1.一种基于聚类分析的无蜂窝大规模MIMO接入点位置部署方法,其特征在于,包括以下步骤:步骤S0:搭建基于聚类分析的无蜂窝大规模MIMO接入点位置部署系统;
步骤S1:初始化物联网设备位置信息;
步骤S2:使用聚类方法初始化聚类中心;
步骤S3:计算基于该聚类中心部署接入点的无蜂窝大规模MIMO系统的吞吐量/能量效率;
步骤S4:迭代求解吞吐量/能量效率最高的最佳聚类中心;
所述步骤S1的具体步骤如下:
步骤S1.1:定义物联网设备位置信息;
本步骤中:物联网设备单元由集合E={e1,e2,…,eM}表示,ei为一个三元组,可被表示为ei(lati,loti,li),ei∈E,ei具有三个参数:物联网设备经度、物联网设备纬度、物联网设备数据负载量;
步骤S1.2:定义接入点收发数据;
本步骤中:定义接入点收发数据,接入点由集合S={s1,s2,…,sN}表示,sj为一个三元组,可被表示为sj(latj,lotj,lj),sj∈S,sj具有三个参数:接入点位置经度、接入点位置纬度、接入点数据负载量;
本步骤中,根据物联网设备数量确定接入点所处位置覆盖某一半径区域的密度;
所述步骤S2的具体步骤如下:
步骤S2.1:获取物联网设备经纬度坐标及流量需求作为数据集;
本步骤中,基于步骤S1.2所述,通过物联网设备经纬度坐标的数量确定接入点某一半径区域的密度;
步骤S2.2:采用DBSCAN算法遍历若干种密度聚类的参数组合,确定最优参数组合[Eps,MinPts]并求解获取聚类个数及聚类中心;
步骤S2.3:定义接入点贡献权重;
本步骤中,接入点数据负载量权重通过公式(1)计算:其中,li表示基于步骤S1.1所述的数据负载量;
接入点密度阈值通过公式(2)计算:其中,Eps为半径参数,MinPts为领域密度阈值;
接入点贡献权重通过公式(3)计算:Coni(Contribution)=Wi·Di (3)步骤S2.4:根据分隔度计算各簇的聚类中心平均距离;
本步骤中,分隔度通过公式(4)计算:其中,k表示聚类个数,ci、cj分别表示第i、j个聚类中心,各聚类中心采用基于步骤S1.1所述的相同维度的经纬度坐标表示;
本步骤中,分隔度的值越大,则表示各聚类中心之间的距离越远,即簇间相似度越低,聚类效果越好;
步骤S2.5:根据第一判定结果合并聚类中心,保留的聚类中心为接入点贡献权重更高者;
本步骤中,若基于步骤S2.4所述的分隔度小于第一判定结果,则进行合并。
2.根据权利要求1所述的一种基于聚类分析的无蜂窝大规模MIMO接入点位置部署方法,其特征在于,所述步骤S3的具体步骤如下:步骤S3.1:通过已知的设备位置信息和初始化获得的接入点位置信息,初始化设备与接入点之间的统计信道信息CSI,这些信息是在接入点之间共享的;
步骤S3.2:给物联网设备随机分配导频,执行随机的上行导频传输,接入点估计该信道信息;
步骤S3.3:接入点根据物联网设备在上行的数据请求返回相应预编码下行数据;
步骤S3.4:物联网设备解码下行数据,并计算下行速率;
步骤S3.5:计算无蜂窝大规模MIMO系统吞吐量和能量效率。
3.根据权利要求1所述的一种基于聚类分析的无蜂窝大规模MIMO接入点位置部署方法,其特征在于,所述步骤S4的具体步骤如下:重复步骤S2和S3,迭代计算能量效率最高的最佳聚类中心,直至计算出能量效率最高的最佳聚类中心或迭代条件结束。
4.根据权利要求1所述的一种基于聚类分析的无蜂窝大规模MIMO接入点位置部署方法,其特征在于,在步骤S2.2中,DBSCAN的算法过程描述如下:输入:
D:一个包含n个物联网设备信息的数据集Eps:半径参数
MinPts:领域密度阈值
输出:基于密度的簇的集合
方法:
1.标记所有对象(即物联网设备信息)为未访问;
2.随机选择一个未访问对象p;
3.标记p为已访问对象;
4.若p的Eps领域中至少有MinPts个对象
5.创建一个新簇C,并把p添加到C;
6.令N为p的Eps领域中的对象集合
7.遍历N中每个点p
8.若p’是未访问对象,标记p’是已访问对象;
9.若p’的Eps领域至少有MinPts个对象,将这些对象添加到N;
10.如果p’还不是任何簇的成员,把p’添加到C;
11.结束遍历;
12.输出C;
13.否则标记p为噪声;
14.当没有标记为未访问的对象时结束算法。