当前位置: 首页 > news >正文

一种基于改进粒子群的多小区天线联合优化算法

【摘  要】针对基站天线参数调优问题,提出了一种用于在庞大离散空间中搜索最优解的优化算法,该算法借鉴了粒子群算法的基本概念,分为三个步骤。第一步为随机筛选,挑选出一批较为优秀的个体组成粒子群;第二步为大步长调节,通过大范围搜索提高寻优效率;第三步为小步长调节,在迭代时只做细微调节进行局部查找,最终能找到最优解。通过直接操作场强矩阵计算综合覆盖率,得到最佳覆盖率时对应的天线参数组合,从而给多小区联合调优提供指导。实验证明该算法能够在多小区联合优化中取得良好的效果。

【关键词】最优解;天线参数;粒子群算法

0   引言

通信网络的架设和参数调整是一项耗时和艰巨的任务,需要权衡各种因素,使得网络在满足一定需求的条件下成本尽量降低。在移动网络的覆盖中,需要综合调整小区天线的各项参数,使目标区域的信号质量满足通信需求。各区域地貌不同,所以没有通用的参数调整方案,实际工作中往往需要根据工程师的经验来进行调整,并通过路测来检验信号质量。

高效的天线参数优化算法能直接计算得到天线的各项参数指标,将能减少资源消耗。在这方面,已有一些前期研究:夏永康等人提出了一种基于黄金分割搜索的针对能效的天线下倾角自优化算法[1];潘如君等人提出了一种基于改进粒子群的天线下倾角调整方案,该方案通过调整基站的天线倾角来优化网络覆盖[2];史黛君等人提出了一种基于权值的TD-LTE天线覆盖优化方法,主要通过调整天线主瓣方向角来优化[3]。这些方法都取得了一定效果但只考虑到单一因素,而在建筑密集地区,由于天线间相互影响,需要综合考虑天线的各项因素,单独调整某个参数不能取得良好

http://www.dtcms.com/a/447.html

相关文章:

  • SAP如何删除一个已经释放的请求 (SE38 : RDDIT076)
  • [附源码]Python计算机毕业设计Django医院门诊管理信息系统
  • 【C++】继承与面向对象设计
  • Qt之天气预报——界面优化篇(含源码+注释)
  • 对于LayoutInflater.from(this).inflate()方法的理解
  • koa 使用
  • promise执行顺序面试题令我头秃,你能作对几道
  • <Linux进程通信之共享内存>——《Linux》
  • Go项目实战:02-微服务micro services
  • 清越科技将开启申购:预计募资约8亿元,高裕弟为实际控制人
  • 【Linux】shell 及权限理解
  • 【C语言刷题】PTA基础编程题目集精选
  • CSS实现文字扫光特效
  • vue前端案例教学:动态获取最新疫情数据展示(代码详解)
  • Part9:RPA核心技术之抓屏技术
  • 关于缓存与数据双写一致性问题(清晰易懂)
  • 2022 年时间序列分析最顶流的 Python 库
  • Typora入门教程
  • CSC7720
  • 编译Nginx源码(windows10及centos7)
  • Elasticsearch入门、API操作
  • Linux--进程控制
  • Python——字典
  • 机器学习必会面试知识点
  • C#基于ASP.NET的人事薪资管理系统
  • 上传项目代码到Github|Gitee
  • 中小企业OA系统的设计与实现
  • 直播弹幕系统(二)- 整合RabbitMQ进行消息广播和异步处理
  • NR RedCap UE关键技术与标准化进展
  • CARIS11.4基本使用流程及其bug