一种基于改进支持向量机算法的小区用户划分方法技术

本发明专利技术公开了一种基于改进支持向量机算法的小区用户划分方法，包括如下步骤：针对5G通信系统特性，建立小区移动用户到基站的通信场景模型问题模型；在基站端提取用户的信号/信道状态信息数据，并对数据进行特征参数的分离提取，通过特征参数，对用户是中心用户还是边缘用户进行综合划分；针对遗传算法做出改进；通过改进后的遗传算法实现支持向量机算法参数的组合优化，利用所得的用户特征向量数据，对所得改进优化后支持向量机算法的分类模型完成训练和测试。本发明专利技术提高模型分类的准确率和稳定性，达到快速、准确划分中心用户和边缘用户的目的。本发明专利技术解决了5G通信系统中小区间用户划分问题和支持向量机算法参数的组合优化问题。

【技术实现步骤摘要】
一种基于改进支持向量机算法的小区用户划分方法
本专利技术涉及一种基于改进支持向量机算法的小区用户划分方法，属于无线通信

技术介绍
目前，5G通信系统得到了广泛应用，然而5G通信系统在应用过程中也面临着一系列的问题。蜂窝网络是未来5G的关键技术特征，该特征可以满足未来数据量大与信号覆盖面广的需求。然而由于毫米波和MassiveMIMO(大规模天线)技术在5G通信系统中的应用，使得5G通信系统的系统特性发生了重大改变。例如，5G通信系统是超密集的蜂窝网络，物理层信息量激增，空间上传输信号的自由度激增等，这将导致小蜂窝网络与邻居小蜂窝存在着更为严重的小区间干扰，影响大规模MIMO多小区多用户系统性能。为了解决小区之间的干扰，必须采用有效的干扰协调技术。用户划分方法将用户分为中心用户和边缘用户，由于边缘用户受到的干扰比中心用户大，划分用户后可以分别进行处理，带来边缘用户的性能提升，是一种有效缓解小区间干扰的手段。对干扰协调技术来说，准确区分中心、边缘用户是关键所在，会直接影响它的性能。本专利技术要解决的就是在5G无线通信环境下，小区中本文档来自技高网...

【技术保护点】
1.一种基于改进支持向量机算法的小区用户划分方法，其特征在于，所述方法包括如下步骤：/n(1)针对5G通信系统特性，建立小区移动用户到基站的通信场景模型问题模型；/n(2)在基站端提取用户的信号/信道状态信息数据，并对数据进行特征参数的分离提取，通过特征参数，对用户是中心用户还是边缘用户进行综合划分，并建立用户特征向量数据；/n(3)针对遗传算法做出改进；/n(4)通过改进后的遗传算法实现支持向量机算法参数的组合优化；/n(5)基于步骤(4)中所得改进优化后支持向量机算法在基站侧建立用户分类模型并完成训练和测试。/n

【技术特征摘要】
1.一种基于改进支持向量机算法的小区用户划分方法，其特征在于，所述方法包括如下步骤：
(1)针对5G通信系统特性，建立小区移动用户到基站的通信场景模型问题模型；
(2)在基站端提取用户的信号/信道状态信息数据，并对数据进行特征参数的分离提取，通过特征参数，对用户是中心用户还是边缘用户进行综合划分，并建立用户特征向量数据；
(3)针对遗传算法做出改进；
(4)通过改进后的遗传算法实现支持向量机算法参数的组合优化；
(5)基于步骤(4)中所得改进优化后支持向量机算法在基站侧建立用户分类模型并完成训练和测试。


2.根据权利要求1所述的一种基于改进支持向量机算法的小区用户划分方法，其特征在于：所述步骤(1)中小区移动用户到基站的通信场景模型问题模型中包括服务小区和相邻的干扰小区，服务小区存在1个基站A和1个移动用户UE1，干扰小区存在1个基站B和1个移动用户UE2。


3.根据权利要求1所述一种基于改进支持向量机算法的小区用户划分方法，其特征在于，所述步骤(2)中包括如下步骤：
21)在基站端提取用户信号到达接收端的时间t来判断某用户UE与基站之间的距离d；
22)比较d与和的大小，如果d大于则用户将被划分为边缘用户，如果d小于则用户将被划分为中心用户，其中r为小区半径，D为距离阈值；
23)不符合步骤22)的所有用户为中距用户，对于这些用户，在基站端提取它们的下倾角角度θ与垂直方向的划分角度β和大尺度衰落因子γ，组成一个代表UE1的三维特征向量(t，θ，α)，并打上标签：+1中心用户，-1边缘用户；
根据大尺度衰落因子的阈值p以及用户的垂直维度下倾角角度θ与划分角度β的对比：若用户下倾角满足90°≤θ<β且大尺度衰落因子γ≥p，则判定为边缘用户，反之则判定为中心用户。


4.根据权利要求1所述一种基于改进支持向量机算法的小区用户划分方法，其特征在于，所述步骤(3)中，改进遗传算法的具体步骤包括：
31)初始化种群P(0)，对相关参数进行设置，同时计算出群体P(t)中每个个体对应的适应度函数值；
32)将选择算子作用于群体，根据个体的适应度，按照一定的规则或方法，选择一些优良个体遗传到下一代群体；
33)将交叉算子作用于群体，对选中的成对个体，以自适应交叉概率Pc交换它们之间的部分染色体，产生新的个体；
34)变异运算：将变异算子作用于群体，对选中的个体，以自适应变异概率Pm改变某一个或某一些基因值为其他的等位基因；群体P(t)经过选择、交叉和变异运算之后得到下一代群体P(t+1)；计算其适应度值，并根据适应度值进行排序，准备进行下一次遗传操作；
35)依据适应度方差公式计算当前g+1代种群的个体适应度方差δ2，对当前迭代次数g和方差δ2进行判定，决定是否进行高斯扰动和增大变异概率操作；
36)如果达到了终止条件，输出最优解，否则转至步骤32)。


5.根据权利要求4所述一种基于改进支持向量机算法的小区用户划分方法，其特征在于，步骤33)中所述自适应交叉概率Pc和步骤33)中所述自适应变异概率Pm在各自的取值范围内，将两个参数的取值与当前迭代次数联系起来，如式所示：






其中g为当前迭代次数，G为设定的终止迭代次数，Pc∈[0.25，1.00]，Pm∈[0，0.1]。


6.根据权利要求4所述一种基于改进支持向量机算法的小区...

【专利技术属性】
技术研发人员：潘甦，朱一帆，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32