[发明专利]多频多模网络的配置方法及设备

说明书

本发明的实施例提供一种多频多模网络的配置方法及设备，其中方法包括：对多频多模网络的扇区进行特征聚类处理，得到处理结果；根据所述处理结果，对网络配置参数与网络性能参数的关系模型进行训练，得到训练后的关系模型；将所述多频多模网络的实时网络配置参数以及网络性能参数，输入所述训练后的关系模型，输出优化网络性能参数对应的网络配置参数；根据所述网络配置参数，对所述多频多模网络进行配置。本发明的方案可以提高参数配置的质量和效率。

技术领域

本发明涉及通信技术领域，特别是指一种多频多模网络的配置方法及设备。

背景技术

TDD(时分复用)+FDD(频分复用)融合组网解决容量、深度覆盖、竞争三重网络挑战，当前FDD1800M终端渗透率为60％-70％，900M为10-20％，基于目标网考虑TF“协同”及“演进”关系，TF深度融合，提升网络竞争力，多频多模网络结构如图1所示，如：扇区A下有D1D2D3FDD1800F1F2FDD9007个频点。

负载均衡问题是多频多模网络所要解决的重大问题。针对多频多模网络结构，通常一个扇区配置一套参数，用来做负载均衡。

目前的技术方案以网优工程师的经验为准绳，针对多频多模网络的具体频点组成对资源配置、频点配置以及边界电平等相关参数进行配置，策略举例如下(参数表格旨在说明参数配置形式，数值并不具实际意义)：

边界电平说明：容量层边界电平-D/FDD1800(D)表示D和FDD1800边界D的电平值；

容量层边界电平-D/FDD1800(FDD1800)表示D和FDD1800边界FDD1800的电平值。

现有的技术方案对多频多模网络不同的场景均采用一套通用的参数配置，当网络负载出现问题时，再依据经验进行参数调整，耗费大量人力。由于不同场景下的参数配置与网络质量的相关性十分复杂，仅依靠人工经验很难做到精细化的参数配置，并且人工经验没有依据大数据甚至仅仅参考碎片化的小数据来进行经验总结，难以挖掘数据之间的隐藏关系以及利用这些关系提高网优工作的质量和效率，目前的技术自动化和精细化程度不高。

发明内容

本发明提供了一种多频多模网络的配置方法及设备，可以提高参数配置的质量和效率，提高网优工作的质量和效率。

为解决上述技术问题，本发明的实施例提供如下方案：

一种多频多模网络的配置方法，包括：

对多频多模网络的扇区进行特征聚类处理，得到处理结果；

根据所述处理结果，对网络配置参数与网络性能参数的关系模型进行训练，得到训练后的关系模型；

将所述多频多模网络的实时网络配置参数以及网络性能参数，输入所述训练后的关系模型，输出优化网络性能参数对应的网络配置参数；

根据所述网络配置参数，对所述多频多模网络进行配置。

其中，对多频多模网络的扇区进行特征聚类处理，得到处理结果，包括：

获取所述多频多模网络中扇区用于聚类的可用数据；

根据所述可用数据，对所述多频多模网络的扇区进行特征聚类处理，得到至少一个扇区类簇。

其中，获取所述多频多模网络中扇区用于聚类的可用数据，包括：

获取所述多频多模网络的一预设时间段内的预设数量扇区的历史数据；

对所述历史数据进行处理，得到用于模型训练的可用数据，所述可用数据包括：所述多频多模网络的各扇区的测量报告数据。