CN105451244B - 一种小型基站协作的覆盖概率估计方法 - Google Patents
一种小型基站协作的覆盖概率估计方法 Download PDFInfo
- Publication number
- CN105451244B CN105451244B CN201510777092.9A CN201510777092A CN105451244B CN 105451244 B CN105451244 B CN 105451244B CN 201510777092 A CN201510777092 A CN 201510777092A CN 105451244 B CN105451244 B CN 105451244B
- Authority
- CN
- China
- Prior art keywords
- base station
- small base
- cooperation
- small
- layer network
- 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 30
- 238000010586 diagram Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000005562 fading Methods 0.000 claims description 7
- 108010063499 Sigma Factor Proteins 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种小型基站协作的覆盖概率估计方法,首先,将宏基站和小型基站的位置随机建模,并通过泰森多边形Voronoi图进行小区划分,在此基础上,根据用户在网络中所处的位置,估计为其服务的两小型基站协作后的覆盖概率。由于建模的随机性和小区划分的合理性,且估计过程中考虑到环境因素对覆盖概率的影响,因而,本发明能更加准确地获取小型基站协作覆盖概率,为网络性能分析比较和小型基站部署规划提供便利。
Description
技术领域
本发明属于无线通信技术领域,具体来说,涉及一种小型基站协作的覆盖概率估计方法。
背景技术
随着移动智能终端渗透率逐步提升,连续深度覆盖的无线网络成为影响终端用户体验的关键因素。原有的宏基站和传统的分布式天线系统DAS覆盖解决方案,已不能满足日益增长的容量需求和更高阶的体验要求。
小型基站凭借其大容量、覆盖好、易管理、成本低等优势,且随着技术发展趋于成熟,越来越受到世界各大运营商的青睐。虽然小型基站部署预计将显著提高频谱效率和下一代蜂窝网络的覆盖范围,但是小型基站与宏基站共存网络将面临着频谱共享和干扰管理的挑战。随着频谱资源的日益匮乏,小型基站部署密度增大,共存网络所面临的问题亟待解决。协同通信是在频谱资源受限和复杂的无线网络环境下针对传统点对点通信缺点而引进的一种新的通信模式。关于小型基站协作的协同通信的研究不仅具有理论价值还有着非常广阔的应用前景,并且在5G(第五代移动通信技术)的发展中也将具有重要的意义。
由于小型基站的部署是根据需要进行安装,且接入点位置随机分布,因此会带来不可预测的干扰,降低蜂窝网络的整体性能。若在考虑信干噪比变量只依靠用户位置和信道衰减和部分宏基站干扰,而忽略非协作小型基站干扰,这是一种高度理想化的方法。在异构网络情况下,小型基站与宏基站之间存在不可避免的共信道干扰,这是限制频谱效率和系统覆盖的主要因素之一。所以要得到比较精确的协作后的覆盖概率,考虑非协作所有基站的干扰是必要的。随着多点协作技术特别是小型基站协作技术的发展日趋成熟,以及小型基站和宏基站位置的随机性为网络性能的分析和比较带来了困难,因而如何能够准确的对基站协作后各个因素对覆盖性能即覆盖概率的影响进行分析,准确获取小型基站协作后的覆盖概率,对双层网络中小型基站的系统设计和相关业务的发展起着至关重要的作用。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种小型基站协作的覆盖概率估计方法,首先,将宏基站和小型基站的位置随机建模,并采用Voronoi图进行小区划分,在此基础上,根据用户在网络中所处的位置,估计为其服务的两小型基站协作后的覆盖概率。由于建模的随机性和小区划分的合理性,且估计过程中考虑到环境因素对覆盖概率的影响,因而,能更为准确地获取小型基站协作覆盖概率,为网络性能分析比较和小型基站部署规划提供便利,尤其适合于5G下的小型基站覆盖概率估计。
为实现上述目的,本发明提出了一种小型基站协作的覆盖概率估计方法,其特征在于,具体包括以下步骤:
(1)将网络分为小蜂窝小区和宏小区,小蜂窝小区即第二层网络,为小型基站SBS服务的区域,宏小区即第一层网络,为宏基站MBS服务的区域;
(2)通过泰森多边形Voronoi图,以小型基站为中心对第二层网络进行小区划分;
(3)以网络中原点位置处的用户为典型用户,选取距离该典型用户最近的两小型基站作为该典型用户的协作小型基站;
(4)对步骤(3)中选取的两协作小型基站进行覆盖概率Pn=2估计所述覆盖概率Pn=2具体为:
其中,n为协作小型基站个数,n=2表示两个协作小型基站,xji为第j层网络中第i个协作基站与典型用户的距离,那么,x21为第二层网络中第1个协作小型基站与典型用户的距离,x22为第二层网络中第2个协作小型基站与典型用户的距离,且0<x21<x22<∞;θ是典型用户作为接收机时信干噪比SINR的阈值,α是路径衰落因子,α>2,σ2为系统噪声,p2为第二层网络中协作小型基站发射功率,为累积干扰I的拉普拉斯变换,fΓ(x)为距离典型用户最近的两协作小型基站的联合概率密度函数。
作为进一步优选的,所述累积干扰I包括宏基站MBS和其他所有非协作小型基站SBS的总干扰。
作为进一步优选的,所述累积干扰I的拉普拉斯变换具体为:
其中,λj为第j层网络基站的部署密度;pj为第j层网络中协作基站发射功率,d为第j层网络中干扰基站相对于典型用户的距离的下确界,d的取值具体为:
作为进一步优选的,所述距离典型用户最近的两协作小型基站的联合概率密度函数具体为:
其中,λ2为第二层网络小型基站的部署密度。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:
1.通过实施本发明中小型基站协作覆盖概率的估计方法,能够准确的分析小型基站协作后各个因素对覆盖性能即覆盖概率的影响,进一步地,通过估计得到的小型基站协作后的覆盖概率,为网络性能分析比较和小型基站部署规划提供便利;
2.本发明在对小型基站协作覆盖概率的估计过程中,针对小型基站协作通信的特点,通过Voronoi图进行小区划分,在此基础上,根据用户在网络中所处的具体位置,估计两小型基站协作后的覆盖概率,因而,经过随机建模并估计得到的小型基站协作覆盖概率更加贴合实际的网络应用环境;
3.本发明针对小型基站协作覆盖概率进行估计的过程中,还考虑到环境因素(即宏基站和所有非协作小型基站的干扰)对覆盖性能的影响,进一步提高了小型基站协作覆盖概率估计的准确性,尤其适用于5G网络环境下的小型基站覆盖概率估计。
附图说明
图1是本发明中异构网络下Voronoi图小区划分结构示意图;
图2是本发明一种小型基站协作的覆盖概率估计方法流程图;
图3是本发明中小型基站不同发射功率对应的SBS协作覆盖概率曲图;
图4是本发明中小型基站部署密度对应的SBS协作覆盖概率曲线图;
图5是本发明中小型基站协作与非协作的覆盖概率曲线对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1为本发明中异构网络下Voronoi图小区划分结构示意图;
在本实施例中,图1所示的网络是由两个不同密度基站部署的独立网络层组成的异构网络,每一层基站的发射功率不同。在该网络下,以小型基站为中心进行Voronoi图划分,形成新的小蜂窝小区。假设C为协作小型基站的集合,属于第j层中的基站发射功率为Pj,基站服从一个二维空间密度为λj的泊松点过程(PPP)φj分布。考虑的典型用户并不失一般性,设原点典型用户。通过协作小型基站共同传送同一条消息服务用户。
每个小型基站经由一些足够协作通信的回程链路连接所有与它共享小区边界的小型基站。
同时正好一个单天线用户最初是与每个基站相关联。用户能通过两小型基站的协作接收服务,所述两小型基站为距离它最近的第一个和第二个小型基站,两小型基站与用户的相对位置很重要,此处用符号b21和b22指定位于第2层网络上的上述小型基站。
下面将重点阐述用来分析小区网络覆盖概率的信干噪比SINR及其互补累积分布函数CCDF。
在本发明中,所有的信道服从典型的路径衰落,且经历瑞利衰落,使用下标1和2分别表示宏基站和小型基站,典型用户接收有用信号功率Pr为:
其中,P2为小型基站发射功率,H为信道衰减系数,服从指数分布,X为小型基站到用户之间的距离,α为路径衰减指数。
典型用户的信干噪比SINR为:
其中,σ2为系统噪声,I为累积干扰。
蜂窝网内的用户SINR的互补累积分布函数(CCDF)被定义为覆盖概率,具体为:
P=Ρ[SINR>θ] (3)
公式中θ为接收端的SINR的阈值,P为典型用户接收到SINR超过阈值θ的概率即覆盖概率,或者任意时间处于小型基站覆盖的网络区域所占的平均比例。
本发明中小型基站服从齐次泊松点过程(HPPP),小区中,典型用户被距离最近的两个随机小型基站联合覆盖的概率,是覆盖分析研究的兴趣点。
典型用户与服务其距离最近的两小型基站之间距离分别为x1和x2,0<x1<x2<∞。在二维泊松点过程中,面积为S的区域中存在0个小型基站的概率为:
其中,λ表示泊松点过程强度,即小型基站部署密度;因此,其累积分布函数CDF为:
相应的概率密度函数PDF为:
考虑两个基站,在x2中有一个基站,基站位置x1,即x1<x<x2中存在零个小型基站的概率为:
同理,可得出对应的概率密度函数PDF为:
根据贝叶斯法则可得典型用户与距离为x1,x2的两小型基站的联合概率密度函数pdf为:
其中,λ表示泊松点过程强度,即小型基站部署密度。
结合图2所示本发明的方法流程图对小型基站协作覆盖概率的具体过程做详细描述。
1、小型基站协作覆盖概率
如图1及图2中所示,部署的小型基站和宏基站是随机分布,以小型基站为中心,采用voronoi结构概念进行划分,划分后得到的每个小区中仅包含一个小型基站,根据voronoi图性质,保证小区内所有位置到划分的中心点距离最近。位于本小区内且使用本小区内小型基站服务的用户称为主要用户,位于本小区外且使用本小区内小型基站服务的用户称为次要用户。在小区中,干扰源包括宏基站(MBS)、次要用户和服务基站之外的其他小型基站(SBS)。由于次要用户距离比较远,发射功率不高,干扰信号经过建筑物等的衰落后,对主要用户的干扰比较低。因此次要用户对主要用户的影响可以被忽略。那么,主要的干扰源是来自非协作小型基站和宏基站。由于小型基站的部署环境可以是室内和室外,这里简化,并不考虑信号通过墙壁的衰减。本发明中干扰信号强度服从瑞利分布,干扰功率和有用信号功率均服从指数分布,均值为1/μ,有用信号指的是传递用户所需信息的信号。
干扰信号强度服从瑞利衰落时,对步骤(3)中选取的两协作小型基站进行覆盖概率Pn=2估计,具体为:
其中,n为协作小型基站个数,n=2表示两个协作小型基站,xji为第j层网络中第i个协作基站与典型用户的距离,那么,x21为第二层网络中第1个协作小型基站与典型用户的距离,x22为第二层网络中第2个协作小型基站与典型用户的距离,且0<x21<x22<∞;θ是典型用户作为接收机时SINR(信干噪比)的阈值,α>2是路径衰落因子,σ2为系统噪声,p2为第二层网络中协作小型基站发射功率,为累积干扰I的拉普拉斯变换,fΓ(x)为距离典型用户最近的两协作小型基站的联合概率密度函数。
所述累积干扰I包括宏基站MBS和其他所有非协作小型基站SBS的总干扰,其拉普拉斯变换具体为:
其中,s为复变量,λj为第j层网络基站的部署密度;pj为第j层网络中协作基站发射功率,d为第j层网络中干扰基站相对于典型用户的距离的下确界,d的取值具体为:
所述距离典型用户最近的两协作小型基站的联合概率密度函数具体为:
其中,λ2为第二层网络小型基站的部署密度。
累积干扰I包括来自宏基站(MBS)和其他所有非协作小型基站(SBS)的总干扰。
对选取的两协作小型基站进行覆盖概率Pn=2估计的具体过程如下:
根据SINR定义:
hji表示第j层网络中基站i与典型用户之间信道的随机衰减系数,服从指数分布。其中干扰I来自两个方面,即用户接收到的未参与协作的小型基站信号和平面内所有的宏基站信号。表示为:
其中,Im为宏基站干扰,Is为未参与协作的所有小型基站的干扰。距离典型用户为x21和x22的两小型基站协作覆盖典型用户u0的覆盖概率为:
其中累积干扰I的拉普拉斯变换:
其中
令μα=(spj)-1xα,可以表示为:
其中F(x)可以表示为
r为积分变量,衰减因子α>2,当α=4时,F(x)能表达成:
2、仿真测试
在本部分,小型基站协作后的覆盖概率进行仿真分析。仿真参数如下表:
符号 | 参数名称 | 数值 |
p<sub>1</sub> | MBS发射功率 | 25w |
p<sub>2</sub> | SBS发射功率 | 0.1~5w |
α | 路径损耗因子 | 4 |
λ<sub>1</sub> | MBS部署密度 | 1/(500*500*π) |
λ<sub>2</sub> | SBS部署密度 | k/(500*500*π) |
k | 基站倍数 | 1~100 |
σ<sup>2</sup> | 系统噪声 | 10<sup>-11</sup> |
根据上表的参数设定通过仿真证明公式(1)。图2显示了阈值θ为0db时小型基站发射功率与SBS协作覆盖概率关系图。从图2中可以看出,在其他条件不变的情况下,小型基站协作的覆盖概率与小型基站的发射功率成单调递增的趋势,在发射功率小于1w的情况下覆盖概率变化比较快,随着功率的增大变化比较缓慢。所以可采取适当的提高小型基站的发射功率来进一步提高小区的覆盖性能。
图3显示了小型基站部署密度与小型基站协作覆盖概率关系,从图中可以看出,小型基站协作的覆盖概率与小型基站的分布密度成正相关。且当阈值为0db时,小型基站分布小于宏基站的30倍时,协作后的覆盖概率随小型基站密度变化比较大,在小型基站密度不断增大的情况下,协作后的覆盖概率变化不大,并趋于平缓。其原因在于随着基站的密度增大,用户接收到的有用信号增强,但是干扰也增大,所以最终覆盖概率的变化不会太大。但是从图中可以看出其与小型基站的密度分布是有很大关系的。具体实际中的取值可根据所要求的目标来进行设定。
图4显示小型基站协作与非协作的覆盖概率曲线对比图,n表示的是合作小型基站的个数,n=1时表示小型基站未协作。图中可以看出,在小型基站是宏基站部署密度的5倍时,在相同的阈值下,协作后的基站覆盖概率高于单个小型基站的覆盖概率,对小区内的覆盖性能有改善作用。当小型基站的密度提高到宏基站的100倍时,小型基站协作的覆盖概率有了明显的提高,尤其在阈值为-10~10db这一范围。高密度小型基站部署,使整个小区的覆盖性能得到了很大的改善,但同时提高了小型基站部署成本,所以根据区域覆盖性能要求,合理部署小型基站很重要。
综上,通过仿真可知,小型基站的部署不但可以提高小区的覆盖性能,提高吞吐量和网络覆盖率,还可以进一步降低基站建设的成本投入。然而小型基站是根据个人需要安装使用,其位置会呈现随机性,因此,采用随机几何对其进行分析,从而得到对应的部署密度,发射功率与覆盖概率之间的关系,为小型基站的部署以及功率设置提供理论分析。
本发明提出的一种小型基站协作的覆盖概率估计方法,是一种准确的全面的协作覆盖概率估计方法。通过在异构网络中建模,利用随机几何对覆盖概率进行建模推导,并在小型基站部署密度、发射功率、协作小型基站与非协作小型基站的覆盖概率进行了比较。通过协作覆盖概率估计方法和仿真分析发现,提高小型基站密度和发射功率可以有效的改善覆盖性能,同时,由于小型基站协作后把本视为干扰的信号在相互协作小型基站端进行联合处理转化为有用信号,从而提高了覆盖概率,改善了小区边缘用户的服务质量。因此,上述覆盖概率估计方法可以为小型基站部署的合理规划提供依据,同时,通过上述方法,进一步实现了网络的整体优化。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种小型基站协作的覆盖概率估计方法,其特征在于,包括以下步骤:
(1)将网络分为小蜂窝小区和宏小区,小蜂窝小区即第二层网络,为小型基站SBS服务的区域,宏小区即第一层网络,为宏基站MBS服务的区域;
(2)通过泰森多边形Voronoi图,以小型基站为中心对第二层网络进行小区划分;
(3)以网络中原点位置处的用户为典型用户,选取距离该典型用户最近的两小型基站作为该典型用户的协作小型基站;
(4)对步骤(3)中选取的两协作小型基站进行覆盖概率Pn=2估计,所述覆盖概率Pn=2具体为:
其中,n为协作小型基站个数,n=2表示两个协作小型基站,xji为第j层网络中第i个协作基站与典型用户的距离,那么,x21为第二层网络中第1个协作小型基站与典型用户的距离,x22为第二层网络中第2个协作小型基站与典型用户的距离,且0<x21<x22<∞;θ是典型用户作为接收机时信干噪比SINR的阈值,α>2是路径衰落因子,σ2为系统噪声,p2为第二层网络中协作小型基站发射功率,为累积干扰I的拉普拉斯变换,fΓ(x)为距离典型用户最近的两协作小型基站的联合概率密度函数。
2.根据权利要求1所述的方法,其特征在于,所述累积干扰I包括宏基站MBS和其他所有非协作小型基站SBS的总干扰。
3.根据权利要求1或2所述的方法,其特征在于,所述累积干扰I的拉普拉斯变换具体为:
其中,λj为第j层网络基站的部署密度;pj为第j层网络中基站发射功率,d为第j层网络中干扰基站相对于典型用户的距离的下确界,d的取值具体为:
4.根据权利要求1或2所述的方法,其特征在于,所述距离典型用户最近的两协作小型基站的联合概率密度函数具体为:
其中,λ2为第二层网络小型基站的部署密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777092.9A CN105451244B (zh) | 2015-11-13 | 2015-11-13 | 一种小型基站协作的覆盖概率估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777092.9A CN105451244B (zh) | 2015-11-13 | 2015-11-13 | 一种小型基站协作的覆盖概率估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105451244A CN105451244A (zh) | 2016-03-30 |
CN105451244B true CN105451244B (zh) | 2019-03-05 |
Family
ID=55560937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510777092.9A Expired - Fee Related CN105451244B (zh) | 2015-11-13 | 2015-11-13 | 一种小型基站协作的覆盖概率估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105451244B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277826A (zh) * | 2017-06-23 | 2017-10-20 | 微梦创科网络科技(中国)有限公司 | 网络覆盖性能评价依据的输出方法及装置 |
CN107277846B (zh) * | 2017-07-17 | 2018-03-27 | 华中科技大学 | 一种异构毫米波蜂窝网络的速率估计方法 |
CN111243264B (zh) * | 2018-11-13 | 2021-08-03 | 中国移动通信集团辽宁有限公司 | 车辆转向预测方法、装置、设备及介质 |
CN110287271B (zh) * | 2019-06-14 | 2021-03-16 | 南京拾柴信息科技有限公司 | 一种无线基站与区域型地理地物关联矩阵的建立方法 |
CN110912747B (zh) * | 2019-11-28 | 2021-08-13 | 江苏电力信息技术有限公司 | 一种基于随机几何的电力无线专网性能分析方法 |
CN111083713B (zh) * | 2020-01-16 | 2022-08-05 | 湘潭大学 | 一种面向双层蜂窝网络基站电磁辐射预测方法 |
CN114302412A (zh) * | 2021-12-27 | 2022-04-08 | 中国电信股份有限公司 | 基站建设智能规划方法及装置、存储介质、终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596192A (zh) * | 2013-10-08 | 2014-02-19 | 北京科技大学 | 一种获取Femtocell覆盖概率的方法 |
CN103929752A (zh) * | 2014-04-08 | 2014-07-16 | 北京邮电大学 | 基站间动态协同覆盖方法 |
CN103957554A (zh) * | 2014-04-21 | 2014-07-30 | 南开大学 | 一种无线基站小区覆盖率和容量的检测评估方法 |
CN104902488A (zh) * | 2015-04-17 | 2015-09-09 | 北京邮电大学 | 分层异构网络中各层网络基站的配置方法 |
-
2015
- 2015-11-13 CN CN201510777092.9A patent/CN105451244B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103596192A (zh) * | 2013-10-08 | 2014-02-19 | 北京科技大学 | 一种获取Femtocell覆盖概率的方法 |
CN103929752A (zh) * | 2014-04-08 | 2014-07-16 | 北京邮电大学 | 基站间动态协同覆盖方法 |
CN103957554A (zh) * | 2014-04-21 | 2014-07-30 | 南开大学 | 一种无线基站小区覆盖率和容量的检测评估方法 |
CN104902488A (zh) * | 2015-04-17 | 2015-09-09 | 北京邮电大学 | 分层异构网络中各层网络基站的配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105451244A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105451244B (zh) | 一种小型基站协作的覆盖概率估计方法 | |
CN103068021B (zh) | 绿色wlan中基于节能和干扰规避的ap发射功率优化方法 | |
Singh et al. | On association cells in random heterogeneous networks | |
CN102045734B (zh) | 一种基于自动场景分析的td-scdma系统参数方法 | |
CN107277846B (zh) | 一种异构毫米波蜂窝网络的速率估计方法 | |
CN105916198B (zh) | 一种异构网络中基于能效公平的资源分配和功率控制方法 | |
CN104159313B (zh) | 认知异构网络中基于可靠通信的家庭基站用户分簇方法 | |
CN107426758B (zh) | 蜂窝通信系统中基于家庭基站分布状态干扰统计建模方法 | |
CN104394535A (zh) | 面向协作通信的基站规划方法 | |
Mankar et al. | Modeling and coverage analysis of BS-centric clustered users in a random wireless network | |
CN105407520B (zh) | 一种集中式基站休眠决策方法及休眠系统 | |
CN103945518A (zh) | 一种认知无线电系统中基于波束成形的功率分配方法 | |
CN109462864A (zh) | 一种5g通信典型场景信道模型自适应匹配方法 | |
CN106209336B (zh) | 一种软件定义移动网络中的资源分配方法 | |
CN107454601B (zh) | 一种超密集环境下考虑小区间干扰的无线虚拟映射方法 | |
Ghosh et al. | Coverage and rate analysis in two‐tier heterogeneous networks under suburban and urban scenarios | |
CN110519770A (zh) | 一种两层异构蜂窝网络能量效率优化方法 | |
CN105554898B (zh) | 上行链路中部分信道状态信息下的干扰管理方法 | |
Kim et al. | Millimeter-wave interference avoidance via building-aware associations | |
CN103052078B (zh) | 认知网络中最大化主用户收益的定价方法 | |
CN102638807B (zh) | 一种下行干扰确定方法及装置 | |
CN107147468A (zh) | 基于多维资源的联合自适应干扰管理方法 | |
CN107249212B (zh) | 一种d2d通信中能效最大化的功率分配方法 | |
CN104022807B (zh) | 一种协作通信中协作建立的判断方法 | |
Ali et al. | Uplink coverage probability and spectral efficiency for downlink uplink decoupled dense heterogeneous cellular network using multi-slope path loss model |
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: 20190305 |