公开(公告)号：CN114339947B

公开(公告)日：2024-04-02

申请号：CN202111599538.5

申请日：2021-12-24

Applicant: 杭州电子科技大学

Inventor： 马钰 ,  潘鹏 ,  郭诗鹏 ,  范耀宗 ,  王海泉

IPC: H04W40/32 ,  H04W88/08 ,  G06F18/23213

Abstract: 本发明公开了一种超密集网络中基于高斯加权的基站动态分簇方法，该方法首先计算超密集网络中每个小基站的高斯加权密度值以及平均加权密度值；将高斯加权密度值大于平均加权密度的基站挑选为初始簇中心并形成待选初始簇中心池；计算簇的覆盖半径，依次将待选簇中心池中两两基站之间高斯加权分布密度值小于覆盖半径的基站从池中移除；将最终簇中心点数目以及相应的基站坐标信息作为传统K‑means的输入参数来执行K‑means算法，从而得到最终超密集网络中所有基站的分簇结果。本发明可以准确地衡量基站的分布状况、提高分簇的准确率、加快分簇的收敛速度，并且可以根据基站的分布状况进行动态分簇，使超密集网络场景的分簇更加灵活。

公开(公告)号：CN114339947A

公开(公告)日：2022-04-12

申请号：CN202111599538.5

申请日：2021-12-24

Applicant: 杭州电子科技大学

Inventor： 马钰 ,  潘鹏 ,  郭诗鹏 ,  范耀宗 ,  王海泉

IPC: H04W40/32 ,  H04W88/08 ,  G06K9/62

Abstract: 本发明公开了一种超密集网络中基于高斯加权的基站动态分簇方法，该方法首先计算超密集网络中每个小基站的高斯加权密度值以及平均加权密度值；将高斯加权密度值大于平均加权密度的基站挑选为初始簇中心并形成待选初始簇中心池；计算簇的覆盖半径，依次将待选簇中心池中两两基站之间高斯加权分布密度值小于覆盖半径的基站从池中移除；将最终簇中心点数目以及相应的基站坐标信息作为传统K‑means的输入参数来执行K‑means算法，从而得到最终超密集网络中所有基站的分簇结果。本发明可以准确地衡量基站的分布状况、提高分簇的准确率、加快分簇的收敛速度，并且可以根据基站的分布状况进行动态分簇，使超密集网络场景的分簇更加灵活。