陈祥 赵清 李长存 陈欢 成纯松

摘要：本文提出一种基于用户MR数据的LTE网络结构优化方法。基于用户上报的MR数据中的AOA信息，综合分析用户分布情况，制定针对性方案；对网络进行调整及验证。通过该方法指导RF工作，优化网络结构，提升用户感知。

关键词：MR；AOA；RF优化

中图分类号：TN929.5 文献标识码：A 文章编号：1007-9416（2018）08-0015-02

伴随着移动通信技术的高速发展，移动通信网络变得越来越复杂，尤其在4G时代，基站数量成倍增长，给无线网络RF优化带来了巨大的挑战，传统的无线网络RF优化方法存在成本高，效率低的特点，无法满足LTE网络需求。

在网络建设阶段天线位置，方位角和下倾角等信息均是通过覆盖仿真来得出的，存在不足之处。而MR（测量报告）数据来源于用户是用户在进行业务过程中上报给网络的测量信息，准确反映无线网络情况，本文基于此提出了分析用户MR数据中的字段信息对各扇区覆盖进行精细化调整，优化网络结构提升用户感知。

1 MR概述

测量报告——Measurement Report，简称MR。狭义上是指UE根据下发的测量配置，通过RRC连接将测量到的结果上报给E-UTRAN侧的过程。广义上是指UE及eNodeB上报的测量结果经eNodeB设备输出，在OMC-R侧保存成测量结果的XML数据文件。MR测量报告包括事件性和周期性两种，目前我们统计和分析的数据源均采用周期性测量报告。

2 AOA方位角优化

MR.AOA（Angle Of Arrival）定义了一个用户相对参考方向的估计角度。取值范围：0度到小于5度为一个区间，对应MR.AOA.00；355度到小于360度为一个区间，对应MR.AOA.71，中间5度一个区间。（见表1）

该测量数据可用于估算用户所处的方位、进行覆盖分析，根据每个区间的采样点多少计算出小区覆盖范围内主要客户群与小区主覆盖方向偏移的角度，然后根据该算法进行天馈调整。如图1所示。

提取各小区MR.AOA数据，根据各区间采样点占总采样点的权重和区间角度，按逆时针（即360度-区间角度*采样点权重之和）计算出偏移的度数。可理解为0至180度逆时针偏移，180度至360度顺时针偏移，然后根据0-180度采样点及180度至360度采样点占总采样点的权重，计算出总的偏移角度。

逆时针：逆时针偏移角度=5*【0，5】的采样点/（0-180度总采样点）+10*【5，10】的采样点/（0-180度总采样点）+……+180*【175，180】的采样点/（0-180度采样点）=90。

顺时针：顺时针偏移角度=360-{185*【185，190】的采样点/（180-360度总采样点））+……360*【355，360】的采样点/（180-360度总采样点）}。

总偏移角度=顺时针偏移角度*（180-360度总采样点）/（0-180度总采样点+180-360度总采样点）-逆时针偏移角度*（0-180度总采样点）/（0-180度总采样点+180-360度总采样点）

MR.AOA.71，中间5度一个区间。

AOA天线方位角异常识别流程：选择覆盖率低的小区—→提取3天的MR-AOA数据—→选取总采样大于1000小区—→计算最大用户集对应方位角—→选取偏差大于20度小区—→现场调整—→效果验证。

案例：选取某地连续区域5个站点进行验证，提取3天MR_AOA数据，根据文中所述步骤对数据进行处理并结合基站无线参数库对该区域站点进行精细分析，制定出初步RF调整方案。（见表2）

RF优化人员对天馈系统进行调整，在调整完成后，系统优化人员对KPI关键指标和数据业务流量变化情况进行监控。如图2所示。

2月26日完成对试点区域7个站点，14个小区RF优化调整工作，调整完成后关键KPI指标波动不大，上行流量提升了18.13%，下行流量提升了23.02%。

3 结语

本文通过对MR数据中的AOA字段的分析，实现了从用户层面优化调整小区天馈方位角的方法，不仅节省了人力物力，达到了事半功倍的效果，同时树立了站在用户角度分析优化网络问题的新思路。实现了大数据在无线网络优化工作中的应用。

参考文献

[1]王东东，和伟.AOA估计中的MUSIC算法[J].信息技术，2016，（1）：82-85.

[2]冯传跃.LTE网络MR和信令数据的联合分析方法[C]//天津市电视技术研究会2016年年会论文集，2016.

[3]赵亮.蜂窝网无线定位与定位参数估计算法研究[D].硕士论文，2008.

[4]鄧平，李莉，范平志.一种TDOA/AOA混合定位算法及其性能分析[J].电波科学学报，2002，（06）：77-80.