实验室介绍目前，中国移动主要开展基于2.6GHz频段的5G网络建设。由于室内分布系统与宏基站共享100MHz频谱，室内外同频干扰将对5G用户感知产生不利影响。本文提出了一种基于4G测量报告快速识别室外5G高干扰小区的技术方案，可用于识别5G室内外高干扰小区。研究分析和测试验证表明，该方案能够快速发现和定位室内外同频干扰覆盖问题，有助于制定网络优化措施。5G网络发展初期，用户数量少，5G测量数据相关的网管功能还不完善，暂时无法通过网络侧数据自动分析覆盖和干扰问题；同时，还存在人工扫房测试时无法进入部分区域导致测试不完整的问题。本文针对现阶段4G和5G网络共天线建设的特点，提出并验证了一种基于室内分布系统4G锚定小区测量报告（MR）数据的方案，实现5G室内和室外同频干扰，可快速发现和定位室外强干扰小区，助力提升5G室内用户感知。1.技术方案1.15G网络室内外同频组网干扰分析目前，中国移动5G室内外组网均基于2.6GHz频段100MHz带宽，为同频组网。外场测试数据表明：在5G室内外同频组网情况下，室外同频强干扰信号对室内小区影响较大。从图1和图2可以看出，当室内电平比室外电平高5dB以上时，室内小区的下载速率损失一般小于15%；当室内电平比室外电平低5dB以上时，室外子下载速率性能最多可受影响45%。图1同频组网室内外电平差对房间速率的影响图2同频组网室内外电平差对速率损耗的影响测试和评估方法是比较高的。现有的两种方法均不支持5G室外强干扰小区的识别。1.2基于4G和5G共天线特性的室外高干扰小区识别方案1.2.1总体思路根据目前4G和5G共天线建设的网络特点，根据FDD1800锚定4G小区共享RRU的MR数据以5G室内子小区为基准，分别估算室内外5G小区电平，根据室内外5G电平差的比值识别室外5G强同频干扰小区（图3）).图3总体思路1.2.2建模方案在相同的无线环境下，基于经典的Cost231-Hata模型，1800MHz和2600MHz频段的路径损耗差异约为5.4dB；选取深圳一个典型的室内分布系统（表1）进行外场测试（图4、图5）也验证了模型：5GNR室内子小区与FDD1800主站共享RRU的水平约为5.5dB低于锚定站小区。同时，实测结果（图5和图6）也表明，4G3D-MIMO小区的电平和5GNR宏小区的AAU与4G3D-MIMO小区的电平基本一致（均为2600MHz）。表1室内外站点关键参数(1)室内分布系统5GNR与锚点FDD1800频段对比测试图4、图5为深圳典型室内分布系统4G锚点和5GNR系统路测情况，表2列出了数据分析结果。可以看出，当房间内有总RRU时，5GNR小区的电平比anchorFDD1800小区低5.5dB左右。图44G主站RSRP图55GNR室内子站RSRP表21800MHz和2600MHz频段室内子系统平均损耗电平差异数据源NR小区电平对比测试情况图6、图7为典型室外宏站4G主站和5G新空口系统路测情况。表3列出了数据分析结果。在这种参数配置的情况下，相同点总的来说，4G3D-MIMO小区和5GNR小区的水平基本接近。图64G3D-MIMO小区的RSRP图75GNR小区的RSRP基于MR数据快速识别5G室外高干扰小区的方案如下：选择与5G室内小区共享RRU的anchorFDD1800小区站点作为参考点。室内FDD1800小区的电平值减去频段引起的路径损耗差值（5.5dB）即为室内NR小区的电平。通过开启室内分频FDD1800的异频测量功能，可以获得室内分部周边宏站的3D-MIMO小区的室内电平，可以近似为NR小区的电平。周边宏站。基于以上两步分析，利用FDD1800的MR数据，可以分别计算室内外NR小区电平，然后汇总分析每个MR采样点计算的NR电平差值，计算5G网络室外细胞水平。适用于室内强干扰小区。上述步骤中的基本判断规则可以定义为如下指标：NR电平差小于5的采样点比例(1)其中，InNRRSRP为室内NR小区电平，室内可用的FDD1800小区电平(InRSRP)-5.5dB为近似估计，OutNRRSRP为宏站NR小区电平，可近似为宏站3D-MIMO小区电平(3D-MIMORSRP)，MRPoint为FDD1800测量报告的总采样同时，根据图1的测试结论，室内外电平差阈值可以设置为5，如果该指标的值较大，说明室外co-小区收到的信道干扰比较严重。但需要指出的是：对于某些共址率没有本文描述的场景那么高的情况，必须根据当地情况进行图4和图5所示的测试来估算情景的偏差；同时，在广州某典型商业楼宇进行了5GNR与主播FDD1800频段的对比测试。2.测试验证2.1验证区域根据式（1）筛选计算出房间划分系统。本文选取广东深圳市区密集区的一家营业厅进行验证。室内子站点开通了5G小区，采用全pRRU的FDD1800作为5G锚点。带MIMO的4G小区。2.2验证方案根据前面介绍的建模方案，将基于MR数据识别出的5G宏站干扰小区与外场测试条件进行对比，验证方案的准确性。基于5G室内子小区锚点FDD1800小区的MR数据，按照上述方法分别估计室内共模5GNR小区电平和周边宏站5GNR小区电平，进而得到室外NR强干扰小区被识别。进行现场路测，根据测试结果分析识别周边宏站NR同频小区，统计室内5G下载速率影响。对比以上两个步骤的分析结果，证实了基于室内划分锚小区MR数据识别5G室外强干扰小区的方案是准确的。对识别出的强干扰小区进行优化，降低室外信号对室内划分的同频影响，再次验证建模方案的准确性，并对室内速率提升进行分析比较。2.3模型验证2.3.1基于4G锚定小区MR数据的模型验证基于同频网络干扰原理，识别出两个室外同频小区和5GNR室内子小区存在同频干扰通过总采样点的比例（表4）。图8导频网络分布图4采样点比例数量很少，不建议作为强干扰小区使用；而深圳科兴科技D-HRH-3和深圳科技北D-HRH-2的总采样点比例较高，水平差小于5个采样点。符合干扰小区的特点，这两个小区可以确定为室外同频高干扰小区。2.3.2基于现场5G路测验证由于5G用户较少，现场模拟了营业厅周边50%的5G宏站区域进行测试验证。宏站小区确实存在同频干扰，导致营业厅入口下载速率严重恶化（图9右侧红框区域）。图9场速测试结果图2.3.3验证总结根据上述验证结果，除个别小区MR采样点极少外，基于5G室内划分锚点MR数据建模识别的5G强干扰小区是一致的与外场测试的5G强干扰小区。干扰细胞基本匹配。2.4优化处理优化调整前：由于5G室内子小区与室外宏站邻区同频干扰，营业厅整体速率为585Mbit/s，速度在营业厅入口明显变差，平均速率仅为285Mbit/s。优化调整后：针对室外高干扰小区进行射频（RF）优化，深圳科兴科学D-HRH-3小区电倾角由4度调整为6度，方位角为从270度调整到260度。将深圳科技北D-HRH-2小区电倾角由5度调整为8度，方位角由60度调整为75度），室内小区平均下载速率明显提升（表5).表5.问题路段优化前后测速情况。经过优化调整，营业厅4G和5G共享RRU机房小区再次进行频率邻区MR采集。结果（表6）表明：干扰小区之间相差小于5的采样点比例下降非常大，不再属于强干扰小区。表6优化后采样点比例表3.结论本文提出了一种基于4G网络测量报告数据快速识别5G室外高干扰同频小区的技术方案。外场测试结果符合理论预期，从而证明在5G覆盖发展初期，可以利用上述5G室外同频干扰源识别技术，高效发现5G同频高干扰小区。该方案避免了大量的现场调研和协调工作，可以在5G网络负载增加之前提前进行网络预优化工作。【本文为专栏作家《移动实验室》原创稿件，转载请联系原作者】点此阅读更多本作者好文
