CN104854804B - 用于估计其他小区干扰的方法和无线网络节点 - Google Patents

用于估计其他小区干扰的方法和无线网络节点 Download PDF

Info

Publication number
CN104854804B
CN104854804B CN201280077267.XA CN201280077267A CN104854804B CN 104854804 B CN104854804 B CN 104854804B CN 201280077267 A CN201280077267 A CN 201280077267A CN 104854804 B CN104854804 B CN 104854804B
Authority
CN
China
Prior art keywords
load
noise
interference
estimated
estimation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201280077267.XA
Other languages
English (en)
Other versions
CN104854804A (zh
Inventor
托尔比约恩·维格伦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Telefonaktiebolaget LM Ericsson AB
Original Assignee
Telefonaktiebolaget LM Ericsson AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Telefonaktiebolaget LM Ericsson AB filed Critical Telefonaktiebolaget LM Ericsson AB
Publication of CN104854804A publication Critical patent/CN104854804A/zh
Application granted granted Critical
Publication of CN104854804B publication Critical patent/CN104854804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B15/00—Suppression or limitation of noise or interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
    • H04W52/365—Power headroom reporting

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开涉及用于估计无线网络节点(300)中的其他小区干扰的方法和节点，所述无线网络节点提供为无线网络中的至少一个无线设备服务的自身小区。所述方法包括测量负载使用，所述负载使用与至少一个无线设备使用的负载有关。所述方法还包括：至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率。所述方法还包括：至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和。所述方法还包括：检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内。

Description

用于估计其他小区干扰的方法和无线网络节点
技术领域
本公开的技术领域总体涉及估计无线网络中的其他小区干扰。具体来说，技术领域涉及利用负载使用测量来估计其他小区干扰的装置和方法。
背景技术
近年来在蜂窝电话领域出现了至少以下趋势。
首先，移动宽带业务在无线网络例如WCDMA(宽带码分多址)中爆炸性增加。技术结果是这些网络中干扰的对应的迅速增加，也就说负载迅速增加。这使得以最高效的方式利用余下的负载净空(headroom)具有重要意义。
其次，蜂窝网络变得更加异构，宏RBS(无线基站)在业务热点得到微和微微RBS的支持。此外，家庭基站(例如毫微微RBS)在很多网络中出现。这一趋势对小区间干扰管理提出了更多的要求。
第三，以上的结果是小区网络中网络节点的数量大大增加，并且操作员控制降低。因此，存在引入更多自组织网络(SON)功能的强烈需要。对蜂窝网络的节点的子集，该功能通过自动干扰阈值设置和适配，可支持干扰管理。
因此，存在可能妨碍提供高效服务的问题。在例如WCDMA中，UE(用户设备)可以利用或者不利用EUL(增强上行链路)调度器准许的功率。这导致负载预测步骤不准确，其中调度器的调度决定基于其所调度业务的结果空中接口负载的预测。这样做是因为3GPP(第三代伙伴项目)标准中从调度决定到空中接口上出现干扰功率之间大约存在至少5个TTI(传输时间间隔)的固有延时。此外，WCDMA负载预测没有考虑UL(上行链路)无线接收机的建模中的所有非理想性。这导致负载预测和估计步骤中更多的不准确。
就发明人所知，还没有任何一种可用的切实可行的其他小区干扰估计算法能够提供不准确度好于10-20％的其他小区干扰估计，而且在感兴趣功率和负载范围上接近传输时间间隔(TTI，典型为2ms(毫秒)或10ms)带宽(典型为250或50Hz)。因此，由于不知道UL中干扰功率的确切来源，无法做出最优的调度决定。
不包括其他小区干扰估计的负载估计
以下讨论在WCDMA系统的小区中测量上行链路空中接口的即时总负载的测量和估计技术。一般地，天线连接器处的负载由噪声抬升(noise rise)给出，其也称为热抬升(rise over thermal)RoT(t)，定义如下：
其中PN(t)是在天线连接器处测量的热噪声电平。为讨论目的，PRTWP(t)可被视为接收总宽带功率(RTWP)，定义如下：
其也在天线连接器处测量。总宽带功率PRTWP(t)不受所施加的解扩(de-spreading)的影响。在(2)中，Pother(t)表示从自身小区外的WCDMA系统的一个或多个小区(例如相邻小区)接收的功率。Pi(t)是自身小区的各个用户(例如UE)的功率。无论哪种RoT估计技术，其一个主要难点就在于本质上无法将热噪声PN(t)与来自其他小区的干扰Pother(t)分离。
另一个需要解决的具体问题是：按照定义，信号参考点位于天线连接器。然而，在数字接收机中，测量是在模拟信号调节链(analogue signal conditioning chain)后获得的。模拟信号调节链引入了大约1dB(1-sigma)难以补偿的缩放因子误差(scale factorerror)。幸运的是，(2)的所有功率都受到缩放因子误差的相同影响，因此在计算(1)时，缩放因子误差被抵消，如下：
为理解执行负载估计时来自其他小区的干扰的基本问题，注意：
其中E[]表示数学期望，Δ表示围绕均值的变化。现在可以清楚地看出基本问题。由于RBS中没有可用的有关其他小区干扰的测量，线性滤波操作最多可以估计E[Pother(t)]+E[PN(t)]的和。该估计无法用于推导E[PN(t)]的值。当这两个数字的和可用时，情况相同。这时无法算出E[Pother(t)]和E[PN(t)]各自的值。已规范地证明：在上行链路(UL)存在非零均值其他小区干扰的情形中，热噪声功率本底在数学上不可观察。
图1示出了估计噪声本底的常规算法。所示出的算法也称为滑动窗口算法，其估计通过等式(1)给出的RoT。这种常规估计算法解决的主要问题是，其可以提供热噪声本底N(t)的精确估计。由于其他小区干扰，无法获得该量的准确估计，因此，通过考虑在相对长的时间窗口上计算的软最小值，估计器应用近似。重要的是要理解：该估计依赖于噪声本底在很长时间都维持恒定这一事实(不考虑微小温漂)。
滑动窗口算法的一个主要缺点是，该算法需要大量存储。这在需要该算法的大量实例的情形中造成极大困难，当基站服务于很多小区并且在WCDMA上行链路中引入例如4路接收分集技术时，可能属于这种情形。已引入递归算法来降低存储消耗。相比滑动窗口算法，递归算法可将存储需求降低一百以上的因子。
不包括其他小区干扰估计的负载预测
以下讨论提前预测上行链路空中接口上的即时负载的技术。调度器使用这种功能。调度器测试不同准许组合以确定最佳组合，例如使吞吐量最大化。因为在新准许在空中接口上起效前存在准许传输延时和UE延时，该调度决定仅会在多个TTI(每个TTI为预定时长，例如2ms或10ms)后影响空中接口。
在基于常规SIR(信号干扰比)的方法中，针对UE和准许的试探调度集，上行链路负载预测基于以下定义的功率关系：
其中Li(t)是自身小区的第i个UE的负载因子。如所示，Pother(t)表示其他小区干扰。自身小区的负载因子计算如下。首先注意：
其中I是自身小区中的UE的数量，α是自干扰因子。载波比干扰值(C/I)i(t)，i＝1，...，I与SINR(在DPCCH信道(下行链路物理控制信号)上测量)的关系如下：
在(7)中，Wi表示扩展因子，RxLoss表示丢失的接收能量，G表示分集增益并且β：s表示各信道的beta因子。这里，假设非活跃信道具有零数据beta因子。因此，beta因子表示具体传输的数据功率偏移。
然后，针对自身小区的每一个UE，UL负载预测通过(6)和(7)计算自身小区的上行链路负载，然后进行如下求和：
将(5)转换为：
PRTWP(t)＝Lown(t)PRTWP(t)+Pneighbor(t)+PN(t). (9)
用PN(t)除(9)，其表示可以提前k个TTI预测RoT，如下：
在基于SIR的负载因子计算中，负载因子Li(t)用(6)定义。然而，在基于功率的负载因子计算中，负载因子Li(t)可以定义为：
并且基于(11)的负载因子Li(t)，可以计算等式(8)-(10)，以提前k个TTI预测RoT。基于功率的负载因子计算的优点在于，降低了参数依赖性。但不利地是，需要测量UE功率。
在异构网络(HetNet)中，混合有不同种类的小区。异构网络中出现的问题是，小区在以下方面(不限于此)具有不同的无线属性：
无线灵敏度；
频带；
覆盖；
输出功率；
容量；以及
可接受的负载水平。
其可以是使用不同RBS(宏、微、微微、毫微微)尺寸、不同版本(不同接收机技术、SW(软件)质量)、不同厂商和具体部署目的等等的效果。HetNet的一个重要因素是空中接口负载管理，即，与不同小区中的无线资源调度以及关于小区间干扰的小区间交互相关联的问题。
将参考图2示例这些问题，图2示出了具有旨在服务于热点的受限覆盖的低功率小区。为实现热点的充分覆盖，使用例如G-rake+的干扰抑制接收机。现在一个问题是，低功率小区位于具体宏小区内部并处于边缘。此外，周围的宏小区对低功率小区干扰，使得在低功率小区中呈现高电平的其他小区干扰，尽管有高级接收机，这仍使覆盖降低到无法实现热点覆盖的级别。因此，热点的UE与周围的宏小区相连，这将进一步增加低功率小区经历的其他小区干扰。
发明内容
本公开的目的在于，改善与无线网络中感兴趣小区对应的无线网络节点中的其他小区干扰估计。
根据本公开的一个方面，提供了一种用于估计无线网络节点中的其他小区干扰的方法，所述无线网络节点提供为无线网络中的至少一个无线设备服务的自身小区。所述方法包括测量负载使用，所述负载使用与所述至少一个无线设备使用的负载有关。所述方法还包括，至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率。所述方法还包括，至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和。所述方法还包括，检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内。所述方法的实施例还包括，估计RTWP的热噪声部分，并从干扰与噪声和估计中减去所述热噪声估计，以获得估计的其他小区干扰。
根据本公开的另一个方面，提供了一种无线网络节点，其被配置用于提供为无线网络中的至少一个无线设备服务的自身小区。所述节点包括用于通过无线接口与所述至少一个无线设备通信的发射机和接收机。所述节点还包括处理器以及存储指令的存储单元，当指令被处理器执行时，使所述节点测量负载使用，所述负载使用与至少一个无线设备使用的负载有关。指令还使所述节点，至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率。指令还使所述节点，至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和。指令还使所述节点，检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内。在一些实施例中，指令还使所述节点，估计RTWP的热噪声部分，并从干扰与噪声和估计中减去所述热噪声估计，以获得估计的其他小区干扰。
根据本公开的另一个方面，提供了一种无线网络节点，其被配置用于提供为无线网络中的至少一个无线设备服务的自身小区。所述节点包括用于测量负载使用的装置，所述负载使用与所述至少一个无线设备使用的负载有关。所述节点还包括，用于至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率的装置。所述节点还包括，用于至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和的装置。所述节点还包括，用于检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内的装置。在一些实施例中，所述节点还包括用于估计RTWP的热噪声部分，并从干扰与噪声和估计中减去所述热噪声估计，以获得估计的其他小区干扰的装置。
根据本公开的另一个方面，提供了一种无线网络节点，其被配置用于提供为无线网络中的至少一个无线设备服务的自身小区。所述节点包括，被配置用于测量负载使用的测量电路，所述负载使用与所述至少一个无线设备使用的负载有关。所述节点还包括，被配置用于至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率的处理电路。所述节点还包括，被配置用于至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和的处理电路。所述节点还包括，被配置用于检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出任一算法值是否在预定范围内的处理电路。在一些实施例中，所述节点还包括，被配置用于估计RTWP的热噪声部分，并从干扰与噪声和估计中减去所述热噪声估计，以获得估计的其他小区干扰的处理电路。
以上方面的处理电路可包括在，例如，无线设备的一个或多个处理单元/处理器中。
以上无线网络节点方面中的任一个可用于，例如，执行本公开以上方法方面的实施例。
根据本公开的另一个方面，提供了一种包括计算机可执行组件的计算机程序产品，当计算机可执行组件在包含于无线网络节点的处理器上运行时，使所述节点执行本公开方法的实施例。
根据本公开的另一个方面，提供了一种用于估计无线网络节点中的其他小区干扰的计算机程序，所述无线网络节点提供为无线网络中的至少一个无线设备服务的自身小区。所述计算机程序包括计算机程序代码，当代码在所述无线网络节点的处理器上运行时，能够使所述节点测量负载使用，所述负载使用与所述至少一个无线设备使用的负载有关。代码还能够使所述节点，至少基于测量的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计负载使用概率。代码还能够使所述节点，至少基于测量的负载使用、测量的接收总宽带功率(RTWP)、估计的负载使用概率以及先前估计的干扰与噪声和，估计干扰与噪声和。代码还能够使所述节点，检查估计的负载使用概率和/或估计的干扰与噪声和和/或从所述估计中的任一个导出任一算法值是否在预定范围内。在一些实施例中，代码还能够使所述节点，估计RTWP的热噪声部分，并从干扰与噪声和估计中减去所述热噪声估计，以获得估计的其他小区干扰。
根据本公开，基于网络节点(自身小区)服务的无线设备或多个无线设备而不基于调度负载估计其他(例如相邻)小区的干扰是有利的，因为可能没有使用全部调度负载。通过这种方式，可以获得更好的其他小区干扰估计，并且可以更好地优化调度和上行链路功率。取决于算法的设计，基于估计负载使用计算估计的其他小区干扰的算法对于某些估计值可能崩溃或失控，例如因为被0除。为避免这样，执行检查以确保算法的值(例如初始值和沿算法进程向下的其他值)在预定值范围内，从而确保算法不会崩溃或者有其他不好表现。
一般来说，除非本文另有明确限定，权利要求中使用的所有术语应根据其技术领域中的一般含义来理解。除非另有明确声明，对“一个/该单元、设备、组件、装置、步骤等”的引用应被开放地解释为对单元、设备、组件、装置、步骤等的至少一个实例的引用。除非另有明确声明，本文公开的任意方法的步骤不必以所公开的具体顺序执行。为本公开不同特征/组件使用的“第一”和“第二”等仅旨在将特征/组件与其他相似特征/组件区分，而不对特征/组件赋予任何顺序或层级。
附图说明
以下通过示例方式参考附图描述本发明，其中：
图1是根据现有技术的估计噪声本底的算法的示意流程图；
图2示出了根据现有技术的具有旨在服务于热点的受限覆盖的低功率小区；
图3是本公开的无线网络节点的实施例的示意框图；
图4是本公开的无线设备的实施例的示意框图；
图5是本公开的计算机程序产品的实施例的示意图；
图6是本公开的无线网络节点的实施例的更详细示意框图；
图7是本公开的方法的实施例的示意流程图；
图8是本公开的方法的实施例的更详细示意流程图；
图9是本公开的方法的另一个实施例的示意流程图；
图10是本公开的方法的示例性实施例的流程图；
图11是本公开的方法的另一个示例性实施例的流程图；
图12是本公开的方法的另一个示例性实施例的流程图；
图13是本公开的方法的另一个示例性实施例的流程图；
图14是所估计的其他小区干扰的仿真图；
图15是所估计的其他小区干扰的另一个仿真图。
具体实施方式
以下将参考示出本发明某些实施例的附图更充分地描述本发明。然而，本发明可以以很多不同的形式实现并且不应被解释为限制在本文所阐述的实施例；相反，通过示例方式提供这些实施例，从而本公开将全面且完整，并向本领域技术人员充分表达本发明的范围。贯穿说明书，相似的附图标记指代相似的单元。
通过专用硬件以及能够执行关联软件的硬件，可以提供包括被标记或描述为“处理器”或“控制器”的功能模块的各单元的功能。当通过处理器提供时，可通过单个专用处理器、单个共享处理器、或者多个独立处理器(其一部分可以是共享或分布式)提供功能。此外，“处理器”或“控制器”的明确使用不应被解释为仅指代能够执行软件的硬件，并且可以非限制性地包括数字信号处理器(简称为“DSP”)硬件、用于存储软件的只读存储器(简称为“ROM”)、随机访问存储器(简称RAM)以及非易失性存储器。
本文中，3GPP技术(例如WCDMA、LTE)用作解释目的的示例。需要注意的是，本文描述的技术可适用于非3GPP标准，例如WiMAX、cdma2000、1xEVDO等。因而，本公开的范围不限于3GPP无线网系统的集合，还可涵盖无线网络系统的很多领域。此外，基站(例如，RBS、NodeB、eNodeB、eNB等)将用作可执行所述方法的无线网络节点的示例。然而，应当注意的是，公开的主题适用于接收无线信号的任何节点，例如中继站。此外，不丧失一般性，移动终端(例如UE、移动计算机、PDA等)将用作与基站通信的无线终端的示例。
如上文所示，很多常规RoT(t)估计技术的一个主要缺点在于难以将热噪声PN(t)与来自其他小区的干扰Pother(t)分离。这使得难以估计RoT(t)，即，难以估计等式(1)中给出的负载。该上下文中的其他小区干扰Pother(t)可被视为，由于在时刻t可应用于感兴趣小区以外的一个或多个小区的无线活动而在感兴趣小区中存在的干扰的总和。在一个或多个方面中，确定其他小区干扰Pother(t)包括估计其他小区干扰。为本公开的目的，参数估计用“^”(插入符号)字符表示。例如，可被理解为对其他小区干扰Pother(t)的估计。
已有用于确定其他小区干扰估计的技术。这些常规技术假设在上行链路接收机中测量所有无线链路的功率。在如今很多实例中该假设不成立。功率测量与困难关联，因为：
在例如WCDMA中，上行链路传输不必正交，这可能引起估计功率时的错误；并且
独立码功率通常较小，使得SNR(信噪比)也较低。这进一步加剧了功率估计的不准确性。
与常规其他小区干扰估计技术关联的一个主要问题是，其他小区干扰和热噪声之和Pother(t)+PN(t)(也称为干扰与噪声和)需要通过高阶卡尔曼滤波(Kalman filtering)来估计。主要原因在于，在使用这些技术时，需要为每一个UE使用至少一个卡尔曼滤波器状态以对UE的所有功率进行分离滤波。因此，这一步骤涉及超高的计算复杂度。已有能够降低这种计算复杂度的技术，但是当UE数量增加时，复杂度依然过高。在这些常规方案中，如上文所述估计热噪声本底N(t)，即，在确定后，做减法以得到其他小区干扰估计
在已有方案中，EUL使用以填补空中接口负载净空为目的的调度器，以便满足对比特率的不同的UE请求。如上所述，根据热功率电平的噪声抬升(即，在基站估计的RoT(t))确定WCDMA中的空中接口负载。
当评估调度决定时，调度器预测由调度准许引起的负载，以确保调度负载不超过用于覆盖和稳定性的负载阈值。这可能很复杂，因为对UE的准许仅表达允许UE使用的UL功率的限制。然而，UE实际上只能使用该准许的一部分。常规调度器作出最坏情况分析，假设所有UE在所有时间使用其准许。但是实际上，UE一般具有相对较低的准许使用率。根据一些测量，大量空中接口资源(约75％)被浪费。
总地来说，缺少一种用于估计负载使用概率及其方差的技术，因此至少有以下缺点：
·可能导致空中接口的未充分使用，因为UE一般不会使用准许给它们的全部功率；
·可能妨碍使用对准许的系统统计监督，因为负载使用的统计模型不可用。具体地，负载使用中的方差统计模型不可用；以及
·可能导致负载预测总体上不准确，因为没有通过负载使用概率估计正确捕捉未建模的接收机障碍。
具体考虑HetNet，可以用相对直观的方式说明与常规调度技术关联的问题。一般地，为在基站中调度，现有技术需要对UL中所有UE功率进行测量。这在计算上成本过高，需要用于处理测量的高阶卡尔曼滤波器，以获得其他小区干扰功率的估计。这是因为每一个自身小区UE向卡尔曼滤波器添加状态。如果无法完成这种估计，其结果是调度器不能获悉干扰来源，从而难以作出良好的调度决定。针对HetNet，问题依然是没有相邻小区的干扰来源和干扰方差的信息。主要原因是缺少针对这些量的低复杂度估计器。
公开主题的一个或多个方面的每一个解决了与常规技术有关的一个或多个问题。例如，回顾在以上常规调度技术中，从调度决定到空中接口上出现干扰功率前，存在一些数量TTI的延时。调度器还使其调度决定基于其调度的业务的负载预测。由于UE并不总在使用调度器准许的功率，负载预测有可能不准确。当延时增加时，这种不准确也会增加。为解决这一问题，在公开主题的一个或多个方面中，可以进行瞬时(momentary)负载使用的测量，并用于其他小区干扰的估计。
作为另一个示例，还回顾到负载预测没有考虑UL(上行链路)接收机的建模中的所有非理想性。为解决这一问题，在公开主题的一个或多个方面中，可以估计负载因子偏置，例如，当估计其他小区干扰时。
适用于一个或多个方面的总体构思包括UL非线性干扰模型和估计器。UL非线性干扰可响应于：
调度的自身小区负载因子Lown(t)、估计的负载使用概率(注意小写“p”)、估计的其他小区干扰与热噪声之和(注意大写“P”)，以及(可选地)估计的负载因子偏置这些量表示UL负载曲线关系；或者
估计的自身小区负载因子估计的其他小区干扰和热噪声之和以及(可选地)估计的负载因子偏置这些量表示UL负载曲线关系。
估计器可响应于：
测量的总宽带功率yRTWP(t)、测量的负载使用概率Pload(t)、接收的上行链路自身小区负载因子Lown(t)、以及UL非线性干扰模型；或者
测量的总宽带功率yRTWP(t)、测量的自身小区负载因子Lown(t)、以及UL非线性干扰模型。
估计器还可以响应于用于估计状态的传播的动态模型。估计状态可包括：
估计的其他小区干扰和热噪声之和估计的负载使用概率(可选地)估计的负载因子偏置以及至少一个延迟线状态；或者
估计的其他小区干扰和热噪声之和估计的自身小区负载因子Lown(t)，(可选地)估计的负载因子偏置以及至少一个延迟线状态。
估计器还可以响应于估计的热噪声并提供估计的其他小区干扰例如，通过从干扰加噪声和估计之中减去热噪声估计可以得到其他小区干扰估计
在以上讨论中，参数值为“估计的”、“测量的”、“接收的”或“计算的”。测量值本质上可被视为表示所测量量的值的数。估计值不是表示测量值的数，至少不直接是。相反，估计可被视为经处理的测量集合，例如通过一些滤波操作。还可以存在接收和/或计算的量，例如从其他源获得的时变参数。特别强调的是，测量量和估计量可以有很大不同，即使在测量量和估计量指代的相同的基本物理量(例如具体功率)的情形中也如此。之所以如此的众多原因之一是：用于获得估计的处理可以，例如，组合不同时间的测量以获取例如噪声抑制和偏置降低。
如以下将要示出的，本发明的估计器的一个非常显著的优点在于其低阶并且与低计算复杂度关联。在一个实施例中，估计器可以是被布置为使用非线性干扰模型进行处理的扩展卡尔曼滤波器(EKF)的变型。
发明方面的一个或多个可适用于滑动窗口和递归RoT估计算法二者。可以使用基于SIR或功率的负载因子计算的任一个。然而，更优选基于功率的计算。
回顾有关HetNet的讨论，周围宏小区可干扰低功率小区到一定程度，以致热点的UE实际上与宏小区相连。为解决这些问题，在公开主题的一个或多个方面中，RNC(无线网络控制器)或周围RBS可被通知干扰情况，并在合适时采取措施。例如，可以使用RNC中的准入控制或者周围RBS中的功能，以降低其他小区干扰并提供更好的热点业务管理(例如就空中接口负载而言)。为实现这一点，RBS可包括用于估计其他小区干扰的能力。
在一个示例性场景中，无线网络节点(例如，eNB、eNodeB、NodeB、基站(BS)、无线基站(RBS)等等)可估计其他小区干扰。在这个示例中，无线网络节点为位于对应小区内的一个或多个无线终端(例如，用户设备、移动终端、膝上电脑、M2M(机器到机器)终端等等)服务。为清楚起见，无线网络节点将称为自身无线网络节点，小区将称为感兴趣小区，并且感兴趣小区内的终端将称为自身终端。这个示例的场景还包括为其他无线终端服务的其他无线网络节点。当其他终端向其各自的其他无线网络节点发送时，也在自身无线网络节点中接收这些信号。这些信号充当感兴趣小区内的干扰。将t时刻在自身无线网络节点处所经历的这些干扰信号的功率之和表示为Pother(t)。换句话说，其他小区干扰Pother(t)可被视为表示，由于在时刻t应用于感兴趣小区以外的一个或多个小区的无线活动而在感兴趣小区中存在的干扰的总和。此外，t时刻在感兴趣小区的自身无线网络节点中还经历热噪声PN(t)。
在一个或多个示例中，无线网络节点可被构造为实现高性能估计器。估计器可执行Pothor(t)+PN(t)，PN(t)，Pother(t)(注意大写“P”)和负载使用概率pload(t)(注意小写“p”)的联合估计。在所提出的估计器的一个或多个实施例中，可以使用扩展卡尔曼滤波器(EKF)。
所提出的估计器可以使用以下信息中的任意一个或多个：
PRTWP(t)的测量，采样率TRTWP＝kRTWPTTI，kRTWP∈Z+。优选地，测量对每一个天线分支可用。
计算的负载因子Lown(t)，采样率TL＝kLTTI，kL∈Z+。优选地，负载因子对每一个小区可用并在小区级有效。其不必在采用Rx分集的天线分支级有效。
在Lown(t)的计算和其在空中接口上起效的时间之间的环路延时TD。环路延时可依赖于TTI。优选地，环路延时对每一个小区可用并有效。
测量的负载因子采样率优选地，负载因子对每一个小区可用，并在小区级有效。其不必在采用Rx分集的天线分支级有效。TFCI解码后，可以获得因子。
在的计算和其在空中接口上起效的时间之间的环路延时环路延时可依赖于TTI，并大于TD，因为测量的负载因子可使TFCI和E-TFCI解码成为必需。
为适配扩展卡尔曼滤波，建模以下状态：
x1(t)＝pload(t)-t时刻的负载使用概率， (12)
x2(t)＝Pother(t)+PN(t)-t时刻的干扰与噪声和， (13)
x4(t)＝x1(t-T)-所包含的解码延时。 (15)
一个方面中的建模可被视作状态空间建模的一种形式，其中物理系统的状态空间被数学建模为通过等式相关的输入、输出和状态变量的集合。
由于附加解码延时影响环路，所以第一状态x1(t)应当延时一个额外状态，以限定负载使用概率测量受到用于解码的附加延时T这一事实。第四状态x4(t)可用于此目的。延时T可以是TTI的任意正整数倍。典型地，T大致等于一个TTI。在这些状态的等式中，ΔLown(t)表示在测量模型中缓慢变化的负载因子偏置误差。
如果使用备选的“b”，则可以引入估计的自身小区负载因子Lown(t)，作为第一状态x1(t)。
在本发明的非线性模型中，可以使各种测量可用以供处理。其中首先是总宽带功率PRTWP(t)。需要注意的是，自身小区的调度负载Lown(t)是一个计算量(例如，基于SINR测量)。因此，提供用状态、计算量和测量不确定性表示的PRTWP(t)的测量模型是有利的。为此，首先要注意的是，等式(6)中的负载不考虑负载使用概率pload(t)。此外，其不考虑延时TD。
为了对负载使用效果建模，并补偿半恒定负载因子误差，回顾等式(5)启示可以通过(5)和(6)的修改对负载未充分使用进行建模如下：
PRTWP(t)＝Lown，utilized(t)PRTWP(t)+Pother(t)+PN(t) (17)
得到：
在增加0均值白测量噪声eRTWP(t)并用(12)-(15)的状态替代变量后，得到以下非线性测量等式：
在(19)和(20)中，yRTWP(t)＝PRTWP(t)和R2，RTWP(t)表示eRTWP(t)的(标量)协方差矩阵。如果同时使用EUL和R99业务计算自身小区的负载，则延时可以对二者都有效。替代地，如果估计自身小区负载，则Lown(t-TD)x1(t)可以用对自身小区的估计负载因子直接建模的状态表示。(19)中出现的自身小区负载因子可作为已知时变因子而非估计来处理。
需要注意的是，(19)可表示非线性负载曲线，其用估计的负载使用概率x1(t)、估计的相邻小区干扰与热噪声功率的和x2(t)、以及估计的负载因子偏置x3(t)来表示。即，(19)可以表示用和来表示的非线性曲线。此外，计算的(“接收的”)负载因子可以在非线性负载曲线中使用。可以说，等式(19)使估计量和接收量的瞬时组合效果与等式左侧(即，宽带功率的瞬时测量)相关。需要注意的是，在一个或多个实施例中，这些等式中，热噪声本底N(t)可用于表示热噪声PN(t)，并且热噪声本底估计可用于这些等式中的表示热噪声估计
可以使负载使用概率pload(t)的测量对每一个小区可用。作为一个示例，经解码的TFCI和E-TFCIS示出了无线终端430在最后一个TTI中实际使用的准许。这提供了计算最后一个TTI的实际负载因子所需的信息，即，计算：
通过这种修改，用于负载使用概率测量的测量模型变为：
yloadUtilization(t)＝x4(t)+eloadUtilization(t)， (22)
R2，loadUtilization(t)＝E[eloadUtilization(t)]2. (23)
变型(21)本质上可被视为，用基于所接收的TFCI和E-TFCI计算的负载因子替代已准许的负载因子Lown(t-TD)。
在动态状态模型中，随机游走模型可针对第一和第二状态变量x1(t)和x2(t)进行适配。为避免负载因子的漂移偏置修正，可为第三状态x3(t)使用自回归(autoregressive)模型。其另一个动机是，可以预期该状态对在整体上均值为0的误差建模。因此，根据(12)-(15)的状态，可以得到以下状态模型：
优选地，延时T等于一个TTI，但可以是TTI的任意整数倍。注意，通过设置a＝1，可以获得所有状态的随机游走模型。可以使用对角协方差矩阵。优选地，系统噪声的最后一个分量被选择为非常小，以反映其意在建模的纯延时。
EKF后的一般状态空间模型可表示如下：
x(t+T)＝A(t)x(t)+B(t)u(t)+w(t). (26)
y(t)＝c(x(t))+e(t). (27)
这里x(t)表示状态向量，u(t)表示输入向量(在发明滤波中未使用)，y(t)表示包括在小区中执行的功率测量(即，总接收宽带功率PRTWP(t))的输出测量向量，w(t)表示表示模型误差的所谓系统噪声，并且e(t)表示测量误差。矩阵A(t)是描述动态模式的系统矩阵，矩阵B(t)是输入增益矩阵，并且向量c(x(t))是可能非线性的测量向量，其是系统状态的函数。最后，t表示时间，T表示采样周期。
这里考虑包括非线性测量向量的一般情形。因此，应适用扩展卡尔曼滤波器。通过以下矩阵和向量迭代给出该滤波器。
初始化：
t＝t0
P(0|-1)＝P0
迭代：
t＝t+T
P(t|t)＝P(t|t-T)-Kf(t)C(t)P(t|t-T)
P(t+T|t)＝AP(t|t)AT+R1.
结束 (28)
在滤波器迭代(28)中引入的量是不同类型的估计P(t|t-T)，和P(t|t))、这些估计的函数(C(t)和Kf(t))、或者其他量(R2(t)和R1(t))，定义如下：
表示基于直到时间t-T的数据的状态预测，
表示基于直到时间t的数据的滤波器更新，
P(t|t-T)表示基于直到时间t-T的数据的状态预测的协方差矩阵，
P(t|t)表示基于直到时间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(最当前状态预测附近的线性化)
Kf(t)表示时间变量卡尔曼增益矩阵，
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。
需要注意的是，R1(t)和R2(t)经常用作滤波器的调谐变量。原理上，滤波器的带宽可被R1(t)和R2(t)的矩阵商控制。
将描述使用EKF的本发明的估计方案的示例。现在可定义用于估计其他小区干扰和负载使用负载因子偏置的EKF的量。使用(19)-(20)、(22)-(25)和(28)，得到如下：
C24(t)＝1 (33)
B＝0 (37)
为执行EKF，需要时刻t时的状态预测和状态协方差预测，其通过以下等式给出：
当插入(28)时，等式(29)-(40)完整地定义了EKF。计算其他小区干扰估计的最终步骤可以是：
通过无线网络节点执行示例性方法以实现高性能估计器。所述方法可以由调度器(例如作为与调度器关联的负载估计功能)执行，以确定其他小区干扰Pother(t)。具体来说，可以确定其他小区干扰估计其他小区干扰Pother(t)可以表示由于在时刻t可应用于感兴趣小区以外的一个或多个小区的无线活动而在感兴趣小区中存在的干扰的总和。无线网络节点以及具体地调度器，可以估计负载使用概率pload(t1)以获得在时刻t＝t1适用的负载使用概率估计所述估计可以至少基于在时刻t＝t0适用的负载使用概率估计和干扰与噪声和估计做出。应当注意，表达式括号中没有下标的项“t”(例如Pother(t)，pload(t)等)旨在指示一般的时间变量，并且括号中具有下标的项“t”(例如Pother(t0)，pload(t1)等)旨在指示具体时间。因而，例如，时间t1还可被视为t＝t1。假设具体时间t0和t1使得t1-t0＝T＞0。T可以表示估计时间之间的时长。在实施例中，T是传输时间间隔的正整数倍，优选为1倍(例如TTI为10ms时)，但可以更大(例如，TTI为2ms时为5倍)。在示例性方法中，假设t＝t0时(或者简单地，t0时)的量的值是已知的(已测量、计算、接收、或以其他方式已确定)，并且t＝t1时一个或多个量的值已估计或预测。无线网络节点可以估计干扰与噪声和Pother(t1)+PN(t1)以获得t＝t1时适用的干扰与噪声和估计可至少基于负载使用概率估计和干扰与噪声和估计完成该估计。
现在讨论由无线网络节点执行一示例处理以获得负载使用概率估计并获得干扰与噪声和估计可以计算调度负载因子Lown(t1-TD)。这里，TD可以表示调度负载因子的计算与该调度在空中接口上起效时间之间的延时。调度负载因子Lown(t-TD)可以表示被调度为在t时由小区终端用于上行链路传输的无线资源准许的量。可以获得已使用的负载因子需要注意的是，已使用的负载因子可以表示在t时由小区终端用于上行链路传输的被调度无线资源准许的量。可以测量或者确定负载使用基于测量的负载使用可以获得负载使用概率估计并获得干扰与噪声和估计
现在讨论由无线网络节点执行另一示例处理以获得负载使用概率估计并获得干扰与噪声和估计可以测量总宽带功率yRTWP(t1)。基于测量的总宽带功率yRTWP(t1)，可以获得负载使用概率估计并且可以获得干扰与噪声和估计
现在讨论由无线网络节点执行一示例处理以获得干扰与噪声和估计基于负载使用概率估计和调度负载因子Lown(t0)，可以确定增益因子g(t1)。测量的总宽带功率yRTWP(t1)可被建模为以增益因子g(t1)加权的干扰与噪声和估计和测量不确定性eRTWP(t1)的组合。基于测量的总宽带功率yRTWP(t1)及其建模，可以获得干扰与噪声和估计
无线网络节点执行一示例处理以确定增益因子g(t1)。可以确定负载因子偏置ΔLown(t1)。负载因子偏置ΔLown(t1)可表示调度负载因子Lown(t)的误差。基于负载使用概率估计调度负载因子Lown(t)和负载因子偏置ΔLown(t1)，可以确定增益因子g(t1)。
一旦确定干扰与噪声和估计无线网络节点可以估计其他小区干扰Pother(t1)以获得其他小区干扰估计所述估计可至少基于干扰与噪声和估计和热噪声估计需要注意的是，干扰与噪声和Pother(t)+PN(t)可以表示自身小区负载Pown(t)以外的非希望信号的总和。
可以看出，一旦确定干扰与噪声和估计如果可以确定热噪声就可以得到其他小区干扰估计
现在讨论由无线网络节点执行一示例处理以估计其他小区干扰Pother(t1)。可以获得热噪声估计在一个实施例中，可以获得对应于感兴趣小区的热噪声本底估计作为热噪声估计可从干扰与噪声和估计中减去热噪声估计以获得其他小区干扰估计
现在讨论由无线网络节点执行另一示例处理以获得负载使用概率估计并获得干扰与噪声和估计可以使用适配用于估计的扩展卡尔曼滤波。负载使用概率估计以及干扰与噪声和估计可被建模为状态空间模型的状态向量x(t)中的第一和第二状态x1(t)＝pload(t)，x2(t)＝Pother(t)+PN(t)。在这种上下文中，状态空间模型可通过等式x(t+T)＝A(t)x(t)+B(t)u(t)+w(t)和y(t)＝c(x(t))+e(t)来表征。在这些等式中，x(t)表示状态向量，u(t)表示输入向量，y(t)表示输出测量向量，w(t)表示模型误差向量，e(t)表示测量误差向量，A(t)表示描述系统的动态模型的系统矩阵，B(t)表示输入增益矩阵，c(x(t))表示作为系统状态的函数的测量向量，t表示时间，T表示采样周期。因此，可以看出，状态空间模型中包含建模误差和测量误差。测量的总宽带功率yRTWP(t)和测量的负载使用yloadUtilization(t)可被建模在状态空间模块的输出测量向量y(t)中。可以获得预测的状态向量预测的状态向量包括第一和第二预测状态其值基于负载使用概率估计和干扰与噪声和估计在这种上下文中，预测的状态向量表示基于直到时间t-T可用的信息对状态向量x(t)的预测。回顾以上t1-t0＝T＞0。因而，预测的状态向量表示在t＝t1时基于直到时间t＝t0可用的信息对状态向量x(t)的预测。时间t＝t0可以是初始化时间或前一次迭代的时间。基于包括在t＝t1时适用的输出测量向量y(t1)中的一个或多个测量，可以更新预测的状态向量以获得估计的状态向量测量可以包括测量的接收总宽带功率yRTWP(t1)和负载使用yload(t1)。一般地，估计的状态向量表示基于直到时间t可用的信息对状态向量x(t)的估计。这一步骤对应于卡尔曼滤波器算法的调整步骤，其中，根据当前时间(例如t＝t1时)进行的测量，调整前一时间(例如t＝t0时)进行的预测。可以从估计的状态向量分别获得第一和第二估计的状态 作为负载使用概率估计和干扰与噪声和估计至少基于对应于感兴趣小区的动态模式，将估计的状态向量投影，以获得预测的状态向量t2-t1＝T。这里，预测的状态向量包括第一和第二预测状态和其值基于负载使用概率估计和干扰与噪声和估计这一步骤对应于卡尔曼滤波器算法的预测步骤，其中，基于当前信息预测将来状态。可以迭代地执行步骤。在一个实施例中，更新预测的状态向量和投影估计的状态向量的步骤包括执行卡尔曼滤波器处理以迭代地预测和更新状态向量x(t)，以获得估计的状态向量这里，估计的状态向量包括对应于负载使用概率估计和干扰与噪声和估计的第一和第二估计状态和除了被建模为第一和第二状态x1(t)＝pload(t)，x2(t)＝Pother(t)+PN(t)的负载使用概率和干扰与噪声和第三和第四状态x4(t)＝x1(t-T)也可以建模在状态空间模型的状态向量x(t)之中。第三状态可表示负载因子偏置，其表示调度负载因子Lown(t)的误差，并且第四状态x4(t)＝x1(t-T)可反映负载使用概率测量受到对应于采样周期T的延时的制约。如果不使用第三和第三状态，则不需要执行对负载因子偏置和延时建模的步骤，因此可认为是可选的。然而，优选使用第三和第四状态。
当第三和第四状态也被建模时，无线网络节点执行一示例处理来更新预测的状态向量在t＝t1时适用的测量的总宽带功率yRTWP(t1)可被建模为：
这里，TD可以表示调度的计算和调度在空中接口起效的时间之间的延时。并且，eRTWP(t)可以表示测量误差。t＝t1时适用的负载使用yloadUtilization(t1)可被建模为：
yloadUtilization(t1)＝x4(t1)+eloadUtilization(t1). (43)
再一次地，eloadUtilization(t)可以表示测量误差。可以获得在预测的状态向量附近的测量矩阵C(t1)。这里，预测的状态向量可以包括第一、第二、第三和第四预测状态 其基于直到t＝t0的数据来预测。在一个实施例中，通过确定在预测的状态向量附近线性化的测量矩阵C(t1)，使得可以获得测量矩阵C(t1)。至少基于测量矩阵C(t1)、测量误差向量e(t1)、和对应于预测的状态向量的预测的协方差矩阵P(t1|t0)，可以获得卡尔曼增益矩阵Kf(t1)。在一个实施例中，通过以下等式可以确定卡尔曼增益矩阵Kf(t1)：
Kf(t1)＝P(t1|t0)CT(t1)(C(t1)P(t1|t0)CT(t1)+R2(t1))-1 (44)
其中，CT(t)是测量矩阵C(t)的转置，且(R2(t))是对应于测量误差向量e(t)的测量协方差矩阵。至少基于卡尔曼增益矩阵Kf(t1)、输出测量向量y(t1)、和测量向量c(x(t1))可以更新预测的状态向量以获得估计的状态向量估计的状态向量可包括第一、第二、第三和第四估计状态在一个实施例中，通过以下确定获得估计的状态向量
这里，y(t1)是测量向量，其组成包括接收的总宽带功率测量和负载使用测量。至少基于卡尔曼增益矩阵Kf(t1)和测量矩阵C(t1)，可以更新预测的协方差矩阵P(t1|t0)，以获得与估计的状态向量对应的更新协方差矩阵P(t1|t1)。在一个实施例中，通过以下确定获得更新的协方差矩阵P(t1|t1)：
P(t1|t1)＝P(t1|t0)-Kf(t1)C(t1)P(t1|t0). (46)
当存在第一至第四状态时，投影估计的状态向量可包括：至少基于系统矩阵A(t1)，投影估计的状态向量以获得预测的状态向量这里，预测的状态向量包括第一、第二、第三和第四预测状态然后，可以投影更新的协方差矩阵P(t1|t1)，以至少基于系统矩阵A(t1)和系统噪声协方差矩阵R1(t1)，获得预测的协方差矩阵P(t2|t1)。通过确定可以获得预测的状态向量并且，通过确定P(t2|t1)＝AP(t1|t1)AT+R1(t1)，可以获得预测的协方差矩阵P(t2|t1)，其中AT是系统矩阵A(t)的转置。需要注意的是，输入增益矩阵B(t)可设置为0。
以上讨论的非线性其他小区干扰算法的优点的非穷举列举包括：
·向其他小区干扰提供对应于半TTI的带宽(之所以是一半是因为著名的Nyqvists定理，即，以一定速率采样的信号只能表示带宽与该速率的一半相对应的信号，或者发生所谓的混淆(aliasing))。常规算法通常具有对应于大约几十TTI的带宽。
·提供比常规算法明显更精确的估计。
·提供扩展范围，以提供有用的其他小区干扰估计，达到大约15dB平均RoT的总干扰电平。以前的算法仅在其他小区干扰功率处于确实低于15dB平均RoT干扰电平的较小带域中时提供有用的精度。
·另一个优点是，提供可以增强调度器的性能和总HetNet干扰管理的负载使用概率和其他小区干扰。这能够导致以下优点(等)：
·增强整个移动宽带蜂窝系统的性能。
·通过在无线接入网(RAN)和核心网(CN)的中央节点上提供其他小区干扰电平，简化网络干扰管理。
·在无线网络(例如WCDMA)中实现自组织网络(SON)功能。这些功能可依赖于对不同小区中干扰情况的了解。
以上讨论的非线性其他小区干扰算法解决了问题1，提供一种算法，其同时
·提供了不准确度低于10-20％的其他(例如相邻)小区干扰估计，并且在感兴趣功率和负载范围上，以接近TTI带宽提供。
·考虑了高带宽测量负载使用(本文也称为测量的负载使用概率)。这一点是有利的，因为WCDMA无线设备(UE)可以也可以不使用网络节点的增强上行链路调度器(EUL)准许(调度)的功率。这可能导致负载预测步骤的不准确，其中调度器使其调度决定基于对其调度业务的结果空中接口负载的预测。
然而，以上讨论的非线性其他小区干扰算法可方便地进一步改进，从而可以解决以下的潜在问题2-5：
2.即便基础卡尔曼滤波器，其数值稳定性也依赖于卡尔曼滤波器增益计算中执行矩阵求逆的可能性。因而，在卡尔曼滤波器增益矩阵计算期间，存在矩阵被0除的风险。由于扩展卡尔曼滤波器(EKF)的处理是非线性的，因此该风险对于EKF可能更高。
3.非线性测量等式在总负载等于1时出现奇异值。因此，确保与该奇异值始终存在小的裕量是方便的。
4.需要Riccati等式(P-矩阵预测和更新)的正定性，以避免算法中的数值问题。没有为EKF自动保证这一点。
5.可能需要对其他小区干扰算法的所有估计状态和预测输出进行检查，以便它们处于期望范围内，例如，负载使用概率应优选保持在0和1之间。
需要注意的是，需要解决这里讨论的计算问题2-5，以便为网络节点获得功能上部署的其他小区干扰算法。
根据本公开，通过如下在其他小区干扰算法中引入“安全网(safety nets)”，可以解决潜在问题2-5中的任一个(数字指代以上相对应的潜在问题2-5)：
2.检查卡尔曼滤波器增益计算的矩阵求逆的安全网，其避免被0除或者接近于被0除的情况。针对用于干扰与噪声和估计的4状态/2测量EKF，可执行该检查。
3.检查出现在例如4状态/2测量EKF的非线性测量等式中的估计状态的安全网，其确保非线性测量等式计算与该测量等式中针对总负载等于1出现的奇点具有足够裕量。
4.针对例如用于干扰与噪声和估计的4状态/2测量EKF，确保Riccati等式(P-矩阵预测和更新)正定的安全网，从而确保EKF算法的稳定性。
5.检查所有估计状态和预测输出在期望范围内的安全网，例如，负载使用概率需保持在0和1之间，所述状态和输出是例如用于干扰与噪声和估计的4状态/2测量EKF的状态和输出。
这些安全网的任意或全部可以与其他小区干扰估计算法一起使用。
因此，提供了一种其他小区干扰估计算法，其使用负载使用和总宽带接收上行链路功率的测量、以及计算的自身小区负载，估计网络节点自身小区所受的所有其他小区干扰的总和。算法可运行在RBS基带中。算法可以是非线性4状态/2测量扩展卡尔曼滤波器(EKF)，其利用以上安全网，确保在比其他可能情况宽得多的操作范围上的完美执行。需要强调的是，如果不实现本文公开的安全网，算法有可能崩溃。
需要注意的是，除了上文讨论的EKF算法的示例，这些安全网还可适配用于不同的其他小区干扰估计算法。
以下，鉴于以上有关潜在问题2-5的讨论，进一步限定本公开发明内容部分的方面的一些实施例。
在一些实施例中，检查包括检查估计的负载使用概率是否比1小第一边界并且比0大第二裕量。这些实施例与解决以上问题3和5尤其相关。
在一些实施例中，算法值表示包括RTWP非线性测量的分母的试探更新步长，其中检查包括检查所述算法值是否比0大第三裕量，并且比1小第四裕量。这些实施例与解决以上问题5尤其相关。
在一些实施例中，扩展卡尔曼滤波器(EKF)算法用于负载使用概率的估计和/或其他小区干扰的估计。使用EKF算法是可以有益地应用本公开的情况的示例。
在一些实施例中，检查包括检查卡尔曼滤波器增益矩阵计算的矩阵是否具有比0大第五裕量的尺寸，从而避免接近被0除。这些实施例与解决以上问题2尤其相关。
在一些实施例中，检查包括检查用于估计负载使用概率和估计干扰与噪声和的Riccati等式的协方差矩阵是否以第六裕量具有正定性。这些实施例与解决以上问题4尤其相关。
在一些实施例中，估计所测量的RTWP的热噪声分量。然后，其他小区干扰的估计还可以方便地基于估计的热噪声。测量的UL RTWP可包括/包含构成RTWP的不同部分。RTWP可被分为，例如，热噪声部分、自身小区部分(即，源于网络节点的自身小区所服务的无线设备的总UL功率)和其他小区干扰部分(即，源于其他(例如相邻)小区所服务的无线设备的总UL功率)。因而，估计热噪声可以有助于其他小区干扰的估计。
图3示意性示出了本公开的无线网络节点300(例如无线基站，RBS)的实施例。节点300可被配置用于WCDMA标准。节点300包括处理器301，例如中央处理单元(CPU)。处理器301可包括微处理器形式的一个或多个处理单元。然而，处理器310中可以包括具有计算能力的其他合适设备，例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者复杂可编程逻辑器件(CPLD)。处理器301被配置为运行存储在存储单元302(例如存储器)中的一个或多个计算机程序或软件。存储单元被认为是计算机可读装置，其形式可以是例如，随机存取存储器(RAM)、闪存或其他固态存储器、或者硬盘。处理器301还被配置为根据需要在存储单元302中存储数据。节点300还包括发射机303、接收机304和天线305，其可以组合形成收发机或者在节点300内作为独立单元存在。发射机303被配置为与处理器协作，以根据发送数据比特的无线接入网(RAN)所使用的无线接入技术(RAT)，将要在无线接口上发送的数据比特转换为合适的无线信号。接收机304被配置为与处理器301协作，以将接收的无线信号转换为发送的数据比特。天线305可包括单个天线或者用于不同频率和/或MIMO(多输入多输出)通信的多个天线。发射机303和接收机304使用天线305以分别发送和接收无线信号。节点300还可以包括用于与无线网络(例如，核心网CN)通信的网络接口(未示出)。以下结合图6讨论节点300的其他部分和功能，例如调度器601。
图4示意性示出了本公开的无线设备400的实施例。无线设备400可以是能够在通信网络的无线信道上通信的任意移动或静止设备，例如但不限于，移动电话、智能电话、调制解调器、传感器、仪表、车辆、家用电器、医用器械、媒体播放器、相机、或者任意类型的消费电子产品，例如但不限于，电视、收音机、照明装置、平板电脑、笔记本电脑或PC。本文中无线设备400也称为或例示为用户设备(UE)或终端。无线设备400包括处理器或中央处理单元(CPU)401。处理器401可包括微处理器形式的一个或多个处理单元。然而，可以使用具有计算能力的其他合适设备，例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者复杂可编程逻辑器件(CPLD)。处理器401被配置为运行存储在存储单元或存储器402中的一个或多个计算机程序或软件。存储单元被认为是计算机可读装置，其形式可以是例如，随机存取存储器(RAM)、闪存或其他固态存储器、或者硬盘。处理器401还被配置为根据需要在存储单元402中存储数据。无线设备400还包括发射机403、接收机404和天线405，其可以组合形成收发机或者在终端101内作为独立单元存在。发射机403被配置为与处理器协作，以根据发送数据比特的无线接入网(RAN)所使用的无线接入技术(RAT)，将要在无线接口上传输的数据比特转换为合适的无线信号。接收机404被配置为与处理器401协作，以将接收的无线信号转换为发送的数据比特。天线405可包括单个天线或者用于不同频率和/或MIMO(多输入多输出)通信的多个天线。发射机403和接收机404使用天线405以分别发送和接收无线信号。
图5示出了一种计算机程序产品500。计算机程序产品500包括计算机可读介质502，介质包括计算机可执行组件501形式的计算机程序501。计算机程序/计算机可执行组件501可被配置为使无线网络节点300(如本文时论的用于估计无线网络节点300中的其他小区干扰的无线网络节点300，所述无线网络节点300提供为无线网络中的至少一个无线设备400服务的自身小区)执行本公开方法的实施例。计算机程序/计算机可执行组件可运行在节点300的处理单元301上，使得节点执行方法。计算机程序产品500可包括在，例如，存储单元或存储器301之中，所述存储单元或存储器301包括在节点300中并与处理单元301关联。备选地，计算机程序产品可以是独立的(例如移动的)存储装置或其部分，例如计算机可读盘(例如CD或DVD或硬盘/驱动)、或者固态存储介质(例如RAM或闪存)。
图6示意性示出了本公开网络节点300的实施例。处理器/处理电路301包括用于执行本公开方法的多个功能。这些功能被认为与节点300的基带子系统有关。处理功能包括调度器601，其被配置为调度UL资源给网络节点/RBS 300所服务的无线设备400。因而，调度器601调度自身小区的总UL负载。如上文所讨论的，节点包括被配置为接收无线信号的天线305。功率计602被配置为测量经由天线305接收的无线信号发送的RTWP。此外，TFCI解码器606被配置为解码经由天线305接收的无线信号发送。另一个功能是负载使用计607，其被配置为测量由自身小区服务的所有无线设备使用的总负载(与调度器601调度的总负载相关地结合)。另一个功能是EKF接口估计器604，其被配置为，通过与安全网功能608协作的EKF算法，估计负载使用概率和干扰与噪声和，安全网功能608被配置为提供用于控制算法的安全网(例如上文讨论的安全网205的一个或多个或全部)。EKF干扰估计器604被配置为基于负载使用计607和功率计602的输出的输入进行估计。还存在N0估计器，其被配置为估计经由天线305接收的信号发送的热噪声。因而，减法单元功能605可被配置为，从EKF干扰估计器604做出的估计中减去热噪声。因而，减法单元605可输出针对热噪声调整的估计的其他小区干扰功率。估计的其他小区干扰值和/或估计的负载使用被回馈到调度器，用于以递归方式改善调度。
图7是本公开方法的实施例的流程图。测量701负载使用，所述负载使用与至少一个被服务无线设备使用的负载有关。负载是自身小区服务的无线设备使用的总负载，并且所述负载与所述无线设备的总调度负载有关，其中负载为1意味着使用了100％的调度负载。基于测量701的负载使用，估计702负载使用概率，可选地，还基于先前估计的负载使用概率和/或先前估计的干扰与噪声和，使得估计702是递归估计。接着，基于测量701的负载使用和估计702的负载使用概率，估计703干扰与噪声和，并且可选地基于测量901(参见图9)的接收总宽带功率(RTWP)和/或先前估计的干扰与噪声和，使得估计703是递归估计。在估计702和/或703之前、期间、之间或之后，为所述估计应用本文讨论的安全网，以控制其他小区干扰算法。这包括检查704估计702的负载使用概率和/或估计703的干扰与噪声和和/或从任一估计导出的任一算法值是否在预定范围内。从估计导出算法值意味着所述值在算法中受到估计的影响。该值可能需要在预定范围内，以使算法正确操作。
图8是示出图7中检查步骤704的不同可选部分的流程图。可以使用这些部分的一个、一些或全部，并且如果使用多于一个，则它们并行或顺序或混合地执行。它们不必按与图8的示例相同的顺序执行。在一个部分中，图7的检查704包括检查801估计的负载使用概率是否比1小第一裕量并且比0大第二裕量。在另一个部分中，图7的检查704包括检查804算法值是否比0大第三裕量并且比1小第四裕量。在另一个部分中，图7的检查704包括检查802卡尔曼滤波器增益矩阵计算的矩阵是否具有比0大第五裕量的尺寸，从而避免接近被0除。在另一个部分中，图7的检查704包括检查803用于估计702负载使用概率的和估计703干扰与噪声和的Riccati等式的协方差矩阵是否以第六裕量具有正定性。应当注意的是，在文中当表示第一至第六裕量时，术语“第一”、“第二”等仅用于使裕量相互区分。因而，例如，在没有使用第一至第五裕量等时，可以使用第六裕量。
图9是示出了本公开方法的另一个实施例的流程图。测量901ULRTWP。测量701负载使用，所述负载使用与至少一个被服务无线设备使用的负载有关。负载是自身小区服务的无线设备使用的总负载，并且所述负载与所述无线设备的总调度负载有关，其中负载为1意味着使用了100％的调度负载。基于测量701的负载使用，估计702负载使用概率，可选地，还基于先前估计的负载使用概率和/或先前估计的干扰与噪声和，使得估计702是递归估计。测量热噪声902。基于测量701的负载使用、估计702的负载使用概率、估计902的热噪声和测量901的接收总宽带功率(RTWP)和/或先前估计的干扰与噪声和，估计703干扰与噪声和，使得估计703是递归估计。在估计702和/或703之前、期间、之间或之后，为所述估计应用本文讨论的安全网，以控制其他小区干扰算法。这包括检查704估计702的负载使用概率和/或估计703的干扰与噪声和和/或从任一估计导出的任一算法值是否在预定范围内，如上文所讨论的。
示例1
图10是示出了算法(28)的实施例的流程图，其在上文已讨论，用于计算如等式(41)给出的其他小区干扰估计：
根据这个示例，不使用安全网地执行算法。
1001，初始化EKF，分量为且P(0|-1)＝P0。1002，时间增加一个TTI。1003，计算卡尔曼增益。1004，执行状态和协方差更新。然后，使用1004执行更新的输出，递归获得1006减去估计的热噪声后估计的其他小区干扰。执行1004更新的输出还用于执行1005状态和协方差传播，并且通过反馈环路回到时间增加一个TTI的步骤1002。
示例2
如上所述，上文公开的扩展卡尔曼滤波器可要求安全网，以确保在更宽的运行条件下运行良好的操作。
802，检查矩阵求逆(与上文问题2有关)：
在计算卡尔曼滤波器增益前，在等式(28)中执行以下检查：
|(CPCT+R2)11(t)(CPCT+R2)22(t)-((CPCT+R2)12(t))2|＞0 (47)
如果检查不通过，则无法执行卡尔曼滤波器增益计算。启动计时器，并且如果在预配置数量的TTI期间问题一直存在，则重新发起并重启动EKF。参见图11。
图11是示出示例2的实施例的流程图。1001，初始化EKF，分量为且P(0|-1)＝P0。1002，时间增加一个TTI。然后1101，应用等式(43)。802，检查与0的差在第五裕量以上还是以下(如本文所讨论的)。如果差在第五裕量以上，1102停止计时器(如其在运行)。然后，1003，计算卡尔曼增益，如示例1。1004，执行状态和协方差更新。然后，使用1004执行更新的输出，递归获得1006减去估计的热噪声后估计的其他小区干扰。执行1004更新的输出还用于执行1005状态和协方差传播，并且通过反馈环路回到时间增加一个TTI的步骤1002。如果差在第五裕量以下，1103，启动计时器(或者1102不停止)。计时器持续运行，直到获得足够的裕量或者计时器期满1104，这时，如反馈回路所示，回到时间增加一个TTI的步骤1002，重新发起并重启动EKF。
示例3
检查在EKF中用于RTWP的测量等式中的除数(与以上问题3有关)：
在EKF中，每次迭代时执行状态更新。为确保此更新，检查用于RTWP的非线性测量等式具有与负载1的足够裕量。此外，检查分母为正。用于等式(41)的检查为：
如果检查不通过，不执行更新。Llower和Lupper是表示对负载有效的安全限制，参见图12。
图12是示出示例3的实施例的流程图。1101，初始化EKF，分量为且P(0|-1)＝P0。1002，时间增加一个TTI。然后1201，应用等式(48)。801，检查与1的测量等式裕量是否在第一裕量以上，并且与0的测量等式裕量是否在第二裕量以上。如果满足条件，1102停止计时器(如其在运行)。然后，计算卡尔曼增益，1003，如示例1。1004，执行状态和协方差更新。然后，使用1004执行更新的输出，递归获得1006减去估计的热噪声后估计的其他小区干扰。执行1004更新的输出还用于执行1005状态和协方差传播，并且通过反馈环路回到时间增加一个TTI的步骤1002。如果条件不满足，跳过执行1004状态和协方差更新的步骤。备选地，如果条件不满足，启动计时器(或者1102不停止)。然后计时器持续运行，直到获得足够的裕量或者计时器期满1104，这时，如反馈回路所示，回到时间增加一个TTI的步骤1002，重新发起并重启动EKF。
示例4
804，试探状态更新(与以上问题5有关)：
在实际更新执行前，计算试探更新状态变量，并通过多种方式检查试探更新状态的范围。还检查用于RTWP的非线性测量等式在试探更新后不接近被0除。
检查包括：
如果检查804不符合，不执行更新并启动计时器。如果检查在预配置数量的连续TTI中不符合，重初始化并重启动EKF。plower和pupper是表示负载使用的安全限制的参数。Plower表示其他小区和热噪声功率的估计和的下限，而fupper因子确保扩展卡尔曼滤波器的功率估计总有界。需要注意的是，后一个安全网对处理任意估计器不稳定性非常重要。Llower和是表示对负载有效的安全限制的参数。参见图13。
图13是示出了示例4的实施例的流程图。1001，初始化EKF，分量为且P(0|-1)＝P0。1002，时间增加一个TTI。然后1301，应用等式(49)、(50)、(51)。804，检查等式(49)、(50)、(51)的条件是否满足。如果条件满足，1102，停止计时器(如其在运行)。然后，1003，计算卡尔曼增益，如示例1。1004，执行状态和协方差更新。然后，使用执行1004更新的输出，递归获得1006减去估计的热噪声后估计的其他小区干扰。执行更新1004的输出还用于执行1005状态和协方差传播，并且通过反馈环路回到时间增加一个TTI的步骤1002。如果条件不满足，1103，启动计时器(或者1102不停止)。然后，计时器持续运行，直到获得足够的裕量或者计时器期满1104，这时，如反馈回路所示，回到时间增加一个TTI的步骤1002，重新发起并重启动EKF。
示例5
通用数值属性(与以上问题4和Riccati等式的检查803有关)
EKF的P-矩阵迭代需保持正定性和对称性，以使EKF保持稳定。由于EKF等式(28)假设对称性并且只更新P-矩阵迭代的上三角(或等同地，下三角)部分，所以对称性自动保持。然而，正定性保持是一个有难度的问题。
现在，目前所执行的所有MATLAB仿真都表明算法(28)没有正定性问题。然而，这不是证明。此外，MATLAB仿真使用双精度浮点计算，因此，数值问题不太可能影响结果。然而，产品实现带来以定点算术实现的需要。这时，这种实现必须针对P-矩阵等式非常仔细地执行，针对这些部分可能需要使用8字节定点计算——在这里定义为安全网这一事实。
在其他安全网被认为是必需的情形中，可能需要特征值计算，其他方案可使用基于范围的检测，并在使用后重置。考虑滤波器阶被限制为4，特征值计算可能可行。
示例6-仿真结果
数据生成的基础是在高保真系统仿真器中生成的UL功率文件的大集合。这些文件表示突发业务，其包括不同负载等级的语音和数据业务的变化混合。
然后，通过生成UL功率分量(例如自身小区业务、其他/相邻小区业务、热噪声和累计RTWP)的MATLAB代码以不同方式将这些数据文件组合。还计算自身小区的负载因子。用户可以例如：
·关于热噪声本底电平，选择分量的平均功率电平。
·选择用于其他小区干扰的相邻小区(其他小区)的数量。
·使自身小区的负载使用概率在两个限制间固定或者变化。
·负载因子/使用的环路延时(与准许环路延时有关)。
·设置日常负载模式，并通过随机算法每天扰动。
为性能仿真，使用实现公开算法的MATLAB参考代码。每一次运行720000个10ms的TTI，即，2小时业务。负载使用概率变化。变化非常迅速的，每几个TTI就有改变。其他小区干扰和自身小区的平均功率电平在仿真之间也有改变，即负载因子偏置。
采用安全网的EKF性能
图14和15表示超高平均RoT(热抬升)情形。图14的时间图示出了算法的安全网此时开始并在相对长的时段内限制估计器操作。图15中15和20dB之间的拐点与负载因子安全网有关，防止估计的总负载因子超过0.99。
以上已参考一些实施例大致描述了本发明。然而，本领域技术人员容易理解，除了以上公开的实施例，其他实施例同样可能在由所附专利权利要求界定的本发明的范围内。

Claims (10)

1.一种用于估计无线网络节点(300)中的其他小区干扰的方法，所述无线网络节点提供为无线网络中的至少一个无线设备(400)服务的自身小区，所述方法包括：
测量(701)负载使用，所述负载使用与所述至少一个无线设备使用的负载有关；
至少基于测量(701)的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计(702)负载使用概率；
至少基于测量(701)的负载使用、测量(901)的接收总宽带功率RTWP、估计(702)的负载使用概率以及先前估计的干扰与噪声和，估计(703)干扰与噪声和；
检查(704)估计(702)的负载使用概率和/或估计(703)的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内；以及
估计所述RTWP的热噪声部分，并从所估计的干扰与噪声和中减去所估计的热噪声，以获得估计的其他小区干扰。
2.根据权利要求1所述的方法，其中所述检查(704)包括：检查(801)估计的负载使用概率是否比1小第一裕量并且比0大第二裕量。
3.根据权利要求1或2所述的方法，其中所述算法值表示试探更新步长，所述试探更新步长包括RTWP的非线性测量的分母，其中所述检查(704)包括：检查(804)所述算法值是否比0大第三裕量并且比1小第四裕量。
4.根据权利要求1或2所述的方法，其中扩展卡尔曼滤波器EKF算法用于估计(702)负载使用概率和估计(703)干扰与噪声和。
5.根据权利要求4所述的方法，其中所述检查(704)包括：检查(802)卡尔曼滤波器增益矩阵计算的矩阵是否具有比0大第五裕量的尺寸，从而避免接近被0除。
6.根据权利要求4所述的方法，其中所述检查(704)包括：检查(803)用于估计(702)负载使用概率和估计(703)干扰与噪声和的Riccati等式的协方差矩阵是否以第六裕量具有正定性。
7.根据权利要求1或2所述的方法，还包括：
估计(902)测量(901)的RTWP的热噪声分量；
其中对其他小区干扰的估计(703)基于估计的热噪声。
8.一种无线网络节点(300)，被配置用于提供为无线网络中的至少一个无线设备服务的自身小区，所述节点包括：
发射机(303)和接收机(304)，用于通过无线接口与所述至少一个无线设备(400)通信；
处理器(301)；以及
存储指令的存储单元(302)，当指令被处理器(301)执行时，使所述节点：
测量(701)负载使用，所述负载使用与所述至少一个无线设备(400)使用的负载有关；
至少基于测量(701)的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计(702)负载使用概率；
至少基于测量(701)的负载使用、测量(901)的接收总宽带功率RTWP、估计(702)的负载使用概率以及先前估计的干扰与噪声和，估计(703)干扰与噪声和；
检查(704)估计(702)的负载使用概率和/或估计(703)的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内；以及
估计所述RTWP的热噪声部分，并从所估计的干扰与噪声和中减去所估计的热噪声，以获得估计的其他小区干扰。
9.一种无线网络节点(300)，被配置用于提供为无线网络中的至少一个无线设备(400)服务的自身小区，所述节点包括：
用于测量(701)负载使用的装置(301，607)，所述负载使用与所述至少一个无线设备(400)使用的负载有关；
用于至少基于测量(701)的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计(702)负载使用概率的装置(301)；
用于至少基于测量(701)的负载使用、测量(901)的接收总宽带功率RTWP、估计(702)的负载使用概率以及先前估计的干扰与噪声和，估计(703)干扰与噪声和的装置(301)；
用于检查(704)估计(702)的负载使用概率和/或估计(703)的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内的装置(301，608)；以及
用于估计所述RTWP的热噪声部分，并从所估计的干扰与噪声和中减去所估计的热噪声，以获得估计的其他小区干扰的装置(301)。
10.一种无线网络节点(300)，被配置用于提供为无线网络中的至少一个无线设备(400)服务的自身小区，所述节点包括：
测量电路(301，607)，被配置用于测量(701)负载使用，所述负载使用与所述至少一个无线设备(400)使用的负载有关；
处理电路(301)，被配置用于至少基于测量(701)的负载使用、先前估计的负载使用概率以及先前估计的干扰与噪声和，估计(702)负载使用概率；
处理电路(301)，被配置用于至少基于测量(701)的负载使用、测量(901)的接收总宽带功率RTWP、估计(702)的负载使用概率以及先前估计的干扰与噪声和，估计(703)干扰与噪声和；
处理电路(301，608)，被配置用于检查(704)估计(702)的负载使用概率和/或估计(703)的干扰与噪声和和/或从所述估计中的任一个导出的任一算法值是否在预定范围内；以及
处理电路(301)，被配置用于估计所述RTWP的热噪声部分，并从所估计的干扰与噪声和中减去所估计的热噪声，以获得估计的其他小区干扰。
CN201280077267.XA 2012-11-23 2012-11-23 用于估计其他小区干扰的方法和无线网络节点 Active CN104854804B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2012/051299 WO2014081362A1 (en) 2012-11-23 2012-11-23 Other cell interference estimation

Publications (2)

Publication Number Publication Date
CN104854804A CN104854804A (zh) 2015-08-19
CN104854804B true CN104854804B (zh) 2017-05-31

Family

ID=50776398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280077267.XA Active CN104854804B (zh) 2012-11-23 2012-11-23 用于估计其他小区干扰的方法和无线网络节点

Country Status (4)

Country Link
US (1) US9578535B2 (zh)
EP (1) EP2923521B1 (zh)
CN (1) CN104854804B (zh)
WO (1) WO2014081362A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9794891B2 (en) 2013-03-22 2017-10-17 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus relating to interferece estimation in cellular communication networks
US9888398B2 (en) * 2013-03-22 2018-02-06 Telefonaktiebolaget Lm Ericsson (Publ) Interference estimation and devices therefore
WO2016133438A1 (en) * 2015-02-19 2016-08-25 Telefonaktiebolaget Lm Ericsson (Publ) First network node, second network node, first wireless device and methods therein, for determining a prediction of an interference

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1735261A (zh) * 2004-08-12 2006-02-15 华为技术有限公司 移动通信系统中上行负载估计方法
CN101248590A (zh) * 2005-08-26 2008-08-20 艾利森电话股份有限公司 用于噪声增量估计的方法和装置
CN101772972A (zh) * 2007-08-06 2010-07-07 Lm爱立信电话有限公司 Lte系统中的ofdma上行链路干扰影响恢复
CN102484542A (zh) * 2009-09-08 2012-05-30 瑞典爱立信有限公司 无线通信中的负载估计
CN102577204A (zh) * 2009-10-02 2012-07-11 瑞典爱立信有限公司 基于无线通信系统中噪声和干扰的统计分布的链路自适应
CN102656812A (zh) * 2009-12-10 2012-09-05 瑞典爱立信有限公司 无线通信中的负载估计

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1938636B1 (en) * 2005-09-30 2014-07-30 Telecom Italia S.p.A. Method for planning a cellular mobile telecommunications network
US7912461B2 (en) 2005-11-11 2011-03-22 Telefonaktiebolaget L M Ericsson (Publ) Complexity reduction in power estimation
EP1958474B1 (en) * 2005-11-21 2009-07-08 Telecom Italia S.p.A. Method for planning a cellular mobile telecommunications network
US7660279B2 (en) 2006-01-27 2010-02-09 Alcatel-Lucent Usa Inc. Method of scheduling uplink resource in a wireless communication system
KR100902266B1 (ko) 2006-11-03 2009-06-10 삼성전자주식회사 이동통신 시스템에서 역방향 데이터 전송률을 제어하기위한 장치 및 방법
WO2011119075A1 (en) 2010-03-23 2011-09-29 Telefonaktiebolaget L M Ericsson (Publ) Uplink load prediction using kalman filters
EP2649737B1 (en) 2010-12-10 2017-02-15 Telefonaktiebolaget LM Ericsson (publ) Power control loop stability monitoring
WO2013043093A1 (en) * 2011-09-23 2013-03-28 Telefonaktiebolaget L M Ericsson (Publ) A radio network node, a controlling radio network node, and methods therein for enabling management of radio resources in a radio communications network
EP2850889B1 (en) 2012-05-17 2016-08-10 Telefonaktiebolaget LM Ericsson (publ) A method and a first network node for controlling load
US9020548B2 (en) * 2012-06-04 2015-04-28 Telefonaktiebolaget L M Ericsson (Publ) Other cell interference estimation
US9549408B2 (en) * 2012-06-04 2017-01-17 Telefonaktiebolaget Lm Ericsson (Publ) Interference congestion control
US9301172B2 (en) * 2012-10-19 2016-03-29 Telefonaktiebolaget Lm Ericsson (Publ) Method, apparatus, and system for interference and noise estimation
WO2014081371A1 (en) * 2012-11-26 2014-05-30 Telefonaktiebolaget L M Ericsson (Publ) Method apparatus and system for interference metric signalling
US9007947B2 (en) * 2013-02-25 2015-04-14 Telefonaktiebolaget L M Ericsson (Publ) Grant utilization based other cell interference estimation
US9794891B2 (en) * 2013-03-22 2017-10-17 Telefonaktiebolaget Lm Ericsson (Publ) Method and apparatus relating to interferece estimation in cellular communication networks
US9001686B2 (en) * 2013-03-29 2015-04-07 Telefonaktiebolaget L M Ericsson (Publ) Interference estimation with TDM

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1735261A (zh) * 2004-08-12 2006-02-15 华为技术有限公司 移动通信系统中上行负载估计方法
CN101248590A (zh) * 2005-08-26 2008-08-20 艾利森电话股份有限公司 用于噪声增量估计的方法和装置
CN101772972A (zh) * 2007-08-06 2010-07-07 Lm爱立信电话有限公司 Lte系统中的ofdma上行链路干扰影响恢复
CN102484542A (zh) * 2009-09-08 2012-05-30 瑞典爱立信有限公司 无线通信中的负载估计
CN102577204A (zh) * 2009-10-02 2012-07-11 瑞典爱立信有限公司 基于无线通信系统中噪声和干扰的统计分布的链路自适应
CN102656812A (zh) * 2009-12-10 2012-09-05 瑞典爱立信有限公司 无线通信中的负载估计

Also Published As

Publication number Publication date
EP2923521A1 (en) 2015-09-30
US20150281992A1 (en) 2015-10-01
US9578535B2 (en) 2017-02-21
CN104854804A (zh) 2015-08-19
EP2923521B1 (en) 2017-03-01
EP2923521A4 (en) 2015-11-04
WO2014081362A1 (en) 2014-05-30

Similar Documents

Publication Publication Date Title
US9301172B2 (en) Method, apparatus, and system for interference and noise estimation
US8717924B2 (en) Method and arrangement for load management in heterogeneous networks with interference suppression capable receivers
US9516528B2 (en) Method for estimating interference within a serving cell, user equipment, computer program and computer program products
KR102316996B1 (ko) 간섭 제거 방법 및 그 장치
US9020548B2 (en) Other cell interference estimation
EP2510630B1 (en) Load estimation in wireless communication
CN104854804B (zh) 用于估计其他小区干扰的方法和无线网络节点
US9001686B2 (en) Interference estimation with TDM
US20150092562A1 (en) Method and a First Network Node for Controlling Load
US9007947B2 (en) Grant utilization based other cell interference estimation
EP2976921B1 (en) Interference estimation and devices therefore
US9439201B2 (en) Interference cancellation
US9794891B2 (en) Method and apparatus relating to interferece estimation in cellular communication networks
Entezari et al. Coverage and rate analysis in cellular networks with Nakagami-Lognormal fading channel employing soft frequency reuse
Irshad et al. Rise over Thermal Estimation Algorithm Optimization and Implementation

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant