基于AI的Massive mimo天线权值均衡系统研究.pdf
《基于AI的Massive mimo天线权值均衡系统研究.pdf》由会员分享,可在线阅读,更多相关《基于AI的Massive mimo天线权值均衡系统研究.pdf(4页珍藏版)》请在咨信网上搜索。
1、C o m m u n i c a t i o n&I n f o r m a t i o n T e c h n o l o g y N o.4.2 0 2 3通信与信息技术2 0 2 3 年第4 期(总第2 6 4 期)基于A I 的M a s s i v e m i m o 天线权值均衡系统研究李国博,黄志聪中国移动通信集团广东有限公司中山分公司,广东中山,5 2 8 4 0 0摘 要:结合最优波束选择算法探索,主要研究M a s s i v e m i m o 天线权值。通过不同场景的验证测试,输出一套满足5 G 规模建设和多网协调发展的参数算法,提升5 G 网络深度覆盖,使5 G 基
2、站覆盖更加合理,实现基站负荷均衡。关键词:天线权值;人工智能;负荷均衡中图分类号:T N 9 2 9.5文献标识码:B文章编号:1 6 7 2-0 1 6 4(2 0 2 3)0 4-0 0 9 2-0 41 前言传统天馈优化,主要基于M R 数据、O T T 数据等,对方位角、下倾角等天馈参数进行调整,对网络负荷、覆盖以及干扰等问题进行优化。但因为人工操作和O T T 数据、工参不准确等问题,优化经常无法达到预期的效果。5 G 网络面向高频、大带宽、大连接,使得5 G 站点更为密集。与4 G 网络共存的网络环境将使网络覆盖、小区间干扰等优化工作更为复杂。大数据平台的成熟应用,为运营商积累了丰
3、富的数据资源,如无线网络的K P I、M R、O T T、M D T 数据等,为从数据层面感知网络提供了良好的数据基础。人工智能技术发展的不断成熟,为网络智能化自动运维带来了新的曙光,目前特别是在基于大数据的覆盖预测、网络规划、均衡优化等方面取得了显著成效。天线的波束优化涉及具体的波束相位、振幅以及电子下倾角等参数的调整,其参数组合优化的候选空间解达到数万种,远超出人脑可以计算空间,因此需要借助自动化智能化技术来实现。关于天线权值的研究一直在进行,M a s s i v e M I M O 天线增加了垂直波束赋形的能力,具有覆盖性能强,频谱效率高,小区间干扰小等优势,但也存在应用场景复杂,厂家
4、已有权值方案数量少,人工经验不适应等痛点。部分传统的参数权值优化方法存在计算复杂程度高、优化时间长的问题,难以满足实际应用需求。部分权值优化模型适用于用户较为固定的情况,无法做到实时跟随业务的变化而调整 2 。海量业务请求,超高网络负载,复杂动态的网络环境等对5 G 系统优化提出了巨大的挑战 3 。目前M a s s i v e M I M O 天线权值寻优方法主要采用蜂群算法,该方法存在收敛速度慢和容易陷入局部最优解等问题4。面对这些技术难点,现在亟须一种更加高效、便捷的天线权值参数优化方法来解决上述技术问题。基于A I 的M a s s i v e m i m o 天线权值均衡系统对优化上
5、述一系列问题进行了研究 5。从小区容量和覆盖相结合入手,通过5 G M a s s i v e M i M O(大规模多输入多输出,M u l t i p l e-I n p u t M u l t i p l e-O u t p u t)天线权值系统优化小区覆盖,达到容量均衡的目的,解决覆盖与干扰等优化问题6。为达到精准及动态控制小区覆盖,在5 G建网期间对基于A I 的M a s s i v e m i m o 天线权值算法研究,并结合最优波束选择算法探索,通过不同场景的验证测试,输出一套满足5 G 规模建设和多网协调发展的参数算法,提升5 G网络深度覆盖,使小区覆盖更加合理,实现5 G
6、内小区间负荷均衡及4 G/5 G 系统间负荷均衡 7 。2 研究思路研究思路如图1 所示。基于重点K P I、M R、M D T 等关键数据对基站覆盖形态进行评估,得出问题覆盖模型。利用M a s s i v e m i m o 天线权值迭代仿真性能最优算法,对问题基站小区开展自适应权值仿真与初始覆盖模型权衡选择,各种组合权值参数在现网实施,对比实施前后性能指标,输出适合本小区/区域的最优权值组合。同时,进一步探索针对不同场景或不同业务需求情况下的相适应天线权值,研究差异化的波束方案,满足不同用户需求。该优化模型部署于现网5 G站点,改善效果明显,对新出现的问题总结,不断完善及提升该应用模型。
7、均衡感知问题小区的覆盖评估模型。根据M R、路测等数据对小区覆盖形态进行评估,得出问题小区/区域覆盖模型。M a s s i v e m i m o 天线权值迭代仿真性能最优算法。通过M R 海量数据结合单因素、多因素以及现网迭代仿真应用效收稿日期:2 0 2 3 年5 月1 4 日;修回日期:2 0 2 3 年6 月1 3 日9 2人工智能基于A l 的M a s s i v e m i m o 天线权值均衡系统研究果评估,得出一套最优天线权值方案。场景化精准天线权值探索。根据不同场景(如商圈、居民区、城中区、郊区等)的最优天线权值,再结合用户分布及小区覆盖,探索适合不同场景最优的天线权值方
8、案,实现覆盖、容量的均衡。基于差异化业务应用的波束研究。5 G 高速率、广连接及低时延等特点推动了各类行业应用,不同的业务应用对5 G 的某些性能要求不一致。根据各类行业应用场景、各种业务类型,研究差异化的波束方案,满足用户需求。自动智能优化方法研究。基于强化学习+差分进化算法实现区域联合优化。基于容量预测和波束最优化分组实现多场景覆盖。3 技术特点及功能算法参数模型如图2 所示。5 G 均衡感知指标确定及问题小区输出。为了能够更精准评估5 G 网络覆盖、5 G 及4 G/5 G 均衡情况,首先确定输入评估指标项,如:4 G 的P R B 利用率、R R C 连接建立最大用户数、5 G 的P
9、R B 利用率、R R C 连接用户数、激活用户数等指标,通过在线A P P 智能输入感知指标门限值,分析得出均衡感知问题小区。均衡感知问题小区的覆盖评估。根据M R 数据、路测数据等对小区覆盖形态进行评估,得出问题小区/区域覆盖模型。M a s s i v e m i m o 天线权值迭代仿真性能最优算法(A D A)。基于A I 的M a s s i v e m i m o 天线权值5 G 均衡系统,采用M R 数据的R S R P、D O A 等海量数据,对问题小区/区域结合M a s s i v e m i m o 天线权值仿真,利用三维波束赋型权值矩阵结合初始覆盖模型主要对基于C S
10、 I-R S P M I、S S B 的波束权值变换调整;针对均衡问题小区开展自适应权值仿真与初始覆盖模型权衡选择,首先通过单一因素(如:水平、垂直、波束等)仿真权值与初始模型匹配预期情况;其次,多因素结合联动仿真与单一因素最佳组合模型比对,经过迭代得出最优仿真结果;每次优于初始模型仿真结果对应权值参数实施于现网,实施参数前后性能指标对比,以感知类均衡性能指标为基准作为判断适合本小区/区域的最优权值组合。场景化精准天线权值探索。通过不同应用场景(居民区、村中村、高速、高铁等)的验证测试,根据用户分布情况和小区覆盖范围动态分析,探索最优波束选择算法,结合5 G M a s s i v e m i
11、 m o 天线权值算法,实现覆盖和容量动态均衡。在5 G N R 中,整个系统都以波束为中心来进行设计,因此相比2 G/3 G/4 G,5 G 覆盖在波束赋形的基础上,可以实现前所未有的灵活性。对每一个波束,可以配置其方向角、下倾角、水平波瓣宽度及垂直波瓣宽度,这些参数称为波束权值,典型权值配置如表1 所示。结合感知数据评估的覆盖模型,通过灵活配置波束的个数,对波束配置不同的权值,能够实现灵活的立体覆盖效果,几种典型情况如下。1+X 的立体覆盖解决方案。即在水平方向上使用一个宽波束来替代当前水平8 波束,实现与之相当的路面覆盖效果;另外使用X 个垂直窄/宽波束来实现对中高层楼宇的覆盖。立体覆盖
12、图如图3 所示。n+X 的综合覆盖解决方案。n 为在水平方向配置2 4个波束,实现水平多波束解决路面或村中村、普通居民小区图1 研究思路图M RD T 数据K P I 指标海量数据覆盖评估模型根据海量数据得出覆盖模型权值迭代算法场景化权值探索基于业务差异化波束成果算法智能优化实施通过A P P 远程操控操作前后性能指标对比定期生成报告图2 算法模型图9 3通信与信息技术2 0 2 3 年第4 期(总第2 6 4 期)表1 5 G 波束权值列器s u b B e a m I n d e xa z i m u t ht i l tb e a m W i d t h Hb e a m W i d t
13、 h Vs u b B e a m V a l i023456-4 1-3 0-1 8-661 83 04 1333333331 61 01 01 01 01 01 01 666666666T R U ET R U ET R U ET R U ET R U ET R U ET R U ET R U E单站流量激发3?右,同时改善边缘用户感知。既能节省人工处理均衡感知问题小区时间,又能实时处理均衡感知问题小区,提升了用户使用网络感知;既达到降本增效的目的,同时能及时发现网络隐患问题,及时降低网络投诉,极大提供网络优化效率。流量变化如图4,M R 覆盖率变化如图5。图3 1+X 波束立体覆盖系统部
14、署前后单站(3 小区)日均流量变化对比99998 82系统部署应用前系统部害应用后图4 系统部署前后流量变化图系统部署前后单站M R 覆盖率变化对比a 89 4.6 0%9 4 4 0%9 4 2 0%9 4.0 0%9 3.8 0%9 3 6 0%9 3.4 0%9 3 2 0%9 3 0 0%系统部署应用前系统部答应用后图5 系统部署前后M R 覆盖率变化图的覆盖,另外使用X 个垂直波束对中高层楼宇的覆盖。8 波束的普通覆盖场景解决方案。针对楼层较低居民区域及道路采用水平8 波束权值覆盖,同时结合需求覆盖评估情况对8 个波束权值进行相应动态调整,达到感知、覆盖双提升的目的。4 实用性分析5
15、 推广性描述M a s s i v e M I M O 引入了更多维度的天线参数,面向多种场景的覆盖,使5 G 天馈优化变得更为复杂,通过专家经验和人工上站方式调整天馈的传统方式已经不再适用,需要一套自动化智能化的方法来指导后续网络优化工作。研究基于大数据预测、话务栅格化、位置纠偏和趋势预测技术精准指导新站选址和协同组网。基于强化学习+差分进化算法实现区域联合优化。基于遗传进化算法实现站间负荷均衡优化。基于覆盖栅格化利用3 D-M I M O 波束赋形技术实现弱覆盖区域信号增强。基于机器学习技术实现网络互操作起测门限个性化设置。基于犬牙纹建模实现干扰检测和站间协同优化。基于容量预测和波束最优化
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于AI的Massive mimo天线权值均衡系统研究 基于 AI Massive mimo 天线 均衡 系统 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。