CN101523775B - 用于改进的噪声基底估计的方法和设备 - Google Patents

Abstract

一种实现码分多址无线通信***中改进的软噪声基底估计的方法，测量(S0)接收的总宽带功率的样本，从所测量的接收的总宽带功率来估计(S1)关于第一功率量的概率分布，估计(S2)关于第一功率量的平均功率等级，以及基于所估计的平均功率等级来修改(S3)概率密度函数的宽度，以实现在网格上的离散化的噪声基底测量的概率密度函数的计算。

Description

用于改进的噪声基底估计的方法和设备

技术领域

总的来说，本发明涉及在蜂窝通信***中用于负荷估计的方法和装置，具体来说，涉及宽带码分多址通信***中改进的噪声基底估计。

背景技术

宽带码分多址(WCDMA)电信***具有能用于电信服务的未来发展的许多有吸引力的性质。在例如WCDMA和类似***中的一个具体技术难题是增强上行链路信道对时间间隔的调度，其中干扰条件是有利的，以及其中在所述的小区的上行链路中存在充分容量以便支持增强上行链路信道。众所周知的是，小区的现有用户均对WCDMA***的上行链路中的干扰等级有贡献。此外，相邻小区中的终端也对相同的干扰等级有贡献。这是因为当使用码分多址(CDMA)技术时，小区的公共信道和所有用户以相同频带进行发射。因此，小区的负荷直接与同一个小区的干扰等级相关。

为了保持小区的稳定性，需要使负荷保持低于某个等级。若干无线资源管理(RRM)算法、如调度和准入控制依靠上行链路负荷的精确估计。这种情况出现是因为至少在WCDMA中，上行链路用户信道的大多数经过功率控制。这种功率控制和RRM算法目的在于使各信道的所接收功率等级保持在某个信号干扰比(SIR)，以便能够满足特定的服务要求。这个SIR等级通常使得无线基站(RBS)中的接收功率比干扰等级低若干dB。所谓的RAKE接收器中的解扩则将各信道增强到其中能进一步处理发射比特的信号电平，例如通过位于信号处理链后段的信道解码器和语音编解码器进行进一步处理。读者参阅[1]获得更多细节。

由于RBS设法使各信道保持在其特定优选SIR值，因此，可能发生的情况是，额外的用户或者现有用户的突发数据业务使干扰等级提高，由此瞬时降低其它用户的SIR。RBS的响应是命令对所有其它用户的功率增加，这甚至更增加干扰。这个过程通常在某个负荷等级之下保持稳定。在高容量信道突然出现的情况下，干扰的提高变大，以及不稳定性的风险、即所谓的功率冲击增加。这说明了为什么必须调度高容量上行链路信道、如WCDMA中的增强上行链路(E-UL)信道，使得能确保避免不稳定性。为此，在RBS中必须估计瞬时负荷。这实现留给不稳定点的容量裕度的评估。

例如CDMA***中的小区的负荷通常涉及与功率相关的某个量、通常为噪声提升(noise rise)。确实存在许多噪声提升测量。最重要的一个也许是定义为小区的总干扰与RBS的接收器的热噪声功率基底的商数的热噪声提升(RoT)。其它测量包括例如相对于热噪声基底的带内非WCDMA干扰。因此，必须确定功率量、如总功率等级和噪声基底(理想地为热噪声基底)。噪声基底的确定通常与甚至可能与整个可用容量裕度相同数量级的较大不确定性关联。当只有总接收功率的测量可得到时，情况更是如此。因此，在没有改进与其有关的负荷估计的情况下，实际上很难实现例如增强上行链路信道功能性。

此外还可提到，对其控制需要负荷估计的同等重要的参数是小区的覆盖。覆盖通常与需要工作在特定SIR以便正常运行的特定服务相关。上行链路小区边界则由工作在最大输出功率的终端来定义。RBS中的最大接收信道功率通过终端的最大功率和数字接收器的路径损耗来定义。由于路径损耗是终端与RBS之间的距离的直接函数，所以从RBS产生最大距离。在所有方向从RBS所取的这个距离定义覆盖。

现在得出结论，干扰等级的任何增加产生无法通过增加的终端功率来补偿的降低的SIR。因此，路径损耗需要降低以便维持服务。这意味着，终端需要移动到更接近RBS，即小区的覆盖减小。

通过以上论述清楚地知道，为了保持运营商已经规范的小区覆盖，必须使干扰保持低于特定等级。这表示负荷估计对于覆盖也是重要的。具体来说，从覆盖的角度来看，负荷估计在RBS中的增强上行链路业务的快速调度中是重要的。此外，控制多个RBS的无线网络控制器(RNC)中的准入控制和拥塞控制功能性也获益于关于小区的瞬时噪声提升的精确信息。

以上所述的所有噪声提升测量具有共同点：它们依靠背景噪声的精确估计。因此，需要用于提供背景噪声的有效且精确的实时估计的方法和设备。

发明内容

现有技术CDMA通信网络的一般问题在于，以使仔细的负荷控制变得很难的精度来提供负荷估计。具体来说，噪声提升的确定遇到主要由估计噪声基底的困难所引起的极大的不确定性。

本发明的一般目的是提供用于确定功率相关量、如负荷估计的改进方法和设备。

本发明的另一个目的是提供关于给出更精确地确定噪声相关量、如噪声基底功率估计的可能性的方法和设备。

本发明的一个具体目的是提供一种实现遵循平均功率等级的软噪声基底估计的方法。

这些及其它目的根据所附权利要求集合来实现。

根据一个基本方面，本发明包括一种实现码分多址电信***中改进的软噪声基底估计的方法，其中，在第一步骤S0测量接收的总宽带功率，随后基于测量的接收的总宽带功率来估计(S1)关于第一功率量的概率函数，估计(S2)关于第一功率量的平均功率等级，以及最后基于所估计的平均功率等级来修改(adapt)(S3)所估计的概率密度函数的宽度，以实现在网格(grid)上的离散化所定义的噪声基底测量的概率密度函数的后续计算。

本发明的一个优点包括实现精确的实时噪声基底估计。

附图说明

通过参阅以下结合附图进行的描述，可以更好地理解本发明以及本发明的其它目的和优点，附图中：

图1是其中本发明可适用的电信***的示意图；

图2是其中本发明可适用的方法的示意框图；

图3是其中本发明可适用的方法的另一个示意框图；

图4是功率网格点相对线性域中的功率的图；

图5是典型的离散化概率密度函数相对线性功率的图；

图6是根据本发明的方法的一个实施例的示意流程图；

图7示出测量的RTWP相对于时间；

图8示出已知方法的估计的噪声功率基底；

图9示出根据本发明的估计的噪声功率基底；

图10是根据本发明的***的一个实施例的示意图。

缩写

E-UL   增强上行链路

RBS    无线基站

RNC    无线网络控制器

RoT    热噪声提升

RRM    无线资源管理

RSSI  接收信号强度指示

RTWP  接收的总宽带功率

SIR    信号干扰比

WCDMA  宽带码分多址

具体实施方式

通过关于如何执行噪声基底估计以及多种可能的解决方案所遇到的问题的略微更深入的论述来引入以下详细描述，以便揭示其严重性。这在非限制性的典型宽带码分多址(WCDMA)***的上下文中进行；本发明的概念同样适用于其中精确的噪声基底功率估计是必要但难以提供的许多类型的蜂窝***。

参考和测量点

在无线基站(RBS)的典型信号链中，来自天线的所接收宽带信号首先通过由电缆、滤波器等组成的模拟信号调节链(conditioningchain)。当信号进入接收器时，组件之间的变化加上温度漂移使***的这个部分的缩放因子有大约2-3dB未确定。下面进一步论述这个方面。在接收器中进行多个操作。对于负荷估计，通常假定在某级测量总接收宽带功率(RTWP)。此外，在本描述中还假定在另一级使码功率测量、即小区的每个单独信道/用户的功率可得到。

对于估计热噪声基底功率的困难存在若干原因。如上所述的一个原因在于，热噪声基底功率以及其它接收功率受到模拟接收器前端中的组件不确定性影响。根据定义，信号参考点在天线连接器处。但是，测量在模拟信号调节链之后在数字接收器中得到。这些不确定性还具有热漂移。

模拟信号调节电子器件链在RBS(一批(batch))之间引入难以补偿的2-3dB的缩放因子误差。因此，除以热噪声功率基底的缺省值的RTWP测量与假定热噪声功率基底相差2-3dB。结果将是也误差2-3dB的噪声提升估计。考虑到WCDMA***中的容许噪声提升间隔通常为0-7dB的事实，2-3dB的误差不是可接受的。

幸运的是，形成总接收功率的所有功率同等地受到缩放因子误差γ(t)影响，因此，当计算噪声提升比N_R(t)时，缩放因子误差被抵消，如下所示

$N_R\left(t\right)=N_R^{\mathrm{DigitalReceiver}}\left(t\right)=\frac{P^{\mathrm{Total},\mathrm{DigitalReceiver}}\left(t\right)}{P_N^{\mathrm{DigitalReceiver}}}=\frac{\mathrm{\γ}\left(t\right)P^{\mathrm{Total},\mathrm{Antenna}}\left(t\right)}{\mathrm{\γ}\left(t\right)P_N^{\mathrm{Antenna}}}=---\left(1\right)$

$=\frac{P^{\mathrm{Total},\mathrm{Antenna}}\left(t\right)}{P_N^{\mathrm{Antenna}}}=N_R^{\mathrm{Antenna}}\left(t\right)$

式中，N_R ^{Digital Receiver}(t)和N_R ^Antenna(t)是分别在数字接收器和天线所测量的噪声提升比，P^{Total.Digital Receiver}(t)和P^{Total.Antenna}(t)是分别在数字接收器和天线的总接收功率，以及P_N ^{Digital Receiver}和P_N ^Antenna是分别在数字接收器和天线所测量的热噪声等级。但是要注意，等式(1)需要测量数字接收器中的噪声基底P_N ^{Digital Receiver}。

噪声基底

如背景部分所述，引入额外的信道的结果变成总功率的增加。定义为总功率测量(即总宽带功率测量)与在天线连接器所测量的热噪声等级P_N(又称作噪声基底)之间的比率的噪声提升N_R是***中的负荷的测量。高于噪声提升阈值N_R ^thr，情况可变得不稳定。总比特率与噪声提升之间的关系从功率控制回路的设计中已知，以及额外的信道的调度能在确定了即时噪声提升N_R时执行。极点容量C_pole表示单位为每秒比特的最大比特率容量。阈值N_R ^thr与热噪声等级P_N所定义的等级之间的典型差ΔN通常大约为7-10dB。但是，噪声基底或热噪声等级P_N不可易于得到。例如，由于如上所述，接收器中的缩放因子不确定性可能大至2-3dB，所以可用裕度的大部分受到这类引入的不确定性影响。

噪声基底的可观测性

现在出现对于估计热噪声基底功率的困难的一个原因，因为即使在数字接收器中进行所有测量，噪声基底也无法直接测量，至少在单个RBS中无法直接测量。解释是，相邻小区干扰和来自外部源的干扰也影响接收器，并且这些源的任何平均值无法与噪声基底分离。在一些情况下，可执行自身小区信道中的功率测量。虽然这类测量可稍微改进这种情况，但它们没有解决整个问题。

图1结合任意无线基站(RBS)20示出对功率测量的各种贡献。RBS20与小区30关联。在小区30中，存在多个移动终端25，它们通过不同链路与RBS 20进行通信，每个对总接收功率贡献P_i ^Code(t)小区30在相同WCDMA***中具有分别与相应RBS 21关联的多个相邻小区31。相邻小区31也包括移动终端26。移动终端26发射射频功率，以及所有贡献的总和表示为P^N。还可存在其它网络的外部发射源，例如雷达站41。P^E表示来自这类外部源的贡献。最后，P_N项产生于接收器本身。

从以上所述清楚地知道，P^N(t)和P_N不是可测量的，因此需要进行估计。如果只可得到总宽带功率的测量，则情况变得甚至更糟。总宽带功率测量P_Measuremenls ^Total(t)能按照下式表示：

$P_{\mathrm{Measurements}}^{\mathrm{total}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i^{\mathrm{Code}}\left(t\right)+P^{E+N}\left(t\right)+P_N\left(t\right)+e^{\mathrm{Total}}\left(t\right)---\left(2\right)$

式中

P^E+N＝P^E+P^N        (3)

以及其中e^Total(t)对测量噪声建模。

能以数学方式证明，P^E+N(t)和P_N的线性估计不是可观测实体。只有量P^E+N(t)+P_N是从可得到的测量可观测的。甚至在执行码功率测量的情况下，情况也是这样。问题在于，没有常规技术能用于将噪声基底与源于相邻小区干扰和蜂窝***外部的带内干扰源的功率平均值分离。此外，如果只可得到总接收宽带功率的测量，则各个码功率贡献的平均值与对于总功率平均值的其它贡献也是不可区分的。

噪声基底估计

伴随噪声提升估计的困难的又一个原因在于，热噪声基底不一定是寻求量(sought quantity)。存在恒定带内干扰显著影响RBS的接收器的情况。这些恒定干扰不影响上述稳定性；它们反而表现为增加的噪声温度、即增加的热噪声基底。

一种可能的解决方案是使用现场的各RBS的热噪声基底的昂贵的单独确定，以便取得足够高的负荷估计性能。在数字接收器中看到的热噪声功率基底的缺省值的建立要求在工厂或者在现场对大量RBS执行参考测量。两种备选方案都是昂贵并且需要在硬件改变时立即重复进行。

解决此问题的上述方法将需要单独校准各RBS。但是，这是极昂贵的，并且非常没有吸引力。此外，仍然保留模拟信号调节电子器件中也许0.7-1.0dB的温度漂移误差。

另一种可能的方法是提供热噪声功率基底的估计。热噪声功率基底的估计的一个原理是将它作为包含热噪声基底的测量的或估计的功率量的最小值来估计。通常对于预定的时间间隔来计算这个最小值。如果没***功率测量可得到，则所述的功率是总接收宽带功率。因此，一种方法是将噪声提升计算为瞬时总接收宽带功率除以已建立热噪声基底功率，已建立热噪声基底功率作为预定时间间隔中总接收宽带功率的最小值而估计。

众所周知的事实是，热噪声基底贡献始终存在，因此能推断，如果忽略测量不确定性，则噪声基底贡献必须等于或小于在某个时间周期中接收的总接收宽带功率的最小值。大体上，某个时间间隔中的总宽带功率的最小值贡献未知噪声基底的上限。

在硬最小值在滑动窗口上计算并且用作热噪声功率基底的估计的意义上，根据以上论述的一种可能的解决方案可提供用于估计热噪声功率基底的硬算法。因此，噪声基底可确定为下列任一个的最小值(对于所选时间间隔)：

-噪声基底的功率与相邻和外部干扰的功率之和。

-总接收的总宽带功率。

然后，通过将总接收宽带功率除以已建立热噪声基底功率，从上述两个量其中之一来计算噪声提升。

参照图2，另一种可能的解决方案根据噪声提升和热噪声功率基底的软估计来提供不同的原理。在最高级的形式中，在三个主要块51、52、53中执行可能的噪声提升估计。

第一块51，即功率估计块，将所谓的卡尔曼滤波器应用于后续处理块所需的某些功率量的估计。具体来说，块51接收多个输入61A-E，包含所测量的接收的总宽带功率(RTWP)61A、信道i的所测量的码功率干扰比(C/I)61B、信道i的β因子61C、信道i的码的数量61D、由快速功率控制回路所控制的对应码功率干扰比61E，以及提供包含功率估计62A、62B和对应的标准偏差63A、63B的输出。输出62A是作为相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声基底功率之和的功率量的估计，输出63A是所估计的接收的总宽带功率，以及输出63B是对应方差。连同所述功率量的估计平均、所述功率量的方差定义所述功率量的估计PDF(在一个优选实施例中通常为高斯)。由于输出来自卡尔曼滤波器设备，所以这些参数是定义滤波器所产生的估计高斯分布唯一所需的。因此，提供足够信息来定义功率估计的整个概率分布信息。本发明的范围集中于关联这个块51的问题。

第二块52应用贝叶斯估计技术，以便计算上述功率量其中之一的最小值的条件概率密度函数。最小值还(通过贝叶斯法)说明热噪声功率基底的先前分布，由此在对于RBS整体进行评估时改进估计的平均性能。噪声基底的实际值还能通过计算估计条件概率分布函数的平均值来计算。具体来说，块52接收功率估计62A和对应标准偏差62B作为输入，并且提供包含极值的估计概率分布的输出64，该极值通常是作为相邻小区干扰功率、外部带内干扰功率和热噪声功率之和的估计的P_Estimate ^E+N+Noise的最小值。将给出与噪声基底功率的先前预计概率分布有关的信息的参数66提供给条件概率分布估计块52，以便实现最佳估计。

第三块53通过计算瞬时估计宽带功率概率分布(来自块52)与噪声功率基底的条件概率分布的商数的条件概率分布，来执行软噪声提升估计。噪声提供估计计算为条件平均值。在此省略细节。

复杂度减小卡尔曼滤波器

前面所述的卡尔曼滤波器块51的最复杂的设置估计小区各功率受控信道的时变功率，以便允许在由下一块52估计噪声基底功率之前消除自身小区功率。目的在于，由块52中的热噪声基底估计步骤所看到的干扰的这种降低应当改进整个估计器的精度。

直接产生的一个问题在于，至少一种状态需要为各信道保留，所述状态对瞬时信道功率建模。由于一般卡尔曼滤波器的计算复杂度随状态数量的立方而改变，所以上述结果是不可接受的高计算复杂度。

卡尔曼滤波方法的一个备选变体通过在卡尔曼滤波器算法的若干步骤中引入近似块结构，来降低计算复杂度。最终结果是将计算复杂度降低到状态数量的平方。这表示实质节省，在典型情况中为25的因子。

大体上，参照图3，前面所述可能的方法的一种更改形式公开了使用简化软解决方案。仅测量RTWP，并且应用RoT估计的简化算法。简化算法相应地将简化的一维卡尔曼滤波器应用于估计RTWP和对应方差。使用这个滤波步骤的原因在于，后续(仍然是软)处理块要求概率分布作为输入。这些由卡尔曼滤波器在与前面所述方法的块51对应的第一处理块中最佳地生成。

随后，采用如参照图2所述的完整软算法来估计热噪声功率基底。与前面所述可能的方法相反，计算热噪声功率基底的(最佳)估计值。最后，上一个处理块将估计RTWP除以热噪声功率基底的值，以便获得RoT的估计。注意，这个最后步骤不是通过软算法来执行。

增强上行链路调度器中的滑动窗口解决方案

根据增强上行链路调度器中的另一个变体，使用基于单个接收宽带功率(RTWP)测量的软解决方案。通常测量RTWP，并且应用RoT估计的简化算法。参照图2所述的简化算法相应地执行以下步骤：

-将一维卡尔曼滤波器应用于估计RTWP和对应方差。因此，使用卡尔曼滤波器块的特例。

-采用完整软算法来估计热噪声功率基底，如一开始所述。与所提出的相反，计算热噪声功率基底的(最佳)估计值。

-上一个处理块将估计RTWP除以热噪声功率基底的值，以便获得RoT的估计。注意，这个最后步骤不是通过软算法来执行。

RNC准入控制的递归噪声基底估计

与图2所示的第二块52相关的一个备选变体公开了关键等式的递归公式化，并且将噪声基底估计块的存储器消耗降低到小于先前要求的1％。这实现RNC中的软噪声提升估计算法的1000+并行实例的运行。

下面更详细地描述在线性域中使用卡尔曼滤波器的上述先前变体的具体问题。

第一个问题-未对准先前噪声基底信息的受损精度

由于使用线性卡尔曼滤波器，如参照图2的块52所述，以及线性域中的参数设定，得出估计功率量和对应估计协方差相同，而与功率测量的实际等级无关。这通常不是问题。但是，当功率输入的动态范围(或缩放)极大地变化时，能出现问题，因为与有效动态功率等级相比，协方差变得过小或过大。

通常在RoT估计器的第二噪声功率基底估计块52中暴露此问题。所述第二块52更新所述估计功率量的若干估计概率分布函数(PDF)的最小值的概率分布函数。PDF表示为通常在-120dBm与-70dBm之间的离散化功率范围或网格上的直方图。为了避免过度数量的功率网格点，功率网格以对数方式分布。

这意味着，对于低功率等级比对于高功率等级更多的网格点用于给定线性范围，比较图4。这又产生对于低功率等级比对于高功率等级在给定线性范围覆盖更多网格点的所述估计功率量的PDF。其作用在于，块52的估计步骤的精度变成与功率等级相关。由于已知算法对于标称功率等级进行调谐，所以这相对于噪声功率基底估计引入估计器精度的损害。

对于高功率等级，作用相反，因为过少的功率网格点被块51所估计的功率量的PDF覆盖。另外，这种作用损害了噪声功率基底估计器的精度。稍后更详细地论述关于精度损害的大小的细节。

第二个问题-过高估计的先前噪声基底信息的增加的计算复杂度

用于计算所述功率量的最小值的PDF的功率量的PDF在功率等级低时比功率等级高时覆盖更多网格点的事实的结果在于，计算复杂度在功率等级低时也提高(与用于调谐的等级相比)。

这个事实是不合乎需要的，因为它引起对算法中的额外的复杂度裕度的需要以及对特定安全网的需要。

因此，根据本发明，合乎需要的是引入允许所述估计功率量的PDF的宽度(如半最大值处的全宽度)遵循平均测量功率等级的方法。

为了解决上述问题，本发明的基本概念是提供RoT估计算法的块51的卡尔曼滤波器的适当更改，使得后续算法步骤所使用的某些估计功率量的关键估计协方差遵循所测量的平均功率等级。具体来说，协方差对于低于用于调谐的标称值的功率量等级应当更低。

根据本发明的一个基本实施例，通过显式包含协方差、如假定测量噪声协方差和***噪声协方差或者预先计算协方差的缩放，来解决此问题。缩放对于这两个量通常相同。通常选择作为平方平均信号功率等级。

本描述中将进一步说明，这个缩放步骤的作用留下卡尔曼增益，以及因此估计功率量未受影响。但是，采用相同缩放因子对相应协方差进行缩放，由此产生所述预期平方平均功率等级跟踪。这解决了上述问题。

参照图6来描述本发明的一个实施例。

相应地，本发明根据一个基本实施例包括测量(S0)一个或多个接收的总宽带功率(RTWP)的样本，以及根据测量的RTWP来估计(S1)关于至少一个功率量或功率测量的概率分布或概率密度函数(PDF)。随后，对于至少一个功率量估计(S2)平均功率等级，最后根据估计的平均功率等级来修改(S3)估计的概率密度的宽度。由此提供在网格上离散化的噪声基底测量的概率密度函数。

为了使一般处理对于以上所述的软RoT估计的所有变体以及对于未来变体是有效的，在这里使用一般扩展卡尔曼滤波器公式。这通过用于描述影响小区负荷的功率的一般状态空间模型的处理来实现。

一般状态空间功率模型

用于描述噪声提升估计器中使用的小区的功率的状态空间模型为

x(t+T)＝A(t)x(t)+B(t)u(t)+w(t)            (1)

y(t)＝c(x(t))+c(t)

这里，x(t)是由与特定小区相干的各种功率组成的状态向量，u(t)是由某些功率参考值和命令组成的输入向量，y(t)是由小区中执行的功率测量(例如接收的总宽带功率RTWP)组成的输出向量，w(t)是表示模型误差的所谓***噪声，以及e(t)表示测量误差。矩阵A(t)是描述动态模式的***矩阵，矩阵B(t)是输入增益矩阵，而向量c(x(t))是作为***的状态的函数的可能非线性的测量向量。最后，t表示时间，以及T表示取样周期。

一般扩展卡尔曼滤波器

为了获得一般论述，在这里考虑非线性测量向量的情况。为此，需要应用扩展卡尔曼滤波器或者其变体，比较[2]。滤波器通过以下矩阵和向量迭代给出。

$C\left(t\right)=\frac{\∂c\left(x\right)}{\∂x}{|}_{x=\hat{x}\left(t\right|t-T)}$

K_f(t)＝P(t|t-T)C^T(t)(C(t)P(t|t-T)C^T(t)+R₂(t))^-1

$\hat{x}\left(t\right|t)=\hat{x}\left(t\right|t-T)+K_f\left(t\right)(y\left(t\right)-C\left(t\right)\hat{x}\left(t\right|t-T))$

P(t|t)＝P(t|t-T)-K_f(t)C(t)P(t|t-T)

$\hat{x}(t+T|t)=\mathrm{Ax}\left(t\right|t)+\mathrm{Bu}\left(t\right)$

P(t+T|t)＝AP(t|t)A^T+R₁            (2)

等式(2)的滤波器迭代所引入的量如下所述。

表示基于直到时间t-T的数据的状态预测，

表示基于直到时间t的数据的滤波器更新，P(t|t-T)表示基于直到时间t-T的数据的状态预测的协方差矩阵，以及P(t|t)表示基于直到时间t的数据的滤波器更新的协方差矩阵。C(t)表示线性化测量矩阵(围绕最当前状态预测的线性化)，K_f(t)表示时变卡尔曼增益矩阵，R₂(t)表示测量协方差矩阵，以及R₁(t)表示***噪声协方差矩阵。要注意，R₁(t)和R₂(t)常常用作滤波器的调谐变量。原则上，滤波器的带宽通过R₁(t)和R₂(t)的矩阵商来控制。

关键缩放结果

本发明的算法更改基于本发明人的以下关键结果或观测：

结果1：假定采用迭代(2)来计算解

P(t|t-T)和P(t|t)。然后假定R₁(t)和R₂(t)按照下式进行缩放

$R_1^{\mathrm{\α}}\left(t\right)={\mathrm{\α}}^2{R}_1\left(t\right)---\left(3\right)$

$R_2^{\mathrm{\α}}\left(t\right)={\mathrm{\α}}^2{R}_2\left(t\right)---\left(4\right)$

以及以相同的初始化重新运行迭代。由此得出，新的解满足：

${\hat{x}}^{\mathrm{\α}}\left(t\right|t-T)=\hat{x}\left(t\right|t-T)---\left(5\right)$

${\hat{x}}^{\mathrm{\α}}\left(t\right|t)=\hat{x}\left(t\right|t)---\left(6\right)$

P^α(t|t-T)＝α²P(t|t-T)                (7)

P^α(t|t)＝α²P(t|t)                    (8)

证明：根据(5)，(2)的第一等式显然没有受到缩放影响。等式(4)和等式(7)***(2)的第二等式表明，K_f(t)也没有受到缩放影响，因为卡尔曼滤波器增益的原始等式在简化之后获得。这个结果连同等式(5)和(6)表明，最初描述的卡尔曼滤波器的第三等式仍然成立。通过相同的方式表明，缩放也从(2)的第四等式消失。原始卡尔曼滤波器的第五等式从等式(4)和(5)获得，而(2)的第四等式的前一个结果连同等式(3)、(7)和(8)表明，(2)的最后原始等式也在简化之后获得。这证明了结果，假定对于两个运行以相同方式对(2)初始化。

下面将描述本发明的几个不同的实施例。

协方差缩放

根据本发明的一个特定实施例并且根据以上所述，通过引入R₁(t)和R₂(t)的相似缩放，能够实现将协方差矩阵P(t|t)自动调整到一个测量平均功率等级。在这里，α²对应于除以在其中对R₁(t)和R₂(t)进行调谐的标称功率等级的相同适当功率量的均方功率的适当功率量的均方功率。

在根据本发明的缩放算法的这个变体中，(扩展)卡尔曼滤波器照常运行，连同缩放因子估计和对(2)的对应在线校正一起。

输出缩放

在另一个特定实施例中，简化方法是可能的。这个实施例特别适用于时间不变线性情况，其中渐进卡尔曼滤波器增益K_f(∞)以及协方差P(∞|∞-T)和P(∞|∞)能够预先计算，由此显著地降低计算复杂度。在这类情况下，本发明的缩放将直接应用于预先计算的协方差，即表示为

P^a(t|t)＝α²(t)P(∞|∞)                    (9)

注意，引入了时变缩放因子以便强调通常跟踪缩放因子的事实。

本发明的缩放参数或缩放因子α(t)能以不同方式来估计或确定，下面更详细地描述估计或生成缩放参数或因子的一个实施例。

根据一个特定实施例，典型的方法是通过将递归平均滤波器应用于适当的测量功率量来估计缩放因子。但是如果这在线性域中进行，则会产生不良性能。这是由于可能发生的高达50dB的极大动态范围变化。

作为一个示例，考虑其中递归平均滤波器具有与1000个功率样本对应的时间常数的情况。如果滤波器稳定在低功率等级，则例如30dB的功率等级的突然增加表示最近的功率样本将支配滤波器的状态，从而引起在几个功率样本中到比较低等级高30dB的新等级的收敛。

相反，如果滤波器将遇到30dB的功率等级下降，则在滤波器状态下降到其初始值的37％之前需要大约1000个样本。达到比原始等级低30dB的等级所需的时间远远超过1000个样本。

因此结论是，当等级的大变化发生时，线性域中的求平均使平均滤波器的响应在功率等级的上升和下降沿是非对称的。

对上述情况的修正是在对数域中执行本发明的求平均，即，将递归平均滤波器应用于以dBW或dBm所表示的值。

对于简单的一阶递归情况，根据本发明的完整缩放因子修改的一个实施例则可表示如下：

x_log(t)＝10log¹⁰(x(t))                             (10)

x_log(t+T)＝kx_log(t)+(1-k)x_log(t)                   (11)

${\mathrm{\α}}_{\left(t\right)}=\frac{{10}^{\left(\frac{{\stackrel{\‾}{x}}_{\log }\left(t\right)}{10}\right)}}{x_{\mathrm{no}\min \mathrm{al}}}---\left(12\right)$

上述x(t)是线性域中的测量功率量，x_log(t)是对数域中的对应值，x_log(t)是在时间t的递归滤波器的对数平均功率值，以及x_nominal是线性域中(用于调谐)的功率等级的标称值。

最后要注意，根据本发明，协方差通常缩放例如α²。分布中所需的值通常是然后缩放例如|α|的标准偏差。

为了进一步说明本发明的优点，下面将参照图7-图9来描述采取比较性仿真形式的几个数值示例。以下数值示例说明：

-没有本发明的降低的精度；以及

-恢复精度的校正，所述校正采用本发明来获得。

带有和没有本发明的缩放的实施例、采用已知算法来执行仿真。图7示出所测量的总接收宽带功率(RTWP)，图8示出没有本发明的估计的噪声功率基底，而图9示出基于本发明的估计的噪声功率基底。

从图7能看到，真正的噪声功率等级大约为-116.0dBm，同时对于-104dBm的标称等级对算法进行调谐。与几乎完全精确的具有缩放的算法相比，没有缩放的算法产生大约1dB过低的噪声基底。

应当注意，1dB误差意味着需要例如在准入控制或增强上行链路功能中引入等效裕度。这直接转换成对应的容量损失(在本例中大约为5个语音呼叫)。

图10示出根据本发明的***的一个实施例的主要部分。无线通信***70包括通用移动电信***陆地无线接入网(UTRAN)71。移动终端25与UTRAN 71中的RBS 20进行无线联络。RBS 20由无线网络控制器(RNC)72控制，RNC 72又与核心网络CN 73的移动服务交换中心/访问者位置寄存器(MSC/VLR)74和服务通用分组无线***支持节点(SGSN)75连接。

在这个实施例中，RBS 20包括用于获得至少接收的总宽带功率的样本的测量的部件80、用于根据测量的总宽带功率来估计第一功率量的概率分布的部件81。RBS 20还包括用于估计第一功率量的平均功率等级的部件82、以及用于修改估计的概率分布的宽度的部件83，以便实现在网格上离散化的噪声基底测量的概率密度函数的后续计算。

另外，根据一个备选实施例，***还包括用于估计或确定缩放参数α(t)的估计器单元，缩放参数α(t)将作为输入参数提供给修改单元83。

按照其它实施例，不同的部件80-83能如上所述位于RBS 20中，或者位于RNC 72或移动终端或用户终端25中。在后一种情况下，本发明涉及下行链路噪声基底估计。这由RNC 72和用户终端25中的虚线框表示。

除了上述特征之外，根据已知测量，RNC 22还能包括用于准入控制的部件84。用于准入控制的部件84优选地包括用于增强上行链路控制的功能性，并且与RBS 20连接以便进行具体涉及噪声提升估计的信息交换。

本发明的优点包括

-软噪声提升估计算法的热噪声功率基底估计步骤的显著增强的精度。注意，本发明适用于任何当前或将来的软噪声提升估计算法，包括：

首先描述的一般算法。

滑动窗口算法

递归算法

其动态卡尔曼滤波器估计部分基于等式(1)-(2)的模型的任何将来算法。

-在过低估计标称平均功率等级的情况下没有增长的计算复杂度。

以上所述的实施例要被理解为本发明的几个说明性示例。本领域的技术人员会理解，在不脱离本发明的范围的情况下，可对实施例进行各种更改、组合及改变。具体来说，不同实施例中的不同部分解决方案在技术上可行的其它配置中能进行组合。但是，本发明的范围由所附权利要求定义。

参考文献

H.Holma and A.Toskala，WCDMA for UMTS-Radio Access for ThirdGeneration Mobile Communications.Chichester，UK：Wiley，2000.

T.

Discrete Time Stochastic Systems.London，UK：Springer，2002，pp.12-14，123-126，142，149-150，247.

Claims (30)

1.一种实现码分多址无线通信***中改进的软噪声功率基底估计的方法，所述方法包括：

测量(S0)至少接收的总宽带功率的样本，

从至少所述测量的接收的总宽带功率来估计(S1)关于第一功率量的概率分布，

估计(S2)关于所述第一功率量的平均功率等级，

至少基于所述估计的平均功率等级来修改(S3)所述概率分布的宽度，以实现在网格上离散化的噪声基底测量的概率密度函数的计算。

2.如权利要求1所述的方法，其中，所述网格是功率网格。

3.如权利要求1所述的方法，其中，所述网格是对数的。

4.如权利要求1所述的方法，其中，所述修改步骤(S3)提供遵循所述网格的离散化密度的第一功率量的所述概率分布的宽度。

5.如权利要求1所述的方法，其中，所述修改步骤还包括基于所述估计的平均功率等级来确定缩放参数α(t)的步骤。

6.如权利要求5所述的方法，其中，所述修改步骤包括基于所述缩放参数来缩放所述第一功率量的至少一个协方差。

7.如权利要求6所述的方法，其中，所述至少一个协方差是估计协方差。

8.如权利要求6所述的方法，其中，所述至少一个协方差包括假定测量噪声协方差和***噪声协方差。

9.如权利要求8所述的方法，其中，采用相同的缩放参数对两个所述协方差进行缩放。

10.如权利要求5所述的方法，其中，所述修改步骤包括缩放预先计算的协方差，所述缩放基于所述缩放参数。

11.如权利要求5所述的方法，其中，所述缩放基于所述缩放参数平方α²(t)来执行。

12.如权利要求5所述的方法，其中，所述缩放参数通过在滑动窗口上求平均来确定。

13.如权利要求6所述的方法，其中，所述缩放参数α(t)按照下式来确定：

x_log(t)＝10log¹⁰(x(t))

x_log(t+T)＝kx_log(t)+(1-k)x_log(t)

$\mathrm{\α}\left(t\right)=\frac{{10}^{\left(\frac{{\stackrel{\‾}{x}}_{\log }\left(t\right)}{10}\right)}}{x_{\mathrm{no}\min \mathrm{al}}}$

式中，x(t)是线性域中的测量的功率量，x_log(t)是对数域中的对应值，x_log(t)是在时间t的递归滤波器的对数平均功率值，以及x_nominal是线性域中的功率等级的标称值。

14.如权利要求6所述的方法，其中，所述至少一个协方差的所述缩放按照下式来执行：

$R_1^{\mathrm{\α}}\left(t\right)={\mathrm{\α}}^2\left(t\right)R_1\left(t\right)$

$R_2^{\mathrm{\α}}\left(t\right)={\mathrm{\α}}^2\left(t\right)R_2\left(t\right)$

式中，R₁ ^α(t)是所缩放的***噪声协方差矩阵R₁(t)，R₂ ^α(t)是所缩放的测量协方差矩阵R₂(t)，以及α²(t)是平方的缩放参数。

15.如权利要求7所述的方法，其中，所述缩放按照下式来执行：

P^α(t|t)＝α²(t)P(∞|∞)

式中，P^α(t|t)是所缩放的预先计算的协方差矩阵，α²(t)是平方的缩放参数，以及P(∞|∞)是预先计算的协方差矩阵。

16.如权利要求1所述的方法，其中，所述概率分布的所述宽度是高斯分布的半最大值处的全宽度。

17.一种码分多址无线通信***中的节点，所述节点包括：

用于测量至少接收的总宽带功率的样本的部件(80)，

用于从至少所述测量的接收的总宽带功率来估计关于第一功率量的概率分布的部件(81)，

用于估计关于所述第一功率量的平均功率等级的部件(82)，

用于至少基于所述估计的平均功率等级来修改所述概率分布的宽度、以实现在网格上离散化的噪声基底测量的概率密度函数的计算的部件(83)。

18.如权利要求17所述的节点，其中，所述网格是功率网格。

19.如权利要求17所述的节点，其中，所述网格是对数的。

20.如权利要求17所述的节点，其中，所述修改部件(83)设置成提供遵循所述网格的离散化密度的第一功率量的所述概率分布的宽度。

21.如权利要求17所述的节点，其中，所述修改部件(83)还设置成基于所述估计的平均功率等级来确定缩放参数α(t)。

22.如权利要求21所述的节点，其中，所述修改部件(83)设置成基于所述缩放参数来缩放所述第一功率量的至少一个协方差。

23.如权利要求22所述的节点，其中，所述至少一个协方差是估计的协方差。

24.如权利要求22所述的节点，其中，所述至少一个协方差包括假定测量噪声协方差和***噪声协方差。

25.如权利要求24所述的节点，其中，采用相同的缩放参数对两个所述协方差进行缩放。

26.如权利要求21所述的节点，其中，所述修改部件(83)设置成缩放预先计算的协方差，所述缩放基于所述缩放参数。

27.如权利要求21所述的节点，其中，所述缩放基于所述缩放参数平方α²(t)来执行。

28.如权利要求21所述的节点，其中，所述缩放参数通过在滑动窗口上求平均来确定。

29.如权利要求17所述的节点，其中，所述节点是移动终端。

30.如权利要求17所述的节点，其中，所述***是WCDMA***。

Images