基于3GPP信道模型的快速5G網絡預測方法研究

［黃勁安 蔡子華］

1 引言

5G無線網絡規劃與傳統的無線網絡規劃流程基本一致，主要步驟包括網絡規模估算、網絡參數規劃和網絡仿真驗證等。雖然由于5G引入了某些新技術、新頻段和新業務，在詳細的網絡規劃上略有差異，但總體上差別不大。在5G無線網絡規劃中，網絡仿真是必不可少的一項網絡預測步驟，如圖1所示。

目前國內從事無線網絡規劃的單位采用的主流仿真工具主要為法國Forsk的Atoll和英國Aircom的ASSET等國外軟件，但這些仿真軟件存在以下3個問題：

（1）軟件本體：獲取軟件各核心模塊及射線追蹤模型license授權的成本高昂，企業通常只能購買數套，大部分設計人員無法通過實操進行仿真驗證。

（2）仿真地圖：仿真結果的準確性高度依賴于地圖的精度，高精度地圖需要花費重金購買，且需要不時更新，整體成本較高。

（3）軟件操作：仿真軟件對操作人員的素質要求較高，既需要熟悉軟件本身的各項操作和功能，也要深入掌握基礎參數的設置和輸入。

圖1 5G網絡規劃總體流程

5G無線網絡的實際工程建設一般包含了可行性研究、總體設計、初步設計和施工圖設計等階段，在初步設計階段，由于站址獲取工作的不順利而導致的站點變更現象屢見不鮮，因此規劃設計人員同時需要對站址變更方案進行評估，以確定變更后的站址位置是否符合覆蓋要求，而仿真也是站址變更方案評估時的主要手段。面對緊張的工程建設進度，常規仿真軟件的操作復雜和應用范圍窄的缺點暴露無遺。因此，尋找一種簡單快速的5G網絡預測方法，在特定場景下彌補常規仿真軟件的缺失，具有一定的必要性。

2 信道模型選擇

無線信道模型，在一般定義下是指對物理傳播環境建立的確定性或統計性數學描述，該描述以直接測量或建立在傳播理論基礎上的分析和計算機仿真等為手段，能夠有效、近似地表達無線通信環境的傳播特征。現有的信道模型大致上可分為三類，一類是國際標準化組織提出的標準，一般為統計性模型，例如3GPP SCM/3D/D2D/HF、WINNER Ⅰ/Ⅱ/+、COST 259/273/2100/IC1004、ITU IMT-Advanced、IMT-2020、IEEE 802.11 TGn/TGac、QuaDRiGa、mmMAGIC、IEEE 802.15.3c/IEEE 802.11ad/aj/ay、MiWEBA、METIS、5GCM等，這些信道模型一般針對典型場景進行劃分，沒有明確的劃分依據，其信道特性較宏觀，但信道模型相對簡單，計算量?。涣硪活愂窃诮y計性模型基礎上進行測量校正后獲得的信道模型，通過在多個試驗場景和多個頻段環境下進行大量的測試，獲得與各個規劃環境相匹配的統計描述，從而使信道模型具有適應不同規劃場景的針對性，但這類模型的獲取途徑需耗費大量人力物力，在追求降本增效的通信規劃設計行業內難以大規模使用；還有一類是在已知無線傳播環境的具體特征的前提下，利用電磁波傳播理論獲得的確定性模型，例如Atoll軟件常用的Crosswave、Aster射線追蹤模型，這類信道模型的預測結果雖然比經驗統計模型更準確，但對傳播環境的具體特征要求較高，需要匹配高精度三維矢量地圖，且計算過程更復雜。

因應簡單快速的實際需求，同時考慮使用成本，在信道模型選擇上，首先必須能包含影響高頻無線信號傳播的因素，如建筑物高度、街道寬度等；其次在適用頻段上，由于5G使用的頻率范圍較寬，需兼顧sub 6GHz和毫米波頻段的需求；第三，信道模型的計算要盡量簡單，以節省預測時間，同時也需擺脫對高精度地圖的依賴，降低維護成本。綜合各種因素考慮，3GPP TR36.873和TR38.901模型基本能滿足要求。

3GPP TR36.873與3GPP TR38.901信道傳播模型都定義了UMa（城區宏站）、UMi（城區微站）、RMa（農村宏站）和InH（室內熱點）四類場景，且同樣區分LOS（視距傳播）和NLOS（非視距傳播）場景，兩者的區別在于3GPP TR36.873的適用頻率范圍為2～6 GHz，而TR38.901的適用頻率范圍更寬，可拓展至0.5～100 GHz。此外，TR38.901模型與平均建筑物高度和街道寬度無關，僅與工作頻率、接收天線高度、天線間距離有關。

在5G無線網絡的覆蓋預測中，一般按照UE處于小區邊緣來考慮，由于UE與基站之間的傳輸路徑大概率受到遮擋，因此在做鏈路預算時需使用非視距傳播（NLOS）模型。圖2為3.5 GHz頻段下TR36.873模型和TR38.901模型在UMa和RMa場景下的非視距傳播路徑損耗關系對比。由圖可見，無論在RMa場景下還是在UMa場景下，二者的計算結果幾乎一致。

圖2 TR36.873與TR38.901模型對比

雖然TR36.873模型能更充分地考慮到建筑物高度和街道寬度等對高頻段信號傳播影響的因素，但由于其適用頻率范圍僅為2～6 GHz，不能適應高頻段5G網絡覆蓋預測的要求，因此具有更好通用性的TR38.901模型更能滿足需求。

TR38.901信道模型的核心部分為路徑損耗計算，具體計算模型如公式（1）所示：

其中：PLb為基礎的路徑損耗，需通過不同場景不同模型計算獲得；

PLtw為經過建筑物外墻的穿透損耗；

PLin為建筑物內部損耗；

σp為穿透損耗的標準差。

四類場景UMa（城區宏站）、UMi（城區微站）、RMa（農村宏站）和InH（室內熱點）的路徑損耗分別如公式（2）、（3）、（4）和（5）所示：

其中：d3D為基站與UE之間的空間距離，單位為m；

h為建筑物的平均高度，單位為m；

fc為中心頻率，單位為GHz；

穿透損耗和內部損耗分別如公式（6）、（7）所示。

其中：d2D為電磁波在建筑物內部傳播的平面距離，單位為m；

f為中心頻率，單位為GHz。

此外，UE所處的位置與電磁波視距傳播的概率相關，系統在進行預測時需根據實際情況計算得到的概率選擇恰當的信道模型。

3 系統設計

信道模型只能表達出UE與基站之間傳播路徑的衰耗，一般只能用于鏈路預算的編制，但無法反映規劃區域內的網絡覆蓋質量。因此信道模型只能作為計算的基礎，該種快速5G網絡預測方法必須有系統化的設計，最終使規劃設計人員通過該系統獲得與常規仿真軟件類似的交付成果。

3.1 需求概述

5G網絡預測系統的總體思路是通過將地圖數據柵格化，然后根據每個柵格所在的位置特征匹配合適的場景模型，然后計算出不同柵格的場強數值，按照數值輸出渲染圖層，最終在電子地圖上疊加渲染圖層，從而獲得預測結果圖，也可通過Excel表格輸出預測結果。

參照常規仿真工具的功能，該5G網絡預測系統需實現的基礎功能如表1所示。

表1 5G網絡預測系統的功能需求

需要注意的是，使用常規仿真軟件進行網絡覆蓋預測時，一般除了RSRP預測之外，還需輸出RS-SINR、上下行吞吐率等靜態指標，某些場景下還需通過蒙地卡羅仿真進行話務量預測。但考慮到該系統其中一個重要目的是提升預測速度，作為常規仿真軟件的補充，而并非要替代常規仿真軟件，因此在功能設計上只考慮RSRP預測的輸出即可。

3.2 場景判斷與匹配

信道場景匹配功能是該系統最關鍵的一環，必須準確判斷出每個柵格歸屬的場景，才能獲得恰當的路徑損耗計算模型。場景匹配主要有兩種渠道，一種是基于建筑矢量地圖數據的判斷，另一種是基于平面地圖POI（興趣點）數據的判斷。

（1）基于建筑矢量地圖數據的判斷

在常規渠道并不難獲得國內大部分一線和二線城市的建筑矢量地圖，這類地圖包含了建筑物的邊界輪廓矢量數據，矢量數據為地理信息軟件界常用的shapefile格式，在空間上將集合描述為點、折線或多邊形，地圖中通過.shp和.shx文件記錄幾何形狀本身和特征幾何形狀的索引，還有包含幾何形狀柱狀屬性的.dbf文件。除此之外，矢量數據中還包含了建筑物的樓層屬性。圖3為基于建筑矢量地圖數據判斷的流程，最終目的在于將基站數據和柵格數據匹配到對應的場景內。

（2）基于平面地圖POI數據的判斷

如前文所述，國內大部分一線城市和二線城市能較方便地獲取建筑物矢量地圖，換言之，三四線城市和一部分一二線城市的建筑物矢量地圖一般很難通過常規渠道獲得，即使能獲取，也需要付出較高的地圖采購成本。在這種情況下，就需要考慮其他匹配方式，例如使用平面地圖的POI數據完成判斷和匹配流程。

圖3 基于建筑矢量地圖數據的匹配流程

Mapinfo是從事無線網絡規劃工作常用的軟件之一，其通用的數據交換格式MIF包含了判斷和匹配流程所需的POI數據，其中的圖形數據和文本數據分別保存在.mif和.mid文件內，采用ASCII碼編制而成，可以通過直接讀取這些數據進行判斷，具體流程如圖4所示。從流程圖可以看出，使用此方法無法判斷出室內熱點場景，主要是因為POI數據缺失了地理位置高度相關信息。但實際上5G中的室內熱點場景一般需建設獨立室分系統，大部分室內熱點無需通過室外站覆蓋解決，因此采用該方法對主要功能并無影響。

圖4 基于平面地圖POI數據的匹配流程

3.3 渲染呈現

在獲得各柵格的預測數據后，在系統前端描繪出柵格4個頂點組成的矩形，根據圖例中定義的RSRP數值所對應的顏色，將矩形區域填充為該種顏色并顯示。另外也根據基站工參數據中定義的基站位置、方向角、基站名稱等參數在前端顯示基站標識，還有建筑矢量數據的渲染圖也需疊加在圖層上。

4 與常規仿真軟件的對比

利用前文所述的方法，可完成快速5G網絡預測系統的設計。為測試該系統的效果，在廣東省某三線城市的核心城區選取了約2平方公里的區域，與日常從事規劃工作常用的Atoll軟件進行了對比。

4.1 建筑物輪廓對比

圖5所示為快速5G網絡預測系統的地圖細節與Atoll的對比，左邊為快速5G預測系統在同一區域顯示建筑物矢量圖的效果，右邊為Atoll軟件導入5 m精度矢量地圖的效果。由圖5可見，建筑物輪廓清晰，與Atoll的5 m精度矢量地圖效果基本相當，但圖元豐富程度不及Atoll。

圖5 快速5G網絡預測系統地圖界面與Atoll的對比

4.2 預測結果輸出對比

圖6所示為快速5G網絡預測系統的RSRP預測結果與Atoll的對比，左邊為快速5G預測系統輸出20米精度RSRP預測的效果，右邊為Atoll輸出20米精度RSRP預測的效果。由圖6可見，快速5G網絡預測系統的預測結果比Atoll相對樂觀，顏色過度缺乏平滑度，但實測計算機輸出結果耗時僅需25秒，而Atoll耗時高達2分01秒。

圖6 快速5G網絡預測系統預測結果與Atoll的對比

4.3 操作簡便程度對比

圖7所示為快速5G網絡預測系統與Atoll操作流程的對比，顯然，Atoll的操作步驟更多，除地圖導入工作外，還需進行傳播模型設置，填寫Site、Transmitter和Cell表，進行全局設置和無線設備參數設置等，快速5G網絡預測系統明顯在操作簡便性上優于Atoll。

圖7 快速5G網絡預測系統與Atoll操作流程的對比

4.4 渲染精度

圖8所示為快速5G網絡預測系統5 m×5 m柵格精度與1 m×1 m柵格精度的RSRP預測效果，Atoll預測結果的精度受導入的矢量地圖精度制約，5米精度的地圖極限只能輸出5米精度的預測結果，但快速5G網絡預測系統能擺脫對地圖精度的依賴，可以按需調整渲染的柵格精細程度。

圖8 快速5G網絡預測系統5米與1米柵格精度效果對比

5 結束語

常規仿真工具參數配置復雜，且運算量大，耗時較長，延長了規劃周期。本文提出的基于3GPP信道模型的快速5G網絡預測方法盡管仍然存在不足之處，但從提升網絡規劃與站址變更效率和內部降本增效的角度來看，仍然具有一定的價值。