基于ATOLL软件的无线网络仿真优化方法 和家强
基于OPNET仿真平台的无线传感器网络优化技术研究
基于OPNET仿真平台的无线传感器网络优化技术研究近年来，无线传感器网络（Wireless Sensor Network, WSN）技术已经被广泛应用在农业、医疗、环保等诸多领域。
作为一种自组织、分布式的网络形态，无线传感器网络可以通过大量的节点收集、传输和处理环境信息，实现诸如监测、预警、控制等功能。
但与此同时，由于节点能量有限、无线信号传输容易受到干扰等问题，必须研究和优化相关技术，以提高整个网络的可靠性和效率。
为了预先评估并提升无线传感器网络系统的可靠性和性能，OPNET仿真平台已经被广泛用于无线传感器网络优化技术的研究。
OPNET仿真平台是一种基于网络仿真的工具，可以对无线传感器网络中的数据传输、路由协议、节点功耗等因素进行模拟，进而评估和优化网络性能。
在此基础上，本文将通过对基于OPNET的无线传感器网络优化技术研究展开探讨。
一、无线传感器网络中能耗优化技术无线传感器网络中节点能量是关键因素之一，节点能耗的降低是实现WNS低功耗的重要环节之一。
为此，研究者结合OPNET仿真平台，提出了一些能耗优化技术。
例如，基于链式网络拓扑的IDP算法，通过优化链式拓扑和节点配置方案等方式，实现对数据汇聚节点业务的管控和分配，从而减少节点的无效功耗，降低传输延时和控制开销。
此外，为降低路由协议及应用层协议的能耗，OPNET仿真平台结合网络适配层技术，并进行能耗的分析与计算，实现对路由协议及应用层协议的优化。
这种能耗优化技术特别适用于高负载的无线传感器网络环境下，能有效地降低节点能耗。
二、无线传感器网络中数据传输的QoS优化技术为了实现无线传感器网络中的QoS保证，研究者通过OPNET仿真平台，提出了一些数据传输的QoS优化技术。
例如，针对WSN中数据包的可靠性和传输速度等问题，研究者通过设计基于混合网络拓扑的数据传输协议，提高数据传输速度和可靠性。
同时，在对WSN中数据传输的QoS优化工作中，服务质量的识别和提高也成为一项重要的工作。
无线传输技术如何优化信号质量和强度(一)
无线传输技术如何优化信号质量和强度近年来，无线传输技术的快速发展使我们的生活变得更加便利。
从智能手机到智能家居，无线传输技术无处不在。
然而，我们难免会遇到信号质量不佳或信号强度不足的问题。
那么，究竟如何优化无线传输技术的信号质量和强度呢？本文将从多个角度进行探讨。
1. 信号传输原理首先，我们需要了解信号传输的基本原理。
无线传输技术主要通过电磁波进行信号传输。
电磁波的传输受到多种因素的影响，例如距离、障碍物和干扰等。
为了优化信号质量和强度，我们应该从以下几个方面进行考虑。
2. 信号增强技术信号增强技术是优化信号质量和强度的一种常见方法。
例如，信号放大器可以放大信号的幅度，在传输过程中起到增强信号强度的作用。
此外，天线的设计和布局也对信号的传输质量有很大影响。
合理选择和优化天线的位置，可以减少信号的衰减和干扰，从而提高信号的质量和强度。
3. 频谱管理频谱管理是无线传输技术中重要的一环。
由于无线通信设备和应用的不断增多，频谱资源变得有限。
良好的频谱管理可以避免信号间的干扰，提高信号质量和强度。
无线电管理机构可以通过合理划分和分配频谱资源，减少信号间的冲突，确保信号的稳定传输。
4. 编码和调制技术编码和调制技术是优化信号质量和强度的关键技术之一。
通过合适的编码和调制方法，可以在有限的频谱资源下传输更多的信息，并提高信号的抗干扰能力。
例如，正交频分复用（OFDM）技术可以将信号分成多个子载波，提高信号的传输效率和稳定性。
5. 信号处理和算法优化信号处理和算法优化在无线传输技术中也起到至关重要的作用。
通过信号处理算法的优化，可以提高信号的质量和强度，并减少信号的误差率和丢包率。
例如，自适应调制和编码技术可以根据信道状态不断调整发送信号的参数，以适应传输环境的变化，提高信号的可靠性和鲁棒性。
6. 可见光通信技术除了无线电波，可见光通信技术也是一种优化信号质量和强度的新途径。
可见光通信利用可见光进行数据传输，具有高带宽、低干扰和安全性高的特点。
Atoll仿真说明书
Atoll-LTE仿真说明书目录1新建工程 (3)2导入地图 (4)3设置投影方式和投影带 (6)4设置传播模型 (7)4.1LTE频率围介绍 (7)4.2传播模型介绍 (7)5网络信息导入 (11)5.1导入Sites表 (11)5.2导入Antennas数据 (13)5.3Transmitters导入 (13)5.4Cells导入 (14)5.5添加基站 (15)5.5.1基站模板设置 (15)5.5.2逐个添加基站 (18)5.5.3添加一组基站 (19)5.6MIMO的设置 (20)5.7Bearers的设置 (24)6绘制polygon (26)7设置LTE PARAMETERS (28)8设置标准差和穿透损耗 (33)9给transmitter赋传播模型 (34)10传播损耗预算 (38)11分配邻小区 (39)11.1手动分配功能 (39)11.2自动分配邻小区 (40)12分配频率 (43)12.1手动分配频率 (43)12.2自动分配频率 (43)13分配小区ID (47)13.1手动分配小区ID (47)13.2自动分配小区ID (47)14建立话务地图 (50)15用户列表 (54)15.1新建用户列表 (54)15.2计算用户列表 (57)16仿真 (60)17网络性能预测 (63)17.1生成仿真覆盖图 (63)17.2仿真统计性报表查看 (64)1 新建工程打开Atoll程序后，在下图所示的界面中点击按钮，或选择菜单File->Open。
Atoll打开一个空白的LTE模版工程。
工程模板中已经包含了缺省提供的天线数据库。
图1-1 建立工程2 导入地图把clutter, height和vector文件夹下面的index文件分别导入,次序不限.导入的时候注意选择对应的数据种类,如下图所示,导入clutter的时候数据种类选择”clutterclasses”,导入height时数据种类选择”Altitudes”,导入vector的时候选择”vectors”. 图中的embed选项表示是否把地图嵌入工程,如果嵌入,工程无论转移到哪台机器上打开都不需要地图.图2-1 Data type其中,clutter导入后,双击Geo下面的“clutter classes”项, 打开Clutter classes properties对话框，在其中“Description”页面下点击“Refresh”按钮,这样可以滤除掉地图中实际上没有的地物项。
LTE仿真 ATOLL仿真系列(一) 设备、网络的定义和参数设置
19
7
Transmitter属性对话框
Main antenna用于发送或接 收控制信道。基于RS信号的覆盖预 测是使用Main antenna完成的。 如果没有配置Smart antenna 或小区不支持AAS，则使用Main antenna发送或接收业务数据。 如果配置Smart antenna且小 区支持AAS，则由Smart antenna 发送或接收业务数据，此时，控制
10 9
Transmitter属性对话框
21
具体详见Cell章节。
Transmitter属性对话框
22
具体详见传播模型章节。
Transmitter属性对话框
23
符号样式。
Cell属性对话框
Atoll默认命名规则：在所属发射机 (Transmitters表中的Transmitter) 后增加括号和数字，Cell名称不会 随发射机名称改动而自动更新。 频段：选择预先在Frequency Bands表中定义的频段。 Channel号：根据频段允许的值选 择。关于频段、Channel号等关系
24
详见系统参数章节。
Channel分配状态：AFP时使用， 包括三个选项，已分配、未分配、 锁定，具体详见AFP章节。
Not allocated：当前信道未被自动或手 动分配。信道号在AFP时可被随意更改。 Allocated：当前信道已被自动或手动分 配。信道号在AFP时，仅在十分必要时才 被更改。 Locked：当前的信道已被自动或手动分 配。信道号在AFP时不可更改。
Sites文件夹属性对话框
8
计算时，使用DTM的海拔 高度。
勾选后，计算时将使用
DTM的数值，Sites表格中 的Altitude字段无效。
基于ATOLL无线网规仿真软件的铁路枢纽GSM-R无线网络规划方案验证
基于ATOLL无线网规仿真软件的铁路枢纽 GSM-R无线网络规划方案验证发布时间：2021-06-08T14:16:31.197Z 来源：《基层建设》2021年第4期作者：蒋桃[导读] 摘要：铁路枢纽GSM-R系统是枢纽内各种移动业务的承载平台。
中铁二院通号院四川成都摘要：铁路枢纽GSM-R系统是枢纽内各种移动业务的承载平台。
对枢纽内GSM-R无线网络进行整体规划，可以有效的整合枢纽内GSM-R系统资源并提高其通信质量。
软件仿真作为现代化无线通信网络规划手段，能够对无线网络性能进行较好的模拟。
本文以重庆铁路枢纽东环线接轨渝贵铁路珞璜南站这一交叉并线区段为例，利用ATOLL无线网规仿真软件对该区段GSM-R无线网络规划方案进行验证，并利用仿真结果指导完成规划方案的优化。
关键词：ATOLL无线网规仿真软件；铁路枢纽；GSM-R系统；铁路枢纽GSM-R系统是枢纽内各种移动业务的承载平台，按照铁路总公司中长期发展规划，以及枢纽总图规划的基本框架，紧密结合铁路运输生产的实际需要，对枢纽内GSM-R无线网络进行整体规划，可以有效的整合枢纽内GSM-R系统资源并提高其通信质量，为铁路移动业务提供高效可靠的移动通信平台。
软件仿真作为现代化无线通信网络规划手段，能够对无线网络性能进行较好的模拟。
利用仿真软件对铁路枢纽GSM-R无线网络规划方案进行验证，能够大大的提高规划方案的可靠性以及提高规划方案优化工作的效率。
一、铁路枢纽GSM-R无线网络规划1、规划目的（1）指导枢纽内新建铁路GSM-R系统和既有线改造GSM-R系统工程的实施，预留发展条件。
（2）通过对枢纽内GSM-R无线网络基站控制器（BSC）设置、基站（小区）布局、邻区关系、短号码编号的规划，实现各线路之间无线网络的合理衔接，优化通信基站设施资源配置，减少工程废弃和相互影响。
（3）合理配置枢纽内GSM-R无线网络频率，消除各线路无线网络之间的频率干扰，实现GSM-R无线网络资源共享，保障GSM-R系统服务质量。
基于WTGWO的无线传感器网络三维部署优化方法
第62卷第2期吉林大学学报(理学版)V o l.62 N o.2 2024年3月J o u r n a l o f J i l i nU n i v e r s i t y(S c i e n c eE d i t i o n)M a r2024d o i:10.13413/j.c n k i.j d x b l x b.2023277基于W T GWO的无线传感器网络三维部署优化方法王志强1,陈力园2,代蛟3(1.机械工业第九设计研究院股份有限公司,长春130011;2.中国电信股份有限公司长春分公司,长春130033;3.一汽解放汽车有限公司,长春130011)摘要:为优化无线传感器网络的部署问题,提出一种新的无线传感器网络三维部署优化方法.在增强灰狼优化算法的基础上,通过在外层位置更新策略中引入自适应权重方法,平衡了增强灰狼优化算法开发与勘探之间的搜索.在马鞍形曲面山坡上进行仿真实验,实验结果表明,在50个节点下,该方法在保证连通的情况下最高覆盖率可达97.58%,平均覆盖率可达96.74%,与其他算法相比提高了1.64%~3.87%,可以有效提升无线传感器网络的覆盖率,增强无线传感器网络的服务质量.关键词:通信工程;灰狼优化算法;T e n t映射;自适应权重;无线传感器网络中图分类号:T P212.9;T N929.5文献标志码:A 文章编号:1671-5489(2024)02-0410-07T h r e e-D i m e n s i o n a lD e p l o y m e n tO p t i m i z a t i o n M e t h o d o fW i r e l e s s S e n s o rN e t w o r kB a s e d o n W T G W OWA N GZ h i q i a n g1,C H E N L i y u a n2,D A I J i a o3(1.T h eN i n t hD e s i g na n dR e s e a r c hI n s t i t u t e o f M a c h i n e r y I n d u s t r y C o.,L t d,C h a n g c h u n130011,C h i n a;2.C h a n g c h u nB r a n c ho f C h i n aT e l e c o mC o.,L t d.,C h a n g c h u n130033,C h i n a;3.F AWJ i e f a n g A u t o m o b i l eC o.,L t d.,C h a n g c h u n130011,C h i n a)A b s t r a c t:I no r d e r t oo p t i m i z e t h ed e p l o y m e n to fw i r e l e s ss e n s o rn e t w o r k s,w e p r o p o s e dan e w3D d e p l o y m e n t o p t i m i z a t i o n m e t h o do fw i r e l e s ss e n s o rn e t w o r k s.O nt h eb a s i so fe n h a n c e d g r a y w o l f o p t i m i z a t i o na l g o r i t h m,a n a d a p t i v e w e i g h t m e t h o d w a si n t r o d u c e di nt h eo u t e r p o s i t i o n u p d a t e s t r a t e g y t ob a l a n c et h es e a r c hb e t w e e nt h ed e v e l o p m e n ta n de x p l o r a t i o no f t h ee n h a n c e d g r a y w o l f o p t i m i z a t i o na l g o r i t h m.S i m u l a t i o ne x p e r i m e n t sw e r e c a r r i e do u t o nt h es a d d l e-s h a p e dc u r v e ds l o p e, a n d t h e e x p e r i m e n t a l r e s u l t s s h o wt h a t u n d e r50n o d e s,t h e p r o p o s e dm e t h o d c a na c h i e v e t h eh i g h e s t c o v e r a g er a t e o f97.58%,a n d t h e a v e r a g e c o v e r a g e r a t e c a n r e a c h96.74%w h i l e e n s u r i n g c o n n e c t i v i t y,w h i c hi s a ni n c r e a s e o f1.64% 3.87%c o m p a r e d w i t h o t h e r a l g o r i t h m s.I tc a n e f f e c t i v e l y i m p r o v et h ec o v e r a g eo f w i r e l e s ss e n s o rn e t w o r k sa n d e n h a n c et h es e r v i c e q u a l i t y o f w i r e l e s s s e n s o r n e t w o r k s.K e y w o r d s:c o mm u n i c a t i o ne n g i n e e r i n g;g r a y w o l fo p t i m i z a t i o na l g o r i t h m;T e n t m a p p i n g;a d a p t i v e w e i g h t;w i r e l e s s s e n s o r n e t w o r k收稿日期:2023-06-30.网络首发日期:2024-01-02.第一作者简介:王志强(1987 ),男,汉族,硕士,副高级工程师,从事新能源汽车产业数字化和智能化的研究,E-m a i l:8777412 @q q.c o m.通信作者简介:陈力园(1987 ),女,汉族,硕士,工程师,从事无线通信的研究,E-m a i l:189********@189.c n.基金项目:吉林省科技发展计划项目(批准号:20200204065N Y).网络首发地址:h t t p s://l i n k.c n k i.n e t/u r l i d/22.1340.o.20231229.1022.001.随着5G 通讯技术和物联网应用的快速发展,无线传感器网络(W S N )[1-3]的应用开始普遍化.无线传感器网络在智能交通[4]㊁边境安全监测[5]和健康监测等许多领域应用广泛[6].无线传感器网络的服务质量与无线传感器网络的覆盖相关,因此优化无线传感器部署,扩大无线传感器网络覆盖率至关重要.无线传感器部署环境包括二维(2D )和三维(3D ),在2D 环境中优化无线传感器的部署,扩大无线传感器网络的覆盖范围较简单,且已经有许多较理想的部署方法.但在实际应用中,加强无线传感器在3D 环境中的部署,扩大其覆盖范围更具有应用价值,尤其是加强无线传感器在3D 表面上的部署.这样不仅可以降低无线传感器网络部署的成本,同时还可以加强无线传感器网络的服务质量.C a o 等[7]基于非概率测度的融合算子提出了一个改进的三维方向感知模型,并将其应用在平原㊁丘陵和山脉3种3D 环境中进行仿真实验,实验结果表明,该模型可以有效优化无线传感器的部署.B h a t 等[8]提出了一种基于距离缩小定位(R R B L )的定位算法,将其应用于无线传感器在2D 和3D 环境中的部署,实验结果表明,该方法与其他定位算法相比性能有所提高.上述研究虽然优化了无线传感器的部署,但还存在优化的空间.群体智能优化算法目前已被应用到各种优化问题中,如最短路径问题㊁医疗分类问题[9]和系统资源分配问题等.D u [10]将分布式粒子群优化(D P S O )算法和三维虚拟力(V F )算法相结合,并将其应用于无线传感器在3D 环境中的部署,实验结果表明,在不考虑通信限制(C L )的情况下,该方法的性能优于其他方法.T a n g 等[11]提出了一种基于V o r o n o i 图(V N S G A )的非支配排序遗传算法,并将其用于解决无线传感器网络的部署问题,实验结果表明,该算法在不同距离大小的两种地形上均优于对比算法.因此,将群体智能优化算法应用到无线传感器网络部署优化问题中可有效加强无线传感器网络的部署,扩大其覆盖面积.基于此,本文将应用改进后的灰狼优化算法(WT GWO )解决无线传感器网络在3D 环境中的部署问题.1 实验方法1.1 W S N 优化问题1.1.1 覆盖优化无线传感器网络覆盖和部署的数学模型包括覆盖率计算[12]㊁网络连通性的判断[13]和网络部署情况[14]等.在无线传感器网络中,分别用r p 和R c 表示感知半径和通信半径.假设无线传感器网络包含一组传感器S =(s 1,s 2, ,s n )和监控点M =(m 1,m 2, ,m n ),则s i 和m j分别对应的三维坐标为(x i ,y i ,z i )和(x j ,y j ,z j ).监控点m j 被s i 感知到的概率为M v (s i ,m j )=1,d (s i ,m j )ɤr p ,0,其他{.(1)监控点m j 到节点的距离用欧氏距离计算:d (s i ,m j )=(x i -x j )2+(y i -y j )2+(z i -z j )2.(2)当传感器感知概率不足1时,多个传感器需要协同检测,则所有传感器对监控点m j 的感知率为C p (s a l l ,m j )=1-ᵑni =1(1-M v (s i ,m j )).(3)覆盖率是所有传感器覆盖目标点与该区域目标点数之和的比值:C r =ðL ˑwx ,y =1C p(s a l l,m x -1㊃W +y )ˑS bx -1㊃W +y L ˑW,(4)其中L ,W 分别为矩形的长和宽,S b ={s b 1,s b 2, ,s bn }表示表面积集.1.1.2 二维网格描述1)将3D 表面整体垂直映射到2D 平面,然后将其等面积平分;2)先将小网格的中心设为点o ,再将小网格和二维平面上中心点o 映射回三维平面,得到切平面和切平面中心;114 第2期 王志强,等:基于WT GWO 的无线传感器网络三维部署优化方法3)将切平面和切平面中心逆映射回3D 表面上,得到表面和表面中心,近似小切平面.表面积计算公式为z =f (x ,y ),(5)A =∬D x y1+d z d æèçöø÷x 2+d z d æèçöø÷y 2d x d y ,(6)其中z 表示曲面,A 表示曲面面积,D x y 表示x ,y 的取值范围.1.1.3 三维感知盲区在三维空间中,可能存在遮挡物,从而会出现虽然目标在感知范围内,但未被感知到的情况,所以判断是否有遮挡物很有必要.通过目标与传感器节点构建方程,然后求解零点,可判断是否存在遮挡物.存在则为遮挡,反之则没有.1.1.4 连通性节点之间相互传递信息保证网络连通.建立有向图邻接矩阵M v ,当两个传感器节点的距离不超过通信半径,说明可以传输信息,对应M v [i ][j ]=1.如果矩阵中存在0,则网络不连通.判断公式为M v [i ][j ]=1,连通,0,不连通{.(7)1.2 增强的灰狼优化算法1.2.1 传统灰狼优化算法群体智能优化算法在优化问题中展现了优越的性能,本文以传统灰狼优化算法(g r e y wo l f 图1 狼群等级划分F i g.1 W o l f p a c k l e v e l c l a s s i f i c a t i o n o pt i m i z a t i o n ,GWO )作为基础优化算法.灰狼优化算法具有简单㊁需要调节的参数少㊁易实现等特点.灰狼优化算法是根据自然界中狼群通过种群内部合作进行捕食的原理创建的,自然界狼群内部存在等级划分,灰狼算法在进行数学建模时也将狼群划分为4个等级,且以此表示不同质量的解,狼群等级划分如图1所示.由图1可见,狼群包括4个等级,由上至下分别是α狼㊁β狼㊁δ狼和ω狼,最上层的α狼具备领导权,表示最优解;β狼位于第2层,主要职责是负责辅助顶层α狼做出决策,表示次优解;δ狼位于第3层,服从α狼和β狼的命令,表示一般解;ω狼位于最底层,主要职责是维持狼群内部关系的平衡,表示候选解.灰狼优化算法中狼群制度分明,如果等级高的狼适应度不理想,则会降级到下一层,最底层的ω狼会根据上层所有狼的位置更新自己的位置.在灰狼优化算法中,底层ω狼表示候选解,候选解不断向表示最优解的α狼㊁次优解的β狼㊁一般解的δ狼靠近,在ω狼与其他狼距离为0时,即可代替当前狼在狼群中的位置,即当前ω狼表示的解的质量提高了相应层次.在数学建模中,ω狼与其他狼的位置计算公式为췍D α=췍C 1㊃췍X α(t )-췍X ω(t ),췍D β=췍C 2㊃췍X β(t )-췍X ω(t ),췍D δ=췍C 3㊃췍X δ(t )-췍X ω(t ìîíïïïï),(8)其中:췍D α,췍D β,췍D δ分别表示ω狼与α狼㊁β狼㊁δ狼的距离;t 为当前迭代次数;췍X α(t ),췍X β(t ),췍X δ(t ),췍X ω(t )表示α狼㊁β狼㊁δ狼㊁ω狼在当前迭代中的位置;췍C 1,췍C 2,췍C 3分别表示ω狼向α狼㊁β狼㊁δ狼移动时的方位角度变量,其计算公式为췍C 1=2㊃췍r 1,췍C 2=2㊃췍r 2,췍C 3=2㊃췍r 3ìîíïïïï,(9)췍r 1,췍r 2,췍r 3为[0,1]之间的随机数.灰狼优化算法位置更新数学建模公式如下:214 吉林大学学报(理学版) 第62卷췍X1=췍X α-췍A 1㊃췍D α,췍X2=췍X β-췍A 2㊃췍D β,췍X3=췍X δ-췍A 3㊃췍D δìîíïïïï,(10)췍X (t +1)=췍X 1+췍X 2+췍X 33,(11)其中:췍X 表示平均值;췍A 1,췍A 2,췍A3为方向系数,计算公式为췍A 1=2a ㊃췍r 4-a ,췍A 2=2a ㊃췍r 5-a ,췍A 3=2a ㊃췍r 6-aìîíïïïï,(12)a 为收敛因子,其值随迭代次数改变,计算公式为a =2-2㊃t m a x t,(13)m a x t 为最大迭代次数.1.2.2 混沌映射传统灰狼优化算法存在初始解集质量较低的问题.为解决该问题,W a n g 等[13]将多种优化方法集成到传统灰狼优化算法中,如T e n t 映射[14-15].T e n t 映射对初值敏感性强,可解决初始种群随机性过大的问题.T e n t 映射数学建模公式为x t +1=x t 0.7,x t <0.7,1-x t0.3,x t ȡ0.7ìîíïïïï.(14)1.2.3 内层优化根据传统灰狼优化算法中α狼位于狼群中最高等级,且具备最高决策能力,在更新内层包围策略时,文献[13]以α狼为主体,构建了内部位置更新策略,数学建模公式为췍D ᶄα=췍C 4㊃췍X α(t )-췍X α(t ),췍C 4=2㊃췍r 7,췍X ᶄ1=췍X α-췍A 4㊃췍D ᶄα,췍A 4=2a ㊃췍r 8-a ,췍X (t +1)=췍X ᶄìîíïïïïïïï1(15)其中췍D ᶄα表示ω狼与α狼之间的距离,췍r 7为[0,1]内的随机数,췍C 4为方向系数,췍A 4为角度系数.1.2.4 外层优化在外层优化中,文献[13]采用与传统灰狼算法一致的位置更新策略.但传统灰狼优化算法还存在开发和勘探之间不平衡的问题,为解决该问题,本文在灰狼优化算法外围位置更新策略中引入了自适应权重方法[16].自适应权重方法种类有很多,本文选用呈指数变化的自适应权重方法.自适应权重方法可以使算法在前期具有较强的全局搜索能力,并随着迭代次数的增长使权重呈指数减小,以此逐渐增强算法的局部搜索能力.自适应权重方法数学建模公式为w =e (-10t /m a x t )2.(16)经过优化后的外围位置更新公式为췍X 1=w 췍Xα-췍A 1㊃췍D α,췍X 2=w 췍X β-췍A 2㊃췍D β,췍X 3=w 췍Xδ-췍A 3㊃췍D δìîíïïïï.(17)最后同样取平均值作为位置更新公式.1.2.5 增强灰狼算法应用于W S N 优化本文实验主要为解决无线传感器网络的覆盖问题,因此应用覆盖率构建适应度函数,步骤如下:314 第2期 王志强,等:基于WT GWO 的无线传感器网络三维部署优化方法414吉林大学学报(理学版)第62卷步骤1)设置曲面长L和宽W㊁传感器数量N㊁感知半径r p和通信半径R c㊁维度d i m等;步骤3)根据式(14)T e n t映射初始种群及相关参数;步骤3)根据式(8),(9)对距离进行更新;步骤4)根据式(16),(17)外层优化对位置进行更新;步骤5)根据式(11)~(13)判断是否为最大迭代次数,否则返回步骤3),到达最大迭代次数,记录覆盖率,判断是否连通以及连通率㊁三维和二维部署图等.2实验设置及结果2.1实验设置本文实验基于MA T L A B实现.模拟环境为马鞍形曲面山坡,结果显示了50个节点下无线传感器网络原始二维部署图㊁三维部署图及利用本文优化算法优化后的最优二维部署图㊁三维部署图.为验证本文算法的有效性,设置了对比实验.对比实验选取其他3个常用的群体智能优化算法在同样环境下优化无线传感器网络部署,分别是灰狼优化算法㊁遗传优化算法(g e n e t i c a l g o r i t h m,G A)㊁粒子群优化算法(p a r t i c l e s w a r mo p t i m i z a t i o n,P S O),并绘制了对比折线图.为验证本文算法在连通性方面的优越性,针对30,40,50个节点分别记录了经过不同算法优化的无线传感器网络的连通率以及平均覆盖率.实验独立重复20次,迭代次数设置为400,初始种群数为50.为降低仿真实验难度,本文实验根据文献[13]中设置的实验环境设置相同的马鞍形曲面山坡环境[15].同时为简化优化模型,做如下假设:1)无线传感器节点总能根据计算结果部署在准确位置;2)不考虑节点的能量问题.2.2实验结果2.2.1 WT GWO优化结果原始部署如图2所示,展示了在50个节点下随机部署无线传感器的二维部署图和三维部署图. WT GWO优化结果如图3所示,展示了在50个节点下经过WT GWO优化后达到最优覆盖率的二维部署图和三维部署图.图2和图3中,红点表示节点位置,黑点表示被覆盖的位置.由图2和图3可见,在随机部署下,无线传感器部署较凌乱,且存在很多未被覆盖的区域,但在经过WT GWO优化后,无线传感器部署的较均匀,且实现了最大面积覆盖,覆盖率可达97.58%.为验证经过WT GWO 算法优化后的无线传感器网络的连通性,本文实验应用K r u s k a l算法生成了无线传感器网络最小生成树,结果如图4所示.由图4可见,经过WT GWO算法优化后的无线传感器网络在达到最优覆盖率的同时也保证了连通,说明本文实验提出的WT GWO算法可以优化无线传感器网络的部署.图2原始部署F i g.2O r i g i n a l d e p l o y m e n t2.2.2对比实验为验证本文算法的有效性,将WT GWO算法与其他3个常用的群体智能优化算法进行比较.覆盖率对比结果如图5所示,其展示了在30,40,50个节点下,WT GWO算法与其他算法随着迭代次数图3 W T G W O 优化结果F i g .3 W T G W Oo pt i m i z a t i o n r e s u l t s 图4 K r u s k a l 最小生成树F i g .4 K r u s k a lm i n i m a l s p a n n i n gt r e e 的增加覆盖率的变化情况.由图5可见,虽然在40个节点下GWO 和P S O 算法似乎达到了与WT GWO 算法同样的覆盖率,但在30和50个节点下,本文提出的WT GWO 算法覆盖率都最好.尤其在50个节点下,WT GWO 算法的曲线大部分都高于其他算法的曲线,表明WT GWO 算法的收敛速度明显快于其他算法.为进一步证明WT GWO 算法的有效性,表1列出了WT GWO 算法与其他算法在30,40,50个节点下的连通率及平均覆盖率对比结果.图5 不同算法的覆盖率对比结果F i g .5 C o v e r a g e c o m p a r i s o n r e s u l t s o f d i f f e r e n t a l go r i t h m s 表1 不同算法的连通率和平均覆盖率对比结果T a b l e 1 C o m p a r i s o n r e s u l t s o f c o n n e c t i v i t y a n da v e r a g e c o v e r a g e o f d i f f e r e n t a l go r i t h m s由表可见:在个节点下,所有算法都不能保证连通;在个节点下只有和算法能保证连通,在保证连通的情况下,WT GWO 算法覆盖率最好;在50个节点下,所有算法都能保514 第2期 王志强,等:基于WT GWO 的无线传感器网络三维部署优化方法614吉林大学学报(理学版)第62卷证连通,但WT GWO算法达到了最好覆盖率.因此在保证无线传感器网络连通的情况下,本文算法可达到最高覆盖率.与其他算法相比,本文算法最适用于无线传感器网络的三维部署.综上所述,为优化增强灰狼优化算法的寻优能力,本文在其外围位置更新策略中引入了自适应权重方法.自适应权重方法可以随着迭代次数的增加调整权重的大小,进而控制算法增强全局搜索能力,或者是增强局部搜索能力,从而可以平衡灰狼优化算法开发与勘探之间的搜索.为优化无线传感器网络的三维部署,应用该算法在马鞍形曲面山坡上进行了无线传感器网络三维部署优化仿真实验.实验结果表明,本文算法可以在相同节点的情况下保证网络的连通率,同时达到最大覆盖率.从而在保证无线传感器网络服务质量的基础上,达到降低无线传感器网络部署成本的目的.参考文献[1] Y UJT,Y UZ,D I N G M L,e ta l.R e s e a r c ho nt h eT e n a c i t y S u r v i v a b i l i t y o f W i r e l e s sS e n s o rN e t w o r k s[J].J o u r n a l o fA m b i e n t I n t e l l i g e n c e a n dH u m a n i z e dC o m p u t i n g,2020,11(9):3535-3544.[2] L IM,J I A N GF,P E IC.R e v i e wo nP o s i t i o n i n g T e c h n o l o g y o fW i r e l e s sS e n s o rN e t w o r k s[J].W i r e l e s sP e r s o n a lC o mm u n i c a t i o n s,2020,115(3):2023-2046.[3] C H E N X,WU T.R e g i o n S e g m e n t a t i o n M o d e lf o r W i r e l e s s S e n s o r N e t w o r k s C o n s i d e r i n g O p t i m a lE n e r g yC o n s e r v a t i o nC o n s t r a i n t s[J].J o u r n a l o fN e t w o r k sS o f t w a r eT o o l s a n dA p p l i c a t i o n s,2019,22:S7507-S7514.[4] C I I S,T OMA S I N IG,B A C C I M L,e ta l.S o l a r W i r e l e s sS e n s o r N o d e sf o rC o n d i t i o n M o n i t o r i n g o fF r e i g h tT r a i n s[J].I E E ET r a n s a c t i o n s o n I n t e l l i g e n tT r a n s p o r t a t i o nS y s t e m s,2022,23(5):3995-4007.[5] Z R E L L IA,E Z Z E D I N ET.A N e w A p p r o a c ho fW S N D e p l o y m e n t,K-C o v e r a g e a n dC o n n e c t i v i t y i nB o r d e rA r e a[J].W i r e l e s sP e r s o n a l C o mm u n i c a t i o n s,2021,121(4):3365-3381.[6] HA O X H,Y U E N K V,K U O K S C.E n e r g y-A w a r e V e r s a t i l e W i r e l e s sS e n s o r N e t w o r k C o n f i g u r a t i o nf o rS t r u c t u r a lH e a l t h M o n i t o r i n g[J].S t r u c t u r a l C o n t r o l&H e a l t h M o n i t o r i n g,2022,29(11):17-1-17-21.[7] C A OB,Z HA O J W,LÜZ H,e ta l.3D T e r r a i n M u l t i o b j e c t i v eD e p l o y m e n tO p t i m i z a t i o no f H e t e r o g e n e o u sD i r e c t i o n a l S e n s o rN e t w o r k s i nS e c u r i t y M o n i t o r i n g[J].IE E ET r a n s a c t i o n s o nB i g D a t a,2019,5(4):495-505.[8] B HA TS J,S A N T HO S H K V.L o c a l i z a t i o no f I s o t r o p i c a n dA n i s o t r o p i cW i r e l e s s S e n s o rN e t w o r k s i n2Da n d3DF i e l d s[J].T e l e c o mm u n i c a t i o nS y s t e m s,2022,79(2):309-321.[9] B HA R A N I D HA R A N N,R A J A G U R U H.P e r f o r m a n c e E n h a n c e m e n to f S w a r m I n t e l l i g e n c e T e c h n i q u e si nD e m e n t i aC l a s s i f i c a t i o nU s i n g D r a g o n f l y-B a s e dH y b r i dA l g o r i t h m s[J].I n t e r n a t i o n a l J o u r n a l o f I m a g i n g S y s t e m sa n dT e c h n o l o g y,2020,30(1):57-74.[10] D U YZ.M e t h o d f o r t h eO p t i m a l S e n s o rD e p l o y m e n t o fW S N s i n3D T e r r a i nB a s e do nt h eD P S O V F A l g o r i t h m[J].I E E E A c c e s s,2020,8:140806-140821.[11] T A N G YF,HU A N GDC,L IR,e t a l.A N o n-d o m i n a t e dS o r t i n g G e n e t i cA l g o r i t h mB a s e do nV o r o n o i D i a g r a mf o rD e p l o y m e n t o fW i r e l e s sS e n s o rN e t w o r k s o n3DT e r r a i n s[J].E l e c t r o n i c s,2022,11(19):1-23.[12] L IQ Y,L I U NZ.N o d e sD e p l o y m e n tA l g o r i t h m B a s e do nD a t aF u s i o na n dE v i d e n c eT h e o r y i n W i r e l e s sS e n s o rN e t w o r k s[J].W i r e l e s sP e r s o n a l C o mm u n i c a t i o n s,2021,116(2):1481-1492.[13] WA N GZ D,X I E H M.W i r e l e s sS e n s o r N e t w o r k D e p l o y m e n to f3D S u r f a c eB a s e do n E n h a n c e d G r e y W o l fO p t i m i z e r[J].I E E E A c c e s s,2020,8:57229-57251.[14] X UJ,L I U YZ,M E N G Y Y.A n a l y s i s a n dS i m u l a t i o no fR e l i a b i l i t y o fW i r e l e s sS e n s o rN e t w o r kB a s e do nN o d eO p t i m i z a t i o n D e p l o y m e n t M o d e l[J].J o u r n a l o f N e t w o r k s S o f t w a r e T o o l s a n d A p p l i c a t i o n s,2019, 22:S7585-S7591.[15] G A OZJ,L I UZY,WA N GLC.A n I m a g eE n c r y p t i o nA l g o r i t h m B a s e do n t h e I m p r o v e dS i n e-T e n tM a p[J].D i s c r e t eD y n a m i c s i nN a t u r e a n dS o c i e t y,2021,2021:9187619-1-9187619-16.[16] T O N G R N,L I P,L A N GX,e t a l.A N o v e lA d a p t i v eW e i g h t e dK e r n e l E x t r e m eL e a r n i n g M a c h i n eA l g o r i t h ma n dI t sA p p l i c a t i o n i nW i n dT u r b i n eB l a d e I c i n g F a u l tD e t e c t i o n[J].M e a s u r e m e n t,2021,185:110009-1-110009-20.(责任编辑:韩啸)。
ATOLL无线传播模型校正
路径损耗（Path loss） 模型 衍射（Diffraction）模型 有效天线高度 地理状况 地球曲率 用户分布（Morphology) 水域增强
DeltaTel Ltd. Copyrights reserved
6
无线传播模型介绍
Okumura-Hata 模型
DeltaTel Ltd. Copyrights reserved
如果测试中发射天线使用全向天线，则应该在围绕发射机的各方向规划均 匀的路线；如果使用定向天线，应该在天线主波瓣覆盖区域中规划路线 保证以站点为中心的横向和纵向的测试点数量一致，以得到不同距离不同 方向的测试数据 为了使模型校正结果准确而且适用性强，测试路径必须要尽量覆盖区域中 的所有地形，也就是说，除了要在主要道路上行走，还要选择宽度小的狭 窄公路，以获得每种地形上的足够的采样点 每一种地形需要至少300个测试点数据 如果测试区域的地形起伏差异大，测试路径必须要到达区域中不同高度大 的地形 测试距离要达到10公里（或直到达到接收机的底噪为止），但是可以根 据当地具体的环境来调整适当的测试距离 一次测试的路程总长度应大于60km 选择测试路径应尽量避免会造成信号异常衰减的路段，如隧道、高架桥下。 路测后应该对将这些路段上的测试数据剔除，以免带来误差 阻挡物，在天线信号受某一侧的楼面阻挡时，需合理安排行车路线，不要 跑到该侧楼面后的阴影区
a（h）＝3.2(lg11.75h)2－4.97 （大城市，密集城区） a（h）＝(1.11 lgF－0.7)h－(1.56 lgF－0.8) （中小城市） PL(郊区)＝PL(市区)－2[lg(F/28)]2－5.4 PL(乡村)＝PL(市区)－4.78(lgF)2＋18.33lgF－40.94
基于ATOLL软件的无线网络仿真优化方法 和家强
基于ATOLL软件的无线网络仿真优化方法和家强摘要：通过福建泉州客运中心站商圈仿真优化，介绍了一种无线网络规划软件与无线网络优化相结合的方法和实践。
以网络服务质量及成本控制为调整的出发点，导入现网网络站点情况，结合软件的运算处理模块功能，提出了相应的优化解决方案并做出调整。
以现网的网络测试数据验证了ATOLL软件在网络性能评估、网络预测调整、网络优化指导等方面提升无线网络指标的可靠性及可行性。
关键词：无线网络优化；无线网络规划；ATOLL软件；信号电平值；C/I值近年来，随着无线网络建设规模的壮大、运营模式的发展以及无线网络优化经验的积累，无线网络优化的方法也层出不穷。
但是行之有效的方法和手段并不多，而且很多时候与无线网优工程师的经验水平关系较大，很多参数的调整缺乏一定的科学依据。
如何利用新的手段和新的方法，准确科学的评估无线通信网络、提升无线网络指标成为了一个很有意义的议题。
1.无线网络优化与无线网络规划结合无线网络优化是一个长期的过程，它贯穿于网络发展的全过程。
只有不断提高网络的质量，才能获得移动用户的满意，维护好现有的用户，吸引和发展更多的潜在用户。
无线网络优化的常规方法主要有话务统计法、DT（驱车测试）、CQT（呼叫质量测试）、用户投诉分析、信令分析法、ATU（自动路测系统）分析等。
在日常网络优化过程中，可以通过OMC和路测发现问题，其中最直接的还是用户投诉的反映[1]。
用户投诉描述的是一个个零散的点，难以全面反映整个网络存在的问题；拉网道路测试反映的是一条条线，耗费大量的人力物力，无法反映道路区域以外的实际网络情况；OMC-R能够统计全网的KPI指标，但无法确切定位问题点。
也就是说，对无线网络的实际情况缺乏有效的评估手段，另一方面，传统射频优化的调整依靠经验，准确性与工程师的水平关系较大，难以形成系统的科学依据。
对于无线网络规划来说，无线网络的问题集中体现在两个方面：一个是规划方案不合理；另一个是站址选择不合理。
TD-LTE开题报告
四、预期成果
毕业论文，相关文献综述，文献翻译。
五、时间安排
第1~2周，查找资料，提交开题报告和文献综述；
第3~5周，确定毕业设计内容，框架结构，初步完成毕业设计；
第6~9周，收集现网数据，进行仿真以及仿真分析，并提交文献翻译；
第10周，完成论文审定；
毕业设计开题报告表
课题名称
基于Atoll软件的TD-LTE无线网络参数规划仿真及分析
课题来源
2
课题类型
DX
指导教师
学Байду номын сангаас姓名
宋歌
专业
通信工程
学号
一、课题背景和目的
TD-LTE是中国目前主推的LTE技术，具有自主产权并获得ITU的认可。TD-LTE技术可靠，产业链完备，并获得了国际化一线设备厂商和运营商的支持。TD-LTE采用时分双工，上行和下行共享一个频段，但分别占用不同的时隙。TD-LTE是新一代的准4G技术，具有高速率、高容量、低时延的特点。与以往的移动通信系统的规划也有着很多差异，因为采用先进的OFDM空中接口技术。新的技术带来新的网络，从而也需要新的规划方法。
第11~12周，完成毕业论文资格评审，准备答辩。
六、参考文献
[1] Erik Dahlman.4G移动通信技术权威指南：LTE与LTE-Advanced[M].北京:人民邮电出版社,2012
[2]蒋远，溏利民等.TD-LTE原理与网络规划设计[M].北京:人民邮电出版社,2012.
[3]吕晨光.TD-LTE无线网络规划研究[D].北京邮电大学，2012，8（11）
要求（1）、（2）均要填，如AY、BX等。
[4]易睿得，赵治等.LTE系统原理及应用[M].北京:电子工业出版社，2012.
Atoll 仿真
Atoll 仿真测试要求
1.出一张Mapinfo规划区域图，作为导入Atoll计算；
乌海规划区域图
2.出一张最佳服务小区的PCCPCH RSCP
从预测结果中可以获得公共信道的功率，反映网络信号的覆盖质量。
从下表和下图中可以看出，PCCPCH覆盖良好，PCCPCP RSCP大于-95dBm的区域占覆盖面积的99.936％。
表2.2-1 PCCPCH RSCP分布表
图2.2-1 PCCPCH RSCP分布图
3.出一张“最佳服务小区的PCCPCHC/I”；
从预测结果获得公共信道的C/I，反应出网络的覆盖质量和干扰水平。
从下表和下图中可以看出，PCCPCH的C/I大于-3dB，占主城区的99.432% 。
表2.2-2PCCPCH C/I分布表
图2.2-2 PCCPCHC/I分布图
4.最佳服务小区覆盖预测
最佳服务小区的预测主要用来反映网络中的各个区域主控小区的覆盖情况,为使话务量在小区之间均匀分布，网络中各个区域主控小区的覆盖应该近似一致。
如果某小区的覆盖过大，应调整天线的倾角和方位角，控制其覆盖。
图2.2-3市区最佳服务小区覆盖分布图。
5G无线射频规划--Atoll标准传播模型调整
一、传播模型提供用于计算发射端(器)和接收端(器)之间路径损耗的数学方程。
目前有两种模型分别是：1.物理模型:物理模型的路径损耗利用物理无线电波原理，例如自由空间传输、反射或衍射。
2.3.经验模型:经验模型使用测量数据来模拟路径损耗方式。
经验传播模型中包括ITU-R和Hata模型----经验模型使用所谓的预测变量或一般统计建模理论中指定的变量。
4.二、模型标准与修正在移动无线网络规划时首先要获得准确的传播损耗模型，而标准传播模型(SPM)是基于经验公式和一组参数。
在安装Atoll RF规划工具后，SPM参数将设置为其默认值。
可以使用校准或模型调整程序根据实际传播条件调整传播模型，标准传播模型的校准过程有助于提高预测可靠性。
三、传播模型(SPM)公式四、模型调整前操作•数据验证:快速数据验证是导入测量文件和一组代表环礁道路的矢量文件以检查数据是否对应。
检查测量路径是否大约在基站位置开始和/或结束。
如可能检查基站附近的一些图片以检查附近没有障碍物。
如果在一个方向上存在障碍物，则可以通过固定考虑数据的负角度和正角度来根据方向过滤测量数据。
••信号强度过滤器:模型调整目的是产生一个准确模型，该模型将代表模型本身有效区域内的传播，因此需要考虑模型自身对信号电平的限制。
具有动态范围能力的测量设备也存在局限性，这一点也需要考虑到。
一般来说超过–40dBm的信号会被滤除，因为它们会因接收器过载而变得不准确，对于最小信号过滤必须考虑接收器的灵敏度和容差。
因此必须滤除低于“接收器灵敏度+目标标准差”的信号以避免统计结果中噪声饱和的影响。
•距离滤波器:距基站距离小于200m的测量数据被丢弃，因为这些点距基站太近无法正确表示传播在整个区域，最大距离的常见限制是10公里。
••点密度过滤器:根据与杂波类相关的项目进行另一种过滤，如果只有少数测量路径包含特定杂波类别或者只有少数点位于该类别中则可以滤除该杂波类别；事实上保留此类可能会产生一些糟糕的统计结果或错误地影响模型调整。
Atoll仿真说明书
Atoll-LTE 仿真说明书1新建工程 (3)2导入地图 (4)3设置投影方式和投影带 (6)4设置传播模型 (7)4.1LTE 频率范围介绍 (7)4.2传播模型介绍 (7)5网络信息导入 (11)5.1导入Sites 表 (11)5.2导入Antennas 数据 (12)5.3Transmitters 导入 (13)5.4Cells 导入 (14)5.5添加基站 (15)5.5.1基站模板设置 (15)5.5.2逐个添加基站 (18)5.5.3添加一组基站 (19)5.6MIMO 的设置 (20)5.7Bearers 的设置 (24)6绘制polygon (26)7设置LTE PARAMETERS (28)8设置标准差和穿透损耗 (33)9给transmitter 赋传播模型 (34)10传播损耗预算 (38)11分配邻小区.....................................................................3911.1手动分配功能 (39)11.2自动分配邻小区 (40)12分配频率.......................................................................4312.1手动分配频率 (43)12.2自动分配频率 (43)13分配小区ID (47)13.1手动分配小区ID (47)13.2自动分配小区ID (47)14建立话务地图 (50)15用户列表 (54)15.1新建用户列表 (54)15.2计算用户列表 (57)16仿真 (60)17网络性能预测 (63)17.1生成仿真覆盖图 (63)17.2仿真统计性报表查看 (64)1 新建工程打开Atoll 程序后，在下图所示的界面中点击按钮，或选择菜单File->Open。
Atoll 打开一个空白的LTE模版工程。
工程模板中已经包含了缺省提供的天线数据库。
规划软件Atoll软件的实用方法介绍
Atoll软件的简单使用方法介绍目录Atoll软件的简单使用方法介绍 (3)前言 (3)一、Forsk 和Atoll简介 (3)1.1 关于Forsk (3)1.2 关于Atoll (3)1.3 Atoll软件主要特点 (4)1.4 其他主流规划软件 (4)二、有关TD-SCDMA无线网络规划 (4)2.1 无线网络规划总体要求 (4)2.2 TD-SCDMA规划总流程 (4)2.3 无线参数规划的内容 (5)三、Atoll软件的安装 (5)3.1 安装文件版本 (5)3.2 set up Atoll (5)3.3 复制license到安装文件夹 (10)四、Atoll软件的使用 (11)4.1 利用Atoll新建一个TD-SCDMA模板工程 (11)4.1.1打开U-Net程序 (11)4.1.2选择TD-SCDMA，即新建了TD工程模板。
(12)3）在“浏览窗口”中，有“Data”，“Geo”，“Modules”三栏信息。
(13)4.2选择合适的坐标系 (13)4.2.1 选择Astoll菜单Toll->Options，如下图所示。
(14)4.2.2 打开的“Options”对话框 (14)4.2.3 单击Projection行右边的按钮 (14)4.2.4 单击display行右边的按钮 (15)4.2.5 选择显示的坐标系统格式 (16)4.3导入三维地图 (17)4.4导入网络参数 (18)4.4.1导入Sits表 (18)4.4.2导入Transmitters表 (21)4.4.2导入cell表 (25)4.5简单使用Atoll (26)4.5.1 菜单栏中一些常用工具 (26)4.5.2 使用Atoll规划新建站邻区 (27)4.5.3 使用Atoll规划新建站频点 (29)4.5.4 使用Atoll规划新建站扰码 (31)五、规划原则总结 (31)5.1频点原则 (31)5.2邻区原则 (32)5.3扰码原则 (33)Atoll软件的简单使用方法介绍前言由于本人工作的需要，接触到了TD-SCDMA规划的一些工，在工作中接触到了两个规划软件Atoll软件（Forsk公司）和U-net软件（华为公司）。
家自组织多频无线电资源多进出学网络工程仿真算法问题
家自组织多频无线电资源多进出学网络工程仿真算法问题随着信息技术的快速发展，家庭网络的需求也越来越高。
为了实现更高效的家庭网络连接，多频无线电资源多进出学网络工程仿真算法应运而生。
本文将探讨家庭网络中的多频无线电资源管理问题，并介绍仿真算法在解决该问题中的应用。
家庭网络中的多频无线电资源管理是指如何合理地分配和调度家庭网络中的多频无线电资源，以提高网络的吞吐量和性能。
传统的家庭网络往往只支持单一的频率通信，这会导致在高密度的家庭网络环境中频谱资源的浪费和干扰的增加。
因此，引入多频无线电技术可以有效解决这些问题，并提供更好的网络连接质量。
在家庭网络中，多频无线电资源多进出学网络工程仿真算法的作用是通过模拟和优化分配和调度策略，使得多频无线电资源的利用率达到最优，并且确保网络中各主机之间的通信能够顺利进行。
仿真算法可以基于现实网络环境的实际数据进行验证，通过设计合适的评估指标，来评估所提出的分配和调度策略的性能。
首先，对于多频无线电资源的分配问题，可以使用图论的方法进行建模和求解。
将家庭网络中的主机和路由器表示为图的节点，将无线电信道表示为图的边。
通过对图的拓扑结构进行分析，可以得到主机之间的通信需求以及无线电资源之间的约束关系。
基于这些信息，可以使用最小生成树算法等图论方法，找到最优的频率分配方案，实现无线电资源的高效利用。
其次，对于多频无线电资源的调度问题，可以采用优化算法进行求解。
调度问题是一个NP-hard问题，需要考虑到资源分配、干扰、时延等多个因素。
可以将调度问题建模为一个优化问题，通过设计合适的目标函数和约束条件，使用遗传算法、禁忌搜索等优化算法进行求解。
这些算法能够根据问题的特点，自适应地调整参数，逐步接近最优解。
此外，为了评估所提出的分配和调度策略的性能，可以使用仿真工具对家庭网络进行模拟。
仿真工具可以模拟多频无线电资源的分配和调度过程，并通过收集网络的性能指标（如吞吐量、时延、干扰等）来评估策略的效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于ATOLL软件的无线网络仿真优化方法和家强
发表时间：2018-03-21T15:51:37.503Z 来源：《基层建设》2017年第35期作者：和家强
[导读] 摘要：通过福建泉州客运中心站商圈仿真优化，介绍了一种无线网络规划软件与无线网络优化相结合的方法和实践。
江苏省邮电规划设计院有限责任公司江苏南京 210019
摘要：通过福建泉州客运中心站商圈仿真优化，介绍了一种无线网络规划软件与无线网络优化相结合的方法和实践。
以网络服务质量及成本控制为调整的出发点，导入现网网络站点情况，结合软件的运算处理模块功能，提出了相应的优化解决方案并做出调整。
以现网的网络测试数据验证了ATOLL软件在网络性能评估、网络预测调整、网络优化指导等方面提升无线网络指标的可靠性及可行性。
关键词：无线网络优化；无线网络规划；ATOLL软件；信号电平值；C/I值
近年来，随着无线网络建设规模的壮大、运营模式的发展以及无线网络优化经验的积累，无线网络优化的方法也层出不穷。
但是行之有效的方法和手段并不多，而且很多时候与无线网优工程师的经验水平关系较大，很多参数的调整缺乏一定的科学依据。
如何利用新的手段和新的方法，准确科学的评估无线通信网络、提升无线网络指标成为了一个很有意义的议题。
1.无线网络优化与无线网络规划结合
无线网络优化是一个长期的过程，它贯穿于网络发展的全过程。
只有不断提高网络的质量，才能获得移动用户的满意，维护好现有的用户，吸引和发展更多的潜在用户。
无线网络优化的常规方法主要有话务统计法、DT（驱车测试）、CQT（呼叫质量测试）、用户投诉分析、信令分析法、ATU（自动路测系统）分析等。
在日常网络优化过程中，可以通过OMC和路测发现问题，其中最直接的还是用户投诉的反映[1]。
用户投诉描述的是一个个零散的点，难以全面反映整个网络存在的问题；拉网道路测试反映的是一条条线，耗费大量的人力物力，无法反映道路区域以外的实际网络情况；OMC-R能够统计全网的KPI指标，但无法确切定位问题点。
也就是说，对无线网络的实际情况缺乏有效的评估手段，另一方面，传统射频优化的调整依靠经验，准确性与工程师的水平关系较大，难以形成系统的科学依据。
对于无线网络规划来说，无线网络的问题集中体现在两个方面：一个是规划方案不合理；另一个是站址选择不合理。
这两方面问题的处理阶段不同，代价也迥异。
在规划阶段对规划方案或站址选择的不合理问题，可以通过规划站点调整来解决，但是需要增加重新勘察选址和方案设计的成本。
在规划阶段出现问题容易导致工程进度延缓，从而导致资源投入增多，不利于对网络的投资进行较好的风险控制。
规划设计中的一个重要制约因素是精准性难以保证，无法实时验证[2]。
在优化阶段对站址选择的不合理问题，一般需要调整网络参数或者工程参数，甚至需要更换设备、更换站址等，整个网优调整过程周期长、见效慢、成本高。
无线网络规划和无线网络优化各有自己的特点以及局限性，两者是否可以结合起来，通过规划指导优化，优化验证规划呢？本文对两者的相互结合做了有益的探索和实践。
图1 软件仿真流程图
2.无线网络仿真流程介绍
使用规划仿真工具能够比较全面地对无线网络的情况进行模拟仿真，如果输入的参数准确度高，则通过设置网络参数以及确定仿真计算区域，能够准确的定位出网络中存在的问题点，进而较好的指导无线网络优化工作的开展。
具体来说，无线网络优化阶段可以结合无线网络规划仿真工具，进行网络结构的优化仿真调整（例如调整下倾角、站高等工程参数等），当仿真调整后确定可实施时，从而输出详细的优化指导方案。
网优方面进行勘察及站点调整，当工程参数等数据更新后，再次进行软件仿真，并使用测试的网络数据验证无线网络仿真工具与无线网络优化工作结合的可行性以及可靠性。
与传统网络规划优化方法相比，无线网络规划仿真软件ATOLL能够使用基于高精度（5米）3D数字地图，充分考虑地物地貌对无线信号传播的影响，并考虑建筑物的穿透损耗，能够通过软件仿真计算出无线信号的电平覆盖、信噪比、频率干扰、重叠覆盖等情况。
ATOLL能够实现对天线工程参数、站点数据、频率及话务负荷等多种优化调整措施的效果进行预测以及评估，精确地反映出计算区域的无线网络问题，从而能够达到降低人工成本，增强网络运营管理效率的目的[3]。
本文提出的结合ATOLL软件的无线网络优化方法的仿真流程如下图所示：仿真通过收集整理基础数据，导入3D数字地图并进行校正，对天线类型在软件数据库中建模，导入基本的无线网络参数信息，设置运算区域。
与此同时，需要选择传播模型，对仿真区域进行路测数据的收集处理，校正传播模型[4]。
最后设置话务模型，生成仿真的各种预测图及数据。
对无线网络参数的预测调整，需要进行再次仿真，输出仿真后的相应的预测图和数据的对比情况。
对预测调整的效果有所改善的基站或小区实地进行路测，对相应发现问题的基站或小区基于现网的工程参数进行调整，并使用实际调整前后的路测数据对调整方案的可行性和可靠性进行验证。
3.仿真调整方案输出
基于仿真软件运算的结果，ATOLL可以准确的定位出有问题的覆盖区域，然后在软件上进行调整前后的预测对比，并最终输出调整方案。
此次泉州客运中心站仿真优化专题涉及到TD-SCDMA以及GSM网络的仿真优化，两个不同网络的仿真调整方案有不少共通之处，譬如通过信号电平值以及信噪比等，调整方案执行后，预测调整后的仿真值与实测值的变化趋势基本一致，预测的目标值较接近实际路测的数据值。
仿真预测调整后，C/I值的覆盖效果得到一定的改善。
本次仿真C/I的调整对现网优化指导具有一定的参考意义。
4.结论
本文所述福建泉州客运中心站商圈仿真优化，通过仿真软件ATOLL对设定区域的最优小区覆盖、重叠覆盖、扇区分布范围、C/I值覆盖等进行了评估，并定位出商圈内存在的网络问题。
其中，最优小区覆盖能够模拟仿真网络的信号电平值，能够为弱覆盖区域做一定的参考；C/I值覆盖能够模拟仿真网络的信噪比，能够为频率干扰区域（同邻频干扰问题等）做一定的参考；重叠覆盖能够为越区覆盖做一定的参考。
本文是针对无线网络优化与无线网络规划的一次实践，为两者之间的结合做了有益的探索。
参考文献：
[1]韩斌杰，杜新颜，张建斌.GSM原理及其网络优化[M].北京：机械工业出版社，2011.
[2]蒋利明，张向东，易欢，等.TD-SCDMA和GSM无线网络规划比较[J].通信技术，2007，40（12）：137-139.
[3]Atoll 3.1 Brochure.pdf.[EB/OL].http：///web/EN/11-atoll-overview.php，2011.
[4]RAPPAPORT TS.Wireless Communications Principles and Practice，Second Edition[M].周文安，等译北京：电子工业出版社，2011.。