CN102790974A - 一种CoMP系统网络规划中基站最优位置选择方法 - Google Patents

Abstract

本发明公开一种CoMP系统网络规划中基站最优位置选择方法，首先根据用户分布生成若干个用户的位置，并利用生成的用户位置坐标搜索分布式基站的摆放位置。利用模糊聚类分析的方法，得到最优的基站摆放方案。本发明能够解决任意凸的小区覆盖范围、任意用户分布下的基站最优摆放问题，可以应用于小区覆盖范围为二维平面上的任意联通凸集的场景，快速收敛到最优基站摆放位置。

Description

一种CoMP系统网络规划中基站最优位置选择方法

技术领域

本发明涉及一种适用于CoMP（Coordinated Multi-Point）系统网络规划中基站摆放位置的选择方案，属于无线通信网络规划领域。

背景技术

近年来，随着手机等移动通信技术设备的普及，用户的业务需求也在不断提高，移动通讯网络需要能够提供更快的数据传输速率，更稳定的语音、数据服务以及多样化的服务等。MIMO技术可以有效的提高系统容量和频谱利用效率，上个世纪末以来一直是移动通信研究的热点，在应用领域，目前MIMO技术已经在LTE（Long Term Evolution）、IEEE802.11系列等标准中采用。MIMO技术在点对点链路方面的研究已经很多，技术应用也相对成熟，但是在网络规划和无线资源管理方面还需要深入。在网络规划上，天线的布置主要有两种方式：集中式或分布式，二者在很多方面存在性能差异，如覆盖效果、信道容量和功率使用效率等。目前，对分布式MIMO系统的研究主要集中在信道容量、中断性能等方面，在天线的最优放置问题上尚处在起步阶段。在实际环境当中，天线的放置受限于地理条件、通话业务分布等多种因素，不同的摆放方案对系统的整体性能会产生很大的影响。

协作多点传输技术，即CoMP（Coordinated Multi-Point）技术作为分布式MIMO的一种应用，目前吸引了很多研究人员的注意。在CoMP系统中，多个基站可以同时为小区边缘用户提供服务，从而提高小区边缘的覆盖性能。CoMP系统可以看作是广义分布式MIMO（Generalized Distributed MIMO：GDAS）系统的一种。在GDAS中，AP（Antenna Port）可以分布在小区的整个覆盖范围内，相互协作的为小区用户提供服务。不同的AP摆放方案将极大的影响系统的性能。参考文献“W.Choi and J.Andrews，Downlink performance and capacity ofdistributed antenna systems in a multicell environment,IEEE Transactions onWireless Communications，vol.6，pp.69-73,2007”（多小区分布式天线系统的下行性能和容量研究）和“J.Zhang and J.Andrews，Distributed Antenna Systemswith Randomness，IEEE Transactions on Wreless Communications，vol.7，pp.3636-3646，2008”（随机性对分布式天线系统的影响）的研究结果表明，相对于集中式的AP摆放方案（AP集中摆放在小区的中心），分布式的摆放方案可以极大地提高小区覆盖性能。参考文献“Y.Shen,et al.，Optimal antenna location forSTBC-OFDM downlink with distributed transmit antennas in linear cells，IEEECommunications Letters，vol.11，pp.387-389,2007”（线形小区分布式天线系统下行链路采用STBC-OFDM时的最优天线摆放位置研究）研究了线性小区下最优的天线摆放位置，参考文献“X.Wang,et al.，Antenna location design forgeneralized distributed antenna systems，IEEE Communications Letters，vol.13,pp.315-317，2009”（广义分布式天线系统中的天线位置设计）和“Y.Qian,et al.，Antenna Location Design for Distributed antenna Systems with SelectiveTransmission，International Conference on Wireless Communications & SignalProcessing，2009”（中文翻译：采用选择传输方式的分布式天线系统中的天线位置设计）研究了圆形小区的场景，并提出了基于最大化下行链路小区平均遍历容量的天线摆放方法。参考文献“C.Zhang,et al.，Optimal Locations of RemoteRadio Units in CoMP Systems for Energy Efficiency，in 2010 IEEE 72nd VehicularTechnology Conference–Fall，2010”（CoMP系统下优化能量效率的远端射频单元摆放位置设计）研究了圆形小区下，基于优化功率效率的天线摆放方案，并得到了与X.Wang和Y.Qian相同的结论。

发明内容

发明目的：针对CoMP网络规划中基站的摆放方案问题，本发明采用聚类分析的思想，利用用户的位置坐标分布信息，迭代搜索最优的基站摆放位置，提供一种简单易行，收敛速度快，搜索结果稳定的CoMP系统网络规划中基站最优位置选择方法，该方法能够解决任意用户分布下、任意凸的小区覆盖范围的CoMP基站最优摆放问题。

技术方案：一种CoMP系统网络规划中基站最优位置选择方法，设小区的规划覆盖范围为S，S为二维平面上的一个连通凸集。设S上用户位置坐标(x，y)满足一定概率分布p(x，y)。该CoMP系统中有K个基站，其位置坐标分别为(x_k，y_k)，k＝1，…，K。

本方案中，距离为d（m）的收、发信机间路劲损耗建模为

L(d)＝Cd^-α

其中

d_o一般为20m，λ为载波波长，α为路径损耗因子，取值通常在2.0到5.0，可以根据小区的真实覆盖环境（如城市、郊区等）确定。坐标为(x，y)的用户到第i个分布式基站的路径损耗为

L_i＝C[(x_i-x)²+(y_i-y)²+h²]^-α/2，i＝1，…，K

其中h表示基站天线到地面的垂直距离，一般在5-20m（市区）。

该方案的实施主要包含以下两个步骤：

第一步：生成用户位置。根据S上用户位置满足的概率分布p(x，y)，生成N个用户的位置坐标，分别记为(x_n，y_n)，n＝1，…，N，设这些位置的集合为U。用户个数N需要足够大，以体现用户的位置分布特征；

第二步：迭代搜索最优的基站摆放位置 $l^{(*)}={[x_1^{(*)},y_1^{(*)},\·\·\·,x_K^{(*)},y_K^{(*)}]}^T,$ 其中元素下标k表示第k个基站的x坐标或者y坐标，k＝1，…，K；(·)^T表示矩阵或者向量的转置。

下面对算法的第二步进行详细的介绍。

在以上基站摆放位置搜索算法中，第二步采用的具体方法如下：

①任意给定u_kn∈(0，1)（k＝1，…K，n＝1，…，N）。令迭代次数t＝1，

（表示不超过α的最大整数），J⁽⁰⁾＝0，∈＝0.01。

②按照下式计算l^(t)，

$x_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{x}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ $y_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{y}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ k＝1，…，K

更新u_kn（k＝1，…K，n＝1，…，N），

$u_{\mathrm{kn}}=\frac{1}{{\left(d_{\mathrm{kn}}\right)}^{2/(m-1)}\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{(1/d_{\mathrm{in}})}^{2/(m-1)}}$

其中 $d_{\mathrm{kn}}=\sqrt{{(x_n-x_k^{\left(t\right)})}^2+{(y_n-y_k^{\left(t\right)})}^2}.$

③按照下式计算J^(t)，

$J^{\left(t\right)}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{d}_{\mathrm{kn}}^2$

若|J^(t-1)-J^(t)|＜∈，则算法停止，l^(*)＝l^(t)；否则t←t+1，并重新执行第②步。

该步骤的输出结果l^(*)即为CoMP系统中最优的基站摆放位置矢量。

有益效果：与现有技术相比，本发明所提供的CoMP系统网络规划中基站最优位置选择方法，具有以下优势：

（1）应用范围广泛：本发明所提出的方案适用于任意用户分布情况下，小区覆盖范围为二维平面上的任意联通凸集的场景；

（2）收敛速度快、稳定性好：本发明所提出方案简单易行，可以快速收敛到最优基站摆放位置。

附图说明

图1为本发明实施例的基站最优摆放位置搜索算法的实施流程图；

图2为本发明实施例的圆形小区的基站最优摆放位置搜索结果图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1-2所示，（其中，图2半径500m小区中，圆点表示用户位置、黑色方框表示算法搜索到的基站位置）该方案的实施主要包含以下三个步骤：

第一步：输入算法所需要的各种参数信息。这一步需要输入用户的业务在小区内的分布信息、小区的路径损耗因子α、载波波长λ以及基站天线摆放高度h等信息。

第二步和第三步可以通过软件编程实现。

第二步：生成用户位置。根据S上用户位置满足的概率分布p(x，y)，生成N个用户的位置坐标，分别记为(x_n，y_n)，n＝1，…，N，设这些位置的集合为U。用户个数N需要足够大，以体现用户的位置分布特征，一般情况下

A(S)表示小区规划覆盖区间的面积；

第三步：迭代搜索最优的基站摆放位置 $l^{(*)}={[x_1^{(*)},y_1^{(*)},\·\·\·,x_K^{(*)},y_K^{(*)}]}^T,$ 其中元素下标k表示第k个基站的x坐标或者y坐标，k＝1，…，K；(·)^T表示矩阵或者向量的转置。

第三步采用的具体方法如下：

①任意给定u_kn∈(0，1)（k＝1，…K，n＝1，…，N）。令迭代次数t＝1，

J⁽⁰⁾＝0，∈＝0.01。

②按照下式计算l^(t)，

$x_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{x}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ $y_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{y}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ k＝1，…，K

更新u_kn（k＝1，…K，n＝1，…，N），

$u_{\mathrm{kn}}=\frac{1}{{\left(d_{\mathrm{kn}}\right)}^{2/(m-1)}\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{(1/d_{\mathrm{in}})}^{2/(m-1)}}$

其中 $d_{\mathrm{kn}}=\sqrt{{(x_n-x_k^{\left(t\right)})}^2+{(y_n-y_k^{\left(t\right)})}^2}.$

③按照下式计算J^(t)，

$J^{\left(t\right)}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{d}_{\mathrm{kn}}^2$

若|J^(t-1)-J^(t)|＜∈，则算法停止，l^(*)＝l^(t)；否则t←t+1，并重新执行第②步。

该步骤的输出结果l^(*)即为CoMP系统中最优的基站摆放位置矢量。

Claims (1)

1.一种CoMP系统网络规划中基站最优位置选择方法，其特征在于，包括如下步骤：

第一步：根据输入的用户分布特征，生成N个用户位置坐标，其集合为U；

第二步：利用第一步生成的用户位置坐标，迭代搜索K个基站的最优摆放位置；

其中，第二步中使用了模糊聚类的方法，搜索得到基站的摆放位置，具体步骤包括：

①任意给定u_kn∈(0，1)（k＝1，…K，n＝1，…，N）。令迭代次数t＝1，J⁽⁰⁾＝0，∈＝0.01；

②利用用户位置坐标，计算K个基站的摆放位置矢量l^(t)，

$l^{(*)}={[x_1^{(*)},y_1^{(*)},\·\·\·,x_K^{(*)},y_K^{(*)}]}^T,$ 其中

分别表示第t次迭代中第i个基站的位置坐标；按照下式计算第t次迭代中第k个基站的位置坐标

$x_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{x}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ $y_k^{\left(t\right)}=\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{y}_n}{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m},$ k＝1，…，K，其中x_n，y_n为集合U中的第n个用户的位置坐标；

更新u_kn（k＝1，…K，n＝1，…，N），

$u_{\mathrm{kn}}=\frac{1}{{\left(d_{\mathrm{kn}}\right)}^{2/(m-1)}\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{(1/d_{\mathrm{in}})}^{2/(m-1)}}$

其中 $d_{\mathrm{kn}}=\sqrt{{(x_n-x_k^{\left(t\right)})}^2+{(y_n-y_k^{\left(t\right)})}^2};$

③按照下式计算J^(t)，

$J^{\left(t\right)}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{kn}}^m{d}_{\mathrm{kn}}^2$

若|J^(t-1)-J^(t)|＜∈，则算法停止，l^(*)＝l^(t)；否则t←t+1，并重新执行第②步。

Images