陳大龍 朱格苗 霍永章 王計斌

南京華蘇科技有限公司

0 引言

通信服務與生活質(zhì)量和生產(chǎn)效率密切相關，為了保障網(wǎng)絡質(zhì)量，大量基站被投入建設和使用，這在提高民眾服務體驗的同時，也帶來了很大的優(yōu)化壓力。無線網(wǎng)絡優(yōu)化主要通過天線參數(shù)調(diào)整實現(xiàn)。常見的天線參數(shù)主要有方位角、下傾角、站高等，其中以方位角最為重要。但由于受許多外界因素的影響，天線范圍經(jīng)常發(fā)生改變。長期以來，天線方位角的獲取工作主要通過人工進行，過程耗時耗力，還會存在一定的安全隱患，設備局限和疲勞作業(yè)也很難保證方位角的精確性和時效性。實現(xiàn)方位角的自動化預測，成為時代需要。

1 研究背景與意義

天線方位角是非常重要的天線參數(shù)，直接決定天線信號的作用區(qū)域，影響到用戶的使用體驗，因而廣受重視。為了改進方位角測量技術，行業(yè)和學術領域相關人士做了各種嘗試，但始終未能實現(xiàn)大范圍的方位角自動預測。針對這個問題，本文提出一種基于終端采樣數(shù)據(jù)信號到達角度（Angle of Arrival，AOA）的方位角預測方法。AOA是3GPP（3rd Generation Partnership Project，第三代合作伙伴計劃）規(guī)范4G、5G網(wǎng)絡測量報告（Measurement Report，MR）中的測量值，是反映終端相對服務小區(qū)的信號到達角或參考方位角。利用AOA-方位角數(shù)學模型實現(xiàn)天線方位角的實時準確檢測，利用真實可靠的數(shù)學聯(lián)系，克服不同的場景影響，實現(xiàn)大范圍的自動預測。

2 數(shù)據(jù)收集

本文數(shù)據(jù)來源主要是福建省移動公司的MR（Measurement Report）大數(shù)據(jù)采集平臺，主要數(shù)據(jù)有實時終端上報的MDT數(shù)據(jù)、實時資管工參、實際方位角人工勘測數(shù)據(jù)，如表1所示。首先，在福建省寧德市隨機選擇256個樣本小區(qū)，涉及多種覆蓋場景且保證設備功能無異常。然后，基于樣本小區(qū)，依次獲取最小化路測（Minimization of Drive Tests，MDT）數(shù)據(jù)、資管工參和人工勘測方位角。其中，MDT和工參數(shù)據(jù)主要用于方位角預測，人工勘測方位角主要用于精度驗證。

表1 數(shù)據(jù)選擇詳細情況表

3 方法論

3.1 Tadv-distance關系數(shù)據(jù)清洗

由于反射和折射等情況的影響，AOA質(zhì)量不夠理想。為提高AOA數(shù)據(jù)質(zhì)量，本文主要利用用戶-基站直線距離（ditance）與Tadv之間的關系，采用Tadv-distance關系篩選，對部分反射和折射用戶進行識別和去除。

3.1.1 Tadv

時間提前量（Timing advance，Tadv）是基站到用戶之間信號傳播時間的離散化指標，可以反映二者之間的距離特征。Tadv以Ts為時間計量單位，每16個Ts作為一個取值單位，對應一定的距離區(qū)間，如表2所示。1Ts對應的時間如下：

表2 Tadv數(shù)值情況表

轉(zhuǎn)化為距離：

式中，Ts為Tadv的時間單位；dist為Ts對應的距離；c為光速。

3.1.2 用戶-基站距離

用戶-基站距離指用戶和基站之間的直線距離，可根據(jù)基站經(jīng)緯度和用戶經(jīng)緯度，利用球面距離公式計算得到，過程如下：

式中，D為用戶和基站之間的直線距離；α1，β1分別為基站經(jīng)緯度；α2，β2分別為用戶經(jīng)緯度；R為地球半徑。

3.1.3 Tadv-distance關系清洗

理想情況下，用戶-基站距離與Tadv對應的距離區(qū)間相匹配。但是當反射或折射等異常發(fā)生時，Tadv會明顯增大，造成二者關系異常。借助Tadv和用戶-基站距離之間的關系進行數(shù)據(jù)清洗，主要過程如下：

（1）Tadv區(qū)間獲取。從MDT數(shù)據(jù)中獲取Tadv，利用公式Tadv定義，主要過程如下：

式中，d為距離變量，用以區(qū)間表示；TA為終端上報的Tadv值；dist為Tadv的時間單位所對應的距離，通過公式（1）和（2）計算得到。

（1）用戶-基站距離計算。從MDT數(shù)據(jù)中獲取用戶經(jīng)緯度，從資管工參中獲得基站經(jīng)緯度，利用公式（3）計算用戶-基站距離D。

（2）MDT數(shù)據(jù)清洗。根據(jù)用戶-基站距離和Tadv區(qū)間的匹配情況進行篩選，關系不匹配的用戶數(shù)據(jù)為異常數(shù)據(jù)，進行剔除。

3.2 基于AOA的方位角預測方法

3.2.1 AOA

eNB信號到達角（Angle-of-Arrival，AOA）是對用戶和基站相對角度的反映，以法線方向為參考方向，以0.5度為單位角度，逆時針方向旋轉(zhuǎn)一周，數(shù)值逐漸遞增，如圖1所示。

圖1 AOA原理圖

表3 AOA取值情況

3.2.2 方位角-AOA關系分析

天線方位角和AOA數(shù)值之前存在一定的數(shù)學關系，AOA是用戶相對天線方位角的角度特征，二者關系的分析過程如下：

（1）將MDT數(shù)據(jù)中的AOA指標轉(zhuǎn)化為順時針方向遞增的角度指標，主要過程如下：

式中，angleAOA為轉(zhuǎn)化后的AOA順時針角度；AOA為MDT數(shù)據(jù) 中的AOA指 標；n為整數(shù)，將angleAOA轉(zhuǎn)化到0～360°范圍內(nèi)。

（2）計算用戶相對基站的方位角。點站方位角以正北方向為參考方向，順時針遞增，數(shù)值范圍為0～360°，可利用用戶和基站的經(jīng)緯度計算得到：

式中，angle為用戶相對基站的方位角；lon和lat分別為用戶經(jīng)度和緯度；loncell和latcell分別為基站經(jīng)度和緯度。

（3）確定AOA和天線方位角的關系。AOA以法線方向為參考方向，以0.5度為計量單位，逆時針旋轉(zhuǎn)遞增，數(shù)值范圍為0～719離散。天線方位角則以正北方向為參考，順時針方向旋轉(zhuǎn)遞增的角度指標，取值范圍為0～360°連續(xù)，二者的數(shù)學關系如下：

式中，angleAOA為轉(zhuǎn)化后的AOA角度；angle為用戶相對基站的方位角；angleazi為天線的法線方位角；n為整數(shù)，將angleAOA轉(zhuǎn)化到0～360°范圍內(nèi)。

3.2.3 利用AOA實現(xiàn)方位角預測

AOA和方位角之間的數(shù)學關系為方位角的高質(zhì)量預測提供了切實的理論支撐。

方位角預測主要過程如下：

（1）MDT數(shù)據(jù)清洗。獲取MDT數(shù)據(jù)中的AOA、Tadv、用戶經(jīng)緯度和資管工參中的基站經(jīng)緯度等信息，計算用戶到基站的距離，進行ta-distance數(shù)據(jù)清洗。

（2）AOA指標調(diào)整。AOA數(shù)值特征與方位角差異較大，為便于后續(xù)計算，將其調(diào)整為順時針遞增的角度數(shù)據(jù)。

（3）構(gòu)建AOA-方位角數(shù)學模型。根據(jù)用戶和基站的經(jīng)緯度，計算點站方位角，構(gòu)建AOA-方位角數(shù)學模型。

（4）方位角預測。利用AOA-方位角數(shù)學模型，逐用戶預測方位角，并將最終預測結(jié)果進行平均運算，得到最終的預測方位角。

3.3 方位角預測結(jié)果高精度篩選

3.3.1 真實AOA和工參AOA的關系分析

根據(jù)公式（7）可知，真實AOA角度和工參計算AOA角度的計算過程如下：

圖2 工參AOA角度與真實AOA角度關系圖

3.3.2 理論AOA偏差與真實AOA偏差關系分析

即：

3.3.3 基于AOA偏差的高精度預測小區(qū)篩選

為盡量克服數(shù)據(jù)偏差的影響，以小區(qū)為單位，利用AOA理論偏差實現(xiàn)高精度預測小區(qū)篩選。

主要過程如下：

（1）理論AOA角度偏差計算。利用工參數(shù)據(jù)、MDT數(shù)據(jù)中相關指標，通過公式（5）、（6）、（8）和（11）計算得到理論AOA角度偏差

（2）計算篩選指標。根據(jù)理論AOA偏差和真實AOA偏差的關系，求取高精度篩選指標：

（3）設置篩選閾值，進行高精度篩選。根據(jù)篩選指標var的數(shù)值分布情況，設置一系列閾值T，進行閾值篩選，獲得高精度預測小區(qū)結(jié)果：

3.4 方位角預測結(jié)果精度驗證

3.4.1 點站距離清洗后AOA質(zhì)量評價

為對Tadv-distance關系篩選后的AOA質(zhì)量進行評估，本文利用基站經(jīng)緯度、用戶經(jīng)度計算用戶和勘測方位角計算理論AOA，并與MDT數(shù)據(jù)AOA數(shù)據(jù)進行比較，分別計算偏差10°、20°和30°內(nèi)數(shù)量占比，作為10°準確率、20°準確率和30°準確率。

3.4.2 方位角預測結(jié)果精度驗證

本文利用方位角預測值和勘測值進行比較，分別統(tǒng)計二者偏差在10°、20°、30°之內(nèi)的小區(qū)數(shù)量占比，作為10°準確率、20°準確率和30°準確率，實現(xiàn)精度驗證。

式中，Rate10、Rate20、Rate30分別為10°準確率、20°準確率和30°準確率；num10、num20、num30分別偏差在10°、20°、30°之內(nèi)的小區(qū)數(shù)量；numall為預測的總樣本小區(qū)數(shù)數(shù)量。

4 試驗及結(jié)果

4.1 AOA質(zhì)量篩選結(jié)果

根據(jù)Tadv和點站直線距離的關系，對MDT數(shù)據(jù)進行Tadv-distance關系清洗，去除部分反射、散射和遮擋用戶，獲得AOA數(shù)據(jù)質(zhì)量的前后變化情況，如表4所示。由結(jié)果可知，Tadv-distance關系清洗會造成用戶數(shù)量大量減少，但整體AOA質(zhì)量得到明顯提升。

表4 Tadv-distance篩選前后AOA質(zhì)量

4.2 方位角預測結(jié)果

本文利用基于終端采樣數(shù)據(jù)AOA的方位角預測方法，對樣本小區(qū)進行方位角預測，獲得預測結(jié)果，如表5所示。根據(jù)預測結(jié)果可知，基于AOA方位角預測的方法具有較好的預測效果，偏差10°之內(nèi)的預測小區(qū)達到167個，精度為65.23%；偏差20°之內(nèi)的預測小區(qū)達到219個，精度為85.55%；偏差30°之內(nèi)的預測小區(qū)達到238個，精度為92.97%。

表5 基于終端采樣數(shù)據(jù)AOA的方位角預測結(jié)果

4.3 高精度篩選結(jié)果

基于工參（工程參數(shù)）AOA和真實AOA，計算出的工參方位角和真實方位角之間，存在相對偏差角α的關系，利用AOA偏差的篩選指標var進行高精度預測小區(qū)篩選。根據(jù)var的統(tǒng)計結(jié)果（如表6所示），選擇一系列不同的閾值進行篩選，輸出篩選結(jié)果（如表7所示）。根據(jù)篩選結(jié)果可知，var對于高精度預測小區(qū)篩選效果顯著，閾值T取0.3時，可篩選出87.11%的樣本小區(qū)，10°準確率達到70%以上，20°準確率達到90%以上；閾值T取0.4時，可篩選出94.92%的樣本小區(qū)，30°準確率達到95%以上。通過對不同閾值篩選時的預測準確率趨勢分析可知，閾值選擇越小，篩選條件越嚴格，預測精度越高，閾值選擇和預測精度具有明顯的相關性。

表6 高精度預測小區(qū)篩選指標數(shù)值統(tǒng)計

表7 高精度預測小區(qū)篩選結(jié)果

5 結(jié)束語

本文提出一種基于終端采樣數(shù)據(jù)AOA的方位角預測方法，通過建立終端上報AOA、用戶經(jīng)緯度和基站經(jīng)緯度之間的數(shù)學關系模型，實現(xiàn)天線方位角檢測。通過樣本小區(qū)測試，經(jīng)過Tadv-distance關系篩選，AOA質(zhì)量明顯提高；利用數(shù)學模型作為理論支撐，可實現(xiàn)方位角的準確預測，10°、20°和30°內(nèi)預測精度分別為65.23%、85.55%和92.97%；預測結(jié)果高精度篩選效果較好，精度較高，篩選數(shù)量也很可觀。