1 引言

随着无线宽带移动通信技术的快速发展，无线宽带移动通信网络日趋复杂，用户与业务量的爆炸式增长也对网络服务的质量提出越来越高的要求。然而无线空间中各种电磁信号对无线宽带移动网络产生干扰，使得网络通话质量下降、掉话率抬升、接通率降低，影响整个网络的服务质量和用户感知。随着TD-LTE网络规模、用户和业务的不断发展，同频组网的TD-LTE除了系统间干扰外，也面临着越来越严重的网内干扰问题，网内干扰与系统间干扰交织在一起严重影响用户体验，降低对网络的认可。但是网内干扰的识别和定位难度大，手段匮乏，成为目前网内干扰优化工作的难点，也是研究的重点。

2 TD-LTE网内干扰原理

2.1 TD-LTE上行网内干扰

TD-LTE上行干扰是指基站受到的干扰，导致基站接收机底噪抬升，上行信噪比降低，影响基站的解调性能[1]。而TD-LTE上行网内干扰则是指由同频组网的TD-LTE邻区终端造成的上行集总干扰，属于同频干扰。如图1所示，处在两小区边缘的终端（UE2、UE3和UE4）的上行信号发射会对邻区产生较强的上行网内干扰，UE1则因距离小区2较远干扰相对较弱。TD-LTE上行网内干扰与用户数量、业务负载以及网络参数配置等因素密切相关，随着网络规模的不断扩大、用户数量的不断增加以及用户高流量行为习惯的逐步形成，TD-LTE上行网内干扰问题将越发严重。

图1 网内干扰示意图

2.2 上行网内干扰识别

TD-LTE上行网内干扰的识别主要通过干扰小区100 PRB底噪数据的时域、频域特性分析识别[2]。根据大量网内干扰分析结果，网内干扰小区在时域维度呈现干扰功率强度随小区业务的忙闲时明显起伏变化趋势，业务忙时干扰功率较强，而闲时干扰功率较低或接近基础底噪值（如图2左侧各小时干扰均值图所示）。在频域维度，网内干扰小区全天24 h的100 PRB干扰曲线在100 PRB上呈现相似的变化趋势，但底噪功率强度却存在较大差异（如图2右侧小区每小时100 PRB曲线图所示）。另外网内干扰小区的频域特性还与设备厂家的上行资源调度算法关系密切相关，呈现出独特的频域特点（如PUCCH信道的底噪抬升等）。基于集团TDLTE干扰诊断系统可筛选分析干扰小区，并根据上述网内干扰特点确定小区是否受扰网内干扰。

3 TD-LTE网内干扰定位

3.1 MR测量报告

测量是TD-LTE系统的一项重要功能，系统需要使用测量结果完成诸如小区选择/重选及切换等事件的触发。测量报告有事件触发和周期性触发两种触发方式，其中事件触发利用网络已开启的事件测量（A1、A2等），不需另外开启测量，测量数据周期性汇总生成MRE文件；而周期性触发需要手工开启测量，并配置上报周期，测量数据会周期性汇总生成MRO（原始数据）和MRS（统计数据）文件。

成都工贸职业技术学院电气工程及自动化系率先在系部层面建立创客空间，探索出“1+3+N”的大学生创新创业教育改革发展思路，即1个平台，创客空间创新创业平台；3个维度，创新工坊，创新创业课程体系，大学生创新创业大赛；N个项目，大学生创新创业项目。以创客空间平台为创新创业工作抓手，创新工坊为物理空间，大学生创新创业课程为教育内容，创新创业大赛为促进手段，形成二级学院(系部)部层面的创新创业生态链，孵化出若干具有专业特色的大学生创新创业项目，多个项目获得不同级别的荣誉。

测量上报的原始数据即MRO来源于TD-LTE现网正在发生业务的终端，能够真实反映网络实际情况，也是目前网络统计分析中使用的主要数据源[3]，因而上行网内干扰定位主要基于MRO数据进行邻区终端上行集总干扰计算。上行网内干扰定位主要涉及到MRO数据中的测量对象标识ID、样本测量时间TimeStamp、MME UE S1应用程序标识MmeUeS1apId、服务小区参考信号接收功率MR.LteScRSRP、邻区参考信号接收功率MR.LteNcRSRP、服务小区载波号MR.LteScEarfcn、邻区载波号MR.LteNcEarfcn、服务小区物理小区识别码MR.LteScPci和邻区物理小区识别码MR.LteNcPci等测量字段[4]。

1)交通大数据的共享及挖掘利用. 北京市副中心只有打破数据共享的壁垒，实现交通数据的共享和多源数据的深度融合，才能产生1+1>2的效果.

为了准确地对各个阶段的状态进行管理，在FPGA中采用了两段式状态机对算法的各个状态进行描述。状态机如图7所示，其中分块包围盒处理完成的信号作为状态机的触发信号，只有当触发信号有效的情况下,状态机才会从STEP_IDLE状态启动执行，否则一直处于STEP_IDLE空闲状态。

3.2 干扰定位原理

研究表明TD-LTE上行网内干扰主要来自于距离受扰小区最近的两圈小区的终端，因而分析中主要针对受扰小区一定距离内的同频邻区进行相对集总干扰功率计算。上行网内干扰定位采用“测量即产生干扰的原则”，基于服务小区及其周围一定范围内的同频点邻区的MRO、业务量、工参、频率配置等信息，计算每个邻区对网内高干扰小区的相对上行集总干扰功率，进而确定每个邻区的干扰贡献度，精确定位主要干扰源小区。具体计算原理如下：

图2 网内干扰的时频域特征

（5）计算邻区A中所有终端在所有采样时刻对受扰小区B的集总干扰功率：SumIPow=sum(sum(IPow)_Time)_UE。

在计算得到每个邻区全部终端对受扰小区的相对集总干扰功率后，需要对计算得到的邻区采样点、相对集总干扰功率进行业务负载校验，即与该邻区的业务量数据进行校验。因为MRO采样点每5.12 s周期上报一次，即一小时上报703次，考虑到巨量数据的存储问题，会对某一时刻的上报终端数量进行限制，因而在基于MRO采样数据计算完集总干扰后，需要对比每个小时的业务量数据进行校验，保证计算结果的准确性。完成业务量数据校验后，对每个邻区的相对集总干扰功率进行归一化处理，得到每个邻区的干扰贡献度，即得到了受网内干扰小区的干扰源定位结果。

3.3 相对集总干扰功率计算

（4）计算该终端对受扰小区B的干扰功率：IPow=Txpow-Pathloss;

（3）计算该终端达到受扰小区B的路径损耗：Pathloss=RSB-LteNcRSRPB，其中CRSB代表受扰小区B的RS信号发射功率，LteNcRSRPB代表受扰小区B作为邻区在A小区MRO数据中测量到的参考信号接收功率；

通过上述计算，即可得到邻区A中所有时刻、所有终端对受扰小区B的集总干扰功率。需要注意的是，基于15 min粒度的MRO文件计算得到的集总干扰功率也是15 min粒度的，需要转换为小时粒度以便和小时粒度的业务量数据进行校验。依次计算得到所有搜索到的同频邻区的集总干扰功率后，即可进行归一化处理得到每个邻区的干扰贡献度，得到网内干扰定位结果。

（2）对每个采样点，计算邻区A（服务小区）中的每个终端的发射功率：Txpow≈23 LteScPHR（默认终端以最大功率23 dBm发射）；

选取1车位研究对象，测试运行状态下的车内噪声，按照标准《GB 14892-2006 城市轨道交通列车噪声限值和测量方法》的要求，沿着1车车体中轴线，分别在1车的客室前部、中部、后部布置噪声测点，测点高度距离地板1.2m，方向朝上。

基于ArcGIS 10.2软件，运用空间自相关法和地理加权回归模型对2016年大连市商品住宅价格空间分异及影响因素进行分析。分析结果如下。

网内干扰定位最关键的一步是基于MRO数据计算每个邻区对受扰小区的相对集总干扰功率，计算中需要精确识别终端、采样点、受扰小区等，详细计算原理如下：

根据现网工参数据，搜索确定受扰小区一定距离内的同频点邻区，并提取、解压搜索到的邻区MRO数据，提取相关MRO测量字段进行邻区集总干扰功率计算。计算中，通过Id、TimeStamp、MmeUeS1apId、LteScEarfcn、LteScPci等字段识别不同的干扰邻区、终端、采样点，避免重复计算；基于LteNcEarfcn和LteNcPci字段识别受扰小区，通过LteScRSRP、LteNcRSRP、LteScPHR等字段计算邻区终端对受扰小区的相对干扰功率。

（1）基于Id字段识别邻区，基于MmeUeS1apId字段识别终端，基于TimeStamp识别不同采样点；

3.4 干扰优化策略

研究发现，造成TD-LTE上行网内干扰的因素主要有邻区交叠区域过大、同频邻区高业务量、CRS功率配置不合理、切换重选参数配置不合理等四大类场景。对于上行受网内干扰小区的优化，也应从这四个方面着手优化。通过网内干扰定位得到每个受扰小区的干扰源邻区贡献度信息，判断受扰小区是否存在主导干扰邻区（贡献度最高的小区干扰贡献度超过30%）：

（1）若不存在主导干扰邻区，即各同频物理邻区干扰贡献度相近，则主要优化受扰小区，包括调整受扰小区CRS功率、天线方位角、下倾角等；

梁叔是我继父，梁波涛。李峤汝说，我母亲离过婚，我小的时候。我母亲一辈子没有什么朋友，她不喜欢说话。用城里人的话说，就是有点自闭。

分流调整：首先核查该干扰源邻区的业务量情况，若上行业务量较大，应通过频段间分流或扩容的方式降低网内干扰水平。

参数优化：重点核查受扰小区CRS功率配置参数，确认是否为CRS功率参数配置较低而导致的邻近用户接入附近同频邻区而造成的强网内干扰，如果存在此类问题，可以考虑提升CRS发射功率。同时，应注意该小区的过覆盖指标，若过覆盖系统较高，则不建议继续增大CRS发射功率。

（2）若存在主导干扰源小区，则主要从以下几个维度展开优化。

天面调整：主要是对受扰小区进行天面调整与优化，减小与主要干扰源小区的重叠覆盖区域，包括调整天线方向角、下倾角等工程参数。需要注意调整时勿造成或加重对其他小区的上行网内干扰。

微信用户数量一直处于平稳增长状态，截止2018年3月微信用户数量超过10亿。现在我们对于沟通的理解已经不再是传统意义上的面对面的交流，随着移动互联网的快速发展、各种手机社交软件的不断涌现，其中微信便是其中的佼佼者。随着微信用户的激增，微信公众平台营销也在迅速的展开。与传统推广方式相比，微信公众平台营销是实施现代营销媒体战略的重要组成部分，有着自身的优势。

4 现网应用

4.1 定位准确性验证

研究团队在某市进行了网内干扰定位结果准确性实际验证，对受扰网内干扰的相关小区进行干扰源小区关站验证，底噪变化对比如表1所示。

通过后台提取受扰小区关站验证前后的100PRB底噪数据分析得到关站前后小区底噪变化曲线对比如图3所示。

通过定位准确性验证结果表和底噪变化对比图可以清晰的看出，关站后受扰小区的底噪有了极大的改善，5个小区平均底噪下降了2.66 dB，证明网内干扰源定位算法准确可靠。通过某地市的实际验证，基于MRO数据的网内干扰定位算法准确度达到100%。

根据5.1节的模型和系统参数设置，不考虑安全性概率阈值，模拟运行系统400次，每次运行到系统违背安全属性或观测序列的长度大于50为止.在400次运行中系统违背安全属性64次.通过分析系统每次运行的观测序列、最大可能执行路径和系统实际执行路径，表3给出IIV算法和PF算法安全性预测错误率和本文提出的反例预测算法的错误率.当系统违背安全属性时，我们的方法能够给出反例而PF算法不能给出系统反例，在安全攸关系统中，漏报的危害比误报要大， 而IIV算法漏报次数只有PF算法的一半，预测错误率下降了近20%.

4.2 网内干扰优化案例

某小区经分析受到上行网内业务干扰，全天平均底噪约为-109.5 dBm/PRB,忙时底噪声达-105 dBm/PRB，需进行网内干扰的定位与优化。经过网内干扰定位分析，其主要干扰源为同站2小区、正北方向的181759-3小区。

经分析，该小区上行高干扰原因为重叠区域过大，应减少与主要干扰源小区的重叠覆盖区域。主要调整该小区天线的下倾角与方位角，建议方位角由5°调整为330°，下倾角由5°调整为10°。优化后的平均底噪为-115.65 dBm/PRB，优化前后网内干扰功率下降6.15 dB， 效果明显。图4为某小区优化前后底噪对比图。

该方法经过某地市3个网格共2 000多个小区的试点验证，87个网内干扰小区优化后的上行干扰均值平均下降3.42 dB，上行流量平均提升0.51 GB，干扰优化方案有效率达80%。

5 总结

TD-LTE网内干扰问题正随着用户、业务、网络规模的不断增加而愈发严重，在此背景下本文基于理论研究成果，提出了基于MRO、业务量、工参的大数据关联分析方法，可精确定位网内干扰的干扰源；并从天面调整、参数调整、频率调整、射频优化等多个维度给出了优化方案制定策略，指导TD-LTE网内干扰优化工作。通过现网实际应用，该方法的准确性和方案有效性得到了检验，为后续TD-LTE网内干扰优化工作提供了坚实的理论依据和方法支撑。

表1 定位准确性验证结果

小区名称 测试前底噪 测试后底噪 干扰下降量（dB）小区1 -106.82 -108.77 1.95小区2 -105.31 -110.08 4.77小区3 -106.71 -108.78 2.07小区4 -107.66 -109.52 1.86

图3 底噪变化对比图

图4 某小区优化前后底噪对比图

参考文献

[1] 李行政，张冬晨，姚文闻，等.一种TD-LTE系统上行干扰三维分析方法[J]. 电信工程技术与标准化, 2016(06).

[2] 张冬晨，李行政，汪汀岚，等.TD-LTE系统上行干扰问题研究[J].电信科学, 2016(12).

[3] 方媛. 测量报告在TD-LTE无线网络优化中的应用[J]. 移动通信,2014(8).

[4] 中国移动通信有限公司. TD-LTE数字蜂窝移动通信网无线操作维护中心(OMC-R)测量报告技术要求[S].