面向高可达6G网络的负载估计问题：基于HAPS的小基站切换

本研究旨在引入并解决垂直异构网络（vHetNet）中细胞切换概念下的流量负载估计问题。当前问题在于，由于缺乏对睡眠小基站（SBS）流量负载的准确数据，细胞切换实践面临重大挑战。这一问题使得文献中大多数研究——尤其是那些采用负载依赖方法的研究——在其基本假设为下届时段睡眠SBS流量负载拥有完美知识的情况下，难以实际应用。本研究不着眼于开发另一套先进的细胞切换算法，而是调查估计误差的影响并探索可能的解决方案。我们在一种新型vHetNet环境中进行研究，该环境将高空平台（HAPS）作为超大宏基站（SMBS）集成到陆地网络中。换言之，本研究采取更基础的视角，致力于消除先进细胞切换算法应用的重大障碍。为此，我们探讨了三种基于空间插值的数据估计方案：随机邻域选择、距离加权选择和聚类选择。利用真实数据进行经验验证，我们评估了所提出的流量负载估计方案的有效性。我们的结果表明，多层聚类（MLC）算法效果卓越，与其估计值之间观察到的差异微乎其微（即0.8%），凸显了其在vHetNet中显著提升能源效率的潜力。