You are on page 1of 15

Training Wizard

Calibración de Modelos de PropagaTION

El análisis de PMO (Propagation Model Optimization) encuentra los coeficientes del modelo que minimizan la diferencia entre las mediciones y predicciones de RSL[dBm].Calibración de Modelo de Propagación en x-Wizard Para mejorar la precisión en la predicción. Esta sección asume que se usa el modelo de Lee para la calibración. etc) deben ser calibrados para reflejar las condiciones de propagación en un mercado particular. Ing. RF . El modelado de propagación ha contado tradicionalmente con datos de mediciones para la calibración y validación. dependiendo de las condiciones de terreno y de la morfología. Los datos de mediciones sirven como referencia para ajustar los coeficientes del modelo para minimizar la diferencia entre las predicciones y las mediciones.Rev A 2 . Hata. El proceso de PMO no depende del formato o fuente de los datos de mediciones. La solución es encontrada con la mejor predicción que se ajuste a las mediciones con un error promedio de cero y una desviación estándar típicamente en el rango de 6-10dB. los modelos por defecto (Lee.Feb09 Curso Wizard .

RF .Feb09 Curso Wizard .Recorridos para calibración Polígonos para recorridos de acuerdo al tipo de morfología Ing.Rev A 3 .

sobre todo que nos indiquen que la señal decae conforme nos alejamos del transmisor.Rev A 4 . RF . Ing.Feb09 Curso Wizard .Recorridos para calibración Ejemplo de un buen recorrido Ejemplo de un mal recorrido Este recorrido no tiene suficientes puntos en la apertura del sector.

Sólo si deseamos combinar varios recorridos del mismo sector Nombre del recorrido (sector) Ejemplo de un recorrido en formato genérico Ing. El importe se hace a través del menú File>Import>Measured Data…. RF .Cargar Datos en Formato x-Wizard Genérico Tener los recorridos en un formato que X-Wizard pueda digerir. recuerden que tenemos la opción de importar los recorridos en X-Wizard en un formato genérico.Feb09 Curso Wizard .Rev A 5 .

RF – Feb09 Curso Wizard .Rev A 6 .Asociar los recorridos Ir a Tools>Asociate Measured Data Seleccionar el recorrido cargado y el sector al que pertenece Seleccionar el canal medido en el recorrido a asociar Presionar Get para determinar la distancia máxima del recorrido Ing.

Rev A 7 . Verificar que tengo asignado el modelo de propagación común (Default Lee Parameters) y que tengo asignado el terreno de mayor resolución posible.Calibración del modelo de propagación de LEE 1. 2. Utilizar todos los sectores activos y con recorridos asociados para calibrar.15 degrees) Both Cases to Include Check Distances (km) = 0.1 Ing. Ir a Analysis > Propagation Model Optimization > Batched PMO 3. utilizando los siguientes parámetros: Seleccionar todos los sectores con recorridos asociados Terreno de mayor resolución posible Optimizar 2 parámetros en el modelo Lee Horizontal Beam Width (+/. RF – Feb09 Curso Wizard .

RF – Feb09 Ver estadísticas Error y Desviación Estándar después del PMO de PMO Curso Wizard .txt 8 .Rev A Guardar tabla a .Tabla de resultados PMO Guardar el modelo actual Anexar / Eliminar sectores de la tabla de resultados final Ing.

No utilizar sectores que presenten valores de TUNED REFERENCE INTERCEPT o SLOPE muy distantes al promedio calculado por X-Wizard.Recomendaciones para evaluar PMO • Primero se deben evaluar los resultados promedios actuales. eliminar los que tienen cero puntos obstruidos. los valores promedio de desviación estándar recomendables dependiendo del tipo de calibración ejecutada son: • • • • • • No utilizar sectores cuyo TUNED SLOPE sea mayor a -20 dB/dec y menor a -50 dB/dec En general podemos considerar que los valores de REFERENCE INTERCEPT estarán entre -59 a -90 dbm. En caso de que no se tengan muchos Tx con más de 200 puntos obstruidos. Nota: Si no estamos seguros si debemos de incluir el sector en nuestra calibración. Ing.20 dB) Verificar aquellos sectores con menos de 200 puntos obstruidos. RF – Feb09 Curso Wizard . (No excedan los +/. Es importante anotar que sectores son discriminados del modelo final ya que al calibrar el clutter debemos discriminarlos también de este análisis.Rev A 9 . presionar los puntos suspensivos (…) en la columna STATS para hacer un análisis profundo del sector. también los que presenten una Desviación Estándar alta (mayor a 9) y un número bajo de puntos obstruidos (menor a 100) El valor de TUNED FOOSE FACTOR debe ser menor a 7 Eliminar los sectores que no presenten un número de desviación estándar igual o menor contra NUMBER OF POINTS tal y como muestra la tabla de abajo. Generalmente es recomendable tener como mínimo un numero de 200 puntos obstruidos para obtener resultados buenos durante la calibración.

Esto nos indica que la calibración ha sido satisfactoria.Estadísticas y gráficas PMO El objetivo de estas graficas es ver los resultados antes y después de la calibración. Queremos que la gráfica de los resultados calibrados nos muestre la mayor cantidad de puntos lo más cercano a 0 dB y que se encuentren dentro de la Curva de Campana. Ing.Rev A 10 . RF – Feb09 Curso Wizard .

Asignar el CLUTTER TYPE de mayor resolución a nivel proyecto. x-WIZARD soporta el uso de morfología en el modelado de la propagación y el ajuste automático de los coeficientes de morfología. 3. no puede tomar en cuenta las diferentes clases de morfología dentro del área de cobertura del transmisor. RF – Feb09 Curso Wizard . 1. Asignar el modelo recientemente calibrado a nivel proyecto en X-Wizard. solamente realiza esta reducción en el promedio para el área entera de cobertura del transmisor. El análisis de PMO por si solo. (Nota: Este debe estar en ceros en todos los campos excepto en las alturas como se ilustra en la imagen) Ing. Asignar el CLUTTER ADJUSTMENT FILE que corresponda al CLUTTER TYPE que escogimos. 2. Sin embargo.Calibración del CLUTTER (Morfología) El análisis PMO puede brindar mejoras significativas al reducir las diferencias entre las mediciones y las predicciones. Este método ha sido definido a través del análisis “Clutter Optimization”.Rev A 11 .

Seleccionar sólo los sectores que quedaron al final en la lista de PMO Optimizar los 3 parámetros Ing. RF – Feb09 Curso Wizard . sin embargo.Calibración del CLUTTER (Morfología) Ir a Analysis > Clutter Optimization Vamos a utilizar los mismos sectores que ya tienen los recorridos asociados.Rev A 12 . es MUY IMPORTANTE no utilizar los sectores que fueron discriminados a la hora de calibrar el modelo de propagación.

RF – Feb09 Curso Wizard .Calibración del CLUTTER (Morfología) Ejecutar el análisis. Una vez terminado. Ing.Rev A 13 . guardar el nuevo ajuste de morfología (CLUTTER ADJUSTMENT FILE) con un nombre que identifique que ha sido calibrado.

4. Ir a Análisis > Propagation Model Optimization > Batched PMO 5. así que no debemos cambiar la configuración que ya tenemos. Asignar a nivel proyecto los modelos de propagación y ajuste de morfología (CLUTTER ADJUSTMENT) calibrados. Este proceso sólo puede hacerse una vez que calibramos el modelo de propagación y el ajuste de la morfología. RF – Feb09 Curso Wizard . 3.Rev A 14 . debido a que ya tenemos calibrado y asignado a nivel proyecto nuestro modelo de propagación.X-Wizard Hyper-tuning Calibration Si queremos obtener una calibración aún mas ajustada a los recorridos podemos efectuar lo que en X-Wizard se conoce como Hyper-Tuning. Utilizaremos nuevamente los sectores que tenemos los recorridos asociados. Seguir los pasos mencionados en “Calibración del modelo de propagación de LEE” con una pequeña diferencia. 2. Asignar el CLUTTER TYPE y TERRAIN con la mayor resolución posible. Hyper-Tuning consiste de lo siguiente: 1. debemos seleccionarlo en la sección “MODEL TO OPTIMIZE” Ing.

En estos casos debemos calibrar el modelo de propagación por cada sector problemático.Rev A 15 . Ing.X-Wizard Hyper-tuning Calibration Seleccionar el modelo de propagación previamente calibrado La segunda iteración de PMO asegurará otra reducción de la desviación estándar de las diferencias entre las mediciones y predicciones de RSL[dBm]. RF – Feb09 Curso Wizard . La desviación estándar que es obtenida en este paso se convierte en la desviación estándar final del proceso de hyper-tuning. *Sectores problemáticos pueden mostrar predicciones que no sean realistas.