基于5G MR實現Massive MIMO權值智能尋優的技術方案研究

許國平，王 科，楊飛虎，王 權（.中國聯合網絡通信集團有限公司，北京 000；.中國聯通山東分公司，山東 濟南 50000；.中國聯通網絡AI中心，上海 00050）

1 概述

Massive MIMO（后文簡稱MM）是5G 的核心技術之一，通過多組天線單元成倍提升系統容量，但MM 小區的天線權值配置組合非常多，不同的應用場景也需要不同的權值配置。傳統相對靜態的天線配置方式已經無法滿足5G網絡優化的需求，更加難以保證最佳的覆蓋性能和業務吸收效果，而且預設天線權值無法應對多樣化、動態變化的覆蓋場景。

目前從5G MR 獲取經緯度技術還不成熟，本文首先基于NSA 技術的特點，解決了從5G MR 快速獲取高精度經緯度問題。然后研究了基于MR 的MM 權值智能尋優技術方案，該技術方案既可滿足NSA 網絡中各小區的覆蓋和性能要求，又可以推廣到SA 網絡實踐中。

2 5G NSA MR高精度經緯度方案研究

目前5G MR 缺少高精度定位信息，嚴重制約MR信息在5G網絡覆蓋與干擾、用戶感知問題定位中的應用。5G MR定位信息主要受以下因素制約。

a）NR 協議還不支持UE 攜帶GNSS（Global Navi?gation Satellite System）位置信息上報，支持NR MDT 的R16協議剛凍結不久，現有的UE還不能在NSA網絡的MR中上報GNSS位置信息。

b）三角定位精度較低，三角定位主要利用服務小區和至少2 個鄰區的路損信息，計算出UE 的實際位置。由于無線信號波動較大，路損計算存在較大偏差，實際定位精度只有100～120 m。

2.1 解決方案

對于NSA場景，MN（Master Node）的MR數據中如果包含了高精度經緯度信息，則可以雙連接的實例號和時間戳為索引，關聯至相同雙連接的SN（Secondary Node）的MR 上，同時將經緯度信息賦值給對應的SN MR，5G的MR也就獲得了高精度的GNSS信息。

具體實現思路如下：將歸屬于相同EN-DC 雙連接實例的MN 小區MR 集合和SN 小區MR 集合標識為相同的雙連接識別號，所述雙連接識別號具備在同一個PLMN 本地網下且在一段較長時間范圍內可以全局性唯一地標識一個EN-DC 雙連接實例的特征。對于任意一條5G NSA MR 信息，在4G MR 集合中查詢出與其相同的雙連接識別號，且時間戳相同的那條4G MR。在查詢出的4G MR 中獲取UE 上報的經緯度信息，并將經緯度賦值給所述5G NSA MR。

2.2 驗證效果

通過DT 拉網測試的方式驗證上述技術方案的可行性。測試終端使用百度/高德地圖進行導航應用，確保終端可以上報GNSS 信息。通過4G/5G MR 關聯的高精度定位后，可以看到5G MR 的定位基本都集中在路上（見圖1），充分證明了本定位方案可行，且定位精度具備GNSS的高精度特征。

圖1 5G MR 地理信息獲取效果顯示

2.3 驗證總結

一旦5G MR 具備了精確的GNSS 定位信息，就為5G MR 的擴展應用提供了無限可能性，網優工程師可以用來評估5G現網覆蓋和干擾狀況，用于指導下一步網絡規劃和建設工作，也可以引入到端到端系統中輔助進行用戶感知問題的定位。后文將研究5G MR 在MM權值智能尋優中的應用。

3 基于5G MR實現MM智能尋優方案

相比4G 廣播單波束，NR 廣播波束可以通過波束掃描方式提升覆蓋。NR 支持廣播權值靈活設置，網管可對“方位角偏移、下傾角、水平波瓣寬度、垂直波瓣寬度”4 個維度進行調整。3GPP 在3GPP TS 38.213中定義了SSB 的符號位置，中國聯通選擇了2.5 ms 雙周期的幀結構，SSB最大波束可配置為7波束。

3.1 解決方案

Massive MIMO 基站的權值智能尋優首先對小區中UE 的分布、鄰小區干擾進行統計和估算，再綜合考慮網絡的覆蓋性能智能估算最優的廣播權值，實現MM 權值的自適應調整。權值自適應可以改善小區間的重疊覆蓋度，控制干擾，提升小區整體性能和用戶感知。

智能尋優的算法流程包括智能天線權值優化任務激活→eNB的數據采集→最優權值估算→權值生效→效果評估→權值更新或回退，如圖2所示。

3.1.1 廣播波束權值增益仿真

圖2 MM智能尋優方案流程

廣播權值優化第一步是基于采集的MR 數據，進行增益仿真計算。仿真計算需要使用權值增益表，權值增益表包括每個權值水平方向［-90，+90］，垂直方向［-45，45］范圍內的每個角度的仿真數據。

基于采集的MR 數據，按照如下公式，進行迭代計算增益。

在式（1）中，T_RSRP［new］［i］［j］表示新的權值在采樣點的DOA 的水平角度i，垂直角度j的電平。S_RSRP［old］［i］［j］表示舊的權值在采樣點的DOA 的水平角度i，垂直角度j的電平。ant_gain［new］［i］［j］表示新權值替換成舊權值后在某個采樣點的增益。

小區的采樣點有很多，以采集10 000 個采樣點為例，原理上算法將遍歷迭代計算權值庫中的每個權值，選取使得該10 000 個采樣點整體RSRP 增益最優的權值組合作為最終結果。

3.1.2 廣播波束權值智能尋優

每個小區權值總和計算公式如下：單小區權值組合總數=水平角度組合數（M）×垂直角度組合數（N）×方位角數（A）×下傾角數（D）×波瓣數（L）。但實際的覆蓋并非每個小區獨立決定的，牽涉到小區之間的互相影響，比如切換帶，實際權值計算過程中，需要考慮小區協同組的概念。如果采用遍歷搜索的方案，需要估算的權值總數為：（M×N×A×D×L）小區數。當尋優區域面積較大、小區數量較多時，算法耗時較長，時效性較差，需要在算法的快速收斂方面尋找解決方案。

考慮引入蟻群智能搜索算法（見圖3）通過選擇局部最優解，降低計算復雜度，提升權值尋優效率。整個方案隨機選取1 組或多組初始權值開始搜索，每次搜索完成后更新權值期望值。根據搜索目標，如RSRP/SINR 分布，通過多次迭代逐漸趨近局部最優解。通過初始值個數及迭代次數的優化，大幅減少搜索時間。

3.1.3 廣播波束RSRP與SINR聯合優化

NR 網絡的SINR 值類似于4G，基于主服務小區與鄰區采用如下公式進行擬合：

SINR 優化是同時考慮了RSRP與SINR 的優化，計算流程如下：

a）單小區RSRP優化：以每個小區為緯度，找到每個小區RSRP 增益最高的X個權值（X可設置，例如設置為20），得到SINR優化的權值庫。

b）按照類似于RSRP 尋優流程，以整體或者區域最優為代價函數搜索尋找最優的權值組合。

3.1.4 廣播波束與CSI波束聯動優化

當前終端不支持CSI（Channel State Information）波束測量與上報，CSI覆蓋的估計建立在SSB的覆蓋模型基礎之上。基于SSB 的7 波束覆蓋模型進行建模，依次對比CSI 的模型，尋找最接近的模型，最終輸出SSB與CSI的映射表，實現CSI的聯動調整。

3.1.5 廣播權值增益效果評估

廣播權值自評估主要是為了驗證優化后的權值對網絡覆蓋是否有提升，如果有提升，則認為優化有效，評估通過；如果沒有提升，則認為沒有提升，需要進行權值回退。

3.2 驗證效果

3.2.1 單小區單波束權值智能優化

單小區單波束權值優化室外測試在普天通信站點的PCI=352 小區進行，室外選擇PCI=352 小區覆蓋的道路，室內在該小區主覆蓋居民樓中的3層、8層、12層、15層、17層進行測試。

站點（圖4 紅框標注）5G AAU 在一排居民樓后面單管塔最下面的平臺，天線掛高約20 m，既能覆蓋到道路，又能覆蓋到正對的居民樓（圖4黃框標注），能夠提供一定程度的室內覆蓋。

圖4 高層居民樓室內覆蓋優化示意圖

優化前后權值如表1所示。優化前后室外以及室內每個樓層的RSRP、SINR統計如表2所示。

表1 單小區單波束天線權值變化表

表2 單小區單波束權值優化增益表

3.2.2 單小區7波束權值優化

單小區7波束權值優化同樣在普天通信站點PCI=352 小區進行，首先進行了初始優化，在網管上配置初始權值，統計優化前后網絡覆蓋情況。一方面驗證不同初始權值（根據工程師經驗配置）在覆蓋方面的問題，另一方面考察優化方案對于更高樓層的綜合覆蓋效果。優化前后室外以及室內每個樓層的RSRP、SINR 統計如表3 所示，充分證明權值經過優化之后，大部分樓層的覆蓋都有相應的改善。

表3 單小區7波束權值優化增益表

3.2.3 多小區單波束權值智能優化

多小區單波束權值優化室內測試在普天通信站點的PCI=352 以及圣代農貿市場的PCI=154 小區同時覆蓋的酒店內進行，室外選擇PCI=352、PCI=154 小區覆蓋的道路，室內在該小區主覆蓋的居民樓中的3層、5 層、7 層、9 層、12 層進行測試。優化前后室外以及室內每個樓層的RSRP、SINR 統計如表4 所示，結果證明權值尋優算法在多小區單波束條件下優化效果明顯，各個樓層覆蓋都得到了改善。

表4 多小區單波束智能權值優化增益表

3.2.4 多小區多波束權值智能優化

繼續驗證多小區7波束權值尋優效果。室內測試在普天通信站點的PCI=352 覆蓋的居民樓內進行，室外選擇PCI=352、PCI=154 小區覆蓋的道路，室內選擇居民樓中的3 層、8 層、12 層、15 層、17 層、19 層、21 層進行測試。優化前后室外以及室內每個樓層的RSRP、SINR統計如表5所示，多波束經過優化之后，對高層樓宇的覆蓋效果更佳。

表5 多小區7波束智能權值優化增益表

3.3 驗證總結

5G MM 權值智能尋優方案通過服務小區以及鄰區對終端的協同測量，采集終端上報MR 的RSRP、地理位置信息等信息，通過蟻群搜索算法快速迭代計算當前區域內所有小區最優權值方案，達到對區域內小區天線權值自適應調整的目的，綜合考慮RSRP 與SINR 指標，通過SSB 和CSI 的聯動優化的方式提升用戶下行速率感知。

4 SSB廣播多波束提升覆蓋應用

4.1 解決方案

針對不同場景，測試不同波束配置的覆蓋（RSRP）與上下行速率情況，寬波束具有覆蓋范圍廣的優點，但同時由于范圍廣導致能量的分散，覆蓋距離較近，窄波束具有能量集中的優點，但同時覆蓋范圍要小一些。需要針對寬窄波束各自的特性分別研究和驗證。

根據不同場景下覆蓋區域的實際情況，判斷波束覆蓋的最優方案，基本原則是使得波束能夠充分覆蓋小區覆蓋方向的場景，判斷具體流程如圖5所示。

圖5 SSB權值匹配流程

結合不同的建筑物特征，可以配置不同的波束權值，進而提升覆蓋。

4.2 驗證效果

a）不同SSB 波束權值下數據對比：高樓場景SSB廣播波束采用垂直窄波束覆蓋效果最優，但不同建筑物高度可采用不同層數的波束配置。

b）不同CSI 波束下數據對比：高樓場景CSI 采用垂直4波束速率性能最優。

4.3 驗證總結

對于深度覆蓋的小區的覆蓋調整，建議采用1 個寬波束覆蓋近點道路，6 個窄波束覆蓋小區內建筑。CSI 波束建議采用1 個寬波束覆蓋近點道路，3 個窄波束覆蓋小區內建筑。

對于高樓場景的小區覆蓋，如高樓樓層較高，站點位置較矮，建議采用垂直7 波束配置，如高樓在20層以下，建議采用垂直4 波束，CSI 建議采用垂直4 波束配置。

5 結束語

本文解決了5G MR 精確定位的問題，從研究方法上創新地使用蟻群搜索算法快速迭代計算當前區域內所有小區最優權值方案。從結果看，天線權值實現了自適應快速尋優，徹底解決了傳統RF優化人工調整耗時耗力且效果不佳的突出矛盾。后續研究的重點將放在不同場景下權值優化增益及CSI權值自適應等方面，進一步提升5G用戶的感知。