CN100581067C - 用于计算无偏移功率延迟分布的方法和装置 - Google Patents

Abstract

本发明涉及用于计算无偏移功率延迟分布的方法和装置。一种确定噪声修正功率延迟分布的方法包括以下步骤：确定功率延迟分布(204)和计算噪声修正功率延迟分布(206)。所述计算噪声修正功率延迟分布的步骤包括以下步骤：使用偏移噪声基底功率估计、所述功率延迟分布，以及噪声定标因子。

Description

用于计算无偏移功率延迟分布的方法和装置

技术领域

本发明涉及其中要估计时变衰落信道的各多径分量的延迟的数字无线通信系统。该数字无线通信系统例如可以包括使用码分多址(CDMA)RAKE接收器的系统。本发明具体涉及通过可靠地指示路径搜索器窗的合适位置，来改进对无线电传播信道中的新多径分量进行检测和对已知路径进行跟踪的鲁棒性。

背景技术

在无线通信中，通过无线电链路在发送器与接收器之间形成物理信道。在大多数情况下，发送器的天线并不严格地对准接收器。除了可能的直接路径以外，在发送器与接收器之间往往还存在许多其他传播路径。这些其他传播路径通常源自于从发送器或接收器附近的物体的反射。具有类似传播距离的射线根据瞬时相位关系在接收器处合成，并形成相异的多径分量。多条射线的合成的效果取决于载波波长的瞬时相位关系，并且还取决于这些射线间的距离差。在相消干涉的情况下，多条射线的合成会导致路径增益量级的显著降低(即，衰落)。

如果利用由许多多径分量携带的信号能量，则会改进CDMA接收器的性能。可以通过RAKE接收器来实现对CDMA接收器性能的希望改进。在RAKE接收器中，对多个多径分量中的每一个都分配一解扩器(即，RAKE指)。所述多个解扩器中的每一个都分配有一扩频码基准副本。这些扩频码基准副本中的每一个都在时间上延迟等于对应多径分量的路径延迟的量。然后通过RAKE合成器将各解扩器的输出相干地合成起来，以产生码元估计。

RAKE接收器优选地利用针对所有检测到的路径的多径延迟和信道脉冲值的知识。为了在RAKE合成器的输出处实现最佳可能信噪比，应当收集来自尽可能多的物理路径的信号能量。此外，对尽可能多的不同物理路径进行跟踪(即，最大利用多样性)会显著改进信号接收鲁棒性，这是因为降低了所有路径的同时强衰落的概率。所有路径的同时强衰落是通常导致严重的误块率(BLER)劣化的现象。

传播信道结构(即，各多径分量的绝对延迟和相对延迟)通常不会随时间保持恒定。由于发送器、接收器以及附近物体的相对运动，现有路径的延迟可能会变化，旧的路径可能会消失，而新的路径可能会出现。此外，在发送器与接收器的相应电路之间的频率偏移会产生时钟漂移。时钟漂移本身通常表现为整个延迟分布(delay profile)的渐进时间轴移动。为了确保RAKE接收器的恰当操作，应当跟踪所有已知多径分量的正在变化的延迟，并且在新路径出现之后应当迅速发现该新路径。

由于该物理信道结构，在大多数情况下附近物体的相对位置会改变。因此，新路径的路径长度通常不会与现有路径的路径长度相差太大。信道的宏观结构(例如，导致信号反射的山或建筑群)相对来说很少变化。因此，通常，新路径的延迟相对来说类似于现有的已知路径的延迟。因此，通过在现有路径的已知延迟附近的延迟域中进行搜索，可以检测到新路径的延迟。

欧洲专利申请EP-A-1 065801公开了一种CDMA接收器中的自适应路径搜索器。通过对分布能量与阈值进行比较，来选择传输信道的真实路径，所述阈值被动态确定为从传输信道估计导出的噪声和干扰路径的平均值的函数。

欧洲专利申请EP-A-1 276248公开了一种CDMA接收器中的搜索窗延迟跟踪的方法。针对包含多条路径(各具有对应的路径延迟)的接收信号来估计信道脉冲响应。搜索窗限定了包含接收信号的多条路径的延迟分布。为估计的信道脉冲响应(CIR)计算中间或平均的延迟，并且确定平均CIR延迟与CIR搜索窗的希望目标延迟位置之间的误差。进行调节来减小该误差，以对准搜索窗的目标位置和平均CIR延迟。为每条路径估计了多普勒频率。考虑了发送器与接收器之间的相对运动引起的多普勒效应而进行了所述调节。

图1是典型的RAKE接收器的框图。RAKE接收器100包括延迟估计器模块102、信道估计器模块104以及RAKE解扩器/合成器模块106。将接收到的数据馈送给延迟估计器模块102。延迟估计器模块102在信道的可能延迟的范围上对该信道的脉冲响应进行评估。然后可以使所得延迟分布(其可以是复数延迟分布或功率延迟分布)经受峰值检测，并将检测到的峰值位置报告给RAKE解扩器/合成器模块106，作为对多径分量的延迟估计。信道估计器模块104还使用该延迟估计，通过对导频序列进行解扩并且可能地随时间对结果进行滤波以减小噪声和干扰的效应，来估计对应的复数信道系数。在延迟估计器模块102(其确定RAKE解扩器/合成器模块106的解扩器部分的时间对准)与信道估计器模块104(其对要由RAKE解扩器/合成器模块106的合成器部分使用的复数系数进行估计)之间的协作下估计信道参数。还进行了噪声干扰功率估计。

进行延迟估计的简单方法包括在信道的可能延迟的整个范围(即，最大假定延迟扩展)上对该信道的脉冲响应进行评估。然后可以使所得的复数延迟分布或功率延迟分布经受峰值检测，并由延迟估计器模块102将检测到的峰值位置报告给信道估计器模块104和RAKE解扩器/合成器模块106，作为延迟估计。然而，频繁执行全路径搜索例程的处理和功耗开销通常是高昂的。因此，典型的实现使用具有比全搜索区(即，最大假定延迟扩展)短的观测窗的路径搜索器。此外，对于任何实际的延迟估计，出于检测新路径的目的，定期地执行路径搜索，以对延迟范围进行再扫描。

一旦路径搜索器发现了路径位置，延迟估计器模块102采用的延迟估计算法就提取该路径位置，并找到具有足够精度的功率延迟。路径搜索器窗被定位成把新路径包括在该路径搜索器窗内。由于以足够高的概率获知新路径将出现在当前已知路径的就路径的相应延迟而言的附近，所以通常将路径搜索器窗口设置成覆盖当前已知路径。

针对延迟τ_i(i∈[1，M])的当前功率延迟分布的估计g(τ_i)典型地包括一组最新检测到的或当前跟踪的路径，在这种情况下，延迟τ_i通常不是连续的。g(τ_i)还可以表示在其中执行路径搜索的连续区域(τ_i＝τ₀+iΔτ)。也可以采用其它表示功率延迟分布的方式。

需要确定针对长度为N_w的路径搜索器窗的合适起始位置I。典型使用的用于确定针对下一个路径搜索器激活的合适路径搜索器窗起始位置的方法，是基于计算当前已知功率延迟分布估计的重心(即，平均过量延迟)的。如下计算重心位置估计C：

$C=\frac{{\mathrm{\Σ}}_i{\mathrm{\τ}}_{i}g\left({\mathrm{\τ}}_i\right)}{{\mathrm{\Σ}}_{i}g\left({\mathrm{\τ}}_i\right)}---\left(1\right)$

给定C，把路径搜索器窗设置成由该窗覆盖大部分信道功率。由于空间损耗，功率延迟分布的典型形状呈指数衰减，使得能量向关注区域的始点集中。为了合理覆盖，例如可以把该窗设置成1/3在C值前面，而2/3在C值后面(即， $I=C-\frac{N_w}{3}$ )。

对于紧凑真实功率延迟分布和高接收器信噪比的情况来说，C给出了对信道中的真实能量集中的一致且可靠的估计。然而，当信道中的能量分布在宽延迟扩频上时和当功率延迟分布的信噪比差时，C就不是那么可靠了。g(τ_i)的噪声诱导分量导致偏移项(bias term)，该偏移项使C的结果向功率延迟分布的所有项的平均非功率加权延迟偏移。偏移项的大小取决于真实重心和平均延迟相互分离的程度，并且还取决于信噪比。在许多实际情况下，该偏移项大得足以使路径搜索器窗偏离真实功率延迟分布的主要部分。

为了抵消噪声诱导偏移影响，可以把g(τ_i)阈值化，其去除纯噪声采样的部分并且减小偏移。然而，有效去噪要使用相当高的阈值，这也可能从功率延迟分布中去除信道分量，由此使该功率延迟分布失真。

也可以通过减噪来减小噪声影响，其中，估计了功率延迟分布中的平均噪声功率σ_g ²。在重心计算中使用g(τ_i)-σ_g ²来代替g(τ_i)。在典型的实现中，重心计算是基于N_w延迟值范围上的粗功率延迟分布估计的。把该功率延迟分布的N_p个最大峰值的位置当作延迟值τ_i。通过平均化N_n＝N_w-N_p个最小功率延迟分布值来估计噪声基底σ_g ²。然而，这种方法严重低估了σ_g ²。因为未完全去除掉噪声基底，所以保留了显著的残留偏移影响。为了改进重心计算和所得路径搜索器窗布置的鲁棒性和精度，需要一种从重心计算中更充分地去除噪声基底的方法。

发明内容

本发明的实施例提供了一种用于计算无偏移功率延迟分布的方法和装置。一种确定噪声修正功率延迟分布的方法包括以下步骤：确定功率延迟分布，和计算噪声修正功率延迟分布。所述计算噪声修正功率延迟分布的步骤包括以下步骤：使用偏移噪声基底功率估计、所述功率延迟分布，以及噪声定标(noise-scaling)因子。

一种用于确定噪声修正功率延迟分布的装置包括信道估计器、解扩器，以及延迟估计器。该延迟估计器可互操作地连接至信道估计器和解扩器。该延迟估计器用于确定功率延迟分布并用于计算噪声修正功率延迟分布。所述计算噪声修正功率延迟分布的步骤包括以下步骤：利用偏移噪声基底功率估计、所述功率延迟分布，以及噪声定标因子。

一种用于确定噪声修正功率延迟分布的制造物品包括：至少一个计算机可读介质，和包含在所述至少一个计算机可读介质上的处理器指令。所述处理器指令被配置成可由至少一个处理器从所述至少一个计算机可读介质读取，由此使所述至少一个处理器进行操作，以确定功率延迟分布并计算噪声修正功率延迟分布。所述计算噪声修正功率延迟分布的步骤包括以下步骤：利用偏移噪声基底功率估计、所述功率延迟分布，以及噪声定标因子。

附图说明

结合附图阅读下面对本发明示范实施例的详细描述，可以获得对本发明示范实施例的更全面的理解，其中：

图1如前所述是典型RAKE接收器的框图；

图2是例示根据本发明原理计算重心位置估计的流程图；以及

图3是例示根据本发明原理的噪声定标因子的示范值的曲线图。

具体实施方式

本发明的实施例允许在给定N_w功率延迟分布值集合的情况下计算无偏移重心位置估计。根据功率延迟分布值子集来计算重心位置估计。该子集例如可以是N_p个最大峰值。在计算重心位置估计之前，从N_p个峰值去除噪声基底分量。通过平均化功率延迟分布值子集来计算噪声基底功率。该功率延迟分布值子集例如可以是N_n个最小值。在重心位置估计中引入了噪声定标因子γ。把偏移噪声基底功率转换成无偏移值的噪声定标因子是基于噪声分量的概率分布并基于N_w、N_p以及N_n来计算的。结果，所计算的重心位置估计基本上没有偏移，并且以覆盖功率延迟分布中包括的所有信道的最佳似然性来定位路径搜索器窗。图2是例示根据本发明原理计算重心位置估计C的流程图。流程200始于步骤202，在该步骤确定噪声定标因子γ。噪声定标因子γ可以离线确定，并可由延迟估计模块102在确定重心位置估计C的过程中在线利用。在步骤204，确定功率延迟分布g_m。在步骤206，利用偏移噪声基底功率估计σ_g ²、噪声定标因子γ以及功率延迟分布g_m来计算噪声修正功率延迟分布。在步骤208，利用噪声修正功率延迟分布来计算重心位置估计C。

路径搜索器处理长度为N_w的窗(例如，码片)，并且，在每个第n激活处，估计功率延迟分布g_m，其中m∈[m₀，m₀+N_w-1]。在功率延迟分布中，检测并报告N_p个峰值(具体地，延迟τ_k和功率h_k，k＝1…N_p)。令h_k＝p_k+n_k，其中，p_k是功率延迟分布累积之后的实际路径功率，而n_k是残留噪声加干扰分量。也可以获得基于N_n个最低功率延迟分布采样的功率延迟分布噪声基底功率估计σ_g ²。

传统上，基于所报告的延迟和噪声修正功率来计算重心位置估计C，如下面的公式(2)所示。

${\mathrm{\τ}}^{\left(n\right)}=\frac{{\mathrm{\Σ}}_{k=1}^{N_p}{\mathrm{\τ}}_k(h_k-{\mathrm{\σ}}_g^2)}{{\mathrm{\Σ}}_{k=1}^{N_p}(h_k-{\mathrm{\σ}}_g^2)}---\left(2\right)$

估计噪声基底功率 $Z={\mathrm{\σ}}_g^2,$ 作为N_n个最小功率延迟采样的平均值。然而，所选择的峰值集合{h_k}(k＝1…N_p)中包括的噪声不具有与最小的N_n个采样相同的分布。在最麻烦的情况下，当具有许多噪声采样和很少真实路径或没有真实路径时，{h_k}包含所有最大噪声采样，这些最大噪声采样的平均功率(由Z^*表示)显著大于剩余噪声基底的平均功率。n_k被很好地建模为复数高斯随机变量的幅值平方(magnitude square)。换句话说，n_k具有概率密度函数为 $f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\πx}{\mathrm{\σ}}_g}}{e}^{-\frac{x}{2{\mathrm{\σ}}_g^2}}$ 的X₂ ²-分布。我们由此可以表示：

$Z=\frac{{\∫}_0^{\mathrm{\α}}\mathrm{xf}\left(x\right)\mathrm{dx}}{N_n/N_w}$ (对应于概率密度函数的近零部分)，和

$Z^{*}=\frac{{\∫}_{\mathrm{\β}}^{\∞}\mathrm{xf}\left(x\right)\mathrm{dx}}{N_p/N_w}$ (对应于概率密度函数的尾部)，其中，积分极限α和β被定义为，使得 ${\∫}_{\mathrm{\β}}^{\∞}f\left(x\right)\mathrm{dx}=\frac{N_p}{N_w},$ 并且 ${\∫}_0^{\mathrm{\α}}f\left(x\right)\mathrm{dx}=\frac{N_n}{N_w}.$

接着，把噪声定标因子γ确定为下面的比值：

$\mathrm{\γ}=\frac{Z^{*}}{Z}---\left(3\right)$

图3是例示作为的函数的γ的示范值的曲线图，假定

的典型值为0.8。根据图3显见，在所示示例中，直接对噪声修正使用Z按大约4-8的因子低估了相关的噪声功率Z^*。换句话说，仅去除了大约12-25％的噪声功率。

可以表明，期望重心偏移值等于

$E[C_{\mathrm{true}}-C]=(C_{\mathrm{true}}-\frac{N_w}{2})\frac{N_{w}E[n_k-\mathrm{\γZ}]}{{\mathrm{\Σ}}_{k=1}^{N_P}{p}_k}$

其中，C_true是实际重心。可以通过最小化E[n_k-γZ]来实现去噪。事实上，如果可以使用真实γZ＝En_k，则将去除偏移，公式(3)表示这种γ的实际估计。如图所示，当把噪声定标因子γ如下引入重心计算中时，本发明的实施例可去除偏移：

$C=\frac{{\mathrm{\Σ}}_{k=1}^{N_p}{\mathrm{\τ}}_k(h_k-\mathrm{\γZ})}{{\mathrm{\Σ}}_{k=1}^{N_p}(h_k-\mathrm{\γZ})}---\left(4\right)$

可以预先确定噪声定标因子γ，由此避免在线计算。公式(4)的分母直接产生无偏移信号功率估计P_i，其中

$P_i=\underset{k=1}{\overset{N_p}{\mathrm{\Σ}}}{h}_k-N_p\mathrm{\γZ}---\left(5\right)$

而且在路径搜索器运算的其它部分中可以利用公式(5)。

当观测窗内具有许多实际路径和较少的纯噪声项时，基于固定自变量

的值γ可以不同于最优值。最优噪声定标因子是：

${\mathrm{\γ}}^{\′}=\frac{N_{\mathrm{paths}}+\mathrm{\γ}(N_p-N_{\mathrm{paths}})}{N_p}---\left(6\right)$

其中，N_paths是N_p个选定峰值中的真实路径数。当γ的值因许多实际路径和较少的纯噪声项而不同于最优值时，过修正导致相反方向上的残留偏移得以保留。然而，比值 $\frac{N_{w}E[n_k-\mathrm{\γZ}]}{{\mathrm{\Σ}}_{k=1}^{N_p}{p}_k}$ 以及对应地任何重心偏移，都保持为较小。对于高噪声的情况来说，实际测试指出了良好的模型匹配，并且表明去除了几乎所有的偏移。

本发明的实施例使得可以基于从局部噪声分布获得的噪声基底估计，来确定重心计算中包括的被观测功率延迟分布的实际噪声基底。结果，所计算的重心值没有偏移，或者具有显著减小的偏移，改进了窗布置的鲁棒性。另外，根据本发明的原理计算的瞬时重心值可以时间平均化，或者与来自其它时间点或空间点的其它重心值相结合，而不招致任何偏移相关误差，并且不需要启发式的选择步骤。

本发明的实施例在计算上是高效的，典型地在于除了需要常规重心计算之外，仅需要一次查表和一次乘法。由于相对不频繁计算路径搜索器窗位置，所以通常可以忽略计算代价。

本领域技术人员应当明白，本发明可以具有许多实施例。例如，当使用峰值数和噪声采样数的其它组合(例如，使得N_p+N_n≠N_w。)时，可以使用本发明的实施例。那么，在这种情况下，噪声定标因子的计算将在数字上不同；然而，对于本领域技术人员来说，实现细节是显而易见的。另外，在需要计算重心的任何应用中都可以采用本发明的原理。可以使用复数延迟分布来代替功率延迟分布，其中，在这种情况下，通过将复数系数乘以其复共轭数，得到每个延迟分布要素的功率。可以使用平均化的或瞬时功率延迟分布。

尽管在附图中例示了并在上面的详细描述中描述了本发明的实施例，但是，应当理解，本发明不限于所公开的实施例，而是能够在不脱离由所附权利要求限定的本发明的情况下，进行许多重新排列、修改，以及替换。

Claims (20)

1、一种确定噪声修正功率延迟分布的方法，该方法包括以下步骤：

确定在将偏移噪声基底功率转换成无偏移值时所使用的噪声定标因子(202)；

确定功率延迟分布(204)；

利用偏移噪声基底功率估计、所述功率延迟分布，以及所述噪声定标因子来计算噪声修正功率延迟分布(206)；以及

利用所述噪声修正功率延迟分布来计算重心位置估计(208)。

2、根据权利要求1所述的方法，其中，所述噪声定标因子(202)被应用于噪声基底功率估计。

3、根据权利要求2所述的方法，其中，所述噪声定标因子取决于一概率密度函数。

4、根据权利要求3所述的方法，其中，所述噪声定标因子取决于所述偏移噪声基底功率估计的概率密度函数。

5、根据权利要求1所述的方法，其中：

所述确定功率延迟分布的步骤包括使用N_p个功率延迟分布值的步骤；并且

所述计算噪声修正功率延迟分布的步骤包括使用所述N_p个功率延迟分布值和N_n个最小功率延迟分布值的步骤。

6、根据权利要求1所述的方法，其中：

Z是所述偏移噪声基底功率估计；

τ_k是时间延迟；

γ是所述噪声定标因子；

h_k是多个功率值，并且h_k＝p_k+n_k，其中，p_k是功率延迟分布累积之后的实际路径功率，而n_k是残留噪声加干扰分量；

N_p是所述多个功率值h_k中用于计算重心位置估计的功率值的数量；

并且，重心位置估计是

7、根据权利要求1所述的方法，其中：

Z是所述偏移噪声基底功率估计；

γ是所述噪声定标因子；

h_k是多个功率值，并且h_k＝p_k+n_k，其中，p_k是功率延迟分布累积之后的实际路径功率，而n_k是残留噪声加干扰分量；并且

所述噪声修正功率延迟分布是h_k-γZ。

8、根据权利要求1所述的方法，其中：

Z是所述偏移噪声基底功率估计；

Z^*是多个功率值h_k的平均功率；

γ是所述噪声定标因子；并且

$\mathrm{\γ}=\frac{Z^{*}}{Z}.$

9、根据权利要求1所述的方法，其中：

所述确定噪声定标因子的步骤按以下公式来确定最优噪声定标因子：

${\mathrm{\γ}}^{\′}=\frac{N_{\mathrm{paths}}+\mathrm{\γ}(N_p-N_{\mathrm{paths}})}{N_p},$

其中：

N_p是所述功率延迟分布中的峰值的数量；

N_paths是N_p个功率值中的真实路径数；

γ是所述噪声定标因子；并且

$\mathrm{\γ}=\frac{Z^{*}}{Z},$ 其中Z是所述偏移噪声基底功率估计，Z^*是N_n个最小功率延迟分布值的平均功率。

10、根据权利要求1所述的方法，还包括以下步骤：

存储所述噪声定标因子，用于在线使用；并且

其中，所述确定所述噪声定标因子的步骤是离线执行的，并且是在所述确定功率延迟分布的步骤、所述计算噪声修正功率延迟分布的步骤、以及所述计算重心位置估计的步骤之前执行的。

11、一种用于确定噪声修正功率延迟分布的装置，该装置包括：

信道估计器(104)；

解扩器(106)；

确定在将偏移噪声基底功率转换成无偏移值时所使用的噪声定标因子的装置；以及

延迟估计器(102)，可互操作地连接至信道估计器和解扩器，该延迟估计器用于执行以下步骤：

确定功率延迟分布(204)；

利用偏移噪声基底功率估计、所述功率延迟分布，以及所述噪声定标因子来计算噪声修正功率延迟分布(206)；以及

利用所述噪声修正功率延迟分布来计算重心位置估计(208)。

12、根据权利要求11所述的装置，其中，所述噪声定标因子(202)被应用于所述偏移噪声基底功率估计。

13、根据权利要求12所述的装置，其中，所述噪声定标因子取决于一概率密度函数。

14、根据权利要求13所述的装置，其中，所述噪声定标因子取决于所述偏移噪声基底功率估计的概率密度函数。

15、根据权利要求11所述的装置，其中：

所述延迟估计器利用N_p个功率延迟分布值来确定所述功率延迟分布；并且

所述延迟估计器利用所述N_p个功率延迟分布值和N_n个最小功率延迟分布值来计算所述噪声修正功率延迟分布。

16、根据权利要求11所述的装置，其中：

Z是所述偏移噪声基底功率估计；

τ_k是时间延迟；

γ是所述噪声定标因子；

h_k是多个功率值，并且h_k＝p_k+n_k，其中，p_k是功率延迟分布累积之后的实际路径功率，而n_k是残留噪声加干扰分量；

N_p是所述多个功率值h_k中用于计算重心位置估计的功率值的数量；并且

重心位置估计是

17、根据权利要求11所述的装置，其中：

Z是所述偏移噪声基底功率估计；

γ是所述噪声定标因子；

h_k是多个功率值，并且h_k＝p_k+n_k，其中，p_k是功率延迟分布累积之后的实际路径功率，而n_k是残留噪声加干扰分量；并且

所述噪声修正功率延迟分布是h_k-γZ。

18、根据权利要求11所述的装置，其中：

Z是所述偏移噪声基底功率估计；

Z^*是多个功率值h_k的平均功率；

γ是所述噪声定标因子；并且

$\mathrm{\γ}=\frac{Z^{*}}{Z}.$

19、根据权利要求11所述的装置，其中：

所述确定噪声定标因子的装置按以下公式来确定最优噪声定标因子：

${\mathrm{\γ}}^{\′}=\frac{N_{\mathrm{paths}}+\mathrm{\γ}(N_p-N_{\mathrm{paths}})}{N_p},$

其中：

N_p是所述功率延迟分布中的峰值的数量；

N_paths是N_p个功率值中的真实路径数；并且

$\mathrm{\γ}=\frac{Z^{*}}{Z},$ 其中，Z是偏移噪声基底功率估计，Z^*是N_n个最小功率延迟分布值的平均功率。

20、根据权利要求11所述的装置，还包括：

用于存储所述噪声定标因子以在线使用的装置；

其中，所述用于确定所述噪声定标因子的装置在确定所述功率延迟分布、计算所述噪声修正功率延迟分布、以及计算所述重心位置估计之前离线确定所述噪声定标因子。

Images