基于粒子群算法的TD―LTE网络基站选址优化

[摘要]为了解决TD-LTE网络基站选址优化问题，该课题给出了一个基于粒子群算法的选址优化方案。研究了容量约束下的小区面积，给出了改进粒子群算法框架，并与文献算法进行了对比实验。实验结果表明：该算法方案能以较小的网络建设代价满足覆盖要求，具有较好的应用价值。

[关键词]TD-LTE 粒子群 算法 基站选址优化

1引言

TD-LTE技术特点适合国内运营商进行业务创新。相对3G而言，TD-LTE是一项新生技术，首批采用TD-LTE的运营商，可以更有效地结合TD-LTE系统特性进行有针对性的业务创新。

目前，基站站址已经成为稀缺资源。庞大的基站天线体积既破坏了城市的美观，又产生了较大的辐射，居民对基站较为抵制。也增加了基站选址难度大，工程施工和维护成本也很高。这引起了中国电信行业的普遍关注。

无线网络规划是为满足系统覆盖、容量和干扰等要求，对网络的架构、频率和各项参数进行配置和优化的过程。它保证在一定投资和适当的干扰下使系统达到最大的容量和较好的运行质量。此外，在决定任何通信系统经济上的可行性时，成本都是一个关键因素。一个好的设计方法应该能够在诸如网络性能标准，话务量和技术升级等因素中进行权衡，使成本最优化，这就需要精心的规划设计。因此无线网络规划对网络的建设有着重要意义。

2技术发展现状和趋势

目前对于基站分布方面的研究还是相当丰富的。文献[1]在遗传算法的基础上提出了一种基于并行遗传算法的自动基站分布算法。该算法能很快得到较优的解，但是由于遗传参数对算法结果的影响比较大，没有文献在算法仿真中将仿真数据全部明确给出，因此很难与其他算法进行比较。文献[2]在目前GSM网络的基础上提出了一种基于遗传算法的蜂窝网络区域配置方法，采用只变异不交叉的思想。但因为该变异概率不能自适应设置。若太大则不能进行局部搜索，若太小则要经过多次迭代才能得到最优解，有待改进。文献[3]将标准的PSO算法应用于基站分布规划中，考虑了面积覆盖率，容量覆盖率，经济成本三个因素，考虑因素较全面，但是该文采用了传统的目标加权的方法解决该多目标问题。使得在得出最优结果后无法判断该结果的优劣。文献[4]提出了一种基于分布式计算的多目标微粒群算法.分割域多目标PSO算法。该算法能得到较快的效率，但是目标区域的扩大也加重了计算的复杂性。PSO算法的诸多优势使得对其的研究同趋升温。但是微粒群算法法在基站分布的研究还不是很充分，或者说还很有局限性。

3基于粒子群算法的TD-LTE网络基站选址优化

3.1粒子群算法

也称粒子群优化算法（Particle Swarm Optimization），缩写为PSO，是近年来发展起来的一种新的进化算法（（Evolu2tionary Algorithm-EA）。PSO算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”（Crossover）和“变异”（Mutation）操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。基站参数有基站位置、基站高度、基站发射功率、载波数目、主导频率、天线方位角，天线型号、天线下倾角等。

3.2在粒子群算法中

f（b）=yC1+h1D1+h2D2 （式1）。y为待建基站个数；C1为建设一个TD-LTE基站的平均成本；hi为采用的i型天线的总个数，Di为每个i型天线的成本；待规划区域需要的基站数目为n=h1+h2。

覆盖率越高，网络的性能越好。因此，这是覆盖率目标最大化问题。为了便于把2个目标函数进行加权处理，从而把多目标问题转化为一个多目标问题，本文采用覆盖损失目标函数（即盲信号区域所生成的损失），定义如 （式2）。

（式2）。其中，C2为每平方千米覆盖盲区所带来的损失；S2为待规划区域的总面积；nπr为n个基站覆盖的面积之和；sij为基站i与基站j覆盖重叠区域的面积。

本文设计的适应度函数如下：g（b）=λ1f1（b）+λ2f2（b）（式3）。其中，λ1为建站代价的权重系数；λ2为覆盖损失的权重系数。

3.3仿真实验及结果分析

仿真实验环境：以豫东平原上某市的TD-LTE网络基站规划作为实验数据。该市TD-LTE网络的规划覆盖区域为20km×20km；基站经纬度范围东经114.2～114.3°、北纬33.3°～33.4°；基站高度40～50m；基站发射功率为40～45W；基站载波数目1～3个；天线有8阵元全向天线和定向天线2种；天线型号有机械调控和电子调控2种；天线下倾角30°～35°；已有2G基站分布数据库和话务热点分布数据库。

为了验证本文算法性能，在Pentium Ⅳ2.0GHz主频CPU、2GB内存的IBM兼容机器上，10次运行后，本文算法的优化结果如图1所示。从图1可以看出，每个基站很好地覆盖了话务热点区域，覆盖盲区很少，能够提供较好的网络通话质量。

参考文献：

[1]王玉娜，于秋华，陈新峰.4G网络规划中自动基站分布算法的研究[J].无线电工程，2006，（9）.

[2]张桂连，刘弘，陆佃杰.基于改进遗传算法的蜂窝网络区域配置方法[J].计算机工程，2008，（34）.

[3]张坤，吴跃.PSO算法在通信基站分布规划中的应用[J].计算机与数字工程，2006，34（4）.

[4]原萍，千光兴，张洋洋.求解通信优化问题的一种微粒群优化方法[J].东北大学学报（自然科学版），2004，25（10）.