本發(fā)明涉及一種異構(gòu)網(wǎng)絡(luò)場景下基于傾角調(diào)整和基站休眠的綠色通信節(jié)能技術(shù)。

背景技術(shù)：

隨著無線通信技術(shù)不斷發(fā)展，用戶的業(yè)務(wù)需求也在指數(shù)式地增長，使得業(yè)務(wù)在時間上的起伏性、空間上的波動性和內(nèi)容上的多樣性變得越來越顯著，網(wǎng)絡(luò)通常以熱點服務(wù)區(qū)域的形式造成網(wǎng)絡(luò)業(yè)務(wù)需求的不均勻問題。此外，傳統(tǒng)宏蜂窩網(wǎng)絡(luò)部署之初主要是為提供大的覆蓋面積而并非為了提供高的數(shù)據(jù)速率，通過對現(xiàn)有網(wǎng)絡(luò)架構(gòu)進(jìn)行大的改動來提升數(shù)據(jù)速率和能效也不十分現(xiàn)實，這些都給傳統(tǒng)的同構(gòu)網(wǎng)絡(luò)帶來了巨大的挑戰(zhàn)。如果將具有較低功率的小型化基站(Small Cell)部署在傳統(tǒng)宏基站的覆蓋范圍之下，組成具有不同接入節(jié)點的異構(gòu)網(wǎng)絡(luò)(HetNets)將能夠有效地解決上述挑戰(zhàn)。Small Cell作為宏基站的有效補充，縮短了網(wǎng)絡(luò)與用戶的距離，使得利用高頻段進(jìn)行無線通信成為可能，同時由于采用同頻部署的方式也增加了無線資源的復(fù)用率。同時小型化體積的特點使得Small Cell能夠靈活部署在業(yè)務(wù)量需求比較集中的熱點區(qū)域，實現(xiàn)提升網(wǎng)絡(luò)容量和覆蓋范圍的效果。但是將Small Cell引入傳統(tǒng)宏蜂窩網(wǎng)絡(luò)在獲得上述增益的同時，也帶來了新的挑戰(zhàn)。在HetNets中為了增加網(wǎng)絡(luò)的吞吐量和網(wǎng)絡(luò)的服務(wù)質(zhì)量，不斷地增加Small Cell的部署密度，這不僅增加了HetNets內(nèi)部同層干擾和跨層干擾問題，也會使得當(dāng)網(wǎng)絡(luò)處于低負(fù)載階段時造成多余的能源消耗。基于上述問題的分析，對HetNets能效優(yōu)化方面的改進(jìn)任有巨大的空間。

目前，業(yè)界已對HetNets中的能效技術(shù)展開了廣泛討論與深入研究。由于傳統(tǒng)宏基站是為了保證能夠獲得較大的覆蓋范圍，不能夠?qū)昊静捎眯菝卟呗?，有學(xué)者提出在HetNets中對微微基站(Pico BS)引入休眠功能，通過休眠策略保證合適的Pico BS滿足實際的負(fù)載需求，關(guān)閉冗余的Pico BS以達(dá)到節(jié)能的目的，這樣有效地實現(xiàn)了網(wǎng)絡(luò)的節(jié)能。然而基站休眠技術(shù)為網(wǎng)絡(luò)帶來能效提升的同時也給網(wǎng)絡(luò)造成了覆蓋漏洞和服務(wù)質(zhì)量下降等問題，由于HetNets環(huán)境本身具有復(fù)雜性和隨機(jī)性的特點，設(shè)計休眠方案時需要綜合考慮網(wǎng)絡(luò)中的諸多因素，比如網(wǎng)絡(luò)容量、覆蓋范圍以及小區(qū)之間的干擾問題，一個高效的基站休眠算法應(yīng)該同時兼顧上述問題和節(jié)能問題。此外，天線的垂直傾角作為無線接入網(wǎng)絡(luò)中影響系統(tǒng)覆蓋和容量性能的一個關(guān)鍵因素，大量的研究表明，在優(yōu)化過程中通過對天線傾角的優(yōu)化調(diào)整可以實現(xiàn)對網(wǎng)絡(luò)整體覆蓋性能和容量性能的提升，同時在一定程度上實現(xiàn)了對能效優(yōu)化的目的。需要注意的是，由于HetNets網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，存在大量的系統(tǒng)參數(shù)，如果對基站進(jìn)行優(yōu)化配置則會造成巨大的成本和工作量。這兩種方法各有利弊，如何將它們結(jié)合起來，達(dá)到優(yōu)勢互補，成為研究的難題，這也為新型節(jié)能算法的發(fā)展提供了很好地思路。

技術(shù)實現(xiàn)要素：

發(fā)明目的：為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法。本發(fā)明針對HetNets場景，提出一種基于聯(lián)合基站休眠技術(shù)和扇區(qū)傾角調(diào)整技術(shù)的新型基站節(jié)能方法。其中，對HetNets中的Pico BS進(jìn)行休眠處理，利用設(shè)計的效用函數(shù)作為選取休眠測試的依據(jù)，若Pico BS能夠成功進(jìn)入休眠狀態(tài)，則進(jìn)一步對其所在的扇區(qū)簇中的扇區(qū)傾角進(jìn)行聯(lián)合優(yōu)化，將設(shè)計的傾角性能指標(biāo)函數(shù)作為最優(yōu)目標(biāo)函數(shù)，通過設(shè)計的傾角優(yōu)化方案尋找最優(yōu)傾角組合。通過對網(wǎng)絡(luò)中所有的Pico BS進(jìn)行休眠測試之后，利用SON架構(gòu)的自配置功能實現(xiàn)對HetNets中宏扇區(qū)傾角的優(yōu)化配置。

技術(shù)方案：一種基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法，在宏基站保證網(wǎng)絡(luò)覆蓋的條件下，集中對HetNets中微基站的工作模式以及宏基站的電下傾角進(jìn)行控制處理，實現(xiàn)對網(wǎng)絡(luò)的動態(tài)調(diào)整，利用集中式SON結(jié)構(gòu)完成對網(wǎng)絡(luò)中Pico BS的休眠處理和宏扇區(qū)天線傾角調(diào)整算法的統(tǒng)一執(zhí)行，最后利用自配置功能實現(xiàn)遠(yuǎn)程配置網(wǎng)絡(luò)參數(shù)。

進(jìn)一步的實施例中，提供一種基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法，在宏基站保持網(wǎng)絡(luò)覆蓋的條件下，采用集中式SON架構(gòu)對微基站的工作模式以及宏基站的電下傾角進(jìn)行控制，實現(xiàn)對網(wǎng)絡(luò)的動態(tài)調(diào)整；

利用SON收集到的關(guān)于基站和用戶的關(guān)鍵性能指標(biāo)，計算每個微基站的效用函數(shù)值并對其排序，逐個對具有較小效用函數(shù)值的微基站進(jìn)行休眠測試；

若微基站進(jìn)入休眠，對其所在的宏扇區(qū)基站的天線電下傾角進(jìn)行優(yōu)化調(diào)整。

優(yōu)選的，該方法進(jìn)一步為：

步驟1、獲取網(wǎng)絡(luò)服務(wù)狀態(tài)信息和宏扇區(qū)基站天線電下傾角信息；

步驟2、根據(jù)設(shè)計的效用函數(shù)計算所有微基站的效用函數(shù)值并進(jìn)行排序；按照效用函數(shù)值從小到大的順序依次對每一個微基站進(jìn)行休眠測試；

步驟3、若微基站能夠成功進(jìn)行休眠狀態(tài)，將該微基站所在扇區(qū)作為扇區(qū)簇中心進(jìn)行成簇處理，對扇區(qū)簇中的扇區(qū)傾角進(jìn)行優(yōu)化調(diào)整；

步驟4、通過SON的自配置功能對HetNets中宏扇區(qū)的傾角進(jìn)行集中配置。

優(yōu)選的，在步驟1中，對網(wǎng)絡(luò)狀態(tài)服務(wù)信息進(jìn)行收集和處理：收集微基站服務(wù)的用戶數(shù)據(jù)速率信息、微基站負(fù)載信息以及微基站歷史記錄的阻塞概率信息。

優(yōu)選的，在步驟2中，微基站p的效用函數(shù)表示為：

其中，α、β、χ分別表示權(quán)重因子，滿足α+β+χ＝1，R_p表示微基站p的平均用戶速率，R_max表示示微基站p的最大用戶速率，L_max表示微基站p的最大負(fù)載，W_max表示W(wǎng)_p的最大值，R_p表示為：

其中，表示微基站p的用戶集合，L_p表示微基站p的負(fù)載情況，L_p表示為：

其中，N_use表示微基站中被占用的資源塊，N_RB表示微基站中總的資源塊數(shù)，W_p是基于微基站歷史記錄的阻塞概率的函數(shù)，W_p表示為：

W_p考慮了微基站p可接受服務(wù)的UE數(shù)量N_served,p以及在該微基站p范圍內(nèi)被阻塞的UE數(shù)量N_blocked,p，P_blocked,th表示阻塞概率門限值。

優(yōu)選的，在步驟2中，對微基站進(jìn)行休眠測試的過程為：根據(jù)設(shè)計的效用函數(shù)計算每一個微基站的效用函數(shù)值的大小并排序，依次對效用函數(shù)值小于預(yù)定值的微基站進(jìn)行休眠測試；如果被測試微基站可將用戶完全轉(zhuǎn)移，那么該微基站進(jìn)入休眠轉(zhuǎn)態(tài)；

將服務(wù)的全部用戶移交到鄰近宏基站或微基站，更新微基站集合；如果不能將用戶完全轉(zhuǎn)移，則保持開啟狀態(tài)，更新微基站集合。

優(yōu)選的，當(dāng)測試微基站順利進(jìn)入休眠狀態(tài)，則以該微基站所在扇區(qū)為中心，進(jìn)行成簇處理，對扇區(qū)簇中的扇區(qū)進(jìn)行傾角調(diào)整，基于扇區(qū)傾角的調(diào)整對扇區(qū)頻譜效率和周圍用戶干擾選擇保證目標(biāo)函數(shù)：

大于預(yù)定值的傾角組合作為最優(yōu)傾角信息，對扇區(qū)傾角進(jìn)行調(diào)整；其中，S_m,avg(β)、S_m,_edge(β)、I_p,total和I_i,total分別表示為：

其中，R_m，u(β)、分別表示用戶u、邊緣用戶u_edge在宏站扇區(qū)m上獲得的數(shù)據(jù)速率；

RB_m，u、分別表示宏站扇區(qū)m的用戶u和邊緣用戶u_edge得到的資源塊；

表示資源占用指示器，當(dāng)宏站扇區(qū)i的第n個RB塊被占用時，為1，反之為0；表示宏站扇區(qū)i的第n個RB塊上的功率，表示從宏站扇區(qū)i到UE u，在第n個RB塊上的平均信道增益；

表示資源占用指示器，當(dāng)微基站p的第n個RB塊被占用時，為1，反之為0，表示微基站p的第n個RB塊上的功率，表示用戶u接收來自微基站p的第n個RB塊的信道增益的對數(shù)值；β表示由宏扇區(qū)天線傾角組成的角度矢量，表示微微基站p的集合，表示宏站扇區(qū)m的集合；

a，b，w_avg，w_edge表示效用函數(shù)需要考慮因素的加權(quán)系數(shù)，滿足a+b＝1，w_avg和w_edge的單位為1/bits/s/Hz；

S_m,avg和S_m,edge分別表示扇區(qū)m的平均頻譜效率和邊緣頻譜效率，其中邊緣頻譜效率是按照整個頻譜效率分布的5％計算；

w_avg和w_edge作為頻譜效率的加權(quán)因子來影響效用函數(shù)對S_m,avg和S_m,edge的側(cè)重；

I_p,total表示周圍微基站的用戶受到來自宏扇區(qū)m的干擾信號強度，

I_i,total表示周圍宏基站中的用戶受到宏站扇區(qū)m的干擾信號強度，然后宏站扇區(qū)m計算干擾信息并將信息發(fā)送給OAM，帶下標(biāo)的max表示的是相應(yīng)因素的最大值，這些信息用來進(jìn)行歸一化處理，上述用來計算宏扇區(qū)效用函數(shù)的參數(shù)信息都是通過OAM集中收集處理得到的。

優(yōu)選的，對待休眠微基站所在的扇區(qū)進(jìn)行成簇處理，根據(jù)目標(biāo)扇區(qū)對周圍扇區(qū)產(chǎn)生影響的大小決定是否成簇，當(dāng)扇區(qū)傾角變化對周圍扇區(qū)產(chǎn)生的影響大于預(yù)期值的宏扇區(qū)作為一個扇區(qū)簇單元來研究。

優(yōu)選的，對扇區(qū)簇中的扇區(qū)進(jìn)行統(tǒng)一傾角調(diào)整，將傾角調(diào)整問題作為一個尋找最優(yōu)化目標(biāo)的問題來處理，傾角優(yōu)化過程具體如下：

4)假設(shè)對扇區(qū)簇中的扇區(qū)傾角按照給出的規(guī)則求導(dǎo)：

其中集合S中的扇區(qū)表示在扇區(qū)中可能造成局部最小點的扇區(qū)，最后求出歸一化常數(shù)T為保證目標(biāo)函數(shù)T_m的一般形式；

5)求出預(yù)調(diào)傾角矢量其中m∈M,k∈K，

其中

M表示宏站扇區(qū)m的集合；K為限制最優(yōu)解的次數(shù)；K取10；

6)根據(jù)下列公式

確定最佳的天線傾角矢量。

優(yōu)選的，步驟3中，按照微基站效用函數(shù)值的大小對網(wǎng)絡(luò)中的微基站進(jìn)行休眠測試，對能夠成功進(jìn)行休眠的微基站所在扇區(qū)簇中的扇區(qū)進(jìn)行聯(lián)合傾角優(yōu)化調(diào)整；循環(huán)上述過程，直到所有微基站都被測試為止。

優(yōu)選的，步驟4中，當(dāng)網(wǎng)絡(luò)完成了對所有微基站的休眠測試以及扇區(qū)傾角的調(diào)整，通過SON的自配置功能對異構(gòu)網(wǎng)絡(luò)中宏扇區(qū)的傾角進(jìn)行配置。

有益效果：本發(fā)明實施例提供的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法，具有如下優(yōu)點：

1、本方法利用了基站休眠技術(shù)能夠有效降低網(wǎng)絡(luò)能耗的特點，針對HetNets中的Pico BS設(shè)計了一種將基站休眠和傾角調(diào)整技術(shù)結(jié)合的新型節(jié)能算法，集中式SON架構(gòu)中OAM平臺根據(jù)設(shè)計的Pico BS效用函數(shù)對基站的服務(wù)狀態(tài)信息進(jìn)行集中處理來確定需要休眠的基站，能夠在宏觀上實現(xiàn)對網(wǎng)絡(luò)整體節(jié)能效果和網(wǎng)絡(luò)性能的權(quán)衡；

2、本方法在基站休眠的基礎(chǔ)上增加了對宏扇區(qū)天線傾角的調(diào)整，利用傾角的改變來彌補由于Pico BS的關(guān)閉造成的網(wǎng)絡(luò)覆蓋漏洞和服務(wù)質(zhì)量下降的問題。此外，在設(shè)計的傾角調(diào)整性能函數(shù)中充分體現(xiàn)了對基站的頻譜效率和干擾的考慮，有利于提高系統(tǒng)頻譜利用率和吞吐量性能。

3、本方法在實現(xiàn)傾角調(diào)整動態(tài)扇區(qū)休眠算法時考慮采用了集中式SON來實現(xiàn)算法方案和網(wǎng)絡(luò)配置，這樣即有效地提高了網(wǎng)絡(luò)的反應(yīng)速度，也減少了營運成本以及網(wǎng)絡(luò)建設(shè)成本在內(nèi)的固定資產(chǎn)投入。

附圖說明

圖1為本發(fā)明實施例提供的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法的實施流程圖。

圖2為本發(fā)明實施例提供的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法的實例場景圖。

圖3為本發(fā)明實施例提供的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法的集中式SON架構(gòu)示意圖。

圖4為本發(fā)明實施例提供的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法的扇區(qū)成簇原理圖。

具體實施方式

下面結(jié)合具體實施例和說明書附圖，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對本發(fā)明的各種等價形式的修改均落于本申請所附權(quán)利要求所限定的范圍。

如圖1所示，一種閉合式SON結(jié)構(gòu)的基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法的實現(xiàn)原理圖。其中HetNets場景中宏基站位于小區(qū)中心，將Pico BS隨機(jī)部署到宏扇區(qū)周圍，由宏扇區(qū)天線傾角組成的傾角矢量為β。采用OFDMA作為下行接入方式，根據(jù)LTE協(xié)議，將時頻資源塊作為業(yè)務(wù)調(diào)度的基本單位，當(dāng)Pico BS被關(guān)閉時，通過改變宏扇區(qū)天線傾角大小來改變扇區(qū)的覆蓋范圍以及用戶的信道情況，具體的步驟如下：

步驟一、集中式SON架構(gòu)的OAM通過與HetNets中基站之間的接口獲取網(wǎng)絡(luò)服務(wù)狀態(tài)信息和宏扇區(qū)基站天線電下傾角信息，其中網(wǎng)絡(luò)服務(wù)狀態(tài)信息主要包含基站服務(wù)的用戶數(shù)、負(fù)載情況、基站的歷史阻塞概率以及資源塊占用情況等信息，這些信息將用來決定基站的休眠和傾角的調(diào)整；

步驟二、根據(jù)步驟一中收集到的關(guān)于HetNets中Pico BS的服務(wù)狀態(tài)情況，利用設(shè)計的微基站效用函數(shù)計算每一個微基站的效用函數(shù)值，選擇函數(shù)值最小的Pico BS作為休眠測試基站。如果待測試Pico BS能夠把全部用戶移交到鄰近基站，則該Pico BS能夠進(jìn)入休眠狀態(tài)。否則，該測試基站不能進(jìn)入休眠狀態(tài)，更新待測試基站集合；

步驟三、當(dāng)測試微基站順利進(jìn)入休眠狀態(tài)，則以該Pico BS所在扇區(qū)為扇區(qū)簇中心，進(jìn)行成簇處理，扇區(qū)成簇的依據(jù)是根據(jù)目標(biāo)扇區(qū)中心對周圍扇區(qū)產(chǎn)生影響的大小決定扇區(qū)簇包含的扇區(qū)，即當(dāng)目標(biāo)扇區(qū)中心傾角發(fā)生變化時對周圍扇區(qū)產(chǎn)生明顯影響的宏扇區(qū)作為一個扇區(qū)簇單元來研究。接著對扇區(qū)簇中的扇區(qū)進(jìn)行聯(lián)合傾角優(yōu)化調(diào)整。定義傾角調(diào)整設(shè)計的性能指標(biāo)函數(shù)為

將該函數(shù)作為傾角優(yōu)化調(diào)整的目標(biāo)函數(shù)，根據(jù)本發(fā)明設(shè)計的梯度上升法實現(xiàn)尋找最優(yōu)傾角的優(yōu)化算法，梯度上升法具體過程如下，首先對性能指標(biāo)函數(shù)進(jìn)行求導(dǎo)，其中集合S中的扇區(qū)表示在扇區(qū)中可能造成局部最小點的扇區(qū)，利用求導(dǎo)結(jié)果求出歸一化常數(shù)然后，求出預(yù)調(diào)傾角矢量,其中m∈P,k∈K。最后，根據(jù)最優(yōu)傾角原則確定最佳的天線傾角矢量。

步驟四、循環(huán)執(zhí)行步驟三，直到所有微基站都經(jīng)過測試為止。當(dāng)網(wǎng)絡(luò)完成了對所有微基站的休眠測試以及扇區(qū)傾角的調(diào)整，通過SON的自配置功能對異構(gòu)網(wǎng)絡(luò)中宏扇區(qū)的傾角進(jìn)行配置。

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，下面舉實施例并參照附圖對基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法進(jìn)行詳細(xì)的描述。

實施例1：本發(fā)明公開了一種基于集中式自組織網(wǎng)絡(luò)架構(gòu)的傾角調(diào)整動態(tài)扇區(qū)休眠方法，在典型的包含19個宏基站和228個Pico BS組成的HetNets場景中使用Matlab軟件仿真，場景如圖2所示，具體包含步驟：

(1)基站信息收集：集中式SON網(wǎng)絡(luò)架構(gòu)的特點在于實現(xiàn)SON的核心平臺OAM集中在MME/S-GW一側(cè)，這樣能夠有效地集中完成對網(wǎng)絡(luò)的自優(yōu)化和自配置功能。OAM通過與基站之間的接口S1以及基站與基站之間的接口X2獲取網(wǎng)絡(luò)服務(wù)狀態(tài)信息和宏扇區(qū)基站天線電下傾角信息，如圖3所示。其中網(wǎng)絡(luò)服務(wù)狀態(tài)信息主要包含基站服務(wù)的用戶數(shù)、負(fù)載情況、基站的歷史阻塞概率以及資源塊占用情況等關(guān)鍵性能信息(KPI)，這些信息將用來決定基站的休眠和傾角的調(diào)整；

(2)Pico BS的休眠測試：在OAM平臺中對收集到的網(wǎng)絡(luò)服務(wù)信息進(jìn)行處理，假設(shè)微基站集合為利用微基站效用函數(shù)計算每一個微基站的效用函數(shù)值進(jìn)行排序，選擇函數(shù)值最小的Pico BS p_test作為休眠測試基站。如果待測試Pico BS p_test能夠把全部用戶移交到鄰近基站，表示該Pico BS能夠進(jìn)入休眠狀態(tài)。否則，該測試基站不能進(jìn)入休眠狀態(tài)。更新待測試基站集合

(3)宏扇區(qū)天線傾角調(diào)整：當(dāng)測試微基站p_test順利進(jìn)入休眠狀態(tài)，將該Pico BS所在扇區(qū)作為扇區(qū)簇中心，進(jìn)行成簇處理，形成的扇區(qū)簇集合為扇區(qū)成簇的依據(jù)是根據(jù)目標(biāo)扇區(qū)中心對周圍扇區(qū)產(chǎn)生影響的大小決定扇區(qū)簇包含的扇區(qū)，即當(dāng)目標(biāo)扇區(qū)中心傾角發(fā)生變化時對周圍扇區(qū)產(chǎn)生明顯影響的宏扇區(qū)作為一個扇區(qū)簇單元來研究，如圖4所示。接著對扇區(qū)簇中的扇區(qū)進(jìn)行聯(lián)合傾角優(yōu)化調(diào)整。將傾角調(diào)整性能指標(biāo)函數(shù)：作為傾角優(yōu)化調(diào)整的目標(biāo)函數(shù)，利用梯度上升法對性能指標(biāo)函數(shù)進(jìn)行最優(yōu)化搜索，首先對性能指標(biāo)函數(shù)進(jìn)行求導(dǎo)，即

其中

集合S中的扇區(qū)表示在扇區(qū)中可能造成局部最小點的扇區(qū)，利用求導(dǎo)結(jié)果求出歸一化常數(shù)然后，求出預(yù)調(diào)傾角矢量,其中m∈P,k∈K。最后，根據(jù)最優(yōu)傾角原則確定最佳的天線傾角矢量，將最優(yōu)傾角組合賦值給天線傾角矢量

(4)遠(yuǎn)程配置網(wǎng)絡(luò)：當(dāng)結(jié)束傾角調(diào)整算法之后，當(dāng)網(wǎng)絡(luò)完成了對所有微基站的休眠測試以及扇區(qū)傾角的調(diào)整，通過SON的自配置功能對異構(gòu)網(wǎng)絡(luò)中宏扇區(qū)的傾角進(jìn)行配置，如圖1所示，展示了整個發(fā)明的執(zhí)行原理圖。

(5)該實施例的處理過程如下：

1.初始化宏扇區(qū)集合為Pico BS集合為由所有宏扇區(qū)天線傾角組成的傾角矢量為其中傾角對應(yīng)的是宏扇區(qū)傾角度數(shù)。初始階段休眠的Pico BS集合開啟的Pico BS集合

2.根據(jù)OAM收集網(wǎng)絡(luò)服務(wù)狀態(tài)信息和每一個扇區(qū)的傾角情況，計算集合中所有Pico BS的效用函數(shù)值并排序，將具有最小效用函數(shù)的Pico作為測試基站，其所在的宏扇區(qū)為m_test；

3.嘗試將Pico BS s_test的用戶轉(zhuǎn)移到鄰近的Macro BS或Pico BS，按照用戶的頻譜效率大小作為用戶轉(zhuǎn)移順序的判斷準(zhǔn)則，優(yōu)先考慮轉(zhuǎn)移頻譜效率低的用戶；

4.如果Pico BS s_test能夠?qū)⒂檬耆D(zhuǎn)移，那么s_test可以進(jìn)入休眠轉(zhuǎn)態(tài)。首先，將s_test服務(wù)的全部用戶移交到鄰近Macro BS或Pico BS，然后更新基站集合如果s_test不能夠?qū)⒂脩敉耆D(zhuǎn)移，則保持s_test開啟狀態(tài)，更新基站集合

5.若Pico BS s_test成功進(jìn)行休眠處理，以扇區(qū)m_test為扇區(qū)中心，確定扇區(qū)簇對扇區(qū)簇進(jìn)行傾角優(yōu)化調(diào)整，通過調(diào)整扇區(qū)簇中天線傾角的大小實現(xiàn)覆蓋范圍和容量的優(yōu)化；否則，直接進(jìn)入步驟6；

6.更新基站集合判斷是否為空。如果不為空，則返回步驟2繼續(xù)執(zhí)行體眠策略，否則算法結(jié)束，完成休眠過程。

以上詳細(xì)描述了本發(fā)明的優(yōu)選實施方式，但是，本發(fā)明并不限于上述實施方式中的具體細(xì)節(jié)，在本發(fā)明的技術(shù)構(gòu)思范圍內(nèi)，可以對本發(fā)明的技術(shù)方案進(jìn)行多種等同變換，這些等同變換均屬于本發(fā)明的保護(hù)范圍。另外需要說明的是，在上述具體實施方式中所描述的各個具體技術(shù)特征，在不矛盾的情況下，可以通過任何合適的方式進(jìn)行組合。為了避免不必要的重復(fù)，本發(fā)明對各種可能的組合方式不再另行說明。