1.背景介绍

PCI（Physical Cell Identifier，物理小区标识）也称为物理小区ID，是LTE网络中非常重要的参数，该参数设置的好坏在很大程度上影响着网络的性能指标。通过构建LTE网络的重叠覆盖干扰矩阵和PCI模3干扰评估模型，可实现基于现网MRR数据和路测数据的PCI规划和优化算法。与传统的基于传播模型的PCI规划方法相比，本方法准确性高，能准确评估和有效消除PCI模3干扰，经济效益和社会效益显著。

3GPP协议规定PCI分为两个部分：小区组ID（Cell Group ID）和组内ID（ID within Cell Group）。协议规定物理层小区组有168个，每个小区组由3个ID组成，因此共有168×3＝504个独立的PCI。

其中，小区组ID的取值范围为0～167，用来产生辅同步信号SSS；组内ID的取值范围为0～2，用来产生主同步信号PSS。

PCI直接决定了小区同步序列，并且多个物理信道的加扰方式也和PCI相关。例如，PDSCH的加扰序列的产生与物理小区ID是有关系的。而且，物理小区ID与小区专属参考信号的频域位置也是相关的。

2.PCI规划原则

LTE网络中的PCI规划需要遵循以下几个原则：

（1）不冲突原则

假如两个相邻的小区分配相同的PCI，则会导致重叠区域中至多只有一个小区会被UE检测到，而初始小区搜索时只能同步到其中一个小区，而该小区不一定是最合适的，称这种情况为冲突。所以在进行PCI规划时，需要保证同PCI的小区复用距离至少间隔4层站点（参考CDMA PN码规划的经验值）以上，大于5倍的小区覆盖半径。

（2）不混淆原则

一个小区的两个相邻小区具有相同的PCI，UE请求切换到ID为A的小区，eNB不知道哪个为目标小区，称这种情况为混淆。不混淆原则除了要求同PCI小区有足够的复用距离外，为了保证可靠切换，还要求每个小区的邻区列表中小区PCI不能相同，同时规划后的PCI也需要满足在二层邻区列表中的唯一性。

（3）同站小区PCI连续原则

同站的3个小区SSS相同，PSS分别取值为0、1、2。

（4）相邻小区模3不同原则

小区和其相近的邻区PCI最好两两模3不同余，这样能保证物理小区组的组内ID不同，即产生的主同步信号序列不同。而当相邻小区模3相同时，会引起系统干扰抬升，造成SINR质差、影响用户接入和切换、降低小区吞吐量等一系列问题。

在上述4个规则中，前3个规则是必须遵守的，也是很容易满足的，不能完全满足的是第4个规则。由于PSS只有3个取值，在商用LTE网络中，随着网络规模的扩大，小区密度的增加，不可能完全避免模3冲突，因此模3干扰已经成为LTE同频干扰中最常见的一种干扰。如何快速地适应网络规模的变化，有效地降低和消除模3干扰，已经成为业界的研究热点。

鉴于此，出现了一种新的PCI规划和优化的算法，利用MRR、路测等现网数据，构建LTE网络重叠覆盖干扰矩阵，进行现网PCI模3干扰评估，发现模3干扰问题点，并采用高效率的遗传算法，对PCI进行优化及仿真评估。算法基于现网数据，能够准确评估和有效消除模3干扰，从而提升LTE网络质量，提升用户感知。

3.PCI规划算法研究

（1）PCI模3干扰评估模型

要消除现网的PCI模3干扰，首先要研究模3干扰的检测算法，对网络存在的模3干扰问题点进行全面评估和掌握。在此基础上，才能进行针对性的优化，消除模3干扰。

研究和实际测试表明，当主小区和邻区存在重叠覆盖（二者的场强比较接近）、且PCI模3相等时，必然会导致主小区的SINR质差，造成模3干扰。由此，可以归纳出PCI模3干扰问题点的检测算法如下：

1）邻区和主小区的同频。

2）邻区的场强与主小区的场强相近，差值在6DB以内，形成重叠覆盖，即RSRP主-RSRP邻＜6DB。

3）邻区的PCI和主小区的PCI模3相等，即PCI主％3＝PCI邻％3。

在LTE路测数据（包括扫频数据）和MRR测量采样点中，记录了主小区的频点、场强、PCI和SINR值，以及邻区的频点、场强和PCI信息。通过对MRR、路测数据和扫频数据的综合分析和处理，可统计出全网两两小区的重叠覆盖情况，从而建立全网的重叠覆盖干扰矩阵，并在此基础上，进行现网的模3干扰检测，量化计算网络的模3干扰问题点。结合路测数据中的位置信息，还可以对模3干扰问题点进行地理化的呈现，便于问题点的分析和解决。

（2）PCI优化算法分析

从前面的论述来看，消除PCI模3干扰问题有以下两个方法：

1）调整网络覆盖和结构，消除问题小区对的重叠覆盖，从而降低模3干扰。

2）优化PCI配置，消除模3冲突，从而降低模3干扰。

在现网优化中第一种方法是经常采用的，但这不是本专题讨论的重点。本专题着重研究第二点，即在假设网络覆盖和结构都不变的情况下，通过PCI的优化来消除模3干扰。

PCI优化的问题可以归纳为以下问题：

●网络中存在N个小区，小区的PCI分别记为PCI₁，PCI₂，…，PCI_N-1，取值范围为0～503。

●任意一个小区C_i作为主小区时，与其他小区的重叠覆盖采样点数记为CiC₁，CiC₂，…，CiC_N-1。

●网络的总体PCI干扰问题点数记为P_total，当小区C_i和C_j的PCI满足PCI_i％3＝PCI_j％3时，重叠覆盖采样点数C_iC_j累计到P_total中，反之无须计算。P_total计算公式如下：P_totalC_iC_j·R（PCI_i，PCI_j）

当PCI_i％3＝PCI_j％3时，R（PCI_i，PCI_j）＝1，反之R（PCI_i，PCI_j）＝0

●给每一个小区分配一个合理的PCI，使得P_total的值总体最小。

上述问题是一个组合优化问题，也是一个NP完全问题，无法通过穷举来求得最优解。本专题研究采用遗传算法，可以在较快的时间内使得P_total值比现网下降40％，有效的消除模3干扰问题点。

4.PCI优化算法设计

遗传算法主要运用了自然界进化中的“优胜劣汰”思想，群体中对环境适应性强的优良个体比差的个体有更多机会相互进行杂交，继承各自好的特性，产生适应性更强的后代，通过这种方式使整个群体更加适应环境。它从代表问题可能潜在解集的一个种群开始，逐步演化产生出越来越好的近似解。(www.daowen.com)

遗传算法的一般流程如下：

1）随机产生初始种群，个体数目一定，每个个体表示为染色体的基因编码。

2）计算个体适应度，并判断是否符合优化准则，若符合，则输出最佳个体及其代数的最优解，并结束计算；否则转向第三步。

3）依据适应度选择再生个体，适应度高的个体被选择中的概率高，适应度低的个体可能被淘汰。

4）按照一定的交叉概率和交叉方法，生成新的个体。

5）按照一定的变异概率和变异方法，生成新的个体。

6）由交叉和变异产生新一代的种群，返回到步骤2）。

遗传算法中包含了以下5个基本要素：①参数编码；②初始群体的设定；③适应度函数的设计；④遗传算子设计；⑤控制参数设定（主要是指群体大小和使用遗传算子的概率等）。这5个要素构成了遗传算法的核心内容。

遗传算法中通常有字符串编码和二进制编码两种方式。在本遗传算法中，采用字符编码方式。用n维向量表示问题的解，n是要规划PCI的小区数。每个元素用v_i表示，它的值就是分配给小区i的PCI。要求v_i之间满足以下约束：

●不冲突，即同站小区的PCI不重复。

●不混淆，即任何小区与同频邻区的PCI不重复，小区相邻两个同频的邻区PCI不

重复。

●复用距离范围（可修改，一般为2km）内PCI不重复。

初始化种群步骤如下：

1）假设i＝0。

2）对于小区i，若i＝n，则完成初始化个体，退出；否则随机分配一个PCI给v_i，如果满足约束，则i＝i＋1重复此步骤。若不满足约束，则跳到步骤3）。

3）v_i＝（v_i＋1）mod504，检查是否满约束，如果满足约束，则i＝i＋1，跳到步骤2）。若不满足约束且尝试过所有504个PCI值，则初始化个体失败并退出；否则重复该步骤。

个体的适值计算函数：

当PCI_i％3＝PCI_j％3时，R（PCI_i，PCI_j）＝1，反之R（PCI_i，PCI_j）＝0

遗传算子设计如下

选择：选择是用来确定变异或交叉个体，以及被选个体将产生多少个子代个体。适应度好的父辈个体将会有较高的概率成为新一代的个体。从这一代中选择出若干个体进行后续交叉、变异等操作。同时，个体的交叉和变异都以站为单位，即若个体中一个小区被选中，则与该小区同站的小区也同时被选中。

交叉：交叉是最主要的遗传运算，它同时对两个染色体操作，组合二者的特性产生新的后代。在PCI优化算法设计中，交叉采取交换两个个体的一个片段，即交换两个个体若干站的PCI值。

变异：变异本身是一种局部随机搜索，可以提供初始种群中不含有的基因，或找回选择过程中丢失的基因，为种群提供新的内容，使遗传算法保持种群的多样性。本专题中变异采取选择个体的一个片段并赋予新的随机值的方式。

需要注意的是，要对交叉和变异的结果检查约束满足情况，若不满足约束，则放弃该交叉或变异结果。

5.现网验证

对某州白云区北二环高速和机场高速交叉口附近区域的将近700个小区进行优化试点，相关计算参数如图6-1所示。

图6-1 PCI优化参数设置

计算消耗时长为20分钟，PCI优化评估结果如图6-2所示。评估结构表明，优化前该区域存在570个PCI模3干扰问题点，优化后只剩下144个，消除率为74.7％。

图6-2 PCI优化评估结果

模3干扰问题点的分布图如图6-3所示，其中绿色点为已解决问题点，红色点是未解决问题点，黄色点为新增问题点。通过图6-3可以看出，大部分的问题点已经得到解决，该区域的PCI模3干扰问题有了明显改善。

6.总结

本专题通过构建LTE网络的重叠覆盖干扰矩阵和PCI模3干扰评估模型，实现了基于现网MRR数据和路测数据的PCI规划和优化算法。与传统的基于传播模型的PCI规划方法相比，本方法效率高、准确性高，能有效地消除PCI模3干扰，为研究PCI优化提供了有益的帮助。

图6-3 PCI优化结果显示的模3干扰分布图