CN102510564B - 一种改进集中分簇式自组织网络的自优化方法 - Google Patents

Abstract

本发明涉及一种分簇集中式SON网络自优化方法，属于数字通信领域，该方法包括：把相关性较强的小区归为一个簇，在簇内及网络网络管理中心均设置SON实体，每个簇先进行粗调整，确定该簇内各小区是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整，输出参数调整指令；对簇内对应的基站进行相关参数调整；粗调整完毕，每一个簇内SON实体根据调整后的参数计算该簇内的容量与覆盖指标；网络网络管理再将每一个簇内的容量与覆盖指标参数输入到网络管理中心SON控制环中后，对每一簇整体的容量与覆盖指标进行评估，确定是否对相应簇内的所有基站进行相关参数的细调整；本发明通过先粗调再细调两次调整，能够较好地达到全局最优。

Description

一种改进集中分簇式自组织网络的自优化方法

技术领域

本发明属于4G通信领域，特别涉及集中式自组织网络（SON）架构网络自优化的一种改进方法。

背景技术

随着3GPP长期演进（LTE）的部署，演进型基站（eNB）节点、网络参数变得越来越多，网络结构越来越复杂，需要从事网络监管与维护人员也越来越多，这样会迅速增加运营商的物力与人力成本。自组织网络（SON）就是在这样的背景下应运而生。SON的最终目的就是能够最大化地进行自配置、自优化与自治愈，增加网络容量，尽量减少资产投入与资本投入（CAPEX成本），小区是一个基站所覆盖的区域，管理中心是基站的上层，管辖一片小区（即多个相邻小区），SON实体是SON架构网络中SON控制环及其它附属实体结构。

SON主要实现自配置（Self-Configuration）、自优化（Self-Optimization）、自治愈（Self-Healing）三个功能。自配置功能主要包括：配置IP地址、与EMS联系、鉴权、软件的下载与安装、邻小区列表配置、覆盖参数配置；自优化功能主要包括：邻小区列表优化、覆盖与容量优化、服务质量（QoS）优化、Rachel信道优化、干扰控制；自治愈功能主要包括：中断检测（COD）、中断补偿（COC）。

目前已提出经典的SON网络架构主要有集中式、分布式与混合式三种网络架构，具体的架构特点及各自的优缺点如下所示：

集中式：SON实体设置在网络管理中心，各个网元只负责上传检测信息，等待网络管理中心的控制指令。可以实现容量与覆盖的全局优化，但是由于需要处理的数据量非常大，时间复杂度与空间复杂度均较大，反应速度慢，且集中式一般为静态的SON架构，灵活性较差。

分布式：各SON实体分布在小区的基站中，控制指令也是由自己的SON实体发出。与管理中心没有关系。不能实现全局优化，一般只能实现局部最优，需要处理的数据较少，所以时间复杂度及空间复杂度较低，反应速度快，并且分布式一般为动态的SON架构，灵活性较强。

混合式：传统的混合式为集中式与分布式的结合体，即在部分基站中设置SON实体实现分布式管理；同时在网络管理中心也设置部分SON实体实现集中式管理，由于有部分SON实体采取集中式，所以时间复杂度及空间复杂度较大，且难以达到全局的最优。

传统集中式SON网络自优化方法的流程如图1所示，具体步骤如下：

（1）网络网络管理中心对SON实体初始化，基站上传自身的检测信息，如用户终端（UE）的参考信号接收功率（RSRP）、参考信号接收质量（RSRQ），基站的小区负载、掉话率等；

（2）将上述检测信息组成参数向量输入到网络网络管理中心相应SON控制环中，SON控制环中运行进行全局优化处理；

（3）用优化处理后输出的参数来调整指令，将调整后的指令下达到各个基站中，该指令包括优化的天线倾斜角、天线方位角、下行发射功率；

（4）等待一段时间，转步骤（1），进行下一轮循环。

发明内容

本发明的目的是为克服传统集中式SON架构的缺点，提出了一种分簇集中式SON网络自优化方法，能够有效解决传统集中式SON网络自优化方法的时间及空间复杂度高的问题，使优化目标尽快收敛。并且进行簇内粗调，簇间细调的有效方法，在达到全局最优的同时，较传统集中式SON架构优化结果更优。

本发明提出的一种分簇集中式SON网络自优化方法，其特征在于，该方法包括：初始化、粗调整与细调整三部分，具体步骤如下：

1）初始化：

1-1）把相关性较强的小区归为一个簇，簇内小区的个数称为簇因子，作为分簇信息；

1-2）对簇内及网络网络管理中心均设置SON实体，并对各SON实体进行初始化，包括上电，初始化基本配置，读入分簇信息；

2）粗调整：

2-1）每个簇作为一个独立的考查单元，对簇内的检测信息进行收集，检测信息包括多种反馈参数，这些反馈参数组成一个参数向量输入到簇内SON控制环中；

2-2）将收集的反馈参数用以表征小区内的容量与覆盖，簇内SON控制环对收集的反馈参数进行优化处理，根据优化后的参数对簇内各小区容量与覆盖指标进行评估，确定该簇内各小区是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向簇内每一个基站输出参数调整指令；

2-3）根据每个簇内的SON实体发出的参数调整指令，对簇内对应的基站进行相关参数调整；

2-4）簇内SON控制环对调整后的基站的容量与覆盖指标进行评估，判断是否已达到粗调最优值，如果是，则转到2-5），如果为否，且还在设定的粗调时间阈值T_Coarse内，则返回到2-2）步，再次循环；如果超过设定的粗调时间阈值T_Coarse，则转到2-5）；

2-5）达到粗调最优值或粗调时间，则粗调整进行完毕，每一个簇内SON实体根据调整后的参数计算该簇内的容量与覆盖指标；

3）细调整：

3-1）网络网络管理中心收集步骤2-5）中得到的每一个簇内的容量与覆盖指标参数，将这些参数组成一个参数向量输入到网络管理中心SON控制环中；

3-2）根据收集到的每一个簇内的容量与覆盖指标参数，网络管理中心SON控制环对这些参数进行优化处理，根据优化后的参数对每一簇整体的容量与覆盖指标进行评估，确定是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向相应簇输出参数调整指令；

3-3）网络管理中心SON实体将参数调整指令输出到相应簇后，以簇为单位，对应簇内的所有基站进行相关参数调整；

3-4）网络管理中心SON控制环对簇整体的容量与覆盖指标进行评估，判断是否已经达到细调最优值，如果是，则转到3-5）如果否，且在细调时间阈值T_Fine内，则跳转到3-1）再次进行循环，如果超过细调时间T_Fine，则转到3-5）；

3-5）达到细调最优值或细调时间，则细调完毕；

4）等待下一个优化周期到来时，转到2），进行下一轮循环；当达到设定的总优化周期后结束。

本发明的优点及效果：

（1）相比较于传统的集中式SON架构，分簇集中式SON架构需较少的SON实体部署，在保证性能不减弱的情况下，有效减少了运营商的CAPEX开销。

（2）分簇的思想有效降低了传统集中式SON的时间复杂度，以更快适应网络的变化，是以空间换时间的一种方案。

（3）粗调的过程是动态调整过程，细调是静态调整过程，动态调整每次参数输出后均需实时进行参数收集，判断容量与覆盖是否已最优来决定是否进行再次优化。而静态调整仅仅在细调开始时进行参数收集，以仿真的结果来判定容量与覆盖是否达到最优以决定是否进行再优化。传统集中式SON架构一般采取静态调整过程，较分簇集中式对网络状态变化反应能力灵活性低。

（4）簇的大小可随着网络部署时拓扑的变化而变化，体现了灵活性。

附图说明

图1为传统集中式SON网络自优化流程框图。

图2本发明中分簇后的网络拓扑示意图。

具体实施方式

本发明提出的一种分簇集中式SON网络自优化方法，流程如图2所示，该方法包括初始化、粗调整与细调整三部分，具体步骤如下：

1）初始化：

1-1）把相关性较强的小区（即会彼此间造成较大干扰的相邻小区）归为一个簇，簇内小区的个数称为簇因子，作为分簇信息；

1-2）对簇内及网络网络管理中心均设置SON实体，并对各SON实体进行初始化，包括上电，初始化基本配置（配置IP地址、与EMS联系、鉴权与软件和配置数据下载），读入分簇信息；

2）粗调整：

2-1）每个簇作为一个独立的考查单元，对簇内的检测信息进行收集，检测信息包括多种反馈参数（如RSRP、RSRQ、掉话率、小区负载、KPIs等），这些反馈参数组成一个参数向量输入到簇内SON控制环中；

2-2）将收集的反馈参数用以表征小区内的容量与覆盖，簇内SON控制环对收集的反馈参数进行优化处理（即通过已知的优化算法对反馈参数进行计算评估，如模拟退火算法或机器学习算法等），根据优化后的参数（主要对边缘吞吐量与平均吞吐量进行计算）对簇内各小区容量与覆盖指标进行评估，确定该簇内各小区是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向簇内每一个基站输出参数调整指令；

2-3）根据每个簇内的SON实体发出的参数调整指令，对簇内对应的基站进行相关参数调整；

2-4）簇内SON控制环对调整后的基站的容量与覆盖指标进行评估，判断是否已达到粗调最优值（即设定的阈值，具体值根据实际情况确定），如果是，则转到2-5），如果为否，且还在设定的粗调时间阈值T_Coarse（具体值根据实际情况确定）内，则返回到2-2）步，再次循环；如果超过设定的粗调时间阈值T_Coarse，则转到2-5）；

2-5）达到粗调最优值或粗调时间，则粗调整进行完毕，每一个簇内SON实体根据调整后的参数计算该簇内的容量与覆盖指标；

3）细调整：

3-1）网络网络管理中心收集步骤2-5）中得到的每一个簇内的容量与覆盖指标参数，将这些参数组成一个参数向量输入到网络管理中心SON控制环中；

3-2）根据收集到的每一个簇内的容量与覆盖指标参数，网络管理中心SON控制环对这些参数进行优化处理（通过已知的优化算法进行计算，如模拟退火算法或机器学习算法等），根据优化后的参数对每一簇整体的容量与覆盖指标进行评估，确定是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向相应簇输出参数调整指令；

3-3）网络管理中心SON实体将参数调整指令输出到相应簇后，以簇为单位，对应簇内的所有基站进行相关参数调整；

3-4）网络管理中心SON控制环对簇整体的容量与覆盖指标进行评估，判断是否已经达到细调最优值（即设定的阈值，具体值根据实际情况确定），如果是，则转到3-5）如果否，且在细调时间阈值T_Fine（具体值根据实际情况确定）内，则跳转到3-1）再次进行循环，如果超过细调时间T_Fine，则转到3-5）；

3-5）达到细调最优值或细调时间，则细调完毕；

4）等待下一个优化周期到来时，转到2），进行下一轮循环；当达到设定的总优化周期（具体值根据实际情况确定）后结束。

Claims (1)

1.一种分簇集中式SON网络自优化方法，其特征在于，该方法包括：初始化、粗调整与细调整三部分，具体步骤如下：

1）初始化：

1-1）把相关性较强的小区归为一个簇，簇内小区的个数称为簇因子，作为分簇信息；

1-2）对簇内及网络网络管理中心均设置SON控制环，并对各SON控制环进行初始化，包括上电，初始化基本配置，读入分簇信息；基本配置包括配置IP地址、与EMS联系、鉴权与软件和配置数据下载；

2）粗调整：

2-1）每个簇作为一个独立的考查单元，对簇内的检测信息进行收集，检测信息包括多种反馈参数，这些反馈参数组成一个参数向量输入到簇内SON控制环中；

2-2）将收集的反馈参数用以表征小区内的容量与覆盖，簇内SON控制环对收集的反馈参数进行优化处理，根据优化后的参数对簇内各小区容量与覆盖指标进行评估，确定该簇内各小区是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向簇内每一个基站输出参数调整指令；

2-3）根据每个簇内的SON控制环发出的参数调整指令，对簇内对应的基站进行相关参数调整；

2-4）簇内SON控制环对调整后的基站的容量与覆盖指标进行评估，判断是否已达到粗调最优值，如果是，则转到2-5），如果为否，且还在设定的粗调时间阈值T_Coarse内，则返回到2-2）步，再次循环；如果超过设定的粗调时间阈值T_Coarse，则转到2-5）；

2-5）达到粗调最优值或粗调时间，则粗调整进行完毕，每一个簇内SON控制环根据调整后的参数计算该簇内的容量与覆盖指标；

3）细调整：

3-1）网络网络管理中心收集步骤2-5）中得到的每一个簇内的容量与覆盖指标参数，将这些参数组成一个参数向量输入到网络管理中心SON控制环中；

3-2）根据收集到的每一个簇内的容量与覆盖指标参数，网络管理中心SON控制环对这些参数进行优化处理，根据优化后的参数对每一簇整体的容量与覆盖指标进行评估，确定是否需要调整天线倾斜角、天线方位角或下行发射功率各参数，若需要调整所述参数，则向相应簇输出参数调整指令；

3-3）网络管理中心SON控制环将参数调整指令输出到相应簇后，以簇为单位，对应簇内的所有基站进行相关参数调整；

3-4）网络管理中心SON控制环对簇整体的容量与覆盖指标进行评估，判断是否已经达到细调最优值，如果是，则转到3-5）如果否，且在细调时间阈值T_Fine内，则跳转到3-1）再次进行循环，如果超过细调时间T_Fine，则转到3-5）；

3-5）达到细调最优值或细调时间，则细调完毕；

4）等待下一个优化周期到来时，转到2），进行下一轮循环；当达到设定的总优化周期后结束。

Images