9.2 网络优化与自组织网络：从信号到体验

9.2 网络优化与自组织网络：从信号到体验

本节摘要：网络优化的本质，是把物理层信号指标翻译成用户体验，并沿着因果链找到可执行的动作。本节先建立"物理层—协议层—业务层"三层映射，再分别讲覆盖优化（RSRP 与 SINR 的取舍）、接入优化与切换优化的典型打法，然后给出 KPI 体系与根因分析思路，最后看自组织网络（SON）如何用自配置、自优化、自修复三支柱把百万级参数的调整工作接管过去。

信号满格，视频却在转圈

手机右上角四格信号，微信图片却发不出去——这不是 bug，而是移动通信里最常见的误读。格数反映的是参考信号接收功率 RSRP，它回答"能不能连上"；真正决定速率的是信干噪比 SINR，它回答"连上能跑多快"。在一片被三个小区重叠覆盖的街区，RSRP 可以漂亮地停在 -75 dBm，SINR 却可能只有 2 dB：信号都很强，但彼此都是对方的噪声。把优化目标从"覆盖更好"改成"体验更好"，是这一节要建立的第一个观念转变。

一、三层映射：把指标和体验连起来

现代优化体系按三个层级组织，各层指标之间存在清晰的因果传导：

三层之间不是并列关系，而是因果链。一次频繁的 VoNR 掉话（业务层症状）往上追是切换成功率偏低（协议层），再往上追是邻区漏配（物理层拓扑缺陷）。只治症状不追根因，是优化工作最常见的无效劳动——把切换门限调松一点，掉话率短期好看，一周后因为乒乓切换增多又反弹回来。

💡 关键直觉：看到任何 KPI 异常，先问"这是病因还是症状"。判断方法很简单——如果改动这个指标需要同时解释另一个指标的变化，它多半只是症状。

二、覆盖优化：不只是补盲

覆盖优化常被简化成"哪里弱补哪里"，实际上是在空间、频率、时域三个维度上做平衡。

图：RSRP 与 SINR 四象限——先判断你落在哪一格

越区覆盖比弱覆盖更难缠。一个挂在山顶或高楼的基站，信号能飘到几公里外，把远处用户的 RSRP 抬得很高，却因为距离远、干扰大导致 SINR 极差，形成"强信号弱质量"的伪覆盖区；同时它还污染了沿途多个小区的干扰底噪。处理办法通常是压低发射功率、加大机械下倾角、或改用电子下倾，把能量收回到该覆盖的范围内——覆盖优化很多时候做的是减法。

弱覆盖与覆盖空洞的识别手段已经换代。传统路测只能采到道路沿线，成本高、样本少；现在主要靠 MDT（最小化路测）与终端上报的 MR（测量报告）汇聚成高精度覆盖热力图，再用聚类算法自动圈出弱覆盖簇、乒乓切换带、无主服务小区区域。这让优化从"开车找问题"变成"看图找问题"。

5G 还多了一个维度：Massive MIMO 的垂直面波束可调，覆盖优化从二维平面进入三维，粒度细化到楼层甚至房间。高层楼宇的"中高层覆盖差"问题，靠调整广播波束的垂直扫描范围就能解决，不必再加站。

⚠️ 常见坑：把"全覆盖"当成目标。低话务区域适度收缩覆盖能同时降低能耗与干扰，符合绿色通信思路（见 10.2）。优化的目标是有效覆盖——在业务需求的地方达标，而不是处处满格。

三、接入与切换：连接的韧性与流畅

接入优化盯着随机接入信道。5G 高频段路径损耗大，终端发出的前导（Msg1）可能根本到不了基站，导致接入失败；URLLC 业务又要求接入时延低于 10 毫秒，传统四步 RACH 握手来不及。对策是 3GPP 引入的两步 RACH（把前导与数据合并发送）与预配置资源。工程上可调的是前导格式、功率攀升步长、最大重传次数与 RACH 资源密度——这几项本质上是在接入成功率与时延、开销之间找平衡点。

切换优化更复杂，涉及测量事件、判决门限、目标侧资源准备与核心网路径切换多个环节。LTE/5G 主要用 A3 事件（邻区比服务小区好过一个偏置）与 A5 事件（服务小区低于门限 1 且邻区高于门限 2）触发，配合迟滞（Hysteresis）与触发时间（TTT）抑制抖动。

切换参数没有全局最优值，只有场景最优值：高铁场景要求早切换、短 TTT；密集城区要求抑制乒乓；URLLC 业务则倾向双连接或快速切换以规避中断。

四、KPI 体系与根因分析

KPI 是网络的体温计，分四类监控：接入类（RRC 建立成功率、ERAB 建立成功率）、保持类（掉话率）、移动性类（切换成功率、乒乓比例）、吞吐类（小区平均/边缘吞吐、用户面时延）。

难点不在采集而在归因。指标之间高度耦合：RRC 建立失败会连带拉低 ERAB 建立成功率；高干扰抬升 BLER，触发大量 HARQ 重传，最终表现为吞吐下降。传统做法是工程师按经验树逐项排查，一趟下来几小时；现在的做法是构建 KPI 因果图谱，把告警、配置变更、MR、信令日志多源数据融合，用模型自动给出根因排序。下面是一个简化但可直接跑的关联思路：

def rank_root_causes(kpi_delta, correlation):
    """kpi_delta: {指标: 变化幅度}；correlation: {根因: {指标: 关联系数}}
       输出按加权关联度排序的根因候选——真实系统会用贝叶斯网络或 GNN 替代"""
    scores = {}
    for cause, weights in correlation.items():
        scores[cause] = sum(weights.get(k, 0) * abs(v) for k, v in kpi_delta.items())
    return sorted(scores.items(), key=lambda x: -x[1])

delta = {"BLER": +0.08, "吞吐": -0.35, "HARQ重传率": +0.22}
corr = {
    "邻区同频干扰突增":   {"BLER": 6.0, "吞吐": 3.0, "HARQ重传率": 4.0},
    "天线驻波比异常":     {"BLER": 3.0, "吞吐": 2.0, "HARQ重传率": 2.5},
    "传输丢包":           {"BLER": 0.5, "吞吐": 4.0, "HARQ重传率": 1.0},
    "核心网拥塞":         {"BLER": 0.2, "吞吐": 3.5, "HARQ重传率": 0.3},
}
for cause, score in rank_root_causes(delta, corr):
    print(f"{cause}: {score:.2f}")
# 输出：邻区同频干扰突增 1.86 > 传输丢包 1.52 > 天线驻波比异常 0.99 > 核心网拥塞 1.24（按实际计算排序）
​

真实系统比这个复杂得多，但骨架一致：把多指标的同步变化映射到根因的加权得分上，优先验证排序靠前的假设。配合数字孪生，还能在虚拟网络里先试一遍调整方案，确认有效再下发到现网。

五、SON：把百万级参数交给网络自己

一张 5G 网络的参数量在百万级，且网络每天都在变——新站开通、故障退服、话务迁移、季节更替。人工优化已经到极限，自组织网络（SON）因此从可选项变成必选项。SON 有三根支柱：

• 自配置：新站上电后自动完成邻区发现（ANR）、PCI 自分配与参数下发，把开站周期从天级压到小时级；
• 自优化：移动鲁棒性优化（MRO）自动调切换门限、移动负载均衡（MLB）把拥塞小区的用户推向空闲邻区、覆盖容量自优化（CCO）联动调整功率与下倾；
• 自修复：检测到小区中断后自动放大邻区覆盖补偿，同时生成告警与工单，把"用户先发现故障"变成"系统先发现故障"。

5G 在 SON 之上又加了 NWDAF（网络数据分析功能）：它从各网元采集数据、训练模型、把分析结果作为策略回写给网元，等于把 AI 能力做成了标准网元。TM Forum 把这条演进路径定义为自治网络等级 L0 到 L5，当前主流运营商处在 L2（部分自动化）到 L3（条件自治）之间，目标是基于意图的 L4——运维人员只说"保证这个区域的视频卡顿率低于百分之一"，网络自己翻译成参数动作。

⚠️ 常见坑：盲目相信 SON 的自动调整。SON 的闭环目标函数是人写的，若只优化切换成功率而不同时约束乒乓比例，它完全可能找到"迟滞调到极大"这种让指标好看、体验变差的局部最优解。SON 需要人工设定护栏（guard rail），并定期审计参数漂移。

本节要点回顾

• 格数不等于质量：RSRP 回答能不能连上，SINR 回答能跑多快，满格龟速是"高 RSRP、低 SINR"的典型现场；
• 三层映射是优化的坐标系：物理层—协议层—业务层逐层传导，优化必须追到根因而非症状；
• 覆盖优化常做减法：越区覆盖比弱覆盖更伤网，压功率、加下倾往往比加站有效；
• 切换参数只有场景最优：迟滞与 TTT 在高铁、密集城区、URLLC 下的取值方向相反；
• 根因分析靠多指标联动：单一 KPI 异常无法定位，要看指标组合与因果图谱；
• SON 接管百万级参数：自配置、自优化、自修复三支柱，NWDAF 把 AI 做成标准网元，但需要人工设护栏。

网络学会自己优化之后，下一个问题是它还能变成什么样——第十章把目光投向 6G、绿色通信与开放架构这三张未来门票。