异构蜂窝网络的负载感知建模与分析

由于其真实性、可处理性和可扩展性，随机空间模型对于异构蜂窝网络 (HCNs) 的建模具有吸引力。迄今为止，此类模型在 HCNs 背景下的一个主要局限是忽略了网络流量和负载：通常假设所有基站 (BSs) 始终处于发射状态。特别是，小基站的负载通常比宏基站更轻，因此在满载模型中它们对网络干扰的贡献可能被显著夸大。本文通过引入条件性稀疏干扰场的新思想，纳入了灵活的基站负载概念。对于跨基站在发射功率、支持数据速率、部署密度以及现在的负载方面均存在差异的 $K$ 层 HCN，我们推导了连接到最强基站信号的典型移动台的覆盖概率。在此连接条件下，假设第 $i$ 层的干扰基站以概率 $p_i$ 独立发射，以此对负载进行建模。合理地假设小基站比宏基站的负载更轻，分析表明向网络中添加此类接入点始终会提高覆盖概率。我们还观察到，满载模型在覆盖范围方面相当悲观。