（CWW）随着5G网络建设逐步推进，当前5G网络规模与4G差距越来越小，更多的4G用户迁移至5G网络，5G网络如何为用户提供优于4G网络的体验，成为目前运营商面临的主要问题。5G网络是4G网络的延展，单纯覆盖好已经不能体现5G网络价值优势，5G终端较4G终端的优势是有较多的天线端口支持（5G商用主流配置为2T4R）。在通信系统中，UE(终端)根据无线CSI-RS参考信号进行信道估计，计算出下行信道相干性最小的最大流数，称之为“Rank”，中文译为“秩”，UE通过CSI将RI(Rankindicator，秩指示)上报给基站。

而5G Rank(流)对用户速率影响很大，在良好覆盖下Rank低将直接导致速率低，用户感知与4G无异，如果Rank多1流则下行速率可多百兆。利用5G终端可支持更多流的特性，提升5G用户Rank流数成为5G网络优化的关键，网络体验的好坏最终取决于Rank的差距。由于Rank受无线环境、终端天线、AAU天线、信道相关性等因素影响较大，且提升Rank优化过程中单点分析耗时耗力，如何快速精准提升5G Rank成为当前及未来优化的主要研究对象，本文给出现网应用3D覆盖仿真建模工具预测Rank的优化方法及优化效果呈现。

Rank的原理和计算方式Rank原理在通信领域，空间复用技术指在不同的天线上发送不同的数据，也叫空间多路复用。衡量空间复用的标准是看一个系统每个时刻最多可以发送多少个不同的数据，被称为“自由度”，也就是我们说的Rank，Rank越大，复用增益越大。码字通过层映射映射到各个流上，层数越多速率就越高，而Rank决定了层的数量。

相对于基站发射信号可区分为单流和多流，单流将1个时频资源调度1次，分配给1个用户；多流将1个时频资源调度1次，分配给N个用户。如图1所示。

图1 基站单流、多流波束对比

当用户所处环境满足空间复用条件时，单用户可产生多流，有多少个流，就会有多少个波束射向这个UE 。如图2所示，波束1的信号直射到UE，波束2的信号通过反射后达到UE，当这两条路径不相关时，就可以构成两流，而这两流就是由两个波束构成的。

图2 UE空间复用波束路径

UE每根物理天线上都能接收到所有波束的信号，UE的天线数决定了调度的最大流数，但是Rank的限制是小于发送天线数和接收天线数中的最小值。

终端上报的RI为MIMO方案中天线矩阵的秩，表示N个并行的有效数据流。终端根据协议标准，结合终端下行天线数、基站侧下发的Port数，对下行信道进行测量并进行数字化线性运算，计算出相关性最小的秩并上报基站，基站根据RI选择Rank并遵循一定规则，如表1所示。

当上报的CSI-RI为1时，基站选择Rank1；当CSI-RI上报值为2或3时，基站选择Rank2；当CSI-RI为4至8时，选择Rank4。

表1 CSI-RI与Rank对应关系

影响Rank的因素RI由UE通过CSI上报给基站，如何得出Rank通常有3个要素：终端因素、基站调度、无线环境。

●终端因素终端计算RI的方法都是按Massive MIMO统一标准执行的，但由于每部终端的天线数量、硬件性能均存在差异，导致相同无线环境下每个终端计算的信道情况也存在差异。在无线环境相同的情况下，5G终端是否能够实现更高的Rank，这取决于终端下行的天线数量，目前商用终端主流配置为2T4R，则终端可用Rank数≤4。

●基站调度CSI-RS数据配置，RI是UE基于对CSI-RS参考信号的测量得到的，CSI-RS为用户级参考信号，基站满带宽发送CSI-RS参考信号，即每个PRB上均有CSI-RS，每个用户占用不同的CSI-RS资源，终端根据信号预估最优的Rank。基站侧CSI-RS数据配置会影响终端对RI的测量，其中CSI-RS Port数直接影响UE上报RI的最大值，满足RI最大值≤CSI-RS Port数。

基站波束配置，对每个小区的波束配置，对波束覆盖方向及范围有直接的影响，并且直接导致终端测量计算RI时产生差异。

基站算法调度，目前基站有3种主要的权值调度算法，分别为开环权、PMI权、SRS权。选择不同的权值，Rank的计算结果存在差异。

●环境因素除终端配置和基站调度因素外，无线环境是影响终端上报RI的主要因素，无线环境包括下行信道干扰情况、空口多径情况等，所处环境不同的终端对信道的测量计算结果不同，在干扰小、多径复杂的情况下终端计算RI数值高，相应Rank流数大、速率高。

5G Rank系统优化提升的三大措施如图3所示，5G Rank系统优化提升的常规手段有3个：工程问题排查、信号质量提升、空间环境调整。

图3 5G Rank优化手段

工程问题排查

主要为天馈系统通道故障、AAU能力下降,导致终端无法正常解析信号并正常上报RI信息，重点关注基站告警，并及时进行故障处理。

信号质量提升

在5G网络中Rank越高，引入网络的流间干扰越高，导致MCS降低，但干扰又是计算RI的必要条件且呈正比关系，因此在Rank和干扰间寻求最佳值是网络优化的宗旨。在基站状态正常且空间环境复杂的情况下，如果Rank指标差，需要通过干扰分析、覆盖优化、基站参数调优等手段提升下行信号质量，从而减少空间信号相互干扰以提升Rank。

空间环境调整

复杂的多径环境、良好覆盖是提升Rank最有效的手段。对多径不复杂的区域，需要创造多径条件，其主要优化手段是结合用户所在地理环境，通过改变天线的覆盖角度，增加建筑及地面反射，为用户创造多径条件。

基于3D仿真的Rank优化实践5G Rank的优化难点为空间覆盖环境优化，常规优化手段分析Rank时需要结合现场测试数据进行单点分析，测试及分析所需人力多，多点分析时间周期长，导致全网Rank提升优化效率低。应用某设备厂商首创的基于3D覆盖仿真建模的Rank预测优化工具，通过Rank仿真调整物理天线及产品参数，丰富多径以增加Rank流数，提升速率，可实现区域性Rank快速精准预测，工程师可结合现场选取适合的预测方案实施，解决了传统覆盖优化效率低的问题。

3D仿真Rank预测应用应用仿真工具需输入数据（工参+电子地图等）并设置Rank仿真参数（栅格精度等），按相关参数进行设置，电子地图采用最新3D栅格5米精度地图，仿真结果才能更准确。

●仿真基础参数设置

仿真基本参数配置说明如表2所示，首次仿真使用默认值。

表2 仿真基础参数设置

●传播模型参数设置和建筑物参数设置

路径损耗权值、有效反射面距离、最大绕射次数、最大反射次数等传播模型参数以及自然环境参数，按照优化区域的地理环境对应设置即可。

●Rank预测结果输出

预测结果结合3D地图更直观体现Rank分布。可通过导出功能将预测结果及优化方案导出，结合需求调整实施。Rank预测仿真效果如图4所示。

图4 Rank预测结果输出

Rank优化效果 现场根据Rank仿真预测方案，针对杭州主城区NR站点进行覆盖优化调整，对比方案实施前后Rank及其他各项主要测试指标，优化后平均Rank提升0.16，PDCP下载速率提升208.37Mbit/s，增幅34%。Rank优化后，平均RSRP有所提升，下行干扰指标较优化前均变差，其中平均SINR降低5.32dB，平均MCS降低1.29，相对于干扰的引入，系统吞吐率提升更为显著。如表3所示。

表3 Rank优化前后效果对比

5G Rank主要优化思路为增加多径、减小空间相关性，无线环境的优化是提升Rank的关键手段，结合5G基站调度参数及新特性参数，在最大程度提升Rank的同时降低波束间干扰，增加系统整体容量。


关键词： 资讯 通信世界网 5G网络 4G终端 天线 运营商 5G-NR速率