CN103686767B - 一种基于lte网络的天线下倾角调整方法及装置 - Google Patents

一种基于lte网络的天线下倾角调整方法及装置 Download PDF

Info

Publication number
CN103686767B
CN103686767B CN201310681452.6A CN201310681452A CN103686767B CN 103686767 B CN103686767 B CN 103686767B CN 201310681452 A CN201310681452 A CN 201310681452A CN 103686767 B CN103686767 B CN 103686767B
Authority
CN
China
Prior art keywords
cell
coverage
cells
antenna
weak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310681452.6A
Other languages
English (en)
Other versions
CN103686767A (zh
Inventor
郭芸
姚友群
陈泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datang Mobile Communications Equipment Co Ltd
Original Assignee
Datang Mobile Communications Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Datang Mobile Communications Equipment Co Ltd filed Critical Datang Mobile Communications Equipment Co Ltd
Priority to CN201310681452.6A priority Critical patent/CN103686767B/zh
Publication of CN103686767A publication Critical patent/CN103686767A/zh
Application granted granted Critical
Publication of CN103686767B publication Critical patent/CN103686767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于LTE网络的天线下倾角调整方法及装置，用以解决现有的天线调整技术中存在的由于人工干预，造成的资源浪费，以及数据不精确，导致的天线下倾角设置不合理进而无法保证系统无线传输的可靠性的问题。该方法包括：通过传播模型仿真结果，计算得到每一个小区的小区弱覆盖系数和小区重叠覆盖系数，并依据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，最后按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。这样，减少了人工干预，由此节省了资源，得到的数据是仿真计算得到的而非经验值，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。

Description

一种基于LTE网络的天线下倾角调整方法及装置
技术领域
本发明涉及通信领域，尤其涉及一种基于LTE网络的天线下倾角调整方法及装置。
背景技术
近些年，随着通讯技术的发展，无线传输的可靠性越来越受到通信领域人员的重视，在无线传输中，既要避免小区的弱覆盖问题，还要避免小区的重叠覆盖造成的干扰问题。在长期演进（Long Term Evolution，LTE）网络中，室外小区覆盖半径与天线下倾角有直接关系。天线下倾角设置不合理，可能导致小区弱覆盖、重叠覆盖等问题。因此需要对天线下倾角进行准确的设置。
目前网络规划阶段，对于天线下倾角的规划分为两种情况：
1、对于利旧站点，采用之前的天线下倾角。
2、对于新建站点，由工程人员根据勘站结果，按照经验数据给出天线下倾角的初始值。
第一种情况下，利旧站点采用之前的天线下倾角，没法考虑该利旧站点的具体环境，若该利旧站点现在的无线环境相对于之前的无线环境发生了变化，则之前的天线下倾角并不适用于该利旧站点，仍会导致小区弱覆盖、重叠覆盖的问题。第二种情况，规划的天线下倾角是由工程人员给出的初始默认值，虽然考虑具体的无线环境的差异，但是，由于人工干预，中间数据不够精准，会导致给出的初始默认值与理想值相差较大，因此导致天线下倾角设置不甚合理，最终导致无法保证系统无线传输的可靠性。
而传统的网络优化阶段，工程人员需要在网络投入运行后根据路测数据分析，判定小区是否存在弱覆盖、重叠覆盖等问题，若存在问题，在需要微调天线下倾角，并再次判断是否还有问题。此网络优化过程，需要重复迭代，直到将天线下倾角调整到理想角度，优化效率较低。显然，传统的网络优化过程也需要人工干预，且需要重复迭代计算调整，造成资源浪费，以及得到的数据存在误差，导致天线下倾角设置不合理，最终导致无法保证系统无线传输的可靠性。
发明内容
本发明实施例提供一种基于LTE网络的天线下倾角调整方法及装置，用以解决现有技术中存在的由于人工干预，造成的资源浪费，以及数据不精确，导致的天线下倾角设置不合理进而无法保证系统无线传输的可靠性的问题，实现了通过仿真小区面积最终得到小区目标下倾角，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
本发明实施例提供的具体技术方案如下：
第一方面，一种基于LTE网络的天线下倾角调整方法，包括：
根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；
按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
通过这种方法，通过仿真结果得到每一个小区的小区弱覆盖系数和小区重叠覆盖系数，并根据这两个系数筛选出问题小区，最终通过覆盖面积对问题小区进行下倾角调整，减少了人工干预，由此节省了资源，得到的数据是通过仿真计算得到的，而非经验值，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
结合第一方面，在第一种可能的实现方式中，根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：
分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；
将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数。
通过这种方法，筛选出弱覆盖采样点，才能得到小区弱覆盖系数，进而根据小区弱覆盖系数，筛选问题小区。
结合第一方面，在第二种可能的实现方式中，根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：
根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
在所述任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数。
通过这种方法，筛选出重叠覆盖样本，才能得到小区重叠覆盖系数，进而根据小区重叠覆盖系数，筛选问题小区。
结合第一方面或第一方面的以上任一种可能的实现方式，在第三种可能的实现方式中，在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
通过这种方法，可以通过比较所有小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区。
结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，确定所述问题小区的优先级，包括：
将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
确定所述问题小区的优先级为网络侧预先约定的。
通过这种方法，可以确定处理问题小区的先后顺序。
结合第一方面，在第五种可能的实现方式中，按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
通过这种方法，可以对弱覆盖问题小区进行天线下倾角调整、重叠覆盖小区对应的高干扰邻小区进行天线下倾角调整，将问题小区的调整为正常小区。
结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
通过这种方法，可以将弱覆盖问题小区的天线下倾角调整到目标下倾角，将弱覆盖问题小区调整为正常小区。
结合第一方面的第五种可能的实现方式，在第七种可能的实现方式中，根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
通过这种方法，可以将重叠覆盖小区对应的高干扰小区的天线下倾角调整到目标下倾角，将重叠覆盖小区调整为正常小区。
结合第一方面或第一方面的第一种、第二种、第四种至第七种可能的实现方式中的任一种，在第八种可能的实现方式中，按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
判断所述问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
通过这种方法，可以将天线下倾角调整后的小区再一次进行筛选出问题小区，并对问题小区的天线下倾角进行调整，直至所有问题小区都调整为正常小区。
第二方面，一种基于LTE网络的天线下倾角调整装置，包括：
获取单元，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；
筛选单元，用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；
调整单元，用于按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
这样，基于LTE网络的天线下倾角调整装置通过仿真结果得到每一个小区的小区弱覆盖系数和小区重叠覆盖系数，并根据这两个系数筛选出问题小区，最终通过覆盖面积对问题小区进行下倾角调整，减少了人工干预，由此节省了资源，得到的数据是通过仿真计算得到的，而非经验值，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
结合第二方面，在第一种可能的实现方式中，所述筛选单元根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：
所述筛选单元分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；
所述筛选单元将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数。
这样，筛选单元筛选出弱覆盖采样点，才能得到小区弱覆盖系数，进而根据小区弱覆盖系数，筛选问题小区。
结合第二方面，在第二种可能的实现方式中，所述筛选单元根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：
所述筛选单元根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
所述筛选单元在所述任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
所述筛选单元将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数。
这样，筛选单元筛选出重叠覆盖样本，才能得到小区重叠覆盖系数，进而根据小区重叠覆盖系数，筛选问题小区。
结合第二方面或第二方面的以上任一种可能的实现方式，在第三种可能的实现方式中，所述筛选单元在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
所述筛选单元在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
这样，筛选单元可以通过比较所有小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区。
结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述调整单元确定所述问题小区的优先级，包括：
所述调整单元将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
所述调整单元确定所述问题小区的优先级为网络侧预先约定的。
这样，调整单元可以确定处理问题小区的先后顺序。
结合第二方面，在第五种可能的实现方式中，所述调整单元按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则所述调整单元根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则所述调整单元根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
这样，调整单元可以对弱覆盖问题小区进行天线下倾角调整、重叠覆盖小区对应的高干扰邻小区进行天线下倾角调整，将问题小区的调整为正常小区。
结合第二方面的第五种可能的实现方式，在第六种可能的实现方式中，所述调整单元根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
所述调整单元根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
所述调整单元判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
这样，调整单元可以将弱覆盖问题小区的天线下倾角调整到目标下倾角，将弱覆盖问题小区调整为正常小区。
结合第二方面的第五种可能的实现方式，在第七种可能的实现方式中，所述调整单元根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
所述调整单元根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
所述调整单元判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
这样，调整单元可以将重叠覆盖小区对应的高干扰小区的天线下倾角调整到目标下倾角，将重叠覆盖小区调整为正常小区。
结合第二方面或第二方面的第一种、第二种、第四种至第七种可能的实现方式中的任一种，在第八种可能的实现方式中，所述调整单元按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，所述获取单元，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
所述筛选单元，进一步用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
调整单元，进一步用于判断所述问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
通过这种方法，基于LTE网络的天线下倾角调整装置可以将天线下倾角调整后的小区再一次进行筛选出问题小区，并对问题小区的天线下倾角进行调整，直至所有问题小区都调整为正常小区。
第三方面，一种基于LTE网络的天线下倾角调整装置，包括：
处理器，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
这样，处理器通过仿真结果得到每一个小区的小区弱覆盖系数和小区重叠覆盖系数，并根据这两个系数筛选出问题小区，最终通过覆盖面积对问题小区进行下倾角调整，减少了人工干预，由此节省了资源，得到的数据是通过仿真计算得到的，而非经验值，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
结合第三方面，在第一种可能的实现方式中，所述处理器根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：
所述处理器分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；
所述处理器将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数。
这样，处理器筛选出弱覆盖采样点，才能得到小区弱覆盖系数，进而根据小区弱覆盖系数，筛选问题小区。
结合第二方面，在第二种可能的实现方式中，所述处理器根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：
所述处理器根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
所述处理器在所述任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
所述处理器将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数。
这样，处理器筛选出重叠覆盖样本，才能得到小区重叠覆盖系数，进而根据小区重叠覆盖系数，筛选问题小区。
结合第三方面或第三方面的以上任一种可能的实现方式，在第三种可能的实现方式中，所述处理器在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
所述处理器在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
这样，处理器可以通过比较所有小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区。
结合第三方面的第三种可能的实现方式，在第四种可能的实现方式中，所述处理器确定所述问题小区的优先级，包括：
所述处理器将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
所述处理器确定所述问题小区的优先级为网络侧预先约定的。
这样，处理器可以确定处理问题小区的先后顺序。
结合第三方面，在第五种可能的实现方式中，所述处理器按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则所述处理器根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则所述处理器根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
这样，处理器可以对弱覆盖问题小区进行天线下倾角调整、重叠覆盖小区对应的高干扰邻小区进行天线下倾角调整，将问题小区的调整为正常小区。
结合第三方面的第五种可能的实现方式，在第六种可能的实现方式中，所述处理器根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
所述处理器根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
所述处理器判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
这样，处理器可以将弱覆盖问题小区的天线下倾角调整到目标下倾角，将弱覆盖问题小区调整为正常小区。
结合第三方面的第五种可能的实现方式，在第七种可能的实现方式中，所述处理器根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
所述处理器根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
所述处理器判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
这样，处理器可以将重叠覆盖小区对应的高干扰小区的天线下倾角调整到目标下倾角，将重叠覆盖小区调整为正常小区。
结合第三方面或第三方面的第一种、第二种、第四种至第七种可能的实现方式中的任一种，在第八种可能的实现方式中，所述处理器按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，所述处理器，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；判断所述问题小区中是否包括未经调整的问题小区：若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
通过这种方法，处理器可以将天线下倾角调整后的小区再一次进行筛选出问题小区，并对问题小区的天线下倾角进行调整，直至所有问题小区都调整为正常小区。
采用本发明技术方案，可以有效的避免现有技术中存在的由于人工干预，造成的资源浪费，以及数据不精确，导致的天线下倾角设置不合理进而无法保证系统无线传输的可靠性的问题，通过传播模型仿真结果在全部小区中筛选出问题小区，并根据仿真结果得到问题小区的目标天线下倾角，最终根据不同类型的问题小区分别进行天线下倾角调整，实现了通过仿真小区面积最终得到小区目标下倾角，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
附图说明
图1为本发明实施例提供的一种基于LTE网络的天线下倾角调整方法具体流程图；
图2为本发明实施例提供的筛选问题小区中的重叠覆盖样本的示意图；
图3为本发明实施例提供的理想正六边形蜂窝结构示意图；
图4为本发明实施例提供的小区天线下倾角与天线高度和覆盖；
图5为本发明实施例提供的一种天线下倾角调整实例具体流程图；
图6为本发明实施例提供的一种基于LTE网络的天线下倾角调整装置的第一结构图；
图7为本发明实施例提供的一种基于LTE网络的天线下倾角调整装置的第二结构图。
具体实施方式
采用本发明技术方案，能够有效地解决现有技术中存在的由于人工干预造成的资源浪费，以及数据不精确，导致的天线下倾角设置不合理进而无法保证系统无线传输的可靠性的问题，实现了通过仿真小区面积最终得到小区目标下倾角，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
本发明实施例提供了一种基于LTE网络的天线下倾角调整方法，下面结合附图对本发明优选的实施方式进行详细说明。
参阅图1所示，本发明实施例提供的一种基于LTE网络的天线下倾角调整方法的具体处理流程包括：
步骤101：根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率（Reference Signal Received Power，RSRP）。
在仿真过程中，系统选择待仿真小区中的采样点，得到每一个采样点对应的RSRP。
步骤102：根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区。
首先，根据任一个小区中采样点对应的RSRP，得到该任一个小区的小区弱覆盖系数，具体包括：
分别将该任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于小区弱覆盖判决门限的采样点作为弱覆盖采样点；
将弱覆盖采样点的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区弱覆盖系数。
在实际应用中，可以根据实际情况和需要设定小区弱覆盖判决门限，例如-100dBm，即采样点对应的RSRP小于-100dBm时，则认为该采样点为弱覆盖采样点。
然后，根据任一个小区中采样点对应的RSRP，得到该任一个小区的小区重叠覆盖系数，具体包括：
根据该任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
在该任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在这些重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
将这些重叠覆盖样本的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区重叠覆盖系数。
其中，以该任一个小区中的采样点A为例，根据采样点A对应的RSRP分别计算采样点A的主服务小区和每一个邻小区之间的信号强度差值，获得与服务小区的信息强度差值在设定范围内（如，10dB）的邻小区的数目，再加上该主服务小区的数目（即＋1），即获得了采样点A对应的重叠覆盖小区数目。如，根据采样点A对应的RSRP，获知与采样点A的服务小区信号强度相差10db之内的邻小区有6个，则重叠覆盖小区数目为6+1=7。在本实施例中，可以采用公式一，计算任一个采样点的重叠覆盖小区数目：
M＝{count(Pi)|Pi≥P主-N}+1 公式一
其中，M为该采样点对应的重叠覆盖小区数目，Pi为该采样点接收的邻小区的RSRP，P主为该采样点接收的主服务小区的RSRP，N为预设的干扰邻小区RSRP差值门限。
由于某一个采样点接收的RSRP中强度弱于主服务小区的RSRP设定范围内的邻小区的RSRP均会对主服务小区的RSRP产生较强干扰，其中，主服务小区的RSRP和最强邻小区的RSRP差值越小其干扰强度越高，通过对某一个采样点对应的邻小区对主服务小区的干扰强度进行累加可以精确反映该采样点对应的邻区干扰强度，在本实施例总，运用公式二计算任一个采样点对应的邻区干扰强度：
μ=∑μj=∑((10^(Nj/10))/(10^(N1/10))) 公式二
μj为该采样点对应的邻小区j对主服务小区的干扰强度，Nj为测量获得的邻小区的RSRP和主服务小区RSRP的差值；N1为预设的干扰邻小区RSRP差值门限值。
将该任一个小区中的所有采样点根据对应的重叠覆盖小区数目和邻区干扰强度统计到一个二维表中，参阅图2所示，在该任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在这些重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本，即筛选在图中阴影部分中的采样点作为重叠覆盖样本。
该任一个小区的小区重叠覆盖系数即为该任一个小区中的重叠覆盖样本数目与该任一个小区中全部采样点的数目比值。
最后，在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
步骤103：按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
首先，确定问题小区的优先级，其中包括两种方法，具体为：
第一种方法，将问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序。
第二种方法，确定问题小区的优先级为网络侧预先约定的。
本方法适用于某些小区中的用户为VIP以及小区中的人口比较密集等特殊情况的小区中的问题小区。因此，上述特定的小区中若存在问题小区，则需要优先处理，因此优先级较高。网络侧要预先约定这些小区的优先级，若这些小区中出现了问题小区，则该问题小区的优先级最高，优先调整该问题小区。
最后，按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若该任一个问题小区为弱覆盖问题小区，则根据该弱覆盖问题小区的覆盖面积、该弱覆盖问题小区天线高度和预设的该弱覆盖问题小区的天线垂直平面的半功率角修正值，得到该弱覆盖问题小区对应的目标下倾角，并根据该目标下倾角对该弱覆盖问题小区进行天线下倾角调整；
若该任一个问题小区为重叠覆盖问题小区，则根据该重叠覆盖问题小区中每一个采样点对应的RSRP，获得该重叠覆盖问题小区的邻小区干扰指数，并根据该重叠覆盖问题小区的邻小区干扰指数，在该重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据该高干扰邻小区的覆盖面积、该高干扰邻小区天线高度和预设的该高干扰邻小区的天线垂直平面的半功率角修正值，得到该高干扰邻小区对应的目标下倾角，最终根据该目标下倾角对该高干扰邻小区进行天线下倾角调整。
在本实施例中，根据仿真结果统计最佳服务小区覆盖面积和理想正六边形蜂窝结构，其中，理想正六边形蜂窝结构是三叶草形小区结构的形式，即这种结构中，每个eNB有三个六角形小区结构组成，所使用的天线办公了波瓣角是60度，参阅图3所示，其中，根据小区的覆盖面积和小区的覆盖半径的关系，见公式三，可以推导公式四，得到小区的覆盖半径：
公式三
公式四
其中，R为小区的覆盖面积，S为小区的覆盖半径。
具体的，参见图4所示，通过天线下倾角与天线挂高和覆盖半径的关系示意图，以及根据某一个小区的覆盖面积、天线高度和预设的天线垂直平面的半功率角修正值，得到某一个小区对应的目标下倾角。在本实施例中，优先运用公式五，得到某一个小区对应的目标下倾角：
公式五
其中，B为该小区对应的目标下倾角，H为该小区的天线挂高，R为该小区的覆盖半径，A为预设的天线垂直平面的半功率角修正值。
预设的天线垂直平面的半功率角修正值的具体取值根据天线的型号或具体应用场景（建网目标、时间、环境等）来灵活调整。
在本实施例总，判定当前问题小区为重叠覆盖问题小区时，根据该重叠覆盖问题小区中每一个采样点对应的RSRP，运用公式六，获得该重叠覆盖问题小区的邻小区干扰指数：
Wk=AVG[(10^(Nk/10))/(10^(N1/10))] 公式六
其中，W为该重叠覆盖问题小区中的邻小区k的邻小区干扰指数，Nk为测量获得的邻小区k的RSRP和主服务小区RSRP的差值；N1为预设的干扰邻小区RSRP差值门限值。
根据该重叠覆盖问题小区的邻小区干扰指数，在该重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，具体的，根据上述方式，可以得到该重叠覆盖问题小区中每一个邻小区的邻小区干扰指数，然后，选择邻小区干扰指数最大的邻小区作为该重叠覆盖问题小区的高干扰邻小区。
具体的，根据目标下倾角对弱覆盖问题小区进行天线下倾角调整，包括：
根据该目标下倾角和该弱覆盖问题小区的当前天线下倾角，得到该弱覆盖问题小区的天线下倾角调整值，其中，该弱覆盖问题小区的天线下倾角调整值=该弱覆盖问题小区对应的目标下倾角-该弱覆盖问题小区的当前天线下倾角；
判定该天线下倾角调整值小于0时，将该弱覆盖问题小区的天线下倾角调整至该目标下倾角；判定天线下倾角调整值大于等于0时，该弱覆盖问题小区的天线下倾角不调整。
即只能减小该弱覆盖问题小区的天线下倾角，不能增大，因为只有将该弱覆盖问题小区的天线下倾角调小后，该弱覆盖问题小区的覆盖面积变大，则该弱覆盖问题小区的小区弱覆盖系数将变小，弱覆盖情况得到改善。
根据目标下倾角对高干扰邻小区进行天线下倾角调整，包括：
根据该目标下倾角和该高干扰邻小区的当前天线下倾角，得到该高干扰邻小区的天线下倾角调整值，其中，该高干扰邻小区的天线下倾角调整值=该高干扰邻小区对应的目标下倾角-该高干扰邻小区的当前天线下倾角；
判定该天线下倾角调整值大于0时，将该高干扰邻小区的天线下倾角调整至该目标下倾角；判定天线下倾角调整值小于等于0时，该高干扰邻小区的天线下倾角不调整。
即只能增大该高干扰邻小区的天线下倾角，不能减小，因为只有将该高干扰邻小区的天线下倾角调大后，该高干扰邻小区的覆盖面积变小，最后对应的重叠覆盖问题小区的小区重叠覆盖系数将变小，重叠覆盖情况得到改善。
在本实施例中，为了将经过天线调整后的小区和未经调整的小区进行区分，在问题小区经过天线调整后，将该问题小区进行标识。
因此，按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真，根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
判断问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
具体的，根据预设的微调步长，分别对任一个问题小区的进行天线下倾角调整，包括：
若该任一个问题小区为弱覆盖问题小区，则根据预设的微调步长，将该弱覆盖问题小区的天线下倾角下调；
若该任一个问题小区为重叠覆盖问题小区，则根据预设的微调步长，将给重叠覆盖问题小区对应的高干扰邻小区的天线下倾角上调。
参阅图5所示，本发明实施例还提供了一种基于LTE网络的天线下倾角调整实例具体流程，具体包括：
步骤501：对所有小区进行传播模型仿真。
步骤502：确定问题小区。
根据仿真结果，依据步骤101、步骤102中的方法，筛选出问题小区。
步骤503：针对未经调整的问题小区，计算其目标下倾角。
根据问题小区的优先级，以及仿真结果得到问题小区的目标下倾角。具体方法参照步骤103。
步骤504：根据得到的目标下倾角对该问题小区的天线下倾角进行调整，并对该问题小区进行标识。
步骤505：重新进行传播模型仿真。
步骤506：确定是否存在问题小区，若是，则执行步骤507；否则，执行步骤511.
步骤507：判断问题小区中是否包括为经调整的问题小区，若是，则执行步骤503；否则，执行步骤508。
步骤508：根据预设的微调步长，对该问题小区进行微调。
步骤509：重新进行传播模型仿真。
步骤510：判断是否存在问题小区，若是，执行步骤508；否则，执行步骤511。
步骤511：结束。
基于上述实施例，本发明实施例还提供了一种基于长期演进LTE网络的天线下倾角调整装置，参见图6所示，本发明实施例提供的一种基于长期演进LTE网络的天线下倾角调整装置包括：获取单元601、筛选单元602以及调整单元603，其中：
获取单元601，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
筛选单元602，用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；
调整单元603，用于按照该问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
筛选单元602根据任一个小区中采样点对应的RSRP，得到该任一个小区的小区弱覆盖系数，包括：
筛选单元602分别将该任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于小区弱覆盖判决门限的采样点作为弱覆盖采样点；
筛选单元602将该弱覆盖采样点的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区弱覆盖系数。
筛选单元602根据任一个小区中采样点对应的RSRP，得到该任一个小区的小区重叠覆盖系数，包括：
筛选单元602根据该任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
筛选单元602在该任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在这些重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
筛选单元602将重叠覆盖样本的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区重叠覆盖系数。
筛选单元602在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
筛选单元602在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
调整单元603确定问题小区的优先级，包括：
调整单元603将问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为弱覆盖问题小区从高到低的优先级顺序；将问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为重叠覆盖问题小区从高到低的优先级顺序；或者
调整单元603确定问题小区的优先级为网络侧预先约定的。
调整单元603按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若该任一个问题小区为弱覆盖问题小区，则调整单元603根据该弱覆盖问题小区的覆盖面积、该弱覆盖问题小区天线高度和预设的该弱覆盖问题小区的天线垂直平面的半功率角修正值，得到该弱覆盖问题小区对应的目标下倾角，并根据目标下倾角对该弱覆盖问题小区进行天线下倾角调整；
若该任一个问题小区为重叠覆盖问题小区，则调整单元603根据该重叠覆盖问题小区中每一个采样点对应的RSRP，获得该重叠覆盖问题小区的邻小区干扰指数，并根据该重叠覆盖问题小区的邻小区干扰指数，在该重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据该高干扰邻小区的覆盖面积、该高干扰邻小区天线高度和预设的该高干扰邻小区的天线垂直平面的半功率角修正值，得到该高干扰邻小区对应的目标下倾角，最终根据目标下倾角对该高干扰邻小区进行天线下倾角调整。
调整单元603根据目标下倾角对弱覆盖问题小区进行天线下倾角调整，包括：
调整单元603根据目标下倾角和该弱覆盖问题小区的当前天线下倾角，得到该弱覆盖问题小区的天线下倾角调整值；
调整单元603判定该天线下倾角调整值小于0时，将该弱覆盖问题小区的天线下倾角调整至目标下倾角。
调整单元603根据目标下倾角对高干扰邻小区进行天线下倾角调整，包括：
调整单元603根据目标下倾角和该高干扰邻小区的当前天线下倾角，得到该高干扰邻小区的天线下倾角调整值；
调整单元603判定该天线下倾角调整值大于0时，将该高干扰邻小区的天线下倾角调整至目标下倾角。
调整单元603按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，获取单元601，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
筛选单元602，进一步用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
调整单元603，进一步用于判断问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
基于本发明实施例提供的一种基于LTE网络的天线下倾角调整方法，本发明实施例还提供了另一种基于LTE网络的天线下倾角调整装置，参阅图7所示，该装置包括：处理器700，其中
处理器700，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
处理器700根据任一个小区中采样点对应的RSRP，得到任一个小区的小区弱覆盖系数，包括：
处理器700分别将该任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于该小区弱覆盖判决门限的采样点作为弱覆盖采样点；
处理器700将弱覆盖采样点的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区弱覆盖系数。
处理器700根据任一个小区中采样点对应的RSRP，得到任一个小区的小区重叠覆盖系数，包括：
处理器700根据该任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；
处理器700在该任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；
处理器700将重叠覆盖样本的数目与该任一个小区中全部采样点的数目的比值，作为该任一个小区的小区重叠覆盖系数。
处理器700在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：
处理器700在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区。
处理器700确定问题小区的优先级，包括：
处理器将问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为弱覆盖问题小区从高到低的优先级顺序；将问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为重叠覆盖问题小区从高到低的优先级顺序；或者
处理器700确定问题小区的优先级为网络侧预先约定的。
处理器700按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若该任一个问题小区为弱覆盖问题小区，则处理器700根据该弱覆盖问题小区的覆盖面积、该弱覆盖问题小区天线高度和预设的该弱覆盖问题小区的天线垂直平面的半功率角修正值，得到该弱覆盖问题小区对应的目标下倾角，并根据目标下倾角对该弱覆盖问题小区进行天线下倾角调整；
若该任一个问题小区为重叠覆盖问题小区，则处理器700根据该重叠覆盖问题小区中每一个采样点对应的RSRP，获得该重叠覆盖问题小区的邻小区干扰指数，并根据该重叠覆盖问题小区的邻小区干扰指数，在该重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据该高干扰邻小区的覆盖面积、该高干扰邻小区天线高度和预设的该高干扰邻小区的天线垂直平面的半功率角修正值，得到该高干扰邻小区对应的目标下倾角，最终根据该目标下倾角对该高干扰邻小区进行天线下倾角调整。
处理器700根据目标下倾角对弱覆盖问题小区进行天线下倾角调整，包括：
处理器700根据目标下倾角和该弱覆盖问题小区的当前天线下倾角，得到该弱覆盖问题小区的天线下倾角调整值；
处理器700判定天线下倾角调整值小于0时，将该弱覆盖问题小区的天线下倾角调整至目标下倾角。
处理器700根据目标下倾角对高干扰邻小区进行天线下倾角调整，包括：
处理器700根据目标下倾角和该高干扰邻小区的当前天线下倾角，得到该高干扰邻小区的天线下倾角调整值；
处理器700判定天线下倾角调整值大于0时，将该高干扰邻小区的天线下倾角调整至目标下倾角。
处理器700按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，处理器700，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；判断问题小区中是否包括未经调整的问题小区：若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
综上所述，采用本发明实施例中的方案，通过传播模型仿真结果，计算得到每一个小区的小区弱覆盖系数和小区重叠覆盖系数，并依据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，最后按照问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。减少了人工干预，由此节省了资源，得到的数据是通过仿真计算得到的，而非经验值，简化了优化过程，提高了优化效率，同时提高了天线下倾角的准确度，保证了传输可靠性。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (18)

1.一种基于长期演进LTE网络的天线下倾角调整方法，其特征在于，包括：
根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；其中，
根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；在所述任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数；
根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数；
在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区；
按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
2.如权利要求1所述的方法，其特征在于，确定所述问题小区的优先级，包括：
将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
确定所述问题小区的优先级为网络侧预先约定的。
3.如权利要求1所述的方法，其特征在于，按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
4.如权利要求3所述的方法，其特征在于，根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
5.如权利要求3所述的方法，其特征在于，根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
6.如权利要求1-5任一项所述的方法，其特征在于，按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
判断所述问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
7.一种基于长期演进LTE网络的天线下倾角调整装置，其特征在于，包括：
获取单元，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；
筛选单元，用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；其中，
所述筛选单元根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：所述筛选单元根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；所述筛选单元在该小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；所述筛选单元将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数；
所述筛选单元根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：所述筛选单元分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；所述筛选单元将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数；
所述筛选单元在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：所述筛选单元在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区；
调整单元，用于按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
8.如权利要求7所述的装置，其特征在于，所述调整单元确定所述问题小区的优先级，包括：
所述调整单元将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
所述调整单元确定所述问题小区的优先级为网络侧预先约定的。
9.如权利要求7所述的装置，其特征在于，所述调整单元按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则所述调整单元根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则所述调整单元根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
10.如权利要求9所述的装置，其特征在于，所述调整单元根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
所述调整单元根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
所述调整单元判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
11.如权利要求10所述的装置，其特征在于，所述调整单元根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
所述调整单元根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
所述调整单元判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
12.如权利要求7-11任一项所述的装置，其特征在于，所述调整单元按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，所述获取单元，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；
所述筛选单元，进一步用于根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；
调整单元，进一步用于判断所述问题小区中是否包括未经调整的问题小区；
若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
13.一种基于长期演进LTE网络的天线下倾角调整装置，其特征在于，包括：
处理器，用于根据传播模型仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的参考信号接收功率RSRP；
根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区；其中，
所述处理器根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区重叠覆盖系数，包括：所述处理器根据所述任一个小区中每一个采样点对应的RSRP，分别计算出每一个采样点对应的重叠覆盖小区数目和邻区干扰强度；所述处理器在所述任一个小区中的采样点中筛选出对应的重叠覆盖小区数目大于设定的重叠覆盖小区数目门限值的采样点，作为重叠覆盖采样点；并在所述重叠覆盖采样点中筛选出对应的邻区干扰强度大于设定的邻区干扰强度门限值的重叠覆盖采样点，作为重叠覆盖样本；所述处理器将所述重叠覆盖样本的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区重叠覆盖系数；
所述处理器根据任一个小区中采样点对应的RSRP，得到所述任一个小区的小区弱覆盖系数，包括：所述处理器分别将所述任一个小区中每一个采样点对应的RSRP与设定的小区弱覆盖判决门限进行比较，筛选出对应的RSRP小于所述小区弱覆盖判决门限的采样点作为弱覆盖采样点；所述处理器将所述弱覆盖采样点的数目与所述任一个小区中全部采样点的数目的比值，作为所述任一个小区的小区弱覆盖系数；
所述处理器在所有小区中根据所述每一个小区的小区弱覆盖系数和小区重叠覆盖系数筛选出问题小区，包括：所述处理器在所有小区中筛选出小区弱覆盖系数大于等于设定的弱覆盖系数阈值的小区作为问题小区，并在所有小区中筛选出小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的小区也作为问题小区，其中，小区弱覆盖系数大于等于设定的弱覆盖系数阈值的问题小区称为弱覆盖问题小区，小区重叠覆盖系数大于等于设定的重叠覆盖系数阈值的问题小区称为重叠覆盖问题小区；
按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对每一个问题小区进行天线下倾角调整。
14.如权利要求13所述的装置，其特征在于，所述处理器确定所述问题小区的优先级，包括：
所述处理器将所述问题小区中的弱覆盖问题小区按对应的小区弱覆盖系数进行降序排列，将排列后的结果作为所述弱覆盖问题小区从高到低的优先级顺序；将所述问题小区中的重叠覆盖问题小区按对应的小区重叠覆盖系数进行降序排列，将排列后的结果作为所述重叠覆盖问题小区从高到低的优先级顺序；或者
所述处理器确定所述问题小区的优先级为网络侧预先约定的。
15.如权利要求13所述的装置，其特征在于，所述处理器按照各个小区的覆盖面积，对任一个问题小区进行天线下倾角调整，包括：
若所述任一个问题小区为弱覆盖问题小区，则所述处理器根据所述弱覆盖问题小区的覆盖面积、所述弱覆盖问题小区天线高度和预设的所述弱覆盖问题小区的天线垂直平面的半功率角修正值，得到所述弱覆盖问题小区对应的目标下倾角，并根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整；
若所述任一个问题小区为重叠覆盖问题小区，则所述处理器根据所述重叠覆盖问题小区中每一个采样点对应的RSRP，获得所述重叠覆盖问题小区的邻小区干扰指数，并根据所述重叠覆盖问题小区的邻小区干扰指数，在所述重叠覆盖问题小区的邻小区中筛选出对应的高干扰邻小区，以及根据所述高干扰邻小区的覆盖面积、所述高干扰邻小区天线高度和预设的所述高干扰邻小区的天线垂直平面的半功率角修正值，得到所述高干扰邻小区对应的目标下倾角，最终根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整。
16.如权利要求15所述的装置，其特征在于，所述处理器根据所述目标下倾角对所述弱覆盖问题小区进行天线下倾角调整，包括：
所述处理器根据所述目标下倾角和所述弱覆盖问题小区的当前天线下倾角，得到所述弱覆盖问题小区的天线下倾角调整值；
所述处理器判定所述天线下倾角调整值小于0时，将所述弱覆盖问题小区的天线下倾角调整至所述目标下倾角。
17.如权利要求15所述的装置，其特征在于，所述处理器根据所述目标下倾角对所述高干扰邻小区进行天线下倾角调整，包括：
所述处理器根据所述目标下倾角和所述高干扰邻小区的当前天线下倾角，得到所述高干扰邻小区的天线下倾角调整值；
所述处理器判定所述天线下倾角调整值大于0时，将所述高干扰邻小区的天线下倾角调整至所述目标下倾角。
18.如权利要求13-17任一项所述的装置，其特征在于，所述处理器按照所述问题小区的优先级，以及各个小区的覆盖面积，依次对所述每一个问题小区进行天线下倾角调整之后，还包括：
再次对传播模型进行仿真后，所述处理器，进一步用于根据仿真结果，分别获得每一个小区的覆盖面积，以及每一个小区中每一个采样点对应的RSRP；根据每一个小区中每一个采样点对应的RSRP，分别得到相应小区的小区弱覆盖系数和小区重叠覆盖系数，并在所有小区中根据每一个小区的小区弱覆盖系数和重叠覆盖系数筛选出问题小区；判断所述问题小区中是否包括未经调整的问题小区：若是，则按照未经调整的问题小区的优先级，以及各个小区的覆盖面积，依次对未经调整的每一个问题小区进行天线下倾角调整；否则，根据预设的微调步长，分别对每一个问题小区的进行天线下倾角调整。
CN201310681452.6A 2013-12-12 2013-12-12 一种基于lte网络的天线下倾角调整方法及装置 Active CN103686767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310681452.6A CN103686767B (zh) 2013-12-12 2013-12-12 一种基于lte网络的天线下倾角调整方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310681452.6A CN103686767B (zh) 2013-12-12 2013-12-12 一种基于lte网络的天线下倾角调整方法及装置

Publications (2)

Publication Number Publication Date
CN103686767A CN103686767A (zh) 2014-03-26
CN103686767B true CN103686767B (zh) 2017-10-17

Family

ID=50322764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310681452.6A Active CN103686767B (zh) 2013-12-12 2013-12-12 一种基于lte网络的天线下倾角调整方法及装置

Country Status (1)

Country Link
CN (1) CN103686767B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103906109B (zh) * 2014-04-25 2018-12-28 中国联合网络通信集团有限公司 一种移动通信系统干扰排查方法和装置
CN106211186B (zh) * 2015-05-05 2019-06-14 普天信息技术有限公司 一种无线网络规划中判定小区问题的方法
CN106412946B (zh) * 2015-07-31 2019-10-29 中国电信股份有限公司 确定远程控制单元与扇区对应关系的方法、装置及系统
CN105407502A (zh) * 2015-10-30 2016-03-16 中国联合网络通信集团有限公司 一种确定存在重叠覆盖的小区的方法及装置
CN105828365A (zh) * 2016-06-01 2016-08-03 武汉虹信技术服务有限责任公司 一种基于mr数据的lte小区重叠覆盖分析方法
CN108271166B (zh) * 2016-12-31 2021-09-03 中国移动通信集团河北有限公司 通信网络的覆盖优化方法及其装置
CN106792761A (zh) * 2017-01-23 2017-05-31 深圳市网信联动通信技术股份有限公司 一种小区过覆盖区域的检测方法及装置
CN108668293A (zh) * 2017-03-27 2018-10-16 中兴通讯股份有限公司 计算服务小区与邻区的重叠覆盖度的方法和装置
CN109246713B (zh) * 2017-07-10 2022-02-11 中国移动通信集团湖北有限公司 覆盖优化措施的确定方法、装置、设备和介质
CN109495899B (zh) * 2017-09-13 2023-01-10 中国移动通信集团设计院有限公司 天线的参数优化方法、装置、电子设备和存储介质
CN109982334A (zh) * 2017-12-28 2019-07-05 中国移动通信集团四川有限公司 天馈参数的优化方法、装置、设备及介质
CN109579774B (zh) * 2018-11-06 2021-04-23 五邑大学 一种基于深度实例分割网络的天线下倾角测量方法
CN111586700B (zh) * 2019-02-15 2021-12-28 大唐移动通信设备有限公司 一种信号覆盖范围的调整方法和装置
CN111654870B (zh) * 2020-06-01 2022-07-22 中国联合网络通信集团有限公司 调整小区覆盖区的控制方法、装置、设备及存储介质
CN113055897B (zh) * 2021-03-05 2022-06-24 五邑大学 一种基站天线弱覆盖区域定位方法、系统及存储介质
CN115119245A (zh) * 2021-03-17 2022-09-27 中国移动通信集团山东有限公司 天馈问题核查方法和设备
CN115052303A (zh) * 2021-04-25 2022-09-13 四川通信科研规划设计有限责任公司 基于栅格rsrp数据的基站方向角纠偏方法、存储介质和装置
CN116033439B (zh) * 2023-01-20 2024-03-29 中国联合网络通信集团有限公司 重叠覆盖的改善方法、装置及可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101873604A (zh) * 2009-04-22 2010-10-27 大唐移动通信设备有限公司 长期演进系统中覆盖自优化的方法、系统和设备
CN102202330B (zh) * 2011-05-23 2014-07-16 北京邮电大学 蜂窝移动通信系统的覆盖自优化方法
CN103188693B (zh) * 2011-12-30 2016-08-10 中国移动通信集团江苏有限公司 基于地理信息系统的天线下倾角确定方法及装置
CN102625326B (zh) * 2012-03-22 2014-04-23 浙江大学 蜂窝移动通信网络覆盖的多小区联合优化方法及其装置

Also Published As

Publication number Publication date
CN103686767A (zh) 2014-03-26

Similar Documents

Publication Publication Date Title
CN103686767B (zh) 一种基于lte网络的天线下倾角调整方法及装置
CN109495899B (zh) 天线的参数优化方法、装置、电子设备和存储介质
CN103686745B (zh) 一种lte系统中频率优化的方法及装置
EP3890361B1 (en) Cell longitude and latitude prediction method and device, server, base station, and storage medium
CN105828365A (zh) 一种基于mr数据的lte小区重叠覆盖分析方法
US11800373B2 (en) System and method for 3D propagation modelling for planning of a radio network
CN110650436B (zh) 基于WiFi数据的位置指纹库建立与拟合方法
CN106412973A (zh) 一种网络覆盖质量检测方法及装置
CN103841602B (zh) 一种邻区配置方法及系统
WO2013071771A1 (zh) 站址的选择方法和设备以及栅格选择方法和设备
CN102281575B (zh) 按时隙优先级的排序进行接入的方法及无线网络控制器
CN102480743B (zh) 一种越区覆盖的定位方法、装置和系统
WO2022022486A1 (zh) 用于基站节能的处理方法和处理装置
US20220256358A1 (en) KPI-Based Tilt Range Selection
CN109429247A (zh) 一种基于问题场景化的改善小区网络的方法及装置
CN104168588A (zh) 一种lte系统干扰核查方法及装置
CN105163344A (zh) 一种td-lte系统内干扰的定位方法
CN102957572B (zh) 一种系统性能评估方法及装置
CN114339913B (zh) 无线网络的邻小区更新方法、装置、介质及电子设备
CN107517465B (zh) 一种对fdd-lte基站站址的筛选方法和装置
CN110430596B (zh) 无线信号覆盖区域的质量评估方法、装置及可读存储介质
CN110536338B (zh) 天线参数调整方法及装置
CN104735707A (zh) 一种故障天线定位方法、装置及电子设备
CN104469834B (zh) 一种业务仿真感知评价方法及系统
CN107182062A (zh) Lte网络中物理小区优化方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant