Nokia干扰矩阵建立算法详解.doc

1、Nokia系统基于MR的干扰矩阵建立方法详解概述：本文主要针对Nokia系统的统计后的MR报告如何建立干扰矩阵进行详细解析，同时剖析Schema的Forte软件在Nokia系统下的干扰矩阵生成方式，并对两种方法进行比较。理论基础请参见Nokia系统基于MR报告的干扰矩阵建立这篇文章，由于其中部分内容较为简略，下文对理论流程进行详解。算法流程：1、Nokia系统MR报告详解严格来说，我们收集到的Nokia系统下的MR报告是一个统计后的结果，它是在网络设定的统计上报时间内对同一个小区下测量到的频点的电平按照3个区间进行了划分（区间可以人为设定），这3个区间分别是CI6db，6CI0，CI0，在对电

2、平落在这3个区间的次数进行统计的同时，对主服务小区的电平值，邻区的电平均值和方差进行统计。详细解释如下表：序列数据项解释1INT_IDOMC中小区的INT_ID2PERIOD_START_TIME测量开始时间3PERIOD_STOP_TIME测量结束时间4PERIOD_REAL_START_TIME真实测量开始时间5PERIOD_REAL_STOP_TIME真实测量结束时间6PERIOD_DURATION测量周期7BTS_IDOMC中小区的BTS_ID8BTS_INT_IDOMC中小区的BTS_INT_ID9SEGMENT_IDOMC中小区的SEGMENT_ID10TRX_TYPE载频类型11

3、DB_VALUE_LOW低门限值12DB_VALUE_HIGH高门限值13AVE_DL_SIG_STR_SERV_CELL_SUM主服务小区的电平统计总和14AVE_DL_SIG_STR_SERV_CELL_DEN主服务小区的电平统计次数15STD_DEV_OF_SERV_CELL主服务小区的电平统计标准差16AVE_DL_SIG_STR_ADJ_CELL测量邻区的平均电平17NCC测量邻区的BCC18BCC测量邻区的NCC19BCCH测量邻区的BCCH20STD_DEV_OF_ADJ_CELL测量邻区的电平标准差21NBR_OF_SAMPLES_IN_CLASS_1测量邻区的电平落在1区间的

4、次数22NBR_OF_SAMPLES_IN_CLASS_2测量邻区的电平落在2区间的次数23NBR_OF_SAMPLES_IN_CLASS_3测量邻区的电平落在3区间的次数24Expr1023未知25BSC_GID未知26BTS_GID未知表1 MR格式详解完整的MR报告由两个文件构成：DAC（Defined Adjacent Cell）和CF（Channel Finder），分别对应有邻区关系的测量统计和没有邻区关系的测量统计，需要注意的是CF文件比DAC少了上述表格中13，14，15这3个统计值，因为对于一个小区同一段时间内的统计来说，主服务小区的电平测量值是相同的，所以CF中的这些值和D

5、AC是相同的。将两个表合并可以得到完整的MR报告。1.1 MR报告的处理1） 获取主服务小区的平均电平 根据表格1中的13，14项，用13的值除以14的值，得到主服务小区的平均电平。2） 获取服务小区所测量的小区 根据17，18，19项，即BCCH+BSIC，结合OMC中的c_adjacent文件定位出测量小区的小区号。3） 获取所测量小区的平均电平 表1中的16项。4） 获取统计时间内的平均CI值 利用2.1计算的结果减去16项的结果，得出当前测量统计时间内的平均CI。1.2 基于FER的干扰矩阵建立我们采用帧误码率FER（Frame Erase Rate）来衡量干扰质量的大小。CI和FER

6、的转换公式如下： （1）因此多个MR报告产生的干扰矩阵的公式也变为： （2）下图为FER和Ci的关系曲线：图1 FER和CI关系图1.3 计算步骤：i. 由统计平均CI计算FER；ii. 根据统计次数对FER进行加权处理得出绝对干扰值；iii. 对干扰值进行归一化处理。算法流程图（针对单小区）AVE_DL_SIG_STR_SERV_CELL_SUM/AVE_DL_SIG_STR_SERV_CELL_DEN得到服务小区电平服务小区电平-AVE_DL_SIG_STR_ADJ_CELL得到平均CI根据 计算FER根据NBR_OF_SAMPLES_IN_CLASS_1+NBR_OF_SAMPLES_I

7、N_CLASS_1+NBR_OF_SAMPLES_IN_CLASS_1计算测量次数测量次数*FER得到加权FER对加权FER进行归一化处理得到干扰百分比2、根据Schema Forte软件获取干扰矩阵的方法2.1 MR数据简介Schema Forte是一套比较成熟的运用MR进行频率优化的软件，虽然它的算法流程并未开放，但是通过软件建立环境的生成报告可以手动计算网络的干扰矩阵，方法如下：（1） 第一步，运用Forte按照标准流程针对Nokia系统建立环境数据，导入收集到的MR数据；（2） 第二步，运用Forte软件将建立的环境数据和MR报告数据统一的导出成Schema的标准格式SchemaFor

8、mat文件，它包括如下文件：1c2i.txt2cellNameHistory.txt3ChannelGroups.txt4freqConstraints.txt5frequencySeparation.txt6HandoverLocking.txt7Handover.txt8HardwareEquipment.txt9hostates.txt10IndoorOutdoor.txt11kpis.txt12network.properties13relationConstraints.txt14RxLevels.txt15RxQual.txt16Sectors.txt17Traffic.txt理论

9、上来说，这是Forte软件对各个厂家设备进行数据格式的标准化处理，这些文件也说明了Forte软件不管针对哪个厂家设备，在进行环境建立，算法生成时所需要的各种网络信息，至少包括小区信息、干扰信息、切换信息、频点信息、接收电平、接收质量、话务、KPI指标等。（3） 第三步，计算干扰矩阵，由上表的第一个文件c2i.txt就是Forte软件的干扰矩阵原始表，通过它可以计算干扰值。首先看一下表结构：Serving SectorInterfering SectorShadowedMeanSTD1000210215FALSE12.285.911000210218FALSE48.9714.9100021045

10、4FALSE49.2316.091000210528FALSE69.57201000210702FALSE29.6912.021000210754FALSE43.5713.81000210873FALSE21.4110.81000210913FALSE22.3910.811000210969FALSE71.83201000210983FALSE68.05201000219017FALSE16.319.04各个字段分别表示服务小区，干扰小区，未知，平均CI值，平均方差。2.2 理论基础下面介绍一下如何从CI分布来计算干扰概率根据GSM基本理论，我们测量到的电平值服从正态分布（不考虑瑞利分布的影响

11、），根据概率学原理，如果 C和I不相关，那么也服从正态分布，且 （5）结合GSM对同频CI的保护比，一般设为12db（9db为规范要求，加上3db余量）那么在服从的情况下，就可以计算同频下可能发生干扰的概率，如下如所示：12db线直线左边的曲线与X轴所夹的面积即为干扰概率2.3 计算流程这里按照9db标准计算：根据(MEAN-9)/STD = a标准化正态分布计算N（0，1）在a处的值b1-b得出绝对干扰概率值f根据服务小区对f进行归一化计算干扰百分比F2.4 Forte功能显示Forte软件的功能很多，在表示小区的干扰时，不仅在数值上能够显示，在每个频点上也能够显示相应的干扰值，对外部所有小

12、区的干扰值以及外部小区对该小区的干扰总值，同时能够在地图上用不同的颜色显示出来。如下图所示，在图中颜色越深表示干扰的程度越高（干扰值越大）：根据我的推算，Forte软件在进行干扰分级时，各个级别划分规则如下：同频干扰概率绝对值干扰等级显示0.5=f150-1000.3=f0.530-500.2=f0.320-300.1=f0.210-200.05=f0.15-100.03=f0.053-50.01=f0.031-30.005=f0.010.5-10.001=f0.0050.1-0.50.=f0.0010-0.1下面是一个实验证明，这和上图中的显示颜色是一致的： BTS_NAMEadj_cell

13、Schema_MEANSchema_STD计算的同频干扰概率绝对值干扰等级颜色10722108769.866.430.629350-100深红107223072211.658.170.51650-100深红107223901812.939.950.464130-50红色107223087631.1110.180.03073-5黄色107223009814.29.120.405230-50红色107222087631.3810.240.02941-3浅黄色107221009815.6810.080.359630-50红色107223079318.129.140.254620-30浅红107221

14、016118.8610.120.251420-30浅红107222984220.1311.490.24220-30浅红107221973120.039.910.20920-30浅红107222901822.3910.210.156210-20橙色107222072225.2311.10.11710-20橙色107221986224.4711.680.144610-20橙色107221984239.95200.08235-10浅橙色107223000743.84200.05595-10浅橙色107221901846.41200.04273-5黄色107223984242.8616.950.034

15、43-5黄色107221964246.4917.270.02331-3浅黄色107222073246.218.120.031-3浅黄色107221907151.07200.02561-3浅黄色107222001439.3513.480.02171-3浅黄色107221079343.7515.480.02021-3浅黄色107221962249.8418.460.02071-3浅黄色107221092747.6116.740.0171-3浅黄色107223073254.91200.01621-3浅黄色107222986248.8814.960.00690.5-1浅绿色107223037736.0

16、910.610.01161-3浅黄色107221080356.71200.01291-3浅黄色107221073255.6619.530.01291-3浅黄色107221025257.72200.01131-3浅黄色107221038744.6313.840.00940.5-1浅绿色107221001459.45200.00890.5-1浅绿色107223973159.5416.640.00220.1-0.5绿色107222021366.92200.00310.1-0.5绿色107223031166.45200.00330.1-0.5绿色107221963266.87200.00310.1-0

17、.5绿色107222907167.15200.0030.1-0.5绿色107223016168.44200.00240.1-0.5绿色107222090767.99200.00260.1-0.5绿色107223080368.84200.00230.1-0.5绿色107223986271.88200.00140.1-0.5绿色107223024772.78200.00190.1-0.5绿色3、算法实例下面是一份MR报告小区10722的统计数据：其中没有参与计算的数据已经略去：根据1.3流程计算结果和Schema计算结果如下：BTS_NAMEadj_cellSchema计算结果FER计算结果两者绝

18、对误差107221087614.63%14.57%-0.06%107223072212.00%17.33%5.33%107223901810.79%10.85%0.06%10722308760.71%0.59%-0.12%10722300989.42%10.70%1.28%10722208760.68%0.41%-0.27%10722100988.36%7.22%-1.14%10722307935.92%4.49%-1.43%10722101615.85%5.36%-0.49%10722298425.63%5.65%0.02%10722197314.86%3.60%-1.26%10722290

19、183.63%3.46%-0.17%10722207222.72%5.80%3.08%10722198623.36%3.40%0.04%10722198421.91%0.80%-1.11%10722300071.30%0.79%-0.51%10722190180.99%0.39%-0.60%10722398420.80%1.07%0.27%10722196420.54%0.46%-0.08%10722207320.70%0.14%-0.56%10722190710.60%0.63%0.04%10722200140.51%0.24%-0.27%10722107930.47%0.09%-0.38%

20、10722196220.48%0.50%0.02%10722109270.40%0.21%-0.19%10722307320.38%0.11%-0.27%10722298620.16%0.23%0.07%10722303770.27%0.10%-0.17%10722108030.30%0.05%-0.25%10722107320.30%0.06%-0.24%10722102520.26%0.08%-0.18%10722103870.22%0.17%-0.05%10722100140.21%0.08%-0.13%10722397310.05%0.04%-0.01%10722202130.07%0

21、.05%-0.02%10722303110.08%0.02%-0.06%10722196320.07%0.03%-0.04%10722290710.07%0.08%0.01%10722301610.06%0.05%-0.01%10722209070.06%0.06%0.00%10722308030.05%0.02%-0.03%10722398620.03%0.02%-0.01%10722302470.04%0.01%-0.03%总结 从计算结果来看，FER和Schema计算结果偏差是不大的，主要的误差出现在干扰概率很小的小区，这在绝对误差上看不出，但在相对误差上还是有差距的，要想获得更完美的算法还需要进一步优化。