[发明专利]基于模糊神经网络的网络覆盖及容量优化系统及优化方法

权利要求书

1.基于模糊神经网络的网络覆盖及容量优化系统，其特征在于，所述系统包括：

多个分布式自组织模块，每个所述分布式自组织模块布置在一个基站中，并且每个所述分布式自组织模块周期性地利用模糊神经网络优化所在基站的天线仰角和发射功率；

集中式合作模块，所述集中式合作模块用于接收每个所述基站的分布式自组织模块的优化参数，并将所述优化参数进行处理后，作为优化经验发送到每个所述分布式自组织模块；

所述分布式自组织模块包括：

参数计算单元，用于周期性地统计并计算模糊神经网络的四个输入参量：基站天线仰角、基站发射功率、负载差异因子、频谱效率差异因子；

模糊化单元，用于根据隶属度函数将所述模糊神经网络的四个参量的具体数值转化成模糊化语言的形式；

模糊推理单元，用于根据模糊推理规则进行逻辑推理，得到模糊推理结果；

解模糊单元，用于根据所述隶属度函数将所述模糊推理结果转化成优化后的天线仰角和发射功率的精确输出量；

参数优化单元，用于将所述每个分布式自组织模块所在的基站的天线仰角以及发射功率分别调整为所述优化后的天线仰角和发射功率；

参数学习单元，用于根据所述优化后的天线仰角和发射功率计算所述分布式自组织模块所在基站的覆盖及容量性能，并对优化参数进行学习调整；

发送接收单元，用于将所述优化参数发送到所述集中式合作模块，并接收所述集中式合作模块发送的所述优化经验，并将所述优化 经验发送到所述模糊化单元和解模糊单元，以替换所述优化参数。

2.根据权利要求1所述的基于模糊神经网络的网络覆盖及容量优化系统，其特征在于，所述集中式合作模块根据接收到的多个上述分布式自组织模块的所述优化参数，计算出各项所述优化参数的算数平均值，并将各项计算后的优化参数作为上述优化经验发送到每个所述分布式自组织模块。

3.根据权利要求2所述的基于模糊神经网络的网络覆盖及容量优化系统，其特征在于，

所述优化参数包括所述模糊化单元和解模糊单元中的所述隶属度函数的隶属度函数中心和隶属度函数宽度参数。

4.一种使用上述权利要求1-3任意一项所述的基于模糊神经网络的网络覆盖及容量优化系统进行优化的方法，其特征在于，包括：

S1，使用每个分布式自组织模块周期性地利用模糊神经网络分别对所在基站的天线仰角和发射功率进行优化；

S2，每个所述分布式自组织模块将优化参数发送到集中式合作模块；

S3，所述集中式合作模块将接收的多个所述优化参数进行计算，并将计算后的优化参数作为优化经验分别发送到每个所述分布式自组织模块；

S4，每个所述分布式自组织模块使用收到的所述优化经验分别替换所述优化参数；

其中，所述步骤S1具体包括：

S11，周期性统计计算模糊神经网络的四个输入参量：当前基站天线仰角、当前基站发射功率、负载差异因子、频谱效率差异因子；

S12，模糊化过程：根据隶属度函数将模糊神经网络的四个输入参量的具体数值转化成模糊化语言的形式；

S13，模糊推理过程：根据模糊推理规则进行逻辑推理，得到模 糊推理结果；

S14，解模糊过程：根据所述隶属度函数将模糊推理结果转化成优化后的天线仰角和发射功率的精确输出量；

S15，参数优化：将所述分布式自组织模块所在的基站的天线仰角以及发射功率分别调整为优化后的天线仰角和发射功率；

S16，根据所述优化后的天线仰角和发射功率计算所述分布式自组织模块所在基站的覆盖以及容量性能，对优化参数进行学习调整。

5.根据权利要求4所述的基于模糊神经网络的网络覆盖及容量优化系统进行优化的方法，其特征在于，所述步骤S3具体包括：

所述集中式合作模块根据接收到的多个所述分布式自组织模块的优化参数，计算出各项所述优化参数的算数平均值，并将各项计算后的优化参数作为优化经验发送到每个所述分布式自组织模块。

6.根据权利要求5所述的基于模糊神经网络的网络覆盖及容量优化系统进行优化的方法，其特征在于，

所述优化参数包括所述模糊化过程和解模糊过程中的所述隶属度函数的隶属度函数中心和隶属度函数宽度参数。