CQI原理及CQI指标优化
CQI
CQI是信道质量指示，英文全称channel quality indication，CQI由UE测量所得，UE使用CQI来告诉eNodeB的调度器，UE所看到的下行信道质量信息。如果使用了MIMO传输，CQI会包含所需的MIMO相关的反馈。LTE的下行物理共享信道（PDSCH）支持三种编码方式：QPSK、16QAM和64QAM，编码方式越高依赖的信道条件需要越好。
引入原因
eNodeB决定编码方式，而作为发射端，eNodeB并不清楚信道条件如何，就需要UE来反馈这个信道质量，协议把这个信道质量量化成0~15的序列（4bit数来承载），并定义为CQI。
CQI的计算：UE是根据什么进行测量CQI的？
目前没有规范对测量进行一个明确的定义，每个厂商均有自己的机制算法，但基本上是根据SNR/SINR/SNDR来计算的，结合大量的测试，根据SINR及BLER制作了一张相互关联的表，这张映射表最终确定了CQI的值。
SNR：signal-to noise
Sinr: signal to interference plus noise
SNDR:
其基本思路是：在特定条件下，每次取1~15的中的一个CQI值，在对应的调制方式和码率下，调整SNR值，使其达到可接受的10% BLER，则该SNR值就对应所选的CQI值。注意：在不同的条件下（例如不同的TM模式、或不同的天线配置），该对应关系可能不同，需要区别对待。
具体过程：测量CRS-SINR → 确定等效SNR阈值（BLER=10%）（小于或等于SINR的最大SNR阈值） → 查表找到对应的CQI。
BLER 计算只计算初始传送的，不计算重传
BER
FER
|
等效SNR阈值（BLER=10%） |
CQI index |
modulation |
code rate x 1024 |
efficiency |
|
0 |
out of range |
|||
|
-6.71 |
1 |
QPSK |
78 |
0.1523 |
|
-5.11 |
2 |
QPSK |
120 |
0.2344 |
|
-3.15 |
3 |
QPSK |
193 |
0.3770 |
|
-0.87 |
4 |
QPSK |
308 |
0.6016 |
|
0.71 |
5 |
QPSK |
449 |
0.8770 |
|
2.529 |
6 |
QPSK |
602 |
1.1758 |
|
4.606 |
7 |
16QAM |
378 |
1.4766 |
|
6.431 |
8 |
16QAM |
490 |
1.9141 |
|
8.326 |
9 |
16QAM |
616 |
2.4063 |
|
10.3 |
10 |
64QAM |
466 |
2.7305 |
|
12.22 |
11 |
64QAM |
567 |
3.3223 |
|
14.01 |
12 |
64QAM |
666 |
3.9023 |
|
15.81 |
13 |
64QAM |
772 |
4.5234 |
|
17.68 |
14 |
64QAM |
873 |
5.1152 |
|
19.61 |
15 |
64QAM |
948 |
5.5547 |
注：efficiency = code rate / 1024 * Qm（其中QPSK对应的Qm = 2；16QAM对应的Qm = 4；64QAM对应的Qm = 6）
eNodeB在选择MCS，即选择调制阶数（modulation order）和TB size时，会保证对应的码率（code rate）尽可能地接近CQI index指示的码率。如果有多个“调制阶数和TB size的组合”对应的码率同样接近CQI index指示的码率，则eNodeB会选择TB size最小的那个组合。
CQI的作用：
- 表征下行信道质量
- 用于确定MCS
- 在PUCCH上发送，如果有上行业务在PUSCH上发送
MCS与调制阶数
|
Qm |
Modulation Method |
|
2 |
QPSK |
|
4 |
16 QAM |
|
6 |
64 QAM |
|
8 |
256 QAM |
由CQI怎样映射得到MCS
UE上报的CQI只有0~15，因此还需要某种算法来将CQI映射为MCS（0~28），即4bit映射为5bit，这个映射算法由设备厂商提供。
方法：
efficiency_1= I_TBS/(N_PRB在当前的可用传输的RE总数)
可用RE={ [（符号数-PDCCH）*每RB12个子载波-CRS]*RB}={ [（14-3）*12-12]*100}=12000
CQI --> efficiency --> efficiency_1 --> I_TBS -->MCS
|
MCS等级 |
CQI等级 |
QM |
Modulation Method |
|
0 |
0 |
|
|
|
1 |
1 |
2 |
QPSK |
|
2 |
2 |
2 |
QPSK |
|
3 |
3 |
2 |
QPSK |
|
4 |
|
2 |
QPSK |
|
5 |
4 |
2 |
QPSK |
|
6 |
|
2 |
QPSK |
|
7 |
5 |
2 |
QPSK |
|
8 |
|
2 |
QPSK |
|
9 |
6 |
2 |
QPSK |
|
10 |
|
4 |
16 QAM |
|
11 |
7 |
4 |
16 QAM |
|
12 |
|
4 |
16 QAM |
|
13 |
8 |
4 |
16 QAM |
|
14 |
|
4 |
16 QAM |
|
15 |
|
4 |
16 QAM |
|
16 |
9 |
4 |
16 QAM |
|
17 |
|
6 |
64 QAM |
|
18 |
10 |
6 |
64 QAM |
|
19 |
|
6 |
64 QAM |
|
20 |
11 |
6 |
64 QAM |
|
21 |
|
6 |
64 QAM |
|
22 |
12 |
6 |
64 QAM |
|
23 |
|
6 |
64 QAM |
|
24 |
13 |
6 |
64 QAM |
|
25 |
|
6 |
64 QAM |
|
26 |
14 |
6 |
64 QAM |
|
27 |
|
6 |
64 QAM |
|
28 |
15 |
6 |
64 QAM |
CQI指标
目前考核CQI≥7的占比
统计周期内，小区内UE上报的CQI（CQI7～15）数量在整个CQI上报数量中的比例。
优化：CQI与SINR关系最大
全网：
第一步：基础优化
覆盖(弱覆盖、过覆盖、重叠覆盖)
邻区优化
干扰（PCI）
第二步：适当的参数优化提升
- 最小接入电平优化
- 重定向门限优化
- Pa\pb
- CQI上报模式及上报周期
TOP小区处理
告警核查
干扰核查
覆盖核查
参数核查
什么是误块率？怎样计算误块率？
在无线网络中，一个设备（如eNodeB）是按块（block，也就是TB）向另一个设备（如UE）发送数据的。发送端使用块中的数据计算出一个CRC，并随着该块一起发送到接收端。接收端根据收到的数据计算出一个CRC，并与接收到的CRC进行比较，如果二者相等，接收端就认为成功地收到了正确的数据，并向发送端回复一个“ACK”；如果二者不相等，接收端就认为收到了错误的数据，并向发送端回复一个“NACK”，以要求发送端重传该块。如果在某个特定的期间内，发送端没有收到接收端的回复，则发送端假定之前发送的块没有到达接收端，发送端自动重发该块。(MAC层的HARQ处理)
BLER（block error rate），即误块率，是出错的块在所有发送的块中所占的百分比（只计算初传的block）。在实际应用中，某一特定百分比（如：LTE中数据信道的BLER要求为10%以下）的BLER并不总是必须的，因为可以重传出错的块并通过特殊的处理（如软合并等），使得接收端正确解出收到的数据。需要测量和计算BLER时，在发送端就能够完成，因为可以通过收到的NACK数来计算BLER。
在LTE中，控制信道的目标BLER为1%，数据信道的目标BLER为10%。当BLER不超过10%时，UE将向eNodeB上报它所能解码的最高MCS（通过CQI上报）。
例：假设发送了500个block的数据，其中499个block回复ACK，1个block回复NACK，则BLER为1 / 500 = 0.002 * 100% = 0.2%（从这个例子可以看出，计算BLER时，是不把重传的block的ACK/NACK计算在内的）。
CQI原理及CQI指标优化相关推荐
- 从渲染原理谈前端性能优化
前言 合格的开发者知道怎么做,而优秀的开发者知道为什么这么做. 这句话来自<web性能权威指南>,我一直很喜欢,而本文尝试从浏览器渲染原理探讨如何进行性能提升. 全文将从网络通信以及页面渲 ...
- 秋色园QBlog技术原理解析：性能优化篇：用户和文章计数器方案(十七)
2019独角兽企业重金招聘Python工程师标准>>> 上节概要: 上节 秋色园QBlog技术原理解析:性能优化篇:access的并发极限及分库分散并发方案(十六) 中, 介绍了 ...
- 秋色园QBlog技术原理解析：性能优化篇：数据库文章表分表及分库减压方案(十五)...
文章回顾: 1: 秋色园QBlog技术原理解析:开篇:整体认识(一) --介绍整体文件夹和文件的作用 2: 秋色园QBlog技术原理解析:认识整站处理流程(二) --介绍秋色园业务处理流程 3: 秋色 ...
- Monkey原理初步和改良优化--Android自动化测试学习历程
章节:自动化基础篇--Monkey原理初步和改良优化(第三讲) 主要讲解内容与笔记: 一.理论知识: 直接看文档,来了解monkey的概念.基本原理,以及如何使用. First,what is And ...
- 【数据竞赛】kaggle竞赛宝典-多分类相关指标优化
↑↑↑关注后"星标"kaggle竞赛宝典 kaggle竞赛宝典 作者: 尘沙杰少.谢嘉嘉.DOTA.有夕 赛题理解,分析,规划之多分类相关指标优化 这是一个系列篇,后续我们会按照我 ...
- 【机器学习基础】回归相关指标优化
作者: 尘沙杰少.谢嘉嘉.DOTA.有夕 赛题理解,分析,规划之回归相关指标优化 此处我们列举kaggle过往几年中,在回归问题中经常出现的一些评估指标,因为在数据竞赛中我们更多的是考虑在特定评测指标 ...
- Unreal Engine 4 —— 版本兼容的工作原理以及一些可优化项
http://blog.csdn.net/noahzuo/article/details/51887205 这篇博客讲解了在UE4中涉及到版本之间识别.切换的工作原理以及一些可优化项的介绍. 本博客翻 ...
- 秋色园QBlog技术原理解析：性能优化篇：打印页面SQL，全局的SQL语句优化(十三)...
文章回顾: 1: 秋色园QBlog技术原理解析:开篇:整体认识(一) --介绍整体文件夹和文件的作用 2: 秋色园QBlog技术原理解析:认识整站处理流程(二) --介绍秋色园业务处理流程 3: 秋色 ...
- 秋色园QBlog技术原理解析：性能优化篇：access的并发极限及超级分库分散并发方案(十六)...
上节回顾: 上节 秋色园QBlog技术原理解析:性能优化篇:数据库文章表分表及分库减压方案(十五) 中, 介绍了 秋色园QBlog 在性能优化方面,从技术的优化手段,开始步入数据库设计优化,并从数据的 ...
- 许键树：华为云视频直播在各细分场景的体验指标优化实践
点击上方"LiveVideoStack"关注我们 本文来自华为云媒体服务直播产品经理 许键树在LiveVideoStack公开课的分享,结合华为云在直播领域的实践经验,详细解析如何 ...
最新文章
- Oracle 12C -- 扩展varchar2、nvarchar2、和raw数据类型的大小限制
- 现代软件工程讲义4 Scrum/Sprint
- 利用mysql提供的c语言接口操作数据库
- python mysql 保存csv_使用Python将csv文件快速转存到Mysql
- 2019聊大考研计算机调剂,2019年聊城大学硕士研究生预调剂工作说明
- linux系统MongoDB4.0安装,密码设置,常用命令,集成springmvc
- Web全栈工程师应该会什么？
- 神舟战神笔记本Z7M-CT7NA开机进入Bios方法
- 小试牛刀1：制作一个简单的导航栏页面
- 国开大学计算机实操,国开大学计算机实操答案一 .pdf
- 硬盘分区被格式化了如何恢复
- bp神经网络算法的优缺点,基于bp的神经网络算法
- 基于soot的过程内数据流分析
- 24个扁平风格图标的PSD格式免费下载
- plt.imshow()无法显示两站图片？
- 基础提升*哈希函数与哈希表
- Chrome浏览器安装 React Developer Tools和Redux DevTools插件
- 为什么现在90后员工离职率那么高？
- 云鲸扫拖一体机器人说明书_云鲸小白鲸扫拖一体机器人 真实的测评带你走进智能化家居时代...
- 怀旧服显示服务器已满,十五年前的怀旧服居然还能服务器爆满 魔兽世界正式服算不算失败...