一种基于模糊聚类的物理小区识别分配方案

• 作者: 刘濛 林强强 涂山山 肖创柏
• 来源期刊: 现代电子技术
• 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
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 通信与信息工程
• 页码范围: 14-20
• 页数: 7页
• 分类号: TN915.02-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.17.004

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖创柏	北京工业大学信息学部	84	661	12.0	24.0
2	涂山山	北京工业大学信息学部	10	9	2.0	3.0
6	林强强	北京工业大学信息学部	4	4	1.0	2.0
7	刘濛	北京工业大学信息学部	2	0	0.0	0.0