CN107277846B - 一种异构毫米波蜂窝网络的速率估计方法 - Google Patents

Abstract

本发明公开了一种异构毫米波蜂窝网络的速率估计方法，首先，以典型用户终端为中心，在视距链路情况和非视距链路情况下，对小型基站与微基站对应的两层网络进行对应比例缩放，使之能够视为虚拟单层网络；然后根据典型用户终端在网络中所处的位置，宏基站实现信号的调度，根据虚拟单层网络为用户分配最近小型基站或者微基站，再由毫米波通信的小型基站和微基站为用户提供具体服务。在此基础上，估计网络的平均可达速率。由于考虑到了环境因素对毫米波通信的影响，区分视距情况与非视距情况，将多层毫米波网络归一化为单层虚拟网络，使之在虚拟单层网络中距离用户最近基站即为用户的服务基站，提高了异构毫米波蜂窝网络速率估计的准确性。

Description

一种异构毫米波蜂窝网络的速率估计方法

技术领域

本发明属于无线通信技术领域，更具体地，涉及一种异构毫米波蜂窝网络的速率估计方法。

背景技术

随着智能移动终端与各种新型应用的广泛普及，各种形态的移动终端被应用于物联网中，“连接人与人”基本诉求的移动通信系统逐渐不能满足发展要求，海量终端的连接、低延时高可靠通信以及各异的应用场景都是亟待解决的问题。为应对这一挑战，面向未来的第五代移动通信(5G)便应运而生。

由于传统移动通信频带资源已趋于饱和，无法支持即将面对的巨大业务需求，面对这一挑战，在5G中基于毫米波(30-300GHz)频带通信被提出，并成为业界广泛研究的课题。相比于传统微波通信频段，虽然毫米波频谱资源极为丰富，但是由于毫米波的波长短，绕射能力差，极易被障碍物阻塞，使得毫米波更加适合短距离通信。并且毫米波频率极高，路径损耗严重，为了克服这一特性，一般使用定向性的波束赋型技术来克服传播中的路径损耗。小型基站和微基站凭借其大容量、覆盖好、易管理、成本低等优势，加上技术发展趋于成熟，毫米波与小型基站和微基站的结合是必然趋势。

然而，由于小型基站和微基站的发射功率和定向增益不同，部署根据需要进行安装，且接入点位置随机分布，服务基站的位置难以确定，地理位置上距离用户最近的基站并不一定是其服务基站等原因，使得在使用传统频段的宏蜂窝与使用毫米波小型蜂窝和微蜂窝共存网络中，复杂的网络面对着网络性能难以评估的挑战。

发明内容

针对现有技术的以上缺陷或改进需求，本发明的目的在于提供了一种异构毫米波蜂窝网络的速率估计方法，由此解决目前在使用传统频段的宏蜂窝与使用毫米波小型蜂窝和微蜂窝共存网络中，复杂的网络面对着网络性能难以评估的技术问题。

为实现上述目的，本发明提供了一种异构毫米波蜂窝网络的速率估计方法，包括：

以典型用户终端为中心，在视距链路情况和非视距链路情况下，对第二层网络和第三层网络进行对应比例缩放，以使第二层网络和第三层网络在视距链路情况与非视距链路情况下能够视为虚拟单层网络，其中，典型用户终端表示异构毫米波蜂窝网络中原点处的用户终端，第二层网络为异构毫米波蜂窝网络中由使用毫米波通信的小型基站组成的服务层网络，第三层网络为异构毫米波蜂窝网络中由使用毫米波通信的微基站组成的服务层网络；

由第一层网络根据典型用户终端发送的服务请求信号从虚拟单层网络中选取距离典型用户终端最近的基站作为典型用户终端的服务基站，其中，第一层网络为异构毫米波蜂窝网络中由使用传统微波频段通信的宏基站组成的控制层网络；

由服务基站到典型用户终端的通信链路为视距链路情况时网络的覆盖概率以及服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，对服务基站进行用户速率估计。

优选地，所述由服务基站到典型用户终端的通信链路为视距链路情况时网络的覆盖概率以及服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，对服务基站进行用户速率估计，包括：

由对选取的服务基站进行用户速率估计，其中，P_los表示典型用户终端作为接收机时，服务基站到典型用户终端的通信链路为视距链路情况时网络的覆盖概率，P_nlos表示典型用户终端作为接收机时，服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，T是典型用户终端作为接收机时信噪比的阈值。

优选地，视距链路情况时网络的覆盖概率P_los具体为：其中，x_L为以视距变量缩放后的虚拟路径，且0＜x_L＜∞，N表示系统噪声，α_L是视距链路情况的路径衰落因子，f^L(x_L)为视距链路情况下虚拟单层网络距离典型用户最近的基站的概率密度函数。

优选地，f^L(x_L)具体为：其中，C为在以典型用户终端为中心，半径为d的区域中视距区域的平均百分比，λ^L表示视距链路情况下缩放后的虚拟单层网络中的基站的密度。

优选地，λ^L具体为：

其中，k∈{2,3}，p₂表示第2层网络中基站的发射功率，p₃表示第3层网络中基站的发射功率，λ₂表示第2层网络中基站的密度，λ₃表示第3层网络中基站的密度，a表示运用波束成形技术产生的增益，x表示基站到典型用户终端的距离，表示指示函数。

优选地，非视距链路情况时网络的覆盖概率P_nlos具体为：其中，x_N为以非视距变量缩放后的虚拟路径，且0＜x_N＜∞，α_N是非视距链路情况的路径衰落因子，f₁ ^N(x_N)和为不同概率的非视距链路情况下的虚拟单层网络距离典型用户最近的基站的概率密度函数。

优选地，f₁ ^N(x_N)与分别表示为：

其中，λ₁ ^N是概率为1-C的基站在非视距链路情况下缩放后的虚拟单层网络中的密度，λ₂ ^N是概率为1的基站在非视距链路情况下缩放后的虚拟单层网络中的密度。

优选地，λ₁ ^N与λ₂ ^N分别表示为：

其中，k∈{2,3}。

优选地，α_L∈(0,2]，α_N∈(2,5)。

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，能够取得下列有益效果：

1、本发明针对异构毫米波蜂窝网络速率估计的过程中，考虑到了环境因素对毫米波通信的影响，区分视距链路情况与非视距链路情况，对多层毫米波网络进行缩放为单层虚拟网络，使得在虚拟单层网络中离典型用户终端最近基站即为典型用户终端的服务基站，提高了异构毫米波蜂窝网络速率估计的准确性。

2、通过实施本发明中异构毫米波蜂窝网络速率的估计方法，能够准确的分析异构毫米波蜂窝网络中各个因素对蜂窝网络性能的影响，进一步地，通过估计得到异构蜂窝网络的网络速率，为网络性能分析比较和小型基站与微基站部署规划提供便利。

3、本发明在对异构毫米波蜂窝网络速率估计过程中，考虑第五代移动通信的网络环境，包括传统频带宏基站实行调度功能，使用毫米波通信的小型基站和微基站实行服务用户功能，并对网络中的基站进行随机部署，在此基础上，根据典型用户终端所处网络中具体位置，估计用户可达速率，因而，通过对基站的发射功率以及密度的随机建模并通过对多层毫米波网络进行缩放处理后分析估计得到的用户可达速率更加贴合实际的网络应用环境。

附图说明

图1是本发明实施例公开的一种异构毫米波蜂窝网络的结构示意图；

图2是本发明实施例公开的一种异构毫米波蜂窝网络的速率估计方法的流程示意图；

图3是本发明实施例公开的一种距离d与毫米波蜂窝网络中用户可达速率的关系曲线图；

图4是本发明实施例公开的一种视距链路与非视距链路情况下用户可达速率的比较图。

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。

本发明提供了一种异构毫米波蜂窝网络的速率估计方法，首先，将宏基站，小型基站和微基站的位置随机建模，并通过对小型基站和微基站对应的两层网络的缩放处理，转化为单层的虚拟网络，在此基础上，根据用户在网络中所处的位置，估计为其服务的基站(小型基站或微型基站)的可达速率。由于建模的随机性和合理性，且估计过程中考虑到环境因素对用户可达速率的影响，因而，能更为准确地获取网络中用户可达速率，为网络性能分析比较和小型基站与微型基站部署规划提供便利。

如图1所示为本发明实施例公开的一种异构毫米波蜂窝网络的结构示意图；在本实施例中，图1所示的网络是由三种不同密度基站部署的独立网络层组成的异构网络，第一层网络为宏基站组成的控制层网络，使用传统微波频段通信，第二层网络和第三层网络分别为小型基站与微基站组成的服务层网络，使用毫米波频段通信，每一层基站的发射功率不同。假设在平面中第k层的基站服从一个二维空间密度为λ_k的泊松点过程(PoissonPoint Process，PPP)Φ_k，发射功率为p_k并且在k＝2,3(k＝2使用毫米波通信小型基站层，k＝3为使用毫米波通信微基站层)时主瓣带宽ω相同。小型基站和微基站的分布可以表示为Φ＝Φ₂+Φ₃，密度为λ＝λ₂+λ₃。考虑的典型用户终端并不失一般性，设原点为典型用户终端。通过第一层网络传递控制信号给第二三层网络基站，再由其传送消息为典型用户终端服务。

下面将重点阐述用来分析典型用户终端收到的信噪比(signal-to-noise ratio，SNR)以及归一化过程。

在本发明实施例中，毫米波通信的情况下，相对于典型用户终端，基站可以分为视距基站(通信路径没有阻塞)与非视距基站(通信路径有阻塞)，视距基站与非视距基站的区分主要是通过视距概率函数p_los(x)决定，表示为：

其中，0≤C≤1表示在以典型用户终端为中心，半径为d的区域圆内视距LOS区域所占区域百分比，x表示基站到典型用户终端的距离。

在本发明实施例中，在距离典型用户终端d的区域圆内，视距概率C可以表示为：

C＝exp(-β·d) (2)

其中系数β为预设值，优选地β＝0.01072。

在本发明实施例中，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2和3分别表示小型基站所在网络层和微基站所在网络层，典型用户的信噪比(signal-to-noise ratio，SNR)为：

其中k∈{2,3}，p₂和p₃分别表示小型基站和微基站发射功率并且p₂＞p₃，h_x为信道衰减系数，服从指数分布，a表示运用波束成形技术产生的方向性增益，在非视距链路情况没有方向性增益即a＝1，L(x)＝||x||^-α为服务基站到典型用户终端之间的路径损耗，α为路径衰落因子，视距链路情况的路径衰落因子α＝α_L∈(0,2]，非视距链路情况的路径衰落因子α＝α_N∈(2,5)，N表示系统噪声。

归一化过程，典型用户终端接收有用信号的功率P_kr为：

上式可以表示为基站发射功率为1，距离典型用户为虚拟距离相应的根据每层基站数量相等的原则，相应的缩放后的基站密度则可以表示

同时公式(1)可以表示为：

其中由于p₂＞p₃，则d₂＜d₃，在变换前视距区域的k层缩放后的网络密度可以表示为：

其中这里k∈{2,3}。

同理，根据公式(3)和(4)，非视距情况下a＝1，变换前处于视距圆区域内的基站密度通过缩放后可以表示为：

其中这里k∈{2,3}。

变换前处于视距圆区域外的基站密度通过缩放后可以表示为：

如图2所示是本发明实施例公开的一种异构毫米波蜂窝网络的速率估计方法的流程示意图，其中，如图1及图2中所示，部署的宏基站、小型基站和微基站随机分布，宏基站接收典型用户终端的服务请求信号，根据典型用户终端的位置对典型用户终端分配用户所能接收到的最大信号功率的基站进行服务，该服务基站与典型用户终端之间采用毫米波通信，根据典型用户终端与服务基站的链路中是否存在障碍物，通信链路可能是数据链路或者是非视距链路，主要是通过视距概率函数p_los(x)决定。本发明实施例中，视距链路表示典型用户终端与服务基站是直接通信，并且存在方向性增益，相应的路径损耗指数α_L≤2，非视距链路表示典型用户终端与服务基站中间有障碍物(建筑，人)，由于毫米波绕射能力差，有用信号是通过反射来传输，失去了相应的方向性增益，路径损耗指数α_N＞α_L。传输信号强度服从瑞利分布，有用信号功率服从指数分布，均值为1/μ，有用信号指的是传递用户所需信息的信号。本发明实施例中，宏基站仅执行控制调度功能，典型用户终端具体服务主要是小型基站和微基站提供。

在图2所示的方法中，包括以下步骤：

S1、以典型用户终端为中心，在视距链路情况和非视距链路情况下，对第二层网络和第三层网络进行对应比例缩放，以使第二层网络和第三层网络在视距链路情况与非视距链路情况下能够视为虚拟单层网络，其中，典型用户终端表示异构毫米波蜂窝网络中原点处的用户终端，第二层网络为异构毫米波蜂窝网络中由使用毫米波通信的小型基站组成的服务层网络，第三层网络为异构毫米波蜂窝网络中由使用毫米波通信的微基站组成的服务层网络；

S2、由第一层网络根据典型用户终端发送的服务请求信号从虚拟单层网络中选取距离典型用户终端最近的基站作为典型用户终端的服务基站，其中，第一层网络为异构毫米波蜂窝网络中由使用传统微波频段通信的宏基站组成的控制层网络；

S3、由服务基站到典型用户终端的通信链路为视距链路情况时网络的覆盖概率以及服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，对服务基站进行用户速率估计。

作为一种可选的实施方式，步骤S3具体可以通过以下方式实现：

由对选取的服务基站进行用户速率估计，其中，P_los表示典型用户终端作为接收机时，服务基站到典型用户终端的通信链路为视距链路情况时网络的覆盖概率，P_nlos表示典型用户终端作为接收机时，服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，T是典型用户终端作为接收机时信噪比的阈值。

作为一种可选的实施方式，视距链路情况时网络的覆盖概率P_los具体为：其中，x_L为以视距变量缩放后的虚拟路径，且0＜x_L＜∞，N表示系统噪声，α_L是视距链路情况的路径衰落因子，优选地，α_L∈(0,2)，f^L(x_L)为视距链路情况下虚拟单层网络距离典型用户最近的基站的概率密度函数，且f^L(x_L)可以表示为：

f^L(x_L)＝C·2πx_Lλ^Lexp(-πx_L ²λ^L)，其中，C为在以典型用户终端为中心，半径为d的区域中视距区域的平均百分比，λ^L表示视距链路情况下缩放后的虚拟单层网络中的基站的密度，λ^L具体表示为公式(6)，在公式(6)中，p₂表示第2层网络中基站的发射功率，p₃表示第3层网络中基站的发射功率，λ₂表示第2层网络中基站的密度，λ₃表示第3层网络中基站的密度，a表示运用波束成形技术产生的增益，x表示基站到典型用户终端的距离，表示指示函数。

作为一种可选的实施方式，非视距链路情况时网络的覆盖概率P_nlos具体为：

其中，x_N为以非视距变量缩放后的虚拟路径，且0＜x_N＜∞，α_N是非视距链路情况的路径衰落因子，优选地，α_N∈(2,5]，f₁ ^N(x_N)和为不同概率的非视距链路情况下的虚拟单层网络距离典型用户最近的基站的概率密度函数，f₁ ^N(x_N)与可以表示为：

其中，λ₁ ^N是概率为1-C的基站在非视距链路情况下缩放后的虚拟单层网络中的密度，λ₂ ^N是概率为1的基站在非视距链路情况下缩放后的虚拟单层网络中的密度。λ₁ ^N具体表示为公式(7)，λ₂ ^N具体表示为公式(8)。

证明：

P_los表示典型用户作为接收机时，服务基站到典型用户的通信链路为视距链路情况的网络的覆盖概率，P_nlos为服务基站到典型用户的通信链路为非视距链路情况的网络的覆盖概率，表示为：

同理P_nlos可以表示为：

下面通过仿真测试验证本发明提出的一种异构毫米波蜂窝网络的速率估计方法。仿真参数如表1所示：

表1

符号	参数名称	数值
			p2	小型基站发射功率	5w
p3	微基站发射功率	1～3w
			a	天线增益	20dB
αL	视距路径损耗因子	2
			αN	非视距路径损耗因子	4
λ2	小型基站部署密度	1/500
			λ3	微基站部署密度	k/500
k	基站倍数	1～10
			N	系统噪声	10-3

根据表1的参数设定通过仿真证明公式图3显示距离典型用户终端d与毫米波蜂窝网络中用户可达速率关系图。从图3中可以看出，在其他条件不变情况，随着距离典型用户终端d的位置的增加用户可达速率是先递增到达最高点再递减的，这表明存在一个最优距离使得用户可达速率最大，并且这个最优值是与基站密度相关联的。原因是，当d比较小(距离典型用户终端比较近)虽然视距概率C比较大，但是由于基站密度的原因，在距离典型用户为d的区域圆内，最近基站处于半径为d区域圆内的概率非常小，所以随着d的增大，视距概率C相应减小，但是服务基站处于半径为d区域圆内的概率增大，所以用户可达速率先递增，但是随着d越来越大，非视距概率1-C越大，服务基站处于半径为d区域圆内概率增量减小，所以用户可达速率会呈现递减趋势。所以才会存在图3中的d最优解，并且这个最优解还与基站密度有着直接的关系。具体实际中的取值可根据所要求的目标进行设定。

图4显示视距链路与非视距链路情况用户可达速率比较图。从图中可以看出，在同一距离d的情况下，视距链路下用户可达速率远远高于非视距链路，用户所得到的服务基本上来源于视距链路，这也从侧面表示出毫米波中用于的可达速率受链路阻塞情况影响比较严重，当用户与服务基站间链路被阻塞即非视距链路时，用户所的到的服务质量将大大下降，所以在使用毫米波的基站部署时，可以在障碍物密集的地方多增大基站部署密度，增加用户与服务基站间链路是视距链路的概率，使之用户可以得到更好的服务体验。

通过仿真可知，使用毫米波的小型基站和微基站部署不但可以提高网络的速率，提高服务质量，也可以进一步降低基站建设的成本投入。然而小型基站与微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，与用户距离及用户可达速率之间的关系，为小型基站的部署提供理论分析。

本发明提出的一种异构毫米波蜂窝网络的速率估计方法，是一种准确的全面的多层毫米波蜂窝网络速率的估计方法。通过在异构网络中建模，利用随机几何对用户可达速率进行建模推导，并在小型基站部署密度、到用户距离、视距链路和非视距链路情况下的用户可达速率进行了比较。通过毫米波蜂窝网络速率估计方法和仿真分析发现，提高异构网络中毫米波基站的密度和距离可以有效的改善用户可达速率，因此，上述毫米波蜂窝网络速率估计方法可以为小型基站和微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 (8)

1.一种异构毫米波蜂窝网络的速率估计方法，其特征在于，包括：

以目标用户终端为中心，在视距链路情况和非视距链路情况下，对第二层网络和第三层网络进行对应比例缩放，以使第二层网络和第三层网络在视距链路情况与非视距链路情况下能够视为虚拟单层网络，其中，目标用户终端表示异构毫米波蜂窝网络中原点处的用户终端，第二层网络为异构毫米波蜂窝网络中由使用毫米波通信的小型基站组成的服务层网络，第三层网络为异构毫米波蜂窝网络中由使用毫米波通信的微基站组成的服务层网络；

由第一层网络根据目标用户终端发送的服务请求信号从虚拟单层网络中选取距离目标用户终端最近的基站作为目标用户终端的服务基站，其中，第一层网络为异构毫米波蜂窝网络中由使用传统微波频段通信的宏基站组成的控制层网络；

由服务基站到目标用户终端的通信链路为视距链路情况时网络的覆盖概率以及服务基站到典型用户终端的通信链路为非视距链路情况时网络的覆盖概率，对服务基站进行用户速率估计；

其中，由对选取的服务基站进行用户速率估计，其中，P_los表示目标用户终端作为接收机时，服务基站到目标用户终端的通信链路为视距链路情况时网络的覆盖概率，P_nlos表示目标用户终端作为接收机时，服务基站到目标用户终端的通信链路为非视距链路情况时网络的覆盖概率，T是目标用户终端作为接收机时信噪比的阈值。

2.根据权利要求1所述的方法，其特征在于，视距链路情况时网络的覆盖概率P_los具体为：其中，x_L为以视距变量缩放后的虚拟路径，且0＜x_L＜∞，N表示系统噪声，α_L是视距链路情况的路径衰落因子，f^L(x_L)为视距链路情况下虚拟单层网络距离目标用户最近的基站的概率密度函数。

3.根据权利要求2所述的方法，其特征在于，f^L(x_L)具体为：f^L(x_L)＝C·2πx_Lλ^Lexp(-πx_L ²λ^L)，其中，C为在以目标用户终端为中心，半径为d的区域中视距区域的平均百分比，λ^L表示视距链路情况下缩放后的虚拟单层网络中的基站的密度。

4.根据权利要求3所述的方法，其特征在于，λ^L具体为：其中，k∈{2,3}，p₂表示第2层网络中基站的发射功率，p₃表示第3层网络中基站的发射功率，λ₂表示第2层网络中基站的密度，λ₃表示第3层网络中基站的密度，a表示运用波束成形技术产生的增益，x表示基站到目标用户终端的距离，表示指示函数。

5.根据权利要求4所述的方法，其特征在于，非视距链路情况时网络的覆盖概率P_nlos具体为：

其中，x_N为以非视距变量缩放后的虚拟路径，且0＜x_N＜∞，α_N是非视距链路情况的路径衰落因子，f₁ ^N(x_N)和为不同概率的非视距链路情况下的虚拟单层网络距离目标用户最近的基站的概率密度函数。

6.根据权利要求5所述的方法，其特征在于，f₁ ^N(x_N)与分别表示为：其中，λ₁ ^N是概率为1-C的基站在非视距链路情况下缩放后的虚拟单层网络中的密度，λ₂ ^N是概率为1的基站在非视距链路情况下缩放后的虚拟单层网络中的密度。

7.根据权利要求6所述的方法，其特征在于，λ₁ ^N与λ₂ ^N分别表示为：

其中，k∈{2,3}。

8.根据权利要求2或5所述的方法，其特征在于，α_L∈(0,2]，α_N∈(2,5)。