CN103222304B - 利用GRake均衡无线电接收的宽带码分多址通信系统中的负载调度的方法和装置 - Google Patents

Abstract

一种用于利用GRake均衡无线电接收的WCDMA通信系统中的负载调度的方法包括：对针对多个用户的信道估计进行估计(210)。确立(220)针对当前接收到的上行链路数字无线电信号的GRake均衡接收的组合权重。在考虑到GRake均衡针对多个用户中的每个用户所提供的干扰抑制的灵敏度的情况下，至少基于信道估计和组合权重，对预测将来负载测量函数的函数参数进行预测(230)，该预测将来负载测量函数是多个用户的单独授权的函数。该预测还包括：针对多个用户的单独授权所导致的改变的负载均衡等级，调整函数参数。基于将来负载测量函数选择(240)针对用户的授权集合。根据所选的授权集合，对上行链路负载进行调度(250)。

Description

利用GRake均衡无线电接收的宽带码分多址通信系统中的负载调度的方法和装置

技术领域

本发明通常涉及用于宽带码分多址(WCDMA)系统中的负载调度的设备和方法，具体涉及利用GRake均衡无线电接收机的系统中的负载调度。

背景技术

WCDMA技术为高负载移动通信系统中的频谱利用提供了非常确实的技术。干扰消除(IC)和干扰抑制(IS)可以用于WCDMA系统，以实现例如峰值数据速率、覆盖、系统吞吐量和系统容量方面的更好性能。IC和IS可应用于下行链路(DL)和上行链路(UL)二者。然而，难以控制的大多数负载限制参数与UL信令连接。

IS背后的基本思想是将接收到的无线电信号组合，以抑制干扰并最大化信干噪比(SINR)。根据现有技术，存在许多方式来实现IS。非独占性示例是干扰抑制组合和一般化Rake+(GRake+)(也称为非参数GRake)，在干扰抑制组合中，组合来自多于一个天线的信号以抑制干扰，在一般化Rake+中，通过在时间和空间域中白化干扰来抑制干扰。

尽管存在多种已知方式以实现链路级的IS，然而关于如何利用链路级增益以提高WCDMA网络中的容量或小区吞吐量的知识是有限的。

首先需要强调的是，当应用诸如GRake+之类的高级接收机时，不具有干扰抑制的传统负载测量不再有效。传统负载测量基于以下事实：从负载角度，每个用户以完全相同的方式影响所有其他用户，因为传统接收机不以任何显式方式处理接收机中的来自其他用户的干扰。然而，利用诸如GRake+之类的高级接收机，用户对于其他用户的影响针对所有用户来说是不同的，该影响是IC或IS效率的函数。

此外，小区负载用于例如增强UL(EUL)用户(新和旧)的调度。当这样做时，针对GRake+所描述的小区负载测量提供了比预先确定的阈值更大的总调度净空。然而，现有技术的方案存在的问题在于，现有技术中不存在允许调度器在调度过程中解决不同现存用户对GRake+处理之后的上行链路热噪声增加量(ROT)的具体影响和贡献的技术。

发明内容

本发明的大体目的是提供在上行链路业务的调度期间更好地利用GRake均衡无线电接收所获得的增大的容量的机会。

上述目的通过根据所附独立专利权利要求的方法和设备来实现。在从属权利要求中限定了优选实施例。通常，在第一方面，一种用于利用GRake均衡无线电接收的WCDMA通信系统中的负载调度的方法包括：对针对多个用户的当前接收到的上行链路数字无线电信号的信道估计进行估计。确立针对当前接收到的上行链路数字无线电信号的GRake均衡接收的组合权重。对预测将来负载测量函数的函数参数进行预测。该预测将来负载测量函数是多个用户的单独授权的函数。该预测至少基于所估计的信道估计和所确立的组合权重。该预测考虑GRake均衡针对多个用户中的每个用户所提供的干扰抑制的灵敏度。该预测还包括：针对多个用户的单独授权所导致的改变的负载均衡等级，调整预测函数参数。在给定预测函数参数所定义的预测将来负载测量函数的用户将来负载的所需集合的情况下，选择针对用户的授权集合。根据所选的授权集合，对上行链路负载进行调度。

在第二方面，一种用于利用GRake均衡无线电接收的WCDMA通信系统中的调度器装置包括：信道估计器、均衡器、预测器和调度器。信道估计器被配置为：对针对多个用户的当前接收到的上行链路数字无线电信号的信道估计进行估计。均衡器被配置为：确立针对当前接收到的上行链路数字无线电信号的GRake均衡接收机的组合权重。预测器与信道估计器和均衡器连接。预测器被配置为：对预测将来负载测量函数的函数参数进行预测。该预测将来负载测量函数是多个用户的单独授权的函数。在考虑到GRake均衡接收机针对多个用户中的每个用户所提供的干扰抑制的灵敏度的情况下，该预测至少基于所估计的信道估计和所确立的组合权重。该预测还被配置为：针对多个用户的单独授权所导致的改变的负载均衡等级，调整预测函数参数。调度器被配置为：在给定预测函数参数所定义的预测将来负载测量函数的用户将来负载的所需集合的情况下，选择针对用户的授权集合。调度器还被配置为：根据所选的授权集合，对上行链路负载进行调度。

在第三方面，利用GRake均衡无线电接收机的WCDMA通信系统中的节点B包括：根据第二方面的调度器装置。

本发明公开了通过调度从系统级上IS增益中受益以增大容量的一种方式。本发明的一个优点在于，EUL调度器将在调度判决中考虑GRake+处理之后的负载。将结合以下进一步描述的不同实施例讨论其他优点。

附图说明

可以通过结合附图，参考以下描述来更好地理解本发明及其其他目的和优点，在附图中：

图1是WCDMA通信系统示例的示意图；

图2是调度器装置的实施例的示意图；

图3A和3B是示意了将信道估计和组合权重外插到将来时间的图示；

图4是用于负载调度的方法的实施例的步骤的流程图；以及

图5是调度器装置的实施例的框图。

具体实施方式

在所有附图，相同的参考数字用于类似或相应的元素。

在等式中，通常通过粗体符号表示矢量和矩阵。

在以下描述中，术语GRake+和非参数GRake用作同义词，即为等同且可互换的术语。

本发明涉及WCDMA通信系统中的装置和方法。图1示意了这样的WCDMA通信系统1的实施例的示意图。节点B30经由其一个或多个天线20与位于WCDMA通信系统1的小区2内的多个用户设备(UE)10进行通信。将从节点B30发送到UE10的无线电信号表示为DL信号14，将从UE10发送到节点B30的无线电信号表示为UL信号11。本发明主要考虑UL信号，从而典型在节点B30中提供用于负载调度的装置或节点B30与用于负载调度的装置连接。除了意向UL信号11之外，节点B30还从当前并非由节点B处理的UE接收干扰信号13。

在现有技术中，用于确定更可靠的负载测量的不同方法可用。这些更可靠的负载测量通常更会有可能调度附加负载。在附录A的数学项中总结了这些方法的一些不同方面。

将在附录B中总结测量在IS处理(例如通过GRake+接收机)之后看到的WCDMA上行链路负载的解决方案。该工作证明，单独地针对每个用户，负载可以近似表示为热噪声功率底的噪声增加量(所谓的短期热噪声增加量或RoT)。然后，可以将每个用户所看到的RoT组合为上行链路小区负载的测量。实质上，GRake+处理之后体验到最差干扰的用户成为上行链路小区负载的尺寸标注(dimensioning)。注意，附录B中公开的技术因而对每个用户所看到的RoT进行评估，即，解决了小区的其他用户所导致的干扰的影响。

小区负载典型用于允许新用户进入并调度上行链路EUL用户(新和旧)。当进行调度时，以上负载测量提供了比预先确定的阈值大的总调度净空。然而，现有技术中不存在允许调度器在调度过程中考虑不同的现存用户对GRake+处理之后的上行链路RoT的具体影响和贡献的技术。

在附录B中，已经说明了可以如何根据每个用户所经历的GRake+和干扰的码片均衡器白化之后的RoT来计算上行链路小区负载。注意，用户所导致的针对其他用户的干扰对于不同用户体验到的RoT会具有极其不同的影响。然而，附录B中描述的技术教导了可以如何将小区的用户所体验到的RoT组合为单个小区负载(优选使用体验到最差RoT条件的用户)。

以下，将示出可以根据用户特定负载测量来构造小区负载测量，以及可以对特定用户采取特定行为，以提高总小区容量。本发明使用该知识，并在调度过程中采用了使用小区负载和用户特定负载测量的附加步骤和容量增加行为，以更好地利用不同类型的GRake干扰抑制增益来增大小区容量。

在附录C中，示出如何使用功率控制环将RoT与所有用户的授权联系起来。这些计算开始于可以根据附录B计算的当前负载。假设将干扰视为由白噪过程产生的，通过组合权重矢量，可以使GRake+处理之后用户的干扰与GRake+之前的用户干扰相关。假设在GRake+处理之后内环功率控制环是闭合的，并且控制目标是将信噪比保持在目标值，则可以推断内环的效果。在第一近似中，可以认为SINR的目标值是恒定的，因为它比授权和内环功率控制量改变得更加缓慢。可以发现新的均衡状态为特定授权。可以将RoT(参见C32)表示为授权的非线性函数，其中函数因子包括例如GRake+处理的SINR目标和组合权重。在更加具体的实施例中，将这些量(从先前值到当前值)外插到要实现新授权的将来时间。

调度

现在可以使用(C32)来计算在将来的调度判决之后的传输所产生的负载。典型地，在(C32)所产生的约束的矢量被指定为低于阈值的条件下，通过优化授权的函数来确定调度策略。这里，可以有许多备选项，例如现有技术中公知的比例公平和最大信道质量指示符(CQI)策略。

为了解释这如何起作用，可以假设基线调度器例如以与数据速率相关的公平方式调度用户。然后，所产生的用户特定负载会发生极大变化。作为启发示例，对于小区中的三个用户来说各自例如1Mbps的调度数据速率会导致小区中的一个用户所看到的1dB的用户特定负载，但是另一用户会体验到3dB负载，而第三个用户会体验到6dB的负载，其中以GRake+处理之后的RoT表示该负载。体验到最高负载(本例中6dB)的用户将会限制小区容量，小区容量在本例中假设被设置为6dB。

在实施例中，作为替代，在实际传输之前，在调度器中计算GRake+之后的负载，并将其用作调度判决中的基础。该计算所需的从等式(C32)中显而易见。要点在于，给定该等式，可以找到与(C32)相关的、由一阈值所强加的约束相符合的最佳授权集合。

在一个实施例中，调度标准可以是相等的负载。继续该示例，调度器可以例如通过使用(C32)来确定：如果三个用户分别被授权0.5Mbps、1Mbps和3Mbps，则所有用户都将会体验到GRake+之后的RoT意义上的6dB的负载。这意味着，满足相同的调度阈值，但是总调度数据速率从3Mbps增大到4.5Mbps。这通过搜索给出最高吞吐量而导致(C32)的分量相等的授权集合而实现。

在其他实施例中，可以应用其他引导调度原理，例如以相等的数据速率为目标，这与基线方案或注水类似，其中给予导致其他用户所看到的最高负载的用户低的授权，并给予没有导致过多负载的用户高的授权。也可以使用其他原理。

附录D中给出两个可能调度方案的更精确方式。

一旦执行了调度，根据公知的现有技术例程做出授权的分配。

图2示意了调度器装置40的实施例。典型在节点B中提供这种调度器装置40，如图1所示。节点B和调度器装置40被配置为操作于利用GRake均衡无线电接收机的宽带码分多址通信系统中。调度器装置40包括信道估计器50。信道估计器50被配置为对多个用户的当前接收到的上行链路数字无线电信号的信道估计h进行估计。在对调度器装置40的输入41处接收上行链路数字无线电信号。调度器装置40还包括均衡器60，在该实施例中为GRake均衡器。均衡器60被配置为确立针对当前接收到的上行链路数字无线电信号的GRake均衡接收机的组合权重，因而也与输入41连接。均衡器60可以依据实际采用的方式，利用当前接收到的上行链路数字无线电信号的信道估计。这种信息通过信道估计器50可用，并可以从信道估计器50中提供，如虚线箭头46所指示。在输出42上提供均衡信号，以用于系统的其他部分，例如用于对信号中包含的信息进行解码。

可以根据任何现有技术来配置信道估计器50和均衡器60。这些单元如何操作的细节对于提供本发明的益处不是十分重要，只要它们分别提供可靠的信道估计和均衡即可。

调度器装置40还包括预测器70。预测器70与信道估计器连接，以接收信道估计h41。预测器70还与均衡器60连接，以接收针对GRake均衡接收机的组合权重w45。预测器70被配置为对预测将来负载测量函数的函数参数进行预测。预测将来负载测量函数是多个用户的单独授权的函数。如以上所描述，该函数参数的预测至少基于所估计的信道估计和所确立的组合权重。还如以上所描述，预测器70还被配置为：在考虑到GRake均衡接收机针对多个用户的每个用户所提供的干扰抑制的灵敏度的情况下，执行对函数参数的预测。换言之，预测器将GRake均衡效果合并到将来负载情况的预测，从而能够利用负载调度目的的GRake均衡的益处。此外，预测器70被配置为：针对多个用户的单独授权所导致的改变的负载均衡等级，调整预测函数参数。因而该结果是将来负载测量函数RoT^G+47。

将典型采取一组函数参数的形式的预测将来负载测量函数RoT^G+47提供给调度器80，即，调度器80与预测器70连接。调度器80被配置为：在给定预测函数参数所定义的针对将来负载测量函数47的用户将来负载的所需集合的情况下，选择针对用户的授权集合。换言之，调度器80使用预测将来负载测量函数47来发现仍然满足了关于用户将来负载的一些基本需求的有利授权集合。这可以用许多不同方式执行。最简单的方式是创建多个单独授权集合，检查哪些集合将会导致可接受负载情况，并选择这些可接受集合中的在关于授权结构的某一方面“最佳”的集合。这样的选择过程还可以用迭代方式执行，其中将第一“最佳”授权集合用作用于创建要为发现甚至更好的授权集合而进行测试的下一集合组的开始。也可以通过利用不同种类的优化过程来发现特定约束下的函数的最佳并根据特定标准，来使用预测将来负载测量函数47本身。这在上面并在附录D中进行了详述。

因而，在优选实施例中，调度器80还被配置为对与单独授权相关的标准函数进行优化，并用于在给出该优化时选择单独授权作为针对用户的授权集合。然后，调度器优选被配置为在包括根据单独授权的预测将来负载测量函数的用户将来负载在内的约束关系下执行该优化。

调度器还被配置为根据所选的授权集合来调度上行链路负载。在输出43处提供对授权γ的调度。

以上过程基于用户的测量负载。调度器则需要针对相同的用户集合使用预测负载。因此，基本实施例的一个限制在于，无线电条件不应改变过快，也就是说，它们需要稳定几十毫秒。对该情况的补救将会使用时间上的信道估计的外插(例如，线性外插)以提供预见。图3A示意性地示意了这种思想。直至发现当前信道估计h_p的当前时间t_p，连续地提供信道估计。如果假设要在时间t_a应用将来授权集合，则可以根据先前行为外插信道估计，以在应用时间t_a获得外插的信道估计h_a。换言之，预测器还被配置为将信道估计外插到将来应用时间。应用时间是在假设应用当前上行链路负载调度时的时间。

如果h_p和h_a之差可能非常小，则这种外插可能不是必需的，并且可以使用当前信道估计h_p，来代替外插信道估计h_a。该条件和方案至少对于稳定的移动宽带用户(它们至少是可能使用高速率并产生最多干扰的用户)来说是合理的。

如图3B所示，这对于GRake均衡接收机的组合权重也有效。在应用要确定的授权集合时，可以利用组合权重的过去和当前值w_p来外插将来组合权重值w_a。换言之，预测器还被配置为将组合权重外插到将来应用时间。

图4是用于负载调度的方法的实施例的步骤的流程图。在步骤200，开始利用GRake均衡无线电接收的宽带码分多址通信系统中的负载调度过程。在步骤210，针对多个用户，对当前接收到的上行链路数字无线电信号的信道估计进行估计。在步骤220，确立针对当前接收到的上行链路数字无线电信号的GRake均衡接收的组合权重。在步骤230，对预测将来负载测量函数的函数参数进行预测。预测将来负载测量函数是多个用户的单独授权的函数。在考虑到GRake均衡针对多个用户中的每个用户所提供的干扰抑制的灵敏度的情况下，函数参数的预测至少基于所估计的信道估计和所确立的组合权重。该预测还包括：针对多个用户的单独授权所导致的改变的负载均衡等级，调整预测函数参数。优选地，如上所述定义将来负载测量函数。

在步骤240，在给定预测函数参数所定义的预测将来负载测量的用户将来负载的所需集合的情况下，选择针对用户的授权集合。选择授权集合的步骤优选包括：对取决于单独授权的标准函数进行优化，并且选择产生优化的单独授权作为针对用户的授权集合。此外优选地，在包括单独授权的预测将来负载测量函数的用户将来负载在内的约束关系下执行该优化。在步骤250中，根据所选的授权集合调度上行链路负载。该过程在步骤299中结束。

在优选实施例中，该方法还包括：将信道估计外插到将来应用时间，该应用时间是假设应用当前上行链路负载调度的时间。同样，在优选实施例中，该方法还包括将组合权重外插到将来应用时间。

作为实现示例，图5是示意调度装置40的示例实施例的框图。该实施例基于处理器93(例如微处理器)、存储器94、系统总线90、输入/输出(I/O)控制器92和I/O总线91。在该实施例中，接收到的上行链路数字无线电信号是通过I/O控制器92接收的，并存储在存储器94中。I/O控制器92还控制均衡上行链路数字无线电信号的发出和调度后的授权集合。处理器93执行用于针对接收上行链路数字无线电信号执行信道估计的软件组件95和用于对接收到的上行链路数字无线电信号进行均衡的软件组件96。处理器93执行用于对预测将来负载测量函数的函数参数进行预测的软件组件97、用于选择授权集合的软件组件98和用于调度上行链路负载的软件组件99。该软件存储在存储器94中。处理器93通过系统总线90与存储器94通信。软件组件95可以实现图2实施例中的框50的功能。软件组件96可以实现图2实施例中的框60的功能。软件组件97可以实现图2实施例中的框70的功能。软件组件98和软件组件99可以实现图2实施例中的框80的功能。

综上所述，通过利用本公开的思想，可以正确地利用干扰抑制技术，并且将可以增大小区容量和UL小区吞吐量。

以上描述的实施例应被理解为本发明的若干示意性示例。本领域技术人员将会理解，可以在不偏离本发明的范围的情况下对实施例做出各种修改、组合和改变。具体地，可以在技术上可实现的情况下，按照其他配置组合不同实施例中的不同的部分方案。然而，本发明的范围由所附权利要求限定。

附录A

无IC/IS的负载

例如在现有技术中所示，在没有IC/IS的情况下，天线连接器处的噪声通过噪声增加量或下式定义的热噪声增加量RoT(t)给出：

$RoT\left(t\right)=\frac{RTWP\left(t\right)}{N\left(t\right)},---\left(A1\right)$

其中N(t)是在天线连接器处测量的热噪声电平。在RTWP(t)中也具有同样含义。该相关测量不受到所应用的任何解扩的影响。这里所使用的定义只是也在天线连接器处测量的接收总宽带功率：

$RTWP\left(t\right)=\underset{k=1}{\overset{K}{\Σ}}{P}_k\left(t\right)+I^N\left(t\right)+N\left(t\right),---\left(A2\right)$

这里，I^N(t)表示从WCDMA系统的相邻小区^N接收的功率。如将在以下所见，任意RoT估计算法的主要困难在于将热噪声功率与来自相邻小区的干扰分离。

需要解决的另一特定问题在于，按照定义，信号参考点在天线连接器处。然而，在数字接收机中，在模拟信号训练链之后获得该测量。模拟信号训练链没有引入难以补偿的大约1dB(1-σ)的缩放因子误差。幸运地，缩放因子误差等同地影响(2)的所有功率，因而当计算(A1)时，如下计算缩放因子误差：

${\mathrm{RoT}}^{Digital\mathrm{Re}ceiver}\left(t\right)=\frac{{\mathrm{RTWP}}^{Digital\mathrm{Re}ceiver}\left(t\right)}{N^{Digital\mathrm{Re}ceiver}\left(t\right)}=\frac{\mathrm{\γ}\left(t\right){\mathrm{RTWP}}^{Antenna}\left(t\right)}{\mathrm{\γ}\left(t\right)N^{Antenna}\left(t\right)}={\mathrm{RoT}}^{Antenna}\left(t\right).---\left(A3\right)$

为了理解执行负载估计时相邻小区干扰的基本问题，注意：

其中E[]表示数学期望，以及Δ表示相对于均值的偏差。现在清楚地看到基本问题。由于节点B中没有可用的与相邻小区干扰相关的测量，因而线性滤波操作至多可以估计和该估计无法用于推导E[N(t)]的值。该情形与两个数字之和可用时的情形相同。那样无法算出各个数字的值。针对现有技术中证明无法数学观察到噪声功率底的RoT估计问题严格地分析该问题。

现有技术中的RoT估计算法

滑动窗算法

根据现有技术的一个RoT估计算法估计RoT，如(A1)所示。该估计算法所解决的主要问题是对热噪声底N(t)的准确估计。因为由于相邻小区干扰而无法获得对该量的精确估计，所以估计器通过考虑在相对长的时间窗上计算的软最小值，来应用近似。

重要的是，应理解该估计依赖于以下事实：在相当长的时段内噪声底是恒定的(忽略小温度漂移)。

递归算法

以上部分中的滑动窗算法具有需要大容量存储器的缺点。这在需要大量算法实例的情况(可以是在上行链路中引入IC/IS时的情况)下尤其麻烦。

为了降低存储器消耗，现有技术中已经公开了一种递归算法。该算法将以上讨论的滑动窗方案的存储器需求至少降低了因子100。

现有技术中的面向小区稳定性的负载估计算法

现有技术中的小区稳定性负载估计功能中的一些针对每个用户采用负载因子。在最简单的形式中，通过下式给出负载因子：

$L_u=\frac{P_u}{RTWP}=\frac{{(C/I)}_u}{1+{(C/I)}_u},u=1,...,U,---\left(A5\right)$

其中P_u是用户u的功率。针对每个功率控制的用户，将负载因子相加。这样，在所产生的负载测量中不包括相邻小区干扰。由于相邻小区干扰不应影响自身小区功率控制环(至少不在考虑第一阶影响时)，这是合理的。

附录B

利用再生和减法的IC

通过以下步骤总结执行IC的传统过程：

-对要消除的干扰的信道进行估计。无论如何这是必需的。

-对要消除的干扰的发送信号进行解码。无论如何这是必需的。

-通过使用所估计的信道和所解码的信号，创建要消除的干扰的接收信号的副本。例如该副本可以重构为IQ码片流。

-从要解码的用户接收信号中减去干扰信号的副本，从而有望将干扰的剩余功率减小到非常低的功率电平。

重要的是，观察到该过程的影响对于不同的用户是不同的，因为干扰是用户本身。负载估计的结果是，不再存在统一的方式来观察WCDMA上行链路的干扰-负载对于每个用户来说是独立的。因而将用户干扰结合到上行链路小区负载不再是微不足道的，而是需要以下公开的特定测量。

最后，注意利用再生和减法的IC比利用GRake+(以下描述)的IC更加直接，因为针对热噪声功率底的缩放因子不会改变。结果，针对每个用户，RoT估计算法仍可应用于该情况，因为对恒定噪声功率电平进行估计。

利用GRake+和码片均衡器的IS

GRake+与传统Rake的区别在于，每个用户在权重组合步骤之后立即看到降低的干扰电平。在GRake+中，首先估计其阶数等于指的个数的协方差矩阵u＝1，...，U，以捕获干扰。可以使用当前用户u没有使用的扩频码，以估计

GRake+接收机使用估计的协方差矩阵，该估计的协方差矩阵对用于计算用户u，u＝1，...，U的组合权重的干扰进行建模。

${\hat{R}}_u{\hat{w}}_u={\hat{h}}_u,u=1,...,U---\left(B1\right)$

其中u＝1，...，U是用户u的净信道响应，是组合权重。

(B1)的效果在于，GRake+实质上对相关干扰进行白化，并从位于特定指位置的、并针对特定天线元件的干扰中去除大的频谱峰。

注意，GRake+仍然是线性接收机。存在用于WCDMA的也为线性的相关类型的IS接收机，表示为码片均衡器。GRake+与码片均衡器之间的差异是特定基本操作的顺序。结果，本发明也可应用于码片均衡器。

GRake+和码片均衡器中IS之后的负载测量

为了看到在考虑GRake+IS增益的情况下如何估计负载，在充分统计层面上研究权重组合之后的功率。首先，假设码k∈Ω_u上的用户u的接收信号为：

y_u，k＝h_us_u，k+I_u，k+N_u，k，u＝1，...，U，k＝1，...，K(B2)

其中Ω_u表示用户u的码集，s_u，k，u＝1，...，U，k＝1，...，K是信号，I_u，k，u＝1，...，U，k＝1，...，K是干扰，以及N_u，k，u＝1，...，U，k＝1，...，K是(热)噪声(非功率)，以及u＝1，...，U是用户u的净信道响应。GRake+根据下式执行权重组合以获得充分统计

${\hat{z}}_{u,k}^{G+}={\hat{w}}_u^H{y}_{u,k}={\hat{w}}_u^H{\hat{h}}_u{s}_{u,k}+{\hat{w}}_u^H{I}_{u,k}+{\hat{w}}_u^H{N}_{u,k},u=1,...,U,k=1,...,K.---\left(B3\right)$

${\hat{R}}_u{\hat{w}}_u={\hat{h}}_u,u=1,...,U---\left(B4\right)$

这里，是GRake+的组合权重，而由给出对用于计算用户u的组合权重的干扰进行建模的估计的协方差矩阵。等式(B3)和(B4)具有两个主要含义，一个指示可以如何进行功率测量，一个指示以下解决的缩放因子问题。

使用等式(B3)可以看出，GRake+权重组合的影响与将会对伪接收信号进行处理的情况相同。由于这些信号明显地反映权重组合，因而反映GRake+接收机的IS增益，所以认为u＝1，...，U，k＝1，...，K是负载估计的相关起点。

如上所述，负载估计器通过处理RTWP以及将来可能处理接收调度增强上行链路功率共享(RSEPS)来进行操作。为此，需要根据u＝1，...，U，k＝1，...，K形成类似的功率信号，以再次使用在无IS的情况下所应用的负载概念。

注意，不清楚所提出的再次使用在无IS的情况下所应用的负载概念是否是精确的或最佳的。

与GRake+充分统计相关联的用户功率

对(B3)取平方并假设在其三个项之间的低度相关，得到：

$\begin{array}{c}{\left|{\hat{z}}_{u,k}^{G+}\right|}^2\≈{\hat{w}}_u^H{\hat{h}}_u{\hat{h}}_u^H{\hat{w}}_u{\left|s_{u,k}\right|}^2+{\hat{w}}_u^H{I}_{u,k}{I}_{u,k}^H{\hat{w}}_u+{\hat{w}}_u^H{N}_{u,k}{N}_{u,k}^H{\hat{w}}_u\≡S_{u,k}^{G+}+I_{u,k}^{G+}+N_{u,k}^{G+},\\ u=1,...,U,k=1,...,K.\end{array}---\left(B5\right)$

此时，用户u所看见的热噪声增加量定义如下：

${\mathrm{RoT}}_u^{G+}\≡\frac{S_u^{G+}+I_u^{G+}+N_u^{G+}}{N_u^{G+}}---\left(B6\right)$

$S_u^{G+}=\underset{k\∈{\mathrm{\Ω}}_u}{\Σ}{S}_{u,k}^{G+}---\left(B7\right)$

$I_u^{G+}=\underset{k}{\Σ}{I}_{u,k}^{G+}---\left(B8\right)$

$N_u^{G+}=\underset{k}{\Σ}{N}_{u,k}^{G+}.---\left(B9\right)$

注意，对于k∈Ω_u，不清楚如何区分和这里所公开的算法避免了这些问题中的许多问题，因为根据其他量计算和还注意，在(B5)中，即功率被表示为以(发送)码功率|s_u，k|²开始。相同的量也可以被表示为以天线功率开始，在这种情况下，后一设置用于概念确认的链路仿真。然而，接下来的算法开发使用定义(B5)-(B9)。

的计算

直接根据(B7)计算信号功率。使用(B5)和(B7)，得到：

$\begin{array}{c}{S}_u^{G+}=\underset{k\∈{\mathrm{\Ω}}_u}{\Σ}{S}_{u,k}^{G+}={\hat{w}}_u^H{\hat{h}}_u{\hat{h}}_u^H{\hat{w}}_u\underset{k\∈{\mathrm{\Ω}}_u}{\Σ}{\left|s_{u,k}\right|}^2={\hat{w}}_u^H{\hat{h}}_u{\hat{h}}_u^H{\hat{w}}_u{\hat{E}}_{s,u}={\left|{\hat{w}}_u^H{\hat{h}}_u\right|}^2{\hat{E}}_{s,u},\\ u=1,...,U.\end{array}---\left(B10\right)$

注意，信号能量的计算非常复杂，包括例如所涉及的β因子。

的计算

白噪功率底

这里的思路是依赖于基线热噪声功率底估计算法来估计任意GRake+处理之前的热噪声功率底。由于当评估充分统计时，通过对热噪声进行缩放，因而产生主要问题。这意味着，热噪声功率电平将不再呈现为是恒定的。

这里所采取的避开该问题的方式基于对缩放因子(热噪声功率被缩放了该缩放因子)的计算。为了计算该量，首先注意在GRake+处理之前例如利用基线噪声底估计器来估计宽带热噪声功率底时，估计以下量：

$\hat{N}=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\left(N_{u,k}^m\right)}^H{N}_{u,k}^m\underset{M\→\mathrm{\∞}}{\→}KE\[{\left(N_{u,k}\right)}^H{N}_{u,k}\]={\mathrm{KP}}_{Nu,k}=K\frac{1}{K}{P}_N=N_0,---\left(B11\right)$

其中N₀是热噪声功率底，m是采样和索引。然而，充分统计信号处理点处的功率是：

$\begin{array}{c}{\hat{N}}^{G+}=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\left({\hat{w}}_u^H{N}_{u,k}^m\right)}^H{\hat{w}}_u^H{N}_{u,k}^m=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}tr\left({\left({\hat{w}}_u^H{N}_{u,k}^m\right)}^H{\hat{w}}_u^H{N}_{u,k}^m\right)\\ =\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}tr\left({\hat{w}}_u^H{N}_{u,k}^m{\left({\hat{w}}_u^H{N}_{u,k}^m\right)}^H\right)=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}tr\left({\hat{w}}_u^H{N}_{u,k}^m{\left(N_{u,k}^m\right)}^H{\hat{w}}_u\right)\\ =tr\left(\underset{k=1}{\overset{K}{\Σ}}{\hat{w}}_u^H\right(\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}{N}_{u,k}^m{\left(N_{u,k}^m\right)}^H\left){\hat{w}}_u\right)\underset{M\→\mathrm{\∞}}{\→}tr(K{\hat{w}}_u^{H}E\[N_{u,k}{\left(N_{u,k}\right)}^H\]{\hat{w}}_u)\\ =tr\left(K{\hat{w}}_u^H\right(N_0/K\left)I{\hat{w}}_u\right)={\hat{w}}_u^H{\hat{w}}_u{N}_0={\hat{w}}_u^H{\hat{w}}_u\hat{N}.\end{array}---\left(B12\right)$

结果，可以通过与缩放因子相乘，根据GRake+处理之前的噪声底估计，获得充分统计信号点处的热噪声底，缩放因子为：

${\mathrm{\κ}}_u^{G+}={\left({\hat{w}}_u\right)}^H{\hat{w}}_u,u=1,...,U.---\left(B13\right)$

这得到

$N_u^{G+}={\mathrm{\κ}}_u^{G+}\hat{N},u=1,...,U.---\left(B14\right)$

缩放因子的计算需要每个用户的附加内积。

彩色噪声功率底

该小节讨论了以更一般性的假设替换(B11)的结果的情况：

$\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{N}_{u,k}^m{\left(N_{u,k}^m\right)}^H\underset{M\→\mathrm{\∞}}{\→}KE\[N_{u,k}{\left(N_{u,k}\right)}^H\]=K\frac{N_0}{K}{R}_N=N_0{R}_N,---\left(B15\right)$

即，采样足够快到反映出上行链路频谱的形状的情况。在这种情况下，接着(B11)被变换为：

$\hat{N}=\frac{1}{M}\underset{m=1}{\overset{M}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\left(N_{u,k}^m\right)}^H{N}_{u,k}^m\underset{M\→\mathrm{\∞}}{\→}KE\[{\left(N_{u,k}\right)}^H{N}_{u,k}\]=Ktr(E\[N_{u,k}{\left(N_{u,k}\right)}^H\])=N_{0}tr\left(R_N\right),---\left(B16\right)$

此外，将(B12)变换为：

${\hat{N}}^{G+}=N_{0}tr\left({\hat{w}}_u^H{R}_N{\hat{w}}_u\right).---\left(B17\right)$

在这种情况下的最终结果是缩放因子：

${\mathrm{\κ}}_u^{G+}=\frac{tr\left({\hat{w}}_u^H{R}_N{\hat{w}}_u\right)}{tr\left(R_N\right)}.---\left(B18\right)$

使用可用SINR的的计算

码功率干扰比为：

${(C/I)}_u^{G+}=\frac{S_u^{G+}}{I_u^{G+}+N_u^{G+}},u=1,...,U.---\left(B19\right)$

可以注意到，在(B19)中，参见(B12)和(B14)，已经计算了除之外的所有量。使用这些量，可以针对求解(B19)，给出：

$I_u^{G+}=\frac{S_u^{G+}}{{(C/I)}_u^{G+}}-{\mathrm{\κ}}_u^{G+}\hat{N},u=1,...,U.---\left(B20\right)$

量可以与SINR直接相关。按照如下执行：

${(C/I)}_u^{G+}=\frac{({\mathrm{\β}}_{u,DPCCH}^2+{\mathrm{\β}}_{u,EDPCCH}^2+n_{u,codes}{\mathrm{\β}}_{u,EDPDCH}^2)}{{\mathrm{\β}}_{u,DPCCH}^2{\mathrm{SF}}_{u,DPCCH}}{\mathrm{SINR}}_u^{G+}=\frac{{\mathrm{\β}}_{u,effective}^2}{{\mathrm{SF}}_{u,DPCCH}}{\mathrm{SINR}}_u^{G+},---\left(B21\right)$

得到：

$I_u^{G+}=\frac{S_u^{G+}}{{(C/I)}_u^{G+}}-{\mathrm{\κ}}_u^{G+}\hat{N}=\frac{{\mathrm{SF}}_{u,DPCCH}}{{\mathrm{\β}}_{u,effective}^2}\frac{S_u^{G+}}{{\mathrm{SINR}}_u^{G+}}-{\mathrm{\κ}}_u^{G+}\hat{N}---\left(B22\right)$

的计算

当将(B10)、(B14)和(B22)插入(B6)时，最终结果变成：

${\mathrm{RoT}}_u^{G+}\≡\frac{S_u^{G+}+I_u^{G+}+{\mathrm{\κ}}_u^{G+}\hat{N}}{{\mathrm{\κ}}_u^{G+}\hat{N}}=\frac{S_u^{G+}}{{\mathrm{\κ}}_u^{G+}\hat{N}}(1+\frac{{\mathrm{SF}}_{u,DPCCH}}{{\mathrm{\β}}_{u,effective}^2}\frac{1}{{\mathrm{SINR}}_u^{G+}}),u=1,...,U.---\left(B23\right)$

然后，针对每个用户，将这些测量组合为上行链路测量，如下所述。注意，(B23)提供了一些有趣的观点。当SINR很高时，实质上通过用户的剩余自身功率来确定用户的RoT-当SINR变差时，RoT增大。

RTWP和RSEPS等同物的计算

接下来讨论在充分统计信号点处的RTWP和RSEPS功率的等同物的计算。由(B23)可知，用户u看到的RTWP的等同物变成：

$S_{u,RTWP}^{G+}=S_u^{G+}(1+\frac{{\mathrm{SF}}_{u,DPCCH}}{{\mathrm{\β}}_{u,effective}^2}\frac{1}{{\mathrm{SINR}}_u^{G+}}),u=1,...,U.---\left(B24\right)$

因而当仍然使用和时，通过RSEPS用户码之和获得用户u看到的RSEPS的等同物：

$S_{u,RSEPS}^{G+}=\underset{u_{RSEPS}=1}{\overset{U_{RSEPS}}{\Σ}}{S}_{u\left(u_{RSPES}\right)}^{G+},u=1,...,U---\left(B25\right)$

$\begin{array}{c}{S}_{u\left(u_{RSEPS}\right)}^{G+}=\underset{k\∈{\mathrm{\Ω}}_{u\left(u_{RSEPS}\right)}}{\Σ}{S}_{u,k}^{G+}={\hat{w}}_u^H{\hat{h}}_u{\hat{h}}_u^H{\hat{w}}_u\underset{k\∈{\mathrm{\Ω}}_{u\left(u_{RSEPS}\right)}}{\Σ}{\left|s_{u,k}\right|}^2\\ ={\hat{w}}_u^H{\hat{h}}_u{\hat{h}}_u^H{\hat{w}}_u{\hat{E}}_{s,u\left(u_{RSPES}\right)}={\left|{\hat{w}}_u^H{\hat{h}}_u\right|}^2{\hat{E}}_{s,u\left(u_{RSEPS}\right)},u_{RSEPS}=1,\mathrm{...},U_{RSEPS}.\end{array}---\left(B26\right)$

再次注意，当对RSEPS用户的码进行求和时，保持用户u的信道模型。因而需要针对每个用户执行一次计算。

针对GRake+的上行链路负载测量

平均负载测量

使用(B23)对所有用户求平均，给出上行链路负载测量：

$<{\mathrm{RoT}}^{G+}>=\frac{1}{U}\underset{u=1}{\overset{U}{\&Sigma;}}{\mathrm{RoT}}_u^{G+}.---\left(B27\right)$

由于该测量没有捕获到具有差的IS增益的用户的影响，这些用户更可能随功率增大而引起不稳定性，所以该测量可能并不合适。类似地，平均后的RTWP和RSEPS的测量变成：

$<S_{RTWP}^{G+}>=\frac{1}{U}\underset{u=1}{\overset{U}{\&Sigma;}}{S}_{u,RTWP}^{G+}---\left(B28\right)$

$<S_{RSEPS}^{G+}>=\frac{1}{U}\underset{u=1}{\overset{U}{\&Sigma;}}{S}_{u,RSEPS}^{G+}.---\left(B29\right)$

最差情况负载测量

不执行求平均，因而可以采用最差情况方式，其中用最大值运算代替求平均。这意味着，将看到最大总负载的用户用于负载估计目的。因而可以通过小区稳定性自变量来激励这一稳健(conservative)方式-然而，这一方式也会过于稳健。通过等式定义最差情况负载：

$u_{max}=\underset{u}{\arg max}\left({\mathrm{RoT}}_u^{G+}\right)---\left(B30\right)$

$max\left({\mathrm{RoT}}_u^{G+}\right)={\mathrm{RoT}}_{u_{max}}^{G+}---\left(B31\right)$

$max\left(S_{RTWP}^{G+}\right)=S_{u_{max},RTWP}^{G+}---\left(B32\right)$

$max\left(S_{RSEPS}^{G+}\right)=S_{u_{max},RSEPS}^{G+}---\left(B33\right)$

停机(outage)干扰测量

第三备选可以是对进行分类，然后选择与所选的百分位相对应的用户。

附录C

每个用户的测量RoT的再阐述

为了阐述与本发明相关联的数学问题，需要再阐述给出每个用户的RoT的等式。为此注意，(26)给出

${\mathrm{\&beta;}}_{u,effective}^2=1+\frac{{\mathrm{\&beta;}}_{u,EDPCCH}^2+n_{u,codes}{\mathrm{\&beta;}}_{u,EDPDCH}^2}{{\mathrm{\&beta;}}_{u,DCPCCH}^2}\&equiv;1+{\mathrm{\&gamma;}}_u,u=1,...,U.---\left(C1\right)$

在(B23)中使用(B10)、(B13)和(C1)，给出针对每个用户的RoT的以下表达式：

${\mathrm{RoT}}_u^{G+}\&equiv;\frac{S_u^{G+}+I_u^{G+}+{\mathrm{\&kappa;}}_u^{G+}\hat{N}}{{\mathrm{\&kappa;}}_u^{G+}\hat{N}}=\frac{{\left|{\hat{w}}_u^H{\hat{h}}_u\right|}^2{E}_{S,u}}{{\hat{w}}_u^H{\hat{w}}_u\hat{N}}(1+\frac{{\mathrm{SF}}_{u,DPCCH}}{1+{\mathrm{\&gamma;}}_u}\frac{1}{{\mathrm{SINR}}_u^{G+}}),u=1,...,U.---\left(C2\right)$

该表达式依据针对邻近(athand)用户的信道组合权重来自UE的总发送功率E_S，u、噪声底扩频因子SF_u，DPCCH、授权数据功率γ_u和SINR注意，已从E_S，u中移除了“帽”，因为目的不是去估计该量，而是为了调度目的而去计算该量。可以注意到，UE的总发送功率为：

E_S，u＝(1+γ_u)P_u，DPCCH(γ)，u＝1，...，U，(C3)

在插入(C2)时产生以下表达式：

${\mathrm{RoT}}_u^{G+}=\frac{{\left|{\hat{w}}_u^H{\hat{h}}_u\right|}^2{P}_{u,DPCCH}\left(\mathrm{\&gamma;}\right)}{{\hat{w}}_u^H{\hat{w}}_u\hat{N}}(1+{\mathrm{\&gamma;}}_u+{\mathrm{SF}}_{u,DPCCH}\frac{1}{{\mathrm{SINR}}_u^{G+}}),u=1,...,U.---\left(C4\right)$

表达式(C4)使用功率控制环，使该推导将RoT与授权联系起来。注意，内环功率控制(ILPC)的非线性耦接使UE的专用物理控制信道(DPCCH)发送功率依据所有用户的授权(γ)。以下通过(C25)定义授权矢量。

干扰抑制之后的干扰功率

为了得到针对GRAKE+处理之后的干扰功率的表达式，必须简单假设将干扰视为由白噪声过程产生。

使用GRAKE+处理之后的干扰功率可以被视为热噪声功率底的假设，得到：

$\begin{array}{c}{\hat{I}}_u^{G+}=\frac{1}{M}\underset{m=1}{\overset{M}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}{\left({\hat{w}}_u^H{I}_{u,k}^m\right)}^H{\hat{w}}_u^H{I}_{u,k}^m=\frac{1}{M}\underset{m=1}{\overset{M}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}tr\left({\left({\hat{w}}_u^H{I}_{uk}^m\right)}^H{\hat{w}}_u^H{I}_{u,k}^m\right)\\ =\frac{1}{M}\underset{m=1}{\overset{M}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}tr\left({\hat{w}}_u^H{I}_{u,k}^m{\left({\hat{w}}_u^H{I}_{u,k}^m\right)}^H\right)=\frac{1}{M}\underset{m=1}{\overset{M}{\&Sigma;}}\underset{k=1}{\overset{K}{\&Sigma;}}tr\left({\hat{w}}_u^H{I}_{u,k}^m{\left(I_{u,k}^m\right)}^H{\hat{w}}_u\right)\\ =tr\left(\underset{k=1}{\overset{K}{\&Sigma;}}{\hat{w}}_u^H\right(\frac{1}{M}\underset{m=1}{\overset{M}{\&Sigma;}}{I}_{u,k}^m{\left(I_{u,k}^m\right)}^H\left){\hat{w}}_u\right)\underset{M\&RightArrow;\mathrm{\&infin;}}{\&RightArrow;}tr({\hat{w}}_u^{H}E\&lsqb;I_u{\left(I_u\right)}^H\&rsqb;{\hat{w}}_u)\\ =tr\left({\hat{w}}_u^H\right({\hat{I}}_u\left){\hat{w}}_u\right)={\hat{w}}_u^H{\hat{w}}_u{\hat{I}}_u.\end{array},u=1,\mathrm{...},U.---\left(C5\right)$

由于目标仍为包括干扰功率的计算，可以移除帽，得到：

$I_u^{G+}=w_u^H{w}_u{I}_u,u=1,...,U.---\left(C6\right)$

ILPC、RoT和授权

该推导的假设在于，内环功率控制环在G-rake+处理之后是闭合的，控制目标是将保持在目标值由于目标值改变得比授权和ILPC量慢，因而认为目标值是恒定的。定义以下矢量和矩阵量：

$P_{DPCCH}^{G+}={\left(\begin{array}{ccc}{P}_{1,DPCCH}^{G+}& ...& P_{U,DPCCH}^{G+}\end{array}\right)}^T,---\left(C7\right)$

P_DPCCH＝(P_1，DPCCH...P_U，DPCCH)^T，(C8)

$I^{G+}={\left(\begin{array}{ccc}{I}_1^{G+}& ...& I_U^{G+}\end{array}\right)}^T,---\left(C9\right)$

I＝(I₁...I_U)^T，(C10)

${\hat{N}}^{G+}={\left(\begin{array}{ccc}1& ...& 1\end{array}\right)}^T{\hat{N}}^{G+},---\left(C11\right)$

$\hat{N}={\left(\begin{array}{ccc}1& ...& 1\end{array}\right)}^T\hat{N},---\left(C12\right)$

根据C/I(B20)、SINR(B21)和(C1)的定义，得到：

$I^{G+}={\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}^{G+}\right)}^{-1}{P}_{DPCCH}^{G+}-{\hat{N}}^{G+}.---\left(C18\right)$

注意，(B10)表明：

$P_{DPCCH}^{G+}=W_{{\left|w^{H}h\right|}^2}{P}_{DPCCH},---\left(C19\right)$

并且(B12)和(C6)暗示：

${\hat{N}}^{G+}=W_{|w{|}^2}\hat{N},---\left(C20\right)$

${\hat{I}}^{G+}=W_{|w{|}^2}I.---\left(C21\right)$

使用以下事实：认为ILPC正确操作，即，SINR操作点等于SINR参考，并且该环在G-rake+处理之后是闭合的，则有：

$I=W_{|w{|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}{P}_{DPCCH}-\hat{N}.---\left(C22\right)$

保持将干扰与功率相关，以计算均衡解。为此注意，在该接收机之前，

$I=R\left(\mathrm{\&gamma;}\right)H_{|h{|}^2}{P}_{DPCCH},---\left(C23\right)$

其中

γ＝(γ₁...γ_U)^T，(C25)

以上，α_u，u＝1，...，U表示自干扰因子。将(C23)插入(C22)呈现针对发送功率的以下等式：

$R\left(\mathrm{\&gamma;}\right)H_{|h{|}^2}{P}_{DPCCH}=W_{|w{|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}{P}_{DPCCH}-\hat{N}.---\left(C27\right)$

其解为：

$P_{DPCCH}={(W_{|w{|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}-R(\mathrm{\&gamma;}\left)H_{|h{|}^2}\right)}^{-1}\hat{N}.---\left(C28\right)$

利用在(C28)中计算的DPCCH发送功率，可以通过将(C28)插入(C4)的矢量化版本来结束RoT计算。容易看到，可以将(C4)的矢量化版本写作：

${\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=\frac{1}{\hat{N}}{W}_{{\left|w^{H}h\right|}^2}{W}_{{\left|w\right|}^2}^{-1}(I+diag(\mathrm{\&gamma;})+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1})P_{DPCCH},---\left(C29\right)$

其中I是单位矩阵，其中：

组合(C12)、(C28)和(C29)，得到：

$\begin{array}{c}{\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=W_{{\left|w^{H}h\right|}^2}{W}_{{\left|w\right|}^2}^{-1}(I+diag(\mathrm{\&gamma;})+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1})\\ \&CenterDot;{(W_{{\left|w\right|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}-R(\mathrm{\&gamma;}\left)H_{{\left|h\right|}^2}\right)}^{-1}1,\end{array}---\left(C32\right)$

其中1是1的矢量，参见(C12)。如所见，RoT是授权的非线性函数。

附录D

调度计算的示例1

阐明要解决的问题：

最大化授权功率(这些与比特率大致成正比)之和，同时保持预先描述的RoT。

这表示为：

$\underset{\mathrm{\&gamma;}}{max}\left(trace\right(diag\left(\mathrm{\&gamma;}\right)\left)\right),---\left(D1\right)$

其中

$\begin{array}{c}{\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=W_{{\left|w^{H}h\right|}^2}{W}_{{\left|w\right|}^2}^{-1}(I+diag(\mathrm{\&gamma;})+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1})\\ \&CenterDot;{(W_{{\left|w\right|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}-R(\mathrm{\&gamma;}\left)H_{{\left|h\right|}^2}\right)}^{-1}1\&le;{\mathrm{RoT}}_{\max }^{G+}1\end{array}---\left(D2\right)$

为了解决问题(D1)-(D2)，可以使用根据优化原理的标准算法，参见例如D.G.Luenberger，LinearandNonlinearProgramming，2：nded.，AddisonWesley，1984。问题(D1)-(D2)是受到非线性不等约束的线性标准的问题。这样的问题可以通过例如Luenberger的书中详述的技术得以解决。示例包括有效集方法(11.3节)、梯度投影方法(11.4节)、障碍法(12.2节)和截平面法(13.6节)。

调度计算的示例2

阐明要解决的问题：

选择授权功率(这些与比特率大致成正比)，使得所有用户的RoT都获得最大RoT。所有用户是应当表示具有高比特率的情况的最差情况用户。这表示如下：

$\begin{array}{c}{\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=W_{{\left|w^{H}h\right|}^2}{W}_{{\left|w\right|}^2}^{-1}(I+diag(\mathrm{\&gamma;})+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1})\\ \&CenterDot;{(W_{{\left|w\right|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{{\left|w^{H}h\right|}^2}-R(\mathrm{\&gamma;}\left)H_{{\left|h\right|}^2}\right)}^{-1}1={\mathrm{RoT}}_{\max }^{G+}1\end{array}---\left(D3\right)$

为了解决问题(D3)，需要针对γ求解非线性等式的系统。再次，Luenberger的书建议了许多方式，例如最陡峭下降和牛顿方法，分别参见7.6和7.8节。

缩略语

CQI信道质量指示符

DL下行链路

DPCCH专用物理控制信道

EUL增强型上行链路

GRake一般化Rake

IC干扰消除

ILPC内环功率控制

I/O输入/输出

IS干扰抑制

RoT热噪声增加量

RSEPS接收调度增强上行链路功率共享

RTWP接收总宽带功率

SINR信干噪比

UE用户设备

UL上行链路

WCDMA宽带码分多址

Claims (11)

1.一种用于利用GRake均衡无线电接收的宽带码分多址通信系统(1)中的负载调度的方法，包括以下步骤：

对针对多个用户的当前接收到的上行链路数字无线电信号(11)的信道估计进行估计(210)；

确立(220)针对所述当前接收到的上行链路数字无线电信号(11)的GRake均衡接收的组合权重；

对预测将来负载测量函数的函数参数进行预测(230)，所述预测将来负载测量函数是所述多个用户的单独授权的函数；

在考虑到所述GRake均衡针对多个用户中的每个用户所提供的干扰抑制的灵敏度的情况下，预测函数参数的所述步骤至少基于所估计的信道估计和所确立的组合权重；以及针对所述多个用户的单独授权所导致的改变的负载均衡等级，调整所述预测函数参数；

在给定所述预测函数参数所定义的所述预测将来负载测量函数的用户将来负载的所需集合的情况下，选择(240)针对用户的授权集合；以及

根据所选的授权集合，对上行链路负载进行调度(250)，

其特征在于，所述将来负载测量函数被定义为：

$\begin{array}{c}{\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=W_{|w^{H}h{|}^2}{W}_{|w{|}^2}^{-1}\left(I+diag\left(\mathrm{\&gamma;}\right)+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}\right)\\ \&CenterDot;{\left(W_{|w{|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{|w^{H}h{|}^2}-R\left(\mathrm{\&gamma;}\right)H_{|h{|}^2}\right)}^{-1}1\end{array};$

其中函数参数是对角元素为的对角矩阵，其中U是所述多个用户的个数，w_n是用户n的组合权重，h_n是用户n的信道估计；

其中函数参数是对角元素为的对角矩阵；

其中I是单位矩阵；

其中diag(γ)是对角矩阵，以所述多个用户的单独授权数据功率γ_n，n＝1...U为对角元素；

其中函数参数SF_DPCCH是对角矩阵，以所述多个用户的专用物理控制信道的加扰因子为对角元素；

其中是对角矩阵，以所述多个用户应用GRake均衡之后的参考信干噪比作为对角元素；

其中

其中函数参数α_n，n＝1...U是所述多个用户的自干扰因子；

其中函数参数是对角元素为|h_n|²，n＝1...U的对角矩阵；以及

其中1是1的矢量。

2.根据权利要求1所述的方法，其特征在于另一步骤：将所述信道估计外插到将来应用时间，所述将来应用时间是假设应用当前上行链路负载调度的时间。

3.根据权利要求1或2所述的方法，其特征在于另一步骤：将所述组合权重外插到将来应用时间，所述将来应用时间是假设应用当前上行链路负载调度的时间。

4.根据权利要求1或2所述的方法，其特征在于，选择授权集合的所述步骤包括：依据所述单独授权对标准函数进行优化，以及选择产生所述优化的单独授权作为所述针对用户的授权集合。

5.根据权利要求4所述的方法，其特征在于，在包括针对单独授权的所述预测将来负载测量函数的所述用户将来负载在内的约束关系下，执行所述优化。

6.一种利用GRake均衡无线电接收的宽带码分多址通信系统(1)中的调度器装置(40)，包括：

信道估计器(50)，被配置为：对针对多个用户的当前接收到的上行链路数字无线电信号(11)的信道估计进行估计；

均衡器(60)，被配置为：确立针对所述当前接收到的上行链路数字无线电信号(11)的GRake均衡接收机的组合权重；

预测器(70)，与所述信道估计器(50)和所述均衡器(60)连接，并被配置为：对预测将来负载测量函数的函数参数进行预测，所述预测将来负载测量函数是所述多个用户的单独授权的函数；

所述预测器(70)被配置为：在考虑到所述GRake均衡接收机针对所述多个用户中的每个用户所提供的干扰抑制的灵敏度的情况下，至少基于所估计的信道估计和所确立的组合权重，执行对所述函数参数的所述预测；以及针对多个用户的单独授权所导致的改变的负载均衡等级，调整所述预测函数参数；以及

调度器(80)，与所述预测器(70)连接，并被配置为：在给定所述预测函数参数所定义的所述预测将来负载测量函数的用户将来负载的所需集合的情况下，选择针对用户的授权集合；

所述调度器(80)还被配置为：根据所选的授权集合，对上行链路负载进行调度，

其特征在于，所述预测器(70)被配置为：使用如下定义的所述将来负载测量函数：

$\begin{array}{c}{\mathrm{RoT}}^{G+}\left(\mathrm{\&gamma;}\right)=W_{|w^{H}h{|}^2}{W}_{|w{|}^2}^{-1}\left(I+diag\left(\mathrm{\&gamma;}\right)+{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}\right)\\ \&CenterDot;{\left(W_{|w{|}^2}^{-1}{\mathrm{SF}}_{DPCCH}{\left({\mathrm{SINR}}_{reference}^{G+}\right)}^{-1}{W}_{|w^{H}h{|}^2}-R\left(\mathrm{\&gamma;}\right)H_{|h{|}^2}\right)}^{-1}1\end{array};$

其中函数参数是对角元素为的对角矩阵，其中U是所述多个用户的个数，w_n是用户n的组合权重，h_n是用户n的信道估计；

其中函数参数是对角元素为的对角矩阵；

其中I是单位矩阵；

其中diag(γ)是对角矩阵，以所述多个用户的单独授权数据功率γ_n，n＝1...U为对角元素；

其中函数参数SF_DPCCH是对角矩阵，以所述多个用户的专用物理控制信道的加扰因子为对角元素；

其中是对角矩阵，以所述多个用户应用GRake均衡之后的参考信干噪比作为对角元素；

其中

其中函数参数α_n，n＝1...U是所述多个用户的自干扰因子；

其中函数参数是对角元素为的对角矩阵；以及

其中1是1的矢量。

7.根据权利要求6所述的调度器装置，其特征在于，所述预测器(70)还被配置为：将所述信道估计外插到将来应用时间，所述将来应用时间是假设应用当前上行链路负载调度的时间。

8.根据权利要求6或7所述的调度器装置，其特征在于，所述预测器(70)还被配置为：将所述组合权重外插到将来应用时间，所述将来应用时间是假设应用当前上行链路负载调度的时间。

9.根据权利要求6或7所述的调度器装置，其特征在于，所述调度器(80)还被配置为：依据所述单独授权对标准函数进行优化，以及选择产生所述优化的单独授权作为所述针对用户的所述授权集合。

10.根据权利要求9所述的调度器装置，其特征在于，所述调度器(80)还被配置为：在包括针对单独授权的所述预测将来负载测量函数的所述用户将来负载在内的约束关系下，执行所述优化。

11.一种利用GRake均衡无线电接收机的宽带码分多址通信系统中的节点B(30)，所述节点B包括根据权利要求6-10中任一项所述的调度器装置(40)。