LTE系统自优化及自治愈技术研究

发布时间：2019-01-05 17:36

【摘要】：LTE作为第三代移动通信系统的长期演进技术,能提供更高的带宽,更低的时延和更大的容量,随着LTE网络的广泛部署,网络参数呈现海量化和复杂化趋势,传统优化方法不能满足需求。为降低维护成本,提高运维效率,缓解网络优化工作量,3GPP启动了对LTE网络自组织功能SON技术的研究,SON具有自配置、自优化、自治愈等自主智能功能,自优化包括很多功能用例,如容量与覆盖优化、邻区列表优化、节能优化、负载均衡、随机接入选择等,其中,切换自优化技术是SON自优化功能的关键技术之一。此外,自治愈作为SON的另一项重要功能,也引起了业界的关注。本文在对LTE网络的特性及其网络优化分析的基础上,以通信网络智能性、自适应性为出发点,运用模式识别、数据挖掘和强化学习等理论和方法,对LTE网络切换自优化及自治愈两个方面展开了研究,提出了一些新的模型和算法,并进行了仿真验证。主要创新工作如下： 1.提出一种基于支持向量机的异常切换检测方法。将异常切换的检测看作一种模式识别的分类过程,通过在切换过程中设置时间变量将各类异常切换特征进行量化。把时间变量和基站位置等信息作为训练SVM模型的输入样本数据,使用训练好的模型来分类识别不同的异常切换,并分析了算法中参数的变化对算法识别性能的影响。仿真验证了所提出的方法可以有效识别过早、过晚、切换到错误小区三类异常切换。 2.提出一种基于增强Q学习的切换自优化方法。将增强Q学习算法引入到切换优化过程中,确定了切换优化的参数,建立了基于掉话率和乒乓切换的Q学习奖惩函数,构造了Q学习的切换优化体系,使得整个参数优化过程具有自学习自适应的能力。仿真结果表明,该方法可以有效优化切换参数,有效地提升了网络性能。 3.提出一种基于差分进化的BP神经网络小区中断检测方法。选择出小区中断相关的特征参数作为检测算法的输入,用差分进化算法对神经网络进行训练,确定BP神经网络的阈值和权值,并将训练好的模型进行中断小区的检测。所提出的方法结合了差分进化和神经网络的优点,克服了神经网络易陷入局部最小、收敛慢的缺点。仿真结果表明,该方法的检测准确率可以达到90%以上,比传统的BP神经网络的检测准确率更高。 4.提出一种基于模糊Q学习的联合调整天线下倾角和功率的小区中断补偿方法。首先提出一种参与补偿的小区选择机制,选择符合一定策略的小区进行补偿而非全部的小区进行补偿,主要考虑补偿小区对中断小区的信号强度影响以及小区本身的负载情况。将模糊理论和Q学习结合起来对邻区的天线倾角和发射功率联合调整,实现对小区中断的补偿,回报函数的设计考虑了全体的频谱效率和覆盖空洞的补偿问题。仿真结果表明,该方法可以提高中断小区的频谱效率,实现对中断小区的覆盖补偿。最后,对全文进行总结,指出了本研究中存在的一些问题和不足,并给出了进一步研究的方向。
[Abstract]:......
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TN929.5

【参考文献】