CN104703219A - 一种抑制模三干扰的方法和装置 - Google Patents

Abstract

本发明公开了一种抑制模三干扰的方法，根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比，根据所述重叠覆盖话务比构建网络模三干扰评估函数，并根据所述网络模三干扰评估函数获得最佳网络PCI优化方案；本发明同时还公开了一种抑制模三干扰的装置，通过本发明的方案，能够确定最佳的PCI优化方案，从而抑制模三干扰。

Description

一种抑制模三干扰的方法和装置

技术领域

本发明涉及无线通信技术，尤其涉及一种抑制模三干扰的方法和装置。 

背景技术

长期演进（LTE，Long Term Evolution）移动通讯技术，是3G与4G之间的过渡，被业内认为是4G的前站，也是目前3.9G的全球标准。作为4G的必由之路，LTE技术和网络越来越受到国际电信厂商和运营商的认可。 

LTE网络与3G网络相比具有更高的频谱资源利用率，因此能够为数据业务用户带来更好的业务体验。但是由于LTE网络是单频组网，无线干扰难以抑制与消除，会严重影响网络的性能，进而影响用户的业务体验。影响LTE性能的主要原因是模三干扰，当单天线端口两个小区物理小区标识（PCI，Physical Cell ID）模6相等，或者双天线端口两个小区PCI模三相等时，则这两个小区之间的参考信号（RS，Reference Signal）位置也是相同的，小区间会产生严重的干扰，导致信噪比急剧下降。 

PCI优化是抑制LTE网络干扰治标治本的方法，可以彻底解决某一区域的模三干扰的问题。但由于模三仅有三种情况（即0、1、2）来供选择，因此变更PCI往往解决了一个区域的模三干扰，但在另一个区域又会出现模三干扰，因此PCI优化难度非常大。 

目前PCI的规划方法是将LTE网络按照标准蜂窝网络进行考虑，根据标准蜂窝网络的拓扑结构，依据相邻的小区PCI模三不同来进行PCI配置，如图1所示，图中0、1、2表示PCI模三的结果。在LTE网络立体组网及密集市区无线环境复杂的情况下，通过标准蜂窝网络的拓扑结构指导PCI规划以抑制LTE小区模三干扰的方法，主要存在以下不足： 

1、在LTE网络立体组网及密集市区无线环境复杂的情况下，标准蜂窝网络与实际小区覆盖差距较大，不能准确反映小区的重叠覆盖情况； 

2、LTE规划仅仅考虑周围少量小区对主服务小区的模三干扰情况，没有考虑到更远距离小区信号对本小区的模三干扰情况。 

发明内容

为解决现有技术中的问题，本发明主要提供一种抑制模三干扰的方法和装置，能够确定抑制模三干扰的最佳PCI优化方案，通过最佳PCI优化方案进行网络PCI配置能够抑制模三干扰。 

本发明的技术方案是这样实现的： 

本发明提供的一种抑制模三干扰的方法，该方法包括： 

根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比，根据所述重叠覆盖话务比构建网络模三干扰评估函数，并根据所述网络模三干扰评估函数获得最佳网络物理小区标识PCI优化方案。 

上述方案中，所述根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比为：对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。 

上述方案中，所述重叠覆盖为：当邻区电平的绝对值大于或等于主服务小区电平的绝对值的测量报告数目，占所述主服务小区测量报告总数的比例大于预设比例时，判定所述主服务小区与所述邻区之间重叠覆盖。 

上述方案中，所述构建所述主服务小区与所述邻区之间的重叠覆盖话务比为：所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数。 

上述方案中，所述网络模三干扰评估函数Cost为： 

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。 

上述方案中，所述根据所述网络模三干扰评估函数获得最佳网络PCI优化方案为：根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案； 

所述遗传算法包括：种群初始化、选择操作、交叉操作、变异操作，其中，以网络PCI优化方案为种群中的个体，在选择操作中通过网络模三干扰评估函数获得个体的适应度。 

本方面提供的一种抑制模三干扰的装置，该装置包括：重叠覆盖话务比模块、模三干扰评估模块、方案确定模块；其中， 

所述重叠覆盖话务比模块，用于根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比； 

所述模三干扰评估模块，用于根据所述重叠覆盖话务比构建网络模三干扰评估函数； 

所述方案确定模块，用于根据所述网络模三干扰评估函数获得最佳网络PCI优化方案。 

上述方案中，所述重叠覆盖话务比模块，具体用于对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。 

上述方案中，所述重叠覆盖话务比模块，具体用于将所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。 

上述方案中，所述模三干扰评估模块，具体用于构建网络模三干扰评估函数Cost为： 

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。 

上述方案中，所述方案确定模块，具体用于根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案。 

本发明提供了一种抑制模三干扰的方法和装置，根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比，根据所述重叠覆盖话务比构建网络模三干扰评估函数，并根据所述网络模三干扰评估函数获得最佳网络PCI优化方案；如此，能够根据实际网络中小区之间的重叠覆盖关系确定最佳的PCI优化方案，从而抑制模三干扰，为用户带来更好的业务体验。 

附图说明

图1为现有技术中根据标准蜂窝网拓扑结构进行PCI配置的结构示意图； 

图2为本发明实施例实现一种抑制模三干扰方法的流程示意图； 

图3为本发明实施例根据网络模三干扰评估函数通过遗传算法获得最佳网络PCI优化方案方法的流程示意图； 

图4为本发明实施例实现另一种抑制模三干扰方法的流程示意图； 

图5为本发明实施例实现一种抑制模三干扰装置的结构示意图。 

具体实施方式

本发明实施例中，根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比，根据所述重叠覆盖话务比构建网络模三干扰评估函数，并根据所述网络模三干扰评估函数获得最佳网络PCI优化方案。 

下面通过附图及具体实施例对本发明做进一步的详细说明。 

本发明实现一种抑制模三干扰的方法，如图2所示，该方法包括以下几个步骤： 

步骤201：服务器根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比； 

具体的，服务器对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比；其中，所述服务器可以是一个用于PCI分配的个人计算机（PC）； 

所述指定时间为24小时； 

所述测量报告为以样本形式进行存储，来自UE和基站的物理层、RLC层，以及在无线资源管理过程中计算产生的测量报告； 

所述获取各测量报告中主服务小区识别码、主服务小区电平、邻区识别码及邻区电平之后，可以以表1的形式存储； 

表1 

所述重叠覆盖为：当邻区电平的绝对值大于或等于主服务小区电平的绝对值的测量报告数目，占所述主服务小区测量报告总数的比例大于预设比例时，判定所述主服务小区与所述邻区之间重叠覆盖； 

其中，所述预设比例可以通过用户输入确定，例如，预设比例为80%； 

所述构建所述主服务小区与所述邻区之间的重叠覆盖话务比具体可以是：所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数； 

例如，当A为主服务小区，B为邻区时，A小区与B小区之间的重叠覆盖话务比CA_B为： 

由于一个主服务小区通常会有多个邻区，当多个邻区与主服务小区之间都重叠覆盖时，则多个邻区与主服务小区之间都会产生重叠覆盖话务比，从而获得重叠覆盖话务比矩阵； 

例如，当A为主服务小区，B、C、D、E、F为其邻区，并且都为重叠覆盖时，则A小区的重叠覆盖话务比矩阵如表2所示； 

小区	邻区B	邻区C	邻区D	邻区E	邻区F
						小区A	CA_B	CA_C	CA_D	CA_E	CA_F

表2 

由此可以看出，当PCI配置出现模三情况时，随着主服务小区与邻区的重叠覆盖话务比增加，所述主服务小区与所述邻区之间越容易产生模三干扰，或者受模三干扰影响的话务量会越多。 

步骤202：服务器根据所述重叠覆盖话务比构建网络模三干扰评估函数； 

具体的，对网络中所有主服务小区与邻区之间的重叠覆盖话务比进行累加，获得网络模三干扰评估函数； 

其中，所述主服务小区与邻区重叠覆盖且PCI模三相同； 

综合两小区之间的覆盖重叠话务比以及两小区的PCI配置，可以反映出两小区之间模三干扰程度。因此，将网络中所有PCI模三相同的重叠覆盖话务比求和，就能够反映出网络中模三干扰程度。因此，构建网络中模三干扰评估函数Cost为： 

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。 

这里，Cost值越小则说明网络中模三干扰越小，反之则说明网络中模三干 扰越大。 

步骤203：服务器根据所述网络模三干扰评估函数获得最佳网络PCI优化方案； 

这里，服务器可以根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案； 

所述遗传算法包括：种群初始化、选择操作、交叉操作、变异操作，其中，以网络PCI优化方案为种群中的个体，在选择操作中通过网络模三干扰评估函数获得个体的适应度。 

所述根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案的方法，如图3所示，该方法包括以下几个步骤： 

步骤301：种群初始化； 

具体的，按照i*j生成个体二进制编码，并通过随机方式产生指定数量的个体； 

所述i为小区数，j为504个扰码数目； 

所述个体为网络PCI优化方案； 

所述按照i*j生成个体二进制编码可以为：生成以i为行，以j为列的二维二进制编码； 

例如，当i=4，j=8时，随机产生4个个体，其二进制编码如表3所示； 

表3 

这里，个体1为：小区A配置的PCI为二进制编码101，小区B配置的PCI为二进制编码010，小区C配置的PCI为二进制编码000，小区D配置的PCI为二进制编码111。 

所述指定数量可以为20个。 

步骤302：选择操作； 

具体的，获得种群中各个体的适应度，对种群中的个体采用轮盘赌的方式进行选择，适应度高的个体被选中的概率高，适应度低的个体可能被淘汰，以确保之后所生成的个体的质量； 

所述个体的适应度通过模三干扰评估函数获得，具体为：通过步骤202获得的模三干扰评估函数评估所述个体配置方案，评估结果的倒数为所述个体的适应度； 

所述对种群中的个体采用轮盘赌的方式进行选择可以为：采用与适应度成正比的概率来确定能够遗传的个体，具体为： 

1）通过模三干扰评估函数，获得种群中各个体的适应度； 

例如，小区A、B、C、D都互为邻区且相互重叠覆盖，主服务小区与邻区的重叠覆盖话务比矩阵如表4、5、6、7所示，并且对于如表3所示的4个个体： 

小区	邻区B	邻区C	邻区D
				A	0.1	0.3	0.2

表4 

小区	邻区A	邻区C	邻区D
				B	0.2	0.1	0

表5 

小区	邻区A	邻区B	邻区D
				C	0.1	0.5	0

表6 

小区	邻区A	邻区B	邻区C
				D	0	0.1	0.1

表7 

个体1中小区A和B的PCI模三相同，都为2，则个体1的适应度Fit1为： 

$\mathrm{Fit}1=\frac{1}{\mathrm{CA}\_B+\mathrm{CB}\_A}=\frac{1}{0.1+0.2}=\frac{10}{3}$

其中：CA_B表示主服务小区A与邻区B之间的重叠覆盖话务比；CB_A表示主服务小区B与邻区A之间的重叠覆盖话务比。 

个体2中小区A、B和C的PCI模三相同，都为2，则个体2的适应度Fit2为： 

$\mathrm{Fit}2=\frac{1}{\mathrm{CA}\_B+\mathrm{CA}\_C+\mathrm{CB}\_A+\mathrm{CB}\_C+\mathrm{CC}\_A+\mathrm{CC}+B}=\frac{1}{0.1+0.3+0.2+0.1+0.1+0.5}=\frac{10}{3}$

其中：CA_B表示主服务小区A与邻区B之间的重叠覆盖话务比；CA_C表示主服务小区A与邻区C之间的重叠覆盖话务比；CB_A表示主服务小区B与邻区A之间的重叠覆盖话务比；CB_C表示主服务小区B与邻区C之间的重叠覆盖话务比；CC_A表示主服务小区C与邻区A之间的重叠覆盖话务比；CC_B表示主服务小区C与邻区B之间的重叠覆盖话务比。 

个体3中小区B和D的PCI模三相同，都为0，则个体3的适应度Fit3为： 

$\mathrm{Fit}3=\frac{1}{\mathrm{CB}+D+\mathrm{CD}\_B}=\frac{1}{0+0.1}=10$

其中：CB_D表示主服务小区B与邻区D之间的重叠覆盖话务比；CD_B表示主服务小区D与邻区B之间的重叠覆盖话务比。 

个体4中小区C和D的PCI模三相同，都为1，则个体4的适应度Fit4为： 

$\mathrm{Fit}4=\frac{1}{\mathrm{CC}\_D+\mathrm{CD}\_C}=\frac{1}{0+0.1}=10$

其中：CC_D表示主服务小区C与邻区D之间的重叠覆盖话务比；CD_C表示主服务小区D与邻区C之间的重叠覆盖话务比。 

2）获得种群中各个体的相对适应度； 

具体的，将种群中各个体的适应度进行累加，将个体的适应度除以累加值得到所述个体的相对适应度； 

例如，对于1）中，个体1的相对适应度RelFit1为： 

$\mathrm{RelFit}1=\frac{\mathrm{Fit}1}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{13}{94}=0.1383$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体2的相对适应度RelFit2为： 

$\mathrm{RelFit}2=\frac{\mathrm{Fit}2}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{3}{94}=0.0319$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体3的相对适应度RelFit3为： 

$\mathrm{RelFit}3=\frac{\mathrm{Fit}3}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{39}{94}=0.4149$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体4的相对适应度RelFit4为： 

$\mathrm{RelFit}4=\frac{\mathrm{Fit}4}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{39}{94}=0.4149$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

3）将每个相对适应度设置一个对应区域，采用轮盘赌的方式产生0到1之间的随机数，依据所述随机数所处的区域确定被选中的个体。 

例如，对于2）中的4个相对适应度0.1383、0.0319、0.4149、0.4149可以设置区域：[0，0.1383]为一个区域，（0.1383，0.1702]为一个区域，（0.1702，0.5851]为一个区域，（0.5851，1]为一个区域； 

当转动轮盘在0到1之间产生的随机数为0.23时，落入（0.1702，0.5851]区域内，则个体3被选中； 

其中，选择操作所选择个体的数量可以通过设定比例进行确定，例如种群中个体数量的70%； 

该步骤还包括：在1）中获得个体的适应度后，当上次迭代中适应度最高的个体比本次生成的适应度最低的个体适应度高时，则用上次迭代的适应度最 高的个体，替换本次适应度最低的个体； 

该步骤还包括：在1）中获得个体的适应度后，按照适应度从大到小对个体进行排序，选取个体适应度高的个体，选择的数量可以通过用户输入的比例确定，例如比例为80%，初始化产生的个体为20个时，则在1）中选择前16个适应度较高的个体进行步骤2）和3）； 

其中，所述迭代为循环执行步骤302、303、304； 

所述设定比例通过用户输入确定。 

步骤303：交叉操作； 

1）对种群中的个体进行随机配对； 

例如，表3中个体1与个体2配对，个体3与个体4配对； 

2）设置交叉点位置； 

具体的，在0到i中产生一个随机数C1，再在C1到i中产生随机数C2； 

其中，所述i为步骤301中的小区数，C1、C2为整数； 

3）根据交叉点位置，相互交换配对个体之间的数据； 

具体的，对C1所在行与C2所在行两行中间的行进行对应位置数据的交换； 

例如，当步骤302所选择的个体为表3中的个体1、2、3、4，1和2配对，3和4配对，并且C1为2，C2为4时，则相互交换配对个体之间的部分数据之后如表8所示； 

表8 

步骤304：变异操作； 

具体的，生成0到100之间的随机数，当生成的随机数大于变异率时，执行变异操作； 

所述变异率由用户输入确定，范围为0到100； 

所述变异操作为：获得个体中模三干扰不为0的小区的PCI，将所述PCI与个体中未使用的模三干扰最小的PCI进行交换； 

所述模三干扰不为0的小区是指：在主服务小区与邻区之间重叠覆盖且PCI模三相同时，累加所述主服务小区与邻区之间的重叠覆盖话务比，当累加的重叠覆盖话务比不等于0时，所述主服务小区为模三干扰不为0的小区； 

所述模三干扰最小的PCI为：将模三干扰不为0的小区作为主服务小区，将个体中未使用的PCI逐个替换为所述主服务小区的PCI，并在每次替换后，累加PCI模三相同的所述主服务小区与邻区之间的重叠覆盖话务比，当累加的重叠覆盖话务比最小时，当前的PCI即为模三干扰最小的PCI。 

所述变异操作还包括：当个体中所有未使用的PCI的模三干扰都大于所述模三干扰不为0的小区的PCI时，则不执行变异； 

该步骤还包括，当生成的随机数小于或者等于变异率时，则不执行变异操作； 

步骤：结束判定； 

具体的，当种群中个体的适应度大于或等于预定值，或者达到了指定的迭代次数时，则执行步骤，否则执行步骤； 

所述预定值通过用户输入确定； 

所述迭代次数为循环执行步骤302、303、304的次数； 

步骤306：输出结果； 

具体的，输出种群中适应度最高的个体。 

获得网络最佳PCI优化方案之后还可以根据所述最佳网络PCI优化方案进行网络PCI配置，因此本发明还实现了另一种抑制模三干扰方法，如图4所示，该方法包括：步骤401、步骤402、步骤403、步骤404； 

其中，步骤401、步骤402、步骤403与图2所示中步骤201、步骤202、步骤203对应相同； 

步骤404：根据获得的最佳网络PCI优化方案进行网络PCI配置； 

具体的，根据通过遗传算法所获得的最佳网络PCI优化方案对网络中各小区的PCI进行配置。 

为了实现上述方法，本发明还提供一种抑制模三干扰的装置，如图5所示，该装置位于服务器中，包括：重叠覆盖话务比模块51、模三干扰评估模块52、方案确定模块53；其中， 

所述重叠覆盖话务比模块51，用于根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比； 

所述模三干扰评估模块52，用于根据所述重叠覆盖话务比构建网络模三干扰评估函数； 

所述方案确定模块53，用于根据所述网络模三干扰评估函数获得最佳网络PCI优化方案； 

所述重叠覆盖话务比模块51，具体用于对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比； 

所述指定时间为24小时； 

所述测量报告为以样本形式进行存储，来自UE和基站物理层、RLC层，以及在无线资源管理过程中计算产生的测量报告； 

所述重叠覆盖话务比模块51，还用于在获取各测量报告中主服务小区识别码、主服务小区电平、邻区识别码及邻区电平之后，可以以表1的形式存储； 

所述重叠覆盖话务比模块51，具体用于当邻区电平的绝对值大于或等于主服务小区电平的绝对值的测量报告数目，占所述主服务小区测量报告总数的比例大于预设比例时，判定所述主服务小区与所述邻区之间重叠覆盖； 

其中，所述预设比例可以通过用户输入确定，例如，预设比例为80%； 

所述重叠覆盖话务比模块51，具体用于通过所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数，构建所述主服务小区与所述邻区之间的重叠覆盖话务比； 

例如，当A为主服务小区，B为邻区时，A小区与B小区之间的重叠覆盖话务比CA_B为： 

由于一个主服务小区通常会有多个邻区，当多个邻区与主服务小区之间都重叠覆盖时，则多个邻区与主服务小区之间都会产生重叠覆盖话务比，从而获得重叠覆盖话务比矩阵； 

例如，当A为主服务小区，B、C、D、E、F为其邻区，并且都为重叠覆盖时，则A小区的重叠覆盖话务比矩阵如表2所示； 

由此可以看出，当PCI配置出现模三情况时，随着主服务小区与邻区的重叠覆盖话务比增加，所述主服务小区与所述邻区之间越容易产生模三干扰，或者受模三干扰影响的话务量会越多； 

所述模三干扰评估模块52，具体用于对网络中所有主服务小区与邻区之间的重叠覆盖话务比进行累加，获得网络模三干扰评估函数； 

其中，所述主服务小区与邻区重叠覆盖且PCI模三相同； 

综合两小区之间的覆盖重叠话务比以及两小区的PCI配置，可以反映出两小区之间模三干扰程度。因此，将网络中所有PCI模三相同的重叠覆盖话务比求和，就能够反映出网络中模三干扰程度。因此，构建网络中模三干扰评估函数Cost为： 

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。 

这里，Cost值越小则说明网络中模三干扰越小，反之则说明网络中模三干扰越大。 

所述方案确定模块53，具体用于根据所述网络模三干扰评估函数，通过遗 传算法获得最佳网络PCI优化方案； 

所述遗传算法包括：种群初始化、选择操作、交叉操作、变异操作，其中，以网络PCI优化方案为种群中的个体，在选择操作中通过网络模三干扰评估函数获得个体的适应度； 

所述方案确定模块53，具体用于当进行种群初始化时，按照i*j生成个体二进制编码，并通过随机方式产生指定数量的个体； 

所述i为小区数，j为504个扰码数目； 

所述个体为网络PCI优化方案； 

所述按照i*j生成个体二进制编码可以为：生成以i为行，以j为列的二维二进制编码； 

例如，当i=4，j=8时，随机产生4个个体，其二进制编码如表3所示； 

所述指定数量可以为20个； 

所述方案确定模块53，具体用于当进行选择操作时，获得种群中各个体的适应度，对种群中的个体采用轮盘赌的方式进行选择，适应度高的个体被选中的概率高，适应度低的个体可能被淘汰，以确保之后所生成的个体的质量； 

所述个体的适应度通过模三干扰评估函数获得，具体为：通过模三干扰评估模块52的模三干扰评估函数评估所述个体配置方案，评估结果的倒数为所述个体的适应度； 

所述对种群中的个体采用轮盘赌的方式进行选择可以为：采用与适应度成正比的概率来确定能够遗传的个体，具体为： 

1）通过模三干扰评估函数，获得种群中各个体的适应度； 

例如，小区A、B、C、D都互为邻区且相互重叠覆盖，主服务小区与邻区的重叠覆盖话务比矩阵如表4、5、6、7所示，并且对于如表3所示的4个个体： 

个体1中小区A和B的PCI模三相同，都为2，则个体1的适应度Fit1为： 

$\mathrm{Fit}1=\frac{1}{\mathrm{CA}\_B+\mathrm{CB}\_A}=\frac{1}{0.1+0.2}=\frac{10}{3}$

其中：CA_B表示主服务小区A与邻区B之间的重叠覆盖话务比；CB_A 表示主服务小区B与邻区A之间的重叠覆盖话务比。 

个体2中小区A、B和C的PCI模三相同，都为2，则个体2的适应度Fit2为： 

$\mathrm{Fit}2=\frac{1}{\mathrm{CA}\_B+\mathrm{CA}\_C+\mathrm{CB}\_A+\mathrm{CB}\_C+\mathrm{CC}\_A+\mathrm{CC}+B}=\frac{1}{0.1+0.3+0.2+0.1+0.1+0.5}=\frac{10}{3}$

其中：CA_B表示主服务小区A与邻区B之间的重叠覆盖话务比；CA_C表示主服务小区A与邻区C之间的重叠覆盖话务比；CB_A表示主服务小区B与邻区A之间的重叠覆盖话务比；CB_C表示主服务小区B与邻区C之间的重叠覆盖话务比；CC_A表示主服务小区C与邻区A之间的重叠覆盖话务比；CC_B表示主服务小区C与邻区B之间的重叠覆盖话务比。 

个体3中小区B和D的PCI模三相同，都为0，则个体3的适应度Fit3为： 

$\mathrm{Fit}3=\frac{1}{\mathrm{CB}+D+\mathrm{CD}\_B}=\frac{1}{0+0.1}=10$

其中：CB_D表示主服务小区B与邻区D之间的重叠覆盖话务比；CD_B表示主服务小区D与邻区B之间的重叠覆盖话务比。 

个体4中小区C和D的PCI模三相同，都为1，则个体4的适应度Fit4为： 

$\mathrm{Fit}4=\frac{1}{\mathrm{CC}\_D+\mathrm{CD}\_C}=\frac{1}{0+0.1}=10$

其中：CC_D表示主服务小区C与邻区D之间的重叠覆盖话务比；CD_C表示主服务小区D与邻区C之间的重叠覆盖话务比。 

2）获得种群中各个体的相对适应度； 

具体的，将种群中各个体的适应度进行累加，将个体的适应度除以累加值得到所述个体的相对适应度； 

例如，对于1）中，个体1的相对适应度RelFit1为： 

$\mathrm{RelFit}1=\frac{\mathrm{Fit}1}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{13}{94}=0.1383$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体2的相对适应度RelFit2为： 

$\mathrm{RelFit}2=\frac{\mathrm{Fit}2}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{3}{94}=0.0319$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体3的相对适应度RelFit3为： 

$\mathrm{RelFit}3=\frac{\mathrm{Fit}3}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{39}{94}=0.4149$

其中：Fit1表示个体1的适应度；Fit2表示个体2的适应度；Fit3表示个体3的适应度；Fit4表示个体4的适应度。 

个体4的相对适应度RelFit4为： 

$\mathrm{RelFit}4=\frac{\mathrm{Fit}4}{\mathrm{Fit}1+\mathrm{Fit}2+\mathrm{Fit}3+\mathrm{Fit}4}=\frac{39}{94}=0.4149$

3）将每个相对适应度设置一个对应区域，采用轮盘赌的方式产生0到1之间的随机数，依据所述随机数所处的区域确定被选中的个体。 

例如，对于2）中的4个相对适应度0.1383、0.0319、0.4149、0.4149可以设置区域：[0，0.1383]为一个区域，（0.1383，0.1702]为一个区域，（0.1702，0.5851]为一个区域，（0.5851，1]为一个区域； 

当转动轮盘在0到1之间产生的随机数为0.23时，落入（0.1702，0.5851]区域内，则个体3被选中； 

其中，选择操作所选择个体的数量可以通过设定比例进行确定，例如种群中个体数量的70%； 

所述选择操作还包括：在1）中获得个体的适应度后，当上次迭代中适应度最高的个体比本次生成的适应度最低的个体适应度高时，则用上次迭代的适应度最高的个体，替换本次适应度最低的个体； 

所述选择操作还包括：在1）中获得个体的适应度后，按照适应度从大到小对个体进行排序，选取个体适应度高的个体，选择的数量可以通过用户输入的比例确定，例如比例为80%，初始化产生的个体为20个时，则在1）中选择前16个适应度较高的个体进行步骤2）和3）； 

其中，所述迭代为循环执行选择操作、交叉操作、变异操作； 

所述设定比例通过用户输入确定。 

所述方案确定模块53，具体用于当进行交叉操作时： 

1）对种群中的个体进行随机配对； 

例如，表3中个体1与个体2配对，个体3与个体4配对； 

2）设置交叉点位置； 

具体的，在0到i中产生一个随机数C1，再在C1到i中产生随机数C2，C1、C2即为交叉点位置； 

其中，所述i为种群初始化中的小区数，C1、C2为整数； 

3）根据交叉点位置，相互交换配对个体之间的数据； 

具体的，对C1所在行与C2所在行两行中间的行进行对应位置数据的交换； 

例如，当选择操作所选择的个体为表3中的个体1、2、3、4，1和2配对，3和4配对，并且C1为2，C2为4时，则相互交换配对个体之间的部分数据之后如表8所示； 

所述方案确定模块53，具体用于当进行变异操作时，生成0到100之间的随机数，当生成的随机数大于变异率时，执行变异操作； 

所述变异率由用户输入确定，范围为0到100； 

所述变异操作为：获得个体中模三干扰不为0的小区的PCI，将所述PCI与个体中未使用的模三干扰最小的PCI进行交换； 

所述模三干扰不为0的小区是指：在主服务小区与邻区之间重叠覆盖且PCI模三相同时，累加所述主服务小区与邻区之间的重叠覆盖话务比，当累加的重叠覆盖话务比不等于0时，所述主服务小区为模三干扰不为0的小区； 

所述模三干扰最小的PCI为：将模三干扰不为0的小区作为主服务小区，将个体中未使用的PCI逐个替换为所述主服务小区的PCI，并在每次替换后，累加PCI模三相同的所述主服务小区与邻区之间的重叠覆盖话务比，当累加的重叠覆盖话务比最小时，当前的PCI即为模三干扰最小的PCI。 

所述变异操作还包括：当个体中所有未使用的PCI的模三干扰都大于所述 模三干扰不为0的小区的PCI时，则不执行变异； 

所述方案确定模块53，具体还用于当生成的随机数小于或者等于变异率时，不执行变异操作； 

所述方案确定模块53，具体用于当进行结束判定时：当种群中个体的适应度大于或者等于预定值，或者达到了指定的迭代次数时，则执行结果输出，否则执行选择操作； 

所述预定值通过用户输入确定； 

所述迭代次数为循环执行选择操作、交叉操作、变异操作的次数； 

所述方案确定模块53，具体用于当进行结果输出时：输出种群中适应度最高的个体； 

获得网络最佳PCI优化方案之后还可以根据所述最佳网络PCI优化方案进行网络PCI配置，因此本发明还提供一种抑制模三干扰的装置，如图5所示，该装置还包括配置模块54； 

所述配置模块54，具体用于用户根据通过遗传算法所获得的最佳网络PCI优化方案对网络中各小区的PCI进行配置。 

所述重叠覆盖话务比模块51可以由服务器中的中央处理器（CPU，Central Processing Unit）和存储器实现； 

所述模三干扰评估模块52可以由服务器中的CPU实现； 

所述方案确定模块53、配置模块54可以由服务器中CPU和显示器实现。 

本发明实施例所述抑制模三干扰的方法如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式，所述存储介质包括但不限于U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、磁盘存储器、CD-ROM、光学存储器等。 

本申请是根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。 

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。 

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。 

相应的，本发明实施例还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行本发明实施例的抑制模三干扰的方法。 

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。 

Claims (12)

1.一种抑制模三干扰的方法，其特征在于，该方法包括：

根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比，根据所述重叠覆盖话务比构建网络模三干扰评估函数，并根据所述网络模三干扰评估函数获得最佳网络物理小区标识PCI优化方案。

2.根据权利要求1所述的方法，其特征在于，所述根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比为：对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。

3.根据权利要求2所述的方法，其特征在于，所述重叠覆盖为：当邻区电平的绝对值大于或等于主服务小区电平的绝对值的测量报告数目，占所述主服务小区测量报告总数的比例大于预设比例时，判定所述主服务小区与所述邻区之间重叠覆盖。

4.根据权利要求2或3所述的方法，其特征在于，所述构建所述主服务小区与所述邻区之间的重叠覆盖话务比为：所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数。

5.根据权利要求1所述的方法，其特征在于，所述网络模三干扰评估函数Cost为：

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。

6.根据权利要求1所述的方法，其特征在于，所述根据所述网络模三干扰评估函数获得最佳网络PCI优化方案为：根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案；

所述遗传算法包括：种群初始化、选择操作、交叉操作、变异操作，其中，以网络PCI优化方案为种群中的个体，在选择操作中通过网络模三干扰评估函数获得个体的适应度。

7.一种抑制模三干扰的装置，其特征在于，该装置包括：重叠覆盖话务比模块、模三干扰评估模块、方案确定模块；其中，

所述重叠覆盖话务比模块，用于根据测量报告构建主服务小区与邻区之间的重叠覆盖话务比；

所述模三干扰评估模块，用于根据所述重叠覆盖话务比构建网络模三干扰评估函数；

所述方案确定模块，用于根据所述网络模三干扰评估函数获得最佳网络PCI优化方案。

8.根据权利要求7所述的装置，其特征在于，所述重叠覆盖话务比模块，具体用于对指定时间内的测量报告进行解析，获取各测量报告中的主服务小区识别码、主服务小区电平、邻区识别码及邻区电平，当所述主服务小区与邻区之间重叠覆盖时，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。

9.根据权利要求8所述的装置，其特征在于，所述重叠覆盖为：当邻区电平的绝对值大于或等于主服务小区电平的绝对值的测量报告数目，占所述主服务小区测量报告总数的比例大于预设比例时，判定所述主服务小区与所述邻区之间重叠覆盖。

10.根据权利要求7所述的装置，其特征在于，所述重叠覆盖话务比模块，具体用于将所述主服务小区的测量报告中涉及所述邻区的测量报告的数目，除以所述主服务小区的测量报告总数，构建所述主服务小区与所述邻区之间的重叠覆盖话务比。

11.根据权利要求7所述的装置，其特征在于，所述模三干扰评估模块，具体用于构建网络模三干扰评估函数Cost为：

$\mathrm{Cost}=K\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ci}\_j$

其中：N为网络中小区的个数；Ci_j为主服务小区为i、邻区为j的重叠覆盖话务比，当i小区和j小区没有重叠覆盖时，则Ci_j等于0；K为累加系数，当i小区与j小区PCI模三相同时，k=1，否则k=0。

12.根据权利要求7所述的装置，其特征在于，所述方案确定模块，具体用于根据所述网络模三干扰评估函数，通过遗传算法获得最佳网络PCI优化方案；

所述遗传算法包括：种群初始化、选择操作、交叉操作、变异操作，其中，以网络PCI优化方案为种群中的个体，在选择操作中通过网络模三干扰评估函数获得个体的适应度。