CN113973311B - 一种pci规划方法及装置 - Google Patents

一种pci规划方法及装置 Download PDF

Info

Publication number
CN113973311B
CN113973311B CN202010711298.2A CN202010711298A CN113973311B CN 113973311 B CN113973311 B CN 113973311B CN 202010711298 A CN202010711298 A CN 202010711298A CN 113973311 B CN113973311 B CN 113973311B
Authority
CN
China
Prior art keywords
pci
cell
cells
candidate
pci planning
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
CN202010711298.2A
Other languages
English (en)
Other versions
CN113973311A (zh
Inventor
方婧华
冯绍鹏
吴建峰
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.)
Datang Mobile Communications Equipment Co Ltd
Original Assignee
Datang Mobile Communications Equipment 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 Datang Mobile Communications Equipment Co Ltd filed Critical Datang Mobile Communications Equipment Co Ltd
Priority to CN202010711298.2A priority Critical patent/CN113973311B/zh
Publication of CN113973311A publication Critical patent/CN113973311A/zh
Application granted granted Critical
Publication of CN113973311B publication Critical patent/CN113973311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开公开了一种PCI规划方法及装置。该方法中，将待进行PCI规划的小区按照优先级进行分组；采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰；根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；根据最优PCI规划方案，为所述待进行PCI规划的小区分配PCI。其中，一个PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间总干扰进行加权求和得到的，从而将小区优先级引入到小区间总干扰的计算过程，使得选择出的PCI规划方案更优化。

Description

一种PCI规划方法及装置
技术领域
本公开涉及无线通信技术领域，尤其涉及一种物理小区标识(Physical CellIndex，PCI)规划方法及装置。
背景技术
PCI(Physical Cell Index)是5G网络的物理小区标识，用于区分不同小区的无线信号，保证在相关小区覆盖范围内没有相同的物理小区标识。PCI是基站规划中的一个重要参数，它影响着下行同步、用户接入、切换和小区的吞吐量。
因此，如何进行PCI规划，是目前需要解决的技术问题。
发明内容
本公开实施例提供一种PCI规划方法及装置，用以优化PCI的配置。
第一方面，提供一种PCI规划方法，包括：
将待进行PCI规划的小区按照优先级进行分组；
采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI；其中，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；
根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI。
在一些可能的实现方式中，所述将待进行PCI规划的小区按照优先级进行分组，包括：根据待进行PCI规划的小区的吞吐量、地理位置、服务用户数量中的至少一项，确定所述待进行PCI规划的小区各自的优先级；根据所述待进行PCI规划的小区各自的优先级进行小区分组，不同的小区分组对应不同的优先级。
在一些可能的实现方式中，一个候选PCI规划方案所对应的小区间总干扰，按照以下方式计算得到：分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值的乘积进行累加；将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
在一些可能的实现方式中，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模4的余数是否相等的评价参数；
用于评价小区间的PCI模30的余数是否相等的评价参数。
在一些可能的实现方式中，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模6的余数是否相等的评价参数。
在一些可能的实现方式中，任意两个小区间的邻区关系值为设定取值区间内的至少三个值中的一个值；其中，两个小区间的邻区关系值的取值大小与所述两个小区间的跳数成反比。
在一些可能的实现方式中，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰时，投放设定数量的虚拟蚂蚁到所述待进行PCI规划的小区中优先级高的小区所对应的顶点，以获得相应数量的候选PCI规划方案。
第二方面，提供一种PCI规划装置，包括：
小区分组模块，被配置为将待进行PCI规划的小区按照优先级进行分组；
最优PCI规划方案选取模块，被配置为采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，并根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；其中，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
PCI分配模块，被配置为根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI。
第三方面，提供一种通信装置，包括：处理器、存储器；所述存储器，存储计算机指令；所述处理器，用于读取所述计算机指令，执行如上述第一方面中任一项所述的方法。
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述第一方面中任一项所述的方法。
本公开的上述实施例中，将待进行PCI规划的小区按照优先级进行分组；采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰；根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI。其中，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间总干扰进行加权求和得到的，从而将小区优先级引入到小区间总干扰的计算过程，使得选择出的PCI规划方案更优化。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示例性示出了本公开实施例提供的PCI规划方法的流程示意图；
图2示例性示出了本公开实施例提供的基于蚁群算法实现的PCI规划方法的算法流程；
图3示例性示出了本公开实施例提供的PCI规划装置的结构示意图；
图4示例性示出了本公开实施例提供的通信装置的结构示意图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。
以下对本公开实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
(1)本公开实施例中，名词“网络”和“系统”经常交替使用，但本领域的技术人员可以理解其含义。
(2)本公开实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
(3)“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
(4)网络设备，是一种为所述终端提供无线通信功能的设备，包括但不限于：5G中的gNB、无线网络控制器(radio network controller，RNC)、节点B(node B，NB)、基站控制器(base station controller，BSC)、基站收发台(base transceiver station，BTS)、家庭基站(例如，home evolved nodeB，或home node B，HNB)、基带单元(BaseBand Unit，BBU)、传输点(transmitting and receiving point，TRP)、发射点(transmitting point，TP)、移动交换中心等。本公开中的基站还可以是未来可能出现的其他通信系统中为终端提供无线通信功能的设备。
(5)终端，是一种可以向用户提供语音和/或数据连通性的设备。例如，终端设备包括具有无线连接功能的手持式设备、车载设备等。目前，终端设备可以是：手机(mobilephone)、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device，MID)、可穿戴设备，虚拟现实(virtual reality，VR)设备、增强现实(augmented reality，AR)设备、工业控制(industrial control)中的无线终端、无人驾驶(self-driving)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端，或智慧家庭(smart home)中的无线终端等。
PCI由主同步码(Primary Synchronization Signal，PSS)和辅同步码(SecondarySynchronization Signal，SSS)组成。本公开实施例中，进行PCI规划时需要考虑以下几方面的影响：
(1)PCI规划对下行同步的影响
LTE系统中的PCI数量为504个，5G系统中的PCI数量为1008个，其中PSS有3种不同的取值{0，1，2}，SSS有336{0，1，…,335}种不同的取值，相比LTE系统增加了一倍，这是因为辅同步码从168种增加到了336种。这意味着当两个相邻小区PCI与3进行模运算余数相同时，那么它们的PSS相同，这会造成主同步信号干扰。而两个相邻小区PCI除以3后的整数部分相同，那么它们的SSS相同，从而造成辅同步信号干扰。因此，在5G系统的PCI规划中，同频邻区需要避免模3干扰。
(2)PCI规划对下行参考信号的影响
LTE系统使用小区参考信号(Cell Reference Signal，CRS)进行下行物理信道解调及信道质量测量。5G系统中没有采用CRS，仅在物理广播信道(Physical BroadcastChannel，PBCH)中使用解调参考信号(De Modulation Reference Signal，DMRS)，解调PBCH信道时先确定PBCH信道的DMRS频域位置，PBCH DMRS频域初始偏移位置遵循PCI模4规则，这意味着每4个PCI在频域中具有相同的PBCH DMRS位置。因此在5G PCI规划中同频邻区需要避免模4干扰。
(3)PCI规划对上行参考信号的影响
探测参考信号(Sounding Reference Signal，SRS)用于估计上行信道质量状况，当满足信道互易性时还可以用于下行信道估计。应当尽量保证相邻小区的SRS基序列不同以降低干扰。当同频邻区PCI模30余数不同时，可以在很大概率上保证SRS基序列不同。
综上所述，在5G系统中，PCI应从避免模3、模4、模30干扰的角度进行规划。进一步地，还要遵循以下一些基本原则：
不冲突原则：相邻小区(同频)不能使用相同的PCI。
不混淆原则：同一小区的同频邻区不能使用相同的PCI，否则切换时基站(gNB)无法区分哪个为目标小区，容易造成切换失败。
复用原则：保证相同PCI小区有足够的复用距离。
在3G时代以及4G的初期，PCI规划是一项全局性差、费时费力的工作，需要人工凭经验进行，这种分配方式极有可能陷入局部优化，不能充分使用PCI，而且分配的方法仅仅是遵从基站两跳范围内标识唯一的基本原则，即避免PCI规划的冲突和混淆，无法实现PCI规划后的干扰最小化。
随着人工智能算法在通信领域中的使用，蚁群算法作为人工智能(ArtificialIntelligence，AI)传统寻优算法被应用到了自组网络(Self-Organized Networks，SON)方向上，并取得了极为显著的效果。5G系统的PCI数量相较于LTE系统而言增加了一倍，但是随着5G微小站的增加，特别是毫米波基站的增加，站点间距密度进一步加大，PCI发生冲突的概率会加大。另外，LTE系统中的同频邻区需避免模3、模6、模30干扰，而5G系统中的同频邻区需避免模3、模4、模30干扰，差异来源于LTE系统中采用CRS作为下行参考信号，而5G系统中摒除了CRS，通过PBCH DMRS来解调PBCH。总得来说，PCI规划本身是一个NP(Non-deterministic Polynomial Complete，非确定性多项式完成)完全问题，规划方式有极多选择，在一个确定的规划下，各个小区因为PCI带来的干扰各不相同。
本公开实施例给出了一种使用蚁群算法规划PCI的方法。本公开的实施例中，对待进行PCI规划的小区按照优先级进行分组，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案，从而得到最优的PCI规划方案。其中，由于一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间总干扰进行加权求和得到的，从而将小区优先级引入到小区间总干扰的计算过程，从而可以使得优先级高的小区分组(比如无线接入网热点地区的小区)所分配到的PCI更优化。
下面对蚁群算法的原理进行简要说明。
蚁群觅食时能够找到蚁窝与食物之间的最佳路线，每只蚂蚁在自己的路线上留下某种特定气味，同时也能够感知其它蚂蚁所留气味的存在，并根据感知到的强度来指导自己运动的方向。在同时出发的一群蚂蚁中，走的路径较短的蚂蚁由于花费的时间较短，留下的气味也就较重，后续也就吸引越来越多的蚂蚁选择这条路线。蚂蚁之间正是通过留下气味来向其它蚂蚁传递信息，逐渐使得整个群体最终都选择了最佳路线。蚁群算法就是通过人工蚂蚁(也称虚拟蚂蚁)来模拟真实蚂蚁选择最短路径的行为，采用类似的信息交流机制和路径选择策略来实现对问题的最优化求解。
下面结合附图对本公开的实施例进行详细说明。
图1示例性示出了本公开实施例提供的使用蚁群算法实现的PCI规划方法的流程示意图。如图所示，该流程可包括如下步骤：
S101：将待进行PCI规划的小区按照优先级进行分组。
该步骤中，根据小区的吞吐量或小区所在的地理位置识别出需要进行PCI优先规划的小区群，对小区按照优先级进行分类。
在一些实施例中，可根据待进行PCI规划的小区的吞吐量、地理位置、服务用户数量中的至少一项，确定这些待进行PCI规划的小区各自的优先级；然后，根据这些待进行PCI规划的小区各自的优先级进行小区分组，同一小区分组中的小区具有相同的优先级，不同的小区分组对应不同的优先级。不同的优先级对应有不同的优先级权重，优先级越高，权重的取值越大。
比如，无线接入网热点地区的小区，由于其小区吞吐量较大、服务的用户数量较多，可将其设置为较高优先级。
S102：采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰；其中，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的。
其中，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI。
在采用蚁群算法得到最优PCI规划方案的过程中，需要经过至少一次投放设定数量的虚拟蚂蚁到待进行PCI规划的小区所对应的顶点，以获得相应数量的PCI规划方案的过程，直到得到的相应数量的候选PCI规划方案所对应的小区间总干扰满足设定条件为止。然后，根据所得到的候选PCI规划方案所对应的小区间总干扰，从所得到的候选PCI规划方案中选取小区间中干扰最小的候选PCI规划方案作为最优PCI规划方案。
根据蚁群算法，一个蚂蚁走遍所有小区后形成一个候选PCI规划方案，不同的蚂蚁所走的路径不同，因此不同的候选PCI规划方案不同，不同路径对应的小区间干扰评价参数也存在差异。
本公开的一些实施例中，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰时，投放设定数量的虚拟蚂蚁到所述待进行PCI规划的小区中优先级高的小区所对应的顶点，以获得相应数量的候选PCI规划方案。
本公开的实施例中，一个候选PCI规划方案所对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的。
具体地，一个候选PCI规划方案所对应的小区间总干扰，可按照以下方式计算得到：
首先，分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值的乘积进行累加；然后，将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
上述计算小区间总干扰的算法，将小区的优先级考虑进来，按照业务的密集程度和区域重要性等原则把小区划分为若干不同优先级的组，不同的优先级小区对应不同的优先级权重，保证高优先级小区PCI规划所受到干扰最小，在此基础上使得全网小区总干扰值最优。
其中，对于5G系统，上述小区间总干扰的计算过程中涉及到的至少一个PCI分配应满足的条件的评价参数，可包括如下参数：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模4的余数是否相等的评价参数；
用于评价小区间的PCI模30的余数是否相等的评价参数。
对于4G系统，上述小区间总干扰的计算过程中涉及到的至少一个PCI分配应满足的条件的评价参数，可包括如下参数：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模6的余数是否相等的评价参数。
上述小区间总干扰的计算过程中涉及到的任意两个小区间的邻区关系值，为设定取值区间内的至少三个值中的一个值；其中，两个小区间的邻区关系值的取值大小与所述两个小区间的跳数成反比，从而按照多跳的邻区关系和GIS(地理信息系统)信息，对邻区、一跳邻区、两跳邻区的干扰影响程度做了区分，赋予不同的权重。
基于上述描述，在一些实施例中，针对5G系统，可采用如下代价函数公式来计算一个候选PCI规划方案的小区间总干扰的代价值：
Figure GDA0004100597600000101
其中，N为需要全局规划的邻区数目(N为大于1的整数)，按照业务的密集程度和重要性分为H组(H为大于或等于1的整数)，每个小区分组分别对应M1、M2…MH个小区。小区分组优先级依次递减，即，各小区分组的优先级权重取为β1、β2,..βH，范围为0到1，取值依次递减。
公式(1)中，uij表示小区i和小区j之间的邻区关系。在一些实施例中，可以沿用LTE系统的PCI规划方案中uij的取值，即，仅有两个取值0或1，如果两个小区是邻区，则uij取1，否则为0。
在本公开的另一些实施例中，uij的取值可根据多跳的邻区关系和地理信息系统(Geographic Information System，GIS)信息来确定，从二维取值扩展到多维。比如，根据相互之间的关系是邻区、一跳邻区或两跳邻区，uij的取值依次递减，取值范围为0到1。
公式(1)中，sij、bij、hij、rij和wij五个评价参数分别对应小区i和小区j之间是否存在PCI冲突、PCI混淆、模3余数相等、模4余数相等和模30余数相等五种情况。参数因子p0、p1、p2、p3、p4为评价参数的权重，分别代表了上述五种情况给小区间干扰所带来的影响程度。
基于上述描述，在一些实施例中，针对4G系统，可采用如下代价函数公式来计算一个候选PCI规划方案的小区间总干扰的代价值：
Figure GDA0004100597600000111
其中，N为需要全局规划的邻区数目(N为大于1的整数)，按照业务的密集程度和重要性分为H组(H为大于或等于1的整数)，每个小区分组分别对应M1、M2…MH个小区。小区分组优先级依次递减，即，各小区分组的优先级权重取为β1、β2,..βH，范围为0到1，取值依次递减。
公式(2)中，uij表示小区i和小区j之间的邻区关系。在一些实施例中，可以沿用LTE系统的PCI规划方案中uij的取值，即，仅有两个取值0或1，如果两个小区是邻区，则uij取1，否则为0。
在本公开的另一些实施例中，uij的取值可根据多跳的邻区关系和GIS信息来确定，从二维取值扩展到多维。比如，根据相互之间的关系是邻区、一跳邻区或两跳邻区，uij的取值依次递减，取值范围为0到1。
公式(2)中，sij、bij、hij、rij四个评价参数分别对应小区i和小区j之间是否存在PCI冲突、PCI混淆、模3余数相等、模6余数相等四种情况。参数因子p0、p1、p2、p3为评价参数的权重，分别代表了上述四种情况给小区间干扰所带来的影响程度。
根据上述公式1或公式2所示的代价函数，PCI规划问题即为求得一个候选PCI规划方案f，对n个小区进行PCI分配，使得代价值C最小。
S103：根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案。
S104：根据最优PCI规划方案，为待进行PCI规划的小区分配PCI。
根据上述流程可以看出，本公开的实施例可适用于4G或5G等通信系统的PCI规划。本公开的实施例中，对小区按照优先级进行分类，降低每个小区对周围区域(不限于同频邻区)的干扰，从而改善PCI干扰引起的用户接入问题、切换失败问题和服务小区信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)恶化的问题，重点保障用户密集小区的用户体验。
根据上述图1所示的流程，以针对5G系统进行PCI规划为例，图2示例性示出了基于蚁群算法实现的PCI规划方法的算法流程。如图所示，该流程可包括如下步骤：
S201：确定需要进行PCI规划的N个小区，并将该N个小区划分为优先级不同的H个小区分组。
基于优先级的划分，该N个小区中可包括M个高优先级的小区。
S202：获取用于蚁群算法的参数。
其中，用于蚁群算法的参数，可包括：邻区关系uij，蚂蚁个数m，初始转移概率gis(0)等参数。
S203：将m个蚂蚁放到小区对应的顶点上。
该步骤中，可将m个蚂蚁随机放到小区顶点上，也可以将m个蚂蚁按照小区分组优先级从高到低的顺序，尽可能放到高优先级小区对应的顶点上。
S204：蚂蚁k选择道路。
在蚁群算法中，每一个蚂蚁都表示一种候选PCI规划方案。将待分配的N个小区看作是顶点，每个顶点之间都有1008条道路，分别表示可以分配的0-1007个PCI值，将m个蚂蚁随机分布在N个小区中的高优先级小区对应的顶点上，按照概率选择的结果走完N个小区，每走完一遍形成一个候选PCI规划方案，当蚂蚁k在小区i选择第j条道路到下一小区时，记做(i，j)，表示给第i小区分配的PCI为j。当蚁群中的蚂蚁走完所有小区时，计算小区间总干扰的代价值，并选择所有候选PCI规划方案中干扰代价值最小的一种候选PCI规划方案作为本次循环的结果。
当蚂蚁位于小区i时，它以概率
Figure GDA0004100597600000131
选择第j条道路到下一个小区。其中：
Figure GDA0004100597600000132
其中，gij(t)为t时刻给第i个小区分配j作为PCI所带来的信息量，gis(0)为一个非零常量，表示在
Figure GDA0004100597600000133
中蚂蚁k在第一次循环中下一步选择每个PCI的概率相等。α是信息启发因子，代表蚂蚁转移过程中，先前走过的蚂蚁对后续蚂蚁选路产生的影响，其值越大表示这只蚂蚁越倾向于其他蚂蚁所留信息量多的路径，其中s的取值范围为0-1007。
S205～206：当第k个蚂蚁遍历完所有小区后，按照前述公式1计算每个候选PCI规划方案对于的小区间的总干扰代价值。
S207：更新PCI信息量。
在蚁群算法中，除了上述路径选择机制外，蚁群算法另一个重要过程是信息量调节机制。在一只蚂蚁完成遍历之后，应当伴随着信息的挥发，以免路径上残留的信息将启发信息淹没。在时刻(t+1)路径(i，j)上的信息量按照下式进行调整：
gij(t+1)＝(1-ρ)*gij(t)+Δgij(t)…………………………(4)
关于第k只蚂蚁在路径(i，j)上信息增量Δgij(t)，使用小区间干扰函数进行计算：
Δgij(t)＝Q/Ck…………………………………………(5)
其中，Q是一个常数，表示的是一种信息量强度，Ck是第k只蚂蚁生成的PCI规划方案对应的干扰函数值。按照上面的公式，当一只蚂蚁走完所有小区，即形成一个候选PCI规划方案之后，计算该方案的干扰函数值(即总干扰代价值)C。在进行信息量更新时，该只蚂蚁在道路(i，j)上新增的信息量与其形成方案的干扰函数值C成反比。某只蚂蚁带来PCI规划方案的干扰代价值越小，其所经过的道路上的信息量越大，从而引导后面的蚂蚁以较大的概率选择这条道路，最终形成一个高质量的最优解。
S208～209：当m个蚂蚁走完所有小区之后，完成一次循环，此时判断小区间总干扰是否达到规划要求，比如判断其中最优的候选PCI规划方案对应的小区间总干扰是否小于设定阈值，若是，转入S209，否则返回S203，再次投放m个虚拟蚂蚁。
S210：输出最优PCI规划方案。
其中，最优PCI规划方案为小区间总干扰代价值最小的候选PCI规划方案。对于5G系统，可按照上述公式2计算小区间总干扰的代价值；对于4G系统，可按照上述公式2计算小区间总干扰的代价值。
通过以上流程可以看出，在5G NR网络中使用本公开的实施例提出的PCI规划方法，在网络规划之初先识别出高优先级小区，在使用蚁群算法时先对高优先级小区进行遍历以加快收敛，在小区总干扰函数中对高优先级小区增加额外的权值，通过多次循环得到PCI规划的最优解。
本公开的上述一个或多个实施例，为了在最大程度上发挥PCI的配置效果，充分利用了各种AI优化算法带来的规划时间上的大幅缩减、鲁棒性的急剧提升，本公开实施例根据NR实际业务需要，考虑到对密集业务的保障，根据吞吐量和地理位置对小区按照优先级进行分组，使用蚁群算法进行PCI规划，突出重点，使得最终得到的PCI规划方案能够保证高优先级小区所受到干扰最小，在此基础上，全网小区总干扰值最优。
此外，对于PCI干扰带来的同频小区影响，不仅限于考虑同频邻区，而是根据多跳的邻区关系和GIS(地理信息系统)信息来确定干扰系数，研究更加细化和深入。
基于相同的技术构思，本公开实施例还提供了一种PCI规划装置，能够实现前述实施例中的PCI规划方法。
参见图3，为本公开实施例提供的PCI规划装置的结构示意图，如图所示，该装置可包括：小区分组模块301、最优PCI规划方案选取模块302、PCI分配模块303，其中：
小区分组模块301，被配置为将待进行PCI规划的小区按照优先级进行分组；
最优PCI规划方案选取模块302，被配置为采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，并根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；其中，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
PCI分配模块303，被配置为根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI。
在一些实施例中，小区分组模块301被配置为，在将待进行PCI规划的小区按照优先级进行分组时，执行：根据待进行PCI规划的小区的吞吐量、地理位置、服务用户数量中的至少一项，确定所述待进行PCI规划的小区各自的优先级；根据所述待进行PCI规划的小区各自的优先级进行小区分组，不同的小区分组对应不同的优先级。
在一些实施例中，一个候选PCI规划方案所对应的小区间总干扰，按照以下方式计算得到：分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值的乘积进行累加；将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
在一些实施例中，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模4的余数是否相等的评价参数；
用于评价小区间的PCI模30的余数是否相等的评价参数。
在一些实施例中，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模6的余数是否相等的评价参数。
在一些实施例中，任意两个小区间的邻区关系值为设定取值区间内的至少三个值中的一个值；其中，两个小区间的邻区关系值的取值大小与所述两个小区间的跳数成反比。
在一些实施例中，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰时，投放设定数量的虚拟蚂蚁到所述待进行PCI规划的小区中优先级高的小区所对应的顶点，以获得相应数量的候选PCI规划方案。
在此需要说明的是，本公开实施例提供的终端，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
基于相同的技术构思，本公开实施例还提供了一种通信装置，能够实现前述实施例中的PCI规划方法。
参见图4，为本公开实施例提供的终端的结构示意图。如图所示，该装置可包括：处理器401、存储器402以及总线接口403。
处理器401负责管理总线架构和通常的处理，存储器402可以存储处理器401在执行操作时所使用的数据。
总线架构可以包括任意数量的互联的总线和桥，具体由处理器401代表的一个或多个处理器和存储器402代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器401负责管理总线架构和通常的处理，存储器402可以存储处理器401在执行操作时所使用的数据。
本公开实施例揭示的流程，可以应用于处理器401中，或者由处理器401实现。在实现过程中，信号处理流程的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。处理器401可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本公开实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成信息处理流程的步骤。
具体地，处理器401，用于读取存储器402中的计算机指令并执行本公开实施例中的PCI规划方法。
在此需要说明的是，本公开实施例提供的上述通信装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行上述实施例中的PCI规划方法。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (14)

1.一种物理小区标识PCI规划方法，其特征在于，包括：
将待进行PCI规划的小区按照优先级进行分组；
采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI；其中，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；
根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI；
其中，一个候选PCI规划方案所对应的小区间总干扰，按照以下方式计算得到：
分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值以及该小区分组的优先级权重的乘积进行累加；
将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
2.如权利要求1所述的方法，其特征在于，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模4的余数是否相等的评价参数；
用于评价小区间的PCI模30的余数是否相等的评价参数。
3.如权利要求1所述的方法，其特征在于，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模6的余数是否相等的评价参数。
4.如权利要求1所述的方法，其特征在于，任意两个小区间的邻区关系值为设定取值区间内的至少三个值中的一个值；其中，两个小区间的邻区关系值的取值大小与所述两个小区间的跳数成反比。
5.如权利要求1所述的方法，其特征在于，所述将待进行PCI规划的小区按照优先级进行分组，包括：
根据待进行PCI规划的小区的吞吐量、地理位置、服务用户数量中的至少一项，确定所述待进行PCI规划的小区各自的优先级；
根据所述待进行PCI规划的小区各自的优先级进行小区分组，不同的小区分组对应不同的优先级。
6.如权利要求1所述的方法，其特征在于，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰时，投放设定数量的虚拟蚂蚁到所述待进行PCI规划的小区中优先级高的小区所对应的顶点，以获得相应数量的候选PCI规划方案。
7.一种物理小区标识PCI规划装置，其特征在于，包括：
小区分组模块，被配置为将待进行PCI规划的小区按照优先级进行分组；
最优PCI规划方案选取模块，被配置为采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，并根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；其中，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
PCI分配模块，被配置为根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI；
其中，一个候选PCI规划方案所对应的小区间总干扰，按照以下方式计算得到：
分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值以及该小区分组的优先级权重的乘积进行累加；
将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
8.一种通信装置，其特征在于，包括：处理器、存储器；
所述存储器，存储计算机指令；
所述处理器，用于读取所述计算机指令，执行以下操作：
将待进行PCI规划的小区按照优先级进行分组；
采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰，所述候选PCI规划方案包括所述待进行PCI规划的小区各自对应的候选PCI；其中，一个候选PCI规划方案对应的小区间总干扰是根据各小区分组的优先级权重对各小区分组对应的小区间干扰评价参数进行加权求和得到的，不同的候选PCI规划方案对应不同的小区间干扰评价参数；
根据各候选PCI规划方案对应的小区间总干扰，选择小区间总干扰最小的候选PCI规划方案作为最优PCI规划方案；
根据所述最优PCI规划方案，为所述待进行PCI规划的小区分配PCI；
其中，一个候选PCI规划方案所对应的小区间总干扰，按照以下方式计算得到：
分别计算各小区分组对应的小区间总干扰代价值，其中，按照以下方式计算一个小区分组对应的小区间总干扰代价值：将该小区分组内的每个小区与其他待分配PCI的小区间的至少一个PCI分配应满足的条件的评价参数的加权和，与相应的两个小区间的邻区关系值以及该小区分组的优先级权重的乘积进行累加；
将各小区分组对应的小区间总干扰代价值进行累加，得到一个候选PCI规划方案的小区间总干扰代价值。
9.如权利要求8所述的装置，其特征在于，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模4的余数是否相等的评价参数；
用于评价小区间的PCI模30的余数是否相等的评价参数。
10.如权利要求8所述的装置，其特征在于，所述至少一个PCI分配应满足的条件的评价参数，包括：
用于评价小区间是否存在PCI冲突的评价参数；
用于评价小区间PCI混淆的评价参数；
用于评价小区间的PCI模3的余数是否相等的评价参数；
用于评价小区间的PCI模6的余数是否相等的评价参数。
11.如权利要求8所述的装置，其特征在于，任意两个小区间的邻区关系值为设定取值区间内的至少三个值中的一个值；其中，两个小区间的邻区关系值的取值大小与所述两个小区间的跳数成反比。
12.如权利要求8所述的装置，其特征在于，所述将待进行PCI规划的小区按照优先级进行分组，包括：
根据待进行PCI规划的小区的吞吐量、地理位置、服务用户数量中的至少一项，确定所述待进行PCI规划的小区各自的优先级；
根据所述待进行PCI规划的小区各自的优先级进行小区分组，不同的小区分组对应不同的优先级。
13.如权利要求8所述的装置，其特征在于，采用蚁群算法确定各候选PCI规划方案对应的小区间总干扰时，投放设定数量的虚拟蚂蚁到所述待进行PCI规划的小区中优先级高的小区所对应的顶点，以获得相应数量的候选PCI规划方案。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-6中任一项所述的方法。
CN202010711298.2A 2020-07-22 2020-07-22 一种pci规划方法及装置 Active CN113973311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010711298.2A CN113973311B (zh) 2020-07-22 2020-07-22 一种pci规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010711298.2A CN113973311B (zh) 2020-07-22 2020-07-22 一种pci规划方法及装置

Publications (2)

Publication Number Publication Date
CN113973311A CN113973311A (zh) 2022-01-25
CN113973311B true CN113973311B (zh) 2023-04-18

Family

ID=79585005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010711298.2A Active CN113973311B (zh) 2020-07-22 2020-07-22 一种pci规划方法及装置

Country Status (1)

Country Link
CN (1) CN113973311B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102595417A (zh) * 2012-02-22 2012-07-18 电信科学技术研究院 一种小区资源规划方法及系统
CN104735717A (zh) * 2015-04-15 2015-06-24 广东怡创科技股份有限公司 小区pci配置方法与系统
CN104837143A (zh) * 2015-04-15 2015-08-12 广东怡创科技股份有限公司 小区pci配置方法与系统
CN104980930A (zh) * 2014-04-01 2015-10-14 电信科学技术研究院 一种扰码优化方法及装置
CN105323767A (zh) * 2014-07-15 2016-02-10 普天信息技术有限公司 一种pci分配方法及系统
CN107241735A (zh) * 2016-03-29 2017-10-10 大唐移动通信设备有限公司 一种物理小区标示的分配方法及装置
CN108810880A (zh) * 2017-05-05 2018-11-13 中国移动通信集团公司 物理小区标识的规划方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10893420B2 (en) * 2018-02-16 2021-01-12 Telefonaktiebolaget Lm Ericsson (Publ) System and method of automatic physical cell ID allocation to reduce collision

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102595417A (zh) * 2012-02-22 2012-07-18 电信科学技术研究院 一种小区资源规划方法及系统
CN104980930A (zh) * 2014-04-01 2015-10-14 电信科学技术研究院 一种扰码优化方法及装置
CN105323767A (zh) * 2014-07-15 2016-02-10 普天信息技术有限公司 一种pci分配方法及系统
CN104735717A (zh) * 2015-04-15 2015-06-24 广东怡创科技股份有限公司 小区pci配置方法与系统
CN104837143A (zh) * 2015-04-15 2015-08-12 广东怡创科技股份有限公司 小区pci配置方法与系统
CN107241735A (zh) * 2016-03-29 2017-10-10 大唐移动通信设备有限公司 一种物理小区标示的分配方法及装置
CN108810880A (zh) * 2017-05-05 2018-11-13 中国移动通信集团公司 物理小区标识的规划方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TD-LTE系统的PCI规划研究与应用;刘金灿;《中国优秀硕士论文全文库信息科技辑》;20150415;摘要、正文第4章 *

Also Published As

Publication number Publication date
CN113973311A (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
US9781607B2 (en) Network resource optimization in communication networks
EP2043398B1 (en) Method for reducing inter-cell interference in wireless ofdma networks
CN102685752B (zh) 用于控制无线网络间共存的方法,装置和计算机程序
JP3881013B2 (ja) 通信システム資源割当方法
US6654612B1 (en) Distributed channel assignment method
US7840187B2 (en) System and method for dynamic frequency selection based on spectrum etiquette
US20110013572A1 (en) Systems and methods for resource allocation serving communication requirements and fairness
CN102469462A (zh) 向网络的多个干扰节点分配子频带的方法、控制器及网络
RU2593761C2 (ru) Способ и система управления спектром
CN104956705A (zh) 用于物理小区标识符分配的算法
CN104956709A (zh) 物理小区标识的分配
CN104412647B (zh) 用于帮助解决通信系统中的边界问题的集群优化的方法
KR100959039B1 (ko) 광대역 무선통신 시스템에서 세그먼트 재할당 장치 및 방법
CN113973311B (zh) 一种pci规划方法及装置
CN108234683B (zh) 异频组网下的pci调整方法及装置
CN108495318B (zh) 基于mr数据的多小区pci智能规划方法
Caso et al. Sensic: Mobility-aware cluster-based cooperative spectrum sensing for cognitive radio networks
CN109151851B (zh) 分配物理小区标识的方法、装置、电子设备和存储介质
CN110312260B (zh) Lte电力无线专网重叠小区物理标识优化方法及系统
US8654704B2 (en) System and method for distributed control of spectrum power in a multi-cell communication system
CN103299678A (zh) 通信延迟时间导出方法、通信终端和通信延迟时间导出程序
Ghosh et al. Resource allocation using link state propagation in OFDMA femto networks
CN106658521B (zh) 异构蜂窝网络同频组网时的基站频谱分配方法
Yen et al. A two-stage game for allocating channels and radios to links in wireless backhaul networks
Yen et al. Link-preserving channel assignment game for wireless mesh networks

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