基于多域环境感知的5G网络自组织机理与自优化方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61571073
项目类别：
面上项目
资助金额：
67.0万
负责人：
陈前斌
依托单位：
重庆邮电大学
学科分类：
F0105.移动通信
结题年份：
2019
批准年份：
2015
项目状态：
已结题
起止时间：
2016-01-01 至2019-12-31

项目参与者：
唐伦；王晨梦；黄晨；许娟雄；郝昊；黄鹏；廖薪棋；刘伟；刘益富；
关键词：
5G 网络自组织自优化大数据

项目摘要

In 5G dense network, SON is expected to be a more intelligence SON, a conflict-free and reliable SON, massive SON and proactive SON. This project researches on the self-organization mechanism and self-optimization method in multi-domain environment aware for 5G. In order to improve self-organizing mechanisms and self-optimization theories with big data for enabling 5G. We put forward (1) the multi-domain environment-aware SON framework based on big data analysis, and explore self-organization mechanism with big data for enabling 5G; (2) big data analysis and data mining methods, and construct a self-optimizing knowledge database ; (3) the context-aware model based on Bayesian network, support active and online learning ability for 5G; (4) many self-optimizing methods with big data, such as coverage and capacity optimization, interference management, mobile robustness optimization, mobile load balancing optimization; (5) implement system level simulation platform to evaluate the performance of the proposed SON schemes with big data. This research will provide theoretical and technical support to empower self-organization mechanism and self-optimization method for enabling 5G, so our schemes have a great theoretical and practical application value.

5G密集网络SON面临高智能、无冲突且可靠、大规模、主动性等新需求与挑战。本课题主要研究5G密集网络下多域环境感知的自组织机理与自优化方法，建立5G密集网络基于大数据分析的网络自组织机理，完善SON自优化理论。具体研究内容：（1）提出基于大数据分析的多域环境感知5G自组织网络框架，探索基于大数据分析的自组织机理；（2）提出5G密集网络下大数据分析与数据挖掘方法，构建网络自优化知识库；（3）提出基于贝叶斯网络的上下文认知模型，支持5G密集网络下主动在线学习能力；（4）提出5G密集网络基于多域环境感知的系列自优化方法，包括容量和覆盖优化、干扰自优化、移动鲁棒性自优化、移动负载均衡自优化等；（5）搭建5G密集网络自组织网络系统级仿真与验证平台，通过仿真评估与验证平台评估所提出方案的性能；本课题研究将为5G密集网络SON机理与自优化方法提供理论和技术支撑。课题具有重大的理论研究意义和实际应用价值

结项摘要

本项目重点研究了5G密集网络下多域环境感知的自组织机理与自优化方法。具体而言，主要从基于数据分析的5G密集网络SON机理与架构、具有预测推理能力的上下文感知推理及预测方法和基于多域环境感知的系列自优化方法三大方面展开了相关的研究工作。建立了基于数据分析和上下文环境感知的网络智能优化决策机制，研究了基于机器学习的多域环境下多维智能感知算法，设计了基于多域环境感知的5G网络系列自优化方法。理论分析和仿真实验表明本课题提出的智能感知算法和智能优化决策机制可实现对5G网络多域环境的有效感知和智能管理，解决因5G网络自组织的高智能、无冲突可靠、大规模、主动优化的挑战，为实现5G网络自组织和自优化提供了理论和技术支撑。.课题组在自然基金资助期间，发表论文48篇，其中SCI检索论文22篇，其中2篇为高被引论文，EI检索论文18篇，核心期刊检索论文8篇；申请发明专利23件，其中授权专利13件；培养博士研究生5人，硕士研究生15人。研究成果为5G网络自组织和自优化的实现提供了参考和建议。