CN104160725B - 用于使用分布式天线系统进行地理负荷均衡的方法 - Google Patents

用于使用分布式天线系统进行地理负荷均衡的方法 Download PDF

Info

Publication number
CN104160725B
CN104160725B CN201380009723.1A CN201380009723A CN104160725B CN 104160725 B CN104160725 B CN 104160725B CN 201380009723 A CN201380009723 A CN 201380009723A CN 104160725 B CN104160725 B CN 104160725B
Authority
CN
China
Prior art keywords
dru
sectors
das
sector
method described
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
CN201380009723.1A
Other languages
English (en)
Other versions
CN104160725A (zh
Inventor
肖恩·帕特里克·斯特普尔顿
赛义德·阿明·赫加齐
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.)
Dali Systems Co Ltd
Original Assignee
Dali Systems 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 Dali Systems Co Ltd filed Critical Dali Systems Co Ltd
Publication of CN104160725A publication Critical patent/CN104160725A/zh
Application granted granted Critical
Publication of CN104160725B publication Critical patent/CN104160725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • H04W36/304—Reselection being triggered by specific parameters by measured or perceived connection quality data due to measured or perceived resources with higher communication quality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/16—Performing reselection for specific purposes
    • H04W36/22—Performing reselection for specific purposes for handling the traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • H04W40/14—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on stability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices
    • H04W88/085—Access point devices with remote components

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

提出了用于对具有多个数字远程单元(DRU)的无线通信系统中的非均匀分布的网络业务量进行均衡的方法及装置。在一些实施方式中，方法包括将多个DRU划分成多个DRU扇区，并且取决于上述DRU扇区中的至少之一中的业务量状况来动态地重新划分上述多个DRU扇区，使得该重新划分满足软容量约束或硬容量约束中的至少之一。该动态重新划分可以基于至少一个优化算法。

Description

用于使用分布式天线系统进行地理负荷均衡的方法
相关申请的交叉引用
本申请要求于2012年2月17日提交的题为“Evolutionary Algorithms forGeographic Load Balancing Using a Distributed Antenna System”的美国临时专利申请No.61/600,530的优先权，其全部公开内容出于所有目的通过引用合并到本文中。
背景技术
分布式天线系统(DAS)已经广泛地实施于现有技术的蜂窝通信系统中以增强无线网络性能。DAS因其与传统无线网络设施相比而言的架构设计而相对于常规通信系统具有明显的优势。近期的研究确定了使用 DAS的其他潜在优点。然而，大部分关于DAS的近期工作并未关注用于优化负载均衡性能的负载均衡技术。因此，在本领域中需要与DAS中的负载均衡相关的改善了的方法和系统。
发明内容
随着蜂窝用户的增加，在无线网络中常见有业务量热点和不均衡的业务量分布。本发明的实施方式涉及用于移动网络的负载均衡系统，该负载均衡系统根据业务量地理分布来优化蜂窝性能以提供高的服务质量 (QoS)。在一些实施方式中，由多扇区基站收发台(BTS)提供的虚拟化分布式天线系统(VDAS)具有在给定地理区域上分配蜂窝容量的能力。VDAS可以将一部分BTS容量集中在业务量“热点”周围，并且将剩余的BTS容量重新分配在其他小区上。为了能够在分布式天线(DA)之间进行负载均衡，本发明的实施方式可以取决于时变业务量将DA动态地分配给BTS扇区。在一些实施方式中用公式将VDAS扇区化表示为整型线性约束优化问题，VDAS扇区化使得作为网络中的两个重要的关键性能指标(KPI)的受阻呼叫和切换最小化。在一些实施方式中，VDAS扇区化技术在满足每个扇区处的容量需求的同时考虑连续并且紧密的扇区来使切换的数量最小化。许多实施方式包括遗传算法(GA)和估计分布算法(EDA)这两个进化算法中的至少之一以解决该问题。呈现有针对不同的业务量情形评估系统性能的结果。结果表明这两个进化算法对于小规模的网络获得极佳的KPI。
本发明的实施方式包括用于对VDAS无线通信系统中的业务量进行优化的方法及装置。检查对DRU的扇区化以对VDAS LTE系统中的业务量进行均衡。认为合适的扇区化是在每个扇区中有效地使用满足软容量和硬容量的资源(许可)。提出了连续并且紧密的扇区以减少切换和干扰。在一些实施方式中将DRU扇区化公式化为使受阻呼叫和切换呼叫最小化的整型线性规划问题。
公开了包括EDA算法和GA算法的实施方式以解决扇区化问题，并且将各个解彼此以及与最优解或下界解进行比较。通过使用三个测试问题，EDA算法相比GA算法毫无疑问地提供了更好更快的结果，并且对于能够列举其大小的问题实现了最优性。对于小网络(19_DRU)，EDA 算法和GA算法显示出出色的性能。对于大网络，EDA在合理的时间内显示出优异的特性。
根据本发明的一种实施方式，提供了一种用于对具有多个数字远程单元(DRU)的无线通信系统中的非均匀分布的网络业务量进行均衡的方法。该方法包括将上述多个DRU划分成多个DRU扇区，并且取决于上述DRU扇区中的至少之一中的业务量状况动态地重新划分上述多个 DRU扇区，使得该重新划分满足软容量约束和硬容量约束中的至少之一。该动态重新划分基于至少一个优化算法。例如，上述至少一个优化算法可以包括至少一个进化算法例如遗传算法(GA)或估计分布算法(EDA)。
在一些实施方式中，上述至少一个优化算法包括至少一个线性规划模型，该线性规划模型包括以下约束中的至少之一：使受阻呼叫最小化、使呼叫切换最小化或者使DRU扇区中的每一个的紧密性指标最大化。DRU 扇区中的每一个可以包括连续的DRU并且DRU扇区中的每一个可以基本紧密。例如，软容量约束可以包括最大用户数量以维持可接受的信噪比 (SNR)。再例如，硬容量约束可以包括分配给虚拟基站(VBS)的许可/ 资源的总数。
根据本发明的另一种实施方式，提供了一种用于对具有多个数字远程单元(DRU)的无线通信系统中的非均匀分布的网络业务量进行均衡的方法。该方法包括：a)提供与基站的多个扇区相关联的数字接入单元 (DAU)；以及b)提供与该DAU相关联的多个DRU。该方法还包括：c) 将上述多个DRU划分成多个DRU扇区；以及d)测量与上述多个DRU 扇区相关联的受阻呼叫的数量。该方法还包括：e)确定受阻呼叫的数量大于预定阈值；以及f)使用至少要素c)至要素e)进行迭代。
根据本发明的特定实施方式，提供了一种用于对分布式天线系统 (DAS)中的非均匀分布的网络业务量进行均衡的方法。该方法包括：a) 提供与基站的多个扇区相关联的数字接入单元(DAU)；以及b)提供与该DAU相关联的多个数字远程单元(DRU)。该方法还包括：c)将上述多个DRU划分成多个DRU扇区；以及d)对与上述多个DRU扇区相关联的业务量状况的至少一个度量进行测量。该方法还包括：e)将上述至少一个度量与预定阈值进行比较；f)确定有必要进行对划分的迭代；以及g)对至少要素c)至要素e)进行迭代。
根据本发明的另一特定实施方式，提供了一种分布式天线系统 (DAS)。DAS包括一个或更多个数字接入单元(DAU)和与上述一个或更多个DAU耦接的多个数字远程单元(DRU)。该系统还包括数据处理器，该数据处理器与上述多个DRU耦接并且该数据处理器包括非暂态计算机可读存储介质，该非暂态计算机可读存储介质包括有形地体现在该计算机可读存储介质上的多个计算机可读指令，上述多个计算机可读指令当由该数据处理器执行时提供对网络业务量的均衡。上述多个指令包括：a) 使该数据处理器将多个DRU划分成多个DRU扇区的指令；以及b)使该数据处理器对与上述多个DRU扇区相关联的业务量状况的至少一个系统度量进行测量的指令。上述多个指令还包括：c)使该数据处理器将上述至少一个系统度量与预定阈值进行比较的指令；以及d)使该数据处理器确定上述至少一个系统度量大于该预定阈值的指令。上述多个指令还包括：e)迭代至少要素(a)至要素(d)。在一些实施方式中，取决于特定的系统度量，还可以将上述指令修改成确定上述至少一个系统度量小于预定阈值。在此情况下，进行迭代直到该系统度量大于或等于该预定阈值为止。本领域的普通技术人员会意识到许多变型、修改和替代方案。
在一些实施方式中，迭代的数量可以取决于DRU扇区中的至少之一中的业务量状况，使得重新划分满足软容量约束或硬容量约束中的至少之一。在一些实施方式中，软容量约束可以包括减少切换，而硬容量约束可以包括在任意一个时间点的所处理的呼叫的最大数量。在一些实施方式中，动态的重新划分基于至少一个优化算法。
附图说明
可以通过参考附图来理解各实施方式的本质和优点。在附图中，类似的部件或特征可以具有相同的附图标记。而且，相同类型的各部件可以通过在附图标记后面跟随破折号和区分相似部件的第二标记来进行区分。如果在说明书中仅使用了第一附图标记，则该描述适用于具有该第一附图标记的相似部件中的任何一个，而无需考虑第二附图标记。
图1是根据一些实施方式的示例分布式天线系统(DAS)的示意图；
图2A和图2B示出了根据一些实施方式的示例方法；
图3示出了根据一些实施方式的示例扇区化问题和解决方案；
图4A和图4B是与一些实施方式相关联的示例扇区化情形；
图5A和图5B是与一些实施方式相关联的其他示例扇区化情形；
图6A和图6B是与一些实施方式相关联的再其他示例扇区化情形；
图7、图8和图9示出了根据一些实施方式的实现的定量改进；
图10、图11和图12示出了根据一些实施方式的实现指定性能所需的种群大小与代的数量之间的示例权衡的图；以及
图13示出了根据一些实施方式的示例流程图。
具体实施方式
3GPP LTE是下一代无线网络的有前景的候选者。在过去的15年中，蜂窝移动通信系统有了相当大的发展。用最小的成本提供高的服务质量(QoS)势在必行。随着蜂窝用户的可观的增长，在无线网络中常见有业务量热点和非均衡的呼叫分布。这降低了服务的质量并且增加了呼叫受阻和呼叫掉线。通常在网络规划阶段进行GSM网络和UMTS网络中的小区间优化，并且通常是手工完成。当业务量环境变化时，网络性能将不会是最优的。因此必须根据业务量环境动态地进行对网络的小区间优化，尤其是当小区业务量负载不是均匀分布时。这是3GPP LTE的自组织网络 (SON)中的重要优化问题之一。当小区间的业务量负载不均衡时，高负载小区的受阻概率可能较大，而其邻区却可能具有未充分利用的资源。在此情况下，可以进行负载均衡以缓解甚至避免该问题。另外，除了3GPP LTE之外的其他下一代网络可能经历类似的问题。在一些实施方式中，本文中呈现的解决方案也可以应用到那些架构中。
根据一些实施方式，解决该问题的一种方法是利用分布式天线系统 (DAS)的特点。DAS将传统的无线电基站架构分成两块：中央处理设施以及通过高带宽网络连接至该中央设施的一组分布式天线(DA)。DAS 网络将模拟形式或数字形式的无线电信号传输至中央设施或从中央设施传输，在中央设施处进行所有的基站处理。通过用被分配以给出与单个天线相同的覆盖率的几个低功率天线来替代单个高功率天线，DAS能够提供在地理区域或结构内的更可靠的无线服务，同时减少功耗。在虚拟化的 DAS中，来自宾馆站(hotelstation)处的多个扇区化的eNodeB的业务量负载被分配到多个数字远程单元(DRU)中。此协同配置还使得多个运营商能够在相同的物理设施上使用多种技术，因而提供了为签约用户提供高质量高可靠性通信服务的具有成本效益的方法。针对虚拟化的DAS 配置，可以取决于时变业务量将多个DRU动态地分配给不同的eNobeB 扇区，以解决不均衡的业务量情形。
针对虚拟化的DAS系统的一个主要的设计挑战是位置区管理。通常可以将位置区管理问题叙述成：对于给定的n个DRU的网络，目标是在不超过eNodeB所支持的用户数量的情况下将该网络划分成m个覆盖区域。对于给定数量的eNodeB和资源为了提供最佳的服务质量(QoS)，当考虑呼叫切换率和呼叫受阻率时必须动态地平衡呼叫业务量。这就是可以通过将扇区化的eNodeB业务量传递到独立的DRU而实现的位置管理优化问题。
当业务量资源聚集在eNodeB宾馆(eNodeB hotel)中时，单个eNodeB 中的分离的资源仍被分配到与该eNodeB相关联的特定天线组并且提供对特定地理区域的覆盖。业务量资源被固定，即仅与特定eNodeB相关联的资源才可以被分配给与该eNodeB相关联的天线。然而，因为各eNodeB 被并置在eNodeB宾馆中，所以系统可以将分离的eNodeB的聚集的业务量资源作为可以根据各种算法分配的单个的集中业务量资源来使用。通常基于在所有区域中的最坏情况下的业务量资产来进行假定，在99％的时间中网络设计是浪费的，必然导致固定资源的过量供应或供应不足。业务量资源要么未被使用(空闲信道)要么供应不足而不足以处理所给出的业务量。两种情况都引起同一后果：失去收益并且失去机会。当站点的业务量资源空闲且未被使用时，业务量资产未能提供投资上的最优回报。但是在一天中的任何时间点处缺少足够的容量来支持所提供的业务量的站点积攒了掉话，失去收益机会并且使客户不满。从扩展的传感器网络得到的业务量信息会用于仅在需要业务的时间段将业务量资源动态地分配给需要的地理区域。当提供了业务并且业务量传感器网络确定不再需要业务量资源时，业务量资源被返回到资源池以被再次分配。整个网络基于所感知 (感测)的需求或当因自然事件或人工事件而出现中断时自动地对其自身进行重新配置。
负载均衡可以被分类为两个基本的种类：受阻概率触发的负载均衡和基于效用的负载均衡。然而，很少有研究处理在类LTE的分组交换网络中的不均衡负载网络情形。
在本领域中可能已知与移动蜂窝网络和增长的系统容量相关的各种方案。均衡业务量负载和使用DAS是最重要的方案中的在现有技术中很少被考虑的两个方案。移动蜂窝网络中的业务量负载均衡可能自从第一代移动通信系统以来就被人们所熟知。已提出了很多方法来解决该问题，例如小区分割、信道借用、信道共享、动态信道分配等。DAS在蜂窝网络中的应用应该也是已知的。然而，与业务量负载均衡相关的大部分工作仅关注不同的无线电资源分配方案，并且关于DAS的大部分工作仅考虑在多小区内的无线电传播信道来提高系统容量。
如在本发明的一些实施方式中描述的使用VDAS的地理负载均衡被认为是业务量负载均衡的新方法，其提供根据当前地理的业务量状况来实时地提供动态的负载重新分布。该方法可以用于提高包含不均匀分布的业务量的任何分布式系统的性能，尤其是用于解决业务量热点。关于动态扇区化、对倾斜天线的使用和动态小区大小控制(小区呼吸)的知识说明了可以通过对非均匀分布的业务量进行均衡来提高系统性能。
本发明的一些实施方式出于动态地平衡业务量的目的而将eNodeB业务量传递给各个独立的DRU。扇区化也减少了被分配给相同扇区的小区间的切换，这可以通过DAS网络所固有的同播能力来实现。在一些实施方式中的对扇区化的DRU的此公开的管理与现有的均衡方法不同。在先前的动态均衡研究中，给每个小区分配固定的基础资源，而将一些预留或借用的资源分配给具有较高业务量的小区。然而，在所公开的实施方式中，被称为硬容量的单元对资源进行控制，并且通过取决于每个小区处的时变业务量将DRU进行分组来将该单元分配给eNodeB。因此满足硬容量的动态扇区化极大地减少了呼叫受阻概率和呼叫切换。
本公开内容的公开本发明的某些方面的剩余部分按如下组织。虚拟化的分布式天线系统和对DRU的动态扇区化。对DRU负载均衡问题的公式化。解决该问题的两个进化算法：遗传算法(GA)和估计分布算法 (EDA)。将两个算法的性能与最优解和下界解进行比较。
分布式天线系统
分布式天线系统(DAS)已广泛地实施于现有技术的蜂窝通信系统中以覆盖死点。在DAS中，将天线模块在地理上分布而非集中在某个位置处以减小接入距离。每个分布式天线模块经由专用的电线、光纤或独占的 RF链路而连接至家庭基站(eNodeB宾馆或中央单元)。
从架构观点来看，DAS相对于传统的通信系统具有明显的优势。DAS 可以降低系统安装成本并且简化维护，因为DAS可以降低在目标服务区域内所需的基站的数量。可替代的策略是尝试使用分布式天线减少整体的传输功率，其具有以下附加优点：提供更好的覆盖并且增加了手机电池寿命。虽然当初仅是为了覆盖室内无线通信的死点而引入分布式天线系统 (DAS)，但是近年来的研究已确认其他的潜在优点例如功率和系统容量并且已经扩展了其应用。而且，因为用于信号处理的资源例如许可/信道卡在家庭基站处被集中并且共享，所以受阻概率会因线槽有效性原则而被提高。除了这些架构性的优点，还显示出DAS因宏分集和减小了的接入距离而具有功率、信号与干扰加噪声比(SINR)和容量等方面的优点。基于这些优点，很多蜂窝服务提供商或系统制造商用分布式天线系统替代传统的蜂窝系统。然而，关于DAS的大部分近期工作关注开发这些优点以及分析其性能。另一方面，很少有关于使用DAS在时变网络中进行负载均衡的公开内容。
系统结构
图1公开了本发明的某些实施方式。在如图1所示的虚拟化的DAS 中，数字远程天线(DRU)例如DRU 110经由光纤例如光纤缆线112和数字接入单元(DAU)例如DAU 104(DAU1)连接至eNodeB宾馆。每个DRU可以为小区提供服务，使得不论谁在该小区的范围内都由该小区中具体DRU提供服务。DRU可以被策略地安装使得DRU的总和可以为大的区域提供服务，例如图示的7个小区的区域106。在其他情况下，可以安装较少的DRU，并且可以为较小的区域如3个小区的区域108提供服务。各DAU互相连接并且连接至多个扇区例如eNodeB1中的扇区1、扇区2和扇区3。该能力使得能够在独立的DRU处将eNodeB资源虚拟化。eNodeB宾馆100可以链接至公共交换电话网络或移动交换中心。DRU 被扇区化使得被分配给给定eNodeB扇区的每个DRU是同播的。针对同播操作，eNodeB宾馆与DRU之间的接入网络应该具有多分支总线拓扑。 DAU根据业务量需求动态地将各个扇区的无线电资源分配给独立的 DRU。
将eNodeB对活动用户的数量的限制定义为硬容量。基站供应商基于分配的许可(资源)的数量来向运营商收费。通常，三扇区BTS例如eNodeB 102针对扇区之间的业务量需求而共享许可。例如，可以给三扇区BTS 分配600个许可。这600个许可的集合被称为虚拟基站(VBS)。eNodeB 宾馆可以包括几个VBS。
动态DRU扇区分配
根据一些实施方式，在结合图1讨论的虚拟化DAS中，有益的是将 DRU扇区化以处理动态变化的业务量并且平衡每个扇区的业务量。在 DRU覆盖区域处，业务量取决于时间段而增加或减少。因此，实施方式提供了将DRU动态地扇区化的方法和系统，使得扇区中的DRU满足软容量(例如，满足用户的最大数量以维持可接受的SNR)并且VBS中的扇区满足硬容量(例如，满足分配给VBS的许可/资源的总数量)。一些实施方式关注针对均衡的业务量满足软容量和硬容量的合适的扇区化。不合适的扇区化则可能有非均衡的业务量的一些情况，在这些情况下即使其他扇区具有非常少的业务量，在特定扇区中受阻呼叫的数量仍增加。图 2A示出了有十个DRU、三个扇区和一个VBS的扇区化示例。可以通过在DRU内的不同方向的线来区分所示出的扇区。例如，具有水平线的 DRU组成第一扇区202，具有交叉线的DRU组成第二扇区204以及具有竖直线的DRU组成第三扇区206。每个六边形DRU内的数字可以代表在给定时间的当前呼叫数量。因此，例如在图2A中，扇区202当前服务 80+70+50＝200个呼叫。在此示例中，假设在VBS中的硬容量为600个许可并且每扇区的软容量为200个信道，则不合适的扇区化产生35个受阻呼叫，而其他两个扇区仍有空闲信道。通过观察到扇区206在一个时间具有50+45+80+60＝235个呼叫而扇区204具有40+35+75＝150个呼叫可以看出这一点。假设每个呼叫具有其自身的单独信道，并且每个扇区的软容量为200个信道，则扇区206具有的呼叫比其当前可以处理的呼叫多出35 个，导致35个掉线的或受阻的呼叫。这种情况可以被描述为不合适的扇区化，因为至少一个扇区的呼叫负载重而其他扇区仍具有处理更多呼叫的容量。
然而，在合适的扇区化中没有呼叫受阻并且业务量被很好地均衡。参照图2B，如果更好地跨扇区来均衡DRU，则不会发生受阻呼叫。在此情况下，来自扇区206的具有50个呼叫的DRU可以被重新分配到仅具有 150个呼叫的扇区204。因此，根据一些实施方式的重新分配使得经均衡的扇区204’(40+35+75+50＝200)和扇区206’(45+80+60＝185)服务于不多于其信道软容量的呼叫，从而没有受阻的或掉线的呼叫。现在，注意被分配给给定扇区的所有DRU以同播的方式广播无线电信号。在一些实施方式中，受阻呼叫的数量可以是期望被最小化或以其他方式被优化的度量。例如，在一些实施方式中，如果受阻呼叫的数量当前超过预定阈值，则可以采取步骤将DRU重新分配到其他扇区以及通过一系列迭代将扇区间的负载大体上进行再均衡直到受阻呼叫的数量降落到该阈值以下。
总体上，本公开内容示出可以导致低效和次优的扇区化的几个问题。例如，如果服务这些六边形区域的DRU如图3(a)所示是不连续的，则可能存在来自相邻同播组的明显干扰。注意具有水平线的DRU 302与也具有水平线的DRU 304的确在同一扇区中，但是它们明显不连续。不连续的扇区化也产生了扇区间的不必要的切换。例如，如果用户正在通话并且从DRU 302经过到DRU 304，则该用户将必须经过一些与不同扇区相关联的具有竖线的DRU。每当用户跨入不同扇区时，必然发生切换，导致了不必要的切换并且浪费资源。因此，在分配给给定扇区的小区为连续时会比较好。为了使扇区之间的切换和干扰最小化，考虑DRU扇区化的紧密性。图3(b)示出了连续但不紧密的DRU扇区化的示例。例如，由不同的划线方向区分的扇区206、扇区208和扇区310相对于其相应扇区内的DRU均连续。然而，这些DRU被大体上以线的形式被分组。因为与DRU以更紧密的方式分组相比具有围绕扇区的较大周长，所以这会导致必须进行切换的较高趋势。被分配给其他扇区的DRU所围绕的孤立的 DRU与紧密的扇区化的DRU相比可能经受较高的干扰。紧密的扇区化还通过减小两个不同扇区之间的边界的长度来减少切换的数量。
相比之下，图3(c)示出连续并且紧密的配置。扇区312、扇区314 和扇区316都使其相应的DRU连续，并且DRU的该配置与例如图3(b) 的配置相比更紧密，因为围绕扇区的周长较小，使得用户跨越小区的边界的移动且需要进行切换的可能性较小。通常，一些实施方式的目标是在下述意义上产生良好地均衡了的扇区配置：使受阻呼叫的数量最小化(即合适的扇区化)、可以将切换的数量最小化、以及/或者小区的配置连续并且紧密(至少涉及对切换的数量的最小化)。此外，实施方式可以被视为解决了或减轻了与DRU扇区化相关的“软容量”问题和/或“硬容量”问题。例如，扇区的软容量约束可以是在扇区之间发生的切换的数量。硬容量约束可以是给每个扇区分配的信道的数量，因而确定了在任何时间点处扇区内的最大呼叫数量。
为了测量在六边形DRU环境中的扇区化的紧密性，引入了紧密性指标(CI)，紧密性指标被定义为切换小区的边的数量与VBS中的小区的边的总数量的比率。例如图3(b)的扇区化的CI是10/18，而图3(c)的扇区化的CI是7/18。
如以下将更多讨论的那样，本发明的实施方式可以基于至少一种优化算法将多个DRU动态地划分成不同的扇区以将这些或其他类似类型的问题减少、最小化和/或优化。算法可以包括对各种关键性能指标(KPI)进行测量，各种关键性能指标包括提供通过给定DRU进行操作的用户的数量的指示的信号强度。
对DRU扇区化的公式化
网络的性能(由来自网络的不同部分的多个KPI表示)确定QoS值。不同的运营商可以具有不同定义的商业目标和不同的感兴趣业务。基于这些考虑，效率和成本效益网络性能管理因运营商而异。因此，QoS度量可以被定义并映射到一组KPI。当使用一组KPI时，则需要用加权归一化函数来表示该映射。
下面描述对扇区化问题的公式化，该公式化使用混合整型规划以对扇区之间的业务量进行均衡并且用连续并且紧密的扇区来最小化切换。这些公式包括在本发明的实施方式的各部分中。假设在时间段t对DRU进行扇区化，则问题是获得在时间段t+1处自适应地对业务量需求的变化进行均衡的新的扇区化。
为了将该问题公式化，考虑具有N个DRU的服务覆盖区域。假设每个DRU具有业务量需求Ti，i＝1,…,N。注意，如果在DRUB处从UEA接收的上行链路功率相比其他DRU而言较大，则UEA属于DRUB。设pij是移动电话从DRUi到DRUj的转移概率，则从DRUi到DRUj的切换呼叫变为hij＝pijTi个。DRUi与DRUj之间的距离与pij成反比，假设eNodeB宾馆具有M个VBS。设SOSm和SODk分别是VBSm中的扇区的集合和分配给Sectork的DRU的集合，使得|SOSm|＝3(如果每个eNodeB/VBS具有三个扇区)，m＝1,…,M并且k＝1,…K。现在考虑扇区化问题中的三个代价因子(KPI)：
(1)KPIBC(受阻呼叫的数量的倒数)：由硬容量和软容量引起的受阻呼叫的损失。设HCm和SCk分别是VBSm的硬容量和Sectork的软容量，使得当DRUi属于Sectork时，二进制变量xik＝1。则当DRUi属于VBSm时，yim＝1。
因为仅当呼叫受阻时发生损失，所以仅将sck应用于目标函数，因为 hcm是sck的函数，所以不需要将其作为另一项增加到目标函数中。sck是非负的实数变量。所以，
(2)KPIHO(切换的数量的倒数)：考虑三种不同类型的切换：
(A)eNodeB间的切换：当正在通话的用户设备(UE)从一个VBS 移动到另一个VBS时，UE需要进行eNodeB之间的切换。使用X2接口 (只要UE不离开LTE覆盖区域即可)或S1接口(当UE离开服务小区时)来执行eNodeB间的切换。X2切换包括使用X2应用程序部分(X2AP)建立从源eNodeB到目标eNodeB的信令连接。目标eNodeB用UE的新的地理位置来更新MME(移动管理实体)。为了能够进行该过程，MME 需要与S-GW(服务网关)通信以协商新的端点。在S1切换期间，MME 接收源eNodeB的重新分配准备请求，其开始切换资源分配过程以从目标eNodeB请求必需的无线电资源。在目标eNodeB发送了包含在切换命令消息中的所需的无线电接口参数之后，MME将此切换命令消息透明地转发到UE，UE执行该切换。该主过程由MME触发并由S-GW执行。
当DRUi和DRUj属于VBSm时，设二进制变量zijm＝1。然后通过使用变量来计算eNodeB间的切换代价，该代价成为
注意，当DRUi和DRUj属于不同的VBS即zijm＝0时，发生eNodeB 之间的切换。
(B)eNodeB内的切换：当正在通话的UE从VBS中的一个扇区移动到另一个扇区时，移动电话需要进行eNodeB内的切换。该过程无需涉及MME或S-GW，因为其可以完全在VBS内处理。现通过当DRUi和 DRUj属于扇区k时设二进制变量wijk＝1，可以通过使用变量wij-zji来计算 eNodeB内的切换代价，其中该代价成为
当DRUi和DRUj属于相同VBS中的不同扇区时发生eNodeB内的切换。
(C)强制切换：当DRU改变其扇区时，小区中的所有正在进行的通话必须改变其WCDMA的导频PN偏移量。通过利用当前扇区化aik来计算强制切换的代价，当DRUi在Sectork中时aik等于零。在当前在另一扇区的DRUi移动到Sectork时发生该代价，所以该代价成为
这三种切换代价的加权组合为：
(3)KPICI(紧密性指标的倒数)：这里的目的是使用紧密性指标CI 使切换边界的长度最小化。在公式(4)中，分子项表示两个不同扇区之间的切换DRU的边的数量。
其中，如果DRUi和DRUj相邻则Bij＝1。
现在考虑在本发明的各个实施方式中包括的公式中所需的以下约束：
1.每个DRU必须属于某个扇区，即：
对于所有的i有
2.Sectork中的任意两个DRU之间的关系必须满足：当且仅当 xik＝xjk＝1时wijk＝1。因此，
对于所有i，j和k，有wijk≤xik,wijk≤xjk并且wijk≥xik+xjk-1 (6)
3.在VBSm中的两个DRU之间的关系满足：当且仅当yim＝yjm＝1时 zijm＝1，因此：
针对所有i，j，k，满足zijm≤yim,zijm≤yjm并且zijm≥yim+yjm-1 (7)
4.连续的扇区化，如果扇区具有多于一个的DRU，则扇区的DRU 必须是连续的。针对连续的扇区的公式，对SODk使用切割定理。如果 Sectork连续，则将SODk中的小区分开的任何切割具有六边形小区的至少一个公共边。设S1k为SODk的适当的子集，即S1k≠φ并且 S1k≠SODk。而且设S2k为S1k的相反集，即S2k＝SODk-S1k。因为两个子集连续，所以存在DRU的由上述子集分开的至少一个公共边。换言之：
现在，QoS函数是上述已介绍的三个KPI(代价因子)的加权组合。显然，目标函数式是为了将QoS函数最大化。存在由硬容量和软容量以及切换呼叫所引起的受阻呼叫的损失。可以按照下面的混合整型线性规划来对DRU扇区化进行公式化：
最小化
QoS-1＝w1.KPIBC -1+w2.KPIHO -1+w3.KPICI -1 (9)
须服从
对于所有i
wijk≤xik，wijk≤xjk and wijk≥xik+xjk-1对于所有i、j和k
对于所有i、j
对于所有m
zijm≤yim，zijm≤yjm and zijm≥yim+yjm-l对于所有i、j和m
对于所有i、j
对于所有其中S1k≠φs1k≠SODk和 S2k＝SODk-S1k
hij＝pijTi对于所有i和j
对于所有m
对于所有的k
xik，wijk，zijm，Pk∈{0，1}对于所有的i、j、k和m
注意，作为扇区化问题的特殊情况的很多分组问题是熟知的NP困难问题。因为该问题是NP困难问题，所以执行算法所花的时间随着问题的大小呈指数增长。因此，这样的算法在大多数情况下对于现实的大小问题不可用。作为对NP困难问题有促进的结果，研究了进化算法来对扇区化问题求解，并且将性能与通过混合整型规划获得的解进行了比较。
进化算法
进化算法已被用于对困难的优化问题进行求解。一些实施方式利用进化算法来优化系统中的网络业务量。优化问题的候选解被表示为种群中的个体。进化算法(EA)是由生物进化理论启发而来。在EA中，优化问题的候选解的代价函数值表示在自然选择概念中的个体的适应性。在下文中，论述与对上述公式化问题进行求解相关的两类进化算法：遗传算法和估计分布算法。
A.遗传算法(GA)
GA是随机搜索方法，其模拟诸如基因重组、基因突变和适者生存的基因现象。GA已被应用于大量的科学问题和工程问题，包括网络中的许多组合优化问题。GA对被称为种群的候选解的集合进行操作。每个解通常由被称为染色体的串来表示。每个染色体被分配了适应值，该适应值度量了与种群中的其他染色体相比该染色体如何好地解决当前问题。通常使用三个遗传算子：选择、交叉和突变从当前种群生成新的种群。通过以较高概率选择较适应的染色体的方式来随机地选择(替换)新种群的染色体。对于交叉，存活的染色体被随机地配对，然后每个对中的两个染色体交换其串的子集以生成两个后代。然后染色体要经受变异，变异是指将各自应用于新的染色体中的每个染色体的串的元素进行随机翻转。在对GA的执行中进化的过程：选择、交叉和变异形成了一代。通过连续地替换当前代而用新生成种群将上述过程进行迭代。当达到某个停止准则例如在预定的代的数量之后时终止GA。该问题有下述多个方面表明基于GA的算法可以是有前景的算法因而在一些实施方式中使用：已证实如果要搜索的空间大但已知不是完美平滑，或者如果对搜索的空间了解不足并且寻找全局最优非至关重要，则GA工作良好。通常，使用罚函数来编码问题约束并且允许搜索非法解，例如，在该扇区化问题中违反DRU的连续性和紧密性的解。允许搜索非法解可以防止陷入到局部极小并且可以生成较佳解。在 GA的每一代期间，评估当前种群中的个体的适应性作为域解。适应性值基于公式(9)的目标函数值。
总体上，可以通过参数和标记来表征传统GA。
(Is，F，Δl，ηl，βl，Ps，Pc，Pm，ITer) (10)
1)Is是所有可能解的空间(染色体的整个搜索空间)。
2)F表示适应性函数。
3)Δl是在第l代的染色体(种群)的集合。
4)ηl是从第l代的集合Δl中选择的最佳候选解的集合。
5)标记其中是ηl的补集。
6)ps是选择概率。GA算法从集合Δl中选择ps|Δl|个个体以形成集合ηl。
7)Pc是交叉概率。在均匀交叉处理中，以概率Pc随机选择两个染色体，并且以比率CR来交换基因。
8)Pm是变异概率。针对变异，以概率Pm随机地选择基因并且改变基因的值。
9)ITer是代的最大数量。
在传统的GA中，将每个染色体指定成长度为n(n维向量)的不同基因的串。在以下步骤中描述典型的GA:
步骤0：生成初始的种群Δ0。通常通过根据均匀(相当近似于)分布采样来获得初始的种群(|Δ0|个染色体)。
步骤1：根据适应性函数F来评估当前种群Δl-1中的染色体。根据其适应性顺序来排序候选解(当前种群中的染色体)。
步骤2：如果最佳候选解满足收敛准则或者迭代的次数超过其限度ITer，则终止，否则进行到步骤3。
步骤3：从当前种群Δl-1中选择最佳psΔl-1个候选解(染色体)。根据排序的候选解来实现该选择。
步骤4：实施均匀的交叉和翻转突变，然后基于这些实施生成新的 |Δl-1|-|ηl-1|个染色体。用新生成的|Δl-1|-|ηl-1|个染色体替代差的|βl-1| 个染色体。
步骤5：进行到步骤1并重复这些步骤。
B.估计分布算法(EDA)
与进化算法不同，在EDA中，在没有交叉算子和变异算子的情况下生成每代的个体的新种群。替代地，在EDA中是基于概率分布而生成新种群，概率分布根据上一代的最佳选择个体被估计。将每个主向量作为 EDA方法的个体引入到本发明的实施方式，并且适应性函数仍是目标函数。总体上，可以通过参数和标记来表征常规的EDA。
(Is，F，Δl，ηl，βl，Ps，Γ，ITer) (11)
其中，
1)Is是所有可能解的空间(个体的整个搜索空间)。
2)F表示适应性函数。
3)Δl是在第l代的个体(种群)的集合。
4)ηl是从第l代的集合Δl中选择的最佳候选解的集合。
5)标记其中是ηl的补数。
6)ps是选择概率。EDA算法从集合Δl中选择ps|Δl|个个体以形成集合ηl。
7)将每代根据ηl(选择的候选解的集合)估计的分布标记为Γ。
8)ITer是代的最大数量。
在常规的EDA中，每个个体被定义为串。在以下步骤中描述普通的EDA：
步骤0：生成初始的种群Δ0。通常通过根据均匀(相当近似于)分布采样来获得初始的种群(|Δ0|个个体)。
针对代l＝1,2,…,进行步骤1至步骤6
步骤1：根据适应性函数F来评估当前种群Δl-1中的个体。根据其适应性顺序来排序候选解(当前种群中的个体)。
步骤2：如果最佳候选解满足收敛准则或者代的数量超过其限度ITer，则终止，否则进行到步骤3。
步骤3：从当前种群Δl-1中选择最佳psΔl-1个候选解(个体)。根据排序的候选解来实现该选择。
步骤4：基于|ηl-1|个最佳候选解来估计概率分布p(θ1，θ2,…，θn)。该估计表示为：Γ＝P(θ1，θ2，…，θn|ηl-1)
步骤5：基于该新估计的概率分布Γ生成新的|Δl-1|-|ηl-1|个个体，用新生成的|Δl-1|-|ηl-1|个个体替代差的|βl-1|个个体。
步骤6：进行到步骤1并且重复这些步骤。
本发明的实施方式遵循EDA实现中的上述伪码的步骤。针对估计，使用了单独地估计边缘分布的简单方案，并且使用了乘积形式：
其中，δ是指示函数，其可以被表达为：
根据本发明的各个实施方式分析了用于DRU扇区化问题的三种算法的效率。假设业务量均匀分布在DRU上。假设VBS的数量和扇区的数量如表I所述。扇区化的可能数量随着DUR的数量的增加而呈指数增长。将通过互相比较以及与公式化的最优解进行比较来研究所提出算法的性能。
用于公式(9)中的目标函数的代价系数为w1＝w3＝10，w2＝1，c1＝2 并且c2＝c3＝1。给w1和w5较高的权重，以将由硬容量和软容量导致的受阻呼叫最小化，并且CI是扇区化中的第一优先级。eNodeB间的切换w1 的权重是eNodeB内的切换w2的权重的两倍，是因为在同一eNodeB上的两个扇区之间的切换可以在该eNodeB内完全处理，而在两个eNodeB 之间的切换不仅涉及这两个eNodeB，而且还涉及MME和S-GW。后一种情况的代价更高，因为其涉及更多的信令、更多的处理、更多的协作和更多的时间。然而，因为强制切换仅发生在扇区化时段的开始时，所以将给w2和w3相同的权重。使用MATLAB模拟展示了针对19个DRU问题、37个DRU问题和61个DRU问题的最优解，以验证某些实施方式的性能。
算法的参数
在研究用于扇区化问题的算法的性能之前，声明了算法参数的关系。
在GA算法中，染色体中的每个基因表示相应DRU所属的扇区和 VBS。用行向量X＝(x1,x2,…,x3),xi∈{Sjk|j＝1，...，|SOSk|，k＝1，...，M}，i＝1...n表示染色体，其中，xi＝Sjk意味着DRUi属于VBSk和Sectorj。GA维护每代中的染色体的种群。用|Δl|表示种群Δl中的染色体的数量，其中，行向量的上标j表征种群中的个体。在均匀交叉处理中，以概率Pc＝0.9来随机地选择两个染色体，并且以比例0.4来交换基因。针对变异，以概率Pm＝0.1来随机地选择基因并且改变基因的值，即DRU改变其扇区。选择概率为Ps＝0.5。
在EDA算法中，将每个个体指定为串，串中的元素取自集合S即 (Sjk|j＝1，...，|SOSk|，k＝1，...，M}并具有长度n(n维向量)，其中，Sjk意味着DRUi属于VBSk和Sectorj。个体中的每个元素表示对应的DRU所属的扇区和 VBS。用行向量X＝(x1,x2,…,x3),xi∈{Sjk|j＝1，...，|SOSk|，k＝1，...，M}，i＝1...n表示个体。EDA维护每代中的个体的种群。用|Δl|表示种群Δl中的个体的数量，其中，行向量的上标j表征种群中的个体。选择概率为 Ps＝0.5。
生成初始种群
通常在两个算法中，以均匀分布从集合S中随机地选择初始种群。要注意的是，当GA或EDA的种群的大小比整体的搜索空间的大小小得多时可能得到所有的不可行解或得到非常少的可行解。为了克服这个问题，必须使一定百分比(例如，x％)的初始种群完全是应用该算法的扇区化形式。在我们的算法中考虑x＝30。
算法的性能
参照图4A、图4B、图5A、图5B、图6A和图6B，现在考虑示出根据一些实施方式的各种技术和结果的三个基准问题。在这些情况下，针对业务量分布，针对所有问题使用平均业务量为50的爱尔朗(Erlang)分布。通过使用MATLAB找到19个DRU问题的最优解以确认该试探法的性能。分别在19_DRU场景(图4A和图4B)中的35代、37_DRU场景 (图5A和图5B)中的200代和61_DRU(图6A和图6B)场景中的200 代之后终止算法。将收敛率定义为：获得最优解(或者针对37个DRU 问题和61个DRU问题找到的最佳解)的次数比上所进行的代的总数。例如图4A、图4B、图5A、图5B、图6A和图6B所示的每个示例仅代表针对要均衡的DRU的数量的某个大小和规模的一个示例性问题和解。这些仅为示例，应该清楚地看到每个示例中的许多特征可以不同，例如每个DRU内的呼叫的数量、扇区中的DRU的初始数量、每个VBS内的扇区的数量、VBS的数量、每个扇区的软容量等。根据一些实施方式，所有这些都是可能的。表I示出了图4A、图4B、图5A、图5B、图6A和图6B表示的不同场景的概要：
表I 对三个基准示例的描述
19_DRU 37_DRU 61_DRU
DRU的数量 19 37 61
VBS/eNB的数量 2 3 4
扇区的数量 6 9 12
对于19_DRU问题，例如，如图4A和4B所示，在时间t处的原分组和在时间t+1处的新分组的评估QoS为1.1*10-3(KPIBC -1＝90， KPIHO -1＝0，CI＝22/42)以及3.488*10-3(KPIBC -1＝0，KPIHO -1＝155，CI＝23/42), 如图4A所示。键400示出了各自具有三个扇区的两个VBS以组成如图所示的19小区的DRU配置。通过使用MATLAB以执行时间＝8.64*105 CPU秒(大概9天)，找到评估值为286.904的最优解。EDA对该最优解的收敛率为0.93(经过200代)使用0.082CPU秒，而GA的收敛率为 0.89(经过200代)使用0.0901CPU秒(参考图7)。在图4B中示出了作为结果的最优解。
对于37_DRU问题，例如，如图5A和5B所示，在时间t处的原分组和在时间t+1处的新分组的评估QoS为0.5*10-3(KPIBC -1＝177， KPIHO -1＝0，CI＝56/90)以及2.4*10-3(KPIBC -1＝7，KPIHO -1＝194，CI＝56/90), 如图5A和图5B所示。键500示出了各自具有三个扇区的三个VBS以组成如图所示的37小区的DRU配置。该问题可能是计算密集型，所以通过使用在有限的CUP时间内的收敛率来比较EDA和GA的性能。EDA 对找到的最佳解的收敛率为0.87使用0.1532CPU秒，而GA的收敛率为 0.50使用0.169 CPU秒(参考图8)。在图5B中示出了作为结果的最优解。
对于61_DRU问题，例如，如图6A和6B所示，在时间t处的原分组和在时间t+1处的新分组的评估QoS为0.77*10-3(KPIBC -1＝128， KPIHO -1＝0，CI＝89/156)以及2.8*10-3(KPIBC -1＝13，KPIHO -1＝105， CI＝77/156),如图6A和图6B所示。键600示出了各自具有三个扇区的四个VBS以组成如图所示的61小区的DRU配置。该问题可能也是计算密集型，所以通过使用在有限的CUP时间内的收敛率来比较EDA和GA 的性能。EDA对找到的最佳解的收敛率为0.88使用0.2815CPU秒，而 GA的收敛率为0.49使用0.3012CPU秒(参考图9)。
图7、图8和图9示出了使用根据一些实施方式的EDA算法和GA 算法的示例性性能结果。该结果可以示出EDA不仅在其到最佳解的收敛率上显著地优于GA，而且甚至EDA的非最优解也比GA更接近最佳解。然而，与完全没有进行根据实施方式的技术相比，在两种情况中都将DRU 显著更有效更好地进行了均衡。
具体地，参考图7，曲线图700示出了针对例如如图4A和图4B所讨论的19-DRU问题的EDA算法和GA算法之间的服务质量度量 (QoS％)。在此情况中，EDA算法和GA算法二者看上去达到相同水平的QoS，但是GA看上去经过较早的代的数量更快地达到该水平。曲线图710示出针对19-DRU问题的EDA算法和GA算法之间的受阻呼叫的数量的度量。如图所示，通过实施一些实施方式的技术几乎消除了受阻呼叫的数量。曲线图720示出了使用EDA算法和GA算法二者发生的切换的数量。此处，与没有使用根据本发明的实施方式的技术相比，两个算法大体上导致了80％的降低或是五倍的改进。
参照图8，曲线图800示出了针对例如如图5A和图5B所讨论的 37-DRU问题的EDA算法和GA算法之间的服务质量度量(QoS％)。在此情况中，EDA算法看上去达到更高水平的QoS，同时可以清楚地看出与没有实施任何技术相比，两个方法都大幅地改进了QoS。曲线图810 示出针对37-DRU问题的EDA算法和GA算法之间的受阻呼叫的数量的度量。如图所示，通过实施一些实施方式的技术大幅减少了受阻呼叫的数量。曲线图820示出了使用EDA算法和GA算法二者发生的切换的数量。此处，与没有使用根据本发明的实施方式的技术相比，两个算法大体上导致了75％的降低或是四倍的改进。
参照图9，曲线图900示出了针对例如如图6A和图6B所讨论的 61-DRU问题的EDA算法和GA算法之间的服务质量度量(QoS％)。在此情况中，EDA算法看上去达到更高水平的QoS，同时可以清楚地看出与没有实施任何技术相比，两个方法都大幅地改进了QoS。曲线图910 示出针对61-DRU问题的EDA算法和GA算法之间的受阻呼叫的数量的度量。如图所示，虽然EDA算法看上去导致了甚至更少的受阻呼叫，但是通过实施一些实施方式的技术大幅减少了受阻呼叫的数量。曲线图920 示出了使用EDA算法和GA算法二者发生的切换的数量。此处，与没有使用根据本发明的实施方式的技术相比，两个算法大体上导致了93％的降低或是十四倍的改进。
显然，如果这两个算法运行更多代则非常可能获得更佳的解。而且，用相同数量的代，如果在每代中使用更大的种群大小，则算法可能产生更佳的解。在达到最终解的指定性能所需的种群大小和代的数量之间需要权衡。图10、图11和图12示出了在三种不同情形中使用EDA求解的这种权衡。具体地，图10对应于19-DRU问题，图11对应于37-DRU问题，以及图12对应于61-DRU问题。可以使用这种权衡来给可用的硬件配置算法，例如，对于具有大存储器的硬件，大的种群大小是合适的。
参照图13，流程图1300示出了根据一些实施方式的示例方法。这些描述可以符合之前的图以及本文所讨论的描述中任一个。可以由例如图1 中所讨论的各种部件来实施流程图1300中的步骤。
在框1302处，在一些实施方式中，该方法可以提供与基站的多个扇区相关联的DAU。该提供的示例可以例如如图1所示。在框1304中，该方法可以提供与DAU相关联的多个DRU。DRU可以位于物理上彼此不同的区域，例如如图1、图2A、图2B和图3所示。
在框1306处，可以将多个DRU划分成多个DRU扇区。在一些实施方式中，DRU扇区可以各自与基站的不同扇区相关联。在一些实施方式中，可以提供多个基站，其中每个基站具有多个扇区。在一些实施方式中，多个DRU可以被划分成连续的扇区。在一些实施方式中，该划分可以基本紧密。该描述可以例如与如图2A、图2B和图3中所讨论的构思一致。
在框1308处，可以测量针对业务量状况的至少一个系统度量。系统度量可以与多个DRU扇区相关联。在一些实施方式中，上述至少一个系统度量可以是DRU扇区中的受阻呼叫的数量。在一些实施方式中，上述至少一个系统度量可以是沿着DRU扇区的边界发生的切换的数量。在一些实施方式中，上述至少一个系统度量可以是QoS测量。
在框1310处，可以将上述至少一个系统度量与预定阈值进行比较。例如，该阈值可以是DRU扇区中200个呼叫，其与在图2A、图2B和图 3中所讨论的示例一致。显然，可以使用其他阈值，包括在本公开内容中的其他图中任何图相关地讨论的那些阈值。
在框1312处，可以确定上述至少一个系统度量是否大于预定阈值。例如，可以确定当前总呼叫数量比阈值200个呼叫高。如果确定大于阈值，则该方法可以再次迭代贯穿流程图1300，循环返回到框1306。在下一个迭代中，框1306中的划分可以与之前的划分不同。在一些实施方式中，可以根据优化算法来进行该划分，例如在本公开内容中描述的算法中的任何算法。
如果确定系统度量低于阈值，则该方法可以结束，因为可以确定系统处于均衡状态或恰当地扇区化的状态。在一些实施方式中，该方法可以持续监测业务量，并且每当确定上述至少一个系统度量大于预定阈值时该方法可以循环返回到框1306。要注意的是，图13所示的示例方法适于重新划分以将系统度量驱使到低于预定阈值的水平。一个示例可以是通过迭代进行动态的重新划分以将受阻呼叫的数量减小到零。在其他实施方法中，可以进行重新划分以将系统变量驱使到大于预定阈值的值。一个示例可以是QoS，随着迭代进行以将DRU扇区重新划分可以增加QoS。要理解的是，取决于处理1312中的比较结果是度量大于阈值还是小于阈值，还可以使用度量的倒数。本领域的普通技术人员会意识到很多变形、修改和替代方案。
已描述了各种示例。这些示例和其他示例在所附权利要求的范围内。

Claims (20)

1.一种用于对无线分布式天线系统中的非均匀分布的网络业务量进行均衡的方法，所述无线分布式天线系统耦接至多个基站收发台，所述方法包括：
a)提供多个数字接入单元，其中，所述多个数字接入单元中的每个数字接入单元能够操作成从所述基站收发台中的一个或更多个接收信号；
b)提供与所述多个数字接入单元相关联的多个数字远程单元DRU；
c)将所述多个DRU划分成多个DRU扇区；
d)测量与所述多个DRU扇区相关联的受阻呼叫的数量；
e)确定所述受阻呼叫的数量大于预定阈值；以及
f)使用至少要素(c)至要素(e)进行迭代。
2.根据权利要求1所述的方法，其中，所述迭代包括使用至少一个优化算法。
3.根据权利要求2所述的方法，其中，所述至少一个优化算法是遗传算法GA或估计分布算法EDA中的至少之一。
4.根据权利要求2所述的方法，其中，所述至少一个优化算法包括至少一个线性规划模型。
5.根据权利要求1所述的方法，其中，所述DRU扇区中的每一个包括连续的DRU。
6.根据权利要求1所述的方法，还包括：确定分配给虚拟基站VBS的许可/资源的总数量。
7.一种用于对分布式天线系统DAS中的非均匀分布的网络业务量进行均衡的方法，所述DAS耦接至多个基站收发台，所述方法包括：
a)提供多个数字接入单元DAU；
b)提供与所述多个DAU相关联的多个数字远程单元DRU；
c)将所述多个DRU划分成多个DRU扇区；
d)对与所述多个DRU扇区相关联的业务量状况的至少一个度量进行测量；
e)将所述至少一个度量与预定阈值进行比较；
f)确定有必要进行对划分的迭代；以及
g)对至少要素(c)至要素(e)进行迭代。
8.根据权利要求7所述的方法，其中，所述至少一个系统度量包括下述项中的至少之一：使所述DRU扇区中的每一个的呼叫切换最少化；或者使所述DRU扇区中的每一个的紧密性指标最大化。
9.根据权利要求7所述的方法，其中，所述多个DRU扇区中的每一个基本紧密。
10.根据权利要求7所述的方法，其中，所述至少一个度量包括与预定信噪比SNR相关联的最大用户数量。
11.根据权利要求7所述的方法，其中，所述迭代包括使用至少一个优化算法。
12.根据权利要求11所述的方法，其中，所述至少一个优化算法是遗传算法GA或估计分布算法EDA中的至少之一。
13.根据权利要求11所述的方法，其中，所述至少一个优化算法包括至少一个线性规划模型。
14.根据权利要求7所述的方法，其中，所述DRU扇区中的每一个包括连续的DRU。
15.一种分布式天线系统DAS，所述DAS能够操作成耦接至多个基站收发台，所述DAS包括：
一个或更多个数字接入单元DAU，其中，所述一个或更多个DAU中的每个DAU能够操作成从所述基站收发台中的一个或更多个接收信号；
多个数字远程单元DRU，所述多个DRU与所述一个或更多个DAU耦接；
数据处理器，所述数据处理器与所述多个DRU耦接并且所述数据处理器包括非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括有形地体现在所述计算机可读存储介质上的多个计算机可读指令，所述多个计算机可读指令当由所述数据处理器执行时提供对网络业务量的均衡，所述多个指令包括：
a)使所述数据处理器将所述多个DRU划分成多个DRU扇区的指令；
b)使所述数据处理器对与所述多个DRU扇区相关联的业务量状况的至少一个系统度量进行测量的指令；
c)使所述数据处理器将所述至少一个系统度量与预定阈值进行比较的指令；以及
d)使所述数据处理器确定所述至少一个系统度量大于所述预定阈值的指令；以及
e)迭代至少要素(a)至要素(d)。
16.根据权利要求15所述的DAS，其中，所述至少一个系统度量包括受阻呼叫的数量。
17.根据权利要求15所述的DAS，其中，所述至少一个系统度量包括所述多个DRU扇区中的两个DRU扇区之间的呼叫切换的数量。
18.根据权利要求15所述的DAS，其中，所述DRU扇区中的每一个包括连续的DRU。
19.根据权利要求15所述的DAS，其中，所述多个DRU扇区中的每一个基本紧密。
20.根据权利要求15所述的DAS，其中，所述迭代包括使用至少一个优化算法。
CN201380009723.1A 2012-02-17 2013-02-19 用于使用分布式天线系统进行地理负荷均衡的方法 Active CN104160725B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261600530P 2012-02-17 2012-02-17
US61/600,530 2012-02-17
PCT/US2013/026647 WO2013123494A1 (en) 2012-02-17 2013-02-19 Evolutionary algorithms for geographic load balancing using a distributed antenna system

Publications (2)

Publication Number Publication Date
CN104160725A CN104160725A (zh) 2014-11-19
CN104160725B true CN104160725B (zh) 2018-05-01

Family

ID=48984817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380009723.1A Active CN104160725B (zh) 2012-02-17 2013-02-19 用于使用分布式天线系统进行地理负荷均衡的方法

Country Status (10)

Country Link
US (6) US9148839B2 (zh)
EP (2) EP2815591B1 (zh)
JP (1) JP6320939B2 (zh)
KR (1) KR20140126747A (zh)
CN (1) CN104160725B (zh)
BR (1) BR112014020305A8 (zh)
HK (1) HK1203022A1 (zh)
IL (1) IL233975B (zh)
IN (1) IN2014DN06777A (zh)
WO (1) WO2013123494A1 (zh)

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9525488B2 (en) 2010-05-02 2016-12-20 Corning Optical Communications LLC Digital data services and/or power distribution in optical fiber-based distributed communications systems providing digital data and radio frequency (RF) communications services, and related components and methods
WO2012024247A1 (en) 2010-08-16 2012-02-23 Corning Cable Systems Llc Remote antenna clusters and related systems, components, and methods supporting digital data signal propagation between remote antenna units
US9252874B2 (en) 2010-10-13 2016-02-02 Ccs Technology, Inc Power management for remote antenna units in distributed antenna systems
CN203504582U (zh) 2011-02-21 2014-03-26 康宁光缆系统有限责任公司 一种分布式天线系统及用于在其中分配电力的电源装置
WO2013009835A1 (en) 2011-07-11 2013-01-17 Andrew Llc Method and apparatuses for managing a distributed antenna system
AU2012302074B2 (en) 2011-08-29 2017-02-16 Commscope Technologies Llc Configuring a distributed antenna system
US9148839B2 (en) 2012-02-17 2015-09-29 Dali Systems Co. Ltd. Evolutionary algorithms for geographic load balancing using a distributed antenna system
CN103828439B (zh) * 2012-07-30 2019-03-08 华为技术有限公司 一种无线接入技术间切换方法、相应设备及通信系统
WO2014026005A1 (en) 2012-08-09 2014-02-13 Axell Wireless Ltd. A digital capactiy centric distributed antenna system
WO2014053149A1 (en) 2012-10-05 2014-04-10 Andrew Wireless Systems Gmbh Capacity optimization sub-system for distributed antenna system
US9851445B2 (en) * 2013-04-23 2017-12-26 Dali Systems Co. Ltd. Real-time locating system using GPS time difference of arrival with digital off-air access units and remote units
CN103841582B (zh) 2013-12-30 2017-11-21 上海华为技术有限公司 一种控制方法和装置
US10284296B2 (en) * 2014-02-13 2019-05-07 Dali Systems Co. Ltd. System and method for performance optimization in and through a distributed antenna system
EP3123641B1 (en) 2014-03-28 2019-03-13 CommScope Technologies LLC Power management for distributed antenna system
WO2016049002A1 (en) 2014-09-23 2016-03-31 Axell Wireless Ltd. Automatic mapping and handling pim and other uplink interferences in digital distributed antenna systems
US10659163B2 (en) 2014-09-25 2020-05-19 Corning Optical Communications LLC Supporting analog remote antenna units (RAUs) in digital distributed antenna systems (DASs) using analog RAU digital adaptors
WO2016071902A1 (en) 2014-11-03 2016-05-12 Corning Optical Communications Wireless Ltd. Multi-band monopole planar antennas configured to facilitate improved radio frequency (rf) isolation in multiple-input multiple-output (mimo) antenna arrangement
US9949176B2 (en) * 2014-11-10 2018-04-17 Nxp Usa, Inc. Wireless communication apparatus and method
WO2016075696A1 (en) 2014-11-13 2016-05-19 Corning Optical Communications Wireless Ltd. Analog distributed antenna systems (dass) supporting distribution of digital communications signals interfaced from a digital signal source and analog radio frequency (rf) communications signals
WO2016098111A1 (en) 2014-12-18 2016-06-23 Corning Optical Communications Wireless Ltd. Digital- analog interface modules (da!ms) for flexibly.distributing digital and/or analog communications signals in wide-area analog distributed antenna systems (dass)
EP3235336A1 (en) 2014-12-18 2017-10-25 Corning Optical Communications Wireless Ltd. Digital interface modules (dims) for flexibly distributing digital and/or analog communications signals in wide-area analog distributed antenna systems (dass)
EP3238352A4 (en) 2014-12-23 2018-08-22 Axell Wireless Ltd. Harmonizing noise aggregation and noise management in distributed antenna system
EP3278590A4 (en) 2015-03-30 2019-06-05 John Mezzalingua Associates LLC SYSTEMS, METHODS, AND PRODUCTS FOR PROVIDING NETWORK SERVICES, INCLUDING MOBILE SERVICES, AT ONE LOCATION
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
US9712343B2 (en) 2015-06-19 2017-07-18 Andrew Wireless Systems Gmbh Scalable telecommunications system
US10117109B2 (en) * 2015-08-18 2018-10-30 Tejas Networks, Ltd. System and method for determining optimal placement of telecommunication equipment
US10638326B2 (en) 2016-02-19 2020-04-28 Corning Optical Communications LLC Long term evolution (LTE) system operating in an unlicensed spectral band with active network discovery and optimization of the unlicensed channels
JP6088682B2 (ja) * 2016-03-07 2017-03-01 ソフトバンク株式会社 管理サーバ及びゲートウェイ装置
JP6088683B2 (ja) * 2016-03-07 2017-03-01 ソフトバンク株式会社 管理サーバ及びゲートウェイ装置
US10051510B2 (en) 2016-05-27 2018-08-14 Corning Optical Communications Wireless Ltd Front-haul communications system for enabling communication service continuity in a wireless distribution system (WDS) network
US10217060B2 (en) 2016-06-09 2019-02-26 The Regents Of The University Of California Capacity augmentation of 3G cellular networks: a deep learning approach
US10362520B2 (en) * 2016-06-09 2019-07-23 The Regents Of The University Of California Congestion reduction of LTE networks
CN106211174B (zh) 2016-06-29 2019-11-22 上海华为技术有限公司 一种天线系统以及天线系统调整方法
US10291298B2 (en) 2017-04-18 2019-05-14 Corning Optical Communications LLC Remote unit supporting radio frequency (RF) spectrum-based coverage area optimization in a wireless distribution system (WDS)
CN107275801B (zh) * 2017-05-16 2019-06-04 李耘 一种l型阵列天线的基于获得性遗传的阵元排布方法
US10405219B2 (en) 2017-11-21 2019-09-03 At&T Intellectual Property I, L.P. Network reconfiguration using genetic algorithm-based predictive models
US10396927B2 (en) * 2017-12-12 2019-08-27 Corning Optical Communications LLC Automatic configuration of cell assignment of non-inter-cell interference coordination (non-ICIC)-engaged remote units in a wireless distributed communications system (WDCS) to non-ICIC-engaged WDCS cells to avoid or reduce dividing radio resources
KR102177175B1 (ko) * 2019-05-09 2020-11-10 조선대학교산학협력단 씨랜을 위한 디지털유닛의 자원할당방법
US11049060B2 (en) * 2019-05-31 2021-06-29 Hitachi, Ltd. Operating envelope recommendation system with guaranteed probabilistic coverage
EP4062552A4 (en) * 2019-11-18 2023-12-06 CommScope Technologies LLC SYSTEMS AND METHODS FOR A MULTIPLE OPERATOR DISTRIBUTED ANTENNA SYSTEM
CN112954732B (zh) * 2019-12-10 2023-04-07 中国移动通信有限公司研究院 网络负载均衡方法、装置、设备及存储介质
WO2023229947A1 (en) * 2022-05-21 2023-11-30 Commscope Technologies Llc Uplink noise reduction and signal-to-interference-and-noise ratio (sinr) improvement in a distributed antenna system

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6704545B1 (en) 2000-07-19 2004-03-09 Adc Telecommunications, Inc. Point-to-multipoint digital radio frequency transport
BR0311966A (pt) 2002-06-21 2005-04-26 Widefi Inc Aparelho para facilitar a comunicação sem fios em uma rede entre um primeiro dispositivo de comunicação e um segundo dispositivo de comunicação, rede de área local sem fios, repetidor para uma rede incluindo pelo menos primeira e segunda frequências de comunicação bidirecionais, rede operando em pelo menos primeira e segunda frequências de comunicação bidirecionais, dispositivo de extensão de cobertura sem fios, e, métodos para retransmitir um sinal detectado com amplificação e/ou conversão de frequência em um dispositivo de comunicação sem fios
US7200134B2 (en) 2002-10-01 2007-04-03 Widefi, Inc. Wireless area network using frequency translation and retransmission based on modified protocol messages for enhancing network coverage
CN100477836C (zh) * 2003-04-25 2009-04-08 Ut斯达康(中国)有限公司 一种利用智能vbs实现宏分集管理的方法
EP1751992A4 (en) * 2004-01-27 2011-06-08 Telcordia Tech Inc METHOD AND SYSTEMS FOR THE DYNAMIC AUTOMATIC OPTIMIZATION OF CDMA NETWORK PARAMETERS
US7286507B1 (en) 2005-10-04 2007-10-23 Sprint Spectrum L.P. Method and system for dynamically routing between a radio access network and distributed antenna system remote antenna units
JP4808013B2 (ja) * 2005-12-15 2011-11-02 富士通株式会社 動的セル再構成方法及び，これを適用するセルラーネットワークシステム
US8149950B2 (en) * 2006-12-26 2012-04-03 Dali Systems Co. Ltd. Method and system for baseband predistortion linearization in multi-channel wideband communication systems
US20090163223A1 (en) * 2007-12-21 2009-06-25 Elektrobit Wireless Communications Ltd. Load balancing in mobile environment
US8340605B2 (en) 2008-08-06 2012-12-25 Qualcomm Incorporated Coordinated transmissions between cells of a base station in a wireless communications system
US8301156B2 (en) * 2008-09-25 2012-10-30 Optimi Corporation Load balancing for capacity improvement in mobile wireless communication networks
US9026124B2 (en) * 2009-03-31 2015-05-05 Futurewei Technologies, Inc. System and method for interference mitigation in a wireless communications system
US9131494B2 (en) 2010-05-07 2015-09-08 Lg Electronics Inc. Method for backhaul subframe setting between a base station and a relay node in a wireless communication system and a device therefor
KR101610447B1 (ko) * 2010-08-17 2016-04-08 달리 시스템즈 씨오. 엘티디. 원격으로 재구성가능한 분산 안테나 시스템 및 방법
WO2012079197A1 (en) * 2010-12-16 2012-06-21 Nokia Siemens Networks Oy Common control deactivation in carrier aggregation
US9148839B2 (en) 2012-02-17 2015-09-29 Dali Systems Co. Ltd. Evolutionary algorithms for geographic load balancing using a distributed antenna system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A Dynamic Sectorization of Microcells for Banlanced Traffic in CDMA: Genetic Algorithms Approach;Chae Y.Lee等;《IEEE Transactions on vehicular technology》;20020131;摘要，第64页右栏倒数第2段至第65页左栏第3段、第65页左栏倒数第2段至右栏第5段，第66页左栏第3-4段和右栏倒数第1-2段、第69页右栏第4段，图2-4 *

Also Published As

Publication number Publication date
CN104160725A (zh) 2014-11-19
US20180160356A1 (en) 2018-06-07
US20140057627A1 (en) 2014-02-27
IL233975B (en) 2018-04-30
IL233975A0 (en) 2014-09-30
JP2015513252A (ja) 2015-04-30
BR112014020305A2 (pt) 2017-06-20
JP6320939B2 (ja) 2018-05-09
US9148839B2 (en) 2015-09-29
HK1203022A1 (zh) 2015-10-09
EP2815591A1 (en) 2014-12-24
EP3258722A1 (en) 2017-12-20
WO2013123494A1 (en) 2013-08-22
US11140603B2 (en) 2021-10-05
EP2815591A4 (en) 2015-09-30
US20230379783A1 (en) 2023-11-23
KR20140126747A (ko) 2014-10-31
EP2815591B1 (en) 2017-08-23
US20160073313A1 (en) 2016-03-10
US9854494B2 (en) 2017-12-26
IN2014DN06777A (zh) 2015-05-22
BR112014020305A8 (pt) 2021-06-29
US20220104093A1 (en) 2022-03-31
US20200187077A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
CN104160725B (zh) 用于使用分布式天线系统进行地理负荷均衡的方法
Peng et al. Joint data assignment and beamforming for backhaul limited caching networks
Khan et al. Quality of service aware dynamic BBU-RRH mapping in cloud radio access network
CN108112037A (zh) 基于雾计算和协作通信网络的负载均衡方法
Yang et al. Resource allocation in LTE OFDMA systems using genetic algorithm and semi-smart antennas
Kuribayashi et al. Particle swarm-based cell range expansion for heterogeneous mobile networks
CN105933923B (zh) 一种超密集组网小区分簇方法
Song et al. Energy–delay tradeoff in adaptive cooperative caching for energy-harvesting ultradense networks
Kuang et al. Analysis and optimization of random caching in $ K $-tier multi-antenna multi-user HetNets
Hossain et al. Multi-operator cooperation for green cellular networks with spatially separated base stations under dynamic user associations
Kim et al. Self-organizing spectrum breathing and user association for load balancing in wireless networks
Kim Two-level game based spectrum allocation scheme for multi-flow carrier aggregation technique
Kim et al. Spectrum breathing and cell load balancing for self organizing wireless networks
Bulti et al. Clustering-based adaptive low-power subframe configuration with load-aware offsetting in dense heterogeneous networks
Zhu et al. Immune optimization algorithm for solving joint call admission control problem in next-generation wireless network
Fan et al. Throughput aware and green energy aware user association in heterogeneous networks
Aissaoui Ferhi et al. Multiobjective self‐optimization of the cellular architecture for green 5G networks
Ling et al. Energy efficient cross-layer resource allocation scheme based on potential games in LTE-A
CN108260165B (zh) 一种扇区间负载均衡的方法与装置
Wang et al. Analytic hierarchy process in load balancing for the multicast and unicast mixed services in LTE
Hejazi et al. Self‐optimising intelligent distributed antenna system for geographic load balancing
CN105682143B (zh) 一种异构蜂窝网络下的负载转移方法及装置
Sobhi-Givi et al. Resource Allocation and User Association for Load Balancing in NOMA-Based Cellular Heterogeneous Networks
Menolascino et al. Third generation mobile systems planning issues
Hejazi et al. A Self-Organized Network for Load Balancing Using Intelligent Distributed Antenna System [4pt] Un réseau auto-organisé pour l’équilibrage de charge utilisant un système intelligent d’antennes distribuées

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1203022

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant