基于LTE系统的改良接收信号功率测量方法

在长期演进(long term evolution,LTE)系统中,移动终端需要定时更新同一小区和相邻小区的测量信息,以便于及时进行小区切换或重选。传统的接收信号功率测量算法虽然能够降低干扰和噪声对接收端信号的影响,然而在LTE无线环境下,参考信号接收功率(reference signal receiving power,RSRP)常常受到时间同步和频偏影响,难以获得精确的测量结果。针对该问题,基于LTE系统结构和测量标准提出一种改良的接收信号功率测量算法。该算法对时间和频率同步要求低,且接收信号功率测量性能有所提升。该算法分别在频域和时域计算接收信号功率测量值,并选择两者中较大者作为小区最终接收信号功率值。仿真结果表明,在频偏不大于3 k Hz、定时偏差不大于30 ns时,所述接收信号功率测量算法,相对于传统算法有1 d B以上的平均测量误差的性能提升。

导航卫星信号功率测量方法

采用码分多址体制的卫星导航信号功率是反映卫星信号完好性重要指标,实际测量中各类噪声影响了信号功率测量精度。首先对导航卫星信号功率测量接收机组成原理进行阐述,分析噪声对信号功率测量的影响,进而提出了基于参考标准信号的功率测量方法。实际工程应用表明,新方法克服了噪声的影响,有效提高了测量精度。

面向城区的基于图去噪的小区级RSRP估计方法

移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异,经过校正后的模型只适用于对应小区,且小区内的RSRP估计精度低。针对上述问题,将RSRP估计问题转化为图去噪问题,并通过图像处理与深度学习技术得到小区级无线传播模型,不仅能实现小区整体的RSRP估计,且能适用于相似环境小区。首先,通过随机森林回归器逐点预测每个接收点的RSRP,得到整个小区的RSRP估计图;然后,将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图,提出基于条件生成对抗网络(CGAN)的图去噪RSRP估计方法,通过电子环境地图反映小区的环境信息,有效地降低不同小区的RSRP。实验结果表明,在无实测数据的跨小区RSRP预测场景下,所提方法预测RSRP的均方根误差(RMSE)为6.77 dBm,相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm;在同小区RSRP预测场景下,相较于EFsNet,模型参数量减小80.3%。

面向无人机通信的区域化智能波束管理

面向新一代无线通信的技术革新,无人机(Unmanned Aerial Vehicle,UAV)在未来通信系统中的应用越来越不可忽视。考虑传统波束管理(Beam Management,BM)方法在高动态、高频段空地链路中波束对准的高额开销,设计了一种基于人工智能(Artificial Intelligence,AI)技术的BM方案。方案基于长短时记忆(Long-Short Term Memory,LSTM)网络模型,利用深度学习(Deep Learning,DL)方法实现基站(Base Station,BS)-UAV通信过程中的BM。以参考信号接收功率(Reference Signal Receive Power,RSRP)为性能指标对BM方案进行评估,基于BM历史经验数据将UAV终端轨迹划分为数个区域,训练特定的区域模型以更好地适应各区域中的信道传播环境特征。在模型部署阶段,根据区域划分结果按区域切换模型,实现基于模型切换的区域化AI-BM(Model Switching based Area-Specific AI-BM,MSAS AI-BM)。仿真结果表明,所提的MSAS AI-BM方案相比传统的简单穷举BM方案能够极大降低系统开销,拥有良好的RSRP保持性能。

基于深度强化学习的无人机切换管理研究

为无人机提供网络连接是未来蜂窝网络系统的一个主要应用,无人机在蜂窝网络中作为移动基站或移动用户设备时,需要在不同的基站之间切换,以保持高速可靠的网络连接。针对无人机移动性强、飞行环境复杂造成无人机在蜂窝基站间发生频繁切换、切换失败等问题,提出了一种基于深度强化学习的无人机连接蜂窝网络切换优化方法。基于深度强化学习框架,实现无人机自适应基站切换的在线学习和决策,克服了以往算法中当状态空间过大而导致训练时间长、泛化能力差的缺点;融合参考信号接收功率和切换次数两项指标作为联合奖励函数,保证无人机在稳定蜂窝网络连接的前提下,减少了无人机在蜂窝基站间的无效切换次数。实验结果表明,所提出的算法经过1000轮训练,无人机的平均切换次数显著降低,有效避免了不必要的切换,降低了切换失败的概率,提升了无人机连接蜂窝网络时的信号接收功率。

5G多频协同覆盖研究与工程实践

5G基站建设进入深度覆盖阶段。5G网络高低频协同是运营商节省投资、提升用户感知和运维效率的重要工程技术手段。从理论仿真、频段特性、关键配置以及工程实际覆盖测试等方面对电信NR2.1G和NR3.5G网络进行了深入研究,并结合现网工程给出了实践经验和分场景配置使用建议。

基于随机森林的无线信号弱覆盖识别率预测

为建立一种高效精准的无线信号传播模型,预测目标区域内无线信号覆盖强度,对各个特征与预测标签平均RSRP(参考信号接收功率)进行相关性分析。选取相关性程度较高的特征,使用决策树、极端随机提升树、随机森林等机器学习方法训练回归模型。实验结果表明,随机森林回归模型在无线信号覆盖强度预测上表现效果好,弱覆盖识别率准确度高,可以达到36.35%。

基于卷积神经网络的列车位置指纹定位算法研究

针对高速铁路隧道环境下采用位置指纹定位时定位精度低的问题,提出将深度卷积神经网络应用于列车位置指纹的定位中。首先采用2σ准则、模糊C均值聚类FCM及类数据加权,对采集到的下一代铁路通信系统LTE-R中的信号强度值进行预处理,降低异常值的影响,提高指纹数据的有效性;然后引入定时提前量,增强指纹特征值;接着将处理后的指纹数据量转换为灰度图片指纹条,基于图像样本建立FCM-CNN指纹定位模型;最后以现场实测数据为基础对定位模型进行测试验证。结果表明,相较于采用未经处理的数据作为样本的CNN模型及传统的位置指纹定位方法,基于FCM-CNN的列车位置指纹定位方法,提高了数据质量,在离线阶段具有较大的指纹采集间距,大幅减少了指纹采集工作量,模型训练时间较短,定位精度小于10 m的概率可达100%,满足列车在中密度线路对定位精度的要求。

面向新一代铁路移动通信的网络规划技术研究

为了解决铁路移动通信网络规划成本高且效率低的问题,满足铁路智能无线网络建设需求,以京沈客运专线为场景,研究了2.1 GHz频段下基于高性能射线跟踪的5G铁路专用移动通信(5G for railway, 5GR)智能无线网络规划技术.依托参考信号接收功率(reference signal receiving power, RSRP)高性能射线跟踪仿真得到电磁波在特定环境下传播时的信道特性和路径损耗,进而精准预算无线链路的RSRP和下行传输速率;同时将规划问题建模为多目标优化求解问题,使用遗传算法对基站参数进行分级规划,在RSRP覆盖达标的前提下,最大化下行传输速率,智能输出基站工参最优解.仿真结果表明该技术可以满足RSRP覆盖率和最大化下行传输速率的规划目标,为后续实现精准高效的5G-R无线网络规划和优化提供仿真支撑和参考.

TD-LTE覆盖规划指标及子帧配置

公共参考信号接收功率和公共参考信号干扰噪声比是TD-LTE无线网络规划的两个重要指标,与室内深度覆盖和边缘速率要求直接相关,同时TD-LTE是TDD系统,具有灵活的子帧配比方式,以适应不同的上下行业务速率需求。就TD-LTE同频组网情况下的参考信号接收功率和信号干扰噪声比这两个规划指标需要考虑的因素及两者之间的关系展开分析,并对TD-LTE的子帧结构进行分析,给出了不同频段的子帧配置建议。

城区LTE网络质量提升优化方案

针对城区LTE网络存在的质量问题,提出对超远覆盖站点、新建站点和超近站点进行结构优化,对基础参数、互操作参数和功率调整进行参数优化,通过美化天线、天馈配置调整、天面整改,通过PCI(物理小区标识)优化和网内外干扰排查,通过告警排障、隐性故障发现和持续监控进行故障点整改等方法提升网络质量,给出提升网络质量的建议,有利于促进LTE优化工作高效开展。

TD-LTE高速铁路场景专网分析

本文首先对TD-LTE专网优化难点进行了介绍,随之基于海量数据对关键参数与下载速率的相关性进行了分析。同时,基于TD-LTE专网优化难点从站址选择、组网规划和邻区设置等方面提出了优化建议。并对高速铁路的CSFB优化邻区设置进行了总结,提出了提升回落精准性的策略。最后,对未来的高铁覆盖提出了两种覆盖模型展望,其中明确指出了基于载波聚合技术的车载分布系统将更能为终端用户提供较好的业务体验。

LTE规划指标体系及其统计关系研究

LTE网络规划对后期网络建设及运维有着至关重要的作用,要想做好LTE网络规划,最首要的是要深入理解LTE规划指标体系和关键规划指标间的关系。基于理论分析与测试验证相结合的方法,首先从理论上研究LTE规划指标体系,并基于实测数据,分析LTE规划中关键指标的统计关系,为LTE网络的规划建设提供参考。

长期演进规划指标体系及其统计关系研究

要想做好LTE(长期演进)网络规划,最首要的是要深入理解LTE规划指标体系和关键规划指标间的关系。基于理论分析与测试验证相结合的方法,从理论上研究LTE规划指标体系,并基于实测数据,分析LTE规划中关键指标的统计关系。

小蜂窝网络中基于速度估计的切换触发时间选择方案

在用户对系统带宽以及传输速率要求越来越严格的当下,小蜂窝技术成为解决室内和热点场景覆盖和容量问题的有效途径。为了缓解小蜂窝中切换失败率和乒乓切换率之间的矛盾,首先建立了小蜂窝网络场景下的切换模型,通过采用参考信号接收功率方案对用户终端(UE)的移动轨迹进行跟踪而达到速度估计的目的;之后,推导分析了该模型中切换失败概率、乒乓切换概率与切换触发时间、UE速度的关系;最后,采用遍历算法对切换触发时间进行优化选择。仿真结果表明,所提方案能够将切换失败概率降低到接近于零,同时将乒乓切换率降低了10%,很好地缓解了两者之间的矛盾,更适合于对乒乓切换敏感的高速移动UE。

LTE-R场强测试系统的实现

LTE-R场强覆盖是物理层重要指标,在通信系统的设计、实现、优化及维护过程中起着非常重要的作用。研究LTE-R网络下的场强覆盖测试,提出铁路典型应用场景下以LTE-R接收机和定位装置为核心部件的LTE-R场强测试系统架构;实现了LTE-R场强电平值-公里标的二维图形化显示,并进行了静态测试;通过搭载试验列车的动态测试结果,验证了系统架构的可行性。

浅谈4G微基站覆盖方案及效果分析

针对4G建设时间紧而传输、场地等条件有限的困难,研究了"微基站+无线Relay"的新技术,并通过具体案例进行分析,指出该技术可适用于偏远地区、公路沿线等场景,从而实现快捷、低成本的4G覆盖。

4G网络16T16R覆盖方案及效果分析

在4G网络覆盖中,由于农村和道路覆盖站间距较大,通过对共址站进行16T16R改造,可以增加单站的覆盖范围。该技术适用于农村站点覆盖、快速道路和高速公路等场景,可以减少新建站点数量,满足网络场景化覆盖需求。