CN101034946A - 确定辐射的射频(rf)接收机灵敏度的系统和有关方法 - Google Patents

Abstract

描述了一种用于确定辐射的射频(RF)接收机灵敏度的测试方法，可包括：确定初始信道的误码率(BER)－业务信道(TCH)功率电平函数；根据BER－TCH函数和所希望BER来确定随后信道的估计TCH功率电平；以及根据估计的TCH功率电平来测量随后信道的BER。该方法还可包括将所测量的BER与所希望的BER相比较，并使用两者之间的差值以及BER－TCH功率电平函数来确定下一个估计的TCH功率电平，并且如果差值大于阈值则重复测量和比较，从而确定随后信道中与所希望BER相对应的TCH功率电平。

Description

确定辐射的射频(RF)接收机灵敏度的系统和有关方法

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

在蜂窝通信设备中，无线电灵敏度是描述无线电接收机性能的基本数值。在无线电设计、认证和验证期间频繁地执行传导(即通过RF电缆)和辐射(即通过无线通信链路)的无线电的灵敏度测量。通过降低基站功率发射电平，直至接收机的残余误码率(RBER)达到所希望程度(具体为2.44％)，来执行这些测量。

例如，对于全球移动通信系统(GSM)移动设备，存在多个通信波段，每个通信波段的范围从至少一百信道到接近四百信道。为了扫描GAM移动电话的每个信道，使用传统、半直观方法的电话需要大量时间。重复手动估计的自动方法则往往是随机的，或遵循二进制树的搜索方法。

US 2004/148580涉及一种集成的RF发射机中使用的芯片上接收机灵敏度测试机制，其中发射机和接收机共享相同的振荡器。该机制消除了对使用具有内置调制能力的昂贵RF信号发生器测试设备的需求，而允许使用成本非常低的外部RF测试设备。US 2004/148580使用收发机中已有的电路，即调制电路和本地振荡器，来执行灵敏度测试。芯片上LO用于产生否则需要由具有调制能力的昂贵外部RF测试设备提供的已调制的测试信号。调制LO信号与外部产生的未调制的CW RF信号混合以产生IF的调制信号，随后由接收机链路的其余部分处理。使用芯片上的BER量器或计数器来比较恢复的数据比特，并产生BER读出。BER读出由外部或芯片上处理器用于建立芯片的合格/不合格指示。

发明内容

根据本发明，提出了一种用于确定辐射的射频(RF)接收机灵敏度的测试方法，可包括：确定初始信道的误码率(BER)-业务信道(TCH)功率电平函数；根据BER-TCH函数和所希望BER来确定随后信道的估计TCH功率电平；以及根据估计的TCH功率电平来测量随后信道的BER。该方法还可包括将所测量的BER与所希望的BER相比较，并使用两者之间的差值以及BER-TCH功率电平函数来确定下一个估计的TCH功率电平，并且如果差值大于阈值则重复测量和比较，从而确定随后信道中与所希望BER相对应的TCH功率电平。

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9-13是根据本发明，用于确定RF路径损耗的附加示范方法的流程图。

图14和15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16是示出了使用样条拟合近似的正弦波的图。

图17是示出了手持设备的滞后转换的图。

图18是BER-归一化TCH电平函数的图。

具体实施方式

下面将参考附图来更完整地描述本发明，附图中，示出了本发明的优选实施例。然而，本发明可实现为多种不同的形式，并且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，并将本发明的范围完整地传达给本领域的技术人员。全文中，类似的数字指代类似的元件，并且撇号用于指示可选实施例中的类似元件。

首先，大体描述一种用于使用通过无线RF通信链路与RF接收机相耦合的RF源，来确定辐射的射频(RF)接收机灵敏度的测试方法，辐射的射频(RF)接收机灵敏度是基于在至少一个频率波段上延伸的多个信道在所希望误码率(BER)下的业务信道(TCH)功率电平而定义的。该方法可包括确定初始信道的BER-TCH功率电平函数、根据BER-TCH功率电平函数和所希望BER来确定随后信道的估计TCH功率电平、以及根据估计的TCH功率电平来测量随后信道的BER。该方法还可包括将所测量的BER与所希望的BER相比较、并使用两者之间的差值以及BER-TCH功率电平函数来确定下一个估计的TCH功率电平、如果差值大于阈值则重复测量和比较，来确定随后信道中与所希望BER相对应的TCH功率电平。

更具体地，该方法可包括确定与随后信道相关联的路径损耗，并且比较可包括：将所测量的BER与所希望的BER相比较，使用两者之间的差值以及BER-TCH功率电平函数和所确定的路径损耗来确定下一个估计的TCH功率电平。此外，确定路径损耗可包括：根据所述多个信道中的至少一些来确定路径损耗函数，并根据路径损耗函数来确定随后信号的路径损耗。作为示例，可根据最小平方算法和/或多个样条来确定路径损耗函数、还可通过测量随后信号的路径损耗来确定路径损耗。

确定初始信道的BER-TCH功率电平函数还可包括测量目标BER范围内的多个BER的各自TCH功率电平、并根据目标BER范围中的所测量BER来确定BER-TCH功率电平函数。作为示例，目标BER范围可从大约1％到3％。该方法还可包括：当所测量BER和所希望BER之间的差值小于或等于阈值时，使用线性近似来确定随后信道中与所希望BER相对应的TCH功率电平。

BER-TCH功率电平函数可以是指数函数。另外，确定BER-TCH功率电平函数可包括根据最小平方算法来确定BER-TCH功率电平函数。此外，可在RF消声室中测量随后信道的BER。

作为示例，RF接收机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)的增强数据率改进(EDGE)接收机。此外，RF源可以是基站仿真器。

用于确定辐射的射频(RF)接收机灵敏度的测试系统可包括RF源、RF接收机、使所述RF源与所述RF接收机相耦合的无线RF通信链路以及与RF接收机相耦合的测试控制器，其中辐射的射频(RF)接收机灵敏度是基于在至少一个频率波段上延伸的多个信道在所希望的误码率(BER)下的业务信道(TCH)功率电平而定义的。更具体地，测试控制器可用于确定初始信道的BER-TCH功率电平函数、根据BER-TCH功率电平函数和所希望BER来确定随后信道的估计TCH功率电平、以及根据估计的TCH功率电平来测量随后信道的BER。测试控制器还可将所测量的BER与所希望的BER相比较、并使用两者之间的差值以及BER-TCH功率电平函数来确定下一个估计的TCH功率电平、如果差值大于阈值则重复测量和比较，来确定随后信道中与所希望BER相对应的TCH功率电平。

一般而言，这里提供用于确定传导和辐射的接收机灵敏度的方法和测试系统，该方法使用基于信道信息的搜索方法，创建GSM或其它移动设备的快速灵敏度搜索。主要通过调制方法和数字信号处理器(DSP)代码来确定RBER-归一化TCH发射电平。该数据范围的测量创建示出了目标RBER附近的接收机特性的曲线或函数。将一个信道的编码数据施加到相同波段内的所有信道。该曲线可预测在其界限内的发射电平改变而不是估计在其界限内的发射电平改变。

灵敏度测量被定义为移动电话报告2.44％或更低的II级RBER的发射(TX)电平。通常，降低校准的基站发射功率，直到达到所希望的RBER。为了正确地测量传导模式中的设备灵敏度，需要确定被研究信道上的精确的电缆路径损耗。在所希望的波段内，可将任意信道选为代表。选择RBER扫描范围的上限和下限。下限选择以使极低RBER处的高阶高斯和其它随机误差噪声灵敏度最小化。优选地，下限足够低以保持较大的整体扫描范围。选择上限以对抗移动呼叫结束而保持较大的整体扫描范围。可通过多种搜索方法来找到RBER下限，本领域的技术人员可理解这一点。

上述界限内的误码(bit error)测量使用最高的发射功率分辨率。降低分辨率则降低非线性系统的预测精确度。利用归一化的TCH发射功率来编码值。随机噪声和误码率修改精确的数据曲线。一种方法是应用最小平方拟合来创建适当的快速搜索曲线。由于调制的性质，归一化曲线的下限和上限之间具有y＝Ce^bx的形式，其中y是误码率，x是归一化TCH发射电平，C和b是从曲线拟合中推导出的值，这些将在下面进一步描述。

图18示出了RBER-归一化TCH功率电平的示例。点是测量数据，线是曲线拟合的结果。对于所有其它的信道，使用“跳步”方法来确定归一化曲线上的点。跳步量在下限和上限之间的范围内。相邻信道的灵敏度通常只有很小不同。

在曲线范围内，根据最小平方曲线的信息，计算发射电平的改变。然后将新的发射电平提供给基站仿真器，通过测量来确认所实现的RBER目标(2.44％)。通过归一化曲线的重新应用以及相继的确认测量，来校正任意偏差。通过线性使目标与实际偏差逐渐减小增加了精确度，并且与预期值的偏差最小。

先来参考图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 CMU 200或Agilent 8960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9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RSSI 0.1dB，也许需要“后退”到边缘点。

现在参考图10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11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12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9所示的方法可比图10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，甚至可能多达三步。

现在参考图13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进损耗。

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-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，TCH-BER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-a₀-a₁x_i-a₂x_i ²-…-a_nx_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：

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

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



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

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：

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

$a_0\mathrm{\Σ}{x}_i{+a}_1\mathrm{\Σ}{x_i}^2+a_2\mathrm{\Σ}{x_i}^3+\·\·\·+a_n\mathrm{\Σ}{x_i}^{n+1}=\mathrm{\Σ}{x}_i{Y}_i$

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



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

以矩阵形式放置这些方程将揭示出系数矩阵的特别图样：

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

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lny＝lna+blnx或lny＝lna+bx，将这些形式线性化。然后，引入新的变量，即z＝lny，作为1nx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lnY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lny＝lnc+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14和15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Δ)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13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16，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17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。

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，本发明不局限于所公开的特定实施例，并且修改和实施例意欲包括在所附权利要求的范围内。

Claims (20)

1.一种使用通过无线射频(RF)通信链路与RF接收机相耦合的RF源，来确定辐射的RF接收机灵敏度的测试方法，其中辐射的RF接收机灵敏度是基于在至少一个频率波段上延伸的多个信道在所希望误码率(BER)下的业务信道(TCH)功率电平而定义的，该测试方法包括步骤：

确定初始信道的BER-TCH功率电平函数；

根据BER-TCH功率电平函数和所希望BER来确定随后信道的估计TCH功率电平；

根据估计的TCH功率电平来测量随后信道的BER；

将所测量的BER与所希望的BER相比较，并使用两者之间的差值以及BER-TCH功率电平函数来确定下一个估计的TCH功率电平；以及

如果差值大于阈值则重复测量和比较，从而确定随后信道中与所希望BER相对应的TCH功率电平。

2.根据权利要求1所述的测试方法，还包括确定与随后信道相关联的路径损耗的步骤；以及其中比较步骤包括步骤：将所测量的BER与所希望的BER相比较，使用两者之间的差值以及BER-TCH功率电平函数和所确定的路径损耗来确定下一个估计的TCH功率电平。

3.根据权利要求2所述的测试方法，其中，确定路径损耗的步骤包括步骤：根据所述多个信道中的至少一些来确定路径损耗函数，以及根据路径损耗函数来确定随后信道的路径损耗。

4.根据权利要求3所述的测试方法，其中，确定路径损耗函数的步骤包括步骤：根据最小平方算法来确定路径损耗函数。

5.根据权利要求3所述的测试方法，其中，确定路径损耗函数的步骤包括步骤：使用多个样条来确定路径损耗函数。

6.根据权利要求2所述的测试方法，其中，确定与随后信号相关联的路径损耗的步骤包括步骤：测量与随后信道相关联的路径损耗。

7.根据权利要求1所述的测试方法，其中，确定初始信道的BER-TCH功率电平函数的步骤包括：

测量目标BER范围内的多个BER的各自TCH功率电平；以及

根据目标BER范围中的所测量BER来确定BER-TCH功率电平函数。

8.根据权利要求7所述的测试方法，其中，目标BER范围是从大约1％到3％。

9.根据权利要求1所述的测试方法，还包括步骤：当所测量BER和所希望BER之间的差值小于或等于阈值时，使用线性近似来确定随后信道中与所希望BER相对应的TCH功率电平。

10.根据权利要求1所述的测试方法，其中，BER-TCH功率电平函数包括指数函数。

11.根据权利要求1所述的测试方法，其中，确定BER-TCH功率电平函数的步骤包括步骤：根据最小平方算法，确定BER-TCH功率电平函数。

12.根据权利要求1所述的测试方法，其中，测量步骤包括：在RF消声室中测量随后信号的BER。

13.根据权利要求1所述的测试方法，其中，RF接收机包括全球移动通信系统(GSM)接收机。

14.根据权利要求1所述的测试方法，其中，RF接收机包括通用分组无线业务(GPRS)接收机。

15.根据权利要求1所述的测试方法，其中，RF接收机包括全球移动通信系统(GSM)的增强数据率改进(EDGE)接收机。

16.根据权利要求1所述的测试方法，其中，RF源包括基站仿真器。

17.一种用于确定辐射的射频(RF)接收机灵敏度的测试系统，其中辐射的射频(RF)接收机灵敏度是基于在至少一个频率波段上延伸的多个信道在所希望误码率(BER)下的业务信道(TCH)功率电平而定义的，该系统包括：

RF源；

RF接收机；

使所述RF源与所述RF接收机相耦合的无线RF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确定初始信道的BER-TCH功率电平函数，

根据BER-TCH功率电平函数和所希望BER来确定随后信道的估计TCH功率电平，

根据估计的TCH功率电平来测量随后信道的BER，

将所测量的BER与所希望的BER相比较，并使用两者之间的差值以及BER-TCH功率电平函数来确定下一个估计的TCH功率电平，以及

如果差值大于阈值则重复测量和比较，从而确定随后信道中与所希望BER相对应的TCH功率电平。

18.根据权利要求17所述的测试系统，其中，所述测试控制器还确定与随后信道相关联的路径损耗；以及其中所述测试控制器将所测量的BER与所希望的BER相比较，使用两者之间的差值以及BER-TCH功率电平函数和所确定的路径损耗来确定下一个估计的TCH功率电平。

19.根据权利要求18所述的测试系统，其中，所述控制器通过根据所述多个信道中的至少一些，确定路径损耗函数，，并根据路径损耗函数，确定随后信道的路径损耗，来确定路径损耗。

20.根据权利要求19所述的测试系统，其中，所述测试控制器根据最小平方算法来确定路径损耗函数。

Images