CN108650682A - 一种5g超密集无线网络的基站布设装置及其方法 - Google Patents

Abstract

本发明公开了一种5G超密集无线网络的基站布设装置与方法。本发明能够根据5G超密集无线网络的网络环境参数，确定待布设基站的最优位置。本发明公开的装置主要包括四个模块：初始化模块、数据处理模块、适应值计算模块、显示模块。其中，初始化模块主要用于初始化基站待布设区域网络环境参数；数据处理模块用于计算待布设基站的最优位置；适应值计算模块用于计算粒子的适应值；显示模块用于输出待布设基站的最优位置。本发明装置可以灵活地设置5G超密集无线网络的网络环境参数与基站布设标准；本发明方法可以在5G超密集无线网络下精确地计算待布设基站的最优位置。

Description

一种5G超密集无线网络的基站布设装置及其方法

技术领域

本发明属于通信技术领域，更进一步涉及网络通信技术领域中一种5G(第5代移动通信技术)超密集无线网络的基站布设装置及其方法。本发明通过在5G超密集无线网络的基站布设装置中输入基站待布设区域参数、待布设基站参数、基站布设标准后，利用本发明的方法，根据用户平均接收信干噪比SINR，计算5G超密集无线网络中待布设基站的最优位置，达到指导操作人员快速、精确地进行基站布设的目的。

背景技术

超密集组网技术通过在业务热点区域大规模部署低功率基站，可以有效提升网络容量，扩展网络的服务范围，已成为5G(第5代移动通信技术)的关键技术之一。但是，随着基站布设密度的增加，基站间的干扰也随之严重，因此需要通过合理的基站位置选择减少干扰。且在基站布设完成之后，基站的数量、位置都会固定下来，不再变化。若基站位置规划合理，网络性能可以满足用户需求，则可大幅节约假设成本，若基站位置规划不合理，则需要操作人员依据经验在现场做出调整，导致建设成本剧增。

日本富士通株式会社在申请的专利文献“无线网络规划方法与装置”(专利申请号201410747687.5，申请公布号CN105744532A)中公开了一种基于遗传算法的无线网络规划方法及其装置。该方法由01二进制串对所有基站候选点进行编码，二进制串的长度与候选基站总数相等，1代表某个候选点有基站，0代表该候选点没有基站。该方法通过交叉、变异等操作不断优化二进制串，从而可以同时求得待布设区域基站的数量与位置。但是，该方法存在的不足之处是：在基站个数剧增的超密集网络，该方法所使用的遗传算法的搜索能力有限，得到的基站位置坐标精度不足。该装置包括计算单元、处理单元、判断单元、确定单元，分别用于初始化基站规划参数、处理数据、判断是否达到布设标准、输出基站布设结果。该装置结构简单，稳定性高。但是，该装置仍然存在的不足之处是：不能够设置基站布设的约束条件以灵活地适应各种不同的布设场景，例如某些区域(公园、街道)不能放置基站、某些特殊区域(办公室、幼儿园)的基站辐射强度应低于阈值，不能够灵活地设置基站布设标准以满足不同的布设需求。

中兴通讯股份有限公司在其申请的专利文献“一种用于无线网络规划的装置及其方法”(专利申请号200810057100.2，申请公开号CN101222748A)中公开了一种用于无线网络规划的装置及其方法。该装置包括无线发射模块、信号接收模块、信号处理模块、网络规划模块。该装置结构简单，稳定性高。但是，该装置仍然存在的不足之处是：不能够直接输出待布设基站的坐标，导致操作人员的布设精度不足，误差大。该专利使用的方法是，通过无线发射模块将所需的网络规划信息转换成设定的无线信号，并发射到小区的无线空间环境，信号接收模块接收无线信号后，通过信号处理模块对接收信号的处理，计算出待布设区域无线网络环境的相关参数，指导操作人员进行布设。该方法可以定量地计算小区无线网络环境的相关参数，但是，该方法仍然存在的不足之处是：当基站个数、类型增多，网络环境超密化、异构化后，无法使用有限的网络环境参数精确地表征无线网络。因此，该方法无法适用于5G超密集无线网络环境下的基站布设。

发明内容

本发明的目的在于针对上述已有技术的不足，提出了一种5G超密集无线网络的基站布设装置及其方法。

实现本发明目的的具体思路是，本发明使用的方法一种5G超密集无线网络的基站布设方法，通过在数据处理模块中使用增强型量子行为粒子群优化方法EQPSO，使得每个粒子都可以在迭代中更新其收缩因子，提升了方法的搜索能力。本发明装置主要分为四个模块：初始化模块、适应值计算模块、数据处理模块、显示模块。通过初始化模块输入基站待布设区域参数、待布设基站参数、基站布设标准，紧接着使用数据处理模块进行运算，在运算过程中通过适应值计算模块计算每个粒子的适应值，最后利用显示模块输出所有待布设基站的最优位置。操作人员通过使用该装置，仅需在仪器的初始化模块中输入相关的布设参数，就可以在显示模块上获取所有待布设基站的最优位置坐标，根据最优位置坐标进行布设，可以缩短工期，降低布设成本。

本发明的装置包括初始化模块、适应值计算模块、数据处理模块、显示模块；所述的初始化模块直接与数据处理模块相连、所述的数据处理模块直接与显示模块相连、所述的适应值计算模块集成于数据处理模块中；其中：

所述的初始化模块，用于对5G超密集无线网络环境中的基站待布设区域参数进行初始化，对5G超密集无线网络环境中的待布设基站参数进行初始化，确定基站布设标准；

所述的适应值计算模块，利用适应值更新步骤，计算每个粒子的适应值；

所述的数据处理模块，用于构建直角坐标系，生成多个粒子，分别为每个粒子生成历史最优粒子，生成一个全局最优粒子，更新每个粒子，更新每个历史最优粒子及其适应值，更新全局最优粒子及其适应值；

所述的显示模块，用于输出所有待布设基站的最优位置，包括在LED显示器上输出基站待布设区域的拟合，在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

本发明的方法是利用5G超密集无线网络的基站布设装置，确定基站待布设区域所有待布设基站的位置坐标，具体步骤包括如下：

(1)初始化参数：

(1a)初始化模块对5G超密集无线网络环境中的基站待布设区域参数进行初始化；

(1b)初始化模块对5G超密集无线网络环境中的待布设基站参数进行初始化；

(1c)初始化模块确定基站布设标准；

(2)构建直角坐标系：

将直角坐标系xoy的坐标原点设定在基站待布设区域左下方的任意区域，x、y坐标轴分别表示基站待布设区域的相邻垂直边长，直角坐标系xoy中的每个点表示一个待布设基站的位置；

(3)生成多个粒子，每个粒子表示所有待布设基站位置的集合，粒子中每一个待布设基站位置取待布设区域内的随机位置；

(4)生成历史最优粒子与全局最优粒子：

(4a)为每个粒子设定一个对应的历史最优粒子，该历史最优粒子用于跟踪对应粒子在迭代过程中的最优值；初始迭代时设置每个历史最优粒子与其对应的粒子相同，粒子的适应值取0-1内的随机数，每个历史最优粒子的适应值与其对应粒子的适应值相等；

(4b)生成一个全局最优粒子，该全局最优粒子用于跟踪所有历史最优粒子在迭代过程中的最优值；初始迭代时将全局最优粒子的适应值设置为所有历史最优粒子适应值中的最大值，设置全局最优粒子与具有最大适应值的历史最优粒子相同；

(5)更新每个粒子：

(5a)利用平均最优位置更新公式，计算所有粒子的平均最优位置；

(5b)利用收缩因子更新公式，计算每个粒子的收缩因子；

(5c)利用吸引子系数更新公式，计算每个粒子的吸引子系数；

(5d)利用粒子更新公式，用平均最优位置、收缩因子、吸引子系数更新每个粒子；

(6)采用与初始化模块确定的基站布设标准所对应的适应值更新方法，计算模块计算每个粒子的适应值；

(7)判断每个粒子的适应值是否大于其对应的历史最优粒子的适应值，若是，则执行步骤(8)，否则，执行步骤(9)；

(8)用粒子的适应值更新历史最优粒子的适应值，用粒子更新历史最优粒子；

(9)用所有历史最优粒子适应值中的最大值更新全局最优粒子的适应值；用具有最大适应值的历史最优粒子更新全局最优粒子；

(10)判断当前迭代次数是否大于最大迭代次数，若是，则执行步骤(11)，否则，执行步骤(5)；

(11)输出所有待布设基站的最优位置：

(11a)在LED显示器上输出基站待布设区域的拟合；

(11b)在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

本发明与现有技术相比具有以下优点：

第一、由于本发明装置使用初始化模块，对5G超密集无线网络环境中的基站待布设区域参数进行初始化，对待布设基站参数进行初始化，对基站布设标准进行初始化，克服了现有技术中的不能够设置基站布设的约束条件以灵活地适应各种不同的布设场景的缺点，使得本发明可以使用不同的初始化参数表征各种布设场景，有利于提高对不同基站布设场景的适应性。

第二、由于本发明装置使用适应值计算模块，可以利用不同的适应度函数以灵活地表示各种基站布设标准，克服了现有技术中不能够灵活地设置基站布设标准以满足不同的布设需求的缺点，使得本发明可以根据布设标准个性化地定制网络，有利于提升对不同布设需求的适应性。

第三、由于发明的方法利用收缩因子更新公式，计算每个粒子的收缩因子，提升了每个粒子的搜索能力，克服了现有技术中的方法在基站总数剧增时无法精确搜索基站位置的缺点，使得本发明的方法在超密集无线网络中依然具有较高的搜索能力，有利于提高基站位置的搜索精度。

附图说明

图1为本发明装置的方框图；

图2为本发明方法的流程图；

图3是本发明仿真实验1中的50个室外微站分布示意图；

图4是本发明仿真实验1中的室外用户的平均接收信干噪比SINR随着基站总数的变化曲线图；

图5是本发明仿真实验2中的室内7层楼体的基站分布的示意图；

图6是本发明仿真实验2中的室内用户的平均接收信干噪比SINR随着楼层数的变化曲线图。

具体实施方式

下面结合图对本发明做进一步的描述。

参照图1对本发明的装置做进一步的描述。

本发明的装置包括初始化模块、适应值计算模块、数据处理模块、显示模块；所述的初始化模块直接与数据处理模块相连、所述的数据处理模块直接与显示模块相连、所述的适应值计算模块集成于数据处理模块中；其中：

所述的初始化模块，用于对5G超密集无线网络环境中的基站待布设区域参数进行初始化，对5G超密集无线网络环境中的待布设基站参数进行初始化，确定基站布设标准。

所述的适应值计算模块，利用适应值更新步骤，计算每个粒子的适应值。

所述的数据处理模块，用于构建直角坐标系，生成多个粒子，分别为每个粒子生成历史最优粒子，生成一个全局最优粒子，更新每个粒子，更新每个历史最优粒子及其适应值，更新全局最优粒子及其适应值。

所述的显示模块，用于输出所有待布设基站的最优位置，包括在LED显示器上输出基站待布设区域的拟合，在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

参照图2对本发明的方法做进一步的描述。

步骤1，初始化参数。

初始化模块对5G超密集无线网络环境中的基站待布设区域参数进行初始化。

所述的5G超密集无线网络环境中的基站待布设区域参数是指：对基站待布设区域的面积、形状、禁止放置基站的区域、对辐射强度有限制的区域，待布设区域用户的数量与分布，信道模型进行初始化。其中，基站待布设区域的面积、形状、禁止放置基站的区域、对辐射强度有限制的区域是根据实际的布设场景进行拟合。待布设区域的用户数量取基站待布设区域内某一段时间内的平均值，待布设区域用户的分布取随机分布、高斯分布，信道模型取WINNER-2城市微小区信道模型。

初始化模块对5G超密集无线网络环境中的待布设基站参数进行初始化。

所述的5G超密集无线网络环境中的待布设基站参数是指：待布设基站的类型取微微基站pico、或毫微微基站femto；单个待布设基站发射功率取20dBm；单个待布设基站的最大服务用户数取20个。

初始化模块对5G超密集无线网络环境中的基站布设标准进行初始化。

所述的5G超密集无线网络环境中的基站布设标准是指：用户的平均接收信干噪比SINR、用户的覆盖率、系统的容量。

步骤2，构建直角坐标系。

确定直角坐标系xoy的坐标原点，使基站待布设区域全部位于直角坐标系xoy的第一象限，x、y坐标轴分别表示基站待布设区域的相邻垂直边长，直角坐标系xoy中的每个点表示一个待布设基站的位置。

步骤3，生成多个粒子。

每个粒子称为所有待布设基站位置的集合，粒子中每一个待布设基站位置取待布设区域内的随机位置。

步骤4，生成历史最优粒子与全局最优粒子。

第一步，为每个粒子设定一个对应的历史最优粒子，该历史最优粒子用于跟踪对应粒子在迭代过程中的最优值；初始迭代时设置每个历史最优粒子与其对应的粒子相同，粒子的适应值取0-1内的随机数，每个历史最优粒子的适应值与其对应粒子的适应值相等。

第二步，生成一个全局最优粒子，该全局最优粒子用于跟踪所有历史最优粒子在迭代过程中的最优值；初始迭代时将全局最优粒子的适应值设置为所有历史最优粒子适应值中的最大值，设置全局最优粒子与具有最大适应值的历史最优粒子相同。

步骤5，更新每个粒子。

利用下述的平均最优位置更新公式，计算所有粒子的平均最优位置：

其中，C_j(t)表示第t次迭代时平均最优位置C(t)的第j个坐标分量；M表示历史最优粒子的总数，e表示历史最优粒子的序号，Σ表示求和操作，P_e,j(t)表示第t次迭代中第e个历史最优粒子P_e(t)中的第j个坐标分量，j＝1,2,...,2N，N表示待布设基站的总数。

利用下述的收缩因子更新公式，计算每个粒子的收缩因子：

若t<T，

若t≥T，

其中，t表示当前迭代次数，T表示每个收缩因子的变化周期，t_max表示最大迭代次数，α_i表示第i个收缩因子，i＝1,2,...,M，M表示收缩因子的总数，M与粒子总数相等，|·|表示取绝对值操作，h_m(t)表示第t次迭代时第m个历史最优粒子的适应值，m的取值与i相等，g(t-T)表示第t-T次迭代时的全局最优粒子的适应值，v表示每个收缩因子的变化触发门限，v＝0.01。

利用下述的吸引子系数更新公式，计算每个粒子的吸引子系数：

其中，p_f,g(t)表示第t次迭代时第f个吸引子p_f(t)的第g个坐标分量，f＝1,2,..,M，M表示吸引子系数的总数，M与粒子总数相等，g＝1,2,..,2N，N表示待布设基站的总数；随机变量服从(0,1)上的均匀分布；P_l,n(t)表示第t次迭代时第l个历史最优粒子P_l(t)的第n个坐标分量，l的取值与f相等，n的取值与g相等；G_q(t)表示第t次迭代时全局最优粒子G(t)的第q个坐标分量，q的取值与g相等。

第四步，利用下述的粒子更新公式，用平均最优位置、收缩因子、吸引子系数更新每个粒子：

X_r,s(t+1)＝p_u,v(t)±α_z·|C_w(t)-X_r,s(t)|·In[1/u]

其中，X_r,s(t+1)表示第t+1次迭代时第r个粒子X_r(t+1)的第s个坐标分量，r＝1,2,..,M，M表示吸引子系数的总数，M与粒子总数相等，s＝1,2,..,2N，N表示待布设基站的总数，p_u,v(t)表示第t次迭代时第u个吸引子p_u(t)的第v个坐标分量，u的取值与r相等，v的取值与s相等，α_z表示第z个收缩因子，|·|表示取绝对值操作，C_w(t)表示第t次迭代时平均最优位置C(t)的第w个坐标分量，w的取值与s相等，X_r,s(t)表示第t次迭代时粒子X_r(t)的第s个坐标分量；In表示取自然对数操作，随机变量u服从(0,1)上的均匀分布。

步骤6，采用与初始化模块确定的基站布设标准所对应的适应值更新方法，计算模块计算每个粒子的适应值。

本发明的实施例中初始化模块确定用户平均接收信干噪比SINR作为基站布设的标准，因此，与该标准所对应的适应值更新方法的具体步骤如下：

第一步，遍历基站待布设区域的每一个用户，选择距离该用户最近的基站作为该用户的关联基站。

第二步，根据步骤1中初始的信道模型，计算每一个用户到其关联基站之间的接收功率P。

第三步，根据步骤1中初始的信道模型，计算每一个用户到所有非关联基站之间的接收功率之和P_other。

第四步，计算用户k的接收信干噪比：

其中，SINR_k表示用户k的接收信干噪比SINR，P_k表示用户k到其关联基站之间的接收功率，P_other表示用户k到所有非关联基站之间的接收功率之和；σ²表示热噪声，σ²＝5.97×10^-15W；k＝1,2,...,K，K表示基站待布设区域用户总数。

第五步，计算第i个粒子的适应值：

其中，f_i表示第i个粒子的适应值，K表示基站待布设区域用户总数，SINR_k表示用户k的接收信干噪比。

步骤7，判断每个粒子的适应值是否大于其历史最优粒子的适应值，若是，则执行步骤8，否则，执行步骤9。

步骤8，用粒子的适应值更新历史最优粒子的适应值，用粒子更新历史最优粒子。

步骤9，用所有历史最优粒子适应值中的最大值更新全局最优粒子的适应值，用具有最大适应值的历史最优粒子更新全局最优粒子。

步骤10，判断当前迭代次数是否大于最大迭代次数，若是，则执行步骤11，否则，执行步骤5。

步骤11，输出所有待布设基站的最优位置。

第一步，在LED显示器上输出基站待布设区域的拟合。

第二步，在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

下面结合仿真实验对本发明的效果做进一步的描述。

1.仿真条件：

本发明的仿真实验是在windows7操作系统上，使用Matlab2014软件进行的仿真。

2.仿真内容与仿真结果分析：

本发明的仿真实验有两个，本发明的仿真实验1是在室外微小区场景下，确定待布设基站的最优位置的仿真实验。本发明的仿真实验2是在室内7层楼体下，确定待布设基站的最优位置的仿真实验。

仿真实验1

本发明的仿真实验是在室外微小区场景下，确定待布设基站的最优位置的仿真实验。对室外微小区中的基站待布设区域参数进行初始化后得到的结果如下表所示。

表1.基站待布设区域参数的初始化结果一览表

初始化模块对室外微小区中的待布设基站参数进行初始化；基站类型为微站MicroBS，发射功率30dBm，每个微站的最大服务人数为20，微站个数为50；初始化模块对室外微小区中的基站布设标准进行初始化；基站布设标准取用户的平均接收信干噪比SINR。

构建直角坐标系，直角坐标系xoy的坐标原点取基站待布设方形区域的左下角，x、y坐标轴分别表示基站待布设区域的相邻垂直边长，直角坐标系xoy中的每个点表示一个待布设基站的位置。

生成多个粒子，X_p(0)＝{X_p,1(0),X_p,2(0),X_p,3(0),X_p,4(0),...,X_p,99(0),X_p,100(0)}其中，X_p(0)表示第0次迭代时的第p个粒子，p＝1,2,...,30，X_p,1(0)表示第1个待布设基站的x坐标，X_p,2(0)表示第1个待布设基站的y坐标，…，X_p,99(0)表示第50个待布设基站的x坐标，X_p,99(0)表示第50个待布设基站的y坐标。

为每个粒子设定一个对应的历史最优粒子，该历史最优粒子用于跟踪对应粒子在迭代过程中的最优值。初始迭代时设置每个历史最优粒子与其对应的粒子相同，粒子的适应值取0-1内的随机数，每个历史最优粒子的适应值与其对应粒子的适应值相等。

执行本发明方法的步骤5-10，计算全局最粒子所表示的最优基站位置。

参照图3，对仿真实验1的仿真结果做进一步的描述。

图3为室外微小区环境下，使用本发明方法经过仿真得到的50个室外微站的分布的示意图，该图为边长1km的方形布设区域，图3中的三角形表示微站，每个微站外侧的多边形表示微站的服务范围。从图3可以看出，微站的分布较为均匀，每个微站的服务范围大致相等。

参照图4，对仿真实验1的仿真结果做进一步的描述。

图4为室外微小区环境下，使用本发明方法经过仿真得到的室外用户的平均接收信干噪比SINR随着基站总数的变化曲线图。图4中的横坐标轴表示微站总数，纵坐标轴表示室外用户的平均接收信干噪比SINR。图4中从上到下的三条曲线分别表示：以星号标示的曲线表示使用增强型量子行为粒子群优化方法EQPSO时室外用户的平均接收信干噪比SINR随着基站总数的变化曲线，以圆圈标示的曲线表示使用量子行为粒子群优化方法QPSO时室外用户的平均接收信干噪比SINR随着基站总数的变化曲线，以三角形标示的曲线表示使用粒子群优化方法PSO时室外用户的平均接收信干噪比SINR随着基站总数的变化曲线。从图4可以看出，在微站个数相等时，采用本发明增强型量子行为粒子群优化方法EQPSO时，取得的室外用户的平均接收信干噪比SINR最大，由此可见本发明方法在微站个数相等时相对于传统方法带来的增益最大。

仿真实验2

本发明的仿真实验是在室内7层楼体场景下，确定待布设基站的最优位置的仿真实验。对室内7层楼体中基站待布设区域参数进行初始化后得到的结果如下表所示。

表2.基站待布设区域参数的初始化结果一览表

初始化模块对室内多层楼体中的待布设基站参数进行初始化；基站类型为微站MicroBS，发射功率30dBm，每个微站的最大服务人数为20，微站个数为84。

初始化模块对室内7层楼体中的基站布设标准进行初始化；基站布设标准取用户的平均接收信干噪比SINR。

构建立体直角坐标系。立体直角坐标系o-xyz的坐标原点取楼体第一层平面图的左下角，x、y、z坐标轴分别表示基站待布设区域的相邻垂直边长，直角坐标系o-xyz中的每个点表示一个待布设基站的位置。

生成多个粒子。X_q(0)＝{X_q,1(0),X_q,2(0),X_q,3(0),X_q,4(0),...,X_q,167(0),X_q,168(0)}其中，X_q(0)表示第0次迭代时的第q个粒子，q＝1,2,...,50，X_q,1(0)表示第1个待布设基站的x坐标，X_q,2(0)表示第1个待布设基站的y坐标，…，X_q,167(0)表示第84个待布设基站的x坐标，X_q,168(0)表示第84个待布设基站的y坐标。

为每个粒子设定一个对应的历史最优粒子，该历史最优粒子用于跟踪对应粒子在迭代过程中的最优值。初始迭代时设置每个历史最优粒子与其对应的粒子相同，粒子的适应值取0-1内的随机数，每个历史最优粒子的适应值与其对应粒子的适应值相等。

执行本发明方法步骤5-10，计算全局最粒子所表示的最优基站位置。

参照图5对仿真实验2的仿真结果做进一步的描述。

图5为室内7层楼体环境下，使用本发明方法经过仿真得到的室内7层楼体的基站分布的示意图，图5左侧的7层立方体表示7层楼体的外观图，箭头指向右侧的长方形表示每层楼体对应的单层平面图，每个单层平面图有12个房间，每个房间中的一个圆点表示一个微站。从图5可以看出：相邻两层的微站在物理距离上相互排斥。

参照图6对仿真实验2的仿真结果做进一步的描述。

图6为室内多层楼体环境下，使用本发明方法经过仿真得到的室内用户的平均接收信干噪比SINR随着楼层数的变化曲线图。图6中的横坐标轴表示楼层数，纵坐标轴表示室内用户的平均接收信干噪比SINR。图6中从上到下的三条曲线分别表示：以星号标示的曲线表示使用增强型量子行为粒子群优化方法EQPSO时室内用户的平均接收信干噪比SINR随着基站总数的变化曲线，以圆圈标示的曲线表示使用量子行为粒子群优化方法QPSO时室内用户的平均接收信干噪比SINR随着基站总数的变化曲线，以三角形标示的曲线表示使用粒子群优化方法PSO时室内用户的平均接收信干噪比SINR随着基站总数的变化曲线。

从图6可以看出，在微站个数相等时，采用本发明增强型量子行为粒子群优化方法EQPSO时，取得的室内用户的平均接收信干噪比SINR最大，由此可见本发明方法在微站个数相等时相对于传统方法带来的增益最大。

Claims (9)

1.一种5G超密集无线网络的基站布设装置，其特征在于，包括初始化模块、适应值计算模块、数据处理模块、显示模块；所述的初始化模块直接与数据处理模块相连、所述的数据处理模块直接与显示模块相连、所述的适应值计算模块集成于数据处理模块中；其中：

所述的初始化模块，用于对5G超密集无线网络环境中的基站待布设区域参数进行初始化；对5G超密集无线网络环境中的待布设基站参数进行初始化；确定基站布设标准；

所述的适应值计算模块，利用适应值更新步骤，计算每个粒子的适应值；

所述的数据处理模块，用于构建直角坐标系；生成多个粒子；分别为每个粒子生成历史最优粒子；生成一个全局最优粒子；更新每个粒子；更新每个历史最优粒子及其适应值；更新全局最优粒子及其适应值；

所述的显示模块，用于输出所有待布设基站的最优位置，包括在LED显示器上输出基站待布设区域的拟合，在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

2.一种5G超密集无线网络的基站布设方法，其特征在于，该方法是利用5G超密集无线网络的基站布设装置，确定基站待布设区域所有待布设基站的位置坐标，具体步骤包括如下：

(1)初始化参数：

(1a)初始化模块对5G超密集无线网络环境中的基站待布设区域参数进行初始化；

(1b)初始化模块对5G超密集无线网络环境中的待布设基站参数进行初始化；

(1c)初始化模块确定基站布设标准；

(2)构建直角坐标系：

将直角坐标系xoy的坐标原点设定在基站待布设区域左下方的任意区域，x、y坐标轴分别表示基站待布设区域的相邻垂直边长，直角坐标系xoy中的每个点表示一个待布设基站的位置；

(3)生成多个粒子：

生成多个粒子，每个粒子表示一种待布设基站位置的集合，粒子中每一个待布设基站位置表示待布设区域内的随机位置；

(4)生成历史最优粒子与全局最优粒子：

(4a)为每个粒子设定一个对应的历史最优粒子，该历史最优粒子用于跟踪对应粒子在迭代过程中的最优值；初始迭代时设置每个历史最优粒子与其对应的粒子相同，粒子的适应值取0-1内的随机数，每个历史最优粒子的适应值与其对应粒子的适应值相等；

(4b)生成一个全局最优粒子，该全局最优粒子用于跟踪所有历史最优粒子在迭代过程中的最优值；初始迭代时将全局最优粒子的适应值设置为所有历史最优粒子适应值中的最大值，设置全局最优粒子与具有最大适应值的历史最优粒子相同；

(5)更新每个粒子：

(5a)利用平均最优位置更新公式，计算所有粒子的平均最优位置；

(5b)利用收缩因子更新公式，计算每个粒子的收缩因子；

(5c)利用吸引子系数更新公式，计算每个粒子的吸引子系数；

(5d)利用粒子更新公式，用平均最优位置、收缩因子、吸引子系数更新每个粒子；

(6)计算每个粒子的适应值：

采用与初始化模块确定的基站布设标准所对应的适应值更新方法，计算模块计算每个粒子的适应值；

(7)判断每个粒子的适应值是否大于其对应的历史最优粒子的适应值，若是，则执行步骤(8)；否则，执行步骤(9)；

(8)用粒子的适应值更新历史最优粒子的适应值，用更新适应值的该粒子更新历史最优粒子；

(9)用所有历史最优粒子适应值中的最大值更新全局最优粒子的适应值；用具有最大适应值的历史最优粒子更新全局最优粒子；

(10)判断当前迭代次数是否大于最大迭代次数，若是，则执行步骤(11)；否则，执行步骤(5)；

(11)输出所有待布设基站的最优位置：

(11a)在LED显示器上输出基站待布设区域的拟合；

(11b)在LED显示器上输出全局最优粒子代表的所有待布设基站的最优位置。

3.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(1a)中所述的5G超密集无线网络环境中的基站待布设区域参数是指：对基站待布设区域的面积、形状、禁止放置基站的区域、对辐射强度有限制的区域，待布设区域用户的数量与分布，信道模型进行初始化；其中，基站待布设区域的面积、形状、禁止放置基站的区域、对辐射强度有限制的区域是根据实际的布设场景进行拟合；待布设区域的用户数量取基站待布设区域内某一段时间内的平均值，待布设区域用户的分布取随机分布、高斯分布，信道模型取WINNER-2城市微小区信道模型。

4.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(1b)中所述的5G超密集无线网络环境中的待布设基站参数是指：待布设基站的类型取微站microBS、微微基站pico、毫微微基站femto；单个待布设基站发射功率30dBm；单个待布设基站的最大服务用户数取20个。

5.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(1c)中所述的5G超密集无线网络环境中的基站布设标准是指，可从下述三种标准中的任意选择一个：用户的平均接收信干噪比SINR、用户的覆盖率、系统的容量。

6.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(5a)所述的平均最优位置更新公式如下：

其中，C_j(t)表示第t次迭代时平均最优位置C(t)的第j个坐标分量；M表示历史最优粒子的总数；e表示历史最优粒子的序号；Σ表示求和操作；P_e,j(t)表示第t次迭代中第e个历史最优粒子P_e(t)中的第j个坐标分量；j＝1,2,...,2N，N表示待布设基站的总数。

7.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(5b)所述的收缩因子更新公式如下：

若t<T，

若t≥T，

其中，t表示当前迭代次数，T表示每个收缩因子的变化周期，t_max表示最大迭代次数，α_i表示第i个收缩因子，i＝1,2,...,M，M表示收缩因子的总数，M与粒子总数相等；|·|表示取绝对值操作，h_m(t)表示第t次迭代时第m个历史最优粒子的适应值，m的取值与i相等；g(t-T)表示第t-T次迭代时的全局最优粒子的适应值；v表示每个收缩因子的变化触发门限，v＝0.01。

8.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(5c)所述的吸引子系数更新公式如下：

其中，p_f,g(t)表示第t次迭代时第f个吸引子p_f(t)的第g个坐标分量，f＝1,2,..,M，M表示吸引子系数的总数，M与粒子总数相等，g＝1,2,..,2N，N表示待布设基站的总数；随机变量服从(0,1)上的均匀分布；P_m,n(t)表示第t次迭代时第m个历史最优粒子P_m(t)的第n个坐标分量，m的取值与f相等，n的取值与g相等；G_q(t)表示第t次迭代时全局最优粒子G(t)的第q个坐标分量，q的取值与g相等。

9.根据权利要求2所述的一种5G超密集无线网络的基站布设方法，其特征在于，步骤(5d)所述的粒子更新公式如下：

X_r,s(t+1)＝p_u,v(t)±α_z·|C_w(t)-X_r,s(t)|·In[1/u]

其中，X_r,s(t+1)表示第t+1次迭代时第r个粒子X_r(t+1)的第s个坐标分量，r＝1,2,..,M，M表示吸引子系数的总数，M的取值与粒子总数相等，s＝1,2,..,2N，N表示待布设基站的总数；p_u,v(t)表示第t次迭代时第u个吸引子p_u(t)的第v个坐标分量，u的取值与r相等，v的取值与s相等；α_z表示第z个收缩因子，|·|表示取绝对值操作，C_w(t)表示第t次迭代时平均最优位置C(t)的第w个坐标分量，w的取值与s相等；X_r,s(t)表示第t次迭代时粒子X_r(t)的第s个坐标分量；In表示取自然对数操作；随机变量u服从(0,1)上的均匀分布。