DE112014003240B4 - Verfahren zur Erkennung von Interferenzen in einem Kanal eines drahtlosen Netzwerks - Google Patents

Abstract

Ein Verfahren zur Erkennung von Interferenzen in einem Kanal eines drahtlosen Netzwerks, umfassend:Anwenden eines Zweistichproben-Kolmogorov-Smirnov-Tests (KS-Test) (two-sample Kolmogorov-Smirnov-Test) (310) auf erste und zweite Periodogramme (120, 201, 202), die man bei zwei aufeinanderfolgenden Scans des Kanals erhalten hat, um eine erste Statistik (311) zu erhalten; undKlassifizieren (351) der Interferenz als breitbandig (321) oder schmalbandig (322) durch Vergleichen (312) der ersten Statistik (311) mit einem Schwellenwert, wobei die Schritte in einem Prozessor ausgeführt werden.

Description

• [Technisches Gebiet]
• Diese Erfindung betrifft allgemein drahtlose Netzwerke und im Einzelnen die Erkennung, Klassifizierung und Reduzierung von Interferenzen in drahtlosen lokalen Netzwerken.
• [Stand der Technik]
• Bei drahtlosen lokalen Netzwerken (WLAN) hat sich der Durchsatz verbessert und die Bereitstellungskosten sind erheblich gesunken. WLAN-Netze bieten eine hohe Flexibilität und sind einfach zu installieren und werden daher in Wohn-, Geschäfts- und Industrieanwendungen immer beliebter. Die drahtlose Übertragung von Daten ist aber grundsätzlich weniger zuverlässig und daher sind erhebliche Verbesserungen notwendig, bevor diese Technologien eine tragfähige Alternative zu verdrahteten Netzwerken sein können, insbesondere bei zeitkritischen Anwendungen.
• Das Hauptproblem der drahtlosen Übertragungsnetze sind Interferenzen. Diese können ihren Ursprung in anderen ähnlichen Netzwerken haben, die sich in der Nähe befinden und in denselben oder ähnlichen Frequenzbändern oder Kanälen betrieben werden. Viele der vorhandenen drahtlosen Übertragungsnetze dürfen in denselben lizenzfreien Frequenzbändern betrieben werden und stören sich daher gegenseitig. Beispiele sind Wi-Fi- und Bluetooth (BT)-Geräte, schnurlose Telefone, Smarttelefone usw., die in lizenzfreien Bändern von 2,4 GHz oder 5,8 GHz für industrielle, wissenschaftliche und medizinische Anwendungen (ISM) arbeiten.
• Interferenzen können auch von anderen Quellen herrühren, beispielsweise von Mikrowellengeräten, Leuchtstofflampen und Objekten, die sich in den Signalwegen befinden und zur Abschattung und Problemen bei der Mehrwegübertragung führen. Über die meisten dieser Faktoren haben die WLAN-Betreiber generell keine Kontrolle. Das WLAN muss sich daher mit Technologien, die den Effekt von Interferenzen abmildern, an solche Umgebungen anpassen können.
• Die Interferenzen, welche die Leistung eines WLAN beeinträchtigen, können als Breitband-Interferenzen, mit einer Bandbreite von 20 MHz oder mehr von anderen Netzgeräten, und als Schmalband-Interferenzsignale, typischerweise 1 MHz oder weniger, klassifiziert werden.
• Das Frequenzsprungverfahren kann den Effekt der Interferenzen durch Spreizung des Informationssignals über mehrere Frequenzkanäle minimieren. Systeme mit orthogonalem Frequenzmultiplexverfahren (OFDM) und MIMO-Systeme (Multiple Input Multiple Output) können die Übertragung zuverlässiger machen und den Durchsatz erhöhen. Obwohl diese Technologien den Störpegel erheblich reduzieren konnten, sind Interferenzen immer noch eine Hauptursache für eine Leistungsverschlechterung im WLAN.
• Der erste Schritt zur Minimierung des Interferenzeffekts ist die Erkennung der Interferenz und ihre Klassifizierung, d. h. ob es sich um eine schmalbandige oder breitbandige Interferenz oder beides handelt. Dann können geeignete Maßnahmen wie das Wechseln des Übertragungskanals, die Übertragung eines periodischen Interferenzsignals während inaktiver Perioden usw. getroffen werden. Hierdurch werden jedoch Netzwerkressourcen verbraucht und die Leistung ungünstig beeinflusst. Es kommt darauf an, einen genau berechneten Kompromiss zu finden zwischen der Bindung von Ressourcen für die Handhabung der Interferenzen und einer potentiellen Verbesserung der Leistung.
• In WO 2008/ 075 988 A2 ist ein Verfahren zur Erkennung von Interferenz in einem Signal unter Verwendung einer verborgenen Markov Modellierung beschrieben. Dabei wird die Rauschvarianz geschätzt, indem ein Abtastvektor, der das Signal bestehend aus Rauschen und Interferenz enthält, empfangen wird, nach der Größe in der Frequenzdomäne sortiert wird um einen geordneter Vektor zu erzeugen und ein Untervektor des geordneten Vektors gefunden wird, der die Kolomogorov-Smirnov Distanz minimiert.
• In der Veröffentlichung „Low complexity Kolmogorov-Smirnov modulation classification“ von F. Wang et al. ist ein Kolmogorov-Smirnov (K-S)-Test, der eine nichtparametrische Methode zur Messung der Anpassungsgüte für automatische Modulationsklassifikation (AMC) ist, beschrieben. Dabei wird der K-S-basierte Modulationsklassifikator wird zunächst für den AWGN-Kanal entwickelt und dann auf OFDM-SDMA-Systeme angewendet, um Mehrbenutzer-Interferenzen auszuschalten.
• Die meisten herkömmlichen Verfahren konzentrieren sich jedoch ausschließlich auf eine einzelne Störquelle.
• [Zusammenfassung der Erfindung]
• Die Ausführungsbeispiele der Erfindung stellen ein Verfahren bereit zur Erkennung und Klassifizierung von Interferenzen in einem drahtlosen Netzwerk als schmalbandiges Signal, breitbandiges Signal, oder eine Kombination aus beiden. Ausgehend von dieser Klassifizierung kommen dann Techniken zur Reduzierung der Interferenzen zur Anwendung, die einen effektiven Durchsatz gewährleisten.
• Die Knoten des drahtlosen Netzwerks tasten die Funkkanäle in vorher festgelegten Scan-Perioden ab und erzeugen FFT-Werte (Fast Fourier Transform) oder entsprechende Werte, welche die Funkaktivität des Kanals darstellen. Anhand dieser Werte können die Interferenzen kostengünstig und effizient erkannt und klassifiziert werden. Die Erfindung bestimmt anhand einer Datenrate und eines gewünschten effektiven Durchsatzes die Grenzen eines Scan-Budgets, das mindestens zur Erzielung des gewünschten Durchsatzes für das Netzwerk eingesetzt werden kann.
• Im Einzelnen erkennt das Verfahren Interferenzen in einem Kanal eines drahtlosen Netzwerks, indem zunächst ein Kolmogorov-Smirnov-Zweistichprobentest (KS-Test) auf erste und zweite Periodogramme angewendet wird, die man in zwei aufeinanderfolgenden Scans des Kanals erhält, um eine erste Statistik zu erhalten. Dann wird die Interferenz entweder als breitbandige oder schmalbandige Interferenz eingestuft, indem man die erste Statistik mit einem Schwellenwert vergleicht. Die Interferenz wird entsprechend der Klassifizierung reduziert.
• Figurenliste
• [1] 1 ist eine schematische Darstellung einer Prozedur zur Abtastung eines Funkkanals gemäß Ausführungsbeispielen der Erfindung;
• [2] 2 ist ein Beispielschema von Periodogrammen, die aus den Abtastungen gemäß Ausführungsbeispielen der Erfindung aufgebaut wurden;
• [3] 3 ist eine Flussbild eines Verfahrens zur Erkennung, Klassifizierung und Reduzierung von Interferenzen gemäß Ausführungsbeispielen der Erfindung;
• [4] 4 ist ein Flussbild einer Klassifizierungsstufe des Verfahrens aus 3;
• [5] 5 ist ein Schaubild eines Beispiels einer breitbandigen Interferenz gemäß Ausführungsbeispielen der Erfindung;
• [6] 6 ist ein Schaubild eines Beispiels einer schmalbandigen Interferenz gemäß Ausführungsbeispielen der Erfindung; und
• [7] 7 ist ein Schaubild einer Entfernung zwischen zwei aufeinanderfolgenden empirischen Verteilungen gemäß Ausführungsbeispielen der Erfindung;
• [Beschreibung der Ausführungsbeispiele]
• Die Ausführungsbeispiele der Erfindung stellen ein Verfahren bereit zur Erkennung, Klassifizierung und Reduzierung von Interferenzen in einem Kanal eines drahtlosen Netzwerks.
• Wie in 1 gezeigt wird, wird im ersten Schritt der Interferenzreduzierung die Interferenz kostengünstig erkannt. Hierbei wird nicht versucht, einzelne Störsignale zu erkennen und zu klassifizieren, sondern die Ausführungsbeispiele erkennen periodisch Änderungen in der Funkaktivität eines Kanals während einer Scan-Periode 101 während eines Zeitraums 105. Die Erkennung findet während der Dauer des Scans 102 statt, welche die gesamte Periode oder einen Teil der Periode umfassen kann. Wird eine signifikante Änderung erkannt, wird eine gründlichere Analyse der Interferenzaktivität durchgeführt.
• Zur Erkennung der Interferenz nutzen die Ausführungsbeispiele Größen, die durch eine schnelle Fourier-Transformation (FFT) 110 erzeugt wurden. Die Größen haben die Form von Periodogrammen 120, bei denen es sich um Schätzungen einer Spektraldichte eines Signals ähnlich der FFT handelt, jedoch optimiert durch zeitlich unregelmäßig abgetastete Daten. Die Periodogramme können Frequenzen klassifizieren, ohne die Art der Interferenz kennen zu müssen. Die Dauer des Scans und die Scan-Periode wirken sich auf die Qualität der in den Periodogrammen enthaltenen Information aus. Eine längere Scan-Dauer führt generell zu einer besseren Information über die Aktivität während des Scans. Häufigere Scans, d. h. kürzere Scan-Perioden, führen zu einer frühzeitigen Erkennung von Änderungen der Signaleigenschaften.
• Wie in 2 gezeigt wird, können 3D-Periodogramme 201-205 in mehreren Scan-Perioden für unterschiedliche Frequenzen f_n erzeugt werden. Die vertikale Achse gibt Größen an, die horizontale Achse gibt Frequenzen an, und die diagonale Achse gibt die Zeit an. 2 zeigt signifikante Änderungen in den Periodogrammen im zeitlichen Verlauf. Ein 2-D-Plot des Periodogramms wird als Spektrogramm bezeichnet. Das Spektrogramm kann in eine kumulative Verteilungsfunktion (CDF) umgewandelt werden.
• 3 zeigt das Verfahren zur Erkennung, 350, Klassifizierung, 351, und Reduzierung, 352, von Interferenzen. Während der Erkennung wird ein Zweistichproben-Kolmogorov-Smirnov-Test (KS-Test) 310 auf die bei zwei aufeinanderfolgenden Scans gewonnenen ersten und zweiten Periodogramme 201-202 angewendet, um eine erste Statistik D_1,2 (Entfernung) 311 zu bestimmen. Weil der Test nicht parametrisch und verteilungsfrei ist, ist keine vorherige Kenntnis der statistischen Verteilung der Interferenz erforderlich.
• Die Klassifizierung vergleicht bei 312 die erste Statistik D₁,₂ mit einem Schwellenwert λ₀. Liegt die Statistik unter dem Schwellenwert, handelt es sich bei der Interferenz wahrscheinlich um eine breitbandige Interferenz 321, andernfalls handelt es sich wahrscheinlich um eine schmalbandige Interferenz 322. In beiden Fällen wird eines der Periodogramme mit den CDFs 325 von bekannten Interferenzen verglichen, um zweite Statistiken D₃ zu erhalten, die weiter verarbeitet werden, wie weiter unten mit Bezug auf 4 beschrieben wird, bevor die geeignete Interferenzreduzierung 352 angewendet wird.
• Periodogramme
• Erste und zweite Periodogramme $\left({\tilde{X}}_1\equiv \left\{\tilde{x}\begin{array}{c}1\\ 1\end{array}\mathrm{,...,}\tilde{x}\begin{array}{c}1\\ N\end{array}\right\},{\tilde{X}}_2\equiv \left\{\tilde{x}\begin{array}{c}2\\ 1\end{array}\mathrm{,...,}\tilde{x}\begin{array}{c}2\\ N\end{array}\right\}\right)$

  

  stellen die Ergebnisse 201-202 der ersten und zweiten Scans dar. Geordnete Periodogramme sind $X1\equiv \left\{x\begin{array}{c}1\\ 1\end{array}\mathrm{,...,}x\begin{array}{c}1\\ N\end{array}\right\}\text{ und }X2\equiv \left\{x\begin{array}{c}2\\ 1\end{array}\mathrm{,...,}x\begin{array}{c}2\\ N\end{array}\right\},$

  

  so dass $x\begin{array}{c}1\\ 1\end{array}\le x\begin{array}{c}1\\ 2\end{array}\le \mathrm{...}\le x\begin{array}{c}1\\ N\end{array}\text{ und }x\begin{array}{c}2\\ 1\end{array}\le x\begin{array}{c}2\\ 2\end{array}\le \mathrm{...}\le x\begin{array}{c}2\\ N\end{array}$

  

  Basierend auf X₁ und X₂ bauen wir zwei empirische Verteilungen auf $$F^1\left(x\right)=\frac{1}{N}{\displaystyle \sum _{k=1}^{N}U}\left(x-x\begin{array}{c}1\\ k\end{array}\right),\forall k\text{ und }{F}^2\left(x\right)=\frac{1}{N}{\displaystyle \sum _{k=1}^{N}U}\left(x-x\begin{array}{c}2\\ k\end{array}\right),\forall k,$$

  

  wobei U(.) eine Sprungfunktion bezeichnet. Die Statistik (Entfernung) 311 der zwei aufeinanderfolgenden empirischen Verteilungen, wie in 7 gezeigt, beträgt $$D_{\mathrm{1,2}}\equiv \underset{-<x<\infty }{\text{sup}}|F^1\left(x\right)-F^2\left(x\right)|,$$

  

  wobei sup eine vorrangige Funktion darstellt.
• Das Ergebnis des KS-Tests ist $$\underset{N\to \infty }{\text{lim}}\text{ Pr}\left(\sqrt{\frac{N^2}{2N}}{D}_{\mathrm{1,2}}<\lambda \right)=\text{Q}\left(\lambda \right)$$

  

  wobei $$Q\left(\lambda \right)={\displaystyle \sum _{r=-\infty }^{\infty }{\left(-1\right)}^r{e}^{-2r^2}{\lambda }^2}$$

  

  , und
  wobei Pr(.) die Wahrscheinlichkeit bezeichnet, r einen ganzzahligen Wert darstellt, und λ einen gegebenen Schwellenwert darstellt.
• Für die erste Statistik D₁,₂, ist der Zwei Stichproben-α -KS-Test $$\{\begin{array}{c}{F}^1\left(x\right)\ne F^2\left(x\right),if{D}_{\mathrm{1,2}}\ge {\lambda }_0\sqrt{2/N}\\ F^1\left(x\right)=F^2\left(x\right),if{D}_{\mathrm{1,2}}\ge {\lambda }_0\sqrt{2/N}\end{array},$$

  

  wobei Q(λ₀) = 1 - α. Verwendet man die beiden ersten Terme von $Q\left(\lambda \right)={{\displaystyle \sum _{r=-\infty }^{\infty }{\left(-1\right)}^{r}e}}^{-2r^2}{\lambda }^2$

  

  und r = 0 und r = 1, können wir einen Schwellenwert ${\lambda }_0\approx \sqrt{0.34657-0.5\text{log}\left(\alpha \right)}\sqrt{2/N}$

  

  erreichen. Ist die Statistik D₁,₂ größer als λ₀, ist die Interferenz wahrscheinlich eine schmalbandige Interferenz, andernfalls eine breitbandige.
• Eine sehr kleine Statistik kann jedoch darauf hinweisen, dass es zum Zeitpunkt des Scans tatsächlich keine Interferenz gibt, oder es kann eine anhaltende Interferenz vorhanden sein, die zu keiner Zustandsveränderung zwischen den beiden aufeinanderfolgenden Scans geführt hat. Dieser Zustand wird von einer lange anhaltenden ständigen Interferenzquelle verursacht, siehe 5. In beiden Fällen dient die Klassifizierung einer besseren Entscheidungsfindung, z. B. um herauszufinden, ob die Interferenz von einem Mikrowellengerät (MWO) oder einem schnurlosen Telefon (CP) verursacht wird.
• 5 und 6 zeigen das Störsignal eines typischen Mikrowellengeräts und eines schnurlosen Telefons als eine Funktion von Größe, Zeit und Bandbreite. Wie man sieht ist die MWO-Interferenz in allen Dimensionen „gleichmäßiger“, während die CP-Interferenz mehr Spitzen aufweist und kurzfristiger ist, weil die Übertragungen sowohl zeitlich als auch in Bezug auf die Frequenz konzentriert sind.
• 4 zeigt die Klassifizierung im Detail. Für Breitband wird der Zweistichproben-KS-Test 430 angewendet, indem eines der beiden während der Erkennung verwendeten Periodogramme mit den CDFs verglichen wird, um die zweite Statistik D₃ zu erzeugen. Die kleinste Statistik wird ausgewählt, 440, und zusätzliche Informationen, beispielsweise die Bandbreiten (BW) und die Arbeitszyklen, die der CDF mit der kleinsten Statistik zugeordnet werden, können verwendet werden, um iterativ an eine bestimmte Störquelle anzupassen, 460, um die Klassifizierung zu bestätigen,470, bevor die Breitbandinterferenz mit den bekannten Techniken reduziert wird.
• Für Schmalbandinterferenz wird der KS-Test 480 angewendet, indem eines der beiden während der Erkennung verwendeten Periodogramme mit den CDFs verglichen wird, um die zweite Statistik D₃ zu erzeugen. Die CDF mit der kleinsten Statistik wird ausgewählt, 490, um die Schmalbandinterferenz zu bestätigen, 495, bevor die Schmalbandinterferenz mit den bekannten Techniken reduziert wird.
• Die Erfindung bietet ein flexibles, effizientes und kostengünstiges Verfahren zur Erkennung und Klassifizierung von Störsignalen. In einer Umgebung mit nicht signifikanter Interferenz kann der KS-Test der ersten Stufe ausreichen. Dieser kostengünstige und effiziente Test ermöglicht die maximale Nutzung der Netzwerkressourcen, d. h. Bandbreite, Verarbeitungsleistung, Speicherung usw., für die eigentliche Übertragung der Daten. Die Klassifizierung kann nach Erkennung einer signifikanten Interferenz durchgeführt werden. Hierdurch bietet sich ein flexibler Kompromiss zwischen den Scan-Perioden und der Dauer der Scans und der Erfüllung der vorher festgelegten Mindest-Leistungsanforderungen. Diese Tests beruhen hauptsächlich auf einer Analyse der Änderungen des Kanalzustands ohne Anwendung komplizierter und umfassender Signalverarbeitungs techniken.
• Die Schritte des in 3 und 4 gezeigten Verfahrens können in einem Prozessor ausgeführt werden, der mit einem Speicher verbunden ist, z. B. die Datenbank von CDFs, sowie Ein-/Ausgangs-Schnittstellen, wie sie in der Technik bekannt sind.

Claims (7)

1. Ein Verfahren zur Erkennung von Interferenzen in einem Kanal eines drahtlosen Netzwerks, umfassend: Anwenden eines Zweistichproben-Kolmogorov-Smirnov-Tests (KS-Test) (two-sample Kolmogorov-Smirnov-Test) (310) auf erste und zweite Periodogramme (120, 201, 202), die man bei zwei aufeinanderfolgenden Scans des Kanals erhalten hat, um eine erste Statistik (311) zu erhalten; und Klassifizieren (351) der Interferenz als breitbandig (321) oder schmalbandig (322) durch Vergleichen (312) der ersten Statistik (311) mit einem Schwellenwert, wobei die Schritte in einem Prozessor ausgeführt werden.
2. Das Verfahren nach Anspruch 1, bei dem die Periodogramme (120, 201, 202) gewonnen werden durch Anwenden einer schnellen Fourier-Transformation (110) auf die Scans.
3. Das Verfahren nach Anspruch 1, bei dem das drahtlose Netzwerk ein lokales Netzwerk ist.
4. Das Verfahren nach Anspruch 1, weiter umfassend: Reduzieren (352) der Interferenz entsprechend dem Klassifizieren (351).
5. Das Verfahren nach Anspruch 1, bei dem die Interferenz breitbandig (321) ist, und weiter umfassend: Anwenden (430) des Zweistichproben-KS-Tests (310) auf eines der Periodogramme (201, 202) und kumulative Verteilungsfunktionen (CDFs) (325) bekannter Interferenzsignale, um zweite Statistiken zu erhalten; Auswählen (440) einer kleinsten der zweiten Statistiken; und iteratives Anwenden (450, 460) von Informationen über die Bandbreite und den Arbeitszyklus, die den CDFs zugeordnet werden, um die Klassifizierung zu bestätigen (470).
6. Das Verfahren nach Anspruch 1, bei dem die Interferenz schmalbandig (322) ist, und weiter umfassend: Anwenden (480) des Zweistichproben-KS-Tests (310) auf eines der Periodogramme (201, 202) und kumulative Verteilungsfunktionen (CDFs) (325) bekannter Störsignale, um zweite Statistiken zu erhalten; Auswählen (490) einer kleinsten der zweiten Statistiken zur Bestätigung (495) der Klassifizierung.
7. Das Verfahren nach Anspruch 5 oder 6, weiter umfassend: Umwandeln der Periodogramme (201, 202) in entsprechende kumulative Verteilungsfunktionen.

Images