一种异构网络系统、扇形排空区域干扰测定方法及应用

摘要

本发明属于无线通信技术领域，公开了一种异构网络系统、扇形排空区域干扰测定方法及应用。所述异构网络系统包含传统微波基站SBS和毫米波基站MBS，SBS是以PPP的方式部署的，并记为Φs，密度为λs，发射功率为Ps；MBS以MPHP的方式进行部署记为Φm，其基准过程记为密度为发射功率为Pm；MBS的等效PPP密度为在同一层内的所有发射基站的功率是相同的；用户UE以PPP的方式部署记为Φu，密度为λu。蜂窝平均半径增大和排空扇形半径与圆心角的增大会导致覆盖概率的不同变化趋势。此外，相同程度的两种基站密度变化对于覆盖率的影响程度也是不同的，适当减少传统微波基站有利于覆盖率的提升。

权利要求

1.一种异构网络系统，其特征在于，所述异构网络系统包含传统微波基站SBS和毫米波基站MBS，SBS是以PPP的方式部署的，并记为Φs，密度为λs，发射功率为Ps；MBS以MPHP的方式进行部署记为Φm，其基准过程记为 密度为 发射功率为P′m；MBS的等效PPP密度为在同一层内的所有发射基站的功率是相同的；用户UE以PPP的方式部署记为Φu，密度为λu；

所述异构网络系统改良泊松洞过程MPHP定义如下：由两个相互独立的PPP构成的，密度为λ1的 和密度为λ2的φ2，且λ2＞λ1；φ1代表着扇形的圆心，φ2代表MPHP的基准过程，对于φ1中的每一个点，移除掉所有位于φ2∩S(x,D,θc)中的点，S(x,D,θc)代表以φ1为中心，以D为半径，θc为圆心角的扇形区域，那么φ2剩余的点就构成了MPHP，并定义为：所述异构网络系统的连接策略，根据典型用户和服务基站的相对位置，采用两种不同的连接策略；定义所有以SBS为中心的半径为D的圆形区域为内部区域，使用Ain表示；补集区2

域就是外部区域Aout，典型用户位于Ain的概率是P(o∈Ain)＝1‑exp(‑πλsD)，位于Aout的概率2

是P(o∈Aout)＝exp(‑πλsD)，在Ain中圆心角θc对应的扇形区域为Asector，那么Ain中剩余的区域就是Aother；当用户位于Aother以外的区域时采用最短路径原则；当用户位于Aother区域时采用最大长期平均接收功率准则；用户位于区域Aout中时，被距离最近的MBS服务；当用户位于扇形区域Asector时，被最近的SBS服务；当用户处于Aother区域时，被提供最大长期平均接收功率的基站所服务：Pk＝arg max PkGklk(x)k∈{s,L,N}。

2.如权利要求1所述的异构网络系统，其特征在于，所述异构网络系统毫米波基站装配的定向天线阵列近似为扇形天线模型：其中，θ为主瓣的波束宽度，M和m分别为主瓣增益和旁瓣增益，服务基站和典型用户之间具备完美波束对准，获得主瓣增益；干扰链路的毫米波基站波束方向被建模为在[0,2π]上均匀分布；在传统微波基站和UE上使用全向天线模型，传统微波基站全向天线增益为Gs。

3.如权利要求1所述的异构网络系统，其特征在于，所述异构网络系统的视距模型，基于服务基站和用户之间是否可见，两者之间的链路分为视距LOS和非视距NLOS，不同链路的LOS概率p(r)是相互独立的，定义为距离为r的链路为LOS的概率；采用等效球模型，将LOS区域近似为一个半径为RL的圆，此时p(r)为一个阶跃函数，即：

4.如权利要求1所述的异构网络系统，其特征在于，所述异构网络系统的信道模型，路径损耗设为 αk为路径损耗指数，且k∈{s,L,N}，其中s、L、N分别代表传统微波，LOS毫米波和NLOS毫米波的路径损耗指数下标；所有链路经历相互独立的参数为Nk的2

Nakagami‑m衰落，第i条链路的小尺度衰落记为hi，|hi|为服从于归一化伽马分布Γ(Nk，1/Nk)的随机变量，传统微波链路参数为Ns,且Ns＝1，毫米波LOS和NLOS链路的参数分别为NL和NN。

5.一种使用权利要求1～4任意一项所述异构网络系统的扇形排空区域干扰测定方法，其特征在于，基于密集的城市环境中，最近的PHP排空区域基站干扰对接收的信号有主要影响，且当基站远离用户时它们之间的相关性可以忽略不计，同时毫米波为噪声受限的事实，采用基准密度来计算干扰，忽略了除最近的PHP排空区域之外其他所有的PHP排空区域，即：S(x,D,θc)代表离典型用户最近的SBS对应的扇形排空区域，Im,sector代表该排空区域毫米波基站的干扰，i和j分别代表整个平面上的干扰下标和最近排空区域的干扰下标；当用户位于Aother区域且连接到MBS时，最近的PHP排空区域就是最近的SBS对应的排空区域；

所述扇形排空区域干扰测定方法核心计算公式为：

步骤a原理为简单的计算积分，且扇形的方向角是在[0,2π]上均匀分布，步骤b基于伽马随机变量的矩量母函数，步骤c使用了和计算圆形区域相同的方法；其中，

6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求5所述的扇形排空区域干扰测定方法。

7.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于运行权利要求1～

4任意一项所述异构网络系统。

说明书

一种异构网络系统、扇形排空区域干扰测定方法及应用

技术领域

[0001] 本发明属于无线通信技术领域，尤其涉及一种异构网络系统、扇形排空区域干扰测定方法及应用。

背景技术

[0002] 目前近年来，移动数据流量的爆炸性增长和传统微波的频谱短缺促使5G移动网络使用毫米波来获取更大的通信容量。但是由于毫米波信号的高路径损耗，较差的衍射和极易受障碍物影响的特性，导致单一使用毫米波信号很难达到通用覆盖。一个可行的方案是将毫米波网络覆盖在传统的Sub‑6GHz网络上，利用Sub‑6GHz基站和mmWave基站共同提供通用覆盖范围和高数据速率传输。最近，已经有一些研究集中在集成的Sub‑6GHz和mmWave蜂窝网络。通过建立一个基站为K层相互独立的泊松点过程(Poisson Point Process，PPP)分布的异构蜂窝网络，部分文献研究了有特高频和毫米波的混合蜂窝网络和具有混合频率的D2D(Device‑to‑Device)通信模型，可以肯定与单一网络相比，混合蜂窝网络具备更好的性能。

[0003] 虽然PPP在建模随机网络处理方面很容易，但是假设不同层的基站位置是完全均匀分布，彼此不相关是不现实的，因此需要考虑设计非均匀的具有空间依赖的网络。有文献考虑了层间依赖和层内依赖两种情况，并使用泊松洞过程(Poisson Hole Process，PHP)和托马斯簇过程(Thomas Cluster Process，TCP)进行建模。还有文献推导了PHP在两种不同情况下的接触距离累积分布函数的下界，并与先前的近似值进行了比较。针对非均匀分布无法得到精确表达式的问题，文献中大多采用密度近似的方法来计算PHP。Zeinab等人研究了PHP中典型节点所接收的干扰的准确特征，将PHP近似为PPP和TCP来计算。

[0004] 通过上述分析，现有技术存在的问题及缺陷为：由于毫米波信号的特性，单一使用毫米波网络无法达到通用的覆盖范围；毫米波基站以密集方式部署情况下，现有的具有圆形排除区域的PHP模型无法准确捕获网络的空间依赖，无法灵活应对实际可能出现的部分空间依赖情况；现有非均匀分布干扰的计算误差较大，无法得到准确分析。

[0005] 解决以上问题及缺陷的难度为：为了达到最优的覆盖范围，传统微波基站和毫米波基站混合建设时，如何合理设置两种基站的密度；排空区域的相关参数应该如何确定；当系统不同参数对性能产生的影响互异时，如何进行平衡；难以得到非均匀分布基站产生干扰的准确理论分析；

[0006] 解决以上问题及缺陷的意义为：混合使用传统微波和毫米波，合理部署两种基站，将同时提供通用覆盖和高速率通信，满足移动通信需求；使用灵活的新模型可准确捕获部分空间依赖情况，更加符合实际，减小了理论分析和现实场景之间的误差；使用新方法测定干扰，为非均匀分布的理论分析提供一种崭新的可行思路，并降低计算误差。

发明内容

[0007] 针对现有技术存在的问题，本发明提供了一种异构网络系统、扇形排空区域干扰测定方法及应用。

[0008] 本发明是这样实现的，一种异构网络系统，所述异构网络系统包含传统微波基站SBS和毫米波基站MBS，SBS是以PPP的方式部署的，并记为Φs，密度为λs，发射功率为Ps；MBS以MPHP的方式进行部署记为Φm，其基准过程记为 密度为 发射功率为Pm；MBS的等效PPP密度为 在同一层内的所有发射基站的功率是相同的；用户UE以PPP的方式部署记为Φu，密度为λu。

[0009] 进一步，所述异构网络系统改良泊松洞过程MPHP定义如下：由两个相互独立的PPP构成的，密度为λ1的 和密度为λ2的φ2，且λ2>λ1；φ1代表着洞的中心，φ2代表MPHP的基准过程。对于φ1中的每一个点，移除掉所有位于φ2∩S(x,D,θc)中的点，S(x,D,θc)代表以φ1为中心，D为半径，θc为圆心角的扇形区域，那么φ2剩余的点就构成了MPHP，并定义为：

[0010]

[0011] 进一步，所述异构网络系统毫米波基站装配的定向天线阵列近似为扇形天线模型：

[0012]

[0013] 其中，θ为主瓣的波束宽度，M和m分别为主瓣增益和旁瓣增益，服务基站和典型用户之间具备完美波束对准，获得主瓣增益；干扰链路的毫米波基站波束方向被建模为在[0,2π]上均匀分布；在传统微波基站和UE上使用全向天线模型，传统微波基站全向天线增益为Gs。

[0014] 进一步，所述异构网络系统的视距模型，基于服务基站和用户之间是否可见，两者之间的链路分为视距LOS和非视距NLOS，不同链路的LOS概率p(r)是相互独立的，定义为距离为r的链路为LOS的概率；采用等效球模型，将LOS区域近似为一个半径为RL的圆。此时p(r)为一个阶跃函数，即：

[0015]

[0016] 进一步，所述异构网络系统的信道模型，路径损耗设为 αk为路径损耗指数，且k∈{s,L,N}，其中s、L、N分别代表传统微波，LOS毫米波和NLOS毫米波的路径损耗指数下标；所有链路经历相互独立的参数为Nk的Nakagami‑m衰落，第i条链路的小尺度衰落记2
为hi，|hi|为服从于归一化伽马分布Γ(Nk，1/Nk)的随机变量，传统微波链路Ns＝1，毫米波LOS和NLOS链路的参数分别为NL和NN。

[0017] 进一步，所述异构网络系统的连接策略，根据典型用户和服务基站的相对位置，采用两种不同的连接策略，定义所有以SBS为中心的半径为D的圆形区域为内部区域，使用Ain2
表示；补集区域就是外部区域Aout，典型用户位于Ain的概率是P(ο∈Ain)＝1‑exp(‑πλsD)，位
2
于Aout的概率是P(ο∈Aout)＝exp(‑πλsD)，在Ain中圆心角θc对应的扇形区域为Asector，那么Ain中剩余的区域就是Aother；当用户位于Aother以外的区域时采用最短路径原则；当用户位于Aother区域时采用最大长期平均接收功率准则；用户位于区域Aout中时，被距离最近的MBS服务；当用户位于扇形区域Asector时，被最近的SBS服务；当用户处于Aother区域时，被提供最大长期平均接收功率的基站所服务：

[0018] Pk＝arg max PkGklk(x) k∈{s,L,N}。

[0019] 本发明的另一目的在于提供一种基于所述异构网络系统的扇形排空区域干扰测定方法，所述扇形排空区域干扰测定方法，基于密集的城市环境中，最近的PHP排空区域基站干扰对接收的信号有主要影响，且当基站远离用户时它们之间的相关性可以忽略不计，同时毫米波为噪声受限的事实，采用基准密度来计算干扰，忽略了除最近的PHP排空区域之外其他所有的PHP排空区域，即：

[0020]

[0021] S(x,D,θc)代表离典型用户最近的SBS对应的扇形排空区域，Im,sector代表该排空区域毫米波基站的干扰，i和j分别代表整个平面上的干扰下标和最近排空区域的干扰下标；当用户位于Aother区域且连接到MBS时，最近的PHP排空区域就是最近的SBS对应的排空区域。

[0022] 进一步，所述扇形排空区域干扰测定方法核心计算公式为：

[0023]

[0024] 步骤a原理为简单的计算积分，且扇形的方向角是在[0,2π]上均匀分布，步骤b基于伽马随机变量的矩量母函数，步骤c使用了和计算圆形区域相同的方法。其中，[0025] 本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的扇形排空区域干扰测定方法。

[0026] 本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于运行所述异构网络系统。

[0027] 结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明采用传统微波和毫米波混合的具有空间依赖的异构网络，解决了通信网络单一信号无法提供通用覆盖问题和基站均匀分布的不现实问题；本发明改良了泊松洞分布模型，与传统泊松洞分布的圆形排空区域相比，扇形排空区域的随机方向性更加灵活，更符合现实情况，更有利于捕捉部分空间依赖，并可以扩展为PHP默认配置的圆形模型。在上述模型的基础上，本发明提出了基于整合最近扇形排空区域的干扰测定方法，推导了覆盖概率的表达式，仿真结果证明了表达式的合理性，为非均匀分布网络的干扰测定提供了一种可行的思路。得出结论：蜂窝平均半径和扇形半径与圆心角的增大，会造成覆盖率相反的变化，需要在两者之间做出权衡。此外，相同程度的两种基站密度变化对覆盖率的影响是不同的，适当降低传统微波基站密度更有利覆盖率的提升。上述结论将有助于解决混合频谱基站合理部署和排空区域参数设置的问题，提供更高的覆盖率。

附图说明

[0028] 为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

[0029] 图1是本发明实施例提供的非均匀传统微波和毫米波异构蜂窝网络分布示意图。

[0030] 图2是本发明实施例提供的扇形排空区域中干扰几何关系示意图。

[0031] 图3是本发明实施例提供的不同传统微波基站半径下的SINR覆盖率变化趋势示意图。

[0032] 图4是本发明实施例提供的不同扇形半径下覆盖率变化规律示意图。

[0033] 图5是本发明实施例提供的扇形圆心角对覆盖率的影响示意图。

[0034] 图6是本发明实施例提供的传统微波和毫米波蜂窝半径变化对覆盖率的影响比较示意图。

具体实施方式

[0035] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0036] 针对现有技术存在的问题，本发明提供了一种异构网络系统、扇形排空区域干扰测定方法及应用，下面结合附图对本发明作详细的描述。

[0037] 下面结合附图对本发明的技术方案作进一步的描述。

[0038] 1、系统模型，改良泊松洞过程(Modified PHP，MPHP)定义如下：它由两个相互独立的PPP构成的，密度为λ1的 和密度为λ2的φ2，且λ2>λ1。φ1代表着洞的中心，φ2代表MPHP的基准过程。对于φ1中的每一个点，移除掉所有位于φ2∩S(x,D,θc)中的点，这里的S(x,D,θc)代表以φ1为中心，D为半径，θc为圆心角的扇形区域，那么φ2剩余的点就构成了MPHP，并定义为：

[0039]

[0040] 本发明考虑一个非均匀的两层异构下行蜂窝网络，其中包含传统微波基站(Sub‑6GHz Base Station，SBS)和毫米波基站(mmWave Base Station，MBS)。假设SBS是以PPP的方式部署的，并记为Φs，密度为λs，发射功率为Ps；MBS以MPHP的方式进行部署记为Φm，其基准过程记为 密度为 发射功率为Pm。MBS的等效PPP密度为 在
同一层内的所有发射基站的功率是相同的。用户UE以PPP的方式部署记为Φu，密度为λu。在不改变统计特性的前提下，根据Slivnyak理论，假定典型用户位于原点。图1示意了非均匀传统微波和毫米波异构蜂窝网络的分布。图中蓝圆圈为SBS，扇形为半径为D，圆心角为θc的排空区域。红点为部署在排空区域外的MBS。

[0041] 2、波束成形，在上述模型中，毫米波基站装配的定向天线阵列近似为扇形天线模型，即：

[0042]

[0043] 其中，θ为主瓣的波束宽度，M和m分别为主瓣增益和旁瓣增益。假定服务基站和典型用户之间具备完美波束对准，获得主瓣增益。干扰链路的毫米波基站波束方向被建模为在[0,2π]上均匀分布。同时，这里假设在传统微波基站和UE上使用全向天线模型。传统微波基站全向天线增益为Gs。

[0044] 3、视距模型，基于服务基站和用户之间是否可见，两者之间的链路分为视距(line of sight,LOS)和非视距(non line of sight,NLOS)。不同链路的LOS概率p(r)是相互独立的，它定义为距离为r的链路为LOS的概率。本发明采用等效球模型，将LOS区域近似为一个半径为RL的圆。此时p(r)为一个阶跃函数，即：

[0045]

[0046] 4、信道模型，在本模型中存在着两种不同频段的网络。路径损耗设为 αk为路径损耗指数，且k∈{s,L,N}，其中s、L、N分别代表传统微波，LOS毫米波和NLOS毫米波的路径损耗指数下标。这里假设所有链路经历相互独立的参数为Nk的Nakagami‑m衰落。第i条2
链路的小尺度衰落记为hi，|hi|为服从于归一化伽马分布Γ(Nk，1/Nk)的随机变量。传统微波链路参数为Ns，且Ns＝1，毫米波LOS和NLOS链路的参数分别为NL和NN。此外，因为毫米波受到的阻塞效应产生了和阴影效应相似的效果，本发明忽略了大尺度衰落。

[0047] 5、连接策略，本模型根据典型用户和服务基站的相对位置，采用两种不同的连接策略。定义所有以SBS为中心的半径为D的圆形区域为内部区域，使用Ain表示；它的补集区域2
就是外部区域Aout。那么典型用户位于Ain的概率是P(ο∈Ain)＝1‑exp(‑πλsD)，位于Aout的概
2
率是P(ο∈Aout)＝exp(‑πλsD)。在Ain中圆心角θc对应的扇形区域为Asector，那么Ain中剩余的区域就是Aother。当用户位于Aother以外的区域时采用最短路径原则；当用户位于Aother区域时采用最大长期平均接收功率准则。用户位于区域Aout中时，它会被距离最近的MBS服务；当用户位于扇形区域Asector时，它会被最近的SBS服务。当用户处于Aother区域时，它会被提供最大长期平均接收功率的基站所服务，即：

[0048] Pk＝arg max PkGklk(x) k∈{s,L,N}  (3)

[0049] 本发明进一步假设典型用户与MBS之间的链路为LOS，对应的路径损耗指数为αL。这一假设仅为了便于分析，NLOS情况的结果也可以使用相同的方法获得。

[0050] 下面结合性能分析对本发明的技术方案作进一步的描述。

[0051] 本发明考虑一个典型用户，针对传统微波和毫米波混合异构网络，分析了连接概率和下行链路的SINR覆盖概率。

[0052] 1、信干噪比分析，由于模型中两层混合网络频带的正交性，不同层之间没有相互干扰。当典型用户连接到第k层时，接收到的下行SINR为：

[0053]

[0054]

[0055]

[0056] 其中 为热噪声，Ik为同层基站的干扰，IL和IN分别表示LOS和NLOS毫米波基站的2
干扰，|hi|为相互独立的第i条链路的小尺度衰落。

[0057] 2、距离分布和关联分析

[0058] 2.1距离分布

[0059] 根据连接策略，典型用户连接的服务基站要么是最近的传统微波基站，要么是最近的LOS毫米波基站。这里分别使用Rs和Rm来表示典型用户到最近的传统微波基站和LOS毫米波基站的距离。在三种分布情况下的累积分布函数(Cumulative  Distribution Function，CDF)和概率密度函数(Probability Density Function，PDF)如下：

[0060] 当典型用户位于圆内时：

[0061]

[0062]

[0063] 当典型用户位于扇形区域Asector时，其最近距离分布和位于圆内时的分布一致，即：

[0064]

[0065] 当典型用户位于圆外时：

[0066]

[0067]

[0068] 其中， 只要典型用户距离排空区域的边缘不是特别靠近L
时，公式(10)的近似是合理的。D代表在视距范围内，观察到至少一个LOS毫米波基站的概率。

[0069] 当典型用户位于其他区域Aother时，Rs的分布 不变和公式(8)一致。Rm的分布发生变化，此时Rm的CDF和PDF分别为：

[0070]

[0071]

[0072] 公式(12)是因为典型用户位于圆内和DL是相互独立的事件。

[0073] 2.2连接概率分析

[0074] 最大长期平均接收功率准则只会在典型用户位于Aother区域时采用。这里使用As和Am分别表示典型用户连接到SBS和MBS的概率。那么：

[0075]

[0076] 其中， 公式(14)是根据 积分上界是因为两种基站到典型用户的距离不能超过D。同理，Am可以由相同的方法获得。

[0077] 2.3SINR覆盖概率

[0078] 按照对于平面区域的划分，将按照以下公式计算SINR覆盖概率Pcov：

[0079]

[0080] 典型用户位于Asector和Aother区域的概率分别为：

[0081]

[0082]

[0083] 下面分别计算三部分条件覆盖概率。

[0084] 当典型用户位于扇形区域时：

[0085]

[0086] 其中 为变量X的概率密度函数的拉普拉斯变换。注意，此处的rs≤D。

[0087] 下面将计算

[0088]

[0089] 公式(19)中步骤a是因为所有干扰链路的小尺度衰落hi为独立同分布。步骤b遵从PPP过程的概率生成泛函(Probability Generating Functional，PGFL)，步骤c基于指数随机变量的矩量母函数(Moment Generating Function，MGF)。积分下限是因为最近的干扰和典型用户的距离要大于rs。

[0090] 当典型用户位于Aout区域时，采用近似密度 进行计算。条件覆盖概率如下：

[0091]

[0092] 公式(20)使用的是近似密度进行计算，使用 来近似Im。假定NL为正整数，步骤b是根据二项式定理， 下面计算

[0093]

[0094] 公式(21)步骤a是因为所有LOS和NLOS基站为独立分布，步骤b遵从PPP过程的概率生成泛函。

[0095] 假设整个平面上的干扰为 可以分为LOS基站的干扰和NLOS基站的干扰，同时两种不同链路的基站干扰又因为定向天线的不同增益G∈{M,m}，各自分为两种情况。不同基站的独立性和天线增益的随机性使得第一部分干扰 可以拆为4部分干扰之和。
这里使用 和 分别代表天线增益为G的LOS和NLOS毫米波基站集合，如下形式：

[0096]

[0097] 其中 和 分别为 和 中天线增益为G的基站干扰之和。拥有不同天线增益的毫米波基站形成了2个独立的泊松点过程，其密度分别 PG为波束成形部分所述天线增益为G的概率。

[0098] 因此 计算为：

[0099]

[0100] 公式(23)是根据上述的各部分干扰的独立性和伽马随机变量|hi|2的矩量母函数，积分上下界的不同是基于视距模型。

[0101] 当典型用户位于Aother时，将使用最大长期平均接收功率准则。在这种情况下，典型用户连接到SBS时，其干扰情况与位于扇形区域的情况一致，即公式(18)；典型用户连接到MBS时，干扰情况和最近距离分布发生了变化，本发明采用了一种全新的方法来计算典型用户受到的干扰。不同于采用近似密度的方法，本发明使用了整合最近扇形排空区域的新方法来计算干扰，采用基准密度来计算干扰，但是忽略了除最近的PHP排空区域之外其他所有的PHP排空区域。当典型用户连接到MBS时，其最近的PHP排空区域就是最近的SBS对应的排空区域。该方法基于一个简单的事实，在密集的城市环境中，最近的PHP排空区域对接收的信号有主要影响，且当基站远离用户时它们之间的相关性可以忽略不计，同时毫米波又是干扰受限的，因此只考虑最近的排空区域的影响是足够的，即：

[0102]

[0103] 这里的x代表距离典型用户最近的SBS的距离，那么S(x,D,θc)指的就是离典型用户最近的SBS对应的扇形排空区域，Im,sector代表该排空区域毫米波基站的干扰，i和j分别代表整个平面上的干扰下标和最近排空区域的干扰下标。

[0104] 参照公式(20)，此时的条件覆盖概率如下形式：

[0105]

[0106] 这里sm表达式同上文公式(20)。接下来将计算 为了便于表示，这里将干扰写为另一种形式：

[0107]

[0108] 那么：

[0109]

[0110] 公式(27)步骤a原理为整个平面上的干扰减去了最近扇形区域的干扰。第一部分2
积分区域为R\B(0,rm)是因为距离典型用户最近的毫米波基站的距离为rm，B(0,rm)代表以原点为中心，半径为rm的圆形区域。

[0111] 下面分别计算公式(27)最后一步两部分的值。第一部分代表整个平面上的干扰的拉普拉斯变换。 的表达式类似于公式(23)，只是改变了密度。

[0112] 因此第一部分计算为：

[0113]

[0114] 参照计算第一部分 的方法，下面计算第二部分Im,sector的拉普拉斯变换。类似于 Im,sector同样可以拆分为相互独立的4部分，此处不再赘述。当采用基准密度时，典型用户受到的干扰多出了位于扇形排空区域的部分，因此本发明采用了基于整合最近排空扇形区域的方法来计算干扰。

[0115] 下面给出这一方法的详细说明。图2示意了典型用户、SBS和对应的干扰之间的空间几何关系。如图2所示，三角形的三个顶点分别为典型用户、SBS和对应排空区域中任一干2 2 1/2
扰。x、r、u分别为三者之间的距离，r＝(u+x‑2uxcos(φ)) ，φ和t分别为两种不同的夹角。扇形排空区域干扰测定方法核心计算公式如下所示：

[0116]

[0117] 公式(29)推导的是最近扇形排空区域中的毫米波基站干扰。第一重积分下界是基于连接概率分析，步骤a是简单的计算积分，且扇形的方向角是在[0,2π]上均匀分布，步骤b采用了和公式(23)相同的办法得到，步骤c是使用了和计算圆形区域相同的方法。其中，[0118] 那么第二部分Im,sector的拉普拉斯变换为：

[0119]

[0120] 至此，当典型用户位于Aother区域时条件覆盖概率P(SINR>γο∈Aother)全部计算完成。

[0121] 那么最终获得的Pcov如下：

[0122]

[0123] 公式(31)相关的符号和表达式均已在上文说明，此处不再赘述。

[0124] 下面结合仿真对本发明的技术效果作详细的描述。

[0125] 本发明对所提出的异构网络模型进行了蒙特卡洛仿真，分析了不同系统参数对于网络性能的影响。由图可知，在低信干噪比阈值的情况下，仿真结果与数学分析拟合较好，当阈值较高时，两者的差距仍在误差允许的范围内，表明表达式的合理性。表1为仿真所使用的的默认参数。

[0126] 表1仿真参数表

[0127]

[0128]

[0129] 首先讨论不同SBS基站密度对于SINR覆盖率的影响。这里使用平均蜂窝半径ro来代替基站密度。当基站密度为λ时，其平均蜂窝半径为 那么，SBS基站和MBS基站的蜂窝半径分别为 和 图3展示了不同SBS基站蜂窝半径情况下Pcov变化趋势。从图3中可以看出，随着解码阈值不断增高，覆盖概率逐渐降低；随着传统微波基站密度增加，蜂窝半径减小，Pcov相应降低。这是因为在接收到的功率不变的情况下，干扰增加造成覆盖概率的下降，在该种情况下增加基站密度并不利于Pcov。

[0130] 其次，为了研究排空区域对于网络性能的影响，分析了在相同圆心角不同排空半径和相同半径不同圆心角两种情况下，覆盖率和信噪比的关系。图4为相同圆心角下，不同扇形半径对覆盖率的影响。可以得知，随着排空半径的增大，Pcov逐渐下降。这是因为虽然随着半径增大，用户接收到的信号功率并不能抵消掉通信链路变长而带来的更多的路径损耗。与此同时，半径增大导致用户周围的毫米波基站的平均密度在逐渐降低，连接到毫米波基站的可能性下降，也会导致覆盖率的降低。图5表明了随着圆心角的增大，信号覆盖率不断降低，但是变化幅度不大。对比两图可以得知扇形圆心角的变化对覆盖概率的影响不如排空半径变化大。该图也佐证了上述对毫米波基站平均密度变化的分析。

[0131] 最后，比较了恒定信干噪比阈值条件下，相同程度的不同基站密度变化对于Pcov的影响程度。图6为阈值为10dB情况下，不同基站蜂窝半径和Pcov的关系。由图6可知，毫米波基站密度变化对性能影响不大，而传统微波基站曲线会迅速上升，然后逐渐平稳。这是因为在密集城市环境中，大部分的毫米波信号都是NLOS的，甚至由于衰减严重导致干扰链路中断，即使在基站密度减小的情况下，干扰也不会太大程度的变化；而传统微波则不受这一限制。由此导致不同基站密度变化时对性能的不同影响。

[0132] 综上所述，得到如下结论：平均蜂窝半径的增大和排空区域半径与扇形圆心角的增大，会对覆盖概率产生相反的影响，因此在进行基站部署的时候，需要在两个半径之间做出权衡。此外，单纯的改变毫米波基站密度并不会对覆盖率有太大的影响，反而适当降低传统微波基站密度在一定程度上有利于覆盖率的增加。

[0133] 应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD‑ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

[0134] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。