CN110100148B - 用于管理天线倾斜的方法和设备 - Google Patents
用于管理天线倾斜的方法和设备 Download PDFInfo
- Publication number
- CN110100148B CN110100148B CN201680091951.1A CN201680091951A CN110100148B CN 110100148 B CN110100148 B CN 110100148B CN 201680091951 A CN201680091951 A CN 201680091951A CN 110100148 B CN110100148 B CN 110100148B
- Authority
- CN
- China
- Prior art keywords
- antenna
- propagation
- antenna tilt
- elevation model
- tilt angle
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 66
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 3
- 238000004364 calculation method Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 238000005457 optimization Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q1/00—Details of, or arrangements associated with, antennas
- H01Q1/12—Supports; Mounting means
- H01Q1/22—Supports; Mounting means by structural association with other equipment or articles
- H01Q1/24—Supports; Mounting means by structural association with other equipment or articles with receiving set
- H01Q1/241—Supports; Mounting means by structural association with other equipment or articles with receiving set used in mobile communications, e.g. GSM
- H01Q1/246—Supports; Mounting means by structural association with other equipment or articles with receiving set used in mobile communications, e.g. GSM specially adapted for base stations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
公开一种管理在覆盖区上提供网络覆盖的天线的倾斜的方法100。该方法包括得到覆盖区的高程模型100A,并且按照参考天线倾角和所建议天线倾角来计算得到对高程模型上的点的天线衰减100B。方法100还包括使用所计算所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响100C,并且如果预测影响满足可接受性标准则同意所建议天线倾角的使用100D。还公开的是配置成执行管理天线的倾斜的方法的设备和计算机程序产品。
Description
技术领域
本发明涉及一种管理在覆盖区上提供网络覆盖的天线的倾斜的方法。本发明还涉及一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备以及涉及计算机程序和计算机程序产品,其配置成在计算机上运行时执行管理在覆盖区上提供网络覆盖的天线的倾斜的方法。
背景技术
蜂窝网络能力、用户设备(UE)以及网络硬件和软件的持续进步意味着蜂窝通信网络现在负责大量数据传递,其中数据需求仅在可预见的未来开始增加。管理这个增长需求并且优化网络安装以使数据传递容量最大化是网络运营商以及硬件和软件两者的提供商的目前的重要难题。
对蜂窝网络的小区的通信网络覆盖通过位于无线电基站并且对位于小区的覆盖区中的UE提供无线电网络接入的一个或多个天线来提供。单独UE所经历的网络性能不仅受到包括业务条件、网络地形等的网络因素所影响,而且还受到天线性能所影响。
天线倾斜优化是一个过程,其中操作员修改天线的倾斜,以便在覆盖、质量和/或容量方面改进小区的性能。修改天线的倾角改变天线所提供的小区的传播模式,即来自天线的在特定方向的无线电波的强度。天线倾斜因此在确定小区的总覆盖区中起至关重要的作用,其中最佳天线倾斜在小区覆盖、容量和网络质量方面提供重要优点,而非最佳的倾斜能够对网络的最终用户体验的服务具有显著负面影响。在自组织网络(SON)领域中,产品提供对天线的自动远程电倾斜(RET)变更,以便改进小区的网络关键性能指示符(KPI)。
方法和设备当前存在,其基于网络性能数据为不同天线模式和倾角来提供加权函数。但是,这类解决方案无法考虑如下事实:网络性能(并且特别是天线性能)可能不仅受到网络因素、而且还受到环境因素(包括覆盖区中的自然和人造结构、植物的季节变化、气候变化等)所影响。在没有考虑这类信息的情况下对天线倾角进行变更能够引起对网络KPI的非预期影响。在一些示例中,在通过加权函数预测正面影响时,KPI实际上可被天线倾斜变更负面影响。有效地管理天线倾角以优化网络性能因而仍然是通信网络行业的目前难题。
发明内容
本发明的目标是提供至少部分解决上述难题的一个或多个的方法、设备和计算机可读介质。
按照本发明的第一方面,提供一种管理在覆盖区上提供网络覆盖的天线的倾斜的方法。该方法包括得到覆盖区的高程模型,并且按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。该方法还包括使用所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响,并且如果预测影响满足可接受性标准则同意所建议天线倾角的使用。
按照本公开的示例,该方法可在特定网络元件内或者作为虚拟化网络功能进行。
按照本公开的示例,可接受性标准可包括作为正面影响或者可接受性阈值之内的负面影响的影响。可接受性标准可以是可配置的,使得它可按照网络条件和网络运营商适当性来调整。
按照本公开的示例,参考天线倾角可以是当前天线倾角。
按照本公开的示例,得到覆盖区的高程模型可包括将覆盖区分为多个传播格(propagation bin),并且从每个格内的点的高程数据来计算每个传播格的平均高程。
按照本公开的示例,传播格可包括覆盖区的一个区域,其跨越整个天线波束宽度,并且从内边界延伸到外边界。传播格的内和外边界可根据离天线的距离或者根据有关与天线的用户设备(UE)通信的参数(包括例如WCDMA(3G)网络中的传播延迟或者GSM(2G)和LTE(4G)网络中的定时提前)来定义。
按照本公开的示例,按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减可包括:对于参考天线倾角和所建议天线倾角中的至少一个,得到相关倾角下的天线的传播模式;计算从天线到高程模型上的点的垂直角;以及从所得传播模式来确定所计算垂直角下的天线衰减。
按照本公开的示例,以下步骤可对参考天线倾角和所建议天线倾角两者来执行:得到相关倾角下的天线的传播模式、计算从天线到高程模型上的点的垂直角并且从所得传播模式来确定所计算垂直角下的天线衰减。在参考天线倾角不是当前天线倾角的示例中,情况可尤其是这样。
按照本公开的示例,按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减可包括:对于当前天线倾角,得到高程模型上的点处的所测量接收信号功率,并且从所测量接收信号功率来计算对高程模型上的点的天线衰减。
按照本公开的示例,得到高程模型上的点处的所测量接收信号功率可包括下列步骤的至少一个:得到来自位于高程模型上的点的阈值距离之内的用户设备的平均接收信号功率;或者得到来自位于高程模型上的点的阈值距离之内的用户设备的迹线。按照本公开的示例,迹线可包括如3GPP规范TS 32.421中定义的用户和设备迹线,按照其可向网络报告与UE相关的信息以及UE处发生的事件。
按照本公开的示例,从所测量接收信号功率来计算对高程模型上的点的天线衰减可包括将所测量接收信号功率与发射信号功率进行比较,并且考虑包括自由空间衰减和UE天线增益的因素。
按照本公开的示例,按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减还可包括:确定高程模型上的点处的所测量接收信号功率是否可用;以及如果高程模型上的点处的所测量接收信号功率是可用的,则得到高程模型上的点处的所测量接收信号功率,并且从所测量接收信号功率来计算当前倾角下对高程模型上的点的天线衰减。如果高程模型上的点处的所测量接收信号功率不可用,则得到对高程模型上的点的天线衰减可包括:得到当前倾角下的天线的传播模式;得到从天线到高程模型上的点的垂直角;以及从所得传播模式来确定所计算垂直角下的天线衰减。
按照本公开的示例,得到从天线到高程模型上的点的垂直角可包括计算垂直角,或者可包括例如如果所建议倾角的天线衰减的上下文中已经计算角度,则检索先前计算的垂直角。
按照本公开的示例,计算从天线到高程模型上的点的垂直角可包括计算从天线到每个传播格处的平均高程的垂直角。
按照本公开的示例,使用所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响可包括:得到覆盖区内的参考业务分布,通过对于每个点从参考倾角下的天线衰减中减去所建议倾角下的天线衰减来计算高程模型上的点的增量增益值,并且通过将所计算增量增益与参考业务分布相结合来预测覆盖区内的新业务分布。
按照本公开的示例,参考业务分布可以是当前业务分布。
按照本公开的示例,得到参考业务分布可包括得到每个传播格内的业务样本的归一化数量。按照本公开的示例,计算高程模型上的点的增量增益值可包括计算每个传播格的平均高程的增量增益值。按照本公开的示例,通过将所计算增量增益与参考业务分布相结合来预测覆盖区内的新业务分布可包括对于每个传播格,通过线性化传播格的所计算增量增益值并且将线性化增量增益值与传播格的业务样本的归一化数量相乘,来计算预测业务样本值。
按照本公开的示例,得到每个传播格内的业务样本的归一化数量可包括:对于每个传播格,得到格内的业务样本的数量;以及将格内的业务样本的数量除以覆盖区内的业务样本的总数。这样,参考业务分布的示例可更加重视包含更大数量的业务样本的传播格。
按照本公开的示例,得到传播格内的业务样本的数量可包括得到位于传播格内并且向提供有通过天线的网络覆盖的小区所注册的UE的数量。
按照本公开的示例,得到每个传播格内的业务样本的归一化数量还包括:对于每个传播格,按照位于格内的用户设备的平均所测量接收信号功率与访问天线所提供的小区所要求的最小接收信号功率之间的关系来对格内的业务样本的数量进行加权;以及按照位于覆盖区内的用户设备的平均所测量接收信号功率与访问天线所提供的小区所要求的最小接收信号功率之间的关系来对覆盖区内的业务样本的总数进行加权。
按照本公开的示例,对格内的业务样本的数量和覆盖区内的业务样本的总数进行加权可在位于格内的用户设备的平均所测量接收信号功率接近访问天线所提供的小区所要求的最小接收信号功率时增加格内的业务样本的归一化数量。这样,参考业务分布的示例可更加重视其中平均接收信号功率最接近访问小区所要求的最小接收信号功率的传播格。
按照本公开的示例,使用所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响还可包括通过合计传播格的每个的预测业务样本值来生成初始预测覆盖损失值。
按照本公开的示例,生成初始预测覆盖损失值还可包括从合计预测业务值中减去1。
按照本公开的另外的示例,得到参考业务分布可包括得到每个传播格中的用户设备的所测量接收信号功率。按照本公开的示例,计算高程模型上的点的增量增益值可包括计算每个传播格的平均高程的增量增益值。按照本公开的示例,通过将所计算增量增益与参考业务分布相结合来预测覆盖区内的新业务分布可包括:对于每个传播格,通过将传播格的所计算增量增益值与传播格中的用户设备的所测量接收信号功率相加,来计算传播格中的用户设备的预测接收信号功率。
按照本公开的示例,使用所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响可包括:对于每个传播格,计算传播格中的其预测接收信号功率低于访问天线所提供的小区所要求的最小接收信号功率的用户设备的百分比。
按照本公开的示例,使用所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响还可包括通过合计传播格的每个的用户设备的所计算百分比来生成初始预测覆盖损失值。
按照本公开的示例,使用所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响还可包括计算最终预测覆盖损失值,其中最终预测覆盖损失值包括输入的加权和,所述输入包括初始预测覆盖损失值。
按照本公开的示例,加权和的其余输入可包括天线所提供的网络小区的特征。
按照本公开的示例,小区特征可包括下列至少一个:小区范围;小区功率份额;站点间距离;业务语音份额,业务数据份额,业务语音,业务数据,和/或平均活动集大小。
按照本公开的示例,加权和的加权系数可通过机器学习算法来确定。
按照本公开的示例,该方法还可包括:如果同意所建议天线倾角,则得到所建议天线倾斜的实现之后的实际覆盖损失值,并且将实际覆盖损失值输入到机器学习算法,以细化加权系数。
按照本公开的示例,该方法还可包括按照天线所提供的网络小区的类别来选择加权和的加权系数的集合。
按照本公开的示例,小区类别可通过以下中的至少一个来确定:小区带宽、小区技术、同一扇区或频带中的UARFCN的数量和/或扇区配置。
按照本公开的示例,该方法还可包括:如果预测影响不满足可接受性标准,则拒绝所建议天线倾角的使用,并且汇编备选所建议天线倾角的范围,备选所建议天线倾角处于参考天线倾角的阈值余量之内。该方法还可包括:按照备选所建议天线倾角来计算对高程模型上的点的天线衰减;使用所计算衰减来预测对于从参考天线倾角到备选所建议天线倾角的变化的覆盖区内的网络业务分布的影响;以及如果预测影响的任一个满足可接受性标准,则同意对应备选所建议天线倾角的使用。
按照本公开的示例,所建议天线倾角可通过网络操作员和/或优化功能其中之一来生成。优化功能例如可以是自组织网络(SON)中的远程电气倾斜(RET)功能。
按照本公开的另一个示例,提供一种包含指令的计算机程序,所述指令在至少一个处理器上运行时使至少一个处理器执行按照本公开的先前方面或示例的任一个的方法。
按照本公开的另一个示例,提供一种包含按照本公开的先前方面的计算机程序的载体,其中该载体包括以下之一:电子信号、光学信号、无线电信号或计算机可读存储介质。
按照本公开的另一个示例,提供一种计算机程序产品,其包含其上存储了按照本公开的前一方面的计算机程序的非暂时计算机可读介质。
按照本公开的另一个示例,提供一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备。该设备包括处理器和存储器,存储器包含处理器可执行的指令,使得该设备可操作以得到覆盖区的高程模型,并且按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。该设备还可操作以使用所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响,并且如果预测影响满足可接受性标准,则同意所建议天线倾角的使用。
按照本公开的另一个示例,提供一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备。该设备适于得到覆盖区的高程模型,并且按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。该设备还可操作以使用所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响,并且如果预测影响满足可接受性标准,则同意所建议天线倾角的使用。
按照本公开的另一个示例,提供一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备。该设备包括:高程模块,用于得到覆盖区的高程模型;以及天线传播模块,用于按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。该设备还包括:影响模块,用于使用所得衰减来预测从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响;以及反馈模块,用于如果预测影响满足可接受性标准,则同意所建议天线倾角的使用。
附图说明
为了更好地了解本发明以及更清楚地示出它可如何被实现,现在将作为举例参照以下附图,其中:
图1是示出管理天线的倾斜的方法中的过程步骤的流程图;
图2是示出作为优化循环的部分的图1的方法的应用的框图;
图3a至图3f是示出管理天线的倾斜的方法的另一个示例中的过程步骤的流程图;
图4是天线传播格的表示;
图5是天线覆盖区的高程模型的表示;
图6是对高程模型上的点的天线传播的表示;
图7是天线传播模式的表示;
图8示出增量增益值;
图9是用户业务分布的图形表示;
图10示出归一化用户业务分布;
图11示出预测业务分布的计算;
图12示出初始覆盖损失预测的计算;
图13是表示机器学习模型的框图;
图14是示出设备的示例中的功能单元的框图;以及
图15是示出设备的另一个示例中的功能单元的框图。
具体实施方式
本公开的方面提供通过预测对于从参考倾角到所建议倾角的变化的天线的覆盖区内的网络业务分布的影响来准许所建议天线倾角的评估的方法和设备。按照本公开的不同示例,在评估变化到所建议天线倾角的影响中可以考虑本地地形、网络用户分布和天线传播模式。在一些示例中,所建议天线倾角可基于预测影响的可接受性标准来同意或拒绝,以及可评估和同意备选所建议天线倾角。
图1是示出按照本公开的示例的方法100中的过程步骤的流程图。方法100用于管理在覆盖区上提供网络覆盖的天线的倾斜。参照图1,在第一步骤100A,该方法包括得到覆盖区的高程模型。这例如可包括咨询覆盖区的位置的数字高程记录,以便构建高程模型。在步骤100B,该方法包括按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。参考天线倾角例如可以是当前天线倾角。在步骤100C,该方法包括使用所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响。在步骤100D,该方法包括评估预测影响是否满足可接受性标准。最后,如果预测影响确实满足可接受性标准,则该方法包括在步骤100E同意所建议天线倾角的使用。
方法100可作为进行中网络管理和优化过程的部分来执行。由于对进行天线倾斜变更的其他网络元件的潜在影响,以及对网络接口之间的数据共享的限制,使天线倾角的管理在网络管理级而不是在网络元件级来执行可以是适当的。因此,该方法可在管理元件中或者通过管理功能(其例如可以是虚拟化网络功能(VNF))来执行。图2示出方法100可例如作为天线倾斜的优化循环的部分来适应于网络管理过程的情况。参照图2,网络元件2可收集网络数据4,该数据可被提供给优化功能6和/或网络工程师8。网络数据可包括与网络的机能和/或网络的用户所体验的服务或性能等级有关的大范围的数据。基于网络数据4,优化功能6和/或网络工程师8可生成倾斜建议10,其包含网络内的一个或多个天线的所建议倾角。所建议倾角可被提交给执行方法100的元件或功能,在图2中示为覆盖损失预测功能12。如果被同意,则所建议倾角可如在14所示来实现,从而引起网络性能的变化。这个变化可在网络元件2所收集并且转发到优化功能6和/或网络工程师8的新网络数据4中反映。新倾斜建议可基于新网络数据来生成,这些建议可由覆盖损失预测功能12来评估以及同意或拒绝。
图2示出方法100可如何用于评估由网络工程师所建议的手动天线倾斜变更以及评估例如由作为自组织网络(SON)环境的部分的远程天线倾斜(RET)功能所建议的自动天线倾斜变更。
图3a至图3f示出说明管理在覆盖区上提供网络覆盖的天线的倾斜的方法200的另一个示例中的过程步骤的流程图。天线例如可以是扇区天线,其在通过角波束宽度所定义并且从天线的位置延伸到最大覆盖半径的扇区形状覆盖区上提供网络覆盖。方法200的步骤示出一种方式,其中方法100的步骤可被细分和补充,以便取得上述及附加功能性。如同方法100的情况中一样,方法200可由网络管理元件或功能来执行,以及在以下论述中,仅为了说明目的,方法200描述为由覆盖损失预测(CLP)功能进行。
首先参照图3a,在第一步骤202,CLP功能接收所建议天线倾角。如以上参照图2所述,所建议天线倾角可在步骤202a从网络操作员或者在步骤202b从优化功能来接收,例如作为SON环境内的RET功能的部分。方法200针对参考天线倾角(其在许多情况下可以是当前天线倾角)来评估所建议天线倾角,但是可设想其他参考天线倾角。如果参考天线倾角是当前天线倾角,则来自覆盖区内的UE的测量可用来协助若干评估步骤,如以下所详述的。如果参考天线倾角不是当前天线倾角,则将不使用这类测量。甚至当参考天线倾角是当前天线倾角时,UE测量也可能不一定是可用的,并且因而以下论述涵盖其中使用UE测量的方法的示例以及其中不使用UE测量的示例。
在步骤204,CLP功能将覆盖区分为多个传播格。这个划分可在每次CLP功能执行方法200时重新执行,或者例如如果步骤202在先前接收的所建议倾角的上下文中已经执行,则CLP功能可检索覆盖区的现有划分。天线传播格的地理表示在图4中示出。参照图4,天线位置标记为X,其中多个传播格20从天线位置X朝外径向延伸。每个传播格跨越整个天线波束宽度,并且从内边界延伸到外边界。传播格的内和外边界可根据离天线的距离或者根据有关与天线的用户设备(UE)通信的参数(包括例如WCDMA(3G)网络中的传播延迟或者GSM(2G)和LTE(4G)网络中的定时提前)来定义。
在步骤206,CLP功能通过从每个传播格内的点的高程数据计算每个传播格的平均高程,来得到覆盖区的高程模型。数字高程数据可从公共可用地图或者所涉及地理区域的在线数据库来得到。这种数字高程信息可与天线的位置及其方位(或方向)和高程一起用来得到每个高程格内的点的范围的高程。传播格内的单独点的高程然后可被求平均,以得到每个传播格的平均高程。图5示出可在步骤206所生成的示例高程模型。参照图5,多个传播格20的平均高程22覆盖在曲线24上,曲线24以离天线位置的增加距离来表示高程变化。在每个格中对其评估高程的点的数量可按照对格的平均高程所预期的精确程度来选择。点可以以天线波束宽度附近的相等角间隔来选择,并且可选择为离内和外传播格边界是基本上等距的。在一个示例中,对于60°天线波束宽度,可以以15°间距来选择5个点。下面提供可用来构建高程模型(例如图5的模型)的公式。公式的输入包括天线位置的纬度和经度、天线的方位以及所考虑的点的定时提前距离:
其中:
R=地球半径
CellAzimuth = 小区天线的方向
dta = 单位为km的定时提前距离
Latcell = 单位为弧度的小区的纬度
Longcell = 单位为弧度的小区的经度
Azimuthoffset = 小区波束宽度内的角度偏移
Bearing = radian ( CellAzimuth + Azimuthoffset)。
又参照图3a,一旦已经计算每个传播格的平均高程,CLP功能则在步骤208确定覆盖区中的UE的所测量接收信号功率是否可用。在一些示例中,执行步骤208可以以参考天线倾角是当前天线倾角为条件进行,因此测量仅对当前天线倾角是相关的,如上所述。所测量接收信号功率例如可采取计数器或UE迹线的形式是可用的。计数器例如可实现每个传播格的平均接收信号功率的计算。这例如可以是3G网络的平均公共导频信道(CPICH)功率、4G网络的参考信号功率或其他信号功率,这取决于网络的无线电接入技术。如上所述,UE迹线可包括如3GPP规范TS 32.421中定义的用户和设备迹线,按照其可向网络报告与UE相关的信息以及UE处发生的事件。因此,UE迹线可提供例如在传播格内的每个UE处的实际所测量接收信号功率之类的信息。如果所测量接收信号功率是可用的(在步骤208的“是”),则CLP功能继续(如图3b所示)以在步骤210得到高程模型上的点处的所测量接收信号功率。如上所述,这可包括在步骤210a得到来自位于高程模型上的点的阈值距离之内的UE的平均接收CPICH功率。在其他示例中,得到高程模型上的点处的所测量接收信号功率可包括在步骤210b得到来自位于高程模型上的点的阈值距离之内的UE的迹线。在步骤210a或者210b,如果高程模型上的点包括每个传播格处的平均高程,则阈值距离之内的UE例如可包括格内的全部UE。
所测量接收信号功率可实现在步骤212的对高程模型上的点的当前天线衰减的计算。如上所述,这些点可以是在步骤206所计算的每个传播格的平均高程。可通过将相关点处的所测量接收信号功率与发射信号功率进行比较,并且然后考虑自由空间衰减、UE天线增益和任何其他因素(其除了天线衰减之外也可影响接收信号功率),来计算每个点处的天线增益。
在计算当前天线角下对高程模型上的点(例如每个传播格处的平均高程)的天线衰减之后,CLP功能然后在继续在步骤218得到所建议倾角下的天线的传播模式之前,在步骤214选择所建议天线倾角,如下面更详细论述。
又参照图3a,如果所测量接收信号功率不可用(在步骤208的“否”),则CLP功能在步骤216继续以选择参考天线倾角和所建议天线倾角其中之一。如在步骤216a所示并且如上所述,参考天线倾角可以是当前天线倾角。CLP功能然后继续以得到相关倾角下的天线的传播模式。如果CLP功能已经执行步骤210至214,则这将是在步骤214所选的所建议倾角。如果CLP功能尚未执行步骤210至214,则相关倾角将是在步骤216所选的参考(例如当前)或者所建议倾角中的任何一个。示例天线传播模式在图7中示出。每个天线类型和模型具有不同传播模式,其通过天线的硬件构建、天线功率以及还有天线的倾斜度来规定。在不同的倾斜度,单独天线的传播模式将发生变化。因此,步骤218包括例如通过从存储器检索或者向适当源请求,来得到在步骤216或214所选的倾角下的天线的传播模式。
已经得到了天线传播模式,CLP功能然后计算从天线到高程模型上的点的垂直角,这些点可以是每个传播格处的平均高程,如上所述并且在步骤220a所示。这个计算在图6中示出,其中角度αi是从天线高程到第i个传播格处的平均高程的垂直角:
CLP功能然后从在步骤218所得到的传播模式来确定所计算垂直角下的相关天线倾角的天线衰减。在步骤224,CLP功能检查是否已经经过步骤216至222或者经由步骤210至214来考虑两种倾角。如果尚未考虑两种角度,则CLP功能返回到步骤216,以选择另一倾角。一旦已经考虑两种倾角,则CLP功能继续到图3c所示的步骤226,并且得到覆盖区内的参考业务分布。如果参考倾角是当前倾角,则参考业务分布可以是当前业务分布。图3d更详细示出得到参考业务分布中可涉及的步骤。
参照图3d,所得到的参考业务分布的性质可取决于可用的UE测量信息的性质。如果UE迹线是可用的,则得到参考(当前)UE业务分布可包括得到每个传播格中的UE的所测量接收信号功率,如在步骤226a所示。如果UE迹线不可用,则得到参考(当前)业务分布可包括在步骤226b得到每个传播格内的业务样本的归一化数量。归一化业务样本的数量可使CLP更加重视某些格,如下面更详细论述。在第一示例(其中没有UE测量信息可用,或者其中这种信息将不被考虑)中,得到每个传播格中的业务样本的归一化数量首先包括在步骤226bi得到每个传播格内的业务样本的数量。示出每传播格的业务样本的示例图表在图9中示出。然后在通过在步骤226bv将每个格的样本的数量除以覆盖区的样本的总数来得到每个格的归一化数量之前,在步骤226biii得到覆盖区内的业务样本的总数。因此,按照这个第一示例的第i格的样本的归一化数量s’i被计算为:
其中:
si = 第i格中的样本的数量
s'I= 第i格中的样本的归一化数量
B = 格的总数
在这个第一示例中,每格的业务样本的归一化数量更加重视具有更大浓度的业务样本(并且因此UE)的那些格。图10示出归一化之前和之后的每传播格的示例业务样本。
在另一个示例(其中UE计数器是可用的)中,这个信息可在计算业务样本的归一化数量中用来更加重视其中平均接收信号功率接近访问天线所提供的小区所要求的最小信号功率的那些格。在3G网络中,这个最小功率级称作QRSCPmin,其他网络具有其他定义,但是小区的最小接收功率级的概念存在于基本上全部网络技术中。在以下示例中参照QRSCPmin,但是将会理解,这只是为了说明目的,并且其他最小接收功率值可替代QRSCPmin。为了对其中平均接收信号功率最接近小区访问的最小等级的传播格提供更大重要性,加权值R可被计算并且应用于每格的业务样本的数量(对第i格为R’i)以及覆盖区中的业务样本的总数两者。
对于单独传播格i,可通过从那个小区的最大可能接收功率范围(表示为M)中减去格的平均接收信号功率,并且然后归一化这个指标,来计算加权因子R’i。在本论述中,RSCP用作示例接收信号功率。因此,Ri计算为M – AvgRSCPi。在3G的情况下,小区功率范围为-25dbm至QRSCPmin,其等于-100dbm,从而产生75dbm的范围值M。R’i计算为Ri/M。对于业务样本的总数,对于从k=1至k=B(格的总数)的每个格来计算适当加权因子R’。这些加权因子在被合计以提供样本的加权总数之前被应用于每个格的样本数量,如以下公式所示。
上述加权因子R的应用在图3d的步骤226bii和226biv示出。在步骤226bii,CLP功能按照位于格内的UE的平均所测量接收信号功率与访问天线所提供的小区所要求的最小接收信号功率之间的关系来对所考虑的格内的业务样本的数量进行加权。这可通过将格中的样本的数量与加权因子R’i相乘来执行。在步骤226biv,CLP功能按照位于覆盖区中的全部格内的UE的平均接收信号功率与小区访问所要求的最小接收信号功率之间的关系来对覆盖区内的业务样本的总数进行加权。这可通过将每个格的样本的数量与那个格的适当加权因子R’k相乘并且然后合计全部格的样本的加权数量来取得。因此,按照这个第二示例,用于计算每个传播格内的业务样本的归一化数量的公式变为:
又参照图3c,一旦CLP功能在步骤226已经得到参考业务分布,CLP功能则在步骤228继续以通过对每个点从参考倾角下的天线衰减中减去所建议倾角下的天线衰减,来计算高程模型上的点的增量增益值。如上所述,高程模型上的点可以是每个传播格处的平均高程,如在步骤228a所示,并且与在步骤212和/或222所计算和/或确定的衰减一致。因此,对于传播格i以及到格i处的平均高程的垂直角αi,增量增益计算为:
其中:
CLP功能然后在步骤230通过将所计算增量增益与参考业务分布相结合,来预测覆盖区内的新业务分布。
如图3e所示,步骤230可按照参考业务分布的性质并且按照UE测量是否可用(以及如果可用的话,则哪一种UE测量是可用的)采用不同方式来执行。
参照图3e,在第一子步骤,CLP功能确定单独UE接收信号功率测量是否可用。这类测量可从UE迹线来得到。如果单独UE接收信号功率不可用,则CLP功能遵循图3e的右边路径,首先在步骤234线性化传播格的所计算增量增益,并且然后将线性化增量增益值与如在步骤226b所计算的传播格的业务样本的归一化数量相乘。业务样本的归一化数量与格的线性化增量增益值的相乘提供如果实现所建议倾角则将存在于格中的样本的数量的投影。这些步骤在步骤240对全部传播格重复进行。示例增量增益值连同其线性化值的集合在图8中示出。通过将线性化增量增益值与每个格的归一化业务样本相乘来进行对预测业务样本值的计算在图11中示出。在步骤238,CLP功能通过合计每个传播格的预测业务样本值并且减1,来生成初始预测覆盖损失值Coverage Loss Prediction_Initial or CLP_Initial:
如果单独UE接收信号功率是可用的,则CLP功能遵循图3e的左边路径,在步骤242通过将传播格的所计算增量增益与传播格中的UE的所测量接收信号功率相加,来计算传播格中的UE的预测接收信号功率。这个步骤可基于如以上在步骤226a所述所计算的参考业务分布。CLP功能然后在步骤244计算相关传播格中的其预测接收信号功率低于访问小区所要求的最小数并且其因此被预测丢失小区覆盖的UE的百分比。步骤242和244然后如在步骤248所示对每个传播格重复进行。对图12中的示例传播格示出在步骤242和244的计算。示例传播格对于从参考(当前)倾角到所建议倾角的变化具有-4dbm的所计算增量增益。对示例传播格示出六个UE,但是将会理解,实际上,UE的数量可能相当高。在图12的左边能够看到,示例传播格中的许多UE具有接近-100dbm的3G最小数的所测量接收信号功率。一旦应用-4dbm的所计算增量增益,预测UE中的三个将具有小于最小值的接收信号功率,并且因此将丢失小区覆盖。在总共6个UE中,这意味着UE的预测50%将具有小于小区访问的最小值的接收信号功率。又参照图3e,一旦对传播格的每个已经计算百分比,则CLP功能在步骤246通过合计传播格的每个的所计算百分比来生成初始CLP CLP_Initial。
步骤242至246的以上论述假定所测量接收信号功率仅对当前从天线以高于小区访问的最小等级的功率接收信号的UE是可用的。因此,以上计算不考虑可能位于覆盖区内但是没有充分强以有权访问小区地从天线接收信号的UE。如果天线倾斜到所建议倾角引起正增量增益,则这些UE的至少一些UE可以能够访问小区。例如,以-101dbm并且因而低于-100dbm的3G阈值进行接收的UE在2 dbm的正增量增益的情况下可有权访问小区。这个正增量增益将引起足以进行小区访问的-99dbm的UE的预测接收信号功率。如果附加数据是可用的,则可按照例如最小化路测(MDT)3GPP规范(按照其,UE将能够收集覆盖外信息,并且在一旦回到覆盖中时则向网络报告这个信息)来在上述计算中考虑这个位置中的UE。如果这种MDT数据是可用的,则覆盖外UE可被包含在步骤242和244的计算中,并且因此促成CLP_Initial的生成。
又参照图3c,接着如图3e所示所实现的步骤230,CLP功能基于合计预测归一化业务样本(如在步骤238)或者基于预测丢失小区覆盖的UE的合计百分比(如在步骤246)已经生成CLP_Initial的值。在步骤250,CLP功能计算作为包括CLP_Initial的输入的加权和的最终CLP值CLP_Final。如在步骤250a所示,加权和的加权系数可通过机器学习算法来确定,其可按照天线所提供的小区的类别来选择系数,如在步骤250b所示。加权和的其余输入可包括天线所提供的小区的特征,如在步骤250c所示。
步骤250的加权和使与所考虑的每个小区的特定无线电传播环境相关的特征能够在计算最终覆盖损失预测中被考虑。小区特征可包括与小区配置以及与小区关键性能指示符(KPI)相关的特征。图13是可在汇编天线倾斜变更的最终覆盖损失预测中考虑这类特征的机器学习算法的表示。参照图13,机器学习算法通过将小区按照其配置编组成类别,并且生成每个类别的专用机器学习模型,来考虑小区配置。小区配置的数量相对受到限制,以及通过将小区按照其小区配置进行编组,机器学习算法可有效地使所生成模型适合每个类别,其具有每个类别的专用训练数据集。小区到类别中的示例编组在下表1和2中示出:
表1:小区类别定义的示例
表2:小区类别的示例。
与小区KPI相关的小区特征用作通过机器学习模型所生成的加权和的输入。示例小区KPI在下表3中示出:
表3:小区KPI的示例。
能够看到,CLP_Initial是用作对加权和的输入的小区KPI之一。机器学习算法获取如上所示从小区KPI所汇编的输入向量。示例输入向量在表4中示出:
表4:机器学习输入向量。
将会理解,CL实际的值、对所建议天线倾角的变更之后所遭遇的实际覆盖损失将仅存在于训练数据集的输入向量中。
通过机器学习算法所生成的模型采取下列形式:
CLPfinal = w1*(小区范围) + w2(功率份额) +…+ w9* (CLPinitial)
其中,wx是表示模型的系数。
如果CLPfinal为正,则预测覆盖改进,而如果CLPfinal为负,则预测覆盖降级。如下面更详细论述并且如图13所示,如果基于CLP_Final,同意对所建议倾角的变更,则与变更之后所经历的实际覆盖损失有关的数据可被收集并且输入到机器学习模型,以允许实际使用新数据作为附加训练数据集对相关类别的模型的细化。
现在参照图3f,接着在步骤250的CLP_Final的计算,CLP功能在步骤252评估CLP_Final是否满足可接受性标准。可接受性标准可以是网络操作员可配置的,以反映不同部署情形和操作条件以及服务质量(QoS)优先级。例如,在一个或多个网络元件的故障、极为不利地气候条件或其他异常环境的情况下,适度覆盖降级可以是可接受的。在其他情况下,只有覆盖改进可以是可接受的。因此,如果CLP最终为正,或者如果CLP最终为负但高于可接受性阈值,则倾斜建议可由CLP功能在步骤254同意,从而允许相关自动或手动干预发生,以便将天线倾斜改变成所建议天线倾角。此后,实际覆盖损失值可在步骤256来得到,并且在步骤258输入到机器学习算法,从而允许机器学习模型的加权系数的细化。
如果最终覆盖损失预测CLP_Final不满足可接受性标准,则CLP功能在步骤260拒绝所建议天线倾角。CLP功能然后可在步骤262汇编参考天线倾角的阈值余量之内的备选所建议天线倾角的范围。阈值余量可设置成使得所建议天线倾角充分接近在步骤226所得到的参考业务分布保持为有效的参考天线倾角。在步骤264,CLP功能按照备选所建议天线倾角来计算对高程模型上的点的天线衰减。这可基本上如以上对原始所建议天线倾角所述来执行。在步骤266,CLP功能使用所计算衰减来预测对于从参考倾角到备选所建议倾角的变化的覆盖区内的网络业务分布的影响。这个计算再次可基本上如以上对原始所建议天线倾角所述来执行。在步骤268,CLP功能评估预测影响的任一个是否满足可接受性标准。如果预测影响的任一个确实满足可接受性标准,则由CLP功能在步骤270同意对应备选所建议天线倾角的使用。因此,在原始所建议天线倾角不满足可接受性标准的情况下,步骤262至270允许CLP功能建议对网络操作员或RET功能所提供的天线倾角的备选天线倾角。
将会理解,图3a至图3f示出可实现按照本公开的示例方法的一种方式。其他示例可按照与以上所述并且在附图中示出的顺序不同的顺序进行某些步骤。
如上所述,方法100、200可由CLP功能执行,CLP功能可实现为虚拟化网络功能(VNF)连同SON RET功能。VNF视情况而定可以是集中或分布的。CLP功能备选地可作为特定网络元件内的功能来植入。图14是示出示例设备300的框图,设备300可实现按照本公开的示例的方法100、200,例如接收来自计算机程序的适当指令。参照图14,该设备包括处理器302和存储器304。存储器304包含由处理器302可执行的指令,使得设备可操作以进行方法100和或200的步骤。
图15示出设备400的另一个示例中的功能单元,其可例如按照从计算机程序所接收的计算机可读指令来运行本公开的方法100、200的示例。将会理解,图15所示的单元是功能单元,并且可通过硬件和/或软件的任何适当组合来实现。单元可包括一个或多个处理器,并且可在任何程度上集成。
参照图15,该设备包括:高程模块402,用于得到覆盖区的高程模型;以及天线传播模块404,用于按照参考天线倾角和所建议天线倾角来得到对高程模型上的点的天线衰减。该设备还包括影响模块406,用于使用所计算所得衰减来预测对于从参考天线倾角到所建议天线倾角的变化的覆盖区内的网络业务分布的影响。该设备还包括反馈模块408,用于如果预测影响满足可接受性标准,则同意所建议天线倾角的使用。
高程模块402可用于将覆盖区分为多个传播格,并且从每个格内的点的高程数据来计算每个传播格的平均高程。
天线传播模块404可用于:对于参考天线倾角和所建议天线倾角中的至少一个,得到相关倾角下的天线的传播模式;计算从天线到高程模型上的点的垂直角;以及从所得传播模式来确定所计算垂直角下的天线衰减。
天线传播模块404可用于:对于当前天线倾角,得到高程模型上的点处的所测量接收信号功率;以及从所测量接收信号功率来计算对高程模型上的点的天线衰减。
天线传播模块404可用于:确定高程模型上的点处的所测量接收信号功率是否可用;以及如果高程模型上的点处的所测量接收信号功率是可用的,则得到高程模型上的点处的所测量接收信号功率;并且从所测量接收信号功率来计算当前倾角下对高程模型上的点的天线衰减。如果高程模型上的点处的所测量接收信号功率不可用,则天线衰减模块404可用于:得到当前倾角下的天线的传播模式;得到从天线到高程模型上的点的垂直角;以及从所得传播模式来确定所计算垂直角下的天线衰减。
影响模块406可用于得到覆盖区内的参考业务分布,通过对于每个点从参考倾角下的天线衰减中减去所建议倾角下的天线衰减来计算高程模型上的点的增量增益值,并且通过将所计算增量增益与参考业务分布相结合来预测覆盖区内的新业务分布。
影响模块406可用于通过合计传播格的每个的预测业务样本值,或者通过合计被预测丢失传播格的每个的小区覆盖的用户设备的所计算百分比,来生成初始预测覆盖损失值。
影响模块406可用于计算最终预测覆盖损失值,其中最终预测覆盖损失值包括输入的加权和,所述输入包括初始预测覆盖损失值。
反馈模块408可用于得到所建议天线倾斜的实现之后的实际覆盖损失值,并且将实际覆盖损失值输入到机器学习算法,以细化加权系数。
反馈模块408可用于:如果预测影响不满足可接受性标准,则拒绝所建议天线倾角的使用;以及汇编备选所建议天线倾角的范围,备选所建议天线倾角处于参考天线倾角的阈值余量之内。天线衰减模块404可用于按照备选所建议天线倾角来计算对高程模型上的点的天线衰减,以及影响模块406可用于使用所计算衰减来预测对于从参考天线倾角到备选所建议天线倾角的变化的覆盖区内的网络业务分布的影响。反馈模块408可用于如果预测影响满足可接受性标准,则同意备选所建议天线倾角的使用。
因此,本发明的方面提供实现所建议天线倾角的评估的方法和设备。天线覆盖区的高程数据可与天线传播模式和用户业务分布一起结合使用,以便提供对天线倾斜变更建议的小区覆盖的影响的准确预测。这类建议然后可基于对小区覆盖的预测影响来被同意或者拒绝。通过提供所建议天线倾角的影响的更准确预测,可取得天线倾斜变更的更大可靠性,从而引起改进网络性能。天线倾角变更的覆盖影响的准确预测使不适当倾角变更所引起的业务和覆盖损失能够得以避免。由于对昂贵路测和数据分析的降低需要以及对手动干预的降低需要,降低运营商开支。另外,本公开的方法和设备提供一种鲁棒且灵活的解决方案,其可适用于现有和将来天线模型两者以及手动和自动天线倾角建议。
本发明的方法可采用硬件或者作为运行于一个或多个处理器上的软件模块来实现。该方法还可按照计算机程序的指令来执行,并且本发明还提供一种其上存储了用于执行本文所述方法的任一种的程序的计算机可读介质。体现本发明的计算机程序可存储在计算机可读介质中,或者它例如可采取信号(例如从因特网网站所提供的可下载数据信号)的形式,或者它可采取任何其他形式。
应当注意,上述实施例说明而不是限制本发明,并且本领域的技术人员将能够设计许多备选实施例,而没有背离所附权利要求书的范围。词语“包括”并不排除除了权利要求书中所列之外的元件或步骤的存在,“一(a或an)”并不排除多个,以及单个处理器或另一单元可完成权利要求书中所述的若干单元的功能。权利要求书中的任何参考标号应不是被理解为限制其范围。
Claims (33)
1.一种管理在覆盖区上提供网络覆盖的天线的倾斜的方法,所述方法包括:
得到所述覆盖区的高程模型;
按照当前天线倾角和所建议天线倾角来得到对所述高程模型上的点的天线衰减,其中对于所述当前天线倾角,得到对所述高程模型上的点的天线衰减包括:
通过得到来自位于所述高程模型上的点的阈值距离之内的用户设备的如3GPP规范TS32.421中定义的用户和设备迹线来得到所述高程模型上的点处的所测量接收信号功率;以及
从所述所测量接收信号功率来计算对所述高程模型上的所述点的所述天线衰减;
使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
如果所预测的影响满足可接受性标准,则同意所述所建议天线倾角的使用。
2.如权利要求1所述的方法,其中得到所述覆盖区的高程模型包括:
将所述覆盖区分为多个传播格;以及
从每个传播格内的点的高程数据来计算每个传播格的平均高程。
3.如权利要求1-2中的任一项所述的方法,其中按照所述当前天线倾角和所述所建议天线倾角来得到对所述高程模型上的点的天线衰减包括:
对于所述当前天线倾角和所述所建议天线倾角中的至少一个:
得到相关倾角下的所述天线的传播模式;
计算从所述天线到所述高程模型上的点的垂直角;以及
从所得传播模式来确定所计算垂直角下的所述天线衰减。
4.如权利要求1至2中的任一项所述的方法,其中按照所述当前天线倾角和所述所建议天线倾角来得到对所述高程模型上的点的天线衰减还包括:
确定所述高程模型上的点处的所测量接收信号功率是否可用;以及
如果所述高程模型上的点处的所测量接收信号功率是可用的,则
得到所述高程模型上的点处的所述所测量接收信号功率;并且从所述所测量接收信号功率来计算所述当前天线倾角下对所述高程模型上的所述点的所述天线衰减;以及
如果所述高程模型上的点处的所测量接收信号功率不可用,则
得到所述当前天线倾角下的所述天线的传播模式;得到从所述天线到所述高程模型上的点的垂直角;并且从所得传播模式来确定所计算垂直角下的所述天线衰减。
5.如权利要求3从属于权利要求2时所述的方法,其中计算从所述天线到所述高程模型上的点的垂直角包括计算从所述天线到每个传播格处的所述平均高程的垂直角。
6.如权利要求1-2中的任一项所述的方法,其中使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响包括:
得到所述覆盖区内的当前业务分布;
通过对于每个点从所述当前天线倾角下的所述天线衰减中减去所述所建议天线倾角下的所述天线衰减,来计算所述高程模型上的点的增量增益;以及
通过将所计算增量增益与所述当前业务分布相结合,来预测所述覆盖区内的新业务分布。
7.如权利要求6从属于权利要求2时所述的方法,
其中得到当前业务分布包括得到每个传播格内的业务样本的归一化数量;
其中计算所述高程模型上的点的增量增益包括计算每个传播格的所述平均高程的增量增益;以及
其中通过将所计算增量增益与所述当前业务分布相结合来预测所述覆盖区内的新业务分布包括:
对于每个传播格,通过下列步骤来计算预测业务样本:
线性化所述传播格的所计算增量增益;以及
将所线性化的增量增益与所述传播格的业务样本的所述归一化数量相乘。
8.如权利要求7所述的方法,其中得到每个传播格内的业务样本的归一化数量包括对于每个传播格:
得到所述传播格内的业务样本的数量;以及
将所述传播格内的业务样本的所述数量除以所述覆盖区内的业务样本的总数。
9.如权利要求8所述的方法,其中得到每个传播格内的业务样本的归一化数量还包括对于每个传播格:
按照位于所述传播格内的用户设备的平均所测量接收信号功率与访问所述天线所提供的小区所要求的最小接收信号功率之间的关系来对所述传播格内的业务样本的所述数量进行加权;以及
按照位于所述覆盖区内的用户设备的平均所测量接收信号功率与访问所述天线所提供的所述小区所要求的所述最小接收信号功率之间的关系来对所述覆盖区内的业务样本的所述总数进行加权。
10.如权利要求9所述的方法,其中在位于传播格内的用户设备的所述平均所测量接收信号功率接近访问所述天线所提供的所述小区所要求的所述最小接收信号功率时,对所述传播格内的业务样本的所述数量和所述覆盖区内的业务样本的所述总数进行加权增加所述传播格内的业务样本的所述归一化数量。
11.如权利要求9至10中的任一项所述的方法,其中使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响还包括:
通过合计所述传播格的每个的所预测业务样本值来生成初始预测覆盖损失值。
12.如权利要求6从属于权利要求2时所述的方法,
其中得到当前业务分布包括得到每个传播格中的用户设备的所测量接收信号功率;
其中计算所述高程模型上的点的增量增益包括计算每个传播格的所述平均高程的增量增益;以及
其中通过将所计算增量增益与所述当前业务分布相结合来预测所述覆盖区内的新业务分布包括:
对于每个传播格,通过将所述传播格的所计算增量增益与所述传播格中的用户设备的所述所测量接收信号功率相加,来计算所述传播格中的用户设备的预测接收信号功率。
13.如权利要求12所述的方法,其中使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响包括:
对于每个传播格,计算所述传播格中的、其预测接收信号功率低于访问所述天线所提供的小区所要求的最小接收信号功率的用户设备的百分比。
14.如权利要求13所述的方法,其中使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响还包括:
通过合计所述传播格的每个的用户设备的所计算百分比来生成初始预测覆盖损失值。
15.如权利要求11所述的方法,其中使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响还包括计算最终预测覆盖损失值,其中所述最终预测覆盖损失值包括输入的加权和,所述输入包括所述初始预测覆盖损失值。
16.如权利要求15所述的方法,其中所述加权和的其余输入包括所述天线所提供的所述小区的特征。
17.如权利要求16所述的方法,其中所述小区特征包括下列至少一个:小区范围;小区功率份额;站点间距离;业务语音份额,业务数据份额,业务语音,业务数据,和/或平均活动集大小。
18.如权利要求15所述的方法,其中所述加权和的加权系数通过机器学习算法来确定。
19.如权利要求18所述的方法,还包括:如果同意所述所建议天线倾角,则:
得到所述所建议天线倾角的实现之后的实际覆盖损失值;以及
将所述实际覆盖损失值输入到所述机器学习算法,以细化所述加权系数。
20.如权利要求15所述的方法,还包括:
按照所述天线所提供的所述小区的类别来选择所述加权和的加权系数的集合。
21.如权利要求20所述的方法,其中小区类别通过以下中的至少一个来确定:小区带宽、小区技术、同一扇区或频带中的UARFCN的数量和/或扇区配置。
22.如权利要求1-2中的任一项所述的方法,还包括:如果所预测的影响不满足所述可接受性标准,则:
拒绝所述所建议天线倾角的使用;
汇编备选所建议天线倾角的范围,所述备选所建议天线倾角处于所述当前天线倾角的阈值余量之内;
按照所述备选所建议天线倾角来计算对所述高程模型上的点的天线衰减;
使用所计算衰减来预测对于从所述当前天线倾角到所述备选所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
如果所预测的影响的任一个满足所述可接受性标准,则同意对应备选所建议天线倾角的使用。
23.如权利要求1-2中的任一项所述的方法,其中所述所建议天线倾角通过下列之一来生成:
网络操作员;
优化功能。
24.一种包含指令的计算机程序,所述指令在至少一个处理器上运行时使所述至少一个处理器执行如前述权利要求中的任一项所述的方法。
25.一种包含如权利要求24所述的计算机程序的载体,其中所述载体包括以下之一:电子信号、光学信号、无线电信号或计算机可读存储介质。
26.一种计算机程序产品,包括其上存储了如权利要求24所述的计算机程序的非暂时计算机可读介质。
27.一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备,所述设备包括处理器和存储器,所述存储器包含由所述处理器可执行的指令,使得所述设备可操作以:
得到所述覆盖区的高程模型;
按照当前天线倾角和所建议天线倾角来得到对所述高程模型上的点的天线衰减,其中对于所述当前天线倾角,为了得到对所述高程模型上的点的天线衰减,所述设备可操作以:
通过得到来自位于所述高程模型上的点的阈值距离之内的用户设备的如3GPP规范TS32.421中定义的用户和设备迹线来得到所述高程模型上的点处的所测量接收信号功率;以及
从所述所测量接收信号功率来计算对所述高程模型上的所述点的所述天线衰减;
使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
如果所预测的影响满足可接受性标准,则同意所述所建议天线倾角的使用。
28.如权利要求27所述的设备,其中在得到所述覆盖区的高程模型中,所述设备可操作以:
将所述覆盖区分为多个传播格;以及
从每个传播格内的点的高程数据来计算每个传播格的平均高程。
29.如权利要求27或权利要求28所述的设备,其中在按照当前天线倾角和所建议天线倾角来得到对所述高程模型上的点的天线衰减中,所述设备可操作以:
对于所述当前天线倾角和所述所建议天线倾角中的至少一个:
得到相关倾角下的所述天线的传播模式;
计算从所述天线到所述高程模型上的点的垂直角;以及
从所得传播模式来确定所计算垂直角下的所述天线衰减。
30.如权利要求27-28中的任一项所述的设备,其中在使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响中,所述设备可操作以:
得到所述覆盖区内的当前业务分布;
通过对于每个点从所述当前天线倾角下的所述天线衰减中减去所述所建议天线倾角下的所述天线衰减,来计算所述高程模型上的点的增量增益;以及
通过将所计算增量增益与所述当前业务分布相结合,来预测所述覆盖区内的新业务分布。
31.如权利要求27-28中的任一项所述的设备,其中如果所预测的影响不满足所述可接受性标准,则所述设备可操作以:
拒绝所述所建议天线倾角的使用;
汇编备选所建议天线倾角的范围,所述备选所建议天线倾角处于所述当前天线倾角的阈值余量之内;
按照所述备选所建议天线倾角来计算对所述高程模型上的点的天线衰减;
使用所计算衰减来预测对于从所述当前天线倾角到所述备选所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
如果所预测的影响的任一个满足所述可接受性标准,则同意对应备选所建议天线倾角的使用。
32.一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备,所述设备适于:
得到所述覆盖区的高程模型;
按照当前天线倾角和所建议天线倾角来得到对所述高程模型上的点的天线衰减,其中对于所述当前天线倾角,为了得到对所述高程模型上的点的天线衰减,所述设备适于:
通过得到来自位于所述高程模型上的点的阈值距离之内的用户设备的如3GPP规范TS32.421中定义的用户和设备迹线来得到所述高程模型上的点处的所测量接收信号功率;以及
从所述所测量接收信号功率来计算对所述高程模型上的所述点的所述天线衰减;
使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
如果所预测的影响满足可接受性标准,则同意所述所建议天线倾角的使用。
33.一种用于管理在覆盖区上提供网络覆盖的天线的倾斜的设备,所述设备包括:
高程模块,用于得到所述覆盖区的高程模型;
天线传播模块,用于按照当前天线倾角和所建议天线倾角来得到对所述高程模型上的点的天线衰减,其中对于所述当前天线倾角,得到对所述高程模型上的点的天线衰减包括:
通过得到来自位于所述高程模型上的点的阈值距离之内的用户设备的如3GPP规范TS32.421中定义的用户和设备迹线来得到所述高程模型上的点处的所测量接收信号功率;以及
从所述所测量接收信号功率来计算对所述高程模型上的所述点的所述天线衰减;
影响模块,用于使用所得衰减来预测对于从所述当前天线倾角到所述所建议天线倾角的变化的所述覆盖区内的网络业务分布的影响;以及
反馈模块,用于如果所预测的影响满足可接受性标准,则同意所述所建议天线倾角的使用。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2016/076071 WO2018077420A1 (en) | 2016-10-28 | 2016-10-28 | Method and apparatus for managing antenna tilt |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110100148A CN110100148A (zh) | 2019-08-06 |
CN110100148B true CN110100148B (zh) | 2022-06-03 |
Family
ID=57209481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680091951.1A Expired - Fee Related CN110100148B (zh) | 2016-10-28 | 2016-10-28 | 用于管理天线倾斜的方法和设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11223963B2 (zh) |
EP (1) | EP3532798B1 (zh) |
CN (1) | CN110100148B (zh) |
WO (1) | WO2018077420A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018224797A1 (en) * | 2017-06-06 | 2018-12-13 | Bae Systems Plc | Mobile communications network |
EP3977559A4 (en) * | 2019-06-03 | 2022-06-15 | Telefonaktiebolaget LM Ericsson (publ) | MANAGEMENT OF THE INFRASTRUCTURE OF AN ANTENNA WITH REMOTE ELECTRIC PITCH ADJUSTMENT BY NEURAL NETWORKING BASED ON THE PROBABILITY OF ACTIONS |
US11564130B2 (en) | 2020-02-19 | 2023-01-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Radio access technology aware cellular network inter-frequency coverage orchestrator |
CN114339776B (zh) * | 2020-09-27 | 2023-08-15 | 中国移动通信集团浙江有限公司 | 天线权值调优方法、装置、设备和计算机可读存储介质 |
US11626915B1 (en) * | 2021-09-23 | 2023-04-11 | T-Mobile Innovations Llc | Dynamic beam pattern management of one or more antenna elements of an antenna array |
US20240171468A1 (en) * | 2022-05-06 | 2024-05-23 | Rakuten Symphony Singapore Pte. Ltd. | A network visualization system and method of the same |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1269676A (zh) * | 1999-02-12 | 2000-10-11 | 朗迅科技公司 | 在无线网络中调整天线辐射的系统和方法 |
CN1280752A (zh) * | 1997-09-30 | 2001-01-17 | 艾利森电话股份有限公司 | 使天线倾斜最佳化的方法和设备 |
CN102812741A (zh) * | 2010-03-17 | 2012-12-05 | 富士通株式会社 | 移动通信系统、基站、小区覆盖范围控制方法 |
CN103716800A (zh) * | 2012-09-29 | 2014-04-09 | 中国移动通信集团广东有限公司 | 小区优化方法及装置 |
CN104080094A (zh) * | 2013-03-25 | 2014-10-01 | 电信科学技术研究院 | 一种调整小区天线方位角的方法和装置 |
CN104519505A (zh) * | 2013-09-27 | 2015-04-15 | 中国电信股份有限公司 | 对上行容量和覆盖进行优化的方法和基站 |
WO2016137529A1 (en) * | 2015-02-27 | 2016-09-01 | Viavi Solutions Inc. | Methods and apparatus for improving coverage and capacity in a wireless network |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1329738B1 (en) | 1998-07-06 | 2004-10-27 | AlliedSignal Inc. | Method for implementing automatic tilt control of a radar antenna on an aircraft |
US6842431B2 (en) * | 1999-11-04 | 2005-01-11 | Lucent Technologies Inc. | Methods and apparatus for characterization, adjustment and optimization of wireless networks |
US7035632B2 (en) * | 2000-09-26 | 2006-04-25 | Scoreboard, Inc. | Path loss data normalization for growth management of a cellular system |
US7558330B2 (en) | 2005-12-07 | 2009-07-07 | Telefonaktiebolaget L M Ericsson (Publ) | Multiple stream co-phasing for multiple-input-multiple-output (MIMO) systems |
WO2007135669A2 (en) * | 2006-05-18 | 2007-11-29 | D.P. Electronic Systems Ltd | Analyzing wireless network located at a terrestrial environments |
FR2901650B1 (fr) * | 2006-05-23 | 2008-08-08 | Radiotelephone Sfr | Procede d'optimisation de la capacite d'un reseau de telephonie mobile pour la creation de services dont le flux est majoritairement descendant(downlink) |
US9030363B2 (en) | 2009-12-29 | 2015-05-12 | Kathrein-Werke Ag | Method and apparatus for tilting beams in a mobile communications network |
EP2548345A4 (en) | 2010-03-16 | 2016-12-21 | Optimi Corp | FUSE COVER IN A WIRELESS NETWORK |
EP3017620B1 (en) | 2013-07-02 | 2019-07-24 | Nokia Solutions and Networks Oy | Antenna tilt optimization in a wireless communications network |
US9781685B2 (en) | 2013-11-21 | 2017-10-03 | At&T Intellectual Property I, L.P. | Self-adaptive coverage of wireless networks |
JP2016036061A (ja) * | 2014-08-01 | 2016-03-17 | 株式会社日立製作所 | ネットワークシステム、トラフィック管理サーバ、及び基地局管理サーバ |
US9456362B2 (en) * | 2015-01-19 | 2016-09-27 | Viavi Solutions Uk Limited | Techniques for dynamic network optimization using geolocation and network modeling |
-
2016
- 2016-10-28 WO PCT/EP2016/076071 patent/WO2018077420A1/en unknown
- 2016-10-28 US US16/339,804 patent/US11223963B2/en active Active
- 2016-10-28 EP EP16788115.0A patent/EP3532798B1/en active Active
- 2016-10-28 CN CN201680091951.1A patent/CN110100148B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1280752A (zh) * | 1997-09-30 | 2001-01-17 | 艾利森电话股份有限公司 | 使天线倾斜最佳化的方法和设备 |
CN1269676A (zh) * | 1999-02-12 | 2000-10-11 | 朗迅科技公司 | 在无线网络中调整天线辐射的系统和方法 |
CN102812741A (zh) * | 2010-03-17 | 2012-12-05 | 富士通株式会社 | 移动通信系统、基站、小区覆盖范围控制方法 |
CN103716800A (zh) * | 2012-09-29 | 2014-04-09 | 中国移动通信集团广东有限公司 | 小区优化方法及装置 |
CN104080094A (zh) * | 2013-03-25 | 2014-10-01 | 电信科学技术研究院 | 一种调整小区天线方位角的方法和装置 |
CN104519505A (zh) * | 2013-09-27 | 2015-04-15 | 中国电信股份有限公司 | 对上行容量和覆盖进行优化的方法和基站 |
WO2016137529A1 (en) * | 2015-02-27 | 2016-09-01 | Viavi Solutions Inc. | Methods and apparatus for improving coverage and capacity in a wireless network |
Non-Patent Citations (1)
Title |
---|
Validation of Tilt Gain under Realistic Path Loss Model and Network Scenario;Huan Cong Nguyen;《2013 IEEE 78th Vehicular Technology Conference 》;20131231;摘要、正文第2-5页、附注 * |
Also Published As
Publication number | Publication date |
---|---|
EP3532798B1 (en) | 2022-07-20 |
WO2018077420A1 (en) | 2018-05-03 |
US11223963B2 (en) | 2022-01-11 |
CN110100148A (zh) | 2019-08-06 |
EP3532798A1 (en) | 2019-09-04 |
US20200154285A1 (en) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110100148B (zh) | 用于管理天线倾斜的方法和设备 | |
ES2769245T3 (es) | Método y aparato para determinar estados de celda para ajustar parámetros de configuración de antena | |
US10440503B2 (en) | Machine learning-based geolocation and hotspot area identification | |
US10425860B2 (en) | System and method for value optimized mobile networks | |
CN103635826B (zh) | 用于地理定位移动站的方法和装置 | |
US8526961B2 (en) | Method and apparatus for mapping operating parameter in coverage area of wireless network | |
US20120083281A1 (en) | Network management system, wireless coverage control method and wireless coverage control program | |
EP2508021A1 (en) | Coverage hole detector | |
CN108064075B (zh) | 调整一个或多个小区的参考信号发射功率的方法和装置 | |
Qureshi et al. | Optimal bin width for autonomous coverage estimation using MDT reports in the presence of user positioning error | |
EP4128862A1 (en) | Artificial intelligence based management of wireless communication network | |
US20130148528A1 (en) | Adaptive modulation and coding scheme selection method and apparatus | |
CN109005552B (zh) | 基于lte mr数据精确评估无线网络的方法 | |
Sánchez et al. | A Trace Data‐Based Approach for an Accurate Estimation of Precise Utilization Maps in LTE | |
US20240154707A1 (en) | Methods and apparatus for estimating received signal strength variations | |
WO2022096156A1 (en) | Ml model based power management in a wireless communication network | |
Dinc et al. | Crowdsourcing-based mobile network tomography for xG wireless systems | |
Sánchez‐González et al. | A multi‐cell multi‐objective self‐optimisation methodology based on genetic algorithms for wireless cellular networks | |
Jaziri et al. | Tracking traffic peaks in mobile networks using statistics of performance metrics | |
US20230300676A1 (en) | System and method for determining user throughput in a cellular network | |
US20230239725A1 (en) | Upgrade recommendations for wireless wide area networks | |
US11876572B2 (en) | Wireless telecommunications network | |
KR102546574B1 (ko) | 기지국의 커버리지 분석 방법 및 장치 | |
Rekkas et al. | Machine Learning Based Radio Environment Map Construction for Cellular Networks | |
Li et al. | Analytics and Machine Learning Powered Wireless Network Optimization and Planning |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220603 |