本发明属于超密集网络用户接入技术领域,涉及一种基于neyman-scott簇过程的网络用户接入方法。
背景技术:
近年来,利用随机几何建模小蜂窝网络(smallcell)取得了有效进展。由于微基站部署位置的随机性和不可预知性的特点,可将其建模为欧式平面上的一个或多个随机点过程,相比较于传统的六边形网络模型,利用泊松点过程建模基站的位置分布,通过分析sinr的累积分布函数和互补累积分布函数分别获得用户的中断概率和覆盖概率,更加贴合网络实际场景。然而,泊松点过程假设所有的基站和用户之间均相互独立,实际上它们彼此之间有一定的联系。
在未来的超密集组网环境中,同一个用户可能会由多个基站为其提供服务,而且由于部署基站的技术的简化,用户可以自行部署基站来获得更优的用户体验,所以基站和用户的分布之间有一定的依存关系,甚至基站是围绕用户分布的。这一特性引起了学术界的广泛关注,目前已经有很多学者提出基于neyman-scott簇过程的各种新型网络模型,利用随机几何作为数学工具可以得到网络的平均可达速率理论表达式。
本发明提供一种面向未来超密集网络的用户接入网络的方法,对于现在越来越多的用户可以自行部署基站的趋势,导致未来网络基站密度大幅度提升,形成超密集网络,而且具有以用户为中心聚簇的特点。本发明采用neyman-scott簇过程构建系统模型,设计一种全新的用户可以同时接入以该用户为父节点聚簇的所有基站的获取服务方式,并利用随机几何理论推导出平均可达速率的理论表达式。对比传统的建模方式,本发明能够更好的贴合实际网络通信场景,分析用户平均可达速率的理论表达式,达到更高的网络平均可达速率,对将来超密集网络的发展和研究具有重要意义。
技术实现要素:
为实现上述目的,本发明提供一种基于neyman-scott簇过程的网络用户接入方法,解决现有的用于分析超密集网络的系统模型对于用户与基站之间的关系考虑不足的问题,利用neyman-scott簇过程可以更加的贴近实际通信环境,获得更高的网络平均可达速率。
本发明所采用的技术方案是,一种基于neyman-scott簇过程的网络用户接入方法,其特征在于:包括如下步骤:
基于neyman-scott簇过程建立系统模型,建立一种用户可以同时由多个基站提供服务的连接方式;
推导用户和簇内不同基站之间的距离分布模型;
推导出sinr分布模型和干扰分布模型;
利用sinr分布模型和距离分布模型推导网络中用户由某个基站服务时的平均可达速率;
利用neyman-scott簇过程的巴尔姆分布及reduced巴尔姆分布分析超密集网络的干扰分布模型;
利用上述结果得到最终的用户由多个基站同时服务的平均可达速率;
通过比较neyman-scott簇过程与泊松点过程在相同情形下的用户平均可达速率,可知用户可以由网络中的多个基站同时为其提供服务,显著提升用户的平均可达速率。
进一步的,用户分布被建模为强度函数为常数λp的泊松点过程,基站位置被建模为以用户位置为父过程分布的子过程,强度函数为
进一步的,利用泊松点过程的特性,将上述所得结论推广至位于超密集网络中的任意位置的用户。
进一步的,基于neyman-scott簇过程,建立系统模型和相应的sinr模型,推导用户和簇内不同基站之间的距离分布模型,所述距离分布模型的具体分析过程如下:
求导可得距离的概率密度函数
其中,
进一步的,所述sinr分布模型的表达形式为:
其中,上述表达形式是以位于原点的典型用户为父节点的簇k内,距离该用户第l近的基站的sinr分布模型,
进一步的,超密集网络情形下,服务簇k内距离用户第l近的基站为用户提供的平均可达速率的模型如下:
进一步的,所述干扰分布模型利用巴尔姆分布及reduced巴尔姆分布分析,并利用拉氏变换的定义给出用户处接收到的累积干扰的拉普拉斯泛函:
其中(a)是由于移除泊松点过程中的某个点之后,不影响泊松点过程的分布特性,将h~exp(1)代入可以得到
其中
括号内的积分下限从γ开始是因为在范围γ内的基站都是服务基站,不对网络中的用户造成干扰。
进一步的,将拉氏变换结果代入
进一步的,比较与泊松过程在相同情形下的用户平均可达速率,推导可得泊松点过程的用户平均可达速率结果如下:
其中,
同等情形,neyman-scott簇过程中当用户由其最近的基站提供服务时,平均可达速率模型如下:
其中,
根据公式
1-exp(-ξx)≤ξx
在取相同的密度λ的时候,有
不考虑噪声,即n0=0,α=4,发射功率为20dbm,衰落模型采用瑞利衰落,在相同的距离下有:
本发明的有益效果是:
本发明提供的一种基于neyman-scott簇过程的网络用户接入方法,提出了一种全新的一个用户由多个基站同时提供服务的蜂窝网络工作模式,能够有效避免由于回传链路受限带来的用户速率上不去的问题;利用neyman-scott簇过程建模基站和用户的位置关系,通过距离分布模型和干扰分布模型,分析网络中的用户平均可达速率,能够更加贴近实际超密集网络环境,对将来超密集网络的实际部署具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于neyman-scott簇过程的网络用户接入方法的工作模型图;
图2是本发明基于neyman-scott簇过程的网络用户接入方法的实施流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种以用户为中心,由多个基站同时为该用户提供服务的场景,在该场景下利用neyman-scott簇过程对网络性能参数进行分析。由于未来网络中基站将会越来越密集,每平方千米的基站数可能远大于103个,并且由于基站可以由用户自行部署,故基站的部署具有围绕用户聚簇的特点,而用户可以由这些基站同时提供服务,因此该场景能够更好的贴合实际网络通信场景,分析用户平均可达速率的理论表达式。
如图2所示,本发明提供的一种基于neyman-scott簇过程的网络用户接入方法包括如下步骤:
基于neyman-scott簇过程建立系统模型,建立一种用户可以同时由多个基站服务的连接方式;
推导用户和簇内不同基站之间的距离分布模型;
推导出sinr分布模型和干扰分布模型;
利用sinr分布模型和距离分布模型推导网络中用户由某个基站服务时的平均可达速率;
利用neyman-scott簇过程的巴尔姆分布及reduced巴尔姆分布分析超密集网络的干扰分布模型;
推导超密集网络情形下,利用上述结果得到最终的用户由多个基站同时服务的网络平均可达速率模型。
上述步骤的具体方法如下:
步骤201:故用户的分布被建模为强度函数为常数λp的泊松点过程,而基站的位置被建模为以用户的位置为父过程分布的子过程,强度函数为
基站以一定的概率均匀的分布在以用户为中心,以γ为半径的圆内,具有以下形式的概率密度函数:
假设移动用户位于原点,由于泊松点过程的平稳特性,故可知整个模型具有移动不变性的特点,所以可以将所得结论推广至位于超密集网络中的任意位置的用户。
步骤202:基于比较著名的neyman-scott簇过程,建立系统模型和相应的sinr模型,推导用户和簇内不同基站之间的距离分布模型,距离用户第n近的基站的距离分布的具体分析过程如下:
求导得距离的概率密度函数
步骤203:在以位于原点的典型用户为父节点的簇k内,有距离该用户第l近的基站有sinr的表达形式如下
其中
网络中的所有基站部署时具有相同的发射功率,衰落模型为瑞利分布,均值为1,有h~exp(1),路径衰落模型中指数α>2。
并有用户可以由网络中的多个基站同时为其提供服务,可显著提升用户的平均可达速率。
步骤204:推导超密集网络情形下,服务簇k内距离用户第l近的基站为用户提供的平均可达速率模型如下:
步骤205:利用neyman-scott簇过程的巴尔姆分布及reduced巴尔姆分布分析超密集网络的干扰分布模型。并利用拉氏变换的定义给出用户处接收到的累积干扰的拉普拉斯泛函:
其中(a)是由于移除泊松点过程中的某个点之后,不影响泊松点过程的分布特性,将h~exp(1)代入可以得到
其中
括号内的积分下限从γ开始是因为在范围γ内的基站都是服务基站,不对网络中的用户造成干扰。
步骤206:将上述拉氏变换结果代入
比较所提算法与泊松点过程在相同情形下的用户平均可达速率。推导可得泊松点过程的用户平均可达速率结果如下:
其中,
考虑neyman-scott簇过程中的同等情形,当用户仅由离其最近的基站提供服务时,平均可达速率模型如下:
其中,
根据公式
1-exp(-ξx)≤ξx
可得在取相同的密度λ的时候,有
本发明实施例为了比较本发明与基于泊松点过程的基站部署,考虑一种特殊情况下的实施例的验证,即为不考虑噪声,即n0=0,α=4,发射功率为20dbm,衰落模型采用瑞利衰落,可得在相同的距离下有:
不难发现,在由单个基站提供服务的时候基于neyman-scott簇过程的接入方法能比基于泊松点过程的接入方法提供更佳的用户平均可达速率。在引入多接入的方法时,这一性能还会有更好的提升。
本发明基于neyman-scott簇过程的网络用户接入方法,提出了一种全新的一个用户由多个基站同时提供服务的蜂窝网络工作模式,能够有效避免由于回传链路受限带来的用户速率上不去的问题;利用neyman-scott簇过程建模基站和用户的位置关系,通过距离分布模型和干扰分布模型,分析网络中的用户平均可达速率,能够更加贴近实际超密集网络环境,对将来超密集网络的实际部署具有重要意义。
以上所述仅为本发明的较佳实施例而已,并非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作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。