5G天線Massive MIMO智能優(yōu)化的研究與應(yīng)用

喬 勇 魯曉峰 卞國(guó)東 杜長(zhǎng)浩 郝 雋 任永強(qiáng)

1.中國(guó)移動(dòng)通信集團(tuán)江蘇有限公司連云港分公司；2.中國(guó)移動(dòng)通信集團(tuán)江蘇有限公司

0 引言

Massive MIMO技術(shù)是第5代移動(dòng)通信的核心技術(shù)，由于采用大量射頻天線，所有物理信道和物理信號(hào)都支持波束賦形，通過(guò)賦形多個(gè)高增益、窄波束進(jìn)行空間覆蓋，可以有效增加覆蓋距離，擴(kuò)展3D覆蓋范圍，降低用戶間干擾，增加業(yè)務(wù)并發(fā)流數(shù)，實(shí)現(xiàn)無(wú)線移動(dòng)通信系統(tǒng)容量以及頻譜效率的提升。同時(shí)，復(fù)雜的多維度波束賦形權(quán)值配置，使得人工手動(dòng)配置Massive MIMO天線波束權(quán)值難度大、波束配置精準(zhǔn)度差。運(yùn)維人員需要詳細(xì)了解每個(gè)基站具體的覆蓋場(chǎng)景，并準(zhǔn)確計(jì)算Massive MIMO的天線參數(shù)，而天線權(quán)值配置達(dá)上萬(wàn)種，運(yùn)維效率低、工作量大、人工成本高。

目前現(xiàn)網(wǎng)多應(yīng)用基于覆蓋場(chǎng)景的波束配置模板化方式，波束覆蓋與用戶分布匹配度差，Massive MIMO網(wǎng)絡(luò)波束指向精度低，Massive MIMO無(wú)法發(fā)揮最大的5G網(wǎng)絡(luò)性能。本文通過(guò)基于3D數(shù)字地圖、5G基站工程參數(shù)和MDT/MR等大數(shù)據(jù)，構(gòu)建高精度三維數(shù)字化柵格，并利用柵格化移動(dòng)用戶分布和業(yè)務(wù)分布權(quán)重，精準(zhǔn)定位5G用戶的覆蓋需求，通過(guò)AI啟發(fā)式尋優(yōu)算法對(duì)5G天線波束權(quán)值配置迭代尋優(yōu)，獲得天線5G波束最佳權(quán)值配置（包括子波束數(shù)量、方位角、下傾角、水平波寬、垂直波寬等），實(shí)現(xiàn)5G天線Massive MIMO子波束精準(zhǔn)覆蓋數(shù)字化柵格，從而提升5G網(wǎng)絡(luò)質(zhì)量，提升運(yùn)維人員Massive MIMO網(wǎng)絡(luò)優(yōu)化效率，最終實(shí)現(xiàn)5G覆蓋區(qū)域內(nèi)網(wǎng)絡(luò)質(zhì)量與工作效率的雙提升。

1 構(gòu)建三維地理信息的數(shù)字化柵格

對(duì)基站工參、3D地圖、MR/MDT數(shù)據(jù)、子波束信息、初始參數(shù)配置等數(shù)據(jù)進(jìn)行采集、篩選、儲(chǔ)存、分析和處理，基于3D地圖構(gòu)建三維數(shù)字化柵格，并構(gòu)建5G用戶分布和業(yè)務(wù)權(quán)重模型，具體分為以下四個(gè)步驟：

（1）數(shù)據(jù)、配置采集：優(yōu)化區(qū)域內(nèi)3D數(shù)字地圖、基站工參、天線方向圖、初始參數(shù)配置、水平/垂直間距，SSB、CSI-RS靜態(tài)波束配置，將用戶上報(bào)的MR/MDT數(shù)據(jù)進(jìn)行采集。

（2）數(shù)據(jù)篩選與儲(chǔ)存：定義柵格長(zhǎng)寬高（如25米*25米*5米），基于3D數(shù)字地圖將空間區(qū)域劃分成多個(gè)立體柵格。將采集到的MR/MDT數(shù)據(jù)，其經(jīng)緯度和高度信息匹配到立體柵格空間中，聚類得出3D柵格內(nèi)的用戶數(shù)和業(yè)務(wù)量。根據(jù)用戶數(shù)、業(yè)務(wù)量字段篩選有用戶的柵格，其中為0即為無(wú)用戶柵格。

（3）數(shù)據(jù)分析與處理：根據(jù)基站工程參數(shù)信息中的經(jīng)緯度和天線掛高，利用地理位置間的歐氏距離配對(duì)柵格與基站，最小值即為離柵格最近的基站。對(duì)每個(gè)基站建立矩陣，其中M為該基站下的小區(qū)數(shù)，N為使用該基站的柵格數(shù)，矩陣中的數(shù)據(jù)為柵格與小區(qū)方向角的夾角，最小值即為柵格所屬小區(qū)，得到柵格所屬的基站、小區(qū)信息。

（4）基于用戶分布和業(yè)務(wù)分布權(quán)重的三維數(shù)字化柵格：基于柵格內(nèi)的用戶數(shù)和業(yè)務(wù)量，對(duì)用戶分布和流量分布做非線性計(jì)算，得到每個(gè)柵格的權(quán)重w，構(gòu)建數(shù)字化柵格模型。在5G覆蓋仿真中，加權(quán)基于用戶分布和流量分布的柵格權(quán)重，5G天線Massive MIMO的波束覆蓋指向性更精確。

掌握公司設(shè)備技術(shù)狀況及配置情況，負(fù)責(zé)設(shè)備按拆施工，根據(jù)生產(chǎn)實(shí)際情況制定維修計(jì)劃，對(duì)設(shè)備實(shí)施維修，確保生產(chǎn)能力和產(chǎn)品質(zhì)量要求，做好設(shè)備事故分析，做好處理和上報(bào)工作，負(fù)責(zé)建立設(shè)備技術(shù)資料檔案，完善各種設(shè)備資料，定期對(duì)設(shè)備開展大檢查，排查不安全因素和隱患，并提出整改意見，參與設(shè)備更新、改型等工作。

2 5G天線Massive MINO子波束權(quán)值參數(shù)研究

2.1 5G天線Massive MIMO子波束權(quán)值設(shè)計(jì)

5G天線Massive MIMO波束不同于4G，其中SSB、CSIRS等廣播波束，通過(guò)多個(gè)子波束時(shí)分掃描方式，根據(jù)覆蓋需求定義水平/垂直覆蓋范圍、波束半功率角、下傾角、水平/垂直維的波束數(shù)量等，子波束權(quán)值配置參數(shù)，在水平、垂直維度上形成多個(gè)連續(xù)的波束集，實(shí)現(xiàn)小區(qū)內(nèi)用戶能得到有效覆蓋。

根據(jù)Massive MIMO天線輻射特性和波束權(quán)值的靈活性，水平子波束寬度范圍1°至90°，垂直波束寬度范圍1°至65°，生成多組不同波束寬度的波束集。如圖1所示，在第1組（藍(lán)色）波束集中，每個(gè)子波束水平波寬15°，垂直波寬6°，形成32個(gè)子波束搜索空間。每個(gè)波束可以具備不同的掃描角和下傾角，掃描范圍及下傾角范圍等同于業(yè)務(wù)波束覆蓋范圍，定義的N種子波束權(quán)值配置就形成N個(gè)子波束搜索空間。

圖1 不同波寬的子波束空間排列情況

2.2 5G天線 Massive MIMO子波束實(shí)際測(cè)試效果

根據(jù)Massive MIMO天線型號(hào)、天線子波束方向圖，仿真設(shè)計(jì)子波束的水平波寬、垂直波寬、下傾角和方位角。通過(guò)實(shí)驗(yàn)室暗室測(cè)試對(duì)比，子波束的水平指向、垂直指向、水平波寬、垂直波寬吻合度好，符合預(yù)期。子波束旁瓣的抑制和增益略有差異，可以在智能優(yōu)化目標(biāo)函數(shù)中增加網(wǎng)絡(luò)干擾項(xiàng)的評(píng)估，抑制子波束間的干擾。如表1，圖2所示。

表1 子波束的仿真設(shè)計(jì)與測(cè)試值

圖2 不同權(quán)值的子波束測(cè)試對(duì)比情況

3 5G天線Massive MIMO子波束智能尋優(yōu)

3.1 Massive MIMO智能優(yōu)化的目標(biāo)函數(shù)

基于用戶分布和流量分布權(quán)重的數(shù)字柵格匹配小區(qū)的子波束權(quán)值配置（包含子波束個(gè)數(shù)、子波束水平波寬、子波束垂直波寬、下傾角、方位角等），通過(guò)目標(biāo)函數(shù)得到最優(yōu)波束配置。

優(yōu)化區(qū)域的目標(biāo)函數(shù)表示為：FG=W1*（ΣWij* RSRPij/ΣWij）+ W2*（ΣWij*Sinrij/ΣWij）+W3*（1-ΣWij*OCFij/ΣWij），其中Wij為基于用戶分布和流量分布的柵格權(quán)重，RSRPij，Sinrij和OCFij為柵格的RSRP，SINR和重疊覆蓋度（該柵格子波束的RSRP大于-110dBm且相鄰波束RSRP差值小于6dB的覆蓋樣本比例），W1、W2、W3為基于覆蓋、干擾、重疊覆蓋的目標(biāo)函數(shù)權(quán)重系數(shù)，W1+W2+W3=100%。

3.2 子波束權(quán)值尋優(yōu)AI算法

5G Massive MIMO小區(qū)中每個(gè)子波束（作為每個(gè)粒子）在自定義的N個(gè)子波束尋優(yōu)空間中，通過(guò)AI啟發(fā)式尋優(yōu)算法（如粒子群算法）找到最優(yōu)5GMassive MIMO波束權(quán)值配置Xbest（空間子波束個(gè)數(shù)、方位角、下傾角、子波束水平波寬、子波束垂直波寬）。

AI啟發(fā)式尋優(yōu)算法以粒子算法為例，具體算法如下：在子波束尋優(yōu)前，根據(jù)子波束的默認(rèn)權(quán)值參數(shù)5G Massive MIMO小區(qū)中波束配置X，其中每個(gè)子波束的當(dāng)前配置都表示問(wèn)題的一個(gè)解，并依據(jù)目標(biāo)函數(shù)FG，計(jì)算尋優(yōu)空間中新的波束配置。

在每次迭代時(shí)，每個(gè)波束將跟蹤兩個(gè)“極值”來(lái)更新自己，一個(gè)是子波束本身尋優(yōu)到的最優(yōu)波束配置，另一個(gè)是整個(gè)波束粒子群迭代時(shí)全局搜索到的最優(yōu)波束配置Gbest。此外每個(gè)子波束都有各自的波束配置（方位角、下傾角、子波束水平波寬、子波束垂直波寬）的變化幅度V，當(dāng)兩個(gè)最優(yōu)解都找到后，每個(gè)子波束根據(jù)如下迭代式更新：

其中，ω為慣性系數(shù)，c1為子波束學(xué)習(xí)因子，Pbesti為第i子波束本身尋優(yōu)到的最優(yōu)波束配置（方位角、下傾角、子波束水平波寬、子波束垂直波寬），c2為整個(gè)波束粒子群學(xué)習(xí)因子，Gbest為整個(gè)波束粒子群全局搜索到的最優(yōu)配置，r1，r2為（0，1）的隨機(jī)概率值，k為迭代系數(shù)。

（2）波束權(quán)值配置X向量迭代公式（子波束的權(quán)值配置迭代）

其中，Xi，Vi為子波束配置的變化幅度，變化權(quán)值配置。

具體算法步驟如下：

Step 1：子波束權(quán)值（方位角、下傾角、子波束水平波寬、子波束垂直波寬）按照專家經(jīng)驗(yàn)進(jìn)行初始化；

Step 2：根據(jù)各個(gè)子波束的目標(biāo)函數(shù)，找到各個(gè)子波束當(dāng)前的最優(yōu)波束權(quán)值極值Pbest和整個(gè)波束粒子群的當(dāng)前全局最優(yōu)配置Gbest；

Step 3：各個(gè)子波束的速度和位置迭代更新；

Step 4：所有子波束達(dá)到最優(yōu)權(quán)值；

Step 5：沒(méi)有達(dá)到所有子波束的最優(yōu)權(quán)值配置，跳轉(zhuǎn)至Step 3。

粒子群尋優(yōu)算法在不同迭代次數(shù)下，粒子在尋優(yōu)空間中找到最優(yōu)解的過(guò)程。

最終，每個(gè)子波束根據(jù)目標(biāo)函數(shù)經(jīng)過(guò)幾萬(wàn)次的迭代尋優(yōu)，得到優(yōu)化區(qū)域內(nèi)的各5G小區(qū)的子波束最優(yōu)權(quán)值配置，如表2所示。

小區(qū)id SSB索引電下傾角電方位角水平波寬垂直波寬水平中心垂直中心CSI索引CSI方位角CSI下傾角CSI水平波寬CSI垂直波寬10498179_1 6 8 -17 13 7 10498179_1 7 -3 45 17 7 10498179_2 0 2 19 13 7-12 2.5 9 -12 -3 50 6 10498179_2 1 8 19 13 7 10 -12 3 50 6 10498179_2 2 2 -17 13 7 11 -12 9 50 6 10498179_2 3 8 -43 18 7 12 -12 15 50 6 10498179_2 4 -3 -31 15 7 10498179_2 5 2 -5 13 7 10498179_2 6 -3 -43 18 7 10498179_2 7 -3 7 13 7 10498179_3 0 -3 45 17 7 1 5.5 9 1 -3 50 6 10498179_3 1 -3 -5 13 7 10 1 3 50 6 10498179_3 2 14 -5 13 7 11 1 9 50 6 10498179_3 3 8 -43 18 7 12 1 15 50 6 10498179_3 4 -3 33 15 7 10498179_3 5 14 -17 15 7 10498179_3 6 2 -43 18 7 10498179_3 7 14 33 15 7 10498117_1 0 2 -5 13 7 7 5.5 9 7 -3 50 6 10498117_1 1 2 19 13 7 10 7 3 50 6 10498117_1 2 2 -31 15 7 11 7 9 50 6 10498117_1 3 -3 45 17 7 12 7 15 50 6 10498117_1 4 2 7 13 7 10498117_1 5 -3 33 15 7 10498117_1 6 14 33 15 7 10498117_1 7 8 -5 13 7 10498117_2 0 14 33 15 7-5 5.5 9 -5 -3 50 6 10498117_2 1 2 -17 13 7 10 -5 3 50 6 10498117_2 2 8 7 13 7 11 -5 9 50 6 10498117_2 3 8 33 15 7 12 -5 15 50 6 10498117_2 4 14 7 13 7

小區(qū)id SSB索引電下傾角電方位角水平波寬垂直波寬水平中心垂直中心CSI索引CSI方位角CSI下傾角CSI水平波寬CSI垂直波寬10498117_2 5 2 19 13 7 10498117_2 6 -3 7 13 7 10498117_2 7 -3 -43 18 7

4 智能優(yōu)化效果評(píng)估

4.1 室內(nèi)CQT測(cè)試效果評(píng)估

優(yōu)化區(qū)域內(nèi)某高層居民樓室內(nèi)無(wú)5G室分系統(tǒng)，由附近5G宏站進(jìn)行覆蓋。優(yōu)化前樓宇內(nèi)部由5G水平波束覆蓋室內(nèi)信號(hào)較弱，權(quán)值智能優(yōu)化后對(duì)SSB波束進(jìn)行分層覆蓋，其中低層占用SSB-Index0波束，中層占用SSB-Index4波束，高層占用SSB-Index5波束。如圖3所示。

圖3 權(quán)值智能優(yōu)化后對(duì)SSB波束進(jìn)行分層覆蓋

5G天線子波束智能優(yōu)化后，SSB波束權(quán)值變化情況見表3。

5G天線子波束智能優(yōu)化后，CQT測(cè)試RSRP提升明顯。

5G天線子波束智能優(yōu)化后，該樓宇高層第25層（25F）、中層第10層（10F）5G網(wǎng)絡(luò)質(zhì)量提升特別明顯，詳見表4。高層CQT測(cè)試平均RSRP值由-105.27dBm提升至-84.02dBm，提升20.19%；平均SINR值由1.27dB提升至23.20dB，提升17.26倍；下行速率由483.20Mbps提升至625.9Mbps，提升29.54%；上行速率由32.75Mbps提升至33.50Mbps，提升2.29%。中層CQT測(cè)試平均RSRP值由-102.38dBm提升至-85.62dBm，提升16.37%；平均SINR值由0.93dB提升至22.46dB，提升23.15倍；下行速率由59.53Mbps提升至627.11Mbps，提升9.53倍；上行速率由0.50Mbps提升至26.64Mbps，提升52.28倍。

表4 智能優(yōu)化前后，高層樓宇高、中、低層的5G網(wǎng)絡(luò)CQT指標(biāo)對(duì)比

4.2 網(wǎng)格DT測(cè)試效果評(píng)估

對(duì)比5G波束權(quán)值配置默認(rèn)值，5G天線子波束智能優(yōu)化后，5G網(wǎng)格道路DT測(cè)試指標(biāo)提升明顯。5G網(wǎng)絡(luò)核心城區(qū)綜 合 覆蓋 率（RSRP≥-93dBm&SINR≥-3dB）由98.11%提 升至99.90%，提升1.82%；平均SSB RSRP值由-70.12dBm提升至-64.50dBm，提升8.01%；SINR由16.46dB提升17.41dB，提升5.77%；DT測(cè)試應(yīng)用層下行速率由788.35Mbps提升至894.59Mbps，提升13.48%；應(yīng)用層上行速率由103.01Mbps提升至155.24Mbps，提升50.70%；下行、上行低速占比分別改善75%、75.76%，下行、上行高速占比分別提升47.57%、2.6倍，詳見表5。

表5 智能優(yōu)化前后，網(wǎng)格道路5G網(wǎng)絡(luò)DT指標(biāo)對(duì)比

4.3 智能優(yōu)化效率評(píng)估

觀察現(xiàn)場(chǎng)射頻調(diào)整次數(shù)比例，優(yōu)化區(qū)域內(nèi)現(xiàn)場(chǎng)人工爬塔次數(shù)從129次降低至101次，權(quán)值優(yōu)化次數(shù)從3次增加至24次，現(xiàn)場(chǎng)爬塔調(diào)整比例從97.73%下降到80.80%，降幅16.93%，現(xiàn)場(chǎng)爬塔調(diào)整比例下降明顯。規(guī)模應(yīng)用Massive MIMO權(quán)值智能優(yōu)化后，降低運(yùn)維人力成本，提升優(yōu)化效率。

5 結(jié)束語(yǔ)

本次研究，針對(duì)人工手動(dòng)配置Massive MIMO天線波束權(quán)值難度大、波束配置精準(zhǔn)度差、運(yùn)維成本高的問(wèn)題，將基于大數(shù)據(jù)的三維數(shù)字化柵格、Massive MIMO天線波束權(quán)值參數(shù)自定義設(shè)計(jì)和AI智能波束權(quán)值尋優(yōu)算法進(jìn)行結(jié)合和驗(yàn)證，對(duì)5G天線Massive MIMO網(wǎng)絡(luò)智能優(yōu)化方案進(jìn)行規(guī)模性應(yīng)用。首先，對(duì)基站工參、3D地圖、MR/MDT數(shù)據(jù)、子波束信息、初始參數(shù)配置等數(shù)據(jù)進(jìn)行采集、篩選、儲(chǔ)存、分析和處理，構(gòu)建基于5G用戶分布和業(yè)務(wù)權(quán)重的高精度數(shù)字化柵格，實(shí)現(xiàn)波束覆蓋與用戶分布高度匹配，提升Massive MIMO網(wǎng)絡(luò)波束覆蓋指向精準(zhǔn)度。第二，根據(jù)Massive MIMO天線型號(hào)、天線子波束方向圖，仿真設(shè)計(jì)子波束的水平波寬、垂直波寬、下傾角和方位角。通過(guò)實(shí)際測(cè)試對(duì)比，子波束的水平指向、垂直指向、水平波寬、垂直波寬吻合度好，符合預(yù)期。第三，通過(guò)粒子群算法AI啟發(fā)式尋優(yōu)算法，實(shí)現(xiàn)個(gè)體和群體的子波束權(quán)值配置同時(shí)迭代和尋優(yōu)，迭代效率高、權(quán)值尋優(yōu)速度快。第四，在優(yōu)化區(qū)域內(nèi)，通過(guò)規(guī)模應(yīng)用智能優(yōu)化后的波束權(quán)值配置，相比默認(rèn)權(quán)值配置，實(shí)現(xiàn)樓宇智能分層覆蓋，中高樓層室內(nèi)RSRP和SINR指標(biāo)提升明顯；網(wǎng)格道路實(shí)現(xiàn)了精準(zhǔn)覆蓋，對(duì)覆蓋敏感的上行速率改善明顯，下行高速率的比例提升明顯。最后，規(guī)模應(yīng)用Massive MIMO權(quán)值智能優(yōu)化后，現(xiàn)場(chǎng)人工調(diào)整天線比例降幅明顯，有效地降低運(yùn)維人力成本，提升優(yōu)化效率。