MR大数据在4G网络SINR优化中地应用Word文件下载.docx

MR大数据在4G网络SINR优化中地应用Word文件下载.docx

《MR大数据在4G网络SINR优化中地应用Word文件下载.docx》由会员分享，可在线阅读，更多相关《MR大数据在4G网络SINR优化中地应用Word文件下载.docx（8页珍藏版）》请在冰豆网上搜索。

影响用户使用感受的主要是覆盖差和信号质量差，也就是RSRP差和SINR差。

其中覆盖问题多数只能靠新建基站等建设手段解决，而RSRP好但SINR差的情况则大多可以通过优化手段来解决，这也是优化最常遇到的问题。

用户终端申请下载速率就是以其解调出的SINR为依据，然后上报CQI需求，网络根据用户上报申请分配下行速率，所以可以说SINR的优化是网络优化的重点。

目前主要是通过用户投诉来发现RSRP好但SINR差的问题，如果能通过MR数据分析来主动的发现这类问题，在用户投诉之前争取解决，则网络优化效率可以得到质的改变。

但是在MR的上报数据中只有用户的RSRP和RSRQ的数据，并没有上报SINR的数据。

因此需要将上报的RSRQ数据转换为SINR来评估，下面介绍一下具体的计算方法：

1.指标定义

RSRP（ReferenceSignalReceivingPower）：

是在某个Symbol内承载ReferenceSignal的所有RE上接收到的信号功率的平均值；

RSSI（ReceivedSignalStrengthIndicator）：

是在这个Symbol内接收到的所有信号（包括导频信号和数据信号，邻区干扰信号，噪音信号等）功率的平均值；

RSRQ（ReferenceSignalReceivingQuality）：

RSRP和RSSI的比值，当然因为两者测量所基于的带宽不同，会用一个系数来N调整，也就是RSRQ=N*RSRP/RSSI，N是全带宽的RB数目（跟带宽有关系）。

SINR：

信号与干扰加噪声比（SignaltoInterferenceplusNoiseRatio）是指:

信号与干扰加噪声比（SINR）是接收到的有用信号的强度与接收到的干扰信号（噪声和干扰）的强度的比值

2.理论计算

假设ReferenceSignal功率为PRS（W），该Symbol内数据符号功率为Pdata（W），已经被小区用户使用的RB个数为X，NI为每个子载波的干扰和噪声，则：

未被小区用户使用的RB个数为N-X；

未被小区用户使用的每个RB接收信号强度为：

4*PRS+12*NI（一个Symbol内有12个子载波，4个ReferenceSignal）

被小区用户使用的每个RB接收信号强度为：

4*PRS+8*Pdata+12*NI（一个Symbol内有12个子载波，4个ReferenceSignal，8个数据子载波）

RSRQ=N*RSRP/RSSI

=N*PRS/[X*（4*PRS+8*Pdata+12*NI）+（N-X）*（4*PRS+12*NI）]

=N*PRS/[X*（4*PRS+8*Pdata+12*NI-4*PRS-12*NI）+N*（4*PRS+12*NI）]

=N*PRS/[X*8*Pdata+N*（4*PRS+12*NI）]

=N/[X*8*Pdata/PRS+N*（4+12*NI/PRS）]

=N/[X*8*Pdata/PRS+N*（4+12/SINR）]

假设PA=-3、Pb=1，Pdata=PRS/2，则：

=N/[X*4+N*（4+12/SINR）]

=1/[X*4/N+（4+12/SINR）]

取对数：

10log（RSRQ）=0-10log（X*4/N+4+12/SINR）=-10log（X*4/N+4+12/SINR）

从推导来看，RSRQ和SINR之间的关系涉及负荷问题，即具体被小区用户使用的RB个数X，为此，考虑到空载或轻载的环境，则此问题可以解决。

将上述公式推导来看：

可看出，对于轻载的环境，X的取值为0-10对相同的RSRQ情况下，其SINR变化很小，而从MR数据采集原理来看，MR是采集扇区下激活的用户M个，让M个用户周期上报测量信息，此过程并不增加下行数据或很少的交互字节，为此，完全可以选取深夜时段，采集因为终端心跳原因而处于连接状态的终端上报测量，从而RSRQ和SINR的转换完全采用空载时的计算关系即可。

假设ReferenceSignal功率为PRS（W），每个子载波的干扰和噪声为NI，则空载时，

对于2天线端口：

RSSI=N*（4*PRS+12*NI）（一个Symbol内有12个子载波，4个ReferenceSignal）

=N*PRS/[N*（4*PRS+12*NI）]

=1/（4+12/SINR）

10log（RSRQ）=0-10log（4+12/SINR）=-10log（4+12/SINR）

从上面的理论推导可以得出在系统空载时RSRQ和SINR的对应关系，根据对应关系得出了下面的曲线。

3.数据的分析

根据计算出的在空载时RSRQ和SINR的对应关系，选取最接近空载的凌晨4点的闲时MR数据，可以得到最接近的SINR值来评估信号质量。

集团的质差小区的定义平均接收电平 

RSRP>

‐90dBm 

且平均 

SINR<

5dB 

的小区定义为质差小区，根据上面图中曲线可以看出SINR为5dB时RSRQ的值为-9dB，按照此标准把提出的MR数据进行了过滤，提出了符合质差小区要求的点，得到如下图层。

图中红色点为质差小区点，至此，通过MR分析，直观的发现RSRP很好而SINR较差的区域，通过对这些区域的进一步DT/CQT，则可制定相应解决方案并优化实施。

下图中，红色为符合平均接收电平RSRP>

‐90dBm且平均SINR<

5dB的质差小区点，灰色点为所有MR采集的用户测试点。

三、实施案例

以滨海塘沽区域的两个具体案例为例：

1、塘沽京津塘高速公路与新北路交口附近MOD3干扰

MR统计质差小区位置点：

经现场测试，确实发现，该区域强导频较多存在质差小区，导频污染等问题，说明MR分析数据准确。

优化解决方案：

1.塘沽滨海湘江里西-BHFO-0电子下倾角由5°

调整为8°

2.塘沽滨海湘江里-BHFO-0电子下倾角由8°

调整为10°

3.塘沽滨海莱茵春天西-BHFO-0电子下倾角由2°

调整为5°

按照上述优化方案实施，调整后塘沽滨海湘江里西-BHFO-0、塘沽滨海湘江里-BHFO-0、塘沽滨海莱茵春天西-BHFO-0覆盖范围得到有效控制，MOD3干扰解决，SINR值改善明显。

进一步验证了MR分析定位的准确性。

优化调整后截图如下：

2、塘沽东方大道与海滨六路交口附近MOD3干扰

1.塘沽滨海天津港二队-BHFO-0、1、2扇区电子下倾角由6°

调整为9°

2.塘沽天港储运-TGFO-2扇区电子下倾角由7°

3.塘沽滨海永利电机-BHFO-1扇区电子下倾角由4°

调整为6°

3.塘沽铁宇运输-TGFO-1扇区电子下倾角由6°

4.塘沽保税区-TGFO-0扇区电子下倾角由4°

，塘沽保税区-TGFO-1、2扇区电子下倾角由6°

按照上述优化方案实施，调整后塘沽滨海天津港二队-BHFO-1、塘沽天港储运-TGFO-2、塘沽滨海永利电机-BHFO-1等覆盖范围得到有效控制，MOD3干扰解决，SINR值改善明显，速率提升明显。

总体来说，经过现网的实际验证，本方法定位网络中RSRP较好SINR较差的问题准确性较高，在现网中实际应用价值较高，提高了问题定位分析的工作效率。

三、创新点

在4G建设初期，各种网络优化手段匮乏，2016年集团组织4G竞赛，其中一个方向为MR数据的应用，本方法摆脱了MR单纯分析网络覆盖的尴尬，深入挖潜MR数据，巧妙的利用凌晨MR数据解决了数据推导中的障碍，从SINR与RSRP结合分析的视角分析定位急需优化手段解决的网络问题，从而提高了工作效率。

四、实施效果

本方法的研究成熟后，在滨海区域4G无线网络优化中得以应用，截至目前，共分析定位导频污染问题50多个，MOD3干扰问题40多个，后续随着4G竞赛的开展还会在郊县和市区进一步推广。