CN109996266B - 物理小区标识的优化配置方法及设备 - Google Patents

物理小区标识的优化配置方法及设备 Download PDF

Info

Publication number
CN109996266B
CN109996266B CN201910282911.0A CN201910282911A CN109996266B CN 109996266 B CN109996266 B CN 109996266B CN 201910282911 A CN201910282911 A CN 201910282911A CN 109996266 B CN109996266 B CN 109996266B
Authority
CN
China
Prior art keywords
cell
pss
sss
cells
optimized
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
Application number
CN201910282911.0A
Other languages
English (en)
Other versions
CN109996266A (zh
Inventor
尹静萍
叶文
曹元�
尚坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910282911.0A priority Critical patent/CN109996266B/zh
Publication of CN109996266A publication Critical patent/CN109996266A/zh
Application granted granted Critical
Publication of CN109996266B publication Critical patent/CN109996266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种物理小区标识的优化配置方法及设备，该方法包括：将待优化小区划分为第一类小区和第二类小区；确定所述第一类小区的第一主同步序列PSS配置方案；根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案；根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案。本发明实施例能够提高PCI的配置效率。

Description

物理小区标识的优化配置方法及设备
技术领域
本发明实施例涉及通信技术领域，尤其涉及一种物理小区标识的优化配置方法及设备。
背景技术
长期演进(Long Term Evolution，简称LTE)是第四代移动通信网络核心技术。LTE网络采用同频组网，通过物理小区标识(Physical Cell Identity或Physical CellIdentifier，简称PCI)来标识和识别网络内不同小区，并作为信道扰码输入器的一部分，进行信道隔离。PCI由辅同步序列(Secondary Synchronization Sequence，简称SSS)和主同步序列(Primary Synchronization Sequence，简称PSS)组成，PCI的计算方式为PCI＝3×SSS+PSS，其中，SSS取值范围为0至167，PSS取值范围为0至2，因此LTE网络中共有504个独立的PCI。小区的PCI分配不当会影响小区间同步和产生小区间网内干扰，严重影响网络无线接入、切换成功率、吞吐量等指标。因此，在LTE网络规划和网络优化阶段，如何分配和调整小区PCI是一项关键技术。
目前，现有的PCI优化方案制定方法分为两种。对于存在干扰问题的小范围优化区域内，针对少数小区，基于地理信息系统呈现，人工或者采用简单的机器算法判断是否存在小区之间的相互影响，并据此进行PCI的分配。对于存在干扰问题的大范围优化区域内，针对多达几百个甚至上千个小区，采用智能优化算法，例如图着色算法、遗传算法、免疫算法、粒子群算法等，直接为各个小区分配PCI。
然而发明人发现，上述两种分配PCI的方式存在配置效率低的问题。
发明内容
本发明实施例提供一种物理小区标识的优化配置方法及设备，以解决现有技术中分配PCI的方式存在配置效率低的问题。
第一方面，本发明实施例提供一种物理小区标识的优化配置方法，其特征在于，包括：
将待优化小区划分为第一类小区和第二类小区；
确定所述第一类小区的第一主同步序列PSS配置方案；
根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案；
根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案。
可选的，所述将待优化小区划分为第一类小区和第二类小区，包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定待优化小区中的切换限制对小区和干扰限制对小区，将所述切换限制对小区和所述干扰限制对小区作为第一类小区，将所述待优化小区中除所述第一类小区以外的小区作为第二类小区。
可选的，所述确定所述第一类小区的第一主同步序列PSS配置方案，包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一干扰矩阵和所述第二干扰矩阵为输入，以PSS相同的第一类小区的数目的最小值，PSS相同的第一类小区中两两小区之间的第一干扰值之和的最小值为目标函数，构建第一类小区的PSS第一优化模型；其中，第一优化模型满足第一约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第一预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第二预设阈值，待优化小区的第二干扰值之和小于第三预设阈值；
通过多目标进化算法求解所述第一优化模型，得到第一类小区的第一PSS配置方案。
可选的，所述根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案，包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一PSS配置方案、所述第一干扰矩阵和所述第二干扰矩阵为输入，以所述第二类小区对所述第一类小区的第二干扰值的最小值，所述第二类小区之间的第二干扰值与所述第二类小区与关联小区之间的第二干扰值之和的最小值为目标函数，构建第二类小区的PSS第二优化模型；其中，第二优化模型满足约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第四预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第五预设阈值；
通过多目标进化算法求解所述第二优化模型，得到所述第二类小区的第二PSS配置方案。
可选的，所述根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案，包括：
以所述待优化小区、所述第一PSS配置方案、所述第二PSS配置方案和所述待优化小区之间的关联关系为输入，以高容量基站分配的辅同步序列SSS数量的最小值，预设距离内相同PCI的小区数量的最小值为目标函数，构建待优化小区的PCI优化模型，其中，PCI优化模型满足第三约束条件：相同基站内的小区PCI不相同，一阶邻区的PCI不相同，二阶邻区的PCI不相同，扇区数量小于或等于第六预设阈值的基站的小区的SSS相同；
通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案。
可选的，所述通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案，包括：
构造SSS列表；
根据所述SSS列表，按照所述待优化小区中各小区的优先级配置SSS，得到所述待优化小区的SSS配置方案；
若所述SSS列表中SSS的数量小于所述待优化小区中小区的数量，则在所述SSS列表中的SSS全部分配后，重新根据所述SSS列表，继续按照所述待优化小区中各小区的优先级配置SSS。
可选的，还包括：
若目标SSS的分配次数超过预设次数，则删除所述SSS列表中的目标SSS，形成新的SSS列表，并根据新的SSS列表，继续按照所述各小区的优先级配置SSS，其中，目标SSS为SSS列表中的任一SSS；
若所述SSS列表中各SSS的分配次数均超过预设次数，则
从已配置SSS的待优化小区中获取与当前小区相同PSS的第一目标小区，当前小区为待配置SSS的小区；
当前小区分别复用第一目标小区的PCI，并分别判断复用PCI后的当前小区是否满足第三约束条件，若满足，则将对应的第一目标小区作为第二目标小区；
确定所述第二目标小区中各小区与所述当前小区的距离，并将距离最大的第二目标小区对应的SSS作为当前小区的SSS；
根据所述待优化小区的SSS配置方案和PSS配置方案构建所述待优化小区的PCI配置方案。
可选的，还包括：
确定目标PCI配置方案中归一化处理后的第一切换限制对相同的PSS数量P1、第一干扰限制对相同的PSS数量P2，一阶邻区相同的PSS数量P3，预设距离内相同PCI的小区数量P4，其中，目标PCI配置方案为PCI配置方案中的任一PCI配置方案；
确定PCI配置方案中第一切换限制对相同的PSS数量的最大值P1max和最小值P1min，第一干扰限制对相同的PSS数量的最大值P2max和最小值P2min，一阶邻区相同的PSS数量的最大值P3max和最小值P3min，预设距离内相同PCI小区的数量的最大值P4max和最小值P4min；
根据表达式
Figure GDA0002541851650000041
确定目标PCI配置方案的评估值V；其中，W1为第一切换限制对相同的PSS数量的权重，W2为第一干扰限制对相同的PSS数量的权重，W3为一阶邻区相同的PSS数量的权重，W4为预设距离内相同PCI的小区数量的权重；
将评估值最大的目标PCI配置方案作为所述待优化小区的选定PCI配置方案。
第二方面，本发明实施例提供一种物理小区标识的优化配置装置，包括：
划分模块，用于将待优化小区划分为第一类小区和第二类小区；
第一配置模块，用于确定所述第一类小区的第一主同步序列PSS配置方案；
第二配置模块，用于根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案；
第三配置模块，用于根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案。
第三方面，本发明实施例提供一种物理小区标识的优化配置设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如本发明实施例第一方面所述的电物理小区标识的优化配置方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如本发明实施例第一方面所述的物理小区标识的优化配置方法。
本发明实施例提供的物理小区标识的优化配置方法及设备，该方法通过将待优化小区划分为第一类小区和第二类小区，优先为第一类小区分配PSS，再为第二类小区分配PSS，最后，再根据分配的PSS确定待优化小区的PCI配置方案，从而实现对待优化小区的PCI优化配置。通过先分配PSS，再根据PSS分配PCI，由于SSS取值范围大，PSS取值范围小，从而提高配置速度，降低PCI的优化时间，提高PCI的配置效率，降低成本，并且，本发明实施例采用了更符合实际网络、更完善的多目标约束优化模型，能够提高PCI配置方案的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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物理小区标识的优化配置方法的流程图；
图2为发明实施例提供的小区划分的示意图；
图3为发明实施例提供的确定第一类小区的第一PSS配置方案的实现流程图；
图4为本发明实施例提供的确定第二类小区的第二PSS配置方案的实现流程图；
图5为本发明实施例提供的待优化小区的PCI配置方案的实现流程图；
图6为本发明实施例提供的物理小区标识的优化配置装置的结构示意图；
图7为本发明实施例提供的物理小区标识的优化配置设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
物理小区标识(Physical Cell Identity或Physical Cell Identifier，简称PCI)由辅同步序列(Secondary Synchronization Sequence，简称SSS)和主同步序列(Primary Synchronization Sequence，简称PSS)组成。SSS取值范围为0～167，PSS取值范围为0～2，根据PCI的组成，将PCI的分配分解为先分配主同步序列PSS，再分配SSS，从而提高PCI的分配运算速度，提高PCI的配置效率，并提高PCI配置方案的质量。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例提供的物理小区标识的优化配置方法的流程图，如图1所示，本实施例的方法，可以包括：
步骤S101，将待优化小区划分为第一类小区和第二类小区。
步骤S102，确定所述第一类小区的第一主同步序列PSS配置方案。
步骤S103，根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案。
步骤S104，根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案。
在本发明实施例中，针对需要优化调整的已运营LTE网络，根据小区和基站演进型Node B(Evolved Node B，简称eNodeB)级的网管性能指标、路测报告、用户投诉等信息，确定发生性能降阶的异常小区，根据这些异常小区确定待优化小区。具体的，以这些异常小区所在基站，以及与这些异常小区在地理上相邻距离不超过预设距离H1的其它小区所在基站为平面顶点，计算顶点凸包，以凸包所在区域作为优化区域，位于优化区域内的全部小区为待优化小区。
将待优化小区划分为第一类小区和第二类小区，其中，第一类小区为需要优先保障PCI分配质量和网络干扰性能的重点小区，第二类小区为除重点小区以外的非重点小区。在PCI分配时，需要优先保证重点小区的PCI分配。
在本发明实施例中，首先为第一类小区分配PSS，得到第一类小区的第一PSS配置方案，再根据第一类小区的PSS配置方案，再为第二类小区分配PSS，得到第二类小区的第二PSS配置方案，最后，根据第一PSS配置方案和第二PSS配置方案为待优化小区分配SSS，得到待优化小区的SSS配置方案，待优化小区的PSS配置方案与SSS配置方案构成待优化小区的PCI配置方案，完成待优化小区的PCI配置。
本发明实施例通过将待优化小区划分为第一类小区和第二类小区，优先为第一类小区分配PSS，再为第二类小区分配PSS，最后，再根据分配的PSS确定待优化小区的PCI配置方案，从而实现对待优化小区的PCI优化配置。通过先分配PSS，再根据PSS分配PCI，由于SSS取值范围大，PSS取值范围小，从而提高配置速度，降低PCI的优化时间，提高PCI的配置效率，并且能够降低成本。
在上述实施例的基础上，步骤S101的一种可能的实现方式为：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定待优化小区中的切换限制对小区和干扰限制对小区，将所述切换限制对小区和所述干扰限制对小区作为第一类小区，将所述待优化小区中除所述第一类小区以外的小区作为第二类小区。
在本发明实施例中，如图2所示，位于优化区域内的全部小区为待优化小区。将优化区域向各个方向延伸预设距离H2，得到测量区域，位于测量区域内小区为测量小区。根据网络维护优化调整的预计实施时间点，指定该时间点之前某一时间段的网络测量时间段为测量时间段。
预设优化区域为在测量区域所包含的优化区域内，确定应重点保障网络服务质量的局部区域。在该预设优化区域内规划路测线路和呼叫详细跟踪(Call Detail Trace，简称CDT)关注点，实施自动路测。使用自动路测工具，延路测线路采集位于测量时间段内的路测报告和针对这些CDT关注点的CDT测量报告，得到自动路测报告。
根据自动路测报告的数据确定待优化小区中的限制对小区，限制对小区包括切换限制对小区和干扰限制对小区。切换限制对小区为：根据自动路测数据反映出的道路主服小区之间的切换关系，不允许PSS相同的道路主服小区对。干扰限制对小区为：根据自动路测数据反映出的道路主服小区、道路关联小区、外围关联小区之间的干扰关系，不允许PSS相同的小区对。
将待优化小区中的切换限制对小区和干扰限制对小区作为第一类小区，如图2所示的c1至c6，将待优化小区中的其余小区作为第二类小区，如图2所示的c7至c17。
如图2所示的c18～c25为关联小区。关联小区是指位于测量区域内，位于优化区域以外，不属于待优化小区，且与待优化小区存在邻区关系或干扰关系的小区。关联小区的PCI无需调整，但影响待优化小区的PCI配置。
作为本发明的一个实施例，图3是本发明实施例提供的确定第一类小区的第一PSS配置方案的实现流程图，在上述实施例的基础上，如图3所示，步骤S102的一种可能的实现方式为：
步骤S301，获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵。
在本发明实施例中，预设优化区域为在测量区域所包含的优化区域内，确定应重点保障网络服务质量的局部区域。
确定第一干扰值及第一干扰矩阵的一种可能的实现方式为：将第一类小区的任一小区作为主小区，与该主小区相邻的小区作为邻小区，根据自动路测报告的数据得到主小区与邻小区之间的干扰样本集合，针对该干扰样本集合，通过主小区与邻小区之间的参考信号接收功率(Reference Signal Receiving Power，简称PSRP)确定样本的均值、标准差、样本总数、样本累加和、样本平方累加和，得到主小区与邻小区之间的干扰值，即第一干扰值，根据该第一干扰值得到第一干扰分布函数，根据第一干扰分布函数计算得到第一干扰矩阵。
第一干扰值和第一干扰矩阵也可以由其他方式计算得到，本发明实施例不做具体限定。
步骤S302，获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵。
在本发明实施例中，在测量区域内，针对测量区域内的待优化小区，利用网络管理平台提供的测量报告样本数据(Measurement Report Original，简称MRO)和事件触发的测量报告样本(Measurement Report Event，简称MRE)测量机制，实施MRO/MRE测量，采集位于测量时间段内的测量报告。
确定第二干扰值及第二干扰矩阵的一种可能的实现方式为：将待优化小区的任一小区作为主小区，与该主小区相邻的小区作为邻小区，根据测量报告的数据得到主小区与邻小区之间的干扰样本集合，针对该干扰样本集合，通过主小区与邻小区之间的参考信号接收功率(Reference Signal Receiving Power，简称RSRP)确定样本的均值、标准差、样本总数、样本累加和、样本平方累加和，得到主小区与邻小区之间的干扰值，即第二干扰值，根据该第二干扰值得到第二干扰分布函数，根据第二干扰分布函数计算得到第二干扰矩阵。
第二干扰值和第二干扰矩阵也可以由其他方式计算得到，本发明实施例不做具体限定。
步骤S303，以所述第一类小区、所述第一干扰矩阵和所述第二干扰矩阵为输入，以PSS相同的第一类小区的数目的最小值，PSS相同的第一类小区中两两小区之间的第一干扰值之和的最小值为目标函数，构建第一类小区的PSS第一优化模型；其中，第一优化模型满足第一约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第一预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第二预设阈值，待优化小区的第二干扰值之和小于第三预设阈值。
在本发明实施例中，优化对象为第一类小区VIPCellSet，目标函数为：
minobj[2]＝{CntA-A,InfATUA-A}
CntA-A表示PSS相同的第一类小区的数目，InfATUA-A表示PSS相同的第一类之间的第一干扰值之和，minobj[2]表示两个目标函数的最小值。
Figure GDA0002541851650000101
其中，当PSS(ci)＝PSS(cj)时，punishi_j＝1，否则punishi_j＝0，PSS(ci)表示小区ci的PSS，PSS(cj)表示小区cj的PSS，ATU[i][j]表示小区cj对小区ci的干扰，ATU[j][i]表示小区ci对小区cj的干扰，cj,ci∈VIPCellSet。
低容量基站为基站内的小区数量小于或等于一固定值的基站，高容量基站为基站内的小区数量大于该固定值的基站。例如，站内小区总数≤3的基站为低容量基站，站内小区总数>3的基站为高容量站。
步骤S304，通过多目标进化算法求解所述第一优化模型，得到第一类小区的第一PSS配置方案。
在本发明实施例中，采用基于Pareto的多目标进化算法求解第一优化模型。首先，以个体表示PSS配置方案，多个个体组成种群。采用随机贪心法初始化种群，使得尽可能满足PSS约束。然后根据Pareto支配关系评估种群中每个个体的适应度值，根据评估结果构造精英集NDSet。为避免NDSet过大或分布不均匀，采用网格法剔除NDSet中的一些个体。如果达到进化结束条件，则从NDSet中选择最优个体作为最终PSS分配方案。否则，从父代和子代中按照Pareto支配关系选择较好的下一代，同时更新精英集，进行新一轮进化，即交叉、变异。
在本发明实施例中，多目标进化算法求解的一种可能的实现方式为：
步骤1，确定个体编码方式，具体的，依据图着色思想，将PSS看作颜色，取值集合为{0，1，2}，将各小区看作顶点，探索3着色最佳方案，编码方式为：
Π＝{V1,V2,V3}
其中，Vi(i∈{0，1，2}，表示k个小区的一个划分块。含义为：划分块V0中小区所分配的PSS值为0，划分块V1中小区所分配的PSS值为1，划分块V2中小区所分配的PSS值为2。
步骤2，对第一类小区进行种群初始化。具体的，将第一类小区ATU限制对中一端不在优化区内的小区按照PCI模三值放入种群中所有个体的相应划分中，找出所有扇区数>3的高容量站，先将关联小区放入相应划分，剩余小区按照干扰值降序，依次放入满足PSS约束的划分中，按舍伍德随机洗牌算法产生剩余优化小区的一个排列，依次放入满足PSS约束的区分中，将划分编码，得到新个体。重复上述步骤直到达到种群规模。
步骤3，构造非支配解集，具体的，对于p个相互冲突的优化目标minF(x)＝{f1(X)，f2(X)，...,fp(X)}，满足约束条件R＝{gi(X)≤0，hj(X)＝0，i∈[0,ng]，j∈[0,nh]}的决策变量X＝{x1,x2,...,xm}构成可行解集XF＝{X}，m为决策变量数。
对于X1，X2∈XF，如果F(X1)＜F(X2)，即解为X1时的所有子目标均优于解为X2时的所有子目标，则称X1支配X2。如果X1没有被其他解支配，则X1为非支配解，这样的解构成非支配解集X*＝{X1}，也称Pareto前沿(Pareto Front)。
采用快速排序法构造非支配解集，具体步骤如下：
选择当前序列的第一个个体Pop[start]作为基准，将非支配解集NDSet置空，NDSet＝φ；
以该基准在序列中的实际位置，把序列分成两个子序列，使得在基准左边的个体都被该基准支配、或与该基准相等、或与该基准互不支配，在基准右边的元素都支配该基准、或与该基准相等；
如果基准不被当前序列中的所有个体支配，则加入非支配集NDSet；
递归地对右边的序列进行处理，直到序列为空或者只有一个个体。
步骤4，控制非支配解集大小及保持其分布性。进化到后期，非支配个体数量增多，需采用自适应网格法控制非支配解集大小并保持其分布性。
具体步骤如下：
确定优化目标数objNum、每个目标上的最大值maxi与最小值mini，每个维度上网格的分割次数gridNumi，计算每个目标上的网格宽度withi＝(maxi-mini)/gridNum，i∈[0,objNum)，据此构造自适应网格；
计算所有非支配个体每个目标obji在相应维度上网格中的位置gi＝(obji-mini)/withi，并放入相应网格；
挑选包含非支配个体数最多的网格，删除其中的一个非支配个体。重复此步直到非支配解集规模符合规定大小。
步骤5，交叉操作。假设被选中的父母个体为Π1＝{V1 1,V2 1,V3 1}，Π2＝{V1 2,V2 2,V3 2}，产生的新个体为Πx＝{V1 x,V2 x,V3 x}。
具体步骤如下：
新个体保留父母个体的交集部分，即V1 x＝V1 1∩V1 2，V2 x＝V2 1∩V2 2，V3 x＝V3 1∩V3 2；
将未包含于X任何一个划分的剩余顶点依次放入满足PSS约束的划分中。
步骤6，变异操作。假设被选中的变异个体为Πm＝{V1,V2,V3}，具体步骤如下：
随机选取一个个体并随机选择一个顶点vi∈Πm，如果其为非优化小区或高容量站first3，则不变异；否则，转第下一步。
改变顶点vi所属划分；
检查变异后个体是否满足PSS约束，如不满足，则进行划分间微调。
步骤7，精英集保持。在每代进化结束后更新非支配解集，并使得更新后的非支配解集参与到下一代进化中。具体步骤如下：
通过快速排序法构造本代非支配解集NewNDSet；
依次将NewNDSet中的个体NewNDSeti与上一代非支配解集NDSet中的所有个体NDSetj进行比较，如果，则将NDSet中所有被NewNDSeti支配的个体删除，并将NewNDSeti加入到NDSet中；如果，则将NDSetj替换掉本代中适应度最差的一个个体；
用自适应网格法控制更新后的非支配解集NDSet规模并保持其分布性。
步骤8，选择操作。选择算子是为了从父母个体和交叉、变异产生的新个体中以高概率选取适应度较高的个体，以形成新的种群，参与到下一代进化。具体步骤如下：
将父母个体和交叉、变异产生的新个体基于Pareto支配关系进行快速排序，使得适应度较高的非支配个体在前，适应度较低的被支配个体在后；
以选择概率Pselect，e.g.Pselect＝0.9依次从排好序的个体中选择，使得适应度高的个体以较高概率被选中；
若最终未达到种群规模，则设定Pselect＝1，重新选择，直到达到种群规模。
作为本发明的一个实施例，图4是本发明实施例提供的确定第二类小区的第二PSS配置方案的实现流程图，在上述实施例的基础上，如图4所示，步骤S103的一种可能的实现方式为：
步骤S401，获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
步骤S402，获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
步骤S403，以所述第一类小区、所述第一PSS配置方案、所述第一干扰矩阵和所述第二干扰矩阵为输入，以所述第二类小区对所述第一类小区的第二干扰值的最小值，所述第二类小区之间的第二干扰值与所述第二类小区与关联小区之间的第二干扰值之和的最小值为目标函数，构建第二类小区的PSS第二优化模型；其中，第二优化模型满足约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第四预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第五预设阈值；
步骤S404，通过多目标进化算法求解所述第二优化模型，得到所述第二类小区的第二PSS配置方案。
在本发明实施例中，步骤S401和步骤S402的实现方式与上述实施例中步骤S301和步骤S302的实现方式类似，步骤S404的实现方式与上述实施例的步骤S304的实现方式类似，本发明实施例不再赘述。
第二优化模型的优化对象为第二类小区GenOptCellSet。目标函数为：
minobj[2]＝{InfATUA-B,InfMROB-B+InfMROB-C}
其中，minobj[2]表示两个目标函数的最小值，InfATUA-B表示第二类小区对第一类小区的第一干扰值，InfMROB-B分别表示第二类小区之间的第二干扰值，InfMROB-C关联小区与第二类小区之间的第二干扰值，计算方式为：
Figure GDA0002541851650000141
其中，当PSS(ci)＝PSS(cj)时，punishi_j＝1，否则punishi_j＝0。MRO[i][j]表示小区cj对小区ci的第二干扰值，MRO[j][i]表示小区ci对小区cj的第二干扰值，cj,ci∈GenOptCellSet。
同理可得到InfMROB-C。
作为本发明的一个实施例，图5是本发明实施例提供的待优化小区的PCI配置方案的实现流程图，在上述实施例的基础上，如图5所示，步骤S104的一种可能的实现方式为：
步骤S501，以所述待优化小区、所述第一PSS配置方案、所述第二PSS配置方案和所述待优化小区之间的关联关系为输入，以高容量基站分配的辅同步序列SSS数量的最小值，预设距离内相同PCI的小区数量的最小值为目标函数，构建待优化小区的PCI优化模型，其中，PCI优化模型满足第三约束条件：相同基站内的小区PCI不相同，一阶邻区的PCI不相同，二阶邻区的PCI不相同，扇区数量小于或等于第六预设阈值的基站的小区的SSS相同。
在本发明实施例中，优化对象为待优化小区OptCellSet。目标函数为：
minobj[2]＝{CntSSS,CntPCI}
其中，minobj[2]表示两个目标函数的最小值，CntSSS表示高容量基站被分配的SSS数量，CntPCI表示预设距离内相同PCI的小区数量。
在本发明实施例中，网络邻区包括一阶邻区和二阶邻区，一阶邻区是指与当前小区具有切换关系的小区，当前小区的所有一阶邻区互称二阶邻区。
步骤S502，通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案。
在本发明实施例中，通过启发式算法求解PCI优化模型，得到待优化小区的PCI配置，完成对待优化小区的PCI配置优化。
作为本发明的一个实施例，步骤S502的一种可能的实现方式为：
构造SSS列表；
根据所述SSS列表，按照所述待优化小区中各小区的优先级配置SSS，得到所述待优化小区的SSS配置方案；
若所述SSS列表中SSS的数量小于所述待优化小区中小区的数量，则在所述SSS列表中的SSS全部分配后，重新根据所述SSS列表，继续按照所述待优化小区中各小区的优先级配置SSS。
在本发明实施例中，确定待优化小区中各小区的优先级，一种可能的实现方式中，分别计算待优化小区中各小区的同站小区数量、一阶邻区数量和二阶邻区数量的三者之和，并将三者之和较大的小区作为高优先级的小区。
在SSS列表中SSS的数量大于或等于待优化小区中小区的数量时，说明SSS数量充足，则根据SSS列表，按照待优化小区中各小区的优先级依次为各小区分配SSS，完成待优化小区的PCI配置。
在SSS列表中SSS的数量小于待优化小区中小区的数量时，说明SSS数量不足，则根据SSS列表，按照待优化小区中各小区的优先级依次为各小区分配SSS，在SSS列表中的SSS全部分配后，重新根据所述SSS列表，继续按照待优化小区中各小区的优先级配置SSS。例如，SSS列表中SSS的数量为168个，取值为0至167，待优化小区中优化小区的数量为200个，则为前168个高优先级的小区分配SSS后，为第169至200个小区重新按照SSS列表分配SSS，即为第169个小区分配的SSS取值为0，为第170个小区分配的SSS取值为1，依次类推。
在上述实施例的基础上，本发明实施例还可以包括：
若目标SSS的分配次数超过预设次数，则删除所述SSS列表中的目标SSS，形成新的SSS列表，并根据新的SSS列表，继续按照所述各小区的优先级配置SSS，其中，目标SSS为SSS列表中的任一SSS；
若SSS列表中各SSS的分配次数均超过预设次数，则
从已配置SSS的待优化小区中获取与当前小区相同PSS的第一目标小区，当前小区为待配置SSS的小区；
当前小区分别复用第一目标小区的PCI，并分别判断复用PCI后的当前小区是否满足第三约束条件，若满足，则将对应的第一目标小区作为第二目标小区；
确定所述第二目标小区中各小区与所述当前小区的距离，并将距离最大的第二目标小区对应的SSS作为当前小区的SSS；
根据所述待优化小区的SSS配置方案和PSS配置方案构建所述待优化小区的PCI配置方案。
在本发明实施例中，若SSS列表中的某一SSS的分配次数超过预设次数，则将该SSS从SSS列表中删除，为小区分配下一个分配次数未超过预设次数的SSS。
若SSS列表中各SSS的分配次数均超过预设次数，说明SSS列表中已经没有可用的SSS，需要进行PCI复用。
待优化小区的SSS和PSS配置完成后，即可确定待优化小区的PCI。
作为本发明的一个实施例，在上述实施例的基础上，该方法还可以包括：
确定目标PCI配置方案中归一化处理后的第一切换限制对相同的PSS数量P1、第一干扰限制对相同的PSS数量P2，一阶邻区相同的PSS数量P3，预设距离内相同PCI的小区数量P4，其中，目标PCI配置方案为PCI配置方案中的任一PCI配置方案；
确定PCI配置方案中第一切换限制对相同的PSS数量的最大值P1max和最小值P1min，第一干扰限制对相同的PSS数量的最大值P2max和最小值P2min，一阶邻区相同的PSS数量的最大值P3max和最小值P3min，预设距离内相同PCI小区的数量的最大值P4max和最小值P4min；
根据表达式
Figure GDA0002541851650000161
确定目标PCI配置方案的评估值V；其中，W1为第一切换限制对相同的PSS数量的权重，W2为第一干扰限制对相同的PSS数量的权重，W3为一阶邻区相同的PSS数量的权重，W4为预设距离内相同PCI的小区数量的权重；
将评估值最大的目标PCI配置方案作为所述待优化小区的PCI配置方案。
在本发明的实施例中，步骤S104中得到的PCI的配置方案为一组方案，需要将最优的方案应用到实际中。通过对各个PCI配置方案进行评估，将评估值最大的PCI配置方案作为最终的待优化小区的选定PCI配置方案。
本发明实施例采用了更符合实际网络、更完善的多目标约束优化模型，能够提高PCI配置方案的质量。
图6为本发明实施例提供的物理小区标识的优化配置装置的结构示意图，如图6所示，本实施例的物理小区标识的优化配置装置600包括：划分模块601、第一配置模块602、第二配置模块603和第三配置模块604，各模块的具体功能如下：
划分模块601，用于将待优化小区划分为第一类小区和第二类小区。
第一配置模块602，用于确定所述第一类小区的第一主同步序列PSS配置方案。
第二配置模块603，用于根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案。
第三配置模块604，用于根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案。
作为本发明的一个实施例，划分模块601，具体用于：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定待优化小区中的切换限制对小区和干扰限制对小区，将所述切换限制对小区和所述干扰限制对小区作为第一类小区，将所述待优化小区中除所述第一类小区以外的小区作为第二类小区。
作为本发明的一个实施例，第一配置模块602，具体用于：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一干扰矩阵和所述第二干扰矩阵为输入，以PSS相同的第一类小区的数目的最小值，PSS相同的第一类小区中两两小区之间的第一干扰值之和的最小值为目标函数，构建第一类小区的PSS第一优化模型；其中，第一优化模型满足第一约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第一预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第二预设阈值，待优化小区的第二干扰值之和小于第三预设阈值；
通过多目标进化算法求解所述第一优化模型，得到第一类小区的第一PSS配置方案。
作为本发明的一个实施例，第二配置模块603，具体用于：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一PSS配置方案、所述第一干扰矩阵和所述第二干扰矩阵为输入，以所述第二类小区对所述第一类小区的第二干扰值的最小值，所述第二类小区之间的第二干扰值与所述第二类小区与关联小区之间的第二干扰值之和的最小值为目标函数，构建第二类小区的PSS第二优化模型；其中，第二优化模型满足约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第四预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第五预设阈值；
通过多目标进化算法求解所述第二优化模型，得到所述第二类小区的第二PSS配置方案。
作为本发明的一个实施例，第二配置模块603，具体用于：
以所述待优化小区、所述第一PSS配置方案、所述第二PSS配置方案和所述待优化小区之间的关联关系为输入，以高容量基站分配的辅同步序列SSS数量的最小值，预设距离内相同PCI的小区数量的最小值为目标函数，构建待优化小区的PCI优化模型，其中，PCI优化模型满足第三约束条件：相同基站内的小区PCI不相同，一阶邻区的PCI不相同，二阶邻区的PCI不相同，扇区数量小于或等于第六预设阈值的基站的小区的SSS相同；
通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案。
作为本发明的一个实施例，第二配置模块603，具体用于：
构造SSS列表；
根据所述SSS列表，按照所述待优化小区中各小区的优先级配置SSS，得到所述待优化小区的SSS配置方案；
若所述SSS列表中SSS的数量小于所述待优化小区中小区的数量，则在所述SSS列表中的SSS全部分配后，重新根据所述SSS列表，继续按照所述待优化小区中各小区的优先级配置SSS。
作为本发明的一个实施例，第二配置模块603，还用于：
若目标SSS的分配次数超过预设次数，则删除所述SSS列表中的目标SSS，形成新的SSS列表，并根据新的SSS列表，继续按照所述各小区的优先级配置SSS，其中，目标SSS为SSS列表中的任一SSS；
若所述SSS列表中各SSS的分配次数均超过预设次数，则
从已配置SSS的待优化小区中获取与当前小区相同PSS的第一目标小区，当前小区为待配置SSS的小区；
当前小区分别复用第一目标小区的PCI，并分别判断复用PCI后的当前小区是否满足第三约束条件，若满足，则将对应的第一目标小区作为第二目标小区；
确定所述第二目标小区中各小区与所述当前小区的距离，并将距离最大的第二目标小区对应的SSS作为当前小区的SSS；
根据所述待优化小区的SSS配置方案和PSS配置方案构建所述待优化小区的PCI配置方案。
本实施例的装置，可用于执行如图1至图5所示的方法实施例，其实现原理和技术效果类似，此处不再赘述。
图7为本发明实施例提供的物理小区标识的优化配置设备的硬件结构示意图。如图7所示，本实施例提供的物理小区标识的优化配置设备700包括：至少一个处理器701和存储器702。该物理小区标识的优化配置设备700还包括通信部件703。其中，处理器701、存储器702以及通信部件703通过总线704连接。
在具体实现过程中，至少一个处理器701执行所述存储器702存储的计算机执行指令，使得至少一个处理器701执行上述任一方法实施例中的物理小区标识的优化配置设备方法。通信部件703用于与终端设备和/或服务器进行通讯。
处理器701的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图7所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述任一方法实施例中的物理小区标识的优化配置方法。
上述的计算机可读存储介质，可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各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，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种物理小区标识的优化配置方法，其特征在于，包括：
将待优化小区划分为第一类小区和第二类小区；
确定所述第一类小区的第一主同步序列PSS配置方案；
根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案；
根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案；
所述确定所述第一类小区的第一主同步序列PSS配置方案，具体包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一干扰矩阵和所述第二干扰矩阵为输入，以PSS相同的第一类小区的数目的最小值，PSS相同的第一类小区中两两小区之间的第一干扰值之和的最小值为目标函数，构建第一类小区的PSS第一优化模型；再通过多目标进化算法求解所述第一优化模型，得到第一类小区的第一PSS配置方案；
所述根据所述第一PSS配置方案，确定所述第二类小区的第二PSS配置方案，具体包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定相邻两小区之间的第一干扰值，得到第一干扰矩阵；
获取所述待优化小区的测量报告，并根据所述测量报告的数据确定相邻两小区之间的第二干扰值，得到第二干扰矩阵；
以所述第一类小区、所述第一PSS配置方案、所述第一干扰矩阵和所述第二干扰矩阵为输入，以所述第二类小区对所述第一类小区的第二干扰值的最小值，所述第二类小区之间的第二干扰值与所述第二类小区与关联小区之间的第二干扰值之和的最小值为目标函数，构建第二类小区的PSS第二优化模型；再通过多目标进化算法求解所述第二优化模型，得到所述第二类小区的第二PSS配置方案；
所述根据所述第一PSS配置方案和所述第二PSS配置方案，确定所述待优化小区的物理小区标识PCI配置方案，具体包括：
以所述待优化小区、所述第一PSS配置方案、所述第二PSS配置方案和所述待优化小区之间的关联关系为输入，以高容量基站分配的辅同步序列SSS数量的最小值，预设距离内相同PCI的小区数量的最小值为目标函数，构建待优化小区的PCI优化模型；通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案。
2.如权利要求1所述的方法，其特征在于，所述将待优化小区划分为第一类小区和第二类小区，包括：
获取预设优化区域内待优化小区的自动路测报告，并根据所述自动路测报告的数据确定待优化小区中的切换限制对小区和干扰限制对小区，将所述切换限制对小区和所述干扰限制对小区作为第一类小区，将所述待优化小区中除所述第一类小区以外的小区作为第二类小区。
3.如权利要求1所述的方法，其特征在于，所述第一优化模型满足第一约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第一预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第二预设阈值，待优化小区的第二干扰值之和小于第三预设阈值。
4.如权利要求1所述的方法，其特征在于，所述第二优化模型满足约束条件：低容量基站内的小区PSS不相同，高容量基站内PSS相同的小区数量小于第四预设阈值，高容量基站内PSS相同的两两小区之间的干扰值之和小于第五预设阈值。
5.如权利要求1所述的方法，其特征在于，所述PCI优化模型满足第三约束条件：相同基站内的小区PCI不相同，一阶邻区的PCI不相同，二阶邻区的PCI不相同，扇区数量小于或等于第六预设阈值的基站的小区的SSS相同。
6.如权利要求5所述的方法，其特征在于，所述通过启发式算法求解所述PCI优化模型，得到所述待优化小区的PCI配置方案，包括：
构造SSS列表；
根据所述SSS列表，按照所述待优化小区中各小区的优先级配置SSS，得到所述待优化小区的SSS配置方案；
若所述SSS列表中SSS的数量小于所述待优化小区中小区的数量，则在所述SSS列表中的SSS全部分配后，重新根据所述SSS列表，继续按照所述待优化小区中各小区的优先级配置SSS。
7.如权利要求6所述的方法，其特征在于，还包括：
若目标SSS的分配次数超过预设次数，则删除所述SSS列表中的目标SSS，形成新的SSS列表，并根据新的SSS列表，继续按照所述各小区的优先级配置SSS，其中，目标SSS为SSS列表中的任一SSS；
若所述SSS列表中各SSS的分配次数均超过预设次数，则
从已配置SSS的待优化小区中获取与当前小区相同PSS的第一目标小区，当前小区为待配置SSS的小区；
当前小区分别复用第一目标小区的PCI，并分别判断复用PCI后的当前小区是否满足第三约束条件，若满足，则将对应的第一目标小区作为第二目标小区；
确定所述第二目标小区中各小区与所述当前小区的距离，并将距离最大的第二目标小区对应的SSS作为当前小区的SSS；
根据所述待优化小区的SSS配置方案和PSS配置方案构建所述待优化小区的PCI配置方案。
8.如权利要求1至7任一项所述的方法，其特征在于，还包括：
确定目标PCI配置方案中归一化处理后的第一切换限制对相同的PSS数量P1、第一干扰限制对相同的PSS数量P2，一阶邻区相同的PSS数量P3，预设距离内相同PCI的小区数量P4，其中，目标PCI配置方案为PCI配置方案中的任一PCI配置方案；
确定PCI配置方案中第一切换限制对相同的PSS数量的最大值P1max和最小值P1min，第一干扰限制对相同的PSS数量的最大值P2max和最小值P2min，一阶邻区相同的PSS数量的最大值P3max和最小值P3min，预设距离内相同PCI小区的数量的最大值P4max和最小值P4min；
根据表达式
Figure FDA0002541851640000031
确定目标PCI配置方案的评估值V；其中，W1为第一切换限制对相同的PSS数量的权重，W2为第一干扰限制对相同的PSS数量的权重，W3为一阶邻区相同的PSS数量的权重，W4为预设距离内相同PCI的小区数量的权重；
将评估值最大的目标PCI配置方案作为所述待优化小区的选定PCI配置方案。
9.一种物理小区标识的优化配置设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至8任一项所述的物理小区标识的优化配置方法。
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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的物理小区标识的优化配置方法。
CN201910282911.0A 2019-04-10 2019-04-10 物理小区标识的优化配置方法及设备 Active CN109996266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910282911.0A CN109996266B (zh) 2019-04-10 2019-04-10 物理小区标识的优化配置方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910282911.0A CN109996266B (zh) 2019-04-10 2019-04-10 物理小区标识的优化配置方法及设备

Publications (2)

Publication Number Publication Date
CN109996266A CN109996266A (zh) 2019-07-09
CN109996266B true CN109996266B (zh) 2020-10-09

Family

ID=67131272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910282911.0A Active CN109996266B (zh) 2019-04-10 2019-04-10 物理小区标识的优化配置方法及设备

Country Status (1)

Country Link
CN (1) CN109996266B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108271181A (zh) * 2016-12-30 2018-07-10 上海大唐移动通信设备有限公司 一种无线网络的pci优化方法及装置
CN108271178A (zh) * 2016-12-30 2018-07-10 上海大唐移动通信设备有限公司 一种物理小区标识pci优化方法及装置
WO2018160008A1 (ko) * 2017-03-02 2018-09-07 엘지전자 주식회사 가변 대역폭을 지원하는 방법 및 장치
CN108810880A (zh) * 2017-05-05 2018-11-13 中国移动通信集团公司 物理小区标识的规划方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108271181A (zh) * 2016-12-30 2018-07-10 上海大唐移动通信设备有限公司 一种无线网络的pci优化方法及装置
CN108271178A (zh) * 2016-12-30 2018-07-10 上海大唐移动通信设备有限公司 一种物理小区标识pci优化方法及装置
WO2018160008A1 (ko) * 2017-03-02 2018-09-07 엘지전자 주식회사 가변 대역폭을 지원하는 방법 및 장치
CN108810880A (zh) * 2017-05-05 2018-11-13 中国移动通信集团公司 物理小区标识的规划方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Physical Cell Identity Self-Organization Algorithm in LTE-Advanced Systems;Jingjie Yu etc;《2012 7th International ICST Conference on Communications and Networking in China (CHINACOM)》;20121231;全文 *
Physical Cell ID Detection Probability Using Synchronization Signals for NR Radio Interface;Kyogo Ota etc;《The 21st International Symposium on Wireless Personal Multimedia Communications (WPMC- 2018)》;20181231;全文 *
一种智能遗传算法在LTE小区PCI优化中的应用;沈骜等;《电信工程技术与标准化》;20171231;全文 *

Also Published As

Publication number Publication date
CN109996266A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
US11758415B2 (en) Method and apparatus of sharing information related to status
JP6320939B2 (ja) 分散アンテナシステムを使用した地理的負荷平衡のための進化的アルゴリズム
JP3881013B2 (ja) 通信システム資源割当方法
EP3329639B1 (en) Network function virtualization
CN102640545A (zh) 电信网络节点和方法
CN110049474B (zh) 一种无线资源分配方法、装置及基站
US20100298022A1 (en) Configuration of radio coverage
CN111181792A (zh) 基于网络拓扑的sdn控制器部署方法、装置及电子设备
CN112308345A (zh) 通信网络负荷预测方法、装置及服务器
CN109996266B (zh) 物理小区标识的优化配置方法及设备
CN113850426A (zh) 一种消防站选址方法、装置、终端设备及存储介质
CN109391946B (zh) 一种基站簇规划的方法及装置
CN108271178B (zh) 一种物理小区标识pci优化方法及装置
CN110312260B (zh) Lte电力无线专网重叠小区物理标识优化方法及系统
CN109561436B (zh) 一种物理层小区标识pci优化的方法、设备、计算机可读存储介质和装置
CN108271216B (zh) 自组网负载均衡方法、装置及云平台容灾系统
CN102026239A (zh) 一种基于测量报告的频率优化方法
CN108495318B (zh) 基于mr数据的多小区pci智能规划方法
EP1040693A1 (en) A method for predicting interference in a frequency hopping cellular communications system
CN113133006B (zh) 规划基站站址的方法和装置
CN112637904B (zh) 负载均衡方法、装置及计算设备
CN112085282A (zh) 小区流量预测方法及服务器
CN108064051B (zh) 确定网络射频优化方案的方法、装置及设备
CN114205249A (zh) 资源分配方法及终端设备
CN109121140B (zh) 一种无线网络小区的参数配置方法及设备

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