Communication&InformationTechnologyNo.4.2023通信与信息技术2023年第4期(总第264期)基于AI的Massivemimo天线权值均衡系统研究李国博，黄志聪中国移动通信集团广东有限公司中山分公司，广东中山，528400摘要：结合最优波束选择算法探索，主要研究Massivemimo天线权值。通过不同场景的验证测试，输出一套满足5G规模建设和多网协调发展的参数算法，提升5G网络深度覆盖，使5G基站覆盖更加合理，实现基站负荷均衡。关键词：天线权值；人工智能；负荷均衡中图分类号：TN929.5文献标识码：B文章编号：1672-0164(2023)04-0092-041前言传统天馈优化，主要基于MR数据、OTT数据等，对方位角、下倾角等天馈参数进行调整，对网络负荷、覆盖以及干扰等问题进行优化。但因为人工操作和OTT数据、工参不准确等问题，优化经常无法达到预期的效果。5G网络面向高频、大带宽、大连接，使得5G站点更为密集。与4G网络共存的网络环境将使网络覆盖、小区间干扰等优化工作更为复杂。大数据平台的成熟应用，为运营商积累了丰富的数据资源，如无线网络的KPI、MR、OTT、MDT数据等，为从数据层面感知网络提供了良好的数据基础。人工智能技术发展的不断成熟，为网络智能化自动运维带来了新的曙光，目前特别是在基于大数据的覆盖预测、网络规划、均衡优化等方面取得了显著成效。天线的波束优化涉及具体的波束相位、振幅以及电子下倾角等参数的调整，其参数组合优化的候选空间解达到数万种，远超出人脑可以计算空间，因此需要借助自动化智能化技术来实现。关于天线权值的研究一直在进行，MassiveMIMO天线增加了垂直波束赋形的能力，具有覆盖性能强，频谱效率高，小区间干扰小等优势，但也存在应用场景复杂，厂家已有权值方案数量少，人工经验不适应等痛点[。部分传统的参数权值优化方法存在计算复杂程度高、优化时间长的问题，难以满足实际应用需求。部分权值优化模型适用于用户较为固定的情况，无法做到实时跟随业务的变化而调整[2]。海量业务请求，超高网络负载，复杂动态的网络环境等对5G系统优化提出了巨大的挑战[3]。目前MassiveMIMO天线权值寻优方法主要采用蜂群算法，该方法存在收敛速度慢和容易陷入局部最优解等问题4。面对这些技术难点，现在亟须一种更加高效、便捷的天线权值参数优化方法来解决上述技术问题。基于AI的Massivemimo天线权值均衡系统对优化上述一系列问题进行了研究[5。从小区容量和覆盖相结合入手，通过5GMassiveMiMO(大规模多输入多输出，Multiple-InputM...
