5G Pattern 寻优增强场景化覆盖方案研究

［李志勇 陆南昌 吴宝栋］

1 引言

1.1 5G 现网问题描述

当前5G 网络建设如火如荼，尤其在城市区域，深度覆盖作为5G 通信网络建设与优化的重要组成部分，一直备受业界关注。特别是无室分的楼宇场景，如何通过宏站网络优化提升5G-MR 覆盖率，快速改善弱覆盖区域用户体验，是本次基于5G Pattern 场景化覆盖增强方案研究。

5G MDT R16 协议版本于2020 年7 月冻结，产业链配套需要较长时间，同时MDT 需要获取用户授权[1]；MDT 数据对楼宇场景中，三维平面的垂直海拔高度维度数据上报比例极低，无法支持楼宇立体覆盖优化，5G 以Massive MIMO 组网为主，急需破解能支持垂直维度立体覆盖评估的方法。

1.2 5G 现网异常现象

5G 网络室外道路覆盖良好，室内深度覆盖相对较差，且弱覆盖空间位置定位不准，很难精确找到问题点位置。

（1）室外覆盖良好

室外RSRP>-93 dBm 覆盖率已经达到99%以上，如图1 所示。

图1 室外信号覆盖RSRP 渲染图

（2）深度覆盖不足

图2 中红色栅格表示平均电平值低于-105 dBm，可以看到在局部区域存在深度覆盖不足情况。

图2 局部区域深度覆盖不足

（3）空间定位不准

5G 以Massive MIMO 组网为主，支持垂直维立体覆盖，传统5G MDT 尚不成熟，终端支持路标暂不明确，且传统定位主要为二维平面栅格化定位（如图3 所示），计算同一个栅格上搜到两个小区的电平值作为坐标矩阵，通过机器学习进行评估和计算[2]。短期内无法支持楼宇立体覆盖评估优化，而且严重依赖覆盖电平的理论标准波形变化，受道路移动物体、信号反射、绕射等波动仿真差异大，准确率低。若栅格仅收到一个小区覆盖，则无法实现栅格化定位。

图3 二维平面栅格化定位示意图

2 5G Pattern 寻优方案

2.1 波束管理介绍

波束管理主要分为小区级广播信道波束管理以及用户级静态波束管理。对于用户级静态波束管理，用户级静态波束设计成了多个窄波束，UE 需要对这些窄波束进行扫描以获取最优波束集合。gNodeB 针对UE 扫描上报的最优波束集合进行维护，从而选择给这些信道使用最优的波束集合[3]。

而对于小区级波束管理，5G NR 的广播波束为N 个方向固定的窄波束，相较于LTE TDD 用一个宽广播波束覆盖整个小区，NR 能够通过在不同时刻发送不同方向的窄波束完成小区的广播波束覆盖。UE 扫描每个窄波束来获得最优波束，完成同步和系统消息解调如图4 所示。对于广播信道的波束管理，支持针对不同的覆盖场景配置不同的波束场景。

图4 基站波束示意图

2.2 5G Pattern 场景化寻优方案分析

采用基于主波束AI 预测模型，波束级虚拟栅格建模，虚拟栅格路损矩阵模型的算法，实现深度覆盖立体评估，并输出解决方案。

（1）借助CSI-RS 波束定位MR 覆盖

广播波束与 CSI-RS 波束的赋型是分别控制的，CSIRS 波束是静态窄波束，其发送方向由物理RF 参数决定，且波束发送范围为AAU 所支持的最大覆盖包络，不受广播波束权值调整的影响。基站侧根据上行SRS 测量可以判断出UE 所在波束ID，因此可基于CSI-RS 波束建模UE（User Equipment）在三维立体空间中的位置如图5 所示，实现不依赖MDT 的立体覆盖优化[4]。

图5 CSI-RS 波束建模示意图

（2）波束级路损矩阵构建

根据主邻小区信息、波束信息、电平信息构建立体路损矩阵。如图6 所示，3D 波束路损矩阵获取，栅格Grid n收到的立体三维小区信息包括小区cell 1 的（小区信息1、波束编号#1，电平信号强度n1）、小区cell 2 的（小区信息2、波束编号#0，电平信号强度n2）和小区cell 3 的（小区信息3、波束编号#2，电平信号强度n3），归一化为标准三维坐标信息（PL1_1_n1，PL2_0_n2，PL3_2_n3）。

图6 波束级路损矩阵构建示意图

（3）采用SSB 天线文件计算各波束范围内的天线增益，预测波束范围内的电平变化

（a）高层垂直覆盖增强

如图7 所示，SSB 波束可以设置成水平款波束，也可以设置成垂直宽波束，保证不同覆盖场景下的业务需求。本项目计划根据波束级路损矩阵构建的用户3D 分布，识别当前选择的覆盖波束类型[5]。

图7 高层垂直覆盖增强示意图

（b）水平重叠覆盖优化

由于5G 波束水平覆盖方位角达到110 度，相对于4G时代的65 度覆盖范围，提升了将近一倍，导致5G 网络重叠覆盖率非常高。基于本项目的波束级路损矩阵构建，识别同一个栅格上有多个覆盖小区，且电平差小于3 dB 的连片栅格分布，进行Pattern参数（包括波束宽度、波束高度、下倾角、方位角、功率等）的差异化设置，优化重叠覆盖如图8 所示。

图8 水平重叠覆盖优化示意图

（4）迭代寻优

迭代寻优过程中，首先基于问题类型按照参数设定的调整步长进行覆盖寻优。然后根据路损矩阵和天线文件计算出调整后问题Polygon 内覆盖的变化情况，最终结合设定的权重计算出与优化目标的满足度Fitness[6]，如式1所示。

其中wrsrp、woverlap、wsinr为权重值，SSB_RSRP f、Overlap f、SSB_SINR f分别为SSB 覆盖、过覆盖和SSB SINR 的强度值。对比寻优前后的，即可得出预期增益值，如式2 所示。

其中Gain forecast为预期增益值，Fitness new和Fitness current分别为调整后的满足度和原先的满足度。

整体的流程如图9 所示，整个迭代优化过程即Pattern 寻优过程。

图9 迭代寻优流程图

迭代寻优结果包括Pattern 波束覆盖场景、方位角、下倾角、天线发射功率等射频天线配置参数，不同场景下差异化设置，覆盖提升效果如图10 所示。

图10 Pattern 寻优后覆盖变化示意图

2.3 5G Pattern 场景分类

根据波束水平3 dB 波宽、垂直3 dB 波宽、倾角可调范围等取值不同，对5G Pattern 寻优结果按场景化划分，便于优化过程中根据不同的覆盖场景进行选择。目前5G Pattern 寻优增强场景化覆盖方案主要有16 种，已根据不同的设备型号，集成在设备信息中，可以通过网管在线按场景进行调整[7]。

5G Pattern 增强场景化覆盖方案，如表1 所示。针对不同的覆盖类型，依据现场环境的需要，选取不同的5G Pattern增强场景化覆盖方案[8]。例如：场景S1～S5场景中，垂直3 dB 波宽相同，但水平3 dB 波宽存在差异，依据不同的值，可将覆盖场景划分为“广场场景、干扰场景、楼宇场景”等。例如S2 和S3 同为干扰场景，但水平3 dB波宽不同，可以对不同的干扰源进行规避。现场可以根据实际情况，对场景进行选择。

表1 各种5G Pattern 增强场景化覆盖方案

3 可行性分析和应用效果

优选模式，有效指导网络深度覆盖优化工作，改善用户感知。

3.1 仿真与验证测试

以某市某区域为本次试验场景，分别以中高层和低层两种分为不同场景；定义20 m 以下为低层，20～40 m 为中层，40 m 以上为高层。中高层在原垂直波宽上根据选取的场景和原则改变默认的立体波束场景覆盖模式，进行测试并记录。下文基于Rayce 射线追踪模型光束追踪的覆盖仿真，覆盖站点默认水平波宽105°，垂直波宽6°。

（1）中高层场景，首先对划定区域进行3D 仿真，设置50 层切片，每层3 m，改变垂直波宽为25°，得到如图11 所示，左为默认Pattern 配置水平波宽105°，垂直波宽6°，右为调整后Pattern 配置水平波宽110°，垂直波宽25°。

图11 中高层场景寻优前后仿真对比

（2）低层场景，首先对划定区域进行3D 仿真，设置30层切片，每层3 m，水平波宽改为25°，垂直波宽不变，得到如图12 所示，左为默认Pattern 配置水平波宽105°，垂直波宽6°，右为调整后Pattern 配置水平波宽25°，垂直波宽6°。

图12 低层场景寻优前后仿真对比

中高、低层具体的仿真数据如表2 所示。

表2 中高低层场景寻优前后仿真对比

中高、低层场景寻优前后测试对比如表3 所示。

表3 中高低层场景寻优前后测试对比

从上述仿真数据来看，中高层场景的RSRP都分析提升了2～3 dBm 左右，覆盖稍有改善；而在实际测试中，可以看到RSRP 提升比较明显，大部分楼层提升了大约5 dBm 左右。

低层场景的在仿真中的RSRP 也提了4 dBm左右；而在实际测试中RSRP 也提升了大约2～3 dBm 左右。

对于高层楼宇，增大垂直波宽对于提升楼宇覆盖具有良好的效果；而对于低层楼宇，其高度较低但楼宇宽度较大可以降低垂直波宽以及增大水平波宽来达到良好的覆盖提升效果。

3.2 商业区域试点效果

本次测试区域位于核心区域，市民中心附近路段，周边遍布大型写字楼、商业中心和高档住宅区等，基本完成道路覆盖。且该区域多处站点存在上站困难问题，所以选取该区域做为试验点。

（1）试验前网络摸底测试

对该区域进行摸底拉网测试，发现多处存在弱覆盖问题，如图13 中红色圈。

图13 试验前摸底拉网测试情况

（2）工具寻优后Pattrn 调整建议

根据摸测试结果，针对上图中弱覆盖区域站点进行参数修改，修改不同的波束场景。相关小区波束场景修改情况如表4 所示。

表4 小区波束调整表

（3）优化效果

针对工具寻优后调整建议修改波束场景，修改前后将整个区域的RSRP 进行前后对比，优化后的RSRP 提升了5.3dBm，而SINR 也提长了1.24。调整优化前后RSRP、SINR 数据对比，如表5、图14、图15 所示。

图14 优化前后RSRP 对比图

图15 优化前后SINR 对比图

表5 优化前后覆盖强度对比

4 结论

本文主要介绍5G Pattern 寻优增强场景化覆盖的方案研究及应用。根据不同的覆盖场景，利用Pattern 寻优场景化波束方案，提升目标区域覆盖，降低干扰，改善区域内性能指标，并给客户带来更好的体验。在Pattern 方案可行性的验证中，选取了两种场景，分别为中高层、低层。对于覆盖这两个区域的站点，调整Pattern 场景模式来实现各自场景类型的覆盖最优。本文介绍的Pattern 参数迭代寻优方法，来获得更优的SSB 覆盖。无论是通过仿真模型进行仿真还是实地测试都能获得一定的提升，且仿真模型所获得的结果与实际测试的整体结果之间的误差在可接受的范围之内。