CN103002498B - 切换参数的配置方法及装置 - Google Patents

Abstract

本发明公开了一种切换参数的配置方法及装置，所述方法包括：根据UE在异常场景切换区域内，发起切换之前测量到的异常小区的RSRP与源小区的RSRP之差的变化特征，确定小区的TTT取值；根据所确定的TTT取值和切换发起概率模型，调整异常小区的k系数和CIO，并替换正常小区间的切换参数组合，使得正常小区间的切换性能和原配置相当。采用本发明实施例，能够保证切换鲁棒性和有效性，减少小区切换失败的次数。

Description

切换参数的配置方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种切换参数的配置方法及装置。

背景技术

长期系统演进(Long Term Evolution，LTE)项目是3G移动通信的演进，它改进并增强了3G的空中接入技术，采用正交频分复用技术和多输入多输出技术。在20MHz频谱带宽下能够提供下行100Mbit/s与上行50Mbit/s的峰值速率，改善了小区边缘用户的性能，提高了小区容量，降低了系统延迟。

在移动通信系统中，为了提高频谱资源的利用和整个系统的容量，系统中的射频功率须局限于一定的范围之内。当用户设备(User Equipment，UE)离开小区A并进入小区B时，它所接收到的小区A的信号会越来越弱，而它所接收到的小区B的信号将会越来越强。为了保证UE的通信质量，必须将UE由原来的基站切换到信号较强的基站，从而保障业务的无缝连接。而切换参数的配置直接影响系统的整体性能，外场测试结果表明，在切换过程中往往存在一些异常场景，比如在城区环境下，切换区域内往往存在拐角效应、针尖效应等异常情况，即本小区信号强度随位置发生陡降或目标小区信号强度随位置发生陡升，默认的切换参数配置使得大量切换未能及时触发，即遭遇信噪比(Signal toInterference and Noise Ratio，SINR)的急剧恶化，从而造成掉话。

现有技术中，通过外场测试、经验值或遍历所有可能参数组合来确定某个小区的切换参数，然后通过操作管理和维护中心(Operation Administration andMaintenance，OAM)侧下发这些参数给eNB(evolved Node B，演进型基站)，各小区的UE根据其得到的切换参数进行切换。但是，上述方案需要人工获取参数，人工干预较大，浪费空口资源，并且容易发生切换失败的情况。

发明内容

本发明实施例提出一种切换参数的配置方法及装置，能够保证切换鲁棒性和有效性，减少切换失败的次数。

本发明实施例提供的切换参数的配置方法，包括：

S1、获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的参考信号接收功率RSRP和源小区的RSRP；所述异常场景切换区域包括小区信号发生陡升或陡降的区域，所述异常小区是UE在异常场景切换区域内所要切换的目标小区；

S2、根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的触发时间TTT的值；

S3、获取切换发起概率模型；

S4、根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和小区特定偏置CIO；

S5、根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的值，获得正常小区的优化后的切换参数；所述正常小区是在异常场景切换区域外的小区；

S6、下发所述异常小区和正常小区的优化后的切换参数。

相应地，本发明实施例提供的切换参数的配置装置，包括：

测量报告获取单元，用于获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的参考信号接收功率RSRP和源小区的RSRP；所述异常场景切换区域包括小区信号发生陡升或陡降的区域，所述异常小区是指UE在异常场景切换区域内所要切换的目标小区；

TTT计算单元，用于根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的触发时间TTT的值；

概率模型获取单元，用于获取切换发起概率模型；

异常小区参数优化单元，用于根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和小区特定偏置CIO；

正常小区参数优化单元，用于根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的值，获得正常小区的优化后的切换参数；所述正常小区是在异常场景切换区域外的小区；和

参数下发单元，用于下发所述异常小区和正常小区的优化后的切换参数。

本发明实施例提供的切换参数的配置方法及装置，根据UE在异常场景切换区域内，发起切换之前测量到的异常小区的RSRP与源小区的RSRP之差的变化特征，确定小区的TTT的值；然后根据所确定的TTT的值和切换发起概率模型，调整异常小区的k系数和CIO，从而保证切换鲁棒性和有效性，缩短了移动性参数优化的遍历性，提高了优化效率，减少切换失败的次数。最后在TTT优化值的基础上，替换正常小区间的切换参数组合，使得正常小区间的切换性能和原配置相当。本发明实施例在优化异常场景的同时并没有损害全网的切换性能，具有较强的实用性。

附图说明

图1是小区的切换参数优化前后的示意图；

图2是本发明实施例一提供的切换参数的配置方法的流程示意图；

图3是本发明实施例二提供的切换参数的配置方法的流程示意图；

图4是本发明实施例三提供的切换参数的配置装置的结构示意图；

图5是本发明实施例四提供的TTT计算单元的结构示意图；

图6是本发明实施例五提供的TTT计算单元的结构示意图；

图7是本发明实施例六提供的异常小区参数优化单元的结构示意图；

图8是本发明实施例七提供的正常小区参数优化单元的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在移动通信系统中，常用的切换参数包括：滤波系数k(可简称为：k系数)、触发时间(TTT，Time-to-Trigger)和小区特定偏置(CIO，Cell Individual Offset)等。通常与某个源小区相邻的所有小区的TTT相同，例如，如图1所示，在进行切换参数优化前，异常小区1的参数组合为(TTT，k₁，CIO₁)，正常小区2的参数组合为(TTT，k₂，CIO₂)，正常小区3的参数组合为(TTT，k₃，CIO₃)，正常小区i的参数组合为(TTT，k_i，CIO_i)。而进行切换参数优化后，异常小区1的参数组合为(TTT₁，k₁′，CIO₁′)，其它小区的TTT也调整为TTT₁。

参见图2，是本发明实施例一提供的切换参数的配置方法的流程示意图，该方法包括以下内容。

S1、获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的参考信号接收功率RSRP和源小区的RSRP；

S2、根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的TTT的值；

S3、获取切换发起概率模型；

S4、根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和CIO；

S5、根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的取值，获得正常小区的优化后的切换参数；

S6、下发所述异常小区和正常小区的优化后的切换参数。

在具体实现过程中，将异常小区和正常小区的优化后的切换参数下发给UE，由UE根据上述优化后的切换参数进行小区切换。

其中，本实施例所述的异常场景切换区域包括小区信号发生陡升或陡降的区域，例如存在拐角效应场景、针尖效应场景等异常场景的区域。UE在异常场景切换区域内进行切换时，容易发生切换过晚、切换过早、乒乓切换等切换异常事件。本实施例所述的异常小区是指UE在异常场景切换区域内所要切换的目标小区；而正常小区是在异常场景切换区域外的小区。

下面结合图3对本发明实施例进行详细说明。

参见图3，是本发明实施例二提供的切换参数的配置方法的流程示意图，该方法包括以下内容。

S10，获取UE上报的测量报告。

OAM或eNB获取UE上报的测量报告，该测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的RSRP和源小区的RSRP。其中，上述测量报告可以由源小区内的多个UE上报，测量报告中包含多组异常小区的RSRP和源小区的RSRP。

S20，计算变化特征和确定TTT取值。

OAM或eNB根据UE上报的测量报告，计算UE在异常场景切换区域内，发起切换之前测量到的异常小区的RSRP与源小区的RSRP之差的变化特征，并根据该变化特征来确定异常小区的TTT取值。

当异常小区的TTT取值确定后，源小区及其相邻的正常小区的TTT取值也就确定，各小区的TTT取值相同。例如，如图1所示，异常小区1、正常小区2、正常小区3、正常小区i的TTT取值相同。

在一个可选的实施方式中，UE上报的测量报告中包括Y组切换异常RSRP数据和Z组切换成功RSRP数据；每组切换异常RSRP数据包括UE在异常场景切换区域内发生切换异常之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Y≥2，x≥2；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2。确定异常小区的TTT的方法可包括以下S101～S105的内容：

S101、计算每一组切换异常RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Y组切换异常RSRP差值样本。其中，第m组切换异常RSRP差值样本记为：

RSRP_late，m＝[RSRP_late，m，1，RSRP_late，m，2，…，RSRP_late，m，x](1)

其中，Y≥2，x≥2；RSRP_late，m为记录的第m组切换异常RSRP差值样本，RSRP_late，m，i(i＝1，…，x)为第m组切换异常RSRP差值样本中的第i个值，m＝1，2，3，...Y。

S102、采用最小二乘法对上述Y组切换异常RSRP差值样本进行线性拟合，获得切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率k_late。

可选的，在具体实现过程中可以先对S101统计到的Y组切换异常RSRP差值样本进行逐点平均，例如通过以下公式(2)进行：

${\mathrm{RSRP}}_{\mathrm{late},k,i}=\frac{1}{Y}\underset{m=1}{\overset{Y}{\mathrm{\Σ}}}{\mathrm{RSRP}}_{\mathrm{late},m,i}(i=1,\·\·\·,x)---\left(2\right)$

获得x元数组：[RSRP_late，k，1，…，RSRP_late，k，x]。

再采用最小二乘法对上述x元数组进行线性拟合，获得切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率k_late。

采用最小二乘法进行线性拟合，得到以下公式(3)：

$\left[\begin{array}{c}{\mathrm{RSRP}}_{\mathrm{late},k,1}\\ {\mathrm{RSRP}}_{\mathrm{late},k,2}\\ {\mathrm{RSRP}}_{\mathrm{late},k,3}\\ {\mathrm{RSRP}}_{\mathrm{late},k,4}\\ \·\\ \·\\ \·\\ {\mathrm{RSRP}}_{\mathrm{late},k,x}\end{array}\right]=\left[\begin{array}{cc}0& 1\\ T_S& 1\\ 2T_S& 1\\ 3T_S& 1\\ \·& \\ \·& \\ \·& \\ (x-1)T_S& 1\end{array}\right]\left[\begin{array}{c}{k}_{\mathrm{late}}\\ b\end{array}\right]---\left(3\right)$

其中，T_S为无线资源控制(Radio Resource Control，RRC)层(以下称为“层3”)滤波器输出间隔，k_late为切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率，b是拟合直线的截距。

公式(3)可以简记为公式(4)：

$B=A\left[\begin{array}{c}{k}_{\mathrm{late}}\\ b\end{array}\right]---\left(4\right)$

对上述公式(4)求解获得如下公式(5)：

$\left[\begin{array}{c}{k}_{\mathrm{late}}\\ b\end{array}\right]={\left(A^{T}A\right)}^{-1}{A}^{T}B---\left(5\right)$

需要说明的是，在上述S102中，“对Y组切换异常RSRP差值样本进行逐点平均，获得x元数组”的步骤是可选的，具体实施时，也可以不对差值样本进行逐点平均，直接采用最小二乘法对Y组切换异常RSRP差值样本进行线性拟合，获得斜率k_late。

S103、计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本。

S104、采用最小二乘法对上述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success。

步骤S103、S104的实施方法与上述S101、S102相同，在此不再赘述。

本实施例中的斜率k_late和斜率k_success，即为异常场景切换区域内多个切换事件的异常小区的RSRP与源小区的RSRP之差的变化特征。

S105、计算斜率k_late与斜率k_success的两者之差，若差值小于门限值k_threshold，则将该异常小区的TTT取值置为否则，将该异常小区的TTT取值置为其中，A₁、A₂均为常数。具体如下：

a)如果切换异常事件的RSRP之差的斜率k_late与切换成功事件的RSRP之差的斜率k_success相差不大，即：

|k_success-k_late|＜k_threshold    (6)

则TTT取值为

b)如果切换异常事件的RSRP之差的斜率k_late与切换成功事件的RSRP之差的斜率k_success相差较大，即：

|k_success-k_late|≥k_threshold             (7)

则TTT取值需要兼顾掉话和乒乓的性能，TTT取值为

在另一个可选的实施方式中，UE上报的测量报告中包括Z组切换成功RSRP数据；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP，其中，Z≥2。则确定异常小区的TTT取值的方法可包括如下S201-S203的内容。

S201、计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本。

S202、采用最小二乘法对上述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success。

S203、将上述异常小区的TTT取值置为其中，A₃为常数。

步骤S201、S202的实施方法与上述S101、S102相同，在此不再赘述。

需要说明的是，A₁、A₂、A₃均为常数，具体实施时，可以根据无线链路质量确定A₁、A₂、A₃的值，例如，A₁、A₂、A₃均为1。

S30，获取切换发起概率模型。

本发明实施例以LTE中切换发起流程为例推导切换发起概率模型，通过对UE上报的在TTT时间内的目标小区的RSRP与源小区的RSRP的差值满足切换判决条件后，在n时刻发起首次切换的概率进行统计，获得切换发起概率模型。具体可包括如下内容：

考虑阴影衰落的相关性，在层3滤波后，切换判决前，得到一组相关的高斯随机向量：

${\stackrel{\→}{\mathrm{\θ}}}_n=[{\mathrm{\θ}}_1,\·\·\·,{\mathrm{\θ}}_n]---\left(10\right)$

其中，θ_n为层3滤波后n时刻的目标小区的RSRP与源小区的RSRP的差值，即：

${\mathrm{\θ}}_n={\stackrel{\‾}{\mathrm{RSRP}}}_{t,n}-{\stackrel{\‾}{\mathrm{RSRP}}}_{s,n}---\left(11\right)$

其中，为层3滤波后n时刻的目标小区的RSRP，为层3滤波后n时刻的源小区的RSRP。

在考虑TTT时间内(下文所述的TTT取值为使用了层3滤波器输出间隔T_S进行了归一化并向下取整的值)，目标小区的RSRP与源小区的RSRP的差值都大于设定值β的切换判决(即满足切换判决条件)后，在n时刻发起首次切换为下列事件的集合：

FHO_n＝{[θ₁，…，θ_n-TTT-1，θ_n-TTT＜β，θ_n-TTT+1＞β，…，θ_n＞β]}(12)

从公式(12)可看出，θ₁，…，θ_n-TTT-1不满足连续TTT个事件大于β的条件，θ_n-TTT，θ_n-TTT+1，…，θ_n满足连续TTT个事件大于β的条件，因此，在n时刻发生首次切换的的概率为：

进一步的，由于式(13)的计算复杂度非常高，因此本发明实施对其进行简化。计算复杂度较高的主要原因是阴影衰落的相关性，因此在考虑当前时刻点时，对之前所有的点进行适当截断，只考虑其最近的几个点的影响，就能够极大地降低计算复杂度。

首次切换概率的三阶简化结果为：

P(n时刻发生首次切换)

＝P(n点满足，n-1点不满足，n-2点不满足，…，1点不满足)(14)

＝p(1，2，…，n-1点都不满足)P(n点满足|前n-1点都不满足)

≈p(1，2，…，n-1点都不满足)P(n点满足|n-1，n-2，n-3点都不满足

式(14)将n-1个点的条件概率截断至3个点，因此称为三阶简化。

其中：

可以迭代地求得p(1，2，...，n-1点都不满足)。

当TTT＝1时，式(14)中条件概率的表达式为：

当TTT＝2时，式(14)中条件概率的表达式为：

三阶简化需要进行五重高斯随机向量的积分，由数值结果可以看出，三阶简化已经非常接近蒙特卡罗(Monte Carlo)仿真得到的真实值，因此本发明实施例采用三阶简化结果作为切换发起概率模型的计算公式。

S40，异常小区的切换参数的优化。

本步骤将切换发起概率模型应用到异常场景中，根据S20所确定的TTT取值，遍历其他切换参数组合，得到异常场景切换区域内切换发起概率最高的一组参数组合(TTT，k，CIO)。具体可包括如下内容：

S401、在异常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合，即获得多组不同的参数组合(TTT，k，CIO)。

S402、根据上述切换发起概率模型，对异常场景的TTT、k系数和CIO参数组合计算首次切换概率曲线，并对异常场景切换区域内的曲线段进行积分，得到异常场景切换区域内的切换发起概率。

S403、选取切换发起概率最高的一组TTT、k系数和CIO参数组合，作为异常小区的优化后的切换参数。

具体的，对于不同切换参数的组合(TTT，k，CIO)，计算首次切换概率曲线，对切换区域内的那一段曲线进行积分，得到切换区域内的切换发起概率，选取切换发起概率最高的一组参数组合，如下式所示：

$\underset{(\mathrm{TTT},k,\mathrm{CIO})}{\max }{\∫}_{\mathrm{HO\; region}}{f}_{\mathrm{FHO}}(\mathrm{TTT},k,\mathrm{CIO},l)\mathrm{dl}---\left(18\right)$

选取切换发起概率最高的一组参数组合(TTT，k，CIO)，作为异常小区的优化后的切换参数。

S50，正常小区的切换参数的优化。

由于异常场景下确定的某些切换参数(如TTT)会影响其他正常场景的切换性能，因此要对正常小区间的切换参数进行调整。

上述步骤S20确定了小区的TTT的优化值后，在“正常”场景小区间的切换区域内，通过切换发起概率模型，在k和CIO可变的范围内寻找一组可替换的切换参数组合，使得正常小区间的切换性能和原配置基本相当。具体如下：

S501、在正常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合。

S502、根据上述切换发起概率模型，计算每一组参数组合的首次切换概率曲线，并与正常小区的原先配置参数下的首次切换概率曲线进行比较；选取误差最小的一组参数组合作为正常小区的优化后的切换参数，替换原配置参数，如下式所示：

$\underset{(k,\mathrm{CIO})}{\min }{\∫}_{\mathrm{HO\; region}}{(f_{\mathrm{HO}0}\left(l\right)-f_{\mathrm{HO}1}(k,\mathrm{CIO},l))}^2\mathrm{dl}---\left(19\right)$

其中，f_HO0(l)为原配置参数的首次切换概率曲线，f_HO1(k，CIO，l)为替换参数组合的首次切换概率曲线。

S60，下发异常小区和正常小区的优化后的切换参数。

在一个可选的实施方式中，可以由OAM执行上述S10至S50，并在S60中将优化后的切换参数下发给eNB，再由eNB下发给UE，由小区的UE根据其得到的切换参数进行切换。

在另一个可选的实施方式中，可以由eNB执行上述S10至S50，并在S60中将优化后的切换参数下发给UE，由各小区的UE根据其得到的切换参数进行切换。

相应地，本发明实施例还提供一种切换参数的配置装置，能够实现上述实施例的切换参数的配置方法的所有步骤。

参见图4，是本发明实施例三提供的切换参数的配置装置的结构示意图，包括：测量报告获取单元10、TTT计算单元20、概率模型获取单元30、异常小区参数优化单元40、正常小区参数优化单元50和参数下发单元60。

上述测量报告获取单元10，用于获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的RSRP和源小区的RSRP；所述异常场景切换区域包括小区信号发生陡升或陡降的区域，所述异常小区是指UE在异常场景切换区域内所要切换的目标小区。

上述TTT计算单元20，用于根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的触发时间TTT的值。

上述概率模型获取单元30，用于获取切换发起概率模型。

上述异常小区参数优化单元40，用于根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和小区特定偏置CIO。

上述正常小区参数优化单元50，用于根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的值，获得正常小区的优化后的切换参数；所述正常小区是在异常场景切换区域外的小区。

上述参数下发单元60，用于下发所述异常小区和正常小区的优化后的切换参数。

在一个可选的实施方式中，UE上报的测量报告包括Y组切换异常RSRP数据和Z组切换成功RSRP数据；每组切换异常RSRP数据包括UE在异常场景切换区域内发生切换异常之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Y≥2，x≥2；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2。则，参见图5，TTT计算单元20具体包括：

第一差值计算子单元201，用于计算每一组切换异常RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Y组切换异常RSRP差值样本；

第一斜率计算子单元202，采用最小二乘法对所述Y组切换异常RSRP差值样本进行线性拟合，获得切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率k_late；

第二差值计算子单元203，用于计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

第二斜率计算子单元204，采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；和

第一TTT取值确定子单元205，用于计算斜率k_late与斜率k_success的两者之差，若差值小于门限值k_threshold，则将所述异常小区的TTT置为否则，将所述异常小区的TTT置为其中，A₁、A₂均为常数。

在另一个可选的实施方式中，UE上报的测量报告包括Z组切换成功RSRP数据；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2。则，参见图6，TTT计算单元20具体包括：

第三差值计算子单元211，用于计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

第三斜率计算子单元212，采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；和

第二TTT取值确定子单元213，用于将所述异常小区的TTT置为其中，A₃为常数。

上述概率模型获取单元30具体包括：

概率模型计算子单元，用于对UE上报的在TTT时间内的目标小区的RSRP与源小区的RSRP的差值满足切换判决条件后，在n时刻发起首次切换的概率进行统计，获得切换发起概率模型。

参见图7，所述异常小区参数优化单元40具体包括：

异常场景参数获取子单元41，用于在异常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；

切换发起概率计算子单元42，用于根据所述切换发起概率模型，对异常场景的TTT、k系数和CIO参数组合计算首次切换概率曲线，并对异常场景切换区域内的曲线段进行积分，得到异常场景切换区域内的切换发起概率；和

异常小区参数确定子单元43，用于选取切换发起概率最高的一组TTT、k系数和CIO参数组合，作为异常小区的优化后的切换参数。

参见图8，所述异常小区参数优化单元50包括：

正常场景参数获取子单元51，用于在正常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；和

正常小区参数确定子单元52，用于根据所述切换发起概率模型，计算每一组参数组合的首次切换概率曲线，并与正常小区的原先配置参数下的首次切换概率曲线进行比较；选取误差最小的一组参数组合作为正常小区的优化后的切换参数。

本发明实施例提供的切换参数的配置方法及装置，根据UE在异常场景切换区域内的发起切换之前测量到的异常小区的RSRP与源小区的RSRP之差的变化特征，确定小区的TTT的值；然后根据所确定的TTT的值和切换发起概率模型，调整异常小区的k系数和CIO，从而保证切换鲁棒性和有效性，缩短了移动性参数优化的遍历性，提高了优化效率，减少切换失败的次数。最后在TTT优化值的基础上，替换正常小区间的切换参数组合，使得正常小区间的切换性能和原配置相当。本发明实施例在优化异常场景的同时并没有损害全网的切换性能，具有较强的实用性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述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，这些改进和润饰也视为本发明的保护范围。

Claims (12)

1.一种切换参数的配置方法，其特征在于，包括：

S1、获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的参考信号接收功率RSRP和源小区的RSRP；所述异常场景切换区域包括小区信号发生陡升或陡降的区域，所述异常小区是UE在异常场景切换区域内所要切换的目标小区；

S2、根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的触发时间TTT的值；

S3、获取切换发起概率模型；

S4、根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和小区特定偏置CIO；

S5、根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的值，获得正常小区的优化后的切换参数；所述正常小区是在异常场景切换区域外的小区；

S6、下发所述异常小区和正常小区的优化后的切换参数。

2.如权利要求1所述的切换参数的配置方法，其特征在于，所述测量报告包括Y组切换异常RSRP数据和Z组切换成功RSRP数据；

每组切换异常RSRP数据包括UE在异常场景切换区域内发生切换异常之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Y≥2，x≥2；

每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2；

所述步骤S2包括：

计算每一组切换异常RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Y组切换异常RSRP差值样本；

采用最小二乘法对所述Y组切换异常RSRP差值样本进行线性拟合，获得切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率k_late；

计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；

计算斜率k_late与斜率k_success的两者之差，若差值小于门限值k_threshold，则将所述异常小区的TTT置为否则，将所述异常小区的TTT置为其中，A₁、A₂均为常数。

3.如权利要求1所述的切换参数的配置方法，其特征在于，所述测量报告包括Z组切换成功RSRP数据；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2；

所述步骤S2包括：

计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；

将所述异常小区的TTT置为其中，A₃为常数。

4.如权利要求2或3所述的切换参数的配置方法，其特征在于，所述步骤S3包括：

对UE上报的在TTT时间内的目标小区的RSRP和源小区的RSRP的差值满足切换判决条件后，在n时刻发起首次切换的概率进行统计，获得切换发起概率模型。

5.如权利要求4所述的切换参数的配置方法，其特征在于，所述步骤S4具体包括：

在异常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；

根据所述切换发起概率模型，对异常场景的TTT、k系数和CIO参数组合计算首次切换概率曲线，并对异常场景切换区域内的曲线段进行积分，得到异常场景切换区域内的切换发起概率；

选取切换发起概率最高的一组TTT、k系数和CIO参数组合，作为异常小区的优化后的切换参数。

6.如权利要求5所述的切换参数的配置方法，其特征在于，所述步骤S5具体包括：

在正常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；

根据所述切换发起概率模型，计算每一组参数组合的首次切换概率曲线，并与正常小区的原先配置参数下的首次切换概率曲线进行比较；选取误差最小的一组参数组合作为正常小区的优化后的切换参数。

7.一种切换参数的配置装置，其特征在于，包括：

测量报告获取单元，用于获取用户设备UE上报的测量报告；所述测量报告包括UE在异常场景切换区域内，发起切换之前测量到的异常小区的参考信号接收功率RSRP和源小区的RSRP；所述异常场景切换区域包括小区信号发生陡升或陡降的区域，所述异常小区是指UE在异常场景切换区域内所要切换的目标小区；

TTT计算单元，用于根据所述测量报告中的异常小区的RSRP与源小区的RSRP之差的变化特征，确定所述异常小区的触发时间TTT的值；

概率模型获取单元，用于获取切换发起概率模型；

异常小区参数优化单元，用于根据所述TTT的值和所述切换发起概率模型，获得异常场景切换区域内切换发起概率最高的一组参数组合，将所述参数组合作为异常小区的优化后的切换参数；所述参数组合包括TTT、滤波系数k和小区特定偏置CIO；

正常小区参数优化单元，用于根据所述TTT的值和所述切换发起概率模型，调整与所述源小区相邻的正常小区的滤波系数k和CIO的值，获得正常小区的优化后的切换参数；所述正常小区是在异常场景切换区域外的小区；和

参数下发单元，用于下发所述异常小区和正常小区的优化后的切换参数。

8.如权利要求7所述的切换参数的配置装置，其特征在于，所述测量报告包括Y组切换异常RSRP数据和Z组切换成功RSRP数据；

每组切换异常RSRP数据包括UE在异常场景切换区域内发生切换异常之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Y≥2，x≥2；

每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2；

所述TTT计算单元包括：

第一差值计算子单元，用于计算每一组切换异常RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Y组切换异常RSRP差值样本；

第一斜率计算子单元，采用最小二乘法对所述Y组切换异常RSRP差值样本进行线性拟合，获得切换异常事件的异常小区的RSRP与源小区的RSRP之差的斜率k_late；

第二差值计算子单元，用于计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

第二斜率计算子单元，采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；和

第一TTT取值确定子单元，用于计算斜率k_late与斜率k_success的两者之差，若差值小于门限值k_threshold，则将所述异常小区的TTT置为否则，将所述异常小区的TTT置为其中，A₁、A₂均为常数。

9.如权利要求7所述的切换参数的配置装置，其特征在于，所述测量报告包括Z组切换成功RSRP数据；每组切换成功RSRP数据包括UE在异常场景切换区域内切换成功之前x次测量到的异常小区的RSRP与源小区的RSRP；其中，Z≥2；

所述TTT计算单元包括：

第三差值计算子单元，用于计算每一组切换成功RSRP数据中的异常小区的RSRP与源小区的RSRP的差值，获得Z组切换成功RSRP差值样本；

第三斜率计算子单元，采用最小二乘法对所述Z组切换成功RSRP差值样本进行线性拟合，获得切换成功事件的异常小区的RSRP与源小区的RSRP之差的斜率k_success；和

第二TTT取值确定子单元，用于将所述异常小区的TTT置为其中，A₃为常数。

10.如权利要求8或9所述的切换参数的配置装置，其特征在于，所述概率模型获取单元包括：

概率模型计算子单元，用于对UE上报的在TTT时间内的目标小区的RSRP与源小区的RSRP的差值满足切换判决条件后，在n时刻发起首次切换的概率进行统计，获得切换发起概率模型。

11.如权利要求10所述的切换参数的配置装置，其特征在于，所述异常小区参数优化单元包括：

异常场景参数获取子单元，用于在异常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；

切换发起概率计算子单元，用于对异常场景的TTT、k系数和CIO参数组合计算首次切换概率曲线，并对异常场景切换区域内的曲线段进行积分，得到异常场景切换区域内的切换发起概率；和

异常小区参数确定子单元，用于选取切换发起概率最高的一组TTT、k系数和CIO参数组合，作为异常小区的优化后的切换参数。

12.如权利要求11所述的切换参数的配置装置，其特征在于，所述正常小区参数优化单元包括：

正常场景参数获取子单元，用于在正常场景的k系数和CIO的取值范围内，将每一组的k系数和CIO，分别与所确定的TTT组成参数组合；和

正常小区参数确定子单元，用于计算每一组参数组合的首次切换概率曲线，并与正常小区的原先配置参数下的首次切换概率曲线进行比较；选取误差最小的一组参数组合作为正常小区的优化后的切换参数。