CN1756416A - 移动通信系统中下行负载估计方法 - Google Patents

Abstract

本发明涉及无线通信技术，公开了一种移动通信系统中下行负载估计方法，使得下行负载估计能很好地计入其他小区对本小区干扰比的实际值动态变化的效应，精确反映不同小区下行负载之间的差异，从而减小下行负载估计误差。这种移动通信系统中下行负载估计方法将其他小区对本小区干扰比分为静态部分和动态部分，其中静态部分由实验仿真统计平均得到，动态部分由其他小区和本小区的总发射功率的相对测量值确定，再根据其他小区对本小区干扰比和本小区自身干扰的下行负载因子，计算得到本小区下行负载因子。

Description

移动通信系统中下行负载估计方法

技术领域

本发明涉及无线通信技术，特别涉及宽带码分多址系统中利用邻区信息对下行负载进行估计的方法。

背景技术

随着社会进步及移动通信用户数量的急剧增长，频率资源日益紧张，要求移动通信系统能提供更大的系统容量，更高的通信质量，并能提供高速率的数据业务，以满足人们对多媒体通信的要求并适应通信个人化的发展方向。

第三代移动通信系统是能够满足国际电信联盟(InternationalTelecommunication Union，简称“ITU”)提出的国际移动通信(InternationalMobile Telecommunication 2000，简称“IMT-2000”)/未来公众陆地移动电话系统(Future Public Land Mobile Telephone Systems，简称“FPLMTS”)标准的新一代移动通信系统，要求具有很好的网络兼容性，能够实现全球范围内多个不同系统间的漫游，不仅要为移动用户提供话音及低速率数据业务，而且要提供广泛的多媒体业务。

第三代移动通信系统的主要候选方案是北美的码分多址(Code DivisionMultiple Access，简称“CDMA”)2000系统、欧洲的宽带码分多址(WidebandCode Division Multiple Access，简称“WCDMA”)系统和中国的时分同步码分多址(Time Division Synchronous Code Division Multiple Access，简称“TD-SCDMA”)系统，都是建立在码分多址(CDMA)技术基础上，CDMA已被广泛接收为第三代移动通信系统的重要技术。

CDMA移动通信系统具有高容量、高频谱效率、高服务质量、低成本、高保密性、易于无缝切换和宏分集等优点。同时也存在缺点，CDMA系统是一个干扰受限系统而非资源受限系统，其容量受到用户间多址干扰(MultipleAccess Interference，简称“MAI”)的限制。在实际的CDMA通信系统中，由于不同用户信号之间的相关性而造成的多址干扰，随着用户数的增加或信号功率的增大，严重影响了CDMA通信系统通信质量，直接限制了CDMA系统容量、覆盖范围和性能的提高。

在CDMA无线网络中功率是共用资源，CDMA系统的容量是一种软容量，是一个自干扰系统，每个用户都对其他用户构成干扰，每个小区都对其它小区构成干扰，链路性能和系统容量取决于干扰功率的控制结果。因此，干扰分析、功率配置和软切换规划等工作显得尤为重要。但是由于各种因素相互制约，往往牵一发而动全身。

目前WCDMA系统中的呼叫准入控制(Call Admission Control，简称“CAC”)和负载控制(Load Control，简称“LC”)技术是关键的无线资源管理(Radio Resources Management，简称“RRM”)方法，由RRM核心控制器无线网络控制器(Radio Network Controller，简称“RNC”)执行。

由于CDMA系统中每个新接入的呼叫都会增加正在进行的呼叫的干扰电平和对相邻小区的干扰电平，影响业务质量。因此，在WCDMA系统中采用了呼叫准入控制方法进行呼叫接入的控制，以避免一个新接入的呼叫可能导致正在进行的所有呼叫的业务质量下降，甚至于造成一个或多个呼叫掉话的情况发生。在呼叫准入控制过程中，RNC判断小区中是否有足够空余的无线资源，使得接入一个需要一定的信干比(Signal-To-Interference Ratio，简称“SIR”)和码速的新用户或者切换用户，系统的负载不会超过某个预先规定的门限。对于呼叫中的用户增加新业务或者增加用户的业务速率的情况，也会进行准入呼叫控制。关于WCDMA系统的呼叫准入控制方法，详细请参见第三代合作伙伴项目(3rd Generation Partnership Project，简称“3GPP”)协议TS25.215和TS25.922。

考虑到移动通信中的不确定因素，比如邻区对本小区的干扰变化、环境对无线信道的影响等，RNC还可以采用负载控制进行更加可靠的无线资源管理。与呼叫准入控制不同的是，负载控制是一个连续的过程，而呼叫准入控制是事件驱动的过程。负载控制确保系统的负载维持在某一个预先规定的水平以下。它需要对系统负载进行连续的监视。比如，负载控制对系统负载进行连续的测量，当系统负载超载时，则要求采取一定的措施以降低系统的负载，使得系统不至于崩溃，比如降低某些用户的速率，延迟发射那些对时延不敏感的业务的数据，或者直接让低优先级别的用户掉话。

呼叫准入控制和负载控制都需要对系统负载进行测量或者估计，以确定当前系统的负载是否超过某个规定的门限而判断是否接入用户，或者确定系统负载是否超载而判断是否启动负载控制。在CDMA系统中，由于上下行的负载是非对称的，因此对系统负载的测量和估计也是上下行分开的。可见上下行负载估计的精确度直接影响了呼叫准入控制和负载控制的性能，对RRM甚至整个CDMA系统性能都有非常大的影响。

文献(H.Holma and A.Toskala，“WCDMA for UMTS，”John Wiley & SonsInc.，2000)中给出了两种下行负载估计方法。

第一种方法是基于基站下行总发射功率的方法，通过下行总发射功率和下行最大发射功率的百分比来确定下行的负载，从而计算下行负载因子。其计算公式如下：

${\mathrm{\η}}_{\mathrm{DL}}=\frac{P_{\mathrm{total}}}{P_{\max }}---\left(1\right)$

其中，η_DL为下行负载因子，P_total为下行总发射功率，P_max为下行最大发射功率。

该方法通过在基站处测量下行总发射功率值，来近似的反映小区下行负载。而在实际应用中，由于不同的小区的覆盖范围和无线环境等差异，导致不同小区的极限容量有较大的差异。这使得测量得到小区基站的下行总发射功率不能精确反映小区系统干扰的大小，由此得到的下行负载并不能很好地指示系统是否接近极限容量。而事实上，当系统接近极限容量时，会发生剧烈震荡，性能变得很不稳定，容易导致大量用户掉话，不能达到负载控制的效果。

为了说明该方法的弊端，图1给出了对不同小区的下行总发射功率和下行负载因子关系的实验仿真结果。采用小区半径不同的四个小区进行仿真，对应不同的小区半径有不同的最大路径损耗(Max path loss)，分别为130dB、140dB、145dB和150dB。可见，对于不同的小区，下行总发射功率与下行负载因子的关系差别很大。比如，假设基站的最大发射功率是20W，则对于最大路径损耗为150dB的小区来说，当负载为45％左右时，基站发射功率就已经达到20W，而对于最大路径损耗为135dB的小区，即使小区负载为90％，最大发射功率还没有达到10W。可以看出，同样的下行总发射功率下，小区半径比较小的小区系统的空中接口干扰比小区半径比较大的小区系统的空中接口干扰大。这表明下行总发射功率不能精确反映系统干扰信息，还与小区半径等因素密切相关。因此用第一种方法估计得到的下行负载不能满足精确无线资源管理的需求。

第二种方法是先假定其他小区基站与本小区基站对用户干扰的比值(F因子)恒定，然后通过对单个用户负载因子的累加得到本小区用户带来的负载因子，再根据F因子计入其他小区带来的负载因子，最后得到系统的负载因子，该方法称为F因子方法。

下面进一步说明F因子方法的理论基础和实现步骤。考虑CDMA系统的下功率控制使得每个用户的接收功率在其移动终端处收敛到一定的目标信干比，则对于小区m中的第k个用户有：

其中(E_b/N_o)_k是第k个用户业务的目标信干比。另外，用户处理增益可以由码片速率和业务速率计算得到，用户接收电平则由基站对该用户的下行发射功率和相应无线链路的路径损耗计算得到，总的接收干扰则可以由本小区干扰和其他小区干扰两部分组成，因此式(2)可以进一步写为，

${\left(\frac{E_b}{N_o}\right)}_k=\frac{W}{R_k}\·\frac{p_k/L_{k,m}}{(1-\mathrm{\α})I_{\mathrm{ik}}+I_{\mathrm{ok}}+N}---\left(3\right)$

这里，W为码片速率，R_k是第k个用户的业务速率，W/R_k即为用户处理增益；p_k是第k个用户对应的下行发射功率，L_k，m是第k个用户和本小区(小区m)的基站天线之间的路径损耗，p_k/L_k，m即为用户接收电平；I_ik为第k个用户的本小区干扰，I_ok为其它小区干扰，N是手机处的底躁，α是小区平均正交化因子，将这三部分累加即可得到总的接收干扰。

令F为其它小区对本小区的干扰比值，即F＝I_ok/I_ik，又设P_m为小区m的基站的总发射功率，则小区干扰为I_ik＝P_m/L_k，m，于是式(3)进一步写为，

${\left(\frac{E_b}{N_o}\right)}_k=\frac{W}{R_k}\·\frac{p_k/L_{k,m}}{(1-\mathrm{\α}+F)I_{\mathrm{ik}}+N}=\frac{W}{R_k}\·\frac{p_k/L_{k,m}}{(1-\mathrm{\α}+F){\·P}_m/L_{k,m}+N}---\left(4\right)$

根据式(4)可以写出p_k的表达式如下，

$p_k=\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α}+F)\·P_m+N{\·L}_{k,m}]$

其中γ_k＝(E_b/N_o)_k，J_k＝W/R_k。于是，可以由小区m中所有用户对应下行发射功率表示的小区m基站的总发射功率如下，

$P_m=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·p_k=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α}+F){\·P}_m+N\·L_{k,m}]---\left(5\right)$

其中，v_k是用户激活因子，K(m)表示所有接入小区m的用户组成的集合。整理上式可求得小区m基站的总发射功率为，

$P_m=\frac{\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}{\·L}_{k,m}\·N}{1-\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·(1-\mathrm{\α}+F)}---\left(6\right)$

小区下行负载因子η_DL由式 $P_m=\frac{P_N}{1-{\mathrm{\η}}_{\mathrm{DL}}}$ 定义为： ${\mathrm{\η}}_{\mathrm{DL}}=1-\frac{P_N}{P_m},$ 其中P_N是假定正交化因子为α＝1，且没有其它小区干扰时，小区m的下行总发射功率，即

$P_N=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}{\·L}_{k,m}\·N---\left(7\right)$

由式(6)(7)，小区下行负载因子可表示为，

${\mathrm{\η}}_{\mathrm{DL}}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{v_k\·{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α})+F]---\left(8\right)$

F因子是统计平均的其它小区对本小区干扰比值，它可以通过仿真确定，一般是在假定用户在所有小区均匀分布从而每个小区的下行干扰大致一样的情况下估算得到的。而事实上，F值和具体的无线信道环境、小区布局、以及其它小区和本小区负载的动态变化相关，但是目前的负载估计方法中，都使用一个统计平均的干扰比值进行估算，这就不可避免的带来由于不同小区之间负载情况动态变化所产生的误差。

可见，F因子方法是根据业务的特性和其它小区对本小区的干扰效应的统计平均值来计算负载因子。但实际系统中，由于其它小区对本小区的干扰比值并不是恒定的，首先对于不同小区是不一样的，在本小区负载低而周围小区负载高的情况下，其它小区对本小区干扰比值高，反之，其它小区对本小区干扰比值低；其次对于同一小区在不同时刻下也是动态变化的，各个小区的用户数量和负载都是动态变化的，因此其它小区对本小区干扰比值也不可避免的要发生变化。可见，F因子法不能考虑其他小区对本小区干扰比值的动态效应，在实际应用中，必然造成较大的下行负载估计误差。

在实际应用中，上述方案存在以下问题：基于下行总发射功率的方法估计精度低，不能很好地反映系统容量极限水平；F因子方法估计精确度受到实际应用中其他小区对本小区干扰比值的动态变化的影响，因此所得到的下行负载的估计误差都很大，不能很好地满足实际应用的要求。

造成这种情况的主要原因在于，基于下行总发射功率的方法直接用下行总发射功率表示系统干扰信息，而实际应用中不同小区的差别很大，下行总发射功率无法指示系统干扰水平；F因子方法采用恒定的其他小区对本小区干扰比的统计平均值进行估计，这与动态变化的其他小区对本小区干扰比的实际值相比存在误差。

发明内容

有鉴于此，本发明的主要目的在于提供一种移动通信系统中下行负载估计方法，使得下行负载估计能很好地计入其他小区对本小区干扰比的实际值动态变化的效应，精确反映不同小区下行负载之间的差异，从而减小下行负载估计误差。

为实现上述目的，本发明提供了一种移动通信系统中下行负载估计方法，包含以下步骤，

A设定或调整本小区的静态参数因子；

B根据本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值，以及本小区的所述静态参数因子，计算其他小区对本小区干扰比；

C根据所述其他小区对本小区干扰比，计算本小区的下行负载因子；

其中，所述静态参数因子用于指示所述其他小区对本小区干扰比中随着无线资源分配变化静态不变的部分，所述本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值用于指示所述其他小区对本小区干扰比中随着无线资源分配变化而动态变化的部分。

其中，所述下行负载估计方法应用于宽带码分多址移动通信系统中的基站的准入控制或负载控制中。

所述步骤A包含以下子步骤，

根据小区系统的实际情况，对所述静态参数因子进行实验仿真计算；

根据所述实验仿真计算的统计结果，设定或调整所述静态参数因子。

所述步骤A中所述本小区的静态参数因子通过对本小区所有用户的所述静态参数因子的统计平均得到，其中本小区的第k个用户的所述静态参数因子由下式计算得到，

$C_{k,m}=\frac{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}}{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}}$

其中，C_k，m为所述本小区的第k个用户的所述静态参数因子，P_n为所述其他小区的所述下行总发射功率，P_m分别为本小区的所述下行总发射功率，L_k，n为所述其他小区的基站到所述本小区的第k个用户的无线链路路径损耗，L_k，m为本小区的基站到所述本小区的第k个用户的无线链路路径损耗，M为本小区和所有所述其他小区组成的集合， 表示对所有所述其他小区求和。

步骤B包含以下子步骤，

B1测量得到所述本小区的下行总发射功率的绝对测量值和所述其他小区的下行总发射功率的绝对测量值；

B2由所述本小区的下行总发射功率的绝对测量值和所有所述其他小区的下行总发射功率的绝对测量值之和的比值得到所述本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值；

B3由所述本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值乘以所述本小区的静态参数因子得到所述其他小区对本小区干扰比。

所述步骤B1包含以下子步骤，

本小区实时测量所述本小区的下行总发射功率的绝对测量值；

本小区将所述本小区的下行总发射功率的绝对测量值广播给所有所述其他小区；

本小区接收所有所述其他小区的下行总发射功率的绝对测量值。

所述步骤B中所述其他小区对本小区干扰比根据下式计算得到，

$F=C\·\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}$

其中，F为所述本小区的其他小区对本小区干扰比，C为所述本小区的静态参数因子，P_n为所述其他小区的所述下行总发射功率，P_m分别为本小区的所述下行总发射功率，M为本小区和所有所述其他小区组成的集合，表示对所有所述其他小区求和。

所述步骤C中所述本小区下行负载因子根据下式计算得到，

${\mathrm{\η}}_{\mathrm{DL},m}=(1-\mathrm{\α})\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}+F_m\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}$

其中，η_DL，m为所述本小区的下行负载因子，α为本小区的平均正交化因子，v_k为本小区第k个用户的激活因子，γ_k为本小区第k个用户业务的目标信干比，J_k为本小区第k个用户的用户处理增益，K(m)表示本小区的所有用户组成的集合，F为所述本小区的其他小区对本小区干扰比， 表示对本小区的所有用户求和。

所述其他小区只包含考虑范围内的邻近小区。

通过比较可以发现，本发明的技术方案与现有技术的区别在于，将其他小区对本小区干扰比分为静态部分和动态部分，其中静态部分由实验仿真统计平均得到，动态部分由其他小区和本小区的总发射功率的相对测量值确定，再根据其他小区对本小区干扰比和本小区自身干扰的下行负载因子，计算得到本小区下行负载因子。

这种技术方案上的区别，带来了较为明显的有益效果，即由于考虑了其他小区对本小区的干扰比的静态部分和动态部分综合效应，很好地考虑的实际动态变化效应，大大提高了下行负载因子估计精确度，同时动态部分由其他小区和本小区的总发射功率的相对测量值确定，因此有效地避免了绝对测量值带来的静态偏移误差，进一步提高了下行负载因子的估计精确度。

附图说明

图1为不同小区的下行总发射功率和下行负载因子关系的实验仿真结果示意图；

图2为根据本发明的一个实施例的相邻小区对本小区产生干扰的物理机制示意图；

图3为根据本发明的一个实施例的下行负载估计方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

本发明根据相邻其他小区的总发射功率测量值和本小区的总发射功率测量值的相对大小信息，来动态确定其他小区对本小区的干扰比，从而考虑了实际应用中的动态变化效应，而且所采用的相对测量值信息能有效的避免绝对测量值中静态偏移所带来的影响，因此所估计得到的下行负载精度得到了很大的提高。这里定义C因子为所述根据相对测量值信息所动态确定的其他小区对本小区的干扰比，而所采用的下行负载估计方法称为C因子方法。

C因子方法利用相邻其他小区的总发射功率测量值，计算其它小区对本小区负载因子的影响，使得对不同小区负载不一样和同一小区负载实时变化的情况，均能够正确地反应动态变化的其他小区对本小区干扰比的实际值。

本发明所采用的表示其他小区对本小区干扰效应的C因子是经过严格的理论推导得到的，并在实际应用中得到很好地验证，取得了实际效果。下面详细给出根据本发明的一个实施例的C因子的推导过程。

如前所述，CMDA系统中下行功率控制使得每个用户的接收功率在移动终端处收敛到一定的信干比。

假定下行功率控制使得每个用户的接收功率在手机处收敛到一定的信干比。对于小区m中的第k个用户有：

${\mathrm{\γ}}_k=J_k\frac{p_k/L_{k,m}}{(1-\mathrm{\α})I_{\mathrm{ik}}+I_{\mathrm{ok}}+N}---\left(9\right)$

其中γ_k＝(E_b/N_o)_k是第k个用户业务的目标信干比；J_k为第k个用户的用户处理增益；I_ik为第k个用户的本小区干扰，I_ok为其它小区干扰，N是移动终端处的底噪，α是小区平均正交化因子；p_k是第k个用户对应的下行发射功率，L_k，m是第k个用户和本小区(小区m)的基站天线之间的路径损耗。

考虑到本小区干扰I_ik可由本小区下行总发射功率P_m和用户基站间路径损耗L_k，m确定，其他小区干扰可由所有其他小区对用户干扰累加得到，而某一小区(小区n，n∈M，n≠m，M为所有基站组成的集合)对用户干扰可以由该小区下行总发射功率P_n和其基站到用户之间的路径损耗L_k，n确定。于是上式可进一步写为，

${\mathrm{\γ}}_k=J_k\frac{p_k/L_{k,m}}{(1-\mathrm{\α}){\·P}_m/L_{k,m}+\underset{n\∈M,n\≠m}{\mathrm{\Σ}}{P}_n/L_{k,n}+N}---\left(10\right)$

其中L_k，n是第k个用户和其他小区(小区n)的基站天线之间的路径损耗；P_n是小区n的下行总发射功率，M为所有基站组成的集合。

上式中，本小区干扰和其他小区干扰都是从小区通信的物理机制出发精确推导得到的，从而保证本发明的C因子方法能精确估计其他小区对本小区下行负载因子的贡献。图2是根据本发明的一个实施例的相邻小区对本小区产生干扰的物理机制示意图。其中，小区m中的第k个用户受到本小区基站和小区n基站的干扰，本小区基站到用户的无线链路201的路径损耗为L_k，m，小区n基站到用户的无线链路202的路径损耗为L_k，n。

注意到式(10)与F因子方法不同的地方在于，这里采用精确表达式表示了其他小区干扰，而没有用假设恒定的其他小区对本小区干扰比值来表示。这保证了本发明所采用的理论基础是足够精确的。

由式(10)可得，第k个用户所对应的小区基站下行发射功率为，

$p_k=\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α}){\·P}_m+\underset{n\∈M,n\≠m}{\mathrm{\Σ}}{P}_n\·\frac{L_{k,m}}{L_{k,n}}+N{\·L}_{k,m}]---\left(11\right)$

考虑小区m的基站对本小区内所有用户的下行发射功率的总和，即得到小区m的下行总发射功率P_m，可以写为，

$P_m=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·p_k=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α}){\·P}_m+\underset{n\∈M,n\≠m}{\mathrm{\Σ}}{P}_n\·\frac{L_{k,m}}{L_{k,n}}+{N\·L}_{k,m}]---\left(12\right)$

其中v_k是用户的激活因子，K(m)表示所有接入小区m的用户组成的集合。于是有，

$P_m=\frac{\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}{\·L}_{k,m}\·N}{1-\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α})+\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}]}---\left(13\right)$

根据定义式 $P_m=\frac{P_N}{1-{\mathrm{\η}}_{\mathrm{DL}}},$ 可以写出小区m的下行负载因子η_DL，m为，

${\mathrm{\η}}_{\mathrm{DL},m}=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α})+\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}]---\left(14\right)$

在本发明的一个实施例中，考虑到实际系统中，小区基站的相对位置及其无线链路环境基本固定，因此在一定的时间内，式(14)中的其他小区基站到该用户的无线链路的路径损耗基本满足静态参数的标准，因此将该静态参数分离，并用参数因子C表征其他小区路径损耗与本小区路径损耗相对关系，在此基础上即可用其他小区的发射功率测量值计算得到所需的其他小区干扰。参数因子C定义如下，

$C_{k,m}=\frac{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}}{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}}---\left(15\right)$

可见，参数因子C基本上由小区的相对物理位置即小区基站到用户的路径损耗所决定，反映了小区系统的静态特性。在本发明的一个较佳实施例中，该参数因子可以由根据实际小区物理位置进行实验仿真结果并统计平均得到。

参照F因子方法，定义其他小区对本小区干扰的比值F_k，m，并进一步用参数因子C表示如下，

$F_{k,m}=\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}=C_{k,m}\·\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}---\left(16\right)$

可以看出，其他小区对本小区干扰比值由两部分相乘所得，其中参数因子C反映静态参数特性，称为静态部分参数；另一部分反映动态参数特性，称为动态部分参数。事实上，动态部分为其他小区的总发射功率和本小区的总发射功率的比值之和，如前所述，而在实际系统中，由于小区用户分布不均匀、地理环境有差异、同一小区用户业务负荷随时间变化等动态因素，将导致小区的总发射功率动态变化，因此动态部分参数是一个动态变化的量，这不同与静态部分参数即参数因子C只由小区相对物理位置决定，基本上不随时间和用户移动而变化。

对比F因子方法可见，只有当所有用户在系统中的业务分布均匀，而且接入不同小区的用户数目一样，而导致每个小区下行总发射功率一样时，上述动态部分参数才等于一个常数。在一般情况下，业务在系统中的分布不一定是均匀的，每个小区的下行总发射功率也不一样，该动态部分参数不能用一个常数来表示，而是一个随着小区不同、时间不同而不同的变化参数。显然F因子方法不能反映这一动态效应，而C因子法则通过不同的其它小区下行总发射功率之和与本小区下行总发射功率的比值能动态地反映这一情况。

由式(15)(16)重写下行负载因子如下，

${\mathrm{\η}}_{\mathrm{DL},m}=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α})+F_{k,m}]=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·[(1-\mathrm{\α})+C_{k,m}\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}]---\left(17\right)$

在本发明的一个实施例中，用统计平均值C代替C_k，m，则有，

${\mathrm{\η}}_{\mathrm{DL},m}=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·(1-\mathrm{\α})+C\·\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}---\left(18\right)$

从上式可以看出，小区负载因子可以分为两部分，一部分是本小区干扰导致的负载因子，另一部分是其它小区对本小区干扰导致的负载因子；其它小区对本小区负载又从物理意义上又可以分为两部分相乘，即静态部分参数和动态部分参数。静态部分基本只和无线环境，小区分布和用户分布的统计特性相关，基本是一个静态的常数，反映在参数因子C中；动态部分参数和本小区业务以及其它小区下行总发射功率与本小区下行总发射功率比值相关，这一部分反映各小区无线资源的动态变化，是一个动态的分项。

在本发明的一个实施例中，对各小区进行动态的测量和监视得到计算下行负载因子所需的小区总发射功率。对应于每个小区，即可由其他小区提供的所有小区的总发射功率测量值，来计算得到动态部分参数。从而根据式(18)计算下行负载因子估计值。

本发明所采用的C参数因子方法可以实时利用其它小区的实际测量值，估计本小区下行负载因子，从而避免了F因子方法直接通过本小区负载因子来假设其它小区负载因子的弊端。另外，采用其它小区下行总发射功率和本小区总发射功率比值作为估计参数，避免的绝对误差带来的影响。因为在实际系统中，由于基站对温度等环境因素比较敏感，导致测量得到的总发射功率值存在一个静态偏移的误差，使得小区的总发射功率绝对测量值存在误差。而考虑到某一区域的基站都处于同一温度区域，因此温度变化给总发射功率测量带来的静态偏移基本相同，这使得小区总发射功率的相对测量值能保持稳定，从而避免温度等环境因素所带来的影响。

在本发明的一个较佳实施例中，考虑到实际情况下其他小区基站到用户的路径损耗与实际距离成指数次衰减的关系，因此对于距离较远的小区，由路径损耗导致的巨大衰减使得该小区对用户的干扰可以忽略。基于此实际情况，在计算其他小区对本小区的总发射功率比值的时候，只考虑与本小区邻近的小区，用M(m)表示在考虑范围内的邻近小区集合，则式(18)写为，

${\mathrm{\η}}_{\mathrm{DL},m}=\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}\·(1-\mathrm{\α})+C\·\underset{n\∈M\left(m\right),n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}---\left(19\right)$

在本发明的一个较佳实施例中，通过对小区实际情况的实验仿真的统计结果，来设置统计参数因子C值，并且在小区环境或设定发生变化时对参数因子C的取值进行相应调整。

在本发明的一个较佳实施例中，所有小区都实时测量自身的总发射功率，并将自身的总发射功率测量值广播给其他小区系统，实现每个小区均能实时获得所有小区的总发射功率测量值，由此通过C因子方法估计本小区下行负载因子。

根据前述C因子方法推导过程，图3示出了根据本发明的一个实施例的下行负载因子估计方法流程图。

接着进入步骤301，通过仿真计算或实验测量得到本小区的统计意义上的参数因子C值，计算公式如(15)。比如可以采用MATLAB等仿真软件进行对实际小区通信情况的仿真，或者进行实地测量，得到统计平均的参数因子C值。

接着进入步骤302，通信过程中，各小区实时测量自身的总发射功率值。由于本发明采用相对测量值，因此该测量允许有静态偏移误差。

接着进入步骤303，根据步骤302中测量得到的本小区的总发射功率值和其他小区的总发射功率值以及步骤301中得到的参数因子C计算得到其他小区对本小区的干扰比值，计算公式如式(16)。

接着进入步骤304，计算本小区干扰的下行负载因子，即式(19)中前一部分。

接着进入步骤305，根据步骤303中计算得到的其他小区对本小区的干扰比值，以及步骤304得到的本小区干扰的下行负载因子，可以计算得到其他小区干扰的下行负载因子，即式(19)中后一部分，由此得到本小区的下行负载因子，计算公式如式(19)。

虽然通过参照本发明的某些优选实施例，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (9)

1.一种移动通信系统中下行负载估计方法，其特征在于，包含以下步骤，

A设定或调整本小区的静态参数因子；

B根据本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值，以及本小区的所述静态参数因子，计算其他小区对本小区干扰比；

C根据所述其他小区对本小区干扰比，计算本小区的下行负载因子；

其中，所述静态参数因子用于指示所述其他小区对本小区干扰比中随着无线资源分配变化静态不变的部分，所述相对测量值用于指示所述其他小区对本小区干扰比中随着无线资源分配变化而动态变化的部分。

2.根据权利要求1所述的移动通信系统中下行负载估计方法，其特征在于，所述方法应用于宽带码分多址移动通信系统中的基站的准入控制或负载控制中。

3.根据权利要求1所述的移动通信系统中下行负载估计方法，其特征在于，所述步骤A包含以下子步骤，

根据小区系统的实际情况，对所述静态参数因子进行实验仿真计算；

根据所述实验仿真计算的统计结果，设定或调整所述静态参数因子。

4.根据权利要求1所述移动通信系统中下行负载估计方法，其特征在于，所述步骤A中所述本小区的静态参数因子通过对本小区所有用户的所述静态参数因子的统计平均得到，其中本小区的第k个用户的所述静态参数因子由下式计算得到，

$C_{k,m}=\frac{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}\·\frac{L_{k,m}}{L_{k,n}}}{\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}}$

其中，C_k，m为所述本小区的第k个用户的所述静态参数因子，P_n为所述其他小区的所述下行总发射功率，P_m分别为本小区的所述下行总发射功率，L_k，n为所述其他小区的基站到所述本小区的第k个用户的无线链路路径损耗，L_k，m为本小区的基站到所述本小区的第k个用户的无线链路路径损耗，M为本小区和所有所述其他小区组成的集合， 表示对所有所述其他小区求和。

5.根据权利要求1所述移动通信系统中下行负载估计方法，其特征在于，步骤B包含以下子步骤，

B1测量得到所述本小区的下行总发射功率的绝对测量值和所述其他小区的下行总发射功率的绝对测量值；

B2由所述本小区的下行总发射功率的绝对测量值和所有所述其他小区的下行总发射功率的绝对测量值之和的比值得到所述本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值；

B3由所述本小区的下行总发射功率和其他小区的下行总发射功率的相对测量值乘以所述本小区的静态参数因子得到所述其他小区对本小区干扰比。

6.根据权利要求5所述移动通信系统中下行负载估计方法，其特征在于，所述步骤B1包含以下子步骤，

本小区实时测量所述本小区的下行总发射功率的绝对测量值；

本小区将所述本小区的下行总发射功率的绝对测量值广播给所有所述其他小区；

本小区接收所有所述其他小区的下行总发射功率的绝对测量值。

7.根据权利要求5所述移动通信系统中下行负载估计方法，其特征在于，所述步骤B中所述其他小区对本小区干扰比根据下式计算得到，

$F=C\·\underset{n\∈M,n\≠m}{\mathrm{\Σ}}\frac{P_n}{P_m}$

其中，F为所述本小区的其他小区对本小区干扰比，C为所述本小区的静态参数因子，P_n为所述其他小区的所述下行总发射功率，P_m分别为本小区的所述下行总发射功率，M为本小区和所有所述其他小区组成的集合，表示对所有所述其他小区求和。

8.根据权利要求7所述移动通信系统中下行负载估计方法，其特征在于，所述步骤C中所述本小区下行负载因子根据下式计算得到，

${\mathrm{\η}}_{\mathrm{DL},m}=(1-\mathrm{\α})\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}+F_m\·\underset{k\∈K\left(m\right)}{\mathrm{\Σ}}{v}_k\·\frac{{\mathrm{\γ}}_k}{J_k}$

其中，η_DL，m为所述本小区的下行负载因子，α为本小区的平均正交化因子，v_k为本小区第k个用户的激活因子，γ_k为本小区第k个用户业务的目标信干比，J_k为本小区第k个用户的用户处理增益，K(m)表示本小区的所有用户组成的集合，F为所述本小区的其他小区对本小区干扰比，

表示对本小区的所有用户求和。

9.根据权利要求1至8中任一项中任一项所述的移动通信系统中下行负载估计方法，其特征在于，所述其他小区只包含考虑范围内的邻近小区。

Images