CN1124066C - 一种蜂窝移动通信系统中无线测量数据的预处理方法 - Google Patents

Abstract

本发明属无线通信技术领域，是一种蜂窝移动通信系统中无线测量数据的预处理方法，它采用无限长低通滤波器对测量数据进行平滑处理，然后，对连续两个数据之间的跳变进行检测，从而获得所需信息。本发明提出滤波结合模式识别的方法，可以对阴影衰落的限制很容易达到超过二分之一的水平，而平滑调整更为直观精细。

Description

一种蜂窝移动通信系统中无线测量数据的预处理方法

本发明属无线通信技术领域，是一种蜂窝移动通信系统中无线测量数据的预处理方法。

在蜂窝移动通信系统中，基站和移动台在通信进行的同时，要对服务小区的上下行链路和邻近小区的广播信道进行无线特性的测量。测量的结果将作为功率控制和切换判决的依据。

考虑典型系统中的两个基站：基站1(BTS-1)和基站2(BTS-2)。移动台从基站1向基站2作直线运动，其通信的信号强度如图1所示。移动台在运动过程中不断检测基站1的信号强度和基站2的信号强度。当基站1的信号强度足够强或足够弱时，系统可能考虑进行功率控制。而当基站2的信号强度大于基站1的信号强度时(A点)，系统可能考虑切换。典型的切换是在基站2的信号强度比基站1的信号强度强很多(即大于滞后余量h，图中C点)的情况下进行越区切换。这样可以防止由于信号波动引起的移动台在两个基站之间的来回重复切换-即“乒乓切换”。

由于移动信道不仅受路径损耗的影响，还受阴影衰落和多径衰落的影响。由于测量的周期一般远远大于多径衰落变化的周期，测量的结果可以认为不包含多径衰落的影响。但测量的周期一般与慢衰落变化的周期相当，因此直接的测量结果不能直接作为控制的依据，需要作一定的处理。由于慢衰落和路径损耗的变化交迭在一起的信息是紊乱的，因此造成系统的大量误判：如在不恰当的时候进行功率控制或越区切换而在迫切需要的时候却不能触发系统的控制。尤其是路径损耗的变化是与事件联系在一起的，它使系统对某些事件无能为力，而当着一时间非常频繁时，系统的特性就变得比较恶劣。

当前实际使用的测量数据处理方法主要有两种：一种是滑动窗口平均的方法，另一种是指数加权求平均的方法(Trends in Handover Design IEEECommunication Magazine 1996.5)。它们都可表达为横向滤波器的形式： $X\left(n\right)=\frac{1}{C}\underset{m=0}{\overset{N-1}{\mathrm{\Σ}}}x(n-m)h\left(m\right).........\left(1\right)$ x(n)是处理前的原始数据，X(n)是处理后的数据，C是归一化系数，N是滑动取样窗口长度。滑动窗口平均方法是被最广泛采用的，它的h(m)＝1，C＝N。其系统函数的幅值为： $\left|H\left(\mathrm{\ω}\right)\right|=\left|\underset{m=0}{\overset{m=N-1}{\mathrm{\Σ}}}h\left(m\right)\exp (-\mathrm{jm\ω})\right|=\left|\frac{\sin \left(\frac{N}{2}\mathrm{\ω}\right)}{\sin \left(\frac{1}{2}\mathrm{\ω}\right)}\right|.....\left(2\right)$ 其系统函数的频谱如图2。总体而言，这是一种简单但非常有效的数据平滑方式。对于阴影衰落这类噪声，移动台的速度越大，采样点的相关越小，功率谱的展宽越大，效果越好。对于静止的移动台，则理论上没有作用。滑动窗口平均的方法平滑的效果还随着平均样点的数目增加而更好。例如对于中等小区内速度40米每秒的移动台(这是此类小区中速度很高的移动台)，对测量数据不作任何处理时阴影衰落的总功率为σ²，计算表明：进行两个样点平均的方法后，阴影衰落的总功率降为四分之三的σ²；进行三个样点的平均时，阴影衰落的总功率变为 ；进行四个样点的平均后，阴影衰落的总功率为 。以上数据也表明平均数目超过四以后，对阴影衰落的抑制作用将不会比四个样点的平均有太多的改善。由于平均样点数的增加导致处理延迟的增加，因此一味地增加平均窗口长度往往是得不偿失的，对阴影衰落的抑制也很难超过二分之一的σ²。

另一种比较常用也比较自然的方法是指数加权平均的方法。其h(m)＝exp(-αm)，归一化系数为 $C=\frac{1-\exp (-\mathrm{\αNm})}{1-\exp (-\mathrm{\αm})},$ 系统函数的幅值为： $\left|H\left(\mathrm{\ω}\right)\right|=\left|\underset{m=0}{\overset{m=N-1}{\mathrm{\Σ}}}\exp (-\mathrm{\αm}-\mathrm{jm\ω})\right|=\left|\frac{1-\exp [-(\mathrm{\α}+\mathrm{j\ω})N]}{1-\exp (-\mathrm{\α}-\mathrm{j\ω})}\right|.....\left(3\right)$ 其频率响应如图3所示。图中的平均样点数N都等于4，衰减因子α等于0.5。

从图上可以分析，两种方法都是通过滤取低频的方式来实现测量数据的平滑估计，通过调整平均的样点数目N来改变通带的宽度以调整对噪声的滤去效果。另外，同样通过调整N来改变处理的延时。在指数加权平均的方法中，高频成分保留的要多一些，因为它更加尊重最后的测量数据样点值，这样能改善切换时延的问题，其时延不再可以简单地等于平均样点数目的一半，但是数据的波动增加了。

横向滤波器共有的一个缺点是其有限的窗口长度。实际系统中采样窗口长度都比较小，由于有限的窗口长度，路径损耗和阴影衰落的采样频谱都进一步重迭，更加不利于频谱的分离检出。

本发明的目的在于提出一种在蜂窝通信系统中能够改善路径损耗和对阴影衰落抑制的关于无线测量数据的预处理方法。

从前述分析可知，测量数据的处理一直在追求数据平滑和反映数据变化的统一。现有的方法虽然认识到两者之间的矛盾，但没有认识到两者在事件上是可分离的，所以都选择了两者之间的折衷。因此要研究这个问题，首先要明确什么数据需要平滑，什么数据需要反映。

在一个实际的数据序列中，如果其中只有一个数据有较大的波动，那么这个数据是应该是被平滑掉的。这种情况它变化的周期是2，忽略波形变化的形状并在时域上进行周期延拓，它在信号功率谱中是一个位于0.5HZ频率处的冲击脉冲。功率谱中频率大于0.5HZ的部分代表的是更快的一个变化，因此可以认为功率谱中频率大于0.5HZ的部分都是需要被平滑的。考虑波动的形状，一个周期等于N的信号的傅立叶展开必然包含周期小于等于N的分量。如果滤波使信号不包含周期小于N的载波，则信号的波动周期长度肯定大于等于N。因此，要使波动周期大于N，只需滤去所有波动周期小于N的谐波。

测量数据处理中到底需要平滑连续多少个的数据波动，是要根据通信中通信双方能够忍受多长时间的信道恶化而不造成通信质量大幅下降以至于掉话。信道恶化可以反映为信息块不正确接收概率的提高。对于通话过程中任一时刻的样点，可能处于波动时间宽度等于n的波动中。由于数据平滑，假设这一宽度的波动是被平滑掉的，因此通信双方并没有进行相应的功率控制和切换处理，由此造成了通信质量的恶化。理想情况下，功率控制和切换控制能够避免所有周期大于2的波动所造成的通信质量恶化，而平滑处理以后系统只能处理波动宽度大于N的波动。显然N值的提高将引起掉话率的上升。N值的选取取决于切换点附近的无线覆盖状况，在较好的无线覆盖情况下，引起的掉话在总的掉话率中是可以忽略的。

在实际处理中，横向滤波器的频谱交迭比较严重。正如图2和3所示，滤波器系统函数中保留了大量的高频成分，使得对高频的阴影衰落的抑制效果很差，一般不小于二分之一阴影衰落功率的水平。而采用无限长低通滤波器是更好的选择，将周期小于N的波动都滤除出去，以达到平滑的目的。比起平均处理方法，其复杂程度基本没有提高，但对阴影衰落的滤除效果要好得多，滤波以后阴影衰落的总功率可以很轻松地达到小于二分之一的原功率的水平。

对于传统的蜂窝通信，在蜂窝覆盖区域内无线传播环境变化不大，没有明显的突变，路径损耗信号强度的变化比较平缓，少量的延迟和误差对通话几乎没有影响。但在微小区中，街道的拐角效应就很突出了。移动台经过一个拐弯后，在不足20米的距离内，路径损耗的改变可以达到15dBm左右。这样的数据是必须得到反映的，且延迟应尽可能的小。如果这种情况不能得到反映或被延迟，则很可能引起掉话。

反观阴影衰落中，发生信号电平强度快速大幅度跳变情况的概率则是非常小的。阴影衰落经过低通滤波以后，只留下非常平坦的低频部分，忽略由于周期采样而引起的频谱交迭，可近似为窄带高斯白噪声，其标准方差为： ${\mathrm{\σ}}^{\′2}={\mathrm{\σ}}^2\frac{{\∫}_0^{1/N}\mathrm{\Ψ}\left(\mathrm{\ω}\right)\mathrm{d\ω}}{{\∫}_0^{+\∞}\mathrm{\Ψ}\left(\mathrm{\ω}\right)\mathrm{d\ω}}........\left(4\right)$ 一次信号强度下落跳变大于Δ的概率p_Δ为： $p_{\mathrm{\Δ}}={\∫}_{-\∞}^{+\∞}(\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}^{\′}}{e}^{\frac{-s^2}{2{\mathrm{\σ}}^{\′2}}}\·{\∫}_{-\∞}^{s-\mathrm{\Δ}}\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\σ}}^{\′}}{e}^{\frac{-x^2}{{2\mathrm{\σ}}^{\′2}}}\mathrm{dx})\mathrm{ds}....\left(5\right)$ 连续两次信号强度下落跳变大于Δ的概率可依次类推，Δ为信号电平跳变处理门限，一般可取4-6，具体根据系统要求和测量确定。当N取10，移动台的速度取20米每秒时，低通滤波以后阴影衰落总功率降为原功率的四分之一，p_Δ随Δ的变化如图4所示。当Δ＝5时，p_Δ的值是0.03。而要使两次跳变Δ≥5的概率则肯定小于10^-5。因此只要在算法中检出快速跳变，可以认为是由运动移动台的路径损耗的变化带来的，而不是阴影衰落带来的，不经过平滑直接恢复接收信号，就可以避免平滑处理对快速跳变的延迟，从而避免因拐角效应或其他原因引起的掉话。如果只检测一次跳变，数据处理部分没有带来延迟；检测两次跳变，则最大延迟为1；检测两次以上跳变基本没有意义。另外，百分之三阴影衰落功率的增加相对于平滑以后还未去除的阴影衰落总功率而言是很少的：因为对于N＝10的平滑，平滑后的阴影衰落仍有原功率的百分之十五，所以百分之三概率的功率增加对平滑特性的影响并不大。而且这种增加往往是很有意义的，因为它反映了当时当地恶性的阴影衰落变化，此时如果进行了一次越区切换可能也是很有必要的。

信号电平强度测量数据平滑处理实际上可以理解为一种知识表达过程：对于收到的每一个数据，根据过去和当前的信息，判断是否需要平滑，需要平滑多少。这种判断是建立在对信号强度测量数据中信号和噪声各自特性的了解之上的，了解的越多，判断越准确。在前面，主要通过频域和阴影衰落数据之间相关性来分析研究了信号的特点。因此，本发明提出，通过频域的低通处理和连续两个数据之间的跳变检测来获得所需要的信息。这两者各自独立起作用，是完全可以分离的，因此平滑处理和处理时延之间的矛盾可以因为事件本身的不同而得以分离。

本发明提出的无线测量数据的预处理方法，就是采用无限长低通滤波器，滤去波动周期小于信号周期N的波动，对无线测量数据进行平滑处理；然后对连续两个数据之的跳变进行检测，当平滑后的数据仍有大于Δ的跳变，则不经过平滑直接恢复接收信号。我们称这种测量数据处理方法为滤波结合模式识别的方法。应用这种方法，对阴影衰落的抑制很容易就能达到超过二分之一的水平，而对信号强度的快速跳变又可以几乎无时延的检出。由于N的值更直观地表达了数据的平滑程度，平滑程度的调整又甚至可以是连续的，而通常的方法给这种调整的余地是很少的几个离散点，因此还具有调整更加直观精细的优点。

本发明采用的低通滤波器可以是二阶巴特沃斯数字低通滤波器。

采用低通方法的缺点是归一化比较困难，其估计是有偏估计。但有偏估计是可以接受的。因为低频部分包含了信号绝大部分的功率，由于低通滤波损失的功率当N＝20时也将小于百分之一(按连续谱计算，且没有将由于频谱交迭增加的功率计算在内，移动台速度等于20米每秒)，小于测量数据本身的量化误差。而且由于其是一致地偏小，并不影响功率控制和切换比较过程。

图1为越区切换示意图，图2为一致平均方法的系统函数，图3为指数平均方法的函数，图4为阴影衰落快速跳变的概率，图5为地图，图6为不同处理方法对同一样本比较，其中电平值单位是dBm，在数值上统一加上了110。

下面以仿真实例来具体说明本发明及其效果。1模拟的环境和方法

为了验证测量数据的处理方法，我们进行了仿真研究(类GSM系统(GSMSpecification 05.08 version 5.4.0))。采用图5所示的地图，街区的两条直线路径之间各有两个相邻基站，标志为基站1、基站2、基站3和基站4。同一时刻只有单个的移动台在两个基站之间运动，切换的候选目标小区可以是不确定的。处于B点的移动台既可以切换到基站2，也可以切换到基站3或基站4。在仿真中，认为上下行是平衡的，只采用了其中一个方向链路上的测量数据，移动信道未考虑快衰落的影响，只考虑了慢衰落和路径损耗，并采用了COST 231预测模型(GSM Specification 05.22 version 5.0.0)。测量数据的处理以0.48秒为周期进行。2测量数据处理的样本表现

首先考察不同的测量数据处理方法在拐弯路线样本中的表现。仿真中采用了四种测量数据的处理方法。

(1)滑动窗口平均(平均长度为4)

(2)指数加权求平均(平均长度为4，α＝0.5)

(3)低通滤波(N＝10，二阶巴特沃斯滤波)

(4)低通滤波加知识表达(N＝10，二阶巴特沃斯滤波，Δ＝5)

图6比较了四种测量数据处理方法对同一随机样本(移动台沿路径A-B-C运动，逐渐离开基站1，不作任何切换，速度为20米每秒，200米后直角拐弯)的处理结果。从图中可以看出，原始信号强度值的变化在总体逐渐变小的同时还有较大的波动，平均平滑可以较好地实现平滑，但对信号强度的快速变化有较大的时延(拐弯处时延大致为1秒)；指数平均对平滑特性要有所下降，但对信号强度的快速变化的时延有所改善(拐弯处时延大致为0.5秒)；低通滤波在达到比滑动窗口平均方法更好的平滑特性时，时延也更大，只有在滤波结合模式识别的方法中才同时实现了好的平滑和低的时延(从切换的角度考虑，其时延几乎为0)。3测量数据处理的切换探讨

考察测量数据处理方法对于越区切换的影响。切换的触发条件为一次测量数据处理结果中邻区的接收电平比本小区的接收电平大5dBm。掉话采用GSM系统的无线链路超时机制。无线链路超时机制是：系统对每个呼叫保持一个计数器，初始值是其最大值，每一次没有正确接收到一个SACCH块(GSM系统的慢速随路信令信道的传输单元，每4帧一复帧，复帧周期为0.48秒)，计数器减1；当计数器小于最大值时，每正确接收到一个SACCH块，计数器加2。当计数器小于零时，系统将认为该链路不可用，并定义一次掉话。用两种方法分别考察测量数据处理方法在不同应用场合的特性：

(1)调整理想切换点(图6中的B点)的平均信号强度电平为约-95dBm，

   移动台沿直线运动400米，考察数据处理方法的平滑特性。

(2)调整理想切换点的平均信号强度电平约为-95dBm，移动台沿直线运

   动200米后直角拐弯，再直线运动200米，考察数据处理方法对拐弯

   效应的解决能力。表1给出了滑动窗口平均方法和低通滤波加知识表达方法相应的统计结果。

                 表1切换数据预处理方法的模拟结果

	直线运动*		直角拐弯**
					滑动窗口平均	低通加检测	滑动窗口平均	低通加检测
	平均切换次数	1.73	1.70	1.15					1.41
平均掉话率(％)					0.23	0.29	15.2	5.1

^*无线链路超时初始值设为1，移动台运动速度为2米每秒

^**无线链路超时初始值设为10，移动台运动速度为20米每秒从上表可以看到：

(1)在平滑特性模拟中，滤波结合模式识别方法确实表现为比滑动窗口平均方法更好的平滑特性。它表现在移动台直线运动时平均切换次数的下降，虽然改变的幅度比较少，但由于这种改变几乎都是由很小的一部分通话贡献的，相对于这些通话而言，通话质量的上升是可观的。

(2)在移动台直线运动的情况下，即使在无线链路超时设为最小值1的情况下，平均的掉话率并没有大的提高。无线链路超时在实际中的设置是要远远大于1，因此由于平滑而引起的掉话率的提高对系统掉话率的提高在实际中是可以忽略的。

(3)在拐弯效应的模拟中，滤波结合模式识别方法的掉话率比滑动窗口平均方法大大下降了，这表明检测信号强度的快速跳变是能够避免很大一部分拐弯引起的掉话。进一步的改进措施是提高对邻区信号的检测，邻区的测量数据处理和服务小区的测量数据处理分开来做。由于邻区没有功率控制问题，可以加强邻区测量数据的平滑和对拐弯效应的检测，减少拐弯后的切换中不正确地选择目标小区的概率，因为不正确地选择目标小区构成了绝大多数的掉话和不必要的切换。

(4)在拐弯效应的模拟中还可以发现拐弯效应引起的掉话率确实是相当高的，它是微小区中影响系统掉话率的主要因素之一。

Claims (2)

1、一种蜂窝移动通信系统中无线测量数据的预处理方法，其特征在于采用无限长低通滤波器滤去波动周期小于信号周期N的波动，对无线测量数据进行平滑处理，然后对连续两个数据之间的跳变进行检测，当平滑后的数据仍有大于信号强度下落跳变门限Δ的跳变，则不经过平滑，直接恢复原始接收信号。

2、根据权利要求1所述的无线测量数据的预处理方法，其特征在于采用的低通滤波器为二阶沃巴斯数字低通滤波器。

Images