接入网侧网络优化方法、系统及设备

1.本发明属于移动通信技术领域，具体涉及一种接入网侧网络优化方法、系统及设备。


背景技术：

2.网络优化是移动通信系统中实现高效无线资源管理的关键手段，它通过调整网络的参数来提高网络的各项关键性能指标(例如掉话率、功率覆盖、系统容量等反应网络状态的参数)。实际通信网络包含接入网、传输网和核心网部分，其中传输网与核心网的网元数量较少且运行环境稳定，因此其整体的网络通信质量相对较好，而无线网络的网元数量相对较多，运行环境较为繁杂，客户分布不集中且动态，因此其网络通信质量不稳定。综上，对移动通信网络进行优化，实际上主要是对接入网进行优化，也即调整网络中基站的射频参数(如天线功率、切换参数、天线方向角、天线下倾角、天线辐射模式等基站设备可以调整的参数)。考虑到对一个关键性能指标的调优可能会导致另一个关键性能指标的下降，网络优化需要在各项性能指标之间进行权衡。例如，功率覆盖倾向于最大化接收足够强信号的区域，而容量覆盖取决于信干噪比(sinr)，它不仅与目标信号的强度有关，还与干扰信号的强度有关。发射功率的提升可以提高小区的功率覆盖范围，但是这样的功率提升也会给相邻小区带来更多的干扰，导致容量覆盖的范围降低，因此需要通过网络优化来权衡功率覆盖和容量覆盖。
3.一般来说，网络优化是一个组合优化问题，在一些简化场景下它被证明np难的，即任何np问题(非确定性多项式时间问题，这类问题不能确定是否在多项式时间内找到答案，但是可以在多项式时间内验证答案是否正确)可在多项式时间内归约成的问题，这意味着该问题目前无法在多项式时间内获得最优解。因此，即使是中等规模下该问题的求解也极其困难。举例来讲，若方向角以5度为细粒度下倾角以1度为细粒度进行离散化取值，则单个天线的可选配置组合有13032种。以此为基础，10站规模的网络配置组合规模约为10
120
,远高于当前可观测宇宙中原子的总数,难以通过穷举找出最优解。
4.当前主要的算法可以分为随机搜索算法、近似算法和强化学习算法三种类型。其中，随机搜索算法包括诸如禁忌搜索(tabu search)、模拟退火(simulated annealing)和遗传算法(genetic algorithm)等，这些算法实现简单，但计算时间和解的质量无法保证；近似算法能够获得可证明性能界的多项式复杂度算法，但是能够处理的约束极为有限，大多数情况下无法满足实际网络规划的要求；强化学习算法基于通用的马尔可夫决策过程优化射频参数配置，但对计算和存储资源的需求很大。
5.尤为严重的是，这三类算法均无法处理大规模的网络优化问题。而随着新兴应用程序和智能终端的快速发展，移动通信网络呈现出网络部署密集化、设备功能复杂化的特点，这些特点使得网络参数众多，网络优化问题的规模急剧增大，远远超出了现有算法在当前算力下的求解能力。
6.目前应对网络优化问题规模急剧增大的主要方法是将目标区域划分成多个子区
域并对这些子区域分别进行求解。这种方法能够有效地控制问题规模，但存在重大缺陷：子区域的优化相互解耦，这导致优化一个子区域时无法考虑其它子区域的基站设施对该子区域带来的影响，因此最终求得的基站射频参数配置往往是次优的。
7.本发明提出的方法基于如下的科学事实：原始问题的解空间中包含大量冗余的天线射频参数配置。一方面，相近的天线射频参数配置对应相近的网络关键性能指标，这意味着小部分射频参数配置已经足够涵盖所有的网络场景，没有必要将所有相近的天线射频参数配置都作为候选天线射频参数配置。另一方面，受基站周围传播环境的影响，一根给定天线的部分射频参数配置在任何情况下都不会给网络的关键性能指标带来增益，遍历这些“无用”的射频参数配置是对计算资源的浪费。综上，可以通过剔除这些冗余的射频参数配置，实现高效的接入网侧网络优化。
8.压缩编码技术是剔除冗余的常用手段，它使用比原始比特数更少的比特数进行编码。传统压缩编码技术通常从信息源层面考虑，目标是经过压缩和解压步骤后的信息损失足够小甚至无损，这个评价标准不适用于网络优化领域对射频参数配置空间的压缩。


技术实现要素：

9.本发明目的是：针对当前网络优化问题规模巨大的挑战，提供一种接入网侧网络优化方法、系统及设备，能够降低网络优化算法的执行时间，从而高效地实现大规模网络的关键性能指标的提升。
10.具体地说，本发明是采用以下技术方案实现的。
11.一方面，本发明提供一种接入网侧网络优化方法，包括:
12.构建各天线预定义的专属码本：根据每个天线周围的传播环境，依照预先设定的准则，从初始可选射频参数配置集合中选出一个规模固定的子集，作为该天线的专属码本；
13.根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定各天线的射频参数配置。
14.进一步的，所述预先设定的准则为天线的专属码本中射频参数配置满足各射频参数配置互异性之和最大，所述构建各天线预定义的专属码本具体包括：
15.步骤1-1：码本ψ初始化为空集；
16.步骤1-2：在所述码本ψ中放入最大化达标率的射频参数配置，即：
[0017][0018]
其中，
[0019]
i表示所述初始可选射频参数配置集合中放入码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0020]
表示目标区域仅被天线a服务时的第i组射频参数配置；
[0021]
表示目标区域仅被天线a服务时在射频参数配置为下栅格u的关键性能指标；
[0022]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0023]
表示目标区域仅被天线a服务时在射频参数配置为下达标栅格的比例；
[0024]
表示达标栅格数目最多的配置对应的编号为i；
[0025]
∪表示并集操作；
[0026]
步骤1-3：在所述码本ψ中加入与当前码本中射频参数配置互异性之和最大的射频参数配置，以填充该码本，即：
[0027]
ψ＝ψ∪argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
[0028]
其中，
[0029]
ψ∈ψ，表示ψ是当前码本ψ中的射频参数配置；
[0030]
i表示所述初始可选射频参数配置集合中放入当前码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0031]ci，ψ
，表示第i组射频参数配置与当前码本ψ中的射频参数配置ψ之间的互异性；
[0032]
argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
，表示第i组射频参数配置与当前码本ψ中射频参数配置互异性之和最大的射频参数配置对应的编号i；
[0033]
步骤1-4：重复步骤1-3，直至码本内射频参数配置的数目达到k，则该码本作为该天线预定义的专属码本。
[0034]
进一步的，预先设定的准则为天线的专属码本中射频参数配置满足各射频参数配置对应的覆盖范围之和最大，所述构建各天线预定义的专属码本具体包括：
[0035]
步骤1-1：码本ψ初始化为空集；
[0036]
步骤1-2：在所述码本ψ中放入最大化达标率的射频参数配置，即：
[0037][0038]
其中，
[0039]
i表示所述初始可选射频参数配置集合中放入当前码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0040]
表示目标区域仅被天线a服务时的第i组射频参数配置；
[0041]
表示目标区域仅被天线a服务时，当射频参数配置为时栅格u的关键性能指标；
[0042]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0043]
表示在目标区域仅被天线a服务时，当射频参数配置为时达标栅格的比例；
[0044]
表示选择达标栅格数目最多的射频参数配置对应的序号i；
[0045]
∪表示并集操作；
[0046]
步骤1-3：在所述码本ψ中加入与当前码本中射频参数配置对应的覆盖范围之和
最大的参数配置，以填充该码本，即：
[0047][0048]
其中，
[0049]
表示目标区域仅被天线a服务时的第i组射频参数配置；
[0050]
表示在目标区域仅被天线a服务时，当射频参数配置为时栅格u的关键性能指标；
[0051]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0052]1a，u，ψ，t
，表示目标区域仅被天线a服务时，当ψ中选取射频参数配置时栅格u的关键性能指标关键是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0053]
||表示或运算；
[0054]
表示目标区域仅被天线a服务时，射频参数配置为或者属于ψ时，能够达标的栅格的比例；
[0055]
表示所述达标栅格的比例为最大时的射频参数配置对应的编号i；
[0056]
∪表示并集操作；
[0057]
步骤1-4：重复步骤1-3，直至码本内射频参数配置的数目达到k，则该码本作为该天线预定义的专属码本。
[0058]
进一步的，所述根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定各天线的射频参数配置包括：
[0059]
步骤2-1：定义网络各天线射频参数构成的向量为待求解问题的表示，定义适应度函数为目标区域的关键性能指标的达标率η(θ)，设置进化代数计数器q和最大进化代数q，q∈{0，1，2，3，...，q}，并基于各天线预定义的专属码本，随机生成m个网络射频参数配置，这些网络射频参数配置的集合作为初始网络射频参数配置的群体p(0)；
[0060]
步骤2-2：对于第q个群体p(q)，计算其中每个网络射频参数配置的适应度；
[0061]
步骤2-3：根据步骤2-2得到的适应度和预设的选择算子，从群体p(q)中选择优胜的个体，淘汰劣质个体；
[0062]
步骤2-4：将交叉算子和变异算子作用于群体，以生成子代网络射频参数配置的群体p(q+1)，并令q＝q+1；
[0063]
步骤2-5：重复步骤2-2到步骤2-4直至q＝q，以此过程中得到的具有最大适应度的网络射频参数配置作为最优解输出并终止算法。
[0064]
进一步的，所述将交叉算子作用于群体的基本步骤包括：
[0065]
随机选择当前群体下的两个网络射频参数配置；交换这两个网络射频参数配置中的部分射频参数配置构成新的射频参数配置；
[0066]
所述将变异算子作用于群体的基本步骤包括：
[0067]
对群中所有个体以事先设定的变异概率判断是否进行变异；对进行变异的个体随
机选择变异位进行变异。
[0068]
进一步的，所述根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定各天线的射频参数配置包括：
[0069]
步骤2-1：基于天线预定义的专属码本随机产生初始网络射频参数配置x,置禁忌表为空；
[0070]
步骤2-2：根据当前网络射频参数配置x的邻域函数生成若干邻域解，这些邻域解的集合x作为候选网络射频参数配置集合；
[0071]
步骤2-3：判断所述候选网络射频参数配置是否满足蔑视准则，若成立，则将候选网络参数配置集合x中最优的网络射频参数配置y代替x，并将y对应的禁忌对象加入禁忌表，同时转至步骤2-5；否则，转至步骤2-4；
[0072]
步骤2-4：选择集合x中非禁忌的最优网络参数配置作为新的当前网络射频参数配置，并将其禁忌对象加入禁忌表；
[0073]
步骤2-5：判断算法终止条件是否满足，若成立，则结束算法并输出最优结果，否则，转步骤2-2。
[0074]
进一步的，所述邻域，指的是与初始网络射频参数配置x接近的网络射频参数配置的集合，即若x中的网络射频参数配置属于x的邻域，则x中的网络射频参数配置与x仅在一根天线上的配置不一致。x中的网络射频参数配置在该天线中的射频参数配置从该天线预定义的专属码本中选取。
[0075]
另一方面，本发明还提供一种接入网侧网络优化系统，包括运算单元、采集单元和传输单元；实现上述接入网侧网络优化方法；
[0076]
所述各天线预定义的专属码本由所述运算单元统一生成；
[0077]
所述采集单元采集所有天线与传播环境有关的信息；
[0078]
所述运算单元根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定该天线射频参数配置，通过所述传输单元将天线的射频参数配置发送至各天线以进行部署配置。
[0079]
本发明还提供一种接入网侧网络优化系统，包括采集单元、运算单元和传输单元；实现上述接入网侧网络优化方法；
[0080]
运算单元还包括分布于各天线侧的运算模块；
[0081]
所述各天线预定义的专属码本由所述天线侧的运算模块生成；
[0082]
所述采集单元采集各天线侧运算模块生成的天线预定义的专属码本，以及所有天线与传播环境有关的信息；
[0083]
所述运算单元根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定该天线射频参数配置，通过所述传输单元将天线的射频参数配置发送至各天线以进行部署配置。
[0084]
再一方面，本发明还提供一种接入网侧网络优化设备，所述设备包括存储器和处理器；所述存储器存储有实现接入网侧网络优化方法的计算机程序，所述处理器执行所述计算机程序，以实现上述方法的步骤。
[0085]
本发明的接入网侧网络优化方法、系统及设备的有益效果如下：
[0086]
本发明的接入网侧网络优化方法、系统及设备，基于压缩编码的思想，针对当前网
络优化问题规模巨大的挑战，设计了一套适用于接入网侧网络优化的码本构建方案，并基于码本实现高效网络优化方法。具体而言，通过限制移动通信网络中每个基站可选的参数配置的空间，完成对网络优化问题规模的压缩，进而降低网络优化算法的执行时间，从而实现大规模的网络优化。
[0087]
采用最大差异化(即码本中的各个候选天线配置对应的覆盖情况的差异最大)或最大化总覆盖(即码本中的各个候选天线配置对应的覆盖范围之和最大)作为专属于网络参数优化问题码本质量的评价标准，并根据该标准设计启发式算法，以高效地为各天线生成其专属码本。在码本生成阶段，每根天线根据其周围的传播环境生成自己的专属码本，码本所包含的天线射频参数配置被认为有望提升整个网络的关键性能指标。
[0088]
通过运筹优化方法(如遗传算法、禁忌搜索算法、强化学习算法等)，在天线配置阶段协调天线间的干扰，基于各天线预定义的专属码本确定其射频参数的配置，实现网络各项关键性能指标的提升(如提升系统吞吐量，降低干扰，减少时延等)，实现接入网侧网络高效优化。
[0089]
实验结果表明，在短时间(300秒)内，本发明的接入网侧网络优化方法、系统及设备，采用基于码本的网络优化算法(曲线)能达到的性能远超于传统方法(叉形曲线)。
附图说明
[0090]
图1是本发明的移动通信网络示意图。
[0091]
图2是本实施例的接入网侧网络优化流程图。
[0092]
图3是本实施例的关键性能指标(有效覆盖率)与算法执行时间的关系曲线。
具体实施方式
[0093]
下面结合实施例并参照附图对本发明作进一步详细描述。
[0094]
本发明的系统模型如下:
[0095]
移动通信网络由若干宏基站组成的，其中每个宏基站包含三根定向天线，如图1所示。图中，每根天线周围的阴影区域表示该天线的覆盖范围，阴影区域的重合处表示该区域被多根天线覆盖，而通常认为这样会导致干扰。所有天线的方向角的可调范围是[0
°
,360
°
),下倾角的可调范围是[-90
°
,90
°
]。为了准确度量移动通信网络的关键性能指标，这里将目标区域划分为正方形栅格，例如5m
×
5m的正方形栅格。
[0096]
优选的，采用栅格中心所接收到的信号被用来代替相应栅格中的平均信号。栅格中不同位置的信号可能不一致。用栅格中心的信号近似代替栅格各个位置的信号，是基于栅格内信号强度相近(相差3db内)的先验知识，该方案可以有效降低问题的规模，即考虑网络性能时只关心栅格中心而不关注其它位置。
[0097]
设天线的集合为a，该天线集合大小即天线数目为|a|。a中元素a表示天线，包含天线的经纬度和高度信息。设栅格的集合为u，该栅格集合大小即栅格数目为|u|。u中元素u表示栅格，包含栅格的经纬度、海拔和地貌信息。定义对任意栅格u∈u，其接收到的来自天线a∈a的信号对应的关键性能指标(如接收信号强度、参考信号接收功率、参考信号接收质量等)为f
a，u
(θa)，其中θa表示天线a当前的网络射频参数配置。
[0098]
规定每个栅格在一段传输时间间隔内(在lte系统内，传输时间间隔通常被设定为
1毫秒)只能被一根天线服务，则在该传输时间间隔内，栅格u接收到的来自基站天线信号对应的关键性能指标fu(θ)可以写成它表示该栅格u接收到的服务来自能够提供最大关键性能指标的天线。这是一个随网络射频参数配置θ＝{θ1，θ2，...，θ
|u|
}的改变而变化的函数。网络射频参数配置指的是网络中所有天线的射频参数配置构成的组合。当前状态下目标区域的关键性能指标的达标率η(θ)可以表示为
[0099]
η(θ)＝∑
u∈u
1(fu(θ)＞t)/|u|
ꢀꢀ
(1)
[0100]
其中，u为栅格的集合，|u|为栅格集合的大小，即栅格的数量，u为u中的栅格，fu(θ)为栅格u接收到的来自基站天线信号对应的关键性能指标，t为设定的阈值，根据接收端用户的平均服务质量提前设定。
[0101]
上式表示，关键性能指标fu(θ)超过阈值t的栅格u数量占全体栅格数量的比例。其中，1(x)是一个指标表符，若x为真则取1，否则取0；阈值t通常根据接收端用户(如手机)反馈的服务质量提前给定。
[0102]
实施例1：
[0103]
本发明的一个实施例，为一种接入网侧网络优化方法、系统及设备。
[0104]
本发明的接入网侧网络优化系统包括采集单元、运算单元和传输单元。
[0105]
各天线预定义的专属码本可以由运算单元统一生成。此时，运算单元根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定所有天线的射频参数配置，以协调天线间的干扰。在确定网络射频参数配置方案后，通过传输单元将天线的射频参数配置发送至各天线以供其进行部署配置。采集单元采集所有天线与传播环境有关的信息(如天线附近的地形、建筑物分布)，这些信息用于码本生成阶段构建射频参数配置间互异性矩阵c。
[0106]
各天线预定义的专属码本也可以由天线侧生成。此时，运算单元还包括分布于各天线侧的运算模块，各天线预定义的专属码本由该天线侧的运算模块生成。采集单元采集各天线侧运算模块生成的各天线预定义的专属码本，以及所有天线与传播环境有关的信息(如天线附近的地形、建筑物分布)。运算单元根据优化理论协调天线间的干扰，基于所述天线预定义的专属码本确定该天线射频参数配置，即所有天线的射频参数配置，以协调天线间的干扰。在确定网络射频参数配置方案后，通过传输单元将天线的射频参数配置发送至各天线以供其进行部署配置。
[0107]
本发明的接入网侧网络优化方法，包括以下步骤，如图2所示。
[0108]
步骤一：构建各天线预定义的专属码本。
[0109]
根据每个天线周围的传播环境，基于码本内候选射频参数配置间差异性最大的准则，从初始可选射频参数配置集合中选出一个规模固定的子集，该子集作为该天线的专属码本。初始可选射频参数配置集合里包含的是一根天线所有可行的参数配置。码本内候选射频参数配置间差异性最大是指，天线专属码本中参数配置满足各参数互异性之和最大，则认为该码本所包含的天线射频参数被认为有望提升整个网络的关键性能指标。
[0110]
对于任意一个天线，给定其在未剔除冗余射频参数配置时的初始可选射频参数配置集合为其中表示天线a可选的第i组射频参数配置，d表示初始可选射频参数配置集合的规模。
[0111]
举例来说，若假设基站中天线的方向角以5
°
为细粒度离散化，下倾角以1
°
为细粒度离散化，则其初始的方向角和下倾角配置的集合为{(0
°
，-90
°
)，(0
°
，-89
°
)，...(0
°
，90
°
)，(5
°
，-90
°
)，(5
°
，-89
°
)，...，(5
°
，90
°
)，...，(355
°
，-90
°
)，(355
°
，-89
°
)，...，(355
°
，90
°
)}。该集合共包含d＝72
×
181＝13032个元素。初始可选射频参数配置集集合的规模与计算平台的计算和存储能力相关。
[0112]
定义天线a可选的第i组射频参数配置和天线a可选的第j组射频参数配置之间的互异性为c
i，j
：
[0113][0114]
其中，u为目标区域中栅格的集合，u为u中的栅格，为栅格u接收到的来自天线a信号对应的第i组射频参数配置，t为设定的阈值，为异或符号，为栅格u接收到的来自天线a信号对应的第j组射频参数配置，|u|为栅格集合的大小。
[0115]
上式表示网络中仅存在一根天线a时，射频参数配置和下关键性能指标达标情况不同的栅格(如栅格u的关键性能指标在下达标，在下不达标，则认为该栅格在和下达标情况不同)占全体栅格u的比重。
[0116]
一般来说，该问题的数学表达可以写成如下形式：
[0117][0118]
s.t.e
t
x＝k
ꢀꢀ
(4)
[0119]
x＝{0，1}dꢀꢀ
(5)
[0120]
其中，第一行表示问题的优化目标和优化变量，其中x为优化变量，表示初始可选射频参数配置集合中的参数是否被放入码本中；c表示由c
i，j
构成的矩阵；x是一个d维的0-1向量，用于表示初始可选射频参数配置集合中的参数是否被放入码本中。xi表示从集合中选择的第i个参数，xj表示从集合中选择的第j个参数。
[0121]
第二、第三行表示问题的约束，其中第二行表示码本内参数的数目为一个提前给定的常数k，k通常根据移动通信系统中基站的存储能力而提前给定；第三行表示x是一个d维的0-1向量，它的每一个元素代表原始可选射频参数配置集合中对应位置的参数配置是否被放入专属码本中(1表示放入，0表示不放入)。
[0122]
这是一个带线性约束的0-1二次规划问题，目前无法在多项式时间内找出最优解。
[0123]
本发明提供的接入网侧网络优化方法，可以在短时间内找出一个高质量的可行解，即从初始可选射频参数配置集合中选出放入码本中的参数，具体如下：
[0124]
步骤1-1：码本ψ初始化为（空集)。
[0125]
步骤1-2：在码本ψ中放入最大化达标率的射频参数配置，即：
[0126][0127]
其中，
[0128]
i表示所述初始可选射频参数配置集合中放入码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0129]
表示仅有天线a(即仅被天线a服务)时第i组射频参数配置；
[0130]
表示移动通信网络中仅被天线a服务时在射频参数配置为下栅格u的关键性能指标；
[0131]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0132]
表示仅被天线a服务时在射频参数配置为下达标栅格的比例；
[0133]
表示选择达标栅格数目最多的配置对应的序号i；
[0134]
∪表示并集操作。
[0135]
步骤1-3：在码本ψ中加入与当前码本中参数互异性之和最大的射频参数配置，以填充该码本，即：
[0136]
ψ＝ψ∪argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
ꢀꢀꢀꢀ
(7)
[0137]
其中，
[0138]
ψ∈ψ，表示ψ是当前码本ψ中的射频参数配置；
[0139]
i表示当前要放入当前码本ψ中的参数(即射频参数配置)对应的编号，取值范围是{1，2，3，...，d}；
[0140]ci，ψ
，表示第i组射频参数配置与当前码本ψ中的射频参数配置ψ之间的互异性；
[0141]
argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
，表示第i组射频参数配置与当前码本ψ中参数互异性之和最大的射频参数配置。
[0142]
步骤1-4：重复步骤1-3，直至码本规模达到给定的码本内参数数目k，则该初始化码本作为该天线预定义的专属码本。
[0143]
步骤二：基于各天线预定义的专属码本确定其射频参数配置
[0144]
本发明的接入网侧网络优化系统基于各天线预定义的专属码本，根据优化理论协调天线间的干扰，基于各天线预定义的专属码本确定该天线射频参数配置，以实现网络各项关键性能指标的提升(如提升系统吞吐量，降低干扰，减少时延等)，实现高效的网络优化。
[0145]
这里以遗传算法为例，介绍基于天线预定义的专属码本确定该天线射频参数配置的具体方法。
[0146]
遗传算法是一种通过模拟自然界中生物体进化过程的元启发式方法，它通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。
[0147]
由于遗传算法不能直接处理问题空间的参数，因此必须通过表示(representation)将要求解的问题转化成遗传算法(ga，genetic algorithms)空间的染色体或者个体。评估表示策略常采用以下三个规范：
[0148]
完备性(completeness)：问题空间中的所有点(候选解)都能作为ga空间中的点(染色体)表现。
[0149]
健全性(soundness)：ga空间中的染色体能对应所有问题空间中的候选解。
[0150]
非冗余性(non-redundancy)：染色体和候选解一一对应。
[0151]
进化论中的适应度，是表示某一个体对环境的适应能力，也表示该个体繁殖后代的能力。遗传算法的适应度函数也叫评价函数，是用来判断群体中的个体的优劣程度的指标，它是根据所求问题的目标函数来进行评估的。遗传算法在搜索进化过程中一般不需要其他外部信息，仅用评估函数来评估个体或解的优劣，并作为以后遗传操作的依据。
[0152]
基于各天线预定义的专属码本确定该天线射频参数配置的具体方法如下：
[0153]
步骤2-1：定义网络各天线射频参数构成的向量为待求解问题的表示，定义适应度函数为目标区域的关键性能指标的达标率η(θ)。设置进化代数计数器q＝0和最大进化代数q，并基于各天线预定义的专属码本，随机生成m个网络射频参数配置，这些网络射频参数配置的集合作为初始参数配置的群体p(0)。
[0154]
其中，i根据计算机计算和存储能力选取，本实施例中取100；m根据计算机的计算和存储能力选取，本实施例中取200；群体p(0)包含m个网络射频参数配置集合，表示为{p1，p2，p3，...，pm}。
[0155]
步骤2-2：计算群体内各个个体的适应度，即对于第q个群体p(q)，计算其中每个参数配置的适应度。
[0156]
群体指的是当前生成的网络射频参数配置的集合，个体指的是集合中的一个网络射频参数配置。
[0157]
本实施例中，适应度可以用当前射频参数配置下网络的关键性能指标(通过仿真软件得到)表示。
[0158]
步骤2
‑‑
3：根据步骤2-2得到的适应度和预设的选择算子，淘汰一部分个体。即根据适应度函数，利用预设的选择算子从群体p(q)中选择优胜的个体，淘汰劣质个体。
[0159]
其中，选择算子可以有多种选取方案，优选的，本实施例采用比例选择算子，其基本思想是群体中各个个体被选取的概率与其适应度成正比。
[0160]
步骤2-4：将交叉算子和变异算子作用于群体，以生成子代参数配置的群体p(q+1)，并令q＝q+1。
[0161]
将交叉算子作用于群体的基本步骤包括：1)随机选择当前群体下的两个网络射频参数配置；2)交换这两个网络射频参数配置中的部分参数构成新的参数配置。
[0162]
将变异算子作用于群体的基本步骤包括：1)对群中所有个体以事先设定的变异概率判断是否进行变异；2)对进行变异的个体随机选择变异位进行变异。
[0163]
交叉算子可以有多种选取方案，优选的，本实施例采用单点交叉，即选取两个个体，在随机选择的位置点上进行分割并交换这两个个体的后半段，从而得到两个新的个体。
[0164]
变异算子同样可以有多种选择方案，优选的，本实施例采用基本位变异，即对个体的每个天线的射频参数配置，依变异概率从其对应的码本中选择一个其它参数配置代替当前配置。变异概率pm是一个超参数，其反映环境的稳定性，通常固定为pm＝10-6
。
[0165]
步骤2-5：重复步骤2-2到步骤2-4直至q＝q，以此过程中得到的具有最大适应度的网络参数配置作为最优解输出并终止算法
[0166]
实施例2：
[0167]
本发明的另一个实施例，为一种接入网侧网络优化方法、系统及设备。与实施例1的区别在于，本实施例的步骤二采用传统禁忌搜索方法。
[0168]
步骤一：构建各天线预定义的专属码本。
[0169]
步骤1-1：码本ψ初始化为(空集)。
[0170]
步骤1-2：在码本ψ中放入最大化达标率的射频参数配置，即：
[0171][0172]
其中，
[0173]
i表示初始可选射频参数配置集合中放入码本ψ的射频参数配置的编号，，取值范围是{1，2，3，...，d}；
[0174]
表示目标区域仅被天线a服务时的第i组射频参数配置，
[0175]
表示目标区域仅被天线a服务时在射频参数配置为下栅格u的关键性熊指标；
[0176]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0177]
表示目标区域仅被天线a服务时在射频参数配置为下达标栅格的比例；
[0178]
表示选择达标栅格数目最多的配置对应的序号i；
[0179]
∪表示并集操作。
[0180]
步骤1-3：在码本ψ中加入与当前码本中参数互异性之和最大的参数配置，以填充该码本，即：
[0181]
ψ＝ψ∪argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
ꢀꢀꢀꢀ
(7)
[0182]
其中，
[0183]
ψ∈ψ，表示ψ是当前码本ψ中的射频参数配置；
[0184]
i表示初始可选射频参数配置集合中放入当前码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0185]ci，ψ
，表示第i组射频参数配置与当前码本ψ中的射频参数配置ψ之间的互异性；
[0186]
argmax
i∈{1，2，3，...，d}
∑
ψ∈ψci，ψ
，表示第i组射频参数配置与当前码本ψ中参数互异性之和最大的参数配置。
[0187]
步骤1-4：重复步骤1-3，直至码本内射频参数配置的数目达到k，则该码本作为该天线预定义的专属码本。
[0188]
步骤二：基于各天线预定义的专属码本确定其射频参数配置
[0189]
本发明的接入网侧网络优化系统基于各天线预定义的专属码本，根据优化理论协调天线间的干扰，基于各天线预定义的专属码本确定该天线射频参数配置，以实现网络各项关键性能指标的提升(如提升系统吞吐量，降低干扰，减少时延等)，实现高效的网络优化。
[0190]
这里以传统禁忌搜索方法为例，介绍基于天线预定义的专属码本确定网络射频参数配置的具体方法。
[0191]
基于各天线预定义的专属码本确定该天线射频参数配置的具体方法如下：
[0192]
步骤2-1：基于天线预定义的专属码本随机产生初始网络射频参数配置x，置禁忌表为空。
[0193]
步骤2-2：根据当前网络射频参数配置x的邻域函数生成若干邻域解，这些邻域解的集合x作为候选网络射频参数配置集合。邻域，指的是与初始射频参数配置x接近的参数配置的集合。本实施例中采用一阶邻域，即若x中的网络射频参数配置属于x的邻域，则x中的网络射频参数配置与x仅在一根天线上的配置不一致，x中的网络射频参数配置在该天线处的射频参数配置是从该天线预定义的专属码本中选取的。
[0194]
步骤2-3：判断集合x中的射频参数配置是否满足蔑视准则，若成立，则将x中最优的网络射频参数配置y代替x，并将y对应的禁忌对象加入禁忌表，同时转至步骤2-5；否则，转至步骤2-4。
[0195]
步骤2-4：选择x中非禁忌的最优网络射频参数配置作为新的当前网络射频参数配置，并将其禁忌对象加入禁忌表。
[0196]
步骤2-5：判断算法终止条件是否满足，若成立，则结束算法并输出最优结果，否则，转步骤2-2。
[0197]
可以理解，对于本发明的步骤二，传统的随机搜索算法(禁忌搜索、模拟退火等)和强化学习算法(q学习，蒙特卡洛树搜索等)均可以和码本的思想结合，以设计基站射频参数配置方案，只需要将解空间由所有可行的天线配置构成的空间改为码本构成的空间即可。
[0198]
实施例3：
[0199]
本发明的另一个实施例，为一种接入网侧网络优化方法、系统及设备。与实施例1、2的区别在于，本实施例的步骤一构建天线的专属码本的准则采用最大化总覆盖(即天线的专属码本中射频参数配置满足各射频参数配置对应的覆盖范围之和最大)。
[0200]
步骤一：构建各天线预定义的专属码本。
[0201]
步骤1-1：码本ψ初始化为(空集)。
[0202]
步骤1-2：在码本ψ中放入最大化达标率的射频参数配置，即：
[0203][0204]
其中，
[0205]
i表示初始可选射频参数配置集合中放入码本ψ的射频参数配置的编号，，取值范围是{1，2，3，...，d}；
[0206]
表示目标区域仅被天线a服务时的第i组射频参数配置，
[0207]
表示目标区域仅被天线a服务时，当射频参数配置为时栅格u的关键性能指标；
[0208]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0209]
表示在目标区域仅被天线a服务时，当射频参数配置为时达标栅格的比例；
[0210]
表示选择达标栅格数目最多的配置对应的序号i；
[0211]
∪表示并集操作。
[0212]
步骤1-3：在码本ψ中加入与当前码本中元素对应的覆盖范围之和最大的射频参数配置，以填充该码本，即：
[0213][0214]
其中，
[0215]
i表示所述初始可选射频参数配置集合中放入码本ψ的射频参数配置的编号，取值范围是{1，2，3，...，d}；
[0216]
表示目标区域仅被天线a服务时的第i组射频参数配置；
[0217]
表示目标区域在仅被天线a服务时，当射频参数配置为时栅格u的关键性能指标；
[0218]
表示关键性能指标是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0219]1a，u，ψ，t
，表示目标区域仅被天线a服务时，当ψ中选取射频参数配置时栅格u的关键性能指标关键是否超过阈值t，输出为二元变量，1表示达标，即超过阈值t，0表示不达标，即未超过阈值t；
[0220]
||表示或运算；
[0221]
表示在移动通信网络中仅被天线a服务时，射频参数配置为或者属于ψ时，能够达标的栅格的比例；
[0222]
表示所述达标栅格的比例为最大时配置对应的编号i；
[0223]
∪表示并集操作；
[0224]
步骤1-4：重复步骤1-3，直至码本内射频参数配置的数目达到k，则该码本作为该天线预定义的专属码本。
[0225]
步骤二：基于各天线预定义的专属码本确定其射频参数配置
[0226]
同实施例1的步骤二或实施例2的步骤二。
[0227]
本发明的接入网侧网络优化方法、系统及设备，基于压缩编码的思想，针对当前网络优化问题规模巨大的挑战，设计了一套适用于接入网侧网络优化的码本构建方案，并基于码本实现高效网络优化方法。具体而言，通过限制移动通信网络中每个基站可选的射频参数配置的空间，完成对网络优化问题规模的压缩，进而降低网络优化算法的执行时间，从而实现大规模的网络优化。
[0228]
采用最大差异化(即码本中的各个候选天线射频参数配置对应的覆盖情况的差异最大)或最大化总覆盖(即码本中的各个候选天线射频参数配置对应的覆盖范围之和最大)作为专属于网络参数优化问题码本质量的评价标准，并根据该标准设计启发式算法，以高效地为各天线生成其专属码本。在码本生成阶段，每根天线根据其周围的传播环境生成自己的专属码本，码本所包含的天线射频参数配置被认为有望提升整个网络的关键性能指标。
[0229]
通过优化方法(如遗传算法、禁忌搜索算法、强化学习算法等)，在天线配置阶段协调天线间的干扰，基于各天线预定义的专属码本确定其射频参数的配置，实现网络各项关键性能指标的提升(如提升系统吞吐量，降低干扰，减少时延等)，实现接入网侧网络高效优化。
[0230]
实验结果表明，在短时间(300秒)内，本发明的接入网侧网络优化方法、系统及设备，采用基于码本的网络优化算法(曲线)能达到的性能远超于传统方法(叉形曲线)，如图3所示。
[0231]
在一些实施例中，上述技术的某些方面可以由执行软件的处理系统的一个或多个处理器来实现。该软件包括存储或以其他方式有形实施在非暂时性计算机可读存储介质上的一个或多个可执行指令集合。软件可以包括指令和某些数据，这些指令和某些数据在由一个或多个处理器执行时操纵一个或多个处理器以执行上述技术的一个或多个方面。非暂时性计算机可读存储介质可以包括例如磁或光盘存储设备，诸如闪存、高速缓存、随机存取存储器(ram)等的固态存储设备或其他非易失性存储器设备。存储在非临时性计算机可读存储介质上的可执行指令可以是源代码、汇编语言代码、目标代码或被一个或多个处理器解释或以其他方式执行的其他指令格式。
[0232]
计算机可读存储介质可以包括在使用期间可由计算机系统访问以向计算机系统提供指令和/或数据的任何存储介质或存储介质的组合。这样的存储介质可以包括但不限于光学介质(例如，光盘(cd)、数字多功能光盘(dvd)、蓝光光盘)、磁介质(例如，软盘、磁带或磁性硬盘驱动器)、易失性存储器(例如，随机存取存储器(ram)或高速缓存)、非易失性存储器(例如，只读存储器(rom)或闪存)或基于微机电系统(mems)的存储介质。计算机可读存储介质可以嵌入计算系统(例如，系统ram或rom)中，固定地附接到计算系统(例如，磁性硬盘驱动器)，可移除地附接到计算系统(例如，光盘或通用基于串行总线(usb)的闪存)，或者经由有线或无线网络(例如，网络可访问存储(nas))耦合到计算机系统。
[0233]
请注意，并非上述一般性描述中的所有活动或要素都是必需的，特定活动或设备的一部分可能不是必需的，并且除了描述的那些之外可以执行一个或多个进一步的活动或包括的要素。更进一步，活动列出的顺序不必是执行它们的顺序。而且，已经参考具体实施例描述了这些概念。然而，本领域的普通技术人员认识到，在不脱离如下权利要求书中阐述的本公开的范围的情况下，可以进行各种修改和改变。因此，说明书和附图被认为是说明性的而不是限制性的，并且所有这样的修改被包括在本公开的范围内。
[0234]
上面已经关于具体实施例描述了益处、其他优点和问题的解决方案。然而，可能导致任何益处、优点或解决方案发生或变得更明显的益处、优点、问题的解决方案以及任何特征都不应被解释为任何或其他方面的关键、必需或任何或所有权利要求的基本特征。此外，上面公开的特定实施例仅仅是说明性的，因为所公开的主题可以以受益于这里的教导的本领域技术人员显而易见的不同但等同的方式进行修改和实施。除了在权利要求书中描述的以外，没有意图限制在此示出的构造或设计的细节。因此明显的是，上面公开的特定实施例可以被改变或修改，并且所有这样的变化被认为在所公开的主题的范围内。