CN110461000B - 5g小区网络容量预测方法及装置 - Google Patents

5g小区网络容量预测方法及装置 Download PDF

Info

Publication number
CN110461000B
CN110461000B CN201910359868.3A CN201910359868A CN110461000B CN 110461000 B CN110461000 B CN 110461000B CN 201910359868 A CN201910359868 A CN 201910359868A CN 110461000 B CN110461000 B CN 110461000B
Authority
CN
China
Prior art keywords
sinr
user
throughput
user throughput
channel
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
Application number
CN201910359868.3A
Other languages
English (en)
Other versions
CN110461000A (zh
Inventor
杨艳
冯毅
李新玥
张涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201910359868.3A priority Critical patent/CN110461000B/zh
Publication of CN110461000A publication Critical patent/CN110461000A/zh
Application granted granted Critical
Publication of CN110461000B publication Critical patent/CN110461000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • 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)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种5G小区网络容量预测方法及装置。该预测方法包括：获取用户吞吐量，所述用户吞吐量是经过信道衰减调整后的用户吞吐量；提取载波与干扰和噪声比(SINR)的分布；根据不同信道环境下用户吞吐量以及TLOS/TNLOS占比得出分散场景下小区平均用户吞吐量。该预测方法为网络建设提供合理依据，提高资源配置的合理性，避免资源浪费，以及减少超额投资。

Description

5G小区网络容量预测方法及装置
技术领域
本发明涉及无线通信网络规划技术，具体涉及5G小区网络容量预测方法及装置。
背景技术
从5G设备形态来看，5G接入网(New Radio，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。5G商业部署需要根据小区平均容量来规划网络传输模块，但是现在的方法是使用50％左右的极限容量来衡量，这常与实际使用情况存在较大的差异，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的缺陷。
为此，在5G网络规划时，通常要对规划区域的网络覆盖和容量进行计算，即预先计算规划区域的小区用户吞吐量。然而，5G网络规划不同于传统的蜂窝移动网络，大规模天线设备和强大的计算能力可以极大的实现不同用户间的配对，如好点用户和中点用户配对，配对后用户吞吐量为两者独立传输的1.2倍以上。因此，小区的用户吞吐量已经无法简单的使用4G里好点吞吐量、中点吞吐量、差点吞吐量来评估。
而且，由于5G中存在多用户多输入多输出(Multi-User Multiple-InputMultiple-Output，简称MU-MIMO)的工作模式，因此用户吞吐量受到信道相关性和信道条件的影响较大，无法使用仅仅基于载波与干扰和噪声比(Signal to Interference plusNoise Ratio，简称SINR)信号干扰加噪声比的方式计算用户吞吐量。现在使用的方法是使用50％左右的极限容量来衡量，存在较大的差异，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。
发明内容
本发明针对现有技术中存在的小区吞吐量的计算方法不适应5G网络而导致资源配置不合理的技术问题。
本发明的第一方面提供一种5G小区网络容量预测方法，包括：
获取用户吞吐量，所述用户吞吐量是经过信道衰减调整后的用户吞吐量；
提取载波与干扰和噪声比SINR的分布；
根据不同信道环境下用户吞吐量以及TLOS/TNLOS占比得出分散场景下小区平均用户吞吐量。
其中，所述获取用户吞吐量的步骤包括：
获得无信道影响下的用户吞吐量；
获得信道衰减对SINR值的影响；
基于不同信道的衰减调整用户吞吐量；
相同位置的调整方法为：
Figure GDA0003500662130000021
不同位置的调整方法为：
Figure GDA0003500662130000022
其中，
Figure GDA0003500662130000023
表示相同SINR位置的用户吞吐量，
Figure GDA0003500662130000024
表示不同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的SINR值的差值，channel表示LOS和NLOS。
其中在所述提取载波与干扰和噪声比SINR的分布步骤中，
基于5G SINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线，拟合公式为：
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数。
其中，所述计算小区平均用户吞吐量包括：
计算TLOS/TNLOS占比；
Figure GDA0003500662130000025
其中，
Figure GDA0003500662130000026
Figure GDA0003500662130000031
其中，C表示用户吞吐量，PrLOS为LOS信道环境的占比，d2D-out为水平覆盖距离，R为覆盖距离，hBS为基站高度，hUT为终端高度；
根据TLOS/TNLOS占比计算出区域内的总吞吐量。
其中，所述根据TLOS/TNLOS占比计算出区域内的总吞吐量包括：
步骤S321，计算满足分散分布的不同SINR位置下用户的位置信息出现的概率Pmi；
Figure GDA0003500662130000032
Figure GDA0003500662130000033
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，C表示用户吞吐量；
步骤S322，计算不同模式下剩余的位置点的占比PLK；
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间K的模式；
步骤S323，计算全部用户集中分布的出现概率Pnk：
Figure GDA0003500662130000034
其中，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000035
表示单个用户出现在SINR区间K上的概率；
步骤S324，计算可以满足最小化剩余点的调整值的调整参数AST；
Figure GDA0003500662130000036
AST＝AW当
Figure GDA0003500662130000037
其中，AK表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数；
步骤S325，计算不同用户分布的占比Pns；
Pns(K)＝ASTPnK
Figure GDA0003500662130000038
其中，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000039
表示单个用户出现在SINR区间K上的概率；
步骤S326，计算不同信道环境的总用户吞吐量；
Figure GDA0003500662130000041
其中，channel＝LOS或NLOS，
Figure GDA0003500662130000042
表示总用户吞吐量，Ast表示满足最小化剩余位置点的调整参数，Pnk表示全部用户集中分布的出现概率，
Figure GDA0003500662130000043
表示相同SINR位置调整后的用户吞吐量，
Figure GDA0003500662130000044
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率；
步骤S327，计算分散场景下5G小区用户吞吐量；
分散场景下的计算公式：
Figure GDA0003500662130000045
其中，CS表示分散场景下小区用户吞吐量，
Figure GDA0003500662130000046
表示LOS信道环境在分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure GDA0003500662130000047
表示NLOS信道环境分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
本发明的第二方面提供一种5G小区网络容量预测装置，包括：
用户吞吐量获取单元，用于获取经过信道衰减调整后的用户吞吐量；
SINR分布提取单元，用于提取用户的SINR分布情况；
小区平均吞吐量计算单元，用于计算小区分散场景下平均用户吞吐量，所述小区平均用户吞吐量是根据不同信道环境下用户吞吐量以及TLOS/TNLOS占比得出。
其中，所述用户吞吐量获取单元包括：
第一吞吐量模块，用于获得无信道影响下多个终端在相同SINR位置分布时的用户吞吐量；
第二吞吐量模块，用于获得无信道影响下多个终端的在不同SINR位置分布时的用户吞吐量；
信道衰减分析模块，用于分析信道衰减对SINR值的影响；
吞吐量调整模块，用于根据不同信道的SINR值对用户吞吐量进行调整，获得不同分布场景下不同信道衰减调整后的用户吞吐量。
其中，所述吞吐量调整模块基于不同信道的衰减调整用户吞吐量；
相同位置的调整方法为：
Figure GDA0003500662130000051
不同位置的调整方法为：
Figure GDA0003500662130000052
其中，
Figure GDA0003500662130000053
表示相同SINR位置的用户吞吐量，
Figure GDA0003500662130000054
表示不同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的SINR值的差值，channel表示LOS和NLOS。
其中，所述小区平均吞吐量计算单元包括：
第一概率计算单元，用于计算满足分散分布的不同SINR位置下用户的位置信息出现的概率Pmi；
Figure GDA0003500662130000055
Figure GDA0003500662130000056
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，C表示用户吞吐量；
第一占比计算单元，用于计算不同模式下剩余的位置点的占比PLK；
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间k的模式；
第二概率计算单元，用于计算全部用户集中分布的出现概率Pnk：
Figure GDA0003500662130000057
其中，Pnk表示全部用户集中分布的出现概率，
Figure GDA0003500662130000058
表示单个用户出现在SINR区间K上的概率；
参数调整单元，用于计算可以满足最小化剩余点的调整值的调整参数AST；
Figure GDA0003500662130000059
Ast＝AW当
Figure GDA00035006621300000510
其中，Ak表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数；
第二占比计算单元，用于计算不同用户分布的占比Pns；
Pns(K)＝ASTPnK
Figure GDA0003500662130000061
其中，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000062
表示单个用户出现在SINR区间K上的概率；
用户吞吐量模块，用于计算不同信道环境下的用户吞吐量；
Figure GDA0003500662130000063
其中，channel＝LOS或NLOS，
Figure GDA0003500662130000064
表示总用户吞吐量，Ast表示满足最小化剩余位置点的调整参数，Pnk表示全部用户集中分布的出现概率，
Figure GDA0003500662130000065
表示相同SINR位置调整后的用户吞吐量，
Figure GDA0003500662130000066
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率；
吞吐量计算模块，用于计算分散场景下的用户吞吐量CS；
Figure GDA0003500662130000067
其中，CS表示分散场景下小区用户吞吐量，
Figure GDA0003500662130000068
表示LOS信道环境在分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure GDA0003500662130000069
表示NLOS信道环境分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
其中，所述SINR分布提取单元是基于5G SINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线，拟合公式为：
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数。
本发明提供的5G小区网络容量预测方法由于在真实环境下5G用户的分布情况，并结合5G实验室硬件仿真结果获取位置信息与吞吐量的关系，最终结合用户分布和位置吞吐量计算出小区吞吐量，实现基站级别的传输需求估计，为网络建设提供合理依据，提高资源配置的合理性，避免资源浪费，以及减少超额投资。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的一种5G小区网络容量预测方法的流程图；
图2为本发明实施例提供的用户吞吐量提取方法的流程图；
图3为本发明实施例提供的多个终端在相同SINA位置时用户吞吐量的获取方法的流程图；
图4为本发明实施例提供的多个终端在不同SINA位置时用户吞吐量的获取方法的流程图；
图5为本发明实施例提供的小区平均用户吞吐量计算方法的流程图；
图6为本发明实施例提供的三种用户集中分布和四种用户分散场景图；
图7为本发明实施例提供的根据占比计算出区域内的总吞吐量的流程图；
图8为本发明实施例提供的5G小区网络容量预测装置的原理框图；
图9为本发明实施例提供的用户吞吐量获取单元的原理框图；
图10为本发明实施例提供的小区平均用户吞吐量计算单元的原理框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不同于限制本发明。
在本实施例中，提供一种5G小区网络容量预测方法，其基于5G现网用户分布场景和差异化5G定点用户吞吐量而提出的网络容量预测方法。
如图1所示，5G小区网络容量预测方法包括：
步骤S1，获取用户吞吐量。
在步骤S1中，用户吞吐量是经过信道衰减调整后的用户吞吐量。
步骤S2，提取载波与干扰和噪声比SINR分布。
步骤S2是通过软件仿真采集SINR分布，主要是获得小区级5G用户的SINR分布情况，可以分为仿真、5G网络模拟多用户接入或者4G测试报告(Measurement Report，简称MR)数据映射等方法。本实施例使用仿真进行对比分析。
需要说明的是，在实际应用中，5G多用户接入更加趋近真实用户分布，但是存在终端数量太多难以控制等问题。后续的应用中可以使用4G SINR分布进行映射，但需要明确4GSINR分布于5G SINR分布的差异。
仿真后，对不同情况下全部用户的SINR进行排序和百分比处理，获得多用户的SINR累积分布函数(cumulative distribution function，简称CDF)曲线。
由SINR CDF分布曲线可知，站间距大的SINR CDF分布曲线要比站间距小的分布曲线更靠左，说明SINR整体较差。另外，用户的数量对SINR也有一些影响。当用户较少时，SINRCDF分布曲线更靠右，说明SINR整体较好。
在步骤S2中，为了便于后续的计算和分析，用下述公式将基于5G SINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线。
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数，其与网络配置参数相关。
步骤S3，计算小区平均用户吞吐量。
步骤S3主要计算多用户分布场景的出现概率，结合多用户吞吐量计算出不同分布场景的用户吞吐量，获取最终的小区平均用户吞吐量Tcell。
如图2所示，本实施例中的步骤S1主要包括以下步骤：
步骤S11，获得无信道影响下的用户吞吐量。
基于不同用户分布场景的用户吞吐量的提取。本实施例是通过终端、接入网(NR)和信道仿真仪器/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，以此硬件进行仿真。
在步骤S11中，通过规定的终端(UE)的SINR位置和UE间的相关度获取多种现网中可能的场景，并建立数据通信链路，进行用户数据报协议(User Datagram Protocol，简称UDP)下载业务，获得单个UE的用户吞吐量
Figure GDA0003500662130000091
并最终计算出多个用户的差异化分布的用户吞吐量(TN/TD)，以此得到的用户吞吐量为无信道影响下的用户吞吐量。
需要说明的是，多个终端的位置分为相同SINR位置分布和不同SINR位置分布两种，下文分别对不同方式的具体算法进行介绍。
如图3所示，多个终端在相同SINA位置分布时用户吞吐量的获取方法包括：
步骤S101，确定一系列UE相关度(cov)和SINR值。
步骤S102，对每个终端(UE)设置相应的相关度(cov)和SINR值
Figure GDA0003500662130000092
其中，
Figure GDA0003500662130000093
表示第Ni个UE的相关度，
Figure GDA0003500662130000094
表示第Ni个UE的SINR值。
步骤S103，进行UDP下载业务并记录每个UE的用户吞吐量
Figure GDA0003500662130000095
其中，i表示不同的UE，j表示不同的SINR。
本实施例主要考虑下行的小区吞吐量，因此，进行UDP下载业务并记录每个UE的用户吞吐量
Figure GDA0003500662130000096
Figure GDA0003500662130000097
步骤S104，累加每个相关度(cov)和SINR值下全部UE的用户吞吐量。
在实际测试中，由于SINR选取存在差异性，因此需要拟合出符合SINR分布的用户吞吐量值，用于后续不同相关性用户吞吐量计算。针对相同的终端相关度，拟合出相同SINR位置的用户吞吐量曲线。最后通过公式(1)获取不同相关度下SINR平均用户吞吐量曲线。
Figure GDA00035006621300000910
其中，
Figure GDA0003500662130000098
表示不同相关度下的用户吞吐量，i＝1,2…,sizeof(covK)。
步骤S105，基于单个相关度的用户吞吐量公式(2)，计算出单一SINR值下的平均用户吞吐量Ts(SINR)。
Figure GDA0003500662130000099
在公式(2)中，Ts(SINR)表示平均用户吞吐量，K＝sizeof(covk)。
为了减少计算量，本实施例选取一定SINR区间范围内的用户吞吐量的典型值作为后续用户吞吐量计算的基准。针对不同的SINR用户吞吐量取值，根据公式(3)计算出一定SINR区间内的用户吞吐量TS(SINR_gap)。
Figure GDA0003500662130000101
其中，sizeof(covK)表示相关度有K个，K为整数。
如图4所示，多个终端在不同SINR位置时用户吞吐量的获取方法包括：
步骤S201，确定终端间的相关度(cov)和每个终端所处的SINR位置。
步骤S202，按照不同的场景需求，获取多组SINR_Type。
由于终端位于不同的SINR位置，因此需要对全部终端进行SINR分配SINRMN，M和N均为整数。
步骤S203，对每个终端的相关度cov和SINR位置进行配置。
每个终端(UE)的相关度表示为
Figure GDA0003500662130000102
每个终端的SINR值表示为SINR_TypeUE＝{SINR_Type}。
步骤S204，进行UDP下载业务并记录每个UE的用户吞吐量
Figure GDA0003500662130000103
其中，i表示不同的UE，m表示不同的SINR。
步骤S205，累加每个相对度(cov)和SINR_Type下的全部终端的用户吞吐量值
Figure GDA0003500662130000104
根据公式(4)计算全部终端的用户吞吐量值
Figure GDA0003500662130000105
Figure GDA0003500662130000106
步骤S206，基于单个相关度的用户吞吐量公式，计算出每个分布场景下的平均用户吞吐量。
Figure GDA0003500662130000107
如图2所示，步骤S12，获得信道衰减对SINR值的影响。
在实际应用中，信道的衰弱对SINR有影响。因此，本实施例在步骤S1中，从大尺度的角度考察不同信道对SINR的影响。
假设SINR的动态范围为[-2,22]，视线传输(LOS)场景和非视线传输(NLOS)场景都取密集城区场景。通过建立信道环境损耗(PL)、接入网(NR)基站和终端能力允许的信道环境损耗(PLnet)之间的关系，计算获取同一位置下LOS/NLOS信道与无信道环境损耗的信道下SINR的差值，从而反映信道对用户SINR的影响。具体计算过程如下：
首先，获得PL与SINR的关系。
PL由信道环境衰减常量PL0、信道环境衰减因子n和位置R决定，信道环境损耗计算公式(5)。
PL＝PL0+10nlog10(R) (5)
不同环境下信道环境衰减常量PL0和信道环境衰减因子n都不同，本实施例按照3GPP 38.901中规定，不同分布场景下PL参数配置如表1：
表1
场景 PL0 n
无信道 0 0
LOS信道场景 28+20log<sub>10</sub>(f<sub>c</sub>) 2.2
NLOS信道场景 13.54+20log<sub>10</sub>(f<sub>c</sub>)-0.6(h<sub>ut</sub>-1.5) 3.908
PLnet为NR基站和终端能力允许的信道环境损耗，其与空间场景产生的信道环境损耗相同，用公式(6)表示。
PLnet＝PTX+GTX-BPL+PRX-NThermal-NF-SINRui (6)
其中，PTX为发射功率，GTX为天线增益，PTX为接收功率，BPL为穿透损耗，NThermal为热噪声，NF为调制系数，SINRui为用户进行业务需要的SINR值。
由于PL＝PLnet，根据公式(6)可以推到出SINRui为：
SINRui＝PTX+GTX-BPL+PRX-NThermal-NF-SINRui
其次，计算建立添加信道下，位置R与SINR的关系为：
Figure GDA0003500662130000111
第三，计算相同SINR位置R下NLOS与LOS SINR值的差值(ΔSINR)。
在相同基站配置下：
Figure GDA0003500662130000121
表2给出了不同SINR区间下，ΔSINR的取值情况，LOS信道下在SINR环境较好的情况下，ΔSINR的值较大，而NLOS信道相对平均，这说明多信道环境的影响对SINR的影响较大。因此，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2
Figure GDA0003500662130000122
步骤S13，基于不同信道的衰减调整用户吞吐量。
在步骤S13中，按照所需的不同信道的SINR值进行用户吞吐量调整。
终端位于相同SINR位置的调整公式(7)为：
Figure GDA0003500662130000123
其中，
Figure GDA0003500662130000124
表示相同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的SINR值的差值，channel表示LOS和NLOS。
终端位于不同SINR位置的调整公式(8)为：
Figure GDA0003500662130000125
其中，
Figure GDA0003500662130000126
表示不同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的S INR值的差值，channel表示LOS和NLOS。
通过上述步骤S11至步骤S13获得用户吞吐量。
如图5所示，本实施例中的步骤S3的主要包括以下步骤：
在大部分应用场景中，由于树木或者建筑物的遮挡，会出现LOS(Line of Sight)信道和NLOS(Not Line of Sight)信道环境。因此，步骤S3包括：
步骤S31，计算TLOS/TNLOS占比(TLOS/TNLOS分别表示LOS信道环境下用户吞吐量和NLOS环境下用户吞吐量)。
本实施例选用密集城区(Uma)，使用38.901里的公式计算TLOS/TNLOS占比。其中，PrLOS为LOS信道环境的占比。
Figure GDA0003500662130000131
其中，
Figure GDA0003500662130000132
Figure GDA0003500662130000133
C表示用户吞吐量,PrLOS为LOS信道环境的占比,d2D-out为水平覆盖距离，R为覆盖距离，hBS为基站高度，hUT为终端高度。
步骤S32，根据TLOS/TNLOS占比计算出区域内的总吞吐量。
本实施例针对用户相对分散的场景，采用分散优先的原则(dispersion-best)，即优先按照分散用户场景出现的概率分配用户位于不同SINR位置点的占比，再将剩余的用户位置信息分配给集中用户。针对分散用户位置分配则采用尽可能保证的原则(concentrated-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6所示，本实施例以三种用户集中分布和四种用户分散场景为例进行计算。在图6中，PA、PB和PC分别表示好点用户、中点用户和差点用户，A1、A2和A3分别表示相同SINR位置SINR分布占比的调整参数，Ast表示满足最小化剩余位置点的调整参数。
如图7所示，步骤S32具体包括以下步骤：
步骤S321，计算满足分散分布的不同SINR位置下用户的位置信息出现的概率。
根据公式(9)计算不同SINR位置下用户的位置信息出现的概率Pmi，
Figure GDA0003500662130000141
直到
Figure GDA0003500662130000142
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，与用户吞吐量实验中的用户数量相同，C表示用户吞吐量。
步骤S322，计算不同模式下剩余的位置点的占比PLK。
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间K的模式(在图6中k为g、m、b)。
步骤S323，计算全部用户集中分布的出现概率PnK：
Figure GDA0003500662130000143
全部N个用户位于相近或相同SINR位置K。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，
Figure GDA0003500662130000144
表示单个用户出现在SINR区间K上的概率；
步骤S324，计算可以满足最小化剩余点的调整值的调整参数AST。
计算相同SINR位置SINR分布占比的调整参数，对每个区间对计算一个调整参数AK，使用这一系列参数与相同SINR位置场景出现概率相乘，并选取可以满足最小化剩余位置点的调整值作为最终的调整参数(AST)，
Figure GDA0003500662130000145
AST＝AW当
Figure GDA0003500662130000146
其中，AK表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数，AW表示区间对的调整参数。
步骤S325，计算出每种不同用户分布的占比Pns，
Pns(k)＝ASTPnk
步骤S326，计算不同信道环境的总用户吞吐量。
不同信道环境总用户吞吐量的计算公式为：
Figure GDA0003500662130000151
其中，channel＝LOS或NLOS，
Figure GDA0003500662130000152
表示总用户吞吐量，Ast表示满足最小化剩余位置点的调整参数，Pnk表示全部用户集中分布的出现概率，
Figure GDA0003500662130000153
表示相同SINR位置调整后的用户吞吐量，
Figure GDA0003500662130000154
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率。
步骤S327，计算分散场景下5G小区用户吞吐量。
分散场景下5G小区吞吐量的计算公式如下：
Figure GDA0003500662130000155
其中，Cs表示分散场景下小区用户吞吐量，
Figure GDA0003500662130000156
表示LOS信道环境下分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure GDA0003500662130000157
表示NLOS信道环境下分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
本实施例提供的5G小区网络容量预测方法适用于空旷场景，如公园，广场等场景。由于在真实环境下5G用户的分布情况，并结合5G实验室硬件仿真结果获取位置信息与吞吐量的关系，最终结合用户分布和位置吞吐量计算出小区吞吐量，实现基站级别的传输需求估计，为网络建设提供合理依据，提高资源配置的合理性，避免资源浪费，以及减少超额投资。
实施例2
本实施例提供一种5G小区网络容量预测装置。如图8所示，5G小区网络容量预测装置包括：
用户吞吐量获取单元1，用于获取经过信道衰减调整后的用户吞吐量。
SINR分布提取单元2，用于提取小区级5G用户的SINR分布情况。
SINR分布提取单元是基于5G SINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线，拟合公式为：
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数。
小区平均吞吐量计算单元3，用于计算小区平均用户吞吐量,小区平均用户吞吐量是根据LOS/NLOS信道环境下用户吞吐量以及TLOS/TNLOS占比得出。
如图9所示，用户吞吐量获取单元1具体包括：
第一吞吐量模块11，用于获得无信道影响下多个终端在相同SINR位置分布时的用户吞吐量。第一吞吐量模块11的获取方法参阅实施例1中步骤S101至步骤S105的相同SINR位置分布时用户吞吐量的获取方法。
第二吞吐量模块12，用于获得无信道影响下多个终端的在不同SINR位置分布时的用户吞吐量。第二吞吐量模块12的获取方法参阅实施例1中步骤S201至步骤S206的不同SINR位置分布时用户吞吐量的获取方法。
信道衰减分析模块13，用于分析信道衰减对SINR值的影响。信道衰减分析模块13的分析方法参阅实施例1中步骤S12。
吞吐量调整模块14，用于根据不同信道的SINR值对用户吞吐量进行调整，获得不同位置场景下不同信道衰减调整后的用户吞吐量。吞吐量调整模块14的调整方法参阅实施例1中步骤S13。
如图10所示，小区平均吞吐量计算单元3具体包括：
第一概率计算单元31，用于计算满足分散分布的不同SINR位置下用户的位置信息出现的概率Pmi；
Figure GDA0003500662130000161
Figure GDA0003500662130000162
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，C表示用户吞吐量；
第一占比计算单元32，用于计算不同模式下剩余的位置点的占比PLK；
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间K的模式；
第二概率计算单元33，用于计算全部用户集中分布的出现概率PnK：
Figure GDA0003500662130000171
其中，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000172
表示单个用户出现在SINR区间K上的概率；
参数调整单元34，用于计算可以满足最小化剩余点的调整值的调整参数AST；
Figure GDA0003500662130000173
AST＝AW当
Figure GDA0003500662130000174
其中，Ak表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数；
第二占比计算单元35，用于计算不同用户分布的占比Pns；
Pns(K)＝AstPnK
Figure GDA0003500662130000175
其中，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000176
表示单个用户出现在SINR区间K上的概率；
用户吞吐量模块36，用于计算不同信道环境下的用户吞吐量；
Figure GDA0003500662130000177
其中，channel＝LOS或NLOS，
Figure GDA0003500662130000178
表示总用户吞吐量，Ast表示满足最小化剩余位置点的调整参数，PnK表示全部用户集中分布的出现概率，
Figure GDA0003500662130000179
表示相同SINR位置调整后的用户吞吐量，
Figure GDA00035006621300001710
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率；
吞吐量计算模块37，用于计算分散场景下的用户吞吐量CS；
Figure GDA0003500662130000181
其中，CS表示分散场景下小区用户吞吐量，
Figure GDA0003500662130000182
表示LOS信道环境在分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure GDA0003500662130000183
表示NLOS信道环境分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
本实施例提供的5G小区网络容量预测装置适用于空旷场景，如公园，广场等场景。由于在真实环境下5G用户的分布情况，并结合5G实验室硬件仿真结果获取位置信息与吞吐量的关系，最终结合用户分布和位置吞吐量计算出小区吞吐量，实现基站级别的传输需求估计，为网络建设提供合理依据，提高资源配置的合理性，避免资源浪费，以及减少超额投资。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (7)

1.一种5G小区网络容量预测方法，其特征在于，包括：
获取用户吞吐量，所述用户吞吐量是经过信道衰减调整后的用户吞吐量；
提取载波与干扰和噪声比SINR的分布；
根据不同信道环境下用户吞吐量以及TLOS/TNLOS占比计算分散场景下小区平均用户吞吐量；所述获取用户吞吐量包括：
获得无信道影响下多个终端在相同SINR位置分布时的用户吞吐量；
获得无信道影响下多个终端的在不同SINR位置分布时的用户吞吐量；
获得信道衰减对SINR值的影响；
根据不同信道的SINR值对用户吞吐量进行调整，获得不同分布场景下不同信道衰减调整后的用户吞吐量；并基于不同信道的衰减调整用户吞吐量；
相同位置的调整方法为：
Figure FDA0003500662120000011
不同位置的调整方法为：
Figure FDA0003500662120000012
其中，
Figure FDA0003500662120000013
表示相同SINR位置的用户吞吐量，
Figure FDA0003500662120000014
表示不同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的SINR值的差值，channel表示LOS和NLOS。
2.根据权利要求1所述的预测方法，其特征在于，所述提取载波与干扰和噪声比SINR的分布，包括：
基于5G SINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线，拟合公式为：
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数。
3.根据权利要求2所述的预测方法，其特征在于，所述计算小区平均用户吞吐量包括：
计算TLOS/TNLOS占比；
Figure FDA0003500662120000021
其中，
Figure FDA0003500662120000022
Figure FDA0003500662120000023
其中，C表示用户吞吐量，PrLOS为LOS信道环境的占比，d2D-out为水平覆盖距离，R为覆盖距离，hBS为基站高度，hUT为终端高度；
根据TLOS/TNLOS占比计算出区域内的总吞吐量。
4.根据权利要求3所述的预测方法，其特征在于，所述根据TLOS/TNLOS占比计算出区域内的总吞吐量包括：
步骤S321，计算满足分散分布的不同SINR位置下用户的位置信息出现的概率Pmi；
Figure FDA0003500662120000024
Figure FDA0003500662120000025
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，C表示用户吞吐量；
步骤S322，计算不同模式下剩余的位置点的占比PLK；
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间K的模式；
步骤S323，计算全部用户集中分布的出现概率PnK：
Figure FDA0003500662120000026
其中，PnK表示全部用户集中分布的出现概率，
Figure FDA0003500662120000027
表示单个用户出现在SINR区间K上的概率；
步骤S324，计算可以满足最小化剩余点的调整值的调整参数AST；
Figure FDA0003500662120000031
AST＝AW当
Figure FDA0003500662120000032
其中，AK表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数；
步骤S325，计算不同用户分布的占比Pns；
Pns(k)＝ASTPnk
步骤S326，计算不同信道环境的总用户吞吐量；
Figure FDA0003500662120000033
其中，channel＝LOS或NLOS，
Figure FDA0003500662120000034
表示总用户吞吐量，AST表示满足最小化剩余位置点的调整参数，PnK表示全部用户集中分布的出现概率，
Figure FDA0003500662120000035
表示相同SINR位置调整后的用户吞吐量，
Figure FDA0003500662120000036
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率；
步骤S327，计算分散场景下5G小区用户吞吐量；
分散场景下的计算公式：
Figure FDA0003500662120000037
其中，CS表示分散场景下小区用户吞吐量，
Figure FDA0003500662120000038
表示LOS信道环境在分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure FDA0003500662120000039
表示NLOS信道环境分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
5.一种5G小区网络容量预测装置，其特征在于，包括：
用户吞吐量获取单元，用于获取经过信道衰减调整后的用户吞吐量；
SINR分布提取单元，用于提取用户的SINR分布情况；
小区平均吞吐量计算单元，用于计算小区分散场景下小区平均用户吞吐量，所述小区平均用户吞吐量是根据不同信道环境下用户吞吐量以及TLOS/TNLOS占比得出；所述用户吞吐量获取单元包括：
第一吞吐量模块，用于获得无信道影响下多个终端在相同SINR位置分布时的用户吞吐量；
第二吞吐量模块，用于获得无信道影响下多个终端的在不同SINR位置分布时的用户吞吐量；
信道衰减分析模块，用于分析信道衰减对SINR值的影响；
吞吐量调整模块，用于根据不同信道的SINR值对用户吞吐量进行调整，获得不同分布场景下不同信道衰减调整后的用户吞吐量；所述吞吐量调整模块基于不同信道的衰减调整用户吞吐量；
相同位置的调整方法为：
Figure FDA0003500662120000041
不同位置的调整方法为：
Figure FDA0003500662120000042
其中，
Figure FDA0003500662120000043
表示相同SINR位置的用户吞吐量，
Figure FDA0003500662120000044
表示不同SINR位置的用户吞吐量，ΔSINRchannel表示相同位置下LOS和NLOS的SINR值的差值，channel表示LOS和NLOS。
6.根据权利要求5所述的预测装置，其特征在于，所述小区平均吞吐量计算单元包括：
第一概率计算单元，用于计算满足分散分布的不同SINR位置下用户的位置信息出现的概率Pmi；
Figure FDA0003500662120000045
Figure FDA0003500662120000046
其中，Mji为模式i下SINR区间j下的用户数，N为用户总数，C表示用户吞吐量；
第一占比计算单元，用于计算不同模式下剩余的位置点的占比PLK；
PLK＝PK-∑Pmi
其中，i为包括全部用户位于SINR区间K的模式；
第二概率计算单元，用于计算全部用户集中分布的出现概率PnK：
Figure FDA0003500662120000047
其中，PnK表示全部用户集中分布的出现概率，
Figure FDA0003500662120000048
表示单个用户出现在SINR区间K上的概率；
参数调整单元，用于计算可以满足最小化剩余点的调整值的调整参数AST；
Figure FDA0003500662120000051
AST＝AW当
Figure FDA0003500662120000052
其中，AK表示用户在SINR位置K的调整参数，AST表示可以满足最小化剩余点的调整值的调整参数；
第二占比计算单元，用于计算不同用户分布的占比Pns；
Pns(K)＝ASTPnK
Figure FDA0003500662120000053
其中，PnK表示全部用户集中分布的出现概率，
Figure FDA0003500662120000054
表示单个用户出现在SINR区间K上的概率；
用户吞吐量模块，用于计算不同信道环境下的用户吞吐量；
Figure FDA0003500662120000055
其中，channel＝LOS或NLOS，
Figure FDA0003500662120000056
表示总用户吞吐量，AST表示满足最小化剩余位置点的调整参数，PnK表示全部用户集中分布的出现概率，
Figure FDA0003500662120000057
表示相同SINR位置调整后的用户吞吐量，
Figure FDA0003500662120000058
表示不同SINR位置调整后的用户吞吐量，Pmi表示不同SINR位置下用户的位置信息出现的概率；
吞吐量计算模块，用于计算分散场景下的用户吞吐量CS；
Figure FDA0003500662120000059
其中，CS表示分散场景下小区用户吞吐量，
Figure FDA00035006621200000510
表示LOS信道环境在分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比，
Figure FDA00035006621200000511
表示NLOS信道环境分散场景下小区用户吞吐量，PrNLOS表示NLOS信道环境的占比。
7.根据权利要求5所述的预测装置，其特征在于，所述SINR分布提取单元是基于5GSINR CDF分布曲线拟合出基于SINR值的SINR CDF分布曲线，拟合公式为：
CDF(SINR)＝a1SINR3+a2SINR2+a3SINR+a4
其中,a1～a4为分布系数。
CN201910359868.3A 2019-04-29 2019-04-29 5g小区网络容量预测方法及装置 Active CN110461000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910359868.3A CN110461000B (zh) 2019-04-29 2019-04-29 5g小区网络容量预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910359868.3A CN110461000B (zh) 2019-04-29 2019-04-29 5g小区网络容量预测方法及装置

Publications (2)

Publication Number Publication Date
CN110461000A CN110461000A (zh) 2019-11-15
CN110461000B true CN110461000B (zh) 2022-04-01

Family

ID=68480917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910359868.3A Active CN110461000B (zh) 2019-04-29 2019-04-29 5g小区网络容量预测方法及装置

Country Status (1)

Country Link
CN (1) CN110461000B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113242064B (zh) * 2021-05-12 2022-06-21 上海科技大学 基于用户空域特征和信道预测的多小区调度方法
TWI780822B (zh) * 2021-07-19 2022-10-11 國立陽明交通大學 網路吞吐量評估裝置以及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101500265A (zh) * 2008-01-28 2009-08-05 中兴通讯股份有限公司 吞吐量的评估方法
CN104640144A (zh) * 2015-01-13 2015-05-20 中国联合网络通信集团有限公司 一种测试室内小区平均吞吐量的方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102076089B (zh) * 2009-11-23 2014-08-13 中兴通讯股份有限公司 为用户终端分配载波资源的方法及装置
CN102088760A (zh) * 2009-12-08 2011-06-08 中兴通讯股份有限公司 载波聚合系统中上行链路的功率控制方法及装置
CN102595428B (zh) * 2011-01-10 2014-11-05 中兴通讯股份有限公司 小区吞吐量的计算方法及装置
CN102833762B (zh) * 2011-06-13 2017-10-27 中兴通讯股份有限公司 Lte系统小区的用户吞吐量确定方法及装置
CN106470056B (zh) * 2015-08-21 2019-07-23 上海诺基亚贝尔股份有限公司 确定mimo模式间切换发生时的sinr阈值的方法与设备
US10367677B2 (en) * 2016-05-13 2019-07-30 Telefonaktiebolaget Lm Ericsson (Publ) Network architecture, methods, and devices for a wireless communications network
CN109672635B (zh) * 2017-10-17 2020-07-31 电信科学技术研究院 一种时域相关性估计方法、装置及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101500265A (zh) * 2008-01-28 2009-08-05 中兴通讯股份有限公司 吞吐量的评估方法
CN104640144A (zh) * 2015-01-13 2015-05-20 中国联合网络通信集团有限公司 一种测试室内小区平均吞吐量的方法及装置

Also Published As

Publication number Publication date
CN110461000A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN101965740B (zh) 无线电台站设备、无线电资源控制方法、存储无线电台站控制程序的记录介质以及无线电通信系统
KR102208356B1 (ko) 이종망 네트워크 시스템에서 간섭 제어 방법 및 그 장치
US8725079B2 (en) System and method for determining the severity of interference in different areas of a cellular radio network and coordinating radio resource management features in response
US8463190B2 (en) System and method for interference reduction in self-optimizing networks
US8880088B2 (en) Signalling for interference management in HETNETs
CN102687565B (zh) 一种用于对微蜂窝基站进行功率控制的方法及其装置
CN104041147A (zh) 蜂窝系统中的功率管理
CN102625336B (zh) 异构网络中干扰管理方法及装置
Dudda et al. Capacity of cellular networks deployed in TV White Space
US20180288783A1 (en) Network optimization method for large-scale mimo network and base station thereof
CN110461000B (zh) 5g小区网络容量预测方法及装置
WO2016107479A1 (zh) 一种室内das系统与小基站下行干扰避免方法
CN103416099B (zh) 用于调度无线电资源的无线电基站及其方法
Gu et al. A resource allocation scheme for device-to-device communications using LTE-A uplink resources
EP3735020A1 (en) Validation sub-system for telecommunication system
KR20110089814A (ko) 통신 시스템에서 채널 및 전력 할당 장치 및 방법
KR100986649B1 (ko) 다중 셀 상향링크 시스템에서 부분 공간 간섭 정렬의 사용자 선택 방법
CN102550093A (zh) 无线通信系统、大小区基站、以及通信控制方法
KR20110020278A (ko) 셀룰러 이동 통신 시스템에서 적응형 부분 주파수 재사용 방법 및 장치
KR20160031354A (ko) 사용자 체감 품질에 기반한 스케줄링 방법 및 장치
Bulakci et al. Joint optimization of uplink power control parameters in LTE-Advanced relay networks
CN110312281B (zh) 一种通信小区的下行吞吐量的计算方法和装置
CN104955143B (zh) 无线通信设备、无线通信方法和无线通信系统
CN101827373B (zh) 一种ofdm系统中干扰余量的获取方法和装置
CN103856945A (zh) LTE-Advanced中继系统的上行干扰协调方法

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