CN102594737A - 一种邻区干扰检测方法及系统 - Google Patents

Abstract

本发明公开了一种邻区干扰检测方法及系统，无需利用静默帧，无需专门的干扰测量信号，即可检测出干扰分量的大小，计算复杂度和运算量较低。所述方法用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内，用该方法对其中承载的一个数据流进行干扰噪声检测时，包括：对该数据流对应的每一数据子载波，在计算得到该数据子载波位置的干扰噪声协方差矩阵后，对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值；其中，该干扰抑制区域为接收数据承载区域中的一时频二维资源块。

Description

一种邻区干扰检测方法及系统

技术领域

本发明涉及通信领域，具体涉及一种邻区干扰检测方法及系统。

背景技术

无线通信系统总是受到各种各样的干扰，对于第4代以OFDMA(Orthogonal Frequency Division Multiple Access，正交频分多址接入)技术为基础的通信系统而言(4G，Wimax，LTE)，始终受到较严重的OFDM(Orthogonal Frequency Division Multiplexing，正交频分复用)同道干扰(Co-Channel Interference，CCI)。在蜂窝网络中，由于频谱复用的关系，此种干扰表现为邻区干扰。

目前，邻区干扰检测、抑制和消除问题是一个热门的研究问题，也是4G通信系统同频组网必须要解决的问题。主动式的手段通常表现为功率控制、动态的频率复用、邻区的波束和调度协作以及正在讨论中的CoMP(协同多点传输)中的联合传输，这些技术在标准制定时就需要做较详细的讨论，需要网络结构和信令支持。而在被动式的干扰消除技术则不依赖于信令的交互，通常由接收机完成，可以广泛适用于各种网络中。

在接收侧完成的被动式的干扰消除，相对于非干扰消除接收机来说，复杂度会有相当程度的增加，同时在没有邻区干扰或者邻区干扰较弱时，性能上并不能获得提升，如果能从接收信号中检测出干扰信号的强度，从而选择合适的接收算法，可实现最优化的性能与复杂度的折中。同时，邻区干扰水平这一参数可以广泛的应用于各种主动式的干扰控制和抑制技术，作为这些技术的参考指标。

现有的干扰检测手段大致分为两种，一种是在射频接收模块处完成，通过检测信号的峰值功率与均值功率的比值，判断是否存在干扰，此种方法存在的问题一是不能针对某些具体的载波，判断其上是否存在干扰，二是无法具体给出干扰信号的功率大小，另一种是通过在网络上使用静默帧的方式来测量干扰大小，此种方式显然会对网络资源造成浪费，而且由于干扰的时变特性，也无法保证检测出的干扰的有效性。

发明内容

本发明要解决的技术问题是提供一种邻区干扰检测方法及系统，无需利用静默帧，无需专门的干扰测量信号，即可检测出干扰分量的大小，计算复杂度和运算量较低。

为解决上述技术问题，本发明提供了一种邻区干扰检测方法，用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内，用该方法对其中承载的一个数据流进行干扰噪声检测时，包括：

对该数据流对应的每一数据子载波，在计算得到该数据子载波位置的干扰噪声协方差矩阵后，对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值；

其中，该干扰抑制区域为接收数据承载区域中的一时频二维资源块。

较佳地，

所述对该数据子载波位置的干扰噪声协方差矩阵进行的数值分析是采用特征值分解法或采用对角线元素法。

较佳地，

所述数值分析是采用特征值分解法时，所述对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值的步骤包括：

对所述干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值；

从S个特征值中选取最小的非零特征值：λ_min＝λ_j；

采用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}.$

较佳地，

所述数值分析是采用对角线元素法时，所述对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值的步骤包括：

计算干扰噪声协方差矩阵的对角线元素乘积Prod(NI)；

计算干扰噪声协方差矩阵的反对角线元素乘积Prod(anti-NI)；

根据对角线元素乘积和反对角线元素乘积计算干扰噪声度量因子IR：

$\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})};$

根据干扰噪声度量因子计算干扰噪声功率比值I/N：

其中Z为干扰噪声协方差矩阵的阶数。

为解决上述技术问题，本发明还提供了一种邻区干扰检测系统，用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内对其中承载的一个数据流进行干扰噪声检测，该干扰抑制区域为接收数据承载区域中的一时频二维资源块，包括：

第一装置，用于对该数据流对应的每一数据子载波，计算得到该数据子载波位置的干扰噪声协方差矩阵；

第二装置，用于对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值。

较佳地，

所述第二装置，是用于采用特征值分解法或采用对角线元素法对所述数据子载波位置的干扰噪声协方差矩阵进行的数值分析的。

较佳地，

所述第二装置采用特征值分解法进行数值分析时，所述第二装置包括：

第一单元，用于对所述干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值；

第二单元，用于从S个特征值中选取最小的非零特征值：λ_min＝λ_j；

第三单元，用于采用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}.$

较佳地，

所述第二装置采用对角线元素法进行数值分析时，所述第二装置包括：

A单元，用于计算干扰噪声协方差矩阵的对角线元素乘积Prod(NI)；

B单元，用于计算干扰噪声协方差矩阵的反对角线元素乘积Prod(anti-NI)；

C单元，用于根据对角线元素乘积和反对角线元素乘积计算干扰噪声度量因子IR： $\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})};$

D单元，用于根据干扰噪声度量因子计算干扰噪声功率比值I/N：

其中Z为干扰噪声协方差矩阵的阶数。

本发明实施例方法和系统不依赖于静默帧或者其他干扰测量手段，在基带接收信号中检测出干扰分量的大小。利用现有的基带检测算法的信道估计参数，计算干扰与噪声的二阶统计协方差矩阵，通过计算该矩阵的数值特征，求出干扰功率与噪声功率的比值干扰功率与噪声功率的比值信息可以作为干扰消除算法使用的依据，也可以对调度、功率控制、干扰协调与避免等技术手段提供参考依据。

本发明提出的干扰检测算法和系统，是在接收机的基带处理单元完成的，易于与现有的基带接收装置结合，可以充分利用现有基带接收处理单元中的某些中间变量，可以具体检测出某些载波上的干扰水平，给出量化值。算法无需利用静默帧，无需专门的干扰测量信号，从普通的接收信号中即可判断干扰分量的大小，算法实时性好，每部分接收符号，均可给出相应的干扰功率水平，同时每部分相邻载波，均可给出相应的干扰功率水平。由于充分利用了现有基带处理单元中的某些中间变量，算法复杂度和运算量都非常低。

附图说明

图1为本发明实施例干扰检测流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

本文中的邻区干扰检测方法应用于OFDM/OFDMA系统。文中的发送端可以是基站、中继站等控制设备，也可以是手机、笔记本电脑、手持电脑等终端设备。类似地，接收端用于接收发送端的数据信号，接收端可以是手机、笔记本电脑、手持电脑等终端设备，也可以是基站，中继站等控制设备。

接收端将接收数据承载区域划分为一个或多个干扰抑制区域，每一干扰抑制区域为帧/半帧结构中的一个时频二维资源块，即每一个干扰抑制区域在时间上包含多个连续的OFDM/OFDMA符号，在频域上包含多个连续的子载波。接收数据承载区域可能包括一个时频二维资源块，也可能包括多个分离的时频二维资源块，在本实施例中，将其中的每一个独立的时频二维资源块作为一个干扰抑制区域。当然，在其他实施例中，接收数据承载区域中的相对独立的各个时频二维资源块也可以被进一步划分为多个干扰抑制区域。

在OFDM/OFDMA系统中，上述干扰抑制区域可以承载一个或多个数据流，每一数据流对应一个或多个数据子载波和导频子载波，不同数据流对应的导频子载波不同。

如图1所示，在一个干扰抑制区域内，按本实施例方法对其中承载的一个数据流进行邻区干扰检测时，包括：

步骤10，对该数据流对应的每一导频子载波，根据发送端在该导频子载波上发送的导频信号、该导频子载波上的接收信号和该导频子载波位置的信道系数估计值，计算得到该导频子载波位置的干扰噪声协方差矩阵；

用PsC(i)表示该干扰抑制区域中该数据流对应的第i个导频子载波，i＝1，…，I，则PsC(i)位置的干扰噪声协方差矩阵

按下式得到：

${\hat{R}}_{\mathrm{NI}-P}\left(i\right)={(y_p\left(i\right)-{\hat{h}}_p\left(i\right)p\left(i\right))(y_p\left(i\right)-{\hat{h}}_p\left(i\right)p\left(i\right))}^H---\left(1\right)$

其中，p(i)为发送端在PsC(i)上发送的导频信号，y_p(i)为PsC(i)上的接收信号，具体地，为所有接收天线在第i个导频子载波的接收信号构成的列矢量，

为PsC(i)位置的信道系数估计值，具体地，为所有接收天线在第i个导频子载波位置的信道系数估计值构成的列矢量，I为该干扰抑制区域中该数据流对应的导频子载波的个数，

表示矩阵

的共轭转置。文中的干扰噪声协方差矩阵是一估计值。

步骤20，对该数据流对应的每一数据子载波，将计算得到的各导频子载波位置的干扰噪声协方差矩阵的加权平均，作为该数据子载波位置的干扰噪声协方差矩阵；

用DsC(j)表示该干扰抑制区域中该数据流对应的第j个数据子载波，j＝1，…，J，则DsC(j)位置的干扰噪声协方差矩阵

按下式得到：

${\hat{R}}_{\mathrm{NI}-D}\left(j\right)=\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\β}}_{\mathrm{ij}}{\hat{R}}_{\mathrm{NI}-P}\left(i\right)---\left(2\right)$

其中，β_ij为计算DsC(j)位置的

时，赋予

的权值，

部分权值可以为0；J为该干扰抑制区域中的数据子载波的个数。

通过以上两步，接收端已经完成了对该干扰抑制区域的邻区干扰噪声估计。对数据承载区域内的各干扰抑制区域均按上述方法计算后，就完成了对该数据承载区域的邻区干扰噪声估计。

步骤30，对该数据流对应的每一数据子载波，对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值；

上述数值分析可采用以下两种方法之一：

I，特征值分解法，包括：

1)对干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值：λ₁≥λ₂≥…≥λ_S≥0；

干扰噪声协方差矩阵为厄尔米特矩阵，因此特征值分解和奇异值分解这两种分解方法等价，因而后文仅以特征值分解为例进行说明。

2)从S个特征值中选取最小的非零特征值： ${\mathrm{\λ}}_{\min }={\mathrm{\λ}}_j=\underset{i=\mathrm{1,2}..S,{\mathrm{\λ}}_i\≠0}{\min }\left\{{\mathrm{\λ}}_i\right\};$

3)使用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}---\left(3\right)$

II，对角线元素法，包括：

1)分别计算干扰噪声协方差矩阵的对角线元素乘积和反对角线元素乘积：

对角线元素乘积定义为： $\mathrm{Prod}\left({\hat{R}}_{\mathrm{NI}-D}\left(j\right)\right)=\mathrm{\Π}{\hat{R}}_{\mathrm{NI}-D}{\left(j\right)}_{x,x}$

反对角线元素乘积定义为： $\mathrm{Prod}(\mathrm{anti}-{\hat{R}}_{\mathrm{NI}-D}\left(j\right))=\underset{x+y=Z+1}{\mathrm{\Π}}{\hat{R}}_{\mathrm{NI}-D}{\left(j\right)}_{x,y}$

干扰噪声协方差矩阵为Z阶矩阵，即Z*Z维的矩阵。上述公式中，x表示干扰噪声协方差矩阵中元素的行数，y表示干扰噪声协方差矩阵中元素的列数。

2)使用如下公式，计算干扰噪声度量因子IR：

$\mathrm{IR}=\frac{\mathrm{Prod}\left({\hat{R}}_{\mathrm{NI}-D}\left(j\right)\right)}{\mathrm{Prod}\left({\hat{R}}_{\mathrm{NI}-D}\left(j\right)\right)-\mathrm{Prod}(\mathrm{anti}-{\hat{R}}_{\mathrm{NI}-D}\left(j\right))}---\left(4\right)$

3)使用如下公式，计算干扰噪声功率比值I/N：

$I/N=\frac{1}{\sqrt[Z]{\frac{\mathrm{IR}}{\mathrm{IR}-1}}-1}---\left(5\right)$

本实施例中，上述宽带同频干扰噪声估计和干扰抑制方法的步骤中用到的导频子载波和数据子载波位置的信道系数估计值

及

可以通过以下方式计算得到：

步骤一，对该干扰抑制区域中该数据流对应的每一导频子载波，接收端将该导频子载波上的接收信号与发送端在该导频子载波上发送的导频信号的共轭相乘，得到该导频子载波位置的信道系数估计值；

该干扰抑制区域中该数据流对应的第i个导频子载波PsC(i)位置的信道系数估计值

由下式得到：

${\hat{h}}_p\left(i\right)=y_p\left(i\right)p^{*}\left(i\right),i=1,...,I---\left(6\right)$

其中，y_p(i)为接收端在第i个导频子载波上的接收信号，p(i)为发送端在第i个导频子载波上发送的导频信号(两端可以约定)，p^*(i)表示对p(i)取共轭；其他参数含义如上文所述。

因为相邻小区在同一导频子载波上的导频信号相关性比较低，通过上述运算，可以滤除导频子载波上相邻小区导频带来的干扰信号，得到较为准确的信道系数估计值。进而，基于各导频子载波位置的信道系数估计值的加权平均得到的数据子载波位置的信道系数估计值也较为准确。

步骤二，对该数据流对应的每一数据子载波，将该数据流对应的各导频子载波位置的信道系数估计值的加权平均，作为该数据子载波位置的信道系数估计值；

将该干扰抑制区域中该数据流对应的第j个数据子载波记为DsC(j)，DsC(j)位置的信道系数估计值

按下式得到：

${\hat{h}}_d\left(j\right)=\underset{i=1}{\overset{I}{\mathrm{\Σ}}}{\mathrm{\α}}_{\mathrm{ij}}{\hat{h}}_p\left(i\right)---\left(7\right)$

其中，α_ij为计算DsC(j)位置的

时，赋予的权值，

部分

的权值可以为0，其他参数含义如上文所述。

接收端可以将该干扰抑制区域再划分为K个时频二维资源块，K＝1，2，...；每一时频二维资源块作为一个信道估计单元，每一信道估计单元中包括至少一个导频子载波和一个数据子载波。

在进行信道估计单元划分的一实施例中，在按公式(7)计算某个数据子载波位置的信道系数估计值时，为同一信道估计单元中各个导频子载波位置的信道系数估计值赋予的权值相同。

在进行信道估计单元划分的另一实施例中，在按公式(7)计算同一信道估计单元中各个数据子载波位置的信道系数估计值时，取一组相同的权值α_ij，i＝1，…，I，j＝1，…，J，得到的各数据子载波位置的信道系数估计值相同。

在进行信道估计单元划分的又一实施例，可以结合上述两个实施例的方式。如下：

定义第k个信道估计单元包含的导频子载波的索引构成的集合为Ω_k，k＝1，2，…，K；

第k个信道估计单元中该数据流对应的每一数据子载波位置的信道系数估计值相等，记为

接收端按下式来计算该

${\hat{h}}_d^k=\underset{l=1}{\overset{K}{\mathrm{\Σ}}}\underset{i\∈{\mathrm{\Ω}}_l}{\mathrm{\Σ}}{\mathrm{\α}}_{\mathrm{kl}}{\hat{h}}_p\left(i\right)---\left(8\right)$

其中，l为一循环变量，l＝1，2，…，K；α_kl为计算时，赋予第l个信道估计单元中各导频子载波位置的信道系数估计值的权值，因为是加权平均，α_kl要满足条件其中|Ω_l|表示导频索引集合Ω_l包含的导频子载波的个数。在时频上，与某个数据子载波位置越近的导频子载波，信道相关性就越强。因此较佳地，在计算

采用的权值α_kl中，α_kk大于等于其他的权值，l＝1，2，…，K。

可以看出，本实施例在按公式(7)计算某个数据子载波位置的信道系数估计值时，对于同一信道估计单元中各导频子载波位置的信道系数估计值，取相同的权值，且计算同一信道估计单元中各数据子载波位置的信道系数估计值时，通过取相同的一组权值，使得得到的各数据子载波位置的信道系数估计值相同。

采用上述基于信道估计单元的方式可以简化计算。

上述宽带同频干扰噪声估计和干扰抑制方法中，步骤20的加权平均可以基于干扰噪声估计单元来进行。接收端将干扰抑制区域再划分为M个时频二维资源块，M＝1，2，...；每个时频二维资源块作为一个干扰噪声估计单元，每一干扰噪声估计单元中包括至少一个导频子载波。同一干扰抑制区域中信道估计单元和干扰噪声估计单元的划分可以相同，也可以不同。

在进行干扰噪声估计单元划分的一实施例中，按公式(2)计算某个数据子载波位置的干扰噪声协方差矩阵时，为同一干扰噪声估计单元中各个导频子载波位置的干扰噪声协方差矩阵赋予的权值相同。

在进行干扰噪声估计单元划分的另一实施例，按公式(2)计算同一干扰噪声估计单元中各个数据子载波位置的干扰噪声协方差矩阵时，取相同的一组权值β_ij，i＝1，…，I，j＝1，…，J，得到相同的干扰噪声协方差矩阵。

在进行干扰噪声估计单元划分的又一实施例，可以结合上述两个实施例的方式。如下：

定义第m个干扰噪声估计单元包含的导频子载波的索引构成的集合为Ω_m，m＝1，2，…，M。第m个干扰噪声估计单元中该数据流对应的每一数据子载波位置的干扰噪声协方差矩阵相等，记为

接收端按下式来计算：

${\hat{R}}_{\mathrm{NI}-D}^m=\underset{l=1}{\overset{M}{\mathrm{\Σ}}}\underset{i\∈{\mathrm{\Ω}}_l}{\mathrm{\Σ}}{\mathrm{\β}}_{\mathrm{ml}}{\hat{R}}_{\mathrm{NI}-P}\left(i\right)---\left(9\right)$

其中，l为一循环变量，l＝1，2，…，M；β_ml为计算时，赋予第l个干扰噪声估计单元中各导频子载波对应的的权值，因为是加权平均，β_ml要满足条件

其中|Ω_l|表示导频索引集合Ω_l包含的导频子载波的个数。

可以看出，本实施例在按公式(2)计算某个数据子载波位置的干扰噪声协方差矩阵时，对于同一干扰噪声估计单元中各导频子载波位置的干扰噪声协方差矩阵，取相同的权值；且在计算同一干扰噪声估计单元中各数据子载波位置的干扰噪声协方差矩阵时，通过取相同的一组权值，使得各数据子载波位置的干扰噪声协方差矩阵相同。

时频区域内，与某个数据子载波位置越近的导频子载波，信道相关性越强。因此较佳地，计算采用的权值β_ml中，l＝1，2，…，M，β_mm大于等于其他的权值。

采用上述基于干扰噪声估计单元的方式可以简化计算。

相应地，本文还提供了一种邻区干扰检测系统，用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内对其中承载的一个数据流进行干扰噪声检测，该干扰抑制区域为接收数据承载区域中的一时频二维资源块，包括：

第一装置，用于对该数据流对应的每一数据子载波，计算得到该数据子载波位置的干扰噪声协方差矩阵；

第二装置，用于对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值。

较佳地，

所述第二装置，是用于采用特征值分解法或采用对角线元素法对所述数据子载波位置的干扰噪声协方差矩阵进行的数值分析的。

较佳地，

所述第二装置采用特征值分解法进行数值分析时，所述第二装置包括：

第一单元，用于对所述干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值；

第二单元，用于从S个特征值中选取最小的非零特征值：λ_min＝λ_j；

第三单元，用于采用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}.$

较佳地，

所述第二装置采用对角线元素法进行数值分析时，所述第二装置包括：

A单元，用于计算干扰噪声协方差矩阵的对角线元素乘积Prod(NI)；

B单元，用于计算干扰噪声协方差矩阵的反对角线元素乘积Prod(anti-NI)；

C单元，用于根据对角线元素乘积和反对角线元素乘积计算干扰噪声度量因子IR： $\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})};$

D单元，用于根据干扰噪声度量因子计算干扰噪声功率比值I/N：

其中Z为干扰噪声协方差矩阵的阶数。

下面用一些应用示例对本发明进行进一步说明，在以下示例中，各参数的含义与上述实施例方案相同，且假定接收端已经获得每个导频子载波上的信道系数估计值，并根据公式(1)计算出每个导频子载波上的干扰噪声协方差矩阵，示例中主要说明在不同的接收天线数和导频数量以及在使用不同的数值分析方法时，如何计算得到数据子载波位置的干扰噪声协方差矩阵，以及干扰噪声功率比值。

下面结合具体的应用场景，说明本发明所描述的邻区干扰检测算法。

实施例1

本实施例为采用特征值分解法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为4，选择的干扰抑制区域内包含的导频子载波数量为20。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₂₀，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{20}\underset{i=1}{\overset{20}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

对NI矩阵进行特征值分解，获得NI矩阵的4个特征值，λ₁≥λ₂≥λ₃≥λ₄＞0，其最小非零特征值为λ₄。

根据公式计算I/N，I/N＝∑_{i＝1，2，3}(λ_i-λ₄)/λ₄。

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

实施例2

本实施例为采用特征值分解法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为8，选择的干扰抑制区域内包含的导频子载波数量为20。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₂₀，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{20}\underset{i=1}{\overset{20}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

对NI矩阵进行特征值分解，获得NI矩阵的8个特征值，λ₁≥λ₂≥...≥λ₈＞0，其最小非零特征值为λ₈。

根据公式计算I/N，I/N＝∑_{i＝1，2，...，7}(λ_i-λ₈)/λ₈。

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

实施例3

本实施例为采用特征值分解法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为4，选择的干扰抑制区域内包含的导频子载波数量为12。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₁₂，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{12}\underset{i=1}{\overset{12}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

对NI矩阵进行特征值分解，获得NI矩阵的4个特征值，λ₁≥λ₂≥λ₃≥λ₄＞0，其最小非零特征值为λ₄。

根据公式计算I/N，I/N＝∑_{i＝1，2，3}(λ_i-λ₄)/λ₄。

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

实施例4

本实施例为采用对角线元素法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为4，选择的干扰抑制区域内包含的导频子载波数量为20。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₂₀，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{20}\underset{i=1}{\overset{20}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

分别计算NI矩阵的对角线的乘积与反对角线元素的乘积：

$\mathrm{Prod}\left(\mathrm{NI}\right)=\underset{x=1}{\overset{4}{\mathrm{\Π}}}{\mathrm{NI}}_{x,x}$

$\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})=\underset{x=1,x+y=5}{\overset{4}{\mathrm{\Π}}}{\mathrm{NI}}_{x,y}$

其中，x表示干扰噪声协方差矩阵中元素的行数，y表示干扰噪声协方差矩阵中元素的列数。

使用如下公式，计算干扰噪声度量因子IR：

$\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})}$

使用如下公式，计算I/N：

$I/N=\frac{1}{\sqrt[4]{\frac{\mathrm{IR}}{\mathrm{IR}-1}}-1}$

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

实施例5

本实施例为采用对角线元素法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为8，选择的干扰抑制区域内包含的导频子载波数量为20。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₂₀，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{20}\underset{i=1}{\overset{20}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

分别计算NI矩阵的对角线的乘积与反对角线元素的乘积

$\mathrm{Prod}\left(\mathrm{NI}\right)=\underset{x=1}{\overset{8}{\mathrm{\Π}}}{\mathrm{NI}}_{x,y}$

$\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})=\underset{x=1,x+y=9}{\overset{8}{\mathrm{\Π}}}{\mathrm{NI}}_{x,y}$

使用如下公式，计算干扰噪声度量因子IR：

$\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})}$

使用如下公式，计算I/N：

$I/N=\frac{1}{\sqrt[8]{\frac{\mathrm{IR}}{\mathrm{IR}-1}}-1}$

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

实施例6

本实施例为采用对角线元素法计算干扰噪声功率比值的实施例。

某通信系统，接收天线数为4，选择的干扰抑制区域内包含的导频子载波数量为12。

计算得到的各导频子载波位置的干扰噪声协方差矩阵为NI₁，NI₂，...NI₁₂，对其进行加权平均得到该数据子载波位置的干扰噪声协方差矩阵 $\mathrm{NI}=\frac{1}{12}\underset{i=1}{\overset{12}{\mathrm{\Σ}}}{\mathrm{NI}}_i;$

分别计算NI矩阵的对角线的乘积与反对角线元素的乘积：

$\mathrm{Prod}\left(\mathrm{NI}\right)=\underset{x=1}{\overset{4}{\mathrm{\Π}}}{\mathrm{NI}}_{x,y}$

$\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})=\underset{x=1,x+y=5}{\overset{4}{\mathrm{\Π}}}{\mathrm{NI}}_{x,y}$

使用如下公式，计算干扰噪声度量因子IR：

$\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})}$

使用如下公式，计算I/N：

$I/N=\frac{1}{\sqrt[4]{\frac{\mathrm{IR}}{\mathrm{IR}-1}}-1}$

输出I/N作为当前干扰抑制区域的干扰功率估计，同时选择另一待处理干扰抑制区域，重复上述步骤，直至完成所有干扰抑制区域的检测。

上述实施例中，实施例2和实施例5是较优实施例。

实际系统中，可能包含本发明所描述的全部流程步骤，也可能只包含其中部分流程步骤，同时不限于本发明所描述的流程步骤。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种邻区干扰检测方法，用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内，用该方法对其中承载的一个数据流进行干扰噪声检测时，包括：

对该数据流对应的每一数据子载波，在计算得到该数据子载波位置的干扰噪声协方差矩阵后，对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值；

其中，该干扰抑制区域为接收数据承载区域中的一时频二维资源块。

2.如权利要求1所述的方法，其特征在于，

所述对该数据子载波位置的干扰噪声协方差矩阵进行的数值分析是采用特征值分解法或采用对角线元素法。

3.如权利要求1或2所述的方法，其特征在于，

所述数值分析是采用特征值分解法时，所述对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值的步骤包括：

对所述干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值；

从S个特征值中选取最小的非零特征值：λ_min＝λ_j；

采用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}.$

4.如权利要求1或2所述的方法，其特征在于，

所述数值分析是采用对角线元素法时，所述对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值的步骤包括：

计算干扰噪声协方差矩阵的对角线元素乘积Prod(NI)；

计算干扰噪声协方差矩阵的反对角线元素乘积Prod(anti-NI)；

根据对角线元素乘积和反对角线元素乘积计算干扰噪声度量因子IR： $\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})};$

根据干扰噪声度量因子计算干扰噪声功率比值I/N：

其中Z为干扰噪声协方差矩阵的阶数。

5.一种邻区干扰检测系统，用于正交频分复用(OFDM)或正交频分多址(OFDMA)系统的接收端，在一干扰抑制区域内对其中承载的一个数据流进行干扰噪声检测，该干扰抑制区域为接收数据承载区域中的一时频二维资源块，包括：

第一装置，用于对该数据流对应的每一数据子载波，计算得到该数据子载波位置的干扰噪声协方差矩阵；

第二装置，用于对该数据子载波位置的干扰噪声协方差矩阵进行数值分析，得到干扰噪声功率比值。

6.如权利要求5所述的系统，其特征在于，

所述第二装置，是用于采用特征值分解法或采用对角线元素法对所述数据子载波位置的干扰噪声协方差矩阵进行的数值分析的。

7.如权利要求5或6所述的系统，其特征在于，

所述第二装置采用特征值分解法进行数值分析时，所述第二装置包括：

第一单元，用于对所述干扰噪声协方差矩阵进行特征值分解或者奇异值分解，获得干扰噪声协方差矩阵的S个特征值；

第二单元，用于从S个特征值中选取最小的非零特征值：λ_min＝λ_j；

第三单元，用于采用如下公式计算干扰噪声功率比值I/N：

$\frac{I}{N}={\mathrm{\Σ}}_{i=\mathrm{1,2},...,S,i\≠j}\frac{({\mathrm{\λ}}_i-{\mathrm{\λ}}_{\min })}{{\mathrm{\λ}}_{\min }}.$

8.如权利要求5或6所述的系统，其特征在于，

所述第二装置采用对角线元素法进行数值分析时，所述第二装置包括：

A单元，用于计算干扰噪声协方差矩阵的对角线元素乘积Prod(NI)；

B单元，用于计算干扰噪声协方差矩阵的反对角线元素乘积Prod(anti-NI)；

C单元，用于根据对角线元素乘积和反对角线元素乘积计算干扰噪声度量因子IR： $\mathrm{IR}=\frac{\mathrm{Prod}\left(\mathrm{NI}\right)}{\mathrm{Prod}\left(\mathrm{NI}\right)-\mathrm{Prod}(\mathrm{anti}-\mathrm{NI})};$

D单元，用于根据干扰噪声度量因子计算干扰噪声功率比值I/N：

其中Z为干扰噪声协方差矩阵的阶数。

Images