本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对Massive MIMO波束权值优化的难点，提出了一种基于GBDT机器学习的回归预测算法，通过实测及仿真，研究该算法在不同场景下各种波束权值的覆盖能力，基于机器学习模型，利用研究结果结合三维地图、建筑物数据、MR 数据、仿真/测试数据等进行机器学习建模，输出Massive MIMO波束自适应覆盖优化算法。在现网的应用结果表明，该算法能够有效地提升5G网络覆盖质量。
关键词：5G；Massive MIMO；波束权值优化；GBDT
doi：10.12045/j.issn.1007-3043.2022.07.004
概述
相比 4G，5G 系统引入了 Massive MIMO 技术，与4G多天线技术存在较大的差异。5G系统 Massive MIMO 技术基于超大规模天线的多波束赋形，可提升网络覆盖、小区总吞吐率及频谱效率，减少干扰，以满足5G 网络大容量、覆盖要求高的需求。同时，5G的切换将从小区级切换转变为波束切换，Massive MIMO 波束的规划优化不仅直接影响整个 5G网络的覆盖、容量，对5G新移动性管理也有着至关重要的作用。
