一种基于模糊聚类的物理小区识别分配方案

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。

4G LTE网络规划之PRACH规划以及邻区规划和PCI规划

在4G LTE规划中,PRACH(物理随机接入信道)规划、邻区规划、PCI(物理层小区识别)规划是4G LTE规划的重点。PRACH是物理随机接入信道,PRACH根序列是采用ZC序列作为根序列。邻区规划结果的好坏在非常大的程度上影响着网络的KPI指标,如掉话率、切换成功率等。PCI(Physical Cell Identity)指的是物理层小区识别。很显然,PCI的作用就是用于识别小区,用于切换过程邻区检测或者小区搜索等。LTE网络的PCI规划类似于TDS系统中的扰码规划,是重要的小区数据配置数据信息,如果PCI规划不合理,可能产生高干扰或者造成终端同步小区过程时间很久。