CN107431937B

CN107431937B - 自适应天线系统的自适应扇区配置

Info

Publication number: CN107431937B
Application number: CN201580077406.2A
Authority: CN
Inventors: 塞巴斯蒂安·菲克斯尔; 克里斯蒂娜·赛特贝克; 普拉迪帕·拉玛钱德拉
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 2015-03-03
Filing date: 2015-03-03
Publication date: 2021-02-12
Anticipated expiration: 2035-03-03
Also published as: WO2016138934A1; US10349287B2; EP3266238A1; US20180041908A1; CN107431937A; EP3266238B1

Abstract

本公开涉及用于自适应天线系统AAS的天线扇区配置的方法、装置和计算机程序。一种在网络节点中执行的方法包括：基于无线电网络测量将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联(S35)，其中，对多个扇区配置模型中的每一个均执行关联。所述方法还包括：基于无线设备与相应扇区配置模型的扇区的关联，估计(S37)每个扇区配置模型性能度量，并且基于所估计的性能度量来选择(S37)AAS的天线扇区配置。

Description

自适应天线系统的自适应扇区配置

技术领域

本公开涉及用于自适应天线系统(AAS)的天线扇区配置的方法、装置和计算机程序。

背景技术

第三代合作伙伴计划(3GPP)负责通用移动电信系统(UMTS)和长期演进(LTE)的标准化。与LTE相关的3GPP工作也被称为演进通用陆地接入网络(E-UTRAN)。LTE是用于实现在下行链路和上行链路两者中均可以达到高数据速率的基于分组的高速通信的技术，并被认为是相对于UMTS的下一代移动通信系统。LTE相对于以前的无线电接入技术在容量和性能方面取得了显著的进步，并被运营商广泛部署，以满足消费者日益增长的需求。

在实践中，天线技术的现代化正在高速发展，这使得能够使用更先进的天线设置和技术来提高移动无线电网络中的容量和性能。随着现代有源天线系统(AAS)的发展，实现了若干个新的容量增强特征。这些特征之一是重新定义小区的可能性。此上下文中的小区(以下也称为扇区)是由在频率载波上传输的小区特定参考信号(CRS)定义的。

随着已经在实践中可用的AAS的使用，扇区化成为可能；将网络中的单个小区拆分为多个小区或扇区。扇区化的使用是提高蜂窝网络的容量的良好方法。通过使用定向辐射波束图，覆盖区域被划分成若干个扇区。允许不同的扇区使用相同的时间和频率资源，从而提高网络的容量。标准部署是每个站点使用三个定向天线，但也可以预见其它类型的部署。

随着其中每个天线由多个有源元件组成的自适应天线系统(AAS)的引入，出现了动态地改变扇区化的能力，使得每个天线能够传输不同方向的若干个波束，并且其中，每个波束起到能够重复使用时间和频率资源的单独小区的作用。扇区化是在水平和/或竖直平面中完成的，但水平扇区化当然也可以在竖直平面中产生影响，反之亦然。

利用这种扇区化所能够实现的增益是有前途的，并且对于实现将来的无线电网络的目标来说似乎是非常重要的。扇区化的益处主要来自于资源的空间重用，并且也来自对邻近小区的干扰减少。然而，因为必须在扇区之间共享可用总功率，因此，由于扇区间干扰和每个扇区的传输功率的降低，扇区化也存在代价。因此，扇区化并不总是有益处的。

益处和代价的平衡是成功的扇区化的重要方面。已知用户分布能够有助于做出扇区化或天线重配置决策；参见例如3GPP TSG-RAN WG3 Meeting#86，San Francisco，USA，November 17-21，2014，R3-142715–Load information enhancements for AASreconfiguration decisions，其公开了如何基于固定阈值来做出进行扇区化或不进行扇区化的决策。

现有方法还包括通过发出如DRS或CSI-RS之类的波束成形的参考信号来获取关于不同扇区的负载的信息，并且基于从这些参考信号获得的测量报告来确定UE的小区关联。使用DRS/CSI-RS来获取关于UE服务扇区的估计将产生一些开销。此外，在可能的扇区配置的数量很多的情况下，需要尝试许多配置。此外，传统UE不支持这一方案。

存在这样的需求：改进扇区设置和无线网络中的业务状况之间的依附性；提高使扇区化决策适应于用户分布的能力。

发明内容

本公开的目的在于：提供尝试单独地或以任何组合方式来缓解、减轻、或消除本领域中的上述缺陷中的一个或多个的方法、网络节点和计算机可读存储介质。

该目的是通过在网络节点中执行用于针对自适应天线系统(AAS)选择天线扇区配置的方法来实现的。所述方法包括：基于无线电网络测量将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联，其中，对多个扇区配置模型中的每一个均执行关联。所述方法还包括：基于无线设备与相应扇区配置模型的扇区的关联，估计每个扇区配置模型的性能度量，并且基于所估计的性能度量来选择AAS的天线扇区配置。

所公开的操作使得集中或分布式网络实体(例如，网络节点)能够随着时间的推移自适应地针对网络节点选择最优执行扇区配置。所公开的操作简化了用以完成以下操作的处理：针对AAS选择天线扇区配置模型，以及取消选择先前选择的扇区配置模型或更新决策以继续未改变的天线扇区配置模型(例如，其中eNB仅在一个小区中提供覆盖)。做出是否对正在考虑的小区开启或关闭扇区化的决策过程将适应于小区的覆盖区域中的空间和时间变化。因此，这些操作使得更好地使用自适应天线系统和AAS的能力。

根据本公开的其它方面，该方法包括：确定无线设备与所选择的天线扇区配置的扇区的实际关联，以及基于实际关联来更新与所选择的天线配置模型相对应的扇区配置模型。根据本公开的方面，基于所确定的性能度量来更新其它的扇区配置模型。根据方面，对用于将无线设备与相应配置模型的扇区相关联的一个或多个扇区化阈值执行更新。

本公开解决现有静态扇区化方法的缺点，并通过基于所观察到的实际事件和结果实现阈值更新来改善扇区化方法的性能。先前的扇区化阈值是静态的，并且当发现缺陷时需要手动输入。使用本文提出的自适应模型，在提供了与自适应地更新扇区化方法相关的反馈的同时消除了这种手动输入。

该方法包括选择AAS的天线扇区配置。根据本公开的一些方面，所述选择基于：所估计的每个配置模型的性能度量的比较、所估计的每个配置模型的性能度量与所确定的性能度量的比较、和/或所估计的性能度量与可配置的性能阈值的比较。根据本公开的方面，性能度量包括负载、吞吐量和/或延迟。

本公开提出了在对天线扇区配置的选择中可以考虑并合理地比较多个扇区配置模型的解决方案。

根据本公开的方面，该方法还包括：确定由网络节点服务的无线设备的性能度量，和/或导出指示由网络节点服务的无线设备的分布的无线特定统计信息。根据本公开的一些方面，无线设备特定统计信息是根据以下导出的：确定的性能度量、在网络节点中接收到的无线设备测量、或网络节点测量。这样的无线设备测量包括参考信号接收功率(RSRP)测量、预编码器矩阵指示符(PMI)测量、位置测量和/或定时提前测量。网络节点测量包括从无线设备接收的无线电信号的传播方向和/或传播延迟。

本公开提供了将现有性能测量和度量用于选择AAS的天线扇区配置的解决方案。因此，所提出的解决方案的信令开销是微不足道的。

根据本公开的方面，通过将导出的无线设备特定统计信息与相应扇区配置模型的扇区的一个或多个扇区化阈值进行比较，来将无线设备与相应扇区配置模型的扇区相关联。根据本公开的一些方面，根据AAS的扇区化能力来确定扇区配置模型

本公开提出了根据AAS的全部能力和AAS的可能的扇区配置的全部集合获益的解决方案。

根据本公开的方面，针对表示扇区配置模型中的扇区的相应占据区域的一个或多个参数来定义所述扇区阈值，并且其中，针对所述一个或多个参数来导出所述无线设备特定统计信息。根据本公开的方面，占据区域包括水平占据区域和/或竖直占据区域。根据其它方面，一个扇区化阈值表示扇区配置模型中的扇区的第一子集和第二子集之间的扇区化，并且根据选项，另一扇区化阈值表示扇区配置模型中的扇区的第三子集和第四子集之间的扇区化，其中，扇区的第三子集和/或第四子集包括的第一子集和/或第二子集的扇区。

本公开提出了能够评估AAS的各种复杂扇区化场景的解决方案。

本公开的目的还通过包括处理电路的网络节点来实现，所述处理电路用于针对网络节点的自适应天线系统(AAS)选择天线扇区配置。处理电路适于基于无线电网络测量将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联，其中，对多个扇区配置模型中的每一个均执行关联。处理电路还适于：基于无线设备与相应扇区配置模型的扇区的关联来估计每个扇区配置模型的性能度量，并且基于所估计的性能度量来选择AAS的天线扇区配置。

本公开的目的还通过其上存储有计算机程序的计算机可读存储介质来实现，该计算机程序在网络节点中运行时使得网络节点执行先前公开的方法。

网络节点和计算机可读存储介质各自显示出与针对相应方法和方法的方面所描述的优点相对应的优点。

附图说明

图1：

a)示意性地示出了在其中可以实现所提出的方法的示例性蜂窝通信网络，

b)示意性地示出了被配置为用于具有四个扇区的扇区配置的网络节点的侧视图，

c)示意性地示出了图1b的俯视图；

图2：

a)公开了使用当两个水平扇区在平均用户吞吐量方面表现优于一个扇区时的理论模型的评估，

b)公开了使用当两个竖直扇区在平均用户吞吐量方面表现优于一个扇区时的理论模型的评估，

图3：

a)是示意性地示出在网络节点中执行的用于为自适应天线系统(AAS)选择天线扇区配置的示例节点操作的流程图，

b)是示意性地示出节点操作的方面的流程图；

图4是示出用于执行节点操作的示例节点配置的框图；

图5是示出用于执行节点操作的示例模块的框图。

具体实施方式

在下面的描述中，为了解释而非限制的目的，阐述诸如特定组件、元件、技术之类的具体细节，以便提供对示例性实施例的全面理解。然而，对本领域技术人员显而易见的是，示例实施例可以以脱离这些具体细节的其它方式来实施。在其他实例中，省略了公知方法和元件的具体描述，以避免模糊示例性实施例的描述。本文使用的术语是为了描述示例实施例的目的，而不旨在限制本文呈现的实施例。应当理解，本文呈现的所有示例实施例可以适于在蜂窝网路中所使用的任何自适应天线系统。

为了更好地说明本文呈现的示例实施例，将首先确定和讨论问题。

图1公开了示例性LTE无线网络100。无线设备20(在下文中还呈现为用户设备(UE)20)被配置为用于通过空中接口将数据传输到一个或若干个网络节点10(例如，无线电基站(RBS)或演进节点B(eNB))，每个网络节点能够在一个或多个小区(此处被示为具有扇区11a至11c、12a至12c和13a、13b的小区11至13)中提供覆盖。

图1b和图1c示意性地示出了被配置为用于具有多达四个扇区的扇区配置的网络节点。图1b公开了侧视图，并且图1c示出了来自俯视图的相应扇区配置。扇区A和B示出了基本上覆盖水平面中的不同区域的两个水平扇区。与扇区A和B相比，扇区C和D示出了覆盖竖直面中的不同区域的两个竖直扇区。

如何最优地选择扇区配置的问题(例如，决定何时将小区13划分成两个扇区13a、13b是有益的)是本领域中公知的。在很大程度上，最优选择取决于所得扇区的负载。

图2a和图2b中给出了扇区化决策如何取决于所得扇区的负载的示例。

图2a公开了使用理论模型的扇区化的效果的评估。评估是针对水平扇区化(例如，如图1b和图1c中所示的水平扇区A和B)而做出的。图2a示出了两个水平扇区的负载。指示了性能阈值。对于低负载或当所得扇区之间的负载不均衡时，附图揭示了不划分扇区的配置是最优选择。

图2b公开了使用另一理论模型的扇区化的效果。评估是针对竖直扇区化(例如，如图1b和图1c中所示的竖直扇区A和D)而做出的。图2b示出了对两个竖直扇区所估计的负载。扇区化阈值被指示为内扇区和外扇区的所得负载的函数。竖直扇区化是最优在很大程度上取决于内小区的所得负载。

如图2a和2b所示，可以将“扇区化阈值”表示为相应扇区的所得负载ρ₁和ρ₂的函数。即，可以将阈值曲线描述为f(ρ₁,ρ₂)＝λ。基于这些结果，扇区化方法可以被定义为：

“如果f(ρ₁，ρ₂)≤λ，则选择具有一个扇区的扇区配置，否则，选择具有两个扇区的扇区配置”。

如前所述，已知用户分布能够有助于做出扇区化或天线重配置决策；参见例如3GPP TSG-RAN WG3 Meeting#86，San Francisco，USA，November 17-21，2014，R3-142715–Load information enhancements for AAS reconfiguration decisions。在该现有技术提议中，基于固定阈值来做出进行扇区化或不进行扇区化的决策。阈值基于预定的输入参数，例如，预测的内小区和外小区中的负载、预测的内小区和外小区中的用户的数量等。在网络上或者对于给定小区，阈值是恒定的并且是预定的。

现有方法还包括获取关于不同扇区的负载的信息。最优扇区配置取决于所得扇区中的负载；一般的趋势是：在低负载下，扇区化是不利的。因此，最优扇区配置可能会随时间而变化。例如，由于时变业务模式，在一天的不同时间段内，不同的扇区配置可能是最优的。

所得扇区的负载将在很大程度上取决于每个扇区所服务的用户的分布、用户的业务需求和用户的SINR。可以通过发送如DRS或CSI-RS的波束成形的参考信号来获取负载信息，并且基于从这些参考信号获得的测量报告来确定UE的小区关联。然而，使用DRS/CSI-RS来获取关于UE服务扇区的估计将产生开销。此外，在可能的扇区配置的数量很多的情况下，需要尝试许多配置。此外，传统UE不支持该方案。

为了真正实现扇区化的全部益处，需要改进扇区设置与无线网络中的当前业务状况之间的依附性、提高在不实际改变扇区配置的情况下预测所得扇区的负载ρ₁和ρ₂的能力。

还需要改进导出扇区阈值f(ρ₁，ρ₂)＝λ的方式。最优阈值将取决于各种因素，例如环境的几何特征、所得扇区之间的干扰水平、从网络中的相邻小区接收到的和向网络中的相邻小区施加的干扰的水平等等。

本公开提供了一种在网络节点中执行的方法，所述方法用于自适应地针对自适应天线系统(AAS)选择天线扇区配置，解决使扇区化适应于无线网络中的当前业务状况的问题。本公开还提供了一种计算机可读存储介质，所述计算机可读存储介质包括在网络节点中运行时使得节点执行所述方法的计算机程序。

现在将参考示出了网络节点中的示例节点操作的图3a和图3b来描述技术。

应当理解，附图包括用实线边框示出的一些操作和用虚线边框示出的一些操作。用实线边框示出的操作是包括在最宽泛示例实施例中的操作。用虚线边框示出的操作是可以包括在如下其他实施例中或作为如下其他实施例的一部分或者就是如下其他实施例的示例实施例，所述其他实施例是除更宽泛示例实施例的操作和模块之外可以采取的实施例。应当理解，不需要按顺序执行操作。

图3a示出了在网络节点中所执行的用于针对自适应天线系统(AAS)选择天线扇区配置的示例操作。在操作的最宽泛的上下文中，选择包括分组操作、性能估计操作和选择操作。在分组操作中，针对多个扇区配置模型中的每一个，将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联S35。在性能估计操作中，基于无线设备与相应配置模型的扇区的关联来估计S37每个扇区配置模型的性能度量。在选择操作中，基于所估计的性能度量来选择S39天线扇区配置。

图3a还示出了用于进行以下操作的可选示例操作：确定S31由网络节点服务的无线设备的性能度量，以及导出S33指示无线设备的分布的无线设备特定统计信息。这些操作将在以下示例性操作的详细公开内容中进一步详细描述，但是在本公开的上下文中这些操作是可选操作。

在下文中，本公开将举例说明由eNodeB/eNB服务的无线设备(也称为用户设备(UE))的状况，但不限于这种网络配置。将在下面的描述中，网络节点中的操作被呈现为在eNB中执行，但是不被认为限于这种网络配置。术语“网络节点”和“eNB”将以可互换的方式使用。这同样适于无线设备和用户设备(UE)。

在导出S33指示由网络节点服务的无线设备的分布的无线设备特定统计信息的可选步骤中；网络节点获取指示由eNodeB服务的UE的分布的统计信息(例如，关于UE的地理信息，该地理信息可以与扇区配置模型的所得扇区的假设地理占据区域相关)。

通过访问这种统计信息，当采用某种扇区配置时eNodeB能够估计哪个所得扇区将服务每个UE，即将由网络节点服务的无线设备与扇区相关联。

存在直接或间接指示无线设备的分布的各种无线设备特定统计信息。如图3a所示，在操作S31中可选地确定由网络节点服务的无线设备的性能度量，由此根据所确定的性能度量导出无线设备特定统计信息。然而，同样可以根据对网络节点已经可用的性能度量(例如，通过对正在进行的连接执行的性能测量)来导出统计信息。

统计信息可以包括根据eNodeB对UE所传输的信号的测量而导出的统计信息。这种统计信息的示例是到达的无线电信号的传播方向、到达方位角(AoA)和到达天顶(ZoA)的估计。如果扇区占据区域可以被充分描述为角域中的区域，则这样的估计提供哪个扇区将服务哪个UE的输入。回到图1b，关于eNB示出了UE天顶角θ。天顶角θ指示适于服务UE的扇区，其中，较大天顶角θ可以表明可以从竖直扇区化获得益处。

根据由eNodeB所得到的测量而导出的统计信息的另一个示例是传播延迟的估计。eNodeB已经以定时提前(TA)的形式计算出了传播延迟，TA被发回到UE以对准上行链路传输。TA值与从UE到eNB的信号延迟相对应。eNB向UE发信号通知TA以使UE能够校正其定时，使得eNB接收的上行链路信号在子帧中正确对齐。给定该延迟，然后可以相应地计算信号的行进路径的距离。

指示无线设备的分布的无线设备特定统计信息还包括UE的测量，其被发回到eNodeB(例如，如参考信号接收功率(RSRP)测量之类的信号强度测量)。信号强度和传播延迟两者都可以指示eNodeB和UE之间的距离。RSRP是信号强度的测量，信号行进的路径越长，信号衰减越多。因此，较低的RSRP能够指示较大的距离。然而，这是粗略测量，因为UE可以位于靠近eNB但是在例如地下室的位置处，因此也具有衰减的信号，那时就要考虑一般遮蔽物(例如，阻碍信号路径的建筑物)。然而，存在例如通过使用所谓的指纹得到位置的估计来基于RSRP改进位置的估计的技术。这要求首先通过在BS周围的区域周围行驶、收集RSRP测量、并且用位置标记每个测量来离线创建RSRP“地图”。然后，可以在线将来自UE的RSRP测量与RSRP地图进行比较，以获得位置的估计。

返回到图1b和图1c所示的扇区配置模型，还应当理解，对于某些扇区配置(例如包括竖直扇区和水平扇区的组合的扇区配置)，eNB与UE之间的距离d可以是UE将由哪个扇区服务的良好的指示符。具有到eNodeB的较短距离d的UE更有可能由下部的竖直扇区D服务，而距离eNodeB更远的UE更有可能由上部的水平扇区A服务。

在LTE标准中由UE计算并被发回到eNodeB的预编码器矩阵指示符(PMI)是指示UE的分布的无线设备特定统计信息的另一示例。PMI从用于数据传输的一组可能的预编码器(预编码器码本)中指示使用哪个预编码器。在天线端口之前将预编码器乘以信号，并且基本上为每个天线设置单独的相移。对于一些传输模式和天线配置，PMI可以指示相对于eNodeB的UE角方向。

所收集的导出的无线统计信息还可以包括与可以由UE报告或可以由eNodeB估计的UE的实际位置相关的位置测量。

当然，也可以根据上述公开示例的组合来导出指示无线设备的分布的无线特定统计信息。

在图3a中公开的最宽泛的示例操作中，在分组操作中，使用无线电网络测量来将无线设备与扇区配置模型的扇区相关联S35。如上所述，这样的无线电网络测量可选地以根据无线电网络测量导出的无线设备特定统计信息的形式使用。

基于无线电网络测量(例如，如上所述的导出的无线特定统计信息)以及可参数化分组方法，eNodeB根据包括一个或多个扇区配置模型的扇区配置假设，通过例如假设服务扇区来对UE分组。根据AAS的扇区化能力来确定扇区配置假设，即根据AAS的扇区化能力来确定一个或多个扇区配置模型。eNodeB对若干个扇区配置模型执行分组，或者可以仅考虑一个扇区配置模型。根据下面将进一步举例说明的本公开的方面，通过将导出的无线设备特定统计信息与相应配置模型的扇区的一个或多个扇区化阈值进行比较，来执行将无线设备与相应扇区配置模型的扇区相关联S35。

在分组操作的示例中，eNodeB仅考虑一个扇区配置模型，即包括如图1b和图1c所示的水平扇区A和竖直扇区D的两个扇区配置模型的扇区A和D。基于无线电网络测量，eNodeB已经导出了关于eNodeB所服务的UE的ZoA估计

的统计信息。在UE被分组到假设被扇区A或扇区D服务的组A和D中的实施例中，分组方法可以被描述为阈值，即：如果

则UE u包括在组A中，或者如果

则UE u包括在组B中。这里，β是作为可参数化分组方法的参数的阈值水平。阈值水平是预定的固定阈值，或者可选地，是如将在下面进一步描述的适应性阈值水平β。

通常，可以使用基于任何无线电网络测量(例如，任何数量的所获取的统计信息)的任何种类的分组方法。

在分组操作的另一示例中，针对表示扇区配置模型中的扇区的相应占据区域的一个或多个参数定义扇区化阈值；其中，针对所述一个或多个参数导出无线设备特定统计信息。在使用针对一个或多个参数的扇区化阈值的示例中，eNB考虑包括由如图1b和图1c所示的四个扇区A至D组成的扇区配置模型的扇区配置假设。在该示例中，eNodeB已经获取了关于其所服务的UE的AoA估计

ZoD估计

和定时提前TA的统计信息。本实施例中所使用的分组方法可以被描述为：

·如果

则将UE u分组到组A或D中，否则，将UE u分组到组B或C中。

·如果

则将UE u分组到组D或C中，否则，将UE u分组到组A或B中。

这里，系数β₁,β₂,β₃,β₄是使用扇区化阈值β的该可参数化分组方法的参数。在本公开的上下文中，系数β₁可以被看作表示扇区配置模型中的扇区的第一子集和第二子集之间的扇区化的一个扇区化阈值。系数β₁是针对表示具有基本上在水平方向上的占据面积的扇区配置的参数而定义的。根据上述示例，扇区的第一子集包括扇区A和D，第二子集包括扇区B和C，扇区化阈值确定A和D的子集或B和C的子集中的UE的分组，即，如在水平面中看到的不同的占据区域中的分组。

这里呈现为第二阈值系数β₂、第三阈值系数β₃和第四阈值系数β₄的组合的另一扇区化阈值表示扇区配置中的扇区的第三子集和第四子集之间的扇区化；扇区的第三子集和/或第四子集包括第一子集和/或第二子集的扇区。根据上述示例，扇区的第三子集包括扇区C和D，第四子集包括扇区A和B，扇区化阈值表示包括竖直占据区域的扇区配置模型中的分组。

应当注意，对于扇区配置假设的每个扇区配置模型，不同UE组和扇区配置模型的假设扇区之间不需要都存在对应关系。例如，对于一些扇区配置模型，UE组的数量可以是两个，而假设扇区的数量可以是5。然而，对于在关联步骤中使用的扇区配置模型中的至少一个，应该存在对应关系。

eNodeB针对一个或多个扇区配置模型执行UE的分组。也就是说，对于每个所考虑的扇区配置模型，eNodeB执行UE分组。使用不同的分组方法对相应扇区配置模型执行分组，或者使用相同的分组方法对所有模型执行分组。

扇区配置假设的不同扇区配置模型可以与每维度的不同数量的扇区相对应，比如，“两个竖直扇区”、“两个水平扇区”或“水平维度中的三个扇区和竖直维度中的两个扇区”。根据本公开的方面，利用与每维度相同数量但关于其它参数(比如，天线波束形状或扇区之间的功率分布)有差异的扇区来对扇区配置模型建模。示例是“具有指向天顶角102°和118°的主瓣的两个竖直扇区”或者“具有指向天顶角95°和108°的主瓣的两个竖直扇区”。因此，本公开可适于基于AAS的扇区化能力而有效的任何类型的扇区配置模型。

根据图3a中公开的宽泛的示例操作，针对AAS选择天线配置的方法还包括：基于无线设备与相应扇区配置模型的关联来估计S37每个扇区配置模型的性能度量的操作，以及根据所估计的性能度量来选择S39 AAS的天线扇区配置的操作。

因此，考虑关联操作的输出，基于将无线设备分组到不同扇区配置模型的假设分组来估计与无线电网络整体相关的性能度量。针对在关联操作期间考虑的每个扇区配置模型假定地确定性能度量，但是在给定扇区配置模型例如由于天线系统中的问题而不再可用于自适应天线系统的情况下，在本公开的范围内，考虑针对表示可操作扇区配置模型的每个扇区配置模型估计性能度量。当将扇区配置模型应用于由网络节点服务的无线设备时，基于关联估计每个扇区配置模型的性能度量。在图1b和图1c的示例中，针对如下扇区配置模型估计性能度量：所有无线设备与扇区A相关联的扇区配置模型、无线设备与水平扇区A和B相关联的扇区配置模型、无线设备与竖直扇区A和D相关联的扇区配置模型、或具有关联的无线设备的任何其它合适的扇区配置模型。

基于作为不同UE组的无线电网络统计信息的函数的值的输入来估计性能度量，例如，吞吐量、负载、延迟、信噪比和干扰比(SINR)和/或RSRP等。这样的无线电网络统计信息包括例如瞬时值、时间平均值或对在选择天线扇区配置的之后用于UE组的值将是什么的预测。

例如，可以通过采用时间平均值并应用重新缩放、考虑如果扇区配置改变可能发生的所述UE组的SINR的改变，来估计一个或多个扇区配置模型中的不同UE组的将来的负载值的预测。

基于所估计的性能度量来执行AAS的天线扇区配置的选择，例如，基于所估计的每个配置模型的性能度量的比较、所估计的每个配置模型的性能度量与所确定的由网络节点服务的无线设备的性能度量的比较、或者所估计的性能度量与可配置性能阈值的比较。这意味着：针对AAS选择天线扇区配置是在小区中启动扇区化、在小区中改变扇区化或在小区中停止扇区化的决策的结果。根据本公开的方面，选择AAS的天线扇区配置包括：选择在分组操作和估计操作中考虑的扇区配置模型中的一个，但是针对AAS选择天线扇区配置模型还包括：取消选择先前选择的扇区配置模型，或者继续使用未改变的天线扇区配置模型(例如，其中eNB仅在一个小区中提供覆盖)。

用于针对AAS选择天线扇区配置的上述公开示例操作不依赖于用于决定什么时候进行扇区化或不进行扇区化的特定方法。上述例示的分组操作、性能估计操作和选择操作适于现有的扇区化方法(其中特定参数的固定预定阈值用作一个或多个扇区化模型的基础)；为扇区化的决策提供条件。然而，操作也适于将在下面详细公开的自适应扇区化方法。根据本公开的方面，针对AAS选择天线配置的方法还包括：调整扇区配置模型的参数以允许使用自适应扇区配置模型，例如，通过调整在选择初始天线扇区配置模型时已经使用的参数，或者通过包括附加参数来定义正在考虑的扇区配置模型的先决条件。用于实现一个或多个扇区化模型的自适应更新的操作包括：确定S351无线设备与所选择的天线扇区配置的扇区的实际关联的操作，基于实际关联来更新S352与所选择的天线配置模型相对应的扇区配置模型的操作，以及基于所确定的性能度量更新S353其它的扇区配置模型的操作。因此，在对使用AAS的所选择的天线扇区配置的eNB的选择和操作之后，确定天线扇区中的UE的实际业务分布。

因此，确定无线设备与扇区的实际关联并且基于实际关联和针对该实际关联而确定的性能度量来更新所选择的扇区配置模型，允许eNodeB调整可参数化分组方法的参数，即调整扇区化模型的阈值参数。

通过示例性实施例在图1b和图1c的扇区化环境中对此进行示出。在该实施例中，通过将估计的UE ZoA角

与阈值β相比较，将UE分组为假设地由扇区A服务或假设地由扇区D服务的组A和D。如果

则UE u包括在组A中，或者如果

则UE u包括在组D中。当执行调整扇区化阈值的参数的操作时，确定选择特定扇区配置模型的实际结果。在该步骤中，分别针对实际由扇区A和扇区D服务的UE再次获取ZoA估计。然后，调整参数β(即，该分组操作的扇区化阈值)以更好地与每个所得扇区中的UE的ZoA角相对应，使得下一次使用分组方法时可以形成更好的分组。例如，该实施例中的分组方法参数可以被调整为：

如果将指示UE到基站的距离的统计信息(比如，RSRP或TA)用作为用以导出两个或更多个竖直扇区的分组的输入，则要为分组方法导出正确的阈值数值可能就特别困难。因此，所提出的适应性分组方法可能使得能够使用这种统计信息来预测例如被输入到扇区化方法的负载值。

如果eNodeB已经对不同扇区的波束形状进行了优化，则可以在更新扇区化阈值的参数时考虑这一点。这里例示了两种状况。

在第一示例中，不同的扇区配置模型与每维度的不同数量的扇区相对应，例如“两个竖直扇区”、“两个水平扇区”或“水平维度中的三个扇区和竖直维度中的两个扇区”。假设这样一个示例：如图3a中的操作S39所公开的，在选择天线扇区配置时将扇区配置改变为两个扇区A和D。两个竖直扇区的默认波束天顶方向为θ_A和θ_D。当改变为“两个竖直扇区”时，对波束天顶方向执行优化，导致新的扇区波束天顶方向为

和

eNodeB现在可以将该扇区配置模型的默认波束天顶方向更新为

和

现在，该扇区配置模型的扇区化阈值的参数的自适应调整可以考虑默认波束天顶方向可能已经改变。

在第二个示例中，不同的扇区配置假设与每维度具有相同数量的扇区但具有不同的天线波束形状(比如，“具有指向天顶角102°和118°的主瓣的两个竖直扇区”或者“具有指向天顶角95°和108°的主瓣的两个竖直扇区”)的假设相对应。假设这样一个示例：在选择AAS的天线扇区配置时，扇区配置被改变为“具有指向天顶角θ_A和θ_D的主瓣的两个竖直扇区”。当改变时，对波束天顶方向执行优化，导致新的扇区波束天顶方向为

和

从而有效地导致新的扇区配置模型。当对所选择的扇区配置模型的扇区化阈值的参数进行更新时，eNodeB现在可以更新与如下这样的扇区配置模型相对应的扇区化阈值：具有天顶角为θ_A和θ_D的扇区配置的扇区配置模型，以及具有天顶角为

和

的扇区配置的扇区配置模型。因此，基于所选择的天线配置中的无线设备的实际关联，可选地更新除了所选择的模型之外的其它扇区配置模型的一个或多个扇区化阈值。

如前所述，本公开还涉及更新扇区化模型。用于实现对一个或多个扇区化模型进行更新的操作基于使用一个或多个初始性能阈值来选择应当采用哪个扇区配置的结果。然后，当扇区配置改变时，通过考虑性能是提高还是降低，在每次改变扇区配置时迭代更新在所选择的扇区配置模型中使用的一个或多个扇区化阈值。通过基于该反馈迭代地更新一个或多个扇区化阈值，阈值可以收敛到网络中的每个小区的不同的最优值。

由于最优阈值参数取决于各种因素，因此，导出最优阈值参数不是一个微不足道的问题。参数的最优值对于网络中的每个小区来说可能是不同的，甚至可能随时间而变化。

所提出的方法尝试通过在第一步骤中进行以下操作来解决这个问题：使用所述参数的一些初始值，然后在每次使用扇区化方法来改变扇区配置时自适应地更新所述参数值。

继续给出不同的可参数化扇区化方法的一些更多的示例。

在第一示例中，性能阈值被建模为所得扇区的负载的线性函数：

·当前的扇区配置由一个扇区组成。

·考虑的扇区配置假设由两个扇区A和B组成。

·如果扇区化度量λ₁ρ_A+λ₂ρ_B≥λ₃，则扇区化方法由将扇区配置改变为扇区化配置假设组成。ρ_A是扇区A的负载估计，ρ_B是扇区B的负载估计，并且λ₁,λ₂,λ₃是组成扇区化方法的参数的系数。

如果考虑若干个扇区配置模型，则在一个实施例中，扇区化方法可以由以下操作组成：计算每个扇区配置模型(以及当前扇区配置)的度量，以及选择采用具有最大度量的扇区配置模型。

在另一示例中，针对每对可能的扇区配置模型(还包括当前扇区配置)计算成对的度量。每对(i,j)的度量M_(i,j)取决于相应扇区中的用户的估计统计信息。每个度量指示该对中的哪个扇区配置假设是更好的。然后对所述对进行评估，以便选择要采用的获胜的扇区配置假设。

下面给出了图1b和图1c所示的扇区化的示例：

·当前扇区配置由一个扇区组成(扇区配置模型0)。

·所考虑的扇区配置模型是“两个扇区A和B”(扇区配置模型1)和“两个扇区C和D”(扇区配置模型2)。

·与配置对相对应的扇区化度量被计算为M_(0,1)＝λ₁ρ_A+λ₂ρ_B-λ₃，其中，就像前面的示例一样，ρ_A和ρ_B分别是与扇区A和B相对应的负载估计。如果M_(0,1)≥0，则配置模型1优于配置模式0，反之亦然。

·与配置对(0,2)相对应的扇区化度量被计算为M_(0,2)＝λ₄ρ_C+λ₅ρ_D+λ₆·SINR_C+λ₇·SINR_D-λ₈，其中，ρ_C和ρ_D分别是与扇区C和D相对应的负载，SINR_C和SINR_D是与所述扇区中的UE相对应的平均SINR。如果M_(0,2)≥0，则配置模型2优于配置模式0，反之亦然。

·与配置对(1,2)相对应的扇区化度量被计算为M_(1,2)＝λ₉ρ_B+λ₁₀·(SINR_c+SINR_D)-λ₁₁，如果M_(0,1)≥0，则配置2优于配置1，反之亦然。

·然后，通过依次计算成对的度量来导出优选的扇区配置。

这里，λ₁,λ₂,...,λ₁₁是可以被自适应地更新的扇区化方法的参数。注意，可能不需要自适应地更新所有参数；相反，仅更新参数的子集可能就足以实现良好的性能。

在采取改变扇区配置的决策之后，eNodeB可以针对所采用的扇区配置更新在可参数化扇区化方法中使用的扇区化阈值的参数。在典型的实施例中，与先前使用的扇区配置的性能相比，eNodeB想要评价所采用的扇区配置的性能。该性能是关于与无线电网络性能指示符相对应的某个度量来测量的。这种无线电网络性能指示符可以包括但不限于频谱效率、用户吞吐量、网络容量、和/或掉话率。可以针对不同的统计信息区域收集所述无线电网络性能指示符。不同的统计信息区域可以包括网络中的相邻小区以及由给定eNodeB服务的扇区。不同的统计信息区域还可以包括UE的子组(比如，小区边缘UE)。

图4示出了示例网络节点40，所述网络节点40包括用于针对网络节点的自适应天线系统(AAS)45选择天线扇区配置的处理电路41；示出了用于执行先前讨论的操作的示例节点配置。

网络节点通常是无线电网络节点或无线电基站(例如，LTE中的eNB)。网络节点40包括处理电路41和AAS 45。处理电路可以是能够执行计算机程序代码的任何合适的中央处理单元(CPU)、微控制器、数字信号处理器(DSP)等。作为一般注意，网络节点的处理电路可以部分地包括在例如使用云解决方案进行某些节点操作的多个协作实体中。因此，术语网络节点应该在宽泛的上下文中解释。

处理电路被配置为执行示出了针对AAS选择天线扇区配置的方法的图3a和图3b所示的示例操作。当执行示例操作时，处理电路适于基于无线电网络测量，将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联；对多个扇区配置模型中的每一个均执行关联。处理电路还适于：基于无线设备与相应扇区配置模型的扇区的关联来估计每个扇区配置模型的性能度量，并且基于所估计的性能度量来选择AAS的天线扇区配置。

在示例实施例中，处理电路包括处理器42和存储器43，存储器43被配置为存储在处理器中运行时导致网络节点执行天线扇区配置选择的计算机程序。在另一示例实施例中，网络节点包括被配置为用于与由网络节点服务的一个或多个无线设备进行无线电通信的无线电收发机44。

图5公开了示意性地示出被配置为针对自适应天线系统选择天线扇区配置的示例性网络节点50的框图。网络节点包括以下中的一个或多个：

分组模块51，被配置为基于无线电网络测量，将由网络节点服务的无线设备与相应扇区配置模型的扇区相关联，其中，对多个扇区配置模型中的每一个均执行关联；

性能估计模块53，被配置为基于无线设备与相应扇区配置模型的扇区的关联来估计每个扇区配置模型的性能度量；以及

选择模块55，被配置为基于所估计的性能度量来选择AAS的天线扇区配置。

模块51、53和55是以硬件或软件或它们的组合来实现的。根据一个方面，模块被实现为存储在存储器中的在处理器(例如，图4公开的存储器和处理器)上运行的计算机程序。网络节点还被配置为实现相应操作的所有方面。

应当注意的是：尽管本文已经使用了来自3GPP LTE的术语以解释示例实施例，但是不应将该术语视为将示例实施例的范围仅限于以上所提到的系统。具有自适应天线系统的备选或将来的无线系统也可从本文公开的示例实施例中受益。

已经呈现了本文提供的示例实施例的描述以用于说明的目的。该描述并不旨在是穷举或者将示例实施例限制于所公开的精确形式，并且根据到上面的教导，修改和变形是可能的，并且可以通过对所提供的实施例的多个备选方案进行实践来获取这些修改和变形。选择和描述本文讨论的示例以便解释多个示例实施例的原理和属性及其实际应用，从而使本领域技术人员能够以多种方式并且使用适合于所设想的特定使用的多个修改来使用示例实施例。可以以所有可能的组合来组合本文描述的实施例的特征。

应当注意，词语“包括”不必要排除所列出的那些之外存在其他元件或步骤，并且元件之前的词语“一”或“一个”不排除存在多个这种元件。还应当注意的是：任何附图标记不限制权利要求的范围，并且可以通过硬件和软件两者来至少部分地实现示例实施例。

还要注意，诸如用户设备之类术语应被视为非限制性的。本文使用的术语设备或用户设备将被宽泛地解释为包括能够由网络节点的一个或多个扇区服务的任何设备。

在方法步骤或过程的一般上下文中描述了本文描述的各种示例实施例，其可以在一个方面由体现在计算机可读介质中的计算机程序产品实现，该计算机可读介质包括由网络环境中的计算机执行的例如程序代码的计算机可执行指令。计算机可读介质可以包括可移动和不可移动存储设备，包括但不限于只读存储器ROM、随机存取存储器RAM、紧凑盘CD、数字通用盘DVD等。一般地，程序模块可以包括执行特定任务或实现特定抽象数据类型的例行程序、对象、组件、数据结构等。计算机可执行指令、关联的数据结构和程序模块表示用于执行本文公开的方法的步骤的程序代码的示例。这些可执行指令或关联的数据结构的特定序列表示用于实施这些步骤或处理中所描述的功能的相应动作的示例。

在附图和说明书中，已经公开了示例实施例。然而，可以对这些实施例做出许多变化和修改。因此，虽然使用了特定术语，但是其用于一般性或描述性意义，且不用于限制目的，实施例的范围由以下权利要求定义。

Claims

1.一种在网络节点中执行的方法，用于针对所述网络节点的自适应天线系统AAS选择天线扇区配置，所述方法包括：

-确定(S31)由所述网络节点服务的无线设备的性能度量；

-导出(S33)指示由所述网络节点服务的无线设备的分布的无线设备特定统计信息；

-针对多个扇区配置模型中的每一个，

-通过将导出的无线设备特定统计信息与相应扇区配置模型的扇区的一个或多个扇区化阈值进行比较，来将由所述网络节点服务的无线设备与相应扇区配置模型的扇区相关联(S35)；

-基于无线设备与相应扇区配置模型的扇区的关联，估计(S37)每个扇区配置模型的性能度量；以及

-基于所估计的性能度量来选择(S39)AAS的天线扇区配置。

2.根据权利要求1所述的方法，其中，所述无线设备特定统计信息是根据在所述网络节点中接收的无线设备测量而导出的，所述无线设备测量包括参考信号接收功率RSRP测量、预编码器矩阵指示符PMI测量、位置测量和/或定时提前测量。

3.根据权利要求1所述的方法，其中，所述无线设备特定统计信息是根据网络节点测量而导出的，所述网络节点测量包括从所述无线设备接收的无线电信号的传播方向和/或传播延迟。

4.根据权利要求1所述的方法，其中，针对表示扇区配置模型中的扇区的相应占据区域的一个或多个参数来定义所述扇区化阈值，并且其中，所述无线设备特定统计信息是针对所述一个或多个阈值而导出的。

5.根据权利要求1所述的方法，其中，一个扇区化阈值表示扇区配置模型中的扇区的第一子集和第二子集之间的扇区化。

6.根据权利要求1所述的方法，还包括：

-基于所估计的每个配置模型的性能度量的比较来选择(S39)AAS的天线扇区配置。

7.根据权利要求1所述的方法，还包括：

-基于所估计的每个配置模型的性能度量和所确定的性能度量的比较来选择(S39)AAS的天线扇区配置。

8.根据权利要求1所述的方法，还包括：

-基于所估计的性能度量和可配置的性能阈值的比较来选择(S39)AAS的天线扇区配置。

9.根据权利要求5至8中的任一项所述的方法，还包括：

-确定(S351)无线设备与所选择的天线扇区配置的扇区的实际关联；以及

-基于所述实际关联来更新(S352)与所选择的天线配置模型相对应的扇区配置模型。

10.根据权利要求9所述的方法，还包括：

-基于所确定的性能度量来更新(S353)其它的扇区配置模型。

11.一种网络节点，包括：

-处理电路(41)，用于针对所述网络节点的自适应天线系统AAS(45)选择天线扇区配置，所述处理电路还适于：

·确定(S31)由所述网络节点服务的无线设备的性能度量；

·导出(S33)指示由所述网络节点服务的无线设备的分布的无线设备特定统计信息；

·针对多个扇区配置模型中的每一个，

·通过将导出的无线设备特定统计信息与相应扇区配置模型的扇区的一个或多个扇区化阈值进行比较，来将由所述网络节点服务的无线设备与相应扇区配置模型的扇区相关联；

·基于无线设备与相应扇区配置模型的扇区的关联，估计每个扇区配置模型的性能度量；以及

·基于所估计的性能度量来选择AAS的天线扇区配置。

12.根据权利要求11所述的网络节点，其中，所述处理电路(41)还适于：

-确定无线设备与所选择的天线扇区配置的扇区的实际关联；以及

-基于所述实际关联来更新与所选择的天线配置模型相对应的扇区配置模型。

13.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在网络节点中运行时，使得所述网络节点执行根据权利要求1-10中的任一项所述的方法。