基于数据库的WCDMA网络优化的研究

1 引 言

随着3G通信技术的发展，网络规划和优化工作越来越重要。对于WCDMA网络运营商而言，如何经济有效地建设一个WCDMA网络，保证网络建设的高性价比是运营商所关心的问题。概括地讲，就是在支持多种业务，并满足一定QoS条件下，获得良好的网络容量，满足一定的无线覆盖要求，同时通过调整容量、覆盖、质量之间的均衡关系提供最佳的服务，因而调整和优化网络结构，改善移动系统的服务质量是新一代移动网络优化的重要任务。

传统的网络规划和优化的过程一般是通过覆盖和容量规划，链路预算，系统仿真和优化等几个步骤来完成。其中优化过程一般通过分析导频覆盖、Ec/Io值、反向功率和切换状况等输出结果评估设计方案，如果预算所得到的覆盖质量未能满足要求，须进行站点优化。常用的优化措施包括调整基站位置、数量、发射功率、导频功率、天线方位角和倾角等，然后重新进行运算。这是一个循环往复的过程，直至满足各项指标的需求，即每一次优化都是基于上一次的数据进行模型计算所得，由于在网络优化过程中，反复调整参数次数多，很多运营商在实际运营时，由于条件的限制，并没有经过多次调整，这样导致误差较大，而且利用这种方式获得的效果是以消耗时间为代价的。此外，对于在中国运营WCDMA网络，必须综合考虑我国的具体实情，一方面我国幅员辽阔，地理环境复杂，另一方面，由于中国在移动、电信等运营商，传统业务已经非常繁杂，对于3G所能够提供的大量业务来说，也需要针对中国特殊的消费人群来进行定制，从而对WCDMA网络通信环境要求也更高。

基于这些情况，本文提出以基于数据库技术的方法，对多次路测所获得的数据利用最小二乘法进行曲线拟和，完成3G网络优化，其优势在于利用多次路测数据进行优化，要比单次路测数据优化效果更准确，而且调整后的参数更有效。

2 最小二乘法进行曲线拟合

一般来讲，由于各种因素所产生的干扰，测试所得到的数据都会不可避免地带有测试误差，如果个别点上的误差较大，还会引起测试曲线的严重波动。所以，在3G路测设备进行测试时所得到的测试曲线不可能很好地反映真实特征，很难从中找出其规律性进行3G网络优化。为此，需要对所得的测试曲线进行曲线拟合。

曲线拟合就是要将一组离散的数据以一个近似的曲线方程式来代表。这样，有了方程式所代表的特性曲线，就可以很方便地去运用他。曲线拟合的方法有许多，一般可以选择简单的一阶线性方程或高阶多项式方程。利用一阶线性方程进行的曲线拟合称为线性同归，利用高阶多项式方程进行的曲线拟合称为多项式回归。根据3G路测所得的曲线可以知道，用一阶线性方程拟合的精度太低，并不能很好地达到近似效果，因此，本文采取高阶多项式方程来对数据进行拟合。

由于影响3G网络性能的参数很多，包括。RSCP，EC/NO，SIR，Slot off，Chip off，RF1，RF2，Multipath等，而各个参数的曲线特性又差别很大，所以实际情况是根据获得的数据，由程序自动调整曲线参数，将整个测试时间分割为若干个时间段，以一段时间形成一段曲线，最终的测试为多段曲线合成的一整条曲线。

3 利用数据库技术进行WCDMA网络优化

影响WCDMA网络性能的因素很多，当某个参数发生变化时，对于影响网络的某些因素造成一定的影响，如当用户数增加时，将会导致小区的服务范围缩小等。一般的网络优化方法是通过一定的测试设备直接获得测试数据，并同时计算出网络在某个方面存在的问题，如覆盖问题，导频污染问题，系统干扰问题，软切换问题等。这种路测设备一般都是由无线接收设备、协议栈、显示设备及对应的处理软件组成，但接收数据的来源并不一样，有些是接收基站发送的数据，而有些是接收模拟手机发送的数据。

本文研究的基于数据库的WCDMA网络优化是通过路测设备接收基站发送的数据，但与其他路测设备不同的是，该设备将收到数据直接发送给数据库服务器，然后由服务器对同一位置附近的多次测试数据进行分析，最终形成WCDMA网络问题分析报告，详细情况如图1所示，主要包括以下几个步骤：

(1)接收基站发过来的不同频点、不同扰码下的数据，并提取RSCP，EC/NO，SIR，Slot off，Chip off，RF1，RF2，Multipath等属性变量值，写入数据库中;

(2)同时利用GPS接收设备接收GPS定位数据，上传到数据库;

(3)采用最小二乘法进行数据曲线拟合，将数据库中存储的步骤1接收的数据进行拟合，并且不断修正参数，使曲线更加接近真实曲线。

(4)结合GPS定位数据，利用步骤3中拟合的数据进行ACTIVESET分析，并根据分析出的ACTIVESET、MONITORSET进行WCDMA网络问题分析(包括系统干扰;上、下行覆盖;导频污染;软切换等)，然后结合BCH测量进行邻区表丢失和邻区表溢出分析，计算出各个存在问题的GPS空间点，最后再结合模型进行对应的参数调整。

(5)重复步骤(1)～(4)，并且每次将同一小区的所有历史数据进行模型参数校正。

将历史数据保存在数据库中，首先将同一路径上的测量多次数据进行相同曲线拟合，然后将同一小区的多次测量数据统一起来考虑优化参数，最终形成优化解决方案。这种方案比通过单次优化方案更加合理有效。例如：某个十字路口，从一个方向路测获得的数据可能与另外一个方向路测获得的数据不一样，那么基于单次测试同时分析出优化建议的结构本身就存在很大的差异，因此对于利用历史数据进行多次拟合将更能体现实际环境。

下面以邻区丢失问题的分析过程为例，简述基于数据库的网络优化过程。

邻区丢失定义为当移动台在移动网络中移动时，网络端要持续地提供给手机相关的邻区列表。他将告诉手机哪个SC应该被测量，并且切向那个SC。如果邻区列表不正确，那就可能由于邻区丢失或者切换延时而造成掉话，同时也可能由于对不必要的邻区进行检测而造成掉话(如图2)。

首先，将路测设备测得的大量数据写入对应数据库表中，并对这些数据采用最小二乘法进行曲线拟合，在拟合后的曲线上，以1 s或者1/2 s或者1/4 s为时间单位，以GPS接收时间上某个点作为时间轴上的零点，进行点集采样，这样在曲线上取得的点集合正好与GPS点集合对应(或者是GPS点集合的2倍，3倍，4倍)，通过这种方式，就将物理位置上某点的测量数据与实际的位置在图上展示出来。其次将这些点集合称为采样数据，并对这些采样数据进行ACTIVESET，MONITERSET分析，形成对应点集合的ACTIVESET集合和MONITERSET集合。然后将这些数据运用邻区丢失的定义(如果掉话后在ACTIVESET中的基站不等于掉话前在ACTIVESET中并且在邻区表中的基站，则该点存在邻区丢失)进行判断，检测出哪些点存在邻区丢失问题，最后将一个小区内所有有问题的点带入优化模型中，计算出需要优化的参数(例如天线的方向角度，高度，发射功率等)。

4 结语

目前常用的WCDMA网络优化的方法一般都是通过单次路测测量，获得3G网络的变量参数，同时进行网络优化分析，但利用这种方式进行优化，在某些情况下网络问题会产生较大的误差，本文详细分析了基于数据技术，利用最小乘法进行数据拟合的方式进行WCDMA网络优化，实验数据表明，采用这样的基于多次、大量路测数据的数据库存处理方式，在网络优化过程及性能方面有了一定的改进，减少了偶然性误差，实现一次调整参数，从而减少修正步骤，调整优化效果更加明显。