高精度网络结构优化方法研究及应用

成果上报申请书成果名称高精度网络结构优化方法研究及应用成果申报单位中国移动北京公司成果承担部门/分公司网络优化中心项目负责人姓名项目负责人联系电话和Email项目完成人成果专业类别*无线所属专业部门*网络线条成果研究类别*相关网络解决方案省内评审结果*通过关键词索引（35个）网络结构、覆盖优化、容量均衡应用投资0元产品版权归属单位中国移动北京公司对企业现有标准规范的符合度：（按填写说明5）符合现有标准规范如果该成果来源于研发项目，请填写研发项目的年度、名称和类型（类型包括：集团重点研发项目、集团联合研发项目、省公司重点研发项目、其他研发项目），可填写多个：成果简介：简要描述成果目的和意义，解决的问题，取得的社会和经济效益。随着业务的高速增长，网络负日益增加，网内干扰的问题越来越突出。在很多城市，站间距不断缩小，重叠覆盖明显增加，同时由于高载波配置，使得同邻频干扰概率急剧增加，底噪明显抬升，900M网络质量和容量已经明显不能满足承载需求。本项目在总结当前最新网络结构优化成果的基础上，创新性的提出了高精度网络结构优化方法，其中高精度网络结构评估方法正在申请相关发明专利。通过建立高精度的无线传播模型得到高精度的GSM网络覆盖地图，再利用同邻频干扰矩阵和覆盖率、GSM900/1800接入区域信息，达到科学透彻分析GSM网络结构和覆盖质量的目的；而后，通过建立数学模型和优化目标，自动计算所有可能的网络调整方案，并将每种方案的调整效果进行对比，从而得到既满足覆盖率和场强要求，又能使网络覆盖重叠度最低，并且基站的话务吸收也非常均衡的网络结构优化方案，解决以往网络结构优化经常顾此失彼的问题，同时大大降低网络结构优化对优化人员能力的要求，从而实现优化工作效率和质量的进一步提升。省内试运行效果：描述成果引入后在本省试运行方案、取得的效果、推广价值和建议等。为提升当前网络结构优化工作效率和质量，加速前沿优化技术在现网的应用，北京公司基于高精度网络结构优化算法开发了智能覆盖优化平台，在以“业务迁移、容量均衡、覆盖优化“为主线的综合网络结构优化工作推动下，实现了全网的广泛应用。以市区内网络结构最复杂的CBD地区为例，借助高精度网络结构优化分析和智能覆盖优化工具，通过调整覆盖70个小区、调整功率17个小区、减容载频62块，优化后1800M话务占比从48%提升至63%，上行优质话务增长1.49%，下行优质话务增长1.05%,，900M频率复用系数由12.17改善到12.61，掉话率整体改善超过15%。 除了网络质量方面的收益外，还可进一步借助高精度网络结构优化提升网络资源利用率和增加话务收入，由此每年带来的间接经济收益超1000万.文章主体（3000字以上，可附在表格后）：根据成果研究类别，主体内容的要求有差异，具体要求见表格后的“填写说明6”。见表格后高精度网络结构优化方法研究及应用一 背景网络覆盖结构是移动网络质量的基础，但随着网络规模和业务量的迅猛发展，频率资源紧张导致所承载的业务量在部分热点地区已经超过了设计容量，由此引发网络质量下降。因此在集团2010年开展的网络质量竞赛要求中明确指出，网络频率有限的情况下，网络覆盖交叠引起的结构问题已成为影响网络质量的主要因素，各省要把网络覆盖和结构优化作为当前重点工作。然而覆盖优化虽然是解决交叠覆盖引起的网络带内干扰的根本措施，但当前的覆盖优化方法主要依靠优化人员对基站覆盖区域的感性认识和经验，缺少相应的支撑工具，往往调整方案具有片面性且需要反复多次调整才能达到目标。以09年利用扫频仪在西南二环进行的频率干扰排查工作为例，当时共发现道路上存在同邻频干扰需要覆盖调整的小区55个，但最终由于优化人员无法确定覆盖调整是否会影响室内覆盖和投诉，最终实施天线调整的仅有4个小区，可见覆盖优化对于优化人员来说不但非常难以把控且有可能引起严重的负面影响。为了保质保量完成集团网络质量竞赛任务，同时使覆优化整更加科学、精准和高效，需要借助新的方法和工具，使优化人员不但能够对每个基站的覆盖有全面的了解，并且能够量化的获得基站天馈调整后对基站覆盖的影响和变化，同时还能考虑到覆盖调整对网络负荷的影响。针对这个目标，北京公司网优中心组建了网络结构优化专项组，通过对业界现有工具手段的深入分析和对比，综合了“传播模型+扫频数据+干扰矩阵+数学模型”等诸多先进技术和手段，深入研究了网络结构优化方法，提出了高精度网络结构优化方法并开发了智能覆盖优化工具，以解决当前网络质量竞赛和日常优化中的难题。其中高精度网络结构优化方法正在申请相关专利。二 高精度网络结构优化方法研究随着话务量的不断上涨，各地都不得不大力增加基站和载频。但是随着基站密度和单小区载频数的增加，小区间干扰越来越严重，底噪大幅度抬高，而为了抑制干扰，很多时候采用加大发射功率的办法，形成了干扰治理的恶性循环，最终造成正常通话所需要的最低电平值越来越高。于是各地都纷纷开展网络结构的调整，提出了很多覆盖，干扰，频率，容量等方面的种种指标，集团也根据这些指标在容量、覆盖和频率上提出了多个优化目标，并布置了减容、三高治理、双网业务平衡和立体网建设等具体优化工作内容。容量优化目标设备上的容量平衡各小区之间的无线利用率大致保持在同一水平，避免过忙或过闲业务上的容量平衡语音和数据业务之间不应发生相互间的抢占；若语音数据双忙并暂无扩容条件，应优先保证语音业务覆盖优化目标消灭弱覆盖弱覆盖定义（网管MR统计）：测量报告中的上行接收电平-94dBm且下行接收电平-90dBm且Rxqual6弱覆盖定义（路测数据统计）：下行接收电平-90dBm且Rxqual6消除过覆盖过覆盖定义（网管MR统计）：重叠覆盖度5 频率优化目标TCH频率复用系数大于12各BCCH、TCH频点的使用次数大致相同随着网络结构优化的深入，我们开始发现一个协调的问题，即上述这些优化目标产生的多个相关工作同时进行时，调整方向可能会发生冲突，而产生的效果有可能会互相抵消。我们需要深入的研究这些优化目标之间的相关性，抓住主要目标，约束次要优化目标，建立统一的优化模型。1. 网络结构主要优化目标理论分析无线优化的主要目标是在一定频谱带宽约束的情况下，提高控制信息和业务信息传递成功的概率。 通过对AWGN信道、Rayleigh、Rician、Nakagami-M等多种类型的信道条件下物理层仿真可以发现，此成功概率即在信源模型、信道模型和物理层技术一定的情况下，由信干噪比SINR（signal to interference and noise ratio）决定。假设SINR中的噪声为热噪声，在室温环境下，其功率谱密度大约为-173dBm1dB/Hz。那么对于单个GSM(200KHz)、TD(1.28MHz)和LTE(20MHz)频点来说，热噪声功率分别为-120dBm1dB，-112dBm1dB和-100dBm1dB。根据下图I与I+N在不同I下的变化曲线来看，对于GSM，在I-110dBm的情况下, I+N与I的差值已经小到可以忽略不计，对于GSM小区覆盖范围内（RxLevel-94dBm）来说，当I-100dBm和I-90dBm时，SINR可以用C/I来代替。 下面我们来分析KPI中的接通率和掉话率（掉线率），对于接入的过程中来说，每个信令数据包传送时对应的C/I决定了其传送成功概率，而接通率即接入成功概率。同理，对于通话或数据传输过程中，通话质量或数据传输成功率就由每个业务数据包传送时对应的C/I来决定，即，那么掉话率或掉线率则可以表示为一段时间内通话质量连续差或数据传输连续出错的概率，即。而函数通常因比较复杂而采用仿真获得，为了简化指标计算难度，可以采用开关函数作为其简化模型。即。所以要想提高或降低，只需要提高在数据包传送过程中对应的C/I大于门限值的比例。此比例由发生的地点周边基站传播到终端所在地的场强决定，也就是说由网络结构所决定。通过上面的分析，假设业务发生的地方与接入发生的地方相同，那么我们提出即发生在C/I高于门限值地方的业务比例（简称业务C/I达标率）这个新指标作为网络结构主要优化目标。此指标从统计意义上来说，与用户的真正感受应该是强相关关系。仔细分析此指标，可以发现主要由两个因素决定：业务分布。由于各个时刻不同的业务分布来计算，结果都会不同。所以在计算时需要假设一段时间内话务分布不变，用统计的话务分布作为业务发生地点。C/I分布。此因素可进一步分解为天线分布、天线配置、频率配置和环境四大部分。天线分布：发射天线的地理分布。天线配置：天线高度，发射功率，下倾角，方向角等功率配置：发射天线所选择的频率和带宽，GSM中还有跳频周期，跳频序列等。环境：即PathLoss传播模型中的影响因素。如直射、散射、折射和反射次数，折射和反射物材质等为了减少业务分布变化特别是突发话务的影响，我们又提出了假设业务平均分布下C/I高于某门限值的比例（简称异频C/I达标率）和假设业务平均分布和频率同频情况下C/I高于某门限值的比例（简称同频C/I达标率）作为两个约束性指标。反映了在覆盖和频率规划作用下的C/I分布情况， 实际上是用户在各个地方感知好的比例。由功率配置，天线配置和环境三大因素影响。对这个指标在优化时进行约束是为了适应不同的业务分布。反映了消除了频率规划的影响下理论覆盖的好坏，由天线分布、天线配置和环境决定，与翻频规划的难度成正比。对这个指标在优化时进行约束是为了降低频率规划难度。2. 实现业务、异频和同频C/I达标率目标的理论计算a) 基于射线追踪的半确定性传播模型覆盖预测要实现精确计算上面的三个指标，我们就必须要高精度的业务分布和C/I分布。后者需要高精度的传播模型，而后者就需要在传播模型的基础上实现高精度的MR定位。目前，国内外预测无线传播场强和绘制无线覆盖地图的方法主要分为三种：经验性方法（如Okumura-Hata模型）、半确定方法(如Ikegami-Walfisch模型)和确定性方法（如射线追踪法）。经验性方法主要用实测数据来估计模型参数，不考虑绕射和反射，实现相对简单，预测快速，可以在宏蜂窝尺度上大规模使用，但精度较低。确定性方法如射线追踪法则通过根据3D地图上的建筑物特征和分布情况，追踪每条无线电波的传播路径和损耗，从而达到更好的预测精度。半确定方法对特定的楼群（由尺寸、形状、高度、间隔、方向基本相同的楼组成）处的射线传播进行了简化。传统的经验性方法主要用实测数据来估计模型参数，没有考虑绕射与反射，也未充分考虑地貌影响，虽然计算快速，但精确度无法达到较高水平。半确定性方法主要针对间隔、方向和高度基本相同的楼群进行分析研究，而这种楼群特征并不符合国内主要城市的楼群的实际特征。确定性方法的计算成本高昂，无法大规模采用。同时，它还需要非常丰富精准的各类参数，包括不同建筑材料的楼群和不同地貌的绕射反射参数，甚至包括不同天气状况下的大气折射率，对城市建设日新月异、天气变化比较频繁的城市来说，这些数据很难取得和保持及时有效的更新，因此，射线追踪方法的预测精度将受到很大影响。传统的经验型方法不考虑地形地貌影响。这是经验型方法预测精度不高的根本原因；而且传统经验性方法对实测数据的利用是平等的，即与路测密度无关。当某一片区域路测点很密时，传统经验型方法难以有效减小在此区域的预测误差；此外,一些传统的经验型方法虽然利用地形校正因子描述地形地貌效应，但由于校正因子是无方向的，对所有小区(天线)相同的，在覆盖图绘制上，小区的地形校正因子会互相抵消，结果，虽然场强预测精度提高了，但是对覆盖图的校正作用却很小。针对上述问题，本研究使用模式识别技术，有差别地、更充分地使用实测数据。通过对每个小区（即天线）各自不同的片区划分方法，能够反映出小区周围不同地形地貌的不同影响，并消除同向同性问题；对于路测密度越高的地域，片区划分密度越大，进一步提高覆盖预测精度；同时，对饶射和反射效果进行简化的预测，进一步考虑地形地貌影响和消除同向同性问题。通过自适应聚类技术，充分挖掘实测数据中含带的地形地貌信息，同时分析地图数据，预测地形地貌对无线传播造成的影响，从而提高场强预测的精度，给出更准确地高分辨率的覆盖地图.自适应传播模型覆盖预测算计算公式:P（接收信号强度） = SendPowerBTS（基站发射功率）- LpBTS(基站损耗) + AngennaGain（天线增益）- L(自适应传播模型空间传输损耗)其中，SendPowerBTS（基站发射功率）：为基站机柜输出时功率，与基站设备类型相关，通常为介于4047dB的常数LpBTS(基站损耗)：包含接头损耗、合路损耗、馈缆损耗。根据工程经验接头损耗可设为为常量0.5dB，合路损耗根据合路级数计算，每级损耗3dB；在GSM900中经常使用的是7/8的馈线，在1000MHz的情况下，每100米的损耗是4.3dB；在2000MHz的情况下，每100米的损耗则为6.46dB，多了2.16个dB。AngennaGain (天线增益)= Gv (天线水平增益) + Gh（天线垂直增益），天线的水平方向以1度为步进读取天线水平增益（采用四舍五入的方式）。垂直方向也一样以1度的步进读取天线垂直增益。图 天线水平和垂直方向图自适应传播模型空间损耗L：发射点到接收点的总的功率衰减。L0 ：发射点到接收点自由传播时的功率衰减。Lcluster：根据直射、一次反射、一次绕射信息对室外接收点分类计算额外衰减。error：由于多次反射、多次绕射、散射、输入数据不准确等因素造成的计算误差。由于自适应传播模型空间损耗的计算直接体现了预测模型的精度，下面将详细介绍其各部分的算法。首先L0使用公式如下对于GSM网络，模型中前半部份可近似简化为常量，其逻辑表达式为说明总体上基站信号衰减与其覆盖距离的对数成线型关系。自适应传播模型是根据射线跟踪模型特点，将Lcluster分为基站与接收地点可直视、基站与接收地点不可直视，但处于一次绕射或一次反射的范围，或基站与接收地点不可直视，且处于多次绕射或多次反射范围采用这种分类方法，既能够保留射线跟踪模型的精确性，又能够最大程度的降低计算复杂性。基站与接收地点可直视情况的路径损耗计算公式可采用双射线模型，基站与覆盖地点不可直视，但处于一次绕射或一次反射的范围可采用反射定律、绕射理论绕射电场计算最小费涅尔绕射参数：利用Lee近似公式，得到绕射电场反射电场计算时找出接收地点所在位置O为中心，一定范围内所有可能一次反射的地点i，通常反射点i为建筑物，并且对发射天线可视，和对接收地点的位置O可视。假设反射点i以p(hi )的概率反射到O,那么O收到反射点i的反射场强为:其中以反射概率p(hi)取1，以(1-p(hi)概率取0；为反射点i的反射系数，与建筑物的材质、天线的极性和入射角大小相关。di为反射总路径。因此一次反射或绕射后总电场计算公式为：假设 服从独立均匀分布，假设相互独立，且。那么平均功率整理后得到当基站与接收地点不可直视，但处于一次绕射或一次反射的范围内的衰减计算公式为假设p(h)与h成正比关系，再加上绕射修正因子，实际逻辑形式为第三种情况时，覆盖地点不可直视，且处于多次绕射或多次反射范围的损耗计算，可适用对数距离路径损耗模型，衰减逻辑形式为综合上述三种情况后，最终的Lcluster(额外损耗)公式为Error（误差修正项计算），其主要依靠海量的测试数据对每个天线的误差进行修正，原理是假设误差主要由于散射、多径效应、输入数据不准确等因素造成的计算误差在地理上分布光滑。假设路测数据在统计意义上可信。则对每一根天线，误差项由下面核函数表示：再假设该根天线有L个路测数据，对应的位置坐标和路测值分别为假设利用上述模型（无error项时）计算结果为L(x,y)，将路测数据值代入误差表达式可得：b) 基于概率匹配算法的高精度MR定位利用高精度网格化覆盖地图与MR记录进行矢量匹配，从而把每条MR最可能发生的网格找到，运用概率的数学方法建立矢量匹配的数学模型，如下图核心思想是计算每条MR数据的特征向量与网格的特征向量相似度P其中为覆盖模型第j强的计算误差，为一随机变量，其概率密度函数可由路测数据训练得出。每条MR数据与网络的相似度对所有小区求得每个网格的话务量后，为了避免相邻的相同地理特征的格子话务密度出现极大的跳跃，对于每个格子的话务密度输出采用均值滤波。对于道路上话务数据跳跃比较剧烈的情况，可以进一步加大均值滤波模板尺寸，进行话务数值平滑。3. 传播模型覆盖预测效果和话务地图生成效果a) 高精度覆盖场强预测通过自适应传播模型并结合栅格化电子地图，可以将优化区域划分成55米为单位的栅格，然后分别计算每个基站的在各栅格的覆盖场强，从而准确预测55米栅格范围内存在的所有基站信号强度。通过对自适应模型预测的场强与海量路测数据的采样点进行对比，在未对天线位置桥正、使用统一的天线方位图和基站发射功率的情况下，其平均误差仅为3dB，完全可以满足各类优化工作的使用要求。b) 小区主控覆盖范围预测以往优化人员使用的无线网络覆盖信息有两种方式，一种是完全基于传播模型预测，在无线环境复杂的地区与实际覆盖情况误差较大。另一种是使用MAPINFO工具生成的泰森多边形呈现的基站覆盖图，其仅仅考虑了基站的相对位置，无法体现无线传播环境、基站天馈参数等重要因素，因此也只是一种参考性展示。而自适应传播模型覆盖预测算法能以扫频仪的真实测试数据做为基站覆盖的骨架，利用高精度传播模型在骨架的基础上进行填充，使覆盖成为一个完整的面，能够获得测试未到达地区的覆盖情况，从而解决以往覆盖调整只能以道路为参照无法对室内进行确认的片面性问题。同时，通过扫频数据校正后的传播模型精度更高，可获得5米*5米的基站覆盖信息、主控信息、话务分布信息。 原有覆盖呈现效果 使用自适应算法的覆盖呈现效果c) 小区覆盖调整效果预测现有覆盖调整方法只能在调整后通过大量的现场测试进行前后对比分析验证，而当优化人员发现调整效果未达到预期，则需要重新输出方案，反复多次调整才能达到目标，由此导致覆盖优化效率非常低，且存在不合理方案影响网络质量和用户感知的隐患。若利用自适应传播模型覆盖预测算法，则可在其精确覆盖预测的基础上，通过传播模型算法获得当基站天馈调整到某一个值后覆盖的变化信息，结合干扰矩阵即可生成调整前后覆盖率、场强和主控话务吸收的影响，从而在真正调整前即可得知方案的可行性，解决以往覆盖调整反复和不确定性的问题；覆盖调整前 覆盖调整后d) 话务地图生成与应用我们将900M小区晚忙时的MR通过采用概率匹配的方法，生成如下图所示的话务地图。从效果来看，符合估计的分布。特别是在当前900M和1800M小区同站的情况下，可以看到开启伞状切换实施话务推移后，900M小区的话务量主要集中在其覆盖远端和覆盖边缘，近端的话务量已大量被1800M基站所吸收。因此通过高精度话务地图一方面可以检验当前结构优化效果是否达到预期，另一方面可以定位话务热点和覆盖盲点，从而为精确的容量均衡和覆盖调整提供保证。三 覆盖优化调整手段与优化目标关联性研究在优化人员试图通过覆盖优化提高异频C/I达标率或同频C/I达标率时，经常遇到两难处境，例如，为了降低某个小区对外干扰面积或降低这个小区对外产生的I时，则需要收缩覆盖，但收缩覆盖的同时往往会造成该小区原主控地区场强C的减少，从而引发自身主控地区C/I的下降，从而造成新的干扰面积增加。所以我们开展了覆盖主控场强和覆盖重叠度的关联分析，以及站间距、站密度和干扰小区数的关联分析，并对常用覆盖优化方法对重叠覆盖的影响做了总结。1. 覆盖主控场强和覆盖重叠度的关联性研究我们以北京市区内网络结构最复杂的CBD区域作为分析对象，通过5*5米栅格化的电子地图和自适应覆盖预测技术，精确计算每个栅格内的主控场强和重叠场强值。由于只有场强在主控场强12dB以内的重叠场强才能产生干扰，因此若直接使用重叠场强差均值衡量重叠干扰的严重程度，则其数值必然介于012dB之间，区分度较小。因此为了更加凸显重叠场强的干扰严重程度，这里引入了覆盖重叠度的概念，即重叠场强与主控场强差在12db之内的小区数，并通过数学建模，探索覆盖主控场强和覆盖重叠度的量化关系。其数学推导过程如下：首先，设某CBD地区内某栅格的主控小区为，主控场强为。则对其余在栅格g存在场强的小区，基于自适应传播模型可知，在与栅格夹角相同的情况下，第三种情况（小区与栅格间不可视，且处于多次反射和绕射范围），小区在栅格产生的场强最小。根据路测数据的训练，第三种情况的衰减公式为：则小区j在栅格产生的场强为于是小区要成为栅格的干扰场强的条件为：为了降低计算量，事先假设了CBD区域内每个小区的最大覆盖距离为2500米，因此当时统计出来的重叠场数是准确的，即：设表示的最大值，即，设，则的所有小区都会对该网格产生干扰。设表示这部分小区的数量，表示区域内的小区数量，则：设，则的所有小区，无论与网格夹角为多少，都不会对该网格产生影响。而的区域内，部分小区会对该网格产生干扰，这些小区满足的条件是：。由于无法得到的具体表达式，因此我们对该区域内的小区比例区一个平均值，即在的区域内，小区总数的会对该网格产生干扰。于是，设表示这部分区域会对该网格产生干扰的小区的数量，则：所以：由于是定值，于是我们可以设：于是有： 这里的参数我们可以根据仿真数据训练得到，所以：此外，CBD地区小区密度近似为。因此最终CBD地区的每个5*5米栅格的覆盖重叠度和主控场强的关系为：于是可以画出仿真数据的主控场强大小和覆盖重叠度的散点图，以及覆盖重叠度和主控场强的函数关系曲线，如下图图中红色的是主控场强大小和覆盖重叠度的散点图，蓝色的曲线是覆盖重叠度和主控场强的函数关系曲线，横轴是，纵轴是，从图中可以得到以下关联分析结论：l 这个结果是在传播模型一致，地理环境变化不大的情况下得到的。如果统计区域内地理信息有差异，则结果会有所不同。但由于场强衰减基本上是和距离的对数值呈线性关系，因此结果虽然有所不同，但是趋势是一致的。l 仿真结果在曲线的值上下波动的原因：n 小区分布是离散的，包含对某个栅格产生干扰的小区的区域内的小区密度不可能完全等于平均密度，而是会在平均密度的上下波动。n 当主控场强比较大的时候，仿真结果会更多的在曲线之上，即仿真值大于曲线估计值的栅格更多。这主要是因为仿真的区域是CBD区域，小区密度很大，向外小区逐渐稀疏。因此，当主控场强比较大时，包含对该栅格产生干扰的小区的区域面积比较小，基本还在CBD地区之内，因此这些区域的小区平均密度会大于小区的总平均密度。l 随着栅格主控场强的减少，包含对该栅格产生干扰的小区的区域面积增大，对该栅格产生干扰的小区数量增多。同时，与栅格间不可视且不存在反射和绕射的小区比例增加（自适应传播模型的第三种情况）。因此，更加符合曲线的结果。l 减站和减功率影响分析：n 正面影响：减少一个站或者降低一个站的发射功率，可以使某些栅格的重叠场强数减少1，从而使其余小区中的某些小区的干扰小区数减少1。但是从仿真结果看，重叠场强数或者干扰小区数减少1的效果并不明显。n 负面影响：减少一个站或者降低一个站的发射功率，可以使某些栅格的主控场强降低，由于小区密度几乎没有变化，从而使这些栅格所在的区域的重叠场强数（底噪）明显增加。同时，使其余某些小区的最小主控场强减少，从而使这些小区的干扰小区数明显增加。l 加站影响分析：n 正面影响：增加一个站可以使某些栅格的主控场强增加，由于小区密度几乎没有变化，从而使这些栅格所在的区域的重叠场强数（底噪）明显减少。同时，使其余某些小区的最小主控场强增加，从而使这些小区的干扰小区数明显减少。如果加站的位置和参数比较好，则新加小区的最小主控场强也会控制的比较好，从而使新加小区的干扰小区数也不会很多。n 负面影响：增加一个站可以使某些栅格的重叠场强数增加1，从而使其余小区中的某些小区的干扰小区数增加1但是从仿真结果看，重叠场强数或者干扰小区数增加1的效果并不明显。从分析中看，增加一两个站的效果要明显好于减掉一些站。减站和减功率主要是减少公式中的小区密度，因此只有减掉很多小区才可能使底噪和干扰降低，但由于话务的原因，不可能同时减掉很多站，因此加站的效果要明显好于减站。关掉80个小区后，该区域的小区密度近似变为，于是，重叠场强数量与主控场强的关系变为：于是可以画出调整前后的干扰场强数和主控场强的函数关系曲线，如下图，蓝色的是调整前的，绿色的是调整后的，从而进一步证明上述分析的正确性。2. 站间距、站密度和干扰小区数的关联性研究网络结构的问题往往是由于高业务量引发的基站增多、站密度增大、站间距减少、覆盖重叠度增加所引起的，但基站密度、站间距与干扰是否是简单的线性关系？是否存在提高网络承载能力的同时降低网络结构复杂度的可能？为了研究上述问题，可使用基于自适应传播模型的覆盖预测算法，通过对比不同网络密度、站间距的网络布局情况下，网络干扰的变化情况，从而推算最佳的网络布局方式，以便有效指导今后高密度地区的网络建设工作。在不考虑具体频率分配时，为衡量不同网络布局下的干扰程度或网络结构复杂度，可使用干扰小区数进行量化，即在某小区的主控范围内，重叠场强与该小区场强在12dB之内的小区总数。以下同样将CBD区域作为分析对象，研究在当前CBD业务负荷的情况下的最佳基站布局方式。其详细计算过程如下：设：为小区i的主控面积为平均每个小区的主控面积；为小区i的最小主控场强的栅格到小区的距离。（注意这里不是最远主控距离）；为平均每个小区的最小主控场强的栅格到小区的距离。为小区i的最小主控场强为平均每个小区的最小主控场强于是，在平均情况下，近似有：设，于是：当时等号成立。又由于有，。所以，令，是与有关的一个值，越均衡，越大。而和小区的站点位置和方向等有关。和的关系可以用下面的公式近似估计：设，可以得到其中为平均发射功率，为平均小区天线增益，和平均每个站点的小区数有关，设，所以所以，于是，根据公式可以得到： 设， ，可以得到：设为平均站点数密度， 在地理环境变化不大的情况下，公式中的和主要与和有关。所以：于是，根据前面已经得出的格子的主控场强和重叠场强数的关系，可以得到小区i的干扰小区总数，又由于只与和有关，所以可令可得：设 为小区i的干扰小区数为平均小区的干扰小区数，则有当时，等号成立。以上分析当分析统计的区域越大，小区数量越多，越准确。考虑用图论中点染色的方法处理排频问题，构造无向图G，设每个小区为一个点，如果小区i对小区j的主控区域有干扰，或者线j对小区i的主控区域有干扰，则点i和j之间有一条边，设节点i的度数为，所有点的平均节点度为，可以得到。图G的颜色数（也就是完全没有干扰的排频结果需要的最少频点数）与有关，越大，越大所以，平均每个小区的干扰小区数直接决定了排频的难度，对于某一区域，当和一定，且地理环境变化不大时，变化不大。这时，小区分布越平均（这里主要指每个小区的最小主控场强尽量相同），平均小区的干扰小区数越小。同时，越平均（这里主要指每个小区距离自己最小主控场强的格子的距离尽量相同），越小，平均小区的干扰小区数越小。所以和同时满足的极限情况是小区的覆盖是标准的正六边形，且每个蜂窝大小相同，但是实际情况中这个是无法达到的，因此只能通过各种方法尽量满足。和现在无法准确推导出来，暂先通过仿真数据进行一些基本的判断，以下仿真了5种不同的网络布局下的干扰情况，分别是：情况1：用于模拟现网CBD区域的干扰情况情况2：以CBD区域的传播损耗为基准，用于模拟在现网基站数不变的情况下，所能达到的覆盖优化最佳效果情况3：以CBD区域的传播损耗为基准，用于模拟加站50%后，CBD所能达到的覆盖优化最佳效果情况4：以CBD区域的传播损耗为基准，用于模拟减站20%后，CBD所能达到的覆盖优化最佳效果情况5：以CBD区域的传播损耗为基准，用于模拟使用小区分裂、光纤射频拉远技术后，CBD所能达到的覆盖优化最佳效果以下是仿真结果：通过仿真结果，可得到以下结论：l 通过调整使基站布局的更加均匀，可有效降低覆盖优化工作难度，使网络结构复杂度或网络重叠干扰明显降低l 合理的加站和拆站都可以改善网络结构和降低覆盖重叠度，但总体上加站的效果明显好于拆站l 从控制重叠覆盖的角度，现网的三裂向基站并非最佳基站布局方式，当今后业务量进一步增长需要新建更多基站和小区时，可以将高基站密度地区的基站逐步调整为双裂向的布局，由此可减少20%以上的重叠覆盖干扰。3. 常用覆盖优化方法对重叠覆盖的影响分析在网络结构优化工作中为了解决各类覆盖重叠问题，最终都需要依靠几种基本的覆盖优化手段，例如，基站发射功率调整、天下下倾角和方向角调整、天线高度或位置调整等，而通过自适应覆盖预测技术，可以精确的分析各类优化手段在解决网络结构问题时的效果和特点，从而使优化人员能够在设计优化方案时获得更精确的支撑。网络结构优化中为了降低重叠覆盖，则需要精确控制每个小区的覆盖范围，而基于自适应传播模型的计算公式，可将每个小区的覆盖范围分成三类，分别是可视范围、一次反射或绕射范围、多次反射和绕射范围。通过公式也可以分别计算不同优化手段对上述三类覆盖范围内的场强和覆盖面积的影响。由于篇幅所限，以下直接将分析结果列出针对覆盖重叠度优化，通常希望减少单小区的覆盖距离和面积，但通过上表可以得知，l 发射功率调整不适用于网络覆盖重叠度优化，因为发射功率降低会在基站覆盖距离减少的同时降低小区覆盖的近端地区的场强，从而产生使近端地区的C/I下降的负面效果