CN103597881A - 用于将用户终端附接到网络的基站的方法 - Google Patents

Abstract

本发明涉及一种用于将用户终端附接到网络的基站的方法，所述网络包括多个基站，所述方法包括：使用用户终端的上下文加权因子定义全局成本函数，该上下文加权因子表示用户终端的特性，该全局成本函数是对网络中所有用户终端的用户终端传输延迟的加权求和；根据所述全局成本函数为每个用户终端定义局部成本函数，所述局部成本函数为每个用户终端考虑所述用户终端的上下文加权因子并且是这一用户终端所关联到的基站的函数；用所述局部成本函数运行吉布斯采样器用于产生用户-基站关联概率；选择有利于低局部成本的用户-基站关联概率；并且-根据选择的用户-基站关联概率将所述用户终端附接到基站。

Description

用于将用户终端附接到网络的基站的方法

技术领域

本发明涉及一种用于将用户终端附接到网络的基站的方法。本发明也涉及一种用于执行所述方法的网络管理。

可以在包括异构类型的基站的任何网络系统中使用这样的方法。

背景技术

本领域技术人员熟知的也称为用户关联的一种用于将用户终端附接到网络的基站的方法包括将用户终端附接到最近基站的步骤。

熟知的该现有技术的一个问题是这可能导致失衡负荷，尤其在小小区和宏小区共存时导致异构类型的基站（一些具有低的最大传输功率而一些具有高的最大传输功率）之间的失衡负荷。另一问题是附接到小小区的高速用户终端需要频繁切换，这造成用于切换的资源的额外成本（例如像操作开销，在该操作期间未执行数据传输而仅有切换）。

另外，它也造成低频谱利用效率。实际上，在用户终端切换时由于从一个基站向另一基站转换而存在时间间隙。在这一时间间隙（持续时间）中，必须暂停数据传输。例如如果这一时间间隙必须为1秒，然而转换/切换将在每1秒数据传输之后立即有规律地发生，则时间效率仅为50%（由1s/2s得到）。

发明内容

本发明的目的是提供一种用于将用户终端附接到网络的基站的方法，该方法允许解决以上提到的问题。

为此，提供一种用于将用户终端附接到网络的基站的方法，所述方法包括：

-使用用户终端的上下文加权因子来定义全局成本函数，上下文加权因子表示用户终端的特性，全局成本函数是网络中的所有用户终端的用户终端传输延迟的加权求和；

-根据所述全局成本函数为每个用户终端定义局部成本函数，所述局部成本函数为每个用户终端考虑所述用户终端的上下文加权因子并且是这一用户终端所关联到的基站的函数；

-用所述局部成本函数运行吉布斯采样器用于产生用户-基站关联概率；

-选择有利于低局部成本的用户-基站关联概率；并且

-根据选择的用户-基站关联概率将所述用户终端附接到基站。

如将进一步详细看到的，该方法允许通过考虑在异构周围小区环境内的用户终端的外部用户上下文特性并且通过仅执行局部操作以实现全局最优来增强用户关联。

在第一非限制实施例中，用户传输延迟是用户吞吐量的倒数。

在第二非限制实施例中，根据香农容量公式从SINR定义所述吞吐量，所述吞吐量等于：

r_u=Klog_e(1+SINR_u)，其中K为常数。

在第三非限制实施例中，用于将用户终端关联到基站b₀的用户-基站关联概率等于

，其中：

-b是用于所述用户的相邻基站集合；

是当所述用户与所述基站b₀关联时在所述用户终端考虑的局部成本函数；并且

-T是参数，该参数为常数或者随时间减少。

在第四非限制实施例中，T等于T₀/ln(1+t)，其中t为时间并且T₀为常数。

在第五非限制实施例中，吉布斯采样器的运行始于任意初始状态而所述用户终端附接到可以从其接收信号的在网络的基站中的任一基站。

在第六非限制实施例中，用户终端的特性为服务等级和/或用户终端的速度。

在第七非限制实施例中，服务等级为数据速率或者抖动。

在第八非限制实施例中，当用户终端的上下文特性为用户终端的速度（S）时，定义加权因子，所述加权因子考虑用户终端的速度和覆盖与所述网络相应的地理区域的周围小区类型。

在第九非限制实施例中，定义用户终端的上下文加权因子为以下各项的函数：

-用户终端的切换频率，所述切换频率依赖于用户终端的速度、与网络相应的地理区域内的小区密度和小区半径；

-用户终端的每次切换花费的时间；以及

-用户要求的服务等级。

在第十非限制实施例中，局部成本函数等于：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

其中：

-W_u(X)是关联到所述用户终端的加权因子；

-W_v(X)是关联到另一用户终端的加权因子；

-N_u是在用户终端的热噪声；

-l(b,u)是从基站到用户终端的传输的路损；

-P_u是用于用户终端的传输功率；

-γ(v,u).P_v.l(b_v,u)是来自于针对另一用户终端的传输对所述用户终端的干扰；

-γ(u,v)是在用户终端与另一用户终端之间的正交因子；

-l(b,v)是从基站到另一用户终端的传输的路损；并且

-P_v.l(b_v,v)是在另一用户终端的接收到的来自所述另一用户终端所附接到的基站的信号的功率。

因此，该方法在下行中适用。

在第十一非限制实施例中，局部成本函数（

）等于：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

其中：

-W_u(X)是关联到所述用户终端的加权因子；

-W_v(X)是关联到另一用户终端的加权因子；

-N_u是在所述用户终端的基站的热噪声；

-l(u,b)是从用户终端到基站的传输的路损；

-P_u是用户终端的传输功率；

-γ(v,u).P_v.l(v,b)是由于另一用户终端的传输而对所述用户终端传输的信号施加的干扰；

-γ(u,v)是在用户终端与另一用户终端之间的正交因子；

-l(u,b_v)是从用户终端到另一用户终端所附接到的基站的传输的路损；并且

-P_v.l(v,b_v)是在基站接收的由另一用户终端传输的信号的功率。

因此，该方法也适用于上行。

此外，提供一种用于将用户终端附接到网络的基站的网络装置的网络管理单元，所述网络包括多个基站，所述网络单元被适配为：

-定义全局成本函数，全局成本函数是网络中所有用户的用户传输延迟的加权求和；

-使用用户终端的上下文加权因子，所述上下文加权因子表示用户终端的特性；

-根据所述全局成本函数为每个用户终端定义局部成本函数，所述局部成本函数为每个用户考虑所述用户终端的上下文加权因子并且是这一用户所关联到的基站的函数；

-用所述局部成本函数运行吉布斯采样器用于产生用户-基站关联概率；

-选择有利于低局部成本的用户-基站关联概率；并且

-根据选择的用户-基站关联概率将所述用户终端附接到基站。

在第一非限制实施例中，所述网络装置是基站。

在第二非限制实施例中，所述网络装置是用户终端网络装置。

在第三非限制实施例中，在每个用户终端以分布式方式执行所述步骤或者在基站以集中式方式执行所述步骤。

此外，提供一种包括指令集的计算机程序产品，该指令集当加载到所述计算机中时促使计算机执行根据前述特征中的任一特征的用于将用户终端附接到网络的基站的方法。

附图说明

现在仅通过示例并且参照附图描述根据本发明的实施例的方法和/或装置的一些实施例，在附图中：

-图1图示具有小小区和宏小区的示意性多层网络系统，将在该系统中使用根据本发明的用于将用户终端附接到基站的方法；

-图2图示根据本发明的一个非限制实施例用于将用户终端附接到基站的方法的示意性组织图；

-图3图示图2的用于将用户终端附接到基站的方法中的加权因子定义步骤的示意性组织图；

-图4示意性地图示出网络管理单元，该网络管理单元被适配为执行图2的用于将用户终端附接到基站的方法。

具体实施方式

在以下描述中，未具体描述本领域技术人员熟知的功能或者结构，因为它们将把本发明掩盖在不必要的细节中。

本发明涉及一种用于将用户终端附接到网络的基站的方法。更具体而言，所述方法允许执行用户关联。

需要提醒的是用户关联代表如下操作，该操作在时间和位置上将用户关联到将负责服务于它并且与它交换信息/数据的基站。

在以下描述中，将无区别地使用术语用户终端或者用户。

如下文将描述的那样，该方法允许通过将吉布斯采样器与外部用户上下文（即用户终端的特性）结合来增强用户关联，所述外部用户上下文包括用户终端的速度（例如用户速度=低、中等或者高速）和服务需求（例如用户可以具有不同数据速率要求）。此外，该方法考虑周围小区的异构性质（例如基站类型是宏小区或者小小区）。因此，通过建立加权因子考虑了用户需求、用户终端速度和周围小区的特性。此外，通过根据用户终端上下文以及周围基站的数量和类型定义附接方法，可以以分布式方式执行该方法。

这里“分布式”意味着任何人可以并且将会用为他/她自己定义的局部成本函数运行吉布斯采样器。然而每个人可以这样做、即吉布斯采样为每个用户终端运行。当网络中的每个人按照定义的局部成本函数这样做时，只要以适当的方式减小称为温度的参数，全局成本函数就得以优化并且驱动到它的最小值。换而言之，用户终端使用局部更新（即状态转变）在联合活动中一起工作。注意这一联合活动无需集中式控制或者协调器。可以发现以上局部更新（以分布式方式）的协作结果将导致全局成本函数（越低越好）的优化。因此，用户关联的联合局部更新有利于低全局成本。

因此整个网络的性能得以优化。分布式方法仅需局部操作和有限的信息交换（在相邻基站之间）用于实现全局最优。每个用户在选择它的服务基站时做出单独的决定。此外也不要求作出决定的顺序、即，可以用分布式和异步方式进行用户关联调整而无集中式协调器。这与如今的自优化网络要求匹配。

如图1中所示网络NTW由以下各项组成：

-宏小区MC和小小区SC，向每个小区关联一个基站；以及

-用户终端MT。在一个非限制实施例中，用户终端是移动终端。

用于将用户终端u附接到网络NTW的基站b的方法M，所述网络包括多个基站，所述方法如图2中所示包括：

-使用用户终端的上下文加权因子W_u(X)来定义全局成本函数C^w，该上下文加权因子表示用户终端的特性X，该全局成本函数是网络NTW中的所有用户终端的用户终端传输延迟的加权求和（图2中所示步骤DEF_Cw(r_u,WU(X))）；

-根据所述全局成本函数C^w为每个用户终端u定义局部成本函数

，所述局部成本函数

为每个用户u考虑所述用户终端的上下文加权因子W_u并且是这一用户所关联到的基站的函数（图2中所示步骤

）；

-用所述局部成本函数运行吉布斯采样器用于产生用户-基站关联概率（图2中所示步骤GIBBS(Cu,V,π_u(b),S0）；

-选择有利于低局部成本的用户-基站关联概率（图2中所示步骤SELEC(V,opt(Cw)）；并且

-根据选择的用户-基站关联概率π_u(b)将所述用户终端u附接到基站b（图2中所示步骤ATTCH(u,b,π_u(b)）。

以下具体描述附接方法。

将参照图2和3。

在第一步骤1）中，如图2中所示，使用用户终端的上下文加权因子W_u(X)来定义全局成本函数C^w，该上下文加权因子表示用户终端的特性X，该全局成本函数是网络NTW中所有用户终端的用户终端传输延迟的加权求和。

用户终端的特性X表示用户终端的当前外部上下文数据，诸如在非限制示例中为服务等级、用户终端的速度。

因此，定义如下全局成本函数，该全局成本函数并入加权因子，这些加权因子表示用户终端的特性（例如如在说明书中稍后描述的服务等级或者用户终端的速度）并且该全局成本函数反映在低切换频率和更高无线电频谱（或者带宽）利用效率中的倾向。

为了在吞吐量增强与在用户之间带宽共享公平之间的平衡，以最小化网络的总传输延迟而不是吞吐量之和，即Σ_uD_u为目标，其中D_u是用户终端u在网络中经历的传输延迟并且

。

要提醒的是以上最小化的目标是最小化在网络NTW中进行中的数据传送的总潜在延迟。这（最小化总潜在延迟）提供在最大-最小与比例公平之间的中间解决方案从而比后者较少严重地不利于长路由。将注意在最大-最小公平的情况下，性能，诸如吞吐量、SINR等对于在小区中心的用户终端与对于在小区边界的用户终端将相同，但是在比例公平的情况下将不是这种情况，在以上最小化的情况下也不是。

因此，选择的成本函数最小化吞吐量的倒数之和或者等效地最小化向所有用户发送信息单元的总延迟，这不利于很低吞吐量。

因此，以下全局成本函数，其为网络的加权总传输延迟，被定义为：

$C^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(X\right)}{r_u}---\left[1\right]$

其中U是将被网络NTW中的基站集合服务的用户终端集合。

在加性白高斯噪声（AWGN）模型之下，在用户终端u的以比特/秒/赫兹为单位的吞吐量（也称为数据速率）由r_u=Klog_e(1+SINR_u)[2]定义，其中K为常数。K依赖于向用户终端u分配的频带的带宽。

因此，定义全局成本函数C^w为：

$C^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(X\right)}{e^{\frac{r_u}{K}}-1}={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(X\right)}{\mathrm{SIN}{R}_u}---\left[3\right]$

这一全局成本函数模拟潜在延迟公平。

将注意C^w将是吉布斯采样器的全局能量。

因此，在一个非限制实施例中，用户传输延迟是用户吞吐量r_u的倒数，并且根据香农容量公式从SINR（信号与干扰加上噪声之比）定义所述用户吞吐量r_u，所述用户吞吐量等于：

r_u=Klog_e(1+SINR_u)，其中K为带宽常数。[4]

对于优化，常数K无任何影响，可以忽略这一常数。这是在以下描述中完成的。

因此，利用这一公式，可以具有在用户终端u获得的吞吐量的指示。

将注意对于每个用户终端，假设有分别用于上行（从用户终端到基站）和下行（从基站到用户终端）通信的一对正交信道。由于在上行与下行之间无干扰，所以为了简化而起初仅考虑下行。

1.下行

因此，对于用户终端u和基站b，在u的SINR可表达为：

$\mathrm{SIN}{R}_u=\frac{P_u\·l(b_u,u)}{N_u+\underset{v\∈u,v\≠u}{\mathrm{\Σ}}\mathrm{\γ}(v,u)P_v\·l(b_v,u)}---\left[5\right]$

其中：

-U是蜂窝无线电网络NTW的基站b的集合所服务的用户终端u的集合；

-b_u是用户终端u的服务基站；

-P_u是用于用户终端u的传输功率；

-l(b_u,u)是从基站b_u到用户终端u的传输的路损；

-N_u是在用户终端u的热噪声（也称为接收机噪声）；

-γ(v,u).P_v.l(b_v,u)是来自于针对另一用户终端v的传输的对用户终端u的干扰。

通过向[4]中代入以上SINR_u表达式[5]，获得[6]：

$\begin{array}{c}{C}^w=\underset{u\∈u}{\mathrm{\Σ}}{W}_u\left(X\right)\frac{N_u+\underset{v\∈u,v\≠u}{\mathrm{\Σ}}\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{P_u\·l(b_u,u)}\\ =\underset{u\∈u}{\mathrm{\Σ}}\frac{W_u\left(X\right)\·N_u}{P_u\·l(b_u,u)}+\underset{\{u,v\}\⊆u}{\mathrm{\Σ}}(\frac{W_u\left(X\right)\·\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{P_u\·l(b_u,u)}+\frac{W_v\left(X\right)\·\mathrm{\γ}(u,v)P_u\·l(b_u,v)}{P_v\·l(b_v,v)})\end{array}---\left[6\right]$

其中：

γ(v,u)是针对另一终端v的传输信号上的正交因子；

P_v.l(b_v,u)是由于向用户终端v传输的信号而在用户终端u引起的干扰的功率。换而言之，它是用户终端v的基站b_v向/为用户终端v传输的信号。将注意“用户终端v的基站”表示所述用户终端v所附接到的基站。

将注意可以用除香农之外的其它方法计算吞吐量和SINR。

在非限制实施例中，考虑一个或者多个特性X。

·特性X是服务等级。

在第一非限制实施例中，特性X是服务等级Q。在这一非限制实施例的变化中，服务等级Q是数据速率或者抖动。

由于用户终端可以具有不同服务需求，所以考虑用户终端的这一特性。

当服务等级是数据速率，在非限制示例中为低数据速率或者高数据速率时，定义两个相应的加权因子、即W_u1用于等于低速率的Q，的以及W_u2用于等于高速率的Q，从而W_u2＞W_u1，其中0＜W_u(Q)＜1，如图3（步骤1a）DEF_Cw(r_u,Wu1,Wu2))中所示。

·特性X是用户终端的速度S

在第二非限制实施例中，特性X是用户终端的速度S。

用户终端可以具有不同移动性、诸如在非限制示例中为低速或者高速。从切换的观点来看，如果具有高速的用户与宏小区而不是小小区关联则是优选的，因为附接到小小区可能导致频繁切换并且因而导致服务和/或系统不稳定，因此考虑用户终端的这一特性。

在这一情况下，定义加权因子W_u(S)，所述加权因子W_u(S)考虑用户终端的速度S和周围小区CI的类型，该周围小区覆盖与网络NTW相应的地理区域。

如果认为在常规蜂窝网络中宏小区和小小区在上重叠-下重叠或者不相交架构中部署并且小区在地理服务区域中均匀和随机分布，则按照小区密度（比如宏小区密度和小小区密度）和小区半径（比如宏小区半径和小小区半径），可以在用户速度给定时分别估计每时间段需要的相应的平均切换次数。

在非限制示例中，宏小区具有约1km的覆盖，并且小小区具有约100-200m的覆盖。

要提醒的是上重叠-下重叠网络由地理区域中的宏蜂窝网络组成，另一（例如小、微或者微微）蜂窝网络构建于该宏蜂窝网络上，诸如在非限制示例中，GSM网络构建于CDMA网络上面，二者同时提供宏和小覆盖。

因此，当用户终端的速度S为低或者高时，加权因子W_u(S)被定义为以下各项的函数（如图3中（步骤1b）DEF_Cw(r_u,Wu(S))中所示）：

-用户终端u的切换频率f_HO，其中所述切换频率依赖于用户终端的速度S、在与网络NTW相应的地理区域内的小区密度cl_d和小区半径cl_r。

-用户终端u的每次切换花费的时间T_HO。将注意每次切换的成本（花费的时间）已知是标准的并且为常数。在非限制示例中，时间T_HO在3G标准中等于1秒。

因此，在非限制示例中，W_u(S)=1-f_HO(S,cl_d,cl_r)＊T_HO，从而0≤W_u(S)≤1并且T_HO＞0。

加权因子W_u(S)表示吞吐量的有效时间，这是用于在无切换时传输数据的有效时间。

在第二步骤2）中，根据所述全局成本函数C^w为每个用户终端u定义局部成本函数

，所述局部成本函数

为每个用户u考虑所述用户终端的的上下文加权因子W_u并且是这一用户终端所关联到的基站的函数。

根据[6]为每个用户终端u定义以下局部成本函数

：

$\begin{array}{c}{C}_u^w\left(b\right)=\frac{W_u\left(X\right)N_u}{P_u\·l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{W_u\left(X\right)\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{P_u\·l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)P_u\·l(b,v)}{P_v\·l(b_v,v)}\\ =\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)\end{array}---\left[7\right]$

其中：

-W_u(X)是关联到所述用户终端u的加权因子；

-W_v(X)是关联到另一用户终端v的加权因子；

-N_u是在用户终端u的热噪声；

-l(b,u)是从基站b到用户终端u的传输的路损；

-P_u是用于用户终端u的传输功率；

-γ(v,u).P_v.l(b_v,u)是来自于针对另一用户终端v的传输对用户终端u的干扰；

-γ(u,v)是在用户终端u与另一用户终端v之间的正交因子；

-l(b,v)是从基站b到另一用户终端v的传输的路损；并且

-P_v.l(b_v,v)是在另一用户终端v的接收到的来自所述另一用户终端v所附接到的基站b_v的信号的功率。

将注意用户终端v可以是包括u的任何用户终端。

[7]可以表达为：

$C_u^w\left(b\right)=\frac{{\tilde{A}}_u\left(b\right)}{P_u}+{\tilde{B}}_u\left(b\right)P_u$ ，其是b的函数。[8]

其中：

${\tilde{A}}_u\left(b\right)=W_u\left(X\right)(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})$

也就是说 ${\tilde{A}}_u\left(b\right)=\frac{P_u}{\mathrm{SIN}{R}_u}$

并且

${\tilde{B}}_u\left(b\right)=\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}$

将注意

这一项可以视为能量或者成本的“自私部分”，如果用户终端u的SINR大则该部分小。换而言之，它告知与另一用户终端v比较用户终端u接收的信号有多好。

这一项可以视为能量或者成本的“利他”部分，如果所有其它终端用户（即v≠u）由于P而引起的干扰功率与从它们自己的基站b_v接收的功率比较为小则该部分为小。换而言之，它告知用户终端u可能对其它用户终端v造成多少损害。

将注意局部成本函数

为b的函数，如在说明书中进一步描述的那样使用所述特征。

·特性X是服务等级。

当特性X是服务等级Q时，根据[7]定义局部成本函数

，从而：

$C_u^w\left(b\right)=\frac{W_u\left(Q\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(Q\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

这对应于全局成本函数：

${C_1}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(Q\right)}{e^{r_u/K}-1}$

·特性X是用户终端的速度S

当特性X是用户终端的速度S时，定义局部成本函数

，从而：

$C_u^w\left(b\right)=\frac{W_u\left(S\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(S\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

这对应于全局成本函数：

$C_u^w\left(b\right)=\frac{W_u\left(S\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(S\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

这对应于全局成本函数：

${C_2}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(S\right)}{e^{r_u/K}-1}$

当然，在非限制实施例中，特性Q和S可以组合在一起，从而：

$C_u^w\left(b\right)=\frac{W_u\left(Q\right)W_u\left(S\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(Q\right)W_v\left(S\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

这对应于全局成本函数：

${C_3}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(Q\right)W_u\left(S\right)}{e^{r_u/K}-1}$

在第三步骤3）中，用所述局部成本函数

运行吉布斯采样器用于产生用户-基站关联概率。

将注意吉布斯采样器（或者吉布斯采样）是用于根据一个或者多个随机变量的概率分布生成采样序列的采样方法。它是随机方法（即利用随机数的方法，这里随机变量为b，并且状态转变不是以确定性的方式而是以由概率分布π_u(b)支配的概率方式）。

由于局部成本函数

是b的函数，所以根据下文描述的概率分布在基站b的集合（即邻近基站集合）上对随机变量b进行采样。

如下文描述的那样，在为所有用户终端运行吉布斯采样器时，为每个用户终端获得它可以附接到的基站，所述基站根据获得的概率分布选择。

在一个非限制实施例中，用于将用户终端u关联到基站b的用户-基站关联概率π_u(b)等于：

，其中

-b是所述用户终端u的相邻基站集合；

是当所述用户终端u与所述基站b关联时在所述用户终端u考虑的局部成本函数；并且

-T是称为温度的参数，该参数为常数或者随时间减少。

将注意这一概率分布有利于低成本。

在第一非限制实施例中，温度T是常数。

在第二非限制实施例中，温度T随时间减少并且等于T₀/ln(1+t)，其中t为时间并且T₀为常数。

在T为常数时，网络将向有利于低能量状态的静态分布收敛。换而言之，将向具有低能量的网络配置驱动网络。这一作为结果的能量（成本）可能不是全局最小点。

将注意通过进行退火，也就是说，在T随时间减少并且等于T₀/ln(1+t)时，其中t为时间，确保收敛到最小全局成本C^w的最优配置。将向最小能量状态（即全局成本函数）驱动网络。换而言之，将向全局最小点驱动网络。

·吉布斯采样器

如以下将描述的那样，吉布斯采样器意味着状态转变是指用户-基站关联，其中概率分布遵循吉布斯的定义的概率π_u(b)。

在一个非限制实施例中，吉布斯采样器对以下定义的图形G操作：

-图形的节点集合为用户终端u的集合；

-每个节点具有一种状态，该状态是它的用户-基站关联；

-这一图形中的节点u的邻居集合是所有用户v≠u的集合，从而在用户终端u接收到的来自基站b_v的信号的功率在具体阈值θ以上。

通过在相邻基站之间的信息交换，评估用于确定π_u(b)的局部成本函数

如下。

状态转变基于局部成本函数。因此基站b_v需要收集一些信息以确定

的系数。为了这样做，每个用户v∈U向它的基站b_v报告以下数据。

-（a）它的SINR_v；

-（b）它的接收信号的功率、即P_v·l(b_v,v)；以及

-（c）从其它基站接收的信号的功率、即γ(u,v)P_u·l(b_u,v)。

根据收集的信息，每个基站b_v能够计算局部成本函数

。

在运行吉布斯采样器时，以任意初始状态S0开始，随机选择用户终端u。然后运行吉布斯采样器以决定用户终端u将附接到哪个基站b。为随机选择的每个用户终端执行吉布斯采样器。对于每个b，这产生至少一个用户-关联概率π_u(b)，从而π_u(b)=1，或者这产生多个用户-关联概率π_u(b)，从而0＜π_u(b)＜1。

因此，结果是概率分布，其描述应当选择所述用户-基站关联的概率（π_u(b)的集合）。

作为结果，在每个状态转变中，吉布斯采样器对更可能具有小局部成本函数的随机变量b进行采样。

将注意由于全局成本函数最终可表达为SINR的倒数之和，可以在确保最优性能时使用吉布斯采样器。

将注意在非限制示例中，由于基站在计算上更强大并且有更多资源，在基站b中运行吉布斯采样器。

在另一非限制实施例中，如果无资源限制问题或者可能约束，那么如果希望用户终端实施和运行它则是适用的。

在第四步骤4）中，选择有利于低局部成本的用户-基站关联概率π_u(b)。

根据前文获得的概率分布（π_u(b)的集合）执行这一选择。

在非限制示例中，如果用户终端具有比如b1和b2这两个可能的基站选择，其分别对应于所述用户-基站关联概率0.9和0.1，则作为结果，所述用户-基站关联概率为0.9，并且因此具有更高概率（即0.9）的所述基站b1将被选择。

选择的所述用户-基站关联概率π_u(b)对应于基站b。

因此，在第五步骤5）中，根据选择的用户-基站关联概率π_u(b)将所述用户终端u附接到基站b。

在随机选择所有其它用户终端时迭代这些步骤3、4和5。

将注意在实践中，网络是动态的，这意味所述附接方法将一直运行、即连续运行以调整和适配网络。因此，优化不会停止。

将注意，当用户终端u附接到基站b时，SINR的值改变。这意味着每当用户终端u附接到不同基站b时、这意味着在运行吉布斯采样器时的每个迭代，局部成本函数改变（尤其是局部成本函数的干扰要素）。

对于每个用户终端，运行吉布斯采样器之后的结果是一个选择的基站b，终端可以附接到该选择的基站b（基于本地成本函数）；网络中的整个用户-基站关联集合将产生最优全局成本。

因此，这一附接方法允许在考虑用户终端的上下文特性、比如服务等级Q和用户终端在异构网络NTW（包括宏和小小区）内的速度S时通过用局部成本函数

运行吉布斯采样器来自动优化全局成本函数C^w（因为全局成本函数C^w是所有局部成本函数

之和）。

它可以用分布式方式来执行并且优化整个网络的性能。因此，它是优化全局成本函数的全分布式方式。

因此，根据移动用户的特性（服务等级+移动速度）以及周围基站的数量和类型定义用户关联过程。

附接方法由网络装置NE执行，用于将用户终端u附接到网络NTW的基站b，所述网络NTW包括多个基站b，如图4上所示。

所述网络装置NE被适配为：

-使用用户终端的上下文加权因子W_u(X)来定义全局成本函数C^w，该上下文加权因子代表用户终端的特性X，该全局成本函数是网络NTW中的所有用户终端的用户终端传输延迟的加权求和；

-根据所述全局成本函数C^w为每个用户终端u定义局部成本函数

，所述局部成本函数

为每个用户u考虑所述用户终端的的上下文加权因子W_u并且是这一用户终端所关联到的基站的函数；

-用所述局部成本函数运行吉布斯采样器用于产生用户-基站关联概率π_u(b)；

-选择有利于低局部成本的用户-基站关联概率π_u(b)；并且

-根据选择的用户-基站关联概率π_u(b)将所述用户终端u附接到基站b。

在第一非限制实施例中，所述网络装置NE为基站b。在这一情况下，以集中式方式执行附接方法。

在第二非限制实施例中，所述网络装置NE为用户终端u。在这一情况下，以分布式方式执行附接方法。

将理解本发明不限于前述实施例，并且可以进行变化和修改而不脱离本发明的范围。就此做出以下评述。

将理解本发明不限于前述应用。

因此，已经对于下行描述本发明，但是它可以如下文描述的那样应用于上行。

2.上行

以上已经在下行部分的描述中描述的内容（第五步骤、吉布斯采样器、网络装置...）以相同方式应用于上行。

以下为简洁起见，仅描述在下行与上行之间的不同，并且为了清楚而回顾在下行部分描述中描述的少数段落。

如在下行部分描述中提到的那样，用户传输延迟是用户吞吐量的倒数。根据下式由SINR定义吞吐量：

r_u=Klog_e(1+SINR_u)，其中K为常数。

用于将用户关联到基站的用户-基站关联概率等于

，其中：

-b是用于所述用户的相邻基站集合；

是当所述用户与所述基站关联时在所述用户终端考虑的局部成本函数；并且

-T是一个参数，该参数为常数或者随时间减少。

定义全局成本函数如下，该全局成本函数是网络的加权总传输延迟：

$C^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(X\right)}{e^{\frac{r_u}{K}}-1}={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(X\right)}{\mathrm{SIN}{R}_u}$

其中对于用户终端u和基站b，在u的SINR对于上行可表达为：

$\mathrm{SIN}{R}_u=\frac{P_u\·l(u,b_u)}{N_u+\underset{v\∈u,v\≠u}{\mathrm{\Σ}}\mathrm{\γ}(v,u)P_v\·l(v,b_u)}$

其中：

-U是由蜂窝无线电网络NTW的基站b的集合所服务的用户终端u的集合；

-b_u是用户终端u的服务基站；

-P_u是用户终端u的传输功率；

-l(u,b_u)是从用户终端u到基站b_u的传输的路损；

-N_u是在用户终端u的基站（b_u）中的接收机的热噪声（也称为接收机噪声）；

-γ(v,u).P_v.l(v,b_u)是由于用户终端v的传输而对用户终端u传输的信号（针对b_u）施加的干扰。

通过向C^w中代入以上SINR_u表达式，对于上行获得：

$\begin{array}{c}{C}^w=\underset{u\∈u}{\mathrm{\Σ}}{W}_u\left(X\right)\frac{N_u+\underset{v\∈u,v\≠u}{\mathrm{\Σ}}\mathrm{\γ}(v,u)P_v\·l(v,b_u)}{P_u\·l(u,b_u)}\\ =\underset{u\∈u}{\mathrm{\Σ}}\frac{W_u\left(X\right)\·N_u}{P_u\·l(u,b_u)}+\underset{\{u,v\}\⊆u}{\mathrm{\Σ}}(\frac{W_u\left(X\right)\·\mathrm{\γ}(v,u)P_v\·l(v,b_u)}{P_u\·l(u,b_u)}+\frac{W_v\left(X\right)\·\mathrm{\γ}(u,v)P_u\·l(u,b_v)}{P_v\·l(v,b_v)})\end{array}$

其中：

γ(v,u)是针对另一终端v的传输信号上的正交因子；

P_v.l(v,b_u)是由于用户终端v的传输信号而在用户终端u的基站（为接收机）接收的干扰功率。

用户终端的特性是服务等级和/或用户终端的速度。

对于上行，局部成本函数等于：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

其中：

-W_u(X)是关联到所述用户终端u的加权因子；

-W_v(X)是关联到另一用户终端v的加权因子；

-N_u是在所述用户终端u的基站b的热噪声（也称为接收机噪声）；

-l(u,b)是从用户终端u到基站b的传输的路损；

-P_u是用户终端u的传输功率；

-γ(v,u).P_v.l(v,b)是由于另一用户终端v的传输而对所述用户终端u传输的信号施加的干扰；

-γ(u,v)是在用户终端u与另一用户终端v之间的正交因子；

-l(u,b_v)是从用户终端u到另一用户终端所附接到的基站b_v的传输的路损；并且

-P_v.l(v,b_v)是在基站b接收的由另一用户终端v传输的信号的功率。

将注意用户终端v可以是包括u的任何用户终端。

如在下行部分描述中提到的那样，在非限制实施例中，考虑一个或多个特性X。

·特性X是服务等级。

在第一非限制实施例中，特性X是服务等级Q。在这一非限制实施例的变化中，服务等级Q是数据速率或者抖动。

已经在对应段落中在下行部分描述中描述的内容在这里适用。

·特性X是用户终端的速度S

在第二非限制实施例中，特性X是用户终端的速度S。

已经在对应段落中在下行部分描述中描述的内容在这里适用。

如在下行部分描述中提到的那样，根据所述全局成本函数C^w为每个用户终端u定义局部成本函数

，所述局部成本函数

为每个用户u考虑所述用户终端的的上下文加权因子W_u并且是这一用户终端所关联到的基站的函数。

为每个用户终端u定义以下局部成本函数

，从而对于上行：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

这是b的函数，其中第一项可以视为能量或者成本的“自私”部分，如果在所述基站b接收的由用户终端u传输的信号的SINR为大则该部分为小，而第二项可以视为能量或者成本的“利他”部分，如果所有其它传输（即v≠u）由于u而引起的干扰功率与在它们自己的基站接收的功率比较为小则该部分为小。

·特性X是服务等级。

当特性X是服务等级Q时，定义局部成本函数

，从而对于上行：

$C_u^w\left(b\right)=\frac{W_u\left(Q\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(Q\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

这对应于全局成本函数：

${C_1}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(Q\right)}{e^{r_u/K}-1}$

·特性X是用户终端的速度S

当特性X是用户终端的速度S时，定义局部成本函数

，从而对于上行：

$C_u^w\left(b\right)=\frac{W_u\left(S\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(S\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

这对应于全局成本函数：

${C_2}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(S\right)}{e^{r_u/K}-1}$

当然，在非限制实施例中，特性Q和S可以组合在一起，从而：

$C_u^w\left(b\right)=\frac{W_u\left(Q\right)W_u\left(S\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_u\left(Q\right)W_v\left(S\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

这对应于全局成本函数：

${C_3}^w={\mathrm{\Σ}}_{u\∈U}\frac{W_u\left(Q\right)W_u\left(S\right)}{e^{r_u/K}-1}$

用所述局部成本函数

运行吉布斯采样器用于产生用户-基站关联概率。

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

通过在相邻基站之间的信息交换，用于确定π_u(b)的局部成本函数被评估如下。状态转变基于局部成本函数

。因此，在上行，基站需要收集一些信息以确定

的系数。为了这样做，每个用户v∈U向它的基站b_v报告其P_v值，该P_v值（该信息）将在邻近基站之间交换。通过该信息，基站可以估计

的系数、即路损值以便于确定π_u(b)。

因此，已经对于诸如小小区和宏小区类型的异构基站描述本发明，但是它可以应用于同构基站（例如小小区网络）的情况。

将理解本发明不限于前述实施例。

因此，可以使用除了基站b或者用户终端u之外的其它网络装置NE。例如在附接方法的集中式实现方式中，网络装置NE可以是：

-管理所有者AO，该AO是独立于运营商的第三方；

-网络管理系统NMS；或者

-运营支持系统OSS。

将理解根据本发明的方法和单元不限于任何实现方式。

因此，在一个非限制实施例中，可以使用二进制编码（然后在香农公式中使用log₂），从而定义全局成本函数为：

$C^w={\mathrm{\Σ}}_{u\∈U}\frac{1}{2^{\frac{r_u}{K}}-1}={\mathrm{\Σ}}_{u\∈U}\frac{1}{\mathrm{SIN}{R}_u}---\left[4\right]$

有许多借助硬件项或者软件项或者二者来实施所述附接方法的功能的方式，假定单个硬件项或者软件项可以执行若干功能。它未排除硬件项的组合或者软件项的组合或者二者都有来执行功能。例如构建路径的步骤可以与更新关联命令集合的步骤组合，因而形成单个功能而未修改根据本发明的构建方法M。

可以用若干方式实施所述硬件或者软件项，诸如借助有线电子电路或者借助分别适当编程的计算机程序产品。可以在计算机中或者在网络装置NE中包含计算机程序产品PG，所述NE包括单元控制UC，所述单元控制是如以上所言的硬件或者软件项。

计算机程序产品PG包括第一指令集。

因此例如在计算机编程存储器中或者在网络装置NE中包含的所述指令集可以使计算机或者网络装置NE执行附接方法的不同步骤。

可以通过读取数据载体，例如盘，向编程存储器中加载指令集。服务提供商也可以经由通信网络、像例如因特网使指令集可用。

因此，本发明的一些实施例可以包括以下优点中的一个或者多个优点：

-附接方法（也称为用户关联过程）考虑用户上下文（比如目标服务和移动速度）以及周围小区的特性以分布式方式优化用户在给定的地理区域内的可用基站之间的关联/附接以便最小化由于切换所致的总传输延迟和开销。

借助用户终端的上下文特性、诸如服务等级（例如目标/期望数据速率）进行优化。

关于用户终端的速度和周围小区类型进行优化，所述周围小区覆盖可能带来切换的地理区域。所得优化用于最小化由于切换所致的总传输延迟和开销。

因此，它使移动终端能够在越来越复杂和异构的网络上下文中与基站交换数据。

因此，它为每个用户终端提供更好的服务质量，尤其在异构网络上下文中并且考虑用户上下文。

因此，它优化用户与多个基站（例如宏小区和小小区）的关联过程。因此，本发明解决由宏小区和小小区基站构成的具有异构基站类型的新（新兴）网络的问题。

-它允许以分布式方式确定用户终端附接到的最佳基站并且使得它优化网络（包括多层网络）的总功能；

-它避免（如果需要）用于计算全局函数成本的集中式协调器。它基于局部测量和有限信息交换并且可以自适应地驱动系统到全局最优配置状态。因此，它避免网络中的大量数据信息交换和具有高复杂性的集中式用户关联方法；

-它不仅提供系统吞吐量增强而且支持在网络中用户之间的公平带宽共享。因此，它允许具有与大规模无线网络相关的用户关联过程；

-它允许找到（网络/全局）成本函数的最优（最小）点，该成本函数可以具有多个局部最优点，在这些局部最优点，本领域技术人员熟知的其它方法（例如爬山方式）可以发现次优点。

-它适用于下行和上行。

不应将所附权利要求中的任何标号解释为限制权利要求。将清楚的是动词“包括”及其变体未排除存在除了在任何权利要求中限定的步骤或者单元之外的任何其它步骤或者单元。在单元或者步骤之前的字眼“一个”未排除存在多个这样的单元或者步骤。

说明书和附图仅举例说明本发明的原理。因此将理解本领域技术人员将能够设计虽然这里未明确地描述或者示出、但是体现本发明的原理并且在它的精神实质和范围内包括的各种布置。另外，这里记载的所有示例主要清楚地旨在于仅用于示范目的以辅助读者理解本发明的原理和发明人贡献的用于发展本领域的概念并且将解释为不限于这样的具体记载的示例和条件。另外，这里的记载本发明的原理、方面和实施例及其具体示例的所有陈述旨在于涵盖其等效物。

Claims (17)

1.一种用于将用户终端（u）附接到网络（NTW）的基站（b）的方法（M），所述网络包括多个基站（b），所述方法包括：

-使用用户终端的上下文加权因子（W_u(X)）定义全局成本函数（C^w），所述上下文加权因子（W_u(X)）表示用户终端的特性（X），所述全局成本函数（C^w）是所述网络（NTW）中的所有用户终端的用户终端传输延迟的加权求和；

-根据所述全局成本函数（C^w）为每个用户终端（u）定义局部成本函数（

），所述局部成本函数（

）为每个用户终端（u）考虑所述用户终端的上下文加权因子（W_u）并且是这一用户终端所关联到的所述基站（b）的函数；

-利用所述局部成本函数（

）运行吉布斯采样器用于产生用户-基站关联概率（π_u(b)）；

-选择促进低局部成本的所述用户-基站关联概率（π_u(b)）；以及

-根据选择的所述用户-基站关联概率（π_u(b)）将所述用户终端（u）附接到基站（b）。

2.根据前述权利要求1所述的方法（M），其中所述用户传输延迟是用户吞吐量（r_u）的倒数。

3.根据前述权利要求中的任一权利要求所述的方法（M），其中根据香农容量公式由SINR定义所述吞吐量（r_u），所述吞吐量等于：

r_u=Klog_e(1+SINR_u)，其中K为常数。

4.根据前述权利要求中的任一权利要求所述的方法（M），其中用于将用户终端（u）关联到基站（b）的所述用户-基站关联概率（π_u(b)）等于

，其中：

-b是针对所述用户终端（u）的相邻基站的集合；

是当所述用户终端（u）与所述基站（b）关联时在所述用户终端（u）处考虑的所述局部成本函数；并且

-T是参数，所述参数为常数或者随时间减少。

5.根据前述权利要求4所述的方法（M），其中所述参数T随时间减少并且等于T₀/ln(1+t)，其中t为时间并且T₀为常数。

6.根据前述权利要求中的任一权利要求所述的方法（M），其中所述吉布斯采样器的运行始于任意初始状态而所述用户终端（u）附接到可以从其接收信号的所述网络（NTW）的所述基站（b）中的任一基站（b）。

7.根据前述权利要求中的任一权利要求所述的方法（M），其中所述用户终端的特性（X）为服务等级（Q）和/或所述用户终端的速度（S）。

8.根据前一权利要求所述的方法（M），其中所述服务等级（Q）为数据速率或者抖动。

9.根据前述权利要求中的任一权利要求所述的方法（M），其中当所述用户终端的特性（X）为所述用户终端的速度（S）时，定义加权因子（W_u(X)），所述加权因子（W_u(X)）考虑所述用户终端的速度（S）和周围小区类型（CI），所述周围小区覆盖与所述网络（NTW）相对应的地理区域（A）。

10.根据前一权利要求所述的方法（M），其中所述用户终端的上下文加权因子（W_u(X)）定义为以下各项的函数：

-用户终端（u）的切换频率（f_HO），所述切换频率依赖于所述用户终端的速度（S）、与所述网络（NTW）相对应的所述地理区域内的小区密度（cl_d）和小区半径（cl_r）；

-所述用户终端（u）的每次切换所花费的时间（T_HO）。

11.根据前述权利要求中的任一权利要求所述的方法（M），其中所述局部成本函数（）等于：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(b,u)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(b_v,u)}{l(b,u)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(b,v)}{P_v\·l(b_v,v)}\right)$

其中：

-W_u(X)是关联到所述用户终端（u）的所述加权因子；

-W_v(X)是关联到另一用户终端（v）的所述加权因子；

-N_u是在所述用户终端（u）处的热噪声；

-l(b,u)是从基站（b）到所述用户终端（u）的传输的路损；

-P_u是用于所述用户终端（u）的传输功率；

-γ(v,u).P_v.l(b_v,u)是来自于针对所述另一用户终端（v）的传输对所述用户终端（u）的干扰；

-γ(u,v)是所述用户终端（u）与所述另一用户终端（v）之间的正交因子；

-l(b,v)是从所述基站（b）到所述另一用户终端（v）的传输的路损；并且

-P_v.l(b_v,v)是在所述另一用户终端（v）处接收到的来自基站（b_v）的信号的功率，所述基站（b_v）是所述另一用户终端（v）附接到的基站。

12.根据前述权利要求1至10中的任一权利要求所述的方法（M），其中所述局部成本函数（

）等于：

$C_u^w\left(b\right)=\frac{W_u\left(X\right)}{P_u}(\frac{N_u}{l(u,b)}+\underset{v\≠u}{\mathrm{\Σ}}\frac{\mathrm{\γ}(v,u)P_v\·l(v,b)}{l(u,b)})+P_u\left(\underset{v\≠u}{\mathrm{\Σ}}\frac{W_v\left(X\right)\mathrm{\γ}(u,v)l(u,b_v)}{P_v\·l(v,b_v)}\right)$

其中：

-W_u(X)是关联到所述用户终端（u）的所述加权因子；

-W_v(X)是关联到另一用户终端（v）的所述加权因子；

-N_u是在所述用户终端（u）处的所述基站（b）的热噪声；

-l(u,b)是从所述用户终端（u）到所述基站（b）的传输的路损；

-P_u是所述用户终端（u）的传输功率；

-γ(v,u).P_v.l(v,b)是由于所述另一用户终端（v）的传输而对所述用户终端（u）传输的信号施加的干扰；

-γ(u,v)是在所述用户终端（u）与所述另一用户终端（v）之间的正交因子；

-l(u,b_v)是从所述用户终端（u）到所述另一用户终端所附接到的基站（b_v）的传输的路损；并且

-P_v.l(v,b_v)是在所述基站（b_v）处接收的由所述另一用户终端（v）传输的信号的功率。

13.根据前述权利要求中的任一权利要求所述的方法（M），其中在每个用户终端（u）处以分布式方式执行所述步骤或者在所述基站（b）中以集中式方式执行所述步骤。

14.一种用于将用户终端（u）附接到网络（NTW）的基站（b）的网络装置（NE），所述网络（NTW）包括多个基站（b），所述网元（NME）被适配为：

-使用用户终端的上下文加权因子（W_u(X)）定义全局成本函数（C^w），所述上下文加权因子（W_u(X)）表示用户终端的特性（X），所述全局成本函数（C^w）是在所述网络（NTW）中的所有用户终端的用户传输延迟的加权求和；

-根据所述全局成本函数（C^w）为每个用户终端（u）定义局部成本函数（

），所述局部成本函数（

）为每个用户（u）考虑所述用户终端的上下文加权因子（W_u）并且是这一用户所关联到的所述基站的函数；

-利用所述局部成本函数（

）运行吉布斯采样器用于产生用户-基站关联概率；

-选择促进低局部成本的所述用户-基站关联概率；以及

-根据选择的所述用户-基站关联概率（π_u(b)）将所述用户终端（u）附接到基站（b）。

15.根据前一权利要求所述的网络装置（NE），其中所述网络装置是基站（b）。

16.根据前一权利要求所述的网络装置（NE），其中所述网络装置是用户终端（u）。

17.一种包括指令集的用于计算机的计算机程序产品（PG），所述指令集当被加载到所述计算机中时，使所述计算机执行根据权利要求1至3中的任一权利要求所述的用于将用户终端（u）附接到网络（NTW）的基站（b）的方法。

Images