CN101047405A - 用于识别串扰源的方法和设备 - Google Patents

Abstract

本发明涉及一种用于识别干扰用户线路的串扰源的方法，该方法包括收集在连续时刻对所述用户线路进行的噪声测量结果的步骤。根据本发明的方法此外还包括以下步骤：－将所述噪声测量结果分类到与不同串扰环境中的各种串扰环境相对应的不同测量结果集合中，－对特定测量结果集合进行时间平均，从而得出特定的经过时间平均的噪声测量结果，－从所述特定的经过时间平均的噪声测量结果识别所述串扰源。本发明还涉及实现这一方法的网络分析器。

Description

用于识别串扰源的方法和设备

技术领域

本发明涉及一种用于识别干扰用户线路的串扰源的方法，该方法包括在连续的时刻对所述用户线路执行的噪声测量结果进行收集的步骤。

背景技术

在S.Galli等人所著的“Multiuser Channel Estimation：Finding theBest Sparse Representation of Crosstalk on the Basis of OvercompleteDictionaries”的论文中公开了这样的一种方法，此文发表于2002年11月17-21日在台湾台北举办的IEEE Globecom会议的文件中。

此处考虑多用户信道估测的一种重要情况：识别干扰数字用户线(DSL)信号的串扰的问题。串扰源自于电话电缆中邻近线对上传输的信号，并且将未知的线对到线对串扰耦合的信道耦合到运送所述信号的线对中。虽然串扰一般来说是对现有DSL系统的主要损害，但是直到最近才出现了解决多用户串扰信道估测问题的论文。例如，提出了通过找出与表示测量的耦合函数的“基集”(参考库，dictionary)的最大相关度来识别串扰源。此处表明，可以认为这种做法与从向量的过完整组中找出向量的最佳稀疏表达等效。解决这个问题的公知算法是匹配追踪(MP)算法，一种从过完整参考库中选取向量的子集并且找出该子集逼近给定信号向量的线性组合的贪婪算法。还探讨过一种基于奇异值分解(SVD)减小参考库大小的方法。

在要对大量测量结果采样加以处理时，所提出的算法并不适用。要将所有测量结果与串扰模型的数据库进行匹配是不切实际的，或者至少会耗费大量处理资源。

发明内容

本发明的目的是在改善串扰源的识别过程的同时改善对大量测量结果采样的处理。

根据本发明，该目的是因为所述方法此外还包括下列步骤而得到实现：

-将所述噪声测量结果分类到与不同串扰环境中的各种串扰环境相对应的不同测量结果集合中，

-对特定测量结果集合进行时间平均，从而得出特定的经过时间平均的噪声测量结果，

-从所述特定的经过时间平均的噪声测量结果识别所述串扰源。

测量结果集合包括在连续时刻对线路进行的测量结果，并且这些测量结果反映类似的噪声特性，这些噪声特性代表特定串扰环境。然后对特定测量结果集合的时间平均值进行数字化处理(例如，相对于规范串扰模型的基集)，以便识别一个或多个特定串扰源(或者干扰源)，所述串扰源通过串扰耦合信道将噪声信号注入所述线路。

通过将测量结果采样分类到不同的测量结果子集中(各个子集对应于基本一致的串扰环境)，通过对各个子集上的测量结果求平均值，将串扰测量结果与串扰模型的数据库进行匹配所需要的次数得到大大减少，并且串扰识别算法的准确度得到提高。

根据本发明的方法的另一可选实施例的特征在于，所述测量结果集合包括不能用的测量结果集合和至少一个能用的测量结果集合，所述不能用的测量结果集合与不存在针对所述用户线路的实质串扰的情况相对应，所述至少一个能用的测量结果集合与存在针对所述用户线路的实质串扰的情况相对应，所述特定测量结果集合是从所述至少一个能用的测量结果集合中选出的。

通过噪声测量结果与剩余噪声测量结果之间进行区分，实现了识别潜在干扰源的高度简化，其中所述噪声测量结果进一步称为不能用的测量结果，是指当这个线路上不存在实质串扰时，就是说没有串扰源对这个线路造成实质性干扰(或干涉)时，在线路上实施的测量结果，所述剩余噪声测量结果进一步称为能用的测量结果，是指当这条线路上存在特定实质串扰，或者可选地当一个或多个串扰源实质上干扰这条线路时，在同一线路上实施的测量结果。可以将不能用的测量结果不经任何进一步处理地丢弃，由此进一步节约了处理资源。

根据本发明的方法的另一实施例还包括以下步骤：对所述至少一个能用的测量结果集合中的各个能用的测量结果集合进行时间平均，由此得出至少一个经过时间平均的噪声测量结果；并且其特征还在于，在将新的噪声测量结果加入到所述至少一个能用的噪声测量结果集合时，计算并更新所述至少一个经过时间平均的噪声测量结果。

由于不需要将单个测量结果采样保存在存储器，因此实现这样一种方法的存储器要求得到明显缓解。

根据本发明的方法的另一实施例的特征在于，对所述噪声测量结果进行分类的步骤包括将所述噪声测量结果与所述至少一个经过时间平均的噪声测量结果进行比较的步骤。

可以使用互相关函数来量化新接收的噪声测量结果与至少一个经过时间平均的噪声测量结果之间的相似度，并且判断噪声测量结果是否与当前的测量结果集合组相符，或是否需要特意创建新的测量结果集合。

该实施例特别有益之处在于，分类步骤取决于与识别步骤同样的时间平均值，由此大大简化了其实现过程。

根据本发明的方法的另一实施例的特征在于，对所述噪声测量结果进行分类的步骤包括在噪声测量结果内检测表征特定串扰环境的可区分特征的步骤。

串扰通常是随频率变化的，而白噪声并不是这样。所以，可以对噪声测量结果的频谱形状进行分析，以(在实际识别该干扰源之前)确定该测量结果是否有可能包含来自任一干扰源的串扰。

例如，频率上噪声的方差(或标准偏差)有助于判断噪声采样是否包含某种实质串扰。

也可以考虑特定频谱特征，比如出现向下波峰的频率，这些频率是特定类型的串扰干扰源。

另外，可以将噪声采样的功率或振幅(例如，均方根或r.m.s.值)与阈值比较。阈值可预先设定或者实时(on the fly)计算的。

根据本发明的方法的又一实施例的特征在于，对所述噪声测量结果进行分类的步骤包括分析所述噪声测量结果随时间的变化的步骤。

随时间变化的噪声的变化量通常表明噪声源的出现或未出现。通过互相比较测量结果采样，能够检测出新的串扰环境。

举例来说，当两测量结果采样间的每频率的差值的总和高于某一阈值时，它们就属于不同的集合。

也可以对随时间变化的噪声变化量进行分析，来选择最合适(或代表性)的测量结果采样。举例来说，可以依据所观测到的功率变化范围(由平均值和方差值或由最大和最小值表征)来计算功率阈值，从而为识别步骤保持最佳测量结果采样。

本发明还涉及一种网络分析器，该网络分析器适于识别干扰用户线路的串扰源，该网络分析器包括适于收集在连续时刻对所述用户线路执行的噪声测量结果的收集单元。

根据本发明的网络分析器此外还包括：

-串扰传感器，其耦合到所述收集单元，并且适于将所述噪声测量结果分类到与不同串扰环境中的各种串扰环境相对应的不同测量结果集合，

-求平均值单元，其耦合到所述串扰传感器，并且适于对特定测量结果集合进行时间平均，由此得出特定的经过时间平均的噪声测量结果，

-串扰识别单元，其耦合到所述求平均值单元，并且适于从所述特定的经过时间平均的噪声测量结果识别所述串扰源。

根据本发明的网络分析器的实施例与根据本发明的方法的实施例相对应。

要注意的是，在哪种程度上完成分类是无关紧要的，重要的是将串扰环境区分到什么程度，即从基本分类(例如，有或无串扰)到精确的串扰区别。

要注意的是在权利要求中也使用的术语“包括”，不应理解为局限于其后列出的构件。因此，“包括装置A和B的设备”这一表达的范围不应局限于仅仅由装置A和B构成的设备。而是指对于本发明而言，设备的相关组件是A和B。

最后，要注意的是在权利要求中也使用的术语“耦合”，不应理解为仅仅局限于直接连接。因此，“耦合到装置B的装置A”这一表达的范围不应局限于这样的装置或系统：其中装置A的输出端直接连接到装置B的输入端，和/或反之。而是指A的输出端与B的输入端之间存在路径，和/或反之，这条路径可以是包含其它装置或构件的路径。

附图说明

通过参阅下面结合附图给出的实施例的介绍，本发明的上述以及其它目的和特征将会变得更加显而易见，并且本发明本身将会得到最好的理解：

-图1代表通信系统，

-图2代表根据本发明的网络分析器，

-图3A、3B和3C代表与不同串扰环境相关的噪声测量结果采样。

具体实施方式

在图1中可以看出，通信系统1包括：

-位于中心局的接入单元31和32，这些接入单元包括收发机单元11a、11b和11c，

-位于客户端的收发机单元12a、12b和12c

-网络分析器100。

在本发明的优选实施例中，数据通信网络1是基于DSL的。接入单元31和32是例如位于支持为订户提供宽带接入的DSL服务(ADSL，ADSL2+，VDSL、HDSL、SHDSL等)的电话局处的数字用户线路接入多路复用器(DSLAM)。收发机单元11和12是DSL收发机单元。收发机单元12a是例如DSL调制解调器，收发机单元12b是例如构成用户终端(比如个人计算机(PC))一部分的网络接口卡，收发机单元12c是例如机顶盒。

然而，本发明的范围并不局限于基于DSL的通信系统。本发明可应用于任何类型的串扰是主要噪声来源的数字或模拟通信系统。

收发机单元11a、11b和11c分别经由双绞线对21a、21b和21c耦合到收发机单元12a、12b和12c。双绞线对21a、21b和21c封装在同一束带(binder)22中。

网络分析器100经由例如数据通信网络(未示出)耦合到接入单元31和32。

线路21a(假定是受害线路)受到远端和/或近端串扰干扰。作为说明性的例子，远端串扰41和42分别来源于发射机11b和11c，并且这些串扰耦合到接收机12a中，而近端串扰43来源于发射机11b并且耦合到接收机11a(构成同一设备31的一部分)中。

为了识别干扰受害线路21a工作的串扰源，网络分析器100收集来自收发机单元11a(上行测量结果)和12a(下行测量结果)的噪声测量结果。

在本发明的优选实施例中，噪声测量结果是噪声功率谱密度(PSD)测量结果。

典型地，噪声测量是在初始化通信路径(例如，为了确定DSL载波的相应位加载)时实施的。噪声测量也可以是在正常操作期间(也称为显现时间(show time))进行的，或者是在特定诊断模式下进行的。

测量结果预处理(例如，对连续的测量结果采样求时间平均来减少报告吞吐量、把测量结果采样从时域转换到频域，等等)可以在收发机单元11或12中，和/或在接入单元31或32中，和/或在网络分析器100中进行。

在图2中可以看出，网络分析器100的优选实施例包括：

-收集单元111，

-串扰传感器112，

-求平均值单元113，

-存储区114，

-串扰识别单元115。

收集单元111的输出端耦合到串扰传感器112的输入端。串扰传感器112的输出端耦合到求平均值单元113的输入端。求平均值单元113的输出端经由存储区114耦合到串扰传感器112的输入端并且耦合到串扰识别单元115的输入端。

收集单元111适于收集由收发机单元执行的噪声测量，所述噪声测量是在中心局进行的上行测量或者是在用户端进行的下行测量。

串扰传感器112适于把噪声测量结果分类到与不同的串扰环境对应的不同的测量结果集合中。

在本发明的优选实施例中，串扰传感器112通过计算噪声随频率的PSD方差(或者标准偏差)来检查新接收到的噪声PSD测量结果是否可能包含某种实质的串扰。如果这样计算出的方差低于第一阈值T1，则将噪声测量结果分类到不能用的测量结果集合(见图2中的co11₀)中。否则，该噪声测量结果有可能包含某种实质串扰，并且串扰传感器112计算该噪声PSD测量结果与每个从存储区114中读出的可用测量结果集合(见图2中的co11₁到co11_m)的经过时间平均的噪声PSD之间的互相关和。倘若相应的互相关和高于第二阈值T2，则将噪声测量结果分类到具有最佳匹配的测量结果集合中；否则，创建新的测量结果集合。

求平均值单元113适于对每一个可用测量值集合求时间平均。将相应的经过时间平均的噪声PSD写入到存储区114中。只要有新的测量结果采样分类到测量结果集合中，就要更新这个集合的经过时间平均的噪声PSD。

串扰识别单元115适于在从存储区114中读出的特定经过时间平均的噪声PSD识别特定串扰源。该识别算法利用串扰模型的基集，不过也可以使用本领域技术人员公知的其它串扰识别方法。作为串扰识别算法的结果，识别特定串扰干扰源(见图2中的源id)。

上述优选实施例的操作如下所述。

令N₁(f)至N_N(f)代表由收发机单元12a在连续时刻对线路21a进行的并且经由接入单元31报告到网络分析器100的下行噪声PSD测量结果。令N_i(f)为当前正在加以处理的噪声PSD测量结果，i为从1变化到N的时间下标。

串扰传感器112首先通过计算N_i(f)在应用频率范围内的方差并且通过将这样计算出来的方差与阈值T1相比较来确定N_i(f)是否有可能包含某种实质的串扰。

令f₁至f_L代表感兴趣的频率范围(当前是下行频率范围)，并且令k代表从1变化到L的频率下标。

令μ_i和σ_i ²表示频率上的N_i(f)的均值和经偏差校正的方差：

${\mathrm{\μ}}_i=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{N}_i\left(f_k\right)}{L}---\left(1\right)$

${\mathrm{\σ}}_i^2=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{[N_i\left(f_k\right)-{\mathrm{\μ}}_i]}^2}{L-1}---\left(2\right)$

如果 ${\mathrm{\σ}}_i^2\≤T1,$ 则将N_i(f)分类到集合coll₀中，并且将其不被记录地(silently)丢弃(见图2中的N_i(f)-＞coll₀)；否则，N_i(f)有可能包含某种实质的串扰，并且将实施进一步分类。

如果 ${\mathrm{\σ}}_i^2>T1,$ 则串扰传感器112计算N_i(f)和每个能用的集合的经过时间平均的噪声PSD之间的互相关和。

可以将阈值T1设置为预定值，这种情况下，需要首先对方差进行标准化，或者阈值T1也可以是实时计算的(例如，作为均方值的比率)。

令coll₁到coll_M表示在时间下标i上当前定义的能用的集合组，并且令(f)_j表示集合coll_j的经过时间平均的噪声PSD，j为从1变化到M的集合下标：

$\tilde{N}{\left(f\right)}_j=\frac{\underset{N_i\∈{\mathrm{coll}}_j}{\mathrm{\Σ}}{N}_i\left(f_k\right)}{Z_j}---\left(3\right)$

其中，Z_j代表被分类到集合coll_j的测量结果采样的总数(由求平均值单元113更新)。

令

和

表示频率上(f)_j的均值和经过偏差校正的方差：

${\widetilde{\mathrm{\μ}}}_j=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}\tilde{N}{\left(f_k\right)}_j}{L}---\left(4\right)$

${\widetilde{\mathrm{\σ}}}_j^2=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{[\tilde{N}{\left(f_k\right)}_j-{\widetilde{\mathrm{\μ}}}_j]}^2}{L-1}---\left(5\right)$

将N_i(f)和(f)_j之间的互相关和φ_ij定义为：

${\mathrm{\φ}}_{\mathrm{ij}}=\frac{\frac{1}{L}\underset{k=1}{\overset{L}{\mathrm{\Σ}}}[N_i\left(f_k\right)-{\mathrm{\μ}}_i]\×[\tilde{N}{\left(f_k\right)}_j-{\widetilde{\mathrm{\μ}}}_j]}{\sqrt{{\mathrm{\σ}}_i^2}\×\sqrt{{\widetilde{\mathrm{\σ}}}_j^2}}---\left(6\right)$

将噪声PSD测量值N_i(f)分类到集合中，其互相关和是最高的并且大于或等于阈值T2(见图2中的N_i(f)-＞coll_j)，否则创建新的能用的测量结果集合(当前是coll_M+1)。阈值T2的典型值是0，80。

然后，求平均值单元113更新集合coll_j的经过时间平均的PSD，其中，加入了新接收的测量结果采样N_i(f)：

$Z_j\⇐Z_j+1---\left(8\right)$

接着，串扰识别单元115选择特定测量结果集合coll_x，x是从1变化到M的集合下标。例如，选择测量结果采样量最高的集合，或者有最新测量结果采样的集合。

最后，串扰识别单元115，通过由求平均值单元113更新的这个特定集合的经过时间平均的噪声PSD (f)_x识别特定串扰源。串扰源可根据其类型(如，ADSL)并且根据其相对于受害线路21a的接近程度来加以识别。

可选择其它的测量结果集合来识别其它的串扰源。例如，从最大的测量结果集合中识别低干扰及常在(always-on)串扰源，而从另一个测量结果集合中识别高干扰而又偶然(occasional)的串扰源。

以上描述可以类似地应用于由收发机单元11a进行的上行测量结果。

在本发明的另一可选实施例中，对测量结果采样N₁(f)...N_N(f)进行分类并且单独地存储到存储区114中。在进一步的步骤中，求平均值单元113计算特定集合coll_x的经过时间平均的PSD值，并且把这样计算出来的值提供给串扰识别单元115来进行进一步识别。

在本发明的另一实施例中，串扰传感器112计算给定频带内的测量结果采样N_i(f)的功率值，并且将这样计算出来的值与预定阈值进行比较，以便确定这个噪声采样是否有可能包含某种实质的串扰(白噪声低限典型地为-140dBm)。

串扰传感器112也可以考虑频率上N_i(f)的最大和最小值之间的差值，或者可以考虑N_i(f)的频率斜率，或者可以计算N_i(f)和白噪声参考PSD之间的互相关和。

在本发明的又一实施例中，串扰传感器112考虑测量结果采样N_i(f)中的特定频谱特征。

例如，串扰传感器112确定出现向下峰值(或局部最小值)的频率，这些频率是某种干扰源类型，并且串扰传感器112据此对测量结果采样进行分类。

作为第一个例子，在图3A中示出了在客户端处对受到综合业务数字网络(ISDN)干扰源干扰的受害线路(长度＝1km)实施的噪声PSD测量结果采样，并且其中向下波峰每80kHz重复一次。

作为第二个例子，在图3B中示出了在客户端处对受到HDSL干扰源干扰的受害线路(长度＝1km)实施的噪声PSD测量结果采样，并且其中向下波峰每400kHz重复一次。

串扰传感器还可以考虑其它频谱特征，比如上升/下降边沿，等等。

作为最后一个例子，在图3C中示出了在中心局处对受到ADSL干扰源干扰的受害线路(长度＝2km)实施的噪声PSD测量结果采样。在138kHz附近，噪声PSD值有突然的上升，这是源自于ADSL收发机的近端串扰类型(ADSL上行频带的范围是25.875kHz到138kHz，ADSL下行频带的范围是138kHz到1104kHz)。

在另一实施例中，串扰传感器112将测量结果采样进行相互比较，以判定它们是与同一个串扰环境相关还是与不同的串扰环境相关。

例如，串扰传感器112计算N_i(f)和在前测量结果N_i-p(f)之间每频率差值的总和Δρ：

$\mathrm{\Δ\ρ}=\underset{k=l}{\overset{L}{\mathrm{\Σ}}}|N_i\left(f_k\right)-N_{i-p}\left(f_k\right)|---\left(9\right)$

如果该差值低于第三阈值T3，则将N_i(f)分类到与N_i-p(f)相同的集合中，否则创建新的集合。

作为改进之处，串扰传感器112可以在创建新的测量结果集合之前等待数个相互间变化量很低的连续测量结果。

另外，串扰传感器112可以计算N_i(f)和在前测量结果N_i-p(f)之间的互相关和，以便判断它们是否与同一个串扰环境相关。

最后要注意是，前面是以功能块的形式对本发明的实施例加以介绍的。从前面给出的这些块的功能性介绍中，对于设计电子设备领域的技术人员来说，如何用公知的电子组件制造这些块的实施例是显而易见的。因此并未给出功能块内容的详细结构。

虽然前面结合具体设备介绍了本发明的原理，但是应该会明确地理解，本说明书仅仅是作为实例做出的并且不作为对所附权利要求中定义的本发明范围的限制。

Claims (7)

1.一种用于识别干扰用户线路(21a)的串扰源(11b；11c)的方法，该方法包括收集在连续时刻对所述用户线路执行的噪声测量结果(N₁(f)......N_N(f))的步骤，其特征在于，所述方法进一步包括以下步骤：

-将所述噪声测量结果分类到与不同串扰环境中的各种串扰环境相对应的不同测量结果集合(coll₀...coll_M)中，

-对特定测量结果集合(coll_x)进行时间平均，从而得出特定的经过时间平均的噪声测量结果((f)_X)，

-从所述特定的经过时间平均的噪声测量结果识别所述串扰源。

2.根据权利要求1的方法，其特征在于，所述测量结果集合包括不能用的测量结果集合(coll₀)和至少一个能用的测量结果集合(coll₁...coll_M)，所述不能用的测量结果集合与不存在针对所述用户线路的实质串扰的情况相对应，所述至少一个能用的测量结果集合与存在针对所述用户线路的实质串扰的情况相对应，所述特定测量结果集合是从所述至少一个能用的测量结果集合中选出的。

3.根据权利要求2的方法，其特征在于，所述方法进一步包括以下步骤：对所述至少一个能用的测量结果集合中的各个能用的测量结果集合进行时间平均，由此得出至少一个经过时间平均的噪声测量结果((f)₁...(f)_M)；

并且，在将新的噪声测量结果加入到所述至少一个能用的噪声测量结果集合时，计算并更新所述至少一个经过时间平均的噪声测量结果。

4.根据权利要求3的方法，其特征在于，对所述噪声测量结果进行分类的步骤包括将所述噪声测量结果与所述至少一个经过时间平均的噪声测量结果进行比较的步骤。

5.根据权利要求1的方法，其特征在于，对所述噪声测量结果进行分类的步骤包括在噪声测量结果内检测可区分特征的步骤，所述可区分特征表征特定串扰环境。

6.根据权利要求1的方法，其特征在于，对所述噪声测量结果进行分类的步骤包括分析所述噪声测量结果随时间的变化的步骤。

7.一种适于识别干扰用户线路(21a)的串扰源(11b；11c)的网络分析器(100)，该网络分析器(100)包括适于收集在连续时刻对所述用户线路执行的噪声测量结果(N₁(f)...N_N(f))的收集单元(111)，

所述网络分析器特征在于包括：

-串扰传感器(112)，其耦合到所述收集单元，并且适于将所述噪声测量结果分类到与不同串扰环境中的各种串扰环境相对应的不同测量结果集合(coll₀...coll_M)，

-求平均值单元(113)，其耦合到所述串扰传感器，并且适于对特定测量结果集合(coll_x)进行时间平均，由此得出特定的经过时间平均的噪声测量结果((f)_X)，

-串扰识别单元(115)，其耦合到所述求平均值单元，并且适于从所述特定的经过时间平均的噪声测量结果识别所述串扰源。

Images