CN108737959A - 基于精密单点定位的5g超密集网络切换方法 - Google Patents

Abstract

本发明公开了一种基于精密单点定位的5G超密集网络切换方法，使用精密单点定位技术对超密集网络中当前用户位置进行测量并预测下一时刻位置，依据当前时刻的信干比和预测下一时刻的信干比进行切换决策，能够让目标微小区提前为可能发生的接入请求准备资源，提升了超密集网络的性能，降低了网络中的乒乓效应和平均时延，同时兼顾一般性和有效性，提升系统性能。

Description

基于精密单点定位的5G超密集网络切换方法

【技术领域】

本发明属于小区管理技术领域，具体涉及基于精密单点定位的5G超密集网络切换方法。

【背景技术】

目前，世界各地研究机构、学者对于5G的性能要求基本达成一致，希望有更高的数据流量、大量的终端连接和更小的时延等。为了实现上述无线通信网络的发展需求，超密集网络技术是目前的一个研究热点。

在过去的无线通信系统中，一般是通过小区分裂来缩小小区半径的，但就目前的情况看，小区半径已变得很小，难以继续靠小区分裂实现。另一种有效的方案是依靠增加小区中低功率微小区的数量来提高系统的容量，这意味着在5G中，网络中基站的部署密度较目前将会提升数十倍甚至更高。已有学者研究表明，在超密集网络中，系统的容量将会随着小区密度的增大而几乎呈线性增长。

超密集网络技术带来对系统容量的提升的同时也造成了对用户移动性管理的困难。随着小区半径的缩减，用户的移动将导致更加频繁的切换，在这种情况下，用户的移动性管理变得比之前更加复杂。目前对此问题的解决方案主要有以下几种：

方案一、基于用户历史数据的用户移动预测方案，该方案主要基于对用户的历史数据进行数据挖掘，得到用户的移动性规律从而提前预测用户未来的移动趋势，依据此提前做出切换决策。

方案二、基于用户位置与速度的用户移动预测方案，该方案采用基站定位、卫星单点定位对当前用户的位置与速度进行测量，得到当前用户在小区中的位置与速度，根据此结果计算出下一时刻用户的位置并作出切换决策。

以上方案都能够解决目前移动性管理中乒乓效应和滞后性的问题。

对于方案一，对用户历史数据进行数据挖掘基于一个基本假设，即用户的移动具有一定的规律性。这一方案仅适用于一些特定场景，例如用户工作日内的上下班路径这一场景。另外，对用户历史数据进行数据挖掘，工作繁重，主要体现在以下几点：

1.需要对系统中大量用户数据进行收集并做数据清洗、特征提取等工作；

2.目前尚无可靠有效的理论模型对用户行为进行合理的建模。主流的方案均是采用机器学习相关模型对这一问题进行建模，但复杂的建模和大规模数据的模型训练难以应用到移动网络的计算环境中。

对于方案二，目前主要的问题在于对采用基站、卫星定位对确定用户位置的精度不够，导致较大的预测误差，这在超密集网络小区半径不断缩小的场景下尤为明显。

针对以上方案中的问题，本发明要解决的是提出一种新的适用于5G超密集网络中的移动性管理方案，同时兼顾一般性和有效性，提升系统性能。

【发明内容】

本发明所要解决的技术问题在于针对上述现有技术中的不足，提出一种基于精密单点定位的5G超密集网络切换方法。

本发明采用以下技术方案：基于精密单点定位的5G超密集网络切换方法，其特征在于，使用精密单点定位技术对超密集网络中当前用户位置进行测量并预测下一时刻位置，依据当前时刻的信干比和预测下一时刻的信干比进行切换决策，能够让目标微小区提前为可能发生的接入请求准备资源，提升了超密集网络的性能，降低了网络中的乒乓效应和平均时延。

进一步的，具体按照以下步骤实施：

a)用户设备以一定的周期第一次向宏小区上报用户当前位置和用户速度信息；

b)宏小区根据当前获取的用户当前位置和用户速度信息，计算用户在源微小区中的第一信干比；再预测下一时刻用户设备的位置，分别计算用户设备在邻居微小区集合中每个邻居微小区的信干比，将数值最大的信干比作为第二信干比，并进行以下判断：

若第二信干比减第一信干比的差值大于等于切换决策门限，则第二信干比对应的邻居微小区即为预切换的目标微小区；

否则，忽略本次结果，等待下次测量；

c)如果步骤b)中决策结果为需要发生预切换，则宏小区向预切换的目标微小区发送预切换请求，目标微小区判断本小区是否有足够的资源使得用户接入：若有足够资源，则为用户准备相应的资源；否则，拒绝用户接入本微小区，并返回至步骤a)；

d)用户设备第二次向宏小区上用户当前位置和用户速度信息；

e)宏小区计算用户设备在预切换目标微小区的第三信干比，并进行以下判断：

若第三信干比减第一信干比的差值大于等于切换决策门限，则认为预测结果与实际情况相符，继续向下执行；否则，返回步骤a)；

用户设备根据宏小区上的切换决策结果，由宏小区控制用户设备和目标微小区，切换到目标微小区；在切换过程中，进行与源微小区断开业务连接，与目标微小区建立业务连接；切换完成后，需要进行服务网关的切换和源微小区的资源释放。

进一步的，步骤a)的具体方法是：

1.1)首先用户设备获得观测数据、精密星历数据和精密钟差数据；

1.2)使用步骤1.1)中的三组数据组成方程组，并对方程进行误差改正，使用无电离层组合(Ionosphere-free LC)方法消除观测数据中的电离层延迟影响，使用IGS提供的精密星历和精密钟差产品，削弱卫星轨道误差和卫星钟差对定位的影响，使用萨斯塔莫宁(Saastamoinen)模型进行对流层延迟修正，并改正固体潮、极潮等地球潮汐误差；

1.3)使用卡尔曼滤波求解步骤1.2)中的方程组，并判断残差是否超限：如果超限，则等待下次测量数据重新计算；否则，输出本次的计算结果，结果中包括当前的位置信息和速度信息。

进一步的，步骤b)的具体方法为：

2.1)由用户的位置信息或用户的预测位置信息，计算出用户与宏小区的距离、源微小区的距离和邻居微小区的距离；

已知用户坐标为r_r＝(x,y,z)^T基站坐标为r_BS＝(x_BS,y_BS,z_BS)^T，则距离d为：

d＝||r_r-r_BS||；

2.2)按照WINNERII信道模型中的典型城市宏小区和典型城市微小区路径损耗模型作为本系统的路径损耗模型计算依据，计算出用户在宏小区中的路径损耗和在微小区中的路径损耗：

其中，

PL_macro，PL_micro分别为宏小区和微小区的路径损耗；

i,m分别代表宏小区基站i，微小区基站m；

x,y用户到宏小区基站i的距离，用户到微小区基站m的距离；

f_macro,f_micro分别为宏小区和微小区的载波频率；

ε(i,x),ε(m,y)为阴影衰落，其服从零均值标准差为σ的高斯分布。

2.3)由步骤2.2)中的宏小区和微小区的路径损耗可分别计算出用户的宏小区和微小区接收信号功率：

Pr_macro(i,x)＝Pt_macro-PL_macro(i,x)，

Pr_micro(m,y)＝Pt_micro-PL_micro(m,y)，

其中，

Pr_macro,Pr_micro分别为宏小区和微小区中的用户接收信号功率，

Pt_macro,Pt_micro分别为宏小区和微小区中基站的发射信号功率；

2.4)同时考虑小区间的同频干扰和异频干扰，可分别计算出用户的宏小区干扰和微小区干扰；

其中，

I_i,I_m分别为宏小区i和微小区m的干扰；

N_{nei_eNB}为待求小区的所有邻居小区，包括宏小区和微小区；

2.5)由步骤2.3)和步骤2.4)的结果可计算出用户在小区中的信干比；

SIR_macro(i,x)＝Pr_macro(i,x)-I_i，

SIR_micro(m,y)＝Pr_micro(m,y)-I_m，

其中，

SIR_macro(i,x),SIR_micro(m,y)分别为宏小区和微小区的信干比。

进一步的，切换到目标微小区的具体方法为：

a)宏小区向目标微小区发送切换请求，请求让用户设备接入目标微小区；

b)目标微小区收到切换请求后，先做准入控制，准备重新配置RCC连接信息；

c)目标微小区向宏小区回应切换请求；

d)宏小区向用户设备发出切换命令，即发出让用户设备接入目标微小区的命令；

e)用户设备同步到目标微小区；

f)宏小区发出路径转换请求，目标微小区的移动性管理实体发现用户设备已经改变；

g)目标微小区的移动性管理实体向服务网关发出转换请求，最后源微小区收到回应后，释放相应的资源，切换完成。

与现有技术相比，本发明至少具有以下有益效果：

(1)本技术提高了小区对用户位置定位的精度和用户速度的估计精度，能够提高对用户位置预测的精度。

(2)在超密集网络小区半径缩小的情况下，相对于传统技术，能够减少非必要切换次数，降低超密集网络系统中的乒乓效应和切换时延。

【附图说明】

图1为本发明基于精密单点定位的5G超密集网络切换方法的流程图；

图2为本发明基于精密单点定位的5G超密集网络切换方法精密单点定位的计算流程图；

图3为本发明基于精密单点定位的5G超密集网络切换方法信干比的计算方法流程图。

【具体实施方式】

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本发明提供了基于精密单点定位的5G超密集网络切换方法，使用精密单点定位技术对超密集网络中当前用户位置进行测量并预测下一时刻位置，依据当前时刻的信干比和预测下一时刻的信干比进行切换决策，能够让目标微小区提前为可能发生的接入请求准备资源，提升了超密集网络的性能，降低了网络中的乒乓效应和平均时延。

本发明的基于精密单点定位的5G超密集网络切换方法，如图1，具体按照以下步骤实施：

a)用户设备以一定的周期(可以设置为1秒)向宏小区上报测量报告，报告中包括使用精密单点定位计算出的用户当前位置和用户速度信息；如图2，精密单点定位的计算流程，具体为：

1.1)首先用户设备获得观测数据、精密星历数据和精密钟差数据；

1.2)使用步骤1.1)中的三组数据组成方程组，并对方程进行误差改正，包括使用无电离层组合(Ionosphere-free LC)方法消除观测数据中的电离层延迟影响，使用的是IGS提供的精密星历和精密钟差产品，削弱了卫星轨道误差和卫星钟差对定位的影响；使用萨斯塔莫宁(Saastamoinen)模型进行对流层延迟修正；固体潮、极潮等地球潮汐误差通过相应的模型进行改正

本节中所有公式的上标s代表卫星，下标r代表用户接收机；

◆考虑精密单点定位中伪距和载波相位的原始观测量为：

P_i＝ρ+c(dt_r-dt^s)+d_trop+d_ion+d_other+ε_P，

其中，

P_i，L_i分别为频率i上的伪距和载波相位观测值；

dt_r,dt^s为接收机和卫星钟差；

ρ为卫星到接收机天线相位中心的几何距离，c为真空中光速；

d_trop，d_ion分别为对流层延迟和电离层延迟；

λ_i，为频率i上的载波波长与载波相位模糊度偏差；

其中，φ_r,0,i，分别为接收机和卫星的初始载波相位。

d_other为固体潮、极潮、海洋负荷、卫星和接收机天线相位中心、多径效应等其他误差；

ε_P，ε_L为测量噪声。

◆利用f₁和f₂两个频率的原始观测量可以组成无电离层组合观测量(Ionosphere-free LC)，消除电离层延迟误差的影响：

P_IF和L_IF分别代表伪距和载波相位无电离层组合观测量。

1.3)使用卡尔曼滤波求解步骤1.2)中的方程组，并判断残差是否超限：如果超限，则等待下次测量数据重新计算；否则，输出本次的计算结果，结果中包括当前的位置信息和速度信息。

◆精密单点定位的测量方程如下：

y＝h(x)+v，

其中：

1)是未知参数矢量；

其中：

r_r＝(x,y,z)^T为用户位置矢量；

为用户速度矢量；

cdt_r为用户接收机钟差与真空中光速的乘积；

Z_r,G_N,r,G_E,r为用户接收机对流层参数；

假设有m颗观测卫星，为用户接收机无电离层组合载波相位模糊度偏差。

2)y＝(L_IF ^T,P_IF ^T)^T为无电离层组合观测矢量

其中：

假设有m颗观测卫星，分别为用户接收机载波相位和伪距观测值。

3)测量模型矢量和偏导数矩阵

测量模型包含伪距和载波相位测量模型；

其中：

偏导数矩阵

其中：单差矩阵

其中为视距矢量，t^s和t_r分别是卫星和接收机的时间。

其中：

为对流层湿延迟映射函数；

为卫星俯仰角；

为卫星方位角。

协方差矩阵

其中

为伪距和载波相位在f₁频率的测量误差的标准差。

那么第k次测量时，按如下扩展卡尔曼滤波方程更新未知矢量x和其协方差矩阵P。

其中：

变换矩阵

系统噪声的协方差矩阵

其中：

EKF每个测量周期更新后，即可得到当前用户位置r_r＝(x,y,z)^T和

b)宏小区执行切换决策一，即宏小区使用用户设备的测量报告中的用户设备位置计算用户设备在源微小区中的第一信干比，再使用用户设备的测量报告中的用户位置和用户速度预测下一时刻用户设备的位置，并使用预测出的用户设备位置分别计算用户设备在邻居微小区集合中每个邻居微小区的的信干比，选出其中最大值作为第二信干比。若第二信干比减第一信干比大于等于切换决策门限，则第二信干比对应的邻居微小区作为预切换的目标基站，否则忽略本次结果，等待下次测量。实际中，切换决策门限可以取值3dB～6dB。

对用户位置的预测方法为：得到当前用户位置r_r＝(x,y,z)^T和使用如下方式对用下一时刻位置进行预测。

如图3，信干比的计算方法，具体为：

2.1)由用户的位置信息或用户的预测位置信息，计算出用户与宏小区的距离、源微小区的距离和邻居微小区的距离；

已知用户坐标为r_r＝(x,y,z)^T基站坐标为r_BS＝(x_BS,y_BS,z_BS)^T，则距离d为：

d＝||r_r-r_BS||，

2.2)按照WINNERII信道模型中的典型城市宏小区和典型城市微小区路径损耗模型作为本系统的路径损耗模型计算依据，计算出用户在宏小区中的路径损耗和在微小区中的路径损耗：

其中，

PL_macro，PL_micro分别为宏小区和微小区的路径损耗；

i,m分别代表宏小区基站i，微小区基站m；

x,y用户到宏小区基站i的距离，用户到微小区基站m的距离；

f_macro,f_micro分别为宏小区和微小区的载波频率；

ε(i,x),ε(m,y)为阴影衰落，其服从零均值标准差为σ的高斯分布。

2.3)由步骤2.2)中的宏小区和微小区的路径损耗可分别计算出用户的宏小区和微小区接收信号功率：

Pr_macro(i,x)＝Pt_macro-PL_macro(i,x)，

Pr_micro(m,y)＝Pt_micro-PL_micro(m,y)，

其中，

Pr_macro,Pr_micro分别为宏小区和微小区中的用户接收信号功率，

Pt_macro,Pt_micro分别为宏小区和微小区中基站的发射信号功率；

2.4)同时考虑小区间的同频干扰和异频干扰，可分别计算出用户的宏小区干扰和微小区干扰；

其中，

I_i,I_m分别为宏小区i和微小区m的干扰；

N_{nei_eNB}为待求小区的所有邻居小区，包括宏小区和微小区；

2.5)由步骤2.3)和步骤2.4)的结果可计算出用户在小区中的信干比；

SIR_macro(i,x)＝Pr_macro(i,x)-I_i，

SIR_micro(m,y)＝Pr_micro(m,y)-I_m，

其中，SIR_macro(i,x),SIR_micro(m,y)分别为宏小区和微小区的信干比。

c)如果步骤b)中决策结果为需要发生预切换，则宏小区向预切换的目标微小区发送预切换请求，目标微小区判断本小区是否有足够的资源使得用户接入：若有足够资源，则为用户准备相应的资源；否则，拒绝用户接入本微小区，并返回至步骤a)；

d)用户设备第二次向宏小区上报测量报告，报告中包括使用精密单点定位计算出的用户当前位置和用户速度信息；

e)此时宏小区执行切换决策二，即宏小区使用用户设备上报的测量报告计算用户设备在预切换目标基站的第三信干比，并进行以下判断：

若第三信干比减第一信干比的差值大于等于切换决策门限，则认为预测结果与实际情况相符，继续向下执行；否则，返回步骤a)；

f)宏小区向目标微小区发送切换请求，请求让用户设备接入目标微小区；

g)目标微小区收到切换请求后，先做准入控制，准备重新配置RCC连接信息；

h)目标微小区向宏小区回应切换请求；

i)宏小区向用户设备发出切换命令，即发出让用户设备接入目标微小区的命令；

j)用户设备同步到目标微小区；

k)宏小区发出路径转换请求，目标微小区的移动性管理实体发现用户设备已经改变；

本文提出了一种基于精密单点定位的5G超密集网络切换方法，相比于传统小区对用户定位使用基站定位、卫星单点定位的方法，提出了一种使用精密单点定位的小区用户位置确定方法；提出了一种基于精密单点定位的小区用户位置预测方法；提出了一种超密集网络切换方法。

目标微小区的移动性管理实体向服务网关发出转换请求，最后源微小区收到回应后，释放相应的资源，切换完成。本技术提高了小区对用户位置定位的精度和用户速度的估计精度，能够提高对用户位置预测的精度。在超密集网络小区半径缩小的情况下，相对于传统技术，能够减少非必要切换次数，降低超密集网络系统中的乒乓效应和切换时延。

Claims (5)

1.基于精密单点定位的5G超密集网络切换方法，其特征在于，使用精密单点定位技术对超密集网络中当前用户位置进行测量并预测下一时刻位置，依据当前时刻的信干比和预测下一时刻的信干比进行切换决策，能够让目标微小区提前为可能发生的接入请求准备资源，提升了超密集网络的性能，降低了网络中的乒乓效应和平均时延。

2.如权利要求1所述的基于精密单点定位的5G超密集网络切换方法，其特征在于，具体按照以下步骤实施：

a)用户设备以一定的周期第一次向宏小区上报用户当前位置和用户速度信息；

b)宏小区根据当前获取的用户当前位置和用户速度信息，计算用户在源微小区中的第一信干比；再预测下一时刻用户设备的位置，分别计算用户设备在邻居微小区集合中每个邻居微小区的信干比，将数值最大的信干比作为第二信干比，并进行以下判断：

若第二信干比减第一信干比的差值大于等于切换决策门限，则第二信干比对应的邻居微小区即为预切换的目标微小区；

否则，忽略本次结果，等待下次测量；

c)如果步骤b)中决策结果为需要发生预切换，则宏小区向预切换的目标微小区发送预切换请求，目标微小区判断本小区是否有足够的资源使得用户接入：若有足够资源，则为用户准备相应的资源；否则，拒绝用户接入本微小区，并返回至步骤a)；

d)用户设备第二次向宏小区上用户当前位置和用户速度信息；

e)宏小区计算用户设备在预切换目标微小区的第三信干比，并进行以下判断：

若第三信干比减第一信干比的差值大于等于切换决策门限，则认为预测结果与实际情况相符，继续向下执行；否则，返回步骤a)；

用户设备根据宏小区上的切换决策结果，由宏小区控制用户设备和目标微小区，切换到目标微小区；在切换过程中，进行与源微小区断开业务连接，与目标微小区建立业务连接；切换完成后，需要进行服务网关的切换和源微小区的资源释放。

3.如权利要求2所述的基于精密单点定位的5G超密集网络切换方法，其特征在于，所述步骤a)的具体方法是：

1.1)首先用户设备获得观测数据、精密星历数据和精密钟差数据；

1.2)使用步骤1.1)中的三组数据组成方程组，并对方程进行误差改正，使用无电离层组合(Ionosphere-freeLC)方法消除观测数据中的电离层延迟影响，使用IGS提供的精密星历和精密钟差产品，削弱卫星轨道误差和卫星钟差对定位的影响，使用萨斯塔莫宁(Saastamoinen)模型进行对流层延迟修正，并改正固体潮、极潮等地球潮汐误差；

1.3)使用卡尔曼滤波求解步骤1.2)中的方程组，并判断残差是否超限：如果超限，则等待下次测量数据重新计算；否则，输出本次的计算结果，结果中包括当前的位置信息和速度信息。

4.如权利要求2所述的基于精密单点定位的5G超密集网络切换方法，其特征在于，所述步骤b)的具体方法为：

2.1)由用户的位置信息或用户的预测位置信息，计算出用户与宏小区的距离、源微小区的距离和邻居微小区的距离；

已知用户坐标为r_r＝(x,y,z)^T基站坐标为r_BS＝(x_BS,y_BS,z_BS)^T，则距离d为：

d＝||r_r-r_BS||；

2.2)按照WINNERII信道模型中的典型城市宏小区和典型城市微小区路径损耗模型作为本系统的路径损耗模型计算依据，计算出用户在宏小区中的路径损耗和在微小区中的路径损耗：

其中，

PL_macro，PL_micro分别为宏小区和微小区的路径损耗；

i,m分别代表宏小区基站i，微小区基站m；

x,y用户到宏小区基站i的距离，用户到微小区基站m的距离；

f_macro,f_micro分别为宏小区和微小区的载波频率；

ε(i,x),ε(m,y)为阴影衰落，其服从零均值标准差为σ的高斯分布。

2.3)由步骤2.2)中的宏小区和微小区的路径损耗可分别计算出用户的宏小区和微小区接收信号功率：

Pr_macro(i,x)＝Pt_macro-PL_macro(i,x)，

Pr_micro(m,y)＝Pt_micro-PL_micro(m,y)，

其中，

Pr_macro,Pr_micro分别为宏小区和微小区中的用户接收信号功率，

Pt_macro,Pt_micro分别为宏小区和微小区中基站的发射信号功率；

2.4)同时考虑小区间的同频干扰和异频干扰，可分别计算出用户的宏小区干扰和微小区干扰；

其中，

I_i,I_m分别为宏小区i和微小区m的干扰；

N_{nei_eNB}为待求小区的所有邻居小区，包括宏小区和微小区；

2.5)由步骤2.3)和步骤2.4)的结果可计算出用户在小区中的信干比；

SIR_macro(i,x)＝Pr_macro(i,x)-I_i，

SIR_micro(m,y)＝Pr_micro(m,y)-I_m，

其中，

SIR_macro(i,x),SIR_micro(m,y)分别为宏小区和微小区的信干比。

5.如权利要求2所述的基于精密单点定位的5G超密集网络切换方法，其特征在于，切换到目标微小区的具体方法为：

a)宏小区向目标微小区发送切换请求，请求让用户设备接入目标微小区；

b)目标微小区收到切换请求后，先做准入控制，准备重新配置RCC连接信息；

c)目标微小区向宏小区回应切换请求；

d)宏小区向用户设备发出切换命令，即发出让用户设备接入目标微小区的命令；

e)用户设备同步到目标微小区；

f)宏小区发出路径转换请求，目标微小区的移动性管理实体发现用户设备已经改变；

g)目标微小区的移动性管理实体向服务网关发出转换请求，最后源微小区收到回应后，释放相应的资源，切换完成。