[发明专利]一种Massive MIMO单小区权值优化方法

说明书

本发明公开了一种Massive MIMO单小区权值优化方法，包括步骤：S1获取数据；S2确认待优化小区：根据运营商的KPI数据及业务需求确认待优化的小区；S3强化学习输出调整权值：结合小区的KPI数据的指标和用户的采样点位置分布，给出候选权值动作组合，选择波束权值方案对候选权值进行强化学习并调整，输出调整权值；S4现网执行：将步骤S3中选择的波束权值方案在现网中执行，并收集反馈后的数据；S5判断是否继续优化：根据收集的反馈数据，判断是否完成优化，若完成优化，则结束该小区的优化过程；若未完成，则返回步骤S3，并循环步骤S3~S5，直至完成优化，并将小区的Q‑table保存。

技术领域

本发明涉及无线通信网络技术领域，尤其是涉及一种Massive MIMO单小区权值优化方法。

背景技术

随着5G 毫米波的引入，为了解决受限于毫米波传输距离的限制，提出了采用Massive MIMO的天线技术，用以弥补5G传输距离受限的问题。2019年5G建设元年，大量Massive MIMO入网，解决传输距离受限之外，其支持超高接入速率的优势愈发明显，运营商开始在4G网络采用支持超高接入速率的Massive MIMO，以缓解热点区域以及日益增长的流量需求。

随着5G建设进度推进，大量采用Massive MIMO的5G基站逐步入网，同时4GMassive MIMO基站也快速增加，导致3/4/5G无线环境更加复杂，给RF（Radio Frequency）优化带来巨大挑战。

传统RF调整以工程师的人工经验为主导，无法定量分析确定最优调整方案，存在着重复调整效率低，区域影响考虑不足全面性差，分析数据源单一，优化效果难以保证等问题。如何对传统优化中资源投入最大的无线天馈优化这部分工作进行流程化，标准化，自动化，做到定性分析、定量调整，是目前亟待研究的课题。

Massive MIMO天线具备使用权值控制波束来实现RF天馈权优化，权值主要涉及到具体的波束相位、振幅以及电子下倾角等参数的调整，其参数组合优化的候选空间解达到数百万种，异常复杂，远超出人脑可以计算空间。

因此，有必要开发出一套基于智能算法实现Massive MIMO天线波束权值优化的方法，借助人工智能技术来实现，以达到外场RF天馈优化、提高无线通信系统吞吐量、提高用户感知和降低干扰的目的。

发明内容

本发明要解决的技术问题是，提供一种Massive MIMO单小区权值优化方法，借助人工智能技术来实现，以达到外场RF天馈优化、提高无线通信系统吞吐量、提高用户感知和降低干扰的目的。

为了解决上述技术问题，本发明采用的技术方案是：该Massive MIMO单小区权值优化方法，具体包括以下步骤：

S1获取数据：数据包括运营商的KPI数据和工程参数、MR覆盖率、现网权值配置参数和MR采样点数据；

S2确认待优化小区：根据运营商的KPI数据及业务需求确认待优化的小区；

S3强化学习输出调整权值：结合小区的KPI数据的指标和用户的采样点位置分布，给出候选权值动作组合，选择波束权值方案对候选权值进行强化学习并调整，输出调整权值；

S4现网执行：将步骤S3中选择的波束权值方案在现网中执行，并收集反馈后的数据，获得反馈数据；

S5判断是否继续优化：根据收集的反馈数据，判断是否完成优化，若完成优化，则结束该小区的优化过程；若未完成，则返回步骤S3，并循环步骤S3~S5，直至完成优化，并将小区的Q-table保存。