CN111787482B - 基于聚类算法的毫米波频谱共享方法及系统 - Google Patents

基于聚类算法的毫米波频谱共享方法及系统 Download PDF

Info

Publication number
CN111787482B
CN111787482B CN202010669552.7A CN202010669552A CN111787482B CN 111787482 B CN111787482 B CN 111787482B CN 202010669552 A CN202010669552 A CN 202010669552A CN 111787482 B CN111787482 B CN 111787482B
Authority
CN
China
Prior art keywords
base station
cluster
user
clustering
base stations
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
CN202010669552.7A
Other languages
English (en)
Other versions
CN111787482A (zh
Inventor
谢宁
李卓远
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN202010669552.7A priority Critical patent/CN111787482B/zh
Publication of CN111787482A publication Critical patent/CN111787482A/zh
Application granted granted Critical
Publication of CN111787482B publication Critical patent/CN111787482B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及一种基于聚类算法的毫米波频谱共享方法，其包括：多个基站接收各个用户端发射的包含位置信息的位置信号以获得用户端的位置信息，并基于聚类算法和多个基站的位置信息确定多个目标基站，聚类算法基于用户端的数量和基站的射频链路的数量获得多个初始中心点，并基于多个初始中心点、多个用户端的数量与位置信息以及各个基站的射频链路的数量获得与多个用户端对应的多个聚类中心点，各个目标基站分别与对应的用户端之间进行信号传输，其中，各个聚类中心点分别对应一个目标基站，目标基站为与该聚类中心点距离最小的基站，多个基站和多个用户端频谱共享。在这种情况下，能够减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度。

Description

基于聚类算法的毫米波频谱共享方法及系统
技术领域
本公开涉及无线通信技术领域，具体涉及一种基于聚类算法的毫米波频谱共享方法及系统。
背景技术
在现代无线通信中，频谱资源作为非可再生资源，非常宝贵。在传统通信协议中的频谱资源的分配是独占且专用的，为了提高频谱利用率，出现了频谱共享技术，即允许多个网络运营商访问相同的频谱资源。毫米波蜂窝网系统的工作频率达到了10-300GHz，相对于传统电磁波具有超大带宽，可以大幅度解决频谱资源紧张的问题。在现有技术中可以利用毫米波蜂窝网系统实现频谱共享，毫米波蜂窝网系统的频谱共享是指允许多个网络运营商访问相同的频谱资源。
目前，已有科研团队实现了毫米波蜂窝网系统的频谱共享，例如非专利文献1公开了一种通过小区关联、协调和波束成形在毫米波蜂窝网中进行频谱共享，其通过提出一种基于联合波束成形设计和基站关联的优化框架，减小了因频谱共享所导致的更高的多用户干扰。
然而，在上述现有技术中，毫米波蜂窝网系统的频谱共享往往存在两个问题：(1)多个基站之间交换大量信息会导致非常高的协调开销；(2)寻找多个基站的最优预编码加权矩阵的计算复杂度很高。
[参考文献]
非专利文献1：Spectrum Sharing in mmWave Cellular Networks via CellAssociation,Coordination,and Beamforming.Hossein Shokri-Ghadikolaei November,2016。
发明内容
本公开是有鉴于上述的状况而提出的，其目的在于提供一种减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度的基于聚类算法的毫米波频谱共享方法及系统。
为此，本公开的第一方面提供了一种基于聚类算法的毫米波频谱共享方法，是具有多个固定位置的基站和多个固定位置的用户端的毫米波蜂窝网系统的频谱共享方法，其特征在于，包括：多个所述基站接收各个所述用户端发射的包含位置信息的位置信号以获得所述用户端的位置信息，并基于聚类算法和多个所述基站的位置信息确定多个目标基站，所述聚类算法基于所述用户端的数量和所述基站的射频链路的数量获得多个初始中心点，并基于所述多个初始中心点、多个用户端的数量与位置信息以及各个所述基站的射频链路的数量获得与所述多个用户端对应的多个聚类中心点，各个所述目标基站分别与对应的用户端之间进行信号传输，其中，各个聚类中心点分别对应一个目标基站，所述目标基站为与该聚类中心点距离最小的基站，多个所述基站和多个所述用户端频谱共享。
在本公开中，基站基于用户端与基站的位置信息和聚类算法确定多个目标基站。各个目标基站分别与对应的用户端之间进行信号传输，多个基站与多个用户端频谱共享。在这种情况下，能够有效地减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度。
本公开的第一方面所涉及的毫米波频谱共享方法中，可选地，所述聚类算法为K均值聚类算法。由此，能够更好地获得聚类中心点。
本公开的第一方面所涉及的毫米波频谱共享方法中，可选地，各个用户端均能获得各自对应的位置信息。由此，能够获得各个用户端的位置信息。
本公开的第一方面所涉及的毫米波频谱共享方法中，可选地，将多个所述基站中的所述多个目标基站外的基站关闭。由此，能够有助于降低能量的消耗。
本公开的第一方面所涉及的毫米波频谱共享方法中，可选地，所述多个用户端划分为多个聚类，任一聚类中的用户端数量不超过该聚类对应的目标基站的射频链路的数量。由此，能够使基站和用户端更好地工作。
本公开的第二方面提供了一种基于聚类算法的毫米波频谱共享系统，是具有多个固定位置的发射装置和多个固定位置的用户装置的频谱共享的毫米波蜂窝网系统，其特征在于，包括：多个所述发射装置接收各个所述用户装置发射的包含位置信息的位置以获得所述用户装置的位置信息，并基于聚类算法和多个所述发射装置的位置信息确定多个目标发射装置，所述聚类算法基于所述用户装置的数量和所述发射装置的射频链路的数量获得多个初始中心点，并基于所述多个初始中心点、多个用户装置的数量与位置信息以及各个所述发射装置的射频链路的数量获得与所述多个用户装置对应的多个聚类中心点，各个所述目标发射装置分别与对应的用户装置之间进行信号传输，其中，各个聚类中心点分别对应一个目标发射装置，所述目标发射装置为与该聚类中心点距离最小的发射装置，多个所述发射装置和多个所述用户装置频谱共享。
在本公开中，发射装置基于用户装置与发射装置的位置信息和聚类算法确定多个目标发射装置。各个目标发射装置分别与对应的用户装置之间进行信号传输，多个发射装置与多个用户装置频谱共享。在这种情况下，能够有效地减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度。
本公开的第二方面所涉及的毫米波频谱共享系统中，可选地，所述聚类算法为K均值聚类算法。由此，能够更好地获得聚类中心点。
本公开的第二方面所涉及的毫米波频谱共享系统中，可选地，各个用户装置均能获得各自对应的位置信息。由此，能够获得各个用户装置的位置信息。
本公开的第二方面所涉及的毫米波频谱共享系统中，可选地，将多个所述发射装置中的所述多个目标发射装置外的发射装置关闭。由此，能够有助于降低能量的消耗。
本公开的第二方面所涉及的毫米波频谱共享系统中，可选地，所述多个用户装置划分为多个聚类，任一聚类中的用户装置数量不超过该聚类对应的目标发射装置的射频链路的数量。由此，能够使发射装置和用户装置更好地工作。
根据本公开，能够提供一种减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度的基于聚类算法的毫米波频谱共享方法及系统。
附图说明
图1是示出了本公开的示例所涉及的基于聚类算法的毫米波频谱共享方法的应用场景示意图。
图2是示出了本公开的示例所涉及的确定目标基站的方法流程图。
图3是示出了本公开的示例所涉及的确定聚类中心点的方法流程图。
图4是示出了本公开的示例所涉及的针对频谱共享方法的性能检测方法的流程示意图。
图5是示出了本公开的示例所涉及的用户端的目标总速率随信噪比变化的波形图。
图6是示出了本公开的示例所涉及的用户端的目标总速率随目标基站的天线数量变化的波形图。
图7是示出了本公开的示例所涉及的用户端的目标总速率随用户端的天线数量变化的波形图。
图8是示出了本公开的示例所涉及的用户端的目标总速率随用户端的数量变化的波形图。
图9是示出了本公开的示例所涉及的目标总速率随射频链路的数量变化的波形图。
图10是示出了本公开的示例所涉及的用户端的目标总速率随载波频率变化的柱形图。
图11是示出了本公开的示例所涉及的基于聚类算法的毫米波频谱共享系统的框图。
具体实施方式
以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
本公开提供一种基于聚类算法的毫米波频谱共享方法及系统。在本公开中，基于聚类算法的毫米波频谱共享方法及系统可以应用在毫米波蜂窝网系统，能够实现毫米波蜂窝网系统的频谱共享，并能够较为明显地减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度。以下结合附图进行详细描述本公开。
图1是示出了本公开的示例所涉及的基于聚类算法的毫米波频谱共享方法的应用场景示意图。如图1所示，毫米波频谱共享方法(简称“频谱共享方法”)是具有多个固定位置的基站和多个固定位置的用户端的毫米波蜂窝网系统的频谱共享方法。其中，多个基站中的多个目标基站(稍后描述)可以与对应的多个用户端之间进行信号传输。基站和用户端可以频谱共享且可以工作于毫米波蜂窝网系统(或称“毫米波蜂窝网”)。
在一些示例中，基站的数量可以是多个。每个基站的天线数量可以是多个。用户端的数量可以是多个。每个用户端的天线数量可以是多个。在一些示例中，基站的位置可以是固定的。用户端的位置可以是固定的。在一些示例中，每个基站的射频链路的数量可以是多个。例如，如图1所示，毫米波蜂窝网系统可以包含12个固定位置的基站(例如基站100、基站101等)和12个固定位置的用户端(例如用户端200、用户端201等)。其中，每个基站可以都具有3个射频线路(例如，基站101具有的射频链路400、射频链路401和射频链路402)。在一些示例中，毫米波蜂窝网系统可以处于低负荷状态，即Nb|B∑|＞＞|M∑|。其中，M∑表示为所有用户端的集合，B∑表示为所有目标基站(稍后描述)的集合，|B∑|表示为所有目标基站的数量，也即服务于多个用户端的基站的数量，Nb表示为目标基站b(即编号为b的目标基站)服务的用户端的个数。
在本公开中，基站(例如接入点)可以是指接入网中在空中接口上通过一个或多个扇区与无线终端通信的设备。基站可用于将收到的空中帧与IP帧进行相互转换，作为无线终端与接入网的其余部分之间的路由器，其中，接入网的其余部分可包括网际协议(IP)网络。基站还可以协调对空中接口的属性管理。例如，基站可以是GSM或CDMA中的基站(BTS，Base Transceiver Station)，也可以是WCDMA中的基站(NodeB)，还可以是LTE中的演进型基站(NodeB或eNB或e-NodeB，evolutional Node B)。
在本公开中，用户端可以是用户。其中，用户可以包括但不限于用户设备。用户设备可以包括但不限于智能手机、笔记本电脑、个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、移动互联网设备(Mobile Internet Device，MID)、穿戴设备(如智能手表、智能手环、智能眼镜)等各类电子设备，其中，该用户设备的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、BlackBerry(黑莓)操作系统、Windows Phone8操作系统等等。
图2是示出了本公开的示例所涉及的确定目标基站的方法流程图。
在一些示例中，各个用户端可以获得各自的位置信息，并可以将包含各自的位置信息的位置信号发送给基站。在一些示例中，各个基站可以获得各自的位置信息。由此，能够获得用户端和基站的位置信息。
在一些示例中，多个基站可以利用聚类算法根据各个用户端的位置信息和基站的位置信息确定目标基站。在一些示例中，目标基站可以是确定出的用于服务多个用户端的基站，也就是说，目标基站在后续服务过程中处于工作状态。在一些示例中，可以将多个基站中的多个目标基站外的基站关闭，也即可以将多个基站中并非作为目标基站的其他基站关闭。由此，能够有助于降低能量的消耗。
在一些示例中，聚类算法可以选用K均值聚类算法(即非监督聚类算法)，多个基站可以根据K均值聚类算法、基站各自的位置信息、用户端的位置信息和基站的射频链路的数量确定多个聚类中心点。由此，能够更好地获得聚类中心点。但本公开的示例不限于此，在一些示例中，在本实施方式中也可以选用其它的聚类算法，例如K中心点聚类算法。
在一些示例中，如图2所示，使用聚类算法确定目标基站的方法可以包括以下步骤：基于用户端的数量和基站的射频链路的数量获得多个初始中心点(步骤S110)；基于聚类算法、多个初始中心点、多个用户端的数量与位置信息以及各个基站的射频链路的数量获得与多个用户端对应的多个聚类中心点(步骤S120)；基于多个聚类中心点和基站的位置信息确定目标基站(步骤S130)。
在步骤S110中，可以基于用户端的数量和基站的射频链路的数量获得多个初始中心点。
在一些示例中，用户端的数量可以不超过相应的基站的射频链路的数量。由此，能够使基站和用户端更好地工作。例如，基站的射频链路的数量可以是Nr个，则该基站可以同时服务Nr个用户端，即该基站可以同时与Nr个用户端进行信号传输。
在一些示例中，可以基于用户端的数量和基站的射频链路的数量获得多个初始中心点。初始中心点的数量K可以满足：
Figure BDA0002581765560000071
其中，M∑表示为所有用户端的集合，|M∑|表示为用户端的数量，Nr表示为基站的射频链路的数量。在一些示例中，可以随机选取K个点作为初始中心点。例如，可以随机选取K个用户端并将其对应的位置作为初始中心点。例如，基于图1所示的12个固定位置的基站、12个固定位置的用户端以及每个基站可以都具有3个射频链路，可以获得初始中心点的数量为4个。在这种情况下，可以随机选择选取4个用户端并将其位置作为初始中心点。
在步骤S120中，基于聚类算法、多个初始中心点、多个用户端的数量与位置信息以及各个基站的射频链路的数量可以获得与多个用户端对应的多个聚类中心点。
图3是示出了本公开的示例所涉及的确定聚类中心点的方法流程图。
在一些示例中，如图3所示，步骤S120中使用聚类算法确定聚类中心点的方法可以包括以下步骤：将初始中心点作为初始聚类中心点(步骤S121)；基于各个用户端的位置信息和初始聚类中心点对各个用户端进行聚类划分(步骤S122)；根据划分的多个聚类获得各个聚类的中心点(步骤S123)；判断各个聚类中的元素是否不在发生变化(步骤S124)；若发生变化，则将各个聚类的中心点作为初始聚类中心点(步骤S125)；若不发生变化，则判断各个聚类中对应的用户端的数量是否不大于任一基站的射频链路的数量(步骤S126)；若大于，则将初始中心点的数量增加一个，该增加的初始中心点也可以随机选取(步骤S127)；若不大于，则将各个聚类的中心点作为聚类中心点(步骤S128)。
在一些示例中，在步骤S121中，可以将初始中心点作为初始聚类中心点。
在步骤S122中，基于各个用户端的位置信息和初始聚类中心点对各个用户端进行聚类划分。
在一些示例中，在步骤S122中，可以根据用户端的位置信息计算该用户端与各个初始聚类中心点的距离。在一些示例中，各个用户端可以对应一个初始聚类中心点。例如，可以将各个用户端距离更小的初始聚类中心点作为该用户端的对应的初始聚类中心点。由此，能够对所有的用户端进行聚类划分。在一些示例，各个初始聚类中心点可以对应一个或多个用户端。
在步骤S123中，根据划分的多个聚类获得各个聚类的中心点。
在一些示例中，在步骤S123中，可以根据各个聚类获得分别与各个聚类对应的中心点。在一些示例中，可以根据
Figure BDA0002581765560000081
来确定各个聚类对应的中心点，其中，
Figure BDA0002581765560000084
表示为第k个聚类，
Figure BDA0002581765560000083
表示为第k个聚类中的用户端的数量，(xMT,m,yMT,m)表示为第m个用户端的位置信息，m可以为该聚类中的用户端。在一些示例中，各个聚类的元素可以包括对应的用户端和中心点。
在步骤S124中，判断各个聚类中的元素是否不在发生变化。
在一些示例中，在步骤S124中，可以将当前获得的聚类和前一次获得的聚类进行比较，判断各个聚类中的元素是否不在发生变化，例如判断当前获得的第k个聚类对应的中心点和用户端和前一次获得的第k个聚类对应的中心点和用户端是否相同。若发生变化，则可以继续步骤S125。若未发生变化，则可以继续步骤S126。
但本公开的示例不限于此，在一些示例中，可以根据用户端的位置信息和聚类对应的中心点计算目标函数，目标函数满足：
Figure BDA0002581765560000082
其中，k＝1,2,...,K，m∈M∑，
Figure BDA0002581765560000085
表示为第k个聚类，(xMT,m,yMT,m)表示为第m个用户端的位置信息，μk表示为第k个聚类对应的中心点(或均值)，K表示聚类的数量，也即中心点的数量。中心点的数量可以和初始中心点的数量相同。通过式(2)判断各个聚类对应的目标函数是否不会发生明显变化。在一些示例中，可以通过当前获得的聚类和前一次获得的聚类进行比较，判断各个聚类对应的目标函数的结果是否不会发生明显变化，例如判断当前获得的第k个聚类和前一次获得的第k个聚类对应的目标函数的结果是否发生明显变化。若发生明显变化，则可以继续步骤S125。若未发生明显变化，则可以继续步骤S126。
在一些示例中，如上所述，本实施方式可以采用K均值聚类算法。在一些示例中，K均值聚类算法的目标可以是将所有聚类的目标函数的值最小化，可以满足：
Figure BDA0002581765560000091
在这种情况下，可以将各个用户端划分为较为合适的聚类。
在步骤S125中，若发生变化，也即若各个聚类中的元素或对应的目标函数发生变化，则可以继续步骤S125，也即将各个聚类的中心点作为初始聚类中心点。之后可以重复步骤S122至步骤S124。在这种情况下，能够便于后续获得更加适合的聚类中心点。
在步骤S126中，若不发生变化，也即若各个聚类中的元素或对应的目标函数未发生变化，则可以继续步骤S126，也即将当前获得的各个聚类中对应的用户端的数量和基站的射频链路的数量进行比较，判断各个聚类中对应的用户端的数量是否不大于任一基站的射频链路的数量。若大于，则可以继续步骤S127。若不大于，则可以继续步骤S128。在步骤S127中，若大于，则可以将初始中心点的数量增加一个，该增加的初始中心点也可以随机选取。在一些示例中，增加的初始中心点可以和之前的初始中心点的选择方式相同，例如随机选择一个用户端并将其位置作为增加的初始中心点。在执行完步骤S127后可以重复步骤S121至步骤S126。由此，能够使后续获得的目标基站可以同时向对应的用户端发射信号。
在步骤S128中，若不大于，则可以将当前获得的各个聚类的中心点(例如，图1中的中心点301、中心点311、中心点321和中心点331)作为聚类中心点。由此能够获得聚类中心点。在一些示例中，中心点的数量可以和聚类中心点的数量相同。
在一些示例中，基于上述的步骤S120获得的多个聚类中心点和基站的位置信息，可以在步骤S130中确定目标基站。
在一些示例中，在步骤S130中，可以基于多个聚类中心点和多个基站的位置信息在多个基站中确定目标基站。在一些示例中，目标基站的数量可以和聚类中心点的数量相同。在一些示例中，各个聚类中心点可以分别对应一个目标基站，目标基站可以为与该聚类中心点距离最小的基站。在一些示例中，可以通过
Figure BDA0002581765560000101
获得多个基站中与第k个聚类中心点的距离最小的基站，即该基站可以作为目标基站。其中，k＝1,2,...,K，b∈B∑，B∑表示为所有基站的基合，(xBS,b,yBS,b)表示为第b个基站的位置信息，μk表示为第k个聚类对应的聚类中心点(或均值)。例如，如图1所示，与其他基站相比，基站101到聚类中心点301的距离最小，因此基站101可以作为目标基站。然后针对其他聚类中心点，可以分别将基站102、基站103、基站104确定为目标基站。由此，能够从多个固定位置的基站中确定目标基站的位置。
在一些示例中，可以利用聚类算法将多个用户端划分为多个聚类，其中，每个聚类可以包含一个或多个用户端。在一些示例中，每个聚类可以对应一个目标基站。例如，如图1所示，可以将12个用户端划分为4个聚类，其中，聚类300可以包含用户端200、用户端201和用户端202，聚类310可以包含用户端203、用户端204和用户端205，聚类320可以包含用户端206、用户端207和用户端208，聚类330可以包含用户端209、用户端210和用户端211。在一些示例中，各个聚类对应的目标基站的射频链路的数量可以不小于该聚类中的用户端的数量。由此，能够使基站和用户端更好地工作。在一些示例中，目标基站可以同时与对应的聚类中的用户端进行信号传输。例如，聚类300包含目标基站(即基站101)、用户端200、用户端201和用户端202，其中，基站101的射频链路的数量为3个，基站101服务的用户端的数量可以小于或等于基站101的射频链路的数量，基站101可以同时向对应的用户端(即用户端200、用户端201和用户端202)发射信号。
在本实施方式中，可以根据聚类算法和用户端的位置信息确定聚类中心点。具体而言，基站可以接收用户端的位置信息并通过聚类算法确定聚类中心点。在这种情况下，能够有效地减小协调开销。在一些示例中，可以根据聚类算法确定基站的计算复杂度，其中，可以将聚类算法的每次迭代分为三种类型来获得计算复杂度：(1)在步骤S124中可以通过计算式(2)来判断目标函数是否明显变化，其中，对应一个用户端需要5次运算，则对于所有的用户端需要
Figure BDA0002581765560000111
次运算。(2)在步骤S122中，可以通过用户端的位置信息和初始聚类中心点对用户端进行聚类划分，其中，对于所有的用户端需要
Figure BDA0002581765560000112
次运算。(3)在步骤S123中，可以通过式(1)获得各个聚类的中心点，其中，对于所有的聚类需要
Figure BDA0002581765560000113
次运算。
在本实施方式中，可以根据聚类中心点和基站的位置信息从多个基站中确定目标基站，可以通过比较各个基站与各个聚类中心点的距离确定目标基站。其中，对于所有的基站需要
Figure BDA0002581765560000114
次运算。
在一些示例中，假设聚类算法在步骤S125进行T1次迭代，在步骤S127进行T2次迭代，则可以获得通过本公开来确定目标基站的总运算次数。总运算次数可以满足：
Figure BDA0002581765560000115
在这种情况下，能够有效地减小基站的计算复杂度。
在本实施方式中，频谱共享方法可以包括多个基站可以基于聚类算法、各个用户端的位置信息等确定出一个或多个目标基站；目标基站可以与对应的用户端之间进行信号传输；目标基站可以和用户端频谱共享等。
在一些示例中，针对上述的频谱共享方法可以进行性能检测。
图4是示出了本公开的示例所涉及的针对频谱共享方法的性能检测方法的流程示意图。
在一些示例中，如图4所示，性能检测方法可以包括以下步骤：各个目标基站通过若干路径向对应的用户端发射信号，信号经无线信道获得第二信号，用户端接收第二信号，基于对应的目标基站、该用户端和信道状态信息获得目标基站与该用户端之间的信号矩阵、组合加权向量和预编码加权向量(步骤S10)；基于组合加权向量、预编码加权向量、信号矩阵、该目标基站的平均传输功率获得干扰信号和目标信号，进而基于噪声信号和共享频谱的带宽获得用户端接收第二信号的平均速率(步骤S20)；基于平均速率、多个目标基站和多个目标基站与用户端的对应关系获得用户端的总速率，对各个用户端的总速率求和获得目标总速率，进而基于目标总速率检测毫米波蜂窝网系统的性能(步骤S30)。
在步骤S10中，各个目标基站可以通过若干路径向对应的用户端发射信号，信号经无线信道获得第二信号，用户端接收第二信号，基于对应的目标基站、该用户端和信道状态信息获得目标基站与该用户端之间的信号矩阵、组合加权向量和预编码加权向量。
具体而言，各个目标基站通过若干路径向对应的用户端发射信号，信号经无线信道获得第二信号，第二信号包括目标信号和干扰信号以及噪声信号，用户端接收第二信号，基于对应的目标基站、用户端的位置信息和信道状态信息获得与若干路径对应的到达角和离场角，基于该目标基站的天线数量和用户端的天线数量获得到达角的指导向量和离场角的指导向量，基于该目标基站与用户端之间的路径数量、各路径对应的信道增益、该目标基站的天线数量和用户端的天线数量获得该目标基站与用户端之间的信号矩阵，基于该目标基站的射频链路的数量、目标路径的到达角和目标路径的到达角的指导向量获得该目标基站与用户端之间的组合加权向量，基于该目标基站与用户端之间的组合加权向量和信号矩阵获得该目标基站与用户端之间的预编码加权向量。
在一些示例中，目标基站可以和用户端频谱共享。例如，目标基站和用户端可以共享带宽为W的频段。在一些示例中，目标基站和用户端可以在相同的区域内服从独立的泊松分布。
在一些示例中，在步骤S10中，各个目标基站可以通过若干路径向对应的用户端发射信号，即该目标基站和该用户端相关联。其中，该用户端在该目标基站对应的聚类中。在一些示例中，目标基站不向对应的聚类外的其他聚类中的用户端发射信号，即该目标基站和该用户端不关联。在一些示例中，可以利用二元变量表示目标基站和用户端的关联状态。例如，利用二元变量abm表示基站b与移动终端m的关联状态，如果基站b可以向移动终端m发射信号，则abm＝1；否则，abm＝0。
在一些示例中，各个目标基站与对应的用户端之间的路径数量可以是一个或多个。目标基站可以通过任一路径向对应的用户端发射信号。其中，每条路径可以对应相同或不同的信道增益。在一些示例中，可以假设目标基站b与移动终端m之间的路径数量为Lbm。其中，第l条路径的信道增益表示为hbml。在一些示例中，可以假设信道增益为零均值的复杂高斯随机变量，且满足
Figure BDA0002581765560000131
其中，
Figure BDA0002581765560000132
是与距离相关的大规模对数正态路径衰落，
Figure BDA0002581765560000133
可以满足
Figure BDA0002581765560000134
其中，αd是路径损失指数，满足αd≥2。dbm是基站b和移动终端m之间距离，λ是信号的波长，满足λ＝c/fc。c＝3×108m/s，fc是信号的载波频率。
在一些示例中，目标基站的天线数量可以是一个或多个。例如，目标基站的天线数量可以是NBS，用户端的天线数量可以是一个或多个。例如，用户端的天线数量可以是NMT。
在一些示例中，信号经无线信道获得第二信号，用户端可以接收第二信号。在一些示例中，可以基于对应的目标基站、用户端的位置信息和信道状态信息获得与若干路径分别对应的到达角和离场角。在一些示例中，到达角和离场角可以由目标基站、用户端的空间分布和通信环境中的散射决定。其中，目标基站、用户端的空间分布可以由目标基站、用户端的位置信息获得。通信环境中的散射可以由信道状态信息获得。在一些示例中，若目标基站和用户端可以服从独立的齐次泊松分布，则到达角和离场角可以是遵循均匀分布[0,2π]的独立随机变量。例如，目标基站b与用户端m的第l条路径的到达角和离场角可以分别表示为θMT,bml和θBS,bml，目标基站和用户端可以服从独立的齐次泊松点过程，其中，θMT,bml和θBS,bml可以是遵循均匀分布[0,2π]的独立随机变量。
在一些示例中，用户端可以基于该目标基站的天线数量和用户端的天线数量获得到达角的指导向量和离场角的指导向量。在一些示例中，到达角的指导向量可以满足：
Figure BDA0002581765560000135
Figure BDA0002581765560000136
其中，可以将到达角θMT,bml代入，由此能够获得目标基站b与用户端m的第l条路径的到达角的指导向量，离场角的指导向量可以满足：
Figure BDA0002581765560000141
其中，可以将离场角θBS,bml代入，由此能够获得目标基站b与用户端m的第l条路径的离场角的指导向量。
在一些示例中，用户端可以基于该目标基站与用户端之间的路径数量、各路径对应的信道增益、该目标基站的天线数量和用户端的天线数量获得该目标基站与用户端之间的信号矩阵。例如，目标基站b与移动终端m之间的信号矩阵可以满足：
Figure BDA0002581765560000142
在一些示例中，用户端可以基于该目标基站的射频链路的数量、目标路径的到达角和目标路径的到达角的指导向量获得该目标基站与用户端之间的组合加权向量。用户端可以基于该目标基站与用户端之间的组合加权向量和信号矩阵获得该目标基站与用户端之间的预编码加权向量。在一些示例中，目标基站的射频链路的数量可以是一个或多个。例如，目标基站的射频链路的数量可以Nr个，即该目标基站可以最多同时向Nr个用户端发射信号。如果目标基站对应的用户端的数量大于射频链路的数量，会使目标基站出现过载情况导致目标基站出现问题。
在一些示例中，各个目标基站的射频链路的数量可以只有一个，并且各个用户端可以获得准确的到达角。例如，用户端m可以获得准确的第l条路径的到达角θMT,bml。在一些示例中，目标路径可以为目标基站与用户端之间的若干路径中信道增益最大的路径。由此，能够便于后续获得该用户端和该基站之间的组合加权向量。在一些示例中，当目标基站b向用户端m发射信号，可以基于式(4)获得目标基站b与用户端m之间的组合加权向量，组合加权向量wMT,bm可以满足：
Figure BDA0002581765560000143
其中，
Figure BDA0002581765560000144
表示为信道增益最大的路径l*(即目标路径)对应的到达角。在一些示例中，目标基站b与用户端m之间的预编码加权向量wBS,bm可以满足
Figure BDA0002581765560000145
在步骤S20中，用户端可以基于组合加权向量、预编码加权向量、信号矩阵、该目标基站的平均传输功率获得干扰信号和目标信号，进而基于噪声信号和共享频谱的带宽获得用户端接收第二信号的平均速率。
具体而言，用户端可以基于信号矩阵、组合加权向量、预编码加权向量和对应的目标基站的平均传输功率获得干扰信号和目标信号。用户端可以基于干扰信号、目标信号、噪声信号以及该目标基站与用户端的共享频谱的带宽获得用户端接收第二信号的平均速率。
在一些示例中，目标基站可以向对应的用户端发射信号。信号经无线信道可以获得第二信号。用户端可以接收第二信号。其中，第二信号可以包含干扰信号、目标信号和噪声信号。
在一些示例中，用户端可以基于用户端和对应的目标基站之间的信号矩阵、组合加权向量、预编码加权向量以及该目标基站的平均传输功率获得用户端接收到的目标信号。例如，目标基站b的平均传输功率可以为PBS，对平均传输功率进行归一化可以满足：
Figure BDA0002581765560000151
(9)，当目标基站b向用户端m发射信号，可以基于式(6)至式(9)获得用户端接收到的目标信号，可以满足：
Figure BDA0002581765560000152
在一些示例中，处于工作状态的多个目标基站可以对应同一个运营商或对应多个运营商。其中，任一目标基站可以对应一个运营商。多个用户端可以对应同一个运营商或对应多个运营商。其中，任一用户端可以对应一个运营商。在一些示例中，多个目标基站可以对应z个运营商。其中，第i个运营商可以具有多个目标基站，第i个运营商对应的所有目标基站的集合可以表示为Bi，则z个运营商对应的所有目标基站的集合可以表示为B∑＝B1∪B2∪...∪BZ。第i个运营商可以服务多个用户端，第i个运营商服务的所有用户端的集合可以表示为Mi，则z个运营商对应的所有用户端的集合可以表示为M∑＝M1∪M2∪...∪MZ。
在一些示例中，任一目标基站可以服务一个或多个用户端。例如，目标基站b可以服务多个用户端。目标基站b服务的所有用户端的集合可以表示为Ab。
在一些示例中，可以有多个目标基站处于工作状态。任一目标基站可以同时向多个用户端发射信号。在一些示例中，用户端可以接收第二信号。第二信号中的干扰信号可以包括由同一个目标基站向其他对应的用户端发射信号产生的第一干扰信号和由同一个运营商的其他目标基站向各自对应的用户端发射信号产生的第二干扰信号以及由不同运营商对应的目标基站向各自对应的用户端发射信号产生的第三干扰信号。在一些示例中，当目标基站b向用户端m发射信号，假设目标基站b对应第z个运营商，则第一干扰信号可以满足：
Figure BDA0002581765560000161
第二干扰信号可以满足：
Figure BDA0002581765560000162
第三干扰信号可以满足：
Figure BDA0002581765560000163
在一些示例中，由于毫米波蜂窝网系统的覆盖范围较小，可以不需要在长距离的基站之间进行协调，并且第二干扰信号和第三干扰信号可以忽略不计。
在一些示例中，用户端可以接收第二信号，第二信号中的噪声信号可以为零均值的复杂高斯变量，第二信号中的噪声信号可以满足：
Figure BDA0002581765560000164
其中，
Figure BDA0002581765560000165
是方差。
在一些示例中，当目标基站b向用户端m发射信号，可以根据式(10)至式(14)获得用户端m从目标基站b接收信息(例如，第二信号)的平均速率Rbm，可以满足：
Figure BDA0002581765560000166
其中，W可以表示为目标基站和用户端频谱共享时的共享带宽，
Figure BDA0002581765560000167
可以为信号干扰噪声比。
在步骤S30中，用户端可以基于平均速率、多个目标基站和多个目标基站与用户端的对应关系获得用户端的总速率，对各个用户端的总速率求和获得目标总速率，进而基于目标总速率检测毫米波蜂窝网系统的性能。
在一些示例中，当目标基站b向用户端m发射信号，假设目标基站b对应第z个运营商，可以根据第z个运营商中的其他目标基站与用户端m的对应关系，由式(15)可以获得用户端m从运营商z对应的所有目标基站处接收到信息(例如，第二信号)的总速率，总速率Rm可以满足：
Figure BDA0002581765560000171
在一些示例中，用户端可以接收对应的运营商中的对应目标基站发射的信号，对所有用户端对应的总速率进行求和可以获得目标总速率，目标总速率R∑可以满足：
Figure BDA0002581765560000172
由此，能够获得目标总速率，并可以根据目标总速率检测目标基站和用户端频谱共享(即毫米波蜂窝网系统)的性能(稍后描述)。
在一些示例中，如图5至图10所示，通过分析本公开和传统方案(即非专利文献1公开的方案)用户端的目标总速率随不同系统参数变化曲线检测毫米波蜂窝网系统的性能，其中，A为本公开的用户端的目标总速率随不同系统参数变化曲线(或柱状图)，B为传统方案的用户端的目标总速率随不同系统参数变化曲线(或柱状图)。如图5至图10中，系统参数满足总带宽为2GHz、fc＝32GHz和αd＝2。另外，每个用户端的射频链路的数量为1个，即每个用户端仅能收到一个目标基站发送的信息。
图5是示出了本公开的示例所涉及的用户端的目标总速率随信噪比变化的波形图。其中，信噪比满足
Figure BDA0002581765560000173
在一些示例中，如图5所示，每个目标基站的天线数量为20个，即NBS＝20，每个用户端的天线数量为5个，即NMT＝5，移动终端的分布频率为每平方公里100个，每个目标基站的射频链路的数量为5个，即Nr＝5，本公开和传统方案的用户端的目标总速率均随着信噪比增加而增加，而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。
图6是示出了本公开的示例所涉及的用户端的目标总速率随目标基站的天线数量变化的波形图。图7是示出了本公开的示例所涉及的用户端的目标总速率随用户端的天线数量变化的波形图。
在一些示例中，如图6所示，信噪比为30dB、每个用户端的天线数量为5个，即NMT＝5，移动终端的分布频率为每平方公里100个，每个目标基站的射频链路的数量为5个，即Nr＝5，本公开和传统方案的用户端的目标总速率均随着每个目标基站的天线数量的增加而增加，因为而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。
在一些示例中，如图7所示，信噪比为30dB、每个目标基站的天线数量为20个，即NBS＝20，移动终端的分布频率为每平方公里100个，每个目标基站的射频链路的数量为5个，即Nr＝5，本公开和传统方案的用户端的目标总速率均随着用户端的天线数量的增加而增加，而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。根据图6和图7所知，目标总速率随着NBS或NMT的数量增加而增加，因为随着天线数量的增加，天线的增益增高，使干扰信号降低，其中，目标总速率以对数形式的上升，说明在信号干扰噪声比下，增加更多的天线单元对于提升目标总速率的影响不大。在这种情况下，可以增加总带宽或为用户端传输并行数据，由此能够进一步提高目标总速率。每个用户端的天线数量增加对目标总速率的影响比每个目标基站的天线数量增加对目标总速率的影响大。为了达到相同的目标总速率，需要在目标基站上增加的天线数量比在用户端增加的天线数量更多。比如当目标总速率达到10-3bits/s/Hz时，图6中需要NBS＝40和NMT＝5，图7中需要NBS＝20和NMT＝9。但对于大型天线元件，用户端的尺寸和电量比目标基站有更多的限制。
图8是示出了本公开的示例所涉及的用户端的目标总速率随用户端的数量变化的波形图。
在一些示例中，如图8所示，信噪比为30dB、每个目标基站的天线数量为20个，即NBS＝20，每个用户端的天线数量为5个，即NMT＝5，每个目标基站的射频链路的数量为5个，即Nr＝5，本公开和传统方案的用户端的目标总速率均随着用户端的数量的增加而增加，其中，通过改变每平方公里的用户端来增加用户端的数量，而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。由图8可知，随着用户端的数量的增加，目标总速率以对数形式的上升，因为增加用户端的数量对目标总速率有更大的贡献，但同时也会使干扰信号增加。
图9是示出了本公开的示例所涉及的目标总速率随射频链路的数量变化的波形图。在一些示例中，如图9所示，信噪比为30dB、每个目标基站的天线数量为20个，即NBS＝20，每个用户端的天线数量为5个，即NMT＝5，移动终端的分布频率为每平方公里100个，本公开和传统方案的用户端的目标总速率均随着每个目标基站的射频链路的数量的增加而减小，而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。由图9可知，随着每个目标基站的射频链路的数量的增加，目标总速率减小，因为随着每个目标基站的射频链路的数量的增加可以减少基站数量，但使干扰信号增加，导致目标总速率降低。
图10是示出了本公开的示例所涉及的用户端的目标总速率随载波频率变化的柱形图。在一些示例中，如图10所示，信噪比为30dB、每个目标基站的天线数量为20个，即NBS＝20，每个用户端的天线数量为5个，即NMT＝5，移动终端的分布频率为每平方公里100个，每个目标基站的射频链路的数量为5个，即Nr＝5，其中A为本公开的用户端的目标总速率随载波频率变化的情况和B为传统方案的用户端的目标总速率随载波频率变化的情况。本公开和传统方案的用户端的目标总速率均随着载波频率的增加而减小，而且具有相同的变化曲线，则说明在其它系统参数相同的情况下，本公开和传统方案具有相同的性能。由图10可知，随着载波频率的增加，目标总速率下降，因为载波频率的增加会使目标基站的覆盖率降低。对于高载波频率，可以在每个目标基站上布置更多的天线单元，由此，能够减少因目标基站的覆盖率降低导致的损失。
如上所述，本实施方式可以保持和传统方案具有相同的性能的同时，还可以在确定目标基站时减小基站的计算复杂度和协调开销。因此根据本公开，能够提供一种减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度的基于聚类算法的毫米波频谱共享方法。
本公开涉及一种基于聚类算法的毫米波频谱共享系统。毫米波频谱共享系统可以是包括多个固定位置的发射装置和多个固定位置的用户装置的频谱共享的毫米波蜂窝网系统。在本公开中，毫米波频谱共享系统中的发射装置可以类比上述基站，用户装置可以类比上述用户端。
图11是示出了本公开的示例所涉及的基于聚类算法的毫米波频谱共享系统1的框图。在一些示例中，如图11所示，毫米波频谱共享系统1可以包含多个发射装置和多个用户装置。在一些示例中，多个发射装置(例如发射装置10、发射装置11、发射装置12等)中的多个目标发射装置(例如发射装置10、发射装置12)可以与对应的多个用户装置之间进行信号传输。例如，发射装置10和发射装置12可以确定为目标发射装置，发射装置10可以向对应的用户装置20和用户装置21发射信号，发射装置12可以向对应的用户装置22和用户装置23发射信号。在一些示例中，发射装置和用户装置可以频谱共享且工作于毫米波蜂窝网。
在一些示例中，多个发射装置(例如发射装置10、发射装置11、发射装置12等)可以接收各个用户装置(例如用户装置20、用户装置21、用户装置22、用户装置23)发射的包含位置信息的位置信号以获得用户装置的位置信息，并基于聚类算法和多个发射装置的位置信息确定多个目标发射装置(例如发射装置10、发射装置12)。聚类算法可以包括基于用户装置的数量和发射装置的射频链路的数量获得多个初始中心点。聚类算法可以基于多个初始中心点、多个用户装置的数量与位置信息以及各个发射装置的射频链路的数量获得与多个用户装置对应的多个聚类中心点。其中，各个聚类中心点分别对应一个目标发射装置，目标发射装置为与该聚类中心点距离最小的发射装置，多个发射装置和多个用户装置频谱共享。目标发射装置的获取可以参见上述步骤S110～步骤S130。其中，多个发射装置可以接收用户装置发射的位置信号以获得用户装置的位置信息通过聚类算法可以确定聚类中心点。由此，能够有效地减小协调开销。由式(3)可以获得发射装置在确定目标发射装置时所需的总运算次数，在这种情况下，能够有效地减小发射装置的计算复杂度。
在一些示例中，可以将多个发射装置中的多个目标发射装置外的发射装置关闭。由此，能够有助于降低能量的消耗。
在一些示例中，针对毫米波频谱共享系统1可以如同上述频谱共享方法对其进行性能检测。如上所述，本实施方式可以保持和传统方案具有相同的性能的同时，还可以在确定目标发射装置时减小发射装置的计算复杂度和协调开销。因此根据本公开，能够提供一种减小毫米波蜂窝网系统的频谱共享的协调开销和计算复杂度的基于聚类算法的毫米波频谱共享系统1。
虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。

Claims (10)

1.一种基于聚类算法的毫米波频谱共享方法，是具有多个固定位置的基站和多个固定位置的用户端的毫米波蜂窝网系统的频谱共享方法，其特征在于，
包括：
多个所述基站接收各个所述用户端发射的包含位置信息的位置信号以获得所述用户端的位置信息，各个基站获得各自的位置信息，所述多个基站根据聚类算法、所述基站各自的位置信息、所述用户端的位置信息和所述基站的射频链路的数量确定多个聚类中心点，所述聚类算法基于所述用户端的数量和所述基站的射频链路的数量获得多个初始中心点，并基于所述多个初始中心点、多个用户端的数量与位置信息以及各个所述基站的射频链路的数量获得与所述多个用户端对应的多个聚类中心点，并基于所述聚类算法和多个所述基站的位置信息确定多个目标基站，各个所述目标基站分别与对应的用户端之间进行信号传输，
其中，获得所述多个初始中心点为：基于所述用户端的数量和所述基站的射频链路的数量获得所述多个初始中心点，所述初始中心点的数量K满足：
Figure FDA0003209447090000011
MΣ表示为所有用户端的集合，|MΣ|表示为所述用户端的数量，Nr表示为所述基站的射频链路的数量，
确定所述聚类中心点的方法包括以下步骤：将所述初始中心点作为初始聚类中心点，基于各个用户端的位置信息和所述初始聚类中心点对各个用户端进行聚类划分，根据划分的多个聚类获得各个聚类的中心点，判断各个聚类中的元素是否不在发生变化，若发生变化，则将各个聚类的中心点作为所述初始聚类中心点，若不发生变化，则判断各个聚类中对应的用户端的数量是否不大于任一基站的射频链路的数量，若大于，则将所述初始中心点的数量增加一个，该增加的初始中心点随机选取，若不大于，则将各个聚类的中心点作为所述聚类中心点，
各个聚类中心点分别对应一个目标基站，所述目标基站为与该聚类中心点距离最小的基站，多个所述基站和多个所述用户端频谱共享，通过
Figure FDA0003209447090000021
获得多个所述基站中与第k个聚类中心点的距离最小的基站，k＝1,2,...,K，K表示聚类的数量，b∈BΣ，BΣ表示为所有基站的集合，(xBS,b,yBS,b)表示为第b个基站的位置信息，μk表示为第k个聚类对应的聚类中心点。
2.根据权利要求1所述的毫米波频谱共享方法，其特征在于：
所述聚类算法为K均值聚类算法。
3.根据权利要求1所述的毫米波频谱共享方法，其特征在于：
各个用户端均能获得各自对应的位置信息。
4.根据权利要求1所述的毫米波频谱共享方法，其特征在于：
将多个所述基站中的所述多个目标基站外的基站关闭。
5.根据权利要求1所述的毫米波频谱共享方法，其特征在于：
所述多个用户端划分为多个聚类，任一聚类中的用户端数量不超过该聚类对应的目标基站的射频链路的数量。
6.一种基于聚类算法的毫米波频谱共享系统，是具有多个固定位置的发射装置和多个固定位置的用户装置的频谱共享的毫米波蜂窝网系统，其特征在于，
包括：
多个所述发射装置接收各个所述用户装置发射的包含位置信息的位置以获得所述用户装置的位置信息，各个发射装置获得各自的位置信息，所述多个发射装置根据聚类算法、所述发射装置各自的位置信息、所述用户装置的位置信息和所述发射装置的射频链路的数量确定多个聚类中心点，所述聚类算法基于所述用户装置的数量和所述发射装置的射频链路的数量获得多个初始中心点，并基于所述多个初始中心点、多个用户装置的数量与位置信息以及各个所述发射装置的射频链路的数量获得与所述多个用户装置对应的多个聚类中心点，并基于所述聚类算法和多个所述发射装置的位置信息确定多个目标发射装置，各个所述目标发射装置分别与对应的用户装置之间进行信号传输，
其中，获得所述多个初始中心点为：基于所述用户装置的数量和所述发射装置的射频链路的数量获得所述多个初始中心点，所述初始中心点的数量K满足：
Figure FDA0003209447090000031
MΣ表示为所有用户装置的集合，|MΣ|表示为所述用户装置的数量，Nr表示为所述发射装置的射频链路的数量，
确定所述聚类中心点的方法包括以下步骤：将所述初始中心点作为初始聚类中心点，基于各个用户装置的位置信息和所述初始聚类中心点对各个用户装置进行聚类划分，根据划分的多个聚类获得各个聚类的中心点，判断各个聚类中的元素是否不在发生变化，若发生变化，则将各个聚类的中心点作为所述初始聚类中心点，若不发生变化，则判断各个聚类中对应的用户装置的数量是否不大于任一发射装置的射频链路的数量，若大于，则将所述初始中心点的数量增加一个，该增加的初始中心点随机选取，若不大于，则将各个聚类的中心点作为所述聚类中心点，
各个聚类中心点分别对应一个目标发射装置，所述目标发射装置为与该聚类中心点距离最小的发射装置，多个所述发射装置和多个所述用户装置频谱共享，通过
Figure FDA0003209447090000032
获得多个所述发射装置中与第k个聚类中心点的距离最小的发射装置，k＝1,2,...,K，K表示聚类的数量，b∈BΣ，BΣ表示为所有发射装置的集合，(xBS,b,yBS,b)表示为第b个发射装置的位置信息，μk表示为第k个聚类对应的聚类中心点。
7.根据权利要求6所述的毫米波频谱共享系统，其特征在于：
所述聚类算法为K均值聚类算法。
8.根据权利要求6所述的毫米波频谱共享系统，其特征在于：
各个用户装置均能获得各自对应的位置信息。
9.根据权利要求6所述的毫米波频谱共享系统，其特征在于：
将多个所述发射装置中的所述多个目标发射装置外的发射装置关闭。
10.根据权利要求6所述的毫米波频谱共享系统，其特征在于：
所述多个用户装置划分为多个聚类，任一聚类中的用户装置数量不超过该聚类对应的目标发射装置的射频链路的数量。
CN202010669552.7A 2020-07-13 2020-07-13 基于聚类算法的毫米波频谱共享方法及系统 Active CN111787482B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010669552.7A CN111787482B (zh) 2020-07-13 2020-07-13 基于聚类算法的毫米波频谱共享方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010669552.7A CN111787482B (zh) 2020-07-13 2020-07-13 基于聚类算法的毫米波频谱共享方法及系统

Publications (2)

Publication Number Publication Date
CN111787482A CN111787482A (zh) 2020-10-16
CN111787482B true CN111787482B (zh) 2021-10-15

Family

ID=72768511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010669552.7A Active CN111787482B (zh) 2020-07-13 2020-07-13 基于聚类算法的毫米波频谱共享方法及系统

Country Status (1)

Country Link
CN (1) CN111787482B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017171437A1 (en) * 2016-03-31 2017-10-05 Samsung Electronics Co., Ltd. Method and apparatus for transmission of control and data in vehicle to vehicle communication
CN109964463A (zh) * 2016-11-03 2019-07-02 高通股份有限公司 用于在新无线电中的信令和信道设计的技术
WO2019156905A1 (en) * 2018-02-07 2019-08-15 Qualcomm Incorporated Mobile device centric clustering in wireless systems
CN110199497A (zh) * 2017-01-04 2019-09-03 Lg电子株式会社 在无线通信系统中在3gpp lte与nr之间共享频谱的方法和设备
CN111147419A (zh) * 2020-01-03 2020-05-12 深圳大学 基于聚类算法的无线通信系统的相位噪声补偿方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9210048B1 (en) * 2011-03-31 2015-12-08 Amazon Technologies, Inc. Clustered dispersion of resource use in shared computing environments
CN105072689B (zh) * 2015-08-31 2019-04-09 西安电子科技大学 基于有源天线阵列模型的多播系统无线资源优化分配方法
CN110049542B (zh) * 2019-06-10 2020-01-10 深圳大学 基于mimo系统的上行链路的数据传输方法及系统
CN110233653B (zh) * 2019-06-10 2020-03-20 深圳大学 基于加权集成聚类算法的mimo系统的盲多径识别方法及系统
CN111148250B (zh) * 2019-12-24 2023-04-07 深圳大学 一种网络资源分配方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017171437A1 (en) * 2016-03-31 2017-10-05 Samsung Electronics Co., Ltd. Method and apparatus for transmission of control and data in vehicle to vehicle communication
CN109964463A (zh) * 2016-11-03 2019-07-02 高通股份有限公司 用于在新无线电中的信令和信道设计的技术
CN110199497A (zh) * 2017-01-04 2019-09-03 Lg电子株式会社 在无线通信系统中在3gpp lte与nr之间共享频谱的方法和设备
WO2019156905A1 (en) * 2018-02-07 2019-08-15 Qualcomm Incorporated Mobile device centric clustering in wireless systems
CN111147419A (zh) * 2020-01-03 2020-05-12 深圳大学 基于聚类算法的无线通信系统的相位噪声补偿方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Spectrum Sharing in mmWave Cellular Networks Using Clustering Algorithms;Ning Xie，Le Ou-Yang，Alex X. Liu;《IEEE/ACM TRANSACTIONS ON NETWORKING》;20200407;1378-1389 *

Also Published As

Publication number Publication date
CN111787482A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
US20230262506A1 (en) Beam reporting method, beam information determining method, and related device
TWI680680B (zh) 波束管理方法及其使用者設備
EP3560109B1 (en) Bandwidth reduction with beamforming and data compression
KR101365563B1 (ko) 다중 사용자 통신 방법에서 피드백 정보 제어 방법
Cupo et al. A four-element adaptive antenna array for IS-136 PCS base stations
WO2011007576A1 (ja) コグニティブ無線通信における電力制御方法，コグニティブ無線通信システム，及び無線通信デバイス
EP3289695A1 (en) Rf beamforming control in a communication system
CN1423864A (zh) 在利用天线阵列的cdma系统中的下行链路信号处理
EP3360263A1 (en) Techniques to reduce radiated power for mimo wireless systems
WO2017167503A1 (en) Dynamic time division duplex interference mitigation in a wireless network
CN110166088B (zh) 以用户为中心的无小区mimo系统的功率控制算法
CN111800738B (zh) 基于聚类算法的毫米波移动基站在线频谱共享方法及系统
WO2020001527A1 (zh) 波束的选择方法、装置和存储介质
US20230379035A1 (en) Multi-level beam scheduling in a wireless communications circuit, particularly for a wireless communications system (wcs)
KR102387505B1 (ko) 무선 통신 시스템에서 송신 전력을 조절하기 위한 방법 및 장치
CN113873424A (zh) 一种波束管理方法及装置
CN111787482B (zh) 基于聚类算法的毫米波频谱共享方法及系统
CN111818453B (zh) 基于聚类算法的毫米波移动基站频谱共享方法及系统
CN111800737B (zh) 基于聚类算法的毫米波在线频谱共享方法及系统
CN110535579B (zh) 下行数据的传输方法、网络设备及终端
CN107395260B (zh) 基于人造噪声的分布式安全波束成型方法及装置
WO2017154555A1 (ja) 基地局
US10763932B2 (en) Base station apparatus, wireless communication system, method and non-transitory storage medium
US11611884B2 (en) Dynamic configuration of overlapping basic service set preamble detect (OBSS PD) parameters for access points
KR102041669B1 (ko) 수신 장치의 이동성 지원을 위한 송신 장치의 다중 안테나 빔 형성 방법 및 시스템

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