CN100375555C

CN100375555C - 干扰源识别方法

Info

Publication number: CN100375555C
Application number: CNB028275268A
Authority: CN
Inventors: K·拉松; B·斯文松; J·古斯塔夫松
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Ace Kang Network Evaluation Ltd By Share Ltd
Priority date: 2002-01-25
Filing date: 2002-01-25
Publication date: 2008-03-12
Anticipated expiration: 2022-01-25
Also published as: EP1472896B1; ATE429137T1; US7218893B2; CN1618247A; DE60232022D1; WO2003063532A1; US20050054367A1; EP1472896A1

Abstract

本发明涉及一种在移动无线电系统、最好是用于移动电话的GSM无线电网络中识别一个或多个干扰源的方法。接收信号(r)由想要的信号和多个干扰信号构成，干扰信号中有一个是主要干扰信号，并且所有信号包括已知训练序列(TK1，TK2，...)。估算载波并从接收信号(r)中减去载波，得到剩余干扰信号(s)。此信号与已知训练序列(TKj，j＝0，1，2，...，7)相关，得到与干扰信号相关的训练序列。根据本发明，从所述训练序列中确定可能干扰源(BS1)的识别码(BCC)。然后，从识别码(BCC)确定分别对应于特定小区的多个候选者(CA1，CA2，)以及受干扰频率和所述候选者使用的频率的时间偏移(t1，t2，...图7)。最后，调查其中一个或多个频率(fa，fb)是否具有与干扰信号相同的时间偏移(t0)，结果在其频率上具有最佳匹配偏移的至少一个候选者(CA3)被识别为干扰源。

Description

干扰源识别方法

技术领域

本发明涉及在移动无线电系统中、最好是在用于移动电话的GSM无线电网络中识别一个或多个干扰源的方法。

背景技术

在GSM无线电网络中，由于GSM无线电网络运营商可用的频率数量有限，所以频率必须再用。频率的再用导致干扰；也就是说，在某点接收的无线电信号是载波信号与来自其它源的信号的混合。载波信号发自正服务小区(移动台与之有无线电链接的小区)而干扰信号往往来自其它GSM小区。

GSM无线电网络运营商的一个重要任务是减少网络中的干扰量。尽可能稀疏地再用频率的巧妙的频率规划能够做到这一点。但是，由于GSM网络中的业务量增加，必须越来越密集地再用频率(频率再用之间的距离较小)。尽管有巧妙的频率规划，这也会引起干扰。

当干扰太大时，就会有诸如掉话、阻塞以及语音质量差之类的问题。在这类区域中，无线电网络运营商想寻找干扰源并矫正所述问题，以便改善语音质量并减少掉话。干扰问题的常见类型是共道干扰。干扰信号源自属于同一运营商的另一基站。干扰基站正在使用与正服务小区中所用频率相同的频率，并引起干扰。

当存在共道干扰问题时，解决问题的工作通常是如下进行的：

1.识别问题区域。

2.到问题区域中并将问题分类(干扰问题以及干扰问题的种类，例如共道干扰)。

3.如果问题是共道干扰问题，则需要找到干扰源。

上述步骤1和2相当简单。但是，步骤3就没那么简单。可能有相当多数量的来自同一移动运营商的可能基站可能是干扰源。识别作为干扰源的一个或多个基站是一件复杂的工作。

在这个领域中存在若干已知的方法：

●测量测试信号

●针对训练序列的相关

●载波估算(无信道估算)

●利用训练序列相关来寻找多个可能的干扰源(基站)

●利用具有接收信号的时间信息的数据库。由于基站系统在时间上不同步，因此该信息是有用的。

先前已知，参见例如EP 1 001 565 A2，通过测量到基站的干扰信号来识别上述类型的系统中基站的干扰信号，然后通过过滤系统中各种基站所发送的接收信号的模式序列分量来识别这些信号。模式识别符是从模式序列分量中得出的，这些识别符的子集与基站自己的模式序列相匹配。这个已知方法结合使用相关以及控制信道的常规时隙模式或常规信道。

发明内容

先前提到的针对训练序列进行相关的已知解决方案提供了假相关；即，噪声状的相关峰值。峰值使干扰源的识别变得困难。

另一种已知的解决方案采用具有定时信息的数据库，它必须先填充数据，然后才能寻找干扰源。需要做一些工作来保持数据库最新。如果数据库不是最新的，则该信息是无用的。

一些解决方案需要不断地对接收信号抽样，这需要昂贵的硬件。

本发明提供一种方法来识别在移动无线电网络中的干扰信号源。在接收信号中消除载波信号，只留下由干扰信号和噪声构成的剩余信号。将剩余信号与已知训练序列相关，检测具有最强相关性的训练序列。当识别了各干扰源所用的训练序列时，就有可能识别多个干扰源候选者。

在已经识别了上述训练序列之后，如果有不止一个候选者，则测量和比较在受干扰频率上和在候选者所用频率上的信号的时间偏移。具有与干扰信号相同的时间偏移的一个或多个信号被识别为从产生一组频率的干扰源发出。其频率与所述频率组相同或最佳匹配的候选者被识别为干扰源。

根据本发明的在移动无线电网络中识别干扰源的方法，其中接收信号由想要的信号和多个干扰信号构成，在所述多个干扰信号中有一个是主要干扰信号，并且所有信号包括已知的训练序列，通过估算载波并且从所述接收信号中减去此载波，形成剩余干扰信号，将所述剩余干扰信号与已知的训练序列进行相关，得到所确定的与所述干扰信号相关的训练序列，以及从所述确定的训练序列中找到可能的干扰源的识别码，其特征在于从所述识别码来确定多个候选者，各个所述候选者对应于特定小区以及受干扰频率；为所述候选者使用的频率确定相对于同步信道的时间偏移；调查所述候选者使用的频率中的一个或多个频率是否具有与所述干扰信号相同的时间偏移，结果，相对于其它候选者具有其频率的最佳偏移匹配的至少一个候选者被识别为干扰源。

附图说明

现在将参照附图来描述本发明，其中：

图1一般说明在移动无线电系统中分别向移动台发送载波信号和干扰信号的两个基站；

图2更详细地说明GSM系统中存在干扰问题的小区；

图3表示根据本发明的一个特征的算法的框图；

图4表示与训练序列的示范相关的框图；

图5表示对照时间画出的具有最高相关值的训练序列的曲线图；

图6表示对于指定的时间窗口、某个训练序列已具有最强相关的百分比；以及

图7表示说明候选者排除的干扰源候选者的时间图。

具体实施方式

图1表示移动无线电系统、例如GSM系统的一部分的简化图，在该系统中有发送基站BS0以及与BS0相隔不远的干扰基站BS1。为简明起见，图中仅显示出两个基站，但是应当理解，该系统包括若干如所标出的其它干扰基站BS2、BS3、...。基站BS0、BS1、...向采用根据本发明的方法的移动台MS发送无线电信号。移动台MS可以在操作者的车辆中，其中安装了采用本发明的方法的设备并且由受过教育的人员来管理。

在基站BS0和移动台MS之间发送的信号是通过载波、即预定频率发送的TDMA信号，所述预定频率是用于基站BS0正服务的区域(小区)中的多个频率特征之一。来自BS0的无线电信号被视为想要的信号，而其它所有信号为干扰信号。

如上所述，在GSM无线电网络中，由于可供GSM无线电网络运营商使用的频率数量有限，所以频率必须被再用。频率的再用导致干扰；也就是说，在某一点的移动台MS所接收的无线电信号是来自BS0的载波信号和采用与BS0所用频率相同的频率发送的来自另一基站BS1的信号的混合。其它基站也可构成干扰(这里未示出)。载波信号来自基站BS0，即正服务小区(移动台与之有无线电链接的小区)，而干扰信号通常来自位于正服务小区的小区群集之外的其它GSM小区。

GSM无线电网络运营商的一个重要任务是减少网络中的干扰量。尽可能稀疏地再用频率的巧妙的频率规划能够做到这一点。但是，由于GSM网络中的业务量增加，必须越来越密集地再用频率，相应地，频率的再用之间的距离(再用距离)变小。尽管有巧妙的频率规划，这也会引起干扰。

当干扰太大时，就会有诸如掉话、阻塞以及语音质量差之类的问题。在这类区域中，无线电网络运营商想找到干扰源并矫正所述问题，以便改善语音质量并减少掉话。干扰问题的常见类型是共道干扰。干扰信号源自属于同一运营商的另一基站，例如基站BS1。干扰基站(BS1)正在使用与正服务小区中所用频率相同的频率，并引起干扰。

在图2中，以六边形来表示GSM小区。浅灰色小区是正服务小区(根据图1，由基站BS0提供服务)，邻近浅灰色小区的十字形是浅灰色小区所服务的移动台MS正在遇到干扰问题的位置。图1中的其它基站BS1、BS2、...所服务的所有深灰色小区正在使用在浅灰色小区中具有干扰问题的频率。所有深灰色小区是可能的干扰源。任务是识别干扰源，或者至少尽可能地减少候选者的数量。

一般来说，基站具有基站色码(BCC)并且在呼叫之前和呼叫期间在每个突发中发送训练序列、即信号模式，该序列是该基站的特征。这个序列就是GSM小区使用的所谓的训练序列码(TSC)并且对于正服务于图2中所示区域的系统是已知的。通常TSC编号和BCC设置成相同的编号，使得如果已知干扰基站的TSC，则该基站的BCC也是已知的。

在GSM系统中，在突发、即按预定模式排序的TSC中间有26个符号。这个序列通常由移动台中的均衡器用来估算信号所经过的信道。存在编号为0到7的八个不同的TSC以及一个用在无业务量的C0载波上的C0伪TSC。通过检测干扰信号采用哪个TSC以及受干扰的频率，可以搜索小区配置列表来寻找可能的候选者。关于不同候选者位于何处的知识使得有可能进一步排除一些候选者。

识别干扰信号使用哪个TSC如此困难的原因在于，几乎总是存在较强的信号，即载波。载波在接收信号中占优势，使得检测除载波模式本身以外的模式极为困难。因此，要做的首先是消除载波。接收信号的载波是未知的，但是可以通过采取所检测的比特来估算，并且通过模拟物理信道的滤波器来滤除它们。

移动台中的标准部件均衡器执行载波数据的检测。整个载波突发、数据比特加上TSC被用来产生信道模型。信道模型是X-抽头信道的例如最小平方(LS)估算值，其中X可以是例如9。

如上所述，通过信道模型来滤除载波比特，得到最终估算的载波。然后从接收信号中消除估算的载波。剩余信号中留下的应该是干扰信号和噪声。

在此阶段，重点可放在寻找干扰源所用的TSC以及如何在时间上同步。这是通过将剩余信号对照所有TSC以及对于所有时间偏移相关来进行的。识别得出最高相关值的TSC和偏移，它们最可能属于干扰信号。为了获得任何统计稳定性，从许多相关得出的结果必须一起解释并且以容易理解的方式呈现。

根据本发明的方法可以分成三个主要步骤：

1.载波估算和消除

2.信号对照所有训练序列的相关以及干扰信号的BCC的识别

3.干扰候选者排除

通过其训练序列识别干扰信号，为了确定干扰信号采用哪个训练序列，将接收信号对照所有已知训练序列TKj(j＝0，1，2，3，...7)进行相关。为了改进从相关得到的结果并且减少假峰值的数量，估算载波并且从接收信号中消除，参见图3，其中表示了说明本发明方法的框图。

首先，确定是否有任何载波要消除(图3中框1)，如果是这样，例如利用标准移动均衡器来确定所发送的数据序列(框2)。通过估算从发送数据到接收信号的传递函数来产生信道模型h，例如LS估算值(框3)。所有发送的符号，不仅仅是训练序列，被用来产生信道模型。这将获得比均衡器所得到的更佳的信道估算值。当通过信道模型过滤发送符号时，获得接收信号中的载波部分(框4)。框5是普通“与”电路。

最终，在减法器6中从接收信号r中减去所估算的载波，只留下干扰和一些噪声，即信号s。消除载波之后的剩余信号s被用来检测干扰信号的训练序列。训练序列码编号(0..7)与上述BCC编号相同。如上所述，通过对照预知的训练序列模式进行相关或者对剩余信号应用一些其它等效运算来搜索训练序列码编号。BCC的识别是通过检测不同相关的最强相关值来完成的，下面会结合图4来描述。

可向算法提供从标准移动台得到的测量数据。在记录了干扰问题的区域中驱车测试过程中收集测量数据。由于干扰现象在空间上相当局部，测量应当在不移动或低速移动时进行。

这样收集数据，使得在未同步的网络中有可能检测到干扰信号。为了确保接收干扰信号的完整TSC，每次至少对1载波突发进行抽样，这是每秒多次进行的。

首先，当MS接收受干扰信号r时，如上所述，消除载波以提供没有任何载波的剩余信号s。此后，信号s对于若干偏移n＝1，2，3,...，N与已知训练序列相关，即，s对照TKj进行相关，其中TKj是第j个已知的训练序列。

这给出以下示范表格：(I指明强相关，X指明极强相关。信号s是训练序列与之相关的信号，其中n指明相对于正服务小区的时间偏移。)

表格：

s(0) s(1) s(2) s(3) s(4) s(5) s(6) s(7) s(8)...s(N))

TK0 0 0 0 I 0 0 0 0 0 0

TK1 0 0 0 0 0 0 I 0 0 0

TK2 0 0 0 I 0 0 0 0 0 0

TK3 0 I 0 0 0 X X 0 0 0

TK4 0 0 0 0 0 0 0 0 I I

TK5 0 0 0 0 I 0 0 0 0 0

TK6 0 I I 0 0 0 0 0 0 0

TK7 0 0 0 0 0 0 0 0 I 0

在这种情况下，最强相关是对于训练序列3在5或6左右的偏移处获得的。

上述图中每个位置(标有I、0或X)是在若干突发上取的平均值。这排除或至少减少了假相关峰值。

图4以示意图表示针对不同训练序列的相关的示例。其中已消除了载波信号并受BS1干扰的信号s对照TKa和TKb进行相关。这得到曲线A和B，其中在曲线B中可以见到峰值(由箭头指示)。这指明干扰源正在使用训练序列，曲线B。

图5表示对照时间画出的具有最强相关值的训练序列的示意图。为了进行有效识别，必须同时解释从许多样本得到的结果。对于每个样本识别具有与剩余信号最强相关的训练序列，并且短线标明。在这个示例中，可以看到，大多数时间标明了同一训练序列(#1)。

图6表示对于指定的时间窗口、特定训练序列具有最强相关的情况的百分比。在此示例中，在大约80％的样本中识别了训练序列1。

从操作者(即车辆MS中的人)可得到的图5和图6中，确定干扰基站的BCC。从还可供操作者使用的小区数据库中，根据BCC和受干扰频率来识别可能的候选者。

所识别的BCC大多数时间会留下不止一个可能的候选者作为干扰源。根据本发明的另一特征，利用时间偏移和大多数候选者在不止一个频率上发送的事实来排除一部分候选者。首先，确定干扰信号相对于同步信道的偏移。然后，对于每一个候选者所用的所有频率，进行测量以确定相对于同步信道的偏移。如果特定频率上的信号的偏移对应于所识别的干扰信号的偏移，则假定它们具有相同的来源，那么可以从候选者列表中删除未使用此频率的所有小区。这得到的结果是，只要候选小区包括不同频率组，候选者的数量可以减少。

图7说明不同频率上的信号的训练序列的定时偏移。在其上测量偏移的频率是不同候选者所用的频率。通过针对干扰源所用的已知训练序列的相关来估算偏移。图中可以看出，频率fy、fy和fz上的信号具有与所识别的干扰源(f0)大致相同的偏移。频率fa、fb、fc、fp和fq上的信号的偏移明显偏离了干扰源的偏移。由于fx、fy和fz都属于候选者#3，所以它是最可能的干扰源。

本发明的优点

通过本方案解决了GSM无线电网络中识别干扰信号源的基本问题。在本发明中采用了载波排除法，这使得有可能发现信号强度低的干扰信号。

本发明中的信道估算基于所有比特，使估算准确。信道估算越准，载波排除越好。

不需要测量定时数据并存储在数据库中。

在需要时测量定时数据。这使本发明健壮。采用当前网络配置和定时。本发明不同于使用具有定时数据的数据库的解决方案。数据库必须不断更新，而这在本发明中不成问题。

不需要连续测量(简单硬件就足够了)。

Claims

1.在移动无线电网络中识别干扰源的方法，其中接收信号由想要的信号和多个干扰信号构成，在所述多个干扰信号中有一个是主要干扰信号，并且所有信号包括已知的训练序列，通过估算载波并且从所述接收信号中减去此载波，形成剩余干扰信号，将所述剩余干扰信号与已知的训练序列进行相关，得到所确定的与所述剩余干扰信号相关的训练序列，以及从所述确定的训练序列中找到可能的干扰源的识别码，

其特征在于

从所述识别码来确定多个候选者，各个所述候选者对应于特定小区以及受干扰频率；

为所述候选者使用的频率确定相对于同步信道的时间偏移；

调查所述候选者使用的频率中的一个或多个频率是否具有与导致相对于其它候选者具有其频率的最佳偏移匹配的至少一个候选者被识别为干扰源的干扰信号相同的时间偏移。

2.如权利要求1所述的方法，其特征在于，所述形成剩余干扰信号的步骤包括：

估算所述训练序列和所述接收信号的数据；

通过利用所述训练序列和所述数据的所述估算来产生信道模型，所述信道模型被用来估算所述载波；

从所述接收信号中减去所述估算的载波，留下所述剩余干扰信号。

3.如权利要求2所述的方法，其特征在于，所述估算的载波是通过由所述信道估算得出的所述信道模型对载波比特进行滤波而产生的。

4.如权利要求1-3所述的方法，其中，所述同步信道被正在服务的小区使用，其特征在于，调查所述候选者使用的频率中一个或多个是否具有与所述干扰信号相同的时间偏移的步骤还包括以下步骤：

确定所述干扰信号相对于所述同步信道的时间偏移；

相对于所述同步信道测量所述候选者使用的频率上的所有信号的偏移，如果对于所述候选者使用的频率中的一些频率上的多个所述信号，所测量的偏移相同，则假定所述多个所述信号具有相同的来源，并且这些频率可归于被视为干扰源的候选者。

5.如权利要求1-3所述的方法，其特征在于，还有以下步骤：

通过抽样识别具有与所述剩余干扰信号最强相关的训练序列；

计算多个样本中各序列的干扰的百分比；以及

确定具有最大干扰百分比的训练序列。

6.如权利要求5所述的方法，其特征在于，对于每个抽样，随时间显现哪个训练序列具有最强相关性。

7.如权利要求1所述的方法，用于排除假干扰源候选者，其中对应于所述候选者的小区包括不同的频率组，

其特征在于，

将未使用与被识别的干扰源的偏移相对应的频率组的所有小区去除。