基于MCSRANK精细优化的5G NR速率提升研究

INFORMATION & COMMUNICATIONS

2020(Sum. No 215)(总第 215 期)

基于MCS/RANK精细优化的5G NR速率提升研究邹昌光,朱祖聪

(中囲移动通信集团广东有限公司茂名分公司，广东茂名525000)摘要:随着5G商用步伐加快,用户对感知速率的要求越来越高。从无线网优化的角度考虑,MCS高阶編码以及RANK 空分复用流数对速率感知有决定性的作用，但在小区初始接入和切换阶段往往会伴随较明显的速率掉坑和速率爬坡过

程，影响速率感知。文章基于路测大数据,分析并建立了 一个实现MCS和RANK精细化调整的模型，最优化实现空口 能力所对应合理的阶码和流数匹配，提供了 一个快速改善速率掉坑和速率爬坡的解决方案。关键词:MCS;RANK;路测优化;精细化调整;速率掉坑;速率爬坡 中图分类号:TN929.5 文献标识码:A 文章编号：1673-1131(2020)11-0183-05Research onh^herperformance of 5G NR throughput rate by MCS and RANK optimizationZhou Changguang, Zha Zuchong(China Mobile Commumcation Group Guangdong Co., Ltd. Maoming Branch, Maoming 525000, China)

Abstract:As the pace of commscial use of 5G speeds up, mobile uses are demanding higher and higher performance of throughputrate.From the perspective of wireless network optimization, high-order Modulation and Coding Scheme and number of streams in spatial multiplexing for Rank Indicator play a decisive role in throughput rate performance, but there are obvious rate drop and rate climb in the initial access and handover procedure. In this paper, a detailed adjustment model of MCS and RANK is established based on DriveTestsdata, which optimizes theradio performance via the matching of code scheming and number of streams, andprovides a quick solution to improve thepit fall and hill climb of throughput rate.Key words:Modulation and CodingScheme;RankIndicatcH'；drivetests;throughputrate optimization;detailedadjustmen.t model; pit &11 and hill climb of throu戲put rate如图1可见，道路测试中发生小区切换后20秒内，速率 和MCS/RANK均有掉坑和爬坡情况，发生切换（纵坐标0秒 处）存在较为明显的速率掉坑,MCS和RANK相应也存在掉 坑现象，切换完成后均趋于稳定。0引言现阶段客户对于5G网络的最大业务诉求主要聚焦于“覆 盖好、占得上、用到快”。其中，用得快的集中体现就是网络上

传下载速率 o MCS （Modulation and Coding Scheme,即调制与 编码策略）和RANK（RANK,即空分复用流数）直接影响空口 速率，因此开展无线网精细优化、实现空口能力的最优化利用 对速率感知提升和客户口碑的形成具有重要意义。本文主要基于路测模拟用户在移动过程下的感知，针对

表］外场测试中速率、MCS、RANK统计分析切换前后（秒）速率MCS17.62R«nk444.952.3801295.86346.8615.31I&421.902.13UE初始接入和小区切换后由于MCS自适应过程带来的速率

掉坑和速率爬坡现象，进行建模分析并提供了快速改善速率

2476.9319.19.5019.812.25230的解决方案，进一步提升感知。345500.78513.86527.511当前速率优化痛点基于MCS会CQI自輕调整的机制,在初始接小切 换后MCS会基于CQI自适应调整增减MCS阶码。道路测试中, 我们删在自适应过程MCS会根据设量账逐步调整，但仍会由 于《«超不碗出现不Rm的速率2.312.3419.996554.4720.4620.532.42710562.79565.7924320.3120.2520.332.462.442.49570.02573.44II

12562.43573.7020.4120.482.492.552.572.571314577.16572.0520.4420.1215161756631584.4220.1220.2820.472.482.562,55573J4576.62570.31181920.1920.492.50

2.50图1外场测试中MCS与速率掉坑现象20570.7920.402.46

收稿日期：202407-29作者简介:邹昌光，男，高级工程师，硕士毕业于南开大学,主要从事无线网络运维相关工作:朱祖聪，男,工程师，学士毕业于华南理工大学,

主要从事无线网络分析优化相关工作。183信息通信速率掉坑（速率/MCS/RANK）切换前后（秒）■速率 f-MCS ——Rank图2外场测试中速率与MCS、RANK2 MCS&RANK 原理2.1 MCS澜制与编码策略MCS 全称 Modulation and Coding Scheme,即调制与编码 策略。在5G无线网中,gNodeB通过MCS保障UE业务的传

输效率和传输质量。当信道质量好时，采用更高阶的调制方

式和更高的编码效率（添加更少的保护比特〉；当信道质量差

时,采用更低阶的调制方式和更低的编码效率（添加更多的保

护比特在38.214协议中，5.2.2.1章节定义了 MCS与码率 的对应关系，如下：表2 MCS编码效率表MCS indexModulation Order

Spectral

Target code RateZuraa Atx[IO24]efficiency021200,2344121930.3770223080,6016324490.877042602IJ75854378L476341.695374490L9S4I845532一 1602946162.40631046582.5703II662.73051265173.0293B65673.32231466163.6094is66663.90231667194.21291767724.52341868224.81196&735.H52208682.55332021S7115,554722£7545.062387976,226624$8416-570325888526S916.57.160227&9487.4063282reserved294reserved306reserved31greserved由上表可知，每阶MCS对应一种码率,MCS越高,码率越

大，传输效率就越高，三者呈现正相关关系。当MCS越高，最

邹昌光等:基于MCS/RANK精细优化的5G NR速率提升研究终下行获取到的吞吐率越高。而对于MCS为4、10和19时,

分别对应 QPSK、16QAM、QAM、256QAM 的临界值。MCS

默认值为4,设置偏向保守,通过合理配置MCS （例如默认值

4,典型配置值10,15,19）,可优化调制方式的效率，实现感知速

率提升。2.2 RANKRANK,即空分复用流数，也称作秩，表征相同的时频资

源，在空间同时传输的数据流数量。在时频资源不变的情况

下，码字通过层映射映射到各个流上，类似于串行到并行的变 换，一般地层数越多、速率越高。多流之间其相关性越低，抗 干扰能力越强,RANK越高。出于性能、成本、耗电、集成度等考虑，市场上当前主流的

终端以2T4R为主,单用户量大支持下行4流、上行2流的数

据收发，在空口环境较好且存在一定反射形成多径环境下终 端获取RANK较高。当前RANK默认值设置一般为1,设置 相对保守，当空口质量较好、满足多径环境时,对应初始接入

和切换后的RANK需要从默认值“爬坡”逐步调整，过程较慢, 影响感知速率提升。2.3 MCS、RANK与速率关联我们结合茂名5G网络簇优化数据，对MCS、RANK和感

知速率进行相关度关联分析，得到如下数据：表3簇优化收集的MCS、RANK和感知速率关联分析MCSRANKIRANK2RANK3RANK.4平均速率低阳（小于10 ）60.91135.5665.08268.29132.4610116.01204.8044.74419.20196.1911143.7021132266226.75212.6112114.63245.75377.27206.69236.0813BI.24254.38280.73375.10260361411535257.25310.25465.98287.211$162.05269.56362.81W302.12)6196.2728&S2471.70561.36379.5417238.99333,32492.36627.65423.08IS2.38392.95471.03694.60455.7419275.103S9.997.21799.47527.9420262.5&450.95704.88S72A5572.7221304.15467.74721.275.72597.2222297J7497,43721,607.7]603-5323270.71558.71$17.159.87636.6124341.66583.5482134927.63668.542527831657.69800.341032.75692.2726j(I0.86752.55砂421431.5$S38.60总计215.2438635513.66667.60445.713 MCS、RANK和速率建模我们将MCS、RANK和感知速率三者关系可抽象为一个

三维模型,其中MCS和RANK分别为横坐标X和纵坐标Y,

感知速率为高Z。由于前两项和后者存在正相关关系，对于

MCS和RANK而言，只要两者越大，感知速率原则上都会更

大。因而可将三维模型简化成二维，三维坐标系投射到XY平

面上，如图3所示。可见，固定MCS不变,RANK越大则感知速率越大，反之

亦然;固定RANK不变,MCS越大则感知速率越大，反之亦然。 可见,基于无线环境快速设置最优的MCS.RANK参数组合，

是实现速率快速提升的关键。对于A、D场景,MCS或RANK其中一个较好，但另外一 个较差，感知速率提升效果有限;对于C场最,MCS和RANK

184信息通信均较差，此时速率最低，是整治低速率时需重点整治的情况; 对于B场景，是A、C、D的目标，此时MCS和RANK均较好,

感知速率较好。YA

R 低MCS离RANKAN 2

◎禹_

B

MCS商RANK

K■D

禹 MCS低 RANK19

27 xMCS图3 MCS、RANK二维建模华为厂家的基站产品,针对MCS相关的参数主要有:下

行初始MCS (DLINITMCS)、下行切换后初始MCS (DLINI-

TMCSAFTERHO),下行初始 MCS 调整量(DLINITIALM-

CSADTVALUE)等，针对RANK相关的参数主要有:下行初始 Rank (DLINITRANK) > 下行切换后初始 RANK (DLINI-

TRANKAFTERHO)等，以上参数在默认值配置上一般相对

保守，或多或少影响了业务发起或切换后速率提升。基于

5G用户初始接入和切换后的场景，根据以上场景建立模型 如下。3.1初始接入模型对于单小区A, 5G用户在不同时间节点分别通过锚点站

FDD1800接入到NR网络后，用户的感知速率受其所在位置 上的空口情况(RSRP、SINR、是否阻挡、有无干扰等)影响，因

而其MCS.RANK的取值所有差异。接入A小区的模型如下 所示：初始接入A小区初始接入A小区初始接入A小区鶉:A -72甥:A -631 2 3图4小区初始接入模型对于点1、2、3而言，由于距离、覆盖环境等的差异导致的

电平、质量等空口环境的差异，其SS RSRP不同，做业务时候

MCS的阶码、RANK取值也有所差异。因而，对于初始接入的 MCS和RANK,可以取本小区业务态下的平均值作为本小区

参数调整基准。3.2切换模型对于多个小区A和B, 5G用户从A走向B小区,其移动

模型如图5所示。185邹昌光等:基于MCS/RANK精细优化的5GNR速率提升研究对于点1和4而言，主服务小区信号强于邻区，稳定占用

A或B小区;而对于点2而言,A和B电平相当，用户仍然占 用A小区，但邻区电平相当，干扰较为严重,空口质量较差，要

降低MCS阶码以对抗干扰,RANK无法维持高流。当用户走

向点3时,主服小区从A切换到B,此时MCS、RANK仍然较

低。而当用户走向点4后,B小区电平强于邻区A小区，空口 质量恢复。因而，在切换区域时,MCS、RANK取值较低，在点

3发生切换时，可以取本小区占用该小区业务态时的最小值作

为参数调整基准。號占用A小区'切换区域!切处小区隐定占用8小区 刚尼电翎f沁 3甩軒詡当II•岖电钿w•，区知遐聊新血1 2 3 4图5小区切换模型3.3模型小结用户初始接入时,由于用户位置、空口环境存在一定随机

性，本方案建议在配置初始接入MCS时，取路测数据中占用 本小区的MCS/RANK平均值作为基准调整该参数。用户初始切换入时，考虑到用户所处切换帶空口质量较

差，本方案建议配置切换后MCS/RANK时，取路测数据中占

用本小区的MCS/RANK最小值作为基准调整该参数。对于覆盖质量较差的小区,暂不考虑调整MCS和RANK 参数。4实践应阳针对茂名城区网格进行摸测，我们根据占用主服务小区

的MCS和RANK情况，辅以空口质量情况进行修正后进行方

案实施。调整后,平均SSRSRP.SS SINR在正常波动范围内, 平均DLMCS整体提升0.45%,平均RANK整体提升11.76%,

平均下行感知速率提升15.80%,提升明显：表4簇优化后速率感知提升明显««空测下行 路熬卩抒U 平朗RSRI**t*■熠 r«nl»帯为4#卒片吃％八低于比低)于-81.11.42IS.562.214X0.7.01%1132%-82.MIII5.6J2.47556.574-56%21.08%0.86%-3.68%0.45%1376%15.80%-2J»%9.76%MX圧常泼动正倉注功提弁賞弈提升平均MC5路测下彳亍平均速1615.632.47率(Mbps)1556■平均RANK2 62.42.2116222■ ±■50Q

_________556__480

.4oo n调整前■

调整后调整前调整后图6 MCS、Rank、遠率提升效果4.1初始接入用户通过锚点基站接入5G网络后，方案实施后调整前后

对比情况如下所示：信息通信表5初始接入速率、MCS、RANK优化前后对比优化前优化后业务发起后速率MCSRANKMCSZ_RANK110712.162.2018$13.052.93261819.202,77820.833.23363820.152.9067319.703.00463321382.9074020.553.21561920.812.80019J233.0722.212.6063218.633」5756721.462.60&2319.393.07$5$721.112.8058320.1733962121.532.5055918.982.771062822322.7057021.072.77II66521.072.7055817.462.9-21261721$52.805S019.472.711362720.862.5060019.332.M1457020,592.4063220.372.711555621.792.3066620442691653720.702.30⑹21.012.M1757421.842.40&&622.002.791859521.262.4072822.152.79196272I.S22.5077022.602.922058028462.5076922,4|2,793J85K020.722.5«62519.942.取初始接入后1到20秒的区间数据，优化后平均MCS

整体改善不明显，但在初始接入前2秒内有小范围提升。从

接入模型上,通过考虑占用小区主服务的平均MCS作为其初 始接入的参考值，辅以空口覆盖和质量作为修正的算法仍偏 向保守。在空口条件较好情况下，能减少初始接入\"掉坑啲现

象，而在业务接入后逐步平稳且根据CQI质量自适应调整。而对于2T4R终端,下行RANK取值在（M之间,取值范

围比MCS少，通过调优主服务小区的平均值+空口质量修正 则更容易得到更好效果,因而优化后的RANK值提升较MCS

明显。优化后RANK值提升9.06%,感知速率提升7.76%,

4.2小区切换用户发生辅站小区切换后，方案实施后调整前后对比情

况如下所示：表6 5G小区切换速率、MCS、RANK改善情况邹昌光等:基于MCS/RANK精细优化的5G NR速率提升研究取5G切换前1秒到切换后20秒的区间数据，优化前后 采样点相对恒定，证明测试区域覆盖情况及小区占用情况相 当，所以切换时长的采样点相对恒定。优化后切换后20s内平

均MCS从19.80提升至19.98,提升0.91%；平均RANK从

2.41提升至2.75,提升14.11%；平均感知速率从530Mbps提

升至 568Mbps,提升 7.17%.4.3速率改善情况如下图，优化后“速率掉坑”现象明显改善，感知速率、MCS及

RANK从切换后0秒到切换后1秒的斜率均呈现为优化后大于优

化前,即＞0^＞痢怦稳鮭水平，且优化后在1秒后与

切换前速率持平,5秒后速率趋于稳定（优化前趋于稳定需6秒）。皿盹《 （細scS8 .

^^^4—2 3 4 S 6 7 8 9 10 11 12 13 14 15 16 17 18 14 20T■优化簡绘髦闵叱后现耶图8下行速率改善情况当前华为无线基站2QA版本后主站切换支持带SCG切换, 对于用户发生主站切换的情况下，本方案在梳理优化前后数据 后,论证方案针删换场景仍然有一定的增益，不重复分析论证。表7 4G小区切换速率、MCS、RANK改善情况186信息通信从MCS及RANK分析优化前后高阶和高流采样点分布,

也证明了通过优化MCS/RANK的初始接入和切换后参数值, 确可有效提高感知速率。将1~9阶MCS归类到低阶，优化前后DL MCS与下行感 知速率数据如下所示：表8 MCS改善情况优化前MCS等级优化后平均速率采样点平均速率采样点低125791027310118120111902713412216692SD4413233150288771425618830410815281200小)1871634120341()2591743027144431218497277517393196233549547205992731221550230546255225542075512282360618155423924611182590218256661627071732675129()900284:匚总42834004633863优化后平均速率从428Mbps提升至463Mbps,提升

8.18%。从具体各个MCS阶码分布看，优化后整体15阶以上

高阶的占用采样点明显增加，侧面论证了本方案通过精细化调

整各个小区的MCS取值,从而获取更为合理的阶码值,规避切

换后“掉坑”情况，也利于后续根据CQI的自适应调整爬坡。优化前

优化后图9 MCS优化前后速率改善情况RANK的取值范围为17,优化前后DL RANK与下行感

知速率数据如下所示：表9 RANK改善情况优化前优化后 RANK平均速率采样点平均速率采样点119331122512424532012417123613669578104847294068082汇总49034025573866187邹昌光等:基于MCS/RANK精细优化的5GNR速率提升研究优化后平均速率从490Mbps提升至557Mbps,提升

13.67%.从具体RANK取值分布看,优化后RANKURANK2 采样点占比减少,RANK3、RANK4C采样点占比增加,侧面论

证了本方案通过精细化调整各个小区RANK取值,从而获取

更为合理的RANK, —方面规避了速率“掉坑”情况，也利于后

续根据空口质量及多径情况调整爬坡。优化前后下行速率(单位：Mbps)图10 RANK优化前后下行速率改善情况5结语本文结合路测大数据，建立了 MCS和RANK的精细化调

整模型，通过初始接入和切换制定了基于MCS/RANK的均

值+空口质量修正、最小值+空口质量修正的规则，并在茂名城 区网格实施调整,调整后下行速率提升15.80%,速率掉坑现象

明显改善，改善了快速移动中的用户上网速率感知。通过输

入路测大数据，应用本文优化调整方案,可快速实现最优化空

口能力所对应合理的阶码和流数选择，避免由于参数“一刀切”

导致的速率掉坑和速率爬坡问题，为无线优化提升速率感知

提出了一个基于MCS/RANK建模的解决方案,具有较强的可 操作性和应用价值。参考文献:[1] 刘志明，李涛谭，永全，曾樟华.5G NSA速率优化提升研究

[J].移动通信2019广东通信青年论坛优秀论文专刊.[2] 刘湘梅，熊力，段潇君.4G/5G多网协同与互操作研究[J].移

动通信,2019.12⑶ 埃里克・达尔曼(ErikDahhnan).5GNR标准汴一代无线

通信技术[M].机械工业出版社,2019.5[4] 刘晓峰，孙韶辉，杜忠达,沈祖康，徐晓东,宋兴华.？ 5G无线

系统设计与国际标准Ml.人民邮电出版社,2019.2[5] 3GPP TS 38.214Physical layer procedures for data(Release

16) 2020.3[6] 黄陈横.3GPP 5G NR物理层关键技术综述[J].移动通信,

2018,42(10):1-&[71张庆，肖荣军,施碧雄，金花，郭华.面向5G的高阶MIMO技

术理论研究与应用分析[J1.江苏通信，2019,35 (05):

18-21+27.[8]周俊，权笑，马建辉.5G无线优化面临的挑战及应对策略

[J].电信科学2020,36(01):58-65.