基于路測數據的無線網絡仿真研究

董玉濤，南作用 ，翟麗平(.中國聯合網絡通信集團有限公司，北京0040；.中訊郵電咨詢設計院有限公司，北京00048；.華北水利水電學院，河南 鄭州 4500)

0 前言

在移動通信網絡規劃建設期間，無線網絡仿真在站址規劃、信道配置、接口配置、頻率規劃、擾碼規劃、鄰區規劃、覆蓋評估等環節中扮演重要的角色。網絡運營期間，無線網絡仿真又可輔助工程優化人員進行網絡問題查找定位、優化方案評估等。網絡仿真是移動通信網絡不可或缺的重要方法，但由于傳播模型、地理信息、算法等因素的影響，仿真準確度倍受懷疑，致使其在移動通信網絡中的受關注程度日益降低。如何有效、便捷地提升無線網絡仿真無疑是網絡規劃設計人員長期研究的課題。

1 問題分析

影響網絡仿真準確度有2個重要的基礎數據，即接收電平和接收質量，對于WCDMA系統而言即為Ec和Ec/Io，基于此可以有效地評估無線網絡的覆蓋、切換、干擾、容量等。而這2個基礎數據中，接收電平Ec又是Ec/Io計算的必要條件和基礎。一定程度上可以這樣說，接收電平Ec預測的準確是Ec/Io以及基于此計算的所有數據和結果的基礎。

近幾年，隨著移動網絡的發展，各運營商不同程度地對無線網絡進行CW測試、路測、CQT等測試，積累了大量無線網絡測試數據。如何利用該數據進行更為便捷、精確的網絡仿真，對網絡建設和運營有著重要的意義。

2 技術理論分析

網絡仿真時，通常先基于傳播模型、小區參數、地理信息計算每個像素的空間路徑損耗，再基于空間損耗直接計算接收電平，進而計算接收質量、干擾、切換以及進行Monte Carlo仿真等等。所以，仿真中路徑損耗計算是各種仿真結果計算的基礎。

假設通過校正后的傳播模型或通用傳播模型計算出來的結果如圖1中“路徑預測”，通過路測或CQT測試的數據為“測試數據”，將其數學合成，具體過程如圖1所示。

圖1 路徑預測和測試數據合成示意

可采用式(1)計算預測合成值。

式中:

Pcom——路徑預測合成值

Ppre——預測值

ρ——預測數據在合成數據中占比

Pmeas——測試數據值

由式(1)可知:Pcom是預測值和測試數據的合成；ρ為工程經驗值，可根據路測數據時效、測試環境和仿真環境的擬合程度等因素綜合確定。

直觀而言，式(1)針對路測數據點、通過路測數據計算的間接數據點和預測數據重合。路測數據和預測數據不重合時，則引入滾降因子和內插法，計算路測數據周圍間接數據點。

內插法是用一組已知的自變量的值和與它對應的函數值來求一種未知函數其他值的近似計算方法，其本質為利用數據間的相關性特點的一種數值逼近算法，常用于天文學、農歷計算中。仿真軟件中具體使用的內插法為

式中:

n——測試點臨近點數，仿真軟件中點對應像素，通常取1～4

Δi——臨近第i點的預測數據和測試數據差

α——滾降系數(α≥1)

據此計算的內插值，即基于路測數據周圍間接數據點，再根據式(1)計算出合理的校正值，據此可將測點數據向外圍延伸，進一步修正測點附近點數據，拓展該方法的應用。

利用權值和內插法可有效修正通過模型校正預測出來的路徑損耗。針對特定場景可方便、有效地得到較為準確的路徑損耗。

另外，也可借助已有的路測或CQT測試數據對通用傳播模型或校正后的傳播模型進行再次修正，以盡可能地保證傳播模型和仿真場景的相關度。通過這樣的修正，使未通過內插法修正的其他點預測值盡可能地精確。

3 工程應用探討

工程中，根據路測數據應用不同建議按照圖2所示流程進行。

從圖2可以看出，路測數據在基于路測數據的仿真中，有2次會對路徑損耗進行修正，具體如下:

圖2 路測數據仿真應用流程

a)使用路測/CQT測試進行分析，在已經修正的多個傳播模型中，根據接收電平進行統計分析，初步選擇小區最適合的傳播模型。

b)使用路測數據對小區通用傳播模型或已經修正的傳播模型進行再修正，再修正的目的主要用以使已有的傳播模型更加貼近要仿真區域的環境。這是因為即使對原傳播模型與仿真區域在同一城市，由于現在城市經濟、建設發展迅速，同一城市不同區域，無線傳播環境間的相關性也較大。而用仿真區域的路測/CQT對傳播模型再次修正，可使路徑預測結果更為貼近仿真區域的環境，增強仿真結果與實際環境間的相似度。在此過程中，修正的對象為基礎預測傳播模型，即修正整個仿真區域整體路徑預測數據。修正方式也僅僅是用仿真環境中部分數據修正其他數據，這樣并不能達到非常理想的效果，但可在原修正模型的基礎上進行更為精確的修正。

c)針對路測/CQT測點及其附近路徑預測數據，可利用其進行再次修正。這樣，如設置合理的加權系數、滾降系數，可以達到測點及其附近的預測數據可與實際路測數據非常貼近，且一定程度上可以彌補由于地圖、算法、傳播模型等因素引起的誤差。

從以上流程及應用方式可以看出，對于特定環境，如高速/高鐵等交通線、城市道路等線覆蓋或點覆蓋，基于該方式可多次、有效修正計算機環境帶來的誤差。對于整個城市或者區域而言，該方式可使修正的數據最大限度地貼近實際無線環境。

可用以下方式進行結果評定。

a)對于傳播模型的再次修正，可采用與傳統模型校正相同的方式，但由于采用手機終端方式，數據采樣速率約5 s/點，數據量會遠遠小于接收機采樣速率，這樣需引入式(3)對結果進行評定。

式中:

Estd——修正標準方差

E0——模型校正后的標準方差

N——測點數量

從式(3)可以看出:當數據量較少時(通常數據量少于1萬點時)，采用該方式可有效地修正方差值，并基于此評判再次修正傳播模型的結果將更為科學有效。其中基于路測/CQT數據進行傳播模型分配也是基于此。

b)對于測點及其周圍的數據，可采用路測數據與仿真軟件預測值對比的方式進行評定，即:

式中:

x1i——i點的預測值

x2i——i點的實測值

N——測點數

評判時要求平均誤差Y軍接近0，均方差RMS和標準偏差STD越小越好。

同時，在應用過程中應注意以下幾個問題。

a)如用路測數據再修正模型進行面域仿真，則被測站點能有效代表區域內其他站點的無線環境、地物類型、天線高度等。

b)根據仿真軟件使用的數字地圖，確定主要的地物類型，要求主要的地物類型至少收集到300～400有效數據點，以保證對地物因子的有效校正。

c)要求采集數據分布基本符合lg(d)曲線形狀。

d)由于路測/CQT測試數據收集終端為商用終端，商用終端信號接收靈敏度間約有±10 dB正常偏差，且該方式測點采樣速率常大于5 s/點。為豐富測試數據及均衡終端間差異，測試時可選用多部終端進行測試，多部手機數據統一進行處理。另外，根據地圖精度、數據點距離差，實際處理數據是在原始數據進行平均合并的基礎上進行的。這樣，有效的數據會少于原始測試數據。

e)建議在可對無線環境和街道分類的情況下進行數據采集，這樣導入時就可按照線性直達和非線性環境分別進行導入修正。

f)要求被測站點的天線、有效發射功率EiRP等與測試時配置一致，并將其作為校正站點配置數據。如全向或寬波瓣天線，應先考慮將其進行必要的轉換。

g)通常，路測數據采集是在車內完成的，CQT常常也在建筑物內部進行撥打。無線仿真時，預測的路徑損耗通常基于室外環境，如為室內或其他環境，則直接疊加相應的穿透損耗。而測試數據已經包含車、建筑物的穿透損耗。所以，如果仿真環境與路測采集環境相同，則基礎數據無需修正，否則需根據無線網絡仿真環境對路測數據進行相應的修正，即計算有效的接收電平。

h)無線測試中，通常不能關聯到小區的Cell ID。其可用如下方式進行WCDMA網絡Cell ID關聯:優先通過UCID(RNCID+CI)分離小區，再通過CGI(由MCC、MNC、LAC、CI值組成)， 最后考慮通過 CI/MCC/MNC和距離，CI/UARFCN和距離，SC/UARFCN和距離；對于GSM網絡:優先通過CGI(由MCC、MNC、LAC、CI值組成)，其次通過CI/MCC/MNC和距離，CI/BCCH和距離，BCCH/BSIC和距離進行小區識別關聯。其中距離即為仿真區域內最大擾碼/頻率復用距離的一半，其常需人工方式進行處理，則基于點 1(x1，y1)、點 2(x2，y2)的距離 d(km)為

d=arccos(siny1siny2cos(x1-x2)+cosy1cosy2)×111.195(8)

i)對于非正常數據過濾，可參考CW模型校正值，即:排除Ec≥-40 dBm或Ec≤-120 dBm的點，通常接收機和手機接收靈敏度差約為12 dB(考慮器件及天線安裝方式等)，另該非正常數據過濾是基于有效的接收電平進行的。

j)對于新建站，可利用基于路測/CQT數據修正模型進行路徑損耗預測。

k)如頻段臨近，可用相近頻段路測數據進行修正，但需考慮頻段差異引起的損耗，并在處理前對路測數據進行相應的修正。

4 工程案例

本文以某運營商某時期京津高鐵為例，按照如上方法進行WCDMA無線網絡仿真。

數據采集采用火車車廂內，用WCDMA商用手機2部，分別進行長呼和短呼，共約51 080個測點，仿真無線網絡室外環境。根據相關測試，火車車廂穿透損耗按照7 dB考慮，對測試數據有效接收電平進行修正。

修正完之后，利用式(8)、測試到相關編號進行Cell ID識別。識別完之后的文件，導入仿真軟件Aircom EnterPrise V6.2進行相關處理。

首先，此次仿真基于已經修正的4個模型(見表1)。

根據路測數據與各模型預測值的平均誤差、均方差、標準偏差，為每個小區分配初始傳播模型。經過數據分析，最終仿真軟件僅選定Mod_r一種傳播模型。

對Mod_r，基于路測數據進行再校正，具體結果如表2所示。

表1 基本傳播模型

表2 修正后傳播模型

修正后的模型不僅僅用于京津高鐵線上的仿真，更重要的是基于這些抽樣點修正相關小區的覆蓋。對于線上的點，再設置路測數據與預測數據的權值(路測數據0.8、預測數據0.2、滾降因子1.1)進行預測。此處，可以通過其中1個小區的仿真與路測結果的對比情況來看該方法的效果。

表3示出的是預測值與路測值對比匯總；圖3示出的是誤差值與距離關系。

從表4看來，使用路測數據對仿真中路徑預測結果修正平均誤差與標準方差可降至與CW模型校正結果相當。

表3 預測值與路測值對比匯總

5 結束語

本文主要介紹了利用路測/CQT測試修正仿真中路徑損耗的方法。該方法與常規CW模型校正相比，具有方法簡單、易操作，無需另行架設發射機進行專門路測，又能良好的兼容CW模型校正結果，取得更為精確的路徑損耗計算。與射線跟蹤模型方法相比，無需高精度地圖，且仿真效率高，同等條件下，仿真結果更接近實際測試值。該方法是目前較為科學、可行的減少路徑損耗預測的方法，希望本文對無線網絡仿真有一定的參考意義。

表4 小區路測值與預測值詳細情況一覽(摘錄部分數據)