通过网管KPI大数据关联分析主动识别网络RF问题的一种优化思路
-
资源ID:270821903
资源大小:550.60KB
全文页数:6页
- 资源格式: DOCX
下载积分:8金贝
快捷下载
账号登录下载
微信登录下载
微信扫一扫登录
1、金锄头文库是“C2C”交易模式,即卖家上传的文档直接由买家下载,本站只是中间服务平台,本站所有文档下载所得的收益全部归上传人(卖家)所有,作为网络服务商,若您的权利被侵害请及时联系右侧客服;
2、如你看到网页展示的文档有jinchutou.com水印,是因预览和防盗链等技术需要对部份页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有jinchutou.com水印标识,下载后原文更清晰;
3、所有的PPT和DOC文档都被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;下载前须认真查看,确认无误后再购买;
4、文档大部份都是可以预览的,金锄头文库作为内容存储提供商,无法对各卖家所售文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;
5、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据;
6、如果您还有什么不清楚的或需要我们协助,可以点击右侧栏的客服。
|
下载须知 | 常见问题汇总
|
通过网管KPI大数据关联分析主动识别网络RF问题的一种优化思路
通过网管KPI大数据关联分析主动识别网络RF问题的一种优化思路中国电信贵州分公司无线传输局完成日期2017年8月28日作者钟振版本V1.0摘要:在L800M网络日常指标优化过程中,发现某小区UE Context异常释放次数较多,影响网络性能和用户感知,最终问题定位为上行弱覆盖导致,通过RF优化问题得到解决。传统方法识别网络RF问题主要是通过路测分析,结合现网工参信息判断是否需要RF调整,但该方法效率较低,识别的小区有限,仅能识别道路覆盖小区。后续可以通过网管各项指标(如PUSCH上检测到用户级别的RSRP、TA等)进行大数据关联分析,充分发挥大数据分析作用,找出网络潜在问题,并进行针对性优化,快速提升网络质量。关键词:UE Context异常释放、RF优化、上行弱覆盖1. 问题描述8月23日监控发现“56673_1_乌当云锦庄_铁_电_C_FC”小区UE Context异常释放次数较高,各项KPI均较差。 日期小区名称UE Context异常释放次数UE Context正常释放次数eNodeB发起的原因为上行弱覆盖的UE Context异常释放次数eNodeB发起的原因为切换失败的UE Context释放次数eNodeB发起的原因为无线层问题的UE Context释放次数2017-08-2356673_1_乌当云锦庄_铁_电_C_FC61352429487106132017-08-2456673_1_乌当云锦庄_铁_电_C_FC111259022868611102017-08-2556673_1_乌当云锦庄_铁_电_C_FC6106834352166062017-08-2656673_1_乌当云锦庄_铁_电_C_FC105289197922910492017-08-2756673_1_乌当云锦庄_铁_电_C_FC105788886946810562017-08-2856673_1_乌当云锦庄_铁_电_C_FC112688978061052. 问题分析1. 分析此站UE上下文掉线率指标,counter打点为该小区的UE Context异常释放次数较高。UE Context异常释放次数指标如下: 2. 查询该站点告警日志,无相关告警。3. 核查站点的参数配置情况,未发现明显异常问题。4. 分析UE Context异常释放原因,“PUSCH上检测到用户级别的RSRP为Index13的次数”的次数最高(Index13对应接入电平在-120dBm),初步怀疑为为上行弱覆盖导致。5. 结合后台TA指标分析,发现TA的索引值主要集中在5和6,接入距离集中在3.5KM以上,存在越区覆盖问题,需要进行测试和RF优化。*TA注释 :统计小区内上行同步态用户的TA分布情况。其中一个TA的时长为0.52微秒。 TA值区间06定义如下: Index0:0,3 Index1:4,7 Index2:8,13 Index3:14,25 Index4:26,45 Index5:46,85 Index6:86,+) 本指标统计不包含小区下的CA SCC用户。IndexTA下限TA上限覆盖距离下限(m)覆盖距离上限(m)00302341473125462813624101431425109219504264520283510546853588663068667086. 技术人员对“56673_1_乌当云锦庄_铁_电_C_FC”小区进行RF优化调整,将1小区下倾角由3°调整为15°。通过RF优化调整,此站掉线指标得到明显改善,UE Context异常释放次数由1057下降到112次,改善89%,掉线率由1.18%降低到0.16%,改善比例高达84%,如下图所示:优化后接入TA值落入正常范围,接入TA值5和6(接入距离3.5km以上)次数由72881降低到9283,改善87%,如下图所示;优化后上行弱覆盖区间索引由14提升到21,上行电平由-118dbm提升到-90dbm,有效解决上行弱覆盖问题。(Index14对应接入电平在-118dBm,Index22对应接入电平在-90dBm)3. 问题结论该案例通过日常话统指标分析,对PUSCH上检测到的用户级别的RSRP、TA值分布等指标关联综合分析,主动识别出网络问题,同时给出RF优化调整建议,最终解决网络问题,提升了网络性能,改善了用户感知。4. 总结与建议 传统方法识别网络RF问题主要是通过路测分析,结合现网工参信息判断是否需要RF调整,但该方法效率较低,识别的小区有限,仅能识别道路覆盖小区。后续可以通过网管各项指标(如PUSCH上检测到用户级别的RSRP、TA等)进行大数据关联分析,充分发挥大数据分析作用,找出网络潜在问题,并进行针对性优化,快速提升网络质量。