[发明专利]一种异构密集网络中容量与覆盖联合优化方法

摘要

本发明请求保护一种异构密集网络中容量与覆盖联合优化方法，涉及到异构密集SON自组织网络领域。本方法采用了一种基于模糊逻辑与Q学习的进行小蜂窝功率控制的联合优化网络平均频谱效率和边缘频谱效率的方法。本方法首先需要密集小蜂窝根据移动台的测量上报信息在一个调整周期内进行网络平均频谱效率和边缘频谱效率的衡量。然后，将密集小蜂窝的功率，平均频谱效率和边缘频谱效率作为模糊逻辑的输入变量，进行模糊逻辑与Q学习的自优化控制处理，自适应的使网络收敛到理想的容量与覆盖联合优化调整状态。本方法，以在线的学习方式有效的改善高密集小蜂窝部署时由于功率设置不合理引起的容量覆盖问题，具有一定实用性。

主权项

1.一种异构密集网络中容量与覆盖联合优化方法，其特征在于，包括以下步骤：a、移动用户终端获取服务基站的接收信号强度和干扰基站的接收信号强度并进行信干噪比SINR的计算：其中RSRP_s为服务基站接收信号强度，RSRP_i为干扰基站接收信号强度，n为干扰小区个数，n₀为噪声；周期性的上报下行信道质量指示CQI；b、密集小蜂窝基站在调整周期内进行小区平均频谱效率和边缘频谱效率的统计，按权重进行网络状态质量指标的衡量，衡量公式为SQ＝SEcenter+w SEedge，其中SQ为网络状态质量指标，SEcenter为小区平均频谱效率，SEedge为边缘频谱效率，w为权重因子；c、获取邻小区的网络状态质量指标，在模糊逻辑Q学习算法中以多智能体Agent合作的方式评价网络整体状态质量，作为智能体Agent单步调整好坏的评价指标，用来计算瞬时奖赏值；d、对密集小蜂窝功率，将平均频谱效率和边缘频谱效率作为模糊逻辑Q学习系统的输入值进行模糊化处理，形成模糊规则，初始化状态动作Q值表，根据e‑greedy策略对每条激活了的规则进行动作选择，采用加权和方式进行去模糊化处理，输出调整值；e、根据输出调整值进行小蜂窝功率的自适应的调整，进入下一个调整周期的网络整体状态质量的衡量；f、在一个调整粒度到期时，结合步骤c评价多Agent合作方式下的瞬时奖赏值，进行模糊逻辑规则下的状态动作的Q值表的更新，然后按步骤d所述的e‑greedy策略进行动作选择，进行重复的功率自适应调整过程，直至收敛到设定网络容量与覆盖联合优化调整状态。