Nokia干扰矩阵建立算法详解.doc
《Nokia干扰矩阵建立算法详解.doc》由会员分享,可在线阅读,更多相关《Nokia干扰矩阵建立算法详解.doc(10页珍藏版)》请在冰点文库上搜索。
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CI》6db,6》CI》0,CI《0,在对电平落在这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
1
INT_ID
OMC中小区的INT_ID
2
PERIOD_START_TIME
测量开始时间
3
PERIOD_STOP_TIME
测量结束时间
4
PERIOD_REAL_START_TIME
真实测量开始时间
5
PERIOD_REAL_STOP_TIME
真实测量结束时间
6
PERIOD_DURATION
测量周期
7
BTS_ID
OMC中小区的BTS_ID
8
BTS_INT_ID
OMC中小区的BTS_INT_ID
9
SEGMENT_ID
OMC中小区的SEGMENT_ID
10
TRX_TYPE
载频类型
11
DB_VALUE_LOW
低门限值
12
DB_VALUE_HIGH
高门限值
13
AVE_DL_SIG_STR_SERV_CELL_SUM
主服务小区的电平统计总和
14
AVE_DL_SIG_STR_SERV_CELL_DEN
主服务小区的电平统计次数
15
STD_DEV_OF_SERV_CELL
主服务小区的电平统计标准差
16
AVE_DL_SIG_STR_ADJ_CELL
测量邻区的平均电平
17
NCC
测量邻区的BCC
18
BCC
测量邻区的NCC
19
BCCH
测量邻区的BCCH
20
STD_DEV_OF_ADJ_CELL
测量邻区的电平标准差
21
NBR_OF_SAMPLES_IN_CLASS_1
测量邻区的电平落在1区间的次数
22
NBR_OF_SAMPLES_IN_CLASS_2
测量邻区的电平落在2区间的次数
23
NBR_OF_SAMPLES_IN_CLASS_3
测量邻区的电平落在3区间的次数
24
Expr1023
未知
25
BSC_GID
未知
26
BTS_GID
未知
表1MR格式详解
完整的MR报告由两个文件构成:
DAC(DefinedAdjacentCell)和CF(ChannelFinder),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。
1.1MR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(FrameEraseRate)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1FER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_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SchemaForte软件获取干扰矩阵的方法
2.1MR数据简介
SchemaForte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:
1
c2i.txt
2
cellNameHistory.txt
3
ChannelGroups.txt
4
freqConstraints.txt
5
frequencySeparation.txt
6
HandoverLocking.txt
7
Handover.txt
8
HardwareEquipment.txt
9
hostates.txt
10
IndoorOutdoor.txt
11
kpis.txt
12
network.properties
13
relationConstraints.txt
14
RxLevels.txt
15
RxQual.txt
16
Sectors.txt
17
Traffic.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、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:
ServingSector
InterferingSector
Shadowed
Mean
STD
10002
10215
FALSE
12.28
5.91
10002
10218
FALSE
48.97
14.9
10002
10454
FALSE
49.23
16.09
10002
10528
FALSE
69.57
20
10002
10702
FALSE
29.69
12.02
10002
10754
FALSE
43.57
13.8
10002
10873
FALSE
21.41
10.8
10002
10913
FALSE
22.39
10.81
10002
10969
FALSE
71.83
20
10002
10983
FALSE
68.05
20
10002
19017
FALSE
16.31
9.04
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),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b
1-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F
2.4Forte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<=f<1
50-100
0.3<=f<0.5
30-50
0.2<=f<0.3
20-30
0.1<=f<0.2
10-20
0.05<=f<0.1
5-10
0.03<=f<0.05
3-5
0.01<=f<0.03
1-3
0.005<=f<0.01
0.5-1
0.001<=f<0.005
0.1-0.5
0.<=f<0.001
0-0.1
下面是一个实验证明,这和上图中的显示颜色是一致的:
BTS_NAME
adj_cell
Schema_MEAN
Schema_STD
计算的同频干扰概率绝对值
干扰等级
颜色
10722
10876
9.86
6.43
0.6293
50-100
深红
10722
30722
11.65
8.17
0.516
50-100
深红
10722
39018
12.93
9.95
0.4641
30-50
红色
10722
30876
31.11
10.18
0.0307
3-5
黄色
10722
30098
14.2
9.12
0.4052
30-50
红色
10722
20876
31.38
10.24
0.0294
1-3
浅黄色
10722
10098
15.68
10.08
0.3596
30-50
红色
10722
30793
18.12
9.14
0.2546
20-30
浅红
10722
10161
18.86
10.12
0.2514
20-30
浅红
10722
29842
20.13
11.49
0.242
20-30
浅红
10722
19731
20.03
9.91
0.209
20-30
浅红
10722
29018
22.39
10.21
0.1562
10-20
橙色
10722
20722
25.23
11.1
0.117
10-20
橙色
10722
19862
24.47
11.68
0.1446
10-20
橙色
10722
19842
39.95
20
0.0823
5-10
浅橙色
10722
30007
43.84
20
0.0559
5-10
浅橙色
10722
19018
46.41
20
0.0427
3-5
黄色
10722
39842
42.86
16.95
0.0344
3-5
黄色
10722
19642
46.49
17.27
0.0233
1-3
浅黄色
10722
20732
46.2
18.12
0.03
1-3
浅黄色
10722
19071
51.07
20
0.0256
1-3
浅黄色
10722
20014
39.35
13.48
0.0217
1-3
浅黄色
10722
10793
43.75
15.48
0.0202
1-3
浅黄色
10722
19622
49.84
18.46
0.0207
1-3
浅黄色
10722
10927
47.61
16.74
0.017
1-3
浅黄色
10722
30732
54.91
20
0.0162
1-3
浅黄色
10722
29862
48.88
14.96
0.0069
0.5-1
浅绿色
10722
30377
36.09
10.61
0.0116
1-3
浅黄色
10722
10803
56.71
20
0.0129
1-3
浅黄色
10722
10732
55.66
19.53
0.0129
1-3
浅黄色
10722
10252
57.72
20
0.0113
1-3
浅黄色
10722
10387
44.63
13.84
0.0094
0.5-1
浅绿色
10722
10014
59.45
20
0.0089
0.5-1
浅绿色
10722
39731
59.54
16.64
0.0022
0.1-0.5
绿色
10722
20213
66.92
20
0.0031
0.1-0.5
绿色
10722
30311
66.45
20
0.0033
0.1-0.5
绿色
10722
19632
66.87
20
0.0031
0.1-0.5
绿色
10722
29071
67.15
20
0.003
0.1-0.5
绿色
10722
30161
68.44
20
0.0024
0.1-0.5
绿色
10722
20907
67.99
20
0.0026
0.1-0.5
绿色
10722
30803
68.84
20
0.0023
0.1-0.5
绿色
10722
39862
71.88
20
0.0014
0.1-0.5
绿色
10722
30247
72.78
20
0.0019
0.1-0.5
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_NAME
adj_cell
Schema计算结果
FER计算结果
两者绝对误差
10722
10876
14.63%
14.57%
-0.06%
10722
30722
12.00%
17.33%
5.33%
10722
39018
10.79%
10.85%
0.06%
10722
30876
0.71%
0.59%
-0.12%
10722
30098
9.42%
10.70%
1.28%
10722
20876
0.68%
0.41%
-0.27%
10722
10098
8.36%
7.22%
-1.14%
10722
30793
5.92%
4.49%
-1.43%
10722
10161
5.85%
5.36%
-0.49%
10722
29842
5.63%
5.65%
0.02%
10722
19731
4.86%
3.60%
-1.26%
10722
29018
3.63%
3.46%
-0.17%
10722
20722
2.72%
5.80%
3.08%
10722
19862
3.36%
3.40%
0.04%
10722
19842
1.91%
0.80%
-1.11%
10722
30007
1.30%
0.79%
-0.51%
10722
19018
0.99%
0.39%
-0.60%
10722
39842
0.80%
1.07%
0.27%
10722
19642
0.54%
0.46%
-0.08%
10722
20732
0.70%
0.14%
-0.56%
10722
19071
0.60%
0.63%
0.04%
10722
20014
0.51%
0.24%
-0.27%
10722
10793
0.47%
0.09%
-0.38%
10722
19622
0.48%
0.50%
0.02%
10722
10927
0.40%
0.21%
-0.19%
10722
30732
0.38%
0.11%
-0.27%
10722
29862
0.16%
0.23%
0.07%
10722
30377
0.27%
0.10%
-0.17%
10722
10803
0.30%
0.05%
-0.25%
10722
10732
0.30%
0.06%
-0.24%
10722
10252
0.26%
0.08%
-0.18%
10722
10387
0.22%
0.17%
-0.05%
10722
10014
0.21%
0.08%
-0.13%
10722
39731
0.05%
0.04%
-0.01%
10722
20213
0.07%
0.05%
-0.02%
10722
30311
0.08%
0.02%
-0.06%
10722
19632
0.07%
0.03%
-0.04%
10722
29071
0.07%
0.08%
0.01%
10722
30161
0.06%
0.05%
-0.01%
10722
20907
0.06%
0.06%
0.00%
10722
30803
0.05%
0.02%
-0.03%
10722
39862
0.03%
0.02%
-0.01%
10722
30247
0.04%
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。