基于干扰源定位算法的网络结构优化方法研究

刘静， 杜日览， 武琳栋， 杨云峰

(1 中国移动通信集团广西有限公司，南宁 530022；2 中国移动通信集团设计院有限公司，北京 100080)

随着TD-LTE用户流量的高速增长，TD-LTE小区的容量负荷不断增大，在TD-LTE建设初期遗留下来的网络结构问题日益突显。具体表现为重叠覆盖较高，导致上下行同频干扰日益严重，直接对用户感知造成明显影响。因此网络结构专项优化在TD-LTE网络后期的维护和优化中占据了相当的比重。

在传统的网络结构优化过程中，往往是针对单个的问题小区，逐个输出优化方案并实施解决。主要思路是通过调整问题小区周边的多个干扰源邻区，以此来降低问题小区的重叠覆盖度。采用这种方法的缺陷是解决一个问题小区需要调整多个邻区，这样最终输出的优化方案需要调整的小区数量非常庞大。在现网中，如果调整过多的小区，不仅会影响网络的正常运行，而且更可能会导致更多新的网络结构问题。在实际优化中，我们确实发现采用传统的网络结构优化方法优化效率很低，输出的优化方案可行性和实施率均不高。

在大量优化实践中，经过深入分析研究，我们发现网络结构问题并不是以单个小区为单位出现的，而是以一个整体区域为单位来出现。这样的问题区域内往往存在一个或少数几个较强的主干扰源，使得整个区域整体的网络结构指标较差，问题小区在该区域集中的出现。因此在网络结构优化过程中，应该以问题区域为单位进行整体分析和优化。本文创新性的提出了一种基于区域内主干扰源精准定位算法的TD-LTE网络结构优化方法，采用这种方法能够精准定位网络结构问题区域以及区域内的主干扰源，通过调整主干扰源，使得区域内多个问题小区的指标同时得到明显提升，极大提高了优化质量和效率。

1 基于干扰源精准定位算法的TD-LTE网络结构优化方法

基于干扰源精准定位算法的TD-LTE网络结构优化方法，精准定位网络结构问题区域、以及该区域内的主干扰源。采用这种方法可以精确集中的抓住导致网络结构问题的根因，通过调整较少的小区，使得更多小区指标得到明显改善，极大提升了优化效率。

本节结合现网MRO数据和工参数据，将详细介绍网络结构问题小区评估分析方法、问题区域内主干扰源精准定位算法以及基于此算法的区域化网络结构优化方法和思路。

1.1 网络结构问题小区评估分析

现网中主要采用工参数据和MRO数据来对网络结构进行统计分析。这两种数据源包括了小区经纬度、站高、主邻小区参考信号接收电平RSRP等字段。现网优化中利用这些字段定义了一系列与网络结构相关的指标，比如站间距、过覆盖影响小区数等。其中最核心的指标是TD-LTE同频重叠覆盖度，该指标直接反映TD-LTE网内干扰水平，与上下行SINR正相关；而SINR直接决定了无线信道传输的MCS等级，进而决定上行和下载速率，影响用户感知。因此现网中主要针对同频重叠覆盖度来进行网络结构问题的评估和优化。

同频重叠覆盖度定义：同频重叠覆盖度为在主小区MR样本点中测量到的邻区的电平和主小区电平（主小区RSRP＞-110 dBm）差大于-6 dB且满足以上条件的邻区数目大于等于3的样本点的比例。重叠覆盖度大于5%的小区为高重叠覆盖小区。

对小区的重叠覆盖度统计评估之后，在进行更深入分析时还需要统计小区相关性系数以衡量各邻区对主小区的干扰程度。小区相关性系数定义：小区相关性系数为邻区b的RSRP接收信号功率与本小区a的RSRP接收信号功率强度差大于-6 dB的采样点数/本小区a的总样本点数。以此公式计算得到小区b对小区a的相关性系数，相关性系数取值范围为0到1，反映的是小区b对小区a的干扰程度，相关性系数越高则干扰越强。例如相关性系数计算为0，表明小区b对小区a没有任何干扰，；如计算为1，表明小区a被小区b完全过覆盖。

1.2 网络结构问题区域主干扰源定位算法

传统的网络结构优化方法需要调整的小区数量庞大，对现网的运行会产生较大影响，也可能在调整后出现更多新的问题。我们经过研究发现现网中存在个别主干扰源，导致其周边一大片区域出现整体性网络结构问题，对这样的主干扰源进行调整，能使区域内的整体指标得到明显提升，事半功倍。但是如何精确的定位主干扰源是整个优化过程中的难点。在大量优化实践的基础之上，本文创新性的提出了一种网络结构问题区域主干扰源定位算法，有效的解决了这个问题。

衡量一个小区对周边区域的干扰程度，需要从两个维度同时考虑：一是该小区干扰了周边小区的个数，干扰的小区个数越多，则干扰程度越大；二是被干扰小区本身的指标恶化情况，恶化越明显，则干扰造成的影响越严重。所以我们定义并统计了以下两个指标：

干扰影响小区个数：统计一个小区干扰影响其它小区的个数。上节介绍了小区相关性系数可以反映一个小区对另一个小区的干扰程度，在这里我们设定门限为5%，即当相关性系数大于5%时，表示一个小区干扰了另一个小区。这样通过计算小区间的相关性系数就可以统计全网任何一个小区的干扰影响小区个数。

被干扰导致高重叠小区个数：在被一个小区干扰的所有小区中，统计达到了高重叠覆盖门限（5%）的小区个数。计算被干扰小区的重叠覆盖度，来衡量被干扰所造成的影响程度。重叠覆盖度大于5%的小区为高重叠覆盖小区，统计一个干扰源的被干扰小区中高重叠覆盖小区的个数，数目越大，表明该干扰源造成的干扰影响越严重，需要优先解决。

以上两个指标需要同时考虑，共同衡量一个小区对周边区域的干扰程度，由此提出主干扰源筛选原则，即满足如下条件的小区定位为主干扰源。

（1）干扰影响小区数大于等于3个（相关性系数大于 5%）。

（2）被干扰导致高重叠小区个数大于等于3，即被干扰影响的邻区中有至少3个是高重叠覆盖小区（重叠覆盖度大于5%）。

以此算法筛选得到的主干扰源，同时干扰并导致多个小区成为高重叠覆盖小区如图1所示，只需要对图中红色的主干扰源进行调整，就可以使多个绿色被干扰的网络结构问题小区指标同时得到改善，极大提高了优化质量和效率。

图1 主干扰源影响示意

2 区域化网络结构优化方法

采用上节中介绍的网络结构问题区域主干扰源定位算法，可以精准筛选出现优化范围内的所有主干扰源。将这些主干扰源及其周边的被干扰问题小区进行地理化呈现，会发现问题小区和干扰源在GIS地图上自然的聚合成多个区域，如图2所示。这也直观的反映了网络结构问题产生的规律和特点：即网络结构问题并不是以单个小区为单位出现的，而是以一个整体区域为单位来出现。在这样的问题区域内存在一个或少数几个主干扰源，导致了整个区域整体指标的恶化。因此在优化过程中，不能孤立的以单个小区为纬度来对问题进行解决，而是应该以整个问题区域为单位进行整体分析和优化。

本文提出的区域化网络结构优化方法，基于问题区域主干扰源精准定位算法，准确的找出优化范围内的网络结构问题区域以及区域内的主干扰源。以整个问题区域为优化对象，通过调整和控制区域内主干扰源的覆盖功率和覆盖范围，使得区域内大片被干扰问题小区指标同时得到明显提升。这克服了传统网络结构优化方法“调整多个，改善一个”的缺点，达到了“调整一个，改善多个”的目的，极大的提高了网络结构优化效率和调整准确度，效果显著。

图2 网络结构问题区域

3 应用效果

基于问题区域主干扰源精准定位算法的网络结构优化方法已经在广西南宁、桂林、玉林、柳州、贵港等多地网络结构专项优化项目中得到广泛应用，优化效果显著。

本节以某两个网格的优化范围为例，详细介绍该优化方法的实施效果。优化范围内共有TD-LTE小区644个，采用问题区域主干扰源精准定位算法进行深入分析，快速和准确定位了网络结构问题区域共11个，其中共存在主干扰源小区23个。这23个主干扰源干扰并导致了64个小区高重叠覆盖。如图3、4所示，被主干扰源影响的64个受害小区比网格内全部小区的平均重叠覆盖度高约17%，平均SINR低约3 dB。

图3 重叠覆盖度对比

图4 平均SINR对比

根据区域化网络结构优化的原则和方法，针对11个问题区域中的23个主干扰源共输出了31条优化调整建议。其中涉及天馈下倾角调整共25条；涉及天馈方位角调整5条；涉及小区频点调整1条。根据统计，现场优化调整建议实施情况如表1所示，合计实施率67.7%。

表1 优化实施情况统计表

如图5、6所示，网络结构优化前，优化范围MR平均重叠覆盖度为2.5%，高重叠覆盖小区占比9.9%，平均SINR为17.6 dB。网络结构优化调整后，MR平均重叠覆盖度从2.5%下降为1.9%，改善率24%；高重叠覆盖小区占比从9.9%下降为5.1%，改善率48%；平均SINR提升为18.3 dB，提升率为3.9%，明显改善了用户感知。

图5 优化前后重叠覆盖度对比

图6 优化前后平均SINR对比

4 结束语

本文提出的区域化TD-LTE网络结构优化方法把握住了网络结构问题的本质和规律，以网络结构问题区域为单位进行整体分析和优化。通过采用区域内主干扰源精准定位算法，量化干扰源小区对周边区域的影响程度，从而快速准确的筛选出主干扰源。针对主干扰源输出优化方案并现场实施，使得区域内所有被干扰的问题小区指标同时得到明显提升，用户感知得到大幅改善。与传统网络结构优化方法不同，本文所提方法的特点是“调整一个，改善多个”，原则是调整现网中尽可能少的小区，而使得尽可能多的小区的问题得到解决，极大提高了网络结构优化效率和调整准确率。该优化方法已在广西多地的网络结构专项优化项目中广泛应用，效果显著。