好的，我们继续进行系列的下一篇深度解读。

深度解析 3GPP TS 28.552：5.1.1.28 & 5.1.1.33 SSB Beam & Timing Advance (波束与时序测量)

本文技术原理深度参考了3GPP TS 28.552 V18.10.0 (2025-03) Release 18规范中，关于“5.1.1.28 SSB beam related Measurement”和“5.1.1.33 Timing Advance”的核心章节，旨在为读者提供一个关于5G网络空间与时间维度精细化管理的性能测量解析。

引言：智慧港口的“精准对位”挑战

在现代化的智慧港口，自动引导车（AGV）“大力神-01”正忙碌地穿梭于集装箱之间，执行着精准的货物搬运任务。它的厘米级定位和行动指令，完全依赖于覆盖港区的5G专网。然而，运维团队发现了一个奇怪的问题：在某些特定的集装箱堆放区域，“大力神-01”的响应时延会突然增大，甚至短暂失联，导致作业中断。

“王哥，我们查了那个区域的RSRP信号强度，不差啊。PHR功率余量也够。”小林向老王汇报了初步排查结果，一脸困惑，“为什么信号强度足够，连接却不稳定呢？”

老王指着屏幕上港口的3D模型：“小林，在港口这种‘钢铁森林’里，无线信号的传播路径瞬息万变。强，不代表‘准’。信号可能是从某个集装箱上反射过来的，虽然能量够，但方向和距离都发生了偏差。5G的高速率和低时延，依赖于基站和终端之间在‘空间’和‘时间’两个维度上的‘精准对位’。今天，我们就来学习如何衡量这种‘对位’的精准度。”

他将TS 28.552切换到5.1.1.28和5.1.1.33节。“SSB beam related Measurement（SSB波束相关测量），是监控UE在空间维度上，是否选择了最佳‘方向’的‘罗盘’。而Timing Advance（时间提前量），则是保证UE在时间维度上，其上行信号能够**精准‘同步’**到达基站的‘节拍器’。这两个看似底层的物理层测量，对于保障uRLLC等时延和可靠性敏感的业务，至关重要。”

这篇文章，我们将化身为“5G时空管理员”，通过分析波束选择和时间提前量测量，揭示5G网络是如何在复杂的无线环境中，实现对每个用户的时空精细化管理的。

1. 空间维度的“最佳视角”：SSB beam related Measurement (5.1.1.28)

SSB（同步信号块）承载着小区最基础的信息，并通过不同的波束在空间中周期性地广播。UE通过测量不同SSB波束的信号强度，来选择一个最佳的服务波束。这个选择的准确性，直接决定了后续数据传输的效率和稳定性。

1.1 Number of UE related the SSB beam Index (mean) (5.1.1.28.1)

a) This measurement provides number of UE related the SSB beam index.

c) The measurement is obtained by sampling at a pre-defined interval, the number of UE related SSB beam index, and then taking the arithmetic mean. The UE related beam index which maintained by UE random access and handover and beam switch…

e) L1M.SSBBeamRelatedUeNbr.

1.1.1 深度解析

L1M.SSBBeamRelatedUeNbr (Layer 1 Measurement, SSB Beam Related UE Number) 是一个非常独特的指标，它衡量的不是信号强度，而是波束的被选用情况。

• 测量对象: UE当前所关联的服务SSB波束的索引号 (Beam Index)。
• 测量方法: 这是一个平均值统计。gNB通过周期性采样，记录下每个时刻，小区内所有RRC连接态用户分别关联在哪个SSB波束上，然后计算出每个SSB波束上平均承载了多少个用户。
• 数据来源: gNB通过多种途径可以获知UE的服务波束，包括初始随机接入时UE选择的波束、切换/波束切换后UE关联的新波束等。
• 物理意义: 这个指标描绘了一幅“用户空间分布图”。它告诉我们，从波束的角度看，用户更倾向于聚集在哪些方向和区域。

1.1.2 场景化举例：发现“大力神-01”的“波束摇摆”

小林调出了问题区域小区的L1M.SSBBeamRelatedUeNbr数据，并将其可视化为一张雷达图。

“王哥，你看，”小林发现了异常，“港口主航道方向的SSB-2和SSB-3，平均承载了大部分AGV。但在那个出问题的集装箱区域，没有任何一个SSB波束有稳定承载的用户。我们通过信令追踪发现，‘大力神-01’在该区域时，其服务波束在SSB-5、SSB-6和SSB-7之间频繁、无规律地跳变。”

洞察： SSBBeamRelatedUeNbr的分布不均是正常的，它反映了用户的地理分布。但如果一个区域的UE无法稳定地驻留在任何一个波束上，而是出现“波束摇摆”现象，则说明该区域的波束覆盖存在严重问题。很可能是由于集装箱的反射和遮挡，导致多个波束的信号质量在此处交织、冲突，没有一个波束能够形成绝对的优势覆盖。AGV的连接不稳定，正是因为它在多个“不够好”的选项之间犹豫不决，频繁进行无效的波束切换。

2. 时间维度的“精准同步”：Timing Advance (5.1.1.33)

无线电波的传播需要时间。由于小区内的UE距离基站远近不同，它们的上行信号到达基站的时间也会有先后之分。为了保证所有UE的上行信号都能像“仪仗队”一样，在基站接收端精确地对齐在各自的时隙内，避免相互干扰，gNB会给每个UE下发一个Timing Advance (TA，时间提前量) 命令。

TA命令告诉UE：“你距离我比较远，为了弥补信号在路上的传播时间，你需要比基准时间提前X微秒发送你的上行信号。” 距离越远，TA值越大。因此，TA值直接反映了UE与基站之间的物理距离。

2.1 距离的全景图：Timing Advance distribution for NR Cell (5.1.1.33.1)

a) This measurement provides the distribution of the Absolute Timing Advance (TA) values transmitted by the gNB to UEs in the cell.

c) This measurement is obtained by incrementing the appropriate measurement bin when an Absolute Timing Advance Command is sent to a UE…

e) L1M.ATADist.Bin where Bin represents the range of absolute TA value (0 to 4095).

2.1.1 深度解析

L1M.ATADist.Bin (Absolute TA Distribution) 为我们提供了一幅小区的“用户距离分布图”。

• 测量对象: gNB通过MAC CE向UE发送的TA命令中的绝对TA值。
• 测量方法: 分布统计。gNB每发送一个TA命令，就将其TA值归入相应的距离区间（Bin）进行计数，形成直方图。TA值的大小与距离成正比（一个TA步长约对应78米）。

2.1.2 场景化举例：验证小区覆盖半径

通过分析L1M.ATADist.Bin的分布，运维人员可以：

1. 验证小区的实际覆盖范围: 如果TA值的分布超出了该小区的规划覆盖半径，可能意味着存在“越区覆盖”，即该小区干扰到了很远的区域。
2. 分析用户地理分布: TA分布的峰值，通常对应着小区内用户最密集的区域。

2.2 “空间+距离”的交叉分析：Average Value of Timing Advance per SS-RSRP and AOA ranges (5.1.1.33.2)

这个测量项是本节的“进阶”工具，它将时间（TA）、空间（AOA） 和 信号强度（RSRP） 三个维度进行了巧妙的结合。

a) This measurement provides the average value of timing advance of the cell which are in the given range of SS-RSRP and AOA for a cell. e) L1M.TAAvg.SS-RSRPBin.AoABin, Where SS-RSRPBin identifies the the range of reported SS-RSRP value, and AoABin identifies the range of reported AOA value.

2.2.1 深度解析

L1M.TAAvg (TA Average) 测量的是，在某个特定的信号强度区间 (RSRP Bin) 和某个特定的到达角区间 (AOA Bin，即方向) 内，所有UE的平均TA值。

• 测量对象: 平均TA值。
• 过滤维度: SS-RSRPBin 和 AoABin。
• 物理意义: 这个指标回答了一个非常具体的问题：“在那个方向、那个信号强度的区域，用户平均离我们有多远？”

2.2.2 场景化诊断：“大力神-01”的“反射信号”之谜

小林将目光再次聚焦到“大力神-01”出问题的那个区域。gNB检测到，该区域UE的到达角（AOA）主要在60°-70°的区间。信号强度（RSRP）在-90dBm左右，并不算差。 然而，当小林查看L1M.TAAvg.RSRPBin_-90to-100.AoABin_60to70这个子计数器的值时，发现其平均TA值非常大，换算成距离远超了AGV的实际位置！

“王哥，破案了！”小林兴奋地喊道，“在这个方向和这个信号强度下，正常的TA值应该很小。现在测出来一个很大的TA值，这只能说明，‘大力神-01’收到的那个-90dBm的信号，根本不是从基站直射过来的，而是在港区里绕了一大圈、经过多次反射才到达的非直视距（NLOS）信号！”

洞察： 这个“时空联合”测量项，是识别复杂多径场景下“有效信号”和“污染信号”的“照妖镜”。直射路径（LOS）的信号，其RSRP、AOA和TA三者之间应该符合正常的物理规律（距离越远，RSRP越差，TA越大）。而经过复杂反射的NLOS信号，则可能出现“RSRP很好，但TA很大”的“反常”现象。对于AGV这种需要低时延、高可靠连接的业务来说，这种长时延的反射信号是“有毒”的，即使强度很高，也不应作为主服务信号。网络不稳的根源，正是AGV在直射信号和这种长时延反射信号之间“摇摆”不定。

结论：时空同步，5G精细化管理的基石

通过对“魔方大厦”和智慧港口这两个复杂场景的分析，我们认识到，5G网络的性能，早已超越了“信号好不好”的一维评判标准。

1. 波束级用户分布 (SSBBeamRelatedUeNbr)：提供了用户空间分布的洞察，是波束级负载均衡和容量优化的基础，帮助我们发现“波束摇摆”等微观移动性问题。
2. TA分布 (ATADist)：提供了用户距离分布的画像，是验证小区覆盖范围、识别越区覆盖的有效工具。
3. 时空联合分析 (TAAvg per RSRP/AOA)：通过将时间、空间、强度三个维度关联，为我们提供了识别复杂多径场景下NLOS污染信号的强大能力，是保障uRLLC业务在复杂环境中稳定运行的关键。

空间上的“精准对波”和时间上的“严丝合缝”，共同构成了5G网络高性能的基石。TS 28.552中定义的这些时空测量项，正是我们感知和维护这种精细化管理能力的“高精度传感器”，确保了无论是在摩天大楼的角落，还是在钢铁森林的深处，5G连接都能保持稳定与高效。

---

FAQ 环节

Q1：L1M.SSBBeamRelatedUeNbr（每波束平均关联用户数）和我们之前学的RACH.PreambleA.Ssb（每波束接收的随机前导数）有什么区别？ A1：它们衡量的用户状态和时间尺度不同。RACH.PreambleA.Ssb 衡量的是瞬时的“接入”行为，它统计的是在某个波束上发起了多少次随机接入尝试，这些用户主要处于Idle或Inactive状态。而**L1M.SSBBeamRelatedUeNbr** 衡量的是持续的“驻留”状态，它统计的是在某个波束上平均维持着多少个RRC Connected状态的用户。前者反映了“人流入口”的繁忙程度，后者反映了“场内各个区域”的人口密度。

Q2：Timing Advance (TA) 是由UE计算还是gNB计算的？ A2：TA的最终值是由gNB计算并命令给UE的。流程是这样的：1）UE在随机接入时发送Preamble。2）gNB接收到Preamble后，通过测量其到达时间与期望到达时间的偏差，计算出初始的TA值。3）gNB在Random Access Response (Msg2)中将这个初始TA值告知UE。4）在RRC连接过程中，gNB会通过专门的TA Command MAC CE，周期性地测量和更新TA值，以跟踪UE的移动。UE只负责执行gNB的TA命令，调整自己的上行发送时序。

Q3：除了反映距离，TA测量还有什么其他的优化应用？ A3：TA最主要的应用就是反映距离。但在一些高级应用中，TA的变化率可以用来估算UE的移动速度。如果一个UE的TA值在短时间内发生剧烈变化，说明它正在高速地接近或远离基站。这个信息可以帮助调度器和移动性管理模块做出更具预判性的决策，例如，为高速用户提前准备切换，或者为其选择更鲁棒的编码方案。

Q4：AOA（到达角）信息是所有5G基站都能测量的吗？ A4：这取决于基站的天线配置。要测量AOA，基站需要配备多天线阵列，通过分析信号到达不同天线单元的相位差，来计算出信号的来波方向。几乎所有的5G Massive MIMO基站都具备这个能力。对于一些小站或传统天线形态的基站，可能不具备精确的AOA测量能力。AOA信息对于波束赋形、用户跟踪以及我们本章提到的时空联合分析都至关重要。

Q5：如果发现一个区域存在大量的NLOS（非直视距）反射信号污染，应该如何进行网络优化？ A5：优化策略主要有：1）物理层优化： 调整天线位置、高度或倾角，尽量增强LOS（直视距）路径的信号，抑制反射路径。在室内或复杂街区，可以通过部署更多的微基站或室分系统，创造更多的LOS路径。2）算法与参数优化： 优化波束管理算法，使其能更智能地识别和选择LOS波束，而不是仅仅基于RSRP强度。例如，可以引入TA信息作为判决因子，对TA值异常大的强信号波束进行“降权”处理。3）邻区关系优化： 确保UE能够及时切换到真正位置更近、路径更优的邻区，而不是被一个来自远方的强反射信号“锁定”在当前小区。