5G优化案例:基于AI技术的AAPC对室内覆盖增益的研究和评估.docx
《5G优化案例:基于AI技术的AAPC对室内覆盖增益的研究和评估.docx》由会员分享,可在线阅读,更多相关《5G优化案例:基于AI技术的AAPC对室内覆盖增益的研究和评估.docx(15页珍藏版)》请在冰豆网上搜索。
基于Al技术的AAPC对室内覆盖增益的研究和评估
XX
基于Al技术的AAPC方案研究与实践,低成本实现5G天线权值自优化 3
一、问题描述 3
二、分析过程 4
2.1基本概念 4
2.2AAPC基本原理 5
2.3AAPC优势 8
三、解决措施 9
3.1AAPC方案介绍 9
3.2AAPC开启流程 11
3.2AAPC实施效果 13
四、经验总结 30
(1)三个AAPC子方案实施效果良好 30
(2)真正实现天线权值智能化、自优化调整 31
(3)大规模部署AAPC需要更多服务器资源 31
基于Al技术的AAPC对5G室内覆盖增益的研究和评估
XX
【摘要】网络覆盖是网络感知的基础,良好的覆盖是保障网络性能的前提,5G技术较于2G/3G/4G技术引入了空域的维度;相比传统天线,5G天线水平波瓣宽度等权值配置更为灵活、覆盖场景更为多样,5G覆盖场景多样带来优化调整难度增加。
在5G移动网络时代,运营商运用发展迅速的AI技术进行天线权值的自优化,可节省大量人工成本,并且可以随着网络用户分布动态调整。
基于AI技术的AAPC应运而生,为5GMassiveMIMO天线调整提供有效的解决方案。
本案例侧重于使用研究AAPC对室内覆盖提升的原理,作用机制和评估增益,对外场后续AAPC的应用实践提供实践经验。
【关键字】AAPCMassiveMIMO室内覆盖
【业务类别】优化方法、IT系统支撑
一、问题描述
天线是所有类型无线通信的关键组成部分,无论是我们家中的电视机,汽车中的FM收音机,还是移动电话,它们已成为大多数人日常生活中几乎不可或缺的一部分,所有这些设备都需要天线才能起作用。
尤其在无线通信领域中应用更是非常广泛。
对天线调整的研究贯穿整个2G/3G/4G的发展史。
2G/3G时代天线调整完全依赖于塔工塔工上站对天线的下倾角和方向角进行调整。
4G时代天线调整的部分工作,安装有RCU的天线的电子下倾角可由后台网管完成,但现场调整工作仍然占据非常大的比重,同时很难达到与网络用户动态变化的最优状态。
对于已经来临5G时代,运营商面临着同样的问题。
MassiveMIMO技术将天线阵列从一维扩展到二维,能够同时控制天线方向图在水平方向和垂直方向的形状,称为3D波束赋形(3DBeamforming),3D波束赋形使基站针对用户在空间的不同分布,将信号精准地指向目标用户。
MassiveMIMO天线具有灵活的水平和垂直覆盖能力,大规模天线阵列提供更高的信道增益,更大范围内的波束赋形对目标用户提供更好的增益效果,对于整个小区的信号覆盖更加彻底,提供更大范围的广播信道覆盖能力。
更宽的垂直波束覆盖范围不仅能够增强高楼覆盖,同时也能够增强水平宏覆盖场景的业务能力。
5G网络由主同步序列、辅同步序列、物理广播信道和解调参考信号组合在一起构成的SSB(SS/PBCHBlock)。
SSB采用波束方式发射,并且引入了“波束扫描”的概念,SSB波束由具有不同方向的多子波束组成,波束使得能量定向投放到用户位置,提升信号覆盖降低小区间干扰,对于5G新空口(NR)来说,对于移动5ms单周期有8个SSB,对于电联
2.5ms双周期有7个SSB,每个SSB都是可调的。
而用户(UE)位置动态变化,用户分布和小区间干扰动态数据处理难度大,权值仅靠人工设置难以适应UE分布的变化动态调整现状,且不同场景最优权值不同,需针对性精细调整,上述需求需要投入大量人工成本且精准优化技术难度大。
总结起来可用2点概括:
(1)MassiveMIMO天线有大量的天线阵子,多个波束,单一依赖于传统天线调整方法难以为继,亟待需要更智能化、自动化的天线权值调整解决方案。
现阶段,针对MassiveMIMO小区重叠区域天线有很多种组合,并且针对不同的应用场景具有不同的调整方法,比如针对高层建筑区域需要用较大的垂直宽度波束覆盖,针对密集城市及热点地区需要用较宽的水平波束覆盖(如图1所示)。
这都对MassiveMIMO小区天线权值的调整提出了很大的挑战,也造成了很大的困难。
(2)人工调整天线权值将会消耗大量的人力、精力,无法满足降低运营成本潜在需求。
图1:
MassiveMIMO小区对不同场景的调整策略
本案例旨在研究AAPC对于高层建筑室内的覆盖增益及其评估。
二、分析过程
详细介绍案例的分析过程、问题分类定界方法,最终定位问题原因等。
2.1基本概念
2.1.1SSB介绍
SSB包含PSS,SSS,PBCH及PBCH的DMRS,时域上占据4个符号位,频域上占据20个RB资源。
图2:
SSB时频资源分布
PSS在SS/PBCH块的第1个OFDM符号上,占用SS/PBCH块中间的127个子载波,两边分别有56、57个子载波不传输任何信号,这样的设计使PSS与其他信号之间有较大的频率隔离,便于UE把PSS与其他信号区分出来。
SSS在SS/PBCH块的第3个OFDM符号上,也是占用SS/PBCH块中间的127个子载波,两边分别有8、9个子载波不传输任何信号,这样的设计既方便把SSS与PBCH区分出来,又充分利用了第3个OFDM符号上的资源。
PBCH在SS/PBCH块的第2〜4个OFDM符号上。
2.1.2天线权值
天线权值的要素有4个,简称四要素,水平波束的宽度、垂直波束的宽度、方位角、倾角。
天线权值的改变会影响波束的方位角、倾角,从而改变小区的覆盖半径和覆盖形状。
从水平覆盖角度体现固定波束扫描与普通宽波束覆盖差异,因为波束窄,能量相对集中,能够提高小区整体覆盖。
波束扫描和波束管理依赖于天线权值。
基站采取SSB或者CSI-RS多波束扫描,可以实
现不同场景的覆盖,解决了不同场景下小区覆盖受限以及邻区干扰问题。
2.2AAPC基本原理
随着AI技术的发展以及应用场景的多样化发展,利用AI技术进行天线权值的自适应调整成了人们的研究对象。
本文同样的也是利用AI技术对天线权值进行研究,针对MassiveMIMO小区重叠覆盖区域的天线权值优化提出了一种天线权值自适应调整算法
(AdaptiveAntennaPatternChange,AAPC)。
主要是通过引入AI技术,利用采集的UE的位置信息统计UE的分布以及每个物理位置的覆盖情况,对天线权值进行智能的估算,最终达到当前区域内所有小区达到覆盖最优,相互干扰最小的效果。
通过实验室仿真结果以及实际现网测试结果表明AAPC天线权值优化算法对网络的覆盖具有明显的提升作用。
图4:
AAPC算法基本流程
其中对于寻优AI算法,运用到一个关键算法AAPC-蚁群搜索,蚂蚁在寻找食物的过程中,走过的路径会释放一种信息素,该信息素会随着时间逐渐挥发,每条路径上会出现正负两种反馈的机制,路径上走过的蚂蚁越多,信息素浓度越高,为正反馈,路径上走过的蚂蚁越少,信息素因挥发特性,浓度越低,理想情况下蚁群会向最短路径迁移。
图5:
蚁群搜索算法
运用AAPC-蚁群搜索算法,可以对采集的UE位置信息进行计算,预测用户分布,评估覆盖效果,最后达到优化天线权值的目的。
并且随着采样点越多,迭代计算次数越多,越能精确覆盖用户。
2.2.1SS-RSRP优化原理介绍
AAPC通过采集终端的RSRP、DOA等信息,建立算法模型,通过AI运算,选择最优的权值,并通过自动流程完成修改。
图6:
AAPC算法关键技术点
2.2.2SS-SINR优化原理介绍
AAPC采集终端服务小区与邻区的RSRP后,拟合SINR,以SINR提升优化目标,建立算法模型,通过AI算法寻找最优的SINR权值,并通过自动流程完成修改。
NR网络的SINR值类似于4G,基于主服务小区与邻区进行拟合的,拟合公式如下:
服务小区RSRP
sinr=邻区RSRP+白噪功率
图7:
SINR拟合公式
2.2.3CSLRSRP优化原理介绍
NR的SSB波束与CSI波束互相独立,SSB波束权值主要影响于广播信道的质量,CSI波束权值主要影口触务信道的质量。
因当前终端不支持CSI波束信息的上报,为达到CSI波束优化,业务速率提升的目的,采用的策略为CSI波束与SSB波束"近似+联动”的策略。
在实际测试中,UE分为SRS模式与PMI模式,如果为Sounding模式,终端与基站之间可以协同,进行波束赋性,所以权值对SRS模式的终端影响不大;如果为PMI模式,终端基于CSI信道的测量完成业务信道的估计,权值影响较大。
考虑到大多商用终端都是Sounding模式,在本案例中没有验证。
2.3AAPC优势
(1)降低优化复杂度:
AAPC降低了MassiveMIMO天线多波束天线权值调整复杂性,协同多波束覆盖,理论上可实现综合最优的覆盖目标。
传统的天线调整具有局限性,只能调整天线的物理属性,机械下倾角和方向角,不能调整到子波束的天线权值。
通过后台网管对多个子波束调整,虽然有很多工程上经验pattern,但是给优化人员的设置带来极大困难,分场景优化非常复杂。
只有通过自动优化调整,才能真正将多个子波束的天线权值设置到与用户位置最佳的值。
(2)降低人工成本:
AAPC是智能化、自动化的调整方法,降低了人工成本50%+。
有相当一部分天线,通过AAPC优化,不需要塔工上站进行调整,这将减少塔工上站次数。
有了AAPC优化,后台系统优化工程师不必陷入复杂的pattern设置工作中,也减少了人工工作量。
初步估计,使能成熟的AAPC功能,将降低人工成本50%+o
(3)提高资源利用率:
AAPC是动态的,网随人动,提高小区资源利用率。
AAPC使能以后,可以实现每小时计算和调整优化一次。
某些覆盖小区,在某些时段在一个方向上用户数量较多,在另一个时段在另一个方向上用户数量较多,传统天馈调整无法实现优化,AAPC将很好地解决了这个问题。
AAPC使能,网络动态调整,跟随用户,会提高小区资源利用率。
(4)提高5G驻留比:
AAPC改善弱覆盖,降低干扰,会提高5G驻留比。
虽然用户在业务态(依赖于CSI波束)会通过sounding模式来实现终端和基站的协商,但是接入、切换等控制用户移动性,还是依赖于SSB波束,所以通过AAPC优化了SSB波束的覆盖,改善弱覆盖,降低重叠覆盖,会提升5G驻留比。
部分通过PMI模式的用户更是受益于CSI波束与SSB波束"近似+联动”的策略,不仅提升5G驻留比,还提升了用户感知速率。
三、解决措施
3.1AAPC方案介绍
3.1.1方案基本流程
AAPC方案基本流程,需要UME网管配置优化区域,基站侧下发测量获取UE的信号强度、位置级路损信息,主要获取MR&DOA等,然后进行最优权值估算(基于AI算法)生效权值,并下发给基站,然后进行效果评估,如果效果符合预期则进行权值更新,否则进行回退。
图9:
AAPC方案基本流程
3.1.2天线权值可设置范围
、^波束信息
波束个
azimuth(度)
tilt(度)
beamwidthH(度)
beamwidth
V(度)
1
[-40,40]
[-3,12]
[15,90]
{7,15,30)
2
[-40,40]
[-3,12]
[15,90]
{7}
4
[-40,40]
[-3,12]
[15,90]
{7}
7
[-40,40]
[-3,12]
[15,90]
{7}
8
[-40,40]
[-3,12]
[15,90]
{7}
表1:
天线权值可设置范围
9BeamWidthV指的单波束宽度,而BeamwidthH指的是水平合成的波束宽度;
◎垂直维度层与层之间的夹角固定为