基于MCSRANK精细优化的5G NR速率提升研究

2020年第11期 信息通信
2020(总第 215 期)
INFORMATION & COMMUNICATIONS
(Sum. No 215)
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)11-0183-05
Research onh^herperformance of 5G NR throughput rate by MCS and RANK optimization
Zhou 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 w ireless 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 t hroughput rate.
Key words:Modulation and CodingScheme;RankIndicatcH'；drivetests;throughputrate optimization;detailedadjustmen.t model; pit &11 and hill climb of t hrou 戲put rate
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
UE 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
的解决方案，进一步提升感知。

1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
图1外场测试中MCS 与速率掉坑现象
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。

表］外场测试中速率、MCS 、RANK 统计分析
444.9517.62
2.38
295.86
15.31
1.90
1
346.86
I&42
2.13
2476.9319.64
2.253500.7819.50230
4
513.86
19.81
2.31
5
527.51
19.99
2.34
6554.4720.46 2.42
7562.7920.53
243
8565.79
20.31 2.469
570.02
20.25
2.44
10
573.44
20.33
2.49
II
562.4320.41
2.4912
573.70
20.48
2.5513
577.1620.44
2.57
14
572.05
20.12
2.57
155663120.12 2.48
16
584.42
20.28
2.5617
573J420.47
2,55
18
576.6220.19
2.50
19
570.31
20.49
2.50
20570.7920.40 2.46
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
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、RANK
2MCS&RANK原理
2.1MCS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2MCS编码效率表
MCS index
Zura Modulation Order
a
Target code Rate Atx[IO24]
Spectral
efficiency
021200,2344
121930.3770
223080,6016
324490.8770
42602IJ758
54378L4766
64434 1.6953
74490L9S4I
845532一1602
94616 2.4063
104658 2.5703
II6466 2.7305
126517 3.0293
B6567 3.3223
146616 3.6094
is6666 3.9023
166719 4.2129
176772 4.5234
186822 4.8164
196&73 5.H52
208682.553320
21S7115,5547
22£754 5.8906
2387976,2266
24$8416-5703
258885
26S916.57.1602
27&9487.4063
282reserved
294reserved
306reserved
31g reserved
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、64QAM、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。

2.2RANK
RANK,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。

2.3MCS、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
低阳（小于10）60.91135.5665.08268.29132.46 10116.01204.8044.74419.20196.19
11143.702113226466226.75212.61
12114.63245.75377.27206.69236.08
13BI.24254.38280.73375.1026036
1411535257.25310.25465.98287.21
1$162.05269.56362.8641W302.12
)6196.2728&S2471.70561.36379.54
17238.99333,32492.36627.65423.08
IS264.38392.95471.03694.60455.74
19275.103S9.99647.21799.47527.94
20262.5&450.95704.88S72A5572.72
21304.15467.74721.27895.72597.22
22297J7497,43721,60897.7]603-53
23270.71558.71$17.15899.87636.61
24341.66583.5482134927.63668.54
2527831657.69800.341032.75692.27
26j(I0.86752.55砂421431.5$S38.60
总计215.2438635513.66667.60445.71
3MCS、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
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。

Y
R
A
N2 K
A
低MCS离RANK
B
禹MCS商RANK
◎_■ D 禹M CS低R ANK1927x MCS
图3MCS、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-63
123
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。

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
1234
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
««平朗RSRI**t*■熠r«nl»空测下行
帯为4#卒
路熬卩抒U
片吃％八低于比低)于-81.6411.42IS.56 2.214X0.647.01%1132%
-82.M II I5.6J 2.47556.574-56%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平均RANK路测下彳亍平均速1615.6326
率(Mbps)
2.47
■ 2.4■50Q_________556__
1556 2.21
480. 16■222■±4oo n
调整前调整后调整前调整后
图6MCS、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：
185
表5初始接入速率、MCS、RANK优化前后对比
110712.16 2.2018$13.05 2.93 261819.202,7764820.83 3.23 363820.15 2.9067319.70 3.00 46332138 2.9074020.55 3.21 561920.81 2.8064019J23 3.07 664422.21 2.6063218.633」5 756721.46 2.60&2319.39 3.07 $5$721.11 2.8058320.1733 962121.53 2.5055918.98 2.77 106282232 2.7057021.07 2.77 II66521.07 2.7055817.46 2.9-2 1261721$5 2.805S019.47 2.71 1362720.86 2.5060019.33 2.M 1457020,59 2.4063220.37 2.71 1555621.79 2.306662044269 1653720.70 2.30⑹21.01 2.M 1757421.84 2.40&&622.00 2.79 1859521.26 2.4072822.15 2.79 196272I.S2 2.5077022.60 2.92 205802846 2.5076922,4|2,79 3J85K020.72 2.5«62519.94 2.89
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）。

图7速率爬坡改善情况
皿盹《（細
sc
S8.^^^4—<
IX
IX
XQ
4Q3])
十g
14913341B!2]1
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65G小区切换速率、MCS、RANK改善情况
优化前后下行速率
-1O1234S67 891011121314151617181420
T■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74G小区切换速率、MCS、RANK改善情况
186
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8MCS改善情况
低1257910273
101664418120
111964027134
12216692SD44
1323315028877
14256188304108
15281200
小)187 1634120341()259
17430271444312
18497277517393
19623354649547
20599273689412
21550230546255
22554207551228
23606181554239
24611182590218
25666162707173
2675129()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9MCS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9RANK改善情况
1193311225124
245320164241712
36136695781048
4729406808982
汇总49034025573866
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10RANK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,2019.12
⑶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 TS38.214Physical layer procedures for data(Release
16)2020.3
[6]黄陈横.3GPP5G 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.
187。