CN106549897A - 使用非线性滤波的干扰消除 - Google Patents
使用非线性滤波的干扰消除 Download PDFInfo
- Publication number
- CN106549897A CN106549897A CN201610829319.4A CN201610829319A CN106549897A CN 106549897 A CN106549897 A CN 106549897A CN 201610829319 A CN201610829319 A CN 201610829319A CN 106549897 A CN106549897 A CN 106549897A
- Authority
- CN
- China
- Prior art keywords
- signal
- domain filtering
- interference
- frequency domain
- reception
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2647—Arrangements specific to the receiver only
- H04L27/2655—Synchronisation arrangements
- H04L27/2689—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation
- H04L27/2691—Link with other circuits, i.e. special connections between synchronisation arrangements and other circuits for achieving synchronisation involving interference determination or cancellation
-
- 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
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Noise Elimination (AREA)
- Power Engineering (AREA)
- Computer Security & Cryptography (AREA)
Abstract
本发明公开了使用非线性滤波的干扰消除。为了对在接收器中接收的所接收的无线信号进行处理,噪声和干扰估计是通过从所接收的OFDM信号中减去分量来生成,通过将噪声和干扰估计进行白化产生归一化噪声信号,干扰估计信息是从归一化噪声信号中计算的,非线性频域滤波操作是在干扰估计的输出上执行以生成频域滤波的信号,以及非线性时域滤波操作是在频域滤波的信号上执行的以生成所接收的OFDM信号中的不需要分量的估计。非线性滤波可以使用中值滤波器或自适应中值滤波器或自适应混合中值滤波器来执行。
Description
交叉引用相关申请
根据35U.S.C.§119(a)以及巴黎公约,本专利文件要求于2015年9月17日提交的国际专利申请号PCT/CN2015/089887的优先权的权益。前面提到的专利申请的全部内容以引用的方式作为本专利文件中的公开的一部分并入。
背景
本专利文件涉及在无线信号接收器处使用的数字信号处理。
随着无线用户设备的数量增加,对无线传输的频谱的使用也增加。通常,在一些地点,特别是在人口稠密区域和公共场所,可以接收来自多个通信网络的信号。很多传统数据接收技术并不足够能处理来自其他相邻设备的干扰的情形并且网络可使所接收的期望的信号的质量降低。
概述
本专利文档描述的技术,除其他外,用于使用非线性滤波器在时域和频域中处理所接收的无线信号,来减少由于脉冲噪声的存在造成的干扰消除操作的性能的不期望的损失。
在一个方面,在小区边缘具有多小区间干扰的无线通信系统中使用的稳健参数回归算法,特别是用于例如在LTE-Advanced版本12中指定的增强的网络辅助干扰消除抑制(NAICS)接收器的盲干扰信息提取。
在另一个示例方面,公开了自适应中值混合滤波器,其可以用于无线通信应用,例如,NAICS增强型接收器的详细的盲参数估计,并且也可能用于在强多小区间干扰下的无线网络中的其他性能增强技术。
在另一个示例方面,公开了用于处理在其中OFDM信号被接收的接收器中的所接收的无线信号,通过从所接收的OFDM信号减去分量来生成噪声和干扰估计,通过白化噪声和干扰估计产生归一化噪声信号,从归一化噪声信号计算干扰估计信息,对干扰估计检测的输出进行非线性频域滤波操作,来生成频域滤波信号,以及对频域滤波信号进行非线性时域滤波操作,来生成所接收的OFDM信号中的不需要的分量的估计。
以上方面以及它们的实施方式的细节在附图、说明书和权利要求中阐述。
附图简述
图1显示了无线通信系统的示例。
图2显示了无线通信装置的示例。
图3是显示了无线接收器装置的示例的框图。
图4是显示了无线通信的示例方法的流程图。
图5显示了无线通信装置的框图示例。
具体实施方式
针对网络辅助式干扰消除与抑制(NAICS)应用,在本发明中提出鲁棒参数估计技术。在受到多小区间干扰的无线信道下,从在每个参考元素(RE)上接收的样本提取的信息与归一化分布不同。基于正态分布的算法应非常谨慎地在后处理回归期间获得可靠的估计。具有异常点检测和抑制能力的鲁棒回归算法是处理重尾噪声的强有力的技术。线性滤波器可以平滑来自提取的信息的尖锐边缘,其可以指示强干扰的ONSET/OFFSET。诸如中值滤波器(MF)的非线性滤波器能够在降低噪声的同时保持干扰边缘的非连续性并处理如异常点的非高斯噪声。然而,MF具有一些缺点,可以通过设计中值混合滤波器(MHF)来减轻这些缺点,该中值混合滤波器将线性滤波器的噪声消除能力与MF的边缘保持和异常点移除能力结合。在本发明中,提出自适应中值混合滤波器(AMHF)用于无线通信应用中,特别是用于NAICS接收器的盲参数回归。采用所提出的算法,可以把残存干扰和噪声有效地抑制。在时频域的主导干扰边缘的非连续性可以被锐利地保持。诸如窗口尺寸和异常点检测阈值的AMHF关键参数可以根据中位偏差而自适应。公开的算法也能够跟踪随着时间的干扰的动态变化,这可以降低实施复杂性和/或增加参数检测性能。
由于例如智能电话、平板电脑的无线工具的新发展,并且也由于无线设备的用途从以语音和数据为中心到以多媒体为中心演进,近些年来,无线数据服务要求一直在极大的增长。这种持续的趋势在例如效率、频谱和密度的很多维度中使用不断增长的网络容量。无线频谱是稀有资源,在频谱上尽可能地有效是有益的。为了实现这个目的,为了提高容量和频谱效率,频率复用技术已经用在一些部署中。例如,长期演进(LTE-Advanced)系统使用频率复用,其等于整个可用频段由网络中的每个演进节点B(eNodeB)复用的一种意义。实际上,在相邻小区中、特别是在小区边缘使用相同频段经常造成高度的小区间干扰。来自不需要的信号的干扰是无线通信中始终存在的问题。LTE布署通常采用通用频率复用而没有软切换。因此,在小区边缘附近可以预期到高度的干扰、低信号与干扰加噪声比(SINR)以及接收器的差的性能。理解并减少干扰对于无线网络的性能是很关键的。
在无线链路性能中的连续增强期间,增强的无线资源管理(RRM)方法和干扰减少技术用于对抗小区间干扰。基于RRM的干扰避免技术可用于限制在网络内的干扰的影响并提高可达到的系统容量。除了与LTE-Advanced版本10兼容的各种小区间干扰协调(ICIC)方案之外,干扰抑制与消除算法还可用于减少小区间干扰。在版本11中,有助于增加在增强的接收器设计中的接收器的作用的首次尝试是在干扰抑制合并(IRC)中指定用户设备(UE)性能要求。LTE版本11指定了针对小区特定参考信号(CRS)的性能要求,并且聚焦于CRS针对其中来自CRS的共同信道干扰主导的、但物理下行共享信道(PDSCH)可以忽略的异构布置怎样抑制干扰。在LTE版本12中,通过采用来自网络的可能的辅助来发掘干扰的认知程度,证实了接收器处的小区内的和小区间的干扰减少的性能增强。网络辅助使能对包括非线性结构的更加增强的接收器的使用,网络辅助相比于Release 11-根据链路级模拟的IRC已经实现有前途的性能增益。
与其中干扰被直接抑制并作为背景噪声处理的干扰抑制原则相反,在NAICS中,在连续的两个步骤中进行干扰估计和消除:估计准确的干扰信号,然后从接收的信号中减去所估计的干扰。在对干扰的足够认知的情况下,示出具有干扰消除的增强的下行链路接收器的链接级模拟给出显著的性能提升。这有助于在减去干扰信号之前,获得包括其传输结构知识(调制方案,传输模式和传输功率)以及信道信息的干扰信号的准确估计。一般来说,对于处理干扰,有两种单独的过程:对于接收的信号的干扰提取和干扰重构。
不同的干扰消除接收器基于干扰信号知识的不同假设,并且可能分别需要不同的网络辅助信息。一般来说,针对诸如符号级干扰消除(SLIC)的增强接收器所要求的参数包括天线端口的数量、信道估计、调制方案、传输模式、与参考符号相关的PDSCH传输功率等。然而,这些参数中的大部分可以被盲测,而无需或仅需少量的网络辅助。盲估计聚焦于在不知晓准确传输数据的信息的情况下发送和接收的假设数据之间的相关性。可以使用指定的算法和更多的接收的样本来进行统计分析和回归。
在没有任何网络辅助的情况下应用干扰消除算法之前,干扰信息应该被足够地盲检测。由于事实是基于正态分布假设的回归算法应当保守,以得到可靠的估计,有多个显然的限制使得标准LS方法对于估计在小区边缘的参数不适用。不可避免要使用鲁棒回归。使用在本文中所公开的一些实施例,可以把残存干扰和噪声有效地抑制。在时频域的主导干扰边缘的非连续性可以被锐利地保持。可以根据中位偏差来调整诸如MF窗口尺寸和异常点检测阈值的滤波器的关键参数来表示由衰落信道和干扰的存在所引起的动态相关性。保持的干扰的边缘以及自适应干扰检测阈值提高处于小区边缘的LTE-Advanced系统的多小区干扰环境的干扰存在与否的检测可靠性。另外,追踪随着时间变化的干扰的动态变化,可以降低实施复杂性和/或增加参数检测性能。
在一些实施例中,在应用干扰消除算法之前,可以估计参数。可靠的估计在实现有前途的性能中具有中心的重要作用。例如,对于在PDSCH中是否存在干扰的指示的检测的可靠性可能对于吞吐量性能有影响。如果UE不能检测在所接收的信号频谱的某些部分的干扰源,所接收的信号频谱的吞吐量性能可能因为缺少干扰的消除或抑制而降低。虽然一些常规算法做出正态分布的假设,然而在受到多小区间干扰的无线广播信道中每个RE上所接收的样本的提取信息事实上很少具有正态分布。通过实验,发明人发现:在后处理回归期间,基于正态分布的算法在计算干扰估计时趋向于不准确。例如,使得在整个观测样本中的残差平方和最小化的最小平方(LS)方法是假设参数跟随正态分布的统计性质的超定系统的近似解的回归分析的标准方法。其他类似方法包括加权-LS和最小均方差(MMSE)等等。
对于现实生活部署,例如在城市区域中的大规模LTE网络,操作条件(诸如,处于使用中的无线信道)、从周围时间同步的和/或不同步的小区间生成的干扰源的数量等,随着时间变化而动态改变。在干扰小区中的数据传输导致在当前小区中的干扰的动态ON/OFF统计特征,在干扰小区中的数据传输非常依赖于邻小区的动态调度行为。干扰突发的粒度,例如发生的时间和持续时间,通常是预先未知的。在接收器处接收的信号一旦受到邻小区的信号的干扰,可以具有不同规模。从所接收的样本提取的信息可能受到具有重尾分布的尖峰状噪声的污染。在用于算法设计的链路级模拟中经常使用的理想统计模型可能并不适用于估计在现实生活的蜂窝网络中的小区边缘性能。通过单纯增加由卷积线性回归算法所使用的估计样本的数量并不能提高估计准确性。通常,在非高斯残存干扰或本地不稳定性中的少量或者一小部分可以使基于高斯分布假设的常规估计变得非常不准确。本文在一方面公开了具有异常点检测和抑制能力的鲁棒回归算法,这种强有力的技术成功处理了这种重尾噪声,并产生对干扰的准确估计。
本文描述的鲁棒算法基本不同于其他通常使用的自适应的或以阈值为基础的算法,其他常规使用的自适应的或以阈值为基础的算法基于统计参数和/或边缘检测并且看起来较不适合于脉冲噪声平滑。一般来说,脉冲噪声具有较低的发生概率以及大振幅的干扰或噪声的相当高的概率。具有脉冲噪声的平滑信号区域以及具有较小振幅的边缘指示了信号级别的变化,很难通过使用一些简单的统计参数来相互区分。理想的模型(例如假设平滑的统计分布的模型)有可能低估脉冲噪声的存在和影响。另外,这种实施方式经常使用线性滤波器,从可以指示强干扰的ONSET/OFFSET的所提取的信息中平滑尖锐边缘,例如在所接收的信号值中的突然变化。然而,诸如中值滤波器(MF)的非线性滤波器能够在降低噪声并处理如异常点一般的非高斯噪声的同时保持干扰边缘的非连续性。在一些实施例中,简单的1-D MF足够去除低密度的正脉冲噪声或低密度的负脉冲噪声。
将MF用作去除尖峰状噪声的并同时保持边缘的简单而有效的工具,在图像处理应用中是已知的。然而,使用简单的MF滤波器用于在数字通信中的噪声去除可能并不适合于很多情况。例如,对于标准MF的高斯噪声抑制的效率通常劣于具有相同窗口尺寸的均值滤波器的效率。可以通过设计有限脉冲响应(FIR)的或无限脉冲响应(IIR)的中值混合滤波器(MHF)来缓和MF的这样的缺陷,该中值混合滤波器将线性滤波器的噪声去除能力与MF的边缘保持和异常点去除能力结合。在一些所公开的实施例中,将标准均值滤波器的优点和MF的优点结合的自适应MHF(AMHF)在信号接收操作期间可用于参数估计。AMHF对于指定门限值不敏感,并且其实施方式可行而高效。依据在后处理回归中的高斯噪声抑制效率、脉冲噪声去除能力以及边缘保持的量化估计的性能可以通过使用混合滤波器而进一步增强。另外,FIR/IIR滤波器相比于标准MF要求较少的计算。
在诸如LTE的一些以OFDM为基础的通信系统中,在一个OFDM符号的传输期间内,每个UE传输根据时频资源分配类型通过将用户符号映射到OFDM RE上而被复用。采用用于NAICS操作的资源分配类型-1的假设,给定的用户被分配有连续子带的块。如果服务小区和干扰小区在时间和频率上同步,来自所有小区的子帧和时隙与合理的接收器假设匹配,并且干扰级别对于给定的OFDM字符的每个子带将大约恒定。然而,在相邻子载波上经历的干扰将保持强关联,并且因此合理地进行在整个OFDM符号上的干扰估计的滤波,以增强估计性能。如果干扰小区与期望的小区在时间上不同步,这个时间关联不再正确。
对于非线性MF,在信息特征被改变之前,自适应地调整滤波器窗口的长度可能是有益的。如果窗口太小,杂散特征将不会从作为结果的信息估计中去除。对于动态信道和干扰,预先定义最优窗口尺寸可能是不可能的,并且窗口尺寸可能不得不自适应地匹配于时频关联带宽。发明人的实验显示采用基于可信区间规则的交叉的自适应长度算法的自适应滤波器展示了用于脉冲噪声去除的提高的性能。如果先前已知估计信号的平滑度,那么该规则使得算法以其质量接近于一的方式去自适应。
在使用基于OFDM传输的蜂窝网络中,传输器经常在相对长周期时间,例如OFDM的相当多的传输时间间隔(TTI)保持起作用。干扰功率和测量误差皆可从一个TTI到下一个波动。因此,干扰经常具有强时间关联,这能够使用滤波器去除在时域中的随机估计误差。这种时间关联可能并不具有足够长的持续时间去使用诸如IIR滤波器的低通指数平滑滤波器。在操作期间,干扰的时间特征非常依赖于对封包到达过程进行反应的邻小区中的动态调度行为,封包到达过程可被假设为泊松过程。在预测干扰中可合理地很好地以及差地进行指数平滑,然而,可以通过采用最优参数的指数滤波,紧密地实现鲁棒中值回归。
在统计中,异常点可以指的是其一个特性(例如,振幅、功率或相位)与其他样本非常不同的样本,因此引起关于其在计算中的使用的怀疑。异常点的识别可导致发现有用的和有意义的知识,并具有许多实际应用。在无线蜂窝通信中,在接收器处产生的样本值中的异常点至少因为多小区间干扰的性质,几乎不可避免地出现实际参数估计问题。一些回归技术相对于异常点来说是“鲁棒的”。鲁棒技术可以隐式地识别例如异常点的非正常数据,并且可以隔离异常点在输出上的影响。在一些情况中,检测干扰是否存在(例如,ONSET/OFFSET边缘)在数学上等同于异常点检测问题。在统计文献中,击穿点的概念用于度量鲁棒性的程度。中值是中心倾向的鲁棒度量,而均值则不是。中值具有50%的击穿点,而均值具有0%的击穿点。除了启发式方法之外,截尾最小二乘(LTS)和最小中值平方(LMedS)回归是在初始高击穿回归估计中的两个。LMedS计算误差的平方的中值,并且试图将其最小化,这在初始样本高达很差地损坏的样本的50%时可估计参数。这指示了通过使用仅仅很小数量的样本,采用LMedS/LTS,干扰ONSET/OFFSET边界可被鲁棒地检测。
图1显示了无线通信网络或系统的示例。这个无线通信网络可包括一个或多个基站(BS)105、107,以及一个或多个无线设备110。基站105、107可以在前向链路(FL)上将被称为下行链路(DL)信号的信号传输到一个或多个无线设备110。无线设备110可以在反向链路(RL)上将被称为上行链路(UL)信号的信号传输到一个或多个基站105,107。无线通信系统可以包括一个或多个核心网络125,以控制一个或多个基站105、107。一个或多个基站形成无线接入网。由于基站的为无线设备提供无线接入的性质,或者单独或者与一个或多个其他基站结合的基站可被称为接入点(AP)、接入网(AN)或eNodeB。可以实施本技术和系统的无线通信系统的示例,其中包括基于诸如CDMA 2000 1x、高速分组数据(HRPD)、长期演进(LTE)、通用陆地无线电接入网络(UTRAN)以及微波接入全球互操作性(WiMAX)的码分多址(CDMA)的无线通信系统。
图2显示了用于实现无线设备、基站或其他无线通信模块的无线收发器站200的示例。无线站的各种示例包括图2中的基站和无线设备。诸如基站或无线设备的无线站205可包括实施诸如在本文中呈现的技术中的一种或多种的方法的诸如微处理器的处理器电子设备210。无线站205可以包括收发器电子设备215,以通过诸如一个或多个天线220的一个或多个通信接口发送和/或接收无线信号。无线站205可以包括用于传输和接收数据的其他通信接口。在一些实施方式中,无线站205可以包括一个或多个有线通信接口,以与有线网络通信。无线站205可以包括配置成储存诸如数据和/或指令的信息一个或多个存储器225。在一些实施方式中,处理器电子设备210可以包括收发器电子设备215的至少一部分以及存储器225。
在一些实施方式中,无线站205可以基于CDMA空中接口相互通信。在一些实施方式中,无线站205可以基于可包括正交频分多址(OFDMA)空中接口的正交频分复用(OFDM)空中接口相互通信。在一些实施方式中,无线站205可以使用诸如CDMA(诸如CDMA2000 1x、HRPD、WiMAX、LTE以及通用移动电信系统(UMTS))的一个或多个无线通信技术进行通信。
公开的技术可以在无线站205上以及在图2描绘的系统中被实施。
示例应用
在LTE-Advanced版本-12增强中,期望具有相邻干扰消除算法的增强接收器在小区边缘处用于LTE-Advance系统,以对抗强多小区干扰并相比于版本11IRC提升系统容量。通过增加来自具有可能的网络辅助的盲参数估计的干扰传输知识的程度来实现性能增益。在本文公开的一些实施例中,基于AMHF的鲁棒回归算法用在用于增强NAICS接收器的盲参数估计上。在应用干扰消除之前计算的主要参数取决于具体的干扰消除算法,但大部分算法使用的干扰传输信息包括调制方案、流量对导频符号的传输功率比、传输模式、以及对干扰是否存在的检测。
准确且可靠的参数估计在实现干扰消除中有用。在受到多小区干扰的小区边缘,有几个明显的限制,使得诸如LS和线性滤波器的常规的回归不适用于估计干扰参数。用于来自在多小区干扰下的无线广播信道的参数估计的干扰样本不太可能具有正态分布,而可能受到超出在链路级系统模拟中的理想干扰模型的不可预测的、大规模的尖峰状噪声的污染。基于正态分布的回归算法可能并不能获得可靠的估计。对于现实生活部署的大规模LTE网络、信道条件、从周围时间同步的和/或不同的小区生成的干扰源的数量随着时间变化而动态改变。具有动态ON/OFF统计特征的干扰小区的数据传输非常依赖于邻小区中的动态调度行为。另外,干扰具有强时频关联,这能够使用滤波器去除随机测量误差。具有噪声抑制、异常点抑制、干扰边缘保持和自适应回归窗口和检测阈值的自适应鲁棒回归算法对于在这样的环境中应用非常有用。
在一些实施例中,包括MF、LMedS、AMHF的基于中值族的算法可根据在具有多小区间干扰的小区边缘的信号处理算法的不同方面而被使用。特别地,将标准的非线性中值滤波器与线性均值滤波器的优点结合的AMHF是对抗具有重尾噪声分布的信号的优选的选择。本文公开了干扰消息提取的自适应鲁棒算法说明,例如盲参数,诸如在后处理回归期间的流量与导频功率比以及对干扰的存在的检测。
在本文中,为了简化解释,使用在3GPP TR 36.388中规定的邻干扰模型,但是所公开的技术也可在其他情况中实践。
令同步传输的小区的数量为N,包括服务小区。在接收器处接收的信号由从包括服务小区的所有N个小区接收的信号的叠加给出,
在公式1中,βi表示了信号的流量对导频功率的比率是从第i小区传输的,Hik是在第k RE上的第i小区的信道矩阵,xik是由在第k子载波上的第i小区传输的调制符号,并且假设具有平均的单元功率。另外,k=0,1,2,...,K-1,其中,K是观察的子载波的总数量。N个小区中,一个是服务小区和N-1个干扰,并且不失一般地,假设小区1和2分别是服务小区和主导干扰小区。UE首先尝试取消小区2上的数据传输。信号处理算法尝试鲁棒地提取小区2的传输信息结构。
为了简化解释,做出下列额外的假设,其与在用于NAICS操作的3GPP TR38.388中的网络部署场景假设一致。
参考蜂窝传输,假设干扰的性质和强度可从一个TTI到另一个极大地改变。还假设一些干扰信号可以比常规服务小区信号更强。对于在小区边缘的UE,每个小区都可以是干扰源,并且没有小区显著好于其他小区。在链路级模拟的网络模型仅包含不可贡献足够的小区外干扰的少量小区。
参考信号时序,同步网络部署假设用于NAICS接收器。还假设传输子帧和时隙对齐。来自时序以及频率同步误差以及在非同步部署中的接收器性能降级被忽略。还假设进行每子载波干扰信道估计。
参考网络操作,假设资源分配Type-1,例如假设NAICS的操作,在每个OFDM符号期间,给定的用户被分配了频率子带、连续子载波的块。在邻近子载波经受的干扰将保持强相关。干扰存在的知识在每个PRB由NAICS接收器使用。
另外,干扰源明确地基于根据ON/OFF建模的动态ON/OFF模式建模。干扰特征取决于在对于封包到达过程做出反应的邻小区中的动态调度行为。封包到达假设是具有封包到达率的泊松过程。封包持续时间是封包到达率、平均封包尺寸以及例如在LTE中使用的调制和编码方案(MCS)的用于传输的调制的函数。还假设干扰具有跨用于每个封包的持续时间的时域和频域的恒定的MCS/RI。一旦样本受到邻小区信号的干扰,则该样本具有不同的规模。这样,相关的干扰图是通过将来自任何ONSET和OFFSET传输的边缘结合而形成的二分图。
假设在接收器明确考虑到仅有期望的信号和一个单独的主导干扰源,接收的信号可被重写为
不失一般地,假设服务小区信号强于干扰小区信号,诸如由LTE规定的线性最小均值平方误差干扰抑制合并(E-LMMSE-IRC)的干扰抑制合并方案被应用以抑制干扰信号并估计期望的服务小区信号。分别假设用于服务小区和主导干扰小区的每个子载波的估计的信道估计,流量与导频功率比率和调制符号所接收的符号的预处理可用于在期望的信号的后消除之后的主导干扰信息提取,
为了简化,仅有一层可以为了目标UE和干扰UE两者传输。用于期望信号和干扰信号两者的可靠的信道估计通过信道估计完美地得自于参考符号。残存的期望信号和所有其他信道被当作有色的高斯处理,然后连同干扰信号信息检测的背景噪声被白化。检测的粒度是在每个子帧内一个PRB对。
干扰信号是被待盲测的信号。几个常规检测算法可应用以确定主导干扰源。例如,在一些实施例中,所使用的算法将计算在所接收的预处理的信号和最接近的星座点乘以信号的信道估计以及流量对导频功率的比率之间的差异。结合的估计映射符号和信号的流量对导频功率的比率是通过采用硬判定的最小化的星座点如在公式5中示出的。
因为可能的强非高斯残余干扰,高斯噪声在小区边缘的大部分情况中可以忽略。利用总的干扰加噪声的协方差矩阵的知识并且预先白化接收的信号来抑制有色的噪声的IRC接收器,可能不足够提高在低SINR的小区边缘性能。在这种情况中,由于残余干扰的性能损失仍然可以是相当大的。这意味着如果接收器具有信道的完美的估计,主导干扰估计的信息可能不是最优的。事实上,干扰的估计将会总是具有低于或等于实际干扰功率的功率。
在本文中描述的技术适于与任何用于干扰信息提取的算法一起工作。假设按RE提取的信息受到噪声的污染,并且因为测量、建模误差以及干扰特征而经常包含异常点。干扰是高度不可预测的、具有强尾分布,并且取决于各种因素,诸如无线信道、来自其他UE和噪声的流量、干扰小区的数量等。需要鲁棒的后处理以通过发掘时频相关性获得针对NAICS应用的准确的干扰信息。
在一些实施例中,非线性AMHF可用于干扰提取的后处理回归。在一些实施例中,测量干扰功率和/或估计可以去操作AMHF。所使用的滤波器的一些示例和回归的相应的关联如下。
中值滤波器的示例
MF的用处是基于两个性质:对含有总异常点的脉冲型噪声执行具有鲁棒性的边缘保持和噪声降低。这两个性质都不能容易地通过传统的线性滤波器来实现。MF将一定长度的窗口内的输入序列替换为该窗口内的该序列的中值。在k处的样本的输出IK MED可以被写为:
其中,2L+1是滤波窗口尺寸。因此,该滤波器使用两个边值来预测当前点。然而,它只使用输入数据的秩排序信息并且丢弃其原始的时序信息。对于被噪声污染的平稳信号,它可以很差地执行噪声降低。
自适应中值滤波器的示例
可以自适应地改变中值滤波器的窗口尺寸(例如,如公式6所示)来获得最小中位绝对偏差。不同的数据驱动的窗口尺寸方法可以用于动态信号,其中,基础信号统计随时间变化。
FIR/IIR-中值混合滤波器的示例
这种类型的滤波器结合了FIR/IIR滤波器的用于去噪的期望性质和MF的用于保持边缘的能力。这种滤波器的操作可以被写成为:
其中,Φi是对输入序列的第i FIR/IIR子/滤波器操作。长度K和子滤波器的数目M可以被选择以允许噪声降低和边缘保持之间的可接受的折衷。与相同长度的常规MF相比,该滤波器能够对改变输入统计更快地作出反应。
自适应中值混合滤波器的示例
在一些实施例中,自适应子滤波器用于从以前的信号中估计当前信号。整体滤波器的输出是自适应滤波器输出和当前信号的中值。发明人的实验已经示出AMHF对很好地跟踪并且保持信号特性中的快速变化是有用的,并且对高度非平稳信号的滤波是特别有用的。
最小中值回归和最小修剪回归的示例
回归的一个目的是从输入数据估计未知参数。在典型的最小二乘(LS)解决方案中,所估计的参数值β被定义为将残差平方的目标函数S(β)进行最小化的那些值,其中,残差被定义为从属值和模型值的数值之间的差异ri(β)=yi-f(xi,β),其中,n是样本的总数目。然后,LMedS是由以下公式s给出:
该估计器产生从窗口中整个数据中计算的残差平方的中值的最小值。在存在高斯噪声的情况下,LMedS效率差。LTS方法试图将这些n个点的子集k上的残差平方的总和进行最小化。被忽略的n-k个点并不影响回归。对于LTS1回归,令r(j)(β)表示按照绝对值的升序排序的残差的有序绝对值,要被最小化的目标函数是:
图3示出了无线信号接收器装置300的一部分的示例框图,其中,在本文档中所公开的一些非线性滤波方案可以用于对所接收的无线信号进行处理。接收器装置300可被体现为如本文所描述的无线接收器110或接收器200。在装置300中,在一个或多个天线上接收的信号可以由前端(例如,包括低噪声放大器和模数转换过程的射频接收级)处理,以从由模块302接收的前端生成样本流301。所接收的样本可以对应于每个RE并且可包括来自服务小区的信号和所有的干扰小区信号的贡献。服务小区信号是通过模块303使用信号估计算法(例如,用E-MMSE-IRC),使用关于服务小区和干扰小区的信道估计的可用性来被估计。模块304然后从所接收的样本消除服务小区的信号,输出残存样本,该残存样本的主要贡献可以来自主导干扰小区信号。白化模块306可以执行将残存干扰和噪声信号进行白化的功能。
在块308处,每子载波的干扰信息从残存样本中盲测。产生的输出在频域(块310)和时域(314)中进行后处理。使用一维自适应中值滤波器(310),增强的结果从MF的样本中值获得。该结果是时域中通过使用信号的TTI延迟的版本(块312)来使用自适应中值混合滤波器(314)进行滤波。在该过程期间,计算残差和规模估计两者。由于非线性滤波,检测并且消除异常点。时域滤波(314)和频域滤波(310)的结果由干扰信息回归模块316处理来获得信息。虽然图3示出单次运行,但是在其他实施例中,在服务信号和干扰信号估计和消除之间的迭代解决方案还可被应用,并且通常在3-5次迭代后实现收敛性。
关于每个OFDM符号的频域中的自适应中值滤波器的示例实施例
对于有/没有干扰情况的每个OFDM系统,在频域中直接使用1-D AMF作为抑制来自其他小区的残存干扰的装置是简单的。利用NAICS的类型1资源分配,关于每个子带的干扰级别将是近似恒定的,并且相邻的子载波上的干扰保持强相关,以及执行每个子带的干扰估计的滤波是适当的。因此,可以检测到差分边缘,如果利用使用不同的带宽和不同的资源分配类型的多小区干扰,甚至检测到边缘阶段。来自其他未同步的小区而没有NAICS限制的信号干扰可能使用分布式资源分配(例如,LTE资源分配类型2),并且干扰可以对每个RB是不同的。自适应中值滤波在数值上使用处理器来实现,或者可以被硬编码为电子电路,该电子电路可针对滤波器系数值和窗口尺寸再编程。自适应控制可以相似地在数值上执行或者使用硬件电路来执行。
关于每个OFDM符号的时域中的自适应中值混合滤波器的示例实施例
默认情况下,每TTI和每PRB的粒度被假设为多小区干扰,该干扰从一个TTI波动至另一个TTI。利用较大的参数变化粒度可以降低算法实现复杂性同时保持相同程度的检测性能。用户流量对于每个小区使用不同的模式被映射到OFDM单元上。如果相邻的小区没有满负载运行,有时某些子载波将不受干扰。小区间干扰的急剧波动很大程度上取决于流量负载。OFDMA将块级别处的干扰进行平均,其保留它在符号级别处丰满性和非高斯性质。不管干扰是始终存在还是只有部分时间存在,在等效的功率级别处,与高斯干扰相比,非高斯干扰导致替代的统计方法。为了减少干扰的快速波动的影响,MHF可以用于鲁棒地检测时域中的干扰。
然而,标准MF的高斯噪声抑制的效率往往比通常使用不同的滤波器在有和没有干扰情况下的具有相同的窗口尺寸的均值滤波器的效率差。出于这种原因,中值混合滤波器(MHF)可用在干扰估计。线性滤波器可以降低噪声但损坏边缘;中值滤波器可以降低噪声以及保持细节。MHF对高斯噪声抑制和残存干扰去除能力有明显效果。由于中值计算,这种非线性滤波器基本上比常规自适应滤波器更好地适应并且保持信号统计中的突变,很好地适合于短持续时间干扰的检测。为简单起见,可以使用FIR中值混合滤波器(FMHF)。利用M线性相位FIR滤波器对输入信号进行滤波,并且FMHF的输出是滤波器的输出的中值。由于中值是在FIR子结构的输出上获得的并且子结构的数量远低于滤波器窗口内的数据样本的数量,所以FMHF可以缓解数据排序问题。子滤波器的性质和数量取决于应用。子滤波器通常是移动平均类型,但是优选为具有更好性能的其他更复杂的滤波器。对于简单的情况,M=3,对应于LTE系统中的干扰的不同级别(例如,分别是没有干扰,只有一个干扰和两个干扰),是足够跟踪随时间变化的干扰的。
另外,自适应线性接收器被广泛地用于LTE系统检测。AHMF适合于对具有快速变化并且短持续时间特性的信号进行滤波,自适应滤波器子结构用于从以前的输入或输出信号值估计当前信号。整体滤波器的输出是自适应滤波器输出和输入信号值的中值。滤波能在数值上使用处理器实现,或者可以被硬编码为电子电路,该电子电路可针对滤波器系数值和窗口尺寸再编程。
用于干扰ONSET/OFFSET检测的异常点检测的示例实施例
异常点是由于引起由不同的统计分布假设生成的怀疑与本地其他值偏离太多的值。时域中干扰存在或未检测(开/关边缘)的计算等效于异常点检测问题,例如,干扰不连续跳跃可以通过使用异常点检测算法自动地检测。以这种方式,可以动态地跟踪主导干扰。我们使用基于距离的方法用于异常点检测。异常点检测阈值与中位绝对偏差相关。在LMedS中,该阈值是与鲁棒标准偏差相关。
其中,MJ是最小的中值。p是可用的样本并且n个样本用于中值估计。常数1.4836是系数以实现与只存在仅高斯噪声的LS相同的效率。参数5/(n-p)对小数据集的影响进行补偿。因此,检测阈值适应于所估计的中值而不是预定义的值。基于距离的异常点检测是基于具有比其他方法更好的简单的计算的局部邻域规模,并且很适合当前应用。
用于精确的参数回归的LMedS和LTS的示例实施例
对于接收器中的处理,一旦接收的样本被相邻的小区的信号干扰,所接收的样本具有不同的规模。该干扰可以是非常短的持续时间,并且尖峰状噪声具有非常高的振幅。对于参数回归(诸如,Pa估计、信道估计),几个数据点,例如,异常点对线性回归分析中的回归方程的斜率具有不成比例的影响。具有不带有异常点的样本是有利的。对于信道估计,接收器处理的实施例可以执行异常点检测并且用信号的期望值替代所检测到的异常点。对于基于距离的异常点检测,在没有先验知识的情况下,非参数方法已知是比统计方法更好的解决方案。包括MMSE的最小二乘方法(LSM)要求以高斯或近似高斯分布的数据,其不能始终被保证。如果可以识别正确的模型,类似卡尔曼滤波器的基于模型的方法适合于去除并且替代异常点。然而,在许多情况下,识别正确的模型是不可行的。好的结果不能总是简单地只通过增加在计算中使用的回归样本的数量来获得。相对于异常点的“鲁棒”的回归技术能用几个样本取得好的结果。LMedS和最小LTS都是将函数拟合到一组数据而不受到存在异常点的不适当影响的鲁棒的统计方法。该方法能够从含有非常高的异常点(诸如50%的异常点)的数据集中来定位异常点。在使用LSM和MMSE算法之前执行异常点检测以及替代是有利的。
在一些实施例中,上述处理可以使用在LTE-Advanced网络中的小区边缘处的强多小区间干扰下UE信号处理的AMHF来执行。所公开的技术的一些有利方面包括:
[1]主导的干扰检测的MF对于抑制具有未知的多小区干扰的小区边缘处的残存干扰和非高斯重尾噪声是鲁棒的。
[2]具有自适应窗口长度的鲁棒MF提供简单的方法来将统计上降低具有平稳信道处的长窗口的方差和由于频率选择性衰落下的动态信道而增加方差之间的性能进行折中。
[3]MHF提供有效的方式以去除高斯噪声和异常点来防止在主导的干扰信号中受到污染的。保持时域和频域中的干扰边缘的不连续性增加了干扰存在与否的检测可靠性,其是由增强的NAICS接收器要求的参数中之一。
[4]AHMF降低MF的复杂性。可以自适应地选择具有自适应滤波器系数、检测阈值的多个子滤波器。调整异常点检测阈值可以显著地提高干扰存在与否的检测可靠性。进一步地,无异常点并且具有替代的样本的线性回归明显可靠地增加估计。
[5]异常点的识别可以导致发现有关所接收的信号的有用的和有意义的知识。来自检测到的异常点的信息提供了ONSET/OFFSET边界的信息。跟踪时域中的干扰可以提高干扰检测可靠性。
图4示出操作无线通信接收器的方法400的示例流程图。
方法400在402处包括由无线接收器接收正交频分复用(OFDM)信号。例如,LTE指定使用OFDM的信号传输。OFDM信号的特征在于传输时间间隔,以及其中,非线性时域滤波是在频域滤波的信号和延迟传输时间间隔值的整数倍的频域滤波的信号的延迟版本中执行。传输时间间隔表示逻辑时间段,在该逻辑时间段内,资源被分配给各种传输。非线性滤波器可使用输入样本的非线性功能来计算滤波器的输出。在一些实施例中,方法400可以在无线电收发站200上实现。
方法400在402处包括对接收的OFDM信号中的对应于服务小区传输的分量进行估计。如本文档所述,IRC算法可以在402处使用,例如,在LTE规范中指定的IRC算法。
方法400在404处包括通过从所接收的OFDM信号中减去该分量来生成噪声和干扰估计。例如,如参考模块304描述的,该估计可以通过从所接收的样本值减去服务小区信号估计生成。
方法400在406处包括通过将噪声和干扰估计进行白化产生归一化噪声信号。
方法400在408处包括从归一化噪声信号检测干扰估计信息。
方法400在410处包括对干扰估计的输出执行非线性频域滤波以生成频域滤波的信号。在一些实施例中,非线性频域滤波可以通过使用非线性滤波器对干扰估计的输出进行滤波来执行。
方法400在412处包括对频域滤波的信号执行非线性时域滤波以生成所接收的OFDM信号中的不需要的分量的估计。在一些实施例中,为了执行非线性时域滤波,可使用中值滤波器。
图5示出无线信号接收器装置500的一部分的示例框图。该装置500包括模块502,其用于由无线接收器接收正交频分复用(OFDM)信号。
装置500包括模块504,其通过从所接收的OFDM信号中减去分量来生成噪声和干扰估计。例如,如参考模块304描述的,该估计可以通过从所接收的样本值减去服务小区信号估计生成。
装置500包括模块506,其通过将噪声和干扰估计进行白化产生归一化噪声信号。
装置500包括模块508,其从归一化噪声信号检测干扰估计信息。在一些实施例中,干扰信号是盲测的。
装置500包括模块510,其对干扰估计的输出执行非线性频域滤波以生成频域滤波的信号。在一些实施例中,非线性频域滤波可以通过使用非线性滤波器对干扰估计的输出进行滤波来执行。
装置500包括模块512,其对频域滤波的信号执行非线性时域滤波以生成所接收的OFDM信号中的不需要分量的估计。在一些实施例中,为了执行非线性时域滤波,可以使用中值滤波器。
在一些实施例中,无线接收器装置可包括接收正交频分复用(OFDM)信号的接收器电路。该装置还可包括处理器,该处理器通过以下方式对所接收的信号进行处理:估计接收的OFDM信号中的对应于服务小区传输的分量、通过从所接收的OFDM信号减去该分量生成噪声和干扰估计、通过将该噪声和干扰估计进行白化来产生归一化噪声信号、从归一化噪声信号检测干扰估计信息、对干扰估计的输出执行非线性频域滤波以生成频域滤波的信号,以及对频域滤波的信号执行非线性时域滤波以生成所接收的OFDM信号中的不需要分量的估计。
本领域的普通技术人员将理解到,公开了用于在时域和频域中使用非线性滤波器来对所接收的无线信号进行处理的技术,用于减少干扰消除操作的性能的由于脉冲噪声的存在的不需要损失的技术。
将进一步理解的是,在一个方面中,公开了用于在小区边缘处具有多小区间干扰的无线通信系统中使用的鲁棒参数回归算法,特别用于增强的网络辅助干扰消除抑制(NAICS)接收器的盲干扰信息提取,例如,如在LTE-Advanced版本12中指定的。
在本文档中描述的所公开的和其他实施例和功能操作以及模块可以在数字电子电路中或者在包括本文档中公开的结构和它们的结构等效物的计算机软件、固件或硬件中或者在它们的一个或多个的组合中实现。所公开的和其他实施例可以被实现为一个或多个计算机程序产品,即,在计算机可读介质上编码的计算机程序指令的一个或多个模块,该计算机程序指令用于由数据处理装置执行或者用于控制数据处理装置的操作。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储设备、影响机器可读传播的信号的组合物或者它们中的一个或多个的组合。术语“数据处理装置”包括用于处理数据的所有的装置、设备和机器,其通过示例的方式包括可编程处理器、计算机或多个处理器或计算机。除硬件外,该装置可以包括为讨论中的计算机程序创建执行环境的代码,例如,构成处理器固件、协议栈、数据库管理系统、操作系统或它们的一个或多个的组合的代码。传播信号是人为生成的信号,例如,机器生成的电、光或电磁信号,该信号被生成以编码信息用于传输到适当的接收器装置。
计算机程序(也被称为程序、软件、软件应用、脚本或代码)可以以包括编译或解释语言的任何形式的编程语言编写,并且它可以以任何形式部署,包括作为独立的程序或作为适合于在计算环境中使用的模块、组件、子程序或其他单元。计算机程序不一定对应于文件系统中的文件。程序可以存储在保存其他程序或数据(例如,存储在标记语言文档中的一个或多个脚本)的文件的一部分,在专用于讨论中的程序的单个文件中或者在多个协作的文件(例如,存储一个或多个模块、子程序或代码的部分的文件)中。计算机程序可以被部署为在一个计算机上或者定位在一个站点或跨多个站点分布并且通过通信网络互连的多个计算机上执行。
在本文档中描述的过程和逻辑流可以通过一个或多个可编程处理器执行,该一个或多个可编程处理器执行一个或多个计算机程序以通过对输入数据操作并且生成输出来执行功能。过程和逻辑流还可以由专用逻辑电路执行,并且装置也可以被实现为专用逻辑电路,例如,FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
适用于计算机程序的执行的处理器通过示例的方式包括通用微处理器和专用微处理器以及任何种类的数字计算机的任何一个或多个处理器。通常,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储设备。通常,计算机还将包括用于存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘),或者可操作地耦合以从大容量存储设备接收数据或向大容量存储设备传递数据,或两者皆有。然而,计算机不需要具有这样的设备。适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储设备,其通过示例的方式包括半导体存储设备(例如,EPROM、EEPROM和闪存存储设备);磁盘(例如,内部硬盘或可移动磁盘);磁光盘;以及CD ROM和DVD-ROM磁盘。处理器和存储器可以由专用逻辑电路补充或并入在专用逻辑电路中。
虽然本文档含有许多的细节,但是这些不应该被解释为对要求保护的发明或可以要求保护的发明的范围的限制,而是作为针对具体的实施例的特征的描述。在本文档中在独立的实施例的上下文中描述的某些特征还可以在单个实施例中的组合中实现。相反地,在单个实施例的上下文中描述的各种特征还可以在多个实施例中独立地或者在任何合适的子组合中实现。此外,尽管特征可以在上面被描述为在某些组合中起作用并且甚至最初这样被要求保护,但是来自所要求保护的组合的一个或多个特征在某些情况可以从该组合中删去,并且所要求保护的组合可以针对子组合或子组合的变型。相似地,虽然操作是在附图中以特定的顺序描绘的,但是这不应该被理解为要求这样的操作以示出的特定的顺序或按顺序执行,或者要求所有示出的操作被执行以实现期望的结果。
只公开了几个示例和实现。可以基于公开内容对所描述的示例和实现以及其他实现做出变化、修改和加强。
Claims (26)
1.一种在无线蜂窝通信网络中的接收器处执行的无线信号处理的方法,包括:
由无线接收器接收正交频分复用(OFDM)信号;
估计接收的OFDM信号中的对应于服务小区传输的分量;
通过从所述接收的OFDM信号减去所述分量,生成噪声和干扰估计;
通过对所述噪声和干扰估计进行白化,产生归一化噪声信号;
从所述归一化噪声信号计算干扰估计信息;
对所述干扰估计的输出执行非线性频域滤波,以生成频域滤波的信号;以及
对所述频域滤波的信号执行非线性时域滤波,以生成所述接收的OFDM信号中的不需要分量的估计。
2.根据权利要求1所述的方法,其中,所述执行非线性频域滤波包括:
使用非线性滤波器对所述干扰估计的输出进行滤波。
3.根据权利要求1所述的方法,其中,所述OFDM信号的特征在于传输时间间隔,以及其中,所述非线性时域滤波是在所述频域滤波的信号和延迟传输时间间隔值的整数倍的所述频域滤波的信号的延迟的版本中执行的。
4.根据权利要求3所述的方法,其中,所述非线性时域滤波包括自适应中值滤波器。
5.根据权利要求4所述的方法,还包括:
测量接收的信号中的变化;以及
基于所述接收的信号中的测量的变化,调整所述自适应中值滤波器的特性。
6.根据权利要求5所述的方法,其中,所述自适应中值滤波器的所述特性包括所述自适应中值滤波器的操作的窗口。
7.根据权利要求5所述的方法,其中,所述测量接收的信号中的变化包括:
对于所述接收的信号的每个样本,更新所述接收的信号的中值;以及
将所述样本和所述中值之间的差与预定的阈值进行比较。
8.根据权利要求1所述的方法,其中,所述非线性频域滤波是使用中值滤波器来执行的,所述方法还包括:
估计所述接收的信号的统计参数;以及
基于所述统计参数,改变所述中值滤波器的长度。
9.根据权利要求8所述的方法,其中,估计所述统计参数包括对与期望的信号值的不同超过阈值的异常点信号值进行估计。
10.一种无线接收器装置,包括:
接收器电路,其接收正交频分复用(OFDM)信号;以及
处理器,其通过以下操作来对接收的OFDM信号进行处理:
估计所述接收的OFDM信号中的对应于服务小区传输的分量;
通过从所述接收的OFDM信号减去所述分量,生成噪声和干扰估计;
通过对所述噪声和干扰估计进行白化,产生归一化噪声信号;
从所述归一化噪声信号检测干扰估计信息;
对所述干扰估计的输出执行非线性频域滤波,以生成频域滤波的信号;以及
对所述频域滤波的信号执行非线性时域滤波,以生成所述接收的OFDM信号中的不需要分量的估计。
11.根据权利要求10所述的装置,其中,所述处理器通过以下操作来执行所述非线性频域滤波:
使用非线性滤波器对所述干扰估计的输出进行滤波。
12.根据权利要求10所述的装置,其中,所述OFDM信号的特征在于传输时间间隔,以及其中,所述处理器对所述频域滤波的信号和延迟传输时间间隔值的整数倍的所述频域滤波的信号的延迟的版本执行所述非线性时域滤波。
13.根据权利要求12所述的装置,其中,所述非线性时域滤波包括自适应中值滤波器。
14.根据权利要求13所述的装置,其中,所述处理器还:
测量接收的信号中的变化;以及
基于所述接收的信号中的测量的变化,调整所述自适应中值滤波器的特性。
15.根据权利要求14所述的装置,其中,所述自适应中值滤波器的所述特性包括所述自适应中值滤波器的操作的窗口。
16.根据权利要求14所述的装置,其中,所述处理器通过以下操作来测量所述接收的信号中的变化:
对于所述接收的信号的每个样本,更新所述接收的信号的中值;以及
将所述样本和所述中值之间的差与预定的阈值进行比较。
17.根据权利要求10所述的装置,其中,所述处理器通过以下操作来执行所述非线性频域滤波:
实现中值滤波器;
估计所述接收的信号的统计参数;以及
基于所述统计参数,改变所述中值滤波器的长度。
18.一种存储计算机可执行指令的计算机可读程序介质,所述计算机可执行指令在由处理器执行时,促使所述处理器实现无线信号处理的方法,所述方法包括:
由无线接收器接收正交频分复用(OFDM)信号;
估计接收的OFDM信号中的对应于服务小区传输的分量;
通过从所述接收的OFDM信号减去所述分量,生成噪声和干扰估计;
通过对所述噪声和干扰估计进行白化,产生归一化噪声信号;
从所述归一化噪声信号计算干扰估计信息;
对所述干扰估计的输出执行非线性频域滤波,以生成频域滤波的信号;以及
对所述频域滤波的信号执行非线性时域滤波,以生成所述接收的OFDM信号中的不需要分量的估计。
19.根据权利要求18所述的计算机可读程序介质,其中,所述执行非线性频域滤波包括:
使用非线性滤波器对所述干扰估计的输出进行滤波。
20.根据权利要求18所述的计算机可读程序介质,其中,所述OFDM信号的特征在于传输时间间隔,以及其中,所述非线性时域滤波是在所述频域滤波的信号和延迟传输时间间隔值的整数倍的所述频域滤波的信号的延迟的版本中执行的。
21.根据权利要求20所述的计算机可读程序介质,其中,所述非线性时域滤波包括自适应中值滤波器。
22.根据权利要求18所述的计算机可读程序介质,其中,所述方法还包括:
测量接收的信号中的变化;以及
基于所述接收的信号中的测量的变化,调整所述自适应中值滤波器的特性。
23.根据权利要求22所述的计算机可读程序介质,其中,所述自适应中值滤波器的所述特性包括所述自适应中值滤波器的操作的窗口。
24.根据权利要求22所述的计算机可读程序介质,其中,所述测量接收的信号中的变化包括:
对于所述接收的信号的每个样本,更新所述接收的信号的中值;以及
将所述样本和所述中值之间的差与预定的阈值进行比较。
25.根据权利要求18所述的计算机可读程序介质,其中,所述非线性频域滤波是使用中值滤波器来执行的,并且所述方法还包括:
估计所述接收的信号的统计参数;以及
基于所述统计参数,改变所述中值滤波器的长度。
26.根据权利要求25所述的计算机可读程序介质,其中,估计所述统计参数包括对与期望的信号值的不同超过阈值的异常点信号值进行估计。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2015089887 | 2015-09-17 | ||
CNPCT/CN2015/089887 | 2015-09-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106549897A true CN106549897A (zh) | 2017-03-29 |
CN106549897B CN106549897B (zh) | 2019-10-08 |
Family
ID=58283324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610829319.4A Expired - Fee Related CN106549897B (zh) | 2015-09-17 | 2016-09-19 | 使用非线性滤波的干扰消除方法、装置以及计算机可读程序介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10069712B2 (zh) |
CN (1) | CN106549897B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109729035A (zh) * | 2018-11-07 | 2019-05-07 | 宁波大学 | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 |
CN110389745A (zh) * | 2019-05-15 | 2019-10-29 | 广东工业大学 | 一种基于基尼回归的信号检测与估计电路及方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10237781B2 (en) * | 2016-02-19 | 2019-03-19 | Zte Corporation | Channel quality estimation for link adaptation within interference limited systems |
KR102606781B1 (ko) * | 2016-09-02 | 2023-11-27 | 삼성전자 주식회사 | 무선 통신 시스템에서 효율적인 데이터 송수신 방법 및 장치 |
FR3064853B1 (fr) * | 2017-03-31 | 2019-03-22 | Continental Automotive France | Procede et capteur pour detecter la presence de brouillage cocanal |
FR3067189B1 (fr) * | 2017-06-01 | 2020-06-12 | Continental Automotive France | Procede de suppression spatiale et temporelle d'interferences multi-trajets pour recepteur de signaux radio modules en frequence |
FR3067186B1 (fr) * | 2017-06-01 | 2019-06-21 | Continental Automotive France | Procede de suppression de signaux multi-trajets pour recepteur de signaux radio modules en frequence |
US10660056B2 (en) * | 2017-09-08 | 2020-05-19 | Qualcomm Incorporated | Techniques for timing control with filtering in orthogonal frequency division multiplexing-based systems |
US10911096B1 (en) | 2019-08-07 | 2021-02-02 | Samsung Electronics Co., Ltd | System and method for providing sub-band whitening in the presence of partial-band interference |
US11057067B1 (en) | 2020-04-13 | 2021-07-06 | Bae Systems Information And Electronic Systems Integration Inc. | Self-interference signal cancellation |
CN112748429B (zh) * | 2020-12-28 | 2023-09-08 | 中国人民解放军空军工程大学 | 一种快速噪声对消滤波方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868114B2 (en) * | 2001-01-18 | 2005-03-15 | The Titan Corporation | Interference suppression in a spread spectrum communications system using non-linear frequency domain excision |
CN103200140A (zh) * | 2012-01-06 | 2013-07-10 | 北京大学 | 一种基于预均衡的干扰消除系统及方法 |
CN103581068A (zh) * | 2012-08-10 | 2014-02-12 | 联芯科技有限公司 | 信道估计方法和装置 |
US20140153625A1 (en) * | 2012-12-03 | 2014-06-05 | Digital PowerRadio, LLC | Systems and Methods for Advanced Iterative Decoding and Channel Estimation of Concatenated Coding Systems |
US20150215700A1 (en) * | 2012-08-01 | 2015-07-30 | Dolby Laboratories Licensing Corporation | Percentile filtering of noise reduction gains |
-
2016
- 2016-09-15 US US15/266,944 patent/US10069712B2/en not_active Expired - Fee Related
- 2016-09-19 CN CN201610829319.4A patent/CN106549897B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868114B2 (en) * | 2001-01-18 | 2005-03-15 | The Titan Corporation | Interference suppression in a spread spectrum communications system using non-linear frequency domain excision |
CN103200140A (zh) * | 2012-01-06 | 2013-07-10 | 北京大学 | 一种基于预均衡的干扰消除系统及方法 |
US20150215700A1 (en) * | 2012-08-01 | 2015-07-30 | Dolby Laboratories Licensing Corporation | Percentile filtering of noise reduction gains |
CN103581068A (zh) * | 2012-08-10 | 2014-02-12 | 联芯科技有限公司 | 信道估计方法和装置 |
US20140153625A1 (en) * | 2012-12-03 | 2014-06-05 | Digital PowerRadio, LLC | Systems and Methods for Advanced Iterative Decoding and Channel Estimation of Concatenated Coding Systems |
Non-Patent Citations (1)
Title |
---|
TINGTING ZHAO等: "《A Frequency-Domain Estimation Scheme for Single-Tone Interference in OFDM Systems》", 《2011 THIRD INTERNATIONAL CONFERENCE ON COMMUNICATIONS AND MOBILE COMPUTING》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109729035A (zh) * | 2018-11-07 | 2019-05-07 | 宁波大学 | 一种正交频分复用技术通信系统中的脉冲噪声抑制方法 |
CN110389745A (zh) * | 2019-05-15 | 2019-10-29 | 广东工业大学 | 一种基于基尼回归的信号检测与估计电路及方法 |
CN110389745B (zh) * | 2019-05-15 | 2023-10-13 | 广东工业大学 | 一种基于基尼回归的信号检测与估计电路及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20170085401A1 (en) | 2017-03-23 |
CN106549897B (zh) | 2019-10-08 |
US10069712B2 (en) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106549897B (zh) | 使用非线性滤波的干扰消除方法、装置以及计算机可读程序介质 | |
EP2617171B1 (en) | Interferer parameter estimation method and apparatus | |
CN101849397B (zh) | 用于蜂窝通信系统中的同步小区的信道估计 | |
EP2777190B1 (en) | Methods and apparatus for mitigating known interference | |
US10237781B2 (en) | Channel quality estimation for link adaptation within interference limited systems | |
EP2454836B1 (en) | Interferer region identification using image processing | |
EP3282603B1 (en) | Interference cancellation method and base station apparatus therefor | |
US20140086371A1 (en) | Interference cancellation apparatus and receiver | |
EP2953403A1 (en) | User device, base station, interference reduction method, and interference reduction control information notification method | |
CN106465475A (zh) | 基站装置、终端装置以及通信方法 | |
CN103947139A (zh) | 用于估计服务小区内的干扰的方法、用户设备、计算机程序和计算机程序产品 | |
CN107113075A (zh) | 用于基于移动通信系统中的干扰测量来接收信号的方法和装置 | |
CN104081674A (zh) | 扩展用于干扰减轻的可寻址的干扰源的集合 | |
EP2981012B1 (en) | User device and user allocation information estimation method | |
CN104378128A (zh) | 平台生成的射频干扰的适应性减轻 | |
EP3096562A1 (en) | Base station, user equipment, interference reduction control information notification method, and interference reduction method | |
CN104488201B (zh) | 用于在无线通信系统中发送和接收信号的方法和装置 | |
US9787446B2 (en) | Method and device for processing resource blocks | |
CN111162806B (zh) | 一种无线宽带系统的窄带干扰检测及消除方法和系统 | |
US9673850B2 (en) | Radio communication devices and methods for controlling a radio communication device | |
WO2013111047A1 (en) | Metric based noise covariance estimation in a multichannel transmission environment | |
US20220376751A1 (en) | Wireless receiving apparatus, wireless communication system, and wireless receiving method | |
US9686804B2 (en) | Method and network node for assisting handling of interference at a receiver device | |
Sezer et al. | Optimal detector randomization in cognitive radio systems in the presence of imperfect sensing decisions | |
WO2017220157A1 (en) | Estimation device, and method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191008 Termination date: 20210919 |
|
CF01 | Termination of patent right due to non-payment of annual fee |