一种根据mr信息生成系统仿真使用的话务信道位置的方法
【专利说明】
[技术领域]
[0001]本发明涉及无线通信技术领域，具体是一种根据MR信息生成系统仿真使用的话务信道位置的方法。
[【背景技术】]
[0002]MR (Measurement Report，测量报告)是指信息在业务信道上每480ms (信令信道上470ms)发送一次数据，这些数据可用于网络评估和优化。基于传统的网络优化方法，只能通过路测、定点测试来获得用户感受信息，如网络覆盖情况、通话质量情况等，而路测和定点测试往往只能对一些主干道、重点场所进行测试，所获得的采样点数据相对于MR的用户信息要少得多，因此分析的结果存在片面性。
[0003]作为系统仿真的话务产生方法，传统有几种:
[0004]随机位置，地理信息CLUTTER，即13种不同传播特性的地貌分类权重，小区覆盖范围内随机位置，或者结合小区覆盖范围和地理信息CLUTTER权重生成，或者根据某数学算法生成；
[0005]随机位置:在某个指定区域内，每次仿真时用户位置随机化分布，通过多次的用户位置随机化，达到总体上用户能够遍历每个地理位置，满足无线通信的覆盖目标95%以上的覆盖率和一定的覆盖质量。
[0006]地理信息CLUTTER权重:由于随机位置的用户分布不太适合真实的用户分布场景，为了进一步与实际场景接近，考虑不同CLUTTER上的用户密度不同和存在，因此以CLUTTER属性来区分用户分布的多少程度，即权重的思路。这种分布相比单纯的随机分布更加接近实际的用户分布情况。
[0007]小区覆盖范围内随机位置:考虑到每个小区的实际服务的话务信道多少，考虑某小区的主导覆盖区域内的用户分布数目，相比前面的权重方法，进一步缩小了与实际情况的误差。
[0008]使用MR数据作为系统仿真的输入条件来评估网络性能这一思路，目前很少有专利描述。现有技术中有一种如公开号为103379510A的利用MR数据进行小区规划的方法和装置，该专利是使用MR数据与仿真之间的电平差异形成对比和校正，缩小传播模型的误差，但是这种方法精确度仍然不够高。现有技术中还有一种如公开号103763732A公开的一种移动通信系统的容量仿真系统和方法，该专利使用了栅格的方法获取小区的容量估算，估算结果精确度不及MR信息在系统仿真中的使用情况。技术生成话务与现实情况有差异，甚至误差比较大，多数情况下以这些技术生成的话务无法准确评估现有网络的性能，无法正确预测现有网络的优化方案的结果。上述方法的话务分布方法，总体目标是为了减少与实际的误差而产生的算法和权衡。但是无论如何，以任何方法预测话务分布，总是与实际的误差差异不小。[
【发明内容】
]
[0009]本发明的目的就是为了解决现有技术中的上述缺陷，使用MR数据生成了系统仿真所使用的信道位置信息这一思路和方法。其根据MR信息生成系统仿真工具采用的信道位置信息的思路，并不同时段能够在一定范围内进行强度叠加，由此作为系统仿真的输入条件，能够预期无线网络的性能变动。
[0010]为实现上述目的，提供一种根据MR信息生成系统仿真使用的话务信道位置的方法，其特征在于:先根据周围小区的工程参数信息，以及接收的这些小区的电平强度和时间因素，计算出某个MR的地理位置，并在这些位置范围内针对MR数据比较多、MR数据出现位置接近或相同的情况做叠加的处理技术；
[0011]使用MR的时段属性，提取连续几天的上午同时段的MR数据，生成相应的话务请求强度，提取连续几天的下午同时段的MR数据，生成相应的话务请求强度，合并上午和下午的话务请求强度，如果是在某个范围内，需要同位置叠加的技术处理，如果再合并其他时间的MR信息，也采用相同的话务叠加处理技术；
[0012]根据小区的话务总量，参考生成的MR位置话务请求强度值，等比例的计算这些位置的信道数；
[0013]在系统仿真工具内输入这些具有位置信息的用户分布。
[0014]对MR数据进行校准以使MR数据能够准确评估网络性能，该校准方法为:在足够MR信息和网络工程参数比较准确的前提下，仍然存在着仿真结果与现实网络之间的不同和差异，如果差异比较小，说明误差范围符合要求，使用仿真系统和MR数据，评估其他需要实施的方案和参数优化建议，得到一个新的网络性能结果，如果这个新的结果，优于现实的网络同一参数设置，可以考虑接受这些参数建议，如果这个新的结果，没有好于现实的网络同一参数设置，则考虑需要重新寻找更好的参数设置。
[0015]系统仿真具体步骤如下:
[0016]a)首先在指定区域撒入通过MR方法产生的用户N个，然后洒UE，建立话务图，洒入话务，再初始化公共信道，计算UE的初始状态，RS的RSRP和SINR，并判断是否满足门限要求，如满足则进入下一步，如不满足则UE被拒绝，数据RB计算初始状态的质量时，其干扰是按照RB的用户输入准入比例来计算的，以后各TTI结束后都会再算一次质量，作为下一个TTI的干扰，此时的干扰是按照每次实际使用的RB数来计算的；
[0017]b)如果满足要求，根据小区的调度方法，选择相应的评估值，评估值包括:轮循算法:没有被服务的时间；MAX_C/I: PDSCH SINR;正比公平:SINR支持的最大速率/该用户的平均速率并计算，根据评估值对该小区的用户进行排序，选择评估值最大的用户进行调度，然后结合该小区在一个TTI的最大调度能力M，分别调度M个用户；
[0018]c)分配上下行的RB块，上下行是单独分配的，不一定是同一个UE，分配原则:平均分配或根据频谱效率分配，上行的RB块根据需要进行调整；
[0019]d)上行开环功控，调整上行RB块，并分配功率，根据下行的RB占用分配功率，将总功率均分给每个RE ；
[0020]e)上行闭环功控；
[0021]f)计算用户A的PUSCH和I3DSCH的SINR，载波级的干扰是白化的干扰，RB级的干扰是根据实际RB的位置计算的；
[0022]g)根据SINR映射MCS并计算吞吐量；
[0023]h)重复第三步，直到满足迭代时间，或满足最大迭代次数后退出该模块，返回结果;
[0024]在步骤c中，RB分配考虑:平均分配、根据频谱效率分布分配、根据正比公平值分配；其中，平均分配为:在某TTI，小区的所有能使用的RB资源，平均分配给参与该TTI调度的用户；根据频谱效率分布分配为:参考SINR测量，根据SINR计算对应的频谱谱效率，根据不同的频谱效率分配RB，基本原则:SINR好的情况下多分配一些RB，本次RB分配，参考的上次调度时所接入MCS获得的频谱效率；根据正比公平值分配:计算每个UE的正比公平值，然后分配UE上下行的SINR分别是预测I个re上的PUSCH SINR和TOSCH SINR，此外考虑:上行分配RB时有最大RB数的限制，当SINR正好在MCS的等级上时，频谱效率=codebit*coderate，其他的都需要线性差值，然后根据频谱效率的比例计算RB数。
[0025]调度算法有三种，分别为:正比公平、轮循算法和最大载干比算法，其中，下行调度UE的判决，参考下行RS SINR值，对于正比公平、轮循算法、MAX C/Ι这种调度算法，在调度时没有被调度的用户，永远排在最前面，如果调度时下行RS SINR值大于最大速率则当前TTI不调度，如调度时下行RS SINR值小于最小速率则当前TTI优先调度，在满足最低速率的情况下，按照优先级来调度。
[0026]正比公平算法给小区内每个用户分配一个相应的优先级，小区中优先级最大的用户接受服务。该算法的优先级定义如下:P = (RS SINR)/(Mean Rate)，其中，P:优先级值的大小，数值越大则优先调度；RS SINR:是上一个TTI时的RS SINR值；Mean Rate:计算的是该TTI之前的所有TTI上平均速