CN101682429A - 接收器分集电信系统中的负载估计 - Google Patents

Abstract

给出一种用于在具有接收器分集的CDMA无线通信系统中提供负载参考数据的方法和装置。该方法包括测量(210)多于一个接收器分支的接收的总宽带功率。使用估计算法的选定状态变量的选定测量函数，从表示测量的功率的量来估计(212)关于相应功率量的概率分布，相应功率量与估计算法的选定状态变量相关。选定状态变量对应于小区功率量，选定测量函数对应于表示测量的功率的量。基于估计的概率分布来计算(214)相应分支的噪声基底测量的条件概率分布。该方法结束于基于这些噪声基底测量的计算的条件概率分布来提供(216)负载参考数据。

Description

接收器分集电信系统中的负载估计

技术领域

本发明主要涉及用于蜂窝通信系统(特别是利用接收器分集的蜂窝通信系统)中的负载估计的方法和设备。

背景技术

宽带码分多址(WCDMA)电信系统具有许多有吸引力的特性，可用于电信服务的将来发展。例如WCDMA和相似系统中的一个具体技术难题是将增强上行链路信道调度到其中干扰状况有利以及其中相关小区的上行链路中存在足够的容量以支持增强上行链路业务的时间间隔。公知的是小区的现有用户全部对WCDMA系统的上行链路中的干扰电平有贡献。而且，相邻小区中的终端也对相同的干扰电平有贡献。这是因为当使用码分多址(CDMA)技术时，小区的所有用户和公共信道在相同的频带中发射。小区的负载与相同的小区的干扰电平直接相关。

为了保持小区的稳定性，以及增加容量，快速增强上行链路调度算法操作以将负载维持在某个水平以下。其原因是至少在WCDMA中大多数上行链路用户信道受到功率控制。这种功率控制旨在将每个信道的接收功率电平保持在某个信号干扰比(SIR)，以便能够满足特定的服务要求。SIR水平通常使得无线电基站(RBS)中的接收功率低于干扰电平几个dB。所谓的RAKE-接收器中的去扩频则将每个信道增强到其中可以进一步处理(例如通过设在信号处理链中较后的信道解码器和语音编解码器来进一步处理)发射的比特的信号电平。

因为RBS尝试将每个信道保持在其特定的优选SIR值，所以可能发生如下情况，另外的用户或现有用户的突发(bursty)数据业务产生干扰电平，从而瞬间降低其他用户的SIR。RBS的响应是命令对所有其他用户进行功率增加，这是甚至更增加干扰的某种操作。通常，此过程在某个负载水平以下保持稳定。但是，在突然出现高容量信道的情况中，干扰的增加可能导致不稳定性、所谓的功率冲击。这解释了为什么对高容量上行链路信道(如WCDMA中的增强上行链路信道)进行调度以避免不稳定性是必要的。为了实现此目的，必须在RBS或任何与之连接的任何节点中估计瞬间负载。这使得能够评估留给不稳定性点的容量裕度。

例如CDMA系统中的小区的负载常常涉及与功率相关的某个量，典型地是噪声增加量(noise rise)或热噪声增加量(rise over thermal)(ROT)。必须确定功率量，例如总功率电平和噪声基底(理想情况下为热噪声)。根据现有技术确定高度波动的功率量或噪声基底通常与相对较大的不确定性关联，这甚至可能与整个可用容量裕度处于相同的量级。因此，在不提高与之关联的负载估计的情况下实现增强上行链路信道功能确实将是非常困难的。

现存有多种噪声增加量测量。最重要的一种或许是热噪声增加量(ROT)，它被定义为小区的总干扰与RBS的接收器的热噪声功率基底的商。其他测量包括，例如相对于热噪声基底的带内非WCDMA干扰。

此处，可提到需要负载估计来实现其控制的同等重要的参数是小区的覆盖范围。覆盖范围通常与需要在特定SIR操作以正常运行的特定服务相关。上行链路小区边界则由在最大输出功率操作的终端来定义。RBS中的最大接收信道功率由终端的最大功率和到数字接收器的路径损耗定义。因为路径损耗是终端与RBS之间的距离的直接函数，所以得到与RBS的最大距离。沿着始发于RBS的所有方向得到的此距离定义覆盖范围。

现在可得出结论，干扰电平的任何增加导致无法通过提高的终端功率来补偿降低的SIR。作为结果，需要减少路径损耗来维持服务。这意味着终端需要移动到更靠近RBS，即，小区的覆盖范围被缩减。

从上文的论述，显见到为了保持运营商已规划的小区覆盖范围，将干扰保持在特定电平以下是必要的。这意味着负载估计对于覆盖范围也是重要。特别是，从覆盖范围的角度来看，在RBS中快速调度增强上行链路业务时，负载估计是重要的。而且，控制多个RBS的无线电网络控制器(RNC)中的接纳控制和拥塞控制功能也从有关小区的瞬间噪声增加量的精确信息获益。

在公布的国际专利申请WO 2006/076969中公开改进负载估计的一种方法。使用功率量(优选地为瞬时总接收宽带功率与相同小区中使用的所有链路的瞬时功率和之间的差)作为热噪声基底的上限。公布的国际专利申请WO 2007/024166中公开基于最小值的相似级别原理的噪声增加量估计的最优和软算法。在公布的国际专利申请WO2007/055626中进一步公开有关此类算法的复杂度减少过程。

接纳控制确保在硬件资源方面以及在负载方面，小区中的用户数量不会变得比能处理的数量更大。太高的负载首先本身呈现在太差的服务质量中，由外部功率控制回路通过增加SIR目标来处理的事实。理论上，这种反馈回路还可能引入功率冲击，正如前面段落中描述的。

接纳控制功能可以通过管制RNC控制的每个小区所允许的用户的数量和业务的对应类型来防止上面两种效应。

为了管制用户的数量，RNC需要具有用于计算小区的负载的测量的部件。然后将小区负载的这种测量与阈值比较，在尝试性添加新用户之后，如果预测小区的负载保持在阈值以下，则接受新用户。请求用于接纳控制功能的改进的负载测量，以便可以接受更高数量的用户，而不会牺牲小区稳定性限制。

提高有效容量的一种方法是利用不同类型的接收器分集。使用多于一个接收器分支，可获得非整体相关的无线电信号。MIMO(多输入多输出)和分集组合算法将来自多个接收器分支的信号组合，以便增强接收器的整体性能。一些但非全部组合方法隐含地假设接收器分支是功率平衡的，即已校准的。时间校准的问题是至少同等重要的，并且已得到大量的关注。但是，该问题超出本发明公开的范围。

当考虑两个接收的信号的合并时，显然正确的功率平衡，即正确的功率校准是至关重要的。具有相同信噪比的两个信号，其中例如因未校准的接收器链导致这两个信号之一具有相比第二信号显著减小的振幅，则不容易被组合。在未校正接收器缩放因子误差的情况中，组合的信号将显著地遭受降级。

为了处理上面的校准问题，可以对每个接收器分支个别地应用信道估计。以此方式，将接收器链的任何未知缩放因子误差结合到每个接收器分支的信道模型中。注意，此方法需要使用训练序列，在为信道估计应用决策反馈的情况中还需要成功解码，例如联合地利用turbo解码。但是，此类方法是复杂的。

发明内容

本发明的通用性目的在于，提供用于具有接收器分集的CDMA无线通信系统中的负载估计的改进方法和设备。又一个目的在于，在仍估计不同分支的单独噪声基底水平的同时，利用各个接收器分支之间的固有相关性。

上面这些目的通过所附专利权利要求所述的方法和装置来实现。一般来说，在第一方面中，提出一种用于在具有接收器分集的CDMA无线通信系统中提供负载参考数据的方法。该方法包括在多个时间测量关于至少第一接收器分支和第二接收器分支的接收的总宽带功率。该方法还包括使用估计算法的选定状态变量的选定测量函数，从表示第一接收器分支的以及第二接收器分支的测量的接收的总宽带功率的量，多次估计关于第一功率量和第二功率量的概率分布，第一功率量和第二功率量均与估计算法的选定状态变量相关。选定状态变量对应于小区功率量，选定测量函数对应于表示第一和第二接收器分支的测量的接收的总宽带功率的量。基于关于第一功率量的至少多个估计概率分布来计算第一噪声基底测量的条件概率分布，以及基于关于第二功率量的至少多个估计概率分布来计算第二噪声基底测量的条件概率分布。该方法结束于基于第一和第二噪声基底测量的计算的条件概率分布来提供负载参考数据。

在第二方面中，一种用于具有接收器分集的CDMA无线通信系统中的接纳控制的方法包括，根据第一方面来提供负载参考数据，并基于负载参考数据来控制接纳。

在第三方面中，一种用于具有接收器分集的CDMA无线通信系统中的增强上行链路调度的方法包括，根据第一方面来提供负载参考数据，并基于负载参考数据来调度增强上行链路业务。

在第四方面中，一种用于具有接收器分集的CDMA无线通信系统中的接收器分支校准的方法包括，根据第一方面来提供负载参考，并计算表示第一和第二接收器分支之间的热噪声功率基底中的差的补偿测量。

在第五方面中，一种用于具有接收器分集的CDMA无线通信系统中的多输入多输出处理的方法包括，根据第四方面来执行接收器分支校准，并处理第一和第二接收器分支的联合多输入多输出信道模型。

在第六方面中，给出一种用于提供具有接收器分集的CDMA无线通信系统的负载参考数据的装置。该装置包括用于至少获取表示在多个时间的关于第一接收器分支的接收的总宽带功率的测量的量以及表示在多个时间的关于第二接收器分支的接收的总宽带功率的测量的量的部件。该装置还包括用于多次估计关于第一功率量和第二功率量的概率分布的部件。用于估计的部件连接到用于获取表示测量的量的部件。用于估计的部件布置成以与小区功率量对应的估计算法的选定状态变量、并且以与表示第一接收器分支的以及第二接收器分支的测量的接收的总宽带功率的量对应的选定测量函数来操作。第一和第二功率量与选定状态变量相关，因此，用于估计的部件被布置用于使用选定测量函数来估计关于第一和第二功率量的概率分布。该装置还包括用于计算第一噪声基底测量的条件概率分布和第二噪声基底测量的条件概率分布的部件。用于计算的部件连接到用于估计的部件。用于计算的部件布置成对关于第一功率量的至少多个估计的概率分布和关于第二功率量的至少多个估计的概率分布操作。最后，该装置包括用于基于第一和第二噪声基底测量的计算的条件概率分布来提供负载参考数据的部件。用于提供负载参考数据的部件至少连接到用于计算的部件。

在第七方面中，一种具有接收器分集的CDMA无线通信系统中的接纳控制装置包括，根据第六方面的用于提供负载参考数据的装置，以及连接到用于提供负载参考数据的部件的接纳控制单元。

在第八方面中，一种具有接收器分集的CDMA无线通信系统中的增强上行链路调度装置包括，根据第六方面的用于提供负载参考数据的装置，以及连接到用于提供负载参考数据的部件的增强上行链路调度单元。

在第九方面中，一种用于具有接收器分集的CDMA无线通信系统中的接收器分支校准的装置包括，根据第六方面的用于提供负载参考数据的部件，以及用于计算表示第一和第二接收器分支之间的热噪声功率基底中的差的补偿测量的部件。

在第十方面中，一种用于CDMA无线通信系统中的多输入多输出处理的装置包括，根据第九方面的用于接收器分支校准的装置，以及布置用于处理第一和第二接收器分支的联合多输入多输出信道模型的处理器。

在第十一方面中，一种具有接收器分集的CDMA无线通信系统的节点包括根据第六方面的装置。

在第十二方面中，一种具有接收器分集的CDMA无线通信系统包括根据第六方面的装置。

本发明的一个优点在于，通过联合处理所有接收器分支的功率测量，实现了MIMO/Rx分集配置中增强的性能。另一个优点在于，减轻了接收器分支之间的前端接收器功率平衡要求，而这又使得能够使用性能并不严苛的模拟组件。所有这些导致更低的RBS成本。

附图说明

参考下文结合附图的描述，将更好地理解本发明及其目的和优点，其中：

图1是示出有关负载估计的条件的图；

图2示出对于有关RBS的功率测量的贡献；

图3是用于提供负载参考数据的装置的一个实施例的框图；

图4是根据本发明用于在具有接收器分集的系统中提供负载参考数据的装置的一个实施例的框图；

图5是根据本发明用于提供负载参考数据的方法的一个实施例的步骤的流程图；

图6是根据本发明用于接纳控制的方法的一个实施例的步骤的流程图；

图7是根据本发明用于增强上行链路调度的方法的一个实施例的步骤的流程图；

图8是根据本发明用于接收器分支校准的方法的一个实施例的步骤的流程图；

图9是根据本发明用于MIMO处理的方法的一个实施例的步骤的流程图；

图10是根据本发明用于MIMO/Rx分集负载估计的装置的一个实施例的框图；

图11是根据本发明用于MIMO/Rx分集负载估计的装置的另一个实施例的框图；

图12是根据本发明用于MIMO/Rx分集负载估计的装置的又一个实施例的框图；

图13是根据本发明用于MIMO/Rx分集负载估计的装置的再一个实施例的框图；

图14是根据本发明用于MIMO/Rx分集前端校准的负载估计装置的一个实施例的框图；

图15是根据本发明用于MIMO/Rx分集前端校准的负载估计装置的另一个实施例的框图；

图16是根据本发明的具有接收器分集的CDMA无线通信系统89的一个实施例的框图；以及

图17是根据本发明的具有接收器分集的CDMA无线通信系统89的另一个实施例的框图。

具体实施方式

在通篇公开内容中，等式中的粗体字是指矢量或矩阵量。

在这些附图中，使用对应的引用数字来表示相似或对应的部分。

本发明的详细描述得益于有关如何执行负载估计和与此相关的问题的稍微较深入的理解。在WO 2007/024166中可找到有关参考和测量点、功率测量、功率控制回路、噪声增加量、噪声基底的可观察性以及噪声增加量估计的描述，它们在通用意义上也适用于本公开。

给出没有显式接收器分集的系统中的负载估计的第一简短概述。

图1是示出有关负载估计的条件的图。定义为天线连接器处测量的总功率与热噪声电平P_N(也称为噪声基底)之间的比率的噪声增加量N_R是负载的测量。高于噪声增加量阈值N_R ^thr，状况变得不稳定。从控制回路的设计可知总比特率与噪声增加量N_R之间的关系100，并且一旦确定瞬时噪声增加量N_R，就可以执行附加信道的调度。极容量C_pole以比特每秒为单位表示最大比特率容量。阈值N_R ^thr与热噪声电平P_N定义的电平之间的典型差ΔN通常是7dB。但是，可用的噪声基底或热噪声电平P_N通常不具有足够的精确度。

图2示出对与RBS 20相关的功率测量的贡献。RBS 20与小区30关联。在小区30内，存在多个移动终端25，这些移动终端25通过不同的链路与RBS 20通信，每个移动终端25对总接收功率构成P_i ^Code(t)的贡献。小区30具有相同WCDMA系统内的多个相邻小区31，每个小区与RBS 21关联。相邻小区也包括移动终端26。移动终端26发射射频功率，并且所有此类贡献之和由P^N表示。还可能存在其他网络外部辐射源，例如雷达站41。来自此类外部辐射源的贡献由P^E表示。最后，P_N项(表示噪声基底功率)从接收器本身产生。

总宽带功率测量P_Measurement ^PTWP(t)可以表示为：

$P_{\mathrm{Measurement}}^{\mathrm{Total}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_i^{\mathrm{Code}}\left(t\right)+P^{E+N}\left(t\right)+P_N\left(t\right)+e^{\mathrm{Total}}\left(t\right),---\left(1\right)$

其中

P^E+N＝P^E+P^N，(2)

以及其中e^RTWP(t)对测量噪声建模。

可以在数学上证明：P_N和P^E+N(t)的线性估计不是可观察的问题。仅有和P^E+N+P_N可从可用的测量观察到。

WO 2007/024166中用来估计热噪声功率基底的原理是，作为测量或估计的功率量的最小值来估计它。所关注的功率优选地是噪声基底的功率与相邻和外部干扰的功率之和，或总接收宽带功率。通过上面的原理得到的热噪声功率基底的估计总是被偏离而高于真实值。这是因为热噪声基底功率、相邻小区WCDMA功率和非WCDMA带内干扰功率之和总是至少与热噪声功率基底本身一样大。其结果是，噪声增加量被低估，即，小区的负载被低估。其结果可能是太激进的调度，从而导致例如小区不稳定。

参考图3，另一个可能解决方案的实施例提供不同的原理，其基于噪声增加量和热噪声功率基底的软估计。在最高级的形式中，在三个主要块51、52、53中执行可能的噪声增加量估计。

第一块51(即，功率估计块)应用用于估计后续处理块所需的某些功率量的估计算法。在本实施例中，估计是所谓的扩展的卡尔曼滤波器。确切地来说，块51接收多个输入61A-E，这些输入包含测量的接收的总宽带功率(RTWP)61A，信道i的测量的码功率干扰比(C/I)61B、信道i的贝塔因子61C、信道i的码的数量61D，对应于快速功率控制回路命令的码功率干扰比61E，并且块51提供包含功率估计62A、63A和对应标准偏差62B、63B的输出。输出62A是功率量的估计，该功率量是相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声基底功率之和，输出63A是估计的接收的总宽带功率(RTWP)，以及输出63B是对应的方差。与功率量的估计平均值一起，功率量的方差定义了功率量的估计概率分布函数(PDF)。当输出来自扩展的卡尔曼滤波器装置时，这些参数是定义滤波器产生的估计的(近似)高斯分布所需的仅有的参数。因此，给出了足够的信息以定义功率估计的整个概率分布信息。本发明的主要范围着重于与此块51关联的问题。

第二块52在本实施例中应用贝叶斯(Bayesian)估计技术，以便计算上文提到的功率量之一的极值64的条件概率密度函数。该估计基于来自第一块51的多个估计概率分布。在本实施例中，将给出有关噪声基底功率的先验期望概率分布的信息的参数66提供到条件概率分布估计块52，以便实现最优估计。

第三块53执行噪声增加量估计。在本实施例中，这通过计算来自块51的瞬间估计的RTWP分布63A、63B的商的条件概率分布以及噪声功率基底64的条件概率分布来执行。噪声增加量估计65优选地作为该商的条件概率分布的条件平均值来计算。

MIMO无线电技术将进入的比特流对于每个发射分支分成/混合成一个单独的流。这些分支优选地设计成使得发射的多个比特流在接收接收器分支处尽可能不相关。这可以使用不同的极化和/或使用位于足够不同的位置的发射分支(空间分集)来实现。MIMO概念的优点在于，如果比特流之间的相关性在接收端足够低，则可以按等于发射分支的数量的因子来增加容量。这是因为以下事实：每个发射分支可以视为单独的信道，从而充分利用分配的信道的完整频谱带宽。技术难题在于，确保发射的比特流在接收端保持不相关，同时将天线的物理尺寸保持足够小。这在小型手持终端中可能是非常难办的，尽管极化分集在此类应用中呈现出发展前景。

为了充分利用MIMO概念，开发了大量的专用无线电算法。现在，使用MIMO处理方案的重要先决条件是涉及的信道的模型。通常，需要针对每个MIMO分支个别地创建这些信道模型。此情况的原因是，组件变化(component variation)导致接收器分支之间(功率)的缩放因子变化大于1dB。

一个备选方式将是通过同时处理所有测量来校准接收器分支和计算信道模型。可以预期，此类过程将更有效率，例如因为可提供更多先验信息，即可以校准接收器分支。但是，此类校准成本高昂。

WO 2007/024166的负载估计技术也可以应用于接收器分集和MIMO的情况中。根据本发明，负载估计不是每个分支单独执行，而是在所有分支的功率量的公共处理中执行，但是仍提供各个分支的噪声基底估计。在接收器分集应用和MIMO中，理想情况下，接收器分支彼此不相关。但是在实际中，存在某种程度的相关性。使用本发明，可以利用此相关性来增强负载的估计。更具体来说，该相关性通过使用比之前使用的更通用的滤波器结构来增强所谓的剩余功率的估计。相关性则通过在联合系统噪声协方差矩阵中引入相关性来建模。

图4示出根据本发明的噪声增加量和热噪声功率基底的软估计的一个实施例。在此实施例中，存在两个接收器分支。确切地来说，块51接收输入61A、61F，这些输入包含第一接收器分支61A的测量的接收的总宽带功率(RTWP)和第二接收器分支61F的RTWP。由此块51中的扩展的卡尔曼滤波器的估计基于两个接收器分支的输入。卡尔曼滤波器提供输出，这些输出包含两组功率估计62A、63A、62C、63C和对应的标准偏差62B、63B、62D、63D。如上所述，输出62A是与第一接收器分支关联的功率量的估计。输出62C是与第二接收器分支关联的功率量的估计。如上所述，输出63A是第一接收器分支的估计的接收的总宽带功率(RTWP)，输出63C是第二接收器分支的估计的接收的总宽带功率(RTWP)。将功率估计62A和标准偏差62B提供到与第一接收器分支关联的第二块52A。将功率估计62C和标准偏差62D提供到与第二接收器分支关联的第二块52B。第二块52A和52B的每一个执行结合图3所描述的功能。

以相同的方式，第二块52A和52B的每一个输出分别与功率估计62A和62C关联的功率量的相应极值64A、64B。将这些极值64A、64B提供到相应的第三块53A和53B。第三块53A和53B也接收相应的RTWP估计63A和63C以及关联的标准偏差63B和63D。第三块53A和53B使用这些输入来提供相应的噪声增加量测量65A和65B。

可以注意到，块52A、B和53A、B各自操作，即它们每一个以与图3的装置中相同的方式操作。但是，第一块51是公共块，其中在本实施例中，扩展的卡尔曼滤波器包括所有输入测量，并设计成还对不同接收器分支之间的剩余相关性建模。通过设有一个初始公共块和后续单独块，因此给予图4的装置相比于现有技术解决方案的优点。

在图4中，仅指示RTWP测量作为对于第一块51的输入。但是，还可以利用其他功率相关的测量和信息来实现更好地估计与相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声基底功率之和对应的功率量。而这又改进了噪声基底估计。因此，可以使用例如图3所示的输入，但是用于两个接收器分支。另一个备选方案是使用接收的调度的增强上行链路功率RSEPS的附加测量作为对于估计器的输入。提供到第二块52A和52B的估计的功率量则可以优选地与每个接收器分支的RSEPS与RTWP之间的差相关。然后优选地必须指定处理非线性测量的变型。还优选地将功率动态性(powerdynamics)的建模增强到通用动态性(相比于先前利用的随机游动建模)。在前端中包括自适应频谱估计，用于估计此类通用动态性。

在一个备选实施例中，可以使用用于所有接收器分支的公共RSEPS值。可以例如通过分支之一的RSEPS、所有分支的平均值或基于根据某个其他关系的至少一个分支RSEPS值来构造这种公共RSEPS值。然后可以利用公共RSEPS值来估计不同接收器分支的功率量。

上文的通用原理不仅可以用于提供噪声增加量测量，如图4的实施例中所示，而且还可以在不同方面应用于具有接收器分集的CDMA无线通信系统中。在具有接收器分集的CDMA无线通信系统的接纳控制的方法中，根据上文的原理提供负载参考数据，并基于此负载参考数据来控制接纳。相似地，在具有接收器分集的CDMA无线通信系统的增强上行链路调度的方法中，根据上文的原理提供负载参考数据，并基于此负载参考数据来调度增强上行链路业务。因此可以在充分利用MIMO或上行链路Rx分集接收器链时，为负载估计目的执行联合前端处理。因此，对于采用上行链路MIMO(多输入多输出)或Rx分集接收器链的情况，这些理念增强了RNC接纳控制功能和增强上行链路调度。这些应用主要可应用于WCDMA和CDMA蜂窝系统。

为增强上行链路功率定义了例如其中新测量和对应的测量报告的WCDMA中测量标准的增强。因此通过将所有增强上行链路功率收集成一个组块(chunk)的附加测量来增强基本接收器宽带功率测量。这与用于负载参考数据提供的提出的方法完美地相适合。本方面的一个优点在于，当接收器分支相关时，使用更通用的卡尔曼滤波器结构，可以充分利用相关性来增强所谓的残余功率的估计。通过在联合系统噪声协方差矩阵中引入相关性来对该相关性建模。本发明因此提供了性能的增强。该性能增强应该可作为CDMA和WCDMA系统的增强的总容量被显见到。

而且，更多的分集相关动作也可以从根据上文原理的负载参考数据的提供而获益。本发明还提供用于解决接收器分集系统中的校准问题的部件，该部件提供在线算法来进行每个接收器分支的热噪声基底的软估计。然后可以使用这些估计的电平将不同接收器分支的热噪声电平归一化，即可以校准接收器分支。这使得能够使用背景技术部分中论述的备选MIMO处理和信道估计方案。

为此，提供一种在线低复杂度算法以用于对WCDMA(或CDMA)蜂窝系统的MIMO或Rx分集接收器的每个上行链路接收器分支的热噪声功率基底进行联合估计。它利用接收器链的任何点处以离散化模拟总宽带功率测量的形式的输入测量。该点对于所有接收器分支是相同的。利用接收器分支之间的上述相关性使用系统噪声协方差矩阵来为每个接收器分支提供热噪声功率基底估计。将这些热噪声功率基底估计提供到校准算法，其中计算补偿值。然后可以将这些补偿值应用于每个接收器分支的进入信号，从而产生具有近似于相同的热噪声基底的每个分支的数字化接收器功率流。换言之，实现了校准的MIMO/Rx分集无线电接收器。因此，对于MIMO/Rx分集天线和接收器结构，能够实现自动功率校准。因此，新的且更好的用于MIMO信道估计和处理的算法在将来应该变得可能，因为可以假设更精确的先验信息。

本发明的一个重要部分是估计热噪声功率基底。出于负载估计的目的，测量是天线连接器处测量的热噪声增加量。因此，此情况中的接收器分支之间的主要误差源可能是从天线到数字接收器中因组件变化所致的缩放因子误差。还可能添加了噪声。总之，在此情况中，数字接收器中见到的热噪声功率基底的估计呈现为关键组件。

对于MIMO校准问题，提出的算法实现接收器分支之间的热噪声功率基底水平的归一化，从而跟踪接收器分支之间变化的接收器温度并将其归一化。这捕获变化的天线接收器噪声温度和从天线单元到数字接收器的信号调节影响。

现在描述通用状态空间建模的实施例。创建联合块状态空间模型。用于描述噪声增加量估计器中使用的小区功率的通用状态空间模型是：

x(t+T)＝a(x(t))+w(t)    (3)

y(t)＝c(x(t))+e(t).

此处x(t)是由与特定小区相关的多种功率构成的状态矢量。特别是，x(t)对于每个接收器分支包含功率状态的一个块。y(t)是由该小区中执行的功率测量(例如总接收宽带功率RTWP)构成的输出矢量。y(t)也对于每个接收器分支包含一个测量块。w(t)是表示模型误差的所谓的系统噪声，e(t)表示测量误差。这两个量都对于每个接收器分支包含一个块。a(x(t))描述可能非线性的动态模式，而矢量c(x(t))是可能非线性的测量矢量，它是系统的状态的函数。最后，t表示时间，T表示取样周期。在下文中，将引入专门化以将本发明的实施例的多个详细方面量化。

具有接收器分集的CDMA无线通信系统中提供负载参考数据的方法因此包括在多个时间测量至少第一接收器分支和第二接收器分支的至少接收的总宽带功率。多次估计第一功率量和第二功率量的概率分布，第一功率量和第二功率量均与估计算法的选定状态变量相关。这些估计因此源自使用估计算法的选定状态变量的选定测量函数的表示第一接收器分支以及第二接收器分支的测量的接收的总宽带功率的量。基于第一功率量的至少多个估计的概率分布来计算第一噪声基底测量的条件概率分布。相似地，基于所述第二功率量的至少多个所述估计的概率分布来计算第二噪声基底测量的条件概率分布。然后基于第一和第二噪声基底测量的计算的条件概率分布来提供负载参考数据。

要定义状态和接收器分支块。将选定状态变量定义为对应于小区功率量。附录A中描述了RTWP和RSEPS测量均可用的详细的实施例。必须包含接收器分支之间的相关性特性，例如有关于空间和极化相关性效应。该估计算法优选地包括对不同接收器分支之间的相关性建模的联合系统噪声协方差。联合系统噪声协方差更优选地包括空间分集协方差和极化分集协方差中的至少一个。附录A中也举例说明了这一点。

下一步是论述(3)的第二个等式，即可用的测量备选方案。选定测量函数至少对应于表示第一和第二接收器分支的测量的接收的总宽带功率的量。附录B中更详细地论述了基于RTWP和RSEPS测量的不同测量备选方案。

如上文提到的，该方法还可以在更通用意义上基于功率测量。为了负载估计的目的，可以采用本小区的每个信道的码功率，而以甚高阶的卡尔曼滤波器为代价。可以沿着本发明公开的主线综合WO2007/024166的处理和WO2007/055626的复杂度降低，正如下文简要描述的。

以码功率块替代每个接收器分支的RSEPS状态块，小区的每个信道对应于一个块。每个码功率状态块具有它各自对动态性和系统噪声协方差的建模。对于本小区的每个信道，以一个码功率块替代每个接收器分支的RSEPS测量等式。

可能需要添加附录B中的建模备选方案以覆盖例如可从其导出码功率的SIR测量定义。该细节被省略。

附录A和B中的处理基于作为“主”状态的残余功率和RSEPS的选择。但是，状态选择实际是任意的-唯一重要的是一致性地定义(3)的测量等式和动态性。附录C中进一步论述了这一点。

现在已经定义所有的量，并且可以将扩展的卡尔曼滤波器与根据附录A、B和C的状态模型和测量模型的任何组合一起应用。在附录D中给出了通用的扩展的卡尔曼滤波器。

图5示出根据本发明的用于提供负载参考数据的方法的实施例的步骤的流程图。用于在具有接收器分集的CDMA无线通信系统中提供负载参考数据的方法开始于步骤200。在步骤210中，在多个时间测量至少第一接收器分支和第二接收器分支的接收的总宽带功率。在步骤212中，多次估计第一功率量和第二功率量的概率分布，第一功率量和第二功率量均与估计算法的选定状态变量相关。该估计基于使用估计算法的选定状态变量的选定测量函数的表示第一接收器分支以及第二接收器分支的测量的接收的总宽带功率的量。正如已经提到的，这些选定状态变量对应于小区功率量，这些选定测量函数对应于表示第一和第二接收器分支的测量的接收的总宽带功率的量。在步骤214中，基于第一功率量的至少多个估计概率分布来计算第一噪声基底测量的条件概率分布，以及基于第二功率量的至少多个估计概率分布来计算第二噪声基底测量的条件概率分布。在步骤216中，基于第一和第二噪声基底测量的计算的条件概率分布提供负载参考数据。该方法结束于步骤219。

该方法可以被利用以在无线通信系统内作为附加方法的基础。在图6中，示出根据本发明的用于接纳控制的方法的实施例的步骤的流程图。用于具有接收器分集的CDMA无线通信系统中的接纳控制的方法开始于步骤230。在步骤220中，根据本发明的用于提供负载参考数据的方法来提供负载参考数据，例如，如图5所示。在步骤232中，基于负载参考数据来控制接纳。该方法结束于步骤239。

在图7中，示出根据本发明的用于增强上行链路调度的方法的实施例的步骤的流程图。用于具有接收器分集的CDMA无线通信系统中的增强上行链路调度的方法开始于步骤240。在步骤220中，根据本发明的用于提供负载参考数据的方法来提供负载参考数据，例如，如图5所示。在步骤242中，基于负载参考数据来调度增强上行链路业务。该方法结束于步骤249。

在图8中，示出根据本发明的用于接收器分支校准的方法的实施例的步骤的流程图。用于具有接收器分集的CDMA无线通信系统中的接收器分支校准的方法开始于步骤250。在步骤220中，根据本发明的用于提供负载参考数据的方法来提供负载参考数据，例如，如图5所示。在步骤252中，计算表示所述第一和第二接收器分支之间的热噪声功率基底中的差的补偿测量。在步骤254中，基于补偿测量校准在第一和第二接收器分支中的至少一个接收的功率值。该方法结束于步骤259。

在图9中，示出根据本发明的用于多输入多输出处理的方法的实施例的步骤的流程图。用于CDMA无线通信系统中的多输入多输出处理的方法开始于步骤270。在步骤260中，根据本发明的用于接收器分支校准的方法来执行接收器分支校准，例如，如图7所示。在步骤272中，处理所述第一和第二接收器分支的联合多输入多输出信道模型。该方法结束于步骤279。

下文论述用于负载估计结构的目前优选实施例的几个示例。软负载估计算法适合于MIMO前端。因此，必须为对应的装置提供用于处理多输入多输出发射的部件。

首先，将结合图10论述使用非标准化宽带功率的MIMO/Rx分集负载估计。有多个(N个)接收器分支70:1-70:N可用。每个接收器分支70:1-70:N具有各自相应的前端电子设备71:1-71:N。在每个分支前端电子设备71:1-71:N中测量关联的接收器分支中的宽带功率。换言之，前端电子设备71:1-71:N一起构成用于在多个时间至少获取表示多个接收器分支的宽带功率的测量61:1-61:N的量的部件72。这些测量表示为Power_i，i＝1，...，N。公共功率估计块51接收这些测量并提供每个接收器分支的估计残余功率的估计的近似高斯概率密度函数(PDF)62:1-62:N：pdf_residual，i，i＝1，...，N，可能通过卡尔曼平滑器来平滑。换言之，功率估计块51构成用于多次估计多个功率量的概率分布的部件。正如上文进一步提到的，功率估计块51布置成利用与小区功率量对应的估计算法的选定状态变量、以及利用与表示不同接收器分支的测量的接收的总宽带功率的量对应的选定测量函数来操作。这些功率量与选定状态变量相关。这意味着功率估计块51布置成用于使用选定测量函数来估计功率量的概率分布。公共功率估计块51还提供每个接收器分支的估计的宽带功率的估计的近似高斯pdf63:1-63:N，pdf_Power，i，i＝1，...，N。

将残余功率pdf 62:1-62:N(即pdf_residual，i，i＝1，...，N)输入到单独的条件概率分布估计块52:1-52:N，其中计算相应接收器分支的热噪声功率基底的估计的pdf_floor，i，i＝1，...，N。条件概率分布估计块52:1-52:N一起构成用于计算所有不同分支的噪声基底测量的条件概率分布的部件77。将来自单独的条件概率分布估计块52:1-52:N的相应接收器分支的热噪声功率基底的估计pdf 64:1-64:N pdf_floor，i，i＝1，...，N和来自公共功率估计块51的每个接收器分支的估计的宽带功率的pdf63:1-63:N，pdf_Power，i，i＝1，...，N输入到单独的噪声增加量估计块53:1-53:N，每个接收器分支对应一个。噪声增加量估计块53:1-53:N提供相应接收器分支的估计热噪声增加量。这些噪声增加量估计块53:1-53:N是用于基于不同噪声基底测量的计算的条件概率分布来提供负载参考数据的部件78的一个示例。

将结合图11论述仅使用接收的总宽带功率的MIMO/Rx分集负载估计。该配置与图10的实施例非常相似，因此将仅论述不同之处。在图11的实施例中，分支前端电子设备71:1-71:N测量相应的3GPP标准化测量的总接收宽带功率RTWP_i，i＝1，...，N，并将其作为测量61:1-61:N提供到公共功率估计块51。在本实施例中，公共功率估计块51提供每个接收器分支的估计宽带功率的估计的近似高斯pdf63:1-63:N，pdf_RTWP，i，i＝1，...，N。最后，噪声增加量估计块53:1-53:N使它们的估计热噪声增加量65:1-65:N，RoT_i，i＝1，...，N基于估计的总接收宽带功率pdf_RTWP，i，i＝1，...，N。

将结合图12论述使用接收的总宽带功率以及接收的调度的增强上行链路功率的MIMO/Rx分集负载估计。该配置与图11的实施例具有大的相似性，因此将仅论述不同之处。在图12的实施例中，分支前端电子设备71:1-71:N测量相应的3GPP标准化测量的总接收宽带功率RTWP_i，i＝1，...，N和相应的3GPP标准化测量的接收的调度的增强上行链路功率，RSEPS_i，i＝1，...，N，并将其作为测量61:1-61:2N提供到公共功率估计块51。在此情况中，将这些前端电子设备定义为还包括对于测量RSEPS所必需的数字RAKE接收器。由此可以利用RTWP与RSEPS之间的差来改进公共功率估计块51提供的残余功率估计，正如附录中描述的。

将结合图13论述使用每个接收器分支的接收的总宽带功率、码功率、贝塔因子、码的数量以及码功率参考的MIMO/Rx分集负载估计。该配置与图11的实施例具有大的相似性，因此将仅论述不同之处。在图13的实施例中，分支前端电子设备71:1-71:N测量相应的3GPP标准化测量的总接收宽带功率RTWP_i，i＝1，...，N和功率控制信道的相应接收的上行链路功率(对于M_i个信道)P_code，i，k，k＝1，...，M_i，i＝1，...，N；每个功率控制信道的解码的贝塔因子β_i，k，k＝1，...，M_i，i＝1，...，N；功率控制信道的码的数量，n_i，k，k＝1，...，M_i，i＝1，...，N以及功率控制信道的推荐功率P_ref，i，k，k＝1，...，M_i，i＝1，...，N。这些测量仅针对一个分支来表示，以便利于附图的解读。将由61共同表示的测量提供到公共功率估计块51。在此情况中，功率测量必须在解码之后执行，以便获取所请求的量。由此可以通过利用与WO 2007/024166的理念相似的对单个接收器分支的附加测量来改进公共功率估计块51提供的残余功率估计。特别是，估计功率量是不同接收器分支的接收的信道码功率之和与接收的总宽带功率之间的差的测量。

在为例如校准目的而利用负载参考数据的情况中，噪声增加量测量的实际计算是不必要的。将结合图14论述使用宽带功率的测量的MIMO/Rx分集前端校准。有多个(N个)接收器分支70:1-70:N可用。每个接收器分支70:1-70:N具有各自相应的前端电子设备71:1-71:N。在每个分支前端电子设备71:1-71:N中测量关联的接收器分支中的宽带功率。换言之，前端电子设备71:1-71:N一起构成用于在多个时间至少获取表示多个接收器分支的宽带功率的测量61:1-61:N的量的部件72。这些测量表示为Power_i，i＝1，...，N。公共功率估计块51接收这些测量并提供每个接收器分支的估计残余功率的估计的近似高斯概率密度函数(pdf)62:1-62:N：pdf_residual，i，i＝1，...，N，可能通过卡尔曼平滑器来平滑。将残余功率pdf62:1-62:N(即pdf_residual，i，i＝1，...，N)输入到单独的条件概率分布估计块52:1-52:N，其中计算相应接收器分支的热噪声功率基底的估计值164:1-164:N，x_floor，i，i＝1，...，N。将来自单独的条件概率分布估计块52:1-52:N的相应接收器分支的热噪声功率基底的估计值164:1-164:N，x_floor，i，i＝1，...，N输入到用于计算补偿测量的公共部件73。在本实施例中，条件概率分布估计块52:1-52:N包括用于提供负载参考数据的部件，因为热噪声功率基底的值是从噪声基底测量的条件概率分布来推导的。补偿测量表示不同接收器分支之间的热噪声功率基底中的差。可以使用包括这些差值的补偿测量来校准不同接收器分支接收的功率值，例如通过在用于获取宽带功率测量的部件72中包括用于校准功率值的部件74。在本实施例中，测量的宽带功率不一定等于标准化RTWP，这意味着该配置无需预先将信号解码即可操作。这对于MIMO应用可能是重要的，因为MIMO处理的重要部分可在信号解码之前执行。布置成用于处理接收器分支的联合多输入多输出信道模型的处理器75然后有利地连接到用于校准补偿测量的部件73，如图14中的虚线所示。然后还优选地提供用于在接收器分支处处理多输入多输出发射的部件76。

将结合图15论述使用接收的总宽带功率以及接收的调度的增强上行链路功率的MIMO/Rx分集前端校准。该配置与图14的实施例具有大的相似性，因此将仅论述不同之处。在图15的实施例中，分支前端电子设备71:1-71:N测量相应的3GPP标准化测量的总接收宽带功率RTWP_i，i＝1，...，N和相应的3GPP标准化测量的接收的调度的增强上行链路功率RSEPS_i，i＝1，...，N，并将其作为测量61:1-61:2N提供到公共功率估计块51。由此可以通过利用RTWP与RSEPS之间的差来改进公共功率估计块51提供的残余功率估计，正如附录中描述的。但是，在本实施例中，在校准之前，为每个接收器分支解码信号是必需的。

图16示出从精确的负载估计获益的具有接收器分集的CDMA无线通信系统89，其包括至少一个节点90。在上文的描述中，假设功率估计有关上行链路通信。在此类情况中，功率测量由通用移动通信系统地面无线电接入网(UTRAN)88中的节点90(通常为无线电基站20)来执行。具有至少两个天线27的移动终端25经由至少两个接收器分支92与UTRAN 88中的RBS 20进行无线电联系。

在本实施例中，RBS 20包括增强上行链路调度装置93。增强上行链路调度装置93包括用于提供负载参考数据的装置94和连接到用于提供负载参考数据的装置94的增强上行链路调度单元95。用于提供负载参考数据的装置94包括用于获取表示两个接收器分支92的接收的总宽带功率的测量的量的部件80。因为RBS中还执行实际的测量，所以在本实施例中，用于获取表示两个接收器分支92的接收的总宽带功率的测量的量的部件80包括用于两个接收器分支92的接收的总宽带功率的测量部件180。用于提供负载参考数据的装置94还包括用于估计与相应接收器分支92关联的第一和第二功率量的概率分布的部件151。用于估计概率分布的部件151连接到用于获取表示接收的总宽带功率的测量的量的部件80。该估计至少从表示两个接收器分支的测量的接收的总宽带功率的量来执行。

在本实施例中，用于提供负载参考数据的装置94还包括用于计算与相应接收器分支的噪声基底测量的条件概率分布的部件152。用于计算噪声基底测量的条件概率分布的部件152连接到用于估计的部件151。在本实施例中，用于提供负载参考数据的装置94还包括用于提供相应接收器分支的负载参考数据的部件153，该部件153连接到用于估计的部件151和用于计算的部件152。增强上行链路调度单元95利用负载参考数据来调度增强上行链路业务。

在图16的实施例中，RBS 20还包括用于在CDMA无线通信系统89内发射负载参考数据的发射器82。在本实施例中，无线通信系统89包括UTRAN 88和核心网络CN 87。RBS 20由RNC 86控制，而RNC 86又连接到核心网络CN 87的移动服务交换中心/访问位置寄存器(MSC/VLR)84以及服务通用分组无线电系统支持节点(SGSN)85。

图17示出具有接收器分集的另一个CDMA无线通信系统89。在本实施例中，RNC 86包括接纳控制装置96。而接纳控制装置96又包括用于提供负载参考数据的装置94和连接到用于提供负载参考数据的装置94的接纳控制单元97。在本实施例中，用于获取表示两个接收器分支92的接收的总宽带功率的测量的量的部件80包括用于从RBS 20接收测量数据的接收器。在本实施例中，RBS 20包括两个接收器分支92的接收的总宽带功率的实际测量部件180。

在备选实施例中，用于提供负载参考数据的装置94可以是分布式装置，例如包括RNC 86和RBS 20的部分。

最复杂的设置包括估计小区的每个功率控制信道的时变功率，以便允许在估计噪声基底功率之前去除本小区的功率。本发明在于如热噪声基底估计见到的干扰的这种减少应该提高整体估计器的精确度。在这种情况中，例如为了启用有关例如贝塔因子的附加信息，必须单独地处理每个信道。因为通用卡尔曼滤波器的计算复杂度以状态的数量的三次方变化，所以上文的结果通常是不可接受的高计算复杂度。但是，可以通过在卡尔曼滤波器算法中的几个步骤中引入近似块结构来减少计算复杂度。最终实现是将计算复杂度减少到状态的数量的二次方。这在通常情况中，表示因子为25的显著节省。这种方法如WO2007/055626中描述的应用于单个接收器分支。

在相应接收器分支的噪声基底测量的条件概率分布的计算期间，可以利用递归公式表述以便减少必需的存储器消耗。此类方法可以将噪声基底估计块的要求的存储器消耗减少先前需求的1％以下。结果是例如在RNC中，每小区可运行一个算法。

用于接纳控制的装置的典型配置包括通常分布在RBS与RNC之间的部件。可以将RBS装备成提供负载参考数据。作为一个示例，可以将RBS装备成测量RTWP，并且还可选地测量RSEPS并计算噪声基底测量或此噪声基底测量的条件概率分布。RBS然后向RNC发信号通知该噪声基底测量以及优选地还通知RTWP测量和RSEPS测量。然后RNC具有执行接纳控制所必需的信息。

本发明提供许多优点，下文将陈述其中一些。实现用于在多于一个接收器分支的负载估计步骤中使用的一种新测量处理结构。该结构对于每个接收器分支至少包括接收的总宽带功率测量。可选地，该结构对于每个接收器分支还包括所谓的RSEPS测量。该结构优选地通过使用卡尔曼滤波器的系统噪声协方差矩阵来利用接收器分支之间的相关性。对每个接收器分支估计一个残余功率量和对应的方差，以用于相应接收器分支的进一步的负载估计步骤。可选地，对每个接收器分支估计总宽带功率量和对应的方差，以用于相应接收器分支的进一步的负载估计步骤，特别是在请求噪声基底值的时。

而且，还实现一种在线低复杂度算法以用于对WCDMA(或CDMA)蜂窝系统的MIMO或Rx分集接收器的每个上行链路接收器分支的热噪声功率基底进行联合估计。该算法利用接收器链的任何点处的输入测量(为离散化模拟的总宽带功率测量)。该点对于所有接收器分支是相同的。对每个接收器分支估计一个残余功率量和对应的方差，以用于相应接收器分支的进一步的噪声基底估计步骤。热噪声功率基底估计可以有利地被用于接收器分支校准的目的。校准算法计算补偿值。然后将这些补偿值应用于每个接收器分支的进入信号，从而产生具有近似于相同的热噪声基底的每个分支的数字化接收器功率流，即，实现校准的MIMO/Rx分集无线电接收器。

上文描述的这些实施例应理解为本发明的几个示范性示例。本领域技术人员将理解在不背离本发明范围的前提下可以对这些实施例进行多种修改、组合和更改。特别是，在技术上可能的情况下，可以将不同实施例中的不同部分解决方案组合在其他配置中。但是，本发明的范围由所附权利要求限定。

附录A

如果RTWP和RSEPS测量均可用，以便提供数字接收器中的残余功率的估计，即接收的总宽带功率减接收的调度的增强上行链路功率(共享的)，并计算噪声增加量测量，则需要引入两个状态模型。状态的选择与通常一样是任意的。但是，一个自然的选择是使用描述RSEPS的一个状态以及描述功率的“其余部分”(此处称为残余功率)的一个状态。下文将论述进一步的选择。在目标被限于估计噪声基底测量的情况中，使用一个状态模型是可能的。下文也概述这种可能性。

注意，这些状态描述功率，并因此必要地是肯定的(positive)，它们需要包含非零的平均值。此类平均值被建模为随机游动分量。假设在处理之前，以对数方式使用例如dBm标度来定义的任何功率测量已变换到线性功率域。对于本示例的状态的选择，这产生状态定义：

$x_{\mathrm{RSEPSPower},i}(t+T)$

$=\left(\begin{array}{c}{x}_{\mathrm{RSEPSPower},i}(t+T)\\ x_{\mathrm{RSEPSPowerDynamics},i}(t+T)\end{array}\right.=)=\left(\begin{array}{cc}1& A_{\mathrm{RSEPSPower},i}^1\left(t\right)\\ 0& A_{\mathrm{RSEPSPower},i}^2\left(t\right)\end{array}\right)\left(\begin{array}{c}{x}_{\mathrm{RSEPSPower},i}\left(t\right)\\ x_{\mathrm{RSEPSPowerDynamics},i}\left(t\right)\end{array}\right)$

$+\left(\begin{array}{c}{w}_{\mathrm{RSEPSPower},i}\left(t\right)\\ w_{\mathrm{RSEPSPowerDynamics},i}\left(t\right)\end{array}\right)=\left(\begin{array}{cc}1& A_{\mathrm{RSEPSPower},i}^1\left(t\right)\\ 0& A_{\mathrm{RSEPSPower},i}^2\left(t\right)\end{array}\right)x_{\mathrm{RSEPSPower},i}\left(t\right)+w_{\mathrm{RSEPSPower},i}\left(t\right),$

i＝1，...，NB_ranches.    (A1)

$x_{\mathrm{Residual},i}(t+T)=\left(\begin{array}{c}{x}_{\mathrm{Residual},i}(t+T)\\ x_{\mathrm{ResidualDynamics},i}(t+T)\end{array}\right)=\left(\begin{array}{cc}1& A_{\mathrm{Residual},i}^1\left(t\right)\\ 0& A_{\mathrm{Residual},i}^2\left(t\right)\end{array}\right)\left(\begin{array}{c}{x}_{\mathrm{Residual},i}\left(t\right)\\ x_{\mathrm{ResidualDynamics},i}\left(t\right)\end{array}\right)$

$+\left(\begin{array}{c}{w}_{\mathrm{Residual},i}\left(t\right)\\ w_{\mathrm{ResidualDynamics},i}\left(t\right)\end{array}\right)=\left(\begin{array}{cc}1& A_{\mathrm{Residual},i}^1\left(t\right)\\ 0& A_{\mathrm{Residual},i}^2\left(t\right)\end{array}\right)x_{\mathrm{Residual},i}\left(t\right)+w_{\mathrm{Residual},i}\left(t\right),$

i＝1，...，N_Branches.    (A2)

$x\left(t\right)=\left(\begin{array}{c}{x}_{\mathrm{RSEPSPower},1}\left(t\right)\\ x_{\mathrm{Residual},1}\left(t\right)\\ \·\\ \·\\ \·\\ x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)\\ x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(A3\right)$

$w\left(t\right)=\left(\begin{array}{c}{w}_{\mathrm{RSEPSPowet},1}\left(t\right)\\ w_{\mathrm{Residual},1}\left(t\right)\\ \·\\ \·\\ \·\\ w_{\mathrm{RSEPSPowet},N_{\mathrm{Branch}}}\left(t\right)\\ w_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right).---\left(A4\right)$

此处，(A3)是指(3)。x_{RSEPSPower，i}(t)表示与接收器分支i的接收的调度的增强上行链路功率对应的状态，其作为对数分数RSEPS量来测量，x_{RSEPSPowerDynamics，i}(t)表示对于接收器分支i，用于对RSEPS量表示的功率的动态性建模的功率状态变量。此动态性由矩阵A_{RSEPSPower，i} ¹(t)和A_{RSEPSPower，i} ²(t)来描述，其中主要引入时间变化，以允许引入时变自适应频谱分析处理，如下文所述。量w_{RSEPSPower，i}(t)是与分数RSEPS量对应的接收器分支i的功率的过程噪声(即，随机建模误差)。对于描述残余功率的量，符号表示是相同的。

就这一点而言，要强调将馈送到后续噪声功率基底估计步骤中的量(每个接收器分支对应一个)由估计的x_Residual，i(t)，i＝1，...，N_Branches和对应估计的方差给出(参见下文)。此分部(subsection)的最终结果是状态模型

x(t+T)＝A(t)x(t)+w(t)，    (A5)

其中系统矩阵A(t)由如下等式给出：

注意(A6)是(3)的第一个等式的特殊情况，因为a(x(t))＝A(t)x(t)。

接着定义过程噪声的统计特性。这些量被建模为白高斯零均值随机过程。相比现有技术，使用系统噪声协方差矩阵，在一个接收器分支的功率之间以及在不同接收器分支的功率之间引入相关性。这是在设计MIMO接收系统的一些变型和Rx分集时可以预期的情况。

作为典型实施例的一个示例，假设每个接收器分支满足：

$E\left[w_{\mathrm{RSEPSPower},i}\left(t\right)w_{\mathrm{RSEPSPower},i}^T\left(t\right)\right]=\left(\begin{array}{cc}{R}_{1,\mathrm{RSEPSPower},i}& 0\\ 0& R_{1,\mathrm{RSEPSPowerDynamics},i}\end{array}\right),$

i＝1，...，N_Branches，    (A7)

$E\left[w_{\mathrm{Residual},i}\left(t\right)w_{\mathrm{Residual},i}^T\left(t\right)\right]=\left(\begin{array}{cc}{R}_{1,\mathrm{Residual},i}& 0\\ 0& R_{1,\mathrm{ResidualDynamics},i}\end{array}\right),$

i＝1，...，N_Branches，    (A8)

$E\left[w_{\mathrm{RSEPSPower},i}\left(t\right)w_{\mathrm{Residual},i}^T\left(t\right)\right]=\left(\begin{array}{cc}{R}_{1,\mathrm{RSEPSResidual},i}& 0\\ 0& 0\end{array}\right),i=1,...,N_{\mathrm{Branches}}.---\left(A9\right)$

此处E[]表示统计期望。注意，通过删除对应的状态和矩阵块，容易得到无功率动态性的特殊情况。

总之，下文描述对于接收器分支i的系统噪声协方差

$R_{1,i}=\left(\begin{array}{cccc}{R}_{1,\mathrm{RSEPSPower},i}& 0& R_{1,\mathrm{RSEPSResidual},i}& 0\\ 0& R_{1,\mathrm{RSEPSPowerDynamics},i}& 0& 0\\ R_{1,\mathrm{RSEPSResidual},i}& 0& R_{1,\mathrm{Residual},i}& 0\\ 0& 0& 0& R_{1,\mathrm{ResidualDynamics},i}\end{array}\right).---\left(A10\right)$

在上文实施例中，在与残余功率和RSEPS功率对应的状态之间引入相关性，而保持功率与动态性之间的相关性不受影响，如RSEPS功率和残余功率的动态性之间的相关性的情况。当然，其中将所有相关性元素保留在矩阵中的更通用的设置也是可能的。然后问题是确定大量未知的相关性参数。鉴于此，上面的假设看上去是合理的，因为它捕获至少矩阵块内的功率之间的相关性。

接着对不同接收器分支的功率之间的相关性建模。必须包含接收器分支之间的相关性特性，例如有关空间和极化相关性效应。该估计算法优选地包括对不同接收器分支之间的相关性建模的联合系统噪声协方差。联合系统噪声协方差更优选地包括空间分集协方差和极化分集协方差中的至少一个。考虑具有带均匀分布的接收器分支的天线阵列的典型实施例，其具有对应的接收器信号链，以下假设是合理的，即在具有多个Rx分集接收分支的天线阵列中的任意固定的接收的功率信号

$x^{\mathrm{received}}\left(t\right)=\left(\begin{array}{c}{x}_1\left(t\right)\\ x_2\left(t\right)\\ \·\\ \·\\ \·\\ x_{N_{\mathrm{Branch}}-1}\left(t\right)\\ x_{N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(A11\right)$

之间的相关性由如下等式给出

此处ρ表示相邻接收器分支之间的系统功率噪声之间的相关性。x_True ^Received(t)表示“真实的”(条件均值)接收的信号。标准偏差矩阵D^recieved由下式给出

应该注意更通用的假设也是可能的。但是，在现有技术中，当讨论空间分集时，通常采用模型(A12)。

当在手边的是极化分集时，不同的模型也适用。然后可假设具有不同正交极化的相邻天线单元之间的相关性小，而该相关性对于具有相同极化的天线单元遵循(A12)。当然在天线单元的数量超过2的情况中可应用非正交极化。作为一个示例，假设每2个天线单元的具有剩余极化误差相关性η的正交极化分集给出

(假如N_Branch是偶数)。相似的表达式在奇数情况中也成立。

接收器分支之间的相关性与单个接收器分支的系统噪声协方差矩阵的组合即是这种情况。当组合时，显然(A14)、(A12)(以及相关性矩阵的其他变型)的每个元素都影响该接收器分支的所有对应状态。这意味着可以从(A4)、(A7)-(A10)和例如(A14)得到如下块矩阵公式表达

$R_1\left(t\right)=E\left[\left(w\left(t\right)w^T\left(t\right)\right)\right]$

$=E\left[\left(\begin{array}{c}{w}_1\left(t\right)\\ \·\\ \·\\ \·\\ w_{N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)\left(\begin{array}{ccc}{w}_1^T\left(t\right)& \·\·\·& w_{N_{\mathrm{Branch}}}^T\left(t\right)\end{array}\right)\right]$

这完成了(3)的第一个等式的讨论，其适用于MIMO/Rx分集负载估计和/或校准。

注意，对于上面的方案有多种变化-这些细节取决于天线的几何形状和发射技术(例如极化分集)。

附录B

下文针对单个接收器分支描述功率的测量和测量协方差的建模。其原因是在论述测量备选方案时不会因不必要的细节使处理难懂。下文进一步论述多个分支的情况，其中有对应的测量备选方案可用。

使用RTWP和RSEPS测量的一个实施例被用作模型实施例。假设接收的总宽带功率(RTWP(t))和接收的调度的增强上行链路功率(RSEPS(t))是根据3GPP发行版7定义来定义的。在此之上，可以在模数转换之后立即或甚至在模数转换之前执行专有的测量。

注意，将RSEPS测量表示成，为联合测量定义的RTWP测量的分数(精确地在相同时间间隔上定义的)，显然测量等式变成非线性的。非线性测量模型由下式给出

${\mathrm{RSEPS}}^{\mathrm{measurement}}\left(t\right)=q_{\mathrm{RSEPS}}\left(10{\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower}}\left(t\right)+e_{\mathrm{RSEPSPower}}\left(t\right)}{{\mathrm{RTWP}}^{\mathrm{measurement}}\left(t\right)}\right)\right).---\left(B1\right)$

此处，x_RSEPSPower(t)表示RSEPS量的真实功率，e_RSEPSPowert(t)表示对应的测量不确定性，并且q_RSEPS(.)是RSEPS测量的量化函数。RTWP测量以相似的方式来定义，

RTWP^measurement(t)＝q_RTWP(10log¹⁰(x_Residual(t)+x_RSEPSPower(t)+e_RTWP(t))+30).

                                                                            (B2)

其中RTWP是以dBm为单位来测量的，并且其中所有功率状态变量均以瓦特为单位。其符号表示与RSEPS测量的符号表示相似。测量干扰假设为零均值的白高斯，且

E[e_RSEPSPower(t)]²＝R_{2，RSEPSPower}    (B3)

E[e_RTWP(t)]²＝R_2，RTWP                (B4)

该量化通常足够精细而被忽略。此处假设该量化被忽略。

注意，总宽带功率的专有测量的处理能以与RTWP测量相似的方式来处理。

首先，描述对数相对测量。在本实施例中，保留(B1)的原始定义，其中忽略量化影响。在泰勒级数展开之后，这给出

${\mathrm{RSEPS}}^{\log \mathrm{measurement}}\left(t\right)\≈10{\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)}\right)+e_{\log \mathrm{RSEPSCompensated}}\left(t\right),---\left(B5\right)$

其中

$E{\left[e_{\log \mathrm{RSEPSCompensated}}\left(t\right)\right]}^2$

$\≈{\left(\frac{10}{\log \left(10\right)}\right)}^2({\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RTWP}}+{\left(\frac{1}{{\mathrm{RSEPS}}^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RSEPSPower}}).---\left(B6\right)$

此处RTWP^{powermeasurement}(t)和RSEPS^{powermeasurement}(t)是以瓦特为单位的人工功率测量，它们是在为状态变量对(B2)和(B5)求解时得到的。

(B2)的相似处理得到

RTWP^{logmeasurement}(t)≈10log¹⁰(x_RSEPSPower(t)+x_Residual(t))+30+e_{logRTWPcompensated}(t)，

                                                                                        (B7)

其中

$E{\left[e_{\log \mathrm{RTWPCompensated}}\left(t\right)\right]}^2\≈{\left(\frac{10}{\log \left(10\right)}\right)}^2\left({\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RTWP}}\right).---\left(B8\right)$

而且，交叉耦合变成

$\≈-{\left(\frac{10}{\log \left(10\right)}\right)}^2\left({\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RTWP}}\right).---\left(B9\right)$

随之可以将与(3)对应的测量等式公式化为

y(t)＝c(x(t))+e(t)    (B10)

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPS}}^{\log \mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}^{\log \mathrm{measurement}}\left(t\right)\end{array}\right)---\left(B11\right)$

$c\left(x\left(t\right)\right)=\left(\begin{array}{c}10{\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}^{\′}\left(t\right)}\right)\\ 10{\log }^{10}(x_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}\left(t\right))+30\end{array}\right)---\left(B12\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\log \mathrm{RSEPSCompensated}}\left(t\right)\\ e_{\log \mathrm{RTWPCompensated}}\left(t\right)\end{array}\right)---\left(B13\right)$

$R_2\left(t\right)={\left(\frac{10}{\log \left(10\right)}\right)}^2$

$\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RSEPS}}^{\mathrm{powermeasurement}}}\right)& \left(\frac{-1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)\\ 0& \left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)\end{array}\right)$

$\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower}}& 0\\ 0& R_{2,\mathrm{RTWP}}\end{array}\right)$

$\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RSEPS}}^{\mathrm{powermeasurement}}}\right)& 0\\ \left(\frac{-1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)& \left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)}\right)\end{array}\right).---\left(B14\right)$

再次注意，上面假设(B10)-(B14)中没有对动态性建模的状态。

现在，描述单独的线性测量。在此分部中，首先将测量线性化。为此，假设RTWP(t)＞＞e_RTWP(t)。这意味着使用泰勒级数展开的(B1)的以下近似，

${\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)\≡{10}^{\left(\frac{{\mathrm{RSEPS}}^{\mathrm{linearmeasurement}\left(t\right)}}{10}\right)}\≈\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)}$

$+\frac{e_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)}-\frac{x_{\mathrm{RSEPSPower}}\left(t\right)e_{\mathrm{RTWP}}\left(T\right)}{{(x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right))}^2}---\left(B15\right)$

这意味着

${\mathrm{RSEPSPower}}^{\mathrm{measurement}}\left(t\right)\≡(x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)){\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)$

$\≈x_{\mathrm{RSEPSPower}}\left(t\right)+e_{\mathrm{RSEPSPower}}\left(t\right)-\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{(x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right))}{e}_{\mathrm{RTWP}}\left(T\right)$

$=x_{\mathrm{RSEPSPower}}\left(t\right)+e_{\mathrm{RSEPSPowerCompensated}}\left(t\right).---\left(B16\right)$

最后，假设功率噪声之间的独立性，得出

E[e_{RSEPSPowerCompensated}(t)]²≈(RSEPS^{linearmeasurement}(t))²R_2，RTWP+R_{2，RSEPSPower}.(B17)

(B2)的相似处理得到

${\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\≡{10}^{\left(\frac{{\mathrm{RTWP}}^{\mathrm{measurement}}\left(t\right)}{10}\right)}-30$

$=(x_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}\left(t\right))+e_{\mathrm{RTWPlinear}}\left(t\right)---\left(B18\right)$

因此，(B18)的方差，以及与(B16)的交叉耦合变成

E[e_RTWPlinear(t)]²＝R_2，RTWP    (B19)

E[e_{RSEPSPowerCompensated}(t)e_RTWPlinear(t)]²＝-(RSEPS^{linearmeasurement}(t))R_2，RTWP.(B20)

接下来，使用(B16)-(B20)定义的人工测量，随之可以将与

(3)对应的测量等式公式化为

y(t)＝c(x(t))+e(t)＝C(t)x(t)+e(t)    (B21)

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPSPower}}^{\mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\end{array}\right)---\left(B22\right)$

$C\left(t\right)=\left(\begin{array}{cccccccc}1& 0& ...& 0& 0& 0& ...& 0\\ 1& 0& ...& 0& 1& 0& ...& 0\end{array}\right)---\left(B23\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\mathrm{RSEPSPowerCompensated}}\left(t\right)\\ e_{\mathrm{RTWPlinear}}\left(t\right)\end{array}\right)---\left(B24\right)$

$R_2\left(t\right)=\left(\begin{array}{cc}1& {-\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)\\ 0& 1\end{array}\right)\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower}}& 0\\ 0& R_{2,\mathrm{RTWP}}\end{array}\right)$

$\·\left(\begin{array}{cc}1& 0\\ {-\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)& 1\end{array}\right).---\left(B25\right)$

上面的等式定义测量过程的线性化实施例。

现在，描述相对线性测量。在本实施例中，仅将(B1)的原始定义变换到线性功率域，其中忽略量化影响。在泰勒级数展开之后，这给出

${\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)\≡{10}^{\left(\frac{{\mathrm{RSEPS}}^{\mathrm{linearmeasurement}\left(t\right)}}{10}\right)}\≈\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)}$

$+\frac{e_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right)}-\frac{x_{\mathrm{RSEPSPower}}\left(t\right)e_{\mathrm{RTWP}}\left(T\right)}{{(x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}\left(t\right))}^2}$

$\≡\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{x_{\mathrm{Residual}}\left(t\right)+x_{\mathrm{RSEPSPower}}}+e_{\mathrm{RSEPSCompensated}}\left(t\right).---\left(B26\right)$

此处，

$E{\left[e_{\mathrm{RSEPSCompensated}}\left(t\right)\right]}^2$

$\≈{\left(\frac{{\mathrm{RSEPS}}^{\mathrm{lineatmeasurement}}\left(t\right)}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RTWP}}+{\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RSEPSPower}}.---\left(B27\right)$

(B2)的相似处理得到

${\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\≡{10}^{\left(\frac{{\mathrm{RTWP}}^{\mathrm{measurement}}\left(t\right)}{10}\right)}-30$

$=(x_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}\left(t\right))+e_{\mathrm{RTWPlinear}}\left(t\right)---\left(B28\right)$

因此，(B28)的方差，以及与(B26)的交叉耦合变成

E[e_RTWPlinear(t)]²＝R_2，RTWP    (B29)

${E\left[e_{\mathrm{RSEPSCompensated}}\left(t\right)e_{\mathrm{RTWPlinear}}\left(t\right)\right]}^2=-\left(\frac{{\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}}\right)R_{2,\mathrm{RTWP}}.---\left(B30\right)$

随之可以将与(3)对应的测量等式公式化为

y(t)＝c(x(t))+e(t)    (B31)

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}\left(t\right)\\ {\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\end{array}\right)---\left(B32\right)$

$c\left(x\left(t\right)\right)=\left(\frac{x_{\mathrm{RSEPSPower}}\left(t\right)}{\begin{array}{c}{x}_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}\left(t\right)\\ x_{\mathrm{RSEPSPower}}\left(t\right)+x_{\mathrm{Residual}}\left(t\right)\end{array}}\right)---\left(B33\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\mathrm{RSEPSCompensated}}\left(t\right)\\ e_{\mathrm{RTWPlinear}}\left(t\right)\end{array}\right)---\left(B34\right)$

$R_2\left(t\right)=\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}}\right)& \left(\frac{{-\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)}\right)\\ 0& 1\end{array}\right)$

$\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower}}& 0\\ 0& R_{2,\mathrm{RTWP}}\end{array}\right)\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}}\right)& 0\\ \left(\frac{{-\mathrm{RSEPS}}^{\mathrm{linearmeasurement}}}{{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)}\right)& 1\end{array}\right).---\left(B35\right)$

存在这样的可能性：通过将输入信号从RTWP(t)更改为以下等式来重新使用负载估计器的现有单输入解决方案

RSEPSPowerComplement(t)≡(1-RSEPS^{kinearmeasurement}(t))RTWP^{linearmeasurement}(t).(B36)

注意，仍需要两个测量，但是在卡尔曼滤波器的处理之前将这些测量进行组合。还可能的是利用人工非线性测量

RSEPSComplement(t)≡1-RSEPS^{linearmeasurenment}(t).(B37)但是，需要在滤波中以RTWP测量来增强该测量，以便产生进一步处理所必需的绝对功率值。

以上情况出现是因为这两个测量反映不是调度的增强上行链路功率的总功率的分数(B37)，和对应的功率(B36)。此“技巧”定义作为残余功率本身或分数残余功率的近似的新人工测量。单个输入卡尔曼滤波器的细节为

初始化

$x^{\mathrm{RSEPC}}\left(t_0\right|t_0-T)=x_0^{\mathrm{RSEPC}}$

P^RSEPC(t₀|t₀-T)

t:＝t₀-T

迭代

t:＝t+T

$K_f^{\mathrm{RSEPC}}\left(t\right)=\frac{P^{\mathrm{RSEPC}}\left(t\right|t-T)}{P^{\mathrm{RSEPC}}\left(t\right|t-T)+R_2^{\mathrm{RSEPC}}}$

$x^{\mathrm{RSEPC}}\left(t\right|t)=x^{\mathrm{RSEPC}}\left(t\right|t-T)+K_f^{\mathrm{RSEPC}}\left(t\right)(y^{\mathrm{RSEPC}}\left(t\right)-x^{\mathrm{RSEPC}}\left(t\right|t-T))$

$P^{\mathrm{RSEPC}}\left(t\right|t)=P^{\mathrm{RSEPC}}\left(t\right|t-T)-K_f^{\mathrm{RSEPC}}\left(t\right)P^{\mathrm{RSEPC}}\left(t\right|t-T)$

x^RSEPC(t+T|t)＝x^RSEPC(t|t)

$P^{\mathrm{RSEPC}}(t+T|t)=P^{\mathrm{RSEPC}}\left(t\right|t)+R_1^{\mathrm{RSEPC}}---\left(B38\right)$

结束。

在(B38)中，RSEPC是RSEPSPowerComplement的缩写，参见(B36)。x^RSEPC(t|t-T)表示RSEPC的一步预测，而x^RSEPC(t|t)是卡尔曼滤波器估计。对应的方差分别是P^RSEPCP(t|t-T)和P^RSEPCP(t|t)。K_f ^RSEPC(t)是时变卡尔曼滤波器增益。

现在，当以更简单的形式给出不同的选项时，可以论述多个接收器分支应用。首先，给出仅使用RTWP测量的一个实施例。此处，使用与动态性模型(A1)-(A4)和(A13)对应的(3)的完整测量等式，且进行如下修改。去除与RSEPS功率对应的状态。去除矩阵A(t)和R₁的对应元素。与残余功率对应的状态等于与RTWP对应的状态，即可以将下标“Residual”更换为“RTWP”。

此处列出上面所有这些测量备选方案的结果。

对数相对测量：

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RTWP}}_1^{\log \mathrm{measurement}}\left(t\right)\\ \·\\ \·\\ \·\\ {\mathrm{RTWP}}_{N_{\mathrm{Branch}}}^{\log \mathrm{measurement}}\left(t\right)\end{array}\right)---\left(B39\right)$

$c\left(x\left(t\right)\right)=\left(\begin{array}{c}10{\log }^{10}\left(x_{\mathrm{RTWP},1}\left(t\right)\right)+30\\ \·\\ \·\\ \·\\ 10{\log }^{10}\left(x_{\mathrm{RTWP},N_{\mathrm{Branch}}}\left(t\right)\right)+30\end{array}\right)---\left(B40\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\log \mathrm{RTWPCompensated},1}\left(t\right)\\ \·\\ \·\\ \·\\ e_{\log \mathrm{RTWPCompensated},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B41\right)$

$R_{2,i}\left(t\right)={\left(\frac{10}{\log \left(10\right)}\right)}^2\frac{R_{2,\mathrm{RTWP},i}}{{\left({\mathrm{RTWP}}^{\mathrm{powermeasurement}}\left(t\right)\right)}^2},i=1,...,N_{\mathrm{Branch}}---\left(B42\right)$

$R_2\left(t\right)=\left(\begin{array}{ccccc}{R}_{\mathrm{2,1}}\left(t\right)& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & R_{2,N_{\mathrm{Branch}}}\left(t\right)\end{array}\right).---\left(B43\right)$

单独的线性测量：

在此情况中，c(x(t))＝C(t)x(t)。结果变成

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\\ \·\\ \·\\ \·\\ {\mathrm{RTWP}}^{\mathrm{linearmeasurement}}\left(t\right)\end{array}\right)---\left(B44\right)$

C_i(t)＝(1 0 ... 0)，i＝1，...，N_Branch       (B45)

$C\left(t\right)=\left(\begin{array}{ccccc}{C}_1\left(t\right)& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & C_{N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B46\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\mathrm{RTWPlinear},1}\left(t\right)\\ \·\\ \·\\ \·\\ e_{\mathrm{RTWPlinear},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B47\right)$

R_2，i(t)＝R_2，RTWP，i，i＝1，...，N_Branch    (B48)

$R_2\left(t\right)=\left(\begin{array}{ccccc}{R}_{\mathrm{2,1}}& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & R_{2,N_{\mathrm{Branch}}}\end{array}\right).---\left(B49\right)$

接下来，给出多个接收器分支的RTWP和RSEPS的测量。

对数相对测量：

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPS}}_1^{\log \mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_1^{\log \mathrm{measurement}}\left(t\right)\\ \·\\ \·\\ \·\\ {\mathrm{RSEPS}}_{N_{\mathrm{Branch}}}^{\log \mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_{N_{\mathrm{bRANCH}}}^{\log \mathrm{measurement}}\left(t\right)\end{array}\right)---\left(B50\right)$

$c\left(x\left(t\right)\right)=\left(\begin{array}{c}10{\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower},1}\left(t\right)}{x_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right)}\right)\\ 10{\log }^{10}(x_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right))+30\\ \·\\ \·\\ \·\\ 10{\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)}{x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)}\right)\\ 10{\log }^{10}(x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right))+30\end{array}\right)---\left(B51\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\log \mathrm{RSEPSPCompensated},1}\left(t\right)\\ e_{\log \mathrm{RTWPCompensated},1}\left(t\right)\\ \·\\ \·\\ \·\\ e_{\log \mathrm{RSEPSPCompensated},N_{\mathrm{Branch}}}\left(t\right)\\ e_{\log \mathrm{RTWPCompensated},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B52\right)$

$R_{2,i}\left(t\right)={\left(\frac{10}{\log \left(10\right)}\right)}^2\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RSEPS}}_i^{\mathrm{powermeasurement}}}\right)& \left(\frac{-1}{{\mathrm{RTWP}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)\\ 0& \left(\frac{1}{{\mathrm{RTWP}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)\end{array}\right)$

$\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower}}& 0\\ 0& R_{2,\mathrm{RTWP}}\end{array}\right)\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RSEPS}}_i^{\mathrm{powermeasurement}}}\right)& 0\\ \left(\frac{-1}{{\mathrm{RTWP}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)& \left(\frac{1}{{\mathrm{RTWP}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)\end{array}\right),$

i＝1，...，N_Branch    (B53)

$R_2\left(t\right)=\left(\begin{array}{ccccc}{R}_{\mathrm{2,1}}\left(t\right)& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & R_{2,N_{\mathrm{Branch}}}\left(t\right)\end{array}\right).---\left(B54\right)$

单独的线性测量

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPSPower}}_1^{\mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_1^{\mathrm{linearmeasurement}}\left(t\right)\\ \·\\ \·\\ \·\\ {\mathrm{RSEPSPower}}_{N_{\mathrm{Branch}}}^{\mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_{N_{\mathrm{Branch}}}^{\mathrm{linearmeasurement}}\left(t\right)\end{array}\right)---\left(B55\right)$

$C_i\left(t\right)=\left(\begin{array}{cccccccc}1& 0& ...& 0& 0& 0& ...& 0\\ 1& 0& ...& 0& 1& 0& ...& 0\end{array}\right),i=1,...,N_{\mathrm{Branch}}---\left(B56\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\mathrm{RSEPSPowerCompensated},1}\left(t\right)\\ e_{\mathrm{RTWPlinear},1}\left(t\right)\\ \·\\ \·\\ \·\\ e_{\mathrm{RSEPSPowerCompensated},N_{\mathrm{Branch}}}\left(t\right)\\ e_{\mathrm{RTWPlinear},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B57\right)$

$R_{2,i}\left(t\right)=\left(\begin{array}{cc}1& {-\mathrm{RSEPS}}_i^{\mathrm{linearmeasurement}}\left(t\right)\\ 0& 1\end{array}\right)\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower},i}& 0\\ 0& R_{2,\mathrm{RTWP},i}\end{array}\right)$

$\·\left(\begin{array}{cc}1& 0\\ -{\mathrm{RSEPS}}_i^{\mathrm{linearmeasurement}}\left(t\right)& 1\end{array}\right),i=1,...,N_{\mathrm{Branch}}---\left(B58\right)$

$R_2\left(t\right)=\left(\begin{array}{ccccc}{R}_{\mathrm{2,1}}\left(t\right)& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & R_{2,N_{\mathrm{Branch}}}\left(t\right)\end{array}\right).---\left(B59\right)$

相对线性测量：

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPS}}_1^{\mathrm{linearmeasurement}}\left(t\right)\\ {\mathrm{RTWP}}_1^{\mathrm{linearmeasurement}}\left(t\right)\\ \·\\ \·\\ \·\\ {\mathrm{RSEPS}}_{N_{\mathrm{Branch}}}^{\mathrm{linearmeasurement}}\left(t\right)\\ {\mathrm{RTWP}}_{N_{\mathrm{Branch}}}^{\mathrm{linearmeasurement}}\left(t\right)\end{array}\right)---\left(B60\right)$

$c\left(x\left(t\right)\right)=\left(\begin{array}{c}\frac{x_{\mathrm{RSEPSPower},1}\left(t\right)}{\begin{array}{c}{x}_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right)\\ x_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right)\end{array}}\\ \·\\ \·\\ \·\\ \frac{x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)}{\begin{array}{c}{x}_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)\\ x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)\end{array}}\end{array}\right)---\left(B61\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\mathrm{RSEPSCompensated}}\left(t\right)\\ e_{\mathrm{RTWPlinear}}\left(t\right)\\ \·\\ \·\\ \·\\ e_{\mathrm{RSEPSCompensated}}\left(t\right)\\ e_{\mathrm{RTWPlinear}}\left(t\right)\end{array}\right)---\left(B62\right)$

$R_{2,i}\left(t\right)=\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RTWP}}_i^{\mathrm{linearmensurement}}}\right)& \left(\frac{-{\mathrm{RSEPS}}_i^{\mathrm{linearmeasurement}}}{{\mathrm{RTWP}}_i^{\mathrm{linearmeasurement}}\left(t\right)}\right)\\ 0& 1\end{array}\right)$

$\·\left(\begin{array}{cc}{R}_{2,\mathrm{RSEPSPower},i}& 0\\ 0& R_{2,\mathrm{RTWP},i}\end{array}\right)\·\left(\begin{array}{cc}\left(\frac{1}{{\mathrm{RTWP}}_i^{\mathrm{linearmeasurement}}}\right)& 0\\ \left(\frac{{-\mathrm{RSEPS}}_i^{\mathrm{linearmeasurement}}}{{\mathrm{RTWP}}_i^{\mathrm{linearmeasurement}}\left(t\right)}\right)& 1\end{array}\right),i=1,...,N_{\mathrm{Branch}}---\left(B63\right)$

$R_2\left(t\right)=\left(\begin{array}{ccccc}{R}_{\mathrm{2,1}}\left(t\right)& & & & 0\\ & .& & & \\ & & .& & \\ & & & .& \\ 0& & & & R_{2,N_{\mathrm{Branch}}}\left(t\right)\end{array}\right).---\left(B64\right)$

附录C

为了描述定义动态性和测量等式的过程，为简明起见假设状态模型中未包含动态性。通过以下等式定义新的状态：

$\left(\begin{array}{c}{x}_1\left(t\right)\\ x_2\left(t\right)\end{array}\right)=\left(\begin{array}{cc}{t}_{11}& t_{12}\\ t_{21}& t_{23}\end{array}\right)\left(\begin{array}{c}{x}_{\mathrm{RSEPSPower}}\left(t\right)\\ x_{\mathrm{Residual}}\left(t\right)\end{array}\right).---\left(C1\right)$

此处

$T=\left(\begin{array}{cc}{t}_{11}& t_{12}\\ t_{21}& t_{23}\end{array}\right)---\left(C2\right)$

是非奇异变换矩阵。注意当定义了此类矩阵时，在卡尔曼滤波器的状态模型中使用状态

$\left(\begin{array}{c}{x}_1\left(t\right)\\ x_2\left(t\right)\end{array}\right)---\left(C3\right)$

通过在这些测量等式中插入如下关系，形成新的测量等式，对应于上文论述的备选方案

$\left(\begin{array}{c}{x}_{\mathrm{RSEPSPower}}\left(t\right)\\ x_{\mathrm{Residual}}\left(t\right)\end{array}\right)={\left(\begin{array}{cc}{t}_{11}& t_{12}\\ t_{21}& t_{23}\end{array}\right)}^{-1}\left(\begin{array}{c}{x}_1\left(t\right)\\ x_2\left(t\right)\end{array}\right)---\left(C4\right)$

然后遵循使用泰勒级数展开的上文概述的相同过程，以达到利用扩展的卡尔曼滤波器进行处理所要求的剩余量。以下是重要的特殊情况

$\left(\begin{array}{c}{x}_{\mathrm{RSEPSPowert}}\left(t\right)\\ x_{\mathrm{RTWP}}\left(t\right)\end{array}\right)=\left(\begin{array}{cc}1& 0\\ 1& 1\end{array}\right)\left(\begin{array}{c}{x}_{\mathrm{RSEPSPowert}}\left(t\right)\\ x_{\mathrm{Residual}}\left(t\right)\end{array}\right).---\left(C5\right)$

$\left(\begin{array}{c}{x}_{\mathrm{Residual}}\left(t\right)\\ x_{\mathrm{RTWP}}\left(t\right)\end{array}\right)=\left(\begin{array}{cc}0& 1\\ 1& 1\end{array}\right)\left(\begin{array}{c}{x}_{\mathrm{RSEPSPowert}}\left(t\right)\\ x_{\mathrm{Residual}}\left(t\right)\end{array}\right).---\left(C6\right)$

附录D

通过如下矩阵和矢量迭代给出通用的扩展的卡尔曼滤波器

$C\left(t\right)=\frac{\∂c\left(x\right)}{\∂x}{|}_{x=\hat{x}\left(t\right|t-T)}$

K_f(t)＝P(t|t-T)C^T(t)(C(t)P(t|t-T)C^T(t)+R₂(t))^-1

$\hat{x}\left(t\right|t)=\hat{x}\left(t\right|t-T)+K_f\left(t\right)(y\left(t\right)-C\left(t\right)\hat{x}\left(t\right|t-T))$

P(t|t)＝P(t|t-T)-K_f(t)C(t)P(t|t-T)

$A\left(t\right)=\frac{\∂a\left(x\right)}{\∂x}{|}_{x=\hat{x}\left(t\right|t)}$

$\hat{x}(t+T|t)=\mathrm{Ax}\left(t\right|t)+\mathrm{Bu}\left(t\right)$

P(t+T|t)＝AP(t|t)A^T+R₁(t).                       (D1)

以下是滤波器迭代(D1)引入的量。

表示基于直到时间t-T的数据的状态预测，

表示基于直到时间t的数据的滤波器更新，P(t|t-T)表示基于直到时间t-T的数据的状态预测的协方差矩阵，以及P(t|t)表示基于直到时间t的数据的滤波器更新的协方差矩阵。C(t)表示线性化测量矩阵(围绕大多数当前状态预测的线性化)，K_f(t)表示时变卡尔曼增益矩阵，R₂(t)表示测量协方差矩阵，以及R₁(t)表示系统噪声协方差矩阵。可以注意到，R₁(t)和R₂(t)常常用作滤波器的调谐变量。在原理上，滤波器的带宽由R₁(t)和R₂(t)的矩阵商来控制。

通过对

和P(t|t-T)提供初始值来初始化滤波器。注意，负载估计算法的最后ROT估计步骤所需的每个接收器分支的总功率pdf从与RTWP测量对应的输出的期望值以及与RTWP测量对应的输出的期望协方差来获取。这是因为可以假设近似的高斯度(Gaussianity)。如上利用RSEPS功率和残余功率的状态进行状态选择，立即得出

x_RTWP，i(t)＝x_{RSEPSPower，i}(t)+x_Residual，i(t)    (D2)

据此，得出

${\hat{x}}_{\mathrm{RTWP},i}\left(t\right|t)={\hat{x}}_{\mathrm{RSEPSPower},i}\left(t\right|t)+{\hat{x}}_{\mathrm{Residual},i}\left(t\right|t)---\left(D3\right)$

${\hat{P}}_{\mathrm{RTWP},i}\left(t\right|t)={\hat{P}}_{\mathrm{RSEPSPower},i}\left(t\right|t)+{\hat{P}}_{\mathrm{RSEPSPower},\mathrm{Residual},i}\left(t\right|t)$

$+{\hat{P}}_{\mathrm{Residual},\mathrm{RSEPSPower},i}\left(t\right|t)+{\hat{P}}_{\mathrm{Residual},i}\left(t\right|t).---\left(D4\right)$

注意，可以通过以卡尔曼平滑器替代卡尔曼滤波器来获得进一步的性能增强。

参考文献

WO 2006/076969

WO 2007/024166

WO 2007/055626

Claims (35)

1.一种用于在具有接收器分集的CDMA无线通信系统(89)中提供负载参考数据的方法(220)，包括以下步骤：

在多个时间测量(210)关于至少第一接收器分支和第二接收器分支的接收的总宽带功率(61:1-61:N)；

使用估计算法的选定状态变量的选定测量函数，从表示所述第一接收器分支的以及所述第二接收器分支的所述测量的接收的总宽带功率(61:1-61:N)的量来多次估计(212)关于第一功率量和第二功率量的概率分布(62:1-62:N)，所述第一功率量和第二功率量均与所述估计算法的所述选定状态变量相关；

所述选定状态变量对应于小区功率量；

所述选定测量函数对应于表示所述第一和第二接收器分支的所述测量的接收的总宽带功率的所述量；

基于关于所述第一功率量的至少多个所述估计的概率分布来计算(214)第一噪声基底测量的条件概率分布(64:1-64:N)，以及基于关于所述第二功率量的至少多个所述估计的概率分布来计算第二噪声基底测量的条件概率分布；以及

基于所述第一和第二噪声基底测量的所述计算的条件概率分布(64:1-64:N)来提供(216)负载参考数据。

2.如权利要求1所述的方法，其中所述估计算法包括对所述第一和第二接收器分支之间的相关性建模的联合系统噪声协方差。

3.如权利要求1或2所述的方法，其中所述联合系统噪声协方差包括空间分集协方差和极化分集协方差中的至少一个。

4.如权利要求1至3中任一项所述的方法，其中将所述第一和第二接收器分支用于多输入多输出发射。

5.如权利要求1至4中任一项所述的方法，还包括以下步骤：

对于所述多个实例，测量关于所述第一和第二接收器分支的接收的公共调度的增强上行链路功率；

由此所述估计的步骤还基于表示所述测量的接收的公共调度的增强上行链路功率的量。

6.如权利要求1至4中任一项所述的方法，还包括以下步骤中的至少一个：

对于所述多个实例，测量关于所述第一接收器分支的接收的调度的增强上行链路功率；

对于所述多个实例，测量关于所述第二接收器分支的接收的调度的增强上行链路功率；

由此所述估计的步骤还基于表示关于所述第一接收器分支的所述测量的接收的调度的增强上行链路功率的量和表示关于所述第二接收器分支的所述测量的接收的调度的增强上行链路功率的量中的至少一个。

7.如权利要求6所述的方法，其中所述第一功率量和所述第二功率量中的至少一个是分别关于所述第一和第二接收器分支的接收的总宽带功率与接收的调度的增强上行链路功率之间的差的测量。

8.如权利要求1至4中任一项所述的方法，还包括以下步骤中的至少一个：

对于所述多个实例，测量关于所述第一接收器分支的接收的信道码功率；以及

对于所述多个实例，测量关于所述第二接收器分支的接收的信道码功率；

由此所述估计的步骤还基于以下项中的至少一个：

表示关于所述第一接收器分支的所述测量的接收的信道码功率的量，以及

表示关于所述第二接收器分支的所述测量的接收的信道码功率的量。

9.如权利要求8所述的方法，其中所述第一功率量和所述第二功率量中的至少一个是分别关于所述第一和第二接收器分支的接收的总宽带功率与接收的信道码功率之和之间的差的测量。

10.如权利要求8或9所述的方法，其中所述估计的步骤包括多次估计关于第三功率量和第四功率量的概率分布，所述第三和第四功率量分别是所述第一和第二接收器分支的总宽带功率量。

11.一种用于具有接收器分集的CDMA无线通信系统中的接纳控制的方法，包括以下步骤：

根据权利要求1至10的任一项来提供(220)负载参考数据；以及

基于所述负载参考数据来控制(232)接纳。

12.一种用于具有接收器分集的CDMA无线通信系统中的增强上行链路调度的方法，包括以下步骤：

根据权利要求1至10的任一项来提供(220)负载参考数据；以及

基于所述负载参考数据来调度(242)增强上行链路业务。

13.一种用于具有接收器分集的CDMA无线通信系统中的接收器分支校准的方法(260)，包括以下步骤：

根据权利要求1至10的任一项来提供(220)负载参考；以及

计算(252)表示所述第一和第二接收器分支之间的热噪声功率基底中的差的补偿测量。

14.如权利要求13所述的方法，还包括以下步骤：

基于所述补偿测量来校准(254)所述第一和第二接收器分支中的至少一个处接收的功率值。

15.一种用于CDMA无线通信系统中的多输入多输出处理的方法，包括以下步骤：

根据权利要求13至14的任一项来执行(260)接收器分支校准；以及

处理(272)所述第一和第二接收器分支的联合多输入多输出信道模型。

16.一种用于提供具有接收器分集的CDMA无线通信系统(89)的负载参考数据的装置(94)，包括：

用于至少获取表示在多个时间的关于第一接收器分支的接收的总宽带功率(61:1-61:N)的测量的量以及表示在所述多个时间的关于第二接收器分支的接收的总宽带功率的测量的量的部件(80)；

用于多次估计关于第一功率量和第二功率量的概率分布(62:1-62:N)的部件(151)，用于估计的所述部件(151)连接到用于获取表示测量的量的所述部件(80)；

用于估计的所述部件(151)布置成以对应于小区功率量的估计算法的选定状态变量、并且以对应于表示所述第一接收器分支的以及所述第二接收器分支的所述测量的接收的总宽带功率(61:1-61:N)的量的选定测量函数来操作；

所述第一和第二功率量与所述选定状态变量相关；

由此用于估计的所述部件(151)被布置用于使用所述选定测量函数来估计关于所述第一和第二功率量的所述概率分布(62:1-62:N)；

用于计算第一噪声基底测量的条件概率分布(64:1-64:N)和第二噪声基底测量的条件概率分布的部件(152)，用于计算的所述部件连接到用于估计的所述部件；

用于计算的所述部件(152)布置成对关于所述第一功率量的至少多个所述估计的概率分布(62:1-62:N)和关于所述第二功率量的至少多个所述估计的概率分布操作；以及

用于基于所述第一和第二噪声基底测量的所述计算的条件概率分布(64:1-64:N)来提供负载参考数据的部件(75；78；153)，用于提供负载参考数据的所述部件(75；78；153)至少连接到用于计算的所述部件(152)。

17.如权利要求16所述的装置，其中用于估计的所述部件被布置用于结合对所述第一和第二接收器分支之间的相关性建模的联合系统噪声协方差。

18.如权利要求16或17所述的装置，其中所述联合系统噪声协方差包括空间分集协方差和极化分集协方差中的至少一个。

19.如权利要求16至18中任一项所述的装置，还包括用于处理多输入多输出发射的部件(76)。

20.如权利要求16至19中任一项所述的装置，其中用于获取表示测量的量的所述部件(80)还被布置用于，对于所述多个实例，获取表示关于所述第一和第二接收器分支的接收的公共调度的增强上行链路功率的测量的量；

由此用于估计的所述部件布置成还对表示接收的公共调度的增强上行链路功率的所述测量的所述量操作。

21.如权利要求16至19中任一项所述的装置，其中用于获取表示测量的量的所述部件(80)还被布置用于，对于所述多个实例，获取表示关于所述第一接收器分支的接收的调度的增强上行链路功率的测量的量，以及对于所述多个实例，获取表示关于所述第二接收器分支的接收的调度的增强上行链路功率的测量的量；

由此用于估计的所述部件(151)布置成还对表示关于所述第一接收器分支的接收的调度的增强上行链路功率的所述测量的所述量和表示关于所述第二接收器分支的接收的调度的增强上行链路功率的所述测量的量中的至少一个操作。

22.如权利要求21所述的装置，其中所述第一功率量和所述第二功率量中的至少一个是分别关于所述第一和第二接收器分支的接收的总宽带功率与接收的调度的增强上行链路功率之间的差的测量。

23.如权利要求16至19中任一项所述的装置，其中用于获取表示测量的量的所述部件(80)还布置用于，对于所述多个实例，获取表示关于所述第一接收器分支的接收的信道码功率的测量的量，以及对于所述多个实例，获取表示关于所述第二接收器分支的接收的信道码功率的测量的量；

由此用于估计的所述部件(151)布置成还对表示关于所述第一接收器分支的接收的信道码功率的所述测量的所述量和表示关于所述第二接收器分支的接收的信道码功率的所述测量的所述量中的至少一个操作。

24.如权利要求23所述的装置，其中所述第一功率量和所述第二功率量中的至少一个是分别关于所述第一和第二接收器分支的接收的总宽带功率与接收的信道码功率之和之间的差的测量。

25.如权利要求22或24所述的装置，其中用于估计的所述部件(151)还被布置用于多次估计关于第三功率量和第四功率量的概率分布，所述第三和第四功率量分别是所述第一和第二接收器分支的总宽带功率量。

26.如权利要求16或25所述的装置，由此用于提供负载参考数据的所述部件(75；78；153)还连接到用于估计的所述部件。

27.一种具有接收器分集的CDMA无线通信系统中的接纳控制装置(96)，包括：

用于根据权利要求16至26的任一项来提供负载参考数据的装置(94)；以及

连接到用于提供负载参考数据的所述部件(153)的接纳控制单元(97)。

28.一种具有接收器分集的CDMA无线通信系统中的增强上行链路调度装置(93)，包括：

用于根据权利要求16至26的任一项来提供负载参考数据的装置(94)；以及

连接到用于提供负载参考数据的所述部件(153)的增强上行链路调度单元(95)。

29.一种用于具有接收器分集的CDMA无线通信系统中的接收器分支校准的装置，包括：

用于根据权利要求16至26的任一项来提供负载参考数据的装置；以及

用于计算表示所述第一和第二接收器分支之间的热噪声功率基底中的差的补偿测量的部件(75)。

30.如权利要求29所述的装置，还包括：

用于基于所述补偿测量来校准所述第一和第二接收器分支中的至少一个处接收的功率值的部件(74)。

31.一种用于CDMA无线通信系统中的多输入多输出处理的装置，包括：

根据权利要求29或30的用于接收器分支校准的装置；以及

布置用于处理所述第一和第二接收器分支的联合多输入多输出信道模型的处理器(76)。

32.一种具有接收器分集的CDMA无线通信系统(89)的节点(90)，包括根据权利要求16至31的任一项的装置。

33.如权利要求32所述的节点，其中所述节点是无线电基站(20)。

34.如权利要求32所述的节点，其中所述节点是无线网络控制器(86)。

35.一种具有接收器分集的CDMA无线通信系统(89)，包括根据权利要求16至31的任一项的装置。

Images