论文部分内容阅读
随着无线通信技术的迅猛发展，LTE-A网络参数和结构呈现复杂化和多样化的趋势，小功率基站的广泛部署、多种异构网络的共存、异构网络的干扰消除问题都影响着网络的运行。同时，用户对无线网络所提供的服务质量越来越敏感，对网络的性能要求越来越高，网络必须满足用户的各种需求，才能够保障用户优质的用户体验，从而保证用户的忠诚性和减少用户的流失。为了减少人工干预，最大化网络运维效率，降低基础设施费用以及网络运营费用，3GPP LTE标准引入了SON技术，SON具有自配置、自优化和自修复三大功能，主要目的一方面可以实现无线网络的一些自主功能，减少人工参与，降低运营成本，另一方面能提高网络性能，为用户终端提供更好的用户体验。 本文对SON的关键技术进行了深入的研究，提出了一种基于双循环结构的SON自优化方法和装置以及两种异构网络场景下的负载均衡算法，并进行了计算机仿真验证。本文的主要研究内容总结如下: (1)提出一种LTE-A系统中基于双循环结构的SON自优化的方法和装置。从宏观的角度出发，将主要的SON自优化用例进行合理的整合，构建了SON自优化用例在网络中运行的整体框架，通过触发判决，使系统自适应地选择自优化用例对系统进行优化，同时有效减少多个自优化用例同时运行时的冲突。 (2)基于维纳预测理论对小区未来一段时间内的负载信息进行预测，提出一种基于负载预测和用户关联的LTE-A HetNet系统负载均衡算法，通过准确预测每个节点下个时刻的负载状态信息，确保每个节点提前调整切换参数，从而解决异构网络负载均衡问题，提升网络性能。 (3)基于Q-Learning的LTE-A HetNet系统负载均衡算法，将智能学习领域的强化学习方法运用于负载均衡网络优化中，将网络中每个家庭基站看作一个Agent，在每个感知周期内，Agent不断侦听网络状态，应用Q-Learning算法选择一个功率值作为发射功率，更新Q值表，完成一次算法的迭代。通过不断的学习优化，逐步调整形成最佳的控制策略，该算法有效提高系统吞吐量，同时降低系统阻话率和掉话率，解决异构网络负载均衡问题。