噪声方差估计和干扰检测的制作方法

背景技术：

图1示出了来自通信接收机内的BICM(比特交织编码和调制)模块的元件的示意图。例如，这种接收机可以是数字陆地电视(DTT)接收机，例如DVB-T2接收机。解映射器102接收信元(cell)104并使用噪声方差估计106以便输出软信息108(其还可以称为软估计)，例如对数似然比(LLR)。将这种软信息108传递到解码器110。在一些例子中，将软信息从解码器反馈到解映射器(如虚线箭头112所指示的)。

通常，使用广播信号中的导频来估计噪声方差。每个导频信元是使用接收机已知的参考信息进行调制的，并且导频的位置通常是在传输标准中指定的。假定导频被表示为x_s，并且信道被表示为h，那么承载子载波的导频处的接收符号可以被表示为：

y_s＝h·x_s+n_s

将这一信号传递到噪声降低滤波器，噪声降低滤波器是以“等效噪声带宽”ENBW(其可以被简单地描述为该滤波器通带所占据的Nyquist带宽的百分比)为特征的低通滤波器。可以对滤波器进行选择使得该滤波器不使信道分量衰减。

在将噪声降低滤波器应用于接收信号y_s之后，滤波器的输出可以被表示成其中表示滤波后的信号，并且n_s2表示滤波后的噪声采样。可以获得信道估计：

为了估计滤波器的等效噪声带宽外的噪声采样，进行以下操作：

上述等式导致每个导频的复数噪声估计。所产生的噪声并不是有效的噪声估计。其必须由噪声降低滤波器的有效噪声带宽缩放，以便获得针对每个导频的有效噪声。随后将针对每个导频的噪声方差评估为针对每个导频的噪声估计功率，并且存储这些针对每个导频的值。然后，对于整个符号，对噪声方差估计进行插值。

下面描述的实施例并不限于解决估计OFDM(正交频分复用)信号的噪声方差的已知方法的任意缺点或全部缺点的实现。

技术实现要素：

提供该概述以便以简化的形式介绍构思的选择，所述构思在下文中在具体实施方式中进行进一步的描述。该概述并不是旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用作确定所要求保护的主题的范围的辅助。

描述了噪声方差估计和干扰检测。在一个例子中，描述了估计噪声方差的方法，其中，将接收到的OFDM信号内的导频划分成带，并且随后在每个带的基础上通过对该带内的那些导频的噪声估计进行平均来计算噪声方差估计。在一些例子中，所述导频在频率中被划分成带，而在其它例子中，所述导频在频率和时间中被划分成带，使得在计算针对每个带的噪声方差估计中使用来自多于一个OFDM符号的噪声估计。随后，针对导频的噪声方差估计被设置成针对包含所述导频的带的噪声方差估计。随后可以通过在针对这些导频的值之间进行插值来确定针对数据子载波的噪声方差估计。

第一方案提供了一种在OFDM接收机中估计噪声方差的方法，所述方法包括：评估针对一个或多个接收OFDM符号内的多个导频中的每个导频的噪声估计；将所述多个导频划分成带；通过对针对每个带内的导频的噪声估计进行平均来计算针对该带的噪声方差估计；将针对每个带的噪声方差估计存储在存储器中；将针对一导频的噪声方差估计设置成等于针对包含该导频的带的所计算的噪声方差估计；以及通过在针对每个导频的噪声方差估计之间进行插值来确定针对所述一个或多个接收OFDM符号内的数据子载波的噪声方差估计。

计算针对每个带的噪声方差估计可以包括：对针对该带内的、来自单个接收OFDM符号的导频的噪声估计进行平均或者对该带内的来自多个接收OFDM符号的导频的所存储的噪声估计进行平均。

计算针对每个带的噪声方差估计还可以包括：使用时间平均，使得新计算的噪声方差估计与先前所存储的针对该带的噪声方差估计进行组合。

将所述多个导频划分成带可以包括：将接收OFDM符号划分成所述带，并且所述方法还可以包括：将每个带划分成多个子带；计算针对每个子带的子带功率，所述子带功率包括该子带内的所有子载波的平均功率；计算每个带内的平均子带功率；以及对于每个带，通过将子带功率与该带内的平均子带功率进行比较来确定在该带内的子带中是否存在干扰。

将子带功率与该带内的平均子带功率进行比较可以包括：计算所述子带功率与该带内的平均子带功率的比，以及将该比与阈值进行比较。在一些例子中，如果该比超过了所述阈值，则在子带内检测到干扰，并且如果所述比没有超过所述阈值，则没有检测到干扰。

所述阈值可以是针对每个带计算的，并且针对一个带的阈值可以基于在该带上所述比的平均值以及在该带上所述比的最小值来定义。

所述方法还可以包括：在计算每个带内的平均子带功率之前，在一个时间段上对针对一个或多个子带的子带功率进行平均(607)。

所述方法还可以包括：在确定带内的子带中存在干扰时，增加针对所述子带内的子载波的噪声方差估计；以及减小针对同一带内的其它子带中的子载波的噪声方差估计。

增加针对所述子带内的子载波的噪声方差估计可以包括：将针对一子载波的噪声方差估计与针对存在干扰的子带的子带功率相乘，并且除以针对该子带所位于的带的平均子带功率。

减小针对同一带内的其它子带中的子载波的噪声方差估计可以包括：将针对一子载波的噪声方差估计除以针对存在干扰的子带的子带功率的和，并且与针对所述子带所位于的带的平均子带功率相乘。

所述子载波可以包括导频。

第二方案提供了一种计算机程序，其包括用于在所述程序运行于计算机之上时执行上面描述的方法的所有步骤的计算机程序代码模块。所述计算机程序可以实现在计算机可读介质上。

第三方案提供了一种用于OFDM接收机的噪声方差估计元件，所述噪声方差估计元件包括：估计逻辑，被安排用于评估针对一个或多个接收OFDM符号内的多个导频中的每个导频的噪声估计；划分逻辑，被安排用于将所述多个导频划分成带；计算逻辑，被安排用于通过对针对每个带内的导频的噪声估计进行平均来计算针对该带的噪声方差估计；存储器，被安排用于将针对每个带的噪声方差估计存储在存储器中；以及插值引擎，被安排用于将针对一导频的噪声方差估计设置成等于针对包括该导频的带的所计算的噪声方差估计，并用于通过在针对每个导频的噪声方差估计之间进行插值来确定针对所述一个或多个接收OFDM符号内的数据子载波的噪声方差估计。

所述计算逻辑可以被安排用于使用在线算法，并且其中，所述存储器还被安排用于存储当前的(running)噪声方差估计。

计算针对每个带的噪声方差估计可以包括：对针对该带内的、来自单个接收OFDM符号的导频的噪声估计进行平均。

计算逻辑可以被安排用于使用在线算法，并使用针对该带内的来自多个接收OFDM符号的导频的噪声估计来更新当前的噪声方差估计。

用于计算的模块可以使用时间平均，使得新计算的噪声方差估计与存储在所述存储器中的针对该带的之前噪声方差估计进行组合。

划分逻辑可以被安排用于将接收OFDM符号划分成带，并且所述元件还包括干扰检测子模块，其中，所述干扰检测子模块被安排用于：将每个带划分成多个子带；计算针对每个子带的子带功率，所述子带功率包括该子带内的所有子载波的平均功率；计算每个带内的平均子带功率；以及针对每个带，通过将所述子带功率与该带内的平均子带功率进行比较来确定在该带内的子带中是否存在干扰。

将所述子带功率与该带内的平均子带功率进行比较可以包括：计算所述子带功率与该带内的平均子带功率的比，并将所述比与阈值进行比较。

如果所述比超过了所述阈值，则可以在子带中检测到干扰，并且如果所述比没有超过所述阈值则没有检测到干扰。所述阈值可以是针对每个带计算的，并且针对一个带的阈值可以基于在该带上所述比的平均值和在该带上所述比的最小值来定义。

所述干扰检测子模块可以被安排用于：在计算每个带内的平均子带功率之前，在一个时间段上对针对一个或多个子带的子带功率进行平均。

所述噪声方差估计元件还可以包括干扰减轻子模块，其中，所述干扰减轻子模块被安排用于：增加针对已经检测到干扰的子带内的子载波的噪声方差估计；以及减小针对与所检测到的干扰相同的带内的其它子带中的子载波的噪声方差估计。

增加针对所述子带内的子载波的噪声方差估计可以包括：将针对一子载波的噪声方差估计与针对存在干扰的子带的子带功率相乘，并除以针对所述子带所位于的带的平均子带功率。

减小针对同一带内的其它子带中的子载波的噪声方差估计可以包括：将针对一子载波的噪声方差估计除以针对存在干扰的子带的子带功率的和，并乘以针对所述子带所位于的带的平均子带功率。

第四方案提供了一种OFDM接收机，包括上面所描述的噪声方差估计元件。

第五方案提供了一种数字陆地电视接收机，包括上面所描述的噪声方差估计元件。

第六方案提供了一种检测干扰的方法，包括：将接收OFDM符号划分成一个或多个带；将每个带划分成多个子带；计算针对每个子带的子带功率，所述子带功率包括该子带内的所有子载波的平均功率；计算每个带内的平均子带功率；对于每个带，通过将所述子带功率与该带内的平均子带功率进行比较来确定该带内的子带中是否存在干扰；在确定带内的子带中存在干扰时，增加针对所述子带内的子载波的噪声方差估计；以及减小针对同一带内的其它子带中的数据子载波的噪声方差估计。

第七方案提供了一种基本上参考附图中的图2、4、6和9中的任何一个所描述的方法。

第八方案提供了一种基本上参考附图中的图11所描述的OFDM接收机。

本文中所描述的方法可以由计算机来执行，所述计算机配置有存储在有形存储介质上的机器可读形式的软件，例如，包括用于以下的计算机可读程序代码的计算机程序的形式：将计算机配置成执行所描述的方法的组成部分，或者以包括用于以下的计算机程序代码模块的计算机程序的形式：在该程序运行于计算机之上时执行本文描述的任意方法的所有步骤，并且其中，所述计算机程序可以实现在计算机可读存储介质上。有形(或非暂时性)存储介质的例子包括磁盘、拇指驱动器、存储卡等，而不包括传播信号。软件可以适合于在并行处理器或串行处理器上执行，使得方法步骤可以以任意适当的顺序或同时地执行。

本文中描述的硬件组件可以由其上编码有计算机可读程序代码的非暂时性计算机可读存储介质产生。

这承认固件和软件可以是有价值的、可单独交易的商品。旨在涵盖在“哑”或标准硬件上运行或对“哑”或标准硬件进行控制以执行期望功能的软件。还旨在涵盖“描述”或定义硬件的配置的软件，例如HDL(硬件描述语言)软件，如用于设计硅芯片，或用于配置通用编程芯片，以执行期望功能。

优选特征可以适当地组合，这对于技术人员将是显而易见的，并且可以与本发明的任意方案进行组合。

附图说明

将参考以下附图通过例子的方式描述本发明的实施例，在附图中：

图1是示出了来自通信接收机内的比特交织编码和调制模块的元件的示意图；

图2是在OFDM接收机中估计噪声方差的改进方法的例子的流程图；

图3示出了可以如何将导频划分成两个或更多个带(例如如图2和4中的方法)的示意图；

图4是示出了来自图2的方法的一个方框的示例性实现的流程图；

图5是示出了图3中的第二图的放大部分的示意图；

图6是可以与图2和图4中所示的方法组合使用或者可以独立地使用的示例性干扰检测方法的流程图；

图7是示出了被划分成带和子带的接收OFDM符号的示意图；

图8示出了在一个带上接收信号的接收功率的简单图形表示；

图9是示例性干扰检测和减轻方法的流程图；

图10示出了在两个带上接收信号的接收功率的简单图形表示；以及

图11是包括被安排用于执行本文描述的方法的方案的噪声方差估计元件的OFDM接收机的示意图。

贯穿附图使用共同的参考数字来表示相似的特征。

具体实施方式

下面仅仅是通过例子的方式来描述本发明的实施例。这些例子代表了申请人当前已知的将本发明付诸于实践的最佳方式，虽然这些最佳方式并不是能够实现本发明的仅有的方式。描述给出了例子的功能以及用于构造和操作例子的步骤的序列。然而，可以通过不同的例子来实现相同的或等同的功能和序列。

图2是在OFDM接收机(例如DTT或DVB-T2接收机)中估计噪声方差的改进方法的例子的流程图。如上面所描述的，接收机内的解映射器使用噪声方差估计来生成诸如LLR之类的软信息，随后解码器使用该软信息。在使用迭代解码的情况中，还可以从解码器向解映射器传回软信息，并且在后续迭代中使用该软信息。

评估接收OFDM符号内的每个导频处的复数噪声估计(方框202)，例如如上面描述的将导频划分成两个或更多个带，即，划分成N个带，其中，N是整数并且N>1(方框204)，使用平均算法来评估每个带的噪声方差(方框206)。在一个例子中，可以使用称为Welford方法的在线算法，并且在以下两个网页中描述了这一算法：http://www.johndcook.com/standard_deviation.html和http://en.wikipedia.org/wiki/Algorithms_for_calculating_variance#On-line_algo rithm。如图3中所示并在下面描述的，(在方框204中)将导频划分成带可以是单独在频率中，或者在频率和时间中，并且(在方框206中)所使用的平均算法可以是在时间和/或频率中(下面更详细地描述在时间和频率上进行平均的使用)。随后存储所产生的针对每个频带的噪声方差值(方框208)，并且可以针对每个符号重复该方法。

如上面所描述的，N>1，并且在一些例子中，N的值将具有上限，例如使得1<N≤40。并不使用单个的带(N＝1)，这是因为其并不提供足够精确的噪声方差估计，尤其是在滤波器倾斜(这具有信噪比(SNR)在带上发生变化的效应)的情况下更是如此。可以对所使用的N的值进行选择，使得一个带封闭足够的导频以提供以下方差估计：其不是太有噪声同时维持对频率和时间轴上的方差变化的敏感性。对于不同的OFDM符号大小和导频密度，所使用的N的值可以变化。

图2的流程图还示出了随后如何使用所计算出来的针对每个频带的噪声方差估计。针对导频的噪声方差被设置成等于针对该导频所位于的带的噪声方差值(方框210)。随后可以通过对导频处的噪声方差进行插值来估计针对数据子载波的噪声方差。

图3示出了可以如何将导频划分成两个或更多个带的两个示意图301、302。在第一例子中301中，其中包含数字的每个矩形303表示导频，仅仅按照频率将35个导频划分成5个带(N＝5)。在这个例子中，每个带包含相同数量的导频；然而，在其它例子中，这些带可以包含不同数量的导频(例如，在导频的数量不可被N整除的情况下，一个带可以包含不同数量的导频)。如上面参考图2所描述的，带1中的噪声方差估计是针对导频1-7中的每个导频的噪声估计值的平均(如方框208中所计算的)，并且随后将导频1-7中的每个导频的噪声方差设置成(在方框210中)等于带1中的噪声方差。类似地，导频20上的噪声方差是带3中的噪声方差，并且导频32上的噪声方差是带5中的噪声方差。

如图2中所示的，与估计针对每个导频的噪声功率相比，在多个导频(或多个符号上的多个导频，如下面所描述的)上进行平均的使用提供了更精确的噪声方差估计。在该方法中，仅仅存储针对每个带的噪声方差估计(在方框208中)，并且不需要存储针对每个子载波的噪声方差估计。这意味着需要更少的存储器来存储噪声方差估计。

在一些例子中，例如在某些OFDM符号大小和导频模式方式中，针对每个符号的导频的数量不是很大，并且可能不足以获得精确的噪声方差估计。在这样的例子中，可以在频率和时间中定义带，如图3中的第二例子302中所示的。在频率和时间中定义的带可以用在其它情况中(例如，在使用较窄的频带并且带的时间范围被增加以维持频率选择性(以时间选择性为代价)的情况中)。在图3中所示的例子中，存在12个带(N＝12)，并且每个带(在频率空间中)跨越一个或多个导频并且(在时间上)跨越四个符号。

在频率和时间中定义带的例子中，也可以使用图2中所示的在OFDM接收机中估计噪声方差的改进方法。为了通过平均每个带内的值来计算每个带的噪声方差(在方框206中)，对于M个OFDM符号(例如M＝4)中的每个导频，可以将针对每个导频的噪声估计(如方框202中所确定的)保存在存储器中，并且随后可以对在时间和频率中针对每个带所收集的导频的噪声估计进行平均；然而，这需要大量的存储设备。评估噪声方差(在方框206中)的时间位置在图3中由箭头304指示。

为了减小存储需求，可以使用在线方差估计算法(例如上面描述的Welford方法)来计算每个带的噪声方差估计(在方框206中)。如图4中所示的，计算噪声方差(在方框206中)包括使用针对位于每个带内的正被处理的符号的所有导频的噪声估计(如方框202中所评估的)来更新针对该带的方差估计(方框401)，并且随后还在处理带内的每个符号时更新该方差估计(其可以被称为当前方差估计)。如图4中所示的，如果不是带内的最后一个符号(方框402中的‘否’)，那么在重复对方差估计的更新(在方框401中)之前该方法进行等待以接收来自下一符号的值(方框403)。通过使用这样的在线算法，仅仅需要存储针对每个带的在线算法的当前和(其还可以称为当前参数)(例如，在使用Welford方法的情况中是针对每个带的3个值)，而不是针对M个OFM符号中的每个导频的噪声估计。

在图3中所示的例子302中，符号1和符号2中的位于带1内的导频将对带1的噪声方差有所贡献，并且在图5中可以更清楚地看到这一点，图5示出了来自图3中的第二例子302的带1的放大视图500。在这个例子中，每个带包括频率中的七个导频(这些导频被示为包含数字的矩形502)，并且与图3中的第一例子301一样，在将导频划分成带时，忽略了数据子载波。如上面所描述的，随后存储针对每个带的噪声方差估计(在方框208中)。

虽然图5示出了每个带包括频率中的七个导频和时间中的四个符号(M＝4)使得基于从四个符号上的七个导频收集的值(即，基于28个噪声估计，虽然如上面参考图4描述的，可以在不需要存储所有28个噪声估计的迭代过程中生成估计)来估计噪声方差，但是将理解的是，这是通过例子的方式示出的，并且在其它例子中，可以使用针对每个带的导频数量和M的值的不同组合。在选择定义带的大小的M和N的值的过程中，存在可以相对于彼此进行折中的多个参数：噪声方差估计的精度(其由用于估计的导频的数量来指定，并且因此受到M和N两者的影响)，噪声方差估计的频率分辨率(其受到N的影响)以及噪声方差估计的时间分辨率(其受到M的影响)。在一个例子中，可以对M的值(即，时域中的符号的数量，其中在估计噪声方差之前针对所述符号收集噪声估计)进行选择以使得针对每个带的样本的数量在所有配置中等同，其中，在给定导频模式的约束的情况下这是可能的。例如，在8K的OFDM符号中，可以选择以下参数：M＝2个符号以及针对频率空间中的每个带的8个导频)。这意味着一个带具有16个导频。在2K的OFDM符号的情况中，可以考虑以下参数：M＝8和针对频率空间中的每个带的2个导频。这意味着与8K的情况一样，在一个带中存在16个导频。这仅仅是一个例子，并且在所有配置中在一个带中具有相同数量的导频并不总是可能的(例如，在8K模式中针对每个带可能存在16个导频，而在4K模式中仅有15个导频)。

将清楚的是，图4是图2中所示的方法的一个方框的示例性实现的流程图。虽然在图3和图5中所示的例子中M＝4，但是M可以取不同的值。还将清楚的是，虽然可以在针对每个符号的导频的数量不足以获取精确的噪声方差估计的情况下使用图4的M>1的方法，但是在针对每个符号存在足够的导频的情况下也可以使用该方法，以提高噪声方差估计的精度或提高频率分辨率。为了提高噪声反差估计的精度，可以在时间上(通过增加M的值)增加带的大小和/或在频率上(通过增加针对每个带的导频的数量)增加带的大小。在信道在时间上变化时，增加针对每个带的导频的数量可以导致比增加时间上的平均(即，通过增加M的值)更精确的结果。

用于(在方框206中)计算噪声方差估计的平均算法可以仅使用(在图2的方框202中)针对单个符号评估的那些值，或者可以使用针对M个符号的那些值(其中M>1，例如使用如图4中所示的在线算法)。然而，在许多例子中，还可以采用时间平均(例如作为平均算法的一部分)，使得基于新计算的噪声方差估计(来自方框206)和之前的噪声方差估计(例如，在图2中所示的方法的之前迭代的方框208中存储的)来评估噪声估计。在一个例子中，可以使用简单的递归平均(单极低通滤波器)；Y_n＝Y_n-1(1-α)+αX_n。这种平均具有最小的存储需求。在这样的例子中，可以使用特定于配置的时间平均常量。可以使用时间平均来进一步改善方差估计，代价是对时间上的变化的响应较慢。在时间-频率带上计算初始方差估计的情况中(其中M>1，例如如图3中的例子302中所示的)，初始的方差估计可以快速地获得，即使随后使用相当慢的时间常量来进一步进行时间平均。

如图2和图4所示以及上面所描述的，这些方法提供了快速的噪声方差估计，同时仍然提供精确的估计。在没有精确估计的情况下，解映射器(例如图1中的解映射器102)所执行的解映射将不够精确。与传统方法相比，上面描述的方法所使用的存储器还大量地减小。在传统的噪声方差估计方法(其中需要良好的频率分辨率)中，存储针对每个导频的噪声方差估计；然而，如图2中所示的，使用本文描述的方法，仅仅存储针对每个带的值(在方框208中)。在本文描述的方法的许多实现中，N≤40，并且因而所存储的值(针对每个带的噪声方差估计)的数量显著地小于所存储的导频的数量，并因而显著地小于传统的噪声估计方法中所存储的值的数量。与单独地对针对每个导频的噪声估计进行时间平均相比，本文描述的方法还更快速地收敛于正确的噪声方差。

将清楚的是，图2的方法步骤在一些实例中可以以不同的顺序执行，或者步骤可以同时执行。例如，图2示出了在已经评估了针对每个导频的复数噪声估计(在方框202中)之后将导频划分成带(在方框204中)；然而，在另一例子中，这些步骤可以以相反的顺序出现(例如方框204之后是方框202)。将清楚的是，这些步骤可以以任意顺序独立地或同时地执行，使得针对每个导频的噪声估计以及关于带的信息是可用的，以便随后可以执行针对带的值的平均(在方框206中)。还将清楚的是，将导频划分成带(在方框204中)的方式可以是固定的或者是预定的，使得该这一方法步骤不需要在每次执行方法时被执行(例如，这一步骤可以被执行一次，并且随后可以根据需要存储并访问与哪些导频位于哪些带中有关的信息)。在其它例子中，将导频划分成带可以在每次执行方法时动态地执行，或者可以动态地调整导频到带的初始划分，以适应于不同的条件(例如，在存在高度的时间变化和/或频率变化条件的情况中)。

图6是可以与上面描述的方法组合使用或者可以独立地使用的示例性干扰检测方法的流程图。可以参考图7来描述该方法，图7示出了被划分成带704和子带706的符号702的示意图。在该干扰检测方法中，包括导频和数据子载波的符号702被划分成n个带(方框602)，并且每个带被再次划分成s个子带(方框604)。这与上面参考图2描述的划分成带不同，这是因为其包括数据子载波，而参考图2描述的划分仅仅考虑了导频；然而，在两种方法一起使用的情况下(例如，如图9中所示的并如下面所描述的)，在两种方法中使用的带的边缘被准确地对齐。划分成带和子带(在方框602和604中)是在频率中执行的(例如，使得作为相邻频率的载波位于同一子带中或位于相邻子带中)。

在示例性实现中，符号被划分成40个带(n＝40)，并且每个带被划分成20个子带(s＝20)；然而，这些仅仅是通过例子的方式提供的，并且可以使用n和s的其它值。在所示的例子中，所有的带在它们包含的子带的数量方面而言具有相同的大小，类似地，所有的子带在它们包含的子载波的数量方面而言具有相同的大小；然而，在其它例子中，带和/或子带可以包含不同数量的子载波(例如，在子载波的数量不能被n整除的情况下，诸如最后一个带之类的一个带可以包含不同数量的子载波)。

已经将符号划分成带(在方框602中)并将带划分成子带(在方框604中)之后，对每个子带中的子载波的平均功率进行评估(方框606)。这些值(其可以被称为子带功率或子带符号功率)随后用于计算每个带上的平均子带功率(方框608)。参考图7中所示的例子，确定每个带1-n中的每个子带1-s的平均功率(在方框606中)，并且随后将这些针对每个子带的平均功率自身组合起来(在方框608中)以计算针对每个带1-n的平均子带功率，即：

其中，y是标识带的带索引，并且取1和n之间的值。

与图3和图5中所示的(并且上面描述的)第二例子302不同，在这种干扰检测方法中，考虑单个的符号，并且在形成带和子带时不存在来自不同符号的数据的聚合。然而，在一些实现中，例如在每个子带中仅仅存在较少数量的子载波的情况中，可以执行额外的步骤，其在带上的平均子带功率被计算(在方框608中)之前在时间上对子带功率进行平均(在方框607中)。执行这种可选的平均步骤消除了由于数据本身而不是任何干扰引起的任何即时功率变化；然而，在每个子带内存在足够的子载波的情况中并不需要这一步骤，并且如果省略这一平均步骤，那么该方法运行得更加快速。子带内可以被认为足够的子载波的数量可以取决于数据的类型(例如，与诸如QPSK之类的东西相比，高阶调制具有多得多的振幅变化，所以将需要更多的数据来将这些变化平均掉)。

随后通过针对特定的子带将子带功率(如在使用时间平均的情况下在方框606中或在方框607中所计算的)与该子带所位于的带上的平均子带功率进行比较来检测子带内的干扰的存在(在方框610中)，其中，x是带y内的子带索引，使得x取1和s之间的值。在例子中，在针对给定子带而言子带功率大大高于带上的平均子带功率(例如)的情况下，可以检测到干扰。图6还是出了这一比较步骤的特定示例性实现，其使用阈值T。如图6中所示的，计算(针对带y内的子带x的)子带功率与(带y上的)平均子带功率的比R或(方框611)。

如果该比的值超出了阈值(在方框612中为“是”)，那么推断出存在干扰，并且如果该比的值没有超出阈值(在方框612中为“否”)，那么推断出在特定子带内不存在干扰。在其它例子中，如果R≥T(而不是如图6中所示的R>T)，则可以推断出干扰。如下面更详细地描述的，阈值T对于所有带而言可以是相同的，或者可以是特定于带的(在这种情况中其可以被写为T^y)。

在一个例子中，阈值T(其可以被称为功率比阈值)的值可以基于比R或(针对带y内的每个子带x计算的)来计算。在一个例子中：

＝带y上R的平均值

＝带y上R的最小值

将清楚的是，这仅仅是提供了可以计算阈值T的值的方式的一个例子。在其它例子中，可以使用在整个符号上计算的比(例如上面描述的那些)或者使用任何其它的方法来计算阈值的值。

图8示出了带804上接收信号的接收功率802的简单图形表示。如上面所描述的，带被划分成s个子带806，其中在该例子中s＝7，并且每个子带被表示成SB_x，其中x＝1-7。可以看到在SB₃和SB₄中存在干扰。使用上面参考图6和图7描述的方法，评估针对每个子带的子带功率(在方框606中)，并且随后评估带上的平均子带功率(在方框608中)。在执行比较(在方框610中)的过程中，可以看到，子带SB₄中的子带功率将显著地高于带上的平均值，并且子带SB₃和SB₅中的子带功率也提高了。根据所使用的阈值的值(其中使用阈值来确定是否存在干扰)，将在SB₄中识别出干扰，并且可以在SB₃中识别出干扰。SB₅中的子带功率的提高不太可能足以大得超过任何阈值测试。

使用上面参考图6-图8所描述的干扰检测方法，位于受干扰子带中的子载波(无论是导频还是数据子载波)(例如，SB₄中的那些子载波)的索引可以被标识，并且那些邻近的未受干扰子载波(即，未检测到干扰的邻近子带中的那些子载波(例如SB₁-SB₃和SB₅-SB₇中的那些子载波)也可以被标识。在本文中使用术语“邻近”来表示位于同一带内但不是同一子带内的子载波，并且其包括并不是紧紧相邻的子载波和不位于紧紧相邻子带内的子载波。通过在这些方法中使用导频子载波和数据子载波，即使在干扰不与导频一致的情况下也可以识别出干扰。

虽然上面对于图6的描述表示了符号被划分成带(在方框602中)并且随后每个带被划分成子带(在方框604中)，但是将清楚的是，这仅仅是实现该方法的一种方式使得实现相同的最终结果：符号被划分成带，每个带包括多个子带。在另一例子中，符号可以首先被划分成子带，并且随后相邻的子带可以被组合在一起以形成带。类似地，在图2的讨论中，导频被描述成被划分成带(在方框204中)，并且这可以可替换地被看成是将导频分组成带。这些注释还可应用于图9(下面描述)，其包括来自图2和图6的方法步骤。

在关于上面描述的并且在图6中示出的干扰检测的其它变形中，平均功率可以在整个符号上进行计算(在方框608中)而不是在每个带的基础上计算它。在这样的实现中，R_mean将是整个符号上R的平均值，并且R_min将是整个符号上R的最小值。在这样的例子中，阈值T对于所有带将是相同的(例如，T＝1.2x(2R_mean-R_min))，并且(在方框610和612中)执行的比较将是在和和T之间的。在这种变形中，仍然存在每个被划分成子带的多个带，并且因此子带功率与带功率的比是局部地关于频率计算的，以提供对于频率选择信道的某种免疫力，然而，针对所有的带使用单个阈值T。

如上面描述的，可以独立于上面描述的估计噪声方差的方法而使用干扰检测方法。可替换地，这些方法可以一起使用，使得可以执行干扰检测和减轻，并且在图9中示出了一个示例性的方法(其将上面描述的图2和图6中所示的方法的步骤组合起来)。使用该方法，针对导频(例如在方框210中)或数据子载波(例如在方框212中)计算的噪声方差估计随后可以基于受干扰和未受干扰的子载波的检测(在方框610中)而被调整(在方框904和906中)，以增加或减小噪声方差估计。如下面所描述的，一些噪声方差估计将保持不变，即不存在干扰(方框908之前的方框901中为“否”))的带中的那些子载波(无论是导频子载波还是数据子载波)的值。在子载波被标识为位于受干扰的子带中(例如，在方框902中)的情况下，增加噪声估计的值(在方框904中)，并且在子载波被标识为位于包含干扰的带内的未受干扰的子带中的情况下，减小噪声估计的值(在方框906中)。

在针对每个导频计算的噪声方差估计(在方框210中)被调整(在方框904和906中)的情况下，可以在调整之后执行插值(在方框212中)(如由从方框906到方框212的虚线箭头所指示的)。可以以相同的方式来执行干扰的识别(在方框610中)和调整本身(在方框904和906中)，而不管子载波是导频子载波还是数据子载波，并且因此以下的描述一般是指子载波。

为了识别出噪声估计值应当(在方框904或906中)被调整的子载波，该方法可以(在方框902中)标识两组子载波，其中，每个组内的子载波可以由它们的索引进行标识。第一组包括受干扰子带(在方框610中识别的)中的任何子载波，并且第二组包括与受干扰子带相同的带内的任何邻近的未受干扰子载波。如上面所描述的，邻近子载波是位于同一带而不必是相同子带内的那些子载波。第二组子载波可以可替换地被描述成包括位于与第一组中的子载波相同的带内的那些子载波，但是它们不是第一组的成员。第一组中的子载波的噪声方差估计将被增加(在方框904中)，并且第二组中的子载波的噪声方差将被减小(在方框906中)。

从图9可以看到，符号被划分成n＝N个带(在方框910中)。在将图2和图6的方法组合的情况下，相同的带用于噪声方差估计和干扰检测两者，使得两种算法的输出的映射是直接的，并且可以通过将包括导频的符号划分成带来创建带(例如，如参考图6中的方框602所描述的)。虽然可替换地可以使用不同的带，但是这会导致复杂度显著提高。

参考图10中所示的在两个带1003、1004上接收到的信号的接收功率1002的简单图形表示，并且其中，子带1006由虚线指示，可以看到在一个带1003中存在干扰，而在其它带1004中不存在干扰。因此使用本文描述的干扰检测和减轻方法，将调整针对第一带1003中的子载波的噪声方差估计(在方框904和906中)，并且将不调整针对第二带1004中的子载波的噪声方差估计(在方框910中，因为在该带中不存在干扰)。如果仅仅在第一带1003内的子带SB₄中检测到干扰，那么针对子带SB₁-SB₃和SB₅-SB₇内的数据子载波的噪声方差估计将被向下调整(这些子载波被认为是邻近的未受干扰子载波)，并且针对子带SB₄内的数据子载波的噪声方差估计将被增加。因此，如果该方法被实现为包括方框902，那么该方法步骤将把子带SB₄内的这些子载波识别为属于第一组子载波，并且把子带SB₁-SB₃和SB₅-SB₇中的那些子载波识别为属于第二组子载波。

在示例性实现中，针对检测到干扰的带中的数据子载波的噪声方差估计的修改(在方框904和906中)可以如下被执行：

对于受干扰子载波(即，上面描述的第一组中的那些子载波)，由原始噪声方差估计(在方框212中通过插值生成)乘以受干扰子带中的功率比给出调整后的噪声方差估计。

对于受干扰带中的未受干扰子载波(即，上面描述的第二组中的那些子载波)，由原始噪声方差估计除以受干扰子带中的功率比给出调整后的噪声方差估计。

如上面(参考图6)所描述的，受干扰子带中的功率比是受干扰子带中(例如，图10中所示的例子中的子带SB₄中)的子带符号功率与整个带上(例如，图10中所示的例子中的带1003中的SB₁-SB₇上)的均值子带符号功率的比，例如，其中y标识该例子中的带1003。使用这一相同的参数(功率比)来增加一些噪声方差并减小其它噪声方差。

在子带中存在两个干扰的情况下，在这两个子带中功率比将是不同的。在这种情况下，针对两个子带基于它们的子带功率除以均值而独立地推导出调整比，而未受干扰子带的调整比是受干扰子带的功率的和除以均值子带功率。这可以进一步扩展到在子带中存在多于两个干扰的情况。

在图9中所示并在上面描述的方法中，子带内的所有数据子载波以同一方式被对待，并且如果它们位于已经检测到干扰的带中则调整它们的噪声方差估计。为了提供更细粒度的干扰减轻，可以使用较窄的子带(例如，针对同一值n，s取更大的值)；然而，如上面所描述的，如果每个子带仅存在较小数量的子载波，那么可能需要在时间上对子带功率进行平均(在方框607中)，这降低了方法的速度。在使用来自所有子载波的数据而不仅仅是导频来执行干扰检测时，即使在干扰未落在导频上的情况下也可以检测到干扰，并且随后使用上面描述的方法，可以减轻这种干扰对针对数据子载波的噪声方差估计的影响。此外，使用整个符号使得该方法能够快速地对随着时间变化的SNR进行响应。

上面描述的(并且在图2、4和9中示出的)生成噪声方差估计的方法具有快速的收敛时间，同时该方法与上面描述的(并且在图6和9中示出的)干扰检测方法的组合额外地实现了受干扰子载波中的噪声方差估计的标准化。此外，如上面所描述的，存储针对每个带的噪声方差而不是保存针对每个导频的噪声方差，并且这导致了存储器的显著节省。

上面描述的方法可以实现在OFDM接收机(例如，DTT或DVB-T2接收机)内，并且尤其是实现在接收机1100内的噪声方差估计元件1102中，如图11中所示的。这种噪声方差估计元件1102获得来自信道估计模块1103的输入，并向解映射器102提供输出(噪声方差估计)。如上面所描述的，(图2中所示的)噪声方差估计方法可以独立于本文描述的其它方法而实现，或者可替换地，该方法可以与本文描述的其它方法组合(例如，与上面参考图6所描述的干扰检测方法组合)。在使用噪声方差估计方法以及干扰检测和减轻方法(如图9中所示的)的情况下，噪声方差估计元件1102可以包括干扰检测和干扰减轻子模块1104、1106。

噪声方差估计元件1102和任意子模块1104、1106可以实现在硬件和/或软件中，并且噪声方差估计元件1102可以形成单芯片接收机的一部分。例如，噪声方差估计元件1102可以包括多个逻辑元件(例如，估计逻辑、划分逻辑和计算逻辑)，所述多个逻辑可以实现上面描述的方法的不同步骤并且这些不同的逻辑元件可以用软件或者用硬件逻辑来实现。

在一个例子中，噪声方差估计元件1102包括一个或多个处理器，其可以是微处理器、控制器或任何其它适当类型的处理器，用于处理计算机可执行指令以控制设备的操作以便执行本文描述的方法的一些步骤或所有步骤。在一些例子中，例如，在使用片上系统架构的情况下，处理器可以包括一个或多个固定的功能块(也称为加速器)，其用硬件(而不是软件或固件)实现噪声方差估计、干扰检测和/或干扰减轻方法的一部分。

可以使用处理器可访问的任何计算机可读介质来提供计算机可执行指令(其在被执行时使得处理器实现来自本文描述的方法的一个或多个步骤)。计算机可读介质可以包括，例如，诸如存储器1108之类的计算机存储介质和通信介质。诸如存储器1108之类的计算机存储介质包括实现在任意方法或技术中的易失性和非易失性介质、可移动和不可移动介质，用于存储诸如计算机可读指令、数据结构、程序模块或其它数据之类的信息。计算机存储介质包括但不限于RAM、ROM、EPROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能磁盘(DVD)或其它光存储器、盒式磁带、磁带、磁盘存储器或其它磁存储设备或者任意其它的可以用于存储信息以供计算设备访问的非传输介质。相反，通信介质可以体现计算机可读指令、数据结构、程序模块或调制数据信号(例如载波)中的其它数据或者其它传输机制。如本文中定义的，计算机存储介质不包括通信介质。将清楚的是，计算机存储介质(或存储器1108)可以位于接收机1100内，或者可替换地，存储器可以被分发或位于远处以及经由网络或其它通信链路(例如使用通信接口)来访问。

上面描述的存储计算机可执行指令的存储器1108或者其它存储器元件用于存储针对每个带的噪声方差估计，如上面参考方框208所描述的。

将清楚的是，图11仅仅示出了OFDM接收机内的元件的一个子集，并且该接收机可以包括许多其它元件。还将清楚的是，图11中的元件是功能元件，并且在不同的实现中，这些功能元件中的一些可以在物理设备中组合在一起。

上面描述的方法可以实现在DVB接收机中，并且在这种情况下，上面提及的导频可以是分散的导频。

本文中使用术语“处理器”和“计算机”来表示具有处理能力使得其能够执行指令的任意设备。本领域技术人员将认识到这样的处理能力被并入到许多不同的设备，并且因此，术语“计算机”包括机顶盒、媒体播放器、数字电台、PC、服务器、移动电话、个人数字助理和许多其它设备。

本领域技术人员将认识到用于存储程序指令的存储设备可以分布在网络上。例如，远程计算机可以将所描述的过程的例子存储成软件。本地或终端计算机可以访问远程计算机，并下载所述软件的一部分或全部以运行程序。可替换地，本地计算机可以根据需要下载软件的片段，或者在本地终端执行一些软件指令并且在远程计算机(或计算机网络)执行一些软件指令。本领域技术人员还将认识到，通过使用本领域技术人员已知的常规技术，软件指令的全部或一部分可以由专用电路(例如DSP、可编程逻辑阵列等)来执行。

具体提及“逻辑”是指执行一个功能或多个功能的结构。逻辑的例子包括被安排为执行这些功能的电路。例如，这种电路可以包括晶体管和/或制造过程中可用的其它硬件元件。这样的晶体管和/或其它元件可以用于形成电路或结构，举例来说，其实现和/或包含存储器(例如寄存器、触发器或锁存器)、逻辑运算符(例如布尔运算)、数学运算符(例如加法器、乘法器或移位器)以及互连。可以作为定制电路或标准单元库、宏、或以其它抽象级提供这样的元件。这样的元件可以在特定的布置中互连。逻辑可以包括是固定功能的电路，并且电路可以被编程以执行一个功能或多个功能；可以从固件或软件更新或控制机制提供这样的编程。被标识为执行一个功能的逻辑还可以包括实现组成功能或子过程的逻辑。在一个例子中，硬件逻辑具有实现固定功能运算或多个运算、状态机或过程的电路。

本文给出的任意范围或设备值可以被扩展或者被修改，而不丧失所请求的效果，这对于技术人员将是显而易见的。

将理解的是，上面描述的益处和优点可以涉及一个实施例，或者可以涉及若干实施例。这些实施例并不限于解决所陈述问题中的任何一个或全部的实施例或者具有所陈述益处和优点中的任何一个或全部的实施例。

对“一”项的任何提及是指这些项中的一个或多个。本文中使用术语“包括”来表示包含所标识的方法方框或元件，但是这样的方框或元件并不包括排他列表，并且装置可以包含额外的方框或元件，并且方法可以包含额外的操作或元件。

本文描述的方法的步骤可以以任何适当的顺序执行，或者在适当的情况下同时执行。此外，可以从任意方法中删除单独的方框，而不脱离本文描述的主题的精神和范围。上面描述的任意例子的方案可以与所描述的任意其它例子的方案组合，以形成其它例子，而不丧失所请求的效果。在图中的元件被示为由箭头连接的情况下，将清楚的是，这些箭头仅仅是示出元件之间的通信的一个示例性流。元件之间的流可以在任意方向上或者在两个方向上。

将理解的是，仅仅通过例子的方式给出了优选实施例的以上描述，并且本领域技术人员可以做出各种修改。虽然上面以某种具体度或者参考一个或多个单独实施例描述了各个实施例，但是本领域技术人员可以对所公开的实施例做出大量的改变，而不脱离本发明的精神或范围。