System capacity optimization of UMTS FDD networks

Abstract

In this thesis I investigate the problem of capacity optimization in UMTS FDD networks. The goal is to improve the capacity of the network, measured as served users, only by changing the base station parameters. I focus on the optimization of antenna tilt and common pilot channel (CPICH) power of the base stations. These parameter adjustments improve the UMTS radio network capacity by means of reducing inter-cell interference, achieve cell load sharing, and optimize base station power resources.<br />I present altogether five different algorithms for finding the best settings of antenna tilt and CPICH power. The first three optimization algorithms, Rule Based Approach, Simulated Annealing and Adaptive Rule Based Approach, are local techniques. Furthermore, a global technique, the Genetic Algorithm, will be presented. Also, an Analytic Optimization Algorithm will be discussed.<br />The fitness function used for the algorithms considers the number of served users as the main optimization goal. For the Genetic Algorithm I use a fitness function that additionally also considers coverage and soft handover. First, I address the Rule Based Approach. The optimization process is characterized by reducing the CPICH power and increasing the antenna downtilt in the individual cells according to a configurable rule set.<br />Subsequently, I extend this algorithm by incorporating Simulated Annealing. Here, the decision whether to take a worse result is, in contrast to the first method, independent of the rule set. The third local algorithm is also a further development of the Rule Based Approach. The main dierence between the Adaptive Rule Based Approach and the other two local approaches is that CPICH power and antenna tilt are changed together, and that also an increase of CPICH power and antenna up tilting is possible during the optimization process.<br />Further, I introduce a Genetic Algorithm which I improved by taking operators that are adapted for the UMTS capacity optimization problem by taking into account the quality of the network. In addition, a local optimization is included to improve the performance.<br />Finally, I address an Analytical Optimization Algorithm. Beside antenna tilt and CPICH power settings, this algorithm optimizes also the antenna azimuth.<br />The performance of the algorithms is evaluated using a static UMTS FDD network simulator on two virtual scenarios of a typical European city.<br />In the first scenario the network covers the whole area of the city. The second scenario only spans across downtown.<br />With the different algorithms, I show improvements in capacity of up to 120% compared to the initial settings. The Genetic Algorithm performs best, but with the drawback of a high computation time. If we compare the three local optimization techniques, Rule Based Approach, Simulated Annealing and Adaptive Rule Based Approach, we see that the Adaptive Rule Based Approach achieves the highest improvement. The computation effort for all three algorithms is approximately the same. The Analytic Optimization Algorithm shows, with only five network evaluations, almost the same optimization result as the local algorithms.<br />

Diese Dissertation beschäftigt sich mit der Kapazitätsoptimierung in UMTS Mobilfunknetzen. Das Ziel ist, die Kapazität im Netz, gemessen an der Anzahl der bedienten Teilnehmer, nur durch Optimierung der Basisstationsparameter zu erhöhen. Zur Optimierung werden die Antennenneigung sowie die Sendeleistung des common pilot channel (CPICH) herangezogen. Eine korrekte Einstellung dieser Parameter bewirkt eine Kapazitätssteigerung des UMTS Mobilfunknetzes durch Reduzierung der Interferenz der Nachbarzellen. Weiters kommt es zu einer gleichmässigen Aufteilung der Last auf die einzelnen Zellen und zur Optimierung der Leistungsressourcen der Basisstationen.<br />In dieser Arbeit werden insgesamt fünf verschiedene Algorithmen zur Suche nach der optimalen Einstellung der Antennenneigung sowie der CPICH-Leistung vorgestellt. Die ersten drei Optimierungsalgorithmen, ein auf einem Regelwerk basierter Algorithmus, ein auf diesem basierender adaptiver Algorithmus und ein Simulated Annealing Algorithmus, sind lokale Techniken. Weiters wird auch eine globale Technik, ein genetischer Algorithmus, untersucht. Der letzte diskutierte Algorithmus ist ein analytischer Optimierungsalgorithmus.<br />Die verwendete Fitnessfunktion beschreibt das Optimierungsziel (Kapazitätssteigerung) durch die Anzahl der bedienten Mobilfunkteilnehmer. Für den genetischen Algorithmus wird die Fitnessfunktion um den Grad der Netzabdeckung und die Anzahl der Teilnehmer, die mit mehr als einer Basisstation gleichzeitig verbunden sind, erweitert.<br />Zu Beginn stelle ich in meiner Arbeit den auf einem Regelwerk basierten Algorithmus vor. Der Optimierungsprozess bei diesem Algorithmus zeichnet sich durch eine Erhöhung der Antennenneigung und Reduzierung der CPICH-Leistung in den einzelnen Zellen mittels eines konfigurierbaren Regelwerkes aus. In weiterer Folge wird der Algorithmus durch das Einbinden von Simulated Annealing erweitert. Die Entscheidung, ob ein schlechtes Ergebnis akzeptiert wird, ist im Gegensatz zum vorigen Algorithmus unabhängig vom Regelwerk. Der dritte Algorithmus ist ebenfalls eine Erweiterung des ersten Algorithmus. Der grundlegende Unterschied zu den vorigen Algorithmen ist, dass nun die Antennenneigung und die CPICH-Leistung gemeinsam adaptiert werden, und dass eine Erhöhung der CPICH-Leistung sowie eine Reduzierung der Antennenneigung während des Optimierungsprozesses ebenfalls zulässig ist.<br />Weiters behandle ich einen genetischen Algorithmus, der an meine Problemstellung angepasst ist. Mittels angepasster Operatoren wird auch die Qualität des Mobilfunknetzes zur Optimierung herangezogen. Ein Bestandteil des genetischen Algorithmus ist auch eine lokale Optimierung, mit dem Ziel die Leistung des Algorithmus weiter zu steigern.<br />Schließlich behandle ich in meiner Dissertation einen analytischen Optimierungsalgorithmus. Dieser Algoritmus optimiert neben der Antennenneigung und der CPICH-Leistung auch den Azimutwinkel der Antenne.<br />Die Leistungsfähigkeit der einzelnen Algorithmen wird mit Hilfe eines statischen UMTS FDD Netzwerksimulators auf zwei virtuellen Szenarien einer typischen europäischen Großstadt bewertet. Das erste Szenario umfasst das komplette Stadtgebiet, wogegen das zweite nur das Zentrum der Stadt abdeckt.<br />Mit den einzelnen Algorithmen zeige ich auf beiden Szenarien eine Kapazitätssteigerung von bis zu 120% verglichen zur anfänglichen Parametereinstellung. Der genetische Algorithmus liefert das beste Ergebnis, jedoch mit dem Nachteil der langen Laufzeit. Unter den lokalen Optimierungsverfahren schneidet der adaptive Regelwerk basierte Algorithmus am besten ab. Die Laufzeit ist jedoch für alle drei Algorithmen ungefähr gleich. Der analytische Optimierungsalgorithmus zeigt eine ähnliche Kapazitätssteigerung wie die lokalen Verfahren, jedoch mit dem Vorteil, dass dieser Algorithmus nur fünf statt mehr als hundert Iterationen benötigt.<br />