本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：针对传统射频优化效率低、成本高的问题，研究设计了基于数字孪生、AI算法和数据中台的智能射频优化系统。系统采用数字孪生模型实时仿真网络状态，通过DBSCAN算法实现异常问题区域聚类，创新性地引入粒子群寻优算法，自动化实现区域参数优化与资源配置，解决小区连片优化难题。系统投入应用后，RF优化时长缩短90%以上，显著提升了网络优化效率与质量，实现了自动化闭环流程，并为通信网络的智能化提供了可行的解决方案。
关键词：数字孪生；自智网络；射频优化；粒子群算法
doi：10.12045/j.issn.1007-3043.2026.06.011
应用背景
在无线网络运营维护的全生命周期中，射频（Radio Frequency，RF）优化是最常用的优化手段之一，即通过调整天线方向角、下倾角以及相关参数来解决如弱覆盖、越区覆盖、重叠覆盖等网络覆盖的常见问题，实践表明通过RF调整可解决40%~60%的网络覆盖问题。传统的RF优化一般通过投诉发现问题，通过现场路测、后台数据分析、人工天线调整及参数优化等流程的迭代进行优化，随着网络规模的不断扩大和网络结构的日趋复杂，RF调整频次总量庞大，带来OPEX支出较多；此外，传统RF优化受限于优化人员经验、技术手段等诸多因素，资源投入大且优化效果难以保障。因此，如何实现RF自智调优已成为提升网络质量和降低运维成本的重要研究方向。
数字孪生网络以数字化方式创建与物理网络实体一致的虚拟孪生体，并且孪生体可以与物理网络实体之间进行实时交互映射[1]。数字孪生网络高度还原网元和环境，支持精确到特定小区，而且辅以基于AI的自动分析与决策，无需人力，可有效保障网络运维，实时优化网络，并助力业务创新，同时，数字孪生网络全面加强了网络的感知、分析、决策和执行的自主性与智能性。
本文聚焦移动网络覆盖问题自动优化场景，基于网络、数据两大中台应用能力，利用数字孪生、可视化技术、核心算法等技术手段，以某运营商大数据平台为底座，打造网络RF自智解决方案，实现网络覆盖问题的智能识别、智能定位、自动化处理以及智能效果评估的流程闭环，将传统优化中资源投入最大的射频优化工作进行流程化、标准化和自动化，助力高阶自智网络的建设，确保网络覆盖价值最大化。
