4G5G共模协同权值优化方法的研究.docxVIP

4G/5G共模协同权值

优化方法的研究

1概述

随着5G网络多频段组网的站点规模日益扩大，天面资源日趋紧张，基站主流设备采用4G/5G共模方案的应用需求也逐步增多，进行4G和5G共天馈改造部署，随着5G大量部署和LTE同步MassiveMIMO改造，5G覆盖和质量提升的同时，需要同步保障4G网络用户的感知，本文阐述的4G/5G共天馈协同优化方案主要基于迭代寻优算法输出4G/5G小区的广播波束最优天馈参数和权值参数组合调整建议，基于此可以显著

——————————

提升4G/5G共模场景的网络综合覆盖性能，并提升

MassiveMIMO的优化效率。

2技术方案

如图1所示，4G/5G共AAU场景下的天馈协同优化，主要基于路测（DT）、最小化路测（MDT）和测量报告（MR）等数据和设定的优化目标，对弱覆盖、高干扰和重叠覆盖区域进行识别，然后通过联动寻优物理方位角、机械下倾角，独立寻优4.5GMassiveMIMO和5GMassiveMIMO的Pattern权值、数字方位角、数字倾角，以达到4G/5G综合覆盖性能最优。

4G/5G共AAU场景下的天馈协同优化的核心功

输入 现网覆盖问题识别

ACP寻优 参数优化调整

工程参数

电子地图

弱覆盖区域

站点B

覆盖电平覆盖质量 越区 重叠覆盖

LTE3DMM/5GNRMM

优化前

结果预测

路损数据

（DT/MDTMR）

站点A

站点C

迭代

预测（电

平、质量、 是否达

天线文件

质差区域

站点B

寻优 重量覆

盖）

到最优

优化调

方位角机倾

4G/5G

联动调整

站点A

站点C

问题栅格识别

问题栅格汇聚

问题区域关联

问题小迭代区排序寻优

整建议

增益预测

波束 数字

场景 方位

小区级整体

数字下倾

栅格级

迭代寻优算法

预测 预测 预测

图14G/5G天馈协同优化整理流程

能包括问题栅格识别及汇聚和迭代寻优。

2.1问题栅格识别及汇聚

步骤1：路损建模。采用5m精度对DT数据、20m精度对MDTMR数据进行栅格化处理，建立天线到栅格的路损模型。

步骤2：问题栅格基于设定的优化目标门限进行问题栅格识别，包括弱覆盖栅格、重叠覆盖栅格和质差栅格。

步骤3：根据问题栅格的类型和地理分布将其汇聚成问题区域并关联到问题小区，根据问题权重和关联性对问题小区分组和排序。

图2给出了问题栅格识别及汇聚示意。

路损矩阵

Cell1

为：物理方位角机械下倾角波束场景数字倾角数字方位角，迭代寻优流程如图3所示。

确定初始调整值迭代优化

基于优化目标满足度和专家经验，决定下一轮优化参数

优化增益预测

Y

满足度达标

N

尝试所有 N

可能参数

Y

PL1

结束优化，输出参数调优结果和预测增益

Cell3

道路栅格

非道路栅格

PL2

Cell2

图3协同迭代寻优流程

基于问题区域的分布以及问题小区的广播波束方向图，判断物理方位角和机械下倾角的调整方向，

图2问题栅格识别及汇聚示意

2.2迭代寻优

针对4G/5G共AAU场景的联合覆盖寻优，优先联合寻优天线的物理方位角和机械下倾角，再独立寻优4.5GMassiveMIMO宽波束和5GMassiveMIMO窄波束的波束场景、数字下倾、数字方位角，参数调整优先级

综合考虑4.5GMassiveMIMO和5GMassiveMIMO的覆盖性能，然后再分别精细化调整LTE宽波束和5G窄波束外包络的水平/垂直波宽、数字方位角和数字倾角，基于问题类型（弱覆盖、重叠覆盖、越区覆盖），按照Pattern和RF参数设定的调整步长进行覆盖寻优。并根据路损矩阵和天线方向图的增益变化预测出调整后的覆盖、质量和重叠覆盖的变化情况，结合设定

64 2023/03/DTPT

的权重计算出优化目标门限的满足度Fitness。

Fitness=wNR_rsrp×SSB_RSRPf+wNR_overlap×

Overlapf+wNR_sinr×SSB_SINRf+wLTE_rsrp×RSRPf+

wLTE_overlap×Overlapf+wLTE_sinr×SINRf

LTE-FDDRSR基P