一种无线网络立体覆盖的优化方法

摘要

本发明提供一种无线网络立体覆盖的优化方法，包括获取待优化立体覆盖区域的所有天线信息，然后立体覆盖区域的建筑物按照楼层进行立体解析，再通过3D射线跟踪模型对每个楼层进行覆盖仿真得到每个楼层的覆盖情况，并通过自动射频参数优化算法对本区域进行射频优化调整，最终输出立体覆盖射频优化调整方案。本发明可主动发现立体覆盖区域内的网络覆盖问题，无需通过用户投诉来被动发现，不会影响用户感知；自动生成优化方案，效率高。

说明书

技术领域

本发明涉及通信技术领域，特别是涉及一种无线网络立体覆盖的优化方法。

背景技术

5G网络是立体覆盖网络，由宏蜂窝、微蜂窝、分布系统和小站优势互补，共同组成了广覆盖与立体覆盖解决方案。因此，5G无线网络结构相比234G更为复杂，其网络结构优化更加困难。特别是对5G立体覆盖区域，即存在楼宇密集的密集市区，同时要兼顾室内与室外覆盖，底层与高层覆盖的情况。

5G立体覆盖优化具体操作起来非常复杂，主要是通过优化基站射频参数来实现的。具体说来，射频参数包括天线挂高、天线方位角、机械下倾角、电子下倾角和RS(Reference Signal,参考信号)发射功率等。射频参数优化是立体网覆盖优化工作中最常使用而且效果最为明显的手段。

目前通过射频优化来解决立体覆盖问题，基本按照如下方法来进行的：

1.通过用户投诉问题发现网络问题；

2.用户投诉点测试收集网络覆盖信息；

3.凭经验射频优化调整；

4.问题点测试，验证优化效果；网络问题如果解决，优化调整结束。否则进入凭经验射频优化调整，继续调整。

按照传统立体覆盖优化的方法，即“被动发现问题-射频参数调整-测试验证效果-再射频调整”，多次循环，直到接近问题，很难彻底解决立体覆盖问题。因为，立体覆盖区域包括大量的室内覆盖或者其它不易进入测试的区域，无法进行测试，而且即使能够去测试，也会导致工作量巨大无法执行。因此，现有通过人工经验结合问题点测试的立体覆盖优化方法，存在诸多不足：

其一，通过用户投诉被动发现网络问题，影响用户感知，不能够在用户感知变差之前主动发现网络问题。

其二，需要反复调整与测试，效率非常低，成本投入巨大。

其三，非常容易造成顾此失彼，解决了问题点的网络覆盖问题，带来了其它地方网络覆盖问题。主要是由于立体覆盖场景存在不同类型的建站物，信号传播路径复杂，凭借人工经验判断射频参数调整对整个区域网络质量的影响非常困难。

发明内容

本发明的目的在于，提出一种无线网络立体覆盖的优化方法，解决现有方法无法主动发现网络覆盖问题且网络覆盖优化效率低、准确度差的技术问题。

本发明的实施例提供一种无线网络立体覆盖的优化方法，包括以下步骤：

步骤S1，获取待优化覆盖区域内的环境数据，将所述环境数据归类为室内覆盖数据或室外覆盖数据，并根据所述室内覆盖数据建立室内覆盖模型，以及根据所述室外覆盖数据建立室外覆盖模型；

步骤S2，根据所述室内覆盖模型和所述室外覆盖模型模拟生成候选无线网络覆盖计划，并计算候选无线网络覆盖计划的网络覆盖RS_RSRP值和RS_SINR值；

步骤S3，从预设数据库中获取覆盖区域内每个射频拉远单元的参数数据；根据所述射频拉远单元的参数数据、所述覆盖区域内网络覆盖RS_RSRP值和RS_SINR值计算所述候选无线网络覆盖计划的覆盖评估值，并根据所述覆盖评估值评估所述候选无线网络覆盖计划的覆盖质量，生成评估结果；其中，所述评估结果包括满足覆盖要求或不满足覆盖要求；

步骤S4，根据所述评估结果确定是否需要对所述候选无线网络覆盖计划进行优化，若需要优化，则根据预设筛选规则从多个候选无线网络覆盖计划中筛选多个射频参数组成最佳无线网络覆盖计划，作为最终射频参数配置方案；若不需要优化，则将该候选无线网络覆盖计划作为最终射频参数配置方案。

优选地，所述室内覆盖数据至少包括覆盖区域内建筑物编号、楼层编码、室内栅格编号、建筑物权值、楼层权值、室内栅格RS_RSRP值及室内栅格RS_SINR值。

优选地，所述室外覆盖数据至少包括室外编号、室外栅格编号、室外栅格RS_RSRP值、室外栅格RS_SINR值及室外权值。

优选地，所述步骤S2包括：根据以下公式计算候选无线网络覆盖计划的网络覆盖RS_RSRP值：

f

其中，l表示楼层权值；m表示建筑物权值；n

优选地，所述步骤S2还包括：根据以下公式计算候选无线网络覆盖计划的网络覆盖RS_SINR值：

f

其中，l表示楼层权值；m表示建筑物权值；n

优选地，所述射频拉远单元的参数数据至少包括：射频拉远单元的类型、对应的射频拉远单元的方位角调整范围、对应的射频拉远单元的下倾角调整范围、不同水平角度下对应的天线增益值、不同垂直角度下对应的天线增益。

优选地，所述步骤S3包括：根据以下公式计算候选无线网络覆盖计划的覆盖评估值：

f

L

其中，f

优选地，所述步骤S3还包括：将覆盖评估值与预设的覆盖评估阈值比较，若覆盖评估值小于预设的覆盖评估阈值，则判定与覆盖评估值对应的候选无线网络覆盖计划不满足覆盖要求，生成评估结果为不满足覆盖要求；若覆盖评估值大于等于预设的覆盖评估阈值，则判定与覆盖评估值对应的候选无线网络覆盖计划满足覆盖要求，生成评估结果为满足覆盖要求。

优选地，所述步骤S4包括：通过遗传算法从射频拉远单元的参数数据中分别搜索待优化覆盖区域的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，分别选取所述遗传算法每一代中最优的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，并根据所述最优的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率组成优选无线网络覆盖计划。

优选地，所述步骤S4还包括：获得优选无线网络覆盖计划后，判断所述优选无线网络覆盖计划是否达到在覆盖范围最大且覆盖干扰最小，若达到覆盖范围最大且覆盖干扰最小，则判定所述优选无线网络覆盖计划为最终射频参数配置方案；若未达到覆盖范围最大且覆盖干扰最小，则通过遗传算法从射频拉远单元的参数数据中重新搜索并选取最优的待优化覆盖区域的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，直到新组成的优选无线网络覆盖计划的达到在覆盖范围最大且覆盖干扰最小，将新组成的优选无线网络覆盖计划作为最佳射频参数配置方案。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的无线网络立体覆盖的优化方法，获取待优化立体覆盖区域的所有天线信息，然后立体覆盖区域的建筑物按照楼层进行立体解析，再通过3D射线跟踪模型对每个楼层进行覆盖仿真得到每个楼层的覆盖情况，并通过自动射频参数优化算法对本区域进行射频优化调整，最终输出立体覆盖射频优化调整方案。可主动发现立体覆盖区域内的网络覆盖问题，无需通过用户投诉来被动发现，不会影响用户感知；自动生成优化方案，效率高；生成立体覆盖优化方案时，全面评估网络覆盖情况，因此不会出现解决一个问题，冒出另外一个问题的情况，保证网络质量全面提升。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明实施例中一种无线网络立体覆盖的优化方法的主流程示意图。

图2为本发明实施例中射频拉远单元在不同水平角度和不同垂直角度下的天线增益示意图。

图3为本发明实施例中优选最佳无线网络覆盖计划的逻辑示意图。

图4为本发明实施例中遗传算法流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

如图1所示，为本发明提供的一种无线网络立体覆盖的优化方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：

步骤S1，获取待优化覆盖区域内的环境数据，将所述环境数据归类为室内覆盖数据或室外覆盖数据，并根据所述室内覆盖数据建立室内覆盖模型，以及根据所述室外覆盖数据建立室外覆盖模型；可以理解的是，评估建筑物内部覆盖需要考虑每个楼层(距离楼面0.5米处，终端所在位置)的覆盖情况，然后再加权计算得到整个建筑物的覆盖情况。室外覆盖区域的覆盖主要考察地面(距离地面1米处，终端所在位置)的信号强度。

具体实施例中，所述室内覆盖数据至少包括覆盖区域内建筑物编号、楼层编码、室内栅格编号、建筑物权值、楼层权值、室内栅格RS_RSRP值及室内栅格RS_SINR值。可以理解的是，对区域内建筑物及楼层进行编码，并对建筑物和楼层设置权值，以区分不同建筑物及楼层在网络优化工作中的重要性；权值取值范围不限，可以使小数，也可以使整数。具体如下表所示：

其中，室内栅格取1米*1米尺度。

具体地，所述室外覆盖数据至少包括室外编号、室外栅格编号、室外栅格RS_RSRP值、室外栅格RS_SINR值及室外权值。室外权值是相对室内权值而言的，可以为小数也可以为整数，如下表所示：

其中，室外编号不能与建筑物编号重复，室内权值与室外权值之和为1。

步骤S2，根据所述室内覆盖模型和所述室外覆盖模型模拟生成候选无线网络覆盖计划，并计算候选无线网络覆盖计划的网络覆盖RS_RSRP值和RS_SINR值；可以理解的是，利用3D射线跟踪模型可以仿真出立体覆盖区域建站物内不同楼层每个栅格的网络覆盖RS-RSRP(RS：Reference Signal，参考信号；RSRP：Reference Signal Receiving Power，参考信号接收功率)值和RS-SINR(RS：Reference Signal，参考信号；SINR：Signal toInterference plus Noise Ratio，信号与干扰加噪声比)值。具体地，射线跟踪的原理就是每一个像素都会向屏幕里发射一条射线，例如一个400*400的屏幕就会发射1600条射线，并且这些射线是同时发出的，每一个像素发射射线的目的是为了让这个像素获取一个颜色，所以当射线发射到屏幕里的世界空间里，去寻找最近碰撞点，如果这个最近碰撞点的材质有反射性质我们在该点的反射方向继续跟踪，如果没有反射性质就返回材质的颜色，如果碰撞点物体有透明属性，则射线进行折射处理。

具体实施例中，根据以下公式计算候选无线网络覆盖计划的网络覆盖RS_RSRP值：

f

其中，l表示楼层权值；m表示建筑物权值；n

具体地，根据以下公式计算候选无线网络覆盖计划的网络覆盖RS_SINR值：

f

其中，l表示楼层权值；m表示建筑物权值；n

步骤S3，从预设数据库中获取覆盖区域内每个射频拉远单元(RRU，Remote RadioUnit)的参数数据；根据所述射频拉远单元的参数数据、所述覆盖区域内网络覆盖RS_RSRP值和RS_SINR值计算所述候选无线网络覆盖计划的覆盖评估值，并根据所述覆盖评估值评估所述候选无线网络覆盖计划的覆盖质量，生成评估结果；其中，所述评估结果包括满足覆盖要求或不满足覆盖要求。

具体实施例中，所述射频拉远单元的参数数据至少包括：射频拉远单元的类型、对应的射频拉远单元的方位角调整范围、对应的射频拉远单元的下倾角调整范围、不同水平角度下对应的天线增益值、不同垂直角度下对应的天线增益。具体如下表：

其中，如图2所示，每种天线(RRU)类型对应的天线模型数据，即不同水平角度和垂直角度下对应的天线增益。

具体地，根据以下公式计算候选无线网络覆盖计划的覆盖评估值：

f

L

其中，f

再具体地，将覆盖评估值与预设的覆盖评估阈值比较，若覆盖评估值小于预设的覆盖评估阈值，则判定与覆盖评估值对应的候选无线网络覆盖计划不满足覆盖要求，生成评估结果为不满足覆盖要求；若覆盖评估值大于等于预设的覆盖评估阈值，则判定与覆盖评估值对应的候选无线网络覆盖计划满足覆盖要求，生成评估结果为满足覆盖要求。

步骤S4，如图3所示，根据所述评估结果确定是否需要对所述候选无线网络覆盖计划进行优化，若需要优化，则根据预设筛选规则从多个候选无线网络覆盖计划中筛选多个射频参数组成最佳无线网络覆盖计划，作为最终射频参数配置方案；若不需要优化，则将该候选无线网络覆盖计划作为最终射频参数配置方案。可以理解的是，根据网络覆盖评估情况从多个射频参数调整方案中搜索到接近最佳的射频参数调整方案来保证立体覆盖效果。

具体实施例中，通过遗传算法从射频拉远单元的参数数据中分别搜索待优化覆盖区域的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，分别选取所述遗传算法每一代中最优的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，并根据所述最优的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率组成优选无线网络覆盖计划。可以理解的是，从多个射频参数优化方案中找到最佳方案，而且要保证网络配置了该方案后覆盖最好且干扰最小，为了提升效率。

具体的遗传算法如图4所示，首先进行编码，将解空间映射到基因编码空间的过程；通过随机或者人工指定的方式生成一组编码解，这些编码解构成原始种群，每个解为一个个体；对种群中的每一个个体所代表的解计算相应的适应度值。评估解的优劣，作为选择和算法是否迭代完毕的依据；选择、交叉和变异，根据适应度值选择好的个体，将这些个体配对，进行交叉操作，产生新的个体，对新个体的基因位进行变异，这样，根据父种群可以生成子种群；选择、交叉和变异是遗传算法最重要的三个算子。选择操作达到了进化的目的，在生成下一代的过程中，选择好的个体，可以保证算法向好的方向收敛。交叉运算可以产生新的个体，通过交叉，子代继承了父代的基因。变异是对扇区染色体上的基因以较小的概率进行改变(如取反操作)，改变了个体的特性。合理的选择、交叉和变异运算符将会使得遗传算法搜索性能更加优秀，更逼近最优解。最后输出满足要求的最优解码。

具体地，获得优选无线网络覆盖计划后，判断所述优选无线网络覆盖计划是否达到在覆盖范围最大且覆盖干扰最小，若达到覆盖范围最大且覆盖干扰最小，则判定所述优选无线网络覆盖计划为最佳射频参数配置方案；若未达到覆盖范围最大且覆盖干扰最小，则通过遗传算法从射频拉远单元的参数数据中重新搜索并选取最优的待优化覆盖区域的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，直到新组成的优选无线网络覆盖计划的达到在覆盖范围最大且覆盖干扰最小，将新组成的优选无线网络覆盖计划作为最佳射频参数配置方案。可以理解的是，对小区的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率进行搜索，选取遗传算法每一代中最优的天线挂高、机械下倾角、电子下倾角、方位角、天线类型和发射功率，搜索的结果使得仿真评估模块的评估结果有所提高。在遗传算法的迭代次数内，如果仿真的评估结果达到预期，则退出算法，否则继续搜索，直到搜索到的方案满足预期设定的覆盖目标。如果满足既定要求，则结束优化流程，否则重新输出新的方案。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的无线网络立体覆盖的优化方法，获取待优化立体覆盖区域的所有天线信息，然后立体覆盖区域的建筑物按照楼层进行立体解析，再通过3D射线跟踪模型对每个楼层进行覆盖仿真得到每个楼层的覆盖情况，并通过自动射频参数优化算法对本区域进行射频优化调整，最终输出立体覆盖射频优化调整方案。可主动发现立体覆盖区域内的网络覆盖问题，无需通过用户投诉来被动发现，不会影响用户感知；自动生成优化方案，效率高；生成立体覆盖优化方案时，全面评估网络覆盖情况，因此不会出现解决一个问题，冒出另外一个问题的情况，保证网络质量全面提升。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。