本发明实施例提供了一种用于移动鲁棒性优化和移动负载均衡的方法及基站,涉及移动通信领域,可以同步对MRO和MLB功能进行联合优化,提高系统综合性能。所述方法包括:按照频率设置原则设置频率f
1.一种用于移动鲁棒性优化和移动负载均衡的方法,其特征在于,包括:按照频率设置原则设置参数更新频率f_d、移动负载均衡MLB控制器驱动频率f_MLB、移动鲁棒性优化MRO控制器驱动频率f_MRO、饱和门限控制器SAT驱动频率f_SAT和同步扰动随机近似算法SPSA控制器驱动频率f_SPSA;以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的切换失败率HOF、切换乒乓效应HPP和呼叫掉话率CDR;MLB控制器以频率f_MLB根据所述更新的ρ_c更新用户对服务小区的特定偏移Ocs;SPSA控制器以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*;MRO控制器以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro;SAT以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。
2.根据权利要求1所述的方法,其特征在于,所述频率设置原则包括:所述f_MLB小于或等于所述f_d,所述f_SAT等于所述f_d,所述f_MRO大于所述f_SPSA,所述f_SPSA大于等于f_HPI;其中,所述f_HPI为调整参数Ocs、Hys和TTT后所述各控制器的性能全部达到稳定状态的时间的倒数。
3.根据权利要求1或2所述的方法,其特征在于,所述MLB控制器以频率f_MLB根据所述更新的ρ_c更新Ocs具体包括:在第i次驱动MLB控制器时,所述Ocs更新为Ocs_i;当i等于1时,所述Ocs为预设的初始值Ocs₁;当i为大于1的整数时,所述Ocs_i满足以下公式: Ocs i = ( r - ρ c ) K P + a 0 b 0 r , ]]> K p = a 0 2 b 0 2 + Q ρR - a 0 b 0 , ]]> 其中,r为预设的服务小区负载目标值;ρ、Q和R为预设的常数,a₀和b₀根据所述更新的ρ_c和第i-1次更新的Ocs_i-1计算获得。
4.根据权利要求3所述的算法,其特征在于,所述a₀和b₀根据所述更新的ρ_c和第i-1次更新的Ocs_i-1计算获得具体包括:根据BGF算法计算得到所述a₀和b₀;其中,根据所述BGF算法计算所述a₀和b₀的具体步骤为:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用BGF算法的时间步长;根据所述W_i计算增益矩阵P_i,所述P_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="333"/>其中,P₁为预设初始值P₀;ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>是P_i对时间t的导数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="537"/>λ_i为遗忘因子,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="443"/>||P_i||₂为增益矩阵的欧式范数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="475"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="257"/>是ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="147"/>的特征值;根据所述W_i和P_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="65"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c , ]]>根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="215"/>
5.根据权利要求3所述的算法,其特征在于,所述a₀和b₀根据所述ρ_c和第i-1次更新的Ocs_i-1计算获得具体包括:根据斜率估计算法计算得到所述a₀和b₀;其中,根据所述斜率估计算法计算所述a₀和b₀的具体步骤为:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用斜率估计算法的时间步长;根据所述W_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="71"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c , ]]>所述P为预设的增益矩阵;根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>
6.根据权利要求1或2所述的方法,其特征在于,SPSA控制器以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*具体包括:SPSA控制器以频率f_SPSA第j次驱动所述SPSA控制器时,所述Hys^*等于Hys^*_j,所述TTT^*等于TTT^*_j;则第3n+1次驱动所述SPSA控制器时,计算Hys^*和TTT^*,所述Hys^*和TTT^*满足以下公式: TTT * = TTT * j = TTT * 3 n + 1 = TTT + c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys + cΔ k KKK n ; ]]>其中,所述n为大于等于0的整数,c为预设的任意数,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="112"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="124"/>为两个随机生成的独立的服从二项分布、取值为±1的变量;第3n+2次驱动所述SPSA控制器时,计算损耗参数L+、TTT^*和Hys^*,所述L+、TTT^*和Hys^*满足以下公式: L + = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 1 = TTT - c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys - cΔ k KKK n ; ]]> 第3n+3次驱动所述SPSA控制器时,计算反损耗参数L-、Hys^*和TTT^*,所述L-、TTT^*和Hys^*满足以下公式: L - = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 2 = TTT - a g k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 2 = Hys - a g k Hys n ; ]]>其中,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="150"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="151"/>满足以下公式: ag k TTT n = L + - L - 2 cΔ k TTT n , ]]> ag k Hys n = L + - L - 2 cΔ k Hys n . ]]>a为预设的任意数。
7.根据权利要求1或2所述的方法,其特征在于,所述MRO控制器以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro具体包括:以频率f_MRO根据所述Hys^*和TTT^*计算γ值,所述γ值满足以下公式: γ = arctan ( Hys * 2 TTT * ) ]]> 若γ小于等于预设下限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*;其中,所述y_mro以频率f_MRO根据所述更新的HOF、HPP和CDR计算得到,所述y_mro满足 y mro = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]>w₁、w₂、w₃为预设的参数权重值;若γ大于等于预设下限值,小于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*-y_mro;若γ大于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*,Hys=Hys^*-y_mro。
8.根据权利要求1或2所述的方法,其特征在于,所述SAT以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT具体包括:以频率f_SAT根据ρ_c计算l值,所述l值满足以下公式:l=1+(1-ρ_c)·15若TTT_mro小于l值,则所述TTT等于TTT_mro;若TTT_mro大于l值,则所述TTT等于l。
9.一种基站,其特征在于,包括:设置单元,用于按照频率设置原则设置参数更新频率f_d、移动负载均衡MLB控制器驱动频率f_MLB、移动鲁棒性优化MRO控制器驱动频率f_MRO、饱和门限控制器SAT驱动频率f_SAT和同步扰动随机近似算法SPSA控制器驱动频率f_SPSA;发送单元,用于以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的HOF、切换乒乓效应HPP和呼叫掉话率CDR;MLB控制器,用于以频率f_MLB根据所述更新的ρ_c更新用户对服务小区的特定偏移Ocs;SPSA控制器,用于以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*;MRO控制器,用于以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro;SAT,用于以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。
10.根据权利要求9所述的基站,其特征在于,所述频率设置原则包括:所述f_MLB小于或等于所述f_d,所述f_SAT等于所述f_d,所述f_MRO大于所述f_SPSA,所述f_SPSA大于等于f_HPI;其中,所述f_HPI为调整参数Ocs、Hys和TTT后所述各控制器的性能全部达到稳定状态的时间的倒数。
11.根据权利要求9或10所述的基站,其特征在于,所述MLB控制器,具体用于:以频率f_MLB驱动MLB控制器;在第i次驱动MLB控制器时,所述Ocs更新为Ocs_i;当i等于1时,所述Ocs为预设的初始值Ocs₁;当i为大于1的整数时,所述Ocs_i满足以下公式: Ocs i = ( r - ρ c ) K P + a 0 b 0 r , ]]> K p = a 0 2 b 0 2 + Q ρR - a 0 b 0 , ]]> 其中,r为预设的服务小区负载目标值;ρ、Q和R为预设的常数,a₀和b₀根据所述更新的ρ_c和第i-1次更新的Ocs_i-1计算获得;其中,所述a₀和b₀根据所述更新的ρ_c和第i-1次更新的Ocs_i-1计算获得具体包括根据BGF算法计算所述a₀和b₀,其具体步骤为:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用BGF算法的时间步长;根据所述W_i计算增益矩阵P_i,所述P_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="333"/>其中,P₁为预设初始值P₀;ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>是P_i对时间t的导数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="537"/>λ_i为遗忘因子,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="443"/>||P_i||₂为增益矩阵的欧式范数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="475"/>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="257"/>是ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="147"/>的特征值;根据所述W_i和P_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="65"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c ; ]]>根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>或,根据所述斜率估计算法计算所述a₀和b₀的具体步骤为:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用BGF算法的时间步长;根据所述W_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="71"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c , ]]>所述P为预设的增益矩阵;根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>
12.根据权利要求9或10所述的基站,其特征在于,所述SPSA控制器,具体用于:SPSA控制器以频率f_SPSA第j次驱动所述SPSA控制器时,所述Hys^*等于Hys^*_j,所述TTT^*等于TTT^*_j;则第3n+1次驱动所述SPSA控制器时,计算Hys^*和TTT^*,所述Hys^*和TTT^*满足以下公式: TTT * = TTT * j = TTT * 3 n + 1 = TTT + c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys + cΔ k KKK n ; ]]>其中,所述n为大于等于0的整数,c为预设的任意数,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="112"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="124"/>为两个随机生成的独立的服从二项分布、取值为±1的变量;第3n+2次驱动所述SPSA控制器时,计算损耗参数L+、TTT^*和Hys^*,所述L+、TTT^*和Hys^*满足以下公式: L + = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 1 = TTT - c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys - cΔ k KKK n ; ]]> 第3n+3次驱动所述SPSA控制器时,计算反损耗参数L-,Hys^*和TTT^*,所述L-、TTT^*和Hys^*满足以下公式: L - = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 2 = TTT - a g k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 2 = Hys - a g k Hys n ; ]]>其中,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="150"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="151"/>满足以下公式: ag k TTT n = L + - L - 2 cΔ k TTT n , ]]> ag k Hys n = L + - L - 2 cΔ k Hys n . ]]>a为预设的任意数。
13.根据权利要求9或10所述的基站,其特征在于,所述MRO控制器具体用于:以频率f_MRO根据所述Hys^*和TTT^*计算γ值,所述γ值满足以下公式: γ = arctan ( Hys * 2 TTT * ) ]]>若γ小于等于预设下限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*;其中,所述y_mro以频率f_MRO根据所述更新的HOF、HPP和CDR计算得到,所述y_mro满足 y mro = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]>w₁、w₂、w₃为预设的参数权重值;若γ大于等于预设下限值,小于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*-y_mro;若γ大于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*,Hys=Hys^*-y_mro。
14.根据权利要求9或10所述的基站,其特征在于,所述SAT具体用于以频率f_SAT根据ρ_c计算l值,所述l值满足以下公式:l=1+(1-ρ_c)·15若TTT_mro小于l值,则所述TTT等于TTT_mro;若TTT_mro大于l值,则所述TTT等于l。技术领域
本发明涉及移动通信领域,尤其涉及一种用于移动鲁棒性优化和移动负载均衡的方法及基站。
背景技术
在3GPP(3rdxa0Generationxa0Partnershipxa0Project,第三代合作伙伴计划)的LTE(Longxa0Termxa0Evolution,长期演进)项目中,网络参数的数目庞大且复杂性较高,若像传统网络一样对网络参数的配置和管理采用人工操作,则会出现人工成本高、出错率大等问题。为了尽量减少配置和管理基站(enhancedxa0Nodexa0B,eNB)时的人工介入,3GPP提出了自组织网络(Self-Organizingxa0Networks,SON),它引入了自动化机制,减少人工参与,从而降低了成本。MRO(Mobilityxa0Robustnessxa0Optimization,移动鲁棒性优化)和MLB(Mobilityxa0Loadxa0Balancing,移动负载均衡)是自组织网络中的两个重要功能。MLB通过调整切换参数Ocs(thexa0cellxa0specificxa0offsetxa0ofxa0thexa0servingxa0cell,用户对服务小区的特定偏移)改变切换条件,提前使过载小区的部分用户切换到低负载的邻小区或者延缓邻小区用户切换到过载小区,从而均衡小区间的负载;MRO通过调整切换参数TTT(Timexa0toxa0Trigger,触发时间)和Hys(Hysteresis,迟滞值)来改变切换条件,从而对网络进行优化,避免或减少与切换相关的无线链路失败和不必要切换。现有技术中,基站是独立的对MRO或MLB功能进行优化的,当系统出于负载均衡考虑触发MLB对Ocs进行调整时,就会出现大量的无线链路失败和不必要切换,当触发MRO对TTT和Hys进行反向调整时,就会出现系统负载不均衡的问题。即MRO和MLB独自调整参数优化自身的性能目标时会引发优化冲突,降低系统的综合性能。
发明内容
本发明的实施例提供一种用于移动鲁棒性优化和移动负载均衡的方法及基站,可以同步对MRO和MLB功能进行联合优化,提高系统综合性能。为达到上述目的,本发明的实施例采用如下技术方案:一种用于移动鲁棒性优化和移动负载均衡的方法,包括:按照频率设置原则设置参数更新频率f_d、移动负载均衡MLB控制器驱动频率f_MLB、移动鲁棒性优化MRO控制器驱动频率f_MRO、饱和门限控制器SAT驱动频率f_SAT和同步扰动随机近似算法SPSA控制器驱动频率f_SPSA;以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的切换失败率HOF、切换乒乓效应HPP和呼叫掉话率CDR;MLB控制器以频率f_MLB根据所述更新的ρ_c更新用户对服务小区的特定偏移Ocs;SPSA控制器以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*;MRO控制器以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro;SAT以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。一种基站,包括:设置单元,用于按照频率设置原则设置参数更新频率f_d、移动负载均衡MLB控制器驱动频率f_MLB、移动鲁棒性优化MRO控制器驱动频率f_MRO、饱和门限控制器SAT驱动频率f_SAT和同步扰动随机近似算法SPSA控制器驱动频率f_SPSA;发送单元,用于以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的HOF、切换乒乓效应HPP和呼叫掉话率CDR;MLB控制器,用于以频率f_MLB根据所述更新的ρ_c更新用户对服务小区的特定偏移Ocs;SPSA控制器,用于以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*;MRO控制器,用于以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro;SAT,用于以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。上述技术方案提供的一种用于移动鲁棒性优化和移动负载均衡的方法及基站,可以联合MLB的性能指标ρ_c和MRO的性能指标HOF、HPP和CDR不断更新TTT,同步对MRO和MLB功能进行联合优化,提高了系统综合性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为本发明实施例提供的一种用于移动鲁棒性优化和移动负载均衡的方法流程示意图;图2为为本发明实施例提供的一种基站结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。本发明实施例提供了一种用于移动鲁棒性优化和移动负载均衡的方法,如图1所示,所述方法包括以下步骤:101、按照频率设置原则设置参数更新频率f_d、MLB控制器驱动频率f_MLB、MRO控制器驱动频率f_MRO、SAT(Saturationxa0thresholdxa0controller,饱和门限控制器)驱动频率f_SAT和SPSA(Simultaneousxa0Perturbationxa0Stochasticxa0Approximation,同步扰动随机近似算法)控制器驱动频率f_SPSA。在本实施例中,所述频率设置原则包括:所述f_MLB小于或等于所述f_d,所述f_SAT等于所述f_d,所述f_MRO大于所述f_SPSA,所述f_SPSA大于等于f_HPI。其中,所述f_HPI为调整参数Ocs、Hys和TTT后所述各控制器的性能全部达到稳定状态的时间的倒数。例如,调整参数Ocs、Hys和TTT后,MLB控制器和MRO控制器的性能发生了波动,若MLB控制器的性能达到稳定状态的时间为1s,MRO控制器达到稳定状态的时间为5s,则控制器的性能全部达到稳定状态的时间就为5s,故f_HPI=1/5=0.2Hz。可选的,在本实施例中所述f_HPI为0.2Hz,故基站可以将MLB控制器、MRO控制器、SAT和SPSA控制器的驱动频率设置为:f_d=20Hz,f_MLB=2Hz,f_MRO=2Hz,f_SAT=20Hz,f_SPSA=0.2Hz。102、以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的HOF(Hanoverxa0Failurexa0ratio,切换失败率)、HPP(Handoverxa0Ping-Pongxa0ratio,乒乓切换率)和CDR(Callxa0Dropxa0Ratio,呼叫掉话率)。在本实施例中,基站会以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="334"/>来统计更新参数、HOF、HPP和CDR。在现有技术中,基站是根据各控制器中的参数Ocs、Hys和TTT来计算得到MLB控制器的性能指标参数参数ρ_c以及MRO控制器的性能指标参数HOF、HPP和CDR的,其中的具体计算方法本领域内技术人员都清楚了解,在此不再详述。基站每隔0.05s将计算获得的ρ_c输入至MLB控制器和SAT,更新MLB控制器和SAT中的ρ_c值,同时也将统计到的参数HOF、HPP和CDR输入至MRO控制器和SPSA控制器中,更新MRO控制器和SPSA控制器中的所述HOF、HPP和CDR这三个参数值。103、MLB控制器以频率f_MLB根据所述更新的ρ_c更新Ocs。在本实施例中,基站每隔0.05s向所述MLB控制器输入更新的ρ_c值,MLB控制器则每隔ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="329"/>根据MLB中更新的ρ_c值计算参数Ocs,更新MLB控制器中的参数Ocs。可选的,在初始状态,即第一次驱动MLB控制器时,MLB控制器中的参数Ocs为预设的初始值Ocs₁。在非初始状态,即第i(i≥1)次驱动MLB控制器时,所述Ocs为Ocs_i,所述Ocs_i每隔0.5s可以依照以下公式计算得到: OCS = ( r - ρ c ) K P + a 0 b 0 r , ]]> K p = a 0 2 b 0 2 + Q ρR - a 0 b 0 , ]]>其中r为预设的服务小区负载目标值,ρ_c为当前基站统计的服务小区负载ρ_c,ρ、Q和R为预设的常数,a₀和b₀根据所述ρ_c和第i-1次更新的Ocs_i-1计算获得。每个基站服务于一个服务小区,r为预设的服务小区负载目标值,如r=0.5,则表示MLB控制器的调节目标是使得该服务小区的负载是可承受负载的一半;r=1,则表示控制器的调节目标是使得该服务小区的负载是满载。若当前基站统计的服务小区负载ρ_c大于r就会将服务小区负载将往小的方向调节,若当前基站统计的服务小区负载ρ_c小于r就会将服务小区负载往大的方向调节。在本实施例中,基站每隔0.05s统计更新一次当前负载ρ_c,MLB控制器可以及时跟踪当前负载ρ_c与目标负载r的差异,通过改变Ocs的值使得当前负载ρ_c不断往目标方向调整以尽量达到预设的服务小区负载目标值r。另外,r的具体取值取决于当前的网络状况,它是服务小区负载均衡的最终目标值。可选的,在本实施例中根据所述ρ_c和第i-1次更新的Ocs_i-1计算获得a₀和b₀有两种方法,一种方法是BGF(有界增量遗忘算法,Bounded-Gain-Forgetting)算法,一种是斜率估计算法。其中,所述BGF算法为:在第一次驱动所述MLB控制器时,所述a₀和b₀为预设的常数值a₁和b₁。此时所述Ocs为预设的初始值Ocs₁。在非初始状态,即第i次驱动所述MLB控制器时所述a₀和b₀可以通过以下方法可以计算:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用BGF算法的时间步长;根据所述W_i计算增益矩阵P_i,所述P_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="333"/>其中,P₁为预设初始值P₀;ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>是P_i对时间t的导数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="541"/>λ_i为遗忘因子,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="410"/>||P_i||₂为增益矩阵的欧式范数,满足以下公式: | | P i | | 2 = λ max ( P i - 1 T P i - 1 ) , ]]>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="257"/>是ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="147"/>的特征值。根据所述W_i和P_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="65"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c . ]]>根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="215"/>所述斜率估计算法为:在第一次驱动所述MLB控制器时,所述a₀和b₀为预设的常数值a₁和b₁。此时所述Ocs为预设的初始值Ocs₁。在非初始状态,即第i次驱动所述MLB控制器时所述a₀和b₀可以通过以下方法可以计算:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用斜率估计算法的时间步长。根据所述W_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="70"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c , ]]>所述P为预设的增益矩阵。根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>104、SPSA控制器以频率f_SPSA根据所述更新的HOF、HPP和CDR以及更新的TTT和Hys更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*。SPSA控制器以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="330"/>第j次驱动所述SPSA控制器时,所述Hys^*等于Hys^*_j,所述TTT^*等于TTT^*_j;则第3n+1次驱动所述SPSA控制器时,计算Hys^*和TTT^*,所述Hys^*和TTT^*满足以下公式: TTT * = TTT * j = TTT * 3 n + 1 = TTT + c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys + cΔ k KKK n ; ]]>其中,所述n为大于等于0的整数,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="111"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="123"/>为两个随机生成的独立的服从二项分布、取值为±1的变量,每次计算都独立产生新的变量值。第3n+2次驱动所述SPSA控制器时,计算损耗参数L+、TTT^*和Hys^*,所述L+、TTT^*和Hys^*满足以下公式: L + = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 1 = TTT - c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys - cΔ k KKK n ; ]]> 第3n+3次驱动所述SPSA控制器时,计算反损耗参数L-,Hys^*和TTT^*,所述L-、TTT^*和Hys^*满足以下公式: L - = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 2 = TTT - a g k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 2 = Hys - a g k Hys n ; ]]>其中,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="150"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="151"/>满足以下公式: ag k TTT n = L + - L - 2 cΔ k TTT n , ]]> ag k Hys n = L + - L - 2 cΔ k Hys n . ]]>这里需要说明的是,所述HOF、HPP和CDR每隔0.05s更新一次,所述TTT和Hys每隔0.5s更新一次。105、MRO控制器以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro。可选的,MRO控制器以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="243"/>根据所述Hys^*和TTT^*计算γ值,所述γ值满足以下公式: γ = arctan ( Hys * 2 TTT * ) ]]> 若γ小于等于预设下限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*;若γ大于等于预设下限值,小于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*-y_mro。若γ大于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*,Hys=Hys^*-y_mro。其中,所述y_mro以频率f_MRO根据所述更新的HOF、HPP和CDR计算得到,所述y_mro满足 y mro = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]>w₁、w₂、w₃为预设的参数权重值。需要说明的是,上述的预设下限值和预设上限值可以根据实际场景的具体情况来设置,并不是固定的,它们的作用是使Hys和TTT的比值始终稳定在一个合适的范围内。在本实施例中可以设置上述预设下限值为20°,预设上限值为80°。对于预设的参数权重值w₁、w₂、w₃来说,通常运营商更重视HOF和CDR即w₁和w₃一般比w₂大,所以所述y_mro在多数情况下都是正的值。因此,MRO控制器对TTT^*和Hys^*的调整,一般都是保持不变或者往小的方向,即往对HOF和CDR更有利的方向调整。106、SAT以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="369"/>根据ρ_c计算l值,所述l值满足以下公式:l=1+(1-ρ_c)·15若TTT_mro小于l值,则所述TTT等于TTT_mro;若TTT_mro大于l值,则所述TTT等于l。即每隔0.05s所述SAT更新一次TTT,由步骤104、105、106可知,所述TTT是根据MRO控制器的性能指标参数HOF、HPP和CDR和MLB控制器的的性能指标参数ρ_c共同决定的。在基站的初始状态,即t=0时刻,依次驱动MLB控制器、SPSA控制器、MRO控制器和SAT,基站向各个控制器输出性能指标参数ρ_c、HOF、HPP和CDR,每0.05s更新一次。从t=0s开始,每隔0.05s驱动一次SAT,进行步骤106,更新影响MRO的调整参数TTT;每隔0.5s依次驱动一次MLB控制器、MRO控制器和SAT,进行步骤103、105、106,更新影响MRO和MLB的调整参数Ocs、Hys和TTT;每隔5s依次驱动一次MLB控制器、SPSA控制器、MRO控制器和SAT,进行步骤103、104、105、106。本发明实施例还提供了一种基站,所述基站用于完成上述方法,如图2所示,所述基站包括:设置单元201,发送单元202,MLB控制器203,SPSA控制器204,MRO控制器205,SATxa0206。所述设置单元201,用于按照频率设置原则设置参数更新频率f_d、移动负载均衡MLB控制器驱动频率f_MLB、移动鲁棒性优化MRO控制器驱动频率f_MRO、饱和门限控制器SAT驱动频率f_SAT和同步扰动随机近似算法SPSA控制器驱动频率fSPSA。所述频率设置原则包括:所述f_MLB小于或等于所述f_d,所述f_SAT等于所述f_d,所述f_MRO大于所述f_SPSA,所述f_SPSA大于等于f_HPI;其中,所述f_HPI为调整参数Ocs、Hys和TTT后所述各控制器的性能全部达到稳定状态的时间的倒数。可选的,在所述f_HPI为0.2Hz的情况下,设置单元201可以将MLB控制器、MRO控制器、SAT和SPSA控制器的驱动频率设置为:f_d=20Hz,f_MLB=2Hz,f_MRO=2Hz,f_SAT=20Hz,f_SPSA=0.2Hz。发送单元202,用于以频率f_d向MLB控制器和SAT输入更新的服务小区负载ρ_c、向MRO控制器和SPSA控制器输入更新的HOF、切换乒乓效应HPP和呼叫掉话率CDR。基站会以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="335"/>来统计更新参数、HOF、HPP和CDR。在现有技术中,基站是根据各控制器中的参数Ocs、Hys和TTT来计算得到MLB控制器的性能指标参数ρ_c以及MRO控制器的性能指标参数HOF、HPP和CDR的,其中的具体计算方法本领域内技术人员都清楚了解,在此不再详述。发送单元202每隔0.05s将计算获得的ρ_c输入至MLB控制器和SAT,更新MLB控制器和SAT中的ρ_c值,同时也将统计到的参数HOF、HPP和CDR输入至MRO控制器和SPSA控制器中,更新MRO控制器和SPSA控制器中的所述HOF、HPP和CDR这三个参数值。各控制器根据不断更新的这些参数来联合调整MRO和MLB功能的调整参数Ocs、Hys和TTT,使系统达到综和最优。MLB控制器203,用于以频率f_MLB根据所述更新的ρ_c更新Ocs。发送单元202每隔0.05s向所述MLB控制器203输入更新的ρ_c值,MLB控制器203则每隔ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="327"/>根据MLB中更新的ρ_c值计算参数Ocs,更新MLB控制器中的参数Ocs。可选的,在初始状态,即第一次驱动MLB控制器时,MLB控制器中的参数Ocs为预设的初始值Ocs₁。在非初始状态,即第i(i≥1)次驱动MLB控制器203时,所述Ocs为Ocs_i,所述Ocs_i每隔0.5s可以依照以下公式计算得到: Ocs = ( r - ρ c ) K P + a 0 b 0 r , ]]> K p = a 0 2 b 0 2 + Q ρR - a 0 b 0 , ]]>其中r为预设的服务小区负载目标值,ρ_c为当前基站统计的服务小区负载ρ_c,ρ、Q和R为预设的常数,a₀和b₀根据所述ρ_c和Ocs计算获得。r为预设的服务小区负载目标值,如r=0.5,则表示MLB控制器203的调节目标是使得该小区服务小区的负载是可承受负载的一半;r=1,则表示控制器的调节目标是使得该服务小区的负载是满载。若当前基站统计的小区服务小区负载ρ_c大于r就会将小区服务小区负载将往小的方向调节,若当前基站统计的服务小区负载ρ_c小于r就会将服务小区负载往大的方向调节。在本实施例中,基站每隔0.05s统计更新一次当前负载ρ_c,MLB控制器可以及时跟踪当前负载ρ_c与目标负载r的差异,通过改变Ocs的值使得当前负载ρ_c不断往目标方向调整以尽量达到预设的服务小区负载目标值r。另外,r的具体取值取决于当前的网络状况,它是服务小区负载均衡的最终目标值。可选的,在本实施例中根据所述ρ_c和第i-1次更新的Ocs_i-1计算获得a₀和b₀有两种方法,一种方法是BGF算法,一种是斜率估计算法。其中,所述BGF算法为:在第一次驱动所述MLB控制器203时,所述a₀和b₀为预设的常数值a₁和b₁。此时所述Ocs为预设的初始值Ocs₁。在非初始状态,即第i次驱动所述MLB控制器203时所述a₀和b₀可以通过以下方法可以计算:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用BGF算法的时间步长;根据所述W_i计算增益矩阵P_i,所述P_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="333"/>其中,P₁为预设初始值P₀;ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>是P_i对时间t的导数,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="541"/>λ_i为遗忘因子,满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="410"/>||P_i||₂为增益矩阵的欧式范数,满足以下公式: | | P i | | 2 = λ max ( P i - 1 T P i - 1 ) , ]]>ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="257"/>是ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="147"/>的特征值。根据所述W_i和P_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="65"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c . ]]>根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="215"/>所述斜率估计算法为:在第一次驱动所述MLB控制器203时,所述a₀和b₀为预设的常数值a₁和b₁。此时所述Ocs为预设的初始值Ocs₁。在非初始状态,即第i次驱动所述MLB控制器203时所述a₀和b₀可以通过以下方法可以计算:计算过滤信号矩阵W_i,所述W_i满足以下公式: W i = ( 1 - α 0 ) W i - 1 + α 0 Δt ρ c Ocs i - 1 T , ]]>其中,W₁=[ρ_cxa0Ocs₁],α₀是低通过滤器带宽常数,Δt是调用斜率估计算法的时间步长。根据所述W_i计算估计参数向量ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="70"/>所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="38"/>满足以下公式: a ^ i = a ^ i - 1 + a ^ · i Δt , ]]>其中, a ^ 1 = α 0 - a 1 b 1 , ]]> a ^ · i = - P i W i T e i , ]]> e i = W i a ^ i - 1 - ρ c , ]]>所述P为预设的增益矩阵。根据所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="39"/>计算所述a₀和b₀,在第i次驱动MLB控制器203计算所述Ocs时,所述a₀等于a_i,所述b₀等于b_i;其中,所述a_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="310"/>所述b_i满足以下公式:ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>SPSA控制器204,用于以频率f_SPSA根据所述更新的HOF、HPP和CDR更新迟滞值扰动值Hys^*和触发时间扰动值TTT^*,并向MRO控制器输入更新的Hys^*和TTT^*。SPSA控制器204以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="330"/>第j次驱动所述SPSA控制器时,所述Hys^*等于Hys^*_j,所述TTT^*等于TTT^*_j;则第3n+1次驱动所述SPSA控制器时,计算Hys^*和TTT^*,所述Hys^*和TTT^*满足以下公式: TTT * = TTT * j = TTT * 3 n + 1 = TTT + c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys + cΔ k KKK n ; ]]>其中,所述n为大于等于0的整数,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="111"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="123"/>为两个随机生成的独立的服从二项分布、取值为±1的变量,每次都能独立产生新的变量值。第3n+2次驱动所述SPSA控制器时,计算损耗参数L+、TTT^*和Hys^*,所述L+、TTT^*和Hys^*满足以下公式: L + = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 1 = TTT - c Δ k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 1 = Hys - cΔ k KKK n ; ]]> 第3n+3次驱动所述SPSA控制器时,计算反损耗参数L-,Hys^*和TTT^*,所述L-、TTT^*和Hys^*满足以下公式: L - = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]> TTT * = TTT * j = TTT * 3 n + 2 = TTT - a g k TTT n , ]]> Hys * = Hys * j = Hys * 3 n + 2 = Hys - a g k Hys n ; ]]>其中,所述ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="149"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="151"/>满足以下公式: ag k TTT n = L + - L - 2 cΔ k TTT n , ]]> ag k Hys n = L + - L - 2 cΔ k Hys n , ]]>a为预设的任意数。这里需要说明的是,所述HOF、HPP和CDR每隔0.05s更新一次,所述TTT和Hys每隔0.5s更新一次。MRO控制器205,用于以频率f_MRO根据所述更新的HOF、HPP和CDR以及所述更新的Hys^*和TTT^*更新迟滞值Hys和优化触发时间TTT_mro,并向所述SAT输入更新的TTT_mro。可选的,MRO控制器以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="243"/>根据所述Hys^*和TTT^*计算γ值,所述γ值满足以下公式: γ = arctan ( Hys * 2 TTT * ) ]]> 若γ小于等于预设下限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*;若γ大于等于预设下限值,小于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*-y_mro,Hys=Hys^*-y_mro。若γ大于等于预设上限值,则Hys和TTT_mro满足以下公式:TTT_mro=TTT^*,Hys=Hys^*-y_mro。其中,所述y_mro以频率f_MRO根据所述更新的HOF、HPP和CDR计算得到,所述y_mro满足 y mro = HOFw 1 + HPPw 2 + CDRw 3 w 1 + w 2 + w 3 , ]]>w₁、w₂、w₃为预设的参数权重值。需要说明的是,上述的预设下限值和预设上限值可以根据实际场景的具体情况来设置,并不是固定的,它们的作用是使Hys和TTT的比值始终稳定在一个合适的范围内。在本实施例中可以设置上述预设下限值为20°,预设上限值为80°。对于预设的参数权重值w₁、w₂、w₃来说,通常运营商更重视HOF和CDR即w₁和w₃一般比w₂大,所以所述y_mro在多数情况下都是正的值。因此,MRO控制器对TTT^*和Hys^*的调整,一般都是保持不变或者往小的方向,即往对HOF和CDR更有利的方向调整。SATxa0206,用于以频率f_SAT根据所述更新的ρ_c和所述更新的TTT_mro更新触发时间TTT。SATxa0206以周期ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="369"/>根据ρ_c计算l值,所述l值满足以下公式:l=1+(1-ρ_c)·15若TTT_mro小于l值,则所述TTT等于TTT_mro;若TTT_mro大于l值,则所述TTT等于l。即每隔0.05s所述SAT更新一次TTT,所述TTT是由MRO控制器的性能指标参数HOF、HPP和CDR和MLB控制器的的性能指标参数ρ_c共同决定的。如图2所示,发送单元202每隔0.05s更新一次参数ρ_c、HOF、HPP和CDR并发送给各个控制器,以便各个控制器每隔0.05s更新一次该参数。在t=0时刻,MLB控制器、SPSA控制器、MRO控制器和SAT依次运行一次。在接下来的时间里,SAT每隔0.05s运行一次,更新更新影响MRO的调整参数TTT;MLB控制器每隔0.5s运行一次,更新影响MLB的调整参数Ocs;MRO控制器每隔0.5s运行一次,更新影响MRO的调整参数Hys以及TTT_mro,并将TTT_mro输入给SAT,以便SAT每隔0.05s更新一次TTT;SPSA每隔5s更新一次Hys^*和TTT^*,并将所述Hys^*和TTT^*输入给MRO控制器,以便所述MRO控制器更新Hys以及TTT_mro。本发明实施例提供了一种用于移动鲁棒性优化和移动负载均衡的方法及基站,可以联合MRO控制器的性能指标参数HOF、HPP和CDR和MLB控制器的的性能指标参数ρ_c共同来调整参数Hys、TTT和Ocs,即联合调整了移动鲁棒性优化和移动负载均衡两个功能。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。