袁亞男 王朝陽(yáng) 錢(qián)國(guó)寶 賀小蓉 郭大干
1.中國(guó)移動(dòng)通信集團(tuán)江蘇有限公司鹽城分公司;
2.揚(yáng)州大學(xué)
隨著通信技術(shù)的不斷進(jìn)步,人們對(duì)網(wǎng)絡(luò)體驗(yàn)的要求越來(lái)越高,做好無(wú)線(xiàn)資源的充分合理應(yīng)用變得更加重要,在未來(lái),通信系統(tǒng)設(shè)計(jì)需要能夠更加合理地利用帶寬資源,從而大幅提升頻譜效率。目前,5G大規(guī)模采用MM(Massive Multiple-Input Multiple-Output,大規(guī)模多入多出)技術(shù)天線(xiàn)部署方式。怎樣更加合理地應(yīng)用波束賦形技術(shù)解決邊緣場(chǎng)景覆蓋能力弱及深度覆蓋能力不足的問(wèn)題,是當(dāng)前5G網(wǎng)絡(luò)建設(shè)亟待解決的問(wèn)題。
本文基于MDT數(shù)據(jù),研究出一種MM小區(qū)的波束與場(chǎng)景的適配方法,實(shí)現(xiàn)場(chǎng)景級(jí)的個(gè)性化配置。該方法通過(guò)建立天線(xiàn)到用戶(hù)的三維模型,提取天線(xiàn)到用戶(hù)的向量關(guān)系特征數(shù)據(jù),利用統(tǒng)計(jì)學(xué)分析得出初始最優(yōu)解,然后配置到現(xiàn)網(wǎng),并進(jìn)行循環(huán)往復(fù)的閉環(huán)評(píng)估,逐漸收斂波束到現(xiàn)網(wǎng)最優(yōu)解,最終增強(qiáng)網(wǎng)絡(luò)覆蓋能力,提高下載速率,提升用戶(hù)使用體驗(yàn)。
目前,5G MM天線(xiàn)部署開(kāi)通時(shí)的配置均為默認(rèn)場(chǎng)景,無(wú)法充分發(fā)揮5G多波束天線(xiàn)的優(yōu)勢(shì)。5G NR(New Radio,新空口技術(shù))早期部署采用NSA(Non-Standalone,非獨(dú)立組網(wǎng))模式,當(dāng)前5G網(wǎng)絡(luò)側(cè)尚無(wú)成熟的MR(Measure Report,測(cè)量報(bào)告)、MDT信令軟采集系統(tǒng)部署,所以沒(méi)有5G的MDT數(shù)據(jù)可以采集,網(wǎng)絡(luò)優(yōu)化MM站點(diǎn)時(shí),周邊覆蓋場(chǎng)景主要依靠人員現(xiàn)場(chǎng)勘測(cè),優(yōu)化費(fèi)用高且效率低。因缺少對(duì)MM性能的自動(dòng)檢測(cè)機(jī)制,不能發(fā)現(xiàn)及測(cè)算因波束方案部署不合理造成的性能、流量損失。因此對(duì)MM權(quán)值配置的自?xún)?yōu)化研究將有助于發(fā)揮天線(xiàn)最優(yōu)性能,最大化提升網(wǎng)絡(luò)資源利用率。
MDT是3GPP(3rd Generation Partnership Project,第三代合作伙伴項(xiàng)目)提出來(lái)的進(jìn)行部分替代DT(Drive Test,即驅(qū)車(chē)測(cè)試,一般業(yè)內(nèi)稱(chēng)路測(cè))、CQI(Call Quality Test,呼叫質(zhì)量測(cè)試,一般業(yè)內(nèi)稱(chēng)定點(diǎn)測(cè)試)測(cè)試方法,并降低OPEX(Operating Expense,運(yùn)營(yíng)成本)成本的自動(dòng)優(yōu)化方案。主要通過(guò)GPS定位信息,結(jié)合MR原始上報(bào)的用戶(hù)RSRP(Reference Signal Receiving Power,參考信號(hào)接收功率)、RSRQ(Reference Signal Receiving Quality,參考信號(hào)接收質(zhì)量)等網(wǎng)絡(luò)性能信息,利用大數(shù)據(jù)分析處理方法,可以更精確地掌握網(wǎng)絡(luò)覆蓋模型及用戶(hù)感知體驗(yàn)。
根據(jù)最新的檢索數(shù)據(jù)顯示,已有相關(guān)針對(duì)Massive MIMO天線(xiàn)波束優(yōu)化方法的研究理論。但其大多是采用用戶(hù)的話(huà)務(wù)模型來(lái)調(diào)優(yōu),對(duì)網(wǎng)絡(luò)實(shí)際覆蓋能力的考慮有較大欠缺。本研究基于3D MDT的5G波束智能管理,從用戶(hù)的實(shí)際位置考慮,進(jìn)行三維空間位置研究,形成一套智能優(yōu)化方法。首先,采集并處理4G用戶(hù)3D MDT基礎(chǔ)數(shù)據(jù),精準(zhǔn)定位現(xiàn)網(wǎng)用戶(hù)覆蓋需求,使用大數(shù)據(jù)建模算法輸出天線(xiàn)波束(水平方位、垂直方位、水平波瓣角、垂直波瓣角等)覆蓋方向及范圍,基于AI循環(huán)調(diào)優(yōu)算法,確定最佳波束場(chǎng)景;其次,根據(jù)4G、5G小區(qū)的天饋共用信息進(jìn)行一對(duì)一映射,以獲得5G最佳波束場(chǎng)景,最終,形成5G波束智能管理方案,本項(xiàng)目方案系統(tǒng)架構(gòu)圖如圖1所示。
圖1 基于MR/MDT大數(shù)據(jù)的MM權(quán)值A(chǔ)I優(yōu)化系統(tǒng)架構(gòu)圖
1.2.1 用戶(hù)MDT大數(shù)據(jù)采集與清洗
數(shù)據(jù)采集:網(wǎng)管平臺(tái)完成MDT基礎(chǔ)數(shù)據(jù)訂閱與采集,無(wú)需現(xiàn)場(chǎng)進(jìn)行DT、CQT測(cè)試。
數(shù)據(jù)整合:因MDT采集的數(shù)據(jù)量龐大,每小時(shí)可產(chǎn)生“4×站點(diǎn)數(shù)”的文件,人工使用Excel不可能完成一個(gè)地市1.2萬(wàn)余個(gè)站點(diǎn)的數(shù)據(jù)分析。對(duì)此,借助Python語(yǔ)言的快速開(kāi)發(fā)特點(diǎn),自研Python小工具。經(jīng)過(guò)數(shù)據(jù)獲取識(shí)別、數(shù)據(jù)清洗、數(shù)據(jù)匯聚、數(shù)據(jù)處理等步驟,將海量數(shù)據(jù)自動(dòng)分析并提取到一張數(shù)據(jù)建模匯聚表中。
數(shù)據(jù)清洗:通過(guò)Python數(shù)據(jù)處理pandas模塊完成數(shù)據(jù)清洗與數(shù)據(jù)建模計(jì)算。
在數(shù)據(jù)提取階段,可同步完成數(shù)據(jù)的預(yù)處理,即生成“.csv”文件。使用Python中的pandas模塊,將數(shù)據(jù)引入到DataFrame數(shù)據(jù)中,并進(jìn)行數(shù)據(jù)的清洗與處理。
數(shù)據(jù)清洗,思路采用基于采樣點(diǎn)密度和有效性的處理方法,將低密度的邊緣點(diǎn)剔除。這里采用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)基于密度的聚類(lèi)算法實(shí)現(xiàn)。
DBSCAN算法描述,如圖2所示。
圖2 DBSCAN鄰接關(guān)系圖
輸入:包含n個(gè)對(duì)象的數(shù)據(jù)庫(kù),半徑e,最少數(shù)目MinPts。
輸出:所有生成的簇,達(dá)到密度要求。
(1)Repeat;
(2)從數(shù)據(jù)庫(kù)中抽出一個(gè)未處理的點(diǎn);
(3)如果,抽出的點(diǎn)是核心點(diǎn)。那么,找出所有從該點(diǎn)密度可達(dá)的對(duì)象,形成一個(gè)簇;
(4)否則,抽出的點(diǎn)是邊緣點(diǎn)(非核心對(duì)象),跳出本次循環(huán),尋找下一個(gè)點(diǎn);
(5)直到所有的點(diǎn)都被處理。
數(shù)據(jù)清洗的實(shí)現(xiàn)流程,如圖3所示。結(jié)果將保留綠色密集區(qū)域采樣點(diǎn),周邊的離散點(diǎn)將會(huì)被過(guò)濾掉。
圖3 MDT采樣點(diǎn)分布和GE三維呈現(xiàn)
1.2.2 用戶(hù)3D建模及模型的回歸分析
完成數(shù)據(jù)清洗后,將小區(qū)(無(wú)線(xiàn)覆蓋區(qū)域,即天線(xiàn)電磁波覆蓋區(qū)域)的天面數(shù)據(jù)和用戶(hù)3D數(shù)據(jù)做數(shù)據(jù)集成處理。實(shí)現(xiàn)CELL-UE(小區(qū)-用戶(hù)終端)級(jí)海量數(shù)據(jù)的3D向量建模與計(jì)算,并輸出以向量為媒介的屬性數(shù)據(jù)信息。
圖4中,右圖的藍(lán)色菱形為天線(xiàn)位置,散點(diǎn)為UE位置。L、R為水平方向包絡(luò)面的左右外切邊界,其夾角構(gòu)成水平波瓣寬度;U、D為垂直方向包絡(luò)面的上下外切邊界,其夾角構(gòu)成垂直波瓣寬度。
圖4 CELL-UE向量呈現(xiàn)(左)、天線(xiàn)與UE的3D關(guān)系(右)
向量特征提?。菏紫葘⑿^(qū)數(shù)據(jù)、MDT數(shù)據(jù)相關(guān)聯(lián),得到小區(qū)經(jīng)緯度、小區(qū)掛高、UE經(jīng)緯度、UE高度,建立每個(gè)MDT樣本點(diǎn)的三維空間向量模型,并提取方位角、傾角屬性。
回歸分析:將每個(gè)小區(qū)的N個(gè)MDT采樣點(diǎn)數(shù)據(jù)的方位角、傾角數(shù)據(jù),分別輸入sklearn.cluster科學(xué)計(jì)算包進(jìn)行回歸分析,并輸出最大值及上下邊界。經(jīng)過(guò)統(tǒng)計(jì)分析,當(dāng)正態(tài)分布第一參數(shù),取為俯仰角,上下邊界可根據(jù)置信度做樣本包絡(luò)為垂直波瓣寬度范圍。
通過(guò)建模與回歸分析后,將可以擬合出小區(qū)的天面電磁覆蓋包絡(luò)參數(shù)組(水平波瓣寬度、垂直波瓣寬度、俯仰角、水平方位角)。
1.2.3 波束場(chǎng)景自學(xué)習(xí)
考慮到設(shè)備商對(duì)波束場(chǎng)景的設(shè)置限制,這里參照華為5G設(shè)備設(shè)置方法。華為設(shè)備共計(jì)支持17種波束場(chǎng)景設(shè)置,分別為DEFAULT、Scenario_0到16,且其場(chǎng)景設(shè)置值為離散值,而輸出的小區(qū)天面電磁覆蓋包絡(luò)參數(shù)組數(shù)據(jù)均為連續(xù)值,導(dǎo)致無(wú)法將擬合的數(shù)據(jù)直接應(yīng)用到現(xiàn)實(shí)中。
對(duì)此,采用機(jī)器學(xué)習(xí)的思路,對(duì)擬合的連續(xù)值數(shù)據(jù)做離散化處理,以適配最優(yōu)可實(shí)現(xiàn)波束場(chǎng)景設(shè)置。這里,通過(guò)sklearn.tree包的CART算法完成波束的自動(dòng)學(xué)習(xí)與波束匹配。如圖5所示。
圖5 波束場(chǎng)景自學(xué)習(xí)
(1)單點(diǎn)驗(yàn)證速率提升10.41%
選擇**-**-***-NR進(jìn)行驗(yàn)證,如表1所示。
表1 站點(diǎn)三扇區(qū)波寬和匹配場(chǎng)景
現(xiàn)場(chǎng)核實(shí)驗(yàn)證,**_**_***FD_0小區(qū)方向?yàn)?~5層商鋪,**_**_***FD_1小區(qū)方向?yàn)榈蛯由啼仯?*_**_***FD_2小區(qū)方向?yàn)?8層左右小高層,與MDT擬合結(jié)果完全一致。
分別在三個(gè)扇區(qū)內(nèi)進(jìn)行打點(diǎn)測(cè)試,對(duì)比默認(rèn)波束賦形和場(chǎng)景化波束賦形的差異。場(chǎng)景化波束較默認(rèn)波束的平均電平提升2.3dB,平均SINR(Signal to Interference plus Noise Ratio,信號(hào)與干擾加噪聲比)提升1.66dB,平均下載速率提升61.46Mbps,提升幅度10.41%。
圖6 三扇區(qū)測(cè)試指標(biāo)(NR平均RSRP)
圖7 三扇區(qū)測(cè)試指標(biāo)(NR平均SINR)
(2)微區(qū)域應(yīng)用速率提升14.45%
選擇連片的10個(gè)站點(diǎn)進(jìn)行場(chǎng)景化波束智能設(shè)置。對(duì)微區(qū)域進(jìn)行拉網(wǎng)測(cè)試,對(duì)比默認(rèn)波束和場(chǎng)景化波束的差異??梢园l(fā)現(xiàn)場(chǎng)景化波束相比默認(rèn)波束,平均RSRP提升5.79dB,但是SINR提升9.43dB、達(dá)到21.51dBm,平均下載速率提升87.03Mbps,提升幅度達(dá)到14.45%。
圖8 三扇區(qū)測(cè)試指標(biāo)(NR平均下載速率)
統(tǒng)計(jì)微區(qū)域性能指標(biāo),最大用戶(hù)數(shù)、業(yè)務(wù)量提升明顯,上行干擾降低1.62dB,下行用戶(hù)平均吞吐率提升76.95Mbps,提升幅度24.08%。微區(qū)域日均流量增長(zhǎng)超50%,整體來(lái)看5G性能、覆蓋和業(yè)務(wù)吸收均改善明顯。
根據(jù)對(duì)當(dāng)前NSA Option 3X組網(wǎng)模式下用戶(hù)接入、業(yè)務(wù)數(shù)據(jù)傳輸?shù)攘鞒痰睦斫?,在前期的MDT大數(shù)據(jù)分析基礎(chǔ)上,延伸開(kāi)展三維立體用戶(hù)模型建模,從而立體呈現(xiàn)終端分布,開(kāi)展Beam級(jí)優(yōu)化工作。利用“大數(shù)據(jù)眾籌理念”,使用MDT數(shù)據(jù)代替網(wǎng)絡(luò)測(cè)試數(shù)據(jù),從時(shí)間效率、資源效率、物質(zhì)成本三個(gè)方面達(dá)到降本增效的目的,拓展網(wǎng)絡(luò)優(yōu)化工作“自動(dòng)化”進(jìn)程。通過(guò)MM波束賦形技術(shù)有效地解決城區(qū)不同場(chǎng)景下的覆蓋效果,方案可通過(guò)MM波束AI自?xún)?yōu)化循環(huán)評(píng)估調(diào)優(yōu),實(shí)現(xiàn)方案效果的最優(yōu)化。而且利用MDT數(shù)據(jù)進(jìn)行計(jì)算與分析,優(yōu)化人員只需將站點(diǎn)場(chǎng)景及周邊小區(qū)信息進(jìn)行信息采集,輸出推薦方案,并落地實(shí)施,能夠有效提升人員優(yōu)化的精準(zhǔn)性,節(jié)省人力物力。