CN105744548B

CN105744548B - Pci优化方法及装置

Info

Publication number: CN105744548B
Application number: CN201410765101.8A
Authority: CN
Inventors: 张巧琳; 陈世旭; 隋江雨; 姚执光; 张烁; 刘杨; 王溪朦
Original assignee: China Mobile Group Hubei Co Ltd
Current assignee: China Mobile Group Hubei Co Ltd
Priority date: 2014-12-12
Filing date: 2014-12-12
Publication date: 2020-02-07
Anticipated expiration: 2034-12-12
Also published as: CN105744548A

Abstract

本发明公开了一种PCI优化方法及装置，所述方法包括：导入主小区和邻小区的MR数据；依据所述MR数据计算主小区与邻小区的MR相关性；导入主小区和邻小区的扫频数据；依据所述扫频数据计算主小区与邻小区的扫频相关性；依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵；依据所述干扰矩阵，确定主小区和邻小区的可选PCI；对所述可选PCI进行优化验证，形成验证结果；及依据所述验证结果确定满足预设优化条件的优化PCI。采用本发明公开的PCI优化方法和装置确定的PCI用于小区通信中，具有PCI干扰小的优点。

Description

PCI优化方法及装置

技术领域

本发明涉及通信领域，尤其涉及一种PCI优化方法及装置。

背景技术

物理小区标识(Physical Cell Identifier，PCI；又称为物理小区ID)的确定是长期演进(Long Term Evolution，LTE)网络的重要参数，该参数直接影响着网络性能的指标。

LTE系统提供504个物理层小区ID，与时分同步的码分多址技术(Time Division-Synchronization Code Division Multiple Access，TD-SCDMA)系统的128个扰码概念类似。

网管参数确定时，为小区配置0～503之间的一个PCI即可。PCI直接决定了小区同步信号；所述同步信号通常包括主同步信号和辅同步信号，并且多个物理信道的加扰方式也和PCI相关。

例如物理下行共享信道(Physical Downlink Shared Channel，PDSCH)的加扰序列的产生与物理小区ID是有关系的，而且，物理小区ID与小区专属参考信号的频域位置也是相关的。所以需要对相邻小区的PCI进行合理的规划以避免干扰。

现有技术中规划PCI遵循不混淆、不冲突的原则和邻近小区不模3冲突的原则，分配算法主要依赖于小区位置关系和邻小区关系。

但是存在以下问题：

1)基于小区位置关系和邻小区关系，不能精确的量化评估小区之间关系疏密程度，也不能量化确定出PCI设置结果的好坏，确定结果具有一定的盲目性，进而导致小区通信性能不够好的问题。

2)PCI确定结果的好坏高度依赖于小区工参；所述小区工参包括小区经纬度及天线方向角等工程参数信息的准确性和邻小区关系的合理性。但是实际的确定工作中，很难保证工参的准确性和邻小区关系的合理性，导致PCI规划的效果大打折扣。

3)PCI规划往往是对全网或选中一块连续的区域进行。实际网络中只有少数小区存在比较大的干扰，而且这部分小区所在的位置是零散的。全网或者整片区域规划不仅方案实施工作量大，而且原有的一些好的方案也会被覆盖，对网络的影响大。

发明内容

有鉴于此，本发明实施例期望提供一种PCI优化方法及装置，以解决PCI导致的通信性能差的问题。以得到对通信网络通信性能无不良影响的PCI优化结果，以提高网络通信性能。

本发明实施例第一方面提供一种PCI优化方法，所述方法包括：

导入主小区和邻小区的MR数据；

依据所述MR数据计算主小区与邻小区的MR相关性；

导入主小区和邻小区的扫频数据；

依据所述扫频数据计算主小区与邻小区的扫频相关性；

依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵；

依据所述干扰矩阵，确定主小区和邻小区的可选PCI；

对所述可选PCI进行优化验证，形成验证结果；

依据所述验证结果确定满足预设优化条件的优化PCI。

所述主小区电平强度为所述主小区发射信号的电平强度述主小区电平强度为所述主小区发射信号的电平强度所述主小区电平强度为所述主小区发射信号的电平强度述主小区电平强度为所述主小区发射信号的电平强度对所述可选PCI进行优化验证，形成验证结果本发明实施例第二方面提供一种PCI优化装置，所述装置包括：

第一导入单元，用于导入主小区和邻小区的MR数据；

第一计算单元，用于依据所述MR数据计算主小区与邻小区的MR相关性；

第二导入单元，用于导入主小区和邻小区的扫频数据；

第二计算单元，用于依据所述扫频数据计算主小区与邻小区的扫频相关性；

第一确定单元，用于依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵；

第二确定单元，用于依据所述干扰矩阵，采用遗传算法确定主小区和邻小区的可选PCI；

验证单元，用于对所述可选PCI进行优化验证，形成验证结果；

第三确定单元，用于依据所述验证结果确定满足预设优化条件的优化PCI。

本发明实施例PCI优化方法及装置，依据MR数据和扫频数据对PCI进行优化确定，相对于现有技术中仅依据邻小区关系或位置关系来确定PCI导致的工参不准确导致的PCI干扰大的问题，优化后的PCI具有PCI干扰小的优点。

附图说明

图1为本发明实施例所述的一种PCI优化方法的流程示意图；

图2为本发明实施例所述的干扰矩阵的确定方法的流程示意图；

图3为本发明实施例中所述面积系数的确定示意图；

图4本发明实施例所述的遗传算法与优化评估的流程示意图；

图5为本发明实施例所述的另一种PCI优化方法的流程示意图；

图6为本发明实施例所述的优化装置的结构示意图。

具体实施方式

以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。

方法实施例：

如图1所示，本实施例提供一种PCI优化方法，所述方法包括：

步骤S110：导入主小区和邻小区的MR数据；

步骤S120：依据所述MR数据计算主小区与邻小区的MR相关性；

步骤S130：导入主小区和邻小区的扫频数据；

步骤S140：依据所述扫频数据计算主小区与邻小区的扫频相关性；

步骤S150：依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵；

步骤S160：依据所述干扰矩阵，确定主小区和邻小区的可选PCI；

步骤S170：对所述可选PCI进行优化验证，形成验证结果；

步骤S180：依据所述验证结果确定满足预设优化条件的优化PCI。

所述导入MR数据；所述MR数据为测量报告数据；所述测量报告数据可以为用户设备，如手机或平板电脑等具有通信功能的电子设备基于发现信号进行测量返回的数据。通常，所述MR数据至少包括主小区的初始PCI及邻小区的初始PCI。

所述扫频数据为通过扫频测量获得的数据。

所述步骤S110和步骤S130的导入MR数据或扫频数据，可包括从其他电子设备接收数据。

所述邻小区为与所述主小区地理相邻的小区。

步骤S120中计算MR相关性的方法有多种，以下提供一种可选方法：

确定主小区的采样点总数S(A)；通常一个采样点对应一个采样位置；

计算主小区电平强度和邻小区电平强度的差值满足第一电平预设差值条件的采样点数D1(A，B)；其中，所述主小区电平强度为所述主小区发射信号的电平强度；所述邻小区电平强度为邻小区发射信号的电平强度；

依据所述S(A)和D1(A，B)确定所述MR相关性；

其中，所述A表示所述主小区；所述B表示所述邻小区。

具体的所述D1(A，B)可为：邻小区电平强度减去所述主小区电平强度的差值不小于-6dB的采样点数。

在一个采样位置可能将接收到主小区发射的信号及邻小区发送的信号；接收到的主小区发射信号的电平强度记为所述主小区电平强度；接收到邻小区发射的信号的电平强度记为所述邻小区电平强度。

所述MR相关性具体可以依据函数C_mr(A,B)＝D(A,B)/S(A)来计算；函数中的所述C_mr(A,B)表示所述MR相关性；所述D(A,B)即为所述D1(A，B)；所述S(A)即为所述S(A)。

所述步骤140中计算MR相关性的方法有多种，以下提供一种可选方法：

确定所述主小区的采样点总数S(A)；

计算所述主小区电平大于所述邻小区电平时，所述主小区电平强度与邻小区电平强度满足第二电平预设插值条件的采样点数D2(A，B)；其中，所述主小区电平强度为所述主小区发射信号的电平强度；所述邻小区电平强度为邻小区发射信号的电平强度；

依据所述S(A)和D2(A，B)确定所述扫频相关性；

其中，所述A表示所述主小区；所述B表示所述邻小区。

有些采样位置形成的采样点数据可能检测到的主小区信号的电平强度最大，邻小区信号的电平强度小于所述主小区信号的电平强度；但是有些位置或出现异常状况时，有些采样点位置形成的采样点数据可能出现主小区信号的电平强度小于邻小区信号的电平强度。

在本实施例中所述步骤S140中利用主小区信号的电平强度最大的采样点数据计算所述扫频相关性。

在以下示例中，所述步骤S140可包括：

第一步骤：根据扫频数据中的频点和PCI在工参中找到小区标识；

第二步骤：对第一强小区A和第N强小区B，计算A为第一强小区的采样点总数S(A)，并计算A为第一强小区同时B为第N强小区时N强小区电平-第一强小区电平≥-6的采样点数D(A，B)；第N强小区为该小区信号的电平强度排在第N位。例如主小区和邻小区总共4个小区；第一强小区为电平信号强度最大的小区；在本实施例中所述第一强小区A为主小区；所述第2强小区B为信号电平强度为第2强的主小区的邻小区。

第三步骤：记录扫频数据计算的第一强小区A和第N强小区B的扫频相关性。

在第三步骤中计算所述扫频相关性时C_sc(A,B)，可以采用函数C_sc(A,B)＝D(A,B)/S(A)来计算。其中，所述D(A,B)即为上述D2(A，B)；所述S(A)即为上述S(A)。

如图2所示，步骤S150中计算干扰矩阵，具体可包括：

步骤S151：依据主小区和邻小区的重叠面积，计算交叠面积系数；

步骤S152：依据无线传播模型计算距离系数；

步骤S153：依据所述交叠面积系数、距离系数和MR相关性和扫频相关性，确定干扰矩阵。

如图3所示，交叠面积系数是：两小区的平均站间距的理想覆盖范围之间的重叠面积占本小区覆盖面积的比值。此处的站是指基站。其中，图3中的阴影部分为重叠面积；理想覆盖距离通常为小区最远两点之间的距离。

步骤S152计算距离系数可采用以下方法来确定：

根据无线传播模型计算，并做归一处理。所述无线传播模型可以是Okumura-Hata。

Okumura-Hata模型如下：

L_M＝69.55+26.16log(f)-13.82log(h_b)-a(h_m)+(44.9-6.55lgh_b)lgd

其中，

L_M：市区准平滑地形电波传播损耗中值(dB)

f：工作频率(MHz)

h_b：基站天线有效高度(m)

h_m：移动台天线有效高度(m)

d：移动台与基站之间的距离(km)

a(h_m)为移动台天线修正系数。

在中小城市：a(h_m)＝[1.1log(f)-0.7]·h_m-1.56log(f)+0.8

在大城市：其中，所述大城市或中小城市是可以按照城市面积，或按照通信系统服务的城市人口来确定。

当f≤200MHz时，a(h_m)＝8.29[log(1.54h_m)]²-1.1

当f>400MHz时，a(h_m)＝3.2[log(11.75h_m)]²-4.97

步骤S153可具体为依据以下公式的其中之一计算所述干扰矩阵：

I(A,B)＝(0.5×C_mr(A,B)+0.5×C_sc(A,B))×0.6+交叠面积系数×0.2+距离系数×0.2；

I(A,B)＝h(A,B)×0.6+交叠面积系数×0.2+距离系数×0.2。

其中h(A,B)定义如下：

h(A,B)＝0.2×C_mr(A,B)+0.3×C_sc(A,B)+0.4×C_dt(A,B)+0.1×C_ho(A,B)

C_mr(A,B)为小区间MR相关系数，计算方法为小区A为主服的MR采样点中，邻小区B的场强与A的强场差小于-6dB的采样点数除于小区A为主服总采样点数。

C_sc(A,B)为小区间扫频相关系数，计算方法为小区A为主服的扫频采样点中，邻小区B的场强与A的强场差小于-6dB的采样点数除于小区A为主服总采样点数。

C_dt(A,B)为小区间路测相关系数，计算方法为小区A为主服的路测采样点中，邻小区B的场强与A的强场差小于-6dB的采样点数除于小区A为主服总采样点数。

C_ho(A,B)为小区间切换相关系数，计算方法为小区A切出到邻小区B的次数除于小区A总切出次数。

在步骤S160中可以采用多种算法确定所述可选PCI，在本实施例中优选为遗传算法。当采用遗传算法来确定主小区和邻小区的可选PCI，具有实现简便快捷的优点。再通过步骤S170至步骤S180对所述步骤S160确定出的可选PCI进行后续处理，选择出满足预设条件的优化PCI。

遗传算法主要运用优胜劣汰的规律，使群体中环境适应性强的优良个体比差的个体有更多机会相互进行杂交，方便后代继承更好的遗传特性，产生适应性更强的后代，通过这种方式使整个群体更加适应环境。它从代表问题可能潜在解集的一个种群开始，逐代演化产生出越来越好的近似解。

遗传算法中包含了如下5个基本要素：(l)参数编码；(2)初始群体的设定；(3)适应度函数；4)遗传算子设计；(5)控制参数设定。

在遗传学使用所述遗传算法时，染色体代表一个解，由一串基因构成，比如二进制的串，它是对实际问题进行编码后的结果。个体是指染色体带有特征的实体，可以理解为问题的一个解。个体的集合称为种群。编码是将问题转化为一定方式排列的信息，可以看作是从表现型到遗传子型的映射。适应度是用来度量某个物种对生存环境的适应程度。对生存环境适应程度较高的物种将获得更多的繁殖机会。适应度可以用适应度函数来确定，遗传算子有选择(Selection)、交叉(Crossover)和变异(Mutation)三个主要算子。选择算子的目的是为了从当前群体中选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。判断个体优良与否的标准就是各自的适应度值。即个体适应度越高，其被选择的机会就越多。交叉算子将选择出的父代随机配对，配对个体彼此交换部分基因，从而繁殖出两个新的个体。变异算子按照某一概率从新个体中选取个别个体，改变它们所含的部分基因，以避免遗传运算收敛于局部最优解。

图4为将所述遗传算法应用到本实施例中所述步骤S160至步骤S180的步骤的示意图，包括：

第一步S1：随机产生初始种群，所述种群是为个体的集合，所述个体的数据通常是确定的；在遗传学中，需要每个个体表示为染色体的基因编码。编码可以采用字符串编码也可以采用二进制编码等编码方式，在本实施例中优选为字符编码。在本实施例中，具体每一个所述个体由一个n维向量表示；所述n为优化区域内小区数。所述向量中的第i个元素用v_i表示，所述v_i等于小区i的PCI值。在本实施例中所述n位向量的个数为所述个体的个数，通常与PCI的取值范围相关。

在本实施例中：所述v_i应该满足一下约束条件。

1)同站小区的PCI不重复。所述站为基站，即同一基站形成的多个小区的PCI不相同；

2)任何小区与同频邻小区的PCI不重复，即一个小区的两个地理相邻的同频邻小区PCI不重复。

3)一个无线网络控制器RNC范围内的所有同频小区的PCI不同。

初始化种群步骤如下：

1)i＝0

2)对于小区i，若i＝n，则完成初始化个体；

若不满足i＝n，则随机分配一个PCI给v_i，如果满足约束，则i＝i+1重复此步骤。若不满足约束，则跳到3)。

3)v_i＝(v_i+1)mod504检查是否满约束，

若满足约束，则i＝i+1，跳到步骤2)；

若不满足约束且尝试过所有504个PCI值，则初始化个体失败并退出；否则重复此步骤。

第二步S2：适应度函数评估；本步骤相当于所述步骤S170；所述适应度函数可如下：

其中，所述I(A,B)为干扰矩阵；所述R(PCI_A,PCI_B)为小区A和小区B的PCI的相关性；本实施例中所述小区A和小区B为具有相邻关系的矩阵。所述F的值越大，说明当前所述PCI优化效果越好；所述F的值越小，说明所述PCI的优化效果越差。

第三步S3：判断是否符合优化准则，若符合，则进入第四步S4，若不符合则进入第五步S5；在本实施例中所述满足优化准则为所述F的取值是否大于指定值，若大于指定值，则认为所述可选PCI为满足预设优化条件的优化PCI。

第四步S4：输出最佳个体及其代数的最优解，输出的最有解中包括连按组所述预设条件的各小区的PCI；否则转向第四步。

第五步S5：选择，具体可为：采用选择遗传算子，依据适应度选择再生个体，选择适应度高的个体，淘汰适应度低的个体。

第六步S6：交差，具体可为：按照一定的交叉概率和交叉方法，生成新的个体。

第七步S7：变异，具体可为：按照一定的变异概率和变异方法，生成新的个体；生成新的个体后，返回步骤S2进行优化评估。此处，所述的优化评估即为上述优化验证。

故依据上述处理，在具体实现时，所述初始PCI构成了一个所述个体，同样会经过所述步骤S2的处理，若满足所述预设优化条件，则可以直接输出。若不满足则进入后续步骤。步骤S1至步骤S7中的个体均对应了各个小区的一组PCI赋值。

所述步骤S160可包括：依据所述干扰矩阵和遗传算法确定主同步信号；依据所述干扰矩阵和遗传算法确定辅同步信号；依据所述主同步信号和辅同步信号与PCI的对应关系，确定所述可选PCI。

本实施例中确定可选PCI分为两部分进行，第一步假定辅同步信号SSS＝0，采用上述遗传算法进行主同步信号PSS的确定，第二步在第一步规划结果的基础上再用遗传算法进行SSS的确定。

采用PSS和SSS分开规划可以尽可能的避免高干扰小区，尤其是同站小区模3冲突。通常PCI＝PSS+3*SSS，PSS只有0，1及2三种取值，SSS可取0-167共168个取值。在上述实施例中所述依据所述干扰矩阵确定辅同步信号为确定辅助同步信号的序号，依据所述干扰矩阵确定主同步信号为依据所述干扰矩阵确定主同步信号的序号。

在步骤S170对可选PCI进行优化评估时，所述步骤S170可包括：

依据I(A，B)及R(PCI_A，PCI_B)确定验证结果；

其中，所述I(A，B)为主小区A和邻小区B的干扰矩阵；

所述R(PCI_A，PCI_B)为所述主小区A和邻小区B的PCI相关性；

其中所述PCI_A为主小区的PCI；所述PCI_B为主邻小区的PCI。

所述R(PCI_A，PCI_B)的计算可如下：

两个PCI值x和y的相关性R(x,y)计算描述如下：其中，所述x表示的PCIA，所述y表示的PCIB。

R(x,y)＝K₁R_相等(x,y)+K₂R_模3(x,y)+K₃R_模6(x,y)+K₄R_模30(x,y)+K₅R_m0(x,y)+K₆R_m1(x,y)其中：

当两个PCI相等时，R_相等(x,y)＝1，否则R_相等(x,y)＝0；

当两个PCI模3相等时，R_模3(x,y)＝1，否则R_模3(x,y)＝0；

当两个PCI模6相等时，R_模6(x,y)＝1，否则R_模6(x,y)＝0；

当两个PCI模30相等时，R_模30(x,y)＝1，否则R_模30(x,y)＝0；

当两个PCI m0相等时，R_m0(x,y)＝1，否则R_m0(x,y)＝0；

当两个PCI m1相等时，R_m1(x,y)＝1，否则R_m1(x,y)＝0；

K₁＝0.25，K₂＝0.25，K₃＝0.25，K₄＝0.25，K₅＝0.5，K₆＝0.25

m0和m1的计算方法可如下：

PCI＝SSS×3+PSS；

m1＝(m0+INT(m'/31)+1)mod31；

m0＝m'mod31；

m'＝SSS+q×(q+1)/2；

q＝INT((SSS+q'·(q'+1)/2)/30)；

q'＝INT(SSS/30)

其中，所述PCI即为上文的PCI；所述SSS表示的辅同步信号的序号；所述PSS表示的主同步信号的序号。

本实施例中采用主同步信号和辅同步信号分离的优化方法，来确定PCI，一旦PCI确定了同时主辅同步信号也就确定了。

其中，所述方法还包括：

依据所述优化PCI及扫频数据确定所述主小区和邻小区的质差点信息；

依据所述质差点信息，确定出满足质差点信息满足预设质差点优化条件的最小小区集；

其中，所述最小小区集包括至少一个小区。

所述质差点信息为质差点的信息。扫频数据的一个采样点中，如果存在与主小区重叠覆盖的邻小区且该邻小区PCI与主小区PCI模三相等，则这个采样点是一个质差采样点，简称为质差点。在指定区域内进行PCI确定后，使用PCI优化确定结果和扫频数据可以得到每个小区的质差点信息。

若所述质差点信息表示质差点过多，或优化后的PCI形成的质差点个数的减少没有达到指定阈值，可认为是没有满足预设优化条件；否则就认为达到了预设优化条件。

在本实施例中，所述依据所述优化PCI及扫频数据确定所述主小区和邻小区的质差点信息，包括：

依据所述优化PCI及扫频数据确定主小区和邻小区采用所述优化PCI时的质差采样点的个数；

依据所述优化PCI及扫频数据确定主小区和邻小区采用所述初始PCI时的质差采样点的个数；

所述依据所述质差点信息，确定出满足质差点信息满足预设质差点优化条件的最小小区集，包括：

计算所述采用所述初始PCI时的质差采样点的个数与所述采用所述优化PCI时的质差采样点的个数之间的差值；

计算所述差值与所述采用所述初始PCI时的质差采样点的个数之间的比值；

判断所述比值是否大于预设阀值；

当所述比值大于预设阀值时，确定出所述小区为满足预设质差点优化条件的最小小区集中的小区之一。

具体如，计算出使用优化PCI后的各个小区的质差点信息，此时的质差点信息可包括原质差点数。计算出使用初始PCI时各个小区的质差点信息。比较新旧的质差点信息，此时的质差点信息包括新质差点数。

列出质差点下降率((原质差点数-新质差点数)/原质差点数)大于30％，而且总采样点数大于20的小区作为最小小区集。

最小小区集质差点下降率和总采样点个数都是可以自行设置，最小小区集还可以进行多次计算，可以在上一次的基础上，提高质差点下降率和总采样点个数门限来筛选最小小区集。

作为本实施例的进一步改进，所述方法还包括：依据所述质差点信息，确定干扰下降结果满足预设下降条件且优化PCI相对于初始PCI变更满足预设变更条件的最小小区集为优选最小小区集。

在具体的实现过程中，选择最小小区集时，首先可以根据所述质差点信息选择出指定区域内各小区之间干扰结果下降达到预设值的若干个最小小区集，在比较优化后PCI与初始PCI，确定出需要优化PCI相对初始PCI变更最小的最小小区集，确定最优小小区集，最终根据所述最优小小区集进行小区的PCI变更。在具体实现时，还可以直接根据所述质差点信息选择出干扰结果下降最大的最小小区集作为所述优选最小小区集。

如图5为本发明实施例的一个流程图，所述方法可包括：

导入MR数据、扫频数据、DT路测数据及切换对统计，生成干扰矩阵；

所述MR数据可为从操作维护中心提取的全量测量报告数据，包含主小区和邻小区的场强、频点信息以及PCI信息。

所述扫频数据可为利用扫频仪器记录道路上收到的信号信息，包含GPS信息、频点信息、PCI以及场强信息。

所述DT路测数据可为利用交通工具，在交通工具上放置模拟通讯设备对道路进行测试，记录道路上通讯全过程信息；可包含GPS信息、主被叫频点信息、小区的PCI、小区的场强，信噪比SINR等信息。

切换对统计：从操作维护中心提取的切换信息，包含小区到小区之间的切出切入次数

依据所述干扰矩阵，采用遗传算法进行PCI遗传迭代计算，通过遗传算法本身优胜劣汰的原则，进行一次PCI优化，选择出可选PCI；

对所述可选PCI对采样点模拟评估，即可采用上述适应度函数进行评估；此处的评估即为上述实施例所述的优化验证。

选出了优选PCI，然后根据质差点信息确定出优选最小小区，最后输出所述优选最小小区集。

在具体的实现过程中，若发现此次优化结果不够满意，则在选择出优选最小小区集中

综合上述，本实施例提供例一种PCI优化方法，通过各种类型的计算机采用MR数据和扫频数据等实际测量数据对小区PCI进行优化，能够避免因仅依据小区位置关系和邻小区关系进行优化导致的PCI规划的盲目性及PCI干扰大的问题。同时采用遗传算法对PCI进行优化，得到的是指定区域内各个小区的PCI优化组合，求解时间复杂度低为非多项式的时间负载度，在计算机硬件支持的情况下一次性能够处理10个小区以上的PCI优化，具有速度快的优点。此外，通过采用主同步信号和辅同步信号的分别确定来确定PCI，能够避免高干扰小区模3冲突。

此外通过预设下降条件和预设变更条件，可以通过较小的PCI变更代价获得较大的干扰下降结果，从而能够避免大幅度调整多个小区的PCI导致对通信网络产生的影响。

设备实施例：

如图6所示，本实施例提供一种PCI优化装置，所述装置包括：

第一导入单元110，用于导入主小区和邻小区的MR数据；

第一计算单元120，用于依据所述MR数据计算主小区与邻小区的MR相关性；

第二导入单元130，用于导入主小区和邻小区的扫频数据；

第二计算单元140，用于依据所述扫频数据计算主小区与邻小区的扫频相关性；

第一确定单元150，用于依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵；

第二确定单元160，用于依据所述干扰矩阵，确定主小区和邻小区的可选PCI；在具体实现过程中，具体可采用遗传算法确定所述可选PCI；

验证单元170，用于对所述可选PCI进行优化验证，形成验证结果；

第三确定单元180，用于依据所述验证结果确定满足预设优化条件的优化PCI。

所述第一导入单元110和所述第二导入单元130都可包括通信接口，所述通信接口可为有线接口或无线接口；所述有线接口可包括电缆接口或光缆接口；所述无线接口可包括接收天线等。所述第一导入单元110和第二导入单元130可对应同一通信接口，也可以对应不同的通信接口。

所述第一计算单元120和第二计算单元140，可对应计算器或具有计算器的处理器。所述第一计算单元120和第二计算单元140可对应同一计算器或具有计算器的处理器，也可以对应不同的计算器或具有计算器的处理器。

所述第一确定单元150、第二确定单元160、验证单元170及第三确定单元180的具体结构，可包括处理器；所述处理器通过执行代码，可以实现上述单元的功能。

所述处理器可以是应用处理器AP、数字信号处理器DSP、中央处理器CPU、微处理器MCU或可编程阵列等具有处理功能的电子元器件。

本实施例所述的装置，具体可为服务器、个人PC或平板电脑等具有数据处理功能的电子设备，用于为方法实施例一所述的任意方案提供硬件支持，可用于实现方法实施例中任意所述的技术方案。

本实施例中所述MR数据及扫频数据的定义及具体内容，可参见方法实施例一，在此就不在一一详细叙述了。

所述第一计算单元，具体可用于确定主小区的采样点总数S(A)；计算主小区电平强度和邻小区电平强度的差值满足第一电平预设差值条件的采样点数D1(A，B)；其中，所述主小区电平强度为所述主小区发射信号的电平强度；所述邻小区电平强度为邻小区发射信号的电平强度；及依据所述S(A)和D1(A，B)确定所述MR相关性；其中，所述A表示所述主小区；所述B表示所述邻小区。

所述第二计算单元，具体确定所述主小区的采样点总数S(A)；计算所述主小区电平大于所述邻小区电平时，所述主小区电平强度与邻小区电平强度满足第二电平预设插值条件的采样点数D2(A，B)；其中，所述主小区电平强度为所述主小区发射信号的电平强度；所述邻小区电平强度为邻小区发射信号的电平强度；及依据所述S(A)和D2(A，B)确定所述扫频相关性；其中，所述A表示所述主小区；所述B表示所述邻小区。

所述第一确定单元，具体用于依据主小区和邻小区的重叠面积，计算交叠面积系数；依据无线传播模型计算距离系数；依据所述交叠面积系数、距离系数和MR相关性和扫频相关性，确定干扰矩阵。

所述第一确定单元，进一步具体可用于依据所述干扰矩阵确定主同步信号；依据所述干扰矩阵确定辅同步信号；依据所述主同步信号和辅同步信号与PCI的对应关系，确定所述可选PCI。

所述验证单元，具体用于依据I(A，B)及R(PCI_A，PCI_B)确定验证结果；其中，所述I(A，B)为主小区A和邻小区B的干扰矩阵；所述R(PCI_A，PCI_B)为所述主小区A和邻小区B的PCI相关性；其中所述PCI_A为主小区的PCI；所述PCI_B为主邻小区的PCI。

所述验证单元具体还可以用于确定出最小小集和优选最小小区集，具体如何确定出最小小集和优选最小小区集，可参见方法实施例，在此就不再重复了。

综合上述，本实施例所述的装置，能够降低PCI确定的盲目性，能够通过PCI的优化，降低PCI干扰，同时具有计算复杂度低且能够有效避免模3冲突的优点。

在具体实现时，所述模3为主同步序号与3的模，当两个小区的主同步消耗与3的模相同时，则表示出现模3冲突。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种PCI优化方法，其特征在于，所述方法包括：

导入主小区和邻小区的MR数据；其中，所述MR数据至少包括主小区的初始PCI及邻小区的初始PCI；

依据所述MR数据计算主小区与邻小区的MR相关性；

导入主小区和邻小区的扫频数据；

依据所述扫频数据计算主小区与邻小区的扫频相关性；

依据所述干扰矩阵，确定主小区和邻小区的可选PCI；

对所述可选PCI进行优化验证，形成验证结果；

依据所述验证结果确定满足预设优化条件的优化PCI；

依据所述质差点信息，确定出质差点信息满足预设质差点优化条件的最小小区集；其中，所述最小小区集包括至少一个小区；

所述依据所述优化PCI及扫频数据确定所述主小区和邻小区的质差点信息，包括：

判断所述比值是否大于预设阀值；

2.根据权利要求1所述的方法，其特征在于，

所述依据所述MR数据计算主小区与邻小区的MR相关性，包括：

确定主小区的采样点总数S(A)；

依据所述S(A)和D1(A，B)确定所述MR相关性；

其中，所述A表示所述主小区；所述B表示所述邻小区。

3.根据权利要求1所述的方法，其特征在于，

所述依据所述扫频数据计算主小区与邻小区的扫频相关性，包括：

确定所述主小区的采样点总数S(A)；

依据所述S(A)和D2(A，B)确定所述扫频相关性；

其中，所述A表示所述主小区；所述B表示所述邻小区。

4.根据权利要求1、2或3所述的方法，其特征在于，

所述依据所述MR相关性、扫频相关性及所述主小区和所述邻小区的位置关系，确定干扰矩阵，包括：

依据主小区和邻小区的重叠面积，计算交叠面积系数；

依据无线传播模型计算距离系数；

依据所述交叠面积系数、距离系数和MR相关性和扫频相关性，确定干扰矩阵。

5.根据权利要求1至3任一项所述的方法，其特征在于，

所述依据所述干扰矩阵，确定主小区和邻小区的可选PCI，包括：

依据所述干扰矩阵，采用遗传算法确定主小区和邻小区的可选PCI。

6.根据权利要求5所述的方法，其特征在于，

所述依据所述干扰矩阵，采用遗传算法确定主小区和邻小区的可选PCI，包括：

依据所述干扰矩阵及遗传算法确定主同步信号；

依据所述干扰矩阵及遗传算法确定辅同步信号；

依据所述主同步信号和辅同步信号与PCI的对应关系，确定所述可选PCI。

7.根据权利要求1至3任一项所述的方法，其特征在于，

所述对所述可选PCI进行优化验证，形成验证结果，包括：

依据I(A，B)及R(PCI_A，PCI_B)确定验证结果；

其中，所述I(A，B)为主小区A和邻小区B的干扰矩阵；

所述R(PCI_A，PCI_B)为所述主小区A和邻小区B的PCI相关性；

其中所述PCI_A为主小区的PCI；所述PCI_B为主邻小区的PCI。

8.根据权利要求1所述的方法，其特征在于，

所述方法还包括：

依据所述质差点信息，确定干扰下降结果满足预设下降条件且优化PCI相对于初始PCI变更满足预设变更条件的最小小区集为优选最小小区集。

9.一种PCI优化装置，其特征在于，所述装置包括：

第一导入单元，用于导入主小区和邻小区的MR数据；其中，所述MR数据至少包括主小区的初始PCI及邻小区的初始PCI；

第二导入单元，用于导入主小区和邻小区的扫频数据；

第三确定单元，用于依据所述验证结果确定满足预设优化条件的优化PCI；

所述第三确定单元，还用于依据所述优化PCI及扫频数据确定所述主小区和邻小区的质差点信息；其中，所述依据所述优化PCI及扫频数据确定所述主小区和邻小区的质差点信息，包括：依据所述优化PCI及扫频数据确定主小区和邻小区采用所述优化PCI时的质差采样点的个数；依据所述优化PCI及扫频数据确定主小区和邻小区采用所述初始PCI时的质差采样点的个数；

所述第三确定单元，还用于依据所述质差点信息，确定出质差点信息满足预设质差点优化条件的最小小区集；其中，所述最小小区集包括至少一个小区；其中，所述依据所述质差点信息，确定出满足质差点信息满足预设质差点优化条件的最小小区集，包括：计算所述采用所述初始PCI时的质差采样点的个数与所述采用所述优化PCI时的质差采样点的个数之间的差值；计算所述差值与所述采用所述初始PCI时的质差采样点的个数之间的比值；判断所述比值是否大于预设阀值；当所述比值大于预设阀值时，确定出所述小区为满足预设质差点优化条件的最小小区集中的小区之一。