一種基于MR數據修正無線傳播模型的方法

于仰源 孫宜軍 王磊 羅海港

【摘? 要】無線傳播模型修正的傳統方法是依賴于CW測試，CW模測工作十分復雜且難以實施，而且高質量CW數據也較難獲得，影響了模型修正的準確度。通過本方法處理后的MR數據可以有效地替代CW數據進行傳播模型修正。使處理后的海量MR數據滿足李氏定理，再準確過濾部分極端數據后，導入軟件得到修正的傳播模型。本方法具有準確度高、可操作性強、時效性好等優點，另外，精準、高效的無線傳播模型修正對5G網絡規劃有重要意義，此方法應具有很大的應用前景。

【關鍵詞】MR;LTE;傳播模型修正;CW;5G網絡規劃

[Abstract] The traditional method of wireless propagation model correction is dependent on CW test. Usually， CW modeling and testing work is too complex to be implemented. Furthermore， the high-quality CW data is also difficult to be obtained so that the accuracy of the corrected model is affected. The MR data processed by the proposed method can effectively replace CW data to correct propagation model. The corrected propagation model can be obtained by processing massive MR to meet the Lee theorem， accurately filtering some extreme data and importing into software. The method has the advantages of high accuracy， strong operability and good timeliness. In addition， the accurate and efficient wireless propagation model correction is important for 5G network planning. This method has great application prospects.

[Key words]MR; LTE; propagation model correction; CW; 5G network planning

1? ?引言

無線傳播模型修正是無線網絡規劃需要優先重點研究的問題，傳播模型的準確度將直接影響無線網絡規劃的準確度，包括鏈路預算、基站規模估算、站址分布、仿真結果等。隨著高頻載波在移動通信尤其是5G技術中應用廣泛，這一個問題將更加突出。傳統的校正方法是通過模型測試數據來校正，模型校正的準確度取決于模測數據的質量，而高質量的模測數據往往較難獲取，因此本文接下來將提出一種基于MR數據修正無線傳播模型的方法。

2? ? 傳播模型介紹

2.1? 無線信號傳播特性

無線信號在自由空間傳播，其衰落由三部分組成：自由空間衰落、慢衰落、快衰落。自由空間衰落容易理解，表征的是信號在空間的擴散效果。慢衰落、快衰落則相對復雜，慢衰落是由于傳播空間存在的山體、樹木、建筑物等物體遮擋了信號的傳播，引起了陰影衰落效應。快衰落則是信號由于多徑效應疊加而引起的抖動，快衰落在時域上的變化尺度遠遠快于慢衰落。傳播模型研究對象實際上就是準確地描述特定區域的慢衰落效應，而不同地區、不同城市內的地物地貌、地類人文等特征存在較大差異，理論上每個區域應映射不同的傳播模型（類似人的指紋）。

2.2? 基于統計的傳播模型

傳播模型大體分為兩類：一類是基于無線電傳播理論的理論分析方法，例如Volcano模型、WaveSight模型、WinProp模型等;另一類是建立在大量測試數據和經驗公式基礎上的實測統計方法，例如Okumura-Hata模型、COST231-Hata模型、Keenan-Motley模型、SPM（標準傳播模型）等。工程中常用統計模型，SPM模型是以Okumura模型、COST231-Hata模型為基礎發展而來，是一種應用廣泛的通用模型，是本文研究的重點。其計算公式如下：

3? ?基于MR數據修正傳播模型方法

3.1? MR數據的預處理

MR是指基站或終端基于一定周期或事件觸發上報生成的報告文件，包含RSRP、RSRQ、用戶數、當前服務小區等幾十種字段信息，可以真實全面地記錄網絡現狀。MR數據信息非常全面、數據量非常大，使用MR數據取代CW（Continuous Wave，連續波）測試數據進行模型修正，首先需對海量的MR數據進行預處理。

（1）MR數據收集

MR原始數據一般包含幾十種字段，用于校正的數據必須包含RSRP、經度、緯度、當前服務小區等字段。

（2）MR數據柵格化解析

通過MR數據的頻段信息確定波長。假設用戶終端使用的是電信LTE-4G網絡，若其載頻為800 MHz，波長為0.38 m，40倍波長約為15 m，則柵格的邊長要小于等于15 m。將MR數據以一定單位長度（40倍波長）柵格進行算數平均處理，并統計MR數據上報次數，如表3所示：

（3）篩選30次以上的柵格數據，以滿足李氏定理

根據李氏定理，在進行無線傳播模型修正的測試時，要保證在40個波長的間隔內，記錄的測試點不能少于30個，以有效消除快衰落、保留慢衰落。因此，在劃分柵格的時候，柵格的邊長小于等于40倍的波長，并將MR數據進行過濾，僅保留上報次數在30以上的柵格，此類柵格的MR數據滿足李氏定理，視為有效數據。

3.2? 過濾異常柵格數據

有效的MR數據分布在發射機周圍，不應過遠或過近，由于現網使用定向天線，只有在主波束方向上的測量點才是有效的，異常的數據包括：

（1）距離過遠：通常將與基站之間的距離為2倍站間距的MR數據認為是距離過遠的異常數據，需要過濾掉，也可以根據實際應用需求進行設定，例如在本實施例中可以是過濾與基站距離大于700 m的MR數據。

（2）距離過近：通常將與基站之間的距離過近的MR數據也認為是需要過濾掉的異常數據，可根據實際應用需求在1/10-1/30站間距之間進行設定，例如在本實施例中可以是過濾與基站距離小于10 m的MR數據。

（3）天線背側：由于現有移動通信網絡的發射機多使用定向天線，只有在MR數據的當前施主小區對應天線的主波束方向上的測量點才是有效的，所以需將非主波束方向的MR數據過濾掉。

3.3? 修正步驟及示例

傳統方法中，是以CW數據對SPM模型進行修正，本實施例中以處理后的MR數據代替傳統的CW數據，同樣以對SPM模型做修正為例說明。本文介紹使用Atoll軟件校正的方法：

（1）選取某北方城區區域作為目標區域，修正該區域的SPM模型參數;

（2）將該區域內基站及發射機工參導入，在Atoll軟件中新建CW測試校正工程;

（3）將該區域內MR數據按3.1節、3.2節方法處理，并將MR數據區分服務小區逐個導入CW測試站點;

（4）數據正確導入后，即可將SPM模型進行校正，選擇對應基站及發射機進行校正，得到校正后的K1～K7的值，如圖1所示：

3.4? 準確性驗證

驗證校正模型的準確性，常用的指標是均值和方差，越小說明模型準確性越高。表4是使用本方法進行傳播模型修正前后的對比效果，利用MR數據修正無線傳播模型，得到的均值偏差為0.01 dB，方差為7.77 dB，說明本方法準確模擬了本區域的無線傳播特性。

從以上對比數據可以看出，由于是采用全面、客觀的MR數據，且對MR數據進行了篩選和過濾等處理，得到的無線傳播模型具有較高準確性。使用經本修正方法修正后的無線傳播模型，預測出的數據和真實值的均值偏差和方差都更小。

修正后預測電平值與實際MR電平值對比圖如圖2所示。

本方法提供了基于MR數據的修正無線傳播模型的方案，以MR數據代替傳統的CW數據進行無線傳播模型的修正，由于MR數據的實時性、全面性和客觀性，大大提升了修正無線傳播模型的工作效率，對移動網絡規劃有重要的意義。

4? ?結束語

利用MR數據代替CW傳統路測數據修正的方法不僅使精準預測小范圍的無線環境成為可能，還可以精準預測不同天氣、氣候、人文活動等因素的傳播模型差異（選取不同天氣時間段的MR數據即可）。對于5G時代來說，大氣也將對高頻段無線信號傳播帶來較大影響，例如雨雪、霧霾、水蒸氣、氧氣等，對高頻信號存在吸收、衰減等影響，但實際工程中此類衰耗很難定量測試分析，也是網絡規劃中面臨的困難之一，所以MR數據修正方法也為5G網絡的傳播模型修正與預測提供了有效的手段。

參考文獻：

[1] 何珂，全濤，趙晉，等. 基于MR數據的LTE網絡射頻精細優化的方法研究[J]. 移動通信， 2013，37（12）： 15-19.

[2] 胡亞希，梁雙春，方媛. 基于LTE測量報告數據的小區覆蓋分析[J]. 電信工程技術與標準化， 2013（1）： 33-37.

[3] 朱興東. 淺析MR在TD-LTE規劃及優化中的應用[J]. 通訊世界， 2015（1）： 27-29.

[4] 許國平. WCDMA數據業務速率優化技術研究[R]. 2011.

[5] 徐彤，孫秀英. WCDMA無線網絡規劃與優化[M]. 北京： 機械工業出版社， 2014： 66-70.

[6] 李維. 基于LTE MR大數據挖掘的網絡覆蓋評估分析[J]. 中國新通信， 2015（24）： 110.

[7] 岳磊，王瑋，夏龍根，等. 基于MR測量的越區覆蓋評估算法[J]. 通信技術， 2013（7）： 88-90.

[8] 王有為，徐志宇，夏國忠. WCDMA特殊場景覆蓋規劃與優化[M]. 北京： 人民郵電出版社， 2011.

[9] HarriHolma， AnttiToskala. UMTS 中的WCDMA—HSPA演進及LTE[M]. 5版. 楊大成，等，譯. 北京： 機械工業出版社， 2011.

[10] 岳磊，王瑋，夏龍根，等. 基于MR 的移動無線網絡規劃的可靠性分析[J]. 郵電設計技術， 2014（7）： 53-57.