CN101959204B - 分布式站点的布设方法及装置 - Google Patents

Abstract

本发明提供一种分布式站点的布设方法及装置，方法包括：获取小区内用户的第一位置信息，所述第一位置信息是指所述用户在均匀分布状态下的位置信息；根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数；以所述小区的半径和所述分布式站点的覆盖范围为约束条件，对所述距离函数进行优化处理，获取所述分布式站点的第一布设位置。本发明的技术方案不依赖于天线效率，因此，克服了对天线效率的定义的依赖；本发明技术方案基于用户位置和小区信息布设分布式站点，可以保证用户到其所接入的分布式站点的距离最小，从而减小用户与其接入的分布式站点之间的路径损耗，可使分布式站点降低发射功率，进而降低系统功耗。

Description

分布式站点的布设方法及装置

技术领域

本发明涉及无线通信技术，尤其涉及一种分布式站点的布设方法及装置。

背景技术

为了适应移动通信的快速发展，满足不断提高的用户需求，长期演进(Long Term Evolution；简称为：LTE)及LTE-Advanced主要采用正交频分复用(Orthogonal Frequency Division Multiplexing；简称为：OFDM)技术以同频组网的方式来增大系统的容量和提高传输速率。但是，采用同频组网后，小区间干扰比较严重，需要采用小区间干扰协调技术。另外，为了实现更大的系统容量，还会采用多入多出(Multiple Input MultipleOut-put；简称为：MIMO)技术，甚至会采用一些高阶MIMO技术。天线数目的增多意味着系统收发两端的成本和处理复杂度都会增加，即不仅会增加基站的能耗，也会增加终端的功率消耗，影响终端电池的使用寿命。

针对上述问题，3GPP LTE-Advanced系统提出了协作多点的概念，其中协作多点传输/接收(CoMP)技术是其中关键技术之一。图1为CoMP技术的应用场景示意图，如图1所示，在使用CoMP技术的场景中，基带处理单元(Base Band Unit；简称为：BBU)和多个射频部分，即远程无线单元(Remote Radio Unit；简称为：RRU)相互分离，BBU和RRU之间通过光纤连接。其实，CoMP技术与分布式天线系统(Distributed AntennaSystem；简称为：DAS)的原理相似，都是通过把集中式的天线分散化处理，一方面扩大基站的覆盖范围，增加系统容量；另一方面RRU与用户天线间的距离，减小用户天线和RRU的发射功率，以提高系统的能量。即通过分布式架构能够减小通信系统中的传输损耗，降低发射功率，最终达到提高系统容量。但是，分布式站点(包括图1中所示的RRU、DAS系统中的分布式天线站以及蜂窝网络中的中继站等)的位置不同会使用户天线到分布式站点的接入距离不同，用户和分布式站点的发射功率会因接入距离的不同而不同，进而会使整个系统的能耗有所不同。因此，如何合理布置分布式站点成为通过分布式架构提高系统容量的技术方案中的关键技术问题。

现有技术中，通常根据分布式站点的可靠性天线效率或高效性天线效率来对分布式站点的位置进行优化。下面公式(1)和公式(2)分别给出了常用的可靠性天线效率和高效性天线效率的定义。

${\mathrm{\η}}_{\mathrm{reliability}}=\frac{R}{d_m\sqrt{L}}\·\frac{S_{\mathrm{cell}}}{\mathrm{\π}{R}^2}---\left(1\right)$

${\mathrm{\η}}_{\mathrm{efficiency}}=\frac{R}{3d_a\sqrt{L}}\·{\left(\frac{S_{\mathrm{cell}}}{\mathrm{\π}{R}^2}\right)}^2---\left(2\right)$

其中，S_cell是小区的面积，d_m是最大最小接入距离，d_a是平均最小接入距离，L是天线数目，R是小区半径，公式(1)和公式(2)对不同形状的小区进行面积归一化，以衡量不同形状的小区的分布式站点的天线性能。

其中，可靠性天线效率是以最优化分布式站点的天线的可靠性为目标，通过最小化用户的最大最小接入距离，以对分布式站点的位置进行调整。其中，最大最小接入距离是指在最坏情况下用户接入分布式站点的距离。而高效性天线效率是以最优化分布式站点的天线的效率为目标，通过最小化用户的平均接入距离，来调整分布式站点的位置。由上述公式(1)和公式(2)可以看出，天线效率与接入距离与半径的比值、天线数目成反比。即现有的确定分布式站点位置的方法是一种基于天线效率的站点位置的优化方法，其依赖于对天线效率的定义，因此，无法将分布式站点的位置最优化。

发明内容

本发明提供一种分布式站点的布设方法及装置，用以解决现有技术中分布式站点的定义依赖于对天线效率的定义的缺陷，实现对分布式站点的优化布设。

本发明提供一种分布式站点的布设方法，包括：

获取小区内用户的第一位置信息，所述第一位置信息是指所述用户在均匀分布状态下的位置信息；

根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数；

以所述小区的半径和所述分布式站点的覆盖范围为约束条件，对所述距离函数进行优化处理，获取所述分布式站点的第一布设位置。

本发明提供一种分布式站点的布设装置，包括：

位置信息获取模块，用于获取小区内用户的第一位置信息，所述第一位置信息是指用户在均匀分布状态下的位置信息；

距离函数获取模块，用于根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数；

布设位置获取模块，用于以所述小区的半径和所述分布式站点的覆盖范围为约束条件，对所述距离函数进行优化处理，获取所述分布式站点的第一布设位置。

本发明提供的分布式站点的布设方法及装置，根据用户位置获取用户到分布式站点的距离函数，并根据小区信息和分布式站点自身的覆盖范围对该距离函数进行优化处理，根据优化处理结果获取分布式站点的布设位置。与现有技术相比，本发明的技术方案不依赖于天线效率，因此，克服了对天线效率的定义的依赖；本发明技术方案基于用户位置和小区信息布设分布式站点，可以保证用户到分布式站点的距离最优，可使分布式站点降低发射功率，进而降低系统功耗。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为CoMP技术的应用场景示意图；

图2为本发明实施例一提供的分布式站点的布设方法的流程图；

图3为本发明实施例一的分布式站点的布设场景示意图；

图4为本发明实施例二提供的分布式站点的布设方法的流程图；

图5为本发明实施例三提供的分布式站点的布设方法的流程图；

图6为本发明实施例三提供的系统功率消耗与分布式站点的数量的关系图；

图7为本发明实施例四提供的分布式站点的布设装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在介绍本发明技术方案之前，先对本发明技术方案基于的现有通信系统场景进行一下介绍。为了便于分析和说明，本发明技术方案的应用场景主要针对具有多个用户的单个小区。在本发明中以半径为R的小区为例，且假设小区内最初包括N个分布式站点，即欲在小区内布设N个分布式站点。同时，结合实际应用环境，设每个分布式站点上配置有L个天线，用户终端配置有单个天线，且每个用户可以接收来自所有分布式站点的信号。

其中，由于各个分布式站点在空间位置是独立分布的，因此每个分布式站点的信道模型中不仅小尺度衰落(例如：瑞丽衰落)，也包括大尺度衰落(例如：路径损耗和阴影衰落)。其中，假设每个分布式站点上的各个天线和用户之间的大尺度衰落是相同的，没有天线间的差异性。因此，用户接收到的下行信号可以表示为公式(3)：

y＝Hx+z                       (3)

其中，y是接收符号向量；x是发送符号向量，其协方差矩阵为R_xx＝E(xx^H)；H为信道矩阵，是1×NL阶的一矩阵，其具体为H＝[H₁，H₂，L H_N]，其中H_n(n＝1，2，A，N)是用户到第n个分布式站点的信道矩阵，且H_n∈C^1×L；z是零均值加性复高斯白噪声向量，其方差矩阵σ²。

进一步，H_n是大尺度衰落和小尺度衰落的乘积，其可表示为公式(4)：

$H_n=\sqrt{{\mathrm{cs}}_n/{d_n}^{\mathrm{\α}}}\left[\begin{array}{cc}{h}_{n,1},h_{n,2},L& h_{n,L}\end{array}\right]---\left(4\right)$

其中，h_n，l表示小尺度衰落的信道矩阵，其为循环对称复高斯随机变量，1≤l≤L；

表示大尺度衰落，d_n表示用户和第n个分布式站点之间的距离，α表示路径损耗因子，其取值一般小于3.0；c表示在参考距离为100m时的路径平均增益的中值；s_n表示阴影衰落，是一个对数正态随机变量，即10lgs_n是一个零均值、方差为σ_s的高斯随机变量，其概率密度函数可以表示为公式(5)：

$f_s\left(s\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\λ}{\mathrm{\σ}}_s}\exp (-\frac{{\left(\ln s\right)}^2}{2{\mathrm{\λ}}^2{\mathrm{\σ}}_s^2}),s>0---\left(5\right)$

由于一般通信系统中小区的形状为圆形，因此，分布式站点倾向于分布在一个圆上，其中将分布式站点分布在圆上的场景称为圆形分布(circularlayout；简称为：CL)。基于上述，下面详细介绍本发明技术方案。

实施例一

图2为本发明实施例一提供的分布式站点的布设方法的流程图。如图2所示，本发明的分布式站点的布设方法包括：

步骤201，获取小区内用户的第一位置信息，所述第一位置信息是指用户在均匀分布状态下的位置信息；

在本实施例中，首先假设用户在小区内是均匀分布的，则根据已知的小区的半径即可获取到小区内各个用户的第一位置信息，即以均匀分布为条件获取的用户的位置信息。该位置信息包括用户在每个分布式站点覆盖范围内的分布概率和用户的位置坐标。

其中，在本实施例中假设布设N个分布式站点，且以用户均匀分布为条件，因此，获取用户在各个分布式站点覆盖范围内的概率密度函数可以表示为公式(6)：

$f(x,y)=\frac{1}{\mathrm{N\π}{R}^2}---\left(6\right)$

其中，f(x，y)是用户的分布概率密度函数，(x，y)是用户的第一位置坐标。

步骤202，根据第一位置信息，获取反映用户到分布式站点的距离函数；

在本实施例中，假设用户只接入离其最近的分布式站点，则可以假设距离用户最近的分布式站点的位置坐标，并根据用户的分布概率和第一位置坐标，获取用户到分布式站点的距离函数。

其中，本实施例获取的距离函数可以表示为公式(7)：

$E_d\left(d_{\min }\right)=\∫\∫\sqrt{{(x-x_0)}^2+{(y-y_0)}^2}f(x,y)\mathrm{dxdy}---\left(7\right)$

其中，(x₀，y₀)是假设的距离用户最近的分布式站点的位置坐标。

步骤203，以小区的半径和分布式站点的覆盖范围为约束条件，对距离函数进行优化处理，获取分布式站点的第一布设位置。

本实施例以通信系统中小区的形状为圆形为例，且采用常用的圆形布设方式来布设本实施例的分布式站点。基于此，则本步骤203中获取分布式站点的第一布设位置，可等价于获取分布式站点到小区中心的距离，即分布式站点所在圆的半径。图3为本发明实施例一的分布式站点的布设场景示意图。在图3所示布设场景中，小区被划分为N个扇区，每个扇区被一个分布式站点覆盖，各个分布式站点布设在一个圆上，该圆以小区中心为中心。

具体的，本实施例的步骤203具体包括：

步骤2031，以小区的中心为极化中心，以分布式站点的位置为起始位置对距离函数进行极化处理；

其中，由于用户分布是均匀的，使每个扇区的情况相同，因此，以第一扇区为例考察分布式站点的分布；且由于分布式站点的角度对最优半径的求解没有影响，因此设定分布式站点的极化角度为0度，即极化角度的初始位置，即分布式站点的位置的极坐标为(r₀，0)。

基于上述，将用户坐标转换为极坐标，具体为公式(8)：

$\left\{\begin{array}{c}x=r\cos \mathrm{\θ}\\ y=r\sin \mathrm{\θ}\end{array}\right.---\left(8\right)$

步骤2032，以小区的半径和分布式站点的覆盖角度为积分条件，对经极化处理后的距离函数的平方进行积分处理，获取平方距离函数；

其中，以角度为标准，每个分布式站点的覆盖范围为

以第一个扇区为例，其覆盖角度的范围为

小区半径为R，则经过上述极化积分处理后得到的平方距离函数为公式(9)：

$E_d\left({d_{\min }}^2\right)=\frac{1}{\mathrm{N\π}{R}^2}\∫\∫[{(r\cos \mathrm{\θ}-r_0)}^2+{\left(r\sin \mathrm{\θ}\right)}^2]\mathrm{rdrd\θ}$ (9)

$=\frac{(R^2+2r_0^2)}{2N^2}-\frac{4r_{0}R}{3\mathrm{N\π}}\sin \frac{\mathrm{\π}}{N}$

步骤2033，以最小化平方距离函数为目标，获取分布式站点到小区的中心的初始半径，以确定分布式站点的第一布设位置。

其中，最小化平方距离函数具体为对公式(9)中的r₀求导，并使其为0，则此时获取r₀的值，如公式(10)所示。

$r_0=\frac{2\mathrm{RN}\sin \frac{\mathrm{\π}}{N}}{3\mathrm{\π}}---\left(10\right)$

通过上述步骤，本实施例获取到分布式站点的布设位置，即分布式站点均匀分布在以小区中心为圆心、半径为

的圆上。

本实施例的分布式站点的布设方法，以用户均匀分布为条件，获取用户位置，且采用圆形布设方式，根据用户位置，以用户到分布式站点的距离最小为目标，实现对分布式站点的布设。由于本实施的布设方法不依赖于天线效率，因此，可以克服了现有技术依赖对天线效率的定义的缺陷；且本发明技术方案可保证用户到分布站点的距离最小，因此，可使分布式站点降低发射功率，进而降低系统功耗。

在本发明上述实施例中以用户均匀分布为条件。但是实际应用中，由于建筑物、地形以及用户随时移动等导致分布式站点不可能完全布设在圆上，且用户分布也不是均匀的，因此，本发明实施例还包括对获取的分布式站点的第一布设位置进行优化处理。

实施例二

图4为本发明实施例二提供的分布式站点的布设方法的流程图。本实施例基于实施例一实施，其区别在于，本实施例的方法在获取到分布式站点的第一布设位置之后还包括：

步骤401，获取小区内用户的第二位置信息，所述第二位置信息是指用户在非均匀分布状态下的位置信息；

在本实施例中，非均匀分布状态下的位置信息是指用户在实际应用环境中的位置信息。具体的，本实施例可以通过基站获取各个用户的第二位置信息。由于各个用户的终端会定期向基站汇报其位置，因此，可以通过基站接收到的用户汇报的信息获取用户的实际位置信息；又或者为了完成分布式站点的布设，可以通过工作人员进行实地考察，以记录用户的实际位置；并且通过多次实地考察，还可以统计获取用户实际位置的分布情况。在本实施例中，并不对用户第二位置信息的获取方式进行限制。

步骤402，根据第二位置信息和反映非均匀分布状态下用户到分布式站点的距离的优化模型，对第一布设位置进行优化处理，以获取分布式站点的第二布设位置。

具体的，根据用户的第二位置信息构建反映非均匀分布状态下(即实际应用环境中)的用户到分布式站点的距离函数，并以该距离函数为优化模型，对第一布设位置进行优化处理，获取优化后的分布式站点的布设位置。

本实施例的分布式站点的布设方法，根据用户的实际位置对分布式站点的布设位置做进一步优化处理，充分考虑了实际应用，保证了分布式站点布设的合理性。

其中，本实施例的步骤402中的距离函数具体为：

该公式表示小区内每个用户到第n个分布式站点的距离；而以距离函数获取的优化模型包括：优化目标函数和约束条件。其中优化目标函数为公式(11)

$\min \underset{m=1}{\overset{M}{\mathrm{\Σ}}}|u_m-r_n|w_{\mathrm{mn}}---\left(11\right)$

约束条件为：

$\left\{\begin{array}{c}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}\≥1,\∀n\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}=1,\∀m\end{array}\right.$

其中，M为所述用户的数量，且M≥N，表示用户数量大于分布式站点的数量；w_mn为标识参数，用于表示第m个用户是否接入第n个分布式站点；其中若w_mn取值为1，则表示第m个用户接入第n个分布式站点；反之，表示第m个用户未接入第n个分布式站点；且在本实施例中1≤m≤M，1≤n≤N；u_m为第m个用户的第二位置信息，具体是指用户的第二位置坐标；r_n为第n个分布式站点距离小区中心的优化半径，且r_n的初始值为

r₀为第n个分布式站点的初始半径，且在本实施例中，各个分布式站点的初始半径均相同。

基于上述，本实施例的公式(11)示出的优化目标函数是指以第n个分布式站点为基准，计算第n个分布式站点覆盖下的用户到第n个分布式站点的距离之和，以该距离之和最小为目标，对第n个分布式站点的位置进行优化，并最终确定第n个分布式站点的位置。同理，以同样的优化处理过程，对其他分布式站点的布设位置进行优化处理。

其中，本实施例的上述约束条件的意思是指小区内每个用户至少要接入一个分布式站点；而每个分布式站点至少要有一个用户接入，否则该分布式站点将没有存在的必要。

本实施例提供一种具体的优化过程实施方式，具体的：本实施例采用K-mean聚类算法的思想，即通过迭代的方法，逐次对各个聚类中心的值进行更新，直到获得最优聚类结果。在本实施例中，将所有用户看作基本数据集合，将分布式站点看做聚类中心的集合。然后，将每个用户根据最小距离接入准则(即用户只接入离其最近的分布式站点)，接入到一个距离其最近的分布式站点下，即以分布式站点为基准将用户分类；接下来，以第n个分布式站点为例说明一次迭代过程中的后续操作。接着，以第n个分布式站点的初始半径为起始点，在一定范围内以一定步长移动第n个分布式站点的位置，即改变第n个分布式站点到小区中心的距离(亦即到小区中心的半径)，并分别获取每次移动位置所对应的该第n个分布式站点覆盖下的用户到第n个分布式站点的距离之和；并比较多个距离之和，获取其中最小距离之和对应的半径和角度确定的位置作为该第n个分布式站点的第二布设位置。其中，可以通过预先设定移动过次数，并将其作为本次更新站点位置结束的条件。例如进行200次的移动，获取200个距离之和，并从200个距离之和中获取最小距离之和对应的半径和角度，以根据该半径作为本次迭代过程中的优化半径，并以该优化半径和角度确定分布式站点在本次迭代过程中的布设位置。

进一步，本实施例提供一种迭代结束的实施方式，具体是指以系统距离误差最小为目标，作为迭代结束条件。即在每次迭代结束之后，通过获取系统距离误差，并将该系统距离误差与预设系统距离误差阈值，进行比较，以判断是否结束迭代，亦即是否进行下一次优化处理。其中，上述实施方式具体为：

假设当前为对所有分布式站点进行的第k次迭代过程(即第k次优化处理过程，且k≥1)，则在该次迭代过程结束时，根据公式(12)计算每个分布式站点覆盖下的用户到该分布式站点的平均距离。

${\stackrel{\‾}{d}}_{n,k}=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}|u_m-r_n|w_{\mathrm{mn}}}{q_{n,k}}---\left(12\right)$

其中，q_n，k为第k次优化处理过程中第n个分布式站点覆盖的用户数量；为第k次优化处理过程中用户到第n个分布式站点的平均距离。

然后，根据公式(13)，计算第k次迭代过程结束时的系统距离误差。

$\mathrm{\δ}=\sqrt{\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{({\stackrel{\‾}{d}}_{n,k}-{\stackrel{\‾}{d}}_{n,k-1})}^2}{N}}---\left(13\right)$

其中，

为第k-1次优化处理过程中用户到第n个分布式站点的平均距离；δ为第k次迭代结束时的系统距离误差。

接着，将获取的第k次迭代结束时的系统距离误差与预设系统距离误差阈值进行比较；若比较结果为系统距离误差大于系统距离误差阈值，则证明迭代尚未收敛，需要继续对每个分布式站点的布设位置进行下一次优化处理，即进行第k+1次迭代。反之，则结束迭代过程，并将第k次迭代过程获取的分布式站点的位置作为该分布式站点的最终布设位置，即第二布设位置。

本实施例上述技术方案，通过设定系统距离误差阈值作为迭代结束条件，充分考虑小区内每个分布式站点的布设的合理性，进一步可以提高本发明技术方案布设的分布式站点的合理性，降低系统的总发射功率，提高系统的能量利用率。

实施例三

图5为本发明实施例三提供的分布式站点的布设方法的流程图。本实施例可基于实施例一或实施例二实现，其区别在于，本实施例的布设方法在获取分布式站点的第一布设位置之后，或者在对第一布设位置优化之后，还包括：获取最佳分布式站点的数量的步骤。其中，本实施例以实施例一为基础进行说明，则如图5所示，本实施例的布设方法还包括：

步骤501，以最大化系统的能量效率为目标，获取分布式站点的最佳的数量。

该步骤501具体为根据公式(14)，获取分布式站点的最佳数量；

N′＝((α-1)w/P_C)^1/α                 (14)

其中，

为常数；P_C为电路功率消耗；C为容量；W为带宽；L为每个分布式站点上的天线数目。

其中，本实施例中的公式(14)具体可以通过如下方式获取，具体的：

由于通信系统的功率消耗主要包括两部分：一是传输功率消耗，用P_T表示，并且在本实施例中将其看作是每个分布式站点的传输速率的函数；一是电路功率消耗，即P_C所表示的部分，其与传输速率无关。其中，小区中分布式站点的数量同时对电路功率消耗和传输功率消耗存在影响。分布式站点数量增加，会使电路功率消耗增加；而由于分布式站点的数量增加，用户可以选择最优的分布式站点(例如接入离其最近的分布式站点)接入，因此，会使传输功率消耗减少。基于上述可知，通过对电路功率消耗和传输功率消耗进行折中，可以通过选择适当数量的分布式站点使系统能量效率最大化。

其中，假设发射端和接收端均具有良好的信道信息，且传输功率平均分配到每根天线上，且根据最小距离接入准则，每个用户只能接入一个分布式站点。则以第n个分布式站点为例，其对应每个用户的各态历经信道容量为公式(15)所示：

$C_n=E_{s_n,g_n}{E}_{d_n}\left\{W_n{\log }_2(1+\frac{P_T}{L{\mathrm{\σ}}^2}{H}_n{H_n}^H)\right\}$ (15)

$=E_{s_n,g_n}{E}_{d_n}\left\{W_n{\log }_2(1+\frac{P_T{\mathrm{cs}}_n{g}_n}{L{\mathrm{\σ}}^2{d}_n^{\mathrm{\α}}})\right\}$

其中，

W_n是分给第n个分布式站点的带宽，d_n是相应用户与第n个AP之间的距离，σ²为加性高斯白噪声的方差。

则根据信道容量和传输功率的关系，可知传输功率可以表示为公式(16)：

$P_T=E_{s_n,g_n}{E}_{d_n}\left\{\frac{(2^{C_n/W_n}-1)L{\mathrm{\σ}}^2{d}_n^{\mathrm{\α}}}{{\mathrm{cs}}_n{g}_n}\right\}---\left(16\right)$

进一步，假设每个用户具有相同的数据传输速率需求，且每个分布式站点具有相同的带宽，则每个分布式站点的传输功率消耗相同。则小区对应的系统功率消耗为分布式站点的数量的函数，可以表示为公式(17)：

P(N)＝NP_C+NP_T                          (17)

将上述公式(10)和公式(16)代入公式(17)得到如下公式(18)所示的系统功率消耗：

$P\left(N\right)={\mathrm{NP}}_C+\frac{(2^{C/W}-1)\mathrm{NL}{\mathrm{\σ}}^{2}E\left(d_n^{\mathrm{\α}}\right)}{\mathrm{cE}\left(s_n\right)E\left(g_n\right)}={\mathrm{NP}}_C+\frac{w}{N^{\mathrm{\α}-1}}---\left(18\right)$

其中，由公式(18)可以看出：电路功率消耗和分布式站点的数量成正比，而传输功率消耗与分布式站点的数目成反比，故存在一个使得系统功率消耗最小的分布式站点的数量。

进一步，通过对公式(18)求导，即

并令

以获取使系统功率消耗最小的分布式站点的数目，其结果如公式(14)所示。

再此需要说明的是，本实施例是以实施例一为基础，即在实施例一获取的分布式站点的布设位置的基础上，获取分布式站点的最佳数量；同理，当通过实施例二对分布式站点进行优化处理，并得到分布式站点的最优布设位置时，本实施例将以该最优布设位置为基础，获取分布式站点的最佳数量。其中与本实施例的区别仅在于，在获取公式(18)时，仅需将分布式站点的最终优化半径和公式(16)代入公式(17)，其他过程均相同，不再详细赘述。

至此，本实施例通过权衡传输功率消耗和电路功率消耗，获取了分布式站点的最佳数量。在小区内布设最佳数量的分布式站点可以使系统功率消耗最小，而在相同数据传输速率条件下，最小化系统功率消耗可以达到节能和提高能量效率的目的。

进一步，在实现本发明技术方案的过程中，发明人对分布式站点的数量对系统功率消耗和节省功率的影响进行了实验，并通过与现有技术方案的比较，进一步体现了本发明技术方案的优势。其中，图6为本发明实施例三提供的系统功率消耗与分布式站点的数量的关系图。从图6中可以看出：不同的电路功率损耗对分布式站点数目起着决定性作用，当电路功率损耗比较大(如图6所示为36dBm或27dBm)时，分布式站点数量越多系统功率损耗越大；当电路功率损耗很小(如图6所示为负无穷dBm)时，传输功率损耗占主要部分，系统功率消耗随分布式站点数目增大而递减，然后逐渐趋于平稳。并且从图6中可知看出：当电路功率损耗和传输损耗相当时，可以得到一个分布式站点数目的折中值。

实施例四

图7为本发明实施例四提供的分布式站点的布设装置的结构示意图。如图7所示，本实施例的布设装置包括：位置信息获取模块61、距离函数获取模块62和布设位置获取模块63。

其中，位置信息获取模块61，用于获取小区内用户的第一位置信息，所述第一位置信息是指用户在均匀分布状态下的位置信息；距离函数获取模块62，用于根据位置信息获取模块61获取的第一位置信息，获取反映用户到分布式站点的距离函数；布设位置获取模块63，用于以小区的半径和分布式站点的覆盖范围为约束条件，对距离函数获取模块62获取的距离函数进行优化处理，获取分布式站点的第一布设位置。

本实施例的分布式站点的布设装置，可以用于执行本发明提供的分布式站点的布设方法的流程。具体通过位置信息获取模块、距离函数获取模块和布设位置获取模块实现对分布式站点的布设。本实施例技术方案基于用户位置和小区信息布设分布式站点，可以保证用户到分布式站点的距离最优，可使分布式站点降低发射功率，进而降低系统功耗。

进一步，基于本实施例的第一位置信息包括分布概率和第一位置坐标，则本实施例的位置信息获取模块61具体包括：概率获取单元611和坐标获取单元612。其中，概率获取单元611，用于根据分布式站点的覆盖范围，获取用户在分布式站点的覆盖范围内的分布概率；坐标获取单元612，用于获取用户在分布式站点的覆盖范围内的第一位置坐标。

基于上述，本实施例的距离函数获取模块62具体用于根据坐标获取单元612获取的第一位置坐标和概率获取单元611获取的分布概率，获取距离函数；其中距离函数的表示形式具体参见方法实施例部分的公式(7)，在此不再赘述。

本实施例上述技术方案具体给出了位置信息获取模块61和距离函数获取模块62的具体实现或具体功能，且上述模块可对应实施本发明提供的方法流程中的相应部分。本实施例的分布式站点的布设装置，以用户均匀分布为条件，获取用户位置，且采用圆形布设方式，根据用户位置，以用户到分布式站点的距离最小为目标，实现对分布式站点的布设。由于本实施的布设装置在实施本发明的布设方法时不依赖于天线效率，因此，克服了现有技术依赖对天线效率的定义的缺陷；且本发明技术方案可保证用户到分布站点的距离最小，因此，可使分布式站点降低发射功率，进而降低系统功耗。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种分布式站点的布设方法，其特征在于，包括：

获取小区内用户的第一位置信息，所述第一位置信息是指所述用户在均匀分布状态下的位置信息；

根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数；

以所述小区的半径和所述分布式站点的覆盖范围为约束条件，对所述距离函数进行优化处理，获取所述分布式站点的第一布设位置；

其中，获取小区内用户的第一位置信息包括：

根据所述分布式站点的覆盖范围，获取所述用户在所述分布式站点的覆盖范围内的分布概率；

获取所述用户在所述分布式站点的覆盖范围内的第一位置坐标;

其中，根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数具体为：

根据所述第一位置坐标和所述分布概率，获取所述距离函数；所述距离函数为 $E_d\left(d_{\min }\right)=\∫\∫\sqrt{{(x-x_0)}^2+{\left({y-y}_0\right)}^2}f(x,y)\mathrm{dxdy};$

其中，(x,y)为所述用户的第一位置坐标；

f(x,y)为所述分布概率对应的概率密度函数；

(x₀,y₀)为所述分布式站点的位置坐标；

E_d(d_min)为所述距离函数;

其中，以所述小区的半径和所述分布式站点的覆盖范围为约束条件，对所述距离函数进行优化处理，获取所述分布式站点的第一布设位置，包括：

以所述小区的中心为极化中心，并设定所述分布式站点的极化角度为0度，对所述距离函数进行极化处理；

以所述小区的半径和所述分布式站点的覆盖角度为积分条件，对经极化处理后的距离函数的平方进行积分处理，获取平方距离函数；

以最小化所述平方距离函数为目标，获取所述分布式站点到所述小区的中心的初始半径，以确定所述分布式站点的第一布设位置。

2.根据权利要求1所述的分布式站点的布设方法，其特征在于，还包括：

获取所述小区内用户的第二位置信息，所述第二位置信息是指所述用户在非均匀分布状态下的位置信息；

根据所述第二位置信息和反映非均匀分布状态下所述用户到所述分布式站点的距离的优化模型，对所述第一布设位置进行优化处理，以获取所述分布式站点的第二布设位置。

3.根据权利要求2所述的分布式站点的布设方法，其特征在于，所述优化模型包括：优化目标函数和约束条件；

所述优化目标函数为：

$\min \underset{m=1}{\overset{M}{\mathrm{\Σ}}}|u_m-r_n|w_{\mathrm{mn}},$

所述约束条件为：

$\left\{\begin{array}{c}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}\≥1,\∀n\\ \underset{n=1}{\overset{N}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}=1,\∀m\end{array}\right.,$

其中，M为所述用户的数量，且M≥N；

w_mn为标识参数，用于表示第m个用户是否接入第n个分布式站点，且1≤m≤M，1≤n≤N；

u_m为第m个用户的第二位置信息；

r_n为第n个分布式站点距离所述小区的中心的优化半径，且r_n的初始值为 $r_0(\cos \left(\frac{2\mathrm{\π}}{N}(n-1)\right)+j\sin \left(\frac{2\mathrm{\π}}{N}(n-1)\right));$

r₀为所述初始半径。

4.根据权利要求3所述的分布式站点的布设方法，其特征在于，还包括：

根据公式

计算第n个分布式站点覆盖下的用户到所述第n个分布式站点的平均距离；

根据公式

计算系统距离误差；

若所述系统距离误差大于预设系统距离误差阈值，则继续对N个分布式站点的第k次优化处理得到的布设位置进行优化处理；

其中，q_n,k为第k次优化处理过程中第n个分布式站点覆盖的用户数量；

为第k次优化处理过程中用户到第n个分布式站点的平均距离；

为第k-1次优化处理过程中用户到第n个分布式站点的平均距离；

δ为所述系统距离误差。

5.根据权利要求1-4任一项所述的分布式站点的布设方法，其特征在于，还包括：

根据公式N′=((α-1)w/P_C)^1/α，获取所述分布式站点的最佳数量；

其中， $w=\frac{(2^{C/W}-1)L{\mathrm{\σ}}^2{\left(R^4\mathrm{\π}\right)}^{\mathrm{\α}/2}}{\mathrm{CE}\left(s_n\right)E\left(g_n\right){18}^{\mathrm{\α}/2}}$ 为常数；

P_C为电路功率消耗；

C为容量；

W为带宽；

α为路径损耗指数；

g_n为信道衰落系数；

s_n为阴影衰落系数；

L为每个分布式站点的天数数目；

σ²为加性高斯白噪声的方差；

N′为获取的所述分布式站点的最佳数量。

6.一种分布式站点的布设装置，其特征在于，包括：

位置信息获取模块，用于获取小区内用户的第一位置信息，所述第一位置信息是指用户在均匀分布状态下的位置信息；

距离函数获取模块，用于根据所述第一位置信息，获取反映所述用户到分布式站点的距离函数；

布设位置获取模块，用于以所述小区的中心为极化中心，并设定所述分布式站点的极化角度为0度，对所述距离函数进行极化处理；

以所述小区的半径和所述分布式站点的覆盖角度为积分条件，对经极化处理后的距离函数的平方进行积分处理，获取平方距离函数；

以最小化所述平方距离函数为目标，获取所述分布式站点到所述小区的中心的初始半径，以确定所述分布式站点的第一布设位置；其中，

所述位置信息获取模块包括：

概率获取单元，用于根据所述分布式站点的覆盖范围，获取所述用户在所述分布式站点的覆盖范围内的分布概率；

坐标获取单元，用于获取所述用户在所述分布式站点的覆盖范围内的第一位置坐标；

所述距离函数获取模块具体用于根据所述第一位置坐标和所述分布概率，获取所述距离函数；所述距离函数为：

$E_d\left(d_{\min }\right)=\∫\∫\sqrt{{(x-x_0)}^2+{\left({y-y}_0\right)}^2}f(x,y)\mathrm{dxdy};$

其中，(x,y)为所述用户的第一位置坐标；

f(x,y)为所述分布概率对应的概率密度函数；

(x₀,y₀)为所述分布式站点的位置坐标；

E_d(d_min)为所述距离函数。

Images