CN105531600A - 无线网络中用于用户速度估计的时间分析 - Google Patents

Abstract

一种用于估计连接到无线网络的基站的用户设备的速度的方法，所述方法包括以下步骤：测量用户设备和基站之间发送的信号的功率；计算所测得的信号功率相对于时间的导数；计算所计算的导数的标准差；从先前建立的参考数据估计对应于所计算的标准差的用户设备的速度，该参考数据将给定的用户设备速度与一定的所计算的标准差相关联。

Description

无线网络中用于用户速度估计的时间分析

技术领域

本发明涉及用于估计连接到无线网络的用户设备的速度的方法和系统。

背景技术

如本文所使用的，术语“用户设备”旨在广泛且非限制性地包括任何用户终端或者，更一般地，任何能连接到无线网络的设备(例如，移动电话、个人数字助理、智能电话，平板电脑)。

“用户速度”在这里意为用户的或，更普遍地，具有附着到无线网络的服务基站的用户设备的实体的实际速度。例如，具有移动电话的用户速度，或包括连接到无线网络的设备的车辆的速度。

该无线网络可以是任何可以支持与其相连的用户设备的移动性的蜂窝或广域网(例如WiMAX、3G、CDMA、LTE等)。

估计用户速度在这样的无线网络中是非常有益的。事实上，对于其中包括移动性和无线资源管理的不同的无线网络功能，用户速率(uservelocity)是关键参数。有效地估计用户速度对无线网络性能和因此提供的服务质量(QoS)有很高的影响。

例如，关于移动性管理，切换成功率至用户速度的直接联系是明显的：用户速度越高，越区切换频率就越高，掉话风险越大(N.Yaakobetal.,“InvestigatingMobileMotionPredictioninSupportingSeamlessHandoverforHighSpeedMobileNode”,ProceedingsoftheInternationalConferenceonComputerandCommunicationEngineering2008)。因此，切换参数(偏移、滞后、定时器和滤波系数)的最优调整是速度依赖的。

V.Kavitha等人提出的分析框架。(“SpatialQueuingforanalysis,designanddimensioningofPicocellnetworkswithmobileusers”,Performanceevaluation,2011年8月)示出了切换失败和小区尺寸对用户速度的依赖性。

同样，关于无线资源管理，最合适的调度方案，无论是频率选择性与否，均依赖用户速率。频率选择性调度通常优选低的用户速度。否则，由于高多普勒(Doppler)条件，该频率依赖的信道信息不够准确。高速度下，频率分集调度是优选的。

因此，正如上面所强调的非排他性示例，对于优化多个网络机制，需要关于用户速率的准确信息。

至今，无线网络中的用户速度估计的解决方案是低效的，并且由于各种原因不符合精度需求。

那些基于捕捉所接收到的信号强度测量的速度依赖的短期变化的方案在测量的周期高于这些快速变化的相干持续时间时是低效的。

实际上，关于测量的采样频率，现有方法主要旨在分析速度依赖的快衰落特征：从快衰落信道的协方差或功率谱得到多普勒频率。但是，奈奎斯特(Nyquist)定理要求测量值的高采样频率以避免频谱混叠(spectrumaliasing)导致错误的多普勒估计。因此，这些方法仅合适于短采样周期。事实上，大的信号采样周期(时间上)显著限制了最大可观察的多普勒，因而限制了最大可观察的UE速度。

此外，众所周知的解决方案(值得注意的是，基于交叉的方法(ZhangHongetal.,“Mobilespeedestimationusingdiversitycombininginfadingchannels”,GlobalTelecommunicationsConference,2004)和基于协方差的方法(RosaZhengYahongetal.“Mobilespeedestimationforbroadbandwirelesscommunicationsoverricianfadingchannels”,IEEETransactionsOnWirelessCommunications,页8,2009年1月)对噪声非常敏感，尤其是对小的多普勒扩散。作为进一步的问题，大多数这些解决方案需要信噪比(SNR)知识，受限于高斯噪声的假设，并且实现复杂。

发明内容

不同的实施例针对解决一个或多个上述问题的影响。下文给出实施例的简要概述以提供对不同实施例的一些方面的基本理解。该概述不是对这些不同的实施例的详尽概述。它并非旨在描述这些不同的实施例的范围。其唯一目的在于以简化形式呈现一些概念，作为稍后论述的更详细的描述的前序。

一些实施例提供了用于估计用户设备的速度的方法和装置，其能够有效地处理大周期的信号强度测量，仍然通过利用大或中尺度的测量的变化。当所测得的信号被配置大的传输周期时，由于有限的能力约束，这是特别有利的。

一些实施例提供了用于用户速度的连续和自适应估计的方法和装置。

一些实施例提供了信号观测的逐块速度估计器。

一些实施例提供了一种用于估计连接到无线网络的用户设备的速度的计算有效并且实时的方法，其具有最小化的所需存储器。

一些实施例提供了用于在多于三个的相邻的非重叠速度等级间隔中辨别用户设备的速度等级间隔的方法和装置。

不同的实施例涉及用于估计连接到无线网络的基站的用户设备的速度的方法，该方法包括以下步骤：

-测量用户设备和基站之间发送的信号的功率；

-计算所测得的信号功率相对于时间的导数；

-计算所计算的导数的标准差；

-从先前建立的参考数据中估计对应于所计算的标准差的用户设备的速度，该参考数据将给定的用户设备速度与一定的所计算的标准差相关联。

根据一个广泛的方面，上述方法进一步包括所测得的信号功率的归一化步骤。

根据另一个广泛的方面，上述方法进一步包括所测得的信号功率的滤波步骤。

根据又一个广泛的方面，参考数据将给定的用户设备速度与用于给定的阴影效应去相关距离的一定的所计算的标准差相关联，该阴影效应去相关距离与基站和/或用户设备的无线电环境有关。

根据又一个广泛的方面，信号功率测量由基站在从用户设备发送的上行链路探测参考信号上执行。可替代地，这些信号功率测量可由用户设备在从基站发送的下行链路无线信号上执行。

进一步地，不同的实施例涉及一种用于估计连接到无线网络的基站的用户设备的速度的处理单元，该处理单元包括

-被配置为测量用户设备和基站之间发送的信号的功率的模块；

-被配置为计算所测得的信号功率相对于时间的导数的模块；

-被配置为计算所计算的导数的标准差的模块；

-被配置为从先前建立的参考数据估计与所计算的标准差对应的用户设备的速度的模块，该参考数据将给定的用户设备速度与一定的所计算的标准差相关联。

根据一个广泛的方面，该处理单元进一步包括一种用于滤波所测得的信号功率的低通滤波器。

进一步地，不同的实施例涉及一种包括上述处理单元的基站。

不同的实施例进一步涉及用于执行上述方法的计算机程序产品。

虽然不同的实施例容易有不同的修改和替代形式，其具体实施例已经在附图中通过示例的方式被示出。然而，应理解，此处具体实施例的描述，并非旨在将不同的实施例限制为所公开的特定形式。

当然可理解，在任何这样的实际的实施例的发展中，实现特定的决定应当被做出以实现开发者的具体目标，例如符合与系统相关和商业相关的约束。将理解，这样的开发努力可能会费时，但对于受益于本公开的本领域那些普通技术人员仍然可以是常规的理解。

附图说明

不同的实施例的目标、优点和其他特点，将从以下公开和权利要求中变得更加明显。下文参照附图仅以示例的目的给出优选实施例的非限制性描述，其中

-图1是一个示意图，示出了用于逐信号测量的块来估计用户速度的实施例的流程图；

-图2是一个示意图，示出了用于用户设备的速度跟踪的实施例的流程图；

-图3示出了速度和去相关距离之间的依赖性；

-图4是一个块图，示出了一些实施例的功能模块。

具体实施方式

为了提供更切合实际的传播信道模型的目的，广泛的测量活动在不同的环境(如农村、城市、郊区、室内/室外)和场景(如视距、被阻挡的视距、非视距)中被执行，以用于统计地建模信号通过无线信道传播现象(即，路径损耗、小尺度和大尺度衰落)。

衰落是无线电环境中存在反射体的结果，其生成多路径从而导致(具有不同的衰减、延迟和相位的)原始信号的叠加。

详细地说，当信号变化率相对其使用的周期低时发生大尺度衰落——也被称为阴影衰落或阴影效应。所接收的信号的幅度和相位在使用周期内变化不大。其源于基站和用户设备之间的障碍物。

对于不同的环境和不同的频率，已经采用多种测量来表征距离上的阴影效应的经验相关性，所述距离被分隔为两个不同的位置。

-A.Algans等人，“Experimentalanalysisofthejointstatisticalpropertiesofazimuthspread,delayspread,andshadowfading”，IEEEJ.Sel.A.Commun.20,3,pp.523-531,2006年9月；

-J.Weitzen等人，“Measurementofangularanddistancecorrelationpropertiesoflog-normalshadowingat1900MHzanditsapplicationtodesignofPCSsystems,”IEEETransactionsonVehicularTechnology,pp.265–273,2002年3月；以及

-Gudmundson,M.,“CorrelationModelforShadowFadinginMobileRadioSystems”,Electron.Lett,Vol.27,23,2145-2146,1991年11月可作为用于这类研究的说明性参考。

在这方面，已广泛的认识到阴影效应可以很好由对数正态分布的过程来建模。事实上，由于阴影效应，在用户设备相对于基站的两个远离的位置上执行的信号强度测量的相关性随分离这两个位置的距离δ增加而减弱。

此外，阴影效应的相关性属性是由被广泛接受的指数衰减自相关函数建模(所谓Gudmunsson模型：A.Algans等人，“Experimentalanalysisofthejointstatisticalpropertiesofazimuthspread,delayspread,andshadowfading”,IEEEJ.Sel.A.Commun.20,3,pp.523-531,2006年9月)。换句话说，对于由用户设备相对于基站的距离δ分离的两点，由基站(eNodeB)检测到的阴影衰落ψ之间的相关性可被以解析形式表达如下：

其中

-σψ²和μψ分别是对数正态阴影效应ψ的方差和平均值，以dB为单位；

-D是阴影效应去相关距离(即分离两个测量位置使得自相关降至1/e的最小距离)。

对于具有速度v的用户设备，用vτ代替上面的方程(1)中所行驶的距离δ(τ为距离δ的行驶时间)，给出

此外，由基站从用户设备所接收的具有零平均值(即μ_r＝0)的信号r(t)，被认为是Rayleigh过程和对数正态指数过程ψ(t)(S.O.Rice,“Mathematicalanalysisofrandomnoise”,BellSyst.Tech.J.,vol.23,pp.46–156,1945年1月)的产物。这种信号r(t)的自相关函数可被写为如下：

对上述等式相对于τ求导，得到

其中，r′表示r(t)相对于时间t的导数。

在自相关函数的平稳性的假设下，再次对方程(4)求导，得到

其从(J.Bendat等人“RandomData:AnalysisandMeasurementProcedures“,WileySeriesinProbabilityandStatistics,2010)给出。

详细地说，当τ趋于0⁺时，的上述第二次导数的绝对值如下：

现在，我们考虑在大的周期上(例如，大约40毫秒或更多)基站从用户设备接收到的信号r(t)的情况。如这样的信号示例，可以涉及探测参考信号(SRS)(3GPPTechnicalSpecification36.211,‘EvolvedUniversalTerrestrialRadioAccess(E-UTRA),PhysicalChannelsandModulation)，其被从用户设备发送到基站(e节点B)，用于在相对大的采样时期(通常，具有通常范围从20毫秒、40毫秒、80毫秒或更大的可配置周期)上的上行链路测量。然后，有利的是，探测参考信号上的信号功率测量r(t)的向量在正则基(regularbasis)上是可用的。

在这种情况下r(t)可被减少到大尺度衰落效应ψ(t)(即阴影效应)。因此，所接收的信号功率的自相关函数可以由阴影效应的自相关函数来近似(也就是说：))。因此，通过使用等式(1)中给出的阴影效应的自相关函数的表达取代等式(6)中的得到：

换句话说，参考等式(1)和(6)，

因此，阴影效应的自相关函数的二次导数与速度的平方成正比，或者等效地，用户设备的速度v与信号功率测量r(t)的导数的标准差成正比。它导致将作为接收信号功率r(t)的函数的用户设备速度v的近似估计：

其中r_N(t)是归一化的接收信号功率

假定等式(8)中的v和D之间的线性关系，阴影效应去相关距离D上的x％误差同样引起用户设备的估计速度v上的x％的误差。这样，阴影效应去相关距离D的传播环境依赖的值，优选地，被实验和/或理论上预先确定，并且然后被存储以用于在线用户速度估计。换句话说，在给定的无线传播环境(具有阴影效应去相关距离D)中的将给定用户设备速度与一定的标准差相关联的参考数据可以被离线建立，并且然后被在线按需利用。

在一个实施例中，基于所测得的信号功率r(t)估计用户设备的速度v如下：

-归一化所测得的信号功率r(t)：

-所归一化的测量样本r_N(t)的导数为r_N′(t)；

-计算所归一化的测量样本r_N(t)的导数r_N′(t)的方差：

-计算后续导数上的标准差(即方差的平方根)：然后

-所得值被与存储在离线建立并提供了标准差和用户速度之间的一对一的映射的数据库中(如，查找表)的参考数据相比较，该参考数据用于给定的阴影效应去相关距离D。

为了平滑快衰落和多普勒变化，可能(有利地)在上述步骤之前对功率测量样本r(t)进行滤波。作为说明性示例，这样的滤波步骤可以通过在导数计算之前引入低通滤波器或通过测量样本r_N(t)的简单平均(如移动平均处理)实现。实际上，在时域中平滑信号是优选的，特别是当所处理的测量未被充分滤波时，或当将处理的测量样本未被充分平均时(例如，窄带而不是宽带上的功率测量)。

在图1所示的一个实施例中，上述方法被部署以使得逐测量样本块估计用户速度，其结果是逐块速度估计器。为此，上述方法在预定数目N个所测得的信号功率上被执行，如下：

-一组(即块)测量样品X_i＝[x_i+1，...，x_i+N](N个样本的向量)被归一化(图1中的步骤10)：对于每个元素k，其中norm表示，例如，2-范数运算(two-normoperation)；

-计算归一化的向量的导数(图1中的步骤11)。作为导数运算的说明性示例，可以涉及基于Lagrangian插值多项式函数的那些示例，或在(FrancoisAuger,ZoheirBoulbair,FredericMiqueau,“Estimationparmaximumdevraisemblancedeladérivéed’unsignalbruité:Applicationàlacaractérisationdevérinspneumatiques“,19èmeColloquesurletraitementdusignaletdesimages,GRETSI2003)中描述的那些示例；

-计算导数的方差的平方根，所述离差(dispersion)(图1中的步骤12)：从d_i(d_i为在块i上所计算的所有导数{d_k}的集合)中所有导数{d_k}的集合，逐块i计算离差Disp_i以量化这些导数的离差。它是根据以下等式从导数上的方差的经验估计得到的：

${\mathrm{Disp}}_i=\sqrt[2]{\frac{1}{K}.\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{(d_k-m)}^2}$

K为块i上所计算的导数数量；

m为这些K个导数的平均值

-与数据库14比较(图1中的步骤13)：对于给定的阴影效应去相关距离D，所估计的离差与提供速度和所计算的离差Disp_i之间一对一的映射的数据库14(即查找表)的内容作比较。对应于来自该数据库的最接近的离差的速度然后是所估计的用户设备速度v。

在一个实施例中，在采样的时间块上的平均值上对块i中的每个元素k(X_i＝[x_i+1，...x_k，…，x_i+N]，i＞k＞N)计算1阶导数：

$d_k=\frac{(E\[x_k\]-E\[x_{k-n}\])}{n.T}$

其中n是导数的两点之间的延迟，T是测量采样周期，并且E[x_k]是时间样本块k上所计算的平均值。

同样，对于块i中的每个元素k(X_i＝[x_i+1，...x_k，...，x_i+N]，i＞k＞N)，3阶导数可以被计算如下(d_i是块i上计算的所有导数{d_k}的集合)。

$d_k=\frac{1}{14}(6.E\[X_k\]-E\[C_{k-n}\]-2.E\[X_{k-2n}\]-3.E\[X_{k-3n}\])/(3n.T)$

有利地，上述导数能够进一步平滑信号，从而降低快衰落、多普勒变化，以便仅捕捉阴影效应的缓慢变化。

在图2所示的替代实施例中，上述方法被部署，以使得逐测量块对每个新测量自适应地估计用户速度，带来了自适应速度估计器。对逐块速度估计的上述步骤在每个新信号功率测量上被更新，同时使用最近的N-1个先前已经可用的测量，以便跟踪用户设备的速度。实际上，在每次新的x_k样本可用时离差被更新，而不是等待用于计算离差Disp_i的连续测量的样本的“块”X_i＝[x_i+1，...，x_i+N]。

实际上，

-新样本x_k被存储在大小为n的循环缓冲器中(或者3n，在3阶导数的情况下)(图2中的步骤20)；

-通过递归滤波计算导数d_k，解释新的输入值(图2中的步骤21)：从新的样本所计算的导数。作为说明性示例，对于1阶导数， $d_k=\mathrm{\α}.d_{k-1}+(1-\mathrm{\α}).\frac{(X_k-X_{k-n})}{{\mathrm{\ϵ}}_k},$ 0≤α≤1(α接近于1)；

-通过数据库23查找，离差被更新并且速度被估计(图2中的步骤22)。

有利地，自适应速度估计器使得速度能够追踪：以每个新样本到达率估计的速度。此外，其的实现的计算成本相当低，这有利于它在实际网络中的部署。

可以从可被服务基站在上行链路探测参考信号上执行或者可替代地(假定无线传播信道的对称性)被用户设备在下行链路信号上执行的一组无线信号功率测量中估计用户速度。因此，这些测量可以基于下行链路或上行链路的物理信号被执行，然后通过专用处理单元被如上所述地处理。这样的处理单元可以被包括在基站(用于LTE和更先进的e节点B)中、在用户设备中或在所测得的信号功率被报告给的任何其他系统中。

图3，其中根据用于不同去相关距离D的速度v绘制了离差(参照等式8)，强调了离差Disp随速度v线性增加。此外，离差Disp随D的降低而增加，如由等式8所指出的D和Disp之间的反比预期。

因此，对于与不同的无线电传播环境有关的多个阴影效应去相关距离D，在数据库中存储事先建立将给定的用户设备速度与一定的所计算的分布Disp_i(即标准差)相关联的参考数据是优选的。

应进一步注意，上述方法允许辨别用户速度等级间隔。详细地说，根据具有11级的模拟结果，包括相邻等级的正确分类概率约90％，无论去相关距离D是多少。

有利的是，得益于探测参考信号的相对大的采样周期(通常大约40毫秒或更多)，慢衰落(即大尺度衰落)的变化速度被利用以估计用户的实际速度。实际上，取决于用于估计实际速度的用户速率，慢衰落的变化(中和大尺度变化)都或多或少的快速(rapid)。

图4示出了用于如上所述估计连接到无线网络的基站的用户设备的速度的一种处理单元。该处理单元包括：

-被配置为做出用户设备和基站之间发送的信号的功率的一组测量的模块40；

-被配置为计算所测得的信号功率相对于时间的导数的模块41；

-被配置为计算所计算的导数的标准差的模块42；

-被配置为从先前在数据库45(即查找表)中建立的参考数据估计与所计算的标准差对应的用户设备的速度的模块43，该参考数据将给定的用户设备的速度与一定的所计算的标准差相关联。

公开的实施例通过利用慢衰落的相关性属性有效地处理大周期的信号强度测量。所提出的用于用户速度估计的方法的计算成本非常低。在实际网络中，其自适应实现容易，对CPU的影响非常有限。

此外，公开的方法和系统有利地允许估计连接到基站(e节点B)的任何用户设备的速率而无任何额外开销。实际上，由UE发送的探测参考信号(SRS)已经由3GPPLTE(3GPPTechnicalSpecification36.211,EvolvedUniversalTerrestrialRadioAccess(E-UTRA),PhysicalChannelsandModulation)规定。

此外，用户速度估计的上述方法和系统有利地使得能够根据大周期测量进行速度追踪，同时限制对CPU的显著影响。

根据公开的实施例的一个方面，可基于无线接入网络如3G、LTE或更先进技术中的实时测量来估计用户设备的速度等级。

应注意在上述实施例中，用户的速度在时间上应该是平均恒定的或缓慢变化的，但在考虑(特别是在等式2、7和8中的)该依赖性时，对于时变用户速度他们仍然有效。

Claims (12)

1.一种用于估计连接到无线网络的基站的用户设备的速度的方法，所述方法包括以下步骤：

-测量用户设备和基站之间发送的信号的功率；

-计算所测得的信号功率相对于时间的导数；

-计算所计算的导数的标准差；

-从先前建立的参考数据估计与所计算的标准差对应的用户设备的速度，所述参考数据将给定的用户设备速度与一定的所计算的标准差相关联。

2.如权利要求1所述的方法，进一步包括所测得的信号功率的归一化步骤。

3.如权利要求1或2所述的方法，进一步包括所测得的信号功率的滤波步骤。

4.如前述权利要求中任一项所述的方法，在预定数目的所测得的信号功率上执行。

5.如权利要求4所述的方法，其中其步骤在每个信号功率测量处被更新，以便跟踪所述用户设备的速度。

6.如前述权利要求中任一项所述的方法，其中，所述参考数据将给定的用户设备的速度与用于给定的阴影效应去相关距离的一定的所计算的标准差相关联，所述阴影效应去相关距离与基站的无线电环境有关。

7.如权利要求1至6中任一项所述的方法，其中由基站在从用户设备发送的上行链路信号上执行所述信号功率测量。

8.如前述权利要求中任一项所述的方法，其中所述在用户设备和基站之间发送的信号是探测参考信号。

9.一种用于估计连接到无线网络的基站的用户设备的速度的处理单元，所述处理单元包括：

-被配置为测量用户设备和基站之间发送的信号的功率的模块；

-被配置为计算所测得的信号功率相对于时间的导数的模块；

-被配置为计算所计算的导数的标准差的模块；

-被配置为从先前建立的参考数据估计于所计算的标准差对应的用户设备的速度的模块，所述参考数据将给定的用户设备速度与一定的所计算的标准差相关联。

10.如权利要求9所述的处理单元，进一步包括用于滤波所测得的信号功率的低通滤波器。

11.一种基站，包括如权利要求9或10中任一项所述的处理单元。

12.一种在处理单元上实现的计算机程序，所述程序包括：用于执行与如权利要求1-8中任一项的方法的步骤对应的指令的代码段。