CN109981196B - 一种网络结构评估方法及装置 - Google Patents
一种网络结构评估方法及装置 Download PDFInfo
- Publication number
- CN109981196B CN109981196B CN201711450755.1A CN201711450755A CN109981196B CN 109981196 B CN109981196 B CN 109981196B CN 201711450755 A CN201711450755 A CN 201711450755A CN 109981196 B CN109981196 B CN 109981196B
- Authority
- CN
- China
- Prior art keywords
- signal
- serving cell
- cell
- test information
- noise ratio
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种网络结构评估方法及装置,包括:获取服务小区N个采样点的测试信息,针对任意一个采样点,测试信息至少包括服务小区在采样点的第一电平测试信息、服务小区的各同频邻小区在采样点的第二电平测试信息;根据各采样点的第一电平测试信息以及第二电平测试信息确定服务小区的信号干扰比例。根据服务小区的信号干扰比例评估服务小区的网络结构。由于根据服务小区和同频邻小区在采样点的电平测试信息的准确数值确定信号干扰比例,故更全面地表征了服务小区的网络结构,从而提高了网络结构评估的准确性。其次,引入空载结构信噪比和满载结构信噪比作为网络结构的评价指标,为无线网络的专业人员评估以及优化网络结构带来便利。
Description
技术领域
本发明实施例涉及无线通信领域,尤其涉及一种网络结构评估方法及装置。
背景技术
现有的网络结构都是按照蜂窝结构进行规划的,但由于实际选址建设与规划的偏差,往往是大量同频信号互相重叠覆盖引发严重的系统内部干扰。实测数据结果可以得出服务小区同频信号越多,信噪比(Signal to Interference plus Noise Ratio,简称SINR)越差,说明了网络结构问题会导致服务小区通信质量下降。为了评估网络结构对服务小区的影响,现有技术中采用统计服务小区采样点中差点数量的方法。具体过程为:针对服务器小区的任意一个采样点,测量报告(Measurement Report,简称MR)含有服务小区信息、服务小区电平测量信息,及这个采样点包含的多个邻小区基础信息、多个邻小区电平测量信息。服务小区的同频邻小区中,如果同频邻小区的电平测量信息与服务小区的电平测量信息的相对值达到一个筛选门限,则该同频邻小区的信号就作为一个相对较强的同频干扰信号。如果在一个采样点中,这样的强干扰信号数大于等于3个,那么这个采样点就定义为一个差点,如果一个服务小区其差点比例高于5%,这个服务小区就被评估为一个受网络结构问题影响的差小区。然而当出现采样点中收集同频邻小区信号非常多,但是相对服务小区电平测量信息,同频邻小区信号都不满足筛选门限,采用现有方法将会认为该小区不受网络结构问题的影响。而实际上,这种大量同频略弱信号的叠加效果,也会严重影响网络质量,而且这个问题也属于网络结构问题导致的影响,由此可见,现有技术中统计采样点中差点数量并不能准确评估网络结构。
发明内容
本发明实施例提供一种网络结构评估方法及装置,用于解决现有技术中统计采样点中差点数量并不能准确评估网络结构的问题。
本发明实施例提供了一种网络结构评估方法,包括:
获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;
根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;
根据所述服务小区的信号干扰比例评估所述服务小区的网络结构。
可选地,所述根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例符合下述公式(1):
其中,IA为服务小区A的信号干扰比例,服务小区A共有k个采样点,一个采样点共检测到m个服务小区A的同频邻小区信号,为服务小区A在第j个采样点的第一电平测试信息,P(Bi→Aj)为服务小区A的同频邻小区Bi在第j个采样点的第二电平测试信息。
可选地,所述根据所述服务小区的信号干扰比例评估所述服务小区的网络结构,包括:
根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比;
根据所述服务小区的满载结构信噪比和空载结构信噪比确定所述服务小区的结构信噪比范围;
在确定所述服务小区的结构信噪比范围不符合预设条件时,将所述服务小区确定为网络结构异常的小区。
可选地,所述根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比符合公式(2)和公式(3);
所述公式(2)为:
其中,SINRA1为服务小区A的满载结构信噪比,IA为服务小区A的信号干扰比例;
所述公式(3)为:
其中,SINRA2为服务小区A的空载结构信噪比,IA为服务小区A的信号干扰比例。
可选地,所述电平测试信息为参考信号接收功率RSRP。
本发明实施例提供了一种网络结构评估装置,包括:
获取模块,用于获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;
处理模块,用于根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;根据所述服务小区的信号干扰比例评估所述服务小区的网络结构。
可选地,所述处理模块具体用于:
根据公式(1)确定所述服务小区的信号干扰比例;
所述公式(1)为:
其中,IA为服务小区A的信号干扰比例,服务小区A共有k个采样点,一个采样点共检测到m个服务小区A的同频邻小区信号,为服务小区A在第j个采样点的第一电平测试信息,P(Bi→Aj)为服务小区A的同频邻小区Bi在第j个采样点的第二电平测试信息。
可选地,所述处理模块具体用于:
根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比;
根据所述服务小区的满载结构信噪比和空载结构信噪比确定所述服务小区的结构信噪比范围;
在确定所述服务小区的结构信噪比范围不符合预设条件时,将所述服务小区确定为网络结构异常的小区。
可选地,所述处理模块具体用于:
根据公式(2)和公式(3)确定所述服务小区的满载结构信噪比和空载结构信噪比;
所述公式(2)为:
其中,SINRA1为服务小区A的满载结构信噪比,IA为服务小区A的信号干扰比例;
所述公式(3)为:
其中,SINRA2为服务小区A的空载结构信噪比,IA为服务小区A的信号干扰比例。
可选地,所述电平测试信息为参考信号接收功率RSRP。
本发明实施例提供了一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述任一项所述的方法。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述任一项所述的方法。
综上,本发明实施例提供了一种网络结构评估方法及装置,包括:获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;根据所述服务小区的信号干扰比例评估所述服务小区的网络结构。由于将服务小区的同频邻小区在所有采样的第二电平测试信息之和与服务小区在所有采样点的第一电平测试信息之和的比值确定为信号干扰比例,充分考虑了服务小区和同频邻小区在采样点的电平测试信息的准确数值,故信号干扰比例能更全面地表征服务小区的网络结构,从而提高了网络结构的评估的准确性。其次,在对服务小区的网络结构进行评估时,引入空载结构信噪比和满载结构信噪比作为网络结构的评价指标,通过该指标能单纯体现网络结构情况,为无线网络的专业人员评估以及优化网络结构带来便利。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种网络结构评估方法的流程示意图;
图2为本发明实施例提供的一种测量报告的存储示意图;
图3为本发明实施例提供的一种测量报告的存储示意图;
图4为本发明实施例提供的一种小区分布示意图;
图5为本发明实施例提供的一种网络结构评估方法的流程示意图;
图6为本发明实施例提供的结构信噪比与下行平均64QAM占比的对应关系图;
图7为本发明实施例提供的结构信噪比与下行CQI的对应关系图;
图8为本发明实施例提供的一种小区分布示意图;
图9为本发明实施例提供的一种网络结构评估装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种网络结构评估方法,如图1所示,包括以下步骤:
步骤S101,获取服务小区N个采样点的测试信息,针对任意一个采样点,测试信息至少包括服务小区在采样点的第一电平测试信息、服务小区的各同频邻小区在采样点的第二电平测试信息。
步骤S102,根据服务小区在各采样点的第一电平测试信息以及服务小区的各同频邻小区在各采样点的第二电平测试信息确定服务小区的信号干扰比例。
步骤S103,根据服务小区的信号干扰比例评估服务小区的网络结构。
具体地,在步骤S101中,采样点的测试信息通过测试报告获取。测量报告是指信息在业务信道上每480ms(信令信道上470ms)发送一次数据,这些数据可用于网络评估和优化。测量报告数据主要来自用户设备(User Equipment,简称UE)和基站(eNodeB)的物理层、无线链路层控制协议(Radio Link Control,简称RLC)层,以及在无线资源管理过程中计算产生的测量报告。测量报告原始测量数据可以经过统计计算后(比如在eNodeB或无线子系统的操作维护中心(Operation and Maintenance Center,简称OMC-R)上实现统计)报送到OMC-R以统计数据形式进行存储,具体如图2所示。也可以直接报送到OMC-R以样本数据形式进行存储,具体如图3所示。在长期演进技术(Long Term Evolution,简称LTE)的网络结构分析中,需要周期性测量收集测量报告的采样点数据。原始的测量报告数据量较大,LTE单基站单日上报测量报告文件累计大小在500MByte以上。具体地,网络结构分析主要涉及测量报告中以下测量信息:分时长期演进(Time Division Long Term Evolution,简称TD-LTE)服务小区的第一电平测试信息、TD-LTE已定义邻区关系和未定义邻区关系小区的第二电平测试信息、TD-LTE服务小区载波号、TD-LTE服务小区的物理小区识别码、TD-LTE已定义邻区关系和未定义邻区关系的邻区载波号、TD-LTE已定义邻区关系和未定义邻区关系的物理小区识别码。在测试报告数据中,服务小区及邻小区的电平测试信息是终端接收到的小区公共参考信号的功率值,数值为测量带宽内单个资源元素(Resource Element,简称RE)功率的线性平均值,反映的是小区信号的强度。测试报告上报的电平测试信息的数值需要减去140,才是实际的场强数值L,单位是dBm。这个数值不能叠加,但是可以通过下述公式(4)将场强L换算为功率值,公式(4)如下所示:
P=10*log10 L…………………(4)
其中,P为电平测试信息的功率值,L为电平测试信息的场强数值。
在步骤S102中,将从测试报告中获取的服务小区和邻小区的电平测试信息从场强值换算成功率值之后,服务小区和邻小区的电平测试信息的功率值可以进行叠加计算,并具有实际物理含义的。比如,如图4所示,设定图中小区均为LTE同频小区,他们之间存在一定的重叠覆盖,互相会有同频干扰。图中m表示测试报告中的某一个采样点,A小区作为服务小区,小区B、C为服务小区A的同频邻小区。测试报告中包含服务小区A在采样点m的第一电平测试信息及同频邻小区B、C在采样点m的第二电平测试信息,按照公式(4)将第一电平测试信息和第二电平测试信息换算成功率,其中服务小区A在采样点m的第一电平测试信息换算成功率值后为PA。同频邻小区B、C在采样点m的第二电平测试信息换算成功率值后为PB、PC。那么对于采样点m来说,服务小区A的有用信号功率为PA,同频干扰信号功率为PB+PC。进一步地,综合服务小区A所有采样点的测试报告数据,根据服务小区A在各采样点的第一电平测试信息以及服务小区A的各同频邻小区在各采样点的第二电平测试信息确定服务小区A的信号干扰比例,信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值,具体符合下述公式(1):
其中,IA为服务小区A的信号干扰比例,服务小区A共有k个采样点,一个采样点共检测到m个服务小区A的同频邻小区信号,为服务小区A在第j个采样点的第一电平测试信息,P(Bi→Aj)为服务小区A的同频邻小区Bi在第j个采样点的第二电平测试信息。具体实施中,电平测试信息可以为参考信号接收功率(Reference Signal Receiving Power,简称RSRP)。
在步骤S103中,根据服务小区的信号干扰比例评估服务小区的网络结构时,本发明实施例至少包括以下两种评估方法:
方法一、根据实际情况预先设置评估阈值,判断当服务小区的信号干扰比例是否大于评估阈值,若是,则评估该服务小区的网络结构异常,否则评估该服务小区的网络结构正常。比如,以RSRP计算得到的IA值,此时IA只是与服务小区、同频邻小区的RSRP有关,IA与实际业务量没有关系,与系统外干扰、热燥声等都没有关系,因此IA值是一个基于现网同频站点覆盖与用户分布情况下,单纯体现网络结构情况的量化指标。IA值越大,说明服务小区A受到网络结构问题的影响越严重,来自网络结构影响的系统内干扰越大,当IA值大于评估阈值,则评估该服务小区的网络结构异常。由于将服务小区的同频邻小区在所有采样的第二电平测试信息之和与服务小区在所有采样点的第一电平测试信息之和的比值确定为信号干扰比例,充分考虑了服务小区和同频邻小区在采样点的电平测试信息的准确数值,故信号干扰比例能更全面地表征服务小区的网络结构,从而提高了网络结构的评估的准确性。
方法二、根据服务小区的信号干扰比例确定服务小区的结构信噪比作为网络结构的评价指标,然后根据该评价指标对服务小区的网络结构进行评估,具体包括以下步骤,如图5所示:
步骤S501,根据信号干扰比例确定服务小区的满载结构信噪比和空载结构信噪比。
步骤S502,根据服务小区的满载结构信噪比和空载结构信噪比确定服务小区的结构信噪比范围。
步骤S503,在确定服务小区的结构信噪比范围不符合预设条件时,将服务小区确定为网络结构异常的小区。
具体实施中,根据信号干扰比例确定服务小区的满载结构信噪比和空载结构信噪比符合公式(2)和公式(3);
公式(2)为:
其中,SINRA1为服务小区A的满载结构信噪比,IA为服务小区A的信号干扰比例;
公式(3)为:
其中,SINRA2为服务小区A的空载结构信噪比,IA为服务小区A的信号干扰比例。服务小区的结构信噪比范围可以为[满载结构信噪比,空载结构信噪比],预设条件可根据具体情况进行设定,比如将预设条件设定为一个预设的范围[a,b],若服务小区的结构信噪比范围在该预设范围内,则说明服务小区的网络结构正常,否则说明服务小区的网络结构异常。需要说明的是,本发明实施例中根据信号干扰比例确定的满载结构信噪比和空载结构信噪比与常规的信噪比有所不同。常规的信噪比指接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值。信噪比的值与UE收到的RSRP、干扰功率、噪声功率有关,干扰功率包括:系统外部干扰、内部干扰(同频邻区干扰、模三干扰),噪声功率包括:系统内设备引入噪声、热燥声等。本发明实施中的结构信噪比虽然也用于表征信号质量,但是结构信噪比去除了小区实际业务量、热噪声、系统外干扰、设备引入噪声等影响,是一个能够单纯表征网络结构的信噪比。具体地,满载结构信噪比可以认为是服务小区与邻小区参考信号(Refence Signal,简称RS)时隙100%碰撞,业务RE与RS功率一样条件下,所有涉及的小区均满业务量时的结构信噪比。空载结构信噪比可以认为网络物理小区标识(Physical Cell Identifier,简称PCI)模式3(MOD 3)的值分布均匀,服务小区与邻小区RS时隙碰撞的几率为1/3,所有涉及的小区均空业务量时的结构信噪比。
另外,具体实验已经证明,结构信噪比是一个能评估信号质量的指标,并且结构信噪比表征了信号质量的基本要求,即当结构信噪比不符合预设条件时,即使再通过参数进行各种优化尝试,也不可能达到要求,只能通过网络结构优化来改善。下面具体介绍结构信噪比与常规的信号质量评估指标之间的比较实验结果。图6示例性示出了结构信噪比与下行平均64相正交振幅调制(Quadrature Amplitude Modulation,简称QAM)占比的对应关系,其中纵坐标为下行平均64QAM占比,横坐标为结构信噪比。由图6可知,结构信噪比限制了下行平均64QAM占比,只有当结构信噪比升高时,下行平均64QAM占比才能对应升高,结构信噪比决定了下行平均64QAM占比的最好情况。图7示例性示出了结构信噪比与下行信道质量指示(Channel Quality Indicator,简称CQI)的对应关系,纵坐标为下行CQI,横坐标为结构信噪比。纵坐标取值为0~15,用来反映物理下行共享信道(Physical DownlinkShared Channel,简称PDSCH)的信道质量,0表示信道质量最差,15表示信道质量最好。从结构信噪比与下行CQI的散点图可知,两者具有较强的线性关系,由此可知通过结构信噪比可以表征网络无线环境的情况。
由于结构信噪比能够去除其他影响,仅就现网网络结构及用户分布情况下,确定每个小区满载、空载条件下的平均信噪比。故用结构信噪比不仅能够准确量化LTE网络结构,并且给出了一个网络优化中的具有实际物里含义的指标。在使用中,结构信噪比是受网络结构限制的小区的平均信噪比,当有带外干扰、业务量上升、或设备引入噪声等因素,实际的信噪比会差于结构信噪比,故通过结构信噪比,可以判断目前网络结构是否能够支撑我们对信号质量的基本要求。如果结构信噪比已经接近甚至低于我们网络的信噪比要求,即使再通过参数进行各种优化尝试,也不可能达到要求,只能通过网络结构优化来改善,由此可见,根据结构信噪比这个指标能使网络优化人员快速定位网络问题,提高网络优化的效率。
为了更好的解释本发明实施例,下面通过具体的实施场景描述本发明实施例提供的一种网络结构评估方法。如图8所示,设定图中小区均为LTE同频小区,他们之间存在一定的重叠覆盖,互相会有同频干扰。A小区作为服务小区,小区B、C、D为服务小区A的同频邻小区。服务小区A包括两个采样点m、n。测试报告中包含服务小区A在采样点m、n的第一RSRP、同频邻小区B、C在采样点m的第二RSRP以及同频邻小区C、D在采样点n的第二RSRP。按照公式(4)将第一RSRP和第二RSRP换算成功率值,其中服务小区A在采样点m的第一RSRP换算成功率值后为PA1,服务小区A在采样点n的第一RSRP换算成功率值后为PA2,同频邻小区B、C在采样点m的第二RSRP换算成功率值后为PB1、PC1,同频邻小区C、D在采样点n的第二RSRP换算成功率值后为PC2、PD1。将上述功率值代入公式(1)可得服务小区A的信号干扰比例进一步地,将服务小区A的信号干扰比例代入公式(2)可得服务小区A的满载结构信噪比将服务小区A的信号干扰比例代入公式(3)可得服务小区A的空载结构信噪比根据服务小区A的满载结构信噪比和空载结构信噪比确定服务小区A的结构信噪比范围为在确定服务小区A的结构信噪比范围不符合预设条件时,将服务小区A确定为网络结构异常的小区。
综上,本发明实施例提供了一种网络结构评估方法,包括:获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;根据所述服务小区的信号干扰比例评估所述服务小区的网络结构。由于将服务小区的同频邻小区在所有采样的第二电平测试信息之和与服务小区在所有采样点的第一电平测试信息之和的比值确定为信号干扰比例,充分考虑了服务小区和同频邻小区在采样点的电平测试信息的准确数值,故信号干扰比例能更全面地表征服务小区的网络结构,从而提高了网络结构的评估的准确性。其次,在对服务小区的网络结构进行评估时,引入空载结构信噪比和满载结构信噪比作为网络结构的评价指标,通过该指标能单纯体现网络结构情况,为无线网络的专业人员评估以及优化网络结构带来便利。
基于相同的技术构思,本发明实施例还提供了一种网络结构评估装置,如图9所示,包括:
获取模块901,用于获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;
处理模块902,用于根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;根据所述服务小区的信号干扰比例评估所述服务小区的网络结构。
可选地,所述处理模块902具体用于:
根据公式(1)确定所述服务小区的信号干扰比例;
所述公式(1)为:
其中,IA为服务小区A的信号干扰比例,服务小区A共有k个采样点,一个采样点共检测到m个服务小区A的同频邻小区信号,为服务小区A在第j个采样点的第一电平测试信息,P(Bi→Aj)为服务小区A的同频邻小区Bi在第j个采样点的第二电平测试信息。
可选地,所述处理模块902具体用于:
根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比;
根据所述服务小区的满载结构信噪比和空载结构信噪比确定所述服务小区的结构信噪比范围;
在确定所述服务小区的结构信噪比范围不符合预设条件时,将所述服务小区确定为网络结构异常的小区。
可选地,所述处理模块902具体用于:
根据公式(2)和公式(3)确定所述服务小区的满载结构信噪比和空载结构信噪比;
所述公式(2)为:
其中,SINRA1为服务小区A的满载结构信噪比,IA为服务小区A的信号干扰比例;
所述公式(3)为:
其中,SINRA2为服务小区A的空载结构信噪比,IA为服务小区A的信号干扰比例。
可选地,所述电平测试信息为参考信号接收功率RSRP。
本发明实施例提供了一种计算设备,该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,简称PDA)等。该计算设备可以包括中央处理器(Center Processing Unit,简称CPU)、存储器、输入/输出设备等,输入设备可以包括键盘、鼠标、触摸屏等,输出设备可以包括显示设备,如液晶显示器(Liquid Crystal Display,简称LCD)、阴极射线管(Cathode Ray Tube,简称CRT)等。
存储器,可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器提供存储器中存储的程序指令和数据。在本发明实施例中,存储器可以用于存储网络结构评估方法的程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行网络结构评估方法。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行网络结构评估方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明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,本发明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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种网络结构评估方法,其特征在于,包括:
获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;
根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;
根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比;
根据所述服务小区的满载结构信噪比和空载结构信噪比确定所述服务小区的结构信噪比范围;
在确定所述服务小区的结构信噪比范围不符合预设条件时,将所述服务小区确定为网络结构异常的小区。
4.如权利要求1至3任一所述的方法,其特征在于,所述电平测试信息为参考信号接收功率RSRP。
5.一种网络结构评估装置,其特征在于,包括:
获取模块,用于获取服务小区N个采样点的测试信息,针对任意一个采样点,所述测试信息至少包括所述服务小区在所述采样点的第一电平测试信息、所述服务小区的各同频邻小区在所述采样点的第二电平测试信息;
处理模块,用于根据所述服务小区在各采样点的第一电平测试信息以及所述服务小区的各同频邻小区在各采样点的第二电平测试信息确定所述服务小区的信号干扰比例,所述信号干扰比例为服务小区的同频干扰信号功率与有用信号功率的比值;根据所述信号干扰比例确定所述服务小区的满载结构信噪比和空载结构信噪比;根据所述服务小区的满载结构信噪比和空载结构信噪比确定所述服务小区的结构信噪比范围;在确定所述服务小区的结构信噪比范围不符合预设条件时,将所述服务小区确定为网络结构异常的小区。
8.如权利要求5至7任一所述的装置,其特征在于,所述电平测试信息为参考信号接收功率RSRP。
9.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450755.1A CN109981196B (zh) | 2017-12-27 | 2017-12-27 | 一种网络结构评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711450755.1A CN109981196B (zh) | 2017-12-27 | 2017-12-27 | 一种网络结构评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109981196A CN109981196A (zh) | 2019-07-05 |
CN109981196B true CN109981196B (zh) | 2021-07-09 |
Family
ID=67071839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711450755.1A Active CN109981196B (zh) | 2017-12-27 | 2017-12-27 | 一种网络结构评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109981196B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113015204B (zh) * | 2019-12-20 | 2024-03-22 | 中国移动通信集团陕西有限公司 | 网络小区负载均衡方法及装置 |
CN113055905B (zh) * | 2019-12-27 | 2022-11-04 | 中国电信股份有限公司 | 网络干扰分析方法、装置及计算机可读存储介质 |
CN114363952B (zh) * | 2020-10-14 | 2023-11-14 | 中国移动通信集团设计院有限公司 | 移动通信网络资源配置方法、装置及可读存储介质 |
CN115834419A (zh) * | 2022-11-16 | 2023-03-21 | 中国联合网络通信集团有限公司 | 网络评估方法、装置及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012059139A1 (en) * | 2010-11-05 | 2012-05-10 | Fujitsu Limited | Terminal measurements of interference in wireless communication |
CN102480743B (zh) * | 2010-11-25 | 2014-10-01 | 中国移动通信集团广东有限公司 | 一种越区覆盖的定位方法、装置和系统 |
CN102781015A (zh) * | 2011-05-10 | 2012-11-14 | 北京迪特卡得通信设备有限公司 | 量化评估网络结构复杂程度的方法和系统 |
CN103298024B (zh) * | 2012-02-28 | 2016-03-09 | 温州大学 | 一种无线网络的性能评估方法及装置 |
CN104333492A (zh) * | 2014-11-26 | 2015-02-04 | 中国联合网络通信集团有限公司 | 一种评估通信网络结构合理性的方法及装置 |
CN104661244B (zh) * | 2015-02-12 | 2018-03-30 | 中国联合网络通信集团有限公司 | 一种评估pci模三干扰的方法及装置 |
CN106937306B (zh) * | 2015-12-30 | 2019-10-15 | 中国移动通信集团上海有限公司 | 一种网络质量评估方法及装置 |
-
2017
- 2017-12-27 CN CN201711450755.1A patent/CN109981196B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109981196A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109981196B (zh) | 一种网络结构评估方法及装置 | |
US10701574B2 (en) | Downlink interference detection using transmission matrices | |
US10708803B2 (en) | Coexistence reporting based on user equipment (UE) measurements | |
CN105828365A (zh) | 一种基于mr数据的lte小区重叠覆盖分析方法 | |
CN109548074B (zh) | 基于mr的上行干扰源波形定位方法、装置、设备及介质 | |
CN110636540B (zh) | 一种网络上行干扰预评估方法及装置 | |
CN111328084B (zh) | 一种小区容量的评估方法及装置 | |
CN105163344A (zh) | 一种td-lte系统内干扰的定位方法 | |
CN103002495A (zh) | 无线网络结构的评估方法及装置 | |
US20170257787A1 (en) | Received Signal Strength Based Interferer Classification of Cellular Network Cells | |
CN110784894A (zh) | Lte系统负载均衡方法和装置 | |
CN108696888A (zh) | 一种确定重叠覆盖小区的方法及装置 | |
CN108540299B (zh) | 一种网络故障定位处理方法及装置 | |
CN111263389A (zh) | 一种Volte语音质量问题的自动化定位的方法及装置 | |
EP3183905B1 (en) | Performance index determination for a communication service | |
CN110290540A (zh) | 一种确定小区容量的方法及装置 | |
CN112969193B (zh) | 无线网络的干扰确定方法、装置及设备 | |
CN109963301B (zh) | 一种网络结构干扰的分析方法及装置 | |
CN109996253B (zh) | 一种小区信号覆盖范围合理性的评估方法及装置 | |
CN111507618A (zh) | 小区经纬度核查方法、装置及存储介质 | |
CN104244301A (zh) | 基于无线指标定位lte网络问题的方法和系统 | |
CN115379476A (zh) | 确定小区干扰类型的方法、装置、设备及存储介质 | |
CN104349349A (zh) | 一种小区参数的确定方法、系统和设备 | |
CN114745289A (zh) | 网络性能数据的预测方法、装置、存储介质及设备 | |
Samba et al. | Predicting file downloading time in cellular network: Large-Scale analysis of machine learning approaches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |