CN105491597B - 一种基于双循环结构的son自优化的方法和装置 - Google Patents
一种基于双循环结构的son自优化的方法和装置 Download PDFInfo
- Publication number
- CN105491597B CN105491597B CN201510918855.7A CN201510918855A CN105491597B CN 105491597 B CN105491597 B CN 105491597B CN 201510918855 A CN201510918855 A CN 201510918855A CN 105491597 B CN105491597 B CN 105491597B
- Authority
- CN
- China
- Prior art keywords
- case
- optimization
- parameter
- fine tuning
- coarse adjustment
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种用于LTE‑A系统基于双循环结构的SON自优化的方法和装置,通过基站Sniffer功能侦听网络测量参数,根据网络测量参数的周期长短,分类为大尺度参数和小尺度参数。根据SON用例的控制参数调整周期以及调整参数对网络影响进行分类,分为粗调优化和细调优化。本发明在不同的时间尺度上,对大尺度参数和小尺度参数分别进行触发判决,触发相应的SON优化用例的粗调优化和细调优化,当同一时间节点同时存在粗调优化和细调优化时,执行粗调优化;当同一时间节点多个细调优化用例被触发时,进行冲突检测,合理地对控制参数进行优化,使得网络参数自动与网络环境匹配,从而降低系统掉话率、阻话率,提高系统容量、吞吐量等网络性能。
Description
技术领域
本发明是一种LTE-A系统中基于双循环结构的SON自优化的方法和装置,属于移动通信系统中自组织网络优化研究领域。
背景技术
随着网络架构向扁平化和分布式发展,自组织网络(SON)将成为未来无线网络的关键技术之一。目前部署的2G/3G无线网络中有许多网元和相关参数由人工配置,这些设备和参数的规划、配置、维护、管理都关系到网络的可靠高效运行,由此产生的运营费用(OPEX)是相当巨大的。在一个成熟的3G网络中,与网络有关的运营费用大约占到总费用的30%左右。未来移动网络运行将变得更加复杂:2G/3G/4G/WLAN多种异构网络的共存、异构网络的干扰消除问题、家庭基站(femtocell)等小功率无线设备的广泛部署都会影响到网络运行。运营商一方面要降低运营支出,降低管理复杂度,网络运营更加简单高效,另一方面要提供较好的终端用户体验,尤其是移动互联网和移动宽带应用。于是自组织网络(SON:Self-Organizing Network)概念应运而生。3GPP LTE标准从Release 8版本开始,就引入了SON概念,并在随后的版本中对SON的概念进行扩展。
无线通信技术的发展使得新的移动设备类型越来越多,从而个人用户和企业的无线数据成爆炸性的增长。因此,无线服务供应商必须实时的在其网络上支持不断增长的宽带数据应用和服务。这些应用和服务包括:因特尔浏览、Web2.0,视频等等。另一方面,在网络侧无线服务供应商提供的网络变得越来复杂且异构。可预测的是家庭基站和微小区的数目将迅速的增长,与此同时,多接入技术的网络将越来越普遍(2G,3G,4G,WiFi)。这些趋势使得在多接入技术网络间进行切换时,运营和网络的复杂性增加。同时,宏小区和微小区之间,宏小区和微微小区之间的干扰控制将变得更加困难。总而言之,这些趋势使得网络服务商和他们执行人员的工作越来越困难。于是在LTE网络的标准化阶段移动运营商主导提出了SON概念,其主要思路是实现无线网络的一些自主功能,减少人工参与,降低运营成本。
鉴于上述原因,3GPP工作组将SON技术纳入LTE标准化范畴,SON是无线网络的一个重要发展方向,是LTE系统最重要的功能之一。简而言之,SON的主要目标是减少人工对网络规划、配置和优化的参与,提高网络管理的自动化程度,一方面可以降低网络运营商的网络运行开销,另一方面可以提高网络性能。因此本文选择对SON自优化进行研究并提出完整的方法和实现装置,对无线网络优化的研究具有重要意义。
发明内容
发明目的:本发明针对LTE-A系统SON自优化技术进行研究,提出了一种LTE-A系统中基于双循环结构的SON自优化的方法和装置,根据测量参数的周期及自优化用例的调整周期进行分类,不同的时间尺度上对自优化用例进行触发判决,从而能够自适应地选择自优化用例对系统进行优化,同时有效避免了不同优化之间的冲突,从而有效提高整个系统的吞吐量,降低系统的阻话率、掉话率。
技术方案:本发明采用的技术方案如下:
一种基于双循环结构的SON自优化的方法,在每个运行周期中重复以下几个步骤:
(1)将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,设定大尺度循环周期为T1=N*TTL,小尺度循环周期为T2=K*TTL,N>>K,将SON用例分为粗调优化用例和细调优化用例;
(2)在T1的整数倍时,进入大尺度循环,判断是否触发粗调优化用例,包括覆盖与容量用例以及能量节约与干扰降低用例,并统计粗调优化用例被触发的数量Count1,当Count1>1时,进行冲突检测,当Count1=1时,调整参数进行相应的粗调用例优化,当Count1=0时,进入步骤(3);
(3)判断是否触发细调优化用例,包括负载均衡用例、移动健壮性用例和干扰协调用例,并统计细调优化用例被触发的数量Count2,当Count2>1时,进行冲突检测,当Count2=1时,调整参数进行相应的细调用例优化,当Count2=0时,不进行参数调整优化;
(4)在T2的整数倍时,进入小尺度循环,当在小尺度周期内,若存在粗调用例优化,则不进行小尺度判决,否则判断是否触发细调优化用例,包括移动健壮性优化用例、负载均衡用例、干扰协调用例和随机接入信道优化用例,并统计细调优化用例被触发数量Count3,当Count3>1时,进行冲突检测,当Count3=1时,执行相应的优化用例;当Count3=0时,不进行参数调整优化。
进一步地,所述步骤(2)中判断是否触发粗调优化用例,包括:
当系统掉话率CDR大于设定阈值CDRthres并且吞吐量C小于设定阈值Cthres时,触发覆盖与容量用例;
以及,当能量损耗E大于设定阈值Ethres时,触发能量节约与干扰降低用例。
其中,系统掉话率CDR的计算公式为:
其中Ndrop和Ntotal分别为统计周期内小区内服务中断用户数和总的用户数;
系统吞吐量的计算公式为:
其中N为总的用户数,Δf为PRB的带宽,SINRU为用户的信噪比,计算公式为:
其中N0为噪声,PF为家庭基站服务小区F的发射功率,PF'为家庭基站服务小区邻小区的发射功率;GU,F和GU,F'分别为家庭基站用户与服务小区F和邻小区F'间的链路增益;PM为宏基站M的发射功率,GU,M为家庭基站用户与宏基站M间的链路增益;
系统能量损耗的计算公式为:
其中Emar、Epic、Efemto分别为宏基站、pic基站及家庭基站的能量损耗。
进一步地,所述步骤(3)中判断是否触发细调优化用例,包括:
当系统掉话率CDR大于设定阈值CDRthres或者系统阻话率CBR大于设定阈值CBRthres时,触发负载均衡用例和移动健壮性用例;
当系统吞吐量C小于设定阈值Cthres时,触发干扰协调用例。
其中,系统阻话率的计算公式为:
其中Nblocked和Naccepted分别为统计周期内选择接入的堵塞用户数和接入成功的用户数。
进一步地,所述步骤(4)中判断是否触发小尺度判决用例,包括:
当系统切换失败率PHOfailure大于设定阈值Pthres_1或者乒乓切换率PHOping大于设定阈值Pthres_2时,触发移动健壮性优化用例;
当系统负载ρF大于设定阈值ρthres且过载持续时间T大于设定阈值T0时,触发负载均衡用例;
当边缘用户信噪比SINR小于设定阈值SINRthres并且信道质量指示CQI小于设定阈值CQIthres时,触发干扰协调用例;
当随机接入成功率Paccepted小于设定阈值P0、随机接入延迟Tdelay大于设定阈值Tthres并且随机接入负载ρ大于设定阈值ρ0时,触发随机接入信道优化实例。
其中,系统切换失败率的计算公式为:
其中NHOfailure为一个移动性优化统计周期内切换过程中切换失败的次数,NHOtotal为一个移动性优化统计周期内的切换总次数;
系统乒乓切换率的计算公式为:
其中NHOping为一个移动性优化统计周期内切换过程中乒乓切换的次数,NHOtotal为一个移动性优化统计周期内的切换总次数;
系统负载的计算公式为:
其中为用户u所占用的物理资源块PRB的数量,UF表示当前时刻连接到小区F的总的用户数目,X(u)表示用户u所属小区ID,表示小区F总的资源块数目,R(SINRU)为用户U的数据率,R(SINRU)=log2(1+SINRU),DU为用户申请的业务速率,Bw为PRB的带宽;
随机接入成功率的计算公式为:
其中Naccepted是一个移动性优化统计周期内切换过程中随机接入成功的次数,NRACH是一个移动性优化统计周期内切换过程中总的随机接入次数。
进一步地,所述步骤(2)、(3)和(4)中用例冲突检测的规则为:
集合A:{干扰协调优化用例、负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合B:{负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合C:{负载均衡优化用例、移动健壮性优化用例}
当两个以上的优化用例同时属于同一个集合,则判断为发生优化冲突,否则,不发生冲突。
一种实现上述方法的基于双循环结构的SON自优化的装置,包括:
参数和用例管理模块,用于收集网络参数,并将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,以及将SON用例分为粗调优化用例和细调优化用例;
粗调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应粗调优化用例,并统计粗调优化用例被触发的数量;
细调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发的数量;
小尺度优化用例触发判决模块,用于在小尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发数量;
用例冲突检测模块,用于在多个优化用例被触发时,进行冲突检测;
以及控制参数调整模块,用于根据执行用例的执行结果对控制参数进行调整。
有益效果:本发明提出了一种LTE-A系统中基于双循环结构的SON自优化的方法和装置,通过每个自优化研究对象的输出网络性能和参数控制参数进行合理的分类,根据网络性能参数周期长短将分为大尺度参数和小尺度参数,分别由网络侧集中式管理和基站侧分布式管理,同时根据各个用例的控制参数调整周期以及调整参数对网络影响进行分类,分为粗调优化和细调优化,这种分类不仅有利于我们更清晰的认识各个自优化用例,而且通过分类,不同类别的自优化用例解决方案运行于不同的时间尺度和优先级,更容易减少多个用例自优化解决方案同时运行时的冲突,从而有效提高整个系统的吞吐量,降低系统的阻话率、掉话率及能耗等性能。
附图说明
图1是本发明实施例的方法流程图。
图2是本发明实施例的应用场景图。
具体实施方式
下面结合具体实施例,进一步阐述本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
图2为本发明实施例所公开的基于双循环结构的SON自优化方法的应用场景示意图。本实施例采用20M的系统带宽,可用的资源块数量为100个。每个TTI包含两个0.5ms的时隙,每个时隙包含7个OFDM符号,10个TTI构成一个无线帧长。系统具体参数如表1。本实施例中,各优化用例触发判决时使用条件和阈值参数表如表2,其中阈值参数的具体取值可根据经验和多次仿真实验结果设定,可根据不同的网络场景做适当调整。
表1系统参数
表2阈值参数
本发明实施例公开的一种用于LTE-A系统中基于双循环结构的SON自优化的方法的具体实施步骤包括:
第一步:将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,将SON用例分为粗调优化用例和细调优化用例。
本步骤中,基站开启Sniffer功能,周期性收集网络测量参数,包括网络主要性能参数KPI、小区度量和控制参数。根据网络测量参数的周期长短,对网络性能参数进行分类为大尺度参数和小尺度参数。网络主要性能参数KPI(如吞吐量、呼损量、阻话率、掉话率等)均为统计量,测量周期较长,归为大尺度参数,用作大尺度判决的条件,由网络管理系统NMS进行集中统计及管理;小区度量包括用户数、小区负载、干扰情况、切换性能参数等归为小尺度参数,实时性较高,用作小尺度判决的条件,由基站侧管理执行。
同时,根据各个SON用例的控制参数调整周期以及调整参数对网络影响进行分类,将SON优化用例分为粗调优化和细调优化。粗调参数往往调整系统级参数,如网络拓扑结构,天线配置,基站最大发射功率等,小区覆盖和容量优化,能耗优化,干扰降低的调整参数属于粗调优化参数;细调参数往往调整链路和网络中蜂窝小区动态的参数,如资源分配参数,调度参数,切换接入电平门限等,移动健壮性优化,移动负载均衡优化,随机接入信道优化和干扰协调优化的调整参数属于细调优化参数。
设定大尺度参数测量周期为T1=N*TTL,小尺度参数的测量周期为T2=K*TTL,(N>>K),设定大尺度参数优先级大于小尺度参数,粗调优化优先级大于细调优化。
第二步:当Tbig=n*T1=n*N*TTL时,(n=1,2,....),进入大尺度循环。网络管理系统进行大尺度参数判决,设置计数器Count1来统计粗调优化用例被触发的数量,初始化Count1=0:
根据
计算系统的掉话率CDR,其中Ndrop和Ntotal分别为统计周期内小区内服务中断用户数和总的用户数。
根据
计算用户的信噪比SINRU和吞吐量C,其中,N0为噪声,PF为家庭基站服务小区F的发射功率,PF'为家庭基站服务小区邻小区的发射功率。GU,F和GU,F'分别为家庭基站用户与服务小区F和邻小区F'间的链路增益。PM为宏基站M的发射功率,GU,M为家庭基站用户与宏基站M间的链路增益。N为总的用户数,Δf为PRB的带宽。当掉话率CDR>CDRthres、吞吐量C<Cthres时,则触发粗调优化覆盖与容量用例,参数调整周期设为Tcoarse_1,用例运行时间区间为[Tbig,Tbig+Tcoarse_1],Count1=Count1+1;根据
计算系统的能耗E,其中Emar、Epic、Efemto分别为宏基站、pic基站及家庭基站的能量损耗。当能耗E>Ethres,触发粗调优化,即能量节约与干扰降低用例,参数调整周期设为Tcoarse_2,用例运行时间区间为[Tbig,Tbig+Tcoarse_2],Count1=Count1+1;
当Count1>1,即多个粗调优化用例被触发,则进入冲突检测模块;当Count1=1,调整参数进行相应的粗调用例优化;当Count1=0,表示粗调优化用例均未被触发,进入第三步。
第三步:大尺度判决中不存在粗调优化用例被触发,判断是否存在细调优化用例被触发,设置计数器Count2来统计粗调优化用例被触发的数量,Count2=0:
根据
计算系统阻话率CBR,其中Nblocked和Naccepted分别为统计周期内选择接入的堵塞用户数和接入成功的用户数。当掉话率CDR>CDRthres或者阻话率CBR>CBRthres时,触发细调优化,即负载均衡用例、移动健壮性用例,Count2=Count2+2;当系统吞吐量C<Cthres,触发细调优化,即干扰协调用例,Count2=Count2+1。
当Count2>1,即多个细调优化用例被触发,则进入冲突检测模块,根据
集合A:{干扰协调优化用例、负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合B:{负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合C:{负载均衡优化用例、移动健壮性优化用例}
[规则6]
进行优化用例冲突检测,当两个以上的优化用例同时属于同一个集合,则判断为发生优化冲突,否则,不发生冲突。当Count2=1,调整参数进行相应的细调用例优化;当Count2=0,表示细调优化用例均未被触发,不需要执行参数调整优化。
第四步:当Tsmall=m*T2=m*K*TTL时,进入小尺度循环。基站进行小尺度参数判决,设置计数器Count3来统计SON用例被触发数量,初始化Count3=0。当在小尺度周期内,若存在粗调用例优化,即Tsmall∈[Tbig,Tbig+Tcoarse_i],i=1,2,3时,则不进行小尺度判决,否则进入小尺度判决:
根据
计算系统的切换失败率PHOfailure和乒乓切换率PHOping,其中NHOfailure、NHOping分别为一个移动性优化统计周期内切换过程中切换失败的次数,NHOtotal为一个移动性优化统计周期内的切换总次数。当切换失败率PHOfailure>Pthres_1或者乒乓切换率PHOping>Pthres_2时,触发细调优化,即触发移动健壮性优化用例,参数调整周期设为Tfine_1,用例运行时间区间为[Tsmall,Tsmall+Tfine_1],Count3=Count3+1;
根据
计算小区负载ρF,其中R(SINRU)为用户U的数据率,DU为用户申请的业务速率,Bw为PRB的带宽,为用户u所占用的物理资源块PRB的数量,UF表示当前时刻连接到小区F的总的用户数目,X(u)表示用户u所属小区ID,表示小区F总的资源块数目。当负载ρF>ρthres,过载持续时间T>T0时,触发负载均衡用例,参数调整周期设为Tfine_2,用例运行时间区间为[Tsmall,Tsmall+Tfine_2],Count3=Count3+1;
当边缘用户SINR<SINRthres、信道质量指示CQI<CQIthres时,触发细调优化,即干扰协调用例,参数调整周期设为Tfine_3,用例运行时间区间为[Tsmall,Tsmall+Tfine_3],Count3=Count3+1;
根据
计算随机接入成功率Paccepted,其中Naccepted是一个移动性优化统计周期内切换过程中随机接入成功的次数,NRACH是一个移动性优化统计周期内切换过程中总的随机接入次数。
当随机接入延迟Tdelay>Tthres、随机接入成功率Paccepted<P0、随机接入负载ρ>ρ0时,触发细调优化,即随机接入信道优化用例,参数调整周期设为Tfine_4,用例运行时间区间为[Tsmall,Tsmall+Tfine_4],Count3=Count3+1;
当Count 3>1时,进行用例冲突检测,如存在冲突,进入冲突解决模块,通过执行冲突解决算法,对相应的控制参数进行调整达到优化目标,冲突解决算法为现有算法,运营商可根据不同的情况自行选择;若Count 3=1时,只有一个SON用来被触发,不存在冲突,直接执行相应的自优化算法;若Count 3=0时,说明系统性能良好,不需进行参数调整。
每次自优化算法的执行过程是在系统传输时间间隔(TTI)的倍数上(如j*TTI(j=1,2,...J))重复以上第一步到第四步。图1显示了本发明实施例方法的详细流程图。
本发明实施例还公开一种实现上述方法的基于双循环结构的SON自优化的装置,包括:参数和用例管理模块,用于收集网络参数,并将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,以及将SON用例分为粗调优化用例和细调优化用例;粗调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应粗调优化用例,并统计粗调优化用例被触发的数量;细调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发的数量;小尺度优化用例触发判决模块,用于在小尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发数量;用例冲突检测模块,用于在多个优化用例被触发时,进行冲突检测;以及控制参数调整模块,用于根据执行用例的执行结果对控制参数进行调整。
本发明在不同的时间尺度上,对大尺度参数和小尺度参数分别进行触发判决,触发相应的SON优化用例的粗调优化和细调优化,当同一时间节点同时存在粗调优化和细调优化时,执行粗调优化;当同一时间节点多个细调优化用例被触发时,则进入冲突检测模块,从而解决冲突问题,合理地对某些网络控制参数进行优化,使得网络参数自动与网络环境匹配,从而降低系统掉话率、阻话率,提高系统容量、吞吐量等网络性能。
Claims (5)
1.一种基于双循环结构的SON自优化的方法,其特征在于,在每个运行周期中重复以下几个步骤:
(1)将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,设定大尺度循环周期为T1=N*TTL,小尺度循环周期为T2=K*TTL,N>>K,将SON用例分为粗调优化用例和细调优化用例;
(2)在T1的整数倍时,进入大尺度循环,判断是否触发粗调优化用例,包括覆盖与容量用例以及能量节约与干扰降低用例,并统计粗调优化用例被触发的数量Count1,当Count1>1时,进行冲突检测,当Count1=1时,调整参数进行相应的粗调用例优化,当Count1=0时,进入步骤(3);
(3)判断是否触发细调优化用例,包括负载均衡用例、移动健壮性用例和干扰协调用例,并统计细调优化用例被触发的数量Count2,当Count2>1时,进行冲突检测,当Count2=1时,调整参数进行相应的细调用例优化,当Count2=0时,不进行参数调整优化;
(4)在T2的整数倍时,进入小尺度循环,当在小尺度周期内,若存在粗调用例优化,则不进行小尺度判决,否则判断是否触发细调优化用例,包括移动健壮性优化用例、负载均衡用例、干扰协调用例和随机接入信道优化用例,并统计细调优化用例被触发数量Count3,当Count3>1时,进行冲突检测,当Count3=1时,执行相应的优化用例;当Count3=0时,不进行参数调整优化;
所述步骤(2)中判断是否触发粗调优化用例,包括:
当系统掉话率CDR大于设定阈值CDRthres并且吞吐量C小于设定阈值Cthres时,触发覆盖与容量用例;
以及,当能量损耗E大于设定阈值Ethres时,触发能量节约与干扰降低用例;
所述步骤(3)中判断是否触发细调优化用例,包括:
当系统掉话率CDR大于设定阈值CDRthres或者系统阻话率CBR大于设定阈值CBRthres时,触发负载均衡用例和移动健壮性用例;
当系统吞吐量C小于设定阈值Cthres时,触发干扰协调用例;
所述步骤(4)中判断是否触发小尺度判决用例,包括:
当系统切换失败率PHOfailure大于设定阈值Pthres_1或者乒乓切换率PHOping大于设定阈值Pthres_2时,触发移动健壮性优化用例;
当系统负载ρF大于设定阈值ρthres且过载持续时间T大于设定阈值T0时,触发负载均衡用例;
当边缘用户信噪比SINR小于设定阈值SINRthres并且信道质量指示CQI小于设定阈值CQIthres时,触发干扰协调用例;
当随机接入成功率Paccepted小于设定阈值P0、随机接入延迟Tdelay大于设定阈值Tthres并且随机接入负载ρ大于设定阈值ρ0时,触发随机接入信道优化用例;
所述步骤(2)、(3)和(4)中用例冲突检测的规则为:
集合A:{干扰协调优化用例、负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合B:{负载均衡优化用例、能量节约优化用例、覆盖与容量优化用例}
集合C:{负载均衡优化用例、移动健壮性优化用例}
当两个以上的优化用例同时属于同一个集合,则判断为发生优化冲突,否则,不发生冲突。
2.根据权利要求1所述的一种基于双循环结构的SON自优化的方法,其特征在于,系统掉话率CDR的计算公式为:
其中Ndrop和Ntotal分别为统计周期内小区内服务中断用户数和总的用户数;
系统吞吐量的计算公式为:
其中N为总的用户数,Δf为PRB的带宽,SINRU为用户的信噪比,计算公式为:
其中N0为噪声,PF为家庭基站服务小区F的发射功率,PF'为家庭基站服务小区邻小区的发射功率;GU,F和GU,F'分别为家庭基站用户与服务小区F和邻小区F'间的链路增益;PM为宏基站M的发射功率,GU,M为家庭基站用户与宏基站M间的链路增益;
系统能量损耗的计算公式为:
其中Emar、Epic、Efemto分别为宏基站、pic基站及家庭基站的能量损耗。
3.根据权利要求1所述的一种基于双循环结构的SON自优化的方法,其特征在于,系统阻话率的计算公式为:
其中Nblocked和Naccepted分别为统计周期内选择接入的堵塞用户数和接入成功的用户数。
4.根据权利要求1所述的一种基于双循环结构的SON自优化的方法,其特征在于,系统切换失败率的计算公式为:
其中NHOfailure为一个移动性优化统计周期内切换过程中切换失败的次数,NHOtotal为一个移动性优化统计周期内的切换总次数;
系统乒乓切换率的计算公式为:
其中NHOping为一个移动性优化统计周期内切换过程中乒乓切换的次数,NHOtotal为一个移动性优化统计周期内的切换总次数;
系统负载的计算公式为:
其中为用户u所占用的物理资源块PRB的数量,UF表示当前时刻连接到小区F的总的用户数目,X(u)表示用户u所属小区ID,表示小区F总的资源块数目,R(SINRU)为用户U的数据率,R(SINRU)=log2(1+SINRU),DU为用户申请的业务速率,Bw为PRB的带宽;
随机接入成功率的计算公式为:
其中Naccepted是一个移动性优化统计周期内切换过程中随机接入成功的次数,NRACH是一个移动性优化统计周期内切换过程中总的随机接入次数。
5.一种实现如权利要求1-4任一项所述的一种基于双循环结构的SON自优化的方法的基于双循环结构的SON自优化的装置,其特征在于,包括:
参数和用例管理模块,用于收集网络参数,并将基站收集的网络测量参数根据测量周期分为大尺度参数和小尺度参数,以及将SON用例分为粗调优化用例和细调优化用例;
粗调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应粗调优化用例,并统计粗调优化用例被触发的数量;
细调优化用例触发判决模块,用于在大尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发的数量;
小尺度优化用例触发判决模块,用于在小尺度循环时,判断是否触发相应细调优化用例,并统计细调优化用例被触发数量;
用例冲突检测模块,用于在多个优化用例被触发时,进行冲突检测;
以及控制参数调整模块,用于根据执行用例的执行结果对控制参数进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918855.7A CN105491597B (zh) | 2015-12-11 | 2015-12-11 | 一种基于双循环结构的son自优化的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510918855.7A CN105491597B (zh) | 2015-12-11 | 2015-12-11 | 一种基于双循环结构的son自优化的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105491597A CN105491597A (zh) | 2016-04-13 |
CN105491597B true CN105491597B (zh) | 2018-11-09 |
Family
ID=55678229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510918855.7A Active CN105491597B (zh) | 2015-12-11 | 2015-12-11 | 一种基于双循环结构的son自优化的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105491597B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964985B (zh) * | 2010-09-29 | 2013-11-13 | 中国科学院声学研究所 | 一种lte/lte-a中自组织网络的覆盖与容量自优化装置及其方法 |
CN102510564B (zh) * | 2011-12-19 | 2014-05-28 | 清华大学 | 一种改进集中分簇式自组织网络的自优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9769681B2 (en) * | 2013-06-17 | 2017-09-19 | Nec Corporation | Apparatus, method, and non-transitory computer readable medium for self-organizing network |
-
2015
- 2015-12-11 CN CN201510918855.7A patent/CN105491597B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101964985B (zh) * | 2010-09-29 | 2013-11-13 | 中国科学院声学研究所 | 一种lte/lte-a中自组织网络的覆盖与容量自优化装置及其方法 |
CN102510564B (zh) * | 2011-12-19 | 2014-05-28 | 清华大学 | 一种改进集中分簇式自组织网络的自优化方法 |
Non-Patent Citations (3)
Title |
---|
Handover Parameter Optimization for Self-organizing LTE Networks;Ili Nadia Md Isa,etc;《IEEE》;20151015;全文 * |
MT-Advanced系统的网络自组织协议流程和技术性能;魏垚等;《电信科学》;20110430;全文 * |
SON Conflict Diagnosis in Heterogeneous Networks;Ovidiu Iacoboaiea,etc;《2015 IEEE 26th International Symposium on Personal, Indoor and Mobile Radio Communications -(PIMRC): Mobile and Wireless Networks》;20151031;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105491597A (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Simsek et al. | Learning based frequency-and time-domain inter-cell interference coordination in HetNets | |
CN102510564B (zh) | 一种改进集中分簇式自组织网络的自优化方法 | |
Weber et al. | Self-organizing adaptive clustering for cooperative multipoint transmission | |
Hong et al. | Mechanism design for base station association and resource allocation in downlink OFDMA network | |
Sesto-Castilla et al. | Use of Machine Learning for energy efficiency in present and future mobile networks | |
Alsedairy et al. | Self organising cloud cells: a resource efficient network densification strategy | |
Huang et al. | A threshold-based multi-traffic load balance mechanism in LTE-A networks | |
CN104010315B (zh) | 一种基于用户体验质量的小区选择方法 | |
Mirzaei Somarin et al. | Big data based self-optimization networking in next generation mobile networks | |
Wang et al. | Bi-SON: Big-data self organizing network for energy efficient ultra-dense small cells | |
Saad et al. | Handover and load balancing self-optimization models in 5G mobile networks | |
Ghosh | Interrelationship between energy efficiency and spectral efficiency in cognitive femtocell networks: A survey | |
Prasad et al. | Backhaul-aware energy efficient heterogeneous networks with dual connectivity | |
Dolfi et al. | On the trade‐off between energy saving and number of switchings in green cellular networks | |
Boujelben et al. | Son handover algorithm for green LTE-A/5G HetNets | |
Fratu et al. | Small cells in cellular networks: Challenges of future HetNets | |
Khan et al. | Surrogate based centralized son: Application to interference mitigation in lte-a hetnets | |
CN105491597B (zh) | 一种基于双循环结构的son自优化的方法和装置 | |
Xu et al. | Study on based reinforcement Q-Learning for mobile load balancing techniques in LTE-A HetNets | |
Pourkabirian et al. | An evolutionary game-theoretic approach for base station allocation in wireless femtocell networks | |
Kumar et al. | Energy efficient rate coverage with base station switching and load sharing in cellular networks | |
Wang et al. | Based multi-operator shared network opportunistic spectrum sharing | |
Pei et al. | Impact of BS sleeping and user association scheme on delay in ultra-dense networks | |
US20170311333A1 (en) | Cellular communications network | |
Sawant et al. | Subcarrier allocation in LTE network deployment with mobility |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |