超密集无线网络部署优化技术研究

摘要

未来十年移动数据流量业务需求将有1000倍的提升。面对爆炸式的无线通信量增长，提高无线通信网络系统性能成为关注的重点。带宽资源有限并且增大带宽的成本昂贵，频谱利用率又已经非常接近理论极限，网络部署的超密集化是目前解决这个问题的最佳办法。但超密集异构网络不仅仅带来通信容量的大幅度提升，也带来了网络拓扑的复杂性，网络部署的优化成为重要的问题。本文研究超密集异构网络的部署优化问题。
　　在两种超密集异构网络模型下，考虑了基于泊淞分布的非FULL BUFFER业务模型，推导两种网络模型的SINR（Signal to Interference Plus Noise Ratio）和Rate性能指标的闭合表达式，并进行蒙特卡洛仿真验证，最后对模型的性能做了对比分析。
　　在一个两层的超密集异构网络模型下，与现有文献不同，研究该模型在非FULLBUFFER场景下的网络性能。在该网络中，空间地理分布上，宏站按照齐次Poisson PointProcess(PPP)部署，小站按照Poisson Hole Process(PHP)部署，用户PPP部署。这种部署方式使得宏站附近的小站得以减少，减少了宏站用户受到的小站干扰。而且，在小站部署数量一定的情况下，远离宏站区域的小站密度变大，能提高小站用户的速率。用户的业务包到达服从泊淞过程，以最大参考信号接收功率Reference Signal Receiving Power(RSRP)接入准则接入基站，同一个基站的用户根据业务到达时间顺序排队等候基站的服务。采用排队论和随机几何，推导得到了非FULL BUFFER场景下的SINR和Rate分布的闭合表达式，通过蒙特卡洛仿真验证推导的闭合表达式的正确性。然后通过闭合表达式的数值仿真，对系统多项性能指标，如系统传输速率、系统功耗以及传输率等，与FULL BUFFER场景下各指标对比，揭示了模型的优势。
　　改进了宏站PPP部署，小站部署服从Poisson Cluster Process(PCP)分布的网络模型。每个用户的业务包到达服从独立泊淞过程(非FULL BUFFER)。处在热点区域的用户接入小站，其他用户接入宏站。引入PCP部署更符合如写字楼、商场等用户集聚且流量业务需求大的热点区域的情况。针对这些用户密集的热点区域更高密度地部署小站，其它地方用宏站提供覆盖，能够提高用户体验和系统吞吐量等性能。采用随机几何和排队论推导了该模型的SINR和Rate分布闭合表达式，并用蒙特卡洛仿真验证。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 论文研究内容

1．4 论文组织结构

第二章 超密集异构网络

2．1 超密集异构网络概述

2．2 超密集异构网络部署建模

2．2．1 Poisson Point Process(PPP)

2．2．2 Poisson Hole Process(PHP)

2．2．3 Poisson Cluster Process(PCP)

2．3 用户流量业务模型

2．3．1 泊淞模型

2．3．2 马尔可夫模型

2．3．3 自回归模型

2．3．4 M／G／∞排队模型

2．4 本章小结

第三章 超密集异构网络仿真平台搭建

3．1 概述

3．2 仿真平台搭建

3．2．1 网络拓扑结构

3．2．2 无线传播环境

3．2．3 干扰模型

3．2．4 用户流量业务建模

3．3 仿真流程

3．4 本章小结

第四章 PHP网络部署性能分析

4．1 概述

4．2 系统模型

4．2．1 网络部署模型

4．2．2 用户接入策略

4．2．3 业务模型和调度策略

4．2．4 SINR模型

4．3 SINR和Rate分布

4．3．1 SINR分布

4．3．2 Rate分布

4．4 基站活跃概率

4．5 仿真结果分析

4．5．1 SINR和Rate分布

4．5．2 FULL BUFFER业务和泊淞业务对比

4．6 本章小结

第五章 PCP网络部署性能分析

5．1 概述

5．2 系统模型

5．2．1 网络部署模型

5．2．2 用户接入策略

5．2．3 业务模型和调度策略

5．2．4 SINR模型

5．3 SINR和Rate分布

5．3．1 SINR分布

5．3．2 Rate分布

5．4 基站活跃概率

5．5 仿真结果分析

5．5．1 SINR和Rate分布

5．5．2 FULL BUFFER业务和泊淞业务对比

5．6 本章小结

6．1 论文总结

6．2 进一步的工作

致谢

参考文献

攻读硕士学位期间的主要成果