CN1295388A - 用于无线网络的表征、调整、和优化的方法和设备 - Google Patents

Abstract

用于表征、调整、和优化无线网络整体性能的改进的技术。在一个示范性实施例中,对特定网络配置的网络整体性,由具有两个分量的矢量表征,在一个分量代表网络覆盖而另一个分量代表网络容量。网络覆盖由包括干扰的负载不足的服务似然性定义,且可以进一步用业务量密度加权。网络容量由结合给定空间分布的业务量定义,此空间分布能在给定的总目标阻塞率下被服务。整体网络性能可以用一个两维的容量/覆盖图表征。

Description

用于无线网络的表征、调整、 和优化的方法和设备

本发明一般涉及无线通信网络，更具体说，是涉及这类无线网络在设计、实施、和运行时使用的的表征、调整、和优化技术。

通常的无线网络包括众多互连的基站，向分布在地域上有明确覆盖区域的不同数量的固定或移动用户，提供无线通信服务。一般说，无线接口必须在某些条件下运行，这些条件包括：接入网络的多个请求、不可控信号的传播、和有限的带宽。接入网络的多个请求是指那些事前并不知道的请求服务的位置和时间。因此，网络必须在很大的地理区域上，以足够的容量提供所要求的服务级别。上面指出的不可控信号传播的条件，是指基站与用户之间的无线链路，依赖于信号传播的环境，而这个环境通常牵涉到高的传播损耗，以及地面物体、地面、和其他各种障碍物的反射、衍射、或散射效应。

这些条件的组合常常导致设计目标的竞争。例如，在有限带宽内要求高的容量一般需要以高的谱效率运行。这导致通信信道间正交性的下降，由于在此环境中各通信信道重叠的传播路径而产生互干扰。这一干扰使网络的覆盖区域减小，或等价地使服务质量下降。因此，要求高的区域覆盖率或高的服务质量，是与高的网络容量要求相抵触的。

在时分多址(TDMA)或频分多址(FDMA)系统中，可以通过减小频率的再使用因子来增加谱的效率。这一办法同样减小运行在相同频率的小区间的平均物理距离，从而增加它们间的互干扰。在码分多址(CDMA)系统中，不同的信道是由代码区分的。由于在此环境中的传播效应，代码间的正交性可能被擦除，所以通信信道间的干扰随业务量负载而增加。

除去谱效率，网络能够处理的业务量，还高度依赖于容量的空间分布与提供的业务量负载之间的匹配程度。这一点对网络的小区的部署和大小又加上附加的约束，当然，这也高度依赖于局部的传播环境。

能够影响网络性能的其他约束，包括如业务模式随时间的变化、硬件的限制、热噪声之类的外部干扰效应、需要穿透建筑物等地貌学问题，如此等等。

在设计或调整一个网络时，还有大批其他系统参数必须考虑。这些参数包括，例如基站位置、每个基站的扇区数目、诸如天线高度、取向、倾斜度、天线增益等天线参数，和天线方向图、每个通信信道和基站的发射功率电平、频率规划、越区切换阈值、每个基站或扇区的载波数目，等等。

与这些参数中的某些参数相关的基本约束，如基站位置或天线高度，是可以由局部地貌环境预先确定的，如，房地产的可用性，安装天线的高层建筑，等等。此外，某些参数，如天线倾斜度或天线取向，能够容易在设计时调整，但此后要改变却是昂贵且费时的。别的参数，如频率规划、功率电平和越区切换阈值，即使在网络工作时也容易改变或调节。

由于无线环境的复杂性，竞争的设计目标，如要求高容量与要求高链路性能，以及大批系统参数的竞争，使网络的设计和调整成为困难的任务。

当前网络设计的过程，包括一些设计工具，它们根据给定的网络参数，利用统计的或别的数学传播模型，使网络性能模型化。这类设计工具的一个例子是由Mobile Systems International，http：／／www．rmrdesign．com／msi给出的Planet工具。这些和其他的常规网络设计工具，要计算某些射频(RF)链路的量度标准，如信号强度或信号对干扰的比值，这些对特定网络性能的属性至关重要。这些预测的精度很大程度上依赖于传播模型的精度和环境建模的准确度，如地面、地面物体等等建模的准确度。

虽然这些常规的工具在预测网络性能时能提供足够的精度，但是，它们一般不对整个网络的性能进行分类，从而不能给出网络偏离其最佳状态有多远的信息。由于网络中相互作用的复杂性，网络性能的调节不得不用某种反复试验的过程来完成，而潜在的改进不得不靠比较不同网络配置下RF链路量度标准的曲线来发现。随着必须调整的网络参数数目和不同的设计目标，这个过程是十分不能令人满意的，而性能优化则更难解决。

其他常规办法包括频率规划工具。这种工具的一个例子是Asset网络设计工具，来自Aircom， www．aircom．co．uk。此Asset工具包括一种频率规划算法。对TDMA和FDMA网络，亦即频率再使用因子大于一的网络，已经作了许多努力，希望产生某些算法，能根据其频率规划改进网络性能。这些算法都有一个针对改进谱效率的目标。举例说，这种算法可能在提供给定的业务量密度的同时，试图令频率的使用量最小化。但是，这些算法一般不对每个频率规划给出有关网络性能的信息，除非这些算法已经与某个网络设计工具，诸如上述PLANET工具结合起来。

一种熟知的网络优化的常规办法，是安装地点的优化。因为设计工具不能完全反映在此环境中的一切传播效应，所以可以通过安装地点的运转试验，改进网络。但是，运转试验只能被认为是另一种数据采集过程，而得到的网络改进也受上述相同问题的支配。还有，运转试验的数据只能从有限的区域获得，因此，运转试验是昂贵且费时的。

虽然上面指出的许多常规技术，能够对网络的设计和调整提供帮助，但是它们一般不能使整个网络的性能对不同的互相竞争的设计目标优化。因此，需要有改进的网络的表征、调整和优化技术，这种技术能够，例如，对竞争的设计目标以及不同系统配置的无线网络性能，进行明确的分类。

本发明提供用于无线网络整体性能的表征、调整与／或优化的改进的技术。

在本发明的一个示范性实施例中，特定网络配置的整体网络性能，用有两个分量的矢量进行表征，一个分量代表网络覆盖，另一个分量代表网络容量。按照本发明，网络覆盖用包括干扰的负载不足的服务似然性来方便地定义，而且可以用业务量密度来进一步加权。网络容量用能按给定总的目标阻塞率被服务的给定空间分布的业务量来方便地定义。已经确定，这些定义能对网络资源使用的好坏，提供精确和充分的定量评估。

按照本发明，整体网络性能可以用两维的容量／覆盖图来表征。这个图对各种网络配置描绘出整体网络性能的矢量，每个矢量包括一个网络容量分量和一个网络覆盖分量。因此，这个图能对不同网络配置，以直观的、十分清晰和有效的形式，比较它们的整体网络性能。它还对示范性实施例的两种竞争的网络性能属性之间的权衡，即网络容量和网络覆盖之间的权衡，给出一种直观的了解。

按照本发明的另一方面，可以针对给定的网络参数子集合，利用根据网络容量和网络覆盖的整体网络性能分类，改进或优化整体网络性能。这一步可以用优化算法完成，这一算法推荐潜在的网络配置，并对它们的整体网络性能加以评估。相应的网络性能点会描绘在容量／覆盖图上。凡算法考虑到的一切网络配置所形成的外包络上的那些配置，代表此过程找到的网络的最佳权衡曲线。

本发明可以在个人计算机上、工作站上、微计算机上、主计算机上、或任何别种形式的可编程数字处理器上，运行一个或多个软件程序来实现。本发明大大地改善了无线网络性能的设计、调整、和优化的处理。本发明的这些和其他特性及优点，从附图及下面的详细说明中，将看得更加清楚。

图1是一种处理系统的方框图，在其上可以实现按照本发明的表征、调整和／或优化过程。可以用这个系统产生图2A、2B、3A、3B、4A、4B、和5等各个示范性的曲线图。

图2A画出一条两维曲线，它表征整体网络性能，包括用于确定最佳性能的权衡曲线。

图2B画出一组对不同网络资源量得到的网络权衡曲线。

图3A画出一条非优化的网络曲线，其上表明，业务量密度的空间分布与网络容量不匹配。

图3B画出一条优化的网络曲线，其上表明，业务量密度的空间分布与网络容量确实匹配，所以网络容量是最大化的。

图4A画出完全覆盖的网络的一条容量曲线。

图4B画出有覆盖空洞的网络的一条容量曲线。

图5按照本发明画出的曲线表明，对各种网络配置，用Monte Carlo方法获得的各个网络性能点。

下面，结合示范的无线网络信息处理技术在以计算机为基础的处理系统中的实施，说明本发明。但是，应当指出，本发明不限于使用任何特定类型的处理系统。披露的技术适用于广泛的各种不同系统，且有许多另外的应用。此外，所说明的技术可用于许多不同类型的无线网络，包括带有移动用户单元，固定用户单元，或移动和固定单元的组合的TDMA、FDMA、和CDMA网络。这里使用的“无线网络”一词，包括这些和其他类型的网络，以及这类网络的子网络或其他部分，以及多种网络的组合。这里使用的“优化”、“优化的”和“使优化”等词，应当理解为包括任何类型的网络性能的改进，如，某种改进给出被某已知应用认为可以接受的性能。因此，这里使用的这些词，并不要求任何类型的真正的优化，诸如某一特定性能函数的实际的最小化或最大化。

本发明是针对用处理器实现的、用于无线网络的表征、调整和／或优化的方法和设备。

图1画出一种示例的处理系统10，在其上可以实现按照本发明的表征、调整和／或优化技术。处理系统10包括一处理器12和一存储器14，通过总线16连接，以便通信。系统10还包括与总线16连接的输入／输出(I／O)控制器18，以便与处理器12和存储器14通信。与处理器12连接的I／O控制器18操纵若干个外围部件的运行：包括一显示器20、一打印机22、一键盘24、和一外部存储器26。

系统10的一个或多个组件，可以代表部分桌面或部分可携带的个人计算机、部分工作站、部分微计算机、部分主机、或部分其他类型基于处理器的信息处理装置。存储器14和外部存储器26可以是电子的、磁的、或光的存储器。外部存储器26可以包含无线网络信息的一个数据库，如关于无线网络运行参数信息的数据库等，它被用于产生下面将要说明的曲线图的显示。外部存储器26可以是一单个的装置，也可以是分布装置，如分布在多个计算机或之类上的装置。这里使用的“数据库”一词，指包括可以结合网络的表征、调整和／或优化技术使用的、存储数据的任何装置。

本发明至少部分可以用计算机软件程序的形式实现，软件程序存储在存储器14或外部存储器26中。这个程序可以由处理器12按照用户提供的输入数据执行，以预定的格式产生需要的输出，例如显示在显示器20上，或由打印机22打印输出。用户提供的输入数据，可以由键盘24键入、可以从外部存储器26的一个或多个文件读取、或从与网络连接的某个服务器或其他信息源获得。

本发明为无线网络整体性能的表征、调整和优化，提供改进的技术。在本发明的一个示范的实施例中，特定网络配置的整体网络性能，由两个分量的一个矢量表征，一个分量代表网络覆盖，另一个分量代表网络容量。按照本发明，网络覆盖用包括干扰的负载不足的服务似然性来方便地定义，而且可以用业务量密度来进一步加权。网络容量用能按给定总的目标阻塞率被服务的给定空间分布的业务量来方便地定义。已经确定，这些定义能对网络资源使用的好坏，提供精确和充分的定量评估。

图2A画出一个两维的容量／覆盖曲线图的例子，它可以用按照本发明的图1的系统产生。该图对各种网络配置，描绘出整体网络性能矢量，每一个包括一网络容量分量和一网络覆盖分量。因此，该图能对不同网络配置，以直观的、十分清晰和有效的形式，比较它们的整体网络性能。它还对示范性实施例的两种竞争的网络性能属性之间的权衡，即网络容量和网络覆盖之间的权衡，给出一种直观的了解。在图中，不带阴影的圆代表与网络任意设置值有关的网络性能矢量，而带阴影的圆代表最大化的整体网络性能的权衡点。

因此，可以针对给定的网络参数子集合，利用根据网络容量和网络覆盖的整体网络性能分类，改进或优化整体网络性能。这一步可以用优化算法完成，这一算法推荐潜在的网络配置，并对它们的整体网络性能加以评估。相应的网络性能点描绘在容量／覆盖图上。凡算法考虑到的一切网络配置所形成的外包络上的那些配置，代表此过程找到的网络的最佳权衡曲线。

图2B按此方式产生的一组权衡曲线例子，每一权衡曲线对应于使用不同的网络资源量，如不同的小区数目。权衡曲线以十分清晰的方式指出，能够通过增加资源量来改善整体网络性能。

上述在示范的实施例中的优化过程，可以使用能确定足够多网络配置的任何算法。例如，此算法可以是直接寻找网络配置的最佳权衡曲线的数学上的优化算法。这种算法一般在较短的时间内查找较好的权衡曲线。另外，可以用某种数学上的算法，尝试对不同的目标进行优化。例如，可以用频率规划算法。每一频率规划，产生权衡曲线上的一点，而权衡曲线代表由频率规划算法产生的最佳的频率规划集合。如前指出，这种频率规划算法的有关例子，是由Asset网络设计工具提供的，来自Aircom， www．aircom．co．uk。甚至可以用通过随机过程来改变某些网络配置的例程。

因为上述原理与所用的特定算法无关，所以它代表改善和／或优化整体网络性能的某种方法论。根据这个方法论，可以发展出更细致的算法。特定算法的质量，能够用它在上述整体网络性能的容量／覆盖分类下，对网络能作的改善来衡量。

对特定权衡曲线的改进／优化过程，总带宽和其他重要的网络资源应当稍加限制。如上面结合图2B的一组权衡曲线所示，使用不同的资源集合，如，更多的基站或更大的带宽，将得到不同的权衡曲线，这一点从一条曲线就可以看见，它十分清楚地说明整体网络性能有关的变化。这一曲线还指出，使用可比较的资源的各种网络设计之间，整体性能有什么不同。

应当指出，在该示范性实施例中，网络覆盖和网络容量两种性质能够以别的实施例中有关性质代替。例如，网络覆盖能够与统计的网络量度标准如“呼叫方失效”相联系，而网络容量能够与“给定业务量负载下总阻塞率”或简称“被阻塞呼叫率”相联系。这些性质，连同其他由网络统计导出的类似性质，与网络覆盖和网络容量紧密相关，且基本上携带相同或类似的信息。因此，这里使用的“网络覆盖”和“网络容量”等词，要包括任何这类相关的性质。

现在更详细说明上述示范性实施例的一个示范性的实现。在此实现中，当某个通信链路能够恰当地始发和终接时，并当在链路启动时间内业务量有足够的链路质量时，某个地点被认为覆盖。这些条件可能包括不同链路要求的若干通信信道。

例如，在IS-95 CDMA系统中，当最强的导频相对于总干扰电平有足够的信号强度时，可以考虑前向链路被覆盖，总干扰包括所有其他通信信道的干扰和噪声： ${\mathrm{Ec}}_{\mathrm{ik}}/{\mathrm{Io}}_{\mathrm{ik}}\≥{\mathrm{\θ}}_c,{\mathrm{Io}}_{\mathrm{ik}}=\underset{k\′\≠k}{\mathrm{\Σ}}{\mathrm{Etot}}_{\mathrm{ik}}+(1-b)\·{\mathrm{Etot}}_{\mathrm{ik}}+{\mathrm{NF}}_i\·N_o,$     (1)

这里

Ec_ik：扇区k在移动台i的天线部分的导频功率。

Io_ik：在移动台i的天线部分，相对于扇区k的导频的干扰功率。

Etot_ik：在移动台i的天线部分，从扇区k接收的总功率。

b：导频功率对小区或小区扇区的总功率的百分比。

NF_i：移动台噪声值。

N_o：热噪声本底。

θ_c：固有的导频信号恢复阈值。

在反向链路，当基站能够以足够的相对信号强度接收所有移动台时，就获得覆盖： $S_{\mathrm{ik}}/I_{\mathrm{ik}}\≥{\mathrm{\θ}}_{\mathrm{RVS}},I_{\mathrm{ik}}=\underset{j\≠i}{\mathrm{\Σ}}{S}_{\mathrm{jk}}+{\mathrm{NF}}_k\·N_o,$        (2)这里S_ik：在扇区k天线部分，来自移动台i的信号功率。I_ik：在扇区k天线部分，相对于来自移动台i的导频的干扰功率。NF_k：移动台噪声值。N_o：热噪声本底。

θ_RVS：在反向链路中固有的移动台信号恢复阈值。

当前向链路和反向链路两者都被覆盖时，某个位置就被覆盖。这些条件必须只就一个小区或一个小区的扇区，即最强的服务器，对每个用户都满足。在反向链路中，能够从软越区切换获得附加的分集增益。这一增益能够加到总链路预算中去。

按照本发明，覆盖函数定义如下：

用覆盖函数对目标覆盖区域(TCA)积分，能够定义整个区域的加权的覆盖范围： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\∫}\mathrm{Cov}(x,y)\·\mathrm{dx}\·\mathrm{dy}/\underset{\mathrm{TCA}}{\∫}\mathrm{dx}\·\mathrm{dy}$        (4)另外，能够用下式定义整个业务量的加权的覆盖范围： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\mathrm{Cov}(x,y)\·\mathrm{dx}\·\mathrm{dy}/\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\mathrm{dx}\·\mathrm{dy}$        (5)

这里TD(x，y)是指局部业务量密度函数。此整个业务量加权覆盖范围更好地代表统计的网络性能，因为它对高业务量区域的加权大于低业务量区域的加权。

如果评估时用位置的离散集而不是连续集，那么，方程式(4)和(5)的积分可以用求和来代替。为了统计地表示覆盖的评估，位置的数目应足够多且足够密。另外，评估能够用基于道路的网格来完成，如前面举出的美国专利所述：U．S．Patent Application of K．L．Clarkson等，标题为“Road-based Evaluation and Interpolation of WirelessNetwork Parameters”。

在接收机输入上的个别功率电平，可从，例如，常规的网络设计工具、从安装地点的测量、从网络性能统计、或从这些和别的技术的组合等获得。

按照本发明，网络的总容量是就空间上变化的业务量分布而定义的。这个定义避免向没有业务量的地方提供太多的资源，而高业务量的区域则缺乏资源。这种状况会导致在某些区域资源使用率低，而在别的区域出现高阻塞率。

对正在运行的网络，网络容量能够相对于一个特定的总目标阻塞率BR₀来规定：

这里，失败尝试数是可归因于网络资源超载的服务始发失效数。

图3A表明一种情况，其中，对给定业务量分布而不是简单地把所有小区相加的网络，上述网络容量定义可能导致大大降低容量值。在此图中，目标业务量负载的空间分布(实线)，与可用网络容量(方块)不匹配。因此，某些小区容量太小(在左侧和右侧的小区)，而别的小区容量太大(在中心的小区)。为了保持整个网络的阻塞率在一个小的目标值(小的“被阻塞业务量”区域)，必须大大缩减总的业务量(点线)。在此图中，简单地把所有小区容量相加(所有方块的面积)，将得到一个符合开始的业务量分布(实线下的面积)的总容量值，且大大高于用上述网络容量定义获得的值。

图3B对一个优化的网络画出相同的情况。因为在这种情形下，容量分布和业务量互相匹配，所以能够在目标阻塞率下处理的业务量(点线)是最大的。

下面，把示于图3B的情况模型化。假定整个网络只有一种业务量类型。各个小区或小区的扇区，k，都有可以服务的特定的业务量信道数Г_k。每个扇区，这个业务量信道数可以不同。此外，已知空间业务量分布TD(x，y)，它已用网络的目标容量归一化： $\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\text{dx\·}\text{dy=TCap,}$

这里TCap是网络的目标容量，而TCA是目标覆盖区域。这一业务量分布以厄朗(Erlang)为单位给出。

虽然业务量分布TD(x，y)用目标容量归一化，但在总目标阻塞率BR₀下的网络，能处理的业务量是τ·TD(x，y)，它可能显著变小。业务量负载乘数τ显然依赖于目标阻塞率：□=□(BR₀)。

在每个小区或小区的扇区k，总业务量负载是τ·TD_k： $\mathrm{\τ}\·{\mathrm{TD}}_k=\mathrm{\τ}\·\underset{C\left(k\right)}{\∫}\mathrm{TD}(x,y)\·\mathrm{dx}\·\mathrm{dy},$

这里C(k)是k的覆盖区域，即服务请求由k处理的区域。依照熟知的集群理论，与小区或小区的扇区k相关的阻塞率BR_k(τTD_k，Γ_k)为：

小区或小区的扇区k中被阻塞的业务量，BT_k(τTD_k，Γ_k)，是小区阻塞率和小区业务量的乘积：

BT_k(τ TD_k，Γ_k)=τTD_k·BR_k(τTD_k，Γ_k)    (9)

整个网络中被阻塞的业务量总量，是对每个小区的被阻塞业务量求和：

BT_tot=∑_kτTD_k·BR_k(τTD_k，Γ_k)    (10)由此式可得整个网络的总的全部阻塞率，它由被阻塞业务量总量和总业务量之比给出：

BR_tot=∑_kτTD_k·BR_k(τTD_k，Γ_k)／τTC    (11)

此式定义一个函数BR_tot(τ)，求解BR_tot(τ)=BR₀，可得到业务量乘数τ，这里BR₀是总的目标阻塞率。

在上面的计算中，τ代表在目标阻塞率下对给定业务量分布的网络容量。但是，这一定义一般只在完全覆盖下才是合理的。对有覆盖空洞的实际网络，网络容量由如下定义取代：

网络容量=τ·网络覆盖    (12)

这里的网络覆盖定义如前。此定义表示的容量，是在目标阻塞率下目标网络区域上能够服务的总业务量负载。

图4A和4B说明在这种情形下网络覆盖所受的影响。两个图画出的情况是，业务量密度分布与提供给每小区的容量互相准确匹配。因此，容量在两种情形中应是100％。但是，在图4B，网络有一个大的空洞。在此区域未被利用的容量资源被重新分配，供网络覆盖的区域使用。这一步使τ增加了1／覆盖(点线对实线)。但是，能够被服务的业务量总量并没有增加。为计及这一点，网络容量应按方程式(12)定义。

应当指出，为了确定一个小区或小区的扇区必须处理的业务量，每个小区或小区的扇区的覆盖区，C(k)，必须已知。

按IS-95 CDMA标准，如果方程式(1)的条件在前向链路中被满足，可以把某用户分配给某个小区或小区的扇区。如果此条件被好几个小区或小区的扇区满足，则该用户处于越区切换状态，就是说，使用所有这些小区或小区的扇区的资源。一般说，IS-95网络的用户，最多可分配到三个小区。因此，在这种网络中的覆盖区C(k)，定义为k导频在满足方程式(1)条件的三个最强导频中的区域。

如前所述，个别导频电平可从网络设计工具、从安装地点的测量、或从这些技术与别的技术的组合中获得。

为了确定特定网络配置的整体性能矢量，可如前所述，通过计算负载和容量而得到相应的整体性能点。

一般说，任何目标函数可以和任何优化过程一起使用，按上述方式把网络优化。

在上面的分类框架下，为直接把整体网络性能优化，必须同时处理两个竞争的目标函数。这种优化过程将导致在容量／覆盖图中一条权衡曲线，它代表优化过程能够找到的在此分类下的最佳性能。在这种优化过程中，通过把两个目标函数之一，比如覆盖优化，而把另一个目标函数，如容量，作为约束，可以达到目的。对各种不同的约束值，重复这个过程，这个优化过程将产生所要的权衡曲线。

为了在该权衡曲线上得到一个点，一个新的目标可以定义如下：

新目标=a·覆盖+(1-a)·容量，a∈[0，1]。

对新目标的优化将得到权衡曲线上的一个点。对不同的a值重复这一过程将给出整条权衡曲线。

上述优化过程有两种可能的实施办法，即，Monte Carlo过程和用频率规划工具的优化过程，现在加以说明。

在Monte Carlo过程中，用常规的设计工具，对网络的某组特定参数，如初始的配置，评估运转中的网络的RF链路的量度标准。这一评估可以在一地理的栅格上完成。为了网络性能的统计上有意义的表述，栅格点的数量要足够密。从该栅格上的RF链路量度标准的数据和初始的网络配置，按照上述分类，计算整体网络性能。得到的整体网络性能点描绘在容量／覆盖图上。

可调节的由优化过程支配的网络参数中，至少有一个子集是在随机过程中改变的。对网络参数的每一个随机集合，用设计工具对RF链路的量度标准重复计算。按上述评估整体网络性能，并描绘在容量／覆盖图上。所有整体性能点的外包络，定义为此优化过程获得的权衡。

图5画出整体网络性能点的曲线的一个例子，它是把上述MonteCarlo方法用于各种网络配置而得到的。其外包络构成此过程获得的最佳权衡。

如上所指出，另一种可能的实现办法，是用频率规划工具来优化。为了根据其频率规划来优化一个网络，可以结合某种频率规划算法(如，上面指出的Asset频率规划工具)，使用某种设计工具。对每一个频率规划，用该设计工具在足够精确的栅格上，计算RF链路量度标准。从RF链路量度标准的每一栅格，按照上述的分类，确定整体网络性能。从得到的点的集合，以前述方式确定最佳的权衡。

权衡曲线能够按如下方式确定。假定在整体性能曲线(如图5)上给定一个点的集合。点的这个集合可以是从优化算法得到的。该权衡曲线代表最佳网络性能的点，可以用如下算法找到：

／^*集合中有n个点，每个点有一个唯一的指标i=1，．．，n。

／^*与网络覆盖和网络容量有关的值是(Cov_i，Cap_i)。

／^*下面简单的循环结构可找出权衡曲线：

for(i=1；i≤n；i+=1)

{

for(j=1；j≤n；j+=1)

   {

   if((Cov_j＜Cov_i)∧(Cap_j＜Cap_i)){Cov_j=0；Cap_j=0}

}

{

余下的非零点构成上面指出的权衡曲线。

现在按照本发明，详细说明基于导数的优化过程的一个例子。这个优化过程，就许多数学上连续的网络参数，针对一个整体网络性能量度标准的一个目标，把无线网络的性能优化。

这个优化过程中的这个目标，是作为一组网络可调节参数的一个数学的或数值的函数而公式化的，这些参数在优化过程中是可变动的。按照本发明，该优化过程以目标函数对网络的可调节参数的准确的或近似的一阶或高阶导数为基础。因为可调节参数是数学上连续的，且整体网络性能量度标准是局部可微的，就是说，参数设置值的微小变化，只引起网络性能的微小变化。适于结合本发明使用的数值优化程序的例子，如：Robert Fourer，David M．Gay，Brain W．Kernigham，″AMPL-A Modeling Language for Mathematical Programming，″The Scientific Press(1993)，Philip E．Gill，Walter Murray and MichaelA．Saunders，"SNOP：An SQP Algorithm for Large-Scale ConstrainedOptimization，＂NA97-2，Dept．of Math．，UC San Diego(1997)，andPhilip E．Gill，″User＇s Guide for SNOP 5．3：A Fortran Package forLarge-Scale Nonlinear Programming，″1997。

如果数学上连续的网络参数，实际上施行时是以足够小的步长进行离散设置值的，那么，这些设置值可在优化过程之后把优化配置的设置值进行四舍五入得到。因为整体网络性能对其变量是连续的，从而其最大值或最小值是光滑的，所以四舍五入不会严重影响整体网络性能。

上述优化过程有许多优点。例如，把整体网络性能写成多个可调节参数的函数，从而获知它们对网络性能的互相关联的作用，并在优化过程中加以考虑。另一个优点是，利用整体网络性能量度标准对网络可调节参数的解析性质，能开发标准的优化算法，以便完成整体网络性能的优化。

在上述优化过程中能够优化的目标，其例子如下：

1．网络覆盖的最大化。如前指出，网络覆盖可以用被局部覆盖的区域的百分比定义，而且还可以用业务量密度加权。局部覆盖可以通过在负载不足，包括干扰，的某个地点上服务的似然性来定义。

2．网络容量的最大化。如前指出，网络容量可以用给定空间分布的业务量来定义，此空间分布能在给定的总目标阻塞率上使用。

3．网络资源的最小化。此类目标可以指任何种类的网络资源。

4．上述目标中两个的任何组合，形成优化配置的一个一维解空间。解空间能够在两维图中描绘成一曲线，表示两个目标间的权衡，如图2A和2B中所示。

5．与上述目标直接有关的任何目标。例如，“在给定业务量负载上的总阻塞率”与网络容量有关，因为其中之一的单调函数能够描述为另外一个的单调函数。

能够用于优化过程的网络可调节参数的例子，包括如下参数：

1．天线参数，如，位置，高度，取向，倾斜度，方位角和仰角束宽。

2．每通信信道和链路的功率电平。

3．越区切换阈值。

4．每小区或小区扇区的信道单元数(如果数量足够大，可按连续处理)。

5．与链路有关的物品的费用，如，每个功率放大器所要求的功率，等等。

优化可以对这些参数的一个大的集合进行，如所有小区扇区的天线倾斜度等。这样可以获知它们对网络性能的互相关联的作用，并在优化过程中加以考虑。

所有不变的参数应在优化过程中按常数处理，如，固定的网络参数、在此环境下与传播相关的参数、空间业务量分布、通信标准，等等。对被选作优化过程的上述目标中的每一个目标，其他目标在处理时应作为约束。例如，网络覆盖能够对给定的总业务量进行优化，给定的总业务量约束着网络容量，如此等等。此外，所有可调节参数的变化范围，最好限定在这些参数能够或应该工作的实际范围。

建模给定目标与网络可调节参数变量之间的函数相关性，会涉及传播效应、通信信道间的相互作用、以及标准的且专用的参数。因为整体网络性能量度标准是从网络性能的时间平均收集的，所以能够用统计模型把传播效应和相互作用公式化。这类模型在常规的网络设计工具中都有概括的说明，因此容易推广到某个特定的网络。传播的预测可以用，例如射线跟踪模型，或用实际安装地点的测量结果加以改善。

优化算法本身可以是，比如说，任何常规的算法，它根据准确的或近似的一阶或高阶导数，把数字的或数学的函数优化。这些导数能够用数值方法或解析方法计算。

现在说明上述基于导数的优化过程的一个示范性实施。

在这个实施中，网络覆盖目标定义如下。当某个通信链路能够恰当地始发和终接时，并当该链路启动时间内业务量有足够的链路质量时，某个位置被认为覆盖，即，存在局部覆盖。这些条件可能包括不同链路要求的若干通信信道。

在这个基于导数的优化过程的示范性实施中，网络容量和网络覆盖目标可以按前述方式，结合网络覆盖与网络容量间的权衡加以定义。

一个网络资源目标可以按如下方式定义。可能有各种资源要最小化。例如，功率放大器的总的硬件费用，以每小区扇区或小区的功率电平要求表示，可以最小化。在IS-95 CDMA系统中，每扇区的功率电平要求，分别由业务量信道数及其平均功率电平P_traffic，和导频、同步、与寻呼信道所需额外开销P_Pilot，P_Synch，P_Page给出。功率放大器可以一致地把每信道功率电平缩减某个因子λ_k，或减小业务量信道数Г_k，而按比例缩小，这里，总功率由下式给出：

Ptot_k=λ_k·(P_Pilot+P_synch+P_Page+Г_k·P_Traffic)_k

每个功率放大器的费用是其功率的单调函数COG_k(Ptot_k)。这个函数应当是解析的。整个网络的功率放大器的费用是：

COG_tot=∑_k COG_k(Ptot_k)

RF环境可按如下方式被建模。这个举例的建模过程是针对IS-95 CDMA系统的，并考虑了潜在用户地点即移动台与基站或基站扇区之间的链路。

1．在此环境中定义目标覆盖区。

2．定义目标业务量分布，给出每面积的业务量密度TD(x，y)(如，Er／km²)。这一业务量密度可以从现场业务数据导出。最好把这个业务量密度在目标覆盖区对网络的目标容量规一化： $\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\mathrm{dxdy}=\mathrm{TCap}$

3．在目标覆盖区产生一个栅格或网格，栅格点代表潜在的或实际的用户。可以用以道路为基础的网格，如在前面列举的专利所述：U．S．Patent Application of K．L．Clarkson等，标题为“Road-basedEvaluation and Interpolation of Wireless Network Parameters”。

           a)栅格点指标：1…i…n。

           b)栅格点位置：Y_i=(x_i，y_i)。

栅格的间隔在目标覆盖区域可以变化，例如，在计及业务量密度的变化时。

4．把业务量密度分配给每一个栅格点：TD_i=TD(x_i，y_i)·G² _i(Erl)，这里G_i是局部栅格间隔。

5．代表某个潜在用户收发机的每一个栅格点，可表征为：

a)相关天线数据，如高度，辐射图(方位角，仰角)，天线取向，倾斜角：h_i，g_i(θ，φ)，α_i，β_i。

b)在天线部分的发射功率(Tx功率)电平：P_i。

c)在天线部分从基站k接收的总接收功率(Rx功率)电平：Etot_ik=L_ik·Ptot_k。

d)基站k在天线部分的导频信道Rx功率电平：Ec_ik=L_ik·Pc_k，这里L_ik是一般的路径损耗因子，下面还要说明。

e)热噪声本底+外部干扰：N₀

f)用户接收机的噪声本底：NF_i

6．基站或基站扇区都有指标和位置：

a)基站指标：1…k…m。

b)基站位置：X_k=(X_k，y_k)

7．每一个基站或基站扇区可表征为：

a)相关天线数据，如高度，辐射图(方位角，仰角)，天线取向，倾斜角：h_k，g_k(θ，φ)，α_k，β_k。

b)在天线部分可用的最大Tx功率：Ptot_k

c)在天线部分导频信道的Tx功率电平：Pc_k=b_k·Ptot_k。

d)在天线部分移动台的Rx功率电平：S_ik=L_ik·P_i，这里L_ik是一般的路径损耗因子。

e)热噪声本底+外部干扰，包括衰落储备：N₀

f)用户接收机的噪声本底：NF_k。

g)业务量信道的最大数目：Г_k。

8．路径损耗计算：要计算一种传播路径损耗矩阵PL_ik。PL_ik分配从第k个基站或扇区的天线连接器至第i个移动台收发机的天线连接器的传播损耗。使用的特定模型高度依赖于局部的地貌和拓扑。预测路径损耗平均值的适当的模型，在如：“Cellular System，Design &Optimization，”Clint Smith，P．E．，and Curt Gervelis，Editor：McGraw-Hill(1996)中有描述。这些模型基本上具有如下形式：

PL_ik=PL₀·(d_ik．／d₀)^k

这里

PL_ik：在BSk和移动台i之间的路径损耗。

d_ik=‖ X _i- Y _k‖。

利用熟知的Hata模型，在PL_ik中的参数的例子有：

PL₀=6．995·(f_c(MHz))^2．616·(h_k(m))^-1．382

d₀=1km

k=4．49-0．655·log₁₀(h_k(m))

这些参数代表高为1．5米，并在都市环境下的一个移动台的路径损耗。对郊区环境，PL_ik缩减9．88dB，而对乡村区域，则缩减28．41dB。

作为这一步骤的一部分，要确定一个普遍的路径损耗矩阵L_ik，它包括除路径损耗外，所有从BS k的天线连接器到移动台i的天线连接器的链路预算中的参数。它还包括移动台和基站天线的天线图和增益。因为在这个例子中的传播模型是个统计模型，L_ik应当还包括Raleigh衰落和对数正态衰落的储备，如见：“Cellular System，Design &Optimization，”Clint Smith，P．E．，and Curt Gervelis，Editor：McGraw-Hill(1996)，和William C．Y．Lee，“Mobile Communications，Design Fundamentals，”2nd edition，John Wiley & Sons，Inc．(1993)。普遍的路径损耗矩阵由下式给出：

L_ik=Ω·PL_ik／(g_k(θ-α_k，φ-β_k)·(g_i(θ-α_i，φ-β_i))。

所有固定损耗和增益参数由Ω总括。方向角和仰角θ，φ由：cosθ=X_i·Y_k，tanφ=(

)／d_ik定义，这里 =h_k+H(x_k，y_k)，和

=h_i+H(x_i，y_i)。这里H(x，y)是地面高程。更细致的地面效应，如在高山上的偏折，也可以包括在内。

9．把用户分配至扇区，是在前向链路中完成的。为简单计，忽略软的越区切换。如果： $i\∈A_k\⇔{\mathrm{Ec}}_{\mathrm{ik}}/{\mathrm{Io}}_{\mathrm{ik}}={\max }_l({\mathrm{Ec}}_{\mathrm{il}}/{\mathrm{Io}}_{\mathrm{il}}),$ 则某用户i被分配至扇区k。这里A_k是扇区k的分配区域。10．然后，总的覆盖计算如下：a)前向链路：如果： $i\∈{\mathrm{Bf}}_k\⇔(i\∈A_k)^({\mathrm{Ec}}_{\mathrm{ik}}/{\mathrm{Io}}_{\mathrm{ik}})>{\mathrm{\θ}}_c,$ 则某用户具有局部前向链路覆盖，这里

Bf_k：扇区k的前向链路覆盖区域。b)反向链路：如果： $i\∈{\mathrm{Br}}_k\⇔(i\∈A_k)^(S_{\mathrm{ik}}/I_{\mathrm{ik}})\≥{\mathrm{\θ}}_{\mathrm{RVS}}$ 则某用户具有局部反向链路覆盖，这里 $S_{\mathrm{ik}}=P\max /{\max }_{i\′\∈A_k}\left(L_{i\′k}\right)$

Pmax：最大移动台功率电平。这一点假设反向链路中的功率控制是完善的。在分配区域中，从移动台接收的功率电平全都相同。它们的最大值由该扇区中最大移动台功率和最大路径损耗给出。而且， $I_{\mathrm{ik}}=\underset{l}{\mathrm{\Σ}}\underset{j\∈B_u}{\mathrm{\Σ}}{\mathrm{TD}}_j\·S_{\mathrm{jl}}\·\frac{L_{\mathrm{jl}}}{L_{\mathrm{jl}}}+\mathrm{NF}\·N_0$ 这里Bf_k是扇区k的反向覆盖区域。c)总局部覆盖： $i\∈C_k\⇔(i\∈{\mathrm{Bf}}_k^i\∈{\mathrm{Br}}_k)$ 此式定义局部覆盖函数：

网络覆盖Cov_tot由下式给出： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{k}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}{\mathrm{Cov}}_{\mathrm{ik}}\·{\mathrm{TD}}_i/\[n\·\underset{i}{\mathrm{\Σ}}{\mathrm{TD}}_i\],$ n：移动台总数。

11．总容量计算： $\mathrm{\τ}\·{\mathrm{TD}}_k=\mathrm{\τ}\·\underset{i\∈C_k}{\mathrm{\Σ}}{\mathrm{TD}}_i\⇒{\mathrm{BR}}_k({\mathrm{\τ}\text{TD}}_k,{\mathrm{\Γ}}_k)\⇒{\mathrm{BR}}_{\mathrm{tot}}\left(\mathrm{\τ}\right)\⇒\mathrm{\τ}\left({\mathrm{BR}}_{\mathrm{tot}}\right)$

如上所述。于是总容量由τ·Cov_tot定义。

12．资源的计算：如上面所给出，

Ptot_k=λ_k·(P_Pilot+P_Synch+P_Page+Г_k·P_Traffic)_k

这一步完成了RF环境的建模过程。

在这个基于导数的优化过程的实施办法中，适合优化的网络可调节参数变量的若干实例，现在将加以说明。下面的网络参数能够用作优化的变数：

1．天线数据：高度，取向，倾斜角：h_k，α_k，β_k。

2．天线位置：Y_k。

3．各个通信信道的发射功率电平：Ptot_k，P_Pilot，P_Traffic。

4．信道单元量：Г_k。虽然这不是一个连续参数，但它可以在某种数学意义下当作连续参数处理。

5．功率放大器递减因子：λ_k

现在说明导数函数的方程式。导数可以按数学的或数值的方式处理。如果选择数值处理，导数可以用有限差分定义如下： $\frac{d}{{\mathrm{d\β}}_k}{\mathrm{Cov}}_{\mathrm{tot}}\left({\mathrm{\β}}_{k0}\right)=\frac{{\mathrm{Cov}}_{\mathrm{tot}}({\mathrm{\β}}_{k0}+{\mathrm{\Δ\β}}_k)-{\mathrm{Cov}}_{\mathrm{tot}}\left({\mathrm{\β}}_{k0}\right)}{{\mathrm{\Δ\β}}_k}$

在优化过程中，可以对任一个别的目标函数或变量，写出相同的或类似的方程式。

因为上述栅格是离散的，当变量连续变化时，分配给扇区的移动台将按离散的步长出现。要对导数获得合理的结果，一般需要为△β_k把栅格选得足够细和足够大的值。这个问题容易通过使栅格间隔越来越细地运行优化过程而得到检验。当优化结果收敛时，已经对特定的一组△β_k找到足够细的栅格间隔。另外，导数能够解析地确定。这种基于道路内插技术的一种实施办法，在上面所举的专利中有说明：U．S．Patent Application of K．L．Clarkson等，标题为“Road-basedEvaluation and Interpolation of Wireless Network Parameters”。

在基于导数的优化过程中，目标函数、约束、和目标函数对所有网络可调节参数的导数函数，都可以作为，例如数值函数而产生。得到的函数能够用任何常规的数值优化程序处理，市场上出售这种程序，供优化使用。如上所指出，适于结合本发明使用的数值优化程序的例子，包括AMPL和SNOPT。

图2A，2B，3A，3B，4A，4B，和5显示的曲线，可以用，例如，系统10的处理器12执行软件程序指令而产生。按照本发明适当配置的软件程序，可以从例如一个或多个来源获得网络参数数据，按照本发明的优化过程处理网络参数数据，并按所需格式显示得到的网络配置信息曲线。

上述本发明的实施例只是演示性的。例如，上述技术可以用于设计无线网络，或优化或改善一个现有的已经投入运行的网络。此外，本发明可以用于子网络，如，给定的无线网络的规定部分，也可用于许多不同种类的网络，如，带有移动用户单元或固定用户单元或移动与固定单元组合的网络。包含在后面权利要求书范围内的这些和许多别的实施例，对本领域的熟练人员是显而易见的。

Claims (36)

1．一种由处理器实现的用于表征无线网络性能的方法，该方法的步骤包括：

确定多个网络参数的值；和

处理该网络参数值，以产生该无线网络性能的某种度量，该度量包括表示网络覆盖和网络容量的诸分量。

2．按照权利要求1的方法，其中该网络参数的至少一个子集包括链路参数。

3．按照权利要求1的方法，其中网络覆盖分量被定义，至少部分地可当作服务质量在规定阈值以上的区域对目标覆盖区域的百分比。

4．按照权利要求3的方法，其中的服务质量包括该无线网络某特定链路的至少一个通信信道。

5．按照权利要求1的方法，其中的网络覆盖分量按照某种加权因子加权。

6．按照权利要求5的方法，其中的加权因子代表某特定覆盖区域内的业务量密度。

7．按照权利要求1的方法，其中无线网络给定的通信信道的网络覆盖分量被配置成包括来自无线网络中其他通信信道的干扰，以便反映因业务量负载不足的覆盖缩减。

8．按照权利要求1的方法，其中网络覆盖分量包括一个全部区域加权的网络覆盖分量，它的定义为： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\∫}\mathrm{Cov}(x,y)\·\mathrm{dx}\·\mathrm{dy}/\underset{\mathrm{TCA}}{\∫}\mathrm{dx}\·\mathrm{dy}$

这里TCA表示目标覆盖区域，而Cov(x，y)是向给定位置(x，y)分配一个覆盖指示的覆盖函数。

9．按照权利要求8的方法，其中的覆盖函数Cov(x，y)定义为：

10．按照权利要求1的方法，其中的网络覆盖分量包括一个总的业务量加权的覆盖分量，它的定义为： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\text{\∫}}\mathrm{TD}(x,\text{y})\·\text{Cov}(x,\text{y})\·\text{dx\·}\text{dy/}\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\text{dx\·}\text{dy,}$

这里TD(x，y)是局部业务量密度函数及Cov(x，y)是向给定位置(x，y)分配一个覆盖指示的覆盖函数。

11．按照权利要求10的方法，其中覆盖函数Cov(x，y)定义为：

12．按照权利要求1的方法，其中网络容量分量的定义，至少部分用到具有给定空间分布的业务量，并代表无线网络与空间业务量分布匹配的能力。

13．按照权利要求1的方法，其中的网络容量分量，还表示具有给定空间分布的业务量，此分布能由网络结合规定的目标阻塞率承载。

14．按照权利要求13的方法，其中的规定目标阻塞率定义为：

这里失败的尝试数是归因于网络资源超载的服务始发失效。

15．按照权利要求13的方法，其中的网络容量分量定义为：

                 网络容量=τ·网络覆盖

这里τ是把业务量分布归一化的乘数，且所设的值要使网络能够在规定目标阻塞率下处理相应的业务量。

16．按照权利要求1的方法，其中的网络容量分量，至少部分由给定业务量负载下被阻塞的服务请求量来定义。

17．按照权利要求1的方法，还包括把无线网络性能以两维图形表示的步骤，此图能够直观地比较为多种不同网络配置产生的不同网络性能度量。

18．按照权利要求17的方法，其中的两维图，包括表示多种不同网络配置的网络性能度量，以便根据网络覆盖分量和网络容量分量之间的权衡，说明多种配置之间的性能权衡。

19．按照权利要求17的方法，其中的两维图，包括对多种配置的每一种的一条权衡曲线，每一条权衡曲线包括多个点，每一点对应于一个网络性能度量，它是在特定网络资源约束下为相应配置产生的。

20．按照权利要求19的方法，其中权衡曲线的点的集合中，至少一个子集的外包络，对多种网络配置定义网络覆盖分量和网络容量分量之间的最佳权衡曲线。

21．按照权利要求1的方法，还包括用优化算法把无线网络性能优化的步骤，该算法产生推荐的网络配置，其中推荐的网络配置用网络性能度量来评估。

22．按照权利要求21的方法，其中的优化算法包括频率规划工具。

23．按照权利要求21的方法，其中的优化算法包括一种基于导数的优化过程。

24．按照权利要求1的方法，还包括用优化算法把无线网络性能优化的步骤，该优化算法对性能度量中网络覆盖分量和网络容量分量的至少一个的规定值，确定一种网络配置。

25．按照权利要求24的方法，其中的优化算法，对除特定的网络覆盖或网络容量之外的一个目标，确定一种网络配置。

26．按照权利要求24的方法，其中的优化算法在与其他分量有关的不同约束值下，对网络覆盖分量和网络容量分量中特定的一个进行优化。

27．按照权利要求24的方法，其中的优化算法对规定为网络覆盖分量和网络容量分量的线性组合的一个网络性能目标，进行优化。

28．按照权利要求27的方法，其中的网络性能目标规定为：

a·覆盖+(1-a)·容量，a∈[0，1]。

这里“覆盖”指网络覆盖分量，而“容量”指网络容量分量。

29．一种用于表征无线网络性能的设备，此设备包括：

一种以处理器为基础的系统，它有效地(ⅰ)确定多个网络参数的值；和(ⅱ)处理网络参数值，以产生无线网络性能的一种度量，该度量包括代表网络覆盖和网络容量的分量。

30．一种制品，包括存储一个或多个软件程序的计算机可读介质，用于表征无线网络性能，其中的一个或多个程序，当由处理器运行时，执行如下步骤：

确定多个网络参数的值；和

处理网络参数值，以产生无线网络性能的一种度量，该度量包括代表网络覆盖和网络容量的分量。

31．一种用处理器实现的用于表征无线网络的性能的方法，该方法包括的步骤有：

确定多个网络参数的值；和

处理网络参数值，以产生无线网络性能的一种度量，该度量包括至少两维的一个矢量并代表给定一组网络资源下的无线网络性能。

32．按照权利要求31的方法，其中的矢量包括与网络覆盖对应的第一维和与网络容量对应的第二维。

33．一种表征无线网络性能的设备，该设备包括：

一种以处理器为基础的系统，它有效地(ⅰ)确定多个网络参数的值；和(ⅱ)处理网络参数值，以产生无线网络性能的一种度量，该度量包括一个至少两维的矢量并代表给定一组网络资源的无线网络的性能。

34．按照权利要求33的设备，其中的矢量包括对应于网络覆盖的第一维和对应于网络容量的第二维。

35．一种制品，包括存储一个或多个软件程序的计算机可读介质，用于表征无线网络性能，其中的一个或多个程序，当由处理器运行时，执行如下步骤：

确定多个网络参数的值；和

处理网络参数值，以产生无线网络性能的一种度量，该度量包括一个至少两维的矢量并代表给定一组网络资源的无线网络的性能。

36．按照权利要求35的制品，其中的矢量包括对应于网络覆盖的第一维和对应于网络容量的第二维。

Images