【技术实现步骤摘要】
服从泊松点过程和簇过程分布的基站间平均距离预测方法
[0001]本专利技术涉及一种服从泊松点过程和簇过程混合分布的基站间平均距离预测方法，属于通信信号处理领域。
技术介绍
[0002]在物联网和5G技术发展的推动下，小型化终端和密集蜂窝异构网络在地面通信网中的应用越来越广泛。而针对热点通信地区如城市中心，高人流密度场所等地的通信拥堵问题，通过部署宏基站和微基站并存的高密度网络成为有效的解决方案。相比采用传统的六边形蜂窝网络建模基站分布的方案，采用泊松点过程对基站的分布进行建模，可以更贴切的模拟出现实中基站分布的随机性。而在进行相对应的下行信号接收强度，切换发起指示等统计变量进行求解时，基站间的平均距离求解则是重中之重，进而对覆盖概率，切换率，误码率分析产生重要的影响。
[0003]在针对该方向的研究中，不同类别的基站位置分布通常被建模为独立的泊松点过程，并且在独立于基站位置而选择的任一典型用户处进行分析。尽管泊松点过程由于其理论可分析性和随机性而被广泛用于无线网络建模中，但它不适合用基站和用户的位置相互的耦合于用户密集区。通常在这样的热点通信地区，用户和微基站往往集中分布于一个热点覆盖的有限范围内。在这种情况下，我们考虑泊松簇过程的建模方式。基于泊松簇过程的建模方法在高用户密度领域有优良的性能，但因用户和基站位置存在相关性，使得针对基站间平均距离的求解变得十分复杂，本专利针对该问题，设计了基于泊松簇过程的基站间平均距离求解方法，给出了理论表达式。为针对该方向的研究提供了指导。
[0004]对于所提出的...
【技术保护点】
【技术特征摘要】
1.服从泊松点过程和簇过程分布的基站间平均距离预测方法，其特征在于：包括以下步骤，步骤一、采用泊松点过程对基站分布进行建模，使得基站的分布包含随机性，通过服从泊松点过程的基站分布模型得到小基站到宏基站的平均距离R
SnM
；同时针对通信热点区域用户及小基站呈现簇分布的特性，通过泊松簇过程对基站位置进行建模，引入热点区域的基站分布的相关性，通过服从泊松簇过程的基站分布模得到小基站到宏基站的平均距离R
SpM
；结合服从泊松点过程的基站分布模型和服从泊松簇过程的基站分布模型，得到R
S2S
；即在基站建模时考虑随机性和相关性，使得基站建模更为贴合实际基站分布特性；步骤二、分别求取服从泊松点过程的小基站到宏基站的平均距离R
SnM
、服从泊松簇过程的小基站到宏基站的平均距离R
SpM
、以及服从泊松点过程的任一基站到服从泊松簇过程的典型基站的平均距离R
S2S
，对应的概率密度函数以及累积分布函数；步骤三、通过零阶贝塞尔函数对进行指数表示，并且对包含的多层积分进行化简，得到R
S2S
的概率密度函数和累积分布函数的解析表达式，提高基站间平均距离预测效率；步骤四、基于步骤三得到的各层基站间平均距离的概率密度函数和累积分布函数的解析表达式，得到基站间平均距离的表达式，并计算R
SnM
,R
SpM
和R
S2S
的均值，即实现基站间平均距离预测。2.如权利要求1所述的服从泊松点过程和簇过程分布的基站间平均距离预测方法，其特征在于：还包括步骤五，根据步骤四得到的基站间平均距离的表达式，预测基站分布密度及上述参数对均值的影响；通过不同的参数设置，得到不同场景下通信速率，切换分析得到最优基站位置部署方案，提高基站位置部署的精度，支撑解决基站位置部署应用领域相关工程技术问题；所述上述参数包括服从泊松点过程的基站分布密度参数λ
s
、服从泊松簇过程的基站方差σ2，以及通过贝塞尔函数进行指数表示时的系数和β
i
。3.如权利要求2所述的服从泊松点过程和簇过程分布的基站间平均距离预测方法，其特征在于：所述基站位置部署应用领域相关工程技术问题包括减轻网络能耗、提高通信精度、提高通信效率、提高基站位置部署的精度、提高基站间距离的预测精度。4.如权利要求1、2或3所述的服从泊松点过程和簇过程分布的基站间平均距离预测方法，其特征在于：步骤一实现方法为，步骤1.1：采用泊松点过程对基站分布进行建模，基站位置的分布服从泊松点过程，如公式(1)所示，通过泊松点过程对基站位置建模，使得基站的分布包含随机性，更为贴合实际基站的分布特性；式中λ代表泊松分布的密度参数，代表分布的形状；步骤1.2：针对通信热点区域用户及小基站呈现簇分布的特性，通过泊松簇过程对基站位置进行建模，符合泊松簇过程的基站位置模型如公式(2)所示引入热点区域的基站分布的相关性，使得基站建模更为贴合实际基站分布特性；
式中Φ
c
为服从泊松簇过程的点的集合，Φ
pc
代表父节点服从集合...
【专利技术属性】
技术研发人员：杨凯，周赫，李建国，安建平，马智茹，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。