5G網(wǎng)絡帶來多樣化場景化的波束,能適配多種不同場景,同時天線參數(shù)調整可能性大量增加,可實現(xiàn)超千種波束組合。面對高達幾百種乃至成千上萬種的參數(shù)組合,通過人工的方式去找出參數(shù)最優(yōu)值幾乎不可能,網(wǎng)絡優(yōu)化的難度迅速增加。另一方面,在無線資源緊張的情況下,如何進行資源的分配和調度,如何有效管理無線網(wǎng)路的相關參數(shù),這都是網(wǎng)絡優(yōu)化面臨的挑戰(zhàn)。
5G整體網(wǎng)絡優(yōu)化方法可以從下面四個角度來看,第一階段是初始優(yōu)化,第二階段是應急網(wǎng)絡優(yōu)化,剩下的兩個階段分別是持續(xù)優(yōu)化和指導性優(yōu)化。對于任何網(wǎng)絡優(yōu)化,首先肯定是網(wǎng)絡工程建設,然后是干擾搜尋。干擾搜尋是極其重要的,一旦有干擾,網(wǎng)絡信號性能就會受限。在干擾搜尋期間,需要同步進行網(wǎng)絡質量比較并進行網(wǎng)絡監(jiān)控。
初始優(yōu)化階段的一般檢測
一般將部署的最后階段作為初始優(yōu)化階段,初始優(yōu)化主要是部署之后的性能測試和性能調優(yōu)。基站部署完畢后,常規(guī)的天線測量、射頻測量這些功能測試肯定是必不可少的,在此階段完成下行/上行數(shù)據(jù)測試、延遲測試等等。
考慮到5G網(wǎng)絡復雜性很高,可以將網(wǎng)絡的下行方向調節(jié)至高數(shù)據(jù)速率,這樣也可以優(yōu)化網(wǎng)絡配置以實現(xiàn)低延遲。在此階段,為了完善整個優(yōu)化流程,測試廠商會進行網(wǎng)絡切片,使得網(wǎng)絡的一些部分優(yōu)先考慮高數(shù)據(jù)速率,還有一部分優(yōu)先考慮低延遲。
在此環(huán)節(jié),上行干擾是首先搜尋到的干擾。眾所周知,5G主要采用TDD模式部署,所以上行和下行是共享相同頻率的,只是在時間上錯開。因此如果配置網(wǎng)絡時明顯偏向于下行,時域中會存在大量的下行時隙(少量的上行時隙),此時頻譜分析儀中也幾乎看不到上行信號,這樣就很難看到任何干擾。上行干擾的優(yōu)化測試有兩個重要的點,數(shù)據(jù)吞吐率和射頻參數(shù)。通過將MCS與MIMO layers的測試指標匯總起來,這就是基站所做的優(yōu)化工作,能確定最終合適的數(shù)據(jù)包長度、MIMO層,便于優(yōu)化上行或下行方向的數(shù)據(jù)吞吐率。
在TDD模式中,上行干擾優(yōu)化的復雜在于下行總是會覆蓋上行。基站播放的SIB系統(tǒng)信息廣播可以配置上下行參數(shù),即可以在解碼的SIB中看到上行時隙的起止點,稍加配置即可獲取上行起止信息,然后就此提供特定時間門控。下行階段測試調優(yōu)與此相同。初始優(yōu)化階段的相關優(yōu)化大多在性能測試和調優(yōu)上。
應急網(wǎng)絡優(yōu)化該怎么辦?
第二個優(yōu)化階段——應急網(wǎng)絡優(yōu)化主要進行故障排除以解決網(wǎng)絡中的問題。流程并不復雜,網(wǎng)絡管理KPI顯示網(wǎng)絡質量問題,然后應急網(wǎng)絡優(yōu)化執(zhí)行頻譜測量、信號覆蓋驗證以及其他測量。
假如顯示高BLER、低MCS這種情況,那么就是上行方向可能存在干擾。在處理過程中,如果能將比特率、延遲和連續(xù)性整合至單一結果中那么優(yōu)化將更方便迅速。這種方法由終端將UDP數(shù)據(jù)包流發(fā)送至服務器,再由服務器將其發(fā)回終端,其間使用TWAMP協(xié)議,也就是雙向主動測量協(xié)議。這種雙向測試模式中的數(shù)據(jù)包速率、數(shù)據(jù)包大小、時延均為可配置,根據(jù)不同的網(wǎng)絡流量需求進行配置,然測試結果可以將比特率、延遲和連續(xù)性整合至同一結果中,優(yōu)化整個流程的便捷性。
外部干擾源是應急網(wǎng)絡優(yōu)化中時常出現(xiàn)的,另一個則是TDD的時間同步,是一項潛在的干擾源,因此同步中的時間測試同樣必不可少。
持續(xù)優(yōu)化實現(xiàn)高效實現(xiàn)連續(xù)網(wǎng)絡測試
持續(xù)優(yōu)化需要使用連續(xù)的數(shù)據(jù)流來進行這種常規(guī)優(yōu)化,基于云的測試會比較適合這類持續(xù)優(yōu)化,也就是說將測試設備的控制和后處理轉移到云端,從連接互聯(lián)網(wǎng)的任意位置訪問這些應用程序。路測設備、基準測試設備、室內采集設備都能夠直接采用基于云的測試實現(xiàn)持續(xù)優(yōu)化。基于云的測試能夠帶來更高效的數(shù)據(jù)采集方式,不需要大量的手動交互就能高效地生成數(shù)據(jù)。
端到端的數(shù)據(jù)流同樣通過遠程配置整個測試設備,配置好完整的測量文件,然后工程師將任務推送至終端的探針來執(zhí)行任務。設備定期向管理端上傳高級別KPI以及一些位置和狀態(tài)更新。任務測試后,這些終端會將文件上傳至專用的預定義文件服務器,然后由自動測量文件進行處理。
要實現(xiàn)這種高效的連續(xù)網(wǎng)絡測試最重要無疑是可靠的測試設備,尤其是終端探針,要維持在一定溫度確保其正常工作。這可以借助強制對流的無源冷卻裝置,或者借助Peltier元件的有源冷卻裝置,使得UE和探針處于恒溫水平。
寫在最后
最后一部分指導性的優(yōu)化主要是為了應對5G網(wǎng)絡日趨復雜化的各種市場問題,根據(jù)收集到的大量數(shù)據(jù)進行分析并為用戶提供指導性的優(yōu)化建議。機器學習在其中也發(fā)揮了不少作用,采用不同算法進一步發(fā)揮大量數(shù)據(jù)的作用。
從部署結束到網(wǎng)絡應用環(huán)節(jié)中的每一個階段,這四個階段的優(yōu)化能迅速降低5G網(wǎng)絡優(yōu)化的難度,在無線資源緊張的情況下,合理地進行資源的分配和調度,并有效管理無線網(wǎng)路的相關參數(shù)。
-
mcs
+關注
關注
0文章
73瀏覽量
24797 -
5G網(wǎng)絡
+關注
關注
8文章
1739瀏覽量
42288
發(fā)布評論請先 登錄
相關推薦
評論