CN102740336A - 无线接入网自主覆盖优化方法 - Google Patents

Abstract

本发明涉及无线接入网技术领域，公开了一种无线接入网自主覆盖优化方法，包括以下步骤：S1、检测自主覆盖优化事件的触发条件，如果满足所述触发条件则执行步骤S2，否则继续检测所述触发条件；S2、从测量报告中提取测量数据，所述测量数据包括覆盖指标值；S3、针对所述测量数据对当前的网络覆盖状况进行评估，若所述覆盖指标值达到目标参考值，则结束，否则执行步骤S4；S4、根据当前的覆盖异常情况，采用模拟退火算法获取基站天线下倾角的调整量；S5、根据步骤S4所获得的改变量对基站天线下倾角进行调整，并重新获取所述测量报告，然后返回步骤S1。本发明能够解决无线接入网中由于基站天线参数设置不合理导致的覆盖问题。

Description

无线接入网自主覆盖优化方法

技术领域

本发明涉及无线接入网技术领域，特别是涉及一种无线接入网自主覆盖优化方法。

背景技术

随着无线接入技术的发展，无线接入网的网络结构、无线环境、用户分布和使用行为都是不断变化的。同时，无线接入网络规模的扩张、网络覆盖规划规模的复杂化、网络话务模型和业务模型的改变都会导致当前无线接入网的性能和运行情况偏离最初的设计要求，这些都需要通过网络优化来持续不断地对网络进行调整。只有解决好网络中出现的各种问题，优化网络资源配置，改善网络的运行环境，提高网络的运行质量，才能使网络运行在最佳状态，为移动通信业务的迅猛发展提供有力的技术支持和网络支撑。

由于网络覆盖不合理或是网络覆盖异常而产生的覆盖质量问题是无线接入网运行过程中常见的网络优化问题之一，它会对整个网络产生很严重的影响。同时，基于无线网络当前网络状态，管理者直接执行的配置、诊断、维修设备的操作不仅需耗费很高的管理费用，而且，随着网络进一步的发展，也将越来越难以驾驭。经过长期的研究和实践，我们发现传统的网络管理无法解决网络管理面临的全部问题，需要寻找新的网络管理体系与方法。为了提高网络优化效率和运行质量，同时减小人工干预并降低网络的运维成本，无线接入网引入自组织的概念。通常认为自组织的无线接入网应具备自感知、自配置、自优化、自愈和自保护的能力，其中覆盖自优化是自优化中的一项重要功能。

为了有效应对无线接入网下行覆盖优化问题，提高网络覆盖质量和运行质量，同时减小人工干预以降低网络的运维成本，未来的无线接入网应具有覆盖自优化的能力，即，在无需人工干预的前提下，自主发现网络中的覆盖异常问题，有针对性地生成相关参数的合理调整方案进行优化。

现有的无线接入网覆盖优化方案有：

1.蜂窝移动通信系统的覆盖自优化方法（公开号：CN102202330A），该发明公开了一种蜂窝移动通信系统的覆盖自优化方法。该方法中，每个用户周期性测量并向基站上报测量参数；基站根据其测量的参数值判断当前网络的覆盖状况，若存在覆盖问题，首先触发基于基站天线下倾角动态调整的覆盖自优化过程，根据预设方案调整相关参数，以满足覆盖要求；如果在下倾角可调范围内无法满足覆盖要求，则根据覆盖具体场景继续调整基站天线方位角，波束宽度或下调基站发射功率；若以上措施仍然不能解决覆盖问题，则转入覆盖和容量自优化过程。

2.一种覆盖优化的测量控制方法及系统（公开号：CN102111781A），该发明公开了一种覆盖优化的测量控制方法及系统，涉及3GPP长期演进移动通信系统。该发明包括：网络侧设备指示用户设备在发生无线链路失败（RLF）后，向所述网络侧设备上报测量报告；当所述网络侧设备接收到所述用户设备上报的RLF测量报告时，根据该报告判断所述用户设备当前所在的区域是否存在覆盖漏洞。采用该发明技术方案后，网络侧设备就可以根据UE发送的RLF测量报告信息判断是否是覆盖问题所造成的RLF，从而来对网络的覆盖过程进行进一步的优化。

3.网络覆盖优化处理方法和系统（公开号：CN101557654），该发明描述了一种网络覆盖优化处理方法和系统，该系统和方法的特征是通过基站搜集与本地相关的第一覆盖优化数据以及与其它基站相关的第二覆盖优化数据，并根据预定规则判断是否在本地进行覆盖优化，若使则进行本地调整；否则将覆盖优化数据上报给网络管理节点，根据来自所述网络管理节点的调整结果进行相应调整。

4.住宅小区移动通信覆盖优化装置（公开号：CN2598288），该发明公开一种住宅小区移动通信覆盖优化装置，其特征是：它由基站、微射移频传输设备(A)，二次移频传输设备(B)，微波移频覆盖设备(C)构成，基站与微射移频传输设备(A)与二次移频传输设备(B)通过微波连接，二次移频传输设备(B)与微波移频覆盖设备(C)通过微波连接，微波移频覆盖设备(C)与移动通信终端通过无线电连接。这种住宅小区移动通信覆盖优化装置，它通信质量好、工程难度低、工程费用少、系统选点灵活，小区范围内使用不会形成同频干扰。

上述第一件专利申请公开了一种蜂窝移动通信系统的覆盖自优化方法，该方案所叙述的覆盖自优化方法实现的过程是通过初步设置调整参数步长然后验证效果，如果不合适再在一定的时间范围内重新设置参数调整步长，然后再不断地去验证再调整的一个过程。在实际的应用场景中，基站天线下倾角调整后是无法不断地反复调整验证的。该专利的调整方法其实是一个无法运用于实际场景的方法，无法适应于大规模、开放、异构、动态的无线网络。

上述第二件专利申请公开了一种覆盖优化的测量控制方法及系统，但该方法仅提供了一种提高覆盖优化性能的测量控制方法及系统，使得网络侧设备能判断是否是覆盖问题造成的RLF。

上述第三件专利申请公开了一种网络覆盖优化处理方法和系统，只是给出了一个粗略的覆盖优化处理的方法和系统。

上述第四件专利申请公开了一种住宅小区移动通信覆盖优化装置，该专利是针对住宅小区，通过信号传输设备的设计使得小区移动通信系统实现覆盖优化。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何解决无线接入网中由于基站天线参数设置不合理导致的覆盖问题。

（二）技术方案

为了解决上述技术问题，本发明提供一种无线接入网自主覆盖优化方法，包括以下步骤：

S1、检测自主覆盖优化事件的触发条件，如果满足所述触发条件则执行步骤S2，否则继续检测所述触发条件；

S2、从测量报告中提取测量数据；

S3、针对所述测量数据对当前的网络覆盖状况进行评估，若覆盖指标值达到目标参考值，则结束，否则执行步骤S4；

S4、根据当前的覆盖异常情况，利用所述测量数据获取基站天线下倾角的调整量；

S5、根据步骤S4所获得的调整量对基站天线下倾角进行调整，并重新获取所述测量报告，然后返回步骤S1。

优选地，步骤S4中采用模拟退火算法获取基站天线下倾角的调整量。

优选地，所述触发条件为网络的拓扑结构发生变化，或者网络运行环境发生变化。

优选地，步骤S4中获取基站天线下倾角的调整量目标是使得以下两种覆盖异常情况发生的概率之一最小，且取两个最小值中的较小值所对应的下倾角的调整量为计算结果：第一种情况是移动台无法获得小区的有效覆盖；第二种情况下是移动台同时获得了两个或两个以上小区的有效覆盖。

优选地，步骤S4中获取基站天线下倾角的调整量的目标是使得矩阵f(Δφ)中的两个元素之一最小，且取f₁(Δφ)和f₂(Δφ)的最小值中的较小值所对应的下倾角的调整量Δφ为计算结果：

$f\left(\mathrm{\Δ\φ}\right)={[f_1\left(\mathrm{\Δ\φ}\right),f_2\left(\mathrm{\Δ\φ}\right)]}^T=\left[\begin{array}{c}\frac{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\mathrm{\ϵ}(-1\×\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{\ϵ}(P_i^l+\mathrm{\Δ}{A^l}_i\left(\mathrm{\Δ}{\mathrm{\φ}}_i\right)-P_{\mathrm{th}}))}{L}\\ \frac{\underset{i=1}{\overset{L}{\mathrm{\Σ}}}\mathrm{\ϵ}(-3+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\mathrm{\ϵ}(P_i^l+\mathrm{\Δ}{A^l}_i\left(\mathrm{\Δ}{\mathrm{\φ}}_i\right)-P_{\mathrm{th}}))}{L}\end{array}\right]$

其中，L表示用户总数，ε(x)为阶跃函数，m表示基站总数，p^l _i表示第l个用户的测量报告中该用户接收到第i个基站发射的信号强度，

表示由于第i个基站的基站天线下倾角改变所导致的用户l接收的基站天线增益改变量，Δφ_i表示第i个基站的基站天线下倾角的改变量，P_th表示用户接收到的小区信号强度门限值。

优选地，步骤S4具体包括：

S41：随机产生初始解Δφ=[△φ₁,△φ₂,…,Δφ_i,…,△φ_m]，其中△φ_i的值在[-0.1,0.1]上均匀分布，并将其加入解集Δφ_T中，计算f(Δφ)的值，给定初温T₀和末温T_f，令迭代指标k＝0，T_k=T₀，设定内循环迭代次数n(T_k)，令内循环计数器n=0；

S42：产生服从均匀分布的随机权向量集合Z，Z=(λ¹,…,λⁿ,…,λ^N)，随机权向量λⁿ=(λ₁ ⁿ,λ₂ ⁿ)，λ₁ ⁿ+λ₂ ⁿ=1，N表示覆盖异常情况个数;

S43：产生Δφ的邻域解Δφ′，Δφ′=Δφ+ω，其中ω=[ω₁,ω₂,…,ω_i,…,ω_m]，ω_i的值在[-0.1,0.1]上均匀分布，计算f(Δφ′),令n=n+1;

S44：若对于

有f(Δφ′)＜f(Δφ)，将Δφ′加入解集Δφ_T中，并将f(Δφ_T)＜f(Δφ)的Δφ从解集Δφ_T中删除，令Δφ=Δφ′并转到步骤S45；若有f(Δφ)＜f(Δφ′)，则根据如下概率P接受Δφ′：

$P=\left\{\begin{array}{c}1,\mathrm{\Δs}\≤0\\ \exp \left(\frac{-\mathrm{\Δs}}{T_k}\right),\mathrm{\Δs}>0\end{array}\right.$

其中， $\mathrm{\Δs}={\mathrm{\λ}}_1^n(f_1\left({\mathrm{\Δ\φ}}^{\′}\right)-f_1\left(\mathrm{\Δ\φ}\right))+{\mathrm{\λ}}_2^n(f_2\left({\mathrm{\Δ\φ}}^{\′}\right)-f_2\left(\mathrm{\Δ\φ}\right));$

S45：若达到内循环次数n>n(T_k)，则转到步骤S46；否则转到步骤S43；

S46：降低T_k，将k加1，若T_k<T_f则结束，否则重新设定内循环迭代次数n(T_k)，令内循环计数器n=0，并转到步骤S43。

（三）有益效果

上述技术方案具有如下优点：在无人类管理员干预的条件下，通过用户提交的测量报告及时准确发现有覆盖问题的小区，基于当前的网络状态，通过模拟退火智能优化算法自主生成基站天线下倾角调整的网络优化覆盖方案，调节基站覆盖范围，从而实现覆盖优化，从而有效提高网络运营效能和质量，在实现无线接入网覆盖优化时，减少人为对网络操作的干预从而降低成本。

附图说明

图1是本发明的方法流程图；

图2是基站天线水平图；

图3是基站天线三维图；

图4是模拟退火算法求解流程图；

图5是本发明实施例中用户初始分布图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

无线接入网下行覆盖问题主要分为两类：（1）覆盖不足，即小区无法为移动台提供有效的覆盖。其中某小区为移动台提供有效覆盖指的是，用户接收到的该小区的信号强度大于门限P_th，其中P_th根据无线接入网具体情况设定，将这种情况定为Ⅰ型覆盖异常（CA）情况；（2）覆盖过度，即无线网内小区为移动台提供了过多的有效覆盖或者非邻小区为移动台提供了有效覆盖，将移动台同时获得两个或多于两个小区有效覆盖的情况称为Ⅱ型覆盖异常情况。本发明将通过自主优化方法来解决这两类覆盖问题。

本发明提出的基于基站天线下倾角调整的覆盖自优化方法，以无线网运行过程中的覆盖异常情况发生概率最小为目标，方法包括检测、分析、规划、执行四个阶段，整个阶段均自主完成，无需人工干涉。具体流程如图1所示。

无线接入网的自主覆盖优化方法的具体步骤如下：

(1)检测事件触发条件。触发条件为：一类为业务量触发，当网络的拓扑结构发生变化后小区的业务量也会发生变化，从而小区的覆盖情况会有所不同，这时会触发自主覆盖优化。一类为周期性触发。当网络运行一定的时间后，也会导致无线网运行环境的改变，从而影响覆盖状况而触发自主覆盖优化。

(2)如果满足触发条件进入分析阶段，未满足则继续检测触发条件则继续停留在检测阶段。

(3)设定优化次数g，从移动台上交的测量报告中提取测量数据，测量数据包括移动用户位置信息（移动用户与基站间的距离和角度），接收信号强度和质量信息、以及用户的服务类型等。

(4)针对测量数据对当前的网络覆盖状况进行评估。不同网络给出的覆盖指标值的目标参考值均不相同。

(5)若覆盖指标值达到所述目标参考值，则不进行优化，否则进行优化。优化次数若超过预设值G，则产生警告通知网络管理员无法通过覆盖自优化方法无法完全优化的问题，如基站故障产生覆盖盲区等。告警内容包括：未达到指标的基站ID和评估指标值。否则，执行规划阶段，生成调整方案。

(6)根据当前的覆盖异常情况，利用所述测量数据采用模拟退火自主覆盖优化算法获取基站天线下倾角的调整值（改变值）。该功能是本发明的核心。

(7)根据上一步所获得的调整值对基站下倾角进行调整，并重新提取当前小区的测量报告，看是否需要再次优化。

步骤(6)中通过模拟退火自主覆盖优化算法获取基站天线下倾角的调整值是本发明的核心，下面将详细说明。先介绍本发明中使用的数学模型：

假设无线网内共有m个基站，总共有L个用户。第l个移动台的测量报告由向量P_l=[p^l ₁,p^l ₂,…,p^l _m]表示，其中p^l _i表示第l个用户的测量报告中该用户接收到基站i发射的信号强度，单位是dBm。对小区内每一个用户来说，他们到每一个基站天线下倾方向上的水平角和垂直角均不同。无线网内基站天线的下倾角由向量φ=[φ₁,φ₂,…,φ_m]表示；第l个用户到无线网内基站天线下倾方向在地面上投影的水平角由向量δ_l＝[δ^l ₁,δ^l ₂,…,δ^l _m]表示；第l个用户到基站天线下倾方向在移动台与基站所在平面上投影的垂直倾角由向量θ_l=[θ^l ₁,θ^l ₂,…,θ^l _m]表示，单位均为度。基站天线对第l个用户的水平基站天线增益由向量A_Hl=[A^l _h1，A^l _h2,…,A^l _hm]表示；基站天线对第l个用户的垂直基站天线增益由向量A_Vl=[A^l _v1,A^l _v2,…,A^l _vm]表示；基站天线对第l个用户总的基站天线增益由向量A_l＝[A^l ₁,A^l ₂,…,A^l _m]表示；由于基站天线下倾角改变导致的用户l接收的基站天线增益改变量由向量ΔA_l=[△A^l ₁,ΔA^l ₂,…,ΔA^l _m]，单位均为dB。

下面介绍第l个用户到基站天线i的下倾方向在地面上投影角度的计算方法。如图2所示，该图可视为俯视图，点O(a,b)为基站i所在位置，点A(x,y)为移动台l所在位置。角

为移动台到基站的水平角度（以正北为坐标），角ψ为基站天线水平方向角（以正北为坐标），角δ为移动台l到基站天线i下倾方向在地面上投影的水平偏角，即我们要求的δ^l _i。根据几何关系可知：

${\mathrm{\&delta;}}_i^l=\arctan \frac{x-a}{y-b}-\mathrm{\&psi;}---\left(1\right)$

其中，ψ由基站天线初始参数可知。

基站天线垂直角的关系图如图3所示，点O(a,b)为基站i位置，点A(x,y)为移动台l位置，OD为基站天线倾斜方向，OQ可视为基站方向，垂直于地面。α为从移动台处看基站天线的下倾角，β为从移动台看基站天线的仰角，γ为从移动台到基站天线下倾方向在移动台与基站所在平面上投影的垂直倾角，即为我们所要求的θ^l _i(φ_i)。

$\mathrm{\&beta;}=\arctan \left(\frac{h_{\mathrm{bs}}+h_a-h_u-h_{\mathrm{ms}}}{\sqrt{{(x-a)}^2+{(y-b)}^2}}\right)---\left(2\right)$

${{\mathrm{\&theta;}}^l}_i\left({\mathrm{\&phi;}}_i\right)=\mathrm{\&beta;}-{\mathrm{\&phi;}}_i\&times;\cos {\mathrm{\&delta;}}_i^l---\left(3\right)$

其中，h_bs为基站高度，h_a为基站天线高度，h_u为用户所在位置的高度，h_ms为移动台高度，单位均为km。

可由式(1)-(3)中所求的基站天线水平和垂直增益角分别求得基站天线的水平增益

和垂直增益

如下：

${A_{\mathrm{hi}}}^l\left({\mathrm{\&delta;}}_i^l\right)=-\min [12{\left(\frac{{\mathrm{\&delta;}}_i^l}{{\mathrm{\&delta;}}_{3\mathrm{dB}}}\right)}^2,A_m]---\left(4\right)$

其中，δ_3dB为水平半功率波束宽度，A_m为常数，取值为25dB，min[x,y]表示求x,y两个值中的较小值。

${A_{\mathrm{vi}}}^l\left({\mathrm{\&phi;}}_i\right)=-\min [12{\left(\frac{{\mathrm{\&theta;}}_i^l\left({\mathrm{\&phi;}}_i\right)-{\mathrm{\&phi;}}_i}{{\mathrm{\&theta;}}_{3\mathrm{dB}}}\right)}^2,{\mathrm{SLA}}_v]---\left(5\right)$

式(5)中，θ_3dB为垂直半功率波束宽度，SLA_v为常数，取值为20dB。则总的基站天线增益为：

$A_i^l=-\min \{-[{A_{\mathrm{hi}}}^l\left({\mathrm{\&delta;}}_i^l\right)+{A_{\mathrm{vi}}}^l\left({\mathrm{\&phi;}}_i\right)],A_m\}---\left(6\right)$

其中，A_m为常数，取值为25dB。

由式(1)-(6)可知，当改变基站i基站天线的下倾角时，基站天线对用户的基站天线水平增益是不变的，而用户的基站天线垂直增益的改变值只与基站天线下倾角的改变值有关。因此，用户接收到基站天线增益的改变值只与基站天线下倾角的改变量有关。由此可得：

$\mathrm{\&Delta;}{A}_i^l\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)=A_i^{\&prime;l}-A_i^l---\left(7\right)$

其中，Δφ_i为基站i基站天线下倾角的改变值，为调整后的基站天线增益值，

为原来基站天线增益值。

根据优化目标：通过调整基站天线下倾角使得I、II型CA情况发生概率f₁(Δφ)和f₂(Δφ)之一最小，且取f₁(Δφ)和f₂(Δφ)的最小值中的较小值所对应的下倾角的改变量Δφ为计算结果，其中：

$f\left(\mathrm{\&Delta;\&phi;}\right)={[f_1\left(\mathrm{\&Delta;\&phi;}\right),f_2\left(\mathrm{\&Delta;\&phi;}\right)]}^T=\left[\begin{array}{c}\frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-1\&times;\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\\ \frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-3+\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\end{array}\right]$

通过下式(8)可以求出f₁(Δφ)和f₂(Δφ)中的较小值：

$\min f\left(\mathrm{\&Delta;\&phi;}\right)=\min {[f_1\left(\mathrm{\&Delta;\&phi;}\right),f_2\left(\mathrm{\&Delta;\&phi;}\right)]}^T=$

$\min \left[\begin{array}{c}\frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-1\&times;\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\\ \frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-3+\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\end{array}\right]---\left(8\right)$

其中，Δφ＝[Δφ₁，Δφ₂，…，Δφ_m]，表示每一个基站天线下倾角的改变量(或称为调整量)，单位为度。在实际场景中，基站天线下倾角的值一般在[0°，10°]间变化。ε(x)是阶跃函数，即当x≥0时ε(x)＝1，否则，ε(x)＝0。

下面将具体介绍用模拟退火算法求解该问题的解集的具体步骤，如图4所示：

第1步：随机产生初始解Δφ，其中Δφ_i的值在[-0.1，0.1]上均匀分布，并将其加入解集Δφ_T中，计算f(Δφ)的值。给定初温T₀和末温T_f，令迭代指标k＝0，T_k＝T₀，设定内循环迭代次数n(T_k)，令内循环计数器n＝0。

第2步：产生服从均匀分布的随机权向量集合Z，Z＝(λ¹，…，λ^N)，随机权向量λⁿ＝(λ₁ ⁿ，λ₂ ⁿ)，λ₁ ⁿ+λ₂ ⁿ＝1，其中，N是一个常数，与异常概率发生情况的函数个数有关，本发明中有2种异常状况，所以N=2。

第3步：产生Δφ的邻域解Δφ′，Δφ′=Δφ+ω，其中ω=[ω₁,ω₂,…,ω_m]，ω_i的值在[-0.1,0.1]上均匀分布，计算f(Δφ′)（计算公式类似公式（8），仅其中的参数Δφ换成Δφ′），令n=n+1。

第4步：若

有f(Δφ′)＜f(Δφ)，将Δφ′加入Δφ_T中，并将f(Δφ′)＜f(Δφ)中的Δφ从解集Δφ_T中删除，令Δφ=Δφ′并转到第5步；若有f(Δφ)＜f(Δφ′)，则并不全部舍弃这个解,而是根据如下概率P接受Δφ′：

$P=\left\{\begin{array}{c}1,\mathrm{\&Delta;s}\&le;0\\ \exp \left(\frac{-\mathrm{\&Delta;s}}{T_k}\right),\mathrm{\&Delta;s}>0\end{array}\right.$

其中， $\mathrm{\&Delta;s}={\mathrm{\&lambda;}}_1^n(f_1\left({\mathrm{\&Delta;\&phi;}}^{\&prime;}\right)-f_1\left(\mathrm{\&Delta;\&phi;}\right))+{\mathrm{\&lambda;}}_2^n(f_2\left({\mathrm{\&Delta;\&phi;}}^{\&prime;}\right)-f_2\left(\mathrm{\&Delta;\&phi;}\right)).$

第5步：若达到热平衡（内循环次数n>n(T_k)），转第6步；否则转第3步。

第6步：降低T_k，k＝k+1，若T_k<T_f则算法停止，否则，重新设定内循环迭代次数n(T_k)，令内循环计数器n=0，转第3步。其中，T_k=g*T_k，g为常数，取值范围在[0.95,1）之间，根据实际需要取值。

由于模拟退火算法会接受性能较差的解，所以最终解可能会比运算过程中最好解的性能差。因此，在获得解集Δφ_T后，从解集中选择使Ⅰ、Ⅱ型覆盖异常情况出现概率都最小的解为最终的调整方案。

以上提到的模拟退火算法是基于Mente-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

下面以UMTS网络为例进行说明：

图5是用户初始分布图，其中*表示基站位置，+表示用户位置，图5给出了基站和用户的分布情况，共分布有m=16个功能一致的基站。基站距离在1.7km到1.75km之间，每个基站为单小区基站，基站的覆盖范围近似为圆形。区域的用户数为L=1000个，用户随机分布，他们的业务均为12.2kbps的语音业务，移动台最大发射功率为23dBm。基站天线类型为全向智能基站天线，下倾角初值设为3°，基站天线效率0.8。

按照基于无线接入网的自主覆盖优化方法对于覆盖不足场景进行优化得到结果如表1所示，表1给出了优化前后单位时间内用户主小区PCPICH RSCP分布概率，它的计算方法为：移动台测量上报数据中，主小区的PCPICH RSCP值分布在各门限区间内的数量占总数的比例。分别从-83dBm开始以4dBm为间隔到-99dBm来分割区间。

表1 PCPICH RSCP分布概率

表2给出了优化前后单位时间内PCPICH E_c/I_o分布概率，它的计算方法为：移动台测量上报数据中，主小区的PCPICH E_c/I_o值分布在各门限区间内的数量占总数的比例，分别从-15dB开始以3dB为间隔到-9dB来分割区间。

表2 PCPICH Ec/Io分布概率

结合覆盖指标参考目标值可以看出，优化前PCPICH RSCP和E_c/I_o的分布概率均未达到目标参考值。优化后PCPICH RSCP大于-95dBm的概率为99.3%，比优化前提高了10.3%，大于98%的目标参考值，达到了覆盖标准要求。优化后PCPICH E_c/I_o大于-12dB的概率为98.6%，PCPICH E_c/I_o比优化前提高了11.7%，大于95%的优化目标。从以上结果可以看出基于基站天线下倾角调整的自主覆盖优化方法，能够很好地对覆盖指标进行自主优化，有效地解决了弱覆盖问题。

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，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (6)

1.一种无线接入网自主覆盖优化方法，其特征在于，包括以下步骤：

S1、检测自主覆盖优化事件的触发条件，如果满足所述触发条件则执行步骤S2，否则继续检测所述触发条件；

S2、从测量报告中提取测量数据；

S3、针对所述测量数据对当前的网络覆盖状况进行评估，若覆盖指标值达到目标参考值，则结束，否则执行步骤S4；

S4、根据当前的覆盖异常情况，利用所述测量数据获取基站天线下倾角的调整量；

S5、根据步骤S4所获得的调整量对基站天线下倾角进行调整，并重新获取所述测量报告，然后返回步骤S1。

2.如权利要求1所述的方法，其特征在于，步骤S4中采用模拟退火算法获取基站天线下倾角的调整量。

3.如权利要求1所述的方法，其特征在于，所述触发条件为网络的拓扑结构发生变化，或者网络运行环境发生变化。

4.如权利要求1所述的方法，其特征在于，步骤S4中获取基站天线下倾角的调整量目标是使得以下两种覆盖异常情况发生的概率之一最小，且取两个最小值中的较小值所对应的下倾角的调整量为计算结果：第一种情况是移动台无法获得小区的有效覆盖；第二种情况下是移动台同时获得了两个或两个以上小区的有效覆盖。

5.如权利要求4所述的方法，其特征在于，步骤S4中获取基站天线下倾角的调整量的目标是使得矩阵f(Δφ)中的两个元素之一最小，且取f₁(Δφ)和f₂(Δφ)的最小值中的较小值所对应的下倾角的调整量Δφ为计算结果：

$f\left(\mathrm{\&Delta;\&phi;}\right)={[f_1\left(\mathrm{\&Delta;\&phi;}\right),f_2\left(\mathrm{\&Delta;\&phi;}\right)]}^T=\left[\begin{array}{c}\frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-1\&times;\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\\ \frac{\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(-3+\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}\mathrm{\&epsiv;}(P_i^l+\mathrm{\&Delta;}{A^l}_i\left(\mathrm{\&Delta;}{\mathrm{\&phi;}}_i\right)-P_{\mathrm{th}}))}{L}\end{array}\right]$

其中，L表示用户总数，ε(x)为阶跃函数，m表示基站总数，p^l _i表示第l个用户的测量报告中该用户接收到第i个基站发射的信号强度，

表示由于第i个基站的基站天线下倾角改变所导致的用户l接收的基站天线增益改变量，Δφ_i表示第i个基站的基站天线下倾角的改变量，P_th表示用户接收到的小区信号强度门限值。

6.如权利要求5所述的方法，其特征在于，步骤S4具体包括：

S41：随机产生初始解Δφ=[△φ₁,△φ₂,…,Δφ_i,…,△φ_m]，其中△φ_i的值在[-0.1,0.1]上均匀分布，并将其加入解集Δφ_T中，计算f(Δφ)的值，给定初温T₀和末温T_f，令迭代指标k＝0，T_k=T₀，设定内循环迭代次数n(T_k)，令内循环计数器n=0；

S42：产生服从均匀分布的随机权向量集合Z，Z=(λ¹,…,λⁿ,…,λ^N)，随机权向量λⁿ=(λ₁ ⁿ,λ₂ ⁿ)，λ₁ ⁿ+λ₂ ⁿ=1，N表示覆盖异常情况个数;

S43：产生Δφ的邻域解Δφ′，Δφ′=Δφ+ω，其中ω=[ω₁,ω₂,…,ω_i,…,ω_m]，ω_i的值在[-0.1,0.1]上均匀分布，计算f(Δφ′),令n=n+1;

S44：若对于

有f(Δφ′)＜f(Δφ)，将Δφ′加入解集Δφ_T中，并将f(Δφ_T)＜f(Δφ)的Δφ从解集Δφ_T中删除，令Δφ=Δφ′并转到步骤S45；若有f(Δφ)＜f(Δφ′)，则根据如下概率P接受Δφ′：

$P=\left\{\begin{array}{c}1,\mathrm{\&Delta;s}\&le;0\\ \exp \left(\frac{-\mathrm{\&Delta;s}}{T_k}\right),\mathrm{\&Delta;s}>0\end{array}\right.$

其中， $\mathrm{\&Delta;s}={\mathrm{\&lambda;}}_1^n(f_1\left({\mathrm{\&Delta;\&phi;}}^{\&prime;}\right)-f_1\left(\mathrm{\&Delta;\&phi;}\right))+{\mathrm{\&lambda;}}_2^n(f_2\left({\mathrm{\&Delta;\&phi;}}^{\&prime;}\right)-f_2\left(\mathrm{\&Delta;\&phi;}\right));$

S45：若达到内循环次数n>n(T_k)，则转到步骤S46；否则转到步骤S43；

S46：降低T_k，将k加1，若T_k<T_f则结束，否则重新设定内循环迭代次数n(T_k)，令内循环计数器n=0，并转到步骤S43。

Images