计算机网络论文发表之寻找网络质量的峰值

所属栏目：计算机网络论文
发布时间：2013-08-27 10:32:36  更新时间：2013-08-27 10:36:36

计算机网络论文发表期刊推荐《数字化用户》创刊于1992年，经国家新闻出版总署批准，四川科学技术学会主管、四川电脑推广协会,电脑商情报社主办。国内刊号CN51-1567/TN国际刊号ISSN1009-0843邮发代号62-99。
【摘要】无线网络的质量和许多因素有关，由此带来了网络优化工作的复杂性。文章提出了注重平衡性是提升网络质量评价的关键，专注于讨论使用变色龙算法合理精确配置功率，控制网内干扰分布，达到网络质量峰值的方法。

【关键词】C/I变色龙算法,自适应,收敛反馈

1C/I概述

1.1最根本的网络质量指标

评价无线网络质量的最基本准则是C/I（载干比）。C/I的改善可以降低误码率、丢帧率，提高语音质量、MOS感知等，是无线网络优化的底层指标；而其他诸如掉话率、切换成功率、无线接入性等KPI指标都是在C/I这个性能上的高层反应。由此可见，网络优化的重点即是优化C/I，偏离这一目标，盲目追求高层KPI都是不切实际的。

1.2提高网络质量评价的关键

随着网络发展日益复杂，各种干扰也越来越多，在功率配置问题上绝大多数网优人员解决干扰的手段是提高功率来抗干扰，高电平高干扰，这样会导致高电平质差比率升高，整网质量不高，且由于存在网络质量的不平衡分布，易使终端用户产生感知上的差异化，引发投诉上升及满意度下降。在与竞争对手的比拼中处于优势，和在网内尽量保持各处同性是同样重要的。网络优化是一门平衡的艺术，平衡性是提高网络质量评价的关键。

举例：路测优化。由于路测考核指标越来越成为各运营商关注的重点，因此在优化上也就自然而然地会倾注更多的资源，对道路覆盖小区频率使用进行倾斜、大功率保证C/I，提升各类道路测试指标。乍一看这样的做法效果不错，可细想一下问题就来了，路测道路占整体覆盖面积不足10%，用户不及20%，而这些区域C的强化势必导致90%区域和80%用户的干扰上升，将显著降低原本就覆盖受限区域的C/I，影响客户感知，从实际投诉比率上也可以看到，室内投诉比率占绝大多数。因此，一视同仁（道路和室内）的总体网络优化策略能更好地改善用户感知，提高满意度，这是平衡的观点。

1.3C/I和功率的关系

改善C/I的方法有两个：提高C或降低I。提高用户感知还可以运用一些新功能，改善相同C/I情况下的MOS表现，如AMR、跳频等。

（1）提高C的主要方法是提升功率、调整覆盖、优化邻区配置；

（2）降低I的主要方法是降低功率、调整覆盖、优化频率配置、控制外部干扰等。

功率调整最为纠结，增加功率即增加了C和I，增加单小区抗干扰能力的同时增加了全局干扰；减少功率降低I的同时也降低了C。

I由白噪声、外部干扰（各类干扰设备）和内部干扰（频率干扰和交调干扰）构成，可见在调整功率时主要影响的是内部干扰。下面模拟了一条C/IVSLev的曲线做个简单示意图，如图1所示：

其中，横轴为全网的平均接收电平；纵轴为全网的平均C/I。图1主要分为3个区、1个点，具体描述如下：

A区：此处属于低功率区域，干扰主要由底噪、外部干扰强度决定，因此随着电平功率的提升，C/I上升很快。

B区：随着电平的升高，干扰的主要组成部分转为网内干扰，电平功率的上升引起的C增加和I增加接近，C/I趋于稳定。

C区：网络中的部分深度覆盖或广覆盖区域的电平强度已经无法进一步提升，全网电平的提升是部分小区的提升贡献的，对一个小区覆盖而言，其主控面积远小于干扰面积，因此在不能全网提升功率的情况下，C的增加速度会慢于I的增加速度，导致C/I的下降。而随着平均电平的增加，功率受限区域也不断增加，I的增加亦越来越快，C/I呈现加速下滑。目前大部分网络运行在C区（以暴制暴的结果）。

P点：一定网络状态下的功率和C/I的最佳平衡点。在此点左边，由于功率不足，载干比不高；在此点以右，干扰增加速度上升，载干比下降。[论文网]

对于不同的网络就有不同的C/IVSLev的响应曲线；同一个网络在话务、外部干扰分布不同的情况下，响应曲线也是不同的；覆盖调整、频率优化等是网络优化的重要手段，也是改善曲线特性的主要方法。良好的曲线特性应该具有较高的P点，且C区下降趋势较缓。在网络特性（响应曲线）确定后，优化的一个重要工作内容就是通过合理配置网络功率水平，使网络质量运行到最佳位置（P点）。

2寻找网络最佳运行点P——变色龙算法

2.1图形转换

从上文可知，大部分网络运行在C区，不是网络的最佳运行区域，将网络置于P点运行才能获得最佳质量。那么如何确定P点呢？首先网络功率水平的调整主要依靠最大功率水平设置（会影响覆盖、话务分布等，在下面介绍中不采用）和功控参数设置（功控范围、功控区间）实现。实现网络P点运行有以下难度：

（1）从现有的GSM网络统计中，缺乏对C/I的统计，无法很好地评价调整效果；

（2）功率水平的统计是平均值，在设置上是区间值，也较难实现参数设置和网络响应的吻合，横坐标位置较难确定。

需要想一个变通的方法将这两个指标转化为易获取、易度量且相关性极强的指标。在GSM网络中，受C/I影响最大最直接的指标是quality，quality的统计也非常容易获取，这就是变色龙算法第一步。将上面的C/IVSLev的图转换为目标qualityVS实际quality的图，如图2所示：

其中，横轴为目标质量（自左向右，由好到坏）；竖轴为实际质量（自下而上，由好到坏）。

A区：当目标质量要求较低时，电平配置较低，C/I比较差，仍有功率及质量提升空间。

C区：当目标质量要求较高时，电平配置升高，产生的干扰增大，导致C/I变差，实际质量差于目标值。

P线：不同网络特性的最佳点P，在此处能达到实际质量最佳。在图2中表现为目标质量和实现质量一致，即斜率为1，汇聚成P线。

通过这样的图形转换，就把问题简化到了以质量为目标的优化过程，而质量统计非常方便，便于实现调整和评估的工作。

2.2逼近P点

完成图形转化后，仍需要找到P点的位置，通过实践和研究总结出了一套算法，由于其能敏锐捕捉周围环境变化，自适应调整无线参数，将网络置于最佳点P运行，降低干扰，提高网络质量，因此取名“变色龙”。

变色龙算法的第二步是寻找P点，这里采用无限逼近的方法，说明如下：

假设网络最初目标质量设置是q1，网络反馈的实际质量是q2；接着以q2为目标质量，网络会反馈出q3；再以q3得出q4……由于P线的斜率为1，因此网络的反馈会逐步收敛，这样网络运行点就无限逼近P线，达到网络最佳质量。在此过程中排除了人为的对参数设定的猜测，而全由网络反馈决定参数设置，形成了自适应过程，也就是说网络需要多少能量，就会去要求获取，通过这一过程大大提高了无线参数设置的准确性，如图3所示：

2.3变色龙算法下的参数设置

GSM厂家功控算法的理想目标是在质量允许的条件下功率尽可能低，这就需要去寻找这个质量和电平的稳定区域。大多数优化人员会根据经验定一套区间参数放到现网上运行，细致点的可能会考虑分场景设置功控参数。然而，什么样的设置才能真正满足适合场景、规划、话务、外部干扰等多种变量引起的功率需求变动呢？

变色龙算法的第三步是将靶心图中的质量区间和电平区间尽量重叠，使功率趋于稳定，并且尽可能地降低发射功率，减少整网的干扰。这样做能使电平和质量做合理转换，因为在GSM网内质量的参数设定为0～7，电平设定为-110dBm～-47dBm，显然电平设置更为精细，质量区间和电平区间靠近的好处是不会由于两者的偏离导致功控方向的不确定。

通过采集话务统计数据收集测量报告，进行电平质量二维整理，完成环境数据的收集。某小区的情况如表1所示：

其中，填色部分的数字表示对应电平等级以下、下一级电平等级以上的对应上行质量等级的采样点比例，所有填色格子相加为100。通过质量和电平的综合分析，能很方便地确定稳定区域，实现质量和电平的等效转换。

由表1可见，电平强的时候，质差占比较低；而电平弱的时候较高。功控的目的是保证质量的情况下尽可能降低发射功率，也就是说合理设置功控电平区间，不宜设得过低引起质差，不宜设得过高产生干扰。反馈的结果能进一步修正设置的精确度。

通过测量报告能清晰地了解干扰分布状况，进行精确功率分配，可以说有多少小区就有多少场景，实现因地制宜。更精细的做法是可以根据不同时段进行功控参数的设定，以适应不同时段的话务和干扰分布，做到与时俱进。

需要注意的是，在参数设置时以网络级或区域级的平均值为每个小区进行设置，这样就能很好地完成各向同性的均衡工作。此外，在干扰分布中上行和下行的相关性不大，需分别计算。

变色龙算法最终达到的效果将是降低干扰，极少功率浪费。网络运行至P点位置，总体指标提升。

2.4变色龙算法在3G网络的应用

变色龙算法对于CDMA或3G网络实施起来更为简单，只需对BLER进行收敛，即可取得P点运行效果。可以根据不同业务的BLER（BlockErrorRatio，块误码率）现网统计值作为目标设置，经过网络的自适应反馈后，经3～4次收敛即可达到最佳运行状态。

3变色龙算法效果

自2011年8月起，变色龙算法陆续在多个城市多厂家设备的GSM网络进行使用，取得了良好的效果。具体举例如表2所示：

从总体效果来看，抑制了网内干扰，TCH/SDCCH分配成功率、0-5级质量、掉话率、切换成功率等都有显著改善，对突发的外部干扰有很强的适应性和自愈能力，能迅速调整参数配置策略，稳定网络指标，是名符其实的变色龙。

4总结

综上所述，变色龙算法是基于网络干扰环境分析及反馈进行参数配置自适应优化的一种算法，目前适用于2G和3G网络。从应用实践看，变色龙算法是支持多厂家、适应多环境的成熟通用算法，对降低网络底噪、提升网络质量提供了极大的助力，加之其可操作性极强，值得广泛推广使用。