CN111800738B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111800738B
CN111800738B CN202010668790.6A CN202010668790A CN111800738B CN 111800738 B CN111800738 B CN 111800738B CN 202010668790 A CN202010668790 A CN 202010668790A CN 111800738 B CN111800738 B CN 111800738B
Authority
CN
China
Prior art keywords
base station
user
target
cluster
target base
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
CN202010668790.6A
Other languages
English (en)
Other versions
CN111800738A (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 CN202010668790.6A priority Critical patent/CN111800738B/zh
Priority to PCT/CN2020/105610 priority patent/WO2022011750A1/zh
Publication of CN111800738A publication Critical patent/CN111800738A/zh
Application granted granted Critical
Publication of CN111800738B publication Critical patent/CN111800738B/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移动基站在线频谱共享方法，其包括：多个基站基于多个用户端的位置信息和聚类算法确定多个聚类中心点，进而基于多个聚类中心点移动基站获得多个目标基站，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，若用户端移动或出现新的用户端，则该用户端由距离最近的目标基站服务，若该目标基站增加用户端后射频链路的数量不小于该目标基站服务的用户端的数量，则多个目标基站不变，若该目标基站增加用户端后射频链路的数量小于该目标基站服务的用户端的数量，则将初始中心点的数量增加并重新确定目标基站。由此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。

Description

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
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移动基站在线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移动基站在线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移动基站在线频谱共享方法，是具有多个基站和多个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：所述多个基站接收各个用户端发射的位置信号以获得用户端的位置信息，并基于聚类算法确定多个聚类中心点，进而基于所述多个聚类中心点移动若干个基站获得多个目标基站，所述聚类算法基于所述用户端的数量和所述多个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、所述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，所述多个基站和所述多个用户端频谱共享，若所述用户端移动或出现新的用户端，则该用户端由距离最近的目标基站服务，若该目标基站增加用户端后射频链路的数量不小于该目标基站服务的用户端的数量，则所述多个目标基站不变，若该目标基站增加用户端后射频链路的数量小于该目标基站服务的用户端的数量，则将初始中心点的数量增加并基于所述各个用户端的位置信息、所述聚类算法和所述各个基站重新确定所述多个目标基站。
在本公开中，多个基站基于多个用户端的位置信息和聚类算法确定多个聚类中心点，进而基于多个聚类中心点移动基站获得多个目标基站，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。若用户端移动或出现新的用户端，则该用户端由距离最近的目标基站服务，若该目标基站增加用户端后射频链路的数量不小于该目标基站服务的用户端的数量，则多个目标基站不变，若该目标基站增加用户端后射频链路的数量小于该目标基站服务的用户端的数量，则将初始中心点的数量增加并基于各个用户端的位置信息、聚类算法和各个基站重新确定多个目标基站。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移动基站在线频谱共享方法中，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移动基站在线频谱共享方法中，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移动基站在线频谱共享方法中，可选地，将所述多个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移动基站在线频谱共享方法中，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移动基站在线频谱共享系统，是具有多个发射装置和多个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：所述多个发射装置接收各个用户装置发射的位置信号以获得用户装置的位置信息，并基于聚类算法确定多个聚类中心点，进而基于所述多个聚类中心点移动若干个发射装置获得多个目标发射装置，所述聚类算法基于所述用户装置的数量和所述多个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、所述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所述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，所述多个发射装置和所述多个用户装置频谱共享。若所述用户装置移动或出现新的用户装置，则该用户装置由距离最近的目标发射装置服务，若该目标发射装置增加用户装置后射频链路的数量不小于该目标发射装置服务的用户装置的数量，则所述多个目标发射装置不变，若该目标发射装置的射频链路的数量小于该目标发射装置服务的用户装置的数量，则将初始中心点的数量增加并基于所述各个用户装置的位置信息、所述聚类算法和所述各个发射装置重新确定所述多个目标发射装置。
在本公开中，多个发射装置基于多个用户装置的位置信息和聚类算法确定多个聚类中心点，进而基于多个聚类中心点移动发射装置获得多个目标发射装置，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。若用户装置移动或出现新的用户装置，则该用户装置由距离最近的目标发射装置服务，若该目标发射装置增加用户装置后射频链路的数量不小于该目标发射装置服务的用户装置的数量，则多个目标发射装置不变，若该目标发射装置增加用户端后射频链路的数量小于该目标发射装置服务的用户装置的数量，则将初始中心点的数量增加并基于各个用户装置的位置信息、聚类算法和各个发射装置重新确定多个目标发射装置。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移动基站在线频谱共享系统中，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移动基站在线频谱共享系统中，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移动基站在线频谱共享系统中，可选地，将所述多个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移动基站在线频谱共享系统中，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移动基站在线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移动基站在线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在线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K值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用户端的目标总速率随用户端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K值随射频链路的数量变化的波形图。
图11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12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13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变化的柱形图。
图14是示出了本公开的示例所涉及的基于聚类算法的毫米波移动基站在线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移动基站在线频谱共享方法及系统。在本公开中，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移动基站在线频谱共享方法的应用场景示意图。如图1所示，毫米波移动基站在线频谱共享方法(简称“在线频谱共享方法”)是具有多个基站和多个用户端的毫米波蜂窝网系统的在线频谱共享方法。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。在一些示例中，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，基站的位置可以是移动的。用户端的位置可以是移动的。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4个基站(例如基站 101、基站102等)和13个用户端(例如用户端200、用户端201 等)。其中，一个用户端为之后新增加的用户端(例如，用户端212，稍后描述)，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。
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。
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，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移动若干个基站获得多个目标基站(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大于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 BDA0002581517900000081
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4个基站、12个用户端(除了用户端212)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，其中，基站是可以移动的，图1中的用户端212为之后增加新的用户端(稍后描述)。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 BDA0002581517900000091
来确定各个聚类对应的中心点，其中，
Figure BDA0002581517900000092
表示为第k个聚类，
Figure BDA0002581517900000093
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 BDA0002581517900000094
其中，k＝1,2,...,K，m∈M∑，
Figure BDA0002581517900000101
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 BDA0002581517900000102
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移动若干个基站获得多个目标基站。在一些示例中，可以从多个基站中选取若干个基站分别移动到各个聚类中心点对应的位置作为目标基站。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，也就是说，各个聚类中心点可以分别对应一个目标基站。在一些示例中，若各个聚类中心点和任一用户端的位置均不相同，则将若干个基站从多个基站中选出若干个基站，并可以将其分别移动到各个聚类中心点作为目标基站。例如，如图1所示，12个用户端(未包括用户端212) 被划分为4个聚类(聚类300、聚类310、聚类320、聚类330)，分别对应4个聚类中心点(未图示)，选取4个基站(基站101、基站102、基站103、基站104)分别移动到4个聚类中心点对应的位置作为4个目标基站。在一些示例中，若聚类中心点和任一用户端的位置相同，则可以将基站移动到该聚类中心点的附近作为目标基站。在一些示例中，可以将基站移动到该聚类中心点的周围十米内(例如周围一米远) 的位置。由此，能够移动若干个基站获得多个目标基站。例如，如图1 所示，可以分别将基站101、基站102、基站103、基站104分别移动到各个聚类中心点对应的位置作为目标基站。
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为小于或等于基站101的射频链路的数量，基站101可以同时向其对应的用户端(即用户端200、用户端201和用户端202)发射信号。
在一些示例中，可以将现有的用户端移动或增加新的用户端(例如，图1中的用户端212)，可以基于该用户端的位置信息和各个聚类中心点确定该用户端对应的聚类，从而确定该用户端对应的目标基站。具体而言，可以根据该用户端与各个聚类中心点之间的距离确定该用户端对应的聚类，从而确定该聚类对应的目标基站，该用户端可以由该目标基站服务。在一些示例中，可以将距离该用户端最近的聚类中心点对应的聚类作为该用户端对应的聚类。例如，可以通过
Figure BDA0002581517900000121
获得多个聚类中心点中与该用户端m的距离最小的聚类中心点，由此能够获得该用户端m对应的聚类，即该聚类对应的目标基站可以服务于该用户端。
在一些示例中，若该目标基站(距离移动或新的用户端最近的目标基站)增加用户端后射频链路的数量不小于该目标基站当前对应的用户端的数量，则可以不改变当前的聚类，即可以保持现有的目标基站(即确定的多个目标基站可以不变)。在一些示例中，若该目标基站的射频链路的数量小于该目标基站当前对应的用户端的数量，则可以改变当前的聚类，可以重新确定目标基站。例如，如图1所示，若增加新的用户端(例如用户端212)，用户端212距离目标基站(基站 103)最近，则可以确定用户端212对应目标基站(基站103)，目标基站(基站103)的射频链路的数量为3个(例如射频链路403、射频链路404、射频链路405)，且此时目标基站(基站103)对应的用户端的数量为4个(例如用户端206、用户端207、用户端208、用户端 212)，则可以改变当前的聚类，即可以重新确定目标基站，从而能够使基站和用户端更好地正常工作。在一些示例中，可以基于聚类算法、各个用户端的位置信息确定多个新的聚类中心点，进而移动基站重新确定目标基站。也就是说，若将现有的用户端移动或增加新的用户端，使其对应的目标基站的射频链路的数量小于该目标基站对应的用户端的数量，则可以将初始中心点的数量增加一个(例如重新进入步骤 S127)，可以基于聚类算法重新确定目标基站。
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，每个基站可以接收用户端的位置信息并通过聚类算法可以确定聚类中心点。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 BDA0002581517900000131
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 BDA0002581517900000132
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 BDA0002581517900000133
次运算。在本实施方式中，可以将用户端移动或增加新的用户端，可以通过比较该用户端到各个聚类中心点的距离确定该用户端对应的目标基站。其中，对于该用户端需要K次运算。
在本实施方式中，可以根据聚类中心点移动基站获得多个目标基站，可以从多个基站中选取若干个基站分别移动到各个聚类中心点对应的位置作为目标基站。
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 BDA0002581517900000134
在这种情况下，能够有效地减小基站的计算复杂度。在一些示例中，若新增加的用户端对应的目标基站的射频链路的数量小于服务的用户端(包括新增加的用户端)的数量，则需要对所有的基站和用户端(包括新增加的用户端)重新进行聚类划分和重新确定目标基站(即重新确定新的目标基站)。在一些示例中，可以重新进入步骤S127，基于聚类算法重新确定目标基站。在这种情况下，总运算次数可以满足：
Figure BDA0002581517900000135
由此可知，本实施方式能够有效地减小基站的计算复杂度。
在本实施方式中，在线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，针对上述的在线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在线频谱共享方法的性能检测方法的流程示意图。
在本实施方式中，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 BDA0002581517900000151
其中，
Figure BDA0002581517900000152
是与距离相关的大规模对数正态路径衰落，
Figure BDA0002581517900000153
可以满足
Figure BDA0002581517900000154
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 BDA0002581517900000161
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 BDA0002581517900000163
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 BDA0002581517900000164
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(5)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 BDA0002581517900000171
其中，
Figure BDA0002581517900000172
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 BDA0002581517900000173
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 BDA0002581517900000174
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 BDA0002581517900000176
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 BDA0002581517900000181
第二干扰信号可以满足：
Figure BDA0002581517900000182
第三干扰信号可以满足：
Figure BDA0002581517900000183
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 BDA0002581517900000184
其中，
Figure BDA0002581517900000185
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 BDA0002581517900000191
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 BDA0002581517900000192
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 BDA0002581517900000193
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 BDA0002581517900000194
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12所示(除了图8和图10)，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)，B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)。如图5至图12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 BDA0002581517900000201
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，且呈线性增加，由图5可知，本公开的方案具有更好的性能，例如当总速率达到10-2 bits/s/Hz时，本公开的方案所需的信噪比比传统方案低19dB。
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，且呈对数形式增加。由图6可知，两种方案为了达到相同的目标总速率，本公开的方案所需的目标基站的天线数量比传统方案少，即本公开的方案具有更好的性能。
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，且呈对数形式增加。由图7可知，两种方案为了达到相同的目标总速率，本公开的方案所需的用户端的天线数量比传统方案少，即本公开的方案具有更好的性能。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K值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用户端的目标总速率随用户端的数量变化的波形图。其中，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，用户端的数量由每平方公里20个变化到每平方公里100。
在一些示例中，如图8所示，A为本公开的方案中K值随用户端的数量变化的波形图，其中，K值随用户端的数量的增加而增加，且呈线性增加。在这种情况下，有助于预测本公开的方案所需的目标基站的数量。
在一些示例中，如图9所示，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，且呈对数形式增加。由图9 可知，两种方案为了达到相同的目标总速率，本公开的方案所需的用户端的数量比传统方案少，即本公开的方案具有更好的性能。由图9 可知，随着用户端的数量的增加，两种方案的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10是示出了本公开的示例所涉及的K值随射频链路的数量变化的波形图。图11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。其中，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。
在一些示例中，如图10所示，A为本公开的方案中K值随射频链路的数量变化的波形图，其中，K值随每个目标基站的射频链路的数量的增加而减小。在这种情况下，能够减少本公开的方案所需的目标基站的数量。
在一些示例中，如图11所示，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，其中本公开的方案受到的影响更大。由图10和图11可知，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12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，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。由图12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数量更多的天线，由此，能够减少因目标基站的覆盖率降低导致的损失。
图13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变化的柱形图。其中，A为本公开的方案未增加新的用户端时对应的目标总速率，B为本公开的方案随时增加新的用户端时对应的目标总速率，其中，在曲线B中除了新增加的用户端，其他用户端的位置可以不发生变化。除了用户端的数量不同，其他参数可以和图9相同， A、B分别为每平方公里用户端的数量为50、51、52时对应的目标总速率的柱状图。由图13可知，随时增加新的用户端时和未增加新的用户端时具有相同的目标总速率，即本公开的随时增加新的用户端可以和未增加新的用户端时具有相同的性能。并且随着用户端的数量的增加，目标总速率增加。
如上所述，本实施方式相比传统方案具有更好的性能，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移动基站在线频谱共享方法。
本公开涉及一种基于聚类算法的毫米波移动基站在线频谱共享系统。毫米波移动基站在线频谱共享系统是包括多个发射装置和多个用户装置的毫米波蜂窝网系统。在本公开中，毫米波移动基站在线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14是示出了本公开的示例所涉及的基于聚类算法的毫米波移动基站在线频谱共享系统1的框图。在一些示例中，如图14所示，毫米波移动基站在线频谱共享系统1可以包含多个发射装置和多个用户装置。在一些示例中，多个目标发射装置(例如发射装置10、发射装置 11)可以与对应的多个用户装置之间进行信号传输。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，并基于聚类算法确定多个聚类中心点，进而基于多个聚类中心点移动若干个基站作为目标基站(例如发射装置10、发射装置11)。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，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～S130。
在一些示例中，若各个聚类中心点和任一用户装置的位置均不相同，则将若干个发射装置分别移动到各个聚类中心点作为目标发射装置，若聚类中心点和任一用户装置的位置相同，则将发射装置移动到该聚类中心点的附近作为目标发射装置，目标发射装置和多个聚类中心点一一对应。多个发射装置和多个用户装置共享频谱。目标发射装置的获取可以参见上述性能检测方法中的步骤S10。其中，每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。具体过程可以参见上述在线频谱共享方法。
在一些示例中，可以将现有的用户装置移动或增加新的用户装置，在这种情况下，通过计算该用户装置和各个聚类中心点的距离确定该用户装置对应的目标发射装置，其中，目标发射装置对应的聚类中心点可以是与该用户装置距离最小的。在一些示例中，若该目标发射装置增加用户装置后射频链路的数量不小于该目标发射装置当前对应的用户装置的数量，则可以不改变当前的聚类，即可以保持现有的目标发射装置。在一些示例中，若该目标发射装置的射频链路的数量小于该目标发射装置当前对应的用户装置的数量，则可以改变当前的聚类，可以重新确定目标发射装置，即可以重新确定新的目标发射装置。具体过程可以参见上述在线频谱共享方法。在本实施方式中，由式(3) 和式(4)可以获得发射装置在不同情况下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，针对毫米波移动基站在线频谱共享系统1可以如同上述在线频谱共享方法对其进行性能检测。如上所述，本公开的方案相比传统方案具有更好的性能，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移动基站在线频谱共享系统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移动基站在线频谱共享方法，是具有多个基站和多个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：
所述多个基站接收各个用户端发射的位置信号以获得用户端的位置信息，并基于聚类算法确定多个聚类中心点，进而基于所述多个聚类中心点移动若干个基站获得多个目标基站，所述聚类算法基于所述用户端的数量和所述多个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、所述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，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，所述多个基站和所述多个用户端频谱共享，若所述用户端移动或出现新的用户端，则该用户端由距离最近的目标基站服务，若该目标基站增加用户端后射频链路的数量不小于该目标基站服务的用户端的数量，则所述多个目标基站不变，若该目标基站增加用户端后射频链路的数量小于该目标基站服务的用户端的数量，则将初始中心点的数量增加并基于所述各个用户端的位置信息、所述聚类算法和所述各个基站重新确定所述多个目标基站。
2.根据权利要求1所述的毫米波移动基站在线频谱共享方法，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所述的毫米波移动基站在线频谱共享方法，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所述的毫米波移动基站在线频谱共享方法，其特征在于：
将所述多个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所述的毫米波移动基站在线频谱共享方法，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移动基站在线频谱共享系统，是具有多个发射装置和多个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：
所述多个发射装置接收各个用户装置发射的位置信号以获得用户装置的位置信息，并基于聚类算法确定多个聚类中心点，进而基于所述多个聚类中心点移动若干个发射装置获得多个目标发射装置，所述聚类算法基于所述用户装置的数量和所述多个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、所述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所述多个用户装置对应的多个聚类中心点；
其中，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发射装置，所述多个发射装置和所述多个用户装置频谱共享，若所述用户装置移动或出现新的用户装置，则该用户装置由距离最近的目标发射装置服务，若该目标发射装置增加用户装置后射频链路的数量不小于该目标发射装置服务的用户装置的数量，则所述多个目标发射装置不变，若该目标发射装置的射频链路的数量小于该目标发射装置服务的用户装置的数量，则将初始中心点的数量增加并基于所述各个用户装置的位置信息、所述聚类算法和所述各个发射装置重新确定所述多个目标发射装置。
7.根据权利要求6所述的毫米波移动基站在线频谱共享系统，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所述的毫米波移动基站在线频谱共享系统，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所述的毫米波移动基站在线频谱共享系统，其特征在于：
将所述多个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所述的毫米波移动基站在线频谱共享系统，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。
CN202010668790.6A 2020-07-13 2020-07-13 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 Active CN111800738B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010668790.6A CN111800738B (zh) 2020-07-13 2020-07-13 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
PCT/CN2020/105610 WO2022011750A1 (zh) 2020-07-13 2020-07-29 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010668790.6A CN111800738B (zh) 2020-07-13 2020-07-13 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

Publications (2)

Publication Number Publication Date
CN111800738A CN111800738A (zh) 2020-10-20
CN111800738B true CN111800738B (zh) 2021-10-12

Family

ID=72808419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010668790.6A Active CN111800738B (zh) 2020-07-13 2020-07-13 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

Country Status (2)

Country Link
CN (1) CN111800738B (zh)
WO (1) WO2022011750A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111800738B (zh) * 2020-07-13 2021-10-12 深圳大学 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
CN116545519B (zh) * 2023-05-09 2023-10-20 中国人民解放军61905部队 一种机动散射通信站点的规划方法、系统及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1954534A (zh) * 2004-03-19 2007-04-25 高通股份有限公司 用于在通信系统中进行灵活频谱分配的方法和装置
CN102006599A (zh) * 2010-11-05 2011-04-06 北京邮电大学 宏小区与毫微微小区的混合组网中的干扰抑制方法
CN102905275A (zh) * 2012-10-10 2013-01-30 兰州交通大学 适用于认知Ad Hoc网络的基于优先级的频谱分配方法
CN105356994A (zh) * 2015-12-08 2016-02-24 深圳大学 一种mimo雷达系统及其在动态目标端的相位同步方法
CN108880730A (zh) * 2018-05-30 2018-11-23 西北工业大学 一种基于干扰阈值的多用户超密集异构小区动态分簇方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2437536B1 (en) * 2010-09-29 2018-04-25 Alcatel Lucent Method and device to manage cells in a cellular network
CN103760519B (zh) * 2014-01-24 2016-02-03 深圳大学 高分辨率doa估计方法及系统
CN105704723B (zh) * 2014-11-27 2020-12-15 中兴通讯股份有限公司 一种频谱共享方法及通信站点
CN106304093B (zh) * 2015-06-12 2019-09-20 上海无线通信研究中心 一种网络间共享频谱优化系统及方法
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
CN110519695B (zh) * 2019-05-31 2020-12-11 中国人民解放军国防科技大学 一种数据库辅助的卫星系统与地面蜂窝网络频谱共享方法
CN110337144B (zh) * 2019-06-05 2021-01-12 浙江大学 基于角度域毫米波非正交多址接入系统的功率分配方法
CN111083708B (zh) * 2019-12-02 2022-09-23 北京邮电大学 一种基于干扰感知多图的v2v通信异质频谱分配方法
CN111800738B (zh) * 2020-07-13 2021-10-12 深圳大学 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1954534A (zh) * 2004-03-19 2007-04-25 高通股份有限公司 用于在通信系统中进行灵活频谱分配的方法和装置
CN102006599A (zh) * 2010-11-05 2011-04-06 北京邮电大学 宏小区与毫微微小区的混合组网中的干扰抑制方法
CN102905275A (zh) * 2012-10-10 2013-01-30 兰州交通大学 适用于认知Ad Hoc网络的基于优先级的频谱分配方法
CN105356994A (zh) * 2015-12-08 2016-02-24 深圳大学 一种mimo雷达系统及其在动态目标端的相位同步方法
CN108880730A (zh) * 2018-05-30 2018-11-23 西北工业大学 一种基于干扰阈值的多用户超密集异构小区动态分簇方法

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;第1378页-1389页 *

Also Published As

Publication number Publication date
CN111800738A (zh) 2020-10-20
WO2022011750A1 (zh) 2022-01-20

Similar Documents

Publication Publication Date Title
CN109891963B (zh) 用于三维多输入多输出通信系统中波束赋形的参考信号的系统和方法
CN107306162B (zh) 多小区及多用户毫米波蜂窝网络中的干扰管理方法
EP3560109B1 (en) Bandwidth reduction with beamforming and data compression
KR101365563B1 (ko) 다중 사용자 통신 방법에서 피드백 정보 제어 방법
WO2018126850A1 (en) Uplinksignal transmit power control
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
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
KR102387505B1 (ko) 무선 통신 시스템에서 송신 전력을 조절하기 위한 방법 및 장치
WO2020001527A1 (zh) 波束的选择方法、装置和存储介质
WO2012003860A1 (en) Method and arrangement for reducing interference and enhancing coverage
CN110166088A (zh) 以用户为中心的无小区mimo系统的功率控制算法
KR20200129008A (ko) 무선 통신 시스템에서 간섭을 관리하기 위한 장치 및 방법
EP2510735B1 (en) System and method for scheduling users in a wireless network
CN113873424A (zh) 一种波束管理方法及装置
CN110535579B (zh) 下行数据的传输方法、网络设备及终端
CN111800737B (zh) 基于聚类算法的毫米波在线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
CN111787482B (zh) 基于聚类算法的毫米波频谱共享方法及系统
CN107395260B (zh) 基于人造噪声的分布式安全波束成型方法及装置
EP4233191A1 (en) Beamforming in listen-before-talk environments
Yang et al. : Multi-Dimensional Spatial Reuse Enhancement for Directional Millimeter-Wave Wireless Networks
Song et al. On the feasibility of interference alignment in ultra-dense millimeter-wave cellular networks
WO2017154555A1 (ja) 基地局
US11611884B2 (en) Dynamic configuration of overlapping basic service set preamble detect (OBSS PD) parameters for access points
US20240348301A1 (en) Control apparatus, control method, and recording medium

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