移动通信4g论文.doc

移动通信4g论文 4G移动通信无线网络优化策略 【摘要】优化4G移动通讯无线网络是4G移动网络发展过程中必不可好的过程，通过网络优化，可以提高网络使用的质量和安全性，保障网络用户的使用需求。对于4G移动通讯系统无线网络的优化，保障通讯的实时性，对网络进行灵活有效，且准确的控制是最为重要的。在本文当中，笔者将对4G移动通信系统的无线网络优化进行研究，提出优化思路、优化方法以及关键技术。 【关键词】移动通信4g论文 在移动通讯不断的更新换代的过程中，4G通讯系统的时代已经到来，但当前国内对于4G通讯系统无线网络的控制还存在很多的问题，通讯质量达不到要求，这造成了很多行业发展的困局，因此，只有尽快的解决4G移动通讯系统无线网络的问题，使其具有实时性、连续性，才能促进本行业和其它行业的发展。 1、网络优化思路分析 1.1建立精细化的TD-LTE 网络KPI体系建立TD-LTE网络指标体系。现代的4G移动通讯系统主要是TD-LTE为核心，该类型的下的4G移动通讯系统采用的信号传输形式为分组传输，所以传统的2G和3G系统中关键性能指标不能够适应TD-LTE系统。3G网络采用的是立体化的网络沟通，相比而言，LTE网络的网络构架就比较扁平化，LTE网络中对端到端的概念也非常的重视。所以，只有通过建立更具精细化的网络关键性指标体系，才能够适应TD-LTE网络。 1.2网络关键性能指标与参数配置的关联性分析 基于云计算技术的4G移动通讯网络，其组网形式、参数的选择以及网络配置方法都更加的具有灵活性。所以，可以借助于网络的灵活性，充分的发挥网络的性能，需要注意的是，不合理的应用会让网络出现严重的恶化，导致资源浪费情况。只有确定潜在的网络参数和无线资源管理相关的参数和影响因素之间的相关高层次的关键指标，并阐述和分析它们之间的关系，找到分支的问题，才有可能实现网络优化，并达到事半功倍的效果。因此，通过理论分析和云计算的数据挖掘技术，建立关键绩效指标(KPI)和无线参数的关系。当指标变化时，可以自动分析需要调整的参数，并在TD-SCDMALTE网络中验证得到规则，指明了网络优化方向。 1.3网络优化方法的多元化 从网络运营方面来看，统计分析网络业务对于提高运营利润将起到很多的作用。企业在进行网络优化的过程中，会进行相关数据的统计和分析，也就是说，各个业务可以得到对应的QoS保障策略，通过这样的调整，能够为企业带来更加的效益。如对网络中发展潜力大的业务，给予充分的QoS保障，进行精细化的资源控制和管理。从用户行为的角度考虑，网络业务的统计分析是用户行为分析的基础。从网络业务的统计数据中，挖掘用户使用业务时的行为特征。 2、4G移动通讯系统无线网络的优化策略 2.1内容优化 内容优化是无线网络优化中非常重要的内容，通过内容优化，可以对网络性能进行准确的分析，了解其中潜藏的问题，并帮助技术人员找到最终的解决方法，全面辅助业务发展，让无线网络可以根据市场需求灵活快捷的进行优化，提高网络通讯的质量，数据收集工作也可以更加顺利的开展。 2.2优化策略 (1)容量优化：所谓容量优化就是在完成基站话务统计数据之后的一个优化过程，该优化主要用于解决容量问题，如果某地区同时存在覆盖问题和容量问题，可通过增加基站、使用微蜂窝等方法来解决;而针对话务问题比较严重的基站，在基站周围话务量较低的背景下，较为频繁的发生话务拥塞问题，就说明该基站存在话务量分布不均衡问题，导致这一问题的原因一般是基站的软切换比例不合理、不正常、比例高等，只要通过解决信道资源浪费问题就可以很好的避免这一问题的发生，通过对软切换参数T-ADD或其它相关参数进行调整，降低比例，就能够保证信道资源的高效利用。(2)优化难点：4G移动通讯系统由于所有干扰较多，所以其最大荷载比较低，一般在6080%之间，一旦系统超负荷运行，就会受到更为强烈的干扰，基站覆盖范围内的移动用户通话就会出现掉线、中断等现象。因此，需要通过优化CDMA网络，实现网络升级，将系统转化具有软容量和软覆盖特征的移动通讯西永，才能保证在线用户较多时，网络干扰也不会很强烈。 3、4G移动通信系统的无线网络优化的关键技术分析 3.1企业私有云技术 云计算技术已经被广泛的应用到了各个行业当中，在移动通讯行业也不例外，云计算技术的应用可以帮助移动通讯系统实现无线网络优化。以OpenStack为例，它能够适应很多类型类型的云环境，它提供的云计算机平台具有统一的标准，而且操作实施非常简便。如果企业能够独立拥有云计算技术，就能够实现对庞大计算资源的高效化整合，例如硬盘空间、内存容量等等，以实现资源的合理配置，也就是说，可以尽快的实现数据负载均衡以及云主机迁移等相关功能。在企业私有云上构建移动通信4G网络本身就是一个无线网络的优化，按照网优计算分析数据现有规模做到弹性扩容和快速部署。 3.2分布式大数据存储技术 网络优化测量报告本身具有数据复杂、离散和体积大的特点，传统的数据存储模型一直难以满足大数据存储的要求。另一方面，对单个节点的能力是很难满足数据量不断增加的要求，对运行效率很难让大数据处理要求的数据仓库得到满足，另一方面，根据传统数据仓库的存储模型，虽然大容量的指标是可以实现的，但在实际操作中，时间和空间过高都是显而易见的。HBasegoogleibghtle技术实现的，本身具有很高的可靠性，可扩展性，以及一系列的特点，如利用HBase高性能可用于构建大规模存储集群。 3.3应用程序集群伸缩设计 设计应用程序的群伸缩主要是为了实现程序节点的缩小和扩展，该设计是依托于云平台网优系统而进行的，作业数量的提交量非常大，而且排队时间长，所以，必须依靠节点自动增加的功能，自动分摊工作，减少工作数量，这一设计也有利于减少节点。 3.4Hadoop集群伸缩设计 Hadoop集群伸缩设计主要是应NodeManager节点进行的，节点只需要进行数据储存工作，其优势则在于节省节点磁盘空间，增加集群中的DataNode节点。运算节点按照Job负荷使运算节点自动增加，如果发现运算比较大，这种情况下可以动态性增加NodeManager，这样可以使运算要求得到满足，完成运算以后，如果Job负荷比较低，这种情况下可以自动