CN105578546A - 面向客户感知的正弦自适应lte切换方法 - Google Patents

Abstract

本发明公开了一种面向客户感知的正弦自适应LTE切换方法包括步骤1：正弦自适应；步骤2：无量纲处理；步骤3：核算方差权重；步骤4：切换判决；本发明结合邻区的RSRP和RSRQ，建立了一套自适应小区质量的切换迟滞变化机制，引入典型话音和数据业务的用户面指标，构建简单有效的客户感知的综合评估体系，挑选出具备最优客户感知的目标小区进行切换。本发明具有可更好地匹配外部环境，自适应地调整切换参数并按照客户感知的评估准则来选择目标服务小区的面向客户感知的特点。

Description

面向客户感知的正弦自适应LTE切换方法

技术领域

本发明涉及一种LTE系统的切换方法，尤其是一种可更好地匹配外部环境，自适应地调整切换参数并按照客户感知的评估准则来选择目标服务小区的面向客户感知的正弦自适应的小区切换方法。

背景技术

LTE的主要目标是在低时延下为用户提供无缝话音和多媒体接入服务，这个目标的实现需要从源小区到目标小区的切换支持。对于LTE而言，由于eNodeB之间不存在宏分集，因此LTE中仅存在硬切换。切换过程需要切换技术及切换算法的支持，一个好的切换算法致力于减少通话掉话率、通信阻塞率，以及较少的切换次数以最终提高客户感知。

中国专利申请号201310114527.2，授权公开日2015年10月7日，公开了一种基于多因素决策的LTE小区切换方法，该方法包括步骤1：小区信号电平测量；步骤2：小区资源分析；步骤3：业务等级分析；步骤4：A3事件修正；步骤5：权重优化。该发明所得的基于多因素的LTE小区切换方法，从分析小区电平入手，对来自物理层及上次测量值进行加权，结合小区PRB利用率以及差异化的业务属性，对A3事件进行修正。方法实施后能够选择优化后的权重，选择负载最小或信号电平值最好的小区进行切换，并达到网络均衡。

不足之处是，该方法通过核算LTE终端移动速率以及不同QCI优先级的业务，从而确定不同的切换迟滞修正系数来满足相应的切换需求，属于离散式的修正，不具备外部环境的自适应能力。此外，该方法仅考虑RSRP(ReferenceSignalReceivingPower，参考信号接收功率)，而在特定环境下，干扰将会导致服务质量下降，使得终端的RSRP测量不能检测，甚至可能会导致频繁切换。此时，必须引用RSRQ(ReferenceSignalReceivingQuality，参考信号接收质量)进行测量，综合比较RSRP和RSRQ来决定切换是否执行。还需注意的是，最终选择的目标邻区应该顾及客户的使用感知，包括话音和数据业务，而目前大多数的LTE切换方法均未考虑。

发明内容

本发明的发明目的是为了克服现有技术中的LTE小区切换方法不具备外部环境的自适应能力，干扰导致服务质量下降，终端的RSRP测量不能检测，频繁切换的不足，提供了一种可更好地匹配外部环境，自适应地调整切换参数并按照客户感知的评估准则来选择目标服务小区的面向客户感知的正弦自适应的小区切换方法。

为了实现上述目的，本发明采用以下技术方案：

一种面向客户感知的正弦自适应LTE切换方法，包括以下步骤：

(1-1)正弦自适应；

(1-2)无量纲处理；

(1-3)核算方差权重；

(1-4)切换判决。

本发明从分析小区的客户感知评判体系入手，通过引入正弦曲线修正切换迟滞因子，提出全新的小区切换准则，本发明通过建立自适应的切换迟滞变化模型，筛选出候选邻区列表，并通过全方位的客户感知评估体系，寻找能够兼顾话音和数据业务QoS(QualityofService，服务质量)的最优目标小区，在减少乒乓切换的同时，尽可能提升业务开展的服务质量和连续性，提升客户的感知深度，进而达到优化切换的目标。

本发明结合邻区的RSRP和RSRQ，建立一套自适应小区质量的切换迟滞变化机制，从而能够动态地适应外部环境，提升业务开展的连续性。引入典型话音和数据业务的用户面指标，构建简单有效的客户感知的综合评估体系，挑选出具备最优客户感知的目标小区进行切换，从而尽大可能保障客户对业务的服务质量感知。

作为优选，步骤(1-1)包括如下具体步骤：

(2-1)对于所有邻区eNB_i(i＝2..N)，设定RSRQ阈值RSRQ₀，迟滞关键系数Hys_mm和Hys_mx，利用公式计算各个邻区的RSRQ质量准则值RQv_i；其中，RSRQ_i表示各个邻区eNB_i的RSRQ值；

(2-2)建立正弦自适应曲线

${\mathrm{Hys}}_{t,i}=\sin (\frac{\mathrm{\π}}{2}*{\mathrm{RQv}}_i)=\sin (\frac{\mathrm{\π}}{2}*(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right));$

(2-3)若RSRQ_i＜RSRQ_o，直接丢弃该小区，若RSRQ_i＞RSRQ₀+Hys_mx，利用公式Hys＝Hys_mx+Hys_mm计算自适应切换迟滞Hys，否则转入步骤(2-4)；

(2-4)利用公式

$Hys:{\mathrm{Hys}}_{mx}*{\mathrm{Hys}}_{t,i}+{\mathrm{Hys}}_{mm}={\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)+{\mathrm{Hys}}_{mm}$

计算自适应切换迟滞Hys。

作为优选，步骤(1-2)包括如下具体步骤：

(3-1)对于所有邻区eNB_i(i＝2..N)，提取话音MOS，E-RAB平均建立时延SDL，E-RAB掉线率DPL和小区用户面下行吞吐量DLT四个指标，构建指标体系SOI＝{MOS_i，SDL_i，DPL_i，DLT_i}(i＝2…N)；

(3-2)对于MOS和DLT正指标，计算对于SDL和DPL负指标，计算构建无量纲的指标体系NOI＝{MOS′_i，SDL′_i，DPL′_i，DLT′_i}＝{NOI_i}(i＝2…N)；其中， 分别表示MOS_i，SDL_i，DPL_i，DLT_i(i＝2…N)的数学期望值；

作为优选，步骤(1-3)包括如下具体步骤：

(4-1)针对无量纲指标体系NOI，计算其数学期望值 $\stackrel{\‾}{\mathrm{NOI}}=\{\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_i}\}=\left\{\stackrel{\‾}{{\mathrm{NOI}}_i}\right\}(i=2...N);$ 其中，分别表示MOS′_i，SDL′_i，DPL′_i，DLT′_i(i＝2…N)的数学期望值；

(4-2)计算各指标的方差

$\mathrm{\σ}=\{\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{MOS}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_1})}^2},\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{SDL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_1})}^2},$

$\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{DPL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_1})}^2},\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{DLT}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_1})}^2}\};$

(4-3)计算中间系数

$\begin{array}{c}TMP=\frac{\mathrm{\σ}}{\stackrel{\‾}{NOI}}=\\ \{\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{MOS}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_i})}^2}}{\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_i}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{SDL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_i})}^2}}{\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_i}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{DPL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_i})}^2}}{\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_i}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{DLT}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_i})}^2}}{\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_i}}\}=\\ \left\{{\mathrm{TMP}}_j\right\}(j=1,2,3,4)\end{array};$

(4-4)计算权重并与无量纲指标加权，得到小区客户感知的综合评判值

作为优选，步骤(1-4)包括如下具体步骤：

设定A3事件RSRP_n+O_fn+O_cn-Hys＞RSRP_s+O_fs+O_cs+Off表示相邻小区的信号质量比服务小区的信号质量好，从而触发切换；反之，A3满足离开状态；其中，RSRP_n和RSRP_s分别为邻区和服务小区的测量结果，O_fn和O_fs分别为邻区和服务小区的频率偏移量，O_cn和O_cs分别为邻区和服务小区的个性偏移量，Hys为该事件的迟滞，Off为该事件的便宜参数；

(5-1)筛选候选邻区列表；

对每个邻区eNB_i，重新核算A3事件

$\begin{array}{c}{\mathrm{RSRP}}_i-{\mathrm{RSRP}}_s-{\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)-{\mathrm{Hys}}_{mm}>O_{fs}+O_{cs}+\\ Off-O_{fi}-O_{ci}\end{array},$

如果上式成立，则将eNB_i纳入候选邻区列表CQ；其中，RSRP_i，O_fi，O_ci分别为邻区eNB_i的RSRP，频率偏移量和个性偏移量；

(5-2)将CQ的邻区按客户感知的综合评判值WNI进行逆序排列，选取位于列首的邻区作为目标最优切换小区。

因此，本发明具有如下有益效果：可更好地匹配外部环境，自适应地调整切换参数并按照客户感知的评估准则来选择目标服务小区的面向客户感知。

附图说明

图1是本发明的实施例的一种流程图；

图2是本发明的服务小区在不同场景下的一种切换情况图；

图3是本发明的目标邻区的一种综合客户感知情况图；

图4是本发明的小区2切换迟滞的一种修正过程图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步的描述。

如图1所示的实施例是一种面向客户感知的正弦自适应LTE小区切换方法，包括如下步骤：

步骤1：正弦自适应；

步骤1-1：对于所有邻区eNB_i(i＝2..N)，设定RSRQ阈值RSRQ₀，迟滞关键系数Hys_mm和Hys_mx，计算RSRQ质量准则值其中，RSRQ_i表示各个邻区eNB_i的RSRQ值；

步骤1-2：根据 ${\mathrm{Hys}}_{t,i}=\sin (\frac{\mathrm{\π}}{2}*{\mathrm{RQv}}_i)=\sin (\frac{\mathrm{\π}}{2}*(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right))$ 建立正弦自适应曲线；

步骤1-3：若RSRQ_i＜RSRQ₀，直接丢弃该小区，若RSRQ_i＞RSRQ₀+Hys_mx，计算Hys＝Hys_mx+Hys_mm，否则按步骤1-4的正弦曲线计算Hys；

步骤1-4：计算自适应切换迟滞

$\begin{array}{c}Hys=\\ {\mathrm{Hys}}_{mx}*{\mathrm{Hys}}_{ti}+{\mathrm{Hys}}_{mm}={\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)+{\mathrm{Hys}}_{mm}\end{array};$

步骤2：无量纲处理；

步骤2-1：对于所有邻区eNB_i(i＝2..N)，提取话音MOS，E-RAB平均建立时延SDL，E-RAB掉线率DPL和小区用户面下行吞吐量DLT四个指标，构建指标体系SOI＝{MOS_i，SDL_i，DPL_i，DLT_i}(i＝2…N)；

步骤2-2：对于MOS和DLT正指标，计算 对于SDL和DPL负指标，计算构建无量纲的指标体系NOI＝{MOS′_i，SDL′_i，DPL′_i，DLT′_i}＝{NOI_i}{i＝2…N)；其中，分别表示MOS_i，SDL_i，DPL_i，DLT_i(i＝2…N)的数学期望值；

步骤3：核算方差权重；

步骤3-1：针对无量纲指标体系NOI，计算其数学期望值 $\stackrel{\‾}{\mathrm{NOI}}=\{\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_i},\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_1}\}=\left\{\stackrel{\‾}{{\mathrm{NOI}}_i}\right\}(i=2...N);$ 其中，

分别表示MOS′_i，SDL′_i，DPL′_i，DLT′_i(i＝2…N)的数学期望值；

步骤3-2：计算各指标的方差

$\mathrm{\σ}=\{\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{MOS}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_1})}^2},\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{SDL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_1})}^2},$

$\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{DPL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_1})}^2},\sqrt{\frac{1}{N-1}*\underset{i=2}{\overset{N}{\Σ}}{({{\mathrm{DLT}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_1})}^2}\};$

步骤3-3：计算中间系数

$\begin{array}{c}TMP=\frac{\mathrm{\σ}}{\stackrel{\‾}{NOI}}=\\ \{\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{MOS}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_1})}^2}}{\stackrel{\‾}{{{\mathrm{MOS}}^{\′}}_1}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{SDL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_1})}^2}}{\stackrel{\‾}{{{\mathrm{SDL}}^{\′}}_1}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{DPL}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_1})}^2}}{\stackrel{\‾}{{{\mathrm{DPL}}^{\′}}_1}},\frac{\sqrt{\frac{1}{N}*{\mathrm{\Σ}}_{i=1}^N{({{\mathrm{DLT}}^{\′}}_i-\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_1})}^2}}{\stackrel{\‾}{{{\mathrm{DLT}}^{\′}}_1}}\}=\\ \left\{{\mathrm{TMP}}_j\right\}(j=1,2,3,4)\end{array}$

步骤3-4：计算权重并与无量纲指标加权，得到小区客户感知的综合评判值

步骤4：切换判决；

设定A3事件RSRP_n+O_fn+O_cn-Hys＞RSRP_s+O_fs+O_cs+Off表示相邻小区的信号质量比服务小区的信号质量好，从而触发切换；反之，A3满足离开状态；其中，RSRP_n和RSRP_s分别为邻区和服务小区的测量结果，O_fn和O_fs分别为邻区和服务小区的频率偏移量，O_cn和O_cs分别为邻区和服务小区的个性偏移量，Hys为该事件的迟滞，Off为该事件的便宜参数；

步骤4-1：筛选候选邻区列表；

对每个邻区eNB_i，重新核算A3事件 $\begin{array}{c}{\mathrm{RSRP}}_i-{\mathrm{RSRP}}_s-{\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)-{\mathrm{Hys}}_{mm}>O_{fs}+O_{cs}+\\ Off-O_{fi}-O_{ci}\end{array},$

如果该式成立，则将其纳入候选邻区列表CQ；其中，RSRP_i，O_fi，O_ci分别为邻区eNB_i的RSRP，频率偏移量和个性偏移量；

步骤4-2：将CQ的邻区按客户感知的综合评判值WNI进行逆序排列，选取位于列首的邻区作为目标最优切换小区。

具体实例：

下面以N＝7为例对本方法进行具体说明，典型基础数据如表1和表2所示。

序号	项目	数据
			1	迟滞关键值Hysmm(dBm)	0.5
2	迟滞关键值Hysmx(dBm)	0.8
			3	信号质量阈值RSRQ0(dBm)	-10
4	A3事件便宜参数Off(dB)	0

表1

切换参数	个性偏移量	频率偏移量5 -->
			eNB1	0	0
eNB2	0	0
			eNB3	0	0
eNB4	0	0
			eNB5	0	0
eNB6	0	0
			eNB7	0	0

表2

本实例描述的面向客户感知的正弦自适应LTE小区切换方法，包括步骤：正弦自适应，无量纲处理，核算方差权重，切换判决。

步骤1：正弦自适应；

表3

RSRQ(dBm)	RSRQ1	RSRQ2	RSRQ3	RSRQ4	RSRQ5	RSRQ6	RSRQ7
								eNB1	-18	-17	-15	-10	-11	-12	-13
eNB2	-10	-15	-10	-3	-13	-19	-11
								eNB3	-9	-11	-9	-10	-14	-3	-12
eNB4	-8	-12	-11	-11	-10	-12	-13
								eNB5	-5	-18	-11	-12	-9	-13	-6
eNB6	-12	-9	-8	-15	-8	-14	-9
								eNB7	-19	-8	-6	-7	-8	-10	-11

表4

步骤1-1：依据表3和表4的第一次采样数据计算RSRQ质量准则值

(表3和表4分别表示各小区RSRP和RSRQ的7次采样结果)

${\mathrm{RQv}}_i=\min (\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1)=\{0,1,1,1,-2.5,-11.25\};$

步骤1-2：计算

${\mathrm{Hys}}_{t,i}=\sin (\frac{\mathrm{\π}}{2}*{\mathrm{RQv}}_i)=\sin (\frac{\mathrm{\π}}{2}*(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right))=\{0,1,1,1,0.71,0.92\};$

小区6、7的RSRQ小于阈值RSRQ_o，被直接丢弃，小区3、4、5均满足RSRQ_i＞RSRQ₀+Hys_mx，得Hys＝Hys_mx+Hys_mm＝{1，3，1.3，1.3}，

小区2依正弦规律计算

$Hys={\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)+{\mathrm{Hys}}_{mm}={\mathrm{Hys}}_{mm}=0.5;$

步骤2：无量纲处理；

计算

${{\mathrm{MOS}}^{\′}}_i=\frac{{\mathrm{MOS}}_i}{\stackrel{\‾}{{\mathrm{MOS}}_1}}=\{1.09,1.09,1.36,0.55,0.82,1.09,1.00\},$

${{\mathrm{DLT}}^{\′}}_i=\frac{{\mathrm{DLT}}_i}{\stackrel{\‾}{{\mathrm{DLT}}_1}}=\{1.00,0.67,1.60,1.20,0.97,0.57,1.00\},$

${{\mathrm{SDL}}^{\′}}_i=\frac{\stackrel{\‾}{{\mathrm{SDL}}_1}}{{\mathrm{SDL}}_i}=\{0.78,0.73,0.78,1.69,1.27,1.45,1.12\},$

${{\mathrm{DPL}}^{\′}}_i=\frac{\stackrel{\‾}{{\mathrm{DPL}}_1}}{{\mathrm{DPL}}_i}=\{1.64,1.42,1.07,0.67,1.19,0.71,1.12\},$ 构建无量纲的指标体系

NOI＝{MOS′_i，SDL′_i，DPL′_i，DLT′_i}(i＝2…N)；

步骤3：核算方差权重；

步骤3-1：计算

$\stackrel{\‾}{\mathrm{NOI}}=\{\stackrel{\‾}{{\mathrm{MOS}\′}_i},\stackrel{\‾}{{\mathrm{SDL}\′}_i},\stackrel{\‾}{{\mathrm{DPL}\′}_i},\stackrel{\‾}{{\mathrm{DLT}\′}_i}\}=\left\{\mathrm{1.00,1.12,1.12,1.00}\right\};$

步骤3-2：计算各指标的方差σ＝{0.26，0.38，0.35，0.34}；

步骤3-3：计算中间系数 $TMP=\frac{\mathrm{\σ}}{\stackrel{\‾}{NOI}}=\{0.26,0.34,0.32,0.34\};$

步骤3-4：计算权重 $\mathrm{\ω}=\frac{TMP}{{\mathrm{\Σ}}_{i=1}^4{\mathrm{TMP}}_i}=\left\{0.21,0.27,0.25,0.27\right\},$ 并与无量纲指标加权，得到综合评判值

$WNI={\mathrm{\Σ}}_{i=1}^4{\mathrm{\ω}}_i*{\mathrm{NOI}}_i=\{1.12,0.96,1.20,1.06,1.07,0.95\};$

步骤4：切换判决；

步骤4-1：筛选候选邻区列表；

满足事件

$\begin{array}{c}{\mathrm{RSRP}}_i-{\mathrm{RSRP}}_s-{\mathrm{Hys}}_{mx}*\sin (\frac{\mathrm{\π}}{2}*\left(\min \left(\frac{{\mathrm{RSRQ}}_i-{\mathrm{RSRQ}}_o}{{\mathrm{Hys}}_{mx}},1\right)\right)-{\mathrm{Hys}}_{mm}>O_{fs}+O_{cs}+\\ Off-O_{fi}-O_{ci}\end{array}$

的邻区列表CQ＝{eNB₂，eNB₃，eNB₄，eNB₅}；

步骤4-2：将CQ的邻区按客户感知的综合评判值WNI进行逆序排列，得到{eNB₄，eNB₂，eNB₅，eNB₃}，选取位于列首的eNB₄作为本次切换目标最优小区。

将本发明的SSSHA修正算法与未修正的A3算法进行仿真对比，目标采样7次，切换过程的目标切换小区，目标小区的综合客户感知值，以及切换迟滞参数变化情况分别如图2至图4所示。

如图2所示，由于本发明的SSSHA修正算法与传统A3算法在选择目标切换小区时的考虑因素不同，因此目标小区也差异性较大。

如图3所示，由于本发明的SSSHA修正算法考虑具备更好的客户感知度，而传统算法仅考虑电平值，因此表现在结果上，本发明的SSSHA修正算法的结果远远好于传统算法。

如图4所示的小区2切换迟滞的修正过程，传统A3算法的迟滞系数是刚性的，而本发明的SSSHA修正算法则随着RSRQ的变化自适应地修正迟滞以防止乒乓切换，以及提高客户感知。在第2、5、6、7次切换时，小区2被丢弃，迟滞均是5dB，在第4次切换时满足RSRQ_i＞RSRQ₀+Hys_mx，迟滞为1.3dB，而在第1、3次时依正弦自适应迟滞均为0.5dB。

因此，本发明具有可更好地匹配外部环境，自适应地调整切换参数并按照客户感知的评估准则来选择目标服务小区的面向客户感知的优点。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (5)

1.一种面向客户感知的正弦自适应LTE切换方法，其特征是，包括以下步骤：

(1-1)正弦自适应；

(1-2)无量纲处理；

(1-3)核算方差权重；

(1-4)切换判决。

2.根据权利要求1所述的面向客户感知的正弦自适应LTE切换方法，其特征是，步骤(1-1)包括如下具体步骤：

(2-1)对于所有邻区eNB_i(i＝2..N)，设定RSRQ阈值RSRQ₀，迟滞关键系数Hys_mm和Hys_mx，利用公式计算各个邻区的RSRQ质量准则值RQv_i；其中，RSRQ_i表示各个邻区eNB_i的RSRQ值；

(2-2)建立正弦自适应曲线

(2-3)若RSRQ_i＜RSRQ₀，直接丢弃该小区，若RSRQ_i＞RSRQ_o+Hys_mx，利用公式Hys＝Hys_mx+Hys_mm计算自适应切换迟滞Hys，否则转入步骤(2-4)；

(2-4)利用公式

计算自适应切换迟滞Hys。

3.根据权利要求2所述的面向客户感知的正弦自适应LTE切换方法，其特征是，步骤(1-2)包括如下具体步骤：

(3-1)对于所有邻区eNB_i(i＝2..N)，提取话音MOS，E-RAB平均建立时延SDL，E-RAB掉线率和小区用户面下行吞吐量DLT四个指标，构建指标体系SOI＝{MOS_i，SDL_i，DPL_i，DLT_i}(i＝2…N)；

(3-2)对于MOS和DLT正指标，计算对于SDL和DPL负指标，计算构建无量纲的指标体系NOI＝{MOS′_i，SDL′_i，DPL′_i，DLT′_i}＝{NOI_i}(i＝2…N)；其中， 分别表示MOS_i，SDL_i，DPL_i，DLT_i(i＝2…N)的数学期望值。

4.根据权利要求3所述的面向客户感知的正弦自适应LTE切换方法，其特征是，步骤(1-3)包括如下具体步骤：

(4-1)针对无量纲指标体系NOI，计算其数学期望值其中，分别表示MOS′_i，SDL′_i，DPL′_i，DLT′_i(i＝2…N)的数学期望值；

(4-2)计算各指标的方差

(4-3)计算中间系数

(4-4)计算权重并与无量纲指标加权，得到小区客户感知的综合评判值。

5.根据权利要求4所述的面向客户感知的正弦自适应LTE切换方法，其特征是，步骤(1-4)包括如下具体步骤：

设定A3事件RSRP_n+O_fn+O_cn-Hys＞RSRP_s+O_fs+O_cs+Off表示相邻小区的信号质量比服务小区的信号质量好，从而触发切换；反之，A3满足离开状态；其中，RSRP_n和RSRP_s分别为邻区和服务小区的测量结果，O_fn和O_fs分别为邻区和服务小区的频率偏移量，O_cn和O_cs分别为邻区和服务小区的个性偏移量，Hys为该事件的迟滞，Off为该事件的便宜参数；

(5-1)筛选候选邻区列表；

对每个邻区eNB_i，重新核算A3事件

如果上式成立，则将eNB_i纳入候选邻区列表CQ；其中，RSRP_i，O_fi，O_ci分别为邻区eNB_i的RSRP，频率偏移量和个性偏移量；

(5-2)将CQ的邻区按客户感知的综合评判值WNI进行逆序排列，选取位于列首的邻区作为目标最优切换小区。