[发明专利]基于模糊神经网络的网络覆盖及容量优化系统及优化方法

说明书

技术领域

本发明涉及无线通信技术领域，尤其是，涉及一种基于模糊神经网络的网络覆盖及容量优化系统及优化方法。

背景技术

随着无线通信高速化、宽带化、泛在化的发展，下一代移动通信网络变得越来越复杂，用户对无线接入网所提供服务的质量要求也越来越高。而目前网络中的许多网元和相关参数由人工配置，网络规划、优化和运营成本相当巨大。运营商一方面要降低运营成本，另一方面需要提供较好的终端用户体验，因此提出了自组织网络(Self-Organizing Network,SON)技术，旨在增强无线网元，实现无线网络自组功能。SON有利于优化运营商的操作维护，能够大大提升网络性能，减少操作代价，降低无线网络的运营成本。

覆盖及容量优化(Coverage and Capacity Optimization,CCO)作为SON的一项重要功能，该优化功能旨在周期性根据无线环境情况甚至根据业务负载及用户位置的变更进行基站射频调整以提升网络覆盖以及系统容量性能。然而，目前对网络覆盖和容量的优化，仍然是由人工通过网络优化工具获取系统状态参数，对系统状态参数进行分析，判断出系统存在的问题，再通过人工调整改善系统存在的问题。人工优化方式造成了人力物力的巨大浪费，网络维护成本高，且人工配置很容易出现错配和漏配的问题。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：通过调整各个基站的天线仰角及发射功率以优化网络的负载及容量性能。

（二）技术方案

为实现上述目的，本发明提供了一种基于模糊神经网络的网络覆盖及容量优化系统，其特征在于，所述系统包括：多个分布式自组织模块，每个所述分布式自组织模块布置在一个基站中，并且每个所述分布式自组织模块周期性地利用模糊神经网络优化所在基站的天线仰角和发射功率；集中式合作模块，所述集中式合作模块用于接收每个所述基站的分布式自组织模块的优化参数，并将所述优化参数进行处理后，作为优化经验发送到每个所述分布式自组织模块。

其中，所述分布式自组织模块包括：参数计算单元，用于周期性地统计并计算模糊神经网络的四个输入参量：基站天线仰角、基站发射功率、负载差异因子、频谱效率差异因子；模糊化单元，用于根据隶属度函数将所述模糊神经网络的四个参量的具体数值转化成模糊化语言的形式；模糊推理单元，用于根据模糊推理规则进行逻辑推理，得到模糊推理结果；解模糊单元，用于根据所述隶属度函数将所述模糊推理结果转化成优化后的天线仰角和发射功率的精确输出量；参数优化单元，用于将所述每个分布式自组织模块所在的基站的天线仰角以及发射功率分别调整为所述优化后的天线仰角和发射功率；参数学习单元，用于根据所述优化后的天线仰角以及发射功率计算所述分布式自组织模块所在基站的覆盖及容量性能，并对优化参数进行学习调整；发送接收单元，用于将所述优化参数发送到所述集中式合作模块，并接收所述集中式合作模块发送的所述优化经验，并将所述优化经验发送到所述模糊化单元和解模糊单元，对所述优化参数进行替换。

其中，所述集中式合作模块根据接收到的多个上述分布式自组织模块的所述优化参数，计算出各项所述优化参数的算数平均值，并将各项计算后的优化参数作为上述优化经验发送到每个所述分布式自组织模块。

其中，所述优化参数包括所述模糊化单元和解模糊单元中的所述隶属度函数的隶属度函数中心和隶属度函数宽度参数。

根据本发明的另一个方面，提供了一种使用上述基于模糊神经网络的网络覆盖及容量优化系统进行优化的方法，其特征在于，包括：S1，使用每个分布式自组织模块周期性地利用模糊神经网络分别对所在基站的天线仰角和发射功率进行优化；S2，每个所述分布式自组织模块将优化参数发送到集中式合作模块；S3，所述集中式合作模块将接收的多个所述优化参数进行计算，并将计算后的优化参数作为优化经验分别发送到每个所述分布式自组织模块；S4，每个所述分布式自组织模块使用收到的所述优化经验分别替换所述优化参数。