CN103139787B - 一种路测数据的干扰抑制方法及相关装置 - Google Patents

Abstract

本发明公开了一种路测数据的干扰抑制方法及相关装置，用以消除干扰，提升传播模型参数估计的可靠性。路测数据的干扰抑制方法，包括：对采集到的接收功率采样序列进行差分处理得到接收功率差分序列，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；利用低通滤波器对接收功率差分序列进行滤波，通过调整所述低通滤波器的带宽，使得滤波后的干扰序列的自相关函数满足预设条件。

Description

一种路测数据的干扰抑制方法及相关装置

技术领域

本发明涉及无线通信领域，尤其涉及一种路测数据的干扰抑制方法及相关装置。

背景技术

无线网络规划对于运营商的网络建设具有指导性的意义。好的无线网络规划能成功地在网络覆盖、容量、质量及建网成本间取得良好的平衡，辅助运营商在网络建设和升级扩容的各阶段采取最佳的实施方案，实现其建网效益的最大化。传播模型校正是无线网络规划的一个关键步骤，是确定基站覆盖半径和站间距的基础。

首先介绍传播模型的基本原理。传播模型表征的是在某种特定环境或传播路径下无线电波的传播损耗情况，其主要研究对象是传播路径上障碍物阴影效应带来的慢衰落影响。在无线网络规划过程中，传播模型能够帮助设计人员了解预设站址在实际环境下的传播效果。设计人员可以通过将传播模型运用在无线网络规划仿真软件中，预测出所规划无线网络的各项性能指标。该预测方法结合了数字地图中的地形、地物信息，预测结果从某种意义上反映了未来的无线网络状况，对无线网络规划有很强的指导意义。

在传播模型研究方面主要有如下两种途径：直接应用电磁理论计算的确定性模型和基于大量路测数据的经验模型(又称为统计模型)。确定性模型适合室内或微蜂窝小区的预测，但由于其应用比较复杂，计算量很大。经验模型适用于宏蜂窝小区的预测，是一种比较成熟的技术，得到了包括ITU(国际电信联盟)、ETSI(欧洲电信标准化组织)以及许多著名通信厂商的认可与采用。

基于上述两种途径，形成两类传播模型：

(1)经验模型

经验模型是根据大量路测数据统计分析后推导出的公式，不需要相关环境的详细信息，但对于每一个具体的环境，也不能提供比较准确的路径损耗估计值。常用的经验模型例如Okumura-Hata模型、Lee模型、SPM模型等。

(2)确定性模型

确定性模型是对具体的现场环境直接应用电磁理论计算的方法，在市区、山区和室内环境下，确定性的无线传播预测是一种极其复杂的电磁问题。常用的方法有射线跟踪、几何绕射理论等方法。

传播模型校正是在经验模型的基础上，基于路测数据对经验模型的参数进行修正，使得经验模型更加适合预测区域。传播模型校正的基本流程，如图1所示，包括测试位置选择、路测数据采样、利用曲线拟合的方式进行传播模型的参数估计等步骤。下面，以SPM模型为例介绍传播模型校正方法。

SPM模型是一种常用的经验模型，其表达公式请参见公式[1]：

L_model＝K₁+K₂*log(d)+K₃*log(H_Texff)+K₄*DiffractionLoss+K₅*log(d)*log(H_Texff)+K₆*H_Rxeff+clutter*f(clutter)    [1]

通常需要校正的参数包括K₁、K₂、clutter，SPM模型中各参数的含义如下：

K₁表示固定损耗；

K₂表示与传播距离线性相关的损耗；

K₃表示由于发射机高度引起的传播损耗；

K₄表示绕射损耗；

K₅通常为负值，考虑发射高度与距离引起的增益，当接收机较远且发射机较高时，可以考虑损耗减少；

K₆表示接收机高度带来的增益；

clutter表示地物衰耗因子，结合函数f(clutter)得到不同地物的损耗；

H_Texff表示发射天线的等效高度，单位一般为米；

H_Rxeff表示移动台的等效天线高度，单位一般为米。

通常曲线拟合的常用方法为最小二乘法，或者类似的迭代运算，包括如下步骤：

步骤1、获取每个测试位置的路径损耗，路径损耗的计算方法如公式[2]所示：

L_i＝EIRP_i-RSCP_i                                [2]

其中，L_i表示测试位置i的路径损耗，单位为dB；

EIRP_i表示测试位置i的辐射功率；

RSCP_i表示测试位置i的接收功率。

步骤2、利用获取到的每个测试位置的路径损耗、以及距离、等效高度等变量，利用曲线拟合的方式进行SPM模型的参数估计，通常只需要对K₁、K₂、clutter等参数进行估计。估计方程采用矩阵方式表达，如公式[3]、[4]所示：

L＝K*X                                        [3]

$K=\frac{L*X^{\′}}{X*X^1}---\left[4\right]$

其中，K是SPM模型中的待估计参数向量[K₁，K₂，......clutter]；

L表示各测试位置的路径损耗向量[L₁，L₂，......L_n]；

X是SPM模型中的多维向量[X₁，...X_i，...X_m]，对应项为：常数项、log(d)、log(H_Texff)、...以及f(clutter)，X是m*n维矩阵，可以根据测试位置的经纬度、发射机高度、发射机经纬度以及数字地图直接读取，所以X是方程[4]的已知变量，方程[4]实际上是最小二乘法的参数估计矩阵方程。待估计参数向量K中的K₁、K₂、clutter需要通过方程[4]计算获取，而其余参数通常采用默认值，也可以重新估计。经过方程[4]的估计之后，可以得到一个完整的SPM模型的公式，用于无线网络规划等。

本发明人在发明过程中发现，上述传播模型校正方法有一个重要缺陷，利用公式L_i＝EIRP_i-RSCP_i计算每个测试位置的路径损耗时，没有考虑到RSCP_i实际上包含了白噪声和外界干扰，这将导致方程[4]的参数估计不准确。实际的接收功率可表示为公式[5]所示：

${\mathrm{RSCP}}_i=\stackrel{\‾}{{\mathrm{RSCP}}_i}+{\mathrm{\ϵ}}_i---\left[5\right]$

其中，表示测试位置i的理想接收功率；

ε_i表示测试位置i的干扰，ε_i是m维向量。

则每个测试位置的路径损耗，如公式[6]所示：

$L_i={\hat{L}}_i-{\mathrm{\ϵ}}_i---\left[6\right]$

其中，表示测试位置i的理想路径损耗，而ε_i为测试位置i的干扰，其统计特点为不相关。则估计方程[3]的表现形式如公式[7]所示：

$\hat{L}=K*X+\mathrm{\ϵ}---\left[7\right]$

根据最小二乘法的理论可知，干扰分量越大，则参数估计越不准确。

参数K_i的估计方差，如公式[8]所示：

var(K_i)＝σ/∑x_i            [8]

其中， $\mathrm{\σ}=\sqrt{\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_i^2\right)/(n-2)},$ 即干扰项的标准差；

x_i表示X第i维的均值偏离情况， $x_i=X_i-\stackrel{\‾}{X_i},$ ${\stackrel{\‾}{X}}_i=\mathrm{\Σ}{X}_i/n.$

可见，随着干扰项的方差增大，会导致K_i的估计方差增大，参数估计并不可靠，而降低干扰会显著提升传播模型参数估计的可靠性。

发明内容

本发明实施例提供一种路测数据的干扰抑制方法及装置，用以消除干扰，提升传播模型参数估计的可靠性。

相应的，本发明实施例还提供一种传播模型校正装置。

本发明实施例提供的路测数据的干扰抑制方法，包括：

对采集到的接收功率采样序列进行差分处理得到接收功率差分序列，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

利用低通滤波器对接收功率差分序列进行滤波，通过调整所述低通滤波器的带宽，使得滤波后的干扰序列的自相关函数满足预设条件。

本发明实施例提供的路测数据的干扰抑制装置，包括差分模块、低通滤波器、获取模块、控制模块和调整模块，其中：

所述差分模块，用于对采集到的接收功率采样序列进行差分处理，得到接收功率差分序列输出给低通滤波器，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

所述低通滤波器，用于对接收功率差分序列进行滤波；

所述获取模块，用于获取所述低通滤波器滤波后的干扰序列；

所述控制模块，用于判断滤波后的干扰序列的自相关函数是否满足预设条件，如果否，触发所述调整模块，如果是，输出滤波后的接收功率差分序列；

所述调整模块，用于调整所述低通滤波器的带宽，并触发所述低通滤波器。

本发明实施例提供的传播模型校正装置，包括上述的路测数据的干扰抑制装置，还包括采集模块和校正模块，其中：

所述采集模块，用于采集路测数据，所述路测数据包括接收功率采样序列和辐射功率采样序列，并将采集到的接收功率采样序列输出给所述干扰抑制装置；

所述校正模块，用于根据采集到的辐射功率采样序列、以及所述干扰抑制装置输出的滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计。

本发明实施例提供的路测数据的干扰抑制方法及相关装置，通过对采集到的接收功率采样序列进行差分处理，可以将接收功率采样序列从非平稳随机过程转化为平稳随机过程，通过选择合理带宽的低通滤波器对接收功率差分序列进行滤波，可以使得滤波后的干扰序列的自相关函数满足预设条件，从而有效抑制干扰。通过对路测数据进行干扰抑制，可以获得更加精准的传播模型，从而提高无线网络规划的精度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为现有技术中传播模型校正的基本流程图；

图2为本发明实施例中某地区的接收功率采样序列的时域图；

图3为本发明实施例中某地区的接收功率采样序列的频域图；

图4为本发明实施例中路测数据的干扰抑制方法流程图；

图5为本发明实施例中传播模型校正的流程图；

图6为本发明实施例中路测数据的干扰抑制装置框图；

图7为本发明实施例中传播模型校正装置框图。

具体实施方式

本发明实施例旨在提供一种路测数据的干扰抑制方法及相关装置，在进行传播模型的参数估计之前，对路测数据进行干扰抑制，从而消除干扰，提升传播模型参数估计的可靠性。

以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在介绍本发明实施例提供的路测数据的干扰抑制方法及相关装置之前，需要进行如下说明：

通过测试位置选择和路测数据采样，最终采集到的路测数据包括接收功率采样序列和辐射功率采样序列，本发明实施例中是要对接收功率采样序列中的干扰分量进行抑制。接收功率采样序列是按照测试路径，在不同采样时刻采集到的特定测试位置上的接收功率序列，由于测试路径的随机性，在不同采样时刻可能会采集同一测试位置上的接收功率。可以理解的是，接收功率采样序列可以看作时间序列(以时间为自变量的序列)，也可以看作位置序列(以位置为自变量的序列)。本发明实施例中，将接收功率采样序列看作一时间序列。

传统的干扰抑制方法采用低通滤波器能够有效地滤除白噪声和外界干扰，要求原始序列是平稳随机过程，而采样序列通常为非平稳随机过程，因此采用低通滤波器滤除白噪声和外界干扰的方法对路测数据的干扰抑制并不适用。某地区的接收功率采样序列的时域图请参见图2，该接收功率采样序列的频域图请参见图3。通过接收功率采样序列的时域图可以看出，接收功率采样序列有明显的趋势特征，而接收功率采样序列的频域图表现为低频分量非常巨大，从上述两点可以看出接收功率采样序列为非平稳随机过程，不能采样传统的低通滤波器直接对原始序列进行滤波的方法。

本发明实施例提供的路测数据的干扰抑制方法，如图4所示，包括如下步骤：

S401、对采集到的接收功率采样序列进行差分处理得到接收功率差分序列，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

对采集到的接收功率采样序列进行差分处理的目的是要将接收功率采样序列从非平稳随机过程转化为平稳随机过程；具体实施中，可以利用半鞅随机过程原理对原始序列即接收功率采样序列重新建立序列模型，从而将非平稳随机过程转化为平稳随机过程。

采样时刻t和采样时刻t-1时刻的序列模型，请参见公式[9]，为简化公式，令y_t＝RSCP_t，则：

y_t＝y_t-1+a₁*(y_t-1-y_t-2)+ε_t＝y_t-1+a₁*Δy_t-1+ε_t        [9]

公式[9]表示当前采样时刻t的接收功率y_t为前一采样时刻t-1的接收功率y_t-1、线性叠加接收功率增量a₁*Δy_t-1、以及干扰ε_t之和。Δy_t-1表示采样时刻t-1相比采样时刻t-2的接收功率增量，a₁为常数，|a₁|＜1。

经过差分推导可得如下公式[10]：

Δy_t＝a₁*Δy_t-1+ε_t                            [10]

其中，y_t表示接收功率采样序列，Δy_t表示接收功率差分序列，a₁*Δy_t-1表示线性叠加接收功率增量序列，a₁为常数且|a₁|＜1，ε_t表示干扰序列。符合接收功率采样序列的形成过程，利用线性叠加增量能够体现接收功率采样序列的趋势特征。

其中，Δy_t是平稳随机过程。通过公式[10]可以得到Δy_t的自相关函数以a₁指数级缓慢衰落，即而ε_t的自相关函数迅速衰落。

差分处理后得到的接收功率差分序列包括两部分：线性叠加接收功率增量序列a₁*Δy_t-1和干扰序列ε_t。a₁*Δy_t-1为低频分量，因为其变化缓慢，且本身表达方式具有自相关特点，而ε_t为宽频分量，统计特点不相关。

S402、利用低通滤波器对接收功率差分序列进行滤波，通过调整所述低通滤波器的带宽，使得滤波后的干扰序列的自相关函数满足预设条件。

具体实施中，由于a₁*Δy_t-1为低频分量而ε_t为宽频分量，所以通过选择合理带宽为α的低通滤波器，可以近似获得a₁*Δy_t-1，同时抑制大部分ε_t中的高频分量，滤波后的实际输出序列，请参见公式[11]：

${\tilde{C}}_t=a_1*{\mathrm{\Δy}}_t---\left[11\right]$

获取滤波后的干扰序列ε_t，具体方法请参见公式[12]、[13]所示：

${\stackrel{\‾}{y}}_t=y_{t-1}+{\tilde{C}}_t---\left[12\right]$

${\mathrm{\ϵ}}_t=y_t-\stackrel{\‾}{y_t}---\left[13\right]$

为了判断低通滤波器的带宽α的选择是否合理，可以判断滤波后的干扰序列ε_t的自相关函数是否满足预设条件。序列的自相关函数能够表示同一序列在不同时刻的取值之间的相关程度。

具体实施中，一种较佳的判断滤波后的干扰序列ε_t的自相关函数是否满足预设条件的方法为：判断滤波后的干扰序列ε_t的一阶自相关函数取值在预设的阈值范围[η₁，η₂]内。相应的，当滤波后的干扰序列的一阶自相关函数取值低于阈值范围的最小值η₁时，降低低通滤波器的带宽；当滤波后的干扰序列的一阶自相关函数取值高于阈值范围的最大值η₂时，增加低通滤波器的带宽。具体实施中，调整低通滤波器的带宽时，可以按照经验预先设定一个调整步长，每次按照调整步长增加或降低低通滤波器的带宽。

通过计算ε_t的自相关函数，并提取一阶自相关函数取值进行判断，根据经验建议阈值范围[η₁，η₂]为0.2～0.3。ε_t的自相关函数，如公式[14]所示：

$R\left(k\right)=\frac{E(({\mathrm{\ϵ}}_t-u_t)*({\mathrm{\ϵ}}_{t+k}-u_{t+k}))}{{\mathrm{\σ}}^2}---\left[14\right]$

其中，ε_t表示采样时刻t的干扰值；u_t表示ε_t的均值，通常为0；σ²表示ε_t的方差；R(k)表示ε_t的自相关函数，当k取1时，表示ε_t的一阶自相关函数。

如果判断出滤波后的干扰序列ε_t的自相关函数满足预设条件，则干扰抑制流程结束，得到滤波后的接收功率差分序列Δy_t，后续可以根据采集到的辐射功率采样序列、以及滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计。具体的，可以根据滤波后的接收功率差分序列得到滤波后的接收功率采样序列，利用采集到的辐射功率采样序列和滤波后的接收功率采样序列可以确定出路径损耗采样序列。利用每个采样时刻(与具体的测试位置相对应)的路径损耗，利用曲线拟合的方式进行传播模型的参数估计的方法与现有技术中的传播模型的参数估计方法基本一致，具体不再赘述。

如果判断出滤波后的干扰序列ε_t的自相关函数不满足预设条件，则根据实际需要调整低通滤波器的带宽α，并基于调整后的低通滤波器的带宽α重新对接收功率差分序列进行滤波，直至滤波后的干扰序列ε_t的自相关函数满足预设条件。

基于上述路测数据的干扰抑制方法，本发明实施例给出具体的传播模型校正流程，如图5所示，包括如下步骤：

S501、进行路测数据的采集，采集到的路测数据包括接收功率采样序列和辐射功率采样序列；

S502、对采集到的接收功率采样序列进行差分处理得到接收功率差分序列，其中，接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

S503、利用低通滤波器对接收功率差分序列进行滤波；

S504、获取滤波后的干扰序列；

S505、判断滤波后的干扰序列的自相关函数是否满足预设条件，如果否，则执行S506，如果是，则执行S507；

S506、调整低通滤波器的带宽，并返回执行S503；

S507、根据采集到的辐射功率采样序列、以及滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计，流程结束。

基于同一技术构思，本发明实施例还提供了一种路测数据的干扰抑制装置，由于该干扰抑制装置解决问题的原理与路测数据的干扰抑制方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

如图6所示，本发明实施例提供的路测数据的干扰抑制装置，包括差分模块601、低通滤波器602、获取模块603、控制模块604和调整模块605，其中：

差分模块601，用于对采集到的接收功率采样序列进行差分处理，得到接收功率差分序列输出给低通滤波器，接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

低通滤波器602，用于对接收功率差分序列进行滤波；

获取模块603，用于获取低通滤波器602滤波后的干扰序列；

控制模块604，用于判断滤波后的干扰序列的自相关函数是否满足预设条件，如果否，触发调整模块605，如果是，输出滤波后的接收功率差分序列；

调整模块605，用于调整低通滤波器的带宽，并触发低通滤波器602。

具体实施中，控制模块604，具体用于判断滤波后的干扰序列的一阶自相关函数取值是否不超过设定阈值，如果否，触发调整模块605，如果是，输出滤波后的接收功率差分序列。

具体实施中，差分模块601，具体用于通过公式Δy_t＝a₁*Δy_t-1+ε_t实现对采集到的接收功率采样序列进行差分处理，其中，y_t表示接收功率采样序列，Δy_t表示接收功率差分序列，a₁*Δy_t-1表示线性叠加接收功率增量序列，a₁为常数且|a₁|＜1，ε_t表示干扰序列。

具体实施中，路测数据的干扰抑制装置一般是传播模型校正装置的主要组成部分，相应的，本发明实施例提供一种传播模型校正装置，如图7所示，包括本发明实施例提供的路测数据的干扰抑制装置701，当然还包括采集模块702和校正模块703，其中：

采集模块702，用于采集路测数据，路测数据包括接收功率采样序列和辐射功率采样序列，并将采集到的接收功率采样序列输出给干扰抑制装置701；

校正模块703，用于根据采集到的辐射功率采样序列、以及干扰抑制装置701输出的滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计。

本发明实施例提供的路测数据的干扰抑制方法及相关装置，通过对采集到的接收功率采样序列进行差分处理，可以将接收功率采样序列从非平稳随机过程转化为平稳随机过程，通过选择合理带宽的低通滤波器对接收功率差分序列进行滤波，可以使得滤波后的干扰序列的自相关函数满足预设条件，从而有效抑制干扰。通过对路测数据进行干扰抑制，可以获得更加精准的传播模型，从而提高无线网络规划的精度。

本发明实施例提供的路测数据的干扰抑制方法，也适用于各种非平稳序列的干扰抑制。

本领域的技术人员应该明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例、以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种路测数据的干扰抑制方法，其特征在于，包括：

对采集到的接收功率采样序列进行差分处理得到接收功率差分序列，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

利用低通滤波器对接收功率差分序列进行滤波，通过调整所述低通滤波器的带宽，使得滤波后的干扰序列的自相关函数满足预设条件,所述预设条件是指：所述滤波后的干扰序列的一阶自相关函数取值在预设的阈值范围内。

2.如权利要求1所述的方法，其特征在于，所述利用低通滤波器对接收功率差分序列进行滤波，通过调整所述低通滤波器的带宽，使得滤波后的干扰序列的自相关函数满足预设条件，具体包括：

利用低通滤波器对接收功率差分序列进行滤波；

获取滤波后的干扰序列，并判断所述滤波后的干扰序列的自相关函数是否满足预设条件，如果否，则调整所述低通滤波器的带宽，并返回执行上一步，如果是，则干扰抑制流程结束，得到滤波后的接收功率差分序列。

3.如权利要求1或2所述的方法，其特征在于，

所述对采集到的接收功率采样序列进行差分处理得到接收功率差分序列具体通过公式Δy_t＝a₁*Δy_t-1+ε_t实现，其中，y_t表示接收功率采样序列，Δy_t表示接收功率差分序列，a₁*Δy_t-1表示线性叠加接收功率增量序列，a₁为常数且|a₁|<1，ε_t表示干扰序列。

4.如权利要求1所述的方法，其特征在于，所述调整所述低通滤波器的带宽，具体包括：

当所述滤波后的干扰序列的一阶自相关函数取值低于所述阈值范围的最小值时，降低所述低通滤波器的带宽；

当所述滤波后的干扰序列的一阶自相关函数取值高于所述阈值范围的最大值时，增加所述低通滤波器的带宽。

5.如权利要求1或2所述的方法，其特征在于，还包括：

根据采集到的辐射功率采样序列、以及滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计。

6.一种路测数据的干扰抑制装置，其特征在于，包括差分模块、低通滤波器、获取模块、控制模块和调整模块，其中：

所述差分模块，用于对采集到的接收功率采样序列进行差分处理，得到接收功率差分序列输出给低通滤波器，所述接收功率差分序列包括线性叠加接收功率增量序列和干扰序列；

所述低通滤波器，用于对接收功率差分序列进行滤波；

所述获取模块，用于获取所述低通滤波器滤波后的干扰序列；

所述控制模块，用于判断滤波后的干扰序列的自相关函数是否满足预设条件，如果否，触发所述调整模块，如果是，输出滤波后的接收功率差分序列；

所述调整模块，用于调整所述低通滤波器的带宽，并触发所述低通滤波器；

所述控制模块，具体用于判断所述滤波后的干扰序列的一阶自相关函数取值是否不超过设定阈值，如果否，触发所述调整模块，如果是，输出滤波后的接收功率差分序列。

7.如权利要求6所述的装置，其特征在于，

所述差分模块，具体用于通过公式Δy_t＝a₁*Δy_t-1+ε_t实现对采集到的接收功率采样序列进行差分处理，其中，y_t表示接收功率采样序列，Δy_t表示接收功率差分序列，a₁*Δy_t-1表示线性叠加接收功率增量序列，a₁为常数且|a₁|<1，ε_t表示干扰序列。

8.一种传播模型校正装置，其特征在于，包括权利要求6至7任一所述的路测数据的干扰抑制装置，还包括采集模块和校正模块，其中：

所述采集模块，用于采集路测数据，所述路测数据包括接收功率采样序列和辐射功率采样序列，并将采集到的接收功率采样序列输出给所述干扰抑制装置；

所述校正模块，用于根据采集到的辐射功率采样序列、以及所述干扰抑制装置输出的滤波后的接收功率差分序列，利用曲线拟合的方式进行传播模型的参数估计。