5G工具箱系列已推出第三期，前面介绍了SON、WNG，我们可以了解到，这些“5G工具”可以实现通信网络自动化。

来看看这一期5G工具箱的主角，它将实现5G天线波束调节自动化！

---

说到5G，不能不提5G关键技术

Massive MIMO(Multiple Input Multiple Output)

正是这项神技，大幅提升了各种复杂场景下的网络容量和立体纵深覆盖。

MM为什么这么能打？两个大招！

5G天线与传统天线有何不同？

传统MIMO天线：仅能调整水平方向波束宽度。

Massive MIMO天线：阵列天线同时支持水平波束与垂直波束宽度调整，也就是通常所说的三维(3D)赋形，大大提高了垂直方向覆盖性能。

由此可见，5G时代的MM天线，对于传统天线可谓是降维打击！

但，问题也随之而来。更高的维度意味着更高的复杂度。

Massive MIMO大规模阵列天线有五个调整参数，分别是：

水平波瓣宽度、垂直波瓣宽度、波束方向角、下倾角、波束数量，

每个维度还可以通过设置合理步长进行精细化调整，

计算下来，一个小区理论上可能的天线参数权值就达上万种！

靠人工？办不到！只能靠人工智能！

终于，我们可以请出今天的主角—AAPC

中文名：天馈权值自优化

英文名：Automatic Antenna Pattern Control

性格：善于学习，从小蚂蚁身上找到最优问题解；

智慧，利用AI技术自我学习，自我优化；

勤奋，7*24小时不眠不休；

小蚂蚁，大智慧

前面介绍过，Massive MIMO天线参数权值组合众多，多小区协同时，其解空间超级庞大，对AI系统的算力要求非常高，如果遍历搜索，有可能需要一万年……

选择太多也苦恼，如何众里寻他，找到最优解？

我们从大自然找灵感。

通向食物的路有千万条，小蚂蚁们如何找到最近的那一条？

原来，蚂蚁在寻找食物时，会在其经过的路径上释放一种信息素，并能够感知其他蚂蚁释放的信息素。信息素浓度的大小表示路径的远近，信息素浓度越高，表示对应的路径距离越短。蚂蚁会较大概率优先选择信息素浓度较高的路径，并释放一定的信息素，以增强该路径的信息素浓度，这样就形成一个正反馈，最终，整个蚁群会在正反馈的作用下集中到最近的路线上。

用蚂蚁们的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间，最佳路线便是待优化问题的最优解。

看，蚂蚁也会利用大数据，也有算法—蚁群算法。

于是，中兴通讯AAPC方案采用蚁群算法寻找到了最优解。

首先，基于优化目标和搜索时间的平衡，对解空间(天线权值组)进行优化，通过仿真学习，舍弃效果不明显的权值组，并设置最大迭代次数，降低对算力的要求，也大幅减少最优解的搜索时间。

然后，AAPC根据不同场景、用户分布和优化目标，给出优化权值，下发网元执行后再通过UE上报数据验证优化效果，进行下一次优化迭代，如遇KPI劣化，则直接回退上一权值组。

小蚂蚁，解决了大问题！

外场实战，40天变2天

让我们在外场用AAPC进行一场实战演练

操作全流程

先采集网络UE相关信息，对UE分布进行统计和预测，并据此进行天线广播权值计算，得出一个优化权值后下发基站生效，监控网络KPI变化情况评估效果，一个循环结束。具体如下：

寻找最优解

选择目标区域后，采集目标区域内的UE相关信息，获取UE的信号强度、位置及路损信息，综合考虑覆盖及干扰等因素，设置优化目标和迭代次数，采用蚁群搜索算法寻找最优解。

实战结论

测试验证，由原来40多人天的工作量，缩短到2人天就可完成。

相比较于权值优化调整前，网络整体覆盖优化效果显著，RSRP可提升4.7-5.5dB，SINR提升2.4-3.2dB。

如采用SSB和CSI-RS联合优化，小区平均吞吐率可提升11%+。

AAPC天线权值自适应调整在5G发展中将成为基础关键优化手段，特别是随着网络规模的增长和业务的发展，其不可替代性越发显现。未来，中兴将把AAPC与1+X SSB立体覆盖组网方案相结合，二者的结合将带来寻优效率进一步提升。

中兴5G工具箱，智能化工具层出不穷；

打开工具箱，更智能，更精准，更高效的智能网络运维唾手可得。