CN104918262A - 网络优化方法及装置 - Google Patents

Abstract

本发明实施例提供一种网络优化方法及装置，其中，所述方法包括：根据获取的各用户的收发性能参数对各用户进行分组，形成至少两个用户组，并分别获取各用户组的连接性；分别获取各用户的功率共享因子及各用户组的功率共享因子；根据各节点的功率、天线下倾角、各用户的功率共享因子及各用户组的功率共享因子，获取各用户组的连接性的优化值及各用户的连接性的优化值；根据各用户组的连接性的优化值，获取各节点的功率及天线下倾角的优化值；重复上述步骤，直到迭代次数达到预设的第一阈值；获取网络中各节点的功率、天线下倾角及各用户的连接性的优化值。本发明实施例提高了***容量和覆盖性能及***资源利用率。

Description

网络优化方法及装置

技术领域

本发明实施例涉及通信技术，尤其涉及一种网络优化方法及装置。

背景技术

网络自组织技术（Self-Organized Network，简称SON）是指网络根据网络状况自动进行自配置、自优化、自治愈等操作，实现实时的自动化网络维护，从而可以减少人工干预，降低运维成本。容量和覆盖优化（Coverage andCapacity Optimization，简称COO）、负载均衡（Load Balancing，简称LB）是SON的两个重要用例。

现有的容量与覆盖优化技术实现的是小区级的优化，以提高小区平均频谱效率和边缘频谱效率为目标，尽量最大化各个小区的容量和覆盖；但对于整网而言，现有技术无法最充分利用***资源及最大化***的容量和覆盖，尤其在网络负载分布很不均匀的情况下，重负载的小区由于资源不足而难以满足小区用户的需求，从而造成业务服务质量（Quality of Service，简称QoS）的下降。因此，现有技术并不能使***的容量和覆盖性能达到最优化。

现有的负载均衡技术是根据统计各个小区运行过程中的负载差异来触发部分用户的切换，使高负载小区的部分用户重连接到邻近的低负载小区，通过实现小区间的负载转移使得各个小区的负载得以均衡，保证小区间负载差异的减小，从而对网络容量有正面的影响，但是，现有技术仅以小区的负载为衡量指标，无法使***的容量和覆盖性能达到最优化。

发明内容

本发明实施例提供一种网络优化方法及装置，以解决***容量和覆盖性能及资源利用率低的问题。

第一方面，本发明实施例提供一种网络优化方法，其中，所述方法包括：

根据获取的各用户的收发性能参数对所述各用户进行分组，形成至少两个用户组，并分别获取所述各用户组的连接性；其中，所述用户组的连接性，用于指示用户组的关联节点；

分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子；

根据各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值；其中，所述用户的连接性，用于指示用户的关联节点；

根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值；

重复上述步骤，直到迭代次数达到预设的第一阈值；

获取所述网络中各节点的功率、天线下倾角及各用户的连接性的优化值。

根据第一方面，在第一方面的第一种可能的实现方式中，所述根据所述各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值，包括：

根据所述各节点的功率、所述各用户组的功率共享因子及所述各用户组的连接性，确定所述各用户组的功率；

分别遍历所述各用户组的候选关联节点，根据所述各节点的天线下倾角及所述各用户组的功率和功率共享因子，获取所述各用户组与对应的的候选关联节点的候选关联性的干扰相关量；

所述各用户组分别与对应的候选关联节点中候选关联性的最小干扰相关量对应的目的关联节点建立关联；

根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率；

重复上述步骤，直到所述各用户组的功率更新幅度不超过预设的第二阈值；

获取所述各用户组的连接性的优化值及功率的优化值；

根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

根据第一方面，在第一方面的第二种可能的实现方式中，所述根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值，包括：

分别遍历所述各节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取所述各节点对对应的候选天线下倾角的候选关联性的干扰相关量；

所述各节点分别与对应的候选天线下倾角中候选关联性的最小干扰相关量对应的目的天线下倾角建立关联；

根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率；

重复上述步骤，直到所述各节点的功率更新幅度不超过预设的第三阈值；

获取所述各节点的天线下倾角的优化值及功率的优化值。

根据第一方面，在第一方面的第三种可能的实现方式中，所述收发性能参数为：用户测量的参考信号接收功率RSRP，和/或，用户的信噪比SINR。

第二方面，本发明实施例提供一种网络优化装置，其中，所述装置包括：

分组单元，用于根据获取的各用户的收发性能参数对所述各用户进行分组，形成至少两个用户组，并分别获取所述各用户组的连接性；其中，所述用户组的连接性，用于指示用户组的关联节点；

第一获取单元，用于分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子；

第二获取单元，用于根据各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值；其中，所述用户的连接性，用于指示用户的关联节点；

第三获取单元，用于根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值；

迭代单元，用于迭代控制所述分组单元、所述第一获取单元、所述第二获取单元及所述第三获取单元，直到迭代次数达到预设的第一阈值；

获取单元，用于获取所述网络中各节点的功率、天线下倾角及各用户的连接性的优化值。

根据第二方面，在第二方面的第一种可能的实现方式中，所述第二获取单元，具体用于：

根据所述各节点的功率、所述各用户的功率共享因子及所述各用户组的连接性，确定所述各用户组的功率；

分别遍历所述各用户组的候选关联节点，根据所述各节点的天线下倾角及所述各用户组的功率和功率共享因子，获取所述各用户组与对应的的候选关联节点的候选关联性的干扰相关量；

所述各用户组分别与对应的候选关联节点中候选关联性的最小干扰相关量对应的目的关联节点建立关联；

根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率；

重复上述步骤，直到所述各用户组的功率更新幅度不超过预设的第二阈值；

获取所述各用户组的连接性的优化值及功率的优化值；

根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

根据第二方面，在第二方面的第二种可能的实现方式中，所述第三获取单元，具体用于：

分别遍历所述各节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取所述各节点对对应的候选天线下倾角的候选关联性的干扰相关量；

所述各节点分别与对应的候选天线下倾角中候选关联性的最小干扰相关量对应的目的天线下倾角建立关联；

根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率；

重复上述步骤，直到所述各节点的功率更新幅度不超过预设的第三阈值；

获取所述各节点的天线下倾角的优化值及功率的优化值。

根据第二方面，在第二方面的第三种可能的实现方式中，所述收发性能参数为：用户测量的参考信号接收功率RSRP，和/或，用户的信噪比SINR。

本发明实施例提供的网络优化方法及装置，通过对网络的容量和覆盖与负载均衡进行联合优化，解决了现有技术中容量和覆盖与负载均衡各自单独优化而导致***的容量和覆盖性能及资源利用率低的问题，使得***的容量和覆盖性能得以最优化，并保证小区间的负载是相对平衡的，提高了***资源利用率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的网络优化方法的流程图；

图2为本发明实施例提供的负载均衡的流程图；

图3为本发明实施例提供的容量和覆盖优化的流程图；

图4为本发明实施例提供的网络优化装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供的技术方案可以应用于各种无线通信网络，例如：全球移动通信（global system for mobile communication，简称为GSM）***、码分多址（code division multiple access，简称为CDMA）***、宽带码分多址（wideband code division multiple access，简称为WCDMA）***、通用移动通信（universal mobile telecommunication system，简称为UMTS）***、通用分组无线业务（general packet radio service，简称为GPRS）***、长期演进（long term evolution，简称为LTE）***、先进的长期演进（long term evolutionadvanced，简称为LTE-A）***、全球互联微波接入（worldwide interoperabilityfor microwave access，简称为WiMAX）***等。术语“网络”和“***”可以相互替换。

在本发明实施例中，节点可以是与用户设备（user equipment，简称为UE）或其它通信站点如中继站点进行通信的设备，所述节点例如可以是基站（basestation，简称为BS），可以提供特定物理区域的通信覆盖。例如，基站具体可以是GSM或CDMA中的基站收发台（Base Transceiver Station，简称为BTS）或基站控制器（Base Station Controller，简称为BSC）；也可以是UMTS中的节点B（Node B，简称为NB）或者UMTS中的无线网络控制器（Radio NetworkController，简称为RNC）；也可以是家庭基站；还可以是LTE中的演进型基站（Evolutional Node B，简称为eNB或eNodeB）；或者，也可以是无线通信网络中的提供接入服务的其他接入网设备，本发明并不限定。在本发明实施例中，用户可以分布于整个无线网络中，每个用户可以是静态或移动的。

图1为本发明实施例提供的网络优化方法的流程图。如图1所示，本发明实施例提供的网络优化方法，包括：

101、根据当前的网络配置，获取各用户当前的连接性，以及计算所述各用户的收发性能参数并进行用户分组，形成至少两个用户组，确定用户与用户组的关联性，确定所述各用户组的连接性；其中，所述用户的连接性，用于指示用户的关联节点；所述用户组的连接性，用于指示用户组的关联节点。

具体地，所述当前的网络配置，指在当前时刻，网络中各节点的无线参数配置，如功率分配、天线下倾角设置、以及其他无线资源管理参数；所述收发性能参数例如，可以是用户测量的参考信号接收功率（Reference SignalReceiving Power，RSRP），也可以是用户的信噪比（SINR）。

102、根据各所述用户的当前关联节点为各用户分配的功率，分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子。

具体地，用户的功率共享因子，指该用户所分配到的功率占该用户的关联节点的总分配功率的比重；用户组的功率共享因子，指该用户组所分配到的功率占该用户组的关联节点的总分配功率的比重。在当前网络配置和用户连接下，节点为各用户分配了相应的功率，用户的功率共享因子对应的是该用户获得的功率分配比例；用户组的功率共享因子对应的是该用户组所获得的功率分配比例。

103、根据所述各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值。

104、根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值。

105、判断迭代次数达到预设的第一阈值：若迭代次数达到所述第一阈值，则转到步骤106；若迭代次数未达到所述第一阈值，则将迭代次数加1，并转到步骤101。

106、获取网络优化结果；其中，所述网络优化结果包括：所述各用户的连接性的优化值，及所述各节点的功率和天线下倾角的优化值。

具体地，本发明实施例的执行主体可以为网络优化装置，所述网络优化装置可以设置在网络中节点或者汇聚设备上，也可以设置在网管上或单独设置。

本发明实施例提供的网络优化方法，第一步，对各用户进行分组形成不同的用户组，根据各节点的功率和天线下倾角、用户功率共享因子及用户组功率共享因子，最优化所有用户组的连接性，达到整网的负载均衡；第二步，根据各用户组的连接性的优化值，最优化所有节点的功率及天线下倾角，达到整网的容量和覆盖性能最大化；通过对以上两步的迭代实现网络的容量和覆盖以及负载均衡的联合优化，解决了现有技术中容量和覆盖与负载均衡各自单独优化而导致***的容量和覆盖性能及资源利用率低的问题，使得***的容量和覆盖性能得以最优化，并保证小区间的负载是相对平衡的，提高了***资源利用率。

本发明实施例提供的网络优化方法，通过对网络的容量和覆盖与负载均衡进行联合优化，解决了现有技术中容量和覆盖与负载均衡各自单独优化而导致***的容量和覆盖性能及资源利用率低的问题，使得***的容量和覆盖性能得以最优化，并保证小区间的负载是相对平衡的，提高了***资源利用率。

图2为本发明实施例提供的负载均衡的流程图。本发明实施例提供的负载均衡是对于上述实施例中实现整网负载均衡的方法的进一步限定。如图2所示，本发明实施例提供的负载均衡方法，包括：

201、根据各所述节点的功率和天线下倾角、各所述用户的功率共享因子及各所述用户组的连接性，确定各所述用户组的功率。

202、对于每一个用户组，遍历该用户组的候选关联节点，根据该用户组的功率、所述各用户的功率共享因子及所述各节点的天线下倾角，获取该用户组与遍历到的候选关联节点的候选关联性的干扰相关量，并将最小的干扰相关量对应的候选关联节点确定为该用户组的目的关联节点。

203、各所述用户组分别与其目的关联节点建立关联。

204、根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率。

205、判断所述各用户组的功率的更新幅度是否不超过预设的第二阈值：若更新幅度不超过所述第二阈值，则转到步骤206；若更新幅度超过所述第二阈值，则转到步骤201。

206、获取所述各用户组的连接性的优化值及功率的优化值。

207、根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

具体地，本发明实施例提供的方法，根据网络中各节点的功率和天线下倾角，优化网络中所有用户组的连接性和功率，在保证***的容量和覆盖性能的同时，实现整网的负载均衡，从而提高网络性能。其中，用户组的性能至少可以由以下三种方式表示：

方式1、用户组内所有用户的平均性能，可以反映用户组的容量性能。

方式2、用户组内最差用户性能，可以反映用户组的覆盖性能。

方式3、用户组内所有用户的平均性能和最差用户性能的加权，可以反映用户组的容量和覆盖的折中性能。

针对方式1：若考虑用户组内所有用户的平均性能，则可以采用用户组中所有用户的下行平均SINR作为网络的性能指标，以用户组c为例，用户组c中所有用户的下行平均性能，通过如下公式（1）获得：

$\begin{array}{c}{\stackrel{\‾}{u}}_c^{\left(\mathrm{DL}\right)}=\frac{1}{K_c}\underset{k\∈K^{\left(c\right)}}{\mathrm{\Σ}}{\mathrm{SINR}}_k\\ =\frac{1}{K_c}\·\underset{k\∈K^{\left(c\right)}}{\mathrm{\Σ}}\frac{q_v{v}_{\mathrm{kk}}}{I_k^{\left(\mathrm{DL}\right)}+{\mathrm{\σ}}_n^2}\\ \≥\frac{1}{K_c}\·\frac{{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{q}_k{v}_{\mathrm{kk}}}{{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{I}_k^{\left(\mathrm{DL}\right)}+K_c{\mathrm{\σ}}_n^2}\\ =\frac{1}{K_c}\·\frac{p_c\·{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{\mathrm{\α}}_k{v}_{\mathrm{kk}}}{{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{I}_k^{\left(\mathrm{DL}\right)}+K_c{\mathrm{\σ}}_n^2}\\ =\frac{1}{K_c}\·\frac{p_c\·{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{g}_k}{{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{\left[V_{\mathrm{\θ}}^T{A}_{\mathrm{\α}}p\right]}_k+K_c{\mathrm{\σ}}_n^2}\\ =\frac{1}{K_c}\·\frac{p_c\·{\mathrm{\Σ}}_{k\∈K^{\left(c\right)}}{g}_k}{{\left[A^T{V}_{\mathrm{\θ}}^T{A}_{\mathrm{\α}}p\right]}_c+K_c{\mathrm{\σ}}_n^2}\\ ={\underset{\‾}{u}}_c^{\left(\mathrm{DL}\right)}\end{array}---\left(1\right)$

其中：K_c表示用户组c中的用户数目；Κ^(c)表示用户组c中的用户索引，c∈[1,C]，C表示用户组数目；k表示用户组c中的第k个用户（用户k），k∈[1,K]，K表示网络中的用户数目；SINR_k表示用户k的SINR；为用户组c中所有用户的下行平均SINR的下限；q_k表示用户k的关联节点为用户k分配的功率，v_kk表示用户k的关联节点到该用户k的信道增益，表示用户k与其关联节点通信时受到的其他节点信号的干扰，表示平均噪声功率，g_k=α_kv_kk；

其中，表示耦合矩阵，表示在天线下倾角为θ时发送给用户k1的信号到用户k2的接收增益，V_θ为中的自干扰和小区内/用户组内干扰项置零后得到的干扰耦合矩阵，V_θ表示在用户组c所属节点的天线下倾角为θ，且将各用户的自干扰和小区内/用户组内干扰项置零后的用户干扰量；

J表示节点-用户关联矩阵，J_bk=1表示用户k的连接性，即用户k被指配到节点b，b∈[1,B]，B表示网络中的节点数目；U表示接收增益矩阵，U_bk表示节点b到用户k的接收增益；

J=BA^T，B表示节点-用户组关联矩阵，B_bc=1表示用户组c的连接性，即用户组c被指配到节点b；A表示用户-用户组关联矩阵，A_kc=1表示用户k与用户组c的关联性，即用户k被指配到用户组c；A^Tα=1，α表示用户功率分配向量α=[α₁,...,α_K]^T，α_k表示用户k的功率共享因子；A_α表示用户-用户组关联功率矩阵，A_α=diag{α}A；

p表示用户组功率向量，p=[p₁,...,p_C]^T，p_c表示用户组c中的功率；p=diag{β}B^Tr；β表示用户组功率分配向量，β=[β₁,...,β_C]^T，β_c表示用户组c的功率共享因子，Bβ=1；r表示节点功率向量，r=[r₁,...,r_B]^T，r_b表示节点b的功率。

定义：用户组间干扰矩阵用户组间干扰矩阵G的元素为用户组间干扰量g；和则公式（1）可写成如下公式（2）：

${\underset{\‾}{u}}_c^{\left(\mathrm{DL}\right)}=\frac{g_c^{\left(\mathrm{\θ}\right)}}{K_c}\·\frac{p_c}{{\left[G^{T}p\right]}_c+n_c}---\left(2\right)$

根据上下行对偶原理，用户组c中所有用户的上行平均SINR的下限为：

${\underset{\‾}{u}}_c^{\left(\mathrm{UL}\right)}=\frac{g_c^{\left(\mathrm{\θ}\right)}}{K_c}\·\frac{p_c}{[{\mathrm{Gp}]}_c+n_c}---\left(3\right)$

定义：n=[n₁,...,n_C]，并定义一个与信道增益及干扰量有关的干扰相关量D^-1Gp+D^-1n，则用户组c的性能最大化时所对应的最小化干扰相关量为Ι_c(p)：

$I_c\left(p\right)=\underset{b_c\∈B_c}{\min }{[D^{-1}\mathrm{Gp}+D^{-1}n]}_c---\left(4\right)$

其中，b_c表示用户组c的一个候选关联节点，B_c表示用户组c的候选关联节点的集合。

对于每个用户组而言，其和节点的关联可以被单独优化，而和其他用户组的关联性不相关。

针对方式2：若考虑用户组内最差用户的性能，则可以采用用户组中最差用户的下行SINR作为网络的性能指标，以用户组c为例，用户组c中最差用户的下行性能通过如下公式（5）获得：

其中：S表示所有用户组中SINR最差用户指示矩阵，S=[s₁|...|s_C]^T，s_c是一个K维矢量，s_c表示用户组c中SINR最差用户指示矢量，s_kc=1表示用户组c中的用户k的SINR在用户组c中SINR最差的用户，s_c中除了用户组c中最差的用户对应的元素为1外，其他元素均为0；

$C=\mathrm{diag}\{g_1^{\left(\mathrm{\θ}\right)},...,g_C^{\left(\mathrm{\θ}\right)}\};$

用户组c的性能最大化时对应的最小化对偶上行干扰相关量为：

$I_c\left(p\right)=\underset{b_c\∈B_c}{\min }\underset{s_c}{\max }{[{\left({\mathrm{SC}}^{-1}{V}_{\mathrm{\θ}}^T{A}_{\mathrm{\α}}\right)}^{T}p+{\mathrm{\σ}}_n^2{\mathrm{SC}}^{-1}1]}_c---\left(6\right)$

针对方式3：若考虑用户组内的所有用户的平均性能和最差用户性能的加权，则用户组c的性能最大化时所对应的最小化干扰相关量可采用下式表征：

$I_c\left(p\right)=\{\mathrm{\μ}\·\underset{b_c\∈B_c}{\min }{[D^{-1}\mathrm{Gp}+n_c{D}^{-1}1]}_c+(1-\mathrm{\μ})\·\underset{b_c\∈B_c}{\min }\underset{s_c}{\max }{\left[{\mathrm{SC}}^{-1}(V_{\mathrm{\θ}}^T{A}_{\mathrm{\α}}p+{\mathrm{\σ}}_n^{2}1)\right]}_c\}---\left(7\right)$

其中，μ∈[0,1]为加权值，可以表示控制用户组内的所有用户的平均性能和最差用户性能折中度；将干扰相关量最小值对应的候选关联节点确定为用户组c的目的关联节点。

可见，结合节点的功率和天线下倾角，通过最优化用户组c的连接性，可计算出用户组c的最优性能u_c，其中，u_c可以是用户组c中所有用户的上行平均SINR的下限（对应于用户组的容量性能）、最差用户的SINR（对应于用户组的覆盖性能）、以及两者的综合（对应于用户组的容量和覆盖的折中性能）；求解上述公式（7）对应的解对应于获得用户组c的最优性能u_c。

上述方法采用不动点优化算法，结合每个节点的功率，公式（7）的求解可以通过的迭代优化实现；其中，表示用户组c的功率的最大值；为用户组c的目标性能，取决于用户的速率需求，n表示迭代次数。

对于SON而言，需要优化的全网所有用户的性能，为此，基于保证全网所有用户的公平性，SON优化目标为最大化所有用户组中性能最差的用户组的性能，即：

$\underset{p>0}{\max }\left(\underset{1\≤c\≤C}{\min }{u}_c\left(p\right)\right)s.t.\left|\right|p\left|\right|\≤P_{\max }---\left(8\right)$

其中，P_max表示在所有用户组中用户组功率的最大值。

上述公式（8）反映的全网最优目标性能等同于：

$\underset{p>0}{\min }\left|\right|p\left|\right|s.t.u_c\left(p\right)\≥u_c^{*}---\left(9\right)$

本发明实施例提供的负载均衡方法，采用不动点优化算法，根据网络中各节点的功率和天线下倾角，优化网络中所有用户组的连接性和功率，在保证***的容量和覆盖性能的同时，实现整网的负载均衡，从而提高网络性能。

图3为本发明实施例提供的容量和覆盖优化的流程图。本发明实施例提供的容量和覆盖优化是对于上述实施例中实现网络的容量和覆盖优化的方法的进一步限定。如图3所示，本发明实施例提供的容量和覆盖优化方法，包括：

301、初始化所述各节点的功率。

302、对于每一个节点，遍历该节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取该节点基于遍历到的候选天线下倾角的干扰相关量，并将最小的干扰相关量对应的候选天线下倾角确定为该节点的目的天线下倾角。

303、根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率。

304、判断所述各节点的功率的更新幅度是否不超过预设的第三阈值：若更新幅度不超过所述第三阈值，则转到步骤305；若更新幅度超过所述第三阈值，则转到步骤301。

305、获取所述各节点的天线下倾角的优化值及功率的优化值。

具体地，本发明实施例提供的方法，根据各用户组的连接性的优化值，优化网络中所有节点的天线下倾角和功率，在保证***的容量和覆盖性能的同时，实现整网的负载均衡，从而提高网络性能。其中，节点的性能至少可以由以下三种方式表示：

方式1`节点内所有用户的平均性能，可以反映节点的容量性能。

方式2`节点内最差用户性能，可以反映节点的覆盖性能。

方式3`节点内所有用户的平均性能和最差用户性能的加权，可以反映节点的容量和覆盖的折中性能。

针对方式1`：若考虑节点内所有用户的平均性能，则可以采用节点中所有用户的下行平均SINR作为网络的性能指标，以节点b为例，节点b中所有用户的下行平均性能通过如下公式（10）获得：

其中：Κ^(b)表示节点b中的用户数目，C^(b)表示节点b中的用户组索引，为节点b中所有用户的下行平均SINR的下限。

${\underset{\‾}{u}}_b^{\left(\mathrm{DL}\right)}=\frac{1}{K^{\left(b\right)}}\·\frac{r_b{g}^{\left(b\right)}}{{\left[{\mathrm{\ψ}}^{T}r\right]}_b+K^{\left(b\right)}{\mathrm{\σ}}_n^2}---\left(11\right)$

根据上下行对偶原理，节点b中所有用户的上行平均SINR的下限为：

${\underset{\‾}{u}}_b^{\left(\mathrm{UL}\right)}=\frac{g^{\left(b\right)}}{K^{\left(b\right)}}\·\frac{r_b}{{\left[\mathrm{\ψr}\right]}_b+K^{\left(b\right)}{\mathrm{\σ}}_n^2}---\left(12\right)$

定义： $\mathrm{\ζ}={[K^{\left(1\right)}{\mathrm{\σ}}_n^2,...,K^{\left(B\right)}{\mathrm{\σ}}_n^2]}^T,\mathrm{\φ}=\mathrm{diag}\{g_1^{\left(1\right)}/K^{\left(1\right)},...,g_1^{\left(B\right)}/K^{\left(B\right)}\},$ 则节点b的性能最大化时所对应的最小化干扰相关量为：

$I_b\left(r\right)=\underset{{\mathrm{\θ}}_b\∈{\mathrm{\Θ}}_b}{\min }{[{\mathrm{\φ}}^{-1}\mathrm{\ψp}+{\mathrm{\φ}}^{-1}\mathrm{\ζ}]}_b---\left(13\right)$

其中，θ_b表示节点b的一个候选天线下倾角，Θ_b表示节点b的候选天线下倾角的集合，θ表示网络中节点的天线下倾角向量，θ=[θ₁,...,θ_B]，

针对方式2：若考虑节点内最差用户的性能，则可以采用节点中最差用户的下行SINR作为网络的性能指标，以节点b为例，节点b中最差用户的下行性能通过如下公式（14）获得：

其中：T=diag{α}Adiag{β}B^T，q=Tr。

根据上下行对偶原理，节点b中最差用户的上行性能为：

节点b的性能最大化时所对应的最小化干扰相关量为：

$I_b\left(r\right)=\underset{{\mathrm{\θ}}_b\∈{\mathrm{\Θ}}_b}{\min }\underset{c\∈C^{\left(b\right)}}{\max }\underset{k\∈K^{\left(c\right)}}{\max }\frac{{\left[T^T{V}_{\mathrm{\θ}}r\right]}_k+{\mathrm{\σ}}_n^2}{{\mathrm{\β}}_c{\mathrm{\α}}_k{v}_{\mathrm{kk}}}---\left(16\right)$

针对方式3：若考虑节点内的所有用户的平均性能和最差用户性能的加权，即联合优化每个小区的容量与覆盖性能时，则节点b的性能最大化时所对应的最小化干扰相关量可采用下式表征：

$I_b\left(r\right)=\mathrm{\μ}\·\underset{{\mathrm{\θ}}_b\∈{\mathrm{\Θ}}_b}{\min }\frac{g^{\left(b\right)}}{K^{\left(b\right)}}\·\frac{r_b}{{\left[\mathrm{\ψr}\right]}_b+K^{\left(b\right)}{\mathrm{\σ}}_n^2}+(1-\mathrm{\μ})\·\underset{{\mathrm{\θ}}_b\∈{\mathrm{\Θ}}_b}{\min }\underset{c\∈C^{\left(b\right)}}{\max }\underset{k\∈K^{\left(c\right)}}{\max }\frac{{\left[T^T{V}_{\mathrm{\θ}}r\right]}_k+{\mathrm{\σ}}_n^2}{{\mathrm{\β}}_c{\mathrm{\α}}_k{v}_{\mathrm{kk}}}---\left(17\right)$

将干扰相关量最小值对应的候选天线下倾角确定为节点b的目的天线下倾角。

可见，结合各用户组的连接性的优化值，通过最优化节点b的天线下倾角和功率，可计算出节点b的最优性能u_b，其中，u_b可以是节点b中所有用户的上行平均SINR的下限（对应于节点的容量性能）、最差用户的SINR（对应于节点的覆盖性能）、以及两者的综合（对应于节点的容量和覆盖的折中性能）；求解上述公式（17）对应的解对应于获得节点b的最优性能u_b。

上述方法采用不动点优化方法，结合节点b的功率，公式（17）的求解可以通过的迭代优化实现；其中，表示节点b的功率的最大值，γ_b为最低SINR门限，通常取-6.5dB，n表示迭代次数。

对于SON而言，需要优化的全网所有用户的性能，为此，基于保证全网所有用户的公平性，SON优化目标为最大化所有节点中性能最差的节点的性能，即：

$\underset{r>0}{\max }\left(\underset{1\≤b\≤B}{\min }{u}_b\left(r\right)\right)s.t.\left|\right|r\left|\right|\≤r_{\max }---\left(18\right)$

其中，r_max表示在所有节点中节点功率的最大值。

本发明实施例提供的容量和覆盖优化方法，采用不动点优化算法，根据所述各用户组的连接性的优化值，优化网络中所有节点的天线下倾角和功率，在保证***的容量和覆盖性能的同时，实现整网的负载均衡，从而提高网络性能。

本发明实施例提供的网络优化方法中，负载均衡优化过程的输入依赖于容量与覆盖优化过程的输出的节点的功率和天线下倾角，同时，容量与覆盖优化过程的输入依赖于负载均衡优化过程的输出的用户组的连接性；通过依次循环迭代执行本发明实施例提供的负载均衡优化过程和容量与覆盖优化过程，直到迭代次数达到预设的第一阈值后结束流程；输出网络优化结果：各所述用户的连接性的优化值，及所述各节点的功率和天线下倾角的优化值。

本发明实施例提供的网络优化方法，通过容量与覆盖优化和负载均衡的联合优化，使得小区负载分布相对均衡的同时，容量和覆盖得到优化，有效提升网络资源使用效率；在实现容量与覆盖优化，及负载均衡优化的过程中利用上下行对偶原理以及使用定点优化算法，实现了基于模型的优化，且快速收敛。

图4为本发明实施例提供的网络优化装置的结构示意图。如图4所示，本发明实施例提供的网络优化装置400，包括：

分组单元401，用于根据获取的各用户的收发性能参数对所述各用户进行分组，形成至少两个用户组，并分别获取所述各用户组的连接性；其中，所述用户组的连接性，用于指示用户组的关联节点；

第一获取单元402，用于分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子；

第二获取单元403，用于根据各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值；其中，所述用户的连接性，用于指示用户的关联节点；

第三获取单元404，用于根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值；

迭代单元405，用于迭代控制所述分组单元401、所述第一获取单元402、所述第二获取单元403及所述第三获取单元404，直到迭代次数达到预设的第一阈值；

获取单元406，用于获取所述网络中各节点的功率、天线下倾角及各用户的连接性的优化值。

本发明实施例提供的网络优化装置400，可以用于执行图1所示网络优化方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

进一步，所述第二获取单元403，具体用于：

根据所述各节点的功率、所述各用户的功率共享因子及所述各用户组的连接性，确定所述各用户组的功率；

分别遍历所述各用户组的候选关联节点，根据所述各节点的天线下倾角及所述各用户组的功率和功率共享因子，获取所述各用户组与对应的的候选关联节点的候选关联性的干扰相关量；

所述各用户组分别与对应的候选关联节点中候选关联性的最小干扰相关量对应的目的关联节点建立关联；

根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率；

重复上述步骤，直到所述各用户组的功率更新幅度不超过预设的第二阈值；

获取所述各用户组的连接性的优化值及功率的优化值；

根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

或者进一步所述第三获取单元404，具体用于：

分别遍历所述各节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取所述各节点对对应的候选天线下倾角的候选关联性的干扰相关量；

所述各节点分别与对应的候选天线下倾角中候选关联性的最小干扰相关量对应的目的天线下倾角建立关联；

根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率；

重复上述步骤，直到所述各节点的功率更新幅度不超过预设的第三阈值；

获取所述各节点的天线下倾角的优化值及功率的优化值。

或者进一步，所述收发性能参数为：用户测量的参考信号接收功率RSRP，和/或，用户的信噪比SINR。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种网络优化方法，其特征在于，包括：

根据获取的各用户的收发性能参数对所述各用户进行分组，形成至少两个用户组，并分别获取所述各用户组的连接性；其中，所述用户组的连接性，用于指示用户组的关联节点；

分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子；

根据各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值；其中，所述用户的连接性，用于指示用户的关联节点；

根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值；

重复上述步骤，直到迭代次数达到预设的第一阈值；

获取所述网络中各节点的功率、天线下倾角及各用户的连接性的优化值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值，包括：

根据所述各节点的功率、所述各用户的功率共享因子及所述各用户组的连接性，确定所述各用户组的功率；

分别遍历所述各用户组的候选关联节点，根据所述各节点的天线下倾角及所述各用户组的功率和功率共享因子，获取所述各用户组与对应的的候选关联节点的候选关联性的干扰相关量；

所述各用户组分别与对应的候选关联节点中候选关联性的最小干扰相关量对应的目的关联节点建立关联；

根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率；

重复上述步骤，直到所述各用户组的功率更新幅度不超过预设的第二阈值；

获取所述各用户组的连接性的优化值及功率的优化值；

根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值，包括：

分别遍历所述各节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取所述各节点对对应的候选天线下倾角的候选关联性的干扰相关量；

所述各节点分别与对应的候选天线下倾角中候选关联性的最小干扰相关量对应的目的天线下倾角建立关联；

根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率；

重复上述步骤，直到所述各节点的功率更新幅度不超过预设的第三阈值；

获取所述各节点的天线下倾角的优化值及功率的优化值。

4.根据权利要求1所述的方法，其特征在于，所述收发性能参数为：用户测量的参考信号接收功率RSRP，和/或，用户的信噪比SINR。

5.一种网络优化装置，其特征在于，包括：

分组单元，用于根据获取的各用户的收发性能参数对所述各用户进行分组，形成至少两个用户组，并分别获取所述各用户组的连接性；其中，所述用户组的连接性，用于指示用户组的关联节点；

第一获取单元，用于分别获取所述各用户的功率共享因子及所述各用户组的功率共享因子；

第二获取单元，用于根据各节点的功率、天线下倾角、所述各用户的功率共享因子及所述各用户组的功率共享因子，获取所述各用户组的连接性的优化值及所述各用户的连接性的优化值；其中，所述用户的连接性，用于指示用户的关联节点；

第三获取单元，用于根据所述各用户组的连接性的优化值，获取所述各节点的功率及天线下倾角的优化值；

迭代单元，用于迭代控制所述分组单元、所述第一获取单元、所述第二获取单元及所述第三获取单元，直到迭代次数达到预设的第一阈值；

获取单元，用于获取所述网络中各节点的功率、天线下倾角及各用户的连接性的优化值。

6.根据权利要求5所述的装置，其特征在于，所述第二获取单元，具体用于：

根据所述各节点的功率、所述各用户的功率共享因子及所述各用户组的连接性，确定所述各用户组的功率；

分别遍历所述各用户组的候选关联节点，根据所述各节点的天线下倾角及所述各用户组的功率和功率共享因子，获取所述各用户组与对应的的候选关联节点的候选关联性的干扰相关量；

所述各用户组分别与对应的候选关联节点中候选关联性的最小干扰相关量对应的目的关联节点建立关联；

根据所述各用户组的最小干扰相关量、所述各用户组的功率的最大值及目标性能，更新所述各用户组的功率；

重复上述步骤，直到所述各用户组的功率更新幅度不超过预设的第二阈值；

获取所述各用户组的连接性的优化值及功率的优化值；

根据所述各用户组的连接性的优化值和用户与用户组的关联性，确定所述各用户的连接性的优化值。

7.根据权利要求5所述的装置，其特征在于，所述第三获取单元，具体用于：

分别遍历所述各节点的候选天线下倾角，根据所述各用户组的连接性的优化值，获取所述各节点对对应的候选天线下倾角的候选关联性的干扰相关量；

所述各节点分别与对应的候选天线下倾角中候选关联性的最小干扰相关量对应的目的天线下倾角建立关联；

根据所述各节点的最小干扰相关量、所述各节点的功率的最大值及性能下限，更新所述各节点的功率；

重复上述步骤，直到所述各节点的功率更新幅度不超过预设的第三阈值；

获取所述各节点的天线下倾角的优化值及功率的优化值。

8.根据权利要求5所述的装置，其特征在于，所述收发性能参数为：用户测量的参考信号接收功率RSRP，和/或，用户的信噪比SINR。