CN102316469B - 配置天线参数的方法及系统 - Google Patents

Abstract

本发明公开了一种配置天线参数的方法及系统，在网络规划阶段，其中的方法包括：设置所述网络的小区的天线参数初始值、该小区天线参数的目标门限以及优化约束条件；构建仿真平台，利用所述仿真平台对所述天线参数初始值进行仿真，得到仿真结果；当仿真结果满足所述目标门限时，将所述天线参数初始值配置为所述小区的天线参数；当仿真结果不满足所述目标门限时，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；将优化得到的天线参数配置为所述小区的天线参数。与常规使用手工进行规划相比，可以大大节约无线网络规划的工作成本，提高效率。

Description

配置天线参数的方法及系统

技术领域

本发明涉及网络规划及管理技术领域，尤其涉及一种配置天线参数的方法及系统。

背景技术

天线参数(也称射频参数或RF参数)包括下倾角、方位角和导频功率，天线参数对网络性能有着重要的影响，主要体现在以下几个方面：

1、网络覆盖

运营商总是希望在给定的站点规模下，能够提供足够的覆盖面积，对于使用定向天线的基站，天线的方位角决定了其主瓣无线电波的辐射方向，往往总是希望朝向话务比较密集的地方，同时尽可能地减少对相邻小区的干扰；而一个小区的天线下倾角对该小区的覆盖面积有着直接的影响，下倾角越小其产生的覆盖面积越大，但同时会造成对其它相邻小区的干扰变大；在实际网络中，天线下倾角和方位角对网络性能有着重要的影响；同样地，导频功率作为一种调整代价最小(可以在线调整)网络优化手段，对控制覆盖和干扰也有着重要的影响。

2、网络质量

在满足既定的覆盖目标条件下，提高整网的信噪比可以提高网络吞吐量，进而提高用户感受，不当的天线参数配置会大幅降低网络的信噪比。

3、小区切换

当前网络对覆盖的连续性提出了更高的要求，需要满足当用户移动时，不产生掉话；如今的网络普遍采用了蜂窝结构，随着移动用户的增多和大量的高速数据业务需求，小区的服务半径变得越来越小，进而用户在移动过程中其切换频繁程度增加，为了保证用户在移动过程不发生掉话，相邻小区必须配置一定的切换区域，而切换区域的存在，不可避免地会引入干扰，需要通过设置正确的天线参数来兼顾两者。

在实际网络中，每个小区的天线下倾角、方位角和导频功率有较大的可设置范围，假设，一个小区的下倾角可调整范围为0°～10°，步长为1；方位角度的相对可调整范围为[-30°～30°]，步长为2°；导频率功率的可调整范围为[10dBm～15dBm]，步长为1dBm；则对于任意一个小区的所有参数组合有1980(11＊30＊6)种；假设有N个小区，则有1980N种组合；不难看出，当小区个数达到一定数目时，穷举法变得不可实现。

本发明人在研究过程中发现，目前对于天线参数的配置方案是采用手工配置的方式，具体地：在网络预规划阶段，采用仿真工具和手工调整相结合的方式，为了得到合理的天线参数，需要借助于仿真工具来完成，在完成仿真后，手工定位存在覆盖问题的区域、高干扰区域和不满足约束条件的区域，然后手工调整后再仿真，重复上述过程直到达到既定的效果。在网络投入运行后，由于天线参数设置不合理造成的网路问题，需借助于用户投诉记录、路测和专业的分析软件工具等手段来定位网络问题，然后根据经验或者一定的辅助工具进行优化，并对调整参数的合理性进行闭环，增加了运营商的网络运营成本。综上，从实际的应用而言，以这种手工调整方式来进行规划，造成大量的人力和时间浪费，进而延缓建网和网络优化速度，同时对工程师的经验依赖性很强。

发明内容

本发明提供一种配置天线参数的方法及系统，以解决现有人工配置方案存在的效率低下的问题。

为此，本发明实施例采用如下技术方案：

一种配置天线参数的方法，应用于网络规划阶段，包括：

设置所述网络的小区的天线参数初始值、所述小区的天线参数的目标门限以及约束条件；

构建仿真平台，利用所述仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

如果仿真结果满足所述目标门限，将所述天线参数初始值配置为所述小区的天线参数；

如果仿真结果不满足所述目标门限，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；将优化得到的天线参数配置为所述小区的天线参数。

一种配置天线参数的方法，应用于网络运行阶段，包括：

获取网络性能参数；

根据所述网络性能参数确定是否启动天线参数优化：

若确定需要启动天线参数优化，则确定网络中的待优化区域，对待优化区域的当前天线参数利用遗传算法在设置的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

将优化得到的天线参数配置为待优化区域的天线参数。

一种配置天线参数的系统，应用于网络规划阶段，包括：

初始设置单元，用于设置所述网络的小区的天线参数初始值、该小区天线参数的目标门限以及优化约束条件；

仿真单元，用于利用预构建的仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

判断单元，用于将当仿真结果与天线参数的目标门限进行比较，判断仿真结果是否满足目标门限；

优化单元，用于当仿真结果不满足所述目标门限时，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；

天线参数配置单元，用于当仿真结果满足所述目标门限时，将天线参数初始值配置为所述小区的天线参数；用于当仿真结果不满足所述目标门限时将优化得到的天线参数配置为所述小区的天线参数。

一种配置天线参数的系统，应用于网络运行阶段，包括：

网络性能参数获取单元，用于对网络进行监控，获取网路性能参数；

判断单元，用于根据所述网络性能参数判断是否启动天线参数优化：

待优化区域确定单元，用于在所述判断单元判断需要启动天线参数优化时，确定网络中的待优化区域；

优化单元，用于对待优化区域的当前天线参数利用遗传算法在预定的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

天线参数配置单元，用于在所述判断单元判断不需要启动天线参数优化时，保持当前的天线参数；用于在所述判断单元判断需要启动天线参数优化时，将优化得到的天线参数配置为待优化区域的天线参数。

本发明实施例提出了制下，一种自动无线网络规划系统中的天线参数的自动规划、优化方案，针对基站设备网络的天线参数自动网络规划和优化，给出了详细技术描述，具体地，针对网络规划阶段，采用仿真平台对天线参数初始值进行仿真，继而利用遗传算法对不满足目标门限的天线参数进行优化；针对网络运行阶段，根据网络性能参数确定待优化区域，继而对待优化区域采用遗传算法对天线参数进行优化。本发明实施例方案可在网络管理系统中自动运行，不需要人为过多干预和经验，从而为基站设备的组网快速商用提出了一种可行的解决方案。与常规使用手工进行规划相比，可以大大节约无线网络规划的工作成本，提高效率。

附图说明

图1为本发明实施例网络规划阶段天线参数配置方法流程图；

图2为本发明具体实例网络规划阶段天线参数配置流程图；

图3为图2中遗传优化过程流程图；

图4为本发明实施例网络运行阶段天线参数配置方法流程图；

图5为本发明具体实例网络运行阶段天线参数配置流程图；

图6为本发明实施例网络规划阶段天线参数配置系统结构示意图；

图7为本发明实施例网络运行阶段天线参数配置系统结构示意图。

具体实施方式

本发明实施例针对通信系统的宏基站在建网初期的天线参数初始配置，给出了天线参数自动配置的具体方案，对于已经运行网络的后优化，基于网络监控策略也给出了天线参数自动配置的具体方案。

首先介绍网络规划阶段天线参数配置方法实施例。

在网络规划阶段，天线参数配置的执行主体是网管系统。

请参见图1，本发明实施例网络规划阶段天线参数配置方法包括以下步骤：

S101：设置所述网络的小区的天线参数初始值、该小区天线参数的目标门限以及优化的约束条件；

S102：构建仿真平台，利用所述仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

S103：当仿真结果满足所述目标门限时，将所述天线参数初始值配置为所述小区的天线参数；

S104：当仿真结果不满足所述目标门限时，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；将优化得到的天线参数配置为所述小区的天线参数。

下面以一个具体实例对网络规划阶段的天线参数配置方案进行详细阐述，请参见图2，包括：

S201：设置小区的天线参数初始值、天线参数的目标门限以及优化的约束条件。

天线参数初始值的设置包括指定每个小区参数的缺省值，同时对每个小区设置其可以调整的参数及每个参数的可调整范围。

天线参数的目标门限的设置过程是：根据是否考虑话务权重(默认采用均匀分布)、是否考虑地物覆盖权重和不同地物类型的覆盖权重进行设置天线参数的目标门限，具体地，目标门限是一个整体描述，其具体形式包括目标函数权重、最大迭代次数和目标函数期望达到的目标值。

约束条件主要在遗传算法中应用，典型的约束条件包括：两两小区存在一定的切换区域；在小区覆盖的中心区域对应覆盖小区仅存在主服务小区。

S202：构建仿真平台：将待规划小区工参数及相关的网络环境参数导入到仿真工具。

其中，小区工参数可从运营商获取，包括演进型基站(Evoluted NodeBase，eNB)位置信息和天线类型等；网络环境参数包括用来进行遗传优化时所使用的传播模型、地物损耗、边缘覆盖概率和计算精度等。

S203：利用仿真平台，对天线参数初始值进行仿真，获得仿真结果。

S204：将仿真结果与天线参数的目标门限进行比较，确定仿真结果是否满足目标门限，如果满足，则不进行优化，执行S208，否则进入S205利用遗传算法进行优化。

S205：采用遗传算法在约束条件内对天线参数进行优化。

遗传算法包括GA(Genetic Algorithm)算法或/和Powell算法等，优选地，本发明实施例将上述两种算法结合应用并进行适当改进，从而可分别利用GA强大的全局搜索能力和Powell算法良好的局部搜索能力的优点，能够很好地满足RF参数自动规划和优化的设计需求。

S206：判断S205优化后的天线参数是否满足目标门限，如果是，执行S209：将优化后的天线参数配置为小区的天线参数，然后结束流程，否则执行S207。

S207：若没有达到目标门限，判断是否达到遗传算法的最大迭代次数，若是，执行S209，否则，返回执行S205。

S208：将天线参数初始值配置为小区的天线参数。

S209：将优化后的天线参数配置为小区的天线参数。

至此，在执行完S208或S209后整个网络规划阶段的天线参数配置流程结束。

为了更好地理解网络规划阶段的天线参数配置过程，下面对采用遗传算法的优化过程进行介绍。

请参见图3，采用遗传算法进行优化的过程(S205)包括以下步骤：

S301：根据被优化对象确定参数集编码方式。

由于是对天线参数的优化，因此以天线参数构建遗传算法中的参数集，如前所述天线参数包括天线下倾角、方位角和导频功率，在优化算法中，用来表示当前网络配置的参数集的编码方式为：

式1

其中，Azimuth表示方位角、Tilt表示下倾角、Pilot表示导频功率、cell_n表示网络中第n个小区。

S302：初始化种群。

按照种群规模和各个小区参数可调整范围等约束条件使用随机的方式生成初始种群。

S303：适应度统计。

统计当前生成的初始种群中每个个体的适应度，除了传统遗传算法中的个体适应度外，为了在后续的遗传算法中确定交叉和变异点的位置，本发明实施例还需要统计小区适应度。个体适应度衡量当前网络参数的性能，而小区的适应度用来自适应确定遗传操作的交叉和变异位置，从而能够使得遗传操作聚焦于存在网络性能问题的小区，使得小区参数的调整更加具有针对性，较传统的遗传算法具有更好的收敛速度。具体地，通过网络的下行接收信号强度和信噪比加权确定个体适应度和小区适应度。

S304：通过将当前种群中最高适应度与满足收敛准则条件对应的适应度约束条件进行比较，确定当前种群是否满足收敛条件，如果不满足则进入S305进行遗传操作，否则结束流程。

S305：遗传操作。

遗传操作具体包括选择、交叉和变异三个操作度，下面具体介绍。

选择：首先分别计算当前种群的个体和小区平均适应度，且选择当前种群中适应度最好的一半个体，如果选择的一半个体适应度趋于一致，则需要进行适应度拉伸操作，进而增大后续的个体交叉变异概率。

交叉：交叉操作是基于在上一步完成选择后随机选择的两个父个体进行的，对于进行交叉操作的两个体A和B，交叉点的确定遵循以下原则：(1)当A，B个体中小区的适应度均比平均适应度大，则该小区不进行交叉，保持源配置不变；(2)当A，B个体中小区的适应度一个大于平均适应度，一个小于平均适应度，保留适应度大的个体对应小区的参数配置；(3)A，B个体中小区的适应度均小于等于平均适应度，对可以调整的参数转换为二进制编码，对于存在多个可调整参数，以等概率进行控制交叉与否，此时交叉点在二进制编码的位置通过随机的方式产生。相比于传统遗传算法使用随机的交叉方式，本发明使用的这种交叉方式能够更容易和快捷地获取到更好解。

变异：变异操作是在交叉操作之后进行，首先是判断产生新的子代是否产生变异，进而决定哪个小区发生变异，如果某个小区一旦满足变异条件，其可调整参数变异的概率是相同的。此处个体变异与否和变异位置的选择都由相应的自适应变异率决定。通过使用种群平均个体(小区)适应度和当前个体(小区)适应度来构造双自适应交叉变异率，能够更好地定位网络性能不好的小区，使得变异操作更有针对性。

S306：生成下一代种群。

生成下一代种群时，为了保证种群的多样性和保证最优个体不被淘汰，具体采取以下操作：(1)将父代中适应度最好的和次好的两个个体直接保存到子代；(2)随机生成N×10％(N为种群规模)个新个体，直接加入子代；(3)其它个体按照上叙的遗传操作完成保证了种群的最优解不被丢弃，也保证了种群的多样性。

在生成下一代种群后，再返回执行S303对新种群进行适应度评价。

通过图3介绍，可见，与现有传统的遗传优化算法不同，本发明实施例使得遗传操作聚焦于存在网络性能问题的小区，使得小区参数的调整更具有针对性，较传统的遗传算法具有更好的收敛速度；相比于传统遗传算法使用随机的交叉方式，本发明使用的这种交叉方式能够更容易和快捷地获取到更好解；通过使用种群平均个体(小区)适应度和当前个体(小区)适应度来构造双自适应交叉变异率，能够更好地定位网络性能不好的小区。

下面介绍网络运行阶段天线参数配置方法实施例。

在网络运行阶段，天线参数配置的大部分功能在网管系统中实现，另外有一部分功能集成在基站(Node Base，NB)或演进型基站(Evoluted NodeBase，eNB)中。

请参见图4，网络运行阶段天线参数配置方法包括以下步骤：

S401：获取网络性能参数；

S402：根据所述网络性能参数确定是否启动天线参数优化：

S403：若确定需要启动天线参数优化，则确定网络中的待优化区域，对待优化区域的当前天线参数利用遗传算法在设置的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

S404：将优化得到的天线参数配置为待优化区域的天线参数。

如果S402确定不需要启动天线参数优化，则保持当前天线参数即可。

优选地，在所述确定网络中的待优化区域之前，还包括：获取测量报告数据，并根据测量报告数据确定路径损耗矩阵以及话务分布模型；对当前天线参数基于所述路径损耗矩阵和话务分布模型进行仿真，获取待优化区域优化前网络性能参数；在完成优化之后，还包括：对所述优化得到的天线参数再次仿真，并将优化得到的天线参数再次仿真获取的待优化区域网络性能参数与所述待优化区域优化前网络性能参数进行比较，如果将优化得到的天线参数再次仿真获取的待优化区域网络性能参数更优，则将所述优化得到的天线参数配置为待优化区域的天线参数。

其中，根据所述网络性能参数确定是否启动天线参数优化包括：

判断获取的网络性能参数是否满足预置的网络性能关键指标门限，若不满足预置的网络性能关键指标门限，则确定需要启动天线参数优化，其中，所述网络性能关键指标包括可接入性、保持性和移动性。

其中，确定网络中的待优化区域包括：根据多个小区的网络性能关键指标选取网络性能关键指标最差的小区；根据邻区关系列表，判断网络性能关键指标交叉的小区是否存在邻区关系，若是，将互为邻区的小区加入到同一个组中；将同一组的网络性能关键指标较差的小区的1层邻区以及2层邻区的交集进行上报；并从上报信息中确定对网络性能关键指标差的小区造成影响的小区，并把网络性能关键指标差的小区以及对网络性能关键指标差的小区造成影响的小区的交集确定为分析区域；将分析区域小区的1层邻区的交集以及分析区域一并确定为所述待优化区域。

下面以一个具体实例对网络运行阶段的天线参数配置方案进行详细阐述，请参见图5，包括：

S501：监控网络性能，获取网络性能参数。

当触发该功能时，首先网管系统通过向eNB下发KPI(Key performanceindex，网络性能关键指标)数据采集命令和相关的配置信息，这里的数据采集主要包括每个小区的保持性、可接入性和移动性，还可以包括每个小区的掉话率、RRC建立成功率和切换成功率以及小区类型(如VIP小区)。

S502：根据采集的小区KPI指标判断某个小区是否存在问题(若有问题即需要启动优化)，可以对每个指标设置相关的门限值，当采集的KPI指标达不到对应的门限，则判断该小区为问题小区。本发明实施例中举例对每个指标的基准门限设置了第一基准门限和第二基准门限两个，如表1、2所示：

表1

表2

S503：确定待优化区域。下面详细介绍：

考虑到一个小区调整后，可能对相邻小区造成一定的影响，故在优化该小区时，需要兼顾对相邻小区的影响；同时，为解决该小区存在的问题，除了需要调整该小区，同时，相邻小区也需要进行必要的调整，这个可以体现在优化区域的形成，最终的优化目标为使得这个优化区域整体覆盖目标达到最佳，同时又能够解决当前问题小区的KPI问题。

在本发明实施例中，对于优化区域的形成区分了分析区域和仿真区域，其中，分析区域内的小区为可以调整的小区，仿真区域为考虑了调整小区后对其它小区造成的影响。

待优化区域的确定过程如下：

(1)获取上一步得到的KPI指标最差的小区；

(2)通过那些KPI比较差的小区的一层邻区关系列表，观察这些KPI差的小区之间是否是邻区关系，单向邻区关系也是满足要求的，如果是的话，则把这些互为邻区的KPI差的小区记录在一个表中存放。比如，有A，B，C三个小区的KPI比较差，通过A，B，C小区的一层邻区关系列表，可以知道A与B是邻区小区，B与C是邻区小区，则把A，B，C三个小区记录在一个组中。这里不一定需要A与C也是邻区关系。

(3)将同一组中的KPI差的小区的一层邻区以及2层邻区的并集一起上报给NB。

(4)从上报的信息中，找出对KPI差的小区造成影响的小区，并把这些造成影响的小区以及KPI差的小区的并集作为优化中的分析区域。

(5)分析区域小区的一层邻区的并集同分析区域一起作为优化算法中的仿真区域。

S504：获取MR(Measurement Report，测量报告)数据；并根据MR数据计算路径损耗矩阵和话务分布模型。

这里的MR数据主要是指用来进行路径损耗校正所需要的UE位置信息和对应的RSRP(LTE reference signal receive power，参考信号接收功率)和RS SINR(Reference Signal  Signal Interference Nnoise Ratio，参考信号信噪比)值，以及用来生成话务地图所用的UE业务类型、业务量等信息。

S505：完成上述处理后，进入优化算法，其核心算法与在网络规划中使用的方法一致，所不同的是，在进行优化前，基于当前工参数，按照上一步得到的路径损耗矩阵和话务分布模型进行一次仿真，获取待优化区域内小区的掉话、切换和接入性能参数，完成优化后，以得到的最佳工程参数进行在次仿真，并给出各个KPI指标及覆盖性能改善程度，从而供用户决策是否使用优化后的参数。

可见，S504获取MR数据是为了在进行遗传优化算法之前，对获取的MR数据做优化之前进行仿真，以便用户根据优化之前的仿真结果与优化后的结果进行比较，确定采用何种参数，因此，S504可省略，即，不进行比较，而直接采用S505遗传优化获取的结果。

S506：在结果输出中，给出最终得到的优化参数，及优化前后的性能对比。

另外，本发明实施例还提供一种应用于网络规划阶段的配置天线参数的系统，较优地，该系统位于网络管理系统中。

参见图6，该网络规划阶段的配置天线参数系统包括：

初始设置单元601，用于设置所述网络的小区的天线参数初始值、该小区天线参数的目标门限以及优化约束条件；

仿真单元602，用于利用预构建的仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

判断单元603，用于将当仿真结果与天线参数的目标门限进行比较，判断仿真结果是否满足目标门限；

优化单元604，用于当仿真结果不满足所述目标门限时，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；

天线参数配置单元605，用于当仿真结果满足所述目标门限时，将天线参数初始值配置为所述小区的天线参数；用于当仿真结果不满足所述目标门限时将优化得到的天线参数配置为所述小区的天线参数。

其中，优化单元604是结合所述约束条件和小区适应度对小区的天线参数进行优化的，具体请参见图3及其文字描述。

同时，本发明实施例还提供一种应用于网络运行阶段的配置天线参数的系统，较优地，该系统位于网络管理系统以及eNB中。

参见图7，该网络运行阶段的配置天线参数系统包括：

网络性能参数获取单元701，用于对网络进行监控，获取网路性能参数；

判断单元702，用于根据所述网络性能参数判断是否启动天线参数优化：

待优化区域确定单元703，用于在所述判断单元判断需要启动天线参数优化时，确定网络中的待优化区域；

优化单元704，用于对待优化区域的当前天线参数利用遗传算法在预定的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

天线参数配置单元705，用于在所述判断单元判断不需要启动天线参数优化时，保持当前的天线参数；用于在所述判断单元判断需要启动天线参数优化时，将优化得到的天线参数配置为待优化区域的天线参数。

优选地，，还包括：

MR数据获取及处理单元706，用于获取MR数据并根据MR数据确定路径损耗矩阵以及话务分布模型；对当前天线参数基于所述路径损耗矩阵和话务分布模型进行基于快照方式的仿真，获取待优化区域优化前性能参数；

再次仿真单元707，对所述优化单元得到的优化结果再次仿真，对所述优化得到的天线参数再次仿真；

此时，天线参数配置单元705进一步将所述再次仿真单元707得到的天线参数再次仿真结果与所述待优化区域优化前网络性能参数进行比较，如果再次仿真结果更优，则将所述再次仿真结果配置为待优化区域的天线参数。

其中，待优化区域确定单元703进一步包括：

较差小区确定子单元，用于根据多个小区的网络性能关键指标选取网络性能关键指标最差的小区；

邻区同组确定子单元，用于根据邻区关系列表，判断KPI指标交叉的小区是否存在邻区关系，若是，将互为邻区的小区加入到同一个组中；

邻区上报子单元，用于将同一组的KPI较差的小区的1层邻区以及2层邻区的交集进行上报；

分析区域确定子单元，用于从上报信息中确定对KPI差的小区造成影响的小区，并把KPI差的小区以及对KPI差的小区造成影响的小区的交集确定为分析区域；

待优化区域整合子单元，用于将分析区域小区的1层邻区的交集以及分析区域一并确定为所述待优化区域。

其中，优化单元704是结合所述约束条件和小区适应度对小区的天线参数进行优化的，具体请参见图3及其文字描述。

可见，本发明实施例提出了一种自动无线网络规划系统中的天线参数的自动规划、优化方案，针对天线参数自动网络规划和优化，给出了详细技术描述，具体地，针对网络规划阶段，采用仿真平台对天线参数初始值进行仿真，继而利用遗传算法对不满足目标门限的天线参数进行优化；针对网络运行阶段，根据网络性能参数确定待优化区域，继而对待优化区域采用遗传算法对天线参数进行优化。本发明实施例方案可在网络管理系统中自动运行，不需要人为过多干预和经验，从而为基站设备的组网快速商用提出了一种可行的解决方案。与常规使用手工进行规划相比，可以大大节约无线网络规划的工作成本，提高效率。

另外，与现有传统的遗传优化算法不同，本发明实施例使得遗传操作聚焦于存在网络性能问题的小区，使得小区参数的调整更具有针对性，较传统的遗传算法具有更好的收敛速度；相比于传统遗传算法使用随机的交叉方式，本发明使用的这种交叉方式能够更容易和快捷地获取到更好解；通过使用种群平均个体(小区)适应度和当前个体(小区)适应度来构造双自适应交叉变异率，能够更好地定位网络性能不好的小区。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种配置天线参数的方法，应用于网络规划阶段，其特征在于，包括：

设置所述网络的小区的天线参数初始值、所述小区的天线参数的目标门限以及约束条件；

构建仿真平台，利用所述仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

如果仿真结果满足所述目标门限，将所述天线参数初始值配置为所述小区的天线参数；

如果仿真结果不满足所述目标门限，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；将优化得到的天线参数配置为所述小区的天线参数；

其中，所述对所述天线参数初始值采用遗传算法在所述约束条件内进行优化包括：

确定参数集编码方式，并初始化种群；

统计当前种群中每个个体的个体适应度和小区适应度；

将当前种群中最高的个体适应度和所述约束条件进行比较，确定是否满足收敛条件，如果是，退出，否则，根据所述个体适应度和小区适应度对所述参数集编码方式执行包括选择、交叉和变异的遗传操作。

2.根据权利要求1所述方法，其特征在于，

所述天线参数初始值包括天线参数的缺省值以及各个天线参数的可调整范围；

所述天线参数的目标门限是依据话务权重、地物覆盖权重或不同地物类型的覆盖权重设置的。

3.根据权利要求1或2所述方法，其特征在于，所述仿真平台的构建过程为：将预获取的所述小区的工参数以及网络环境参数导入到仿真工具中，构建出所述仿真平台。

4.根据权利要求3所述方法，其特征在于，

所述工参数包括基站位置信息和天线类型；

所述网络环境参数包括传播模型、地物损耗、边缘覆盖概率和计算精度。

5.一种配置天线参数的方法，应用于网络运行阶段，其特征在于，包括：

获取网络性能参数；

根据所述网络性能参数确定是否启动天线参数优化：

若确定需要启动天线参数优化，则确定网络中的待优化区域，对待优化区域的当前天线参数利用遗传算法在设置的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

将优化得到的天线参数配置为待优化区域的天线参数；

其中，所述对待优化区域的当前天线参数利用遗传算法在设置的约束条件内进行优化包括：

确定参数集编码方式，并初始化种群；

统计当前种群中每个个体的个体适应度和小区适应度；

将当前种群中最高的个体适应度和所述约束条件进行比较，确定是否满足收敛条件，如果是，退出，否则，根据个体适应度和小区适应度对所述参数集编码方式执行包括选择、交叉和变异的遗传操作。

6.根据权利要求5所述方法，其特征在于，

在所述确定网络中的待优化区域之前，还包括：

获取测量报告数据，并根据测量报告数据确定路径损耗矩阵以及话务分布模型；对当前天线参数基于所述路径损耗矩阵和话务分布模型进行仿真，获取待优化区域优化前网络性能参数；

在完成优化之后，还包括：

对所述优化得到的天线参数再次仿真，并将优化得到的天线参数再次仿真获取的待优化区域网络性能参数与所述待优化区域优化前网络性能参数进行比较，如果将优化得到的天线参数再次仿真获取的待优化区域网络性能参数更优，则将所述优化得到的天线参数配置为待优化区域的天线参数。

7.根据权利要求5所述方法，其特征在于，所述根据所述网络性能参数确定是否启动天线参数优化包括：

判断获取的网络性能参数是否满足预置的网络性能关键指标门限，若不满足预置的网络性能关键指标门限，则确定需要启动天线参数优化，其中，所述网络性能关键指标包括可接入性、保持性和移动性。

8.根据权利要求7所述方法，其特征在于，所述确定网络中的待优化区域包括：

根据多个小区的网络性能关键指标选取网络性能关键指标最差的小区；

根据邻区关系列表，判断网络性能关键指标交叉的小区是否存在邻区关系，若是，将互为邻区的小区加入到同一个组中；

将同一组的网络性能关键指标较差的小区的1层邻区以及2层邻区的交集进行上报；并从上报信息中确定对网络性能关键指标差的小区造成影响的小区，并把网络性能关键指标差的小区以及对网络性能关键指标差的小区造成影响的小区的交集确定为分析区域；

将分析区域小区的1层邻区的交集以及分析区域一并确定为所述待优化区域。

9.一种配置天线参数的系统，应用于网络规划阶段，其特征在于，包括：

初始设置单元，用于设置所述网络的小区的天线参数初始值、该小区天线参数的目标门限以及优化约束条件；

仿真单元，用于利用预构建的仿真平台对所述天线参数初始值进行仿真，得到仿真结果；

判断单元，用于将当仿真结果与天线参数的目标门限进行比较，判断仿真结果是否满足目标门限；

优化单元，用于当仿真结果不满足所述目标门限时，对所述天线参数初始值采用遗传算法在所述约束条件内进行优化，直至满足所述目标门限或者达到遗传算法的最大迭代次数；

天线参数配置单元，用于当仿真结果满足所述目标门限时，将天线参数初始值配置为所述小区的天线参数；用于当仿真结果不满足所述目标门限时将优化得到的天线参数配置为所述小区的天线参数；

其中，所述优化单元用于对所述天线参数初始值采用遗传算法在所述约束条件内进行优化具体包括：

确定参数集编码方式，并初始化种群；

统计当前种群中每个个体的个体适应度和小区适应度；

将当前种群中最高的个体适应度和所述约束条件进行比较，确定是否满足收敛条件，如果是，退出，否则，根据个体适应度和小区适应度对所述参数集编码方式执行包括选择、交叉和变异的遗传操作。

10.一种配置天线参数的系统，应用于网络运行阶段，其特征在于，包括：

网络性能参数获取单元，用于对网络进行监控，获取网路性能参数；

判断单元，用于根据所述网络性能参数判断是否启动天线参数优化：

待优化区域确定单元，用于在所述判断单元判断需要启动天线参数优化时，确定网络中的待优化区域；

优化单元，用于对待优化区域的当前天线参数利用遗传算法在预定的约束条件内进行优化，直至满足网络性能参数阈值或者达到遗传算法的最大迭代次数；

天线参数配置单元，用于在所述判断单元判断不需要启动天线参数优化时，保持当前的天线参数；用于在所述判断单元判断需要启动天线参数优化时，将优化得到的天线参数配置为待优化区域的天线参数；

其中，所述优化单元用于对待优化区域的当前天线参数利用遗传算法在设置的约束条件内进行优化具体包括：

确定参数集编码方式，并初始化种群；

统计当前种群中每个个体的个体适应度和小区适应度；

将当前种群中最高的个体适应度和所述约束条件进行比较，确定是否满足收敛条件，如果是，退出，否则，根据个体适应度和小区适应度对所述参数集编码方式执行包括选择、交叉和变异的遗传操作。

11.根据权利要求10所述系统，其特征在于，还包括：

测量报告数据获取及处理单元，用于获取测量报告数据并根据测量报告数据确定路径损耗矩阵以及话务分布模型；对当前天线参数基于所述路径损耗矩阵和话务分布模型进行基于快照方式的仿真，获取待优化区域优化前性能参数；

再次仿真单元，对所述优化单元得到的优化结果再次仿真，对所述优化得到的天线参数再次仿真；

所述天线参数配置单元进一步将所述再次仿真单元得到的天线参数再次仿真结果与所述待优化区域优化前网络性能参数进行比较，如果再次仿真结果更优，则将所述再次仿真结果配置为待优化区域的天线参数。

12.根据权利要求10所述系统，其特征在于，所述待优化区域确定单元包括：

较差小区确定子单元，用于根据多个小区的网络性能关键指标选取网络性能关键指标最差的小区；

邻区同组确定子单元，用于根据邻区关系列表，判断网络性能关键指标交叉的小区是否存在邻区关系，若是，将互为邻区的小区加入到同一个组中；

邻区上报子单元，用于将同一组的网络性能关键指标较差的小区的1层邻区以及2层邻区的交集进行上报；

分析区域确定子单元，用于从上报信息中确定对网络性能关键指标差的小区造成影响的小区，并把网络性能关键指标差的小区以及对网络性能关键指标差的小区造成影响的小区的交集确定为分析区域；

待优化区域整合子单元，用于将分析区域小区的1层邻区的交集以及分析区域一并确定为所述待优化区域。

Images