I由白噪声、外部干扰(各类干扰设备)和内部干扰(频率干扰和交调干扰)构成，可见在调整功率时主要影响的是内部干扰。下面模拟了一条C/I VS Lev的曲线做个简单示意图，如图1所示：

其中，横轴为全网的平均接收电平;纵轴为全网的平均C/I。图1主要分为3个区、1个点，具体描述如下：

A区：此处属于低功率区域，干扰主要由底噪、外部干扰强度决定，因此随着电平功率的提升，C/I上升很快。

B区：随着电平的升高，干扰的主要组成部分转为网内干扰，电平功率的上升引起的C增加和I增加接近，C/I趋于稳定。

C区：网络中的部分深度覆盖或广覆盖区域的电平强度已经无法进一步提升，全网电平的提升是部分小区的提升贡献的，对一个小区覆盖而言，其主控面积远小于干扰面积，因此在不能全网提升功率的情况下，C的增加速度会慢于I的增加速度，导致C/I的下降。而随着平均电平的增加，功率受限区域也不断增加，I的增加亦越来越快，C/I呈现加速下滑。目前大部分网络运行在C区(以暴制暴的结果)。

P点：一定网络状态下的功率和C/I的最佳平衡点。在此点左边，由于功率不足，载干比不高;在此点以右，干扰增加速度上升，载干比下降。[论文网]

对于不同的网络就有不同的C/I VS Lev的响应曲线;同一个网络在话务、外部干扰分布不同的情况下，响应曲线也是不同的;覆盖调整、频率优化等是网络优化的重要手段，也是改善曲线特性的主要方法。良好的曲线特性应该具有较高的P点，且C区下降趋势较缓。在网络特性(响应曲线)确定后，优化的一个重要工作内容就是通过合理配置网络功率水平，使网络质量运行到最佳位置(P点)。

2 寻找网络最佳运行点P——变色龙算法

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，说明如下：

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。