CN102026239A - 一种基于测量报告的频率优化方法 - Google Patents

Abstract

本发明公开了一种基于测量报告的频率优化方法，该方法通过从IUB接口信令中提取测量报告信息和建立话务模型来建立小区间干扰矩阵，并通过基因算法来获得小区的推荐主频点分配方案和推荐辅频点分配方案，最终获得小区的推荐频点分配方案。通过本发明所述的方法，能够充分反映用户的感知，对现网频率分配给出合理的建议，提高了频率优化的实时性与合理性。

Description

一种基于测量报告的频率优化方法

技术领域

本发明涉及无线通信技术领域，具体涉及一种基于测量报告的频率优化方法。

背景技术

随着中国移动对TD-SCDMA(Time Division-Synchronous Code Division Multiple Access，时分同步码分多址)网络建设的全面展开，能否提供高质量的服务将是TD-SCDMA网络在未来竞争中能否成功的关键因素。

TD-SCDMA(以下简称TD)网络的频点非常少，在频率资源有限的情况下，同频组网难以避免，同频干扰是引起网络异常事件的主要原因。目前，现有的TD频点规划一般是依赖小区拓扑结构和邻区关系，规划软件输出的结果参考性不强，没有一个完备的频率优化算法和商用的频率优化工具，导致人工优化难度大。

在现有的频率优化技术中，一种基于扫频数据的TD频率优化工具，这种工具首先需要对网络进行大量的扫频测试，然后通过扫频仪测到的小区间电平值分析出小区间的干扰情况，建立干扰矩阵，从而进行合理的频率优化。但是这种方法的数据准确性有待考究，因为扫频测试仅是多主要路段信号强度的反应，并不能真实的反应手机用户真正拨打电话时的小区信号之间的干扰情况。

此外，在现有的一种基于切换数据的TD频率优化工具，这种工具通过网管统计到的相邻小区切换次数多少来衡量邻近小区对主服务小区的干扰情况，建立干扰矩阵，从而进行合理的频率优化。但是这种方法完全依赖于现网切换关系定义和切换统计，只能在定义切换关系的范围内评估干扰，如果切换定义出错或者切换数据量很少会影响频率优化的结果，使频率分配不合理。

发明内容

针对现有技术中存在的缺陷，本发明要解决的技术问题是提供一种频率优化方法，提高频率优化的实时性和准确性。

为解决上述技术问题，本发明采用的技术方案如下：

一种实时数据的处理方法，包括以下步骤：

(1)从IUB接口信令中提取测量报告信息，根据小区基本信息静态表，获得主服务小区和干扰小区的信号强度和采样点；所述干扰小区包括在邻区列表中定义的和未在邻区列表中定义的小区，所述采样点是指信令中的测量报告点；

(2)计算主服务小区与每一个干扰小区之间的电平差值C/I，确定主服务小区与干扰小区间的最终的电平差值；

(3)将所述C/I值降序排列，利用1/n权重法得到小区间电平差权重值；将所述采样点的采样点值升序排列，利用1/n权重法得到小区间采样点权重值；所述n是指干扰小区的个数；

(4)建立话务模型，计算小区权重因子和同频干扰权重因子；

(5)利用所述小区间电平差权重值、小区间采样点权重值、小区权重因子和同频干扰权重因子建立小区间干扰矩阵；

(6)利用基因算法进行主频点的分配，输出推荐主频点分配方案，并根据所述推荐主频点分配方案进行辅频点的优化，输出推荐辅频点分配方案；

(7)根据所述推荐主频点分配方案与所述推荐辅频点分配方案，获得推荐频点分配方案。

进一步，步骤(2)中，所述确定主服务小区与干扰小区间的最终的电平差值，其具体方式为：

根据C/I算法获取的主服务小区与每一个干扰小区间的电平差值，按照升序排列，统计各个电平差值出现的次数，根据最劣3％算法，确定小区间最终的电平差值；其中，所述最劣3％算法具体为：

计算小区间电平差值的出现概率与3％的差值，差值中绝对值最小的值所对应的电平差值，确定为主服务小区与干扰小区的最终的电平差值；如果最小的概率与3％差值的绝对值存在多个最小值，则取多个值对应的电平差值中最小的值。

进一步，步骤(3)中，所述利用1/n权重法得到小区间电平差权重值中，各干扰小区与主服务小区的C/I值在所有干扰小区与主服务小区之间的C/I值的排名与n的比值为该干扰小区与主服务小区间的电平差权重值。

进一步，步骤(3)中，所述利用1/n权重法得到小区间采样点权重值中，各干扰小区与主服务小区的采样点个数在所有干扰小区与主服务小区之间的采样点个数中的排名与n的比值为该干扰小区与主服务小区间的采样点权重值。

进一步，步骤(4)中，所述话务模型包括密集城区、一般城区和郊区；所述小区权重因子是为提高重点小区的频率优先级，是根据小区话务量和小区所属区域确定的；所述同频干扰权重因子是根据同频的小区间干扰值的高低确定的。

进一步，步骤(5)中，所述干扰矩阵是任意两个小区对间建立的一个干扰系数，该系数是小区间电平权重值，小区间采样点权重值，小区权重因子和同频干扰权重相乘得到的。

进一步，步骤(6)中，所述利用基因算法进行主频点的分配，输出推荐主频方案的具体步骤为：

1)利用基因算法分配小区主频点；

2)检查所述主频点是否满足主频点分配规则，若是，则计算小区主频点优化代价函数；若否，则返回步骤1)；

3)查看所述代价函数是否收敛，若是，则输出推荐主频点分配方案；若否，则返回步骤1)。

再进一步，步骤(6)中，根据所述推荐主频点分配方案进行辅频点的优化的具体步骤为：

1)根据所述推荐主频点分配方案，利用基因算法分配小区的辅频点；

2)检查所述辅频点是否满足辅频点分配规则，若是，则计算小区辅频点优化代价函数；若否，则返回步骤1)；

3)查看所述代价函数是否收敛，若是，则输出推荐辅频点方案；若否，则返回步骤1)。

其中，所述频点分配规则会根据不同厂家稍微调整；所述代价函数标识着一种频率分配方案与全网的干扰水平，代价函数值越小，干扰越低，频点分配的越合理。

更进一步，步骤(7)中，所述获得推荐频点分配方法的具体方式为：

输入待优化小区的频点信息，根据所述干扰矩阵计算网络干扰值，在满足既定频点约束条件的前提下，通过遗传算法收敛计算，当C(F)＝0或达到最大迭代次数时，输出结果即为所述的推荐频点分配方法；所述C(F)是指代价函数的值，所述迭代次数是基因算法的一个参数，能够根据需要自由设定。

本发明所述的方法，根据直接从IUB接口信令中提取测量报告信息和建立话务模型来建立小区干扰矩阵，并通过基因算法来获得小区的最终频点优化方案，通过本发明所述的方法，能够充分反映用户的感知，提高了频率优化的实时性与合理性。

附图说明

图1为本发明具体实施方式中一种基于测量报告的频率优化方法的流程图；

图2为本发明具体实施方式中获得推荐频点方案的流程图；

图3为本发明具体实施方式中基因算法的流程图。

具体实施方式

下面结合具体实施方式和附图对本发明进行详细描述。

如图1所示，为本发明具体实施方式中一种基于测量报告的频率优化方法的流程图，该方法包括以下步骤：

步骤S11：获得主服务小区和干扰小区的信号强度和采样点；

从IUB接口信令中提取的测量报告信息，根据小区基本信息静态表，获得主服务小区和干扰小区的信号强度和采样点。

IUB接口是RNC(Radio Network Controller，即无线网络控制器)和NodeBNode B(3G网络的到来移动基站的称呼)之间的接口，完成RNC和Node B之间的用户数据传送、用户数据及信令的处理等，它是一个标准接口，允许不同厂家的互联。

测量报告即MR(Measurement Report)是指物理层上报的测量结果可以用于系统中无线资源控制子层完成，例如小区切换等事件的触发。测量方式分为周期测量和事件测量，这些测量也可用于网络评估和优化。基于传统的网络优化方法，只能通过路测、定点测试来获得用户的感知信息，如网络覆盖情况、通话质量情况等，而路测和定点测试往往只能对一些主干道、重点场所进行测试，所获得的采样点数据相对于测量报告的用户信息要少得多，所以，采用基于报告的信息来实现网络的优化，更全面、更合理。采样点指信令中的MR点。

步骤S12：确定主服务小区和干扰小区的最终的电平差值；

计算主服务小区与每一个干扰小区之间电平差值C/I，确定主服务小区与干扰小区间的最终的电平差值；C/I就是载干比，也称干扰保护比，是指接收到的有用信号电平与所有非有用信号电平的比值，本发明中C/I是指主服务小区与干扰小区的电平差，是个比值，单位是dB。

C/I的值与UE(User Equipment，表示用户设备，即终端)的瞬时位置和时间有关，载干比其实就是反应主服务小区收到干扰小区或周围无线环境的干扰影响。值越小表示收到的干扰越强，通话效果越差，值越大表示受到的干扰越小。

根据C/I算法获取的主服务小区与每一个干扰小区间的电平差值，按照升序排列，统计各个电平差值出现的次数，根据最劣3％算法来确定小区间最终的电平差值。

其中，最劣3％算法具体为：计算小区间电平差值的出现概率与3％的差值，差值中绝对值最小的值所对应的电平差值，确定为主服务小区与干扰小区的最终的电平差值；如果最小的概率与3％差值的绝对值存在多个最小值，则取多个值对应的电平差值中小的值。如表1所示，小区间电平差值为“-6”的值出现次数为1，其出现概率为1/184，即0.00543，该电平差值与3％的差值为-0.02457；同理可得到小区间电平差值为其它值的出现概率与3％的差值；最后，差值中绝对值最小的值所对应的电平差值即可确定为主服务小区与干扰小区的电平差值；表1中电平差值为“-4”值的出现概率与3％的差值的绝对值0.00283为最小，所以“-4”可以确认为小区间的电平差值。

表1

步骤S13：计算小区的电平差权重差值和采样点权重值；

将步骤S12中的C/I值降序排列，利用1/n权重法得到小区间电平差权重值；将采样点的采样点值升序排列，利用1/n权重法得到小区间采样点权重值。

将C/I值做降序排列，是因为C/I值越小表示干扰越严重，所以降序排列，值越小权重越大。将采样点值做升序排列，是因为采样点越多表明干扰小区对主服务小区的影响越多，所以升序排列，采样点越多权重越大。如表2所示，1-12表示小区标识，1为主服务小区标识，2-12为干扰小区标识，干扰小区个数共11个，将C/I值降序排列后，电平差权重一列中分母是干扰小区的个数，分子是该C/I值的排名，排名第一则权重为1/11，排名11则权重为11/11，而C/I值越小区干扰越严重，所以电平差权重值越大表示小区的干扰越严重；采样点权重一列中，同样分母是干扰小区的个数，分子是该采样点数的排名，排名第一则权重为1/11，排名11则权重为11/11，而采样点越多表明干扰小区对主服务小区的影响越多，所以采样点权重值越大表示干扰小区对主服务小区的影响越多。

干扰小区对	主服务小区	干扰小区	C/I	电平差权重	采样点数	采样点权重
							112	1	12	3.5	1/11	8	1/11
111	1	11	2.8	2/11	17	4/11
							110	1	10	0.6	3/11	13	2/11
18	1	8	-1.2	4/11	68	7/11
							17	1	7	-2.9	5/11	55	5/11
19	1	9	-3.5	6/11	104	10/11
							14	1	4	-3.6	7/11	214	11/11
16	1	6	-4.3	8/11	78	9/11
							13	1	3	-4.6	9/11	72	8/11
15	1	5	-5.4	10/11	65	6/11
							12	1	2	-5.6	11/11	15	3/11

表2

步骤S14：计算小区权重因子和同频干扰权重因子；

建立话务模型，计算小区权重因子和同频干扰权重因子；其中，所述话务模型包括密集城区、一般城区和郊区；所述小区权重因子是为了提高重点小区的频率优化优先级，每一个小区设置一个小区权重因子，小区权重因子是根据小区话务量和小区所属区域确定的；所述同频干扰权重因子是因为同频的小区间会有不同的干扰，根据干扰值的高低确定同频干扰权重因子；话务模型会直接影响小区权重因子，间接制约同频干扰权重因子。

假设建立话务模型包括密集城区、一般城区和郊区；则位于密集城区的小区频率分配优先级高于一般城区的，一般城区的小区频率分配优先级高于郊区的；而小区权重因子是为了提高重点小区的频率优化优先级，所以密集城区的小区权重因子高于一般城区，一般城区的小区权重因子高于郊区的。

同频干扰权重因子是根据干扰值的高低确定的，而小区间的电平差值越小干扰越严重，所以小区间的电平差值越小，同频干扰权重因子就越大。例如当小区间电平差＞6dB，同频干扰权重因子为0；

当3＜电平差＜＝6dB；同频干扰权重因子为0.1；

当0＜电平差＜＝3dB，同频干扰权重因子为0.2；

当-3＜电平差＜＝0dB，同频干扰权重因子为0.4；

当-6＜电平差＜＝-3dB，同频干扰权重因子为0.8；

当电平差＜＝-6dB，同频干扰权重因子为1。

步骤S15：建立小区间干扰矩阵；

利用所述小区间电平差权重值、小区间采样点权重值、小区权重因子和同频干扰权重因子建立小区间干扰矩阵；其中，干扰矩阵是指任意两个小区对间建立的一个干扰系数，这个系数是综合考虑小区间电平差权重，小区间采样点权重，小区权重因子和同频干扰权重因子而得到的。实际上就是这几个权重值相乘得到的。

步骤S16：利用基因算法获得推荐主频点分配方案和推荐辅频点分配方案；

利用基因算法进行主频点的分配，输出推荐主频点分配方案，并根据所述推荐主频点分配方案进行辅频点的优化，输出推荐辅频点分配方案。

如图2所示，为获得推荐频点方案的流程图，如图所示，输出推荐主频点分配方案的具体步骤为：

利用基因算法分配小区主频点；

检查所述主频点是否满足主频点分配规则，若是，则计算小区主频点优化代价函数；若否，则返回，再次利用基因算法分配小区主频点；

查看所述代价函数是否收敛，若是，则输出推荐主频点分配方案；若否，则返回，再次利用基因算法分配小区主频点。

根据所述推荐主频点分配方案进行辅频点的优化，输出推荐辅频点分配方案的具体步骤为：

根据所述推荐主频点分配方案，利用基因算法分配小区的辅频点；

检查所述辅频点是否满足辅频点分配则，若是，则计算小区辅频点优化代价函数；若否，则返回，再次利用基因算法分配小区辅频点；

查看所述代价函数是否收敛，若是，则输出推荐辅频点分配方案；若否，则返回，再次利用基因算法分配小区辅频点。

在推荐主频点分配方案以及推荐辅频点分配方案的输出过程中，频点分配规则会根据不同厂家有稍微调整：

对于主频点分配规则：假设在N频点系统中，业务载波是同频组网，主频点是异频组网；在TD-SCDMA网络中，由于频点数量有限，所以这里只考虑同频干扰，不考虑邻频干扰；主频点从给定的频点中任意选用；那么，同一基站的相邻扇区采用的主频点不应该相同；其中，同一基站相邻扇区是指同一基站中与本小区方向最接近的两个小区。

对于辅频点分配规则：假设在N频点系统中，业务载波是同频组网，主频点是异频组网；同样，这里只考虑同频干扰，不考虑邻频干扰；初始条件中可以设置固定载波，如HSDPA(High Speed Downlink Packet Access，高速下行分组接入)频点；除了初始设置频点之外，其余频点均应该分配；辅频点从给定的频点(初始设置的固定频点除外)中任意选用；辅频点选择不考虑小区权重；那么，由于频点数量有限，同频组网无可避免，辅频点选择只考虑与干扰小区主频点之间的同频干扰，不考虑辅频点之间的同频干扰；辅频点不能与本小区的主频点同频。

基因算法是类似遗传算法的最优算法，遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。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大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，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，可以作为问题近似最优解。

图3示出了所述基因算法的流程图，如图3所示，其中，C(F)是指代价函数的值，迭代次数是基因算法的一个参数，可以自由设定，理论上讲，迭代次数越多，代价函数会越小，但耗时也会越多。基因算法的生物学基础是生物的遗传和进化，在进化过程中通过染色体的变异与交叉产生新的染色体，再通过选择、评估来得到适应能力强的个体。

在频率优化中使用该算法，首先对频率优化问题进行数学建模，找出适当的适应度函数，即本发明中的优化代价函数，使用该函数来衡量频点方案的分配与网络的干扰水平，代价函数越小，说明干扰越低，频点分配的越合理。所以当C(F)＝0或达到最大迭代次数时，即可输出最优解，获得推荐主频点和辅频点的分配方案。

步骤S 17：获得推荐频点分配方案。

根据推荐主频点分配方案与推荐辅频点分配方案，获得推荐频点分配方案。具体方法为：输入待优化小区的频点信息，根据所述干扰矩阵计算网络干扰值，在满足既定频点约束条件的前提下，通过遗传算法收敛计算，当C(F)＝0或达到最大迭代次数时，此时输出结果即为所述的推荐频点分配方法。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种基于测量报告的频率优化方法，包括以下步骤：

(1)从IUB接口信令中提取测量报告信息，根据小区基本信息静态表，获得主服务小区和干扰小区的信号强度和采样点；所述干扰小区包括在邻区列表中定义的和未在邻区列表中定义的小区；所述采样点是指信令中的测量报告点；

(2)计算主服务小区与每一个干扰小区之间的电平差值C/I，确定主服务小区与干扰小区间的最终的电平差值；

(3)将所述C/I值降序排列，利用1/n权重法得到小区间电平差权重值；将所述采样点的采样点值升序排列，利用1/n权重法得到小区间采样点权重值；所述n是指干扰小区的个数；

(4)建立话务模型，计算小区权重因子和同频干扰权重因子；

(5)利用所述小区间电平差权重值、小区间采样点权重值、小区权重因子和同频干扰权重因子建立小区间干扰矩阵；

(6)利用基因算法进行主频点的分配，输出推荐主频点分配方案，并根据所述推荐主频点分配方案进行辅频点的优化，输出推荐辅频点分配方案；

(7)根据所述推荐主频点分配方案与所述推荐辅频点分配方案，获得推荐频点分配方案。

2.如权利要求1所述的频率优化方法，其特征在于：步骤(2)中，所述确定主服务小区与干扰小区间的最终的电平差值，其具体方式为：

根据C/I算法获取的主服务小区与每一个干扰小区间的电平差值，按照升序排列，统计各个电平差值出现的次数，根据最劣3％算法，确定小区间最终的电平差值；

其中，所述最劣3％算法具体为：计算小区间电平差值的出现概率与3％的差值，差值中绝对值最小的值所对应的电平差值，确定为主服务小区与干扰小区的最终的电平差值；如果最小的概率与3％差值的绝对值存在多个最小值，则取多个值对应的电平差值中最小的值。

3.如权利要求1所述的频率优化方法，其特征在于：步骤(3)中，所述利用1/n权重法得到小区间电平差权重值中，各干扰小区与主服务小区的C/I值在所有干扰小区与主服务小区之间的C/I值的排名与n的比值为该干扰小区与主服务小区间的电平差权重值。

4.如权利要求1所述的频率优化方法，其特征在于：步骤(3)中，所述利用1/n权重法得到小区间采样点权重值中，各干扰小区与主服务小区的采样点个数在所有干扰小区与主服务小区之间的采样点个数中的排名与n的比值为该干扰小区与主服务小区间的采样点权重值。

5.如权利要求1所述的频率优化方法，其特征在于：步骤(4)中，所述话务模型包括密集城区、一般城区和郊区；所述小区权重因子是为提高重点小区的频率优化优先级，是根据小区话务量和小区所属区域确定的；所述同频干扰权重因子是根据同频的小区间干扰值的高低确定的。

6.如权利要求1所述的频率优化方法，其特征在于：步骤(5)中，所述干扰矩阵是任意两个小区对间建立的一个干扰系数，该系数是小区间电平差权重值、小区间采样点权重值、小区权重因子和同频干扰权重因子相乘得到的。

7.如权利要求1所述的频率优化方法，其特征在于：步骤(6)中，所述利用基因算法进行主频点的分配，输出推荐主频点分配方案的具体步骤为：

1)利用基因算法分配小区主频点；

2)检查所述主频点是否满足主频点分配规则，若是，则计算小区主频点优化代价函数；若否，则返回步骤1)；

3)查看所述代价函数是否收敛，若是，则输出推荐主频点分配方案；若否，则返回步骤1)。

8.如权利要求1所述的频率优化方法，其特征在于：步骤(6)中，根据所述推荐主频点分配方案进行辅频点的优化，输出推荐辅频点优化方案的具体步骤为：

1)根据所述推荐主频点分配方案，利用基因算法分配小区的辅频点；

2)检查所述辅频点是否满足辅频点分配规则，若是，则计算小区辅频点优化代价函数；若否，则返回步骤1)；

3)查看所述代价函数是否收敛，若是，则输出推荐辅频点方案；若否，则返回步骤1)。

9.如权利要求1所述的频率优化方法，其特征在于：步骤(7)中，所述获得推荐频点分配方案的具体方式为：

输入待优化小区的频点信息，根据所述干扰矩阵计算网络干扰值，在满足既定频点约束条件的前提下，通过基因算法收敛计算，当C(F)＝0或达到最大迭代次数时，输出结果即为所述的推荐频点分配方案；所述C(F)是指优化代价函数的值，所述迭代次数是基因算法的一个参数，能够根据需要自由设定。

Images