申请/专利权人：重庆邮电大学

申请日：2020-02-29

公开（公告）日：2022-03-22

公开（公告）号：CN111343704B

主分类号：H04W52/02(20090101)

分类号：H04W52/02(20090101);H04W52/24(20090101);G06N3/00(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.03.22#授权;2020.07.21#实质审查的生效;2020.06.26#公开

摘要：本发明涉及移动通信技术异构蜂窝网络领域，具体涉及一种异构蜂窝网络中毫微微基站的联合休眠与功率控制方法，包括：初始化信道模型各参数，建立能耗优化模型；利用径向基神经网络对宏基站业务量进行预测，得到径向基预测值；利用误差修正值对径向基预测值进行优化，得到修正预测值；根据修正预测值计算基站休眠比，并对毫微微基站进行比例随机休眠；将未休眠基站视为粒子，其位置就是基站的当前功率值，将能耗优化模型的拉格朗日形式作为评价函数，利用粒子群算法迭代求出最优毫微微基站群发射功率。本发明实现了对毫微微基站群进行合理休眠及有效的功率控制，从而达到降低能耗的作用。

主权项：1.一种异构蜂窝网络中毫微微基站的联合休眠与功率控制方法，其特征在于，包括以下步骤：S1：根据异构蜂窝网络的网络模型得到宏基站与毫微微基站之间以及毫微微基站之间的干扰，以用户与基站的关联关系和用户最小接收信号信干噪比为约束条件、以毫微微基站群的最小能耗为优化目标，建立能耗优化模型；S2：利用径向基神经网络对宏基站业务量进行预测，得到径向基预测值；其中，径向基神经网络的输入是过去几个时间周期的所有时间节点宏基站的业务量值，径向基神经网络的输出是某一个时间周期宏基站的业务量预测值，即径向基预测值；S3：利用误差修正值对径向基预测值进行优化，得到修正预测值；判断径向基预测值是否是齐次马尔科夫链，若不是齐次马尔科夫链，结束算法；若是齐次马尔科夫链，则根据径向基预测值与实际吞吐量的相对误差序列的不同状态区间计算状态转移概率，将状态转移概率最高概率存在的分布区间的均值作为误差修正值，利用误差修正值对径向基预测值进行优化；齐次马尔科夫链的判断方式包括：马氏链X＝{Xn,n＝1,2,3,L,n}，n表示马尔科夫链总长度，马氏链的状态空间I＝{1,2,3,L}，P{Xn+1＝j|Xn＝i}＝pi,j为马氏链中n时刻处于状态i、在n+1时刻转移到状态j的转移概率，马氏链中 其中，表示在马氏链X1,X2,K,Xn中分为m个段落中第k段落中状态i转移到状态j出现的次数；表示第k段落中状态i出现的次数；Ani,j表示从状态i转移到状态j出现的次数；Sni表示状态i出现的次数，m表示马氏链所分的段落总数；利用卡方检验的方法，根据上式可得由此构造卡方检验统计量 比较卡方统计量X2与X2的自由度系数当时，认定序列为齐次马尔科夫链，其中表示自由度系数值，其值根据自由度系数的不同有不同的数值；根据径向基预测值与实际吞吐量的相对误差序列的不同状态区间计算状态转移概率，包括以下步骤：S31.根据径向基预测值和宏基站实际吞吐量得到相对误差序列；S32.对相对误差序列进行归一化处理；S33.根据黄金分割法将归一化后的相对误差序列划分为e个状态区间，即E1,E2,E3,K,Ee；S34.根据状态转移概率公式计算齐次马尔科夫链的状态转移概率；根据状态转移概率公式计算齐次马尔科夫链的状态转移概率具体包括：齐次马尔科夫链从状态Ei经过一步转移到状态Ei+1的转移概率为： 其一步转移概率矩阵为： 齐次马尔科夫链从状态Ei经过n步转移到Ei+n的转移概率为根据切普曼-柯尔莫哥洛夫方程，n步转移概率为Pn＝P1n；其中，Ani,j表示从状态i转移到状态j出现的次数；Sni表示状态i出现的次数；S4：根据修正预测值计算基站休眠比，根据基站休眠比对宏基站覆盖区域内的所有毫微微基站进行比例休眠；S5：将未休眠基站视为粒子，将粒子位置作为为未休眠基站的当前功率值，将能耗优化模型的拉格朗日形式作为评价函数，利用粒子群算法迭代求出最优毫微微基站群发射功率。

全文数据：

权利要求：

百度查询： 重庆邮电大学 异构蜂窝网络中毫微微基站的联合休眠与功率控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD