本发明属于基站协作领域，面向目标用户的下行速率，通过基站协作策略，在不增加能耗的前提下优化目标用户的速率。
背景技术：
随着互联网的飞速发展以及移动终端数量的不断增长，在满足用户速率需求的同时，能耗问题也得到了大家的关注。基站协作技术是解决该问题的理想手段之一。基站协作技术的思想主要是多个基站协同地为目标用户服务，可以有效地降低基站间的干扰。取决于所采用的回程架构，协作方案主要分为协作调度波束成形(cs/cb：coordinatedscheduling/beamforming)和联合处理(jp：jointprocessing)两种解决方案。成功的联合处理方案可以使得干扰信号转变为有用的信号。非相干联合传输的方式(nc-jt：non-coherentjointtransmission)属于完全联合处理方案，参加协作的基站联合地传输相同的数据给指定用户。从用户的角度来看，非相干的有用信号的累积，毫无疑问，可以带来能量上的增益。
蜂窝网络通常使用简单易处理的wyner模型进行建模，该模型中每个小区单元仅受相邻有限个小区单元发出信号的影响。然而，在基站密度大且位置分布不规则的场景下，该模型并不适用。齐次泊松点过程(hppp：homogeneouspoissonpointprocess)模型是一种基于随机几何理论的模型，在该模型中，所有基站的位置服从hppp分布，基站的位置是独立且随机的。该模型的主要优点是可以采用随机几何的一些方法对位置随机的基站和用户进行分析。
现有技术中，还没有针对同构蜂窝网络建立hppp模型，通过基站协作策略以提高目标用户的下行速率的披露。
技术实现要素：
本发明的目的是通过基站协作技术，在蜂窝网络中联合多个基站协作地为目标用户服务，充分利用频谱资源，同时在不增加能耗的前提下优化目标用户的下行速率。
为实现上述目的，本发明采用的技术方案为一种蜂窝网络中面向用户下行速率的基站协作方法，具体包含以下步骤：
s1：使用hppp模型对基站进行建模；
s2：根据上述hppp模型的特征和邻近基站协同传输的协作策略得出目标用户下行速率τ和协作因子α的关系表达式；
s3：通过搜索算法，得出最优的协作因子α，实现最优的基站协作方式。
进一步，上述步骤2中得出目标用户下行速率τ和协作因子α的关系表达式的过程具体为：
①基于hppp模型建模，基站的位置服从密度为λ的hppp分布，每个基站的位置都是独立的，同一基站给不同用户服务使用不同的资源块，目标用户的第一近基站和第二近基站使用相同的资源块；
②距离目标用户第一近的基站和第二近的基站以αp和(1-α)p的发送功率按照nc-jt的协作方式协同地为目标用户服务；
③根据香农公式和泊松点过程的概率生成式推导得到，目标用户下行速率τ和协作因子α的关系表达式。
上述步骤3中求得最优协作因子的方法为：以合适的步长遍历协作因子α的可能取值区间0到1，使得目标用户下行速率最大的协作因子α即为最优的协作因子。
与现有技术相比，本发明具有以下有益效果：
①使用hppp模型对基站进行建模，基站的位置独立且随机，更符合当前基站分布的现状，同时便于使用随机几何的一些方法对系统模型进行分析；
②相比于传统的目标用户近连接最近的基站，本发明提出的基站协作策略能够较好的复用频谱资源，同时将部分干扰信号变为有用信号，在不增加能耗的前提下，可以有效的提高目标用户的下行速率，同时能以最大的用户下行速率为前提，选择合适的协作因子，实现最优的协作策略；
③提出的搜索算法能够在目标用户下行速率最大的条件下，求得最优协作因子的近似值。
附图说明
图1是本发明的基站协作流程图。
具体实施方式
现结合附图对本发明作进一步详细的说明。本发明主要包括三个方面的内容：一是针对同构蜂窝网络建立hppp模型；二是提出一种基站协作策略，并求解出该策略下目标用户的下行速率；三是在目标用户下行速率最大的条件下，根据搜索算法求得最优的协作因子α，实现最优的协作方式。
首先使用hppp模型对基站进行建模，然后根据基站协作策略得到目标用户的sinr，再根据香农公式可以求得目标用户的下行速率，最后，在目标用户下行速率最大的条件下，根据搜索算法选择最优的协作因子，从而得到最优的协作方式。
基站协作策略为：距离目标用户第一近和第二近的用户分别以αp和(1-α)p的发送功率按照nc-jt的方式协作地为目标用户服务。其中α为协作因子，p为发射功率。
搜索算法为：协作因子α的取值区间为0到1，在0到1的区间里均匀的取1000个点，根据目标用户速率关于协作因子α的关系表达式，遍历这1000点，使得目标用户下行速率最大的α即为最优的协作因子。
具体过程，如图1所示，如下：
首先，使用hppp模型对基站进行建模，基站位置服从密度为λ的hppp分布，考虑随机信道中衰落和阴影的影响，并假设目标用户和协作基站的传输信号仅经历了均值为1的瑞利衰落，同一基站给不同用户服务使用不同的资源块，目标用户的第一近基站和第二近基站使用相同的资源块；
然后，距离目标用户第一近和第二近的基站分别以αp和(1-α)p的发送功率按照nc-jt的方式协作地为目标用户服务，其中α为协作因子。将距离目标用户第一近和第二近基站以外的基站发出信号视为干扰，并考虑噪声能量，我们可以得到目标用户的sinr为：
其中，r1和r2分别为距离目标用户第一近和第二近的基站与目标用户之间的距离，β为路径损耗系数，g1和g2分别为距离目标用户第一近和第二近的基站到目标用户信道增益，ri为第i个基站到目标用户的距离，gi为第i个基站到目标用户的信道增益，σ2为噪声功率。结合hppp模型的性质易知，g1和g2分布服从均值为αp和(1-α)p的指数分布，gi服从均值为p的指数分布。
再根据hppp的一些性质以及基站密度λ，给出r1和r2的联合概率密度函数
并结合步骤二和步骤三中给出sinr和
为了便于求解，忽略噪声功率σ2，即σ2＝0，并令路径损耗系数β取值为4。
经过一些数学推导，可以得到目标用户平均下行速率τ为：
其中
最后根据公式(4)得到协作因子α和目标用户下行速率τ的关系式，在协作因子α的取值范围0到1内，均匀的取1000个点，分别代入公式，从而得出最优协作因子的近似值。具体算法步骤如下：
步骤1：初始化τ为0，α为0，max为0；
步骤2：将α代入公式(4)，求得此时的τ；
步骤3：将τ与max比较，若τ大于max则将τ值赋给max；
步骤4：若α大于1，则算法结束，否则α赋值为α+0.001，重复步骤2。
此算法的基本思想为遍历α可能的取值区间，得到使得目标用户下行速率最大的最优协作因子α。
需要说明的是，以上实施方式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，而不偏离本发明所限定的范围。