一种用于超密集网络的用户分簇方法技术

本发明专利技术公开了一种用于超密集网络的用户分簇方法，涉及移动通信技术领域，包括以下步骤：将计算超密集组网中用户干扰矢量值最大的多个用户作为根节点用户，将剩余的其他用户作为分支用户；分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小；当分支用户与某个根节点用户的相对干扰矢量值均小于该分支用户与其他根节点用户的相对干扰矢量值时，则将该分支用户归为与该根节点用户所组成的干扰矢量簇，则形成多个干扰矢量簇；分别计算并判断各个干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值大小，并确定用户分簇结果。本发明专利技术方法简单，提升了系统吞吐量和频率利用率，且应用性强。且应用性强。且应用性强。

【技术实现步骤摘要】
一种用于超密集网络的用户分簇方法


[0001]本专利技术涉及移动通信
，具体为一种用于超密集网络的用户分簇方法。

技术介绍

[0002]如今，5G网络已经在大规模部署，在享受5G网络带来的方便快捷的生活的同时，大量的移动设备接入使得传统基站结构难以负荷且造价高昂，超密集组网技术应运而生。超密集组网技术通过增加单位面积内微基站的密度，可获得更高的频率复用效率，从而实现热点区域的系统容量提升。然而随着小区密度增加，小区间的干扰随之加剧，尤其处于小区边缘的用户受到周围基站的干扰更为突出。对于用户集的分簇是解决超密集组网下干扰问题的一种有效解决方法，现有分簇算法中，对于用户的分簇大多从地理位置角度入手，难以准确表达用户之间的干扰关系使得分簇结果并不能达到较好的干扰抑制效果，不能有效提高系统性能；此外，现有的分簇算法的分簇效果的提升往往伴随着算法复杂度的增加，复杂的算法在实际中的应用是困难的。

技术实现思路

[0003]本专利技术提出了一种用于超密集网络的用户分簇方法，该方法仅需对用户的干扰矢量和相对干扰值进行判决处理，具有较低的复杂度，同时该算法又能很好的提升系统吞吐量和频率利用率，使得该算法更容易在实际中应用。
[0004]本专利技术提供一种用于超密集网络的用户分簇方法，包括以下步骤：
[0005]计算超密集组网中的各个用户之间的干扰，得到每个用户的干扰矢量值；
[0006]将用户干扰矢量值较大的多个用户作为根节点用户，将剩余的其他用户作为分支用户；
[0007]分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小；
[0008]当分支用户与某个根节点用户的相对干扰矢量值均小于该分支用户与其他根节点用户的相对干扰矢量值时，则将该分支用户归为与该根节点用户所组成的干扰矢量簇，则形成多个干扰矢量簇；
[0009]分别计算并判断各个干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值大小；
[0010]当某个干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值为零或者小于设定阈值，则该干扰矢量簇中的所有用户分为一簇。
[0011]进一步地，当某个所述干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值不为零或者不小于设定阈值，则将各个干扰矢量簇中的所有用户的干扰矢量均值重新作为根节点用户的干扰矢量，重新分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小。
[0012]进一步地，所述计算超密集组网中的各个用户之间的干扰，得到每个用户的干扰
矢量值，包括以下步骤：
[0013]设用户数量为1，2，3，...N，通过两个用户之间的干扰信道的余弦相似性计算任意两个用户i及用户j之间的干扰，如下：
[0014][0015]其中，和分别是用户i在虚拟小区C
i
和C
j
服务下的信道矢量；
[0016]和分别是用户j在虚拟小区C
i
和C
j
服务下的信道矢量；
[0017]H
H
表示H的共轭转置；α和β表示调整功率和空间维度的系数；
[0018]||
·
||
F
中F＝2，表示二范数；
[0019]分别计算N个用户两两之间的干扰构成干扰矩阵W
ab
，如下：
[0020][0021]将用户在干扰矩阵中相对应的行向量定义用户的干扰矢量，则用户1、用户2、用户N的干扰矢量分别为：
[0022]U1＝[0，W
ab
(1，2)，...，W
ab
(1，N)]ꢀꢀꢀꢀ
(3)
[0023]U2＝[W
ab
(2，1)，0，...，W
ab
(2，N)]ꢀꢀꢀꢀ
(4)
[0024]U
N
＝[W
ab
(N，1)，W
ab
(N，2)，...，0]ꢀꢀꢀꢀ
(5)
[0025]进一步地，所述分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小，如下：
[0026]所述分支用户i，其中i∈N，i≠a and i≠b，其与根节点用户的相对干扰矢量值d
a，i
的计算公式分别如下：
[0027][0028]其中，U
a
为根节点用户a的干扰矢量；U
i
为分支用户i的干扰矢量；
[0029]U
a，j
为根节点用户a中处于第j个位置的值；
[0030]U
i，j
为分支用户i中处于第j个位置的值。
[0031]进一步地，所述干扰矢量簇中的所有用户的干扰矢量均值的计算公式为：
[0032][0033]其中，|C1|为干扰矢量簇中的所有用户的个数；U
j
为干扰矢量簇中的用户j的干扰矢量；指的是干扰矢量簇中所有用户的干扰矢量和；
[0034]所述干扰矢量簇中的根节点用户的干扰矢量值与所有用户的干扰矢量均值的相对干扰矢量值的计算公式为：
[0035]d
a，mean
＝||U
a
‑
U
mean
||2ꢀꢀꢀꢀ
(8)。
[0036]与现有技术相比，本专利技术的有益效果：
[0037]本专利技术通过用户间的干扰值确定根节点，根据根节点干扰矢量与分支节点用户的相对干扰矢量值进行判决，将分支节点用户归入各根节点得到初始用户簇，并判决簇中平均用户干扰矢量与根节点用户干扰矢量相对大小而决定是否更新根节点干扰矢量。该算法采用了能准确描述用户间干扰关系的用户干扰矢量，又是一个低复杂度算法，对于现有算法的两方面缺陷都有所改善，达到了提高系统吞吐量和频谱利用率的目的。
[0038]本专利技术通过将用户的干扰矢量和用户间的相对干扰值更能有效的抑制干扰，降低系统干扰，提升系统性能；本专利技术仅需对用户的干扰矢量和相对干扰值进行判决处理，具有较低的复杂度，同时该算法又能很好的提升系统吞吐量和频率利用率，使得该算法更容易在实际中应用。
附图说明
[0039]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0040]图1为本专利技术一种用于超密集网络的用户分簇方法的流程示意图；
[0041]图2为本专利技术一种用于超密集网络的用户分簇方法的实施例中的基站及用户的分布图；
[0042]图3为本专利技术一种用于超密集网络的用户分簇方法的实施例中的两种方法的对比示意图。
具体实施方式
[0043]下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，但应当理解本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于超密集网络的用户分簇方法，其特征在于，包括以下步骤：计算超密集组网中的各个用户之间的干扰，得到每个用户的干扰矢量值；将用户干扰矢量值较大的多个用户作为根节点用户，将剩余的其他用户作为分支用户；分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小；当分支用户与某个根节点用户的相对干扰矢量值均小于该分支用户与其他根节点用户的相对干扰矢量值时，则将该分支用户归为与该根节点用户所组成的干扰矢量簇，则形成多个干扰矢量簇；分别计算并判断各个干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值大小；当某个干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值为零或者小于设定阈值，则该干扰矢量簇中的所有用户分为一簇。2.根据权利要求1所述的一种用于超密集网络的用户分簇方法，其特征在于：当某个所述干扰矢量簇中的根节点用户的干扰矢量值与干扰矢量簇中的所有用户的干扰矢量均值的相对干扰矢量值不为零或者不小于设定阈值，则将各个干扰矢量簇中的所有用户的干扰矢量均值重新作为根节点用户的干扰矢量，重新分别计算并判断各个分支用户与多个根节点用户的相对干扰矢量值大小。3.根据权利要求1所述的一种用于超密集网络的用户分簇方法，其特征在于：所述计算超密集组网中的各个用户之间的干扰，得到每个用户的干扰矢量值，包括以下步骤：设用户数量为1，2，3，...N，通过两个用户之间的干扰信道的余弦相似性计算任意两个用户i及用户j之间的干扰，如下：其中，和分别是用户i在虚拟小区C
i
和C
j
服务下的信道矢量；和分别是用户j在虚拟小区C
i
和C
j
服务下的信道矢量；H
H
表示H的共轭转置；α和β表示调整功率和空间维度的系数；||
·
||
F
中F＝2，表示二范数；
分别计算N个用户两两之间的干扰构成干扰矩阵W
...

【专利技术属性】
技术研发人员：梁彦霞，赵志恒，刘欣，卢光跃，姜静，何华，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：