王玉震，周 婷，徐碧莲

（1.中国科学院上海高等研究院，上海 201210；2.中国科学院大学，北京 100049）

0 引言

全球已经开始步入5G时代，5G被认为是多样化的生态系统，能够支持海量移动设备，推进信息、交通、医疗、农业等变革发展。与此同时，接入终端日益普及，新服务不断涌现，对吞吐量的要求也更高，这给无线网络的承载能力和干扰管理带来了巨大挑战。

5G主要场景广泛采用时分双工技术（Time Division Duplex，TDD）。由于下行链路的传输功率通常比上行链路高得多，为了保护上行链路不受下行链路的干扰，在从下行链路切换到上行链路时使用了一个保护时隙（Guard Period，GP）。尽管有GP，当大气在特定高度出现逆温层（折射率呈现负梯度），发生大气波导现象时，下行传输以极低衰减在波导层中超远距离传播并严重干扰上行接收，即发生远程干扰（Remote Interference，RI）。

远程干扰已受到工业界和学术界的广泛重视。在LTE-TDD商用网络中，中国移动数据表明，江苏全省范围内出现上百公里的大规模远程干扰，造成掉话率增加和部分网络中断。文献[5]的实验指出，韩国的LTE网络受到240 km外日本Wi MAX网络的同频干扰，证实远程干扰具有跨境和跨运营商的特点。2019年，国际标准组织3GPP对下一代关键候选技术跨链路超远距干扰管 理（Cross Link Interference-Remote Interference Management，CLI-RIM）进行立项研究。下一代无线通信的许多场景均采用TDD制式，因此系统地分析远程干扰电磁波传播规律和提供切实可行的干扰管理方案，具有十分重要的意义。

为了解决远程干扰的识别问题，目前，3GPP TR 38.866提供以参考信号和特征序列编码为主的识别方案，但未给出明确的规避方案。运营商在实际应用中，大多采用调整子帧配置方案的方式，小范围内取得了较好的效果。现有工作大部分是从蜂窝网络优化角度研究应对远程干扰的措施，但气象和通信学科交叉的解决方案比较少。在大范围跨运营商和跨国远程干扰的场景下，充分考虑气象因素，用无线电气象学和电磁传播建模方法去验证分析，将具有重要的实际应用价值和现实意义。

本文主要的研究内容有：首先分析远程干扰原理和特点，针对性地引入基于折射率估计和抛物方程模型的远程干扰仿真方法；然后结合江苏移动全省基站的远程干扰强度实测数据和气象数据，利用该方法对比验证此次大规模远程干扰时空变化过程；最后使用该仿真方法，对频域和空间域的干扰抑制方案量化分析，为远程干扰抑制方案提供参考依据。

1 远程干扰原理和特点

1.1 远程干扰原理

大气波导是一种异常的天气气象。当底层大气的某段高度内存在逆温现象或折射率随高度急剧减小的情况，会使电磁波超折射传播，大部分电磁波会被限制在该夹层区域内传播。蜂窝网络远程干扰示意图如图1所示。

如图1所示，这种现象使得波导层内的电磁波信号只经历很小的衰减，从而比正常气象条件下传播得更远，通常能达200～300 km。

图1 蜂窝网络远程干扰示意图

TDD中，上下行信号使用相同的频段，拥有较高的频谱利用率。为了避免邻近小区的下行信号对本地用户的上行信号产生同频干扰，在上下行子帧转换时会预留一段保护间隔，传统的子帧配置保护距离只有数10 km。

在大气波导的条件下，来自于远端基站的下行信号在波导层中传输，超出保护距离，到达近端小区后干扰本地用户的上行信号接收，这种超远距同频干扰称为远程干扰。

远程干扰产生机理复杂，干扰面积大而且持续时间长，发生时会大大降低上行信道的信噪比，严重降低TDD系统的性能，甚至瘫痪。同时远程干扰难以用传统的信道建模方法分析预测，给运营商的干扰管理带来巨大困扰。如何实现远程干扰的时空频特性分析和准确预测，是业界亟待解决的难点。

1.2 干扰特点

一方面，远程干扰的干扰过程随着气象条件即波导层分布的变化而急剧变化。为了确保真实反映远程干扰，气象条件是必须考虑的重要因素；另一方面，电磁波在大气波导环境下的传播与无线通信系统参数有关，包括天线的载波频率、3 dB波瓣宽度和俯仰角等，同时还与地形、边界条件等多种因素有关。因而远程干扰具备以下几个方面的特点：

1）地域性

由于大气波导现象的地理分布特点，我国远程干扰发生地区主要分布在海南-南海地区、东海沿海地区和环渤海地区等区域。同时，由于平原农村地区遮挡物少，基站高度高，易于发生远程干扰现象，干扰范围可达200 km以上。

2）时变性

大气波导引起的远程干扰的持续时间长且稳定，远程干扰一般产生于凌晨至清晨时间段，随着波导层的变化而变化。

3）互易性

受扰基站与干扰源基站，在气象条件和无线系统参数特定的情况下，干扰具有明显的方向指向和互易性。

面对以上问题，融合无线电气象学和通信学科的远程干扰管理方案被认为是有效的解决路径。对于上百公里的大规模远程干扰来说，本地信息或者单一学科是不够的，迫切需要从交叉学科的角度，利用相关气象信息和电磁传播仿真去分析远程干扰，且需要网络测量数据去验证分析。因此，本文引入基于折射率估计和抛物方程模型的仿真方法。

2 远程干扰仿真方法与抑制方案

2.1 系统模型

基于已有的超远距电磁传播仿真工作，本文针对复杂气象条件和动态传播环境，引入基于折射率估计和抛物方程模型的仿真方法，来描述无线信号在大气波导环境中的传播损耗和轨迹。该方法在国际通行的总体通量算法基础上引入探空气球数据，计算和预测大气波导分布，提高波导模型精度。在获得波导分布后，该方法在混合傅里叶变换算法基础上引入地形变换算法逐点计算电磁波场强分布，计算路径损失，从而实现精准刻画特殊地形、特定气象条件下远程干扰信号电波传播分布。本文将重点验证分析江苏省的一次大规模远程干扰和抑制方案讨论。远程干扰仿真方法的工具框图如图2所示，主要由气象处理模块、电磁波传播仿真模块和验证分析模块组成，具体如下所述。

图2 基于折射率估计和抛物方程模型的远程干扰仿真方法

首先，气象处理模块采用两级采样方案用于测量天气参数，目的是克服陆地场景中的空间异质性。气象站可以提供高度2 m和10 m的风速、相对湿度、气温、压强等。其他传感器可应用于第二级高（100～1000 m）。输入气象数据后，总体通量算法将气象参数转换为莫宁-奥布霍夫相似度长度。陆地稳定度修正函数则将总体通量算法的运算结果转化为各气象参数剖面，从而计算输出波导层剖面到下一模块。

其次，在电磁传播模块，基于抛物方程模型，输入波导层剖面、无线系统参数和地形边界条件。无线系统参数包括天线模式、高度、波瓣宽度、俯仰角，根据场景使用不同的边界条件。同时，波导层折射率配置文件被传递到此模块中，计算得到距离/高度相关的信号强度和路径损耗分布。最后，在验证分析模块，将路径损耗分布累加转化为多基站蜂窝场景下的平均干扰水平，然后与网络测量数据验证，包括干扰水平强度、干扰相关性和时间变化特性等。

2.2 干扰抑制方案设计

在3GPP的远程干扰识别机制的基础上，根据大规模远程干扰特点，本文建议集中式干扰抑制方案，管理框架如图3所示。

图3 基于气象信息的集中式远程干扰管理框架

如图3所示的气象信息的集中式远程干扰方案简要描述如下：当发生远程干扰时，系统根据干扰特征识别远程干扰是否发生；如果判定发生远程干扰，干扰基站与受扰基站将上传网络测量数据，同时获取相应气象数据；该方法通过模拟来确定具体的调整参数，从而提供时域、空域和频域的抑制方案。由于每次大气波导的发生过程长达几小时，未来在控制中心计算能力的帮助下，该集中式抑制方案具有自动化和近实时调整的特点。

3 实验与结果分析

3.1 实验数据获取

本文的实验数据主要包含气象数据和运营商网络测量数据两部分。其中气象数据来源自欧洲气象局提供的ERA5全球再分析数据集，下载干扰当天的气温、气压、相对湿度、水气压、波导层底高、波导层顶高等要素的每小时观测值。该气象数据精度为0.25°。

网络测量数据由中国移动江苏省分公司提供，包含了2016年5月16日全天的全省244375个基站的配置信息与每小时观测值。数据字段主要包含：基站部署位置、测量时间（颗粒度为每小时）、扇区角、频段、天线高度、天线下倾角、基站接收的同频干扰强度，单位为dBm。为了避免贸然填充数据带来的影响，本文尽可能使用原始数据。

3.2 实验验证与分析

图4为经纬度下的远程干扰分布和波导层分布，分别展示1：00，7：00和13：00时刻全江苏省基站的干扰强度情况。各时段受干扰基站的数量分别为4495站，38901站和964站。在图4a）～图4c）中颜色代表平均干扰水平，可知从1：00开始，全省的同频干扰开始出现并逐渐增强，并在7：00干扰达到最强。此时整个江苏北部地区都在经历严重的同频干扰，干扰强度甚至超过-90 dBm。之后同频干扰强度逐步衰减，并在13：00后回归正常水平。

在图4d）～图4f）中颜色深浅代表归一化后的波导层强度，白色为无大气波导区域。从图中可以发现，在此次干扰过程中，1：00时波导层开始出现在江苏北部部分地区，随后凌晨至7：00期间出现充分的逆温层条件，整个江苏北部地区和部分南部地区开始出现高强度的波导层，13：00时大面积的波导层消失。

图4 干扰强度与波导层强度分布（时间分别对应5月16日1：00，7：00和13：00）

将江苏省基站数据栅格化，按照地理分布，经纬度间隔0.6°，分成6行9列共54个数据块。本文将图4a）的徐州郊区基站群（1，1）作为受扰基站群，计算相关系数，红色圈出的区域与（1，1）的相关系数在0.84～0.95之间。不同于文献[4]仅根据网络测量数据，本文基于波导层分布变化和网络侧干扰变化的相关性，明确指出此次大规模同频干扰是由大气波导引起的远程干扰。

然后，将波导层数据和无线系统参数输入到仿真工具中，计算多个小区群到达基站群（1，1）的路径损耗和同频信号累加的平均干扰水平。以1：00时的干扰情况举例说明，基站群（2，5）至基站（1，1）距离约160 km，以连线作切面的波导层厚度在30～101 m，受扰基站平均高度为46.95 m，平均下倾角为2.76°，远程干扰主要发生的频点号为38400，即中心频点为1895 MHz。

图5给出了某基站在上述参数条件下的路径损失空间分布，横轴表示从基站群（2，5）到（1，1）的距离，颜色表征路径损失。假设大气波导层内具有空间一致性。从图5中可以看出：40～140 km的路径损失集中分布在140 d B左右，有明显的大气波导陷获效应；当接收高度为40 m，在163 km的路径损失依然能够保持152.4650 dB。另外，对比常规宏蜂窝路径损失模型在40 km处的路径损失已经超过185 dB。

图5 基站群（2，5）的路径损失空间分布

从仿真结果可以看出，当大气波导发生时，远距离基站的同频信号到达本地基站，超过基站的干扰门限，从而超出常规保护距离39.8 km，发生远程干扰。另外，在波导条件近似对称和基站配置相似的条件下，基站群（1，1）干扰水平与基站群（2，5）干扰水平相差5 dBm以内。忽略湍流和粗糙地面对传播信号的影响，该结果可以说明远程干扰存在互易性。

图6给出了2016年5月16日1：00—7：00基站群（1，1）的平均干扰水平变化。图中实线为网络实际测量数据。利用不同时刻的波导层剖面，可计算出其他基站群对基站群（1，1）的路径损耗分布累加转化为多基站蜂窝场景下的平均干扰水平。随着北部地区大气波导层的面积逐渐扩大，平均干扰水平也随之增加，干扰水平甚至超过-88.85 dB，仿真结果与网络实测的平均误差为3.81 dB。然而传统的3GPP宏蜂窝路损模型平均误差均在30 dB以上。由此说明本文方法由于能够接入气象数据，利用不同时刻的波导层剖面计算路径损失，可真实地反映波导造成的远程干扰。

图6 基站群（1，1）随时间变化的平均干扰水平

以上仿真结果表明，文中提出的仿真算法在波导信息和电磁传播仿真基础上，可以实现对大面积远程干扰的验证分析。

3.3 远程干扰抑制方案验证

根据远程干扰机理，在跨运营商和跨国的大规模远程干扰中，干扰距离可达250 km，超出可配置的最大保护距离。未来5G小区支持更灵活的配置，包括垂直波瓣宽度、水平波瓣宽、方位角偏移和下倾角等。因此本文利用仿真工具和网络测量数据，量化和验证干扰抑制效果。具体抑制方案参数如表1所示，方案包括频点调整、下倾角调整和波瓣调整，分两次调整。

表1 具体方案参数

图7给出了表1抑制方案的性能对比。由图7可知，在1：00时，受扰站群（1，1）的平均干扰水平为-94.78 dB，频点调整后，干扰反而增强。此次波导厚度和强度决定了最小陷获频率小于1900 MHz，因此调整频点没有抑制效果。调整下倾角和波瓣宽度，平均干扰水平降低了3.53～5.78 dB。仿真结果表明，通过下调下倾角和减小波瓣宽度，可以较大程度地弱化大气波导带来的远程干扰。但未来5G大规模天线阵列部署在机械下倾角固定的情况下，支持电子下倾角调整和波束调整，因此在上百公里级的大规模远程干扰抑制方案中，利用气象信息的空间域抑制方案是最有效的手段之一。

图7 抑制方案的远程干扰抑制效果

4 结 论

本文从交叉学科角度出发，基于折射率估计和抛物方程模型的仿真方法，利用气象数据和网络测数据对远程干扰进行验证分析。在结合波导层的基础上，文中方法首次验证了上百公里的大规模远程干扰，并且对不同的抑制方案进行了对比分析。实验验证表明，本文提出的方法能够更准确地刻画远程干扰传播规律，为环境信息辅助的抑制方案设计提供重要的参考依据。