CN113133019A - 一种输出网络优化方案的方法 - Google Patents

一种输出网络优化方案的方法 Download PDF

Info

Publication number
CN113133019A
CN113133019A CN201911394127.5A CN201911394127A CN113133019A CN 113133019 A CN113133019 A CN 113133019A CN 201911394127 A CN201911394127 A CN 201911394127A CN 113133019 A CN113133019 A CN 113133019A
Authority
CN
China
Prior art keywords
cell
coverage
grid
analysis
weak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911394127.5A
Other languages
English (en)
Other versions
CN113133019B (zh
Inventor
许�鹏
杨爽
周琴
刘迅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Sichuan Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Sichuan Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN201911394127.5A priority Critical patent/CN113133019B/zh
Publication of CN113133019A publication Critical patent/CN113133019A/zh
Application granted granted Critical
Publication of CN113133019B publication Critical patent/CN113133019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种输出NB‑IoT网络优化方案的方法，包括步骤：栅格化网络覆盖信息的采样数据，基于多个栅格下进行多个小区识别与距离匹配，以获取栅格原始数据；基于栅格原始数据，分析多个栅格下的多个小区覆盖特性；根据多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求；根据网络对各小区的优化需求，输出小区级优化方案；以及根据输出小区级优化方案，预估优化效果。藉由将栅格级问题汇聚为小区级问题进而综合考虑小区对整网覆盖能力的影响，本发明的方法能快速批量输出小区级优化方案，且可对功率优化类方案进行优化效果预估。

Description

一种输出网络优化方案的方法
技术领域
本发明涉及一种输出网络优化方案的方法，特别是涉及一种输出NB-IoT网络优化方案的方法。
背景技术
NB-IoT(Narrow Band-Internet of Things，窄带物联网)又称蜂窝物联网，所述网络具有广覆盖、大连接、低功耗的特点。NB-IOT主要用于低传输速率，静止或者低移动速率的接入场景。
目前传统NB-IoT网络结构问题分析主要依赖人工对扫频测试数据的问题路段栅格逐一分析，查找问题根因，制定优化方案。然而，传统NB-IoT网络结构问题分析方法存在分析难度大，耗时周期长，整体优化效果难预估，问题点处理存在此消彼长的问题。
发明内容
本发明所要解决的技术问题是提供一种输出NB-IoT网络的方法，其使用的数据来源为通过扫频仪扫频处理后的栅格原始数据，通过对每个栅格问题类型进行判定，对问题数量进行统计，将每个问题栅格所占用小区明细转化汇聚生成小区级问题统计，并对各类问题输出不同优化方案，综合考虑小区对整网覆盖能力的影响，快速批量输出小区级优化方案，且可对功率优化类方案进行优化效果预估。
本发明解决其技术问题所采用的技术方案是：提供一种输出NB-IoT网络优化方案的方法，其包括以下步骤：栅格化网络覆盖信息的采样数据，基于多个栅格下进行多个小区识别与距离匹配，以获取栅格原始数据；基于获取到的栅格原始数据，分析多个栅格下的多个小区覆盖特性；根据多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求；根据网络对各小区的优化需求，输出小区级优化方案；以及根据输出小区级优化方案，预估优化效果。
上述栅格原始数据包括栅格编号、栅格经纬度、频点、物理小区标识(PCI；Physical Cell Identity)、电平(RSRP)、信号与干扰加噪声比(SINR；Signal toInterference plus Noise Ratio)、占用小区全域標識(CGI；Cell Global Identity)、占用小区经纬度、及距离信息。
上述基于栅格原始数据，分析多个栅格下的多个小区覆盖特性包括：执行主/从覆盖小区识别；执行弱覆盖栅格分析，以评估每个栅格内主覆盖小区的覆盖能力；执行过覆盖栅格分析；以及执行重叠覆盖栅格分析。
上述执行主/从覆盖小区识别包括：通过栅格编号和RSRP联合计算，获取每个栅格下最强电平(MAX_RSRP)；以及通过每个栅格下MAX_RSRP与每个栅格下各小区对应电平(Cell_RSRP)进行差值比对，判定各小区在每个栅格内的覆盖属性。进一步而言，如果Cell_RSRP＝MAX_RSRP，则判定小区为栅格内的主覆盖小区；如果-3dB≤(Cell_RSRP-MAX_RSRP)<0dB，则判定小区为栅格内的超强邻区；如果-6dB≤(Cell_RSRP-MAX_RSRP)<-3dB，则判定小区为栅格内的强邻区；如果(Cell_RSRP-MAX_RSRP)<-6dB，则判定小区为栅格内的弱邻区。
上述执行弱覆盖栅格分析包括：获取并分析各栅格的主覆盖小区的RSRP数值；当识别主覆盖小区RSRP≥-81dBm，判定栅格为强覆盖栅格；当识别-84dBm≤主覆盖小区RSRP<-81dBm，判定栅格为风险覆盖栅格；当识别-87dBm≤主覆盖小区RSRP<-84dBm，判定栅格为一般弱覆盖栅格；以及当识别主覆盖小区RSRP<-87dBm，判定栅格为严重弱覆盖栅格。
上述执行过覆盖栅格分析包括：计算每个栅格与所占用小区的距离、及全量小区平均覆盖距离；以及当识别栅格与所占用小区的距离>2倍的全量小区平均覆盖距离，判定栅格为过覆盖栅格。
上述执行重叠覆盖栅格分析包括：采样-6dB≤(Cell_RSRP-MAX_RSRP)<0dB的小区个数作为栅格内重叠覆盖度；以及当识别栅格内重叠覆盖度≥4，判定栅格为重叠覆盖栅格。
上述根据多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求包括：执行小区影响能力评估；执行弱覆盖小区需求分析；执行过覆盖小区需求分析；以及执行重叠覆盖小区需求分析。
上述执行小区影响能力评估包括：汇聚各小区在各栅格下主覆盖小区、超强邻区、强邻区、及弱邻区的采样数、各小区主覆盖栅格采样数、及小区栅格采样总数；如果
Figure BDA0002345824540000031
且小区主覆盖栅格采样数≤3个，则判定小区为低能覆盖小区；如果
Figure BDA0002345824540000032
且(小区超强邻区采样数+小区强邻区采样数)≥5个，则判定小区为干扰劣化小区；以及当识别低能覆盖小区、或干扰劣化小区，输出射頻(RF；Radio frequency)/整治整改需求。
上述执行弱覆盖小区需求分析包括：采样各主覆盖小区的严重弱覆盖栅格、一般弱覆盖栅格、及风险覆盖栅格；当识别主覆盖小区的严重弱覆盖栅格的采样数≥3，输出重新覆盖需求。再者，上述执行弱覆盖小区需求分析可更包括：当识别采样到主覆盖小区的一般弱覆盖栅格、或风险覆盖栅格，输出參考信號功率(Rs Power；Reference Signal Power)提升需求。
上述执行过覆盖小区需求分析包括：汇聚各小区在各栅格下主覆盖小区、超强邻区、强邻区、及弱邻区的采样数、各小区主覆盖栅格采样数、及小区栅格采样总数；以及当识别
Figure BDA0002345824540000041
且影响栅格个数≥50个，判定小区为过覆盖小区，并输出射頻整治整改需求。
上述执行重叠覆盖小区需求分析包括：采样重叠覆盖栅格内主覆盖小区、超强邻区、及强邻区的个数；以及当识别重叠栅格下超强邻区个数≥1，输出主覆盖小区的RsPower提升、超强邻区的Rs Power降低、及强邻区的Rs Power降低的需求；以及当识别重叠栅格下超强邻区个数<1，输出强邻区的Rs Power降低的需求。
附图说明
图1是本发明一实施例的总体流程图。
图2是本发明一实施例的栅格级问题分析详细流程图。
图3是本发明一实施例的小区级需求汇聚详细流程图。
具体实施方式
本发明提供一种输出NB-IoT网络优化方案的方法，尤其是一种可快速批量输出NB-IoT网络问题优化方案的方法，其将栅格级问题汇聚为小区级问题，整体考虑优化方案对整网指标的影响，针对小区输出优化方案。
如图1所示为本发明一实施例的总体流程图，输出NB-IoT网络优化方案的方法包括步骤：(S11)栅格化网络覆盖信息的采样数据，基于多个栅格下进行多个小区识别与距离匹配，以获取栅格原始数据；(S12)基于栅格原始数据，分析多个栅格下的多个小区覆盖特性；(S13)根据多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求；(S14)根据网络对各小区的优化需求，输出小区级优化方案；以及(S15)根据输出小区级优化方案，预估优化效果。
详细而言，步骤(S11)的执行可利用烽火扫频仪对道路进行遍历扫频测试，采集网络覆盖信息，要求渗透率85％，扫频数据通过SDC工具将原始采样数据栅格化(50m*50m栅格)，结合工参信息，实现扫频栅格下小区识别与距离匹配，输出栅格原始数据。其中，栅格原始数据包含栅格编号、栅格经纬度、频点、物理小区标识(PCI；Physical CellIdentity)、电平(RSRP)、信号与干扰加噪声比(SINR；Signal to Interference plusNoise Ratio)、占用小区CGI(Cell Global Identity)、占用小区经纬度、及距离信息。
如图2所示为本发明一实施例的栅格级问题分析详细流程图，步骤(S12)对步骤(S11)中获取的栅格原始数据进行可分步骤处理，以实现主/从覆盖小区的识别、弱覆盖、过覆盖和重叠覆盖栅格的问题分析。具体而言，步骤(S12)包括：步骤(S21)主/从覆盖小区识别；步骤(S22)弱覆盖栅格分析；步骤(S23)过覆盖栅格分析；以及步骤(S24)重叠覆盖栅格分析。
步骤(S21)主/从覆盖小区识别：通过步骤(S11)获取的栅格原始数据中栅格编号(Index)和电平(RSRP)联合计算获取每个栅格下最强电平(MAX_RSRP)，通过栅格MAX_RSRP与栅格下各小区对应电平(Cell_RSRP)进行差值比对，判定小区在栅格内的覆盖属性，定义规则如下：如果Cell_RSRP＝MAX_RSRP，则小区为栅格内的“主覆盖小区”；如果-3dB≤Cell_RSRP-MAX_RSRP<0dB，则小区为栅格内的“超强邻区”；如果-6dB≤Cell_RSRP-MAX_RSRP<-3dB，则小区为栅格内的“强邻区”；如果Cell_RSRP-MAX_RSRP<-6dB，则小区为栅格内的“弱邻区”。
步骤(S22)弱覆盖栅格分析：针对各栅格主覆盖小区进行分析，评估每个栅格内主覆盖小区的覆盖能力，制定弱覆盖栅格识别规则：如果主覆盖小区RSRP≥-81dBm，则栅格为“强覆盖”栅格；如果-84dBm≤主覆盖小区RSRP<-81dBm，则栅格为“风险覆盖”栅格；如果-87dBm≤主覆盖小区RSRP<-84dBm，则栅格为“一般弱覆盖”栅格；如果主覆盖小区RSRP<-87dBm，则栅格为“严重弱覆盖”栅格。
步骤(S23)过覆盖栅格分析：输入栅格采样经纬度和栅格所占用小区经纬度，通过球面距离计算公式，可得出每个栅格与所占用小区的距离，结合全量小区平均覆盖距离，定义过覆盖栅格：栅格与所占用小区的距离>2倍全量小区平均覆盖距离。
步骤(S24)重叠覆盖栅格分析：针对各栅格邻区覆盖能力进行分析，评估各栅格下邻区对主覆盖小区的干扰情况，重叠覆盖栅格定义：栅格内重叠覆盖度≥4则栅格为重叠覆盖栅格，其中栅格重叠覆盖度为-6dB≤(Cell_RSRP-MAX_RSRP)<0dB"的小区个数。
如图3所示为本发明一实施例的小区级需求汇聚详细流程图。步骤(S13)经过步骤(S12)栅格级问题分析后，进一步按照下图3所示进行分步骤处理，识别栅格对各小区的“原始”优化需求，以CGI对栅格级数据进行汇聚，获取网络对各小区的优化需求和方案。
步骤(S31)小区影响能力评估：汇聚小区在各栅格“主覆盖小区”、“超强邻区”、“强邻区”、“弱邻区”采样次数，分析小区对于网络的影响，评估小区作为主覆盖的正面能力及产生强干扰的负面增益，识别结构问题小区，输出射頻整治整改需求。低能覆盖小区定义：
Figure BDA0002345824540000071
且“小区主覆盖栅格采样数”≤3个。干扰劣化小区定义：
Figure BDA0002345824540000072
且“小区超强邻区采样数”+“小区强邻区采样数”≥5个。
步骤(S32)弱覆盖小区需求分析：对小区在其作为主覆盖的栅格内的采样情况进行分析，统计小区“严重弱覆盖”、“一般弱覆盖”、“风险覆盖”栅格分布情况，汇聚输出网络对小区的优化需求。小区“严重弱覆盖”栅格数：表征小区下存在严重复盖不足问题，无法通过功率优化解决，新增覆盖、RF优化或整改整治以增强覆盖能力，小区严重弱覆盖采样≥3，则纳入“新增覆盖”需求。小区“一般弱覆盖”栅格数：表征小区覆盖能力与覆盖要求差距较小，具备覆盖能力挖掘潜力，功率优化优先级较高，“Rs Power提升”需求+1，功率优化权值为3。小区“风险覆盖”栅格数：表征小区覆盖能力与覆盖要求存在较大一定差距，需提升覆盖能力，功率优化优先级低，“Rs Power提升”需求+1，功率优化权值为2。
步骤(S33)过覆盖小区需求分析：汇聚栅格与所占用小区的距离，结合全量小区平均覆盖距离，定义过覆盖问题小区，输出射頻整治整改需求。其中，过覆盖小区定义：
Figure BDA0002345824540000073
且影响栅格个数≥50个。
步骤(S34)重叠覆盖小区需求分析：根据重叠覆盖栅格内“主覆盖小区”、“超强邻区”、“强邻区”分布，生成栅格下小区级需求，进而汇聚输出网络对小区的功率调整需求。重叠栅格下超强邻区个数≥1：主覆盖小区“Rs Power提升”需求+1，超强邻区“Rs Power降低”需求+1，强邻区“Rs Power降低”需求+1，功率优化权值为1。重叠栅格下超强邻区个数<1：强邻区“Rs Power降低”需求+1，功率优化权值为1。
步骤(S14)是根据步骤(S13)汇聚的小区级问题和需求，按照制定的规则进行优化方案汇总，输出小区级优化方案清单，优化方案规则如下表1所示。
Figure BDA0002345824540000081
表1
功率类优化依据“Rs Power降低”与“Rs Power提升”需求进行加权计算汇聚，以小区及级“Rs Power提升”需求量与“Rs Power降低”需求量取差值得到“功率需求汇总”，输出小区功率优化初步方案。
其中，功率需求汇总＝Rs Power提升需求-Rs Power降低需求；Rs Power提升需求＝重叠覆盖需提升功率栅格数*系数1+“一般弱覆盖”栅格数*系数3+“风险覆盖”栅格数*系数2；Rs Power降低需求＝重叠覆盖需降低功率栅格数*系数1。结合小区功率硬件支持的最大和最小值，以及功率调整后原栅格最强RSRP需大于-84dBm，对小区功率优化具体值进行修正，确保功率优化后栅格满足覆盖率要求，最终输出小区级优化方案。
步骤(S15)是根据步骤(S14)输出的小区级优化方案，将功率类优化方案对应小区RSRP做相应调整，带入优化前原始栅格数据，预估优化效果。
以下实施例，主要从栅格问题分析方案和小区级需求汇聚方案两个方案下的具体实施过程。为了节约篇幅，与前述内容相同之处简要描述。
实施例一
步骤(S11)：通过SDC工具对NB-IoT扫频数据处理，输出的栅格原始数据包含栅格编号、栅格经纬度、频点、PCI、电平(RSRP)、SINR、占用小区CGI、占用小区经纬度、及距离信息，如表2所示。
Index EARFCN PCI RSRP SINR CGI LEN
48RTR-525-1783-50 3736 190 -54.18 4.65 460-00-388807-185 280.72
48RTR-525-1783-50 3736 240 -69.7 1.71 460-00-1009852-186 816.29
表2
步骤(S12)：对步骤(S11)中获取的栅格原始数据进行主/从覆盖小区的识别、弱覆盖、过覆盖和重叠覆盖栅格的问题分析。
步骤(S21)：主/从覆盖小区识别，通过步骤(S11)获取的栅格原始数据中栅格编号(Index)和电平(RSRP)联合计算获取每个栅格下最强电平(MAX_RSRP)，通过栅格MAX_RSRP与栅格下各小区电平(Cell_RSRP)差值进行对比，判定栅格内各小区的覆盖属性，分为主覆盖小区、超强邻区、强邻区、弱邻区。
步骤(S22)：弱覆盖栅格分析，分析各栅格主覆盖小区，评估每个栅格内主覆盖小区的覆盖能力，分为强覆盖、风险覆盖、一般弱覆盖、严重弱覆盖。
步骤(S23)：过覆盖栅格分析，根据栅格采样经纬度和所占用小区经纬度计算每个栅格与所占用小区的距离，结合全量小区平均覆盖距离判断过覆盖栅格。
步骤(S24)：重叠覆盖栅格分析，分析各栅格邻区覆盖能力，评估各栅格下邻区对主覆盖小区的干扰情况，识别重叠覆盖栅格。
步骤(S13)：经过步骤S12栅格级分析后，按照步骤(S31)～(S34)处理，识别栅格对各小区的“原始”优化需求，以CGI对栅格级数据进行汇聚，获取网络对各小区的优化需求和方案。
步骤(S31)：小区影响能力评估，汇聚小区在各栅格“主覆盖”、“超强邻区”、“强邻区”、“弱邻区”采样次数，识别低能覆盖小区、干扰劣化小区、过覆盖小区，输出射頻整治整改需求。
步骤(S32)：弱覆盖小区需求分析，对小区在其作为主覆盖的栅格内的采样情况进行分析，统计小区“严重弱覆盖”、“一般弱覆盖”、“风险覆盖”栅格分布情况，汇聚输出小区优化需求。小区严重弱覆盖栅格数≥3，则纳入“新增覆盖”需求；小区存在“一般弱覆盖”栅格，功率优化优先级较高，“Rs Power提升”需求+1，功率优化权值为3；小区存在“风险覆盖”栅格，功率优化优先级低，“Rs Power提升”需求+1，功率优化权值为2。
步骤(S33)：过覆盖小区需求分析，汇聚栅格与所占用小区的距离，结合全量小区平均覆盖距离，定义过覆盖问题小区，输出射頻整治整改需求。
步骤(S34)：重叠覆盖小区需求分析，根据重叠覆盖栅格内“主覆盖”、“超强邻区”、“强邻区”分布，生成栅格下小区级需求，汇聚输出小区功率调整需求。重叠栅格下超强邻区个数≥1：主覆盖小区“Rs Power提升”需求+1，超强邻区“Rs Power降低”需求+1，强邻区“RsPower降低”需求+1，功率优化权值为1。重叠栅格下超强邻区个数<1：强邻区“Rs Power降低”需求+1，功率优化权值为1。
步骤(S14)：根据步骤S13汇聚的小区级问题和需求，按照制定的规则进行优化方案汇总，输出小区级优化方案。
如表3所示，为某优化方案统计。
Figure BDA0002345824540000111
表3
步骤(S15)：将步骤(S14)输出的小区级功率类优化方案带入优化前原始栅格数据，对应小区RSRP做相应调整，预估优化效果。如表4所示，为某市功率优化后栅格RSRP预估。
Figure BDA0002345824540000112
表4
如表5所示，为某市功率优化后覆盖率和重叠覆盖率效果预估。
项目 栅格数 满足覆盖栅格数 覆盖率 重叠覆盖栅格数 重叠覆盖率
优化前 1674 1669 99.70％ 391 23.36％
优化后预估 1674 1670 99.76％ 291 17.38％
表5
基于上述详细说明，可以了解到的是，本发明提供一种输出NB-IoT网络优化方案的方法，其可以针对全网扫频数据进行问题分析与定位，不需要人工对问题点逐一分析，能节省人力成本和时间成本。进一步而言，本发明的方法还能够将栅格级问题汇聚为小区类问题，针对不同问题输出不同优化方案，并对优化方案加权汇聚，输出优化方案。除此之外，本发明的功率类优化方案可以将功率调整量带入原始栅格数据RSRP中，进而预估整体覆盖率和重叠覆盖率优化效果，并可根据预估的效果修正优化方案的聚类算法，提升指标优化效果。
上述说明示出并描述了本发明的若干优选实施方式，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施方式的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (14)

1.一种输出NB-IoT网络优化方案的方法，其特征在于，包括以下步骤：
栅格化网络覆盖信息的采样数据，基于多个栅格下进行多个小区识别与距离匹配，以获取栅格原始数据；
基于所述栅格原始数据，分析多个栅格下的多个小区覆盖特性；
根据所述多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求；
根据所述网络对各小区的优化需求，输出小区级优化方案；以及
根据所述输出小区级优化方案，预估优化效果。
2.根据权利要求1所述的输出NB-IoT网络优化方案的方法，其特征在于，所述栅格原始数据包括栅格编号、栅格经纬度、频点、物理小區標識、电平、信號與干擾加雜訊比、占用小区全域標識、占用小区经纬度、及距离信息。
3.根据权利要求2所述的输出NB-IoT网络优化方案的方法，其特征在于，所述基于所述栅格原始数据，分析多个栅格下的多个小区覆盖特性的步骤还包括：
执行主/从覆盖小区识别；
执行弱覆盖栅格分析；
执行过覆盖栅格分析；以及
执行重叠覆盖栅格分析。
4.根据权利要求3所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行主/从覆盖小区识别的步骤还包括：
通过所述栅格编号和電平联合计算，获取每个栅格下最强电平；以及
通过每个栅格下最強電平与每个栅格下各小区对应电平进行差值比对，判定各小区在每个栅格内的覆盖属性。
5.根据权利要求4所述的输出NB-IoT网络优化方案的方法，其特征在于，判所述定各小区在每个栅格内的覆盖属性基于下列定义规则进行：
如果對應電平＝最強電平，则判定所述小区为所述栅格内的主覆盖小区；
如果-3dB≤(對應電平-最強電平)<0dB，则判定所述小区为所述栅格内的超强邻区；
如果-6dB≤(對應電平-最強電平)<-3dB，则判定所述小区为所述栅格内的强邻区；以及
如果(對應電平-最強電平)<-6dB，则判定所述小区为所述栅格内的弱邻区。
6.根据权利要求3所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行弱覆盖栅格分析的步骤还包括：
获取并分析各栅格的主覆盖小区的電平数值；
当识别主覆盖小区電平≥-81dBm，判定所述栅格为强覆盖栅格；
当识别-84dBm≤主覆盖小区電平<-81dBm，判定所述栅格为风险覆盖栅格；
当识别-87dBm≤主覆盖小区電平<-84dBm，判定所述栅格为一般弱覆盖栅格；以及
当识别主覆盖小区電平<-87dBm，判定所述栅格为严重弱覆盖栅格。
7.根据权利要求3所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行过覆盖栅格分析包括：
计算每个栅格与所占用小区的距离、及全量小区平均覆盖距离；以及
当识别栅格与所占用小区的距离>2倍的全量小区平均覆盖距离，判定所述栅格为过覆盖栅格。
8.根据权利要求4所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行重叠覆盖栅格分析的步骤还包括：
采样-6dB≤(對應電平-最強電平)<0dB的小区个数作为栅格内重叠覆盖度；以及
当识别栅格内重叠覆盖度≥4，判定所述栅格为重叠覆盖栅格。
9.根据权利要求1所述的输出NB-IoT网络优化方案的方法，其特征在于，所述根据所述多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求的步骤还包括：
执行小区影响能力评估；
执行弱覆盖小区需求分析；
执行过覆盖小区需求分析；以及
执行重叠覆盖小区需求分析。
10.根据权利要求5所述的输出NB-IoT网络优化方案的方法，其特征在于，所述根据所述多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求的步骤还包括：
执行小区影响能力评估；
执行弱覆盖小区需求分析；
执行过覆盖小区需求分析；以及
执行重叠覆盖小区需求分析，
其中所述执行小区影响能力评估包括：
汇聚各小区在各栅格下主覆盖小区、超强邻区、强邻区、及弱邻区的采样数、各小区主覆盖栅格采样数、及小区栅格采样总数；
如果
Figure FDA0002345824530000041
且小区主覆盖栅格采样数≤3个，则判定所述小区为低能覆盖小区；
如果
Figure FDA0002345824530000042
且(小区超强邻区采样数+小区强邻区采样数)≥5个，则判定所述小区为干扰劣化小区；以及
当识别低能覆盖小区、或干扰劣化小区，输出射頻整治整改需求。
11.根据权利要求6所述的输出NB-IoT网络优化方案的方法，其特征在于，所述根据所述多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求的步骤还包括：
执行小区影响能力评估；
执行弱覆盖小区需求分析；
执行过覆盖小区需求分析；以及
执行重叠覆盖小区需求分析；
其中所述执行弱覆盖小区需求分析包括：
采样各主覆盖小区的严重弱覆盖栅格、一般弱覆盖栅格、及风险覆盖栅格；以及
当识别所述主覆盖小区的严重弱覆盖栅格的采样数≥3，输出重新覆盖需求。
12.根据权利要求11所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行弱覆盖小区需求分析的步骤还包括：
当识别采样到所述主覆盖小区的一般弱覆盖栅格、或风险覆盖栅格，输出參考信號功率提升需求。
13.根据权利要求5所述的输出NB-IoT网络优化方案的方法，其特征在于，所述根据所述多个栅格下的多个小区覆盖特性的分析结果，判定并汇聚网络对小区的优化需求的步骤还包括：
执行小区影响能力评估；
执行弱覆盖小区需求分析；
执行过覆盖小区需求分析；以及
执行重叠覆盖小区需求分析；
其中所述执行过覆盖小区需求分析包括：
汇聚各小区在各栅格下主覆盖小区、超强邻区、强邻区、及弱邻区的采样数、各小区主覆盖栅格采样数、及小区栅格采样总数；以及
当识别
Figure FDA0002345824530000051
且影响栅格个数≥50个，判定所述小区为过覆盖小区，并输出射頻整治整改需求。
14.根据权利要求5所述的输出NB-IoT网络优化方案的方法，其特征在于，所述执行重叠覆盖栅格分析的步骤还包括：
采样-6dB≤(對應電平-最強電平)<0dB的小区个数作为栅格内重叠覆盖度；以及
当识别栅格内重叠覆盖度≥4，判定所述栅格为重叠覆盖栅格；以及所述执行重叠覆盖小区需求分析包括：
采样重叠覆盖栅格内主覆盖小区、超强邻区、及强邻区的个数；以及
当识别重叠栅格下超强邻区个数≥1，输出主覆盖小区的參考信號功率提升、超强邻区的參考信號功率降低、及强邻区的參考信號功率降低的需求；以及
当识别重叠栅格下超强邻区个数<1，输出强邻区的參考信號功率降低的需求。
CN201911394127.5A 2019-12-30 2019-12-30 一种输出网络优化方案的方法 Active CN113133019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911394127.5A CN113133019B (zh) 2019-12-30 2019-12-30 一种输出网络优化方案的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911394127.5A CN113133019B (zh) 2019-12-30 2019-12-30 一种输出网络优化方案的方法

Publications (2)

Publication Number Publication Date
CN113133019A true CN113133019A (zh) 2021-07-16
CN113133019B CN113133019B (zh) 2022-10-18

Family

ID=76767797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911394127.5A Active CN113133019B (zh) 2019-12-30 2019-12-30 一种输出网络优化方案的方法

Country Status (1)

Country Link
CN (1) CN113133019B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114885369A (zh) * 2022-06-09 2022-08-09 中国联合网络通信集团有限公司 网络覆盖质量检测处理方法、装置、电子设备和存储介质
CN114915997A (zh) * 2022-06-09 2022-08-16 中国联合网络通信集团有限公司 问题小区的定位方法、设备及存储介质
CN114980141A (zh) * 2022-06-09 2022-08-30 中国联合网络通信集团有限公司 小区管理方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050071285A (ko) * 2004-01-02 2005-07-07 에스케이 텔레콤주식회사 이동통신망의 기지국 안테나 최적화 방법
WO2011066745A1 (zh) * 2009-12-04 2011-06-09 中兴通讯股份有限公司 定位网络中弱覆盖区域的方法及装置
CN102387511A (zh) * 2011-11-03 2012-03-21 富春通信股份有限公司 多阵元天线基站的无线网络覆盖的优化系统和装置
US20160212634A1 (en) * 2015-01-19 2016-07-21 Jdsu Uk Limited Techniques for dynamic network optimization using geolocation and network modeling
CN105813017A (zh) * 2015-01-19 2016-07-27 维亚威解决方案英国有限公司 用于使用地理定位和网络建模进行动态网络优化的技术
CN105828365A (zh) * 2016-06-01 2016-08-03 武汉虹信技术服务有限责任公司 一种基于mr数据的lte小区重叠覆盖分析方法
US9560531B1 (en) * 2015-10-01 2017-01-31 Fujitsu Limited Joint wireless and fixed network optimization for heterogeneous cellular networks
CN106792758A (zh) * 2017-01-22 2017-05-31 山东浪潮商用系统有限公司 一种基于lte软采mr数据分析的过覆盖小区评估方法
CN107182062A (zh) * 2016-03-11 2017-09-19 中国移动通信集团广东有限公司 Lte网络中物理小区优化方法及装置
CN109005552A (zh) * 2018-09-05 2018-12-14 湖南华诺科技有限公司 基于lte mr数据精确评估无线网络的方法
CN109963287A (zh) * 2017-12-26 2019-07-02 中国移动通信集团湖北有限公司 天线方向角优化方法、装置、设备及介质
CN109982354A (zh) * 2017-12-28 2019-07-05 中国移动通信集团北京有限公司 一种天线权值调整方法及装置
CN110120883A (zh) * 2018-02-07 2019-08-13 中国移动通信有限公司研究院 一种评估网络性能的方法、装置和计算机可读存储介质
CN110167037A (zh) * 2019-05-24 2019-08-23 中国联合网络通信集团有限公司 Lte网络干扰评估方法、装置、系统及存储介质
CN110401956A (zh) * 2018-04-25 2019-11-01 中国移动通信集团广东有限公司 覆盖评估方法和装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050071285A (ko) * 2004-01-02 2005-07-07 에스케이 텔레콤주식회사 이동통신망의 기지국 안테나 최적화 방법
WO2011066745A1 (zh) * 2009-12-04 2011-06-09 中兴通讯股份有限公司 定位网络中弱覆盖区域的方法及装置
CN102387511A (zh) * 2011-11-03 2012-03-21 富春通信股份有限公司 多阵元天线基站的无线网络覆盖的优化系统和装置
US20160212634A1 (en) * 2015-01-19 2016-07-21 Jdsu Uk Limited Techniques for dynamic network optimization using geolocation and network modeling
CN105813017A (zh) * 2015-01-19 2016-07-27 维亚威解决方案英国有限公司 用于使用地理定位和网络建模进行动态网络优化的技术
US9560531B1 (en) * 2015-10-01 2017-01-31 Fujitsu Limited Joint wireless and fixed network optimization for heterogeneous cellular networks
CN107182062A (zh) * 2016-03-11 2017-09-19 中国移动通信集团广东有限公司 Lte网络中物理小区优化方法及装置
CN105828365A (zh) * 2016-06-01 2016-08-03 武汉虹信技术服务有限责任公司 一种基于mr数据的lte小区重叠覆盖分析方法
CN106792758A (zh) * 2017-01-22 2017-05-31 山东浪潮商用系统有限公司 一种基于lte软采mr数据分析的过覆盖小区评估方法
CN109963287A (zh) * 2017-12-26 2019-07-02 中国移动通信集团湖北有限公司 天线方向角优化方法、装置、设备及介质
CN109982354A (zh) * 2017-12-28 2019-07-05 中国移动通信集团北京有限公司 一种天线权值调整方法及装置
CN110120883A (zh) * 2018-02-07 2019-08-13 中国移动通信有限公司研究院 一种评估网络性能的方法、装置和计算机可读存储介质
CN110401956A (zh) * 2018-04-25 2019-11-01 中国移动通信集团广东有限公司 覆盖评估方法和装置
CN109005552A (zh) * 2018-09-05 2018-12-14 湖南华诺科技有限公司 基于lte mr数据精确评估无线网络的方法
CN110167037A (zh) * 2019-05-24 2019-08-23 中国联合网络通信集团有限公司 Lte网络干扰评估方法、装置、系统及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
席素伟: "高铁LTE网络射频优化实践――基于小区有效覆盖距离&重叠覆盖度研究", 《无线互联科技》 *
张进等: "小区自动寻优在WCDMA网络深度优化中的应用", 《邮电设计技术》 *
黄友亮: "基于MR的LTE网络结构优化分析", 《电信技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114885369A (zh) * 2022-06-09 2022-08-09 中国联合网络通信集团有限公司 网络覆盖质量检测处理方法、装置、电子设备和存储介质
CN114915997A (zh) * 2022-06-09 2022-08-16 中国联合网络通信集团有限公司 问题小区的定位方法、设备及存储介质
CN114980141A (zh) * 2022-06-09 2022-08-30 中国联合网络通信集团有限公司 小区管理方法及装置
CN114980141B (zh) * 2022-06-09 2023-06-20 中国联合网络通信集团有限公司 小区管理方法及装置
CN114915997B (zh) * 2022-06-09 2024-08-20 中国联合网络通信集团有限公司 问题小区的定位方法、设备及存储介质
CN114885369B (zh) * 2022-06-09 2024-08-27 中国联合网络通信集团有限公司 网络覆盖质量检测处理方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN113133019B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN113133019B (zh) 一种输出网络优化方案的方法
CN111327377B (zh) 场强预测方法、装置、设备及存储介质
Guo et al. Spatial stochastic models and metrics for the structure of base stations in cellular networks
CN111246497A (zh) 一种基于强化学习的天线调整方法
WO2022022486A1 (zh) 用于基站节能的处理方法和处理装置
JP3888954B2 (ja) Ｃｄｍａ無線ネットワークの計画・評価方法およびシステム
CN102448087B (zh) 一种天馈参数的优化方法及系统
CN107807346A (zh) 基于ott与mr数据的自适应wknn室外定位方法
CN105163344B (zh) 一种td-lte系统内干扰的定位方法
CN108901029B (zh) 一种基于深度学习的室内外用户区分方法
Ying et al. Characterizing spatial patterns of base stations in cellular networks
CN102970696A (zh) 一种用于通信系统的频率优化方法
CN108243435B (zh) 一种lte小区场景划分中的参数优化方法及装置
CN107682864B (zh) 一种基于覆盖率评估的基站建设方法
CN110913407A (zh) 重叠覆盖的分析方法及装置
CN111491255B (zh) 一种回填经纬度定位扩量方法、系统及存储介质
CN108900325B (zh) 一种电力通信业务与无线专网技术的适配性评估方法
CN115099385B (zh) 基于传感器布局优化和自适应Kriging模型的频谱地图构建方法
Jamaa et al. Manual and automatic design for UMTS networks
Larasati et al. Analysis of 5G Network Performance in Line-of-Sight Conditions Using 3.3 GHz Frequency at Sawahan, Surabaya
CN115734264A (zh) 5g网络覆盖评估方法、装置、计算机可读介质及电子设备
CN101917724A (zh) 获取广播控制信道的联合干扰矩阵的方法及其系统
WO2024113313A1 (en) Generating digital predistortion models using performance metrics
CN113079520B (zh) 用于lte网络载波调度减容小区的评估方法
Sarkar et al. Enhanced performance of generalized energy based spectrum sensing with adaptive threshold

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant