Mentum Planet 5.

8
Propagation Model Tuning
Inputs
Some of the most important inputs are,
1. Survey Data (CW)
2. Clutter grid file
3. Height grid file (with good resolution)
4. Clutter Heights
5. Clutter Separation
6. Power, Antenna information, losses information, etc of the site for
which survey data is collected.
7. Receiver Height per clutter
Work Flow for Model Tuning
start

Step 1 Collect survey data and modify as required

Collect Survey and
Step 2 Configure the model Modify as required

Step 3 Tune the propagation model

Configure the Model
Step 4 Validate the model.
Step 5 Investigate the discrepancies Tune the Propagation
Model

Validate the Model

Investigate the
discrepancies

End
Step 1: Collect Survey Data*

• Site Selection
•Site should be little higher than the typical antenna height in the
clutter
•There should be no large obstacles in 300 m area far away from
site
•Site should cover enough area of the clutters that are going to be
classified
•Environment should be easy to drive test
•Survey Data*
•Avoid highways, tunnels and elevated roads
•Avoid data collection on the same path
* This report does not cover how to collect survey data (CW) in detail. Recommended guidelines are in [1]
Step 1: Collect Survey Data (Cont.)
•Averaging:
•Survey data should be modified to remove anomalous survey points and
account for Rayleigh fading.
•Select the survey and choose Analyze Average.
•In the Rayleigh Fading Distance box, type a calculated value. To remove
Rayleigh fading, the recommended aggregation distance is 40
wavelengths. For example, 13 m at 900 MHz, and 5 m at 2400 MHz.
•In the Averaging section, choose one of the following options to average
data points:
a) Area Method—Data points are averaged using the median by
dividing the area covered by the point file into adjacent squares in a
rectangular array.
b) Distance Method—Data points are averaged using the median by
dividing the area covered by the point file into circles that may overlap,
but which include all of the points in the original survey.
Step 1: Collect Survey Data (Cont.)
•Filtering: Typical filters used for post processing include:
•Clutter Class –remove data from inland water
•RSSI –remove points below the noise floor –noise floor based on actual
measurement in the area during measurement collection
•Distance –remove points in near distance, for example within 300 m
•Distance from FSL –remove points higher or close to the Free Space
Loss line
•Latitude / Longitude –remove points beyond a range of latitude and
longitude values
•Manual deletion –points removed in areas where geodata is not properly
represented, e.g. elevated highways, bridges, etc…
Step 2: Configuring Propagation Model
• Select the appropriate Clutter and height grid

• Enter the frequency for which propagation model is being tuned

•Enter the value of the receiver height if it is same for all clutters. Otherwise, it
can be entered in clutter properties
Step 2: Configuring Propagation Model (Cont.)
• Enter Clutter Height and Clutter Separation per clutter.

• If receiver height is per clutter, it can be entered in this tab

Step 3: Propagation Model Tuning
• Import the survey data
Step 3: Propagation Model Tuning (Cont.)
•Create a new sector in Mentum Planet for which survey data has been
collected. The powers, antennas, losses, etc should be entered correctly while
defining the sector
Step 3: Propagation Model Tuning (Cont.)
•Generate header for the survey from sector and verify that all data in the
properties (antenna information, lat/long, azimuth, EIRP, height, etc. are
correct)
Step 3: Propagation Model Tuning (Cont.)
•After header is generated, drag and drop survey on sector for which data is
collected.
Step 3: Propagation Model Tuning (Cont.)
•Right click on survey and select Model Tuning
•In the model tuning dialog box, select the configured model from the step 2 in the drop
down menu for “model to tune”.
•In clutter absorption loss properties,
•Select number of iterations to 3
•Enable survey filtering by distance if required
•Select the number of radials either computed or user defined as required
Step 3: Propagation Model Tuning (Cont.)
•If performance targets* are not met, further iterations can be run on the already tuned
propagation model to improve the standard deviation and mean error
•In the model tuning dialog box, select the tuned propagation model
•Follow the same configurations for clutter absorption loss properties as before

* Performance targets are described in the following slides

Step 4: Model Validation
•Once model is tuned, generate predictions for the survey sites using
the tuned model.
•View a thematic map of survey points and compare them to the
prediction layer.
Step 5: Investigate the discrepancies
•Investigate discrepancies between the survey data and the prediction
layer by comparing the survey data to the prediction output and
reviewing survey reports.
•Once discrepancies have been examined, additional points can be
removed, clutter properties could be modified, propagation model
settings can be changed, etc for improvement in propagation model
tuning
Performance Targets

Typical Performance targets for propagation model tuning are:

Standard Deviation : 8dB

Mean Error : +/-2 dB
Important Guidelines
• If the calculated Clutter Absorption Loss (CAL) values are
overwhelmingly negative, lower the clutter heights and retune the
model. CALvalues should normally fall between -3 dB and +12 dB.
• Follow the recommended guidelines for collecting survey data as in
[1]. See “Collecting survey data” in the Mentum Planet User Guide.
• Aggregate survey data in order to account for Rayleigh fading.
• Ensure that the frequency of the input model used in model tuning
is accurate and the receiver height corresponds to measured data.
• Ensure that the clutter maps you use are accurate and up-to-date.
• Verify that the model uses clutter heights that are recommended or
appropriate for the model.
Important Guidelines (Cont.)
• Ensure that ground types, if used, are appropriate. For example,
moist ground should be assigned to farmland.
• Create one model to cover all surveys with similar characteristics.
For example, for a given metropolitan area, start with one input
propagation model. Tune one model for the sub-urban area. Using
the same input model, tune a second model for very dense urban
and downtown area. The tuned models will provide reasonably
accurate predictions for topologies of similar clutter characteristics
(such as neighboring regions). This approach can be fine tuned by
subdividing the metropolitan area to more than two areas and
generating corresponding models for each area.
Example
Sites Information

•In this example propagation model is tuned for one of the Canadian
Markets
•Following sectors were used for model tuning that complied with the
site selection guidelines
•W46AU-3
•W91AU-3
W91AU-3: Survey
 
 
 
  
   
 
 
  
     
      

  
    
   
      
     
   

    
   
    
      
    
     
 
   
   

  
 
  
   
  
    
   
  
  
     
  
     
 
     
 
 
    


 


 
         
 
          
 
        
       
   
  
  
   
         

       

     
 
     
 
   
 
      

  
  

  
 
  
 
  
    
  
        
     
   
  
    
     
     
  
 
   
 
       
    
  


 
     
   
  
  


          
 
 
    
   
 
   W90AU-1
W90AU-1


       
         
             
   
           
 

 
     
 


  
  
 

  


  


     
    
         

    
      
           
          



        

 
        
                         
         



 

 
 

 

        

      

                       
        


           
       
         
        
        
     
 
                 
  
 



    
    

   
            

              

  
 
      


           
   

                     
      
     
   

     
    
       
     
     
 
 
 
 
 
  
 
        
       
 
    
  
  
    
       


  
     W91AU-3
W91AU-3
       



       
     
  
    
          
 
            
         
            


         
  

     
       

        
  

    

   


 

 


   
 
    

      
         
     
   
   

          
                   
 
               
                
    
       
     
   
     
   

    
   
 
  

 
   
 
 

 
 




 



W91AU-3: Prediction

 W90AU-1
W90AU-1


 W91AU-3
W91AU-3


W91AU-3: Survey + Prediction
 
 
 
  
   
 
 
  
    
      

  
    
  
      
     
   

    
   
    
      
    
     
 
   
   

  
 
  
   
  
    
   
  
  
     
  
     
 
     
 
 
    


 


 
         
 
          
 
        
       
     
  
   
         

        

     
 
     
 
   
 
      

  
  

  
 
  
 
  
    
  
        
     
   
  
    

       
 
   

 
 
    
  

 
 

  
 
      
     
   
  


         
   

 
 
     
      W90AU-1
W90AU-1





   
  
      
              
   
           
 

 
     
 


  
  
 

  


    
     
    
         

    
      
           
          



        

 
        
                         
         



 

 
 

 

        

      

                       
        


            
       
         
        
        
     
 
                 
  
 



     
  

   
            

                  

  
 
                  
   

                     
         
     

     
    
       
     
     
 
 
 
 
 
   
        
       
 
    
  
  
    
       


  

 
  W91AU-3
W91AU-3
       



       
     
  
    
          
 
            

         
            

   
         
     
         

        
  

    

   


 

 


   
 
    

      
         
     
   
   

          
                   
 
               
                
 
   
        
     
   
     
   

    
   
 
  

 
   
 
 

 
 




 



W46AU-3: Survey

    
  

 
   
 
  
 

        
   
  

    
     


       
   

     
 

     
  
 
 

  
   
     
 
 
    

  
 
  
 

 
 
  
  
    
    
          
     
    
   
  
     

 
  
   

 
    
   
   
      

        
    

   


 
   
      

      
     
 

             
         
           

      
  
   
     
 
 
        
     

 

            


        W46AU-3
W46AU-3
           

     


       
     
           
 
    
   

     
  
       
     
       
      
   
   
    
     
         
  
 
  
 

 
 
   
       
        

    
    
 
  
   
          
  
  

   
  
  
   
      
    
 
 
       
         
         
             
  
       
         
   
    
      
     
    
   
   
     
   
    
 
    
       
  
 





W46AU-3: Prediction
W46AU-3: Survey + Prediction

    
  


 
   
  
  
 
     
   
      
     
     

      

   
   


     
  
 
 

  
   
   
 
 
    
 

  
  


 
  
 
 

  
    
       
     
    
   
    
  
   

 
       

 
   
        
    
        
      
       
       
        
      
     
      

  
 
         
     
      
  

   
      
 
        
      
       
 

 
 
   
       
   W46AU-3
W46AU-3
        
      


         
        

    
      

     
      
     
       
      
     
  
 
    
     
 
           
    
  
   
  
          
        

           
     
          
  
 

   
  
  
   
         
        
    
     
    
  

     
               
    
 
   
  
     
    
 
     


 
   
           
      
      
     
       
  
 





Distribution Curve for Model

Mean Error = -0.36 ; Standard Deviation = 7.39

Distribution Curve for Sector W91AU-3

Mean Error = -0.24 ; Standard Deviation = 6.85

Distribution Curve for Sector W46AU-3

Mean Error = -0.65 ; Standard Deviation = 8.73

Model Validation
Model Validation by Clutter
Application of Propagation Model on another survey
W90AU-1: Survey

 
 


  
 
   
  
   
      
     
 
 

 
    
   
        
    
  



       
  
            
    
    
    
    
    
            
   
     
    
   
    

     


   
    
   
 
     
 
      
 
 
   
 
   
 


   
 
         
     
     
   
 
   

    
     
     
     
   
 

   
    

   

      
  

      
  
   
      
 
     

     
  
     

 
      
 
  
 
     
 
      

        
        
       
         
       
      

   


      
   
    
   
      
   
 
      
      
    
      
      
 

        
         
  W90AU-1     
  W90AU-1 
     


   

   
  
  
 
   
    
  



 

 

       

  
    
      
   
      
    
      
  


      
 
    
  
  


 
  

 
      
   
    
   
    
        
 
   
 W91AU-3
W91AU-3   
 

  


         

    
          
      
  
   
   

         
   
   
     
    
      

       
 
 
  

        
   
  
    

      
   
  


  
   


  
W90AU-1: Prediction

 W90AU-1
W90AU-1


 W91AU-3
W91AU-3

W90AU-1: Survey + Prediction

 
 


  
 
   
  
     
    
         
 
   



     
   
     
 
   
 
         

   
      
  
  
       
 
    
    
     
         
        
      
      
      
  
         
     
    
    
    
    
    
    
 
     
   
   
   
    
   

    
  

    
  
    

 
   
   
 
 
 
  
    
       
      
         
   
       
  
    
        
        
        
       
       
 
  

 
   
    
    
 
     

     
     
  
 
      
     
       
           
    
       
   W90AU-1 W90AU-1   



   

    
  
  
    
 



   
 
 

    
     
 
     
  
    
  
        
           
    
      
 
    
   
 
 
 
  

 
      
    
    

       
  
  
   
 W91AU-3
W91AU-3    
  
   


       

             
      
      
      
        
 
   
   
    
       

   

 
  

  
   
    
 
    
  
      
 
 
 

  
    
   