LTE—ADVANCED系统的网络自治愈技术.docx

摘要：文章认为 lte-advanced 网络自治愈功能能够通过对现有网络运行数据的分析，自动、 快速、准确地检测和定位网络故障，并进行修复或者补偿，可确保用户连续、高质量的进行 通信针对自治愈技术中的中断探测和中断补偿技术，文章分别提出相应的解决算法：基于 聚类算法的中断探测方法、基于遗传算法的中断补偿算法，随后文章仿真验证并分析了算法 的正确性和有效性关键词：网络自组织；自治愈；中断探测；中断补偿自治愈是本文讨论的重点，也是son三大组成部分（自配置、自优化、自治愈）中最复 杂的一点3gpp协议ts 32.541中描述了自治愈功能，从2009年5月release 9中3gpp ts 32.541 v0.2.0 到 2012 年 9 月 release 11 中 3gpp ts 32.541 vll.0.0，从 oam （运维管理 中心）的自治愈概念及需求一直到网络自组织中的自治愈概念及需求，对中断的场景、自治 愈流程以及商业层级和协议层级的需求做出了循序渐进的完善［1］1 自治愈技术自治愈功能能够自动、快速、准确地检测和定位影响网络性能的故障，并进行自动恢复， 以确保用户连续、高质量的进行通信。

其目的是当发生小区中断时，通过快速的探测定位中 断小区并通过小区中断补偿措施来缓解网络性能恶化具备自治愈功能的小区能独立或联合 地调整无线参数及相关算法，使无线系统性能损失降到最低，同时还大大降低维护成本和人 员投入［2］可能导致小区中断的网络故障原因有很多，比如硬件和软件故障，网络连接失败，甚至 是错误的配置参数都可能导致小区中断［3］为了实现网络自治愈，要求移动蜂窝网络具有小区中断探测和小区中断补偿两部分的功 能其中小区中断探测是自治愈的基础和前提，小区中断补偿是自治愈的核心和关键一个 自治愈中断管理的场景如图 1 所示中断探测模块收集来自移动台（ue）、基站（enodeb）、运维管理中心（oam）的测量数据， 对它们进行分析处理从而判断是否有小区发生中断；若有，则触发中断补偿功能，调整相邻 基站的无线参数，以补偿中断用户恶化的服务质量图1 中的中间基站发生了中断，通过补 偿算法，其相邻小区提高了覆盖，补偿了中断小区造成的覆盖漏洞补偿后还需要对该区域 进行实时监控并评估补偿后的网络整体性能，以保证达到补偿的目标，且尽量不对补偿小区 中的原有用户产生过大的影响1.1 小区中断探测小区中断探测机制在实施中首先需要收集来自 ue、enodeb、oam 等的测量信息，并提取 能够准确判断小区性能中断的数据信息。

中断探测收集参数过程如图2 所示假设 enodeb1 发生了中断， ue1 是 enodeb1 服务的一个用户， ue2 是 enodeb2 服务的一个用户，它们均可以 接收到来自服务小区和邻小区的信号 oam 通过发现 enodeb1 上报的用户参考信号接收功率 （rsrp）突然下降，或者通过发现enodeb2中的用户信道质量指示（cqi）突然升高，均可以 判断 enodeb1 可能发生了中断图 2 中右侧描述了 ue、enodeb、oam 可以收集到的用以实现 中断探测的参数可探测和提取的数据信息并不是完备的，而无线网络的性能又是时变的， 所以需要高效的小区中断探测方法在有限的探测信息前提下实现准确地小区中断探测1.2 小区中断补偿小区中断补偿的目标是缓解中断小区的服务质量下降，通过自动调整相邻小区的无线参 数来达到运营商制订的补偿要求通常是调整相邻小区天线的下倾角和方位角，或者发射功 率［4］但是调整相邻小区的无线参数意味着对该区域的原有用户产生一定程度上的影响运 营商在制订补偿策略时，首先确定中断小区的补偿小区，以图3 为例，为其内圈相邻小区， 外圈小区虽然不会因为中断补偿机制调整无线参数，但性能会受到一定程度上的影响。

具体 的无线参数调整方案会因为不同的小区需求而发生变化所以运营商在制订策略时，需要考 虑每一个补偿小区的必要需求，中断区域补偿后覆盖和容量间的平衡，以及补偿小区性能下 降和中断小区性能增强之间的平衡 1.3 中断探测和补偿的评价机制评价中断探测机制通常利用如下指标：•探测延时：tdetect -tfail,即中断发生了多久以后，中断才被探测到•成功探测的概率：ndetect / nfail，即实际发生的中断次数中被正确探测到的概率 •错误探测的概率：nfalse/ （nfalse+ndetect）,即探测到中断的次数中错误探测的概 率评价中断补偿机制可以通过网络中的参数变化对比，比如系统容量、覆盖情况以及用户 服务质量等图4所示为小区中断探测时间轴中断前后性能比较如图5所示，为了评价中 断补偿机制，我们通常定义3个阶段，以系统平均吞吐量为例，阶段a表示了没有发生中断 时的系统平均吞吐量，阶段b和阶段c分别表示发生了中断之后不采用中断补偿机制，以及 采用中断补偿机制以后的系统平均吞吐量2 中断探测与补偿算法 为解决中断探测和中断补偿两个问题，我们分别提出了基于聚类算法的中断探测算法和 基于遗传算法的中断补偿算法，并对这两种算法进行了仿真评估。

2.1 基于聚类算法的中断探测方法我们提出在中断探测算法中运用数据挖掘中的聚类算法，对触发a3事件的用户进行分类, 根据分类结果以及各类中的用户分布判断侦听区域内有无中断并在中断发生时定位中断小区 我们提出了一种动态传播仿射（ap）聚类算法，是对传统ap聚类算法的改进［5］其基本思 想是对ap算法引入决定了分类数目的偏向参数p的动态搜索范围，并基于聚类质量评价指标 确定最优分类所对应的最佳p从而确定最优聚类分类数以及结果图6为整个中断探测算法 流程图，包括 4 个步骤：（1） 在网络的一个侦听区域（包含多个小区）中，oam收集触发a3事件的各用户关键 性能指标（kpi）参数以及相应位置坐标2） 将收集的用户kpi数据经过预处理后，作为动态ap聚类算法的输入参数，并采用 该算法对触发 a3 事件的用户进行最优分类3） 当最优分类对应的聚类质量评价指标小于设定门限时，说明触发a3事件用户数据 的聚类可分性较差，即所有触发事件的用户性能没有明显差异，判断该侦听区域内没有发生 小区中断；若聚类质量评价指标大于门限，表示聚类可分性较好，说明侦听区域中触发事件 的用户数据间存在差异，判断该侦听区域存在小区中断，进入步骤（4）。

4） 提取所有触发 a3 事件的用户位置坐标，根据最优分类，将各类中的用户映射到网 络侦听区域的小区拓扑中若某类中有超过一定门限的数据点集中在同一小区中，则判断该 小区为中断小区2.2 基于遗传算法的中断补偿算法 当一个小区发生中断时，需要通过调整相邻小区的无线参数来对中断用户进行服务，从 而达到缓解中断用户服务质量下降的目的假定中断区域的用户可以接入到相邻基站，所要 解决的问题是中断用户要接入到哪个基站，并且如何给中断用户分配资源块（rb）假设不论 是正常用户还是中断用户，每个用户分配到一个rb,初始每个rb上的发射功率相同我们 首先根据遗传算法将补偿小区的空闲rb分配给中断用户［6］由于中断用户离新接入的基站 较远，所以要提高它们rb上的发射功率，以提高中断用户的吞吐量［7］具体中断补偿算法 步骤如图7所示流程图包括3个步骤：（1）确定中断小区的补偿小区，所有未分配给用户的空闲rb作为候选，即将分配给中 断用户2） 利用遗传算法将补偿小区的空闲rb分配给中断用户，目标是最优化小区平均吞吐 量3） 根据步骤（2）的分配结果，在一定程度上为中断用户的rb提高发射功率以每个 补偿小区为单位进行调整。

3 仿真分析中断场景具体仿真参数设置如表1 所示中断探测仿真场景设置如图8所示设置扇区 0（1）天线增益对比正常天线增益下降50dbi,扇区4 （1）天线增益对比正常天线增益下降 100 dbi，用来表示两种不同类型的中断小区利用基于聚类算法的中断探测方法，将一个侦听周期内的触发a3事件用户的kpi信息组 成数据向量，基于动态ap算法对这些用户进行分类图9为不同聚类数目下对应的聚类评价 指标，由于我们选取的聚类评价指标值越大说明聚类质量越高，也就是意味着类内越紧凑， 类间可分度越高，触发a3事件用户分为3类为最优图10为将这些用户分为3类时的示意 图，根据不同的分类提取用户位置坐标映射到网络拓扑中触发a3事件用户分布图如图11 所示某两类的数据分别集中于两个小区内，而另一类数据则均匀分布在其他小区的边缘， 进而定位了中断小区的位置，且区分了两种不同的中断小区结果与图8所设定的仿真场景 相符，说明通过该方法可以在无任何人工干预的情况下，准确地探测出侦听区域中的故障并 定位中断补偿的仿真场景如图12所示为方便分析起见，我们设置中间小区为中断小区，通 过该小区的相邻一圈小区对它进行补偿按照基于遗传算法的中断补偿方法的两个步骤，先 利用遗传算法将补偿小区的空闲资源块（rb）分配给中断用户，之后调整这些rb上的发射功 率。

图13为我们所提的中断补偿方法的第一步，也就是利用遗传算法给中断用户分配rb的 过程中，小区平均吞吐量的变化曲线最开始小区平均吞吐量为5.03 mb/s，随着算法不断 迭代，小区平均吞吐量逐渐稳定并增加到5.36 mb/s这样证明了算法的第一阶段，也就是 给中断用户分配rb的阶段，取得了网络整体性能的一个初步提升图14分别显示了4个阶段的小区平均吞吐量情况阶段1：没有发生中断时，所有小区 正常运行，平均小区吞吐量大约为5.72 mb/s；阶段2：发生小区中断，造成了很大区域的覆 盖漏洞，在这个区域的所有用户均无法通过中断小区建立无线连接，所以此时的平均小区吞 吐量下降到大约4.97 mb/s；阶段3：当调整了周围小区天线下倾角以及一些相关控制参数后， 所有中断区域的用户可以与邻小区建立无线连接，但是由于这些用户导致了更大的小区间干 扰，所以在这个阶段，小区平均吞吐量只有细微的提升；阶段 4：在利用我们的小区中断补 偿算法进行无线参数调整以后的小区平均吞吐量，对比阶段2有了明显的提升我们换一个 角度来评估该算法，利用由用户信干噪比定义的用户满意度各阶段用户满意度比例如图 15 所示当小区中断发生之前，满意的用户占整体的 96%。

算法进行的最初，由于许多中断用 户与补偿小区建立了无线连接，所以满意用户比例对比发生中断时有了大幅提高，达到了83% 当补偿算法进行完毕时，满意的用户到达了 93%，几乎与没发生中断时持平，说明利用该基 于遗传算法的中断补偿算法，可有效缓解中断用户的服务质量，并且对补偿小区的用户造成 了较小的影响 4 结束语本文给出了基于聚类算法的中断探测方法，对触发a3事件用户进行分类，根据各类用户 的分布判断有无中断小区，仿真结果验证算法可以准确地探测定位中断小区并将不同的故障 加以区分；并且根据中断补偿的特点，提出了基于遗传算法的中断补偿算法，利用遗传算法 将补偿小区的空闲rb以最优方式分配给中断用户，进而调整每个rb上的发射功率以达到小 区平均吞吐量最大，经过仿真验证该算法缓解了中断用户的服务质量下降并对补偿小区中的 用户几乎不造成影响自治愈技术的研究仍处于较初级阶段，大部分工作停留在同构网络， 随着 lte-advanced 系统与异构节点并存的复杂网络出现，应用场景和多媒体业务更加丰富， 亟需提出更有效且复杂度较低的自治愈方案和策略参考文献收稿日期：2012-11-02作者简介马昱，北京邮电大学在读硕士研究生；主要研究方向是无线网络自组织技术中的自治愈 技术。

薛文倩，北京邮电大学在读硕士研究生；主要研究方向是无线网络自组织技术中的自治 愈技术彭木根，北京邮电大学教授、博士生导师，ieee高级会员，北京市科技新星，教育部新 世纪优秀人才。