Nokia干扰矩阵建立算法详解Word格式文档下载.doc

1、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

2、平落在3区间的次数24Expr1023未知25BSC_GID26BTS_GID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DAC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

3、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

4、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_IN_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S

5、chema 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SchemaFormat文件，它包括如下文件：c2i.txtcellNameHistory.txtChannelGroups.txtfreqConstraints.txtfrequ

6、encySeparation.txtHandoverLocking.txtHandover.txtHardwareEquipment.txthostates.txtIndoorOutdoor.txtkpis.txtnetwork.propertiesrelationConstraints.txtRxLevels.txtRxQual.txtSectors.txtTraffic.txt理论上来说，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

7、、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 SectorShadowedMeanSTD1000210215FALSE12.285.911021848.9714.91045449.2316.091052869.571070229.6912.021075443.5713.81087321.4110.81091322.3910.811096971.831098368.051901716.319.04各个字段分别表示

8、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），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

9、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=f50-1000.30.530-500.20.320-300.10.210-200.050.15-100.030.053-50.010.031-30.0050.010.5-10.

10、0010.0050.1-0.50.0.0010-0.1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_cellSchema_MEANSchema_STD计算的同频干扰概率绝对值干扰等级颜色10722108769.866.430.6293深红3072211.658.170.5163901812.939.950.4641红色3087631.1110.180.0307黄色3009814.29.120.40522087631.3810.240.0294浅黄色1009815.6810.080.35963079318.129.140.2546浅红1016118.8610.120

11、.25142984220.1311.490.2421973120.039.910.2092901810.210.1562橙色2072225.2311.10.1171986224.4711.680.14461984239.950.0823浅橙色3000743.840.05591901846.410.04273984242.8616.950.03441964246.4917.270.02332073246.21907151.070.02562001439.3513.480.02171079343.7515.480.02021962249.8418.460.02071092747.6116.740.

12、0173073254.910.01622986248.8814.960.0069浅绿色3037736.0910.610.01161080356.710.01291073255.6619.531025257.720.01131038744.6313.840.00941001459.450.00893973159.5416.640.0022绿色2021366.920.00313031166.450.00331963266.872907167.150.0033016168.440.00242090767.990.00263080368.840.00233986271.880.00143024772.

13、780.00193、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：Schema计算结果FER计算结果两者绝对误差14.63%14.57%-0.06%12.00%17.33%5.33%10.79%10.85%0.06%0.71%0.59%-0.12%9.42%10.70%1.28%0.68%0.41%-0.27%8.36%7.22%-1.14%5.92%4.49%-1.43%5.85%5.36%-0.49%5.63%5.65%0.02%4.86%3.60%-1.26%3.63%3.46%-0.17%2.72%

14、5.80%3.08%3.36%3.40%0.04%1.91%0.80%-1.11%1.30%0.79%-0.51%0.99%0.39%-0.60%1.07%0.27%0.54%0.46%-0.08%0.70%0.14%-0.56%0.60%0.63%0.51%0.24%0.47%0.09%-0.38%0.48%0.50%0.40%0.21%-0.19%0.38%0.11%0.16%0.23%0.07%0.10%0.30%0.05%-0.25%-0.24%0.26%0.08%-0.18%0.22%0.17%-0.05%-0.13%-0.01%-0.02%0.03%-0.04%0.01%0.00%-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。