[论文解读] An analytical model for evaluating outage and handover probability of cellular wireless networks

Laurent Decreusefond, Philippe Martins+1 more|arXiv (Cornell University)|Sep 1, 2010

Advanced MIMO Systems Optimization被引用 10

一句话总结

本文提出了一种基于齐次泊松点过程表示基站（BS）位置的蜂窝网络中断和切换概率的解析模型，其中移动用户根据平均信号功率选择最强的基站进行关联。模型综合考虑路径损耗、阴影衰落、瑞利快衰落（时隙间独立变化）、频率复用和波束成形，推导出在干扰受限和噪声受限场景下的中断和切换概率的闭式表达式。结果表明，切换概率随路径损耗指数和复用因子的增大而降低，在干扰受限场景下与基站密度无关。

ABSTRACT

We consider stochastic cellular networks where base stations locations form a homogenous Poisson point process and each mobile is attached to the base station that provides the best mean signal power. The mobile is in outage if the SINR falls below some threshold. The handover decision has to be made if the mobile is in outage for some time slots. The outage probability and the handover probability is evaluated in taking into account the effect of path loss, shadowing, Rayleigh fast fading, frequency factor reuse and conventional beamforming. The main assumption is that the Rayleigh fast fading changes each time slot while other network components remain static during the period of study.

研究动机与目标

• 开发一种用于评估蜂窝网络中断和切换概率的解析框架，以考虑真实传播效应。
• 将基站位置建模为平面内的齐次泊松点过程，以更好地捕捉网络随机性，优于固定六边形网格假设。
• 在统一模型中整合动态瑞利快衰落（每时隙独立）、静态对数正态阴影衰落、路径损耗、频率复用和波束成形。
• 在各种传播条件下，推导出中断和切换概率的显式解析表达式。
• 从性能指标角度，将所提出的随机模型与传统的六边形蜂窝模型进行比较。

提出的方法

• 将基站位置建模为平面内的齐次泊松点过程，以允许空间随机性，并避免对规则晶格结构的假设。
• 假设每个移动用户连接到提供最高平均信号功率的基站，该功率基于路径损耗和慢衰落（阴影衰落），形成‘最佳服务’关联。
• 将快速瑞利衰落建模为时隙之间独立同分布，而阴影衰落和基站位置在观测期内保持不变。
• 利用随机几何和拉普拉斯变换技术，推导接收信干噪比（SINR）的分布，从而实现中断概率的解析计算。
• 通过在基站上附加独立标记来引入频率复用，其中同频基站相互干扰，并使用泊松噪声过程建模干扰。
• 通过将连续时隙中的中断事件建模为时间序列，利用SINR中断概率作为输入，推导出切换概率的闭式表达式。

实验结果

研究问题

• RQ1 在相同条件下，基于泊松分布基站的随机蜂窝网络的中断概率与规则六边形网格的中断概率相比如何？
• RQ2 当结合路径损耗、瑞利衰落、阴影衰落和频率复用时，中断概率的解析表达式是什么？
• RQ3 切换概率如何依赖于路径损耗指数、复用因子和系统噪声电平？
• RQ4 在何种场景下切换概率与基站密度无关？原因是什么？
• RQ5 性能指标（中断概率与切换概率）如何随阴影衰落方差和路径损耗指数变化？

主要发现

• 在路径损耗指数γ=4时，泊松模型的中断概率比六边形模型高约8 dB；在γ=3时，高约6 dB，这是由于干扰波动性更大所致。
• 在干扰受限场景（N=0）下，切换概率与基站密度λ_B和阴影分布H无关，仅取决于路径损耗指数γ。
• 切换概率随路径损耗指数γ的增大而降低，表明更高的路径损耗衰减会减少切换频率。
• 在存在噪声（N>0）时，切换概率随基站密度λ_B的增加而上升，表明更密集的网络因接收信号更强而减少切换事件。
• 对于对数正态阴影衰落，切换概率随阴影标准差σ的增加而上升，因为E[H^{2/γ}]随σ增大而增加。
• 针对γ=4的情况，推导出切换概率的闭式表达式：q_m = (√(2π)/G) * e^{M_m²/(4G)} * Q(M_m/(2√G))，其中M_m和G由系统参数推导得出。