CN102958057B - 一种动态频谱优化方法、装置及系统 - Google Patents

Abstract

本发明公开了一种动态频谱优化方法、装置及系统，属于通信技术领域。所述方法包括：预测多个小区中的每个小区内终端的业务量分布；根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案；使用所述选择的频谱分配方案，为所述多个小区分配频谱。本发明通过预测业务量分布，生成多个频谱分配方案，进行动态频谱分配，提高了频谱利用率；根据多个网络性能指标，选择优化的频谱分配方案，同时优化了多个网络性能指标。

Description

一种动态频谱优化方法、装置及系统

技术领域

本发明涉及通信技术领域，特别涉及一种动态频谱优化方法、装置及系统。

背景技术

目前的频谱管理一般采用静态频谱管理方式对频谱资源进行分配，静态频谱管理方式是使用传统的频谱分配算法，根据传播衰减和干扰容许指标确定频谱最小的复用距离，从而为各个基站配置合适的频谱。为了确定频谱复用距离，需要通过计算信号的传播衰减估计基站间的干扰强度，根据限制条件“干扰强度估计值不大于干扰容许量”来确定最小的复用距离。通常干扰强度估计值需要加上一个特定的冗余量，以使最小复用距离能够适应更多的网络状态，该冗余量通常根据经验确定。正是由于干扰容许指标包含了较大的冗余量，静态规划所确定的固定频谱复用距离在大部分时间内是大于实际需要的频谱复用距离，造成频谱利用率的下降。

随着通信技术的发展，静态的频谱管理方式已不能满足要求，为了提高频谱的利用率，提出了动态频谱管理的方法，实现动态的频谱接入。动态频谱接入分配给不同用户的频谱宽度可以根据网络状态的变化而变化，当某一用户释放了它的频带，允许其他的用户使用它的频带，频谱管理装置会根据历史网络负载的记录预测出下一周期网络负载的状态，根据负载的变化将空闲频带重新分配给需要的用户，提高了频谱的利用率。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

频繁的网络状态变化会引起频繁的频谱重分配，而频繁的频谱重分配会影响多个网络性能指标，在提高频谱利用率的同时，有些网络性能指标会变差。

发明内容

为了提高频谱利用效率，同时优化多个网络性能指标，本发明实施例提供了一种动态频谱优化方法、装置及系统。所述技术方案如下：

一种动态频谱优化方法，所述方法包括：

预测多个小区中的每个小区内终端的业务量分布；

根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；

根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案；

使用所述选择的频谱分配方案，为所述多个小区分配频谱。

一种动态频谱优化装置，所述装置包括：

预测模块，用于预测多个小区中的每个小区内终端的业务量分布；

生成模块，用于根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；

优化模块，用于根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案；

分配模块，用于使用所述选择的频谱分配方案，为所述多个小区分配频谱。

一种动态频谱优化系统，所述系统包括：

所述的动态频谱优化装置及所述多个小区所属的基站；

所述基站用于接收所述动态频谱优化装置为所述多个小区分配的频谱。

本发明实施例提供的技术方案带来的有益效果是：

通过预测终端业务量的分布，根据业务量分布得到多个频谱分配方案，动态进行频谱分配的管理，提高了频谱利用率；同时根据多个网络性能指标，从多个频谱分配方案中选出优于当前频谱分配方案的频谱分配方案，同时优化了多个网络性能指标。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1提供的动态频谱优化方法流程图；

图2是本发明实施例2提供的动态频谱优化方法流程图；

图3是本发明实施例2提供的得到多个频谱分配方案的流程图；

图4是本发明实施例2提供的获得存在折衷关系的多个网络性能指标对应的频谱分配方案集合的流程图；

图5是本发明实施例2提供的网络状态示意图；

图6是本发明实施例2提供的使用Holt-Winters方法预测参数与实际测量值之间的对比示意图；

图7是本发明实施例2提供的根据网络性能指标的期望值，确定最优频谱分配方案的示意图；

图8是本发明实施例2提供的最优频谱分配方案对应的网络状态示意图；

图9是本发明实施例3提供的动态频谱优化装置结构示意图；

图10是本发明实施例3提供的包括判断模块的动态频谱优化装置结构示意图；

图11是本发明实施例3提供的动态频谱优化装置具体结构示意图；

图12是本发明实施例4提供的动态频谱优化系统结构示意图。

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实施方式作进一步地详细描述。

实施例1

如图1所示，本发明实施例提供了一种动态频谱优化方法，包括步骤：

101：预测多个小区中的每个小区内终端的业务量分布；

该步骤中可以采用多种方法对业务量分布进行预测，比如Holt-Winters方法、基于历史业务量分布的预测方法。本发明并不限制预测终端的业务量分布所采用的方法，本领域的技术人员也可以根据其他可以用于预测用户的业务量分布的方法进行预测，本发明并不对此进行限制。

102：根据每个小区内终端的业务量分布，为多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；

该步骤根据每个小区内终端的业务量分布计算得到小区的预测负载，根据预测负载为每个小区分配频谱。

103：根据多个小区所在的网络的至少两个网络性能指标，在多个频谱分配方案中选择一个优于多个小区当前的频谱分配方案的频谱分配方案；

该步骤考虑了频谱分配方案不当时，会对网络性能产生影响，因为步骤102是以预测出多个小区中包含的终端的业务量分布生成的多个频谱分配方案，因为频谱可以复用，所以给每个小区分配的频谱可以进行选择，生成的频谱分配方案也不同，而频谱分配方案的不同会对网络性能产生影响，如果网络运行中需要考虑多个网络性能指标，就需要同时考虑优化多个网络性能指标，根据多个网络性能指标，在多个频谱分配方案中选择一个优于当前的频谱分配方案的频谱分配方案。

104：使用选择的频谱分配方案，为多个小区分配频谱。

该步骤在根据多个网络性能指标选择出比当前频谱方案优化的方案后，再使用选择的频谱分配方案进行频谱分配。

进一步，预测多个小区中的每个小区内终端的业务量分布之前，该方法还包括：

判断多个小区当前的频谱分配方案是否适合终端的业务量分布；如果不适合，则预测多个小区中的每个小区内终端的业务量。

当频谱分配方案不符合终端的业务量分布的时候，会对网络性能产生影响，因此需要在该步骤中判断当前的频谱分配是否适合终端的业务量分布，如果不适合，则预测多个小区中的每个小区内终端的业务量。

进一步，判断多个小区当前的频谱分配方案是否适合终端的业务量分布，包括：

获取多个小区所在的网络的平均频谱效率，如果平均频谱效率小于预设的频谱效率阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布；

或者，获取多个小区所在的网络的平均负载，如果平均负载大于预设的负载阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布。

本发明实施例所述的方法，通过预测每个小区内终端的业务量分布，生成多个频谱分配方案，进行了动态的频谱管理过程，提高了频谱利用率；并同时考虑多个网络性能指标，根据多个网络性能指标选择出优化频谱分配方案，同时对多个网络性能指标进行了优化。

实施例2

如图2所示，本发明实施例提供了一种动态频谱优化方法，包括步骤：

201：判断多个小区当前的频谱分配方案是否适合终端的业务量分布；

平均频谱效率和平均负载是网络性能最基本的指标，如果平均频谱效率和平均负载其中之一不满足特定值，表明当前频谱分配方案与终端的业务量分布不匹配，需要重新分配频谱。

该步骤包括：根据获取的多个小区所在的网络的平均频谱效率，如果判断平均频谱效率小于预设的频谱效率阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布；

或者，根据获取的多个小区所在的网络的平均负载，如果判断平均负载大于预设的负载阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布。

具体地，可以根据当前频谱分配方案下网络侧的参数配置，不断进行测量和计算获得多个小区所在的网络实时平均负载或者平均频谱效率。在获得实时平均频谱效率或者平均负载后，就进行判断实时平均频谱效率是否小于预设频谱效率阈值，或者平均负载是否大于预设负载阈值；频谱效率阈值和负载阈值根据具体的网络需求来决定。

如果判断出平均频谱效率确实小于预设频谱效率阈值或者平均负载确实大于预设负载阈值，则当前频谱分配方案不适合终端的业务量分布，需要预测多个小区中的每个小区内终端的业务量分布，重新生成频谱分配方案。

如果没有判断出平均频谱效率小于预设频谱效率阈值或者平均负载大于预设负载阈值，继续测量和计算获得实时平均负载或平均频谱效率。

202：分别根据每个小区内终端的业务量分布预测每个小区的预测负载，根据每个小区的预测负载为多个小区分配频谱，得到多个频谱分配方案。

该步骤中，每个小区内终端的业务量分布需要不断的收集小区内各个终端的业务量信息，这是因为终端用户的业务习惯和移动导致了业务量的变化，单个终端用户发起一个数据传输或者移动到某个位置通常是随机的，但大量终端用户、长时间统计却具有明显的规律性，如工作日上下班路线、白天商务区业务量大而晚上住宅区业务量大，等等。

收集小区内各个终端的业务量信息后，使用Holt-Winters方法预测出业务量分布，分别根据每个小区内终端的业务量分布预测每个小区的预测负载。

以x₁，...，x_t表示一个周期为d的时间序列，根据当前记录到的序列，预测该序列h时刻之后的值的Holt-Winters方法是：

L_t＝ζ·(x_t-I_t-d)+(1-ζ)·L_t-1，

I_t＝δ·(x_t-L_t)+(1-δ)·I_t-d，

${\hat{x}}_{t+h}=L_t+I_{t-d+h\mathrm{mod}d},---\left(1\right)$

其中，L_t是业务量均值部分，I_t是业务量周期变化值部分，在观测到序列的周期性之后获得预测值，0≤ζ≤1和0≤δ≤1是控制平滑程度的参数。

具体地，如图3所示，本实施例步骤202具体包括步骤301-306：

301：将多个小区中的每个小区划分为至少一个单元；

该步骤将网络包括的多个小区，每个小区的范围划分为若干单元(pixel)，通常是规则的单元，如，正方形。

302：获取每个小区的每个单元内终端当前的业务量；

该步骤以单元(pixel)为单位测量和记录业务量。

303：对于每个小区，根据其中每个单元内终端当前的业务量，预测出每个单元内的终端的业务量分布；

该步骤采用Holt-Winters方法即公式(1)对单元(pixel)记录的业务量进行统计和预测，得到每个pixel内的业务量分布规律。以1小时为周期进行统计和预测业务量，统计和预测业务量的周期通常取决于业务量变化的周期，一般来讲，业务量在每天的不同时段就有不同分布，因此小时级别的统计和预测是合适的，统计和预测的周期相对长于调度周期(指接入网络资源的调度周期)。

304：对于每个小区，根据预测的每个单元内的终端的业务量分布，计算得到小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数；

该步骤对小区引入三个参数和预测小区的负载，参数和分别表示预测负载参数、预测噪声干扰参数和预测传播衰减参数。

$G_c=\underset{s\∈S}{\mathrm{\Σ}}\underset{p\∈P_c}{\mathrm{\Σ}}\frac{T_{s,p}\·D_s}{W_{b_c}\·k_c^{\mathrm{sch}}\·{\mathrm{\η}}^{\mathrm{BW}}}---\left(2\right)$

$N_c=\underset{s\∈S}{\mathrm{\Σ}}\underset{p\∈P_c}{\mathrm{\Σ}}\frac{T_{s,p}\·{\mathrm{\η}}^{\mathrm{SINR}}\·D_s\·P^n}{W_{b_c}\·k_c^{\mathrm{sch}}\·{\mathrm{\η}}^{\mathrm{BW}}\·P_c\·g_{c,p}}---\left(3\right)$

$H_{c,d}=\underset{s\∈S}{\mathrm{\Σ}}\underset{p\∈P_c}{\mathrm{\Σ}}\frac{T_{s,p}\·{\mathrm{\η}}^{\mathrm{SINR}}\·D_s\·P_d\·g_{d,p}}{W_{b_c}\·k_c^{\mathrm{sch}}\·{\mathrm{\η}}^{\mathrm{BW}}\·P_c\·g_{c,p}}---\left(4\right)$

其中，T_s，p为第c小区第p个pixel内属于s业务的用户的个数，表示出第p个pixel内的业务量分布。

305：根据每个小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数，计算得到每个小区的预测负载；

该步骤根据式(2)-(4)可以得到小区c的预测负载：

${\widehat{\mathrm{\ρ}}}_c=G_c\·f(\frac{N_c}{G_c}+\underset{d\∈I_c}{\mathrm{\Σ}}\frac{H_{c,d}\·\min ({\widehat{\mathrm{\ρ}}}_d,1)}{G_c}),c=1,...,C.---\left(5\right)$

其中，函数 $f\left(x\right)=\frac{\log \left(2\right)}{\ln (1+1/x)}.$

还可以采用另外的方法计算小区的预测负载，具体如下：

假设网络中M：＝{1，...，M}表示终端集合，S：＝{1，...，S}表示业务集合，C：＝{1，...，C}表示小区集合，B：＝{1，...，B}表示频带集合，频带b_c∈B被分配给某个小区c∈C，其频带宽度为相应的干扰小区集合为I_c＝{d∈C：b_d＝b_c，d≠c}。业务类别s∈S，对应了属于s业务的带宽需求D_s，而s_m∈S对应了某个终端m∈M的带宽需求小区负载以矢量表示为ρ＝(ρ₁，...，ρ_C)。小区c内的终端个数表示为M_c＝|M_c|。网络被划分为若干个pixel：P：＝{1，...，P}，代表第c个小区的pixel的集合。则第m个终端的信噪比(SINR)表示为：

${\mathrm{\γ}}_m\left(\mathrm{\ρ}\right)=\frac{P_c\·g_{c,m}}{P^n+\underset{d\∈I_c}{\mathrm{\Σ}}{\mathrm{\ρ}}_d\·P_d\·g_{d,m}}---\left(6\right)$

其中P_d表示每个PRB(Physical Resource Block，物理资源块)的发射功率，g_d，m表示第d个小区到第m个终端的信道增益，Pⁿ表示噪声功率。根据香农公式，第m个终端的每赫兹带宽为：

$R_m\left(\mathrm{\ρ}\right)=k_c^{\mathrm{sch}}\·{\mathrm{\η}}^{\mathrm{BW}}\·{\log }_2(1+{\mathrm{\γ}}_m\left(\mathrm{\ρ}\right)/{\mathrm{\η}}^{\mathrm{SINR}})---\left(7\right)$

其中为用户终端m在小区c的调度增益，η^BW和η^SINR为模型修正参数，因为式(7)是一个近似表达式，通过实际测量之后引入这两个参数修正近似误差。根据式(7)可以计算出第c小区需要为第m用户终端分配的带宽为：

$W_m\left(\mathrm{\ρ}\right)=\frac{D_{s_m}}{R_m\left(\mathrm{\ρ}\right)}---\left(8\right)$

由此可以计算出第c小区的预测负载和真实负载ρ_c：

${\widehat{\mathrm{\ρ}}}_c\left(\mathrm{\ρ}\right)=\frac{\underset{m\∈M_c}{\mathrm{\Σ}}{W}_m\left(\mathrm{\ρ}\right)}{W_{b_c}}---\left(9\right)$

${\mathrm{\ρ}}_c=\min ({\widehat{\mathrm{\ρ}}}_c,1)---\left(10\right)$

采用这种方法也可以计算出预测负载，只是直接计算式(9)(10)需要测量大量的数据(每个终端的位置和信噪比)，计算量较大。

306：根据每个小区的预测负载，为多个小区分配频谱，生成多个频谱分配方案。

在小区预测负载确定的情况下，因为频谱的复用，可以有好几种频谱有可能分配给该小区，多个小区可以有多种分配的方式，因此得到多个频谱分配方案。

203：根据多个小区所在的网络的至少两个网络性能指标，采用遗传算法在多个频谱分配方案中，选出优于多个小区当前的频谱分配方案的多个频谱分配方案，得到频谱分配方案集合；

网络性能指标是指在网络建好后用来评价网络性能好坏的指标，比如，掉话和阻塞率、中断或延迟率。频谱分配方案变化后对网络性能有影响的有多个网络性能指标，为了同时进行优化多个网络性能指标，通常可以采用遍历所有频谱分配方案的方法，但是这种简单遍历的方法效率太低。本发明实施例给出了采用遗传算法的方法从得到的多个频谱分配方案中选择出优于当前频谱分配方案的优化频谱方案集合。

由于很多时候多个网络性能指标之间是存在折衷关系的，比如，因为频谱分配不当、或者频谱资源不足很容易会导致掉话或者阻塞，需要改变频谱分配优化掉话和阻塞率，但是对某些小区的频谱进行改变频谱分配的动态频谱管理过程过于频繁，这些小区内正在运行的业务将会受到影响(中断或延迟)，从用户感受角度考虑，中断或延迟率需要控制在合理的范围内，那么掉话和阻塞率(CDBR)和中断或延迟率(SI)之间就存在折衷关系。

在优化多个具有折衷关系网络性能指标的时候，需要确定多个存在折衷关系的网络性能指标之间的最优折衷点，要尽可能找到所有存在折衷关系的网络性能指标之间的对应关系，因此本实施例提供了一种Pareto Front集合，该集合中的频谱分配方案都是优化的频谱分配方案，对于存在折衷关系的多个网络性能指标来说不分优劣(比如，在频谱分配方案1下，CDBR指标稍微高一点，而SI指标稍微低一点，频谱分配方案2下，CDBR指标稍微低一点，而SI指标稍微高一点，频谱分配方案1和频谱分配方案2对网络性能的影响是等同的)，Pareto Front集合可以用来描述多个存在折衷关系的网络性能指标之间的对应关系，该集合采用遗传算法来确定。

如图4所示，采用遗传算法来确定Pareto Front集合包括步骤401-409：

401：在多个小区所在的网络的至少两个网络性能指标中，对任意两个网络性能指标确定是否存在折衷关系，得到具有折衷关系的网络性能指标；

在本实施例中预设需要改善的至少两个网络性能指标，本实施例以CDBR和SI为例进行说明，并不对预设那些网络性能指标(KPI)及其定义进行限定，可以根据网络的需要预设其他的网络性能指标(KPI)，对本发明的方法来说都适用。可以根据已有的经验或者网络性能指标(KPI)的物理定义找到具有折衷关系的多个网络性能指标。

其中，掉话和阻塞率(CDBR，Call Drop and Block Rate)网络性能指标(KPI)定义式表示为：

$f_{\mathrm{CDBR}}(\mathrm{\ρ},M)=\frac{\underset{c\∈C}{\mathrm{\Σ}}\max ((1-\frac{1}{{\mathrm{\ρ}}_c})\·M_c,0)}{\underset{c\∈C}{\mathrm{\Σ}}{M}_c}---\left(11\right)$

业务中断(SI，Service Interruption)网络性能指标定义如式(12)所示。SI的定义式也可以包含更复杂的参数，如业务QoS参数。

$f_{\mathrm{SI}}(b,b^{\mathrm{pre}},M)=\frac{\underset{c\∈C}{\mathrm{\Σ}}(b_c\≠b_c^{\mathrm{pre}})\·M_c}{\underset{c\∈C}{\mathrm{\Σ}}{M}_c}---\left(12\right)$

其中，表示小区的上一次频谱配置，b表示当前的频谱配置。

402：将多个频谱分配方案中的每个频谱分配方案作为一个个体组成本代；

403：在预设的循环条件未满足时，重复执行以下步骤，直到循环条件满足：

预设的循环条件为预设的时间达到或者误差超过预设的误差，或者可以是其他的结束条件，根据需要而进行设定，本发明实施例不对此进行限制。

404：对于本代内的每个个体，预测出使用个体时具有折衷关系的网络性能指标的值；

405：优选器根据预测的使用每个个体时具有折衷关系的网络性能指标的值，选出本代内的优质个体；

406：组合器在本代内选出多个个体进行组合，得到组合个体；

407：突变器在本代内选出多个个体进行随机扰动，产生突变个体；

408：将优质个体、组合个体和突变个体组成次代，将次代重新作为本代进入下一次循环；

409：将循环结束后得到的当前的次代作为频谱分配方案集合。

本实施例具体的以式(11)、(12)作为网络性能指标定义式进行遗传算法的伪代码清单见表1。组合函数Crossover的伪代码清单见表2。变异函数Mutation的伪代码清单见表3。

表1

表2

表3

204：根据至少两个网络性能指标的期望值，在频谱分配方案集合中选择最优的频谱分配方案；

在获得了所有具有折衷关系的网络性能指标对应的优化频谱分配方案集合后，该集合内所有频谱分配方案都要优于当前的频谱分配方案，然而，考虑了实际应用的限制，可以最终确定最优的分配方案。该步骤将预设的至少两个网络性能指标的期望值作为参考点，对于频谱分配方案集合内的每个频谱分配方案，预测出使用频谱分配方案时至少两个网络性能指标的预测值；本实施例使用参考点法进行计算，求出使网络性能指标的预测值与网络性能指标的期望值作为的参考点之间距离最小的频谱分配方案；将与参考点之间距离最小的网络性能指标的预测值对应的频谱分配方案选择为最优的频谱分配方案。

具体地，参考点法是根据运营商对于网络性能指标(KPI)的期望值，例如，对于式(11)定义的CDBR和式(12)定义的SI两个KPI，运营商通常根据经验和网络服务质量保证要求而具有期望值，典型地，z_CDBR＝0和z_SI＝0，则z＝(z_CDBR，z_SI)作为网络性能指标(KPI)取值的参考点。如果有两个以上的KPI，根据两个以上的网络性能指标(KPI)期望值，得到z＝(z₁，z₂，z₃...)为网络性能指标(KPI)取值的参考点。

本发明实施例运用参考点法将参考点与希望得到的频谱分配方案之间的约束通过式(13)实现。

min max_{i＝1，...，k}[w_i(f_i(x)-z_i)]

s.t.x∈S                            (13)

其中，x表示一个频谱分配方案，f(x)表示由一个频谱分配方案预测出来的网络性能指标的预测值，S表示Pareto Front集合中的频谱分配方案。

式(13)将多目标优化问题转换为依赖于参考点的单优化目标问题。

如果只考虑两个网络性能指标(CDBR和SI)时，式(13)的问题等价于w_CDBR(f_CDBR(x)-z_CDBR)＝w_SI(f_SI(x)-z_SI)，在以网络性能指标CDBR作为横轴，以网络性能指标SI作为纵轴的平面(f_CDBR(x)，f_SI(x))上，该优化问题是一条通过参考点(z_CDBR，z_SI)的直线，斜率由(w_CDBR，w_SI)决定，(w_CDBR，w_SI)为网络性能指标的权重值，根据网络性能指标期望值确定，在本发明实施例中，由于网络性能指标期望值相等，权重也相等，因此斜率为1。根据该直线与Pareto Front集合中的频谱分配方案预测出的网络性能指标预测值之间的交点，即可以确定由问题(13)描述的最优化问题的最优解，参见图7中圆圈中的点，即为根据公式(13)和网络性能指标的期望值得到的最优的频谱分配方案。以最优的频谱分配方案进行频谱分配。当考虑三个网络性能指标(KPI)，式(13)的问题等价于求解公式(13)在k等于3时的最大化最小值，可以采用现有的数学方法进行求解。

选择最优的频谱分配方案还可以采用其他的方法求解，参见图7中的拟合曲线，以一条曲线作为近似Pareto Front集合中的频谱分配方案预测出来的网络性能指标预测值曲线，采用加权求和的方法得到最优解，参见图7中的曲线上点，都可以作为最优点的值，相对于当前频谱分配方案来说都是对网络性能进行了优化的频谱分配方案，但是很显然这些点之间的网络性能差距很大，比如在图7曲线上的菱形中的点，位于曲线的右下角，与曲线左上角曲线上的点比较，网络性能指标值差距较大，在不同时刻网络性能指标值差距较大会造成网络性能的不稳定。

如图5所示，实际考虑一个由37个小区组成的网络，小区5和小区26为重负载小区，平均用户数为100，其它小区为非重负载小区，平均用户数为20，所有用户使用512k恒定速率业务。网络初始以复用3的方式分配频谱(即有3个频谱可以复用)，在频谱复用3的情况下小区虚拟负载标识在小区序号旁。虚拟负载即指用户请求的负载，当虚拟负载大于1时表明该小区过载，如图5所示的小区5和小区26，虚拟负载均为1.4，因此属于过载小区，将产生严重的掉话和阻塞，判断出小区5和小区26平均频谱效率和平均负载与网络终端终端的业务量分布不匹配，需要重新进行频谱分配。

通过收集终端用户业务量信息，得到终端用户的业务量的变化规律如下：每天0am-8am终端用户主要集中在小区18、20、7和28；从8am-12pm终端用户逐渐从这些小区移动到小区30、17、3和33；从12pm-8pm终端用户将主要集中到小区30、17、3和33；从8am-12am终端用户将逐渐移动到小区18、20、7和28。

本发明使用Holt-Winters方法预测下一周期业务量分布，并得到预测值与实际值之间的对比见图6，其中浅色实线表示业务量分布的实际值，深色实线表示业务量分布的预测值，可以看出预测得到的分布规律与实际值的分布规律相符。而点线表示预测过程中的业务量均值部分，虚线表示业务量周期变化值部分。

使用本发明生成的Pareto Front和使用本发明的参考点方法，即公式(13)共同确定最优解的结果见图7，其中离散的方块是Pareto Front集合中的频谱分配方案计算出来的网络性能指标的预测值，而圆圈中的方块表示根据参考点法得到的最优的频谱分配方案。

以最优频谱分配方案进行分配，得到的网络状态示意图，见图8，可以看到重负载小区5和26小区的负载有所下降。

本发明实施例所述的方法，通过判断当前频谱分配方案是否与终端的业务量分布相适合，确定是否需要进行频谱重新分配过程，当判断出当前频谱分配方案不适合终端业务量分布，预测出终端业务量的分布，生成多个频谱分配方案，进行了动态的频谱管理过程，提高了频谱利用率；并同时根据多个网络性能指标，采用遗传算法选出多个优于当前频谱分配方案的集合，并以网络性能指标的期望值从中选出最优的频谱分配方案，达到了同时对多个网络性能指标进行优化的目的。

实施例3

如图9所示，本发明实施例提供一种动态频谱优化装置，该装置包括：

预测模块901，用于预测多个小区中的每个小区内终端的业务量分布；

生成模块902，用于根据每个小区内终端的业务量分布，为多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为每个小区分配的频谱；

优化模块903，用于根据多个小区所在的网络的至少两个网络性能指标，在多个频谱分配方案中选择一个优于多个小区当前的频谱分配方案的频谱分配方案；

分配模块904，用于使用选择的频谱分配方案，为多个小区分配频谱。

如图10所示，该装置还包括判断模块905，用于判断当前频谱分配方案是否适合终端的业务量分布，在当前频谱分配方案不适合终端的业务量分布的情况下进行预测终端的业务量分布生成下一周期频谱分配方案集合。

如图11所示，判断模块905还包括：

获取单元9051，用于实时获取网络平均频谱效率和平均负载；

该模块根据当前频谱分配方案下网络侧的参数配置，进行测量和计算获得实时平均负载或平均频谱效率。

判断单元9052，用于根据获取单元9051获取的多个小区所在的网络的平均频谱效率，如果判断平均频谱效率小于预设的频谱效率阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布；

或者，根据获取单元9051获取多个小区所在的网络的平均负载，如果判断平均负载大于预设的负载阈值，则判定多个小区当前的频谱分配方案不适合终端的业务量分布。

本实施例中生成模块902具体用于分别根据每个小区内终端的业务量分布预测每个小区的预测负载，根据每个小区的预测负载为多个小区分配频谱，得到多个频谱分配方案。如图11所示，生成模块902还包括：

划分单元9021，用于将多个小区中的每个小区划分为至少一个单元；

获取单元9022，用于获取每个小区的每个单元内终端当前的业务量；

预测单元9023，用于对于每个小区，根据其中每个单元内终端当前的业务量，预测出每个单元内的终端的业务量分布；

第一计算单元9024，用于对于每个小区，根据预测的每个单元内的终端的业务量分布，计算得到小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数；

第二计算单元9025，用于根据每个小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数，计算得到每个小区的预测负载；

生成单元9026，用于根据每个小区的预测负载，为多个小区生成对应的频谱分配方案。

如图11所示，优化模块903包括：

第一优化单元9031，用于根据多个小区所在的网络的至少两个网络性能指标，采用遗传算法在多个频谱分配方案中，选出优于当前的频谱分配方案的多个频谱分配方案，得到频谱分配方案集合；

第二优化单元9032，用于根据至少两个网络性能指标的期望值，在频谱分配方案集合中选择最优的频谱分配方案。

其中，第一优化单元具体用于：

在多个小区所在的网络的至少两个网络性能指标中，对任意两个网络性能指标确定是否存在折衷关系，得到具有折衷关系的网络性能指标；

将多个频谱分配方案中的每个频谱分配方案作为一个个体组成本代；

在预设的循环条件未满足时，重复执行以下步骤，直到循环条件满足：

对于本代内的每个个体，预测出使用个体时具有折衷关系的网络性能指标的值；

优选器根据预测的使用每个个体时具有折衷关系的网络性能指标的值，选出本代内的优质个体；

组合器在本代内选出多个个体进行组合，得到组合个体；

突变器在本代内选出多个个体进行随机扰动，产生突变个体；

将优质个体、组合个体和突变个体组成次代，将次代重新作为本代进入下一次循环；

将循环结束后得到的当前的次代作为频谱分配方案集合。

第二优化单元，具体用于将预设的至少两个网络性能指标的期望值作为参考点，对于频谱分配方案集合内的每个频谱分配方案，预测出使用频谱分配方案时至少两个网络性能指标的预测值；

使用参考点法进行计算，求出网络性能指标的预测值与网络性能指标期望值距离最小的频谱分配方案；

将距离最小的频谱分配方案选择为最优的频谱分配方案。

第二优化单元还用于，当网络性能指标为两个时，在两个网络性能指标的预测值组成的平面上，通过参考点，且斜率由网络性能指标权重确定的直线与网络性能指标的预测值的交点确定的频谱分配方案，网络性能指标权重为给定的值。

本发明实施例提供的动态频谱优化装置可以是网络中存在的控制多个基站的实体，比如基站控制器、频谱管理服务器；网络通过动态频谱优化装置选择出最优的频谱分配方案进行频谱分配。

本发明实施例所述的装置，通过获取每个小区内终端的业务量分布，生成频谱分配方案，进行了动态的频谱管理过程，提高了频谱利用率；并同时考虑多个网络性能指标，根据多个网络性能指标选择出最优频谱分配方案，同时对多个网络性能指标进行了优化。

需要说明的是：上述实施例提供的动态频谱优化装置在进行频谱管理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的动态频谱优化装置与动态频谱优化方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

实施例4

如图12所示，本发明实施例提供一种动态频谱优化系统，该系统包括：

动态频谱优化装置1201及多个小区所属的基站1202；

该动态频谱优化装置1201包括：

预测模块，用于预测多个小区中的每个小区内终端的业务量分布；

生成模块，用于根据每个小区内终端的业务量分布，为多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为每个小区分配的频谱；

优化模块，用于根据多个小区所在的网络的至少两个网络性能指标，在多个频谱分配方案中选择一个优于多个小区当前的频谱分配方案的频谱分配方案；

分配模块，用于使用选择的频谱分配方案，为多个小区分配频谱。

基站1202用于接收动态频谱优化装置为多个小区分配的频谱。

进一步地，动态频谱优化装置1201还包括判断模块，用于判断当前频谱分配方案是否适合终端的业务量分布，在当前频谱分配方案不适合终端的业务量分布的情况下进行预测终端的业务量分布生成下一周期频谱分配方案集合。

动态频谱优化装置1201与实施例3中的装置具有相同的功能，其中包括的预测模块、生成模块、优化模块、分配模块和判断模块各个模块的结构及功能已在实施例3中进行了详细的说明，故在此不赘述；具体的动态频谱优化装置1201进行选择频谱分配方案的过程可以参见实施例1和2采用的方法。

该多个小区所属的基站1202，可以是多个小区中的一个小区对应一个基站，也可以是多个小区中的几个小区共同对应一个基站；例如，当多个小区为3个小区时，可以是小区1、小区2、小区3分别对应基站1、基站2、基站3，共有3个基站；也可以是小区1和小区2共同对应基站1，而小区3对应基站2，共有2个基站；仅以此为例进行说明，本发明实施例不对小区与基站之间的对应关系进行限定。

本发明实施例所述的系统，通过动态频谱优化装置预测每个小区内终端的业务量分布，生成多个频谱分配方案，进行了动态的频谱管理过程，提高了频谱利用率；并同时考虑多个网络性能指标，根据多个网络性能指标选择出优化的频谱分配方案，为多个小区分配频谱，由基站来接收为多个小区分配的频谱，实现了同时对多个网络性能指标进行优化。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (19)

1.一种动态频谱优化方法，其特征在于，所述方法包括：

预测多个小区中的每个小区内终端的业务量分布；

根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；

根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案；

使用所述选择的频谱分配方案，为所述多个小区分配频谱。

2.如权利要求1所述的方法，其特征在于，所述预测多个小区中的每个小区内终端的业务量分布之前，还包括：

判断所述多个小区当前的频谱分配方案是否适合终端的业务量分布；

如果不适合，则预测多个小区中的每个小区内终端的业务量分布。

3.如权利要求2所述的方法，其特征在于，所述判断所述多个小区当前的频谱分配方案是否适合终端的业务量分布，包括：

获取所述多个小区所在的网络的平均频谱效率，如果所述平均频谱效率小于预设的频谱效率阈值，则判定所述多个小区当前的频谱分配方案不适合终端的业务量分布；

或者，

获取所述多个小区所在的网络的平均负载，如果所述平均负载大于预设的负载阈值，则判定所述多个小区当前的频谱分配方案不适合终端的业务量分布。

4.如权利要求1所述的方法，其特征在于，根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，包括：

分别根据所述每个小区内终端的业务量分布预测所述每个小区的预测负载，根据所述每个小区的预测负载为多个小区分配频谱，得到多个频谱分配方案。

5.如权利要求4所述的方法，其特征在于，根据所述每个小区内终端的业务量分布预测所述每个小区的预测负载，根据所述每个小区的预测负载为多个小区分配频谱，得到多个频谱分配方案，包括：

将所述多个小区中的每个小区划分为至少一个单元；

获取所述每个小区的每个单元内终端当前的业务量；

对于所述每个小区，根据其中每个单元内终端当前的业务量，预测出所述每个单元内的终端的业务量分布；

对于所述每个小区，根据预测的每个单元内的终端的业务量分布，计算得到所述小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数；

根据所述每个小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数，计算得到所述每个小区的预测负载；

根据所述每个小区的预测负载，为所述多个小区分配频谱，生成多个频谱分配方案。

6.如权利要求1所述的方法，其特征在于，根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案，包括：

根据所述多个小区所在的网络的至少两个网络性能指标，采用遗传算法在所述多个频谱分配方案中，选出优于所述多个小区当前的频谱分配方案的多个频谱分配方案，得到频谱分配方案集合；

根据所述至少两个网络性能指标的期望值，在所述频谱分配方案集合中选择最优的频谱分配方案。

7.如权利要求6所述的方法，其特征在于，根据所述多个小区所在的网络的至少两个网络性能指标，采用遗传算法在所述多个频谱分配方案中，选出优于所述多个小区当前的频谱分配方案的多个频谱分配方案，得到频谱分配方案集合，包括：

在所述多个小区所在的网络的至少两个网络性能指标中，对任意两个网络性能指标确定是否存在折衷关系，得到具有折衷关系的网络性能指标，其中，所述折衷关系是指当优化第一网络性能指标时，第二网络性能指标需要控制在合理的范围内，则所述第一网络性能指标和所述第二网络性能指标具有折衷关系；

将所述多个频谱分配方案中的每个频谱分配方案作为一个个体组成本代；

在预设的循环条件未满足时，重复执行以下步骤，直到所述循环条件满足：

对于本代内的每个个体，预测出使用所述个体时所述具有折衷关系的网络性能指标的值；

优选器根据所述预测的使用每个个体时所述具有折衷关系的网络性能指标的值，选出本代内的优质个体；

组合器在本代内选出多个个体进行组合，得到组合个体；

突变器在本代内选出多个个体进行随机扰动，产生突变个体；

将所述优质个体、组合个体和突变个体组成次代，将所述次代重新作为本代进入下一次循环；

将所述循环结束后得到的当前的次代作为频谱分配方案集合。

8.如权利要求6所述的方法，其特征在于，根据所述至少两个网络性能指标的期望值，在所述频谱分配方案集合中选择最优的频谱分配方案，包括：

将预设的所述至少两个网络性能指标的期望值作为参考点，对于所述频谱分配方案集合内的每个频谱分配方案，预测出使用所述频谱分配方案时所述至少两个网络性能指标的预测值；

使用参考点法进行计算，求出网络性能指标的预测值与网络性能指标期望值距离最小的频谱分配方案；

将所述距离最小的频谱分配方案选择为最优的频谱分配方案。

9.如权利要求8所述的方法，其特征在于，所述使用参考点法进行计算，求出网络性能指标的预测值与网络性能指标的期望值距离最小的频谱分配方案，包括：

当网络性能指标为两个时，在两个网络性能指标的预测值组成的平面上，确定通过所述参考点的直线，所述直线的斜率由网络性能指标权重确定且所述网络性能指标权重为给定的值，获取所述直线与所述网络性能指标的预测值之间的交点，将所述交点对应的频谱分配方案确定为网络性能指标的预测值与网络性能指标的期望值距离最小的频谱分配方案。

10.一种动态频谱优化装置，其特征在于，所述装置包括：

预测模块，用于预测多个小区中的每个小区内终端的业务量分布；

生成模块，用于根据所述每个小区内终端的业务量分布，为所述多个小区生成多个频谱分配方案，其中每个频谱分配方案中包括为所述每个小区分配的频谱；

优化模块，用于根据所述多个小区所在的网络的至少两个网络性能指标，在所述多个频谱分配方案中选择一个优于所述多个小区当前的频谱分配方案的频谱分配方案；

分配模块，用于使用所述选择的频谱分配方案，为所述多个小区分配频谱。

11.如权利要求10所述的装置，其特征在于，所述装置还包括：

判断模块，用于判断所述多个小区当前的频谱分配方案是否适合终端的业务量分布；

如果不适合，则由预测模块预测多个小区中的每个小区内终端的业务量分布。

12.如权利要求11所述的装置，其特征在于，所述判断模块包括：

获取单元，用于获取网络平均频谱效率或者平均负载；

判断单元，用于判断平均频谱效率是否小于预设频谱效率阈值，如果平均频谱效率小于预设频谱效率阈值，则判断当前频谱分配方案不适合终端的业务量分布；

或者用于判断平均负载是否大于预设负载阈值；如果平均负载大于预设负载阈值，则判断当前频谱分配方案不适合终端的业务量分布。

13.如权利要求10所述的装置，其特征在于，所述生成模块，具体用于分别根据所述每个小区内终端的业务量分布预测所述每个小区的预测负载，根据所述每个小区的预测负载为多个小区分配频谱，得到多个频谱分配方案。

14.如权利要求13所述的装置，其特征在于，所述生成模块还包括：

划分单元，用于将所述多个小区中的每个小区划分为至少一个单元；

获取单元，用于获取所述每个小区的每个单元内终端当前的业务量；

预测单元，用于对于所述每个小区，根据其中每个单元内终端当前的业务量，预测出所述每个单元内的终端的业务量分布；

第一计算单元，用于对于所述每个小区，根据预测的每个单元内的终端的业务量分布，计算得到所述小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数；

第二计算单元，用于根据所述每个小区的预测负载参数、预测噪声干扰参数和预测传播衰减参数，计算得到所述每个小区的预测负载；

生成单元，用于根据所述每个小区的预测负载，为所述多个小区分配频谱，生成多个频谱分配方案。

15.如权利要求10所述的装置，其特征在于，所述优化模块包括：

第一优化单元，用于根据所述多个小区所在的网络的至少两个网络性能指标，采用遗传算法在所述多个频谱分配方案中，选出优于所述多个小区当前的频谱分配方案的多个频谱分配方案，得到频谱分配方案集合；

第二优化单元，用于根据所述至少两个网络性能指标的期望值，在所述频谱分配方案集合中选择最优的频谱分配方案。

16.如权利要求15所述的装置，其特征在于，所述第一优化单元具体用于：

在所述多个小区所在的网络的至少两个网络性能指标中，对任意两个网络性能指标确定是否存在折衷关系，得到具有折衷关系的网络性能指标，其中，所述折衷关系是指当优化第一网络性能指标时，第二网络性能指标需要控制在合理的范围内，则所述第一网络性能指标和所述第二网络性能指标具有折衷关系；

将所述多个频谱分配方案中的每个频谱分配方案作为一个个体组成本代；

在预设的循环条件未满足时，重复执行以下步骤，直到所述循环条件满足：

对于本代内的每个个体，预测出使用所述个体时所述具有折衷关系的网络性能指标的值；

优选器根据所述预测的使用每个个体时所述具有折衷关系的网络性能指标的值，选出本代内的优质个体；

组合器在本代内选出多个个体进行组合，得到组合个体；

突变器在本代内选出多个个体进行随机扰动，产生突变个体；

将所述优质个体、组合个体和突变个体组成次代，将所述次代重新作为本代进入下一次循环；

将所述循环结束后得到的当前的次代作为频谱分配方案集合。

17.如权利要求15所述的装置，其特征在于，所述第二优化单元具体用于：

将预设的所述至少两个网络性能指标的期望值作为参考点，对于所述频谱分配方案集合内的每个频谱分配方案，预测出使用所述频谱分配方案时所述至少两个网络性能指标的预测值；

使用参考点法进行计算，求出网络性能指标的预测值与网络性能指标期望值距离最小的频谱分配方案；

将所述距离最小的频谱分配方案选择为最优的频谱分配方案。

18.如权利要求17所述的装置，其特征在于，所述第二优化单元还用于，当网络性能指标为两个时，在两个网络性能指标的预测值组成的平面上，确定通过所述参考点的直线，所述直线的斜率由网络性能指标权重确定且所述网络性能指标权重为给定的值，获取所述直线与所述网络性能指标的预测值之间的交点，将所述交点对应的频谱分配方案确定为网络性能指标的预测值与网络性能指标的期望值距离最小的频谱分配方案。

19.一种动态频谱优化系统，其特征在于，包括如权利要求10～18任一项所述的动态频谱优化装置及所述多个小区所属的基站；

所述基站用于接收所述动态频谱优化装置为所述多个小区分配的频谱。