The invention discloses an interference suppression method and device, which is applied to ultra-dense network. Based on the distribution position of base stations in the ultra-dense network and interference information between base stations, S initial sub-clusters are obtained, in which each initial sub-cluster includes at least one base station and S is an integer greater than or equal to 2. The algorithm combines the S initial subclusters and obtains M final subclusters, in which each final subcluster includes at least one initial subcluster and M is an integer greater than or equal to 1. Using the zero-forcing beam forming method, the transmitted signals from each base station in each of the M final subclusters to the corresponding users are input. Traveling beam shaping can suppress the interference between the transmitted signals of each base station in each of the M final sub-clusters, thereby improving the throughput of the ultra-dense network.
【技术实现步骤摘要】
一种干扰抑制方法和装置
本专利技术涉及通信领域，尤其涉及一种干扰抑制方法和装置。
技术介绍
超密集组网技术通过在热点区域大规模部署低功率接入点可以有效提升网络容量，扩展网络覆盖范围，已成为5G(thefifithgenerationmobilenetwork，第五代移动通信)的关键技术之一。超密集组网通过降低基站与终端用户间的路径损耗提升了网络吞吐量，在增大有效接收信号的同时也放大了干扰信号，同时，不同发射频率的低功率接入点与宏基站重叠部署，小区密度的急剧增加使得干扰变得异常复杂。如何有效进行干扰消除、干扰协调，成为未来超密集组网场景下需要重点考虑的问题。在UDN(ultra-densenetwork，超密集网络)的场景下，接入点部署密集，传统的波束成形算法在天线和小区用户数目上严格限制，无法适用于的用户和基站密集化分布的场景。可见，现有技术中存在如下技术问题：在超密集网络中，接入点的密集部署使得小区间干扰变得更加严重。传统干扰管理方法利用小区分簇技术和频率复用技术可有效消除簇间干扰，但是簇内干扰仍然严重。
技术实现思路
本专利技术实施例通过提供一种干扰抑制方法和装置...
【技术保护点】
1.一种干扰抑制方法，应用于超密集网络，其特征在于，所述方法包括：基于所述超密集网络中各基站的分布位置和所述各基站间的干扰信息，获得S个初始子簇，其中，每个初始子簇包括至少一个基站，S为大于等于2的整数；利用Chameleon算法对所述S个初始子簇进行并簇，获得M个最终子簇，其中，每个最终子簇包括至少一个初始子簇，M为大于等于1的整数；利用迫零波束成形方法，对所述M个最终子簇中的每个最终子簇中的各基站的发射给相应用户的发射信号进行波束成形，抑制所述M个最终子簇中的每个最终子簇中的各基站的发射信号之间的干扰。
【技术特征摘要】
1.一种干扰抑制方法，应用于超密集网络，其特征在于，所述方法包括：基于所述超密集网络中各基站的分布位置和所述各基站间的干扰信息，获得S个初始子簇，其中，每个初始子簇包括至少一个基站，S为大于等于2的整数；利用Chameleon算法对所述S个初始子簇进行并簇，获得M个最终子簇，其中，每个最终子簇包括至少一个初始子簇，M为大于等于1的整数；利用迫零波束成形方法，对所述M个最终子簇中的每个最终子簇中的各基站的发射给相应用户的发射信号进行波束成形，抑制所述M个最终子簇中的每个最终子簇中的各基站的发射信号之间的干扰。2.如权利要求1所述的方法，其特征在于，所述基于Chameleon算法对所述S个初始子簇进行并簇，获得M个最终子簇，包括：基于所述超密集网络中各基站间的相对距离，利用Chameleon算法中的相对互联度函数计算一个单位中的两个相邻初始子簇间的相对互联度，其中，所述S个初始子簇中以两个相邻初始子簇为一个所述单位；基于所述超密集网络中各基站间的干扰信息，利用Chameleon算法中的相对近似度函数计算一个所述单位中两个相邻初始子簇间的相对近似度；基于所述相对互联度和所述相对近似度，计算一个所述单位中两个相邻初始子簇间相似度；基于所述相似度对所述S个初始子簇进行并簇，获得M个最终子簇。3.如权利要求2所述的方法，其特征在于，在所述基于所述超密集网络中各基站间的相对距离，利用Chameleon算法中的相对互联度函数计算一个单位中的两个相邻初始子簇间的相对互联度之前，所述方法包括：获得所述超密集网络中各基站间的相对距离，所述各基站间的相对距离的计算规则如下：其中，所述dkp为所述S个初始子簇中初始子簇p中第i个基站与第j个基站间的距离，dkq为所述S个初始子簇中初始子簇q中第i个基站与第j个基站间的距离，dkp,q为所述初始子簇p中的第i*个基站和所述初始子簇q中的第j*个基站之间的距离，xp,i为所述初始子簇p中第i个基站的横坐标，xp,j为所述初始子簇p中第j个基站的横坐标，yp,i为所述初始子簇p中第i个基站的纵坐标，yp,j为所述初始子簇p中第j个基站的纵坐标，xq,i为所述初始子簇q中第i个基站的横坐标，xq,j为所述初始子簇q中第j个基站的横坐标，yq,i为所述初始子簇q中第i个基站的纵坐标，yq,j为所述初始子簇q中第j个基站的纵坐标，其中，k，p，q，i*，j*，i，j均为大于等于1的整数，i不等于j。4.如权利要求3所述的方法，其特征在于，所述基于所述超密集网络中各基站间的相对距离，利用Chameleon算法中的相对互联度函数计算一个单位中的两个相邻初始子簇间的相对互联度，所述相对互联度的计算规则是：其中，所述RI(CLp,CLq)表示所述初始子簇p和所述初始子簇q之间的相对互联度，EC(CLp)为所述初始子簇p内各基站间距离的权重的总和，EC(CLq)为所述初始子簇q内各基站间距离的权重的总和，EC(CLp,CLq)为所述初始子簇p和所述初始子簇q的内部互联度函数；EC(CLp)、EC(CLq)和EC(CLp,CLq)的计算规则如下：5.如权利要求4所述的方法，其特征在于，在所述基于所述超密集网络中各基站间的干扰信息，利用Chameleon算法中的相对近似度函数计算一个所述单位中两个相邻初始子簇间的相对近似度之前，所述方法还包括：获得所述两个相邻初始子簇中各基站与所述两个相邻初始子簇中各基站对应的当前用户的信干噪比的第一集合；对所述第一集合中的信干噪比进行累加求平均值，获得所述第一集合中的信干燥比的平均值；如果所述平均值大于等于第一预设值，则基于所述超密集网络中各基站间的干扰信息，利用Chameleon算法中的相对近似度函数计算所述一个单位中的两个相邻初始子簇间的相对近似度。6.如权利要求5所述的方法，其特征在于，所述方法还包括：如果所述平均值小于所述第一预设值，则所述两个相邻初始子簇间的相对近似度为0。7.如权利要求5所述的方法，其特征在于，所述基于所述超密集网络中各基站间的干扰信息，利用Chameleon算法中的相对近似度函数计算一个所述单位中两个相邻初始子簇间的相对近似度，所述相对近似度的计算规则是：其中，RC(CLp,CLq)表示所述初始子簇p和所述初始子簇q之间的相对近似度，MEC(CLp)表示所述初始子簇p内的各个边的平均权重，MEC(CLq)表示所述初始子簇q内的各个边的平均权重，MEC(CLp,CLq)表示所述初始子簇p和所述初始子簇q之间的内部近似度函数，RCp、RCq分别代表所述初始子簇p、q的归一化因子，|CLp|、|CLq|分别代表所述初始子簇p、q中的基站个数；MEC(CLp)、MEC(CLq)和MEC(CLp,CLq)的计算规则如下：其中，为所述初始子簇p内的各个边的权重值，所述初始子簇p内的各个边的权重值表征所述初始子簇p内各基站间的干扰信息；为所述初始子簇q内的各个边的权重值，所述初始子簇q内的各个边的权重值表征所述初始子簇q内各基站间的干扰信息；表示所述初始子簇p和所述初始子簇q之间的各个边的权重值，所述初始子簇p和所述初始子簇q之间的各个边的权重值表征所述初始子簇p中各基站和所述初始子簇q中各基站间的干扰信息；表示所述初始子簇p内的边的个数，表示所述初始子簇q内的边的个数，n表示所述初始子簇p和所述初始子簇q之间的边的个数。8.如权利要求7所述的方法，其特征在于，所述基于所述相对互联度和所述相对近似度，计算一个所述单位中两个相邻初始子簇间相似度；其中，所述相似度的计算规则如下：RIC(CLp,CLq)＝RI(CLp,CLq)*RC(CLp,CLq)其中，所述RIC(CLp,CLq)表示所述初始子簇p和所述初始子簇q之间的相似度。9.如权利要求1所述的方法，其特征在于，所述利用迫零波束成形方法，对所述M个最终子簇中的每个最终子簇中的各基站的发射给相应用户的发射信号进行波束成形，包括：利用迫零波束成形方法构造迫零波束成形矢量，利用所述迫零波束成形矢量对所述M个最终子簇中的每个最终子簇中的各基站的发射给相应用户的发射信号进行波束成形，其中，所述M个最终子簇中最终子簇m1中的基站Si发送到与其对应的用户i的发射信号的迫零波束成形矢量为：其中，其中，Nt表示最终子簇m1中的发射天线的个数，一个基站对应一个发射天线，Nr表示最终子簇m1对应的当前用户的个数，表示所述基...
【专利技术属性】
技术研发人员：陈山枝，李曦，刘宜明，刘佳敏，
申请(专利权)人：电信科学技术研究院，
类型：发明
国别省市：北京,11
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。