CN1295417A - 无线网络性能的基于导数优化的方法和设备 - Google Patents

Abstract

用于优化无线网络的性能的改进的技术。在一个实施例中,基于导数的优化过程被应用于相对多个网络调谐参数变量来优化网络性能量度的一个目标函数。该优化可以相对于选择的网络参数变量,取决于目标函数的一阶或高阶导数。目标函数可以包括例如网络覆盖范围的最大值、网络容量的最大值以及网络资源的最小值中一个或多个。在优化过程中不是变量的其他网络参数用作对优化过程的约束。本发明改进了设计、调节和优化无线网络性能的过程。

Description

无线网络性能的基于导数优化的方法和设备

本发明一般涉及无线通讯网络，尤其涉及在这样的无线网络的设计、实现和操作中使用的性能表征、调节和优化技术。

一个典型的无线网络包括许多互联的基站，这些基站给地理上严格定义的覆盖范围区域上分布的数目不定的固定或移动用户提供无线业务。无线接口通常必需在以下条件下工作，包括要求多址联接到网络、非可控的信号传播以及有限的带宽。要求多址联接到网络意味着服务请求的位置和时间事先是不知道的。因此，网络必须在一个大的地理区域上提供具有足够容量的服务所需的电平。上述非可控信号传播条件表示基站和用户之间的无线链路依赖于一种环境下的信号传播，这种环境典型地与高传播损耗、反射、绕射、或在杂波、地面以及其他类型障碍物的散射效应有关。

这些条件的组合经常导致有竞争的设计目标。例如，在有限带宽内的高容量要求通常需要以高频谱效率工作。这导致在通讯信道之中降低了正交性，导致了在这种环境下由于它们重叠的传播路径的相互干扰。这种干扰降低了网络的覆盖范围区域，或等效地降低了服务的质量。因此，高区域覆盖范围或高服务质量的要求总是与高网络容量的要求之间存在竞争。

在时分多址(TDMA)或频分多址(FDMA)系统中，通过降低频率再用因子可以增加频谱效率。这也降低了工作在相同频率的小区之间的平均物理距离，因此增加了它们的相互干扰。在码分多址(CDMA)系统中，不同的通讯信道是由代码来区分的。由于在环境中的传播效应，代码之间的正交性可能被破坏，使得通讯信道之间的干扰随着通信业务负载而增加。

除了频谱效率以外，可以由网络控制的业务量主要取决于容量的空间分布与提供的通信业务负载的匹配程度。这在网络的分配和估计小区大小时设置了一个附加的约束，当然，它主要取决于本地的传播环境。

可能影响网络性能的其他约束包括例如业务负载曲线的时变变量、硬件限制、如热噪声的外部干扰影响、如建筑物穿透要求的地貌问题，等等。

当设计或调节一个网络时还必须考虑许多其他的系统参数。这些参数包括例如基站位置，每个基站的扇区数量，天线参数如高度、定向、倾斜、天线增益和天线方向图，每个通讯信道和基站的发射功率电平，频率规划，越区切换门限值，每个基站或扇区的载波数量，等等。

有的基本约束与这些参数中的某些有关，如基站位置或天线高度可以由例如获得用于天线的的房地产、高建筑物等等的本地地貌环境预定。另外，某些参数如天线倾斜或天线定向可以容易地在设计阶段调节，但在以后必须改变它们时是耗费成本和时间的。其他参数如频率规划、功率电平和越区切换门限值甚至在网络服务时也可以容易地改变或调谐。

由于无线环境的复杂性，有竞争的设计目标如要求高容量和高链路性能以及许多系统参数，使得网络设计和调节是很困难的任务。

当前用于网络设计的过程包括了设计工具，该工具使用统计的或其他数学传播模型，根据给定的网络参数来建模网络性能。一个这样的设计工具的例子来自移动系统国际性组织(Mobile SystemsInternational)、网址为http：／／www．rmrdesign．com／msi的Planet工具。这些和其他的常规网络设计工具计算了某些射频(RF)链路量度，例如信号强度或信干比，它们对于特定的网络性能属性是很重要的。这些预测的准确度主要取决于传播模型的准确度和模拟环境例如地面、杂波的精确度。

虽然这些常规的工具能够在预测网络性能上提供一个足够高的准确度，但它们一般没有把总的网络性能分类，因此，不能提供任何关于网络离它的最佳状态有多远的信息。由于在网络中相互作用的复杂性，必须通过一个尝试过程来调谐网络性能，以及必须通过对于不同的网络配置比较RF链路量度曲线来识别可能的改进。借助于必须调节的网络参数的数量和不同的设计目标，这个过程是不能令人满意的而且性能最优值甚至很难接近。

其他的常规方法包括频率规划工具。一个这样的工具的例子来自Aircom、网址为www．aircom．co．uk的Asset网络设计工具。Asset工具包括一个频率规划算法。对于TDMA和FDMA网络，即具有一个大于1的频率再用因子的网络，已经做出许多努力来相对于它的频率规划产生改进网络性能的算法。这些算法通常具有一个目的，即改进频谱效率。例如，这样一个算法可以尝试使服务一个给定业务密度时使用的频率量减至最小。然而，这些算法一般不提供对于每个频率规划的关于网络性能的信息，除非它们已经连接到一个网络设计工具如上述的PLANET工具。

一种用于网络优化的公知的方法是在安装地点的优化。因为设计工具不能完全地反映环境中所有的传播影响，所以通过在安装地点的驱动测试可以改进网络。然而，驱动测试仅仅被认为是另一个数据捕获过程，并且推论的网络性能会遇到如上述相同的问题。另外，驱动测试数据只能从有限的区域获得，它们是耗费成本和时间的。

虽然许多上述的常规技术能够在设计和调节网络中提供帮助，但对于不同的相互竞争的设计目标来说，它们一般不能优化总的网络性能。因此，需要一种改进的技术用于网络性能表征、调节和优化。

本发明提供一种基于导数的无线网络优化过程，该过程可以用于相对于许多数学的连续网络调谐参数变量来优化网络性能量度的目标函数。在一个说明的实施例中，优化过程试图使用目标函数关于对应于网络调谐参数的变量的一阶或高阶导数来优化目标函数。示范的目标函数包括(ⅰ)一个最大的网络覆盖范围，(ⅱ)一个最大的网络容量，(ⅲ)一个最小的网络资源，以及两个或多个这些函数的线性组合。网络调谐参数包括例如天线参数，如位置、高度、取向、倾斜和射束宽度、发射功率电平、越区切换门限值、每个小区或小区扇区的信道单元数量、功率放大器比例因子，等等。在优化过程中不是变量的另外的网络参数用作对优化处理的约束。

有益地是，本发明实质上改进了设计、调节和优化无线网络性能的过程。本发明可以在运行个人计算机、工作站、微计算机、主计算机或任何其他类型的可编程数字处理器上的一个或多个软件程序中实现。通过附图和下面详细的描述，本发明的这些和其他特性、优点将变得更加明显。

图1是一个可以实现本发明的处理系统的方框图。该系统可以用于产生图2A、图2B、图3A、图3B、图4A、图4B和图5所示说明的图形显示。

图2A示出一个两维曲线，用于表征包括确定最大性能的权衡曲线的总的网络性能。

图2B示出一组对于不同的网络资源量产生的网络权衡曲线。

图3A示出一个未优化的网络曲线，其中业务密度的空间分布和网络容量不匹配。

图3B示出一个优化的网络曲线，其中业务密度的空间分布和网络容量匹配，使得网络容量最大。

图4A示出一个对于具有完全覆盖范围的网络的容量曲线。

图4B示出一个对于具有覆盖范围空洞的网络的容量曲线。

图5示出一个对于在本发明的蒙特卡罗过程中获得的各种网络配置说明在网络性能点上的曲线。

下面结合在基于计算机的处理系统中实现的示范无线网络信息处理技术来描述本发明。然而，应该理解本发明不限于在任何特定类型的处理系统中使用。公开的技术适用于各种其它的系统和许多其它的应用中。另外，描述的技术可应用于许多不同类型的无线网络，包括TDMA、FDMA和CDMA网络，具有移动用户单元、固定用户单元或移动和固定单元的组合。这里使用的术语“无线网络”包括了这些和其它类型的网络，以及这些网络的子网络或其它部分和多个网络的组合。这里使用的术语“优化”(“optimize、“optimizing”、“optimization”)应该理解为包括在网络性能上任何类型的改进，例如对于一个给定的应用提供认为可以接受的性能上的改进。因此，这里使用的这些术语不要求任何类型的真实的优化，如一个特定性能函数的实际的最小值或最大值。

本发明用于无线网络优化的处理器实现的方法和设备。

图1示出一个可以实现本发明优化技术的示范的处理系统10。处理系统10包括经过总线16连接来通讯的一个处理器12和一个存储器14。系统10还包括一个连接到总线16以便与处理器12和存储器14通讯的输入／输出(I／O)控制器18。I／O控制器18与处理器12一起控制多个外围部件的操作，这些部件包括显示器20、打印机22、键盘24和外部存储器26。

系统10的一个或多个部件可以表示一个桌面或便携式个人计算机、一个工作站、一个微计算机、一个主计算机或其他类型的基于处理器的信息处理装置的部分。存储器14和外部存储器26可以是电的、磁的或光的存储器。外部存储器26可以包括一个无线网络信息的数据库，例如一个无线网络操作参数的数据库等等，用于产生下面描述的图形显示。外部存储器26可以是一个单个装置，或者可以被分配，例如在多个计算机或类似的装置上分配。这里使用的术语“数据库”包括结合网络优化技术可能使用的存储数据的任何排列。

本发明可以至少部分地用存储在存储器14或外部存储器26上的计算机软件程序的形式实现。这样一个程序可以根据用户提供的输入数据由处理器12执行以在例如显示器20上或由打印机22产生的打印输出上产生预定格式的所需的输出。用户提供的输入数据可以在键盘24输入、从外部存储器26的一个或多个文件读出或者经过一个来自服务器或其他信息源的网络连接获得。

本发明提供改进的技术用于无线网络的总的性能的优化。在本发明说明的实施例中，对于一个特定网络配置的总的网络性能由一个具有两个分量的向量来表征，一个分量表示网络覆盖范围而另一个表示网络容量。根据本发明，网络覆盖范围有益地由在包括干扰的负载下服务的似然性定义，并且可以另外由业务密度加权。网络容量有益地由具有一个给定空间分布的业务量定义，该空间分布能够被一个给定的总的目标阻塞率服务。已经确定这些定义提供了一个网络资源被使用程度的准确度和有效的量化。

图2A示出一个两维的容量／覆盖范围示意图的例子，该图可以根据本发明由图1的系统产生。该示意图绘制了总的网络性能向量，每个向量包括一个网络容量分量和一个网络覆盖范围分量，用于各种网络配置。因此，该示意图允许以可见的非常清楚和有效的方式，相对于它们总的网络性能来比较各种网络配置。它也提供了一种在说明实施例的两个竞争的网络性能属性，即网络容量和网络覆盖范围之间权衡的可见的理解。在图中，无阴影的圆圈表示与任意的网络设置有关的网络性能向量，而阴影圆圈表示对于总的网络性能最大值的权衡点。

这样，总的网络性能可以通过使用一个基于网络容量和网络覆盖范围的总的网络性能分类，相对于一个给定的网络参数的子集来改进或优化。通过使用一种相对于它们总的网络性能提出可能的网络配置并且估计它们的优化算法来完成这一点。相应的网络性能点被绘制到一个容量／覆盖范围的示意图。形成所有配置的外包络线的这些网络配置由表示在这个处理中所找到网络的最好的权衡曲线的算法认为是相关的。

图2B示出一组以这种方式产生的权衡曲线的示范，权衡曲线的每一个相应于使用不同的网络资源量，例如不同的小区数量。权衡曲线以一种非常清楚的方式描述了通过增加资源量可以用于总的网络性能的改进。

在说明实施例中上述优化过程可以使用任何能够确定足够的网络配置种类的算法。例如，该算法可以是一种直接搜索导致最好权衡曲线的网络配置的数学优化算法。这样一种算法通常在一个较短的时间周期内找到较好的权衡曲线。另一方面，数学的算法可以用于尝试用于不同目的的优化。例如，可以使用频率规划算法。每个频率规划产生权衡曲线上的一个点，权衡曲线表示由频率规划算法产生的最好的频率规划集合。如上所述，这样一个频率规划算法的例子是由来自Aircom、网址为www．aircom．co．uk的Asset网络设计工具提供。甚至可以使用通过一个随机处理改变某些网络配置的例行程序。

因为上述的概念与使用的特定优化算法无关，所以它表示一种用于改进和／或优化总的网络性能的方法。根据这种方法，可以开发出更精密的算法。通过在上述总的网络性能的容量／覆盖范围分类中对网络的改进可以测量一个特定算法的质量。

总的带宽和其他重要的网络资源是对于一个特定权衡曲线改进／优化过程的有益的约束。如结合图2B的权衡曲线集合的上述描述，使用不同的资源集合，例如多个基站或带宽，会导致不同的权衡曲线，它非常清楚地在一个曲线上示出总的网络性能中相关的变化。这样一个曲线也显示出使用可比较资源的各种网络设计之间总的性能如何不同。

应该注意在说明实施例中的网络覆盖范围和网络容量特性可以由其他实施例中相关的特性替代。例如，网络覆盖范围可以相关于统计的网络量度如“呼叫方故障”，而网络容量可以相关于“在给定通信业务负载下总的阻塞率”或简单的“阻塞呼叫速率”。这种特性以及从网络统计中得到的其他类似的特性与网络覆盖范围和网络容量紧密相关，并且基本上传送相同的或类似的信息。因此，这里使用的术语“网络覆盖范围”和“网络容量”包括任何这种相关的特性。

现在更详细地描述一个上述说明实施例的示范实现。在这个实现中，当通信链路可以正常地开始和结束时，并且当链路开始的时间期间链路业务量具有足够的链路质量时，认为覆盖了该位置。这些条件可能涉及若干个具有不同链路要求的通讯信道。

例如，在IS-95 CDMA系统中，当最强的导频相对于总的干扰电平具有足够的信号强度时可以认为覆盖了正向链路，该干扰电平包括来自所有其他通讯信道的干扰和噪声： ${\mathrm{Ec}}_{\mathrm{ik}}/{\mathrm{Io}}_{\mathrm{ik}}\≥{\mathrm{\θ}}_c,{\mathrm{Io}}_{\mathrm{ik}}=\underset{k\≠k}{\mathrm{\Σ}}\mathrm{Eto}{t}_{\mathrm{ik}}+(1-b)\·\mathrm{Eto}{t}_{\mathrm{ik}}+{\mathrm{NF}}_i\·N_o,\left(1\right)$ (1)

这里

Ec_ik：在第i个移动台天线部分的来自第k个扇区的导频功率。

Io_ik：相对于来自第k个扇区的导频在第i个移动台天线部分的干扰功率。

Etot_ik：在第i个移动台天线部分来自第k个扇区的总的接收功率。

b：到小区或小区扇区总功率的导频功率的百分比。

NF_i：移动台噪声系数

N_o：热噪声本底。

θ_c：用于正常的导频信号恢复的门限值。

在反向链路中，当基站可以接收到每个移动台的足够相关信号强度时可以获得覆盖范围： $S_{\mathrm{ik}}/I_{\mathrm{ik}}\≥{\mathrm{\θ}}_{\mathrm{RVS}},I_{\mathrm{ik}}=\underset{j\≠i}{\mathrm{\Σ}}{S}_{\mathrm{ik}}+{\mathrm{NF}}_k\·N_o,---\left(2\right)$

这里

S_ik：在第k个扇区的天线部分来自第i个移动台的信号功率。

I_ik：相对于来自第i个移动台的导频在第k个扇区天线部分的干扰功率。

NF_k：移动台噪声系数。

N_o：热噪声本底。

θ_RVS：在反向链路中用于正常移动信号恢复的门限值。

当正向和反向链路具有覆盖范围时则该位置具有覆盖范围。对于仅仅相对于一个小区或小区扇区的每个用户来说，这些条件必须满足，即最强的服务器。在反向链路中，可以从软越区切换中获得另外的分集增益。这种增益可以加到总的链路预算中。

根据本发明，覆盖范围函数被定义为

通过在目标覆盖范围区域(TCA)上积分覆盖范围函数可以定义出总的区域加权覆盖范围： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\∫}\mathrm{Cov}(x,y)\·\mathrm{dx}\·\mathrm{dy}/\underset{\mathrm{TCA}}{\∫}\mathrm{dx}\·\mathrm{dy}---\left(4\right)$ 另一种方法，总的业务量加权覆盖范围可以由下式定义： ${\mathrm{Cov}}_{\mathrm{tot}}=\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\mathrm{Cov}(x,y)\·\mathrm{dx}\·\mathrm{dy}/\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\·\mathrm{dx}\·\mathrm{dy}---\left(5\right)$

这里TD(x，y)分配一个本地业务密度函数。总的业务量加权覆盖范围更好地表示统计的网络性能，因为它对高业务量区域的加权大于低业务量区域。

如果估计位置的离散集合而不是连续区域，则方程式(4)和(5)中的积分可以由求和来代替。位置的数量应该足够大和足够密集用于统计地表示覆盖范围估计。另一方面，可以使用如上面引用的美国专利申请，K．L．Clarkson等人的名称为“无线网络参数的基于通路的估计和插值法”中描述的基于通路的网孔来进行估计。

例如，可以从常规的网络设计工具、从安装地点测量、从网络性能统计或者从这些和其他技术的组合中获得接收机输入端的各个功率电平。

根据本发明，相对于空间变化的业务量分配来定义网络的总的容量。这避免了在没有业务量的地方提供太多的资源，同时在高业务量的区域又缺少资源的情况。这样一种情况会导致在某些区域中资源利用不足而在其他区域则是高阻塞率。

对于服务中的网络，可以相对于一个特定的总的目标阻塞率BR₀来规定网络容量：

这里失败的尝试(failed attemps)是由于网络资源过载的服务始发故障。

图3A说明了上面网络容量定义可以导致一个具有给定业务量分配的网络比通过简单地加上所有小区的资源获得的那些有明显的较低容量值。在图中，目标通信业务负载(实线)的空间分布不匹配于可利用网络容量(块)的空间分布。因此，某些小区具有太小的容量(在左边和右边的小区)，同时其他的小区超过负载(在中心的小区)。为了将总的网络阻塞率保持在一个较小的目标值(较小的“阻塞业务”区域)上，总的业务量必须明显地减少(虚线)。在该示意图中，简单地加上所有小区(所有块的区域)的容量会导致一个总的容量值满足初始的业务量分配(在实线下的区域)并且比使用上面网络容量定义获得的更高。

图3B说明了用于一个优化网络的相同的情况。因为在这种情况下容量和业务量的分配相互匹配，可以在目标阻塞率下(虚线)控制的业务量最大。

下面将建模图3B中说明的情况。假定在整个网络上只有一种类型的服务。每个小区或小区扇区k具有一个可以用于服务的特定的业务信道数量Г_k。该业务信道数量对于每个扇区可能是不同的。另外，空间业务分配TD(x，y)被给出并且被归一化为网络的目标容量： $\underset{\mathrm{TCA}}{\∫}\mathrm{TD}(x,y)\mathrm{dxdy}=\mathrm{TCap},$

这里TCap是网络的目标容量，TCA是目标覆盖范围区域。该业务量分配将以尔朗为单位给出。

当业务量分配TD(x，y)被归一化为目标容量时，由网络以总的目标阻塞率BR₀控制的业务量是τ·TD(x，y)，它可能明显地较低。通信业务负载乘数τ明显地取决于目标阻塞率：□=□(BR₀)。

在每个小区或小区扇区k中，总的通信业务负载是τ·TD_k： $\mathrm{\τ}\·{\mathrm{TD}}_k=\mathrm{\τ}\·\underset{C\left(k\right)}{\∫}\mathrm{TD}(x,y),---\left(7\right)$

这里C(k)表示k的覆盖范围区域，即由k控制的服务请求区域。根据公知的中继理论，对于小区或小区扇区k的相关阻塞率BR_k(τTD_k，Γ_k)是： $B{R}_k(\mathrm{\τT}{D}_k,{\mathrm{\Γ}}_k)=\frac{\frac{{\left(\mathrm{\τT}{D}_k\right)}^{{\mathrm{\Γ}}_k}}{{\mathrm{\Γ}}_k!}}{{\mathrm{\Σ}}_{n=0}^{{\mathrm{\Γ}}_k}\frac{{\left(\mathrm{\τT}{D}_k\right)}^n}{n!}}---\left(8\right)$

小区或小区扇区k的阻塞业务量BT_k(τTD_k，Γ_k)是小区阻塞率和小区业务量的乘积：

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

在整个网络中总的阻塞业务量是每个小区中阻塞业务量的和：

BT_tot=∑_kτTD_k·BR_k(τTD_k，Γ_k)(10)

这导致了由总的阻塞业务量和总的业务量的比率给出的整个网络的总的阻塞率：

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

这个方程式定义了一个函数BR_tot(τ)，通过解BR_tot(τ)=BR₀可以由该函数找出业务量乘数τ，这里BR₀是一个总的目标阻塞率。

在上面的计算中，τ表示对于一个给定的业务分配的在目标阻塞率的网络容量。然而，该定义一般仅仅对于完全覆盖范围是合理的。对于具有覆盖范围空洞的实际网络来说，网络容量由下式定义的替代：

网络容量=τ·网络覆盖范围，    (12)

这里网络覆盖范围如上述定义。该定义表示当以目标阻塞率在目标网络区域上能够被服务的总的通信业务负载的容量。

图4A和图4B说明了这种情况下网络覆盖范围的影响。两个图都示出了每个小区的业务密度的分配和所提供容量相互间匹配得很好。因此，在这两种情况下该容量应该是100％。然而，在图4B中，网络具有一个大的覆盖范围空洞。在这个区域未使用的容量资源已经被重新分配并且可以在网络的覆盖范围区域内使用。这使τ增加了1／覆盖范围(相对于实线的虚线)。然而，可以服务的总的业务量并没有增加。为了说明这一点，应该根据方程式(12)定义网络容量。

应该注意为了确定必须由小区或小区扇区控制的业务量，每个小区扇区、每个扇区的覆盖范围区域C(k)必须是已知的。

在IS-95 CDMA标准中，如果方程式(1)的条件满足正向链路的要求则一个用户可以分配给一个小区或小区扇区。如果这种条件满足若干个小区或小区扇区，则用户是在软越区切换中，即使用来自所有这些小区或小区扇区的资源。一般来说，一个在IS-95网络中的用户可以被分配到最大三个小区。因此，在这样一种网络中的覆盖范围区域C(k)定义了满足方程式(1)条件的三个最强导频之中k的导频的区域。

如上所述，可以从网络设计工具、从安装地点测量或者从这些和其他技术的组合中获得各个导频电平。

为了确定一个特定的网络配置的总的性能向量，通过如上面描述的计算覆盖范围和容量可以找出相应的总的性能点。

一般来说，能够使用任何目标函数结合任何优化过程以上述方式来优化网络。

为了直接优化上面分类的主框架中的总的网络性能，必须同时寻址两个竞争的目标函数。这样一个优化过程将导致容量／覆盖范围示意图中的权衡曲线表示在这个分类中优化程序能够找到的最好的性能。在优化过程中，通过优化两个目标函数中的一个例如覆盖范围，并且保持另一个例如容量作为一个约束，可以达到这个目标。通过对于不同的约束值重复该过程，这个优化将导致所需的权衡曲线。

为了获得权衡曲线上的一个点，一个新的目标可以定义如下：

新的目标=α·覆盖范围+(1-α)·容量，α∈[0，1]

对于新的目标的优化将引导到权衡曲线上的一个点。对于不同的α值重复该过程将提供整个权衡曲线。

现在描述上述优化过程，即蒙特卡罗过程和使用频率规划工具优化的两个可能的实现。

在蒙特卡罗过程中，使用一个常规的设计工具，对于一个特定的网络参数集合，例如初始的配置，估计网络在业务量不足时的RF链路量度。这种估计可以在地理的栅格中进行。栅格点的数量应该具有足够的密度以统计地明显表示网络性能。由该栅格上的所有RF链路量度和初始的网络配置，根据上述的分类来计算总的网络性能。生成的总的网络性能点被绘制到容量／覆盖范围曲线上。

在经历优化过程的可调谐网络参数中至少有一个子集在一个随机过程中被改变。对于每个网络参数的随机集合，采用设计工具来重新计算RF链路量度。总的网络性能如上述估计并且绘制到容量／覆盖范围曲线中。所有总的性能点的外包络线定义了这个优化过程中获得的权衡。

图5示出了一个在上述蒙特卡罗过程中获得的各种网络配置的总的网络性能点曲线的例子。

如上所述，另一个可能的实现是一个使用频率规划工具的优化。为了相对于它的频率规划优化一个网络，可以结合一种频率规划算法(例如，上述的Asset频率规划工具)使用一个设计工具。对于每个频率规划，使用设计工具在足够精细的栅格上计算RF链路量度。由RF链路量度的每个栅格，根据上面的分类来确定总的网络性能。由生成点的集合，以上述方式确定优化的权衡。

权衡曲线能够用下面的方式确定。假定在总的性能曲线中给出一个点的集合(例如图5)。这个点的集合可能产生于一个优化算法。通过下面的算法可以找出表示最好的网络性能点的权衡曲线：

／*在集合中有n个点，每个点承受一个唯一的变址i=1，…，n。

／*用于网络覆盖范围和网络容量的相关值是(Cov_i，Cap_i)。

／*下面的简单循环结构找出权衡曲线：

剩余的非零点形成上述的权衡曲线。

现在详细地描述一个根据本发明示范的基于导数的优化过程。为了寻址一个总的网络性能量度的目标，相对于多个数学连续网络参数，该优化过程优化无线网络的性能。

该优化过程的目标被公式化为一个网络调谐参数集合的数学或数值函数，这些参数被认为在优化过程中是可变的。根据本发明，优化过程可以相对于网络调谐参数，取决于目标函数的精确的或近似的一阶或高阶的导数。因为调谐参数是数学连续的并且总的网络性能量度是局部可微分的，即参数设置的很小的变化只能引起网络性能的很小的变化，所以这导致了可靠的结果。结合适用于本发明的数值优化程序的例子包括例如Robert Fourer，David M．Gay，Brain w．Kernigham的“AMPL-一种用于数学程序设计的建模语言”，The Scientific Press(1993)；Philip E．Gill，Walter Murray和Michael A．Saunders的“SNOPT：一种用于大规模约束优化的SQP算法”，NA97-2，Dept．of MathUC San Diego(1997)；以及在1997年Philip E．Gill的“用于SNOPT 5．3的用户指南：用于大规模非线性程序设计的Fortran软件包”中描述的程序。

如果数学连续的网络参数实际上是具有足够小的步长的离散设置，则通过环绕这些优化配置的设置，在优化过程之后可以获得这些设置。该环绕过程不应该明显地影响总的网络性能，因为总的网络性能相对于变量是连续的并且因此最大值或最小值是平滑的。

上述优化过程具有许多优点。例如，通过将总的网络性能写为多个调谐参数的函数，在优化过程中捕获和考虑它们在网络性能上相互依赖的作用。另一个优点是相对于网络调谐参数使用总的网络性能量度的解析作用，使得可以开发出标准的优化算法以致于获得最佳的总的网络性能。

可以在上述优化过程中优化目标的例子如下：

1．网络覆盖范围的最大化。如上所述，网络覆盖范围可以通过具有本地覆盖范围区域的百分比定义，并且可以另外由业务密度加权。本地覆盖范围可以由某个位置上包括干扰的负载条件下服务的似然性定义。

2．网络容量的最大化。如上所述，网络容量可以由具有一个给定空间分布的业务量定义，该空间分布可以在一给定的总的目标阻塞率下服务。

3．网络资源的最小化。这种类型的目标可以寻址任何类型的网络资源。

4．两个上述目标的任何组合形成一个一维的优化配置解决方案空间。该解决方案空间可以绘制为一个例如以图2A和图2B中说明的方式，表示两个目标之间权衡的两维曲线中的一条曲线。

5．任何目标直接相关于上面目标中的一个。例如，因为一个单调函数可以描述为另一个的单调函数，“在给定通信业务负载下的总的阻塞率”与网络容量有关。

可以在优化过程中使用的网络调谐参数的例子包括如下：

1．天线参数，例如位置、高度、取向、倾斜、方位和仰角射束宽度。

2．每个通讯信道和链路的功率电平。

3．越区切换门限值。

4．每个小区或小区扇区的信道单元数量(如果数量足够大，可以看成连续的)。

5．产品的取决于链路的成本，例如每个功率放大器要求的功率，等等。

对于这些参数例如所有小区扇区的天线倾斜等的一个大的集合可以进行优化。这允许它们相互依赖的作用在优化过程中捕获和考虑的总的网络性能上。

所有不是变量的参数应该看成优化过程的约束，例如固定的网络参数、与环境中传播有关的参数、空间业务分布、通信标准，等等。对于优化过程中选择的上面目标中每一个，其他的目标应该看成约束。例如，对于一个服务的给定的总的业务量，可以优化网络覆盖范围，该业务量约束了网络容量，等等。另外，所有调谐参数的范围最好被约束在这些参数能够或应该工作的实际范围中。

建模一个给定目标和网络调谐参数变量之间的函数相关性涉及传播效应、通讯信道之间的相互作用以及特定标准的参数。因为总的网络性能量度捕获了平均时间的网络性能，统计模型可以用于将传播效应和相互作用公式化。一般地说，这样的模型已经描述用于常规的网络设计工具并且因此可以容易地开发用于一个特定的网络。传播预测可以通过例如光线跟踪模型或通过结合实际的安装地点测量来改进。

优化算法本身可以例如是任何常规算法，该算法根据精确的或近似的一阶或高阶导数优化一个数值或数学函数。该导数可以数值地或解析地计算。

现在描述一个上述基于导数的优化过程的说明的实现。

在这个实现中，网络覆盖范围目标被定义如下。当一个通讯链路可以正常地开始和结束并且在链路开始的时间期间链路业务量具有足够的链路质量时，可以认为覆盖了该位置，即本地的覆盖区域存在。这些条件可能涉及若干个具有不同链路要求的通讯信道。

在基于导数的优化过程的这个示范实现中网络容量和网络覆盖范围目标可以用前面描述的方式结合网络覆盖范围和网络容量的权衡来定义。

一个网络资源目标可以用下面的方式定义。这里可以最小化各种资源。例如，由每个小区扇区或小区的功率电平要求表示的、用于功率放大器的总的硬件成本可以被最小化。在一个IS-95 CDMA系统中，分别由业务信道的数量和它们的平均功率电平P_Traffic以及导频P_pilot、同步P_synch和寻呼信道P_Page所需的额外开销，给出每个扇区的功率电平要求。可以通过均匀地减少每个信道的功率电平的一个因子λ_k或者通过减少业务信道量Г_k来按比例减少功率放大器，这里总的功率由下式给出：

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

每个功率放大器的成本是它的功率COG_k(Ptot_k)的单调函数。该函数应该是解析的。总的网络中功率放大器的成本是：

COG_tot=∑_kCOG_k(Ptot_k)

可以用下面的方式建模RF环境。这个示范的建模过程是用于IS-95 CDMA系统的，并且考虑可能的用户位置，例如移动台和基站或基站扇区之间的链路。

1．在环境中定义一个目标覆盖范围区域。

2．定义一个目标业务分配，作为每个区域的业务密度TD(x，y)给出(例如Erl／km²)。该业务密度可以由当前业务数据获得。最好该业务密度被归一化为目标覆盖范围区域中网络的目标容量：

∫_TCATD(x，y)·dxdy=TCap

3．在目标覆盖范围区域上产生一个栅格或一个网孔，栅格点表示可能的或实际的用户位置。可以如上面引用的美国专利申请，K．L．Clarkson等人的名称为“无线网络参数的基于通路的估计和插值法”中描述的，使用一个基于通路的网孔。

a)栅格点变址：1…i…n。

b)栅格点的位置：Y_i=(x_i，y_i)

该栅格间隔可以在目标覆盖范围区域上变化，例如说明业务密度的变化。

4．一个业务密度分配给每个栅格点：TD_i=TD(x_i，y_i)·G_i ²(Erl)

这里G_i是一个本地栅格间隔。

5．表示一个可能的用户收发信机的每个栅格点如下表征：

a)有关的天线数据，如高度、辐射图(方位角，仰角)、天线定向、倾斜：h_i，g_i(θ，φ)，α_i，β_i。

b)在天线端口的发射功率(发射机功率)电平：P_i。

c)在天线端口来自基站k的总的接收功率(接收机功率)电平：Etot_ik=L_ik·Ptot_k

d)在天线端口第k个基站的导频信道的接收机功率电平：Ec_ik=L_ik·Pc_k，这里L_ik是下面要描述的总的路径损耗因子。

E)热噪声本底+外部干扰：N_o

F)用户接收机的噪声本底：NF_i

6．基站或基站扇区传送变址和一个位置：

a)基站变址：1…k…m

b)基站位置：X_k=(x_i，y_k)

7．每个基站或基站扇区如下表征：

a)有关的天线数据，如高度、辐射图(方位角，仰角)、天线定向、倾斜：h_k，g_k(θ，φ)，α_k，β_k。

b)在天线端口可利用的最大值发射机功率：Ptot_k。

c)在天线端口导频信道的发射机功率：Pc_k=b_k·Ptot_k

d)在天线端口移动台的接收机功率电平：S_ik=L_ik·P_i，这里L_ik是总的路径损耗因子。

E)热噪声本底+外部干扰，包括衰落余量：N_o．

F)用户接收机的噪声本底：NF_k。

g)最大的业务信道数：Γ_k。

8)路径损耗计算：计算一个传播路径损耗矩阵PL_ik。PL_ik将来自第k个基站或扇区天线连接器的传播损耗分配给第i个移动台收发信机的天线连接器。使用的特定模型主要取决于本地的地貌和拓扑结构。在例如Clint Smith，P．E以及Curt Gervelis，Editor：McGraw-Hill(1996)的“蜂窝式系统、设计和优化”中描述了路径损耗PL_ik的预测平均值的适当的模型。这些模型基本上具有下面形状：

PL_ik=PL_o·(d_ik／d_o)^k，

这里

PL_ik：第k个基站和第i个移动台位置之间的路径损耗。

d_ik=‖ X _i- Y _k‖。

使用公知的哈达(Hata)模型，PL_ik中参数的例子是：

PL_o=6．955·(f_c(MHz))^2．616·(h_k(m))^-1．382

d_o=1km

k=4．49-0．655·log₁₀(h_k(m))

这些参数表示对于一个高度为1．5米的移动台并且在城市环境中的路径损耗。对于郊区环境，PL_ik要减少9．88dB而对于乡村区域要减少28．41dB。

作为这个步骤的部分，确定的总的路径损耗矩阵L_ik除了路径损耗以外，包括从第k个基站天线连接器到第i个移动台天线连接器的链路预算中所有的参数。这也包括了移动台和基站天线的天线方向图和增益。因为这个例子中的传播模型是一个统计模型，L_ik也应该包括瑞利衰落和对数正态阴影区衰落的余量，如Clint Smith，P．E．和Curt Gervelis，Editor：McGraw-Hill(1996)的“蜂窝式系统、设计和优化”以及William C．Y．Lee的“移动通讯，设计基础”，第2版，John Wiley和Sons，Inc．(1993)中的描述。总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))

所有固定的损耗和增益参数合计为Ω。方位角和仰角θ，φ通过cosθ= X _i· Y _k，tanφ= $(\widehat{h_k}-\widehat{h_i})$ ／d_ik来定义，这里 $\widehat{h_k}$ =h_k+H(x_k，y_k)和 $\widehat{h_i}$ =h_i+H(x_i，y_i)，H(x，y)是地面高度。也可以包括更多精确的地面效应，如丘陵上的绕射。

9．在正向路径中分配用户到扇区。为了简单起见忽略软越区切换。如果i∈A_k

Ec_ik／Io_ck=max₁(Ec_il／Io_il)，则第i个用户被分配到第k个扇区，这里A_k是第k个扇区的分配区域。

10．然后进行总的覆盖范围的计算如下：

a)正向链路：如果i∈Bf_k $\⇔$ (i∈A_k)∧(Ec_ik／Io_ik)＞θ_c则用户具有本地的正向链路覆盖范围，这里

Ec_ik=Pc_ik／L_ik，Etot_ik=Ptot_k ／L_ik ${\mathrm{Io}}_{\mathrm{ik}}=\underset{k\≠k}{\mathrm{\Σ}}\mathrm{Eto}{t}_{\mathrm{ik}}+(1-b)\·\mathrm{Eto}{t}_{\mathrm{ik}}+{\mathrm{NF}}_i\·N_0$

Bf_k：第k个扇区的正向链路覆盖范围。

b)反向链路：如果i∈Br_k (i∈A_k)∧(S_ik／I_ik)≥θ_RVS则用户具有本地的反向链路覆盖范围，这里S_ik=P_max／max_i，∈A_k(L_i，_k)

Pmax：最大的移动台功率电平。

这里假定反向链路中的完全的功率控制。在分配区域中从移动台接收的功率电平是完全一样的。由这个扇区中最大的移动台功率和最大的路径损耗给出它们的最大值。另外， $I_{\mathrm{ik}}=\underset{l}{\mathrm{\Σ}}\underset{j\∈B_u}{\mathrm{\Σ}}T{D}_j\·S_{\mathrm{jt}}\·\frac{L_{\mathrm{jl}}}{L_{\mathrm{jk}}}+{\mathrm{NF}}_k\·N_0$

这里Bf_k是第k个扇区的反向链路覆盖范围区域。

c)总的本地的覆盖范围：

i∈C_k

(i∈Bf_k∧i∈Br_k)

这里定义了本地的覆盖范围函数：

网络覆盖范围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/\[n\·\underset{i}{\mathrm{\Σ}}T{D}_i\],$ n：总的移动台数量。

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

如上所述，总的容量随后由τ．Cov_tot定义。

12．资源的计算：如上面给出的，

Ptot_k=λ_k·(P_Pilot+P_Synch+P_Page+Γ_k·P_Ttaffic)_k

这完成了建模RF环境的过程。

现在描述基于导数的优化过程的这个实现中适合于优化的网络调谐参数变量的许多例子。下面的网络参数可以用作优化的变量：

1．天线数据：高度、取向、倾斜：h_k，α_k，β_k。

2．天线位置： Y _k。

3．用于各种通讯信道的发射功率电平：Ptot_k，P_Pilot，P_Ttaffic

4．信道单元量：Γ_k。虽然这不是一个连续的参数，但从数学意义上来说它可以被看成这样。

5．功率放大器比例因子：λ_k

现在描述导数函数的公式。能够以数学或数值的方式控制该导数。如果选择为数值方式，该导数可以由有限差分定义如下： $\frac{d}{d{\mathrm{\β}}_k}{\mathrm{Cov}}_{\mathrm{tot}}\left({\mathrm{\β}}_{k0}\right)=\frac{{\mathrm{Cov}}_{\mathrm{tot}}({\mathrm{\β}}_{k0}+\mathrm{\Δ}{\mathrm{\β}}_k)-{\mathrm{Cov}}_{\mathrm{tot}}\left({\mathrm{\β}}_{\mathrm{ko}}\right)}{\mathrm{\Δ}{\mathrm{\β}}_k}$

对于优化过程中每个其他的目标函数和变量可以定义相同的或类似的公式。

因为上述栅格是离散的，所以当一个变量连续地改变时到扇区的移动台分配将以离散的步骤形式产生。为了获得导数合理的结果，一般需要选择一个足够精确的栅格和足够大的Δβ_k值。通过进行越来越精细的栅格间隔的优化可以容易地检查这一点。当优化导致收敛时，对于选择的特定的Δβ_k值的集合已经找到一个足够精细的栅格间隔。另一方面，可以解析地确定该导数。这样一个基于通路的插值技术的实现在上面引用的美国专利申请，K．L．Clarkon等人的名称为“无线网络参数的基于通路的估计和插值法”中进行了描述。

在基于导数的优化过程中，目标函数、约束和目标函数关于所有网络调谐参数的导数函数可以作为例如数值函数产生。生成的函数可以由商业上可利用的任何常规的数值优化程序处理以便完成优化。如上所述，适合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、图2B、图3A、图3B、图4A、图4B和图5的图形显示可以根据例如系统10的处理器12执行的软件程序指令来产生。一个根据本发明适当配置的软件程序可以例如获得来自一个或多个源的网络参数数据，处理根据本发明优化过程的网络参数数据，并且以所需的格式产生绘制生成的网络配置信息的显示。

本发明的上述实施例仅仅是用于说明的目的。例如，可以使用上述技术来设计一个无线网络，或者优化或者另外改进一个已经在工作的现有的网络。另外，本发明可以应用于子网络，例如一个给定无线网络的指定部分，以及许多不同类型的网络，例如具有移动台用户单元或固定的用户单元或移动台和固定单元的组合的网络。对于本领域的技术人员来说，附加权利要求书范围内的这些和许多其他实施例是很容易理解的。

Claims (21)

1．一种用于提供无线网络的性能所需电平的处理器实现的方法，该方法包括步骤：

选择一个或多个网络参数作为变量；以及

根据目标函数的关于选择的网络参数变量的一阶或高阶导数来优化无线网络的目标函数。

2．如权利要求1所述的方法，其中一个或多个选择的网络参数由连续的函数表征。

3．如权利要求1所述的方法，其中优化步骤利用一个优化算法，根据目标函数关于选择的网络参数变量的一阶或高阶导数来实现优化。

4．如权利要求1所述的方法，其中目标函数包括(ⅰ)网络覆盖范围的最大值，(ⅱ)网络容量的最大值，以及(ⅲ)网络资源的最小值中至少之一。

5．如权利要求4所述的方法，其中目标函数包括(ⅰ)网络覆盖范围的最大值，(ⅱ)网络容量的最大值，以及(ⅲ)网络资源的最小值中至少两个的线性组合。

6．如权利要求4所述的方法，其中相对于一个目标覆盖范围区域，网络覆盖范围至少部分定义为一个服务质量在规定门限值以上的区域的百分比。

7．如权利要求6所述的方法，其中网络覆盖范围根据一特定覆盖范围区域内表示业务密度的加权因子来加权。

8．如权利要求4所述的方法，其中网络容量至少部分地由具有一个给定空间分布的业务量定义，并且表示无线网络匹配于空间业务分布的能力。

9．如权利要求8所述的方法，其中网络容量分量还表示具有给定空间分布的业务量，该分布可以由具有一个规定的目标阻塞率的网络传送。

10．如权利要求1所述的方法，其中选择的网络参数包括至少一个天线参数，天线参数包括天线位置、天线高度、天线取向、天线倾斜和天线射束宽度中至少一个。

11．如权利要求1所述的方法，其中选择的网络参数包括一个发射功率电平，用于无线系统的至少一个通讯信道和链路。

12．如权利要求1所述的方法，其中选择的网络参数包括一越区切换门限值，用于无线系统的至少一个通讯信道和链路。

13．如权利要求1所述的方法，其中选择的网络参数包括无线系统的每个小区或小区扇区的多个信道单元。

14．如权利要求1所述的方法，其中选择的网络参数包括一个比例因子，用于无线系统的功率放大器。

15．如权利要求1所述的方法，其中在优化过程中不是变量的其他的网络参数用作对优化过程的约束。

16．如权利要求1所述的方法，其中优化步骤利用一个基于统计路径损耗的传播环境模型。

17．如权利要求1所述的方法，其中优化步骤利用预测传播数据和在安装地点测量中确定的实际传播数据中至少之一。

18．如权利要求1所述的方法，其中无线网络包括一个支持移动无线用户单元的网络。

19．如权利要求1所述的方法，其中无线网络包括一个支持固定无线用户单元的网络。

20．一种提供无线网络的性能所需电平的设备，该设备包括：

一个基于处理器的系统，实现(ⅰ)识别一个或多个网络参数作为变量；以及(ⅱ)根据目标函数关于选择的网络参数变量的一阶或高阶导数来优化无线网络的一个目标函数。

21．一种制品，包括一个存储一个或多个软件程序的计算机可读介质，用于提供一个无线网络的性能所需的电平，其中当由处理器执行时一个或多个程序包括：

选择一个或多个网络参数作为变量；以及

根据目标函数关于选择的网络参数变量的一阶或高阶导数来优化无线网络的一个目标函数。

Images