大规模MIMO,作为5G的核心技术之一,经常和波束赋形、毫米波等概念相结合,可以使基站的覆盖精确度大大提高。在无线网络规划平台上,通常使用大规模MIMO中的均匀平面阵的天线结构,对波束进行赋形。在赋形过程中,可以得到不同的天线增益权重,根据这些权重值可以生成天线的方向图,得到各个方向的天线增益,将其应用于覆盖仿真模块中的射线追踪的路径损耗的计算中,从而得到更加精确的覆盖效果。本文针对实际场景中基站对水平和垂直两个维度中移动的用户进行覆盖和波束跟踪,在无线网络规划平台上对实际问题进行仿真实现。在实际场景中,针对移动用户,赋形后的波束会重新进行波束赋形,重新根据用户的位置产生新的波束簇。本文提出的波束跟踪方法会根据用户上一时刻的用户数据,而不是将已有的系统信息初始化,可以降低重新扫描的开销,降低信号连接过程中不稳定的问题。在无线网络规划平台上,针对用户位置移动的问题,考虑到用户的位置和运动状态信息和上一时刻的用户数据有较强的联系,若每次使用用户的初始信息进行计算,并且将上一时刻的用户数据不纳入考虑因素,会造成较大的观测误差。经过跟踪滤波后,计算误差会明显降低。首先,本文研究了三维波束赋形算法,对高层楼宇场景下的各个楼层的用户进行覆盖仿真。使用三维波束,针对高层楼宇场景这种典型的垂直场景中的扶梯和在建筑物边缘建造的观光电梯的情况,用户在垂直方向上产生位移可能出现信号不稳定的问题。为了解决这个问题,本文提出了一种基于粒子滤波算法的单基站多用户的波束赋形方案。这种方案会先获取到各个楼层用户的开始的位置和运动状态,使用预处理和分类算法将用户数据进行判断,分辨出属于哪一个用户,通过对用户上一时刻的数据,对当前时刻用户的位置和运动状态进行预测,实现三维MIMO在垂直方向上的波束跟踪。然后,本文研究了针对水平场景的基于卡尔曼滤波进行改进的算法的波束跟踪方案。针对最常见的街道、公园等场景,可以看作是用户在水平方向上产生位移。本文根据用户在实际生活中的运动行为将复杂的轨迹建模成四种模型进行分析。针对不同街道场景的用户轨迹,对用户的历史位置进行跟踪,对用户的下一时刻的位置进行预测,对预测过程中产生的坐标和角度误差进行计算,根据用户不同时刻的预测的位置和运动状态,计算天线的权值矩阵,通过使用拉格朗日乘数法得到最佳权重,得到天线增益,使用户在移动过程中信号强度稳定。