CN103929752B - 基站间动态协同覆盖方法 - Google Patents
基站间动态协同覆盖方法 Download PDFInfo
- Publication number
- CN103929752B CN103929752B CN201410138439.0A CN201410138439A CN103929752B CN 103929752 B CN103929752 B CN 103929752B CN 201410138439 A CN201410138439 A CN 201410138439A CN 103929752 B CN103929752 B CN 103929752B
- Authority
- CN
- China
- Prior art keywords
- base station
- user
- users
- cell
- sector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005059 dormancy Effects 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims description 16
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 8
- 230000003068 static effect Effects 0.000 abstract description 2
- 230000000903 blocking effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004134 energy conservation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000020411 cell activation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及移动无线通信，具体提供了一种基站间动态协同覆盖方法。针对现有技术只考虑静态条件中如何控制小区基站，没有考虑用户数、用户位置的随机时变特性，而无法高效准确地在某一小区休眠后覆盖通信盲点的问题，本发明以灰色马尔科夫预测模型的用户数预测，结合分区统计的动态协同覆盖方法，有利于在某小区基站休眠时，其邻居小区的基站能够高效、及时、准确地覆盖休眠小区下的所有用户。
Description
技术领域
本发明涉及移动通信技术，具体涉及一种基站间动态协同覆盖方法。
背景技术
随着3G、4G技术的不断推广，越来越多的新基站投入运营，在造成了能源浪费、环境污染等问题的同时也极大的增加了运营成本。所以，对于高效的节能通信模式的研究迫在眉睫。
在2010年，IEEE的第21次国际座谈会较为全面地叙述了在2G/3G网络下应用基站休眠模式以达到节省能耗的目的这一通信模式。其核心思想在于，当一个基站覆盖区域内负载及其低下或者没有负载，我们可以通过关闭基站或者维持基站运作在一个极低的功率模式下来节省大量不必要的能量消耗。另一方面，在2009年有研究者提出了为基站提供混合能源的想法，这些混合能源包括太阳能、风能、光能等绿色能源，也有电网能源、化石能源等传统能源。经过一定的调控，增加可再生能源的使用，减少化石能源的消耗，以达到绿色节能的目的。
但是，无论是基站休眠还是使用绿色能源基站，都会出现时间或空间上的覆盖漏洞，导致部分用户得不到所需服务的问题。所以，一种好的基站间协同覆盖的策略就显得尤为重要。
然而，在现实的无线通信环境中，移动用户在时间和空间上的分布呈现出无规则性，若不通过对周围环境变化的监测做出实时的基站间协作决策，则很难实现高效的节能通信模式。但是在现有技术中，大多数方法只考虑静态条件中如何控制小区基站，没有考虑用户数、用户位置的随机时变特性，所以在网络负载环境动态变化的情况下，如何在某一小区休眠后，高效准确的覆盖通信盲点的问题还亟待解决。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供一种基站间动态协同覆盖方法，有利于在某小区基站休眠时，其邻居小区的基站能够高效、及时、准确地覆盖休眠小区下的所有用户。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基站间动态协同覆盖方法，其特征在于，该方法包括：
步骤S1：将基站休眠的小区均分为若干个扇区，统计每个扇区内未连接基站的用户数；
步骤S2：利用灰色马尔科夫预测模型根据所述未连接基站的用户数计算出每个扇区中经过预定时间后的用户数预测值；
步骤S3：找出若干个扇区中所述用户数预测值最大的扇区，并找出在与该扇区相对的半个小区中所述用户数预测值最大的扇区；
步骤S4：扩大与这两个扇区接邻的邻居小区的基站的发射功率，直至这两个扇区内的用户都与基站连接；
步骤S5：返回步骤S1直至该小区内所有用户都与基站连接。
优选地，该方法中在所述步骤S5之后还包括：
步骤S6：每一个基站在保持与用户的连接状态下尽可能地减小自身的发射功率。
优选地，该方法中在所述步骤S6之后还包括：
步骤S7：当检测到该小区内的未覆盖区域内出现新用户，或者用户移动到未覆盖区域时，增大与该用户最近邻的基站的发射功率直至该用户与基站连接。
优选地，所述方法还包括：按照预设的时间间隔序列，每隔一段时间间隔就转至步骤S1。
优选地，所述预设时间间隔序列中，白天的时间间隔大于夜晚的时间间隔。
优选地，在每次用户与基站连接之后，还包括：
根据该基站的带宽容量、用户的到达速率、以及用户与基站间的频谱效率计算该基站的最大用户数；
当与该基站的连接的用户数不小于所述最大用户数时，调整用户与基站的连接关系使与该基站的连接的用户数小于所述最大用户数。
优选地，根据基站j的带宽容量BWj、总数为Num的用户中用户i的到达速率ri、以及用户i与基站j间的频谱效率sij计算该基站j的最大用户数Cj的公式为：
其中α为取值在[0，1]内的预设参数。
优选地，所述调整用户与基站的连接关系使与该基站的连接的用户数小于所述最大用户数包括：
计算与该基站连接的每个用户与其最近邻的两个基站的距离差；
按所述距离差从大到小的顺序将用户转移至与其最近邻的基站，直至与该基站的连接的用户数小于所述最大用户数；
若与所述最近邻的基站连接的用户数不小于其最大用户数，则跳过对该用户对下一个用户进行所述转移。
优选地，所述方法中移动用户与基站之间的距离通过其传输信号的衰减来确定。
优选地，所述方法中每个移动用户的信噪比均须高于预设的最低信噪比。
（三）有益效果
本发明至少具有如下的有益效果：
本发明主要是利用了用户在时间域与空间域上的波动性来进行分区域的用户数预测（具体应用了灰色马尔科夫预测模型），从而可以根据下一时刻的用户数预测值来高效、及时、准确地制定协同覆盖策略。
其次，本发明按用户数预测值从大到小的顺序，依次扩大相对的两个接邻小区基站的发射功率，从而以较少的功率增加实现了对休眠小区下的所有用户的覆盖。
有仿真结果证明，这样的协同覆盖策略不仅有利于降低系统的整体能耗，还有利于动态、灵活地满足所有用户的基本服务需求，降低整体系统阻塞率。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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的介绍，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是本发明一个实施例中一种基站间动态协同覆盖方法流程图；
图2是本发明一个实施例中一个蜂窝网络下的用户与基站模型；
图3是本发明一个实施例中移动用户扇区统计模型示意图；
图4是本发明一个实施例中协同覆盖策略的流程示意图；
图5是本发明一个实施例中系统总功耗-时间仿真结果图；
图6是本发明一个实施例中系统阻塞率-时间仿真结果图。
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作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。
实施例1
本发明实施例提出了一种基站间动态协同覆盖方法，参见图1，该方法包括：
步骤S1：将基站休眠的小区均分为若干个扇区，统计每个扇区内未连接基站的用户数；
步骤S2：利用灰色马尔科夫预测模型根据所述未连接基站的用户数计算出每个扇区中经过预定时间后的用户数预测值；
步骤S3：找出若干个扇区中所述用户数预测值最大的扇区，并找出在与该扇区相对的半个小区中所述用户数预测值最大的扇区；
步骤S4：扩大与这两个扇区接邻的邻居小区的基站的发射功率，直至这两个扇区内的用户都与基站连接；
步骤S5：返回步骤S1直至该小区内所有用户都与基站连接。
可见，问题所处的背景是一种“用户-基站”的通信模式，用户通过与基站相连接来进行通信。
其中，小区的形状可以是蜂窝状或其他形状，在将其均分为若干个扇区后，以每一个扇区的过小区中心点的中轴线为轴，可以划出与该扇区相对的半个小区。而每一个扇区的外边沿都必然与某邻居小区相接邻，所以按照这一方法，会先扩大用户预测数最多的扇区相接邻小区基站的发射功率，同时扩大与其相对的半个小区中用户预测数最多的扇区相接邻小区基站的发射功率，从而按照用户数预测值从大到小的顺序依次进行协同覆盖。
如背景技术中所述，本方法是在某小区基站休眠的情况下，使其邻居小区协同覆盖该小区中所有用户的方法。与现有技术相比，其主要利用了灰色马尔科夫预测模型来根据当前未连接基站的用户数预测经过预定时间后的用户数，并以这一预测值来进行协同覆盖，有利于高效、及时、准确地制定协同覆盖策略。
其次，本发明按用户数预测值从大到小的顺序，依次扩大相对的两个接邻小区基站的发射功率，从而以较少的功率增加实现了对休眠小区下的所有用户的覆盖。
下面以一种蜂窝网络下的基站间动态协同覆盖方法为例进一步说明本发明所提出的方法。
实施例2
本发明实施例提出了一种蜂窝网络下的基站间动态协同覆盖方法，参见图2，考虑在蜂窝网络中，某小区与相邻6个小区共同组成一个管理域，每个小区中心设置一个基站（base station），移动用户（mobile user）呈无规则的散乱分布，基站间距（distancebetween neighbor cells）为a，每个基站的覆盖半径（cell coverage radius）为R。
基站的能耗主要由两部分组成，信号发射功耗和基站基本运作功耗。基站基本运作功耗包括冷却风扇耗能、功率放大器耗能、核心设备耗能、电源系统损耗、信号处理能耗等。基于节省网络能耗的目标和基站休眠技术，当中心小区负载极低或者为零时，可以将该小区基站休眠，由6个邻居基站进行协同覆盖。
在现实网络系统下，移动用户呈无规律分布并且不停进行着无规则随机移动，所以要想准确及时的做出基站协同覆盖决策必须要对研究系统下的移动用户的位置分布及移动趋势进行准确、实时的定位、预测。
在这里，优选通过移动用户与基站之间的传输信号的衰减来确定该基站与该用户间的距离，本实施例使用的信号传播公式为：
其中Pt、Pr分别为基站信号的发射功率和用户的接收功率，为信道增益参数，d为传输距离，λ为衰减因子。根据这一公式我们可以计算出用户与基站的距离，而根据一个用户与周围3个及以上基站的距离，我们可以确定用户的确切分布位置。
由此本实例建立了一个移动用户与7个基站间的距离矩阵D，dij表示移动用户Ui与基站Bj之间的距离，该距离矩阵随时间不断更新。同时，建立一个用户与基站间的连接矩阵L，该矩阵为0/1矩阵。Lij=1表示用户Ui与基站Bj已建立连接，反之则表示未建立连接。本实施例中，我们所需的基站信息以一下四个参数表示：基站基本运作功率Pb，基站发射功率Pt，与该基站建立服务连接的移动用户数N，基站所能提供服务的带宽BW。同时，我们为基站用户数设定一个阈值Nth，当N>Nth时，基站工作在激活模式；反之，基站工作在休眠模式。
相应的，Pb随基站的运作模式不同而变化，当基站休眠时能耗为Ps，当基站工作在激活状态时，其能耗为Pa。基站的发射功率与距离的平方呈正比，并要保证达到每个用户的业务质量需求，本实例中用信噪比来衡量，计算公式如下：
其中，γij表示用户Ui与基站Bj之间的信噪比；Prij表示用户Ui从基站Bj收到的接收功率；为用户Ui从6个邻居基站接收到的干扰功率；Pn为高斯白噪声功率。
结合信号传播公式，我们可以推演出为了让所有用户达到基本的信噪比的基站发射功率公式如下：
其中下标j表示基站Bj；Rj为基站Bj的覆盖半径；公式中中括号内第一项表示与基站Bj建立连接的用户中收到邻居基站干扰最大的一个；γ为维持用户基本服务质量所需的最低信噪比。
当总数为Num的用户中移动用户i到达某一基站时，其所占带宽可以以下公式计算：BWij=ri/sij。ri为移动用户Ui的到达速率，sij为移动用户Ui与基站Bj之间的频谱效率。为了方便起见，可以在本实施例中所有用户的到达速率与频谱效率保持一致。对于基站而言，需要为下一时刻到达的用户预留一定带宽，我们设此预留参数为α∈[0,1]。所以，我们可以通过以下公式将基站的带宽容量转变为用户数容量：
所以，当基站Bj下的用户数Nj>Cj时，基站Bj处于饱和状态，小区内用户业务会发生拥堵阻塞。
在这种情况下，本实施例优选一种向邻居小区转移负载的方法。本负载转移算法主要解决当中央小区休眠后，邻居小区协同覆盖休眠小区用户时某一小区达到容量上限时，如何向邻居小区转移负载的问题。其主要判断依据为需转移用户到邻居基站的距离和转移目的基站的容量。
首先，计算与该基站连接的每个用户与其最近邻的两个基站的距离差；然后，按所述距离差从大到小的顺序将用户转移至与其最近邻的基站，直至与该基站的连接的用户数小于所述最大用户数；其中，若与所述最近邻的基站连接的用户数不小于其最大用户数，则跳过该用户对下一个用户进行所述转移。
也就是说，首先，计算过载小区下用户邻居基站的距离差，按从大到小排序，依次将这些用户向左右两个邻居基站转移。在此过程中，如果当被转移负载的目的基站达到容量上限，则跳过该用户，继续转移下一用户，直到原过载小区容量低于门限值。通过本负载转移算法，不仅可以解决协同覆盖带来的过载问题，还可以有效降低整体用户业务阻塞率。
在本实施例中，我们假定中央小区为用户工作区域，6个邻居小区为用户生活区域，用以模拟移动用户的潮汐现象与昼夜更替现象。潮汐现象表现为早晨移动用户从生活区向工作区聚拢（上班），傍晚移动用户从工作区回到生活区（下班）。昼夜更替现象表现为白天用户活动，夜晚多数用户入睡，业务量大幅度下降。而在短暂的时间间隔内，移动用户的运动为散落无规律的并且不具有时效性。所以，为了对移动用户在网络系统中的分布做出更为准确、快速的判断，本实施例引入了一种灰色马尔科夫预测模型，用以预测下一时刻用户的数量及分布情况。灰色马尔科夫模型是一种结合了灰色模型和马尔科夫模型的预测模型。灰预测模型对于单调的时间序列具有很强的预测能力，而马尔科夫预测模型则可以通过计算各状态间的转移概率得到无规则波动序列的统计特征。所以，我们可以利用灰预测模型来预测时间序列的整体走势，用马尔科夫预测模型来预测短时间内的数值波动。在本实施例中，根据所需预测区域内移动用户数的历史数据，我们可以建立一个灰预测模型GM(1,1)，得到一组表示区域内用户数整体变化趋势的预测序列其次划分状态，状态划分就是以曲线为基准，由与曲线平行(即形状相同，位置不同)的若干曲线构成若干条形区域，每一条形区域称为1个状态(在灰色理论中也称灰区间)。对于1个符合马氏链特点的非平稳随机序列可根据具体情况划分为n个状态，其任一状态Qi可表达为:Qi=[Q1i，Q2i](i=1，2，…，n)，其中:Q1i、Q2i为状态Qi的上下边界；Ai、Bi分别为Q1i、Q2i与预测值的偏差，由于预测值是时间t的函数，因而Q1i、Q2i也随时序变化，即状态Qi具有动态性。然后，我们运用马尔科夫预测模型，表示经过k步由状态i转移到状态j的状态转移概率。在本实施例中，可根据历史数据计算状态转移概率：Ni为在状态i时用户数量，Nij为从状态i经过k步转移到状态j的用户数量。这里我们取一步状态转移概率最大的下一状态为预测状态Qi，再取该状态的中间值为预测值，计算公式如下：
为了提高预测的准确度，我们将前一时刻的实际观测值也考虑进去，并引入一个平衡参数μ（0<μ<1），所以，最终用户数预测值如下：
当用户数序列剧烈无规律波动，无法准确预测时，我们可以设置的值趋于0；反之，数据序列较为平稳时，可以设置μ趋于1。
经过上述几部分的准备工作后，本实施例提出了一种基于环境感知的邻居基站间的协同覆盖策略。这里我们主要考虑当中央小区负载低于门限值，小区基站休眠的情况。将原中央小区平均分为6个扇区（Si），如图3所示。以下是该协同覆盖策略的具体步骤：
步骤S1：计算每个扇区内未连接基站的移动用户数，使用上文提出的灰色马尔科夫预测模型计算出用户数预测值，记为Nsi。
步骤S2：比较找出6个扇区中用户数最多的一个，假设为S1。然后在与S1相对的半个小区（包括扇区S4、S5、S6）中找出用户数最多的扇区，假设为S4。
步骤S3：同时扩大步骤二中筛选出的两个扇区相对应的邻居基站（即B1和B4）的发射功率，直到扇区S1与S4中的用户全部覆盖。在此覆盖过程中，如果有基站容量达到上限，则使用上文中提出的负载转移算法。
步骤S4：更新用户与基站间的连接矩阵，返回步骤一，直到所有用户都连接到某个基站。
步骤S5：找出6个邻居基站中没有扩大覆盖范围的基站，按下述公式缩小其覆盖范围。
在此过程中，如果某一基站达到容量上限，则停止。
步骤S6：经过以上五步，原网络系统下的移动用户已被完全覆盖。当在未覆盖区域出现新用户时（新到用户或原用户移动至未覆盖区域），按照公式Min[Dij-Ri]连入相应基站。如果目标基站过载，使用负载转移算法，如果仍然失败，连入第二近的基站，以此类推。
步骤S7：每隔时间T，返回步骤一，重新执行所有步骤。这里的时间间隔T，可随具体时段变化而变化。例如，我们设置午夜到凌晨时段的间隔时间要比白天工作时段长的多。
图4展示了上述步骤的主要过程。
下面，对本实施例中提出的协同覆盖策略进行仿真分析。我们设定每个小区的原始覆盖范围为100m，基站额定带宽为20MHz，预留带宽为5MHz，每个基站内随机分布有20个移动用户，每个用户占用带宽500KHz，休眠门限Nth=5。用户所需基本信噪比γij=1，路径损耗参数λ=2，信道增益β=1.1，高斯白噪声Pn=σ2,设定σ=0.5。在激活状态时基站工作功率Pa=7500W，在休眠状态时基站工作效率Ps=1500W。图5展示了系统总功耗（System TotalPower）根据时间（Time）的变化情况，由图可以看出当傍晚用户从工作区撤回生活区后，中央小区休眠，邻居基站协同覆盖，系统总功耗大幅下降；反之，早晨用户从生活区移向工作区后，中央小区激活，功耗上升。其中Original Power代表未使用本方案的覆盖方法，Strategy Power代表使用了本方案的覆盖方法。图6展示了系统用户阻塞率（SystemBlocking Rate）随时间（Time）变化的情况。当夜晚用户休息时，阻塞率较低，白天用户工作活动时，阻塞率相应提高。而由于本实施例使用了协同覆盖策略，并应用了负载转移算法，所以在业务拥堵时，用户阻塞率大幅度降低。其中Trandition Scene代表未使用本方案的覆盖方法，Strategy Used代表使用了本方案的覆盖方法。综上所述，本实施例提出的基于环境感知的基站间协同覆盖策略不仅能降低系统的整体能耗，并且能动态灵活的保障所有用户的基本服务需求，降低了整体系统阻塞率。
综上所述，本发明提供一种基站间动态协同覆盖方法，主要根据无线通信系统中用户在时域与空间上的波动性，建立了一个用户数量位置定位模型，并利用灰色马尔科夫预测模型对下一时刻特定区域内用户的数量进行预测，以便于更为高效、及时、准确的制定协同覆盖策略。并将需要协同覆盖的目标小区分为6个扇区，每个扇区内的用户即为距离对应邻居基站距离最近的中心小区用户，通过统计各个扇区内的用户数即分布位置来做出邻居基站如何协同调整覆盖半径才能更为节能、合理的决定。有利于在某小区基站休眠时，其邻居小区的基站能够高效、及时、准确地覆盖休眠小区下的所有用户。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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 (11)
1.一种基站间动态协同覆盖方法，其特征在于，该方法包括：
步骤S1：将基站休眠的小区均分为若干个扇区，统计每个扇区内未连接基站的用户数；
步骤S2：利用灰色马尔科夫预测模型根据所述未连接基站的用户数计算出每个扇区中经过预定时间后的用户数预测值；
步骤S3：找出若干个扇区中所述用户数预测值最大的扇区，并找出在与该扇区相对的半个小区中所述用户数预测值最大的扇区；
其中，以该扇区的过小区中心点的中轴线为轴，划出与该扇区相对的半个小区；
步骤S4：扩大与这两个扇区接邻的邻居小区的基站的发射功率，直至这两个扇区内的用户都与基站连接；
步骤S5：返回步骤S1直至该小区内所有用户都与基站连接。
2.根据权利要求1所述的方法，其特征在于，该方法中在所述步骤S5之后还包括：
步骤S6：每一个基站在保持与用户的连接状态下尽可能地减小自身的发射功率。
3.根据权利要求2所述的方法，其特征在于，该方法中在所述步骤S6之后还包括：
步骤S7：当检测到该小区内的未覆盖区域内出现新用户，或者用户移动到未覆盖区域时，增大与该用户最近邻的基站的发射功率直至该用户与基站连接。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：按照预设的时间间隔序列，每隔一段时间间隔就转至步骤S1。
5.根据权利要求4所述的方法，其特征在于，所述预设时间间隔序列中，白天的时间间隔大于夜晚的时间间隔。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，在每次用户与基站连接之后，还包括：
根据该基站的带宽容量、用户的到达速率、以及用户与基站间的频谱效率计算该基站的最大用户数；
当与该基站的连接的用户数不小于所述最大用户数时，调整用户与基站的连接关系使与该基站的连接的用户数小于所述最大用户数。
7.根据权利要求6所述的方法，其特征在于，根据基站j的带宽容量BWj、总数为Num的用户中用户i的到达速率ri、以及用户i与基站j间的频谱效率sij计算该基站j的最大用户数Cj的公式为：
其中α为取值在[0，1]内的预设参数。
8.根据权利要求6所述的方法，其特征在于，所述调整用户与基站的连接关系使与该基站的连接的用户数小于所述最大用户数包括：
计算与该基站连接的每个用户与其最近邻的两个基站的距离差；
按所述距离差从大到小的顺序将用户转移至与其最近邻的基站，直至与该基站的连接的用户数小于所述最大用户数；
若与所述最近邻的基站连接的用户数不小于其最大用户数，则跳过该用户对下一个用户进行所述转移。
9.根据权利要求7所述的方法，其特征在于，所述调整用户与基站的连接关系使与该基站的连接的用户数小于所述最大用户数包括：
计算与该基站连接的每个用户与其最近邻的两个基站的距离差；
按所述距离差从大到小的顺序将用户转移至与其最近邻的基站，直至与该基站的连接的用户数小于所述最大用户数；
若与所述最近邻的基站连接的用户数不小于其最大用户数，则跳过该用户对下一个用户进行所述转移。
10.根据权利要求1至5中任意一项所述的方法，其特征在于，所述方法中移动用户与基站之间的距离通过其传输信号的衰减来确定。
11.根据权利要求1至5中任意一项所述的方法，其特征在于，所述方法中每个移动用户的信噪比均须高于预设的最低信噪比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410138439.0A CN103929752B (zh) | 2014-04-08 | 2014-04-08 | 基站间动态协同覆盖方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410138439.0A CN103929752B (zh) | 2014-04-08 | 2014-04-08 | 基站间动态协同覆盖方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103929752A CN103929752A (zh) | 2014-07-16 |
| CN103929752B true CN103929752B (zh) | 2017-06-20 |
Family
ID=51147800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410138439.0A Expired - Fee Related CN103929752B (zh) | 2014-04-08 | 2014-04-08 | 基站间动态协同覆盖方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103929752B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104486773B (zh) * | 2014-12-05 | 2018-09-11 | 中国联合网络通信集团有限公司 | 一种预测基站下终端数的方法及装置 |
| CN105142176B (zh) * | 2015-09-15 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种基站挂载过量预警的方法和装置 |
| CN105451244B (zh) * | 2015-11-13 | 2019-03-05 | 华中科技大学 | 一种小型基站协作的覆盖概率估计方法 |
| CN105517075B (zh) * | 2016-01-06 | 2019-06-07 | Oppo广东移动通信有限公司 | 一种驻留小区调整方法及用户设备 |
| CN107222918B (zh) * | 2016-03-22 | 2020-09-11 | 中国移动通信集团内蒙古有限公司 | 一种发射功率调整方法及装置 |
| CN107493583B (zh) * | 2017-06-29 | 2020-09-25 | 南京邮电大学 | 一种基于多斜率在线博弈的价格感知用户的调度算法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625337A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 一种无线接入网自主节能管理系统及方法 |
| CN102917446A (zh) * | 2012-09-29 | 2013-02-06 | 北京邮电大学 | 一种面向绿色节能的动态小区休眠方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120122512A1 (en) * | 2010-11-17 | 2012-05-17 | Sairamesh Nammi | Cellular network, base station and method for self-optimizing transmit power to user equipments |
-
2014
- 2014-04-08 CN CN201410138439.0A patent/CN103929752B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625337A (zh) * | 2012-03-08 | 2012-08-01 | 北京邮电大学 | 一种无线接入网自主节能管理系统及方法 |
| CN102917446A (zh) * | 2012-09-29 | 2013-02-06 | 北京邮电大学 | 一种面向绿色节能的动态小区休眠方法 |
Non-Patent Citations (1)
| Title |
|---|
| A System-level Power Saving Approach for Cellular Networks with Microcells/Picocells;Ziaul Haq Abbs等;《Wireless Communication, Vehicular Technology, Information Theory and Aerospace & Electronic Systems Technology (Wireless VITAE), 2011 2nd International Conference on》;20110331;1-5 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103929752A (zh) | 2014-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103929752B (zh) | 基站间动态协同覆盖方法 | |
| CN113055903B (zh) | 用于基站的节能关断的方法、设备和介质 | |
| CN105009475B (zh) | 考虑到用户设备(ue)移动性的用于准入控制和资源可用性预测的方法和系统 | |
| CN102186209B (zh) | 多小区重叠覆盖下的节能策略 | |
| CN102917446B (zh) | 一种面向绿色节能的动态小区休眠方法 | |
| CN102076095B (zh) | 一种频点选择方法及家庭式基站、设备 | |
| CN104010356B (zh) | 一种用于异构网络的集中式动态关闭小小区方法 | |
| CN103929781A (zh) | 超密集异构网络下跨层干扰协调优化方法 | |
| Jiang et al. | Data-driven cell zooming for large-scale mobile networks | |
| CN104661241B (zh) | 一种小区休眠决策方法、实现方法及系统 | |
| CN103260192A (zh) | 一种基于双效用的家庭基站和宏基站异构双层网络功率分配方法 | |
| CN107396376A (zh) | 小区预负荷均衡方法及装置 | |
| CN104822162B (zh) | 一种混合能源网络中的绿色基站分流方法及装置 | |
| Zhu et al. | Joint traffic prediction and base station sleeping for energy saving in cellular networks | |
| CN104768184A (zh) | 基于规模部署的家庭基站节能与干扰抑制方法和系统 | |
| CN106792764B (zh) | 一种配电终端通信接入网无线基站规划方法 | |
| CN109803285A (zh) | 一种小区处理方法、装置及网络设备 | |
| Deshpande et al. | Investigation on imcp based clustering in lte-m communication for smart metering applications | |
| CN106879057A (zh) | 一种5g无线网络智能化节能方法 | |
| Tun et al. | An overview of cell zooming algorithms and power saving capabilities in wireless networks | |
| CN113141616B (zh) | O+b域数据+业务场景自适应识别的节能基站选择及节能模式选取的方法、装置和系统 | |
| Al-Kaseem et al. | Energy efficient MAC protocol with smart sleep scheduling for cluster-based M2M networks | |
| CN106658526A (zh) | 一种超密集小蜂窝网络中基于模拟退火算法频谱分配方法 | |
| CN106792812A (zh) | 一种基于业务负载量评估的LTE‑Hi小小区开关控制方法 | |
| Wei et al. | The offloading model for green base stations in hybrid energy networks with multiple objectives |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170620 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |