基于功率和倾角联合优化的小区中断补偿机制

李文璟 尹梦君喻 鹏 项 楠

（北京邮电大学网络与交换技术国家重点实验室 北京 100876）

基于功率和倾角联合优化的小区中断补偿机制

李文璟 尹梦君*喻 鹏 项 楠

（北京邮电大学网络与交换技术国家重点实验室 北京 100876）

为了实现对中断小区的自主补偿，该文基于自组织网络（SON）提出功率和倾角联合优化调整的小区中断补偿（COC）机制。首先以天线倾角和发射功率作为优化对象，然后对COC定义了合理的优化目标及评价指标，并对优化模型进行分析，最终给出基于遗传优化算法的补偿机制。在分时长期演进（TD-LTE）场景中进行仿真验证，该机制与参考文献中的3种算法相比，在覆盖、干扰和吞吐量等方面均有明显的改善。

自组织网络；小区中断补偿；倾角和功率联合调整；遗传算法

1 引言

3GPP标准化组织和欧盟苏格拉底（SOCRATES）研究项目针对自组织网络（Self-Organizing Networks， SON）开展了一系列研究和标准化工作。在SON中有3个关键功能：自配置［1］、自优化［2］和自治愈［3］。其中，自治愈是指网络自主检测，并定位影响网络性能的故障，继而进行自动恢复的功能［4］。为了实现网络自治愈，要求网络能够在无人为干预的情况下自主进行小区中断补偿（Cell Outage Compensation， COC）［5］。COC在中断发生并且网络性能无法达到要求时触发［6］，并通常采取调节相邻基站参数的方式来对中断小区进行补偿，直到满足用户的服务质量（QoS）需求和网络性能的需求。

作为无线接入网的热点问题，小区中断补偿方法已有大量的研究。文献［7］提出了SON网络中小区中断补偿的综合概念，但未涉及具体场景的补偿机制及算法的实现。文献［8，9］实现了基于基站倾角调整来达到提高覆盖目的的机制，但是并没有应用到小区补偿场景中，也没有对联合调整倾角和功率展开研究。文献［10，11］阐述了COC算法的实现机制，介绍了基于粒子群算法和免疫算法的小区中断补偿方法，但其只涉及了对功率的调整，没有联合考虑对倾角的调整。以上研究均以单个基站作为最小的补偿单位，忽略了基站扇区级别的优化模型。以扇区为最小粒度，考虑基站扇区和倾角和功率的联合调整，文献［12］研究了三扇区的基站中断情况，并且对不同参数的控制对覆盖的影响进行了详细的讨论，提出了多种中断场景，但是没有讨论补偿机制的细节及具体实现方法。在文献［12］的基础上文献［13］完成了仿真评测的具体实现，但是并没有考虑实时的有用户存在的情况，不够完善。文献［14］在关闭基站后，以最差用户的信号与干扰加噪声比为指标，利用遍历的方法联合调整倾角和功率，以达到节能的目的。该方案使用遍历的方法先调整倾角再利用共轭梯度算法调整功率结果，无法找到最优解，而且没有权衡多种指标。

本文主要依据上述研究成果，研究在三扇区基站场景下，当某一基站中断后，综合调节基站功率及倾角对小区服务进行补偿的机制。该机制提出了联合功率和倾角调整的优化模型，利用遗传算法对该数学模型进行求解，分析了优化结果的有效性。本方法的主要技术创新点为：（1）采用三扇区基站场景，利用联合功率和倾角的调整完成覆盖的扩张，并对比倾角调整以及功率调整对其影响；（2）权衡多种指标综合定义了合理的优化目标，并用其对补偿结果进行评价；（3）利用遗传算法找到补偿结果的最优解。

2 系统模型

在不同功率、倾角下比较覆盖面积（S）的变化情况，分析单独一个三扇区基站功率（P）与倾角（t）调整对覆盖的影响。根据增益计算及链路损耗可以得到传播范围，从而可观察基站的覆盖面积。图1（a）表示功率分别为43 dBm， 44 dBm， 45 dBm和46 dBm时，由倾角变化所观察的覆盖面积。由图可知随着倾角从10º减小到7º的过程中，面积增加并不明显，之后，面积增加呈近似指数的上升趋势。图1（b）表示当倾角在1º～10º变化时功率对覆盖面积的影响。由图可知功率对面积的影响呈缓和线性增加趋势。在变化较大时，倾角调整的影响更为突出。总的来说，调整倾角对整个基站的覆盖面积影响要大于调整功率的影响。但是仅仅调整倾角可能达不到信号强度要求，因此本文主要研究联合调整功率和倾角来达到最佳覆盖并达到补偿的目的。

图1 倾角功率单独调整对覆盖面积的影响

3 COC问题描述

本文研究问题如图2所示，假设中心基站意外中断，则触发补偿机制，补偿机制调整相邻基站的无线网络参数，使其覆盖增大，此时由于中断所影响的用户被补偿基站所覆盖。而在调整基站运行参数的过程中，如何尽可能地补偿中断的用户，避免过覆盖和覆盖空洞是需要考虑的关键问题。

3.1 相邻基站参数调整目标

设服务区内设有M个服务小区，共有L个用户接受服务。通过调整相邻小区参数，使其满足受中断影响用户最少，过覆盖用户最少，以及覆盖空洞最小的优化目标如式（6）所示。

图2 COC方法示意图

反之，当有基站可以服务用户i时该值为0。当邻站参数调整幅度不足时，就会出现用户被覆盖率低，空洞过大的情况。

3.2 网络影响评估指标

在中断补偿过程中，调整倾角会增加用户切换频率，调整功率使其增大会增加整个小区的能耗。因此，式（7）定义了一个网络影响评估指标 Dadjt来直观地衡量联合调整功率和倾角所带来的影响。个小区有效覆盖的情况，即过覆盖的用户所占比。

用户i能够获得有效覆盖的小区数目表示为

当其大于3时，则有

表示用户i可以获得的有效覆盖小区数目超过3个。当邻站参数调整幅度过大时，就会出现部分用户被过覆盖，资源浪费严重，干扰显著增强的情况。

4 遗传算法的COC应用

由于优化目标以及参数调整的多样化，据文献［16］可以证明找到最优解是一个非确定多项式问题。而遗传算法在建立数学模型时不需要考虑问题的内在性质，对于任意形式的目标函数和约束，无论是线性的还是非线性的，离散的还是连续的均可处理。因此，本文采用遗传算法［17］来解决上述问题，主要步骤如下。

在初始化和编码之后，对种群中的每个个体进行评估，将拥有最佳适应度的解作为局部个体最优解，对于初始种群来说同时也是全局最优解。确定一个合适的适应度函数，可以评价每个染色体的优劣，并使种群向更好的方向繁衍。结合上述数学模型，在补偿覆盖时，需要满足多个目标函数的要求。因此将所有目标整合在一起得到如式（8）所示的适应度函数。基于本文提出的优化目标特性，遗传变换将朝着适应度降低的方向进行。其中 Agap， Aovlp，Sgap为上文定义的目标函数，α， β， γ表示不同目标的权重系数。在不同系统中会有不同的比例，相应的结果也会不同。

将经过选择、交叉、变异后的结果作为新的种群，重复上述操作直到达到迭代次数NG，所有记录中的适应度函数最低的结果即为所求最优解。

5 仿真及分析

本文以Matlab作为仿真实验平台，进行性能验证，并将本文方案联合调整功率和倾角（Joint T iltand Power Ad justment， JTPA）与3种方案：调整功率［11］（On ly Power Ad justm ent， OPA）、调整倾角［10］（Only Tilt Adjustment， OTA）和联合调整功率和倾角［14］（Joint Optim ization of Electric Antenna Tilt and Transm it Power， JOETP）从多方面进行分析比较。

5.1 仿真场景

仿真场景为大城市郊区环境。在面积2.5×2.5 km的范围内有7个基站和150个随机分布的用户，分布如图3所示。基站之间定义接口传播基站信息，人为关闭中心基站模拟中断场景，每个基站可进行基站参数变化的操作。在COC过程中，由分布在周围的邻基站依靠调整倾角和功率，来扩大覆盖以达到补偿中间基站中断带来影响的目的。传播模型，倾角模型、调整影响模型中的参数设置如表1所列。与遗传算法相关的参数如表2所列。在搜索最佳策略时，功率以1 dBm为调整步长，倾角以1º为调整步长。

5.2 结果分析

基站参数调整结果如表3所示，由于增大相邻基站的覆盖使得中断区域的用户大部分得到了补偿，4种方案补偿后中断概率明显高于补偿前的0.4。而JOETP方案虽然也进行了倾角和功率的调整，但是该方案参数调整力度不够，不适用于中断补偿环境。

表1 仿真环境参数设置

图3 仿真场景分布图

表2 GA参数设置

5种方案的信号与干扰加噪声比（Signal to Interference plus Noise Ratio， SINR）如图4所示。图4（a）补偿前，中心区域无法满足用户QoS需求和网络覆盖率。图4（b）经过OPA，增加功率使得邻站能够扩大覆盖范围，但仍有21%的用户未被覆盖，同时基站间干扰明显加大。图4（c）经OTA已经基本满足了用户服务质量的需求，中心部分的干扰不是很强，但是覆盖面积仍有间隙。图4（d）由于该方案以离基站最远的用户SINR为目标，不考虑整体覆盖情况，有较大空洞。图4（e）经过本文的JTPA后，各项优化目标均达到理想的状态，在满足用户服务质量的同时，达到了完全补偿覆盖所有区域的要求。

图5所示为OPA， OTA， JTPA 3种补偿方案的网络影响评估指标比较，其横坐标为每次迭代结果的适应度函数值，纵坐标为每次迭代结果的网络影响评估指标值，曲线按照迭代次数的结果相连接。OTA找到了最优解且未反复，这是因为倾角调整时任何一个基站的变动对整体适应度的影响大，达到最优解后不会随意变动。与其相反，由于功率影响小，多种OPA调整方案可能会达到相似的效果。而JTPA的迭代效果介于两者之间。另外，可以看出OPA由于覆盖增加效果有限，在适应度函数方面，差于OTA和JTPA。而OTA的网络影响评估指标值最高，其次是OPA， JTPA，这是因为OTA各个基站调整差值较大，而OPA较小。由于JTPA综合调整两个参数，使得可以不用牺牲更多的网络影响而获得更好的效果。

表3 基站参数调整结果

图4 不同方案的SINR图

图6为用户接收功率的累积分布函数图（Cumulative Distribution Function， CDF）。接收功率在-90 dBm以下的用户占整体用户比例，OPA为70%， OTA为40%， JOETP为78%，而JTPA仅为37%。这是由于调整倾角提高了增益，使得整体用户的接收功率明显增加。而调整功率将使得中心用户接收功率增高，但是大多数边缘用户只拥有很低的接收功率。图7为用户吞吐量的CDF图。可以看出JTPA使得原中断小区的用户大多有较高的吞吐量。而在曲线首段和尾段的OPA偏高是由于调整功率未能覆盖所有边缘用户，部分低吞吐量的用户并不在计算范围内。JOETP大大提升了一部分用户的吞吐量值，但是没有在整片区域上起到良好的改善效果。

综上分析，与OPA， OTA相比，JTPA能更好地保证网络质量和用户服务质量，并且在不同场景下更具有灵活性；与JOETP相比，更能适应中断补偿场景。

6 结束语

本文将调整基站功率和调整基站倾角联合应用于小区中断补偿机制中。基于遗传算法找出最优解并分析其补偿效果。在满足用户服务质量的同时，方案达到了完全补偿覆盖所有区域的要求，并使各项优化目标均达到最理想的状态。作为一种中断补偿机制，联合调整功率和倾角也存在一些缺点，如网络模型设计较为规则，没有考虑实际的复杂网络场景。在下一阶段中，将研究LTE异构网络下多频段、多基站类型和多业务环境下的中断补偿方法。

图5 网络影响评估函数比较图

图6 用户接收功率累积概率分布

图7 用户吞吐量累积概率分布

［1］ 3GPP TS 32.501 V 9.1.0-2010. Telecomm unication m anagem ent； self-configu ration of network elem ents；concepts and requirements［S］. 2010.

［2］ 3GPP TS 32.521V 9.0.0-2010. Self-O rganizing Networks（SON） policy Network Resou rce M odel （NRM） Integration Reference Point （IRP）； requirem ents［S］. 2010.

［3］ 3GPP TS 32.541 V 1.5.0-2010. Telecomm unication m anagem ent； Self-O rganizing Networks （SON）； self-healing concepts and requirements［S］. 2010.

［4］ M a Y， Ji X D， Jiang J M， et al.. A resource allocation algorithm using com pensation tim eslot for self-healing in heterogeneous networks［C］. Proceed ings of the IEEE International Symposium on Personal， Indoor and M obile Radio Commun ications Workshop， London， UK， 2013: 122-126.

［5］ Xia L F， Li W J， Zhang H， et al.. A cell outage com pensation m echanism in self-organizing RAN［C］. P roceedings of the 2011 7th International Conference on W ireless Comm unications， Networking and M obile Com puting（W iCOM）， W uhan， China， 2011: 9.23-9.25.

［6］ 3GPP TR 36.902 V 9.2.0-2010. Self-configuring and selfop tim izing network use cases and solu tions［S］. 2010.

［7］ Prem nath K N and Rajavelu S. Challenges in self-organ izing networks for w ireless telecommunications［C］. Proceedings of the 2011 International Conference， Recent Trends in Inform ation Technology， Chennai， Tam il Nadu， Ind ia， 2011: 1331-1334.

［8］ Gao Y， Li Y， Zhou S D， et al.. System level performance of energy efficient dynam ic mechanical antenna tilt angle sw itching in LTE-Advanced system s［C］. Proceedings of the 2013 IEEE International W ireless Sym posium， Beijing， China，2013: 1-4.

［9］ Fehske A J， K lessig H， Voigt J， et al.. Concurrent load-aware ad justment of user association and antenna yilts in self-organizing radio Networks［J］. IEEE Transactions on Vehicular Technology， 2013， 62（5）: 1974-1988.

［10］ Li W J， Yu P， Jiang Z X， et al.. Centralized management mechanism for cell outage com pensation in LTE networks［J］. International Journal of Distributed Sensor Networks， 2012: 1-8.

［11］ Jiang Z X， Yu P， Su Y L， et al.. A cell outage com pensation scheme based on immune algorithm in LTE networks［C］. Proceedings of the Network Operations and M anagement Sym posium， Hiroshima， Japan， 2013: 1-6.

［12］ Am irijoo M， Jorguseski L， Litjens R， et al.. Effectiveness of cell outage com pensation in LTE networks［C］. Proceedings of the Consumer Communications and Networking Conference，Las Vegas， USA， 2011: 642-647.

［13］ Am irijoo M， Jorguseski L， Kürner T， et al.. Cell outage com pensation in LTE networks: algorithm s and performance assessment［C］. Proceedings of the 2011 IEEE 73rd Vehicular Technology Conference， Budapest， Hungary， 2011: 1-5.

［14］ Yuan G， Yi L， Hongyi Y， et al.. Energy efficient joint op tim ization of electric antenna tilt and transm it power in 3GPP LTE-Advanced: a system level result［C］. Proceedings of the 2013 IEEE 9th International Colloquium on Signal Processing and its Applications （CSPA）， Kuala Lum pur，M alaysia， 2013: 135-139.

［15］ 3GPP TR 36.814 v9.0.0-2010. 3rd generation partnership froject； technical specification group radio access network；further advancements for E-UTRA physical layer aspects［S］. 2010.

［16］ Hu ffner F， Komusiew icz C， Liebtrau A， et al.. Partitioning biological networks into highly connected clusters w ith maximum edge coverage［J］. IEEE/ACM Transactions on Com putational Bio logy and Bioinform atics， 2014， 11（3）: 455-467.

［17］ Chang Y T， Wu C L， and Cheng H C. Integrated crosscorrelation and genetic algorithm to im p rove TDOA-based locating system in p reventing radio interference［C］. Proceedings of the IEEE International Sym posium on Com puter， Consumer and Control， Taichung， China， 2014: 1078-1081.

李文璟： 女，1973年生，副教授，硕士生导师，研究方向为无线通信管理与通信软件.

尹梦君： 女，1991年生，博士生，研究方向为无线网络管理、SON、C-RAN自主管理与优化.

喻 鹏： 男，1986年生，博士，讲师，研究方向为无线网络管理、自主管理与优化.

项 楠： 男，1990年生，硕士生，研究方向为无线网络管理、自主管理与优化.

A Cell Outage Com pensation M echanism Based on Joint Op tim ization of Power and Tilt

Li Wen-jing Yin Meng-jun Yu Peng X iang Nan
（State K ey Laboratory of Networking and Sw itching Techno logy， Beijing University of Posts and Telecommunications， Beijing 100876， China）

In order to compensate the outage cell autonomously， this paper derives a solution for Cell Outage Com pensation （COC） in Self-Organizing Networks （SON） which is based on the joint ad justment of power and tilt. Firstly， the paper takes the power and tilt as the op tim ization ob jects. Then it defines the rational ob jectives and the evaluation index of the COC， and analyzes the optim ization model. Finally， the compensation mechanism based on the Genetic optim ization A lgorithm （GA） is proposed. The simulation results under the Time Division Long Term Evolution （TD-LTE） scenario show that the p roposed solution is better than other three methods in term s of the coverage， interference， and throughput.

Self-Organizing Networks （SON）； Cell Outage Com pensation （COC）； Joint adjustment of power and tilt； Genetic A lgorithm （GA）

TN 915.07

： A

：1009-5896（2015）05-1207-07

10.11999/JEIT140935

2014-07-15收到，2014-11-18改回

国家自然科学基金（61271187），国家863计划项目（2014AA01A701）和中央高校基本科研业务资助（BUPT2014 RC1104）资助课题

*通信作者：尹梦君 yinmengjun@bup t.edu.cn