基于4G實驗教學平臺的同頻干擾因素消解研究

許 瓊，李翠然

(蘭州交通大學 電子與信息工程學院，甘肅 蘭州 730070)

基于4G實驗教學平臺的同頻干擾因素消解研究

許 瓊，李翠然

(蘭州交通大學 電子與信息工程學院，甘肅 蘭州 730070)

充分利用校企聯合共建的4G通信實驗教學平臺進行同頻干擾因素消解實驗研究。主要研究思路是：通過RSRP推導結果給出Geometry(G)因子，結合實際網絡數據有效預測干擾，予以分析對比及實驗室驗證，以此為據并通過計算重新優化調度優先級。通過仿真平臺對調度優化后吞吐量增益分析證明，吞吐量得到較大提升，且密集組網場景增益效果良好，尤其對于該場景受干擾程度更大的邊緣用戶受益更為明顯。

第四代移動通信; 實驗教學平臺； LTE同頻干擾； Geometry因子

為適應經濟社會發展對無線移動通信新技術人才的新要求，滿足通信專業實驗教學改革與建設的新需要，蘭州交通大學與大唐移動公司于2014年共建了“TD-LTE”現代無線移動通信實驗室[1]。該實驗室針對TD-LTE通信技術的同頻干擾問題做出了積極探索，教學效果良好。

1 TD-LTE系統下行調度與系統同頻干擾

同頻干擾問題是隨大規模商用網絡的出現而產生的，它引發網絡吞吐量降低、邊緣用戶速率低下或時有中斷。目前主要的解決辦法是調整網絡結構、減少小區間干擾。該方法雖在一定程度上減少了同頻干擾，但須進行網絡二次部署、自適應性較差。本研究提出以系統的可實現性為切入點，嵌入Geometry因子(G因子)作為計算分析手段，推導網絡中不同用戶干擾情況，利用該推導結果優化調度時序，減小近距離復用層內資源碰撞的概率，提升網絡的自適應性。

1.1 下行調度功能及其算法選擇

下行調度是指eNodeB調度模塊根據各種信息動態選擇用戶分配資源，并確定分配傳輸資源數量。在現行無線系統，難免受到有限資源(包括時、頻、功率等在內的空口無線傳輸資源)的制約，當遇有多個資源申請者以競爭的方式獲取資源時，將會在繁多的混合業務場景中產生無效碰撞或抵消現象。要規避這一現象，須在強化移動通信技術的資源協調功能方面尋找良策。目前移動通信系統主流無線資源管理主要是以RR、MaxC/I、PF、EPF 4種算法來實現[2-3]。筆者認為，EPF算法更能夠顧及用戶公平性和信道質量，并通過區分業務類型采取不同調度排序方式增強QoS(quality of service)(見表1)[4]。因此，本文干擾協調選擇EPF算法進行，并根據EPF算法的思路及3GPP協議標準給出具體系統框圖(見圖1)。

表1 EPF優先級業務QoS保證方式

圖1 TD-LTE下行調度系統框圖

Pri為調度優先級；f(CQI)為下行信道質量指示(終端物理層測量結果)；f(delay)為時延信息，受限于用戶QoS；r為終端歷史傳輸速率；γQCI為不同QCI等級對應調度優先級加權；g(delay)為非實時業務數據包在緩存區等待調度時延。

1.2 優化下行調度，降低同頻干擾

系統同頻干擾是指干擾信號的頻率與有用信號頻率相同，對接收同頻有用信號的接收機造成影響[5]。由于頻率復用方式日漸繁多且復雜，同頻干擾現象很常見。為排除同頻干擾而進行實時預測及有效調整，對保證系統性能正常發揮至關重要。

不同用戶同頻干擾是由近距離復用層的終端分配相同資源造成的。由圖1分析可知，當用戶具有相似的數據分配間隔及資源映射方式時，如果同一復用層的用戶業務習慣(在相同時間點進行業務)及類型(網頁下載、QQ、視頻點播)相同，則易發生同頻干擾，網絡傳輸將會表現為SINR波動大、持續使用低階的MCS方式、系統吞吐量大幅降低。若能夠提前預測干擾并及時調整原有資源分配方式，就能夠有效避免同頻干擾、提升系統效率。

2 基于G因子下行調度優化

2.1 G因子計算推導

G因子是指用戶接收到的基站信號功率和其他非接入基站的干擾噪聲功率的比值，主要應用于系統仿真中。本文引入G因子，目的在于依據LTE小區中不同用戶數據進行干擾等級預測計算，為基于干擾分布優化資源分配奠定基礎。首先確定系統仿真中G因子計算方法是否滿足實際網絡干擾預測需求

(1)式中：Ps為基站發射功率；LPi為服務扇區到用戶路徑損耗；LPj為干擾扇區到用戶路徑損耗；N為白噪聲。使用該G因子計算方法必須預先獲知地理信息，繼而計算鏈路損耗得到，對小尺度衰落及業務調度影響缺少考慮，無法直接應用于實際網絡。此外，3GPP協議對G因子計算方法未曾有明確規定，故須根據終端可實現性和物理涵義作出正確的計算，以避免對干擾源評估有誤而處理不當。G因子計算式為

式中：Ior為測量帶寬內服務扇區信號能量；Ioc為測量帶寬內的干擾和噪聲。目前終端對信號測量主要是通過信號覆蓋電平和信號接收質量得到，以此指標入手，考慮穩定性和有效性，采用以下2種方法推導。

2.1.1 從RSRP出發推導G因子

RSRP是單個子載波導頻上有用信號接收功率。UE對帶寬上所有承載小區專屬參考信號的資源粒子進行功率測量，并計算其平均值[6-7]。其對應范圍根據定義進行計算。RSRP=PN+G(dBm)PN為單子載波熱噪聲功率[8]。PN=kTB+NF=-125.2 dBm式中：k為玻爾茲曼常數，1.38×10-23JK-1; T為熱力學溫度，2900K；B為載波級帶寬，15kHz；NF(noisefigure)為噪聲系數(噪聲通過電子器件后增加量)，7dB。

考慮G因子最小為-8dB，則RSRPmin=133.2dBm，RSRPmax=UEmax-10log(NRB×12)=-44dBm。

UEmax為終端最大輸入功率，-25dBm；NRB為最小系統帶寬，6個RB。

應用RSRP理論推導G因子應滿足以下條件：

(1) 3GPP協議規定小區被探測到的條件是：Es/IoT≥-6dB[6]，Es為單子載波帶寬有用信號功率，IoT為單子載波干擾噪聲功率，即存在干擾鄰區無法探測到的情況。

(2) 假設UE處于服務扇區，服務扇區RSRP以變量RSRPserving表示，有N個同頻鄰區，第i個同頻鄰區的單子載波帶寬內RSRP功率是RSRPi(全部RSRPi功率加和為對服務扇區干擾)，Noise是一個載波帶寬內噪聲功率，Esi/IoTi是第i個扇區的Es/IoT，且所有功率變量均為線性域。其推導過程如下

公式變形為

推導得

由

最終確定

(2) 式(2)即G因子與Es/IoT關系式，并得到在協議限制下G因子上限為6 dB。分析Es/IoT和G因子上限關系(見圖2)，探測能力Es/IoT的提升與G因子上

限的提升速度相同，即處于物理中心區域用戶探測鄰區范圍減小，比本小區信號強度低6 dB以上的小區，UE在該點無法獲得鄰區的RSRP。

圖2 G因子上眼與Es/lot關系圖

2.1.2 從RSRQ出發推導G因子

RSRQ指導頻信號接收質量，取值(N×RSRP)/RSSI。N為UE測量帶寬內RB個數(一般為全帶寬測量，例如20 MHz帶寬，測量RB個數為100)；RSSI為UE測量帶寬上的時域功率，只在有port0導頻的Symbol上測量帶寬內的總能量[6-7]，含服務扇區導頻信號，服務扇區數據信號，鄰區導頻信號，鄰區數據信號、外部干擾、噪聲，且服務小區的導頻信號和數據功率域總和為定值。RSRQ在G>-8dB上報，此時噪聲和鄰區干擾的總功率為6.3 dB，其范圍為

應用RSRQ理論推導G因子滿足以下基本條件：

第一，假設UE處于服務扇區，服務扇區RSRP是RSRPserving，數據子載波功率為Dataserving；

第二，終端所在服務扇區有M個同頻鄰區，第i個同頻鄰區的RSRP到達測量帶寬范圍內的功率是RSRPi，第i個同頻鄰區到達測量帶寬內的數據子載波功率為Datai(全部RSRPi與Datai的功率和為對服務扇區干擾)，Noise是一個載波帶寬內噪聲功率，N為測量帶寬內的RB個數，且所有功率變量均為線性域。其推導過程如下：

推導得dB域計算結果

(3) 由式(3)，G因子變化幅度由其真值部分決定，對其變化趨勢的分析見圖3。RSRQ為-15～-10時真值變化劇烈，尤其是在-11～-10.5時真值小于0；而終端測量正常范圍為-10.5～-3，真值為負值，G因子無意義；其他存在范圍內(-13.5～-11 dB)取值波動劇烈，3 dB的RSRQ波動導致18 dB跳變。由此可知，終端在協議允許的測量誤差范圍內，計算所得干擾結果嚴重發散。

圖3 G因子真數變化圖

通過以上推論可形成結論：(1)RSRQ受下行負荷影響大，在衡量網絡干擾程度上引入不必要的維度，將導致G因子不精準，無法完成干擾可能性映射； (2)RSRQ與G因子是非線性關系，在不同信噪比區間，相同RSRQ波動，造成G因子影響范圍擴展；(3)RSRP可穩定估計G因子，對于Es/IoT小于—6 dB，鄰區的RSRP無法探測，該情況在實際場景不存在，終端基本因為信號質量達不到而掉網。因此，本研究采用RSRP作為預測輸入。

2.2 RSRP的獲取

終端測量得到RSRP后，需要上報至基站，為G因子計算提供依據。這一過程可利用A3事件實現。終端根據基站下發的鄰區列表(每一小區存在對應鄰區列表，通常由網絡工程師基于現場情況確定)將上報相應RSRP值。為減少系統G因子計算量，需要對A3事件提取計算頻度進行限制。TD-LTE無線移動通信實驗室分別將實驗室基站頻點設置為單頻點、三頻點進行測試及計算分析，移動設備參數如下：

頻率(MHz)：2600/2300/1800；

系統帶寬(MHz)：20；

子幀配比：2:2；

特殊子幀配比：10∶2∶2；

基站數目：3；

MIMO機制：上行 1×2；下行2×2 SFBC；

發射天線增益(dBi)：上行 0；下行 12；

發射端饋線損耗(dB)：上行 0；下行 0.5；

接收端天線增益(dBi)：上行 12；下行 0；

最大發射功率(dBm)：上行 23；下行 46。

(1) 調整A3事件上報門限，G因子計算量減小，但影響切換正常進行；

(2) 嘗試修改G因子計算條件(僅Mn-Mp>門限時計算，Mn為同頻鄰區測量結果，Mp為服務小區測量結果)，單頻點組網時Mn-Mp門限設置為2 dB，三頻點組網時Mn-Mp門限設置為1.5 dB，G因子計算量降低為原來40%(每5 min，G因子計算次數×上報鄰區數)，且網絡干擾評價不受影響。

2.3 基于G因子優先級調整

對同頻干擾有影響的主要是優先級計算子模塊，故利用G因子修改該模塊計算方式，優化用戶業務時序，以避免干擾可達范圍內用戶資源重用。在實際網絡中，90%干擾由相鄰復用層引起，且調度算法受限于單個基站，不適于站間通信協調控制。基于復用層統一調控后時序分布如圖4所示，具體步驟如下：

(1) 根據基站工程參數(精度、維度、站間距、使用頻點)對網絡復用層編號N，同一復用層中基站N值相同；

(2) 設定相鄰復用層個數M，默認值為6(中心復用小區一般由6個相鄰復用小區包圍)。進行二次編號分配X，X=NmodM；

(3) 依據鄰區列表計算不同用戶各鄰區G因子，每一用戶挑選最小Gmin；

(4) 將Gmin大于于門限值(不同場景有差異，本文取值2 dB)的用戶按原有調度算法進行優先級排序；

(5) 將Gmin小于門限值用戶重新計算優先級，如式(4)、式(5)所示。

步驟(1)、(2)在網絡規劃后完成，不需要基站每次進行計算。

(4)

(5)

(6) 優先級重新排序后分配資源。

圖4 優先級調整時序變化圖

3 仿真及測試分析

前已述及，利用RSRP算法對估算干擾影響程度具有一定的可行性，但其效果可達性，即G給出的因子是否反映實際干擾場景、利用該G因子進行調度優先級調整后系統是否存在增益，尚有待于相應實驗室測試及仿真做出進一步分析驗證。

3.1 G因子變化趨勢分析

從RSRP及SINR定義可知：RSRP為接受覆蓋電平，代表接受點服務小區信號強度；SINR為信噪比，代表有效信號與干擾噪聲信號比值。當兩者取值差距較大時，干擾嚴重；兩者取之差距縮小，干擾減輕。對比G因子與SINR-RSRP差值趨勢圖，判斷其準確性。實驗室相應測試結果見圖5、圖6。

圖5 RSRP與SINR差值趨勢圖

圖6 Geometry趨勢圖

實驗步驟：從RRU連接小增益天線，使終端處于兩扇區電磁波干擾中央。調整干擾基站發射功率及可調衰減器，控制覆蓋電平范圍及信噪比的波動，采集相應數據。第6、7，9、10組測試數據波動，是因實驗室無線環境不易控制而出現不穩定導致(實驗室缺乏信道模擬儀，無法精確控制干擾程度，當有人走動或者空氣流動劇烈時無線環境出現1～3 dB波動)。整體來看，隨著RSRP與SINR間隔減小，G因子呈現增長趨勢，即G因子基本反映實際的無線環境，結果可信。

3.2 吞吐量比較分析

實驗室現有eNodeB數目無法驗證系統增益，故采用仿真方式驗證。基于實際網絡應用，采用現實場景中標準網絡拓撲進行，具體參數如表2所示。

表2 仿真室外場景參數

采用維也納大學開發的LTE開源系統級仿真平臺[9]進行分析研究，根據需要對平臺進行修改并增加相應功能模塊。網絡部署模塊增加復用層編號和小區編號的功能。根據Signals Research Group公開發表的測試報告[10]獲知，在不存在高站越區及海平面折射場景下，對用戶產生嚴重干擾主要是復用層為2區域范圍內，故基站部署基于Wrap-around，形成19個站、57個小區。為提高系統計算效率，移動性管理模塊設置為用戶靜止；修改鏈路測量模塊，增加計算RSRP功能，并將SINR和RSRP發送給G因子計算模塊；增加用戶屬性模塊，增加分配業務時間記錄和流量記錄，并利用隨機數生成業務類型(0代表GBR業務，1代表Non-GBR業務)；利用隨機數生成需要業務時間點(為保證業務習慣相似性，采用相同種子生成隨機數)；將調度時延、吞吐量、業務類型發送給調度子模塊。修改EPF調度子模塊業務流優先級計算方式，如式(4)、式(5)，γQCI值固定賦值為2，MCS方式確定及資源分配不改變，增加G因子計算模塊，按照所獲得的RSRP等值計算。

仿真具體步驟如下：

(1) 生成地圖，部署基站位置，由于使用相同頻點，每個基站為一復用層，按照部署基站先后進行復用層編號，每一基站3小區順序生成小區編號；

(2) 對已生成的配置文件，按基站位置手動增加鄰區列表，提供接口給G因子計算模塊；

(3) 利用天線參數及COST231生成大尺度模型，計算陰影衰落；

(4) 隨機生成用戶，計算小尺度衰落，并在每次調用調度模塊后更新；

(5) 由鏈路測量模塊根據資源分配結果、大小尺度模型計算RSRP、SINR；

(6)G因子計算模塊通過鏈路測量模塊結果計算Gmin；

(7) 重新計算調度優先級，分配資源，并通過RB調度結果改變干擾余量。

為消除仿真隨機性，每次仿真運行不同時間間隔，取10次仿真結果進行平均，仿真所得吞吐量對比結果見圖7、圖8。針對仿真中相關參數、特殊設置及其對仿真結果影響，對網絡應用可實現性進行分析如下。

(1) Es/IoT≥-6 dB這一限制時，在仿真中設置當到達用戶干擾小區與服務小區RSRP在10 dB以上，不進行資源分配。

(2) 在圖7、圖8中，G因子數值為整個小區下用戶G因子平均值，兩種場景下頻譜效率都有提升。普通城區提升主要由高G因子部分貢獻，密集城區提升主要由低G因子部分貢獻，且總吞吐量密集城區提升更為顯著。主要原因在于：吞吐量增益與網絡結構及用戶分布位置相關，密集城區邊緣用戶干擾嚴重，當改變其資源分配的時序后，增益更加明顯。

圖7 普通城區頻譜效率對比圖

圖8 密集城區頻譜效率對比圖

(3) 由于系統條件限制，采用相同功率策略，且鄰區負載采用固定配置方式。但實際網絡場景隨機性波動將會使吞吐量變化更明顯。實際應用需提前對比聯網測試與仿真情況。

4 結語

基于實際網絡中用戶動態分布及業務行為規律性，引入G因子進行同頻干擾實時預測，通過對比，擇優選用RSRP作為計算依據。利用主流廠商的設備實際測試，證明推導所得因子能有效反映網絡實際狀況。使用主流EPF調度算法，利用G因子進行細粒度優化，提高了網絡自適應性，并依據實際終端限制能力進行參數設置。結果顯示，系統吞吐量得到有效提升，且密集組網場景下更易獲得吞吐量增益，也為同頻組網資源優化補充了新的理論依據。

References)

[1] 許瓊，周冬梅.新一代無線移動通信網絡實驗室總體框架設計[J].科技管理研究，2015(12)：95-100.

[2] Nandagopal T, Lu S, Bharaghavan V A. Unified architecture for the design and evaluation of wireless fair queuing algorithms[J].Wireless Networks, 2002,8(2):231-247.

[3] Li L, Pal M, Yang Y R. Proportional fairness in multirate wireless LANs[C]//Proceeding of 27th IEEE Conference on Computer Communications, USA Phoenix. 2008:1004-1012.

[4] 3GPP TSG-RAN. R1-07 LTE physical layer framework for performance verification[S].Sophia Antipolis: European Telecommunications Standards Institute,2007:673-675.

[5] Mazarico J I, Capdevielle V, FEKI A，et al. Detection of synchronization signals in Reuse-1 LTE networks[C] // Paris: IEEE Wireless Days, 2nd IFIP.2009:1-5.

[6] 3GPP TSG-RAN. TS36.133 V11.8.0Evolved Universal Terrestrial Radio Access (E-UTRA): Requirements for support of radio resource management(Release11)[S].Sophia Antipolis:European Telecommunications Standards Institute, 2014:134-155.

[7] 3GPP TSG-RAN. TS36.211 V11.5.0Evolved Universal Terrestrial Radio Access (E-UTRA): Physical channels and modulation (Release11)[S]. Sophia Antipolis:European Telecommunications Standards Institute, 2014:87-108.

[8] Tabbane S.無線移動通信網絡[M].李新付,譯.北京:電子工業出版社,2001:30-48.

[9] IkunoJ. C, WrulichM, RuppM. System level simulation of LTE networks[J].IEEE Vehicular Technology Conference, 2010, 11(18):1-5.

[10] SIGNALS RESEARCH GROUP.Signals Ahead[EB/OL].(2013-10-15)[2014-07-28] .http://www.researchandmarkets.com/reports/348644/signals_ahead#rela0.

Research on co-channel Interference factors resolution based on 4G experimental teaching platform

Xu Qiong, Li Cuiran

(School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070,China)

In order to solve co-channel interference, this paper makes full use of the fourth generation mobile (4G) communication experimental teaching platform based on school enterprise cooperation for experimental research.The main research ideas are as follows: the Geometry (G) factor is obtained by RSRP derivation, which is combined with actual data for effectively predict interference,though comparative analysis and laboratory verification.Based on the result, the scheduling priority is recalculated. Throughput gained by scheduling optimization is analyzed through simulation platform. The results show that the study can effectively improve the throughput, and the gain is more obvious in dense, especially for edge users in this scenario, whose interference effects are more serious.

fourth generation mobile communication; experimental teaching platform; LTE co-channel interference; Geometry factor

10.16791/j.cnki.sjg.2017.01.037

2016-08-24

國家自然科學基金資助項目(61661025)；蘭州交通大學青年科學基金資助項目(2014008)；蘭州交通大學重點教改項目(2015005)

許瓊(1982—)，女，甘肅蘭州，碩士，講師，主要研究方向為無線移動通信技術.

E-mail：xuqiong1122@163.com

TN929.5

A

1002-4956(2017)1-0157-06