[发明专利]一种基于改进支持向量机算法的小区用户划分方法

说明书

本发明公开了一种基于改进支持向量机算法的小区用户划分方法，包括如下步骤：针对5G通信系统特性，建立小区移动用户到基站的通信场景模型问题模型；在基站端提取用户的信号/信道状态信息数据，并对数据进行特征参数的分离提取，通过特征参数，对用户是中心用户还是边缘用户进行综合划分；针对遗传算法做出改进；通过改进后的遗传算法实现支持向量机算法参数的组合优化，利用所得的用户特征向量数据，对所得改进优化后支持向量机算法的分类模型完成训练和测试。本发明提高模型分类的准确率和稳定性，达到快速、准确划分中心用户和边缘用户的目的。本发明解决了5G通信系统中小区间用户划分问题和支持向量机算法参数的组合优化问题。

技术领域

本发明涉及一种基于改进支持向量机算法的小区用户划分方法，属于无线通信技术领域。

背景技术

目前，5G通信系统得到了广泛应用，然而5G通信系统在应用过程中也面临着一系列的问题。蜂窝网络是未来5G的关键技术特征，该特征可以满足未来数据量大与信号覆盖面广的需求。然而由于毫米波和Massive MIMO(大规模天线)技术在5G通信系统中的应用，使得5G通信系统的系统特性发生了重大改变。例如，5G通信系统是超密集的蜂窝网络，物理层信息量激增，空间上传输信号的自由度激增等，这将导致小蜂窝网络与邻居小蜂窝存在着更为严重的小区间干扰，影响大规模MIMO多小区多用户系统性能。为了解决小区之间的干扰，必须采用有效的干扰协调技术。

用户划分方法将用户分为中心用户和边缘用户，由于边缘用户受到的干扰比中心用户大，划分用户后可以分别进行处理，带来边缘用户的性能提升，是一种有效缓解小区间干扰的手段。对干扰协调技术来说，准确区分中心、边缘用户是关键所在，会直接影响它的性能。本发明要解决的就是在5G无线通信环境下，小区中心/边缘用户的划分问题。

在小区中心/边缘用户的划分问题上，传统的技术研究都是依据单一参数的经验阈值进行划分，主要包括门限固定的基于用户水平位置或垂直角度的划分方法，和动态门限的用户划分方法等。然而5G通信系统特性的改变不仅让这些用户划分方案准确率大打折扣，而且因为需要不断更新门限及反馈数据，使得计算复杂度高，反馈开销大。同时不能利用垂直维度下倾角，也不太适用于垂直天线数不断增加的5G通信系统。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提出了一种基于改进支持向量机算法的小区用户划分方法，该方法综合利用距离、大尺度衰落因子和垂直维度下倾角进行小区用户划分，替代传统的仅仅依靠单一参数的经验阈值划分方案，提高了小区用户划分的准确率；且相较于传统基于信噪比(SINR)的动态门限用户划分方法需要不断计算和反馈用户SINR，该方法只需要计算距离、大尺度衰落因子和垂直维度下倾角这三个参数，部分用户只需要计算距离参数，降低了计算复杂度和反馈开销。

本发明所采取的技术方案是：一种基于改进支持向量机算法的小区用户划分方法，该方法包括如下步骤：

(1)针对5G通信系统特性，建立小区移动用户到基站的通信场景模型问题模型；

(2)在基站端提取用户的信号/信道状态信息数据，并对数据进行特征参数的分离提取，通过特征参数，对用户是中心用户还是边缘用户进行综合划分，并建立用户特征向量数据；

(3)针对遗传算法做出改进；

(4)通过改进后的遗传算法实现支持向量机算法参数的组合优化。

(5)基于步骤(4)中所得改进优化后支持向量机算法在基站侧建立用户分类模型并完成训练和测试。

进一步的，所述步骤(1)中小区移动用户到基站的通信场景模型问题模型中包括服务小区和相邻的干扰小区，服务小区存在1个基站A和1个移动用户UE1，干扰小区存在1个基站B和1个移动用户UE2。

进一步的，所述步骤(2)中包括如下步骤：