CN110337113A - 一种密集dtdd网络中基于小区动态分簇的干扰管控方法 - Google Patents
一种密集dtdd网络中基于小区动态分簇的干扰管控方法 Download PDFInfo
- Publication number
- CN110337113A CN110337113A CN201910459418.1A CN201910459418A CN110337113A CN 110337113 A CN110337113 A CN 110337113A CN 201910459418 A CN201910459418 A CN 201910459418A CN 110337113 A CN110337113 A CN 110337113A
- Authority
- CN
- China
- Prior art keywords
- cluster
- sub
- clustering
- base station
- user
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/14—Two-way operation using the same type of signal, i.e. duplex
- H04L5/1469—Two-way operation using the same type of signal, i.e. duplex using time-sharing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于移动通信技术领域,公开了一种密集DTDD网络中基于小区动态分簇的干扰管控方法,通过统计小区间的干扰强度与业务差异大小,对基站进行动态分簇,令同簇内的基站使用相同的子帧配置方案来消除交叉子帧干扰;对簇内的业务状况进行统计,选择使簇内吞吐量最大的TDD子帧配比作为簇内统一的子帧配置方案;对同簇内小区中的部分用户进行二次关联;确定小区动态分簇的算法开销与网络性能增益的折中关系,通过构建效用函数,确定算法开销与网络性能均衡的最佳分簇周期。本发明克服了现有技术在固定某个分簇周期对基站进行分簇,分簇频率过慢或过快的问题,造成网络性能较差或算法开销过大的问题,实现了算法开销与网络性能增益的均衡优化。
Description
技术领域
本发明属于移动通信技术领域,尤其涉及一种密集DTDD网络中基于小区动态分簇的干扰管控方法。
背景技术
近年来,密集DTDD网络作为下一代移动通信中的关键技术,受到人们的广泛研究和关注。但是,由于在密集网络中节点间距离较近,小区间的交叉子帧干扰会严重影响网络中的信号传输,降低基站密集化与动态时分双工机制为小区带来的性能增益。同时,采用动态时分双工机制(Dynamic Time Division Duplex,DTDD)能够通过动态调节分配给上行和下行链路的子帧数目,灵活调整上下行资源的使用情况,但是会带来两种新的共信道交叉子帧干扰,即下行基站对上行基站的干扰(BS-BS/eNodeB-eNodeB)和上行用户对下行用户的干扰(UE-UE)。从对网络进行干扰管理的对象角度来看,网络中的干扰管理方法可以分为在网络侧进行网络协同,和在用户侧进行接收机优化两个方面。网络侧协同可以从以下四个方面进行考虑,包括空域协同(例如小区联合传输与协同波束赋性)、时域协同(例如小区分簇方法)、功率域协同和频域协同。从用户接收机优化的角度来看,可以采用带干扰消除的非线性接收机,或者带干扰抑制的线性接收机。
目前,最接近的现有技术:现有技术提出了一种基于分簇的交叉子帧干扰消除技术,以基站簇为单元进行子帧方案的配置。首先根据路径损耗或互耦损耗对基站进行分簇,将互耦损耗相对较大的基站归为一簇,同簇内的基站使用相同的子帧配置方案避免下行对上行的交叉子帧干扰,不同簇的基站根据簇内整体的业务状况使用不同的子帧配置方案。但是,这种以簇为单位的子帧配置方案在分簇时仅考虑了基站间的干扰强度,可能将干扰较大,但是业务差异相对较大的基站分到一个簇中,导致同簇内基站间的上下行业务差异较大。由于簇内统一的子帧配置方案根据簇内整体业务状况计算得到,使得这种统一的子帧配置方案无法很好地适配单个小区的业务情况,基站无法充分利用簇内的资源进行业务传输,削弱了采用动态TDD机制时子帧灵活配置带来的性能增益。
综上所述,现有技术存在的问题是:
现有技术以簇为单位的子帧配置方案在分簇时仅考虑了基站间的干扰强度,导致同簇内基站间的上下行业务差异较大,使得簇内统一的子帧配置方案无法很好地适配单个小区的业务情况,削弱了子帧灵活配置带来的性能增益。
解决上述技术问题的难度:为了解决现有技术中存在的问题,需要在制定小区动态分簇准则的过程中将基站间的干扰强度、业务差异大小与业务量总和同时考虑在内,得到新的基站分簇准则,在此基础上进行基站的动态分簇。同时,在将基站进行分簇后,考虑通过簇内用户二次关联对分簇策略进行优化,调整簇内基站的业务分布,使簇内基站的业务状况与统一的子帧配置方案更加匹配。此外,由于采用动态分簇算法进行干扰管理时,设置不同的分簇周期对算法开销和网络性能的影响较大,加快分簇频率有助于快速感知负载状态,对网络资源进行动态调整,但是会带来较大的算法开销,不利于网络进行有效的业务传输,因此需要确定合适的分簇周期,在保证网络通过干扰管理实现性能增益的基础上,节约用于分簇配置与用户二次关联的算法开销,实现网络性能与算法开销的折中。
解决上述技术问题的意义:通过对小区进行动态分簇,在消除簇内基站间交叉子帧干扰的同时,充分利用簇内资源进行业务传输,为网络的吞吐量与覆盖性能带来提升,同时使算法开销与网络性能增益达到均衡最优,为密集动态时分双工网络的实际布设提供了理论与实验基础。
发明内容
针对现有技术存在的问题,本发明提供了一种密集DTDD网络中基于小区动态分簇的干扰管控方法。
本发明是这样实现的,一种密集DTDD网络中基于小区动态分簇的干扰管控方法,所述密集DTDD网络中基于小区动态分簇的干扰管控方法包括:
第一步,统计小区间的干扰强度与业务差异大小,对基站进行动态分簇,令同簇内的基站使用相同的子帧配置方案;
第二步,对簇内的业务状况进行统计,选择使簇内吞吐量最大的TDD子帧配比作为簇内统一的子帧配置方案;
第三步,对小区中的部分用户进行二次关联;确定小区动态分簇的算法开销与网络性能增益的折中关系,通过构建效用函数,确定算法开销与网络性能均衡的最佳分簇周期。
进一步,所述密集DTDD网络中基于小区动态分簇的干扰管控方法具体包括:
步骤一,设计基站分簇准则;按照下式,计算基站间互耦损耗大小,量化基站间的干扰强度:
MCLeNB1-eNB2=TAGeNB1+RAGeNB2-PLeNB1-eNB2;
其中,TAGeNB1和RAGeNB2分别为基站eNB1的发射天线增益与基站eNB2的接收天线增益,PLeNB1-eNB2为基站间的平均路径损耗,其中包括穿透损耗、路径损耗,以及由于阴影效应引起的损耗;
对分簇周期内基站间业务状况进行统计,并按照下式,设计结合互耦损耗与业务差异的基站分簇准则:
其中,ωm,n(t)表示在第t个分簇周期结束时基站eNBm和eNBn能否归为一簇的评价因子,表示基站eNBm与eNBn在第t个分簇周期内的平均互耦损耗,ui(t)=Bs,i(t)/Bu,i(t)×[Bs,i(t)+Bu,i(t)]表示在第t个分簇周期内第i个小区的下行队列长度Bs,i(t)与上行队列长度Bu,i(t)的相对大小关系;0<α,β<1分别为互耦损耗与业务比例的权重系数,用来表示基站间干扰强度与业务差异对分簇结果的影响程度;
根据分簇准则将ωm,n(t)值较大的基站分为一簇;
步骤二,为簇内设置统一的TDD子帧配比;
首先每个用户分别对各自在分簇周期内的业务缓存大小和平均吞吐量进行统计,将用户um在分簇周期内第n个子帧完成处理的上行和下行数据包的个数分别记为和计算出在um的上行吞吐量和下行吞吐量分别为:
其中,ξ表示网络中数据包的长度;根据用户在每个子帧中的吞吐量,得到在第t个分簇周期内用户um的平均上行吞吐量Ti U(t)和平均下行吞吐量Ti D(t)分别如下:
根据簇内每个基站关联用户的上下行吞吐量,簇内所有基站将各自在分簇周期结束时的上下行缓存大小与吞吐量发送给簇头,再由簇头对簇内所有基站的业务状况进行统计,得到在第t个分簇周期内,完成簇内所有的业务传输所需要的下行子帧个数与上行子帧个数的比值μi(t)的表达式如下所示:
按照下式,簇头选择与簇内缓存大小/吞吐量最为接近的TDD子帧配比,作为簇内统一的子帧配置方案,并广播给簇内的其它基站:
其中,μk为第k种子帧配置方案的下行子帧与上行子帧个数之比,μi为簇Ci内业务传输所需要的下行子帧个数与上行子帧个数的比值;
簇中其它基站收到簇头发送的子帧配置方案后,将自身的子帧配置方案修改为统一的子帧配置方案,并在下一次分簇周期内保持该子帧配置方案不变;
步骤三,按照基站分簇准则与簇内子帧配置方案,对基站进行动态分簇;
步骤四,对簇内用户进行二次关联,基站动态分簇过程中,在每次分簇周期开始前,判断是否需要对簇内用户进行二次关联;
步骤五,求解最佳分簇周期。
进一步,所述步骤三按照基站分簇准则与簇内子帧配置方案,对基站进行动态分簇具体包括:
首先,初始化基站与用户的状态信息,在七种TDD子帧配置方案中随机选择一种作为基站的初始子帧配置方案;将用户按照最近关联准则与基站进行关联,得到基站和用户的初始化集合分别为和初始化已分入簇中的基站个数为0个,簇的集合用表示;对基站间的平均互耦损耗MCL进行初始化,令作为簇Ci内的簇内互耦损耗初始值;
然后,从基站序列中随机选择一个基站Si,判断Si是否已经分入簇中;如果Si已完成分簇,则重新选择一个基站进行判断;否则,将Si归入簇C1中,并将基站Si设置为簇C1的簇头,同时修改Si的分簇状态为已完成分簇;依次对簇Cj(j=2,3,…,Nclu)的簇头基站进行选择;
最后,完成所有簇中的簇头基站设置之后,在基站序列中随机选择另外一个未归入簇中的基站Sk,分别计算Sk与Nclu个簇内已有基站的ω评价因子的平均值,选择评价因子ω最小的簇,将基站Sk归入其中;如果Sk与多个簇的评价因子值相等,随机选择其中一个簇将Sk归入其中;将所有基站全部归入簇中;
分簇过程结束后,对每个簇分别进行遍历,按照簇内子帧配置方法,由簇头统计簇内所有基站的业务状况,计算得到簇内统一的上下行子帧配比,并将其广播给簇内的其它基站;簇内其它基站按照簇头广播的子帧配置方案修改自身TDD配置,并在下一次分簇周期中保持这种子帧配置方案不变;在下一次分簇周期结束后,重复基站分簇与簇内子帧方案配置的过程,直至仿真周期结束。
进一步,所述步骤四对簇内用户进行二次关联具体包括:
首先将簇内基站按照下行业务比例大小分为三类,如果同时存在下行业务比例较大和较小的基站,选择簇内下行业务比例较大的基站,作为切出用户的源基站,同时选择簇内下行业务比例较小的基站,作为切入用户的目标基站,按照下式,设计用户二次关联的评估因子,选择评估因子最小的用户作为二次关联用户,将该用户由源基站重新关联至目标基站:
其中,R(i,n,q,m)表示归入簇Ci中的基站Sn选择与自身关联的用户um,切换至簇内目标基站Sq中的评价因子。εn和εq分别表示用户um当前关联基站的下行业务缓存比例与簇内目标基站的下行业务缓存比例;SINRq和SINRn分别为用户um接收到来自目标关联基站Sq与当前关联基站Sn的信干噪比的比值;0<α,β<1分别表示将用户um进行二次关联后,原关联基站Sn与目标基站Sq中的下行业务比例分别与簇内统一配比相近程度的权重系数,0<γ<1表示二次关联的用户um接收到来自目标基站Sq与原基站Sn的信干噪比的相似度;
然后,完成一次用户二次关联后,判断簇内所有基站的下行业务比例与统一子帧配比中下行业务占比差值是否在一定门限内;如果同时存在下行业务比例较高和较低的基站,则继续进行用户二次关联,否则,停止对用户二次关联的选择与切换过程。
进一步,所述步骤五求解最佳分簇周期具体包括:
首先,按照下式对动态分簇算法得到的网络总体吞吐量进行统计,使用Ti U(T)和Ti D(T)分别表示在第t个分簇周期内,簇Ci的上行和下行吞吐量总和;
其中,和分别表示簇内每个用户的上下行吞吐量,Kn表示簇Ci中包含的基站的个数,Nm表示簇Ci中基站Sm在第t个分簇周期内关联的用户个数;给定网络中划分簇的个数为Nclu个,则在第t个分簇周期结束时,网络中上行总吞吐量TU(T)和下行总吞吐量TD(T)分别计算如下:
然后,对动态分簇方法的算法开销进行统计;用PTotal(T)表示在分簇周期T内用于动态分簇算法的总开销,可知:
PTotal(T)=P1(T)+P2(T)+P3(T);
其中,P1(T)和P2(T)分别表示在第t个分簇周期内,动态分簇算法中簇头向簇内其它基站节点获取业务状态的开销,及簇头向簇内其它基站广播统一子帧配比的信令开销,两部分开销均发生在簇内子帧方案配置过程中;每个簇中基站的个数用Nc表示,可知在簇内子帧方案配置中算法的复杂度O(P1(T))=O(P2(T))=Nc;P3(T)表示在第t个分簇周期内,簇内对用户进行二次关联时将基站业务状态进行排序的信令包的个数,开销发生在对基站进行分簇后,对簇内用户进行二次关联,优化簇内的业务分布过程中;使用Nclu表示网络中簇的总数,Nconn表示基站关联的最大用户数,可知用户二次关联过程中算法的复杂度O(P3(T))=Nc 2×Nconn;
最后,得到分簇过程中吞吐量与算法的开销大小,建立算法开销与网络总吞吐量的效用函数:
其中,0<α<1表示吞吐量对分簇周期效用因子的影响权重,(1-α)表示算法开销对分簇周期的影响权重,为分簇周期T内的分簇开销,TD(T)和TU(T)分别为网络进行分簇后得到的下行与上行吞吐量之和,B(T)为折中吞吐量与分簇开销的效用因子;选择使效用因子最大的分簇周期,即为均衡算法开销与网络吞吐量的最佳分簇周期。
本发明的另一目的在于提供一种应用所述密集DTDD网络中基于小区动态分簇的干扰管控方法的移动通信控制系统。
本发明的另一目的在于提供一种应用所述密集DTDD网络中基于小区动态分簇的干扰管控方法的信息数据处理终端。
综上所述,本发明的优点及积极效果为:本发明对小区间的干扰强度与业务差异大小进行统计,将干扰较大,同时业务差异较小的基站归为一簇,令同簇内的基站使用相同的子帧配置方案,消除簇内的交叉子帧干扰。通过与两种现有基站分簇方法进行对比,按照干扰与业务联合感知的分簇准则对基站进行动态分簇,对簇内的整体吞吐量与覆盖率均有提升(如图6(a)-图6(e)所示);进一步对小区中的部分用户进行二次关联,提高小区内业务分布与簇内统一的子帧配置方案的匹配度,提升网络的吞吐量性能,仿真表明,通过基站分簇后对簇内用户进行二次关联,网络的平均上行和下行吞吐量分别提升了14.1%和7.9%(如图6(f)-图6(g)所示);最后研究了小区动态分簇的算法开销与网络性能增益的折中关系,通过构建效用函数,并在不同分簇周期下对网络进行真实仿真,得出在当前网络环境下分簇周期为300子帧时算法开销与吞吐量的效用因子达到最大,因此选择该周期作为动态分簇周期时,算法开销与网络性能增益达到均衡最优(如图6(h)所示)。
本发明通过设计干扰与业务联合的基站分簇准则,克服了现有分簇准则在基站间业务差异较大时,会导致统一的子帧配置方案无法适配单个基站的业务状况,造成资源浪费的问题,使得本发明具有节约资源,提升网络整体性能的优点。
本发明对簇内用户进行二次关联,克服了现有技术在对基站进行分簇后,簇内基站间业务差异较大的问题,可能导致簇内基站资源状况与统一的子帧配置方案不能完全适配,造成簇内资源利用率较低的问题。使得本发明具有更进一步提升簇内资源利用率,提升网络吞吐量性能的优点。
本发明对分簇算法的算法开销与吞吐量性能进行折中,克服了现有技术在固定某个分簇周期对基站进行分簇,分簇频率过慢或过快的问题,造成网络性能较差或算法开销过大的问题。使得本发明具有均衡网络吞吐量性能与算法开销,保持分簇对网络性能增益的基础上,尽可能减小算法开销的优点。
附图说明
图1是本发明实施例提供的密集DTDD网络中基于小区动态分簇的干扰管控方法流程图。
图2是本发明实施例提供的密集DTDD网络中基于小区动态分簇的干扰管控方法实现流程图。
图3是本发明实施例提供的动态分簇算法流程图。
图4是本发明实施例提供的簇内用户二次关联流程图。
图5是本发明实施例提供的仿真场景示意图。
图6是本发明实施例提供的仿真结果与现有技术的仿真结果对比图;
图中:(a)和(b)分别为采用本发明中分簇准则对基站进行动态分簇,网络平均上下行吞吐量的CCDF结果图;(c)为采用本发明中分簇准则对基站进行动态分簇,网络总吞吐量的CCDF结果图;(d)为采用本发明中分簇准则对基站进行动态分簇,网络上下行覆盖率的CCDF结果图;(e)为采用本发明中分簇准则对基站进行动态分簇,网络上下行时延的CCDF结果图;(f)和(g)为采用本发明中簇内用户二次关联,网络上下行吞吐量的CCDF结果图;(h)为采用本发明中不同分簇周期,网络吞吐量、算法开销与两者效用因子的变化折线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在密集DTDD网络场景下,本发明提出一种基于小区动态分簇的干扰管理方法;通过对小区进行动态分簇,消除簇内基站间的交叉子帧干扰,提升网络的覆盖率与吞吐量性能,同时将动态分簇开销与网络性能进行折中。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的密集DTDD网络中基于小区动态分簇的干扰管控方法包括以下步骤:
S101:统计小区间的干扰强度与业务差异大小,对基站进行动态分簇,令同簇内的基站使用相同的子帧配置方案;
S102:对簇内的业务状况进行统计,选择使簇内吞吐量最大的TDD子帧配比作为簇内统一的子帧配置方案;
S103:对小区中的部分用户进行二次关联;确定小区动态分簇的算法开销与网络性能增益的折中关系,通过构建效用函数,确定算法开销与网络性能均衡的最佳分簇周期。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示,本发明实施例提供的密集DTDD网络中基于小区动态分簇的干扰管控方法具体包括以下步骤:
步骤一,设计基站分簇准则。
按照下式,计算基站间互耦损耗大小,量化基站间的干扰强度:
MCLeNB1-eNB2=TAGeNB1+RAGeNB2-PLeNB1-eNB2;
其中,TAGeNB1和RAGeNB2分别为基站eNB1的发射天线增益与基站eNB2的接收天线增益,PLeNB1-eNB2为基站间的平均路径损耗,其中包括穿透损耗、路径损耗,以及由于阴影效应引起的损耗。
接下来对分簇周期内基站间业务状况进行统计,并按照下式,设计结合互耦损耗与业务差异的基站分簇准则:
其中,ωm,n(t)表示在第t个分簇周期结束时基站eNBm和eNBn能否归为一簇的评价因子,表示基站eNBm与eNBn在第t个分簇周期内的平均互耦损耗,ui(t)=Bs,i(t)/Bu,i(t)×[Bs,i(t)+Bu,i(t)]表示在第t个分簇周期内第i个小区的下行队列长度Bs,i(t)与上行队列长度Bu,i(t)的相对大小关系。0<α,β<1分别为互耦损耗与业务比例的权重系数,用来表示基站间干扰强度与业务差异对分簇结果的影响程度。
根据上述分簇准则可知,将ωm,n(t)值较大的基站分为一簇,能够最大化簇内基站的干扰,同时保证簇内基站业务差异较小。
步骤二,为簇内设置统一的TDD子帧配比。
首先每个用户分别对各自在分簇周期内的业务缓存大小和平均吞吐量进行统计,将用户um在分簇周期内第n个子帧完成处理的上行和下行数据包的个数分别记为和可以计算出在um的上行吞吐量和下行吞吐量分别为:
其中,ξ表示网络中数据包的长度。根据用户在每个子帧中的吞吐量,可以得到在第t个分簇周期内用户um的平均上行吞吐量Ti U(t)和平均下行吞吐量Ti D(t)分别如下所示:
根据簇内每个基站关联用户的上下行吞吐量,簇内所有基站将各自在分簇周期结束时的上下行缓存大小与吞吐量发送给簇头,再由簇头对簇内所有基站的业务状况进行统计,可以得到在第t个分簇周期内,完成簇内所有的业务传输所需要的下行子帧个数与上行子帧个数的比值μi(t)的表达式如下所示:
按照下式,簇头选择与簇内缓存大小/吞吐量最为接近的TDD子帧配比,作为簇内统一的子帧配置方案,并将其广播给簇内的其它基站:
其中,μk为第k种子帧配置方案的下行子帧与上行子帧个数之比,μi为簇Ci内业务传输所需要的下行子帧个数与上行子帧个数的比值。由于在TDD七种子帧配比方案中编号为2和编号为4的上下行子帧配比相同,因此当μi(t)最接近4时,随机选择其中一种作为簇内统一的上下行子帧配比方案。
簇中其它基站收到簇头发送的子帧配置方案后,将自身的子帧配置方案修改为统一的子帧配置方案,并在下一次分簇周期内保持该子帧配置方案不变。
步骤三,按照基站分簇准则与簇内子帧配置方案,对基站进行动态分簇。
首先,初始化基站与用户的状态信息,在七种TDD子帧配置方案中随机选择一种作为基站的初始子帧配置方案。将用户按照最近关联准则与基站进行关联,得到基站和用户的初始化集合分别为和初始化已分入簇中的基站个数为0个,簇的集合用表示。对基站间的平均互耦损耗MCL进行初始化,令作为簇Ci内的簇内互耦损耗初始值。
接下来,从基站序列中随机选择一个基站Si,判断Si是否已经分入簇中。如果Si已完成分簇,则重新选择一个基站进行判断。否则,将Si归入簇C1中,并将基站Si设置为簇C1的簇头,同时修改Si的分簇状态为已完成分簇。按照这种方法依次对簇Cj(j=2,3,…,Nclu)的簇头基站进行选择。
完成所有簇中的簇头基站设置之后,在基站序列中随机选择另外一个未归入簇中的基站Sk,分别计算Sk与Nclu个簇内已有基站的ω评价因子的平均值,选择评价因子ω最小的簇,将基站Sk归入其中。如果Sk与多个簇的评价因子值相等,随机选择其中一个簇将Sk归入其中。按照这种方法,将所有基站全部归入簇中。
分簇过程结束后,对每个簇分别进行遍历,按照簇内子帧配置方法,由簇头统计簇内所有基站的业务状况,计算得到簇内统一的上下行子帧配比,并将其广播给簇内的其它基站。簇内其它基站按照簇头广播的子帧配置方案修改自身TDD配置,并在下一次分簇周期中保持这种子帧配置方案不变。在下一次分簇周期结束后,重复上述基站分簇与簇内子帧方案配置的过程,直至仿真周期结束。
步骤四,对簇内用户进行二次关联。
基站动态分簇过程中,在每次分簇周期开始前,判断是否需要对簇内用户进行二次关联。首先将簇内基站按照下行业务比例大小分为三类,如果同时存在下行业务比例较大和较小的基站(与统一子帧配置方案中下行业务占比差距超过一定大小),选择簇内下行业务比例较大的基站,作为切出用户的源基站,同时选择簇内下行业务比例较小的基站,作为切入用户的目标基站,按照下式,设计用户二次关联的评估因子,选择评估因子最小的用户作为二次关联用户,将该用户由源基站重新关联至目标基站:
其中,R(i,n,q,m)表示归入簇Ci中的基站Sn选择与自身关联的用户um,切换至簇内目标基站Sq中的评价因子。εn和εq分别表示用户um当前关联基站的下行业务缓存比例与簇内目标基站的下行业务缓存比例。SINRq和SINRn分别为用户um接收到来自目标关联基站Sq与当前关联基站Sn的信干噪比的比值。这里0<α,β<1分别表示将用户um进行二次关联后,原关联基站Sn与目标基站Sq中的下行业务比例分别与簇内统一配比相近程度的权重系数,0<γ<1表示二次关联的用户um接收到来自目标基站Sq与原基站Sn的信干噪比的相似度。
完成一次用户二次关联后,判断簇内所有基站的下行业务比例与统一子帧配比中下行业务占比差值是否在一定门限内,如果同时存在下行业务比例较高和较低的基站,则继续进行用户二次关联,否则,停止对用户二次关联的选择与切换过程。
步骤五,求解最佳分簇周期。
首先,按照下式对动态分簇算法得到的网络总体吞吐量进行统计,使用Ti U(T)和Ti D(T)分别表示在第t个分簇周期内,簇Ci的上行和下行吞吐量总和;
其中,和分别表示簇内每个用户的上下行吞吐量,Kn表示簇Ci中包含的基站的个数,Nm表示簇Ci中基站Sm在第t个分簇周期内关联的用户个数。给定网络中划分簇的个数为Nclu个,则在第t个分簇周期结束时,网络中上行总吞吐量TU(T)和下行总吞吐量TD(T)可以分别计算如下:
接下来,对动态分簇方法的算法开销进行统计。用PTotal(T)表示在分簇周期T内用于动态分簇算法的总开销,可知:
PTotal(T)=P1(T)+P2(T)+P3(T);
其中,P1(T)和P2(T)分别表示在第t个分簇周期内,动态分簇算法中簇头向簇内其它基站节点获取业务状态的开销,及簇头向簇内其它基站广播统一子帧配比的信令开销,两部分开销均发生在簇内子帧方案配置过程中。由于在分簇过程中将基站按照MCL值的大小较为均匀地分入不同簇中,假定每个簇中基站的个数用Nc表示,可知在簇内子帧方案配置中算法的复杂度O(P1(T))=O(P2(T))=Nc。P3(T)表示在第t个分簇周期内,簇内对用户进行二次关联时将基站业务状态进行排序的信令包的个数,这部分开销发生在对基站进行分簇后,对簇内用户进行二次关联,优化簇内的业务分布过程中。使用Nclu表示网络中簇的总数,Nconn表示基站关联的最大用户数,可知用户二次关联过程中算法的复杂度O(P3(T))=Nc 2×Nconn。
得到分簇过程中吞吐量与算法的开销大小,可以建立算法开销与网络总吞吐量的效用函数,如下所示:
其中,0<α<1表示吞吐量对分簇周期效用因子的影响权重,(1-α)表示算法开销对分簇周期的影响权重,为分簇周期T内的分簇开销,TD(T)和TU(T)分别为网络进行分簇后得到的下行与上行吞吐量之和,B(T)为折中吞吐量与分簇开销的效用因子。可知,选择使效用因子最大的分簇周期,即为均衡算法开销与网络吞吐量的最佳分簇周期。
下面结合仿真实验对本发明的应用效果作详细的描述。
1.仿真条件:
本发明的仿真实验是在Windows平台,主要配置为:CPU为Intel(R)Xeon(R),3.50GHz;内存是8G;操作系统为Windows10;仿真软件为Matlab。
图5为本发明仿真实验中所使用的仿真场景示意图,该图中用黑色实线分隔的多边形代表网络中布设的密集小区,实心上三角形表示基站在当前子帧处于上行活跃状态,接受某上行活跃用户的数据传输。实心下三角形代表基站在当前子帧处于下行活跃状态,对某下行活跃用户提供服务。空心上三角与空心下三角分别表示基站处于上行空闲与下行空闲状态,当前子帧与其关联的用户没有对应的上行和下行业务进行传输。此外,对于小区内没有用户的空心三角,代表基站在所有的子帧都处于空闲状态。
2.仿真内容与结果分析:
本仿真实验是采用本发明的方法与两个现有技术(基于干扰阈值的分簇方法、基于相对干扰强度的分簇方法),使用图3的仿真场景,按照上述仿真条件,分别对采用本发明中的分簇准则对基站进行动态分簇、簇内用户二次关联和不同分簇周期下吞吐量与分簇开销的变化情况进行仿真。仿真实验中,在面积为1000×1000m2的范围内仿真200ms,每个仿真场景采用104次蒙特卡洛仿真得到结果。用户密度取λu=300/km2,这个密度是密集网络场景中特定的用户密度。此外,当考虑干扰与业务联合感知的基站分簇准则时,需要设置干扰与业务差异在分簇评价因子中的权重系数,这里为了平衡干扰与业务差异为分簇带来的影响,将干扰与业务差异的权重设置为相等数值,即α=β=1。通过绘图得到仿真曲线如图6所示。
图6(a)和图6(b)分别为采用本发明中分簇准则对基站进行动态分簇,网络平均上下行吞吐量的CCDF结果图,其中横坐标表示吞吐量,单位是数据包/子帧,纵坐标表示吞吐量的CCDF值。图6(a)和图6(b)中使用上三角形标记不对基站进行分簇时得到的网络平均上行吞吐量的CCDF曲线,使用正方形、下三角形和星号分别标记使用干扰阈值对基站进行分簇、使用相对干扰强度进行分簇,以及使用本发明中提出的干扰与业务联合的动态分簇方法得到的网络上行吞吐量的CCDF曲线。
从图6(a)和图6(b)中可以看出,相比传统基于干扰阈值的静态分簇方法,使用相对干扰强度的动态分簇方法对用户的平均上行吞吐量提升更多。这是因为当使用基于干扰阈值的静态分簇方法时,基站只能根据业务传输一段时间后的瞬时状况进行分簇,网络整体的资源配置不能随实时的业务状态发生改变。同时,对基站按照初始设定的干扰门限进行分簇,在业务动态变化的网络场景中,基于干扰阈值的静态分簇方法无法充分利用动态TDD中子帧灵活配置的优点,因此对网络进行干扰管理的性能提升较为有限。而使用相对干扰强度的动态分簇方法,能够根据网络实时的干扰强度对基站进行动态分簇,根据业务状况灵活调整簇内上下行资源的比例,增大了网络的资源利用率,对网络的吞吐量带来提升。最后,通过干扰与业务联合感知的动态分簇方法对网络进行干扰管理,相比基于相对干扰强度的动态分簇方法对网络的上行吞吐量提升较大。这是因为当考虑基站间业务差异对基站进行分簇时,可以避免将业务差异相对较大的基站归为一簇,从而提高了簇内网络资源的利用率。同时,由于对基站进行分簇时将基站的业务量大小考虑在内,可以避免将两个干扰较大,但是业务量总和相对较小的基站分到不同的簇中,从而避免簇间干扰的加剧。
图6(c)为采用本发明中分簇准则对基站进行动态分簇,网络总吞吐量的CCDF结果图,其中横坐标表示吞吐量,单位是数据包/子帧,纵坐标表示吞吐量的CCDF值。图6(c)中使用上三角形标记不对基站进行分簇时得到的网络平均上行吞吐量的CCDF曲线,使用正方形、下三角形和星号分别标记使用干扰阈值对基站进行分簇、使用相对干扰强度进行分簇,以及使用本发明中提出的干扰与业务联合的动态分簇方法得到的网络上行吞吐量的CCDF曲线。
从图6(c)中可以看出,采用基于簇的干扰管理方法,会对网络的下行吞吐量带来负面影响。这是因为在通过分簇对簇内交叉子帧干扰进行消除时,为簇内所有基站设置了相同的子帧配比,增加了网络中下行用户受到同向干扰的可能性。本发明通过干扰与业务联合的动态分簇方法对基站进行分簇,在消除簇内交叉子帧干扰的同时,将业务差异较小的基站归为一簇,提升了簇内的资源利用率,相比仅根据基站间的干扰强度对基站进行分簇,减少了分簇对网络整体的下行吞吐量造成的负面影响。
图6(d)为采用本发明中分簇准则对基站进行动态分簇,网络上下行覆盖率的CCDF结果图,其中横坐标表示覆盖率,纵坐标表示覆盖率的CCDF值。图6(d)中通过标记上三角和下三角区分上下行结果。在基于相对干扰强度分簇的覆盖率曲线中,通过菱形和星形分别标记上下行结果。在绘制干扰与业务联合的动态分簇得到的覆盖率曲线中,通过圆圈和正方形分别标记上下行结果。
从图6(d)中可以看出,相比其它两种基站分簇方法,使用基于干扰阈值的静态分簇方法对基站进行分簇,得到网络的平均上行覆盖率相对较低。而使用干扰与业务联合感知的动态分簇方法得到的上行覆盖率增益最大。这是因为当使用基于干扰阈值的静态分簇方法时,分簇结果与网络的初始化干扰门限关系较大,门限设置较高可能造成将网络中所有基站归为一簇,出现网络子帧配比基本相同的情况,而门限设置较低则可能导致网络中基站各自为簇,削弱了通过分簇为网络带来的性能增益。本发明提出的使用干扰与业务联合感知的动态分簇方法,在分簇过程中综合考虑了基站间互耦损耗与业务差异对分簇结果带来的影响,避免了将互耦损耗相对较小、但业务总和较小的两个基站归入不同的簇中而造成簇间干扰增加的问题,对网络的上行和下行覆盖率均有提升。
图6(e)为采用本发明中分簇准则对基站进行动态分簇,网络上下行时延的CCDF结果图,其中横坐标表示时延,单位是子帧,纵坐标表示子帧的CCDF值。图6(e)中在绘制基于干扰阈值分簇的结果曲线,通过标记上下三角形区分上下行结果。在绘制基于相对干扰强度分簇的结果曲线中,通过圆圈和方形分别标记上下行结果。在干扰与业务联合的动态分簇得到的时延曲线中,通过十字和星形分别标记上下行结果。
从图6(e)中可以看出,当采用干扰与业务联合感知的动态分簇方法时,网络中数据包的端到端时延相比另外两种分簇方法时延较小。这是因为采用干扰与业务联合感知的基站分簇准则,在分簇时能够将基站间互耦损耗相对较大,同时业务差异相对较小的基站归入同一簇中,相比仅考虑基站间干扰强度的分簇准则,对簇内网络的资源利用率更高。同时,通过动态调整基站间的干扰强度,在每次分簇周期结束后根据网络中的业务分布与干扰强度大小,实时调整网络中的资源配置,在消除簇内基站间交叉子帧干扰的同时,进一步提升了网络的整体资源利用率。此外,由于采用相对干扰强度的分簇方法能够在动态调整子帧资源配置的同时,将基站的瞬时干扰强度大小考虑其中,因此相比通过阈值进行分簇的干扰消除方法,该方法时延更小。
图6(f)和图6(g)为采用本发明中簇内用户二次关联,网络上下行吞吐量的CCDF结果图,其中横坐标表示吞吐量,单位为数据包数/时隙,纵坐标表示吞吐量的CCDF值。图6(f)和图6(g)中使用实线和虚线分别表示是否对用户二次关联,得到网络上下行吞吐量的CCDF曲线。
从图6(f)和图6(g)中可以看出,当考虑对簇内用户进行二次关联时,通过对簇内基站的业务状况进行统计,选择合适的用户迁出或迁入下行业务比与簇内统一配比差异较大的基站中,有助于提高簇内统一的子帧配比与基站间业务状况的相似度,进一步提升簇内资源的利用率。同时,由于将用户进行二次关联后,基站的业务状况与统一的子帧配比更加接近,有助于用户充分利用基站的上下行子帧资源进行业务传输,对网络的上行与下行传输性能均有提升。
图6(h)为采用本发明中不同分簇周期,网络吞吐量、算法开销与两者效用因子的变化折线图,其中横坐标表示分簇周期,单位为子帧,纵坐标表示吞吐量、算法开销及效用因子的数值,单位为数据包个数/子帧。图6(h)中使用菱形、圆形和星形分别表示吞吐量、分簇开销与效用因子随分簇周期的变化情况。
从图6(h)中可以看出,随着分簇周期不断变大,网络中用于分簇与二次关联的算法开销的变化情况接近线性递减。同时,由于加快分簇频率有助于根据基站间实时的干扰强度大小进行分簇,同时根据网络的业务情况设置合适的上下行子帧配比;因此,增大分簇周期会造成网络中的资源配置与实时业务状况发生脱节,造成网络的吞吐量逐渐降低。通过折线图可以看出,在分簇周期为300子帧时,网络中的算法开销与吞吐量的效用因子达到最大,该分簇周期即为在现有的网络环境下,使分簇开销与网络性能增益达到折中的最佳分簇周期。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种密集DTDD网络中基于小区动态分簇的干扰管控方法,其特征在于,所述密集DTDD网络中基于小区动态分簇的干扰管控方法包括:
第一步,统计小区间的干扰强度与业务差异大小,对基站进行动态分簇,令同簇内的基站使用相同的子帧配置方案;
第二步,对簇内的业务状况进行统计,选择使簇内吞吐量最大的TDD子帧配比作为簇内统一的子帧配置方案;
第三步,对小区中的部分用户进行二次关联;确定小区动态分簇的算法开销与网络性能增益的折中关系,通过构建效用函数,确定算法开销与网络性能均衡的最佳分簇周期。
2.如权利要求1所述的密集DTDD网络中基于小区动态分簇的干扰管控方法,其特征在于,所述密集DTDD网络中基于小区动态分簇的干扰管控方法具体包括:
步骤一,设计基站分簇准则;按照下式,计算基站间互耦损耗大小,量化基站间的干扰强度:
MCLeNB1-eNB2=TAGeNB1+RAGeNB2-PLeNB1-eNB2;
其中,TAGeNB1和RAGeNB2分别为基站eNB1的发射天线增益与基站eNB2的接收天线增益,PLeNB1-eNB2为基站间的平均路径损耗,其中包括穿透损耗、路径损耗,以及由于阴影效应引起的损耗;
对分簇周期内基站间业务状况进行统计,并按照下式,设计结合互耦损耗与业务差异的基站分簇准则:
其中,ωm,n(t)表示在第t个分簇周期结束时基站eNBm和eNBn能否归为一簇的评价因子,表示基站eNBm与eNBn在第t个分簇周期内的平均互耦损耗,ui(t)=Bs,i(t)/Bu,i(t)×[Bs,i(t)+Bu,i(t)]表示在第t个分簇周期内第i个小区的下行队列长度Bs,i(t)与上行队列长度Bu,i(t)的相对大小关系;0<α,β<1分别为互耦损耗与业务比例的权重系数,用来表示基站间干扰强度与业务差异对分簇结果的影响程度;
根据分簇准则将ωm,n(t)值较大的基站分为一簇;
步骤二,为簇内设置统一的TDD子帧配比;
首先每个用户分别对各自在分簇周期内的业务缓存大小和平均吞吐量进行统计,将用户um在分簇周期内第n个子帧完成处理的上行和下行数据包的个数分别记为和计算出在um的上行吞吐量和下行吞吐量分别为:
其中,ξ表示网络中数据包的长度;根据用户在每个子帧中的吞吐量,得到在第t个分簇周期内用户um的平均上行吞吐量Ti U(t)和平均下行吞吐量Ti D(t)分别如下:
根据簇内每个基站关联用户的上下行吞吐量,簇内所有基站将各自在分簇周期结束时的上下行缓存大小与吞吐量发送给簇头,再由簇头对簇内所有基站的业务状况进行统计,得到在第t个分簇周期内,完成簇内所有的业务传输所需要的下行子帧个数与上行子帧个数的比值μi(t)的表达式如下所示:
按照下式,簇头选择与簇内缓存大小/吞吐量最为接近的TDD子帧配比,作为簇内统一的子帧配置方案,并广播给簇内的其它基站:
其中,μk为第k种子帧配置方案的下行子帧与上行子帧个数之比,μi为簇Ci内业务传输所需要的下行子帧个数与上行子帧个数的比值;
簇中其它基站收到簇头发送的子帧配置方案后,将自身的子帧配置方案修改为统一的子帧配置方案,并在下一次分簇周期内保持该子帧配置方案不变;
步骤三,按照基站分簇准则与簇内子帧配置方案,对基站进行动态分簇;
步骤四,对簇内用户进行二次关联,基站动态分簇过程中,在每次分簇周期开始前,判断是否需要对簇内用户进行二次关联;
步骤五,求解最佳分簇周期。
3.如权利要求2所述的密集DTDD网络中基于小区动态分簇的干扰管控方法,其特征在于,所述步骤三按照基站分簇准则与簇内子帧配置方案,对基站进行动态分簇具体包括:
首先,初始化基站与用户的状态信息,在七种TDD子帧配置方案中随机选择一种作为基站的初始子帧配置方案;将用户按照最近关联准则与基站进行关联,得到基站和用户的初始化集合分别为和初始化已分入簇中的基站个数为0个,簇的集合用表示;对基站间的平均互耦损耗MCL进行初始化,令作为簇Ci内的簇内互耦损耗初始值;
然后,从基站序列中随机选择一个基站Si,判断Si是否已经分入簇中;如果Si已完成分簇,则重新选择一个基站进行判断;否则,将Si归入簇C1中,并将基站Si设置为簇C1的簇头,同时修改Si的分簇状态为已完成分簇;依次对簇Cj(j=2,3,…,Nclu)的簇头基站进行选择;
最后,完成所有簇中的簇头基站设置之后,在基站序列中随机选择另外一个未归入簇中的基站Sk,分别计算Sk与Nclu个簇内已有基站的ω评价因子的平均值,选择评价因子ω最小的簇,将基站Sk归入其中;如果Sk与多个簇的评价因子值相等,随机选择其中一个簇将Sk归入其中;将所有基站全部归入簇中;
分簇过程结束后,对每个簇分别进行遍历,按照簇内子帧配置方法,由簇头统计簇内所有基站的业务状况,计算得到簇内统一的上下行子帧配比,并将其广播给簇内的其它基站;簇内其它基站按照簇头广播的子帧配置方案修改自身TDD配置,并在下一次分簇周期中保持这种子帧配置方案不变;在下一次分簇周期结束后,重复基站分簇与簇内子帧方案配置的过程,直至仿真周期结束。
4.如权利要求2所述的密集DTDD网络中基于小区动态分簇的干扰管控方法,其特征在于,所述步骤四对簇内用户进行二次关联具体包括:
首先将簇内基站按照下行业务比例大小分为三类,如果同时存在下行业务比例较大和较小的基站,选择簇内下行业务比例较大的基站,作为切出用户的源基站,同时选择簇内下行业务比例较小的基站,作为切入用户的目标基站,按照下式,设计用户二次关联的评估因子,选择评估因子最小的用户作为二次关联用户,将该用户由源基站重新关联至目标基站:
其中,R(i,n,q,m)表示归入簇Ci中的基站Sn选择与自身关联的用户um,切换至簇内目标基站Sq中的评价因子;εn和εq分别表示用户um当前关联基站的下行业务缓存比例与簇内目标基站的下行业务缓存比例;SINRq和SINRn分别为用户um接收到来自目标关联基站Sq与当前关联基站Sn的信干噪比的比值;0<α,β<1分别表示将用户um进行二次关联后,原关联基站Sn与目标基站Sq中的下行业务比例分别与簇内统一配比相近程度的权重系数,0<γ<1表示二次关联的用户um接收到来自目标基站Sq与原基站Sn的信干噪比的相似度;
然后,完成一次用户二次关联后,判断簇内所有基站的下行业务比例与统一子帧配比中下行业务占比差值是否在一定门限内;如果同时存在下行业务比例较高和较低的基站,则继续进行用户二次关联,否则,停止对用户二次关联的选择与切换过程。
5.如权利要求2所述的密集DTDD网络中基于小区动态分簇的干扰管控方法,其特征在于,所述步骤五求解最佳分簇周期具体包括:
首先,按照下式对动态分簇算法得到的网络总体吞吐量进行统计,使用Ti U(T)和Ti D(T)分别表示在第t个分簇周期内,簇Ci的上行和下行吞吐量总和;
其中,和分别表示簇内每个用户的上下行吞吐量,Kn表示簇Ci中包含的基站的个数,Nm表示簇Ci中基站Sm在第t个分簇周期内关联的用户个数;给定网络中划分簇的个数为Nclu个,则在第t个分簇周期结束时,网络中上行总吞吐量TU(T)和下行总吞吐量TD(T)分别计算如下:
然后,对动态分簇方法的算法开销进行统计;用PTotal(T)表示在分簇周期T内用于动态分簇算法的总开销,可知:
PTotal(T)=P1(T)+P2(T)+P3(T);
其中,P1(T)和P2(T)分别表示在第t个分簇周期内,动态分簇算法中簇头向簇内其它基站节点获取业务状态的开销,及簇头向簇内其它基站广播统一子帧配比的信令开销,两部分开销均发生在簇内子帧方案配置过程中;每个簇中基站的个数用Nc表示,可知在簇内子帧方案配置中算法的复杂度O(P1(T))=O(P2(T))=Nc;P3(T)表示在第t个分簇周期内,簇内对用户进行二次关联时将基站业务状态进行排序的信令包的个数,开销发生在对基站进行分簇后,对簇内用户进行二次关联,优化簇内的业务分布过程中;使用Nclu表示网络中簇的总数,Nconn表示基站关联的最大用户数,可知用户二次关联过程中算法的复杂度O(P3(T))=Nc 2×Nconn;
最后,得到分簇过程中吞吐量与算法的开销大小,建立算法开销与网络总吞吐量的效用函数:
其中,0<α<1表示吞吐量对分簇周期效用因子的影响权重,(1-α)表示算法开销对分簇周期的影响权重,为分簇周期T内的分簇开销,TD(T)和TU(T)分别为网络进行分簇后得到的下行与上行吞吐量之和,B(T)为折中吞吐量与分簇开销的效用因子;选择使效用因子最大的分簇周期,即为均衡算法开销与网络吞吐量的最佳分簇周期。
6.一种应用权利要求1~5任意一项所述密集DTDD网络中基于小区动态分簇的干扰管控方法的移动通信控制系统。
7.一种应用权利要求1~5任意一项所述密集DTDD网络中基于小区动态分簇的干扰管控方法的信息数据处理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459418.1A CN110337113B (zh) | 2019-05-29 | 2019-05-29 | 一种密集dtdd网络中基于小区动态分簇的干扰管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459418.1A CN110337113B (zh) | 2019-05-29 | 2019-05-29 | 一种密集dtdd网络中基于小区动态分簇的干扰管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110337113A true CN110337113A (zh) | 2019-10-15 |
CN110337113B CN110337113B (zh) | 2022-06-21 |
Family
ID=68140553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910459418.1A Active CN110337113B (zh) | 2019-05-29 | 2019-05-29 | 一种密集dtdd网络中基于小区动态分簇的干扰管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110337113B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333754A (zh) * | 2020-11-27 | 2021-02-05 | 中国联合网络通信集团有限公司 | 一种可接入用户数的预估方法和装置 |
CN113271679A (zh) * | 2021-05-17 | 2021-08-17 | 中国联合网络通信集团有限公司 | 帧结构配置方法和无线通信系统 |
CN115087007A (zh) * | 2022-06-20 | 2022-09-20 | 中国联合网络通信集团有限公司 | 灵活帧结构仿真系统的下行信号检测方法及装置 |
CN115098981A (zh) * | 2022-07-01 | 2022-09-23 | 北京讯腾智慧科技股份有限公司 | 一种基准站网网型评估方法及网型设计方法及系统 |
WO2023125713A1 (zh) * | 2021-12-30 | 2023-07-06 | 中兴通讯股份有限公司 | 帧结构的调整方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106028371A (zh) * | 2016-05-05 | 2016-10-12 | 北京邮电大学 | 一种降低微小区簇间串行干扰的动态tdd配置方法 |
CN106131965A (zh) * | 2016-08-15 | 2016-11-16 | 宇龙计算机通信科技(深圳)有限公司 | 非授权频段上的子帧配置方法及子帧配置装置 |
CN106211177A (zh) * | 2016-06-30 | 2016-12-07 | 北京邮电大学 | 一种基于动态tdd配置的时频资源分配方法 |
CN108667591A (zh) * | 2012-04-13 | 2018-10-16 | 英特尔公司 | 异构网络中的自适应ul-dl tdd配置 |
-
2019
- 2019-05-29 CN CN201910459418.1A patent/CN110337113B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667591A (zh) * | 2012-04-13 | 2018-10-16 | 英特尔公司 | 异构网络中的自适应ul-dl tdd配置 |
CN106028371A (zh) * | 2016-05-05 | 2016-10-12 | 北京邮电大学 | 一种降低微小区簇间串行干扰的动态tdd配置方法 |
CN106211177A (zh) * | 2016-06-30 | 2016-12-07 | 北京邮电大学 | 一种基于动态tdd配置的时频资源分配方法 |
CN106131965A (zh) * | 2016-08-15 | 2016-11-16 | 宇龙计算机通信科技(深圳)有限公司 | 非授权频段上的子帧配置方法及子帧配置装置 |
Non-Patent Citations (1)
Title |
---|
陶铭亮: "《北京邮电大学硕士学位论文》", 16 March 2016 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112333754A (zh) * | 2020-11-27 | 2021-02-05 | 中国联合网络通信集团有限公司 | 一种可接入用户数的预估方法和装置 |
CN112333754B (zh) * | 2020-11-27 | 2023-05-26 | 中国联合网络通信集团有限公司 | 一种可接入用户数的预估方法和装置 |
CN113271679A (zh) * | 2021-05-17 | 2021-08-17 | 中国联合网络通信集团有限公司 | 帧结构配置方法和无线通信系统 |
WO2023125713A1 (zh) * | 2021-12-30 | 2023-07-06 | 中兴通讯股份有限公司 | 帧结构的调整方法、装置、电子设备和存储介质 |
CN115087007A (zh) * | 2022-06-20 | 2022-09-20 | 中国联合网络通信集团有限公司 | 灵活帧结构仿真系统的下行信号检测方法及装置 |
CN115087007B (zh) * | 2022-06-20 | 2024-04-02 | 中国联合网络通信集团有限公司 | 灵活帧结构仿真系统的下行信号检测方法及装置 |
CN115098981A (zh) * | 2022-07-01 | 2022-09-23 | 北京讯腾智慧科技股份有限公司 | 一种基准站网网型评估方法及网型设计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110337113B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110337113A (zh) | 一种密集dtdd网络中基于小区动态分簇的干扰管控方法 | |
Marsch et al. | Static clustering for cooperative multi-point (CoMP) in mobile communications | |
Peng et al. | Joint data assignment and beamforming for backhaul limited caching networks | |
CN105636219B (zh) | 资源调度方法和装置 | |
CN106454920A (zh) | 一种lte与d2d混合网络中基于时延保证的资源分配优化算法 | |
CN102118754B (zh) | 一种CoMP中动态协作集的划分方法 | |
CN108924934A (zh) | 基于多维资源分配的异构网络干扰管理方法 | |
Sasikumar et al. | A novel method for the optimization of Spectral-Energy efficiency tradeoff in 5 G heterogeneous Cognitive Radio Network | |
Tesfay et al. | Energy saving and capacity gain of micro sites in regular LTE networks: downlink traffic layer analysis | |
Yang et al. | Cluster-based joint resource allocation with successive interference cancellation for ultra-dense networks | |
CN105554898B (zh) | 上行链路中部分信道状态信息下的干扰管理方法 | |
Gao et al. | A mobility load balancing algorithm based on handover optimization in LTE network | |
Ye et al. | Hybrid-clustering game Algorithm for resource allocation in macro-femto hetnet | |
Shi et al. | Power control for relay-assisted device-to-device communication underlaying cellular networks | |
CN103327590A (zh) | 确定发射功率的方法和设备 | |
CN105813217B (zh) | 同时同频全双工用户快速分簇调度方法 | |
Lam et al. | Performance analysis of frequency reuse for ppp networks in composite rayleigh–lognormal fading channel | |
CN108834158A (zh) | 一种用于超密集组网的干扰管理方法 | |
Zhibo et al. | Clustering and power control for reliability improvement in device-to-device networks | |
Lv et al. | D2D network coverage analysis based on cluster user equipment classification and spectrum sharing allocation | |
Rubin et al. | Joint scheduling and power control for multicasting in cellular wireless networks | |
Malmirchegini et al. | Distributed and adaptive optimization of LTE-TDD configuration based on UE traffic type | |
Hao et al. | A modified power control algorithm for coordinating CLI in massive MIMO system | |
Asheralieva et al. | Effective resource block allocation procedure for quality of service provisioning in a single-operator heterogeneous LTE-A network | |
Melo et al. | Dynamic e-ICIC using moving average crossover |
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 |