RU2414069C2 - Способ и конфигурация для оценивания собственного шума - Google Patents

Abstract

Изобретение относится к технике связи и может использоваться для оценивания собственного шума пониженной сложности в системе беспроводной связи. Технический результат состоит в повышении точности оценки фонового шума. Для этого определяют (S1) для соответствующей из, по меньшей мере, подмножества совокупности точек сетки мощности k произведение комплементарных функций кумулятивного распределения, причем каждая такая функция соответствует соответствующей из совокупности j обеспеченных оценок измерения широкополосной мощности в скользящем окне, и определяют (S2) для каждой из, по меньшей мере, подмножества точек сетки мощности функцию распределения вероятности минимума из упомянутой совокупности оценок измерения широкополосной мощности на основании упомянутого определенного произведения. 3 н. и 13 з.п. ф-лы, 12 ил.

Description

Область техники

Настоящее изобретение относится в целом к способам и устройствам для оценивания нагрузки в системах сотовой связи, в частности к оцениванию собственного шума в системах связи широкополосного множественного доступа с кодовым разделением.

Уровень техники

Телекоммуникационные системы широкополосного множественного доступа с кодовым разделением (WCDMA) имеют много привлекательных свойств, которые можно использовать для дальнейшего развития телекоммуникационных услуг. Конкретной технической задачей, например, в WCDMA и аналогичных системах является назначение каналам расширенной восходящей линии связи интервалов времени, когда условия помехи благоприятны и когда существует достаточная пропускная способность на восходящей линии связи нужной соты для поддержки каналов расширенной восходящей линии связи. Общеизвестно, что все существующие пользователи соты вносят свой вклад в уровень помехи на восходящей линии связи систем WCDMA. Кроме того, терминалы в соседних сотах также вносят свой вклад в тот же самый уровень помехи. Причина в том, что все пользователи и общие каналы соты передают в одном и том же частотном диапазоне, когда используется технология CDMA. Нагрузка соты напрямую связана с уровнем помехи той же соты.

Для поддержания стабильности соты необходимо, чтобы нагрузка оставалась ниже определенного уровня. Несколько алгоритмов управления ресурсами радиосвязи (RRM), например диспетчеризация и управление допуском, опираются на точные оценки нагрузки восходящей линии связи. Дело в том, что большинство пользовательских каналов восходящей линии связи, по крайней мере, в WCDMA подлежат регулировке мощности. Эти алгоритмы регулировки мощности и RRM призваны поддерживать уровень принятой мощности на каждом канале с определенным отношением сигнал/помеха (SIR) для удовлетворения требований конкретных служб. Этот уровень SIR обычно такой, что принятая мощность на базовой станции радиосвязи (RBS) на несколько дБ ниже уровня помехи. Снятие расширения в так называемых многоотводных (RAKE) приемниках доводит каждый канал до уровня сигнала, при котором переданные биты можно дополнительно обрабатывать, например, посредством канальных декодеров и речевых кодеков, которые располагаются дальше в цепи обработки сигналов. Дополнительные подробности читатель может найти в [1].

Поскольку RBS пытается поддерживать каждый канал на его конкретном предпочтительном значении SIR, может случиться так, что дополнительный пользователь или импульсный трафик данных существующего пользователя повысит уровень помехи, тем самым кратковременно снизив SIR для других пользователей. В ответ RBS выдаст команду увеличения мощности всем остальным пользователям, из-за чего помеха увеличится еще больше. Обычно этот процесс остается стабильным ниже определенного уровня нагрузки. В случае внезапного возникновения канала высокой пропускной способности рост помехи становится большим, и угроза нестабильности, так называемого броска мощности, возрастает. Это объясняет, почему необходима диспетчеризация каналов восходящей линии связи высокой пропускной способности, например канала расширенной восходящей линии связи (E-UL) в WCDMA, во избежание нестабильности. С этой целью мгновенная нагрузка должна оцениваться на RBS. Это позволяет оценивать запас пропускной способности, который остается до точки нестабильности.

Нагрузка соты, например, в системе CDMA обычно выражается некоторой величиной, связанной с мощностью, обычно превышением над шумом. Существует несколько мер превышения над шумом. Наиболее важной из них, возможно, является превышение над тепловым шумом (RoT), которое определяется как частное от деления суммарной помехи в соте на мощность собственного теплового шума приемника RBS. Другие меры включают в себя, например, внутриполосную помеху, не связанную с WCDMA, по отношению к собственному тепловому шуму. Поэтому необходимо определять величины мощности, например уровень суммарной мощности и собственный шум (в идеале, собственный тепловой шум). Определения собственного шума обычно связаны с относительно большими неопределенностями, которые могут быть даже того же порядка величины, что и весь имеющийся запас пропускной способности. Это, в частности, справедливо, когда доступны только измерения суммарной принятой мощности. Таким образом, действительно трудно реализовать, например, функции канала расширенной восходящей линии связи без улучшения связанной с ним оценки нагрузки.

Кроме того, следует упомянуть, что столь же важным параметром, для регулировки которого необходима оценка нагрузки, является зона покрытия соты. Зона покрытия обычно относится к конкретной службе, для нормального функционирования которой необходима работа на конкретном SIR. Граница соты на восходящей линии связи определяется терминалом, который работает на максимальной выходной мощности. Максимальная принятая мощность канала на RBS определяется максимальной мощностью терминала и потерями на трассе к цифровому приемнику. Поскольку потери на трассе напрямую зависят от расстояния между терминалом и RBS, получается максимальное расстояние от RBS. Это расстояние, взятое во всех направлениях от RBS, определяет зону покрытия.

Отсюда следует, что любое увеличение уровня помехи приводит к снижению SIR, которое невозможно скомпенсировать увеличением мощности терминала. В результате для поддержания обслуживания необходимо снижать потери на трассе. Это означает, что терминал должен приблизиться к RBS, т.е. зона покрытия соты сокращается.

Из вышеприведенного рассмотрения следует, что для поддержания зоны покрытия соты, запланированной оператором, необходимо сохранять помеху ниже определенного уровня. Это означает, что оценка нагрузки важна также для зоны покрытия. В частности, оценка нагрузки важна с точки зрения зоны покрытия при быстрой диспетчеризации трафика расширенной восходящей линии связи на RBS. Кроме того, функции управления допуском и управления перегрузкой на контроллере радиосети (RNC), который управляет несколькими RBS, также пользуются точной информацией о мгновенном превышении над шумом в соте.

Все вышеупомянутые меры превышения над шумом имеют те общие черты, что они опираются на точные оценки фонового шума. Поэтому необходимы способы и конфигурации для обеспечения эффективных и точных оценок в реальном времени для фонового шума.

Сущность изобретения

Общая проблема с традиционными сетями связи CDMA состоит в том, что оценки нагрузки представляются с точностью, которая не позволяет тщательно управлять нагрузкой. В частности, определение превышения над шумом страдает значительными неопределенностями, в основном обусловленными трудностями в оценке собственного шума.

Общая задача настоящего изобретения состоит в обеспечении усовершенствованных способов и конфигураций для определения величин, связанных с мощностью, например оценки нагрузки.

Другая задача настоящего изобретения состоит в обеспечении способов и конфигураций, позволяющих более точно определять величины, связанные с шумом, например оценки мощности собственного шума.

Эти и другие задачи решаются согласно прилагаемой формуле изобретения.

Согласно основному аспекту изобретения предусмотрен способ оценивания собственного шума пониженной сложности в системе беспроводной связи путем определения (S1) для соответствующей из подмножества множества точек сетки мощности k произведения комплементарных функций кумулятивного распределения, причем каждая такая комплементарная функция кумулятивного распределения соответствует соответствующей из совокупности j обеспеченных оценок измерения широкополосной мощности в скользящем окне, и определения (S2) для каждого подмножества точек сетки мощности функции распределения вероятности минимума из оценок измерения широкополосной мощности на основании определенного произведения.

Преимущество настоящего изобретения состоит в снижении вычислительной сложности и, таким образом, обеспечении точной оценки собственного шума в реальном времени.

Краткое описание чертежей

Изобретение совместно с другими его задачами и преимуществами можно лучше понять, обратившись к нижеследующему описанию, приведенному совместно прилагаемыми чертежами, на которых:

фиг. 1 - схема, демонстрирующая мощность сигналов, имеющих место в типичной системе, в которой можно реализовать настоящее изобретение;

фиг. 2 - функциональная схема возможных решений;

фиг. 3 - функциональная схема другого возможного решения;

фиг. 4a - график функции распределения вероятности согласно изобретению;

фиг. 4b - график выбранного интервала сетки мощности, показанного на графике фиг. 4a;

фиг. 5a - график квантованной функции кумулятивного распределения согласно изобретению;

фиг. 5b - график выбранного интервала сетки мощности, показанного на графике фиг. 5a;

фиг. 6a - график произведения комплементарных функций кумулятивного распределения согласно изобретению;

фиг. 6b - график выбранного интервала сетки мощности, показанного на графике фиг. 6a;

фиг. 7 - логическая блок-схема согласно варианту осуществления способа, отвечающего изобретению;

фиг. 8 - логическая блок-схема согласно варианту осуществления способа, отвечающего изобретению;

фиг. 9 - схема системы, отвечающей изобретению.

Сокращения

E-UL - расширенная восходящая линия связи;

RBS - базовая станция радиосвязи;

RNC - контроллер радиосети;

RoT - превышение над тепловым шумом;

RRM - управление ресурсами радиосвязи;

SIR - отношение сигнал/помеха;

WCDMA - широкополосный множественный доступ с кодовым разделением.

Подробное описание

Настоящее подробное описание призвано обеспечить более глубокое понимание того, как осуществлять оценку собственного шума, и проблем, а также совокупность их возможных решений для раскрытия их серьезности. Это сделано применительно к типичной системе WCDMA, но без ограничения ею; идеи настоящего изобретения в равной степени применимы ко многим типам сотовых систем, где точные оценки мощности собственного шума необходимо, но трудно обеспечивать.

Опорные и измерительные точки

В типичной цепи сигнала RBS принятый широкополосный сигнал от антенны сначала поступает на цепь обработки аналоговых сигналов, которая состоит из кабелей, фильтров и т.д. Вариации среди компонентов совместно с температурным дрейфом делают масштабный коэффициент этой части системы неопределенным в пределах 2-3 дБ, когда сигнал поступает на приемник. Это дополнительно рассмотрено ниже. В приемнике осуществляется ряд операций. В отношении оценки нагрузки обычно предполагается, что суммарная принятая широкополосная мощность измеряется в некотором каскаде. Кроме того, в этом описании предполагается, что измерения мощности кода, т.е. мощности каждого отдельного канала/пользователя соты, делаются доступными в другом каскаде.

Существует несколько причин, почему затруднена оценка мощности собственного теплового шума. Одна причина, как указано выше, состоит в том, что мощность собственного теплового шума, а также другие принятые мощности подвергаются влиянию неопределенностей компонентов на высокочастотном каскаде аналогового приемника. Опорные точки сигнала по определению находятся на антенном соединителе. Однако измерения получаются после цепи обработки аналоговых сигналов, в цифровом приемнике. Эти неопределенности также обладают тепловым дрейфом.

Электронная цепь обработки аналоговых сигналов вносит ошибку масштабного коэффициента 2-3 дБ между RBS (пакет), которую трудно компенсировать. Таким образом, измерение RTWP (принятой суммарной широкополосной мощности), которое делится на значение мощности собственного теплового шума по умолчанию, может не согласовываться с предполагаемой мощностью собственного теплового шума на 2-3 дБ. В результате оценка превышения над шумом также может иметь ошибку 2-3 дБ. С учетом того факта, что допустимый интервал превышения над шумом в системе WCDMA составляет обычно 0-7 дБ, ошибка в 2-3 дБ неприемлема.

Преимущество состоит в том, что все мощности, составляющие суммарную принятую мощность (см. Приложение A) в равной степени подвержены ошибке масштабного коэффициента γ(t), поэтому при вычислении коэффициента превышения над шумом N _R(t) (см. Приложение A) ошибка масштабного коэффициента компенсируется следующим образом:

где

и

- коэффициенты превышения над шумом, измеренные в цифровом приемнике и в антенне соответственно,

и

- суммарные принятые мощности в цифровом приемнике и в антенне соответственно, и

и

- уровень теплового шума, измеренный в цифровом приемнике и в антенне соответственно. Однако заметим, что Уравнение (1) требует измерения собственного шума

в цифровом приемнике.

Собственный шум

Как указано в разделе «уровень техники», в результате введения дополнительных каналов повышается суммарная мощность. Превышение над шумом N _R, определенное как отношение между мерой суммарной мощности, т.е. мерой суммарной широкополосной мощности, и уровнем теплового шума P _N, измеренным на антенном соединителе, также именуемым собственным шумом, является мерой нагрузки в системе. В случае превышения порога превышения над шумом

ситуация может стать нестабильной. Соотношение между суммарной битовой скоростью и превышением над шумом известно из конструкции контуров регулировки мощности, и диспетчеризацию дополнительных каналов можно осуществлять после определения мгновенного превышения над шумом N _R. Полюсная пропускная способность C _pole обозначает максимальную битовую пропускную способность в битах в секунду. Типичная разность ΔN между порогом

и уровнем, определяемым уровнем теплового шума P _N, обычно составляет 7-10 дБ. Однако уровень собственного шума или теплового шума P _N определить нелегко. Например, поскольку масштабный коэффициент неопределенности на приемнике может составлять 2-3 дБ, как рассмотрено выше, большая часть доступного запаса подвергается влиянию таких вносимых неопределенностей.

Наблюдаемость собственного шума

Одна причина трудностей в оценке мощности собственного теплового шума состоит в том, что поскольку даже если все измерения производить в цифровом приемнике, собственный шум невозможно измерить напрямую, по меньшей мере, на одной RBS. Дело в том, что помеха от соседней соты и помеха от внешних источников также влияют на приемник и никакое среднее значение таких источников нельзя отделить от собственного шума. В ряде случаев можно осуществлять измерения мощности в собственных каналах соты. Однако такие измерения не дают полное решение проблемы, хотя они могут несколько улучшить ситуацию.

На фиг. 1 показаны различные вклады в измерения мощности в связи с произвольной базовой станцией радиосвязи (RBS) 20. RBS 20 связана с сотой 30. В соте 30 присутствует несколько мобильных терминалов 25, которые осуществляют связь с RBS 20 по разным линиям связи, каждая из которых вносит вклад в суммарную принятую мощность, равный

. Сота 30 имеет несколько соседних сот 31 в одной и той же системе WCDMA, каждая из которых связана с соответствующей RBS 21. Соседние соты 31 также содержат мобильные терминалы 26. Мобильные терминалы 26 излучают мощность на радиочастоте, и сумма всех вкладов обозначается P ^N. Могут также существовать и другие источники излучения, внешние по отношению к сети, например радиолокационная станция 41. P ^E обозначает вклады от таких внешних источников. Наконец, член P _N обусловлен самим приемником.

Из вышесказанного следует, что P ^N(t) и P _N невозможно измерить и, следовательно, необходимо оценивать. Ситуация становится еще хуже, если доступны только измерения суммарной широкополосной мощности. Измерения суммарной широкополосной мощности

можно выразить следующим образом:

где

и где e ^Total(t) моделирует шум измерений.

Можно математически доказать, что линейная оценка P ^E+N(t) и P _N не является наблюдаемой сущностью. Только величину P ^E+N(t) + P _N можно наблюдать из доступных измерений. Это справедливо даже в случае, когда производятся измерения мощности кода. Проблема состоит в том, что не существует традиционной техники, которую можно использовать для отделения собственного шума от средних значений мощности, обусловленной помехой от соседней соты и источниками внутриполосной помехи, внешними по отношению к сотовой системе. Кроме того, если доступны только измерения суммарной принятой широкополосной мощности, средние значения отдельных вкладов в мощность кода также неотличимы от других вкладов в среднее значение суммарной мощности.

Оценка собственного шума

Еще одна причина, по которой трудно оценивать превышение над шумом, состоит в том, что собственный тепловой шум не всегда является искомой величиной. Бывают случаи, когда постоянная внутриполосная помеха оказывает значительное влияние на приемник RBS. Эти постоянные помехи не влияют на вышеупомянутую стабильность; они выглядят как повышенная шумовая температура, т.е. повышенный собственный тепловой шум.

Возможное решение предусматривает использование дорогостоящего и индивидуального определения собственного теплового шума каждой RBS в условиях эксплуатации для достижения достаточно высокой производительности оценки нагрузки. Установление значения по умолчанию для мощности собственного теплового шума, как видно в цифровом приемнике, требует осуществления опорных измерений по большому количеству RBS в заводских условиях или в условиях эксплуатации. Обе альтернативы являются дорогостоящими и требуют повторения при смене оборудования.

Вышеописанный подход к решению проблемы потребовал бы индивидуальной калибровки каждой RBS. Однако это было бы очень дорого и крайне непривлекательно. Кроме того, ошибки температурного дрейфа в электронике обработки аналоговых сигналов, возможно, 0,7-1,0 дБ все равно остались бы.

Другой возможный подход предусматривает обеспечение оценки мощности собственного теплового шума. Один принцип оценки мощности собственного теплового шума состоит в оценке ее как минимума измеренной или оцененной величины мощности, содержащей собственный тепловой шум. Этот минимум обычно вычисляется по заранее определенному интервалу времени. В отсутствие каких-либо измерений мощности кода нужная мощность является суммарной принятой широкополосной мощностью. Поэтому один подход предусматривает вычисление превышения над шумом путем деления мгновенной суммарной принятой широкополосной мощности на установленную мощность собственного теплового шума, оцененную как минимум суммарной принятой широкополосной мощности по заранее определенному интервалу времени.

Общеизвестно, что вклад в собственный тепловой шум всегда присутствует, откуда следует, что если пренебречь неопределенностями измерения, вклад собственного шума должен быть меньше или равен минимальному значению суммарной принятой широкополосной мощности, принятой в течение определенного периода времени. В сущности, минимальное значение суммарной широкополосной мощности в течение определенного интервала времени составляет верхний предел неизвестного собственного шума.

Возможное решение согласно вышеприведенному рассмотрению может обеспечивать строгий алгоритм оценки мощности собственного теплового шума в том смысле, что строгое минимальное значение по скользящему окну вычисляется и используется в качестве оценки мощности собственного теплового шума. Поэтому собственный шум можно определить как минимальное значение (по выбранному интервалу времени) одного из:

- суммы мощности собственного шума и мощности помехи от соседей и внешних источников;

- суммарной принятой широкополосной мощности.

Затем превышение над шумом последовательно вычисляется из одной из вышеуказанных двух величин путем деления суммарной принятой широкополосной мощности на установленную мощность собственного теплового шума.

Согласно фиг. 2 другое возможное решение предусматривает другой принцип, основанный на мягкой оценке мощности собственного теплового шума и превышения над шумом. В наиболее совершенной форме возможная оценка превышения над шумом осуществляется в трех основных блоках.

Первый блок 51, т.е. блок оценки мощности, применяет так называемый фильтр Калмана для оценки определенных величин мощности, которые необходимы последующим блокам обработки. В частности, блок 51 принимает ряд входных сигналов 61A-E, содержащих измеренную принятую суммарную широкополосную мощность (RTWP) 61A, измеренное отношение мощности кода к помехе (C/I) канала i 61B, бета-факторы для канала i 61C, ряд кодов для канала i 61D, соответствующих отношению мощности кода к помехе, предписанному контуром 61Е быстрой регулировки мощности, и выдает выходные сигналы, содержащие оценки 62А, 62В мощности и соответствующие стандартные отклонения 63A, 63B. Выходной сигнал 62A представляет собой оценку величины мощности, которая является суммой мощности помехи соседних сот WCDMA, мощности внутриполосной помехи, не связанной с WCDMA, и мощности собственного теплового шума, выходной сигнал 63A представляет собой оцененную принятую суммарную широкополосную мощность, и выходной сигнал 63B представляет собой соответствующую дисперсию. Поскольку выходные сигналы поступают от фильтра Калмана, только эти параметры необходимы для задания оцененных гауссовых распределений, генерируемых фильтром. Таким образом, информации оказывается достаточно для определения всей информации распределения вероятности оценок мощности.

Второй блок 52 применяет байесовы методы оценки для вычисления функции плотности условной вероятности минимума из одной из вышеупомянутых величин мощности. Минимум также учитывает (байесовыми методами) предыдущее распределение мощности собственного теплового шума, что повышает среднюю производительность оценки, при оценивании по ансамблю RBS. Фактическое значение собственного шума также можно вычислять путем вычисления среднего значения оцененной функции распределения условной вероятности. В частности, блок 52 принимает оценку 62А мощности и соответствующие стандартные отклонения 62B в качестве входных сигналов и выдает выходной сигнал 64, содержащий оцененное распределение вероятности предельного значения, обычно минимума, величины

, которая является оценкой суммы мощности помехи соседних сот, мощности внешней внутриполосной помехи и мощности теплового шума. Параметры 66, дающие информацию об априорном предполагаемом распределении вероятности мощности собственного шума, поступают на блок 52 оценки распределения условной вероятности для достижения оптимальной оценки.

Более подробное описание оценки распределения условной вероятности для заинтересованного читателя приведено в Приложении B.

Третий блок 53 осуществляет мягкую оценку превышения над шумом путем вычисления распределения условной вероятности частного от деления распределения вероятности мгновенной оцененной широкополосной мощности на распределение условной вероятности мощности собственного шума. Оценка превышения над шумом вычисляется как условное среднее. Подробности здесь опущены.

Наконец, на фиг. 3 представлена видоизмененная версия вышеописанного возможного способа с использованием упрощенного мягкого решения. Измеряется только RTWP, и применяется упрощенный алгоритм оценки RoT. Упрощенный алгоритм соответственно применяет упрощенный, одномерный фильтр Калмана для оценки RTWP и соответствующей дисперсии. Причина, почему используется этот этап фильтрации, состоит в том, что последующие блоки (все еще мягкой) обработки требуют распределений вероятности в качестве входа. Они наилучшим образом генерируются фильтром Калмана в первом блоке обработки, соответствующем блоку 51 вышеописанного способа.

Затем мощность собственного теплового шума оценивается с применением полного мягкого алгоритма, описанного согласно фиг. 2. В отличие от вышеописанного возможного способа вычисляется (оптимальное) оцененное значение мощности собственного теплового шума. Наконец, последний блок обработки делит оцененную RTWP на значение мощности собственного теплового шума для получения оценки RoT. Заметим, что этот последний этап не осуществляется посредством мягкого алгоритма.

Оценка нагрузки соты в отношении превышения над тепловым шумом (RoT является одной из нескольких мер превышения над шумом) является критическим компонентом, поскольку она обеспечивает вход в функцию диспетчера расширенной восходящей линии связи для RBS. На фиг. 2 и фиг. 3 показаны возможные алгоритмы мягкой оценки RoT. Заметим, что оценка собственного шума осуществляется согласно одному и тому же алгоритму для этих двух случаев. При реализации объектного кода C++ на RBS возникли проблемы неожиданно низкой производительности компьютера в отношении количества операций с плавающей точкой в секунду и емкости памяти.

Поэтому определенно существует необходимость в способах и конфигурациях, обеспечивающих меры снижения сложности, чтобы можно было осуществлять вышеописанную мягкую оценку собственного шума в реальном времени.

В сущности, настоящее изобретение имеет дело со снижением сложности способа в вышеописанном втором блоке 52, т.е. блоке мягкой оценки мощности собственного шума. В свете вышеупомянутых проблем стало ясно, что вычислительную сложность мягкого алгоритма оценки RoT необходимо значительно снизить для обеспечения выполнения в реальном времени на имеющейся компьютерной плате.

Для обеспечения снижения сложности была определена совокупность возможных мер и целей. Меры имели то преимущество при условии совместной реализации в оптимальном режиме, что они позволяют:

- снизить вычислительную сложность более чем на 95% без потери производительности;

- параллельно выполнять несколько экземпляров алгоритма на компьютерной плате.

Все меры снижения сложности влияют на реализацию части оценки собственного теплового шума блока оценки RoT. Однако они также полезны для будущих усовершенствований блока окончательного вычисления RoT в случае, когда этот блок будет модифицирован для реализации мягкого алгоритма.

Для дальнейшего задания области применения настоящего изобретения будут описаны проблемы, связанные с вышеописанными возможными способами и алгоритмами. Для ознакомления с подробной теоретической и математической информацией читателю предлагается обратиться к Приложениям A-F.

Первая проблема состоит в вычислении функции распределения вероятности минимума из ряда оценок измерения мощности (получаемых от вышеописанного блока 51 фильтра Калмана). Это вычисление согласно одному возможному решению осуществляется следующим образом:

Для заинтересованного читателя полный вывод Уравнения (4) включен в Приложение B. Однако фактический вывод не представляет здесь особого интереса и как таковой не составляет часть изобретения.

Для пояснения вышеприведенного выражения заметим, что f _min(P _k), k = 1,..., N _GridPoints является дискретизированной версией (т.е. гистограммой) искомой функции распределения вероятности минимума из распределений мощности в скользящем окне. Дискретизация осуществляется на сетке мощности, P _k, k=1,..., N _GridPoints, где N _GridPoints обозначает количество точек сетки мощности. В известных реализациях сетка мощности охватывает диапазон от -120 до -70 дБм обычно с шагом 0,2 дБ. Кроме того, f _PowerSample(i,k), i=1, …, N _PowerSamples, обозначают функции распределения вероятности входящих (от блока рекурсивной оценки на фиг. 2, т.е. фильтра 51 Калмана) оценок меры широкополосной мощности, что является основой для блока оценки собственного шума. Поскольку Калмановская фильтрация обычно применяется в блоке 51 рекурсивной оценки, f _PowerSample(i,k) обычно является дискретизированной (по индексу k) гауссовой функцией распределения. Аналогично, F _PowerSample(i,k) является дискретизированной функцией кумулятивного распределения, соответствующей f _PowerSample(i,k). Когда f _PowerSample(i,k) является гауссовой функцией, F _PowerSample(i,k) можно выразить в виде комплементарной функции ошибок. Наконец, заметим, что в возможном решении дискретизированные распределения мощности f _PowerSample(i,k) и F _PowerSample(i,k) соответствуют оцененным величинам мощности (от блока рекурсивной оценки), которые попадают в скользящее окно во времени. Не все оцененные выборки мощности нужно использовать в вышеприведенной формуле, обычно применяется субдискретизация.

Вышеприведенных основополагающих сведений достаточно для пояснения рассматриваемой первой проблемы. Исследуя структуру вышеприведенной формулы, можно видеть, что непосредственная реализация Уравнения (4) требует выполнения:

- первого внешнего цикла for по индексу k (точкам сетки мощности);

- второго цикла по индексу i (выборкам скользящего окна) для реализации суммы;

- дополнительного внутреннего третьего цикла по индексу j (выборкам скользящего окна) для реализации произведения.

В результате получается структура из трех циклов, которая требует большого количества вычислений и фактически оказывается слишком сложной для имеющейся компьютерной платы.

Вторая проблема, связанная с известными способами, вытекает из того факта, что для охвата всех возможных случаев необходим широкий диапазон сетки мощности для сетки дискретизации мощности. В вышеописанных возможных решениях, как отмечено выше, диапазон составляет от -120 до -70 дБм для охвата широкого диапазона конфигураций и случаев фоновой помехи. Поэтому вышеупомянутые два внутренних цикла Уравнения (4) (по индексу i и по индексу j) необходимо осуществлять по широкому диапазону точек сетки мощности с индексом k. Это означает, что вычислительная нагрузка также будет возрастать по сравнению со случаем, когда используется меньшее значение N _GridPoints.

Третья проблема с возможными решениями состоит в том, как указано выше, что дискретизированные функции вероятности f _PowerSample(i,k), соответствующие каждой выборке мощности скользящего окна, обычно являются гауссовыми. В результате необходимо повторно осуществлять вычисление экспоненциальной функции при вычислении результата вышеприведенной формулы. К сожалению, экспоненциальная функция является трансцендентной функцией, для вычисления которой может потребоваться гораздо больше вычислительного времени, чем, например, для умножения чисел с плавающей точкой. То же самое справедливо для комплементарной функции ошибок, которая используется для выражения F _PowerSample(i,k). Совместно эти вычисления функций значительно повышают вычислительную нагрузку.

Наконец, для описанного возможного решения согласно фиг. 3 RBS в системе способна обрабатывать до четырех отводов приемника (на компьютерную плату). По разным причинам было решено или стандартизировано, что оценку RoT следует осуществлять до объединения мощностей. Результатом является четырехкратное увеличение вычислительной нагрузки. Кроме того, эта проблема требует решения для обеспечения выполнения на компьютерной плате в реальном времени.

Для решения вышеупомянутых проблем автор изобретения предлагает ряд мер.

Вариант осуществления способа, отвечающего изобретению, предусматривает использование структуры вышеприведенного Уравнения (4), формы функции распределения вероятности f _PowerSample(i,k), а также форм квантованной функции кумулятивного распределения F _PowerSample(i,k) и произведения по комплементарным функциям кумулятивного распределения

для снижения вычислительной сложности. Различные величины дополнительно проиллюстрированы согласно графикам на фиг. 4a, b, 5a, b и 6a, b.

В основном согласно фиг. 7 вариант осуществления настоящего изобретения предусматривает способ оценки собственного шума пониженной сложности в системе беспроводной связи. Способ содержит, во-первых, определение (S1) для соответствующей из подмножества совокупности точек сетки мощности P _k произведения комплементарных функций кумулятивного распределения, причем каждая такая функция соответствует соответствующей из совокупности j обеспеченных оценок измерения широкополосной мощности в скользящем окне, во-вторых, определение (S2) для каждого подмножества точек сетки мощности P _k, функции распределения вероятности минимума из совокупности оценок измерения широкополосной мощности на основании определенного произведения.

В частности, можно показать, исследуя Уравнение (4) и понимая, что поскольку произведение по комплементарным функциям кумулятивного распределения

является произведением по всем индексам j кроме индекса i, его можно преобразовать с использованием коэффициента, обратного 1 - F _PowerSample(i,k), следующим образом:

Поэтому функция распределения вероятности минимума из совокупности оценок измерения широкополосной мощности на основании определенного произведения определяется (S2) согласно следующему выражению пониженной сложности, Уравнению (6):

Согласно конкретному варианту осуществления более эффективно сначала вычислять (S1) вышеупомянутое произведение комплементарных функций кумулятивного распределения, которое здесь для простоты обозначено cdfTest(k):

Для вычисления Уравнения (7) требуется один внешний цикл по точкам сетки (k) и внутренний цикл по скользящему окну выборки (j).

Искомая величина вычисляется (S2) как

На этом последнем этапе требуется внешний цикл по точкам сетки (k) и один внутренний цикл по скользящему окну (i).

В итоге вычисления свелись от одного набора циклов for с глубиной вложения 3 для Уравнения (4) к двум наборам циклов for, каждый из которых имеет глубину вложения 2, для Уравнения (8). Хотя введены некоторые избыточные операции, чистым эффектом является устранение одного цикла for по N _PowerSamples итерациям. Снижение сложности при вычислении f _min(P _k), k = 1,..., N _GridPoints, составляет порядка N _PowerSamples/2. В типичной реализации возможно снижение сложности в 20-30 раз. Пример, демонстрирующий фрагмент объектного кода C++, приведен в Приложении C.

Еще один вариант осуществления способа, отвечающего изобретению, показан на фиг. 8.

Согласно конкретному варианту осуществления, касающемуся решения вышеописанной второй проблемы, необходим дополнительный анализ графиков, представленных на фиг. 4a-6b. Согласно фиг. 4a, b, функция распределения вероятности f _PowerSample(i,k) очень близка к нулю на протяжении большей части диапазона дискретизации мощности. Замечая, что все величины произведения в формуле

принимают значения от 0 до 1, можно понять, что индексы сетки мощности k, достаточно далекие от пика, показанного на фиг. 4a, b, не вносят вклад в конечный результат вышеприведенной формулы, представленной Уравнением (9), по сравнению со значениями, близкими к пику. Согласно конкретному варианту осуществления изобретения такие значения задаются равными нулю. Преимущество состоит в том, что такие значения дают нулевые вклады в сумму вышеприведенной формулы, поэтому соответствующие индексы можно исключить из вычисления суммы. Как можно видеть из форм, представленных на фиг. 4a, b, получается существенная экономия, при которой более 95% диапазона устраняется из вычислений.

Дополнительная экономия возможна, если рассмотреть снижение сложности в связи с первой проблемой. Во-первых, ясно, что разность 1 - F _PowerSample(j,k), т.е. комплементарную функцию кумулятивного распределения, нужно вычислять только в области быстрого изменения между 1 и 0. Всякий раз, когда 1 - F _PowerSample(j,k) достаточно близко к 1, умножение величины в Уравнении (7) можно пропустить, поскольку при умножении любого числа на 1 получается первоначальное число. Что более важно, поскольку 1 - F _PowerSample(j,k) является убывающей функцией, умножение можно пропустить для всех индексов сетки мощности ниже определенного первого индекса, который характеризуется тем, что

достаточно близко к 1. Заметим, что фактически даже не обязательно вычислять 1 - F _PowerSample(j,k) для индексов ниже

. Таким же образом можно заключить, что все умножения выше другого индекса сетки мощности

также можно пропустить, на сей раз заменяя также результат cdfTest(k) нулем.

Заметим, что области сетки мощности, где необходимо осуществлять нетривиальные вычисления, согласно вышеописанным вариантам осуществления, можно охарактеризовать следующим множеством индексов и интервалов:

Во-первых,

определяется тем фактом, что f _PowerSample(i,k) достаточно мала для каждой дискретизированной функции плотности вероятности в скользящем окне. Сложность снижается за счет устранения вычисления f _PowerSample(i,k) и соответствующего члена Уравнения (1) для всех индексов сетки мощности k вне вышеуказанного интервала и для каждого i.

Заметим также, что 1 - F _PowerSample(i,k) можно задать равной нулю строго вне вышеуказанного интервала (во избежание деления на нуль). Заметим также, что верхний и нижний пороговый индекс требуются для каждой дискретизированной функции распределения вероятности в скользящем окне.

Во-вторых,

определяется тем фактом, что 1-F _PowerSample(j,k) достаточно близка к 1 (

) или достаточно близка к 0

(

) для каждой дискретизированной кумулятивной функции плотности вероятности в скользящем окне. Сложность снижается за счет устранения вычисления 1-F _PowerSample(i,k) для индексов сетки мощности вне интервала. Соответствующий член произведения в Уравнении (7) задается равным нулю для всех индексов сетки мощности выше

для каждого j и остается неизменным (циклирование не требуется) для всех индексов сетки мощности ниже

для каждого j.

В-третьих, замечая, что каждый элемент скользящего окна имеет тенденцию отрезать участки кумулятивного распределения в Уравнении (7) сверху, дополнительное снижение сложности можно получить, вводя индекс

, который, например, отслеживает наивысший индекс сетки мощности, при котором Уравнение (7) не равно нулю, в ходе формирования произведения, которое предусматривает цикл по скользящему окну. Полученное снижение сложности достигается за счет организации цикла сверху вниз, начиная с

и заканчивая на

, для каждого j. Таким образом, умножение не осуществляется для индексов сетки мощности, при которых Уравнение (7) уже сведено к 0.

В реализации вышеописанное снижение сложности осуществляется посредством, по меньшей мере, двух, возможно 4, массивов индексов, каждый из которых содержит N _PowerSamples индексов. Кроме того, один индекс, который поддерживается равным мгновенному максимальному индексу сетки мощности, при котором Уравнение (7) больше нуля, постоянно обновляется.

Генерация и использование вышеописанных этапов снижения сложности проиллюстрировано кодом C++ в Приложении C и Приложении D.

Как указано выше, вычисление f _PowerSample(i,k) и F _PowerSample(i,k) обычно требует использования экспоненциальных и комплементарных функций ошибок из математической библиотеки C++. В отсутствие аппаратной поддержки таких функций выполнение этих трансцендентных функций требует значительно более высокой вычислительной нагрузки, чем выполнение, например, умножения чисел с плавающей точкой. Поэтому для снижения вычислительной сложности согласно конкретному варианту осуществления способа, отвечающего изобретению, предлагается реализовать эти функции с помощью линейной интерполяции в сохраненной таблице значений функции.

Заметим, что согласно другому конкретному варианту осуществления предпочтительно создавать таблицу по revPower(i,k) = 1-F _PoverSample(i,k), поскольку это позволяет сэкономить одно вычитание на вызов.

Другие варианты осуществления этапов снижения сложности согласно способу, отвечающему изобретению, можно подытожить следующим образом.

Вариант осуществления, предусматривающий решение задачи обеспечения параллельного выполнения нескольких экземпляров алгоритма оценки превышения над тепловым шумом, основан на том наблюдении, что оценка мощности собственного теплового шума, несомненно, является наиболее вычислительно-интенсивной частью блока оценки превышения над тепловым шумом. Кроме того, мощность собственного теплового шума изменяется гораздо медленнее, чем измеренная суммарная широкополосная мощность и оцененное RoT. Отсюда следует, что:

- нет необходимости обновлять оцененную мощность собственного теплового шума так же часто, как оценку RoT;

- нет необходимости использовать все оцененные выборки мощности в качестве входов в блок оценки мощности собственного теплового шума. Это также выгодно с точки зрения расходования памяти.

Вышеописанные наблюдения применяются следующим образом для снижения вычислительной сложности. Способ оценки собственного шума составляет часть объекта оценки RoT в C++. При инициировании экземпляра объекта вызывается так называемый конструктор объекта C++. Конструктор создает и инициирует все переменные и константы, необходимые для выполнения экземпляра оценки RoT. В частности, конструктор инициирует определенные указанные статические переменные, которые сохраняются в течение периода действия экземпляра, эти переменные называются атрибутами.

Первый аспект варианта осуществления предусматривает включение целочисленного атрибута, который увеличивается на один или несколько шагов при каждом вызове конструктора. Этот атрибут называется счетчиком экземпляров. В результате счетчик экземпляров обычно принимает значение 0 для первого экземпляра блока оценки RoT, значение 1 для второго экземпляра блока оценки RoT и т.д.

Второй аспект варианта осуществления предусматривает прибавление счетчика экземпляров, умноженного на целое кратное частоты дискретизации, к системному времени, которое является общим для всех экземпляров на одной и той же компьютерной плате. В результате время экземпляра сдвигается между последовательными экземплярами алгоритма оценки RoT.

Наконец, третий аспект варианта осуществления предусматривает использование времени экземпляра для определения, когда заранее заданное количество периодов дискретизации по модулю времени экземпляра равно нулю (например), и для выполнения обновления мощности собственного теплового шума только при выполнении этого условия. Поскольку времена экземпляра сдвинуты относительно друг друга, обновление мощности собственного теплового шума (определяющее вычислительную сложность) также происходит со сдвигом. Поэтому вычислительно-интенсивные части разных экземпляров никогда не совпадают, напротив, они разнесены по времени.

Дополнительные этапы снижения сложности

Дополнительное снижение сложности достигается с использованием действительной (4-байтовой) реализации для всей арифметики с плавающей точкой. Кроме того, генерация и сохранение значений

и

предпочтительно реализовать посредством циклических буферов. Этот стандартный подход предусматривает использование указателя на следующую свободную или самую старую использованную векторную ячейку буфера, причем указатель указывает индекс следующей операции векторного сохранения циклического буфера.

Помимо рассмотренных выше алгоритмов, для их интеграции в существующую систему RBS необходимы некоторые усовершенствования. Они будут рассмотрены в этом разделе.

В вышеприведенном описании предполагается, что оценки мощности относятся к восходящей линии связи. Измерения мощности в таких случаях осуществляются узлом сети радиодоступа (RAN), обычно базовой станцией радиосвязи. Однако, по меньшей мере, части процедуры, например этапы определения и/или установления, также могут осуществляться в других частях сети связи, например в контроллере радиосети (RNC).

На фиг. 9 показаны основные части варианта осуществления системы, отвечающей настоящему изобретению. Система беспроводной связи 70 содержит наземную сеть радиодоступа универсальной системы мобильных телекоммуникаций (UTRAN) 71. Мобильный терминал 25 поддерживает радиосвязь с RBS 20 в UTRAN 71. RBS 20 действует под управлением RNC 72, который в свою очередь подключен к центру коммутации мобильных услуг/гостевому регистру положений (MSC/VLR) 74 и обслуживающему узлу поддержки GPRS (SGSN) 75 базовой сети (CN) 73.

В этом варианте осуществления RBS 20 дополнительно содержат средство для определения 80 для соответствующей из совокупности точек сетки мощности k произведения комплементарных функций кумулятивного распределения, каждая из которых соответствует соответствующей из совокупности оценок распределения широкополосной мощности i. RBS 20 дополнительно содержат средство 81 для определения для каждой из совокупности точек сетки мощности функции распределения условной вероятности минимума из совокупности обеспеченных оценок распределения широкополосной мощности на основании определенного произведения. В необязательном порядке RBS 20 также содержит средство 82 для определения среднего по совокупности точек сетки мощности значения определенной функции распределения условной вероятности для обеспечения оценки собственного шума.

Согласно конкретному варианту осуществления RBS 20 дополнительно содержит средство 83 для сокращения количества точек сетки мощности, для которых необходимо осуществлять вычисления, что позволяет дополнительно снизить вычислительную сложность мягких оценок мощности собственного шума согласно настоящему изобретению.

Разные средства 80-83 могут согласно другим вариантам осуществления размещаться на RBS 20, как рассмотрено выше, или на RNC 72, или на мобильном или пользовательском терминале 25. В последнем случае изобретение относится к оценке собственного шума на нисходящей линии связи. Это указано пунктирными прямоугольниками в RNC 72 и пользовательском терминале 25.

Помимо вышеописанных признаков, RNC 22 может согласно известным мерам содержать средство 84 для управления допуском. Средство 84 для управления допуском содержит, предпочтительно, функции управления для расширенной восходящей линии связи и подключено к RBS 20 для обмена информацией, в частности, касающейся оценок превышения над шумом.

Преимущества изобретения содержат:

- снижение вычислительной сложности возможного блока оценки RoT более чем на 95% (для оптимальной реализации всех мер) без потери производительности,

- возможность выполнения нескольких экземпляров алгоритма оценки RoT на одной компьютерной плате.

Вышеописанные варианты осуществления следует рассматривать как иллюстративные примеры настоящего изобретения. Специалисты в данной области техники могут предложить различные модификации, комбинации и изменения вариантов осуществления, не выходя за рамки объема настоящего изобретения. В частности, разные частичные решения в разных вариантах осуществления можно объединять в других конфигурациях при наличии технической возможности. Однако объем настоящего изобретения задается прилагаемой формулой изобретения.

Ссылки

[1] H. Holma и A. Toskala, WCDMA for UMTS - Radio Access for Third Generation Mobile Communications. Чичестер, Англия: Wiley, 2000.

ПРИЛОЖЕНИЕ A

Мощности, коэффициенты нагрузки и превышение над шумом

Здесь представлен математический подход к измерениям мощности и помехи. Измерения мощности и помехи определяются до снятия расширения. Если требуется найти значения после снятия расширения, необходимо масштабирование с помощью расширяющего множителя. Аналогичное масштабирование можно применять для преобразования величин к любому уровню цепи обработки сигналов. В соответствии с вышеизложенной основной гипотезой упомянутое ниже отношение мощности кода к помехе (C/I) относится к отношению мощности кода к помехе до снятия расширения. Для этого иногда используется обозначение (C/I)_chip, где нижний индекс _chip указывает, что мощность измеряется на чиповой скорости.

Уровень помехи для канала управления i по определению выражается следующим образом:

где

- мощность кодового канала для каналов управления i, P ^Total(t) - суммарная принятая мощность, и

- известный масштабный коэффициент между мощностями каналов управления и данных.

Отсюда следует, что коэффициент нагрузки

можно выразить в виде:

где ^Tar означает целевые значения.

Заметим, что индекс времени указывает (медленное) обновление относительного значения помехи для внешнего цикла регулировки мощности.

Заметим также, что соответствующее соотношение между мощностью кода

и суммарной мощностью P ^Total(t) до снятия расширения, выраженное через значение SIR (отношение сигнал/помеха), определенное после снятия расширения, можно выразить как:

где N _i - расширяющий множитель.

Искомая величина оценки нагрузки обычно представляет собой превышение над шумом N _R(t), определяемое как

где P _N - уровень теплового шума, измеренный антенным соединителем.

Остается математически определить величину P ^Total(t). Здесь используется следующее определение:

измеренной на антенном соединителе. Здесь P ^N(t) обозначает мощность, принятую от соседних сот, и P ^E(t) обозначает мощность, принятую от источников, внешних по отношению к системе WCDMA. При этом основная трудность состоит в отделении мощности теплового шума P _N от помехи от соседних сот и внешних источников

P ^E+N(t).

ПРИЛОЖЕНИЕ B

Оценка распределения условной вероятности минимальной мощности

Примечание: оценивать минимальные мощности очень естественно. Однако решение на использование минимального значения принимается каждый раз по обстоятельствам. В общем случае предельное значение величины, некоторым образом зависящее от оцененной величины P ^Total, можно было бы использовать как основу для дальнейших вычислений. Однако в качестве простейшего варианта осуществления здесь рассматривается величина

. Заметим, что P ^Total в нижеследующем рассмотрении относится к принятой суммарной широкополосной мощности. В этом приложении t используется для обозначения времени.

Представление, условная вероятность и правило Байеса

Ниже правило Байеса и определение условного среднего для распределений вероятности используются в широком смысле. Нижеследующие определения и результаты можно найти, например, в любом учебнике по приближенным вычислениям.

Распределение вероятности: рассмотрим два события A и B, имеющие распределения вероятности f _A(x) и f _B(y) соответственно. Распределение суммарной вероятности A и B обозначается f _A,B(x,y).

Заметим, что события и ограничение выражаются нижними индексами, тогда как независимые переменные заключены в скобки. Это представление используется только применительно к распределениям вероятности и кумулятивным распределениям вероятности. Для задания оценок и ковариаций, например фильтра Калмана, ограничение также может быть заключено в скобки.

Распределение условной вероятности: распределения условной вероятности f _A|B(x) и f _B|A(y) определяются как:

Заметим, что вследствие представления для распределений вероятности ограничение также выражается нижними индексами.

Решая вышеприведенное уравнение, получаем знаменитое правило Байеса:

Заметим, что вышеупомянутые правила можно лучше всего понять с использованием диаграмм в виде пересекающихся кругов. Формальные доказательства для получения результатов для распределений вероятности могут, например, использовать бесконечно малые ограничительные версии мотиваций для вероятностных случаев.

Условная вероятность минимума - модель и общие выражения

В этом разделе выведены некоторые общие свойства блока оценки минимума. С этой целью вводится следующее представление. Оценка фильтра Калмана или сглаживающего фильтра Калмана для P ^Total(t') обозначается как:

Здесь t' обозначает некоторое время в [t-T _Lag,t]. Все условные распределения при мягких условиях являются гауссовыми достаточными статистиками, т.е. для описания распределений условной вероятности требуются только свойства второго порядка. Это отражается в ограничении в последнем выражении (B3). Условные распределения выглядят следующим образом:

где ^Kalman указывает, что оценка вычисляется с помощью фильтра Калмана или, если t' < t, сглаживающего фильтра Калмана. Величины

и

обозначают оценку мощности и соответствующую ковариацию соответственно, т.е. входы в блок оценки. Заметим, что в (B4) предполагается, что соответствующая оценка на момент t-T _Lag используется в качестве начального значения для фильтра Калмана.

Отсюда можно вывести условное распределение для минимального значения оценки мощности. С этой целью предполагается следующая модель для соотношения между

, которое представляет истинную мощность, и

, которое представляет оценку:

Это согласуется с вышеприведенным рассмотрением достаточной статистики. Представление для распределения

далее упрощается до:

Заметим, что это распределение не обязано быть гауссовым (хотя в большинстве случаев это предполагается).

Распределение условной вероятности минимального значения

,

затем оценивается с использованием данных y(t), полученных из интервала времени

.

Как будет показано ниже, оценки сглаживающего фильтра теоретически необходимы в качестве входов в алгоритм оценки условной вероятности для минимальной мощности, который работает в интервале времени [t-T _Lag,t]. Чтобы формально сохранить оптимальность в развитии, оценки сглаживающего фильтра также следует вычислять с использованием всех данных в [t-T _Lag,t]. Однако в практической реализации эти оценки сглаживающего фильтра обычно вычисляются с использованием лишь короткого снимка данных вокруг выбранного момента времени сглаживания. Затем несколько таких оценок сглаживания из [t-T _Lag,t] объединяются для оценки распределения условной вероятности. В нижеследующем рассмотрении интервал [t-T _Lag,t] сохраняется во всех величинах, однако не так, чтобы слишком сильно усложнять развитие. Дополнительного упрощения можно добиться заменой оценки сглаживающего фильтра оценкой фильтра Калмана. Модели указывают, что это можно сделать с очень небольшой потерей производительности.

Теперь условное распределение минимального значения можно выразить следующим образом (см. (B5)):

где последняя величина (B8) обозначает начальную информацию о минимальном значении. В дальнейшем правило Байеса и определение условного среднего для распределений вероятности используются в широком смысле.

Применим правило Байеса и определение условной вероятности к (B8) с использованием определений:

Следующая цепочка равенств позволяет выразить с использованием правила Байеса определение распределений условной вероятности, и результат

(последний результат легко проверить, нарисовав диаграмму из трех пересекающихся кругов):

Последний шаг опять же можно легко проверить, нарисовав круговые диаграммы. Теперь согласно вышеприведенным определениям первый множитель числителя (B9) является априорным, поэтому ограничение исчезает. Второй множитель числителя будет дополнительно раскрыт ниже, а последний множитель числителя и знаменатель можно рассматривать как части нормирующей константы. Обратная подстановка определений A, B и C доказывает соотношение:

Одно следствие (B10), о котором следует помнить, состоит в том, что рассматривается задача сглаживания. Поэтому рассмотренный выше этап предварительной обработки на основе калмановской фильтрации формально должен включать в себя этап сглаживающего фильтра Калмана. Однако на практике обычно бывает достаточно фильтра Калмана.

Окончательное расширение условного среднего минимальной мощности

Исходным пунктом этого подраздела является уравнение (B10), которое утверждает, что условная pdf (функция распределения вероятности) задается как произведение априорного множителя (начальное значение) и множителя, зависящего от измерения. Априорный множитель задается пользователем и призван отражать априорную неопределенность, относящуюся к P _N.

Заметим, что всякий раз при перемещении скользящего окна и вычислении новой оценки применяется один и тот же априорный множитель. Поэтому априорный множитель не обновляется в основной настройке блока оценки.

Для задания полной условной pdf необходимо некоторое дополнительное преобразование первого множителя (B10). Для этого воспользуемся распределением ошибок f _ΔP(x) в (B7) совместно с определениями (B5) и (B6). Кроме того, в нижеследующих вычислениях F() обозначает кумулятивное распределение, т.е. интеграл от f. Pr(.) обозначает вероятность события.

Следующие равенства справедливы для первого множителя (B10):

Четвертое равенство (B11) следует из предположения о том, что сглаживающий фильтр Калмана обеспечивает достаточную статистику, т.е. (B5) и (B6). Последнее равенство вытекает из (B7). Очевидно, естественнее всего предположить использование гауссова распределения для F _ΔP(s). Однако фактически (B11) допускает и другие распределения.

На последнем этапе вывода первого множителя функции распределения дифференцируем (B11), получая:

Объединение с (B10) дает конечный результат:

Этот результат представляет выход 64, указанный в связи с фиг. 2. Возможно, выражение выглядит сложным. Однако его можно напрямую вычислить, поскольку оно является одномерной функцией гауссова и кумулятивного гауссова распределений, заданных в виде:

Величины

и

легко получить на выходе сглаживающего фильтра Калмана или более простого фильтра Калмана.

Если на выходе нужно обеспечивать значение собственного шума, вычисление среднего значения осуществляется на выходном распределении.

В итоге полученное выше выражение можно переписать как

ПРИЛОЖЕНИЕ C

Пример 1: Объектный код C++. Наиболее важные строки кода выделены жирным шрифтом:

// Вычислить произведение и определить граничные индексы

// Вычислить ненормализованную minPowerPdf

ПРИЛОЖЕНИЕ D

Пример 2: Объектный код C++. Наиболее важные строки кода выделены жирным шрифтом:

// Ограничения индексов сетки мощности

for (j = startIndex; j < powerGridSize; j++) // Цикл от пика и выше

if (fabs(tmp)<argumentLimit) // Эквивалентно ограничению индекса

for (j = startIndex; j >=0; j--) // Цикл от пика и ниже

if (fabs(tmp)<argumentLimit) // Эквивалентно ограничению индекса

ПРИЛОЖЕНИЕ E

Пример 3: Объектный код C++. Таблица Erfc.

// Таблица erfc

// Вычислить revPowerCdf

ПРИЛОЖЕНИЕ F

Пример 4: Объектный код C++. Триггер оценки собственного шума на основе экземпляра.

// Выполнить оценку собственного шума...

Claims (16)

1. Реализуемый компьютером способ оценивания собственного шума пониженной сложности в системе беспроводной связи, содержащий этапы, на которых
определяют (S1) для соответствующей одной из, по меньшей мере, подмножества совокупности точек сетки мощности произведение комплементарных функций кумулятивного распределения, причем каждая комплементарная функция кумулятивного распределения соответствует соответствующей одной из совокупности j обеспеченных оценок измерения широкополосной мощности в скользящем окне, и
определяют (S2) для каждой из упомянутых, по меньшей мере, подмножества точек сетки мощности функцию распределения вероятности минимума из упомянутой совокупности оценок измерения широкополосной мощности на основании упомянутого определенного произведения.

2. Способ по п.1, дополнительно содержащий этап, на котором определяют (S3) среднее значение по подмножеству точек сетки мощности упомянутой определенной функции распределения вероятности для обеспечения оценки собственного шума.

3. Способ по п.1, в котором этап определения (S2) упомянутой функции распределения вероятности выполняют путем суммирования, по упомянутой совокупности оценок широкополосной мощности, произведения функции распределения вероятности обеспеченной оценки измерения широкополосной мощности для выборки i мощности, и упомянутое определенное произведение комплементарных функций кумулятивного распределения делят на комплементарную функцию кумулятивного распределения для выборки i мощности.

4. Способ по п.1, в котором упомянутое подмножество содержит все точки сетки мощности.

5. Способ по п.1 или 3, в котором произведение комплементарных функций кумулятивного распределения вычисляют по совокупности оценок широкополосной мощности N_PowerSample согласно

где j обозначает индекс одной из обеспеченных оценок измерения мощности и k обозначает индекс совокупности точек сетки мощности, и F_PowerSample(j,k) содержит функцию кумулятивного распределения, и в котором распределение вероятности f_min(P_k) для каждой из совокупности точек сетки мощности P_k вычисляют согласно

где f_PowerSample(i,k) - функция распределения вероятности i-й из обеспеченных оценок измерения мощности и 1-F_PowerSample(i,k) представляет комплементарную функцию кумулятивного распределения i-й из обеспеченных оценок измерения мощности.

6. Способ по п.5, в котором, если f_PowerSample(i,k) меньше заранее определенного порогового значения, то ее значение задают равным нулю для всех точек сетки мощности вне интервала

и распределение вероятности f_min(P_k) определяют только для точек сетки мощности в упомянутом интервале.

7. Способ по п.5, в котором, если комплементарная функция кумулятивного распределения близка к 1, что соответствует нижнему пороговому индексу точки сетки

или близка к 0, что соответствует верхнему пороговому индексу точки сетки

то комплементарную функцию кумулятивного распределения вычисляют только для индексов точки сетки

кроме того, упомянутое определенное произведение комплементарных функций кумулятивного распределения задают равным 0 для всех точек сетки

и определяют только в интервале

8. Способ по п.7, дополнительно содержащий этап, на котором определяют наивысший индекс точки сетки мощности

для которого упомянутое произведение комплементарных функций кумулятивного распределения не равно нулю, и определяют упомянутое произведение по всем j для всех индексов k точки сетки в интервале

9. Способ по любому из пп.6-8, в котором величину F_PowerSample(j,k) и/или f_PowerSample(i,k) определяют посредством табулированных значений.

10. Реализуемая компьютером система (70) для оценивания собственного шума пониженной сложности в системе беспроводной связи, содержащая
средство для определения (80) для соответствующей одной из, по меньшей мере, подмножества совокупности точек к сетки мощности произведения комплементарных функций кумулятивного распределения, каждая из которых соответствует соответствующей одной из упомянутой совокупности оценок i широкополосной мощности,
средство (81) для определения для каждой из упомянутых, по меньшей мере, подмножества совокупности точек сетки мощности функции распределения вероятности минимума из упомянутой совокупности оценок широкополосной мощности на основании упомянутого определенного произведения.

11. Система по п.10, дополнительно содержащая средство для определения (82) среднего по упомянутой совокупности точек сетки мощности значения упомянутой определенной функции распределения вероятности для обеспечения оценки собственного шума.

12. Система по п.10, в которой средство для определения (81) определяет упомянутую функцию распределения вероятности путем суммирования по упомянутой совокупности оценок широкополосной мощности произведения функции распределения вероятности обеспеченной оценки измерения широкополосной мощности для выборки i мощности, и упомянутое определенное произведение комплементарных функций кумулятивного распределения делится на комплементарную функцию кумулятивного распределения для выборки i мощности.

13. Система по п.10, в которой упомянутое подмножество содержит все точки сетки мощности.

14. Узел для оценивания собственного шума в системе беспроводной связи, содержащий
средство для определения (80) для соответствующей одной из совокупности точек сетки мощности произведения комплементарных функций кумулятивного распределения, причем каждая комплементарная функция кумулятивного распределения соответствует соответствующей одной из упомянутой совокупности оценок i широкополосной мощности,
средство (81) для определения для каждой из упомянутой совокупности точек сетки мощности функции распределения вероятности минимума из упомянутой совокупности обеспеченных распределений оценок широкополосной мощности на основании упомянутого определенного произведения.

15. Узел по п.14, дополнительно содержащий средство для определения (82) среднего по упомянутой совокупности точек сетки мощности значения упомянутой определенной функции распределения вероятности для обеспечения оценки собственного шума.

16. Узел по п.14, причем упомянутый узел выполнен в одном из контроллера радиосети, базовой станции радиосвязи и мобильного терминала.

Images