基于AOA的最大用户群方向角自优化方法

顾涛，姜盼盼，常宾宝，房志强

（中国移动通信集团山东有限公司济宁分公司，山东 济宁 272000）

1 引言

目前TD-LTE网络经过多期工程建设和优化，已基本满足连续覆盖要求，但由于部分区域站址选择不合理、建站困难以及天馈无法调整等问题，出现严重的重叠覆盖或弱覆盖问题，且较多区域经过多轮天馈调整，覆盖质量已难有提升。基于智能天线权值[1]的覆盖优化方案成为新一轮覆盖优化的重要手段[2]。

当前已有的基于天线权值的优化方案是通过定期统计MR（Measurement Report）[3]数据中的天线到达角AOA（Angle-of-Arrival）数据[4]，对比发现最大用户群位置与小区物理方向存在偏差时，通过人工上站的方式调整天线方位角，使得天线的主打方向正对最大用户群[5]。验证表明：调整后网络覆盖率、驻留比等指标均有明显的提升。

由于用户的移动性和各种网络覆盖场景下基于上班/下班、节假日等时间的用户变化特点，使得小区的主打方向在部分时段偏离最大用户群，但受人工调整成本高、调整周期长、灵活性差、资源利用率低的弊端的限制[6]，不能实时进行调整，导致部分时段用户感知下降。

为使网络资源效益最大化，持久保持用户的最佳感知，解决人工调整的弊端，本文通过研究AOA数据和天线权值基础知识，研究出一种方向角自优化方法，该方法通过解析MRS文中的AOA采样点分布，结合工参得到最大用户群偏离工参的角度，通过调整天线权值，使得天线的主打方向正对最大用户群，实现网络覆盖的自优化。

2 现有新技术支撑

2.1 天线到达角AOA

天线到达角AOA，定义了一个用户相对参考方向的估计角度。测量参考方向为正北，逆时针方向。辅助确定用户所处的方位，提供定位服务，精度为5°，具体如图1所示[7]：

表1 AOA测量分布

图2 现网中MR采样点中的AOA用户分布

2.2 天线权值

天线权值是天线各端口所施加的特定激励信号的量化表示方法，天线端口施加特定激励的目的是为了得到具有特定覆盖效果的方向图[9-10]。波束的幅度和相位是在权值作用下各单元列方向图的矢量叠加，天线权值可以表示为幅度/相位的方式。天线阵列模型如图3所示：

图3 天线阵列模型

图1 AOA示意图

原始采集AOA的取值范围如表1所示，如0°~5°为一个区间，对应MR.AOA.00，5°~10°为一个区间，对应MR.AOA.01，依此类推[8]。

图2展现的是基站下AOA采样点的分布，可以直观得出用户在基站周边的分布情况。

根据叠加原理，天线阵列在远点P的辐射场为：

假设观测点离天线足够远，可认为由各天线元到该点的射线均是互相平行的，即：

将(2)代入(1)可得：

令IMi=Aiejφi，其中Ai和φi分别代表第i个天线元电流的幅度和相位，代入(3)式可得：

由(4)可以得出离散元阵列的方向性函数可以表示为：

由上式(5)可以看出，通过改变第i个阵元的激励权值（幅度Ai和相位φi），可以实现对阵列天线方向性的控制。

天线偏转10°天线波瓣仿真模拟图如图4所示。

给同一面天线不同的波束权值激励，可以得到不同方向和宽度的波束。当前已有的基于幅度和相位的异于天线厂商的通用权值数据可以实现波束方向角在（-30°、-20°、-10°、0°、10°、20°、30°）以及波束宽度在30°、45°、60°、90°范围的调整[11]。各个设备厂商在网管上也提供了修改天线权值的接口，通过网管接口修改相应的幅度和相位即可实现方向角的调整，异于天线厂商的通用天线权值库如表2所示：

表2 F频段30°波束宽度天线权值表[12]

另外，F频段45°、60°、90°和D频段30°、45°、60°、90°的7组权值表，由于篇幅原因，暂不一一列出。

3 自优化方法

本方法根据M R S文件中的A O A数据，自动分析、预测用户分布，实现小区天线权值的实时调整，使得小区天线的波束方向角始终正对最大用户群。该方法由三大模块组成：AOA数据解析、最优波束方向角预测及最优权值生成，其设计框架如图5所示。

图4 天线偏转10°天线波瓣仿真模拟图

（1）AOA高速解析

通过网管上的MR采集功能，将采集数据上传至MR服务器。AOA数据高速解析首先自动周期性地从MR服务器上自动下载最新的MRS文件，然后抽取其中的时间、小区ID、AOA、TA等信息存储至MYSQL数据库。具体流程如图6所示。

（2）最优方向角预测

历史数据总是代表过去的信息，具有明显的滞后性。为了使数据能够更加精确地呈现用户的真实位置，提高天线权值调整准确性和高效性。本文根据用户移动的特点，使用规律性强、时间特征明显、实时性较好的卡尔曼滤波预测算法[13-14]，实现了从被动接收数据到主动把握用户群移动规律的突破。在本方法中，卡尔曼预测算法的流程如图7所示。

（3）最优权值生成

根据卡尔曼预测算法得出的用户分布矩阵［n0,n1, n2, ......, n71］，计算最大用户群分布的宽度和方位角。结合工参以及天线权值库，使用最大近似原则得到小区的最优权值。对比上一时刻现网天线权值，获取现时刻需要修改天线权值的小区列表。根据小区天线权值生成指令并在网管上自动执行，执行成功后更新工参中的现网权值，避免不必要的执行，减小网管压力。权值生成流程如图8所示。

4 方法的创新性和效果评估

4.1 创新性

该方法的最大创新点在于自优化，部署完成后全自动执行，无需人工干预，其优点如下：

（1）自优化：本文通过研究一种方法来实现最大用户群方向角的自优化，解放劳动力，节约人工和时间成本。

（2）实时性：本方法最小能够以15分钟为粒度进行天线权值调整，使得天线的波束方向始终对准最大用户群，提升覆盖和用户感知。

（3）主动性：使用卡尔曼滤波算法预测下一时刻的用户分布，而不是使用过去的数据进行调整，避免数据的滞后性。对突发的大型活动等能够起到主动分流的效果，预防拥塞。

（4）灵活性：对美化天线可调，同时对小区的方位角和波束宽度均可进行优化调整。

4.2 自优化方法的效果评估

经过9个多月的技术研究、理论验证、开发实现以及推广应用，自2017年12月起，该系统在全网20 000余处小区长期规模运行，日均调整2 000余处小区，调整小区的平均覆盖率提升2.21%，总流量提升6.67%，当前小区日均流量约10 GB，按照1M流量0.02元计算，月收入增加约100余万，年增收超千万元。该方法的效果如图9所示。

5 结束语

通过天线权值优化小区覆盖在现网中有着广泛的应用，它不仅可以节约人工调整的经济成本，而且可以解决美化天线不可调的疑难问题。另外，也可以根据用户分布的集散程度调整波束宽度，实现波束赋型的功能。本文实现了一种自优化的方法，自动实现数据下载、分析和权值调整，实现提升覆盖和用户感知的目的。现网的运行结果表明该自优化方法的网络效益和经济效益非常明显，具有实用价值。