[发明专利]服从泊松点过程和簇过程分布的基站间平均距离预测方法

说明书

本发明公开的服从泊松点过程和簇过程分布的基站间平均距离预测方法，属于通信信号处理领域。本发明实现方法为：采用泊松点过程对基站分布建模，使得基站的分布包含随机性；针对通信热点区域用户及小基站呈现簇分布的特性，通过泊松簇过程对基站位置建模，引入热点区域的基站分布的相关性；在基站建模时考虑随机性和相关性，使得基站建模更为贴合实际基站分布特性；在基站建模基础上得到相对应的概率密度函数和累积分布函数，通过零阶贝塞尔函数进行指数表示以及对复杂的多层积分进行化简，得到各层基站间平均距离的概率密度函数和累积分布函数的解析表达式，通过对基站密度，发射功率等参数进行优化，可显著提高基站间平均距离的预测精度。本发明能够适用于高通信密度区域应用。

技术领域

本发明涉及一种服从泊松点过程和簇过程混合分布的基站间平均距离预测方法，属于通信信号处理领域。

背景技术

在物联网和5G技术发展的推动下，小型化终端和密集蜂窝异构网络在地面通信网中的应用越来越广泛。而针对热点通信地区如城市中心，高人流密度场所等地的通信拥堵问题，通过部署宏基站和微基站并存的高密度网络成为有效的解决方案。相比采用传统的六边形蜂窝网络建模基站分布的方案，采用泊松点过程对基站的分布进行建模，可以更贴切的模拟出现实中基站分布的随机性。而在进行相对应的下行信号接收强度，切换发起指示等统计变量进行求解时，基站间的平均距离求解则是重中之重，进而对覆盖概率，切换率，误码率分析产生重要的影响。

在针对该方向的研究中，不同类别的基站位置分布通常被建模为独立的泊松点过程，并且在独立于基站位置而选择的任一典型用户处进行分析。尽管泊松点过程由于其理论可分析性和随机性而被广泛用于无线网络建模中，但它不适合用基站和用户的位置相互的耦合于用户密集区。通常在这样的热点通信地区，用户和微基站往往集中分布于一个热点覆盖的有限范围内。在这种情况下，我们考虑泊松簇过程的建模方式。基于泊松簇过程的建模方法在高用户密度领域有优良的性能，但因用户和基站位置存在相关性，使得针对基站间平均距离的求解变得十分复杂，本专利针对该问题，设计了基于泊松簇过程的基站间平均距离求解方法，给出了理论表达式。为针对该方向的研究提供了指导。

对于所提出的系统模型，基站的分布采用服从泊松点过程和泊松簇过程的混合分布模式。针对通信热点区域的建模，相比泊松点过程和六边形蜂窝建模方式，采用泊松簇过程可以更好的模拟用户和微基站在热点区域的分布模式和用户以及基站存在的相关性。该方法相比于传统基站位置建模方法，以其高效，适合通信密集区域，更贴近实际模拟情况等优异表现而逐渐获得更多关注，其在基站位置建模，异构化网络构建，路径规划等多领域获得广泛的应用。但基于泊松点过程和簇过程混合分布的基站间距离求解方法也有其固有的缺点：

(1)泊松点过程和簇过程的概率密度函数和累积分布函数差别很大，而且隶属于不同的基站层，因此需要分别对层内切换，跨层切换进行不同方式的建模；

(2)基于泊松簇过程的概率密函数较为复杂，在进行均值计算时涉及多层积分的求解；

所以，利用基于泊松点过程和簇过程混合分布的方式进行基站位置建模时，需要解决以下问题：

(1)设计合理的切换策略以保证切换建模方式的准确性；

(2)需要设计简化算法用以计算基站间平均距离的理论解。

发明内容