自适应遗传算法在LTE网络PCI规划中的应用研究.docxVIP

??

?

??

自适应遗传算法在LTE网络PCI规划中的应用研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：为了高效准确的进行PCI规划寻优，本文通过研究LTE网络PCI规划理论模型，结合对比不同算法对该类问题的适应性，设计了改进型的遗传算法，算法将网络的PCI整体模干扰值作为适应度函数，同时为了避免普通二进制编码在变异时的缺陷，编码方式采用格雷码编码，在算法的种群选择阶段加入模拟退火的思想，规划数据源采用基于小区间的相关性测量数据构造二维干扰矩阵，并在实际的移动通信LTE网络进行了规划实验验证，取得了预期的效果。

关键词：移动通信；LTE；规划；干扰；遗传算法；PCI；适应度；约束条件；干扰矩阵

?

概述

移动通信LTE（LongTermEvolution）网络中，通过PCI（PhysicallayerCellIdentity）来识别不同小区，因此PCI对于LTE小区有着非常重要的作用，如果PCI规划不合理，用户可能驻留在错误的小区，并带来严重的干扰问题，而目前基站密度的加大以及网络规模的激增使得PCI规划需求迫切。LTE网络PCI规划的理论模型，是在满足一定约束条件下，如何将有限的PCI分配给网络中的小区，使得网络的整体干扰最小，现有的一些规划方法，由于规划数据源以及规划算法原因，存在适用的网络规模小、规划结果误差大等问题。基于此背景，本文通过研究LTE网络PCI规划理论模型，结合对比不同算法对该类问题的适应性，最终采用遗传算法作为本项目的全局规划算法，以实现PCI的自动寻优规划。

二、LTEPCI原理与规划方法概述

在LTE网络中，通过PCI来确定小区的移动性功能，如小区重选和切换，以及用于确定含有物理控制格式指示信道（PCFICH）和物理混合自动重传指示信道（PHICH）的资源块的位置，如果PCI规划不合理，用户可能驻留在错误的小区，并且会带来严重的干扰问题，使得数据吞吐率下降，甚至掉线，网络性能恶化。

PCI由PSS和SSS两部分构成，移动台进行小区有哪些信誉好的足球投注网站时，UE在中心频点周围尝试接收主同步信号PSS，随后UE进行辅助同步信号SSS捕捉。捕获到PSS和SSS信号后，就可以确定当前小区的PCI=PSS+3×SSS。PCI共有504个可用组合，然而并不是504个都可以随意分配，它必须避免同一个小区覆盖范围内PCI以及模3/6/30不相等避免干扰冲突。

图1:PCI模干扰示意图

因此，有重叠覆盖区域的不同小区，需要尽量避免PCI相同以及模3/模6/模30相同，而对于定义了邻区关系的小区对，由于它们互为切换的备选小区，因此对于同PCI干扰规避要求更为严格：

LTEPCI规划的理论模型是一个典型的NPC（non-deterministicpolynomialcomplete）问题，是在满足一定的约束条件下，如何将504个PCI分配给网络中的小区（小区数目远大于504），使得网络中的总干扰值最小，其组合结果是可以穷尽的，但运算时间无法接受：

（2.1）

其中i表示第i个小区，j为该小区分配的PCI值，I为网络的总干扰值。

三、自适应遗传算法设计

遗传算法作为一种全局优化有哪些信誉好的足球投注网站算法，以其收敛性好、强鲁棒性、并行处理能力强以及高效等优点，被广泛地应用于数值优化、组合优化、机器学习、智能控制、生命科学、图像处理、模式识别等领域，结合PCI分配的特点，本文采用遗传算法来解决PCI的组合分配问题。

图2：遗传算法工作流程图

?

确定约束条件

理论模型中只需要考虑小区间PCI的干扰大小，而在实际的工程应用中，还需要考虑保障移动台的接入以及切换等性能，因此对于约束条件有更加严格的要求：

?

同站干扰约束：同一基站的不同小区间，其PCI不能相同，同时经过PCI模3/模6/模30运算的结果也不能相同。

冲突约束：两个互为邻区的小区不能使用相同的PCI。

混淆约束：拥有同一邻区的小区间，PCI不能相同。

任意小区之间，模干扰尽可能小。

不同频点的小区之间，PCI不需要考虑干扰。

?

建立小区干扰矩阵

采用小区间的相关性测量数据构造二维干扰矩阵，由于LTE的测量报告数据全面，本文通过MR数据中服务小区测量相邻小区的参考信号接收功率（MR.LteNcRSRP），来构造出反映小区小区相互联系的干扰矩阵，结构如下：

表3.1小区干扰矩阵结构

小区干扰

矩阵

Cell_1

Cell_2

Cell_3

Cell_4

--

Cell_n

Cell_1

N/A

P(1,2)

P(1,3)

P(1,4)

--

P(1,n)

Cell_2

P(2,1)

N/A

P(2,3)

P(2,4)

--

P(2,n)

Cell_3

P(3,1)

P(3,2)

N/A

P(3,4)

--

P(3,n)

Cell_4

P(