CN101034945B - 确定总全向灵敏度(tis)的系统和有关方法 - Google Patents

Abstract

一种用于确定包括射频(RF)接收机和与之相耦合的天线的移动无线通信设备的总全向灵敏度(TIS)的测试方法，可包括步骤：测量RF接收机的灵敏度；与测量RF接收机的灵敏度无关地，测量天线的三维(3D)增益图案。该方法还可包括根据RF接收机的灵敏度和天线的3D增益来确定移动无线通信设备的TIS。

Description

确定总全向灵敏度(TIS)的系统和有关方法

技术领域

本发明涉及通信系统的领域，更具体地，涉及例如蜂窝通信系统的移动无线通信系统中的性能测试以及有关方法。

背景技术

在过去的十年中，数字无线(即蜂窝)设备对于消费者而言非常普及。结果，为了保持较高的消费者满意度，无线运营商、制造商和认证机构已经注意到建立蜂窝设备的验证和认证过程的更高标准。

为了满足越来越多样化的消费市场的需求，运营商从多个制造商处提供了多种无线设备，例如蜂窝电话、个人数字助理(PDA)和智能电话。所有这些给出的设备类型可同时工作在相同的运营商网络上。

无线运营商重金投资在射频牌照和基础设施布置上。为了在不需要附加的基础设施投资的情况下保持消费者关于语音质量的满意度和覆盖区域，运营商致力于获得用统一的射频(RF)测试标准测试的高质量移动无线设备，以便可容易地比较来自不同制造商的无线设备的性能，并且如果这些设备满足其网络规范，则运营商可验证这些设备。

还希望具有统一的测试标准，以便制造商可在设计阶段知道他们所设计的设备是否可通过标准化机构的认证并满足运营商的验证要求。因为标准化测试影响产品的上市时间，所以标准化测试对于设计过程是关键的。

对于运营商、制造商和例如全球认证论坛(GCF)和PCS型号委员会(PTCRB)方案的认证机构，希望具有可靠、精确且在特定时帧内可管理的测试方法。蜂窝电信&互联网协会(CTIA)具有在蜂窝移动业广泛采用的空中性能测试计划上的移动站的测量标准。确定无线移动站发射和接收能力的两个关键参数是总辐射功率(TPR)和总全向灵敏度(TIS)。TPR是平均发射天线增益和发射功率的组合数，其确定了终端的上行性能。TIS是量化移动站接收弱信号的能力的单个数字值，其确定了终端的下行性能。

在该标准下，TPR测量过程与TIS方法相比而言相对较快且精确。然而，下行和上行性能同等重要。较差的TIS可导致低质量的语音信号，并且还可改变覆盖区域。与TPR测试方法相比，当前的TIS测试方法受到丢失基站信号(即呼叫终止)、相对较大的测量不确定性和相对较长的测试时间的问题的影响。

US2006/017630公开了一种测量移动和无线终端的接收机灵敏度的设备和方法，包括容纳要测试的终端(TUT)的室。该室包括内反射材料的壁，使壁对电磁波进行反射；以及在室内的至少一个可移动物体。这些终端包括至少接收机和天线。该设备还包括仪器，来测量与室内的天线相连的误码率(BER)或误帧率(FER)，并且建立来与TUT进行通信，其中在TUT上接收到的信号显示出通过移动室内的可移动物体而获得的衰落。

发明内容

根据本发明，提出了一种用于确定包括射频(RF)接收机和与之相耦合的天线的移动无线通信设备的总全向灵敏度(TIS)的测试方法，可包括步骤：测量RF接收机的灵敏度；与测量RF接收机的灵敏度无关地，测量天线的三维(3D)增益图案。该方法还可包括根据RF接收机的灵敏度和天线的3D增益来确定移动无线通信设备的TIS。

附图说明

图1是根据本发明，用于测量传导的射频(RF)接收机灵敏度的示范测试系统的示意方框图。

图2是根据本发明，用于测量辐射的RF接收机灵敏度的示范测试系统的示意方框图。

图3-5是根据本发明的RF接收机灵敏度测量的示范方法的流程图。

图6是根据本发明，用于测量RF路径损耗的示范方法的流程图。

图7和8是根据本发明，用于确定RF源和具有滞后现象的RF接收机之间的RF路径损耗的示范方法的流程图。

图9和10是根据本发明，用于确定移动无线通信设备的总全向灵敏度(TIS)的示范方法的流程图。

图11-15是根据本发明，用于确定路径损耗的示范方法的流程图。

图16和17是根据本发明，不同数据集合的BER-RCH功率电平改变的图，以及相应的BER-TCH功率电平函数的图。

图18是示出了使用样条拟合近似的正弦波的图。

图19是手持设备的滞后转换的图。

图20是根据本发明，用于确定TIS的测试系统的示意方框图。

具体实施方式

参考附图来说明本发明，附图中，示出了优选实施例。然而，可使用多个不同的实施例，因此说明书不应理解为局限于这里提出的实施例。而是，提供这些实施例，以使本公开彻底且完整。全文中，类似的数字指代类似的元件，并且撇号和多撇号用于指示可选实施例中的类似元件。

一般而言，本发明涉及一种用于确定包括射频(RF)接收机和与之相耦合的天线的移动无线通信设备的总全向灵敏度(TIS)的测试方法。该方法可包括测量RF接收机的灵敏度、与测量RF接收机的灵敏度无关地测量天线的三维(3D)增益图案、以及根据RF接收机的灵敏度和天线的3D增益图案来确定移动无线通信设备的TIS。

更具体地，测量灵敏度可包括以第一功率电平来测量RF接收机的灵敏度，并且测量3D增益图案可包括以高于第一功率电平的第二功率电平来测量天线的3D增益图案。该方法还可包括校准RF电源。

例如，可通过测量信号路径损耗来测量3D增益图案。此外，确定接收机灵敏度可包括针对与目标误码率(BER)相关联的接收到的信号强度指示符(RSSI)来扫描RF源的发射功率电平。

此外，该方法还可包括测量RF源与参考天线之间的自由空间路径损耗并基于此来校准RF接收机。更具体地，可在多个参考角度上测量自由空间路径损耗，并且参考天线可以是偶极天线。例如，可在RF消声室中执行多个测量步骤。

用于确定总全向灵敏度(TIS)的测试系统可包括：RF接收机；包括射频(RF)接收机和与之相耦合的天线的移动无线通信设备；使RF源与移动无线通信设备相耦合的无线通信链路；以及与RF接收机相耦合的测试控制器。更具体地，测试控制器可用于测量RF接收机的灵敏度，与测量RF接收机灵敏度无关地测量天线的三维(3D)增益图案，以及根据RF接收机的灵敏度和天线的3D增益图案来确定移动无线通信设备的TIS。

下面的描述组织如下。首先，提供TIS测量及遇到的问题的背景讨论，接下来是这里提出的新TIS测量方法的概述。接下来讨论用于确定传导和辐射的灵敏度、路径损耗以及执行系统校准的新技术，在新的TIS测量方法中同样用到其中的某些方面。其后，进一步讨论新的TIS测量方法。

CTIA TIS标准在不同角度以基站仿真器中设置的固定衰减来测量辐射的灵敏度。衰减是与基站仿真器相连的双极化源天线与标准偶极天线之间的自由空间路径损耗。以改变的角度来测量被测试的设备(DUT)，并且通过对空间测量进行编译，构成移动接收机性能的3D特性。TIS是总括DUT的整体三维性能的单个值。

这里提供的用于完成TIS测试的方法有利地解决了TIS测量的多种基本问题，包括搜索时间、精确地和呼叫挂起。搜索时间由在每个所测角度获得较大误码率(BER)样本所需的时间来确定。获得精确的TIS测量在合理的搜索时间内是不切实际的，因为在灵敏度搜索过程期间以精细的发射功率减少步长来获得较大的BER样本是非常耗时的，本领域的技术人员可理解这一点。由于天线增益扩展而会发生呼叫挂起。即，如果在给定测量角度处天线增益非常低，则BER变得极高且基站不能够维持链路。类似地，在给定的测量角度处，如果天线增益非常高，则基站仿真器将过载并终止呼叫。为了获得合理的搜索时间，与TPR测量相比，CTIA选择使用较小的样本大小和较小的角密度。

一般而言，这里提出的方法独立地测量辐射的灵敏度和天线增益。该方法比当前方法更加稳定且更快，并且提供了改善的精确度。TIS是从移动天线增益的空间分集测量和整体灵敏度中推导出的单个值。灵敏度测量是移动站报告2.44％或更低的II级残余误码率(RBER)的移动站发射(TX)功率。通常，减小校准的基站发射功率，直至实现所希望的RBER为止。CTIA标准TIS方法以多次测量3D图案来测量灵敏度和天线增益。在多次灵敏度测量期间，或者在以低仿真器TX功率改变移动设备的位置的同时，频繁发生呼叫终止。

这里公开的TIS方法只需要一次灵敏度测量，并且可通过独立地测量天线增益和无线电辐射灵敏度来进行。无线电辐射灵敏度可在任意给定的角度处执行。可通过无线电信号强度指示符(RSSI)所报告的路径损耗测量来获得接收天线增益信息。

为了获得精确绝对的天线增益测量，必须解决一些问题。一个问题是，在GAM标准下，RSSI存在+/-2dB的报告误差。这产生了固有且不可接受的误差。为了消除这种误差，可使用基站仿真器，在传导或辐射模式下校准设备。此外，可校准基站仿真的发射电平以确保令人满意的RSSI报告。根本上，使用相对精确的设备来校准基站的发射电平。

对于传导的校准方法，利用确定的基站发射电平，确定传导的电缆和有关探针的电缆损耗。此外，计算发射电平和有关的电缆损耗，并且在所需范围上确定移动设备的RSSI报告。与预期的发射电平的任意偏差(减去电缆的路径损耗)是RSSI报告误差，记录该误差以用于将来的偏移。

此外注意，当前基站仿真器以以dB为单位的整数，而不是以dB的小数，来记录GSM RSSI数据。通过截短数值RSSI报告系统，存在+/-1dB的基站强制误差。然而，尽管基站以整数值来报告，它们也表明了连续整数的整数改变的确定边缘区域。通过找到该特定的值，例如假设发射电平中的0.1dB改变量，基站仿真器的RSSI报告精确度可从+/-1.0dB改变为0.1dB。

与BER灵敏度搜索相比，路径损耗搜索明显更加时间有效，然而与当前CTIA方法相比同样或更精确。该路径损耗校正还可用于精确的无线电辐射灵敏度测量。可通过以校正的路径损耗测量较大BER样本来获得这些测量。由于路径损耗搜索方法仅测量一个角度的灵敏度，所以可获得非常精确的无线电辐射灵敏度测量。

在基站仿真器中，在移动站链接期间，在物理上或数学上考虑自由空间路径损耗。尽管倒转地使用传导模式可校正RSSI，如果由于发射电平下降RSSI报告降低而使得天线增益看来更差，灵敏度将变好。典型地在移动设备仍然能够解码接收到的信号的上限内选择目标灵敏度。作为示例，对于多种测试实施方式，通常使用2.44％的目标BER。移动断开在产生目标BER或高于目标BER的BER的功率电平处比在产生相对较低BER的发射电平处的可能性更高。因此，选择在整个球面TIS测量上安全地产生这种条件的移动发射电平。优选地考虑天线内的合理的零点(null)来选择该发射电平。

然而，基站仿真器发射电平的改变以及设备的RSSI读取可引起首次测量和所有后继测量之间的无关。因此，优选地在所有使用的范围上校准基站和移动RSSI以确定正确的测量线性。RSSI和灵敏度误差彼此抵消。总TIS相同，与RSSI报告和对灵敏度引起的反向误差无关。

使用新设计的路径损耗搜索方法来解决RSSI报告的不精确性。通过使用相对较高的基站仿真器发射电平来减少呼叫挂起，并且通过校准来消除有关的RSSI曲线的不确定性。此外，使用新的消除方法来减少系统误差。

基站仿真器以整数而不是分数来记录GSM RSSI。通过截短所报告的数，存在+/-1dB的强制误差。对于所有截短的数，在连续的整数之间存在清楚定义的改变区域。这可通过使基站仿真器发射电平改变最小可能分辨率来找到。然后从所述分辨率的±1.0dB减去该误差。典型地，该分辨率是0.1dB，因此所产生的误差是±0.1dB。通过首先前进到边界值并将发射电平改变为所希望的电平，来达到小于1dB的所有其它非边界值和最低分辨率的倍数。

存在确定连续报告的整数RSSI值之间的改变值的多种不同方法。拾取半随机位置、然后以0.1dB间隔或步长增加或减少是一个实现的数学上简单的搜索方法。希望使用一种平均提供增加效率的方法。这包括使连续尝试的次数(即步长)最小化来找到边界值。下面进一步讨论的已知方法是5-2-1-1方法，该方法以“跳步”或二进制搜索图案移动。作为建议，四次移动典型地是0.5dB、然后是0.2dB、然后是两次连续的0.1dB跳跃。通过检查所报告的RSSI并对步长的方向(正或负)调整进行校正，可确定边界值。此外要考虑到，RSSI报告通常具有需要考虑的转换滞后。

由于RSSI对设备灵敏度和天线增益的反向性质，具有±2.0dB误差的RSSI对TIS没有影响。如果通过报告高于组合基站仿真器发射电平的发射电平，RSSI报告指示出自由空间路径损耗小于实际损耗，则天线增益将成比例地大差值量。然而，移动站处实际接收机发射电平比预期更低，因而更快地达到目标灵敏度。灵敏度将变差与天线增益变好的量相同的量。

作为示例，如果发射功率是-70dB，路径损耗40dB，预期的RSSI是-110dB。如果RSSI在误差报告中是-108，则预期的天线增益将上升2dB(考虑预期和所报告的差值)。然而，根据对RSSI的测量，设备返回误码率的值下降2dB。在该示例中，尽管假设设备接收-108dB的信号，实际上设备接收-110dB的信号。它将达到报告高2dB的目标误码率。灵敏度将变差与天线增益改善相反的量，反之亦然。因此，由于TIS是天线增益和灵敏度的组合，这将没有影响。

TIS是量化移动站接收弱信号的能力的单个数字值。TIS确定终端的下行性能。以dB为单位的TIS等于无线电辐射灵敏度减去天线增益，即TIS＝P_s-G_r，                (1)

其中P_s是无线电辐射灵敏度，以及

$G_r=\frac{1}{4\mathrm{\π}}\underset{0}{\overset{2\mathrm{\π\π}}{\∫}}\underset{0}{\∫}G(\mathrm{\θ},\mathrm{\φ})\sin \mathrm{\θd\θd\φ},---\left(2\right)$

其中G(θ，φ)是接收天线功率图案。

现在来参考图1，首先描述用于测量传导的接收机灵敏度的测试系统30。系统30示意地包括经由RF电缆33与要测试的手持设备接收机32相耦合的RF测试源31。作为示例，手持设备接收机32可以是全球移动通信系统(GSM)接收机、通用分组无线业务(GPRS)接收机和/或全球移动通信系统(GSM)增强数据率改进(EDGE)接收机。当然，也可使用其它适当的无线接收机。

此外，RF源31可以是例如Rohde and Schwartz universal radiocommunication tester CMU200或Agilent8960基站仿真器之一，当然也可使用其它适当的仿真器和/或RF测试源。测试控制器34与手持设备接收机32相连，用于执行多种测试操作和测量，这些将在下面详细进行讨论。应该注意，尽管RF源31和测试控制器34在图1中示出为分离的组件，但是RF源和测试控制器的功能实际上可由同一个基站仿真器执行。可选地，测试控制器34可以是与RF源31分离的计算机或计算设备，本领域的技术人员可理解这一点。

本领域的技术人员可认识到，路径损耗在无线电传导灵敏度测量的精确度中起重要作用。然而，在测试配置中执行路径损耗测量的一个难点在于，如上所述，即使接收机32的内部放大器可具有更好的精确度，例如大约±0.1dB的精确度，典型基站仿真器也仅报告±1dB水平的接收机精确度。通过获得接收机功率电平的符号改变信息，因此可将路径损耗的精确度提高为±0.1dB，这将在下面进一步讨论。

在传导接收机灵敏度测试的情况下，将良好地校准将接收机32与基站仿真器31相连的电缆33的路径损耗。一种相对直接的精确路径损耗测量包括使接收机32的内部放大改变0.1dB，直到获得所希望的RSSI边缘点。然而，如果起始点距离边缘点0.9dB，则需要多个步骤，因此将花费增加的测量时间来找到边缘点。相应地，可使用更复杂的测试方案来减少找到边缘点平均所需的步骤数，因此减少测试时间。

例如，图11示出了一个稍微复杂的方法。从块110处开始，在块111处，首先在RF源31上设置所希望的TCH功率电平。在块112处，首先使接收机32的内部放大电平改变粗增量，所述粗增量是例如接收机的报告RSSI与TCH功率电平之间的差值或其它整数值。然后在块113-114处，通过使用细增量(例如0.1dB)来改变接收机的内部放大电平，直到观察到边缘转变，来找到边缘，以提供路径损耗，此时，可设置和/或记录接收机32的内部放大值(块115)，这样结束所示方法(块116)。

换言之，“粗”搜索使内部放大改变TCH电平与报告的RSSI之间的差值。由于在该示例中报告的RSSI是整数值，所以这给出了±0.1dB的精确度。“细”搜索则确定了两个连续RSSI读出之间的边缘。

也可使用粗-细边缘点检测方法的其它变体。一般而言，这些方法的粗部分基本相同，因此这里只特别注意对于给定实施方式适当的细搜索中的变化。细搜索通常包括三个阶段。首先，通过调节基站仿真器的内部放大和TCH电平，将RSSI设置为所希望的电平。接下来，在连续递减量序列中改变内部放大，以找到边缘。为了确保精确度也是0.1dB，应该使这些量小至0.1dB(或者给定内部放大器的精确度)。最后，由于测量也许超过所希望的RSSI0.1dB，也许需要“后退”到边缘点。

现在参考图12来描述细搜索的另一示例。从块120处开始，在块121处，将RSSI设置为所希望的电平，并且在块122-123处，以0.2dB的增量来改变内部放大，直到不再报告所希望的RSSI。即，在多个(典型在1到5之间)步骤之后，由于内部放大将以0.1dB或0.2dB跳过边缘，所以返回的RSSI将不再匹配所希望的电平。因此，在块124-125处，以一个或两个步骤(取决于以0.1还是0.2dB跳过边缘)，以0.1dB的量减少或“后退”内部放大电平将找到边缘点，这样结束所示方法(块126)。

现在参考图13来描述另一细搜索过程。从块130处开始，如上所述，在块131-133处，将RSSI设置为所希望的电平，然后以0.3dB的增量增加内部放大，直到RSSI不再是所希望的值。在块136-138处，一旦RSSI改变，两个连续的0.1dB的扫描将在RSSI中产生改变，从而定位边缘，然后在使内部放大减少0.1dB(块139)，这样结束所示方法。例如，如果总改变是0.1dB(例如+0.2dB然后-0.1dB，总共+0.1dB)，并且这在RSSI中产生改变，则找到边缘。可选地，如果在块134处，内部放大改变三倍(即0.9dB)而RSSI未变离所希望的值，由于以整数进行报告，所以1.0dB的改变将改变RSSI，也可定位边缘。

现在参考图14来描述另一示范方法。从块140处开始，起始的实际RSSI值是-80.47dB，报告的RSSI是-80dB(块141)。然后在块142处，使内部放大增加0.6dB，实际RSSI值改变为-79.87dB，并且报告的RSSI改变为-79dB(块143)，这表示已经越过了边缘。在块144处，下一步骤减少0.3dB，这使实际SRRI值改变为-80.17dB，报告的RSSI回到-80dB(块145)，这表示越回了边缘。同样，在块146处，使内部放大增加0.1dB，实际RSSI值改变为-80.07dB，报告的RSSI保持为-80dB(块147)，这意味着未越过边缘。接下来，执行另一0.1dB增加(块148)，这使实际RSSI值改变为-79.97dB，还使报告的RSSI改变为-79dB，从而定位边缘(块149)，并在块150处结束所示方法。

本领域的技术人员可理解，可使用多个不同的边缘定位方案。第一个和每个后继的跳跃典型地为0.1至0.9dB的任意数。对于每一步骤，跳跃值可改变或保持恒定。为了针对给定的应用来选择适当的方法，首要考虑数据的变化和平均性能。例如，对于相对“平坦”的数据，图11所示的方法可比图12所示的方法更快地定位边缘，但是对于“倾斜”的数据，情况相反，甚至可能多三步。

现在参考图15所描述的另一方法是五步路径损耗方案。从块151处开始，在块152处，获得给定TCH电平的报告RSSI。在块153处，第一步骤包括确定报告的RSSI是否与RCH电平相同。如果是，则该方法前进至步骤2。如果否，则在块154处，使内部放大增加报告的RSSI减去给定的TCH电平所获得的差值。则获得新的报告的RSSI(块152)，并且在块156处，在步骤2至4，以0.5dB、0.2dB和0.1dB的连续递减量来改变内部放大。

如果在每个这些改变之后报告的RSSI与上次报告的RSSI不同，则在下一步骤之前改变符号以反向前进(块158)(即向边缘后退)。一旦完成了第一至第四步骤，则在块160处，第五步骤包括再次确定报告的RSSI是否与上次报告的RSSI相同，以及如果是，则在块161、162处，使内部放大再次改变0.1dB(这将是边缘)，获得报告的RSSI，以结束所示方法(块159)。该方法的优点在于，该方法将在五个步骤内集中到边缘点，这给不同曲线类型提供了良好的综合结果。

现在参考图3和4来描述在确定在一个或多个频率波段上延伸的多个信道的传导射频(RF)接收机灵敏度的测试方法中的路径损耗搜索的使用。本领域的技术人员可以理解，接收机灵敏度是基于所希望的误码率(BER)下的业务信道(TCH)功率电平而定义的。BER是“端到端”性能测量，其量化从“比特输入”到“比特输出”的、包括之间的电子器件、天线和信号通路的整个无线电系统的可靠性。

除了接收机测试设备的相对较差的报告精确度之外，确定接收机灵敏度的另一难点在于，这是非常耗时的过程。即，如上所述，在蜂窝波段内通常存在大量信道，而蜂窝设备可工作在多个波段上。因此，覆盖设备所使用的所有信道的灵敏度测量需要几小时，甚至是几天来完成。

为了减少接收机灵敏度测量时间，优选地使用相对快速的灵敏度搜索算法。从块40处开始，如果RF电缆33的路径损耗尚未知，则在块48’处，使用上述路径损耗搜索之一(或其它)，可有利地确定路径损耗函数。更具体地，与RF电缆33相关联的路径损耗对于不同信道(即频率)是不同的，但是在这些路径损耗值之间存在大致的线性关系。因此，通过确定两个分离信道的路径损耗(例如波段中的第一和最后信道)，可快速地产生RF电缆33的线性路径损耗函数。这提供了所有信道的路径损耗的快速且精确的近似，尽管如果需要，在一些实施例中可独立地测量每个信道的路径损耗。

此外，在块41处，确定初始信道的BER-TCH功率电平函数。初始信道可以是波段中的任意信道，但是为了解释，假设初始信道是波段中的第一信道。已经发现，给定足够的采样帧，则对于波段内的所有其它信道，频率波段内的给定信道的TCH功率电平-BER函数的大致形状基本相同。这是因为函数是通过手持设备的调制方案和数字信号处理(DSP)算法确定的。作为示例，GPRS具有GMSK调制方案。由于BER-每比特能量的关系具有指数形式，所以BER-TCH电平函数也具有指数形式。因此，一旦找到了一个信道的函数形状，则可将该函数用于快速地定位每个后继信道的TCH电平/目标BER点，这将在下面进一步讨论。

具体地，在块41’处，通过测量目标BER范围内的多个BER的各个TCH功率电平，并根据目标BER范围内的所测量BER来确定BER-TCH功率电平函数(即根据所测量值的曲线拟合)，来确定初始信道的BER-归一化TCH功率电平函数。典型地，由于特定目标范围之外的值将导致连接掉线等，所以仅对该范围内的BER值感兴趣。作为示例，目标范围可以是大约1％至3％，尽管对于不同的应用，其它的目标范围也可是适当的。下面将进一步讨论用于产生BER-TCH功率电平函数的多种曲线拟合方法，例如最小平方方法。

为了找到BER目标范围的边缘，可使用粗搜索，粗搜索包括当所测量的BER小于0.5时使TCH功率电平以相对粗的负增量(例如-1.5dB)步进，以及当所测量的BER大于3.0时使TCH功率电平以相对粗的正增量(例如+2.0dB)步进。这给出了目标范围的边缘点的相对接近的近似，然后可以以相对细的TCH功率电平增量(例如0.1dB增量)来进行目标范围内的后继测量，以提供曲线拟合的数据点。

由于BER数据通常伴有噪声，所以曲线拟合是适当的。即使所有的控制参数(自变量)保持恒定，产生的输出(因变量)也变化。因此在数量上估计输出的趋势的过程是有用的，该过程同样是曲线拟合。该曲线拟合过程将近似曲线的方程拟合到原始的现场数据，本领域的技术人员可理解这一点。

如上所述，BER-TCH电平函数的数据是大致指数的。可用于拟合指数曲线的两个示范曲线拟合方法是最小平方多项式近似和非线性(即指数)最小平方近似。首先描述最小平方多项式近似的理论和实现方式。由于可容易地操作多项式，所以通常将这种函数拟合到绘图时为非线性的数据。在下面的示例中，n是多项式的阶数，N是数据对的数目。如果N＝n+1，则多项式精确地通过每一个点。因此，将总是满足N>n+1的关系。

假设函数关系

y＝a₀+a₁x+a₂x²+…+a_nxⁿ，

误差定义为

$e_i=Y_i-y_i=Y_i-a_0-a_1{x}_i-a_2{x}_i^2-\·\·\·-a_n{x}_i^n,$

其中Y_i表示与x_i相对应的观察或实验值，x_i没有误差，误差的平方和是

$S=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(Y_i-a_0-a_{i}x-a_i{x}^2-\·\·\·-a_n{x}_i^n)}^2.$

在最小值处，偏导数 是零。写出这些项的方程，给出n+1个方程如下：

$\frac{\mathrm{\δS}}{\mathrm{\δ}{a}_1}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}2(Y_i-a_0-a_1{x}_i-\·\·\·-a_i{x}_i^n)(-1)$

$\frac{\mathrm{\δS}}{\mathrm{\δ}{a}_0}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}2(Y_i-a_0-a_1{x}_i-\·\·\·-a_i{x}_i^n)(-x_i)$

$\frac{\mathrm{\δS}}{\mathrm{\δ}{a}_n}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}2(Y_i-a_0-a_1{x}_i-\·\·\·-a_i{x}_i^n)(-x_i^n)$

将每个方程除以-2并重新整理，给出了要联立求解的n+1个正定方程：

$a_{0}N+a_1\mathrm{\Σ}{x}_i+a_2\mathrm{\Σ}{x}_i^2+\·\·\·+a_n\mathrm{\Σ}{x}_i^n=\mathrm{\Σ}{Y}_i$

$a_0\mathrm{\Σ}{x}_i+a_i\mathrm{\Σ}{x}_i^2+a_2\mathrm{\Σ}{x}_i^3+\·\·\·+a_n\mathrm{\Σ}{x}_i^{n+1}=\mathrm{\Σ}{x}_i{Y}_i$

$a_0\mathrm{\Σ}{x}_i^2+a_1\mathrm{\Σ}{x}_i^3+a_2\mathrm{\Σ}{x}_i^4+\·\·\·+a_n\mathrm{\Σ}{x}_i^{n+2}=\mathrm{\Σ}{x}_i^2{Y}_i.$

$a_0\mathrm{\Σ}{x}_i^n+a_1\mathrm{\Σ}{x}_i^{n+1}+a_2\mathrm{\Σ}{x}_i^{n+2}+\·\·\·+a_n\mathrm{\Σ}{x}_i^{2n}=\mathrm{\Σ}{x}_i^n{Y}_i$

以矩阵形式放置这些方程将揭示出系数矩阵的特别图样：

$\left[\begin{array}{cccccc}N& \mathrm{\Σ}{x}_i& \mathrm{\Σ}{x}_i^2& \mathrm{\Σ}{x}_i^3& \·\·\·& \mathrm{\Σ}{x}_i^n\\ \mathrm{\Σ}{x}_i& \mathrm{\Σ}{x}_i^2& \mathrm{\Σ}{x}_i^3& \mathrm{\Σ}{x}_i^4& \·\·\·& \mathrm{\Σ}{x}_i^{n+1}\\ \mathrm{\Σ}{x}_i^2& \mathrm{\Σ}{x}_i^3& \mathrm{\Σ}{x}_i^4& \mathrm{\Σ}{x}_i^5& \·\·\·& \mathrm{\Σ}{x}_i^{n+2}\\ \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·\\ \mathrm{\Σ}{x}_i^n& \mathrm{\Σ}{x}_i^{n+1}& \mathrm{\Σ}{x}_i^{n+2}& \mathrm{\Σ}{x}_i^{n+3}& \·\·\·& \mathrm{\Σ}{x}_i^{2n}\end{array}\right]*\left[\begin{array}{c}{a}_0\\ a_1\\ a_2\\ \·\\ \·\\ \·\\ a_n\end{array}\right]=\left[\begin{array}{c}\mathrm{\Σ}{Y}_i\\ \mathrm{\Σ}{x}_i{Y}_i\\ \mathrm{\Σ}{x^2}_i{Y}_i\\ \·\\ \·\\ \·\\ \mathrm{\Σ}{x}_i^n{Y}_i\end{array}\right]$

该矩阵方程被称为最小平方问题的正定矩阵。在该方程中，a₀，a₁，a₂…a_n是未知系数，而x_i和Y_i是给定的。因此可通过对上述矩阵方程求解来获得未知系数a₀，a₁，a₂…a_n。

为了拟合曲线Y_i，需要知道应该使用几阶多项式来最佳拟合数据。随着多项式的阶数增加，点与曲线的偏差减少，直到多项式的阶数n等于N-1。此时，出现精确的匹配。按照统计，只要方差σ²中存在统计上的明显减少，则近似多项式的程度增加，方差σ²计算如下：

${\mathrm{\σ}}^2=\mathrm{\Σ}\frac{{e_i}^2}{N-n-1}.$

在两个示范实施方式中，使用C++编程上述方法，并且使用两个不同的方法对正定矩阵求解，即Gauss-Jordan方法和LU分解，本领域的技术人员可理解这一点。尽管这两种方法都产生相当的结果，但是发现对于最小平方多项式近似程序，由于LU分解提供了所希望的性能结果，所以LU分解是更合意的。

上述C++程序实现以使得能够计算改变阶数的近似曲线拟合方程的系数。具有2、3、4和5阶的多项式用于相对于BER数据值来拟合曲线，并且发现，三阶多项式产生最佳的结果。更具体地，多于三阶并未显示出拟合曲线的任何显著改善。因此，使用三阶多项式，相对于BER数据值来拟合曲线。

现在描述使用最小平方方法的拟合非线性指数曲线的理论和实现方式。在多种情况下，从实验测试获得的数据不是线性的。同样地，必须将一阶多项式之外的其它函数拟合到这些数据。可使用的常见形式是类型y＝ax^b或y＝ae^bx的指数形式。

通过将偏导数设置为等于零，可再次形成这些形式的正定方程，但是这种非线性联立方程比线性方程更难求解。因此，通常通过在确定参数之前取对数，例如ln y＝ln a+bln x或ln y＝ln a+bx，将这些形式线性化。然后，引入新的变量，即z＝ln y，作为ln x或x的线性函数。在这种情况下，代替使Y与曲线的偏差的平方和最小化，使ln Y的偏差最小化。为了找到何种形式的曲线最佳拟合BER数据，使用MathCAD数学软件。使用MathCAD来绘制BER曲线，并且相对于BER数据来拟合不同形式的曲线。可发现，y＝ce^ax所定义的指数曲线提供了BER数据的所希望拟合，尽管在不同的实施方式中，其它函数可提供所希望的结果。

数据线性化用于将类型y＝ce^ax的曲线拟合到数据点，以(x₁，y₁)，(x₂，y₂)，…(x_N，y_N)给出，其中x是自变量，y是应变量，N是x，y对的数目。为了使数据线性化，两边取对数，即ln y＝ln c+ax。然后引入变量的改变，即X＝x和Y＝ln(y)，这产生方程Y＝aX+ln(c)。该方程是变量X和Y的线性方程，并且可用形式Y＝AX+B的“最小平方线”来近似。然而，在这种情况下，ln(y)而不是y将用于执行最小平方近似。与最后两个方程相比，注意A＝a和B＝ln(c)。因此，a＝A和c＝e^b用于构造随后用于拟合曲线y＝ce^ax的系数。

再次以C++编程该方法。该方法要求解的正定矩阵仅仅是2X2的，可以相对高的精确度来求解。图16和17示出了使用该方法绘制的两个不同数据集合的曲线。

上述非线性指数最小平方和最小平方多项数方法都以相对高的精确度近似了原始数据。一般而言，使用这些方法而产生的曲线误差的余量将导致灵敏度测量中的误差余量小于0.1dB。此外，这些方法所提供的结果彼此非常接近。下面是对两个数据集合(即数据集合1和数据集合2)执行指数和最小平方多项式近似而获得的结果。这里，‘S’表示标准误差，‘R’表示相关系数。

数据集合1的结果：

3阶多项式拟合：y＝a+bx+cx²+dx³...

系数数据：

a＝1.075334              S＝1.720

b＝0.653063              R＝.99168

c＝0.097339

d＝0.048979

指数拟合：y＝ae^bx

系数数据：

a＝1.092514   标准误差(S)＝1.690

b＝0.533035   相关系数(R)＝.99158

数据集合2的结果：

3阶多项式拟合：y＝a+bx+cx²+dx³...

系数数据：

a＝1.192487           S＝1.101

b＝0.565984           R＝.99592

c＝0.164962

d＝0.031628

指数拟合：y＝ae^bx

系数数据：

a＝1.1846416          S＝1.131

b＝0.5021062          R＝.99588

对于两个结果集合，多项式拟合比指数拟合具有稍高的相关系数。然而，数据集合2中的多项式拟合的标准误差小于指数拟合的标准误差，但是在数据集合1中，指数拟合的标准误差小于多项式拟合。

根据这些结果，由于指数拟合步需要包含与三次方程相同多的项数，所以指数拟合模型被认为更优选。这是因为指数模型y＝ae^bx提供了与多项式方法几乎相同的精确度(即到达大约第三位小数位)，并且还具有其中所有项的物理解释。当然，适当时，在多种应用中可使用多项式方法或其它方法，本领域的技术人员可理解这一点。

一般而言，如果曲线拟合中要使用的数据似乎不能够通过直线来近似，则通常有可用于良好拟合数据的方程。考虑拟合数据的曲线类型时首先想到的是多项式。这是因为可应用多项式而不需要预先计划，并且多项式在匹配图表数据的形状中通常是成功的。然而，当选择更高阶的多项式来拟合数据时，可能难以确定多项式方程中的系数的理论基础。优选地以为何选择特定的模型、以及该模型应该具有某种类型的其中每个参数的物理解释作为基础。

使用线性化的方程来拟合数据的优点是显而易见的。典型地，这种类型的曲线比多项式更易于理解或预测。即，正确选择曲线来拟合数据可导致洞察到产生数据的深层机制。其次，可比多项式更可靠地进行例如微分、积分、内插和外插的这些曲线的操作。第三，线性化的曲线通常需要比多项式更少数目的参数来估计值。结果，正定矩阵较小，并且可以相对高的精确度来求解。因此，这减少了对求解通常具有不希望的病态属性的较大线性方程组的需求。因此，对于BER数据，申请人可确定，通常希望使用例如对数、倒数和指数的非线性形式来找到可线性化的曲线，以匹配数据的形状，而不采用更高阶多项式。

在根据目标范围内的所测量BER值而产生了初始信道的BER-TCH功率电平函数之后，该函数则可用于有利地执行给定频率波段中的每个随后信道的所希望BER和相应TCH功率电平的快速搜索。首先，在块42处，根据BER-TCH功率电平函数和所希望的BER，选择随后信道的估计或起始TCH功率电平。即，确定与随后信道中所希望的BER相对应的TCH功率电平的估计，并用作起始点，以针对所希望的BER来训练实际TCH功率电平。为了本讨论，假设2.44％的希望BER，尽管根据要满足的给定标准或运营商要求，其它的希望BER也是适当的，本领域的技术人员可理解这一点。

应该注意，可根据上述路径损耗函数来选择估计的TCH功率电平。即，确定随后信道的估计TCH功率电平的一种方法是使用与所希望的BER(即2.44％)相对应的初始信道的TCH功率电平并使该值偏移路径损耗函数上初始和随后信道的路径损耗值(或者如果未使用路径损耗函数，则实际测量值)之间的差值，本领域的技术人员可理解这一点(块42’)。

一旦确定了估计的TCH功率电平，则在块43处，据此来测量随后信道的BER。如果所测量的BER不在目标BER范围内(例如1.0至3.0％)，则可使用上述粗步长搜索来确定在该范围内中的TCH功率电平。如果所测量的BER在目标范围内，则在块44处，将其与所希望的BER值相比较，并将两者之间的差值(即△)以及BER-TCH功率电平函数用于确定下一个估计的TCH功率电平。根据TCH功率电平函数的上述讨论，本领域的技术人员可理解，由于ΔBER和系数b已知，则根据关系ΔBER＝bce^bxΔTCHlevel可估计下一个估计的TCH功率电平。

如果在块45处，所测量的BER不在所希望的BER的阈值范围内(例如±0.15％)，则在块46处，重复上面参考块43和44所述的步骤，直到找到与所希望的BER相对应的TCH功率电平(即在阈值范围内)，这样结束图3所示的方法。然而，如果希望更加精确，则在块46’处可使用线性近似。更具体地，在相对较小的0.3％BER范围内(即±0.15％的BER阈值范围内)，BER-TCH功率电平曲线的形状近似为线性。因此，该线性关系可用于提供更进一步的精确度，本领域的技术人员可理解这一点。

现在转向图2和5，来描述用于确定RF接收机辐射灵敏度的测试系统30’和方法。测试系统30’包括RF源31’(例如基站仿真器)、RF受控包围的环境以及无线手持设备接收机32’。本领域的技术人员可理解，RF受控包围的环境是电磁(EM)波屏蔽环境，如所示的EM消声室37’(可以是整个或半个消声室)、屏蔽室或RF罩。与RF源31’相连的天线35’位于消声室37’内，并通过同轴电缆与RF源31’相连以模拟基站。无线手持设备的天线36’同样位于消声室37’内，并与手持接收机32’相连。应该注意，在典型测试中，手持接收机32’和天线36’由设备框架容纳，但是如果需要，没有设备框架也可测试这些组件。

一般而言，除了路径损耗确定过程之外，辐射接收机灵敏度搜索与上述传导接收机灵敏度搜索相同。更具体地，频率波段内的多个无线信道的路径损耗值之间的关系典型地不再如RF电缆33的情况一样是线性函数。这是因为路径损耗会受到诸如天线增益、天线方向性和测量环境之类的因素的影响。典型地，路径损耗对于不同的无线信道是不同的。

即使这样，在块48”处，仍然可使用与上述确定BER-TCH功率电平函数方法类似的方法来确定频率波段的路径损耗函数(例如最小平方近似等)。作为示例，可对波段内的信道子集(例如每第10个信道)执行上面参考图15所述的五步骤路径损耗搜索。该方法有利地可确定整个波段的精确路径损耗函数，以提供每个信道的路径损耗估计，而不花费时间来独立地测量每个信道的路径损耗。然后在块42”处，如上所述，使用路径损耗函数来确定随后信道的估计TCH功率电平。

现在参考图6来进一步详细描述路径损耗确定过程。从块60处开始，在块61处，测量RF频率波段内的至少一些RF信道的RF路径损耗。使用上述示例，每M个信道来测量路径损耗。作为示例，M可以是10，尽管也可使用其它的间隔。在块62处，根据所述至少一些RF信道的所测量RF路径损耗来确定RF路径损耗函数，并且在块63处，根据RF路径损耗函数来确定给定RF频率波段内的至少另一个信道的RF路径损耗，这样结束所示方法(块64)。

M的选择通常取决于系统的线性度。即，线性系统将只需要测量两个点，而与信道的数目或频率带宽无关。随着系统的非线性度或阶数增加，应该相应地增加拟合方程的单根曲线的阶数以获得正确的拟合。可使用最小平方方法或其它非线性拟合方法。多种方法使用尺寸与方程的阶数相关的矩阵求逆。随着维数的增加，求逆逐渐复杂并易于出错。最小平方方法需要矩阵求逆。由于较大频率范围上的无线电系统的性质，可存在更高阶的路径损耗响应。

还可使用多个样条来执行路径损耗曲线拟合。即，用多个部分方程替换一个完整的方程。在旋转基座上将连续点集合(例如四个连续点)分组。例如，前四个点用于产生第一样条序列，第二至第五点用于产生第二样条序列，如此等等。除了第一和最后样条序列之外的所有样条序列仅使用中间点(例如从点2至3的方程)作为有效的拟合方程。使用方程的中间点使得第一和最后两个点没有相应的方程。不同的样条方法改变第一和最后样条构造。外插三次样条使用第一序列的前两个样条(例如点1至2)、最后序列的后两个样条(例如点3至4)。也可使用其它适当的样条拟合方法，本领域的技术人员可理解这一点。

参考图18，示出了从各个样条序列产生的两个正弦波曲线。每个曲线是正弦波的样条拟合。每根线都是样条拟合内的一个样条序列。使序列偏移每样条序列-0.5dB，来示出交迭的样条序列。每第10个点来取数据。上图由四个点样条构成。下图示出了如上所述所使用数据移位了的上样条。为了清楚起见，各个正弦曲线偏移了4dB。粗线和点线示出了从上图到下图的中间线移位。

如上所述，路径损耗曲线拟合减少了未测量信道的测量时间。在连续信道路径损耗插超过内插误差的系统中节省了时间。线性内插将有利地产生±0.1dB下的典型精确度。上面参考图6所述的路径损耗方法可用于辐射和传导路径损耗测量，本领域的技术人员可理解这一点。

在某些路径损耗/接收机灵敏度测试测量中需要考虑的另一因素是被测试的特定手持设备的滞后。更具体地，通过将基站仿真器的TCH电平输出与手持设备所接收并作为RSSI传递给仿真器的信号相比较，来测量接收机路径损耗。仿真器放大的连续0.1dB的调节将检测放大中的改变导致RSSI改变的范围。在此“边缘”点处，无线电在两个没有放大改变的RSSI读出之间振荡。例如，该边缘点可以是由系统误差、改变位置或改变信号强度引起的。随着RSSI读出振荡，手持设备可通过以类似振荡模式改变其发射机功率来响应，以实现手持功率管理。同样地，多个手持设备制造商在每个移动手持设备内实施软件以考虑该问题来改变边缘。

更具体地，将出现问题的单个RSSI边缘点分为两个不同的值。这两个点以典型地小于0.5dB的值跨距实际边缘点两边。由于接收到的TCH电平改变，如图19所示，将早早地报告RSSI边缘点。该双边缘系统(公知为滞后)减少了RSSI和TX功率控制中的任何振荡的可能性。由于设备RSSI减小，报告给基站仿真器的RSSI将改变，使得如果设备RSSI仅增加少量，则去除任何振荡。

尽管滞后避免了振荡，滞后还产生了与真实RSSI边缘的偏移。对于具有已知滞后的已知设备，可将值作为偏移施加到每个信道。对于未知设备，需要使用步进算法来确定滞后，然后在每个路径损耗信道中考虑滞后。去除滞后以获得真实的边缘点。滞后典型地应用于给定波段内的所有信道。

现在参考图7来描述包括滞后搜索的用于确定路径损耗的一个示范方法。应该注意，该方法可用于传导路径损耗或辐射路径损耗，本领域的技术人员可理解这一点。从块70处开始，在块71处，通过沿增加和减少方向扫过从RF源发射的RF功率值，确定关于RF接收机处的给定RSSI值转变的滞后边缘对。在块72处，使用滞后的转变沿，来确定相对细粒度的RF功率值与相对粗粒度的RSSI值之间的关系。更具体地，由于接收机32或32’的RSSI转变点位于滞后转变沿之间，一旦知道了与滞后转变沿相对应的TCH功率电平，则可确定实际RSSI转变相对于TCH功率电平的位置。然后在块73处，根据给定RF功率值处的给定RSSI和确定的相对细粒度的RF功率值与相对粗粒度的RSSI值之间的关系，确定给定信道的RF路径损耗，这样结束所示方法(块74)。

随着TCH电平增加和减少，扫描找到边缘点。作为示例，粗粒度的RSSI值可以是1.0dB的增量(即所报告的手持接收机的精确度)，而相对细粒度的增量可以是0.1dB(即内部接收机放大器的精确度)。为了找到第一边缘，接收机的内部放大可以+0.1dB的增量增加，直到找到边缘为止。然后，取+1.0dB的步长，之后是-0.1dB补偿的序列，直到找到第二边缘。实际的RSSI值将位于两个边缘之间。应该注意，由于可首先找到任一边缘，所以首先测量的方向对结果没有影响。即，可以-0.1dB补偿来找第一滞后边缘，滞后以-1.0dB补偿和+0.1dB补偿来找第二滞后边缘，本领域的技术人员可理解这一点。

现在参考图8来描述测试方法的其它方面。RF源31或31’以相对细的粒度发射RF功率值，而RF接收机32或32’以相对粗的粒度产生RSSI值，并如上所述，关于相邻RSSI值之间的每个转变具有未知的滞后。在块80’处，以初始RF功率电平从RF源31或31’发射信号，并且测量RF接收机32或32’的相应初始RSSI值。在块75’处，根据初始RF功率电平和相应初始RSSI值之间的差值，设置RF源31或31’的初始内部放大，从而关于RF源而校准RF接收机32或32’。

此外，该方法还可包括对于给定RF频率波段内的至少另一个给定RF信道的三个确定步骤：在块76’和77’处，确定多个RF路径损耗；以及在块78’处，如上所述使用最小平方算法、多个样条等，根据多个RF路径损耗来确定RF路径损耗函数。然后在块79’处，根据RF路径损耗函数，确定给定RF频率波段内的至少另一个信道的RF路径损耗。

现在转向图9、100和20，来描述用于确定总全向灵敏度(TIS)的测试系统30”和方法。如以上所简要描述的，主要的兴趣在于针对例如蜂窝电话、PDA和智能收集的手持设备创建更强的规范。存在具有同时工作在相同网络上的设备的大量模型和制造商。性能差异将影响每个特定设备的覆盖区域。为了保持网络满意度，运营商选择标准来确保所接受设备在其网络覆盖区域上满足性能。蜂窝典型和互联网协会(CTIA)已经开发了一种发射机和接收机系统测试方法。发射机和接收机系统性能分别由总辐射功率(TPR)和TIS量化。

TPR和TIS之间的显著差异可来源于不平衡的无线电上行和下行性能，该差异转而影响网络的无线电覆盖范围和手持设备的功率管理。为了提供良好的订户服务并有效地使用网络频率资源，网络运营商和制订规章的机构继续针对无线电TPS和TIS来规定更强的限制。手持制造商相应地改善其设计以满足这些要求，并且手持设备的RF特性必须具有增加的精确度。下行路径质量(即TIS)与上行路径质量(即TPR)相比是更加复杂且耗时的测量。TPR测量非常快，且精确到1dB的分数。另一方面，当前CTIA采用的TIS测量非常耗时，且仅精确到大约±2.0dB。

灵敏度是接收机的重要参数且是TIS的基本组成。如上所述，附着了前端和天线的接收机灵敏度测量被称为辐射灵敏度测量。辐射灵敏度和接收机天线增益共同确定了无线电在天线之前检测弱信号的能力。然而，获取精确的灵敏度是耗时的过程。CTIA方法以每一个测量角度来搜索无线电灵敏度。这产生较长的测试时间和呼叫挂起(移动站断开)。相同或绝对误差校准方法没有方向则产生不精确，这会产生更大的累积系统误差。发射机和接收机特性对于平衡链路的蜂窝网络的网络覆盖区域同等重要。

蜂窝通信&因特网联盟(CTIA)提供了认证程序和移动台在空中性能上的测试计划，于2003年3月在修订版2.0的题为“Method andMeasurement for Radiated RF Power and Receiver Performance”的文档中给予了详细的描述。TIS是刻画无线电下行性能特性的单个数字值。CTIA所规定的标准TIS测量是在标准天线消声室37”中、利用定位器38”执行的。更具体地，定位器38”是用于大圆方法的三维(3D)定位器，而二维定位器用于锥切方法(conic cut method)。将基站仿真器的路径损耗或衰减设置为标准偶极天线的路径损耗。即，理论的全向天线结果可由校准的偶极天线获得。在固定的偶极天线路径损耗的球面图案上，在每三十度处测量灵敏度。

当前CTIA TIS测量方法有多个缺点。首先，在每个角度处测量灵敏度。这极其耗时，因为TIS测量时间明显长于TPR测量。此外，无线手持天线辐射图案中的较大改变会导致使呼叫挂起的两个条件之一。即，手持设备的信号太低，引起链路丢失，或RF源31”仿真器端的信号太高，使仿真器的接收机端饱和。此外，利用基站仿真器之外的设备来校准偶极天线的路径损耗以±1dB的范围影响累积的误差。为了减小测量时间，CTIA TIS方法在每三十度处测量，而TPR测量在每十五度处进行。这导致TIS测量相对于TPR测量的采样误差。

如上所述，TIS和TPR在确定蜂窝网络的覆盖区域中都重要，并且改善测量精确度并缩短测量时间对于制订规章机构、制造商和运营商非常重要。一般而言，从块90处开始，在块91处，所示方法包括测量RF接收机32”的灵敏度，这可使用上述技术来进行。此外，在块92处，与测量RF接收机32”的灵敏度无关地，测量天线36”的3D增益图案。应该注意，如果希望，可以反转灵敏度和增益图案的顺序。然后根据(例如组合)RF接收机32”的灵敏度和天线36”的3D增益图案，来确定移动无线通信设备的TIS，这样结束图9所示的方法(块94)。

CTIA认为TIS测量需要无线电灵敏度和天线增益。申请人确定辐射的灵敏度与测量角度基本无关，使得可以分离地或独立地测量天线增益和灵敏度。通过分离地确定这些特性，可实现改善的精确度和减少的测试时间。

系统误差导致测量不确定性。优选地应该在块95’处通过校准RF源31”，来消除感兴趣的动态范围(即频率波段)中的设备校准误差对于TIS测量，基站仿真器用作偶极手持设备的发射机。可使用更精确的设备来校准RF源31”的相对不精确的绝对功率电平。例如，可使用绝对精确度为±0.2dB的功率值。此外，可以上述路径损耗函数的产生类似的方式产生所得到的功率电平的校准函数，以便在给定频率波段中的多个信道上偏移系统误差，本领域的技术人员可理解这一点。

在系统校准之后，在块96’处，可将偶极或标准测试天线用于校准自由空间路径损耗。天线36”的接收机侧的手持接收机32”功率被报告为RSSI。如上所述，RSSI的报告精确度是±2dB。申请人已经确定该报告误差与灵敏度测量误差相反。因此，可消除或抵消RSSI报告的系统误差。对于不同的动态范围，基站功率校准函数可用于校准由于不同报告范围引起的RSSI误差。对于大于0.1dB的设备报告精确度(例如CMU200的报告精确度是±1dB)，使用上述路径损耗搜索来将搜索精确度改善为0.1dB。此外，由于路径损耗信息提供了相应的天线增益信息，所以天线增益测量是基于路径损耗测量的。即，如上所述，可根据RSSI报告对设备灵敏度和天线增益的反向特性，来确定TIS信息，本领域的技术人员可理解这一点。

实际上，RF源31”功率应该处于相对较高的电平，以减少DSP算法的测量不确定性和通信环路中的呼叫挂起。在辐射灵敏度测量中，所测量的路径损耗在从基站仿真器通过天线的路径之间不同。可通过基站功率校准函数来校准该差异，本领域的技术人员可理解这一点。

例如，对于单个无线电信道，使用基站仿真器来测量GSM、GPRS和/或EDGE无线手持设备的RF TIS是2阶段过程。第一阶段是辐射灵敏度测量，其中测量手持设备的辐射灵敏度(包括路径损耗)。在块91’处，如上所述，针对与目标BER相关联的RSSI值，通过扫描RF源31”的发射功率电平，来以第一功率电平测量RF接收机32”的灵敏度。

第二步骤是天线增益测量。如上所述，当前TIS方法同时测量天线和无线电灵敏度，其中天线增益信息与不同角度处的BER测量相混合。分离增益和灵敏度测量使得可以通过更快的路径损耗搜索算法而不是耗时的每个角度处的灵敏度搜索来测量天线增益图案。在块92’处，通过使用上述方法(例如图15所示的五步路径损耗搜索)，测量信号损耗，以高于第一功率电平的第二功率电平来测量手持设备天线36”的3D增益图案。基站仿真器功率曲线校准不仅可用于校准感兴趣频率范围(即波段)中的标准偶极天线的绝对测量不确定性，还可用于校准不同报告范围的RSSI报告误差。

具体地，TIS校准是基于以下公式的：

其中P_s＝辐射灵敏度，G_θ，EUT＝θ极化的天线辐射图案，G_φ，EUT＝φ极化的天线辐射图案，本领域的技术人员可理解这一点。

在上述说明书和有关附图中呈现的教导下，本领域的技术人员可想到本发明的多个修改和其它实施例。因此，要理解，多种修改和实施例意欲包括在所附权利要求的范围内。

Claims (15)

1.一种根据射频RF源的发射来确定包括RF接收机和与之相耦合的天线的移动无线通信设备的总全向灵敏度TIS的测试方法，该方法包括步骤：

通过针对与目标误码率相关联的接收到的信号强度指示符值扫描RF源的发射功率电平，以第一功率电平来测量RF接收机的灵敏度；

其中，RF接收机以相对粗粒度来产生接收到的信号强度指示符值，并且RF源以相对细粒度来发射RF功率值；

测量天线的三维3D增益图案，而与测量RF接收机的灵敏度无关；以及

通过组合RF接收机的灵敏度和天线的3D增益图案来确定移动无线通信设备的TIS。

2.根据权利要求1所述的方法，其中，测量灵敏度的步骤包括步骤：以第一功率电平测量RF接收机的灵敏度，而测量3D增益图案的步骤包括步骤：以高于第一功率电平的第二功率电平来测量天线的3D增益图案。

3.根据权利要求1所述的方法，还包括利用功率校准设备和校准函数中的至少一个对RF源进行校准。

4.根据权利要求1所述的方法，其中，测量3D增益图案的步骤包括步骤：以高于第一功率电平的第二功率电平来测量信号路径损耗。

5.根据权利要求1所述的方法，还包括步骤：在多个参考角度上测量RF源和参考天线之间的自由空间路径损耗。

6.根据权利要求5所述的方法，还包括：根据自由空间路径损耗测量来校准RF接收机。

7.根据权利要求5所述的方法，其中，参考天线包括偶极天线。

8.根据权利要求1所述的方法，其中，在RF消声室中执行测量步骤。

9.一种用于确定总全向灵敏度TIS的测试系统，包括：

RF源，以相对细粒度来发射RF功率值；

移动无线通信设备，包括射频RF接收机和与之相耦合的天线，其中RF接收机以相对粗粒度来产生接收到的信号强度指示符值；

使所述RF源与所述移动无线通信设备相耦合的无线通信链路；以及

与所述RF接收机相耦合的测试控制器，所述测试控制器用于

通过针对与目标误码率相关联的接收到的信号强度指示符值扫描所述RF源的发射功率电平，测量RF接收机的灵敏度，

测量天线的三维3D增益图案，而与测量RF接收机的灵敏度无关，以及

根据RF接收机的灵敏度和天线的3D增益图案来确定移动无线通信设备的TIS。

10.根据权利要求9所述的系统，其中，所述测试控制器以第一功率电平测量所述RF接收机的灵敏度，并以高于第一功率电平的第二功率电平来测量所述天线的3D增益图案。

11.根据权利要求9所述的系统，其中，所述测试控制器通过测量多个参考角度上的信号路径损耗，来测量3D增益图案。

12.根据权利要求9所述的系统，还包括测量RF源和参考天线之间的自由空间路径损耗并基于此来校准RF接收机。

13.根据权利要求12所述的系统，其中，在多个参考角度上测量自由空间路径损耗。

14.根据权利要求9所述的系统，其中，参考天线包括偶极天线。

15.根据权利要求9所述的系统，其中，在RF消声室中执行测量步骤。