基于MDT智能分析LTE无线干扰的研究与应用

doi:10.11959/j.issn.1000-0801.2019189

摘要/Abstract

摘要：

针对传统的LTE（长期演进）无线干扰判断分析方法存在的用户维度数据不足、质差原因关联不足、过于依赖人工分析的问题，提出基于 MDT（最小化路测）技术智能分析 LTE 无线干扰的新方法。首先利用MDT与MR（测量报告）采集用户无线质量数据及经纬度信息，然后创新使用DBSCAN（具有噪声的基于密度的聚类方法）和自适应聚类算法，对采集的无线覆盖指标和经纬度等数据进行聚类分析，最后将聚类后的数据导入自建的无线干扰判断模型，分析得出干扰类型，从而实现LTE无线干扰的智能分析。与传统干扰分析方法相比，所提方法可以避免复杂的路测过程，提高分析的准确度。数据采集聚类和模型分析实验表明，新方法提高了数据采集的效率和位置精确度，在有效减少人工投入时间的同时结果更加准确。

关键词: LTE, MDT, 自适应聚类算法, 无线干扰

Abstract:

Aiming at the traditional LTE (long term evolution) wireless interference judgment analysis method has insufficient user dimension data,insufficient correlation of quality reasons,and too much dependence on manual analysis.A new method based on MDT (minimized drive test) technology for intelligent analysis of LTE radio interference was proposed.Firstly,the user’s wireless quality data and latitude and longitude information were collected by using MDT and MR (measurement report),and then DBSCAN (density-based spatial clustering of applications with noise) and adaptive clustering algorithm were used to collect the wireless coverage indicators and the latitude and longitude and other data were used for cluster analysis.Finally,the clustered data was imported into the self-built wireless interference judgment model,and the interference type was analyzed to realize the intelligent analysis of LTE wireless interference.Compared with the traditional interference analysis method,the proposed method can avoid the complicated road test process and improve the accuracy of the analysis.Data acquisition clustering and model analysis experiments show that the new method improves the efficiency and location accuracy of data collection,and effectively reduces the time of manual investment while the results are more accurate.

Key words: LTE, MDT, adaptive clustering algorithm, radio interference

中图分类号:

TN929

钟其柱, 吴修权, 罗耀满. 基于MDT智能分析LTE无线干扰的研究与应用[J]. 电信科学, 2019, 35(10): 130-136.

Qizhu ZHONG, Xiuquan WU, Yaoman LUO. Research and application of new method based on MDT intelligent analysis of LTE radio interference[J]. Telecommunications Science, 2019, 35(10): 130-136.

图/表 9

图1

图2

图3

表1

表2

表3

表4

图4

表5

参考文献 7

[7]	LIN S M , GAO Z B , GAO F L . Optimum analysis of TD-LTE network based on drive test[J]. Modern Electronic Technology, 2015(9).
[8]	王建, 刘方森, 赵昌盛 . 基于MR数据的TD-LTE天馈检测方法研究[J]. 电信技术, 2017(2): 5-6.
	WANG J , LIU F S , ZHAO C S . Research on TD-LTE antenna detection method based on MR data[J]. Telecommunications Technology, 2017(2): 5-6.
[9]	沈鹏, 马赛 . 一种LTE系统最小化路测技术实现方案[J]. 山东通信技术, 2015(10): 23-25.
	SHEN P , MA S . An implementation scheme for minimizing road test technology in LTE system[J]. Shandong Communication Technology, 2015(10): 23-25.
[10]	姜备 . 基于LTE MR的移动网络优化研究[D]. 上海:上海师范大学, 2016.
	JIANG B . Research on mobile network optimization based on LTE MR[D]. Shanghai:Shanghai Normal University, 2016.
[11]	周水庚, 周傲英, 曹晶 . 基于数据分区的 DBSCAN 算法[J]. 计算机研究与发展, 2000(10).
	ZHOU S G , ZHOU A Y , CAO J . DBSCAN algorithm based on data partitioning[J]. Journal of Computer Research and Development, 2000(10).
[12]	张长青 . 浅析 4G 运营商的大数据应用[J]. 电信网技术, 2014(7): 35-39.
	ZHANG C Q . Analysis of big data application of 4G operators[J]. Telecommunications Network Technology, 2014(7): 35-39.
[13]	周冬玲, 孙震强, 胡晓娟 . LTE 信令采集方案介绍[C]// 2014 LTE 网络创新研讨会论文集. [出版地址不详:出版单位不详], 2014.
[1]	赵国民, 沈颖, 叶伟 . 一种用于 TD-LTE 的智能无线网路优化分析系统:CN203233544u[P].2013-05-16.
	ZHAO G M , SHEN Y , YE W . A smart wireless network optimization analysis system for TD-LTE:CN20323354411[P].2013-05-16.
[2]	房健, 赵清锋, 李加蕾 . 一种 LTE 网络覆盖分析、预测方法及系统:CN10830747427A[P].2018-07-20.
	FANG J , ZHAO Q F , LI J L . An LTE network coverage analysis and prediction method and system:CN10830747427A[P].2018-07-20.
[3]	黄剑锋 . LTE网络中基于干扰概率进行干扰分析的方法及系统的制作方法:CN105208581A[J].2015-12-30.
	HUANG J F . Method and system for making interference analysis based on interference probability in LTE network:CN105208581A[J].2015-12-30.
[4]	匡红, 叶猛 . LTE中基于S1接口的数据采集系统研究[J]. 电视技术, 2013(3).
	KUANG H , YE M . Research on data acquisition system based on S1 interface in LTE[J]. Television Technology, 2013(3).
[5]	盛璟, 刘洋, 许国平 . LTE无线网络优化的考量[J]. 邮电设计技术, 2014(12).
	SHENG J , LIU Y , XU G P . Considerations for LTE wireless network optimization[J]. Post and Telecommunications Design Technology, 2014(12).
[6]	钟逸秋, 冯赞, 曾纪宽 . LTE干扰分类和优化方法探究[J]. 通讯世界, 2016(18).
	ZHONG Y Q , FENG Z , ZENG J K . Research on classification and optimization of LTE interference[J]. Telecom World, 2016(18).
[13]	ZHOU D L , SUN Z Q , HU X J . Introduction to LTE signaling collection scheme[C]// 2014 LTE Network Innovation Seminar Proceedings.[S.l.:sn]. 2014.
[7]	林世明, 高志斌, 高凤连 . 基于路测的 TD-LTE 网络优化分析[J]. 现代电子技术, 2015(9).

样本ID	经度	纬度
1	113.350 908°	23.174 382°
2	113.349 794°	23.174 914°
3	113.345 159°	23.173 153°
4	113.354 214°	23.170 096°
5	113.361 4°	23.179 731°
6	113.335 385°	23.175 944°
7	113.330 283°	23.184 116°
8	113.343 147°	23.167 438°
9	113.343 147°	23.167 438°
10	113.346 309°	23.185 91°
11	113.362 119°	23.174 15°
12	113.339 122°	23.167 837°
13	113.372 683°	23.167 505°

样本ID	小区信息	RSRP/dBm	XRSR/dBm	聚类类别
1	6700472	－95	－105	A
2	6700472	－109	－100	A
3	6700472	－94	－108	B
4	6700472	－93	－101	B
5	6700472	－103	－103	A
6	6700472	－98	－102	A
7	6723893	－100	－98	A
8	6723893	－87	－107	A
9	6723893	－102	－102	B
10	6723893	－85	－102	C
11	6723893	－90	－98	C
12	6723891	－109	－100	C
13	6723891	－105	－102	C

模型输入	判断条件	判断结果	备注
服务小区及邻小区场强、MR采样点数、服务小区PCI	（1）主小区的MR采样点数>100；（2）主小区与8个以上（含8个）的邻小区关联系数＞1%	过覆盖导致干扰	关联系数：满足条件邻小区MR报告数/主小区MR总报告数；ScellRSRP（主小区）－NcellRSRP（邻小区）<6 dB，且采样点中主小区RSRP>－110 dBm时符合条件，关联系数>1%，则主/邻小区关联
	（1）小区的MR采样点数>100；（2）重叠覆盖度≥5%	重叠覆盖导致干扰	重叠覆盖度：小区上报样本点里，邻区电平和主校区电平相差>－6 dB的邻区数>3个的样本点比例（采样点主小区RSRP>－110 dBm）
	（1）小区的MR采样点数>100；（2）服务小区与邻小区PCI mod 3相等＆服务小区RSRP减邻小区RSRP的绝对值小于6的采样点比例大于或等于5%	模三干扰	模三干扰比例可设置为5%、10%、20%等
	（1）小区的MR采样点数>100；（2）服务小区与邻小区PCI mod 6相等＆服务小区RSRP－邻小区RSRP的绝对值小于6的采样点比例大于或等于5%	模六干扰	模六干扰比例可设置为5%、10%、20%等
	（1）小区的MR采样点数>100；（2）UL-SINR小于或等于0的采样占比≥5%的小区	低上行信噪比	可设置为5%、10%、20%、30%

区域	平均RSRP/dBm	干扰类型
区域1	－99	过覆盖导致干扰
区域2	－107	过覆盖导致干扰
区域3	－113	模三干扰
区域4	－116	低上行信噪比
区域5	－105	低上行信噪比
区域6	－97	低上行信噪比
区域7	－112	过覆盖导致干扰

[1]	许浩, 吴琳. 基于5G网络的VoWi-Fi互操作研究[J]. 电信科学, 2023, 39(5): 144-154.
[2]	宫峰勋, 李建坤. 简化频域Volterra级数的S模式信号接收系统特性[J]. 电信科学, 2022, 38(6): 100-110.
[3]	张叶江, 孙磊, 尹以雁, 杨晓康, 胡坚. 700 MHz频段在5G网络优化中的应用研究[J]. 电信科学, 2022, 38(6): 156-163.
[4]	李晗阳, 翁玮文, 李男, 张龙, 程锦霞. 5G NR RedCap关键技术研究[J]. 电信科学, 2022, 38(3): 93-101.
[5]	刘璐, 陈睿杰, 李嘉. 基于MDT重叠覆盖度数据的KNN-DBSCAN参数自适应调优研究[J]. 电信科学, 2022, 38(2): 119-129.
[6]	李贝, 胡煜华, 刘光海, 肖天, 宋春涛, 张屹, 王波, 王群青. 同频共享技术在2.1 GHz中的应用研究[J]. 电信科学, 2022, 38(12): 112-120.
[7]	陈山枝, 葛雨明, 时岩. 蜂窝车联网（C-V2X）技术发展、应用及展望[J]. 电信科学, 2022, 38(1): 1-12.
[8]	李光宇, 梁燕萍, 余立, 王昆, 陈扬铭, 刘思佳. 智能语音业务质量评估保障方案[J]. 电信科学, 2021, 37(5): 64-71.
[9]	蔡秉江. 基于LTE资源块感知的自适应无线流媒体系统[J]. 电信科学, 2021, 37(1): 147-158.
[10]	刘玮,张翼鹏,关旭迎,匡尚超,李凤. C-V2X车联网城市级规模示范应用[J]. 电信科学, 2020, 36(4): 27-35.
[11]	钟其柱. 基于机器学习分析VoLTE视频通话质量的研究及应用[J]. 电信科学, 2020, 36(3): 156-165.
[12]	赵训威,白杰,丁高泉,相里瑜. 230 MHz电力无线通信技术的优化[J]. 电信科学, 2019, 35(9): 158-164.
[13]	童辉. 5G新空口设计：如何从LTE拓展与创新[J]. 电信科学, 2019, 35(7): 17-26.
[14]	方箭,冯大权,段海军,郑灿健,钱恭斌. V2X通信研究概述[J]. 电信科学, 2019, 35(6): 102-112.
[15]	董铮,朱颖,杨春泽. 基于物联网和4G无线VPDN技术的实时视频监控系统的研究和应用[J]. 电信科学, 2018, 34(7): 195-200.