APP下载

关于Massive MIMO 广播波束自适应算法的探讨

2021-10-12曹广山马云刚宋玉利李磊赵士超

广东通信技术 2021年9期
关键词:波束权值站点

[曹广山 马云刚 宋玉利 李磊 赵士超]

1 概述

随着5G 网络建设的逐步推进,5G 终端产业链的日渐成熟。Massive MIMO 技术在5G 覆盖中扮演着越来越重要的角色。尤其是对于特殊场景以及特定用户行为轨迹场景的覆盖,成为了当务之急。如何在现有站点的基础上通过技术手段来解决这一难题,建设一张高品质、具有竞争力的5G 网络成为摆在联通面前的一个重要问题。

随着中国联通5G 网络建设规模的扩大,5G Massive MIMO 技术的不断演进。这一契机为5G 站点增强覆盖性能带来了机遇。目前中国联通5G 站点广播波束的覆盖为固定宽波束或者固定波形的窄波束,广播波束的能量分配平均。为了更好的提升覆盖效果,山东联通通过对波形形成原理和波形特性的深入研究,结合山东联通现网站点覆盖场景的特殊性,根据用户行为轨迹和MR 反馈,调整Massive MIMO 天线阵子权值赋值并进行了实地测试,为解决这一问题提出了应对策略,为后续5G 网络建设提供重要依据。

2 广播波束定义

3GPP 协议中规定5G NR 的广播波束由主同步信道(PSS)、辅同步信道(SSS)和广播信道(PBCH)组成,称为SSB(SS-Block)。其中PSS 和SSS 共同指示了小区的PCI 值(PCI 共3x336=1 008 个)。主要作用为终端在解调了SSB 中的MIB 消息后,获得了后续继续解调SIB1的能力。在多波束SSB 设置中,SSB 发送的位置由子载波间隔来计算,例如:联通3.5 GHz 30 kHz 的子载波间隔则SSB 的位置可以通过公式{2,8}+14 •n(n=0,1,2,3)计算,其中2,8 代表起始点,14 代表每个TTI 中的symbol 数量(2.5 ms 双周期),每个默认的广播周期内最多可以存在7 个SSB,集中在广播周期中第一个系统帧的前半帧中,如图1 所示。

图1 SSB 位置指示图

Massive MIMO 作为5G 的关键特性之一,可以通过Pattern 调整,支持多种覆盖场景,同时,SSB 波束支持调整阵子权值赋值来改变小区的水平和垂直覆盖,也支持传统RF 调整方式。面对特殊覆盖场景,在传统广播波束无法提供足够的支撑,通过RF 调整无法满足覆盖需求,广播波束自适应测试验证了在单独调整阵子权值的情况下,如何针对特定的场景和特定的KPI 需求,实现自适应的权值倾斜,以达到提升5G 覆盖的目的,在最大程度上通过现有站点资源实现最大能力的覆盖提升,减少站点投资、人工上站成本并提升网络指标,如图2,图3 所示。

图2 SSB 宽波束示意

图3 SSB 多波束示意

2.1 Massive MIMO 自适应算法的原理流程

Massive MIMO 自适应算法的原理是通过收集终端上报的MRO 文件,解析出来终端上报的所在位置的经纬度、RSRP 强度以及SINR 强度等信息,获得用户所在区域的精确位置,无线环境情况。并以天级为单位统计出小区级的用户地理分布情况。

同时,参考区域内的每天的用户数量、用户行为轨迹以及无线环境情况,确定天线权值调整参数,由基带板发送给AAU 对内部天线权值进行调整,影响波束波形,提升用户密集区域无线环境质量。

系统流程图如图4 所示。

图4 自适应系统流程图

由于在天线权值调整之后,Massive MIMO 天线整体的能量输送角度有所变化,在用户活动较多的区域有所加强,在相对用户较少,同时业务量较小的区域能量输出将会参照线性权值变化趋势进行调整,兼顾被调整区域用户感知。

Massive MIMO 与传统天线相比阵子数多划分的天线阵列多,由于Massive MIMO 天线采用了192 个天线阵子,同时在水平方向上分为8 个天线阵列,在垂直方向上划分成4 个天线阵列,因此,可以在水平方向和垂直方向上同时进行权值调整已达到最优覆盖。本文仅对水平方向上的调整做介绍。

2.2 传统广播波束波形与自适应算法波形比较

传统广播波束的扫描周期和特定覆盖模式下的天线阵子权值固定,因此,不会受到用户行为变化或实际覆盖效果的影响,波束形状保持固定不变。通常情况下,传统广播波束波形变化需要根据覆盖区域网络指标的提取、分析后认为进行干预,调整波束方向和形状,通常需要耗费较大的时间和成本,经过多轮调整和测试,才能达到预期的5G 覆盖率的提升。而且,一旦用户行为发生改变,则需要重新进行人为干预的波形调整。

广播波束自适应算法的应用,可以通过定期自主收集MR 指标,通过对MR 指标的分析确定该小区覆盖区域内弱覆盖点,从而对天线阵子的默认权值进行修改,达到改变广播波束波形的目的。由于自适应算法可以自主分析终端反馈信息,从而节省了大量的DT 测试和CQT 测试工作,达到提升覆盖率、改善用户感知、节省时间和成本的目的。图5 所示举例说明了默认权值与自适应算法调整权值后的波形比较:

图5 默认权值波形(左)与自适应算法波形比较(右)

3 针对特定场景的SSB 波束自适应测试

我们选取潍坊市奎文区乡镇企业局基站进行测试,该站点覆盖场景包括写字楼,酒店,商城,居民区等。选择覆盖场景比较丰富的站点,更有利于验证智能自适应的广播波束权值方案对覆盖的提升情况,详见表1。

表1 测试站点小区情况

3.1 测试参数设置

3.5GHz 基站配置情况为:功率配置为200 W,SSB-RS参数为17.8 dBm,NR 下行中心载频3 550 MHz,带宽100 MHz;下上行时隙配比7:3。SA 终端天线配置要求2T4R,最大发射功率为26 dBm。

3.2 测试情况说明

我们对3.5 GHz 频段的覆盖下道路弱覆盖区域和深度覆盖区域两种场景进行测试,保持3.5G 频段主瓣法线方向、挂高、方向角、下倾角(包含电子下倾)和功率谱密度不变,进行相关的CQT 测试、DT 测试以及后台MR 指标提取来验证结果。

连续覆盖区域室外拉网路测时,确保实时记录主测小区状态、用户数信息以及全程记录测试log;

在进行深度覆盖CQT 测试时,我们选择主测小区主瓣右侧弱覆盖区域为右侧20°方向2 个点位和主瓣左侧弱覆盖区域为左侧20°覆盖区域2 个点位,在天线权值赋值前后分别进行多次CQT 测试,并详细记录结果。

3.3 波束自适应赋形对弱覆盖路段提升测试

选取主瓣覆盖方向道路,在权值调整前后分别进行DT 测试,对比默认权值与新权值对于波束方向和形状的影响。

新权值波瓣变窄,方向性更强,如图6 所示。

图6 默认权值与新权值波束对比(橙色为传统波形,蓝色为新权值波形)

默认权值与新权值DT 测试对比如图7 所示。

图7 DT 测试结果对比

测试结果,如图8 可看出,权值调整后,整体覆盖效果较默认权值下有了明显的提高,其中小区边缘530~550 m处覆盖提升了6 dB。距离站点270 m 以上时,新权值的覆盖明显好于默认权值;在覆盖距离为590 m 时,默认权值SS-RSRP 为-110 dBm,新权值的为-100 dBm,覆盖提升10 dB;新权值覆盖距离比默认权值远170 m,提升了覆盖广度。

图8 RSRP 测试结果

3.4 波束自适应赋形对对用户业务体验影响的对比测试结果

通过12 月4 日凌晨开启波束自适应赋型后,取前后两天的统计数据进行对比观察,发现接入用户数及单用户平均下载速率均有不同程度提升,平均用户数由波束自适应赋型操作之前的9.68 提升至11.18,提升比例15.49%;单用户平均下载速率由447.62 Mbit/s 提升至477.98 Mbit/s,提升比例6.78%;通过波束自适应调整,对用户接入提升影响较大,用户感知层面亦有提升。如图9 指标对比图所示。

图9 用户数及平均下载速率对比图

4 广播波束自适应算法的应用建议

由于5G NR 采用TDD 模式频段的同频组网,必须要合理控制覆盖范围以降低重叠覆盖度。同时,3.5 GHz 频段较高,覆盖范围受到终端上行功率的影响,有必要在现有的网络资源基础上,通过技术创新来提升覆盖质量并确保业务感知。

因此,建议在网络部署逐步扩大的过程中,要综合分析每个NR 小区的覆盖范围,并根据分析结果为每个NR 小区配置不同的广播波束赋形权值,保证每个NR 小区均能按照覆盖需求进行广播波束覆盖,改善广播波束的RSRP 和SINR,最大化的提升接入性能,同时可以保障在用户行为轨迹发生变化时,可以自主调整天线阵子权值,提供符合当前覆盖需求的波形,保证用户接入。简化繁琐的测试-调整-再测试-在调整的工作模式,确保相关的站点资源和人力资源充分利用。

此外,在室外5G 基本连续覆盖的前提下,建议同步应用广播波束自适应算法,自主发现小区弱覆盖区域并进行自动调整,在平衡站点可用波束资源的前提下,提升MR 指标,扩展5G 覆盖,提升用户感知。

5 结束语

在广播波束自适应算法实施的过程中,通过后台自主获取MR 信息,自主分析小区覆盖需求,自主调整波束覆盖的方向和强度,使得小区有效覆盖率增加,使用户获得了更好的体验。同时,广播波束自适应可以节省人工DT测试、人工分析再调整的时间,节省成本,提升网络优化效率。

广播波束自适应算法的灵活性为5G 网络优化提供了新的手段,为后续提升网络组网效率和组网决策提供了一定的借鉴。

猜你喜欢

波束权值站点
一种融合时间权值和用户行为序列的电影推荐模型
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
基于Web站点的SQL注入分析与防范
毫米波大规模阵列天线波束扫描研究*
2017~2018年冬季西北地区某站点流感流行特征分析
基于权值动量的RBM加速学习算法研究
首届欧洲自行车共享站点协商会召开
基于多维度特征权值动态更新的用户推荐模型研究