移动全网规划与建设实训：基础优化从入门到跑通

简介：这份实训文档面向通信工程、5G网络优化方向的学习者与从业者，聚焦移动全网规划与建设中的基础优化环节，帮助读者在Option3X模式下掌握参数调整与定点测试的完整流程。资源为单个docx文件，压缩包约10.12MB，内容以图文步骤形式呈现，便于对照软件界面逐步操作。文档围绕语音、下行下载与上行下载业务的拨测验证展开，涵盖物理信道配置（PUCCH、PUSCH、PRACH、PDCCH、PDSCH、PBCH）、QoS业务设置、RLC数据配置、波束方位角与下倾角调整、RSRP测量配置以及gNBCUCP、gNBCUUP功能配置等关键知识点，并附有实训报告要点与扩展思考题。目前已有114人学习，适合需要系统理解5G基础优化配置逻辑、积累实操经验并完成实训任务的读者参考。

1. 移动全网规划与建设实训里的基础优化：一份能直接照着走的文档

做移动通信这行的人，迟早会碰到一个尴尬时刻：理论课上把 5G 架构、Option3X 信令流程背得滚瓜烂熟，真拿到一份《移动全网规划与建设-实训：基础优化》的文档，却不知道从哪一页开始动手。这份文档解决的就是这个断层——它不讲空泛的行业前景，而是把全网规划里最容易被忽略的「基础优化」环节拆成可执行的动作。适合通信工程专业学生、刚转网优方向的初级工程师，以及需要带实训课的讲师。它不承诺让你变成专家，但能让你在仿真平台上把一次完整的优化流程跑通，知道每个参数动了之后网络指标会往哪个方向走。

2. 基础优化到底在优化什么：从覆盖、容量到干扰的三条主线

2.1 先搞清楚「基础优化」在实训语境下的边界

很多人一看到「优化」两个字，脑子里立刻蹦出切换成功率、掉话率这些 KPI。但在《移动全网规划与建设-实训：基础优化》这份文档的语境里，基础优化有更具体的指向：它是在网络已经完成初步规划、站点已经布下去之后，针对覆盖、容量和干扰三个维度做的第一轮调整。这一轮调整不涉及重新选址或大规模加站，而是在现有站址基础上，通过工程参数和无线参数的微调，让网络达到一个「能用且不浪费」的状态。

为什么要把基础优化单独拎出来？因为在实际项目中，规划阶段用的是链路预算和仿真预测，出来的结果和真实环境总有偏差。建筑物遮挡、天线实际挂高、周边电磁环境，这些因素在规划软件里只能近似。基础优化就是第一次用「实测或仿真反馈」去修正这些偏差的机会。实训文档把这一步独立成章，目的就是让你养成「先看数据再动参数」的习惯，而不是凭感觉调下倾角。

从技术栈角度看，这份文档涉及的核心概念包括：参考信号接收功率（RSRP）的覆盖门限、信号与干扰加噪声比（SINR）的质量门限、物理资源块（PRB）利用率与容量的关系，以及 Option3X 架构下 gNB 与 ng-eNB 之间的负荷分担逻辑。这些词在文档里不会每个都展开讲原理，但你在做参数调整时会反复用到它们。

2.2 覆盖优化：下倾角和功率不是随便拧的

覆盖优化的目标很朴素：让该有信号的地方有信号，不该泄漏的地方别泄漏。在实训文档里，这一步通常从 RSRP 的分布图开始看。如果发现某个区域 RSRP 低于 -105 dBm，常见做法是先判断是「弱覆盖」还是「无覆盖」——弱覆盖调天线下倾角或功率，无覆盖就得考虑加站或调整方位角。

具体操作上，我一般会按这个顺序走：

# 第一步：导出仿真或路测的RSRP栅格数据
# 假设数据格式为 CSV，包含经度、纬度、RSRP三个字段
# 用 Python 做快速统计，看弱覆盖比例
python3 -c "
import pandas as pd
df = pd.read_csv('rsrp_grid.csv')
weak = df[df['rsrp'] < -105]
print(f'弱覆盖栅格占比: {len(weak)/len(df)*100:.2f}%')
print(f'弱覆盖区域RSRP均值: {weak[\"rsrp\"].mean():.2f} dBm')
"

这段代码的逻辑很简单：先把低于 -105 dBm 的栅格筛出来，看比例和均值。如果弱覆盖比例超过 5%，说明不是个别点的问题，得从站点布局或天线参数上找原因。参数 -105 dBm 是常见的覆盖门限，但不同频段和场景会有差异，比如 2.6GHz 和 700MHz 的门限就不一样，文档里如果给了具体值，以文档为准。

接下来是调整下倾角。机械下倾和电子下倾的区别在实训里经常被混淆。机械下倾是物理调整天线支架，改变的是天线主瓣的物理指向；电子下倾是通过调整天线内部的移相器，改变波束的俯仰角。两者可以叠加使用，但电子下倾调得太大（一般超过 10 度）会导致波束畸变，反而让覆盖形状变得奇怪。我见过有人为了压覆盖，把电子下倾直接拉到 12 度，结果近处信号是压下去了，远处原本能覆盖的边缘用户直接掉网。血泪经验是：电子下倾先动，不够再补机械下倾，每次调整不超过 2 度，调完必须重新看一遍覆盖仿真。

功率调整是另一个容易翻车的地方。RS 功率（参考信号功率）和 PB 功率（物理下行共享信道功率）是两回事。调 RS 功率影响的是覆盖范围，调 PB 功率影响的是业务信道的解调性能。实训文档里如果只写了「增大功率」，你得自己判断是调哪个。常见做法是：覆盖不足优先调 RS 功率，但要注意不能超过设备额定功率，否则会导致功放非线性失真，SINR 反而恶化。

2.3 容量与干扰：这对冤家得一起看

容量和干扰在基础优化里是一枚硬币的两面。你为了提升容量把功率加大，干扰就上来了；你为了降干扰把功率压下去，边缘用户的速率就掉了。实训文档里通常会给出 PRB 利用率和 SINR 的联合分布，让你找平衡点。

一个实用的判断方法是看「高 PRB 利用率 + 低 SINR」的区域。如果某个小区 PRB 利用率超过 70%，同时平均 SINR 低于 5 dB，说明这个小区既忙又吵，大概率是重叠覆盖导致的。这时候光调功率没用，得看邻区关系——是不是有太多小区在这个区域信号强度接近，导致频繁切换和干扰。

# 分析重叠覆盖：统计每个栅格收到几个小区的RSRP在-100dBm以上
import pandas as pd

df = pd.read_csv('cell_rsrp.csv')  # 字段：grid_id, cell_id, rsrp
# 筛选出每个栅格上RSRP大于-100的小区
strong = df[df['rsrp'] > -100]
overlap_count = strong.groupby('grid_id')['cell_id'].count()
# 重叠覆盖度 = 收到3个以上强信号栅格的比例
overlap_ratio = (overlap_count >= 3).sum() / len(overlap_count)
print(f'重叠覆盖度: {overlap_ratio*100:.2f}%')

重叠覆盖度超过 30% 在密集城区算偏高，但也不是越低越好——太低说明覆盖有空洞。一般控制在 10% 到 25% 之间比较健康。这个脚本的输出能帮你快速定位问题区域，然后回到地图上看是哪些站点的信号叠在一起了。

Option3X 架构在这里有个特殊之处：gNB 和 ng-eNB 之间的负荷分担会影响容量和干扰的分布。如果实训文档涉及 Option3X，你得注意用户面数据在哪个节点分流。分流比例调得不好，会出现某个节点 PRB 利用率飙高而另一个节点闲着的情况。常见做法是先看两边的 PRB 利用率差值，如果超过 20%，就调整分流权重，每次调 5% 到 10%，观察一轮再继续。

3. 在仿真平台上把优化流程跑通：从参数导入到结果对比

3.1 实训环境准备与数据导入的注意事项

拿到《移动全网规划与建设-实训：基础优化》文档后，第一步不是急着打开仿真软件，而是先把文档里提到的数据文件理清楚。这类实训通常配套几类文件：站点工参表（包含站址经纬度、天线挂高、方位角、下倾角）、仿真参数配置文件（包含频段、带宽、发射功率）、以及初始的覆盖预测栅格数据。文件格式可能是 CSV、Excel 或者仿真软件自有的格式。

我一般会先做一件事：把工参表里的方位角和下倾角跟仿真软件里默认的数值对一遍。听起来很蠢，但翻车过不止一次——文档里写的下倾角是 6 度，导入软件后因为字段映射错误变成了 0 度，仿真出来的覆盖图跟预期完全对不上，排查了半天才发现是导入时列选错了。所以导入之后，随机抽三个站点，手动核对经纬度、方位角、下倾角、挂高这四个字段，确认无误再往下走。

# 快速核对工参表字段完整性和数值范围
python3 -c "
import pandas as pd
df = pd.read_excel('site_params.xlsx')
required = ['site_id','longitude','latitude','azimuth','downtilt','height']
missing = [c for c in required if c not in df.columns]
if missing:
    print(f'缺失字段: {missing}')
else:
    print(f'站点总数: {len(df)}')
    print(f'方位角范围: {df[\"azimuth\"].min()} ~ {df[\"azimuth\"].max()}')
    print(f'下倾角范围: {df[\"downtilt\"].min()} ~ {df[\"downtilt\"].max()}')
    print(f'挂高范围: {df[\"height\"].min()} ~ {df[\"height\"].max()}')
"

这段脚本的作用是快速体检。方位角正常在 0 到 360 度之间，下倾角一般在 0 到 15 度之间，挂高在 15 到 50 米之间。如果出现负数或者超过合理范围的值，说明数据有问题，得回去找原始文件确认。参数范围因场景而异，城区挂高通常低一些，郊区高一些，文档里如果有具体场景描述，以文档为准。

3.2 覆盖仿真与参数调整的迭代节奏

仿真跑第一遍的时候，不要指望结果好看。第一遍的目的是建立基线——知道当前配置下覆盖是什么水平。然后按「调整 → 仿真 → 对比 → 再调整」的节奏迭代。每次只调一类参数，比如这一轮只动下倾角，下一轮只动功率，这样你才能知道每个参数对结果的影响。

具体操作上，我会把每次仿真的关键指标记在一个表格里：

迭代轮次	调整内容	弱覆盖比例	重叠覆盖度	平均 SINR	边缘速率
基线	无	8.2%	35%	6.1 dB	2.3 Mbps
第 1 轮	3 个站点下倾角加 2 度	9.5%	28%	7.8 dB	2.1 Mbps
第 2 轮	弱覆盖区域站点功率加 2dB	6.1%	30%	7.2 dB	2.8 Mbps
第 3 轮	微调方位角	5.3%	24%	8.4 dB	3.1 Mbps

这个表格是实训报告的核心素材。注意第 1 轮：下倾角加大后重叠覆盖度降了，SINR 升了，但弱覆盖比例反而涨了——这就是典型的「压过头」。第 2 轮补功率把弱覆盖拉回来，但重叠覆盖度又上去一点。第 3 轮微调方位角是在找更精细的平衡。整个过程没有一步到位的魔法，就是反复试。

参数调整的幅度有讲究。下倾角每次调 1 到 2 度，功率每次调 1 到 2 dB，方位角每次调 5 到 10 度。调太大，你根本分不清是哪个参数起了作用；调太小，仿真结果的差异可能被随机波动淹没。实训文档里如果给了建议步长，优先按文档来。

3.3 结果对比与优化报告的关键指标

仿真跑完几轮之后，得出一份能说明问题的对比。除了上面表格里的指标，还有几个容易被忽略但很重要的：

一是切换成功率。基础优化如果把重叠覆盖压得太狠，切换带会变窄，切换成功率可能下降。在仿真里看切换成功率，如果低于 99%，说明覆盖边界太陡，得适当放宽重叠。

二是上行干扰水平。下行优化做完了，别忘了上行。如果上行干扰电平超过 -110 dBm，说明可能有外部干扰或者参数配置不当。实训文档里如果涉及上行，通常会给出干扰电平的参考值。

三是小区边缘用户速率。这个指标直接反映优化后边缘用户的体验。5G 场景下，边缘速率一般要求在 1 Mbps 以上（具体看业务类型），如果低于这个值，说明覆盖或干扰还有问题。

写优化报告的时候，不要只贴最终结果，把中间迭代过程也放进去。评审的人想看的是你的思路——为什么先调下倾角而不是功率，为什么第 2 轮补功率而不是继续调下倾角。这些决策逻辑比最终数字更有价值。

4. 避坑与排查：基础优化实训里最容易翻车的五个地方

4.1 现象：仿真结果和文档示例对不上，差得很远

原因通常有三个：一是数据导入时字段映射错了，比如把方位角导成了下倾角；二是仿真参数里的频段或带宽设错了，比如文档用的是 2.6GHz 但软件默认是 3.5GHz；三是仿真区域的地图数据没加载对，建筑物遮挡模型没生效。

解决：先核对导入后的工参表，随机抽三个站点手动比对。然后检查仿真参数配置文件里的频段、带宽、发射功率是否和文档一致。最后确认地图数据是否加载，建筑物高度字段是否有值。这三步走完，九成以上的「对不上」都能解决。

4.2 现象：调了下倾角，覆盖图几乎没变化

原因：可能是电子下倾和机械下倾搞混了。有些仿真软件里，机械下倾和电子下倾是分开设置的，你调了机械下倾但电子下倾没动，或者反过来。另外，如果下倾角调整幅度太小（比如只调了 0.5 度），在仿真精度下可能看不出明显变化。

解决：确认软件里下倾角的设置方式，是只填一个总值还是分开填。调整幅度至少 1 度起步，最好 2 度。调完之后重新跑仿真，不要用缓存结果。

4.3 现象：优化后 SINR 提升了，但边缘速率反而降了

原因：SINR 是平均值，边缘速率看的是最差的那部分用户。你可能把重叠覆盖压下去了，SINR 均值好看了，但边缘区域的信号强度也降了，导致边缘用户解调性能变差。

解决：不要只看 SINR 均值，把 SINR 的累积分布函数（CDF）曲线调出来，看 5% 分位数的值。如果 5% 分位数的 SINR 低于 -3 dB，边缘用户基本没法用。这时候得在覆盖和干扰之间重新找平衡，适当放宽重叠覆盖。

4.4 现象：Option3X 场景下，gNB 和 ng-eNB 的负荷严重不均

原因：分流权重设置不合理，或者两个节点的覆盖范围重叠区域太大，导致用户集中在一个节点上。

解决：先看两个节点的 PRB 利用率差值，如果超过 20%，调整分流权重。每次调 5% 到 10%，观察一轮。同时检查重叠区域的切换参数，确保用户能均匀分布。如果调整权重后改善不明显，可能是覆盖本身有问题，得回到覆盖优化那一步。

4.5 现象：实训报告写完了，但说不清每一步为什么这么调

原因：做的时候只记了结果，没记决策过程。比如你调了功率，但没记为什么选这个站点而不是那个站点，为什么加 2dB 而不是 3dB。

解决：养成边做边记的习惯。每次调整前，写一句话说明意图；调整后，写一句话说明效果是否符合预期。这些记录就是报告里「优化思路」部分的素材。我一般会在仿真软件旁边开一个记事本，调一次记一行，最后整理成报告。

5. 把基础优化做扎实的一个笨办法：手动复算一遍关键站点的链路预算

实训做到最后，很多人会依赖仿真软件出结果，但软件是个黑匣子——你输入参数，它输出覆盖图，中间的计算过程你看不到。我的习惯是：挑三个关键站点（比如覆盖问题最严重的那个、调整幅度最大的那个、以及一个正常站点作为对照），手动复算一遍链路预算。不用算得很精确，目的是验证仿真结果的方向对不对。

链路预算的核心公式是：接收功率 = 发射功率 + 天线增益 - 路径损耗 - 穿透损耗 + 接收天线增益。路径损耗可以用常见的传播模型估算，比如城区用 Cost-231 Hata 模型。你不需要把每个参数都算到小数点后两位，只要把发射功率、天线增益、距离、频率这几个关键值代进去，看算出来的 RSRP 和仿真结果是不是在一个量级。

# 用Cost-231 Hata模型快速估算城区路径损耗
import math

def cost231_hata(freq_mhz, dist_km, hb, hm):
    """
    freq_mhz: 频率(MHz)
    dist_km: 距离(km)
    hb: 基站天线有效高度(m)
    hm: 移动台天线高度(m)
    """
    a_hm = (1.1 * math.log10(freq_mhz) - 0.7) * hm - (1.56 * math.log10(freq_mhz) - 0.8)
    path_loss = (46.3 + 33.9 * math.log10(freq_mhz) - 13.82 * math.log10(hb)
                 - a_hm + (44.9 - 6.55 * math.log10(hb)) * math.log10(dist_km) + 3)
    return path_loss

# 示例：2.6GHz，距离0.5km，基站挂高30m，终端高度1.5m
pl = cost231_hata(2600, 0.5, 30, 1.5)
print(f'路径损耗估算值: {pl:.2f} dB')
# 假设发射功率43dBm，天线增益15dBi，穿透损耗15dB
rsrp_est = 43 + 15 - pl - 15
print(f'RSRP估算值: {rsrp_est:.2f} dBm')

这个脚本的输出是个粗略值，和仿真结果肯定有差异，因为传播模型本身有误差，建筑物遮挡也没考虑。但如果仿真结果和估算值差了 20dB 以上，那就得回头检查仿真参数是不是设错了。比如你算出来 RSRP 在 -85 dBm 左右，仿真图上一片 -110 dBm，那大概率是发射功率或者天线增益设错了。

手动复算的另一个好处是：当评审问你「为什么这个站点的覆盖是这样」的时候，你能从发射功率一路讲到路径损耗，而不是只能说「仿真软件跑出来就是这样」。这种底气在实训答辩或者项目汇报里很加分。

从那以后我每次做完仿真优化，都会挑几个站点手动复算一遍链路预算，哪怕只是粗略估一下。这个习惯帮我抓出过好几次参数配置错误，也让我对覆盖的理解从「看图说话」变成了「心里有数」。希望帮到你。

本文还有配套的精品资源，点击获取