MR数据在G网络SINR优化中的应用完整版.docx
《MR数据在G网络SINR优化中的应用完整版.docx》由会员分享,可在线阅读,更多相关《MR数据在G网络SINR优化中的应用完整版.docx(9页珍藏版)》请在冰豆网上搜索。
MR数据在G网络SINR优化中的应用完整版
HUAsystemofficeroom【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】
MR数据在G网络SINR优化中的应用
MR数据在4G网络SINR优化中的应用
一、成果背景
目前公司正在集中全力发展LTE网络建设,由于LTE属于较新的业务,因此目前缺少有效的分析手段。
现阶段主要是靠路测和用户的投诉来发现网络存在的问题,解决的主要是发生在道路上的问题,对于用户实际所处位置的使用情况无法得知和分析。
针对这个问题采取有目的性的采集特定时段MR数据来分析和解决。
MR数据在主流的应用中主要是针对无线网络覆盖问题,即通过接收功率(RSRP)的情况确认弱覆盖、过覆盖等情况,但4G网络优化中,下载速率的多少主要取决于信号与干扰加噪声比(SINR)的情况,本文通过MR数据的深入挖潜,探索了一条对4G网络SINR的优化方法,使得通过后台数据直接定位4G速率问题,极大提高了4G优化工作效率。
二、解决方案
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:
RSRQ=N*RSRP/RSSI
=N/[X*8*Pdata/PRS+N*(4+12/SINR)]
=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)
RSRQ=N*RSRP/RSSI
=N*PRS/[N*(4*PRS+12*NI)]
=1/(4+12/SINR)
取对数:
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
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°调整为9°
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°调整为8°
4.塘沽保税区-TGFO-0扇区电子下倾角由4°调整为6°,塘沽保税区-TGFO-1、2扇区电子下倾角由6°调整为8°
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。
进一步验证了MR分析定位的准确性。
优化调整后截图如下:
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。