移动通信4G网络优化分析.doc

《移动通信4G网络优化分析.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、移动通信4G网络优化分析摘要：本文基于TD-LTE网络优化的思路，根据TD-LTE网络参数配置与关键TD-LTE网络指标间的关联性，采用“扁平化”网络架构和多样化TD-LTE网络优化方法，从网络部署场景、运营、用户行为三个维度，构建了精细化的TD-LTE网络KPI体系。在此基础上，基于云计算将移动通信4G网络结构划分为数据存储层、数据处理层、网优业务逻辑层及人机交互层4层，并针对私有云等几种关键4G网络优化技术展开分析。关键词：云计算；移动通信；4G网络“网络优化”是保障4G通信网络正常、稳定、高速运行的重要手段，但网络优化工作复杂

2、，技术难度大，运营成本高。当前4G网络快速普及，移动互联网技术迅猛发展，从而使4G移动网络主流数据业务逐渐增多，由此对移动通信4G网络优化技术提出更高的要求[1]。在此背景下，本研究基于云计算技术，结合4G网络优化需求，以TD-LTE为核心，根据TD-LTE4G网络优化测量数据的典型特征，提出一种扁平化的TD-LTE网络优化架构。1基于云计算的移动通信4G网络优化总体思路5学海无涯1.1构建移动通信。4GTD-LTE网络关键性能指标体系随着互联网技术及网络通讯技术的快速发展，以TD-LTE为核心的新一代移动通信4G网络采用分组形式进

3、行网络传输，所以传统的2G、3G系统网络不再适用于TD-LTE系统。本文基于“端到端”的形式及“扁平化”网络架构，采用云计算建立更为精细化的移动通信4GTD-LTE网络关键性能指标体系。1.2加入关键性指标。在2G、3G指标基础上，需在新一代移动通信网络指标体系中，加入关键性指标，如LTE网络真实性能指标。通过对这些关键性能指标，如移动通信4G网络吞吐量、TD-LTE网络覆盖率、小区边缘TD-LTE网络频率利用率、平均频率利用率、移动通信4G网络掉话率、切换/接入延时、公平性、TD-LTE网络阻塞率、用户网络满意度等进行整合、分析，

4、并找到与这些关键指标相关联的重要参数，从而为云计算背景下移动通信4G网络优化提供技术支持。这些关键性指标不仅与无线配置参数、基站工程参数以及网络频率分配率、无线使用方式等移动通信4G网络工程参数密切关联，还关系到整个移动通信4G网络的管理、无线资源的管理调配以及网络调试[2]。1.3无线网络管理。在无线网络管理方面，基于OFDM正交频分复用技术可对系统宽带、时隙配置、帧结构、无线资源接入切换过程、MIMO适用场景、配置方式甚至调度、算法以及分配过程等进行合理优化。基于上述关键性能指标，可基于LTE系统实现移动通信4G网络组网参数灵活

5、选择与网络配置。1.4网络优化。在网络优化过程中，只有识别无线资源管理相关参数以及底层网络参数同高层关键指标间的关联度与影响因子，方可分析并进一步细化关键指标与影响因子间的关系，进而找到移动通信4G网络问题，有的放矢地进行优化。2基于云计算的移动通信4G网络优化方法5学海无涯2.1建立联动关系。在确定关键性指标后，需基于云计算、大数据与网络优化理论，建立移动通信4G无线网络参数与关键性能指标间的联动关系。从网络业务层面来看，传统2G及3G网络单纯以语音与中低速数据业务为主，而新一代移动通信4GTD-LTE网络中大量业务均来源于高速数

6、据业务，且在云计算背景下新一代移动通信4G网络业务开放性较强，不同类型的业务对QoS服务质量定位也存在较大差异[3]。因此，在移动通信4G网络优化过程中，必须综合考虑并统计相关具体网络业务量，合理利用相对有限的网络资源，提供高质量的移动通信网络服务。2.2网络分层优化。在改变传统2G、3G粗放型网络业务模式的基础上，基于精细化分析、统计方式，分别从网络部署场景、网络运营及用户行为三个层面，采用云计算对移动通信多样化的TD-LTE4G网络进行优化。2.2.1网络部署场景从网络部署场景层面而言，商业区域居民区、郊区与城市、室外与室内等不

7、同的网络部署场景，均会对网络业务密度及实现方式产生影响。对此，需对不同网络部署场景下的网络业务量差异进行统计分析。根据业务统计结果，对不同网络部署场景中的网络参数配置差异和内在联系进行分析。2.2.2网络运营。从网络运营层面而言，对具体网络业务进行分析，有助于制定不同的QoS保障策略，并可结合运营商网络业务统计分析结果，调整网络资费，对发展潜力较大的业务给予QoS保障，并对其进行精细化资源管理与控制，同时对不同QoS保障策略进行调整优化，以实现TD-LTE网络运营效益最大化。2.2.3用户行为。从用户行为层面而言，用户行为分析需以网

8、络业务统计分析结果为基础。即在对云计算下的移动通信4G网络进行优化时，需结合网络业务统计数据结果，即对用户使用网络业务时的用户行为，如业务时长分布、不同业务间的关联性与具体比例、网络通信时长等进行深入挖掘。基于用户的具体行为特征，对移