基于业务预测的动态增强型小区间干扰协调方法专利检索-马尔科夫决策过程人工智能专利检索查询-专利查询网

基于业务预测的动态增强型小区间干扰协调方法

阅读：895发布：2020-05-23

专利汇可以提供基于业务预测的动态增强型小区间干扰协调方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于业务预测的动态增强型小区间干扰协调方法，该方法针对异构网络中拥有较高功率的宏基站对小蜂窝扩展区域用户造成的干扰问题，采用基于用户业务预测和用户数据队列长度作为约束条件的动态ABS(几乎空白子帧 )调整机制，通过预测移动用户在各个调整周期到达的数据业务量，结合用户所属基站在不同ABS条件下对用户业务服务能力的差异，以及用户对缓存数据队列长度Qos需求等因素来综合选择最佳的ABS 密度 (ABS子帧数量占总子帧的比例)，解决系统不能及时掌握用户业务变化而进行不合适操作的问题。从而在提升小蜂窝扩展区域用户吞吐量的同时，又能保证宏用户的服务需求得到满足；同时，由于考虑了用户对缓存数据队列长度的需求，因此可减小用户丢包概率。，下面是基于业务预测的动态增强型小区间干扰协调方法专利的具体信息内容。

权利要求

1.一种基于业务预测的动态增强型小区间干扰协调方法，其特征在于：该方法包括以下步骤：
S1：移动用户根据服务基站以及干扰基站信号强度测量值计算信干噪比，依据系统配置将信干噪比映射成信道质量指示CQI，并上报给服务基站；服务基站根据用户上报的CQI信息，以及当前可获得的频谱资源，计算服务基站对各个用户的数据服务能力；
服务基站根据服务用户的数量K，根据服务基站配置的总带宽大小W，按照等资源分配的原则，得到每个用户的分配的带宽大小B＝W/K；同时，将用户反馈的CQI映射为频谱效率E，最后结合得到服务基站对用户的数据服务能力μ＝B·E；
S2：服务基站利用dMMPP，即离散马尔科夫调制泊松过程来模拟用户业务生成过程，并统计用户前一周期数据包到达情况，计算到达包数量在各个业务强度下出现的概率，也即观察函数，利用POMDP模型，即部分可测马尔科夫决策过程模型获取下一周期业务状态对应概率，根据各个状态出现概率计算出平均业务强度，然后根据调整周期长度计算用户到达包数量；包括以下步骤：
S21：服务基站统计上个调整周期数据包到达数量，根据到达的数据包个数计算在各个业务强度下出现的概率，也即观察函数；
S22：根据上一周期各个业务强度对应的信念状态，即不同强度业务出现的概率，结合上一周期到达数据包对应的观察函数，以及业务状态之间固有的状态转移关系，计算出当前调整周期各个业务强度对应的信念状态；
S23：根据调整周期各个业务状态出现的概率以及对应的业务强度，计算该周期内平均业务强度；
S24：根据上一步骤计算出的平均业务强度，结合当前调整周期时长，预测当前调整周期最有可能出现的数据包个数；
S3：遍历候选ABS密度值集合中每一个候选值，在选定的ABS密度下，计算调整周期内用户实际可传数据量，同时计算在调整周期结束后缓存队列长度，判断用户待传包数量是否超过缓存队长，发生溢出；系统将按照吞吐量最大，缓存队列溢出用户数占比最小的原则作为选择ABS密度依据；
在步骤S3中，针对候选集中各个ABS密度，根据步骤S1获得的服务基站对用户数据的服务能力，计算在当前所选ABS密度下服务基站对各个用户的平均服务能力；同时，结合步骤S2所预测的新到达的数据，计算调整周期内各个用户的实际吞吐量以及调整周期结束时等待传输的数据队列长度；
S4：根据移动用户在调整周期内实际传输的数据量，计算在调整周期内各个服务基站总吞吐量大小；同时，根据步骤S3得到的数据队列长度，计算调整周期内不满足最大队列长度约束的用户数量；
S5：根据步骤S3得到的各个服务基站的吞吐量大小，宏基站计算服务区域内总吞吐量大小；同时，统计不满足队列长度要求的用户总数，获取不满意用户占总用户数的比例；最后，根据计算出的系统吞吐量和不满意用户比，从候选集中选出最佳ABS密度；
在步骤S5中，各个宏基站根据服务区内小基站估算的吞吐量，计算调整周期内各个ABS密度对应的总吞吐量；宏基站根据服务区内各个服务基站的不满意用户个数，得到调整周期内不满意用户总数，随即可得不满意用户占比；最后，系统按照如下规则选出最优ABS密度进行配置：当存在多个候选ABS密度对应的不满意用户比满足系统要求时，选择最大总吞吐量所对应的ABS密度；当所有候选ABS密度对应的不满意用户占比都不满足要求时，选择最小不满意用户比对应的ABS密度；当宏基站选出最佳ABS密度以后，宏基站通知服务区内的各个小基站，然后各个服务基站以所选ABS模式开始工作。
2.根据权利要求1所述的一种基于业务预测的动态增强型小区间干扰协调方法，其特征在于：在步骤S1中，移动用户在每个子帧对服务基站和干扰基站下行参考信号进行测量，获取各个子载波对应的SINR，然后根据各个子载波测量值计算其等效SINR，通过映射关系得到等效SINR对应的CQI，随后将获得的CQI值周期性地进行上报；服务基站根据可用带宽和服务用户数量，按照等资源分配的原则，为各个用户分配一定的频谱资源；同时，将用户反馈的CQI映射成频谱效率，结合已分配的频谱资源，计算服务基站对各个用户的最大数据服务能力。

说明书全文

基于业务预测的动态增强型小区间干扰协调方法

技术领域

[0001] 本发明属于移动通信网络技术领域，涉及一种基于业务预测的动态增强型小区间干扰协调方法。

背景技术

[0002] 随着4G移动通信技术的全面商用，无线通信进入了快速发展的时代。为了满足用户日益增长的网络需求，在宏蜂窝的覆盖范围内，采用小蜂窝在热点地区进行容量提升的方式已得到广泛使用。在下一代无线通信系统中，密集甚至超密集小蜂窝部署已被公认是满足用户超高容量需求的一种重要技术手段。

[0003] 在异构网络中，小蜂窝通常作为热点地区容量提升的重要手段。然而，由于宏基站通常比小基站的发射功率高很多，当用户采用最强RSRP方式选择服务小区时，会造成大部分移动用户优先选择宏基站作为服务基站。当热点区域越靠近宏基站，热点区域用户就越容易选择宏基站作为服务基站，这将导致小基站只选择少部分移动用户进行服务，导致频谱资源利用率不高。为此，通常通过在小基站参考信号接收功率基础上增加正向偏置的方式，吸引小蜂窝附近的宏用户成为小蜂窝扩展区域用户，实现频谱资源的有效利用。当宏用户通过增加正向偏置值的方式接受小蜂窝服务以后，在同频部署条件下，将导致这部分用户受到宏基站信号的强烈干扰。如果不采取有效地方式避免这部分干扰，即使是在小蜂窝资源充裕的情况下，也无法弥补宏基站干扰带来的性能损失。

[0004] 为了减小宏基站对小蜂窝扩展区域用户带来的干扰，当前通信系统引入了eICIC(增强的小区间干扰协调)技术来解决这个问题，eICIC技术主要从时域资源管理角度来消除宏基站对小蜂窝扩展区域用户的干扰。该技术将一定比例的子帧设置为ABS(几乎空白子帧)子帧，宏基站在ABS上保持静默时，让受干扰严重的扩展区域用户工作来提升网络性能。目前，现有关于eICIC技术中ABS比例的调整都是基于大的时间尺度进行的调整，调整时间较慢，不能很好地适应变化剧烈的业务，同时鲜有从待传数据队列角度来考虑用户的Qos需求。

发明内容

[0005] 有鉴于此，本发明的目的在于提供一种基于业务预测的动态增强型小区间干扰协调方法，能够在满足各部分用户吞吐量需求与缓存队列长度约束的同时，达到提升系统吞吐量的目的。

[0006] 为达到上述目的，本发明提供如下技术方案：

[0007] 一种基于业务预测的动态增强型小区间干扰协调方法，该方法包括以下步骤：

[0008] S1：移动用户根据服务基站以及干扰基站信号强度测量值计算信干噪比，依据系统配置将信干噪比映射成信道质量指示CQI，并上报给服务基站；基站根据用户上报的CQI信息，以及当前可获得的频谱资源，计算服务基站对各个用户的数据服务能力；

[0009] S2：基站利用dMMPP(discrete-time Markov-modulated Poisson Process，离散马尔科夫调制泊松过程)模拟用户业务生成过程，并统计用户前一周期数据包到达情况，计算到达包数量对应各状态的观察函数，利用POMDP(Partially Observable Markov Decision Process，POMDP，部分可测马尔科夫决策过程)模型获取下一周期业务状态对应概率，根据各个状态出现概率计算出平均业务强度，然后根据调整周期长度计算用户到达包数量；

[0010] S3：遍历候选ABS密度值集合中每一个候选值，在选定的ABS密度下，计算调整周期内用户实际可传数据量，同时计算在调整周期结束后缓存队列长度，判断用户待传包数量是否超过缓存队长，发生溢出；系统将按照吞吐量最大，缓存队列溢出用户数占比最小的原则作为选择ABS密度依据；

[0011] S4：根据移动用户在调整周期内实际传输的数据量，计算在调整周期内各个基站总吞吐量大小；同时，根据步骤S3得到的数据队列长度，计算调整周期内不满足最大队列长度约束的用户数量；

[0012] S5：根据步骤S3得到的各个基站的吞吐量大小，宏基站计算服务区域内总吞吐量大小；同时，统计不满足队列长度要求的用户总数，获取不满意用户占总用户数的比例；最后，根据计算出的系统吞吐量和不满意用户比，从候选集中选出最佳ABS密度。

[0013] 进一步，在步骤S1中，移动用户在每个子帧对服务基站和干扰基站下行参考信号进行测量，获取各个子载波对应的SINR，然后根据各个子载波测量值计算其等效SINR，通过映射关系得到等效SINR对应的CQI，随后将获得的CQI值周期性地进行上报；基站根据可用带宽和服务用户数量，按照等资源分配的原则，为各个用户分配一定的频谱资源；同时，将用户反馈的CQI映射成频谱效率，结合已分配的频谱资源，计算基站对各个用户的最大数据服务能力。

[0014] 进一步，在步骤S2中，服务基站统计用户上个周期内到达的数据包数量，根据泊松公式计算在不同业务强度下对应的观察概率；然后，根据上一调整周期的对应信念状态(不同强度业务出现的概率)以及业务间的转移概率，计算当前周期业务对应的信念状态；最后，根据各个业务强度以及对应的信念状态，结合调整周期时长，即得调整周期内可能到达的数据包个数。

[0015] 进一步，在步骤S3中，针对候选集中各个ABS密度，根据步骤S1获得的服务基站对用户数据的服务能力，计算在当前所选ABS密度下基站对各个用户的平均服务能力；同时，结合步骤S2所预测的新到达的数据，计算调整周期内各个用户的实际吞吐量以及调整周期结束时等待传输的数据队列长度。

[0016] 进一步，在步骤S5中，各个宏基站根据服务区内小基站估算的吞吐量，计算调整周期内各个ABS密度对应的总吞吐量；宏基站根据服务区内各个基站的不满意用户个数，得到调整周期内不满意用户总数，随即可得不满意用户占比；最后，系统按照如下规则选出最优ABS密度进行配置：当存在多个候选ABS密度对应的不满意用户比满足系统要求时，选择最大总吞吐量所对应的ABS密度；当所有候选ABS密度对应的不满意用户占比都不满足要求时，选择最小不满意用户比对应的ABS密度；当宏基站选出最佳ABS密度以后，宏基站通知服务区内的各个小基站，然后各个基站以所选ABS模式开始工作。

[0017] 本发明的有益效果在于：本发明针对异构密集蜂窝网络中宏基站严重干扰小蜂窝扩展区域用户这一问题提出了一种基于用户业务预测并考虑用户待传数据队长作为约束的时域资源优化方法，实现在提升小蜂窝扩展区域用户性能的同时，宏用户性能也能得到保障；该方法有效地考虑了待传数据量与基站对用户数据传送能力二者之间的关系，通过调整ABS密度实现资源上的一种供需平衡，由此在满足用户需求的同时，最大化网络性能。附图说明

[0018] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

[0019] 图1为异构蜂窝网络拓扑及帧结构示意图；

[0020] 图2为基站对调整周期内用户业务到达数量进行预测的流程图；

[0021] 图3为本发明中业务预测以及考虑用户队长约束条件下最优ABS密度选择的总体流程示意图。

具体实施方式

[0022] 下面将结合附图，对本发明的优选实施例进行详细的描述。

[0023] 图1为异构蜂窝网络拓扑及帧结构示意图，异构网络主要又具有较高发射功率的宏基站节点与低功率小基站组成。相对于仅有宏基站存在的同构网来说，小基站的存在主要起着信号盲区覆盖以及容量增强的作用。由于当前网络主要采取最强RSRP小区选择方式，所以即使用户靠近小基站，也更容易接受宏基站的服务，导致小基站资源利用低下。为了提升资源利用率，让小蜂窝附近的用户接入到小基站中，常常通过在小基站信号上增加一个偏置值的方式来进行，通常将偏置值方式增大的区域叫做扩展区域，如左图中灰色区域所示。此时，位于扩展区域内的用户将会受到宏基站严重干扰，导致用户吞吐量十分低下。为了减小宏基站干扰，当前主要采取让宏基站在某些子帧上静默的方式进行。如图右部分所示，处于shared部分子帧时，宏用户和小蜂窝中心区域用户正常工作，位于ABS部分时，宏基站保持静默，即不再传输用户数据，而小基站扩展区域用户进行正常的数据传输。

[0024] 图2为基站对调整周期内用户业务到达数量进行预测的流程图，如图所示，包括以下步骤：

[0025] 步骤201：基站监控用户数据队列变，统计上个调整周期数据包到达数量，根据到达的数据包个数计算在各个业务强度下出现的概率，也即观察函数。

[0026] 步骤202：根据上一周期各个业务强度对应的信念状态，结合上一周期到达数据包对应的观察函数，以及业务状态之间固有的状态转移关系，计算出当前调整周期各个业务强度对应的信念状态。

[0027] 步骤203：根据调整周期各个业务状态出现的概率以及对应的业务强度，计算该周期内平均业务强度。

[0028] 步骤204：根据上一步骤计算出的平均业务强度，结合当前调整周期时长，即可通过这种方式预测当前调整周期最有可能出现的数据包个数，结合数据包的大小，即可计算出对应的业务量大小。

[0029] 图3为本发明中业务预测以及考虑用户队长约束条件下最优ABS密度选择的总体流程示意图，具体来说，本发明提供的方法包括以下流程：

[0030] 步骤一：移动用户根据服务基站以及干扰基站信号强度计算出信干噪比(SINR),同时根据配置将信干噪比映射成信道质量指示CQI周期地进行上报。

[0031] 步骤二：服务基站根据移动用户设备上传的CQI，结合用户当前可能获得的资源块数量，计算服务基站对各个移动用户的数据服务率。

[0032] 步骤三：服务基站统计RLC层中各个用户待传数据队列在上个调整周期内到达的包数量，同时统计各个待传数据队列的长度，预测调整周期内新到达的数据包数量。

[0033] 步骤四：遍历所有候选ABS密度值，在选定的ABS密度下，服务基站计算该调整周期内各个用户实际传输的数据量大小，同时计算在该周期结束后用户剩余数据队列长度。

[0034] 步骤五：服务基站将各个移动用户在调整周期内的数据传输量计算出以后，将所有用户的数据量进行累加，得到服务基站总的吞吐量；同时，根据用户数据待传队列长度，统计大于队列门限Qmax的用户个数。

[0035] 步骤六：系统根据各个基站的吞吐量，计算并得到各个候选ABS密度下系统总吞吐量，同时，获取不满足队列长度要求的移动用户总数及其占总用户数的比例；最后，最小不满意用户占比所对应的ABS密度即为所求得最优ABS密度。

[0036] 其中，具体来说：

[0037] 在步骤一中，移动用户在每个子帧对服务基站和干扰基站下行参考信号进行测量，计算每个子载波此时对应的SINR，然后根据子帧类型计算等效宽带SINR，子帧分为常规子帧和静默子帧，对同一类型子帧进行测量然后得到等效宽带SINR，然后通过映射关系得到对应的CQI(信道质量指示)，之后周期性地将测量结果进行上报。

[0038] 在步骤二中，服务基站根据服务用户的数量K，根据基站配置的总带宽大小W，按照等资源分配的原则，得到每个用户的分配的带宽大小B＝W/K；同时，将用户反馈的CQI映射为频谱效率E，最后结合得到基站对用户的数据服务能力μ＝B·E。

[0039] 在步骤三中，服务基站RLC层统计上一周期新到达的用户数据包数量N1，根据已知的业务强度计算在各个业务强度下出现的概率然后，根据贝叶斯后验概率计算公式获得当前决策周期各个业务强度可能出现的概率
然后，根据计算出的业务强度概率
便得到下一周期平均业务强度最后，按照方式计算即可获得下一周
期可能的数据包到达数量。

[0040] 在步骤四中，针对候选集中每一个静默子帧比α，根据步骤b获得的服务基站对用户的服务能力μ，计算在当前α下BS对各个UE的平均服务能力；同时，结合步骤c所预测的数据量，计算在下一周期实际传输的用户数据量：其中，Q表示上一周期剩余待传数据队长，T表示调整周期时长，同时也可得到下一周期结束时剩余数据队列长度：

[0041] 在步骤五中，基站对各个用户所预测的实际传输的业务量进行累加，获得总的吞吐量Tb，同时，根据步骤d计算得到的下一调整周期用户剩余待传数据长度Q'，依据用户对QOS需求而设定的最大队列长度约束Qmax,统计服务基站不满意用户(即：Q'＞Qmax)数量Kb.[0042] 在步骤六中，系统根据各个基站计算出的Tb以及不满意用户数Kb,获得在各个α下对应的系统总吞吐量，Ts＝∑Tb,以及系统总不满意用户数，Ks＝∑Kb，此时，按β＝Ks/K计算便可获得不满意用户数的占总用户数的比例。最后，在计算出所有候选α对应的不满意用户比以后，按下述方式进行选择：假设系统规定的最大不满意用户比为βmax，a)当多个α对应的β都满足系统需求βmax时(即β<βmax)，选择符合要求的β中最大吞吐量Ts所对应的α即为所求；b)当所有候选静默子帧比对应的不满意用户比都不满足系统需求时，最小β所对应的静默子帧比即为所求。

[0043] 最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

标题	发布/更新时间	阅读量
一种人机耦合的纵向避撞控制方法	2020-05-13	372
一种基于负载感知的密集网络负载均衡方法	2020-05-18	794
基于Markov信号博弈的移动目标防御策略选取方法及设备	2020-05-24	375
一种充电站内兼顾预约与排队的电动汽车充电调度方法	2020-05-25	175
基于流量分享的超额预售方法	2020-05-11	231
一种毫米波通信系统中智能波束训练方法及预编码系统	2020-05-12	215
一种双行星排式混合动力汽车非线性模型预测控制方法	2020-05-12	713
基于增强学习的水下机器人姿态控制方法	2020-05-20	570
基于策略梯度在线学习算法的巡航控制系统及设计方法	2020-05-21	426
目标检测与追踪方法、装置、系统、介质和设备	2020-05-14	112

基于业务预测的动态增强型小区间干扰协调方法

基于业务预测的动态增强型小区间干扰协调方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：