KR20150074039A

KR20150074039A - 잡음 및 통신 시스템에 영향을 미치는 다른 이벤트들을 검출하여 분석하기 위한 방법 및 시스템

Info

Publication number: KR20150074039A
Application number: KR1020157012453A
Authority: KR
Inventors: 로렌트 에프. 알로인; 밍 구; 로렌트 피에르루구에스
Original assignee: 이카노스 커뮤니케이션스, 인크.
Priority date: 2012-10-15
Filing date: 2013-10-15
Publication date: 2015-07-01
Also published as: JP2015533272A; EP2907045A1; US9385780B2; US20160330062A1; WO2014062704A1; AU2013331447C1; EP2907045A4; JP6067867B2; CA2888303A1; CN104854577A; CL2015000958A1; US20140105262A1; BR112015008028A2; KR101727662B1; AU2013331447B2; AU2013331447A1

Abstract

본 발명은 일반적으로, DSL과 같은 통신 시스템에 영향을 미치는 잡음 및 다른 이벤트들을 효과적으로 검출 및 특성화하기 위한 방법 및 장치에 관한 것이다. 특정 양상들에 따르면, 본 발명은, 잡음 소스들의 특정 특성들에 따라 잡음 소스들을 분류하고 동적 방식으로 각각의 잡음 소스를 추적하는 CPE(customer premises equipment)에 임베딩되는 잡음 분석 엔진을 포함하고, 이러한 방식으로, 고객의 구내에서 변하는 잡음 환경에 대한 가시성을 제공하고 그리고/또는 이러한 환경을 원격 엔티티에 리포팅한다.

Description

잡음 및 통신 시스템에 영향을 미치는 다른 이벤트들을 검출하여 분석하기 위한 방법 및 시스템{METHOD AND APPARATUS FOR DETECTING AND ANALYZING NOISE AND OTHER EVENTS AFFECTING A COMMUNICATION SYSTEM}

[0001] 본 출원은 2012년 10월 15일에 출원된 동시계류중인 이전 미국 가특허 출원번호 제61/714,195호의 우선권을 35 USC 119(e) 하에서 주장하며, 이에 의해 이 가출원의 개시내용은 그 전체가 인용에 의해 통합된다.

[0002] 본 발명은 일반적으로 데이터 통신들, 특히 잡음 및 통신 시스템들에 영향을 미치는 다른 이벤트들을 검출하여 분석하는데 사용하기 위한 임베디드 분석 엔진에 관한 것이다.

[0003] DSL 전개에 있어서, 홈 환경내에서 정지 및 충격 잡음들이 발생되는데, 이는 IPTV와 같이 네트워크 서비스들을 전달하는 가정용 디바이스의 WAN 인터페이스의 신뢰성에 영향을 미친다. 이러한 방해원들은 가전기기들, 예를들어 진공청소기들, 램프들, 또는 장비, 예를들어 풀 펌프들, 세탁기들 등을 포함한다. 잡음 특징들은 잡음 소스를 켜고 끌 때 또는 잡음 소스들이 DSL 라인과의 커플링 지점에 가까이로 이동하거나 또는 이 커플링 지점으로부터 멀리 이동할 때 시간에 따라 점진적으로 변화한다.

[0004] G.ploam 표준 (G.997.1)은 G.992.x DSL 표준들과 함께 잡음 조건들 하에서 DSL 라인 및 채널의 동작을 특징지우는 성능 모니터링 기능들, 테스트, 진단 및 상태 파라미터들을 제공한다. CPE(customer premises equipment)들에서 채널을 모니터링하기 위한 2가지 중요한 프리미티브(primitive)들은 다운스트림 퍼 빈 SNR 어레이 및 다운스트림 수신기에 영향을 미치는 임펄스 잡음 모니터링 카운터들이다. G.997.1에서 정의된 라인 성능 모니터링 카운터들은 15분 및 24시간 윈도우에 걸쳐 CPE에 의해 집성되며, 중앙 오피스(CO)는 이들 카운터들을 폴링하고 획득할 수 있다.

[0005] 이들 카운터들은 2개의 데이터 수집 인스턴스(instance)들 사이 내에서 발생하는 잡음 조건들의 변화들에 대한 그래뉼래러티(granularity) 또는 가시성(visibility)을 거의 제공하지 못한다. 더욱이, 특정 DSL 라인에 영향을 미치는 모든 집성 잡음들의 잡음 구성성분들을 적절히 기술함으로써, 잡음 환경을 정량화하기 위한 어느 시도도 G.997.1 및 G.996.2 (즉, DSL에 대한 라인 테스팅 표준들)에서 수행되지 않았다. 그러므로, 잡음 변화를 추적하기 위한 정밀한 그래뉼래러티를 제공할 뿐만아니라 DSL 채널에 영향을 미치는 집성 잡음 환경을 구성하는 다양한 잡음 소스들을 개별적으로 식별하여 추적하는 것을 시도하는 진단 도구에 대한 필요성이 존재한다.

[0006] 본 발명은 일반적으로 잡음 및 DSL과 같은 통신 시스템에 영향을 미치는 다른 이벤트들을 효과적으로 검출하여 특징 지우기 위한 방법 및 장치에 관한 것이다. 특정 양상들에 따르면, 본 발명은 CPE(customer premises equipment)에 인베딩된 잡음 분석 엔진을 포함하며, 잡음 분석 엔진은 잡음 소스들의 특정 특징들에 따라 그 잡음 소스들을 분류하고 동적인 방식으로, 즉 CPE(customer premises equipment)들내의 변화하는 잡음 환경에 대한 가시성을 제공하고 그리고/또는 이러한 환경을 원격 엔티티에 보고하는 방식으로 각각의 잡음 소스를 추적한다. 다른 양상들에 따르면, 본 발명은 실제 잡음 소스 식별 및 타이밍 정보를 제공하기 위하여, CPE 내에서 또는 다수의 CPE들 사이에서 분류된 잡음 소스들을 상관시키기 위하여 잡음 서명들을 사용하기 위한 방법에 관한 것이다. 또 다른 양상들에 따르면, 본 발명은 잡음 이벤트들을 모니터링하여 찾는데 사용하기 위한 잡음 프리미티브(primitive)들을 유도하는 것에 관한 것이다. 또 다른 양상들에 따르면, 본 발명은 통신 시스템에 영향을 미치는 와이어링 이벤트들을 검출하여 분류하는 와이어링 분석 엔진에 관한 것이다.

[0007] 이들 및 다른 양상들에 따르면, 본 발명의 실시예들에 따른 CPE(customer premises equipment) 장치는 CPE 장치로의 통신들 및 CPE 장치로부터의 통신들에 영향을 미치는 잡음에 관한 정보를 수집하고 주파수, 시간 및 지속성들의 크기들에 따라 잡음을 분류하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함한다.

[0008] 본 발명의 이들 및 다른 양상들 및 특징들은 첨부 도면들과 함께 본 발명의 특정 실시예들의 이하의 설명을 자세히 고찰할 때 당업자에게 명백하게 될 것이다.
[0009] 도 1a 내지 도 1c는 잡음의 점진적으로 변화하는 클래스들을 예시하는 다이어그램들이다.
[0010] 도 2는 영구적 잡음 대 간헐적 잡음을 예시하는 다이어그램이다.
[0011] 도 3은 본 발명의 실시예들에 따른 일반적인 잡음 모니터 프로세스 흐름도이다.
[0012] 도 4는 본 발명의 실시예들에 따른 예시적인 잡음 분석 엔진의 블록도이다.
[0013] 도 5는 도 4에 예시된 엔진에 의해 수행되는 전체 잡음 모니터링 프로세스의 흐름도이다.
[0014] 도 6은 본 발명의 실시예들에 따른 라인 잡음 분석 엔진 프로세싱의 흐름도이다.
[0015] 도 7은 본 발명의 실시예들에 따른 임펄스 잡음 분석 엔진 프로세싱의 흐름도이다.
[0016] 도 8a 내지 도 8d는 도 4에 도시된 것과 같은 라인 잡음 분석 엔진에 의해 구현될 수 있는 잡음 분류 스레드의 흐름도이다.
[0017] 도 9는 도 4에 도시된 것과 같은 임펄스 잡음 분석 엔진에 의해 구현될 수 있는 임펄스 잡음 소스 검출 알고리즘의 흐름도이다.
[0018] 도 10a 및 도 10b는 도 4에 도시된 것과 같은 잡음 분석 엔진에 포함될 수 있는 잡음 지속성 분류 프로세스의 흐름도이다.
[0019] 도 11은 본 발명의 실시예들에 따른 IAT 반복 알고리즘의 흐름도이다.
[0020] 도 12 및 도 13은 본 발명의 실시예들의 전체 모니터링 및 분석 아키텍처의 블록도들이다.
[0021] 도 14는 본 발명의 실시예들에 의해 상이한 CPE들에 걸친 잡음 이벤트들이 어떻게 상관될 수 있는지를 예시한다.
[0022] 도 15는 본 발명의 실시예들에 따른 예시적인 잡음 파인더 프로세스를 예시하는 흐름도이다.
[0023] 도 16은 본 발명의 실시예들에 따른 잡음 파인더 프로세스의 예시적인 엘리멘트들의 동작들을 예시하는 블록도이다.
[0024] 도 17은 본 발명의 실시예들에 따른 예시적인 와이어링 모니터 프로세스를 예시하는 흐름도이다.
[0025] 도 18은 본 발명의 실시예들에 따라 임펄스 잡음을 검출하기 위한 예시적인 프로세스를 예시하는 흐름도이다.
[0026] 도 19는 본 발명의 실시예들에 따라 임펄스 잡음에 관한 히스토그램들 및 PSD를 구축하는 예시적인 프로세스를 예시하는 흐름도이다.
[0027] 도 20은 본 발명의 실시예들에 따라 잡음 소스들을 실제로 식별하기 위한 예시적인 프로세스를 예시하는 흐름도이다.
[0028] 도 21은 본 발명의 실시예들에 따라 시간에 대하여 잡음 이벤트들을 상관시키기 위한 예시적인 프로세스를 예시하는 흐름도이다.

[0029] 본 발명은 도면들을 참조로 하여 지금 상세히 설명될 것이며, 이는 당업자로 하여금 본 발명을 실시하도록 하기 위하여 본 발명의 예시적인 예들로서 제공된다. 특히, 이하의 예들 및 도면들은 본 발명의 범위를 단일 실시예로 제한하는 것으로 의도되는 것이 아니라, 설명된 또는 예시된 엘리먼트들의 일부 또는 모두를 교환하는 것을 통해 다른 실시예들이 가능하다. 더욱이, 본 발명의 특정 엘리먼트들이 알려진 컴포넌트들을 사용하여 부분적으로 또는 전체적으로 구현될 수 있는 경우에, 본 발명을 이해하는데 필요한 이러한 알려진 컴포넌트들의 단지 이들 부분들만이 본 발명을 불명료하게 하지 않도록 하기 위하여 생략될 것이다. 소프트웨어로 구현되는 것으로 설명된 실시예들은 이에 제한되는 것이 아니라 본 명세서에서 달리 특정하지 않은 한 당업자에게 명백한 바와같이 하드웨어 또는 소프트웨어 및 하드웨어의 조합으로 구현되는 실시예들을 포함할 수 있으며, 그 반대의 경우도 마찬가지다. 본 명세서에서, 단수 컴포넌트를 제시한 실시예는 제한하는 것으로 고려되지 않아야 하며, 오히려 본 발명은 본 명세서에서 달리 명시적으로 언급하지 않는 한 복수의 동일한 컴포넌트들을 포함하는 다른 실시예들을 포함하는 것으로 의도되며, 그 반대의 경우도 마찬가지다. 더욱이, 출원인은 명시적으로 그렇게 제시하지 않은 한 명세서 또는 청구범위의 임의의 용어가 일반적이지 않거나 또는 특별한 의미를 가지는 것으로 의도하지 않는다. 게다가, 본 발명은 예시로서 본 명세서에서 참조된 알려진 컴포넌트들에 대한 공지된 균등물들 및 미래의 균등물들을 포함한다.

[0030] 특정한 일반적인 양상들에 따르면, 본 발명은 CPE에 임베디드 잡음 분석 엔진을 제공하며, 이러한 잡음 분석 엔진은 CPE 환경에서 잡음 소스들의 리스트 뿐만아니라 잡음 소스의 대응 서명 및 통신 채널에 대한 잡음 소스의 영향을 유지한다. 실시예들에서, 서명은 DSL 라인에 영향을 미치는 잡음들의 전체 잡음 공간을 나타내기 위한 시도로 3차원에 따른 잡음들의 분류를 포함한다. 3개의 어느 정도 직교하는 차원들에 의해 결정된 공간으로 모든 잡음들을 표현함으로써, 다양한 카테고리들 중 하나의 카테고리로 고려되는 실질적으로 모든 잡음 타입의 분류가 정의되도록 할 것이라는 것이 예상된다.

[0031] 비록, 본 발명이 본원에서 통상적인 전화 라인들을 통한 DSL 통신들에 대한 특히 유용한 애플리케이션과 관련하여 설명될 것이지만, 본 발명은 이 애플리케이션으로 제한되지 않는다. 오히려, 본 발명의 원리들은 예를 들어 MoCA(Multi-Media over COAX), HPNA(HPNA 3.1 over COAX뿐 아니라 홈 내 트위스티드 쌍 포함), IEEE P1901(홈 내 전력 라인을 통한 PLC), Home Plug(HPAV 및 HPAV2 및 "녹색 PLC" 함), 및 ITU-T G.hn(트위스티드 쌍, 전력선, 기저 대역 coax 및 RF coax 포함)을 포함하는 동축 케이블 시스템들 같은 다양한 타입들의 유선 송신 시스템들로 확장될 수 있다.

[0032] 게다가, 본 발명이 본원에서 CPE에 임베딩되고 다운스트림 신호들을 분석하는 것 같은 특히 유용한 애플리케이션에서 설명될 것이지만, 본 발명은 또한 CO 및 다운스트림 신호들을 분석하는 것으로 구현될 수 있다.

[0033] 본 발명의 실시예들에서 선택된 3개의 차원들은 멀티캐리어 시스템(따라서, 주파수 간격의 특정 입도를 가짐) 및 특정 보 레이트(baud rate)(따라서, 시간 단위의 특정 입도)로서 동작하는, DSL에 활용된 DMT 변조 방식에 대해 매우 당연하다. 3개의 차원들은 주파수, 시간 및 지속성이다.

[0034] 주파수 차원: 협대역 대 광대역 성질. DSL이 멀티캐리어 시스템이기 때문에, 그들의 대역폭에 따라 간섭하는 잡음 타입들을 분류하는 것은 매우 당연하다. 실시예에서, 4.3215 kHz 대역폭의 감소된 수의 인접 톤들에 영향을 미치는 잡음은 협대역으로서 특징지어지는 반면, 4.3215 kHz 대역폭의 다수의 인접한 대역폭에 영향을 미치는 잡음은 광대역으로서 특징 지어질 것이다.

[0035] 시간 차원: 연속 대 임펄스 성질. 연속 대 임펄스 잡음 소스들은 250 마이크로초들의 단위의 DMT 심볼의 스케일에 관련하여 정의된다. 잡음은 통계적 평균이 DMT 시스템에서 신뢰성 있게 수행될 수 있는 시간 기간에 대응하는 하나의 제 2 윈도우에 걸쳐 연속하는 것으로 고려될 것이다. 상이하게 언급되었지만, 연속적인 잡음 소스는 정적 방식으로 대략 1초의 인접한 윈도우의 모든 또는 거의 모든 심볼들에 영향을 미치는 것으로서 정의되어, 정적 통계 평균에 의미있게 반영된다(예를 들어, SNR 측정은 현재 2048 인접 DMT 심볼들에 걸쳐, 0.5초에 수행되고; 이 기간에 걸쳐, SNR 평균의 출력은 정적 프로세스를 대표하는 것으로 예상된다). 임펄스 잡음들은, 단일 인스턴스(즉, 펄스)가 0.5초 윈도우에 걸쳐, 격리된 DMT 심볼, 또는 제한된 일련의 인접한 또는 비-인접한 DMT 심볼들에 영향을 추는 것으로 예상되기 때문에, 비-정적 잡음 소스들이다. 그러므로 격리된 임펄스 이벤트 또는 임펄스들의 트레인은, 0.5초 윈도우에 걸쳐 감소된 수의 DMT 심볼들에만 영향을 준다면, 비-정적이고, 연속적이 아닌 것으로 고려된다.

[0036] 연속성 차원: 영구, 간헐적 또는 전개하는 잡음. 영구적인 잡음 타입들은 선택된 긴 관찰 윈도우, 예를 들어 15분 기간에 걸쳐 존재하고 대략적으로 일정한 것으로 정의된다. 간헐적 잡음은 온/오프 특성을 가진다 -- 이는 15분까지 초들의 결합으로부터 지속할 수 있는 특정 시간 윈도우에 걸쳐 존재한다. 전개하는 잡음은 15분 관찰 윈도우에 걸쳐 특성들이 시간에 따라 전개되는 잡음 타입이다.

[0037] 실시예들에서, 두 개의 메인 프리미티브(primitive)들 (예를 들어, 쇼타임 라인 잡음 프리미티브 및 임펄스 잡음 히트(hit) 카운트들)은 그들의 시간 및 주파수 성질에 따라 다양한 잡음 타입들을 상기 정의된 카테고리들로 분류하기 위하여 사용된다. 이들 두 개의 프리미티브들의 일정한 모니터링은 잡음 타입들의 영속성을 알아보는 것을 도울 것이다.

[0038] 상기 리스트된 3개의 차원들의 다양한 결합들에 따라 잡음 소스들(즉, 간섭자들)을 특성화하거나 분류하는 일반적인 양상들은 이제 DSL 시스템에서 특정 애플리케이션과 관련하여 보다 상세히 설명될 것이다.

주파수 차원: 협대역 대 광대역 간섭자들

[0039] DSL이 멀티캐리어 시스템이기 때문에, 4.3125 kHz의 공칭 인터캐리어 간격에 관하여, 그들의 대역폭에 따라 간섭하는 잡음 타입들을 분류하는 것은 매우 당연하다. 실시예들에서, 광대역 및 협대역 방해자(disturber)들을 식별하기 위해 선택된 선택 프리미티브는 쇼타임 라인 잡음 프리미티브이다.

협대역 간섭자

[0040] 협대역 간섭자는 64개의 연속적인 톤들(즉, 대역폭은 256 kHz 미만임)의 최대치로 제한되는 것으로 정의된다. 256kHz 광대역 내에서, 단일 협대역(NB) 피크(들) 또는 피크들의 패킷이 있을 수 있다. 실시예들에서, NBI의 협대역은 백그라운드 잡음을 초과하여 시작-종료 주파수 3dB(TBC)로서 계산된다.

연속적 대 임펄스

[0041] 협대역 간섭자가 쇼타임 라인 잡음 프리미티브에 영향을 가지기 때문에, 반복적 펄싱 잡음 주입(의사 연속)이 또한 협대역 대 광대역 방해자의 차원에 사용된 LN 잡음 프리미티브의 품질 저하 형태의 서명을 남길 수 있더라도, 성질적으로 연속(임펄스와 반대와 같이)일 것으로 고려된다.

영구, 간헐적 대 전개

[0042] 협대역 간섭자는 영속성 차원에서 3개의 카테고리들 중 하나에서 발견될 수 있다.

[0043] 영속성: AM 라디오(연속적/영구적) 송신은 시간 기간에 걸쳐 안정된 전력으로 예상되고 임의의 특정 지리적 영역에서 주어진 주파수들의 리스트와 연관된다.

[0044] 간헐적: HAM 라디오 송신은 온/오프 패턴으로 예상되고 임의의 특정 지리적 영역에서 주어진 주파수 구역의 리스트와 연관된다.

[0045] 전개: 예상되지 않은 주파수 특성들을 가진, 펄싱 잡음으로서 기원하는 의사-연속 공통 모드 잡음은 루프에 잡음의 커플링의 변형에 기초하여 가변할 수 있는 전력 특성들을 가진 협대역 방해자로서 나타날 수 있다.

광대역 간섭자

[0046] 협대역 간섭자와 반대로, 광대역 간섭자는 두 개의 조건들 중 하나가 적용되면 선언되고: 간섭자의 대역폭은 256 kHz보다 크고, 그리고 그의 psd가 256 kHz보다 크면; 또는 그의 psd가 예를 들어 12 dB 초과-140 dBm/Hz(만약 백그라운드 잡음 기준이 이용 가능하지 않으면)보다 크면.

[0047] 실시예들에서, 광대역 간섭자는 백그라운드 또는 기준 잡음 초과의 시작-종료 주파수 3dB(TBC)로서 계산된 대역폭을 특징으로 한다. 예로서, 예상된 광대역 간섭자 카테고리들은 이질적인 DSL 서비스(비 자체-FEXT); 광대역 CM 잡음(예를 들어, HP-AV); 동기화된 자체-FEXT이다.

영구적, 간헐적 대 전개

[0048] 광대역 간섭자들은 상기 리스트된 광대역 간섭자들의 3개의 카테고리들에 대한 다음 예상들을 가진, 연속성 차원의 3개의 카테고리들 중 하나에 속할 수 있다. 이질적 DSL 서비스(비 자체-FEXT) 및 동기화된 자체-FEXT는, 간섭이 항상 서비스 중에 있지 않은지에 따라 "영구적" 또는 "간헐적"의 카테고리들에 속한다. 광대역 CM 잡음은 "간헐적" 및 "전개" 카테고리들에 속할 수 있다.

시간 차원: 연속적 대 임펄스 간섭자들

[0049] 연속적 잡음 소스들은 통계적 평균이 DMT 시스템에서 정적 잡음 소스를 가정하여 의미 있는 시간 기간에 대응하는, 0.5초 윈도우 또는 그 초과의 스케일 상에서 연속으로서 정의된다. 다른 말로, 연속적 잡음 소스는 정적 방식으로 대략 1초의 연속적 윈도우의 모든 또는 거의 모든 심볼들에 영향을 미치는 것으로 정의된다. 예를 들어, SNR 측정은 현재 2048 연속 DMT 심볼들, 또는 0.5초에 걸쳐 수행된다. 출력은 1초 측정 지속 기간에 걸쳐 정적 프로세스를 대표하는 것으로 예상된다. 연속적인 잡음 소스들을 모니터하기 위하여, 바람직한 프리미티브는 0.5초 기간에 걸쳐 빈(bin) 당 평균이고, 이로부터 잡음 psd가 유도될 수 있다.

임펄스 간섭자들

[0050] 임펄스 잡음들은 단일 인스턴스(펄스)에 걸쳐 고려될 때 비-정적 잡음 소스이다. 임펄스 잡음 소스들은 일반적으로 격리된 DMT 심볼 또는 제한된 일련의 연속적 또는 비-연속적 DMT 심볼들에 영향을 준다. 그러므로 격리된 임펄스 이벤트는 비-정적으로 고려된다. 임펄스들의 컬렉션(collection)으로서 고려될 때, 임펄스 잡음 소스는 정적으로서 고려될 수 있다. 이로부터, 몇몇 통계적 특성들(psd 같은)은 유도될 수 있다.

임펄스 및 연속적 카테고리들

[0051] 임펄스 잡음 소스들을 개선하기 위하여, 바람직한 프리미티브는, 격리된 임펄스 잡음 히트들이 비-정적을 나타내기 때문에, 0.5초 윈도우에 걸쳐 평균된 라인 잡음 프리미티브가 의미 있는 출력을 양산하는 것으로 예상되지 않기 때문에, 임펄스 잡음 검출기에 의해 트리거된 심볼당 히트 카운트이다. 그러나, 임펄스들의 컬렉션에 비해 고려할 때, 임펄스에 의해 모두 영향을 받은 심볼들 상에서 유도된 n개의 로우 동기 심볼(raw sync symbol)들에 걸친 빈당 평균은 예를 들어 정적 잡음과 동일한 잡음 psd를 제공할 수 있다.

[0052] 시간 축을 따라, 임펄스 대 연속 잡음들의 분류는 아래 표 1에 예시된 바와 같이 그들의 버스트 지속기간에 따라 수행될 수 있다:

[표 1]

[0053] 실시예들에서, 큰 듀레이션(예를 들어, 4ms보다 크고 1sec보다 작음)의 임펄스와 제한된 듀레이션(예를 들어, 1sec보다 큼)의 연속적(continuous) 잡음 간을 구별하는 경계는, 라인 참조 잡음 프리미티브(Line Referred Noise primitive)가 신뢰성있는 출력을 제공하는 듀레이션에 대응되게 선택된다. SNR은 2048개 심볼들(평균, 128개 심볼들의 16개 세트들)에 걸쳐 컴퓨팅되기 때문에, 신뢰성있고 중요한(meaningful) LN 출력을 제공하는 잡음 버스트(noise burst)의 최소 듀레이션은, 최악의 경우 1sec이다. 결과적으로, 실시예들에서, LN 출력을 임프린트하는 1 sec의 인접한(contiguous) 듀레이션의 임의의 잡음 버스트는 연속적인 것으로 간주되는 반면, LN 출력을 임프린트하지 않는 1 sec 미만의 버스트는 사실상 비연속적(impulsive)인 것으로 간주된다.

퍼시스턴스 디멘션(Persistence dimension): 영구적, 간헐적 또는 진화 간섭자들

영구적 간섭자들

[0054] 영구적 잡음 소스들은, 긴 시간 기간(long period of time)에 걸쳐 존재하며 거의 일정한 것으로 정의된다. 긴 시간 기간과 연관되는 타임 스케일은 15분의 기간인 것으로 선택되며, 이 기간에 걸쳐, G.Ploam 파라미터들이 현재 보고되고 있다. 이 기간에 걸쳐, 그의 통계들(statistics)에 대해 적은(little) 변동(예를 들어, 3dB 미만의 전력 변동)이 예상된다. 실시예들에서, 15분 윈도우에 걸쳐 온(on) 또는 오프(off)로 머무르는 간헐적 잡음은, 15분 윈도우에 걸쳐 영구인 것으로 간주되고 영구적 카테고리로 전이된다(transition).

간헐적 간섭자들

[0055] 간헐적 잡음들은 연속적 또는 비연속적 특성의 잡음 타입들이며, 이는 대략 1초 또는 그 이상의 측정가능한 시간 기간 동안 온 또는 오프로 머무른다. 이들 잡음 타입들에 대해, 3개의 듀레이션들이 중요하다: (1) 개별 잡음 버스트의 듀레이션(주로, 잡음이 사실상 비연속적인 경우 적용가능함); (2) 반복 기간(잡음이 반복 임펄스 잡음 타입인 경우에만 적용가능함); 및 (3) 온/오프 기간(비연속적 및 연속적 잡음들 둘 다에 적용가능함).

간헐적 간섭자들의 잡음 버스트들의 듀레이션

[0056] 표 1에 예시된 것처럼, 잡음의 개별 버스트들의 듀레이션은 다음과 같이 임의적으로 카테고리화될 수 있다 : 1초 미만의 낮은 듀레이션 버스트들에 대해, 본 발명의 실시예들은 DSL 애플리케이션에 대한 INP 평가를 위해 제안된 임펄스 잡음 소스들의 통상적 분류를 따른다: SEIN, PEIN, SHINE. 버스트 듀레이션 중 1초 이상에서, 제안된 잡음 분류는, 잡음 버스트가 연속적인 것으로 나타날 것이기 때문에, 고정 잡음 검출기의 특징들(즉, SNR 또는 LN 프리미티브)에 기초한다. 제한된 듀레이션의 연속적 잡음 버스트(예컨대, "SHORT 또는 LONG"으로 표시된 것들)는, 사실상 여전히 연속적인 것이지만, 간헐적인 것으로 간주된다.

간헐적 간섭자들의 잡음 버스트들의 반복: 주기적 대 비주기적

[0057] 모든 잡음 버스트 타입들은 특정 타임 베이스(time base)에 걸쳐 순환(recurring)될 수 있다. 2가지 타입들의 반복이 구별될 수 있다: "주기적" 또는 "비주기적" 반복.

[0058] 주기적 반복의 예로는 REIN 잡음이 있다. REIN 잡음은, 통상적으로, 제한된 듀레이션(간헐적) 또는 연장된 시간 기간(영구적)에 걸쳐 영구적 형태인 SEIN(single Impulse Noise)의 반복이다. 통상적으로, 반복 레이트들(repetition rates)은 예를 들어 100Hz (10ms 기간)이다.

[0059] PEIN 및 SHINE 개별 이벤트들은 또한, 동일한 또는 더 낮은 반복 레이트로 반복될 수 있다. 임의적으로, 본 발명의 실시예들은, 주기적 잡음이 항상 1Hz의 최소 주파수 레이트를 갖는 것으로 간주한다. (심지어 주기적이더라도) 임의의 더 낮은 반복 레이트는, 잡음 분류가 비주기적인 것으로 간주되게 조장한다(prompt).

[0060] 특정 타임프레임에 걸친 주기적 잡음의 발생률(occurrence)은 주기적 잡음의 간헐적 출현(appearance)을 구성한다. 이러한 잡음에 대해 검출될 관심 패턴이 주기적 잡음의 온/오프 패턴이다. 이에 따라, 반복적 임펄스 잡음은 마찬가지로, 간헐적인 것으로 규정(qualify)될 것이며, 사실상 연속적이 아니더라도, "SHORT 또는 LONG"로 표기될 것이다.

[0061] 비주기적 잡음은 그 자체가 주기적으로 반복하지 않는 (SEIN에서 LONG로의) 작은 또는 큰 듀레이션의 잡음 이벤트이며, 또는 주기적 반복 레이트가 존재하는 경우, 다수의 연속적 잡음 이벤트들의 기간은 1초 이상 떨어져, 잡음 이벤트들이 독립적인 것으로 간주될 수 있다. 시간에 있어 분리된 임펄스는 비주기적 이벤트의 카테고리에 속한다.

[0062] 실시예들에서, 이들 비주기적 잡음 이벤트들에 대해, 그 비주기성에서의 관심 온-오프 패턴은 단순히, 특정 기간에 걸쳐 주어진 타입의 히트들(hits)의 수이다(디폴트 기간은 15분 또는 1분보다 더 작게 제시된 기간일 수 있다).

간헐적 간섭자들의 온/오프 기간

[0063] 간헐적 잡음의 온/오프 기간은 정의에 의해, 15분보다 훨씬 작을 것으로 예상된다. 실시예들에서, 15분 윈도우에 걸쳐 온으로 머무르는 간헐적 잡음은 15분 윈도우에 걸쳐 영구적인 것으로 간주되며 영구적 카테고리로 전이한다.

[0064] 반복적인 주기적 비연속적 또는 비주기적 연속적 비연속적 잡음 소스들에 대해, 온-오프 기간은, 개별 잡음 버스트들이 연속적으로 수집되는 측정 기간이다. 수집된 잡음 버스트들의 듀레이션에 의존하여, 온/오프 기간들의 2개의 정의들이 마련된다.

[0065] 첫째, 통상적으로 대략 12초 또는 그 미만의(임의의 경우, 1분 미만의) 잡음 버스트들에 대해, 최소 온/오프 기간은, 잡음 버스트가 오직 1분의 듀레이션에 부분적으로만 영향을 미치더라도, 고정된 1분의 기간으로 정의된다. 1분 윈도우 동안 잡음 버스트들의 히트들의 수는 그의 통상적 듀레이션과 함께 카운트된다. 실시예들에서, 히트들이 없는 1분 카운터는 오프 윈도우로 간주된다. 하나의 최소 히트를 갖는 하나의 최소 카운트는 온 윈도우로 간주된다.

[0066] 둘째, 매우 긴 연속적 비주기적 잡음 소스들(>1분)에 대해, 온-오프 기간은 버스트 듀레이션 자체와 일치할 수 있다. 즉, 매우 긴 연속적 비주기적 잡음 버스트들의 히트들의 수는 버스트들의 통상적 듀레이션과 함께 대응하는 15분 카운터에 보고된다.

진화 간섭자들

[0067] 진화 잡음들은 DSL 라인에 점진적으로 영향을 미치는 잡음 소스들이다. 잡음의 진화는 예상된 임계치 크로싱들(threshold crossings)에 대해 측정된다. 진화 잡음 타입들에 대해, 2개의 타임 인디케이터들이 중요하다 : (1) 진화 레이트 및 (2) 시작-종료(온/오프) 기간.

진화 레이트

[0068] 실시예들에서, 진화 잡음의 진화 레이트는, 느린 증가(임계치 크로싱 당, >30초)/중간 레이트 증가(임계치 크로싱 당, 3-30초)/빠른 증가(임계치 증가 당, <3초)에 해당하는 3개의 레이트들 중 하나로 규정된다. 더 빠른 증가는 온/오프 간헐적 잡음의 카테고리에 속할 것이다. 더 느린 증가는 영구적 잡음의 카테고리에 속하며, 이 경우 잡음의 특징들은 15분 윈도우에 걸쳐 준일정(quasi-constant)으로 나타난다. 도 1a 내지 도 1c는 3가지 타입들의 진화 잡음들을 예시하며, 이는 또한 간헐적 잡음 소스와 영구적 잡음 소스 간의 예시적 경계들과 함께 아래 표에 요약된다.

[표 2]

시작-종료(온/오프) 기간

[0069] 진화 잡음의 온/오프 듀례이션은 15분 윈도우보다 훨씬 작을 것으로 예상된다. 실시예들에서, 15분 윈도우에 걸쳐 온으로 머무르는 진화 잡음은 15분 윈도우에 걸쳐 영구적인 것으로 간주되며 영구 잡음 카테고리로 전이된다. 3초보다 더 빠른 레이트로 진화하는 진화 잡음은 간헐적 온/오프로 간주된다.

[0070] 진화 잡음 소스가 짧은 시간 기간에 걸쳐 덜 빈번하거나 덜 반복적일 수 있다는 것을 고려하여, 간헐적 잡음 소스에 대해 유보되는(reserved) 2개의 정의들과는 대조적으로, 온/오프 기간의 단일 정의(single definition)가 마련된다; 이 경우, 온/오프 기간은 진화 잡음 자체의 듀레이션과 일치한다. 한번 이상 발생할 경우, 진화 잡음 소스들의 히트들의 수는 잡음의 진화 기간의 통상적 듀레이션과 함께 대응하는 15분 카운터에 보고된다. 1분 카운터는 1분의 인접한 윈도우에 걸친 순환하는 진화 잡음의 최종(eventual) 히트를 레코딩한다.

영구성 부류 변경들

[0071] 영구적 잡음 타입들은 15분 기간에 걸쳐 일정하게 되도록 영구적 잡음 타입들이 정의된다. 그들의 통계와 관련해서 거의 변동이 예상되지 않는다(예를 들어, 3dB 미만의 전력 변동). 영구적 잡음 소스들이 연이은 15분 윈도우들에서 그들의 존재에 관련해서 어떻게 분류될 수 있는지에 대한 예시적인 실시예가 도 2에 도시된다.

[0072] 도 2에 도시된 바와 같이, 두 개의 연이은 15분 윈도우들에 존재하는 잡음(202)은 제 2 윈도우 이후에 영구적인 것으로서 분명히 분류된다. 도 2는 한 윈도우의 간헐적 잡음 소스가 영구적 잡음 소스로 어떻게 전환할 수 있는지에 대해 추가로 도시한다. 도 2의 간헐적 잡음 소스들(204, 206 및 208)은 첫번째 15분 윈도우 이후에 간헐적인 것으로서 분류된다. 그러나, 잡음 소스(208)는 두번째 15분 윈도에 걸쳐 영구적인 것으로서 고려되며, 두번째 15분 윈도우 이후에 영구적 카테고리로 전환한다.

[0073] 추적될 다양한 잡음들과 대역폭, 시간 및 영구성의 3 차원에 따른 그들의 카테고리화를 상세히 설명하면서, 본 발명의 일반적인 실시예들에 따라 잡음 모니터링 애플리케이션에서 잡음들을 검출, 분류 및 특징화하기 위한 잡음 분석 엔진이 도 3과 관련하여 이제 설명될 것이다. 이러한 엔진은 예를 들어 DSL 모뎀에 통합될 수 있고, 당업자들은 이러한 설명들에 의해 교시된 후에 본 발명의 잡음 분석 기능들을 수행하도록 이러한 모뎀의 펌웨어/소프트웨어를 적응시키는 방법을 이해할 수 있을 것이다.

[0074] 도 3에 예시된 바와 같이, 본 발명의 실시예들에 따른 일반적인 잡음 모니터링 애플리케이션은 가장 낮은 레벨 임계치 0으로부터 가장 높은 레벨 임계치 5까지의 6개의 논리적 쓰레드들을 포함한다. 그들의 목표들 및 목적들은 아래에서 설명된다. 흐름도에서 사용되는 용어들 L0, L1, L2는 다음과 같이 정의된다. L0는 SNR, INM 히스토그램 등과 같은 펌웨어에 의해 리트리빙되는 낮은 레벨 DSL 프리머티브들을 지칭한다. L1은 예를 들어 LO 데이터의 한번의 관측을 통한 잡음의 구조를 제공하는 LO 프리머티브의 분석 결과를 지칭한다. L2는 LO 데이터의 여러번의 관측들을 통해 관측되는 진화 잡음에 대한 정보를 제공하는 LO 프리머티브들의 세트 및 연관된 L1 데이터의 분석 결과를 지칭한다.

[0075] 쓰레드 0은 반복적 쓰레드이고, 이것의 유일한 목표는 분석이 수행될 미가공 LO 데이터를 CPE(예를 들어, DSL 모뎀)로부터 리트리빙하는데 있다. 검출이 수행될 데이터의 이러한 리트리벌 쓰레드의 예시적인 특징들은 다음과 같다. 예를 들어 1초 레이트 또는 동기 심볼 레이트(초당 16)와 같은 요건들에 명시된 가장 작은 시간 입도로 데이터 수집이 수행된다. 쓰레드는 쓰레드 1의 검출 프로세스(즉, SNR, INM 히스토그램)가 가장 작은 시간 입도로 수행될 1차 LO 데이터를 수집한다. 쓰레드는 또한 쓰레드 3 데이터 수집 프로세스가 쓰레드 4 추정을 위해 수행되는 2차 LO 데이터를 수집한다.

[0076] 쓰레드 0은 초당 한번의 레이트로 상태 머신 폴링 요구 상태들로서, 또는 쓰레드 1에 체계적으로 또는 쓰레드 3 데이터 수집 쓰레드에 요구시 전달되는 그러한 상태들에 대해 더 빠르게 구현될 수 있다. 폴링 레이트는 예를 들어 부분적 SNR 계산에 대해 모든 각각의 동기 심볼 또는 모든 128개의 심볼들일 수 있다. LO 데이터의 임의의 체계적인 포스트-프로세싱은 쓰레드 0 프로세스의 일부로 고려된다.

[0077] 쓰레드 1은 쓰레드 0에 의해 매 초마다 수집되는 데이터에 체계적으로 수행되는 검출 및 분류 쓰레드로 구성된다. 실시예들에서, 쓰레드 1은 통상적으로 1초 레이트로 실행된다. 쓰레드 1의 목적은 다양한 미리 정의된 잡음 부류들(NB 대 WB 및 충동적 대 연속적)의 존재를 검출하는데 있다. 다양한 검출기들(이들 각각은 하나의 잡음 부류에 특정적임)이 사용될 수 있고, 그들의 출력들은 부류들에서 잡음들을 분류하기 위해 조합될 수 있다.

[0078] 쓰레드 1은 다양한 미리 식별된 잡음 부류들을 각각 맞춤화된 독립형 알고리즘 프로세스들의 세트로서 구현될 수 있고, 그것은 분석되는 현재 1초 L0 데이터에 각각의 잡음 부류의 존재 또는 부재에 대응하는 긍정 또는 부정 결과를 제공한다. 또한, 각각의 출력과 연관된 신뢰 메트릭이 유도될 수 있다.

[0079] 실시예들에서, 쓰레드 1에서 검출되는 독립 잡음들의 수는 후속 쓰레드들에서 이루어질 병렬 프로세싱의 수를 결정한다. 쓰레드 2는 쓰레드 1에 의해 매 초마다 분석되는 데이터에 대해 체계적으로 수행되는 검출 및 분류 쓰레드로 구성된다. 쓰레드 2의 목적은 쓰레드 1에 의해 검출되는 다양한 타입들의 잡음 부류들이 3가지 타입들(영구적, 진화적 또는 간헐적) 중 하나인지 여부를 추정하는데 있다. 실시예들에서, 이러한 결정은 쓰레드 1에서 식별되는 잡음 소스들 각각에 대해 이루어진다.

[0080] L2 검출 타입 쓰레드이면, 쓰레드 2는 쓰레드 1에서 검출되는 잡음들의 영구성을 결정하기 위해서 적시에 다른 포인트에서 수집되는 참조 데이터 세트에 대한 비교 논리를 사용한다. 현재 데이터 세트가 비교되는 참조 데이터는 타입들에 기초하여 상이할 수 있다. 예를 들어, 영구적 잡음 타입들은 이전의 1초 데이터 및 이전의 15분 데이터 레코드를 참조로서 사용한다. 잡음 타입들을 진화시키는 것은 이전의 1초 데이터, 마지막 임계치 데이터 및 그 다음의 임계치 데이터를 사용한다. 간헐적 잡음 타입들은 이전의 1초 데이터를 사용한다.

[0081] 쓰레드 2는 식별되는 3가지 부류 타입들에 각각 맞춤화되는 독립형 알고리즘 및 논리 프로세스들의 세트로서 구현될 수 있고, 그것은 쓰레드 1에서 검출되는 각각의 부류의 잡음의 진화(또는 비진화)에 대응하는 상호 배타적인 출력을 제공해야 한다. 또한, 3가지의 분류된 진화 타입들 각각과 연관된 신뢰 메트릭이 유도될 수 있다.

[0082] 실시예들에 있어서, 쓰레드 2가 잡음들의 출현을 추적하는 것을 책임지기 때문에, 그 쓰레드 2는 또한 그 잡음들의 사라짐도 추적한다. 쓰레드 2는 적절한 트리거들, 즉, "시작", "종료" 및 "연속" 트리거들을 쓰레드 3에 제공한다.

[0083] 쓰레드 3은 더 낮은 쓰레드들 1 및 2에서 검출되는 잡음의 부류(NB 대 WB, 연속적 대 충동적) 및 각 타입(영구적, 간헐적, 진화적)에 특정화되는 L0 데이터 수집 쓰레드로 구성된다. 이러한 데이터 수집은 결정된 시간 윈도우에 걸쳐서, 쓰레드 0에 의해 수행되는 L0 데이터 수집을 보충한다. 실시예들에 있어서, 쓰레드 3 데이터 수집을 위한 트리거는 쓰레드 2에서 결정되는 이벤트들 "시작", "종료", "연속"을 트리거링함으로써 비동기적으로 개시된다. 쓰레드 3 L0 데이터 수집의 레이트는 이러한 데이터가 수집되는 쓰레드 4 프로세스의 목적에 기초하여 변경가능하다.

[0084] 쓰레드 3의 목적은 아래에서 설명되는 바와 같이, 3가지 타입들 각각에 대해 잡음들 자체의 특징화 뿐만 아니라 쓰레드 4에 의한 잡음의 영향의 후속적인 서명 검출을 가능하게 할 추가적인 데이터를 수집하는데 있다.

[0085] 간헐적 잡음 타입의 경우, 데이터 수집은, 미리 정의된 연속 시간 윈도우에 걸쳐, 수신기의 동작 시에 간헐적 잡음의 출현의 영향을 결정하는 것(쓰레드 4에 의해)을 도울 추가적인 데이터 세트들을 포함한다. 윈도우는 시간적으로 제한되거나(예를 들어, 10초) 잡음의 존재에 걸쳐 확장할 수 있고, 데이터 수집은 연속적일 수 있다(예를 들어, 매 초, 또는 분석 윈도우의 시작 및 종료에).

[0086] 진화적 잡음 타입의 경우, 데이터 수집은 잡음 특징들이 고정된 세트의 미리 결정된 임계치들 중 정해진 임계치를 크로스할 때마다 수집될 추가적인 데이터 세트들을 포함한다. 윈도우는 임계치들의 수에 의해서 크기에 있어 제한되고, 그것은 어쩌면 그것의 진화에 있어 크로스할 수 있다. 데이터 수집의 레이트는 잡음의 진화 속도에 의해 결정된다.

[0087] 영구적 잡음 타입의 경우, 추가적인 데이터 수집은 쓰레드 4에서 15분 지속기간에 걸쳐 영구적 잡음을 정량화하기 위해 수집될 수 있다. 데이터 수집의 레이트는 느린 것으로 예상된다.

[0088] 쓰레드 3은 간헐적 잡음 타입들에 대해 초당 한번의 비동기적인 레이트로, 또는 덜 빈번하게 혹은 영구적 및 진화적 잡음 타입들에 대해 요구시에 상태 머신 폴링 추가적 요구 상태들로서 구현될 수 있다. 일실시예들에서, 쓰레드 3은 타입 "시작" 및 "종료" 및 "연속"의 쓰레드 2 검출 트리거에 의해서 트리거된다. 쓰레드 3은 진화적 또는 간헐적 잡음 타입의 트리거 시작 및 트리거 종료 이벤트 간의 시간을 계산하고 레코딩한다.

[0089] 사전-요구로서, 각각의 잡음 타입(영구적, 간헐적, 진화적)의 경우 그리고 쓰레드 1에서 검출되는 각각의 잡음 부류들의 경우, 다양한 잡음들의 영향을 특징화하는 적절한 파라미터들의 완전한 리스트가 로그인될 후보 레코드들뿐만 아니라 쓰레드 1에서 검출되는 잡음 부류의 서명을 추가로 개선하는 것을 도울 수 있는 임의의 바람직한 L0 데이터 정보로서 바람직하게 리스트된다. 그러한 적절한 파라미터들의 예는 검출되는 잡음의 존재 동안에 발생하는 카운터들(이를테면, 서버 에러 초들, 에러 초들, CRC, FEC), 또는 그들의 존재 동안에 라인 안정성의 저하의 SNR 마진 상태 어레스팅이다. 쓰레드 4의 중요한 작업은 각각의 잡음의 존재의 지속기간에 걸쳐 개별적으로 각각의 잡음에 기인한 CV, FEC, ES, SES, FEC_S의 양을 보고할 각각의 잡음에 연관된 개별 카운터들을 파퓰레이팅하는 것이다.

[0090] 도 4는, 일단 데이터 세트가 완료되면, 쓰레드 3에 의해 수집되는 데이터에 대해 수행되는 추정 쓰레드로 구성된다. 그것은 오프-라인 쓰레드로서 구현될 수 있거나, 그것은 부분 데이터가 이용가능하게 될 때 그때마다 즉시 시작할 수 있다. 쓰레드 4의 목적은 각각의 잡음 부류에 대해 검출되는 다양한 잡음 타입의 서명을 추정하는데 있다.

[0091] 간헐적 잡음의 경우, 서명 추정은 일단 그것이 턴온되면 잡음의 영향의 특징들을 증대된 LO 데이터 세트로부터 유도하는데 있다. 제안된 분석의 타입은 제한된 시간 윈도우에 대한 L1 분석과 유사하고, 그 시간 윈도우 동안에 ON 잡음은 고정적인 것으로 예상된다. 그것은 잡음의 출현이 모뎀 동작시의 임프린팅하는 안정성 및 용량성 감소의 서명의 유도를 초래한다.

[0092] 진화적 잡음의 경우, 서명 추정은, 일단 그것이 진화적인 것으로 선언될 최소 임계치를 크로스하면, 증대된 LO 데이터 세트 및 대응하는 시간 스탬프로부터 잡음의 영향들의 특성들 및 잡음의 진화의 레이트를 유도하는데 있다. 제안되는 분석의 타입은 고정된 윈도우 상에서의 L2 분석과 유사하다. 그것은, 잡음의 진화의 레이트의 개략적 분류(빠름, 느림, 중간)와 함께, 모뎀 동작시 잡음의 출현이 임프린팅하는 안정성 및 용량성 감소의 서명의 유도를 초래한다.

[0093] 영구적 잡음의 경우, 쓰레드 3에서 수집되는 데이터에 대한 추가적인 프로세싱은 15분 윈도우에 걸쳐 영구적 잡음을 정량화하기 위해 수행될 수 있다.

[0094] 모든 잡음 유형들(영구적, 점진적, 간헐적)의 경우, 증강 L0 데이터는 스레드 1에서 검출된 향상된 잡음 서명의 유도를 이네이블한다. 예를 들어, 스레드 4는 또한, 한 가지 유형에 속하는 잡음 특성을 구별하기 위해 또는 모든 잡음들의 서명을 개별적으로 더 잘 유도하기 위해 다른 잡음 클래스들의 존재의 영향을 차감하도록, 상이한 유형에 걸쳐 각종 잡음들에 대한 정보를 사용한다. 검출된 잡음의 주요 특성의 예는 분류의 3차원들에 따라 정보를 포함한다. 주파수 차원의 경우, 서명 정보는 대역폭, 중심 주파수 및 평균/피크 psd 레벨을 포함한다. 지속성 차원의 경우, 서명 정보는 지속 시간/히트를 포함한다. 시간 차원의 경우, 서명 정보는 버스트 길이(연속/샤인/단기/장기/REIN)를 포함한다.

[0095] 2차 서명 정보의 예는 안정성 및 성능 영향 추정들, 이를 테면, 마진 하락 영향(예를 들어, 대역당, 대역 내, 전체), 카운터들(예를 들어, SES, ES, CRC, FEC-S) 및 성능 영향을 포함한다. 보충 서명 데이터의 예는 어레이 서명, 이를테면, 최소, 최대 및 평균 PSD 어레이들, 적용가능한 경우 시간 도메인 특성들, 및 통계적 고차 모멘트 어레이들(예를 들어, 평균, 편차, 비대칭도, 첨도)을 포함한다.

[0096] 향상된 잡음 서명 데이터의 예들은, REIN 잡음 대해, 격리된 임펄스들이 폴딩되는 카테고리, 임펄스 잡음의 통계(가우시안 또는 결정론적)에 관한 정보, 또는 임펄스와 관련된 PSD를 보고하는 능력을 포함한다. DSL 시스템(4 kHz로)의 보드 레이트보다 훨씬 높은 레이트로 반복 임펄스 트레인으로부터 초래되는 광대역 잡음 소스들의 경우, 향상된 잡음 서명은 펄스 트레인들의 기본 주파수 및 펄스들이 가우시안 파형인지 결정론적 파형인지 여부를 포함할 수 있다.

[0097] 스레드 4는 독립 알고리즘 및 논리 프로세싱들의 세트로 구현될 수 있는데, 각각은 식별된 세 잡음 클래스들 및 가능한 서브 클래스들에 맞춤화되고, 어느 출력이든 각 잡음의 영향 및 잡음 서명의 기록을 제공한다. 실시예들에서, 각 잡음의 반복 발생을 추적하고 보고하기 위해, 생성된 각각의 잡음 서명 기록이 저장되고 스레드 5에서 사용된다.

[0098] 스레드 5는 스레드 4에 의해 수집된 데이터에 대해 수행되는 데이터 출력 생성과 서식 스레드로 구성된다. 실시예들에서, 스레드 5의 목적은 각 잡음 클래스에 대해 검출된 각 잡음 유형에 대해 1분 및 15분 카운터 보고서를 파퓰레이팅하기 위해 관련 데이터를 도출하는 것이다.

[0099] 카운터 정보 생성 외에도, 스레드 5는 스레드 4 서명들을 분류할 수 있고, 서명이 미리 저장된 서명 레코드에 부합하는지 여부를 결정할 수 있다. 서명 부합이 기존 레코드에 대해 발견되면, 해당 카운터가 증가한다. 실시예들에서, 스레드 5는 또한 서명 부합 프로세스에 사용되는 24시간 기록 데이터베이스를 관리한다. 각 24시간 서명 기록은 추가의 프로세싱을 위해 매 24시간마다 클라우드로 선택적으로 전송될 수 있다. 24시간마다, 서명 기록들이 리셋될 수 있고, 새로운 서명 기록들이 다음 24시간 윈도우에서 잡음의 발생 시 생성될 수 있다. 스레드 5는, 다수의 독립적인 잡음 기록들에 영향을 미치는 복합 잡음 소스들을 보고하기 위해, 데이터베이스 내의 개별적인 잡음 엘리먼트들을 연결할 수 있다.

[00100] 스레드 5는 또한, 잡음들이 행동에서 습관적으로 변경하는 경우, 15분 경계에 걸쳐 잡음 유형들(영구적, 간헐적, 점진적)의 전이를 관리한다. 스레드 5는 15분 윈도우에서 시스템 리포트를 생성하며, 이는 고/중/저 정도와 잡음의 각 중요한 클래스: NB, WB, 임펄스 잡음에 대한 예상 자연 배경 잡음 환경으로부터의 편차로서 잡음 환경을 분류한다. 스레드 5는 또한, 비 카운터 출력 정보, 이를테면, 15분 또는 24시간 리포트와 함께 제공되는 잡음 psd 레벨들을 포맷팅한다. 스레드 5는 잡음 소스들의 출현 및 비출현의 검출에 기초하여 비동기적으로 구동하는 논리 프로세싱들의 세트로서 구현될 수 있다. 그러나, 대응하는 카운터를 파퓰레이팅하기 위해, 분당 또는 15분당 한 번의 최소로 또한 실행하는 것이 예상된다.

출력 데이터 기록

[00101] 특정 양상들에 따르면, 본 발명의 실시예들에 따른 잡음 분석 엔진의 목적 중 하나는 DSL 접속에 영향을 미치는 어그리게이트 잡음의 각종 성분을 식별하고, 다양한 유형의 카테고리들(광대역 대 협대역, 연속 대 임펄스)로 이들을 분류하고, 각 유형의 독립 소스들의 수를 결정하는 것이다. 엔진은 또한 각각의 잡음에 대한 서명 세부 사항들을 제공하며, 이에 걸쳐 다수의 CPE들에 영향을 미치는 잡음들이 상관될 수 있거나, 또는 특정 잡음 소스들과 연관될 수 있다. 잡음 분석 엔진의 또 다른 목적은 시간이 지남에 따라 각각 독립적 잡음 소스들의 변화를 추적하고 특정하게 정의된 타임 스탬프들로 시간이 지남에 따라 DSL 라인 안정성에 미치는 이들의 영향을 기록하는 것이다.

[00102] 따라서, 출력 데이터 레코드들의 두 가지 유형이 생성될 수 있다: 일 타입은 잡음 구조 자체에 관련되고, 다른 타입은 시간에 따른 각 잡음의 존재 및 영향에 관련된다. 출력 레코드의 두 유형 모두는 여러 CPE들에 영향을 미치는 소스들의 잡음의 상관 관계 또는 이러한 잡음 서명들의 출현을 유발하고 있는 특정 장비 및 실제 잡음 소스들의 추가 특성을 수행하기 위해 궁극적으로 사용될 수 있다.

잡음 구성 기록

[00103] DSL 수신기에 영향을 미치는 어그리게이트 잡음의 설명이 뒤따른다. 이 분류의 목적은, SELT-UER 프리미티브 분석을 따르는 루프 토폴로지의 설명에 관련된 Annex B. B1.1.3의 G.996.2에서 제안된 것과 유사하다. 루프 토폴로지의 경우, 각 루프 세그먼트의 물리적 길이의 식별을 갖는 루프 구조의 설명이 제안된다. 루프 토폴로지는 주어진 규칙들의 세트를 이용하여, 루프 세그먼트들의 리스트로서 보고된다. 유사하게, 제안된 잡음 구조 분석 출력은 잡음 성분들의 리스트로 구성되며, 각각은 광대역 대 협대역 및 임펄스대 연속으로서 식별된다.

[00104] 리스트의 각 잡음 성분은, 관찰의 기간 동안 일펄스들의 수와 함께 지속성(예를 들어, 영구적, 간헐적, 점진적)의 표시기, 주파수 콘텐츠(예를 들어, 중심 주파수, 대역폭(시작 및 종료 주파수))의 표시기, 전력 레벨(예를 들어, 전력 레벨 또는 psd 레벨(피크 또는 공칭))의 표시기, 잡음이 특성상 임펄스인 경우, 임펄스들의 특성화(예를 들어, 임펄스들의 유형: REIN인 경우, 임펄스들의 주기/비주기, 주파수 및 기간, 비주기적인 경우, 일펄스들의 길이(SEIN, PEIN, 샤인, 단기...)를 따르는 서브 파라미터들로 추가로 설명된다.

[00105] 선택적으로, 리스트의 각 잡음 성분은, 그 존재로 인해 잡음이 DSL 라인에 부과하는 성능 저하의 메트릭에 관련되는 서브 파라미터들로 추가로 특징지어질 수 있다. 이 파라미터들은: 잡음이 연속하고 있는 경우, (예를 들면, MBps 단위로) 용량에 미치는 영향 또는 잡음이 임펄스인 경우, 요구되는 INP에 대한 등가의 레이트 손실 및 관련 스루풋 레이트 손실; 잡음이 연속인 경우, (예를 들어, dB 단위로) 마진 감소에 미치는 영향, 또는 잡음이 임펄스인 경우 또는 그 간헐적으로 발생이 불안정성을 생성하는 경우, 안정성(예를 들어, RS/초 또는 CRC 최소 레이트)을 포함할 수 있다.

잡음 추적 기록

[00106] 주어진 시점에서의 잡음 구조 분석이 DSL 라인에 영향을 미치는 잡음 소스들의 수와 유형의 세부 사항들을 제공하지만, 잡음의 존재의 추적 및 로깅과 시간의 추이에 걸친 이들의 영향이 또한 요구된다.

[00107] G.997.1(G.ploam)에 기재된 전류 라인 성능 모니터링 파라미터들만이, 코드 위반(CV) 및 전진 오류 수정(FEC) 및 이들의 관련 오류 초(ES, SES) 카운터의 측면에서 링크의 안정성을 특징짓는 파라미터들을 모니터링하는 라인 성능에 주로 관련되는 파라미터들의 제한된 세트를 리포트한다. 라인에 영향을 줄 수 있는 잡음 소스의 특성들을 시간의 경과에 따라 정량화하려고 시도하는 유일한 파라미터들은 원시 임펄스 잡음 모니터링 파라미터들과 관련된 것들이다. 또한, 라인 성능 모니터링 파라미터들은, 15분 및 24시간 카운터들에 축적되며, 이들은 빠른 잡음 변화들의 모니터링을 위한 작은 입도를 제공한다.

[00108] 따라서, 라인 모니터링 파라미터들의 현재 세트의 정의의 확장은 다음과 같이 본 발명의 실시예들에 의해 제공된다.

[00109] 첫째, 잡음 구조 분석의 일부로서 식별된 잡음 성분들의 활성을 설명하는 추가의 라인 모니터링 파라미터들이 제공된다. 관찰 윈도우(15분, 24시간)를 통해 이러한 추가 파라미터들은, 활성 협대역 간섭들의 유형 및 수; 활성 광대역 간섭들의 유형 및 수; 및 활성 임펄스 잡음 소스의 유형 및 수와 같은 정보를 리포팅한다.

[00110] 이 파라미터들은, DSL 라인 안정성(CV, FEC, ES,..)에 관련된 기존의 일반 파라미터들과 비교해서, 잡음 소스들 자체를 구체적으로 리스팅하고 세부 사항을 나타내는 것으로 의도되지 않는다. 각 간섭의 유형은, 지속성, 주파수 콘텐츠, 전력 레벨 등과 같은, 위에서 리스트된 잡음 구조 기록들에 상세된 서브 파라미터에 의해 특징지어질 수 있다.

[00111] 둘째, 확장은 15분보다 훨씬 작은 입도로 잡음 소스의 존재의 실제 지속 시간을 보고하도록 제공된다. 이 리포트는 몇 가지 방법들 중 하나로 제공될 수 있다.

[00112] 예를 들어, 1분 카운터 ―이 동안 해당 잡음 유형이 활성화 됨― 가 제공될 수 있다. 15분 카운터 리포트들을 구성하는 각 1분 카운터는 횟수에 대해 잡음이 해당 1분 간격 동안 재출현한 횟수(잡음 버스트의 연속 기간 동안 하나의 카운트 양)에 대해 리포팅한다. 이는 분당 히트 카운터이다.

[00113] 대안적으로, 1분 카운터는, 각각 1분 간격에 걸쳐, 잡음 소스가 활성이라고 선언한 초들의 수를 리포팅할 수 있어서, 1분 간격에 걸쳐 모든 버스트를 함께 어그리게이팅한다: 이는 분당 기간 카운터이다.

[00114] 어그리게이트 15분 카운터는, 15분 간격에 걸쳐 실제 잡음 버스트 히트의 카운트들과 함께, 15분 기간에 걸쳐 잡음이 활성으로 선언된 초들의 총 수를 리포팅할 수 있다: 이는 15분 총 기간 카운터 및 15분 총 히트 카운터이다.

[00115] 마지막으로, 각각의 잡음 존재의 표시의 더 미세한(finer) 입도(granularity)는 DSL 라인 안정성과 관련된 파라미터들(CV, FEC, ES,...) 및 각각의 잡음의 영향의 시간에 대한 보다 나은 상관관계를 가능하게 하는 바: 15분 윈도우에 걸쳐서, 각각의 잡음은, CV(Code Violation) 및 FEC(Forward Error Correction)의 측면에서, 링크의 안정성을 특징화하는 라인 성능 모니터링 파라미터들과 주로 관련되는, 그 자체의 G.ploam-형 카운터들(G.ploam-like counters), 및 그들의 관련된 에러 세컨즈(ES, SES) 카운터들과 연관된다. 이러한 카운터들은, 각각의 잡음의 존재의 지속기간에 걸쳐서 개별적으로 각각의 잡음에 기인하는 CV, FEC, ES, SES, FEC_C의 양을 보고한다. 기존의 G.Ploam 카운터들에 대해 이러한 15분 개별 카운터들을 프로젝팅(projecting)함으로써, 잡음 소스들 중 어느 것이 15분 윈도우에 대한 불안정성의 주된 소스(predominant source)인지와 그리고 어느 잡음들이 실제로 라인 안정성에 영향을 주지 않는 지를 정확히 찾아낼(pinpoint) 수 있는 능력이 주어진다.

예시적인 잡음 데이터 레코드들

[00116] 하기에서는, 본 발명의 잡음 분석 엔진의 실시예들에 따른, 다양한 타입들(영구적, 간헐적 및 진화)의 협대역, 광대역 및 충격(impulsive) 잡음 소스들에 대해 생성된 출력 데이터 레코드들의 예들이 제공된다.

[00117] 지속적인(continuous) 협대역 디스터버(disturber)들은 영구적, 간헐적 및 진화일 수 있다.

[00118] 전형적인 영구적 협대역 디스터버들은, 예를 들어 AM 라디오 송신기들이다. 잡음 소스가 영구적일 때, 지속적인 펄스형(pulsed) 잡음은 또한 협대역 간섭을 발생시킬 수 있다. AM 라디오들과 CM NBI를 구별하기 위해, 가능한 구별 팩터(discrimination factor)는, AM 송신기들은 임의의 지리적 영역 내에서 알려진 주파수들로 동작한다는 사실에 존재한다. 로깅(logging)의 예시적인 목적은, AM 라디오들의 (예를 들어, 날씨와 관련된) 연결 변화량(coupling variation)를 매일/밤마다 모니터하고, 이들이 사용자의 용량(capacity)에 어떻게 영향을 미치는 지를 평가하는 것이다. 데이터 로깅 출력은, 지속적인 NBI 디스터버들의 수, 및 각각의 NBI에 대해, 파워 벡터(vector of power), 주파수 및 용량 손실 추정치(capacity loss estimate)를 갖는, 15분 레코드의 일부일 수 있다.

[00119] 영구적 협대역 디스터버 레코드의 예가 하기에 도시된다:

[00120] 잡음의 상세한 트랙킹 특징들의 일부로서, 하기의 정보는 24 시간 윈도우(24 hours window)에 대한 검색(retrieval)에 대해 이용가능하다.

[00121] 전형적인 간헐적 협대역 디스터버들은 HAM 라디오 송신기들이다. 정의되지 않은 타입들의 커먼 모드(CM) 잡음 소스들이 또한, CM 잡음 소스 그 자체가 턴 온 또는 턴 오프되는 경우, 간헐적 협대역 간섭기(interferer)들로서 보일 수 있다. HAM 라디오와 CM NBI를 구별하기 위해, 가능한 구별 팩터는, HAM 대역(band)들이 임의의 지리적 영역 내에서 잘 알려져있다는 사실에 존재한다. 로깅의 예시적인 목적들은: HAM 라디오 휴먼 액티비티(HAM radio human activity)의 트랙킹; 전리층의 전파 변화로 인한 디스터번스(disturbance)의 레코드 보존(record keeping); 및 안정성에 대한 HAM 또는 간헐적 NBI의 영향의 진단(diagnostics)을 포함한다. 최초 출현(appearance) 시의 각각의 가능한 간헐적 NBI 또는 HAM 라디오 잡음 소스에 대해 제안된 10초 윈도우(10 second window)에 걸쳐서 수집되는 입력 데이터는, 출현 시의 추정치(estimate) 및 15분 윈도우(15 min window)에 걸친 히트(hit)들의 개수를 포함한다.

[00122] 간헐적 NBI 15분 레코드의 예가 하기에 주어진다. 영구적 레코드와 비교하여, 하기의 서브-파라미터들: 지속기간; 안정성 영향(전형적으로, 가능한 간헐적 NBI 또는 HAM 라디오의 출현 이후 제안된 10초 윈도우에 걸쳐 수집되는 데이터에 대해 컴퓨팅됨); 15분 윈도우에 걸친 잡음의 히트 카운트, 및 분당 히트들의 수를 각각의 분에 대해 리포팅하는 1-분 카운터가 부가된다.

[00123] 전형적인 진화 협대역 디스터버들이, 정의되지 않은 타입들의 커먼 모드 잡음 소스들이다. CM 소스가 루프로부터의 불균형 포인트(point of imbalance)에 더 가까이 이동하거나 또는 이로부터 더 멀리 이동하는 경우, 커먼 모드 잡음 소스들은 점진적으로 결합할 수 있다. 로깅의 예시적인 목적들은 진화 CM 잡음 소스들의 트랙킹을 포함한다.

[00124] 모니터링되는 프리미티브(예를 들어, 라인 참조 잡음(line referred noise))가 임계치를 크로싱할 때 마다, 잘-정의된 인스턴트(instant)들에서 데이터가 수집된다. 예를 들어, 협대역 간섭기에 대해, 데이터 수집을 위해 예상될 수 있는 임계치는, 총 12개의 3dB 크로싱들에 대한 총 6개의 포지티브 크로싱들 및 6개의 네거티브 크로싱들에 대하여, 백그라운드 잡음: [0dB ..18dB] 위로(above) 피크 전력의 각각의 3dB 증가일 수 있다.

[00125] 진화 NBI 15분 레코드의 예가 하기에서 주어진다. 간헐적 레코드와 비교하여, 하기의 서브-파라미터들: (제 1 임계치 크로싱으로부터 마지막 임계치 크로싱까지의) 지속기간, 잡음의 진화에 걸친 피크 전력 증가; 및 피크 용량 영향 추정치(peak capacity impact estimate)가 부가되거나 변경되었다.

[00126] 또한, 요구되는 경우, 하기의 정보: 잡음이 자신의 피크 전력에 도달할 때의 최대 PSD(즉, 최대 잡음 PSD); 잡음이 OFF일 때의 백그라운드 잡음 PSD; 선택된 임계치가 크로싱될 때의 시간 간격 벡터(time interval vector)(이는 진화 잡음들의 진화 레이트들의 표시를 제공한다)가 검색을 위해 이용가능하게 될 수 있다. 이는 하기의 예에서 도시된다.

[00127] 전형적인 영구적 광대역 디스터버들은, Home-Plug AV와 같은 커먼 모드 잡음 소스들, 셀프-FEXT, 및 이질적(alien) DSL 서비스들이다. 로깅의 예시적인 목적들은: 1) 셀프-FEXT 및/또는 이질적 DM 디스터버 간의 구별; 2) CM 불균형의 적절한 서명을 통한 CM 잡음 소스의 구별; 특이한(unusual) 루프 불균형의 결정; 및 4) 광대역 잡음의 진화의 리포트를 포함한다.

[00128] NBI 레코드와 유사하게, 하기의 예에 도시된 바와 같이, WBI의 로깅은 각각의 WB 잡음에 대해, 전력의 벡터, 주파수 범위, 용량 손실 추정치, 식별자 타입을 포함한다.

[0129] 각각의 WB 잡음에 대한 상세한 트랙킹 특징들의 일부로서, 주파수 범위에 걸쳐서 15분 마다 최대 잡음 PSD의 추정치(즉, 최대 3000 톤(tones) * 빈당 SNR 데이터(per bin SNR data))가 만들어진다. 모든 톤들에 대해, 24시간당 주파수 마다 최대 및 최소 잡음 PSD의 하나의 추정치(즉, 최대 3000 톤 * 빈당 SNR 데이터)가 또한 만들어진다.

[00130] 일반적인 간헐적 광대역 방해자들이 항상 ON DSL 서비스들인 것은 아니다. CM 잡음 소스가 스스로 On 또는 Off 전환한다면(예를 들어, 홈 플러그 AV), 한정되지 않은 타입들의 공통 모드 잡음 소스들이 또한 간헐적 광대역 간섭원들로서 나타날 수도 있다. 로깅의 예시적인 목적들은: DSL 서비스 활동 변화 및 피해자 라인에 대한 영향의 추적; 클라우드에서의 패턴 인식에 대한 주간/야간의 방해에 대한 레코드 관리; 및 방해가 온/오프 전환될 때(예를 들어, 펌프, 엘리베이터, …) 안정성에 대한 CM 잡음 영향의 진단을 포함한다.

[00131] NBI에 관해서는, 출력 데이터 레코드는 "SHORT 또는 LONG"의 듀레이션의 버스트 특징의 각각의 간헐적 WB 잡음에 대해, (가능하게는 DS1, DS2, DS3으로 제한되는) 주파수 범위, 용량 손실 추정치, 출현시의 안정성 손실 추정치, 15분 카운터의 매 분마다 1분 윈도우 동안의 히트 수, 및 전력의 벡터를 포함한다. 예시적인 레코드는 다음과 같다.

[00132] 진화 NBI 및 WBI 잡음 소스들에 대한 데이터 레코드들은 비슷하다. 각각의 진화 WBI에 대해, 주파수 포지션, 피크에서의 용량 손실 추정치, 출현시의 안정성 손실 추정치, 15분 윈도우 동안의 히트 수, 진화 속도(저속, 중간, 고속), 및 최대 전력의 벡터가 제공된다. 예시적인 레코드는 다음과 같다.

[00133] 잡음 특징들을 실제 잡음 소스들에 연관시키는 패턴 매칭 프로세스의 일부로서, 15분 또는 24시간 윈도우에 걸쳐 바람직하다면, 검색을 위해 다음의 정보: 잡음이 그 피크 전력에 도달할 때의 최대 PSD[최대 잡음 PSD]; 잡음이 OFF일 때의 배경 잡음 PSD; 및 선택된 임계치가 크로싱될 때의 시간 벡터가 이용 가능하다. 일례는 다음과 같다.

[00134] 광대역 잡음들(간헐적, 영구적 또는 진화)에 대해, 다음과 같은 추가 특징 설명이 이용 가능해질 수 있다.

[00135] 2가지 타입들의 영구적 임펄스 잡음 시나리오들이 고려된다. 첫 번째 타입은 50㎐/60㎐ 주전원에 링크된 REIN 잡음들 및/또는 1㎐를 초과하는 발생 주파수로 의사 연속적인 버스트들을 발생시키는 PEIN 또는 SHINE 잡음 소스들을 포함한다. 두 번째 타입은 시간에 따라 연속적으로 발생하는 1초 미만의 듀레이션의 단발적(isolated) 임펄스들을 포함한다.

[00136] 일반적인 영구적 임펄스 잡음들은 상시-On 장비에 의해 발생되는 50㎐/60㎐ 주전원 주파수에 링크된 REIN이다. 대안으로, 1㎐를 초과하는 발생 주파수로 의사 연속적인 버스트들을 발생시키는 PEIN 또는 샤인 잡음 소스가 영구적인 반복적 임펄스 간섭원들로 간주될 것이다. 일례는 전력 분배 네트워크에 접속된 전기-기계 스위치들, 모터들 및 분배 스위치-기어의 동작에 의해 야기되는 단발적 버스트들 또는 전기 고속 과도 현상(EFT: electrical fast transient)들이다. 일반적인 버스트는 300ms의 반복으로, 짧은 시간 기간(15ms - 0.75ms) 동안 고주파(5㎑ - 100㎑)의 상당수의 순환 임펄스들로 구성된다.

[00137] 영구적인 반복적 잡음 소스들의 존재 결정은 실시예들에서 INM 히스토그램들을 기초로 이루어진다. 목적은 주간/야간 임펄스 잡음 활동을 모니터링하는 것이다. 역 FFT를 통해 피크/최악의 경우 연속적 존재 및 연관된 피크 임펄스 PSD 및 TD 특징을 결정한다.

[00138] 데이터 로깅 출력 레코드의 일례는 아래 도시된 바와 같이, 주파수, 길이, 안정성 영향 기준들, INP 추정치, 15분 윈도우 동안의 히트 수, 및 임펄스 타입의 벡터로 구성될 수 있다.

[00139] 잡음의 특징들의 상세한 추적의 일부로서, 다음의 정보가 이용 가능해질 수 있다:

[00140] 상호 도착 시간 및 듀레이션의 단발적 임펄스 발생의 히스토그램에서 매 15분 기간 동안 시간에 따라 연속적으로 발생하는 1초 미만의 단발적 임펄스들이 카운트된다. 연관된 데이터 로깅 출력은 단발적 임펄스들의 분당 총 히트 수를 갖는 15분 레코드의 일부일 수 있는데, 이는 고려되는 15분 윈도우 동안의 "영구적인" 단발적 잡음 소스에 대응한다. "간헐적" 단발적 임펄스 잡음들의 가능한 존재를 설명하기 위해, 고려되는 15분 윈도우 동안 보고되는 분당 "영구적인" 단발적 임펄스 잡음 소스 카운트는 매분 보고되는 분당 최소 "간헐적 잡음 소스" 카운트 히트와 일치한다(아래 섹션 참고). 단발적 임펄스들에 대해 15분 윈도우 동안 제공되는 히스토그램 출력 데이터와 함께, 고/중/저의 엄격성 레벨을 갖는 출력 레코드는 정상적인 배경 잡음 임펄스 환경에 대한 임펄스 잡음 환경의 편차를 질적으로 표시한다.

[00141] 2가지 타입들의 간헐적 임펄스 잡음 시나리오들이 고려된다. 첫 번째 타입은 50㎐/60㎐ 주전원에 링크된 REIN 잡음들 및/또는 ON-OFF 장비 타입에 의해 생성될 때마다 1㎐를 초과하는 발생 주파수로 의사 연속적인 버스트들을 발생시키는 PEIN 또는 SHINE 잡음 소스들을 포함한다. 두 번째 타입은 결정된 기간의 시간 동안 간헐적으로 발생하는 1초 미만의 단발적 임펄스들을 포함한다.

[00142] REIN 및 반복적인 의사 연속적 버스트 잡음 타입들의 경우, 모니터링의 예시적인 목적은 1초 미만의 임의의 듀레이션 동안 반복적 잡음 소스들이 존재하는 윈도우를 검출하는 것, 그리고 ON 윈도우 동안의 안정성 메트릭의 평가와 함께 각각의 임펄스 잡음 타입에 대해 ON 윈도우가 몇 시간 동안 유효한지를 보고하는 것이다.

[00143] 분석 출력 레코드의 일례는 다음의 필드들: 임펄스들의 버스트의 듀레이션; (가능한 간헐적 임펄스 잡음이 존재하는 윈도우 동안 평균된 또는 누적된) 안정성 영향; 15분 윈도우 동안의 잡음의 히트 카운트; 매분 분당 히트 수를 보고하는 1분 히트 카운터; 및 분당 잡음이 몇 초 존재하는지를 보고하는 1분 듀레이션 카운터가 첨부된 영구적 데이터 레코드와 유사하다.

[00144] 단발적 임펄스 타입들의 경우, 모니터링의 예시적인 목적은 주어진 타입(SEIN, PEIN, SHINE)의 그리고 비-REIN 타입들의 증가한 수의 임펄스 잡음 히트 수를 파악하기 위해 1분 윈도우 동안 단발적 임펄스들의 수를 카운트하는 것, 그리고 1분의 ON 윈도우 동안의 안정성 메트릭의 평가와 함께 잡음이 몇 분 동안 ON인지를 보고하는 것이다.

[00145] 진화 반복적 임펄스 잡음 소스들은 일반적으로 공통 모드 잡음 소스들의 임펄스 특징에 의해 야기되는데, 이는 케이블의 불균형 포인트에 더 가까이 이동할 것이고, 그 이후 (예를 들어, 엔진) 멀리 이동한다. 진화 잡음에 대한 판별 요소는 진폭일 수 있다. 반복적 잡음 이벤트의 진폭은 현재 직접 추적되지 않으며, 임펄스들은 유한 분해능의 임펄스 잡음 검출기에 의해 캡처되고 있으므로, 진화 반복적 임펄스 잡음 소스들은 ON/OFF 간헐적 임펄스 잡음 소스들로서 나타날 것으로 예상된다.

[00146] 그러므로 진화하는 반복적 임펄스 잡음 소스들은 개별적으로 추적되는 것이 아니라, 간헐적인 반복적 임펄스 잡음들의 카테고리에 속할 것이다. 그러나 진화 잡음들에 대한 특정 레코드가 진폭 이외의 판별 요소를 기초로 진화 NB 또는 WB 간섭원과 유사한 방식으로 추후에 고안될 수 있을 것이다.

잡음 분석 엔진의 예시적인 실행

[00147] DSL 통신 시스템에서의 포괄적인(generic) 잡음 분석 엔진 및 그 잠재적인 애플리케이션이 설명되었으며, 이제 본 발명의 실시예들에 따른 DSL 모뎀에서의 잡음 분석 엔진의 예시적인 실행이 제공될 것이다.

[00148] 실시예들에서, 본 발명에 따른 잡음 분석 엔진은 본 발명에 의해 적응되는 바와 같은, 캘리포니아 프리몬트에 소재한 Ikanos Communications, Inc.에 의해 제공된 것과 같은, 이를테면 SmartCPE 진단 세트(diagnostics suite)와 같은 잡음 모니터링 기능성을 갖는 종래의 DSL 모뎀을 보충함으로써 구현된다. 당업자들은 이러한 그리고 다른 종래의 DSL 진단 프로그램들의 소프트웨어/펌웨어를 본 개시물에 의해 교시된 이후에 적응시킴으로서, 본 발명의 잡음 분석 엔진을 구현하는 방법을 이해할 것이다.

[00149] 도 4에 도시된 바와 같이, 본 발명의 이러한 실시예들에 따른 잡음 분석 엔진(402)은 2개의 별개의 분석 엔진들: 라인 잡음 분석 엔진(LNAE)(404) 및 임펄스 잡음 분석 엔진(INAE)(406)을 포함한다. LNAE(404) 및 INAE(406) 양자 모두는 DSL 모뎀의 DSL 디지털 신호 프로세서(DSP)(450)로부터의 데이터 피딩(feeding)에 의존한다. LNAE(404) 및 INAE(406)의 추가의 구현 세부사항들이 하기에 제공될 것이다.

[00150] 잡음 분석 엔진(402)에 대한 예시적인 전체적인 프로세스 흐름도가 도 5에 도시된다.

[00151] 도 5에 도시된 바와 같이, LNAE(404) 및 INAE(406) 양자 모두가 DSP(450)로부터의 데이터 피딩에 의존하고 그리고 카운터들, 빈 마다의 상태(per bin status), 등과 같은 몇몇 공통적인 파라미터들을 공유한다는 사실로 인해, 데이터 수집 단계 스레드 0이 2개의 엔진들 둘 모두에 대해 수행된다. 스레드 0 이후는 임펄스(impulse) 잡음 분석 엔진(406)의 스레드 1 내지 스레드 4를 포함하는 프로세스(502)이다. 라인 잡음 분석 엔진(404)의 스레드 1 내지 스레드 4에 대응하는 프로세스(504)가 다음이 온다. LNAE 프로세싱(504) 이전에 본 발명의 실시예들이 INAE 프로세싱(502)을 실행하는 이유는, 임펄스 잡음의 존재시 INAE로부터 LNAE로 피딩되는 정확한 결정이 오 검출들(false detections)을 회피하기 위해 LNAE를 도울 것이기 때문이다. 이러한 양상은 잡음 파인더(Finder) 및 잡음 모니터 생성 모듈과 연관되는 라인 관련 잡음 및 임펄스 잡음 프리미티브들(primitives)의 생성에 관한 설명들과 관련하여 하기에서 더 설명될 것이다.

[00152] 최종적으로, 프로세싱의 마지막에, 스레드 0과 같이 양쪽 엔진들(404, 406)에 의해 공유되는 데이터 로깅 유닛(data logging unit)이 있다.

라인 잡음 분석 엔진 프로세싱

[00153] 라인 잡음 분석 엔진 프로세싱의 예시적인 실시예는, 도 6에 도시된 바와 같은, 스레드들 0, 1, 2, 3, 4 및 5로 이루어진다.

[00154] 스레드 0은 DSL DSP (450)로부터의 프리미티브들을 리트리브하며(retrieve), 이는 잡음 환경을 모니터링하고 스레드 1에 라인 관련 잡음을 그리고 스레드 3에 빈 마다의 상태 및 카운터들을 피딩한다. 스레드들 1 및 2의 주 목적은 라인에 대한 모든 잡음들의 존재, 출현 및 소멸을 식별하고 그리고 주파수 축(협대역 또는 광대역) 및 지속(presistence) 축(영구적, 진화적(evolving), 또는 간헐적)을 따라 잡음들을 카테고리화하는 것이다. 잡음 서명으로 지칭되는 잡음의 전체적인 특성화가 스레드 4에서 주어지며, 이 경우 보다 낮은 스레드들, DSP로부터의 복수의 프리미티브들, 및 특정한 선험적 지식으로부터의 결과들을 기초로 고급의(advanced) DSP 알고리즘들이 개발된다. 디스플레이 및 아카이빙(archiving)을 위해, 잡음 서명이 스레드 5, 데이터 로깅 유닛에 내보내진다(exported).

[00155] 스레드 0은 잡음 분석을 위해 상부 스레드들에 L0 프리미티브들을 제공한다. 이는 2개의 목적들: DSP로부터 L0 프리미티브 데이터를 수집하는 것; 그리고 수집된 데이터를 사후 프로세싱하는 것(post process)을 제공한다. 하기의 섹션에서 설명되는 바와 같이, 모뎀이 쇼타임(showtime) 중이며 DSL 링크가 잡음 모니터 세션(Noise Monitor session)에 업(up)되는 동안 또는 DSL 링크가 잡음 파인더 세션(Noise Finder session)에서 다운되는 동안 모뎀이 청취되는 동안, 라인 프리미티브들이 생성될 수 있다. 상이한 타입들의 데이터가 이러한 스레드에서 캡처될 것이며, 그 비 포괄적인 예시는 다음과 같다:

[00156] 1차 데이터로 지칭되는 라인 관련 잡음(LN)이 광대역 또는 협대역 잡음을 탐지하기 위해 스레드 1에 의해 이용된다. LN은 일반적으로 2048개의 심볼들에 대해 평균화되는 0.5초마다 계산된다. 128개의 심볼들을 사용하는 중간의 평균화된 잡음이 짧은 듀레이션들의 잡음을 분석하기 위해 또한 이용가능하다. LN 데이터는 조정되고(calibrated) 스레드 0에서 다시 라인으로 보내져야 한다.

[00157] 2차 데이터로 지칭되는 빈 마다의 데이터(SNR 마진, bi & gi, 등) 및 카운터들(CRC, FEC, SES, 등)이 스레드 3에 의해 수집될 것이며 잡음 서명 평가를 위해 스레드 4로 보내질 것이다. 이러한 데이터는 매 초마다 온 디맨드(on demand)로 리트리브될(retrieved) 수 있다.

[00158] IU-T G.벡터 표준(standard)에 따라 포맷팅된 ERB, 싱크 에러들(sync errors)이 스레드 4에서 Xlog 및 Fext 프리(free) 라인 잡음을 추정하기 위해 이용된다. ERB가 싱크 심볼마다 생성되기 때문에, ERB의 리트리벌(retrieval)은 다른 프리미티브들보다 훨씬 더 빠를 것이다. 4의 버퍼 깊이에 대해, 4개의 싱크 심볼들에 대응하는 ERB는 250 ms마다 버려질 수 있다. DSP로부터 수집된 원(raw) ERB 데이터가 인코팅된다. 그러므로, ERB 디코더가 스레드 0 내에 위치되며(sit), 그에 따라, 정규화된 싱크 에러 샘플들이 보다 높은 스레드들에 의해 직접적으로 이용될 수 있다.

[00159] 스레드 0에서의 데이터 수집 및 사후 프로세싱은 바람직하게, 모뎀이 잡음 모니터 세션에서 쇼타임인 동안 또는 잡음 파인더 세션에서 라인을 청취중인 동안 계속적으로 실행됨에 주목한다.

[00160] 스레드 1의 한가지 목적은 그 대역폭(협대역 대 광대역) 및 그 전력을 기초로 주파수 차원을 따라 잡음을 분류하는 것이다.

[00161] 실시예들에서, 협대역 잡음은 그 하나의 대역 폭이 4.3125 kHz의 톤 스페이싱(tone spacing)을 갖는 64개의 연속적인 톤들에 대응하여 276 kHz 이하인 것으로 정의된다. 협대역 잡음의 대역 폭은 잡음 PSD가, 예를 들면 그 배경 잡음 3 dB 초과인 주파수 범위로서 결정된다. 협대역 잡음은 그 대역 폭 내에 하나의 또는 복수의 피크들을 가질 수 있다. 2개의 인접하는 피크들 사이의 거리가 16 kHz보다 더 크다면, 피크들은 2개의 독립적인 협대역 간섭들(NBIs)로서 처리된다. 전형적인 협대역 잡음은 AM, HAM, 및 특정한 공통 모드(CM) 간섭을 포함한다.

[00162] 광대역 잡음은, 잡음이 하기의 기준들: (1) 그 대역 폭이 276 kHz 초과이며 그러한 대역 폭 내에서 그 PSD가 배경 잡음 6 dB 초과임; 또는 (2) 그 대역 폭이 276 kHz 초과이며, 그 대역 폭 내에서, 그 PSD가 배경 잡음이 이용가능하지 않은 경우에, 미리정의된 기준 잡음 레벨(예를 들면, -140 dBm/Hz) 12 dB 초과임; 중 어느 하나를 충족시키는 경우에 표시된다(declared). 전형적인 광대역 잡음은 크로스토크(셀프 Fext, 이질(alien) Fext) 및 특정 CM 간섭들을 포함한다.

[00163] 본 발명의 실시예들은 하류의 대역 당 복수의 광대역 잡음들 및 16개의 협대역 잡음들까지 탐지하는 것을 고려한다. 모든 탐지된 잡음들은 상호 배타적이며 상부 스레드들에 의해 독립적으로 프로세싱된다. 협대역 잡음은 임의의 하류 대역 내에 위치될 수 있는 반면, 광대역 잡음은 DS1, DS2, 또는 DS3 대역 중 어느 하나에 관계된다.

[00164] 스레드 2로부터 시작하여, 모든 프로세스들은 잡음 마다를 기초로 하며, 즉 스레드 1로부터의 각각의 식별된 잡음은 독립적으로 분석된다. 스레드 2는 지속 차원; 간헐적, 진화적 및 영구적을 따르는 3개의 타입들의 잡음 사이에서 구별하기 위한 것이다.

[00165] 영구 잡음은 항상 존재하며, 15분 윈도우에 걸쳐 통계적으로 매우 적은(little) 변화를 나타낸다. 간헐적 잡음은 1초 초과의 잡음 버스트 듀레이션(noise burst duration)을 갖는 15분 훨씬 미만의 온-오프 기간을 갖는다(1초 미만의 경우가 INM 사양에서 커버됨). 진화적 잡음은 영구적 잡음과 간헐적 잡음 사이에 위치된다. 이는, 연속적인 임계값 교차(crossing)들을 통과하는데 걸리는 시간에 의해 결정되는, 진화 레이트(evolving rate)로 지칭되는 변수에 의해 특징지어진다. 고속 진화 잡음은 임계값 교차 당 3초 미만으로 정의되고, 중간 진화 잡음은 임계 교차 당 3 내지 30초로 정의되는 반면, 느린 진화 잡음은 임계 교차당 30초 초과로 정의된다.

[00166] 스레드 3은 잡음 서명 추정을 위해 스레드 4에 요구되는 데이터를 제공한다. 수집된 데이터 타입 및 저장 구조는 이전 스레드에서 식별된 잡음 타입에 의존한다.

[00167] 영구적 잡음에 대해, 하기의 데이터는 15분 시간 프레임에 걸쳐서 캡쳐된다: 톤 당 최대/최소 잡음(PSD들)은, 요구되는 경우, 그 동적 범위; 안정성 평가를 위한 CRC/FEC/SES; 및 크로스토크 전달 함수 Xlog를 컴퓨팅하기 위한 ERB를 체크하기 위해 수집된다.

[00168] 간헐적 잡음에 대해, 하기의 데이터: 그 주파수 범위에 걸친 라인 관련 잡음의 값들(Nb에 대해 64 톤들 또는 WB에 대해 DS1/DS2/DS3); 그 주파수 범위에 걸친 bi/gi의 값들; 카운터들(CRC/FEC/SES); 및 Xlog가 요구되는 경우의 ERB는, 잡음 도달 또는 벗어남(departure)으로 인한 전이를 캡처하기 위해 10초까지와 같은 결정된 듀레이션 동안, 또는 잡음의 전체적인 존재의 듀레이션 동안 매 초마다 캡처된다.

[00169] 진화적 잡음에 대해, 하기의 데이터: 그 주파수 범위에 걸친 라인 관련 잡음의 값들(NB에 대해 64 톤들 또는 WB에 대해 DS1/DS2/DS3); 그 주파수 범위에 걸친 bi/gi의 값들; 카운터들(CRC/FEC/SES); 및 Xlog가 요구되는 경우의 ERB는, 12 엔트리들(entries)까지 매 임계 교차마다 캡처된다.

[00170] 식별된 잡음은 스레드 4에서 특징화된다. 잡음 서명 추정기는 하기의 작업들을 수행한다. 먼저, 이는 주파수 범위, 피크 전력, 최대/최소/평균 잡음 PSD, (진화 잡음에 대한) 진화 레이트와 같은 일반적인 잡음 특징들을 추출한다. 다음으로, 이는 잡음 서명을 추정한다. NBI에 대해, 이는: 영구적인 경우에, AM 라디오들 및 공통 모드(CM) NBI 사이에서 구별하고(discriminate); 간헐적인 경우에, HAM 라디오들 및 CM NBI 사이에서 구별하며; 진화적인 경우에, CM NBI일 수 있는 것을 포함한다. WBI에 대해, 이는: 영구적인 경우에, 셀프 Fext, 이질적 Fext와 CM 간섭(CMI) 사이에서 구별하고; 간헐적인 경우에, 다양한 DSL 타입들과 CM 잡음 사이에서 구별하며; 진화적인 경우에, CM 잡음일 수 있는 것을 포함한다.

[00171] 다음으로, 잡음 서명 추정기는 잡음 분리를 수행한다. 이는 RFI가 없는 LN; 크로스토크가 없는 LN; CMI가 없는 LN과 같은 다른 컴포넌트들을 제거함으로서 개별적인 잡음 PSD를 도출하는 것을 포함한다. 마지막으로, 잡음 서명 추정기는: 수용 손실 평가; 안정성 메트릭(metric) 도출; 및 잡음의 2차 서명 특성들 도출(예를 들면, 반복적인 임펄스 트레인 또는 가우스(gaussian) 프로세스, 임펄스 트레인의 주파수, 특성 펄스의 듀레이션)을 포함하는 하기의 부가적인 작업들을 수행한다.

[00172] 스레드 5는 잡음 서명을 로깅하고, 클라우드에 보내기 위해 LNAE 출력 데이터를 생성한다. 이는 하기와 같이, 각각의 잡음 타입에 대해 15분 데이터 리포트를 형성한다.

[00173] 15분의 시간 프레임에 걸쳐서 식별된 모든 영구 잡음에 대해, 이는 잡음 타입, 주파수 범위, 피크 전력 및 (협대역 잡음에 대한) 위치, 최대/최소/평균 잡음 PSD, 카운터들 및 안정성 임팩트, 및 수용 임팩트(capacity impact)를 로깅한다.

[00174] 각각의 간헐적 잡음에 대해, 이는 잡음 타입, 주파수 범위, 듀레이션, 히트들의 수, 피크 전력 및 (협대역 잡음에 대한) 위치, 안정성 임팩트, 및 수용 임팩트를 리포트한다.

[00175] 각각의 진화적 잡음에 대해, 이는 잡음 타입, 주파수 범위, 듀레이션, 히트들의 수, 피크 전력, 및 (협대역 잡음에 대한) 위치, 진화 레이트, 안정성 임팩트, 및 수용 임팩트를 레지스터한다(register).

[00176] 로깅된 데이터가 발송되기 전에, 잡음의 영속성(permanence)의 결정이 이러한 스레드에서 이루어진다는 것을 주목하라. 이것은 또한 사전-정의된 잡음 서명 풀과 밑줄쳐진 잡음을 매칭시킨다. 어떠한 매칭도 발견될 수 없다면, 새로운 잡음 타입이 등록된다. 또한, 합성 잡음의 카테고리들은, 다양한 특성들의 그리고 동시에 발생하는 개별적인 잡음 엘리먼트들을 연쇄시킴으로써 스레드 5에서 생성되는데, 왜냐하면 그 카테고리들은 동일한 잡음 교란기(disturber)에 의해 생성되기 때문이며, 예를 들면, HPAV 전송기와 같은 전력 라인 통신 시스템은 그의 핸드쉐이크 및 데이터-통신 세션의 과정에 걸쳐, 스레드 5가 기존의 데이터베이스 내의 다양한 기본적인 잡음 구성성분들과 유망한 소스를 연관시키도록 허용하는 잘 정의된 시간 및 주파수 도메인 서명을 생성할 것이다. 그러한 잡음들의 특정 등장 시퀀스 및 데이터베이스 내의 도착 시간, 기존의 타이밍 프로토콜에 대한 그들의 듀레이션 및 그들의 서명 관련 주파수 도메인 특성들(예를 들면, 대역 제한 PSD, 전력 및 듀레이션)을 상관시킴으로써, 스레드 4는 합성 잡음 소스의 패턴을 결정하고, 잡음 소스의 유망한 특정화 자체를 제공한다.

임펄스 잡음 분석 프로세싱

[00177] 임펄스 잡음 분석 엔진(INAE)(406)에 관련된 프로세싱의 예시적인 실시예가 도 7에 도시된다.

[00178] 도 7에 도시된 바와 같이, 임펄스 잡음 분석 엔진(406)에 대한 프로세싱은 유사하게 스레드들 0, 1, 2, 3, 4 및 5로 구성된다. 각각의 스레드는 데이터 이용 가능성(스레드 0), 프로세스들(스레드 1, 2, 4 & 5) 및 데이터 수집(스레드 3)과 같은 특정 동작을 나타낸다. 스레드들이 특히 독립적인 태스크들은 아니다. 본 발명의 실시예들은, 스레드 0 데이터의 2 개의 세트의 도착 사이에 연관된 프로세싱이 항상 이루어진다고 가정한다. 예를 들면, 새로운 세트의 데이터가 스레드 0에서 도착할 때, 이것은 스레드 1, 2 및 3에 의해 자동적으로 그리고 즉시 프로세싱된다. 스레드 4의 프로세싱은 반드시 즉시는 아니며, 몇 초만큼 지연될 수 있다.

[00179] 실시예들에서, 임펄스 잡음 분석 엔진에 대한 프로세싱은 라인 잡음 분석 엔진 프로세싱과는 독립적이다. 다른 실시예들에서, 일부 모듈들은, 클래스들과 같이 LONG 또는 SHORT 잡음 소스들로서 특징화할 수 있도록 서로와 상호 작용할 수 있다.

[00180] 스레드 0은 DSP(450)로부터의 입력으로서 데이터의 이용 가능성을 나타낸다. INM 데이터는 매 초 이용 가능하다. 그들은 IL(Impulse Length) 히스토그램 및 IAT(Inter Arrival Time) 히스토그램뿐만 아니라 G993.2 보정안 2에 의해 정의된 바와 같은 다른 카운터들이다. ERB는 ITU-T G.Vector 표준에 대하여 동기 심볼마다 이용 가능한 에러 데이터이다. 어레이 길이는 주파수 데시메이션 Fsub 인수에 의존한다. 카운터들은 CRC, FEC 등과 같은 G.Ploam 카운터들을 나타낸다. 이것은 또한, 필요한 경우, SNR, Margin, Bi 등을 포함한다. 데이터는 매초 이용 가능하다. LN은 쇼타임 라인 연관 잡음(Showtime Line Referred Noise)을 나타내고, 매초 이용 가능하다.

[00181] 스레드 1의 프로세스는 임펄스 잡음의 존재 여부를 간단히 검출한다. 이러한 프로세스는 매초 실행된다. 이러한 모듈에서 고려되는 잡음의 타입들은 다음과 같다. SEIN: IL 히스토그램에 기초함, 2 ms(8 개의 연속적인 DMT 심볼들)보다 더 작은 비주기적인 잡음(작은 수의 히트들(<5)). PEIN: IL 히스토그램에 기초함, SEIN보다 더 크고 4 ms(16 개의 연속적인 DMT 심볼들)보다 더 작은 비주기적인 잡음(작은 수의 히트들(<5)). SHINE: IL 히스토그램에 기초함, PEIN보다 더 크고 1 s(4000 개의 연속적인 DMT 심볼들)보다 더 작은 비주기적인 잡음(작은 수의 히트들(<5)). SHORT 또는 LONG 존재: 3000(TBD)보다 더 큰 제 2 윈도우 내의 임펄스에 의해 영향을 받는 심볼들의 수. REIN: IL 히스토그램에 기초함, 4 ms(16 개의 연속적인 DMT 심볼들)보다 더 작은 연속적인 듀레이션 동안에 큰 수의 히트들(>5).

[00182] 잡음 검출기가 잡음의 하나의 소스로 제한될 필요가 없다는 것이 주목되어야 한다.

[00183] 스레드 1에서 검출된 각각의 잡음에 대해, 스레드 2는, 잡음이 간헐적인지 또는 영구적인지를 카테고리화한다. 잡음이 15 min 윈도우의 시작에서 존재하지 않았다면, 잡음은 간헐적인 것으로 고려된다. 잡음이 15 min 윈도우의 시작에서 존재하였다면, 잡음은 영구적인 것으로 고려된다. 잡음 존재가 스레드 1에서 검출되지 않을 때, 스레드 2는, 이전의 관찰 윈도우에서 잡음이 검출되었는지, 즉, 잡음이 사라졌는지를 카테고리화한다. 잡음이 사라질 때, 그 현상은 간헐적인 잡음으로서 카테고리화된다.

[00184] 잡음이 간헐적인 것(등장하거나 사라짐) 또는 영구적인 것으로 한정될 때, 특정 시간 기간 동안에 원시(raw) 데이터가 수집된다. 스레드 3은 초보다 더 큰 시간 윈도우에 걸쳐 데이터를 수집하는 프로세스를 나타낸다. 데이터 수집의 시간 윈도우는 수집된 데이터의 성질에 따라 변동한다. 데이터 수집의 듀레이션은 INM 표준 파라미터들에 관련된다. SEIN, PEIN 또는 SHINE으로서 검출된 잡음에 대해, INM이 1 초 동안 수집된다. SHORT에 대해, INM은 5 초까지 수집된다. LONG에 대해, INM은 5초 동안 수집된다. REIN에 대해, INM은 정기적으로 10 초 동안 수집된다. IAT 메커니즘이 개시될 때, 10 초 시간 윈도우는 512 번까지 갱신된다.

[00185] 카운터들에 관련된 데이터 수집의 듀레이션은 상술된 INM 표준 파라미터들과 유사하다. ERB 어레이의 데이터 수집은 동기 심볼마다 이루어진다. 간헐적인 잡음에 대해, 잡음의 등장에서 시작해서 잡음의 페이드(fade) 끝까지 데이터가 수집된다. 영구적인 잡음에 대해, 15 min 윈도우의 시작에서 15 min 윈도우의 끝까지 데이터가 수집된다. 쇼타임 라인 잡음에 관하여, 500 msec를 초과하는 동안에 SHORT 잡음이 검출될 때에만, 어레이가 수집된다. 스레드 3의 데이터 수집은 특히 스레드 4와 독립적이지 않다.

[00186] 스레드 3에서 실행되는 데이터 수집에 기초하여, 스레드 4는 상이한 잡음에 관련된 프로세싱 태스크들 및 서명의 추출을 나타낸다. 스레드 4 프로세싱은, 부분적인 데이터 벡터가 수집되는 때에만 시작되지만, 완전한 데이터 수집 후에 종료될 것이다.

[00187] 영구적인 잡음에 대해, 추출된 서명들은 다음과 같다. 먼저, 서명들은 15 min 윈도우 동안에 카운터 축적을 포함한다. 잡음의 특성(타입, 주파수, 듀레이션) 및 INP 파라미터들에 기초하여, 분석적인 상위 경계는 예상된 CRC, FEC 카운터 증분을 추정한다. 영구적인 잡음이 REIN으로서 검출될 때, 주파수뿐만 아니라 듀레이션이 추정된다. (독립적인 IN 검출기에 기초하여) 임펄스 잡음을 반송(carrying)하는 것으로서 ERB가 검출되는지 여부에 기초하여, 임펄스들의 타입마다 잡음 PSD뿐만 아니라 백그라운드 잡음이 추정된다.

[00188] 간헐적인 잡음에 대해, 추출된 서명들은 다음과 같다. 먼저, 서명들은 10 초 윈도우 동안에 또는 잡음의 존재에 걸쳐 카운터 축적을 포함한다. 잡음의 특성(타입, 주파수, 듀레이션) 및 INP 파라미터들에 기초하여, 분석적인 상위 경계는 예상된 CRC, FEC 카운터 증분을 추정한다. 각각의 SEIN, PEIN, SHINE 등장에 대해, SEIN, PEIN, SHINE 카운터들은 이에 따라 증분된다. 간헐적인 잡음이 REIN으로서 검출될 때, 주파수뿐만 아니라 듀레이션이 추정된다. REIN PSD는 ERB 프로세스를 통해 추정될 수 있다(REIN이 충분히 긴 기간 동안에 존재하는 경우에). SHINE 잡음이 검출되면, 잡음 PSD는, 이러한 후자가 유효한 경우(2000 개의 DMT 심볼들보다 더 긴 SHINE로서 결정될 기준들), SHOWTIME LN으로 표현될 수 있다. SHORT 존재가 검출되면, 5 초에 걸친 데이터 프로세싱은, 잡음이 실제로 SHORT인지 또는 LONG인지를 결정한다. 잡음이 SHORT라고 결정되면, SHORT 카운터가 증분된다. SHORT PSD의 추정은 SHOWTIME LN의 연관된 5 개의 인스턴스들로부터 추출될 수 있다. LONG가 검출된 것으로 결정되면(4초보다 더 긴 SHORT), 이러한 레벨에서 어떠한 여분의 프로세싱도 이루어지지 않는다. 메시지는 이에 따라 LONG를 프로세싱하는 것을 담당하는 라인 잡음 분석 엔진 프로세싱으로 전송된다.

[00189] 스레드 4로부터 획득된 서명 추출에 기초하여, 각각의 15 분 윈도우에 대한 데이터 로그가 추출된다. 이러한 스레드는, 그들의 서명에 기초하여 일부 간헐적인 잡음들이 동일한 성질을 갖는지를 결정한다. 그렇다면, 특정의 동일한 잡음들의 발생의 수들이 증분된다. 결과적으로, 로그 데이터는 동일한 잡음에 관한 중복 정보를 전달하지 않아야 한다.

[00190] 간헐적인 잡음에 대해, 데이터 로그 필드들은 다음과 같다. SEIN 잡음의 타입에 대해 SEIN 카운터; PEIN 잡음의 타입에 대해 PEIN 카운터; SHINE 잡음의 타입에 대해 SHINE 카운터; SHORT 잡음의 타입에 대해 SHORT 카운터; SHINE 잡음 소스에 대해, PSD 추정(3k 톤들); SHORT 잡음소스에 대해, PSD 추정(3k 톤들); 검출된 각각의 REIN 잡음에 대해, 주파수 및 듀레이션; SEIN, PEIN, SHINE, SHORT 및 REIN에 대해, 15 분(15 개의 1 min 윈도우들) 동안 1 min 윈도우마다 실제 CRC, FEC의 종합 카운터; 및 SEIN, PEIN, SHINE, SHORT 및 REIN에 대해, 15 분(15 개의 1 min 윈도우들) 동안 1 min 윈도우마다 예상된 CRC, FEC의 종합 카운터.

[00191] 영구적인 잡음에 대해, 데이터 로그 필드들은 다음과 같다. 검출된 각각의 REIN 잡음에 대해, 주파수 및 듀레이션; REIN에 대해, 15 분(15 개의 1 min 윈도우들) 동안 1 min 윈도우마다 실제 CRC, FEC의 종합 카운터; 및 REIN에 대해, 15 분(15 개의 1 min 윈도우들) 동안 1 min 윈도우마다 예상된 CRC, FEC의 종합 카운터.

LNAE(402)의 상세한 기능 블록들

[00192] 본 발명의 실시예들에 따라 라인 잡음 분석 엔진(LNAE)(402)에 의해 수행되는 프로세싱을 설명하여, LNAE의 기능 블록들이 이제 더 상세히 설명될 것이다. 도 4에 도시된 바와 같이, 이러한 블록들은 데이터 수집(408), 데이터 분석(410) 및 데이터 로깅(412)을 포함한다.

[00193] 데이터 수집 블록(408)은 2 레벨들의 데이터 수집들: 스레드 0에 대응하는 저레벨 데이터 수집 ― 데이터의 라인 연관 잡음 어레이를 주로 리트리브(retrieve)함 ― , 및 스레드 3에서 발생하는 고레벨 또는 2차 데이터 수집 ― 잡음 서명 인식을 위해 카운터들, 빈마다의 상태(per bin status), ERB 등과 같은 부가적인 정보를 수집함 ― 을 수행한다.

[00194] 스레드 0의 구현은 데이터 수집 블록(408)을 통한 2 개의 기능 블록들: L0 원시 데이터 리트리벌 및 L0 데이터 포스트 프로세싱으로 구성된다.

[00195] L0 원시 데이터 리트리벌은, 어떠한 초기 단계들(primitives)이 요구되는지, 초기 단계들이 DSP(450)에 의해 생성되는 방법, 및 DSP(450)에 대한 인터페이스가 구현되는 방법에 의존하여 초마다 또는 더 빨리 연속적으로 실행된다. 라인 연관 잡음은, 2048 개의 심볼들에 걸쳐, 즉, 1/2 초마다 평균화된 빈 어레이마다의 SNR에 기초하여 계산된다. 빈마다의 상태 및 카운터들은 매초 액세스될 수 있다. 데이터 흐름에 규칙적으로 삽입되고, ITU-T G.Vector 표준에서 ERB 데이터로 지칭되는 알려진 전송된 심볼 패턴들에 대해 획득된 톤 당 원시 슬라이스 에러 데이터는 일반적으로 64 ms에 대응하는 동기 심볼마다 이용 가능하다.

[00196] 블록(408)에 의해 수행되는 스레드 3 데이터 수집은 서명 추정을 위해 DSP(450)로부터의 부가적인 정보를 포함한다. 실제로, 주 및 보조 데이터는 각각의 프로세스 사이클 초반에 이용 가능하고, 이에 따라 각각의 더 상위의 스레드가 임의의 시간에 추가의 프로세싱을 위해 필요한 데이터를 선택할 수 있다. 스레드 3 프로세싱에 대해, 블록(408)은 다음의 데이터: 카운터들(CRC/FEC/SES)(이들 카운터들 값들 중 임의의 값의 증가는 잡음 환경 변화를 표시하고, 이에 따라 안정성 평가 및 잡음 출현 및 소멸 이벤트와 라인 안정성 변화의 연관을 위해 이용될 수 있음); 빈 당 상태(bi, gi, 마진 등)(영향받은 톤들 상의 BS 활동은 근본적인 잡음을 특징화하는데 이용될 수 있음); 에러 샘플(ERB)(ERB의 포스트 프로세싱, 즉 디코딩이 스레드 0에서 행해지지만, 에러 샘플들은 스레드 4까지 이용되지 않음(여기서 에러들은 싱크 심볼(SNR)을 계산하고, 알려진 직교 시퀀스들과 교차 상관되는 경우 FEXT 채널 & FEXT 프리 SNR을 추정하고 잡음 피처들을 식별하기 위해 통계(평균/변동/비대칭도/첨도)를 컴퓨팅하도록 이용될 수 있음))을 수집한다.

[00197] LNAE(406)의 하나의 중요한 기능은 블록(410)에 의해 수행되는 바와 같이 명시된(underlined) 잡음 환경의 완전한 특징화를 달성하기 위해 라인 참조 잡음을 분석하는 것이다. 실시예들에서, 데이터 분석(410)은 3개의 주요 작업들: 대역 검출, 잡음 분류 및 서명 추정을 수행한다. 신호 프로세싱 알고리즘들은 이들 기능적 블록들의 개발에 중요하게(heavily) 수반된다.

[00198] 스레드 1의 하나의 목적은 주파수 축을 따라 잡음을 분류하는 것이다. 라인 참조된 잡음에 의해 제공된 정보에 기초하여, 본 발명의 실시예들은 광대역 및 협대역 잡음들의 수, 그의 피크 PSD, 중앙 주파수 및 대역폭을 검출한다. 이 목적을 달성하기 위해, 블록(410)의 신호 프로세싱 알고리즘들은 다음의 이슈들: 협대역 및 광대역 판별기; 대역폭 추정; 협대역 신호에 대한 피크들 또는 피크들 검출의 패킷; 다수의 NB/WB 검출(예를 들어, 16 협대역 잡음들 및 3 광대역 잡음들)을 다룬다.

[00199] 블록(410)에서 예시적인 협대역 검출기는 다음의 작업들: 피크 검출, 백그라운드 잡음 평가 및 대역폭 추정을 수행한다. 피크 검출은 각각의 서브-대역 상에서 계산되는 PMR(peak-to-mean ratio)에 기초할 수 있다. 상세한 프로세싱은 다음과 같이 설명되는데, 우선 전체 수신 대역을 N개의 서브-대역들로 균등하게 분할한다. 이어서, 각각의 서브-대역에 대해, 우리는 최대 또는 피크 및 평균 잡음 PSD를 계산한다. 다음으로, 다음의 수학식에 따라 피크-대-평균 비의 값을 컴퓨팅한다:

R=10log₁₀ 피크/평균

마지막으로, 피크는 PMR의 값이 미리 정의된 임계치를 초과하는 경우 선언된다. 이렇게 발견된 피크들 중 일부는, 하나의 단일 피크가 2개의 연속적인 윈도우들에 존재할 수 있다는 사실로 인해 복사될 수 있다는 것에 주의한다. 그러므로, 추가의 단계가 피크들을 통합(consolidate)하기 위해 필요로 된다.

[00200] 대안적으로, NB 검출 능력들은 PSD 프리미티브(primitive)에 대안적인 프리미티브들 및 NB 잡음들의 특정한 특성들에 기초하여 가능하다. "크라운레이시오(crownratio)" 프리미티브로서 지칭되는 이러한 프리미티브의 예는 라인 잡음 참조 샘플의 모듈러스(modulus)의 변동에 걸쳐서 이러한 모듈러스의 제곱의 비로서 정의된다. 이러한 프리미티브는 협대역 주파수 신호들의 적절한 판별을 가능하게 하며, 이 통계는 DSL DMT 시스템의 기간에 걸쳐서 준 고정(quasi stationary)인 것으로 보인다.

[00201] 모든 피크들의 검출에 이어, 블록(410)의 실시예들은 이들 피크들과 연관되는 주파수 범위들 또는 대역폭을 식별한다. 대역폭의 추정은 각각의 피크에 대응하는 백그라운드 잡음의 지식을 요구한다. 백그라운드 잡음을 계산하기 위해 각각의 검출된 피크에 대한 기준 대역이 정의된다. 각각의 기준 대역의 중앙에는, 대응하는 피크가 있다. 백그라운드 잡음은 다음과 같이 설명되는 반복적 프로세스를 통해 획득된다. 우선, 기준 대역에 걸친 평균 잡음 레벨인 현재 잡음을 컴퓨팅한다. 다음으로, 현재 잡음을 이전의 잡음에 비교하고; 그의 차이가 미리 정의된 임계치 미만인 경우, 현재 잡음은 이 특정한 피크에 대한 백그라운드 잡음으로서 저장된다. 그렇지 않으면, 다음 단계로 간다. 잡음 PSD가 현재 잡음보다 더 큰 (기준 대역 상의) 그러한 주파수들에 대해, 그의 잡음 PSD를 현재의 잡음으로 교체하고, 이전의 잡음을 현재 잡음으로 대체한다. 이어서 초기 단계로 가도록 되돌아간다. 이러한 반복적 방법의 수렴 속도(convergence speed)는 꽤 빠른데; 보통, 그것은 5 반복들 내에서 수렴한다.

[00202] 피크들 및 대응하는 백그라운드 잡음의 지식을 갖추면, 블록(410)의 실시예들은 전체 다운스트림 대역에 걸쳐서 각각의 협대역 잡음을 식별할 수 있다. 협대역 잡음의 대역폭은 잡음 PSD가 그의 백그라운드 잡음 위의 3dB인 주파수 범위로서 결정된다.

[00203] 협대역 검출기의 최종 단계는, 각각의 검출된 대역이 실제로 협대역인지를 검증하는 것이다. 그의 협대역이 (명세서 앞에서 정의된 바와 같이) 276kHz보다 큰 경우, 그것은 출력 리스트로부터 제거된다. 검출기 출력은 다음의 파라미터들: 피크 주파수(PF), 피크 전력 레벨(PP); 및 대역폭(BW)으로 구성된다.

[00204] 본 명세서에서 설명된 협대역 검출 알고리즘은 또한 (가깝게 로케이팅되는) 피크들의 패킷을 검출할 수 있다는 것에 주의한다. 검출될 수 있는 2개의 피크들 간의 최소 거리는 DSP 상의 라인 참조 잡음에 적용되는 서브-샘플링 레이트에 의해 제한된다. 현재, 라인 참조 잡음은 8로 서브-샘플링되어, 식별될 수 있는 최소 주파수 차이는 4.3125*8=345 kHz가 되며, 이는 협대역 검출에 대해 지나치게 조악하다. 개선된 정밀도가 서브-샘플링 레이트를 감소시킴으로써 달성될 수 있다. 추가로, 검출기의 성능은 평가될 필요가 있다. 더 미세한 샘플링 그리드를 통해, 본 발명의 실시예들은 거짓 알람 및 누락된 검출의 레이트들을 분석하기 위해 검출 이론을 적용할 수 있다.

[00205] 블록(410)에서 예시적인 광대역 검출기가 이제 설명된다. 광대역 잡음의 검출은 협대역 잡음의 검출에 독립적인데, 즉 하나 또는 몇 개의 협대역 잡음들이 광대역 잡음의 주파수 범위 내에 있을 수 있다. 광대역 검출은 주로 위에서 특정된 광대역 잡음의 정의에 기초한다. 백그라운드 잡음이 알려지지 않기 때문에, 본 발명의 실시예들은 기준 잡음 레벨로서 140dBm/Hz를 이용한다. 이어서, 276kHz를 초과하여 스패닝하고 각각의 주파수 지점의 잡음 PSD가 기준 위의 12dB인 주파수 범위가 있는 경우, 광대역 잡음이 선언된다. 그것이 상주하는 DS 대역에 의존하여, 광대역 잡음은 DS1, DS2 또는 DS3 중 어느 하나일 수 있다.

[00206] 블록(410)의 실시예들에서, 광대역 검출기의 출력은 다음의 엘리먼트들: 대역 위치(DS1/2/3)(BL); 평균 전력 레벨(AP); 중심 주파수(CF); 시작/종료 주파수; 및 관심의 대역에 걸친 평균 잡음 PSD를 포함하는 구조이다.

[00207] WB 잡음에 대해, 중심 주파수는 WB 잡음을 동일한 전력의 2개의 섹션들로 분할하는 주파수 지점으로서 정의된다. 이러한 파라미터를 도입하는 이유는 평균 전력이 동일하지만 주파수에 대한 가중치가 상이한 2개의 잡음들을 구분하기 위한 것이다.

[00208] 위에서 설명된 예시적인 광대역 검출기는 광대역 잡음 검출에 대한 정제된 백그라운드 기준 잡음 레벨을 이용할 수 있고; 백그라운드 잡음으로서 140dBm/Hz를 이용하는 대신, 본 발명의 실시예들은 기준 잡음으로부터 참 기준을 유도할 수 있다. WB 임계치(Thd_wb)는 실제 잡음 레벨에 의존하며, 이는 모뎀 잡음 플로어(modem noise floor)에 의존할 수 있고, 모뎀이 개시시간(showtime)에 있거나 그렇지 않을 때 상이할 수 있다. 잡음 파인더에 대해, -137 dBm/Hz의 고정된 값이 있는 반면에, 잡음 모니터에 대해, 프로세스는 a) 각각의 DS 대역의 최소 PSD; b) 전체 DS 대역의 글로벌 최소 PSD를 발견하기 위해 전체 DS 대역에 걸쳐서 검색한다. 임계치는 다음과 같이: DS1에 대해, Thd_wb = PSDmin_ds1+3; DS2에 대해, Thd_wb = PSDmin_ds2+3; DS3에 대해, Thd_wb = PSDmin_ds+3로 세팅된다.

[00209] 여기서 번호 3은 3-dB 대역폭 정의에 대응한다. PSDmin_ds1 및 PSDmin_ds2는 각각 DS1 및 DS2의 최소 잡음 PSD인 반면에, PSDmin_ds = min(PSDmin_ds1, PSDmin_ds2, PSDmin_ds3)이다.

[00210] 또한, 대안적인 신호 프로세싱 알고리즘들은 백그라운드 잡음 기준에 대한 PSD 레벨에 기초하기 보단, 광대역 신호들을 검출하도록 이용될 수 있다.

[00211] 스레드 1 프로세싱과 관련하여, 블록(410)은 협대역(NB) 및 광대역(WB) 잡음들을 검출한다. 프로세스는 WB 검출로 시작하며 NB 검출로 이어진다. WB 검출이 NB 검출보다 앞서 개시되는 이유는, 특정한 WB 잡음들(예를 들어, 공통 모드 잡음)이 WB 잡음의 존재의 지식 없이 NB 신호들로서 쉽게 처리되고, 이들이 WB 신호에 상주한다는 것이 이미 알려진 경우 제거될 수 있는 다수의 피크들을 나타내고; 특정한 대역에서 WB 신호의 존재의 지식에 기초하여, 검출 기준들이 WB 잡음에 임베디드 NB의 거짓 검출을 방지하기 위해 NB의 검출에 대해 조정될 수 있기 때문이다.

[00212] 무엇이 NB 또는 WB 간섭자로 불릴지에 관한 판단은 임의적이며, 잡음의 대역폭의 경계에 의존하며, 이 경계 위에서 NB는 WB를 선언한다. NB 및 WB를 구분하는데 있어 블라인드 스팟을 제거하기 위해 다음의 경계 정의가 제안된다:

[00213] 협대역 잡음은 대역폭이 Bw(예를 들어, Bw = 276kHz) 이하인 신호로서 정의된다. 대역폭이 Bw보다 큰 임의의 신호는 광대역 잡음라 불린다. 등락으로 인해 잡음이 매번 카테고리를 변경(예를 들어, NB로부터 WB로, 또는 WB로부터 NB로)하는 것을 방지하기 위해, 우리는 시간에 걸친 각각의 잡음에 대한

(예를 들어,

) 변동을 참작한다. 다시 말해, 잡음이 NB로서 검출될 때, 일반적으로 그것은 그의 수명에 걸쳐서 NB로서 머무른다. 대역폭이 Bw 초과로 비트를 증가시키지만, 그것이

미만인 한, 그것은 여전히 동일한 NB이다. 동일한 것이 WB 잡음에 적용된다.

[00214] 블록(410)에 의해 수행되는 스레드 2 프로세싱(즉, 잡음 분류자)은 이제 도 8a 내지 도 8d와 관련하여 설명될 것이다. 이 스레드에 대한 입력은 스레드 1에서 식별된 개별 잡음들이다. 각각의 잡음에 대해, 블록(410)은, 그것이 시작하고 끝나는 시기 및 그의 크기가 15분 윈도우에 걸쳐서 어떻게 변동되는지에 기초하여, 지속성 라인(persistence line)에 따라 그것을 3개의 카테고리(영구적, 전개중 및 간헐적) 중 하나로 분류한다.

[00215] 블록(410)에 의해 수행되는 초기 스레드 2 프로세싱의 예는 도 8a에서 도시된다. 도시된 바와 같이, 이 프로세싱은 식별된 잡음이 기존의 잡음 또는 새로운 잡음인지를 결정하는 것(단계들 802)을 포함한다. 기존의 잡음의 경우(단계들 804), 그것이 활성 잡음 또는 활성으로 되돌아가는 휴면 잡음인지를 결정하고 그의 지속기간을 트래킹한다. 새로운 잡음의 경우(단계 806), 착수 상태 및 피처들(주파수 범위, 잡음 PSD 등)을 레코딩한다. 단계(808)는 잡음의 소멸을 검출 및 레코딩한다. 단계(810)는 모든 활성 잡음들에 대한 카운터 값들(CRC/FEC/SES)을 업데이트한다.

[00216]도 8a에 도시된 프로세싱은 간헐적(INTM) 그리고 영구적(PERM) 잡음만의 검출에 대한 것이라는 것을 주목해야 한다. 발달중인 잡음의 구별은 상이하게 구현된다.

[00217]협대역 및 광대역 잡음들 둘 모두에 대한 블록(410)의 실시형태들에 의해 수행된 매칭 프로세스에 대한 상세한 정보가 이제 제공된다.

[00218]도 8b에 도시된 바와 같이, 검출된 NB 잡음이 새로운 잡음인지 여부를 결정하는 매칭이 단계(812)에서 시작한다. 스레드 1 프로세싱과 관련하여 상술된 바와 같이, 상이한 NB 잡음; 피크 잡음(PF); 피크 전력 레벨(PP); 및 대역폭(BW) 사이에서 구별하기 위해서 다음의 3개의 판별기들이 블록(410)에 의해 사용된다.

[00219]일 실시형태에서, 데이터베이스로부터 매칭 잡음이 발견되었다는 것을 선언하기 위해서, 검출된 잡음은 3가지 조건들:

);

;

모두 중 하나 또는 그보다 많은 것을 만족해야 하며, 여기서, PFd, PPd 및 BWd는 검출된 잡음의 파라미터들인 반면, PFt, PPt 및 BWt는 타겟 잡음에 대한 것이고, ThdF, ThdT 및 ThdB는 대응하는 임계치들이다.

[00220]보통의 NB 잡음, 예를 들어, RFI의 경우, 피크 주파수는 상이한 NB 신호들을 구별하기 위한 주요 특징들인 반면, 조건 2 및 3은 약간 완화될 수 있다. 현재, 주파수 임계치가 69 kHz로 설정되며, 이는, 2개의 NB 간의 최소 거리가 fsub=8의 큰 서브샘플링 값으로 인해 식별될 수 있다. 피크 전력과 대역폭에 대한 임계치가 20% 및 50%로 설정된다. BW의 매칭 프로세스에 대해 다소 느슨한 임계치의 원인이 서브샘플링 값 fsub와 연관된다.

[00221]도 8b의 단계들(814)은 본 발명의 실시형태들에 따른 예시적인 WB 잡음 매칭 프로세스를 도시한다. 광대역 잡음 판별기의 구현으로, 다수의 WB 잡음들이 동일한 DS 대역 상에서 판별될 수 있다. 다음의 3개의 파라미터들이, 상이한 WB 잡음들; 대역 위치(DS1/2/3)(BL); 평균 전력 레벨(AP); 및 중앙 주파수(CF)를 특징화하기 위해 사용된다.

[00222]중앙 주파수는 WB 잡음을 동일한 전력의 2개의 섹션들로 분리하는 주파수 포인트로서 정의된다. 이 파라미터를 도입하는 이론적인 설명은 동일한 평균 전력을 갖지만 주파수에 대하여 상이한 가중치를 갖는 2개의 잡음들을 구분하는 것이다.

일치하는 WB 잡음을 찾기 위해서, 검출된 잡음이 다음 조건들:

;

중 3가지 모두를 만족해야 하며, 여기서, BLd, APd 및 CFd는 검출된 잡음의 파라미터들인 반면, BLt, Apt 및 CFt는 타겟 잡음에 대한 것이고; ThdP 및 ThdF는 대응하는 임계치들이다. NB 케이스와 유사하게, 전력 임계치가 20%로 설정된다. 광대역 잡음 판별기의 완료 시, 주파수 임계치는 현재 fsub에 대해 69kHz로 설정될 것이다.

[00223]도 8b 내지 도 8d는 본 발명의 실시형태들에서 블록(410)에 의해 수행된 조인트 NB 및 WB 잡음 매칭 프로세스를 추가로 도시한다.

[00224]조인트 NB 및 WB 잡음 매칭 프로세스의 개념 이면의 이론적인 설명은 다음의 관찰들로부터 비롯된다: 먼저, 여러 번 협대역 신호들이 광대역 신호들의 외관을 따라 나온다. 이러한 WB(예를 들어, 주파수 선택적 커플링 전달 함수를 통해 차동 모드로 변환된 공통 모드 신호들)가 RFI의 것과 닯은 NB 잡음들을 생성하고 대부분의 경우들에서 이와 같이 검출된다. 또한, WB 신호가 사라지는 경우, 이것은 마찬가지로 NB 신호들을 생성한다. NB 및 WB 잡음들의 조인트 지식을 이용하지 않고, 오류 NB 검출이 발생한다. 비슷하게, 부분 필터링된 임펄스가 NB 또는 WB의 존재의 검출에 대해 평가되는 라인 리퍼드 잡음 프리미티브(Line Referred Noise primitive)에서 반영될 때마다, 오류 NB 검출이 임펄스 잡음의 존재 시 발생할 수 있다. 다른 경우들에서, 동일한 잡음은, 이것이 검출의 임계치 주위에 바로 존재한다는 사실로 인해서 빈번하게 나타남과 사라짐을 교대할 수 있다.

[00225]이러한 것들 모두를 고려하면, 조인트 잡음 분류 및 기존 잡음에 대한 매칭 프로세스의 실시형태의 도 8b 내지 도 8d에 도시된 단계들(814 내지 820)에서 다음 시나리오들이 고려된다. 이들은 다음과 같이 더 상세하게 설명된다.

[00226]WB/NB 잡음들의 나타남과 사라짐의 경우, 부분적인 1초를 계산하고 이것을 듀레이션의 일부로 한다; (때때로, 잡음이 그의 전체 전력에 도달하거나 또는 완전히 사라지기까지 몇 초가 걸린다는 사실로 인해) 과도기에서 처음 N1 초와 마지막 N2 초를 계산한다. 다음으로, WB가 나타나고 사라질 때 새로운 NB 잡음들을 필터링해 낸다. 임펄스가 검출되는 경우, NB 잡음 검출에 대한 임계치를 증가시킨다. NB/WB 파워를 그의 이전 PSD와 비교하여 검출의 일관성을 달성한다. 구체적으로, 새로운 NB/WB가 나타나는 경우, 이것을 그의 이전 제 2 PSD와 비교하고, 차이가 3dB 미만인 경우, 새로운 서명을 추가하지 않고 이것을 무시하고; 반면에서, NB/WB가 사라지는 경우, 이것을 그의 이전 PDS와 비교하고, 차이가 3dB 미만인 경우, 이것을 사라진 것으로 플래그하지 않고 이것을 유지한다.

[00227]일 실시형태에서, 5개의 주요 단계들로 이루어진 조인트 분류의 구현이 도 8b 내지 도 8d에 도시된다. 단계(812)에서, 검출된 NB 잡음을 체크한다; 기존의 것들을 업데이트하고 새로운 NB 잡음을 플래그한다. 단계(814)에서, 검출된 WB 잡음을 체크한다; 기존의 것들을 업데이트한다; WB 잡음의 나타남과 사라짐과 연관된 새로운 NB 잡음을 제거한다; 새로운 WB 잡음에 대한 서명들을 생성한다. 단계(816)에서, 사라진 NB 잡음을 체크한다. 단계(818)에서, 사라진 WB 잡음을 체크한다. 단계(820)에서, 새로운 NB 잡음에 대한 서명을 생성한다.

[00228]블록(410)에 의해 수행된 스레드 4의 양상들(즉, 잡음 서명 추정기) 프로세싱을 이제 설명할 것이다. 스레드 3에서 수집된 데이터와 함께, 스레드 1과 스레드 2에서 생성된 정보는 식별된 잡음의 서명을 추정하기 위해서 스레드 4에서 활용된다. 추정기는 다음 작업들을 수행한다.

[00229]먼저, 더 낮은 스레드들로부터의 입력에 기초하여, 이것이 각각의 개별적인 잡음의 기본 피쳐들을 캡쳐하거나 재캡쳐하며, 각각의 개별적인 잡음의 기본 피쳐들은, 잡음 전력 변화를 추적하기 위한 각각의 잡음 수명 내의 최대/최소/평균 잡음 PSD; 간헐적 또는 발달 중인 잡음들의 온/오프 잡음 PSD; 발달 중인 잡음들의 발달 속도; 잡음 주파수 범위, 피크 위치, 피크 PSD, 평균 PSD 등을 포함하며, 이들은 잡음의 고유성을 특징화하기 위해서 사용될 수 있다.

[00230]일단 상기 잡음 서명이 식별되면, 이는 집성된 잡음 PSD로부터 잡음 성분들 중 일부를 제거할 수 있고, 또는 심지어, 배경 잡음을 유도할 수 있다. 예를 들어, 셀프 펙스트(Self Fext) 지배 환경에서, 본 발명의 실시형태들은, ERB 데이터가 이용가능한 경우, 펙스트 프리 라인 잡음을 획득할 수 있다. 잡음 추정 분리를 완료하는 것은 또한, 본 발명으로 하여금 각각의 개별적인 잡음의 용량의 영향을 추정할 수 있게 한다. 보다 구체적으로, 각각의 잡음과 연관된 용량 손실을 계산하고, 따라서, 시스템의 샤논(Shannon) 용량을 추정하는 것이 가능하다. 각각의 잡음과 연관된 용량 손실이 예를 들어, 다음과 같이 계산될 수 있다:

용량손실=

여기서, f0과 f1은 대역의 시작과 끝의 톤들에 대응하고, 기준이, 검출을 위해 사용된 배경 잡음 기준으로부터 획득되고, 현재의 구현에서 fsub는 8과 같고, 4는 4kHz 심볼 레이트를 의미하고, 마지막으로 비트당 3dB는 계산 시에 고려된다.

[00231]다음으로, 추정기는 각각의 잡음과 연관된 안정성 메트릭을 유도한다. 메트릭은 카운터들(CRC, FEC 및 SES)의 확률과 가능하게는 BS 관련 정보를 포함한다. 추가로, CRC 바운드가, DSP로부터 획득된 실제 값들과 비교하기 위해서 SNR로부터 유도될 수 있다.

[00231]상기 언급된 작업들 이외에, 잡음 서명 추정기는 검출된 잡음의 타입을 결정한다. 잡음 타입은 그의 대역폭, 지속성(또는 연속성), 및 다른 피쳐들과 관련된다. 협대역 잡음의 경우, 영구적인 잡음에 대한 AM 라디오들과 공통 모드(CM) 협대역 간섭(NBI); 간헐적인 잡음에 대한 HAM 라디오들과 CM NBI; 및 발달 중인 잡음에 대한 CM NBI와 다른 잡음 카테고리들 간의 구분이 필수적이다.

[00233]광대역 잡음의 경우, 영구적인 잡음에 대한 셀프 펙스트, 에일리언 DSL 및 CM 광대역 간섭(WBI); 간헐적인 잡음에 대한 DSL 서비스들 및 CMI WBI; 및 발달 중인 잡음에 대한 CM WBI 및 다른 잡음 카테고리들 사이를 구별하기 위한 유사 기술들이 요구된다.

[00234]잡음 타입의 결정이 상당히 포함될 수 있다는 것이 명확해야 한다. 그러나, 일부 통상의 잡음의 특징들을 활용하는 것은 도움이 되는 힌트들을 제공하고 따라서 특정 잡음 소스 타입 식별에서 효과적이다. 예를 들어, CM NBI가 일반적으로 가까이 위치된 피크들의 패킷과 연관된다; AM 및 HAM 주파수들이 US ARRL(Amateur Radio Relay League)에 의해 정의된 라디오 대역들 내에 존재해야 한다.

[00235]실시형태들에서, 데이터 로깅 블록(412)은 15분 리포트를 생성하고 이것을 CO(즉, 클라우드)로 전송한다. 로깅이 시작하기 전에, 블록(412)이 그의 지속성에 기초하여 잡음을 분류하여 우측 잡음 부류가 리포트에 나타나게 보증한다. 잡음이 영구적이라는 결정은, 잡음이 15분 윈도우에 항상 존재하는지 여부에 기초한다. 데이터 리포팅 이후, 카운터들 모두가 다음 기록 윈도우를 대비하여 리셋된다. 모든 잡음에 대해, 그의 부류나 타입과 관계없이, 다음의 정보: 잡음 부류(영구적, 간헐적, 또는 발달 중); 잡음 타입(AM, HAM, CM, Fext 등); 현재 상태(액티브 또는 도먼트); 주파수 대역(NB 또는 WB); 주파수 범위; NB에 대한 피크 주파수 및 피크 잡음 PSD, WB에 대한 평균 잡음 PSD; 히트들 및 분당 히트들; 듀레이션 및 분당 듀레이션; 잡음으로 인한 용량 손실; CRC, FEC 및 SES의 카운터 값들의 면에서 안정성 영향; 마진 감소 면에서 안정성 영향(전체 마진, 대역당 마진 또는 잡음당 대역 BW 마진 감소); 및 잡음의 수명에 걸친 최대, 최소 및 평균 잡음 PSD가 클라우드로 전송된다.

[00236]추가로, 일부 잡음 특정 피쳐들, 예를 들어, 잡음의 발달에 대한 발달 속도가 리포트에 기록된다.

INAF(404)의 상세한 기능 블록들

[00237] 본 발명의 실시예들에 따른 임펄스 잡음 분석 엔진(LNAE)(404)에 의해 수행된 프로세싱을 상술했으며, INAE의 기능 블록들이 이제 상세히 설명될 것이다. 도 4에 도시된 바와 같이, 이들 블록들은 데이터 수집(414), 데이터 분석(416), 및 데이터 로깅(logging)(418)을 포함한다.

[00238] 실시예들에서, 블록(414)에 의한 스레드 1 프로세싱으로 전송된 데이터만이 INM 표준 파라미터들(INMEQ & INMIAT,INMAME, Offset, Step,...) 뿐만 아니라 CRC/FEC 카운터들이다. ITU G993.2 Amendment 2에 따라, 이들은 다음과 같이 설명된다.

[00239] INMAME: 관측 윈도우 내의 DMT 심볼 카운터의 수.

[00240] [INMAINPEQ0..INMAINPEQ16]: 관측 윈도우에서 관측된 (DMT 심볼들 내의) IN 지속기간의 수를 요약하는 A17 값 어레이. 값의 범위는 [0:16]이며, 여기서, 16은 IN이 16개의 DMT 심볼들보다 길다는 것을 의미한다.

[00241] IAT(Inter Arrival Time): 이것은, 임펄스 클러스터의 시작으로부터 다음의 클러스터의 시작으로의 데이터 심볼들의 수로서 생성된다. 싱크 심볼들이 2개의 임펄스 클러스터들 사이에서 발생하면, 그들은 IAT에서 카운팅되지 않아야 한다. 예외들이 수 개의 범위들의 IAT(Inter Arrival Time) 동안 생성된다. 이들 예외들의 카운터들은 IAT 히스토그램을 표현한다. INM 표준화된 파라미터의 히스토그램에 대한 대안적인 프리미티브(primitive)는 또한, 임펄스 검출을 위해 매 초마다 스레드 1에 의한 소비를 위하여 스레드 0에 의해 생성될 수 있다. 그러한 대안적인 프리미티브의 예는 사이즈 4,000의 비트 또는 바이트 어레이이며, 여기서, 어레이의 각각의 비트 또는 바이트는, 하나 또는 그 초과의 임펄스가 하나의 단일 초 간격에서 스캐닝된 4,000개의 데이터 심볼들의 각각의 DMT 심볼에 대해 검출되는지 또는 검출되지 않는지를 표현한다.

[00242] 어떠한 주요 데이터 프로세스들도, INM 프로세스 기능이 호출되기 전에 블록(414)에 의해 행해지지 않는다. 그럼에도, 그와 같이 데이터를 전송하는 것 대신에, 프로세스가 초당 윈도우(a per second window)를 통해 행해지므로, 각각의 데이터의 초당 델타는 블록(414)에 의해 계산되고, 획득된 데이터는 스레드 1로 및 전방으로 전달된다.

[00243] 블록(416)에 의해 수행된 스레드 1(즉, 검출) 프로세싱이 이제 설명될 것이다.

[00244] 스레드 1은, 초의 스캐일로 INMEQ로부터 검출된 잡음의 수, 및 잡음 각각에 대해서는 기본 특징들, 즉 REIN, PEIN, SHINE, FA 등; 주기적이라면, 관측 윈도우의 스캐일로 추정된 주파수 및 길이; 비주기적이라면, 지속기간을 제공한다.

[00245] 하나의 검출 알고리즘은, 다음과 같이 임펄스들의 속성을 결정하는 스레드 1에서 구현된다. 도 9는, INMIAEQ 히스토그램(INM 프로세스의 스레드 1)으로부터 임펄스 잡음을 검출하기 위한 예시적인 알고리즘을 도시하는 흐름도이다. 선형 접근법이 선택된다. 단계(906)에서, 각각의 빈(변수 k)은 연속적으로 판독된다. 빈이 제로와 동일하지 않으면, 연속적인 심볼 카운터의 수를 증가시키고, 빈 값을 저장하며, 다음의 빈으로 이동한다. 제로 값이 발견되는 경우, 단계(902)에서, 연속적인 심볼 카운터의 수를 체크한다. 연속적인 심볼 카운터의 수가 제로가 아니면, n개의 임펄스들 또는 멀티 임펄스들이 존재한다. 연속적인 심볼 카운터의 수의 값(1, 2, 3, 4 또는 ＞4)에 기초하여, 특정한 프로세스가 단계(904)에서 시행된다. 예를 들어, 연속적인 심볼 카운터의 수가 1과 동일하면, 하나의 임펄스만이 존재하며, 임펄스의 길이는 비 제로 빈의 저장된 값이다.

[00246] 블록(416)에 의해 수행되는 스레드 2(즉, 지속성) 프로세싱이 이제 설명될 것이다.

[00247] 실시예들에서, 블록(416)에 의한 스레드 2 프로세싱은, INM 서명 데이터 베이스를 관리하는 것을 포함한다. 임펄스 잡음 데이터베이스는 링크된 리스트 구조에 기초한다. 도 10a는 본 발명의 실시예들에 따른 예시적인 접근법을 설명한다.

[00248] 스레드 1에서 검출된 잡음들은 하나씩 프로세싱된다. 검출기 출력에 기초하여, 스레드 2 알고리즘은, 잡음이 데이터 베이스에 이미 존재하는지를 체크한다. 프로세스의 목적은, 잡음의 제 1 발생 시에 데이터베이스에서 새로운 잡음 서명을 생성하거나, 잡음이 이미 존재하면 잡음 서명을 업데이트하는 것이다. 프로세싱(1002)에 도시된 바와 같이, 새로운 잡음이 검출될 때마다, 구조가 링크된 링크 데이터 베이스에 부가되며, 디폴트 간헐적 잡음(클래스)에 의해 존재한다. 잡음이 이미 존재하는 경우(간헐적인 지속성), 상이한 필드들이 그에 따라 업데이트된다.

[00249] 활성 플래그가 각각의 잡음 구조에 대해 사용된다. 잡음은, 현재의 윈도우에서 검출되는 경우 할성인 것으로 선언된다. 따라서, 잡음이 검출되지 않으면, 잡음은 비활성적이다. 데이터 베이스에 포함된 잡음들은 활성 또는 비활성일 수 있다. 그것은, 현재 검출된 잡음들이 그들의 활성 플래그 잡음을 갖는 시간 잡음들의 임의의 인스턴스에 존재한다는 것을 의미한다. 잡음이 다시 나타나는 경우, 잡음 구조는 제로(비활성 상태)와 동일한 활성 플래그로 데이터 베이스에 이미 존재한다. 잡음이 현재 검출되기 때문에, 활성 플래그는 제로로부터 1로 변경된다.

[00250] 도 10a 및 도 10b의 단계들(1004 및 1006)에 도시된 부가적인 프로세싱은, 데이터베이스가 정확한 정보로 업데이트되는 것을 확인하기 위해 수행된다.

[00251] 잡음이 활성인 경우, 본 발명의 실시예들은 Nb_Hits 및 지속기간 뿐만 아니라 PerMinHits/perMinDuration을 업데이트한다. REIN 길이 및 주파수는 또한, 초보다 긴 스캐일로 조정될 수 있다.

[00252] REIN 잡음의 특정한 경우에 대해, 잡음이 1초의 윈도우의 중간에 항상 나타났던 경우, INMEQ에 기초한 제 1 검출은 정확한 REIN 길이 및 주파수를 제공하지 않는다. 그 때문에, 부정확한 파라미터들을 갖는 잡음 구조가 잡음 존재의 제 1 초 동안 데이터 베이스에서 생성된다. 후속하는 1초 윈도우 동안, 검출기는, 이전의 기록된 데이터와 매칭하지 않는 정확한 파라미터들을 제공한다. 따라서, (이러한 시간에 정확한) 초 잡음은 데이터 베이스에서 생성되고 활성이지만, 이전의 초 잡음은, (부정확한 파라미터들 때문에) 그것이 더 이상 검출되지 않으므로 활성으로부터 비활성으로 변한다. 이러한 특정 맥락에서, 비활성 잡음은 데이터 베이스로부터 제거되며, 정확한 잡음의 파라미터들이 그에 따라 조정된다.

[00253] 잡음이 사라지는 경우, 동일한 문제에 직면한다. 상기 경우에서와 유사하게, 새롭지만 부정확한 잡음이 데이터 베이스에서 생성될 수 있다. 이전과 유사하게, 잡음이 사라지고 새로운 부정확한 잡음이 생성되는 경우, 본 발명자는 데이터 베이스에 새로운 잡음을 저장하지 않지만, 본 발명자는 그에 따라 사라진 잡음의 파라미터들을 재조정한다.

[00254] 데이터베이스에 대해 나타나고 사라지는 잡음의 부작용을 해결하며, 다수의 REIN 잡음들이 존재하는 경우, 주어진 임펄스 잡음을 데이터베이스로부터의 다른 잡음에 실수로 매칭하는 가능성을 해결하기 위해, 초당 IN 설명 추적 상태 머신이 시행된다. 예시적인 예로서, 2개의 REIN 잡음들이 동시에 존재하고 (1 및 3개의 DMT 심볼들과 같이) 유사한 길이를 갖는 경우, 임펄스 잡음 검출기는 종종, 작은 시간 기간(1초 또는 2초) 동안 2개 대신 하나의 잡음만을 관측할 수 있다. INMEQ 히스토그램이 그에 따라 거주될 것이며, 스레드 1 검출기는 2 대신 존재하는 1개의 잡음만을 선언할 것이다. 블록(416)에 의한 지속성 프로세싱은, 현재 존재하는 2개의 잡음들을 사라지는 것으로 선언할 것이며, 새로운 잡음 인스턴스를 나타나는 것으로 생성할 것이다. 잡음 나타남/사라짐을 갖는 이들 타입들의 패턴들은, 2개 또는 그 초과의 잡음들이 존재하는 경우 예측가능하며, 문제는, 어떤 잡음이 나타나고 사라지는지를 선언하기 위해 지속성 모듈이 더 긴 시간 스캐일로 보는 경우, 용이하게 정정될 수 있다.

[00255] 따라서, 잡음 서명이 도 10b에서 설명된 바와 같이 업데이트된 이후, 단계(1006)의 초당 상태 머신이 시행되고 매 초마다 구동한다. 상태 머신의 목적은, 나타난(App) 잡음이 합법적으로 나타나고, 사라지는 잡음으로서 부정확하게 검출되었던 다른 사라지는(Van) 잡음의 결과가 아니라는 것을 보장하는 것이다. 사라지는 잡음이 새로운 잡음이 나타나는 것과 동시에 나타날 때마다, 상태 머신은, 데이터베이스의 그 일관성을 체크하고, 그에 따라, 나타나거나 사라지는 잡음의 서명을 업데이트한다. 하나의 잡음이 나타나고 2개의 다른 잡음들이 사라지면, 프로세스는, 오검출(misdetection)이 발생하지 않는지를 체크하며, 새로운 잡음이 2개의 사라진 잡음의 연접에 불과하다는 것을 체크한다. 그 순서로, 2개의 사라진 잡음의 주파수가 부가되고, 새로운 잡음의 주파수와 비교된다. 동일하면(또는 실제로는 근접하면), 알고리즘은, 2개의 사라진 잡음을 활성인 것으로 재설정함으로써 및 데이터베이스로부터 새로운 잡음 서명 인스턴스를 제거함으로써 2개의 사라진 잡음의 연접을 정정한다. 새로운 잡음이 나타나고 다른 잡음이 사라지는 경우 유사한 프로세스가 행해진다. 알고리즘은, 사라진 주파수 잡음과 새로운 잡음으로부터의 잡음을 크로스 체크함으로써, 새로운 잡음이 사라진 잡음을 포함한다는 것을 체크한다. 포함한다면, 알고리즘은 사라진 잡음을 활성인 것으로 재설정하고, 그에 따라, 새로운 활성 잡음을 업데이트한다.

[00256] 스레드 2의 상태 머신의 확장은 다수의 초 윈도우들에 걸친 SEIN(Single Electrical Impulse Noise)으로서 비동기적으로 발생하는 잡음의 분류이다. 본 발명의 발명자들은, 잡음 서명 데이터 베이스 SEIN 잡음을 특정한 엔티티로서 고려하지 않는 문제점을 인식한다. 스레드 1로부터 도래하는 모든 각각의 잡음은 REIN 잡음으로서 카테고리화되며, 초의 스케일로 추정된 자신의 주파수 및 길이를 특징으로 한다. 따라서, SEIN 잡음이 나타나는 경우, 그것은, 1초 동안에만 존재하는 REIN으로서 데이터 베이스에 존재할 것이다 (히트들=1, 지속기간=1). 따라서, 블록(416)의 실시예들은, SEIN 히스토그램이 구성되는 1개의 IN 잡음 서명 지명된 SEIN으로 모든 1초의 REIN 잡음을 연접시킨다. 이러한 히스토그램은, SEIN DMT 심볼 길이에 관련된 x-축 및 관측 윈도우의 스캐일의 SEIN의 히트들의 수에 관련된 y-축에 의해 정의된다.

[00257] 실제로, SEIN 잡음 서명은 매 10초(현재의 디폴트 값)마다 업데이트된다. 매 10초마다, 데이터 베이스가 진행하며, 그 동안, 1초만(히트들=1, 지속기간=1)의 모든 각각의 사라진 REIN 잡음은, 자신의 길이 및 주파수에 기초하여 SEIN 히스트로그램으로 부가될 것이며, 1초만의 사라진 REIN 잡음은 데이터베이스로부터 삭제될 것이다.

[00258] 블록(416)의 실시예들에 의해 수행된 스레드 3-4(즉, IAT 및 카운터들) 프로세싱이 이제 설명될 것이다.

[00259] IAT(Interval Arrival Time) 프로세싱의 하나의 목적은, 임펄스들의 2개의 클러스터들 사이의 도달 시간을 추정할 수 있을 것이다. IAT(Interval Arrival Time) 알고리즘은, 2개의 임펄스 클러스터들 사이의 IAT(Interval Arrival Time)를 결정하는 것, 및 클러스터 길이를 결정하는 것으로 구성된다. INM 단계 및 INM 오프셋 표준 파라미터들에 기초하여 이러한 결정을 행하기 위한 회귀적인 알고리즘의 일 예는 도 11에 도시된다.

[00260] 시스템 카운터들은 스레드 3-4 프로세싱에 매초마다 이용 가능하다. 잡음이 출현할 때(간헐적으로 플래그됨), 10초 평균 윈도우가 잡음의 출현 동안에 관찰되는 초당 CRC/FEC 카운트들을 추정한다. 10초 윈도우 동안, 누적된 값들이 잡음 출현과 연관된 "시스템 CRC/FEC"로서 잡음 서명에서 저장된다. 10초 이후, 평균 값들이 컴퓨팅되고 잡음 서명에서 "시스템 CRC/FEC"로서 저장된다. 평균 값들은 이후에 업데이트되지 않을 것이고, 그리고 도착 시 잡음 및 그 영향력의 서명의 일부가 될 것이다. 카운터 콜렉션을 위한 이러한 10초 윈도우가 제안되는데, 그 이유는 대부분의 간헐적 잡음의 도착 동안, 모뎀이 10초 이후 (재훈련 기준들마다) 재훈련될 것이거나, 또는 모뎀이 자신의 온-라인 구성을 (예컨대, SRA/SOS 또는 비트 스왑을 통해) 조정했었을 것이고, 따라서 모뎀이 재훈련되지 않고, 그리고 재훈련 이벤트를 트리거링하는 것을 유도했었을 연속 에러들(예컨대, SES)을 더 이상 산출하지 않음이 예상되기 때문이다. 그 다음, 잡음이 소멸될 때, 시스템 카운터들은 잡음 레코드와 연관되고, 시스템 카운터들은 잡음의 다음 차례의 출현을 위해 제거된다. 잡음 구성 설명 컨벤션에서, 시스템 카운터들은, 라인의 안정성에 대한 이 잡음의 영향력의 특징화를 위해 사용될 수 있는 서브-파라미터를 표현한다. 대안적으로, 잡음 존재와 연관된 "SES/ES/CRC/FEC"의 카운터들은 잡음 존재의 전체 지속기간 동안 콜렉팅될 수 있고, 잡음 출현 이후 단지 초기 10초 윈도우 동안에만 콜렉팅되는 것이 아니다. 잡음의 지속기간에 걸친 이러한 연속 카운터 콜렉션은, 잡음의 도착 시 잡음의 존재로 인한, 그리고 관찰 윈도우의 전체 지속기간 동안 잡음의 존재를 통한 그럴듯한 카운터 증가의 연관을 허용한다.

[00261] 블록(418)의 실시예들에 의해 수행되는 스레드 5(즉, 로깅) 프로세싱이 이제 설명될 것이다.

[00262] 실시예들에서는, 위에서 제시된 표들에 따라, 로깅 출력 레코드들이 구현된다. 스레드 4로부터 획득된 서명 추출에 기초하여, 15분 윈도우마다 데이터 로그가 추출된다. 블록(418)은, 몇몇 간헐적 잡음들이 동일한 성질을 갖는지를 이 잡음들의 서명에 기초하여 결정한다. 이 잡음들이 동일한 성질을 갖는다면, 특정한 동일한 잡음들의 발생 횟수들이 증가된다. 그 결과, 로그 데이터는 동일한 잡음에 관한 중복적 정보를 보유하지 않아야 한다. 또한, 스레드 5가, 단일 잡음 소스에 의해 주어진 패턴에 따라 생성되는 다수 독립적 잡음을 데이터베이스에서 링크하고, 그것을 복합 잡음으로서 레포팅한다. 이러한 복합 잡음 소스의 이러한 자격(qualification)의 예는, 자신의 송신 동안 짧고 긴 버스트의 다양한 서명을 생성함으로써 자신을 나타내는 HPAV의 예이다. 전력 라인 통신 시스템의 것들과 닮은 복합 잡음을 구성하는 요소 잡음의 서명들 때문에, 이러한 버스트들 및 간헐적 잡음들의 출현의 스펙트럼, 지속기간, 및 시간상 시퀀스는, 잡음이 단일 복합 잡음 소스로서 분류되도록 허용한다.

실제 잡음 소스 식별들 및 CPE들에 걸친 상관과 각각의 CPE에 대한 시간상 상관을 위한 잡음 분석 레코드들 및 서명들의 용도

[00263] 실시예들에서, 엔진(402)과 같은 잡음 분석 엔진을 이용한 잡음의 검출 및 분류는, 실제 잡음 소스 식별을 향한 중간 단계이다. DSL 라인 상의 잡음 이벤트 이후, 엔진(402)에 의해 생성되는 15분 출력 레코드는 CPE에 의해 검출되는 잡음들의 다양한 카테고리들을 분류하기 위한 모든 필요한 정보를 포함한다. 잡음 이벤트는, 개별 CPE의 엔진(402)에 의해 추적될 수 있는, DSL 라인에 영향을 끼치는 잡음 소스의 존재, 출발, 출현 및 진화로서 정의된다. 15분 레코드에서 인코딩된 잡음 존재의 시간 정보(지속기간, 히트들의 수)와 함께, 잡음, 잡음의 일이차 서명 정보의 분류는, 오퍼레이터의 DSL 네트워크에서 실제 잡음 소스들을 특징화하기 위한 클라우드 기반 전문가 시스템을 가능하게 한다.

[00264] 도 12는 본 발명의 이러한 부가적인 양상들에 따른 예시적 시스템 아키텍처를 예시한다. 도시된 바와 같이, 아키텍처는 본 발명의 잡음 분석 엔진(402)에 대해 적응된 SmartCPE(1202)를 포함한다. 이러한 진단 컴포넌트들은 CPE의 설치 및 동작 동안에 사용된다. 아래에 더욱 상세히 설명될 부가적인 컴포넌트들은, CPE에 영향을 끼치는 와이어링 및 잡음 손상들을 분석하기 위해 CO에서 CPE 및 클라우드 소프트웨어(1204) 상에서 실행되고, 그리고 결과들을 클라우드에 저장한다. 이 정보는 오퍼레이터의 OSS, NMS & CRM 시스템들(1206)에 이용가능하게 된다.

[00265] 도 12에 도시된 아키텍처는, 다양한 표준 및 사유 DSL 파라미터들, 예컨대 단일 엔디드 라인 테스팅(SELT:Single Ended Line Testing) UER, 듀얼 엔디드 라인 테스팅(DELT:Dual Ended Line Testing), 임펄스 잡음 모니터링(INM:Impulse Noise Monitoring), & 사유 PHY 파라미터들, 예컨대 ShowLN, ShowHLOG를 매초마다 콜렉팅하는, 위에서 설명된 것과 같은 데이터 콜렉션 엔진을 포함한다. 그 다음, 이 데이터는 CPE 자체에 대한 와이어링 및 잡음 손상들에 대해 분석되고, 분석 결과들이 클라우드에 전송된다. 이러한 결과들은, 클라우드의 부가적인 분석의 결과들과 함께, REST(Representational State Transfer) API들을 통해 오퍼레이터의 OSS/NMS에 제공된다.

[00266] 도 13은 OSS(Operation Suport System) 또는 NMS(Network Management System)와의 상호작용 및 인터페이스들을 추가로 예시한다. SmartCPE 클라우드 소프트웨어(1204)는 하나 또는 다수 CPE들에 대한 시간에 걸쳐 데이터를 저장 및 분석한다. 각각의 CPE(1302)(위에서 설명된 것과 같은 잡음 분석 엔진을 갖춤)는 타임스탬핑된 15분 레코드를 클라이드에 전송하고, 이 15분 레코드는 역사적 데이터베이스에 저장된다. 클라우드 소프트웨어는, 역사적 데이터가 요구될 때 저장, 리트리빙 및 디스플레이되도록 허용한다. 클라우드 소프트웨어는, 시간 및 고객들에 걸친 정보를 단순화 및 관리하기 위한 지능 및 도구들을 갖는다. 되풀이하여 발생하는 문제점들을 식별하고 다수 고객들에 영향을 끼치는 문제점들을 상관시키기 위한 인터페이스에 기초하여 REST(Representational State transfer)/XML(eXtensible Markup Language)을 통해 정보가 오퍼레이터의 OSS/ACS(Auto-Configuration Server)/NMS에 대해 공유될 수 있다. 이러한 하나의 도구는, 각각의 CPE에 의해 제공되는 잡음 레코드들의 역사적 데이터를, 고객에 있는 장비의 실제 피스에 대응하는 그럴듯한 잡음 소스에 연관시키는 능력을 제공한다.

[00267] 클라우드에 제공되는 15분 출력 레코드를 이용하여, 잡음 파인더는 분석을 수행하고, 그리고 잡음 환경을 설명함으로써 그리고 위에서 더욱 상세히 설명된 것들과 같은 세 개의 치수들에 따라 각각의 잡음을 분류함으로써 ("루프 토폴로지 메이크 업"과 유사한) "잡음 환경 메이크 업"을 제공한다.

[00268] 분류 치수들을 넘어서, 각각의 SmartCPE(1302)는, 잡음의 구조 및 DSL 라인에 대한 잡음의 영향력에 기초한 각각의 잡음에 대한 서명을 15분 출력 레코드에서 제공한다. 이러한 서명은 강력한 데이터 분석을 제공하는데 사용될 수 있다. 예컨대, DSL 라인을 방해하는, 러닝머신의 DC 모터의 펄스 폭 변조기 속도 제어기의 주파수와 같은 잡음 소스(잡음 서명 데이터베이스에서 유지됨)의 특정 근원을 식별하는데 서명이 사용될 수 있다. 또한, 복원을 위해 그럴듯한 소스를 격리하는 것을 돕기 위해 특정 잡음의 되풀이를 확인하는데 서명이 사용될 수 있다. 마지막으로, 멀티 드웰링 유닛에 걸쳐 잡음을 생성하는 러닝머신과 같은, 다수 고객들에 영향을 끼치고 있는 잡음 서명을 결정하는데 SmartCPE 클라우드가 사용될 수 있다.

[00269] 오퍼레이터들이 특정 장비 및 고객 어플라이언스들에 대해 필드 이슈들의 되풀이를 경험하기 때문에, 문제적 잡음 소스들의 데이터베이스가 강화될 수 있다. 이는, 오퍼레이터들이, 자신들의 네트워크에서 주 잡음 소스들을 더욱 효율적으로 식별하고 새로운 알려진 방해들의 광범위한 영향력을 예측하는 것을 가능하게 한다.

[00270] 위에서 설명된 것과 같은 잡음 분석 엔진에 의해 수행되는 SmartCPE 잡음 모니터는 서비스 중에 DSL 라인을 계속 모니터링한다. SmartCPE 잡음 모니터의 일차 목표는, 간헐적 잡음들 소스들의 출현 및 소멸을 로깅하고, 간헐적 잡음들 소스들의 출현 시간을 정확하게 검출하고, 그들이 고객의 DSL 라인의 안정성에 대해 갖는 가능한 영향력을 정량화할 뿐만 아니라, 영구적 잡음 소스들에 대한 변화들을 모니터링하는 것이다. 잡음 이벤트의 발생을 시간상으로 추적하는데, 잡음 모니터 재훈련 레포트에서 캡쳐된 재훈련 이벤트와 연관된 타임스탬프, 뿐만 아니라 각각의 잡음의 출현과 연관된 분당 히트 및 지속기간 카운터 정보가 사용된다. 이 정보는 또한 SmartCPE 클라우드 소프트웨어(1204)에 의해 저장되고, 따라서 오퍼레이터는 정보를 리뷰할 수 있고, 이러한 잡음들이 발생할 때의 시간들에 관한 패턴들을 식별할 수 있다.

[00271] 잡음들의 존재 및 DSL 라인에 대한 잡음들의 영향력을 동적으로 진단하는 것에 부가하여, 그것은 잡음의 타입을 결정하고, 잡음의 특징들에 관한 세부사항들을 제공하며, 그리고 고객의 서비스 프로파일에 대한 수정들을 제안한다. 서비스 프로파일은, INP, 지연, 마진, 및 톤 블랙아웃들..과 같은 파라미터들을 포함한다.

[00272] 클라우드 SmartCPE 소프트웨어(1204)에서는, 오퍼레이터가 실제 잡음 소스를 식별하고 CPE들에 걸쳐 잡음 소스 상관을 수행하는 것을 가능하게 하기 위해 여러 프로세스들이 구현된다.

[00273] 도 20과 관련되어 이제 설명될 바와 같이, 소프트웨어(1204)에 의해 실행되는 제1 프로세스는 실제 잡음 소스 식별이다.

[00274] 제1 단계(2002)에서, 오퍼레이터에 의해 문제적 잡음 소스들인 것으로 알려져 있는 특정 장비 및 고객 어플라이언스들에 특정한 실제 잡음 소스들의 레퍼런스 데이터베이스가 가장 먼저 생성된다. 데이터베이스는 CPE 상의 착수된 잡음 모니터 모듈에 의해 파퓰레이팅되는 잡음 데이터베이스와 동일한 방식으로 조직화되는데, 동일한 잡음 분류 타입들 및 일이차 서명 필드들이 파퓰레이팅된다.

[00275] 예로서, 공개된 정보에 기초하여, 하기의 정보로 데이터를 미리-파퓰레이팅하는데 NB 간섭기들의 목록이 사용된다. 예컨대, 정보는, DM 모드에서 트위스티드 페어에 수신되는 전력에 연관되고 임의의 특정 지리적 영역에 대해 액티브인 AM 라디오 주파수의 목록을 포함할 수 있다. 정보는, DM 모드에서 임의의 특정 지리적 영역에서 트위스티드 페어에 수신되는 예상 전력을 갖는 아마추어 라디오 및 예약된 정부 통신 시스템들과 연관된 주어진 주파수의 목록을 이용한 HAM 라디오 송신의 목록을 더 포함할 수 있다. 정보는, 높은 레이트(예컨대, 200KHz) 및 국한된 스펙트럼을 갖는 비동기 주기적 스위칭 디바이스들을 갖는 장비의 목록을 여전히 더 포함할 수 있다.

[00276] 유사하게, EMI 규제를 준수하지 않고 DSL 라인에 영향을 끼칠 수 있는 알려진 장비의 특징화에 기초하여, 알려진 광대역 방해기들의 서명들이 데이터베이스에 포함될 수 있다. 예들은, DSL 라인에 대한 광대역 영향력을 갖는 것으로 예상되는 러닝머신과 같은 홈 장비를 포함한다. PSD의 이차 특징들, 예컨대 기저 반복 펄스 트레인은, 주파수 범위가 잡음 데이터베이스에 파퓰레이팅되는 트위스티드 페어에서 예상되는 통상적 PSD 레벨과 함께 러닝머신의 DC 모터의 펄스 폭 변조기 속도 제어기와 연관된 15 마이크로스 펄스들의 16㎑에서 있다. 다른 예는, 상기 주파수 대역에서 특정 FEXT 및 NEXT PSD 레벨들을 갖는 알려진 에일리언 DSL 서비스들(비 셀프-FEXT)의 서명들이다. 다른 예는 알려진 전력라인 통신 시스템들, 예컨대 HP-AV의 서명들인데, DSL 시스템에 의해 경험되는 바와 같은 송신 PSD 및 그 지속기간의 통상적 특징들은 자신의 영향력에 따른다. 다른 예는, TV 장비, 예컨대 특정 PSD 특징들을 갖는 평면 LCD 모니터의 목록, 그리고 펄스의 특징들을 갖는 기저 반복 펄스 트레인과 같은 이차 서명이다: 가우시안 또는 결정론.

[00277] 마지막으로, 임펄스들을 생성하는 어플라이언스의 공지된 소스들은 이들이 생성하는 임펄스의 특성들을 갖는 데이터베이스에 포함된다. 예들은 특정 듀레이션의 동기식(100 Hz/120 Hz) REIN을 생성하는 결함적(defective) 모뎀 파워 서플라이 유닛들을 포함한다. 또 다른 예는 버스티 특성(bursty nature)에 의한 비주기적 임펄시브 잡음을 생성하기 위해 하우스 환경에서 공지된 장비 타입들이다. 이러한 장비의 동작은 이들이 생성하는 임펄스의 길이, 그 PSD의 레벨 및 스마트CPE 잡음 모니터에 의해 임펄시브 잡음의 분류화의 부분으로서 구현되는 클래스들에 대응하는 클래스들(이를테면, 플러깅/언플러깅, 온도 조절 장치들의 ON/OFF, 모터의 ON/OFF,...)에서 표현되는 임펄스의 구조를 특징으로 한다.

[00278] 데이터베이스를 완료하기 위해, 기준 데이터베이스에서의 잡음들 각각은 특정 타이밍 정보와 연관되며, 이 특정 타이밍 정보는 장비의 피스가 이용되는 전형적 듀레이션, 그것이 얼마나 자주 턴 ON 및 턴 OFF되는지 그리고 하루 중 어느 시간인지를 특징으로 한다. 예들은: 트레드밀(treadmill)이 전형적으로 10 내지 30분 지속하는 듀레이션 동안 그리고 하루 중 더 개연성 있는 시간: 7 내지 8 AM, 5 내지 6 PM일 수 있고; 정원용 조명(Garden lighting)이 저녁에 턴온되고, 밤까지 4 내지 5시간 동안 온상태일 것이고; TV 세트가 6 PM 이후 30분 내지 3시간의 전형적 듀레이션 동안의 저녁에 대개 ON일 것이라는 것이다.

[00279] 초기 기준 데이터베이스가 구성된다면, 스마트CPE 잡음 모니터에 의해 제공되는 잡음 출력 레코드들에, 실제 잡음 소스들을 매칭시키기 위한 탐색이 발생할 수 있다. 매칭의 프로세스는 다음의 디멘션들(dimensions): 클래스 매칭, 1차 및 2차 서명 매칭을 포함하는 개별 잡음 특성들; 시간적 특성들(즉, 1분 윈도우, 15분 윈도우 또는 24시간 윈도우의 코스 상에서의 듀레이션 및 히트(hit)들의 수); 및 발생 시간(즉, 하루 중 어느 시간)을 따라 수행된다.

[00280] 단계(2004)에서, 1차 및 2차 서명 매칭을 갖는 클래스 매칭은 스마트CPE 잡음 분석 엔진의 스레드 2 상에서의 기존의 활성 또는 비활성 잡음에, 출현(appearing) 잡음을 매칭시키는 프로세스와 유사한 방식으로 클라우드에서 수행된다. 데이터베이스에서 서로 다른 잡음들을 구별하는데 이용되는 각각의 잡음 클래스(NB, WB, Impulsives,...)와 연관된 식별기(discriminator)들에 기초하여, 퍼지 로직에 기초한 비교 프로세스는, 운영자(operator) 후보 기준 데이터베이스 및 보고된 15분 출력 레코드에서의 잡음의 가능성 있는(likely) 매치를 발견하기 위해 전개된다. 임계치와 같은 퍼지 로직 파라미터들이 신뢰 범위(range of confidence) 및 잡음 식별기에 대해 이용되었으면, 프로세스의 출력은 데이터베이스로부터의 기준 잡음 소스가 CPE에 의해 보고되는 잡음에 대한 후보 매치일 수 있는지 여부를 표시한다.

[00281] 장비의 클래스,서브클래스 또는 피스가 격리되면, 단계(2006)에서, 매칭 프로세스는 1분 및 15분 레코드로부터 관측된 잡음의 그리고 교란 장비의 시간적 특성들 상에서 수행된다. 로직은 후보 장비에 대한 기준 데이터베이스에, 로깅되는 히트들 및 듀레이션의 범위에 히트들의 수 및 듀레이션과 스마트CPE 출력 레코드에 보고된 듀레이션을 매칭시키려고 시도한다. 프로세스의 출력은 후보 교란기(candidate disturber)가 관측된 잡음 이벤트의 실제 소스일 수 있다는 것에 대한 확인 또는 그것이 아님을 제공한다.

[00282] 마지막으로, 단계(2008a)에서, 특정 CPE에 대해 로깅된 이력 잡음 데이터에 걸친 탐색이 특정 잡음의 발생 레이트를 결정하도록 수행되고, 마지막 매칭 프로세스가 잡음의 발생이 데이터베이스에서 캡처된 바와 같이, 장비의 예상된 이용과 동시에 발생할 가능성이 있는지 여부(예를 들어, 하루 중 어느 시간에 그것이 예상되는지 그리고 얼마나 오래)를 결정한다.

[00283] 전체 매칭 프로세스는, 주로, 스마트CPE 잡음 분석 엔진으로부터 매 15분마다 수집된 스마트CPE 출력 데이터 레코드의 엘리먼트들 및 필드들의 이용에 있어서 DSL 라인에 영향을 미치는 장비의 가능성 있는 피스를 식별하는 것으로 전체적으로 구성된다. 공지된 장비의 유사하게 파퓰레이팅된 데이터베이스에 이러한 레코드들을 매칭시킴으로써, 문제들은 더 격리될 수 있다. 운영자들이 특정 장비 및 고객 어플라이언스들에 대한 필드 이슈들의 재발을 경험함에 따라, 문제적 잡음 소스들의 데이터베이스가 강화될 수 있다. 이것은, 운영자들이 이들의 네트워크에서 지배적 잡음 소스들을 더 효율적으로 식별하는 것과 새로운 공지된 교란들의 광범위한 임팩트(widespread impact)를 예상하는 것을 가능하게 한다.

[00284] 외부 이벤트들로의 잡음 발생의 추가적 상관은 또한, 환경적 조건들 또는 인공 동작(man-made behavior)과 같은 외부 정보에, 그 15분의 레코드에서 스마트CPE 잡음 모듈에 의해 보고되는 서명의 에볼루션을 매칭시킴으로써 결정될 수 있다: 이러한 상관의 예는, 이온층의 주행성(diurnal) 송신 특성 변화, 또는 송신 특성들의 이러한 변화에 응답하여 밤 시간 동안 발생하는 AM 송신기들의 스케줄링된 증가 전력 레벨로 인하여 그 15분의 레코드에서 스마트CPE 모듈에 의해 보고되는 영구적 RFI NB 교란기들의 인지된 전력의 에볼루션이다. 이러한 트렌드들과 클라우드에서의 스마트CPE의 15분의 레코드의 에볼루션의 상관은 운영자가 하나의 CPE와 연관된 잡음 환경의 에볼루션의 원인(cause)을 식별 및 확인하는 것을 가능하게 한다.

[00285] 본 발명의 실시예들에 따라 클라우드 소프트웨어(1204)의 실시예들에 의해 실행되는 또 다른 프로세스는 CPE들에 걸친 교차-상관을 포함한다.

[00286] CPE에 걸쳐 명백한(visible) 잡음을 매칭시키는 프로세스는 가능성 있는 소스로의 하나의 CPE에 대해 관측된 잡음의 이전의 매칭 프로세스의 확장이다. 그것은 또한, 다음의 디멘션들: 클래스 매칭, 1차 및 2차 서명 매칭을 포함하는 개별 잡음 특성들; 시간적 특성들(즉, 1분 윈도우, 15분 윈도우 또는 24시간 윈도우의 코스 상에서의 듀레이션 및 히트(hit)들의 수); 및 발생 시간을 따라 수행된다.

[00287] 일부 잡음 소스들이 그들의 1차 서명 중 하나를 특징으로 함에 따라, 클라우드 SW에서의 CPE들에 걸친 매칭 프로세스는 스마트CPE 잡음 분석 엔진의 스레드 2 상에서의 기존의 활성 또는 비활성 잡음에, 출현(appearing) 잡음을 매칭시키는 프로세스와 유사한 방식에 기초한다. 데이터베이스에서 서로 다른 잡음들을 구별하는데 이용되는 각각의 잡음 클래스(NB, WB, Impulsives,...)와 연관된 식별기(discriminator)들에 기초하여, 임계치 및 퍼지 로직에 기초한 비교 프로세스는, 다수의 CPE들에 의해 보고된 대응하는 15분 출력 레코드들에서의 잡음의 가능성 있는(likely) 매치를 발견하기 위해 전개된다. 이러한 잡음의 예는 잘 정의되고 공지된 주파수에서의 강한 AM 잡음 스테이션이고; 강한 AM 잡음이 동일한 케이블 번들을 공유하는 다수의 CPE들 상에서 감지될 가능성이 있다. 다수의 CPE에 걸친 그 주파수에의 영구적 NB 잡음의 존재의 매칭은 잡음 소스의 공통성의 증거를 제공한다. 이를테면, 와이드밴드 교란기들에 의한 다른 상황들에서, 매칭 프로세스가 기초적(underlying) 반복 펄스 트레인의 잘 정의된 특성들과 같은 2차 잡음 특성들에 걸쳐 발생하는데, 그 이유는 잡음이 각각의 CPE에 영향을 미치는 주파수 범위 상에서의 매칭 프로세스가 각각의 CPE에 대해 서로 다를 수 있는 케이블 불균형으로 인하여 동일한 케이블 내에서 다를 수 있기 때문이다. 예로서, 트레드밀에 의해 야기되는 와이드밴드 잡음의 존재를 CPE에 걸쳐 상관하는 것은, 16 kHz 반복적 임펄스 트레인이 모든 영향을 받는 CPE들의 잡음 레코드들에 대한 잡음의 고유한 특성들로서 보고되는 반면, 이 잡음의 15분 출력 데이터 레코드의 PSD 필드에서 명백한(visible) 그것의 임팩트가 하나의 CPE로부터 또 다른 CPE로 변경될 수 있기 때문에, 연관되는 15분 출력 데이터 레코드에서의 이 잡음의 2차 서명 상에서 수행될 것이다. 이 차이를 제외하고, 비교 프로세스는 여전히 임계치 및 퍼지 로직에 기초하며, 다수의 CPE들에 의해 보고되는 대응하는 15분 출력 레코드들에서 잡음의 가능성 있는 매치를 발견하기 위해 전개된다.

[00288] 각각의 CPE와 연관된 15분 레코드에 기초하는, 클라우드에서의 CPE들에 걸친 프로세싱 매칭의 중요한 그리고 강력한 양상은 그들이 각각의 CPE에 의해 캡처될 때 잡음 이벤트들의 시간 일관성(time consistency)에 놓여 있다. 다수의 CPE들에 영향을 미치는 하나의 잡음 이벤트는 각각의 CPE에 의해 클라우드에 제공되는 레코드의 부분인 모든 현재 1분 카운터들 및 15분 카운터들에서 동시에 레코딩될 것이다. 이벤트들의 발생의 시간상의 일관성은 모든 CPE들의 1분 및 15분 레코드들로부터 각각의 관측된 잡음의 시간적 특성들 상에서 수행되는 매칭 프로세스가 된다. 로직은 상관이 수행되는 모든 다른 CPE들의 각각의 잡음에 대한 스마트CPE 출력 레코드에서 보고되는 듀레이션 및 히트들의 수에, 하나의 CPE 및 각각의 잡음에 대한 스마트CPE 출력 레코드에서 보고되는 히트들의 수 및 듀레이션을 매칭시키려고 시도한다. 프로세스의 출력은 다수의 CPE들이 관측된 잡음 이벤트를 아는 것에 대한 확인 또는 그것이 아님을 제공한다. 그것은 또한, 가능성 있는 콜로케이팅된 CPE들의 세트가 동일한 잡음 소스에 의해 영향을 받거나, 공통 루프 불균형을 겪는 것에 대한 확인을 허용한다.

[00289] 다수의 CPE들에 대한 매칭 로직이 모든 CPE들의 1분 및 15분 레코드들로부터 각각의 관측된 잡음의 시간적 특성들을 이용하여 수행되는 반면, 절대적 시간 기준에 대한 매칭은 또한, CPE들에 걸쳐 발생하는 잡음 이벤트들에 대해 수행되며, 하루 중 절대적 시간에서 발생하는 것으로 알려져 있다. 실제로, 각각의 15분 잡음 보고는 15분 잡음 레코드가 하나의 CPE에 대해 커버하는 하루 중 어떤 시간에서 어떤 15분 듀레이션인지를 표시하는 주어진 시간스탬프와 연관된다. 다수의 CPE들에 걸쳐 15분 레코드를 상관시킬 때, 각각의 CPE의 15분 레코드와 연관된 시간 스탬프 정보에서의 오프셋은 1분 카운터를 더 정확하게 정렬하기 위해 이용되고, 이에 의해, 1분의 정확성을 가지는 임의의 CPE 상에서의 잡음 이벤트의 발생을 더 정확하게 결정한다. 라인 리트레인(retrain)을 유도한 잡음 이벤트들과 같은 일부 이벤트들에 있어서, 모든 영향을 받는 라인이 리트레인하는 정확한 순간에 생성된 잡음 레코드의 시간 스탬핑은 수 초의 정확성을 가지는 잡음 출현(appearance)의 동일한 소스로 인한 리트레인 이벤트들의 상관을 허용한다. 이 결과는 도 14에 예시되며, 여기서 시간스탬프는 동일한 잡음 소스에 의해 영향을 받는 3개의 CPE들 상에서 리트레인 이벤트와 연관된 잡음 모니터 보고에서 유도되었다. 각각의 CPE의 15분 레코드들의 1분 카운터를 정렬하고, CPE에 걸친 또는 절대적 타임 이벤트에 대한 잡음 이벤트들의 동시성을 결정하는 예시적 프로세스는 도 21에 예시된다.

[00290] CPE들에 걸친 잡음 이벤트들의 상관(correlation)의 모든 경우들에서, 15분 잡음 레코드들과 함께 제공되는 잡음 특성들의 정보 및 이들의 타이밍 정보의 이용가능성(availability)으로 인해, 이제 프로세스가 가능하게 된다. 레코드에 대한 절대 시간(absolute time)을 도출하는 프로세스는 아래에서 상세히 설명되며: 기본 원리는 일부 알려진 시점으로부터의 상대적인 오프셋을 연산하는 것이다. 알려진 시점은 CPE가 리포트를 전송하는 (그리고 클라우드가 수신하는) 포인트이다. 상대적인 시간, 리포트의 생성 시간 및 리포트의 전송 시간 양자 모두를 이용하는 시간 스탬핑에 의해, 그리고, 상대적인 전송 시간 및 상대적인 생성 시간 양자 모두를 전송하는 것에 의해, 클라우드에서의 시간의 델타의 연산을 허용한다. 인터넷을 통한 시간 소스에 대한 연결을 통해 알려진 시간을 갖는, 클라우드에 도달할 시에, 서버는, 현재의 시간으로부터 델타를 단순히 감하여, 리포트 시간을 절대 시간으로 변환시킨다.

[00291] 본 발명의 실시예들에서 smartCPE(1302) 및/또는 소프트웨어(1204)에 의해 수행되는 새로운 프로세스는, 시간에 걸친 단일 CPE에 대한 상관 이벤트들을 포함한다.

[00292] 단일 CPE에 대한 다수의 15분 레코드들에 걸쳐 볼 수 있는 잡음을 매칭하는 프로세스는, 위에서 설명된 매칭 프로세스들의 연장인 것으로 고려될 수 있다. 또한, 이는 잡음 분석 엔진(예를 들어, 엔진(402))에 구현되고 CPE 그 자체에 임베디드 매칭 프로세스에 대해 상보적이다. CPE에서, 잡음의 데이터베이스는 다수의 15분 레코드들에 걸쳐 유지되고, 본 발명의 일 실시예에서, 이는 전형적으로 24시간 기간에 걸친다. 24시간의 끝에서, 데이터베이스는 리셋되거나, 또는 대안적으로, 가장 최근에 출현한 잡음 레코드들을 보존하기 위해, 24시간 초과 동안 비활성인 잡음은 데이터베이스로부터 삭제된다. 잡음이 출현할 때마다, 임베디드 분석 엔진의 스레드 2 프로세스는, 24시간 데이터베이스로부터의 기존의 레코드에 대한 매칭이 존재하는지를 결정하고, 매칭이 존재하지 않는 경우에, 데이터베이스를 새로운 검출된 잡음으로 증대시킨다. 임베디드 분석 엔진의 스레드 5는, 연속적인 15분 레코드들을 비교하여, 영구적으로 또는 간헐적으로 잡음의 상태를 업데이트하고, 그것의 현재 24시간 데이터베이스로부터의 잡음의 고유 식별자 및 활성 잡음을, 클라우드로 전송되는 그것의 15분 레코드에서 리포트한다.

[00293] 주어진 24시간 윈도우 내에서, 클라우드 SW(1204) 매칭 프로세스는, 15분 레코드들을 통해 잡음 분석 엔진 임베디드 잡음 데이터베이스로부터 제공된 잡음의 고유한 식별자의 정확한 매칭을 위해 24시간 윈도우를 스캐닝함으로써, 순환 잡음 이벤트의 패턴을 쉽게 결정한다. 클라우드에 의해 리포트된 2개의 잡음 이벤트들의 매칭 프로세스의 정확도는, 이 시나리오에서, CPE 그 자체 상에서 실행되는 퍼지 로직(fuzzy logic) 및 CPE의 임베디드 분석 엔진의 매칭 프로세스에 의존한다. 클라우드 SW(1204)는 단순히, 잡음 식별자의 정확한 매칭을 탐색한다. 대안적인 실시예에서, 클라우드 SW(1204)는 또한, 다음의 차원(dimension)들에서 15분 레코드들의 개별적인 엔트리들에 대해 매칭 프로세스를 수행하며: 개별적인 잡음 특성들은, 클래스 매칭, 일차 및 이차 서명 매칭; 시간 특성들(즉, 1분 윈도우, 15분 윈도우, 또는 24시간 윈도우 동안의 지속기간 및 히트(hit)들의 수); 및 발생의 시간을 포함한다.

[00294] 이러한 대안적인 매칭 프로세스는, 클라우드 SW(1204)가 CPE 그 자체에 의해 수행되는 잡음 매칭 연관의 변화를 수행할 수 있게 한다. 이는, smartCPE 잡음 분석 엔진의 스레드 2 상의 기존의 활성 또는 비활성 잡음에 대해 출현 잡음을 매칭하는 프로세스와 유사하지만, smartCPE 임베디드 분석 엔진에 의해 사용되는 것과 상이한 세트의 임계치(threshold) 및 퍼지 로직으로 이루어질 수 있다. 클라우드 SW(1204) 매칭 로직은, smartCPE 임베디드 분석 엔진에 의해 제공되는 것들보다 상보적인 결과들을 제공하며: 그것은, 클라우드로 제공되는 smartCPE 15분 레코드들에서의 다수의 독립적인 잡음 엔트리들을 조직적으로(systematically) 생성하는 합성 잡음 이벤트가 발생할 때마다, 순환 패턴 매칭 프로세스에서 하나 초과의 잡음 컴포넌트를 연관시킬 수 있다. 또한, 클라우드 SW(1204) 매칭 프로세스는 또한, 임베디드 것으로부터 특정한 순환 잡음에 대한 잡음 식별자가 변화된, 그리고 날들(days), 주들(weeks), 또는 달들(months)에 의해 분리된 다수의 15분 잡음 데이터 레코드에 걸쳐 매칭을 탐색한다. 마지막으로, 15분 레코드 시간 스탬핑과 연관된 시간 스탬프, 및 그것과 함께 제공되는 1분 히트 및 지속기간 카운터들에 기초하여, 1분 정확도로 클라우드 기반 SW에 의해 재구성될 수 있는 잡음 이벤트의 발생의 정밀한 절대 시간은, 이들의 잡음 특성들과 무관하게, 이들의 발생의 정확한 시간에 기초하여, 단독으로 잡음 이벤트들의 매칭을 가능하게 한다. 이는, 몇몇 시나리오들에서, 상이한 시간들에서 발생하는 동일한 잡음 이벤트가, 2개의 완전히 상이한 잡음 특성들을 갖는 것으로, smartCPE 임베디드 분석 엔진에 의해 해석될 수 있고, 따라서, 대응하는 출현들 동안에 클라우드에 제공되는 15분 데이터 레코드에서의 2개의 완전히 상이한 잡음 엔티티들로서 리포트될 수 있기 때문에 중요하다. 대응하는 2개의 15분 데이터 레코드들로부터의 이들 2개의 분명한(apparent) 잡음 엔티티들은, 그것이, 15분 데이터 레코드와 연관된 시간 스탬프 및 그것의 1분 카운터로부터 재구성될 수 있는 그리고 이벤트들이 발생하였던, 날 또는 주에서의 절대 시간 때문이 아니었던 경우에, 클라우드 히스토리 데이터베이스에서 단지 대략적으로(loosely) 매칭될 수 있다. 그러한 시나리오의 예는, 환경 조건들에 기초하여 상이한 정도들로 DSL 링크의 안정성을 악화시키는 광대역 잡음을 생성하는, 그리고 날의 규칙적인 시간에서의 스프링클러 시스템의 개시이다. smartCPE 임베디드 분석 엔진에 의한 잡음 식별 프로세스가 서로 대략적으로 유사한 2개의 상이한 또는 그 초과의 잡음 레코드들을 초래할 수 있지만, 15분 데이터 레코드와 연관된 시간 스탬프 및 그것의 1분 히트 카운터들로부터 재구성된 정밀한 타이밍 정보는, 스프링클러 시스템의 개시에 대응하는 각각의 잡음 이벤트의 절대 시간 레퍼런스(reference)를 도출하는 것을 허용한다. 날들, 또는 주들, 또는 달들에 걸친 날의 주어진 시간에서의 관찰의 타이트한(tight) 윈도우에서의 임의의 순환 이벤트의 탐색은, smartCPE 임베디드 분석 엔진 데이터베이스에서의 완전히 상이한 엔트리들로서 본래 출현하였던 이들 잡음 이벤트들에 대해 포지티브(positive) 매칭 결과를 산출할 것이다.

[00295] 이러한 차이 외에는, 위에서 설명된 비교 프로세스는 여전히, 임계치 및 퍼지 로직에 기초하고, 각각의 CPE에 의해 리포트된 15분 출력 레코드들에 걸친 잡음의 적합한 매칭을 발견하기 위해 개발된다.

CPE 상의 실시간 잡음 데이터베이스의 관리 및 유지

[00296] 본 발명의 실시예들에서, CPE에서의 잡음을 아카이브(archive)하기 위해, 잡음 서명들의 데이터베이스가 CPE 상에 생성되고, 관리되고 매초 마다 업데이트된다. 잡음의 제 1 발생 동안에, 연관된 잡음 서명 구조가 생성된다. 특히, 각각의 잡음 서명 구조는, 독립적인 구조 또는 순서화된 링크 리스트의 아이템 파트, 어레이 또는 임의의 다른 그룹 엔티티일 수 있다. 각각의 잡음 서명은, 예를 들어: 잡음 스펙트럼의 중심 주파수; 잡음의 스펙트럼 대역폭; 잡음 대역폭에 걸친 집합된(aggregated) 잡음 전력; 및 임펄스 잡음에 대한, 시간 도메인 펄스 지속기간 및 그것의 연관된 주파수와 같은, 이전에 나열된 바와 같은, 잡음을 특성화하는 본질적인 필드들로 구성된다.

각각의 잡음 서명은, 잡음의 존재로 인한 추정된 용량 손실, 잡음의 존재로 인한, 연관된 SES, ES, CRC, FEC 또는 임의의 다른 카운터들의 증가; 및 잡음의 존재로 인한 마진 저하와 같은 시스템 파라미터들과 연관될 수 있다.

[00297] 각각의 잡음 서명은, 잡음의 시간 스탬프 존재에 관한 파라미터 구조: 히트들 -- 잡음이 출현한 횟수; 분당 히트들 어레이 -- 분당 슬롯 상에 분해된, 잡음이 출현한 횟수의 어레이; 지속기간 -- 잡음이 존재한 횟수; 및 분당 지속기간 어레이 -- 분당 슬롯 상에 분해된 잡음이 존재한 횟수의 어레이로 구성된다.

[00298] 잡음 서명은 또한, 잡음__ID -- 잡음이 출현하였던 경우 잡음에 연관된 고유한 ID 식별자와 같은 상이한 인덱스들로 구성된다. ID가 증분 방식으로 연관되는 경우에, 이러한 ID는 또한, 다른 잡음에 비한 이러한 특정 잡음의 상대적인 잡음 출현을 나타낸다; 복합 잡음 ID -- HPAV와 같은 방해자(disturber)가 하나 초과의 잡음 서명들을 생성하는 경우에, 잡음 서명의 패키지에 복합 ID를 연관시킬 수 있으며, 이는, 검출 후에, 이러한 특정 잡음 서명이 복합 잡음에 연관됨을 의미한다. 따라서, 동일한 방해자에 연관된 모든 잡음 서명들은 동일한 복합 잡음 ID에 속한다.

[00299] 임베디드 데이터베이스에서의 잡음 서명의 생성 후에, 이러한 서명은 현재의 잡음 검출에 기초하여 매초 마다 업데이트되고, 필드들이 업데이트되고 리파이닝될 것이다. 이러한 태스크는 스레드 2에서 이루어진다.

[00300] 그러나, 데이터베이스가 또한, 그 전체로 관리될 필요가 있다. 그 후에, 크로스(cross) 서명 프로세싱이 이루어진다. 예를 들어, 매 15분마다, 클라우드에 전송되는 메시지를 생성하기 위해, 데이터베이스가 판독된다. 또는, 매 24시간마다, 새로운(fresh) 24시간 윈도우를 시작하기 위해 데이터베이스가 클리어링된다(cleared). 대안적으로, 24시간보다 더 오래된 잡음 레코드들은, 데이터베이스를 최신으로 유지하기 위해 데이터베이스로부터 삭제된다. 규칙적인 간격들에서, 잡음 중복(duplication)을 방지하기 위해, 데이터베이스는 전체적으로 판독될 것이고, 그것의 기본 파라미터들(주파수, 전력, 스펙트럼, 펄스 레이트,...)에 기초하여 중복된 임의의 잡음을 탐색할 것이다. 잡음이 중복된 경우에, 중복된 인스턴스는 소거될 것이고, 나머지는 업데이트될 것이다. 이러한 프로세스는, 임의의 실험적 시간 지속기간 후에, 예를 들어, 클라우드 리포트를 생성하기 전의, 매 10초마다, 또는 매 15 분마다 이루어질 수 있다.

[00301] 임펄스 잡음의 경우, 매 1초마다 잡음이 나타나고, 잡음 서명이 생성된다. 모든 그러한 SEIN 임펄스들을 어그리게이팅된 히스토그램으로 연접(concatenate)시키기 위해, 데이터베이스는 또한, 경험적 지속기간(예를 들어, 10 sec) 후에 판독되어, 임의의 임펄스 잡음을 검색할 것인데, 이는 1회만 발생된다. 임의의 임펄스 잡음이 발견되면, 잡음 서명은 데이터베이스로부터 제거될 것이고, 연관된 잡음 정보가 SEIN 잡음 서명에 파퓰레이팅(populate)될 것이다. 동일한 프로세스가 SHINE 또는 SHORT 잡음 카테고리들에 대해 행해진다.

[00302] 데이터베이스를 통한 교차 프로세싱의 다른 예는 합성 잡음을 매칭시키기 위해 행해진다. 상이한 잡음 서명들이 예를 들어, 동일한 시간 스탬프들을 공유하는 경우, 특정 시간에서 검색하는 것은, CPE가 그들의 합성 잡음 ID를 상응하게 업데이트하도록 허용한다.

[00303] 정확한 임베디드 실시간 잡음 서명 데이터베이스(accurate embedded real time noise signature data base)를 관리 및 유지하기 위해, 모든 앞서 설명된 프로세싱 예들이 필요하다. 유사한 프로세스는 클라우드로 확장될 수 있는데, 클라우드는, 수신된 15분 윈도우 잡음 데이터베이스들에 기초하여, 15분 윈도우 데이터베이스들 사이에서 또는 15분 윈도우의 스케일로서 잡음 교차 프로세싱을 실행할 수 있다. 각각의 앞서의 프로세스는, 있는 그대로 클라우드로 확장될 수 있다.

잡음 모니터를 위한 L0 프리미티브들의 도출

[00304] 앞서 설명된 실시예들에서, 잡음 분석 엔진의 스레드들의 입력은 "L0 프리미티브들"로 지칭되는 것이다. 앞서 설명된 바와 같이, L0 프리미티브들은, DSL 하드웨어(HW) 트랜시버를 제어하고, DSL 프로토콜 스택의 TPS-TC(Transport Protocol Specific-Transmission Convergence) 레벨 및 PMD(physical medium dependent layer) 레벨에서의 DSL 연결의 상태 및 품질을 모니터링하는 근본적인 펌웨어(FW)에 의해 생성된 ITU-T DSL 표준화된 또는 사유 품질 메트릭들이다.

[00305] 잡음 모니터 분석 엔진에 있어서, L0 프리미티브들은 2개의 카테고리들: DSL 링크의 거동을 특징짓는 상태 파라미터들 및 DSL 라인의 잡음 환경을 특징짓는 메트릭들로 분리될 수 있다. 상태 파라미터들은, DSL 연결이 잡음성 컨디션(noisy condition)들에 의해 어떻게 영향받는지와 관련되는 한편, 메트릭들은, DSL 연결의 존재 또는 부재시의 잡음 환경을 설명하려고 시도한다. DSL의 품질과 관련되는 프리미티브들은 예를 들어: 달성가능 비트 레이트; 마진(어그리게이트, 퍼 밴드, 퍼 톤); 카운터들(예를 들어, SES, ES, CRCs, RS, 재송신 카운트들, 패킷 손실,...); 및 장애 및 결함들(LOS(Los of Signal), LOF(Los of Frame),...)이다.

[00306] 잡음 환경의 설명과 관련되는 프리미티브들은 예를 들어: LN ― 추정된 주파수 도메인 잡음 샘플들의 평균에 기초하는 퍼 톤 라인 잡음 PSD 기준 어레이 ―; STATSN ― "크라운 비율(crown ratio)" 팩터, 평균, 분산, 비대칭도(skewness), 첨도(kurtosis) 등과 같은 주파수 도메인 잡음 샘플들에 기초하는 대안적인 퍼 톤 통계적 모멘트들 ―; INM ― 임펄스들의 상호-도달 시간 정보 및 퍼 심볼 지속기간에 의거한 임펄스 잡음 모니터링 히스토그램들 ―; INM-TD ― 퍼 심볼 검출된 임펄스들의 대안적인 시간 도메인 임펄스 잡음 어레이 ―; 및 ERB 데이터: sync 심볼 에러 미가공(raw) 데이터이다.

[00307] 앞서 예시된 바와 같이, DSL 링크 상태들 및 잡음 메트릭들 양쪽 모두는, 매 초마다(on a per second basis) 수집 및 사후-프로세싱(post-process)되어, 분석 엔진의 스레드들(1 및 3)에 제공된다. DSL 링크 상태들이 도출되는 수단이 표준화되었지만, 잡음 환경의 설명과 관련되는 프리미티브들의 도출은 큰 정도의 사유성(proprietary)을 남긴다. 스마트CPE 잡음 분석 엔진에 의해 잡음 환경을 특징짓는 목표를 충족할 목적으로 그러한 메트릭들이 도출되는 수단의 설명은 다음과 같이 더 상세하게 제시된다.

[00308] 잡음 환경 관련 프리미티브들에 대해 만족될 필요가 있는 제 1 요건은, 잡음 환경 관련 프리미티브들이, 잡음 분류와 관계되는 3개의 디멘션(dimension)들: 주파수(NB/WB), 시간(연속적/임펄스성), 및 지속성(간헐적/진화적/영구적)을 따라 잡음의 검출을 가능하게 하는 것이다.

[00309] 지속성 구별에 있어서, 1초의 레이트의 프리미티브들의 폴링(polling)이 잡음의 지속성의 검출을 가능하게 하도록, 잡음 프리미티브들이 이전의 초와 독립적으로 매 초 계산된다. 주파수 구별에 있어서, 주파수 축을 따라 잡음 소스들의 주파수 구별을 허용하기 위해, PSD의 퍼 톤 어레이 및 다른 통계적 모멘트들이 도출된다. 시간 구별에 있어서, 2개의 다소 독립적인 메트릭들이 도출되고, 이는, 잡음의 캡처된 고정(stationary) 또는 임펄스성 특성들: 즉, 평균된 퍼-톤 또는 어그리게이트 메트릭들, 이를 테면, PSD 및 다른 연관된 모멘트들, 및 퍼-심볼 INM 히스토그램 또는 그것의 대안적인 시간 도메인 어레이이다.

[00310] 시간 구별(잡음의 고정 또는 임펄스성 특성들)을 가능하게 하기 위해, 퍼-톤 평균된 메트릭들, 이를 테면, PDS 및 다른 연관된 모멘트들, 및 퍼-심볼 INM 히스토그램 또는 그것의 대안적인 시간 도메인 어레이가 발생되는 프로세스는, 주의 깊은 설계로부터 초래된다. 그 설계의 목표는, 직교 메트릭들의 2개의 세트들을 도출하는 것인데, 하나의 세트는 본질적으로, 연속적인 고정 잡음의 특성들을 리포팅하고, 제 2 세트는 본질적으로, 임펄스성 잡음 소스들의 특성들을 리포팅한다. 이러한 목표를 달성하기 위해, 퍼 심볼 임펄스 검출기는, 검출된 임의의 임펄스의 영향을 연속적인 잡음 메트릭들로부터 필터링하기 위해 이용된다. 이는, 어느 DMT 심볼이 임펄스에 의해 영향받는지를 검출함으로써, 그리고 임펄스에 의해 영향받는 DMT 심볼을, 연속적인 퍼 톤 평균된 잡음 메트릭들을 제공하는 평균 프로세스로부터 폐기함으로써 실현된다. 다른 한편, INM 히스토그램들 또는 대안적인 시간 도메인 임펄스 어레이들을 파퓰레이팅하는 것은 연속적인 잡음의 레벨을 구성 파라미터로서 취하는 동일한 임펄스 검출기에 기초하여서, 어떠한 연속적인 잡음도 임펄스 검출기를 트리거링하지 않고, 임펄스 검출기는 단지, 연속적인 잡음이 나타날 때마다만 임펄스성 잡음을 검출한다. 이러한 설계 프로세스는, 1초 레이트로 폴링되는 2개의 프리미티브들이, 직교되는 것에 가까우며, 다른 잡음 유형 메트릭(예를 들어, 연속적)에 대한 하나의 유형의 잡음(예를 들어, 임펄스성)의 영향을 무효로 만들기 위해 ― 또는 그 반대도 가능함 ― , AE의 후속 레이어들에서의 사후-프로세싱이 거의 필요없다는 것을 보장한다.

[00311] 연속적 잡음 소스들을 설명하는 평균된 메트릭 PSD 또는 다른 통계적 모멘트들로부터의 임펄스 영향받은 심볼들의 필터링은, 잡음 분석 엔진 스레드들에서의 잡음 소스들의 더 양호한 구별을 가능하게 하는데; 예로서, 일 실시예에서, 1초 윈도우의 임펄스성 및 연속적 잡음 소스의 더 양호한 검출을 가능하게 하기 위해, 3개의 퍼 톤 PSD 어레이들이 계산되어, 분석 엔진의 스레드 1에 제공될 수 있다.

[00312] 제 1 어레이는, 임펄스들에 의해 영향받는 모든 심볼들의 주파수 도메인 잡음 샘플들의 1초 윈도우에 걸친 평균인 임펄스 영향받은 심볼 PSD 어레이이다. 다음번 어레이는, 임펄스에 의해 영향받지 않은 모든 심볼들의 주파수 도메인 잡음 샘플들의 1초 윈도우에 걸쳐 평균된 임펄스 영향받지 않은 심볼 PSD이다. 제 3 어레이는, 임펄스들에 의해 영향받은 또는 영향받지 않은 모든 심볼들의 모든 주파수 도메인 잡음 샘플들의 1초 윈도우에 걸친 평균인, 1초 윈도우에 걸쳐 평균된 PSD이다.

[00313] 3개의 PSD 또는 대안적인 통계적 모멘트 어레이들은, 앞서 예시된 바와 같이, 연속적이고 임펄스성의 잡음 소스들의 직교 검출을 제공하기 위해, 라인 잡음 분석 엔진 스레드 1에 제공된다.

[00314] 상응하게, 임펄스 잡음 검출 능력에 대한 연속적인 잡음의 도달의 영향이 주의되어야 하는 프로세스이다. IN 분석 엔진에 제공되는 마지막 1초 INM 히스토그램 프리미티브들로의 간헐적인 연속적 잡음(intermittent continuous noise)의 현상(manifestation)은 필터링되어야 한다. 간헐적인 연속적 잡음 소스들의 필터링 프로세스는, 히스토그램 리포트에서, 500 ms를 초과하는 길이의 인접한 잡음의 도착을 무시하는 것에 있다. 또한, 이러한 연속적 잡음이 500 msec 또는 그 초과의 지속기간 동안 나타날 때, 임펄스 검출기의 감도 레벨들이 현재의 연속적 잡음 레벨로 조정되도록, 임펄스 검출기 파라미터들의 재구성이 발생된다. 이러한 구성들의 결과는, 어떠한 다른 판별기 팩터(discriminator factor)의 부재시에, 순시 파워 레벨이 약간의 마진만큼 배경 잡음의 PSD의 레벨을 초과하는 임펄스들만이 검출가능하고 임펄스 잡음 검출기에 의해 효과적으로 검출된다는 것을 보장한다. 결과적으로, INAE의 L1 스레드에 대한 L0 프리미티브는 단지, 지속적으로 검출가능한 임펄스들만을 리포팅하는데, 그 이유는, 그 임펄스들이 연속적 배경 잡음을 초과하는 특정 레벨에 있기 때문이다.

[00315] 임펄스 검출기 및 프리미티브들이 연속적 잡음의 영향으로부터 조정되는 예시 프로세스들, 및 라인 참조 잡음 및 대안적인 연속적 잡음 프리미티브들이 임펄스 없이 발생되는 프로세스가, 메트릭들의 2개의 세트들의 직교성을 보장하고, 잡음 모니터 분석 엔진(402)이 그들의 각각의 특징화 및 트랙킹을 위해 임펄스성 및 연속적 잡음 소스들과 더 독립적으로 동작하는 것을 가능하게 하는 것은 도 18 및 도 19 상에 예시된다.

[00316] 도 18은, INMIAEQ 히스토그램 및 임펄스/노 임펄스 PSD 어레이(impulse/no impulse PSD array)들을 발생시키기 위해 이용되는 임펄스 플래그를 발생시키는, 임펄스 잡음의 존재의 검출의 흐름도 설명을 도시한다. 모든 각각의 수신된 심볼 상에서, 순시 에너지 또는 슬라이서 에러(잡음 모니터링) 또는 FFT 출력(잡음 파인더)이 단계(1802)에서 모든 각각의 톤에 대해 계산된다. 예로서, 다수결 접근방식이 여기서 이용된다. 1804에서, 각각의 톤 에너지가 기준(임계치 1), 이를 테면, 이전에 추정된 배경 잡음 분산의 추정치와 비교된다. 1806에서, 순시 에너지가 임계치를 초과하는 경우, 톤은 잡음에 의해 영향받은 것으로 마킹되고, 잡음에 의해 영향받은 톤들의 수와 관련된 카운터가 1만큼 증가된다. 1808에서, 각각의 톤을 프로세싱한 후에, 영향받은 톤들의 수와 관련된 카운터가 임계치 2(이를 테면, 톤들의 총 수의 20%)를 초과하는 경우, 심볼은 임펄스에 의해 영향받은 것으로 마킹된다(임펄스 플래그 = 1). 그렇지 않으면, 심볼은 임펄스에 의해 영향받지 않은 것으로 마킹된다(임펄스 플래그 = 0).

[0317] 검출기를 연속적으로 트리거하는 연속성 잡음의 출현을 추적하기 위해, 임펄스에 의해 영향을 받은 것으로서 마킹된 연속 심볼들의 수를 카운팅하는 로컬 카운터가 도입되고, 이 카운터는 임펄스가 검출되는 매 번 증가된다. 임펄스 카운터에 의해 영향을 받은 것으로서 마킹된 연속 심볼들의 수가 임계치 3(예를 들어, SHORT 잡음의 한계인, 2000)을 초과하면, 연속성 잡음 환경이 선언되고, 이에 따라, 임펄스 검출기가 현재 연속성 잡음 상에서 트리거하는 것을 회피하기 위해 임계치 1이 증가된다. 또한, 연속성 잡음이 INMIAEQ 히스토그램의 파퓰레이션에 영향을 주지 않도록, 임펄스에 의해 영향받은 연속 심볼들에 대한 리셋 로컬 카운터는 0으로 리셋된다.

[0318] 임펄스 검출 이후에, 도 19에 도시된 바와 같이, INM 히스토그램들 및 임펄스/노(No) 임펄스 PSD를 구축하기 위해 현재 임펄스 플래그가 이용된다. 임펄스가 검출되면(임펄스 = 1), 임펄스 PSD 평균은 전류 심볼 입력을 고려한다. INMIAEQ 히스토그램을 계산하기 위해, 1902에서, 임펄스에 의해 영향을 받은 연속 심볼들에 대한 로컬 카운터가 1 만큼 증분된다. 어떠한 임펄스도 검출되지 않을 때; 어떠한 임펄스 PSD 평균 추정시에도 어떠한 임펄스 심볼도 이용되지 않을 때, 1904에서 IAT 델타 타임 로컬 카운터가 증분되는 IAT 히스토그램을 구축하기 위해, 유사한 프로세스가 행해진다.

[0319] 이러한 2개의 로컬 카운터들에 기초하여, IAT & INMIAEQ 히스토그램들이 파퓰레이팅된다. 임펄스가 검출될 때, IAT 델타 타임 로컬 카운터에 관련된 IAT 하스토그램 빈이 1만큼 증가되고 IAT 델타 타임 로컬 카운터가 0으로 리셋된다. 유사하게, 어떠한 임펄스도 검출되지 않을 때, 임펄스에 의해 영향을 받은 연속 심볼들에 대한 로컬 카운터와 관련된 INMAIEQ 히스토그램 빈이 1만큼 증가되고, 임펄스에 의해 영향을 받은 연속 심볼들에 대한 로컬 카운터는 0으로 리셋된다.

[0320] DSL 멀티캐리어 수신기 구현에서, 임펄스성 및 연속성 잡음에 대한 INM 히스토그램들 및 톤 당 통계적 모멘트와 같은 잡음 메트릭들은, 모뎀이 데이터모드 동작에 있는 동안, 송신된 유용한 DSL 신호가 데이터 심볼들에 대해 추정된 이후에, 주파수 도메인에서 획득된 슬라이서 에러 상에 구축된다. 유용한 DSL 신호가 적절하게 추정되었고 어떠한 디코딩 에러들도 데이터 심볼들의 복조/디코딩 프로세스 시에 나타나지 않는다면, 이러한 에러 샘플들은 DSL 채널 상에서의 잡음 샘플들의 충실한 재현(faithful representation)이다. 반면에, 쇼타임에 유용한 데이터 심볼들 사이에서 규칙적으로 송신된 알려진 싱크 심볼 패턴과 같은, 알려진 송신된 신호 심볼들 또는 알려진 심볼들의 시퀀스가 복조되고 있는 언제나, 계산된 에러 샘플들은 정확하며 잡음 샘플들의 신뢰도를 고려하지 않고 라인 상에서 특정 잡음 특징화에 대해 이용될 수 있다. 예를 들어, 데이터 심볼들에 단독으로 기초한 REIN 임펄스에 의해 생성된 임펄스 잡음 PSD의 파생(derivation)은, 이렇게 임팩트된 데이터 심볼들 상에서 획득된 에러 샘플들이 높은 레벨의 REIN 잡음 시나리오 하에서 슬라이싱 에러들로 인해 신뢰할 수 없을 수 있다는 가능성으로 인해 부정확하다. 대안적으로, 당업자는, REIN 환경에서, 임펄스에 의해 임팩트된 그리고 PSD 추정에 대해 수집된 오직 이러한 싱크 심볼들이 고려되고 있을 때는 언제나, 임펄스 임팩트된 심볼들의 충실한 PSD를 추정하기 위해 싱크 심볼 상에서 수집된 (그리고 ERB(Error Reporting Block)로 지칭된) 에러 샘플들을 이용할 수 있다. 임펄스 검출기의 표시자에 기초하여 싱크 심볼들 상에 에러 샘플들을 수집하는 것은, 자신의 관련 배경 잡음과 함께, 쇼타임에 주기적인 임펄스 잡음 PSD의 신뢰가능한 추정을 허용한다. 대안적인 통계적 모멘트들 및 프리미티브들이 또한, 임펄스에 의해 임팩트된 심볼들 상의 또는 임펄스들에 의해 임팩트되지 않은 심볼들 상의, 또는 한 번에 그 둘 모두 상의 싱크 심볼 에러들에 기초하여 구축될 수 있다.

잡음 파인더에 대한 L0 프리미티브의 파생

[0321] 모뎀이 쇼타임에 있지 않고 청취 모드(즉, 잡음 파인더 세션)에 있을 때마다, 임펄스 잡음 및 연속성 잡음 프리미티브들을 파퓰레이팅하는데 이용되는 샘플들은 더 이상 알려지지 않은 또는 알려진 송신된 데이터 상의 슬라이서 에러 데이터를 구성하지 않는다. 스마트 CPE의 잡음 파인더 모듈은, 모뎀이 불활성일 동안 수집되는 데이터에 주로 의존한다. 모뎀의 불활성 상태는, (라인 상의 임의의 CO TX 및 CPE TX 신호들의 부재시에) 수집된 잡음 데이터의 더 나은 정확성, 타임 도메인 샘플 및 주파수 도메인 샘플의 더 나은 신호 프로세싱, 연장된 타임 기간 동안 검출된 잡음의 프로세싱-후에 대한 우리의 처분에서의 더 많은 메모리 및 리소스를 허용한다. 임의의 유용한 데이터의 부재시에, 타임 도메인으로부터의 변환 이후에 FFT 출력에서 획득된 주파수 도메인 샘플들은 임펄스성 및 연속성 잡음 프리미티브들을 구축하기 위해 오직 필수적인 메트릭을 구성한다. 잡음 모니터 모듈(즉, 쇼타임 동안 동작하는 잡음 분석 엔진)의 쇼타임 주파수 도메인 잡음 샘플들로부터 도출된 프리미티브들과 유사하게, 잡음 파인더의 프리미티브들은 라인 언급된 잡음 프리미티브로부터의 임펄스들의 필터링을 가능하게 하고 그리고 히스토그램을 파퓰레이팅하는 임펄스 검출기에 의존한다. 프리미티브들은, 동일한 스레드 분석이 잡음 파인더 프리미티브들의 출력 상에서 구동할 수 있도록, 라인 언급된 잡음 및 임펄스 히스토그램 프리미티브들과 동일하게 형성된다.

[0322] 예시의 프로세스가 도 15와 함께 설명된다.

[0323] 나타낸 바와 같이, 본 발명의 실시예들에 따른 잡음 파인더 모듈에 대한 프로세싱(즉, 청취 모드에서 동작하는 잡음 분석 엔진)은 잡음 모니터 모듈에 대해 앞서 설명된 프로세싱(즉, 쇼타임 동안 동작하는 잡음 분석 엔진)과 유사하다. 잡음 파인더의 목적은, DSL 라인이 DSL 송신을 위해 이용되지 않고 있는 동안 DSL 라인 상에 존재하는 다양한 유형들의 잡음들을, 식별 및 분류 이후에, 나열하는 것(enumerating)으로 이루어진 잡음 모니터의 목적과 필수적으로 동일하다. 관찰의 윈도우는, 통상적으로 1분일 것이지만, 라인이 쇼타임에 있는 동안 모니터링하는 동안 통상적으로 이용되는 관찰들의 윈도우를 복제하기 위해 15분까지 연장될 수 있다. 관찰 윈도우의 출력 결과들은, 분석이 DSL 라인 상에서 DSL 신호의 존재로 인해 고통받지 않기 때문에, 그 라인 상의 잡음들의 민감도 및 가능한 한 더 많은 서명의 세부사항들과 함께, 잡음 모니터의 출력 결과들과 동일할 것이다. 추가적인 신호 프로세싱이, 이 때 DSL 데이터 프로세싱에 기여하지 않는 프로세서의 이용가능성으로 인한 더 나은 잡음 특징화를 위해 가능할 것이다. 프로세싱을 위한 입력 데이터는, 필수적으로 주파수 도메인에서 수집된 심볼 마다 에러 샘플들로 이루어지기 때문에, 잡음 모니터의 입력 데이터와 유사하다. 필요조건으로, 잡음 파인더의 데이터에 동일하게 적용하도록 잡음 모니터 AE에 대해 설계된 잡음 분석 프로세싱 스레드들의 구조가 보존된다. 동일한 분석 엔진은, 라인이 사용중에 있는지 또는 DSL 서비스를 위해 이용되지 않는지 여부에 대한 잡음 환경의 일관된 분석을 제공하기 위해 쇼타임 동안 잡음 파인더 또는 잡음 모니터로부터 데이터를 수신한다.

[0324] 도 16은, CPE 상의 잡음 파인더 세션의 구동이 보이는 SW 아키텍쳐의 상위 레벨의 설명이다. 이는, 잡음 분석 엔진과 연관된 상태 머신 및 프로세스들 그리고 특히 스레드 0이 구현되는 방법을 예시한다. 예시된 이러한 SW 아키텍쳐의 다양한 엘리먼트들은 이하와 같다.

[0325] 심볼 기반 상태 머신(1602). L0 데이터 수집은 DMA 인터럽트로부터 이용가능한 FFT 출력 데이터의 이용가능성에 의해 트리거된 심볼 기반 상태 머신 상에서 동작한다. 심볼 카운터는 싱크 심볼 및 일 초 이벤트의 프로세싱을 가능하게 할 것이다.

[0326] 임펄스 검출기(1604): 임펄스 검출기는 타임 도메인 또는 주파수 도메인 정보에 기초하여 각각의 심볼 상에서 수행된다. 이러한 임펄스 검출은, 밴드들에 걸쳐, 밴드마다 또는 서브밴드마다 행해질 수 있다. 밴드들 전체에 걸쳐 분산되고 단일 또는 멀티레벨 임계치와 비교되는 전체 톤들 또는 톤들의 서브세트의 전력을 합산함으로써, 기준 레벨(예를 들어, 배경 잡음)과 심볼 마다의 평균 전력을 비교한다. 서브밴드, 밴드의 톤들의 전력을 합산함으로써 밴드(DS1, DS2, DS3) 또는 서브밴드(16 톤들) 당 심볼 마다의 밴드, 서브밴드 마다 기준 레벨과 비교한다. 대안적으로, 각각의 톤의 분산(variance)의 비교는 임계치와 비교될 수 있고, 논리 연산이 모든 톤들의 비교 출력들에 대하여 수행될 수 있다.

[0327] QLN(Quiet Line Noise) 모니터(1606): QLN 측정은 라인 잡음 분석 엔진(404)에 대하여 유사한 프리미티브를 제공하기 위해 1 초 윈도우에 걸친 잡음의 전력의 톤 당 평균으로 이루어진다. 평균은 임펄스 검출기 플래그 또는 플래그들 상에서 조건부로 행해진다. 임펄스 검출기 플래그는, n개(n TBD) 초과의 연속 심볼들이 연속성 잡음에 의해 영향을 받는 경우에, 평균 프로세스에서 FFT 출력을 고려하도록 허용할 수 있는 최대한 삭제된 지속기간의 파라미터로 마킹될 것이다. 스레드 0에서 특정 연속적인 지속기간(예를 들어, 500msec)을 초과하는 라인 언급된 잡음으로부터의 "임펄스 이벤트들"의 마스킹되지 않음(un-masking)은, 연속적인 특성의 짧은 연속적인 잡음 소스를 캡쳐하는 것을 의미한다. 대안적인 옵션은, 긴 지속기간의 임펄스성 잡음과 짧은 연속성 잡음들 사이의 구별을 스레드 1 레벨에서 결정하기 위해 PSD의 어레이들을 ((a) 임펄스 없이 -- b) 임펄스를 가지고 -- c) 오직 임펄스만 가지고) 발생시키는 것이다.

[0328] INM 히스토그램들(1608): INM 히스토그램들은 입력으로서 임펄스 검출기 플래그를 이용하여 파퓰레이팅될 수 있다. 몇몇 검출기 플래그들이 이용가능한 경우(예를 들어, 밴드 마다, 서브밴드 마다), 수많은 상응하는 히스토그램들 또는 대안적인 타임 프리미티브들 어레이가 구축될 것이다. 쇼타임 시에 파생된 그리고 전체 밴드, 밴드 마다, 서브밴드 마다 검출기들에 기초하는 것들과 유사한 INMEQ/INMAT 히스토그램들이 분석 엔진의 스레드 1로 패싱되게 하기 위해 1 초 윈도우 동안 파퓰레이팅된다. 전체 밴드, 밴드 마다, 또는 서브밴드 마다에 기초하여 바이너리 또는 멀티레벨 검출기 플래그를 이용하여 심볼 프리미티브들(4096 심볼 어레이)에 의한 대안적인 심볼이 1 초 윈도우에 걸쳐 파퓰레이팅될 수 있다.

[0329] 비동기형 심볼 상태 머신 및 카피(1610): 상태 머신(SM)은, 심볼들의 서브세트 상에서 가능한 비동기형 프로세싱-후처리를 허용하기 위해, 1 초 윈도우 내에서 심볼들의 서브세트(크기 n)에 대한 비인접 심볼들을 카피하기 위해 제공된다. SM은, 심볼들을 카피하고, 버퍼(클리어, 버퍼링된 심볼 카운터, 버퍼 풀 표시자 플래그...)를 관리한다. 저장할 심볼들의 조건은 통상적으로, 예를 들어, 임펄스 검출기 출력(예를 들어, 밴드 마다 임펄스 검출기) 상에 의존할 것이며, 어떤 검출기의 선택 및 조건적 카피의 인에이블링은 분석 엔진의 스레드 3의 제어하에 있다. 제한된 수의 심볼들(예를 들어, 초 또는 수퍼프레임 당 10개 미만의 심볼들)이 저장된다. 버퍼링된 데이터의 관리는, SM 버퍼 풀 표시자에 의해 플래깅된 것과 같이, 저장된 또는 이용가능한 공간이 될 데이터의 양에 도달하면, 스레드 3의 제어하에 있게 된다.

[00330] 비동기식 심볼 프로세싱(1612) : 비동기식으로 저장된 심볼들의 프로세싱은 백그라운드 쓰레드(4) 프로세싱의 일부로서 수행될 수 있거나, 또는 가능한 모든 256개의 심볼들이 수행될 수 있다. 쓰레드(4) 비동기식 프로세싱의 예는, 임펄스들과 공지된 잡음 패턴들의 상관관계를 확정하기 위한, 개별 심볼들과 미리 정의된 레퍼런스 심볼 서명들(미리-저장된 파형)의 세트의 상관관계이다. 예들을 위한 임펄스들은 몇 개의 별개의 형상들 또는 파형들을 갖는 것으로 예상되는데, 이는 임펄스들이 하나, 또는 오직 몇 개의, 별개의 소스들로부터 발생하기 때문이다. 임펄스들의 서명들을 구별함으로써 개별 임펄스들 소스들 및 그들의 갯수들을 식별하기 위한 시도가 이루어진다.

[00331] 시간 도메인 데이터에 대한 액세스는, 잡음 모니터가, 잡음모니터의 시간 도메인 시점으로부터 임펄스들 잡음들을 특징화하는 것을 허용한다. 대안적으로, 주파수 도메인 샘플들의 IFFT는 임펄스 잡음을 특징화하는 시간 도메인 파형을 산출할 수 있다. 수집된 데이터 샘플들과 함께 저장된 이전에 수집된 임펄스 파형들의 체계적인 상관관계는 별개의 소스들의 갯수의 결정 및 DSL 라인에 대한 별개의 소스들의 상대적인 임팩트 레벨의 확정을 허용할 수 있다.

[00332] 임펄스의 서명을 결정하는 예시적인 프로세스는, 초기의 후보 임펄스 파형들을 저장하는 단계, 임펄스 파형들이 라인에 영향을 줄 때 새로운 임펄스 파형들을 수집하는 단계, 별개의 임펄스 잡음 소스들의 매칭을 결정하기 위해서, 새로운 임펄스 파형들과 후보 임펄스 파형들의 매칭된 필터링을 수행하는 단계, 및 초기의 후보 임펄스 파형들을 저장하는 단계를 포함한다.

[00333] 후보 임펄스 파형들의 초기 세트를 결정하는 단계를 프로세스가 포함하기 때문에, 이러한 결정은 반복적이고 시간에 걸쳐 정제된다. 후보 레퍼런스 임펄스 파형들의 초기 세트는, 임펄스 잡음 검출기들의 트리거링(triggering) 이후에 초기 관찰 시간에서 수집될 수 있다. 이러한 파형들은, DS1, DS2, 또는 DS3와 같은, 밴드의 오직 부분들로만 제한될 수 있다. 밴드에서의 개별 파형들과 서로간의 상호 비교가 무시할 만한 경우, 직교 파형들의 세트는 각각의 밴드에 대해 이러한 세트들로부터 선택된다. 직교 파형들의 남은 세트는 밴드들의 각각에 대한 후보 임펄스 파형들 세트를 구성할 것이다.

[00334] 관련된 임펄스 검출기에 의해서 결정된 바와 같이 새로운 임펄스들이 라인에 영향을 줄 때, 밴드에 대한 대응하는 주파수 에러 샘플들이 실시간으로 수집될 것이고, 레퍼런스 임펄스 파형들의 세트와 상관될 것이다.

[00335] 시간 상관관계의 프로세스가 주파수 도메인에서 고려되는 경우, 임펄스들의 도착 시간이, 임펄스들의 존재가 검출되는 DMT 심볼 내에서 변할 수 있는 동안에 시간 도메인에서 임펄스들을 상관하는 프로세스는, 이하에 예시된 것과 같이, 논의중인 밴드에 걸쳐 톤 대 톤(tone to tone) 곱셈을 수행함으로써 간략화될 수 있다.

여기에서, Y는 논의중인 밴드의 수집된 데이터 샘플들의 주파수 도메인 데이터 샘플들이다. X*는 본의중인 밴드의 레퍼런스 임펄스 파형 중 하나의 주파수 도메인 데이터 샘플들의 켤레(conjugate)이다. 역(inverse) FFT는 시간 도메인에서의 상관관계의 측정을 제공한다. 그러면, 상관관계의 피크의 진폭은 레퍼런스 임펄스 파형들 자체의 자동상관관계의 피크의 진폭과 비교된다. 그러면, 매칭 프로세스의 결정은, 샘플링된 파형의 상관관계의 피크의 상대적인 진폭들과 모든 가능한 후보 레퍼런스 파형들 및 이들의 자동상관관계 피크들의 진폭의 비교에 의존할 것이다. 동일한 소스로부터 기원되는 임펄스들의 발생은 상당히 일정한 정도일 것으로 예상되기 때문에, 입력 데이터 전력의 정규화 프로세스는 필요하지 않을 수 있다. 특정 예상되는 범위 내에서 상관관계의 피크의 진폭에 기초한 구별은 이미, 레퍼런스 임펄스의 존재의 척도이다. 대안적으로, 상관관계의 피크의 폭은 레퍼런스 임펄스와의 높은 상관관계를 확정하는 데에 사용될 수 있다. 이는, 수집된 임펄스 잡음 데이터의 임펄스 반응이 DMT 심볼의 경계를 가로질러 떨어질 때마다 필요할 수 있다. 매칭된 필터링 프로세스의 출력은 또한, 레퍼런스 후보 파형에 대한 샘플링된 파형의 상대적인 오프셋에 관한 정보를 산출하는 피크 포지션을 제공할 수 있고, 이러한 정보는 또한, 구별 프로세스에서 사용될 수 있다.

[00336] 상관관계 프로세스의 출력은, 논의중인 밴드에서 관찰된, 각각의 별개의 임펄스 잡음 소스들에 대응하는 후보 임펄스 파형들의 어레이이다. 임펄스 파형이 관찰 윈도우에서 한번 또는 두번 초과하여 관찰되는 경우, 임펄스 파형은 논의중인 것으로 지정된다. 그게 아니면, 임펄스 파형은 단발성 이벤트로서 여겨지고 폐기될 것이다. 후보 임펄스 파형들의 어레이와 연관되어, 각각의 저장된 임펄스 잡음 파형에 대해 관찰 윈도우에 걸쳐 히트 카운트 숫자가 유지된다. 이러한 히트 카운트 숫자는, 현재의 1초 윈도우 내의 연관된 임펄스의 결정을 위해, 분석 엔진의 쓰레드(1)에 기초하여 초당(per second) 제공된다.

[00337] 싱크 심볼 SM 및 복사본(1614) : 쇼타임 잡음 모니터와 양립하기 위해서, 특정 프로세싱이 모든 256개의 심볼들(싱크 심볼 에러라고도 알려진)마다 한번 잡음 탐색기에서 시행된다. 이는, 싱크 심볼들에 적용될 수 있는 서명 스킴(scheme)의 전개(development)를 가능하게 한다; 그 예는 FEXT 프리 라인 잡음 파생일 수 있다. 상태 기계(state machine)는 모든 싱크(256^th) 심볼을 복사하고 특정 프로세싱: 예를 들어, N개의 싱크 심볼들 ― 여기에서 N(예를 들어, 256)은 쓰레드(3)의 제어 하에 있음 ― 의 하이퍼프레임 지속기간에 걸쳐 싱크 심볼들의 체계적인 평균을 가능하게 한다. 평균, 싱크 심볼들의 카운트 횟수를 초기화하고 분석 엔진의 더 높은 쓰레드들에 의한 소비를 위해 계산의 출력을 결과들의 듀얼 출력 버퍼에 위치시키도록 로직이 디자인된다.

[00338] STATSN(싱크 심볼 프로세싱)(1616) : 잡음의 다른 통계들은, 모든 싱크 또는 톤 기준 당 256^th DMT 심볼에 대해서 FFT 출력 데이터에 대한 평균 전력 너머로 계산될 수 있다. 통계들(STATSN으로 지칭됨)은 잡음의 전력 미터법 너머의 잡음 통계들의 특성화를 허용한다. 이러한 통계들은 잡음의 특정 서명을 파생시키기 위해 논의된다. 통계들의 파생이 MIPS 고비용일 것으로 예상되기 때문에, 제안은, 오직, 심볼들의 서브셋에 대해서만, 그러므로 모든 256^th 심볼들에 대해서만 계산을 수행하는 것이다. 프로세싱은, 평균과 분산의 체계적인 평균, 더 고차의 모멘트들(첨도, 비대칭도), X/Y 상호비교, 및, 또한 "크라운 비율(crown ratio)"로 지칭되는, 반경의 분산에 걸친 잡음 무리(constellation)의 추정된 반경의 전력의 비율 및 무리의 반경 추정으로 구성될 수 있다.

[00339] PSD에 대해서와 같이, 프로세싱의 2개의 출력들이 수집될 수 있다 : 하나는 임펄스 영향받지 않은 싱크 심볼들에 대해서 그리고 하나는 임펄스 영향받은 싱크 심볼들에 대해서. 다수의 임펄스 검출기들을 사용할 가능성(예를 들어, 밴드 검출기 당)에 기초하여, 임펄스 영향받은 심볼들에 대한 밴드들의 프로세싱은 3개의 밴드들에 대해서 동일한 심볼들 상에 수행되지 않을 수 있다. 톤 어레이들 당 STATN 의 프로세스는 특정 잡음의 존재의 검출을 위해 쓰레드(1)에서 이루어지거나, 또는 특정 잡음 시크니처의 결정을 위해 쓰레드(4)에서 이루어진다. "크라운 비율" 어레이에 관한 그러한 사용의 예 : AM 라디오들과 같은 특정 잡음 소스들은 잡음들이 방해하는 연관된 톤들의 FFT 출력에서의 잡음 샘플들의 분배들의 크라운 효과를 유도한다. "크라운 비율" 미터법의 스레스홀딩에 기초한 쓰레드(1)의 검출기는 가우시안 광대역 배경 잡음에서 AM 라디오들의 우수한 검출기를 구성한다. 또한, "크라운 비율" 미터법은 광대역 또는 협대역 잡음의 잡음 서명을 파생시키는 데에 사용될 수 있다. 예로서, 트레드밀 DC 모터 PCM 전류 인젝터와 연관된 16kHz 펄스 트레인은 톤 당 "크라운 비율" 어레이에서, 기저의 16kHz 반복 트레인이 쉽게 파생될 수 있는 반복 패턴을 생성한다. 다수의 기초 주파수에서의 높은 "크라운 비율"은 또한, 결정적 버스트들의 반복을 드러낸다.

[00340] 1초 상태 기계(1618) : 잡음 모니터의 실시예들에서, 분석 엔진은 초당 상태 기계 상에서 동작한다. 1초 틱(tick)은 동등한 4k 심볼들 카운터 상에서 계산된다.

[00341] 잡음 탐색기(L0) 쓰레드에 의해서 생성된 모든 원형들(primitives)이, LNAE(404) 및 INAE(406)에 대한 잡음 모니터(L0) 쓰레드에 의해서 데이터 모드에서 생성된 원형들과 동일한 것은 아니기 때문에, 이에 따라서 인터페이스가 이루어진다. 목적은, 잡음 모니터가 유사한 L0 입력 원형들로 제공하는 것과 동일한 기능성을 가능하게 하는 것이다.

[00342] 잡음 분석 엔진의 쓰레드들(1 내지 5)(1620) : 도 15에서 도시된 바와 같이, 잡음 탐색기의 원형들과 동등한 QLN 및 INM의 프로세싱은 쇼타임 잡음 모니터 분석 엔진(402)과 연관된 동일한 L1 및 L2 분석 엔진들로 바람직하게 수행된다. 1초 상태 기계는, QLN 및 INM 데이터를 매 초마다 폴링(poll)하고 이들을, 데이터모드에서 잡음들의 검출 및 계층화를 위해 구현된 동일한 5 쓰레드 프로세스로 프로세싱하도록 구현된다. 잡음 탐색기가 상이한 또는 부가적인 L0 원형들을 가질 수 있기 때문에, 분석 엔진(402)의 쓰레드(1내지 4)는 이러한 새로운 원형들의 이점을 취하도록 확장될 수 있다. 또한, 안정성 카운터들과 같은 DSL 링크 통계들은 잡음 탐색기 세션 동안에는 수집되지 않는다. 잡음 탐색기 프로세스의 출력은 잡음 모니터들로 생성된 것과 동일한 방식으로 잡음 데이터베이스를 채우는(populate) 잡음 기록들의 세트이다. 15분 기록의 등가물은 잡음 탐색기 세션의 지속 기간 동안 생성되고, 이는 몇 초 내지 몇 분 또는 그 초과 동안 지속될 수 있다. 등가의 15분 기록은 타임 스탬핑되고, 다음 DSL 연결에서 쇼탸임에 도달하는 모뎀에 따라 클라우드 데이터베이스로 업로딩될 것이다.

배선 모니터링을 위한 임베딩형 진단 애플리케이션

[00343] 도 12에 도시된 바와 같이, 스마트CPE(1202)의 실시예들은 배선 모니터 모듈을 포함한다. 배선 모니터 모듈의 예시적인 목적들은, 쇼타임 동안, 가능한 배선 장애의 진화(직접 또는 에코 경로의 느리거나 갑작스런 변화), 예컨대 케이블의 온도 상승으로 인한 감쇠의 진화, 또는 느슨한 접속에 따른 에코의 갑작스런 증가를 모니터링하는 것, 및 모뎀이 시동(start up)하는 동안 또는 쇼타임 동안, 시동들 사이의 변화들을 추적하기 위해 채널(직접 경로, 에코 경로)의 분석을 수행하는 것을 포함한다.

[00344] 두번째 목적은, 라인이 리트레이닝할 때마다 시동 이전에 체계적으로 수행되고, SELT 및 DELT 세션들, 및 그들의 사후-분석의 총 지속기간 동안 라인을 서비스에 이용가능하지 않게 유지하는 "SELT/DELT 배선 인스펙터" 세션과 연관된 중단을 완화하려 시도하는 것이다. "배선 모니터" 모듈 세션은 다운 타임(down time)을 부가하지 않으며, 리트레인을 유도하는 배선 실패 이벤트들에 대해, 리트레인을 유도한 배선 장애의 특성화는, 장애가 남아있다면 다음 시동에서 특성화 될 것이고, 라인 리트레인 이벤트에 앞서 그것이 아직 진단되지 않았음이 제공될 것이다.

[00345] 본 발명의 실시예들에서의 배선 모니터 모듈은, "배선 인스펙터" 모듈의 치환이 아니며, 배선 인스펙터 모듈은, 라인이 접속할 수 없을 때(예를 들어, 라인 컷(line cut))마다, 또는 CPE가, SELT 및/또는 DELT 세션의 지속기간 동안 라인을 다운으로 유지할 수 있는 중단(disruptive) 유지 모드에 진입하도록 허용될 때마다 여전히 인보크(invoke)될 수 있다.

[00346] 배선 모니터 모듈의 2개의 사용 경우들이 후술된다

[00347] 쇼타임 사용 경우는, 모뎀이 동작(쇼타임) 중인 동안 모뎀 동작에 영향을 주는 배선 토폴로지의 느리거나 갑작스런 변화를 추적하기 위한 것이다. 잡음 모니터와 다르지 않게, 상이한 중요도(gravity) 레벨의 2개의 상황들, 즉, DSL 라인의 안정도만을 열화시키고, 잡음 마진의 감소, CV들, ES,...의 출현들을 야기하는 배선 조건들의 변화들; 라인의 안정도에 치명적으로 영향을 주고, 리트레인의 원인인 배선 조건들의 변화들이 기대된다. 이러한 카테고리에 속하도록 기대될 배선 조건 변동들의 예들은, 1) 루프의 온도 변동으로 인한 직접 및 에코 채널 감쇠의 느린 진화 - 2) 인지된 원단 신호 및 에코 전력 신호 레벨들에 간헐적으로 영향을 주는 갑작스런 배선 접속 변화(불량한 접착, 느슨한 접속기)이다. 이들 변화들을 추적하기 위해, 2개의 프리미티브들, 즉, RX 신호 전력 및/또는 DS RX 대역 RX 신호의 크기 및 위상 프리미티브; 및 에코 신호 전력 및/또는 US TX 대역 TX 신호의 크기 및 위상 프리미티브가 초당 기반으로 모니터링될 것이다. 인접한 초에 걸친 이들 프리미티브들의 진화는, 갑작스런 배선 접속도 문제들의 검출을 가능하게 하지만, 분 또는 시간에 걸친 관측은, 배선 변화들의 느린 진화를 추적 및 로깅할 능력을 제공할 것이다.

[00348] 시동 사용 경우는, 시동 시 배선 토폴로지를 분석하고, 이전 시동 배선 모니터 세션 또는 이전 기준 배선 인스펙터 세션에 관해 진화된 것이 어느 정도인지 결정하기 위한 것이다. 시동 시 모니터링될 수도 있는 프리미티브들은, 주파수 또는 시간 도메인에서의 Hlog, Hlin(DS) 또는 대응하는 임펄스 응답, 및 정규화된 에코 응답이다(즉, AGC 이득, 및 Tx 및 Rx 심볼 경계 변화들에 의해 야기된 지연과 같은 Rx경로 구성 변화들로 정규화됨). 배선 모니터 프로세스는, 수집된 프리미티브들을 이전 시동에서 획득된 프리미티브들과 비교하고, 주어진 임계치를 넘는 임의의 변화를 플래깅한다. 또한, 배선 모니터 프로세스는, 그 프리미티브들을, DELT-Hlog 및 SELT-UER 분석 엔진과 유사한 분석 엔진 모듈에 통과시키며, 여기서, 입력은, R-P-라인 프로브 시그널링 동안 전용 대역 어디에서든 또는 탐색 또는 트레이닝 동안의 시동 시, 관련있는 U0, U1, U2 대역에서만 캡쳐된 에코 또는 (US+DS Hlog가 아닌) DS Hlog 중 어느 하나로 제한될 것이다. 이러한 분석의 출력은, 프로빙 신호들의 대역 제한(Hlog에 대한 DS, 및 라인-프로브에 대한 US), 및/또는 시그널링의 지속기간(SELT UER보다 현저히 적음), 및/또는 송신 신호 레벨들의 제약(예를 들어, UPBO) 중 어느 하나로 인해 배선 인스펙터보다 가급적 적은 정확도로 배선 인스펙터 세션(루프 길이 추정, BT 탭 검출 등)에 의해 획득된 것과 유사한 정보를 제공한다. 이러한 정확도에 상관없이, 시동 시 배선 모니터의 목적은, 중단 방식으로 SELT 및 DELT를 사용하여, 배선 조건들을에서의 변화들을 검출하고, 배선 인스펙터 세션에 의해 추가적으로 특성화될 수 있는 배선의 가능한 변화의 제 1 표시를 제공하는 것이다.

[00349] 도 17은 본 발명의 실시예들에 따른, 배선 모니터의 "쇼타임" 요건들을 구현하기 위한 예시적인 프로세스를 도시한다. 도 17에 도시된 바와 같이, 그것은, 위에서 더 상세히 설명된 잡음 모니터 프로세싱과 동일한 6개의 스레드 구조로 조직화된다. 흐름도의 좌측의 프로세싱(1702)은, 잡음 분석 엔진과 연관된다. 흐름도의 우측의 프로세싱(1704)은, 배선 모니터링 분석 엔진과 연관된다. 분석 엔진들 둘 모두는, 리트레인 이벤트 시, 환경 잡음 변화 또는 배선 변화가 리트레인의 소스인지를 결정하는 리트레인 이벤트 프로파일링 분석 엔진(1706)에 상호접속된다.

[00350] 배선 모니터의 관련 스레드들(1704)이 상세히 후술된다.

[00351] 가장 낮은 스레드는 L0 데이터 수집이다. 그것은 반복적인 스레드이고, 유일한 목적은 FW/HW로부터 원시 L0 데이터를 리트리브하는 것이며, 원시 L0 데이터 상에서 분석이 수행될 것이다. 데이터(그 데이터 상에서 검출이 수행될 것임)의 리트리벌의 이러한 스레드의 특성들은, 특정된 가장 작은 시간 입상도(granularity), 예컨대 동기 심볼 레이트; 다음에 즉각적인 스레드의 검출 프로세스가 수행될 1차(primary) 데이터 타입의 수집; 배선 변화의 스레드 4 서명 추정에 대해 스레드 3 데이터 수집 프로세스가 수행될 2차 데이터 타입의 수집이다.

[00352] 스레드 0은, 초당 한번 또는 더 고속의 레이트에서의 상태 머신 폴링 요구 상태들로서 구현될 수 있다. 폴링된 프리미티브들은 다음과 같다.

[00353] SATN-pb: 대역당 신호 감쇠는 m번째 DS 대역에서의 신호 감쇠의 측정이다.

[00354] LOS 결함: 신호 손실 결함은, 수신기에서 수신되는 원단 원격 신호의 부재 또는 손실을 리포팅하는 전용 결함이다. 이러한 결함의 진화의 모니터링은, CO와 CPE 사이의 임의의 포인트에서의 라인 중단의 양호한 표시일 것이다. 에코 표시자: 에코 표시자는, (US 톤들의 서브세트에 걸친 에코의 전력과 같은) TX 에코 신호의 전용 메트릭이다. 쇼타임 동안 이러한 메트릭의 진화를 모니터링하는 것은, 에코 전력 변화가 CPE에 영향을 미치는 임피던스의 변화에 의해 야기될 것이므로, CPE에 근접한 포인트에서의 라인 중단의 양호한 표시일 것이다.

[00355] Hlog/Hlin: Hlog/Hlin은, FFT 출력 신호 전력으로부터 또는 FEQ 계수 위상 및 크기를 통해 간접적으로 도출될 수 있다. 그것은, DS 대역들에서의 톤 당 직접 채널 감쇠의 정확한 표시를 제공한다. Hlog/Hlin의 분석 또는 그것의 IFFT 변환은, 루프 토폴로지의 추정을 제공하도록 도울 수 있다. Hlog/Hlin 전달 함수 또는 그것의 대응하는 시간 도메인 임펄스 응답을 모니터링하는 것은, 시간에 걸친 온도로 인한 직접 채널 전달 함수의 변화에 관한 정보를 제공한다. FEQ 계수들에 기초하여 계산된 Hlog는, FEQ가 동결되거나, 느슨한 접속이 순간적으로 유도할 수도 있는 즉각적인 채널 감쇠를 평균 낼 수 있다면, 느슨한 접속에 대해서와 같은 루프 조건들에서의 갑작스런 변화의 검출을 허용하거나 허용하지 않을 수도 있다. Echolog/Echolin(에코): Echolog/Echolin은, FFT 출력 신호 전력 또는 EC 계수들 위상 및 크기를 통해 간접적으로 도출될 수도 있으며, US 대역들에서의 톤 당 에코 채널 감쇠의 정확한 표시를 제공한다. 에코의 분석 또는 그것의 IFFT 변환은, SELT-UER과 동일한 방식으로, 루프 토폴로지의 추정을 제공하도록 도울 수 있다. 에코 전달 함수 또는 그것의 대응하는 시간 도메인 임펄스 응답을 모니터링하는 것은, 시간에 걸친 온도로 인한 에코 채널 전달 함수에서의 변화에 관한 정보를 제공한다.

[00356] 배선 모니터(1704) 스레드 1은, 배선 프리미티브들에서 배선 이벤트가 발생했는지를 검출하는 프로세스이다. 일반적으로, 배선 이벤트는, 주어진 임계치를 초과하는 배선 파라미터의 값, 또는 추적되기 시작한 배선 프리미티브에서의 특성의 존재, 즉 큰 에코 신호로 이루어질 수도 있다.

[00357] 배선 모니터(1704) 스레드 2는, 잡음 이벤트에서, 모든 범용성에서 어느 것이 배선 파라미터에 관해 한정될 수 있는지, 또는 배선 프리미티브의 특성의 진화를 검출하는 잔존(persistence) 테스트이다. 각각의 예는, 연속적 초 동안 스레드 1 상에서 검출된 LOS 신호의 잔존이다. 에코 전력 프리미티브 상에서의 에코 레벨의 점진적 진화는, 몇 시간에 걸친 루프의 온도 변화에 후속한다. 잡음 모니터링과 유사하게 배선 이벤트 데이터베이스가 생성되며, 이에 대해, 회귀(recurrent) 배선 이벤트들이 24 시간의 코스에 걸쳐 매칭된다.

[00358] 프로세싱(1704) 스레드들 1 및 2의 결과들에 기초하여, 배선 모니터 스레드 3은, 배선 이벤트의 서명의 추가적인 특성화를 위해 스레드 4에 제공되는 부가적인 정보를 수집한다. 예를 들어, 카운터들의 정보가, 검출된 배선 이벤트와 연관되도록 페칭(fetch)될 수 있다.

[00359] 배선 모니터(1704) 스레드 4는, 배선 이벤트를 한정하고 이러한 이벤트에 대한 서명을 추출한다. 그러한 특성화의 예는, 하루의 코스에 걸친 최소 및 최대 Hlog 감쇠를 결정하기 위한 15분 윈도우에 걸친 루프의 Hlog 감쇠의 로깅이다.

[00360] 리트레인 모니터 로직과 협력하여, 스레드 5는, 배선 이벤트에 의해 야기된 가능한 리트레인에 대한 이유를 결정한다. 또한, 스레드 5는, 15분 윈도우 내에서 발생하는 배선 이벤트들의 리포트를 제공하고, 1분 히트(hit) 및 1분 지속기간 카운터들을 잡음 모니터 모듈의 카운터들과 동일한 방식으로 파퓰레이팅한다.

[00361] 본 발명은, 본 발명의 바람직한 실시예들을 참조하여 구체적으로 설명되었지만, 형태 및 세부사항들에서의 변경들 및 변형들이 본 발명의 사상 및 범위를 벗어나지 않으면서 이루어질 수도 있다는 것이 당업자들에게 용이하게 명백해야 한다. 첨부된 청구항들은 그러한 변경들 및 변형들을 포함함이 의도된다.

Claims

CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 통신들에 영향을 미치는 잡음에 관한 정보를 수집하고, 주파수, 시간 및 지속성의 차원들에 따라 상기 잡음을 분류하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함하는, CPE 장치.
제 1 항에 있어서,
상기 잡음은, 협대역 간섭자 및 광대역 간섭자 중 하나로서 분류되고, 임펄스형 및 연속형 중 하나로서 추가로 분류되는, CPE 장치.
제 2 항에 있어서,
상기 통신들은 DSL 송신 시스템을 포함하는, CPE 장치.
제 2 항에 있어서,
상기 통신들은, COAX를 통한 멀티-미디어, HPNA, IEEE P1901, HPAV, ITU-T G.hn. 중 하나인 유선 송신 시스템을 포함하는, CPE 장치.
제 2 항에 있어서,
상기 임베디드 잡음 분석 엔진은, 분류된 잡음의 출현 및 소멸을 추가로 추적하고, 지속성 차원에서의 분류는, 상기 잡음을 영구적, 간헐적 및 진화 중 하나로서 분류하는 것을 더 포함하는, CPE 장치.
제 5 항에 있어서,
상기 임베디드 잡음 분석 엔진은, 상기 통신들에 영향을 미치는 복수의 잡음 소스들 중 하나로서 상기 잡음의 구성에 대한 설명적 구조를 포함하는 출력을 추가로 생성하는, CPE 장치.
제 5 항에 있어서,
상기 임베디드 잡음 분석 엔진은 잡음 소스들 각각의 존재와 연관된 15분 카운터 리포트를 포함하는 출력을 추가로 생성하는, CPE 장치.
제 7 항에 있어서,
상기 15분 카운터 리포트는 상기 잡음 소스들 각각의 영향의 지속기간에 관한 정보를 포함하는, CPE 장치.
제 8 항에 있어서,
상기 잡음 소스들의 영향의 지속기간 정보는 각각의 1분 인터벌에 걸친 상기 잡음 소스들의 히트들의 수를 카운팅하는 1분 카운터를 포함하는, CPE 장치.
제 8 항에 있어서,
개별적인 상기 잡음 소스들의 영향의 지속기간 정보는, 상기 잡음 소스들이 1분 인터벌에 걸쳐 존재하는 것으로 선언되는 초들의 수를 카운팅하는 1 분 카운터를 포함하는, CPE 장치.
제 1 항에 있어서,
상기 임베디드 잡음 분석 엔진은, 상기 분류에 기초하여 임베디드 잡음 서명 데이터베이스를 유지하는, CPE 장치.
제 11 항에 있어서,
상기 임베디드 잡음 서명 데이터베이스는 상기 잡음에 대해 매초마다 업데이트되는, CPE 장치.
제 11 항에 있어서,
상기 임베디드 잡음 서명 데이터베이스의 전체 컨텐츠는 비동기식으로 또는 주기적으로 업데이트되는, CPE 장치.
잡음을 분류하는 방법으로서,
통신들에 영향을 미치는 잡음에 관한 데이터를 수집하는 단계;
수집된 데이터를 이용하여 상기 잡음을 검출하는 단계;
상기 잡음의 지속성을 결정하는 단계;
상기 잡음의 서명을 결정하는 단계; 및
상기 잡음의 리포트를 로깅(logging)하는 단계를 포함하는, 잡음을 분류하는 방법.
제 14 항에 있어서,
상기 잡음은 라인 잡음이고, 상기 데이터는 라인 잡음 프리미티브를 포함하는, 잡음을 분류하는 방법.
제 14 항에 있어서,
상기 잡음은 임펄스 잡음이고, 상기 데이터는 임펄스 잡음 프리미티브를 포함하는, 잡음을 분류하는 방법.
제 14 항에 있어서,
상기 수집된 데이터는, INM 히스토그램들, 라인 참조 잡음, 슬라이스된 심볼 에러들 및 G.ploam 카운터들을 포함하는 PHY 프리미티브들을 포함하는, 잡음을 분류하는 방법.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 통신들에 영향을 미치는 잡음 이벤트에 관한 정보를 수집하고, 상기 잡음 이벤트를 잡음 서명들의 내부 데이터베이스에 대해 상관시키는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함하는, CPE 장치.
제 18 항에 있어서,
상기 상관은, 상기 잡음 이벤트의 1차 서명에 기초하는 퍼지(fuzzy)/비교 로직을 이용하여 수행되고, 상기 1차 서명은, 중심 주파수, 대역폭, 임펄스 반복 레이트를 포함하는, CPE 장치.
제 18 항에 있어서,
상기 상관은, 잡음의 2차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 2차 서명은 기본적인 펄스 레이트를 포함하는, CPE 장치.
제 18 항에 있어서,
상기 상관은 타이밍 정보에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 타이밍 정보는 상기 잡음 이벤트의 출현 또는 소멸의 시간을 포함하는, CPE 장치.
시스템으로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 통신들에 영향을 미치는 잡음의 15분 레코드들을 생성하는 CPE 장치에서의 잡음 모니터 애플리케이션; 및
상기 레코드들을 수신하고 상기 잡음의 상관을 수행하는 클라우드-기반 애플리케이션을 포함하는, 시스템.
제 22 항에 있어서,
상기 상관은 단일 CPE 장치에 대한 시간에 걸쳐 수행되는, 시스템.
제 23 항에 있어서,
잡음 데이터베이스를 더 포함하고, 상기 상관은, 24시간 윈도우에 걸쳐 상기 데이터베이스 내의 상기 잡음의 고유 식별자 ID에 기초하여 수행되는, 시스템.
제 23 항에 있어서,
잡음 데이터베이스를 더 포함하고, 상기 상관은 상기 데이터베이스 내의 상기 잡음의 공통 합성 잡음 식별자에 기초하여 수행되는, 시스템.
제 23 항에 있어서,
상기 상관은, 잡음의 1차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 1차 서명은, 중심 주파수, 대역폭 및 임펄스 반복 레이트를 포함하는, 시스템.
제 23 항에 있어서,
상기 상관은, 상기 잡음의 2차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 2차 서명은 기본적인 펄스 레이트를 포함하는, 시스템.
제 23 항에 있어서,
상기 상관은, 타이밍 정보에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 타이밍 정보는 상기 잡음과 연관된 분당 히트 또는 지속기간 카운터들을 포함하는, 시스템.
제 22 항에 있어서,
상기 상관은 다수의 CPE 장치에 걸쳐 수행되는, 시스템.
제 29 항에 있어서,
상기 상관은, 상기 잡음의 1차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 1차 서명은, 중심 주파수, 대역폭 및 임펄스 반복 레이트를 포함하는, 시스템.
제 29 항에 있어서,
상기 상관은, 잡음의 2차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 2차 서명은 기본적인 펄스 레이트를 포함하는, 시스템.
제 29 항에 있어서,
상기 상관은, 타이밍 정보에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 타이밍 정보는 상기 잡음과 연관된 분당 히트 또는 지속기간 카운터들을 포함하는, 시스템.
제 32 항에 있어서,
상기 타이밍 정보는, 상기 CPE 장치에 의해 생성된 잡음의 15분 레코드와 연관된 타임 스탬프 및 분당 히트 또는 지속기간 카운터들로부터 유도되는, 시스템.
제 32 항에 있어서,
상기 상관은, 알려진 외부의 인공적 또는 환경적 이벤트들에 대해 수행되는, 시스템.
제 29 항에 있어서,
상기 상관은 외부 정보를 이용하여 수행되고, 상기 외부 정보는 케이블 바인더 정보 또는 공간적 위치를 포함하는, 시스템.
제 22 항에 있어서,
실제 잡음 소스들의 데이터베이스를 더 포함하고, 상기 상관은 상기 데이터베이스에 대해 수행되는, 시스템.
제 36 항에 있어서,
상기 상관은, 상기 잡음의 1차 서명에 기초한 퍼지/비교 로직을 이용하여 수행되고, 상기 1차 서명은, 중심 주파수, 대역폭 및 임펄스 반복 레이트를 포함하는, 시스템.
제 36 항에 있어서,
상기 상관은, 잡음의 2차 서명에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 2차 서명은 기본적인 펄스 레이트를 포함하는, 시스템.
제 36 항에 있어서,
상기 상관은, 타이밍 정보에 기초하는 퍼지/비교 로직을 이용하여 수행되고, 상기 타이밍 정보는 상기 잡음과 연관된 분당 히트 또는 지속기간 카운터들을 포함하는, 시스템.
제 39 항에 있어서,
상기 타이밍 정보는, 상기 CPE 장치에 의해 생성된 잡음의 15분 레코드와 연관된 타임 스탬프 및 분당 히트 또는 지속기간 카운터들로부터 유도되는, 시스템.
제 36 항에 있어서,
상기 상관은, 알려진 외부의 인공적 또는 환경적 이벤트들에 대해 수행되는, 시스템.
제 36 항에 있어서,
상기 상관은 외부 정보를 이용하여 수행되고, 상기 외부 정보는 환경적 정보 또는 공간적 위치 정보를 포함하는, 시스템.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 통신들에 영향을 미치는 잡음 이벤트에 관한 정보를 수집하고, 상기 정보에 기초하여 상기 잡음 이벤트에 대한 연속적 잡음 네트릭 및 임펄스 잡음 메트릭 중 하나를 확립하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함하는, CPE 장치.
제 43 항에 있어서,
상기 하나의 메트릭은 매초마다 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 연속적인 잡음 메트릭은, 상기 정보에서 데이터에 영향을 미친 임펄스 잡음을 폐기함으로써 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 임펄스 잡음 메트릭은, 상기 정보에서 데이터에 영향을 미친 연속적인 잡음을 폐기함으로써 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
임펄스 잡음 검출기를 더 포함하고, 상기 연속적 잡음과 연관된 파라미터들을 유도함으로써 상기 임펄스 잡음 검출기에 의해 임펄스 잡음이 검출되는, CPE 장치.
제 43 항에 있어서,
상기 하나의 메트릭은, 영향받은 통신들에서 데이터 심볼들에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 하나의 메트릭은, 영향받은 통신들에서 동기 심볼들에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 하나의 메트릭은, 영향받은 통신들에서 침묵 심볼들에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 연속적인 잡음 메트릭은, 수집된 정보에서 주파수 도메인 샘플들의 전력의 평균에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 연속적인 잡음 메트릭은, 수집된 정보에서 주파수 도메인 샘플들의 모멘트의 평균에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 연속적인 잡음 메트릭은, 수집된 정보에서 주파수 도메인 샘플들의 추정된 크라운(crown) 비에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 임펄스 잡음 메트릭은, 수집된 정보에서 주파수 도메인 샘플들의 전력의 평균에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 임펄스 잡음 메트릭은, 수집된 정보에서 주파수 도메인 샘플들의 모멘트의 평균에 기초하여 컴퓨팅되는, CPE 장치.
제 53 항에 있어서,
상기 임펄스 잡음 메트릭은, 상기 주파수 도메인 샘플들의 대역당, 서브대역당 또는 어그리게이트 평균에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 임펄스 잡음 메트릭은, 수집된 정보에서, 임펄스 길이 히스토그램 또는 임펄스 도달간격 시간 히스토그램에 기초하여 컴퓨팅되는, CPE 장치.
제 44 항에 있어서,
상기 임펄스 잡음 메트릭은, 1초 인터벌에 걸쳐 영향받은 통신들에서 심볼들에 영향을 미친 임펄스를 레코딩하는 어레이에 기초하여 컴퓨팅되는, CPE 장치.
제 58 항에 있어서,
심볼들에 영향을 미친 임펄스의 레코딩된 어레이는 미리 정의된 패턴들에 대해 매칭되는, CPE 장치.
제 43 항에 있어서,
상기 임펄스 잡음 메트릭은 시간 도메인 검출기 출력에 기초하여 컴퓨팅되는, CPE 장치.
제 43 항에 있어서,
상기 하나의 메트릭은, 영향받은 통신들로부터의 시간 도메인 샘플들 또는 주파수 도메인 심볼들로 이루어지는, CPE 장치.
제 61 항에 있어서,
상기 하나의 메트릭은 미리 정의된 패턴들에 대해 매칭되는, CPE 장치.
제 55 항에 있어서,
상기 평균은 상기 하나의 메트릭을 이용하여 검출된 각각의 임펄스 잡음에 대해 컴퓨팅되는, CPE 장치.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 송신 라인이 서비스되는 동안 잡음에 관한 정보를 수집하고, 상기 정보에 기초하여 상기 잡음의 분류를 수행하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함하는, CPE 장치.
제 64 항에 있어서,
상기 잡음 분석 엔진은 상기 분류에 기초하여 상기 잡음과 연관된 라인 리트레이닝에 대한 원인에 대해 리포팅하는, CPE 장치.
제 64 항에 있어서,
상기 송신 라인은 DSL 링크를 포함하고, 상기 잡음의 분류는 상기 DSL 링크의 품질에 대한 잡음의 영향의 추정을 포함하는, CPE 장치.
제 66 항에 있어서,
상기 영향의 추정은, 상기 잡음의 존재 동안 누적된 어그리게이트 에러 카운트를 포함하는, CPE 장치.
제 67 항에 있어서,
상기 영향의 추정은, 검출된 잡음의 관심있는 대역에서의 추정된 마진 손실을 포함하는, CPE 장치.
제 67 항에 있어서,
상기 영향의 추정은 어그리게이트 채널 용량 추정을 포함하는, CPE 장치.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 송신 라인이 서비스되지 않는 동안 잡음에 관한 정보를 수집하고, 상기 정보에 기초하여 상기 잡음의 분류를 수행하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진을 포함하는, CPE 장치.
제 70 항에 있어서,
상기 정보는, 송신 라인이 서비스되는 동안 수집된 정보의 레이트와 동일한 레이트로 수집되는, CPE 장치.
제 70 항에 있어서,
수집된 정보는 임펄스 데이터를 포함하고, 상기 임베디드 잡음 분석 엔진은, 상기 임펄스 데이터를 이전에 캡쳐된 또는 알려진 기준 데이터에 대해 상관시킴으로써 분류를 수행하는, CPE 장치.
제 72 항에 있어서,
상기 상관은, 상기 임펄스 데이터의, 미리 정의된 임펄스 잡음 카테고리들로의 분류를 허용하는, CPE 장치.
제 70 항에 있어서,
상기 임베디드 잡음 분석 엔진은, 복수의 잡음 소스들 각각의 존재와 연관된 리포트를 추가로 제공하고, 상기 복수의 잡음 소스들 각각은 상기 잡음의 잡음 성분들로 분류되는, CPE 장치.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 송신 라인이 서비스되는 동안 와이어링 이벤트에 관한 정보를 수집하고, 상기 정보에 기초하여 상기 와이어링 이벤트의 분류를 수행하는 모뎀 칩셋에 의해 구현되는 임베디드 분석 엔진을 포함하는, CPE 장치.
제 75 항에 있어서,
상기 임베디드 분석 엔진은, 상기 분류에 기초하여 상기 와이어링 이벤트와 연관된 라인 리트레이팅에 대한 원인에 대해 리포팅하는, CPE 장치.
제 75 항에 있어서,
상기 송신 라인은 DSL 링크를 포함하고, 상기 와이어링 이벤트의 분류는 상기 DSL 링크의 품질에 대한 상기 와이어링 이벤트의 영향의 추정을 포함하는, CPE 장치.
제 77 항에 있어서,
상기 영향의 추정은, 상기 와이어링 이벤트의 지속기간 동안 누적된 어그리게이트 에러 카운트를 포함하는, CPE 장치.
제 78 항에 있어서,
상기 영향의 추정은, 검출된 와이어링 이벤트의 관심있는 대역에서의 추정된 마진 손실을 포함하는, CPE 장치.
제 78 항에 있어서,
상기 영향의 추정은 어그리게이트 채널 용량 추정을 포함하는, CPE 장치.
제 78 항에 있어서,
상기 분류는 15분 리포트에서 리포팅되는, CPE 장치.
제 81 항에 있어서,
15분 카운터 리포트는 상기 와이어링 이벤트와 연관된 분당 히트 및 지속기간을 포함하는, CPE 장치.
제 81 항에 있어서,
15분 카운터 리포트는 상기 와이어링 이벤트의 영향에 관한 정보를 포함하는, CPE 장치.
제 78 항에 있어서,
상기 임베디드 분석 엔진은 시동(startup)들 사이에서 상기 와이어링의 진화를 추가로 모니터링하는, CPE 장치.
제 78 항에 있어서,
수집된 정보는, HLOG, HLIN, 대역단 SATN, 에코 전력, RX 전력 중 하나를 포함하는, CPE 장치.
제 78 항에 있어서,
상기 임베디드 분석 엔진은 수집된 정보를 매초마다 컴퓨팅하는, CPE 장치.
CPE(customer premises equipment) 장치로서,
CPE 장치로의 그리고 상기 CPE 장치로부터의 통신들에 영향을 미치는 잡음에 관한 정보를 수집하고 상기 정보에 기초하여 상기 잡음의 분류를 수행하는 모뎀 칩셋에 의해 구현되는 임베디드 잡음 분석 엔진; 및
CPE 장치로의 그리고 상기 CPE 장치로부터의 송신 라인이 서비스되는 동안 와이어링 이벤트에 관한 정보를 수집하고, 상기 정보에 기초하여 상기 와이어링 이벤트의 분류를 수행하는 모뎀 칩셋에 의해 구현되는 임베디드 와이어링 분석 엔진을 포함하는, CPE 장치.
제 87 항에 있어서,
상기 분석 엔진들은, 분류된 잡음 이벤트 및 분류된 와이어링 이벤트에 기초하여 리트레이닝 프로파일링을 결정하기 위해 추가로 상호작용하는, CPE 장치.