周勝，李天璞

專題：移動(dòng)通信（5G）測(cè)試

城市場(chǎng)景5G eMBB網(wǎng)絡(luò)速率提升研究與應(yīng)用

周勝，李天璞

（中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司，北京 100080）

在對(duì)城市5G eMBB網(wǎng)絡(luò)遍歷測(cè)試結(jié)果進(jìn)行聚類分析的基礎(chǔ)上，將整個(gè)城市網(wǎng)絡(luò)劃分為不同場(chǎng)景，通過(guò)數(shù)學(xué)建模研究不同場(chǎng)景下影響速率的關(guān)鍵要素，并基于關(guān)聯(lián)要素確定每個(gè)小區(qū)的性能提升重點(diǎn)。通過(guò)有針對(duì)性的優(yōu)化，可顯著提升5G eMBB網(wǎng)絡(luò)速率。該研究為城市5G eMBB網(wǎng)絡(luò)部署后速率快速提升指引了方向，對(duì)提升用戶感知具有一定指導(dǎo)意義。同時(shí)，提出的基于聚類的分析和優(yōu)化方法也可應(yīng)用于未來(lái)5G SA組網(wǎng)結(jié)構(gòu)下uRLLC和mMTC等場(chǎng)景。

5G eMBB；速率提升；城市場(chǎng)景

1 引言

2019年6月6日工業(yè)和信息化部發(fā)放5G牌照，我國(guó)正式進(jìn)入5G時(shí)代。在5G網(wǎng)絡(luò)建設(shè)初期，各類業(yè)務(wù)尚未發(fā)展成熟，用戶及終端數(shù)量較少，5G網(wǎng)絡(luò)主要以增強(qiáng)移動(dòng)寬帶（enhanced mobile broadband，eMBB）業(yè)務(wù)為主，網(wǎng)絡(luò)速率的快慢直接體現(xiàn)著網(wǎng)絡(luò)服務(wù)能力的優(yōu)劣，也是無(wú)線網(wǎng)絡(luò)用戶最重要的感知體驗(yàn)之一。因此，提升和保持無(wú)線網(wǎng)絡(luò)速率處于高速和穩(wěn)定的狀態(tài)，是無(wú)線網(wǎng)絡(luò)維護(hù)優(yōu)化的主要目標(biāo)。

圖1 小區(qū)廣播波束RF參數(shù)和Pattern權(quán)值尋優(yōu)流程

2 5G eMBB網(wǎng)絡(luò)速率影響因素及分析方法

造成5G eMBB無(wú)線網(wǎng)絡(luò)速率低、體驗(yàn)差的原因可以分為覆蓋、質(zhì)量、干擾、資源、RANK共5種重要因素。

2.1 覆蓋因素

覆蓋是一切網(wǎng)絡(luò)活動(dòng)的基礎(chǔ)，沒(méi)有覆蓋就沒(méi)有網(wǎng)絡(luò)活動(dòng)可言。5G網(wǎng)絡(luò)通過(guò)波束成形與射頻優(yōu)化相結(jié)合進(jìn)行覆蓋控制，共有波束權(quán)值、掃描周期等7種因子10 000多種組合。在實(shí)際優(yōu)化中，需要將4G和5G站點(diǎn)的工參、電子地圖、DT/MDT/MR、天線方向圖文件等數(shù)據(jù)進(jìn)行融合及柵格化分析，基于自動(dòng)尋優(yōu)的迭代算法確定大規(guī)模MIMO小區(qū)廣播波束最優(yōu)RF參數(shù)和Pattern權(quán)值參數(shù)的最優(yōu)組合。小區(qū)廣播波束RF參數(shù)和Pattern權(quán)值尋優(yōu)流程如圖1所示。目前，通過(guò)此方案最高可以改善弱覆蓋區(qū)域20%。

2.2 質(zhì)量因素

良好的網(wǎng)絡(luò)質(zhì)量才能保證網(wǎng)絡(luò)活動(dòng)的順利和穩(wěn)定開(kāi)展。系統(tǒng)內(nèi)信道傳播質(zhì)量越好，頻譜效率越高，用戶感知越好。在協(xié)議3GPP TR38.214中定義了調(diào)制與編碼策略（modulation and coding scheme，MCS），每階MCS對(duì)應(yīng)一種碼率，MCS越高，碼率越大，傳輸效率就越高，用戶實(shí)際體驗(yàn)到的吞吐率也越高。在5G網(wǎng)絡(luò)中，gNodeB基于基站的主動(dòng)測(cè)量以及UE上報(bào)無(wú)線環(huán)境，通過(guò)RANK自適應(yīng)等算法，確定最佳MCS等級(jí)，合理分配PDSCH及PDCCH資源，保障UE業(yè)務(wù)的傳輸效率和傳輸質(zhì)量，MCS選擇過(guò)程如圖2所示。

圖2 MCS選擇過(guò)程

2.3 干擾因素

真實(shí)的無(wú)線環(huán)境中充滿了復(fù)雜的噪聲干擾，如外部阻斷器、其他系統(tǒng)占用5G頻段等。當(dāng)無(wú)線接入小區(qū)存在干擾信號(hào)時(shí)，小區(qū)的上下行業(yè)務(wù)會(huì)受到影響，出現(xiàn)速率低的問(wèn)題，嚴(yán)重時(shí)還會(huì)導(dǎo)致小區(qū)無(wú)法接入。在現(xiàn)網(wǎng)優(yōu)化中，可通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行干擾訓(xùn)練，實(shí)現(xiàn)干擾判定和干擾預(yù)測(cè)，流程如圖3所示。當(dāng)處于訓(xùn)練態(tài)時(shí)，系統(tǒng)監(jiān)測(cè)小區(qū)級(jí)干擾、RB級(jí)干擾，采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，獲取干擾在時(shí)域、頻域、空域上的特征表示；當(dāng)處于運(yùn)行態(tài)時(shí)，基于訓(xùn)練獲取的干擾時(shí)域、頻域、空域特征進(jìn)行干擾判定和預(yù)測(cè)。

圖3 干擾判定和預(yù)測(cè)流程

2.4 資源因素

一個(gè)感知良好的網(wǎng)絡(luò)需要有足夠的資源供用戶使用，合理的資源分配可以增加用戶速率和用戶容量。在5G網(wǎng)絡(luò)中，下行每秒調(diào)度次數(shù)和下行每slot調(diào)度RB數(shù)是保障下行速率的兩個(gè)關(guān)鍵資源因素。針對(duì)下行調(diào)度次數(shù)不足，需要從調(diào)度異常排查、控制面問(wèn)題、空口殘留誤碼、上層來(lái)包不足等方面進(jìn)行分析；對(duì)于RB數(shù)不足問(wèn)題，需要從用戶調(diào)度、異常告警排查、PDCP/RLC/MAC層排查等方面進(jìn)行。資源調(diào)度排查內(nèi)容如圖4所示。只有對(duì)資源調(diào)度問(wèn)題進(jìn)行分段定界，調(diào)整更適合5G網(wǎng)絡(luò)的擁塞算法，才能提升資源利用率。

2.5 RANK因素

RANK表示空分復(fù)用流數(shù)，一般情況下，吞吐率同RANK呈正比關(guān)系，RANK越大，吞吐率越大。RANK受無(wú)線環(huán)境多徑、終端/AAU天線、信道相關(guān)性等因素影響較大。在5G網(wǎng)絡(luò)中，RANK對(duì)用戶速率的影響可達(dá)到百兆級(jí)別，可基于傳播路徑仿真生成MIMO信道矩陣，通過(guò)信道相關(guān)性評(píng)估得到MIMO信道矩陣特征值，采用深度學(xué)習(xí)預(yù)測(cè)模型預(yù)測(cè)高精度柵格RANK值。RANK仿真預(yù)測(cè)流程如圖5所示。

圖4 資源調(diào)度排查

圖5 RANK仿真預(yù)測(cè)流程

3 5G eMBB網(wǎng)絡(luò)速率提升

城市場(chǎng)景中，遍歷測(cè)試（driving test，DT）是進(jìn)行網(wǎng)絡(luò)速率評(píng)估分析的主要方法。DT可獲得各個(gè)采樣點(diǎn)的覆蓋、干擾等優(yōu)化相關(guān)事件，也可以獲得用戶吞吐率等用戶感知數(shù)據(jù)。針對(duì)各個(gè)采樣點(diǎn)測(cè)試數(shù)據(jù)進(jìn)行聚類分析，通過(guò)數(shù)學(xué)建模確定影響每個(gè)小區(qū)網(wǎng)絡(luò)速率的主要因素，并實(shí)施不同的速率提升方案。在實(shí)際優(yōu)化中，經(jīng)過(guò)多次測(cè)試分析和方案實(shí)施的循環(huán)迭代，可以獲得良好的5G eMBB網(wǎng)絡(luò)速率。整體工作流程如圖6所示。

3.1 測(cè)試數(shù)據(jù)獲取

遍歷性測(cè)試可以獲得豐富的網(wǎng)絡(luò)性能指標(biāo)信息，包括采樣點(diǎn)PCI、速率、RSRP電平值、SINR值、MCS值、CQI值、iBLER值、干擾值、調(diào)度值、RANK值等。

3.2 數(shù)據(jù)聚類分析

層次聚類的合并算法對(duì)所有數(shù)據(jù)點(diǎn)中最為相似的兩個(gè)數(shù)據(jù)點(diǎn)進(jìn)行組合，將距離最近的兩個(gè)數(shù)據(jù)點(diǎn)或類別進(jìn)行組合，反復(fù)迭代這一過(guò)程，直至生成聚類樹(shù)。這類算法非常適合進(jìn)行遍歷性測(cè)試這種可以獲得海量、多維度數(shù)據(jù)的分析。本文采用DIANA層次聚類算法進(jìn)行測(cè)試數(shù)據(jù)層次聚類。首先將所有的原始數(shù)據(jù)初始化到一個(gè)簇中，然后根據(jù)最鄰近的最大歐氏距離等原則進(jìn)行簇分類，直到到達(dá)用戶指定的簇?cái)?shù)目或者兩個(gè)簇之間的距離超過(guò)了某個(gè)閾值，針對(duì)每個(gè)低速率小區(qū)最終可得到覆蓋、質(zhì)量、干擾、RANK及資源等聚類結(jié)果，如圖7所示。

圖6 整體工作流程

3.3 優(yōu)化方案

通過(guò)對(duì)影響速率因素進(jìn)行建模，可確定每個(gè)服務(wù)小區(qū)的主要速率影響因素。在網(wǎng)優(yōu)化中，可對(duì)每個(gè)小區(qū)的主要影響因素實(shí)施有針對(duì)性的優(yōu)化方案，并通過(guò)不斷的測(cè)試和方案完善循環(huán)迭代，最終達(dá)到網(wǎng)絡(luò)速率提升的目標(biāo)。本文總結(jié)了覆蓋優(yōu)化、質(zhì)量?jī)?yōu)化、干擾判定和預(yù)測(cè)、資源優(yōu)化和RANK優(yōu)化共5類速率影響因素的優(yōu)化方案。

3.3.1 覆蓋優(yōu)化

覆蓋優(yōu)化首先明確小區(qū)的物理覆蓋場(chǎng)景，在此基礎(chǔ)上主要通過(guò)調(diào)整天線的波束寬度、總波束數(shù)量及水平和垂直波束數(shù)量等進(jìn)行優(yōu)化。根據(jù)對(duì)5G網(wǎng)絡(luò)優(yōu)化初步探索及4G網(wǎng)絡(luò)優(yōu)化經(jīng)驗(yàn)積累，本文總結(jié)了物理場(chǎng)景劃分及天線參數(shù)配置，見(jiàn)表1。具體優(yōu)化建議如下。

·一般情況下，推薦配置為場(chǎng)景DEFAULT，適合典型三扇區(qū)組網(wǎng)。

·當(dāng)水平覆蓋要求比較高時(shí)，推薦場(chǎng)景S1、S6、S12，遠(yuǎn)點(diǎn)可以獲得更高的波束增益，提升遠(yuǎn)點(diǎn)覆蓋。

·當(dāng)小區(qū)邊緣存在固定干擾源時(shí)，可以考慮場(chǎng)景SCENARIO_2、SCENARIO_3、SCENARIO_7、SCENARIO_8、SCENARIO_13，縮小水平覆蓋范圍，避開(kāi)干擾。

·當(dāng)只有孤立建筑時(shí)，推薦場(chǎng)景SCENARIO_4、SCENARIO_5、SCENARIO_9、SCENARIO_10、SCENARIO_11、SCENARIO_14、SCENARIO_15、SCENARIO_16，可獲得水平面覆蓋較小。

·當(dāng)只有低層樓宇時(shí)，可以從場(chǎng)景SCENARIO_1~SCENARIO_5中選擇。

·當(dāng)存在中層樓宇時(shí)，可以從場(chǎng)景SCENARIO_6~SCENARIO_11中選擇。

·當(dāng)存在高層樓宇時(shí)，可以從場(chǎng)景SCENARIO_12~SCENARIO_16中選擇。

3.3.2 質(zhì)量?jī)?yōu)化

在無(wú)線網(wǎng)絡(luò)中，調(diào)制與編碼策略是影響網(wǎng)絡(luò)質(zhì)量的重要因素。因此質(zhì)量?jī)?yōu)化的主要內(nèi)容是進(jìn)行MCS優(yōu)化。根據(jù)對(duì)5G網(wǎng)絡(luò)遍歷測(cè)試的MCS數(shù)據(jù)分析可知，當(dāng)前存在的主要問(wèn)題為MCS波動(dòng)大、升階慢、CQI上報(bào)低等。針對(duì)上述問(wèn)題可開(kāi)展針對(duì)性的分析和優(yōu)化，具體如下。

圖7 原始指標(biāo)聚類分析

（1）MCS波動(dòng)大。配置1個(gè)附加DMRS，降低誤碼率；CSI、SRS周期配置為5 ms，極致短周期提升高速性能；打開(kāi)CQI跳變限幅開(kāi)關(guān)，抑制MCS波動(dòng)。

（2）MCS升階慢。信道較好時(shí)，加大AMC固定步長(zhǎng)值，加快MCS提升速度；切換后爬升慢，調(diào)整切換后CQI外環(huán)初值，增加初始MCS。

（3）CQI上報(bào)偏低。RSRP差，優(yōu)化覆蓋；SINR差，NR小區(qū)間的干擾，配置寬波束，優(yōu)化重疊覆蓋；SINR差，外部干擾，排查干擾源。

3.3.3 干擾判定和預(yù)測(cè)

5G網(wǎng)絡(luò)主要存在 4G對(duì)5G NR的同頻干擾、5G NR同頻干擾、大氣波導(dǎo)干擾等。出于容量考慮，4G網(wǎng)絡(luò)將沿用原有的頻率使用方式，即使用D頻段的2 575～2 595 MHz、2 595～2 615 MHz、2 615～2 635 MHz 3個(gè)載波，這樣在4G與5G網(wǎng)絡(luò)的交疊覆蓋區(qū)域，4G系統(tǒng)2 575～2 595 MHz、2 595～2 615 MHz頻段的載波將對(duì)5G系統(tǒng)造成同頻干擾影響。對(duì)于此類干擾問(wèn)題，應(yīng)首先定位主要的干擾源4G同頻小區(qū)，對(duì)干擾源小區(qū)進(jìn)行清頻，以保障5G NR的業(yè)務(wù)質(zhì)量。5G NR同頻干擾可通過(guò)業(yè)務(wù)信道PRB隨機(jī)化、切換參數(shù)優(yōu)化及精細(xì)化功率調(diào)整等方式進(jìn)行規(guī)避。TD-LTE大氣波導(dǎo)干擾信號(hào)主要來(lái)源于干擾源小區(qū)天線上旁瓣的功率泄露，由于5G NR采用了大規(guī)模MIMO技術(shù)，可以在水平方向及垂直方向形成波束。因此5G NR中大規(guī)模MIMO的垂直波束是一個(gè)潛在干擾風(fēng)險(xiǎn)點(diǎn)，在實(shí)際部署應(yīng)用中建議盡量減少垂直波束的使用，避免成為強(qiáng)大氣波導(dǎo)干擾源。

3.3.4 資源優(yōu)化

通過(guò)端到端的排查對(duì)下行調(diào)度次數(shù)和RB不足等資源調(diào)度問(wèn)題進(jìn)行分段和定界，包括AMBR限速排查、多用戶調(diào)度排查、異常告警排查、PDCP/RLC參數(shù)排查、TCP排查等手段確定Grant/s和RB/slot低的原因是空口調(diào)度異常還是上游來(lái)包不足，通過(guò)打開(kāi)PDCCH/CSI等信號(hào)RateMatch功能，提升PDSCH占用的RE資源解決RB使用數(shù)目較少的問(wèn)題，具體優(yōu)化方法如下。

表1 波束調(diào)整評(píng)測(cè)

·使用RB小于260個(gè)處理。合理配置切換參數(shù)，規(guī)避乒乓切換導(dǎo)致RB調(diào)度長(zhǎng)期不滿；控制AAU溫度，防止高溫降額調(diào)度；關(guān)閉SIB1節(jié)省調(diào)度開(kāi)銷；使用SSB寬波束提高增益。

·數(shù)據(jù)信道RE資源提升。采用DMRS Type2配置，節(jié)省資源開(kāi)銷；打開(kāi)PDCCH RateMatch功能，提升資源增益。

3.3.5 RANK優(yōu)化

由于更高的流數(shù)將引入更高的流間干擾，從而導(dǎo)致按照碼字計(jì)算的MCS變低，因此，RANK優(yōu)化的目標(biāo)是在誤碼收斂的前提下，尋求最優(yōu)的RANK×MCS。根據(jù)對(duì)5G網(wǎng)絡(luò)遍歷測(cè)試數(shù)據(jù)分析可知，5G網(wǎng)絡(luò)中經(jīng)常出現(xiàn)RANK變化大、RANK抬升慢、RANK高但MCS低或者RANK低但MCS高等問(wèn)題?，F(xiàn)網(wǎng)優(yōu)化可采取的具體手段如下。

·切換后RANK變化大。優(yōu)化切換門限，確保UE駐留在RANK高小區(qū)。

·切換后RANK抬升慢。提升切換后RANK門限。

·MCS高，RANK低。調(diào)整天線方向角和下傾角，增加反射；提升SRS P0，提高SRS權(quán)值精準(zhǔn)性；增加非天選RANK自適應(yīng)方案。

4 5G eMBB網(wǎng)絡(luò)速率提升方法應(yīng)用

選擇西部某城市的5G網(wǎng)絡(luò)進(jìn)行上述優(yōu)化策略和方法的落地與驗(yàn)證。該城市多山多水多橋梁，道路蜿蜒崎嶇。山上山下，橋上橋下，層次落差明顯，無(wú)線環(huán)境復(fù)雜、優(yōu)化難度大。采用本文提出的方法優(yōu)化后，核心城區(qū)網(wǎng)格平均測(cè)試速率由654 Mbit/s提升至873 Mbit/s，提升幅度33.49%，整體速率以及綜合性能水平得到大幅提升。部署前后的各類型小區(qū)占比見(jiàn)表2，路測(cè)速率分布對(duì)比如圖8所示。

表2 應(yīng)用模塊部署前后對(duì)比分析

圖8 應(yīng)用模塊部署前后速率分布對(duì)比

5 結(jié)束語(yǔ)

本文借助聚類分析算法，對(duì)5G網(wǎng)絡(luò)遍歷測(cè)試數(shù)據(jù)進(jìn)行分析，定位了影響5G eMBB網(wǎng)絡(luò)速率的關(guān)鍵因素，給出具體優(yōu)化指導(dǎo)建議?，F(xiàn)網(wǎng)應(yīng)用實(shí)踐表明，所提優(yōu)化方法可以有效提升網(wǎng)絡(luò)速率。對(duì)于mMTC和uRLLC網(wǎng)絡(luò)亦可采用本文提出的分析方法，快速區(qū)分問(wèn)題場(chǎng)景屬性，并有針對(duì)性進(jìn)行優(yōu)化，以達(dá)到快速提升uRLLC、mMTC網(wǎng)絡(luò)業(yè)務(wù)質(zhì)量目標(biāo)。因此本文研究方案對(duì)于uRLLC和mMTC場(chǎng)景下基于不同業(yè)務(wù)需求的業(yè)務(wù)質(zhì)量?jī)?yōu)化具有一定的指導(dǎo)意義。同時(shí)，由于5G網(wǎng)絡(luò)優(yōu)化還處在不斷探索和經(jīng)驗(yàn)積累的過(guò)程中，本文提出的優(yōu)化建議也將隨著對(duì)于5G網(wǎng)絡(luò)優(yōu)化認(rèn)識(shí)的不斷深入而逐漸完善。

[1] 劉曉峰, 孫韶輝, 杜忠達(dá), 等. 5G無(wú)線系統(tǒng)設(shè)計(jì)與國(guó)際標(biāo)準(zhǔn)[M]. 北京: 人民郵電出版社, 2019.

LIU X F，SUN S H, DU Z D, et al. 5G wireless system design and international standard[M]. Beijing: Posts & Telecom Press, 2019.

[2] 3GPP. Measurement capabilities for NR: TS38. 214 V15.5. 0[S]. 2019.

[3] CHRISTOFER L. 5G networks planning, design and optimization[M]. USA: Academic Press, 2018.

[4] 劉劍飛, 何利平, 陶穎, 等. 大規(guī)模MIMO系統(tǒng)中低復(fù)雜度的碼本搜索方法[J]. 通信學(xué)報(bào), 2019, 40(1), 79-86.

LIU J F, HE L P, TAO Y, et al. Low complexity codebook search method in massive MIMO system[J]. Journal on Communications, 2019, 40(1): 79-86.

[5] 桂冠, 王禹, 黃浩. 基于深度學(xué)習(xí)的物理層無(wú)線通信技術(shù): 機(jī)遇與挑戰(zhàn)[J]. 通信學(xué)報(bào), 2019, 40(2): 19-23

GUI G, WANG Y, HUANG H. Deep learning based physical layer wireless communication techniques: opportunities and challenges[J]. Journal on Communications, 2019, 40(2): 19-23.

[6] 張傳福, 趙立英, 張宇, 等. 5G移動(dòng)通信系統(tǒng)及關(guān)鍵技術(shù)[M].北京: 電子工業(yè)出版社, 2018.

ZHANG C F, ZHAO L Y, ZHANG Y, et al. 5G mobile communication system and key technology[M]. Beijing: Publishing House of Electronics Industry, 2018.

[7] 朱龍昶, 紀(jì)曉東, 張欣然, 等. 5G增強(qiáng)移動(dòng)寬帶關(guān)鍵技術(shù)性能研究[J]. 電信科學(xué), 2020, 6(1): 41-48.

ZHU L C, JI X D, ZHANG X R, et al. Performance evaluation on key techniques for 5G enhanced mobile broadband[J]. Telecommunications Science, 2020, 36(1): 41-48.

[8] 劉曉龍, 魏貴明, 張翔, 等. 5G大規(guī)模天線基站的性能評(píng)估與測(cè)試[J]. 電信科學(xué), 2020, 36(6): 154-165.

LIU X L, WEI G M, ZHANG X, et al. Performance emulation and test for 5G massive MIMO base station[J]. Telecommunications Science, 2020, 36(6): 154-165.

[9] 潘毅,李暉暉, 曾磊. 5G室內(nèi)場(chǎng)景多通道聯(lián)合收發(fā)技術(shù)性能與關(guān)鍵問(wèn)題[J]. 電信科學(xué), 2020, 36(7): 168-174.

PAN Y, LI H H, ZENG L. Performance and key issues of 5G multi-channel joint transceiver technology[J]. Telecommunications Science, 2020, 36(7): 168-174.

Research and application of 5G eMBB network rate improvement based on urbans scenarios

ZHOU Sheng, LI Tianpu

China Mobile Group Design Institute Co., Ltd., Beijing 100080, China

Clustering analysis was performed on the ergodic test data of the 5G eMBB network in the city. The entire urban network was divided into different scenarios. The key factors that affect the rate in different scenarios were studied through mathematical modeling, and the key points of performance improvement of each cell were determined based on the related factors. Through targeted optimization, 5G eMBB network speed can be significantly improved. This study provides a direction for the rapid improvement of the speed of urban 5G eMBB network after deployment, and has a certain guiding significance for improving user perception. At the same time, the clustering based analysis and optimization method proposed can also be applied to uRLLC and mMTC scenarios under 5G SA network in the future.

5G eMBB, rate improvement, urban scenario

TP393

A

10.11959/j.issn.1000?0801.2021038

2020?11?12；

2021?02?10

周勝（1976?），男，博士，中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司網(wǎng)絡(luò)優(yōu)化研發(fā)部總經(jīng)理、教授級(jí)高級(jí)工程師，主要研究方向?yàn)橐苿?dòng)通信網(wǎng)絡(luò)管理與優(yōu)化。

李天璞（1974?），男，中國(guó)移動(dòng)通信集團(tuán)設(shè)計(jì)院有限公司網(wǎng)絡(luò)優(yōu)化研發(fā)部工程師，主要研究方向?yàn)闊o(wú)線網(wǎng)絡(luò)規(guī)劃與優(yōu)化。