CN100411475C - 移动通信系统中上行负载估计方法 - Google Patents

Abstract

本发明涉及移动通信系统的负载估计技术，公开了一种移动通信系统中上行负载估计方法，使得对上行负载的估计既能避免RTWP绝对测量值的静态偏移所带来的误差，又能很好地计入其他小区对本小区干扰比的实际值动态变化的效应，减小上行负载估计误差。这种移动通信系统中上行负载估计方法采用理论推导结果将其他小区对本小区干扰比分为静态部分和动态部分，其中静态部分由仿真或实验统计平均得到，动态部分由其他小区和本小区的状态信息量的相对测量值确定，再根据其他小区对本小区干扰比和本小区自身干扰的上行负载因子，计算得到本小区上行负载因子。

Description

移动通信系统中上行负载估计方法

技术领域

本发明涉及移动通信系统的负载估计技术，特别涉及宽带码分多址移动通信系统的负载估计技术。

背景技术

随着社会进步及移动通信用户数量的急剧增长，频率资源日益紧张，要求移动通信系统能提供更大的系统容量，更高的通信质量，并能提供高速率的数据业务，以满足人们对多媒体通信的要求并适应通信个人化的发展方向。

第三代移动通信系统是能够满足国际电信联盟(InternationalTelecommunication Union，简称“ITU”)提出的国际移动通信(InternationalMobile Telecommunication 2000，简称“IMT-2000”)/未来公众陆地移动电话系统(Future Public Land Mobile Telephone Systems，简称“FPLMTS”)标准的新一代移动通信系统，要求具有很好的网络兼容性，能够实现全球范围内多个不同系统间的漫游，不仅要为移动用户提供话音及低速率数据业务，而且要提供广泛的多媒体业务。

第三代移动通信系统的主要候选方案是北美的码分多址(Code DivisionMultiple Access，简称“CDMA”)2000系统、欧洲的宽带码分多址(WidebandCode Division Multiple Access，简称“WCDMA”)系统和中国的时分同步码分多址(Time Division Synchronous Code Division Multiple Access，简称“TD-SCDMA”)系统，都是建立在码分多址(CDMA)技术基础上，CDMA已被广泛接收为第三代移动通信系统的重要技术。

CDMA移动通信系统具有高容量、高频谱效率、高服务质量、低成本、高保密性、易于无缝切换和宏分集等优点。同时也存在缺点，CDMA系统是一个干扰受限系统而非资源受限系统，其容量受到用户间多址干扰(MultipleAccess Interference，简称“MAI”)的限制。在实际的CDMA通信系统中，由于不同用户信号之间的相关性而造成的多址干扰，随着用户数的增加或信号功率的增大，严重影响了CDMA通信系统通信质量，直接限制了CDMA系统容量、覆盖范围和性能的提高。

在CDMA无线网络中功率是共用资源，CDMA系统的容量是一种软容量，是一个自干扰系统，每个用户都对其他用户构成干扰，每个小区都对其它小区构成干扰，链路性能和系统容量取决于干扰功率的控制结果。因此，干扰分析、功率配置和软切换规划等工作显得尤为重要。但是由于各种因素相互制约，往往牵一发而动全身。

目前WCDMA系统中的呼叫准入控制(Call Admission Control，简称“CAC”)和负载控制(Load Control，简称“LC”)技术是关键的无线资源管理(Radio Resources Management，简称“RRM”)方法，由RRM核心控制器无线网络控制器(Radio Network Controller，简称“RNC”)执行。

由于CDMA系统中每个新接入的呼叫都会增加正在进行的呼叫的干扰电平和对相邻小区的干扰电平，影响业务质量。因此，在WCDMA系统中采用了呼叫准入控制方法进行呼叫接入的控制，以避免一个新接入的呼叫可能导致正在进行的所有呼叫的业务质量下降，甚至于造成一个或多个呼叫掉话的情况发生。在呼叫准入控制过程中，RNC判断小区中是否有足够空余的无线资源，使得接入一个需要一定的信干比(Signal-To-Interference Ratio，简称“SIR”)和码速的新用户或者切换用户，系统的负载不会超过某个预先规定的门限。对于呼叫中的用户增加新业务或者增加用户的业务速率的情况，也会进行准入呼叫控制。关于WCDMA系统的呼叫准入控制方法，详细请参见第三代合作伙伴项目(3rd Generation Partnership Project，简称“3GPP”)协议TS25.215和TS25.922。

考虑到移动通信中的不确定因素，比如邻区对本小区的干扰变化、环境对无线信道的影响等，RNC还可以采用负载控制进行更加可靠的无线资源管理。与呼叫准入控制不同的是，负载控制是一个连续的过程，而呼叫准入控制是事件驱动的过程。负载控制确保系统的负载维持在某一个预先规定的水平以下。它需要对系统负载进行连续的监视。比如，负载控制对系统负载进行连续的测量，当系统负载超载时，则要求采取一定的措施以降低系统的负载，使得系统不至于崩溃，比如降低某些用户的速率，延迟发射那些对时延不敏感的业务的数据，或者直接让低优先级别的用户掉话。

呼叫准入控制和负载控制都需要对系统负载进行测量或者估计，以确定当前系统的负载是否超过某个规定的门限而判断是否接入用户，或者确定系统负载是否超载而判断是否启动负载控制。在CDMA系统中，由于上下行的负载是非对称的，因此对系统负载的测量和估计也是上下行分开的。可见上行负载估计的精确度直接影响了呼叫准入控制和负载控制的性能，对RRM甚至整个CDMA系统性能都有非常大的影响。

文献[1](H.Holma and A.Toskala，“WCDMA for UMTS，”John Wiley &Sons Inc.，2000)中给出了两种上行负载估计方法。

第一种方法是基于接收宽带总功率(Received Total Wideband Power，简称“RTWP”)的方法，通过RTWP和背景噪声的比值计算上行负载因子。其计算公式如下：

${\mathrm{\η}}_{\mathrm{UL}}=1-\frac{P_N}{I_{\mathrm{Total}}}---\left(1\right)$

其中，η_UL为上行负载因子，P_N为背景噪声，I_Total为基站上行接受总功率，即前述RTWP值。

基于RTWP的估计方法是直接根据上行负载因子的定义进行测量得到的，这里测量值只要精度高就可以真实反映实际系统的情况，而且也考虑了其他小区和环境的影响。然而由于在实际系统中RTWP的绝对测量误差很大(参见文献[2]3GPP TS 25.133 V3.14.0)，因此负载因子的估计误差很大，特别是环境温度对测量装置增益的影响较大，导致测量值产生静态的偏移。需要注意的是，基站RTWP的相对测量误差比较小，因为在RTWP的相对值中，由温度引起的静态偏移可以相互抵消。

第二种方法是先假定其他小区与本小区对基站干扰的比值(F因子)恒定，然后通过对单个用户的负载因子的累加得到本小区用户带来的负载因子，再根据F因子计入其他小区带来的负载因子，最后得到系统的负载因子，该方法称为F因子方法。

在F因子方法中，考虑CDMA系统的功率控制使得每个用户的接收功率在基站处收敛到一定的目标信干比，则对于小区中第j个用户有：

考虑到用户处理增益可以由码片速率和业务速率计算得到，因此有，

${\left(\frac{E_b}{N_o}\right)}_j=\frac{W}{R_j}\·\frac{P_{\mathrm{RX},j}}{I_{\mathrm{Total}}-P_{\mathrm{RX},j}}---\left(3\right)$

其中，(E_b/N_o)_j为接入的第j个用户业务的目标信干比，W为码片速率，R_j为第j个用户的业务速率。对P_RX，j为第j个用户的接收电平。

容易得到P_RX，j的表达式为，

$P_{\mathrm{RX},j}=\frac{1}{1+\frac{(W/R_j)}{{(E_b/N_o)}_j}}{I}_{\mathrm{Total}}---\left(4\right)$

又因为用户j的负载因子L_j定义为用户j的接收电平对总的接收功率的比值，即

$L_j=\frac{P_{\mathrm{RX},j}}{I_{\mathrm{Total}}}=\frac{1}{1+\frac{(W/R_j)}{{(E_b/N_o)}_j}}---\left(5\right)$

考虑一个小区的情况，得到除背景噪声之外的小区总干扰为所有用户的接收电平之和，表示为，

$I_{\mathrm{Total}}-P_N=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_j=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{L}_j{I}_{\mathrm{Total}}={\mathrm{\η}}_{\mathrm{UL}}\·I_{\mathrm{Total}}---\left(6\right)$

其中，N为本小区中用户数，η_UL为上行负载因子。

在实际系统中还需要考虑业务激活所消耗的功率，因此可以得到考虑本小区用户所得到的上行负载因子的表示式为，

${\mathrm{\η}}_{\mathrm{UL}}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{L}_j\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{(W/R_j)}{{(E_b/N_o)}_j}}---\left(7\right)$

其中v_j是业务激活因子。

实际系统中，不同小区之间还存在跨区干扰，因此需要计入其它小区对本小区的干扰效应。如前所述F因子方法假定了其它小区对本小区干扰比值可以用一个恒定的参数因子F表示，从而得到计入其它小区对本小区干扰之后的本小区总的负载因子值表示为，

${\mathrm{\η}}_{\mathrm{UL}}=(1+F)\·\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{L}_j=(1+F)\·\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{(W/R_j)}{{(E_b/N_o)}_j}}---\left(8\right)$

F因子是统计平均的其它小区对本小区干扰比值，它可以通过仿真确定，一般是在假定用户在所有小区均匀分布从而每个小区的上行干扰大致一样的情况下估算得到的。而事实上，F值和具体的无线信道环境、小区布局、以及其它小区和本小区负载的动态变化相关，但是目前的负载估计方法中，都使用一个统计平均的干扰比值进行估算，这就不可避免的带来由于不同小区之间负载情况动态变化所产生的误差。

可见，F因子方法不需要采用绝对测量信息，避免了由于前述静态偏移所带来的误差，它根据业务的特性和其它小区对本小区的干扰效应的统计平均值来计算负载因子。但实际系统中，由于其它小区对本小区的干扰比值并不是恒定的，首先对于不同小区是不一样的，在本小区负载低而周围小区负载高的情况下，其它小区对本小区干扰比值高，反之，其它小区对本小区干扰比值低；其次对于同一小区在不同时刻下也是动态变化的，各个小区的用户数量和负载都是动态变化的，因此其它小区对本小区干扰比值也不可避免的要发生变化。可见，F因子法不能考虑其他小区对本小区干扰比值的动态效应，在实际应用中，必然造成较大的上行负载估计误差。

在实际应用中，上述方案存在以下问题：基于RTWP的估计精确度受到RTWP绝对值的测量误差限制，F因子方法估计精确度受到实际应用中其他小区对本小区干扰比值的动态变化的影响，因此所得到的上行负载的估计误差都很大，不能很好地满足实际应用的要求。

造成这种情况的主要原因在于，基于RTWP的估计方法直接采用了RTWP的绝对测量值进行估计，不可避免的带来了静态偏移所产生的误差；F因子方法采用恒定的其他小区对本小区干扰比的统计平均值进行估计，这和动态变化的其他小区对本小区干扰比的实际值存在误差。

发明内容

有鉴于此，本发明的主要目的在于提供一种移动通信系统中上行负载估计方法，使得对上行负载的估计既能避免RTWP绝对测量值的静态偏移所带来的误差，又能很好地计入其他小区对本小区干扰比的实际值动态变化的效应，减小上行负载估计误差。

为实现上述目的，本发明提供了一种移动通信系统中上行负载估计方法，包含以下步骤，

A设定本小区静态参数因子；

B根据本小区的状态信息量和其他小区的状态信息量的比值，以及所述本小区静态参数因子，计算其他小区对本小区干扰比；

C根据所述其他小区对本小区干扰比和本小区自身干扰的上行负载因子，计算本小区上行负载因子；

其中，所述本小区静态参数因子用于指示所述其他小区对本小区干扰比中随着无线资源分配变化静态不变的部分，所述本小区的状态信息量和其他小区的状态信息量的比值用于指示所述其他小区对本小区干扰比中随着无线资源分配变化而动态变化的部分。

其中，所述上行负载估计方法应用于宽带码分多址移动通信系统中的基站的准入控制或负载控制中。

所述步骤A中，对所述本小区静态参数因子的设定是根据仿真或实验的结果进行的。

所述步骤B中所述本小区的状态信息量和所述其他小区的状态信息量T_m按照以下公式计算：

$T_m=I_{\mathrm{Total}}^m\·\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}\frac{v_j^m}{1+\frac{J_j^m}{{\mathrm{\γ}}_j^m}}$

其中I_Total ^m为小区的接收宽带总功率，J_j ^m为小区中第j个用户业务的目标信干比，γ_j ^m为小区中的码片速率和第j个用户业务的业务速率的比值，v_j ^m为小区中第j个用户业务的业务激活因子，N_m为小区中的用户业务数。

所述步骤A中所述本小区静态参数因子通过对下式的统计平均得到，

$C_m=\frac{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}$

其中，C_m为所述本小区静态参数因子，P_m为所述其他小区的个数，I_Tptal ^s为第s个其他小区的接收宽带总功率，N_s为所述第s个其他小区中的用户业务数，L_j，s ^s为所述第s个其他小区中的第j个用户业务与所述第s个其他小区的基站之间的无线链路的路径损耗，L_j，m ^s为所述第s个其他小区中的第j个用户业务与所述本小区的基站之间无线链路的路径损耗，J_j ^s为所述第s个其他小区中第j个用户业务的目标信干比，γ_j ^s为所述第s个其他小区中的码片速率和第j个用户业务的业务速率的比值，v_j ^s为所述第s个其他小区中第j个用户业务的业务激活因子。

步骤B包含以下子步骤，

B1测量得到所述本小区的状态信息量的绝对测量值和所述其他小区的状态信息量的绝对测量值；

B2由所述本小区的状态信息量的绝对测量值和所有所述其他小区的状态信息量的绝对测量值之和的比值得到所述本小区的状态信息量和其他小区的状态信息量的比值；

B3由所述本小区的状态信息量和其他小区的状态信息量的比值乘以所述本小区的静态参数因子得到所述其他小区对本小区干扰比。

所述步骤B中所述其他小区对本小区干扰比根据下式计算得到，

$F=\frac{C_m\·\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}{T}_s}{T_m}$

其中，F为所述其他小区对本小区干扰比，C_m为所述本小区静态参数因子，T_m所述本小区状态信息量，T_s为所述第s个其他小区状态信息量，P_m为所述其他小区的个数。

所述步骤C中所述本小区自身干扰的上行负载因子根据下式计算得到，

${\mathrm{\η}}_{\mathrm{ULo}}^m=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{J_j}{{\mathrm{\γ}}_j}}$

其中，η_ULo ^m为所述本小区自身干扰的上行负载因子，J_j为本小区中第j个用户业务的目标信干比，γ_j为所述本小区中的码片速率和第j个用户业务的业务速率的比值，v_j为所述本小区中第j个用户业务的业务激活因子，N所述本小区中用户业务数。

所述步骤C中所述本小区上行负载因子根据下式计算得到，

${\mathrm{\η}}_{\mathrm{UL}}^m=(1+F)\·{\mathrm{\η}}_{\mathrm{ULo}}^m$

其中，F为所述其他小区对本小区干扰比，η_ULo ^m为所述小区自身干扰的上行负载因子。

所述其他小区包含所述本小区的相邻小区。

通过比较可以发现，本发明的技术方案与现有技术的区别在于，采用理论推导结果将其他小区对本小区干扰比分为静态部分和动态部分，其中静态部分由仿真或实验统计平均得到，动态部分由其他小区和本小区的状态信息量的相对测量值确定，再根据其他小区对本小区干扰比和本小区自身干扰的上行负载因子，计算得到本小区上行负载因子。

这种技术方案上的区别，带来了较为明显的有益效果，即由于考虑了其他小区对本小区的干扰比的静态部分和动态部分综合效应，很好地考虑的实际动态变化效应，大大提高了上行负载因子估计精确度，同时动态部分由其他小区和本小区的状态信息量的相对测量值确定，因此有效地避免了绝对测量值带来的静态偏移误差，进一步提高了上行负载因子的估计精确度。

附图说明

图1为根据本发明的一个实施例的相邻小区对本小区产生干扰的物理机制示意图；

图2为根据本发明的一个实施例的上行负载估计方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

本发明根据相邻其他小区的总接收功率测量值和本小区的总接收功率测量值的相对大小信息，来动态确定其他小区对本小区的干扰比，从而考虑了实际应用中的动态变化效应，而且所采用的相对测量值信息能有效的避免绝对测量值中静态偏移所带来的影响，因此所估计得到的上行负载精度得到了很大的提高。这里定义C因子为所述根据相对测量值信息所动态确定的其他小区对本小区的干扰比，因此所采用的上行负载估计方法称为C因子方法。

C因子方法利用相邻其他小区的总接收功率测量值，计算其它小区对本小区负载因子的影响，使得对不同小区负载不一样和同一小区负载实时变化的情况，均能够正确地反应动态变化的其他小区对本小区干扰比的实际值。

本发明所采用的表示其他小区对本小区干扰效应的C因子是经过严格的理论推导得到的，并在实际应用中得到很好地验证，取得了实际效果。下面详细给出根据本发明的一个实施例的C因子的推导过程。

在本发明的一个实施例中，定义本小区上行负载因子为，

${\mathrm{\η}}_{\mathrm{UL}}=\frac{I_{\mathrm{Total}}-P_N}{I_{\mathrm{Total}}}---\left(9\right)$

其中，η_UL为本小区上行负载因子，P_N为背景噪声，I_Total为基站上行接受宽带总功率，即前述RTWP值。考虑本小区和相邻其他小区的干扰总效应，将本小区上行负载因子分为对应本小区和相邻其他小区的两部分，根据前述F因子方法其中本小区对上行负载因子的贡献可以由业务激活因子、用户业务的目标信干比、码片速率以及业务速率所确定，因此本小区上行负载因子可以表示为，

${\mathrm{\η}}_{\mathrm{UL}}=\frac{I_{\mathrm{own}}+I_{\mathrm{other}}}{I_{\mathrm{Total}}}=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{J_j}{{\mathrm{\γ}}_j}}+\frac{I_{\mathrm{other}}}{I_{\mathrm{Total}}}---\left(10\right)$

其中，I_own为本小区总接收功率，I_other为相邻其他小区对基站的总干扰效应，J_j为第j个用户业务的目标信干比，即前述(E_b/N_o)_j，γ_j为前述码片速率W和第j个用户业务的业务速率R_j的比值，N本小区用户业务总数。

上式中，本小区对上行负载因子的贡献可以精确计算得到，关键在于其他小区对于本小区上行负载因子所产生影响的计算。在本发明的一个较佳实施例中，从小区通信的物理机制出发，推导得到邻近小区所有用户对本小区基站产生的总干扰的表达式，从而进一步精确估计其他小区对本小区上行负载因子的贡献。

图1是根据本发明的一个实施例的相邻小区对本小区产生干扰的物理机制示意图。

假设本小区为小区m，某相邻小区为小区s，小区m自身的用户对本小区上行负载因子的贡献由I_own ^m确定，小区s的用户对本小区上行负载因子的贡献由I_other，s ^m确定，这里上标表示该值所属小区，下标表示产生对所属小区的其他小区干扰的相邻小区。

根据前述本小区自身干扰效应的公式(10)，小区s总接收功率I_own ^s表示为，

$I_{\mathrm{own}}^s=I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}}---\left(11\right)$

其中，N_s为小区s的用户业务总数，其余参量的上标s表示该参量所属小区为小区s。

同样的I_own ^s也可以用小区s中所有用户业务的接收功率表示为，

$I_{\mathrm{own}}^s=\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}{P}_{\mathrm{RX},j}^s---\left(12\right)$

考虑到发射功率和接收功率与无线链路的路径损耗有关，设小区s的用户业务j与小区s的基站之间的无线链路101的路径损耗为L_j，s ^s，其中上标表示用户业务所在小区，下标表示该损耗为从用户业务j到小区s的基站的路径损耗，则式(12)可以表示为，

$I_{\mathrm{own}}^s=\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}{P}_{\mathrm{RX},j}^s=\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{P_{\mathrm{RX},j}^s}{L_{j,s}^s}---\left(13\right)$

其中P_RX，j ^s和P_TX，j ^s分别为小区s的用户业务j的接收功率和发射功率。

由式(11)和式(13)，小区s的用户业务j的发射功率可以表示为，

$P_{\mathrm{TX},j}^s=I_{\mathrm{Total}}^s\·L_{j,s}^s\·\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}}---\left(14\right)$

现考虑小区s的用户业务j在小区m的基站处产生干扰电平，先设小区s的用户业务j与小区m的基站之间无线链路102的路径损耗为L_j，m ^s，则小区s的用户业务j在小区m的基站处产生的干扰电平表示为，

$I_{j,m}^s=I_{\mathrm{Total}}^s\·\frac{L_{j,s}^s}{L_{j,m}^s}\·\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}}---\left(15\right)$

其中，I_j，m ^s为小区s的用户业务j在的基站处产生的干扰电平。

小区s中所有N_s个用户业务在小区m的基站处产生的总干扰电平可以表示为，

$I_{\mathrm{other},s}^m=\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}{I}_{j,m}^s=I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\·\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}}---\left(16\right)$

同理，考虑小区m所有相邻小区对小区m产生的干扰，表示为，

$I_{\mathrm{other}}^m=\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}{I}_{\mathrm{other},s}^m=\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\·\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})---\left(17\right)$

其中，P_m为需要考虑的对小区m产生干扰的相邻小区总数。

于是可以得到小区m的上行负载因子为，

${\mathrm{\η}}_{\mathrm{UL}}^m=\frac{I_{\mathrm{own}}^m+I_{\mathrm{other}}^m}{I_{\mathrm{Total}}^m}=\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}\frac{v_j^m}{1+\frac{J_j^m}{{\mathrm{\γ}}_j^m}}+\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(\frac{I_{\mathrm{Total}}^s}{I_{\mathrm{Total}}^m}\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})---\left(18\right)$

在本发明的一个实施例中，考虑到实际系统中，小区基站的相对位置及其无线链路环境基本固定，因此在一定的时间内，式(18)中的相邻小区用户业务到本小区基站的无线链路的路径损耗基本满足静态参数的标准，因此将该静态参数分离，并用参数因子C表征，可以得到新的小区m的上行负载因子表达式为，

${\mathrm{\η}}_{\mathrm{UL}}^m=\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}\frac{v_j^m}{1+\frac{J_j^m}{{\mathrm{\γ}}_j^m}}+C_m\·\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(\frac{I_{\mathrm{Total}}^s}{I_{\mathrm{Total}}^m}\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})---\left(19\right)$

其中，参数因子C_m用于表示小区m的相邻小区对本小区的干扰效应中静态的部分，表示为，

$C_m=\frac{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}---\left(20\right)$

容易看出，C因子估计方法中，小区上行负载因子可以分为两部分贡献组成，第一部分为本小区所有用户业务相互干扰所产生的负载因子，即由本小区所有用户业务在基站出的总接收功率和接收宽带总功率决定，第二部分为相邻其他小区所有用户业务对本小区的干扰所产生的负载因子，由所有其他小区的用户业务在本小区基站处产生的干扰电平决定。

根据前述可知其他小区对本小区产生的干扰是随着小区的不同和同一小区的负载变化而动态变化的，在本发明的一个实施例中，将前述第二部分，即该动态变化的其他小区对本小区的干扰，表示为静态和动态两部分的乘积，其中静态部分由小区之间的物理位置、无线信道以及相对用户分布的统计特性决定，可以近似为不变的参数，用参数因子C表示；而动态部分由其他小区负载因子以及其他小区上行总接收功率RTWP值确定，反映各小区无线资源的动态变化，是一个动态的参数，通过动态部分的估计，可以精确的计入其他小区对本小区干扰的动态变化效应。

在实际系统中，需要对各小区进行动态监测才能获得动态部分的参数。在本发明的一个实施例中，所有小区先通过测量所得到自身的总接收功率以及RTWP等测量值，然后对于某小区来说，利用相邻小区的总接收功率测量值信息和自身的总接收功率测量值信息，计算式(19)中所表示的其他小区对本小区干扰的动态部分参数，以及设定的表征静态部分参数的C因子，即可得到总的邻区干扰效应，从而计算得到本小区的上行负载因子。

在本发明的一个实施例中，定义小区m自身的状态信息量T_m为，

$T_m=I_{\mathrm{Total}}^m\·\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}\frac{v_j^m}{1+\frac{J_j^m}{{\mathrm{\γ}}_j^m}}---\left(21\right)$

可以看出状态信息量T_m即为前述小区总接收功率I_own ^m，在估计小区自身的干扰所产生的负载因子的同时，即可测量得到每个小区的状态信息量T_m。于是根据每个小区的状态信息量，即可由式(19)计算每个小区的上行负载因子，用状态信息量表示后，式(19)可以重写为，

${\mathrm{\η}}_{\mathrm{UL}}^m=(1+\frac{C_m\·\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}{T}_s}{T_m})\·\frac{T_m}{I_{\mathrm{Total}}^m}=(1+F)\·\frac{T_m}{I_{\mathrm{Total}}^m}=(1+F)\·{\mathrm{\η}}_{\mathrm{ULo}}^m---\left(22\right)$

$F=\frac{C_m\·\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}{T}_s}{T_m}---\left(23\right)$

${\mathrm{\η}}_{\mathrm{ULo}}^m=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{J_j}{{\mathrm{\γ}}_j}}---\left(24\right)$

其中，η_ULo ^m为小区m自身干扰的上行负载因子，F为其他小区对本小区干扰比值，式(22)中括号内即为其他小区对本小区干扰和本小区自身干扰的比重关系。

熟悉本领域的技术人员可以理解，上述公式中，小区状态信息量也可以由其他参量的测量值表示，使用同样的方法可以估计其他小区对本小区的相对干扰比，从而得到精确的上行负载因子估计值，而不影响本发明的实质和范围。

可见，C因子方法估计小区的上行负载因子只需要每个小区进行自身状态信息量测量，然后利用设定的C因子，根据式(22)来计算上行负载因子。通过利用其他小区的状态信息量，可以等效的得到其他小区的实际参数，根据此得到的其他小区对本小区的干扰比值是一个随着实际情况动态变化的量，能够很好地跟踪实际系统中，各小区无线资源分配的变化，得到的上行负载估计值较精确。同时，C因子方法采用了其他小区与本小区的状态信息量的比值以及静态参数因子C来计算其他小区对本小区干扰的比值，这样可以有效地避免各小区总接收功率的绝对测量值的静态偏移误差，因为在一定范围内本小区和相邻其他小区均收到相同环境温度的影响，因此产生的静态误差基本相当，而C因子法利用小区之间的相对测量比值，正好避免了静态偏移产生的误差，从而进一步提高了上行负载因子的估计误差。

根据前述C因子方法推导过程，图2示出了根据本发明的一个实施例的上行负载因子估计方法流程图。

接着进入步骤201，通过仿真计算或实验测量得到本小区的统计意义上的静态参数因子，计算公式如(20)。比如可以采用MATLAB等仿真软件进行对实际小区通信情况的仿真，或者进行实地测量，得到统计平均的C因子。

接着进入步骤202，通信过程中，各小区实时测量自身的总接收功率值。由于本发明采用相对测量值，因此该测量允许有静态偏移误差。

接着进入步骤203，根据步骤202中测量得到的本小区的总接收功率值和其他小区的总接收功率值以及步骤201中得到的静态参数因子计算得到其他小区对本小区的干扰比值，计算公式如式(23)。

接着进入步骤204，计算本小区自身干扰的上行负载因子，如式(7)。

接着进入步骤205，根据步骤203中计算得到的其他小区对本小区的干扰比值，以及步骤204得到的本小区自身干扰的上行负载因子，计算得到本小区的上行负载因子，计算公式如式(22)。这里本小区自身的干扰比值的计算方法可以是现有的根据本小区的接收总功率值和RTWP值进行计算得到，如式(22)。

虽然通过参照本发明的某些优选实施例，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (10)

1. 一种移动通信系统中上行负载估计方法，其特征在于，包含以下步骤，

A设定本小区静态参数因子；

B根据本小区的状态信息量和其他小区的状态信息量的比值，以及所述本小区静态参数因子，计算其他小区对本小区干扰比；

C根据所述其他小区对本小区干扰比和本小区自身干扰的上行负载因子，计算本小区上行负载因子；

其中，所述本小区静态参数因子用于指示所述其他小区对本小区干扰比中随着无线资源分配变化静态不变的部分，所述本小区的状态信息量和其他小区的状态信息量的比值用于指示所述其他小区对本小区干扰比中随着无线资源分配变化而动态变化的部分。

2. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述上行负载估计方法应用于宽带码分多址移动通信系统中的基站的准入控制或负载控制中。

3. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤A中，对所述本小区静态参数因子的设定是根据仿真或实验的结果进行的。

4. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤B中所述本小区的状态信息量和所述其他小区的状态信息量T_m按照以下公式计算： $T_m=I_{\mathrm{Total}}^m\·\underset{j=1}{\overset{N_m}{\mathrm{\Σ}}}\frac{v_j^m}{1+\frac{J_j^m}{{\mathrm{\γ}}_j^m}}$

其中I_Total ^m为小区的接收宽带总功率，J_j ^m为小区中第j个用户业务的目标信干比，γ_j ^m为小区中的码片速率和第j个用户业务的业务速率的比值，v_j ^m为小区中第j个用户业务的业务激活因子，N_m为小区中的用户业务数。

5. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤A中所述本小区静态参数因子通过对下式的统计平均得到：

$C_m=\frac{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{L_{j,s}^s}{L_{j,m}^s}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}{\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}(I_{\mathrm{Total}}^s\·\underset{j=1}{\overset{N_s}{\mathrm{\Σ}}}\frac{v_j^s}{1+\frac{J_j^s}{{\mathrm{\γ}}_j^s}})}$

其中，C_m为所述本小区静态参数因子，P_m为所述其他小区的个数，I_Total ^s为第s个其他小区的接收宽带总功率，N_s为所述第s个其他小区中的用户业务数，L_j，s ^s为所述第s个其他小区中的第j个用户业务与所述第s个其他小区的基站之间的无线链路的路径损耗，L_j，m ^s为所述第s个其他小区中的第j个用户业务与所述本小区的基站之间无线链路的路径损耗，J_j ^s为所述第s个其他小区中第j个用户业务的目标信干比，γ_j ^s为所述第s个其他小区中的码片速率和第j个用户业务的业务速率的比值，v_j ^s为所述第s个其他小区中第j个用户业务的业务激活因子。

6. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，步骤B包含以下子步骤，

B1测量得到所述本小区的状态信息量的绝对测量值和所述其他小区的状态信息量的绝对测量值；

B2由所述本小区的状态信息量的绝对测量值和所有所述其他小区的状态信息量的绝对测量值之和的比值得到所述本小区的状态信息量和其他小区的状态信息量的比值；

B3由所述本小区的状态信息量和其他小区的状态信息量的比值乘以所述本小区的静态参数因子得到所述其他小区对本小区干扰比。

7. 根据权利要求6所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤B中所述其他小区对本小区干扰比根据下式计算得到：

$F=\frac{C_m\·\underset{s=1}{\overset{P_m}{\mathrm{\Σ}}}{T}_s}{T_m}$

其中，F为所述其他小区对本小区干扰比，C_m为所述本小区静态参数因子，T_m所述本小区状态信息量的绝对测量值，T_s为所述第s个其他小区状态信息量的绝对测量值，P_m为所述其他小区的个数。

8. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤C中所述本小区自身干扰的上行负载因子根据下式计算得到：

${\mathrm{\η}}_{\mathrm{ULo}}^m=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\frac{v_j}{1+\frac{J_j}{{\mathrm{\γ}}_j}}$

其中，η_ULo ^m为所述本小区自身干扰的上行负载因子，J_j为本小区中第j个用户业务的目标信干比，γ_j为所述本小区中的码片速率和第j个用户业务的业务速率的比值，v_j为所述本小区中第j个用户业务的业务激活因子，N所述本小区中用户业务数。

9. 根据权利要求7或8所述的移动通信系统中上行负载估计方法，其特征在于，所述步骤C中所述本小区上行负载因子根据下式计算得到：

${\mathrm{\η}}_{\mathrm{UL}}^m=(1+F)\·{\mathrm{\η}}_{\mathrm{ULo}}^m$

其中，F为所述其他小区对本小区干扰比，η_ULo ^m为所述小区自身干扰的上行负载因子。

10. 根据权利要求1所述的移动通信系统中上行负载估计方法，其特征在于，所述其他小区包含所述本小区的相邻小区。

Images