CN101785219A - 基于噪声本底监测的接收器链的故障的监控 - Google Patents

Abstract

用于无线通信的接收信号链中的故障的监控的方法包括在多个时间实例提供(210)表示接收信号链中的所测量的接收功率的数据。该方法还包括根据表示所测量的接收功率的数据在多个时间实例确定(220)噪声本底值。记录(230)所确定的噪声本底值的时间演进，并且根据所记录的时间演进来检测(240)接收信号链中的故障的任何出现。还提供一种用于执行接收信号链中的故障的监控的装置。

Description

基于噪声本底监测的接收器链的故障的监控

技术领域

一般来说，本发明涉及用于无线通信系统中的监控和故障检测的方法及装置，并且具体来说，涉及无线通信系统中的接收信号链中的监控和故障检测的方法及装置。

背景技术

故障偶尔也在大多数高质量通信系统中出现。许多类型的故障确实主要仅影响它所在的节点。但是，接收信号链中发生的故障也可影响通信系统的其它部分的质量或容量。信号的接收中的故障在许多情况下可以只理解为具有不良无线电条件的信号。用于调节功率和干扰等级的部件当今在许多系统中是可得到的，并且这种故障因而可导致功率的增加使用、较高干扰等级以及最终较低的有用传输资源。

在当今的一些系统中，通过独立的测试例程来测试设备的故障。但是，这类测试事件也减少总的可用传输资源。大故障可通过正常业务的突然中断来检测。但是，不同元件的较小故障或者非最佳操作更难发现。另外，当已知故障存在于接收信号链时，通常要费力定位故障在链中出现的位置。

因此，现有技术的无线通信系统的一般问题在于，监控和故障检测往往是不充分的。

发明内容

因此，本发明的一个目的是提供用于接收信号链、即从接收器前端向外到天线中的故障检测的改进方法和装置。本发明的另一个目的是提供与通信系统的正常操作同时可操作的方法及装置。又一个目的是提供不会不利地影响业务质量或传输容量的方法和装置。

上述目的通过根据所附专利权利要求书的方法、装置、节点和系统来实现。一般来说，在第一方面，用于无线通信的接收信号链中的故障的监控的方法包括在多个时间实例提供表示接收信号链中的所测量的接收功率的数据。该方法还包括根据表示所测量的接收功率的数据在多个时间实例确定噪声本底值。记录所确定的噪声本底值的时间演进，并且根据所记录的时间演进来检测接收信号链中的故障的任何出现。

在第二方面，用于无线通信的接收信号链中的故障的监控的装置包括用于在多个时间实例提供表示接收信号链中的所测量的接收功率的数据的部件以及处理器装置。处理器装置设置用于根据表示所测量的接收功率的数据而在多个时间实例确定噪声本底值。处理器装置还设置用于评估所确定的噪声本底值的时间演进，以及用于根据时间演进来检测接收信号链中的故障的任何出现。

在第三方面，无线通信系统中使用的节点包括根据第二方面的装置。

在第四方面，无线通信系统包括根据第三方面的至少一个节点。

本发明的一个优点在于，可同时对正常操作执行连续监控和故障检测，并且其中在许多情况下已经是可得到的测量可用于分析故障的任何出现。这使得能够将任何实现成本保持在低水平。

附图说明

通过参照以下结合附图进行的描述，可透彻地理解本发明以及本发明的其它目的和优点，附图包括：

图1是蜂窝通信系统中的信号功率的示意图；

图2是根据本发明的方法的一个实施例的步骤的流程图；

图3是示出噪声本底测量的时间演进的简图；

图4是用于确定噪声本底值的装置的一个实施例的框图；

图5是无线通信系统中的接收器链的示意图；

图6A-B是示出在接收器链的不同点所确定的噪声本底测量的时间演进的简图；

图7是用于确定具有接收器分集的通信系统中的噪声本底值的装置的一个实施例的框图；

图8是根据本发明的蜂窝通信系统的一个实施例的框图；

图9是根据本发明的处理器装置的一个实施例的框图；以及

图10是根据本发明的蜂窝通信系统的另一个实施例的框图。

具体实施方式

在整个公开中，等式中的粗体字母表示向量或矩阵量。

附图中，相同的参考标号用于相似或对应元件。

在本发明中，噪声本底值用于故障检测目的。通常由于许多其它原因而在不同系统中确定噪声本底，并且本描述将以简述发现这种使用的一些示例的情况开始。

例如WCDMA和类似系统中的一个具体技术挑战是对于时间间隔的增强上行链路信道的调度，其中干扰条件是有利的，以及在所述的小区的上行链路中存在充分容量以便支持增强上行链路业务。众所周知的是，小区的现有用户均对WCDMA系统的上行链路的干扰等级有贡献，还有来自相邻小区的终端的份额。小区的负荷与同一个小区的干扰等级直接相关。

为了保持小区的稳定性，快速增强上行链路调度算法进行工作以便使负荷保持低于某个等级。原因在于，上行链路用户信道的大多数经过功率控制。业务的瞬时增加会增加干扰，并且功率控制增加功率，以便使各信道的接收功率等级保持在某个信号干扰比。如果负荷等级过高，则这可导致无控制的不稳定性，即所谓的功率骤增(power rush)。

例如CDMA系统中的小区的负荷通常涉及与功率相关的某个量。通常必须确定功率量、如总功率等级和噪声本底(理想地为热噪声)。

还要求对其控制的负荷估计的另一个重要特征是小区的覆盖。覆盖通常与需要工作在特定SIR以便正常运行的特定服务相关。上行链路小区边界则由工作在最大输出功率的终端来定义。为了保持小区覆盖，需要使干扰保持低于特定等级。这意味着负荷估计对于覆盖也是重要的。具体来说，从覆盖的角度来看，负荷估计在RBS中的增强上行链路业务的快速调度中是重要的。此外，控制多个RBS的无线电网络控制器(RNC)中的准入控制和拥塞控制功能性也获益于关于小区的瞬时噪声提升的准确信息，该准确信息又取决于噪声本底测量。

下面进一步给出用于估计噪声本底值的不同有用方式。

本发明中认识到，噪声本底值的时间方面、即噪声本底值如何随时间而变化可用于监控和故障检测。在接收器中测量的功率的份额具有不同的源。图1示出一种典型的无线通信系统70。在小区30中，存在多个移动终端25，它们通过分别对基站20中的总接收功率有贡献的不同链路22与基站20进行通信。小区30在相同无线通信系统70中通常具有各与相邻基站21关联的多个相邻小区31。相邻小区31的链路24也对基站20中所检测的射频功率有贡献。还可存在其它网络的外部辐射源41。最后，项23也产生于接收器本身，并且这个项通常表示为噪声本底。

通过数学方式，总宽带功率测量P_Measurement ^RTWP(t)由此可表示为：

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

其中，P_i ^Code(t)是码数i的信号功率，P_N(t)是噪声本底，以及P^E+N(t)是来自相邻小区和外部源的功率份额，即：

P^E+N＝P^E+P^N    (2)

其中，P^E是来自外部源的份额，以及P^N是来自相邻小区的份额。

e^RTWP(t)对测量噪声建模。

能以数学方式证明，P^E+N(t)和P_N的线性估计不是可观测问题。只有和数P^E+N+P_N是从可得到的测量可观测的。

噪声本底基本上因接收信号链中的热噪声而提升。在错误组件之后的任何点，这种接收信号链中的组件的任一个的错误函数通常将引起比正常情况更高的噪声等级。从噪声本底的单个值，很难确定是否存在任何故障。但是，通过监测或记录噪声本底的时间演进(timeevolution)或者噪声本底的最佳估计，可取得与噪声等级的变化有关的信息。某些变化可通过正常发生因素来说明，例如估计原理的不准确性或者温度的自然变化。但是，其它变化可用作故障的可能发生的检测。

图2示出根据本发明的方法的一个实施例的流程图。用于监控无线通信的接收信号链中的故障的方法在步骤200开始。在步骤210，在多个时间实例提供表示接收器信号链中的所测量的接收功率的数据。在步骤220，根据表示所测量的接收功率的数据在多个时间实例确定噪声本底值。在一个优选实施例中，确定步骤220包括以下步骤221：根据表示所测量的接收功率的数据在多个实例获得功率相关量，由此噪声本底的确定基于这些功率相关量。在步骤230，记录确定噪声本底值的时间演进。在步骤240根据所记录的时间演进来检测接收信号链中的故障的任何发生。在一个优选实施例中，检测步骤包括：将所记录的时间演进与模型时间演进进行比较；以及如果表示所记录的时间演进与模型时间演进之间的差的测量超过阈值，则指示故障。模型时间演进可完全或部分基于类似条件的先前所记录的时间演进的统计处理。模型时间演进还可完全或部分基于类似条件的预期时间演进的理论模型。

图3中示出尝试情形。这里在简图中示出噪声本底值的时间演进101。在起初，噪声本底值按照比较缓慢变化、通常周期的变化。这类变化可取决于噪声本底估计例程的不准确性，或者可以是自然温度变化的结果。但是，在时间t0，看到与正常行为的极大偏离。这类变化不能通过正常操作的系统中的自然原因来解释，并且因此可能指示已经出现故障。模型时间演进由曲线102指示。如上所述，模型时间演进可基于早先噪声本底值的统计处理和/或基于理论考虑因素。通过定义噪声本底值的所记录的时间演进与模型时间演进之间的差测量，可获得反映与正常偏离的测量。如果这个差超过某个阈值，则偏离可被认为可能由故障的引入而引起。

现有技术中存在许多用于发现两个系列的数据、如时间演进之间的差测量的方法。因此，像这样的差的提供和分析是从现有技术已知的。本发明中所选的实际优选方法取决于所使用的差测量的类型和应用。但是，这些步骤的细节对于实现发明的主要概念的应用的基本优点不是特别重要的，并且因此从本描述中省略。本领域的技术人员了解在任何基本标准检测理论文献中发现用于实现此部分发明的适当方法。

如上所述，当今在无线通信系统中，为了不同目的而已经需要噪声本底值。用于根据接收功率的测量来提供这种测量的几乎任何现有技术方法可用于本发明中所述的目的。

在已公布国际专利申请WO2006/076969中公开了提供用于改进负荷估计的噪声本底值的一种方式。功率相关量的最小值、优选地为表示至少两个不同类型的接收功率的数据之间的差用作热噪声本底的上限的估计。在另一个优选实施例中，差是瞬时接收的总宽带功率与用于相同小区的所有链路的功率的瞬时和数之间的差。在没有任何更多信息时，这种上限可用作噪声本底本身的估计。在一个优选实施例中，在某个时间周期中确定最小值，由此给出噪声本底的当前最佳估计。以此方式获得的噪声本底值还可有利地根据本发明的原理来利用。

在已公布国际专利申请WO2007/024166中公开了基于最小值的相似基本概念的噪声提升估计的最佳和软算法。在这里，公开了一种基于卡尔曼滤波的估计技术，产生作为中间结果的关于噪声本底的信息。在这种方式中，获得步骤包括根据所提供的接收功率来估计功率量的概率分布。本发明中有用的噪声本底值的确定则包括根据所述功率量的至少多个所估计概率分布来计算噪声本底测量的条件概率分布。从噪声本底测量的这个条件概率分布，噪声本底值是易于可获得的。

参照图4，确定噪声本底的一个实施例基于软估计。在最高级的形式中，在三个主要块51、52、53执行可能的噪声提升估计。

第一块51、即功率估计块将估计算法应用于后续处理块所需的某些功率量的估计。在当前实施例中，估计是所谓的扩展卡尔曼滤波器。具体来说，块51接收当前实施例中包含所测量的接收总宽带功率(RTWP)61A、信道i的所测量的码功率干扰比(C/I)61B、信道i的β因子61C、信道i的码数61D、由快速功率控制回路所控制的对应码功率干扰比61E的多个输入61A-E，以及提供包含功率估计62A、63A和对应的标准偏差62B、63B的输出。输出62A是作为相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声本底功率之和的功率量的估计，并且输出63A是所估计的接收总宽带功率(RTWP)，以及输出63B是对应方差。连同功率量的估计平均值一起，功率量的方差定义功率量的估计概率分布函数(PDF)。当输出来自扩展卡尔曼滤波器装置时，这些参数是定义滤波器产生的估计(近似)高斯分布唯一所需的。因此，给出足够信息来定义功率估计的整个概率分布信息。

在当前实施例中，第二块52应用贝叶斯估计技术，以便计算上述功率量其中之一的极值64的条件概率密度函数。估计基于来自第一块51的多个估计概率分布。在当前实施例中，将给出与噪声本底功率的先前预期概率分布有关的信息的参数66提供给条件概率分布估计块52，以便取得最佳估计。从极值64的这个条件概率密度函数，可确定噪声本底值。

在这个具体实施例中，第三块53执行噪声提升估计，但这超出了本发明的主要范围。在当前实施例中，这通过计算来自块51的瞬时估计RTWP分布63A、63B的商(quotient)的条件概率分布以及噪声功率本底64的条件概率分布来执行。噪声提升估计65优选地作为该商的条件概率分布的条件均值来计算。

对于较大系统和更精确模型，计算复杂度易于变大。与这类算法有关的复杂度降低过程进一步在已公布国际专利申请WO2007/055626中公开，并且还有利地应用于本发明的领域。

当考虑数据的提供时，存在两个基本实施例。在第一实施例中，该方法包括自行测量接收信号链中的接收功率。由此，测量的时间实例是易于可控制的并且结合在剩余(remaining)方法中。在另一个实施例中，独立方法负责实际测量，并且根据本发明的数据的提供在这种情况下将只包括表示接收信号链中的所测量的接收功率的数据的接收。与测量时间实例有关的信息优选地附连到数据，以便在后续计算步骤中使用。

在接收信号链中，故障可在从天线到测量功率的点的任何组件中按照上述原理来确定。图5中，示出示意接收信号链15。天线10经由一系列信号处理单元11A-D连接到网络13。原则上，可在接收信号链15中的信号处理期间，在不同阶段12A-E确定所接收的信号功率。如果功率在例如阶段12C来测量或者以其它方式确定，则在天线10或者信号处理单元11A和11B中发生的故障可通过上述原理来检测。但是，无法检测信号处理单元11C和11D中的故障。如果功率而是在阶段12E来测量，则可检测所有信号处理单元11A-D中的故障。但是，在这种情况下，区分接收信号链15中发生差错的位置而可能是麻烦的。

如果功率而是在一个以上阶段、即在接收信号链15中的至少两个位置来测量，则可提供更多信息。如果单独的(independent)功率测量在例如阶段12B和12E执行，则可检测接收信号链15中的任何位置的故障。此外，还可能能够定位在阶段12B之前或之后将存在的故障。

这种情况在图6A和图6B的简图中进一步示出。基于在图5的阶段12B和12E的测量的噪声本底值的时间演进在图6A中分别表示为曲线103和104。噪声本底的差通常与信号处理单元11B-D中的附加噪声提升关联。图6A中，在时间t1，与在阶段12E所进行的测量关联的曲线104呈现奇怪行为。但是，与在阶段12B所进行的测量关联的曲线103沿着更正常的路径。通过比较曲线，可以断定，故障可能已经出现在测量位置之间的接收信号链15、如信号处理单元11B-D的任一个中。类似地，对于另一种情形，基于在图5的阶段12B和12E的测量的噪声本底值的时间演进在图6B中分别表示为曲线105和106。在这里，两个曲线在时间t2呈现非预期行为。非预期行为指示存在故障。由于两个曲线经过这些变化，所以可以断定，故障可能已经出现在第一测量位置之前的接收信号链15、即天线或信号处理单元11A中。

如果噪声本底值的时间演进是从接收信号链中的一个以上的点可得到，则它们首先可用作故障检测的冗余。此外，如上所述，它们可用作相互模型时间演进，这实现故障的某种空间确定。换言之，提供表示在接收信号链中的至少两个位置的所测量的接收功率的数据。噪声本底的确定则包括确定至少两个位置的独立噪声本底值。由此，检测可基于至少两个位置的所确定噪声本底值的所记录的时间演进之间的比较。

在若干位置的噪声本底确定在提供(present)接收器分集的系统中是极为有利的。MIMO无线电技术利用接收器分集。MIMO无线电技术将输入比特流分为/混合为各发射分支的一个独立流。这些分支优选地设计成使得所传送的多个比特流在接收接收器分支尽可能是不相关的。这例如可采用不同的极化和/或通过使用位于充分不同的位置(空间分集)的发射分支来实现。MIMO概念的优点在于，如果比特流之间的相关性在接收端充分低，则容量可增加等于发射分支的数量的因子。这是由于以下事实：各发射分支可看作是独立信道，利用所分配信道的完整频谱带宽。技术挑战是确保所传送的比特流在接收端保持不相关，同时天线的物理大小保持足够小。这在小手持终端中可能非常棘手，但是极化分集在这类应用中好像很有前途。

在本发明的一个实施例中，在无线通信系统提供有接收器分集并且接收信号链因此包括至少两个接收器分支的情况下，故障检测的方法优选地包括至少两个接收器分支的独立噪声本底值的确定。在利用中间功率相关量的实施例中，功率相关量与在至少两个接收器分支的接收功率相关。这意味着，检测可基于至少两个接收器分支的所确定噪声本底值的时间演进之间的比较。初始差可看作是接收器分支之间的校准，而分支之间的后续差是操作中的差、例如故障的发生的指示。

为了充分利用MIMO概念，已经开发大量专用无线电算法。现今，使用MIMO处理方案的重要前提是所涉及信道的模型。这些信道模型通常需要为每个MIMO分支单独创建。其原因在于，组件变化引起接收器分支之间超过1dB的缩放因子变化(对于功率)。备选方案将是通过同时处理所有测量来校准接收器分支以及计算信道模型。可以预期，这种过程会更有效，例如因为更多先验信息是可得到的，即接收器分支被校准。但是，这种校准费用高。

而当估计算法连同接收器分集系统一起使用时，不同接收器分支之间的相互影响可被建模并且包含在算法中。这一般提高估计的可靠性。在这样一个实施例中，提供在多个时间的至少第一接收器分支和第二接收器分支的接收总宽带功率的测量的数据。噪声本底值的确定包括从表示第一接收器分支以及第二接收器分支的所测量的接收总宽带功率的量中使用估计算法的所选状态变量的所选测量函数来在多个时间估计均与估计算法的所选状态变量相关的第一功率量和第二功率量的概率分布。所选状态变量对应于小区功率量，并且所选测量函数对应于表示第一和第二接收器分支的所测量的接收总宽带功率的量。确定还包括基于第一功率量的至少多个所估计概率分布的第一噪声本底测量的条件概率分布以及基于第二功率量的至少多个所估计概率分布的第二噪声本底测量的条件概率分布的计算。噪声本底值的提供则基于第一和第二噪声本底测量的所计算条件概率分布。

WO2007/024166的负荷估计技术还能够应用于接收器分集和MIMO的情况。根据当前实施例，负荷估计不是每个分支单独执行，而是在所有分支的功率量的共同处理中执行，但是仍然提供各个分支的噪声本底估计。在接收器分集应用和MIMO中，接收器分支理想地相互不相关。但是，实际上，仍然保持某种程度的相关性。通过使用当前实施例，这种相关性可用于增强噪声本底的估计。更具体来说，相关性通过使用比以前所使用的更一般的滤波器结构来增强所谓的残余功率的估计。相关性则通过联合系统噪声协方差矩阵中的相关性的引入来建模。

图7示出根据本发明的热噪声功率本底的软估计的一个实施例。在这个具体实施例中，噪声本底测量还用于负荷估计目的。在这个实施例中，存在两个接收器分支。具体来说，块51接收包含第一接收器分支61A的所测量的接收总宽带功率(RTWP)和第二接收器分支61F的RTWP的输入61A、61F。因此，块51中的扩展卡尔曼滤波器的估计基于接收器分支两者的输入。卡尔曼滤波器提供包含两组功率估计62A、63A、62C、63C和对应标准偏差62B、63B、62D、63D的输出。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所估计的接收总宽带功率(RTWP)，以及输出63C是第二接收器分支的所估计的接收总宽带功率(RTWP)。将功率估计62A和标准偏差62B提供给关联第一接收器分支的第二块52A。将功率估计62C和标准偏差62D提供给关联第二接收器分支的第二块52B。第二块52A和52B的每个执行如结合图4所述的功能性。

通过相同方式，第二块52A和52B的每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，即噪声本底的近似值。在这个实施例中，将这些极值64A、64B提供给相应的第三块53A和53B。第三块53A和53B还接收相应的RTWP估计63A、63C以及关联标准偏差63B、63D。第三块53A和53B将这些输入用于提供相应的噪声提升测量65A和65B。但是，第三块53A和53B的操作超出了本发明的主要范围。

可以注意到，块52A、B单独进行工作，即，它们的每个按照与图4的装置相同的方式进行工作。但是，第一块51是公共块，其中，在当前实施例中，扩展卡尔曼滤波器包含所有输入测量，并且设计成还对不同接收器分支之间的剩余相关性(correlation)进行建模。

图7中，只有RTWP测量被指示作为对第一块51的输入。但是，也可使用其它功率相关测量和信息，以便取得与相邻小区WCDMA干扰功率、带内非WCDMA干扰功率和热噪声本底功率之和对应的功率量的更好估计。这又改进噪声本底估计。因此，有可能使用例如图4中的输入，但用于两个接收器分支。另一个备选方案是将所接收的调度增强上行链路功率RSEPS的附加测量用作对估计量的输入。提供给第二块52A和52B的所估计功率量则优选地可与各接收器分支的RTWP和RSEPS之间的差相关。然后，优选地必须指定处理非线性测量的变体(variant)。与先前采用的随机游走建模(random walkmodelling)相比，功率动态(power dynamics)的建模还优选地增强成一般动态。自适应频谱估计包含在前端，用于估计这类一般动态。

在一个备选实施例中，可使用所有接收器分支的共同(common)RSEPS值。这种共同RSEPS值可例如通过分支之一的RSEPS、所有分支的平均值或者按照另外某种关系取决于至少一个分支RSEPS值的平均值来构成。然后，共同RSEPS值可用于估计不同接收器分支的功率量。

现在描述一般状态空间建模的一个实施例。创建联合块状态空间模型。用于描述噪声提升估计量中使用的小区的功率的普通(generic)状态空间模型为：

x(t+T)＝a(x(t))+w(t)

                             (3)

y(t)＝c(x(t))+e(t)

在这里，x(t)是由与特定小区相干的各个功率组成的状态向量。具体来说，x(t)包含各接收器分支的功率状态的一块(one block ofpower states)，y(t)是由小区中执行的功率测量组成的输出向量(例如总接收宽带功率RTWP)。另外，y(t)包含各接收器分支的一个测量块，w(t)是表示模型误差的所谓系统噪声，以及e(t)表示测量误差。这两个量都包含各接收器分支的一个块，a(x(t))描述可能非线性的动态模式，而向量c(x(t))是可能非线性的测量向量，它是系统的状态的函数。最后，t表示时间，以及T表示取样周期。下面将引入专门化(specialization)来对本发明的实施例的详细方面进行定量。

将定义状态和接收器分支块。所选状态变量定义成对应于小区功率量。在附录A描述其中RTWP和RSEPS测量均可得到的详细实施例。必须包含接收器分支之间、例如与空间和极化相关效应有关的相关属性。估计算法优选地包括不同接收器分支之间的联合系统噪声协方差建模相关性。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。这也在附录A中例示。

下一个步骤是论述(3)的第二等式，即可用的测量备选方案。所选测量函数至少对应于表示第一和第二接收器分支的所测量的接收总宽带功率的量。基于RTWP和RSEPS测量的不同测量备选方案是可能的，在附录B更详细论述其中之一。

如以上进一步所述，该方法还可基于更一般意义的功率测量。为了进行负荷估计的目的，可利用自己小区的各信道的码功率，代价是具有极高阶的卡尔曼滤波器。WO2007/024166的处理和WO2007/055626的复杂度降低可按照本发明公开内容进行一般化，下面进行简要描述。

采用码功率块来替代各接收器分支的RSEPS状态块，小区的各信道一个块。各码功率状态块具有它自己的动态和系统噪声协方差的个别建模。采用自己小区的各信道的一个码功率测量来替代各接收器分支的RSEPS测量等式。附录B中的建模备选方案可能需要添加(addition)，以便包含(cover)例如从其中可得出码功率的SIR测量定义。在此省略细节。

附录A和B中的处理基于作为“主要”状态的RSEPS和残余功率的选择。但是，状态选择实际上是任意的-有关系的唯一方面是一致地定义(3)的动态和测量等式。这在附录C中进一步论述。

这时已经定义了所有的量，并且扩展卡尔曼滤波器可按照附录A、B和C适用于状态模型和测量模型的任何组合。在附录D提供一般扩展卡尔曼滤波器。

用于监控无线通信的接收信号链中的故障的装置主要包括两个部分。第一部分涉及提供有用数据，即用于在多个时间实例提供表示接收信号链中的所测量的接收功率的数据的部件。第二部分涉及处理这个数据，以便取得与故障的任何发生有关的信息。这个第二部分通常由处理器装置来执行。这种处理器装置在一个实施例中是通信系统的单个节点中的单个处理器。但是，在另一个实施例中，处理器装置是包含一个以上处理器的元件(parts)的分布式装置。不同的处理器甚至可在物理上位于通信系统或者与其连接的任何网络中的不同地点。

图8示出包括用于监控接收信号链中的故障的装置90的无线通信系统70的一个实施例的示意框图。在这个实施例中，用于监控接收信号链中的故障的装置90包含在节点中，供无线通信系统70、即这个实施例中的无线电基站(RBS)20使用。RBS 20包括用于RBS 20的普通操作的部件80，并且连接到至少一个天线10，以及还连接到无线通信系统70的核心网络81。

用于监控接收信号链中的故障的装置90包括用于在多个时间实例提供表示接收信号链中的所测量的接收功率的数据的部件92。在当前实施例中，用于提供数据的部件92包括设置用于在多个时间实例测量接收信号链中的接收功率的测量部件93。用于监控故障的装置90还包括处理器装置91。处理器装置91连接到用于提供数据的部件92，并且设置用于根据从提供数据的部件92所提供的数据来操作故障监控。

在例如图8的装置中可使用的处理器装置91的一个实施例在图9中示出。在这个实施例中，处理器装置91包括设置用于根据从用于在多个时间实例提供表示接收信号链中的所测量的接收功率的数据的部件所提供的数据来在多个时间实例确定噪声本底值的部分(section)58(对照图8)。在当前实施例中，部分58包括设置用于根据所述所提供数据来在多个时间实例获得功率相关量的块59。在当前实施例中，这个块根据结合图4所述的第一块51来设置。如果使用接收器分集，则块59而是优选地按照结合图7所述的第一块51来设置。将所获得的功率相关量提供给噪声本底块55，其中根据所获得的功率相关量来确定噪声本底值。在当前实施例中，这主要由根据图4或图7的第二块52来执行。对于块51和52的操作细节，参照结合图4和图7的论述。

处理器装置91还包括连接到部分58、用于评估所确定噪声本底值的时间演进的部分56。处理器装置还包括连接到部分56、用于根据该时间演进来检测接收信号链中的故障的任何出现的部分57。优选地，这种检测通过以下步骤来执行：将时间演进与模型演进进行比较；以及如果表示时间演进与模型演进之间的差的测量超过阈值，则指示故障。在这个具体实施例中，模型演进基于对应条件的先前时间演进的统计处理。用于评估时间演进的部分56输出表示所检测故障或者没有故障的情形的信号。这个输出可由系统的其它元件和/或外部元件用于执行适当动作，例如向操作员报告任何故障。

在另一个实施例中，测量部件93设置用于在多个时间实例测量接收信号链中的至少两个位置的接收功率。部分58相应地设置用于确定各位置的独立噪声本底值。用于检测故障的任何发生的部分57则将检测基于至少两个位置的所确定噪声本底值的时间演进之间的比较。

图10示出包括用于监控接收信号链中的故障的装置90的无线通信系统70的另一个实施例的示意框图。在这个实施例中，用于监控故障的装置90包含在无线通信系统70的核心网络81的节点82中。在当前实施例中，用于提供数据的部件92包括用于与在多个时间实例、在接收信号链中的所测量的接收功率相关的量的数据接收器94(In the present embodiment，the means 92 for providing data comprises adata receiver 94 for quantities related to measured received power in thereceiving signal chain at a number of time instances)。数据接收器94优选地直接或间接连接到基站20，其中执行实际测量。这样，故障监控可远程执行，并且优选地以多个基站的协调方式来执行。

以上所述的实施例要被理解为本发明的几个说明性示例。本领域的技术人员将理解，可以对实施例进行各种修改、组合和变更，而没有背离本发明的范围。具体来说，不同实施例中的不同部分解决方案在其它配置中、在技术上可行的情况下能进行组合。但是本发明的范围由所附权利要求来定义。

附录A

如果RTWP和RSEPS测量均可得到，则为了提供数字接收器中的残余功率的估计、即所接收的总宽带功率减去所接收的调度增强上行链路功率(共享)，以及计算噪声本底测量，通常引入各分支的双状态模型(two state model)。状态的选择照常是任意的。但是，一个自然选择是使用描述RSEPS的一种状态以及描述功率的“其余部分”、在这里表示为残余功率的一种状态。在目标只限制到噪声本底测量的估计的情况下，有可能使用单状态模型。

注意，这些状态描述功率，并且因而必须为正值，它们需要包含非零平均值。将这类平均值建模为随机游走分量。假定使用例如dBm尺度、对数定义的任何功率测量在处理之前已经变换成线性功率域。对于当前示例的状态的选择，这产生状态定义：

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

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

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

$i=1,...,N_{\mathrm{Branches}}---\left(A1\right)$

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

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

$i=1,...,N_{\mathrm{Branches}}---\left(A2\right)$

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

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

在这里，(A3)表示(3)，x_{RSEPSPower，i}(t)表示与接收器分支i的所接收的调度增强上行链路功率对应的状态，它作为对数分数RSEPS量(logarithmic fractional RSEPS quantity)来测量，x_{RSEPSPowerDynamics，i}(t)表示接收器分支i的功率状态变量，它们用于通过RSEPS量表达的功率的动态的建模。这种动态通过矩阵A_{RSEPSPower，i} ¹(t)和A_{RSEPSPower，i} ²(t)来描述，其中引入时间变化，主要为了允许引入时变自适应频谱分析处理，如下所述。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)。该符号与描述残余功率的量相同。

在这里要强调，将要馈入后续噪声功率本底估计步骤的量(各接收器分支一个)通过所估计的x_Residual，i(t)和对应的所估计方差来给出(参见下文)，其中i＝1，...，N_Branches。这个子部分的最终结果是状态模型

x(t+T)＝A(t)x(t)+w(t)       (A5)

其中，系数矩阵A(t)表示为

注意，(A6)是(3)的第一等式的特例，因为a(x(t))＝A(t)x(t)。

还需定义过程噪声的统计属性。将这些量建模为白高斯零平均随机过程。与现有技术相比，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Rx分集和MIMO接收系统的一些变体时可预期的一种情形。

作为一个典型实施例的一个示例，各接收器分支假定满足：

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

$i=1,...,N_{\mathrm{Branches}},---\left(A7\right)$

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

$i=1,...,N_{\mathrm{Branches}},---\left(A8\right)$

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

在这里，E[.]表示统计预期。注意，没有功率动态的特例易于通过删除对应状态和矩阵块来获得。

概括来说，下式描述接收器分支i的系统噪声协方差

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

在上述实施例中，在对应于残余功率和RSEPS功率的状态之间引入相关性，而功率与动态之间的相关性不受影响，如残余功率与RSEPS功率的动态之间的相关性那样。更一般的设置当然是可能的，其中所有相关性元素留在矩阵中。问题则是大量未知相关性参数的确定。鉴于此，上述假设似乎是合理的，因为它至少捕捉矩阵块中的功率之间的相关性。

仍需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例如与空间和极化相关性效应有关的相关性属性。估计算法优选地包括不同接收器分支之间的联合系统噪声协方差建模相关性。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。考虑具有天线阵列的一个典型实施例，其中接收器分支随对应接收器信号链均匀分布，如下假定是合理的：任意固定的接收功率信号之间的相关性(Considering a typical embodiment withan antenna array with receiver branches uniformly distributed，withcorresponding receiver signal chains，it is reasonable to assume that thecorrelation between an arbitrary stationary received power signal)。

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

在具有多Rx分集接收分支的天线阵列中表示为

在这里，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”(条件均值)接收信号。标准偏差矩阵D^recieved表示为

应当注意，更一般的假设是可能的。但是，当论述空间分集时，模型(A12)通常用于现有技术(state of the art)。

当极化分集即将到来时，应用不同的模型。随后可假定具有不同正交极化的相邻天线单元之间的相关性很小，而对于具有相同极化的天线单元，相关性遵循(A12)。在天线单元的数量超过2的情况下，当然可应用非正交极化。作为一个示例，假定具有每个第二天线单元的η的剩余极化误差相关性的正交极化分集，得

只要N_branch为偶数。类似表达式在奇数情况下成立。

接收器分支之间的相关性和单个接收器分支的系统噪声协方差矩阵的组合是这种情况。在组合时，很清楚，(A12)、(A14)(以及相关性矩阵的其它变体)的元素的每个影响接收器分支的所有对应状态。这意味着，以下块矩阵公式可从(A4)、(A7)-(A10)以及例如(A14)获得

这完成了应用于MIMO/Rx分集负荷估计和/或校准的(3)的第一等式的论述。

注意，对上述主题存在许多变化-细节取决于天线几何形状和传输技术(例如极化分集)。

附录B

下面对于单个接收器分支来描述功率的测量和测量协方差的建模。原因是在论述测量备选方案时不用不必要的细节而影响对处理的理解。下面进一步论述多个分支的情形，其中对应测量备选方案是可得到的。

使用多个接收器分支的RTWP和RSEPS测量的实施例用作模型实施例。假定所接收的总宽带功率(RTWP(t))和所接收的调度增强上行链路功率(RSEPS(t))按照3GPP release 7定义来定义。在其之上(ontop of this)，可紧接模数转换之后或者甚至之前执行专有测量。

注意，RSEPS测量通常表达为对于联合测量所定义(对完全相同的时间间隔所定义)的RTWP测量的一部分，很清楚，测量等式变为非线性。对于各分支i：

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

在这里，x_{RSEPSPower，i}(t)表示分支i的RSEPS量的实际功率，e_{RSEPSPoweri，i}(t)表示对应测量不确定性，以及q_RSEPS(·)是RSEPS测量的量化函数。类似地定义RTWP测量，

${\mathrm{RTWP}}_i^{\mathrm{measurement}}\left(t\right)=q_{\mathrm{RTWP}}({10\log }^{10}(x_{\mathrm{Residual},i}\left(t\right)+x_{\mathrm{RSEPSPower},i}\left(t\right)+e_{\mathrm{RTWP},i}\left(t\right))+30)\text{---}\left(B2\right)$

其中，RTWP以dBm来测量，并且其中所有功率状态变量的单位为瓦特。该符号类似于(parallel)RSEPS测量的符号。假定测量扰动为零均值、高斯和白(The measurement disturbances are assumed to bezero mean，Gaussian and white)，其中

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

E[e_RTWP，i(t)]²＝R_2，RTWP，i    (B4)

量化通常足够好到被忽略。在这里假定量化被忽略。

在当前实施例中，取RSEPS的对数相对测量。保留(B1)的原始定义，其中忽略了量化效应。在泰勒级数展开之后，这得出

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

其中

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

$\≈{\left(\frac{10}{\log \left(10\right)}\right)}^2({\left(\frac{1}{{\mathrm{RTWP}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RTWP},n}+{\left(\frac{1}{{\mathrm{RSEPS}}_i^{\mathrm{powermeasurement}}\left(t\right)}\right)}^2{R}_{2,\mathrm{RSEPSPower},i})---\left(b6\right)$

这里RTWP_i ^{powermeasurement}(t)和RSEPS_i ^{powermeasurement}(t)是单位为瓦特的人为功率测量，它们在对状态变量求解(B2)和(B5)时产生。(B2)的类似处理产生

${\mathrm{RTWP}}_i^{\log \mathrm{measurement}}\left(t\right)\≈{10\log }^{10}(x_{\mathrm{RSEPSPower},i}\left(t\right)+x_{\mathrm{Residual},i}\left(t\right))+30+e_{\log \mathrm{RTWPcompensated},i}\left(t\right)---\left(B7\right)$

其中

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

此外，交叉耦合成为

参照(3)的非线性测量模型表示为：

$y\left(t\right)=\left(\begin{array}{c}{\mathrm{RSEPS}}_1^{\log \mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_1^{\log \mathrm{measurement}}\left(t\right)\\ .\\ .\\ .\\ {\mathrm{RSEPS}}_{N_{\mathrm{Branch}}}^{\log \mathrm{measurement}}\left(t\right)\\ {\mathrm{RTWP}}_{N_{\mathrm{bRANCH}}}^{\log \mathrm{measurement}}\left(t\right)\end{array}\right)---\left(B10\right)$

$c\left(x\left(t\right)\right)=\left(\begin{array}{c}{10\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower},1}\left(t\right)}{x_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right)}\right)\\ {10\log }^{10}(x_{\mathrm{RSEPSPower},1}\left(t\right)+x_{\mathrm{Residual},1}\left(t\right))+30\\ .\\ .\\ .\\ {10\log }^{10}\left(\frac{x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)}{x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right)}\right)\\ {10\log }^{10}(x_{\mathrm{RSEPSPower},N_{\mathrm{Branch}}}\left(t\right)+x_{\mathrm{Residual},N_{\mathrm{Branch}}}\left(t\right))+30\end{array}\right)---\left(B11\right)$

$e\left(t\right)=\left(\begin{array}{c}{e}_{\log \mathrm{RSEPSCompensated},1}\left(t\right)\\ e_{\log \mathrm{RTWPCompensated},1}\left(t\right)\\ .\\ .\\ .\\ e_{\log \mathrm{RSEPSCompensated},N_{\mathrm{Branch}}}\left(t\right)\\ e_{\log \mathrm{RTWPCompensated},N_{\mathrm{Branch}}}\left(t\right)\end{array}\right)---\left(B12\right)$

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

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

$i=1,...,N_{\mathrm{Branch}}---\left(B13\right)$

当前实施例中的RTWP和RSEPS的对数相对测量的使用只是许多不同备选方案其中之一。例如仅使用RTWP测量、独立或对数相对测量等许多其它选项是可能的。RSEPS与RTWP测量之间的其它备选关系也是可能的，例如独立线性测量(separated linear measurement)或相对线性测量。以上等式则必须对应地调整。

附录C

为了描述定义动态和测量等式的过程，为了简洁起见而假定没有动态包含在状态模型中。通过下式来定义新的状态：

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

在这里

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

是非奇异变换矩阵。注意，当已经定义这种矩阵时，状态

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

用于卡尔曼滤波器的状态模型中。通过将以下关系插入测量等式中，来形成与上述备选方案对应的新测量等式：

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

然后沿用使用泰勒级数展开的如上所述的相同过程，以便达到采用扩展卡尔曼滤波器的处理所需的剩余量。以下是重要的特例

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

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

附录D

一般扩展卡尔曼滤波器通过以下矩阵和向量迭代给出，

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

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)

滤波器迭代(D1)所引入的量如下所述。

表示基于取决于时间t-T的数据的状态预测，

表示基于取决于时间t的数据的滤波器更新，P(t|t-T)表示基于取决于时间t-T的数据的状态预测的协方差矩阵，以及P(t|t)表示基于取决于时间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(围绕最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)往往用作滤波器的调谐变量(tuning variable)。原则上，滤波器的带宽通过R₁(t)和R₂(t)的矩阵商来控制。

滤波器通过将初始值提供给

和P(t|t-T)来初始化。注意，负荷估计算法的最终RoT估计步骤所需的各接收器分支的总功率pdf从对应于RTWP测量的输出的预期值以及对应于RTWP测量的输出的预期协方差来获得。这随后发生，因为可假定近似高斯性(Gaussianity)。通过以上针对残余功率和RSEPS功率的状态的状态选择(With the state selection as above with states for the residual power andthe RSEPS power)，立即推断出

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

由此推断出

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

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

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

Claims (29)

1.一种用于监控无线通信系统的接收信号链中(15)的故障的方法，包括以下步骤：

在多个时间实例提供(210)表示所述接收信号链(15)中的所测量的接收功率的数据；

根据所述所提供数据在多个时间实例确定(220)噪声本底值；

记录(230)所述确定噪声本底值的时间演进(101；103；104)；以及

根据所述所记录的时间演进(101；103；104)来检测(240)所述接收信号链(15)中的故障的任何发生。

2.根据权利要求1所述的方法，其中，确定(220)噪声本底值的所述步骤还包括以下步骤：根据所述所提供数据在多个时间实例获得(221)功率相关量，由此噪声本底值的所述确定(220)基于所述所获得的功率相关量。

3.根据权利要求1或2所述的方法，其中，所述检测步骤(240)包括将所述所记录的时间演进与模型时间演进(102)进行比较，以及如果表示所述所记录的时间演进(101；103；104)与所述模型时间演进(102)之间的差的测量超过阈值，则指示故障。

4.根据权利要求3所述的方法，其中，所述模型时间演进(102)基于类似条件的先前所记录的时间演进(101；103；104)的统计处理。

5.根据权利要求1至4中的任一项所述的方法，其中

所述所提供数据表示在接收信号链(15)中的至少两个位置(12A-E)的所测量的接收功率；

所述确定步骤包括确定所述至少两个位置(12A-E)的独立噪声本底值；以及

所述检测步骤(240)基于所述至少两个位置(12A-E)的所述所确定的噪声本底值的所述所记录的时间演进(103，104)之间的比较。

6.根据权利要求1至5中的任一项所述的方法，其中，提供(210)数据的所述步骤包括在多个时间实例接收表示所述接收信号链(15)中的所测量的接收功率的数据。

7.根据权利要求1至5中的任一项所述的方法，其中，提供(210)数据的所述步骤包括在多个时间实例测量所述接收信号链(15)中的接收功率。

8.根据权利要求1至7中的任一项所述的方法，其中，所述功率相关量根据表示至少两种不同类型的接收功率的数据来获得。

9.根据权利要求8所述的方法，其中，所述至少两种不同类型的接收功率其中之一是接收总宽带功率。

10.根据权利要求8或9所述的方法，其中，所述确定步骤(220)包括确定时间周期内的所述功率相关量的最小值。

11.根据权利要求1至9中的任一项所述的方法，其中

所述确定步骤(220)包括根据所述所提供接收功率来估计功率量的概率分布；以及

根据所述功率量的至少多个所述所估计概率分布来计算噪声本底测量的条件概率分布。

12.根据权利要求1至11中的任一项所述的方法，其中

所述无线通信系统(70)提供有接收器分集，并且所述接收信号链(15)包括至少两个接收器分支；

所述确定步骤(220)包括确定所述至少两个接收器分支的独立噪声本底值；以及

所述检测步骤(240)基于所述至少两个接收器分支的所述所确定的噪声本底值的所述时间演进之间的比较。

13.根据权利要求12所述的方法，其中

所述提供步骤(210)包括在多个时间提供至少第一接收器分支和第二接收器分支的接收总宽带功率的测量的数据；

所述确定步骤(220)包括从表示所述第一接收器分支以及所述第二接收器分支的所述所测量的接收总宽带功率的量中使用估计算法的所选状态变量的所选测量函数而在多个时间估计均与所述估计算法的所述所选状态变量相关的第一功率量和第二功率量的概率分布；

所述所选状态变量对应于小区功率量；

所述所选测量函数对应于表示所述第一和第二接收器分支的所述所测量的接收总宽带功率的所述量；

所述确定步骤(220)还包括：

根据所述第一功率量的至少多个所述所估计概率分布来计算第一噪声本底测量的条件概率分布以及根据所述第二功率量的至少多个所述所估计概率分布来计算第二噪声本底测量的条件概率分布；以及

根据所述第一和第二噪声本底测量的所述所计算条件概率分布来提供所述噪声本底值。

14.一种用于监控无线通信系统(70)的接收信号链(15)中的故障的装置(90)，包括：

用于在多个时间实例提供表示所述接收信号链(15)中的所测量的接收功率的数据的部件(92)；以及

处理器装置(91)；

所述处理器装置(91)设置用于根据所述所提供数据在多个时间实例确定噪声本底值；

所述处理器装置(91)还设置用于评估所述确定噪声本底值的时间演进(101；103；104)；以及

所述处理器装置(91)还设置用于根据所述时间演进(101；103；104)来检测所述接收信号链中的故障的任何发生。

15.根据权利要求14所述的装置，其中，所述处理器装置(91)还设置用于根据所述所提供数据在多个时间实例获得功率相关量，由此所述噪声本底值基于所述所获得的功率相关量。

16.根据权利要求14或15所述的装置，其中，所述处理器装置(91)还设置用于将所述时间演进(101；103；104)与模型演进(102)进行比较，以及如果表示所述时间演进(101；103；104)与所述模型演进(102)之间的差的测量超过阈值，则指示故障。

17.根据权利要求16所述的装置，其中，所述模型演进(102)基于对应条件的先前时间演进(101；103；104)的统计处理。

18.根据权利要求14至17中的任一项所述的装置，其中

所述所提供数据与在接收信号链(15)中的至少两个位置(12A-E)的接收功率相关；

所述处理器装置(91)还设置用于确定所述至少两个位置(12A-E)的独立噪声本底值；以及

所述处理器装置(91)还设置用于将所述检测基于所述至少两个位置(12A-E)的所述所确定的噪声本底值的所述时间演进之间的比较。

19.根据权利要求14至18中的任一项所述的装置，其中，用于提供的所述部件(92)包括用于在多个时间实例、与所述接收信号链(15)中的所测量的接收功率相关的量的数据接收器(94)。

20.根据权利要求14至18中的任一项所述的装置，其中，用于提供的所述部件(92)包括设置用于在多个时间实例测量所述接收信号链(15)中的接收功率的测量部件(93)。

21.根据权利要求14至20中的任一项所述的装置，其中，所述功率相关量根据表示至少两种不同类型的接收功率的数据来获得。

22.根据权利要求21所述的装置，其中，所述至少两种不同类型的接收功率其中之一是接收总宽带功率。

23.根据权利要求21或22所述的装置，其中，所述处理器装置(91)还设置用于确定时间周期内的所述功率相关量的最小值。

24.根据权利要求14至22中的任一项所述的装置，其中

所述处理器装置(91)还设置用于根据所述所测量的接收功率来估计功率量的概率分布；以及

所述处理器装置(91)还设置用于根据所述功率量的至少多个所述所估计概率分布来计算噪声本底测量的条件概率分布。

25.根据权利要求14至24中的任一项所述的装置，其中

所述无线通信系统(70)提供有接收器分集，并且所述接收信号链(15)包括至少两个接收器分支；

所述所获得的功率相关量与在所述至少两个接收器分支处的接收功率相关；

所述处理器装置(91)还设置用于确定所述至少两个接收器分支的独立噪声本底值；以及

所述处理器装置(91)还设置用于将所述检测基于所述至少两个接收器分支的所述所确定的噪声本底值的所述时间演进之间的比较。

26.根据权利要求25所述的装置，其中

用于提供数据的所述部件(92)包括用于在多个时间提供至少第一接收器分支和第二接收器分支的接收总宽带功率的测量的部件；

所述处理器装置(91)还设置用于：

从表示所述第一接收器分支以及所述第二接收器分支的所述所测量的接收总宽带功率的量中使用估计算法的所选状态变量的所选测量函数来在多个时间估计均与所述估计算法的所述所选状态变量相关的第一功率量和第二功率量的概率分布；

所述所选状态变量对应于小区功率量；

所述所选测量函数对应于表示所述第一和第二接收器分支的所述所测量的接收总宽带功率的所述量；

所述确定步骤包括：

根据所述第一功率量的至少多个所述所估计概率分布来计算第一噪声本底测量的条件概率分布以及根据所述第二功率量的至少多个所述所估计概率分布来计算第二噪声本底测量的条件概率分布；以及

根据所述第一和第二噪声本底测量的所述所计算条件概率分布来提供所述噪声本底值。

27.在包括根据权利要求14至26中的任一项所述的装置的无线通信系统(70)中使用的节点(20；82)。

28.根据权利要求27所述的节点，其中，所述节点是基站(20)。

29.包括根据权利要求27或28所述的至少一个节点(20；82)的无线通信系统(70)。

Images