2.1 图形转换

　　从上文可知，大部分网络运行在C区，不是网络的最佳运行区域，将网络置于P点运行才能获得最佳质量。那么如何确定P点呢?首先网络功率水平的调整主要依靠最大功率水平设置(会影响覆盖、话务分布等，在下面介绍中不采用)和功控参数设置(功控范围、功控区间)实现。实现网络P点运行有以下难度：

　　(1)从现有的GSM网络统计中，缺乏对C/I的统计，无法很好地评价调整效果;

　　(2)功率水平的统计是平均值，在设置上是区间值，也较难实现参数设置和网络响应的吻合，横坐标位置较难确定。

　　需要想一个变通的方法将这两个指标转化为易获取、易度量且相关性极强的指标。在GSM网络中，受C/I影响最大最直接的指标是quality，quality的统计也非常容易获取，这就是变色龙算法第一步。将上面的C/I VS Lev的图转换为目标quality VS实际quality的图，如图2所示：

　　其中，横轴为目标质量(自左向右，由好到坏);竖轴为实际质量(自下而上，由好到坏)。

　　A区：当目标质量要求较低时，电平配置较低，C/I比较差，仍有功率及质量提升空间。

　　C区：当目标质量要求较高时，电平配置升高，产生的干扰增大，导致C/I变差，实际质量差于目标值。

　　P线：不同网络特性的最佳点P，在此处能达到实际质量最佳。在图2中表现为目标质量和实现质量一致，即斜率为1，汇聚成P线。

　　通过这样的'图形转换，就把问题简化到了以质量为目标的优化过程，而质量统计非常方便，便于实现调整和评估的工作。

　　2.2 逼近P点

　　完成图形转化后，仍需要找到P点的位置，通过实践和研究总结出了一套算法，由于其能敏锐捕捉周围环境变化，自适应调整无线参数，将网络置于最佳点P运行，降低干扰，提高网络质量，因此取名“变色龙”。

　　变色龙算法的第二步是寻找P点，这里采用无限逼近的方法，说明

　　假设网络最初目标质量设置是q1，网络反馈的实际质量是q2;接着以q2为目标质量，网络会反馈出q3;再以q3得出q4……由于P线的斜率为1，因此网络的反馈会逐步收敛，这样网络运行点就无限逼近P线，达到网络最佳质量。在此过程中排除了人为的对参数设定的猜测，而全由网络反馈决定参数设置，形成了自适应过程，也就是说网络需要多少能量，就会去要求获取，通过这一过程大大提高了无线参数设置的准确性，如图3所示：

　　2.3 变色龙算法下的参数设置

　　GSM厂家功控算法的理想目标是在质量允许的条件下功率尽可能低，这就需要去寻找这个质量和电平的稳定区域。大多数优化人员会根据经验定一套区间参数放到现网上运行，细致点的可能会考虑分场景设置功控参数。然而，什么样的设置才能真正满足适合场景、规划、话务、外部干扰等多种变量引起的功率需求变动呢?

　　变色龙算法的第三步是将靶心图中的质量区间和电平区间尽量重叠，使功率趋于稳定，并且尽可能地降低发射功率，减少整网的干扰。这样做能使电平和质量做合理转换，因为在GSM网内质量的参数设定为0～7，电平设定为-110dBm～-47dBm，显然电平设置更为精细，质量区间和电平区间靠近的好处是不会由于两者的偏离导致功控方向的不确定。

　　通过采集话务统计数据收集测量报告，进行电平质量二维整理，完成环境数据的收集。某小区的情况如表1所示：

　　其中，填色部分的数字表示对应电平等级以下、下一级电平等级以上的对应上行质量等级的采样点比例，所有填色格子相加为100。通过质量和电平的综合分析，能很方便地确定稳定区域，实现质量和电平的等效转换。

　　由表1可见，电平强的时候，质差占比较低;而电平弱的时候较高。功控的目的是保证质量的情况下尽可能降低发射功率，也就是说合理设置功控电平区间，不宜设得过低引起质差，不宜设得过高产生干扰。反馈的结果能进一步修正设置的精确度。

　　通过测量报告能清晰地了解干扰分布状况，进行精确功率分配，可以说有多少小区就有多少场景，实现因地制宜。更精细的做法是可以根据不同时段进行功控参数的设定，以适应不同时段的话务和干扰分布，做到与时俱进。

　　需要注意的是，在参数设置时以网络级或区域级的平均值为每个小区进行设置，这样就能很好地完成各向同性的均衡工作。此外，在干扰分布中上行和下行的相关性不大，需分别计算。