关于MIMO波束自优化在不同场景下提升客户感知的研究

赵怀民

中国电信股份有限公司北京分公司 北京 100031

引言

Massive MIMO是5G时代为提升频谱效率而引入的关键技术，采用多天线阵子方式实现。5G Massive MIMO在空间维度的自由度大幅提升，形成可灵活调整的水平维和垂直维波束形状，不同的波束形状适用于不同的覆盖场景，匹配覆盖目标的最优pattern可有效提升覆盖效果和用户感知[1]。

图1 MIMO Pattern与覆盖场景的匹配

1 MIMO波束适应优化实现

MIMO pattern共有17种模式，但城市建筑物的高度、宽度、密度等分布错综复杂，基站的位置、高度，天线方向角、下倾角根据覆盖目标又各不相同，用户的地理分布、话务密度也多种多样，根据建筑物分布、基站属性、用户分布去匹配最合适的MIMO pattern是当前的难点，各种组合有10000多种，靠人力匹配难度大、准确度低。

图2 MIMO Pattern匹配相关因素

通过虚拟建模加AI匹配的方式可以实现MIMO pattern的自适应调整：

1.1 基于小区覆盖范围内的建筑物分布构建场景分类

选取典型场景，选择扇区主覆盖（方位角±60°范围内）及与站点距离【50,300】范围内的建筑物群，根据其高度、宽度、密集度等信息分析水平和垂直的主覆盖范围，确定主要的场景归类。

图3 建筑物分场景建模

1.2 基于MM波束级测量构建三维立体虚拟栅格

图4 MR定位方法

三角定位、指纹库定位在4G阶段已基本成熟，也得到了广泛的应用；5G时代Massive MIMO波束的出现，可以提供更高的定位精度：BeamID可以进行双波束定位，HAOA和VAOA结合可以进行立体定位[2]。综合上述字段信息和定位技术，可以构建三维的立体虚拟栅格，为MIMO Pattern的精准化匹配提供了数据基础。

1.3 MIMO Pattern覆盖建模

MIMO 17种Pattern模式，根据波束成型、波束扫描周期、波束形状，可以构建Pattern的水平波瓣角和垂直波瓣角。

图5 MIMO Pattern建模

1.4 基于AI算法求解区域级最佳Pattern组合

以5G MR数据、5G天线参数、基站工参数据、典型建筑物模型、MR三维立体栅格、MIMO Pattern三维模型作为基础数据，通过大数据AI算法匹配出扇区覆盖场景下最优的Pattern[3]。

图6 AI算法示例

2 效果验证

2.1 水平宏覆盖场景

水平宏覆盖场景选取低层住宅区域，楼层高度基本为6层左右。

表1 水平覆盖场景Pattern方案优化

表2 波束优化前后效果对比

2.2 中低层混合场景

中低层混合场景选取住宅小区、商务大厦共存的区域， 平均高度在15层左右。

表3 中低层混合场景Pattern方案优化

表4 波束优化前后效果对比

2.3 高层建筑场景

高层建筑场景选取选择纯商务办公楼群，平均高度在30层左右。

表5 高层建筑场景Pattern方案优化

表6 波束优化前后效果对比

3 结束语

对不同场景的MIMO Pattern方案评估验证表明，相较统一的默认单波束H65V6方案，通过采用MIMO自优化方法输出的7波束Pattern并调优水平电子方位角和垂直电子倾角能够有效改善各类场景下的室内外覆盖水平。