基于4G數據識別5G室內外同頻干擾的方案研究
Labs 導讀
目前中國移動主要基于2.6GHz頻段開展5G網絡建設，由于室分系統和宏站共用100MHz頻譜，因此室內外同頻干擾會對5G用戶感知產生不利影響。本文提出了一種基于4G測量報告快速識別室外5G高干擾小區的技術方案，可用于識別5G室內外高干擾小區。研究分析和測試驗證表明：該方案可快速發現并定位室內外同頻干擾覆蓋問題，有助于輔助制定網絡優化措施。
5G網絡發展初期，用戶數量較少，5G的測量數據相關網管功能尚不完善，暫無法通過網絡側數據自動分析覆蓋和干擾等問題;同時，人工入戶掃樓測試時，存在部分區域無法進入導致測試不完整的問題。本文利用現階段4G與5G網絡共天線建設的特點，提出并驗證了一種基于室分系統4G錨點小區的測量報告(MR)數據反推5G室內外同頻干擾的方案，可快速發現并定位室外強干擾小區，進而輔助提升5G室內用戶感知。
1、技術方案
1.15G網絡室內外同頻組網干擾分析
目前，中國移動的5G室內外網絡均基于2.6GHz頻段的100MHz帶寬，是同頻組網。外場測試數據表明：在5G室內外同頻組網情況下，室外同頻強干擾信號對室內小區影響較大。從圖1和圖2可見，當室內電平高于室外電平5dB以上時，室內小區的下載速率損失一般低于15%;當室內電平低于室外電平5dB以上時，室外干擾對室分下載速率性能影響最大則可達45%。
然而，現階段5G網絡用戶較少，主設備供應商5G網管的MR功能尚未全面開啟，現場測試評估方式成本較高，現有這兩種手段均目前均無法支撐5G室外強干擾小區的識別。
1.2基于4G與5G共天線特征的室外高干擾小區識別方案
1.2.1總體思路
根據當前4G與5G共天線建設的現網特點，按照與5G室分小區共RRU的FDD1800錨點4G小區MR數據為基準，可分別估算出室內外5G小區電平，并根據室內外5G電平差的比例識別室外5G強同頻干擾小區(圖3)。
1.2.2建模方案
相同無線環境下，基于經典的Cost231-Hata模型，1800MHz與2600MHz頻段的路徑損耗差約5.4dB;選取深圳市某典型室分系統(表1)開展的現場測試(圖4和圖5)也驗證了該模型：與FDD1800錨點站共RRU的5G NR室分小區電平低于錨點站小區約5.5dB。同時，實測結果(圖5和圖6)也表明4G的3D-MIMO小區共AAU的5G NR宏站小區電平與4G的3D-MIMO小區電平基本一致(均為2600MHz)。
(1)室分系統中5G NR與錨點FDD1800頻段的對比測試情況
圖4和圖5分別是在深圳市某典型室分系統中4G錨點站及5G NR系統的路測情況，表2列出了數據分析結果，可知室分共RRU時，5G NR小區電平低于錨點FDD1800小區約5.5dB。
表2 室分系統1800MHz與2600MHz頻段的損耗差
(2)室外宏站4G與5G共AAU時4G 3D-MIMO與5G NR小區電平對比測試情況
圖6和圖7分別是典型室外宏站中4G錨點站及5G NR系統的路測情況，表3列出了數據分析結果，在本參數配置情況下同一點位上，4G 3D-MIMO小區與5G NR小區的電平基本接近。
表3 室外宏站4G 3D-MIMO與5G NR的損耗差
基于以上分析，本文提出一種基于室分系統4G FDD1800網絡 的MR數據快速識別5G室外高干擾小區的方案，步驟如下：
- 篩選出與5G站點室分小區共RRU的錨點FDD1800小區作為基準點。
- 室分FDD1800小區的電平值減去頻段引起的路損差(5.5dB)，即為室分NR小區的電平。
- 通過開啟室分FDD1800的異頻測量功能，可獲取室分小區周邊宏站3D-MIMO小區在室內的電平，該電平即可近似為周邊宏站的NR小區電平。
- 基于以上兩步分析，利用FDD1800的MR數據，即可分別計算出室內外NR小區電平，再對每個MR采樣點計算出的NR電平差值進行匯總分析，即可計算出5G網絡室外對室內的強干擾小區。
上述步驟中的基本判斷規則可以定義為如下指標：
NR電平差值小于5的采樣點占比(1)
其中，In NR RSRP為室分NR小區電平，可用室分FDD1800小區電平(In RSRP)減去5.5dB來近似估算，Out NR RSRP為宏站NR小區電平，可用宏站3D-MIMO小區電平(3D-MIMO RSRP)來近似估算，MR Point為FDD 1800的測量報告總采樣點數;同時，根據圖1中的測試結論，可將室內外電平差門限設為5。
如果該指標的值越大，說明該小區收到的室外同頻干擾就越嚴重。但需要指出的是：對于部分共站率不如本文所述場景高的情況，須根據當地情況開展圖4和圖5所示測試，具體估計場景的偏差;同時，上述室分系統中5G NR與錨點FDD1800頻段的對比測試情況是在廣州典型商業樓宇中開展的。
2、測試驗證
2.1驗證區域
依據公式(1)可以對室分系統開展篩選式計算。本文在廣東深圳密集城區內選取了某營業廳進行驗證，該室分站點已經開通5G小區，且使用共pRRU開通的FDD1800作為5G錨點，該營業廳周邊已經開通5G宏站以及反開3D-MIMO 的4G小區。
2.2驗證方案
根據上面介紹的建模方案，基于MR數據識別的5G宏站干擾小區，結合現場測試情況進行比對，以驗證方案的準確性。
- 基于5G室分小區的錨點FDD1800小區MR數據，按照上面方法分別估算室內共模5G NR小區電平和周邊宏站5G NR小區電平，進而識別室外NR強干擾小區。
- 開展現場路測，根據測試結果分析識別周邊宏站的NR同頻小區，并對室內5G下載速率影響情況進行統計。
- 對比以上兩步的分析結果，確認基于室分錨點小區MR數據識別5G室外強干擾小區方案準確性。
- 對識別出的強干擾小區進行優化，降低室外信號在室分的同頻影響，并再次驗證建模方案的準確性，同時對室內速率改善情況進行分析對比。
2.3模型驗證
2.3.1基于4G錨點小區MR數據的模型驗證
驗證區域周邊環境如圖8所示，在網管側提取了FDD1800錨點小區的兩兩異頻鄰區MR數據，并結合5G室內外同頻組網干擾原理，通過總采樣點占比識別出有兩個室外同頻小區與5G NR室分小區存在同頻干擾(表4)。
表4 采樣點占比情況表
需要說明的是：雖然深圳海王工業D-HRH-1、深圳科技北D-HRH-1的采樣點占比也很高，但是由于采樣點總數都很少，不建議作為強干擾小區;而深圳科興科學D-HRH-3、深圳科技北D-HRH-2的總采樣點和電平差值小于5采樣點的占比都很高，符合干擾小區的特性，這兩個小區可識別為室外同頻高干擾小區。
2.3.2基于現場5G道路測試的驗證
由于5G用戶較少，現場對營業廳周邊5G宏站小區模擬加載50%，進行測試驗證，發現被測室分小區與上述方案所識別出的兩個室外宏站小區確實存在同頻干擾，造成營業廳門口位置的下載速率惡化嚴重(圖9右紅框區域)。
2.3.3驗證總結
根據以上驗證結果，除去個別MR采樣點極少的小區外，基于5G室分錨點的MR數據建模并識別的5G強干擾小區與現場測試強干擾小區基本相符。
2.4優化處理
- 優化調整前：由于5G室分小區與室外宏站鄰區存在同頻干擾，營業廳整體速率585Mbit/s，營業廳門口位置速率惡化明顯，平均速率只有285Mbit/s。
- 優化調整后：針對室外高干擾小區開展了無線射頻(RF)優化，將深圳科興科學D-HRH-3小區的電傾角由4度調至6度、方位角由270度調至260度，將深圳科技北D-HRH-2小區的電傾角由5度調至8度、方位角由60度調至75度)，室分小區的平均下載速率提升明顯(表5)。
表5 問題路段優化前后測速情況
優化調整后，對營業廳內4G與5G共RRU室分小區再次開展頻鄰區MR采集，結果(表6)表明：干擾小區差值小于5的采樣點占比下降幅度很大，不再屬于強干擾小區。
表6優化后采樣點占比情況表
3、結束語
本文提出了一種基于4G網絡測量報告數據來快速識別5G室外高干擾同頻小區的技術方案，現場測試結果符合理論預期，從而證明在5G覆蓋開展初期，可以采用上述5G室外同頻干擾源識別技術，高效發現5G同頻高干擾小區，該方案避免了大量現場作業排查協調工作，且可以在5G網絡負荷抬升之前提前開展網絡預優化工作。
【本文為51CTO專欄作者“移動Labs”原創稿件，轉載請聯系原作者】
