基于天線下傾角優(yōu)化的小區(qū)中斷補償機制

喬　彬　重慶郵電大學通信新技術應用研究中心碩士研究生在讀

基于天線下傾角優(yōu)化的小區(qū)中斷補償機制

喬彬重慶郵電大學通信新技術應用研究中心碩士研究生在讀

分析了天線參數優(yōu)化在小區(qū)中斷補償的應用，提出了基于天線下傾角優(yōu)化的小區(qū)中斷補償的方案。經過數學建模，將發(fā)生中斷區(qū)域的補償問題轉化為多參數聯(lián)合優(yōu)化問題。結合遺傳算法求解最佳天線下傾角，并對簡單遺傳算法進行改進。經過MATLAB仿真平臺驗證了改進遺傳算法的可行性以及基于天線下傾角優(yōu)化的補償方案的有效性。

自組織網絡；自治愈；小區(qū)中斷補償；天線下傾角；遺傳算法

1　引言

針對自組織網絡（Self-Organizing Networks，SON），3GPP標準化組織和歐盟蘇格拉底（SOCRATES）研究項目開展了一系列的研究和標準化工作。SON主要包含3個關鍵功能：自配置、自優(yōu)化和自治愈。其中，自治愈是指網絡通過自主檢測、定位網絡中的性能故障，并自主修復故障的功能。為了實現(xiàn)網絡的自治愈功能，要求網絡能夠在無人為干預的情況下自主進行小區(qū)中斷補償（Cell Outage Compensation，COC）。COC在小區(qū)中斷發(fā)生且網絡的性能無法達到通信的基本要求時觸發(fā)，并通常采用調節(jié)相鄰基站參數的方式來對中斷小區(qū)進行補償，直到滿足用戶的服務質量（QoS）需求和網絡性能的需求。

目前，針對COC的研究主要包括提高相鄰小區(qū)的發(fā)射功率或修改天線下傾角以擴展覆蓋范圍的研究以及相應的補償算法研究。對于補償算法的研究，已有了一定的研究成果，例如將模擬退火算法、遺傳算法、粒子群算法等優(yōu)化算法引入補償算法機制中，盡可能地找到使網絡最優(yōu)的參數配置。同時，在COC過程中，不僅要滿足盡最大可能地擴大覆蓋范圍，實現(xiàn)對中斷小區(qū)用戶性能的補償，還要保證補償小區(qū)內用戶的性能不受到大的影響，因此，有效的小區(qū)中斷補償機制仍需要進一步的研究。

2　小區(qū)中斷補償機制

2.1補償策略

中斷補償策略主要是根據網絡運營商的需求，對補償目標進行優(yōu)先級排序等，進一步生成中斷補償機制的補償策略。對于網絡運營商來說，當網絡中發(fā)生中斷、網絡服務質量下降時，首要目標是實現(xiàn)中斷對用戶性能影響最小化，主要表現(xiàn)在允許范圍內服務區(qū)域覆蓋面積最大、中斷用戶掉話率最低、服務區(qū)域的服務質量最優(yōu)等。但是，并不是所有的補償目標都能夠同時實現(xiàn)，因此需要對這些目標進行加權和優(yōu)先級排序等操作，為中斷補償機制策略的設定提供依據。

在中斷補償過程中，調整相鄰小區(qū)的無線參數意味著這些小區(qū)所服務的用戶的通信質量會有所影響，這樣會影響到整個網絡的性能。因此，將補償過程中會受到影響的小區(qū)大致分為3種類型：中斷小區(qū)、補償過程中參數可能被調整的相鄰小區(qū)、補償過程中參數不會被調整但小區(qū)性能可能會因為補償操作而受到影響的相鄰小區(qū)。對于不同的小區(qū)，優(yōu)化的目標可能是不同的。一般情況調整相鄰小區(qū)的參數是發(fā)射功率和天線傾角。

2.2控制參數

從中斷補償的角度來看，通過控制一些無線參數，對小區(qū)覆蓋面積、小區(qū)容量等網絡性能進行調整，進一步實現(xiàn)小區(qū)中斷補償。而不同的控制參數對網絡的性能有不同的影響，因此需要對這些控制參數進行分析，常用的控制參數有：

●下行物理信道的發(fā)射功率：該參數的變化直接影響小區(qū)的覆蓋范圍。

●上行PUSCH（物理上行共享信道）目標接收功率：該參數的大小可以控制小區(qū)內的用戶數量的多少，因此調整該參數可以使中斷小區(qū)用戶切換到補償小區(qū)內。

●天線參數：通過電動調整來改變天線主瓣方向和天線方向圖已經是現(xiàn)代天線設計的目標之一，與之相關的技術也已經取得研究成果，如遙控天線電傾角和波束賦形。

除了上述用于擴大覆蓋面積的控制參數外，還有一些受小區(qū)中斷發(fā)生影響的控制參數，如反映鄰區(qū)關系的鄰小區(qū)列表報告以及移動性參數等。

2.3應用場景分析

不同的應用場景會對小區(qū)中斷補償效果有較大的影響。一些關鍵的場景簡單描述如下：

●eNodeB部署密度和網絡容量的影響：在一個基站密度稀疏，主要考慮覆蓋問題的網絡格局中，潛在的中斷補償增益是很小的。相反的，在一個基站部署密度較大，注重網絡容量的網絡格局中，潛在的中斷補償增益是很大的。

●服務類型的影響：不同的服務類型對服務質量的需求是不同的，這對潛在的中斷補償效果有著較大的影響。

●空間流量分布的影響：假如小區(qū)的用戶流量主要集中于小區(qū)中心地帶，距離相鄰小區(qū)較遠，一旦發(fā)生中斷，中斷補償潛力有限；反之，用戶流量主要分布在小區(qū)邊緣地區(qū)，距離相鄰小區(qū)較近，則中斷補償潛力較大。

●中斷位置的影響：中斷小區(qū)位于網絡覆蓋的中心或者邊緣將直接影響中斷補償增益的大小。

2.4天線參數優(yōu)化在中斷補償中的應用分析

在LTE網絡中，針對網絡規(guī)劃和覆蓋優(yōu)化等問題時，天線參數是必須用到的參數之一。網絡中發(fā)生小區(qū)中斷時，小區(qū)無法保證通信服務質量，會產生覆蓋空洞，但一般認為發(fā)生中斷的基站無法進行自我調整，必須通過調整相鄰小區(qū)的天線參數實現(xiàn)對原有中斷小區(qū)的補償。增大小區(qū)覆蓋面積的方法有多種，可通過增大發(fā)射功率，增加天線高度的方法增大覆蓋，但根據目前網絡實際情況，大部分基站仍需通過調整小區(qū)天線下傾角來調整覆蓋。

在實際工程中，通常調整相鄰小區(qū)的天線下傾角來完成覆蓋的擴張，天線下傾角的調整方法的原理就是利用天線的垂直方向性對小區(qū)的覆蓋范圍做有效的調整，進一步完成對中斷小區(qū)的覆蓋補償。具體的補償流程如圖1所示，該機制是利用基站天線下傾角的調整完成覆蓋的擴張，并利用遺傳算法找到補償結果的最優(yōu)解，最后分析了優(yōu)化結果的有效性。

圖1　中斷補償流程圖

3　系統(tǒng)模型

3.1天線下傾角及增益

在LTE系統(tǒng)級仿真中，根據3GPPTR36.814，天線傾角的計算可以分為：水平傾角δH和3D傾角δ3D，3D傾角可以由公式（1）得出：

其中hte為基站天線有效高度，hre為移動臺天線有效高度，d為基站天線與移動臺天線的水平距離，單位均為m。相應地，天線增益的計算也分為水平增益和3D增益，水平增益和垂直增益的計算方法如公式（2）、（3）所示：

其中，在LTE網絡中，各項參數的取值都有具體的要求，δ3dB=70°，Am=25dB；θ3dB=10°，SLAV=20dB，θetilt= 15°。總體3D增益A3D由水平傾角δH和3D傾角δ3D共同計算得出，如公式（4）所示。調整傾角后基站傳播獲得的增益差值如公式（5）所示，其中：A'3D為傾角調整后計算得出的增益，A3D為原增益，二者的差即為增益變化的大小，用于后續(xù)傳播模型的計算。

3.2SINR計算

LTE中，用戶終端基于長期測量的參考信號接收功率（RSRP）來選擇服務小區(qū)，對應最大RSRP的小區(qū)將作為該用戶終端的服務小區(qū)。對于用戶來說，在選定服務小區(qū)之后，有用信號就是來自于服務小區(qū)的信號，干擾則是來自除服務小區(qū)以外的其它小區(qū)的信號。因此，用戶終端接收到的信干噪比（Signal to Interference plus Noise Ratio，SINR）計算公式為：

其中，Pi是小區(qū)i的發(fā)射功率，Hi，u表示用戶u到服務小區(qū)i的信道增益，N0是噪聲功率，表示用戶接收到其他小區(qū)的干擾信號功率的線性和。Hi,u的計算公式為Hi,u=GTx+GRx-PLi,u，其中，GTx是發(fā)射天線增益，GRx是用戶設備增益，PLi,u是用戶與基站小區(qū)的路徑損耗，與距離相關。

本文選擇Cost231-Hata模型作為TD-LTE系統(tǒng)的傳播損耗預測模型，如公式（7）所示。其中，fc為載波頻率，單位為MHz；hte為基站天線的有效高度，hre為移動臺天線的有效高度，d為基站天線與移動臺天線之間的水平距離，單位均為m；a（hre）為移動臺有效天線修正因子，CM為校正因子。

關于移動臺有效天線修正因子，不同的地理環(huán)境，計算方式也有所不同，具體如公式（8）所示。

3.3COC問題描述

通過調整中斷小區(qū)相鄰基站的下傾角，來達到補償中斷區(qū)域的目的，必然會導致補償小區(qū)原有用戶的性能下降，為了檢驗補償的性能，定義如下KPI（Key Parameter Indicators）參數：

中斷補償因子α

α=λ·Aedge+（1-λ）·Auser（9）

對于中斷補償因子中涉及的參數分析如下：

（1）Aedge表示經過一定的補償操作后，服務區(qū)的覆蓋性能的增益。S（δH，δV）為經過補償操作之后服務區(qū)內所有基站的覆蓋面積之和，S為服務區(qū)的范圍。

（3）中斷補償因子中引入λ因子是對兩種指標進行折中處理。

系統(tǒng)模型中的小區(qū)中斷補償可以轉化為一個最優(yōu)化求解問題：

優(yōu)化目標：最大化中斷補償因子。

調整參數：相鄰小區(qū)的天線下傾角向量。

約束條件：

（1）相鄰小區(qū)的天線下傾角的調整需要在一定的范圍內進行。

（2）用戶與服務小區(qū)基站的最大距離不能大于小區(qū)的最大覆蓋范圍。

（3）用戶接收到的信號質量不低于預設的門限值。

4　改進遺傳算法在COC問題的應用

由于COC問題可以轉化為尋求最優(yōu)解的問題，所以可以采用遺傳算法來解決COC問題。標準的遺傳算法在遺傳算子的選擇上存在一定的缺陷，影響算法的收斂性能，而且算法也容易陷入局部最優(yōu)。常用的基于輪盤賭選擇的方法由于是隨機操作的原因，存在較大的誤差，有時甚至連適應值較高的個體也會被淘汰；而基于固定概率值的交叉算子和變異算子不能保證子代個體優(yōu)于父代個體，有可能導致優(yōu)良基因的丟失和個體多樣性的減少。針對上述問題，首先對遺傳算子進行改進，采用輪盤賭選擇算法和最優(yōu)保存策略相結合的選擇策略、算術交叉算子和非均勻變異算子，有效提高收斂速度并保證最終結果最優(yōu)化。具體應用的主要步驟如下：

首先進行初始化，設置種群的規(guī)模大小為N，種群的遺傳進化迭代代數為T。采用浮點數編碼方式構造染色體，即每個染色體以G=［δ1，δ2，…，δn］的形式表示，每個染色體相當于當前基站的下傾角設置。整個種群為All=［G］N×n，即為N個染色體組成的N行n列的結果集矩陣。

第二步，計算適應值。COC問題中適應值即為中斷補償因子，具體的計算方法上文已經介紹，在此不再重復。

第三步，選擇。采用輪盤賭選擇算法和最優(yōu)保存策略相結合的選擇策略對種群的染色體進行選擇操作。

第四步，交叉。針對簡單交叉可能會導致優(yōu)良基因的丟失問題，文中采用算術交叉算子，具體操作是每對按照交叉概率選擇出來的染色體進行交叉，則交叉操作之后所產生的兩個新的子代染色體為：

其中，β為系數且β∈（0，1）。

公式（13）中，表示［0，y］范圍內符合非均勻分布的一個隨機數，r為［0，1］范圍內符合均勻概率分布的一個隨機數，T是最大進化迭代代數，b是一個系統(tǒng)參數。

將經過選擇、交叉、變異后的染色體作為新的種群，重復上述操作直至達到迭代次數T，所有記錄中的適應值最大的染色體即為所求最優(yōu)解。

5　檢測方法仿真及結果分析

5.1仿真場景及參數

為了對方案的可行性和性能進行驗證，釆用Matlab軟件搭建仿真平臺，釆用宏蜂窩傳播模型，選擇Cost231-Hata傳播模型進行LTE系統(tǒng)的鏈路預算。網絡拓撲如圖2所示，系統(tǒng)中包括7個基站和210個隨機分布的用戶，每個基站分為3個扇區(qū)，基站半徑為R?；局g定義接口傳播基站信息，人為關閉中心基站模擬中斷場景，每個基站可進行基站參數調整的操作。在COC過程中，通過調整相鄰基站的天線下傾角來擴大覆蓋，達到補償基站中斷帶來的影響的目的。具體的仿真環(huán)境參數設置如表1所示，與遺傳算法相關的參數設置如表2所示。

圖2　網絡拓撲圖

表1　仿真環(huán)境參數設置

5.2仿真結果與分析

經過仿真場景和參數的確定，仿真結果在本節(jié)給出。

（1）簡單遺傳算法和改進的遺傳算法對比

表2　遺傳算法參數設置

試驗是在MATLAB平臺上進行的，遺傳算法的種群規(guī)模為20，進化終止代數為300。將傳統(tǒng)的簡單遺傳算法和改進的遺傳算法分別應用于最優(yōu)天線下傾角調節(jié)方案的選擇中，結果如圖3所示。

從圖3中可以清晰地看出，不管是簡單遺傳算法還是改進的遺傳算法，均是朝著最佳適應值變大的方向進化的，滿足COC問題，證明了選擇遺傳算法解決COC問題的可行性。從圖中還可以看出，在同樣的網絡環(huán)境下，改進的遺傳算法最終的最佳適應值是0.8683，而簡單的遺傳算法的最佳適應值是0.7775，也就是說，相比簡單遺傳算法，改進的遺傳算法能夠選擇出更優(yōu)的個體，即最佳天線下傾角，而且克服了“早熟”等簡單遺傳算法的缺點問題。

（2）中斷補償機制的性能分析

圖3　算法收斂曲線對比圖

基于天線下傾角優(yōu)化的小區(qū)中斷補償機制是由改進的遺傳算法實現(xiàn)的，天線下傾角初始值統(tǒng)一設置為15°。為了對發(fā)生中斷的區(qū)域進行覆蓋補償，相鄰小區(qū)的天線下傾角會減小，由于網絡中的用戶是隨機分布的，導致補償小區(qū)的天線下傾角的變化幅度有所不同。補償操作完成后各個補償小區(qū)的天線下傾角變化如圖4所示。

當中心小區(qū)發(fā)生中斷時，該小區(qū)的邊緣用戶通過小區(qū)切換操作重新接入到相鄰小區(qū)，但絕大多數用戶無法通過切換來實現(xiàn)繼續(xù)通信。通過優(yōu)化相鄰小區(qū)的天線下傾角擴大覆蓋面積，實現(xiàn)絕大部分或者全部用戶能夠接入到相鄰小區(qū)，進一步實現(xiàn)小區(qū)中斷補償。圖5所示的是小區(qū)中斷補償前后覆蓋區(qū)域的用戶接收功率的累計概率分布曲線。由圖5可以看出，經過中斷補償操作，覆蓋區(qū)域內接收功率在-90dBm以下的用戶占整體的比例由補償前的40％降到15％，整體用戶的接受功率明顯增加。圖6所示的是小區(qū)中斷補償前后發(fā)生中斷的區(qū)域內用戶SINR的CDF曲線。由圖6可以清晰地看出，經過中斷補償操作，中斷區(qū)域用戶SINR有2dB左右的增益，用戶性能有所提高。圖7為中斷補償前后中斷小區(qū)的用戶吞吐量的CDF曲線圖?？梢钥闯?，補償操作之后可以提升原中斷小區(qū)用戶的吞吐量值。

6　結束語

圖4　中斷補償完成后補償小區(qū)的天線下傾角

本文首先介紹了天線參數在網絡優(yōu)化等方面的應用，對于天線下傾角參數、SINR計算以及小區(qū)中斷補償問題等進行了深入分析，提出了基于相鄰小區(qū)的天線下傾角優(yōu)化的小區(qū)中斷補償的方案。該方案采用優(yōu)化相鄰小區(qū)天線下傾角的方式，對因某種原因導致發(fā)生中斷的小區(qū)進行覆蓋補償，提高了用戶服務質量。然后聯(lián)合遺傳算法在求解優(yōu)化問題方面的應用，選擇遺傳算法來求解最佳天線下傾角，并對簡單遺傳算法進行改進。最終，經過MATLAB仿真平臺驗證了改進遺傳算法的有效性以及所提方案的可行性。

圖5　補償前后覆蓋區(qū)域用戶接收功率的CDF曲線

圖6　補償前后中斷小區(qū)的用戶SINR的CDF曲線

圖7　補償前后中斷小區(qū)的用戶吞吐量的CDF曲線

［1］MAY，JI X，JIANG J，et al.A Resource Allocation Algorithm Using Compensation Timeslot for Self-healing in Heterogeneous Networks［C］.Personal，Indoor and Mobile Radio Communications（PIMRC Workshops）.2013 IEEE 24th International Symposium on.IEEE，2013：122-126.

［2］XIA L，LI W，ZHANG H，et al.ACell Outage Compensation Mechanism in Self-Organizing RAN［C］.Wireless Communications，Networking and Mobile Computing（WiCOM）.2011 7th International Conferenceon.IEEE，2011：1-4.

［3］何麗.IMT-Advanced系統(tǒng)中的自治愈技術研究［D］.四川：電子科技大學，2013.

［4］霍錄振.LTE-Advanced系統(tǒng)的自愈合技術［D］.北京：北京郵電大學，2012.

［5］Amirijoo M，Jorguseski L，Litjens R，etal.Effectiveness of Cell Outage Compensation in LTE Networks［C］.2011 IEEE Consumer Communications and Networking Conference（CCNC），2011：642-647.

［6］Amirijoo M，Jorguseski L，Litjens R，et al.Cell Outage Compensation in LTE Networks：Algorithms and Performance Assessment［C］.Vehicular Technology Conference（VTC Spring），2011 IEEE73rd.IEEE，2011：1-5.

［7］3GPP TR 36.814 v9.0.0-2010.3rd Generation Partnership Project；Technical Specification Group Radio Access Network；Further Advancements for E-UTRA Physical Layer Aspects ［S］.3GPP，2010.

［8］李文璟，尹夢君，喻鵬等.基于功率和傾角聯(lián)合優(yōu)化的小區(qū)中斷補償機制［J］.電子與信息學報，2015，37（5）：1207-1213.

［9］秦文聰.LTE系統(tǒng)自優(yōu)化及自治愈技術研究［D］.北京：北京郵電大學，2014.

［10］張軍，詹志輝，陳偉能等.計算智能［M］.北京：清華大學出版社，2009.