5G云无线接入网络的智能化高能效中断自治愈机制

For the present self-healing mechanism in 4G, most cell outage detection (COD) methods require quantities backward KPI data analysis, and most cell outage compensation (COC) methods may introduce additional energy consumption and interference, which could not satisfy requirement of fast and accurate fault detection and recovery in the 5G cloud wireless radio networks (C-RAN). An intelligent and energy-efficient self-healing mechanism is proposed. Firstly, active COD mechanism based on deep learning predictions is studied. With proper data sets selection, a COD detection parameter prediction algorithm based on deep learning and a spatial-temporal combined outage cell positioning method are proposed. For the outage cell, the intelligent energy-efficient COC mechanism based on intelligent collaboration is studied. For users in the centralized area and the edge area respectively, user compensation method based on millimeter wave aerial base station and user compensation method based on energy efficiency aware D2D are proposed. Through the research of this project, it is proposed to construct a fast and accurate COD method for 5G cloud wireless access networks for lightweight data, and achieve high energy efficiency COC to ensure the service quality requirements of users in different regions. Through above research, it can provide a potential solution for ensuring high-quality continuous service and improving the robustness of the 5G C-RAN.

已有的4G网络的自治愈机制研究中，小区中断检测需要大量事后的KPI数据辅助分析，小区中断补偿方法易带来额外的能耗和干扰影响，难以适应未来5G云无线网络的主动、快速、准确的小区中断检测和小区中断补偿的需求。本项目提出了智能化高能效的中断自治愈机制。首先研究基于深度学习预测的主动小区中断检测机制，选择合适的数据集合，提出基于深度学习的小区中断检测参数预测算法和空时联合的故障小区定位方法。面向故障小区，研究基于智能协作的高能效小区中断补偿机制。分别面向集中区域和边缘区域的用户，提出基于毫米波空中基站的用户补偿方法和基于能效感知 D2D的用户补偿方法。通过本项目的研究，拟构建基于最小化数据集的5G云无线接入网络快速精确的小区中断检测方法，并实现满足不同区域用户服务质量要求的高能效中断补偿，为保障5G云无线接入网络的高质量持续服务，提高网络的健壮性提供参考解决方案。

已有自治愈机制主动性不足、易带来额外能耗和干扰影响，难以适应5G云无线网络（C-RAN）的主动、快速、准确的小区中断检测和小区中断补偿的需求。.本项目针对5G C-RAN网络的自愈过程，分别提出了基于深度学习预测的主动 COD 机制和基于智能协作的高能效 COC 机制。首先研究了基于深度学习的 COD 参数预测算法，提出了基于相关性分析和意图驱动的检测参数获取机制，确定有效的监测参数集合；之后提出了基于 LSTM 的RRH业务量预测方法，完成区域内不同类型业务量的深度精准预测。基于预测结果，提出了空时联合的故障小区定位方法，分别面向故障区域、局部故障RRH和时空故障RRH检测，提出了基于改进局部异常因子的中断诊断方法、基于TICC的COD机制和基于分层检测的空时联合的COD算法，实现精准快速的故障识别和定位。.在基于智能协作的高能效 COC机制上，分别针对已有网络站点协同、异构空中基站补偿和终端本身协作，面向不同业务需求和网络场景提出了对应的高能效覆盖补偿机制。面向站点协作，提出了基于深度强化学习的多媒体广播服务用户的资源补偿方法、面向高带宽用户QoS保障的智能化COC方法、面向泛在边缘用户的智能协作补偿方法，和基于改进粒子群的多参数补偿优化方法。面对临时补偿需求，提出了面向容量增强的多空中基站智能化补偿方法和面向弱覆盖的多空中基站智能化补偿方法。针对边缘用户的有效补偿，提出了基于能效感知 D2D 的用户补偿方法，构建了基于D2D辅助的5G VR广播业务智能模式选择机制基于D2D组播的广域覆盖用户智能补偿机制，实现多维度、全业务、递进式的高能效小区补偿。.本项目形成了系列化的诊断和恢复机制，为自愈在5G C-RAN等密集异构网络下的落地实现提供了科学依据，并为未来无线网络的自智内生智能提供了可行参考。对保障网络的服务性能，提高网络的智能化水平，降低运维成本具有重要意义。

内容获取失败，请点击重试