Massive MIMO PRB利用率评估

何文林，李新，陈宁宇，范雯，邓伟

（中国移动通信有限公司研究院，北京 100053）

0 引言

PRB利用率的评估对于衡量网络负荷、均衡网络负荷和扩容等，都具有重要意义。PRB利用率越高，表明无线资源利用越充分，但资源利用率过高，会影响用户的体验，所以需要准确地评估出网络真实的负荷情况。对于传统的低通道设备，3GPP定义了PRB利用率的计算公式，但未考虑空分复用能力，以PDSCH信道为例，PDSCH PRB利用率=PDSCH实际占用的PRB个数/可用的PDSCH PRB总数×100%。随着5G的商用，Massive MIMO开始大规模应用，Massive MIMO具备较强的空分复用能力，可以在相同的时频资源进行多用户的配对传输，多用户空分复用频谱资源使得可用的PRB等效资源增多，在计算PRB利用率时需要考虑Massive MIMO的空分复用能力，才能更客观真实地反应Massive MIMO的承载能力。

1 传统PRB利用率定义

对于4G系统，无线资源是以PRB为单位来划分的，资源的调度也是以PRB为单位进行的，3GPP在定义传统的PRB利用率时，主要针对通道数较低的设备，空分复用能力较弱，未考虑设备的空分复用能力，计算PRB利用率采用式(1)，采用实际占用的PRB数除以可用的PRB总数，分子中每用户占用的PRB数和空分流数均为现网客观数据，可由网管自动统计得到。

2 新型Massive MIMO PRB利用率定义

随着5G的商用，大规模天线开始广泛应用，天线通道数从传统的4通道/8通道增加到32通道/64通道，资源的利用从时域和频域走向空域，Massive MIMO可以支持多个终端共享相同的时间、频率资源，提升频谱效率，以应对流量增长和频谱受限之间的矛盾。根据多天线技术原理，空分复用是多个用户使用相同的时频资源，通过空域信道的特征来区分多个用户的信号，同时通过精确的信道相关性估计、用户配对、波束赋形、干扰抑制等降低多用户之间的干扰。由于空分复用，使得网络可用的资源增多，计算PRB利用率的时候需要空分复用能力。

2.1 新型Massive MIMO PRB利用率计算公式

（1）业务信道PRB利用率计算公式

针对Massive MIMO提出了新的PRB利用率计算方式，公式中将考虑单用户的流数，以及引入空分复用因子来具体表征可用资源的数量，相应的公式已经推入3GPP R16标准。PDSCH PRB利用率具体计算公式(2)如下：

式(2)中各参数解释如下：

M(T)：PDSCH在时间T内的的PRB利用率，T取值范围为（0,100），时间T为网管配置参数；

M1ij(T)：单用户UEi在采样点j上PDSCH单layer所占用的PRB数，PRB计算单位为1 RB*1 symbol(1 Resource Block=12 sub-carrier)；

L1ij(T)：单用户UEi在采样点j的MIMO层数；

i：在时间T内调度的用户数i；

j：在时间T内一次采样j，采样单位为1 symbol；

N(T)：在时间T内采样的总次数；

P(T)：在单layer上1个采样点可用的PDSCH PRB总数；

T：统计PRB利用率的时长；

Alpha：折算因子，由网管下发，取值范围为1～100，M(T)建议不要超过100。

PUSCH PRB利用率计算公式与PDSCH相同，公式中相应取值调整为PUSCH的数据，分母中采用PUSCH的空分复用因子Alpha2。

为了更直观的表达PRB利用率的计算，将标准公式适配为如式(3)表述：

式(3)中，分子中每用户占用的PRB数和空分流数均为现网客观数据，可由网管自动统计得到，关键影响因素为分母中的空分复用因子如何取值，空分复用因子的大小将直接影响PRB利用率。空分复用因子为现网中设备能达到的最大空分能力，可配置范围为1～100，非常宽泛，需基于现网的实际情况设定一个合适的值。若配置的空分复用因子较小，低估了可用资源的数量，不能反映网络的真实负荷，将出现网络负荷虚高，提前进行负荷均衡或扩容，造成资源的浪费；若配置的空分复用因子较大，高估了可用资源的数量，将导致网络实际负荷已经很高，但显现的PRB利用率较低，耽误降低负荷的时机，影响网络指标和用户体验。

采用了新型Massive MIMO PRB利用率计算公式后，对于不同复用情况，与传统PRB利用率将体现出不同的差异，但是新的公式能更真实地反应网络的负荷情况。

示例1：图1为PRB占用情况示意图，以PDSCH可用的PRB数为100为例，3个用户同时做下行业务，用户1为单流占用20个PRB，用户2为单流占用30个PRB，用户3为2流占用40个PRB。

图1 PRB利用率计算示例1

按照传统PRB利用率计算公式，此时PDSCH PRB利用率为实际占用的物理资源数/PDSCH可用的PRB总数，为70/100=70%。

按照新的PRB利用率计算公式，此时PDSCH PRB利用率=(20×1+30×1+40×2)/(100×空分复用因子)，若根据网络情况将空分复用因子设置为3，则PDSCH PRB利用率=(20×1+30×1+40×2)/(100×3）=43.3%，此时空分复用因子的PRB利用率低于按照传统公式计算的结果，表明网络仍有空分复用的潜力，传统公式计算出的70%只是反应出实际占用的PRB个数，但是不能反应网络真正的负荷，此时网络还可进一步发挥空分复用的潜力。若根据网络情况将空分复用因子设置为2，则PDSCH PRB利用率=(20×1+30×1+40×2)/(100×2)=65%，此时空分复用因子的PRB利用率与按照传统公式计算的结果相近，表明该场景下，网络已接近最大的空分复用能力。

示例2：图2为PRB占用情况示意图，以PDSCH可用PRB数为100为例，3个用户同时做下行业务，用户1为单流占用20个PRB，用户2为单流占用30个PRB，用户3为单流占用40个PRB。

图2 PRB利用率计算示例2

按照传统PRB利用率计算公式，此时PDSCH PRB利用率为实际占用的物理资源数/PDSCH可用的PRB总数，为70/100=70%。

按照新的PRB利用率计算公式，此时PDSCH PRB利用率=(20×1+30×1+40×1)/(100×空分复用因子)。若根据网络情况将空分复用因子设置为3，则PDSCH PRB利用率=(20×1+30×1+40×1)/(100×3)=30%，此时空分复用因子的PRB利用率远低于按照传统公式计算的结果，表明网络仍有较大空分复用的潜力。传统公式计算出的70%只是反应出实际占用的PRB个数，但是不能反应网络真正的负荷，此时网络还可进一步发挥空分复用的潜力。若根据网络情况将空分复用因子设置为2，则PDSCH PRB利用率=(20×1+30×1+40×1)/(100×2)=45%，此时即便是将空分因子设置得较小，仍然与传统公式存在较大差距，表明该场景下，网络仍具有较大的空分复用潜力。

由此可见，在空分复用层数较高的时候，新的PRB利用率计算公式与传统计算公式接近，但是当空分复用层数较低的时候，新的PRB利用率计算公式与传统计算公式相差就会很大，导致网络负荷出现虚高，所以引入空分复用因子对衡量网络真实负荷非常重要。

（2）控制信道PRB利用率计算公式

Massive MIMO的下行控制信道PDCCH分为小区下行公共调度的CCE和用于每用户调度的CCE，小区下行公共调度的CCE未考虑空分复用，用于每用户调度的CCE考虑空分复用，计算PDCCH PRB利用率的时候需对用于每用户调度的CCE考虑空分复用因子，用于下行调度和用于上行调度的PDCCH CCE利用率计算公式分别如下（PDCCH CCE空分复用因子需根据现网情况设定）：

Alpha3和Alpha4需要根据网络的实际情况，给出建议值。

2.2 空分复用因子取值方式

对于空分复用因子的取值方式，主要有两种：

（1）全网统一配置：综合考虑全网的情况，给出统一的建议值，便于落地实现，并且可全网拉齐，但各小区的情况不同，空分复用能力也不同，统一值不能完全体现各个小区的空分复用能力。初期网络负荷低时，可考虑根据多用户的实测结果给出建议值，中后期用户数增多，负荷增高后，可以根据现网小区的空分复用情况，调整建议值。

（2）各小区根据统计数据动态调整：基于现网统计数据，统计现网空分复用层数作为空分复用因子，该方案可以根据不同小区不同情况，给出更接近各小区空分复用能力的复用因子，更精细化，但是需要实时更新，实现相对较复杂。

3 空分复用因子影响因素分析

由于新的PRB利用率计算公式引入了空分复用因子，空分复用因子的取值直接影响到PRB利用率的计算。空分复用因子为现网中设备能达到的最大空分能力，最大空分能力受多种因素的影响，如设备通道数、用户分布、用户移动速度、业务分布等，需综合考虑各种影响因素，给出空分复用因子的建议值。

空分复用的过程为多个用户配对共享相同的时频资源，通过空域的不同特征来区分不同用户，多用户需满足一定的条件才能进行配对。通常情况下，首先用户所处位置需满足设定的信道质量门限要求；其次用户间的信道相关性较低，可以较好地抑制干扰，然后判断缓存包的大小，将包大小接近的进行配对或大小包组合配对；最后判断进行用户配对后的频谱效率是否优于不配对的，若比不配对的强，则进行配对，若比不配对的弱，则采用不配对。

针对业务信道不同的影响因素，开展了相应的外场测试，验证不同用户分布、不同业务类型、不同移动速度和不同干扰程度对空分复用能力的影响。

（1）不同用户分布：参照现网数据，根据近中远点比例，统计出3种用户出现概率较高的分布：(4:5:1)、(1:4:5)、(2:6:2)，再加上近中远点集中分布，采用20部终端，按照这6种分布进行测试。

（2）不同业务分布：1）全FTP业务；2）混合业务：按照下载业务20%、视频业务50%、淘宝微信等小包用户30%的比例进行测试。

（3）不同移动速度：定点测试（均匀分布、集中分布）、拉网测试（静止+慢速移动+中速移动场景、中速移动场景）。

（4）不同干扰程度：分为空扰和下行50%模拟加扰。

图3为用户均匀分布示意图：

图3 用户均匀分布示意图

图4为用户慢速移动+中速移动场景：

图4 用户慢速移动+中速移动场景

3.1 下行业务信道空分复用因子影响因素分析

下行业务信道测试结果如表2所示（64通道），其中，SU-MIMO为未打开多用户配对，MU-MIMO为打开多用户配对。

总体上看，SU-MIMO的传输层数为2.1～3.4，MUMIMO配对层数为SU-MIMO的1～2.8倍。除用户集中分布场景外，MU-MIMO配对层数均为SU-MIMO的2倍以上，频谱效率为SU-MIMO的1～2倍，多用户配对后传输层数虽然提升，但由于流间存在干扰，频谱效率提升比传输层数提升幅度低。

从用户分布看，均匀分布场景中，空分复用的效果最好，MU-MIMO传输层数为SU-MIMO的2.73倍，频谱效率为SU-MIMO的2倍，而集中分布场景MU-MIMO没有增益。

从业务分布看，全FTP业务的空分复用效果略好于混合业务，因测试时混合业务中有4个FTP用户，这4个用户对空分贡献较大。

从移动速度看，静止场景优于慢速移动+中速移动场景，慢速移动+中速移动场景优于全部中速移动场景，移动速度越快，信道变化也越快，不利于用户间配对。

从干扰情况看，加扰对MU-MIMO的影响较小。MU-MIMO配对基于SRS信道测量判决，下行PDSCH空口加扰对空分的层数影响较小，加扰相对于空扰，下行SINR下降导致用户MCS降阶，SU-MIMO和MU-MIMO的小区吞吐率会下降，但相对增益基本不变。

基于多用户的测试，可发现空分复用因子的影响因素较多，可将不同业务分布、不同用户分布、不同移动速度等的空分复用层数进行加权处理，得到一个统一的建议值，测试数据可作为参考，最终仍需以现网实际情况为准。

3.2 上行业务信道空分复用因子影响因素分析

由于现网上行多为小包业务，实测时终端数较少，无法达到现网中大量小包业务的要求，所以测试时均采用上行FTP业务，上行业务信道测试结果如表3所示：

表2 下行业务信道测试结果

表3 上行业务信道测试结果

总体上看，SU-MIMO的传输层数为1.76～1.9，MUMIMO配对层数为SU-MIMO的1.5～2.9倍，频谱效率为SU-MIMO的1.3～2.5倍。由于上行基站接收性能较高，且SU-MIMO作为基线相比下行SU-MIMO要低，所以上行增益略大于下行增益。

从用户分布看，均匀分布场景下，MU-MIMO配对后传输层数最高（4.9层），频谱效率为SU-MIMO的2.5倍。

从移动速度看，静止优于中速移动场景，移动速度越快，信道变化也越快，不利于用户间配对。

基于多用户的测试，对于上行空分复用因子，可将不同用户分布、不同移动速度等的空分复用层数进行加权，得到一个统一的建议值，测试数据可作为参考，最终仍需以现网实际情况为准。

4 结束语

传统的PRB利用率计算公式可以反映出实际占用的PRB个数，但对于具备较强空分复用能力的Massive MIMO来说，并不能真实地反应出网络的负荷，可能出现负荷很高但是空分复用的潜力还未发挥出来，从而出现一种虚高的表象。本文提出的新型Massive MIMO无线资源计算公式，充分考虑了Massive MIMO的空分复用能力，能够更真实地反应网络的实际负荷，对网络负荷评估、负载均衡和扩容等都具有重要意义。