一种基于模糊聚类的物理小区识别分配方案

摘要：

用户在异构蜂窝网络(HCN)中寻求网络数据服务时,需要用到物理小区识别(PCI)对环境中不同的蜂窝小区进行识别.然而PCI的数量是一定的,传统的解决方案缺少合理利用有限数量的PCI机制,无法满足小蜂窝的大规模随机部署,同时也难以保障用户的网络质量(QoS).针对以上问题,引入蜂窝小区"活跃度"概念,提出基于模糊分层聚类的PCI分配方案,采用欧氏距离法进行不同蜂窝小区相似度的求解,从而得到不同阈值下的蜂窝小区基站分类集群,并依据统计学中的方差分析法查找最佳阈值,优先对"活跃度"高的蜂窝小区基站群进行PCI的分配和复用.与现有方案比较,有效提高了用户的QoS以及PCI的分配效率.仿真实验结果表明,文中提出的基于欧氏距离法的聚类方法与传统的曼哈顿距离法、夹角余弦值距离法以及切比雪夫距离法相比,蜂窝基站分类结果更为合理,同时具备较低的PCI冲突混淆率.

关键词：异构蜂窝网络、蜂窝小区、聚类方法、活跃度、模糊聚类、物理小区识别

所属期刊栏目：42

分类号：TN915.02-34

资助基金：北京市科技计划项目Z171100004717001;北京市自然科学基金重点项目L172049;国家自然科学基金项目61671030;北京工业大学研究生科技基金ykj-2017-00850

在线出版日期：2019-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：14-20