[发明专利]一种基于呼吸直方图算法的移动通信网络覆盖优化方法

说明书

本发明公开了一种基于呼吸直方图算法的移动通信网络覆盖优化方法，该方法的具体步骤包括在所有需要优化的基站内为全部基站小区的每台天线构建双极化天线信号传播模型后再提取基站小区内的参数和优化目标、根据确定的全部基站小区的优化目标进行决策变量编码以构建成种群、呼吸直方图算法更新迭代由决策变量所构成的种群得到优化目标的最优解、输出最优解的优化目标中每台天线对应校正的优化参数四个步骤。本发明的方法，具备高维优化能力，运算时的收敛速度更快，更符合基站网络优化的工程实践。

技术领域

本发明属于移动通信网络的技术领域，具体涉及一种基于呼吸直方图算法的移动通信网络覆盖优化方法。

背景技术

5G和4G移动通信网络技术上具有延续性，它们的无线网在覆盖优化上方法具有通用性。当前，4G/5G移动通信网络基站数量庞大，临近基站之间在室外的发射功率、天线方位角、下倾角等高维决策变量之间存在相互制约。另外，由于电磁波传播是非线性的，优化目标与决策变量之间也是非线性关系且耦合关系强，因此，在室外覆盖优化问题存在多目标、高维度、非线性、强耦合、混合变量的特性。

当前4G/5G移动通信网络实际的室外覆盖优化工作，更多时候依赖工程师的个人经验，优化效果的不确定性难以克服。对于采用自动方法的网络优化方法，有的基于大数据或机器学习的结果进行优化，例如，基于Pattern寻优的5G问题区域自动优化算法、基于大数据分析的小区贡献度的问题区域自动优化算法、基于MR多维数据分析的遍历穷举法的自动数学方法，这些方法对局部都具有较好的优化效果，但由于4G/5G网络参数的强耦合性，问题区域参数改变后对周边区域也会带来一定影响，这类优化方法缺乏全局性，难以确保网络整体达到最优化效果。有的基于生物进化算法，例如遗传算法、粒子群算法、差分进化算法，这些方法在工程设施中采用的离散化特性，有较好的实用性，但受限于生物进化算法的高维优化能力不足，这些方法适用于小型栅格化网络的优化，尚不具备全网优化的能力。

由此可见，现有技术中缺少一类针对全局网络进行优化，不会对邻域造成负面影响，能考虑到优化目标之间的相互影响，适应大规模网络且具备高维优化能力的优化方法。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于呼吸直方图算法的移动通信网络覆盖优化方法，目的在于针对4G/5G室外优化的场景实现兼顾高维优化能力与全局优化效果之间的平衡。

为了达到上述目的，本发明采用以下技术方案：

一种基于呼吸直方图算法的移动通信网络覆盖优化方法，包括以下步骤：

在每个基站内所有基站小区的每台天线构建双极化天线信号传播模型，从双极化天线信号传播模型中计算每个基站小区内的采样点的信号强度；

将每个基站小区与采样点信号强度相关的参考信号接收电平RSRP、信噪比SINR、重叠覆盖率OCR三个参数作为优化目标，将每个基站中基站小区的天线的发射功率P_i、方位角A、下倾角D作为网络优化的决策变量进行编码从而构成一个种群；

对由决策变量编码而来的种群，利用呼吸直方图算法对种群进行迭代，不断地更新种群直到前后两次迭代种群的聚合适应值的差值小于设定阈值或者迭代次数达到设定的最大迭代次数；

从最后更新的一个种群中得到优化后的参考信号接收电平RSRP、信噪比SINR、重叠覆盖率OCR三个优化目标，并对该种群进行决策变量编码的解码运算，得到每个基站小区中对应优化后的天线的发射功率P_i、方位角A、下倾角D参数。

优选地，构建双极化天线信号传播模型计算每个基站小区内的采样点的信号强度的步骤为：