CN102904838B - 判断干扰边界的方法和装置 - Google Patents

Abstract

本发明揭示了一种判断干扰边界的方法和装置，包括：对输入数据进行差分滤波，得到未修正滤波结果；修正滤波系数；对输入数据进行修正后的差分滤波，得到修正滤波结果；搜索修正滤波结果，确定一初始边界；以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。以上方法和装置考虑了干扰抽头和数据抽头的相关性，加入了对干扰信号与接收信号相互抵消的那部分数据处理。作两次搜索既减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。

Description

判断干扰边界的方法和装置

技术领域

本发明涉及无线通信技术领域，特别是涉及一种判决准确、误差小的干扰数据边界的判断方法和装置。

背景技术

在现代无线通信系统中，往往采用频率复用的技术来提高频谱利用率，从而不可避免的引入同频干扰。当同频干扰的载波干扰比C/I小于某个特定值时，就会直接影响到语音通话的质量，甚至造成数据传输速率下降以及掉话等一系列的问题。

同频干扰分为同步干扰和异步干扰。同步干扰的干扰源和和发送信号的训练序列(TS)在时间上完全重合；而异步干扰的干扰源只和信号的训练序列(TS)在时间上部分重合。具体而言，无线通信系统的物理信道往往采用突发结构，即于发送的信号划分为数据段，数据段中间设有中间码，该中间码即构成训练序列；通常利用midamble码来构成训练序列，在同一个小区内，同一时隙内的不同用户所采用的midamble码(即训练序列)各不相同，通常由一个基本的midamble码经循环移位后而产生，一个时隙中各个部分的发射功率一致，即midamble部分的发射功率和数据的发射功率一致。

请参考图1，其为一种异步干扰的模型示意图。如图所示，在接收窗(receivewindow)内，一个时隙(time slot)内的训练序列C与干扰源部分重合，该干扰源为主干扰(main interferer)；剩余的突发(burst)的训练序列与其它干扰部分重合，该干扰称为次干扰或邻干扰(adjacent interferer)。图中，主干扰两侧各有一个邻干扰，两个邻干扰来自同一个基站收发台(BTS)，而主干扰和邻干扰来自不同的BTS，经历各自独立的信道。但主干扰和邻干扰是同步的，即图中的main和adjacent都是完整的突发，并且在时间上首尾相接。具体可以参考GSM测试规范45.005中的DTS-4和DTS-5场景，即测试场景和实际场景中都存在只有一部分突发被干扰的情况。

对于异步干扰的情况，终端需要判断出两段不同的干扰数据的分界或者干扰与无干扰部分的边界，然后在边界部分采用不同的处理方法，包括边界处的初始化和信道估计更新等等。这些都是基于终端可以准确得知干扰数据的边界的前提下处理的，如果干扰数据的边界位置信息误差较大或者对干扰数据的存在与否判断错误，就会造成均衡性能上的损失。所以干扰数据边界判断的准确性对于GSM的异步干扰消除非常重要，并且也适用于其他可能存在异步干扰的通信系统。

目前常用的对异步干扰的处理技术多是基于对噪声和干扰功率的估计，尝试在接收信号中剥离出干扰信号功率，或者直接使用接收信号功率作边界估计。

然而，现有技术未考虑到干扰抽头与信号抽头的相关性，即，在干扰抽头与信号抽头非正交的情况下，接收信号受干扰信号影响既可能同相叠加，也可能反向抵消，简单地估计干扰信号功率或者直接使用接收信号功率作边界检测都会降低判断的准确性，并进一步影响干扰消除均衡的性能。

发明内容

有鉴于此，本发明提供一种判断干扰边界的方法和装置，以解决现有干扰边界判断技术所存在的缺失。

为解决以上技术问题，本发明提供一种判断干扰边界的方法，其包括：对输入数据进行差分滤波，得到未修正滤波结果；修正滤波系数；对输入数据进行修正后的差分滤波，得到修正滤波结果；搜索修正滤波结果，确定一初始边界；以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

进一步的，所述修正滤波系数的过程包括：将输入数据等分为两个部分；分别从两部分输入数据中找到幅值最小的N个数据，并将相应位置的滤波系数置为0，其余位置的滤波系数保持不变，其中N为小于输入数据长度一半的正整数。

进一步的，所述确定初始边界的判断依据为修正滤波结果中，待判断点的左右功率比和该点左右两边所有数据的平均功率比的指数积，且最大的积所对应的点，即为初始边界。

进一步的，所述搜索修正滤波结果，确定初始边界的过程包括：选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；根据所述确定初始边界的判断依据，从所述备选点中选取初始边界。

进一步的，所述备选点的数量范围为3至8。

进一步的，所述干扰边界的判断依据为原始滤波结果中，待判断点的原始滤波结果和该点左右功率比的指数积，且最大的积所对应的点，即为干扰边界。

本发明另提供一种判断干扰边界的装置，包括：修正模块、差分滤波器、初搜模块和二次搜索模块，其中：修正模块，根据输入数据的幅值，修正所述差分滤波器的滤波系数；差分滤波器，根据其原有的滤波系数和经修正模块修正后的滤波系数分别对输入数据进行滤波，得到原始滤波结果和修正滤波结果；初搜模块，搜索修正滤波结果，确定一初始边界；二次搜索模块，以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

进一步的，所述修正模块将输入数据等分为两个部分；分别从两部分输入数据中找到幅值最小的N个数据，并将相应位置的滤波系数置为0，其余位置的滤波系数保持不变，其中N为小于输入数据长度一半的正整数。

进一步的，所述确定初始边界的判断依据为修正滤波结果中，待判断点的左右功率比和该点左右两边所有数据的平均功率比的指数积，且最大的积所对应的点，即为初始边界。

进一步的，所述初搜模块选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；根据所述确定初始边界的判断依据，从所述备选点中选取初始边界。

进一步的，所述备选点的数量为3至8。

进一步的，所述干扰边界的判断依据为原始滤波结果中，待判断点的原始滤波结果和该点左右功率比的指数积，且最大的积所对应的点，即为干扰边界。

综上所述，以上方法和装置考虑了干扰抽头和数据抽头的相关性，加入了对干扰信号与接收信号相互抵消的那部分数据处理。作两次搜索既减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。

附图说明

图1为一种异步干扰的模型示意图；

图2为本发明一实施例所提供的判断干扰边界的装置的功能方块图；

图3为本发明一实施例所给出的判断干扰边界的方法的流程示意图；

图4为本发明实施例二给出的判断干扰边界的方法的流程示意图。

具体实施方式

为让本发明的上述特征和优点能更明显易懂，下文特举示例性实施例，并配合附图，作详细说明如下。

现有技术在判断干扰边界的过程中，未考虑到干扰抽头与信号抽头的相关性，即在干扰抽头与信号抽头非正交的情况下，接收信号受干扰信号影响既可能同相叠加，也可能反向抵消，简单地估计干扰信号功率或者直接使用接收信号功率作边界检测都会降低判断的准确性，并进一步影响干扰消除均衡的性能。

为此，本发明充分考虑到以上问题，加入了对干扰信号和接收信号相互抵消的那部分数据的处理，采用修正的一维小波变换作粗搜，查找边界的大致位置，再作一次细搜，得到干扰边界较精确的位置，如此通过两次搜索减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。具体通过以下具体实施例并结合附图详加说明。

请参考图2，其为本发明一实施例所提供的判断干扰边界的装置的功能方块图。如图所示，该装置主要包括修正模块110、差分滤波器120、初搜模块130和二次搜索模块140。其中，修正模块110根据输入数据{x_k}的幅值，修正所述差分滤波器的滤波系数，从而可以得到两组差分滤波系数，分别为原有的滤波系数{a_k′}与修正后的滤波系数{a_k}。差分滤波器120分别用原有的滤波系数{a_k′}与修正后的滤波系数{a_k}对输入数据进行差分滤波，得到原始滤波结果y_k′和修正滤波结果y_k。用修正后的滤波系数{a_k}做差分滤波的目的是排除干扰信号和接收信号相互抵消的那部分数据的影响，这样可以减小抵消数据对检测的影响。初搜模块130搜索修正滤波结果y_k，确定一初始边界；二次搜索模块140，以所述初始边界为中心，搜索其两边的原始滤波结果y_k′，确定干扰边界。

以上初搜模块130是在滤除了干扰信号和接收信号相互抵消的那部分数据的影响的条件下，查找边界的大致位置，而此时得到的边界位置还可以做进一步优化去逼近理想的边界，即再作一次细搜，得到干扰边界较精确的位置，这就是二次搜索模块140所要完成的功能。可见，以上判断干扰边界的装置充分考虑了干扰抽头和数据抽头的相关性，通过一次粗搜确定了干扰边界的大致位置，进而利用一次细搜，加入了对干扰信号和接收信号相互抵消的那部分数据处理。如此，作两次搜索既减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。

对应于此，本发明又给出了一种判断干扰边界的方法，具体请参考图3。该方法包括如下步骤：

步骤S310：对输入数据进行差分滤波，得到未修正滤波结果；

步骤S320：修正滤波系数；

步骤S330：对输入数据进行修正后的差分滤波，得到修正滤波结果；

步骤S340：搜索修正滤波结果，确定一初始边界；

步骤S350：以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

需要说明的是，以上步骤S310到S330的顺序可以改变，其并非用以限制本发明。具体而言，可以先修正滤波系数，而后进行修正后的差分滤波；或者在修正滤波系数之后，先进行未修正的差分滤波，再进行修正的差分滤波。

以上方法针对接收信号受干扰信号影响产生的功率波动情况，采用修正的一维小波变换作粗搜，查找边界的大致位置，再作一次细搜，得到干扰边界较精确的位置。如此，作两次搜索既减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。

下面通过具体实例，对以上方法与装置的处理过程做进一步详细的描述：

实施例一：

1.选用差分滤波器。具体可以选择一维差分滤波器(例如一维高斯滤波器)，其处理数据的长度(即输入数据的长度)为L，滤波系数为【-1，-1，-1，...，-1，1，1，1，...，1】。

而后，对该差分滤波器进行滤波系数修正，该修正过程包括：将输入数据等分为两个部分；分别从两部分输入数据中找到幅值最小的N个数据，并将相应位置的滤波系数置为0，其余位置的滤波系数保持不变，其中N取值范围应小于输入数据长度一半的正整数，即小于差分滤波器处理数据的长度L的一半。具体，对于每次输入滤波器的长为L的接收数据，以L/2为分界线将数据分为左右两部分，然后在左半部分中找到幅度最小的N个数据，并将相应位置的滤波器系数置为0，类似地，在右半部分中找到幅度最小的N个数据，并将相应位置的滤波器系数置为0。

需要说明的是，L取值是根据实现复杂度以及性能来确定的，其取值范围比较宽泛，例如，可以取12、14、16、18等偶数值，而N则取为小于L/2的正整数。例如，在本实施例中，L取24，N取6。

2.分别使用原始滤波器系数和修正后的滤波器系数对输入数据作滤波，并分别记录下使用修正后的滤波器系数计算得到的功率值。具体，设接收数据序列为{x_k}，修正后的差分滤波器系数为{a_k}，其中{a_k}的前L/2个系数中有N个0和L/2-N个-1，后L/2个系数中有N个0和L/2-N个1。

滤波后得到：

$y_k=\underset{i=0}{\overset{23}{\mathrm{\Σ}}}{a}_i\·{\left|x_{k+i}\right|}^2$ a_i＝-1，0，1

$p_k^{\mathrm{left}}=\underset{i=0}{\overset{11}{\mathrm{\Σ}}}-a_i\·{\left|x_{k+i}\right|}^2$ a_i＝-1，0，1

$p_k^{\mathrm{right}}=\underset{i=12}{\overset{23}{\mathrm{\Σ}}}{a}_i\·{\left|x_{k+i}\right|}^2$ a_i＝-1，0，1

${y_k}^{\′}=\underset{i=0}{\overset{23}{\mathrm{\Σ}}}{a}_i^{\′}\·{\left|x_{k+i}\right|}^2$ a_i′＝-1，1

$p_k^{{\mathrm{left}}^{\′}}=\underset{i=0}{\overset{11}{\mathrm{\Σ}}}-a_i^{\′}\·{\left|x_{k+i}\right|}^2$ a_i′＝-1，1

$p_k^{{\mathrm{right}}^{\′}}=\underset{i=12}{\overset{23}{\mathrm{\Σ}}}{a}_i^{\′}\·{\left|x_{k+i}\right|}^2$ a_i′＝-1，1

其中，y_k、和分别为使用修正后的滤波器系数进行滤波所得到的滤波结果、某点两侧的功率累加值；y_k′、和分别为使用原始滤波器系数进行滤波所得到的滤波结果和某点两侧的功率累加值，该结果不参与初搜(粗搜)，但将参与之后的二次搜索(细搜)。

3.进行粗搜，以确定初始边界，该步骤的判断依据为修正滤波结果中，待判断点的左右功率比和该点左右两边所有数据的平均功率比的指数积，且最大的积所对应的点，即为初始边界。具体所述判断依据由两部分组成：

第一部分是待判断点的左右功率比： $p_k^{\mathrm{ratio}1}=p_k^{\mathrm{left}}/p_k^{\mathrm{right}};$

第二部分是该点分离出左右两边所有数据的平均功率比： $p_k^{\mathrm{ratio}2}=\left(\frac{1}{k}\underset{i<k}{\mathrm{\&Sigma;}}{\left|x_i\right|}^2\right)/\left(\frac{1}{148-k}\underset{i>=k}{\mathrm{\&Sigma;}}{\left|x_i\right|}^2\right);$

总判据为两者的指数相乘： $p_k^{\mathrm{ratio}}={\left(p_k^{\mathrm{ratio}1}\right)}^{n_1}\&CenterDot;{\left(p_k^{\mathrm{ration}2}\right)}^{n_2};$

进而从修正滤波结果中取最大的点作为粗搜的结果。其中n₁和n₂的选取可根据权重取任意值，当然考虑到实现复杂度一般都取为整数，例如n₁取1，n₂取1、2、3等；或者n₂取1，n₁取1、2、3等。通常，可以利用仿真技术通过对仿真结果的分析来选取n₁和n₂。在本实施例中，n₁取1，n₂取1。

4.进行细搜。由于在粗搜的滤波过程中，将一部分幅值最小的数据的系数置为0，不作考虑，所以在粗搜完成后，应该将这部分数据再加入考虑，在粗搜结果附近作细搜，尝试寻找精确的边界点。

细搜的判据同样由两部分组成：

第一部分是原始滤波结果y_k′；

第二部分是带待判点的左右功率比， $p_k^{\mathrm{ratio}3}=p_k^{{\mathrm{left}}^{\&prime;}}/p_k^{{\mathrm{right}}^{\&prime;}};$

总判据为两者的指数相乘： $p_k^{{\mathrm{ratio}}^{\&prime;}}={\left(y_k\right)}^{n_3}\&CenterDot;{\left(p_k^{\mathrm{ration}3}\right)}^{n_4}.$

其中n₃和n₄的选取可根据权重取任意值，当然考虑到实现复杂度一般都取为整数，例如n₃取1，n₄取1、2、3等；或者n₄取1，n₃取1、2、3等。通常，可以利用仿真技术通过对仿真结果的分析来选取n₃和n₄。在本实施例中，n₃取1，n₄取2。

细搜的过程包括：根据以上判据以粗搜结果为中心，两边各细搜L/2个点，找到细搜总判据最大的点作为细搜的结果，亦作为边界判决的输出。

实施例二：

请参考图4，其为本发明实施例二给出的判断干扰边界的方法的流程示意图。如图所示，该方法包括如下步骤：

步骤S410：对输入数据进行差分滤波，得到未修正滤波结果；

步骤S420：修正滤波系数；

步骤S430：对输入数据进行修正后的差分滤波，得到修正滤波结果；

步骤S441：搜索修正滤波结果，从中选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；

步骤S442：从所述备选点中选取初始边界；

步骤S450：以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

从图中可以看出，其与实施例一的区别在于，在步骤S340：搜索修正滤波结果，确定一初始边界中，增加了备选点的选取过程。

具体，如果对修正滤波结果均按照实施例一的方法来确定初始边界，计算量较大，为了进一步简化该方法，较佳的，可以先选择一部分作为边界点可能性比较大的点作为备选点进行以上判断，具体可以先选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；再根据以上确定初始边界的判断依据，从备选点中选取初始边界。

例如，定义幅值比其两侧各至少一个(较佳的，应选择两个以上，例如四个)邻近点幅值大的点为极值点，备选点则从极值点中选取M个最大值，具体M的取值不宜取大也不宜取小，取小了容易漏掉正确边界，取大了增加实现复杂度的同时还易误判，可在3到8之间经过仿真确定一个较事宜的值。

加入以上备选点的选择过程，在确定初始边界的过程中，对判断依据的计算量就获得了减少，进而相对于实施例一，本实施例计算量较小，更为简单易行。

综上所述，以上实施例考虑了干扰抽头和数据抽头的相关性，加入了对干扰信号与接收信号相互抵消的那部分数据处理。作两次搜索既减小了抵消数据对误检的影响，又提高了输出边缘值的准确性。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本领域的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (10)

1.一种判断干扰边界的方法，其特征是，包括：

对输入数据进行差分滤波，得到未修正滤波结果；

修正滤波系数；所述修正滤波系数的过程包括：将输入数据等分为两个部分；分别从两部分输入数据中找到幅值最小的N个数据，并将相应位置的滤波系数置为0，其余位置的滤波系数保持不变，其中N为小于输入数据长度一半的正整数；

对输入数据进行修正后的差分滤波，得到修正滤波结果；

搜索修正滤波结果，确定一初始边界；

以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

2.根据权利要求1所述的判断干扰边界的方法，其特征是，所述确定初始边界的判断依据为修正滤波结果中待判断点的左右功率比和该点左右两边所有数据的平均功率比的指数积，且最大的积所对应的点，即为初始边界。

3.根据权利要求2所述的判断干扰边界的方法，其特征是，所述搜索修正滤波结果，确定初始边界的过程包括：

选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；

根据所述确定初始边界的判断依据，从所述备选点中选取初始边界。

4.根据权利要求3所述的判断干扰边界的方法，其特征是，所述备选点的数量范围为3至8。

5.根据权利要求1所述的判断干扰边界的方法，其特征是，所述干扰边界的判断依据为原始滤波结果中，待判断点的原始滤波结果和该点左右功率比的指数积，且最大的积所对应的点，即为干扰边界。

6.一种判断干扰边界的装置，其特征是，包括：修正模块、差分滤波器、初搜模块和二次搜索模块，其中：

修正模块，根据输入数据的幅值，修正所述差分滤波器的滤波系数；所述修正模块将输入数据等分为两个部分；分别从两部分输入数据中找到幅值最小的N个数据，并将相应位置的滤波系数置为0，其余位置的滤波系数保持不变，其中N为小于输入数据长度一半的正整数；

差分滤波器，根据其原有的滤波系数和经修正模块修正后的滤波系数分别对输入数据进行滤波，得到原始滤波结果和修正滤波结果；

初搜模块，搜索修正滤波结果，确定一初始边界；

二次搜索模块，以所述初始边界为中心，搜索其两边的原始滤波结果，确定干扰边界。

7.根据权利要求6所述的判断干扰边界的装置，其特征是，所述确定初始边界的判断依据为修正滤波结果中，待判断点的左右功率比和该点左右两边所有数据的平均功率比的指数积，且最大的积所对应的点，即为初始边界。

8.根据权利要求7所述的判断干扰边界的装置，其特征是，所述初搜模块选取多个备选点，所述备选点的幅值比其两侧各至少一个邻近点幅值大；根据所述确定初始边界的判断依据，从所述备选点中选取初始边界。

9.根据权利要求8所述的判断干扰边界的装置，其特征是，所述备选点的数量范围为3至8。

10.根据权利要求6所述的判断干扰边界的装置，其特征是，所述干扰边界的判断依据为原始滤波结果中，待判断点的原始滤波结果和该点左右功率比的指数积，且最大的积所对应的点，即为干扰边界。