Detecção de Sectores Cruzados em Redes LTE

Transcrição

1 Detecção de Sectores Cruzados em Redes LTE C.Franco 1, P. Vieira 1,2, 1 ADEETC, Instituto Superior de Engenharia de Lisboa (ISEL), A. Rodrigues 2, 2 Instituto de Telecomunicações / Instituto Superior Técnico, Lisboa, Portugal A. Martins 3, N. Silva 3, L. Varela 3, 3 CELFINET, Consultoria em Telecomunicacões, Lda. Lisboa Portugal Resumo Na instalação de novas estações pode acontecer, por erro humano, uma troca de cabos entre os sectores. Isto gera inúmeros problemas na rede, tal como falhas de handover (HO). No âmbito das Self-Organizing Networks (SON), que têm o objectivo de automatizar as tarefas de planeamento e optimização, este artigo apresenta um algoritmo que detecta os sectores que estejam trocados entre si. O algoritmo baseia-se na comparação entre um azimute real e um azimute virtual. Foram realizados inúmeros testes ao algoritmo, que detectou em todos os cenários realizados os problemas existentes. Palavras Chave LTE; Self-Organizing Networks; Sectores Cruzados; Optimização. I. INTRODUÇÃO Long-Term Evolution (LTE) é uma tecnologia padrão que permite um elevado débito binário para os vários dispositivos móveis sem fios. É a sucessora das tecnologias Global System for Mobile Communications (GSM) e Universal Mobile Telecommunication System (UMTS), melhorando a capacidade e velocidade existente através de uma interface rádio optimizada e uma rede central melhorada. A tecnologia foi desenvolvida devido à crescente necessidade de maior tráfego e ritmo de transmissão, imposto por recentes aplicações como os Multimedia Online Gamings (MOG) e a visualização de vídeos ou televisão através do dispositivo móvel. A nova rede de acesso planeada para o LTE tem um melhor rendimento, maior capacidade e consegue reduzir a latência melhorando desta forma a qualidade global das ligações. A desvantagem da implementação desta nova tecnologia é o esforço que tem sido feito pelos operadores, para conseguir colocar as três tecnologias a coexistir e mantê-las sempre optimizadas, para garantir um melhor serviço ao utilizador final [2]. Desde cedo os operadores reconheceram que para tornar possível a realização do projecto, os custos operacionais tinham de ser reduzidos, tal como o esforço necessário na implementação e optimização. Os operadores querem garantir que a qualidade oferecida é elevada mas reduzindo ao máximo o Capital Expenditures (CapEx) e o Operational Expenses (OpEx), que estão associados a processos de implementação complexos, como é o caso do LTE. Dessa forma foram introduzidas as Self-Optimizing Networks (SON) como forma de automatizar os vários processos existentes na rede com a mínima interação humana possível [2]. O 3 rd Generation Partnership Project (3GPP) iniciou um projecto de desenvolvimento de especificações para as SON nas suas Releases 8 e 9. O principal objetivo destas novas funções é minimizar os custos através da eliminação ou redução da configuração e optimização manual nas redes móveis [3]. Uma das funções relacionadas com as SON é a detecção de sectores cruzados. Actualmente, a detecção desde problema é feita através de uma análise dos dados de Drive Tests (DT). Como a quantidade de informação presente nos DTs é muito extensa a tarefa torna-se complexa e lenta para o engenheiro de rádio. Desta forma, um algoritmo de detecção automática de sectores cruzados é extremamente importante, pois permite ao engenheiro de rádio poupar tempo, que pode ser aplicado noutras tarefas. Este artigo está organizado da seguinte forma: A Secção II apresenta o estado da arte, resumindo a definição de sectores cruzados; Na Secção III é apresentado o algoritmo de detecção de sectores cruzados. A secção IV apresenta a interface da ferramenta desenvolvida. Na secção V são mostrados os resultados de algumas simulações feitas de forma a validar o seu funcionamento. Por último, na secção V são apresentadas as conclusões. II. STATE OF THE ART Um dos erros mais recorrentes quando se instala uma nova estação é uma troca dos cabos que alimentam os sectores, gerando uma situação conhecida como Sectores Cruzados (Crossed Sector). Apesar do erro ser fácil de cometer, os problemas que dele advém são graves e necessitam de serem resolvidos o mais breve possível. Figura 1 Exemplo de um par de sectores cruzados. O sector a vermelho está trocado com o azul. Quando esta situação acontece, os sectores continuam a gerar uma boa cobertura, no entanto os parâmetros de rede dos dois sectores estão trocados. Isto significa, por exemplo, que parâmetros como o Broadcast Control Channel (BCCH) e as Handover Lists (HOL) estão trocadas entre os sectores [4]. O resultado é um aumento da interferência na rede, um fraco desempenho de handover e em alguns casos uma fraca ligação

2 em uplink [4]. Actualmente a forma mais usada para fazer a detecção deste problema é através de DT. No relatório de DT é expectável que, quando existe um par de sectores cruzados, surja uma célula a servir onde era expectável estar outra célula da mesma estação (ver Figura 1). III. ALGORITMO DE DETECÇÃO DO CROSSED SECTOR O algoritmo de detecção tem como inputs os dados de drive test e a topologia de rede, produzindo como output um relatório em Excel e em Google Earth (GE) que identifica as situações com problemas. Os próximos parágrafos são explicados para um sector de um enb. Nos cálculos relacionados com cada sector são considerados apenas os bins relevantes (Um bin é um ponto no mapa em que existe pelo menos uma medida disponível). Os passos mais relevantes do algoritmo estão representados na Figura 2. Como o azimute virtual é a orientação óptima para as medidas disponíveis, pode ter um desvio em relação ao real, desta forma foi implementado uma margem pela qual se considera que o sector não vai ser considerado como candidato a constituir um sector cruzado (Figura 3). Depois de encontrados todos os candidatos a sectores cruzados é feita uma avaliação estatística para se tomar uma decisão. Esta avaliação usa um método que avalia as medidas, dando mais peso estatístico às medidas mais relevantes. No final, é calculada uma percentagem de confiança na decisão tomada, e tendo em conta o resultado destes dois últimos passos, são escolhidos os pares de sectores com problemas para reportar em Excel e GE. Limitação das medidas Cálculo do azimute Virtual Comparação de azimutes Criação da lista de candidatos Apresentação dos resultados em GE e Excel Calculo da percentagem de confiança Avaliação estatistica para tomada de decisão Figura 3 Representação do azimute real vs virtual, sendo o virtual representado a azul e o real a preto. Figura 2 Fases chave do algoritmo para a detecção dos sectores cruzados. Para cada sector é calculado um azimute virtual a partir dos bins relevantes. Os bins relevantes são obtidos através da aplicação das limitações que o algoritmo possui. Estas foram criadas de forma a evitar zonas em que não existe um best server bem definido, tornando a decisão nessas áreas incoerente. Foram implementadas limitações através da abertura do diagrama de radiação e através da diferença de ganhos entre as medidas presentes num dado bin. O azimute virtual representa a direcção óptima para onde um sector teria de estar orientado, de modo a servir da melhor forma as medidas disponíveis. Para escolher as medidas que têm mais peso para o cálculo do azimute virtual, é feito uma média ponderada entre o azimute da medida em relação ao Norte geográfico, o diagrama de radiação e o nível de sinal Reference Signal Received Power (RSRP) de cada uma das medidas consideradas. A equação usada para o cálculo do azimute virtual é apresentada na Equação 1. IV. A INTERFACE VISMON Este trabalho foi desenvolvido em cooperação com a Celfinet (Empresa Portuguesa de Consultoria em Telecomunicações). A ferramenta no qual o projecto foi implementado chama-se Vismon e é uma aplicação de vizualização e optimização que interage entre a base de dados (SQL Server ) e a aplicação de visualização (GE, Google Earth ). O Vismon baseia-se na informação presente numa série de tabelas de dados, que funcionam com inputs dos algoritmos. Nessas tabelas, entre outros dados, pode ser encontrado a topologia de rede, os scans da rede e os resultados dos drive tests. No geral, o Vismon está dividido em quatro separadores principais, cada um deles com a sua função especifica. O seu objectivo principal é a visualização e optimização de parâmetros da rede atraves da análise dos dados de entrada. Azimute virtual = Azimute real G ant bin RSRP bin G ant max RSRPmax G ant bin RSRP bin G ant max RSRPmax (Eq.1),onde G antbin é o ganho calculado a partir do diagrama de radiação da antena para uma dada direcção, G ant max é o ganho máximo do diagrama de radiação, RSRP bin é o valor da medida de RSRP para um dado bin e RSRP max o valor máximo de RSRP existente de entre os bins de um dado Physical Cell Identity (PCI). Figura 4 Separador Antenna Optimization do Vismon.

3 Um dos separadores da ferramenta é o Antenna Optimization (Figura 4). Neste separador é possivel concretizar a detecção de pares de sectores cruzados mediante uma série de escolhas que são feitas na interface, tal como a tecnologia, a resolução e o nome das estaçoes-base que se quer analisar. Também é possivel selecionar uma série de limitações às medidas que vão ser usadas nos cálculos do algoritmo. Para simplificar a utilização da ferramenta, foi desenvolvido um estudo para encontrar os melhores valores de diferença de ganhos e de abertura do diagrama de radiação de forma a serem válidos para uma vasta gama de cenários. Essa definição de valores permite ao engenheiro uma utilização mais rápida da ferramenta, sem a preocupação de serem definidas essas limitações para todos os cenários que queira avaliar. V. RESULTADOS DAS SIMULAÇÕES E DISCUSSÃO A. Introdução aos cenários de teste realizados Os testes que vão ser apresentados de seguida são de estações situadas em Portugal Continental. Nos dois cenários foi simulada uma troca forçada nos sectores para se poder observar o funcionamento do algoritmo. Os dois cenários contam com estações tri-sectorizadas. O esquema de cores utilizado para representar os sectores e as medidas referentes aos mesmos foi o seguinte: sector 1 azul, sector 2 vermelho e sector 3 amarelo. B. Cenário de teste 1 Esta estação possui três sectores com as seguintes orientações: 60º (PCI:0 - sector a azul), 160º (PCI:2 - sector a amarelo), 320º (PCI:1 - sector a vermelho. Devido às limitações impostas pelo algoritmo são utilizadas apenas 74% das medidas de modo a obter-se um resultado mais preciso. Existem dois métodos de limitar as medidas de forma a obter apenas aquelas que são mais relevantes para os cálculos. Um dos métodos é através da abertura do diagrama de radiação e o outro método é através do cálculo de uma diferença de potências entre as várias medidas. Esta análise é feita ao nível do bin. Os dois métodos complementam-se e têm o objectivo de eliminar zonas onde não existe um bestserver bem definido, pois são consideradas como zonas de baixa relevância para a detecção de sectores trocados. Figura 5 - Sectores e medidas da estação 1. Figura 6 a) Histograma, b) gráficos de decisão e c) gráfico de confiança para a estação 1. Através de uma análise à representação dos sectores e medidas consegue-se identificar que existem dois sectores trocados entre si. No entanto, existem uma série de gráficos que possibilitam uma conclusão mais completa, estando representados na Figura 5. Estes gráficos são o resultado de um método inovador, que através de uma avaliação à relevância estatística de cada medida gera a divisão em dois grupos distintos, de crossed sector e de not crossed sector, e que estão representados no histograma da Figura 6 a). A relevância estatística é calculada através de uma avaliação em relação à diferença de ganhos do diagrama de radiação e à diferença de potências encontradas nas medidas. A partir dessas distribuições é calculada uma média ponderada sobre as duas áreas, para se obter uma decisão sobre cada par de sectores

4 (Figura 6 b) ). Por fim é calculada a percentagem de confiança no resultado, indicando uma certeza de 100% que o par de sectores a vermelho e amarelo estão trocados (Figura 6 c) ). Este valor de confiança é conseguido através de uma comparação entre a média ponderada da zona de cross sector (no histograma) e a média ponderada do total das duas zonas. Através da avaliação dos gráficos da Figura 6 a) conseguese concluir que em todos os pares de sectores analisados existem casos de bins em crossed sector, no entanto, é claro o par de sectores que apresenta a maior quantidade de medidas nessa região. O par de sectores cruzado apresenta um rácio de 100 % dos bins a indicar que os sectores estão trocados. Na Figura 6 b) é importante ter em consideração que enquanto a distribuição de medidas dos dois pares de sectores correctos se situam em volta dos 34% (em módulo), no caso dos sectores cruzados este valor sobe para 60% (em módulo). Este último valor reflecte que a relevância estatística das medidas utilizadas é elevada, resultando numa elevada confiança no resultado indicado (Figura 6 c)). C. Cenário de teste 2 A estação utilizada no cenário contem três sectores com as seguintes orientações: 30º (PCI:1 sector a vermelho), 130º (PCI:0 sector a azul) e 270º (PCI:2 sector a amarelo). Tal como no cenário de teste 1 existem algumas medidas que foram limitadas. Um exemplo de onde acontece é entre as medidas a vermelho e a amarelo (ver Figura 7). Figura 7 Sectores e medidas da estação 2. Apesar de ser indicativo que os sectores a vermelho e azul se encontram trocados entre si (Figura 7), é aconselhável uma análise dos gráficos presentes na Figura 8. Tal como no cenário anterior, a confiança com que se indica que existe um par de sectores cruzados é bastante elevada, aproximadamente 98 % (Figura 8 c)). A percentagem não atinge os 100 % porque existem algumas medidas que já se encontravam na zona de cobertura errada antes de ser executada a troca forçada de sectores. Figura 8 a) Histograma, b) gráficos de decisão e c) gráfico de confiança para a estação 2. Quando se fez a troca dos setores estas medidas passaram a estar bem posicionados (medidas a vermelho perto do azimute de máxima radiação do sector a vermelho). No entanto, tal como a percentagem de confiança no resultado indica, não é uma situação crítica (ver Figura 8 c). Os gráficos da Figura 8 b) apresentam uma distribuição entre 33% e 45% sendo o valor mais baixo atribuído ao par de sectores cruzados. Em comparação com o cenário antes de ser feita a troca forçada, há uma descida nos valores dos dois pares de sectores correctos, de 53% para 45% e de 40% para 35%. Isto acontece porque

5 depois da troca de sectores, a maior parte das medidas que vão ser consideradas nas avaliações entre pares de sectores, pertencem ao sector a amarelo. As restantes medidas não aparecem devido às limitações por abertura do diagrama de radiação e por ganho. Um exemplo desta situação pode ser identificada na Figura 7, quando são seleccionados os sectores a amarelo e a azul para serem analisados, o sector a azul não tem medidas na direcção para onde está a servir, resultando numa análise baseada nas medidas a amarelo. Os gráficos da Figura 8 b) apresentam uma distribuição entre 33% e 45%, sendo o valor mais baixo atribuído ao par de sectores cruzados. Em comparação com o cenário antes de ser feita a troca forçada, há uma descida nos valores dos dois pares de sectores correctos, de 53% para 45% e de 40% para 35%. Isto acontece porque depois da troca de sectores, a maior parte das medidas que vão ser consideradas, pertencem ao sector a amarelo. As restantes medidas não aparecem devido às limitações por abertura do diagrama de radiação e por ganho. Na comparação estatística entre o cenário 1 e o cenário 2 para os pares de sectores em crossed sector (Figura 6 b) e Figura 8 b)) identifica-se que o primeiro cenário tem um valor maior que o segundo cenário: cenário 1 60 e cenário O que acontece neste caso é que as medidas presentes no cenário 1 estão mais concentradas perto do azimute de mínimo ganho. Isto origina uma maior diferença de ganhos e de potências, resultando num valor estatístico mais elevado. entanto, são situações muito particulares que raramente sucederão. D. Cenário de teste 3 A estação utilizada no cenário contem três sectores com as seguintes características: 60º (PCI:147 sector a azul), 160º (PCI:148 sector a vermelho) e 300º (PCI:149 sector a amarelo) (Figura 9). Figura 10 - a) Histograma, b) gráficos de decisão e c) gráfico de confiança para a estação 3. Figura 9 - Sectores e medidas da estação 3. Ao contrário dos casos anteriores, onde foi detectado um par de sectores trocados, neste caso foi detectado mas é uma situação onde existe alguma dificuldade em identificar qual é a área de serviço de cada sector. Por essa mesma razão, a percentagem de certeza no resultado desce para valores na casa dos 50% - 60%. Este cenário mostra a situação limite onde o algoritmo já não consegue produzir um resultado confiável. No Tal como se pode ver na Figura 9, os sectores a vermelho e a amarelo não tem a sua área de cobertura bem definida, estando a medidas espalhadas indefinidamente pela área de cobertura dos dois sectores. Esta situação normalmente é identificada em sectores que tenham uma orientação próxima entre si, no entanto neste caso não existe uma explicação lógica para o sucedido. Neste caso, é difícil tirar conclusões apenas por uma observação do resultado em GE, a única forma de perceber qual o resultado da verificação é através dos gráficos presentes na Figura 10.

6 Em avaliação à Figura 10 a) e b) percebe-se que existe apenas um par de sectores crítico e que requer uma análise mais cuidada. Quanto ao resultados entre o sector a azul e qualquer um dois outros dois sectores, o resultado é claro e indica que não existe um cruzamento entre sectores. Para consolidar esse resultado identifica-se na Figura 10 c) que a confiança na decisão desses pares de sectores não estarem cruzados é maior do que 90%. No caso da avaliação aos sectores a amarelo e vermelho identifica-se que o resultado é de estarem trocados entre si, apesar de a diferença, entre os resultados da média ponderada, ser bastante baixa, ver Figura 10 a) e b). Um outro ponto que é possível comparar com os cenários anteriores é a relevância estatística das medidas usadas nesse par de sectores Figura 10 b). No caso dos cenários anteriores (secções V.B e V.C) a relevância estatística do par cruzado era de 60% e 45%, respetivamente. No caso deste cenário o valor desce para 20%, que é bastante inferior aos anteriores, revelando logo aí a existência de alguma incoerência com as medidas, invalidando uma análise correcta ao cenário. Para garantir que a análise efectuada precisa de ser revista manualmente, na Figura 10 c) está apresentada a confiança na decisão, que apresenta uma percentagem de aproximadamente 51%. Desta forma, apesar do algoritmo chegar a uma decisão, não se pode garantir que essa seja a solução mais correcta para o cenário. VI. CONCLUSÕES Neste artigo é apresentado um algoritmo para a detecção de sectores cruzados para redes LTE. O método usado é baseado na comparação entre um azimute virtual, que indica a orientação ideal tendo em conta as medidas, e o azimute real da antena. Adicionando a este método algumas restrições que são impostas para selecionar as medidas relevantes (abertura do diagrama e diferença de ganhos), e ainda uma análise estatística que possibilita formular uma decisão baseada numa percentagem de confiança, é possível a detecção de um par de sectores cruzados. Para validar o algoritmo foram feitos vários cenários. No primeiro cenário de teste encontra-se um conjunto de sectores em que dois deles têm todas as suas medidas trocadas. No caso em que tal situação acontece é percetível que o resultado terá uma grande certeza estatística, indicando facilmente que existe um problema e qual a melhor solução para o resolver. O segundo cenário de teste e apresenta muito mais medidas do que no cenário anterior, sendo que algumas dessas medidas se encontram fora da área ideal de cobertura do sector que as serve. O resultado do algoritmo é uma detecção com sucesso de um par de sectores cruzados com uma confiança na decisão menor do que no cenário anterior, mas acima dos 95%. No terceiro cenário é apresentado uma situação que testa o limite de detecção correcta do algoritmo. Neste está presente um par de sectores que tem áreas de cobertura mal definidas resultando numa percentagem de confiança na decisão final de 51%. Como nota final, o algoritmo foi utilizado em cenários reais da rede Vodafone, analisando a maioria das situações de forma precisa e correcta. AGRADECIMENTOS Os autores gostariam de agradecer à Vodafone Portugal (VDF-PT), ao Instituto de Telecomunicações (IT), à Celfinet e AO Instituto de Telecomunicações (projecto PEst- OE/EEI/LA0008/2013), pela colaboração e financiamento. VII. REFERENCES [1] Motorola, Long Term Evolution (LTE):A Technical Overview,Thecnical white paper, 2007, ( ). [2] Motorola, Motorola LTE Self Organizing Networks, 2009, Thecnical white paper, ( ). [3] 4G Americas, Self-Optimizing Networks: The Benefits of SON in LTE, July 2011, ( ). [4] Huawei, How to Analyze crossed Feeder Issue by DT, presentation, 2008.