CN115769534A - 用于通过不平衡检测改进噪声估计的自集群资源块方法 - Google Patents

Abstract

本文介绍了在具有相似噪声分布的资源块上估计噪声协方差的过程。这些过程导致对给定信道中发生的噪声进行更精确的估计，因为可以通过增加被检查的资源块的数量来提高精度，同时还可以识别然后过滤那些受干扰污染的资源块。概括而言，这些过程表示一种自动方法，其用于检测带有噪声的资源块和除噪声之外还有干扰的资源块之间的不平衡，然后形成具有相似特性的资源块的集群，以提供更多可用于估计噪声协方差的样本。

Description

用于通过不平衡检测改进噪声估计的自集群资源块方法

相关申请的交叉引用

本申请要求2020年6月15日提交的申请号为63/039,268、标题为“具有干扰不平衡检测的自集群噪声估计”的美国临时申请的优先权，其全部内容通过引用并入本文。

技术领域

各种实施例涉及估计无线通信系统所经受的噪声的方案。

背景技术

在无线通信领域，估计噪声协方差是设计接收器时的重要步骤，以确保正确地解调和解码输入信号。通过将参考频调(reference tone)上的输入信号(称为“基准信号”)与该参考频调上的对应估计信道进行比较来估计噪声协方差。从去映射(demapper)的角度来看，参考信号可以是解调参考信号(DMRS)或小区特定参考信号(CRS)。例如，假设参考频调上的接收信号可以表示为如下：

y＝Hx+n 式1

其中y是维数为n_r×1的向量，该向量代表接收信号，n是维数为n_r×1的向量，该向量代表噪声。同时，x是接收器已知的传输参考信号，H是维数为n_r×n_t的信道矩阵，其中n_t是参考信号的端口数。在多用户(MU)多输入多输出(MIMO)设备的情况下，n_t可以大于传输数据的秩。假设

是估计信道，估计噪声可以表示为如下：

并且，估计噪声协方差成为

在资源块(RB)内通常存在多个参考频调。例如，在5G新无线(NR)中，物理广播信道(PBCH)和物理下行控制信道(PDCCH)中包括的每个RB都包含三个参考频调。同时，在物理下行共享信道(PDSCH)中，根据相应参考信号的类型(例如DMRS、CRS)，每个RB可以包含四个或六个参考频调。

附图说明

图1包括示出了RB内两个PDSCH-DMRS配置的高阶示意图。

图2包括由无线通信系统的接收器实现的工作流的高阶示意。

图3示出了干扰可以如何在信道的带宽中间发生。

图4示出了干扰中的不平衡如何导致给定信道的RB被分为三个集群。

图5通过使用图2-图3中所示的示例信道进行模拟，示出了此处介绍的方法的优点。

图6展示了在该方法第一次迭代后，如何将信道中包含的RB分为四个集群。

图7描绘了用于区分具有相异(dissimilar)噪声分布的RB的过程的流程图。

图8描绘了用于基于RB中包含的干扰量将RB分成集群的另一个过程的流程图。

图9描绘了用于将具有相当噪声分布的非相邻RB集群结合的过程的流程图。

图10包括示出计算系统示例的高阶框图，该计算系统可以实现本文描述的至少一些操作。

通过结合附图对详细说明书的研究，本文所描述的技术的各种特征对于本领域技术人员来说将变得更加明显。在附图中以示例而非限制的方式示出实施例，其中类似的附图标记可以指示相似的元素。虽然附图为了说明的目的描绘了各种实施例，但本领域技术人员将认识到，可以在不偏离技术原理的情况下使用替代实施例。因此，虽然在附图中示出了具体实施例，但该技术可以进行各种修改。

具体实施方式

对于无线通信系统(也称为“数字通信系统”)，接收器将检测到源自源的信号的最大可能性是基于在解调器处的信号测量给出的条件概率。其如下所示：

其中p(x|d＝i)遵循由无线通信系统引入的加性(additive)噪声的概率分布函数，p(d＝i)是源发送信号i的固有概率(intrinsic probability)，p(x)是在接收器处获得测量x的概率。通常，在使用似然比(likelihood ratio)进行决策时，p(x)被忽略。

在设计用于无线通信系统的接收器时，加性高斯白噪声(AWGN)是用于估计自然噪声的最基本模型。这些修改器(modifier)中的每个都表示模型的不同特性。术语“加性”指示将其添加到无线通信系统固有的任何噪声中，术语“白化(white)”指示噪声在用于无线通信系统的频带内具有一致的功率，术语“高斯”指示噪声遵循平均时域值为零的正态分布。

为了提高AWGN的精度，重要的是尽可能精确地估计这种自然噪声的特性。然而，存在不利于估计的数个因素。首先，由于参考信号数量有限，观测数往往不足。其次，在由干扰引起的不同频率处，往往存在不平衡。

在4G和5G宽带蜂窝网络中，参考信号占用总带宽的一部分，以减少开销。例如，在5G宽带蜂窝网络中，沿着物理下行链路共享信道(PDSCH)携带的编码数据与使用相同预编码和天线端口的解调参考信号(DMRS)组合传输。这确保用户设备(UE)可以将接收的DMRS与发送的DMRS进行比较，以推断传播信道和噪声分布。5G技术标准描述了两种PDSCH-DMRS配置。

图1包括示出了资源块(RB)内两个PDSCH-DMRS配置的高阶示意图。第一配置(称为“一类配置”)使用分配给DMRS的符号的资源单元中的50％(例如，每个RB的每个天线端口6个资源单元)，而第二配置(称为“二类配置”)使用分配给DMRS的符号的资源单元中的33％(例如，每个RB的每个天线端口4个资源单元)。

为了获得原始(raw)噪声协方差，可以在RB内将估计噪声协方差平均。由此产生的度量可以称为“每RB噪声协方差(per-RB noise covariance)”。然而，在两种配置中，RB内的样本数都不足以提供噪声协方差的准确估计。因此，最好将来自多个RB的样本结合起来，以提高估计的精度。然而，在实时宽带蜂窝网络中，可能存在来自其他源对感兴趣信道中某些频率的干扰。这种干扰将污染可用于消除或抑制高斯噪声特性的DMRS(因此，污染了至少部分样本)。

理想情况下，应在所分配的带宽上平均每RB噪声协方差，以提高噪声估计的精度。然而，由于来自环境的动态干扰，在所分配的带宽内的不同RB可能会受到不同程度的干扰。例如，一些RB可能会经历中等干扰，而其他RB可能不会经历任何干扰。此外，不同RB中的推断(inference)也可能不同。因为干扰是相当动态的，所以使用大的窗口大小来估计每RB噪声协方差是不切实际的。

因此，这里介绍了一些方法，其中估计噪声协方差是在具有相似噪声分布(或简称“分布”)的多个RB上估计的。概括而言，这些方法使用滑动窗口来计算协方差(例如，统计确定连续RB之间的噪声分布是否相似)，然后相应地定义RB的集群。然后可以计算每个集群的平均协方差，集群中包括的每个RB可以由为该集群计算的平均协方差代表。这种基于多个RB而不是单个RB的分析来确认协方差的方法可以有助于后续检测和/或调制。因此，可以将平均协方差插入式4中，以提高对接收器将检测到信号的可能性进行概率确定的精度。

这些方法导致更精确地估计噪声，因为通过增加样本大小，同时也通过识别并消除干扰造成的污染，可以提高精度。换言之，本公开引入了一种自动方法，用于检测具有纯噪声的RB与具有干扰的RB之间的不平衡，然后形成具有相似特性的RB的集群，以提供更多可用于估计噪声协方差的样本。

如下文进一步讨论，算法可以应用于一系列RB，以检测受干扰污染的那些RB。这一系列RB可以代表被检查的RB的“窗口”。然后，可以对一系列RB进行过滤，使得受污染的RB被去除。然后可以基于过滤后的一系列RB来估计噪声协方差，以确保干扰的影响最小化。对于那些确定包括干扰的RB，存在数种方式可以在实践中估计其协方差。例如，可以应用最小平均窗口大小，或者可以基于干扰特性进一步确定动态窗口大小。

从对本公开的仔细研究中将明显看出，该技术的设计考虑了性能、效率和实用性。例如，该技术可以很容易地在调制解调器芯片中实现，该调制解调器芯片被设计为促进4G和5G宽带蜂窝网络上的通信。术语“调制解调器芯片”是指一种集成电路，其被配置为以编码要传输到另一调制解调器的数据和/或解码从另一调制解调器接收的数据的方式调制信号。然而须注意，虽然可以在特定无线通信系统的上下文中描述实施例，但本领域技术人员将认识到，这些特征可以类似地适用于其他无线通信系统。

可以参考特定计算设备、信道等描述实施例。然而，本领域技术人员将认识到，这些特征同样适用于其他计算设备、信道等。例如，虽然可以在估计调制解调器所经历的噪声的上下文中描述实施例，但这些实施例的特征可以扩展到其他类型的计算设备。例如，这里介绍的方法可以由任何包括能够处理通过4G和5G宽带蜂窝网络接收的业务的接收器的计算设备实现。

可以使用硬件、固件、软件或其任何组合来体现技术的各个方面。因此，实施例可以包括具有指令的机器可读介质，当由处理器执行时，这些指令使处理器执行以下过程，在该过程中，通过识别被研究的每个资源块的类型，对相同类型的资源块进行集群，然后确定每个资源块集群的平均噪声协方差，来计算无线通信系统所经历的噪声。

术语

在该说明书中，提及“一实施例”、“一个实施例”和“一些具体实施例”意味着所描述的特征、功能、结构或特性包括在至少一个实施例中。这些短语的出现不一定指相同的实施例，也不一定指相互排斥的替代实施例。

除非上下文另有明确要求，否则词语“包括”、“含有”和“包含”应理解为包括意义(即“包括但不限于”的意义)，而非排他意义或穷举意义。术语“基于”也应理解为包括意义，而非排他意义或穷举意义。因此，除非另有指出，否则术语“基于”旨在意味着“至少部分基于”。

术语“连接”、“联接”或其任何变体旨在包括两个或多于两个元件之间的任何直接或间接连接或联接。连接/联接可以是物理的、逻辑的或它们的组合。例如，对象之间尽管没有共享物理连接，也可以电气或通信方式彼此联接。

当用于列举多个项目时，“或”一词旨在覆盖以下所有解释：列表中的任何项目、列表中的所有项目以及列表中项目的任何组合。

此处描述的过程中执行的步骤的顺序是示例性的。然而，除非与物理可能性相反，否则这些步骤可以按不同的顺序和组合执行。例如，可以在此处描述的过程中添加或移除步骤。同样，步骤可以被替换或重新分类。因此，任何过程的描述都旨在是开放的。

噪声估计方案概述

在无线通信系统中，在均衡和解码之前对数据信号和估计信道矩阵执行噪声白化转换时，估计噪声协方差是一个必要步骤。图2包括由无线通信系统的接收器实现的工作流的高阶示意。在4G和5G宽带蜂窝网络的物理业务信道中，将参考信号跨信道带宽嵌入RB中，以便接收器从参考信号中估计信道和噪声两者。然后，可以从噪声协方差中获得白化矩阵，例如，通过应用噪声协方差的逆乔列斯基(Cholesky)分解。

为了获得用于无线通信系统的原始噪声协方差，估计噪声协方差可以在被检查的RB之间平均。然而，由于RB内的样本数不足以提供噪声协方差的精确估计，因此需要结合来自多个RB的样本以提高估计的精度。

历来，实体试图通过简单地结合预定数量RB中的固定数量资源单元(RE)来解决样本数量不足的问题，以增加用于噪声估计目的的观测数。然而，由于存在干扰，RB的数量不能太大。否则，干扰会被计入观测中(因此在估计噪声时会导致误差)。在实践中，通常只有2到4个RB结合在一起，以考虑噪声估计精度与由于干扰而出现误差的可能性之间的权衡。

这里介绍的方法通过允许将相同类型的RB集群在一起而不限制这些集群的大小来解决这个问题。该方法不使用固定数量的RB进行噪声估计，而是检测受干扰影响(从而导致RB的协方差矩阵的分布特性发生突变)的RB，然后将这些RB从考虑因素中移除。

需要注意的是，该方法可以作为硬件、固件或软件在解调器模块中实现。例如，解调器模块可以通过执行计算机可读指令来实现该方法。作为另一个示例，解调器模块可以提供信息(作为输入)至被设计为实现该方法的集成电路。如下文进一步讨论的，该信息可以包括由信道估计模块(也称为“信道估计器”)生成的被检查的每个RB的协方差矩阵。解调器模块可以在下面讨论的集群和平均处理之后，为每个RB生成另一个协方差矩阵作为输出。例如，集成电路可以是专用集成电路(ASIC)或现场可编程门阵列(FPGA)。同时，解调模块和信道估计器可以包括在计算设备(诸如调制解调器)中，该计算设备包括无线通信系统。

图3示出了干扰可以如何在信道带宽中间发生。在此，该信道是PDSCH信道。如图3所示，在PDSCH信道中存在30个RB，在该示例中，中央的10个RB(即RB11-RB20)受干扰影响。概括而言，这里介绍的方法允许检测噪声和干扰分布的突变，以便将30个RB分割成集群，即插入一对“噪声”集群之间的“干扰”集群。然后可以在每个集群内平均协方差矩阵，以使用更多样本(也称为“观测”)来改进估计。需要注意的是，术语“噪声集群”是指一个或多个RB的集群，其分布大致表明纯噪声。同时，术语“干扰集群”是指一个或多个RB的集群，其分布表明除了噪声外还具有干扰。

首先，解调器模块可以初始化滑动窗口，以从占用给定信道带宽的第一个RB处开始。然后，解调器模块可以将滑动窗口的大小定义为m个RB，其中m是具有默认值的预定义参数。此后，解调器模块可以计算滑动窗口内包含的RB的噪声的平均协方差。然后，可以将平均协方差与占用给定信道带宽的接下来n个RB的噪声的平均协方差进行比较，其中n是具有默认值的预定义参数，以便产生距离度量。概括而言，距离度量代表这些平均协方差值之间的相似性。

如果距离度量超过阈值，这意味着存在显著概率发生以下情况：接下来n个RB具有与滑动窗口中包含的m个RB不同的分布特性，那么解调器模块可以将滑动窗口中包含的这些RB标记为属于一个集群。如下文进一步讨论的，集群中的每个RB可以作为一个整体由集群的平均协方差表示。然后，解调器模块可以重新初始化滑动窗口，以在下一个RB(即接下来n个RB中的第一个RB)处开始。然而，如果距离不超过阈值，则解调器模块可以扩展滑动窗口，使得其包括接下来n个RB。可以执行上述步骤，直到占用给定信道带宽的所有RB都分配给集群。请注意，每个集群可以具有m个RB的最小大小，因为这是定义滑动窗口的最小大小。

该过程完成后，解调器模块可以输出占用给定信道带宽的RB列表。对于每个RB，列表可以指定相应的集群和/或平均协方差。解调器模块可以将该信息存储在存储器中以供后续使用。

例如，假设m的默认值为2，而n的默认值是1。在这种情况下，解调器模块将初始化滑动窗口，使得其包含RB1和RB2，如图3所示。然后解调器模块将计算RB1和RB2的平均协方差，然后将该平均协方差与RB3的协方差进行比较。如果这些协方差值彼此相似，则可以扩展滑动窗口，使得其包含RB1、RB2和RB3。但是，如果这些协方差值彼此相异，则可以重新初始化滑动窗口，使得其包含RB3和RB4。在这种情况下，RB1和RB2可以被定义为相同类型的RB集群。请注意，这些默认值m和n是为了说明的目的而提供的。本领域技术人员将认识到默认值m和n可以是任意值。

该过程的另一个示例如图4中所示，其中干扰中的不平衡导致RB被分为三个集群。

例如，可以基于例如噪声和干扰统计数值预先确定在本上下文中的距离度量和阈值，以便在目标干扰噪声比的计算复杂性上优化检测干扰的精度。例如，候选距离度量包括以下内容：

·如果协方差矩阵为Σ的每RB噪声为零均值，则可使用K-L散度(divergence)表达两个分布之间的相似性；

·如果不同天线和不同RB上的噪声可以建模为具有正态分布的独立且同一分布的随机变量，则可以使用卡方检验(Chi-square test)；以及

·如果噪声可以建模为独立且同一分布的随机变量，且在每个天线上分别具有正态分布，则可以在每个天线的基础上使用指数分布。

这种将具有相当干扰量的RB集群在一起的方法导致数个显著的好处。例如，集群RB允许在估计给定RB中的噪声时考虑更多样本。与依靠单个RB中的噪声不同，可以通过观察在具有相似分布的多个RB上的噪声来改进估计，同时还可以避免可能由不平衡分布引入的误差。更精确地估计噪声最终将导致接收器性能的提升。这对于宽带数据信道(诸如4G和5G宽带蜂窝网络中的那些数据信道)尤其有益，因为通常会在某些信道的带宽内的某些频率上产生杂散干扰(spur interference)。

图5通过使用图3-图4中所示的示例信道进行模拟，示出了此处介绍的方法的优点。在图5中，十字标记指示每RB协方差与起源(genie)噪声协方差之间的K-L散度，而圆圈指示2-RB平均协方差与起源噪声协方差之间的K-L散度。线段代表了集群以及集群平均协方差与起源噪声协方差之间的对应的K-L散度。根据模拟，与2-RB平均协方差和每RB协方差相比，集群平均协方差与起源噪声协方差的散度要小得多(例如，对于大小为10RB的集群，接近于零)。

当实现时，此处介绍的方法将导致相邻RB被分类为可计算平均协方差的集群。根据统计理论，估计误差小于δ＝0.5σ(概率为90％)所需的样本大小(N)为35。这意味着一类配置为6个RB，二类配置为9个RB。

情况可能是：在执行该方法后，至少一些集群会小于满足此性能目标所需的最小大小。因此，可能需要执行该方法的多次迭代，以进一步结合那些共享相似分布的集群。图6演示了在该方法的第一次迭代之后，信道中包括的RB如何被分类为四个集群。这四个集群可以包括两个噪声集群和两个干扰集群，每个噪声集群具有四个RB，每个干扰集群具有两个RB。在该方法的第二次迭代之后，可以进一步结合第一集群和第三集群的平均噪声协方差，因为这些集群共享相似的分布。因为第二集群和第四集群经历来自不同源的干扰，所以这些集群可能不会被结合成超集集群。

用于区分具有相异噪声分布的RB的方法论

图7描绘了用于区分具有相异噪声分布的RB的过程700的流程图。最初，解调模块初始化滑动窗口，该滑动窗口具有m个RB的大小，该m个RB占用给定信道带宽(步骤701)。例如，解调模块可以初始化滑动窗口，以从占用给定信道带宽的第一个RB处开始。虽然m的值通常至少为2，但在一些实施例中m的值可以为1。注意，每个RB占用的带宽可以基于给定信道的由RB所占用的子载波的间隔配置。与给定信道相关联的RB数量可以基于为其设计和配置给定信道的网络技术(如4G或5G)。

然后，解调模块可以计算滑动窗口中包含的m个RB中噪声的平均协方差(步骤702)。协方差是对两个随机变量的联合可变性的衡量。例如，随机变量可以是第一RB中的噪声和第二RB中的噪声。如果一个随机变量的较大值在很大程度上对应于另一个随机变量的较大值，并且对于较小值也是如此，那么协方差为正。相反，当一个随机变量的较大值主要对应于另一个随机变量的较小值时，那么协方差为负。如下文进一步讨论的，解调器模块可以在代表或基于协方差的阈值基础上来确定是否扩展或重新初始化滑动窗口。

此后，解调器模块可以通过将m个RB的平均协方差与位于m个RB之后的下一个RB的协方差进行比较来产生距离度量(步骤703)。要注意的是，在一些实施例中，解调器模块被配置为将m个RB的平均协方差与接下来n个RB(其中n的值至少是2)的平均协方差进行比较。因此，解调器模块可以在噪声分布方面将m个RB与一个或多个RB进行比较。

解调器模块然后可以将距离度量与阈值进行比较。可以在解调器模块所属的计算设备的存储器中编程该阈值。此外，该阈值可以基于给定信道。如果距离度量不超过阈值，则解调器模块可以推断下一个RB与m个RB具有相似的噪声分布。在这种情况下，解调器模块可以扩展滑动窗口，以包括m个RB之外的下一个RB。

然而，如果解调器模块确定距离度量确实超过阈值(步骤704)，那么解调器模块可以将m个RB定义为代表相同类型的RB集群(步骤705)。换句话说，解调器模块可以将m个RB定义为代表具有相当噪声分布的RB集群。如上所述，存在两种“类型”的RB，即具有纯噪声的RB以及具有干扰和噪声的RB。因此，该RB集群可能受到干扰的影响，而下一个RB不受干扰的影响，或者，该RB集群可能不会受到干扰的影响，而下一个RB受到干扰的影响。

解调器模块然后可以将平均协方差与m个RB中的每个RB相关联(步骤706)。例如，解调器模块可以在数据结构中指示平均协方差代表m个RB中的每个RB。数据结构可以包括用于给定信道的每个RB的单独条目，每个与m个RB中的一个相关联的条目可以用平均协方差填充。

此外，解调器模块可以重新初始化滑动窗口，使得滑动窗口包含位于m个RB之后的n个RB(步骤707)。也就是说，解调器模块可以从下一个资源块开始重新初始化滑动窗口，以便可以再次执行过程700。如上所述，可以重复执行过程700，直到将占用给定信道中的带宽的所有RB分配给集群。

图8描绘了另一个过程800的流程图，该过程用于基于其中包含的干扰量将RB分成集群。最初，解调器模块可以初始化滑动窗口，以便滑动窗口包含占用给定信道带宽的一系列RB(步骤801)。图8的步骤801可以与图7的步骤701大致相似。例如，给定信道可以是根据5G新无线(NR)标准定义的物理信道。解调器模块然后可以计算滑动窗口中包含的一系列RB的平均协方差(步骤802)。图8的步骤802可以与图7的步骤702大致相似。

然后可以将一系列RB的平均协方差与位于一系列RB之后的第一RB的协方差进行比较(步骤803)。如上所述，在一些实施例中，第一RB是与该一系列RB进行比较的第二系列RB的一部分。因此，解调器模块可以被配置为将该一系列RB的平均协方差与第一RB所属的第二系列RB的平均协方差进行比较。解调器模块可以基于比较结果确定该第一RB是否具有与该一系列RB相当的干扰量(步骤804)。

在一些实施例中，执行步骤803导致产生距离度量，该距离度量表明在一系列RB中的干扰和第一RB中的干扰方面的相似性。如果解调器模块确定距离度量超过阈值，则解调器模块可以将一系列RB定义为具有相当干扰量的RB集群的代表。然而，如果解调器模块确定距离度量不超过阈值，则解调器模块可以扩展滑动窗口，使得滑动窗口包含一系列RB和第一RB。

图9描绘了将具有相当噪声分布的RB的非相邻集群结合的过程900的流程图。最初，解调模块可以确定占用给定信道带宽的RB已经被分类为一系列集群(步骤901)。例如，可以通过重复执行图7或图8的过程来建立一系列集群，直到将给定信道的所有RB分配给集群。每个集群包括一个或多个具有相当干扰量的RB。因此，每个集群中的所有RB都具有相似的噪声分布。

然后解调模块可以识别一系列集群中RB数量在阈值之下的给定集群(步骤902)。阈值可以代表在解调模块所属的计算设备的存储器中编程的静态值。概括而言，阈值可以表明每个集群中应包括的RB的最小数量。此后，解调模块可以确认位于给定集群之前的第一集群与位于给定集群之后的第二集群具有相当的干扰量(步骤903)。这可以通过比较第一集群的平均协方差与第二集群的平均协方差来实现。在这种情况下，解调模块可以将第一集群和第二集群结合为超集集群，只要第一集群和第二集群来自相同的源。更具体地，解调模块可以基于第一集群的平均协方差和第二集群的平均协方差来计算协方差度量，然后将协方差度量与包括在第一集群和第二集群中的每个RB相关联。如果第一集群中的干扰来自与第二集群中干扰不同的源，则解调模块可以避免将第一集群和第二集群结合在一起。

在实现时，这种结合非相邻集群的方法可能导致为给定信道创建的集群数量缩减，而不过滤任何RB。如上所述，可以实现图9的过程900，以增加可用于噪声估计目的的样本数量。如此，如果已经定义样本的最小数量，则解调模块可以重复执行过程900，直到超集集群包括至少预定数量的RB。

要注意的是，虽然图7-9的过程是在解调模块的上下文中讨论的，但这些过程可以由计算设备的另一个处理组件执行。例如，信道状态反馈模块也可以使用由同一过程生成的噪声协方差。更一般地，该过程可以适用于需要执行噪声白化的任何模块。该过程可以在专门设计的硬件中实现，也可以在通用处理器上运行的软件中实现。该过程是在硬件还是软件中实现，可以取决于延迟和功率方面的设计限制。

这些过程的步骤可以以各种组合和顺序执行。例如，可以重复执行图7-图8的过程，直到占用被检查的信道带宽的所有RB都分配给集群。在一些实施例中还可以包括其他步骤。例如，解调器模块可以被配置为输出占用被检查的信道带宽的RB列表。该列表可以为每个RB指定协方差值，该协方差值代表为相应集群计算的平均协方差。此外或可选地，该列表还可以指定每个RB已经分配到的集群。

计算系统

图10包括示出了可以实现本文所描述过程的计算系统1000示例的高阶框图。因此，计算系统1000的组件可以驻留在计算设备上，该计算设备包括可操作以执行本文所述过程的处理组件(例如，解调模块)。

计算系统1000可以包括处理器1002、主存储器1006、非易失性存储器1010、网络适配器1012、视频显示器1018、输入/输出设备1020、控制设备1022(例如，键盘、定点设备或诸如按钮等机械输入)、包括存储介质1026的驱动单元1024以及与总线1016通信连接的信号生成设备1030。总线1016被示出为代表一个或多个物理总线和/或通过适当的网桥、适配器或控制器连接的点到点连接的抽象概念。因此，总线1016可以包括系统总线、外围组件互连(PCI)总线、PCI快速总线、超传输总线、工业标准体系结构(ISA)总线、小型计算机系统接口(SCSI)总线、通用串行总线(USB)、互连集成电路间(I²C)总线或符合电气与电子工程师协会(IEEE)标准1394的总线。

计算系统1000可以共享与服务器、路由器、台式计算机、平板计算机、移动电话、视频游戏控制台、可穿戴电子设备(例如手表或健身跟踪器)、网络连接(“智能”)设备(例如电视或家庭辅助设备)、增强或虚拟现实系统(例如头戴式显示器)或能够执行一组(顺序或其他)指令(这些指令指定计算系统1000要采取的动作)的另一电子设备相似的计算机处理器架构。

虽然主存储器1006、非易失性存储器1010和存储介质1024被示出为单个介质，但术语“存储介质”和“机器可读介质”应被视为包括存储一组或多组指令1026的单个介质或多个介质。术语“存储介质”和“机器可读介质”还应被视为包括能够存储、编码或携带一组指令以供计算系统1000执行的任何介质。

通常，为实现本公开的实施例而执行的例程可以作为操作系统或特定应用程序、组件、程序、对象、模块或指令序列(统称为“计算机程序”)的一部分来实现。计算机程序通常包括一个或多个指令(例如指令1004、指令1008、指令1028)，这些指令在不同时间设置在计算设备中的各种存储器和存储设备中。当由处理器1002读取并执行时，指令使计算系统1000执行操作，以执行本公开各个方面。

虽然已经在全功能计算设备的上下文中描述了实施例，但本领域技术人员将理解，各种实施例能够以各种形式发布为程序产品。本公开适用于实际执行发布的特定类型的机器可读介质或计算机可读介质。机器可读介质和计算机可读介质的进一步示例包括可记录类型的介质，诸如易失性和非易失性存储设备1010、可移动磁盘、硬盘驱动器、光盘(例如光盘只读存储器(CD-ROM)和数字多功能磁盘(DVD))、基于云的存储以及传输类型的介质(诸如数字和模拟通信链路)。

网络适配器1012使计算系统1000能够通过计算系统1000和外部实体支持的任何通信协议，与计算系统1000外部的实体在网络1014中交换数据。网络适配器1012可以包括网络适配器卡、无线网卡、交换机、协议转换器、网关、网桥、集线器、接收器、中继器或包含集成电路的收发器(例如，通过

或

实现通信)。

此处介绍的技术可以使用软件、固件、硬件或此类形式的组合来实现。例如，本发明的各个方面可以使用专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)等形式的专用硬接线的(即非可编程)电路来实现。

备注

为了便于说明，提供了上述各种实施例的描述。它并不旨在详尽无遗，也不旨在将要求保护的主题限制在所公开的精确形式。许多修改和变化对于本领域技术人员来说是显而易见的。选择和描述实施例是为了最好地描述本发明的原理及其实际应用，从而使相关领域技术人员能够理解所要求保护的主题、各种实施例以及适合预期特定用途的各种修改。

尽管详细说明描述了各种实施例，但无论详细说明呈现地多么详细，该技术都可以以多种方式实践。实施例在实现细节上可能有很大变化，但仍包含在说明书中。在描述各种实施例的某些特征或方面时使用的特定术语不应被视为暗示在本文中将术语重新定义为仅限于与该术语相关联的技术的任何特定特性、特征或方面。一般来说，除非在本文中明确定义了这些术语，否则不应将以下权利要求中使用的术语解释为将技术限制为说明书中公开的特定实施例。因此，该技术的实际范围不仅包含所公开的实施例，而且也包括实践或实现实施例的所有等效方式。

说明书中使用的语言主要用于可读性和教学目的。它可能没有被选择来描述或限定主题。因此，其旨在该技术的范围不受本详细说明的限制，而是受基于本详细说明的申请发出的任何权利要求的限制。因此，各种实施例的公开旨在说明但不限制以下权利要求阐述的技术范围。

Claims (20)

1.一种用于区分具有相异噪声分布的资源块的方法，所述方法包括：

初始化滑动窗口，所述滑动窗口具有m个资源块的大小，所述m个资源块占用给定信道带宽，m是至少为2的值；

计算所述滑动窗口中包含的所述m个资源块中噪声的平均协方差；

通过将所述m个资源块的平均协方差与位于所述m个资源块之后的下一个资源块中噪声的协方差进行比较来产生距离度量；

确定所述距离度量超过阈值；

响应于所述确定，将所述m个资源块定义为具有相当的噪声分布的资源块集群的代表；以及

将所述平均协方差与所述m个资源块中的每个资源块相关联。

2.根据权利要求1所述的方法还包括：

响应于所述确定，重新初始化所述滑动窗口，使得所述滑动窗口包含位于所述m个资源块之后的n个资源块，n是至少为2的值，

其中，所述下一个资源块是所述n个资源模块中的第一个资源块。

3.根据权利要求1所述的方法，其中，所述阈值基于所述给定信道。

4.根据权利要求1所述的方法，其中，每个资源块所占用的带宽基于所述给定信道的资源块所占用的子载波的间隔配置。

5.根据权利要求1所述的方法，其中，所述确定指示所述下一个资源块与所述一系列资源块的类型不同。

6.根据权利要求5所述的方法，其中，所述一系列资源块中的每个资源块都受到干扰的影响，而所述下一个资源块不受干扰的影响。

7.根据权利要求5所述的方法，其中，所述一系列资源块中的每个资源块都不受干扰的影响，而所述下一个资源块受到干扰的影响。

8.根据权利要求1所述的方法，其中，所述关联包括：

在数据结构中，指示所述平均协方差是所述m个资源块中的每个资源块的代表，

其中，所述数据结构包括用于所述给定信道中每个资源块的条目，以及

其中，用所述平均协方差填充每个与所述m个资源块中的一个相关联的条目。

9.一种具有指令的非暂时性计算机可读介质，所述指令在由计算设备的处理器执行时使所述计算设备执行操作，所述操作包括：

初始化滑动窗口，使得所述滑动窗口包含占用给定信道带宽的一系列资源块；

计算所述滑动窗口中包含的所述一系列资源块中噪声的平均协方差；

将所述一系列资源块的平均协方差与位于所述一系列资源块之后的第一资源块中噪声的协方差进行比较；以及

基于所述比较的结果，确定所述第一资源块是否具有与所述一系列资源块相当的干扰量。

10.根据权利要求9所述的非暂时性计算机可读介质，其中，所述给定信道是根据5G新无线(NR)标准定义的物理信道。

11.根据权利要求9所述的非暂时性计算机可读介质，

其中，所述比较导致产生距离度量，所述距离度量表明在所述一系列资源块中的干扰和所述第一资源块中的干扰方面的相似性，以及

其中，所述确定包括：

确认所述距离度量超过阈值，以及

将所述一系列资源块定义为具有相当的干扰量的资源块集群的代表。

12.根据权利要求11所述的非暂时性计算机可读介质，还包括：

将所述平均协方差与所述一系列资源块中的每个资源块相关联。

13.根据权利要求9所述的非暂时性计算机可读介质，

其中，所述比较导致产生距离度量，所述距离度量表明在所述一系列资源中的干扰和所述第一资源块中的干扰方面的相似性，以及

其中，所述确定包括：

确认所述距离度量不超过阈值，以及

扩展所述滑动窗口，使得所述滑动窗口包含所述一系列资源块和所述第一资源块。

14.根据权利要求13所述的非暂时性计算机可读介质，

其中，所述一系列资源块和所述第一资源块为第二系列资源块的代表，以及

其中，所述操作还包括：

计算所述扩展后的滑动窗口中包含的所述第二系列资源块的平均协方差；

将所述第二系列资源块的平均协方差与位于所述第二系列资源块之后的第二资源块的协方差进行比较；以及

基于所述比较的结果，确定所述第二资源块是否具有与所述第二系列资源块相当的干扰量。

15.根据权利要求14所述的非暂时性计算机可读介质，

其中，重复执行所述操作，直到将占用所述给定信道带宽的所有资源块分配给具有相当的干扰量的资源块集群，以及

其中，每个资源块集群包括至少一个资源块。

16.根据权利要求15所述的非暂时性计算机可读介质，其中，所述操作还包括：

输出占用所述给定信道带宽的所有资源块的列表，

其中，所述列表为每个资源块指定协方差值，所述协方差值是为相应的资源块集群计算的平均协方差的代表。

17.一种方法，包括：

确定占用给定信道带宽的资源块已经被分类为一系列集群，

其中，每个集群包括至少一个资源块，以及

其中，每个集群中包括的至少一个资源块具有相当的干扰量；

识别所述一系列集群中的资源块数量在阈值以下的给定集群；

确认位于所述给定集群之前的第一集群以及位于所述给定集群之后的第二集群具有来自相同源的相当的干扰量；

通过以下方式将所述第一集群和所述第二集群结合为超集集群：

基于所述第一集群的平均协方差和所述第二集群的平均协方差计算协方差度量，以及

将所述协方差度量与所述第一集群和所述第二集群中包括的每个资源块相关联。

18.根据权利要求17所述的方法，其中，所述结合在不过滤任何资源块的情况下减少集群的数目。

19.根据权利要求17所述的方法，其中，所述确认基于所述第一集群的平均协方差与所述第二集群的平均协方差的比较。

20.根据权利要求17所述的方法，其中，重复执行所述识别、所述确认和所述结合，直到所述超集集群包括至少预定数量的资源块。

Images