5G工具箱 | AAPC，天线权值自适应，覆盖提质精细化

中兴通讯 今天


5G工具箱系列已推出第三期，前面介绍了SON、WNG，我们可以了解到，这些“5G工具”可以实现通信网络自动化。

来看看这一期5G工具箱的主角，它将实现5G天线波束调节自动化！





说到5G，不能不提5G关键技术
Massive MIMO
（Multiple Input Multiple Output）

正是这项神技
大幅提升了各种复杂场景下的
网络容量和立体纵深覆盖

MM为什么这么能打？
两个大招

5G天线与传统天线有何不同？

传统MIMO天线：仅能调整水平方向波束宽度。
Massive MIMO天线：阵列天线同时支持水平波束与垂直波束宽度调整，也就是通常所说的三维(3D)赋形，大大提高了垂直方向覆盖性能。

由此可见
5G时代的MM天线
对于传统天线可谓是降维打击！




但，问题也随之而来
更高的维度意味着更高的复杂度
Massive MIMO大规模阵列天线
有五个调整参数
分别是
 水平波瓣宽度 
 垂直波瓣宽度 
 波束方向角 
 下倾角 
 波束数量 
每个维度还可以通过
设置合理步长进行精细化调整

计算下来
一个小区理论上可能的天线参数权值
就达上万种！

靠人工？办不到！
只能靠人工智能！

我们请出今天的主角—AAPC


AAPC
中文名天馈权值自优化
英文名Automatic Antenna Pattern Control
性格

善于学习，从小蚂蚁身上找到最优问题解；

智慧，利用AI技术自我学习，自我优化；

勤奋，7*24小时不眠不休。



小蚂蚁，大智慧




Massive MIMO天线参数权值组合众多

多小区协同时，其解空间超级庞大
对AI系统的算力要求非常高
如果遍历搜索，有可能需要一万年
……

选择太多也苦恼
如何众里寻他，找到最优解？
我们从大自然找灵感


通向食物的路有千万条
小蚂蚁们如何找到最近的那一条？

蚂蚁在寻找食物时，会在其经过的路径上释放一种信息素，并能够感知其他蚂蚁释放的信息素。信息素浓度的大小表示路径的远近，信息素浓度越高，表示对应的路径距离越短。蚂蚁会较大概率优先选择信息素浓度较高的路径，并释放一定的信息素，以增强该路径的信息素浓度，这样就形成一个正反馈，最终，整个蚁群会在正反馈的作用下集中到最近的路线上。

用蚂蚁们的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间，最佳路线便是待优化问题的最优解。

看，蚂蚁也会利用大数据
这个算法叫做
蚁群算法

中兴通讯AAPC方案
采用的就是蚁群算法
寻找到了最优解


首先，基于优化目标和搜索时间的平衡，对解空间（天线权值组）进行优化，通过仿真学习，舍弃效果不明显的权值组，并设置最大迭代次数，降低对算力的要求，也大幅减少最优解的搜索时间。

然后，AAPC根据不同场景、用户分布和优化目标，给出优化权值，下发网元执行后再通过UE上报数据验证优化效果，进行下一次优化迭代，如遇KPI劣化，则直接回退上一权值组。



小蚂蚁，解决了大问题！



外场实战，40天变2天



让我们在外场用AAPC进行
一场实战演练

操作全流程

先采集网络UE相关信息，对UE分布进行统计和预测，并据此进行天线广播权值计算，得出一个优化权值后下发基站生效，监控网络KPI变化情况评估效果，一个循环结束。具体如下：



寻找最优解

选择目标区域后，采集目标区域内的UE相关信息，获取UE的信号强度、位置及路损信息，综合考虑覆盖及干扰等因素，设置优化目标和迭代次数，采用蚁群搜索算法寻找最优解。



实战结论

测试验证，由原来40多人天的工作量，缩短到2人天就可完成。

相比较于权值优化调整前，网络整体覆盖优化效果显著，RSRP可提升4.7-5.5dB，SINR提升2.4-3.2dB。

如采用SSB和CSI-RS联合优化，小区平均吞吐率可提升11%+。


AAPC天线权值自适应调整

在5G发展中将成为基础关键优化手段

特别是随着网络规模的增长和业务的发展

其不可替代性越发显现


未来，中兴通讯将把

AAPC与1+X SSB立体覆盖组网方案相结合

二者的结合将带来寻优效率进一步提升



5G工具箱系列





WNG，自动路测，验收优化更轻松！
SON，基站自配置，自优化一步到位！

中兴5G工具箱
智能化工具层出不穷
打开工具箱，更智能，更精准
更高效的智能网络运维唾手可得