CN105827559A - 天线合并算法的选择方法及装置 - Google Patents

Abstract

本发明提供了一种天线合并算法的选择方法及装置，其中，所述方法包括：获取数据载波上干扰噪声的协方差矩阵；获取所述协方差矩阵的最大特征值与最小特征值；比较预设阈值与条件数的大小关系，其中，所述条件数为所述最大特征值与所述最小特征值的比值；根据比较结果选择所述数据载波当前使用的天线合并算法。采用本发明提供的上述技术方案，解决了相关技术中，尚无有效的技术方案实现在多个天线合并算法中自适应选择合适算法的问题，从根本上抓住了干扰和噪声对接收系统的影响比例，进而能够根据比例自适应的选择相应的合并均衡算法，该选择方法稳健有效，提高了系统的接收性能。

Description

天线合并算法的选择方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种天线合并算法的选择方法及装置。

背景技术

对于无线通信系统而言，以正交频分多址接入(OrthogonalFrequencyDivisionMultipleAccess，简称为OFDM)技术为例，接收机接收到的信号不可避免的会叠加上噪声和干扰。干扰一般来自于同频干扰，即来自于临区的干扰。对接收系统而言，抑制噪声可以采用多天线分集合并算法，传统的有等增益合并，选择性合并以及最大比合并(MaxiumRatioCombining，简称为MRC)等，MRC在噪声受限的信道环境下有着非常优秀的性能。

对接收系统而言，当同频临区干扰占优时，MRC算法的性能受到了很大的限制。目前系统常采用干扰抑制合并(InterferenceRejectionCombine，简称IRC)算法来替换MRC算法，以在检测时尽可能抑制同频干扰。跟MRC算法不同，IRC算法通过估计干扰加噪声的相关特性，即干扰噪声协方差矩阵，对其进行抑制。但是，由于干扰噪声估计不准等因素，IRC并不适用于所有情况，它仅在临区干扰较强的情况下有较好的性能，在噪声占优的情况下性能不如MRC。因此，对接收系统而言，需要根据多天线上的接收信号的特性，运用一定的判决准则，准确的判断当前时刻是噪声占优还是干扰占优，然后自适应的选择天线合并算法，即MRC或者IRC。

针对这一问题，主要是判断当前时刻干扰和噪声谁更占优。相关技术中是根据接收天线信号利用本地导频先做信道估计，根据信道估计的结果计算出每个数据载波的NI(干扰和噪声)协方差矩阵Rn；Rn矩阵中对角线元素体现了天线自相关的能量，非对角线元素体现了天线间互相关的能量。高斯白噪声的一个特性是功率谱密度在整个频域内是均匀分布的，当样本足够的情况下其协方差矩阵变现为对角线元素为功率，非对角线元素接近零。干扰信号的协方差矩阵对角线元素和非对角线元素则无明显的差别。因此，可以认为Rn矩阵中对角线元素反映了干扰和噪声的大小，而非对角线元素反映了干扰的大小。利用NI矩阵中对角线元素和非对角线元素的比值作为阀值，跟已有的门限做比较来自适应的使用MRC或者IRC。然而该方法在低信噪比的情况下，NI估计的不准确，再加上噪声的样本量本有限，导致判决不准确。现有技术中也存在方案是利用空载的情况下统计多天线接收到的噪声功率，计算一个平均值，认为是噪声的功率。将Rn矩阵中对角元素和空载得到的噪声功率的比值作为判决阀值，跟门限去比较来自适应的选择MRC或者IRC。该方法存在的问题是：实际情况中很难得到空载波下的噪声功率，实现起来有难度。

针对相关技术中，尚无有效的技术方案实现在多个天线合并算法中自适应选择合适算法的问题，尚未提出有效的解决方案。

发明内容

为了解决上述技术问题，本发明提供了一种天线合并算法的选择方法及装置。

根据本发明的一个方面，提供了一种天线合并算法的选择方法，包括：获取数据载波上干扰噪声的协方差矩阵；获取所述协方差矩阵的最大特征值与最小特征值；比较预设阈值与条件数的大小关系，其中，所述条件数为所述最大特征值与所述最小特征值的比值；根据比较结果选择所述数据载波当前使用的天线合并算法。

优选地，所述天线合并算法包括以下至少之一：MRC算法、IRC算法。

优选地，根据比较结果选择所述数据载波当前使用的天线合并算法，包括：当所述比较结果指示所述预设阈值大于所述条件数时，选择所述MRC算法作为当前使用的天线合并算法；当所述比较结果指示所述预设阈值小于所述条件数时，选择所述IRC算法作为当前使用的天线合并算法。

优选地，在确定当前使用的天线合并算法为MRC算法后，将所述协方差矩阵的非对角线元素均置零。

优选地，通过以下方式确定所述预设阈值：对接收天线进行链路仿真，其中，所述链路仿真中白噪声作为仿真条件；根据链路仿真结果确定所述预设阈值。

优选地，根据链路仿真结果确定所述预设阈值包括：统计仿真结果中条件数的分布规律；在所述分布中指定比例的白噪声下的条件数均小于一指定值时，将所述指定值作为所述预设阈值。

根据本发明的另一个方面，还提供了一种天线合并算法的选择装置，包括：第一获取模块，用于获取数据载波上干扰噪声的协方差矩阵；第二获取模块，用于获取所述协方差矩阵的最大特征值与最小特征值；比较模块，用于比较预设阈值与条件数的大小关系，其中，所述条件数为所述最大特征值与所述最小特征值的比值；选择模块，用于根据比较结果选择所述数据载波当前使用的天线合并算法。

优选地，所述选择模块选择的所述天线合并算法包括以下至少之一：最大比合并MRC算法、干扰抑制合并IRC算法。

优选地，所述选择模块，包括：第一选择单元，用于当所述比较结果指示所述预设阈值大于所述条件数时，选择所述MRC算法作为当前使用的天线合并算法；第二选择单元，用于当所述比较结果指示所述预设阈值小于所述条件数时，选择所述IRC算法作为当前使用的天线合并算法。

优选地，所述装置还包括：确定模块，用于确定所述比较模块的所述预设阈值，其中，所述确定模块包括：仿真单元，用于对接收天线进行链路仿真，其中，所述链路仿真中白噪声作为仿真条件；确定单元，用于根据链路仿真结果确定所述预设阈值。

优选地，所述确定单元包括：统计子单元，用于统计仿真结果中条件数的分布规律；确定子单元，用于在所述分布中指定比例的白噪声下的条件数均小于一指定值时，将所述指定值作为所述预设阈值。

通过本发明，通过协方差矩阵的最大特征值与最小特征值的比值与预设阈值的大小关系来选择当前最适合的天线合并算法的技术手段，解决了相关技术中，尚无有效的技术方案实现在多个天线合并算法中自适应选择合适算法的问题，从根本上抓住了干扰和噪声对接收系统的影响比例，进而能够根据比例自适应的选择相应的合并均衡算法，该选择方法稳健有效，提高了系统的接收性能。

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，构成本申请的一部分，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是根据本发明实施例的天线合并算法的选择方法的流程图；

图2为根据本发明实施例的天线合并算法的选择装置的结构框图；

图3为根据本发明实施例的天线合并算法的选择装置的另一结构框图；

图4是本发明优选实施例的接收系统跟多天线合并均衡相关的处理流程图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。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组合。

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。

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

为了解决上述技术问题，在本实施例中提供了一种天线合并算法的选择方法，图1是根据本发明实施例的天线合并算法的选择方法的流程图，如图1所示，包括以下步骤：

步骤S102，获取数据载波上干扰噪声的协方差矩阵；

步骤S104，获取上述协方差矩阵的最大特征值与最小特征值；

步骤S106，比较预设阈值与条件数的大小关系，其中，上述条件数为上述最大特征值与上述最小特征值的比值；

步骤S108，根据比较结果选择上述数据载波当前使用的天线合并算法。

通过上述各个步骤，采用根据协方差矩阵的最大特征值与最小特征值的比值与预设阈值的大小关系来选择当前最适合的天线合并算法的技术手段，解决了相关技术中，尚无有效的技术方案实现在多个天线合并算法中选择合适算法的问题，进而判决噪声占优还是干扰占优的标准。采用上述技术方案，能够从根本上抓住干扰噪声矩阵中特征值反映的多维空间方向特性，运用干扰和噪声的相对关系判决，比较准确的反映了占优的因素，其适用性和稳定性较强。

在本发明实施例中，上述天线合并算法包括以下至少之一：MRC算法、IRC算法。

对于上述步骤S108的技术方案，可以有多种实现方式，在本发明实施例的一个可选示例中可以通过以下方式实现：

当上述比较结果指示上述预设阈值大于上述条件数时，选择上述MRC算法作为当前使用的天线合并算法；

当上述比较结果指示上述预设阈值小于上述条件数时，选择上述IRC算法作为当前使用的天线合并算法。

优选地，在确定当前使用的天线合并算法为MRC算法后，将上述协方差矩阵的非对角线元素均置零。

而对于上述预设阈值的确定过程，实际上可以有多种实现方式，可以是相关技术人员根据经验人工设定一阈值，也可以是通过以下过程实现：对接收天线进行链路仿真，其中，上述链路仿真中白噪声作为仿真条件；根据链路仿真结果确定上述预设阈值，其中，根据链路仿真结果确定上述预设阈值可以通过以下方案实现：统计仿真结果中条件数的分布规律；在上述分布中指定比例的白噪声下的条件数均小于一指定值时，将上述指定值作为上述预设阈值。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必需的。

以下结合一个示例对上述天线合并算法的选择过程进行说明，本发明实施例提供了一种自适应的选择MRC或者IRC的方法，包括以下步骤：

步骤1：计算每个数据载波上的NI(干扰噪声)协方差矩阵Rn；

步骤2：计算Rn矩阵的条件数，即矩阵的最大特征值和最小特征值的比值；

步骤3：判决模块，根据条件数，和已知的门限做比较，若小于门限，则使用MRC算法来进行天线合并均衡，否则用IRC算法进行天线合并均衡；

步骤4：利用步骤3的结果，更新Rn，运用MIMO均衡公式进行解调。

可选地，步骤1中NI包括：

步骤11：通过信道估计得出一个资源块上每个数据子载波的信道响应估计值；

步骤12:根据所述信道响应估计值估计每个数据子载波的Rn矩阵。

优选的，步骤2中Rn条件数的内涵为最大特征值和最小特征值的比值。如果说一个向量v是方阵A＝Rn的特征向量，则一定可以表示成下面的形式：Av＝λv，其中，λ被称为特征向量v对应的特征值，一个矩阵的一组特征向量是一组正交向量。矩阵A可以分解成下面的形式：A＝Q∑Q^-1，其中，Q是这个矩阵A的特征向量组成的矩阵，∑是一个对角阵，每一个对角线上的元素就是一个特征值。一个矩阵其实就是一个线性变换，因为一个矩阵乘以一个向量后得到的向量其实就相当于将这个向量进行了线性变换。对于一个矩阵的描述，主要就是描述这个矩阵对应的变换的主要的变换方向。将矩阵进行特征值分解后，分解得到的∑矩阵是一个对角阵，里面的特征值是由大到小排列的，这些特征值所对应的特征向量就是描述这个矩阵变化方向(从主要的到次要的)。对于受白噪声干扰的接收系统，Rn矩阵所表述的变换方向就是白噪声的方向，噪声在各个方向上是均匀分布的，因此其各个变换方向基本相同，因此Rn对应的特征值∑应该是大小接近的。对于干扰为主的Rn矩阵，因为干扰存在一定的方向性，因此必然在其特征值的分布上会有所体现，对应干扰方向的特征值会很大，没有干扰的方向的特征值很小，表现出来特征值差异较大。我们用条件数，即最大特征值和最小特征值之比来表述干扰的程度，条件数越大，干扰越厉害。

优选的，步骤3中判决条件数的门限，可由链路仿真得到。

优选的，步骤S408中，利用最小均方差(MinimumMeanSquareError，简称为MMSE)准则，MRC和IRC的公式可统一表述成以下公式：

$\tilde{S}={(H^H{R}_n^{-1}H+I)}^{-1}{H}^H{R}_n^{-1}Y.$

在MRC下，即只保留对角线元素，非对角线元素置零。

在IRC下， 是均衡后的数据，y是天线接收到的数据。H是信道估计的结果。

在本实施例中还提供了一种天线合并算法的选择装置，用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述，下面对该装置中涉及到的模块进行说明。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图2为根据本发明实施例的天线合并算法的选择装置的结构框图。如图2所示，该装置包括：

第一获取模块20，用于获取数据载波上干扰噪声的协方差矩阵；

第二获取模块22，与第一获取模块20连接，用于获取上述协方差矩阵的最大特征值与最小特征值；

比较模块24，与第二获取模块22连接，用于比较预设阈值与条件数的大小关系，其中，上述条件数为上述最大特征值与上述最小特征值的比值；

选择模块26，与比较模块24连接，用于根据比较结果选择上述数据载波当前使用的天线合并算法。

通过上述各个模块的综合应用，采用根据协方差矩阵的最大特征值与最小特征值的比值与预设阈值的大小关系来选择当前最适合的天线合并算法的技术手段，解决了相关技术中，尚无有效的技术方案实现在多个天线合并算法中选择合适算法的问题，进而判决噪声占优还是干扰占优的标准。采用上述技术方案，能够从根本上抓住干扰噪声矩阵中特征值反映的多维空间方向特性，运用干扰和噪声的相对关系判决，比较准确的反映了占优的因素，其适用性和稳定性较强。

可选地，选择模块26选择的上述天线合并算法包括以下至少之一：最大比合并MRC算法、干扰抑制合并IRC算法。

图3为根据本发明实施例的天线合并算法的选择装置的另一结构框图，如图3所示，选择模块26，包括：第一选择单元260，用于当上述比较结果指示上述预设阈值大于上述条件数时，选择上述MRC算法作为当前使用的天线合并算法；第二选择单元262，用于当上述比较结果指示上述预设阈值小于上述条件数时，选择上述IRC算法作为当前使用的天线合并算法。

为了实现比较模块的功能，如图3所示，上述装置还包括：确定模块28，用于确定上述比较模块的上述预设阈值，其中，确定模块28包括：仿真单元280，用于对接收天线进行链路仿真，其中，上述链路仿真中白噪声作为仿真条件；确定单元282，与仿真单元280连接，用于根据链路仿真结果确定上述预设阈值。

其中，确定单元282包括：统计子单元2820，用于统计仿真结果中条件数的分布规律；确定子单元2822，用于在上述分布中指定比例白噪声下的条件数均小于一指定值时，将上述指定值作为上述预设阈值。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

为了更好的理解上述天线合并算法的选择方法及装置的工作流程，以下结合优选实施例进行说明：

图4是本发明优选实施例的接收系统跟多天线合并均衡相关的处理流程图，包括以下步骤：

步骤S402：计算每个数据载波上的NI(干扰噪声)协方差矩阵Rn；

步骤S404：计算NI矩阵的条件数，即Rn矩阵的最大特征值和最小特征值的比值；

步骤S406：判决模块，根据步骤S404得到的条件数，和已知的门限做比较，若小于门限，则使用MRC算法来进行合并均衡，否则用IRC算法进行合并均衡；

步骤S408：利用步骤S406的结果，更新Rn公式，运用MIMO均衡公式进行均衡解调。

步骤S402包括至少两步：

步骤S4021：进行导频位的信道估计，对信道估计进行去干扰降噪处理。

步骤S4022：利用多天线的接收数据，以及估计的信道估计，计算得到干扰噪声的协方差矩阵。

假设每个子载波对应的干扰和噪声为NI，NI维度为n_R×K，其中n_R表示系统的接收天线个数，K表示子载波个数。则协方差矩阵可以这样计算：

Rn＝NI·NI^H,维度为n_R×n_R。

优选的，对于一个用户的多载波的Rn，将一个资源块的子载波进行平均或累加的方法得到一个平均后的Rn。

步骤S404：计算模块根据前述的Rn矩阵，计算最大特征值和最小特征值之比。一个可用的计算方法，将Rn进行特征值分解。

A＝Q∑Q^-1，那么假设则条件数其中λ_max＝max{λ_i>0},1≤i≤n_R,λ_min＝min{λ_i>0},1≤i≤n_R。

步骤S406：判决模块将步骤S404得到的条件数η与门限A做比较，当大于门限A时使用IRC算法，否则用MRC算法。

优选的，门限A可以通过链路仿真得到，且不同的接收天线下应分别仿真，门限A也会存在差异。仿真时加白噪声作为仿真条件，统计条件数的分布，使指定比例的白噪声下的条件数小于门限A。以实际数据为例，白噪声为主的时候，得到的4天线的NI的协方差矩阵Rn为， $\mathrm{Rn}=[$

$\begin{array}{cccc}20.2516& -1.3802-4.5322i& -0.3158+2.1456i& 4.6739-5.5108i\\ -1.3802+4.5322i& 23.6723& 0.1637-6.7174i& -2.5914+6.7547i\\ -0.3158-2.1456i& 0.1637+6.7174i& 16.0636& -2.6281+0.1903i\\ 4.6739+5.5108i& -2.5914-6.7547i& -2.6281i-0.1903i& 26.7482\end{array}$

$];$

计算得到的特征值为：σ＝[38221710]，对应的条件数为

当干扰占优时，得到的4天线的NI的协方差矩阵Rn为， $\mathrm{Rn}=[$

$\begin{array}{cccc}62.7560& 26.8970-40.0718i& -16.9616-45.5294i& -43.4022-3.8327i\\ 26.8970+40.0718i& 70.6014& 28.2298-49.7842i& -34.8203-32.2342i\\ -16.9616+45.5294i& 28.2298+49.7842i& 71.6048& 14.6914-52.4892i9\\ -43.4022+3.8327i& -34.8203+32.2342i& 14.6914+52.4892i& 80.3484\end{array}$

$];$

计算得到的特征值为:σ＝[221361612]，对应的条件数为

从具体数据看到，噪声占优和干扰占优的情况下，其估计的条件数存在明显的大小差异。可以通过条件数来自适应选择天线合并算法。

步骤4为多天线合并均衡模块，根据步骤S406得到判决结果，如果判决结果是运用MRC算法，则更新Rn矩阵，只保留对角线元素，将非对角线元素置零。

当判决结果是运用IRC算法，则对Rn矩阵不做处理。

对一个资源块的所有数据子载波，用一个Rn来进行合并均衡。将更新后的Rn运用均衡公式进行解调。

综上所述，本发明实施例达到了以下技术效果：从根本上抓住干扰噪声矩阵中特征值反映的多维空间方向特性，运用干扰和噪声的相对关系判决，比较准确的反映了占优的因素，其适用性和稳定性较强。

在另外一个实施例中，还提供了一种软件，该软件用于执行上述实施例及优选实施方式中描述的技术方案。

在另外一个实施例中，还提供了一种存储介质，该存储介质中存储有上述软件，该存储介质包括但不限于：光盘、软盘、硬盘、可擦写存储器等。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的对象在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种天线合并算法的选择方法，其特征在于，包括：

获取数据载波上干扰噪声的协方差矩阵；

获取所述协方差矩阵的最大特征值与最小特征值；

比较预设阈值与条件数的大小关系，其中，所述条件数为所述最大特征值与所述最小特征值的比值；

根据比较结果选择所述数据载波当前使用的天线合并算法。

2.根据权利要求1所述的方法，其特征在于，所述天线合并算法包括以下至少之一：最大比合并MRC算法、干扰抑制合并IRC算法。

3.根据权利要求2所述的方法，其特征在于，根据比较结果选择所述数据载波当前使用的天线合并算法，包括：

当所述比较结果指示所述预设阈值大于所述条件数时，选择所述MRC算法作为当前使用的天线合并算法；

当所述比较结果指示所述预设阈值小于所述条件数时，选择所述IRC算法作为当前使用的天线合并算法。

4.根据权利要求3所述的方法，其特征在于，

在确定当前使用的天线合并算法为MRC算法后，将所述协方差矩阵的非对角线元素均置零。

5.根据权利要求1所述的方法，其特征在于，通过以下方式确定所述预设阈值：

对接收天线进行链路仿真，其中，所述链路仿真中白噪声作为仿真条件；

根据链路仿真结果确定所述预设阈值。

6.根据权利要求5所述的方法，其特征在于，根据链路仿真结果确定所述预设阈值包括：

统计仿真结果中条件数的分布规律；

在所述分布中指定比例的白噪声下的条件数均小于一指定值时，将所述指定值作为所述预设阈值。

7.一种天线合并算法的选择装置，其特征在于，包括：

第一获取模块，用于获取数据载波上干扰噪声的协方差矩阵；

第二获取模块，用于获取所述协方差矩阵的最大特征值与最小特征值；

比较模块，用于比较预设阈值与条件数的大小关系，其中，所述条件数为所述最大特征值与所述最小特征值的比值；

选择模块，用于根据比较结果选择所述数据载波当前使用的天线合并算法。

8.根据权利要求7所述的装置，其特征在于，所述选择模块选择的所述天线合并算法包括以下至少之一：最大比合并MRC算法、干扰抑制合并IRC算法。

9.根据权利要求8所述的装置，其特征在于，所述选择模块，包括：

第一选择单元，用于当所述比较结果指示所述预设阈值大于所述条件数时，选择所述MRC算法作为当前使用的天线合并算法；

第二选择单元，用于当所述比较结果指示所述预设阈值小于所述条件数时，选择所述IRC算法作为当前使用的天线合并算法。

10.根据权利要求7所述的装置，其特征在于，所述装置还包括：确定模块，用于确定所述比较模块的所述预设阈值，其中，所述确定模块包括：

仿真单元，用于对接收天线进行链路仿真，其中，所述链路仿真中白噪声作为仿真条件；

确定单元，用于根据链路仿真结果确定所述预设阈值。

11.根据权利要求10所述的装置，其特征在于，所述确定单元包括：

统计子单元，用于统计仿真结果中条件数的分布规律；

确定子单元，用于在所述分布中指定比例的白噪声下的条件数均小于一指定值时，将所述指定值作为所述预设阈值。