【摘要】：LTE作為第三代移動通信系統(tǒng)的長期演進技術,能提供更高的帶寬,更低的時延和更大的容量,隨著LTE網(wǎng)絡的廣泛部署,網(wǎng)絡參數(shù)呈現(xiàn)海量化和復雜化趨勢,傳統(tǒng)優(yōu)化方法不能滿足需求。為降低維護成本,提高運維效率,緩解網(wǎng)絡優(yōu)化工作量,3GPP啟動了對LTE網(wǎng)絡自組織功能SON技術的研究,SON具有自配置、自優(yōu)化、自治愈等自主智能功能,自優(yōu)化包括很多功能用例,如容量與覆蓋優(yōu)化、鄰區(qū)列表優(yōu)化、節(jié)能優(yōu)化、負載均衡、隨機接入選擇等,其中,切換自優(yōu)化技術是SON自優(yōu)化功能的關鍵技術之一。此外,自治愈作為SON的另一項重要功能,也引起了業(yè)界的關注。 本文在對LTE網(wǎng)絡的特性及其網(wǎng)絡優(yōu)化分析的基礎上,以通信網(wǎng)絡智能性、自適應性為出發(fā)點,運用模式識別、數(shù)據(jù)挖掘和強化學習等理論和方法,對LTE網(wǎng)絡切換自優(yōu)化及自治愈兩個方面展開了研究,提出了一些新的模型和算法,并進行了仿真驗證。主要創(chuàng)新工作如下： 1.提出一種基于支持向量機的異常切換檢測方法。將異常切換的檢測看作一種模式識別的分類過程,通過在切換過程中設置時間變量將各類異常切換特征進行量化。把時間變量和基站位置等信息作為訓練SVM模型的輸入樣本數(shù)據(jù),使用訓練好的模型來分類識別不同的異常切換,并分析了算法中參數(shù)的變化對算法識別性能的影響。仿真驗證了所提出的方法可以有效識別過早、過晚、切換到錯誤小區(qū)三類異常切換。 2.提出一種基于增強Q學習的切換自優(yōu)化方法。將增強Q學習算法引入到切換優(yōu)化過程中,確定了切換優(yōu)化的參數(shù),建立了基于掉話率和乒乓切換的Q學習獎懲函數(shù),構造了Q學習的切換優(yōu)化體系,使得整個參數(shù)優(yōu)化過程具有自學習自適應的能力。仿真結果表明,該方法可以有效優(yōu)化切換參數(shù),有效地提升了網(wǎng)絡性能。 3.提出一種基于差分進化的BP神經網(wǎng)絡小區(qū)中斷檢測方法。選擇出小區(qū)中斷相關的特征參數(shù)作為檢測算法的輸入,用差分進化算法對神經網(wǎng)絡進行訓練,確定BP神經網(wǎng)絡的閾值和權值,并將訓練好的模型進行中斷小區(qū)的檢測。所提出的方法結合了差分進化和神經網(wǎng)絡的優(yōu)點,克服了神經網(wǎng)絡易陷入局部最小、收斂慢的缺點。仿真結果表明,該方法的檢測準確率可以達到90%以上,比傳統(tǒng)的BP神經網(wǎng)絡的檢測準確率更高。 4.提出一種基于模糊Q學習的聯(lián)合調整天線下傾角和功率的小區(qū)中斷補償方法。首先提出一種參與補償?shù)男^(qū)選擇機制,選擇符合一定策略的小區(qū)進行補償而非全部的小區(qū)進行補償,主要考慮補償小區(qū)對中斷小區(qū)的信號強度影響以及小區(qū)本身的負載情況。將模糊理論和Q學習結合起來對鄰區(qū)的天線傾角和發(fā)射功率聯(lián)合調整,實現(xiàn)對小區(qū)中斷的補償,回報函數(shù)的設計考慮了全體的頻譜效率和覆蓋空洞的補償問題。仿真結果表明,該方法可以提高中斷小區(qū)的頻譜效率,實現(xiàn)對中斷小區(qū)的覆蓋補償。 最后,對全文進行總結,指出了本研究中存在的一些問題和不足,并給出了進一步研究的方向。
[Abstract]:......
【學位授予單位】：北京郵電大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TN929.5

【參考文獻】

相關期刊論文 前7條

1 王剛,高陽,夏潔;基于差異進化算法的人工神經網(wǎng)絡快速訓練研究[J];管理學報;2005年04期

2 李富強;邱雪松;李文t，

本文編號：2402091