APP下载

TD-LTE 6扇区组网研究

2015-07-03顾一泓陆学兵李钦竹

电信工程技术与标准化 2015年9期
关键词:扇区波束权值

顾一泓,陆学兵,李钦竹

(中国移动通信集团江苏有限公司苏州分公司,苏州 215021)

在TD-LTE的建设和优化上,面临着深度覆盖和性能的瓶颈。一方面快速建网以后面临局部区域深度覆盖难题,进一步规划建设站点困难更大,另一方面,快速建网以后面临局部区域深度覆盖难题,进一步规划建设站点困难更大。本文创新研究了TD-LTE 6扇区组网方式,解决组网难题,提升网络质量。

1 技术原理

应用扇区软劈裂技术,如图1所示,通过8T天线通道的基带加权,形成多个波束,每个波束一个小区,每小区8通道。将软劈裂技术应用在现网中,即将原65°扇区分裂成2个36°扇区,在同一个RRU、同一个天线上建立两个异频的TD-LTE小区,不需额外新增硬件资源。然后利用TDD特有的智能天线波束赋形能力,通过调整天线幅度和相位权值,将2小区方位角各偏置一定角度进行覆盖(如:±30°)。

图1 扇区劈裂示意图

如图2所示,将传统3扇区模式转变为单站6扇区模式,可提升网络资源利用效率。针对完全融合3扇区20 MHz网络及未来规模组网的需求,本案例优先采用3扇区20 MHz+10 MHz的频率方案,使试点区域与原20 MHz带宽组网的现网完全融合。

图2 3扇区变革6扇区示意图

不同的天线厂家和型号,需对应不同的天线权值。针对本文试点的天线,通过多次天线波束仿真验证,最终选取了一组最优的天线权值,6扇区天线权值设置如表1所示,设置ABC小区天线权值+30°,DEF小区天线权值-30°。

表1 天线权值表

2 6扇区组网使用场景分析及效果验证

2.1 F频段6扇区(15 MHz+15 MHz)规模组网提升覆盖

浏河镇位于江苏省太仓市东部,一方面选址建设难,另一方面在郊区、乡镇场景需解决如何快速低成本建网和提升居民小区深度覆盖的问题。在太仓区域连片的7个基站(21个小区)开启6扇区功能,主辅小区均采用15 MHz带宽、40 W功率配置。测试时将3扇区方位角全部调整为0°/120°/240°,测3扇区时关闭DEF小区,ABC小区不设置天线权值,测6扇区时DEF打开,设置ABC小区天线权值+30°,DEF小区天线权值-30°。

6扇区不设置Pa/Pb与原3扇区拉网对比:整体区域拉网测试空闲态平均RSRP提升1.61 dBm、平均SINR提升0.59 dB,业务态平均RSRP提升3.7 dBm,平均SINR提升0.08 dB。

设置Pa/Pb后,空闲态平均RSRP提升6.21 dBm、平均SINR提升1.68 dB,业务态平均RSRP提升3.08 dBm,平均SINR提升0.67。提升前后数据对比如表2所示。

表2 6扇区提升效果

2.2 F频段6扇区(20 MHz +10 MHz)局部组网解决居民区深度覆盖

选取常熟县核心城区的典型的密集居民小区场景,目前该区域TD-LTE站点密度已不足500 m,再新规划站点非常困难,且由于小区物业原因无法进去做室分,多位居民投诉LTE信号差。在投诉区域选取了3个居民区的弱覆盖站点进行了6扇区测试,3个基站为:报慈浜、城北食府、桃源楼。

在居民区内道路上,随机选择6个点进行定点测试。从CQT测试结果看,信号差点的RSRP和SINR都有不同程度的提升。提升前后数据对比如表3所示,效果图如图3﹑图4所示。

表3 居民区网络质量提升效果

从外场DT测试结果看,占在6扇区覆盖平均RSRP和平均SINR均提升,边缘覆盖明显改善。回访用户,用户反馈原来手机只有1格信号,甚至有时占不到4G网络,现在信号能稳定在2~3格,感知提升了。

3 结束语

图3 扇区测试结果

图4 扇区(开启功率增强)测试结果

覆盖问题一直是TD-LTE网络建设面临的主要问题,一般来说,弱覆盖问题主要应通过在弱覆盖区域进行站点增补解决,然而在密集市区,新建站将愈加困难。并且随着铁塔公司成立,3家运营商的基站资源逐步交给铁塔公司统一租赁,站点趋于同质化,移动原来站点多覆盖广的优势将越来越小。本文研究的F频段6扇区组网技术,在原站点上即可提升覆盖,实现了站点低成本建设与快速部署,解决了TD-LTE网络下的覆盖难题。同时在F频段30 MHz的背景下,是以最小代价提升覆盖水平的方案,是特定背景下的优选组网方式,可提升TD-LTE的竞争能力,增强用户感知。

猜你喜欢

扇区波束权值
一种融合时间权值和用户行为序列的电影推荐模型
分阶段调整增加扇区通行能力策略
基于共形超表面的波束聚焦研究
CONTENTS
超波束技术在岸基光纤阵中的应用
毫米波大规模阵列天线波束扫描研究*
管制扇区复杂网络特性与抗毁性分析
U盘故障排除经验谈
基于权值动量的RBM加速学习算法研究
基于多维度特征权值动态更新的用户推荐模型研究