CN110365440A - 一种基于4g的扰码分配方法 - Google Patents

Abstract

本发明涉及数据信息处理技术领域，具体涉及一种基于4G的扰码分配方法。本发明通过率先从PCI中确定初始分配小区，进而依次确定初始分配小区的邻小区，以及初始分配小区的邻小区的邻小区，对各个小区进行了分配排序，在分配扰码时逻辑更为清楚，避免出现混乱；同时将扰码与多个待分配小区之间进行排列组合并进行迭代处理，最终得到若干分配方案，从这些分配方案中筛除选择概率低的个体，保留选个概率高的个体，最终应用时，能够减少相邻小区之间产生干扰，则对于解码来说避免了不必要的误差，通信过程中的数据传输有效性和稳定性更好。

Description

一种基于4G的扰码分配方法

技术领域

本发明涉及数据信息处理技术领域，具体涉及一种基于4G的扰码分配方法。

背景技术

扰码就是用一个伪随机码对扩频进行相乘，对信号进行加密。上行链路中物理信道加扰的作用是区分用户，下行链路加扰的可以区分小区和信道。

3G(第三代移动通信技术，3rd-Generation)技术中已经广泛采用了加扰技术，WCDMA(Wideband Code Division Multiple Access，宽带码分多址)中利用信道码和扰码来减少多用户间干扰，WCDMA中上行用扰码区分同一小区不同的用户，用信道化码区分。物理数据信道和控制信道，下行用信道化码区分同一小区中不同的用户，而用扰码区别不同的小区。

CDMA(Code Division Multiple Access，码分多址)系统中，伪随机序列(PN)用于数据的加扰和扩谱调制。在传送数据之前，把数据序列转化成“随机的”，类似于噪声的形式，从而实现数据加扰。接收机再用PN码把被加扰的序列恢复成原始数据序列。需要指出的是，如果发送数据序列经过完全随机性的加扰，接收机就无法恢复原始序列。换句话说，如果接收机知道如何恢复原始数据，发送的数据序列就不可能完全随机化。因此，在实际CDMA系统中使用的是一个足够随机的序列，一方面这个随机序列对非目标接收机是不可识别的，另一方面目标接收机能够识别并且很容易同步的产生这个随机序列。所以把这种序列称为伪随机序列(PN)。CDMA中用到的PN序列可以分为长PN码(长码)和短PN码(短码)，长PN码可用于区分不同的用户，短PN码用于区分不同的基站。

而在4G(the 4th Generation mobile communication technology，第四代移动通信技术)领域，同样需要对数字信号的比特级进行随机处理，减少连0和连1的出现，从而减少码间干扰和抖动，方便接收端的时钟提取；同时扩展基带信号频谱，起到加密的效果。已知的是，TDD-LTE或FDD-LTE中的PCI(物理小区)通常设置为504个，并设置成每3个一组，总共168组。虽然PCI数量相比TD-SCDMA的可用频点数有所增加，且不同的PCI之间的频率不同，但难免出现邻区同频干扰，一般通过具体分配规则进行区分，分配规则将影响PCI的区分识别速率，直接影响数字通信的通信速率及稳定性。

发明内容

本发明提供了一种基于4G的扰码分配方法，旨在通过在PCI的规划中，利用合理的分配规则，将网络干扰降低，提高通信过程中的数据信息加扰和解扰的效率，提高通信数据传输的可靠性和稳定性。

为了实现上述效果，本发明所采用的技术方案为：

一种基于4G的扰码分配方法，包括如下步骤：

根据PCI分配系数选定初始待分配小区A₁，并确定该初始分配小区A₁的待分配扰码；

以初始分配小区A₁为中心，确定其邻小区B₁、B₂和B₃为待分配小区并分别分配扰码，其中B₁、B₂和B₃各自的邻区数依次减少；再分别确定小区B₁、B₂和B₃的邻小区C、D、E为待分配小区并分配扰码；

分配扰码时，将编译好的扰码与待分配小区进行排列组合得到分配方案，每个分配方案的编码格式为：(a₀,a₁,a₂,…,a_M-1)，其中用M表示小区数量，用N表示扰码数量，且1≤a_i≤N，a_i为扰码编号，表示为小区i所分配的扰码序号；

对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数；

对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，并将子代个体加入种群中；

计算包含了父代个体和子代个体的种群中每个个体的选择概率，筛除选择概率最小的个体直至种群中的个体数恢复至设定数。

上述公开的扰码分配方法，首先按照链式分配法则将待分配小区划分为依次相关的初始待分配小区，以及初始待分配小区的邻小区，以及初始待分配小区的邻小区的邻小区，并按照上述顺序分层向小区先后分配扰码；所述的扰码分配至每个待分配小区之前，先进行排列组合得到所有可分配的方案，但并非所有的分配方案均为可执行方案，其中必定存在优劣之分，因此通过对每个分配进行评价，甚至通过迭代产生子代个体替换父代个体，最终得到最佳的分配方案。

进一步的，本发明中，所述的分配系数的数值等于小区的邻区数与已经分配的扰码数之和，选定分配系数中最大值所对应的小区为初始分配小区。

上述方案中公开了对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数，其中的评价方式包括如下步骤：

从排列组合好的分配方案中选择一个作为原始方案，对原始方案进行评价，评价值标记为

随机生成一个个体，并对其进行评价，评价值为f；

生成随机数r∈[0,1]，如果则取原始方案的编码作为当前个体并加入到种群中，否则选择随机生成的个体加入到种群中；

按照上述随机生成个体并进行评价并结合随机数进行比较的方式，持续向种群中添加个体，直至个体数达到设定数。

每个个体均有其被选择的概率，选择概率高的个体更倾向于被选择，因此通过确定选择概率的高低可筛除一部分不适宜被选择的个体，每个个体的选择概率按照下述方式进行确定：

其中，N₀表示父代个体数，N₁表示子代个体数，则N₀+N₁表示当前种群的个体数，f_k表示个体k的原始评价值，则尺度变换后个体适应度值为f′_k＝power(10，f_k)，故尺度变化后的个体适应度值分别为

进一步的，上述公开的技术方案从种群中除了部分低选择率个体，对筛除选择概率最小的个体后的种群，在应用中仍然可能出现相互干扰的情况，实际中不可完全避免，但应当将干扰降到最低，故对其中的任意两个个体进行提前预判，评价其中任意两个个体出现干扰的可能性，具体按照如下方式进行评价：

其中，p₀、p₁、p₂分别为同码组惩罚数，同复合码组惩罚数和相关性惩罚数；如果小区i和j的扰码属于相同的码组则s_ij＝1，否则s_ij＝0；如果小区i和j的扰码属于相同的复合码组则q_ij＝1，否则q_ij＝0；r_ij为小区i和j的扰码相关性，M为小区数量，u_ij为小区i和j的干扰概率，通过仿真获得。

上述技术方案中公开了对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，理论可上通过多种方式实现，此处举出一种可行的方案，具体包括如下步骤：

从父代个体中选择个体ρ_i和ρ_j进行交叉繁殖处理，得到两个子代个体σ₀和σ₁；

按照连续的地理位置对小区进行排序；

生成随机数并随机选择两个交叉位x和y，其中x∈{0,…，M-1}，y∈{m+1,…，M-1}；

将父代个体的编码向量进行分块后得到若干子向量，同时将子代个体的位置索引对应进行分块，将子向量交叉复制至子代个体分成的若干块内，使同一父代个体分块后的子向量被分配至不同的子代个体，且同一子代个体上存在不同父代个体的子向量，同一子代个体上的不同父代个体的子向量相互间隔。

上述方案中对小区的排序操作，可按照多种方式实现，此处举出一种可行的方案：设定原始小区的顺序为(S₀,S₁,S₂,…,S_M-1)，对小区的进行排序时，按照X坐标递增，当X坐标相同时，按照Y坐标递增；排序后的小区顺序为(S_i0,S_i1,S_i2,…,S_iM-1)，其中i_k∈{0，1，…，M-1}，k＝0，1，…，M-1。

上述方案中对父代个体进行交叉繁殖处理，此处举出一种具体可行的方案：，将父代个体分块后的子向量复制至子代个体按照如下方式进行：

将ρ_i的编码向量的索引为(i₀，i₁，i₂,…,i_x)的子向量复制到子代个体σ₀的位置索引(i₀,i₁,i₂,…,i_x)；

将ρ_i的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₁的位置索引(i_x+1，i_x+2，i_x+3,…，i_y)；

将ρ_i的编码向量的索引为(i_y+1，i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₀的位置索引(i_y+1,i_y+2,i_y+3,…，i_M-1)；

将ρ_j的编码向量的索引为(i₀，i₁，i₂，…，i_x)的子向量复制到子代个体σ₁的位置索引(i₀，i₁，i₂,…,i_x)；

将ρ_j的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₀的位置索引(i_x+1,i_x+2,i_x+3,…,i_y)；

将ρ_j的编码向量的索引为(i_y+1,i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₁的位置索引(i_y+1,i_y+2,i_y+3,…,i_M-1)。

通过上述交叉操作，能够得到变异后的子代个体，部分子代个体可取代父代个体作为更好的分配方案实现扰码分配。

扰码分配规划的目的是使得邻近两小区之间的扰码干扰和下行导频码干扰尽可能的小，因此在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一必须规避原则或任意组合：

同一基站下所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的频率相同、扰码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的主频相同、扰码相同。

同理，在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一尽量规避原则或任意组合：

所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的邻区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的辅频相同、扰码相同。

与现有技术相比，本发明的有益效果为：

本发明通过率先从PCI中确定初始分配小区，进而依次确定初始分配小区的邻小区，以及初始分配小区的邻小区的邻小区，对各个小区进行了分配排序，在分配扰码时逻辑更为清楚，避免出现混乱；同时将扰码与多个待分配小区之间进行排列组合并进行迭代处理，最终得到若干分配方案，从这些分配方案中筛除选择概率低的个体，保留选个概率高的个体，最终应用时，能够减少相邻小区之间产生干扰，则对于解码来说避免了不必要的误差，通信过程中的数据传输有效性和稳定性更好。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅表示出了本发明的部分实施例，因此不应看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1是确定待分配小区的规划示意图；

图2是扰码分配的流程示意图；

图3是对个体进行评价的过程示意图；

图4是对个体进行分块和交叉操作的过程示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例

如图1、图2所示，一种基于4G的扰码分配方法，包括如下步骤：

根据PCI分配系数选定初始待分配小区A₁，并确定该初始分配小区A₁的待分配扰码；

以初始分配小区A₁为中心，确定其邻小区B₁、B₂和B₃为待分配小区并分别分配扰码，其中B₁、B₂和B₃各自的邻区数依次减少；再分别确定小区B₁、B₂和B₃的邻小区C、D、E为待分配小区并分配扰码；

分配扰码时，将编译好的扰码与待分配小区进行排列组合得到分配方案，每个分配方案的编码格式为：(a₀,a₁,a₂,…,a_M-1)，其中用M表示小区数量，用N表示扰码数量，且1≤a_i≤N，a_i为扰码编号，表示为小区i所分配的扰码序号；

对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数；

对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，并将子代个体加入种群中；

计算包含了父代个体和子代个体的种群中每个个体的选择概率，筛除选择概率最小的个体直至种群中的个体数恢复至设定数。

上述公开的扰码分配方法，首先按照链式分配法则将待分配小区划分为依次相关的初始待分配小区，以及初始待分配小区的邻小区，以及初始待分配小区的邻小区的邻小区，并按照上述顺序分层向小区先后分配扰码；所述的扰码分配至每个待分配小区之前，先进行排列组合得到所有可分配的方案，但并非所有的分配方案均为可执行方案，其中必定存在优劣之分，因此通过对每个分配进行评价，甚至通过迭代产生子代个体替换父代个体，最终得到最佳的分配方案。

本实施例中，所述的分配系数的数值等于小区的邻区数与已经分配的扰码数之和，选定分配系数中最大值所对应的小区为初始分配小区。

上述方案中公开了对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数，如图3所示，其中的评价方式包括如下步骤：

从排列组合好的分配方案中选择一个作为原始方案，对原始方案进行评价，评价值标记为

随机生成一个个体，并对其进行评价，评价值为f；

生成随机数r∈[0,1]，如果则取原始方案的编码作为当前个体并加入到种群中，否则选择随机生成的个体加入到种群中；

按照上述随机生成个体并进行评价并结合随机数进行比较的方式，持续向种群中添加个体，直至个体数达到设定数。

每个个体均有其被选择的概率，选择概率高的个体更倾向于被选择，因此通过确定选择概率的高低可筛除一部分不适宜被选择的个体，每个个体的选择概率按照下述方式进行确定：

其中，N₀表示父代个体数，N₁表示子代个体数，则N₀+N₁表示当前种群的个体数，f_k表示个体k的原始评价值，则尺度变换后个体适应度值为f′_k＝power(10，f_k)，故尺度变化后的个体适应度值分别为

变异为种群的多样性提供了可能，而随机变异具有太大的随机性和盲目性，本实施例采用禁忌搜索的方式以一定的概率对个体进行变异，提升个体的优良性，从而加速收敛，提高确定分配方案的效率。本实施例中，假定个体变异的概率为δ，生成随机数r∈[0,1]，如果r≤δ，则个体进入如下的变异过程：

1.确定迭代次数，设为NTS；

2.确定邻域函数，为编码串的某个小区选择一个最佳的扰码，因此邻域函数候选解的个数为小区数M；

3.通过干扰发生概率对各个个体进行评价，筛除不可选取的个体；

4.设置禁忌表，其长度为K；

5.设置特赦准则，其定义为：当候选解优于当前最优解时，则忽视上述禁忌，而将候选解作为当前解，并替代当前最优解；

6.终止策略为满足设定的迭代次数。

伪代码如下：

设定当前解Current＝选定的变异个体；

设定最佳解Best＝Current；

设定禁忌列表H为空

While不满足终止条件

从邻域解中选择一个评价最高的解Next；

If Next不在禁忌列表中或者Next满足特赦准则

Current＝Next；

If Current优于Best

End If

将Current加入到禁忌类表中

End If

End While

上述公开的技术方案从种群中除了部分低选择率个体，对筛除选择概率最小的个体后的种群，在应用中仍然可能出现相互干扰的情况，实际中不可完全避免，但应当将干扰降到最低，故对其中的任意两个个体进行提前预判，评价其中任意两个个体出现干扰的可能性，具体按照如下方式进行评价：

其中，p₀、p₁、p₂分别为同码组惩罚数，同复合码组惩罚数和相关性惩罚数；如果小区i和j的扰码属于相同的码组则s_ij＝1，否则s_ij＝0；如果小区i和j的扰码属于相同的复合码组则q_ij＝1，否则q_ij＝0；r_ij为小区i和j的扰码相关性，M为小区数量，u_ij为小区i和j的干扰概率，通过仿真获得。

上述技术方案中公开了对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，理论可上通过多种方式实现，此处举出一种可行的方案，如图4所示，具体包括如下步骤：

从父代个体中选择个体ρ_i和ρ_j进行交叉繁殖处理，得到两个子代个体σ₀和σ₁；

按照连续的地理位置对小区进行排序；

生成随机数并随机选择两个交叉位x和y，其中x∈{0,…，M-1}，y∈{m+1,…，M-1}；

将父代个体的编码向量进行分块后得到若干子向量，同时将子代个体的位置索引对应进行分块，将子向量交叉复制至子代个体分成的若干块内，使同一父代个体分块后的子向量被分配至不同的子代个体，且同一子代个体上存在不同父代个体的子向量，同一子代个体上的不同父代个体的子向量相互间隔。

上述方案中对小区的排序操作，可按照多种方式实现，此处举出一种可行的方案：设定原始小区的顺序为(S₀,S₁,S₂,…,S_M-1)，对小区的进行排序时，按照X坐标递增，当X坐标相同时，按照Y坐标递增；排序后的小区顺序为(S_i0,S_i1,S_i2,…,S_iM-1)，其中i_k∈{0,1，…，M-1}，k＝0,1，…，M-1。

上述方案中对父代个体进行交叉繁殖处理，此处举出一种具体可行的方案：，将父代个体分块后的子向量复制至子代个体按照如下方式进行：

将ρ_i的编码向量的索引为(i₀,i₁,i₂,…,i_x)的子向量复制到子代个体σ₀的位置索引(i₀,i₁,i₂,…,i_x)；

将ρ_i的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₁的位置索引(i_x+1,i_x+2,i_x+3,…,i_y)；

将ρ_i的编码向量的索引为(i_y+1,i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₀的位置索引(i_y+1,i_y+2,i_y+3,…,i_M-1)；

将ρ_j的编码向量的索引为(i₀,i₁,i₂,…,i_x)的子向量复制到子代个体σ₁的位置索引(i₀,i₁,i₂,…,i_x)；

将ρ_j的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₀的位置索引(i_x+1,i_x+2,i_x+3,…,i_y)；

将ρ_j的编码向量的索引为(i_y+1,i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₁的位置索引(i_y+1,i_y+2,i_y+3,…,i_M-1)。

通过上述交叉操作，能够得到变异后的子代个体，部分子代个体可取代父代个体作为更好的分配方案实现扰码分配。

扰码分配规划的目的是使得邻近两小区之间的扰码干扰和下行导频码干扰尽可能的小，因此在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一必须规避原则或任意组合：

同一基站下所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的频率相同、扰码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的主频相同、扰码相同。

如下表所示

同理，在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一尽量规避原则或任意组合：

所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的邻区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的辅频相同、扰码相同。

本实施例通过率先从PCI中确定初始分配小区，进而依次确定初始分配小区的邻小区，以及初始分配小区的邻小区的邻小区，对各个小区进行了分配排序，在分配扰码时逻辑更为清楚，避免出现混乱；同时将扰码与多个待分配小区之间进行排列组合并进行迭代处理，最终得到若干分配方案，从这些分配方案中筛除选择概率低的个体，保留选个概率高的个体，最终应用时，能够减少相邻小区之间产生干扰，则对于解码来说避免了不必要的误差，通信过程中的数据传输有效性和稳定性更好。

具体的，提供在某市进行试验的效果数据，以验证本实施例公开方法的有效性。以17平方千米的区域作为TDD-LTE或FDD-LTE网络扰码规划区域，该区域内设置有46个基站，131个小区，每个基站3个扇区。地图分辨率为20米，交叉概率：0.95；变异概率：0.01；遗传算法迭代次数：100；种群数：50；禁忌搜索迭代次数50，禁忌列表长度10，每个小区的话务量设置为10爱尔兰。对比优化前后的扰码KPI覆盖情况，统计得知优化后大于0的覆盖比例有所提升，且效果明显。且优化前后网络坏爱尔兰分别为39.8693和32.0478，优化后坏爱尔兰下降了19.62％，提升效果明显。

以上即为本发明列举的实施方式，但本发明不局限于上述可选的实施方式，本领域技术人员可根据上述方式相互任意组合得到其他多种实施方式，任何人在本发明的启示下都可得出其他各种形式的实施方式。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种基于4G的扰码分配方法，其特征在于，包括如下步骤：

根据PCI分配系数选定初始待分配小区A₁，并确定该初始分配小区A₁的待分配扰码；

以初始分配小区A₁为中心，确定其邻小区B₁、B₂和B₃为待分配小区并分别分配扰码，其中B₁、B₂和B₃各自的邻区数依次减少；再分别确定小区B₁、B₂和B₃的邻小区C、D、E为待分配小区并分配扰码；

分配扰码时，将编译好的扰码与待分配小区进行排列组合得到分配方案，每个分配方案的编码格式为：(a₀,a₁,a₂,…，a_M-1)，其中用M表示小区数量，用N表示扰码数量，且1≤a_i≤N，a_i为扰码编号，表示为小区i所分配的扰码序号；

对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数；

对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，并将子代个体加入种群中；

计算包含了父代个体和子代个体的种群中每个个体的选择概率，筛除选择概率最小的个体直至种群中的个体数恢复至设定数。

2.根据权利要求1所述的基于4G的扰码分配方法，其特征在于，所述的分配系数的数值等于小区的邻区数与已经分配的扰码数之和，选定分配系数中最大值所对应的小区为初始分配小区。

3.根据权利要求1或2所述的基于4G的扰码分配方法，其特征在于，对每个分配方案进行评价，从所有分配方案中筛选符合要求的方案作为个体并加入种群中直至种群中的个体数达到设定数，其中的评价方式包括如下步骤：

从排列组合好的分配方案中选择一个作为原始方案，对原始方案进行评价，评价值标记为

随机生成一个个体，并对其进行评价，评价值为f；

生成随机数r∈[0,1]，如果则取原始方案的编码作为当前个体并加入到种群中，否则选择随机生成的个体加入到种群中；

按照上述随机生成个体并进行评价并结合随机数进行比较的方式，持续向种群中添加个体，直至个体数达到设定数。

4.根据权利要求3所述的基于4G的扰码分配方法，其特征在于，每个个体的选择概率按照下述方式进行确定：

其中，N₀表示父代个体数，N₁表示子代个体数，则N₀+N₁表示当前种群的个体数，f_k表示个体k的原始评价值，则尺度变换后个体适应度值为f′_k＝power(10，f_k)，故尺度变化后的个体适应度值分别为

5.根据权利要求4所述的基于4G的扰码分配方法，其特征在于，对筛除选择概率最小的个体后的种群，评价其中任意两个个体出现干扰的可能性，具体按照如下方式进行评价：

其中，p₀、p₁、p₂分别为同码组惩罚数，同复合码组惩罚数和相关性惩罚数；如果小区i和j的扰码属于相同的码组则s_ij＝1，否则s_ij＝0；如果小区i和j的扰码属于相同的复合码组则q_ij＝1，否则q_ij＝0；r_ij为小区i和j的扰码相关性，M为小区数量，u_ij为小区i和j的干扰概率，通过仿真获得。

6.根据权利要求1所述的基于4G的扰码分配方法，其特征在于，所述对种群中的父代个体进行分块和交叉操作，得到变异后的子代个体，包括如下步骤：

从父代个体中选择个体ρ_i和ρ_j进行交叉繁殖处理，得到两个子代个体σ₀和σ₁；

按照连续的地理位置对小区进行排序；

生成随机数并随机选择两个交叉位x和y，其中x∈{0,…，M-1}，y∈{m+1,…，M-1}；

将父代个体的编码向量进行分块后得到若干子向量，同时将子代个体的位置索引对应进行分块，将子向量交叉复制至子代个体分成的若干块内，使同一父代个体分块后的子向量被分配至不同的子代个体，且同一子代个体上存在不同父代个体的子向量，同一子代个体上的不同父代个体的子向量相互间隔。

7.根据权利要求6所述的基于4G的扰码分配方法，其特征在于，设定原始小区的顺序为(S₀,S₁,S₂,…,S_M-1)，对小区的进行排序时，按照X坐标递增，当X坐标相同时，按照Y坐标递增；排序后的小区顺序为(S_i0,S_i1,S_i2,…,S_iM-1)，其中i_k∈{0,1，…，M-1}，k＝0,1，…，M-1。

8.根据权利要求6所述的基于4G的扰码分配方法，其特征在于，将父代个体分块后的子向量复制至子代个体按照如下方式进行：

将ρ_i的编码向量的索引为(i₀,i₁,i₂,…,i_x)的子向量复制到子代个体σ₀的位置索引(i₀,i₁,i₂,…,i_x)；

将ρ_i的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₁的位置索引(i_x+1,i_x+2,i_x+3,…,i_y)；

将ρ_i的编码向量的索引为(i_y+1,i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₀的位置索引(i_y+1,i_y+2,i_y+3,…,i_M-1)；

将ρ_j的编码向量的索引为(i₀,i₁,i₂,…,i_x)的子向量复制到子代个体σ₁的位置索引(i₀,i₁,i₂,…,i_x)；

将ρ_j的编码向量的索引为(i_x+1,i_x+2,i_x+3,…,i_y)的子向量复制到子代个体σ₀的位置索引(i_x+1,i_x+2,i_x+3,…,i_y)；

将ρ_j的编码向量的索引为(i_y+1,i_y+2,i_y+3,…,i_M-1)的子向量复制到子代个体σ₁的位置索引(i_y+1,i_y+2,i_y+3,…,i_M-1)。

9.根据权利要求1所述的基于4G的扰码分配方法，其特征在于，在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一必须规避原则或任意组合：

同一基站下所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的频率相同、扰码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的主频相同、扰码相同。

10.根据权利要求9所述的基于4G的扰码分配方法，其特征在于，在分配扰码至待分配小区前，对每个分配方案中的扰码按照规避原则进行规避处理，所述规避原则包括以下之一尽量规避原则或任意组合：

所述待分配小区与所述待分配小区的邻小区的频率相同、复合码组相同；

所述待分配小区与所述待分配小区的邻小区的邻区的主频相同、下行导频码相同；

所述待分配小区与所述待分配小区的邻小区的邻小区的辅频相同、扰码相同。