CN110198552B - 一种下行吞吐量的计算方法和装置 - Google Patents

Abstract

本发明的实施例提供了一种下行吞吐量的计算方法和装置，涉及通信技术领域，解决了如何计算5G小区的下行吞吐量的问题。该方法包括，获取小区的场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值；根据场景地图，确定SINR值在SINR区间出现的概率；根据第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量；根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量。

Description

一种下行吞吐量的计算方法和装置

技术领域

本发明涉及通信技术领域，尤其涉及一种下行吞吐量的计算方法和装置。

背景技术

目前，第五代移动通信技术(英文全称：5th-Generation，简称：5G)作为首个中国主推的通信标准，目前标准已经基本冻结。从设备形态来看，5G新空口(英文全称：NewRadio，简称：NR)是结合大功率(200W)、大带宽(100MHz)和大规模天线技术形成的新型基站，如图1所示，NR具备多个子载波且可以进行波束赋形。5G不同于传统的蜂窝移动网络，大规模天线设备和设备的强大计算能力，可以极大的实现不同用户间的配对，如好点户和中点用户配对后，吞吐量为二者独立传输的1.2倍或更多。因此，小区的下行吞吐量已经无法简单的使用第四代移动通信技术(英文全称：the 4th Generation mobile communicationtechnology，简称：4G)里好点吞吐量、中点吞吐量、差点吞吐量来评估了。

由上述可知，如何计算5G小区的下行吞吐量成为了一个亟待解决的问题。

发明内容

本发明的实施例提供一种下行吞吐量的计算方法和装置，解决了如何计算5G小区的下行吞吐量的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供一种下行吞吐量的计算方法，包括：获取小区的场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值；根据场景地图，确定SINR值在SINR区间出现的概率；根据第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量；根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量。

由上述方案可知，本发明的实施例提供的下行吞吐量的计算方法，通过小区的覆盖范围内的至少一个测量点的第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量，从而建立不同的SINR区间与第二下行吞吐量的对应关系；同时，根据该小区的场景地图，确定SINR值在SINR区间出现的概率，从而确定SINR值与SINR区间的对应关系；最后，根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量；因此，通过本发明的实施例提供的下行吞吐量的计算方法，可以计算出5G小区的下行吞吐量，解决了如何计算5G小区的下行吞吐量的问题。

第二方面、本发明的实施例提供一种下行吞吐量的计算装置，包括：获取单元，用于获取小区的场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值；处理单元，用于根据获取单元获取的场景地图，确定SINR值在SINR区间出现的概率；处理单元，还用于根据获取单元获取的第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量；处理单元，还用于根据第二下行吞吐量、SINR值在SINR区间出现的概率和获取单元获取的场景地图，确定小区的第三下行吞吐量。

第三方面，本发明的实施例提供一种下行吞吐量的计算装置，包括：通信接口、处理器、存储器、总线；存储器用于存储计算机执行指令，处理器与存储器通过总线连接，当下行吞吐量的计算装置运行时，处理器执行存储器存储的计算机执行指令，以使下行吞吐量的计算装置执行如上述第一方面提供的方法。

第四方面，本发明的实施例提供一种计算机存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述第一方面提供的方法。

可以理解地，上述提供的任一种下行吞吐量的计算装置用于执行上文所提供的第一方面对应的方法，因此，其所能达到的有益效果可参考上文第一方面的方法以及下文具体实施方式中对应的方案的有益效果，此处不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中5G NR的内部结构示意图；

图2为本发明的实施例提供的一种下行吞吐量的计算方法的硬件系统架构图；

图3为本发明的实施例提供的一种下行吞吐量的计算方法的硬件仿真部分设备部署图；

图4为本发明的实施例提供的一种下行吞吐量的计算方法的流程示意图之一；

图5为本发明的实施例提供的一种下行吞吐量的计算方法的流程示意图之二；

图6为本发明的实施例提供的一种下行吞吐量的计算方法的CDF曲线；

图7为本发明的实施例提供的一种下行吞吐量的计算方法的相关度的示意图之一；

图8为本发明的实施例提供的一种下行吞吐量的计算方法的相关度的示意图之二；

图9为本发明的实施例提供的一种下行吞吐量的计算方法的相关度0.3时SINR-吞吐量的示意图；

图10为本发明的实施例提供的一种下行吞吐量的计算方法的流程示意图之三；

图11为本发明的实施例提供的一种下行吞吐量的计算方法的流程示意图之四；

图12为本发明的实施例提供的一种下行吞吐量的计算装置的结构示意图之一；

图13为本发明的实施例提供的一种下行吞吐量的计算装置的结构示意图之二。

附图标记：

下行吞吐量的计算装置-10；

获取单元-101；处理单元-102。

具体实施方式

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，所描述的实施例仅仅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。

为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。

在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。例如，多个网络是指两个或两个以上的网络。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系，例如A/B表示A或者B。

本发明的实施例提供的上行吞吐量的计算方法适用于具备如图1所示的基站和用户设备(英文全称：User Equipment，简称：UE)；其中，基站在发送(transport，TX)信息时，通过k个传输链路传输数据；第k条传输链路在传输信息时，包括：首先，根据承载在子基带(subband)k的符号(symbol)(这里符号是指基站需要传输的信息)，然后按照载波间隔(subcarrier spacing)k进对该符号进行快速傅里叶逆变换(Inverse Fast FourierTransform，IFFT)后得到信号k，进一步对信号k添加(add)循环冗余码(cyclic prefix，CP)_k后，通过波束赋型滤波器(spectrum shaping filter)对添加了CP_k的信号k进行信号处理，从而得到第k条传输链路进行波束成型后的信号k；最后，将每条传输链路进行波束成型后的信号k进行波束整合，并通过天线将该波束整合后的信号发送至信号接收端，从而实现信息的传输。

UE通过天线接收(receive，RX)从基站发送的承载在子基带k的符号时，首先通过赋型滤波器对该符号进行信号处理得到处理后的信号，然后去除该信号的CP，然后对去除了CP的信号按照载波间隔k进行快速傅氏变换(Fast Fourier Transformation，FFT)，然后对进行了FFT信号处理的信号的子基带i进行正交频分复用(Orthogonal FrequencyDivision Multiplexing，OFDM)检测，从而将天线接收基站发送的承载在子基带k的符号转换成UE可识别的信号。

图2示出了一种下行吞吐量的计算方法的系统架构，包括：获取单元和处理单元；其中，获取单元需要分别获取信号与干扰加噪声比(英文全称：Signal to Interferenceplus Noise Ratio，简称：SINR)分布数据以及用户设备(英文全称：User Equipment，简称：UE)的下行吞吐量数据，处理单元用于根据获取单元获取的SINR分布数据和UE的下行吞吐量数据计算小区的平均下行吞吐量；其中，获取单元获取UE的下行吞吐量数据时通过UE、NR和信道仿真仪或者移相器和衰减器进行射频直连，形成无信道环境影响的多用户差异化分布场景；如图3所示4个UE接入仿真系统时的硬件仿真图，包括：UE-1、信道仿真仪-2和基站3；其中，信道仿真仪具备移相器和可编程衰减器的功能；通过规定UE的SINR位置和UE间的相关度获取多种现网中可能的场景，使得UE-1通过信道仿真仪-2和基站-3建立数据通信链路，进行用户数据报协议(英文全称：User Datagram Protocol，简称：UDP)下载业务，获得单个UE的下行吞吐量(T′_N和T′_D)，并最终计算出多个用户的差异化分布的下行吞吐量(T_N和T_D)。

获取单元获取SINR分布数据时，通过软件仿真，完成SINR采集和信道影响处理2个部分。SINR采集部分主要是完成小区级用户的SINR分布的情况统计，可以分为仿真、网络模拟多用户接入或者测量报告(英文全称：Measurement Report，简称：MR)数据映射等方法。本文后续主要考虑使用仿真进行对比分析。在实际应用中多用户接入更加趋近真实用户分布，但是存在需要终端数量太多难以控制等问题。在进行仿真时，信道影响主要考虑实际环境中包含多种情况的信道场景，在规定了路损等大尺度影响后，还要考虑小尺度影响。小尺度模型一般可以分为非视距(英文全称：Non-Line of Sight，简称：NLOS)或者视距(英文全称：Line of Sight，简称：LOS)。本实体部分主要完成LOS和NLOS与无信道影响下SINR的差异，获取信道影响下的SINR CDF分布

目前5G商业部署需要使用小区平均容量来规划网络传输模块，由于不同场景需要的下行容量不同，在4G阶段最高容量为100Mbps，实测极限容量为40Mbps，因此使用50％左右的极限容量来衡量小区的下行吞吐量；而5G阶段最高容量为5Gbps，但实测极限容量为600-700Mbps；由于4G阶段和5G阶段的极限容量与最高容量存在较大的差异，如果继续使用50％左右的极限容量来衡量小区的下行吞吐量，会造成低流量地区传输资源浪费或者高流量区域传输资源不足；为了解决上述问题，本发明的实施例提供的下行吞吐量的计算方法，根据场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值，计算出小区的下行吞吐量，从而满足不同小区的下行吞吐量的计算，可以实现基站级别的传输需求估计，为网络建设提供合理依据，减少超额投资，具体的实现过程如下：

需要说明的是，本发明实施例提供的下行吞吐量的计算方法适用于拟建基站的网络规划适用场景；示例性的，以新建5G基站为例进行说明，由于5G中存在多天线技术(英文全称：Multi-User Multiple-Input Multiple-Output，简称：MU-MIMO)的工作模式，因此吞吐量受到信道相关性和信道条件的影响较大，无法使用仅基于SINR值的方式计算吞吐量。因此本发明的实施例考虑了用户的可能的SINR分布情况和不同的信道相关性，给出适用于5G小区的下行吞吐量的计算方法。

实施例一

本发明的实施例提供一种下行吞吐量的计算方法，如图4所示包括：

S101、获取小区的场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值。

S102、根据场景地图，确定SINR值在SINR区间出现的概率。

可选的，如图5所示，场景地图包括三维(英文全称：3Dimensions，简称：3D)地图或者规划图；根据场景地图，确定SINR值在SINR区间出现的概率，包括：

S1020、获取小区的天线与测量点的传播方式；其中，传播方式包括NLOS和LOS。

S1021、根据3D地图或者规划图，确定SINR值的累积分布函数(英文全称：Cumulative Distribution Function，简称：CDF)。

需要说明的是，在实际的应用中，根据3D地图或者规划图，确定SINR值的累积分布函数包括：

1、场景重现法

可以获取指定精度的3D地图(如精度为2米×2米的3D地图)，将3D地图导入仿真软件(如Atoll)后，配置基站参数，并进行用户撒点仿真，然后计算SINR值的CDF曲线，如图6所示：

F(SINR)＝a×SINR³+b×SINR²+c×SINR+d；

其中，a，b，c，d均为常数，F(SINR)为用户在该SINR值出现的概率。

2、场景假设法

该方法适用于没有进行基站建设的场景，在只知道楼宇和其他的一些建筑物信息的情况下，则需要计算不同类型穿透损耗的占比情况，具体的如表1所示：

表1

穿透损耗类型	穿透损耗占比
		室外(outdoor)
室内低穿损
		室内高穿损

然后，基于穿透损耗占比和该小区的基站参数，使用系统仿真软件(如matlab等)进行仿真，并进行用户撒点仿真，然后计算SIRN的CDF曲线，如图6所示(横坐标为SINR值，纵坐标为F(5G_SINR))：

F(SINR)＝a×SINR³+b×SINR²+c×SINR+d；

其中，a，b，c，d分别为常数，F(SINR)为用户在该SINR值出现的概率。

其中，穿透损耗占比由38.901标准中定义的不同穿损模型进行场景构建确定的，基站参数包括：仿真场景、站间距(英文全称：Inter-Site Distance，简称：ISD)、站点数量(周围基站的总个数)、基站天线高度、信道模型、子载波间隔、业务模型、每扇区用户数量、用户分布、室内外用户分布(不同穿透损耗占比)、用户移动性、频段、系统带宽、物理资源块(英文全称：Physical Resource Block，简称：PRB)数、帧结构、演进型基站(英文全称：Evolved Node B，简称：eNB)发射功率、天线阵子数、天线阵子辐射模型、收发单元数、基站噪声系数、天线下倾角、UE天线高度、基站与用户最小距离、UE接收天线数量、UE噪声系数、UE发射天线数量、UE发射功率、下行单用户多进多出天线系统(英文全称：DownlinkSingle-user-Multiple-Input Multiple-Output，简称：DL SU-MIMO)最大流数、下行多用户多进多出天线系统(英文全称：Downlink Multi-user-Multiple-Input Multiple-Output，简称：DL MU-MIMO)最大流数、上行单用户多进多出天线系统(英文全称：UplinkSingle-user-Multiple-Input Multiple-Output，简称：UL SU-MIMO)最大流数、上行多用户多进多出天线系统(英文全称：Uplink Multi--user-Multiple-Input Multiple-Output，简称：UL MU-MIMO)最大流数、调度、传播模型和切换余量中的一项或多项。

S1022、根据累积分布函数和传播方式，确定不同传播方式下SINR值在SINR区间出现的概率。

需要说明的是，在实际的应用中，信道对5G MU—MIMO场景的影响尤为重要；而不同的传播方式，会影响信道对5G MU—MIMO场景的影响；而UE与基站建立信道时对应的传播方式分为NLOS和LOS，需要计算传播方式为NLOS(简称NLOS径)时SINR值在SINR区间出现的概率，以及传播方式为LOS(简称LOS径)时SINR值在SINR区间出现的概率，具体的计算方式如下：

为了更好的模拟用户的实际分布，使得得到的NLOS径下的总下行吞吐量T_NLOS以及LOS径下的总下行吞吐量T_LOS更加的准确；因此，需要收集同SINR位置处的吞吐量数据以及不同SINR位置处的吞吐量数据。

其中，同SINR位置处的吞吐量数据的收集过程如下：

选取典型SINR值，如选取SINR值为22、SINR值为18、SINR值为9、SINR值为6、SINR值为0以及SINR值为-2这6个点(涵盖极好点、好点、中点、差点)；UE的分布模式为放置4个以上(含4个)UE在上述相同的SINR值位置上，保证可以实现极限容量。这里选择放置4个UE的原因是由于一个UE最多支持4路下行链路，而每个基站同时支持16路下行链路，因此放置4个UE时就可以模拟出该基站满载时的下行吞吐量；当然，在实际的应用中，当基站支持的最大下行链路次数为N时，而UE支持最大下行链路次数为n时，此时该基站满载时支持的UE数量为

示例性的，以相关度为0.3\0.5\0.8，SINR值为22、SINR值为18、SINR值为9、SINR值为6、SINR值为0以及SINR值为-2，不同UE位置处测量的下行吞吐量为例进行说明(其中，需要记录的数据如表2所示)。

其中，图7中点o为小区对应的基站的天线，点a为UE-a、点b为UE-b、点c为UE-c和点d为UE-d；其中，点a、点b和点c分别位于同一同心圆o的边界上，位于同一同心圆上的各个UE的SINR值相同；具体的，各个UE之间的相关度可以根据实际要求的相关度进行放置；示例性的，以UE-a和UE-b之间的相关度为例进行说明，其他各个UE之间的相关度的计算方式与UE-a和UE-b之间的相关度的计算方式相同，此处不再赘述。

其中，相关度等于为任意两个UE分别与基站天线的连线形成的夹角；如：水平方向上点a与圆心o(表示基站天线所在的位置)的连线和水平方向上点b与圆心o的连线形成的夹角θ；或者，水平方向上点d与圆心o(表示基站天线所在的位置)的连线和水平方向上点b与圆心o的连线形成的夹角θ；或者，如图8所示垂直方向上点a与圆心o的连线和水平方向上点b与圆心o的连线形成的夹角θ。

具体的，模式1、模式2、模式3、模式4、模式5和模式6均表示将4个UE同时放置于相同SINR值对应的位置上。

表2

通过测量每个相关度下，每个典型SINR值(包括：SINR值为22、SINR值为18、SINR值为9、SINR值为6、SINR值为0以及SINR值为-2)对应的下行吞吐量，拟合出同一相关度下的SINR-平均下行吞吐量曲线，如图9所示(横坐标为SINR值，纵坐标为平均下行吞吐量)，给出了相关度为0.3时SINR值的平均下行吞吐量曲线；其中，每个点的平均下行吞吐量等于同一SINR值下每个UE的下行吞吐量的平均值。

最终获取相关度分别为0.3、0.5以及0.8的SINR-平均下行吞吐量曲线，如下面公式所示：

T_0.3SINR(SINR)＝f₁(SINR)；

T_0.5SINR(SINR)＝f₂(SINR)；

T_0.8SINR(SINR)＝f₃(SINR)。

基于单个相关度的公式，计算出单一SINR下的平均下行吞吐量：

其中，n₁为相关度的个数；由于本发明仅选择了0.3、0.5和0.8三个相关度，因此n₁等于3。

示例性的，以SINR值为22、SINR值为18、SINR值为9、SINR值为6、SINR值为0以及SINR值为-2，相关度为0.3、0.5和0.8为例进行说明：

SINR值为22的平均下行吞吐量

SINR值为18、SINR值为9、SINR值为6、SINR值为0或者及SINR值为-2的平均下行吞吐量的计算方式与SINR值为22的平均下行吞吐量的计算方式相同，此处不再赘述。

针对不同的SINR-平均下行吞吐量取值，计算出一定SINR区间内的吞吐量：

其中，N_gap为SINR区间的中选取的典型点的总个数。

示例性的，如表3所示以SINR区间分别为[-2.5，2.5]、[2.5，7.5]、[7.5，12.5]、[12.5，17.5]和[17.5，22.5]为例进行说明，其中SINR区间为[-2.5，2.5]时分别选取SINR值为-2、-1、0、1和2的点作为典型点，此时N_gap等于5；SINR区间为[2.5，7.5]时分别选取SINR值为3、4、5、6和7的点作为典型点，此时N_gap等于5；SINR区间为[7.5，12.5]时分别选取SINR值为8、9、10、11和12的点作为典型点，此时N_gap等于5；SINR区间为[12.5，17.5]时分别选取SINR值为13、14、15、15和16的点作为典型点，此时N_gap等于5；SINR区间为[17.5，22.5]时分别选取SINR值为18、19、20、21和22的点作为典型点，此时N_gap等于5。

表3

根据表3中记录的数据，可以分别计算出在同SINR位置处的不同区间的平均下行吞吐量；其中，T_SINR(X)为SINR值为X时每个UE的下行吞吐量的平均值。

其中，不同SINR位置处的吞吐量数据的收集过程如下：

选取5种典型不同SINR值分布情况，将4个以上(含4个)UE按照表4中的分布模式放置在相同的SINR值的位置上，从而保证实现基站极限容量。

表4

将UE按照选定的相关度、典型SINR值按照如表4所示的分布模式放置UE，并收集每个UE的下行吞吐量；示例性的，以相关度为0.3、0.5和0.8为例进行说明，记录不同情况下的全部UE的总下行吞吐量，如表5所示。

表5

根据表5中记录的数据，可以分别计算出在不同SINR位置处不同分布模式对应的平均下行吞吐量；其中，TD(TM_x)为模式X下，好点处每个UE的下行吞吐量的平均值和中点处每个UE的下行吞吐量的平均值和差点处每个UE的下行吞吐量的平均值之和。

基于上面计算得到的相同SINR位置处的吞吐量数据和不同SINR位置处的吞吐量数据，分别计算NLOS径对应的SINR值在SINR区间出现的概率以及LOS径对应的SINR值在SINR区间出现的概率，具体的实现过程如下：

1、根据无信道影响的典型SINR值的CDF比例，计算以典型值为中心值的特定区间内概率，使用P(SINR)表示；其中，P(SINR)＝F(SINR_UP)-F(SINR_DOWN)，SINR_UP为SINR值的取值上限、SINR_DOWN为SINR值的取值下限，F(SINR)为：

F(SINR)＝a×SINR³+b×SINR²+c×SINR+d。

示例性的，以SINR区间分别为[-2.5，2.5]、[2.5，7.5]、[7.5，12.5]、[12.5，17.5]和[17.5，22.5]为例进行说明，每个SINR区间的概率如表6所示。

表6

P_<sub>SINR_gap</sub>	SINR_gap	概率
			P_[-2.5，2.5]	[-2.5，2.5]	P_[-2.5，2.5]＝F(2.5)-F(-2.5)
P_[2.5，7.5]	[2.5，7.5]	P_[2.5，7.5]＝F(7.5)-F(2.5)
			P_[7.5，12.5]	[7.5，12.5]	P_[7.5，12.5])＝F(12.5)-F(7.5)
P_[12.5，17.5]	[12.5，17.5]	P_[12.5，17.5]＝F(17.5)-F(12.5)
			P_[17.5，22.5]	[17.5，22.5]	P_[17.5，22.5]＝F(22.5)-F(17.5)

2、在5G MU—MIMO场景下，信道的影响尤为重要。因此计算NLOS径、LOS径与无路损的下SINR值的差别，计算过程如下：

建立NLOS下位置R与SINR_NLOS的关系：

SINR_NLOS＝SINR_ui；

建立NLOS下位置R与SINR_LOS的关系：

SINR_LOS＝SINR_ui。

相同位置下SINR_NLOS与SINR_LOS值的差值，在相同基站配置下：

需要说明的是，由于不同位置下的SINR_NLOS与SINR_LOS值的差值也是对应同一SINR位置下无路损和有路损的SINR差值，然后把全部覆盖范围内获得的SINR差值进行平均获取一个平均的差异值；因此，此处无需计算不同位置下SINR_NLOS与SINR_LOS值的差值。

如下为密集城区为例，表7记录了：

表7

因此：

SINR_LOS＝SINR-2.9568；

SINR_NLOS＝SINR-11.9258；

根据无信道影响的SINR的值CDF曲线、无路损情况下SINR_NLOS与SINR_LOS值的差值，计算出NLOS径时对应的SINR的值CDF曲线(F_NLOS(SINR_NLOS))和LOS径时对应的SINR值的CDF曲线(F_LOS(SINR_LOS))。

F_LOS(SINR_LOS)＝a²×SINR_LOS ³+b²×SINR_LOS ²+c²×SINR_LOS+e²；

F_NLOS(SINR_NLOS)＝a³×SINR_NLOS ³+b³×SINR_NLOS ²+c³×SINR_NLOS+e³。

示例性的，以LOS径和NLOS径时，对应的SINR区间分别为[-2.5，2.5]、[2.5，7.5]、[7.5，12.5]、[12.5，17.5]和[17.5，22.5]为例进行说明；其中，LOS径对应的SINR值在SINR区间出现的概率如表8所示，NLOS径对应的SINR值在SINR区间出现的概率如表9所示。

表8

P<sub>LOS_SINR_gap</sub>	SINR_gap	概率
			P<sub>LOS_[-2.5，2.5]</sub>	[-2.5，2.5]	P<sub>LOS_[-2.5，2.5]</sub>＝F<sub>LOS</sub>(2.5)-F<sub>LOS</sub>(-2.5)
P<sub>LOS_[2.5，7.5]</sub>	[2.5，7.5]	P<sub>LOS_[2.5，7.5]</sub>＝F<sub>LOS</sub>(7.5)-F<sub>LOS</sub>(2.5)
			P<sub>LOS_[7.5，12.5]</sub>	[7.5，12.5]	P<sub>LOS_[7.5，12.5]</sub>＝F<sub>LOS</sub>(12.5)-F<sub>LOS</sub>(7.5)
P<sub>LOS_[12.5，17.5]</sub>	[12.5，17.5]	P<sub>LOS_[12.5，17.5]</sub>＝F<sub>LOS</sub>(17.5)-F<sub>LOS</sub>(12.5)
			P<sub>LOS_[17.5，22.5]</sub>	[17.5，22.5]	P<sub>LOS_[17.5，22.5]</sub>＝F<sub>LOS</sub>(22.5)-F<sub>LOS</sub>(17.5)

表9

S103、根据第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量。

可选的，根据第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量，如图10所示包括：

S1030、根据SINR值，确定测量点的分布模式；其中，分布模式指测量点以相同或不同SINR进行分布。

需要说明的是，测量点以相同SINR进行分布是指将UE放置于相同的SINR位置处，测量点以不同SINR进行分布是指将UE放置于不同的SINR位置处；示例性的，UE放置于不同SINR位置处时可以按照表4的分布模式进行放置。

S1031、根据分布模式和第一下行吞吐量，确定不同分布模式的第二下行吞吐量。

需要说明的是，根据分布模式和第一下行吞吐量，确定不同分布模式的第二下行吞吐量，包括：

根据同SINR位置处的吞吐量数据、不同SINR位置处的吞吐量数据、LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定不同分布模式的第二下行吞吐量，具体如下：

根据不同SINR位置处的吞吐量数据、LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}。

根据同SINR位置处的吞吐量数据、同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}，确定不同分布模式的第二下行吞吐量。

S104、根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量。

可选的，根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量，如图11所示包括：

S1040、根据场景地图，确定小区的场景分类；其中，场景分类包括密集分布场景或者分散分布场景，密集分布场景内SINR变化量小于或等于变化量阈值，分散分布场景内SINR变化量大于变化量阈值，SINR变化量由SINR值中的最大值和最小值确定的。

需要说明的是，在实际的应用中，通过对该小区内建筑物、植被等情况进行分析，可以确定该小区的场景分类分为密集分布区域或者分散分布区域。

其中，密集分布区域主要包括写字楼、体育馆、住宅区等；位于密集分布区域内的用户分布一般符合：用户大部分处于一种密集静止状态，少量用户处于分散运动的情况；相应的位于密集分布区域内的网络性能分布符合如下情况：大部分UE处于同一SINR值范围内，如整体变化不会超过5dB，少量UE会出现SINR值大于5dB的跳变。需要说明的是，在实际的应用中针对密集场景，我们优先保证全部满足同位置分布的点进行用户配对，其他位置的点则使用剩余的点进行用户配对。

分散分布区域主要包括公园、商场、道路等；位于分散分布区域内的用户分布一般符合：用户大部分处于一种密集静止状态，少量用户处于密集运动的情况；位于分散分布区域内的网络性能分布符合如下情况：大部分UE处于不同的SINR值范围内，如整体变化超过5dB，少量UE相对静止，SINR值变化小于5dB的跳变。

具体的，根据场景地图，确定小区的场景分类，包括：

根据场景地图，计算密集分布场景的第一总面积；其中，密集分布场景包括写字楼、体育馆、住宅区中的一项或者多项。

根据第一总面积，计算P_密集；其中，

a为第一总面积，b为小区的覆盖面积。

根据场景地图，计算分散分布场景的第二总面积；其中，分散分布场景包括公园、商场和道路中的一项或者多项。

根据第二总面积，计算P_分散；其中，

c为第二总面积，b为小区的覆盖面积。

确定P_密集>50％时，确定该小区为密集分布场景。

确定P_分散>50％时，确定该小区为分散分布场景。

确定P_密集≤50％，或者P_分散≤50％时，确定该小区为其他分布场景。

S1041、根据不同分布模式的第二下行吞吐量、不同传播方式下SINR值在SINR区间出现的概率和场景分类，确定第三下行吞吐量。

需要说明的是，在实际的应用中，计算第三下行吞吐量时，若该小区属于密集分布场景，则需要按照密集分布场景计算第三下行吞吐量的方式计算该小区的第三下行吞吐量；若该小区属于分散分布场景，则需要按照密集分散场景计算第三下行吞吐量的方式计算该小区的第三下行吞吐量，具体的计算方式如下：

当确定该小区的场景分类为密集分布场景时，根据不同SINR位置处的吞吐量数据、LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}，具体包括：

根据LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定密集分布场景的同SINR位置LOS径SINR值出现在SINR区间的概率P_{模式相同点_LOS_SINR_gap}以及确定密集分布场景的同SINR位置NLOS径SINR值出现在SINR区间的概率P_{模式相同点_NLOS_SINR_gap}。其中，

其中，SINR_gap为需要计算的SINR区间，M为UE的总数。

需要说明的是，UE的总数等于实现基站极限容量时使用的UE的数量；示例性的，本发明的实施例在实现基站极限容量时使用了4个UE，因此M等于4。

示例性的，以计算密集分布场景的同SINR位置LOS径SINR值出现在SINR区间[-2.5，2.5]的概率P_{模式相同点_LOS_SINR_gap}为例进行说明，包括：

由表8可知，密集分布场景的同SINR位置下，LOS径下单个SINR值出现在SINR区间[-2.5，2.5]的概率P_{LOS_[-2.5，2.5]}＝F_LOS(2.5)-F_LOS(-2.5)；由

可知，密集分布场景的同SINR位置LOS径SINR值出现在SINR区间[-2.5，2.5]的概率P_{模式相同点_LOS_SINR_gap}＝(F_LOS(2.5)-F_LOS(-2.5))^M。

又或者，计算密集分布场景的同SINR位置NLOS径SINR值出现在SINR区间[-2.5，2.5]的概率P_{模式相同点_NLOS_SINR_gap}的过程如下：由表9可知，密集分布场景的同SINR位置下，NLOS径下单个SINR值出现在SINR区间[-2.5，2.5]的概率P_{NLOS_[-2.5，2.5]}＝F_NLOS(2.5)-F_NLOS(-2.5)；由

可知，密集分布场景的同SINR位置NLOS径SINR值出现在SINR区间[-2.5，2.5]的概率P_{模式相同点_NLOS_SINR_gap}＝(F_NLOS(2.5)-F_NLOS(-2.5))^M。

根据LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定密集分布场景的不同SINR位置LOS径SINR值出现在SINR区间的概率P_{模式不同点_LOS_SINR_gap}以及确定密集分布场景的不同SINR位置NLOS径SINR值出现在SINR区间的概率P_{模式不同点_NLOS_SINR_gap}。其中，

其中，N为UE总数，n为SINR_gap的总个数，M_ji为模式i下处于SINR_gap_j的UE总数。

需要说明的是，UE处于不同SINR位置分布时，其分布模式如表4所示，本发明的实施例规定好点取值在[18，22dB]，中点取值在[6，10dB]，差点取值在[-2，2]，具体的运维人员可以根据实际的情况设定好点、中点和差点的SINR区间。

由NLOS径时对应的SINR值的CDF曲线(F_NLOS(SINR_NLOS))和LOS径时对应的SINR值的CDF曲线(F_LOS(SINR_LOS))可知，NLOS径下SINR值出现在好点区间[18，22dB]的概率为F_NLOS(22)-F_NLOS(18)，SINR值出现在中点区间[6，10dB]的概率为F_NLOS(10)-F_NLOS(6)，SINR值出现在差点区间[-2，2dB]的概率为F_NLOS(2)-F_NLOS(-2)；LOS径下SINR值出现在好点区间[18，22dB]的概率为F_LOS(22)-F_LOS(18)，SINR值出现在中点区间[6，10dB]的概率为F_LOS(10)-F_LOS(6)，SINR值出现在差点区间[-2，2dB]的概率为F_LOS(2)-F_LOS(-2)。

示例性的，以4个UE按照表4中的模式1分布，计算密集分布场景LOS径下不同SINR位置处的SINR值出现在SINR区间[-2.5，2.5]的概率

为例进行说明，包括：

由表8可知，LOS径单个SINR值出现在SINR区间[18，22dB]的概率为F_LOS(22)-F_LOS(18)，单个SINR值出现在SINR区间[6，10dB]的概率为F_LOS(10)-F_LOS(6)，单个SINR值出现在SINR区间[-2，2]的概率为F_LOS(2)-F_LOS(-2)，则

又或者，以4个UE按照表4中的模式1分布，计算密集分布场景NLOS径下不同SINR位置处的SINR值出现在SINR区间[-2.5，2.5]的概率

的计算过程如下：

由表9可知，NLOS径单个SINR值出现在SINR区间[18，22dB]的概率为F_NLOS(22)-F_NLOS(18)，单个SINR值出现在SINR区间[6，10dB]的概率为F_NLOS(10)-F_NLOS(6)，单个SINR值出现在SINR区间[-2，2]的概率为F_NLOS(2)-F_NLOS(-2)，则

具体的，在实际的应用中，同SINR位置处采集的下行吞吐量数据和不同SINR位置处采集的下行吞吐量数据会存在重复的情况；因此，为了提高第三下行吞吐量的计算精度，需要均衡去除位置相同点后，不同SINR区间剩余点在不同SINR位置的关系如下：

P_{LOS_SINR_gap}-P_{模式相同点_LOS_SINR_gap}＝a_j×P_{模式不同点_LOS_SINR_gap}；

P_{NLOS_SINR_gap}-P_{模式相同点_NLOS_SINR_gap}＝a_j×P_{模式不同点_NLOS_SINR_gap}。

其中，a_j为常数。

示例性的，以SINR区间分别为[-2.5，2.5]、[2.5，7.5]、[7.5，12.5]、[12.5，17.5]和[17.5，22.5]，计算同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}为例进行说明：

由密集分布场景的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的计算公式可以分别计算出每个SINR区间对应的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的取值。

进一步地，根据P_{LOS_SINR_gapj}-P_{模式相同点_LOS_SINR_gap}＝a_j×P_{模式不同点_LOS_SINR_gap}和P_{NLOS_SINR_gapj}-P_{模式相同点_NLOS_SINR_gap}＝a_j×P_{模式不同点_NLOS_SINR_gap}，可以得到去重后的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的取值；其中，同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}如表10所示，不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}如表11所示。

表10

表11

	P<sub>模式不同点_LOS_SINR_gap</sub>	P<sub>模式不同点_NLOS_SINR_gap</sub>
			模式1	a<sub>1</sub>_LOS×P<sub>模式不同点_1LOS</sub>	a<sub>1</sub>_NLOS×P<sub>模式不同点_1NLOS</sub>
模式2	a<sub>2</sub>_LOS×P<sub>模式不同点_2LOS</sub>	a<sub>2</sub>_NLOS×P<sub>模式不同点_2NLOS</sub>
			模式3	a<sub>3</sub>_LOS×P<sub>模式不同点_3LOS</sub>	a<sub>3</sub>_NLOS×P<sub>模式不同点_3NLOS</sub>
模式4	a<sub>4</sub>_LOS×P<sub>模式不同点_4LOS</sub>	a<sub>4</sub>_NLOS×P<sub>模式不同点_4NLOS</sub>
			模式5	a<sub>5</sub>_LOS×P<sub>模式不同点_5LOS</sub>	a<sub>5</sub>_NLOS×P<sub>模式不同点_5NLOS</sub>

需要说明的是，在实际的应用中，小区内的UE与该小区的天线的传播方式仅包括LOS径或者NLOS径，因此需要计算该小区内LOS径和NLOS径的概率，具体如下：

在密集城区(非授权移动接入(英文全称：Unlicensed Mobile Access，简称：UMA)情况下，使用下面的公式进行计算：

其中，d_2D-out为水平覆盖距离，R为覆盖距离；h_BS为基站高度；h_UT为UE高度。

根据上述LOS径下的第二下行吞吐量T_LOS、NLOS径下的第二下行吞吐量T_NLOS以及Pr_LOS，确定密集分布场景的第三吞吐量T_密集。其中，T_密集＝T_LOS×Pr_LOS+T_NLOS×(1-Pr_LOS)，LOS径下的第二下行吞吐量T_LOS计算方式为：

NLOS径下的第二下行吞吐量T_NLOS计算方式为：

当确定该小区的场景分类为分散分布场景时，根据不同SINR位置处的吞吐量数据、LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}。

需要说明的是，确定该小区的场景分类为分散分布场景时，根据不同SINR位置处的吞吐量数据、LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}，具体包括：

根据LOS径时每个SINR区间的概率以及NLOS径时每个SINR区间的概率，确定分散分布场景的不同SINR位置LOS径SINR值出现在SINR区间的概率P_{模式不同点_LOS_SINR_gap}以及确定分散分布场景的不同SINR位置NLOS径SINR值出现在SINR区间的概率P_{模式不同点_NLOS_SINR_gap}。其中，

其中，N为UE总数，n为SINR_gap的总个数，M_ji为模式i下处于SINR_gap_j的UE总数。

需要说明的是，分散分布场景的P_{模式不同点_LOS_SINR_gap}的计算方式与密集分布场景的P_{模式不同点_LOS_SINR_gap}的计算方式相同，同时分散分布场景的P_{模式不同点_NLOS_SINR_gap}的计算方式与密集分布场景的P_{模式不同点_NLOS_SINR_gap}的计算方式相同，此处不再赘述。

具体的，在实际的应用中，同SINR位置处采集的下行吞吐量数据和不同SINR位置处采集的下行吞吐量数据会存在重复的情况；因此，为了提高第三下行吞吐量的计算精度，需要均衡去除位置相同点后，不同SINR区间剩余点和不同SINR位置的关系如下：

P_{模式相同点_LOS_SINR_gap}＝P_{LOS_SINR_gap}-a_j×P_{模式不同点_LOS_SINR_gap}；

P_{模式相同点_NLOS_SINR_gap}＝P_{NLOS_SINR_gap}-a_j×P_{模式不同点_NLOS_SINR_gap}。

其中，a_j常数。

示例性的，以SINR区间分别为[-2.5，2.5]、[2.5，7.5]、[7.5，12.5]、[12.5，17.5]和[17.5，22.5]，计算同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}、不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}为例进行说明：

由分散分布场景的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的计算公式可以分别计算出每个SINR区间对应的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的取值。

进一步地，根据P_{模式相同点_LOS_SINR_gap}＝P_{LOS_SINR_gap}-a_j×P_{模式不同点_LOS_SINR_gap}和P_{模式相同点_NLOS_SINR_gap}＝P_{NLOS_SINR_gap}-a_j×P_{模式不同点_NLOS_SINR_gap}，可以得到去重后的P_{模式相同点_LOS_SINR_gap}、P_{模式相同点_NLOS_SINR_gap}、P_{模式不同点_LOS_SINR_gap}和P_{模式不同点_NLOS_SINR_gap}的取值；其中，同SINR位置-LOS径时不同SINR区间对应的P_{模式相同点_LOS_SINR_gap}、同SINR位置-NLOS径时不同SINR区间对应的P_{模式相同点_NLOS_SINR_gap}如表12所示，不同SINR位置-LOS径时不同SINR区间对应的P_{模式不同点_LOS_SINR_gap}和不同SINR位置-NLOS径时不同SINR区间对应的P_{模式不同点_NLOS_SINR_gap}如表13所示。

表12

表13

	不同位置LOS	不同位置NLOS
			模式1	P<sub>模式不同点_1LOS</sub>	P<sub>模式不同点_1NLOS</sub>
模式2	P<sub>模式不同点_2LOS</sub>	P<sub>模式不同点_2NLOS</sub>
			模式3	P<sub>模式不同点_3LOS</sub>	P<sub>模式不同点_3NLOS</sub>
模式4	P<sub>模式不同点_4LOS</sub>	P<sub>模式不同点_4NLOS</sub>
			模式5	P<sub>模式不同点_5LOS</sub>	P<sub>模式不同点_5NLOS</sub>

需要说明的是，在实际的应用中，小区内的UE与该小区的天线的传播方式仅包括LOS径或者NLOS径，因此需要计算该小区内LOS径和NLOS径的概率，具体如下：

在密集城区(UMA情况下，使用下面的公式进行计算：)

其中，d_2D-out为水平覆盖距离，R为覆盖距离；h_BS为基站高度；h_UT为UE高度。

根据上述LOS径下的第二下行吞吐量T_LOS、NLOS径下的第二下行吞吐量T_NLOS以及Pr_LOS，确定分散分布场景的第三吞吐量T_分散。其中，T_分散＝T_LOS×Pr_LOS+T_NLOS×(1-Pr_LOS)，LOS径下的第二下行吞吐量T_LOS计算方式为：

T_LOS＝∑P_{模式相同点_LOS_SINR_gap}×T_{_SINR_gap}+∑P_{模式不同点_LOS_SINR_gap}×TD(TM_i)；

NLOS径下的第二下行吞吐量T_NLOS计算方式为：

T_NLOS＝∑P_{模式相同点_NLOS_SINR_gap}×T_{_SINR_gap}+∑P_{模式不同点_NLOS_SINR_gap}×TD(TM_i)。

具体的，当该小区的场景分类为其他分布场景时，其他分布场景的下行吞吐量T_{NLOS_其他}的计算公式为：

由上述方案可知，本发明的实施例提供的下行吞吐量的计算方法，通过小区的覆盖范围内的至少一个测量点的第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量，从而建立不同的SINR区间与第二下行吞吐量的对应关系；同时，根据该小区的场景地图，确定SINR值在SINR区间出现的概率，从而确定SINR值与SINR区间的对应关系；最后，根据第二下行吞吐量、SINR值在SINR区间出现的概率和场景地图，确定小区的第三下行吞吐量；因此，通过本发明的实施例提供的下行吞吐量的计算方法，可以计算出5G小区的下行吞吐量，解决了如何计算5G小区的下行吞吐量的问题。

实施例二

本发明的实施例提供一种下行吞吐量的计算装置10，如图12所示包括：

获取单元101，用于获取小区的场景地图以及小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值。

处理单元102，用于根据获取单元101获取的场景地图，确定SINR值在SINR区间出现的概率。

处理单元102，还用于根据获取单元101获取的第一下行吞吐量和SINR值，确定各个SINR区间的第二下行吞吐量。

处理单元102，还用于根据第二下行吞吐量、SINR值在SINR区间出现的概率和获取单元获取的场景地图，确定小区的第三下行吞吐量。

可选的，获取单元101，具体用于获取小区的天线与测量点的传播方式；其中，传播方式包括NLOS或者LOS；处理单元102，具体用于根据获取单元101获取的3D地图或者规划图，确定SINR值的累积分布函数；处理单元102，具体用于根据累积分布函数和获取单元101获取的传播方式，确定不同传播方式下SINR值在SINR区间出现的概率。

可选的，处理单元102，具体用于根据获取单元101获取的SINR值，确定测量点的分布模式；其中，分布模式指测量点以相同或不同SINR进行分布；处理单元102，具体用于根据分布模式和获取单元101获取的第一下行吞吐量，确定不同分布模式的第二下行吞吐量。

可选的，处理单元102，还用于根据获取单元101获取的场景地图，确定小区的场景分类；其中，场景分类包括密集分布场景和分散分布场景，密集分布场景内SINR变化量小于或等于变化量阈值，分散分布场景内SINR变化量大于变化量阈值，SINR变化量由SINR值中的最大值和最小值确定的；处理单元102，具体用于根据不同分布模式的第二下行吞吐量、不同传播方式下SINR值在SINR区间出现的概率和场景分类，确定第三下行吞吐量。

其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，其作用在此不再赘述。

在采用集成的模块的情况下下行吞吐量的计算装置10包括：存储单元、处理单元以及获取单元。处理单元用于对下行吞吐量的计算装置的动作进行控制管理，例如，处理单元用于支持下行吞吐量的计算装置执行图4中的过程S101、S102、S103和S104；获取单元用于支持下行吞吐量的计算装置与其他设备的信息交互。存储单元，用于存储下行吞吐量的计算装置的程序代码和数据。

其中，以处理单元为处理器，存储单元为存储器，获取单元为通信接口为例。其中，下行吞吐量的计算装置参照图13中所示，包括通信接口501、处理器502、存储器503和总线504，通信接口501、处理器502通过总线504与存储器503相连。

处理器502可以是一个通用中央处理器(Central Processing Unit，CPU)，微处理器，特定应用集成电路(Application-Specific Integrated Circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。

存储器503可以是只读存储器(Read-Only Memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(Random Access Memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器503用于存储执行本申请方案的应用程序代码，并由处理器502来控制执行。通信接口501用于与其他设备进行信息交互，例如与遥控器的信息交互。处理器502用于执行存储器503中存储的应用程序代码，从而实现本申请实施例中所述的方法。

此外，还提供一种计算存储媒体(或介质)，包括在被执行时进行上述实施例中的下行吞吐量的计算装置执行的方法操作的指令。另外，还提供一种计算机程序产品，包括上述计算存储媒体(或介质)。

应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：read-only memory，英文简称：ROM)、随机存取存储器(英文全称：random access memory，英文简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

可以理解地，上述提供的任一种下行吞吐量的计算装置用于执行上文所提供的实施例一对应的方法，因此，其所能达到的有益效果可参考上文实施例一的方法以及下文具体实施方式中对应的方案的有益效果，此处不再赘述。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种下行吞吐量的计算方法，其特征在于，包括：

获取小区的场景地图以及所述小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值；

根据所述场景地图，确定所述SINR值在SINR区间出现的概率；

根据所述第一下行吞吐量和所述SINR值，确定各个所述SINR区间的第二下行吞吐量；

根据所述第二下行吞吐量、所述SINR值在所述SINR区间出现的概率和所述场景地图，确定所述小区的第三下行吞吐量；

所述根据所述场景地图，确定所述SINR值在SINR区间出现的概率，包括：

获取所述小区的天线与所述测量点的传播方式；

根据所述场景地图，确定所述SINR值的累积分布函数；

根据所述累积分布函数和所述传播方式，确定不同传播方式下所述SINR值在所述SINR区间出现的概率；

所述根据所述第一下行吞吐量和所述SINR值，确定各个所述SINR区间的第二下行吞吐量，包括：

根据所述SINR值，确定所述测量点的分布模式；

根据所述分布模式和所述第一下行吞吐量，确定不同分布模式的所述第二下行吞吐量。

2.根据权利要求1所述的下行吞吐量的计算方法，其特征在于，所述场景地图包括3D地图或者规划图；所述传播方式包括NLOS或者LOS。

3.根据权利要求1所述的下行吞吐量的计算方法，其特征在于，所述分布模式指所述测量点以相同或不同SINR进行分布。

4.根据权利要求2或3所述的下行吞吐量的计算方法，其特征在于，根据所述第二下行吞吐量、所述SINR值在所述SINR区间出现的概率和所述场景地图，确定所述小区的第三下行吞吐量，包括：

根据所述场景地图，确定所述小区的场景分类；其中，所述场景分类包括密集分布场景或者分散分布场景，所述密集分布场景内SINR变化量小于或等于变化量阈值，所述分散分布场景内SINR变化量大于所述变化量阈值，所述SINR变化量由所述SINR值中的最大值和最小值确定的；

根据不同分布模式的所述第二下行吞吐量、不同传播方式下所述SINR值在所述SINR区间出现的概率和所述场景分类，确定所述第三下行吞吐量。

5.一种下行吞吐量的计算装置，其特征在于，包括：

获取单元，用于获取小区的场景地图以及所述小区的覆盖范围内至少一个测量点的第一下行吞吐量和SINR值；

处理单元，用于根据所述获取单元获取的所述场景地图，确定所述SINR值在SINR区间出现的概率；

所述处理单元，还用于根据所述获取单元获取的所述第一下行吞吐量和所述SINR值，确定各个所述SINR区间的第二下行吞吐量；

所述处理单元，还用于根据所述第二下行吞吐量、所述SINR值在所述SINR区间出现的概率和所述获取单元获取的所述场景地图，确定所述小区的第三下行吞吐量；

所述获取单元，具体用于获取所述小区的天线与所述测量点的传播方式；

所述处理单元，具体用于根据所述获取单元获取的所述场景地图，确定所述SINR值的累积分布函数；

所述处理单元，具体用于根据所述累积分布函数和所述获取单元获取的所述传播方式，确定不同传播方式下所述SINR值在所述SINR区间出现的概率；

所述处理单元，具体用于根据所述获取单元获取的所述SINR值，确定所述测量点的分布模式；

所述处理单元，具体用于根据所述分布模式和所述获取单元获取的所述第一下行吞吐量，确定不同分布模式的所述第二下行吞吐量。

6.根据权利要求5所述的下行吞吐量的计算装置，其特征在于，所述场景地图包括3D地图或者规划图；所述传播方式包括NLOS或者LOS。

7.根据权利要求5所述的下行吞吐量的计算装置，其特征在于，所述分布模式指所述测量点以相同或不同SINR进行分布。

8.根据权利要求6或7所述的下行吞吐量的计算装置，其特征在于，所述处理单元，还用于根据所述获取单元获取的所述场景地图，确定所述小区的场景分类；其中，所述场景分类包括密集分布场景和分散分布场景，所述密集分布场景内SINR变化量小于或等于变化量阈值，所述分散分布场景内SINR变化量大于所述变化量阈值，所述SINR变化量由所述SINR值中的最大值和最小值确定的；

所述处理单元，具体用于根据不同分布模式的所述第二下行吞吐量、不同传播方式下所述SINR值在所述SINR区间出现的概率和所述场景分类，确定所述第三下行吞吐量。

9.一种计算机存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如上述权利要求1-4任一项所述的下行吞吐量的计算方法。

10.一种下行吞吐量的计算装置，其特征在于，包括：通信接口、处理器、存储器、总线；存储器用于存储计算机执行指令，处理器与存储器通过总线连接，当下行吞吐量的计算装置运行时，处理器执行存储器存储的计算机执行指令，以使下行吞吐量的计算装置执行如上述权利要求1-4任一项所述的下行吞吐量的计算方法。

Images