本发明涉及一种异构网络小区分簇方法及装置，特别涉及一种基于用户体验速率的异构网络小区分簇方法及装置，属于无线通信技术领域。
背景技术：
随着移动通信系统的不断完善与进步，日益增长的用户需求和业务需求对移动网络提出了更高的要求。伴随着4G网络的商业化运营，用户对服务体验也提出了更高的标准，不同与传统语音业务以及视频业务的需求，在新环境下的用户对移动业务的体验也上升到新的高度，例如实时高清视频的传输以及高速数据的下载以及上传。满足日益增长的用户需求就需要在传统网络基础上提升用户峰值速率，并与此同时支持更多的用户来完成高速数据的传输。超密集覆盖网络 (Ultra Dense Network,UDN)正是在这种环境下应运而生。通过在异构网络中密集部署小基站(Small Cell)的方式来增加网络容量，使其迎合更多用户对高速数据传输的需求。相对于提高宏小区(Marco Cell)的发射功率和小基站的发射功率的方式，UDN的部署方式更加便捷有效。特别对于高速数据业务的用户体验有着有效的提升，是新型网络环境下的有效部署方式。
超密集覆盖的组网方式可以有效解决传统异构网络中的小区边缘用户覆盖问题以及有效提升网络容量(包含网络吞吐量，可容纳用户数等)。在未来的5G通信中，无线通信网络正朝着网络多元化、宽带化、综合化、智能化的方向演进。随着各种智能终端的普及，数据流量将出现井喷式的增长。针对这一趋势，超密集覆盖网络将主要针对，未来数据业务的分布重点，即在室内和热点地区的大量用户的高速数据业务需求，改善网络覆盖，大幅度提升系统容量，并且对业务进行分流，具有更灵活的网络部署和更高效的频率复用。未来，面向高频段大带宽，将采用更加密集的网络方案，部署小小区/扇区将高达100个以上。
与此同时，愈发密集的网络部署也使得网络拓扑更加复杂，小区间干扰已经成为制约系统容量增长的主要因素，极大地降低了网络能效。因此小区分簇技术(Small Cell Clustering)特别用于解决小区间干扰问题以及小区协作问题，为用户分配最优的基站传输资源同时解决干扰问题。通常情况下的用户会受到临近用户的干扰，如何有效排除干扰是目前小区分簇技术面临的主要问题。以用户为中心分配不同的小基站来服务不同的用户将有效解决邻区干扰。以不同的归类标准进行分簇是目前的研究热点之一。
传统基站的小区边缘用户业务传输质量较差的问题也可以通过本方案中的超密集网络的分簇方式解决。在传统异构网络中，没有采用密集覆盖的部署方式，由于单小区覆盖范围较大(一般大于150m)，小区数量有限，小区边缘用户由于距离基站较远接受信号强度较小，且更可能受到临近其他非服务基站的干扰。面临以上场景，密集覆盖网络下的小区将通过不同小基站的配合使得用户能得到多个基站的服务，保证了用户体验以及业务传输的连贯性。
本发明方案在密集覆盖小区中使用了，利用K-Means方法的基于用户体验速率的分簇方法。不同于将一个基站扇区下的用户分为一簇，这种相对固定，且小区边缘用户速率较低的分簇方式。本发明方案将多个待分配小基站划分为多个不同类型以便满足不同用户的传输需求，同一类小基站的相似度较高；而不同聚类中的对象相似度较小。相似度是利用各类中基站的信号强度均值所获得一个“中心对象”来进行计算的。该发明将不断重复这一过程直到收敛为止，即寻找到合理的用户分配基站簇。
技术实现要素：
本发明的目的是为提升异构网络之中无线通信系统的整体性能，充分利用频带资源，提出了一种基于用户体验速率的低复杂度的异构网络小区分簇装置，该装置针对未来日益增长的用户数量，超密集覆盖的网络小区分布导致小区内用户遭受更复杂的干扰问题，在这种环境下对无线通信系统中的小区分布即基站分簇进行优化。
本发明的思想是利用机器学习理论之中的K-Means方法对整个网络中的小区负载状况和用户速率状况进行学习，最终达到在保证系统中用户服务的公平性的同时，提高整个网络系统容量的目的。
本发明适用的场景：包含N个用户的多基站移动通信小区。基站分为宏基站(Macro Cell)和小站(Small Cell)双层排布。其中宏基站有M个，呈3扇区六边形分布。小站部署在宏基站覆盖范围之内，并且距离宏站有小范围距离限制。用户在整个网络之中随机均匀分布。宏基站环境为UMa,即城市宏小区，小站的环境为UMi,即城市微小区。
一种基于用户体验速率的异构网络小区分簇装置，包括中心处理模块、宏基站处理模块、小基站处理模块以及用户终端处理模块；中心处理模块与宏基站处理模块相连接，宏基站处理模块分别与小基站处理模块和用户终端处理模块连接，小基站处理模块与用户终端处理模块连接；
所述中心处理模块独立于宏基站、小基站以及用户，用于收集网络中宏基站及其范围内的小基站和用户信息以及根据异构网络小区分簇方法完成分簇的计算过程，并将分簇结果反馈给各宏基站；
所述宏基站处理模块位于宏基站端，用于收集本基站及其范围内小基站信息及所服务的用户信息，并将之上报给所述中心处理模块，以及从所述中心处理模块接收分簇结果并将之分发给范围内小基站以及按照分簇结果对范围内的小基站和用户提供服务；
所述小基站处理模块位于小基站端，用于收集本基站及其所服务的用户信息，并将之上报给本基站归属的所述宏基站处理模块，以及从本基站归属的所述宏基站处理模块接收分簇结果，并按照分簇结果对范围内的用户提供服务；
所述用户处理模块位于用户终端，用于按照现有工作模式来确定主服务基站；定期根据周围干扰基站的信息进行吞吐量的预估，并将预估的吞吐量发送给其主服务基站。
不限于此，所述网络中宏基站及其范围内的小基站和用户信息包括宏基站位置，小基站的位置，用户的位置及其主服务基站和吞吐量预估信息。
作为优选，为降低存储开销，所述宏基站处理模块以及所述小基站处理模块只接收与本基站相关的分簇结果。
作为优选，为减少数据通信开销，所述中心处理模块将分簇结果反馈给各宏基站以及所述宏基站处理模块将分簇结果分发给范围内小基站为只分发与目标接收基站相关的分簇结果。
作为优选，所述异构网络小区分簇方法，包括以下步骤：
步骤1：在网络之中，首先随机选取K个基站作为初始的种子站，作为初始的簇的中心；
所述基站可以是宏基站也可以是小站；
步骤2：对网络中的所有站，根据其到所述种子站的距离将之加入与其最近的种子站所代表的簇；
例如基站i经计算距离种子站j最近，则将其加入种子站j所表示的簇，表示成如公式(1)所示的形式
其中ci表示K-Means方法得到的第i个基站所在的簇的编号，其取值范围是1～k，μj表示第j个种子站，pi表示第i个站，||||2表示站i到种子站j之间的距离；j表示1～k之间的正整数；站的总数n 为宏基站的数目加上小基站的数目，i的取值范围是1～n,N表示自然数。
作为优选，基站i和基站j之间的距离可使用如下公式所述欧几里得距离表示：
其中，d表示两站之间的距离,(xi,yi)、(xj,yj)分别表示基站i和基站j坐标。
步骤3：初步分簇完成之后，对各簇重新进行计算，将簇内所有基站的位置求和取平均值，得到新的各簇的中心；
需要注意的是，此时簇的中心位置可以不是实际的基站位置而仅仅是簇的中心坐标；
作为优选，簇的中心的计算公式如下：
其中，不同于步骤2，μj为重新计算的第j个簇的中心的位置， pi为簇j内基站i的位置；表示第i个基站所在的簇为j时加1，对分母而言，其含义是簇j所包含的基站个数，对分子而言，其含义是对簇j所包含的基站位置求和；
步骤4：重复步骤2和步骤3，直到分簇结果不再变化，或者通过下式计算的所有簇的畸变函数J(c,μ)都小于阈值Jmin为止：
其中，μj表示第j个簇的中心，pi代表第j个簇内的第i个基站， m表示第j个簇内基站的数目；
步骤5：用户设备(User Equipment,UE)进行小区选择，以及吞吐量预估，然后系统筛选出预估计的吞吐量最低的部分用户作为小区边缘用户；
作为优选，UE进行小区选择时可以基于最大小区参考信号接收功率(Reference Signal Receiving Power,RSRP)的准则进行小区选择。
步骤6：以步骤5得到的小区边缘用户作为新的簇的中心，对网络内的基站进行分簇，重复步骤2到步骤4，直到分簇结果不再变化或满足畸变函数J(c,μ)小于Jmin为止。
作为优选，如果某些小区边缘用户彼此之间的距离较近，即距离小于阈值d，即可将这些小区边缘用户合并，以其中心作为新的簇的中心，以减少簇中心点数目。
有益效果
与现有异构网络无分簇及扇区分簇方法相比，本发明方法对超密集部署网络中的系统吞吐量有较为明显的改善，用户在密集覆盖环境下受干扰的影响减小，这种改善在吞吐量较小的小区边缘用户中表现更加明显，从而显著提升了用户体验质量。
附图说明：
图1为本发明实施例异构网络场景示意图；
图2为基于本发明实施例得到的异构网络容量与传统的异构网络容量对比示意图；
图3为基于本发明实施例得到的小区边缘用户吞吐量与传统的异构网络小区边缘用户吞吐量的对比示意图；
图4为本发明实施例一种基于用户体验速率的异构网络小区分簇装置结构示意图。
图5为本发明实施例一种基于用户体验速率的异构网络小区分簇方法流程示意图。
具体实施方式
为使本发明的目标，技术方案及优点更加清楚明确，下面将结合附图对本发明的实施例进行详细的描述。本实施例以本发明的技术方案为指导进行实际的实践核验，同时给出了详细的实施方式和具体的操作流程，但本发明的保护范围并不只限于如下的实施例。
在同频组网的超密集组网的网络之中，宏基站和小站处于同一频段上，且站与站之间的距离非常之近，此原因导致宏基站与宏基站之间，宏基站与小站之间，以及小站与小站之间的干扰非常大，使得网络之中的资源不能有效的为用户提供服务，造成了极大的资源浪费。不符合“绿色通信”的概念要求。为解决此问题，本发明方法提出了一种基于用户体验速率的基站分簇方法，该方法的最终目标是在给定小区基站服务资源的前提之下，提高网络的性能和用户的服务质量。具体来说，就是尽可能快的将彼此干扰比较大的基站聚类在一起，联合处理以减少用户受到的干扰，提高用户的接收服务质量。
实施例1
如图1所示，本实施例通过搭建尽可能模拟真实环境的仿真场景，建立多个移动通信小区模型组成一个完整的小区拓扑结构，并根据 3GPP协议之中对仿真场景的要求，在系统之中模拟了一个由7个小区构成的宏小区，每个小区的基站位置在小区的中心，站间距离500 米，每个小区进一步扩展为3个扇区，在每个扇区之中，按照泊松撒点的原则，在扇区之中部署小站和用户，小站数目的均值为10，用户数目的均值为30；用户的位置在网络之中均匀分布，但是限定用户的位置和中心基站的距离大于35米，同时限定用户和小站的距离大于1米，是因为宏站和小站在一定范围之内会有盲区，用户在盲区之内无法接收到服务。这样设定更为符合现实之中的场景。
为了更好的模拟实际网络部署的场景，外侧的小区也需要考虑一层小区的干扰，为了这个目的，需要使用Wrap-around技术。Wrap-around技术的具体方法是把实际考虑的小区进行复制和平移后，在其周围形成6个虚拟的小区。这样，就能达到每个仿真的小区都有两层小区用于计算相邻小区的干扰。
用户在网络之中，可能会发生移动。在半静态的系统级仿真环境之中，用户有随机的速度方向和大小，但是假定在仿真的较短时间之内，用户的位置没有发生太明显的变化。具体的仿真参数如下表所示：
表1仿真参数配置
如图5所示为本发明提出的一种基于用户体验速率的异构网络小区分簇方法的流程示意图，具体步骤如下：
步骤1：网络中基站和UE信息获取阶段：宏基站获取其覆盖范围之内小站的位置信息和UE的信息。
步骤2:初始簇中心即种子点的选取阶段：作为方法的冷启动过程，首先随机选择若干个基站作为种子点，如10，并且限定初始选择的10个种子点彼此的距离大于200米，这么做的主要目的是要保证簇中心的距离足够远，以使分成的簇的效果更为明显。
步骤3:K-Means距离计算阶段：在步骤2中，已经选取了10 个种子点作为初始簇的中心，这也意味着，整个网络之中的所有基站，包括宏基站和小站，将会被分进10个簇里面。对每个站i,由公式(2)，可以得到它和每个种子点的距离，选取距离最近的一个种子点，加入以该种子点为中心的簇。这样，完成一次分簇过程。在此过程之中，近似的把基站间的距离信息作为彼此间的干扰指标进行传递。
步骤4:步骤3之后，整个网络被重新划分成了10个新的簇集合，重新划分之后，每个簇集合的信息发生了变化，包括每个簇内的基站信息等等。此时，需要重新计算每个簇的簇中心点做为新的种子点。对每个簇i，由公式(3)计算新的簇中心点作为种子点。
步骤5:计算公式(4)畸变函数，设定畸变函数的阈值Jmin值为 100。若得到的畸变函数值的大小大于给定的阈值100，或者每个簇的集合会发生变化，那么就重复步骤3和步骤4，直到簇的集合不发生变化，或者计算得到新的分簇结果的畸变函数值小于100为止。
步骤6:由步骤1，UE选择其所对应的服务小区，之后宏基站获得了每个UE的接入情况。接下来，UE需要预测自己的信干燥比(SINR) 值，为对编号为i的UE预估计的SINR值。
其中，n为对该UE产生干扰的基站的数量；N0为热噪声功率，N0的功率谱密度为-174dBm/Hz；Pi表示每个用户的接收功率。在频域，
经计算可得，N0在单位子载波上为-99dBm。代入相应的参数设定：之后，对每个UE进行吞吐量的预估。
对吞吐量的预估计是通过香农容量公式获得的，可以得到预测的 UE的吞吐量为：
其中W是载波带宽，在本方案之中，定W为6MHz,代入相应的参数设定后，
之后，中心处理模块对所有UE的吞吐量进行排序，筛选出Ri值最低的5％的用户，在本方案之中，一共在网络之中撒了630个用户，即Ri值最低的31个UE被选出来。
获取前面得到的31个UE的地理位置信息，计算他们彼此的距离，如果某些UE的距离较近，距离不超过50米，即可将他们的中心作为新的簇的中心点进行处理。其他的边缘用户独自作为新的簇的种子点。并重复步骤3和步骤4，直到每个簇不再发生变化或者计算的畸变函数值小于100为止。
实施例2
如图4所示为本发明提供的一种基于用户体验速率的异构网络小区分簇装置，由1个中心处理模块、7个宏基站处理模块、210个小基站处理模块以及630个用户终端处理模块组成。如图4所示，各部分分工协作，共同完成本方法所提出的小区分簇功能。
中心处理模块：该部分独立于宏基站、小基站以及用户，可以将之部署在单独的服务器上，其通过有线反馈链路与7个宏基站相连，并且综合处理其从7个宏基站获取的宏基站、小基站以及用户信息，这些信息包括宏基站的位置、小基站的位置、用户的位置、用户的主服务基站以及用户的预估吞吐量，从7个宏基站和210个小基站中随机选择10个基站作为初始节点的种子站，然后根据实施例1中所述步骤进行分簇，并将分簇结果给与其相连的各宏基站。
宏基站处理模块：7个该部分模块分别位于7个宏基站端，完成同样的下述功能：收集本基站范围内小基站以及用户信息并将其连同自身信息发送给中心处理模块；接收中心处理模块发来的分簇结果并将分簇结果转发给本基站范围内的小基站；以及按照分簇结果对范围内的小基站和用户按现有服务内容提供相关服务；
小基站处理模块：210个该部分模块分别位于210个小基站端，完成同样的下述功能：处理本基站所服务的用户信息，如用户接入，通话，切换等与用户业务相关的数据，通话服务等现有基站的处理功能，以及向宏基站上传本基站信息以及本基站所服务的用户信息，从宏基站接收与分簇结果并按照分簇结果对范围内的小基站和用户按现有服务内容提供相关服务。
不限于此，小基站以及用户信息包括小基站的位置、用户的位置、用户的主服务基站和用户的预估吞吐量。
作为优选，为降低存储开销，所述所述宏基站处理模块以及所述小基站处理模块只接收与本基站相关的分簇结果。
作为优选，为减少数据通信量，所述中心处理模块将分簇结果反馈给各宏基站以及所述宏基站处理模块将分簇结果分发给范围内小基站为只分发与目标接收基站相关的分簇结果。
用户处理模块：630个该部分模块分别位于用户终端UE，完成同样的下述功能：根据估计的用户与各基站之间的信号强度质量来选择主服务基站，即按照现有选择服务基站的过程进行主服务基站的选取并接入；定期根据周围基站的干扰信号进行吞吐量预估并将预估的吞吐量发送给其主服务基站。
本领域技术人员知道，正如现有的无线通信过程一样，上述分簇以及服务的过程也是一个不断往复循环的过程，用户不断的根据自身情况的变化进行其吞吐量预估并上报，宏基站和小基站不断将其小区内的服务用户信息和当前簇内的信息上报给中心处理模块并根据中心处理模块下发的分簇结果对簇内用户及基站提供相应的服务。与现有通信处理过程不同，其不再是一个固定的分簇方式，而是根据小区、用户当前通信状况动态调整，使得超密集部署网络中的系统吞吐量有较为明显的改善，用户在密集覆盖环境下受干扰的影响减小，这种改善在吞吐量较小的小区边缘用户中表现更加明显，从而显著提升了用户体验质量。
实验结果
通过以上步骤，即完成了基站的分簇，实验结果如图2和图3所示。通过图2可以看出通过本发明可以有效提升所有用户的吞吐量，特别是对小区边缘的用户(约5％的用户)。通过图3可以看出使用本发明方法得到的小区边缘用户的吞吐量相比于未分簇及扇区分簇方法提升约30％，使网络平均吞吐量相对于未分簇及扇区分簇方法分别提升约35％和20％左右。
由此可以得到，通过本发明使基站间通过共享信道信息和UE状态信息，进行合理有效的分簇可以显著的减小基站之间的干扰。从实验结果可见，用户的性能提升明显。
以上所述的具体描述，对发明的目的、技术方案和优点益处都进行了进一步的详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。