CN105451242B - 一种频谱需求计算方法及装置 - Google Patents
一种频谱需求计算方法及装置 Download PDFInfo
- Publication number
- CN105451242B CN105451242B CN201410437136.9A CN201410437136A CN105451242B CN 105451242 B CN105451242 B CN 105451242B CN 201410437136 A CN201410437136 A CN 201410437136A CN 105451242 B CN105451242 B CN 105451242B
- Authority
- CN
- China
- Prior art keywords
- prediction
- network
- subregion
- density
- spectrum
- 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.)
- Active
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种频谱需求计算方法及装置，应用于国际移动通信IMT系统中，包括：根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；获取所述频谱预测场景的各个网络的极限承载能力；根据所述极限承载能力得到各个网络的资源消耗量；根据所述资源消耗量确定频谱需求总量。通过采用上述本发明方案所提出的场景筛选机制，提高了频谱需求计算的效率。
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种频谱需求计算方法及装置。
背景技术
近年来，随着智能终端的快速普及以及移动互联网应用超过100％的年增长率，无线通信数据量已呈现出爆炸式的增长态势。虽然移动通信技术的发展已大幅提高了频谱使用效率，但巨大的用户需求，依然不可避免地造成频谱资源的日益紧缺。频谱需求也因此成为未来我国乃至世界无线通信产业发展所需要重点关注的内容之一。
现有的频谱需求估算方法需要对全部区域下的语音和数据业务量、网络种类、网络配置和网络承载效率等进行大量的数据调研。由于现有研究方法一般考虑将业务模型划分非常细致，在基于大量的现网数据处理过程中存在多环节的近似处理，导致数据统计量过大难以精确提取，并且数据建模精度要求过高，从而使得得到的输入参数往往精度较低。
同时，现有的估算中将全部区域的统计量作为估算输入，忽略了不同区域之间的差异性。如热点区域业务量大且分布相对零散，而一般区域业务量明显较低，特别是在广袤的农村区域业务量明显低于热点区域。因此在全部输入量集总处理的情况下，运算误差较大。部分研究则将总体统计量粗略分为2至3个场景，分别计算不同场景下的频谱需求量，比较取最大者作为最终输出。
此外，现有的评估中往往忽视不同种类网络性能的差异，近似地将多种谱效率存在明显差异的网络归为一类计算，无法评估真实的频谱效率，因此难以保证运算结果的准确，且其评估结果难以代表任何具体网络和系统的性能。
发明内容
本发明的目的是提供一种频谱需求计算方法及装置，以解决现有技术中在进行调研数据统计时难度大且精度差、频谱需求运算低效、网络能力归类模糊导致运算结果可靠性低的问题。
为了实现上述目的，本发明提供了一种频谱需求计算方法，应用于国际移动通信IMT系统中，包括：
根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；
获取所述频谱预测场景的各个网络的极限承载能力；
根据所述极限承载能力得到各个网络的资源消耗量；
根据所述资源消耗量确定频谱需求总量。
优选地，所述根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景的步骤包括：
根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；
预测各子区域内的未来时间内的预测业务量，并
根据所述预测业务量计算所述各子区域的预测业务密度；
根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景。
优选地，所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤包括：
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景。
优选地，所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤包括：
计算各子区域所对应的预测业务密度以及当前业务密度的比值；
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景。
优选地，所述获取所述频谱预测场景的各个网络的极限承载能力，包括：
查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；
从所述配置信息中，获取所述各个网络的极限承载能力。
优选地，根据所述极限承载能力得到各个网络的资源消耗量的步骤，包括：
获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；
获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的语音业务密度以及数据业务密度；
根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量。
优选地，所述网络类型承载效率库的配置信息中还包括各个网络的频率复用度以及单位资源对应的频率带宽，所述根据所述资源消耗量确定频谱需求总量的步骤包括：
每个网络的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽；
将各个网络的频谱需求量求和得到频谱需求总量。
为了实现上述目的，本发明还提供了一种频谱需求计算装置，包括：处理模块和获取模块；
所述处理模块，用于根据国际移动通信IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；
所述获取模块，用于获取所述频谱预测场景的各个网络的极限承载能力；
所述处理模块，还用于根据所述极限承载能力得到各个网络的资源消耗量；根据所述资源消耗量确定频谱需求总量。
优选地，
所述处理模块，具体用于根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；预测各子区域内的未来时间内的预测业务量，并根据所述预测业务量计算所述各子区域的预测业务密度；根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景。
优选地，
所述处理模块，具体用于比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景。
优选地，
所述处理模块，具体用于计算各子区域所对应的预测业务密度以及当前业务密度的比值；比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景。
优选地，
所述获取模块，具体用于查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；从所述配置信息中，获取所述各个网络的极限承载能力。
优选地，
所述获取模块，还用于获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的数据业务密度；
所述处理模块，具体用于根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量。
优选地，
所述获取模块还用于获取所述网络类型承载效率库的配置信息中的各个网络的频率复用度以及单位资源对应的频率带宽，
所述处理模块，具体用于根据公式：
每个网络类型的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽
获得各个网络的频谱需求量；
并将各个网络的频谱需求量求和得到频谱需求总量。
通过采用上述本发明方案，解决了现有技术中在进行调研数据统计时难度大且精度差、频谱需求运算低效、网络能力归类模糊导致运算结果可靠性低的问题，通过场景筛选机制的建立提出，提高了频谱需求计算的效率。
附图说明
图1为本发明实施例所提供的频谱需求计算方法的流程示意图；
图2为本发明实施例所提供的频谱需求计算方法的详细流程示意图；
图3为本发明实施例所提供的频谱需求计算装置的结构示意图。
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，下面将结合附图对具体实施例进行详细描述。
本发明中描述的技术可用于各种通信网络的频谱需求预测，尤其适用于评估IMT(International Mobile Telecommunications，国际移动通信)系统频谱需求，例如GSM(Global System for Mobile communications，全球移动通信系统)，CDMA(Code DivisionMultiple Access，码分多址)系统，WCDMA(Wideband Code Division Multiple AccessWireless，宽带码分多址)，长期演进(LTE，Long Term Evolution)系统，以及其他此类通信系统。
针对现有技术中在进行调研数据统计时难度大且精度差、频谱需求运算低效、网络能力归类模糊导致运算结果可靠性低的问题，本发明提出了场景筛选机制，通过该机制的提出，提高了频谱需求计算的效率。
参见图1，为本发明实施例所提供的频谱需求计算方法的流程示意图。具体的，
步骤101，根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景。
在本步骤中，在进行频谱预测场景确定时，首先需要得到IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，对于当前业务密度的获取，具体包括：
根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；
对于预测业务密度的获取，具体包括：
预测各子区域内的未来时间内的预测业务量，并
根据所述预测业务量计算所述各子区域的预测业务密度；
在获取到当前业务密度以及预测业务密度后，根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景。
进一步地，所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤，包括：
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景。
所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤，包括：
计算各子区域所对应的预测业务密度以及当前业务密度的比值；
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景。
步骤102，获取所述频谱预测场景的各个网络的极限承载能力。
在本步骤中，所述获取所述频谱预测场景的各个网络的极限承载能力，包括：
查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；
从所述配置信息中，获取所述各个网络的极限承载能力。
步骤103，根据所述极限承载能力得到各个网络的资源消耗量。
在本步骤中，根据所述极限承载能力得到各个网络的资源消耗量的步骤，包括：
获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；
获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的数据业务密度；
根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量。
步骤104，根据所述资源消耗量确定频谱需求总量。
在本步骤中，还需要获取到所述网络类型承载效率库的配置信息中各个网络的频率复用度以及单位资源对应的频率带宽，
所述根据所述资源消耗量确定频谱需求总量的步骤，包括：
每个网络的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽；
将各个网络的频谱需求量求和得到频谱需求总量。
为了更好地说明本发明方案的意图，下面以一个具体实施例进行阐述。参见图2，具体的，
步骤201，获取某城市的网络A和网络B的语音业务量以及数据业务量。
在本步骤中，通过对现网进行调研，得到了该城市中使用网络A和网络B的所有小区的语音业务量以及数据业务量。
步骤202，确定语音业务量以及数据业务量的当前业务密度。
具体地，通过计算每个小区的语音业务量的当前业务密度以及数据业务量的当前业务密度，进行区域划分，并结合各个小区的地理位置，筛选出城市热点、一般城区、县城城区和农村四块区域。具体各区域的当前业务密度如表1所示。
表1当前业务密度
| 场景名称 | 城市热点 | 一般城区 | 县城城区 | 农村 |
| 平均语音业务密度(Erl/km2) | 23.05 | 14.98 | 8.08 | 5.66 |
| 平均数据业务密度(MB/km2) | 3023.01 | 2045.94 | 1172.33 | 45.85 |
根据上述表格中各区域的业务密度结果能够发现，城市热点的平均单小区业务密度最大。
步骤203，预测未来某年的预期语音业务量以及预期数据业务量，并计算相应的预期业务密度。
在本步骤中，在得到了历史时间内的语音业务量以及数据业务量后，根据该两个业务量对未来某年的预期语音业务量以及预期数据业务量进行预测，并对预测得到的业务量进行预期业务密度的计算，得到表2中的数据。
表2预测业务密度
| 场景名称 | 城市热点 | 一般城区 | 县城城区 | 农村 |
| 平均语音业务密度(Erl/km2) | 35.09 | 22.03 | 14.11 | 10.80 |
| 平均数据业务密度(MB/km2) | 10033.09 | 6090 | 2338.54 | 77.95 |
根据上述表格中各区域的业务密度结果能够发现，在预测年时，业务密度最大的场景依然是城市热点场景。
步骤204，确定频谱预测场景。
在本步骤中，通过比较前述表1和表2中的数据，能够发现，城市热点场景的业务密度始终是最大的，故确定该城市热点场景为本实施例的频谱预测场景。
在本步骤中，在确定了频谱预测场景后，获取该城市热点场景对应的预期语音业务量以及数据业务量，以及网络A和网络B的业务量所占比例。
步骤205，确定城市热点场景下的网络A和网络B的极限承载能力。
在本步骤中，根据网络A和网络B查找已知网络类型承载效率库，得到对应的极限承载能力。其中，已知网络类型承载效率库是内建数据库，保存有已有IMT通信网络承载效率的基本参数及网络对不同业务的承载方式等信息可供计算选用。具体的极限承载能力数值如下表3所示。
表3网络极限承载能力评估输出表
步骤206，根据极限承载能力得到网络A和网络B的资源消耗量。
在计算资源消耗量时，根据业务类型和网络承载类型决定具体业务由网络A及网络B的分组域或电路域承载。逐一确定网络A及网络B在分组域和电路域分别承载的业务量。对网络A及网络B，分别就其电路域和分组域承载业务量及对应的极限承载业务量进行比较运算。电路域采用业务一旦建立直至结束才释放无线资源的方式进行，分组域则根据业务对应的传输和空闲时间关系动态确定分组域整体占用资源量。
在本步骤中，具体的，首先，根据极限承载能力对城市热点场景对应的预期语音业务量以及预期数据业务量进行承载拆分，得到电路域上所承载的语音业务量以及分组域上所承载的数据业务量。
其次，根据前述得到的网络A和网络B的业务量所占比例得到网络A的电路域上所承载的语音业务量、网络A的分组域上所承载的数据业务量，以及网络B的电路域上所承载的语音业务量、网络B的电路域上所承载的语音业务量。
进一步地，计算网络A和网络B上分组域和电路域的业务量的业务密度，通过计算得到网络A的电路域上所承载的资源消耗量、网络A的分组域上所承载的资源消耗量、以及网络B的电路域上所承载的资源消耗量和网络B的分组域上所承载的资源消耗量。具体资源消耗量如表4所示。
表4承载资源需求输出表
| 网络类型 | 业务类型 | 场景信息 | 电路域所需资源数 | 分组域所需资源数 |
| 网络A | 语音 | 城市热点 | 53单位资源 | -- |
| 网络A | 数据 | 城市热点 | -- | 22单位资源 |
| 网络B | 语音 | 城市热点 | 33单位资源 | -- |
| 网络B | 数据 | 城市热点 | -- | 107单位资源 |
步骤207，根据网络A和网络B的资源消耗量确定频谱需求总量。
在该模块中，调用已知网络类型承载效率库，查找相应的热点城区场景下网络A和网络B的频率复用度、单位资源对应的频率带宽。本例中网络A的频率复用度为12，单位资源对应频率带宽为0.2MHz；网络B的频率复用度为3，单位资源对应频率带宽为1.6MHz。
根据输出的网络A和网络B在电路域和分组域所需的资源消耗量，计算网络A所需资源消耗量为75个，网络B所需资源消耗量为140个。
网络A及网络B所需资源消耗量乘以相应资源对应的频率带宽，乘积再与相应网络的频率复用度相乘，得到的乘积为相应网络所需的频谱资源量。在本实施例中，网络A所需频谱需求量为(53+22)*0.2*12＝180MHz，网络B所需频谱需求量为(33+107)*1.6*3＝672MHz。
总的频谱需求总量为网络A和网络B需求量之和，为852MHz。
因此输出最终的预测某年的频谱需求总量为852MHz。
本发明实施例还提供了一种频谱需求计算装置，如图3所示，包括：处理模块31和获取模块32；
所述处理模块31，用于根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；还用于根据所述极限承载能力得到各个网络的资源消耗量；根据所述资源消耗量确定频谱需求总量；具体用于根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；预测各子区域内的未来时间内的预测业务量，并根据所述预测业务量计算所述各子区域的预测业务密度；根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景；具体用于比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景；或具体用于计算各子区域所对应的预测业务密度以及当前业务密度的比值；比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景；具体用于根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量；具体用于根据公式
每个网络类型的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽
获得各个网络的频谱需求量；
并将各个网络的频谱需求量求和得到频谱需求总量。
所述获取模块32，用于获取所述频谱预测场景的各个网络的极限承载能力；具体用于查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；从所述配置信息中，获取所述各个网络的极限承载能力；还用于获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的数据业务密度；还用于获取所述网络类型承载效率库的配置信息中的各个网络的频率复用度以及单位资源对应的频率带宽。
通过采用上述本发明方案，解决了现有技术中在进行调研数据统计时难度大且精度差、频谱需求运算低效、网络能力归类模糊导致运算结果可靠性低的问题，通过场景筛选机制的建立提出，提高了频谱需求计算的效率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种频谱需求计算方法，应用于国际移动通信IMT系统中，其特征在于，包括：根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；
获取所述频谱预测场景的各个网络的极限承载能力；
根据所述极限承载能力得到各个网络的资源消耗量；
根据所述资源消耗量确定频谱需求总量；
所述获取所述频谱预测场景的各个网络的极限承载能力，包括：
查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；
从所述配置信息中，获取所述各个网络的极限承载能力；
所述网络类型承载效率库的配置信息中还包括各个网络的频率复用度以及单位资源对应的频率带宽，所述根据所述资源消耗量确定频谱需求总量的步骤，包括：
每个网络的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽；
将各个网络的频谱需求量求和得到频谱需求总量。
2.如权利要求1所述的方法，其特征在于，所述根据IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景的步骤，包括：
根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；
预测各子区域内的未来时间内的预测业务量，并
根据所述预测业务量计算所述各子区域的预测业务密度；
根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景。
3.如权利要求2所述的方法，其特征在于，所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤，包括：
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景。
4.如权利要求2所述的方法，其特征在于，所述根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景的步骤，包括：
计算各子区域所对应的预测业务密度以及当前业务密度的比值；
比较各子区域的当前业务密度；
比较各子区域的预测业务密度；
选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景。
5.如权利要求1所述的方法，其特征在于，根据所述极限承载能力得到各个网络的资源消耗量的步骤，包括：
获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；
获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的数据业务密度；
根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量。
6.一种频谱需求计算装置，其特征在于，包括：处理模块和获取模块；
所述处理模块，用于根据国际移动通信IMT系统覆盖区域内各子区域的当前业务密度以及预测业务密度，确定频谱预测场景；
所述获取模块，用于获取所述频谱预测场景的各个网络的极限承载能力；
所述处理模块，还用于根据所述极限承载能力得到各个网络的资源消耗量；根据所述资源消耗量确定频谱需求总量；
所述获取模块，具体用于查找网络类型承载效率库，获得与所述频谱预测场景中各个网络匹配的配置信息；从所述配置信息中，获取所述各个网络的极限承载能力；
所述获取模块还用于获取所述网络类型承载效率库的配置信息中的各个网络的频率复用度以及单位资源对应的频率带宽，
所述处理模块，具体用于根据公式：
每个网络类型的频谱需求量＝(电路域承载的资源消耗量+分组域承载的资源消耗量)×频率复用度×单位资源对应的频率带宽获得各个网络的频谱需求量；
并将各个网络的频谱需求量求和得到频谱需求总量。
7.如权利要求6所述的装置，其特征在于，
所述处理模块，具体用于根据IMT系统覆盖区域内的历史时间内的业务量计算所述各子区域的当前业务密度；预测各子区域内的未来时间内的预测业务量，并根据所述预测业务量计算所述各子区域的预测业务密度；根据所述各子区域的当前业务密度以及预测业务密度，确定其中一个子区域为频谱预测场景。
8.如权利要求7所述的装置，其特征在于，
所述处理模块，具体用于比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取当前业务密度最大、且预测业务密度最大的子区域为频谱预测场景。
9.如权利要求7所述的装置，其特征在于，
所述处理模块，具体用于计算各子区域所对应的预测业务密度以及当前业务密度的比值；比较各子区域的当前业务密度；比较各子区域的预测业务密度；选取所述比值最大、当前业务密度最大以及预测业务密度最大的子区域为频谱预测场景。
10.如权利要求6所述的装置，其特征在于，
所述获取模块，还用于获得频谱预测场景的各个网络所分配的极限承载语音业务量以及对应的语音业务密度；获得频谱预测场景的各个网络所分配的极限承载数据业务量，以及对应的数据业务密度；
所述处理模块，具体用于根据所述语音业务密度以及数据业务密度分别计算各个网络的所对应的分组域以及电路域上所承载的资源消耗量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410437136.9A CN105451242B (zh) | 2014-08-29 | 2014-08-29 | 一种频谱需求计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410437136.9A CN105451242B (zh) | 2014-08-29 | 2014-08-29 | 一种频谱需求计算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105451242A CN105451242A (zh) | 2016-03-30 |
| CN105451242B true CN105451242B (zh) | 2019-08-20 |
Family
ID=55560936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410437136.9A Active CN105451242B (zh) | 2014-08-29 | 2014-08-29 | 一种频谱需求计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105451242B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112804694B (zh) * | 2019-11-14 | 2022-12-16 | 中国移动通信集团重庆有限公司 | 通信网络频宽的配置方法、系统、计算设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101193086A (zh) * | 2006-11-30 | 2008-06-04 | 中国移动通信集团设计院有限公司 | 一种正交频分复用系统频率规划的方法 |
| CN101765126A (zh) * | 2009-12-17 | 2010-06-30 | 中国联合网络通信集团有限公司 | 一种gsm/gprs未来网络载频资源估算的方法及装置 |
| CN102625319A (zh) * | 2012-04-06 | 2012-08-01 | 电信科学技术研究院 | 无线认知传感网的实现方法和设备 |
| CN103118392A (zh) * | 2013-03-12 | 2013-05-22 | 国家无线电监测中心 | 一种imt系统的频谱需求预测方法及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE60318638T2 (de) * | 2003-11-28 | 2008-12-24 | Telecom Italia S.P.A. | Verfahren zur bewertung der leistung eines mobilfunknetzes |
-
2014
- 2014-08-29 CN CN201410437136.9A patent/CN105451242B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101193086A (zh) * | 2006-11-30 | 2008-06-04 | 中国移动通信集团设计院有限公司 | 一种正交频分复用系统频率规划的方法 |
| CN101765126A (zh) * | 2009-12-17 | 2010-06-30 | 中国联合网络通信集团有限公司 | 一种gsm/gprs未来网络载频资源估算的方法及装置 |
| CN102625319A (zh) * | 2012-04-06 | 2012-08-01 | 电信科学技术研究院 | 无线认知传感网的实现方法和设备 |
| CN103118392A (zh) * | 2013-03-12 | 2013-05-22 | 国家无线电监测中心 | 一种imt系统的频谱需求预测方法及设备 |
Non-Patent Citations (2)
| Title |
|---|
| "十五"期间中国移动频谱最小需求预测;周猛等;《通信发展论坛》;20050811;全文 |
| IMT-Advanced 频率需求计算;郎保真;《B3G/4G技术即发展专题》;20061113;全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105451242A (zh) | 2016-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
| CN103702337B (zh) | 一种小型基站部署位置的确定方法 | |
| CN105407486B (zh) | 一种网络扩容的方法及装置 | |
| CN105682105B (zh) | 一种规划站点评估的方法和装置 | |
| CN103116696B (zh) | 基于稀疏采样的手机定位数据的人员常驻地点识别方法 | |
| CN109640340A (zh) | 基站数据处理方法、装置、设备及计算机可读存储介质 | |
| JP2018525859A (ja) | ネットワーク容量拡大のための方法および装置 | |
| CN105264974B (zh) | 上行功率控制方法及其装置 | |
| CN102946620B (zh) | 一种对数据网络进行双网分流的方法 | |
| CN108243435B (zh) | 一种lte小区场景划分中的参数优化方法及装置 | |
| CN104661244A (zh) | 一种评估pci模三干扰的方法及装置 | |
| CN104581748B (zh) | 一种在无线通信网络中识别场景的方法和装置 | |
| CN103209422A (zh) | 一种wlan网络精确选点的方法 | |
| CN109639833A (zh) | 一种基于无线城域网微云负载均衡的任务调度方法 | |
| CN105139227B (zh) | 一种数据计算方法及装置 | |
| CN109451589A (zh) | Lte载波调度方法、装置、设备及计算机存储介质 | |
| CN104320354A (zh) | 一种数据的处理方法及装置 | |
| CN105451242B (zh) | 一种频谱需求计算方法及装置 | |
| WO2016192081A1 (en) | Enable access point availability prediction | |
| CN105335313A (zh) | 一种基础数据的传输方法及装置 | |
| CN106793122B (zh) | 一种异构网络每比特最小化无线资源安全分配方法 | |
| CN106686668A (zh) | 一种语音回落小区的选择方法及装置 | |
| CN105808611B (zh) | 数据挖掘方法和装置 | |
| Ghosh et al. | Telephone penetrations and economic growth: evidence from India | |
| CN107947890B (zh) | 一种小区间干扰协调方法及网络设备 |
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 |