[发明专利]一种基于最大度优先染色算法的物理小区识别分配方法

说明书

本发明涉及一种基于最大度优先染色算法的物理小区识别分配方法，解决小蜂窝网络技术中用来识别蜂窝网络基站的物理小区识别(PCI，Physical Cell Identification)极其有限，导致小蜂窝网络无法顺利部署，用户的网络服务质量(QoS，Quality of Service)受到了极大影响的问题。该方法首先使用K均值聚类算法对海量的网络用户移动数据进行聚类处理，划分并确定用户的热点地区。然后基于最大度优先染色算法对不同热点地区的蜂窝基站进行PCI分配和复用。该方法实现了快速有效地对蜂窝基站进行PCI的分配和复用，同时降低了PCI的冲突混淆概率，保障了热点地区用户的QoS。

技术领域

本发明采用K均值聚类算法对海量的网络用户移动数据进行聚类处理，实现了热点地区的确定和划分。然后提出了一种基于最大度优先染色算法的PCI分配方法，该方法可以快速有效地对热点地区的小蜂窝基站进行PCI的分配和复用，同时降低了PCI的冲突混淆概率，提升了热点地区用户的网络服务质量。基于最大度优先染色算法的PCI分配方法属于移动通讯网络领域。

背景技术

随着无线通信和移动互联网技术的快速发展，全球的移动网络数据流量在过去的五年中增长了二十倍。截止2017年底，统计结果显示全球网络数据流量平均每个月达到了惊人的7.2EB，其中4G数据流量占比69％。数据的爆炸式增长使得大数据成为了近年来备受关注的概念，它是指通过对大量的、来源复杂的数据源进行高速地捕捉、发现和分析，用模式识别或统计学中的方法提取其价值的技术体系或技术架构。

大数据早期主要应用于商业、金融等领域，后来逐渐扩展到交通、医疗和能源等领域。如今，无线网络也被视作大数据应用的重要技术领域之一。一方面，随着智能终端设备的更新发展，用户的网络数据服务请求愈发频繁，产生的网络数据流量也随之增加，需要对这些结构多样、来源复杂的数据进行有效的传输和处理。另一方面，随着用户对于网络数据请求的增多，无线网络的建设和发展遇到了阻碍。网络数据的爆炸式增长使得传统蜂窝网络的容量远远达不到用户的实际需求，尤其对于城市中的热点地区，大量的网络在线业务在短时间内产生，并发的还有激增的数据流量传输，这些集中的网络请求可能引发网络阻塞甚至中断，造成不可估量的损失。

为了应对无线网络数据流量快速增长引发的问题，现有的解决方案普遍采用增加网络小区密度来实现密集网络部署的技术，从而提升数据流量的传输速率和增加网络容量和覆盖范围。该方案的核心是通过将大量的小蜂窝网络(SC，Small Cells)基站密集地部署在传统的宏蜂窝网络架构中，形成异构蜂窝网络(HCN，Heterogeneous CellularNetwork)，为热点地区的用户提供更优质的网络服务质量。在异构蜂窝网络中，大规模随机部署的小蜂窝网络基站需要物理小区识别码(PCI,Physical Cell Identification)来区分彼此。然而，受制于物理频谱资源的限制，PCI的数量极其有限。在长期演进系统(LTE，Long Term Evolution)中可供使用的PCI数量为504个。因此，需要对海量的网络用户和蜂窝基站的相关数据进行分析和处理，设计合理有效的PCI分配方案，最大化利用有限的PCI资源，完成热点地区异构蜂窝网络的构建，提升用户的网络服务质量(QoS，Quality ofService)。

因此，为了解决PCI资源极其有限等问题，本方法采用K均值聚类对“活跃度”较高的蜂窝基站地区的网络用户进行聚类处理，根据得到的聚类结果确定热点地区。然后对不同热点地区中的复杂蜂窝网络进行图形化建模，并创新性地将蜂窝基站的PCI分配问题建模为图形染色过程。最后提出并采用了基于最大度优先染色算法的PCI分配方案。

发明内容