董帝烺，杜丕加（中國聯(lián)通福建分公司，福建泉州 362000）

1 概述

隨著通信行業(yè)的發(fā)展，網絡規(guī)模不斷擴大，無線網絡射頻優(yōu)化是網優(yōu)工作中資源投入最大的項目，同時隨著站址密度加大，射頻優(yōu)化方案復雜度上升，傳統(tǒng)手工方式存在效率低、優(yōu)化效果難以保證的弊端。移動通信基站天線的優(yōu)化包括天饋線及天線覆蓋等的優(yōu)化，是移動通信網絡優(yōu)化的重要課題。

在日常移動網絡天饋優(yōu)化工作中，常常是先通過拉網路測來查找問題，然后憑借人工經驗調整天饋，最后再通過針對性路測驗證問題是否解決。但是以人工為主導的網絡優(yōu)化過程都是建立在工程師的經驗基礎之上，人工分析不全面、效率低，無法在龐大的參數(shù)空間中進行足夠多的調試比較，得到的結果即使有所改善，也會與最優(yōu)結果存在較大差距。假設一個簡單的LTE 網絡由2 個相鄰的小區(qū)組成，為了調整相互之間的覆蓋范圍，可以調整下傾角和功率，其結果很容易通過測試獲得。但如果網絡由多個小區(qū)組成，為了調整網絡的覆蓋情況，就需要考慮所有小區(qū)之間的相互影響，這時的調整工作量將大幅增加，在這樣一個復雜的情況下，通常只有通過簡化一些條件以獲得可接受的結果，幾乎不可能做出最佳選擇。所以，這種優(yōu)化方式面對區(qū)域網絡調整，效率相對低下，并且路測主要解決路面問題，無法很好地考慮到住宅小區(qū)的覆蓋情況。

2 基于螢火蟲智能算法尋優(yōu)方案

對于由多個基站共同覆蓋的某片區(qū)域，由無線傳播模型可得到每個扇區(qū)在該區(qū)域每幢建筑物的電平，部分建筑會存在弱覆蓋和重疊覆蓋問題，優(yōu)化之后希望弱覆蓋和重疊覆蓋的建筑物達到最少，通過調整天線方位角、下傾角來改變目標區(qū)域建筑物的電平分布，再計算弱覆蓋和重疊覆蓋指標，當方位角和下傾角調整至某一值時，目標指標達到最優(yōu)時，可以認為達到了優(yōu)化的理想效果（見圖1）。

圖1 天饋尋優(yōu)示意圖

COST231Hata模型（1 800 MHz適用）：

Hata-Okumura模型（900 MHz適用）：

式中：

f——頻段（MHz）

hb——基站天線高度（m）

hm——手機UE高度（m），一般為1.5 m

hm——基站到UE的距離（km）

kc——地貌修正因子密集城區(qū)假定為0

a（hm）——天線高度修正因子，?。?.1×lgf-0.7）×hm-（1.56×lgf-0.8）

根據(jù)路徑損耗公式，可以計算出UE接收電平：

2.1 覆蓋模型的修正

實際影響測試點接收到的小區(qū)信號強度除了與周邊環(huán)境有關，還與下述參數(shù)有關：天線類型（定向/全向）、天線水平半功率角、天線垂直半功率角、天線增益（dB）、天線掛高（m）、天線下傾角、天線方位角、饋線損耗（dB）、接收位置與小區(qū)距離（km）。

因此本文創(chuàng)新性地改進了覆蓋模型公式，將天線的屬性參數(shù)參與計算作為權重因子代入公式。

如圖2所示，圖2中分別有藍色、紅色、粉紅色3個點，其中藍色和粉紅色分別對應的是天線的下波瓣-3 dB 的位置（Dmin（m））和上波瓣-3 dB 的位置（Dmax（m））。其中Dmin（m）到天線位置的距離為：

圖2 創(chuàng)新覆蓋模型

當接收位置與小區(qū)距離小于Dmin（m）時，接收位置與小區(qū)距離取Dmin（m）與天線的距離。

權重系數(shù)（apha）：

a）主瓣覆蓋（Inter_angle ≤HHPA/2）：apha=2-COS（0.5×Inter_angle×π/180）。

b）旁瓣覆蓋（3× HHPA/2≥Inter_angle ＞HHPA/2）：apha=（2-COS（0.5× HHPA/2×π/180））×（2-COS（0.5×（Inter_angle-HHPA/2）×π/180）。

c）背瓣覆蓋（Inter_angle ＞3× HHPA/2）：apha=（2-COS（0.5× HHPA/2×π/180））×（2-COS（0.5×（HHPA）×π/180））×（2-COS（0.5×（Inter_angle -3× HHPA/2）×π/180）。

其中，HHPA 為天線水平半功率角，Inter_angle 為接收位置與小區(qū)天線方位角的夾角絕對值。

最后代入路損公式得到最終的電平公式：RSRP=RSPow-apha×Loss

生成天線仿真覆蓋圖與實際天線特性相符，準確度大大提升（見圖3）。

圖3 天線仿真覆蓋圖

2.2 基于螢火蟲算法原理

螢火蟲算法（FA——Firely Algorithm）是群智算法中的一種，它是劍橋大學Xin-She Yang 教授在2009 年提出的一種啟發(fā)式算法。螢火蟲算法利用搜索空間中所有可行解來模擬夜空中的單個螢火蟲，將最優(yōu)解的搜索優(yōu)化過程模擬為螢火蟲的彼此吸引和位置更新過程。利用目標函數(shù)的適應度值來確定個體螢火蟲的位置，并將消除個體適應度的過程與搜索優(yōu)化的過程進行比較。該解代替了最差可行解的迭代過程。

螢火蟲搜索算法原理如圖4所示，2個螢火蟲個體分別為a 和b；它們的搜索半徑分別為ra和rb。b 在a 的搜索范圍內，如果b 的亮度比a 弱，則b 將向a 移動，反之a 向b 移動。若b 不在a 的搜索范圍內，即使a 更亮，b 不向a 移動。算法中每個天線參數(shù)組合就是一只熒火蟲，螢火蟲亮度用區(qū)域弱覆蓋及過覆蓋柵格/建筑物占比最低的目標函數(shù)來替代，熒火蟲位置由天線掛高、天線方位角和天線下傾角三維組成。

圖4 螢火蟲搜索算法原理

2.2.1 熒光亮度

熒光亮度計算公式如下：

式中：

I0——螢火蟲的最大螢光亮度，即其自身的螢光亮度（r=0 處），與目標函數(shù)值相關，目標函數(shù)值越優(yōu)則自身亮度越高

γ——光強吸收系數(shù)，因為螢火蟲的熒光亮度會隨著距離的增加和傳輸介質的吸收而逐漸減弱，所以吸收系數(shù)被設定為反映這一特性的常數(shù)，可設為常數(shù)，在多數(shù)問題中γ∈［0.01，100］

r——螢火蟲i與j間的歐氏距離

目標函數(shù)定義：即區(qū)域弱覆蓋及過覆蓋柵格/建筑物占比最低，良好覆蓋柵格：RSRP＞-110 dB 占比90%以上的柵格；重疊覆蓋柵格：某柵格RSRP＞-105 dB 的小區(qū)信號中存在3 個以上RSRP 相差6 dB 以內的小區(qū)。目標函數(shù)值＝非良好覆蓋及非重疊覆蓋的柵格數(shù)/區(qū)域總柵格數(shù)×100%。上述目標函數(shù)及目標門值可根據(jù)當?shù)鼐W格情況及優(yōu)化目標進行調整。

2.2.2 螢火蟲吸引度

螢火蟲吸引度計算公式如下

式中：

β0——最大吸引度，即光源的吸引度（r=0處）

γ——光強吸收系數(shù)，參數(shù)通常取值為2

2.2.3 位置更新（最優(yōu)目標迭代）

位置更新迭代公式如下：

式中：

xj（t+1）——螢火蟲xj在第t+1次移動后的位置

α——步長因子，是［0，1］內的常數(shù)

ε——［0，1］內服從高斯分布的隨機因子

螢火蟲位置更新后重新計算亮度，在迭代次數(shù)內不斷重復以上位置更新步驟，直到滿足迭代次數(shù)，所有個體都將聚集在亮度最高的螢火蟲位置上，從而實現(xiàn)最優(yōu)，即得到最優(yōu)解。具體流程如圖5所示。

圖5 螢火蟲實現(xiàn)流程

2.2.4 螢火蟲算法的應用

如圖6和圖7所示，螢火蟲算法的應用步驟如下。

a）利用無線傳播模型，每個小區(qū)都能在每個建筑物生成1個RSRP電平值，這樣即可生成一個矩陣電平值。

b）待調整小區(qū)與優(yōu)化區(qū)域其他小區(qū)的矩陣分開，待調整小區(qū)代入螢火蟲算法，得出電平變量矩陣。

c）將待調整小區(qū)的矩陣變量電平與尋優(yōu)區(qū)域的矩陣電平合并計算目標函數(shù)（覆蓋良好率）（見圖8）。

d）運行優(yōu)化模塊，輸入結果（見圖9）。

e）調整前后對比，良好覆蓋率有所提升，輸出結果與螢火蟲算法的參數(shù)設置相關，后期還需對迭代次數(shù)，亮度、吸引度等初始值驗證測試（見圖10）。

f）建筑物3D 建模效果，直觀顯示無線環(huán)境（見圖11）。

圖6 參數(shù)初始化

圖7 建立索引池，確定參數(shù)組合

圖8 尋優(yōu)區(qū)域矩陣

圖9 尋優(yōu)結果

圖10 優(yōu)化前后效果對比

圖11 無線環(huán)境建筑物3D建模效果

3 結束語

無線環(huán)境因地制宜，不同地方不同場景有所區(qū)別，覆蓋模型的地形校正因子和螢火蟲算法的初始值還需通過多次測試驗證以提高覆蓋仿真準確率。以建筑物為柵格進行覆蓋仿真，但因建筑物輪廓有大有小，當建筑物面積較大時，仿真精度難免降低。

螢火蟲算法的關鍵是目標函數(shù)，也就是覆蓋仿真模型結果，其精度決定算法的尋優(yōu)效果，下一階段將根據(jù)本地不同場景研究覆蓋模型中地形因子、天饋損耗等因素對電平的影響，將建筑輪廓以10×10 柵格大小劃分，進行深入研究完善，以大幅度提高仿真精度。