CN102075979B - 带内干扰的定位方法和装置 - Google Patents

Abstract

本发明公开了一种带内干扰的定位方法和装置，该方法包括：获取干扰要素信息；根据干扰要素信息确定可能出现的所有干扰场景以及所有干扰场景中每个干扰场景出现的概率；确定每个干扰场景所涉及的基站的干扰指标，并根据干扰要素信息确定造成干扰的基站的位置和干扰发生的位置。通过本发明，能够在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够基于位置信息对干扰进行准确定位，能够提高干扰发现的准确度和干扰定位的精度。

Description

带内干扰的定位方法和装置

技术领域

本发明涉及通信领域，尤其涉及一种带内干扰的定位方法和装置。

背景技术

频率及码资源规划是网络质量的基础，但是，随着城市的发展和建设，无线传播环境越来越复杂多变，导致无线基站的覆盖范围也随之变化。因此频率和码资源的规划效果往往与实际情况相差较大，由于部分基站覆盖方面的问题，常常会导致相关联地区产生严重的带内干扰。

此外，随着用户规模和业务的发展，网络容量不断增长，频率及码资源复用度也不断攀升。在高密度业务热点地区，常常会出现基站间距不足500米高容量的配置的情况，使得频率和码资源非常紧张，面对这种情况，必须通过精细的干扰优化和覆盖控制，才能避免带内干扰对网络质量的影响。

对于带内干扰优化工作来说，最重要的工作就是如何发现受干扰地点并定位干扰源。

现有定位带内干扰所采用的工具及方案可分为以下几类：

(1)利用网管性能统计：网络基站可以定期采集当前业务信道的质量情况，并生成与干扰相关的性能统计数据。通过分析性能数据，可以发现有异常干扰情况的基站或设备。性能统计是最简单的干扰要素信息获取方式，但其对干扰地点的定位仅能精确到基站，而一个基站的覆盖范围通常在1000米至5000米，因此定位并不准确，而且通过性能数据只能知道受到干扰的频率或码资源，但是却无法获知其干扰源，因此，优化人员无法利用获得的信息进行具体优化，这种方式只能作为一种干扰告警手段。

(2)利用手机测量报告：用户在通话过程中将产生含有业务信道质量情况的测量报告并定期上报至网络，网络侧利用测量报告中的时间提前量(TA)信息和邻区信号强度等信息，通过无线传播模型等定位算法对用户通话时所在位置进行定位。因此，通过测量报告就可以发现存在干扰的地点，而且其定位可以精确到一个基站覆盖范围内的某一个子区域。通常，在基站密集的市区，其定位平均误差在200米左右，可以为后续干扰优化工作指定一个相对较小的范围。但是，在该方案中，测量报告收集工作并不是一种通用手段，能够进行测量报告收集会受到网络设备或工具的限制；并且，当基站间距超过1000米时，测量报告的平均误差有可能超过500米，而且密集城区复杂的无线环境导致信号绕射、反射现象严重，由传播模型等定位算法计算出的用户位置的误差波动范围有时超过1000米，因此，其定位精度不能够得到保证，由于精度较低，常常会导致网络优化人员产生错误的判断。此外，由于测量报告是普通用户手机产生，受到手机硬件测量性能和精度影响，若一个地点受到多个同频干扰源的影响，手机将无法区分，因此有可能产生干扰源的遗漏。

(3)通过专用测试设备：利用扫频仪等带有GPS的专用测试设备模拟用户业务使用行为进行测试，可以获得精确的受干扰地点(具体的定位精度受GPS影响，误差通常可控制在50米以内)及具体的受干扰频率或码资源。但由于测试设备只有当受干扰的业务信道被占用时才能发现干扰，并且，由于干扰出现具有一定的随机性，往往需要大量的重复性测试才有可能使干扰问题显现出来，因此干扰定位得效率很差；并且，测试设备从基站广播信道和其所占用的业务信道能够获得的信息十分有限，同样存在无法准确、全面的定位干扰源或干扰源产生原因的问题。

因此，上述方案主要存在以下问题：

(1)由于现有的带内干扰定位技术及工具的种种弊端，会导致干扰优化工作效率低下，优化人员需要花费大量时间去逐步缩小干扰地点范围、反复测试才能找到干扰源、繁琐的分析干扰源产生原因，才能最终给出干扰优化方案。

(2)上述方案必须在干扰发生的同时或发生之后才能进行干扰定位，但是此时干扰已经对用户造成了负面影响，降低了用户的体验。

(3)带内干扰之所以产生是因为不同用户同时占用了会产生相互影响的业务资源。而每当用户发起业务时，是否会占用存在干扰的资源受到网络资源分配机制和网络负荷的影响。这就使得带内干扰的出现呈现很强的随机性，由此导致现有干扰定位技术不是每次都能发现干扰，干扰定位结果存在随机性。

(4)干扰定位随机性带来的后果是现有带内干扰定位技术所能发现的干扰问题往往带有片面性，由这些不完整的信息得出的优化方案将带有明显偏差性或误差，优化后的结果也不能将问题彻底解决，往往需要反复多次优化，严重影响工作效率。

(5)由于干扰优化工作通常伴随着基站覆盖调整，因此对干扰地点的准确定位直接影响到覆盖调整的有效性。而在当前业务热点地区站间距不足500米的情况下，现有技术中只有使用GPS的测试设备的定位精度能够完全满足其覆盖调整的需求，其他诸如测量报告定位等方式的精度很难达到要求，性能统计也根本无法指导具体覆盖调整。

针对相关技术中的带内干扰定位精度低、干扰检测不准确等问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的带内干扰定位精度低、干扰检测不准确等问题，本发明提出一种带内干扰的定位方法和装置，能够正确检测并准确定位带内干扰。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种带内干扰的定位方法。

根据本发明的带内干扰的定位方法包括：获取干扰要素信息；根据干扰要素信息确定可能出现的所有干扰场景以及所有干扰场景中每个干扰场景出现的概率；确定每个干扰场景所涉及的基站的干扰指标，并根据干扰要素信息确定造成干扰的基站的位置和干扰发生的位置。

其中，确定所有干扰场景中每个干扰场景出现的概率具体包括：根据干扰要素信息确定干扰要素信息所涉及范围内的各个地点处基站所占用的资源出现干扰的概率。

优选地，干扰要素信息可以包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息，其中，基站的网络配置信息可以包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态。

具体地，可以根据以下公式确定每个干扰场景中每个基站所占用的资源出现干扰的概率：

$P_c=\underset{n=1}{\overset{k}{\mathrm{\Π}}}{P}_n,$ 其中P_n＝Φ_n(f_n，c_n，parameter_n，load_n)，

其中，P_c为所有干扰场景中第c个干扰场景的出现概率，P_n为一个干扰场景所涉及的多个基站中第n个基站占用资源的概率，f_n为第n个基站所使用的频率，c_n为第n个基站所使用的码资源，parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，k为多个基站的总数，Φ_n(f_n，c_n，parameter_n，load_n)为第n个基站的资源占用概率函数，并且，

${\mathrm{\Φ}}_n=\underset{j=1}{\overset{f_n}{\mathrm{\Π}}}\underset{i=1}{\overset{c_n}{\mathrm{\Π}}}{\mathrm{parameter}}_n\frac{d}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{a{(m-{\mathrm{load}}_n)}^2}{{\mathrm{b\δ}}^2}},$ 其中，a、b、d为加权系数，m为当前占用的业务信道总数，δ是负荷参数的标准方差。

并且，可以根据以下公式确定造成干扰的基站的干扰指标：

${\mathrm{\η}}_n\left(f_{0,}{c}_0\right)=\frac{I(f_0,c_0,\mathrm{rs}{\mathrm{cp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)}{\mathrm{RTWP}(f_p,c_0)},$

其中，η_n(f₀，c₀)为一个干扰场景所涉及的多个基站中的第n个基站对所占用的资源中的指定频率f₀和指定码资源c₀的干扰贡献系数，该干扰贡献系数用于衡量第n个基站的干扰指标，I(f₀，c₀，rscp₀，h_l，rscp_n，f_n，c_n，parameter_n，load_n)是干扰场景所涉及的多个基站中第n个基站对频率f₀和码资源c₀产生的干扰强度，f_n为干扰场景所涉及的多个基站中第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，rscp_n为第n个基站的信号强度，rscp₀为被干扰的基站的信号强度；

RTWP(f₀，c₀)为指定资源中的频率f₀和码资源c₀受到的总干扰强度，并且， $\mathrm{RTWP}(f_0,c_0)=\underset{n=1}{\overset{k}{\mathrm{\Σ}}}I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parametet}}_n,{\mathrm{load}}_n),$ 其中，k是多个基站的总数。

其中，可以通过以下公式表示多个基站中第n个基站对指定资源中的频率f₀和码资源c₀产生的干扰强度：

$I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)=$

${\mathrm{\α}}_n(a{(f_n-f_0)}^b+c)P_n({\mathrm{\β}}_n\ln (\mathrm{corr}(c_0,c_n)+1)\underset{l=1}{\overset{L}{\mathrm{\Π}}}{\mathrm{\γ}}_{n}Q\left(\sqrt{\frac{h_l{\mathrm{rscp}}_0}{{\mathrm{rscp}}_n+N_0}}\right)$

其中，a、b、c、α_n、β_n、γ_n为加权因子，P_n为一个干扰场景所涉及的多个基站中第n个基站占用资源的概率，Q()为归一化高斯分布函数的尾概率、h_l为传播信道的第l个关键路径的功率因子，N₀为热噪声功率，corr(c_n，c₀)为码资源之间的相关性系数。

根据本发明的另一方面，提供了一种带内干扰的定位装置。

根据本发明的带内干扰的定位装置包括：获取模块，用于获取干扰要素信息；第一确定模块，用于根据干扰要素信息确定可能出现的所有干扰场景以及所有干扰场景中每个干扰场景出现的概率；第二确定模块，用于确定每个干扰场景中所涉及的基站的干扰指标，并根据干扰要素信息确定造成干扰的基站的位置和干扰发生的位置。

其中，第一确定模块用于根据干扰要素信息确定干扰要素信息所涉及的范围内的各个地点处基站所占用的资源出现干扰的概率，从而确定每个干扰场景出现的概率。

优选地，干扰要素信息可以包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息，其中，基站的网络配置信息可以包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态。

优选地，每个干扰场景的位置信息由以下方式之一确定：由全球卫星定位系统确定、由基站标识确定、通过MR定位确定。

本发明通过根据测量信息以及配置信息等干扰要素确定基站对占用资源造成干扰的概率，进而确定干扰出现时造成干扰的基站的干扰贡献系数，无需真正占用受干扰的业务信道，可以在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够基于位置信息对干扰进行准确定位，并且能够提高干扰发现的准确度和干扰定位的精度，并且，由于采用了实际测量数据，因此会使得干扰定位结果的准确性会明显优于通过模拟和仿真得到的结果；此外，由于能够预测干扰的概率模型，所以能够避免相关技术中对同一地点反复测量才可能得到正确的干扰测量结果的问题。

附图说明

图1是根据本发明方法实施例的带内干扰的定位方法的流程图；

图2是根据本发明方法实施例的带内干扰的定位方法的简要流程图。

具体实施方式

考虑到相关技术中的带内干扰定位精度低、干扰检测不准确等问题，本发明提出，根据干扰要素信息(包括测量信息以及配置信息等)确定基站对占用资源造成干扰的概率，进而确定干扰出现时造成干扰的基站的干扰贡献系数，从而能够基于实际测量数据在干扰出现前确定可能出现干扰的位置，并且能够基于位置信息对干扰进行准确定位，从而避免了带内干扰检测的滞后性，并且能够提高干扰发现的准确度和干扰定位的精度。

下面将结合附图详细描述本发明的实施例。

方法实施例

在本实施例中，提供了一种带内干扰的定位方法。

如图1所示，本实施例的带内干扰的定位方法包括：

步骤S102，获取干扰要素信息；其中，干扰要素信息可以包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息(即，潜在的干扰位置信息)，其中，基站的网络配置信息可以包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态等；

步骤S104，根据干扰要素信息确定可能出现的所有干扰场景以及所有干扰场景中每个干扰场景出现的概率；

步骤S106，确定每个干扰场景所涉及的基站的干扰指标，并根据干扰要素信息确定造成干扰的基站的位置和干扰发生的位置(潜在的干扰位置)。

通过上述处理，能够根据测量信息以及配置信息等干扰要素确定基站对占用资源造成干扰的概率，进而确定干扰出现时造成干扰的基站的干扰贡献系数，无需真正占用受干扰的业务信道，可以在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够基于位置信息对干扰进行准确定位，并且能够提高干扰发现的准确度和干扰定位的精度，并且，由于上述处理采用了实际测量数据，因此会使得干扰定位结果的准确性会明显优于通过模拟和仿真得到的结果；此外，由于上述处理能够预测干扰的概率模型，所以能够避免相关技术中对同一地点反复测量才可能得到正确的干扰测量结果的问题；此外，上述处理能够直接利用测试数据中的高精度GPS信息和信号强度数据作为干扰要素，而频率、码资源、网络配置和负荷要素则可以通过统一的外部数据源进行关联整合，不仅能够提高定位精度，并且弥补基于测试数据定位干扰时效率低、以及定位结果过于片面的问题。

这样，优化人员就可以通过干扰概率和干扰程度直接定位干扰地点，从干扰场景中获取完整的干扰源信息和发生原因，从而进行精确、全面的干扰优化。

在步骤S102之前，为了进行干扰场景出现概率的计算，需要获得每个地点完整的干扰要素，而其中的干扰地点和信号强度要素可以从网络性能数据、测量报告数据及测试数据中直接获取，但频率、码资源、网络配置和负荷要素则需要通过上述数据中含有的网元标识，从统一的外部数据源关联获取。整合后的干扰要素数据中含有每个地点的所有基站(该地点所涉及的所有基站)的信号强度和这些基站所使用的频率、码资源、网络配置及负荷数据。

在步骤S102中，通过对所有基站可能出现的干扰分别计算相应的出现概率来实现在每个地点(每个基站所在地点)对所有可能出现的带内干扰场景的遍历，得到干扰场景(可称为场景c)，这样，在最后所得到的干扰结果将不受到干扰出现随机性的影响，也不存在片面性的问题，能够一次性发现全部的问题。

优选地，在步骤S102中，可以根据干扰要素信息确定干扰要素信息所涵盖范围(或称为干扰要素信息所涉及的范围)内的各个地点处每个基站所占用的资源出现干扰的概率来确定所有干扰场景中每个干扰场景出现的概率。例如，假设一共有4个基站，基站1、2、3、和4，对于一个地点，基站1和2在该地点处为强覆盖，基站3在该地点处为弱覆盖，基站4未覆盖该地点，因此，针对该地点所获取的干扰要素为有关基站1、2、3的干扰要素信息，即，该干扰要素信息所涵盖的范围与基站1、2、3覆盖的区域相关。具体地，可以采用以下公式进行概率的确定所有干扰场景中每个干扰场景出现的概率：

$P_c=\underset{n=1}{\overset{k}{\mathrm{\Π}}}{P}_n,$ 其中P_n＝Φ_n(f_n，c_n，parameter_n，load_n)，

其中，P_c为所有干扰场景中第c个干扰场景的出现概率，P_n为一个干扰场景所涉及的多个基站中第n个基站占用资源的概率，f_n为第n个基站所使用的频率，c_n为第n个基站所使用的码资源，parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，k为多个基站的总数，Φ_n(f_n，c_n，parameter_n，load_n)为第n个基站的资源占用概率函数，并且，

${\mathrm{\Φ}}_n=\underset{j=1}{\overset{f_n}{\mathrm{\Π}}}\underset{i=1}{\overset{c_n}{\mathrm{\Π}}}{\mathrm{parameter}}_n\frac{d}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{a{(m-{\mathrm{load}}_n)}^2}{{\mathrm{b\δ}}^2}},$ 其中，a、b、d为加权系数，m为当前占用的业务信道总数，δ是负荷参数的标准方差。

由于每个基站彼此之间出现资源占用的概率的相互独立的，因此采用连乘的方式得到场景c的出现概率。

之后，就能够执行步骤S104进行图2中所示的计算干扰指标。其中，可以根据以下公式确定在概率下对每个基站所占用的资源中的指定资源造成干扰的基站的干扰贡献系数，作为干扰指标：

${\mathrm{\η}}_n\left(f_{0,}{c}_0\right)=\frac{I(f_0,c_0,\mathrm{rs}{\mathrm{cp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)}{\mathrm{RTWP}(f_p,c_0)},$

其中，η_n(f₀，c₀)为一个指定干扰场景中的多个基站中的第n个基站对指定资源中的频率f₀和码资源c₀产生的干扰贡献系数，该干扰贡献系数可以用于衡量基站的干扰指标，I(f₀，c₀，rscp₀，h_l，rscp_n，f_n，c_n，parameter_n，load_n)是指定干扰场景中的多个基站中第n个基站对频率f₀和码资源c₀产生的干扰强度，f_n为多个基站中第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，rscp_n为第n个基站的信号强度，rscp₀为被干扰的基站的信号强度；

RTWP(f₀，c₀)为指定资源中的频率f₀和码资源c₀受到的总干扰强度，并且， $\mathrm{RTWP}(f_0,c_0)=\underset{n=1}{\overset{k}{\mathrm{\Σ}}}I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parametet}}_n,{\mathrm{load}}_n),$ 其中，k是多个基站的总数。

其中，可以通过以下公式表示每个指定场景中的多个基站中第n个基站对指定资源中的频率f₀和码资源c₀产生的干扰强度：

$I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)=$

${\mathrm{\α}}_n(a{(f_n-f_0)}^b+c)P_n({\mathrm{\β}}_n\ln (\mathrm{corr}(c_0,c_n)+1)\underset{l=1}{\overset{L}{\mathrm{\Π}}}{\mathrm{\γ}}_{n}Q\left(\sqrt{\frac{h_l{\mathrm{rscp}}_0}{{\mathrm{rscp}}_n+N_0}}\right)$

其中，a、b、c、α_n、β_n、γ_n为加权因子，P_n为多个基站中第n个基站占用资源的概率，Q()为归一化高斯分布函数的尾概率、h_l为传播信道的第l个关键路径的功率因子，N₀为热噪声功率，corr(c_n，c₀)为码资源之间的相关性系数。

在计算出每个地点、每个场景的干扰贡献系数η_x(f_x，c_x)后，可以需要按照某一预定义干扰门限进行筛选，当某一地点的P_c和η_x(f_x，c_x)超出门限，即表示在当地，有P_c的概率发生基站x使用的频率f_x和码资源c_x的干扰问题，而干扰源就是该地点η_n(f_x，c_x)≠0的其他基站，将该基站和场景的位置输出后即可完成图2所示的干扰源和干扰地点定位输出，这样，优化人员就可以根据干扰地点的精确位置、每个干扰源对基站的影响程度制定全面的干扰优化方案。

对于干扰场景中的干扰源和干扰位置可以通过多种方式确定，例如，可以通过由全球卫星定位系统(GPS)确定，可以由基站标识确定，可以通过MR定位确定等，本文不再一一列举。

此外，优化人员可以灵活选择干扰定位要素的来源从而调整干扰定位的精度，这是因为，无论是网络性能数据、测量报告还是测试设备的数据中都可以获得干扰定位要素中的有关地点和信号强度的要素，而不同数据的区别在于最终干扰定位范围、发生概率和强度计算精度，优化人员可以结合不同的工作目和网络设备情况自行选择，具体如何获取测量信息和配置信息，以及具体获取哪些测量信息和配置信息是本领域技术人员所公知的，本文不再详述。

根据本实施例的带内干扰的定位方法将带内干扰产生的理论为依据，由于任意两个信号之间产生带内干扰必须满足以下关键要素：处于相同的地点、达到一定的信号强度、具有相关的频率、具有相关的码资源、具有特定的网络配置数据以及当前存在一定的网络负荷。因此，任何情况下只要获得以上干扰要素及相应的具体数值并进行干扰要素的整合就可以计算出带内干扰发生的概率(如图2所示，在干扰要素整合之后生成干扰场景)及严重程度。所以只要将每个地点所有可能的业务信道占用方式进行组合，通过干扰概率计算就可以获得一个地点所有可能产生带内干扰的场景以及这个场景发生的概率和干扰严重程度，如图2所示，在确定干扰场景之后就可以进行每个场景下的干扰指标计算，最后即可确定干扰源的位置，进行干扰定位输出，。

通过上述处理，能够在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够提高干扰发现的准确度和干扰定位的精度；此外，由于上述处理能够预测干扰的概率模型，所以能够避免相关技术中对同一地点反复测量才可能得到正确的干扰测量结果的问题；此外，上述处理能够直接利用测试数据中的高精度GPS信息和信号强度数据作为干扰要素，而频率、码资源、网络配置和负荷要素则可以通过统一的外部数据源进行关联整合，不仅能够提高定位精度，并且弥补基于测试数据定位干扰时效率低、以及定位结果过于片面的问题。

装置实施例

在本实施例中，提供了一种带内干扰的定位装置。

根据本实施例的带内干扰的定位装置包括：

获取模块，用于获取干扰要素信息；

第一确定模块，用于根据干扰要素信息确定可能出现的所有干扰场景以及所有干扰场景中每个干扰场景出现的概率；

第二确定模块，用于确定每个干扰场景中所涉及的基站的干扰指标，并根据干扰要素信息确定造成干扰的基站的位置和干扰发生的位置。

其中，第一确定模块用于确定干扰要素信息所涉及的范围内的各个地点处基站所占用的资源出现干扰的概率，从而确定每个干扰场景出现的概率。

优选地，干扰要素信息可以包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息，其中，基站的网络配置信息可以包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态。

优选地，对于干扰场景中的干扰源和干扰位置可以通过多种方式确定，例如，可以通过由全球卫星定位系统(GPS)确定，可以由基站标识确定，可以通过MR定位确定等，本文不再一一列举。

通过上述装置，能够在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够提高干扰发现的准确度和干扰定位的精度；此外，由于上述处理能够预测干扰的概率模型，所以能够避免相关技术中对同一地点反复测量才可能得到正确的干扰测量结果的问题；此外，上述处理能够直接利用测试数据中的高精度GPS信息和信号强度数据作为干扰要素，而频率、码资源、网络配置和负荷要素则可以通过统一的外部数据源进行关联整合，不仅能够提高定位精度，并且弥补基于测试数据定位干扰时效率低、以及定位结果过于片面的问题。

优选地，第一确定模块可以根据以下公式确定每个基站所占用的资源出现干扰的概率：

$P_c=\underset{n=1}{\overset{k}{\mathrm{\Π}}}{P}_n,$ 其中P_n＝Φ_n(f_n，c_n，parameter_n，load_n)，

P_c为每个基站(即，每个存在信号的基站)所占用的资源出现干扰的概率(场景c出现的概率)，P_n为一个指定干扰场景所涉及的多个基站中第n个基站占用资源的概率(即，第n个基站出现场景c这种资源占用的概率)，k为多个基站的总数，Φ_n(f_n，c_n，parameter_n，load_n)为一个指定干扰场景所涉及的第n个基站的资源占用概率函数，f_n为第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，并且， ${\mathrm{\Φ}}_n=\underset{j=1}{\overset{f_n}{\mathrm{\Π}}}\underset{i=1}{\overset{c_n}{\mathrm{\Π}}}{\mathrm{parameter}}_n\frac{d}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{a{(m-{\mathrm{load}}_n)}^2}{{\mathrm{b\δ}}^2}},$ 其中，a、b、d为加权系数，m为当前占用的业务信道总数，δ是负荷参数的标准方差。

优选地，第二确定模块可以根据以下公式确定在概率下对每个基站所占用的资源中的指定资源造成干扰的基站的干扰贡献系数，作为干扰指标：

${\mathrm{\η}}_n\left(f_{0,}{c}_0\right)=\frac{I(f_0,c_0,\mathrm{rs}{\mathrm{cp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)}{\mathrm{RTWP}(f_p,c_0)},$

其中，η_n(f₀，c₀)为一个指定场景所涉及的多个基站中的第n个基站对指定资源中的频率f₀和码资源c₀产生的干扰贡献系数，I(f₀，c₀，rscp₀，h_l，rscp_n，f_n，c_n，parameter_n，load_n)是一个指定干扰场景所涉及的多个基站中第n个基站对频率f₀和码资源c₀产生的干扰强度，f_n为多个基站中第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，rscp_n为第n个基站的信号强度，rscp₀为被干扰的基站的信号强度；

RTWP(f₀，c₀)为指定资源中的频率f₀和码资源c₀受到的总干扰强度，并且， $\mathrm{RTWP}(f_0,c_0)=\underset{n=1}{\overset{k}{\mathrm{\Σ}}}I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parametet}}_n,{\mathrm{load}}_n),$ 其中，k是多个基站的总数。

其中，可以通过以下公式表示多个基站中第n个基站对指定资源中的频率f₀和码资源c₀产生的干扰强度：

$I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_{n,}{f}_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n)=$

${\mathrm{\α}}_n(a{(f_n-f_0)}^b+c)P_n({\mathrm{\β}}_n\ln (\mathrm{corr}(c_0,c_n)+1)\underset{l=1}{\overset{L}{\mathrm{\Π}}}{\mathrm{\γ}}_{n}Q\left(\sqrt{\frac{h_l{\mathrm{rscp}}_0}{{\mathrm{rscp}}_n+N_0}}\right)$

其中，a、b、c、α_n、β_n、γ_n为加权因子，P_n为一个指定干扰场景所涉及的多个基站中第n个基站占用资源的概率，Q()为归一化高斯分布函数的尾概率、h_l为传播信道的第l个关键路径的功率因子，N₀为热噪声功率，corr(c_n，c₀)为码资源之间的相关性系数。

根据本实施例的装置可以实现上述方法实施例中所描述的多种处理，具体过程这里不再重复。

应当注意，在以上描述中列出了多个公式，这些公式仅仅是实现本发明的发明计算所采用手段的具体实例，本发明并不限于此，在适当的情况下，可以采用这些公式的变形和其他方式来实现相应的计算。

综上所述，借助于本发明的上述技术方案，通过根据测量信息以及配置信息等干扰要素确定基站对占用资源造成干扰的概率，进而确定干扰出现时造成干扰的基站的干扰贡献系数，无需真正占用受干扰的业务信道，可以在干扰问题发生前就将其定位，有效的解决了当前干扰定位的滞后性，并且能够基于位置信息对干扰进行准确定位，并且能够提高干扰发现的准确度和干扰定位的精度，并且，由于采用了实际测量数据，因此会使得干扰定位结果的准确性会明显优于通过模拟和仿真得到的结果；此外，由于能够预测干扰的概率模型，所以能够避免相关技术中对同一地点反复测量才可能得到正确的干扰测量结果的问题；此外，本发明能够直接利用测试数据中的高精度GPS信息和信号强度数据作为干扰要素，而频率、码资源、网络配置和负荷要素则可以通过统一的外部数据源进行关联整合，不仅能够提高定位精度，并且弥补基于测试数据定位干扰时效率低、以及定位结果过于片面的问题。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种带内干扰的定位方法，其特征在于，所述方法包括：

获取干扰要素信息；

根据所述干扰要素信息确定可能出现的所有干扰场景以及所述所有干扰场景中每个干扰场景出现的概率，将每个地点所有可能的业务信道占用方式进行组合，通过干扰概率计算就可以获得一个地点所有可能产生带内干扰的场景以及这个场景发生的概率；

确定所述每个干扰场景所涉及的基站的干扰指标，并根据所述干扰要素信息确定造成干扰的基站的位置和干扰发生的位置，根据以下公式确定造成干扰的基站的干扰指标：

${\mathrm{\η}}_n(f_0,c_0)=\frac{I(f_{0,}{c}_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_n,f_n,c_n,{\mathrm{paramter}}_n,{\mathrm{lood}}_n)}{\mathrm{RTWP}(f_0,c_0)},$

其中，η_n(t0,C₀)为一个干扰场景所涉及的多个基站中的第n个基站对所占用的资源中的指定频率f₀和指定码资源c₀的干扰贡献系数，该干扰贡献系数用于衡量所述第n个基站的干扰指标，I(f₀，c₀，rscp₀，h_l，rscp_n，f_n，c_n，parameter_n，load_n)是所述干扰场景所涉及的多个基站中第n个基站对频率f₀和码资源c₀产生的干扰强度，f_n为所述干扰场景所涉及的多个基站中第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为笫n个基站的信道优先级权值，load_n为第n个基站的负荷，rscp_n为第n个基站的信号强度，rscp₀为被干扰的基站的信号强度，h_j为传播信道的第l个关键路径的功率因子；

RTWP(f₀，c₀)为所述指定资源中的频率f₀和码资源c₀受到的总干扰强度，并且，RTWP $\left(f_{0,}{c}_0\right)=\underset{n=1}{\overset{k}{\mathrm{\Σ}}}I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_n,f_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n),$ 其中，k是所述多个基站的总数。

2.根据权利要求1所述的方法，其特征在于，确定所述所有干扰场景中每个干扰场景出现的概率具体包括：

确定所述干扰要素信息所涉及范围内的各个地点处基站所占用的资源出现干扰的概率。

3.根据权利要求1或2所述的方法，其特征在于，所述干扰要素信息包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息，其中，基站的网络配置信息包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态。

4.根据权利要求3所述的方法，其特征在于，根据以下公式确定所述每个干扰场景中每个基站所占用的资源出现干扰的概率：

其中，P_c为所述所有干扰场景中第c个干扰场景的出现概率，P_n为一个干扰场景所涉及的多个基站中第n个基站占用所述资源的概率，f_n为第n个基站所使用的频率，c_n为第n个基站所使用的码资源，parametern为第n个基站的信道优先级权值，load_n为第n个基站的负荷，k为所述多个基站的总数，Ф_n(f_n，c_n，parameter_n，load_n)为第n个基站的资源占用概率函数，并且，

${\mathrm{\Φ}}_n=\underset{j=1}{\overset{f_n}{\mathrm{\Π}}}\underset{i=1}{\overset{c_n}{\mathrm{\Π}}}{\mathrm{parameter}}_n\frac{d}{\mathrm{\δ}\sqrt{2\mathrm{\π}}}{e}^{\frac{a{(m-{\mathrm{load}}_n)}^2}{{\mathrm{b\δ}}^2}},$ 其中，a、b、d为加权系数，m为当前占用的业务信道总数，δ是负荷参数的标准方差。

5.根据权利要求1所述的方法，其特征在于，通过以下公式表示所述多个基站中第n个基站对所述指定资源中的频率f₀和码资源c₀产生的干扰强度：

I(f₀，c₀，rscp₀，h_l，rscp_n,f_n，c_n，paramete_rn,load_n)=

$a_n(a{(f_n-f_0)}^b+c)p_n\left({\mathrm{\β}}_n\ln (\mathrm{corr}(c_0,c_n)+1)\underset{l=1}{\overset{L}{\mathrm{\Π}}}\right){\mathrm{\γ}}_{n}Q\left(\frac{\sqrt{h_l{\mathrm{rscp}}_0}}{{\mathrm{rscp}}_n+N_0}\right)$

其中，a、b、c、a_n、β_n、γ_n为加权因子，P_n为一个干扰场景所涉及的多个基站中第n个基站占用所述资源的概率，Q0为归一化高斯分布函数的尾概率、h_l为传播信道的第l个关键路径的功率因子，N₀为热噪声功率，corr(c_n，c₀)为码资源之间的相关性系数。

6.一种带内干扰的定位装置，其特征在于，所述装置包括：

获取模块，用于获取干扰要素信息；

第一确定模块，用于根据所述干扰要素信息确定可能出现的所有干扰场景以及所述所有干扰场景中每个干扰场景出现的概率，将每个地点所有可能的业务信道占用方式进行组合，通过干扰概率计算就可以获得一个地点所有可能产生带内干扰的场景以及这个场景发生的概率；

第二确定模块，用于确定所述每个干扰场景中所涉及的基站的干扰指标，并根据所述干扰要素信息确定造成干扰的基站的位置和干扰发生的位置，根据以下公式确定造成干扰的基站的干扰指标：

${\mathrm{\η}}_n(f_0,c_0)=\frac{I(f_{0,}{c}_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_n,f_n,c_n,{\mathrm{paramter}}_n,{\mathrm{lood}}_n)}{\mathrm{RTWP}(f_0,c_0)},$

其中，η_n(f₀,C₀)为一个干扰场景所涉及的多个基站中的第n个基站对所占用的资源中的指定频率f₀和指定码资源c₀的干扰贡献系数，该干扰贡献系数用于衡量所述第n个基站的干扰指标，I(f₀，c₀，rscp₀，h_l，rscp_n,f_n，c_n，parameter_n，load_n)是所述干扰场景所涉及的多个基站中第n个基站对频率f₀和码资源c₀产生的干扰强度，f_n为所述干扰场景所涉及的多个基站中第n个基站所使用的频率，c_n为第n个基站所使用的码资源、parameter_n为第n个基站的信道优先级权值，load_n为第n个基站的负荷，rscp_n为第n个基站的信号强度，rscp₀为被干扰的基站的信号强度，h_l为传播信道的第l个关键路径的功率因子；

RTWP(f₀，c₀)为所述指定资源中的频率f₀和码资源c₀受到的总干扰强度，并且，RTWP $\left(f_{0,}{c}_0\right)=\underset{n=1}{\overset{k}{\mathrm{\Σ}}}I(f_0,c_0,{\mathrm{rscp}}_0,h_l,{\mathrm{rscp}}_n,f_n,c_n,{\mathrm{parameter}}_n,{\mathrm{load}}_n),$ 其中，k是所述多个基站的总数。

7.根据权利要求6所述的装置，其特征在于，所述第一确定模块用于确定所述干扰要素信息所涉及的范围内的各个地点处基站所占用的资源出现干扰的概率，从而确定所述每个干扰场景出现的概率。

8.根据权利要求6或7所述的装置，其特征在于，所述干扰要素信息包括以下至少之一：基站的频率信息、基站的码资源信息、基站的网络配置信息、基站的负荷信息、基站的信号强度信息、干扰场景的位置信息，其中，基站的网络配置信息包括以下至少之一：基站的架设结构、基站的硬件属性、基站的地理位置、基站的容量、基站的参数配置状态。

9.根据权利要求8所述的装置，其特征在于，所述每个干扰场景的位置信息由以下方式之一确定：由全球卫星定位系统确定、由基站标识确定、通过MR定位确定。

Images