【WORD格式论文原稿】GSM 网络话务量分布特征和无线信道利用率分析

【WORD格式论文原稿】GSM 网络话务量分布特征和无线信道利用率 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 免费查阅 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 与论文: GSM 网络话务量分布特征和无线信道利用率分析 唐碧霞，叶文 北京邮电大学计算机科学与技术学 院，北京 (100876) E-mail: tangbixia1984@yahoo.com.cn 摘 要:无线信道利用率是衡量网络容量和无线资源利用率的一个重要性能指标，实际 GSM 分析方法。本文验证了一定拥塞率 网络评估和载频优化配置需要准确可信的无线信道利用率 下小区所承载的话务量近似符合正态分布特征，据此提出一种更为方便、通过置信区间迭代 计算不同可用信道数在不同拥塞率下的最佳可承载话务量的新方法。将上述方法应用于广东惠州等地的 GSM 网络小区评估分析，实际分析结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明，可用信道数不同时，其在相同拥塞 率下的无线信道利用率存在差异，本文提出的无线信道利用率分析方法可以获得较为准确的 分析评估结果。 关键词:无线信道利用率; 话务分布;拥塞率 中图分类号:TN929.5 1. 引言 无线信道利用率是衡量 GSM 网络话务承载能力和无线资源使用情况的一个重要性能指 标，也是进行载频优化配置的重要依据。无线信道利用率分析是 GSM 网络维护和优化工作 的一项重要内容，需要准确可信的分析方法。 GSM 网络无线信道利用率分为全网级、MSC 级、BSC 级和小区级四个级别。前 3 个级 别的无线信道利用率主要用于评估网络话务承载能力，可以通过统计分析全网、MSC、BSC [1~2]的忙时平均话务量得到;GSM 网络由众多小区组成，不同小区在话务分布和承载能力等 方面存在差异。小区级无线信道利用率精确描述了各个小区的真实话务承载能力，据此可以 为小区配置合适的载频数目，使得小区载频所提供的话务承载能力与小区移动用户的实际话 务需求相匹配，从而保证用户服务质量。 小区无线信道利用率定义为小区实际可承载最佳话务量与其理论可承载话务量的比值。 理论可承载话务量是指在特定可用信道数和按照网络优化所能接受的特定呼损率指标(如 1%、2%)下，理论爱尔兰 B 表所规定的可承载话务量。小区实际可承载话务量一般低于其 理论可承载话务量，小区无线信道利用率应不大于 100%。无线信道利用率越高，说明小区 的话务承载能力越强、无线资源利用越充分。 小区无线信道利用率不仅可以用于网络评估，还可以用于小区载频优化配置。计算小区 无线信道利用率的关键是根据小区实际话务统计数据分析小区在不同拥塞率(如[1%，2%]) 下所承载的实际话务量。 实际 GSM 网络中，单个小区在不同拥塞率下的话务样本数目一般都比较少，直接根据 单个小区的话务数据分析该小区的无线信道利用率是不可行的，因此实际 GSM 网络优化工 作中需要对网络中众多小区进行分类，然后按类分析小区特性。文[3~7, 9]等就是先将小区 按载频数或所处地理位置(如郊区、城区、商业区等、高速公路)进行分类，然后再计算各 类小区的无线信道利用率。文[3~6]将小区分时话务统计数据中的无线信道利用率和拥塞率 的出现作为概率事件，通过计算拥塞概率来分析同类小区在不同拥塞率下的无线信道利用 率。这种方法要求小区话务拥塞样本的容量足够大，否则分析精度易受影响;文[7]根据小 区无线信道利用率与拥塞率呈指数关系的特点，直接利用同类小区实际话务数据进行指数曲 线拟合，计算各类小区的无线信道利用率，这种方法简单易行，但分析精度易受噪音数据的 影响。 - 1 - 免费查阅标准与论文: 根据话务理论，一定拥塞率下的小区实际可承载话务量是一个随机变量。因此，我们可以通过分析该随机变量的分布特征来分析小区实际可承载话务量，并用该随机变量的特征值 (如均值、方差)描述小区实际可承载最佳话务量。由此看出，研究小区在不同拥塞率下的 话务量分布特征是小区无线信道利用率分析的关键。 由于很难从理论上直接证明实际网络中话务量具有的分布特征，一种更为可行的研究方 法是利用实际话务数据直接检验小区话务量可能服从的各种分布，如正态分布、对数正态分 布、指数分布等。 根据 GSM 网络话务模型，小区在一定时段内承载的实际话务量与下列因素密切相关有 [8]关:呼叫总数、呼叫到达过程、呼叫占用信道时长或通话时长、呼损/拥塞率。文[9]利用 GSM 网络实际话务数据和 K-S 检验方法，验证了 GSM 网络中当用户呼叫行为较少时，用 户呼叫到达符合泊松分布特征。文[10,11]根据实际话务数据，分别利用 Chi-square 统计分析 检验方法与 K-S 检验方法验证了无线网络中的呼叫占用信道时间符合混合对数正态分布。 文[12]也发现智能网中的用户实际通话时长符合双对数正态分布。 此外，文[13]发现实际 GSM 网络中话务量在空间分布上是非均匀的，进一步地，根据 2 2 实际话务数据，采用χ拟合优度检验方法与ω检验方法验证了全网中各小区的忙时平均话 务量在空间分布上满足对数正态分布。 但上述研究均没有涉及不同拥塞率下单个或同类小区的话务量实际分布情况。 本文研 究工作将小区所承载的实际话务量看作随机变量，利用 GSM 网络实际分钟级话 务数据，对在一定拥塞率下的小区话务量和对数话务量采用 K-S 检验方法进行正态性检验， 发现一定拥塞率下小区话务量近似符合正态分布特征，据此提出一种通过置信区间迭代计算 不同可用信道下同类小区的实际可承载最佳话务量的新方法。这种方法所需话务拥塞样本数 据较少，可以根据话务量的正态特性进行数据规范化和拟合处理，具有较好的抗噪声数据能 力，准确性较高。 本文研究工作是建立在实际 GSM 网络话务数据基础上的，采用了广东移动通信有限责任公司惠州分公司 2007 年 6 月 7 日到 2007 年 6 月 9 日、2007 年 10 月 14 日到 2007 年 10 月 20 日共 10 天的全网 2188 个小区的全部分钟级话务数据，共有 7,765,038 条话务 记录 混凝土 养护记录下载土方回填监理旁站记录免费下载集备记录下载集备记录下载集备记录下载 ，数 据总量达 2.0G。 本文后续内容安排如下:第 2 部分描述了利用 GSM 网络实际话务数据，对小区在不同 拥塞率下的话务量和对数话务量的正态分布特征进行 K-S 检验的过程;第 3 部分设计了基 于置信区间迭代的无线信道利用率计算方法，论述了无线信道利用率分析在小区载频优化配 置中的应用;第 4 部分给出分析实例，展示了不同可用信道数的同类小区在无线信道利用率 方面的差异;第 5 部分是对本文研究工作的总结。 2. 小区话务量的正态分布特征检验 正态分布是最常见的一种随机变量分布形式，其密度函数曲线呈钟形，可以用均值、方 差这 2 个参数和概率分布函数加以描述。1 个随机变量符合对数正态分布是指将该随机变量 样本取对数后得到的新样本满足正态分布的要求。已经发现 GSM 网络的呼叫信道占用时间、 [10~13]通话时长、话务量空间分布符合对数正态分布。因此，有必要利用实际话务数据检验 一定拥塞率下小区话务量是否符合正态分布或对数正态分布。 - 2 - 免费查阅标准与论文: 2.1 固定拥塞率下的小区话务量分布特征 [14]K-S 检验是一种拟和优度检验方法，用于检验连续性随机变量 X 是否符合指定分布， 其原理为:假设 X 的分布函数为 F(x)且连续，F(x)为某个指定的分布函数表达式，K-S 检验 0 方法用于检验假设 H:F(x) = F(x), H:F(x) ? F(x)。对于来自 X 的样本 X‚…‚X可构造经 00101n 验分布函数 F(x)，利用公式(1)计算出 D，利用公式(2)可计算出检验的置信水平α，n 指样 nn 本容量。对给定的显著性水平α’，当α > α’，则接受 H，否则拒绝 H。 00 D= max { |F(x) ? F(x)|‚ |F(x? F(x)| } (1)n nk0knk+1 0k1? k ?n ?2 2 k ?1?2 k nD(2) nα = 2( ? 1)e? k =1 此外，对随机变量 X，如果 lnX 符合正态分布，则 X 满足对数正态分布。 首先利用各小区一周内的实际分钟级话务数据和 K-S 检验方法，检验单个小区一定拥 塞率下的话务量是否符合正态分布和对数正态分布。下面给出几个检验实例。 可用信道数 nTCH = 44 的全部 23 个小区，以每个小区在拥塞率为 0 时全部分钟级 考虑 话务数据作为样本，使用 K-S 检验方法对这些小区的话务量 traff 和对数话务量 lntraff 进行 正态性检验。取显著性水平α′ = 0.05，各小区的 K-S 检验结果如表 1 所示，其中的双尾概率 P 值即为检验的置信水平α。 表 1 nTCH = 44 的全部小区在拥塞率为 0 时的话务量、对数话务量正态分布检验结果 ( µ, σ ) traff 双尾概率 P 值 lntraff 双尾概率 P 值 小区名样本容量 H22XLA2 677 (19.899, 2.564) 0.099 0.292 H22HTY3 697 (21.894, 4.207) 0.144 0 H22ZSP2 1235 (17.679, 3.620) 0.046 0.079 H42DSL1 860 (20.741, 3.407) 0.084 0.304 H21NKG1 1934 (17.044, 4.006) 0.252 0 H42JMD1 1319 (18.052, 3.720) 0.094 0 H52YJZ1 912 (17.084, 3.794) 0.719 0.006 829 (21.396, 3.996) 0.916 0.020 H71CYY3 H71XKG0 885 (20.574, 3.338) 0.797 0.225 H81LBW2 477 (17.432, 3.443) 0.215 0.001 D42JGX1 1181 (5.317, 3.026) 0.039 0 H21HGO3 347 (9.696, 2.788) 0.073 0.004 H42SYL2 99 (8.658, 4.618) 0.714 0.196 H81HWC1 385 (10.669, 3.035) 0.429 0.328 H81MAF1 453 (7.416, 3.185) 0.133 0.044 H81XLQ1 296 (10.503, 3.868) 0.048 0.030 H82MDH2 326 (8.488, 2.876) 0.439 0.138 H22SWL3 733 (13.640, 4.876) 0.101 0 H22XSH4 573 (16.277, 3.331) 0.638 0.28 H41YNA3 965 (15.361, 3.995) 0.070 0.320 H62QNQ3 981 (16.444, 5.749) 0.052 0 H42LTU1 163 (14.407, 2.797) 0.532 0.997 H72SYD1 446 (10.984, 3.964) 0.052 0.263 分析表 1 可知，在全部 23 个小区中，对话务量 traff 有 20 个小区通过检验;而针对对数话务量 lntraff，只有 11 个小区通过检验。说明在拥塞率为 0 时，各小区的话务分布特征 与正态分布更为吻合。 - 3 - 免费查阅标准与论文: 进一步地，对小区 H71CYY3，以该小区在拥塞率为 0 时全部分钟级话务数据作为样本，使用 SPSS 软件分别绘制话务量 traff 和对数话务量 lntraff 的频度直方图，如图 1 与图 2 所示。 图中横坐标代表 traff 或 lntraff，纵坐标代表话务量样本数目。 图 1 小区 H71CYY3 话务量频度直方图 图 2 小区 H71CYY3 对数话务量频度直方图 (拥塞率为 0) (拥塞率为 0) 从图 1、2 可以看出，小区 H71CYY3 在拥塞率为 0 时的话务量的频度直方图轮廓与图 中所示的正态分布曲线较吻合，而对数话务量的频度直方图轮廓与图中所示的正态分布曲线 偏离较大。这也直观地说明，小区 H71CYY3 在拥塞率为 0 时的话务量符合正态分布。 下面我们再考察对不同可用信道数下的同类小区在不同拥塞率下的话务量分布特征。 某一可用信道数在某个拥塞率下的话务样本由属于该可用信道数的所有小区在该拥塞 率下的全部分钟级话务数据组成。选取每个可用信道数的样本容量较多的拥塞率段(要求样 本容量>50)，nTCH 为 21 时选取 6 个拥塞率段，nTCH 为 28 时选取 8 个拥塞率段，nTCH 为 44 时选取 10 个拥塞率段，共 24 个拥塞率段，对这些拥塞率段下的话务量 traff 和对数话 务量 lntraff 用 K-S 方法进行正态分布检验。取显著性水平α′ = 0.05 时，这 3 个可用信道数的 检验结果如表 2 所示，其中的 P 值即为检验的置信水平α。 表 2 不同可用信道数在不同拥塞率段下的 K-S 检验结果 nTCH=21 nTCH=28 nTCH=44 拥塞率段 traff 的 lntraff 的 traff 的 lntraff 的 traff 的 lntraff 的 样本样本样本 容量P 值P 值容量P 值P 值容量P 值P 值 0.005~0.01 337 0.381 0.06 样本容量少于 50 样本容量少于 50 0.015~0.02 531 0.387 0.01 样本容量少于 50 样本容量少于 50 0.025~0.03 88 0.223 0.063 851 0.057 0 样本容量少于 50 0.03~0.04 229 0.995 0.141 2364 0.013 0 样本容量少于 50 0.04~0.05 69 0.747 0.250 412 0.758 0.102 2682 0.033 0 0.05~0.06 152 0.098 0.01 563 0.646 0.07 2459 0.039 0 0.06~0.07 220 0.868 0.287 787 0.436 0.026 2446 0.09 0 0.07~0.08 302 0.190 0.164 875 0.746 0.01 2103 0.086 0 0.08~0.09 302 0.814 0.137 761 0.865 0.03 1817 0.033 0 0.09~0.10 534 0.286 0.006 1097 0.736 0 1920 0.044 0 从表 2 可以看出，取显著性水平α′ = 0.05 时，话务量共有 19 个拥塞率段通过正态分布 检验，而对数正态话务量只有 9 个拥塞率段通过检验，取α′ = 0.03 时，话务量将有 23 个拥 塞率段通过正态检验，而对数正态话务量通过检验的拥塞率段仍为 9 个。 - 4 - 免费查阅标准与论文: 为了对网络中更多的可用信道数进行话务量正态性检验，我们首先将网络中具有相同可用信道数的小区归为一组，然后考察本可用信道数下的全部小区在不同拥塞率下对应的全部 拥塞样本，这些样本组成针对特定可用信道数、特定拥塞率的验证样本集。 选取验证样本集中样本数目大于 50 且样本数目最多的 50 个验证样本集，对每个验证样 本集进行正态性检验。在显著性水平α′ = 0.05 时，有 47 个验证样本集通过 K-S 正态性检验， 但只有 36 个验证样本集通过对数正态性检验。没有通过正态性检验的 3 个验证样本集，其 检验的置信水平α也大于 0.025。 从上述通过正态性检验的验证样本集中选取单个小区的拥塞样本，如果样本数目大于 50，则这些拥塞样本组成针对特定小区、特定拥塞率的小区样本集。选取 40 个样本数目最 多的小区样本集进行正态性检验，在显著性水平α′ = 0.05 时，有 35 个小区样本集通过 K-S 正态性检验。 由上述分析结果可以得出如下结论:一定拥塞率下小区承载的话务量可以用正态分布近 似描述。 2.2 最佳可承载话务量 将一定拥塞率 c下小区承载的话务量看成 1 个随机变量 Y，利用 Y 符合正态分布的特性 b 可以计算小区最佳可承载话务量。 2当随机变量 Y 满足正态分布 N (µ‚ σ)时，均值 µ 表征了小区话务量的集中点，标准差σ 则描述了话务量的分散程度，µ 与σ共同反映了话务量 Y 的分布特征。 我们将拥塞率 c下小区最佳可承载话务量定义为(μ + σ)。根据正态分布性质可知，对 b 于符合正态分布的话务量 Y，Ρ{Υ ? μ + σ} ? 0.84，反映了拥塞率 c下小区话务量落在区间 b (??‚ μ + σ)的概率约为 84%。又由于小区无线信道利用率与拥塞率呈指数关系，小区承载的 话务量越高，产生的拥塞也越大，因此当小区承载的话务量超过(μ + σ)后，小区拥塞率将有 很大可能超过 c。所以，小区最佳可承载话务量(μ + σ)代表了拥塞率 c下小区所能承载话 bb 务量的上限。 小区无线信道利用率定义为小区实际可承载最佳话务量与其理论可承载话务量的比值， 即(μ + σ)与理论可承载话务量的比值，它反映了一定拥塞率下小区最大无线信道利用率。 实际网络优化中还需要考虑一定拥塞率 c下小区最小无线信道利用率和可承载的最小b 话务量。在拥塞率 c下，对可用信道数为 n 的小区，可以采用下述 2 个计算公式: b ErlB(n ? 8, p )× maxwcu(n ? 8,c ) b b (3) minwcu(n, c) = bErlB(n, p) b mintraff(n, c) = minwcu(n, c) × ErlB(n, p) (4) bbb 其中 minwcu(n, c)与 maxwcu(n, c)分别表示可用信道为n 时在拥塞率为 c下的最小与bbb 最大无线信道利用率，ErlB(n, p)表示可用信道为 n、拥塞率为 p时的理论话务量，mintraff(n, bb c)表示可用信道为 n、拥塞率为 c的最小可承载话务量，p指网络优化能接受的特定呼损率 bb b 指标(如 1%、2%)。 3. 无线信道利用率分析 实际 GSM 网络中，为了准确分析网络中各小区无线信道利用率，一方面需要采集尽可 能多的各小区在不同拥塞率下的话务拥塞样本，另一方面还需要准确易行的分析方法。 本文所述研究工作采用分钟级话务数据分析无线信道利用率，其优点在于分钟级话务数 - 5 - 免费查阅标准与论文: 据在小的时间尺度上描述了小区话务情况，比来自于话务统计平台的小时级话务数据包含了更多的话务拥塞样本;此外，无线信道利用率的分析对象为可用信道数相同的小区，有利于 为收集更多的拥塞样本。 根据小区在不同拥塞率下的话务量呈正态分布的特点，本文采用一种简单易行的方法— 置信区间迭代算法计算不同拥塞率下的无线信道利用率。 3.1 置信区间迭代算法 根据 2.2 所述，分析一定拥塞率 c下小区最佳可承载话务量可转换成计算可用信道数相 b 同的小区在 c下的话务量正态分布的的均值μ与标准差σ之和。 b 给定在可用信道数为 ntch、拥塞率为 c下的一组话务量样本数据 X‚…‚X，当样本数据 b 1n在某些话务量区间上存在缺失时，样本频度直方图轮廓与正态曲线并不能完全吻合。如果直 接用极大似然估计法计算样本均值 µ和标准差σ，样本均值 µ可能会偏离实际的正态分布 t tt 均值μ，将 µ作为μ将不能准确反映小区实际话务承载能力。 t [15]区间估计是一种参数估计方法，当给定一组样本数据时，用于对指定置信度下的总 体均值或方差的取值范围(即置信区间)进行估计。当总体的均值θ 未知时，可以采用下述置 [15]信区间计算公式迭代求解θ 的近似值: β βS S ˆ ˆ [ θ, , θ] = [ ? t( ) + t( ) ] (5)X X n-1n-11 2 22 n n 本文采用置信区间迭代算法对话务量的正态分布均值进行迭代求解，使求取的最终样本 均值 µ能较接近正态分布均值μ，从而对μ作出较准确的估计。 t 算法使用的参数为:置信区间迭代次数 IterativeCount、置信度β、前后两次样本均值阈值 DeltaUi、样本容量阈值 SwatchNumLimit。 在可用信道数为 ntch、拥塞率为 c给定下的一组话务量样本数据 X‚…‚X，当样本容量 b 1n大于 SwatchNumLimit 时，算法主要步骤如下: (1) 利用极大似然估计法求取 X‚…‚X的样本均值μ、标准差σ，迭代次数 i = 0。1n 00 ˆ ˆ (2) 设μ= μ。对给定的β，利用公式(5)求取置信区间[ θ, θ]。 i 01 2 ˆ ˆ (3) 从 X‚…‚X中筛选位于[ θ, θ]内的话务量样本作为新样本数据 Y,…,Y，若 1n 1m1 2 样本容量 m > SwatchNumLimit，求取 Y,…,Y的样本均值μ、σ，迭代次数 i = i + 1，否则 1m 0i 转至(5)。 (4) 当 i ? IterativeCount && | μ?μ| > DeltaUi，重复步骤(2)、(3)，否则转至(5)。0i (5) 得到 c下的最终话务均值μ= μ，并利用μ重新计算 X‚…‚X的方差，得到最 b t 0t 1n 终标准差σ。 t 3.2 无线信道利用率应用 按可用信道数划分的在不同拥塞率下的小区无线信道利用率分析可以应用于实际 GSM 网络维护和优化工作中的网络评估和载频优化配置。 无线信道利用率描述了小区在网络中 的实际话务承载能力。根据无线信道利用率可以分 析可用信道数不同的小区在话务承载能力上的差异，评估小区是否达到规定的无线信道利用 率指标值，快速定位因话务承载能力达不到要求而需要进行优化调整的某一可用信道数狭的 小区，从而为网络优化提供决策依据。 已经发现，理论爱尔兰 B 表并不能准确反映实际网络中各小区的拥塞率与可承载话务 - 6 - 免费查阅标准与论文: 量之间的关系，理论爱尔兰 B 表规定的小区可承载话务量往往比实际偏大。不同可用信道数下的无线信道利用率是根据小区实际话务数据计算得到的，利用实际可承载话务量 = 无 利用率 × 理论可承载话务量，可建立针对不同可用信道数的经验爱尔兰 B 表。该表 线信道 准确反映了不同可用信道在不同拥塞率下的所能承载的实际话务量，可以作为载频配置优化 调整、半速率参数调整的理论依据。 载频配置优化调整是网络优化中一项重要工作。如果 1 个小区在一段时间内的小时级平 均拥塞率持续大于规定的拥塞率指标 C，说明该小区实际话务负荷超过了小区现有载频所 d 能提供的话务承载能力，因此需要为该小区增加载频，以降低网络拥塞，提高用户服务质量。 集该小区在在拥塞时段的话务量、拥塞率等话务数据，根据按负载计算的呼损公 可以采 [8]式，计算出小区在不同拥塞率c 下的流入话务量 A，然后求取平均流入话务量Ag 。从基 k k 于可用信道的经验爱尔兰 B 表中查找为支持话务量 Ag 和拥塞率指标 C所需的信道数和载 d 频数，据此增加小区载频数目。 另一方面，在夜间、非忙时等低话务时段，小区现有载频会有富裕，一部分载频处于空 闲非工作状态，可以关闭这部分空闲载频，以达到降低基站功耗的节能目的。为此，可以估 计小区在低话务时段的实际话务量 A，根据拥塞率指标 C查找基于可用信道的经验爱尔 idled 兰 B 表，计算小区为支持话务负荷 A所需要的载频数目，据此关闭现有部分载频。 idle 4. 分析实例 对于可用信道数相同的全部小区利用分钟级话务数据，采用置信区间迭代算法分别计算 在不同拥塞率下的最大可承载话务量，然后取拥塞率为 1%时的理论爱尔兰 B 表对应的理论 话务量，计算出不同拥塞率下的无线信道利用率，图 3 给出了可用信道数为 14、21、28 时 的无线信道利用率与拥塞率的指数拟合关系。 图 3 不同可用信道数下的无线信道利用率-拥塞率关系 从图 3 可以看出，当可用信道数不同时，在相同拥塞率下，其无线信道利用率存在差异， 在拥塞率为 2%时，可用信道数为 14 时的无线信道利用率最小，可用信道数为 28 的无线信 道利用率最大，但这 3 个可用信道数在拥塞率为 2%时的无线信道率均达到 60%以上。对于 单个可用信道数如 ntch=14 时，可以看到其无线信道利用率随着拥塞率的增加而逐渐增大， 这说明当拥塞率增加时，网络所能吸收的话务量也增加了，因此，其无线信道利用率也相应 增大;当可用信道数不相同时，可用信道数越大，其在某一拥塞率下所吸收的话务量也较大， 因此，其无线信道利用率也较大。 从这 3 个可用信道数的小区地理位置分布上看，可用信道数为 14 的小区多分布在城区 边缘等话务密度较低地区，其无线信道利用率相对较低。可用信道数为 21、28 的小区多分 布在市区，这 2 类可用信道数下的小区，其话务密度都较高，小区覆盖半径不大，小区无线 - 7 - 免费查阅标准与论文: 信道利用率也较高。 5. 总结 本文研究了针对 GSM 网络中相同可用信道数下的无线信道利用率分析问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 。与现有分 析方法的不同之处是，利用实际话务数据，采用统计检验手段发现并验证了不同拥塞率下小 区话务量分布近似符合正态分布特征。在此基础上，采用置信区间迭代法计算某一可用信道 数在不同用塞率下的最佳可承载话务量。这种迭代计算方式可以有效减少由于话务量样本偏 差导致的可承载话务量计算结果误差，从而得出较为准确的最大可承载话务量。 由于可用信道数相同的不同小区其话务分布也可能存在差异，按可用信道数划分的无线 信道利用率计算方法可能忽略不同小区间的无线信道利用率差异，从而导致计算出的无线信 道利用率可能与该可用信道数中某些小区的实际话务承载能力存在较大差异，不利于对这些 特殊小区进行准确的载频配置。另外，由于不同拥塞率下小区话务量分布只是近似符合正态 分布特征，因此进一步研究实际网络中小区分类方法以及基于小区分类的话务量分布特征并 改进本文描述的无线信道利用率分析方法是我们今后需要进一步研究的工作。 参考文献 [1] 罗东,黄政力.GSM 网无线信道利用率分析[J].广东通信技术,2002,12(10):24-27. ,辽宁省通信学会 2005 年年会,沈阳,2005,270-276[2] 吕傲然. 关于无线信道利用率的相关研究[C] [3] 徐长胜,艾秀青.关于无线网络利用率的探讨[J].电信工程技术与标准化,2006,19(12):40-43. [4] 葛海平,吴松,苟光学.关于 GSM 网络无线信道利用率的一种计算方法[J].邮电设计技术,2007(4):32-36. [5] 章莹. GSM 网络实际信道承载能力探讨[C].四川省通信学会二〇〇三年学术年会,成都,2003,89-93. [6] 吕宏滨.GSM 网络信道承载能力[J].电信工程技术与标准化,2007(4):85-88. [7] 任国旭 , 冯毅 , 何小山 .GSM 网引入 无线信 道利用 率后 的容量 规划和 设备配 置方 法 [J]. 电信技 术,2004(4):6-10. [8] 戴美泰,吴志忠,邵世祥等.GSM 移动通信网络优化[M].北京:人民邮电出版社,2003. [9] H.Khedher , F.Valois , S.Tabbane . Real Mechanisms for Mobile Networks Modeling and Engineering[C].IEEE Global Telecommunications Conference, Hyatt Regency Dalls, TX U.S.A., Nov. 29-Dec. 3, 2004, 4, 2134-2139. [10] C.Jedrzycki , V.C.M.Leung. Probability Distribution of Channel Holding Time in Cellular Telephony System[C]. IEEE 46th Vehicular Technology Conference, Atlanta, GA, Apr.28-May 1, 1996, 1, 247-251. [11] F.Barcelo , J.Jordan. Channel Holding Time Distribution in Public Telephony Systems (PAMR and PCS)[J]. IEEE Transactions on Vehicular Technology, 2000, 49(5): 1615-1625. [12] 张奇支,廖建新.移动智能网用户的通话时长模型分析[J].高技术通讯,2006,16(4):353-357. [13] U.Gotzner , A.Gamst , R.Rathgeber .Spatial Traffic Distribution in Cellular Networks[C]. IEEE 48thVehicular Technology Conference, Ottawa, Ont. , May 18-21, 1998, 3, 1994-1998. [14] A.W.Law , W. D.Kelton . Simulation Modeling and Analysis [M]. 北京:清华大学出版社,2000. [15] 梁冯珍,宋占杰,张玉环.应用概率统计[M].天津:天津大学出版社,2004. Analysis of Traffic Distribution and Wireless Channel Utilization in GSM Networks Tang Bixia, Ye Wen School of Computer Science and Technology, Beijing University of Posts and Telecommunications, Beijing, PRC(100876) Abstract Wireless channel utilization is the important measure for network capacity, and is also the key to optimal carrier assignment in GSM networks. From the 1-minute-granularity practical traffic data of cells, we found by the K–S goodness-of-fit test that with a particular call blocking probability, the traffic carried by a cell approximately follows the normal distribution. We applied confidence interval iteration to evaluating of the wireless channel utilization of the GSM Network in Huizhou, Guangdong - 8 - 免费查阅标准与论文: Province. Our results reveal that the cells under the same call blocking probability but in different channel differ in wireless channel utilization, and the approach proposed in the paper is more efficient and precise. Keywords: wireless channel utilization; traffic distribution;call blocking probability 作者简介:唐碧霞，女，1984 年生，硕士研究生，主要研究方向是移动通信网络优化。 - 9 -