移动通信无线网络自动优化研究
2 无线网络自动优化模型
2.1 自动优化
2.1.1 概念
无线网络优化的重点，一是提升用户感知的网络性能指标，主要包括掉话、切换、覆盖、干扰等；二是提高网络资源的利用率，解决网络容量和网络资源的均衡题。随着对网络深度优化要求的提高，目前所采用的基于路测和信令分析工具的主流优化方式已无法满足要求，基于OMC-R网络统计数据的自动网络优化技术应运而生。
无线网络自动优化包括３项工作：一是发现问题，二是分析问题，三是解决问题。
首先，对网络进行性能评估，找出关键性能指标（KPI）不满足优化目标指标要求的问题小区。问题小区是指一个小区的一个或多个KPI不满足指标要求，从而影响服务质量。不同运营商，不同技术网络，可能会使用不同的方法，或采用不同的KPI性能指标作为优化目标。对于运营商而言，最严重的问题莫过于小区经历了大量的掉话，因为掉话对用户服务具有极大的负面影响。因此掉话率是评估小区质量的最好指标之一，可以用来识别问题小区。
其次，一旦确定了问题小区，就应对每个问题小区问题产生的原因进行分析。一个原因或故障是一个小区中存在的逻辑错误或物理缺陷，如参数配置错误、硬件故障等，从而导致KPI不满足指标要求。症状是一个KPI或告警，如干扰造成的切换数量，根据症状统计值可以找出问题的原因。分析问题是最复杂和最耗时的工作，目前主要是由优化专家们借助一些辅助工具手动完成的。
最后，根据问题的原因，制定并实施优化方案，解决问题小区存在的问题。优化的效果可以通过对优化后的网络性能进行重新评估来衡量。
自动优化的过程可概括为首先定义约束条件，然后构建模型，最后设计收敛算法。
2.1.2 自动优化系统
为了实现无线网络的自动优化，图１给出了自动优化系统的体系结构。 模型定义子系统负责构建系统所需的优化模型。建立优化模型既可依据优化专家的专业知识，亦可根据OMC-R 提供的网络统计数据。模型参数可以采用两种方
13
移动通信无线网络自动优化研究
式来确定：一是专家提供（基于知识的模型），二是来自训练数据（基于数据的模型）。目前，在移动通信网络中，缺少历史优化实例。在现有文献资料中，也缺少无线网络RAN 优化的记录。因此，在大多数情况下，网络优化专家的知识和经验就成为建立优化模型唯一的信息来源。下一部分将提出一种获取知识的过程，根据优化专家无线网络优化的知识和经验建立概率模型。该过程的主要优点是，优化专家可以使用其专业语言传递其专业知识，无需了解概率模型，也可很容易地建立模型。
自动优化子系统，首先通过网络性能分析，找出基于KPI的问题小区，然后，利用优化模型进行推理，找出问题的原因。对于给定的KPI值，采用优化模型和贝叶斯规则，计算出问题可能原因的概率。输入是症状，即来自OMC-R的问题小区的KPI和告警；输出是问题小区问题的原因和一系列优化方案。优化方案按有效性排序（有效性＝ 优化方案的可能性／优化方案的成本），按顺序实施，直到问题解决。优化方案的实施可以是从一个远程终端修改配置参数，也可以是派遣人员到现场更换设备故障件，甚至可以是自动地执行软件相关的优化方案。一般来说，运营商更希望只提供优化方案，而把最后的决定权留给优化专家。最后，生成优化报告，包括原因、优化方案及其实施过程和结果。
图2-1 自动优化系统平台
自动优化子系统可独立于OMC-R工作，也可以集成或嵌入到OMC-R，以发挥其最大效能，从而实现自我优化。自我优化将提供对问题分析所需OMC-R统计数据的直接访问，以及运营商优化系统的直接进入，对多厂网络和多技术网络更有利。因此，所有有关的自动优化的案例，可自动转到自我优化系统。如果自我优化系统
14
移动通信无线网络自动优化研究
找到了解决方案，就清除该案件，生成报告并存档否则，可以将该案件转交专家做进一步分析。最后的分析结果可纳入专家系统的知识库。
2.2 概率模型
自动优化子系统包括优化模型和推理机制两部分，其中优化模型是如何确定问题原因的知识，模型的组成元素是原因和症状，推理机制是根据症状值分析问题原因的算法。
构建优化模型包括两个阶段。首先，确定定性模型，即对于给定的技术（GSM、CDMA和3G技术）给出优化的症状和原因。原因可以模型化为具有两种状态的离散随机变量：｛出现，不出现｝。症状可以概括为KPI和告警两种类型，KPI本质上是连续的，可以模型化为连续或离散随机变量。离散化的KPI可能有任意多个离散状态，分别表示该KPI的连续范围内的一个子集，如｛正常，高，很高｝。告警也可以模型化为具有两种状态的离散随机变量：｛无，有｝。其次，确定定量模型，即模型的参数。在一个离散模型中，参数就是离散化KPI的阈值和概率。
ｓ｝ｓｓｃ１，２，?ｎ，ｉ 的概率率。对于给定症状值｛，应用贝叶斯规则，得到原因
ｓ一旦确定了定性和定量模型，就可以利用推理机制来计算每个可能原因的概
如下：
P(Ci|E)?P(Ci)?Nc?Nsj?1P(Sj|Ci)j ?i?1P(Ci)??Nsj?1P(S|Ci)式中，
Ｐｃ(ｉ)ｃｉ为原因 的先验概率，
Ｐ（｜）ｓｃｉｉ 是给定原因症状的概率。
上式假设两个条件：原因不能同时发生；对于给定的原因，症状间相互独立。以上假设适用于无线网络RAN，即使不适用，这种模型已经被证明能提供很好的结果。
假设一个实例为问题小区的症状值和问题的实际原因组成的集合，那么这样的实例既可用于训练系统，即计算模型的参数，亦可用于测试系统，即计算优化的准确率（在测试集合中实例正确分类的百分比）。
Ｓｊ，ｋ＋１；ｋ是症状Ｓｊ 的第ｋ个阈值，分成状态Ｓｊ，ｋ和另一方面，根据式（１），
模型的参数是阈值和概率。一方面，阈值是连续症状离散化的区间，即ｔｊ，
15
移动通信无线网络自动优化研究
概率如下：
(1)原因的先验概率：
Ｐｃ(ｉ)，i=1,2,3,?,ＮＣ；
Ｐ(Ｓｊ ＝Ｓｊ ，Ｋ ｜ Ｃｉ)(2)给定原因症状的条件概率：
i=1,2,3,?,ＮＣ；j=1,2,3,?,ｊ ＝ １，２，３，?ＮＳ，它是给定原因
Ｃｉ
Ｓｊ 的概率 在状态Ｓｊ，ｋ下症状
2.3 知识获取
(1)知识获取的过程就是根据优化专家的知识构建概率模型的过程，包括两个阶段：第一阶段，知识收集，即获得专家知识；第二阶段，构建模型，即根据先前获得的专家知识确定概率模型。 2.3.1 知识收集
知识收集的过程包括以下6个步骤。表1和表2分别汇总了优化专家应提供的定性信息和定量信息。
（1）问题分类
问题类型就是RAN可能遭受的各种问题，如“高掉话率”或“拥塞”。对每个问题类型，建立一种不同的模型。
（2）定义变量
应该有原因和症状数据库，优化专家可以从数据库中选择一个变量，或定义一个新变量，然后将其纳入到数据库。首先，优化专家指定问题类型的可能原因｛Ｃ１，
Ｃ，?，Ｃ｝，即无线网络中问题的原因，据此建立优化模型（如“高掉话率”）。
２Ｎｃ建议包括一个叫做“其它原因”的原因，以涵盖在已定义原因中没有明确界定的问
Ｓ１,Ｓ２,?，ＳＮｓ｝题的其它可能原因。其次，要求专家列举症状｛，这可能有助于
Ｓｉｉ，ｊ确定先前定义的原因。每个症状Ｓ 的状态也应作出具体的规定。
（3）定义关系
界定与每一个症状Ｓｊ 相关和不相关的原因，相关的原因为
Cir＝｛Cir1，Cir2，?，CirNSI｝ ，不相关的原因为Cin ＝ ｛Cin1，Cin2，?，CinNC
-NSI｝。“相关的”是指那些具有很强的直接相互关联的变量。例如，原因“欠覆盖”与症状“上行电平小于-105dm的样本百分比”相关，而原因“上行干扰”与该症状不相关。原因是，与正常小区相比，欠覆盖降低了接收信号电平，而当原因是干扰
16
移动通信无线网络自动优化研究
时，与正常小区相比，接收信号电平不会显著降低。
（4）确定阈值
对于每个连续的症状Si，确定每个定义区间范围（即阈值）tj，k。 （5 ）确定概率
往往建议以文字概率表达式作为征求概率信息的方法［7］。文字表达式应尽量少，以避免误解。此外，最好使用一边带数字另一边带文字的图例。在无线网络中，可以要求专家从5个等级的概率中选择一个：“几乎确定”、“很可能”、“50-50”、“不大可能”和“不太可能”，这些等级分别映射到概率0.85，0.7，0.5，0.3和0.1。确定概率的过程如下：首先，向专家询问问题的每个可能原因的先验概率
Ｐ()ｃｉ，由
于原因只有两种状态｛不出现，出现｝，因此只需要确定出现原因的概率；其次，还要确定症状的概率。对于症状Sj，假定每一个相关的原因Ck?Cir 出现，而其它原因未出现，所要确定的概率
Ｐ(｜ＳＣｋ)ｉ，ｊ，应该是该症状每个状态的概率。此外，
Ｐ(｜ＳＣｏ)ｉ，ｊ还要假定相关的原因都不出现，确定症状的每个状态的概率优化专家都应确保症状所有状态的概率和为１。
（6）将症状映射到数据库（OMC-R）
。当然，
将模型中症状映射到OMC-R 中的数据，每个症状应该与OMC-R中的一个参数（KPI、计数器等）或一组参数相关联。
2.3.2 构建模型
根据式(1)，建立模型所需的概率为原因的先验概率
Ｐ()ｃｉ和给定原因下症状的。考虑到该模型假
PSj|Ci? 概率?。因此，优化专家所提供的数据（表1 和表2）应转化为式(1)所需
的概率。优化专家所给出的概率PCi直接作为原因的概率
Ｐ()ｃｉ设原因是互斥的，所以原因的概率之和应为1。有两种方式处理该约束条件：一是由专家检查其给出的概率是否正确；二是允许给出的概率不符合约束条件，然后采用下列方法自动修正：
(1)如果概率之和大于1，那么就对每个概率进行归一化处理；
(2)如果概率之和小于1，那么就添加一个称为其它的原因ＣＮｃ＋１，表示专家未考虑到的问题的所有其它原因，其概率等于1 减去原来原因的概率之和。
对于症状的概率P?Sj?sj,k|Ci?,Sj 对于相关原因的条件概率已经由专家明确
17