LTE-MR室内覆盖精准分析报告分享
古荡新村LTE室内分布测试报告
5页, 共12页
b) 大楼的专用楼层，一楼大厅，会议楼层，顶楼，地下层为必测层。标准层根据建筑物结构分为三种：10层以下：每3层抽测一层（总层低于5层须全测）。20层以下：每4层抽测一层；30层以下：每5层抽测一层；且测试楼层总数不得少于5；VIP楼层必测（如领导办公室等）； c) 每个测试层测试走廊、电梯厅、公共区域以及东、南、西、北四个方向房间的窗口边缘区域（距离窗口一米处）； d) 每个RRU覆盖范围内至少抽测一层； e) 每部电梯均需要测试（如果2-3部电梯共井可以只抽测其中1部），从电梯覆盖的最高层进电梯至最底层出电梯，再从最底层进电梯至最高层。由进入电梯前开始记录，出电梯进入电梯厅后停止记录。 3.2 外泄测试方法 a) 用路测设备连接数据测试终端（CPE或者MIFI）进行室内信号外泄测试； b) 测试大楼周边的主要道路。沿大楼周边道与建筑物保持10米左右距离，绕楼宇行走一周。 c) 需要进行2次测试，第一次，进行室分信号锁频测试，用测试软件锁定室内低层小区PCI进行测试，目的测试室分信号的绝对泄漏值；第二次，进行不锁频测试，测试现场实际占用的信号。 3.3 切换测试方法 a) 用路测设备连接测试数据测试终端（CPE或者MIFI）进行切换测试； b) 测试主要出入口的切换：在测试终端占用室内分布系统信号的情况下，启动数据DL下行吞吐率测试，并向室外移动，直至切换至室外信号；在测试终端占用室外信号的情况下，接着再向室内移动，直至切换至室内分布系统信号； c) 驱车或步行测试地下车库进出口切换，切换测试方法同b； d) 测试电梯外和进入电梯时切换（室分存在多个小区，且平层和电梯为不同小区的情况），从平层其他小区进行测试，然后进电梯，顺利切换，关闭电梯，下到其他楼层，出电梯，切换至平层小区。 e) 除电梯测试外，其他切换测试来回不少于5次。
LTE室内分布在住宅小区穿透性测试报告
LTE室内分布在住宅小区穿透性测试报告1、万科森林公园御庭覆盖环境万科森林公园御庭位于安徽省合肥市庐阳区青松路与固镇路交口。
地理位置：经度:117.223146°，纬度: 31.894978°。
采用1.8G楼道对打覆盖，楼高30层。
2、楼道电梯测试情况1栋和2栋为小区北边边缘楼宇，走廊测试占用周围宏站信号，SINR较差，在10dB以下，速率基本低于20M。
2号楼离宏站较远，信号相对较差。
1号楼楼顶有设备，电梯有覆盖。
5栋和9栋走廊能占用室分信号，信号正常，靠背面楼顶射灯覆盖，SINR在20及以上。
速率在30-60M不等。
3、用户家测试1栋8层，阳台占用室分信号，RSRP-85,SINR-10左右，客厅和房间北部占用宏站信号，RSRP-96,较差，说明对面室分信号低于-96，无法穿透到8层室内。
5栋为中间楼宇，南面和北面均有射灯覆盖，高层南阳台、中间客厅、房间北部均占用室分信号，较好。
13层及低层客厅及室内基本占用室分信号，但RSRP在-100左右，随楼层降低而减小，宏站信号由于周围楼宇遮挡无法覆盖。
9栋为南边边缘楼宇，测试23层、13层室内信号占用相邻住宅小区室分信号，RSRP-100左右，较差。
4、结论小区楼顶对打结构，中部楼宇南北均有射灯覆盖，中高层信号可以保证正常。
中低层较差。
小区南部边缘楼宇走廊信号由北面楼宇射灯覆盖，信号正常，但用户室内信号不能保证，由于房间墙体结构，楼体北部一般为电梯部分，用户室内北部一般为洗手间、厨房等，对信号遮挡严重。
小区北部边缘楼宇走廊无法占用南面楼宇射灯信号，由附近宏站覆盖，信号不能保证；用户室内由南面楼宇射灯覆盖，楼体结构，用户房间南部阳台、主卧有大玻璃窗，中高层用户房间南部区域基本可以覆盖。
LTE室内弱覆盖案例
基于MR的室内弱覆盖精准定位案例
1. MR分析应用背景：
室内深度覆盖是影响LTE用户感知的焦点，而传统DT状路测无法精准识别室内覆盖盲区，同时现有现有价值话务热点无法区分室内外话务。
导致站点规划不合理，LTE深度覆盖不足，用户感知较差。
因此基于用户数据MR分析对识别室内外覆盖场景，和价值覆盖区域有着尤为突出的作用。
以嘉定城区为例，从表中可看出嘉定城区室内业务占比高，室内覆盖不足话务由室外站吸收。
2. 室内弱覆盖精准定位
以现网MR、CHR等数据为基础，建立话务特征库。
用户网络信息与特征库进行匹配，进行比对识别。
1、采用MR室内栅格弱覆盖定位等方式对用户位置进行定位，关联地理信息，进行判别。
2、通过MR栅格室内流量和栅格室内用户数识别话务流量较高，用户数集中的高价值覆盖区域。
3、现场DT测试时情况。
店
店
店
店
结合MR及现场DT数据分析，唐朝大酒店室分安装前，主要由宏站覆盖，由于楼体较高，密封性较强，导致室内覆盖严重不足。
通过MR室内流量栅格及用户数栅格分析该酒店属高价值覆盖区域，为提高用户感知，需新建室分站点覆盖。
3. 总结：
通过MR深度覆盖分析和DT测试数据对网络覆盖进行深度挖掘，实现室内弱覆盖问题点精确定位。
结合现网覆盖需求，合理规划站点，高效利用站点资源。
尽可能保证落地站点高优先，高效率，高价值。
LTE MR弱覆盖问题的原因分析及处理
2017年第8期信息通信2017(总第176 期）INFORMATION & COMMUNICATIONS (Sum. N o 176)LTE M R弱覆盖问题的原因分析及处理金漾(浙江逸畅通信技术有限公司网络技术支撑部，浙江抗州310013)摘要:随着社会的进步和无线通信技术的发展，优质的移动通信网络已经成为当今人们生活和工作中的基本要求。
而随 着时代的发展，社会对数据业务需求在不断增加，对4G网络深度优化也成为运营商网络建设的重点工作，其主要的内 容是对4G网络覆盖范围和覆盖深度以及4G网络覆盖的质量进行有效提升发展，这也是当前中国移动4G无线网络建 设中比较关键的内容。
中国移动LTE网络M R弱覆盖问题已经逐渐成为影响中国移动网络质量提升的主要问题，因此 要对其加以分析和处理，不断进行优化处理，才能提高用户感知。
关键词:L T E M R弱覆盖问题;原因分析处理中图分类号:T N929.5文献标识码:A文章编号：1673-1131(2017)08-0223-02由于中国移动L T E网络M R弱覆盖问题已经逐渐成为影 响网络质量提升的主要问题,因此要对其加以分析和处理，不 断进行优化处理，才能提高用户感知。
当前中国移动对LTE M R弱覆盖指标定义如下:室内弱覆盖小区=室内M R RSRP< -llOdBm的采样点占比大于10%的室分小区;宏站弱覆盖修= 室内M R RSRP<-110d B m的采样点占比大于20%的宏站小区。
因此只有能够正确对M R弱覆盖产生原因加以分析才能采取 有效手段解决M R弱覆盖。
1无线网规划存在的弱覆盖问题无线网络覆盖能够有效保障移动通信网络的质量，对无 线网络进行规划的重要基础就是对无线网络的覆盖问题进行 必要的规划，同样这也是无线网络覆盖问题中的关键步骤，对 于L T E网络来说，由于L T E网络中所采用的主要是同频组网 的具体方式，同频干扰的程度比较严重,网络覆盖和干扰等方 面的问题对网络性能具有比较大的影响。
LTEMR分析经验共享
备注
15 MR.LteScBSR 16
TD-LTE服务小区的UE缓冲状态报告
MR.LteSceNBRxTxTi TD-LTE服务小区的eNB收发时间差 meDiff TD-LTE服务小区载波号 TD-LTE服务小区的物理小区识别码 TD-LTE已定义邻区关系和未定义邻 区关系的邻区载波号 TD-LTE已定义邻区关系和未定义邻 区关系的物理小区识别码 已定义邻区关系和未定义邻区关系的 GSM邻区BCCH信道号
二维 二维 二维 二维 二维 二维 二维
MR.ReceivedIPowe eNB接收干扰功率 r MR.AOA eNB天线到达角
8 9 10 11 12 13
MR.PowerHeadRoo UE发射功率余量 m MR.PacketLossRate ULQciX 上行丢包率 注：X=1…9 MR.PacketLossRate DLQciX 下行丢包率 注：X=1…9 MR.SinrUL 上行信噪比 PRB粒度eNB接收 MR.RIPPRB 干扰功率 MR. UE PUSCH信道占 PUSCHPRBNum 用PRB数 MR. UE PDSCH信道占 PDSCHPRBNum 用PRB数 MR. eNB收发时间差 eNBRxTxTimeDiff
6
一维测量字段详细说明（2/9）
MRS-参考信号接收质量(MR.RSRQ) 本测量数据表示OMC-R统计周期内满足取值范围的按照分区间统计下行参考信号接收质量的 样本个数。
浙江省ltemr弱覆盖小区分析
浙江省ltemr弱覆盖小区分析浙江省L TE MR弱覆盖小区分析一、全省整体情况按集团定义，MR RSRP<-110dbm的采样点比例>10%的小区占比，定义为弱覆盖小区占比。
根据此定义，浙江省整体弱覆盖小区比例达到48%，仅丽水低于40%，其余10地市均超过40%。
说明：数据来源为8月上报集团的MR数据，取数时间为，台州和嘉兴因中兴MR上报不全问题未解决，暂无法统计。
二、弱覆盖采样点比例分布情况以MR RSRP<-110dbm判定为弱覆盖采样点，分析弱覆盖采样点比例>X的小区占比分布情况。
弱覆盖采样点比例>30%的小区占比为8%，弱覆盖采样点比例>20%的小区比例达到21%，集团弱覆盖小区比例为48%。
三、MR RSRP分区间分布情况省内LTE建设是以室外-100、室内-115为基础的，切换参数设置也是按此原则，结合集团定义和省内实际情况，以MR RSRP10%的小区占比认定为弱覆盖小区，X 分别取-105、-110、-115，分布情况如下图。
全省MR RSRP<-115dbm的采样点比例>10%的小区占比为13%。
四、弱覆盖top小区分析取杭州top100的弱覆盖小区进行分析。
1、室内室外分布情况从覆盖室内室外情况来看，5个小区覆盖室内，95个小区覆盖室外。
覆盖室内的5个小区，其中2个MR RSRP<-115dbm的采样点比例达到100%。
区域小区中文名覆盖场景室内or室外经度纬度MRRSRP<-105dbm比例MRRSRP<-110dbm比例MRRSRP<-115dbm比例流量(MB)拱墅海外海皇冠酒店LTESM_1星级酒店室内100%100%100%2379 拱墅海外海皇冠酒店LTESM_2星级酒店室内100%100%100%1384 萧山萧山文源广场电梯厅SFSM写字楼室内78%56%15%613 下沙金茂家居广场A区商业中心室内78%53%29%136北部SFSM西城时代A楼拱墅写字楼室内70%51%22%1197 LTESM_22、覆盖地理位置分布情况对95个室外弱覆盖top小区的覆盖区县进行统计，78%分布在杭州郊县（29%萧山，20临安，16%余杭，13%富阳），12%分布在西湖区，其于10%分布在杭州其他主城区（江干、滨江、上城、下沙、拱墅）区县小区数萧山28临安19余杭15富阳12西湖11江干3滨江2上城2下沙2拱墅1总计953、覆盖场景分布情况49%的弱覆盖top小区分布在村庄，21%分布在低层居民区，7%在风景区，其他区域零散分布。
移动通信室内信号覆盖分析范文精简版
移动通信室内信号覆盖分析移动通信室内信号覆盖分析1. 引言2. 移动通信室内信号覆盖问题移动通信室内信号覆盖问题是一个常见且复杂的问题。
在室内环境中，信号强度受到建筑物结构、墙体材料、遮挡物等因素的影响，导致信号衰弱或者盲区的出现。
室内信号覆盖不良会导致信号质量差、数据传输速率慢等问题，影响用户体验。
3. 移动通信室内信号覆盖分析方法移动通信室内信号覆盖分析主要包括以下几个步骤：3.1 数据采集，需要收集室内信号覆盖相关数据。
可以使用专业的仪器，如功率仪、信号接收器等设备，对室内的各个区域进行信号测量。
数据采集的过程中需要按照一定的采样密度和时间间隔进行，以获取较为准确的信号覆盖数据。
3.2 数据处理将采集到的信号覆盖数据进行处理。
常用的处理方法包括数据清洗、数据分析、数据可视化等。
需要对采集到的原始数据进行清洗，剔除异常值和干扰数据。
然后，可以使用统计分析方法，如均值、方差等，对数据进行分析，得到信号覆盖的整体情况。
利用图表、图像等可视化方式展示数据，以便更直观地观察信号覆盖的分布情况。
3.3 评估信号覆盖质量根据处理后的数据，可以对室内信号覆盖质量进行评估。
一般来说，可以采用覆盖率、平均信号强度、覆盖质量指标等参数来评估。
覆盖率指示了覆盖区域的百分比，平均信号强度反映了信号的整体强弱，覆盖质量指标可以结合其他因素综合评估。
3.4 优化方案制定，根据分析结果，制定相应的室内信号覆盖优化方案。
优化方案可以包括增加信号传输设备、调整信号频率、增加信号发射功率等措施。
制定合理的优化方案可以提高室内信号覆盖效果，改善用户体验。
4. 结论。
TD-LTE网络基于MR指纹库的深度覆盖研究
TD-LTE网络基于MR指纹库的深度覆盖研究摘要：良好的网络室内覆盖在确保运营商竞争优势和用户体验方面发挥着及其重要的作用，而根据国外运营商的数据，随着数据业务的进一步普及，70%以上的移动数据业务在室内发生，室内覆盖的性能将直接影响运营商的客户体验。
利用MR指纹库定位系统来做好LTE网络深度覆盖分析，可以有针对性的发现和解决室内覆盖质量问题，提升室内覆盖质量。
关键词： LTE深度覆盖 MR指纹库；一、基于MR指纹库定位方法的介绍1.射线模型的介绍目前移动通信场强覆盖预测计算模型可分为两大类：一类统计模型：建立在大量测试数据和经验公式基础上的实测统计；一类确定模型：基于无线电传播理论的理论分析。
统计学模型中最著名的统计模型是Okumura模型，它是Okumura以其在日本的大量测试数据为基础统计出的以曲线图表示的传播模型。
在Okumura模型的基础上，利用回归方法拟合出便于计算机计算的解析经验公式，这些经验公式有适用于宏蜂窝的Hata模型公式、COST 231-Hata模型公式等。
传统的方法是通过规划仿真软件使用宏蜂窝传播模型及三维电子地图对规划方案进行仿真验证；然而，宏蜂窝传播模型的应用范围和自身局限性限制了规划方案仿真验证的精度：首先，宏蜂窝传播模型的应用范围一般在500米以上，而CBD区域基站的覆盖半径一般在500米以下。
其次，宏蜂窝传播模型只能从宏观上反映方案覆盖效果，只能从统计意义上对建筑物的影响进行粗略的估计，如通过一定的地物偏移(clutter offset)来考虑不同地物的影响，无法根据建筑物的高度从微观上反映局部的覆盖情况。
因此，需要采用更合适的传播模型配合高精度的三维电子地图对CBD区域的规划方案进行仿真验证，以确保该重点区域无线网络建成后的网络性能。
2.MR指纹库的核心算法主要涉及的关键技术如下：MR指纹库构建：指纹库是指基于工参、5m三维地图、扫频/路测、MR历史数据，计算训练得来的反应地理上5m×5m栅格各项特征的数据集合。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
宁夏银川室内覆盖精准分析报告
概述
基于NEST LTE的室内外覆盖及精准规划平台，我们使用8月份的MRO数据进行了定位分析。
此次定位共涉及4972个小区，其中宏蜂窝4363个，微蜂窝612个。
共定位MRO数据22.4亿条，室外MRO数据7.2亿条，室内MRO数据15.5亿条。
涉及建筑物37.5万栋。
分析结论
银川市区域共定位MRO数据22.7亿条，涉及建筑物37.6万栋，室外MRO数据7.1亿条，室内MRO数据15.5亿条。
其中宏蜂窝覆盖室内MR数12.5亿条。
通过MRO定位分析可以发现，该区域的室内外覆盖情况良好，宏蜂窝是室内外服务和业务的主要提供方式。
该区域的室内业务占比较高，持续提升室内深度覆盖是改善客户感知的主要途径。
✓5.24%：银川市区域的MR室外弱覆盖率为5.24% ，平均RSRP为-89.22dbm。
✓8.47%：银川市区域的MR室内弱覆盖率为8.47%，平均RSRP为-87.21dbm。
✓9.49%：银川市区域的MR宏蜂窝室内弱覆盖率为9.49%，平均RSRP为-91.25dbm。
✓6.88%：银川市区域的MR微蜂窝弱覆盖率为6.88%，平均RSRP为-85.23dbm。
✓68.45%：银川市区域室内业务量占整体业务量的68.45%：宏蜂窝室内业务占比为81.13%。
室内业务主要由宏蜂窝覆盖室内提供。
对于图层我们定义：
整体定位图层：
室外定位显示
室内定位呈现
谷歌定位呈现
东部地区
中部地区
南部地区
北部地区
弱覆盖呈现
（1）定位弱覆盖区域
基于MR定位结果，我们根据筛选条件共找到价值弱覆盖区域136个，筛选条件是该区域中每一个栅格的弱覆盖点占该栅格总MR点的占比大于32%并且弱覆盖区域大于5000M²。
丽园东区南院
0米定位呈现紫园西桥小区
0米定位呈现
自治区政府
0米定位呈现水云轩北区
0米定位呈现。