• Author / Uploaded
• Jose M. Gomez

• Categories
• Antena (Radio)
• Red de computadoras
• Lte (Telecomunicaciones)
• Simulación
• Decibel

Citation preview

CALIBRATION OF THE STANDARD PROPAGATION MODEL (SPM) IN A LTE NETWORK FOR MANAGUA. Gómez Rojas José María Universidad Nacional de Ingeniería Masaya, Nicaragua [email protected]

Vargas Chevez Norman Universidad Nacional de Ingenieria Managua, Nicaragua [email protected]

Abstract — In this article, we describe the process of calibration of the Standard Propagation Model (SPM) in a LTE network of 15 sites in a zone of high traffic for Managua. In order to achieve this purpose, a drive test was done to obtain a field measurements in a LTE network. The user’s equipment were in idle mode and blocked mode in LTE technology. The measurements were loaded in a network designed in a prediction tool. The LTE network was optimized taking as reference the measurements obtained in the drive test. The K value obtained in the calibration are showed in this article. A second purpose of this article is the application of the calibrate standard propagation model in simulation to estimate the throughput in the LTE A network with traffic of 100%, 50% and 20%.

Okumura Hata, Cost 231, Ikegami Walfish es que es ajustable al terreno a través de los factores K que forman parte de la fórmula de estimación de pérdidas del SPM [1].

Keywords— Frequency Division Duplex, SPM, LTE-Advanced, Optimization, calibration, Throughput, Drive Test.

I.

INTRODUCCIÓN.

La demanda de tráfico de datos crece de forma exponencial en la telefonía móvil de la ciudad de Managua. La red LTE se encuentra desplegada en la ciudad de Managua para cubrir la creciente demanda de datos. Sin embargo esta red será insuficiente para cubrir la demanda exponencial de datos. El propósito del presente artículo es calibrar el modelo de propagación estándar para la red LTE en Managua la cual se encuentra desplegada en la banda 2 FDD (Duplexación por División de Frecuencia) de operación de 1900 MHz, y un segundo propósito es realizar la evaluación de escenarios de throughput para una red LTE-A. En este artículo se comparan los resultados de las predicciones con el modelo de propagación estándar por default y calibrado para LTE en 1900 MHz en la zona de alto tráfico de la cuidad de Managua tomando en cuenta 15 sitios en un área representativa. Para la realización de los escenarios se utilizó el modelo de propagación estándar calibrado. El impacto que tendrá el modelo SPM calibrado es que dichas predicciones serán más reales. Los escenarios evaluados en el análisis del rendimiento de throughput se basaron en simulaciones realizadas con un 100 ,50 y 20% de tráfico en la red móvil, dicha evaluación nos permitirá conocer el desempeño en términos de capacidad, alcance y calidad de servicio que tendrá la red LTE-A para los tres escenarios antes mencionados en el área de Managua. El modelo de propagación estándar a diferencia de otros modelos como el Okumura,

El articulo está organizado de la siguiente manera. Sección 2 habla acerca de las características y calibración del modelo SPM en Atoll. En la sección 3 se discuten los resultados obtenidos de la calibración del SPM y de las predicciones de throughput en LTE-A y finalmente en la sección 4 se abordan las conclusiones. II.

METODOLOGIA.

A. Caracteristicas del Modelo de Propagación Estándar. El modelo de propagación estándar considera para calcular la perdida por trayectoria, los siguientes elementos: frecuencia de operación, tipo de área (urbana, suburbana, rural etc.), geografía del terreno (relieve, vegetación, clima etc.) y la altura de la antena del Tx y Rx [2], [3]. El SPM es adecuado para tecnologías tales como: GSM 900/1800 MHz, UMTS, CDMA 2000, WIMAX, WI FI Y LTE, se emplea para predicciones con distancia máxima de hasta 20 km y frecuencia de operación de entre 150-3500 MHz [4], [5]. El SPM se basa en la siguiente formula: PR= PTX-PLOSS

(1)

Donde: PLOSS=[K1+ K2 ‫ כ‬Log(d )+ K3 ‫ כ‬Log (HTxeff) + K4 ‫כ‬ DiffractionLoss + K5 ‫ כ‬Log(d) ‫ כ‬Log (HTxeff) + K6 ‫ כ‬HRxeff + K7 ‫ כ‬Log (HRxeff) + Kclutter ‫ כ‬F(clutter) + Khill, LOS]. x x x x x x x

PR : potencia recibida (dBm) PTx: potencia transmitida (EIRP) (dBm) K1 : constante de desplazamiento (dB) K2 :factor múltiplo de log(d) d : distancia entre el transmisor y el receptor (m) K3 : factor múltiplo de log(HTxeff) HTxeff : altura efectiva de la antena transmisora (m)

x x x x x x x x x

K4: factor múltiplo de la difracción calculada. K4 debe ser un número positivo. DIFRACCIÓN :perdida debido a la difracción de más de una trayectoria obstruida (dB) K5 : factor múltiplo para log(HTxeff)log(d) K6 : factor múltiplo de HRxeff K7 : factor de múltiplo de log(HRxeff) HRxeff : altura de antena receptora (m) Kclutter : factor múltiplo de f(clutter) F (clutter): promedio de las pérdidas ponderadas en el clutter Khill, LOS: factor correctivo para zonas montañosas (=0 en caso de NLOS)

Se utilizó la herramienta de DT TEMS INVESTIGATIONS con el móvil en modo IDLE y bloqueado a la banda 1900 MHz de LTE para la recolección de información. Durante el DT se recolectaron un total de 30,000 mil muestras las cuales fueron utilizadas para la calibración del SPM en ATOLL. El post proceso de los logs se realizó con TEMS DISCOVERY y se muestra en la figura 1.

Como podemos observar la fórmula del SPM define la variación entre la potencia de transmisión y la potencia de recepción considerando todas las pérdidas como elemento de radiación y geografía del terreno durante el desplazamiento de la onda [6]. El SPM para sus cálculos utiliza la perdida por difracción donde analiza punto a punto la trayectoria entre en Tx y el Rx identificando las pérdidas causadas por los obstáculos principales [7]. B. Algoritmo de calibración del SPM con el módulo CW Measurement de ATOLL. ATOLL contempla el módulo CW (Continuous Wave) Measurement que consiste en permitir al usuario importar valores de medición recolectadas mediante un (DT) por un único transmisor a una frecuencia dada de onda continua (CW) y utilizarlos para calibrar el SPM de forma automática. El algoritmo que emplea el módulo CW Measurement se basa en la resolución de un problema de mínimos cuadrados calculando en término de la raíz cuadrada media [6]. RMS ൌ ඥߜ; ൅ ‫;ܯ‬

(2)

RMS= desviación cuadrática media (dB) M= Niveles de señal de las muestras del DT (dBm). į = Desviación estándar en dB

Fig. 1. Ruta de Drive Test y post proceso en la cuidad de Managua.

Ejemplo: Calculo del Mean Error para este punto tomado. Ver Fig. 2. Mean Error = (P-M) M= -74.3 dBm. P= -75.26 dBm. E = -75.26+74.3= -0.96 dB. Para transformar en dBm: 1 dB =0.001 dBm entonces: E= -0.96 dB *0.001 dBm = -0.00096 dBm. 1dB Por lo que se llega a la conclusión que el mean error es mínimo para este punto porque es menor a 1dB.

ATOLL calcula el Mean Error realizando una resta en cada uno de los puntos de intersecciones de los niveles de señal de las muestras del DT y los niveles de señal generado por la predicción. Mean Error = (P-M)

(3)

M= Niveles de señal de las muestras del DT (dBm). P= Niveles de señal de la predicción (dBm). E= Error dB. C. Descripcion de la etapa de medición y Post-Proceso. Fig. 2. Calculo del Mean Error.

D. Calibración del modelo de propagación Estándar SPM. Para la calibración de SPM se requieren mediciones de campo, luego se transforman los valores recolectados de la medición tales como Latitud, longitud, PCI y niveles de RSRP con TEMS DISCOVERY al formato TXT para ser importados en el módulo CW Measurement de ATOLL. Para la calibración del modelo de propagación estándar se configuro la red en ATOLL versión 3.3.1 de Forsk, para que los sitios fueran únicamente E-node B y posteriormente para la evaluación del rendimiento de throughput de la red LTE-A se realizó mediante predicciones realizadas con el modelo de propagación estándar ya calibrado se configuro la red para que fueran sitios LTE-A primario, en el dimensionamiento de la red cada e Node B soportara 70 usuarios en cada portadora, la evaluación de throughput se realizó con 1 portadora, se utilizó la banda de frecuencia E-UTRA Band 2 con 15 MHz de ancho de banda [8], el Scheduler utilizado fue el Proportional fear,el tipo de antena utilizado fue HBX-6516DS-VTP para mayor información acerca de este modelo de antena se recomienda ver las referencias técnicas de la antena [9], la asignación de vecinas se realizó primeramente de forma automática y posteriormente se hizo una revisión de forma manual para asegurarse que todas aquellas celdas que cumplen con los parámetros como distancia y nivel de señal establecido para las vecinas sean declaradas ya que una buena asignación de vecinas nos permite una continuidad de servicio exitoso evitando así DROPCALL (caídas de llamadas) o PSDROP (caídas de datos) por vecinas no declaradas.

el último escenario realizamos 100 simulaciones con el 20% de tráfico de UL Y DL en la red. TABLA III. DIMENSIONAMIENTO DE LA RED. # de Portadora

20 % de Tráfico en la red

50 % de Tráfico en la red

100 % de Tráfico en la red

# de sitios

1

602 usuarios

1505 usuarios

3010 usuarios

15

III.

RESULTADOS Y DISCUSIÓN.

Primeramente se realizó la calibración por sitios como se puede apreciar en la fig.3 mediante el módulo de CW Measurement contemplado en la herramienta ATOLL y posteriormente la calibración global de los 15 sitios como se puede ver en la fig.4 logrando obtener un error medio global menor a 1 dB que fue de -0.005 dB y una desviación estándar menor a 8 dB la cual fue de 7.42 dB. Una vez que el modelo se ajustó los niveles de la señal de referencia proporcionados en la predicción son muy similar a los niveles de la señal recolectados en el DT. TABLA IV. COMPARACIÓN ANTES Y DESPUÉS DE LA CALIBRACIÓN PARA EL MEAN ERROR Y LA DESVIACIÓN ESTÁNDAR GLOBAL

 

Mean Error Desviación Estándar

Antes -37.033 31.474

Después -0.005 7.42

TABLA II. FRECUENCIA DE OPERACIÓN [4]. E-UTRA Operating Band

2

Uplink (UL) operating band BS receive UE transmit 1850-1910 MHz

Downlink (DL) operating band BS transmit UE receive 1930-1990 MHz

Duplex Mode

FDD

E. Analisis de los escenarios de simulación. Para la realización de predicciones de throughput primeramente creamos dentro de los parámetros de ATOLL tres nuevos escenarios (Environment) densamente urbano con las características de usuario y movilidad del área de Managua, la cantidad de suscriptores por ݇݉ଶ fue dimensionada envase a la capacidad de una red LTE real contemplados en los requerimientos de la 3GPP, posteriormente creamos mapas de tráfico, con los diferentes tipos de escenarios que creamos para al área de Managua y finalmente realizamos simulaciones Monte Carlos con tres escenarios distintos, en el primer escenario se realizamos 100 simulaciones con el 100% de tráfico UL Y DL en la red, el segundo escenario realizamos 100 simulaciones con el 50% de tráfico de UL Y DL en la red y en

Fig. 3. Predicción de nivel de señal (RSRP): (A) Niveles de señal del sitio, (B) Predicción con el SPM por default, (C) Predicción con el SPM calibrado, (D) leyendas utilizadas.

TABLA V. COMPARACIÓN DE LOS VALORES DE “K” CON EL SPM POR DEFAULT Y CON EL SPM CALIBRADO. Densamente Urbano K1-Los K2-Los K1-Nlos K2-Nlos K3 K4 K5 K6 K7 Kclutter

Valores de k con SPM por default. 17.4 44.9 17.4 44.9 5.83 1 -6.55 0 0 0

Valores de k con SPM calibrado. 44.5 31.45 67.75 23.13 16.61 0 0 0 0 1

Como podemos observar en los histogramas de la fig.6 una vez que el modelo de propagación estándar ha sido calibrado los porcentajes del nivel de la señal del DT y los niveles de la señal de la predicción son similares. La calibración global de los 15 sitios se hizo con 30,000 muestras recolectadas en el DT, se le aplico un computation zone como podemos observar en la fig.4 que es un filtro que nos permite recortar el área de predicción esto para proporcionar resultados únicamente en el área de interés e igualar el área de predicción al área donde se realizó el drive test y poder comparar los resultados de la predicción con el post-proceso debido a que ATOLL no proporciona resultados de predicción únicamente en el área del DT.

SPM

SPM

Fig. 5. Histograma del nivel de RSRP global: (A) con el SPM no calibrado, (B) SPM calibrado.

SPM

Fig. 6. Histograma del nivel de RSRP global: (A) Post-Proceso, (B) SPM calibrado. TABLA VI. RESULTADOS DE LAS PREDICIONES POR NIVEL DE SEÑAL CON SPM NO CALIBRADO Y SPM CALIBRADO. SPM

SPM

Evaluacion del rendimiento throughput bajos tres distintos escenarios.

Fig. 4. Predicción por Nivel de señal global: (A) con el SPM no calibrado, (B) con el SPM calibrado.

Para realizar la evaluación del rendimiento del throughput en este artículo fue necesario la optimización de la red, la optimización se basó en modificaciones de parámetros físicos y lógicos tales como Tilt Eléctrico, Tilt Mecánico y potencia de transmisión. Posteriormente creamos tres escenarios de simulación, en el primer escenario realizamos 100 simulaciones con el 100% de trafico de DL en la red, en el segundo escenario realizamos 100 simulaciones con el 50% de tráfico de DL en la red y en el último escenario realizamos 100 simulaciones con el 20% de tráfico de DL en la red. Finalmente realizamos predicciones de throughput para el canal Radio Link Control (RLC) del DL con y sin optimización para los tres escenarios antes mencionados, todas las predicciones fueron realizadas con el modelo de propagación estándar que fue calibrado.

La figura 7(A) muestra los resultados de la predicción de throughput de DL antes de la optimización, por otra parte la figura 7(B) muestra los resultados de la predicción de throughput después de la optimización, ambas predicciones realizadas con el primer escenario de 100 simulaciones con el 100% de tráfico en la red que equivale a 3010 usuario en la red. Como podemos observar en la figura 7 una vez que la red fue optimizada los niveles de throughput menores a 20,000 Kbps se redujeron de un 35.50% a un 10.90%, el área de cobertura con niveles de throughput entre 100,000-120,000 Kbps incremento de un 1.29% a un 12.50% para velocidades entre 120,000140,000 Kbps incremento de 1.11% a 5.22% y para velocidades entre 140,000-160,000 Kbps incremento de 0.46% a 2.77%.

Fig. 8. Histograma del throughput para el canal RLC del DL con 50% de tráfico: (A) antes dela optimización, (B) después de la optimización.

Fig. 7. Histograma del throughput para el canal RLC del DL con 100% de tráfico: (A) antes dela optimización, (B) después de la optimización.

La figura 9(A) muestra los resultados de la predicción de throughput de DL antes de la optimización, por otra parte la figura 9(B) muestra los resultados de la predicción de throughput después de la optimización, ambas predicciones realizadas con el tercer escenario de 100 simulaciones con el 20% de tráfico en la red que equivale a 602 usuario en la red. Como podemos observar en la figura 9 una vez que la red fue optimizada los niveles de throughput menores a 20,000 Kbps se redujeron de un 31.20% a un 1.88%, el área de cobertura con niveles de throughput entre 100,000-120,000 Kbps incremento de un 3.62% a un 52.40% para velocidades entre 120,000140,000 Kbps incremento de 1.56% a 6.98% y para velocidades entre 140,000-160,000 Kbps incremento de 0.49% a 3.35%.

La figura 8(A) muestra los resultados de la predicción de throughput de DL antes de la optimización, por otra parte la figura 8(B) muestra los resultados de la predicción de throughput después de la optimización, ambas predicciones realizadas con el segundo escenario de 100 simulaciones con el 50% de tráfico en la red que equivale a 1505 usuario en la red. Como podemos observar en la figura 8 una vez que la red fue optimizada los niveles de throughput menores a 20,000 Kbps se redujeron de un 33.60% a un 5.49%, el área de cobertura con niveles de throughput entre 100,000-120,000 Kbps incremento de un 2.11% a un 36.40% para velocidades entre 120,000140,000 Kbps incremento de 1.48% a 9.07% y para velocidades entre 140,000-160,000 Kbps incremento de 0.72% a 5.32%.

Fig. 9. Histograma del throughput para el canal RLC del DL: (A) antes dela optimización, (B) después de la optimización Fig. 9. Histograma del throughput para el canal RLC del DL con el 20% de tráfico: (A) antes dela optimización, (B) después de la optimización.

IV.

CONCLUSIÓN.

En este artículo hemos demostrado que el modelo de propagación estándar puede ser calibrado mediante el módulo CW Measurement contemplado en ATOLL y que puede ser utilizado por los operadores de telefonía móvil en la tecnología LTE 1900 MHz en la ciudad de Managua, este modelo calibrado le proporcionara a los operadores una estimación casi real del comportamiento de sus sitios en operación en dicha área. Además se demuestra que en la calibración el Mean Error debe ser menor a un 1 dB. Además los resultados de las predicciones de throughput muestran que al realizarse una optimización en la red se logran obtener velocidades de hasta 160,000 Kbps y que entre más cantidad de usuarios tenga la red se disminuirá el área de cobertura. En la evaluación del rendimiento del throughput con los tres escenarios distintos demostramos que entre menor sea la cantidad de usuarios ocupando recursos de la red mayores porcentajes de throughput alcanzaran los usuarios que estén conectados a la red. V. [1] [2]

[3] [4]

[5] [6] [7] [8] [9]

REFERENCIAS.

Atoll 3.3.2 Model Calibration Guide. Forks (October 2016). O.N. Martínez, C. Rodríguez & M. Áreas. Propagation Characteristics of Managua City Based on Standard Propagation Model (SPM) at 850 MHz for 3G-WCDMA Systems. IEEE CENTRAL AMERICA AND PANAMA CONVENTION (CONCAPAN XXXIV), 2014. H, Parsian. ʊComparison of Asset and Atoll Cellular Planning Tools for LTE Network Planning‫ۅ‬, AALTO UNIVERSITY-2012 M.Suneetha Rani, Subrahmanyam VVRK Behara, K.Suresh. Comparison of Standard Propagation Model (SPM) and Stanford University Interim (SUI) Radio Propagation Models for Long Term Evolution (LTE). Department of ECE, Chaitanya Engineering College Visakhapatnam, A.P. INDIA. ISSN: 2278-7844, INDIA 2012. C, Haslett, “Essentials of Radio Wave Propagation” Published in the United States of America by Cambridge University Press, New York 2008. Measurement module ATOLL 3.1.2. Forsk 2012. F. Ramos. (2011, Agosto 6). Pérdidas en obstáculos. Retrieved from Radio enlaces: http://www.radioenlaces.es/articulos/perdidas-enobstaculos/ Atoll 3.3.2 Technical Reference Guide for Radio Networks. Forks (October 2016). European Telecommunications Standards Institute. (2011, Enero). 3GPP TS 36.101 v10. 1.1. Retrieved from Telecommunications: http://www.etsi.org/deliver/etsi_ts/136100_136199/136101/10.01. 01_60/ts_136101v100101p.pdf

VI.

BIOGRAFIA.

José María Gómez Rojas study Engineering in Telecommunications from 2012 to 2016 at the National University of Engineering (UNI), Managua, Nicaragua. In his academic experience the development of a monographic thesis entitled "Calibration of the standard propagation model and Evaluation of the performance of the throughput in the LTE - Advanced network in Managua". In his work experience he has worked as an Engineer in Radio Frequency (Data Collector), Post-Process and Radio Network Planning & optimization Engineer with the tool ATOLL for the company BRIGHTCOMMS-Nicaragua which is currently working.

Norman Vargas Chevez received his Electronic Engineering degree from the National University of Engineering (UNI) in 2002 and He received his Teknologie licentiatexamen (MPhil) degree in Computer Science and System at the University of Kungliga tekniska högskolan (KTH) in Sweden, in 2010. Norman Vargas has authored / coauthored over 10 internationally refereed conference paper. Since 2003, He is member of the staff of lecturer in the Department of Telecommunication at UNI. In 2010, he joined in some post graduate courses at UNI. Norman Vargas has worked as Radio frequency engineer in projects of 3G and LTE in countries of Latin America since 2012.