CN110312281B - 一种通信小区的下行吞吐量的计算方法和装置 - Google Patents
一种通信小区的下行吞吐量的计算方法和装置 Download PDFInfo
- Publication number
- CN110312281B CN110312281B CN201910357717.4A CN201910357717A CN110312281B CN 110312281 B CN110312281 B CN 110312281B CN 201910357717 A CN201910357717 A CN 201910357717A CN 110312281 B CN110312281 B CN 110312281B
- Authority
- CN
- China
- Prior art keywords
- sinr
- downlink throughput
- value
- throughput
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004891 communication Methods 0.000 title claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims description 81
- 238000005259 measurement Methods 0.000 claims description 42
- 238000005315 distribution function Methods 0.000 claims description 40
- 230000001186 cumulative effect Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 230000035515 penetration Effects 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 239000013256 coordination polymer Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
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，解决了如何计算5G通信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；根据场景地图或者SINR值，确定SINR值在SINR区间出现的概率；根据信道影响因子、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；其中，信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值；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
技术领域
本发明涉及通信技术领域，尤其涉及一种通信小区的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(5th-generation，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(new radio，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，通信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(the4th generation mobile communication technology，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通信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通信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；根据场景地图或者SINR值，确定SINR值在SINR区间出现的概率；根据信道影响因子、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；其中，信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值；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，通过信道影响因子、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，根据场景地图或者SINR值，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或者获取单元获取的SINR值，确定SINR值在SINR区间出现的概率；处理单元，还用于根据信道影响因子、获取单元获取的第一下行吞吐量和获取单元获取的SINR值，确定各个SINR区间的第二下行吞吐量；其中，信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值；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CQI值的累计分布函数示意图；
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CQI值与SINR值对应关系的示意图；
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SINR值的累计分布函数示意图；
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流程示意图之二；
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流程示意图之三；
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四；
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相关度的示意图之一；
图12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13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14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五；
图15为本发明的实施例提供的一种下行吞吐量的计算方法的3种用户集中分布&4种用户分散分布场景的计算示意图；
图16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17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CPk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，获取单元需要获取小区的场景地图以及该小区内各个测量点的第一下行吞吐量和信号与干扰加噪声比(signal to interference plus noise ratio，SINR)值；处理单元用于根据获取单元获取的第一下行吞吐量、SINR值和场景地图，计算小区的平均下行吞吐量；其中，获取单元获取用户设备(user equipment，UE)的吞吐量数据时通过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(user datagram protocol，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(TN和TD)。
获取单元获取SINR分布数据时，通过收集每个测试点各个UE的SINR值和下行吞吐量数据，从而得到每个测试点的第一下行吞吐量和SINR值；在实际应用中模拟多用户接入可以获得更加趋近真实的用户分布，但是存在需要终端数量太多难以控制等问题。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(non-line of sight，NLOS)或者视距(line of sight，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，在四代移动通信技术(4th-generation，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，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或者已建基站的网络规划场景；其中，在计算拟建基站的小区的下行吞吐量时，需要根据场景地图，确定SINR值的累积分布函数(cumulative distribution function，CDF)；在计算已建基站的小区的下行吞吐量时，需要根据该小区内每个测量点的SINR值，确定SINR值的累积分布函数。由于5G中存在多天线技术(multi-user multiple-input multiple-output，MU-MIMO)的工作模式，下行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值的方式计算下行吞吐量。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。
需要说明的是，在实际的应用中，获取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，包括：
对拟计算下行吞吐量的小区选取至少一个测量点，通过在每个测试点依次放置多组不同数量的UE，并周期性的收集放置每组的UE的SINR值和下行吞吐量数据。
或者，
获取小区的信道质量指示(channel quality indicator，CQI)数据，然后根据CQI值与SINR值的对应关系以及该CQI数据，确定SINR值；其中，CQI数据包括至少一个CQI值。
具体的，对拟计算下行吞吐量的小区选取至少一个测量点，通过在每个测试点依次放置多组不同数量的UE，并周期性的收集放置每组的UE的SINR值和下行吞吐量数据，包括：
在实际的应用中，由于UE之间会产生信道影响，导致单个测量点在放置单个UE和多个UE时，由于多个用户接入后会彼此间抢夺资源且相互间有干扰，由此会产生干扰提升，从而SINR值会变化；同时，多个用户分配网络资源，存在碎片或者分配不足的情况，导致吞吐量变化；因此，为了更加准确的计算出单个测量点在放置单个UE和多个UE时其SINR值的差别，需要通过以下方式来确定，具体的实现过程如下：
首先，选择不同的测量点(测量点的数量越多，得到的单个UE和多个UE时的SINR值的差别更加准确)；然后，在每个测量点分别放置不同数量的UE，并收集每个测量点放置每种数量的UE时对应的平均SINR值和平均下行吞吐量数据；示例性的，在每个测量点先放置一个UE进行UDP业务，并记录其SINR值和下行吞吐量数据；然后在该测量点放置4个UE进行UDP业务，并记录其平均SINR值和平均下行吞吐量数据；然后在该测量点放置10个UE进行UDP业务，并记录其平均SINR值和平均下行吞吐量数据。
示例性的，假设选择的测量点为SINR值为22、SINR值为20、SINR值为18、SINR值为15、SINR值为10、SINR值为8、SINR值为5、SINR值为3、SINR值为1以及SINR值为-1这10个点为测量点，记录的下行吞吐量数据如表1所示：
表1
获取单终端的SINR值和多终端SINR值间的差别：
其中，SINRMU表示单终端(测量点放置1个UE)和多终端(测量点放置2个以上的UE)SINR间的差别，
表示测量点i处放置N1个UE时的实际SINR值，
表示测量点i处放置N2个UE时的实际SINR值，
表示测量点i处放置N3个UE时的实际SINR值，n表示选择的测量点i的总个数，n为大于或等于1的整数。
示例性的，假设在每个测量点依次放置的UE的数量分别为1、4和10时，单终端对应的UE的个数为1，多终端对应的UE的个数为4或者10；根据SINRMU的计算公式可知，
表示测量点i处放置1个UE时的SINR值，
表示测量点i处放置4个UE时的SINR值，
表示测量点i处放置10个UE时的SINR值，则单终端和多终端SINR间的差别为：
示例性的，假设选择SINR值为22、SINR值为20、SINR值为18、SINR值为15、SINR值为10、SINR值为8、SINR值为5、SINR值为3、SINR值为1以及SINR值为-1这10个点为测量点，则测量点i可以是该10个测量点中的任一个测量点。
具体的，获取小区的CQI数据，然后根据CQI值与SINR值的对应关系以及该CQI数据，确定SINR值，包括：
获取小区的CQI数据。
根据CQI值，确定CQI值的第三累积分布函数。
根据对应关系和第三累积分布函数，确定SINR值的第四累积分布函数。
其中，根据CQI值，确定CQI值的第三累积分布函数包括：
选取预设时间段(如3个月)内的4G现网中测量报告(measurement report，MR)数据(MR数据中包括至少一个CQI值)，确定CQI值的分布情况。其中，MR数据中有关CQI值的表头信息如表2所示。
表2
通过表2可以获取不同CQI值的占比(如表3所示)，并根据预设公式可以得到COI值的第三累积分布函数。其中，累积分布函数如图5所示，预设公式包括：
其中，FCQI(i)表示CQI值为i时对应的占比，NCQI(i)表示CQI值为i的总次数，M表示CQI值不为0的总次数。
表3
其中，根据对应关系和第三累积分布函数，确定SINR值的第四累积分布函数，包括：
在实际的应用中，获取CQI值与SINR值的对应关系时，可以通过对比4G网络的CQI值与SINR值的关系后，获取4G网络与CQI值的关系；进一步结合4G网络与CQI值的关系，确定4G网络的CQI值和5G网络的SINR值间的对应关系，如图6所示，基本满足线性关系，可以使用下式进行估算：
SINR＝1.9346×CQI-6.799。
通过上面给出的CQI值的第三累积分布函数、CQI值与SINR值的对应关系，可以确定；其中、SINR值的第四累积分布函数为：
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。
具体的，SINR值的第四累积分布函数如图7所示。
S102、根据场景地图或者SINR值，确定SINR值在SINR区间出现的概率。
可选的，场景地图包括三维(Three dimensional，3D)地图或者规划图；根据场景地图或者SINR值，确定SINR值在SINR区间出现的概率，如图8和图9所示包括：
S1020、根据3D地图或者规划图，确定SINR值的第一累积分布函数。
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值的第一累积分布函数包括：
1、场景重现法
适用于没有进行基站建设的场景，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值的累积分布函数；其中，SINR值的累积分布函数为：
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，根据规划图知道楼宇和其他的一些建筑物信息，则需要计算不同类型穿透损耗的占比情况，具体的如表4所示：
表4
| 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，基于表4中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SINR的累积分布函数；其中，SINR的累积分布函数包括：
F(SINR)＝a×SINR3+b×SINR2+c×SINR+d。
其中，a，b，c，d分别为常数。
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。
S1021、根据第一累积分布函数，确定SINR值在SINR区间出现的概率。
或者，
S1022、根据SINR值，确定SINR值的第二累积分布函数。
需要说明的是，在实际的应用中通过步骤S101获得的SINR值，确定单终端和多终端SINR间的差别SINRMU，进一步根据SINRMU确定每个测量点放置单个UE时对应的实际SINR值与SINRMU的差值△SINR：
△SINR＝SINRi-1UE-SINRMU。
最后，根据△SINR，拟合出多用户分布下的SINR值的第二累积分布函数，如图7所示；其中，SINR值的第二累积分布函数包括：
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。
需要说明的是，当选择的测量点的数量越多时，得到的ΔSINR就越多，拟合出的多用户分布下的SINR值的累积分布函数就更加准确；因此，这里可以对小区进行遍历(选用步行或车速小于20km/h的交通工具，由路测软件每t秒记录一次单个终端的SINR值)，即每个小区内每个可以经过的点均为测量点，从而使得得到的SINR值的累积分布函数就更加准确。
示例性的，可以每秒钟收集一次UE的SINR值和下行吞吐量数据。
S1023、根据第二累积分布函数，确定SINR值在SINR区间出现的概率。
S103、根据信道影响因子、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；其中，信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值。
可选的，根据信道影响因子、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、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信道或者LOS信道。
S1031、根据第一下行吞吐量和SINR值，确定第一下行吞吐量与SINR值的吞吐量曲线。
需要说明的是，在实际的应用中通过规定UE的SINR值和UE间的相关度，从而可以获取多种现网中可能的场景；其中，多个终端之间的分布可分为同位置分布和不同位置2种；针对同位置分布和不同位置，确定UE的下行吞吐量包括：
收集同位置分布的测量点(由于每个测量点上依次放置UE，因此UE按照同位置或者不同位置分布时即测量点按照同位置或者不同位置分布)的下行吞吐量包括：
首先确定一系列相关度(cov)和SINR值，然后对每个UE设置相应的相关度和SINR值
由于我们主要考虑下行的小区容量，因此进行UDP下载业务并记录每个UE的吞吐量
最后累加每个相对度和SINR值下的全部终端的吞吐量值
Ni表示第i个测量点，步骤如表5所示。
表5
由于实际测试中SINR值选取存在差异性，因此需要拟合出符合SINR值分布的吞吐量值，用于后续不同相关性吞吐量计算。针对相同的相关度，拟合出同SINR值的吞吐量曲线。最终获取不同相关度下SINR值-平均吞吐量曲线：
基于单个相关度的SINR值-平均吞吐量曲线，计算出单一SINR下的平均吞吐量：
为了减少计算量，本发明的实施例选取一定SINR区间范围内的吞吐量的典型值作为后续下行吞吐量计算的基准。针对不同的SINR-下行吞吐量取值，计算出一定SINR区间内的下行吞吐量：
具体的，在实际的应用中同SINR位置处的下行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6所示)。
其中，图11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、点c和点d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。
具体的，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12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6
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13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：
T0.3SINR(SINR)＝f1(SINR)；
T0.5SINR(SINR)＝f2(SINR)；
T0.8SINR(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：
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区间内的下行吞吐量：
示例性的，如表7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7
根据表7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，TSINR(X)为SINR值为X时每个UE的下行吞吐量的平均值。
其中，收集不同位置分布的测量点(由于每个测量点上依次放置UE，因此UE按照同位置或者不同位置分布时即测量点按照同位置或者不同位置分布)的吞吐量包括：
由于UE的分布位置不同，因此需要对全部UE进行SINR值分配，并按照不同的场景需求，获取多组SINR_Type(表示分布模式)。
对每个UE进行相关度和SINR值的配置，并进行下行UDP业务，同时记录每个UE的
并最后累加每个相对度和SINR_Type下的全部终端的吞吐量值
实现过程如表8所示。
表8
基于单个相关度的吞吐量公式，计算出每个Type下的平均吞吐量：
具体的，在实际的应用中不同SINR位置处的下行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，分别将4个以上(含4个)UE按照表9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9
其中，模式1表示Type1，模式2表示Type2，模式3表示Type3，模式4表示Type4。
将UE按照选定的相关度、典型SINR值按照如表9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(cov)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10所示。
表10
根据表10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(Typem)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。
S1032、根据信道影响因子、传播方式和吞吐量曲线，确定不同分布模式的第二下行吞吐量。
具体的，在实际的应用中，由于5G中存在MU-MIMO工作模式，下行吞吐量受到信道相关性和信道条件的影响较大；因此，需要确定LOS信道或者NLOS信道衰落对SINR的影响。其中，SINR的动态范围为[-2,22]，LOS信道和NLOS信道都取密集分布区域。通过建立路径损耗公式PL和NR基站和终端设备能力允许的路径损耗PLnet间的关系，确定同一位置下LOS信道/NLOS信道与无路损信道下SINR的差值，从而反映信道对UE的SINR值的影响。具体计算过程如下：
1、确定PL与SINR值的关系
PL由路径衰减常量PL0和路径衰减因子n和位置r决定，如表11所示。不同环境下PL0和n都不同，按照3GPP 38.901中规定，非授权移动接入(Unlicensed Mobile Access，UMA)的参数配置如下：
PL＝PL0+10n×log10(R)。
表11不同场景下PL参数
| 场景 | PL<sub>0</sub> | n |
| 无信道 | 0 | 0 |
| LOS信道场景 | 28+20×log<sub>10</sub>(f<sub>c</sub>) | 2.2 |
| NLOS信道场景 | 13.54+20×log<sub>10</sub>(f<sub>c</sub>)-0.6×(h<sub>ut</sub>-1.5) | 3.908 |
其中，PLnet为NR基站和终端设备能力允许的路径损耗，其与空间场景产生的路径损耗相同，如下公式所示：
PL＝PLnet；
PLnet＝PTX+GTX-BPL+PRX-NThermal-NF-SINRut。
其中，PTX为发射功率，GTX为天线增益，PRX为接收功率，BPL为穿透损耗，NThermal为热噪声，NF为调制系数，SINRut为用户进行业务需要的SINR值。
由上述可知，SINRut＝PTX+GTX-BPL+PRX-NThermal-NF-PL。
2、计算建立添加信道下，位置R与SINR值的关系：
3、计算在相同基站配置下并且相同位置R下NLOS信道对应的SINR值与LOS信道对应的SINR值的信道影响因子ΔSINR。其中，
表12给出了不同SINR区间下，ΔSINR的取值情况；其中，LOS信道并且在SINR环境较好的情况下，ΔSINR的值较大；而NLOS信道下ΔSINR的值相对平均，说明多径(多径是指NLOS信道)的影响(由于信号在NLOS信道中传输时会发生大量的反射、折射、绕射等，从而使得信号产生差异)对SINR值的影响较大。后续计算可以按照需求进行分段匹配或者安装平均值进行处理。
表12
根据上述LOS-无路损、NLOS-无路损以及不同SINR区间对应的信道影响因子ΔSINR，可以确定同SINR位置的用户吞吐量曲线为：
不同SINR位置的用户吞吐量曲线为：
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14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，密集分布场景内SINR变化量小于或等于变化量阈值，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(分散分布场景内SINR变化量大于变化量阈值)。
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；基于此，我们可以通过设置变化量阈值(如5dB)，筛选满足条件的建筑物，从而更加准确地判别出密集分布区域；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；基于此，我们可以通过设置变化量阈值(如5dB)，筛选满足条件的建筑物、公园或者道路，从而更加准确地判别出分散分布区域。
具体的，根据3D地图或者规划图，确定小区的场景分类，包括：
根据3D地图或者规划图，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3D地图或者规划图，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、确定小区的场景分类为密集分布场景时，根据不同分布模式的第二下行吞吐量和SINR值在SINR区间出现的概率，确定第三下行吞吐量。
具体的，在实际的应用中，大部分场景下由于有树木或者建筑物的遮挡，会出现LOS信道和NLOS信道环境。因此要计算LOS信道和NLOS信道的占比，后面使用该占比计算出小区的下行吞吐量。本发明的实施例使用38.901里的的公式分别计算LOS信道和NLOS信道的占比；其中，PrLOS为LOS信道的占比。在密集分布场景(UMA)情况下，使用下面的公式进行计算：
其中，d2D-out为水平覆盖距离，R为覆盖距离；hBS为基站高度；hUT为UE高度。
针对用户相对集中的场景(密集分布场景)，本发明的实施例采用集中优先的原则(concentrated-best)，即优先按照集中用户场景出现的概率分配用户位于相同SINR位置的占比，然后再将剩余的用户位置信息分配给分散用户。针对用户分布相对比较分散(分散分布场景)的场景，分配则采用尽可能保证的原则(dispersion-as-far-as-possible)，即按照分布用户场景出现的概率和剩余分配位置占比的最优化方式，进行用户占比分配。如图15所示给出了一个3种用户集中分布&4种用户分散分布场景的计算示意图；其中，P1表示用户出现在位置区间1(示例的该位置区间1可以为[18，22dB]，用于表示UE出现在好点区间的概率)的概率、P2表示用户出现在位置区间2(示例的该位置区间2可以为[6，10dB]，用于表示UE出现在中点区间的概率)的概率、P3表示用户出现在位置区间3(示例的该位置区间3可以为[-2，2]，用于表示UE出现在差点区间的概率)的概率，Pn1表示N个用户同时出现在位置点A的概率，Pn2表示N个用户同时出现在位置点C的概率，Pn3表示N个用户同时出现在位置点E的概率；用户同位置分布时PL1＝P1-Pn1，PL2＝P2-Pn2，PL3＝P3-Pn3；用户不同位置分布时PL1＝b1×Pm1+b2×Pm2+b3×Pm3+b4×Pm4，PL2＝b1×Pm1+b2×Pm2+b3×Pm3+b4×Pm4，PL3＝b1×Pm1+b2×Pm2+b3×Pm3+b4×Pm4，b1、b2、b3和b4均表示用户不同位置分布时概率的调整值，位置区间1、位置区间2和位置区间3为不同的位置区间。
1)首先计算用户集中分布的占比：
通过计算单用户分布概率情况和用户接入数量，计算全部用户集中分布的出现概率Pnk；其中，由于
为单个用户出现在SINR区间k上的概率，则N个用户全部位于相近或相同SINR位置k的概率
2)计算不同模式下剩余的点的占比，模式k下剩余的点的占比PLk＝Pk-∑Pnk。
3)计算分散用户的分布占比，首先计算按照单用户分布概率，计算出不同用户分布场景的出现概率：
其中，Mji为模式i下SINR区间j内的用户总数，N为小区内的用户总数，或者吞吐量实验中的用户总数，m为模式标号，m为大于0的整数且m小于等于M，M为模式的总数。
然后，建立不同用户分布的出现概率Pmi、对应的配比系数Ai和不同区间剩余占比间的关系，即建立一个多维方程组，通过解方程组，获取一组最佳的对应的配比系数Amt，如下面公式所示：
再次，计算出每种不同用户分布的占比Pms(i)＝Amt(i)Pmi。
示例性的，如图15所示用户不同位置分布时，如表13所示存在4种分布情况(分别为模式1、模式2、模式3和模式4)，最佳的对应的配比系数Amt的计算方式如下：
表13
其中，M1为模式1，M2为模式2，M3为模式3，M4为模式4。
根据Amt的计算公式，可以将公式简化为：
然后根据上述方程组可以分别确定A1、A2、A3以及A4的取值。
4)计算LOS信道的下行吞吐量和NLOS信道的下行吞吐量：
Channel＝LOS,NLOS。
5)确定小区的场景分类为密集分布场景时，根据LOS信道的下行吞吐量、NLOS信道的下行吞吐量以及LOS信道和NLOS信道的占比，确定第三下行吞吐量为：
本发明的实施例提供的下行吞吐量的计算方法，通过信道影响因子、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，根据场景地图或者SINR值，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16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获取的场景地图或者获取单元101获取的SINR值，确定SINR值在SINR区间出现的概率。
处理单元102，还用于根据信道影响因子、获取单元101获取的第一下行吞吐量和获取单元101获取的SINR值，确定各个SINR区间的第二下行吞吐量；其中，信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值。
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101获取的场景地图，确定小区的第三下行吞吐量。
可选的，场景地图包括3D地图或者规划图；处理单元102，具体用于根据获取单元101获取的3D地图或者获取单元101获取的规划图，确定SINR值的累积分布函数。
或者，
处理单元102，具体用于根据获取单元101获取的SINR值，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，确定SINR值在SINR区间出现的概率。
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信道或者LOS信道。
处理单元102，具体用于根据获取单元101获取的第一下行吞吐量和获取单元101获取的SINR值，确定第一下行吞吐量与SINR值的吞吐量曲线。
处理单元102，具体用于根据信道影响因子、传播方式和吞吐量曲线，确定不同分布模式的第二下行吞吐量。
可选的，处理单元012，具体用于根据获取单元101获取的场景地图，确定小区的SINR变化量小于或等于变化量阈值时，根据不同分布模式的第二下行吞吐量和SINR值在SINR区间出现的概率，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，用于下行存储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17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；
根据所述场景地图或者所述SINR值，确定所述SINR值在SINR区间出现的概率；
根据信道影响因子、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；其中，所述信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间内的SINR值的修正值；
根据所述第二下行吞吐量、所述SINR值在所述SINR区间出现的概率和场景地图，确定所述小区的第三下行吞吐量。
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；根据所述场景地图或者所述SINR值，确定所述SINR值在SINR区间出现的概率，包括：
根据所述3D地图或者所述规划图，确定所述SINR值的第一累积分布函数；
根据所述第一累积分布函数，确定所述SINR值在SINR区间出现的概率；
或者，
根据所述SINR值，确定所述SINR值的第二累积分布函数；
根据所述第二累积分布函数，确定所述SINR值在SINR区间出现的概率。
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，根据信道影响因子、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：
获取所述小区的天线与所述测量点的传播方式；其中，所述传播方式包括NLOS信道或 者LOS信道；
根据所述第一下行吞吐量和所述SINR值，确定所述第一下行吞吐量与所述SINR值的吞吐量曲线；
根据所述SINR值，确定所述测量点的分布模式；其中，所述分布模式指所述测量点以相同或不同SINR进行分布；
根据所述信道影响因子、所述传播方式和所述吞吐量曲线，确定不同分布模式的所述第二下行吞吐量。
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，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SINR变化量由所述SINR值中的最大值和最小值确定的；
确定所述小区的场景分类为密集分布场景时，根据不同分布模式的所述第二下行吞吐量和所述SINR值在所述SINR区间出现的概率，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或者所述获取单元获取的所述SINR值，确定所述SINR值在SINR区间出现的概率；
所述处理单元，还用于根据信道影响因子、所述获取单元获取的所述第一下行吞吐量和所述获取单元获取的所述SINR值，确定各个所述SINR区间的第二下行吞吐量；其中，所述信道影响因子用于指示NLOS信道或者LOS信道对不同SINR区间的SINR值的修正值；
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。
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；
所述处理单元，具体用于根据所述获取单元获取的所述3D地图或者所述获取单元获取的所述规划图，确定所述SINR值的第一累积分布函数；
所述处理单元，具体用于根据所述第一累积分布函数，确定所述SINR值在SINR区间出现的概率；
或者，
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SINR值的第二累积分布函数；
所述处理单元，具体用于根据所述第二累积分布函数，确定所述SINR值在SINR区间出现的概率。
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；其中，所述传播方式包括NLOS信道或者 LOS信道；
所述处理单元，具体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获取单元获取的所述SINR值，确定所述第一下行吞吐量与所述SINR值的吞吐量曲线；
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；其中，所述分布模式指所述测量点以相同或不同SINR进行分布；
所述处理单元，具体用于根据所述信道影响因子、所述传播方式和所述吞吐量曲线，确定不同分布模式的所述第二下行吞吐量。
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，具体用于根据所述获取单元获取的所述场景地图，确定所述小区的场景分类；其中，所述场景分类包括密集分布场景，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，具体用于确定所述小区的场景分类为密集分布场景时，根据不同分布模式的所述第二下行吞吐量和所述SINR值在所述SINR区间出现的概率，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910357717.4A CN110312281B (zh) | 2019-04-29 | 2019-04-29 | 一种通信小区的下行吞吐量的计算方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910357717.4A CN110312281B (zh) | 2019-04-29 | 2019-04-29 | 一种通信小区的下行吞吐量的计算方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110312281A CN110312281A (zh) | 2019-10-08 |
| CN110312281B true CN110312281B (zh) | 2022-09-27 |
Family
ID=68074479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910357717.4A Active CN110312281B (zh) | 2019-04-29 | 2019-04-29 | 一种通信小区的下行吞吐量的计算方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110312281B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113133034B (zh) * | 2021-04-25 | 2022-07-08 | 四川通信科研规划设计有限责任公司 | 一种基于用户mr的基站方向角纠偏方法、存储介质和装置 |
| CN115052296B (zh) * | 2022-05-25 | 2023-09-05 | 中电信数智科技有限公司 | 一种可用于6G的智能Rank下行速率优化的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267283A (zh) * | 2007-03-15 | 2008-09-17 | 华为技术有限公司 | 调制方式自适应改变的方法及装置 |
| CN102595428A (zh) * | 2011-01-10 | 2012-07-18 | 中兴通讯股份有限公司 | 小区吞吐量的计算方法及装置 |
| EP2557830A1 (en) * | 2011-08-11 | 2013-02-13 | Deutsche Telekom AG | Method for predicting a MIMO throughput of an LTE downlink in a radio network planning tool |
| CN106470056A (zh) * | 2015-08-21 | 2017-03-01 | 上海贝尔股份有限公司 | 确定mimo模式间切换发生时的sinr阈值的方法与设备 |
| CN109067489A (zh) * | 2018-09-25 | 2018-12-21 | 西安电子科技大学 | 基于ln分布的uwoc-md通信系统误码率和吞吐量的计算方法 |
-
2019
- 2019-04-29 CN CN201910357717.4A patent/CN110312281B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101267283A (zh) * | 2007-03-15 | 2008-09-17 | 华为技术有限公司 | 调制方式自适应改变的方法及装置 |
| CN102595428A (zh) * | 2011-01-10 | 2012-07-18 | 中兴通讯股份有限公司 | 小区吞吐量的计算方法及装置 |
| EP2557830A1 (en) * | 2011-08-11 | 2013-02-13 | Deutsche Telekom AG | Method for predicting a MIMO throughput of an LTE downlink in a radio network planning tool |
| CN106470056A (zh) * | 2015-08-21 | 2017-03-01 | 上海贝尔股份有限公司 | 确定mimo模式间切换发生时的sinr阈值的方法与设备 |
| CN109067489A (zh) * | 2018-09-25 | 2018-12-21 | 西安电子科技大学 | 基于ln分布的uwoc-md通信系统误码率和吞吐量的计算方法 |
Non-Patent Citations (3)
| Title |
|---|
| NTN evaluation assumptions summary;Thales;《3GPP tsg_ran\wg1_rl1 R1-1905794》;20190416;全文 * |
| Throughput Analysis of Interference Alignment for a General Centralized Limited Feedback Model;Hong Wang et al.;《IEEE Transactions on Vehicular Technology》;20151217;全文 * |
| 关于室内无线MIMO系统的接收机区域效果研究;Laxman Shrestha;《中国硕士学位论文全文数据库》;20100615;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110312281A (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104285465B (zh) | 通信系统中的基站、用户设备及其中的方法 | |
| CN101641877B (zh) | 无线通信系统中的同信道干扰的表征 | |
| CN110832916B (zh) | 用于分配资源的系统和方法 | |
| US9307462B2 (en) | Reference signal power measurement and reporting for improving performance in a network with geographically separated antenna ports | |
| Simsek et al. | An LTE-femtocell dynamic system level simulator | |
| CN108111280A (zh) | 参考信号配置、信息的发送、信息的接收方法及装置 | |
| CN103348608A (zh) | 经由用户群集在分布式无线系统中协调发射的系统及方法 | |
| Kim et al. | Hierarchical maritime radio networks for internet of maritime things | |
| CN103797725A (zh) | 在无线系统中利用同调性区域的系统及方法 | |
| US11632684B2 (en) | Systems and methods for robust beam reporting | |
| CN105103638A (zh) | 无线基站、用户终端以及无线通信方法 | |
| CN110198552B (zh) | 一种下行吞吐量的计算方法和装置 | |
| US20140126500A1 (en) | Method and apparatus for performance management in wireless backhaul networks via power control | |
| CN103416099B (zh) | 用于调度无线电资源的无线电基站及其方法 | |
| CN110312281B (zh) | 一种通信小区的下行吞吐量的计算方法和装置 | |
| CN110167057B (zh) | 一种下行吞吐量的计算方法和装置 | |
| Muhammad | Closed loop power control for LTE uplink | |
| CN110312280B (zh) | 一种下行吞吐量的计算方法和装置 | |
| CN110337120B (zh) | 一种上行吞吐量的计算方法和装置 | |
| CN110324852B (zh) | 一种上行吞吐量的计算方法和装置 | |
| Mansor et al. | MIMO exploitation of 3D multipath statistics in a heterogeneous LTE-advanced network | |
| CN110536355B (zh) | 数据上行传输的控制方法和毫米波大规模多天线系统 | |
| CN109041074B (zh) | 基于协作区域划分的波束赋形方法及装置 | |
| CN102573069B (zh) | 探测序列的分配方法和基站 | |
| Sreenivas et al. | Physical abstraction method (RBIR) for OFDM system |
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 |