CN100490574C - 移动通信系统中实现系统容量动态调整的方法 - Google Patents

Abstract

本发明提供一种移动通信系统中实现系统容量动态调整的方法，该方法根据系统当前的负荷情况，并利用系统所具有的参数，来适时并恰当的调整数据业务数据速率的大小，同时考虑到业务速率的大小和业务服务时间的长短对系统容量的综合影响，使得系统容量最大，是一种合理、有效和准确的方法。

Description

移动通信系统中实现系统容量动态调整的方法

技术领域

本发明涉及移动通信领域，尤其涉及移动通信系统中实现系统容量动态调整的方法。

背景技术

由于CDMA系统具有软容量特性，可以实现小区容量的动态调整，也就是对小区负载情况进行统计，当小区出现过载时，会触发小区容量的动态调整。由于在第三代移动通信系统中，具有可以实现动态控制信道速率的功能，因此可以通过速率变更来达到动态调整系统容量的目的。

功率控制的不理想，会使得功率产生20％-30％的波动，而且高速数据业务本身的发射功率很大，这样的波动很可能是致命的。它的影响不仅仅是针对该数据业务，而且对于其它的用户，也是一个很大的干扰源。目前是以提高发射功率的方法来保证传输质量即误帧率指标，但是在处于小区边缘或是在深衰落的情况下，提高发射功率未必能满足要求。而且发射功率的进一步提高，对系统将会造成恶果。

现有技术认为在系统负荷较大时，可以采用降低数据业务的业务速率的方法，在功控的作用下，将发射功率降下来，同时降低系统的干扰，来减轻系统负荷。但是这种认为有一个隐含的假设，那就是业务服务时间的长短是保持不变的。实际上，降低数据业务的业务速率的同时增加了业务的服务时间，而数据业务的服务时间的延长，对于其他业务而言将是干扰时间的增大，进一步又会影响容量。由于降低速率而增加系统容量的思想并没有考虑到速率改变对业务服务时间的影响，所以这种思想的正确性需要仔细的甄别。

我们对降低数据业务的业务速率到底能否增加系统的容量进行了分析，发现降低业务速率不一定能够增加系统的容量。而现有的速率调整方法就是基于这种思想，所以调整方法的理论依据存在一定的问题，而缺乏合理的理论依据，就会导致过大调整或者过小调整，极大程度地影响了系统的容量。

因此，我们在分析和所取得的结论的基础上，提出了一种移动通信系统中实现系统容量动态调整的方法，该方法改变了以往认为数据速率降低得越多，系统的容量也就越大的观念。

发明内容

本发明的目的在于提供一种移动通信系统中实现系统容量动态调整的方法，该方法同时考虑到业务速率的大小和业务服务时间的长短对系统容量的综合影响，对数据业务的业务速率进行调整，使得系统容量最大。

本发明的移动通信系统中实现系统容量动态调整的方法包含以下步骤：

a、系统持续检测当前小区的负荷大小，并将当前负荷与系统所设定的门限进行比较；

b、若当前负荷小于系统所设定的门限，则数据业务的业务速率不作调整或者速率调整恢复为原有的值；若当前负荷大于等于系统所设定的门限，则启动系统的容量动态调整功能，调整数据业务的业务速率，待数据业务的业务速率被调整到使系统容量达到最大时的最佳值后，返回步骤a系统重新检测小区负荷的大小。

在步骤b中，当当前负荷大于等于系统所设定的门限时，调整数据业务的业务速率包含以下步骤：

A、根据系统所具有的参数获得系统中断概率以及常数

β的值；

B、根据步骤a中所获得的常数

β的值得到离散函数H₁(n)、H₂(n)、G(n)的值，并判断三者之间的大小；

C、若H₁(n)>H₂(n)>G(n)或H₂(n)<G(n)<H₁(n)，统计满足系统所允许的最大中断概率的最大用户数K_e，则期望业务速率R_e为 $R_e=\frac{W(1-\mathrm{\&eta;})/E_b}{K_e}-\mathrm{\&epsiv;}$ ，其中W表示系统带宽， $\mathrm{\&eta;}=\frac{N_0}{I_0},$ N₀是背景噪声的功率谱密度，I₀是要求最大可接收的功率谱密度，E_b特指所要调整的某一业务或者某一类业务的比特能量，ε是一个较小的正数；若H₂(n)<H₁(n)<G(n)，则期望业务速率R_e为该业务的业务速率最小允许值R_min，即R_e＝R_min。

步骤A中的系统中断概率 $P_{\mathrm{out}}^r=P_r[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})],$ 其中 $c_i=\frac{E_{\mathrm{bi}}}{I_0}{R}_i$ ，R_i为第i种业务的速率，E_bi为第i种业务的比特能量， $M_i=\underset{j=1}{\overset{K_i}{\mathrm{\&Sigma;}}}{\mathrm{SAF}}_{\mathrm{ij}},$ SAF_ij表示第i种业务第j个用户的激活状态，M_i表示系统内实际处于激活状态的第i种业务的用户数，h表示开销信道的干扰，N表示小区内的业务数，N≥2， $P_r[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})]$ 表示对 $\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})$ 进行概率计算。

其中系统中断概率在单业务的情况下为：

$P_{\mathrm{out}}=e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=[K_0^{\&prime;}/R]}{\overset{\&infin;}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}=\left\{\begin{array}{cc}1& K_0^{\&prime;}/R<1\\ 1-e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=0}{\overset{[K_0^{\&prime;}/R]-1}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}& K_0^{\&prime;}/R\&GreaterEqual;1\end{array}\right.$

其中β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率， $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right)$ ，h表示开销信道的干扰，E_b1为第1种业务的比特能量，R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示

后取整。

步骤B中，离散函数H₁(n)、H₂(n)、G(n)分别表示为：

$H_1\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;n}/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!},$

$H_2\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;}(n+1)/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;}(n+1)/K_0^{\&prime;})}^n}{n!},$

$G\left(n\right)=e^{-\mathrm{\&beta;n}/K_0^{\&prime;}}\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!},n=\mathrm{1,2}...,$

其中β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率， $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right)$ ，h表示开销信道的干扰，E_b1为第1种业务的比特能量，n为函数

的连续衰减幅度关于

上的离散点，R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示 $K_0^{\&prime;}/R$ 后取整。

步骤C中，ε的取值范围为 $0<\mathrm{\&epsiv;}<\frac{W(1-\mathrm{\&eta;})/E_b}{K_e(K_e+1)}.$

本发明根据系统当前的负荷情况，并利用系统所具有的一些参数，来适时并恰当的调整数据业务数据速率的大小，是一种合理、有效和准确的方法。该方法也表明了数据业务的业务速率并不是越小越好，而是在系统某一负荷的前提下，业务速率有一个最佳调整值。当业务速率调整到这个最佳值时，系统的容量可以达到最大。在调整的过程中，可以调整某一个数据业务或者某一类数据业务的业务速率，并且对于有特殊要求的数据业务可以不作调整。

附图说明

图1是本发明的流程图；

图2是本发明实施例的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

在一个小区中，信息到达服从泊松分布，每个用户呼叫服务时间服从指数分布。在无限小的时间间隔Δt内，每个时间间隔信号到达的概率为λΔt。因此服务时间t超过某一时间T的概率为：

Pr(t>T)＝e^-μT，T>0                     (1)

其中μ称为业务的离去率。由此，平均呼叫间隔为1/μ秒。

通过证明可以得到业务速率和服务时间之间的关系，也就是业务速率R和式(1)中的离去率μ成正比：R＝α·μ。其中α的数值可以通过当前系统中的参数：业务最初的速率R₀，以及当业务速率为R₀时对应的离去率μ₀得到，即α＝R₀/μ₀。

从上述结论中可以看出，业务速率直接影响着离去率μ，而μ是中断概率中的重要参数。所以在改变业务速率的时候不能保证其它条件不变，因而不能简单单地通过降低业务速率来增加系统的容量，而是必须要对速率和容量(或者中断概率)的关系明确分析，才能对业务速率调整作出正确的判断。

业务速率对系统容量的影响：CDMA系统是一个严格干扰受限的系统，要使得业务不阻塞，就必须使要求最大可接收的功率谱密度I₀(即最大可接收干扰功率与有用信号之和，再用带宽规一化)与背景噪声的功率谱密度N₀之比小于—定值1/η，η的典型值为0.1--0.25。因此，对于系统而言，业务阻塞的条件为：

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{K_i}{\mathrm{\&Sigma;}}}{\mathrm{SAF}}_{\mathrm{ij}}(1+h)E_{\mathrm{bi}}{R}_i+N_{0}W>I_{0}W---\left(2\right)$

其中，W表示系统带宽，也称为扩频带宽；N₀是背景噪声的功率谱密度；I₀是要求最大可接收的功率谱密度；其中假设小区内共有N种业务，则第i种业务的用户数为K_i，第i种业务的业务速率为R_i，E_bi为第i种业务的比特能量，SAF_ij为第i种业务第j个用户的激活状态；h是当采用不连续发送数据的方法时，用于重新建立物理链路的同步信号产生的开销信道的干扰。

令 $\mathrm{\&eta;}=\frac{N_0}{I_0},$ $\frac{E_{\mathrm{bi}}}{I_0}{R}_i=c_i,$ $M_i=\underset{j=1}{\overset{K_i}{\mathrm{\&Sigma;}}}{\mathrm{SAF}}_{\mathrm{ij}},$ 其中M_i表示系统内实际处于激活状态的第i种业务的用户数，并假设第i种业务第j个用户处于激活状态的概率为ρ_i，即P_r(SAF_ij＝1)＝ρ_i，则第i种业务第j个用户处于不激活状态的概率为P_r(SAF_ij＝0)＝1-ρ＝q_i，其中ρ表示业务的激活概率。显然M_i服从泊松分布，又因为各种业务彼此独立，所以

也服从泊松分布。因此系统的爱尔兰容量可以通过系统的中断概率来表达：

$P_{\mathrm{out}}^r=P_r[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})]---\left(3\right)$

由上述公式(3)可以得到单业务的中断概率为：

$P_{\mathrm{out}}=e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=[K_0^{\&prime;}/R]}{\overset{\&infin;}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}=\left\{\begin{array}{cc}1& K_0^{\&prime;}/R<1\\ 1-e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=0}{\overset{[K_0^{\&prime;}/R]-1}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}& K_0^{\&prime;}/R\&GreaterEqual;1\end{array}\right.---\left(4\right)$

其中β和

均为常数。β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率； $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right)$ ，h表示开销信道的干扰，E_b1为第1种业务的比特能量；R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示

后取整。

由于系统的爱尔兰容量可以通过系统的中断概率来表示。因此系统的中断概率是衡量系统容量的指标。我们通过系统中断概率，从理论上通过推导和证明，给出了业务速率对系统容量的影响。

因此要选择恰当的业务速率R，使得

的值最大，则可获得最小的中断概率，进而获得给定中断概率条件下的最大容量。

通过分析可以进一步得到离散函数：

$H\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-{\mathrm{\&beta;x}}_n^{*}}}{K_0^{\&prime;}}\frac{{\left({\mathrm{\&beta;x}}_n^{*}\right)}^n}{n!}---\left(5\right)$

其中n为函数

的连续衰减幅度关于

上的离散点，

为连续区间 $[\frac{n}{K_0^{\&prime;}},\frac{n+1}{K_0^{\&prime;}}]$ 上的某一个点。

根据公式(5)定义两个离散函数：

$H_1\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;n}/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!}---\left(6\right)$

$H_2\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;}(n+1)/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;}(n+1)/K_0^{\&prime;})}^n}{n!}$

通过证明可以得到：H₂(n)≤H(n)≤H₁(n)             (7)

显然H₁(n)，H₂(n)都是关于n的递减函数，因此H(n)也是关于n的递减函数。

再定义离散函数：

$G\left(n\right)=e^{-\mathrm{\&beta;n}/K_0^{\&prime;}}\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!},n=\mathrm{1,2}...---\left(8\right)$

通过对离散函数H₁(n)、H₂(n)和G(n)三者之间的比较，我们给出以下结论：

1)、如果对每个n有H₁(n)≤G(n)，则在n→∞时取得最大值，也就是业务速率趋近于零时中断概率有最小值；

2)、如果对每个n有H₂(n)≥G(n)，则在n＝1时取得最大值，也就是业务速率 $R=K_0^{\&prime;}$ 时，系统的中断概率最小，可以获得最大的系统容量。

通过分析，可以得到更加实用化的数据业务的业务速率调整方法和动态增加系统容量的方法：对于有特殊要求的数据业务可以不做调整。在调整的过程中，可以调整某一个数据业务或者某一类数据业务的业务速率。

图1显示的是本发明的流程图。如图1所示，本发明的移动通信系统中实现系统容量动态调整的方法具体包含以下步骤：

首先系统持续检测当前小区的负荷大小，并将当前负荷与系统所设定的门限进行比较。

如果当前的负荷小于系统所设定的门限，即系统处于轻负荷的状态，则数据业务的业务速率不做调整或者将业务速率再调整恢复为原有的值，以提高传输速率；如果当前的负荷大于等于系统所设定的门限，即系统处于重负荷的状态，则启动容量动态调整功能，进行数据业务的业务速率变更。

其次，我们则按照下列方法来调整数据业务的业务速率：

a、根据系统所具有的参数获得系统中断概率以及常数

β的值；

其中系统所具有的参数包括系统带宽W，业务的到达率λ，业务的激活概率ρ，业务速率R，业务的离去率μ，开销信道的干扰h，背景噪声的功率谱密度N₀，参数η等。

在理论上可以通过公式来得到系统中断概率的大小。对于单业务的系统，可以通过公式(4)来获得，对于两种业务可以通过下列公式来获得：

$P_{\mathrm{out}}^r=P_r[c_1{M}_1+c_2{M}_2>\frac{W(1-\mathrm{\&eta;})}{1+h}]$

在实际中我们可以通过仿真得到系统中断概率大小。

系统中断概率在本发明中起到了理论支持的作用。本发明在一定理论基础上，得到了实用化的速率调整方法。在具体实施此方法的时候，我们不需要知道每一时刻系统中断概率的大小，只需要知道系统是否处于过载。

β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率， $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right)$ ，h表示开销信道的干扰，E_b1为第1种业务的比特能量，R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示

后取整。

b、根据步骤a中所获得的常数

、β的值按照公式(6)、(8)得到离散函数H₁(n)、H₂(n)、G(n)的值，并判断三者之间的大小；

显然，通过证明我们可以得到公式(7)，表明离散函数H₁(n)，H₂(n)都是关于n的递减函数。因此，我们可以得到：

如果H₂(n)<H₁(n)<G(n)，根据上述结论1)可知当业务速率R趋近于0时，中断概率最小，系统容量达到无穷大。实际上由于业务本身的限制，而不能无限降低其速率。但是可以通过合适地降低业务速率来减小中断概率并增加容量，则期望业务速率R_e可取为该业务的业务速率最小允许值R_min，即R_e＝R_min。此时系统容量最大，并获得最小中断概率。这个最小中断概率是调整的极限。如果此时所统计的中断概率仍大于系统所设定的中断概率，则说明此时不能再通过调整速率来满足给定的中断概率要求，更不能实现容量的扩充。待数据业务的业务速率调整后，则返回系统。

如果H₁(n)>H₂(n)>G(n)或H₂(n)<G(n)<H₁(n)，则根据上述结论2)可知道当业务速率R趋近于K＇₀时中断概率最小。此时如果当前中断概率P_out>P_e，P_e为系统所设定的中断概率的大小，则需要增加数据业务的业务速率来减小中断概率，同时也会减小系统的容量；如果P_out<P_e，则需要减小业务速率来增大中断概率，同时扩充了系统容量。具体是根据在满足期望中断概率要求下的最大系统容量即最大用户数K_e，则对应的期望业务速率R_e应限制在区间

的最右端附近，也就是 $R_e=\frac{W(1-\mathrm{\&eta;})/E_b}{K_e}-\mathrm{\&epsiv;}$ ，其中E_b特指所要调整的某一业务或者某一类业务的比特能量，ε是一个较小的正数，ε的取值范围可以为 $0<\mathrm{\&epsiv;}<\frac{W(1-\mathrm{\&eta;})/E_b}{K_e(K_e+1)}$ 。待数据业务的业务速率调整后，则返回系统。

数据业务的业务速率调整后，返回系统重新检测小区负荷的大小，如果当前的负载小于系统所设定的门限，则业务速率不再做调整或者将速率再调整恢复为原有的值，以提高传输速率。

图2显示的是本发明实施例的结构示意图。如图2所示，某移动台端21的天线子系统211接收来自基站端22前向链路的导频信号，并送往复用单元212，复用单元212分离出前向频点上的信号并送往信号处理子系统213，该信号再经信号处理子系统213送至功率控制子系统214。功率控制子系统214对接收的信号质量进行测量，生成测量报告，并将测量报告经复用单元212和天线子系统211随反馈链路信号发送给基站22。

在基站22处，对该信号进行复用和信息处理，再将此消息送往基站控制器23。在信息处理中的基带处理单元的帧处理获得接收用户信号的信干比，并与设定的目标信干比相比较，根据比较的结果，移动台21来相应的改变其发射功率的大小。

基站控制器23经过帧恢复模块231，到数据消息分发模块232，该数据消息分发模块232分三路输出给功率控制子系统233，资源管理模块234和业务子系统235。由资源管理模块234中的负载控制模块2341根据基站上报的信息持续地检测系统负载的状况，将检测到当前系统的负载与系统所设定的负载上限进行比较。当检测到系统的负载大于系统所设定的负载上限时，就按照本发明的方法，调整资源管理模块中某一数据业务或者某一类数据业务的数据传输速率。当检测到系统的负载小于系统所设定的负载上限时，就按照本发明的方法，调整资源管理模块中某一数据业务或者某一类数据业务的数据传输速率，使调整后的速率保持或恢复为原数据业务的传输速率。

Claims (3)

1.一种移动通信系统中实现系统容量动态调整的方法，其特征在于，所述方法包含以下步骤：

a、系统持续检测当前小区的负荷大小，并将当前负荷与系统所设定的门限进行比较；

b、若当前负荷小于系统所设定的门限，则数据业务的业务速率不作调整或者速率调整恢复为原有的值；若当前负荷大于等于系统所设定的门限，则启动系统的容量动态调整功能，调整数据业务的业务速率，待数据业务的业务速率被调整到使系统容量达到最大时的最佳值后，返回步骤a系统重新检测小区负荷的大小；

其中所述步骤b中，当当前负荷大于等于系统所设定的门限时，调整数据业务的业务速率包含以下步骤：

A、根据系统所具有的参数获得系统中断概率以及常数

β的值；

B、根据步骤A中所获得的常数

β的值得到离散函数H₁(n)、H₂(n)、G(n)的值，并判断三者之间的大小；

C、若H₁(n)>H₂(n)>G(n)或H₂(n)<G(n)<H₁(n)，统计满足系统所允许的最大中断概率的最大用户数K_e，则期望业务速率R_e为 $R_e=\frac{W(1-\mathrm{\&eta;})/E_b}{K_e}-\mathrm{\&epsiv;},$ 其中W表示系统带宽， $\mathrm{\&eta;}=\frac{N_0}{I_0},$ N₀是背景噪声的功率谱密度，I₀是要求最大可接收的功率谱密度，E_b特指所要调整的某一业务或者某一类业务的比特能量，ε是一个较小的正数；若H₂(n)<H₁(n)<G(n)，则期望业务速率R_e为该业务的业务速率最小允许值R_min，即R_e＝R_min；其中

步骤B中离散函数H₁(n)、H₂(n)、G(n)分别表示为：

$H_1\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;n}/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!},$

$H_2\left(n\right)=\frac{{\mathrm{\&beta;e}}^{-\mathrm{\&beta;}(n+1)/K_0^{\&prime;}}}{K_0^{\&prime;}}\&CenterDot;\frac{{(\mathrm{\&beta;}(n+1)/K_0^{\&prime;})}^n}{n!},$

$G\left(n\right)=e^{-\mathrm{\&beta;n}/K_0^{\&prime;}}\frac{{(\mathrm{\&beta;n}/K_0^{\&prime;})}^n}{n!},n=\mathrm{1,2}...,$

其中β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率， $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right),$ h表示开销信道的干扰，E_b1为第1种业务的比特能量，n为函数

的连续衰减幅度关于

上的离散点，R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示

后取整；

步骤C中ε的取值范围为 $0<\mathrm{\&epsiv;}<\frac{W(1-\mathrm{\&eta;})/E_b}{K_e(K_e+1)}.$

2.如权利要求1所述的实现系统容量动态调整的方法，其进一步特征在于，所述步骤A中的系统中断概率 $P_{\mathrm{out}}^r=P_r[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})],$ 其中 $e_i=\frac{E_{\mathrm{bi}}}{I_0}{R}_i,$ R_i为第i种业务的速率，E_bi为第i种业务的比特能量， $M_i=\underset{j=1}{\overset{K_i}{\mathrm{\&Sigma;}}}{\mathrm{SAF}}_{\mathrm{ij}},$ SAF_ij表示第i种业务第j个用户的激活状态，M_i表示系统内实际处于激活状态的第i种业务的用户数，h表示开销信道的干扰，N表示小区内的业务数，N≥2， $P_r[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})]$ 表示对 $\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{c}_i{M}_i(1+h)>W(1-\mathrm{\&eta;})$ 进行概率计算。

3.如权利要求2所述的实现系统容量动态调整的方法，其进一步特征在于，所述系统中断概率在单业务的情况下为：

$P_{\mathrm{out}}=e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=[K_0^{\&prime;}/R]}{\overset{\&infin;}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}=\left\{\begin{array}{cc}1& K_0^{\&prime;}/R<1\\ 1-e^{-\frac{\mathrm{\&beta;}}{R}}\underset{k=0}{\overset{(K_0^{\&prime;}/R)-1}{\mathrm{\&Sigma;}}}\frac{{\left(\frac{\mathrm{\&beta;}}{R}\right)}^k}{k!}& K_0^{\&prime;}/R\&GreaterEqual;1\end{array}\right.$

其中β＝ρλα，λ为业务的到达率，ρ为业务的激活概率，α＝R₀/μ₀，R₀为业务最初的速率，μ₀为当业务的速率为R₀时对应的离去率， $K_0^{\&prime;}=W(1-\mathrm{\&eta;})/\left(E_{b1}(1+h)\right),$ h表示开销信道的干扰，E_b1为第1种业务的比特能量，R特指所要调整的某一业务或者某一类业务的业务速率， $k=[K_0^{\&prime;}/R]$ 表示

后取整。

Images