用于蜂窝通信网络中的联合和协调负载均衡以及覆盖和容量优化的方法

摘要

本发明涉及用于优化真实蜂窝无线通信网络的方法，其在联合和协调优化中将移动负载均衡(MLB)与覆盖和容量优化(CCO)相结合。物理基站参数的最佳集合通过实施迭代直接搜索来确定。该迭代直接搜索包括划分策略，所述划分策略用于在每次直接搜索迭代中针对物理基站参数的当前集合联合确定被服务区域的最佳划分以及多个基站中的每一个的相关联的最佳负载；所述划分策略在每次直接搜索迭代中使用与物理基站参数的当前集合相关联的、用于多个用户位置中的每一个的导频或参考信号的接收功率的已更新值。

说明书

技术领域

无线通信网络，更具体地为网络规划，例如覆盖或流量规划工具；网 络部署，例如资源划分或小区结构，特别是流量自适应资源划分、监督、 监控或测试安排，特别是对优化操作条件、网络流量或资源管理的安排， 特别是负载均衡或负载分布、以及切换(handover)或重选安排，特别是出 于特定目的而实施用于优化干扰水平的重选。

背景技术

术语自组织网络(SON)是用于无线蜂窝网络的规划、优化及修复的 下一代技术。虽然该技术正处于主要针对3GPP LTE的讨论中，但支持SON 的理念也将适合于传统的蜂窝网络技术。

SOCRATES(例如，在SOCRATES网页中。在线： http://www.fp7-socrates.org,02/26/2012)是在2008至2010年间由欧盟资助 的项目，以期开发用于LTE移动网络的SON方法和算法。由SOCRATES 项目所给出的概念提供设计SON算法并揭示在不同算法之间的控制参数相 关性(interdependency)和相互作用的整体架构。可以将多个过程聚合为所 谓的用例，所述用例可以是独立的或可以相互作用，因为它们可以对通用 控制参数进行操作。针对网络优化的SON用例的示例为移动负载均衡 (MLB)、覆盖和容量优化(CCO)以及移动鲁棒性优化(MRO)。上述 每一项均有望在蜂窝网络的某部署区域中独立运行并且通过改变在蜂窝网 络的配置管理(CM)中所定义的参数来解决与小区之间的非均衡负载、覆 盖空洞或低信干噪比(SINR)或切换失败相关的问题。这些自主运行的SON 用例实现方案自然会遇到冲突参数改变的问题。因此，SON协调器对于化 解可能的参数冲突来说是必要的。协调被认为是要应对的最关键的挑战， 并且，因此，协调机制需要谨慎开发。在SOCRATES中，对冲突参数的所 谓头部(heading)协调或尾部(tailing)协调(在经独立确定的参数改变之 前或之后)被看好。

本领域的该现状的缺陷包括：

●需要复杂的策略来协调冲突的单一用例实现方案的参数化

●头部或尾部，因此需要对以其他方式独立运行的SON优化用例实现

方案的参数进行附加协调

在H.Kim et al.,“Distributed α-Optimal User Association and Cell Load  Balancing in Wireless Networks”,IEEE/ACM Transactions on Networking 20:1,pp.177-190(2012)中提出了一种基于小区负载统一处理用户关联和切 换优化的理论方法。该项工作的缺陷包括：

●不可能预测网络配置中的突变的影响

●与3GPP标准不兼容

○提供小区的划分，但不提供用于基站的导频或参考信号的接 收功率的基站个体功率偏移以用于增加基站服务区域，其目的在 于用于准入控制、静默模式下的小区重选和活动模式下的切换的 用户关联

○假定UE可以基于对周边基站的负载的知晓来对小区选择做 出决定；然而，在3GPP下UE仅测量功率水平并将其报告给BS， 在该BS处做出所有决定

●不能够估计并预测基站负载和未来的负载改变，因为BS测量它们的 平均利用率，但不计算平均负载

●不明确地在SINR估计中包括BS负载，BS没有察觉相邻小区的负 载

●不保证为用户位置服务

●不包括对小区/基站的负载约束

在Iana Siomina and Di Yuan,“Analysis of Cell Load Coupling for LTE  Network Planning and Optimization”,IEEE Transactions on Wireless  Communications,11:6,June 2012中提出了在本发明领域中的另一个理论框 架。在这项工作中，在小区负载耦合函数中将小区间干扰明确纳入考虑， 克服了上述H.Kim等的工作的某些缺陷。这项工作的缺陷包括：

●小区负载未必是满载的最大值，该框架允许小区具有多于100％的负 载

●不提供最佳小区划分，或者任何对于设定小区个体功率偏移的推荐。

●优化目标限制于将所有小区的总负载(sum load)最小化。

该框架应用在Iana Siomina and Di Yuan:“Load Balancing in  Heterogeneous LTE:Range Optimization via Cell Offset and Load-Coupling  Characterization”,IEEE International Conference on Communications,pp. 1377-1381,Ottawa,Canada,June 10-15th,2012中，用于经由给予低功率节点 (小的小区)的小区个体功率偏移的在异构网络中的负载均衡。该项工作 的缺陷包括：

●使用简氏公平性指数(Jain’s fairness index)作为度量来对负载进行 均衡。

●仅考虑到负载均衡(仅MLB)。不存在与物理基础参数优化的协调 或任何其它结合。

●经由一系列上限和下限来逼近该解决方案。

在EP1559289/US 7768968中描述了用于在蜂窝无线通信网络中优化 基站天线参数的方法和设备。本领域的该现状的缺陷包括：

●仅优化了物理基站参数，没有使用负载均衡参数(仅CCO)

●基站的服务区域总是通过具有该基站导频或参考信号的最高接收功 率的用户位置来确定，不存在用于增加基站的服务区域的、用于该 接收功率的功率偏移，其目的在于用户关联。

●负载均衡的目标仅被视作均衡小区/基站之间的流量需求分布，并非 均衡基站的实际负载

●在这种方法中不能挑选并且不会自动优化负载均衡程度

●在该方法和设备中，仅通过将每个小区/基站的流量需求在上述定义 的基站服务区域内进行累积来将其纳入考虑，并未将流量需求的空 间分布纳入考虑

●不论CCO如何，在已有站点超载的情况下，不自动建议新站点

对于CCO和/或MLB来说本领域的现状的进一步的一般缺陷是其不能 用于小区中断补偿(COC)。

发明内容

因此本发明的目标是提供在联合和协调优化中将移动负载均衡 (MLB)与覆盖和容量优化(CCO)相结合的方法。

该目标利用独立权利要求的特征达成(achieve)。从属权利要求涉及 本发明的进一步的方面。

本发明涉及用于优化包括多个基站并具有包括多个无线电小区的网络 配置的真实蜂窝无线通信网络的方法。多个无线电小区为被服务区域服务。 多个无线电小区中的每一个覆盖小区区域，其进一步细分为用户位置。该 网络由网络参数定义。该方法包括

提供具有原始模型网络配置的所述蜂窝无线通信网络的模型；

为所述用户位置中的每一个提供导频或参考信号的接收功率的值和流 量需求；

通过实施迭代直接搜索以确定物理基站参数的最佳集合来优化所述模 型网络配置。

迭代直接搜索包括：

划分策略，所述划分策略在每次直接搜索迭代中针对物理基站参数的 当前集合联合确定被服务区域的最佳划分以及多个基站中的每一个的相关 联的最佳负载；所述划分策略在每次直接搜索迭代中使用与物理基站参数 的当前集合相关联的、用于多个用户位置中的每一个的导频或参考信号的 接收功率的已更新值。

该方法进一步包括使用所述经优化的模型网络配置来配置所述真实蜂 窝无线通信网络。

该划分策略可以包括在每次直接搜索迭代中使用被服务区域的最佳划 分、和用于多个基站中的每一个的相关联的最佳负载、和用于多个用户位 置中的每一个的导频或参考信号的接收功率的已更新值来计算信干噪比覆 盖。

该划分策略可以进一步包括在每次直接搜索迭代中使用被服务区域的 最佳划分、和用于多个基站中的每一个的相关联的最佳负载、和用于多个 用户位置中的每一个的导频或参考信号的接收功率的已更新值来计算参考 信号接收功率覆盖。

由此，根据本发明的该方法将两个SON用例，即移动负载均衡(MLB) 以及覆盖和容量优化(CCO)结合成具有联合优化目标的一个算法，以最 小化所有基站(BS)的负载函数，其将该最小化包括为特例。对用例的协 调是该优化方法中所固有的，该优化方法避免了对具有冲突目标的单一用 例的复杂附加(例如头部或尾部)协调的需要。联合优化的结果是小区个 体功率偏移和物理基站参数的经优化设定的元组，所述小区个体功率偏移 增加基站的服务区域，其目的在于针对准入控制、空闲模式下的小区重选、 和活动模式下的切换的用户关联。

BS的负载被定义为在BS服务区域中的所有用户位置上的、流量需求 和经估计数据率的比值的总和。由此，当估计BS的负载时，将流量需求的 空间分布明确纳入考虑。基站的服务区域包括用户位置，在该处基站的导 频或参考信号的接收功率和相应功率偏移之和是最高的。

根据H.Kim et al.,“Distributed α-Optimal User Association and Cell  Load Balancing in Wireless Networks”,IEEE/ACM Transactions on  Networking 20:1,pp.177-190(2012)，负载均衡程度参数α可以被定义，其具 有以下影响：它支持负载均衡目标族，其中α的范围为从0到∞：速率最佳 (α＝0)、吞吐量最佳(α≥1)、延迟最佳(α＝2)、以及将最大BS负 载最小化(α→∞)。该负载均衡程度作为本方法的输入参数或者通过在本 发明方法本身中优化负载均衡程度参数而在本发明方法中被提及。

本发明方法能够通过根据(依赖于用户位置的)流量需求和SINR估 计基站的负载来预测网络中的负载改变的影响。据此，从覆盖和SINR角 度来讲，保证服务到在基站簇的服务区域中的每个用户位置。

本发明方法进一步保证针对每个基站的负载的上确界和下确界，并可 选地用信号发送对附加基站的需求或关闭基站(或将它们置于节能状态) 的机会。因此，本发明方法在对于所有基站来说无法满足基站负载的上确 界的情况下自动用信号发送对附加基站的需求，甚至是在物理基站参数和 功率偏移的优化之后。通过这样做，本发明方法主动地防止了BS的过载和 欠载。

此外，由于联合的CCO和MLB优化将在基站簇中的覆盖、SINR、和 负载均衡联合作为目标，并且可以补偿在经优化的簇中的基站的突然的、 随机的、和不需要的中断，因此其可以在无需对SON用例小区中断补偿 (COC)进行任何改变的情况下使用。

而且，该方法可以用于SON用例节能管理(ESM)，因为其通过检查 所有基站的负载的下确界并且在节能状态补偿中通过保证簇的服务区域的 覆盖、SINR、和均衡目标来重新配置其它基站，来输出用于至基站的节能 状态(如在3GPP TS 32.551V11.2.0(2012-03)，第三代合作伙伴计划；技术 规范组服务和系统方面；电信管理；节能管理(ESM)；概念和要求(第 11次发布)中所定义)的期望状态改变的候选者。

附图说明

下文通过例示性实施例的方式并参考附图对根据本发明的方法进行更 详细的描述，在附图中：

图1示出了蜂窝移动通信网络的基站簇；

图2示出了被称为内循环的、用于划分策略的算法。

图3示出了被称为外循环的、用于迭代直接搜索的算法。

图4示出了用于在对物理基站参数进行优化的同时迭代直接搜索固定 负载均衡参数的算法。

图5示出了用于在对负载均衡参数进行优化的同时迭代直接搜索固定 物理基站参数的算法。

图6示出了用于通过对物理基站参数以及负载均衡参数进行优化的迭 代直接搜索的算法；以及

图7示出了三个相邻基站的小区边界。

具体实施方式

根据本发明的方法可以应用于如图1中示出的蜂窝移动无线电接入网 络中的BS簇。该BS簇包括部署在场景地区(scenario region)中的、 具有索引i＝1，...，N的N个BS。地区为位置u的集合，并可以由大小为例如 50米x 50米的离散元素u的矩形矩阵表示，参见例如EP1559289/US 7768968。

被服务区域为位置的集合，在该处用户能够连接到至少一个BS， 即，在该处来自至少一个BS的BS导频或参考信号的接收功率超过BS的 导频或参考信号的接收功率的给定阈值：

相比在H.Kim et al.,“Distributed α-Optimal User Association and Cell  Load Balancing in Wireless Networks”,IEEE/ACM Transactions on  Networking 20:1,pp.177-190(2012)中的地区定义，从接收到最小BS导频 或参考信号功率的意义上来说，保证所有位置得到服务。

小区区域被定义为由BS i所服务的的子集。由此，被划分为单独 的小区区域在上的空间划分于是由来表示。

进一步地，可以定义BS导频-或参考信号的信干噪比(SINR)。如果 在位置u处的用户挑选BS i作为其服务BS，则在之内的、在该处BS的 SINR超过最小值γ_min的地区由表示：

每个用户位置u的流量需求(例如以为单位)由具有可能标准化 的σ(u)来表示。该每个用户位置的流量需求可以通过每个用户 位置的线性因子被加权，以模拟流量需求改变和对本发明方法的结果的影 响，所述每个用户位置的线性因子为至方法的输入。

覆盖被择一地定义为：

●被服务区域和场景地区的区域的比值

●或者定义为服务流量需求和场景地区的流量需求的比值

SINR覆盖被择一地定义为：

●被服务区域(具有SINR覆盖)和场景地区的区域的比值

●或者定义为也具有SINR覆盖的服务流量需求和场景地区的流量需

求的比值

BSi的负载η_i≥0被定义为流量需求和经估计数据率的比值在BS服 务区域上的面积分：

其中c_i(u)表示在用户位置u处的数据率c_i(u)的估计，例如香农数据率，其具 有用于定制(tailor)比特率c_i(u)以适应具体的系统配置和传输带宽B的参数 a和b

c_i(u)：＝a·B·log₂(1+b·γ_i(u))

以及进一步地具有传输带宽中的热噪声θ的在用户位置u处的BS i的SINR γ_i(u)的估计:

${\gamma }_i\left(u\right):=\frac{p_i(u,e_i)}{{\Sigma }_{j\ne i}{\eta }_j·p_j(u,e_j)+\theta }$

需要注意，在用户位置u处的数据率c_i(u)的估计至少包括在用户位置u 处的BS i的SINRγ_i(u)。BSi的负载η_i取决于

●在由基站所服务的区域中的用户位置u的数目，

●在用户位置u处的流量需求σ(u)，以及

●SINRγ_i(u)，其进而取决于：

●BS i的物理参数，概括为e，以及

●所有其他基站的负载η_j。

物理基站参数被定义为BS参数，其直接改变BS导频或参考信号接收 功率，并包括基站的天线参数(例如天线类型、天线数目、天线倾角、天 线方位角，比较，例如比较EP1559289/US 7768968)和导频-或参考信号 传输功率。就SON来说，诸如远程电调倾角(remote electrical tilt)或导频 -或参考信号传输功率的易于改变的参数最为常用。为了简化以下描述，在 余下部分仅使用电调倾角作为基站物理参数的示例。本领域技术人员将理 解，以下描述也适用于其它物理BS参数。

因此，SINRγ_i，速率c_i，和负载η_i也是物理参数向量e和负载向量η的 函数，因此它们由γ_i(u，e，η)，c_i(u，e，η)，和η_i(e，η)表示，详细的示例参见图1。

因此，小区i的服务小区区域使用划分规则来定义：

本发明方法的目标是将被服务区域划分为服务小区区域使得

●所有基站(BS)的负载的函数被最小化：

其中参数α指示小区负载在优化中是如何处理的，并且

●覆盖约束被满足：并且

●SINR覆盖约束被满足：并且

●上确界负载约束被满足：并且

●下确界负载约束被满足：

具有优化变量

●BS物理参数，概括为e，以及

●负载均衡程度参数α。

本发明的算法基于对空间流量需求σ(u)和每个的接收功率p_i(u，e_i) 的知晓，所述接收功率与基站以及物理参数e的集合相对应。给出关于 约束的数量，即η_inf、η_sup作为输入变量，以及参数a、b、α和 M，其中后者表示中止准则(abort criterion)。初始负载均衡和物理参数分 别由e和α给出。

对于每个优化步骤，在小区定义的制约下计算小区形状，即对 被服务区域的划分，以及小区负载η_i(α，e)。

由于小区划分是取决于小区负载的可达速率c_i的函数，所以积分的界 限同样取决于小区负载向量η。如图2中所示，对求解该方程组的、针对划 分策略所采用的固定点迭代进行计算。

开始内循环

对于α和e的给定值，使用在H.Kim et al.,“Distributed α-Optimal User  Association and Cell Load Balancing in Wireless Networks”,IEEE/ACM  Transactions on Networking 20:1,pp.177-190(2012)中所描述的固定点算法 来计算小区负载η_i和相应的划分

首先，将所有基站的小区负载值设定为η_i：＝1-∈₁，其中∈₁为任意小的 正的常数。在该初始化步骤之后，在某数目迭代的每次迭代l中实施三个计 算步骤，该迭代数目在达到固定点时被确定：

(1)对于每个点并且就每个基站而言，借助于(a，b)参数化 香农公式来计算速率c_i(u，e，η^(l))，其中考虑到平均干扰功率，即包 括已更新的负载向量的(第7和8行)

(2)对于每个基站借助于以负载均衡参数α作为输入的用户 关联规则来计算小区区域(第11行)

(3)对于每个基站借助于以下负载公式根据具有遗忘因子β 的指数平均来重新计算在下一次迭代中所使用的负载

其考虑到了已更新的小区区域和速率c_i(u，e，η^(l))。(第14行)

如果在第l次迭代后达到固定点，则将小区区域的集合作为最佳划 分返回。如果相比于在先前迭代中所计算的向量η^(l-1)，负载向量η^(l)仅 示出较小的差异，则达到固定点，所述差异由不等式||η^(l)-η^(l-1)||＜∈₂指示， 其中∈₂是任意小的正的常数。

该算法与其在H.Kim et al.,“Distributed α-Optimal User Association  and Cell Load Balancing in Wireless Networks”,IEEE/ACM Transactions on  Networking 20:1,pp.177-190(2012)中所使用的方式不同：

1.在本发明中，BS不测量其负载，相反，负载根据空间负载分布相 应于(resp.)流量分布来计算。对流量分布和接收功率的知晓给出 在潜在的BS关闭(shut-down)、打开(shut-on)、或置于节能状态 之前计算/预测小区负载的益处。实际上，可以由UE报告(或者 如果信道是互易的，则甚至由BS测量)p_i(u)，可以例如通过地理 定位技术和流量统计来获得σ(u)。

2.在本发明中，在每次迭代中根据相应负载向量η^(l)更新可达速率 c_i(u，e，η^(l))(第7行)。此处，k表示迭代指数。相反，在H.Kim et al., “Distributed α-Optimal User Association and Cell Load Balancing in  Wireless Networks”,IEEE/ACM Transactions on Networking 20:1,pp. 177-190(2012)中所描述的算法在每次迭代中使用了相同的固定可 达速率。

结束内循环

随后，使用以上所描述的算法作为内循环，在检查约束的同时在外循 环中搜索物理基站参数的最佳集合。

开始外循环

该算法对物理参数向量e进行直接搜索。所有基站以负载η_i减少的顺序 被访问L次。对于每次访问以及对于当前所访问的基站i的物理参数e_i的不同 值，划分，负载向量η，SINR覆盖使用“内循环”以及RSRP覆盖进行计算。

物理参数(或其子集)e_i根据如下某些策略从集合ε_i＝{e_i-e_Δ^o，...，e_i+e_Δ^o} 中进行挑选：

1.如果可以符合所有约束，则选择ε_i的子集，其包含满足所有约束的、 该基站的所有可能的物理参数值。

2.如果不能符合所有约束，则使用不同(可能为依赖于操作者的)策 略来找到可接受的ε_i的子集。策略可以包括：

a.不检查所有约束

b.考虑约束之间的不同优先级，

3.在ε_i包含多于一个的可能物理参数集合的情况下，则根据某些(可 能为依赖于操作者的)策略挑选一个可能物理参数集合，其可以包 括：

a.对于覆盖准则来说具有最高值的可能物理参数集合

b.对于SINR准则来说具有最高值的可能物理参数集合

c.对于小区负载或所有小区负载的总和来说具有最低值的可能 物理参数集合。

在图3中示出用于外循环的算法，由此，对物理基站参数的最佳集合 的迭代直接搜索。

本领域的技术人员将理解存在其他可以容易地找到的有用策略，不同 的示例参见实施例3。可以通过改变迭代数目L来调整算法性能。

结束外循环

这两种函数(内循环和外循环)可以以不同方式实现，以例如：

●在目标函数中包括作为惩罚项的约束，

●考虑不同的物理参数子集e，

●考虑用于优化方法的附加参数，

●在优化目标之前达成约束，

●保留e和α为不变的(实施例一)，

●保留α为不变的(实施例二)，

●保留e为不变的(实施例三)，

●对e和α两者进行优化(实施例四)，

●应用不同的搜索算法来获得适当的向量e(实施例二和四)，或者

●应用其他策略来获得适当的负载均衡向量α。

本发明的算法的输出为元组，具有长度N的BS物理参数的向量 e和服务小区区域的最佳划分。

在没有找到在对自由度进行优化的同时满足所有约束的划分 的情况下，发出声明无法满足约束的信号，如下：

●在无法满足上确界负载约束的情况下：

●在无法满足下确界负载约束的情况下：

e中所包括的BS物理参数可以直接应用到蜂窝网络配置管理系统。

然而，为了将最佳划分应用于实际网络，在本发明方法的所有变体 中要求将在经优化划分中的基站的服务区域精确转换为 基站的导频或参考信号的接收功率的3GPP兼容功率偏移，以用于增加基 站服务区域，其目的在于在准入控制(用于小区选择)中、用于小区重选 (静默模式小区改变)，和用于切换(活动模式小区改变)的用户关联。

如果在某3GPP兼容实现方案中，基站BS i的该功率偏移特定于相 邻基站BS j，则该功率偏移应当由CIO_i，j表示，其为用于小区对(i，j)的小区 个体偏移(CIO)。本发明方法通过调整CIO的矩阵C＝(CIO_i，j)^N×N来最小 化小区边界(参见图2)之间的总重叠区域。对于个体CIO来说，可能有 在-CIO_max和CIO_max之间的步长为CIO_Δ的值。典型值对于CIO_max可以是3dB， 对于CIO_Δ可以是0.5dB。

该功率偏移按线性尺度基于(over)BS j的导频或参考信号的接收功 率来改变BS i的导频或参考信号的接收功率，如下：

$p_i(u,e_i)·{\mathrm{CIO}}_{i,j}\leftrightarrow p_j(u,e_j)$

该功率偏移具有以下影响：如果

p_i(u，e_i)·CIO_i，j＞p_j(u，e_j)

则用户将向BS i而不是BS j发送(连接)建立请求，即使

p_i(u，e_i)＜p_j(u，e_j)(用户关联规则)。

使用以下项完成转换：

使v*(u)＝argmax_i∈Bc_i(u，e，η)·(1-η_i)^α和成为分别根据小区划分规则和用户关联规则将位置u映射到BS的函数。

其中

$1_i\left(x\right):=\left(\begin{array}{cc}1& \mathrm{ifx}=1\\ 0& \mathrm{else}\end{array}\right)$

矩阵C_opt＝(CIO_i，j)^N×N被计算为：

图2描绘了三个相邻基站i，j，k的小区边界，针对

(1)如果当BS i的接收功率p_i被最大化时，在位置u处的用户与BS i 相关联(没有CIO，虚线)，

(2)如果根据最佳划分，在位置u处的用户与BS i相关联(实线)。

最佳划分到CIO值的矩阵C_opt的转换描述如下：

●表示基站的指数，其根据划分为位置u服务，

●如果应用了CIO矩阵C＝(CIO_i，j)^N×N，则表示基站的指数，其为 位置u服务，

●利用是关于小区i 的失配区域，当将两个变体(基于CIO的划分和最佳划分)相 比较(阴影区域)时，

●经由考虑到所有相关小区将失配区域的总和最小化来完成转换，即 根据下述来计算C_opt

●为了获得C_opt，可以实现穷举搜索。

如果在另一个实现方案中，BS i的功率偏移不特定于相邻基站j，则 该功率偏移应当由CIO_i表示，其为用于BS i的小区个体偏移(CIO)。它 作为BS i的、用于所有相邻BS m=1，...，M的CIO_i，j的按线性尺度的算术平 均值来计算：

${\mathrm{CIO}}_i=\frac{{\Sigma }_1^M{\mathrm{CIO}}_{i,m}}{M}$

例示性实施例的详细描述

实施例一

该实施例描述了本发明方法的变体，其针对固定物理基站参数e和固定 负载均衡参数α计算被服务区域的最佳划分。

最佳划分使用“内循环”算法计算，并随后如上所述被直接转换为 CIO值。然后，CIO值应用于蜂窝网络配置管理。

实施例二

该实施例描述了本发明方法的变体，其在使用直接搜索对天线倾角 e∈{0，...，15}^N进行优化的同时针对固定负载均衡参数α计算被服务区域的最 佳划分，所述天线倾角e∈{0，...，15}^N为基站的物理参数的子集。该实施例示 出了在外循环中所需要的策略的不同示例。该算法在图4中示出。

根据如下规则从集合ε_i＝{e_i-e_Δ^o，...，e_i+e_Δ^o}中挑选倾角e_i：

(1)如果在ε_i中没有元素满足RSRP覆盖约束，则挑选将RSRP覆盖最大化的元素。否则，进入(2)。

(2)如果在ε_i中没有元素满足RSRP和SINR覆盖约束，则挑选满足 RSRP覆盖约束并且将SINR覆盖最大化的元素。否则，进入(3)。

(3)如果在ε_i中没有元素满足RSRP和SINR覆盖和上确界负载约束， 则挑选满足RSRP覆盖和SINR覆盖约束并且将超载小区的总区域 最小化的元素。否则，进入(4)。

(4)从ε_i中挑选满足RSRP和SINR覆盖和上确界负载约束并且将基 站负载的总和Σ_i∈Bη_i最小化的元素。

最佳划分随后被转换为CIO值(参见本发明方法)。CIO值和基 站天线倾角e被应用于蜂窝网络配置管理。

实施例三

该实施例描述了本发明方法的变体，其在对负载均衡参数α≥0进行优 化的同时针对固定物理基站参数e计算被服务区域的最佳划分。

随着负载均衡参数α的变化，网络统计示出了具体行为。利用了以下两 者：

1.对于固定的e，随着α增加，要优化的簇中的最大小区负载 max_i{η_i(e，α)}示出了单调递减行为。对于其来说上确界负载约束被 满足的最小值，即表示为α_min。

2.对于固定的e，随着α的增加，要优化的簇中的SINR覆盖示 出了单调递减行为。对于其来说SINR覆盖约束被满足的最大值， 即表示为α_max。

形式上，用于选择α的规则如下：

根据这个规则，SINR约束具有比超载约束更高的优先级。如果不存在 对于其来说可以达成最小SINR覆盖的α，则将其设定为零。如果α_min存 在但大于α_max，即两个约束均可满足但不同时满足，则将α设定为α_max。在 所有其他情况下，将α设定为α_min。

用于找到α_min和α_max并选择α的可能的步进式过程由如图5所示的算法 所描述：

最佳划分随后被转换为CIO值(参见本发明方法)，并且CIO值 被应用于蜂窝网络配置管理。

实施例四

该实施例描述了本发明方法的变体，其通过对基站物理参数集合进行 优化以及通过对负载均衡参数α≥0进行优化来计算被服务区域的最佳划 分。该算法如图6所示。

在搜索过程的每个步骤中，在第9行计算适当的负载均衡参数α，其为 与在“具体实施方式”一节中所描述的外循环的唯一差异。

最佳划分随后被转换为CIO值。CIO值和物理参数基站e被应用于 蜂窝网络配置管理。

优势

根据本发明的方法

●在联合和协调优化中将移动负载均衡(MLB)与覆盖和容量优化 (CCO)相结合，并且其

●明确地考虑了小区负载对小区间干扰的影响，并且其

●提供了将最佳小区划分转换为用于增加基站服务区域的、用于小区 的参考-或导频信号的接收功率的遵循3GPP标准的基站个体功率 偏移的结构化方式，其目的在于用户关联 意义在于经优化的配置满足某些约束(即确保最小导频或参考信号接收功 率覆盖、最小SINR覆盖、针对所有小区的最大小区负载、针对所有小区 的最小负载)并且将流量需求(例如来自测量)的空间分布明确纳入考虑。

本发明方法能够针对网络配置中的其他流量负载或突变，例如小区中 断，来预测最佳网络配置，因此其从节能管理(ESM)3GPP SON用例的 意义上说，还可以用于SON用例小区中断补偿(COC)或对补偿网络配置 改变的计算。