城市場景5G eMBB網(wǎng)絡速率提升研究與應用

周勝，李天璞

專題：移動通信（5G）測試

城市場景5G eMBB網(wǎng)絡速率提升研究與應用

周勝，李天璞

（中國移動通信集團設計院有限公司，北京 100080）

在對城市5G eMBB網(wǎng)絡遍歷測試結(jié)果進行聚類分析的基礎上，將整個城市網(wǎng)絡劃分為不同場景，通過數(shù)學建模研究不同場景下影響速率的關(guān)鍵要素，并基于關(guān)聯(lián)要素確定每個小區(qū)的性能提升重點。通過有針對性的優(yōu)化，可顯著提升5G eMBB網(wǎng)絡速率。該研究為城市5G eMBB網(wǎng)絡部署后速率快速提升指引了方向，對提升用戶感知具有一定指導意義。同時，提出的基于聚類的分析和優(yōu)化方法也可應用于未來5G SA組網(wǎng)結(jié)構(gòu)下uRLLC和mMTC等場景。

5G eMBB；速率提升；城市場景

1 引言

2019年6月6日工業(yè)和信息化部發(fā)放5G牌照，我國正式進入5G時代。在5G網(wǎng)絡建設初期，各類業(yè)務尚未發(fā)展成熟，用戶及終端數(shù)量較少，5G網(wǎng)絡主要以增強移動寬帶（enhanced mobile broadband，eMBB）業(yè)務為主，網(wǎng)絡速率的快慢直接體現(xiàn)著網(wǎng)絡服務能力的優(yōu)劣，也是無線網(wǎng)絡用戶最重要的感知體驗之一。因此，提升和保持無線網(wǎng)絡速率處于高速和穩(wěn)定的狀態(tài)，是無線網(wǎng)絡維護優(yōu)化的主要目標。

圖1 小區(qū)廣播波束RF參數(shù)和Pattern權(quán)值尋優(yōu)流程

2 5G eMBB網(wǎng)絡速率影響因素及分析方法

造成5G eMBB無線網(wǎng)絡速率低、體驗差的原因可以分為覆蓋、質(zhì)量、干擾、資源、RANK共5種重要因素。

2.1 覆蓋因素

覆蓋是一切網(wǎng)絡活動的基礎，沒有覆蓋就沒有網(wǎng)絡活動可言。5G網(wǎng)絡通過波束成形與射頻優(yōu)化相結(jié)合進行覆蓋控制，共有波束權(quán)值、掃描周期等7種因子10 000多種組合。在實際優(yōu)化中，需要將4G和5G站點的工參、電子地圖、DT/MDT/MR、天線方向圖文件等數(shù)據(jù)進行融合及柵格化分析，基于自動尋優(yōu)的迭代算法確定大規(guī)模MIMO小區(qū)廣播波束最優(yōu)RF參數(shù)和Pattern權(quán)值參數(shù)的最優(yōu)組合。小區(qū)廣播波束RF參數(shù)和Pattern權(quán)值尋優(yōu)流程如圖1所示。目前，通過此方案最高可以改善弱覆蓋區(qū)域20%。

2.2 質(zhì)量因素

良好的網(wǎng)絡質(zhì)量才能保證網(wǎng)絡活動的順利和穩(wěn)定開展。系統(tǒng)內(nèi)信道傳播質(zhì)量越好，頻譜效率越高，用戶感知越好。在協(xié)議3GPP TR38.214中定義了調(diào)制與編碼策略（modulation and coding scheme，MCS），每階MCS對應一種碼率，MCS越高，碼率越大，傳輸效率就越高，用戶實際體驗到的吞吐率也越高。在5G網(wǎng)絡中，gNodeB基于基站的主動測量以及UE上報無線環(huán)境，通過RANK自適應等算法，確定最佳MCS等級，合理分配PDSCH及PDCCH資源，保障UE業(yè)務的傳輸效率和傳輸質(zhì)量，MCS選擇過程如圖2所示。

圖2 MCS選擇過程

2.3 干擾因素

真實的無線環(huán)境中充滿了復雜的噪聲干擾，如外部阻斷器、其他系統(tǒng)占用5G頻段等。當無線接入小區(qū)存在干擾信號時，小區(qū)的上下行業(yè)務會受到影響，出現(xiàn)速率低的問題，嚴重時還會導致小區(qū)無法接入。在現(xiàn)網(wǎng)優(yōu)化中，可通過卷積神經(jīng)網(wǎng)絡進行干擾訓練，實現(xiàn)干擾判定和干擾預測，流程如圖3所示。當處于訓練態(tài)時，系統(tǒng)監(jiān)測小區(qū)級干擾、RB級干擾，采用卷積神經(jīng)網(wǎng)絡進行模型訓練，獲取干擾在時域、頻域、空域上的特征表示；當處于運行態(tài)時，基于訓練獲取的干擾時域、頻域、空域特征進行干擾判定和預測。

圖3 干擾判定和預測流程

2.4 資源因素

一個感知良好的網(wǎng)絡需要有足夠的資源供用戶使用，合理的資源分配可以增加用戶速率和用戶容量。在5G網(wǎng)絡中，下行每秒調(diào)度次數(shù)和下行每slot調(diào)度RB數(shù)是保障下行速率的兩個關(guān)鍵資源因素。針對下行調(diào)度次數(shù)不足，需要從調(diào)度異常排查、控制面問題、空口殘留誤碼、上層來包不足等方面進行分析；對于RB數(shù)不足問題，需要從用戶調(diào)度、異常告警排查、PDCP/RLC/MAC層排查等方面進行。資源調(diào)度排查內(nèi)容如圖4所示。只有對資源調(diào)度問題進行分段定界，調(diào)整更適合5G網(wǎng)絡的擁塞算法，才能提升資源利用率。

2.5 RANK因素

RANK表示空分復用流數(shù)，一般情況下，吞吐率同RANK呈正比關(guān)系，RANK越大，吞吐率越大。RANK受無線環(huán)境多徑、終端/AAU天線、信道相關(guān)性等因素影響較大。在5G網(wǎng)絡中，RANK對用戶速率的影響可達到百兆級別，可基于傳播路徑仿真生成MIMO信道矩陣，通過信道相關(guān)性評估得到MIMO信道矩陣特征值，采用深度學習預測模型預測高精度柵格RANK值。RANK仿真預測流程如圖5所示。

圖4 資源調(diào)度排查

圖5 RANK仿真預測流程

3 5G eMBB網(wǎng)絡速率提升

城市場景中，遍歷測試（driving test，DT）是進行網(wǎng)絡速率評估分析的主要方法。DT可獲得各個采樣點的覆蓋、干擾等優(yōu)化相關(guān)事件，也可以獲得用戶吞吐率等用戶感知數(shù)據(jù)。針對各個采樣點測試數(shù)據(jù)進行聚類分析，通過數(shù)學建模確定影響每個小區(qū)網(wǎng)絡速率的主要因素，并實施不同的速率提升方案。在實際優(yōu)化中，經(jīng)過多次測試分析和方案實施的循環(huán)迭代，可以獲得良好的5G eMBB網(wǎng)絡速率。整體工作流程如圖6所示。

3.1 測試數(shù)據(jù)獲取

遍歷性測試可以獲得豐富的網(wǎng)絡性能指標信息，包括采樣點PCI、速率、RSRP電平值、SINR值、MCS值、CQI值、iBLER值、干擾值、調(diào)度值、RANK值等。

3.2 數(shù)據(jù)聚類分析

層次聚類的合并算法對所有數(shù)據(jù)點中最為相似的兩個數(shù)據(jù)點進行組合，將距離最近的兩個數(shù)據(jù)點或類別進行組合，反復迭代這一過程，直至生成聚類樹。這類算法非常適合進行遍歷性測試這種可以獲得海量、多維度數(shù)據(jù)的分析。本文采用DIANA層次聚類算法進行測試數(shù)據(jù)層次聚類。首先將所有的原始數(shù)據(jù)初始化到一個簇中，然后根據(jù)最鄰近的最大歐氏距離等原則進行簇分類，直到到達用戶指定的簇數(shù)目或者兩個簇之間的距離超過了某個閾值，針對每個低速率小區(qū)最終可得到覆蓋、質(zhì)量、干擾、RANK及資源等聚類結(jié)果，如圖7所示。

圖6 整體工作流程

3.3 優(yōu)化方案

通過對影響速率因素進行建模，可確定每個服務小區(qū)的主要速率影響因素。在網(wǎng)優(yōu)化中，可對每個小區(qū)的主要影響因素實施有針對性的優(yōu)化方案，并通過不斷的測試和方案完善循環(huán)迭代，最終達到網(wǎng)絡速率提升的目標。本文總結(jié)了覆蓋優(yōu)化、質(zhì)量優(yōu)化、干擾判定和預測、資源優(yōu)化和RANK優(yōu)化共5類速率影響因素的優(yōu)化方案。

3.3.1 覆蓋優(yōu)化

覆蓋優(yōu)化首先明確小區(qū)的物理覆蓋場景，在此基礎上主要通過調(diào)整天線的波束寬度、總波束數(shù)量及水平和垂直波束數(shù)量等進行優(yōu)化。根據(jù)對5G網(wǎng)絡優(yōu)化初步探索及4G網(wǎng)絡優(yōu)化經(jīng)驗積累，本文總結(jié)了物理場景劃分及天線參數(shù)配置，見表1。具體優(yōu)化建議如下。

·一般情況下，推薦配置為場景DEFAULT，適合典型三扇區(qū)組網(wǎng)。

·當水平覆蓋要求比較高時，推薦場景S1、S6、S12，遠點可以獲得更高的波束增益，提升遠點覆蓋。

·當小區(qū)邊緣存在固定干擾源時，可以考慮場景SCENARIO_2、SCENARIO_3、SCENARIO_7、SCENARIO_8、SCENARIO_13，縮小水平覆蓋范圍，避開干擾。

·當只有孤立建筑時，推薦場景SCENARIO_4、SCENARIO_5、SCENARIO_9、SCENARIO_10、SCENARIO_11、SCENARIO_14、SCENARIO_15、SCENARIO_16，可獲得水平面覆蓋較小。

·當只有低層樓宇時，可以從場景SCENARIO_1~SCENARIO_5中選擇。

·當存在中層樓宇時，可以從場景SCENARIO_6~SCENARIO_11中選擇。

·當存在高層樓宇時，可以從場景SCENARIO_12~SCENARIO_16中選擇。

3.3.2 質(zhì)量優(yōu)化

在無線網(wǎng)絡中，調(diào)制與編碼策略是影響網(wǎng)絡質(zhì)量的重要因素。因此質(zhì)量優(yōu)化的主要內(nèi)容是進行MCS優(yōu)化。根據(jù)對5G網(wǎng)絡遍歷測試的MCS數(shù)據(jù)分析可知，當前存在的主要問題為MCS波動大、升階慢、CQI上報低等。針對上述問題可開展針對性的分析和優(yōu)化，具體如下。

圖7 原始指標聚類分析

（1）MCS波動大。配置1個附加DMRS，降低誤碼率；CSI、SRS周期配置為5 ms，極致短周期提升高速性能；打開CQI跳變限幅開關(guān)，抑制MCS波動。

（2）MCS升階慢。信道較好時，加大AMC固定步長值，加快MCS提升速度；切換后爬升慢，調(diào)整切換后CQI外環(huán)初值，增加初始MCS。

（3）CQI上報偏低。RSRP差，優(yōu)化覆蓋；SINR差，NR小區(qū)間的干擾，配置寬波束，優(yōu)化重疊覆蓋；SINR差，外部干擾，排查干擾源。

3.3.3 干擾判定和預測

5G網(wǎng)絡主要存在 4G對5G NR的同頻干擾、5G NR同頻干擾、大氣波導干擾等。出于容量考慮，4G網(wǎng)絡將沿用原有的頻率使用方式，即使用D頻段的2 575～2 595 MHz、2 595～2 615 MHz、2 615～2 635 MHz 3個載波，這樣在4G與5G網(wǎng)絡的交疊覆蓋區(qū)域，4G系統(tǒng)2 575～2 595 MHz、2 595～2 615 MHz頻段的載波將對5G系統(tǒng)造成同頻干擾影響。對于此類干擾問題，應首先定位主要的干擾源4G同頻小區(qū)，對干擾源小區(qū)進行清頻，以保障5G NR的業(yè)務質(zhì)量。5G NR同頻干擾可通過業(yè)務信道PRB隨機化、切換參數(shù)優(yōu)化及精細化功率調(diào)整等方式進行規(guī)避。TD-LTE大氣波導干擾信號主要來源于干擾源小區(qū)天線上旁瓣的功率泄露，由于5G NR采用了大規(guī)模MIMO技術(shù)，可以在水平方向及垂直方向形成波束。因此5G NR中大規(guī)模MIMO的垂直波束是一個潛在干擾風險點，在實際部署應用中建議盡量減少垂直波束的使用，避免成為強大氣波導干擾源。

3.3.4 資源優(yōu)化

通過端到端的排查對下行調(diào)度次數(shù)和RB不足等資源調(diào)度問題進行分段和定界，包括AMBR限速排查、多用戶調(diào)度排查、異常告警排查、PDCP/RLC參數(shù)排查、TCP排查等手段確定Grant/s和RB/slot低的原因是空口調(diào)度異常還是上游來包不足，通過打開PDCCH/CSI等信號RateMatch功能，提升PDSCH占用的RE資源解決RB使用數(shù)目較少的問題，具體優(yōu)化方法如下。

表1 波束調(diào)整評測

·使用RB小于260個處理。合理配置切換參數(shù)，規(guī)避乒乓切換導致RB調(diào)度長期不滿；控制AAU溫度，防止高溫降額調(diào)度；關(guān)閉SIB1節(jié)省調(diào)度開銷；使用SSB寬波束提高增益。

·數(shù)據(jù)信道RE資源提升。采用DMRS Type2配置，節(jié)省資源開銷；打開PDCCH RateMatch功能，提升資源增益。

3.3.5 RANK優(yōu)化

由于更高的流數(shù)將引入更高的流間干擾，從而導致按照碼字計算的MCS變低，因此，RANK優(yōu)化的目標是在誤碼收斂的前提下，尋求最優(yōu)的RANK×MCS。根據(jù)對5G網(wǎng)絡遍歷測試數(shù)據(jù)分析可知，5G網(wǎng)絡中經(jīng)常出現(xiàn)RANK變化大、RANK抬升慢、RANK高但MCS低或者RANK低但MCS高等問題?，F(xiàn)網(wǎng)優(yōu)化可采取的具體手段如下。

·切換后RANK變化大。優(yōu)化切換門限，確保UE駐留在RANK高小區(qū)。

·切換后RANK抬升慢。提升切換后RANK門限。

·MCS高，RANK低。調(diào)整天線方向角和下傾角，增加反射；提升SRS P0，提高SRS權(quán)值精準性；增加非天選RANK自適應方案。

4 5G eMBB網(wǎng)絡速率提升方法應用

選擇西部某城市的5G網(wǎng)絡進行上述優(yōu)化策略和方法的落地與驗證。該城市多山多水多橋梁，道路蜿蜒崎嶇。山上山下，橋上橋下，層次落差明顯，無線環(huán)境復雜、優(yōu)化難度大。采用本文提出的方法優(yōu)化后，核心城區(qū)網(wǎng)格平均測試速率由654 Mbit/s提升至873 Mbit/s，提升幅度33.49%，整體速率以及綜合性能水平得到大幅提升。部署前后的各類型小區(qū)占比見表2，路測速率分布對比如圖8所示。

表2 應用模塊部署前后對比分析

圖8 應用模塊部署前后速率分布對比

5 結(jié)束語

本文借助聚類分析算法，對5G網(wǎng)絡遍歷測試數(shù)據(jù)進行分析，定位了影響5G eMBB網(wǎng)絡速率的關(guān)鍵因素，給出具體優(yōu)化指導建議?，F(xiàn)網(wǎng)應用實踐表明，所提優(yōu)化方法可以有效提升網(wǎng)絡速率。對于mMTC和uRLLC網(wǎng)絡亦可采用本文提出的分析方法，快速區(qū)分問題場景屬性，并有針對性進行優(yōu)化，以達到快速提升uRLLC、mMTC網(wǎng)絡業(yè)務質(zhì)量目標。因此本文研究方案對于uRLLC和mMTC場景下基于不同業(yè)務需求的業(yè)務質(zhì)量優(yōu)化具有一定的指導意義。同時，由于5G網(wǎng)絡優(yōu)化還處在不斷探索和經(jīng)驗積累的過程中，本文提出的優(yōu)化建議也將隨著對于5G網(wǎng)絡優(yōu)化認識的不斷深入而逐漸完善。

[1] 劉曉峰, 孫韶輝, 杜忠達, 等. 5G無線系統(tǒng)設計與國際標準[M]. 北京: 人民郵電出版社, 2019.

LIU X F，SUN S H, DU Z D, et al. 5G wireless system design and international standard[M]. Beijing: Posts & Telecom Press, 2019.

[2] 3GPP. Measurement capabilities for NR: TS38. 214 V15.5. 0[S]. 2019.

[3] CHRISTOFER L. 5G networks planning, design and optimization[M]. USA: Academic Press, 2018.

[4] 劉劍飛, 何利平, 陶穎, 等. 大規(guī)模MIMO系統(tǒng)中低復雜度的碼本搜索方法[J]. 通信學報, 2019, 40(1), 79-86.

LIU J F, HE L P, TAO Y, et al. Low complexity codebook search method in massive MIMO system[J]. Journal on Communications, 2019, 40(1): 79-86.

[5] 桂冠, 王禹, 黃浩. 基于深度學習的物理層無線通信技術(shù): 機遇與挑戰(zhàn)[J]. 通信學報, 2019, 40(2): 19-23

GUI G, WANG Y, HUANG H. Deep learning based physical layer wireless communication techniques: opportunities and challenges[J]. Journal on Communications, 2019, 40(2): 19-23.

[6] 張傳福, 趙立英, 張宇, 等. 5G移動通信系統(tǒng)及關(guān)鍵技術(shù)[M].北京: 電子工業(yè)出版社, 2018.

ZHANG C F, ZHAO L Y, ZHANG Y, et al. 5G mobile communication system and key technology[M]. Beijing: Publishing House of Electronics Industry, 2018.

[7] 朱龍昶, 紀曉東, 張欣然, 等. 5G增強移動寬帶關(guān)鍵技術(shù)性能研究[J]. 電信科學, 2020, 6(1): 41-48.

ZHU L C, JI X D, ZHANG X R, et al. Performance evaluation on key techniques for 5G enhanced mobile broadband[J]. Telecommunications Science, 2020, 36(1): 41-48.

[8] 劉曉龍, 魏貴明, 張翔, 等. 5G大規(guī)模天線基站的性能評估與測試[J]. 電信科學, 2020, 36(6): 154-165.

LIU X L, WEI G M, ZHANG X, et al. Performance emulation and test for 5G massive MIMO base station[J]. Telecommunications Science, 2020, 36(6): 154-165.

[9] 潘毅,李暉暉, 曾磊. 5G室內(nèi)場景多通道聯(lián)合收發(fā)技術(shù)性能與關(guān)鍵問題[J]. 電信科學, 2020, 36(7): 168-174.

PAN Y, LI H H, ZENG L. Performance and key issues of 5G multi-channel joint transceiver technology[J]. Telecommunications Science, 2020, 36(7): 168-174.

Research and application of 5G eMBB network rate improvement based on urbans scenarios

ZHOU Sheng, LI Tianpu

China Mobile Group Design Institute Co., Ltd., Beijing 100080, China

Clustering analysis was performed on the ergodic test data of the 5G eMBB network in the city. The entire urban network was divided into different scenarios. The key factors that affect the rate in different scenarios were studied through mathematical modeling, and the key points of performance improvement of each cell were determined based on the related factors. Through targeted optimization, 5G eMBB network speed can be significantly improved. This study provides a direction for the rapid improvement of the speed of urban 5G eMBB network after deployment, and has a certain guiding significance for improving user perception. At the same time, the clustering based analysis and optimization method proposed can also be applied to uRLLC and mMTC scenarios under 5G SA network in the future.

5G eMBB, rate improvement, urban scenario

TP393

A

10.11959/j.issn.1000?0801.2021038

2020?11?12；

2021?02?10

周勝（1976?），男，博士，中國移動通信集團設計院有限公司網(wǎng)絡優(yōu)化研發(fā)部總經(jīng)理、教授級高級工程師，主要研究方向為移動通信網(wǎng)絡管理與優(yōu)化。

李天璞（1974?），男，中國移動通信集團設計院有限公司網(wǎng)絡優(yōu)化研發(fā)部工程師，主要研究方向為無線網(wǎng)絡規(guī)劃與優(yōu)化。