MR数据在G网络SINR优化中的应用
- 格式:pdf
- 大小:1.68 MB
- 文档页数:10
河北电信MR覆盖率提升优化经验总结目录背景 (3)MR采集原理 (3)1.MR定义 (3)2.MR测量机制 (4)3.MR上报流程 (4)MR覆盖优化方法 (5)1.新建站开通 (5)2.基站故障排查 (5)3.RF优化及天馈改造 (5)4.多网协同优化 (6)5.功率优化 (9)整体优化效果 (11)总结 (12)背景目前4G业务发展较快,移动数据业务的高速发展对LTE深度覆盖在面向高速数据速率、VoLTE高清语音、更好的用户体验等方面提出了新的要求。
网络的深度覆盖成为首要任务,河北分公司开展MR覆盖率优化提升专项,包括五高一地场景和农村场景MR覆盖率提升。
MR 覆盖率的直接影响用户体验感知,MR覆盖也直观反应网络覆盖的情况。
现网中的MR覆盖率目标值95%,MR覆盖率提升是优化工作重中之重。
MR采集原理1.MR定义MR是指移动终端通过控制信道在业务信道上以一定时间间隔向基站周期上报所在小区的下行信号强度、质量等物理信息,基站将终端上报的下行物理信息和自身收集的上行物理信息上传给基站控制器,并由其收集与统计。
2.MR测量机制MR由周期或特定事件触发测量,以某项测量内容为单位,记录呼叫过程中的某时间某点处的网络环境特征。
MR数据由基站控制器生成,并以二进制文件的形式存储在OMU单板上,SAU单板会到OMU单板上下载并保存。
MR测量报告内容包括:同频测量/异频测量/异系统测量/业务量测量/质量测量/UE内部测量/UE位置测量。
MR是通过eNodeB的打点输出移动要求的北向格式(XML文件),原始打点是由eNodeB 输出,目前这些打点是承载在eNodeB的外部CHR中。
MR北向文件包括MRO、MRE和MRS三种文件:MRE(Event)代表事件触发的测量报告样本数据;MRO(Originality)代表周期性的测量报告样本数据文件,MRO只包括周期性的样本数据,不包括事件触发的样本数据;MRS(Statistics)代表测量报告统计数据文件,目前包括一维统计数据和二维统计数据,MRS只是针对MRO文件中样本数据的统计,不包括事件触发的测量报告样本数据。
中国联通GSM无线网MR数据分析技术规范中国联通移动网络公司运行维护部2009-8目录总则............................................... 错误!未定义书签。
1、背景介绍 (3)1.1MR概述.................................. 错误!未定义书签。
1.2 MR数据采集要求: (3)1.3MR数据存储要求 (4)1.4MR分析人员要求 (5)2、MR的功能 (5)2.1网络覆盖分析 (5)2.2网络通信质量分析 (6)2.3网络干扰水平分析 (8)2.4覆盖弱小区比例分析 (9)2.5过覆盖小区比例分析 (10)2.6上下行链路不平衡小区比例分析 (11)3、日常MR优化分析 (12)3.1 问题小区定位 (12)3.2 硬件故障分析 (14)3.3 覆盖深度分析 (14)4、专项优化MR分析技术要求 (15)4.1 最佳频率评估 (15)4.2 LAC区边界 MR分析 (16)4.3 重点区域MR分析 (16)4.4 高速铁路MR分析 (17)4.5高速公路MR分析 (18)4.6 室内分布和直放站MR分析 (18)5、网络评估 (19)5.1 无线环境评估 (19)5.2 覆盖评估 (20)5.3 通信质量评估 (20)5.4 话务分布分析 (21)概述MR数据是指在专用模式下,手机向系统发送对无线环境进行测量的报告和系统对上行链路进行测量的报告。
MR数据包含上、下行无线链路测量数据,包括:手机的接收质量,手机的接收电平,手机的发射功率,基站的接收质量、基站的接收电平,TA,上下行链路损耗等无线环境信息。
作为网络优化的重要分析评估手段之一,相对于话务统计数据分析、DT/CQT 分析而言,通过MR进行网络评估和优化具有真实、详尽、方便、直观等多种优势。
总部网络优化中心为了统一MR数据分析方法,特制定《中国联通GSM无线网持续性网络优化MR数据分析技术规范》。
MR数据栅格化对网络精准覆盖规划的辅助能力分析研究摘要:随着4G用户及业务的发展,用户对网络应用体验的要求越来越高,深度覆盖的问题也日趋明显,针对如何有效识别价值区域、发展流量高地等问题,面临工具处理能力低下,多工具串联使用过程复杂、人员技能受限、网络显性化呈现薄弱等问题,因此对高精度MR数据栅格化应运而生。
本文对高精度MR数据栅格化应用相关核心服务进行分析专研,重点研究了高精度MR数据栅格化应用体系结构及算法实现。
最后结合案例分析,进一步对高精度MR数据栅格化应用的使用进行了研究。
关键词:高精度;MR;栅格化应用。
1 应用介绍1.1 名词介绍定位精度:MR定位精度指的是定位算法中计算的MR上报位置点的经纬度与用户上报MR时实际位置之间的误差(Error),也可叫“偏差”( deviation)。
定位精度通常用定位误差均值、方差、概率学CDF曲线或CDF曲线上的几个关键点来表述。
栅格大小 (分辩率):它指的是栅格图的“栅格显示粒度”,而不是精度。
它是一个粒度概念,与定位精度没有关系。
栅格大小通常用N米*N米的正方形来表示。
MR定位:MR定位是确定无线网络中普通用户在作语音和数据业务过程中上报MR时所处的具体位置(经纬度),MR综合定位使用了MR中的CellID、信号强度、时延等信息,结合用户行为识别、前后滤波处理等一系列技术,确定每个用户中呼叫中上报MR的位置。
6D维度:从当前需求及应用来看,以下6个维度更客户需求且操作方便:覆盖(dBm)、容量(MB)、终端(个)、倒流(次)、速率(kbps)、投诉及VIP用户(个)。
实际上6D支持不仅仅6个维度,其余如成本、价值业务、建议淡化处理或作为辅助维度。
在规划时6D的维度可以自定义,根据需求可以将关注的重点维度权重提高。
弱覆盖标准定义:通常基于MR的弱覆盖定义有2个:①栅格RSRP平均值:栅格内所有MR的RSRP算数平均。
②弱覆盖栅格占比:栅格内低于弱覆盖门限的MR条数除以栅格内MR总条数,得到弱覆盖MR占比,如果这一比例超过某一门限(例如:20%),则认为栅格属于弱覆盖栅格。
基于MR测量报告的频率优化应用研究[摘要] 频率优化是GSM无线网络优化的重要组成部分,本文针对频率优化的课题,重点介绍了MR测量报告在频率优化中的应用,包括覆盖优化、邻区优化、日常频率优化、网络变频工程,以及利用MR测量报告在频率优化中的创新应用研究。
[关键词]GSM移动通信无线网络优化频率优化MR测量报告一、MR测量报告的频率优化应用背景1.1当前移动通信网络发展现状与频率优化课题中国移动通信仍然处于一个高速发展的阶段,目前用户数已经突破5亿,随着移动用户数呈大幅度增长,移动通信成为最大的通信手段将成为未来的发展趋势。
由于网络容量的大幅度增长,频点的复用度也越来越高,因网内同邻频干扰导致的语音质量下降、掉话等网络问题逐渐增多。
因此在日常优化中,频率优化是当前研究的重要课题,必须根据网络的质量指标变化情况及时进行频率优化,提升网络质量。
1.2频率优化在GSM网络中的意义目前中国移动GSM900网络主要使用1-94共94个频点,DCS1800网络主要使用512-635共124个频点。
在GSM系统建设中,必须通过频率的重复使用来维持网络规模的持续扩大,由于频率资源有限,及时开展频率优化提高频率资源的利用率,有着资源性的意义。
另外在网络建设时频率规划不当会引起同邻频干扰,影响通话质量,网络建设完成后及时开展频率优化工作,对GSM网络的质量有着保障性的意义。
二、MR测量报告在频率优化中的应用2.1 MR测量报告原理根据GSM规范,为了能对通话中的手机进行功控和切换控制,网络必须得到手机的相关信息,这些信息是由手机汇报的。
对于GSM网络中的手机来说,在通话状态下,手机以480毫秒的周期定期向网络汇报它所测量到的服务小区和邻小区的测量报告,每个测量报告主要包括服务小区的BCCH、信号电平、通话质量和TA值等,另外还包括信号最强的6个邻小区的BCCH、信号电平和BSIC(网络色码)等。
而BSC则根据这些测量报告,根据网络定义的功率控制和切换的参数进行功率控制和切换控制等。
MR数据在4G网络SINR优化中的应用一、成果背景目前公司正在集中全力发展LTE网络建设,由于LTE属于较新的业务,因此目前缺少有效的分析手段。
现阶段主要是靠路测和用户的投诉来发现网络存在的问题,解决的主要是发生在道路上的问题,对于用户实际所处位置的使用情况无法得知和分析。
针对这个问题采取有目的性的采集特定时段MR数据来分析和解决。
MR数据在主流的应用中主要是针对无线网络覆盖问题,即通过接收功率(RSRP)的情况确认弱覆盖、过覆盖等情况,但4G网络优化中,下载速率的多少主要取决于信号与干扰加噪声比(SINR)的情况,本文通过MR数据的深入挖潜,探索了一条对4G网络SINR的优化方法,使得通过后台数据直接定位4G速率问题,极大提高了4G优化工作效率。
二、解决方案影响用户使用感受的主要是覆盖差和信号质量差,也就是RSRP差和SINR差。
其中覆盖问题多数只能靠新建基站等建设手段解决,而RSRP好但SINR差的情况则大多可以通过优化手段来解决,这也是优化最常遇到的问题。
用户终端申请下载速率就是以其解调出的SINR为依据,然后上报CQI需求,网络根据用户上报申请分配下行速率,所以可以说SINR的优化是网络优化的重点。
目前主要是通过用户投诉来发现RSRP好但SINR差的问题,如果能通过MR数据分析来主动的发现这类问题,在用户投诉之前争取解决,则网络优化效率可以得到质的改变。
但是在MR的上报数据中只有用户的RSRP和RSRQ的数据,并没有上报SINR 的数据。
因此需要将上报的RSRQ数据转换为SINR来评估,下面介绍一下具体的计算方法:1. 指标定义RSRP(Reference Signal Receiving Power):是在某个Symbol内承载Reference Signal的所有RE上接收到的信号功率的平均值;RSSI(Received Signal Strength Indicator):是在这个Symbol内接收到的所有信号(包括导频信号和数据信号,邻区干扰信号,噪音信号等)功率的平均值;RSRQ (Reference Signal Receiving Quality):RSRP和RSSI的比值,当然因为两者测量所基于的带宽不同,会用一个系数来N调整,也就是RSRQ = N*RSRP/RSSI,N是全带宽的RB数目(跟带宽有关系)。
LTE原始MR数据挖掘及在网络优化中的应用作者:沈楠赵春阳余飞来源:《科技与创新》2019年第09期摘要:原始MR为海量明细数据,不易存储及应用,通过对原始MR数据进行了数据挖掘,在此基础上实现了在无线网络优化中的几种典型应用,为原始MR数据的后续开发及应用提供了参考。
关键词:原始MR;数据挖掘;网络优化;LTE中图分类号:TN929.53文献标识码:ADOI: 10.15913/ki.kjycx.2019.09.0671 引言测量报告( measurement report,MR)是TD-LTE系统的一种重要功能,终端上报的测量结果可以用于系统中小区选择/重选及切换等事件的触发,也可以用于维护和观察系统的运行状态,是网络优化中的主要数据来源之一。
在日常网络优化中,原始的MR数据由于数据量巨大,不适宜直接存储和使用,一般是将MR中所需要的关键字段数据入库后再统计使用,使用起来方便灵活。
这样处理的后果就是原始MR数据中数据与数据之间的关联以及大量有用的细节信息被丢弃了,而这种被丢弃的数据有可能被用来进行深层次的数据挖掘及应用,实现网络数据应用的最大化,从更深的层次上实现多个维度的关联分析及网络数据的拓展应用。
某特大型城市全天原始MR数据的压缩包在800 G左右,解压缩后数据量会达到IOT左右,原始MR数据的开发及使用具有较高的技术门槛和需要占用大量的软硬件资源,随着计算机技术及大数据应用快速发展的背景下,对原始MR数据的分析及挖掘成为可能。
2 原始MR数据的内容及特点目前LTE网络已经开启MR周期性测量功能,并由网络管理系统对测量报告进行定期收集。
周期性测量数据存放在MRO(MR original,代表测量报告样本数据文件)中,MRO数据量大、信息齐全,是网络评估和优化的首选数据。
根据某运营商的无线测量报告的格式和内容要求,测量报告在OMC-R中有两种存储形式:样本数据和统计数据,其中样本数据表示OMC-R收集的原始测量报告信息,是本文进行数据挖掘的研究对象。
利用MR 数据定位室内用户分布指导5G 深度覆盖规划方案的研究田桂宾,胡永胜(中国移动通信集团设计院有限公司新疆分公司,乌鲁木齐 830011)摘 要 本文介绍了现有常规深度覆盖规划流程,对其优缺点进行了梳理,分析了利用MR定位室内用户分布指导5G深度覆盖规划的合理性,提出了利用MR数据进行室内外用户采样点区分的方法,制定了利用MR数据精确定位室内外用户分布区域的方案,确定了利用MR定位室内用户分布指导5G深度覆盖规划的流程,对利用MR定位室内用户分布指导5G深度覆盖规划流程应用实现进行了阐述。
关键词 室内用户;5G深度覆盖;MR数据中图分类号 TN929.5 文献标识码 A 文章编号 1008-5599(2021)03-0039-06收稿日期:2020-04-27随着5G 网络牌照的下发,中国三大运营商5G 网络大规模建设已经全面拉开序幕。
5G 网络将成为今后网络建设的关注重点。
通过技术发展进程结合市场预测,5G 网络在不同应用场景中业务需求差异性较大,尤其在室内场景与室外场景用户业务需求有较大区别,室内业务在数据业务中占比为75%以上。
室内深度覆盖建设成为5G 网络建设的重中之重。
实际网络建设过程中,由于缺乏相关手段区分室内外用户,部分区域虽然室内业务需求较为旺盛但均未进行建设,严重降低了用户使用感知,同时对于室内业务的发展造成了极大影响。
通过合理有效的手段区分室内外用户、充分掌握室内用户分布情况能够为今后5G 深度覆盖规划起到有效的指导作用。
1 原深度覆盖规划方法的分析如图1所示,现有常规深度覆盖规划操作流程如下。
(1)结合市场需求以及数据流量和小区弱覆率等情况进行数据分析。
(2)依据数据分析结果设定规划目标,确定该区域是否需要建设室内分布系统。
图1 现有深度覆盖规划流程图(3)结合历年来数据业务增长趋势和网络技术发展趋势进行业务预测。
通常采用趋势外推法,以历年数据业务发展情况确定增长趋势为基础,对目标区域覆盖小区的数据流量进行分析,在充分考虑采用室内深度覆盖进行负荷分担的基础上,对室内深度覆盖接入用户规模进行预测。
MR数据在4G网络SINR优化中的应用一、成果背景目前公司正在集中全力发展LTE网络建设,由于LTE属于较新的业务,因此目前缺少有效的分析手段。
现阶段主要是靠路测和用户的投诉来发现网络存在的问题,解决的主要是发生在道路上的问题,对于用户实际所处位置的使用情况无法得知和分析。
针对这个问题采取有目的性的采集特定时段MR数据来分析和解决。
MR数据在主流的应用中主要是针对无线网络覆盖问题,即通过接收功率(RSRP)的情况确认弱覆盖、过覆盖等情况,但4G网络优化中,下载速率的多少主要取决于信号与干扰加噪声比(SINR)的情况,本文通过MR数据的深入挖潜,探索了一条对4G网络SINR的优化方法,使得通过后台数据直接定位4G速率问题,极大提高了4G优化工作效率。
二、解决方案影响用户使用感受的主要是覆盖差和信号质量差,也就是RSRP差和SINR差。
其中覆盖问题多数只能靠新建基站等建设手段解决,而RSRP好但SINR差的情况则大多可以通过优化手段来解决,这也是优化最常遇到的问题。
用户终端申请下载速率就是以其解调出的SINR为依据,然后上报CQI需求,网络根据用户上报申请分配下行速率,所以可以说SINR 的优化是网络优化的重点。
目前主要是通过用户投诉来发现RSRP好但SINR差的问题,如果能通过MR数据分析来主动的发现这类问题,在用户投诉之前争取解决,则网络优化效率可以得到质的改变。
但是在MR的上报数据中只有用户的RSRP和RSRQ的数据,并没有上报SINR的数据。
因此需要将上报的RSRQ数据转换为SINR来评估,下面介绍一下具体的计算方法:1.指标定义RSRP(Reference Signal Receiving Power):是在某个Symbol内承载Reference Signal 的所有RE上接收到的信号功率的平均值;RSSI(Received Signal Strength Indicator):是在这个Symbol内接收到的所有信号(包括导频信号和数据信号,邻区干扰信号,噪音信号等)功率的平均值;RSRQ (Reference Signal Receiving Quality): RSRP和RSSI的比值,当然因为两者测量所基于的带宽不同,会用一个系数来N调整,也就是 RSRQ = N*RSRP/RSSI,N是全带宽的RB数目(跟带宽有关系)。
SINR:信号与干扰加噪声比(Signal to Interference plus Noise Ratio)是指:信号与干扰加噪声比(SINR)是接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值2.理论计算假设Reference Signal功率为PRS(W),该Symbol内数据符号功率为Pdata(W),已经被小区用户使用的RB个数为X,NI为每个子载波的干扰和噪声,则:未被小区用户使用的RB个数为N-X;未被小区用户使用的每个RB接收信号强度为:4* PRS+12*NI(一个Symbol内有12个子载波,4个Reference Signal)被小区用户使用的每个RB接收信号强度为:4* PRS+8*Pdata+12*NI(一个Symbol内有12个子载波,4个Reference Signal,8个数据子载波)RSRQ = N*RSRP/RSSI=N* PRS/[X*(4* PRS+8*Pdata+12*NI)+(N-X)*(4*PRS+12*NI)]=N* PRS/[X*(4* PRS+8*Pdata+12*NI-4*PRS-12*NI)+N*(4*PRS+12*NI)]=N* PRS/[X*8*Pdata+ N*(4*PRS+12*NI)]=N/[ X*8*Pdata/ PRS+ N*(4 +12*NI/ PRS)]=N/[ X*8*Pdata/ PRS+ N*(4 +12/SINR)]? 假设PA=-3、Pb=1, Pdata= PRS/2,则:RSRQ = N*RSRP/RSSI=N/[ X*8*Pdata/ PRS+ N*(4 +12/SINR)]=N/ [X*4+ N*(4 +12/SINR)]=1/[X*4/N+ (4 +12/SINR)]取对数:10log (RSRQ )=0-10log (X*4/N+4+12/SINR )=-10log(X*4/N+4+12/SINR)从推导来看,RSRQ 和SINR 之间的关系涉及负荷问题,即具体被小区用户使用的RB 个数X ,为此,考虑到空载或轻载的环境,则此问题可以解决。
将上述公式推导来看:可看出,对于轻载的环境,X 的取值为0-10对相同的RSRQ 情况下,其SINR 变化很小,而从MR 数据采集原理来看,MR 是采集扇区下激活的用户M 个,让M 个用户周期上报测量信息,此过程并不增加下行数据或很少的交互字节,为此,完全可以选取深夜时段,采集因为终端心跳原因而处于连接状态的终端上报测量,从而RSRQ 和SINR 的转换完全采用空载时的计算关系即可。
假设Reference Signal 功率为P RS (W ),每个子载波的干扰和噪声为NI ,则空载时,对于2天线端口:RSSI=N*(4*P RS +12*NI )(一个Symbol 内有12个子载波,4个Reference Signal )RSRQ = N*RSRP/RSSI=N* P RS /[ N*( 4*PRS+12*NI)]=1/(4 +12/SINR)取对数:输出SINRN -19.5-19-18.5-18-17.5-17-16.5-16-15.5-15-14.5-14-13.5-13-12.5-120-8.509-7.984-7.456-6.924-6.388-5.847-5.301-4.748-4.189-3.621-3.043-2.455-1.853-1.237-0.6020.0551-8.503-7.978-7.449-6.916-6.379-5.837-5.289-4.735-4.174-3.604-3.024-2.433-1.828-1.207-0.5680.0942-8.498-7.971-7.442-6.908-6.370-5.827-5.278-4.722-4.159-3.587-3.005-2.411-1.803-1.178-0.5340.1343-8.492-7.965-7.435-6.900-6.361-5.817-5.266-4.709-4.144-3.570-2.986-2.389-1.777-1.149-0.5000.1744-8.487-7.959-7.428-6.892-6.352-5.807-5.255-4.696-4.129-3.553-2.966-2.366-1.751-1.119-0.4650.2145-8.481-7.953-7.421-6.884-6.343-5.796-5.243-4.683-4.115-3.536-2.947-2.344-1.726-1.089-0.4300.2556-8.476-7.947-7.414-6.876-6.334-5.786-5.232-4.670-4.100-3.519-2.927-2.321-1.699-1.059-0.3950.2967-8.471-7.941-7.407-6.869-6.325-5.776-5.220-4.657-4.084-3.502-2.907-2.299-1.673-1.028-0.3600.3388-8.465-7.934-7.400-6.861-6.316-5.766-5.209-4.644-4.069-3.485-2.887-2.276-1.647-0.998-0.3240.3809-8.460-7.928-7.393-6.853-6.307-5.756-5.197-4.630-4.054-3.467-2.868-2.253-1.620-0.967-0.2880.42210-8.454-7.922-7.386-6.845-6.298-5.745-5.185-4.617-4.039-3.450-2.848-2.230-1.594-0.936-0.2520.465RSRQ 值10log(RSRQ)=0-10log(4+12/SINR)=-10log(4+12/SINR)从上面的理论推导可以得出在系统空载时RSRQ和SINR的对应关系,根据对应关系得出了下面的曲线。
RSRQ与SINR关系(空载).xlsx3.数据的分析根据计算出的在空载时RSRQ和SINR的对应关系,选取最接近空载的凌晨4点的闲时MR数据,可以得到最接近的SINR值来评估信号质量。
集团的质差小区的定义平均接收电平?RSRP>‐90dBm?且平均?SINR<5dB?的小区定义为质差小区,根据上面图中曲线可以看出SINR为5dB时RSRQ的值为-9dB,按照此标准把提出的MR数据进行了过滤,提出了符合质差小区要求的点,得到如下图层。
图中红色点为质差小区点,至此,通过MR分析,直观的发现RSRP很好而SINR较差的区域,通过对这些区域的进一步DT/CQT,则可制定相应解决方案并优化实施。
下图中,红色为符合平均接收电平 RSRP>‐90dBm 且平均 SINR<5dB 的质差小区点,灰色点为所有MR采集的用户测试点。
三、实施案例以滨海塘沽区域的两个具体案例为例:1、塘沽京津塘高速公路与新北路交口附近MOD3 干扰MR统计质差小区位置点:经现场测试,确实发现,该区域强导频较多存在质差小区,导频污染等问题,说明MR 分析数据准确。
优化解决方案:1. 塘沽滨海湘江里西-BHFO-0电子下倾角由5°调整为8°2. 塘沽滨海湘江里-BHFO-0电子下倾角由8°调整为10°3. 塘沽滨海莱茵春天西-BHFO-0电子下倾角由2°调整为5°按照上述优化方案实施,调整后塘沽滨海湘江里西-BHFO-0、塘沽滨海湘江里-BHFO-0、塘沽滨海莱茵春天西-BHFO-0覆盖范围得到有效控制,MOD3干扰解决,SINR值改善明显。
进一步验证了MR分析定位的准确性。
优化调整后截图如下:2、塘沽东方大道与海滨六路交口附近MOD3 干扰MR统计质差小区位置点:经现场测试,确实发现,该区域强导频较多存在质差小区,导频污染等问题,说明MR分析数据准确。
优化解决方案:1. 塘沽滨海天津港二队-BHFO-0、1、2扇区电子下倾角由6°调整为9°2. 塘沽天港储运-TGFO-2扇区电子下倾角由7°调整为9°3. 塘沽滨海永利电机-BHFO-1扇区电子下倾角由4°调整为6°3. 塘沽铁宇运输-TGFO-1扇区电子下倾角由6°调整为8°4. 塘沽保税区-TGFO-0扇区电子下倾角由4°调整为6°,塘沽保税区-TGFO-1、2扇区电子下倾角由6°调整为8°按照上述优化方案实施,调整后塘沽滨海天津港二队-BHFO-1、塘沽天港储运-TGFO-2、塘沽滨海永利电机-BHFO-1等覆盖范围得到有效控制,MOD3干扰解决,SINR值改善明显,速率提升明显。