环神经网络的编码器‐解码器架构&#xff0c;用于序列到序列学习。具体来说&#xff0c;循环神经网络编码器将长度可变的序列转换为固定形状的上下文变量&#xff0c;然后循环神经网络 解码器根据生成的词元和上下文变量按词元生成…

meshlab: pymeshlab计算两个模型的布尔交集(mesh boolean intersection)

一、关于环境 请参考&#xff1a;pymeshlab遍历文件夹中模型、缩放并导出指定格式-CSDN博客 二、关于代码 本文所给出代码仅为参考&#xff0c;禁止转载和引用&#xff0c;仅供个人学习。 本案例以两个圆环为例。 左侧为两个圆环&#xff0c;右上是重叠&#xff0c;右下是圆…

引流源码短剧搜索前端源码+内附搜索API

引流源码短剧搜索前端源码内附搜索API&#xff0c;全网短剧搜索前端源码分享&#xff0c;文末附API及使用详解 内含7000短剧资源(不支持在线播放&#xff09;&#xff0c;毕竟搞在线播放挺烧钱的[阴险] 源码直接上传虚拟主机或服务器即可使用&#xff0c;无需其他配置&#x…

jvm 马士兵 01 JVM简介,class文件结构

01.JVM是什么 JVM是一个跨平台的标准 JVM只识别class文件&#xff0c;符合JVM规范的class文件都可以被识别 u1 是一个字节 u2是两个字节

使用网络用户命令行工具的/passwordreq:yes

提示:"新建域时&#xff0c;本地administrator帐户将成为域administrator账户。无法新建域&#xff0c;因为本地administrator账户密码不符合要求。 目前&#xff0c;本地administrator账户不需要密码。我们建议您使用网络用户命令行工具的/passwordreq:yes选项获得该账户…

AI图书推荐:ChatGPT在真实商业世界中的应用

《ChatGPT在真实商业世界中的应用》 (Unleashing The Power of ChatGPT: A Real World Business Applications)首先概述了ChatGPT及其在对话式人工智能领域的影响。接着&#xff0c;你将深入了解ChatGPT的技术方面&#xff0c;理解机器学习算法和自然语言处理如何在后台工作。然…

鸿蒙ArkTs开发,仿抖音个人中心header 下拉放大

如果是iOS 或者android 上实现&#xff0c;可以用Scollview 的contentOffset 来实现&#xff0c;然而在鸿蒙ets中该如何实现&#xff1f;废话不多说开始撸代码 第一步、实现一个header // 创建header&#xff0c;准备一张背景图片BuilderHeaderBuilder(){Column() {Row() {Ima…

社交媒体数据恢复:爱聊

爱聊数据恢复方法 在爱聊的使用过程中&#xff0c;如果遇到数据丢失的情况&#xff0c;可以尝试以下几种方法来恢复数据。 1. 硬盘坏道检测与修复 如果问题是由于硬盘坏道导致的&#xff0c;可以按照以下步骤进行操作&#xff1a; 找到需要修复的坏道磁盘&#xff1a;首先&…

js模块化:修改导入模块的内容,会有影响吗?

起因 element-ui的popper组件相关的层级&#xff0c;是使用popup-manager来统一管理的。 之前试图在自己的组件里导入并使用element-ui的popup-manager&#xff0c;但是层级老是和element-ui组件的层级冲突&#xff0c;看了下源码&#xff0c;竟意外发现&#xff0c;使用popu…

基于若依框架搭建网站的开发日志(一):若依框架搭建、启动、部署

RuoYi&#xff08;基于SpringBoot开发的轻量级Java快速开发框架&#xff09; 链接&#xff1a;开源地址 若依是一款开源的基于VueSpringCloud的微服务后台管理系统&#xff08;也有SpringBoot版本&#xff09;&#xff0c;集成了用户管理、权限管理、定时任务、前端表单生成等…

You don’t have permission.

The document “XXX” could not be saved. You don’t have permission. 1.查看修改了iOS系统库导致的, 根据提示, 进入到"XXX"文件中, 然后commandz回退/取消 2. Xcode 调试遇到的报错&#xff08;持续更新&#xff09;

治疗耳鸣患者案例分享第二期

“患者耳鸣20年了&#xff0c;目前耳朵没有堵或者胀的感觉&#xff0c;但是偶尔有点痒&#xff0c;平时会有头晕头胀这种情况&#xff0c;然后头晕是稍微晕炫一下。然后头疼是经常有的&#xff0c;头胀不经常。” 患者耳鸣持续20年&#xff0c;虽然耳朵没有堵或胀的感觉&#x…

书生浦语训练营第三次课笔记:XTuner 微调 LLM:1.8B、多模态、Agent

Finetune 简介 两种Finetune范式&#xff1a;增量预训练微调、指令跟随微调 微调数据集 上述是我们所期待模型回答的内容&#xff0c;在训练时损失的计算也是基于这个。 训练数据集看起来是这样&#xff0c;但是真正喂给模型的&#xff0c;是经过对话模板组装后的 下图中&…

防火墙的基本概念

我们在 TCP/IP协议四层模型与OSI七层模型 的最后说过&#xff0c;在四层模型中每一层都会有对应的风险&#xff0c;而防火墙就是来阻断这些风险的工具。 防火墙的基本功能 防火墙的分类 目前没有权威而明确的分类 按照实现方式&#xff1a; 硬件防火墙软件防火墙 按照部署…

HNU-人工智能-实验1-A*算法

人工智能-实验1 计科210x 甘晴void 一、实验目的 掌握有信息搜索策略的算法思想&#xff1b; 能够编程实现搜索算法&#xff1b; 应用A*搜索算法求解罗马尼亚问题。 二、实验平台 课程实训平台https://www.educoder.net/shixuns/vgmzcukh/challenges 三、实验内容 3.…

高扬程水泵助力森林消防,守护绿色生命线/恒峰智慧科技

随着人类社会的不断发展&#xff0c;森林资源的保护和管理变得越来越重要。然而&#xff0c;森林火灾却时常威胁着这一宝贵资源。为了有效应对森林火灾&#xff0c;提高灭火效率&#xff0c;高扬程水泵在森林消防中发挥了重要作用。本文将重点介绍高扬程水泵在森林消防中的应用…

AI终端设备的自动化分级

摘要&#xff1a; AI智体被定义为感知环境、做出决策和采取行动的人工实体。 受SAE&#xff08;汽车工程师学会&#xff09;自动驾驶6个级别的启发&#xff0c;AI智体也根据效用和强度进行分类&#xff0c;分为以下几个级别&#xff1a; L0——无AI&#xff0c;有工具&#xf…

机器学习中线性回归算法的推导过程

线性回归是机器学习中监督学习中最基础也是最常用的一种算法。 背景&#xff1a;当我们拿到一堆数据。这堆数据里有参数&#xff0c;有标签。我们将这些数据在坐标系中标出。我们会考虑这些数据是否具有线性关系。简单来说 我们是否可以使用一条线或者一个平面去拟合这些数据的…