芯耀
与非AI
101
本文作者：庞淼 vivo移动通信公司射频专家，林挺萃 是德科技解决方案工程师
一.问题的提出：从“速率”转向“确定性”
手游是当前对 Wi-Fi 要求最高的业务
头部 MOBA 手游国服日活突破 1.39 亿，Wi-Fi流量承载手游流量 70%~85%——对空口最苛刻的业务，恰好落在用户基数最大的产品上。
但瓶颈不在带宽
游戏单包仅数百字节，稳态带宽不足 1Mbps；决定体验的是尾部时延与异常——均值劣化 20 毫秒几乎无感，一次 100 毫秒以上的时延，在 144 帧率下即丢失约 14 帧反馈。
据此提出确定性空口目标，沿物理、调度、协同、代际四个维度逐级展开。
二.前提与方法：不可复现，则不可评估
现网体验难以复现，是制约优化闭环的根本障碍：
异系统干扰、邻居 BSS 竞争、多径与遮挡，加上常被忽略的时间维度——同一户型在不同时刻就是不同场景，现网性能通常仅为实验室峰值的 30%~50%，“边走边测”无法支撑版本间对比。
为此建立五步闭环
——关键不是“在实验室建一个理想网络”，而是把现网场景转化为可存储、可回放、可验收的数据资产（图 1）。
图1 五步闭环总体框架
2.1外场采集：把现网变成数据资产
目标不是测一次性能，而是把场景的物理本质完整记录，供日后任意次回放。按典型居住与办公房型网格化布点，覆盖上午、午后、晚高峰、深夜并同步普查邻居 BSS 昼夜波动——每个样本同时携带位置戳与时间戳。信道侧用多探头阵列解析时延、方位、极化、功率、多普勒与路损等参量，秒级采样、可连续工作数小时；性能侧同步记录 RSSI、吞吐、RTT 分布与流量画像。产出原始 IQ、信道矩阵与可直接导入实验室仪表的信道文件，避免“外场数据→实验室配置”二次翻译的信息损失（图 2）。
图2 外场采集信息模型
2.2大数据聚类：收敛 TOP N 场景
外场积累数千采样点，实验室机位与预算只允许复现一小部分，收敛必须数据驱动：将各点的信道指纹、干扰普查、流量画像与时段信息标准化并降维去噪；再做时空联合聚类——位置相近的点并入同一信道模型，簇内按负载形态与昼夜节律细分；按簇的时间占比排序，取覆盖约八成用户时间的头部簇为 TOP N（典型 5~8 个，含家庭、办公、宿舍等三类典型场景的拥塞）。原则是“数量收敛、关键特征不丢”：落选簇只降优先级不删除，舆情集中时可随时提回重建用例（图 3）。
图3 大数据聚类与 TOP N 收敛
2.3四要素参数化：信道 / 干扰 / 流量 / 时间
每个场景压缩为参数向量 S = {C, I, T, M}。
C（信道）：路损与阴影、多径功率时延谱、多普勒与 K 因子、空间相关性矩阵与天线间距（以波长 λ 计，2.4GHz 约 12.5cm、5GHz 约 6cm），全部取自采集文件而非人工设定；
I（干扰）：异系统波形与占空比、同频 BSS 数量与负载——拥塞类场景需 16 个以上干扰 STA 才能逼近晚高峰竞争烈度；
T（流量）：小包周期突发叠加背景下载、流媒体与上行竞争，还原游戏包“与大数据流抢信道”的处境；
M（时间）：四时段负载画像、BSS 昼夜曲线、漫游时序与热降频窗口——它正是“白天流畅、晚上卡顿”的根源。
图4 四要素参数化
2.4实验室仪表化注入：在屏蔽箱内重建复杂空口
按参数向量在屏蔽箱内回放场景：AP/STA 仿真阵列提供多 AP 拓扑、OFDMA/MU-MIMO 并发与漫游测试；多径信道仿真仪串接在 AP 与 DUT 之间的射频通路，独立配置路径损耗、多径衰落、延迟扩展、多普勒、极化与空间相关性六大物理层参数，并直接回放外场信道文件——这是“仪表化”的核心：信道不再是暗室固定反射，而是被数学级精度控制的变量；干扰合成源与流量发生单元按 I、T 注入；IQ 捕获与性能监测联动，检测到吞吐毛刺即自动触发，免值守定位间歇性故障。
全链路由控制服务器以 REST API 编排、批量回归，测试周期由数周压缩至数小时；DUT 配横屏双手握持治具，同一场景可重复上万次且空口条件严格相同（图 5）。
图5 仪表化注入拓扑
2.5校准回归：让“像不像”成为验收指标
注入完成不等于复现成功。以全部外场测试点的 RSSI-吞吐/时延构成真值曲线；用一组标准信道模型（IEEE Model A~F）及真实场景的高精度信道模型，并行测试，并与真值逐点比对，选出形状最接近的基底——比对允许整体平移，且宜让真值落在标准模型下方；再微调天线间距与相关性矩阵参数逼近真值。一致性判定以 -65dBm 工作点的小/大时延占比为核心判据、吞吐偏差为辅助；验收另用两条外部判据交叉验证：区分能力（不同档位设备在同一模型下必须拉开差距）与排序一致性（实验室内排序须与现网实测一致）。任一不达标即复核模型或聚类层；通过后固化为回归基线，此后每次固件迭代自动全量回放（图 6）。
图6 校准回归流程
三.度量体系：先归因，再优化
三层指标：
L1 网络 KPI（RTT 均值/P95/P99、抖动、丢包、漫游中断及进房链路时延）；
L2 游戏 KPI（操作响应时延、帧率稳定性、掉帧率、断线重连）；
L3 体验分级（以大/小时延占比映射 L1/L2 区间）。
五步闭环为三层指标提供统一实验条件：
同一参数向量下，L1 劣化可直接归因到 C/I/T/M 中的某一要素——这是“边走边测”做不到的。
四.优化主线：四维确定性的逐级演进
物理确定性解决“底子”。
横屏双手握持是天线遮挡最恶劣的姿态，需以多天线矩阵、双频覆盖均衡与智能切换重建收发口径；高线性度 PA 保住高阶 MCS 的 EVM 余量，低噪声 LNA 提升灵敏度，共同改善极限距离收发；系统层实现 Wi-Fi/BT/蜂窝/GNSS 硬件级协调；整机与热决定这些能力在长时间对局中还能兑现多少。
调度确定性把不确定的空口转化为确定的服务。
局内以游戏流量识别进入 WMM 高优先级队列，小包优先、以 EDCA 调度先于数据队列发送；局外完成 DNS 预解析、DHCP 加速与关联鉴权提速；并以 BSS 负载感知、漫游时机优选与防乒乓保障连续性，以策略回退（独立开关、A/B 放量、秒级回退）控制现网风险。本机队列内 WMM 解决"自己排队"，跨 BSS 竞争要靠协同与代际能力。
协同确定性承认终端只控制链路的一半。
体验由终端、网端、游戏三方决定，并扩展至设备、运营商与行业标准等六方角色；家用 AP 的上行竞争、干扰规避、漫游不协同与能力参差构成四大波动源。
代际确定性指向 Wi-Fi 8（802.11bn/UHR）。
该代际首次将超高可靠性而非峰值速率作为第一性目标，吞吐提升不低于 25%、P95 时延与 MPDU 丢包降低不低于 25% 的目标与游戏诉求同构；MAPC 多 AP 协同缓解晚高峰拥塞，无缝漫游有望将中断由百毫秒级降至毫秒级，MLO 增强提供链路级冗余。新空口特性的现网表现只能靠仪表化注入提前验证——代际切换期恰是五步闭环价值最大的窗口。
五.结语
从“测得出速率”到“守得住每一帧”，本质是从追求峰值转向追求确定性：
物理决定上限，调度决定逼近程度，协同决定收益能否贯穿全链路，代际决定它能否被制度化。五步闭环是一切的前提——只有当复杂场景成为可复现、可验收、可回归的实验室资产，确定性空口才从口号变成可持续运转的工程流水线。
要将上述方法用于具体项目，还需要进一步明确场景如何搭建、指标如何采集，以及测试结果如何支撑版本优化。后续实践篇内容将围绕这些问题展开，进一步探讨复杂场景复现与游戏体验评估的实施方法。
作者简介：
庞淼
就职于vivo移动通信有限公司，专注于手机射频系统优化，软硬结合无线通信性能优化及用户体验的优化工作。在提升WiFi体验及用户场景到实验室的验证系统方面有一定研究。
林挺萃
毕业于浙江大学通信工程专业，深耕无线通信领域超过15年。曾先后就职于广东北电、新邮通信等企业，在终端蜂窝、Wi-Fi及导航定位测试领域积累了深厚的实战经验。曾深度参与运营商多套大型测试床的方案设计与搭建。现负责是德科技华南区客户的无线系统方案设计与落地实施。
