通过迭代算法设置小区功率优化重叠覆盖的探讨

1、    通过迭代算法设置小区功率优化重叠覆盖的探讨    孙宇彤+朱美根【摘 要】为了改善td-lte无线网络的重叠覆盖，通过分析路测数据，利用迭代算法，批量计算出各小区的功率调整值后在网管侧调整参数，可以简便快捷地优化小区重叠覆盖，并结合案例展示了具体的应用效果。【关键词】重叠覆盖 td-lte 迭代算法 小区功率设置doi：10.3969/j.issn.1006-1010.2017.02.003 ：tn929.5 文献标志码：a ：1006-1010（2017）02-0013-04引用格式：孙宇彤，朱美根. 通过迭代算法设置小区功率优化重叠覆盖的探讨

2、j. 移动通信， 2017，41（2）： 13-16.1 lte的重叠覆盖lte无线网络可以采用同频组网，此时相邻的小区均使用相同的频域、时域资源，则这种情况下的lte无线网络成为了一个自干扰系统。自干扰系统的干扰源越多，干扰就越大，链路的质量也就越差。重叠覆盖定义为一个地点有多个小区的信号覆盖，且这些小区与最强小区的信号相差6 db以内。重叠覆盖度用来衡量重叠覆盖的程度，表明一个地点重叠覆盖的小区数量。由于重叠覆盖度与干扰源数量相关，因此重叠覆盖度越高，干扰源就越多，干扰也就越大。在网络优化的实践中，采用高重叠覆盖占比来评估区域内的重叠覆盖度。中国移动通信集团公司定义的高重叠覆盖占比指标的统

3、计条件是：统计最强小区信号大于等于-105 dbm、6 db范围内的小区信号数量大于等于4的路测采样点比例，也就是重叠覆盖度大于等于4的路测采样点占比。高重叠覆盖占比直接体现了网络内的干扰程度，进而反映了速率及用户感知，在日常优化工作中，控制高重叠覆盖占比就成为网络优化的重中之重。基于此，在中国移动通信集团公司每季度对各重要地市进行的扫频测试中，高重叠覆盖占比会作为扫频测试输出的一项重要指标，用于评估网络覆盖的合理性。该指标分为以下3种统计方式：（1）d频段统计：对频点归属d频段的扫频信号进行统计分析；（2）f频段统计：对频点归属f频段的扫频信号进行统计分析；（3）d+f频段统计：使用过滤多层

4、网站点的统计方式，避免多层网站點带来的统计误差，在排除多层网站点信号的影响后，对所有扫频信号进行统计分析。2 重叠覆盖的常规优化手段在td-lte无线网络优化实践中，一般认为单频段的高重叠覆盖占比超过5%或者双频段的高重叠覆盖占比超过10%，就需要进行重叠覆盖的优化。为了优化重叠覆盖，网络优化人员通常采用如图1所示的优化步骤。其中，优化方案主要考虑调整天线方位角/倾角、基站整改或者调整相关功率参数。图1 常规的优化步骤由图1可见，使用常规手段来优化重叠覆盖时，只能逐小区分析、逐小区执行，如果需要调整天馈，则方案执行周期也较长。因此，常规手段不但费时费力、见效慢，而且效果不易控制，甚至有可能解决

5、了原先的重叠覆盖点但却在其他区域产生新的问题点，对网络总体指标并无改善。3 重叠覆盖的快捷优化方法那么有没有一种简便易行、见效快的方法，在网管侧通过调整参数就可以改善重叠覆盖呢？笔者经过多次探讨及试验，最终找到了一种优选方案迭代算法。迭代算法通过分析扫频数据，基于提高主服务小区功率以及降低邻区功率，批量并迭代计算出各小区的功率调整值，从而降低高重叠覆盖占比。迭代算法的具体执行步骤如图2所示。具体步骤如下：（1）优化人员首先对网络进行一次扫频测试，并根据基站数据库分别输出6 db以及10 db以内的路测采样点的两张邻区列表（以下简称邻区列表），邻区列表中包含最强小区以及各个邻区的名称和rsrp（

6、reference signal receiving power，参考信号接收功率）。（2）尝试通过提升服务小区的功率来改善重叠覆盖度，升功率小区的选择应遵循以下原则：从6 db邻区列表中筛选出重叠覆盖度34的采样点，找到作为服务小区比较多的小区，由于提升这些小区的功率将增加服务小区rsrp，从而改善重叠覆盖，因此将这部分小区作为升功率备选小区；在10 db邻区列表中，如果路测采样点的重叠覆盖度只有02，则无论升功率小区在服务区还是在邻区，对这些采样点的重叠覆盖度都无影响（通常小区功率的提升幅度不超过3 db）；在6 db邻区列表中重叠覆盖度是02，但在10 db邻区列表中高于3的采样点，这些

7、是提升功率的隐患点，如果提升功率的小区正好在这些点的邻区列表中而又不是服务小区，就有可能产生新的高重叠覆盖度点；如果升功率备选小区在6 db邻区列表中较多做34重叠覆盖度的采样点的服务小区，而较少在前述隐患点上做邻区的话，说明提升功率利大于弊，反之则有可能得不偿失；升功率备选小区越多在02重叠覆盖度的采样点中做服务小区，则隐患越少；根据各类采样点数量，综合考虑利弊，最终确定升功率小区。（3）尝试通过降低小区的功率来改善重叠覆盖，降功率小区的选择应遵循以下原则：在6 db邻区列表34重叠覆盖度的采样点中，较多做邻区；在6 db邻区列表02重叠覆盖度的采样点中，较少做服务小区。（4）确定升降功率的

8、备选小区后，这些小区升降功率的幅度暂定为3 db，也可以通过邻区与主服务区的差值大致估算。（5）确定功率调整方案后，优化人员再把各小区模拟调整后的rsrp迭代到前述扫频数据中，模拟计算出新的重叠覆盖度。（6）优化人员以更新后的扫频数据为基础，再次进行步骤（2）至（5）计算，可以得到更稳定的功率调整方案（此步骤可以多次计算，故为迭代算法）。优化人员也可以实施一轮调整后，再进行一次路测扫频，基于新的扫频数据再进行迭代计算。 4 优化案例分析在某次扫频测试中，优化人員发现某地市高重叠覆盖占比过高，尤其是d+f频段的高重叠覆盖占比在某些网格高达13%左右，因此运用迭代算法对多个网格进行了优化。下面仅列

9、举其中一个网格的优化情况来进行分析。4.1 网格情况介绍待优化的网格位于市区，面积为11平方公里，分布有d频段和f频段基站，并且大多数d频段和f频段基站共站，基站的具体分布情况如图3所示：图3 待优化网格的站点分布4.2 确定调整方案优化人员利用迭代算法，对图3所示的网格的路测数据进行了分析。迭代算法进行了多轮，共筛选出需升功率小区80个、需降功率小区76个。值得注意的是，由于f频段需保证居民区等深度覆盖，因此在本次优化调整方案中，f频段的小区不考虑降功率。4.3 优化前后指标对比（1）重叠覆盖的优化结果经过优化调整后，d+f频段的高重叠覆盖占比从13.19%降至9.82%，下降了3.37%，

10、极大地改善了网格内的重叠覆盖情况，从而达到优化的目的。（2）kpi指标对比经过优化调整后，网格的kpi（key performance indicator，关键性能指标）也得到了同步的提升。表1展示了平均rsrp、sinr（signal to interference plus noise ratio，信噪比）及下载速率这些指标的变化，不难看出优化取得了良好的效果。表1 kpi指标优化前后对比kpi 平均rsrp/dbm 平均sinr/db 平均下载速率/mbps优化前 -86.24 12.44 27.13优化后 -84.91 13.42 30.885 结束语重叠覆盖是td-lte无线网络优化

11、的关键内容，常规的优化方法需要逐小区分析、逐小区执行，费时费力且见效慢。基于此，本文提出先分析路测数据、再利用迭代算法进行小区发射功率的批量调整这种快捷优化方法，以改善td-lte无线网络的重叠覆盖。该优化方法具有以下优点：（1）实施方便，现场工作量小；（2）可批量输出调整方案，实施周期短且见效快；（3）可通过理论计算来预测实施效果，最大程度地减少副作用；（4）可多次迭代，使调整方案趋于收敛。当然，实施这种优化手段时需要注意如下：（1）基站发射功率有限，不可能无休止地提升，在优化过程中也发现一些希望提升功率的小区已经达到功率上限；（2）调整发射功率只是优化重叠覆盖的一种途径，若能结合天馈参数的

12、优化则效果会更好。目前优化过程全部用excel人工计算，功率调整均以3 db为步长，功率调整幅度还不够精细。下一步可考虑进行软件编程，使功率调整幅度更精细，这样迭代算法的输出结果将会更好。参考文献：1 孙宇彤. lte教程：原理与实现m. 北京： 电子工业出版社， 2013.2 孙宇彤. lte教程：结构与实施m. 北京： 电子工业出版社， 2014.3 孙宇彤. lte教程：机制与流程m. 北京： 电子工业出版社， 2015.4 stefania sesia， issam toufik， matthew baker. lte/lte-advancedumts长期演进理论与实践m. 马霓，夏斌，译. 北京： 人民邮电出版社， 2012.5 3gpp ts 36.211 v10.7.0. mapping to resource ele-mentss. 2013.6 孙宇彤. wcdma无线网络实战指南m. 北京： 电子工业出版社， 2011.7 李明欣，徐健，袁静，等. lte无线网络优化实践m. 北京： 人民邮电出版社， 2016.8 崔航，王四海，李新，等. td-lte重叠覆盖及解决方案分析j. 移动通信， 2013，37（21）： 17-21.9 中国移动通信集团公司. 中国移动td-lte网络质量测试评估规范z