[发明专利]基于泊松簇过程的异构蜂窝网络基站部署方法

摘要

本发明提供一种基于泊松簇过程的异构蜂窝网络基站部署方法，所述方法包括：基于随机几何理论，根据假设的系统模型，采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导出SINR模型；利用泊松簇过程的特性以及其概率生成函数对多层异构蜂窝网络的干扰模型进行分析推导，得到干扰分布模型；结合SINR模型与干扰分布模型，推导得到多层异构蜂窝网络覆盖概率模型；通过仿真对比分析了泊松簇过程与泊松点过程的覆盖概率的差异。本发明更加贴近实际通信场景的模型，覆盖概率更大，可以更好地分析覆盖概率、吞吐量，对将来异构蜂窝网络的研究具有重要意义。

主权项

1.一种基于泊松簇过程的异构蜂窝网络基站部署方法，其特征在于，所述方法包括：基于随机几何理论，根据假设的系统模型，采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导出SINR模型；利用泊松簇过程的特性以及其概率生成函数对多层异构蜂窝网络的干扰模型进行分析推导，得到干扰分布模型；结合SINR模型与干扰分布模型，推导得到多层异构蜂窝网络覆盖概率模型；通过仿真对比分析泊松簇过程与泊松点过程的覆盖概率的差异；其中，所述SINR模型的表达式为：其中，表示位于位置z的用户有用接收功率，W表示加性高斯白噪声，表示用户受到的干扰，信道衰落系数h服从均值为1的瑞利衰落；所述干扰分布模型表达式为：其中，所述采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导SINR模型，包括：当第i层的基站提供的实时SINR大于γ_i时，用户接入到第i层，所述γ_i为SINR阈值，γ_i>1；其中，所述采用瞬时SINR的小区选择机制作为用户的小区选择机制，基于泊松簇过程推导SINR模型，包括：将泊松簇过程应用到异构蜂窝网络中，并将为用户提供服务的服务基站位置推广到任意位置x_i，并不限于原点；基站的位置根据Neyman‑Scott簇过程进行部署；其中，所述Neyman‑Scott簇过程为泊松簇过程，所述Neyman‑Scott簇过程包括父过程和子过程；父过程形成簇的中心，子过程围绕父过程分布在簇中心的一定范围内；子过程采用Matern簇过程，每一个子过程点均匀分布在以a为半径的圆内，其密度函数为：其中，x是相对于簇中心的二维位置，||·||代表欧氏范数；其中，所述将泊松簇过程应用到异构蜂窝网络中，并将为用户提供服务的服务基站位置推广到任意位置x_i，并不限于原点，包括:假设移动用户位置位于z，第i层的服务基站位于点x_i处，不限于原点；基站的位置根据Neyman‑Scott簇过程进行部署,包括：第i层的Neyman‑Scott簇过程基站密度为λ_i，发射功率为P_i，SINR阈值为γ_i，根据基于瞬时SINR的小区选择机制，假设γ_i>1，得到SINR模型；其中，所述利用泊松簇过程的特性以及其概率生成函数对多层异构蜂窝网络的干扰模型进行分析推导，得到干扰分布模型，包括：对聚集干扰表达式做拉普拉斯变换，得到基于Neyman‑Scott簇过程的三层异构蜂窝网络干扰的拉普拉斯泛函；对基于Neyman‑Scott簇过程的三层异构蜂窝网络干扰的拉普拉斯泛函进行简化，得到聚集干扰拉普拉斯变换的上界；其中，所述结合SINR模型与干扰分布模型，推导得到多层异构蜂窝网络覆盖概率模型，包括：将所述聚集干扰拉普拉斯变换上界代入到覆盖概率模型中，得到基于泊松簇过程三层异构蜂窝网络覆盖概率模型上界；其中，所述聚集干扰拉普拉斯变换的上界为：其中，B(x,y)是Beta函数，且所述基于泊松簇过程三层异构蜂窝网络覆盖概率模型上界为：其中，所述基于泊松簇过程的异构蜂窝网络基站部署方法应用于三层异构蜂窝网络，所述三层异构蜂窝网络由宏基站、微微基站和家庭基站构成。