基于MR的網(wǎng)絡(luò)性能評(píng)估及其優(yōu)化方法

1、基于MR的網(wǎng)絡(luò)性能評(píng)估及其優(yōu)化方法,提綱2 MR優(yōu)化應(yīng)用,提綱1 MR基本原理,提綱1 MR基礎(chǔ),提綱2 MR定位,MR基本原理,MR基本原理,MR（Measurement Report）即測(cè)量報(bào)告,什么是MR,測(cè)量報(bào)告是通信過程中網(wǎng)絡(luò)了解UE狀態(tài)的手段，實(shí)現(xiàn)資源調(diào)度管理的依據(jù)，因此MR測(cè)量結(jié)果也就反映了用戶的真實(shí)體驗(yàn),MR優(yōu)勢(shì),MR上報(bào)機(jī)制,測(cè)量標(biāo)識(shí),測(cè)量命令,測(cè)量類別,測(cè)量對(duì)象,測(cè)量量,報(bào)告量,報(bào)告準(zhǔn)則,狀態(tài)有效性,報(bào)告?zhèn)鬏斈Ｊ?MC（測(cè)量控制）內(nèi)容,MR內(nèi)容,如何定位,與其他數(shù)據(jù)如何關(guān)聯(lián),MR測(cè)量類型,MR測(cè)量類型,同頻測(cè)量,異頻測(cè)量,異系統(tǒng)測(cè)量,業(yè)務(wù)量測(cè)量,質(zhì)量測(cè)量,內(nèi)部測(cè)量,位置測(cè)量

2、,提綱1 MR基礎(chǔ),提綱2 MR定位,MR基本原理,MR關(guān)鍵技術(shù)-MR定位,利用傳播模型進(jìn)行三點(diǎn)定位原理,MR關(guān)鍵技術(shù)-MR定位,定位精度測(cè)試,建議：在應(yīng)用中，基于MR定位分析進(jìn)行的評(píng)估、優(yōu)化等工作，應(yīng)以小區(qū)粒度進(jìn)行分析為主，而對(duì)于100*100m柵格化的，由于其置信度較低，分析結(jié)果應(yīng)輔以其他手段進(jìn)行使用,進(jìn)行DT路測(cè)，將所有MR數(shù)據(jù)單獨(dú)解析，并給出每一個(gè)GPS記錄的經(jīng)緯度,根據(jù)IMSI過濾DT用戶的MR數(shù)據(jù)，利用定位算法對(duì)每一個(gè)MR添加經(jīng)緯度,以DT GPS經(jīng)緯度為參照，對(duì)RNC側(cè)的MR數(shù)據(jù)定位結(jié)果進(jìn)行比較，給出結(jié)果,提綱2 MR優(yōu)化應(yīng)用,提綱1 MR基本原理,提綱3 直放站室分監(jiān)控,提綱1

3、 網(wǎng)絡(luò)評(píng)估,提綱2 軟切換參數(shù)優(yōu)化,MR優(yōu)化應(yīng)用,網(wǎng)絡(luò)評(píng)估,周期性VS事件性,周期性VS事件性,周期性VS事件性統(tǒng)計(jì)結(jié)果存在較大誤差,周期性VS事件性,從對(duì)比結(jié)果看：周期性與事件性MR的RSCP差值在3.56.5之間，ECNO的差值在1.53.1之間，且無確定關(guān)系。無法使用事件性MR替代周期性MR。建議：對(duì)重點(diǎn)區(qū)域長(zhǎng)期開啟周期性MR采集，非重點(diǎn)區(qū)域根據(jù)需要開啟,提綱3 直放站室分監(jiān)控,提綱1 網(wǎng)絡(luò)評(píng)估,提綱2 軟切換參數(shù)優(yōu)化,MR優(yōu)化應(yīng)用,利用MR進(jìn)行軟切換優(yōu)化,軟切換優(yōu)化分析,利用MR進(jìn)行軟切換優(yōu)化,軟切換優(yōu)化重要參數(shù),軟切換優(yōu)化難點(diǎn),利用MR進(jìn)行軟切換優(yōu)化,利用MR進(jìn)行軟切換流程,利用MR

4、進(jìn)行軟切換優(yōu)化,利用MR進(jìn)行軟切換流程,利用MR進(jìn)行軟切換優(yōu)化,利用MR進(jìn)行軟切換流程,現(xiàn)網(wǎng)WCDMA同頻測(cè)量的MR數(shù)據(jù)分為周期性MR和事件性MR兩種，由于事件性MR數(shù)據(jù)是在滿足某種條件下的測(cè)量結(jié)果，如果以事件性MR統(tǒng)計(jì)分布區(qū)間的話，則滿足軟切換條件的比例會(huì)虛高。因此，應(yīng)首先對(duì)MR數(shù)據(jù)進(jìn)行過濾，只對(duì)周期性MR數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,利用MR進(jìn)行軟切換優(yōu)化,利用MR進(jìn)行軟切換流程,利用MR進(jìn)行軟切換優(yōu)化,利用MR進(jìn)行軟切換流程,首先結(jié)合現(xiàn)網(wǎng)狀況設(shè)定軟切換比例目標(biāo)值，然后根據(jù)MR分析獲得的現(xiàn)網(wǎng)無線信號(hào)分布結(jié)果，確定Reporting Range (Event 1a)和Reporting Range (E

5、vent 1b)設(shè)定值，從而實(shí)現(xiàn)精確控制軟切換比例的目標(biāo),利用MR進(jìn)行軟切換優(yōu)化,分析案例-城市一無線信號(hào)分布,利用MR進(jìn)行軟切換優(yōu)化,分析案例-城市一無線信號(hào)分布,分析案例-城市一,如果以5dB為1b門限，則最高將會(huì)有36.65%的概率發(fā)生兩路軟切換，同時(shí)會(huì)有10.86%的概率發(fā)生三路軟切換，其等效軟切換比例為47.51,利用MR進(jìn)行軟切換優(yōu)化,分析案例-城市二無線信號(hào)分布,利用MR進(jìn)行軟切換優(yōu)化,分析案例-城市二無線信號(hào)分布,分析案例-城市二,同樣如果以5dB為1b門限，則最高將會(huì)有38.92%的概率發(fā)生兩路軟切換，同時(shí)會(huì)有16.94%的概率發(fā)生三路軟切換，其等效軟切換比例為55.86,利

6、用MR進(jìn)行軟切換優(yōu)化,分析案例-參數(shù)設(shè)置,分析案例-結(jié)論,對(duì)于不同地區(qū)、不同RNC由于網(wǎng)絡(luò)覆蓋環(huán)境、站址分布、用戶及業(yè)務(wù)分布等均存在較大差異，即使在軟切換比例目標(biāo)相同的情況下，軟切換參數(shù)也需要根據(jù)各自的情況進(jìn)行獨(dú)立設(shè)置，而不能采用同一套默認(rèn)參數(shù)，利用MR數(shù)據(jù)的統(tǒng)計(jì)結(jié)果可以快速準(zhǔn)確的給出本地的軟切換參數(shù)配置建議值，并給出預(yù)測(cè)的軟切換比例值,提綱3 直放站室分監(jiān)控,提綱1 網(wǎng)絡(luò)評(píng)估,提綱2 軟切換參數(shù)優(yōu)化,MR優(yōu)化應(yīng)用,直放站室分監(jiān)控,直放站監(jiān)控方法分析,傳統(tǒng)方法,MR方法,利用MR進(jìn)行直放站室分監(jiān)控,室內(nèi)/外MR特征,分離難點(diǎn),盡管室內(nèi)外用戶的MR數(shù)據(jù)特征存在差異，如何進(jìn)行區(qū)分、區(qū)分門限設(shè)定卻存

7、在很大困難，而且對(duì)于不同的環(huán)境，室內(nèi)室外MR數(shù)據(jù)的特征門限亦存在差異，使用門限篩選過濾方法來實(shí)現(xiàn)室內(nèi)室外MR數(shù)據(jù)分離基本是不可實(shí)現(xiàn)的,利用MR進(jìn)行直放站室分監(jiān)控,神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介,神經(jīng)網(wǎng)絡(luò)應(yīng)用優(yōu)勢(shì),具有自學(xué)習(xí)能力 具有聯(lián)想存儲(chǔ)功能識(shí),具有高速尋優(yōu)的能力 能夠同時(shí)處理定量、定性知識(shí),利用MR進(jìn)行直放站室分監(jiān)控,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行室內(nèi)MR數(shù)據(jù)分離流程,利用MR進(jìn)行直放站室分監(jiān)控,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行室內(nèi)MR數(shù)據(jù)分離流程,樣本點(diǎn)要有明確的特征 不能將混淆在一起無法標(biāo)識(shí)室內(nèi)室外的MR數(shù)據(jù)作為訓(xùn)練樣本，所取樣本應(yīng)很明確的知道哪些樣本點(diǎn)是室內(nèi)MR、哪些樣本點(diǎn)是室外MR，因此，在采集樣本時(shí)候應(yīng)在室內(nèi)、室外分別采集。

8、樣本點(diǎn)要有代表性 要選能夠代表本地環(huán)境的樣本區(qū)域進(jìn)行采集。無論室內(nèi)室外采樣都應(yīng)該結(jié)合本地特征，選擇具有代表性的區(qū)域進(jìn)行采集，從而使得訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)系統(tǒng)在區(qū)分本地MR數(shù)據(jù)的時(shí)候準(zhǔn)確度更高,利用MR進(jìn)行直放站室分監(jiān)控,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行室內(nèi)MR數(shù)據(jù)分離流程,針對(duì)符合篩選要求的訓(xùn)練樣本點(diǎn)，對(duì)其分配為兩部分；其一，學(xué)習(xí)數(shù)據(jù)，用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；其二，檢驗(yàn)數(shù)據(jù)，用來檢驗(yàn)神經(jīng)網(wǎng)絡(luò)模型區(qū)分的置信度。根據(jù)用戶對(duì)置信度的要求，需要反復(fù)調(diào)整神經(jīng)網(wǎng)絡(luò)系統(tǒng)的參數(shù)，直至滿足用戶的置信度要求，即可用來對(duì)未知的MR數(shù)據(jù)進(jìn)行分離，其分離的置信區(qū)間可從檢驗(yàn)樣本的檢驗(yàn)結(jié)果獲得,利用MR進(jìn)行直放站室分監(jiān)控,利用神經(jīng)網(wǎng)絡(luò)進(jìn)行室內(nèi)MR數(shù)據(jù)分離流程,固