基于多网联合测量的传播模型校正与覆盖自优化方法与流程

本发明涉及移动通信的传播模型，尤其是涉及一种基于多网联合测量的传播模型校正与覆盖自优化方法。

背景技术：
随着移动通信技术的不断发展，用户对移动通信的内容和质量都提出了更高的要求。在无线网络的使用过程中，随着城市的不断发展，城市规划开发、新用户的加入、迁徙和新的人群集中区的出现，前期规划和建设的无线网络需要扩容或演进,无线接入网的发展呈现大规模、复杂、开放、异构和动态的特点，用户对无线接入网所提供服务的质量要求也越来越高。这样的网络中，商业目标、系统结构、运行环境和用户需求等均会不断发生变化，这就要求网络能够动态地适应这些变化以保证为用户提供优质的服务。为了达到该要求，人工地对网络进行配置、优化、修复等往往会带来高额的运维成本，而且一种新的接入技术获得足够的规划优化数据往往需要经历较长的阶段测试和一定规模的试商用时期。为了减少因人工运维行为带来的运维成本，并提高网络优化效率和运行质量，自组织网（SON，Self-OrganizationNetwork）的概念被引入到演进的无线接入网中。移动传播模型的研究分为基于无线信号传播特性的理论传播模型和建立在大量测试数据基础上的实测传播模型。由于移动传播环境的复杂性,严格的理论分析很难准确地实现移动传播模型的确定及覆盖的规划设计，因此采用实测统计模型可以进行更加准确优化的规划设计。传统的传播模型校正方法，往往需要采用路测的方式，通过对目标区域（如城区、高速公路等）无线网络信号的参数指标进行测量评估，将测量数据导入到相应的传播模型校正模块进行传播模型校正。然而，采用路测的方式获取测量数据，需要有一套较为复杂的路测系统，耗费较大的人力物力，同时需要耗费较长时间才能得出结果，实时性不强。因此随着技术的发展，许多富有创新性的传播模型校正技术先后被提出。中国专利CN102118761A提出了一种将小区的传播模型划分为多个区间，以区间为单位对每个小区的传播模型进行校正的方法，可以提高校正后传播模型的精度和质量。中国专利CN101119576A提出了一种采用聚类分析算法，根据无线网络规划区域中各扇区的传播模型特征将扇区划分为聚类，每个聚类采用相同的传播模型校正参数的方法，可以提高传播模型路径损耗预测的准确性。中国专利CN101146313同样也是采取对无线传播环境进行分类的方法，可以提高传播模型校正的效率。不过以上这些方法，还是无法跳出路测所带来的限制，仍然要耗费较大人力物力来投入到测试当中，成本较高。中国专利CN1011137171A利用已有移动通信系统中记录的路测数据，结合无线传播模型分类的方式进行传播模型校正，在一定程度上可以提高校正的效率，同时减少了人力物力的投入。但这种方法校正精度不高，实时性差，无法通过传播模型校正对已有网络进行及时优化。

技术实现要素：
本发明的目的在于提供一种基于多网联合测量的传播模型校正与覆盖自优化方法。本发明包括以下步骤：1）启动测量反馈模块，终端对接收到的来自本网基站侧的无线传播信号的强度以及用户位置矢量进行测量记录，将该终端接收到的本网本地当前接收功率水平反馈给基站侧的测量收集模块；2）通过网络侧将数据上传给基站侧的数据收集模块，数据收集模块收集来自UE侧的测量数据，并将数据按照时间维度储存起来；3）测量收集模块将记录数据上报给性能分析模块，性能分析模块根据网规网优要求，收集反馈数据利用PSO算法等进行在线传播模型校正和性能分析，预测网络覆盖情况，并将结果提交给优化模块；4）优化模块根据性能分析模块进行的覆盖分析和预测结果，判断是否需要覆盖优化，若需要优化，则自适应调整无线发射参数进行网络自优化。在步骤1）中，所述测量反馈模块位于移动终端UE，以软件组件的方式运行，所述测量反馈模块可安装于任何一种接入网中的支持位置矢量获取的终端用户设备上；在步骤1）中，所述基站接收到来自用户的位置矢量信息（参见中国专利CN102448128A）包括以下方法：（1）基于卫星定位：采用全球定位系统估计用户的地理位置；（2）基于信号到达时延定位：基站根据所接收到的用户的上行数据估计用户的AOA（TimeofArrival，到达时刻）和TA（TimingAdvance，时间提前量），并根据所述用户的AOA和TA确定所述用户的地理位置；（3）基于信号到达时延差定位：用户向基站上报观察到的至少3个位置辅助基站的导频从对应的位置辅助基站到达用户设备的时间差OTDOA（ObservedTimeDifferenceofArrival，到达时间差定位法），基站根据用户上报的OTDOA采用双曲线定位方法估计用户的地理位置；（4）基于基站定位：移动电话测量不同基站的下行导频信号，得到不同基站下行导频的TOA或TDOA，根据该测量结果并结合基站的坐标，一般采用三角公式估计算法，就能够计算出用户所在的地理位置。在步骤2）中，所述网络侧为与上端设备或网络连接的接口将数据上传；所述测量收集模块位于基站侧。在步骤3）中，所述性能分析模块位于需要覆盖监控和自优化的网络的OAM（OperationAdministrationandMaintenance）；位于OAM端的性能分析模块主要功能是测量数据的汇聚收集以及利用数据进行传播模型校正和性能分析；所述性能分析模块可以根据网络优化要求，灵活地调整收集到的各接入网测量数据的时间长度以及收集数据的数量；考虑到不同接入网技术采用的频段等参数不尽相同，但其所覆盖的区域具备一定的重叠度，因此地形地貌等因素相似度较高，若频段等参数也相当，可以充分利用已经成熟的大规模应用的接入网中，大量的在线用户所测量上报的归属小区的接收功率情况，来对新网传播模型进行校正，以对覆盖情况进行预测；而当需要对网络进行更为精确的无线覆盖预测时，则提高用于传播模型校正的来自测量反馈模块的数据量，并尽量以本网终端设备提供的数据量作为主要参考，提升在线传播模型校正精度，使校正后的传播模型更加精确地符合实际无线覆盖情况；当需要对网络进行实时地无线网络覆盖预测并及时的调整无线发射参数达到网络优化的效果，则减少用于传播模型校正的来自测量反馈模块的数据量以降低处理时延，在符合移动通信网络规划要求的前提下，适当降低在线传播模型校正精度，从而达到实时网络优化的目的。在步骤4）中，所述优化模块可以灵活地位于OAM侧或具备基站自优化功能的基站侧；性能分析模块进行在线传播模型校正后，将校正结果及覆盖预测情况传输给需要进行网络优化的优化模块；优化模块根据校正后的传播模型进行覆盖分析和预测，判断当前无线网络覆盖存在问题的具体情况，选择需要调整的无线发射参数，将需要调整的无线参数数据传输给-站配置器，对这些参数进行及时调整，最终达到网络自优化的目的。本发明提供一种由本地的分属于多种不同接入技术的小区根据其所归属终端设备测量上报的接收功率信息，例如采用粒子群优化算法（PSO，ParticleSwarmOptimization）等进行在线联合传播模型的逐步精细化校正，并利用校正结果进行及时网络覆盖自优化的方法。采用该方法能够及时灵活地对新铺设无线网络的传播模型进行校正，分析判断目前所关注无线网络的覆盖情况，实现实时网络覆盖监控以及网络优化的效果。尤其适用于长期演进自优化网络（LTESON，LongTermEvolutionSelf-OrganizationNetwork）。通过本发明所设计的利用多网终端联合测量反馈数据进行在线传播模型校正从而实现网络自优化目的的方法，既节省了大量的人力物力，又具有较高的灵活性，有利于传播模型校正的准确性以及对网络问题的及时处理。与传统的传播模型校正的方法不同，本发明创造性地提出了一种由本地分属于多种不同接入网中的用户终端设备进行联合测量，通过终端测量反馈数据，例如采用粒子群优化算法（PSO，ParticleSwarmOptimization）等进行在线传播模型校正，并利用校正结果进行及时网络自优化的方法。本发明利用现有已大规模应用的接入网技术中的大量在网用户终端的测量反馈信息，以及新接入网中的用户测量上报信息，进行在线传播模型校正，解决了路测要耗费大量人力物力和时间的问题；同时处理模块可以根据网络优化的要求，灵活的改变传播模型校正收集有效数据的时长以及精度，从而达到实时网络覆盖监控以及网络优化的效果。附图说明图1为多网联合测量的系统结构。图2为PSO算法流程图。图3为模型校正实验效果。在图3中，横坐标为距离（m），纵坐标为损耗（dB）；各标记为：■为实测数据，◆为自由空间损耗，□LMS校正，◆PSOK1、K2校正，○为PSO全参数校正。具体实施方式1.首先，如图1所示，测量反馈模块的任何一种接入网例如全球移动通信系统（GSM）基站、码分多址（CDMA）基站、第三代通信技术（3G）基站、长期演进系统（LTE）基站等中的移动终端UE侧对接收到的来自本网相应基站的无线传播信号的强度进行测量记录，并将本地当前接收功率水平实时反馈给基站侧。2.基站侧将UE上报的测量数据通过网络侧接口将数据上传给数据收集模块。3.数据收集模块收集来自UE侧的测量数据，并将数据按照时间维度储存起来。4.数据收集模块选择一定时间长度（T）将最新这段时间（T）收集的数据用于传播模型校正。假设现在时间为11点整，选择的时间长度T=1h，则数据处理模块将10时至11时这段时间UE反馈的测量数据用于传播模型校正。5.性能分析模块根据网络优化要求，灵活选择T的长短，利用各接入网测量数据的时间长度以及收集数据量对传播模型进行模型校正和性能分析。根据当前网络优化要求，若需要对当前的无线网络进行较为精确的传播模型校正和覆盖预测，则适当延长T的长度，从而增加用于传播模型校正的各接入网UE侧测量数据的量，增加传播模型校正精度，进而提高覆盖预测精度。若需要对当前的无线网络进行实时地覆盖预测并及时地调整无线发射参数达到网络优化的效果，则适当的减短T的长度，减少用于传播模型校正的UE侧测量数据量，在符合移动通信网络规划要求的前提下，适当降低在线传播模型校正精度，从而达到实时网络优化的目的。6.性能分析模块根据当前相应基站的无线发射参数，采用例如PSO算法、LMS算法等利用记录的UE侧测量数据进行传播模型校正，得出校正结果以及覆盖预测，并将结果传输给优化模块。以下实施例以PSO算法为例，如图2所示。在PSO算法中，每个优化问题被抽象为一个微小粒子，该粒子在N维空间中位置以及速度都为一个矢量。首先初始化种群中粒子参数（位置和速度），初始化各粒子适应度并保存在pbest向量中。粒子更新们速度和位置，通过与重新采集来的最好位置（pbest）来比较适应值判断到目前为止局部和全局最好位置，若满足预设的期望条件则算法结束，否则进行重新更新位置和适应值循环迭代计算。其中在PSO算法中，假设粒子当前的位置向量为)Xi＝(xi,1,xi,2,...,xi,d)，速度向量为Vi＝(vi,1,vi,2,...,vi,d)，粒子当前局部最优位置Pi＝(pi,1,pi,2,...,pi,d)，全局最优为pg在找到当前局部与全局最优解之后，更新粒子位置和速度为：vi,j(t+c11)＝wvi,j(t)+c1r1[pi,j-xi,j(t)]+c2r2[pg,j-xi,j(t)]其中w为惯性因子，c1和c2为正的学习因子，r1和r2为0到1之间均匀分布的随机数。在SPM模型中，可以设置需要优化的k1、k2，……kclutter参数为粒子位置矢量。SPM模型的表达式为：L＝k1+k2lgd+k3lgHeff+k4×Diff+k5lgd×lgHeff+k6Hmeff+kclutterf(clutter)其中，L表示路径损耗，单位dB，d是终端与基站之间的距离，单位m，Heff为基站天线的有效高度，单位m，Hmeff是移动台终端设备天线有效高度，单位m，Diff代表衍射损耗，单位dB。其余系数见表1。表1SPM模型各系数说明系数说明默认值K1频率相关因子12.4K2距离衰减因子44.9K3基站发射天线有效高度相关因子5.83K4衍射计算相关因子0K5发射天线有效高度和传播距离相关因子‐6.55K6移动台接收天线有效高度相关因子0Kclutter地貌相关因子1当采集到足够的数据后，传播模型就可以根据特定的环境，对系数进行校正，如果系统只需要校正k1、k2，就将k1、k2作为PSO的粒子位置适量，以传播模型校正后的系统误差的负数为适应度，以传播模型校正所要达到的系统误差值为迭代终止条件（即预设的期望条件），进行基于PSO优化算法的传播模型校正。若系统需要校正所有的系数，则只需要将k1,k2……作为PSO的粒子位置矢量，适应度计算方法不变，迭代终止条件不变，依然可以得到令人满意的结果，如图3所示。图3为在所获取的实测数据做参照的情况下，采用PSO算法对SPM传播模型的K1、K2进行校正和采用LMS算法进行校正，设定的目标是使校正值同实测值的模型误差值达到最小，对于PSO算法来说，使用的粒子数越多，迭代次数越多，所得到的校正结果越趋向于精确。在一定的仿真条件以及现网测试数据的条件下，采用PSO算法和LMS算法最后均能满足移动通信网络的规划要求。7.优化模块根据PSO算法记录的UE测量数据进行校正后的传播模型进行覆盖分析和预测结果，判断当前无线网络覆盖存在问题的具体情况，选择需要调整的无线发射参数，将需要调整的无线参数数据传输给基站配置器，由基站配置器对这些参数进行及时调整，最终达到网络实时自优化的目的。本发明实施例以PSO算法为例，采用相关函数和方法计算粒子群的适应度值以评价解的好坏,选出当前局部与全局极值并记录它们的位置,根据适应度值粒子群被划分在动态分层的邻域结构中，根据速度更新公式和位置更新公式更新下一代粒子的速度和位置,通过迭代的方式寻找最优值，优化调整无线发射参数。发明通过实时获取终端测量反馈信息，采用PSO算法等进行在线联合传播模型的逐步精细化校正，并利用校正结果进行及时网络覆盖自优化的方法。本发明不需要通过路测获取测量数据，及时灵活地对新铺设无线网络的传播模型进行校正，分析判断目前所关注无线网络的覆盖情况，实现实时网络覆盖监控以及网络优化的效果。数据处理模块接收来自基站侧的无线传播信号的强度进行测量记录，将该终端接收到的本网本地当前接收功率水平反馈给基站侧的测量收集模块,采用PSO算法等对符合本小区无线传输环境特征的传播模型进行校正。实验表明，利用PSO算法可以较好的实现传播模型校正的目标，校正后的传播模型符合移动通信网络规划要求。当需要对网络进行更为精确的无线覆盖预测时，则提高用于传播模型校正的来自测量反馈模块的数据量，并尽量以本网终端设备提供的数据量作为主要参考，提升在线传播模型校正精度，使校正后的传播模型更加精确地符合实际无线覆盖情况；当需要对网络进行实时地无线网络覆盖预测并及时的调整无线发射参数达到网络优化的效果，则减少用于传播模型校正的来自测量反馈模块的数据量以降低处理时延，在符合移动通信网络规划要求的前提下，适当降低在线传播模型校正精度，从而达到实时网络优化的目的。本发明中不同接入网技术采用的频段等参数不尽相同，利用PSO等算法进行传播模型校正的精度也不同，但其所覆盖的区域具备一定的重叠度，因此地形地貌等因素相似度较高，若频段等参数也相当，在满足移动通信网络规划要求的前提下，可以充分利用已经成熟的大规模应用的接入网中，大量的在线用户所测量上报的归属小区的接收功率情况，来对新网传播模型进行校正，以对覆盖情况进行预测。而当需要对网络进行更为精确的无线覆盖预测时，则提高用于传播模型校正的来自测量反馈模块的数据量，并尽量以本网终端设备提供的数据量作为主要参考，提升在线传播模型校正精度，使校正后的传播模型更加精确地符合实际无线覆盖情况。本发明增加性能分析模块收集来自测量反馈模块的数据的时间，增加收集的数据的数量，则可以提高传播模型校正的精度；减少数据处理模块收集来自测量反馈模块的数据的时间，较少收集的数据的数量，则会降低传播模型校正的精度，但可以节省时间和降低负荷。性能分析模块进行在线传播模型校正后，将校正结果及覆盖预测情况传输给需要进行网络优化的优化模块。优化模块根据校正后的传播模型进行覆盖分析和预测，判断当前无线网络覆盖存在问题的具体情况，选择需要调整的无线发射参数，将需要调整的无线参数数据传输给基站配置器，对这些参数进行及时调整，最终达到网络自优化的目的。以下给出有关标记：OAM—操作管理与维护；LTE—长期演进系统；3G—第三代通信技术；GSM—全球移动通信系统；CDMA—码分多址。