CN107466045A - 一种5g超密集网络虚拟小区构建方法 - Google Patents

一种5g超密集网络虚拟小区构建方法 Download PDF

Info

Publication number
CN107466045A
CN107466045A CN201710844972.2A CN201710844972A CN107466045A CN 107466045 A CN107466045 A CN 107466045A CN 201710844972 A CN201710844972 A CN 201710844972A CN 107466045 A CN107466045 A CN 107466045A
Authority
CN
China
Prior art keywords
user
received signal
base station
network
signal strength
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.)
Granted
Application number
CN201710844972.2A
Other languages
English (en)
Other versions
CN107466045B (zh
Inventor
郭磊
汉鹏超
刘业君
宋嵩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201710844972.2A priority Critical patent/CN107466045B/zh
Publication of CN107466045A publication Critical patent/CN107466045A/zh
Application granted granted Critical
Publication of CN107466045B publication Critical patent/CN107466045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W16/18—Network planning tools
    • 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
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H04W16/32—Hierarchical cell structures
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/08—Reselecting an access point
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明设计一种5G超密集网络虚拟小区构建方法，包括：步骤1：构建UDN网络，设置网络中所有基站的发射功率、接收信噪比阈值、无线信道带宽、无线信号衰减系数相关参数；步骤2：随机生成具有不同运动速率和运动轨迹的用户；步骤3：宏基站周期性的根据用户当前位置和瞬时运动方向构建动态象限，并根据用户接收所有小小区基站的接收信号强度选择同步基站以构建该用户此时刻的虚拟小区；步骤4：宏基站周期性的根据接收信噪比阈值和接收信号强度差值阈值选择每个用户的服务基站；步骤5：计算传输速率并统计吞吐量信息。本发明的虚拟小区构建方法可解决传统UDN网络中用户服务基站频繁切换和Ping‑Pang效应的问题。

Description

一种5G超密集网络虚拟小区构建方法
技术领域
本发明属于第五代移动通信技术(5G)领域，尤其涉及一种5G超密集网络虚拟小区构建方法。
背景技术
近年来，互联网用户数目激增，高清晰视频、云计算、边缘计算、在线游戏、触觉通信、机器通信等多种新型业务不断涌现，对网络容量、速率和可靠性提出了更高的要求。第五代移动通信技术(5G)利用新型物理层通信技术、网络虚拟化技术以及多网融合的方式，能够以更高的接入速率(高达10Gbps)，更低的网络能耗，实现为用户提供灵活定制的接入服务，成为目前研究的热点。
在第三代移动通信(3G)网络中，宏基站(Macrocell)部署密度为4-5个/km2，第四代移动通信技术(4G)通过在用户密集地区部署小小区基站(如Femtocell)解决了网络热点问题，保证了用户服务质量。此时Macrocell基站与Femtocell基站能够以合作的方式实现用户数据传输，小小区基站仅为原宏小区基站的补充。而5G为实现数据传输速率的百倍提升，在小小区基站引入无需注册的毫米波通信技术，既实现了高速数据传输也避免了与宏基站之间的同道信号干扰。同时，将宏基站通信业务卸载到小小区基站，使原始宏基站负责扩大网络覆盖范围并控制小小区基站，能够大幅度提高信号传输速率、降低网络能耗，因此成为5G通信系统重要的解决方案。然而，毫米波通信受氧气吸附等影响传输距离受限，需要通过大量部署小区基站才能保证网络完全覆盖，即超密集组网(UDN)。
5G超密集网络拓扑如图1所示。小小区基站处于宏基站的覆盖范围内，并通过宏基站接入到回程网络和骨干网。宏基站负责网络控制指令的传输以及小小区的管理，并保证了整个网络的覆盖范围。而数据业务被卸载到小小区基站，利用光毫米波通信技术实现高速数据通信。回程网络采用目前流行的无源光网络(PON)，结合其光纤传输的远距离、大容量和高可靠性特征使整个接入网具有高速灵活的特性，能够实现随时随地用户接入。
在UDN网络中，由于基站之间距离较短，使得移动用户服务基站选择以及用户移动过程中越区切换的问题变得更加复杂。如何通过合理管控实现用户透明的基站无缝切换成为亟待解决的重要问题。为此，研究者提出了虚拟小区的概念。既将网络中的所有传输基站分成三类：异步基站、同步基站以及服务基站。如图1所示，对于每个移动用户，利用周围基站构建一个虚拟小区，虚拟小区内的所有基站相互同步，为同步基站，虚拟小区之外的基站为异步基站。用户在一个时间选择一个同步基站为其服务基站。同时，随着用户移动，虚拟小区所含基站范围不断变化，用户服务基站也在同步基站之间切换。然而，由于小小区基站距离较近，用户的不规则运动会带来小区频繁切换和乒乓(Pang-Ping)效应等问题，影响用户服务质量以及系统性能。因此，设计切实可行的虚拟小区创建和重构方案和服务基站选择方法尤为重要。
发明内容
本发明实施例提供一种5G超密集网络虚拟小区构建方法，以解决传统UDN网络中移动用户服务基站频繁切换和Ping-Pang效应的问题。
本发明提供一种5G超密集网络虚拟小区构建方法，包括以下步骤：
步骤1：构建UDN网络，设置网络中所有基站的发射功率、接收信噪比阈值、无线信道带宽、无线信号衰减系数相关参数；
步骤2：随机生成具有不同运动速率和运动轨迹的用户，运动轨迹包括圆周型、直线型和折线型；
步骤3：宏基站周期性的根据用户当前位置和瞬时运动方向构建动态象限，并根据用户接收所有小小区基站的接收信号强度选择同步基站以构建该用户此时刻的虚拟小区；
步骤4：宏基站周期性的根据接收信噪比阈值和接收信号强度差值阈值选择每个用户的服务基站；
步骤5：计算传输速率并统计吞吐量信息。
在本发明的5G超密集网络虚拟小区构建方法中，所述步骤2具体为：
步骤2-1：随机生成2～15之间的数值作为当前用户的运动速率；
步骤2-2：随机生成1～3之间的整数，分别代表三种运动轨迹：圆周型轨迹、直线型轨迹和折线型轨迹，对于圆周型轨迹用户执行步骤2-3，直线型用户执行步骤2-4，折线型用户执行步骤2-5；
步骤2-3：在网络范围内随机生成一个点作为圆周运动的圆心，然后随机生成位于网络范围内的运动半径，并在该圆周上随机选择一个点作为用户初始位置，最后根据用户移动速率生成用户在每个时间点的位置信息，实时运动方向为圆周的切线方向；
步骤2-4：在网络范围内随机生成一个点作为用户初始位置，并随机产生运动方向，以运动速率为依据得出用户实时位置；
步骤2-5：在网络范围内随机生成用户的初始位置和初始运动方向以及转弯时间，根据速率得出用户运动位置，每次到达转弯时间时用户轨迹向另一个随机方向发生偏折。
在本发明的5G超密集网络虚拟小区构建方法中，所述步骤3具体为：
步骤3-1：探测获取用户当前位置，根据历史位置信息预测瞬时运动方向；
步骤3-2：以该用户位置为原点，瞬时运动方向为横轴，瞬时运动方向的垂直方向为纵轴，构建直角坐标系；
步骤3-3：将所有小小区基站根据相对于该用户所在的象限按照一、四象限与二、三象限进行分类，分别插入两个队列；
步骤3-4：计算该用户接收所有小小区基站的接收信号强度，并将两个队列中的小小区基站分别按照接收信号强度由高到低的顺序进行排序；
步骤3-5：分别在两个队列中选择指定个数的接收信号强度较大的小小区基站作为同步基站以构建成该用户此时刻的虚拟小区。
在本发明的5G超密集网络虚拟小区构建方法中，所述步骤4具体为：
步骤4-1：判断用户当前服务基站的接收信噪比是否低于接收信噪比阈值，是则执行步骤4-2，否则执行步骤4-3；
步骤4-2：判断该用户虚拟小区中具有最大接收信号强度的同步基站的接收信噪比是否大于接收信噪比阈值，如果是，则切换具有最大接收信号强度的同步基站作为服务基站，否则报警产生用户服务中断；
步骤4-3：判断虚拟小区中接收信号强度最大的同步基站与当前服务基站的接收信号强度的差值是否大于接收信号强度差值阈值，如果是，则切换具有最大接收信号强度的同步基站作为服务基站；否则，保持原服务基站。
在本发明的5G超密集网络虚拟小区构建方法中，所述步骤3-1中根据历史位置信息预测瞬时运动方向具体采用卡尔曼滤波或三次样条差值方法。
本发明的5G超密集网络虚拟小区构建方法至少具有以下有益效果：
采用基于动态象限的虚拟小区构建方法，能够实时根据用户信息构建象限并在与用户运动方向一致的象限中选择更多的传输基站加入虚拟小区，降低服务中断的可能性，有效实现对移动用户的服务支持。
采用基于接收信噪比阈值和RSRP差值的服务基站切换方法，较直接选择最大RSRP同步基站在显著降低基站切换频率的同时减小Ping-Pang效应，减小网络开销。
通过设置服务基站切换的RSRP差值阈值，平衡系统服务基站切换次数与吞吐量之间的折中关系，使之适用于对吞吐量和切换次数有不同特殊要求的各种网络系统。
附图说明
图1为本发明的5G超密集网络示意图；
图2为本发明的一种5G超密集网络虚拟小区构建方法的流程图；
图3为本发明的虚拟小区构建示意图；
图4a为本发明的基于接收信噪比阈值和接收信号强度差值阈值的服务基站切换示意图；
图4b为传统基于接收信号强度的服务基站切换示意图；
图5为本发明的小小区基站服从泊松分布的网络拓扑以及三种用户运动模型示意图；
图6为本发明的虚拟小区构建方法与现有方法的服务基站切换次数对比图；
图7为本发明的虚拟小区构建方法与现有方法的Ping-Pang效应发生次数对比图；
图8为本发明的虚拟小区构建方法与现有方法的服务中断次数对比图；
图9为本发明的虚拟小区构建方法与现有方法的网络吞吐量对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
本实施例针对5G超密集网络，如图1所示，分别设计基于动态象限的虚拟小区构建方法如图3所示，并配合基于接收信噪比阈值和接收信号强度差值阈值的服务基站切换方法，图4a和图4b所示。本实施例中，在300m*300m的地理范围内部署符合泊松点分布的60个小小区基站，为100个移动速度在2～15m/s的移动用户设备提供服务。用户移动轨迹模型在圆形、直线型和折线型三者之一随机分布，如图5所示。本实施例考虑无线信号传输过程中的瑞利衰落，并考虑环境中的高斯白噪声(功率-174dBm/Hz)。
本实施例中，所涉及的参数定义如下：
N14：虚拟小区一、四象限同步基站数目；
N23：虚拟小区二、三象限同步基站数目，N23<N14；
T：所有小小区传输基站的集合；
Pt：小小区基站发射功率；
d：用户与服务基站距离；
α：无线信道衰落系数；
ψ：信号在自由空间的传输损耗；
RSRPi：小小区基站i接收信号强度，RSRPi＝Ptd-αψ；
RSRPS：用户服务基站s接收信号强度；
ΔRSRP：判断服务基站切换的RSRP差值阈值，用户接受目标基站与服务基站信号RSRP差值大于该值时进行服务基站切换；
η：噪声功率；
SINRS：用户服务基站接收信噪比，SNRS＝RSRPS/(∑i∈T/sRSRPi+η)；
SINR0：小小区基站接收数据且正确解码的信噪比阈值；
B：无线信道带宽；
rS：服务基站s与用户间的数据传输速率，rS＝Blog2(1+SINRs)；
Thoughout：网络吞吐量，Thoughout＝∑rs。
本实施例是一种新型的5G超密集网络虚拟小区构建方法，如图2所示，包括以下步骤：
步骤1：构建UDN网络，设置网络中所有基站的发射功率、信噪比阈值、无线信道带宽、无线信号衰减系数相关参数；
具体实施时，构建如图1所示的UDN网络拓扑，分别设置宏基站和小小区基站发射功率、接收信噪比阈值、无线信道带宽、无线信号衰减系数；
步骤2：随机生成具有不同运动速率和运动轨迹的用户，运动轨迹包括圆周型、直线型和折线型；
具体实施时，设置100个用户，分别生成其运动速率和运动轨迹。具体步骤如下：
步骤2-1：随机生成2～15之间的数值作为该用户的运动速率；
步骤2-2：随机生成1～3之间的整数，分别代表三种运动轨迹：圆周型轨迹、直线型轨迹和折线型轨迹，对于圆周型轨迹用户执行步骤2-3，直线型用户执行步骤2-4，折线型用户执行步骤2-5；
步骤2-3：在网络范围内随机生成一个点作为圆周运动的圆心，然后随机生成位于网络范围内的运动半径，并在该圆周上随机选择一个点作为用户初始位置，最后根据用户移动速率生成用户在每个时间点的位置信息，实时运动方向为圆周的切线方向；
步骤2-4：在网络范围内随机生成一个点作为用户初始位置，并随机产生运动方向，以运动速率为依据得出用户实时位置；
步骤2-5：在网络范围内随机生成用户的初始位置和初始运动方向以及转弯时间，根据速率得出用户运动位置，每次到达转弯时间时用户轨迹向另一个随机方向发生偏折。
步骤3：如图3所示，宏基站周期性的根据用户当前位置和瞬时运动方向构建动态象限，并根据用户接收所有小小区基站的接收信号强度选择同步基站以构建该用户此时刻的虚拟小区，具体步骤如下：
步骤3-1：探测获取用户当前位置，根据历史位置信息预测瞬时运动方向；
具体实施时，可采用卡尔曼滤波或三次样条差值方法预测用户的瞬时运动方向。
步骤3-2：以该用户为原点，瞬时运动方向为横轴，运动方向垂直方向为纵轴，构建直角坐标系；
步骤3-3：根据所有小小区节基站与用户当前位置的相对位置，将小小区基站进行分类，位于一、四象限的小小区基站插入队列Q1，位于二、三象限的小小区基站插入队列Q2；
步骤3-4：计算该用户对所有小小区基站的接收信号强度RSRPi，并分别将Q1、Q2两个队列中的小小区基站按照接收信号强度由高到低的顺序进行排序；
步骤3-5：在Q1中选择接收信号强度最大的N14个基站，在Q2中选择接收信号强度最大的N23个基站，作为同步基站构建该用户的虚拟小区，其他用户原始虚拟小区的小小区基站为异步基站，将从虚拟小区中删除；
步骤4：宏基站周期性的根据接收信噪比阈值和接收信号强度差值阈值选择每个用户的服务基站，具体步骤如下：
步骤4-1：判断用户当前服务基站的信噪比SINRs是否低于信噪比阈值SINR0，如果是则执行步骤4-2，否则执行步骤4-3；
步骤4-2：判断当前用户虚拟小区中具有最大接收信号强度的同步基站的信噪比是否大于信噪比阈值SINR0，如果是，则设置具有最大接收信号强度RSRPi的同步基站为服务基站，否则报警产生用户服务中断；
步骤4-3：判断虚拟小区中接收信号强度RSRPi最大的同步基站与当前服务基站的接收信号强度的差值是否大于信号强度差值阈值ΔRSRP，如果是，则切换具有最大接收信号强度的同步基站作为服务基站；否则，保持原服务基站；
步骤5：计算当前所有用户与服务基站之间的传输速率rS，并计算网络吞吐量Thoughout。
对本实施例所提的系统进行性能分析，观察系统是否具有一定的降低服务基站切换次数以及减少Ping-Pang效应的能力。将本说明中提出的基于动态象限的虚拟小区构建技术和基于SINR阈值与RSRP差值的服务基站切换方法(QD)与基于指定夹角(以运动方向为基准)的虚拟小区构建方法(AD)和基于最大RSRP的服务基站选择方法(QR)进行比较。通过图6、图7可知，采用本发明的基于SINR阈值与RSRP差值的服务基站切换方法能够显著降低基站切换次数以及Ping-Pang效应发生几率，且RSRP差值阈值越大，切换次数越小，Ping-Pang效应越不明显。通过图8可知，本发明的采用基于动态象限的虚拟小区构建方法，即动态地根据用户实时运动信息在不同象限选择不同数目的传输基站，相对于基于指定夹角的选择方法能够有效避免服务中断现象的发生。这是由于用户运动方向的不确定性导致的。
对本实施例中所提的基于动态象限的虚拟小区构建方法和基于SINR阈值与RSRP差值的服务基站切换方法所带来的系统吞吐量进行分析。由图9可知，本发明构建的虚拟小区的吞吐量性能略低于每次都选择RSRP最大的基站选择方法。但是，可以通过RSRP差值阈值调整来实现吞吐量与切换次数之间的折中。
以上所述仅为本发明的较佳实施例，并不用以限制本发明的思想，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种5G超密集网络虚拟小区构建方法，其特征在于，包括以下步骤：
步骤1：构建UDN网络，设置网络中所有基站的发射功率、接收信噪比阈值、无线信道带宽、无线信号衰减系数相关参数；
步骤2：随机生成具有不同运动速率和运动轨迹的用户，运动轨迹包括圆周型、直线型和折线型；
步骤3：宏基站周期性的根据用户当前位置和瞬时运动方向构建动态象限，并根据用户接收所有小小区基站的接收信号强度选择同步基站以构建该用户此时刻的虚拟小区；
步骤4：宏基站周期性的根据接收信噪比阈值和接收信号强度差值阈值选择每个用户的服务基站；
步骤5：计算传输速率并统计吞吐量信息。
2.如权利要求1所述的5G超密集网络虚拟小区构建方法，其特征在于，所述步骤2具体为：
步骤2-1：随机生成2～15之间的数值作为当前用户的运动速率；
步骤2-2：随机生成1～3之间的整数，分别代表三种运动轨迹：圆周型轨迹、直线型轨迹和折线型轨迹，对于圆周型轨迹用户执行步骤2-3，直线型用户执行步骤2-4，折线型用户执行步骤2-5；
步骤2-3：在网络范围内随机生成一个点作为圆周运动的圆心，然后随机生成位于网络范围内的运动半径，并在该圆周上随机选择一个点作为用户初始位置，最后根据用户移动速率生成用户在每个时间点的位置信息，实时运动方向为圆周的切线方向；
步骤2-4：在网络范围内随机生成一个点作为用户初始位置，并随机产生运动方向，以运动速率为依据得出用户实时位置；
步骤2-5：在网络范围内随机生成用户的初始位置和初始运动方向以及转弯时间，根据速率得出用户运动位置，每次到达转弯时间时用户轨迹向另一个随机方向发生偏折。
3.如权利要求1所述的5G超密集网络虚拟小区构建方法，其特征在于，所述步骤3具体为：
步骤3-1：探测获取用户当前位置，根据历史位置信息预测瞬时运动方向；
步骤3-2：以该用户位置为原点，瞬时运动方向为横轴，瞬时运动方向的垂直方向为纵轴，构建直角坐标系；
步骤3-3：将所有小小区基站根据相对于该用户所在的象限按照一、四象限与二、三象限进行分类，分别插入两个队列；
步骤3-4：计算该用户接收所有小小区基站的接收信号强度，并将两个队列中的小小区基站分别按照接收信号强度由高到低的顺序进行排序；
步骤3-5：分别在两个队列中选择指定个数的接收信号强度较大的小小区基站作为同步基站以构建成该用户此时刻的虚拟小区。
4.如权利要求1所述的5G超密集网络虚拟小区构建方法，其特征在于，所述步骤4具体为：
步骤4-1：判断用户当前服务基站的接收信噪比是否低于接收信噪比阈值，是则执行步骤4-2，否则执行步骤4-3；
步骤4-2：判断该用户虚拟小区中具有最大接收信号强度的同步基站的接收信噪比是否大于接收信噪比阈值，如果是，则切换具有最大接收信号强度的同步基站作为服务基站，否则报警产生用户服务中断；
步骤4-3：判断虚拟小区中接收信号强度最大的同步基站与当前服务基站的接收信号强度的差值是否大于接收信号强度差值阈值，如果是，则切换具有最大接收信号强度的同步基站作为服务基站；否则，保持原服务基站。
5.如权利要求3所述的5G超密集网络虚拟小区构建方法，其特征在于，所述步骤3-1中根据历史位置信息预测瞬时运动方向具体采用卡尔曼滤波或三次样条差值方法。
CN201710844972.2A 2017-09-19 2017-09-19 一种5g超密集网络虚拟小区构建方法 Active CN107466045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710844972.2A CN107466045B (zh) 2017-09-19 2017-09-19 一种5g超密集网络虚拟小区构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710844972.2A CN107466045B (zh) 2017-09-19 2017-09-19 一种5g超密集网络虚拟小区构建方法

Publications (2)

Publication Number Publication Date
CN107466045A true CN107466045A (zh) 2017-12-12
CN107466045B CN107466045B (zh) 2020-09-25

Family

ID=60552648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710844972.2A Active CN107466045B (zh) 2017-09-19 2017-09-19 一种5g超密集网络虚拟小区构建方法

Country Status (1)

Country Link
CN (1) CN107466045B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111356168A (zh) * 2018-12-21 2020-06-30 上海大唐移动通信设备有限公司 网络覆盖仿真方法及装置
CN111836271A (zh) * 2020-07-28 2020-10-27 河海大学 一种多无人机通信基站的3d位置部署方法
CN113727414A (zh) * 2021-08-17 2021-11-30 吉林大学 基于虚拟基站的超密集网络中动态基站部署和回程方法
CN115119278A (zh) * 2022-05-19 2022-09-27 哈尔滨工业大学 面向用户需求考虑移动性的虚拟小区传输节点更新方法、设备和介质
CN118042550A (zh) * 2024-04-10 2024-05-14 深圳市英迈通信技术有限公司 一种5g智能手机信号优化方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8320920B1 (en) * 2006-06-15 2012-11-27 Nextel Communications, Inc. Method for decommissioning wireless transmission sites
CN103248450A (zh) * 2012-02-07 2013-08-14 华为技术有限公司 一种控制信息的传输方法和装置
CN105764100A (zh) * 2016-01-29 2016-07-13 北京邮电大学 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案
CN105828337A (zh) * 2014-09-17 2016-08-03 中兴通讯股份有限公司 一种动态构建虚拟小区的方法和装置
CN106572475A (zh) * 2015-10-10 2017-04-19 电信科学技术研究院 接入节点管理方法、接入网管理实体、设备及接入节点
CN106792858A (zh) * 2016-12-30 2017-05-31 南京邮电大学 一种基于软件定义的超密集无线网络体系结构及实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8320920B1 (en) * 2006-06-15 2012-11-27 Nextel Communications, Inc. Method for decommissioning wireless transmission sites
CN103248450A (zh) * 2012-02-07 2013-08-14 华为技术有限公司 一种控制信息的传输方法和装置
CN105828337A (zh) * 2014-09-17 2016-08-03 中兴通讯股份有限公司 一种动态构建虚拟小区的方法和装置
CN106572475A (zh) * 2015-10-10 2017-04-19 电信科学技术研究院 接入节点管理方法、接入网管理实体、设备及接入节点
CN105764100A (zh) * 2016-01-29 2016-07-13 北京邮电大学 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案
CN106792858A (zh) * 2016-12-30 2017-05-31 南京邮电大学 一种基于软件定义的超密集无线网络体系结构及实现方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NA MENG等: "User-centric mobility management based on virtual cell in ultra-dense networks", 《2016 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA (ICCC)》 *
YINGXIAO ZHANG等: "User-centric virtual cell design for Cloud Radio Access Networks", 《2014 IEEE 15TH INTERNATIONAL WORKSHOP ON SIGNAL PROCESSING ADVANCES IN WIRELESS COMMUNICATIONS (SPAWC)》 *
公维宾: "无线Ad Hoc网络节点移动技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *
王文清等: "基于虚拟小区的未来无线组网技术", 《移动通信》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111356168A (zh) * 2018-12-21 2020-06-30 上海大唐移动通信设备有限公司 网络覆盖仿真方法及装置
CN111356168B (zh) * 2018-12-21 2023-07-18 上海大唐移动通信设备有限公司 网络覆盖仿真方法及装置
CN111836271A (zh) * 2020-07-28 2020-10-27 河海大学 一种多无人机通信基站的3d位置部署方法
CN113727414A (zh) * 2021-08-17 2021-11-30 吉林大学 基于虚拟基站的超密集网络中动态基站部署和回程方法
CN113727414B (zh) * 2021-08-17 2023-11-14 吉林大学 基于虚拟基站的超密集网络中动态基站部署和回程方法
CN115119278A (zh) * 2022-05-19 2022-09-27 哈尔滨工业大学 面向用户需求考虑移动性的虚拟小区传输节点更新方法、设备和介质
CN115119278B (zh) * 2022-05-19 2024-04-26 哈尔滨工业大学 面向用户需求考虑移动性的虚拟小区传输节点更新方法
CN118042550A (zh) * 2024-04-10 2024-05-14 深圳市英迈通信技术有限公司 一种5g智能手机信号优化方法和系统

Also Published As

Publication number Publication date
CN107466045B (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN107466045A (zh) 一种5g超密集网络虚拟小区构建方法
Zhang et al. Fog radio access networks: Mobility management, interference mitigation, and resource optimization
Duan et al. SDN enabled 5G-VANET: Adaptive vehicle clustering and beamformed transmission for aggregated traffic
CN106982410A (zh) 一种切换的方法、基站及终端设备
US20150141013A1 (en) Heterogeneous network load balancing
CN104684033B (zh) 基于协作多点传输的移动切换方法
CN107404726B (zh) 一种基于能效的异构蜂窝网络微基站部署方法
Joud et al. User specific cell clustering to improve mobility robustness in 5G ultra-dense cellular networks
Sun et al. A multi-attribute handover algorithm for QoS enhancement in ultra dense network
Meng et al. Virtual cell-based mobility enhancement and performance evaluation in ultra-dense networks
Jaziri et al. Offloading traffic hotspots using moving small cells
Kalbkhani et al. Resource allocation in integrated femto–macrocell networks based on location awareness
CN105282806A (zh) 基于高速铁路环境的lte通信系统优化切换方法
CN104396307A (zh) 切换处理方法、装置及系统
Meng et al. User-centric mobility management based on virtual cell in ultra-dense networks
Khan et al. An improved handover decision algorithm for 5G heterogeneous networks
CN101909301B (zh) 消除相邻小区干扰的方法和系统
Habibzadeh et al. A novel handover decision-making algorithm for HetNets
Khodmi et al. MDP-based handover in heterogeneous ultra-dense networks
Wang et al. Optimization of time–frequency resource management based on probabilistic graphical models in railway Internet-of-Things networking
Neeraja et al. A comparative study on handoff algorithms for GSM and CDMA cellular networks
Chen et al. Location-based handover decision algorithm in LTE networks under high-speed mobility scenario
Banerjee et al. Decoupled U/C plane architecture for HetNets and high speed mobility: Research directions & challenges
Alsamhi et al. Adaptive handoff prediction and appreciate decision using ANFIS between terrestrial communication and HAP
Essassi et al. Power control and RB allocation for LTE uplink

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant