[发明专利]基于干扰抑制的小区深度覆盖和频谱分配方法与装置

权利要求书

1.一种基于干扰抑制的小区深度覆盖和频谱分配方法，其特征在于，包括以下步骤：

步骤S1:实时收集MBS和各mRBS的CSI和服务用户当前时刻的业务请求信息；

步骤S2:根据收集到的信息动态配置当前子帧类型、决策最优小区合并因子并计算相应的各小区内的子载波分配策略;

步骤S3:将步骤S2计算结果存储成具有对应关系的表；所述对应关系为当前子帧类型、决策最优小区合并因子与各小区内的子载波分配策略的对应关系；

步骤S4:通过深度学习对具有对应关系的表进行学习，拟合CSI和用户业务请求量与最优小区合并因子和各小区内最优子载波分配策略间的关系；

步骤S5:判断得到任一子载波的用户是否已经获得了足够的频谱资源，需要将其从接下来的子载波分配进程中剔除，或者是否所有用户均已获得了足够的子载波资源，子载波分配进程需要立即终止,完成分配；

所述各mRBS根据与MBS的距离，分为一个近mRBS和若干边缘mRBS两类；

所述步骤S2具体为：

步骤S21：根据各小区服务用户的业务请求信息和信道状态信息，分别计算当前子帧为正常子帧，或当前子帧为ABS时的最优小区合并因子和相应的各小区内最优子载波分配策略；

步骤S23：比较正常子帧和ABS下的网络加权和速率，选择较大的一项作为当前子帧的最终配置类型，进而确定所配置子帧类型下的最优小区合并因子和各小区子载波分配策略；

所述步骤S21具体为：

步骤S211：计算任一可能的小区合并因子下各小区内的最优子载波分配策略;

步骤S212：判断是否已遍历所有可能的小区合并因子配置,若是，则转向步骤S213，否则，则返回至步骤S211;

步骤S213：比较所有小区合并因子配置下的网络加权和速率，选择使目标函数最大的小区合并因子和相应的各小区内子载波分配作为最优的小区合并因子配置和资源分配策略；

所述步骤S211具体为：

步骤S201：输入各小区服务用户的业务请求信息和信道状态信息;

步骤S202：对任一子载波s，将其分配给加权瞬时传输速率最大的用户，其中，各用户的权重为其当前的业务请求量;

步骤S203：更新得到上述子载波s的用户的待传业务数据量，所述用户更新后的待传业务量等于其当前的待传业务数据量减去利用子载波s发送出去的数据量;

步骤S204：判断得到子载波s的用户是否已经获得了足够的频谱资源；若是，则转向步骤S205，否则，跳向步骤207;

步骤S205：若所述得到子载波s的用户已经获得了足够的子载波数量则将其从接下来的子载波分配进程中排除，以避免资源浪费；

步骤S206：判断是否所有用户均已分配到足够的子载波数量，若是，则跳向步骤S208，否则，转至步骤S207;

步骤S207：判断是否已遍历所有可用的子载波，若是，则退出子载波分配过程，否则，返回至步骤S202;

步骤S208：若所有用户均已分配到足够的子载波，则终止子载波分配进程。

2.一种用于实现权利要求1所述基于干扰抑制的小区深度覆盖和频谱分配方法的装置，其特征在于，包括

信息收集模块，用于实时收集MBS和各mRBS的CSI和服务用户当前时刻的业务请求信息；

资源管理模块，用于根据信息收集模块收集到的信息动态配置当前子帧类型、决策最优小区合并因子并计算相应的各小区内的子载波分配策略；

存储模块，用于将资源管理模块计算所得结果存储成具有对应关系的表，用于网络运营后期利用深度学习技术学习这些数据；

机器学习模块，用于通过深度学习手段对存储模块中的数据进行学习，拟合CSI和用户业务请求量与最优小区合并因子和各小区内最优子载波分配策略间的关系。

3.根据权利要求2所述的装置，其特征在于：所述资源管理模块中还包含有判断模块，用于判断得到任一子载波的用户是否已经获得了足够的频谱资源，需要将其从接下来的子载波分配进程中剔除，或者是否所有用户均已获得了足够的子载波资源，子载波分配进程需要立即终止。