專利名稱：多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及聯(lián)合檢測(cè)技術(shù)，特別是涉及多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法。
背景技術(shù)：
目前TDD系統(tǒng)中廣泛采用聯(lián)合檢測(cè)技術(shù)，在TD-SCDMA系統(tǒng)中，采用的就是聯(lián)合檢 測(cè)和智能天線相結(jié)合的技術(shù)，充分利用造成多址干擾(MAI)的所有用戶信號(hào)及其多徑的先 驗(yàn)信息(如已知的用戶信道碼和訓(xùn)練序列、各用戶的信道估計(jì)等)，把用戶信號(hào)的分離當(dāng)作 一個(gè)統(tǒng)一的相互關(guān)聯(lián)的聯(lián)合檢測(cè)過(guò)程來(lái)完成，消除了本小區(qū)的多址干擾。然而上述方法由 于沒(méi)有考慮鄰小區(qū)的干擾，所以系統(tǒng)的抗干擾能力會(huì)受到限制。改進(jìn)的方法是采用擴(kuò)展的 聯(lián)合檢測(cè)，即將鄰小區(qū)的干擾信號(hào)也納入聯(lián)合檢測(cè)范圍，以便消除鄰小區(qū)的干擾，從而提高 信號(hào)的檢測(cè)性能。在目前的系統(tǒng)實(shí)現(xiàn)時(shí)上行鏈路的擴(kuò)展聯(lián)合檢測(cè)最大支持同時(shí)進(jìn)行7個(gè)小 區(qū)的聯(lián)檢，因此最多只能一次處理6個(gè)鄰小區(qū)。為滿足現(xiàn)網(wǎng)系統(tǒng)的功能改進(jìn)，一次配置大 于10個(gè)的虛擬鄰小區(qū)ID，在配置的這些鄰小區(qū)中，無(wú)論哪個(gè)小區(qū)真實(shí)存在，都要求能夠?qū)?現(xiàn)聯(lián)檢的功能，不影響本小區(qū)的業(yè)務(wù)。這就需要實(shí)現(xiàn)自動(dòng)篩選虛擬鄰小區(qū)進(jìn)行聯(lián)檢，即在配 置的若干個(gè)虛擬鄰小區(qū)內(nèi)，動(dòng)態(tài)的選擇某幾個(gè)虛擬鄰小區(qū)來(lái)進(jìn)行處理，使得參與擴(kuò)展聯(lián)合 檢測(cè)的小區(qū)選擇更具全面性與實(shí)時(shí)性，從而保證總是對(duì)干擾較強(qiáng)小區(qū)的干擾抵消和聯(lián)合檢 測(cè)。現(xiàn)有的用于聯(lián)合檢測(cè)的相鄰小區(qū)選擇的方法，考慮到當(dāng)時(shí)基站處理能力有限，無(wú) 法實(shí)現(xiàn)同時(shí)進(jìn)行包括本小區(qū)在內(nèi)的7個(gè)小區(qū)的聯(lián)合檢測(cè)，同時(shí)考慮到針對(duì)無(wú)線網(wǎng)絡(luò)的蜂窩 結(jié)構(gòu)，本小區(qū)主要受到相鄰6個(gè)小區(qū)的干擾，采用了從6個(gè)相鄰小區(qū)中選出部分小區(qū)進(jìn)行功 率比較的方法，逐步淘汰功率較弱的小區(qū)，最終選出干擾較強(qiáng)鄰小區(qū)與本小區(qū)進(jìn)行擴(kuò)展的 聯(lián)檢。具體的流程圖如圖1所示，包括步驟1、根據(jù)入選的L+1個(gè)小區(qū)進(jìn)行多碼集信道估計(jì)。步驟2、對(duì)L個(gè)鄰小區(qū)功率排序，并記錄前M個(gè)鄰小區(qū)的ID。步驟3-4、對(duì)入選的L+1個(gè)小區(qū)進(jìn)行多小區(qū)聯(lián)合檢測(cè)，并輸出聯(lián)合檢測(cè)結(jié)果。步驟5、比較未入選小區(qū)數(shù)目N-L與L-M的大小，當(dāng)N_L = L-M時(shí)執(zhí)行步驟6，當(dāng) N-L > L-M時(shí)執(zhí)行步驟7，當(dāng)N-L < L-M時(shí)執(zhí)行步驟8。這里，N為鄰小區(qū)的總數(shù)。步驟6、選擇本次未選的L-M個(gè)鄰小區(qū)，執(zhí)行步驟9。步驟7、在本次未參與信道估計(jì)的N-L個(gè)鄰小區(qū)中隨機(jī)選取L-M個(gè)鄰小區(qū)，執(zhí)行步 驟9。步驟8、選取未參與一本次信道估計(jì)的N — L個(gè)鄰小區(qū)，從本次入選的L個(gè)鄰小區(qū) 中隨機(jī)選取(L-M)-(N-L)個(gè)，執(zhí)行步驟9。步驟9、入選的L-M個(gè)鄰小區(qū)加本次記錄的M個(gè)鄰小區(qū)再加本小區(qū)共(L+1)個(gè)小區(qū) 共(L+1)個(gè)小區(qū)用于下次循環(huán)，重新執(zhí)行步驟1。
由此可以看出，現(xiàn)有的用于擴(kuò)展聯(lián)合檢測(cè)的鄰小區(qū)選擇方法存在以下幾點(diǎn)局限性1、只考慮了相鄰小區(qū)的干擾，即只在6個(gè)相鄰小區(qū)中進(jìn)行選擇，忽略了功率較強(qiáng) 的次相鄰小區(qū)可能存在對(duì)本小區(qū)的干擾；2、從所考慮的6個(gè)相鄰小區(qū)中依次選出部分小區(qū)進(jìn)行功率比較，每進(jìn)行一次多碼 集信道估計(jì)就需要進(jìn)行一次多小區(qū)聯(lián)合檢測(cè)，這樣，逐步淘汰較弱小區(qū)的過(guò)程復(fù)雜度較高， 并隨著鄰小區(qū)數(shù)目的增加復(fù)雜度也呈線性增大，具體實(shí)施例中保留功率較強(qiáng)小區(qū)的數(shù)目決 定了循環(huán)迭代的次數(shù)，可能造成小區(qū)選擇的實(shí)時(shí)性不高及選擇的周期長(zhǎng)度不穩(wěn)定。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的主要目的在于提供一種多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小 區(qū)的方法，該方法具有較高的篩選效率，能滿足動(dòng)態(tài)實(shí)時(shí)性的要求。為了達(dá)到上述目的，本發(fā)明提出的技術(shù)方案為一種多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法，該方法包括以下步驟a、從預(yù)先配置的本小區(qū)的虛擬鄰小區(qū)集合中選擇L個(gè)鄰小區(qū)，L為基站進(jìn)行聯(lián)合 檢測(cè)時(shí)能夠同時(shí)處理的最大鄰小區(qū)數(shù)，且L小于所述虛擬鄰小區(qū)集合中的鄰小區(qū)數(shù)；b、針對(duì)當(dāng)前選擇的L個(gè)鄰小區(qū)和本小區(qū)，進(jìn)行多碼集信道估計(jì)，根據(jù)所述多碼集 信道估計(jì)結(jié)果，得到所述L個(gè)鄰小區(qū)各自的最大窗功率；C、判斷所述虛擬鄰小區(qū)集合中的鄰小區(qū)是否都已被選擇，如果是，則執(zhí)行步驟d， 否則，執(zhí)行步驟e;d、對(duì)于所述虛擬鄰小區(qū)集合中的鄰小區(qū)，按照最大窗功率的降序進(jìn)行排序，從排 序后的鄰小區(qū)中選擇前L個(gè)鄰小區(qū)和本小區(qū)一起進(jìn)行聯(lián)合檢測(cè)，退出所述方法；e、判斷所述虛擬鄰小區(qū)集合中未被選擇的鄰小區(qū)的數(shù)量X是否小于L，如果是，則 對(duì)于所述虛擬鄰小區(qū)集合中已被選擇的鄰小區(qū)，按照最大窗功率的降序進(jìn)行排序，從排序 后的鄰小區(qū)中選擇前L-X個(gè)鄰小區(qū)，將所述L-X個(gè)鄰小區(qū)和所述未被選擇的鄰小區(qū)作為當(dāng) 前選擇的L個(gè)鄰小區(qū)，轉(zhuǎn)入步驟b ；否則，從所述未被選擇的鄰小區(qū)中隨機(jī)選擇L個(gè)鄰小區(qū)， 轉(zhuǎn)入步驟b。綜上所述，本發(fā)明多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法，通過(guò)多次多碼 集信道估計(jì)對(duì)預(yù)先配置的虛擬鄰小區(qū)集合中的各小區(qū)的最大窗功率進(jìn)行估計(jì)，根據(jù)估計(jì)結(jié) 果選擇最大窗功率強(qiáng)的若干鄰小區(qū)進(jìn)行聯(lián)合檢測(cè)，從而使得在選擇用于聯(lián)合檢測(cè)的鄰小區(qū) 時(shí)，僅需要進(jìn)行一次聯(lián)合檢測(cè)運(yùn)算，因此可以有效提高鄰小區(qū)的篩選效率，滿足動(dòng)態(tài)實(shí)時(shí)性 的要求。


圖1為現(xiàn)有的用于聯(lián)合檢測(cè)的相鄰小區(qū)選擇方法的流程示意圖；圖2為本發(fā)明實(shí)施例的流程示意圖；圖3為本發(fā)明實(shí)施例應(yīng)用的蜂窩網(wǎng)結(jié)構(gòu)示意圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步地詳細(xì)描述。本發(fā)明的核心思想是預(yù)先配置虛擬鄰小區(qū)集合，該集合將不僅包含相鄰小區(qū)還 包含次相鄰小區(qū)，通過(guò)多次多碼集信道估計(jì)，根據(jù)信道估計(jì)結(jié)果獲得該集合中各鄰小區(qū)的 窗功率，然后選擇窗功率最強(qiáng)的若干鄰小區(qū)進(jìn)行聯(lián)合檢測(cè)。這樣，在選擇用于聯(lián)合檢測(cè)的鄰 小區(qū)時(shí)，僅需要進(jìn)行一次聯(lián)合檢測(cè)運(yùn)算即可，因此可以有效提高鄰小區(qū)的篩選效率，滿足動(dòng) 態(tài)實(shí)時(shí)性的要求。圖2為本發(fā)明一實(shí)施例的流程示意圖。如圖2所示，該實(shí)施例包括步驟201、從預(yù)先配置的本小區(qū)的虛擬鄰小區(qū)集合中選擇L個(gè)鄰小區(qū)，L為基站 進(jìn)行聯(lián)合檢測(cè)時(shí)能夠同時(shí)處理的最大鄰小區(qū)數(shù)，且L小于所述虛擬鄰小區(qū)集合中的鄰小區(qū)數(shù)。本步驟中，所述預(yù)先配置的虛擬鄰小區(qū)集合中的鄰小區(qū)數(shù)將大于或等于L，這樣， 該集合中將不僅可能包含功率強(qiáng)的鄰小區(qū)，還可能包含功率較強(qiáng)的次鄰小區(qū)。如此，可以在 后續(xù)步驟中動(dòng)態(tài)地選擇幾個(gè)虛擬鄰小區(qū)進(jìn)行干擾抵消和聯(lián)合檢測(cè)，以便在降低算法復(fù)雜性 的同時(shí)保證小區(qū)選擇周期的穩(wěn)定性。在實(shí)際應(yīng)用中，較佳地，所述L為6。相應(yīng)地所述虛擬鄰小區(qū)集合的數(shù)必然超過(guò)6 個(gè)。這里，當(dāng)首次進(jìn)行聯(lián)合檢測(cè)時(shí)，所述選擇可以采用隨機(jī)選擇的方式實(shí)現(xiàn)。當(dāng)所述聯(lián) 合檢測(cè)非首次進(jìn)行時(shí)，也可以采用隨機(jī)選擇的方式，較佳地，還可以采用下述方式實(shí)現(xiàn)將 最近一次進(jìn)行聯(lián)合檢測(cè)的L個(gè)鄰小區(qū)作為當(dāng)前選擇的L個(gè)鄰小區(qū)，如此可以使后續(xù)步驟中 獲得的多碼集信道估計(jì)結(jié)果更準(zhǔn)確，進(jìn)而使基于此得到的鄰小區(qū)的最大窗功率更準(zhǔn)確。步驟202、針對(duì)當(dāng)前選擇的L個(gè)鄰小區(qū)和本小區(qū)，進(jìn)行多碼集信道估計(jì)，根據(jù)所述 多碼集信道估計(jì)結(jié)果，得到所述L個(gè)鄰小區(qū)各自的最大窗功率。這里，具體如何進(jìn)行多碼集信道估計(jì)以及如何得到所述L個(gè)鄰小區(qū)各自的最大窗 功率，可采用現(xiàn)有方法實(shí)現(xiàn)，由于已為本領(lǐng)域技術(shù)人員所掌握，在此不再贅述。步驟203、判斷所述虛擬鄰小區(qū)集合中的鄰小區(qū)是否都已被選擇，如果是，則執(zhí)行 步驟204，否則，執(zhí)行步驟205。步驟204、對(duì)于所述虛擬鄰小區(qū)集合中的鄰小區(qū)，按照最大窗功率的降序進(jìn)行排 序，從排序后的鄰小區(qū)中選擇前L個(gè)鄰小區(qū)和本小區(qū)一起進(jìn)行聯(lián)合檢測(cè)，退出所述方法。步驟205-207、判斷所述虛擬鄰小區(qū)集合中未被選擇的鄰小區(qū)的數(shù)量X是否小于 L，如果是，則對(duì)于所述虛擬鄰小區(qū)集合中已被選擇的鄰小區(qū)，按照最大窗功率的降序進(jìn)行 排序，從排序后的鄰小區(qū)中選擇前L-X個(gè)鄰小區(qū)，將所述L-X個(gè)鄰小區(qū)和所述未被選擇的鄰 小區(qū)作為當(dāng)前選擇的L個(gè)鄰小區(qū)，轉(zhuǎn)入步驟202 ；否則，從所述未被選擇的鄰小區(qū)中隨機(jī)選 擇L個(gè)鄰小區(qū)，轉(zhuǎn)入步驟202。從上述流程可以看出，本發(fā)明僅利用最大窗功率較強(qiáng)的L個(gè)鄰小區(qū)與本小區(qū)一起 進(jìn)行聯(lián)合檢測(cè)，也就是說(shuō)，僅需要執(zhí)行一次聯(lián)合檢測(cè)的計(jì)算，如此，可以大大減少算法的復(fù) 雜度，另外，由于本發(fā)明中由于預(yù)先配置的虛擬鄰小區(qū)集合中的鄰小區(qū)數(shù)大于基站在聯(lián)合 檢測(cè)時(shí)能夠同時(shí)處理的鄰小區(qū)數(shù)，因此，可以實(shí)現(xiàn)聯(lián)合檢測(cè)時(shí)對(duì)鄰小區(qū)的動(dòng)態(tài)篩選，從而可 以在確保算法復(fù)雜性的同時(shí)保證小區(qū)選擇周期的穩(wěn)定性。下面通過(guò)上述實(shí)施例在一應(yīng)用場(chǎng)景下的具體實(shí)現(xiàn)，對(duì)本發(fā)明作進(jìn)一步的闡述。
應(yīng)用場(chǎng)景的網(wǎng)絡(luò)結(jié)構(gòu)示意圖如圖3所示，具體配置為虛擬鄰小區(qū)集合中的鄰小 區(qū)數(shù)為18，包括相鄰小區(qū)和次相鄰小區(qū)；基站聯(lián)合檢測(cè)時(shí)能夠同時(shí)處理的最大鄰小區(qū)數(shù)L 為6。本發(fā)明實(shí)施例在該應(yīng)用場(chǎng)景下的具體實(shí)現(xiàn)為1.從18個(gè)虛擬鄰小區(qū)中隨機(jī)選擇6個(gè)鄰小區(qū)；2.對(duì)本次選取的6個(gè)小區(qū)加上本小區(qū)進(jìn)行多碼集信道估計(jì)；3.根據(jù)信道估計(jì)結(jié)果算出6個(gè)鄰小區(qū)各自的最大窗功率，送入存儲(chǔ)器并記錄小區(qū) 標(biāo)識(shí)ID ；4. 18個(gè)虛擬鄰小區(qū)中當(dāng)前未選擇的小區(qū)數(shù)為12個(gè)，從中隨機(jī)選擇6個(gè)小區(qū)，重復(fù) 步驟2 ；5.兩次循環(huán)后，未入選的小區(qū)數(shù)為6個(gè)，全部選取為下一次小區(qū)集合，重復(fù)步驟 2 ；6.三次循環(huán)后，18個(gè)小區(qū)已全部選取，從存儲(chǔ)器中選出當(dāng)前功率較強(qiáng)的6個(gè)小區(qū) 同本小區(qū)一起進(jìn)行聯(lián)合檢測(cè)；7.進(jìn)行下一輪聯(lián)合檢測(cè)的首次選擇鄰小區(qū)集合時(shí)，參考當(dāng)前存儲(chǔ)器中功率排序， 選擇功率較強(qiáng)的6個(gè)小區(qū)，隨后可將存儲(chǔ)器清零，做下一輪18個(gè)小區(qū)的功率存儲(chǔ)。根據(jù)基站每個(gè)時(shí)隙處理6個(gè)鄰小區(qū)，18個(gè)虛擬鄰小區(qū)，需要三次循環(huán)，即每三個(gè)時(shí) 隙選出進(jìn)行聯(lián)合檢測(cè)的小區(qū)集合?？梢?jiàn)，本發(fā)明解決了現(xiàn)有系統(tǒng)一次配置10個(gè)以上虛擬鄰小區(qū)時(shí)自動(dòng)篩選鄰小區(qū) 的需求，同時(shí)相對(duì)于現(xiàn)有小區(qū)選擇的算法，循環(huán)迭代次數(shù)的減少使得算法復(fù)雜度大大降低， 鄰小區(qū)篩選的時(shí)間周期長(zhǎng)度較穩(wěn)定且基本滿足了動(dòng)態(tài)實(shí)時(shí)性的要求。綜上所述，以上僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。 凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的 保護(hù)范圍之內(nèi)。
權(quán)利要求
一種多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法，其特征在于，該方法包括以下步驟a、從預(yù)先配置的本小區(qū)的虛擬鄰小區(qū)集合中選擇L個(gè)鄰小區(qū)，L為基站進(jìn)行聯(lián)合檢測(cè)時(shí)能夠同時(shí)處理的最大鄰小區(qū)數(shù)，且L小于所述虛擬鄰小區(qū)集合中的鄰小區(qū)數(shù)；b、針對(duì)當(dāng)前選擇的L個(gè)鄰小區(qū)和本小區(qū)，進(jìn)行多碼集信道估計(jì)，根據(jù)所述多碼集信道估計(jì)結(jié)果，得到所述L個(gè)鄰小區(qū)各自的最大窗功率；c、判斷所述虛擬鄰小區(qū)集合中的鄰小區(qū)是否都已被選擇，如果是，則執(zhí)行步驟d，否則，執(zhí)行步驟e；d、對(duì)于所述虛擬鄰小區(qū)集合中的鄰小區(qū)，按照最大窗功率的降序進(jìn)行排序，從排序后的鄰小區(qū)中選擇前L個(gè)鄰小區(qū)和本小區(qū)一起進(jìn)行聯(lián)合檢測(cè)，退出所述方法；e、判斷所述虛擬鄰小區(qū)集合中未被選擇的鄰小區(qū)的數(shù)量X是否小于L，如果是，則對(duì)于所述虛擬鄰小區(qū)集合中已被選擇的鄰小區(qū)，按照最大窗功率的降序進(jìn)行排序，從排序后的鄰小區(qū)中選擇前L X個(gè)鄰小區(qū)，將所述L X個(gè)鄰小區(qū)和所述未被選擇的鄰小區(qū)作為當(dāng)前選擇的L個(gè)鄰小區(qū)，轉(zhuǎn)入步驟b；否則，從所述未被選擇的鄰小區(qū)中隨機(jī)選擇L個(gè)鄰小區(qū)，轉(zhuǎn)入步驟b。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)首次進(jìn)行聯(lián)合檢測(cè)時(shí)，步驟a中的所述 選擇為隨機(jī)選擇。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述聯(lián)合檢測(cè)非首次進(jìn)行時(shí)，步驟a中 的所述選擇為將最近一次進(jìn)行聯(lián)合檢測(cè)的L個(gè)鄰小區(qū)作為當(dāng)前選擇的L個(gè)鄰小區(qū)。
全文摘要
本發(fā)明提供了一種多小區(qū)聯(lián)合檢測(cè)時(shí)自動(dòng)篩選虛擬鄰小區(qū)的方法，通過(guò)多次多碼集信道估計(jì)對(duì)預(yù)先配置的虛擬鄰小區(qū)集合中各小區(qū)的最大窗功率進(jìn)行估計(jì)，根據(jù)估計(jì)結(jié)果選擇若干最大窗功率強(qiáng)的鄰小區(qū)進(jìn)行聯(lián)合檢測(cè)，使得在選擇用于聯(lián)合檢測(cè)的鄰小區(qū)時(shí)，僅需要進(jìn)行一次聯(lián)合檢測(cè)運(yùn)算，從而可以有效提高鄰小區(qū)的篩選效率，滿足動(dòng)態(tài)實(shí)時(shí)性的要求。
文檔編號(hào)H04W48/16GK101924576SQ201010243180
公開(kāi)日2010年12月22日 申請(qǐng)日期2010年7月30日 優(yōu)先權(quán)日2010年7月30日
發(fā)明者李軍, 李奎元, 李靜, 楊薇 申請(qǐng)人:新郵通信設(shè)備有限公司