噪声本底估计的方法和设备的制作方法

专利名称：：噪声本底估计的方法和设备的制作方法
技术领域：
：本发明总的涉及蜂窝通信系统中的负荷估计的方法和设备，特别是涉及宽带码分多址通信系统中的噪声本底(noisefloor)估计。
背景技术：
：宽带码分多址(WCDMA)电信系统具有很多有吸引力的特性，可以用于未来发展的电信服务。在例如WCDMA和类似系统中一个具体的技术挑战是调度增强的上行链路信道到这样的时间区间上，即其中干扰状况是有利的，并且其中在正被讨论的小区的上行链路上存在足够的容量以支持增强的上行链路信道。众所周知，小区的现有用户都对WCDMA系统的上行链路上的干扰电平有所贡献。此外，相邻小区中的终端也对所述同一干扰电平有所贡献。这是因为当使用CDMA技术时小区的所有用户和公共信道在同一频带上传送。小区的负荷与同一小区的干扰电平直接有关。为了保持小区的稳定性，负荷需要保持低于某一电平。几种无线资源管理(RRM)算法，比如调度和接纳控制依赖于上行链路负荷的准确估计。这是因为大多数上行链路用户信道，至少在WCDMA中，都受到功率控制。这种功率控制和RRM算法目的是使每个信道的接收功率电平保持在一定的信干比(SIR)上，以便能够满足特定的服务要求。这一SIR电平通常是这样以使得在无线基站(RBS)中所接收的功率低于干扰电平几个dB。在所谓的RAKE接收机中的解扩然后提高每个信道到其中所传送的比特可以例如通过位于信号处理链的靠后的信道解码器和语音编解码器被进一步处理的信号电平上。读者可以参考[l]了解进一步的细节。由于RBS试图使每个信道保持在其特定的优选SIR值上，可能出现额外的用户或现有用户的突发数据流量提高了干扰电平，从而瞬间降低了其他用户的SIR。RBS的响应是命令所有其他用户增加功率，这也甚至更多地增加了干扰。通常这一过程在低于某一负荷电平时保持稳定。如果高容量信道将突然出现，则干扰的增加变大并且不稳定即所谓的功率沖击的风险增加。这就解释了为什么有必要调度高容量的上行链路信道，类似在WCDMA中的增强的上行链路(E-UL)信道，因此可以确保避免不稳定性。为了做到这一点，必须估计RBS中的瞬间负荷。这使得能够评估留给不稳定点的容量盈余。在例如CDMA系统中的小区负荷通常是指与功率有关的一定量，通常为噪声增量。确实存在许多噪声增量度量。最重要的或许是热增量(RoT),它被定义为小区总干扰和RBS接收机的热噪声功率本底之商。其他度量包括例如关于热噪声本底的带内非WCDMA干扰。因此，功率量比如总功率电平和噪声本底(理想地是热噪声本底)，都有待确定。确定噪声本底通常与相对较大的不确定性有关，它甚至可能与整个可用容量盈余为同一量级。只有当总的所接收的功率的度量可用时，尤其是这样的。因此，的确;f艮难实现例如增强的上行链路信道功能性而不改进连接到它的负荷估计。可以进一步指出的是，要求用于其控制的负荷估计的同样重要的参数是小区的覆盖范围。覆盖范围通常涉及到需要在特定的SIR上工作才能正常发挥作用的具体服务。上行链路小区边界然后由工作在最大输出功率上的终端来定义。RBS中最大接收的信道功率由终端的最大功率和到数字接收机的路径损耗来定义。由于路径损耗是终端和RBS之间的距离的直接函数，得到距RBS的最大距离。在距RBS的所有方向获得的这个距离定义了覆盖范围。现在接下来是干扰电平的任何增加引起SIR的降低，这不能通过增加的终端功率来补偿。因此，需要降低路径损耗以维持服务。这意味着终端需要更接近RBS,即小区的覆盖范围减小。从上述讨论中很清楚看到，为了维持运营商已经计划的小区覆盖范围，有必要保持干扰低于某一特定电平。这意味着，负荷估计对于覆盖范围也很重要。尤其是在RBS中在快速调度增强的上行链路业务量中从覆盖范围的角度来看负荷估计很重要。此外，控制了多个RBS的无线网络控制器(RNC)中的接纳控制和拥塞控制功能性，也得益于关于小区的瞬间噪声增量的准确信息。所有上述提到的噪声增量度量的共同点是，它们依靠背景噪声的准确估计。因此，需要用于提供背景噪声的有效准确的实时估计的方法和设备。
发明内容现有技术CDMA通信网络的一个普遍问题是，负荷估计是以一定的精确度提供的，但是该精确度使得精细的负荷控制很困难。特别是，确定噪声增量受到很大的不确定性的影响，不确定性主要是由难于估计噪声本底所造成的。本发明的总的目的是提供用于确定功率相关量例如负荷估计的改进方法和i殳备。本发明的另一目的是提供方法和设备，给出了更准确地确定噪声相关量例如噪声本底功率估计的机会。这些和其他目的按照所附的一组权利要求来实现。根据一个基本方面，本发明包括一种用于降低无线通信系统中的噪声本底功率估计的复杂度的方法，通过为多个功率网格点k的子集的各个确定(Sl)互补累积分布函数的乘积，其中每个这种互补累积分布函数对应滑动窗口中的多个j个所提供的宽带功率度量估计中的各个，并且为功率网格点的每个子集，基于所确定的乘积来确定(S2)宽带功率度量估计的最小值的概率分布函数。本发明的一个好处包括降低计算复杂度，从而使得能够实现准确实时的噪声本底估计。本发明连同其他目的和优势，可以通过参考以下连同附图所做的说明得到最佳的理解，其中图1是出现在本发明可以在其中实现的典型系统中的信号功率的示意图2是可能的解决方案的功能性的示意图；图3是另一可能的解决方案的功能性的示意图；图4a示出了根据本发明的概率分布函数图；图4b示出了图4a的图的选定的功率网格区间图；图5a示出了根据本发明的量化的累积分布函数图；图5b是图5a的图的选定的功率网格区间图；图6a是根据发明的互补累积分布函数的乘积图；图6b是图6a的图的选定的功率网格区间图；图7是根据本发明的方法实施例的示意性流程图；图8是根据本发明的方法实施例的示意性流程图；图9示例了根据发明的系统。缩写词E-UL增强的上行链路RBS无线基站RNC无线网络控制器RoT热增量RRM无线资源管理SIR信干比WCDMA宽带码分多址具体实施例方式本详细说明由秀肖微深入讨论关于如何实现噪声本底估计和多数可能的解决方案所遇到的问题来引入，以便揭示其严重性。这通过参考但不限于典型WCDMA系统所做出的；本发明的思想也同样适用于其中需要准确的噪声本底功率估计但却难以提供的多种类型的蜂窝系统。参考和度量点在RBS的典型信号链中，将从天线接收的宽带信号首先传递模拟信号调节链，该调节链包含电缆、滤波器等。部件之间的变化以及温度漂移，使这一部分系统的比例因子当信号进入接收机时呈现约2-3dB的暗中破坏(undetermine)。下面将进一步讨论。在接收机中，进行许多操作。对于负荷估计，通常假定在某一阶段度量总的接收的宽带功率。此夕卜，在这个说明书中假定代码功率度量即小区的每个各个信道/用户的功率在另一阶段可用。难于估计热噪声本底功率具有几种原因。如上所述的其中一个原因是，热噪声本底功率，以及其他所接收的功率，受到才莫拟接收机前端中的部件不确定性的影响。信号参考点定义在天线连接器上。然而，在数字接收机中，度量在模拟信号调节链之后获得。这些不确定性也拥有热漂移。8模拟信号调节电子链的确在RBS(批次)之间引入比例因子误差2-3dB，这难以补偿。RTWP(所接收的总的宽带功率)度量(除以热噪声功率本底的默认值)因此可能会不符合假定的热噪声功率本底2-3dB。影响将是噪声增量估计(这也错误2-3dB)。考虑这样一个事实，即在WCDMA系统中允许的噪声增量区间通常是0-7dB，2-3dB的误差是不能接受的。所幸的是，形成总的接收功率的所有功率(参见附录A)也同样受比例因子误差Y(t)的影响，所以当奸算噪声増量比NrO)(参见附录A)时，比例因子误差被删去为p!Tof。/,Dz'g"。ZRece'Ver〃、pr。械^n〖ew冊f"g)=T^g"。'Rec断(,)=￡_^=A"广_^=v77v乂pDi'g"a/Receiverv/^、p^"&nMt3(1)尸r。f。/,/4他朋。p力厂其中at/妙。w匿,v，o和7V/",画。(0分别是在数字接收机和天线上度量的噪声增量比。尸"械dw威簡v，o和尸7W"/,颠，，o分别是在数字接收机和天线上的总的接收功率，并且尸/'g'威麼證和尸/她画分别是在数字接收机和天线上度量的热噪声电平。但是，请注意，等式(l)需要度量数字接收机中的噪声本底尸/'g'威固'鮮。噪声本底如背景部分所示，引入额外信道的结果是增加总功率。噪声增量w被定义为总功率度量(即总宽带功率度量)和在天线连接器上度量的热噪声电平尸W之比，该噪声增量也称作噪声本底，是系统中负荷的一种度量。在噪声增量门限aa/"以上，情况可能会变得不稳定。总比特率和噪声增量之间的关系从功率控制回路的设计中已知，并且一旦已经确定瞬间噪声增量a^可以执行额外的信道调度。极容量e表示最大比特率容量，单位比特/秒。门限7v/"和由热噪声电平尸w定义的电平之间的典型差」7v通常约7-10dB。然而，噪声本底或热噪声电平尸w不容易得到。例如，由于接收机中的比例因子不确定性可能大到2-3dB,如上面所讨论的，很大一部分可用盈余受到这种所引入的不确定性的影响。噪声本底的观测能力难于估计热噪声本底功率的一个原因现在看来是因为即使在数字接收机中做出所有度量，但是噪声本底不能直接被度量，至少在单个RBS中不能。解释是，相邻小区干扰和来自外部源的干扰也影响接收机，并且这样的源的任何均值不能从噪声本底中分离。自己小区信道中的功率度量可能在某些情况下执行。但是这种度量确实并不能解决整个问题，尽管它们可能稍微改善这一状况。图1示例了与任意无线基站(RBS)20有关的对功率度量的各种贡献。RBS20与小区30关^:。在小区30内，存在多个移动终端25,其通过不同链路与RBS20通信，每个对总接收功率贡献了尸尸^W。小区30具有同一WCDMA系统中的多个相邻小区31,每个与各自的RBS21关联。相邻小区31还包括移动终端26。移动终端26发射射频功率并且所有贡献之和表示为尸w。也可能有其他网络外部辐射源，比如例如雷达站41。尸￡表示来自这样的外部源的贡献。最后，/V项源于接收机本身。从上面显然可见，尸，"和/v是无法度量的，因此需要加以估计。如果仅总的宽带功率度量可用则情况变得更糟糕。总的宽带功率度量p」可以按照下式表示为<formula>formulaseeoriginaldocumentpage10</formula>(2)其中<formula>formulaseeoriginaldocumentpage10</formula>(3)并且其中/^w模拟了度量噪声。在数学上可以证明，尸￡+〃(0和/^的线性估计不是可观测到的实体。只有量尸￡+7"+尸w从现有的度量中可以观测到。甚至在执行代码功率度量时也是这样的。问题是，无传统技术可用于从功率均值(其源自相邻小区干扰和蜂窝系统外部的带内干扰源)中分离噪声本底。此外，如果只有总接收宽带功率度量可用，则各个代码功率贡献的均值也不同于对总功率均值的其他贡献。噪声本底估计然而，噪声增量估计困难的另一个原因是，热噪声本底并不总是所寻求的量。有这样的情况，其中固定的带内干扰明显影响RBS接收机。这些固定干扰的确不影响上面讨论的稳定性；它们而是表现为增加噪声温度即增加热噪声本底。一种可能的解决方案是使用费成本的个别确定该区域中的每个RBS的热噪声本底，以便获取足够高的负荷估计性能。为热噪声功率本底建立默认值，如在数字接收机中所看到的，需要无论是在工厂或在区域中的大量RBS上进行的参考度量。这两种替换方案都费成本并且硬件一变化就需要重复进行。解决这个问题的上述办法将需要单独地校准每个RBS。然而这将是非常费成本的并且极其缺乏吸引力。此外，在模拟信号调节电子电路中的也许0.7-1.0dB的温度漂移误差将依然存在。另一种潜在的方法是提供对热噪声功率本底的估计。热噪声功率本底估计的一种原理是将它估计为所度量的或估计的功率量(包括热噪声本底)的最小值。这个最小值通常是在时间上的预定区间上计算。如果没有代码功率度量可用，则所讨论的功率是总的接收的宽带功率。一种办法因此将计算噪声增量为瞬间的总接收宽带功率除以既定的热噪声本底功率(其被估计为在预定时间区间上的总的接收宽带功率的最小值)。众所周知，热噪声本底贡献始终存在，因此，可以得出结论，如果度量不确定性被忽略，则噪声本底贡献将必须等于或小于在一定时间段上接收的总的接收宽带功率的最小值。从本质上讲，在一定的时间区间上的总的宽带功率的最小值构成了未知噪声本底的上限。根据以上讨论，一种可能的解决方案可以提供一种热噪声功率本底估计的硬算法，也就是说，在滑动窗口上计算硬最小值，并且将它用作热噪声功率本底的估计。因此，噪声本底可以确定为下列两种的任一种的(在选定时间区间上的)最小值-噪声本底功率和相邻和外部干扰功率之和。-总的接收宽带功率。通过总的接收宽带功率除以既定的热噪声本底功率，随后从上述两个量之一计算出噪声增量。参考图2,另一种可能的解决方案提供了基于热噪声功率本底和噪ii声增量的软估计的不同原理。在这种最先进的形式中，可能的噪声增量估计在三个主要模块中实现。第一模块51即功率估计模块，应用所谓的Kalman滤波器用于估计随后的处理模块所需要的某些功率量。具体来说，模块51接收一些输入61A-E,包括所度量的所接收的总宽带功率(RTWP)61A、所度量的代码功率与信道i的干扰比(C/I)61B、信道i的卩因子61C、信道i的代码数量61D、由快速功率控制回路命令的相应的代码功率对干扰比61E，并且提供包括功率估计62A、62B和相应的标准偏差63A、63B的输出。输出62A是功率量的估计，该功率量是相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声本底功率之和，输出63A是所估计的接收的总宽带功率，并且输出63B是相应的方差。由于输出来自Kalman滤波器设备，这些参数是定义由滤波器产生的所估计的高斯分布所需的唯一参数。因此，给出足够的信息来定义功率估计的整个一既率分布信息。第二模块52应用Bayesian估计技术，以便计算上面所提到的功率量之一的最小值的条件概率密度函数。该最小值也考虑(通过Bayesian方法)热噪声功率本底的先验分布，从而当在RBS总体上评估时提高了估计的平均性能。噪声本底的实际值也可以通过计算所估计的条件概率分布函数的均值来计算。具体来说，模块52接收功率估计62A和相应的标准偏差62B作为输入，并且提供输出64,该输出包括所估计的极值的概率分布，通常是尸脑^/^场"6的最小值，这是相邻小区干扰功率、外部带内干扰功率和热噪声功率之和的估计。参数66给出关于噪声本底功率的先验预期概率分布的信息，该参数66被提供给条件概率分布估计模块52,以便获取最佳估计。在附录B中为有兴趣的读者给出了条件概率分布估计的更详细说明。第三模块53通过计算瞬间估计宽带功率概率分布与噪声功率本底的条件概率分布之商的条件概率分布执行软噪声增量估计。噪声增量估计被计算为条件均值。这里省略了细节。最后，参照图3,先前描述的可能方法的修改版本公开了使用简化的软解决方案。仅度量RTWP并且应用了用于RoT估计的简化算法。该简化算法相应地应用了简化的一维Kalman滤波器用于估计RTWP和相应的方差。之所以使用这个滤波步骤的原因是随后的(仍就为软)处理模块需要概率分布作为输入。这些都由Kalman滤波器在第一处理模块(对应于前面描述的方法的模块51)中最佳产生。随后，热噪声功率本底使用完全软算法估计，如参考图2所描述的。与前面描述的可能的方法相反，计算热噪声功率本底的(最佳)估计值。最后，最后的处理模块将所估计的RTWP除以热噪声功率本底的值，以便获得RoT的估计。请注意，这个最后步骤不是由软算法来实现的。在热增量(RoT,几个噪声增量度量之一)方面的小区负荷估计是重要部分，因为这提供了RBS的增强的上行链路调度程序功能的输入。图2和图3说明了RoT软估计的可能算法。请注意，噪声本底估计对于这两个情况是由同一算法来执行的。在RBS中执行目标0++代码期间，将遇到这样的问题，即在每秒浮点运算方面意外低的计算机能力以及存储容量。因此，确实需要能够实现复杂度降低措施的方法和设备，以便使得有可能实时执行上述讨论的软噪声本底估计。实质上，本发明在前面描述的第二模块52即软噪声功率本底估计器中处理该方法的降低复杂度。由于上面所述问题，人们认识到需要大大降低RoT估计的软算法的计算复杂度，使得能够在所分配的计算机主板上实时执行。为了使得能够实现复杂度降低，多种可能采取的措施和目标被确定和处理。这些措施的优势是，如果以最佳方式结合起来实施，使得能够实现如下优势國降低计算复杂度超过95%,而不会丢失任何性能。-允许算法的多个实例在计算机主板上并行运行。所有降低复杂度措施影响了RoT估计器的热噪声本底估计部分的实现。然而，如果最后的RoT计算模块将被修改来实现软算法的话，它们也有助于未来改进该模块。为了进一步定义本发明的领域，将描述前面所描述的可能方法和算法所存在的问题。如需详细的理论和数学信息，建议读者阅读所附的附录A-F。第一个问题是由于(可从先前描述Kalman滤波器;f莫块51获取的)多个功率度量估计的最小值的概率分布函数的计算。这种计算根据一种13可能的解决方案实现如下/min(尸*)=S,P。雷S。—eI),"(1—Fp。萝s。—eC/，A》(4)对于有兴趣的读者，等式(4)的完整推导被包含在附录B中。但是，这里对实际的推导并不特别有兴趣，或者本发明的一部分是这样的。为了解释上述表达式，注意到/她(尸/0,^1,...,^^。她是所寻求的滑动窗口中的功率分布最小值的概率分布函数的离散版本(即直方图)。在功率网格/^,hi,...,A^,恭,他上执行离散化，其中7VGr,w。,fa表示功率网格点的数量。在已知实现中，功率网格覆盖范围为-120(18111--70(18111,通常步长为0.2dB。此夕卜，//weZ,=1,...,A^。脚w。哗/M表示宽带功率度量的进入(来自图2的递归估计模块，即Kalman滤波器51)估计的概率分布函数，该宽带功率度量是噪声本底估计模块的基础。由于Kalman滤波器通常应用于递归估计模块51中，//ww。呼/e(a)通常是离散(索引A:上)高斯分布函数。同样，F/w^,卢(U)是对应/尸。ww,卢(W)的离散累积分布函数。当/zw^，冲(a)是高斯的时，"a)可以在互补误差函数方面被表示。最后再次指出，在可能的解决方案中，离散功率分布/尸。輕&，e(a)和Fp。野細一(a)对应时间上落入滑动窗口中的所估计的功率量(来自递归估计模块)。并非所有的所估计的功率样值需要用于上述公式中，通常是应用子抽样。上述背景足以解释手头的第一个问题。研究上述公式的结构，可以看出，等式(4)的直接前向实现要求执行以下步骤-在索引A(功率网格点)上的笫一外部for循环。-在索引,(滑动窗口的样值)上的第二循环以实现求和。-在索引y(滑动窗口的样值)上的额外的内部第三循环以实现乘积。结果因此是三重循环结构-这导致了大量计算并且事实上证明对于手头上的计算机主板来说过于复杂。已知方法的第二个问题来自于这一事实，即为了涵盖所有可能的情况，功率离散网格需要宽功率网格范围。在上面描述的可能的解决方案中，如前所述，范围是-120dBm-70dBm,以便涵盖宽范围的配置和背景干扰情况。因此，上面等式(4)的两个内部循环(在索引,和索引7上)都需要在具有索引A的大范围的功率网格点上运行。这意味着，与其中使用4交小的A^w。,.他值的情况相比，计算负担也将增加。可能的解决方案的第三个问题是，正如上文所述，对应滑动窗口的每个功率样值的离散概率函数々。暫^^(,乂)通常是高斯的。结果是，当计算上述公式的结果时，指数函数的估计需要反复执行。不幸的是，指数函数是超越函数，可能需要比例如浮点乘法更多的计算时间。对于用来表示/^。旨s。，/e(a)的互补误差函数也是如此。总之，这些函数估计结果大大增加计算负荷。最后，对于所描述的可能解决方案，参考图3，系统中的RBS被配置来处理(每台计算机主板)多达四个接收机支路。由于各种原因，已决定或标准化RoT估计应当在功率合并之前进行。结果是惊人的4倍增加了计算负荷。此外，需要处理这个问题，以便允许在计算机主板上实时执行。为了解决上面所提到的问题，本发明人已经确认了多种度量。根据本发明的方法的实施例包括利用上面的等式(4)的结构、概率分布函数/p。旨^^(a)的形状、以及量化的累积分布函数Ww"Shm/i/《.....II(l-F尸匿^，/e(a)的形状和在互补累积分布函数"上的乘积，以便减少计算复杂度。不同量参照图4a-b、5a-b和6a-b进行进一步说明。基本上，参考图7,本发明的一个实施例包括降低无线通信系统中的噪声本底估计复杂度的方法。该方法包括首先为多个功率网格点A的子集的各个确定(Sl)互补累积分布函数的乘积，每个这样的函数对应在滑动窗口中所提供的多个j个宽带功率度量估计的各个。其次，基于所确定的乘积，为功率网格点尸,的每个子集确定(S2)多个宽带功率度量估计的最小值的概率分布函数。具体来说，^可以通过研究等式(4)来表明，并且确认由于在互补累积分布函数LI,力,")上的乘积是在所有索引J(除了索引i之外)上的乘积T它可以根据下式通过总是除以因子i-/^證w。，"a)来改写FI(1一"^尸。M^5"mpZeC/'t^"^「7、FIG—"^尸。M^。m/^C/，&》户因此，基于所确定的乘积，根据下列复杂度降低表达式即等式(6)确定(S2)多个宽带功率度量估计的最小值的概率分布函数…V,■國，l-f^夕人。輕s，/《(a&)r"[(i-,户。驛s。—C/'—、、1一F乂=)Gn'itf10int.y(6)根据具体实施例，首先计算(Sl)上面提到的互补累积分布函数的乘积(这里简单标注为c^TeW(^)更有效尸l等式(7)的计算然后需要在网格点u)上的一个外循环和在滑动窗口样值0')上的内循环。所寻求量然后计算(S2)为S，*=1,...，4.細，(8)'=1、1—户P。w"Samp/eV，《J乂这个后一步骤需要在网格点u)上的外循环和在滑动窗口(；)上的一个内循环。总之，计算已从等式(4)的一组嵌套深度为3的for循环减少到等16式(8)的两组for循环，每组嵌套深度2。虽然介绍了一些多余的操作，净效果是在7V/w^。，e次迭代上消除一个for循环。当将估计/肌"(/U卜l,…,A^^。,""时，复杂度降低A^。wW""2量级。在典型实现中，复杂度降低可能是20-30倍。在所附的附录C中给出了部分目标C++代码的例子。图8示例了根据本发明的方法的又一实施例。根据有关第二个所述问题的解决方案的具体实施例，进一步分析图4a-6b中的图形是必要的。从图4a-b可以显然看出，概率分布函数/p。ww。，/e(a)对于大部分范围内的功率离散来说非常接近于零。注意到，公式中乘积的所有量取值介于0和1之间，Wf1。呢rS"f^pfej/mm(A)二S厶Wf1。呢r&wngiies,"rt5-(M))(9)人们认识到，功率网格索引A充分地远离图4a-b的峰值，相比于接近峰值的值来说，将不会对等式(9)所表示的上述公式的最终结果有贡献。根据本发明的特定实施例，这种值被设置为0。其优点是，这种值对于上述等式的求和给出零贡献-^^y《应W,索T"从求'^去^。正如从图4a-b的典型形状中看到的，在计算方面大大节省，超过95%的范围被去除。当考虑关于第一个问题的复杂度降低时，进一步节省也是可能的。首先，显然差值l-FP。ww。—e(/乂)即互补累积分布函数只需要在其中是1和O之间快速变化的区域计算。每当1-&。暫&，力'乂)足够接近1时，所述量对等式(7)的乘法可以跳过，因为任何数乘以1等于原来的数。更重要的是，由于1-/^,^。，^,々)是递减函数，接着是对于低于特定第一索引的所有功率网格索引(特点是1-F，丄，d磁。力))充分接近1)乘法可以跳过。请注意，实际上对于低于d""'。力)的索引甚至没有必要计算l-Fp。wWi(a)。以同样的方式，可以说，在另一功率网格索引以上C顺'W>C'嫩。力)的所有乘法也可以跳过，这一次也是用0取代结果应当指出，功率网格区域(其中根据上述实施例需要执行重要计算)可以由以下的一组索引和区间来表征首先，L皿。力')""/—。，(,)由这样的事实确定，即对于滑动窗口中的每个离散概率密度函数/尸匿^，"a)足够小。对于上述区间以外的所有功率网格索引t并且对于每个,，通过避免计算々。證&—e(a)和等式(l)的相应输入，降低了复杂度。还请注意，严格在上述区间以外l-fv。，s，,e(a)可以被设置为零，(以避免除以零)。还注意到，滑动窗口中的每个离散概率分布函数需要上限和下限门限索引。其次，c緣。力')"由这样的事实确定，即对于滑动窗口内的每个离散累积概率密度函数，i-^>。we^，/e(/)充分接近i()或充分接近于o(《二。，(力)。通过避免计算区间以外的功率网格索引的1-F尸，w,卢(/乂))，降低复杂度。对于每个j的《二。力)以上的所有功率网格索引，等式(7)的相应乘积的输入被设置为零，或对于每个J的C力)以下的所有功率网格索引，不受影响(不需要循环)。第三，注意从上面可以看到滑动窗口的每个输入往往截去等式(7)的部分累积分布，进一步降低复杂度可以通过引入索引来获取，即例如在形成乘积期间(包含滑动窗口上的循环)跟踪最高功率网格索引(其中等式(7)非零)。所获得的复杂度降低通过从上向下循环获得，开始于mm(g^w,C》'))结束于每个J的C蔬。力)上。以这种方式，对于功率网格索引来说不执行任何乘法，其中等式(7)已经减少到0。在实现中，上面所述的复杂度降低通过至少两个(可能4个)索引阵列(每阵列持有A^。，^，,e,个索引)来实现。而且，跟踪瞬间最大功率网格索引这样等式(7)大于零的一个索引被随时更新。产生和使用上述复杂度降低步骤通过附录C和附录D中的C+十代码来说明。如前所述，计算》。柳W,卢(W)和F尸。雨w側—0',A)通常需要使用C++数学库中的指数和互补误差函数。除非有硬件支持这一点，否则相比执行例如浮点乘法，执行这种超越函数需要更多的计算量。为了降低计算复杂度，因此这是一个好主意，根据按照本发明的方法的特定实施例，使用在所存储的函数值表中的线性插值来实现这些函数。应当指出，根据另一具体实施例，在"v尸cnve^a^l-i^匿w一(a)上创建表格特别有利，因为每次调用这节省了一次减法。根据本发明的降低复杂度的方法步骤的其它实施例可以归纳如下。实施例(包括对允许几个热增量估计算法实例并行运行的问题的解决方案)基于这样的观察，即热噪声功率本底估计至多是热增量估计器的计算量最密集的部分。此外，热噪声功率本底变化比所度量的总的宽带功率和所估计的RoT緩慢得多。因此，认识到-没有必要更新所估计的热噪声功率本底如RoT估计那么频繁。-没有必要使用所有估计的功率样值作为对热噪声功率本底估计器的输入。从内存消耗的观点看，这也是有利的。上述观察以下列方式被使用来降低计算复杂度。该噪声本底估计方法是C+十中的RoT估计对象的一部分。在启动所述对象的实例时，调用C+十对象的所谓构造器。构造器创建并且启动执行RoT估计实例所需要的所有变量和常量。特别是，构造器启动某些特定的静态变量，这些静态变量在实例的生存期间保持，这些变量是指属性。该实施例的第一方面包含包括整数属性，每次构造器被调用时递增一个或几个步长。此属性是指实例计数器。结果通常是该实例计数器为RoT估计器的第一实例接收值O,为RoT估计器的第二实例接收值1，等等。该实施例的第二方面包含增加乘以整数倍采样率的实例计数器到屑鍵^/7仏该^遂#河/,于^7—^J:^摩^"#斧6€并^7^。结果是^^^/^^^^估##法^遂_#^辨之河脊炎(shift)。最后，该实施例的第三方面包含使用实例时间来检查何时实例时间模预定数目的采样间隔等于(例如)零，并且仅当是这样时执行更新热噪声功率本底。由于该实例时间相互转换，更新热噪声功率本底也是如此(即控制了计算复杂度)。因此，不同实例的计算密集部分绝不会发生冲突-相反它们在时间上是分散开的。附加的复杂度降低步骤进一步降低复杂度通过使用用于所有浮点算法的浮点(4字节)实现来获得。此夕卜，生成和存储值/尸。鮮&，e(a)和rev尸oweKa)^l-F/w^。，,eO，A;)最好应当使用循环緩存器来实现。这一标19准技术使用指针到緩存器中的下一个空闲的或最早使用的向量位置，这个指针表示循环緩存器的下一个向量存储操作的索引。除了上述讨论的算法之外，它们到现有RBS系统的对接也需要一些改进。本节的目的是讨论这些。在上述说明中，假设功率估计关注上行链路通信。功率度量在这种情况下由无线接入网络(RAN)中的节点来实现，通常为无线基站。然而，至少有一部分程序，例如确定和/或估计步骤也可以在通信网络的其他部分例如无线网络控制器(RNC)中实现。图9示例了根据本发明的系统的实施例的主要部分。无线通信系统70包括通用移动电信系统陆地无线接入网络(UTRAN)71。移动终端25与UTRAN71中的RBS20无线联系。RBS20由RNC72控制，RNC72进而又连接到移动服务交换中心/访问位置寄存器(MSC/VLR)74和核心网络(CN)73的月良务通用分组无线系统支持节点(SGSN)75。在此实施例中，RBS20进一步包括装置80,分别为多个功率网祐^点A的各个确定互补累积分布函数的乘积，每个对应多个宽带功率分配估计z的各个。RBS20还包括装置81,用于为多个功率网格点的每一个基于所确定的乘积确定所述多个所提供的宽带功率估计分布的最小值的条件概率分布函数。可选地，RBS20还包括装置82,用于确定所确定的条件概率分布函数的所述多个功率网格点上的均值来提供噪声本底估计。根据具体实施例，RBS20还包括装置83用于减少执行计算所需的功率网格点的数量，从而进一步降低本发明的软噪声本底功率估计的计算复杂度。根据其他实施例，不同的装置80-83可以位于RBS20中，如上文所讨论，或者位于RNC72或移动或用户终端25中。在后一种情况下，本发明关注下行链路噪声本底估计。这由RNC72和用户终端25中的虛线框所示。除了上述所描述的特性之外，RNC22可以根据已知度量包括用于接纳控制的装置84。用于接纳控制的装置84,优选地包括用于增强上行链路控制的功能性，并且连接到RBS20用于信息交换，特别是关于噪声增量估计。本发明的优势包括-降低可能的RoT估计器的计算复杂度超过95W(用于最佳实现所有度量)，而不会丢失任何性能，-允许多个RoT估计算法实例在一台计算机主板上执行。上面描述的实施例应当理解为本发明的几个示例性例子。本领域的技术人员将理解可以对实施例做出各种修改、组合和变化而不背离本发明的范围。特别是，不同实施例中的不同部分解决方案，可以在其中在技术上可行的其他配置中结合起来。然而，本发明的范围由所附的权利要求所限定。参考文献1]H.HolmaandA.Toskala，WCDMAforUMTS—RadioAccessforThirdGenerationMobileCommunications.Chichester,UK:Wiley,2000.附录a功率、负荷因子和噪声增量这里提出了功率和干扰度量的一种数学方法。功率和干扰度量定义在解扩之前。如果解扩之后的值是所寻求的，需要使用扩频因子定比例。可以应用类似的定比例以便变换各个量到任何级别的信号处理链。为了与上述主要假设一致，下面提到的代码功率干扰比(C/I)指的是解扩之前的代码功率干扰比。这有时用符号(C/I)eh,p反映，其中下标Wp指的是码片速率上的功率。定义控制信道/的干扰电平服从(c〃)W二_^_^_o、l''/—,''V/尸肠z(,)—《c。A,Co咖/(0wif一D二-^-尸do(ai)1+(c〃)』i+其中尸尸喊c。咖/(o是控制信道,的代码信道功率。尸""(o是总的接收功率，"(O是控制和数据信道功率之间的已知比例因子。因此，接下来负荷因子Z/，0可以表示为C^Lt!Z^),(A2)1+(c〃)力)其中""指的是目标值。注意，时间索引表示相对干扰值的(慢)外功率控制回路更新。同样值得注意的是，解扩之前代码功率尸/^e(O和总功率尸"^(0之间的相应关系用SIR(信干比)值表示，解扩之后被定义为/f=l+，)尸D(A3)赠)其中A^是扩频因子。负荷估计的寻求量通常是噪声增量，A^(,),定义为:(A4)其中尸w是由天线连接器度量的热噪声电平。它仍然数学地定义为尸""0)的含义。这里使用的定义是f(,)=$if。*(0+尸"w(/)+&,(A5)尸歸(,)="(/)+,(0(A6)在天线连接器上度量。这里，尸w(O是指从相邻小区接收的功率并且尸气O表示来自WCDMA系统外部的源接收的功率。在这里主要困难是需要从来自相邻小区和外部源的干扰中分离热噪声功率尸w。附录B22估计最小功率的条件概率分布min严(。'(/')啤u注意估计最小功率是很自然的。不过，使用最小值的选择实际上是特定的。在一般情况下，在某种程度上依赖于所估计的量尸『°"的量的极值将有可能用作进一步计算的基数。然而，作为最简单的实施例，这里考虑量min/^。'(/')。注意，在接下来的讨论中尸"^是指接收到的总的宽带功率。在这个附录中，f用于表示时间。符号、条件一既率和Baves定理下面，Bayes定理和概率分布的条件平均的定义被广泛使用。下列定义和结果可以例如在关于估计的任何教科书找到。#孕为、布考虑两个事件A和B，概率分布分别为/4(;c)和；50)。那么A和B的联合概率分布表示为/4力(Xy)。请注意，事件和条件都用下标表示，而独立变量出现在括号内。这个符号只有当使用概率分布和累积概率分布时才使用。当提及例如Kalman滤波器的状态估计和协方差时，条件也可能会出现在括号内。务斧凝羊》有条件概率分布/观(x)和/編(y)定义为厶s(x，力=/举W/BCv)=/牵W厶W.(B1)注意，作为概率分布的符号的结果，条件也表示为下标。上述等式的解决方案现在得到著名的Bayes定理/』,'、"(B2)请注意，上面的定理通过利用交叉圆周图得到最佳理解。获取概率分布的结果的正式证明可以例如使用概率事件的无穷小限制版本的动机。最小值-模型的条件概率和一般表达式23在本节中，推导出最小值估计器的一些一般性质。为此，引入下列符号。尸"，f')的Kalman滤波器或Kalman平滑器估计表示为=%，"t'I(yWL卜Wl,;。"(Z-LsIy(-r-)).(b3)这里f是指[m吼,]内的某一时间。条件分布在适度条件下都是高斯充分统计，即只需要二阶属性以便描述条件概率分布。这反映在(B3)的后一表达式中的条件中。条件分布服从下式WeI10)2),(b4)其中"，"表示估计是使用Kalman滤波器计算的，或者如果？'<"则使用Kalman平滑器计算的。量;^，"(,卞)和(<^。"(/'|,))2分别表示功率估计和相应的协方差，即估计器的输入。请注意，(B4)假定时刻"71。g上的相应估计用作Kalman滤波器的初始值。然后，功率估计的最小值的条件分布可以进一步展开。为此，下面的模型假定代表实际功率的《，(0=尸°，'(0和代表估计的《=。"(/'|/)=》肠'(/'|/)之间的关系;(0=(,I/)+Ax,&10(b5)《赠(/')eA^-;r(z'i,),t^ryi(b6)这符合上述关于充分统计的讨论。AXp则(/卞)的分布的符号从这以后简化为(b7)请注意，此分布不一定必须被假定为高斯的(尽管这是所做的大多数的假设)。《一(,')=尸,'。'(,'),,'e[,-r一,/]的最小值的条件概率分布于是使用从时间区间,f]获得的数据yfl)估计出来。如从下面可以看到的，在理论上需要平滑器估计作为工作在时间区间[m。g,f]上的最小功率的条件概率估计算法的输入。在展开中为了正式保留最优性，这些平滑器估计应当也使用l7-7^g，。上的所有数据来计算。然而，在实际实现中，这些平滑器估计通常仅使用在选定的平滑时刻附近的数据的短期快照来计算。来自[m。g,,]的几个这样的平滑估计，然后被合并来估计条件概率分布。在下面的讨论中，区间[m。g，小呆留在所有量中，因此不使展开太复杂。进一步简化可以通过用Kalman滤波器估计替换平滑器估计来实现。仿真表明，这是可以做到的，具有极少的性能损失。最小值的条件分布现在可以重写为(参见(B5)):/(。(,'、！'v'。"、W'(B8)其中(B8)的最后的量表示最小值的初始信息。下面，Bayes定理和概率分布的条件平均的定义，被广泛使用。然后，使用下列定义来应用Bayes定理和条件概率的定义到(B8):^:=minR認(/')},,[,t,'f、f-;工邻/C:=Y'使用Bayes定理、条件概率分布的定义、以及结果Aci4(^_y)=力siwci4;(x,力(后一结果由三圆周图的图形很容易检查)，于是下面的等式链成立,(x)一/g,CM(x,y)厶(x)一/(i3|/i),(CM)(x'y)//a(y)x)/c^(y)厶")AimW/卬(y)A")(B9)/取c(x)厶c(4/c(y最后一步可以很容易再次通过绘出圆周图加以验证。现在，根据上述定义，(B9)的分子的第一因子是先验的，因此条件消失。分子的第二因子下面将进一步展开，而分子和分母的最后因子可以被视为归一化常数的一部分。返回替代定义A、B和C,于是证明关系^隨(^一((')},.^—jlY''腿《则rZor)(X)=-/誦"一(,')}1,)lY'(X),rm《庙(,一^)w'(b10)需要牢记(B10)的一个结果是，平滑问题即将发生。基于上面处理的预处理步骤的Kalman滤波因此j￡4'需要包括Kalman平滑器步骤。实际中，Kalman滤波器通常就足够了。最小功率的条件平均的最后展开这节开始于等式(B10)，该等式表述了条件pdf(概率分布函数)被给定为先验(初始值)和度量依赖因子的乘积。先验由用户提供，并且应当反映关于/V的先验不确定性。请注意，只要滑动窗口移动并且计算新的估计，则再次应用同一先验。先验因而在估计器的基本设置中不更新。为了表述完整的条件pdf,需要(BIO)的第一因子的一些进一步处理。(B7)的误差分布/^(;c)，连同定义(B5)和(B6)将向此集中。此外，在下面的计算中，F()指累积分布，即/的积分。Pr()表示事件的概率。下面的等式现在对于(B10)的第一因子成立=1-Pr(min{^(,')},,pf,T,，"IY()=1-P如',Ax,U)〉x-；t卞I0)=1—]"[Pr(Ax尸阔(/'I,)>x—S-r"(,'10)=1—(1—Pr(^V。wU)"—《="(rIf)))('4-w](B11)的笫四个等式服从这样的假设，即Kalman平滑器提供了充分统计，即(B5)和(B6)。最后等式服从(B7)。显然，最自然的假设是使用F^的高斯分布。然而，(B11)实际上也允许其他分布。分布函数的第一因子的推导中的最后步骤是对(B11)求微分，得到=「i;4(n^-^:(门0)rF^rF—.^-^:rfel0))(B12)钟-&。;一结合(B10),给出最终结果:,min(t-ji^(('"(,4—^屯,|IY',mm('-ri^)(X)、(B13)这一结果构成了参照图2的输出64。表达式可能看起来复杂。所幸的是直截了当地估计，因为它是由下式给出的高斯和累积高斯分布的一维函数一-A^/mon:";。"(/卞))=:(。^S"(('I'))2(B14)27作为Kalman平滑器或更简单的Kalman滤波器的输出，量《=。"(/卞)和(《1,(叫0)2容易得到。如果提供噪声本底值作为输出，则均值计算在输出分布上执行。总之，上面推导的表达式可以重写为/min(A)二S力(M))乂=1卢(B16)附录C例子l:目标C+十代码。最重要的代码行用粗体标记:〃Computeproductanddetermineboundaryindicesfor(j=0;j<powerGridSize;cdfTest[j]=1.0;i=0;j=0;while((j<powerGridSize)&&(revPowerCdf,]>1.0e-7))cdfTest[j]*=revPowerCdf[j〗；upperNonzerolndex=j-1;for(j=upperNonzerolndex+1;j<powerGridSize;j++)cdfTest[j]=0.0;almostOne=1-0.000001;for(i=1;i<currentNumberOfSamples;i++)j=upperNonzerolndex;while((j>=0)&&(revPowerCdf[i][j]<almost〇ne))if(revPowerCdf[i][j]<10e-7)upperNonzerolndex=j-1;<formula>formulaseeoriginaldocumentpage30</formula>附录D例子2:目标C十+代码。最重要的代码行用粗体标记〃PowergridindexlimitationsdoublemaxGaussArgument=powerGrid[startlndex];constdoublebreakQuotient=log(1e-16〉；doubleargumentLimit=sqrt(maxGaussArgument*maxGaussArgument-2*RTWPSt3nd3rdDevi3tionUpd3te*RTWPSt3nd3rdDevi3tionUpdate*breakQuotient);for(j=startlndex;j<powerGridSize;j++)〃Loopfrompeakanddoubletmp=powerGrid[j-RTWPUpdate;if(fabs(tmp)<argumentl_imit)〃EquivalenttolimitationindexpowerPdf[circularBufferCounter]O]=1/(sqrt(2*pi)*RTWPStandardDeviationUpdate)*exp(-tmp*tmp/(2*(RTWPStandardDeviationUpdate5*(RTWPStandardDeviationUpdate)));elsepowerPdf[circularBufferCounter][il=0.0;for(j=startlndex;j>=0;j--)〃Loopfrompeakanddowndoubletmp=powerGrid[j]-RTWPUpdate;if(fabs(tmp)<argumentLimit)〃EquivalenttolimitationindexpowerPdf[circularBufferCounter[j]=1/(sqrt(2*pi)*RTWPStandardDeviationUpdate)'*exp(-tmp*tmp/(2*(RTWPStandardDeviationUpdate')*(RTWPStandardDeviationUpdate)));elsepowerPdf[circularBufferCounter][j]=0.0;附录E例子3:目标C十+代码。Erfc表格。〃erfc-table〃ComputerevPowerCdffor(j=0;j<powerGridSize;j++)argument:(powerGrid[j]-RTWPUpdate)/(sqrt(2)*RTWPStandardDeviationUpdate);if(argument>=5.5)revPowerCdf[circularBufferCounter][j]=0.0;if(argument<=-5.5)revPowerCdf[circularBufferCounter][j=1.0;if((argument>-5.5)&&(argument<5.5))lowerEntry=((int)floor(argument/tableResolution))+55;revPowerCdf[circularBufferCounter][j]=erfTable[lowerEntry]+(erfTable[lowerEntry+1]-erfTableflowerEntryj)*(argument-argTable[lowerEntryj)/(argTable[lowerEntry+1]-argTableflowerEntryb;附录F例子4:目标。++代码。基于实例的噪声本底估计触发器。if"(loopCounter+instanceCounter)%(int)(powerSamplingSpacing/tEul))==0)〃Executenoisefloorestimation...}权利要求1.一种降低无线通信系统中噪声本底估计的复杂度的方法，所述方法进一步包括为多个功率网格点k的至少一个子集的各个确定(S1)互补累积分布函数的乘积，每个所述互补累积分布函数对应滑动窗口中的多个j个所提供的宽带功率度量估计的各个；为功率网格点的所述至少一个子集的每个，基于所述确定的乘积来确定(S2)所述多个宽带功率度量估计的最小值的概率分布函数。2.根据权利要求1的方法，进一步包括确定(S3)所述确定的概率分布函数的功率网格点的所述子集上的均值以提供噪声本底估计。3.根据权利要求1的方法，包括通过在所述多个宽带功率估计上增加功率样值/的所提供的宽带功率度量估计的概率分布函数的乘积以及互补累积分布函数的所计算的乘积除以功率样值z'的互补累积分布函数，来确定(S2)所述概率分布函数。4.根据权利要求l的方法，其中所述子集包括所有功率网格点。5.根据权利要求1或3的方法，其中互补累积分布函数的所述乘积在所述多个宽带功率估计w/WW;^上根据下式计算丄丄、1—^V。weW。，et/，其中y表示所述所提供的功率度量估计之一的索引，并且a表示所述多个功率网格点的索引，；^。旨s。，e(a)包括所述累积分布函数；并且其中所述多个功率网格点A的每个的所述概率分布/一f7V根据下式计算"1、卜尸尸0醇5。—1/'">=1>其中々。w^呼/e(a)是第Z个所述所提供的功率度量估计的概率分布函数，l-z^匿^，/e(a)代表笫Z个所述提供的功率度量估计的互补累积分布函数。6.根据权利要求5的方法，其中如果/p。，&，e(a)小于预定门限值，则对于该区间《"。,dLOW(/)s*s外的所有功率网格点它的值被设置为零，并且概率分布/^w(7V仅为所述区间中的功率网格点所确定。7.根据权利要求5的方法，其中如果所述互补累积分布函数接近1,对应下门限网格点索引《:w力)，或接近o，对应的上门限网格点索引c力)，则互补累积分布函数只为网格点索引d(力s*sc(力计算，另外所述确定的互补累积分布函数的乘积对于所有网格点h^;二。,^(力被设置为0,并且仅在该区间A;二蕴。力)^"w二。崎力)内确足。8.根据权利要求7的方法，还包括确定最高功率网格点索引,对于该索引互补累积分布函数的所述乘积非零，并且为在该区间mir#=:l,C,g;jG》^*》C嵐。力)中的所有网格点索引A确定所有J上的所述乘积。9.根据权利要求5-8中的任一项的方法，其中量F/wew。—力J)和/或/尸。wW,一0',&)依靠表列值确定。10.—种用于降低无线通信系统中噪声本底估计的复杂度的系统(70),所述系统进一步包括用于为多个功率网格点A的各个确定互补累积分布函数的乘积的装置(80),每个所述互补累积分布函数对应所述多个宽带功率估计i的各个；用于为所述多个功率网格点的每个，基于所计算的乘积来确定所述多个所提供的宽带功率度量分布的最小值的概率分布函数的装置(81)。11.根据权利要求10的系统，还包括装置(82),用于确定所确定的条件概率分布函数的所述多个功率网格点上的均值，以提供噪声本底估计。12.根据权利要求10的系统，其中所述确定装置(81)适合于通过在所述多个宽带功率估计上增加功率样值z'的所提供的宽带功率度量估计的概率分布函数的乘积以及所计算的互补累积分布函数的乘积除以功率样值的互补累积分布函数，来确定所述概率分布函数。13.根据权利要求10的系统，其中所述子集包括所有功率网格点。14.无线通信系统中的一种节点，所述节点包括用于为多个功率网格点A的各个确定互补累积分布函数的乘积的装置(80)，每个所述互补累积分布函数对应所述多个宽带功率估计z的各个；用于为所述多个功率网格点的每个，基于所计算的乘积来确定所述多个所提供的宽带功率度量分布的最小值的概率分布函数的装置(81)。15.根据权利要求12的节点，包括装置(82),用于确定所确定的条件概率分布函数的所述多个功率网格点上的均值，以提供噪声本底估计。16.根据权利要求12的节点。其中所述节点是无线网络控制器、无线基站或移动终端之一。全文摘要在无线通信系统中降低噪声本底估计的复杂度的方法中，为多个功率网格点k的至少一个子集的各个确定(S1)互补累积分布函数的乘积，每个这样的函数对应滑动窗口中的多个j个所提供的宽带功率度量估计的各个，并且基于所确定的乘积为功率网格点的所述至少一个子集的每个确定(S2)所述多个宽带功率度量估计的最小值的概率分布函数。文档编号H04B17/00GK101485120SQ200680055218公开日2009年7月15日申请日期2006年7月5日优先权日2006年7月5日发明者T·威格伦申请人:艾利森电话股份有限公司