CN105933923A - 一种超密集组网小区分簇方法 - Google Patents

Abstract

本发明一种超密集组网小区分簇方法，属于移动通信领域；步骤为：首先，每个微基站实时获取所有用户的UE_MR数据，计算邻微小区i对用户j的干扰信息；然后，计算某微小区中所有用户的干扰信息平均值作为等效干扰；计算所有的邻微小区对该微小区的等效干扰；并设定等效干扰门限EI_th，选择该微小区的干扰小区集合；最后，判断该微小区的干扰小区集合与上一周期是否相同，如果相同，重新计算干扰信息；否则，微小区发送自己的干扰小区集合给宏基站；宏基站进行分簇，并通知各微小区。优点为：采用网络整体划分进行分簇，无原始簇或起始点的选择，其分簇结果具有稳定性；将UE_MR预处理工作交由微基站负责，微小区分簇由宏基站负责，达到负载均衡的目的。

Description

一种超密集组网小区分簇方法

技术领域

本发明属于移动通信领域，涉及超密集组网场景中的小区管理和移动通信技术，具体是一种超密集组网小区分簇方法。

背景技术

目前，5G网络技术处于研究的关键时期，异构网络和超密集组网是5G网络部署的两大特点。在超密集网络部署的异构网络场景中，大量的微基站之间以及宏基站与微基站之间都需要进行协作，频繁的信令交互造成X2链路的负担和信令过重。所以，需要对小区进行合理的分簇，既能方便基站管理和减少信令开销，又能进一步为CoMP(CoordinatedMultiplePoints)技术、动态TDD(TimeDivisionDuplexing)技术的运用提供条件。

目前主要的分簇方法主要是针对CoMP技术或者动态TDD技术提出的分簇，有以下几种：

专利公开号为CN104602279A的一种异构网络中基于阈值的协作基站分簇方法和装置，是针对CoMP技术提出的；首先计算出异构网络中的用户终端接收到的每个非所在基站的干扰信号强度；然后将每个非所在基站的干扰信号强度与设定的协作基站强度阈值进行比较，当非所在基站的干扰信号强度大于设定的协作基站强度阈值时，则将该非所在基站归纳于所述用户终端的协作基站簇。该方法主要是为了寻求某一用户的协作基站，但是要在超密集组网环境下寻找用户的协作基站，因为微基站数量很多，会引起巨大的信令开销和时间延迟，影响通信质量。并且该方法中的计算干扰信号强度只能是理论计算，基站间干扰是固定的，最终得到的小区分簇也就是固定的，无法适应信道的时变性，无法满足动态协作通信。

专利公开号为CN103298115A的一种基站及进行tdd基站上下行子帧配置的方法，是针对动态TDD技术提出的；首先需要确定设定区域内所有基站中每两个基站间的耦合损耗；然后根据基站间的耦合损耗对设定区域内的基站进行分簇；最后基站根据分簇结果进行TDD上下行子帧配置。其中，同一簇中的基站必须采用相同的TDD上下行子帧配置，不同簇中的基站采用相同或不同的TDD上下行子帧配置。该方法中耦合损耗的确定是一个难点，基站之间的耦合损耗都是基站之间互相测得或者根据传播模型计算得到的。但是现有的基站之间是不能测得相互之间的耦合损耗，因此耦合损耗只是理论上可以得到，并没有实现依据；根据传播模型计算得到的只是理想情况的干扰，不能体现信道变化，也就不能用于动态分簇。

专利公开号为CN103458414A的一种小区分簇方法，也是针对动态TDD技术提出的。首先需要计算无线通信网络小区集合中每两个小区之间的隔离度；设定隔离度阈值θ，判断这两个小区之间是否存在边；将每两个小区之间都存在边的小区集合划分为无线通信网络小区集合U内的子簇Si，i＝1，2，...，m，令子簇Si之间满足U＝S1∪S2∪…∪Sm；计算各子簇之间的连通度：设定连通度阈值N，根据连通度阈值N判断各子簇之间是否需要合并：当存在任意两个子簇之间的连通度大于连通度阈值N时，则对这两个子簇进行合并。根据子簇间的连通度阈值来规定对于干扰链路的容忍限度，能够在有效避免小区基站间串行干扰的前提下提高小区网络业务自适应性。但是该方法没有明确分簇处理实体，如果将分簇管理完全交给宏基站处理，需要宏基站掌握所有微小区之间的信道状况并进行统一管理，这样造成宏基站负担过重，增加通信延迟；也没有考虑用户、微基站以及宏基站之间的信令交互，或者是没有定义具体的信令结构，缺少进一步的规划。

专利公开号为US20150043390A1的一种动态小区分簇(Dynamiccellclustering)方法也是针对动态TDD技术提出的。该方法提出由微小区监测与一小区簇之间的干扰等级，发送测量报告给一个协调器，协调器判断该微小区的干扰等级是否大于预设门限，如果大于门限则将该微小区与该簇合并，由协调器向该微小区发送簇配置信息，然后根据微小区的业务状态向该小区分配TDD子帧配置。该方法基于原有簇或者选取某一小区作为起始点进行分簇，没有给出如何检测微小区干扰等级的有效方案，并将所有簇的分配和管理工作都交给协调器处理，如果该协调器定义为宏基站，则会大大增加宏基站的工作负担，如果协调器为新定义的一个实体，则会引起网络架构很大的改变。

针对以上问题，不仅针对CoMP技术和动态TDD技术，并考虑异构网络超密集组网情况下的宏微基站管理问题，使用UE_MR(UserEquipmentMeasurementReport)信令衡量两个小区之间的干扰程度是一种实际可行的方案，基于此提出合理的分簇方法和宏微基站以及用户之间的信令流程。

发明内容

本发明针对在CoMP技术和动态TDD技术下对小区分簇存在的问题，以及密集组网情况下，微小区数量极多难以管理的问题，提出了一种超密集组网小区分簇方法；

具体步骤如下：

步骤一、针对超密集网络中，每个微基站实时获取该微基站覆盖范围内的所有用户的UE_MR数据；

UE_MR数据包括四个字段：PCI、EARFCN、RSRP和RSRQ：

步骤二、针对微小区k中的某个用户j，通过分析用户j的UE_MR信令数据，计算邻微小区i对用户j的干扰信息I_ij：

I_ij＝RSRP_ij

其中，i为邻微小区编号，根据PCI和EARFCN字段唯一确定；

RSRP_ij是用户j测量到邻微小区i的参考信号接收功率值。

步骤三、针对微小区k，统计受微小区i干扰的微小区k中的所有用户的干扰信息I_ij，对干扰信息取平均，得到邻微小区i对微小区k的等效干扰EI_ik：

${\mathrm{EI}}_{ik}=\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}{I}_{ij}$

其中，N表示微小区k中受邻微小区i干扰的用户数量；

步骤四、针对微小区k，按步骤三计算所有的邻微小区对微小区k的等效干扰；

步骤五、设定邻微小区对微小区k的等效干扰门限EI_th，选择所有大于等于门限EI_th的邻微小区组成微小区k的干扰小区集合I_{k_set}；

步骤六、判断微小区k的干扰小区集合I_{k_set}与上一周期的干扰小区集合I′_{k_set}是否相同，如果相同，返回步骤二，否则进行步骤七。

步骤七、微小区k发送自己的干扰小区集合I_{k_set}给宏基站。

干扰小区信息包括目标小区ID和干扰小区ID，格式如下：

目标小区ID

干扰小区1ID

干扰小区2ID

.......

干扰小区nID

步骤八、宏基站接收到每个微小区的干扰小区信息，对所有的微小区进行分簇：

具体步骤为：

步骤801、宏基站下覆盖有M个微小区，针对每个微小区l，分别获取该微小区l与其他所有微小区之间的关联集合A_l；

A_l＝{A_l1,A_l2,…,A_lM}

步骤802、将M个微小区的所有关联集合组成关联矩阵A_matrix：

$A\_matrix=\left(\begin{array}{c}{A}_{11},A_{12},...,A_{1M}\\ \mathrm{..................}\\ A_{l1},A_{l2},...,A_{lM}\\ \mathrm{..................}\\ A_{M1},A_{M2},...A_{MM}\end{array}\right)$

步骤803、根据每个微小区的干扰小区信息，将关联矩阵A_matrix变换为干扰矩阵I_matrix；

具体如下：每个微小区的干扰小区均在关联矩阵A_matrix中对应的行中，针对每个微小区，将干扰小区在关联矩阵对应的位置置为1，该行的其余位置置0；

步骤804、将干扰矩阵I_matrix进行行交换和列交换，形成对角分块矩阵，每块即为一个簇；

当关联矩阵无法形成严格的对角分块矩阵时，去掉最少的元素可形成近似对角分块矩阵，将每个块划分为一个簇。

步骤九、宏基站给每个簇设定簇号ID，并将分簇信息通知给各微小区。

分簇信息格式如下：

簇号ID

簇内小区1ID

簇内小区2ID

.......

簇内小区nID

簇内微小区的ID即为每一子矩阵块包含的行号。

本发明的优点在于：

(1)一种超密集组网小区分簇方法，基于信号强度，综合考虑了发射功率和耦合损耗，使用矩阵表示小区间关系，使用矩阵变化得出整体的小区分簇方案，结果准确可靠。

(2)一种超密集组网小区分簇方法，只需利用UE_MR数据，这是现有网络容易获得的数据，通过必要的信令交互过程进行分簇，更加符合通信网建设实际情况。

(3)一种超密集组网小区分簇方法，将UE_MR预处理工作交由微基站负责，微小区分簇由宏基站负责，合理分配宏微基站之间的任务，达到负载均衡的目的。

(4)一种超密集组网小区分簇方法，采用网络整体划分的方法进行分簇，无原始簇或起始点的选择，其分簇结果具有稳定性。

附图说明

图1是本发明用户UE、微基站、宏基站之间的信令交互流程示意图；

图2是本发明一种超密集组网小区分簇方法流程图；

图3是本发明宏基站对所有的微小区进行分簇的方法流程图；

图4是本发明实施中用户使用场景中的宏基站与覆盖微小区示意图；

具体实施方式

下面将结合附图对本发明作进一步的详细说明。

超密集网络中，如图1所示，用户UE自发周期性上报UE_MR。微基站根据UE_MR信令判断干扰小区集合的变化，将干扰小区信息发送给宏基站，宏基站进行分簇，将分簇信息返还给微基站。

UE_MR具有很多隐含属性：其RSRP(ReferenceSignalReceivingPower)＝基站发射功率–耦合损耗，耦合损耗＝天线增益-路径损耗-大尺度衰落，同时将基站的发射功率和耦合损耗包含在内，是真实的小区干扰；数据量大，更能反映网络整体状况；所以本发明能够根据真实的信道情况进行管理。

如图2所示，具体步骤如下：

步骤一、针对超密集网络中，每个微基站实时获取该微基站覆盖范围内的所有用户的UE_MR数据；

UE_MR数据主要包括四个字段：PCI、EARFCN、RSRP和RSRQ；

具体信息如下：

步骤二、针对微小区k中的某个用户j，通过分析用户j的UE_MR信令数据，计算邻微小区i对用户j的干扰信息I_ij：

I_ij＝RSRP_ij

其中，i为邻微小区编号，根据PCI和EARFCN字段唯一确定；

RSRP_ij是用户j测量到邻微小区i的参考信号接收功率值；j为统一的用户编号。

步骤三、针对邻微小区i，统计受微小区i干扰的微小区k中的所有用户的干扰信息I_ij，对干扰信息取平均，得到邻微小区i对微小区k的等效干扰EI_ik：

${\mathrm{EI}}_{ik}=\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}{I}_{ij}$

其中，N表示微小区k中受邻微小区i干扰的用户数量；

步骤四、针对微小区k，按步骤三计算所有的邻微小区对微小区k的等效干扰；

收集微小区k的干扰邻小区信息。

步骤五、设定邻微小区对微小区k的干扰门限EI_th，选择所有大于等于门限EI_th的邻微小区组成微小区k的干扰小区集合I_{k_set}；

步骤六、判断微小区k的干扰小区集合I_{k_set}与上一周期的干扰小区集合I′_{k_set}是否相同，如果相同，返回步骤二，否则进行步骤七。

步骤七、微小区k发送自己的干扰小区集合I_{k_set}给宏基站。

干扰小区信息包括目标小区ID和干扰小区ID；小区ID指的是小区的某一特定标识符。干扰小区信息格式如下：

目标小区ID

干扰小区1ID

干扰小区2ID

.......

干扰小区nID

目标小区ID就是微小区k的ID；干扰小区ID是干扰小区集合I_{k_set}中的微小区ID；

步骤八、宏基站接收到每个微小区的干扰小区信息，采用小区分簇算法对所有的微小区进行分簇：

小区分簇算法如图3所示，具体步骤为：

步骤801、宏基站下覆盖有M个微小区，针对每个微小区l，分别获取该微小区l与其他所有微小区之间的关联集合A_l；

A_l＝{A_l1,A_l2,…,A_lM}

步骤802、将M个微小区的的所有关联集合组成关联矩阵A_matrix：

$A\_matrix=\left(\begin{array}{c}{A}_{11},A_{12},...,A_{1M}\\ \mathrm{..................}\\ A_{l1},A_{l2},...,A_{lM}\\ \mathrm{..................}\\ A_{M1},A_{M2},...A_{MM}\end{array}\right)$

步骤803、根据每个微小区的干扰小区信息，将关联矩阵A_matrix中变换为干扰矩阵I_matrix；

具体如下：每个微小区的干扰小区均在关联矩阵A_matrix中对应的行中，针对每个微小区，将干扰小区在关联矩阵对应的位置置为1，该行的其余位置置0；

关联矩阵A_matrix中的行号与列号都为微小区ID，且行号与列号按照相同顺序排列。针对微小区k，k是关联矩阵A_matrix中的第k行，对应的行中若邻微小区i是微小区k的干扰小区，将关联矩阵A_matrix中第k行第i列的值A_ki置为1；否则置0；每个微小区对自身的干扰值设为0；

通过干扰小区信息：原小区ID和干扰小区ID，得到一个行数和列数均为微小区数目的干扰矩阵：干扰矩阵I_matrix是由0和1组成的矩阵；

步骤804、将干扰矩阵I_matrix进行行交换和列交换，形成对角分块矩阵，每块即为一个簇；

通过矩阵的行交换以及列交换，形成一个具有最少冗余元素的近似分块矩阵，即去掉与矩阵元素个数相比少量数目的元素后为分块矩阵的形式，那么每一个块即为一个簇。注意在行交换与列交换的过程中，保持行号与列号按照相同的排列方式，即将如果将第m行与第n行将换，则也将第m列与第n列交换。

步骤九、宏基站给每个簇设定簇号ID，并将分簇信息通知给各微小区。

分簇信息格式如下：

簇号ID

簇内小区1ID

簇内小区2ID

.......

簇内小区nID

实施例：

用户的使用场景中，如图4所示，宏基站的一个扇区覆盖范围内有七个微小区，微小区ID分别为0，1，2，3，4，5，6。

微小区实时获取小区覆盖范围内用户事件触发上报的MR数据，根据UE_MR信令数据，得到小区间干扰信息。例如微小区0的其中一个用户a的UE_MR信息为：

小区的PCI和EARFCN可以用其它的小区唯一标识符代替。

根据此条UE_MR信令得到：小区1对小区0内的用户a干扰为I_1a＝34，小区2对小区0内的用户a干扰为I_2a＝30。同样，对于小区0内的其他用户，也可能得到小区1和小区2对他们的干扰。

每个微小区对收集到的邻小区信息进行汇总，例如微小区0对于邻小区的RSRP测量值按照用户数取平均之后得到EI₀₁＝37，EI₀₂＝33，其它微小区均按照这种方法执行操作。

假设门限EI_th＝20，由于EI₀₁＞EI₀₂＞EI_th，则小区0的干扰小区集合为小区1和小区2，如果该干扰小区集合与上一周期不同，则进行下一步；否则返回第一步。这里假设该干扰小区集合与上一周期的干扰小区集合不同，继续下一步。

微小区0将其干扰小区信息上报给宏基站，上报信令信息为：

目标小区ID	干扰小区1ID	干扰小区2ID
			0	1	2

同样，其它微小区均将自己的干扰小区信息上报给宏基站。

宏基站根据微小区上报的小区干扰信息对微小区进行分簇。

首先，根据小区干扰信息得到干扰矩阵I_matrix：

然后，将干扰矩阵I_matrix进行行与行之间的交换，和列与列之间的交换；通过矩阵变换得到分块矩阵：

最终根据矩阵结果，可将微小区分为两个簇，分别是簇1包含小区为0，1，2，6；簇2包含小区为3，4，5。

宏基站将得到的分簇信息发送给相应的微小区，需要向微小区0，1，2，6发送的信令信息为：

簇号ID	簇内小区1ID	簇内小区2ID	簇内小区3ID	簇内小区4ID
					1	0	1	2	6

宏基站向微小区3，4，5发送的信令信息为：

簇号ID	簇内小区1ID	簇内小区2ID	簇内小区3ID
				2	3	4	5

Claims (2)

1.一种超密集组网小区分簇方法，其特征在于，具体步骤如下：

步骤一、针对超密集网络中，每个微基站实时获取该微基站覆盖范围内的所有用户的UE_MR数据；

UE_MR数据包括四个字段：PCI、EARFCN、RSRP和RSRQ；

步骤二、针对微小区k中的某个用户j，通过分析用户j的UE_MR信令数据，计算邻微小区i对用户j的干扰信息I_ij：

I_ij＝RSRP_ij

其中，i为邻微小区编号，根据PCI和EARFCN字段唯一确定；

RSRP_ij是用户j测量到邻微小区i的参考信号接收功率值；

步骤三、针对微小区k，统计受微小区i干扰的微小区k中的所有用户的干扰信息I_ij，对干扰信息取平均，得到邻微小区i对微小区k的等效干扰EI_ik：

${\mathrm{EI}}_{ik}=\frac{1}{N}\underset{j=1}{\overset{N}{\Σ}}{I}_{ij}$

其中，N表示微小区k中受邻微小区i干扰的用户数量；

步骤四、针对微小区k，按步骤三计算所有的邻微小区对微小区k的等效干扰；

步骤五、设定邻微小区对微小区k的等效干扰门限EI_th，选择所有大于等于门限EI_th的邻微小区组成微小区k的干扰小区集合I_{k_set}；

步骤六、判断微小区k的干扰小区集合I_{k_set}与上一周期的干扰小区集合I′_{k_set}是否相同，如果相同，返回步骤二，否则进行步骤七；

步骤七、微小区k发送自己的干扰小区集合I_{k_set}给宏基站；

干扰小区信息包括目标小区ID和干扰小区ID，格式如下：

目标小区ID 干扰小区1ID 干扰小区2ID ....... 干扰小区nID

目标小区为微小区k的ID；

步骤八、宏基站接收到每个微小区的干扰小区信息，对所有的微小区进行分簇；

步骤九、宏基站给每个簇设定簇号ID，并将分簇信息通知给各微小区；

分簇信息格式如下：

簇号ID 簇内小区1ID 簇内小区2ID ....... 簇内小区nID

簇内微小区的ID即为每一子矩阵块包含的行号。

2.如权利要求1所述的一种超密集组网小区分簇方法，其特征在于：所述的步骤八具体为：

步骤801、宏基站下覆盖有M个微小区，针对每个微小区l，分别获取该微小区l与其他所有微小区之间的关联集合A_l；

A_l＝{A_l1,A_l2,…,A_lM}

步骤802、将M个微小区的所有关联集合组成关联矩阵A_matrix：

$A\_matrix=\left(\begin{array}{c}{A}_{11},A_{12},...,A_{1M}\\ ..................\\ A_{11},A_{12},...,A_{lM}\\ ..................\\ A_{M1},A_{M2},...A_{MM}\end{array}\right)$

步骤803、根据每个微小区的干扰小区信息，将关联矩阵A_matrix变换为干扰矩阵I_matrix；

具体如下：每个微小区的干扰小区均在关联矩阵A_matrix中对应的行中，针对每个微小区，将干扰小区在关联矩阵对应的位置置为1，该行的其余位置置0；

步骤804、将干扰矩阵I_matrix进行行交换和列交换，形成对角分块矩阵，每块即为一个簇；

当关联矩阵无法形成严格的对角分块矩阵时，去掉最少的元素形成近似对角分块矩阵，将每个块划分为一个簇。