一种基于RLF数据的LTE网络优化方法及装置制造方法及图纸

技术编号:14424253 阅读:87 留言:0更新日期:2017-01-13 02:51
一种基于无线链路失败RLF数据的长期演进LTE网络优化方法及装置;方法包括:LTE系统周期性从一个或多个LTE基站采集RLF数据;所述LTE系统根据所述RLF数据匹配预存的一个或多个网络问题的特性模型;所述特性模型的内容包括:所述网络问题对应的RLF数据条件及网络优化建议方案;所述LTE系统获取匹配成功的特性模型中的网络优化建议方案,并将所获取的网络优化建议方案下发到相应的LTE基站。本发明专利技术能够智能、快速地进行日常LTE无线网络优化工作。

【技术实现步骤摘要】

本专利技术涉及LTE(LongTermEvolution,长期演进)移动通信领域,特别涉及一种基于RLF(RadioLinkFailure,无线链路失败)数据的LTE网络优化方法及装置。
技术介绍
随着无线网络的发展,移动运营商为了提高用户数据业务感知,大力发展LTE无线网络。在LTE无线通信系统中,快衰落、拐角、下行强干扰问题,严重影响LTE无线侧的网络指标和用户感知。但传统的网络问题分析主要是基于TOPN(最好/差的N个)小区的分析和基于个别问题点的处理,数据获取困难,且分析方法主要基于网优工程师的经验,代价高,解决周期长。因此,如何解决上述无线网络问题是亟需解决的技术问题。
技术实现思路
本专利技术旨在提出一种基于RLF数据的LTE网络优化方案,能够智能、快速地进行日常LTE无线网络优化工作。为了解决上述问题,采用如下技术方案。一种基于无线链路失败RLF数据的长期演进LTE网络优化方法,包括:LTE系统周期性从一个或多个LTE基站采集RLF数据;所述LTE系统根据所述RLF数据匹配预存的一个或多个网络问题的特性模型;所述特性模型的内容包括:所述网络问题对应的RLF数据条件及网络优化建议方案;所述LTE系统获取匹配成功的特性模型中的网络优化建议方案,并将所获取的网络优化建议方案下发到相应的LTE基站。可选地,所述网络问题包括以下至少之一:物理小区标识PCI混淆、邻区漏配、拐点快衰落、弱覆盖和重叠覆盖。可选地,所述PCI混淆的特性模型中的RLF数据条件为:UE接收到切换指示时所在服务器小区的演进的统一陆地无线接入网络小区全局标识符ECGI有效,发生RLF后的重建立小区的PCI和发生RLF时服务小区的PCI相同,且发生RLF后的重建立小区的ECGI和发生RLF时服务小区的ECGI不同;所述PCI混淆的特性模型中的网络优化建议方案为:将基站的邻区配置数据中错误的邻区删除,增加正确的邻区;或者修改邻区的PCI或调整所述邻区的小区覆盖范围。可选地,所述邻区漏配的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB,且发生RLF时服务小区的ECGI的邻区中没有发生RLF后的重建立小区的PCI的邻区;所述邻区漏配的特性模型中的网络优化建议方案为:在基站的邻区配置数据中增加漏配的邻区。可选地,所述拐角快衰落的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB;所述拐角快衰落的特性模型中的网络优化建议方案为:在十字路口增加提供全向小区的基站,或者组建超级小区。可选地,所述弱覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP和最强的邻区RSRP都小于-105dBm;所述弱覆盖的特性模型中的网络优化建议方案为:在弱覆盖区域增加基站。可选地,所述重叠覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP大于-110dBm,且RSRP比主小区的RSRP大-6dB的邻小区的个数大于或等于3;所述重叠覆盖的特性模型中的网络优化建议方案为:减少邻区覆盖范围。可选地,所述LTE系统根据RLF数据来匹配各网络问题的特性模型包括:所述LTE系统将各基站的所述RLF数据分别与各网络问题的特性模型中的RLF数据条件分别进行比对;当一个基站的所述RLF数据与一个特性模型中的RLF数据条件一致时,判定该基站的RLF数据与该特性模型匹配成功。可选地,所述LTE系统获取匹配成功的特性模型中的网络优化建议方案包括:所述LTE系统分别获取各基站的RLF数据的匹配结果,对于匹配成功的RLF数据,获取该RLF数据匹配成功的特性模型中的网络优化建议方案,作为该RLF数据所属基站对应的网络优化建议方案。可选地,所述LTE系统将所获取的网络优化建议方案下发到相应基站包括:所述LTE系统将所获取的各网络优化建议方案分别通过预定格式的指令下发到该网络优化建议方案对应的LTE基站。一种基于无线链路失败RLF数据的长期演进LTE网络优化装置,包括:采取模块,用于周期性从一个或多个LTE基站采集RLF数据;匹配模块,用于根据所述RLF数据匹配预存的一个或多个网络问题的特性模型;所述特性模型的内容包括:所述网络问题对应的RLF数据条件及网络优化建议方案;处理模块,用于获取匹配成功的特性模型中的网络优化建议方案,并将所获取的网络优化建议方案下发到相应的LTE基站。可选地,所述网络问题包括以下至少之一:物理小区标识PCI混淆、邻区漏配、拐点快衰落、弱覆盖和重叠覆盖。可选地,所述PCI混淆的特性模型中的RLF数据条件为:UE接收到切换指示时所在服务器小区的演进的统一陆地无线接入网络小区全局标识符ECGI有效,发生RLF后的重建立小区的PCI和发生RLF时服务小区的PCI相同,且发生RLF后的重建立小区的ECGI和发生RLF时服务小区的ECGI不同;所述PCI混淆的特性模型中的网络优化建议方案为:将基站的邻区配置数据中错误的邻区删除,增加正确的邻区;或者修改邻区的PCI或调整所述邻区的小区覆盖范围。可选地,所述邻区漏配的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB,且发生RLF时服务小区的ECGI的邻区中没有发生RLF后的重建立小区的PCI的邻区;所述邻区漏配的特性模型中的网络优化建议方案为:在基站的邻区配置数据中增加漏配的邻区。可选地,所述拐角快衰落的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB;所述拐角快衰落的特性模型中的网络优化建议方案为:在十字路口增加提供全向小区的基站,或者组建超级小区。可选地,所述弱覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP和最强的邻区RSRP都小于-105dBm;所述弱覆盖的特性模型中的网络优化建议方案为:在弱覆盖区域增加基站。可选地,所述重叠覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP大于-110dBm,且RSRP比主小区的RSRP大-6dB的邻小区的个数大于或等于3;所述重叠覆盖的特性模型中的网络优化建议方案为:减少邻区覆盖范围。可选地,所述匹配模块根据RLF数据来匹配各网络问题的特性模型是指:所述匹配模块将各基站的所述RLF数据分别与各网络问题的特性模型中的RLF数据条件分别进行比对;当一个基站的所述RLF数据与一个特性模型中的RLF数据条件一致时,判定该基站的RLF数据与该特性模型匹配成功。可选地,所述处理模块获取匹配成功的特性模型中的网络优化建议方案是指:所述处理模块分别获取各基站的RLF数据的匹配结果,对于匹配成功的RLF数据,获取该RLF数据匹配成功的特性模型中的网络优化建议方案,作为该RLF数据所属基站对应的网络优化建议方案。可选地,所述处理模块将所获取的网络优化建议方案下发到相应基站是指:所述处理模块将所获取的各网络优化建议方案本文档来自技高网...
一种<a href="http://www.xjishu.com/zhuanli/62/201510351061.html" title="一种基于RLF数据的LTE网络优化方法及装置原文来自X技术">基于RLF数据的LTE网络优化方法及装置</a>

【技术保护点】
一种基于无线链路失败RLF数据的长期演进LTE网络优化方法,其特征在于,包括:LTE系统周期性从一个或多个LTE基站采集RLF数据;所述LTE系统根据所述RLF数据匹配预存的一个或多个网络问题的特性模型;所述特性模型的内容包括:所述网络问题对应的RLF数据条件及网络优化建议方案;所述LTE系统获取匹配成功的特性模型中的网络优化建议方案,并将所获取的网络优化建议方案下发到相应的LTE基站。

【技术特征摘要】
1.一种基于无线链路失败RLF数据的长期演进LTE网络优化方法,其特征在于,包括:LTE系统周期性从一个或多个LTE基站采集RLF数据;所述LTE系统根据所述RLF数据匹配预存的一个或多个网络问题的特性模型;所述特性模型的内容包括:所述网络问题对应的RLF数据条件及网络优化建议方案;所述LTE系统获取匹配成功的特性模型中的网络优化建议方案,并将所获取的网络优化建议方案下发到相应的LTE基站。2.如权利要求1所述的方法,其特征在于,所述网络问题包括以下至少之一:物理小区标识PCI混淆、邻区漏配、拐点快衰落、弱覆盖和重叠覆盖。3.如权利要求2所述的方法,其特征在于,所述PCI混淆的特性模型中的RLF数据条件为:UE接收到切换指示时所在服务器小区的演进的统一陆地无线接入网络小区全局标识符ECGI有效,发生RLF后的重建立小区的PCI和发生RLF时服务小区的PCI相同,且发生RLF后的重建立小区的ECGI和发生RLF时服务小区的ECGI不同;所述PCI混淆的特性模型中的网络优化建议方案为:将基站的邻区配置数据中错误的邻区删除,增加正确的邻区;或者修改邻区的PCI或调整所述邻区的小区覆盖范围。4.如权利要求2所述的方法,其特征在于,所述邻区漏配的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB,且发生RLF时服务小区的ECGI的邻区中没有发生RLF后的重建立小区的PCI的邻区;所述邻区漏配的特性模型中的网络优化建议方案为:在基站的邻区配置数据中增加漏配的邻区。5.如权利要求2所述的方法,其特征在于,所述拐角快衰落的特性模型中的RLF数据条件为:发生RLF后的重建立小区的PCI在RLF邻区测量中,且对应的参考信号接收功率RSRP值比发生RLF时服务小区的RSRP大3dB;所述拐角快衰落的特性模型中的网络优化建议方案为:在十字路口增加提供全向小区的基站,或者组建超级小区。6.如权利要求2所述的方法,其特征在于,所述弱覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP和最强的邻区RSRP都小于-105dBm;所述弱覆盖的特性模型中的网络优化建议方案为:在弱覆盖区域增加基站。7.如权利要求2所述的方法,其特征在于,所述重叠覆盖的特性模型中的RLF数据条件为:发生RLF时服务小区的RSRP大于-110dBm,且RSRP比主小区的RSRP大-6dB的邻小区的个数大于或等于3;所述重叠覆盖的特性模型中的网络优化建议方案为:减少邻区覆盖范围。8.如权利要求1到7中任一项所述的方法,其特征在于,所述LTE系统根据RLF数据来匹配各网络问题的特性模型包括:所述LTE系统将各基站的所述RLF数据分别与各网络问题的特性模型中的RLF数据条件分别进行比对;当一个基站的所述RLF数据与一个特性模型中的RLF数据条件一致时,判定该基站的RLF数据与该特性模型匹配成功。9.如权利要求8所述的方法,其特征在于,所述LTE系统获取匹配成功的特性模型中的网络优化建议方案包括:所述LTE系统分别获取各基站的RLF数据的匹配结果,对于匹配成功的RLF数据,获取该RLF数据匹配成功的特性模型中的网络优化建议方案,作为该RLF数据所属基站对应的网络优化建议方案。10.如权利要求9所述的方法,其特征在于,所述LTE系统将所获取的网络优化建议方案下发到相应基站包括:所述LTE系统将所获取的各网络优化建议方案分别通过预定格式的指令下发到该网络优化建议方案对应的LTE基站。11.一种基于...

【专利技术属性】
技术研发人员:王连臣刘杰柳海辉范国田孙凯文李艳芳
申请(专利权)人:中兴通讯股份有限公司
类型:发明
国别省市:广东;44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1