CN104168596A - 用于lte网络中基于移动用户分组设置切换参数的移动优化方法 - Google Patents

Abstract

本发明公开了一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，属于无线通信技术领域。该方法包括移动用户速度的估算方法和用户移动状态的分组处理策略以及分组用户的移动切换参数设置方案。该方法将不同移动速度的用户分组，以便基站快速获得用户移动性信息，从而更加具有针对性地对不同移动状态用户进行切换参数设置；并且用户移动状态的分组处理，能让基站将移动状态相似的用户当作一个用户进行同时设置参数，从而减少了网络开销和基站负荷，同时也提高了网络性能。

Description

用于LTE网络中基于移动用户分组设置切换参数的移动优化方法

技术领域

本发明属于无线通信技术领域，涉及一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法。

背景技术

近年来，随着移动通信终端数量的大规模增长，下一代移动通信网络对无线数据业务量的需求也呈指数级增长。由于用户分布的地理位置以及高密集度的商业场所的建立造成网络覆盖漏洞或资源紧张问题，解决这些问题就要求移动网络运营商增加链路投入、扩大基站覆盖范围，以给用户提供无差别的用户服务。在2G/3G系统中，切换参数由网络运营商手动设置的，配置过程比较耗时，并且手动配置切换参数的方式鲁棒性较差，当网络环境变化时，极易导致用户发过晚切换(Too Late Hos)、过早切换(Too Early Hos)、切换到错误小区(HO toa Wrong Cell)等切换失败事件。为了解决上述问题，在LTE切换系统中加入基于群用户速度的切换参数调整技术，以减少运营商对用户切换的人为干预，从而减少运营成本。

传统的移动用户切换是根据A3事件来触发的，如图1所示：

M_nj＞M_s+Hyst_s-CIO_snj

其中，M_s：表示用户当前服务基站的信号强度测量值；M_nj：表示用户在当前服务基站的低nj个邻居小区的信号强度；Hyst_s：表示用户当前服务基站的延滞参数值；CIO_snj：表示用户当前服务基站s对应邻居小区基站nj的小区偏置参数值。为了避免过早，过晚切换等失败切换的存在，在MRO中，基站会对每次用户汇报的RLF事件进行分析，对RLF的类型进行判断，目前上述可被优化的参数是针对基站间定义的，如当前服务基站上的所有用户都是用想同的一个Hysts值和CIOs nj值。但是，在实际无线链路环境和切换中，发现用户的特定信息和切换参数密切相关。例如：在无线链路情况稳定的小区下，对于步行中用户的Hyst值和CIOs nj值，对于告诉行驶的车载用户来说，很容易发生过晚切换。因此，在MRO中，针对影响切换性能的某个特定于用户的特性，这里应该考虑用户的移动速度特性与切换参数的关系。

发明内容

有鉴于此，本发明的目的在于提供一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，该方法包括移动用户速度的估算方法和用户移动状态的分组处理策略以及分组用户的移动切换参数设置方案。

为达到上述目的，本发明提供如下技术方案：

一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，在该方法中，基站将不同移动速度的用户分组并对其速度值处理得到分组速度V_h，V_m，V_l，其中，h(high)，m(middle)，l(low)，并且将分组后(移动状态相近)的用户视作一个用户设置不同的移动切换参数(迟滞值H_h，H_m，H_l)，其主要步骤包括：1)基站通过利用平均的累积参考信号(Cell-specific Reference Signals，CRS)强度值来估算移动用户速度，通过数学模型进行各个越区切换的UE进行估测；2)将估算出的移动用户速度进行分组规划，每个用户的载波将记录用户的速度，这样基站可以得到三组不同移动状态的用户速度；3)利用动态遗传算法对三组分组的速度分别进行数据处理(编码，选择和交叉变异)，然后获得某时段相对稳定的三个分组速度V_h，V_m，V_l；4)根据分组后用户移动特性与切换参数的分析，对于不同速度的用户采用相同的迟滞值是不合理的，针对用户速度这一影响特性，基站将不同分组速度的用户设置不同的迟滞值H_h，H_m，H_l，即根据A3不等式，对分组用户(速度分别为V_h，V_m，V_l)设置不同的迟滞值，并将参数值通知给用户，用户终端可以根据自己的移动速度特性来选取何时的切换参数使用。

进一步，在步骤1)的用户速度估算方法中，通过相邻基站的距离D和用户到源基站的距离r(t)来得到用户运动轨迹，采用奥村路径损耗模型，得到用户t时刻的接收信号强度RSS值，在ΔT时间间隔内，通过用户运动轨迹以及RSS值，利用累积参考信号CRS强度值来估算移动用户速度。

进一步，基站将每个用户看作一个染色体，将其染色体的基因位按顺序设计为每个载波的序号[1，K]，基因位的取值为用户的序号，基站根据每个用户基因位上的载波信息，对移动用户速度进行分组，得到三组不同速度的用户群。

进一步，利用遗传算法对分组后的的不同用户群分别进行编码，选择和交叉变异；通过遗传算法的筛选和变异算法，可以获得三个在ΔT时间间隔内相对稳定的分组用户速度即V_h，V_m，V_l。

进一步，基站每次处理不同分组用户速度时，都会将其上一时刻速度作为参考，使得处理后的速度更加稳定。

本发明的有益效果在于：本方法能有效利用基站有限的资源，进行用户分组规划，同时根据分组情况进行不同切换参数设置，减少网络开销，降低运营成本。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为A3事件触发图；

图2为LTE网络自主切换机制；

图3为切换方案生成流程图；

图4为用户移动状态模型；

图5为用户染色体设计图；

图6为遗传算法决策流程图；

图7为改进后A3事件触发图；

图8为通信流程图；

图9为本发明所述方法的流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图9为本发明所述方法的流程图，其主要步骤包括：1)基站通过利用平均的累积参考信号(Cell-specific Reference Signals，CRS)强度值来估算移动用户速度，通过数学模型进行各个越区切换的UE进行估测；2)将估算出的移动用户速度进行分组规划，每个用户的载波将记录用户的速度，这样基站可以得到三组不同移动状态的用户速度；3)利用动态遗传算法对三组分组的速度分别进行数据处理(编码，选择和交叉变异)，然后获得某时段相对稳定的三个分组速度V_h，V_m，V_l；4)根据分组后用户移动特性与切换参数的分析，对于不同速度的用户采用相同的迟滞值是不合理的，针对用户速度这一影响特性，基站将不同分组速度的用户设置不同的迟滞值H_h，H_m，H_l，即根据A3不等式，对分组用户(速度分别为V_h，V_m，V_l)设置不同的迟滞值，并将参数值通知给用户，用户终端可以根据自己的移动速度特性来选取何时的切换参数使用。

理想状态下，基站获得每个用户的移动速度后，为用户专门设置一个理想的Hyst值，但是在实际中显然是不可行的。基站不可能单独为每个用户设置参数，这不仅加大了基站的工作量，降低了工作效率。本发明从某时刻分组用户的移动速度的角度思考，首先将先获得用户单个的移动速度，然后基站将用户进行分为高速、中速、低俗三组。之后我们再通过遗传算法选取种群进行移动速度的处理，得到三个分组用户的速度，然后通过这三个速度对高中低用户设置Hyst值，这不仅解决了所有用户使用同一个Hyst值的不合理性，同时基站也不必要为每个用户设置Hyst值，只需对分组速度设置参数即可，从而提高了网络性能。LTE网络自主切换机制可以通过监测、分析、规划、执行四个步骤，就可以自适应变化的网络，形成的闭环流程图2所示：监测：监测基站的关键性指标KPI，这里我们可以选择切换成功率。分析：如果切换成功率低于限定的值□，且持续时间大于缓冲时间t(缓冲时间的设置是为了防止由于UE移动变化速度过快而出现的频繁切换)，则进入规划步骤进行参数优化，否则返回监测步骤。规划：根据用户的移动性生成优化方案，先进行用户速度的估测，再通过遗传优化算法将用户分为高速、中速和低速三个用户群。根据群用户的移动速度，设置不同的Hyst值进行优化。执行：选择合适的参数调整方案进行参数优化，并重复进行上述操作。

基于分组用户速度进行切换参数调整的具体步骤如下，流程图如图3所示：

基站通过利用平均的累积参考信号(Cell-specific Reference Signals，CRS)强度值来估算单个设备速度。用户移动模型如图4所示。

eNB 1和eNB 2之间的距离为D，用户初始位置为A，在短时间内用户移动轨迹看成直线，方向为A---G，假设切换点为G，触发切换点E。用户初始位置为A(x₀，y₀)，切换位置G，触发切换位置E(x_E，y_E)。

为了能够有效执行切换，利用平均的累积参考信号强度值来估算设备速度。用P(t)表示在t时刻测量的CRS信号强度值，在ΔT＝t₁-t₀时间间隔内，累积的CRS信号强度值可以表示成：

$P={\∫}_{t_0}^{t_1}R\left(t\right)\mathrm{dt}$

在t时刻，基站与移动台之间的距离变为了r(t)，即

r(t)＝r(t₀)+v_r(t-t₀)

由于无线通信信道中存在各种障碍物，因此接收信号强度会随着地理位置和时间不同而不同。路径损耗模型，阴影衰落模型和多径衰落模型都是代表性的损耗模型。采用奥村路径损耗模型，在t时刻的RSS(接收信号强度)值可以表示为：

R(t)＝P_tr-L_Hata[r(t)]-L_SH＝P_tr-k₂log₁₀[r(t₀)+v_r(t-t₀)]-k₁

其中，P_tr是基站发射功率，L_Hata[r(t)]是路径损耗值，L_SH是阴影衰落引起的损耗值，k₁，k₂是常数。

由以上公式代入可得：

$\begin{array}{c}P=(P_{\mathrm{tr}}-k_1)\mathrm{\ΔT}\\ +\frac{k_2}{v_r}\{t_1\log \left(\frac{t_1-\mathrm{\ΔT}}{t_1}\right)+\mathrm{\ΔT}(3+\log e)-\mathrm{\ΔT}{\log }_{10}[r\left(t_1\right)+v_r\mathrm{\ΔT}\}\end{array}$

由于r(t₁)＞＞v_rΔT，所以

$v_r\≈\frac{k_2[t_1\log \left(\frac{t_1-\mathrm{\ΔT}}{t_1}\right)+\mathrm{\ΔT}(2+\log e)-\mathrm{\ΔT}{\log }_{10}r\left(t_1\right)]}{P-(P_{\mathrm{tr}}-k_1)\mathrm{\ΔT}}.$

利用遗传算法对用户速度进行分组：

a.遗传染色体设计

针对上述结果估算出的移动用户速度进行分级筛选，将染色体的基因位按顺序设计为每个载波的序号，基因位的取值为用户的序号，具体设计如图5所示。

其中，第i个基因位代表第i条子载波，基因位的取值代表用户，如图所示，i，j，k的取值均在[1，K]的范围之间。

这样进行染色体设计，计算的时候每个载波都只有一个用户，降低了算法的复杂程度。根据每个用户的载波信息，得到相应每个用户的移动速度。例如，速度越大的用户(v＞30)染色体越有可能被选择到下一代继续进行遗传，通过此步骤我们可以筛选出高速移动的用户。

b.决策单元流程如图6所示。

c.利用遗传算法对速度分级，得带群用户速度。

利用遗传算法对速度分级然后获得最优高中低三个速度，遗传算法包括三个基本操作，编码，选择和交叉变异。以下为遗传算法的控制参数：

N：种群大小，即选取用户数。

P_c：交叉率，它控制着用户速度进行交叉操作的个体比例；

P_m：变异率，它控制这进行变异操作的个体的比例；

T：遗传算法的终止进化代数数目。

(1)编码：采用实数编码的方法，该编码方法比传统的二进制编码的码长要短，算法的收敛速度就相对较快，也提高了精度。

(2)选择：根据速度分级，分别从第t代群体中选择出m个高中低个体作为初始状态，产生的个体加入下一代第t+1代群体中，选择的概率与个体的适应度有关。

(3)交叉变异：交叉是指互换两个个体的某些基因，这样就能产生新的个体。设随机确定用户a和用户b，其移动速度分别为v_a，v_b，将v_a和v_b进行交叉，系数为k，0＜k＜1。v_a′和v_b′分别表示交叉后的移动速度。

交叉公式为：

v_a′＝kv_a+(1-k)v_b

v_b′＝(1-k)v_a+av_b

变异公式为：

v_a′＝v_a+kλ

式中，其中λ表示变异的渐进系数，它随着进化代数的增加而减少。交叉概率和变异概率的公式为：

P_c＝P_c(t-1)+γΔc

P_m＝P_m(t-1)+γΔm

其中γ是调整系数，Δc和Δm为交叉概率P_c和变异概率P_m的增值。重复进行以上三个操作，直到中种群中的适应度值渐进稳定：

$\underset{n\&RightArrow;\&infin;}{\lim }|\mathrm{Fit}\left(n\right)-\mathrm{Fit}(n-1)|<\mathrm{\&epsiv;}$

其中，Fit(n)和Fit(n-1)表示的是相邻两代的平均适应度值，ε为足够小的正实数。

这里

$\mathrm{Fit}\left(n\right)=\frac{1}{1+c-v_r\left(t\right)},c\&GreaterEqual;0,c-v_r\left(t\right)\&GreaterEqual;0$

c为目标函数的界限估计。

对不同分组用户速度设置不同的参数(Hyst值)：

通过遗传算法的筛选和变异算法，我们可以分别获得三个优化后的分组用户速度即V_h，V_m，V_l。在通过这三个速度，分别对高中低三个用户群进行参数优化。

为了避免过早，过晚切换等失败切换的存在，在MRO中，基站会对每次用户汇报的RLF事件进行分析，对RLF的类型进行判断，目前上述可被优化的参数是针对基站间定义的，如当前服务基站上的所有用户都是用相同的一个Hysts值和CIOs ni值。但是，在实际无线链路环境和切换中，发现用户的特定信息和切换参数密切相关。例如：在无线链路情况稳定的小区下，对于步行中用户的Hysts值和CIOs ni值，对于告诉行驶的车载用户来说，很容易发生过晚切换。因此，在MRO中，针对影响切换性能的某个特定于用户的特性，这里应该考虑用户的移动速度特性与切换参数的关系。

根据可优化的相关参数及所描述的A3事件分析来看，TTT是延时触发时长参数，是用户汇报A3事件前的一个时间观察窗，即一旦连接状态下用户的无线链路环境满足A3事件的不等式条件，就进入TTT观察时间窗，只有在TTT时间窗内用户的无线链路环境满足A3事件不等式条件，A3事件才会上报来触发可能的切换过程。

从信令开销方面进行考虑：

a.采取基于Hyst参数优化，信令开销是O(1)，此时信令开销是一个常数。

b.采取基于CIO参数优化，信令开销是O(M)，这里M是指邻居小区个数，此时信令开销是随着邻居小区个数增一长而线性增长的。

由此可见，O(M)是具有实时变化性的，若才用基于采取基于CIO参数优化，则不得不考虑信令开销问题，使方案变得更加复杂。所以，Hyst参数优化是更为合理的，根据用户移动特性参数与切换参数的分析，对于不同速度的用户采用相同的Hyst值是不合理的。为了解决这一个问题，提出优化方案，针对用户速度这一影响特性，基站将不同速度等级的用户设置不同的Hyst值，并将参数值通知给用户，用户终端可以根据自己的移动速度特性来选取何时的切换参数使用。

根据A3不等式，我们通过上述方法的到分组用户的三个速度V_h，V_m，V_l：h(high)，m(middle)，l(low)三个等级，得到三个不同Hyst值的可得以下三个不等式：

M_nj＞M_s+Hyst_sh-CIO_snj  高速状态

M_nj＞M_s+Hyst_sm-CIO_snj  中速状态

M_nj＞M_s+Hyst_sl-CIO_snj  低速状态

经过分析可以知道，如果用户在高速运动状态下，我们应该尽可能的提前进入TTT，做出切换准备，由上述方法我们获得群用户速度后，以低速用户作为基准，将中速和高速用户的切换门限值适度分别降低，调整后使高速移动用户提前进入切换，避免发生切换过晚，同时Hyst值需要考虑到“乒乓切换”效应，所以这里我们没有讨论高速运动状态下的用户临时变化速度等移动速度变化的情况。优化后A3事件如图7所示。

图8为通信流程图，包括：源基站向UE发送测量控制信息；UE发送测量控制报告；源基站测得用户速度，并收集用户移动信息；UE发送响应；根据测得信息进行参数调整设置；源基站向目标基站发送切换请求；目标基站发送响应；目标基站发送结果给源基站。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，其特征在于：基站将不同移动速度的用户分组并对其速度值处理得到分组速度V_h，V_m，V_l，并且将分组后的用户视作一个用户设置不同的移动切换参数，其主要步骤包括：

1)基站通过利用平均的累积参考信号强度值来估算移动用户速度，通过数学模型进行各个越区切换的UE进行估测；

2)将估算出的移动用户速度进行分组规划，每个用户的载波将记录用户的速度，这样基站可以得到三组不同移动状态的用户速度；

3)利用动态遗传算法对三组分组的速度分别进行数据处理，然后获得某时段相对稳定的三个分组速度V_h，V_m，V_l；

4)基站将不同分组速度的用户设置不同的迟滞值H_h，H_m，H_l，并将参数值通知给用户，用户终端可以根据自己的移动速度特性来选取何时的切换参数使用。

2.根据权利要求1所述的一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，其特征在于：在步骤1)的用户速度估算方法中，通过相邻基站的距离D和用户到源基站的距离r(t)来得到用户运动轨迹，采用奥村路径损耗模型，得到用户t时刻的接收信号强度RSS值，在ΔT时间间隔内，通过用户运动轨迹以及RSS值，利用累积参考信号CRS强度值来估算移动用户速度。

3.根据权利要求1所述的一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，其特征在于：基站将每个用户看作一个染色体，将其染色体的基因位按顺序设计为每个载波的序号[1，K]，基因位的取值为用户的序号，基站根据每个用户基因位上的载波信息，对移动用户速度进行分组，得到三组不同速度的用户群。

4.根据权利要求3所述的一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，其特征在于：利用遗传算法对分组后的的不同用户群分别进行编码，选择和交叉变异；通过遗传算法的筛选和变异算法，可以获得三个在ΔT时间间隔内相对稳定的分组用户速度即V_h，V_m，V_l。

5.根据权利要求3所述的一种用于LTE网络中基于移动用户分组设置切换参数的移动优化方法，其特征在于：基站每次处理不同分组用户速度时，都会将其上一时刻速度作为参考，使得处理后的速度更加稳定。