本發(fā)明屬于基站協(xié)作領(lǐng)域，面向目標用戶的下行速率，通過基站協(xié)作策略，在不增加能耗的前提下優(yōu)化目標用戶的速率。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的飛速發(fā)展以及移動終端數(shù)量的不斷增長，在滿足用戶速率需求的同時，能耗問題也得到了大家的關(guān)注。基站協(xié)作技術(shù)是解決該問題的理想手段之一?；緟f(xié)作技術(shù)的思想主要是多個基站協(xié)同地為目標用戶服務，可以有效地降低基站間的干擾。取決于所采用的回程架構(gòu)，協(xié)作方案主要分為協(xié)作調(diào)度波束成形(cs/cb：coordinatedscheduling/beamforming)和聯(lián)合處理(jp：jointprocessing)兩種解決方案。成功的聯(lián)合處理方案可以使得干擾信號轉(zhuǎn)變?yōu)橛杏玫男盘?。非相干?lián)合傳輸?shù)姆绞?nc-jt：non-coherentjointtransmission)屬于完全聯(lián)合處理方案，參加協(xié)作的基站聯(lián)合地傳輸相同的數(shù)據(jù)給指定用戶。從用戶的角度來看，非相干的有用信號的累積，毫無疑問，可以帶來能量上的增益。

蜂窩網(wǎng)絡通常使用簡單易處理的wyner模型進行建模，該模型中每個小區(qū)單元僅受相鄰有限個小區(qū)單元發(fā)出信號的影響。然而，在基站密度大且位置分布不規(guī)則的場景下，該模型并不適用。齊次泊松點過程(hppp：homogeneouspoissonpointprocess)模型是一種基于隨機幾何理論的模型，在該模型中，所有基站的位置服從hppp分布，基站的位置是獨立且隨機的。該模型的主要優(yōu)點是可以采用隨機幾何的一些方法對位置隨機的基站和用戶進行分析。

現(xiàn)有技術(shù)中，還沒有針對同構(gòu)蜂窩網(wǎng)絡建立hppp模型，通過基站協(xié)作策略以提高目標用戶的下行速率的披露。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是通過基站協(xié)作技術(shù)，在蜂窩網(wǎng)絡中聯(lián)合多個基站協(xié)作地為目標用戶服務，充分利用頻譜資源，同時在不增加能耗的前提下優(yōu)化目標用戶的下行速率。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為一種蜂窩網(wǎng)絡中面向用戶下行速率的基站協(xié)作方法，具體包含以下步驟：

s1：使用hppp模型對基站進行建模；

s2：根據(jù)上述hppp模型的特征和鄰近基站協(xié)同傳輸?shù)膮f(xié)作策略得出目標用戶下行速率τ和協(xié)作因子α的關(guān)系表達式；

s3：通過搜索算法，得出最優(yōu)的協(xié)作因子α，實現(xiàn)最優(yōu)的基站協(xié)作方式。

進一步，上述步驟2中得出目標用戶下行速率τ和協(xié)作因子α的關(guān)系表達式的過程具體為：

①基于hppp模型建模，基站的位置服從密度為λ的hppp分布，每個基站的位置都是獨立的，同一基站給不同用戶服務使用不同的資源塊，目標用戶的第一近基站和第二近基站使用相同的資源塊；

②距離目標用戶第一近的基站和第二近的基站以αp和(1-α)p的發(fā)送功率按照nc-jt的協(xié)作方式協(xié)同地為目標用戶服務；

③根據(jù)香農(nóng)公式和泊松點過程的概率生成式推導得到，目標用戶下行速率τ和協(xié)作因子α的關(guān)系表達式。

上述步驟3中求得最優(yōu)協(xié)作因子的方法為：以合適的步長遍歷協(xié)作因子α的可能取值區(qū)間0到1，使得目標用戶下行速率最大的協(xié)作因子α即為最優(yōu)的協(xié)作因子。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

①使用hppp模型對基站進行建模，基站的位置獨立且隨機，更符合當前基站分布的現(xiàn)狀，同時便于使用隨機幾何的一些方法對系統(tǒng)模型進行分析；

②相比于傳統(tǒng)的目標用戶近連接最近的基站，本發(fā)明提出的基站協(xié)作策略能夠較好的復用頻譜資源，同時將部分干擾信號變?yōu)橛杏眯盘?，在不增加能耗的前提下，可以有效的提高目標用戶的下行速率，同時能以最大的用戶下行速率為前提，選擇合適的協(xié)作因子，實現(xiàn)最優(yōu)的協(xié)作策略；

③提出的搜索算法能夠在目標用戶下行速率最大的條件下，求得最優(yōu)協(xié)作因子的近似值。

附圖說明

圖1是本發(fā)明的基站協(xié)作流程圖。

具體實施方式

現(xiàn)結(jié)合附圖對本發(fā)明作進一步詳細的說明。本發(fā)明主要包括三個方面的內(nèi)容：一是針對同構(gòu)蜂窩網(wǎng)絡建立hppp模型；二是提出一種基站協(xié)作策略，并求解出該策略下目標用戶的下行速率；三是在目標用戶下行速率最大的條件下，根據(jù)搜索算法求得最優(yōu)的協(xié)作因子α，實現(xiàn)最優(yōu)的協(xié)作方式。

首先使用hppp模型對基站進行建模，然后根據(jù)基站協(xié)作策略得到目標用戶的sinr，再根據(jù)香農(nóng)公式可以求得目標用戶的下行速率，最后，在目標用戶下行速率最大的條件下，根據(jù)搜索算法選擇最優(yōu)的協(xié)作因子，從而得到最優(yōu)的協(xié)作方式。

基站協(xié)作策略為：距離目標用戶第一近和第二近的用戶分別以αp和(1-α)p的發(fā)送功率按照nc-jt的方式協(xié)作地為目標用戶服務。其中α為協(xié)作因子，p為發(fā)射功率。

搜索算法為：協(xié)作因子α的取值區(qū)間為0到1，在0到1的區(qū)間里均勻的取1000個點，根據(jù)目標用戶速率關(guān)于協(xié)作因子α的關(guān)系表達式，遍歷這1000點，使得目標用戶下行速率最大的α即為最優(yōu)的協(xié)作因子。

具體過程，如圖1所示，如下：

首先，使用hppp模型對基站進行建模，基站位置服從密度為λ的hppp分布，考慮隨機信道中衰落和陰影的影響，并假設目標用戶和協(xié)作基站的傳輸信號僅經(jīng)歷了均值為1的瑞利衰落，同一基站給不同用戶服務使用不同的資源塊，目標用戶的第一近基站和第二近基站使用相同的資源塊；

然后，距離目標用戶第一近和第二近的基站分別以αp和(1-α)p的發(fā)送功率按照nc-jt的方式協(xié)作地為目標用戶服務，其中α為協(xié)作因子。將距離目標用戶第一近和第二近基站以外的基站發(fā)出信號視為干擾，并考慮噪聲能量，我們可以得到目標用戶的sinr為：

其中，r1和r2分別為距離目標用戶第一近和第二近的基站與目標用戶之間的距離，β為路徑損耗系數(shù)，g1和g2分別為距離目標用戶第一近和第二近的基站到目標用戶信道增益，ri為第i個基站到目標用戶的距離，gi為第i個基站到目標用戶的信道增益，σ²為噪聲功率。結(jié)合hppp模型的性質(zhì)易知，g1和g2分布服從均值為αp和(1-α)p的指數(shù)分布，gi服從均值為p的指數(shù)分布。

再根據(jù)hppp的一些性質(zhì)以及基站密度λ，給出r1和r2的聯(lián)合概率密度函數(shù)其中r1和r2分別為距離目標用戶第一近和第二近的基站與目標用戶之間的距離，為：

并結(jié)合步驟二和步驟三中給出sinr和根據(jù)香農(nóng)公式，推出目標用戶平均下行速率τ為：

為了便于求解，忽略噪聲功率σ²，即σ²＝0，并令路徑損耗系數(shù)β取值為4。

經(jīng)過一些數(shù)學推導，可以得到目標用戶平均下行速率τ為：

其中

最后根據(jù)公式(4)得到協(xié)作因子α和目標用戶下行速率τ的關(guān)系式，在協(xié)作因子α的取值范圍0到1內(nèi)，均勻的取1000個點，分別代入公式，從而得出最優(yōu)協(xié)作因子的近似值。具體算法步驟如下：

步驟1：初始化τ為0，α為0，max為0；

步驟2：將α代入公式(4)，求得此時的τ；

步驟3：將τ與max比較，若τ大于max則將τ值賦給max；

步驟4：若α大于1，則算法結(jié)束，否則α賦值為α+0.001，重復步驟2。

此算法的基本思想為遍歷α可能的取值區(qū)間，得到使得目標用戶下行速率最大的最優(yōu)協(xié)作因子α。

需要說明的是，以上實施方式僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進行了詳細的描述，但本領(lǐng)域技術(shù)人員應當理解，可以在形式上和細節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明所限定的范圍。