一种物理层小区标识PCI优化的方法、设备和装置制造方法及图纸

本发明专利技术实施例公开了物理层小区标识PCI优化的方法、设备和装置；所述方法包括：获取无线通信网络的预设区域的小区运行参数，所述预设区域包括预先确定的待进行PCI优化的优化区域和针对所述优化区域设置的保护带；基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵；以干扰矩阵中各元素值之和减小的方向作为遗传进化方向，采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果；如此，本发明专利技术实施例能够结合现网中的小区运行参数，在考虑保护带的基础上，提出PCI优化方案。

【技术实现步骤摘要】
一种物理层小区标识PCI优化的方法、设备和装置
本专利技术涉及移动通信系统的网络优化技术，涉及一种物理层小区标识(PhysicalCellIdentifier，PCI)优化的方法、设备和装置，可以基于路测、测量报告(MeasurementReport，MR)、切换等多维数据构造邻区级干扰矩阵，通过遗传算法迭代输出最优的PCI分配方案。
技术介绍
干扰优化是无线通信网络如长期演进(LongTermEvolution，LTE)网络的重要环节，其对用户的通话质量、下载速率、切换等均有一定的影响，降低LTE网络的干扰是提升网络性能的重要环节；同时在4G(4thGeneration)用户量快速增长与深度覆盖需求的双重驱动下，LTE网络的新建站和扩容站大量增加，PCI复用的问题日益的严重；4G基站的站间距相较2G(2ndGeneration)/3G(3rdGeneration)的站间距小很多，当4G站点规划、PCI的设置不合理时极其容易导致同频同模干扰；同时PCI干扰将导致接入、切换、服务质量问题，严重影响用户的感知，而PCI取值范围又有限，所以必须通过合理的配置小区的PCI来尽量降低PCI的干扰。现阶段网络中PCI的规划和优化大多依托少量的测试数据、规划数据及地图信息，采用人工及辅助工具来完成，其优化和规划的结果严重依赖于优化工程师的优化经验以及工参准确性，同时优化结果大多只能解决局部问题，很难从全局的角度出发，综合考虑现网的切换数据、测试数据、MR数据等多维网优大数据，输出全局最优解；因而，不论是人工优化还是现存的辅助工具，方案输出的准确性难以把控，同时优化效率亟待提高。另一方面，运营商设备厂家的自组织网络(SelfOrganizationNetwork，SON)的功能中并不包含对PCI同模干扰进行优化的功能，业界目前缺少一种PCI模干扰自动优化方案，能够在考虑保护带的基础上，结合现网数据快速给出PCI优化方案的全局最优解。
技术实现思路
为解决上述技术问题，本专利技术实施例期望提供PCI优化的方法、设备和装置，能够结合现网中的小区运行参数，在考虑保护带的基础上，提出PCI优化方案。本专利技术的技术方案是这样实现的：本专利技术实施例提供了一种PCI优化的方法，所述方法包括：获取无线通信网络的预设区域的小区运行参数，所述预设区域包括预先确定的待进行PCI优化的优化区域和针对所述优化区域设置的保护带；基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵；以干扰矩阵中各元素值之和减小的方向作为遗传进化方向，采用遗传算法对所述优化区域内各小区的PCI或主同步信号(PrimarySynchronizationSignal，PSS)进行优化，得出优化结果。本专利技术实施例中，所述小区运行参数包括：MR数据、路测数据和小区切换数据。本专利技术实施例中，所述基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵，包括：基于所述预设区域的MR数据，得出所述预设区域内各源小区对应的第一干扰值，基于所述预设区域的路测数据，得出所述预设区域内各源小区对应的第二干扰值，基于所述预设区域的小区切换数据，得出所述预设区域内各源小区对应的第三干扰值，所述第一干扰值、第二干扰值和第三干扰值用于表示对应源小区与目标小区之间的三种不同的干扰关系；基于所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值；得出所述预设区域的小区间的干扰矩阵，所述干扰矩阵的各元素为：所述预设区域内各源小区对应的总干扰值。本专利技术实施例中，所述基于所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值，包括：判断所述预设区域内每个源小区与目标小区之间是否存在同模干扰，基于判断结果、所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值。本专利技术实施例中，所述基于判断结果、所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值，包括：对所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值进行加权求和，得出加权求和结果；基于所述加权求和结果和所述判断结果，得出所述预设区域内每个源小区对应的总干扰值。本专利技术实施例中，所述同模干扰包括以下至少一种：PCI冲突、PCI混淆、模3干扰、模6干扰、模30干扰。本专利技术实施例中，所述方法还包括：在采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化时，在连续N代种群中最优个体的适应度函数的值的波动范围小于第一预设值时，改变所述遗传算法参数的取值；基于改变后的遗传算法的取值，继续采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，其中，N为设定的大于1的自然数。本专利技术实施例中，所述改变后的遗传算法参数的取值大于改变前的遗传算法参数的取值。本专利技术实施例中，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：交替采用启发式搜索算法和遗传算法所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。本专利技术实施例中，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：采用并行遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。本专利技术实施例中，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：确定初始种群和适应度函数，所述初始种群的每个个体表示所述优化区域内各小区的PCI或PSS的一种分配方案；在不满足迭代终止条件时，采用精英保留策略对当前种群的各个个体进行交叉和变异运算，得出下一代种群；在满足迭代终止条件时，基于当前种群中适应度函数的值最小的个体，得出优化结果。本专利技术实施例中，所述遗传算法的迭代终止条件为：所述遗传算法的迭代次数达到预设迭代门限，或者，连续M代种群中最优个体的适应度函数的值的波动范围小于第二预设值，M为设定的大于1的自然数。本专利技术实施例中，所述遗传算法的初始种群的确定方法包括：根据初始干扰矩阵，得出多个随机解，每个随机解用于表示优化区域内各小区的PCI或PSS；采用启发式搜索算法在所述多个随机解中进行搜索，得出初始种群。本专利技术实施例还提供了一种PCI优化的设备，所述设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器，所述处理器用于运行所述计算机程序时，执行以下步骤：获取无线通信网络的预设区域的小区运行参数，所述预设区域包括预先确定的待进行PCI优化的优化区域和针对所述优化区域设置的保护带；基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵；以干扰矩阵中各元素值之和减小的方向作为遗传进化方向，采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。本专利技术实施例中，所述小区运行参数包括：MR数据、路测数据和小区切换数据。本专利技术实施例中，所述处理器用于运行所述计算机程序时，具体执行以下步骤：基于所述预设区域的MR数据，得出所述预设区域内各源小区对应的第一干扰值，基于所述预设区域的路测数据，得出所述预设区域内各源小区对应的第二干扰值本文档来自技高网...

【技术保护点】
1.一种物理层小区标识PCI优化的方法，其特征在于，所述方法包括：获取无线通信网络的预设区域的小区运行参数，所述预设区域包括预先确定的待进行PCI优化的优化区域和针对所述优化区域设置的保护带；基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵；以干扰矩阵中各元素值之和减小的方向作为遗传进化方向，采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。

【技术特征摘要】
1.一种物理层小区标识PCI优化的方法，其特征在于，所述方法包括：获取无线通信网络的预设区域的小区运行参数，所述预设区域包括预先确定的待进行PCI优化的优化区域和针对所述优化区域设置的保护带；基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵；以干扰矩阵中各元素值之和减小的方向作为遗传进化方向，采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。2.根据权利要求1所述的方法，其特征在于，所述小区运行参数包括：测量报告MR数据、路测数据和小区切换数据。3.根据权利要求2所述的方法，其特征在于，所述基于所述预设区域的小区运行参数，构建所述预设区域的小区间的干扰矩阵，包括：基于所述预设区域的MR数据，得出所述预设区域内各源小区对应的第一干扰值，基于所述预设区域的路测数据，得出所述预设区域内各源小区对应的第二干扰值，基于所述预设区域的小区切换数据，得出所述预设区域内各源小区对应的第三干扰值，所述第一干扰值、第二干扰值和第三干扰值用于表示对应源小区与目标小区之间的三种不同的干扰关系；基于所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值；得出所述预设区域的小区间的干扰矩阵，所述干扰矩阵的各元素为：所述预设区域内各源小区对应的总干扰值。4.根据权利要求3所述的方法，其特征在于，所述基于所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值，包括：判断所述预设区域内每个源小区与目标小区之间是否存在同模干扰，基于判断结果、所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值。5.根据权利要求4所述的方法，其特征在于，所述基于判断结果、所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值，得出所述预设区域内每个源小区对应的总干扰值，包括：对所述预设区域内每个源小区对应的第一干扰值、第二干扰值和第三干扰值进行加权求和，得出加权求和结果；基于所述加权求和结果和所述判断结果，得出所述预设区域内每个源小区对应的总干扰值。6.根据权利要求4所述的方法，其特征在于，所述同模干扰包括以下至少一种：PCI冲突、PCI混淆、模3干扰、模6干扰、模30干扰。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：在采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化时，在连续N代种群中最优个体的适应度函数的值的波动范围小于第一预设值时，改变所述遗传算法参数的取值；基于改变后的遗传算法参数的取值，继续采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，其中，N为设定的大于1的自然数。8.根据权利要求7所述的方法，其特征在于，所述改变后的遗传算法参数的取值大于改变前的遗传算法参数的取值。9.根据权利要求1所述的方法，其特征在于，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：交替采用启发式搜索算法和遗传算法所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。10.根据权利要求1所述的方法，其特征在于，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：采用并行遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果。11.根据权利要求1所述的方法，其特征在于，所述采用遗传算法对所述优化区域内各小区的PCI或PSS进行优化，得出优化结果，包括：确定初始种群和适应度函数，所述初始种群的每个个体表示所述优化区域内各小区的PCI或PSS的一种分配方案；在不满足迭代终止条件时，采用精英保留策略对当前种群的各个个体进行交叉和变异运算，得出下一代种群；在满足迭代终止条件时，基于当前种群中适应度函数的值最小的个体，得出优化结果。12.根据权利要求1所述的方法，其特征在于，所述遗传算法的迭代终止条件为：所述遗传算法的迭代次数达到预设迭代门限，或者，连续M代种群中最优个体...

【专利技术属性】
技术研发人员：张阳，郭宝，王国治，高燕，邵忆君，张阳，刘极祥，沈骜，方媛，胡晓春，谢陶，沈金虎，顾安，刘波，戴明艳，王晓琦，贾辉，李连本，韩玉喜，李天璞，张建奎，龙杰，卞恒坤，刘大洋，李大伟，
申请(专利权)人：中国移动通信集团公司，
类型：发明
国别省市：北京,11