一种基于天线参数调整的无线网络话务均衡优化方法

摘要

本发明涉及无线网络优化的技术领域，具体地说是一种基于天线参数调整的天线网络话务均衡优化方法，包括无线网络基础数据管理方法、OMC数据处理子系统、无线网络覆盖与话务均衡度仿真子系统，其特征在于根据无线网络基础数据OMC数据处理子系统的话务分布数据，通过无线网络覆盖与话务均衡度仿真子系统发现话务分布不均，建立天馈参数自动优化系统的方法调整天馈参数，实现话务的最佳均衡，针对天馈参数自动优化系统搜索过程中的优化方案进行评估，通过该评估系统指示算法搜索好的方案，从而提高全网的系统指标；本发明不仅可以用于CDMA网络现网优化，还可用于网络建设前的预优化以及网络扩容前的预优化，具有效率高、成本低的优点。

说明书

[技术领域]

本发明涉及无线网络优化的技术领域，具体地说是一种基于天线参数调整的无线网络话务均衡优化方法。 

[背景技术]

对于网络优化而言，实现小区间的话务均衡是一项重要任务，其最直接的技术手段就是进行网络天馈参数的调整和优化。现有的技术方法是通过日常反复收集OMC统计数据与人工天馈参数调整实现的，主要优化步骤如下： 

1、基于OMC统计发现高话务、高拥塞、低话务和低拥塞小区； 

2、凭借网优工程师人工经验判断，分析定位存在问题的原因； 

3、凭借网优工程师人工经验制定天馈参数优化方案； 

4、具体实施优化方案； 

5、重复收集OMC统计结果，评估分析优化效果； 

6、如果没有达到优化目标，循环往复优化步骤。如果达到优化指标，优化流程结束。 

现有的解决话务不均衡的方法主要依靠人工经验对OMC统计结果及实际的地理环境进行分析，给出一套调整方案，主要依赖于人工经验，具有工作量大、工作效率第、优化周期长和优化效果不理想等缺点。： 

中国专利200910020980.0公开了一种基于GIS的移动通信网话务仿真均衡方法，引入了单位面积话务量的概念作为话务均衡的基础，利用GIS面积量算功能计算小区单位面积话务量和需要调整的话务量，通过参数调整改变小区物理覆盖范围或逻辑覆盖范围达到话务均衡的效果和目的；其不足在于仅仅以话务密 度的均衡度为优化目标，并未综合考虑话务密度、话务类型等信息。 

[发明内容]

本发明的目的是通过话务统计报告中的各项指标了解到无限基站的话务分布及变化情况，建立话务均衡度仿真子系统和天馈参数自动化系统，以便更快发现问题，调整网络参数，是系统各小区的指标得到提高。 

为了实现上述目的，本发明设计一种基于天线参数调整的无线网络话务均衡优化方法，该方法包括无线网络基础数据管理方法、OMC数据处理子系统、无线网络覆盖与话务均衡度仿真子系统，其特征在于根据无线网络基础数据机OMC数据处理子系统的话务分布数据，通过无线网络覆盖与话务均衡度仿真子系统发现话务分布不均，建立天馈参数自动优化系统的方法调整天馈参数，实现话务的最佳均衡，针对天馈参数自动优化系统搜索过程中的优化方案进行评估，通过该评估系统指示算法搜索好的方案，从而提高全网的系统指标。 

所述的天馈参数自动优化的方法包括以下工艺步骤： 

a、基础数据输入 

地图数据、天线数据、传播模型、话务分布数据和网络工程参数数据； 

b、优化目标及优化条件设置 

设置小区级别的优化条件限制：包括本次优化是否优化某个小区的某个或者某些天馈参数，例如美化天线方位角和下倾角不可调等；另外，还可以设置某个小区某个参数的可调范围和步长； 

设置优化条件还包括设置优化区域和缓冲区域：优化区域中的小区天馈参数在优化过程中可以基于限定条件进行调整，缓冲区域中的小区天馈参数在优化过程中不做调整，但是在评估天馈参数优化方案时要考虑其与优化区小区或之间的影响； 

c、话务均衡度仿真及方案评估 

计算机根据无线网络基础数据提供的基站经纬度、天线高度和天馈参数(方位角、下倾角和公共信道发射功率)信息、电子地图、传播模型、话务分布数据仿真无线网络在评估区域内的覆盖与话务均衡情况，自动发现有覆盖问题与话务不均衡(话务不均衡容易导致拥塞和掉话)的区域；通过对CDMA系统进行系统仿真，得到每个小区的下行负载因子，负载因子体现了每个小区的负载情况，负载因子越大，小区越忙，所有小区的话务均衡度通过负载因子的均衡度来衡量。 

所述的话务均衡度的评价方法为： 

a、根据话务图，对CDMA系统进行系统仿真，得到每个小区的下行负载因子Load_i。 

b、求所有小区下行负载因子Load_i的方差f＝STD(Load_i)。 

f作为话务均衡度的评估值，话务均衡的目标是使得f达到最小。 

c、步骤(1)属于系统仿真的过程，输入为工程参数、GIS地图数据、话务分布数据(每个用户的经纬度及话务类型)、天馈参数(下倾角、方位角、发射功率及天线类型)，输出为每个小区的下行负载因子。 

d、最佳天馈参数优化方案搜索 

从众多的天馈参数优化方案中找到最佳方案，而且要保证得到的方案是最佳方案。本方法对天馈参数优化问题进行了建模，使之成为标准的组合优化问题，建模后的标准组合优化问题适用于所有相应的组合优化问题求解方法。 

针对下倾角、方位角、发射功率和天线类型，根据参数调整范围及调整步长确定搜索空间。机械下倾角范围为[min_mechtilt，max_mechtilt]，步长为Step_mechtilt，每个可能的机械下倾角的取值组成的搜索空间为ψ_m，方位角[min_zaimuth，max_zaimuth]，步长为Step_zaimuth，每个可能的方位角的取值组成的搜索空间为ψ_z，公共信道发射功率[min_pccpchpower，max_pccpchpower]，步长为Step_pccpchpower，每个可能的发射功率的取值组成的搜索空间为ψ_p，每个可能 取到的天线组成的搜索空间为ψ_a，则由ψ_m、ψ_z、ψ_p和ψ_a组成的天馈参数搜索空间定为ψ，则话务均衡的数学模型为： 

minf＝F(X)，X∈Ψ， 

这是一个组合优化问题，F(X)为步骤1和步骤2的处理过程；f为步骤2的输出结果，即下行负载因子的方差。 

所述的搜索过程为以下步骤： 

步骤1：生成初始方案，初始方案可以现网方案，也可以随机生成，将初始方案作为当前方案 

步骤2：对初始方案进行评估 

步骤3：判断是否满足终止条件，如果满足，则将当前方案为输出方案，退出，否则转步骤4 

步骤4：通过当前方案搜索到新的方案作为当前方案，转步骤2。 

所述的最佳天馈参数优化方案搜索算法采用遗传算法， 

天线下倾角的调整范围为[min_mechtile，max_mechtile]，调整步长为Step_mechtile； 

天线方位角的调整范围为[min_zaimuth，max_zaimuth]，调整步长为Step_zaimuth； 

公共信道发射功率的调整范围为[min_pccpchpower，max_pccpchpower]，调整步长为Step_pccpchpower； 

通过每个天馈参数的调整范围和调整步长可以计算出二进制编码的编码长度，编码长度的计算公式如公式所示： 

计算得到天线下倾角编码长度N_mechtile、天线方位角编码长度N_zaimuth、公共信道发射功率编码长度N_pccpchpower，第h个小区的天馈参数编码为： 

$>[a_{h,0},...,a_{h,k_1},a_{h,k_1+1},...,a_{h,k_2},a_{h,k_2+1},...a_{h,W-1}]$>

其中，a_h，j∈{0，1}；W＝N_mechtile+N_zaimuth+N_pccpchpower； 

其中 为天线下倾角的编码， 为天线方位角的编码， 为公共信道发射功率的编码；H个小区的染色体的编码可用下列矩阵表示： 

$>\left(\begin{array}{cccc}{a}_{\mathrm{0,0}}& a_{\mathrm{0,1}}& ...& a_{0,W-1}\\ a_{\mathrm{1,0}}& a_{\mathrm{1,1}}& ...& a_{1,W-1}\\ ...& ...& ...& ...\\ a_{H-\mathrm{1,0}}& a_{H-\mathrm{1,1}}& ...& a_{H-1,W-1}\end{array}\right)$>

其中，a_h，j∈{0，1}。 

本发明与现有技术相比，其优点在于：考虑道路上的网络覆盖与干扰的同时还考虑非道路上其它区域的覆盖与干扰性能的提升；不仅可以用于CDMA网络现网优化，而且可以用于网络建设前的预优化以及网络扩容前的预优化；使用计算机算法替代了人工天馈参数优化方案选择过程，因此效率高，运算成本低；可以综合平衡多个参数调整效果以及网络不同方面的性能，而且可以在一个方案中同时优化多个小区的多个天馈参数，因此能够确保网络性能近最优状态。 

[附图说明]

图1为本发明功能子系统结构图； 

图2为本发明自动天馈优化技术原理图； 

图3为本发明天馈参数自动优化流程图； 

图4为本发明仿真过程流程图； 

图5为本发明方案搜索流程图。 

[具体实施方式]

结合附图，对本发明做进一步说明。 

参照图1，由无线网络基础数据管理子系统、话务统计OMC数据处理子系统、无线网络覆盖与话务均衡度仿真子系统、天馈参数自动优化子系统、无线网络性能评估子系统构成一种基于天线参数调整的天线网络话务均衡优化系统。 

无线网络基础数据管理子系统：保存与管理无线网络基础数据包括电子地图和整个网络的工程参数，其中工程参数又包括小区标识、经纬度、频点、天线下倾角，方位角和公共信道发射功率等信息。 

OMC数据处理子系统：接受网管系统提供的数据，转换为本系统可以接受的标准格式数据，包括小区频点信息、小区话务量。 

无线网络覆盖与话务均衡度仿真子系统：根据无线网络基础数据及话务分布数据，该子系统模拟仿真实际无线网络环境，自动发现覆盖与话务分布不均的问题区域。 

天馈参数自动优化子系统：天馈参数自动优化子系统基于发现的无线网络覆盖与话务分布不均匀的问题，尝试调整天馈参数解决这些问题，从众多的调整方案中找到最佳解决问题的方案。优化系统采用求解组合优化问题的算法来实现。子系统要保证满足话务覆盖的同时，实现话务的最佳均衡。 

网络性能评估子系统：针对天馈参数自动优化系统搜索过程中的优化方案进行评估，通过此评估系统，指导算法搜索好的方案。 

参照图2、3、4，天馈参数自动优化中天馈参数搜索机制包括以下步骤： 

步骤1、基础数据输入 

地图数据、天线数据、传播模型、话务分布数据和网络工程参数数据。 

步骤2、优化目标及优化条件设置 

设置小区级别的优化条件限制：包括本次优化是否优化某个小区的某个或者某些天馈参数，例如美化天线方位角和下倾角不可调等。另外，还可以设置某个小区某个参数的可调范围和步长。 

设置优化条件还包括设置优化区域和缓冲区域：优化区域中的小区天馈参数在优化过程中可以基于限定条件进行调整，缓冲区域中的小区天馈参数在优化过程中不做调整，但是在评估天馈参数优化方案时要考虑其与优化区小区或之间的影响。 

步骤3、话务均衡度仿真及方案评估 

计算机根据无线网络基础数据提供的基站经纬度、天线高度和天馈参数(方位角、下倾角和P-CCPCH发射功率)信息、电子地图、传播模型、话务分布数据仿真无线网络在评估区域内的覆盖与话务均衡情况，自动发现有覆盖问题与话务不均衡(话务不均衡容易导致拥塞和掉话)的区域。通过对CDMA系统进行系统仿真，得到每个小区的下行负载因子，负载因子体现了每个小区的负载情况，负载因子越大，小区越忙，所有小区的话务均衡度通过负载因子的均衡度来衡量。 

话务均衡度的评价方法为： 

步骤1、根据话务图，对CDMA系统进行系统仿真，得到每个小区的下行负载因子Load_i。 

步骤2、求所有小区下行负载因子Load_i的方差f＝STD(Load_i)。 

f作为话务均衡度的评估值，话务均衡的目标是使得f达到最小。 

步骤1属于系统仿真的过程，输入为工程参数、GIS地图数据、话务分布数据(每个用户的经纬度及话务类型)、天馈参数(下倾角、方位角、发射功率及天线类型)，输出为每个小区的下行负载因子，关系图如图4所示。 

步骤4、最佳天馈参数优化方案搜索 

从众多的天馈参数优化方案中找到最佳方案，而且要保证得到的方案是最佳方案。本方法对天馈参数优化问题进行了建模，使之成为标准的组合优化问题，建模后的标准组合优化问题适用于所有相应的组合优化问题求解方法。 

针对下倾角、方位角、发射功率和天线类型，根据参数调整范围及调整步长确定搜索空间。机械下倾角范围为[min_mechtilt，max_mechtilt]，步长为Step_mechtilt，每个可能的机械下倾角的取值组成的搜索空间为Ψ_m，方位角[min_zaimuth，max_zaimuth]，步长为Step_zaimuth，每个可能的方位角的取值组成的搜索空间为Ψ_z，公共信道发射功率[min_pccpchpower，max_pccpchpower]，步长为Step_pccpchpower，每个可能的发射功率的取值组成的搜索空间为Ψ_p，每个可能取到的天线组成的搜索空间为Ψ_a，则由Ψ_m、Ψ_z、Ψ_p和Ψ_a组成的天馈参数搜索空间定为Ψ。则话务均衡的数学模型为： 

minf＝F(X)，X∈Ψ 

这是一个组合优化问题，F(X)为步骤1和步骤2的处理过程。f为步骤2的输出结果，即下行负载因子的方差。 

参照图5，本模型适用于所有求解组合优化问题的方法，方案的搜索过程为以下步骤： 

步骤1：生成初始方案，初始方案可以现网方案，也可以随机生成，将初始方案作为当前方案 

步骤2：对初始方案进行评估 

步骤3：判断是否满足终止条件，如果满足，则将当前方案为输出方案，退出，否则转步骤4 

步骤4：通过当前方案搜索到新的方案作为当前方案，转步骤2。 

本方法中的最佳天馈参数优化方案搜索算法采用的是遗传算法，而且根据天馈参数优化的特点对遗传算法的变异环节进行了改进。改进后的变异策略尽量避免随机变异的盲目性，加快收敛速度。 

在遗传算法的编码阶段，天线下倾角、天线方位角和公共信道发射功率的编码方案是一种二维的二进制编码，将编码得到0、1矩阵的形式。假设有H个小区，每个小区需要调整的天馈参数为天线下倾角、天线方位角和公共信道发射功率，天馈参数的调整范围和调整步长分别如下： 

天线下倾角的调整范围为[min_mechtile，max_mechtile，调整步长为Step_mechtile； 

天线方位角的调整范围为[min_zaimuth，max_zaimuth]，调整步长为Step_zaimuth； 

公共信道发射功率的调整范围为[min_pccpchpower，max_pccpchpower]，调整步长为Step_pccpchpower。 

于是通过每个天馈参数的调整范围和调整步长可以计算出二进制编码的编码长度，编码长度的计算公式如公式[1]所示： 

其中，max表示调整范围的上界，min表示调整范围的下界。 

计算得到天线下倾角、天线方位角和公共信道发射功率的编码长度分别为N_mechtile、N_zaimuth、N_pccpchpower，那么第h个小区的天馈参数编码为： 

其中，a_h，j∈{0，1}； 

W＝N_mechtile+N_zaimuth+N_pccpchpower。其中 为天线下倾角的编码， 为天线方位角的编码， 为公共信道发射功率的编码。则H个小区的染色体的编码可用下列矩阵表示： 

$>\left(\begin{array}{cccc}{a}_{\mathrm{0,0}}& a_{\mathrm{0,1}}& ...& a_{0,W-1}\\ a_{\mathrm{1,0}}& a_{\mathrm{1,1}}& ...& a_{1,W-1}\\ ...& ...& ...& ...\\ a_{H-\mathrm{1,0}}& a_{H-\mathrm{1,1}}& ...& a_{H-1,W-1}\end{array}\right)---\left[2\right]$>

其中，a_h，j∈{0，1} 

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群(population)开始的，而一个种群则由经过基因(gene)编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现(即基因型)是某种基因组合，它决定了个体的形状的外部表现。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代(generation)演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度(fitness)大小选择(selection)个体，并借助于自然遗传学的遗传算子(genetic operators)进行组合交叉(crossover)和变异(mutation)，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码(decoding)，可以作为问题近似最优解。