LTE—Advanced异构自动邻区关系研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇LTE—Advanced异构自动邻区关系研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】ANR技术是自组织网络功能的关键技术之一，可以实现邻区关系的自配置和自优化，缓解网规网优人员的工作强度，降低建网投入和运营成本。在lte-advanced（LTE-A）异构网络下，提出一种基于用户测量的ANR算法，它可根据终端上报的测量信息，自动准确地配置邻区关系。系统级仿真的结果表明，相比于传统固定邻区关系，所提ANR算法可以显著提高切换成功率，降低无线链路失败率，改善系统性能。

【关键词】自动邻区关系 切换成功率 系统级仿真

1 引言

近些年来，设备自组织网络下的网络管理简化引起了人们的广泛关注。人们讨论了3G/LTE中大量的SON（Self-organizing Networks，自组织网络）技术，其中一个主要技术就是ANR（Automatic Neighbor Relation，自动邻区关系）。NGMN（Next Generation Mobile Network，下一代移动网络）组织已经针对SON的一些技术提出了要求[1]。针对这些要求，3GPP在Release 8中对ANR进行了标准化[2]。

邻区关系规划优化是无线网络规划优化中的一个重要环节，其主要目的是保证小区边缘用户能及时切换到信号最佳的邻小区，以保证通话质量和整网的性能。只有在eNB（evolved Node Base，基站）端对各小区的邻区关系进行配置之后，用户从一个小区进入另外一个小区时，才会完成切换。因此准确的邻区关系配置是保证移动网络性能的基本要求。若邻区关系配置得太少，会造成大量掉话；若邻区关系配置得过多，则导致测量报告的精确性降低。

随着新基站的建立以及干扰环境的变化，需要对邻区关系进行更新。传统的网规网优工作是一项技术复杂、需要专业人员和工具的工作，主要通过大量的路测进行。然而路测需要消耗大量的时间和人力，而且由于测试本身不能遍历所有的覆盖区域和使用时间，所以对邻区优化的指导意义有限。从运营商的角度而言，要求更低的建网和运营成本，以便为广大用户提供更低价格的网络服务来赢得市场。因此，需要一种自动完成邻区关系配置的新方法，ANR技术应运而生。

ANR可以实现邻区关系的自配置和自优化，缓解网规网优人员的工作强度，降低建网投入和运营成本。ANR技术的具体细节在文献[4]中进行了阐释。文献[5][6]在同构场景下对ANR进行了研究，得出结论：同构场景下ANR可以提高切换成功率，改善系统性能。

本文将对LTE-A系统异构场景下的自动邻区关系进行研究，针对基于用户测量的ANR算法，完成建模并进行系统级仿真，得出仿真结果。研究结果表明，异构场景下，ANR技术可以降低漏配概率，显著提高切换成功率，改善系统性能。

2 系统模型

本文所提及的自动邻区关系算法是在系统运行阶段，利用UE（User Equipment，用户设备）的自主测量数据动态地建立邻区关系，减少了人工配置工作。

ANR功能包括三个模块：邻区检测模块、邻区删除模块和邻区关系表管理模块。其功能构架及接口关系如图1所示：

采用ANR技术时，eNB根据自己的检测或UE上报的测量信息，找到可能的同频邻区、异频邻区或系统间邻区，并依照预配置的策略自动更新邻小区列表、完成与邻小区建立X2接口等相关操作，具体步骤如下：

（1）eNB向UE下发ANR相关的测量配置，可以包括同技术（Intra-RAT）同频、异频测量或异技术（Inter-RAT）测量，UE收到测量配置后执行PCI（Physical Cell Identity，邻区物理小区标识）的测量，并将测到的邻区的PCI信息按照测量报告的格式上报给eNB；

（2）eNB收到邻区的PCI信息后，选取特定的UE下发报告CGI（Cell Global Identity，小区全局标识）、测量配置，UE收到此测量配置后，读取邻区的广播信息，获取邻区的CGI等信息；

（3）eNB收到UE上报的邻区的CGI等信息后，将信息上报给O&M（Operation and Maintenance，操作和维护）系统，由O&M决策是否添加该邻区。

图2是在某一时间点上一个异构网络区域的截图，图中A、B表示宏小区（Marco eNB），a、b表示微小区（Pico eNB）。图中阴影区域表示了小区重叠覆盖的区域。所有重叠覆盖区域的移动终端都可以测量到周围的邻基站的信号，这些移动终端会把测量的结果上报给服务自己的eNB，而且移动终端是可能处在移动状态的，因此，在某个时刻移动终端上报了测量结果，在一定时间以后，该移动终端还可能上报另一个不同的测量结果。eNB并不关心是哪些移动终端上报的测量结果，而是关注是哪些小区被上报给了自己，并统计各个小区被上报的次数，根据预先设定的门限值，eNB仅仅把上报次数超过门限值的小区添加到邻区关系列表中去。

阴影中的灰色小方块表示移动终端所在位置（图中未标出非重合区域的移动终端），字母表示来自移动终端的ANR测量报告，里面包含的信息有目标相邻小区ID和目标相邻小区RSRP（Reference Signal Received Power，参考信号接收功率）。以位于中间位置的Macro eNB A为例，它的覆盖区域与Marco eNB B、Pico eNB a的覆盖区域均存在重合部分，因此它会在邻区自配置阶段收到来自其服务移动终端的有关这些邻区的测量报告。在执行整个邻区自配置过程中，eNB需要下发特定的测量配置信息到移动终端，移动终端根据这些配置信息完成eNB需要的测量任务。

3 算法设计

本文在异构场景下采用一种基于用户测量信息的ANR算法，不同于传统的人工配置和基于eNB对eNB的测量方法，它能更有效地从用户上报的测量信息得到实际的网络环境，从而达到准确配置邻区列表的目的。

ANR算法的流程图如图3所示：

以下两个参数与ANR算法紧密相关：

1）ΔR：当移动终端检测到列表之外小区的RSRP比当前服务小区的RSRP高，而且差值大于该值时，移动终端才会上报测量的结果到服务Macro/Pico eNB（以下统称eNB），即满足不等式：

RSRPMeas>RSRPserv+ΔR （1）

式中RSRPMeas表示移动终端测量的列表外的小区参考信号接收功率，RSRPserv表示移动终端当前驻留小区的参考信号接收功率。

2）Ni：eNB统计到的未知eNB i被移动终端上报的总次数，仅当未知eNB的被移动终端上报的累计次数超过系统预设门限值时，eNB才把该未知eNB添加至NCL（Neighbor Cell List，邻小区列表）中，即满足下面不等式：

≥ （2）

如果NCL更新对无线覆盖的改变过于敏感，连续不断的NCL更新会增加eNB的处理负担。另外，如果NCL持续进行更新，可能影响其他SON技术，比如MRO（Mobility Robustness Optimization，移动负载均衡）和MLB（Mobility Load Balance，移动鲁棒性优化）。因此，应抑制不必要的NCL更新。

依靠多个移动终端多次测量的方法可以避免出现由于上报数量不足而误判的现象，这是一种分布式的邻区自配置方法，该功能是在各个eNB独立执行的，无论上报移动终端是谁，eNB仅统计某个相邻小区被移动终端测量并上报的总次数，每一次上报的数据可以表示移动终端所在位置以及附近的信号质量，那么当获得关于某个邻区与本小区重叠范围内的多个上报数据样本时，就大致获得了两个小区重叠覆盖的情况。随着用户的不断移动，用户以一定时间间隔上报测量结果，eNB再根据测量报告更新邻区列表。

4 仿真分析

4.1 参数设置

本节中的仿真基于符合3GPP规范定义的TD-LTE-A系统级SON仿真平台。具体参数设计如表1所示：

针对平台部署的57个Macro eNB和57个Pico eNB，Pico eNB均匀地部署在Macro eNB之间。网络运行初期给各个小区初始设置一个邻小区列表，任取三个相邻小区加入到该列表中。

为了验证本文ANR算法的优越性，在此设置一个对比场景，即固定邻区关系的场景。该场景中用户不再上报测量报告，各小区的邻小区列表固定为初始配置的列表。

4.2 仿真结果分析

通过仿真，采用ANR算法时，系统邻区列表长度可以在短时间内提高到5个；而固定邻区关系时，系统邻区列表长度始终为3个。这说明采用ANR算法时，邻区列表可以得到更新，并且能快速收敛。

异构场景下总切换成功率如图4所示：

从图4可以得知，用户速度在30km/h时，切换成功率可提高7%左右；而当用户速度提高到120km/h时，切换成功率可提高15%左右。这是因为，当用户移动速度比较低时，发生的切换相对较少，邻区缺失对于切换成功率的影响不是很大；然而，随着用户移动速度的增大，切换发生的越来越频繁，邻区缺失的影响就越来越明显。当固定邻区关系时，在用户移动速度为120km/h的情况下，切换成功率只有76%，这远远不能满足用户通话的需要。而采用ANR算法之后，切换成功率可以提高到90%以上，系统性能得到显著改善。

此外，系统中并未发生Pico-Pico和Macro-Pico的切换。用户速度在120km/h时，Macro-Macro和Pico-Macro的切换成功率如图5所示：

由图4和图5可知，对于切换成功率而言，异构场景下采用ANR算法比固定邻区关系的情况要提高15%左右。这说明采用ANR算法后，可以显著提高切换成功率，减少漏配情况的发生，改善系统性能。这是因为通过ANR算法，邻区列表得以实时更新，eNB端根据用户所报告的测量数据把RSRP最高的邻小区加入到邻区列表中，从而使得切换可以在条件最好的邻区之间进行，提高了切换成功率。而固定邻区关系时，邻区列表始终是固定的，它未必包含条件最好的邻小区，因此不能保证切换在条件最好的邻区之间进行，故而切换成功率很低。

RLF（Radio Link Failure，无线链路失败）发生次数如图6所示。

由图6可知，异构场景下采用ANR算法可以显著降低RLF的发生次数，改善系统性能。在固定邻区关系时，由于邻区列表始终是固定的，不能根据实际情况进行更新，因此漏配情况频频发生，RLF发生率自然很高。采用ANR算法之后，可以显著降低漏配发生的概率，从而降低RLF发生率。

5 结束语

在通信技术日益发展的今天，ANR技术显得越来越重要。本文对ANR技术展开了研究，建模仿真了LTE-A系统异构场景下一种基于用户测量的ANR算法的性能。仿真结果表明，异构场景下所提ANR算法可以显著提高切换成功率、改善系统性能。ANR技术通过终端测量结合实际情况来优化邻区关系，几乎无需人工开销，可始终处于工作状态，从而保证不间断优化，降低漏配邻区的概率，减少漏配邻区所导致的低切换成功率以提高网络性能。同时，对于漏配邻区可以自动检测并合理添加，减少了运营商的配置工作，从而显著提升网络运维人员的工作效率，提高网络性能。ANR技术的广泛运用，一定可以促进网络融合，推动通信技术的发展。

参考文献：

[1] NGMN. NGMN Recommendation on SON and O&M Requirements[S]. 2008.

[2] 3GPP. 3GPP TS 36.300 v8.12.0： Radio Access （E-UTRA） and Radio Access Network （E-UTRAN）； Overall description[S]. 2010.

[3] Peng Mugen， Wang Wenbo. Technologies and standards for TD-SCDMA evolutions to IMT-Advanced [J]. IEEE Communications Magazines， 2009（12）： 50-58.

[4] Anders Dahlén， Arne Johansson， Fredrik Gunnarsson. Evaluations of LTE Automatic Neighbor Relations[C]. Vehicular Technology Conference （VTC Spring）， 2011.

[5] 王艳霞. LTE系统自动邻区关系研究[D]. 西安： 西安电子科技大学， 2009.

[6] Yoshinori Watanabe， Yasuhiko Matsunaga. Dynamic Neighbor Cell List Management for Handover Optimization in LTE[C]. Vehicular Technology Conference （VTC Spring）， 2011.

[7] Peng Mugen， Ding Zhiguo， Zhou Yiqing， et al. Advanced Self-Organizing Technologies over Distributed Wireless Networks[J]. International Journal of Distributed Sensor Networks， 2012.

[8] Yao Wei， Peng Mugen， Wang Wenbo， et al. Automatic Distributing Schemes of Physical Cell Identity for Self-Organizing Networks[J]. International Journal of Distributed Sensor Networks， 2012.