5G优化案例：5G AI MIMO天线权值自优化案例.docxVIP

5G AI MIMO天线权值自优化 XX 目 录 TOC \o "1-2" \h \z \u 背景 3 应用场景 3 方案原理 4 方案介绍 4 预期收益 5 原理介绍 5 仿真效果 7 仿真场景 7 仿真效果 7 试点应用 8 试点场景 8 单波束优化效果 9 多波束优化效果 11 推广经验 12 AI MIMO天线权值自优化 XX 【摘要】目前 5G 建设进展逐步加快，XX地市级区域要求在 2020 年底完成连续覆盖，对于如此短时间内规模新建一张全新网络，且开通即商用，如何快速的完成网络的质量保障与提质尤为重要。本文介绍通过 AI MIMO 天线权值自优化的方法，达到区域覆盖自优化，对比应用发现，单波束场景：RSRP 提升 5.12dB，SINR 提升 0.29dB；多波束场景：RSRP 提升 4.73dB，SINR 提升 3.26dB；整体覆盖提升效果明显。 【关键字】AI、MIMO、天线权值自优化、NSA 【业务类别】NSA、参数优化 背景 随着电信 NSA/SA 的大规模建设入网，现网 5G 网络已初具规模。网络开通即商用，5G 用户逐月快速增长。 然而，受限于工程建设进度、物业困难、站点偶发故障，及 5G 用户的动态分布，短时间内快速保障 5G 用户的网络体验，人工单点方式是无法完成。而 5G 网络的覆盖质量，是用户体验的基础，如何快速的提升基础覆盖能力，显得极为重要。本文试点通过 AI MIMO 天线权值自优化的方式，可以达到快速提升 5G 连续覆盖质量，进而保障用户的高速网络使用体验。 应用场景 随着 5G 规模部署建设加快，商用规模逐月增加，覆盖场景多样化，急需快速解决如下问题： 覆盖场景多样化，需要自适应灵活调整广播权 快速智能网规和网优，减少时间和人力 在各种场景下达到最优的覆盖效果和性能增益 方案原理 方案介绍 Massive MIMO 基站的权值自适应方案是基站对小区 UE 的分布、邻小区干扰进行统计和估算，综合考虑网络的覆盖性能完成自适应的调整，基站智能估算最优的广播权值，实现最优覆盖； 最优权值估算以小区和区域综合等优化原则进行； 参数测量主要包括 UE 的位置分布信息、MR 测量等； 权值自适应可以改善小区间的重叠覆盖度，减少和控制干扰，提升小区整体性能和用户感知； 关键技术点： 预期收益 基站智能权值优化，替代部分人工的网规和网优：基站根据区域内 UE 的分布和小区间干扰情况，通过自适应的方案选择合适的广播权，并可以 根据 UE 分布的变化动态调整，替代部分人工的网规和网优，减少人力； 智能估算和迭代，减少最优权值搜索周期：只需要配置权值优化目标和迭代次数，由基站根据算法智能搜索合适的广播权，并监控 KPI 获取最优权值，并且可以周期性根据 UE 分布的变化进行自适应调整 及时保证小区覆盖&干扰变化，兼顾话务量：通过自适应优化，动态跟踪UE 分布和小区间干扰的变化，及时达到覆盖优化的效果，同时可以兼顾小区的话务量增益 原理介绍 方案基本流程 优化区域配置 1、该方式是网管操作界面进行选择和配置； 2、运营商或网优人员根据优化需要来选择需要优化的小区及邻区，比如弱覆盖、 干扰等； 数据采集 1、基站侧通过下发测量获取 UE 的信号强度、位置及路损信息； 2、主要获取的测量数据包括本小区和邻区的 RSRP、DOA 等； 3、路测场景会同时采集同一 UE 的多个样本。 广播权值估算 1、网管 UME 获得测量数据后，通过蚁群搜索算法选择局部最优的权值组合； 2、并下发给基站生效新权值； 3、路测场景会采集同一 UE 的多个样本 4、天线权值可设置范围如下： 功能部署 部署 AI 权值自适应在 UME 增加相应的 APP 即可，示意图如下： 仿真效果 仿真场景 3 站 9 小区，ISD=500m 站高 25 米，UE 高度 1.5 米， 全室外 UE 每个小区内随机撒 200UE，共 1800UE 传模&信道模型 UMA(参考 38.901) 仿真效果 初始权值组合 [14;14;14;14;14;14;14;14;14 ] 初始 RSRP 中值(dBm) -79.4 最优权值组合 [97;103;85;103;102;109;121;38;84] 优化 RSRP 中值(dBm) -77.4 试点应用 试点场景 本次试点白云区鹅掌坦附近 6 个站点共涉及 18 个小区作为本次权值自优化区域，具体测试区域和涉及到站点信息如下： 站点清单： 单波束优化效果 基于权值调整前后整体覆盖对比评估，单波束场景：RSRP 提升 5.12dB，SINR 提升 0.29dB。 波束类型 类型 平均SSB RSRP（dbm）