CN108668338B - 异构网络中的网络选择方法 - Google Patents

Abstract

本发明公开了一种异构网络中的网络选择方法，所述异构网络包括宏蜂窝网络和家庭蜂窝网络，该方法包括：S101，信道检测，用户向每个信道发送一个已知信号，接收端通过接收到的信号功率值分别计算出所述家庭窝网络的信道增益和所述宏蜂窝网络的信道增益；S102，控制发送功率小于干扰温度门限；S103，计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率；S104，将网络选择问题转化为功率优化问题，通过功率优化函数计算出发射功率，实现网络选择。本发明将用户的网络选择问题通过接入概率来解决，通过控制用户的发送功率来控制网络接入概率，实现最优网络的选择，使用户能够优先接入信道状态良好的网络进行传输，让用户以更大的概率接入最优网络。

Description

异构网络中的网络选择方法

技术领域

本发明涉及通信技术领域，特别是涉及一种异构网络中的网络选择方法。

背景技术

下一代高速无线网络期望能支持各种模式的多媒体业务，并根据网络的外部环境(业务模式、业务类型、业务量大小、用户偏好等)实现认知能力，其基本特征是能够根据认知结果，通过自主决策来调整和重构网络，以适应环境的变化。

为了便于蜂窝网络的建模和分析，六边形网络模型被广泛接受和使用。然而，由于容量需求的变化，随机拓扑成为了现代蜂窝网络的主要特性。宏基站(macro basestation，MBS)的位置会偏离那些确定的六边形网络，因而传统的网络模型过于理想化。此外，小型基站的部署改变了蜂窝网络的拓扑结构，并增加了它的随机性。小型基站包括微基站，微微基站，以及毫微微基站。宏基站和小型基站在发射功率，覆盖范围，容量和部署成本方面的多元化特征提高了网络拓展设计的灵活性，以适应激增的用户数量和通信质量需求。因此，出现了一种基于随机几何形状的异构网络模型。

网络选择算法直接影响整个异构网络系统资源利用的有效性和网络间的负载均衡，合适的网络选择能够为更多用户提供满意的服务。

传统的网络选择算法主要有基于迟滞电平的网络选择(hysteresis basednetwork selection，HNS)算法和基于驻留时间的网络选择(dwelling-timer basednetwork selection，DNS)算法。这两种算法均以信号强度作为网络选择的主要参考因素，在实际应用过程中，不能很好的使用户优先接入信道状态良好的网络进行传输，无法实现更高概率的接入最优网络，尤其是在5G时代，实用性不佳。

发明内容

为此，本发明的提出一种异构网络中的网络选择方法，解决现有技术不能很好的使用户优先接入信道状态良好的网络进行传输，无法实现更高概率的接入最优网络的问题。

一种异构网络中的网络选择方法，所述异构网络包括宏蜂窝网络和家庭蜂窝网络，所述方法包括以下步骤：

S101，信道检测，用户向每个信道发送一个已知信号，接收端通过接收到的信号功率值分别计算出所述家庭窝网络的信道增益和所述宏蜂窝网络的信道增益；

S102，控制发送功率小于干扰温度门限；

S103，计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率；

S104，将网络选择问题转化为功率优化问题，通过功率优化函数计算出发射功率，实现网络选择。

根据本发明提供的异构网络中的网络选择方法，将用户的网络选择问题通过接入概率来解决，通过控制用户的发送功率来控制网络接入概率，并实现最优网络的选择，使得用户能够优先接入信道状态良好的网络进行传输，由于决定网络接入概率的参数之一是功率，因此可以通过控制功率对接入概率进行控制，让用户以更大的概率接入最优网络。通过仿真结果表明，相比于未经优化的算法，本方法取得了较好的效果，本发明提供的方法可以在5G异构蜂窝网络中使用，实用性更强。

另外，根据本发明上述的异构网络中的网络选择方法，还可以具有如下附加的技术特征：

进一步地，所述宏蜂窝网络中宏基站的空间分布服从泊松点过程Ψ_b＝{b_i；i＝1,2,3,...}，强度为B，其中b_i是第i个宏基站的位置，所述家庭蜂窝网络中家庭基站的空间分布服从Ψ_a＝{a_i；i＝1,2,3,...}，强度为A，而a_i表示第i个家庭基站所在的位置，信道的功率衰减速率为r^-η，其中r为距离，η>2为路径损耗指数，采用

表示用户与a_i之间的信道增益，采用

表示用户与b_i之间的信道增益，m为形状参数，μ为尺度参数。

进一步地，步骤S102中，所述干扰温度门限如下：

其中，P_I(f_c,W)是带宽为W，频点f_c处的干扰平均功率，k为玻尔兹曼常数，Q为系统中认知用户对授权用户产生的干扰，Q_max是授权用户能够容忍的干扰温度。

进一步地，步骤S103中，分别通过以下公式计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率：

其中，所述P_a为接入所述家庭蜂窝网络的概率，

为Beta函数，T≥1是一个偏置系数，用于控制用户与家庭基站的关联程度；

其中，所述P_b为接入所述宏蜂窝网络的概率。

进一步地，所述宏蜂窝网络和所述家庭蜂窝网络交错覆盖，且相互独立。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。

附图说明

本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一实施例的异构网络中的网络选择方法的流程图；

图2是接入概率与网络信道增益的关系仿真结果；

图3是目标函数与发送功率的关系仿真结果；

图4是本发明一实施例提供的方法(本文算法)与未经优化算法的性能对比仿真结果。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明一实施例提出的异构网络中的网络选择方法，其中，所述异构网络包括宏蜂窝网络和家庭蜂窝网络，本实施例中，所述宏蜂窝网络和所述家庭蜂窝网络交错覆盖，且相互独立，所述方法包括以下步骤：

S101，信道检测，用户向每个信道发送一个已知信号，接收端通过接收到的信号功率值分别计算出所述家庭窝网络的信道增益和所述宏蜂窝网络的信道增益；

其中，所述宏蜂窝网络中宏基站(Macro base station，简称MBS)的空间分布服从泊松点过程Ψ_b＝{b_i；i＝1,2,3,...}，强度为B，其中b_i是第i个宏基站的位置，所述家庭蜂窝网络中家庭基站(Femto base stations，简称FBS)的空间分布服从Ψ_a＝{a_i；i＝1,2,3,...}，强度为A，而a_i表示第i个家庭基站所在的位置，网络中存在两种用户：授权用户和认知用户，二者采用underlay方式共享信道，本实施例中主要解决认知用户的网络选择问题。由于同种网络不会重叠，因此每个用户有两种接入选择(MBS或FBS)。模拟一个常规信道，信道的功率衰减速率为r^-η，其中r为距离，η>2为路径损耗指数，采用

表示用户与a_i之间的信道增益，采用

表示用户与b_i之间的信道增益，m为形状参数，μ为尺度参数。

S102，控制发送功率小于干扰温度门限；

其中，所述干扰温度门限如下：

其中，P_I(f_c,W)是带宽为W，频点f_c处的干扰平均功率，k为玻尔兹曼常数，Q为系统中认知用户对授权用户产生的干扰，Q_max是授权用户能够容忍的干扰温度。

S103，计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率；

其中，具体分别通过以下公式计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率；

其中，所述P_a为接入所述家庭蜂窝网络的概率，

为Beta函数，T≥1是一个偏置系数，用于控制用户与家庭基站的关联程度，μ_a是FBS中用户设备的分布密度，μ_b是MBS中用户设备的分布密度。m是Nakagami信道衰弱模型参数。

其中，所述P_b为接入所述宏蜂窝网络的概率。

S104，将网络选择问题转化为功率优化问题，通过功率优化函数计算出发射功率，实现网络选择。

其中，网络选择可以通过控制用户接入每种网络的概率百分比来实现每个用户有两种备选网络可以接入。根据用户的瞬时功率等级，用户将选择接入覆盖的宏蜂窝网络或家庭蜂窝网络。因此，每个用户将仅具有两个候选网络实体，即空间上最近的宏蜂窝网络或家庭蜂窝网络。根据Slivnyak定理，用户不改变自身的统计特性。

下面介绍本实施例提供的方法的可行性：

令

为用户与最近FBS之间的距离，

为用户与最近MBS之间的距离，然后我们可以得到

由系统模型可知每个用户只有两个候选网络实体选择接入。因此，接入FBS的概率等价于距离最近的FBS的功率大于MBS功率的概率：

其中

进而得到概率密度函数为：

R_a/b的分布函数为：

将式(4)和(5)带入式(3)中，即可得到式(1)，得证。

本实施例中，接入概率可以理解为某一时刻用户接入不同网络的概率，也可以理解为用户连接不同网络的时间百分比，还可以理解为某个网络为用户服务的部分。用户的网络选择问题中的接入概率可以解释为以上任意一种。从式(1)可以看出，通过改变三个主要参量能够达到控制接入概率的目的，即增加家庭蜂窝网络数量来提高家庭蜂窝网络的强度，另外两个参数为偏置系数以及用户的发送功率。对于认知用户，发送功率的控制是最直接且容易实现的方法，因此本文着重研究通过功率控制来控制接入概率。

首先进行信道检测，假设信道具有相同的带宽。用户向每个信道发送一个已知信号，功率为P，接收端通过接收到的信号功率值便可以估计出信道的增益值。单位距离增益值更大的信道为理想信道。

假设家庭网络的信道增益高于宏蜂窝网络的信道增益，可以进行如下分析：

由于授权用户的优先级更高，认知用户需要考虑对授权用户的干扰问题，即发送功率小于干扰温度门限：

其中P_I(f_c,W)是带宽为W，频点f_c处的干扰平均功率，k为玻尔兹曼常数。

因此网络选择问题可以转化为功率优化问题，而功率优化目标为：

max{P_a} (7)

Q≤Q_max (8)

功率优化问题可以转化为有条件的函数极值的求解问题。建立函数：

令

则函数的一阶导数为：

二阶导数为：

由于η>2，我们可以得到：

由式(12)可得：

因此函数为凹函数，存在最优解。

对于宏蜂窝网络的性能优于家庭网络性能时，分析方法相同，在此不再赘述。

综上，通过改变认知用户的发送功率来控制接入概率，最终达到选择最优网络目的的网络选择算法是可行的。

此外，为了评估网络选择算法的有效性，用MATLAB对算法进行了仿真。为了仿真方便，在此设置参数P_b＝5W，η＝4，B＝1MBS/km²，m_b＝μ_b＝μ_a＝T＝1，W＝5MHz，f_c＝900MHz。本实施例所设置的网络性能参数为相对值，而非绝对值，是一个信道相对于另一个信道的好坏程度。例如，如果A/B＝2得到了理想的接入概率，我们不需要考虑A和B的具体数值，而仅仅考虑它们的比值。

图2表示的是接入概率与网络信道增益的关系。发送功率有三个不同的比值：p_a/p_b＝0.2，p_a/p_b＝0.5，p_a/p_b＝1，p_a和p_b分别为向家庭蜂窝网络和宏蜂窝网络发送信号的发送功率值。在横坐标的取值上，我们令宏蜂窝信道增益m_b＝1保持不变，而m_a的取值区间为[1,10]。从仿真图可以看出，随着家庭蜂窝信道增益m_a的增大，接入概率值也不断增加。同时，家庭蜂窝用户的发送功率值越大，其接入概率也越大。仿真结果表明，优良的信道增益和较大的发送功率能够吸引更多用户接入网络。

图3是目标函数与发送功率的关系，图中三条线表示三个不同的家庭基站蜂窝用户的信道增益取值(m_a＝4，m_a＝6，m_a＝9)时的曲线。仿真图表明随着家庭基站用户发射功率的增加，以传输速率为目标函数首先增加到峰值然后不断减小。同时，用户的信道增益越大实现的目标函数越大。从图中可以清晰的看出本文所建立的目标函数存在极大值，也就是说传输速率存在最优值使得接入概率最大，这与我们的理论推导相一致。

图4展示了本文算法(即本实施例提供的方法)与未经优化算法的性能对比。本实施例选择的网络性能指标为信道容量，因为信道容量能够直接表现出用户对信道的实际使用情况，仿真中p_a取实际值。我们假设未经优化算法以等概率接入网络，所得到的信道容量值是经过100次仿真结果的平均值。从仿真结果可以看出，本文算法与未优化算法的信道容量初始值相差不大，但随着发送功率的增加，对照算法的信道容量几乎不变，这是由于对照算法依然以等概率接入不同网络，而本文算法在发送功率增加时，接入信道状况较好网络的概率增大，因此信道容量得到提升。

综上，根据本实施例提供的异构网络中的网络选择方法，将用户的网络选择问题通过接入概率来解决，通过控制用户的发送功率来控制网络接入概率，并实现最优网络的选择，使得用户能够优先接入信道状态良好的网络进行传输，由于决定网络接入概率的参数之一是功率，因此可以通过控制功率对接入概率进行控制，让用户以更大的概率接入最优网络。通过仿真结果表明，相比于未经优化的算法，本方法取得了较好的效果，本发明提供的方法可以在5G异构蜂窝网络中使用，实用性更强。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种异构网络中的网络选择方法，其特征在于，所述异构网络包括宏蜂窝网络和家庭蜂窝网络，所述方法包括以下步骤：

S101，信道检测，用户向每个信道发送一个已知信号，接收端通过接收到的信号功率值分别计算出所述家庭蜂窝网络的信道增益和所述宏蜂窝网络的信道增益；

S102，控制发送功率小于干扰温度门限，所述温度门限是授权用户能够容忍的干扰温度；

S103，根据所述家庭蜂窝网络的信道增益和所述宏蜂窝网络的信道增益分别计算出接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率；

S104，以接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率为参数的极限函数求出最优发射功率，通过控制用户接入每种网络的概率百分比来实现每个用户有两种备选网络可以接入，进而将网络选择问题转化为功率优化问题，通过功率优化函数计算出发射功率，实现网络选择，其中，网络选择问题是指用户接入宏基站或者家庭基站，功率优化问题是指宏基站或家庭基站调整发射功率大小，使得用户以最大概率接入提供最优服务的基站。

2.根据权利要求1所述的异构网络中的网络选择方法，其特征在于，所述宏蜂窝网络中宏基站的空间分布服从泊松点过程Ψ_b＝{b_i；i＝1,2,3,...}，强度为B，其中b_i是第i个宏基站的位置，所述家庭蜂窝网络中家庭基站的空间分布服从泊松点过程Ψ_a＝{a_i；i＝1,2,3,...}，强度为A，而a_i表示第i个家庭基站所在的位置，信道的功率衰减速率为r^-η，其中r为距离，η>2为路径损耗指数，采用

表示用户与a_i之间的信道增益，采用

表示用户与b_i之间的信道增益，m为形状参数，μ为尺度参数，i为基站的序号，m_a对应用户与家庭基站之间的形状参数，μ_a对应用户与家庭基站之间的尺度参数，m_b对应用户与宏基站之间的形状参数，μ_b对应用户与宏基站之间的尺度参数。

3.根据权利要求2所述的异构网络中的网络选择方法，其特征在于，步骤S102中，所述干扰温度门限如下：

其中，P_I(f_c,W)是带宽为W，频点f_c处的干扰平均功率，k为玻尔兹曼常数，Q为系统中认知用户对授权用户产生的干扰，Q_max是授权用户能够容忍的干扰温度。

4.根据权利要求3所述的异构网络中的网络选择方法，其特征在于，步骤S103中，分别通过以下公式计算接入所述家庭蜂窝网络的概率和接入所述宏蜂窝网络的概率：

其中，所述P_a为接入所述家庭蜂窝网络的概率，

为Beta函数，T≥1是一个偏置系数，用于控制用户与家庭基站的关联程度；

其中，所述P_b为接入所述宏蜂窝网络的概率。

5.根据权利要求1至4任意一项所述的异构网络中的网络选择方法，其特征在于，所述宏蜂窝网络和所述家庭蜂窝网络交错覆盖，且相互独立。

Images