[发明专利]一种超密集网络中基于密度与最小距离的基站分簇方法

摘要

本发明公开了一种超密集网络中基于密度与最小距离的基站分簇方法，首先计算超密集网络中各微小区基站的分布密度及分簇密度阈值，使分布密度大于分簇密度阈值的微小区基站构成初始簇中心池；计算初始簇中心池中各微小区基站与较其分布密度高的微小区基站间距离的最小值，定义微小区基站的分布密度与其最小距离的乘积为加权分布密度，由加权分布密度得到待选簇中心池；计算簇中心隔离距离，依次将待选簇中心池中两两之间距离大于簇中心隔离距离的两个簇中心中加权分布密度值较小的簇中心从待选簇中心池中移除；最后将待选簇中心池中簇中心数目及簇中心基站地理位置作为传统K‑means算法的参数，执行K‑means算法得到分簇结果；本发明解决了分簇不均匀的问题。

主权项

1.一种超密集网络中基于密度与最小距离的基站分簇方法，其特征在于，所述方法包括步骤：S1、记录超密集网络中N个微小区基站的地理位置，并计算任意两个微小区基站之间的欧式距离；S2、计算超密集网络中每个微小区基站的分布密度和分簇密度阈值，比较各微小区基站的分布密度与分簇密度阈值的大小，并将分布密度大于分簇密度阈值的微小区基站作为初始簇中心；S3、将所有所述初始簇中心组成初始簇中心池，计算所述初始簇中心池中每个微小区基站与较其分布密度高的微小区基站之间距离的最小值；S4、计算所述初始簇中心池中各微小区基站的分布密度与较其分布密度高的微小区基站之间距离最小值的乘积，记为加权分布密度θ_j，并将微小区基站对应所述加权分布密度θ_j从大到小降序排列形成待选簇中心池；S5、计算簇中心隔离距离，并按照所述加权分布密度θ_j的大小在所述待选簇中心池中进行降序排列，依次将待选簇中心池中两两之间距离大于所述簇中心隔离距离的两个簇中心中加权分布密度值较小的簇中心从待选簇中心池中移除；S6、统计并记录最终获得的所述待选簇中心池中簇中心的数目K及每一簇中心的地理位置，作为参数输入传统K‑means算法中，执行K‑means算法得到超密集网络中所有微小区基站的分簇结果。