LTE—Advanced系統(tǒng)的網(wǎng)絡(luò)自治愈技術(shù)

摘要：文章認(rèn)為L(zhǎng)TE-Advanced網(wǎng)絡(luò)自治愈功能能夠通過(guò)對(duì)現(xiàn)有網(wǎng)絡(luò)運(yùn)行數(shù)據(jù)的分析，自動(dòng)、快速、準(zhǔn)確地檢測(cè)和定位網(wǎng)絡(luò)故障，并進(jìn)行修復(fù)或者補(bǔ)償，可確保用戶(hù)連續(xù)、高質(zhì)量的進(jìn)行通信。針對(duì)自治愈技術(shù)中的中斷探測(cè)和中斷補(bǔ)償技術(shù)，文章分別提出相應(yīng)的解決算法：基于聚類(lèi)算法的中斷探測(cè)方法、基于遺傳算法的中斷補(bǔ)償算法，隨后文章仿真驗(yàn)證并分析了算法的正確性和有效性。

關(guān)鍵詞：網(wǎng)絡(luò)自組織；自治愈；中斷探測(cè)；中斷補(bǔ)償

Abstract： In an LTE-Advanced network， the self-healing function detects and locates faults promptly， accurately， and automatically by processing network statistics. It can also recover or compensate for any breakdowns for consistent， high-quality communication. This article introduces outage detection， based on a clustering algorithm， and compensation based on a genetic algorithm. We simulate these algorithms to validate their purpose and efficiency.

Key words：self-organizing network； self-healing； cell outage detection； cell outage compensation

LTE-Advanced系統(tǒng)是3GPP長(zhǎng)期演進(jìn)（LTE）的進(jìn)一步演進(jìn)系統(tǒng)，采用更寬頻段的傳輸和頻譜共享，全面引入家庭基站和中繼站，采用增強(qiáng)型的多輸入多輸出（MIMO）、多點(diǎn)協(xié)作（CoMP）、載波聚合等先進(jìn)技術(shù)，從而引入了大量的參數(shù)和數(shù)據(jù)處理，這些將增加網(wǎng)絡(luò)配置及優(yōu)化的復(fù)雜度，提升網(wǎng)絡(luò)運(yùn)維的人工成本和經(jīng)濟(jì)開(kāi)銷(xiāo)。在這樣的背景下，歐美主流高端運(yùn)營(yíng)商提出了網(wǎng)絡(luò)自組織（SON）技術(shù)，從而實(shí)現(xiàn)網(wǎng)絡(luò)自配置、網(wǎng)絡(luò)自?xún)?yōu)化和網(wǎng)絡(luò)自治愈3個(gè)目標(biāo)。

自治愈是本文討論的重點(diǎn)，也是SON三大組成部分（自配置、自?xún)?yōu)化、自治愈）中最復(fù)雜的一點(diǎn)。3GPP協(xié)議TS 32.541中描述了自治愈功能，從2009年5月Release 9中3GPP TS 32.541 V0.2.0到2012年9月Release 11中3GPP TS 32.541 V11.0.0，從OAM（運(yùn)維管理中心）的自治愈概念及需求一直到網(wǎng)絡(luò)自組織中的自治愈概念及需求，對(duì)中斷的場(chǎng)景、自治愈流程以及商業(yè)層級(jí)和協(xié)議層級(jí)的需求做出了循序漸進(jìn)的完善[1]。

1 自治愈技術(shù)

自治愈功能能夠自動(dòng)、快速、準(zhǔn)確地檢測(cè)和定位影響網(wǎng)絡(luò)性能的故障，并進(jìn)行自動(dòng)恢復(fù)，以確保用戶(hù)連續(xù)、高質(zhì)量的進(jìn)行通信。其目的是當(dāng)發(fā)生小區(qū)中斷時(shí)，通過(guò)快速的探測(cè)定位中斷小區(qū)并通過(guò)小區(qū)中斷補(bǔ)償措施來(lái)緩解網(wǎng)絡(luò)性能惡化。具備自治愈功能的小區(qū)能獨(dú)立或聯(lián)合地調(diào)整無(wú)線(xiàn)參數(shù)及相關(guān)算法，使無(wú)線(xiàn)系統(tǒng)性能損失降到最低，同時(shí)還大大降低維護(hù)成本和人員投入[2]。

可能導(dǎo)致小區(qū)中斷的網(wǎng)絡(luò)故障原因有很多，比如硬件和軟件故障，網(wǎng)絡(luò)連接失敗，甚至是錯(cuò)誤的配置參數(shù)都可能導(dǎo)致小區(qū)中斷[3]。

為了實(shí)現(xiàn)網(wǎng)絡(luò)自治愈，要求移動(dòng)蜂窩網(wǎng)絡(luò)具有小區(qū)中斷探測(cè)和小區(qū)中斷補(bǔ)償兩部分的功能。其中小區(qū)中斷探測(cè)是自治愈的基礎(chǔ)和前提，小區(qū)中斷補(bǔ)償是自治愈的核心和關(guān)鍵。一個(gè)自治愈中斷管理的場(chǎng)景如圖1所示。

中斷探測(cè)模塊收集來(lái)自移動(dòng)臺(tái)（UE）、基站（eNodeB）、運(yùn)維管理中心（OAM）的測(cè)量數(shù)據(jù)，對(duì)它們進(jìn)行分析處理從而判斷是否有小區(qū)發(fā)生中斷；若有，則觸發(fā)中斷補(bǔ)償功能，調(diào)整相鄰基站的無(wú)線(xiàn)參數(shù)，以補(bǔ)償中斷用戶(hù)惡化的服務(wù)質(zhì)量。圖1中的中間基站發(fā)生了中斷，通過(guò)補(bǔ)償算法，其相鄰小區(qū)提高了覆蓋，補(bǔ)償了中斷小區(qū)造成的覆蓋漏洞。補(bǔ)償后還需要對(duì)該區(qū)域進(jìn)行實(shí)時(shí)監(jiān)控并評(píng)估補(bǔ)償后的網(wǎng)絡(luò)整體性能，以保證達(dá)到補(bǔ)償?shù)哪繕?biāo)，且盡量不對(duì)補(bǔ)償小區(qū)中的原有用戶(hù)產(chǎn)生過(guò)大的影響。

1.1 小區(qū)中斷探測(cè)

小區(qū)中斷探測(cè)機(jī)制在實(shí)施中首先需要收集來(lái)自UE、eNodeB、OAM等的測(cè)量信息，并提取能夠準(zhǔn)確判斷小區(qū)性能中斷的數(shù)據(jù)信息。中斷探測(cè)收集參數(shù)過(guò)程如圖2所示。假設(shè)eNodeB1發(fā)生了中斷，UE1是eNodeB1服務(wù)的一個(gè)用戶(hù)，UE2是eNodeB2服務(wù)的一個(gè)用戶(hù)，它們均可以接收到來(lái)自服務(wù)小區(qū)和鄰小區(qū)的信號(hào)。OAM通過(guò)發(fā)現(xiàn)eNodeB1上報(bào)的用戶(hù)參考信號(hào)接收功率（RSRP）突然下降，或者通過(guò)發(fā)現(xiàn)eNodeB2中的用戶(hù)信道質(zhì)量指示（CQI）突然升高，均可以判斷eNodeB1可能發(fā)生了中斷。圖2中右側(cè)描述了UE、eNodeB、OAM可以收集到的用以實(shí)現(xiàn)中斷探測(cè)的參數(shù)。可探測(cè)和提取的數(shù)據(jù)信息并不是完備的，而無(wú)線(xiàn)網(wǎng)絡(luò)的性能又是時(shí)變的，所以需要高效的小區(qū)中斷探測(cè)方法在有限的探測(cè)信息前提下實(shí)現(xiàn)準(zhǔn)確地小區(qū)中斷探測(cè)。

1.2 小區(qū)中斷補(bǔ)償

小區(qū)中斷補(bǔ)償?shù)哪繕?biāo)是緩解中斷小區(qū)的服務(wù)質(zhì)量下降，通過(guò)自動(dòng)調(diào)整相鄰小區(qū)的無(wú)線(xiàn)參數(shù)來(lái)達(dá)到運(yùn)營(yíng)商制訂的補(bǔ)償要求。通常是調(diào)整相鄰小區(qū)天線(xiàn)的下傾角和方位角，或者發(fā)射功率[4]。但是調(diào)整相鄰小區(qū)的無(wú)線(xiàn)參數(shù)意味著對(duì)該區(qū)域的原有用戶(hù)產(chǎn)生一定程度上的影響。運(yùn)營(yíng)商在制訂補(bǔ)償策略時(shí)，首先確定中斷小區(qū)的補(bǔ)償小區(qū)，以圖3為例，為其內(nèi)圈相鄰小區(qū)，外圈小區(qū)雖然不會(huì)因?yàn)橹袛嘌a(bǔ)償機(jī)制調(diào)整無(wú)線(xiàn)參數(shù)，但性能會(huì)受到一定程度上的影響。具體的無(wú)線(xiàn)參數(shù)調(diào)整方案會(huì)因?yàn)椴煌男^(qū)需求而發(fā)生變化。所以運(yùn)營(yíng)商在制訂策略時(shí)，需要考慮每一個(gè)補(bǔ)償小區(qū)的必要需求，中斷區(qū)域補(bǔ)償后覆蓋和容量間的平衡，以及補(bǔ)償小區(qū)性能下降和中斷小區(qū)性能增強(qiáng)之間的平衡。

1.3 中斷探測(cè)和補(bǔ)償?shù)脑u(píng)價(jià)機(jī)制

評(píng)價(jià)中斷探測(cè)機(jī)制通常利用如下指標(biāo)：

·探測(cè)延時(shí)：Tdetect -Tfail，即中斷發(fā)生了多久以后，中斷才被探測(cè)到。

·成功探測(cè)的概率：Ndetect / Nfail，即實(shí)際發(fā)生的中斷次數(shù)中被正確探測(cè)到的概率。

·錯(cuò)誤探測(cè)的概率：N1 /（N1+Ndetect），即探測(cè)到中斷的次數(shù)中錯(cuò)誤探測(cè)的概率。

評(píng)價(jià)中斷補(bǔ)償機(jī)制可以通過(guò)網(wǎng)絡(luò)中的參數(shù)變化對(duì)比，比如系統(tǒng)容量、覆蓋情況以及用戶(hù)服務(wù)質(zhì)量等。圖4所示為小區(qū)中斷探測(cè)時(shí)間軸。中斷前后性能比較如圖5所示，為了評(píng)價(jià)中斷補(bǔ)償機(jī)制，我們通常定義3個(gè)階段，以系統(tǒng)平均吞吐量為例，階段A表示了沒(méi)有發(fā)生中斷時(shí)的系統(tǒng)平均吞吐量，階段B和階段C分別表示發(fā)生了中斷之后不采用中斷補(bǔ)償機(jī)制，以及采用中斷補(bǔ)償機(jī)制以后的系統(tǒng)平均吞吐量。

2 中斷探測(cè)與補(bǔ)償算法

為解決中斷探測(cè)和中斷補(bǔ)償兩個(gè)問(wèn)題，我們分別提出了基于聚類(lèi)算法的中斷探測(cè)算法和基于遺傳算法的中斷補(bǔ)償算法，并對(duì)這兩種算法進(jìn)行了仿真評(píng)估。

2.1 基于聚類(lèi)算法的中斷探測(cè)方法

我們提出在中斷探測(cè)算法中運(yùn)用數(shù)據(jù)挖掘中的聚類(lèi)算法，對(duì)觸發(fā)A3事件的用戶(hù)進(jìn)行分類(lèi)，根據(jù)分類(lèi)結(jié)果以及各類(lèi)中的用戶(hù)分布判斷偵聽(tīng)區(qū)域內(nèi)有無(wú)中斷并在中斷發(fā)生時(shí)定位中斷小區(qū)。我們提出了一種動(dòng)態(tài)傳播仿射（AP）聚類(lèi)算法，是對(duì)傳統(tǒng)AP聚類(lèi)算法的改進(jìn)[5]。其基本思想是對(duì)AP算法引入決定了分類(lèi)數(shù)目的偏向參數(shù)p的動(dòng)態(tài)搜索范圍，并基于聚類(lèi)質(zhì)量評(píng)價(jià)指標(biāo)確定最優(yōu)分類(lèi)所對(duì)應(yīng)的最佳p從而確定最優(yōu)聚類(lèi)分類(lèi)數(shù)以及結(jié)果。圖6為整個(gè)中斷探測(cè)算法流程圖，包括4個(gè)步驟：

（1）在網(wǎng)絡(luò)的一個(gè)偵聽(tīng)區(qū)域（包含多個(gè)小區(qū)）中，OAM收集觸發(fā)A3事件的各用戶(hù)關(guān)鍵性能指標(biāo)（KPI）參數(shù)以及相應(yīng)位置坐標(biāo)。

（2）將收集的用戶(hù)KPI數(shù)據(jù)經(jīng)過(guò)預(yù)處理后，作為動(dòng)態(tài)AP聚類(lèi)算法的輸入?yún)?shù)，并采用該算法對(duì)觸發(fā)A3事件的用戶(hù)進(jìn)行最優(yōu)分類(lèi)。

（3）當(dāng)最優(yōu)分類(lèi)對(duì)應(yīng)的聚類(lèi)質(zhì)量評(píng)價(jià)指標(biāo)小于設(shè)定門(mén)限時(shí)，說(shuō)明觸發(fā)A3事件用戶(hù)數(shù)據(jù)的聚類(lèi)可分性較差，即所有觸發(fā)事件的用戶(hù)性能沒(méi)有明顯差異，判斷該偵聽(tīng)區(qū)域內(nèi)沒(méi)有發(fā)生小區(qū)中斷；若聚類(lèi)質(zhì)量評(píng)價(jià)指標(biāo)大于門(mén)限，表示聚類(lèi)可分性較好，說(shuō)明偵聽(tīng)區(qū)域中觸發(fā)事件的用戶(hù)數(shù)據(jù)間存在差異，判斷該偵聽(tīng)區(qū)域存在小區(qū)中斷，進(jìn)入步驟（4）。

（4）提取所有觸發(fā)A3事件的用戶(hù)位置坐標(biāo)，根據(jù)最優(yōu)分類(lèi)，將各類(lèi)中的用戶(hù)映射到網(wǎng)絡(luò)偵聽(tīng)區(qū)域的小區(qū)拓?fù)渲小Ｈ裟愁?lèi)中有超過(guò)一定門(mén)限的數(shù)據(jù)點(diǎn)集中在同一小區(qū)中，則判斷該小區(qū)為中斷小區(qū)。

2.2 基于遺傳算法的

中斷補(bǔ)償算法

當(dāng)一個(gè)小區(qū)發(fā)生中斷時(shí)，需要通過(guò)調(diào)整相鄰小區(qū)的無(wú)線(xiàn)參數(shù)來(lái)對(duì)中斷用戶(hù)進(jìn)行服務(wù)，從而達(dá)到緩解中斷用戶(hù)服務(wù)質(zhì)量下降的目的。假定中斷區(qū)域的用戶(hù)可以接入到相鄰基站，所要解決的問(wèn)題是中斷用戶(hù)要接入到哪個(gè)基站，并且如何給中斷用戶(hù)分配資源塊（RB）。假設(shè)不論是正常用戶(hù)還是中斷用戶(hù)，每個(gè)用戶(hù)分配到一個(gè)RB，初始每個(gè)RB上的發(fā)射功率相同。我們首先根據(jù)遺傳算法將補(bǔ)償小區(qū)的空閑RB分配給中斷用戶(hù)[6]。由于中斷用戶(hù)離新接入的基站較遠(yuǎn)，所以要提高它們RB上的發(fā)射功率，以提高中斷用戶(hù)的吞吐量[7]。具體中斷補(bǔ)償算法步驟如圖7所示。流程圖包括3個(gè)步驟：

（1）確定中斷小區(qū)的補(bǔ)償小區(qū)，所有未分配給用戶(hù)的空閑RB作為候選，即將分配給中斷用戶(hù)。

（2）利用遺傳算法將補(bǔ)償小區(qū)的空閑RB分配給中斷用戶(hù)，目標(biāo)是最優(yōu)化小區(qū)平均吞吐量。

（3）根據(jù)步驟（2）的分配結(jié)果，在一定程度上為中斷用戶(hù)的RB提高發(fā)射功率。以每個(gè)補(bǔ)償小區(qū)為單位進(jìn)行調(diào)整。

3 仿真分析

中斷場(chǎng)景具體仿真參數(shù)設(shè)置如表1所示。中斷探測(cè)仿真場(chǎng)景設(shè)置如圖8所示。設(shè)置扇區(qū)0（1）天線(xiàn)增益對(duì)比正常天線(xiàn)增益下降50 dBi，扇區(qū)4（1）天線(xiàn)增益對(duì)比正常天線(xiàn)增益下降100 dBi，用來(lái)表示兩種不同類(lèi)型的中斷小區(qū)。

利用基于聚類(lèi)算法的中斷探測(cè)方法，將一個(gè)偵聽(tīng)周期內(nèi)的觸發(fā)A3事件用戶(hù)的KPI信息組成數(shù)據(jù)向量，基于動(dòng)態(tài)AP算法對(duì)這些用戶(hù)進(jìn)行分類(lèi)。圖9為不同聚類(lèi)數(shù)目下對(duì)應(yīng)的聚類(lèi)評(píng)價(jià)指標(biāo)，由于我們選取的聚類(lèi)評(píng)價(jià)指標(biāo)值越大說(shuō)明聚類(lèi)質(zhì)量越高，也就是意味著類(lèi)內(nèi)越緊湊，類(lèi)間可分度越高，觸發(fā)A3事件用戶(hù)分為3類(lèi)為最優(yōu)。圖10為將這些用戶(hù)分為3類(lèi)時(shí)的示意圖，根據(jù)不同的分類(lèi)提取用戶(hù)位置坐標(biāo)映射到網(wǎng)絡(luò)拓?fù)渲小Ｓ|發(fā)A3事件用戶(hù)分布圖如圖11所示。某兩類(lèi)的數(shù)據(jù)分別集中于兩個(gè)小區(qū)內(nèi)，而另一類(lèi)數(shù)據(jù)則均勻分布在其他小區(qū)的邊緣，進(jìn)而定位了中斷小區(qū)的位置，且區(qū)分了兩種不同的中斷小區(qū)。結(jié)果與圖8所設(shè)定的仿真場(chǎng)景相符，說(shuō)明通過(guò)該方法可以在無(wú)任何人工干預(yù)的情況下，準(zhǔn)確地探測(cè)出偵聽(tīng)區(qū)域中的故障并定位。

中斷補(bǔ)償?shù)姆抡鎴?chǎng)景如圖12所示。為方便分析起見(jiàn)，我們?cè)O(shè)置中間小區(qū)為中斷小區(qū)，通過(guò)該小區(qū)的相鄰一圈小區(qū)對(duì)它進(jìn)行補(bǔ)償。按照基于遺傳算法的中斷補(bǔ)償方法的兩個(gè)步驟，先利用遺傳算法將補(bǔ)償小區(qū)的空閑資源塊（RB）分配給中斷用戶(hù)，之后調(diào)整這些RB上的發(fā)射功率。圖13為我們所提的中斷補(bǔ)償方法的第一步，也就是利用遺傳算法給中斷用戶(hù)分配RB的過(guò)程中，小區(qū)平均吞吐量的變化曲線(xiàn)。最開(kāi)始小區(qū)平均吞吐量為5.03 Mb/s，隨著算法不斷迭代，小區(qū)平均吞吐量逐漸穩(wěn)定并增加到5.36 Mb/s。這樣證明了算法的第一階段，也就是給中斷用戶(hù)分配RB的階段，取得了網(wǎng)絡(luò)整體性能的一個(gè)初步提升。

圖14分別顯示了4個(gè)階段的小區(qū)平均吞吐量情況。階段1：沒(méi)有發(fā)生中斷時(shí)，所有小區(qū)正常運(yùn)行，平均小區(qū)吞吐量大約為5.72 Mb/s；階段2：發(fā)生小區(qū)中斷，造成了很大區(qū)域的覆蓋漏洞，在這個(gè)區(qū)域的所有用戶(hù)均無(wú)法通過(guò)中斷小區(qū)建立無(wú)線(xiàn)連接，所以此時(shí)的平均小區(qū)吞吐量下降到大約4.97 Mb/s；階段3：當(dāng)調(diào)整了周?chē)^(qū)天線(xiàn)下傾角以及一些相關(guān)控制參數(shù)后，所有中斷區(qū)域的用戶(hù)可以與鄰小區(qū)建立無(wú)線(xiàn)連接，但是由于這些用戶(hù)導(dǎo)致了更大的小區(qū)間干擾，所以在這個(gè)階段，小區(qū)平均吞吐量只有細(xì)微的提升；階段4：在利用我們的小區(qū)中斷補(bǔ)償算法進(jìn)行無(wú)線(xiàn)參數(shù)調(diào)整以后的小區(qū)平均吞吐量，對(duì)比階段2有了明顯的提升。我們換一個(gè)角度來(lái)評(píng)估該算法，利用由用戶(hù)信干噪比定義的用戶(hù)滿(mǎn)意度。各階段用戶(hù)滿(mǎn)意度比例如圖15所示。當(dāng)小區(qū)中斷發(fā)生之前，滿(mǎn)意的用戶(hù)占整體的96%。算法進(jìn)行的最初，由于許多中斷用戶(hù)與補(bǔ)償小區(qū)建立了無(wú)線(xiàn)連接，所以滿(mǎn)意用戶(hù)比例對(duì)比發(fā)生中斷時(shí)有了大幅提高，達(dá)到了83%。當(dāng)補(bǔ)償算法進(jìn)行完畢時(shí)，滿(mǎn)意的用戶(hù)到達(dá)了93%，幾乎與沒(méi)發(fā)生中斷時(shí)持平，說(shuō)明利用該基于遺傳算法的中斷補(bǔ)償算法，可有效緩解中斷用戶(hù)的服務(wù)質(zhì)量，并且對(duì)補(bǔ)償小區(qū)的用戶(hù)造成了較小的影響。

4 結(jié)束語(yǔ)

本文給出了基于聚類(lèi)算法的中斷探測(cè)方法，對(duì)觸發(fā)A3事件用戶(hù)進(jìn)行分類(lèi)，根據(jù)各類(lèi)用戶(hù)的分布判斷有無(wú)中斷小區(qū)，仿真結(jié)果驗(yàn)證算法可以準(zhǔn)確地探測(cè)定位中斷小區(qū)并將不同的故障加以區(qū)分；并且根據(jù)中斷補(bǔ)償?shù)奶攸c(diǎn)，提出了基于遺傳算法的中斷補(bǔ)償算法，利用遺傳算法將補(bǔ)償小區(qū)的空閑RB以最優(yōu)方式分配給中斷用戶(hù)，進(jìn)而調(diào)整每個(gè)RB上的發(fā)射功率以達(dá)到小區(qū)平均吞吐量最大，經(jīng)過(guò)仿真驗(yàn)證該算法緩解了中斷用戶(hù)的服務(wù)質(zhì)量下降并對(duì)補(bǔ)償小區(qū)中的用戶(hù)幾乎不造成影響。自治愈技術(shù)的研究仍處于較初級(jí)階段，大部分工作停留在同構(gòu)網(wǎng)絡(luò)，隨著LTE-Advanced系統(tǒng)與異構(gòu)節(jié)點(diǎn)并存的復(fù)雜網(wǎng)絡(luò)出現(xiàn)，應(yīng)用場(chǎng)景和多媒體業(yè)務(wù)更加豐富，亟需提出更有效且復(fù)雜度較低的自治愈方案和策略。

參考文獻(xiàn)

[1] 3GPP TS 32.541 V11.0.0. Telecommunication management； Self-Organizing Networks （SON）； Self-healing concepts and requirements [S]. 2012.

[2] AMIRIJOO M， JORGUSESKI L， KüRNER T， et al. Cell outage management in LTE network [C]//Proceedings of the 6th International Symposium on Wireless Communication Systems（ISWCS’09）， Sep 7-10，2009， Siena（Tuscany）， Italy. Piscatawaw， NJ，USA： IEEE， 2009：600-604.

[3] SZILAGYI P， NOVACZKI S. An automatic detection and diagnosis framework for mobile communication systems [J]. IEEE Transactions on Network and Service Management， 2012，9（2）： 184-197.

[4] AMIRIJOO M， JORGUSESKI L， LITJENS R， et al. Cell outage compensation in LTE networks： Algorithms and performance assessment//Proceedings of the 73rd Vehicular Technology Conference （VTC-Spring’11）， May 15-18， 2011， Budapest， Hungary. Piscataway， NJ，USA： IEEE， 2011： 5p.

[5] FREY B， DUECK D. Clustering by passing messages between data points [J]. Science， 2007， 315： 972-976.

[6] XIA Lingfeng， LI Wenjing， ZHANG Heng， et al. A cell outage compensation mechanism in self-organizing RAN [C]//Proceedings of the 7th International Conference on Wireless Communications， Networking and Mobile Computing （WiCOM’11）， Sep 23-25， 2011， Wuhan， China. Piscataway， NJ，USA：IEEE， 2011：4p.

[7] AMIRIJOO M， JORGUSESKI L， LITJENS R， et al. Effectiveness of cell outage compensation in LTE networks [C]//Proceedings of the 8th IEEE Annual Consumer Communications and Networking Conference （CCNC’11）， Jan 9-12， 2011， Las Vegas， NV， USA. Piscataway， NJ， USA： IEEE， 2011： 642-647.

收稿日期：2012-11-02

作者簡(jiǎn)介

馬昱，北京郵電大學(xué)在讀碩士研究生；主要研究方向是無(wú)線(xiàn)網(wǎng)絡(luò)自組織技術(shù)中的自治愈技術(shù)。

薛文倩，北京郵電大學(xué)在讀碩士研究生；主要研究方向是無(wú)線(xiàn)網(wǎng)絡(luò)自組織技術(shù)中的自治愈技術(shù)。

彭木根，北京郵電大學(xué)教授、博士生導(dǎo)師，IEEE高級(jí)會(huì)員，北京市科技新星，教育部新世紀(jì)優(yōu)秀人才，首屆優(yōu)秀青年基金獲得者，首屆青年科學(xué)家“973”子課題負(fù)責(zé)人；長(zhǎng)期從事時(shí)分雙工（TDD）無(wú)線(xiàn)網(wǎng)絡(luò)信息理論、協(xié)同網(wǎng)絡(luò)編碼、無(wú)線(xiàn)網(wǎng)絡(luò)自組織技術(shù)、TDD高能效無(wú)線(xiàn)傳輸和組網(wǎng)技術(shù)、TD-SCDMA及增強(qiáng)演進(jìn)系統(tǒng)的傳輸和組網(wǎng)增強(qiáng)技術(shù)的研發(fā)工作；已發(fā)表學(xué)術(shù)論文共180余篇，其中SCI學(xué)術(shù)期刊論文38篇。