TDD/FDD融合模式下的高速铁路无线网络优化

2020-06-08段宝峰李翠然谢健骊

铁道科学与工程学报 2020年5期

段宝峰，李翠然，谢健骊

段宝峰，李翠然，谢健骊

(兰州交通大学电子与信息工程学院，甘肃兰州 730070)

分析高铁场景的网络覆盖特征，主要表现为多普勒频移、频繁小区切换和信道类型复杂，并提出相应的解决方案；针对不同覆盖区域制定网络指标要求和融合方式；为了使多层网覆盖互补、网络负荷分担，研究融合组网策略；分析无线资源控制连接最大用户数与物理资源块利用率的关系。通过对兰新高铁42个站点进行测试实验，研究结果表明：融合的无线网络优化方法使网络覆盖率增幅2.24%，下载业务感知速率提升50.46%，上传业务感知速率增长2.43倍，业务流量增加63.28%，有效地改善了网络运行质量。

高铁场景；网络融合；网络覆盖率；感知速率；数据业务流量

提升高速列车旅客上网感知，是无线网络优化研究的一项重点课题[1]。铁路宽带无线通信专网系统应提供更宽、更广、更快、更安全的业务[2]，多业务并行激增使网络容量面临巨大的挑战[3]。列车快速移动导致小区切换更加频繁[4]，链状覆盖下信号抖动引起的乒乓切换极易降低通信服务质量[5]。通信技术的可靠性和实时性主要取决于切换性能，由此产生的脉冲式数据业务需求造成网络容量严重不足[6−7]。为了高铁网络扩容，在长期演进(Long Term Evolution, LTE)通信系统中TDD (Time Division Duplexing, 时分双工)和FDD (Frequency Division Duplexing, 频分双工)融合成为网络优化的首选方法。针对高铁场景网络融合，学者们进行了一些研究。赵洪伟等[8]采用F1+F2双频段组网方式建设专网并通过载波聚合提升下载速率；王屈桥[9]结合链路预算和帧结构分析，从覆盖和容量2个角度对比了TDD/FDD各频段的优劣势；田桂宾等[10]在链路预算和多场景应用基础上，分析了多层网融合组网策略；WANG等[11]在多通信系统正常工作所需的最小滤波标准基础上，提出了融合组网下的抗干扰措施；WEI等[12]得出了不同物理控制通道在不同邻道干扰比偏移值下的干扰严重程度；沈凌[13]采用射频优化控制小区覆盖范围减少干扰；Seo等[14]得出最优下行链路与上行链路的传输时间比在0.8~1之间，可以最大限度地减小相邻小区吞吐量损失；金咪等[15]从提高信道估计精度方面提出了一种改进型的融合网络信道估计算法。以上文献虽从不同方面对网络融合提出了优化方法，但未涉及高铁场景TDD/ FDD融合。本文从频移校正模型、多小区合并和不同地形覆盖方案等方面提出了融合组网策略和优化方法，其对高铁4G网络规划与建设、无线网络优化扩容具有重要参考意义。

1 高铁场景的网络覆盖特征

1.1 多普勒频移

用户终端(User Equipment, UE)发射和接收频率随着列车高速移动产生多普勒频移，其效应示意如图1所示。在传统多普勒频移的基础上考虑eNodeB高度，高速列车速度，工作频率和eNodeB与轨道的水平距离，列车运行秒后掠射角为：

多普勒频移为：

其中：为光速。列车移动引起多普勒频移效应后的变化范围为：

根据式(2)和上行最大频移为2fd计算，不同频段和不同车速下最大多普勒频移如表1所示。

表1 最大多普勒频移

多普勒频移校正模型如图2所示，将采样后的接收信号输入信道估计器，选择最强路径信号输出到频移估计和校正模块，达到自适应接收的目的。Δ和Δ分别为校正模型的多普勒频移和校正频率偏置。

1.2 频繁小区切换

高速列车快速经过多个小区的覆盖路段引起频繁小区切换导致终端吞吐量降低，甚至会中断业务影响网络整体性能。若eNodeB间距为1且其含2个小区，重叠覆盖距离为2，列车长度为，则UE经过1个小区耗时为：

以为300km/h，1为800m，2为200m，(8节车厢)为214m计算，则UE经过1个小区仅需9.77s。高铁场景UE频繁小区切换示意如图3所示，2个椭圆的重叠区域代表小区重叠覆盖范围，竖条与椭圆、轨道的重叠区域代表小区切换带。假设车站A与车站B之间有个eNodeB，小区切换次数为：

为了解决频繁小区切换问题，需扩大小区覆盖轨道的距离。将若干相邻小区合并后，逻辑小区内将不存在切换，切换周期如表2所示。图4为12个小区合并为1个逻辑小区后切换次数减少示意图，小区切换次数为：

图3 小区合并前频繁切换示意图

图4 小区合并后切换次数减少示意图

表2 小区切换周期

1.3 信道类型复杂

高铁场景信道类型复杂，根据轨道周围地形地貌、用户规模和网络结构等特点可分为5种类型，如图5所示。

1) 隧道类型：空间狭小封闭，存在填充效应造成无线信号反射、折射和散射。因射频单元与轨道距离较近，在信号掠射角太小的路段列车穿透损耗增大。长隧道采用泄漏电缆进行网络覆盖，短隧道采用宏基站覆盖方式，其方案如图6所示。

(a)隧道；(b)山地；(c)高架桥；(d)U型槽；(e)市区

(a)长隧道；(b)短隧道

2) 山地类型：我国高铁建设面临的最普遍地形为山地，专网覆盖需兼顾公网用户。部分路段高速列车与天线的视距范围内有明显的树林遮挡，夏季相对冬季网络覆盖明显下降。基站多采用抱杆的形式，且位于半山坡。天线与轨道的水平距离为20~30m之间。山地类型覆盖方案如图7所示。

3) 高架桥类型：高铁轨道经过沟壑、河流等区域时通常铺设在高架桥上。基站选址、工程施工都较困难，往往采用桥头架设铁塔定向覆盖，高增益24dBi天线为首选。2个RRU位于同一个站点且具有相同的方位角和下倾角以增强覆盖。高架桥类型覆盖方案如图8所示。

4) U型槽类型：高铁轨道平面低于基站地基平面，天线与轨道的水平距离不超过200m，以降低斜坡面遮挡引起的信号衰落。基站间距需要适当缩小，因为U型槽两侧陡壁使得视距覆盖在基站间距过大时难以实现。可选择抱杆和铁塔两种方案，取决于天线与轨道的水平距离大小，覆盖方案如图9所示。

图7 山地类型覆盖方案

图8 高架桥类型覆盖方案

5) 市区类型：因公网用户较多，高铁专网既承载了列车上的用户也有大量公网用户驻留，其网络负荷相对其他类型更高。一方面，需要通过载波扩容来增加网络容量；另一方面，可部署低速(小于120km/h)用户迁出专网功能，达到降低网络负荷的目的。表3为市区类型车站邻区策略，“有”表示2个区域的小区之间需添加邻区关系，“无”表示2个区域的小区之间不用互相添加邻区关系。

图9 U型槽类型覆盖方案

表3 市区类型车站邻区策略

2 TDD/FDD融合的网络优化方法

2.1 网络指标要求和融合方式

以列车车厢内接收信号质量为参考值，组网覆盖方式分公网和专网。随着乘客上网需求增加，专网建设可有效缓解网络负荷。网络指标要求如表4所示。

表4 网络指标要求

TDD/FDD覆盖范围重叠度高有利于业务分流和设置协同优化参数。图10(a)为2端口天线，可用于GSM网络或者FDD网络；图10(b)为8端口天线，随着网络负荷持续升高可逐步同时开启FDD1800，FDD900，TDD-F频段和TDD-D频段网络以增加网络厚度。电信运营商为了降低铁塔租赁费用，多网天线整合为一面天线成为未来的趋势。

(a) 2端口；(b) 8端口

2.2 融合组网策略

与普通场景相比，高铁场景具有信道特性变化极快的特点，异频小区切换极易造成用户速率波动。小区切换与用户速率的关系如图11所示，切换点前后速率明显抖动，严重影响用户感知。为了使TDD/FDD网络覆盖互补、网络负荷分担，融合组网策略如下：

1) FDD与TDD小区之间互相配置基于网络覆盖的切换参数；

2) TDD弱覆盖路段切换至FDD，参数设置原则是UE优先驻留FDD；

3) TDD与FDD同覆盖路段切换至TDD，参数设置原则是UE优先驻留TDD；

4) 考虑异频切换GAP测量损失，尽量减少异频切换次数，弱覆盖路段进行切换；

5) 三载波及以上路段，小区两两之间连接态开启基于用户数的移动性负载均衡；

6) 通过设置异频开始测量门限，使长期演进语音承载业务保持在FDD。

2.3 容量与频率优化

分析高铁场景小区统计数据，无线资源控制(Radio Resource Control, RRC)连接最大用户数与物理资源块(Physical Resource Block, PRB)利用率的关系如图12所示。随着用户数增加网络利用率升高。

图11 切换和下载速率的关系

图12 用户数与利用率的关系

根据不同业务时延及流量需求估算，各业务保障带宽需求如表5所示。

表5 业务保障带宽需求

容量规划以峰值负荷为基础，并根据业务预测确定扩容方案。扩容门限以RRC连接最大用户数为主要依据，同时参考设备承载能力、用户业务感知等因素评估。以某供应商为例，不同组网方式的小区最大用户数如表6所示，其中F1，F2，D2和D3为LTE频点。

表6 小区支持容量

3 实验结果

通过TDD/FDD融合模式下的高铁无线网络优化，依据10d的测试实验数据分别从网络覆盖、感知速率和业务流量等3个维度进行对比分析。测试实验涉及eNodeB总共42个，其中城市A有14个，城市B有2个，城市C有26个。网络参数如表7所示，融合后的天线为4端口，融合前的天线为2端口，即融合前后天线数量不变。

3.1 网络覆盖

TDD/FDD融合网络覆盖率变化如图13所示，融合前网络覆盖率91.68%，融合后增幅2.24%，其中城市A，城市B和城市C网络覆盖率增幅分别为2.0765%，2.49%和1.55%。

3.2 感知速率

TDD/FDD融合感知速率变化如图14所示，下载业务融合前感知速率4.28Mbps，融合后增幅50.46%；上传业务融合前感知速率0.23Mbps，融合后增长2.43倍。

3.3 业务流量

TDD/FDD融合业务流量变化如图15所示，融合前业务流量1.45TB，融合后增幅63.28%，其中城市C站点最多业务流量增幅最大79.03%，城市A和城市B业务流量增幅分别为47.07%和25.17%。

表7 网络融合前后参数对比

图13 TDD/FDD融合网络覆盖率变化

图14 TDD/FDD融合感知速率变化

图15 TDD/FDD融合业务流量变化

4 结论

1) 高铁场景中的多普勒频移需考虑eNodeB高度、基站与轨道距离等因素，在计算上行、下行最大多普勒频移时才更合理，可应用于频率估计和校正。列车快速移动时，小区频繁切换的次数与通信设备小区合并的能力相关。网络规划、建设必须结合地形地貌，隧道、山地、高架桥、U型槽和市区等区域均有相应的网络覆盖解决方案。

2) 融合组网策略优先考虑参考信号接收功率、信号与干扰和噪声比加边缘用户速率等指标，实现网络覆盖互补、网络负荷分担的网络优化目的。容量规划受用户规模、业务保障带宽、频率优化和小区最大用户数等因素影响。

3) 分析3个城市高铁无线通信网络指标变化情况，TDD/FDD融合模式下的无线网络优化方法可大幅度提高网络覆盖率、下载业务感知速率、上传业务感知速率和数据业务流量。随着高铁运营里程和旅客数量逐年增加，多层网融合是高铁专网覆盖的趋势。

[1] 王少军. 基于顾客价值的我国高速铁路不同类别客运客户关系管理研究[D]. 北京:北京交通大学, 2014: 20−25.WANG Shaojun. Research on customer relationship management of high speed railway passengers of different category based on customer value[D]. Beijing: Beijing Jiaotong University, 2014: 20−25.

[2] 李栋. 不同制式LTE技术的高铁场景适应性比较研究[J]. 铁道工程学报, 2016,214(7):64−70.LI Dong. Comparison and research on the adaptability of different standard LTE technology under high-speed railway scenario[J]. Journal of Railway Engineering Society, 2016, 214(7): 64−70.

[3] 李宗璋, 石志同, 王玉玲, 等. 高铁4G专网优化策略及方案[J]. 电信科学, 2016, 32(7):179−187.LI Zongzhang, SHI Zhitong, WANG Yuling, et al. Optimization strategy and solution of 4G high-speed rail network[J]. Telecommunications Science, 2016, 32(7): 179−187.

[4] 陈永刚, 李德威, 张彩珍. 一种基于速度的LTE-R越区切换优化算法[J]. 铁道学报, 2017(7):71−76.CHEN Yonggang, LI Dewei, ZHANG Caizhen. A speed-based cross--zone handoff optimization algorithm of LTE-R[J]. Journal of the China Railway Society, 2017(7): 71−76.

[5] 李立华. 高铁环境下LTE系统切换技术的研究[D]. 成都: 西南交通大学, 2015: 1−4.LI Lihua. Research on handover technology of LTE system in high-speed railway environment[D]. Chengdu:Southwest Jiaotong University, 2015: 1−4.

[6] ZHOU Y, AI B. Handover schemes and algorithms of high-speed mobile environment: A survey[J]. Computer Communications, 2014(47): 1−15.

[7] 贺柳杰. 高速铁路TD-LTE网络覆盖方案设计及应用[D]. 广州: 华南理工大学,2017: 14−27.HE Liujie. Design and application of TD-LTE network coverage scheme for high speed railway[D]. Guangzhou: South China University of Technology, 2017: 14−27.

[8] 赵洪伟, 刘海朝. 基于双频段组网及CA覆盖下改进PF算法的高速铁路TD-LTE专网优化[J]. 铁道学报, 2017, 39(12): 58−66.ZHAO Hongwei, LIU Haichao. High-speed railway TD-LTE private network optimization based on dual-band networking and improved PF algorithm of CA[J]. Journal of the China Railway Society, 2017, 39(12):58−66.

[9] 王屈桥. 面向LTE FDD-TDD混合组网的无线网络规划研究[D]. 重庆: 重庆邮电大学, 2017: 16−25.WANG Quqiao. Network planning research for LTE FDD-TDD mixed networks[D]. Chongqing: Chongqing University of Posts and Telecommunications, 2017: 16−25.

[10] 田桂宾, 徐明. 广域场景TD-LTE和LTE-FDD融合组网方案研究[J]. 邮电设计技术, 2018(3):33−36.TIAN Guibin, XU Ming. Research on TD-LTE<E-FDD converged networking scheme in WAN scenario[J]. Designing Techniques of Posts and Telecommunications, 2018(3): 33−36.

[11] WANG Q, LI X. Analysis of LTE FDD and TD-LTE combination network´s interference[C]// IEEE International Conference on Computer & Communications, IEEE, 2016: 2332−2336.

[12] WEI J, LIU L, ZHONG X, et al. Interference evaluation of control channels under the co-existence of LTE-FDD and TD-LTE[C]// The International Conference on Information Networking, ICOIN, 2014: 192−196.

[13] 沈凌. LTE高铁覆盖同频专网组网策略[J]. 邮电设计技术, 2016(5):48−51.SHEN Ling. LTE network strategies on high-speed railway[J]. Designing Techniques of Posts and Telecommunications, 2016(5):48−51.

[14] Seo Y, Kim Y S. Optimum TDD downlink/uplink time ratio to minimize interference in coexisting FDD downlink[C]// International Conference on Ict Convergence, IEEE, 2012: 540−541.

[15] 金咪, 徐岩. 基于铁道OFDM系统的信道估计改进算法的研究[J]. 铁道科学与工程学报, 2017(7): 191−197.JIN Mi, XU Yan. The improved channel estimation algorithm for railway OFDM system[J]. Journal of Railway Science and Engineering, 2017(7): 191−197.

Wireless network optimization based on TDD/FDD integration mode in high-speed railway

DUAN Baofeng, LI Cuiran, XIE Jianli

(School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

This paper first analyzed the network coverage characteristics of high-speed railway scenario, mainly showing doppler frequency shift, frequent cell handover and complex channel types, and proposed corresponding solutions. According to different coverage areas, network indicator requirements and integration mode were established. In order to make multi-layer networks complement each other and share network load, the strategy of fusion network was studied. The relationship between the maximum number of users of wireless resource control connection and the utilization rate of physical resource block was analyzed. Through the test and experiment on 42 stations of Lanxin high-speed railway, the results show that the integrated network optimization method increases the network coverage rate by 2.24%, the perceived speed of download service by 50.46%, the perceived speed of upload service by 2.43 times, and the traffic flow by 63.28%, effectively improving the network operation quality.

high-speed railway scenario; network integration; coverage performance; perception rate; data traffic