《基于MR的网络性能评估及其优化方法》由会员分享，可在线阅读，更多相关《基于MR的网络性能评估及其优化方法（42页珍藏版）》请在金锄头文库上搜索。
1、基于基于MR的网络性能评估及其的网络性能评估及其优化方法优化方法F提纲提纲2 MR2 MR优化应用优化应用F提纲提纲1 1 MRMR基本原理基本原理F提纲提纲1 MR1 MR基础基础F提纲提纲2 MR2 MR定位定位MRMR基本原理基本原理MR基本原理基本原理MR（Measurement Report）即）即测量量报告告什么是什么是MR？测量报告是通信过程中测量报告是通信过程中网络了解网络了解UE状态的手段状态的手段，实现资源调度管，实现资源调度管理的依据，因此理的依据，因此MR测量结果也就反映了用户的真实体验。测量结果也就反映了用户的真实体验。MR优势MR上上报机制机制测量标识测量标识测量命
2、令测量命令测量类别测量类别测量对象测量对象测量量测量量报告量报告量报告准则报告准则状态有效性状态有效性报告传输模式报告传输模式MC（测量控制）内容量控制）内容MR内容内容如何定如何定位？位？与其他数与其他数据如何关据如何关联？联？MR测量量类型型MR测量测量类型类型同频测同频测量量异频测异频测量量异系统异系统测量测量业务量业务量测量测量质量测质量测量量内部测内部测量量位置测位置测量量F提纲提纲1 MR1 MR基础基础F提纲提纲2 MR2 MR定位定位MRMR基本原理基本原理MR关键技术关键技术-MR定位定位利用传播模型进行三点定位原理利用传播模型进行三点定位原理根据根据MR中测量的各小区的中测
3、量的各小区的pathloss，或者根据或者根据RSCP计算：基站导频发射功计算：基站导频发射功率率-RSCP接收功率接收功率MR关键技术关键技术-MR定位定位定位精度测试定位精度测试建议：建议：在应用中，基于在应用中，基于MR定位分析进行的评估、优化等定位分析进行的评估、优化等工作，应以小区粒度进行分析为主，而对于工作，应以小区粒度进行分析为主，而对于100*100m栅格化的，由于其置信度较低，分析结果应辅以其他手段栅格化的，由于其置信度较低，分析结果应辅以其他手段进行使用进行使用进行进行DT路测，路测，将所有将所有MR数数据单独解析，据单独解析，并给出每一个并给出每一个GPS记录的经记录的经
4、纬度纬度根据根据IMSI过滤过滤DT用户的用户的MR数据，利用定数据，利用定位算法对每一位算法对每一个个MR添加经纬添加经纬度度以以DT GPS经经纬度为参照，纬度为参照，对对RNC侧的侧的MR数据定位数据定位结果进行比较，结果进行比较，给出结果给出结果F提纲提纲2 MR2 MR优化应用优化应用F提纲提纲1 1 MRMR基本原理基本原理F提纲提纲3 3 直放站室分监控直放站室分监控F提纲提纲1 1 网络评估网络评估F提纲提纲2 2 软切换参数优化软切换参数优化MRMR优化应用优化应用网络评估网络评估周期性周期性VS事件性事件性周期性周期性VS事件性事件性周期性周期性RSCPRSCP事件性事件性
5、RSCPRSCP周期性周期性ECNOECNO事件性事件性ECNOECNO周期性与事周期性与事件性件性RSCPRSCP差差值值周期性与事周期性与事件性件性ECNOECNO差差值值城市城市1 1-84.61-90.74-7.43-10.396.132.96城市城市2 2-81.53-86.38-5.34-7.974.852.63城市城市3 3-81.9-86.82-5.96-7.774.921.81城市城市4 4-90.49-95.35-7.55-9.234.861.68城市城市5 5-84.34-90.58-7.12-10.216.243.09城市城市6 6-80.47-85.75-5.31-8
6、.315.283城市城市7 7-83.44-90.17-6.91-9.776.732.86城市城市8 8-83.08-87.27-5.67-8.14.192.43城市城市9 9-86.14-90.82-6.2-8.654.682.45城市城市1010-86.84-90.45-7.39-8.983.611.59周期性周期性VS事件性统计结果存在较大误差！事件性统计结果存在较大误差！周期性周期性VS事件性事件性从对比结果看：周期性与事件性从对比结果看：周期性与事件性MR的的RSCP差值在差值在3.56.5之之间间，ECNO的的差差值在值在1.53.1之间，之间，且无确定关系。且无确定关系。无法使用
7、事无法使用事件性件性MR替代周期性替代周期性MR。建议：对重点区域长期开启周期性建议：对重点区域长期开启周期性MR采集，非重点区域根据需采集，非重点区域根据需要开启要开启F提纲提纲3 3 直放站室分监控直放站室分监控F提纲提纲1 1 网络评估网络评估F提纲提纲2 2 软切换参数优化软切换参数优化MRMR优化应用优化应用利用利用MR进行软切换优化进行软切换优化软切换优化分析软切换优化分析利用利用MR进行软切换优化进行软切换优化软切换优化重要参数软切换优化重要参数WCDMA软切换参数名称软切换参数名称取值单位取值单位参数取值建议参数取值建议Reporting Range (Event 1a)dB3
8、dBHysteresis (Event 1a)dB0dBTime to Trigger (Event 1a)ms320msReporting Range (Event 1b)dB5dBHysteresis (Event 1b)dB0dBTime to Trigger (Event 1b)ms640ms软切换优化难点软切换优化难点利用利用MR进行软切换优化进行软切换优化利用利用MRMR进行软切换流程进行软切换流程现网现网WCDMA同频测量的同频测量的MR数据分为周期性数据分为周期性MR和事件性和事件性MR两两种，由于事件性种，由于事件性MR数据是在满足某种条件下的测量结果，如果数据是在满足某种条
9、件下的测量结果，如果以事件性以事件性MR统计分布区间的话，则满足软切换条件的比例会虚统计分布区间的话，则满足软切换条件的比例会虚高。因此，应首先对高。因此，应首先对MR数据进行过滤，数据进行过滤，只对周期性只对周期性MR数据进数据进行统计分析行统计分析。利用利用MR进行软切换优化进行软切换优化利用利用MRMR进行软切换流程进行软切换流程利用利用MR进行软切换优化进行软切换优化利用利用MRMR进行软切换流程进行软切换流程现网现网WCDMA同频测量的同频测量的MR数据分为周期性数据分为周期性MR和事件性和事件性MR两两种，由于事件性种，由于事件性MR数据是在满足某种条件下的测量结果，如果数据是在满
10、足某种条件下的测量结果，如果以事件性以事件性MR统计分布区间的话，则满足软切换条件的比例会虚统计分布区间的话，则满足软切换条件的比例会虚高。因此，应首先对高。因此，应首先对MR数据进行过滤，只对周期性数据进行过滤，只对周期性MR数据进数据进行统计分析。行统计分析。利用利用MR进行软切换优化进行软切换优化利用利用MRMR进行软切换流程进行软切换流程利用利用MR进行软切换优化进行软切换优化利用利用MRMR进行软切换流程进行软切换流程首先结合现网状况设定软切换比例目标值，然后根据首先结合现网状况设定软切换比例目标值，然后根据MR分析获分析获得的现网无线信号分布结果，确定得的现网无线信号分布结果，确定
11、Reporting Range (Event 1a)和和Reporting Range (Event 1b)设定值，从而实现精确控设定值，从而实现精确控制软切换比例的目标。制软切换比例的目标。利用利用MR进行软切换优化进行软切换优化分析案例分析案例- -城市一无线信号分布城市一无线信号分布差值差值（dB）导频导频2-2-1 1（个数）（个数）导频导频3-13-1（个数）（个数）导频导频4-14-1（个数）（个数）导频导频2-12-1（占比（占比%）导频导频3-13-1（占比（占比%）导频导频4-14-1（占比（占比%）等效软切换等效软切换比例比例(预测预测)01787011101617.67%
12、1.08%0.16%8.75%0215740222032215.33%2.16%0.31%17.49%0323652435577823.04%4.24%0.76%27.28%04309567388170030.15%7.20%1.66%37.35%053762611149320836.65%10.86%3.12%47.51%064367015193514342.54%14.80%5.01%57.34%074919319503749347.92%19.00%7.30%66.91%0854372240401012352.96%23.42%9.86%76.38%0958840286401307657
13、.31%27.90%12.74%85.21%01062998329461607661.36%32.09%15.66%93.46%01166755369881901665.02%36.03%18.52%101.05%01270080407332181268.26%39.68%21.25%107.94%01373005440622445171.11%42.92%23.82%114.03%01475489470272696473.53%45.81%26.26%119.34%01577469494942921875.46%48.21%28.46%123.67%01678974514883116776.
14、93%50.15%30.36%127.08%01780163531713282978.08%51.79%31.98%129.88%01881150545573425779.05%53.14%33.37%132.19%01981882556793537979.76%54.24%34.46%133.99%02082423565353630680.29%55.07%35.36%135.35%利用利用MR进行软切换优化进行软切换优化分析案例分析案例- -城市一无线信号分布城市一无线信号分布分析案例分析案例- -城市一城市一如果以如果以5dB为为1b门限，则门限，则最高最高将会有将会有36.65%的概率
15、发生两路的概率发生两路软切换，同时会有软切换，同时会有10.86%的概率发生三路软切换，其等效软的概率发生三路软切换，其等效软切换比例为切换比例为47.51%利用利用MR进行软切换优化进行软切换优化分析案例分析案例- -城市二无线信号分布城市二无线信号分布差值差值（dB）导频导频2-12-1（个数）（个数）导频导频3-13-1（个数）（个数）导频导频4-14-1（个数）（个数）导频导频2-12-1（占比（占比%）导频导频3-13-1（占比（占比%）导频导频4-14-1（占比（占比%）等效软切换等效软切换比例比例(预测预测)011473224394138.91%1.48%0.25%10.39%0
16、2285716861160517.28%4.15%0.97%21.43%034158212696365525.15%7.68%2.21%32.83%045346819994679732.34%12.09%4.11%44.43%0564344280161079238.92%16.94%6.53%55.86%0674427359911567845.02%21.77%9.48%66.78%0783953443262124350.78%26.81%12.85%77.59%0892410527522738955.89%31.91%16.57%87.80%09100017609573387060.49%3
17、6.87%20.49%97.36%010106981689234065164.70%41.69%24.59%106.39%011113100764384714568.41%46.23%28.51%114.64%012118543836305352471.70%50.58%32.37%122.28%013123360900365930374.61%54.46%35.87%129.07%014127468959556458477.10%58.04%39.06%135.13%0151310151012216938679.24%61.22%41.97%140.46%016133739105756736
18、9980.89%63.96%44.58%144.85%0171359551095127747482.23%66.24%46.86%148.46%0181377161127198062083.29%68.18%48.76%151.47%0191389911152568308784.07%69.71%50.25%153.78%0201417241211208950685.72%73.26%54.14%158.97%利用利用MR进行软切换优化进行软切换优化分析案例分析案例- -城市二无线信号分布城市二无线信号分布分析案例分析案例- -城市二城市二同样如果以同样如果以5dB为为1b门限，则最高将会有门
19、限，则最高将会有38.92%的概率发生的概率发生两路软切换，同时会有两路软切换，同时会有16.94%的概率发生三路软切换，其等的概率发生三路软切换，其等效软切换比例为效软切换比例为55.86%利用利用MR进行软切换优化进行软切换优化分析案例分析案例- -参数设置参数设置分析案例分析案例- -结论结论对于不同地区、不同对于不同地区、不同RNCRNC由于网络覆盖环境、站址分布、用户及业务由于网络覆盖环境、站址分布、用户及业务分布等均存在较大差异，即使在软切换比例目标相同的情况下，软切分布等均存在较大差异，即使在软切换比例目标相同的情况下，软切换参数也需要根据各自的情况进行独立设置，而不能采用同一套
20、默认换参数也需要根据各自的情况进行独立设置，而不能采用同一套默认参数，利用参数，利用MRMR数据的统计结果可以快速准确的给出本地的软切换参数数据的统计结果可以快速准确的给出本地的软切换参数配置建议值，并给出预测的软切换比例值。配置建议值，并给出预测的软切换比例值。软切换比例目标软切换比例目标1a1a门限门限1b1b门限门限预测软切换比例预测软切换比例城市一城市一3040%3040%3dB3dB5dB5dB27.28%47.51%27.28%47.51%城市二城市二3040%3040%2dB2dB4dB4dB21.43%44.43%21.43%44.43%F提纲提纲3 3 直放站室分监控直放站室
21、分监控F提纲提纲1 1 网络评估网络评估F提纲提纲2 2 软切换参数优化软切换参数优化MRMR优化应用优化应用直放站室分监控直放站室分监控直放站监控方法分析直放站监控方法分析传统方法传统方法MRMR方法方法利用利用MR进行直放站室分监控进行直放站室分监控室室内内/ /外外M MR R特特征征分离难点分离难点尽管室内外用户的尽管室内外用户的MRMR数据特征存在差异，如何进行区分、区分门限设数据特征存在差异，如何进行区分、区分门限设定却存在很大困难，而且对于不同的环境，室内室外定却存在很大困难，而且对于不同的环境，室内室外MRMR数据的特征门数据的特征门限亦存在差异，使用门限筛选过滤方法来实现室内
22、室外限亦存在差异，使用门限筛选过滤方法来实现室内室外MRMR数据分离基数据分离基本是不可实现的本是不可实现的利用利用MR进行直放站室分监控进行直放站室分监控神经网络简介神经网络简介神经网络应用优势神经网络应用优势u具有自学习能力具有自学习能力u具有联想存储功能识；具有联想存储功能识；u具有高速寻优的能力具有高速寻优的能力u能够同时处理定量、定性知识；能够同时处理定量、定性知识；利用利用MR进行直放站室分监控进行直放站室分监控利用神经网络进行室内利用神经网络进行室内MRMR数据分离流程数据分离流程利用利用MR进行直放站室分监控进行直放站室分监控利用神经网络进行室内利用神经网络进行室内MRMR数据
23、分离流程数据分离流程u样本点要有明确的特征样本点要有明确的特征不能将混淆在一起无法标识室内室外的不能将混淆在一起无法标识室内室外的MR数据作为训练样本，所数据作为训练样本，所取样本应很明确的知道哪些样本点是室内取样本应很明确的知道哪些样本点是室内MR、哪些样本点是室外、哪些样本点是室外MR，因此，在采集样本时候应在室内、室外分别采集。，因此，在采集样本时候应在室内、室外分别采集。u样本点要有代表性样本点要有代表性要选能够代表本地环境的样本区域进行采集。无论室内室外采样都要选能够代表本地环境的样本区域进行采集。无论室内室外采样都应该结合本地特征，选择具有代表性的区域进行采集，从而使得训应该结合本
24、地特征，选择具有代表性的区域进行采集，从而使得训练后的神经网络系统在区分本地练后的神经网络系统在区分本地MR数据的时候准确度更高。数据的时候准确度更高。利用利用MR进行直放站室分监控进行直放站室分监控利用神经网络进行室内利用神经网络进行室内MRMR数据分离流程数据分离流程针对符合筛选要求的训练样本点，对其分配为两部分；其一，针对符合筛选要求的训练样本点，对其分配为两部分；其一，学习数据，用来训练神经网络模型；其二，检验数据，用来检学习数据，用来训练神经网络模型；其二，检验数据，用来检验神经网络模型区分的置信度。根据用户对置信度的要求，需验神经网络模型区分的置信度。根据用户对置信度的要求，需要反
25、复调整神经网络系统的参数，直至满足用户的置信度要求，要反复调整神经网络系统的参数，直至满足用户的置信度要求，即可用来对未知的即可用来对未知的MR数据进行分离，其分离的置信区间可从检数据进行分离，其分离的置信区间可从检验样本的检验结果获得。验样本的检验结果获得。利用利用MR进行直放站室分监控进行直放站室分监控利用神经网络进行室内利用神经网络进行室内MRMR数据分离流程数据分离流程固化训练完成的神经网络系统的所有参数，对现网混合在一起固化训练完成的神经网络系统的所有参数，对现网混合在一起的室内室外的室内室外MR原始数据，利用已建立的神经网络系统进行判断，原始数据，利用已建立的神经网络系统进行判断，将室内将室内MR数据从所有数据中分离出来数据从所有数据中分离出来利用利用MR进行直放站室分监控进行直放站室分监控利利用用MRMR进进行行监监控控的的流流程程利用利用MR进行直放站室分监控进行直放站室分监控流流程程关关键键步步骤骤处处理理方方法法
