專利名稱：信道質(zhì)量指示預測與補償?shù)姆椒跋到y(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及移動通信的技術(shù)領(lǐng)域，尤其涉及一種信道質(zhì)量指示的預測與補償方法 及系統(tǒng)。
背景技術(shù)：
在蜂窩通信系統(tǒng)中，用戶接收到的信號質(zhì)量取決于小區(qū)的信道質(zhì)量、噪聲水平和 相鄰小區(qū)的干擾水平。在一定的發(fā)射功率下，為了優(yōu)化系統(tǒng)的容量和覆蓋，發(fā)射機的數(shù)據(jù)發(fā) 送率要能夠匹配UE接收到的信號質(zhì)量，即在UE接收到的信號質(zhì)量好的情況下多發(fā)送數(shù)據(jù)， 相反少發(fā)送數(shù)據(jù)。這是因為，低階的調(diào)制編碼方法能抗更高的干擾和噪聲，但傳輸速率低； 而高階的調(diào)制編碼方法傳輸速率高，但對干擾和噪聲比較敏感。這種技術(shù)即被認作是基于 自適應調(diào)制編碼的鏈路自適應技術(shù)。參照圖1，在LTE通信系統(tǒng)中，eNodeB根據(jù)UE反饋的CQI (信道質(zhì)量指示，Channel Quality Indicator)來選擇合適的調(diào)制方式和編碼速率，以提高傳輸速率和系統(tǒng)的吞吐 量。CQI是考慮到當前信道的信噪比水平和接收機的性能，從而給出的一種可支持的數(shù)據(jù)數(shù) 率的指示。雖然LTE標準為eNodeB和UE之間有關(guān)CQI之間的互操作設(shè)計了必要的信令，但 至于eNobeB具體如何選擇適當?shù)恼{(diào)制方式和編碼速率的問題，并沒有在標準中說明，這個 問題，即eNodeB如何利用接收到的CQI來最大化系統(tǒng)容量的具體方法，被留給了設(shè)備制造 商。也就是說，CQI實際是對eNodeB進行自適應調(diào)制和編碼操作的“建議”，eNodeB可以按 照UE反饋的CQI值選擇相應的調(diào)制編碼方式，也可以根據(jù)各種情況綜合考慮再做出選擇。需要注意的是，由于CQI的上行傳輸延遲和eNodeB對CQI的處理時延，使得 eNodeB在進行鏈路自適應和調(diào)度時用到的CQI和當前時刻真實的CQI之間存在差別。對于 快衰落的信道或者接收端信噪比變化比較快的情形來說，UE很可能面對與之前上報時刻完 全不同的信道條件。對于信道變好的情況，這將導致功率或頻率資源的浪費，而對于信道變 壞的情況，很可能引發(fā)HARQ進程，從而導致時間資源的浪費。因此，基于接收到的CQI值對 起作用時刻的CQI值進行預測和補償，就顯得很必要了。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種信道質(zhì)量指示的預測與補償方法及系統(tǒng)，以在一定條 件下使得補償后的CQI值更接近當前時刻的真實值，進而更好的提升系統(tǒng)的容量。一方面，本發(fā)明公開了一種信道質(zhì)量指示的預測與補償方法，包括如下步驟數(shù)據(jù) 準備步驟，積累相同子帶或全帶寬相同時間間隔的CQI值，形成CQI時間序列；自回歸求和 滑動平均模型的識別步驟，依據(jù)所述CQI時間序列，識別自回歸求和滑動平均模型過程，確 定自回歸求和滑動平均模型中的參數(shù)；參數(shù)估計步驟，對自回歸求和滑動平均模型的參數(shù) 進行估計，以確定自回歸求和滑動平均模型；預測與補償步驟，基于確定的所述自回歸求和 滑動平均模型對CQI值進行預測與補償。上述預測與補償方法，優(yōu)選所述參數(shù)估計步驟和所述預測與補償步驟之間還設(shè)置有模型診斷步驟，對所述參數(shù)估計步驟中確定的所述自回歸求和滑動平均模型進行診斷 檢驗，確定所述模型是否合適，若合適，則執(zhí)行所述預測與補償步驟；若不適合，則放棄該模型。上述預測與補償方法，優(yōu)選所述預測與補償步驟中，通過如下步驟對CQI值進行 預測預測時間計算步驟，確定CQI反饋和處理時延和CQI各采樣點之間的時間間隔；計算 所述CQI反饋和處理時延除以所述CQI各采樣點之間的時間間隔所得到的值，作為預測時 間；補償步驟，確定預測步長，判斷預測時間是否為整數(shù)若是，則將該預測時間作為預測 步長，預測后所得到的結(jié)果作為當前時刻對CQI的補償結(jié)果；若否，則預測步長確定該預測 時間的上取整和下取整，分別進行兩次預測，根據(jù)上取整預測步長得到的預測結(jié)果記為X1, 根據(jù)下取預測整步長得到的預測結(jié)果記為X2，對兩個預測結(jié)果進行線性插值，最終得到當 前時刻CQI的補償結(jié)果=X^aX2，其中a為預測時間的小數(shù)部分。上述預測與補償方法，優(yōu)選所述自回歸求和滑動平均模型的識別步驟中，所述自 回歸求和滑動平均模型為ARIMA (p，d，q)，通過如下方式確定p，d，q 計算所述CQI時間序 列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值、所述CQI時間序列經(jīng)一階差分后序列的自相關(guān) 函數(shù)和偏自相關(guān)函數(shù)的估計值、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)和偏 自相關(guān)函數(shù)的估計值；判斷所述CQI時間序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)一階差分 后序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)的衰減屬性， 確定d，d為ARIMA(p，d，q)模型達到平穩(wěn)所需要的差分階數(shù)，d的取值為0、1或2 ；確定所 述CQI時間序列的d階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性狀，以確定自回歸和 滑動平均算子的階數(shù)ρ和q。上述預測與補償方法，優(yōu)選所述參數(shù)估計步驟中，依據(jù)所述CQI時間序列的d階差 分后的序列的前Ρ+q+l個自協(xié)方差進行參數(shù)估算。 上述預測與補償方法，優(yōu)選所述模型診斷步驟中，利用所述CQI時間序列的d階差 分后的序列的殘差對模型進行診斷檢驗；若模型是合適的，當序列的長度增大時，殘差就越 來越接近于白噪聲序列。另一方面，本發(fā)明還公開了一種信道質(zhì)量指示的預測與補償系統(tǒng)，包括數(shù)據(jù)準備 的模塊、自回歸求和滑動平均模型的識別模塊、參數(shù)估計模塊和預測與補償模塊。其中，數(shù) 據(jù)準備的模塊用于積累相同子帶或全帶寬相同時間間隔的CQI值，形成CQI時間序列；自回 歸求和滑動平均模型的識別模塊用于依據(jù)所述CQI時間序列，識別自回歸求和滑動平均模 型過程，確定自回歸求和滑動平均模型中的參數(shù)；參數(shù)估計模塊用于對自回歸求和滑動平 均模型的參數(shù)進行估計，以確定自回歸求和滑動平均模型；預測與補償模塊用于基于確定 的所述自回歸求和滑動平均模型對CQI值進行預測與補償。上述預測與補償系統(tǒng)，優(yōu)選所述參數(shù)估計模塊和所述預測與補償模塊之間還設(shè)置 有模型診斷模塊，對所述參數(shù)估計步驟中確定的所述自回歸求和滑動平均模型進行診斷 檢驗，確定所述模型是否合適，若合適，則執(zhí)行所述預測與補償步驟；若不適合，則放棄該模型。上述預測與補償系統(tǒng)，優(yōu)選所述預測與補償模塊中還包括預測時間計算單元，用 于確定CQI反饋和處理時延和CQI各采樣點之間的時間間隔；計算所述CQI反饋和處理時 延除以所述CQI各采樣點之間的時間間隔所得到的值，作為預測時間；補償單元，用于確定預測步長，判斷預測時間是否為整數(shù)若是，則將該預測時間作為預測步長，預測后所得到 的結(jié)果作為當前時刻對CQI的補償結(jié)果；若否，則預測步長確定該預測時間的上取整和下 取整，分別進行兩次預測，根據(jù)上取整預測步長得到的預測結(jié)果記為X1，根據(jù)下取預測整步 長得到的預測結(jié)果記為X2，對兩個預測結(jié)果進行線性插值，最終得到當前時刻CQI的補償結(jié) 果=XJaX2，其中a為預測時間的小數(shù)部分。上述預測與補償系統(tǒng)，優(yōu)選所述自回歸求和滑動平均模型的識別模塊還包括計 算單元和確定單元。其中，計算單元用于計算所述CQI時間序列的自相關(guān)函數(shù)和偏自相關(guān) 函數(shù)的估計值、所述CQI時間序列經(jīng)一階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計 值、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值；確定 單元用于判斷所述CQI時間序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)一階差分后序列的自 相關(guān)函數(shù)、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)的衰減屬性，確定d，d為 ARIMA (p，d，q)模型達到平穩(wěn)所需要的差分階數(shù)，d的取值為0、1或2 ；確定所述CQI時間序 列的d階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性狀，以確定自回歸和滑動平均算子 的階數(shù)P和q。上述預測與補償系統(tǒng)，優(yōu)選所述參數(shù)估計模塊中，依據(jù)所述CQI時間序列的d階差 分后的序列的前Ρ+q+l個自協(xié)方差進行參數(shù)估算。上述預測與補償系統(tǒng)，優(yōu)選所述模型診斷模塊中，利用所述CQI時間序列的d階差 分后的序列的殘差對模型進行診斷檢驗；若模型是合適的，當序列的長度增大時，殘差就越 來越接近于白噪聲序列。相對于現(xiàn)有技術(shù)而言，本方面具有如下優(yōu)點本發(fā)明根據(jù)之前的CQI序列值利用ARIMA過程進行建模來預測CQI在反饋和處理 時延的可能的變化，進而直接或經(jīng)過插值得到CQI的補償結(jié)果，能夠有效減小原始CQI值與 當前時刻真實值之間的差別，從而節(jié)省通信資源和能量，提高系統(tǒng)通信容量，并兼具算法的 復雜度低，便于實現(xiàn)的優(yōu)點。


圖1為是對現(xiàn)有技術(shù)中CQI的反饋和處理時延的說明；圖2為本發(fā)明信道質(zhì)量指示的預測與補償方法實施例的步驟流程圖；圖3a為本發(fā)明信道質(zhì)量指示的預測與補償方法實施例中CQI序列自相關(guān)函數(shù)示 意圖；圖3b為本發(fā)明信道質(zhì)量指示的預測與補償方法實施例中CQI序列偏自相關(guān)函數(shù) 示意圖；圖4為在LTE仿真平臺上使用本發(fā)明所提供的CQI預測與補償方法后系統(tǒng)吞吐量 與未使用CQI預測與補償方法時系統(tǒng)吞吐量的比較圖；圖5為本發(fā)明信道質(zhì)量指示的預測與補償系統(tǒng)實施例的結(jié)構(gòu)示意圖；圖6為本發(fā)明信道質(zhì)量指示的預測與補償系統(tǒng)實施例中，補償模塊的結(jié)構(gòu)示意 圖；圖7為本發(fā)明信道質(zhì)量指示的預測與補償系統(tǒng)實施例中，回歸求和滑動平均模型 的識別模塊的結(jié)構(gòu)示意圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。本發(fā)明提供一種在LTE通信系統(tǒng)中eNodeB對UE反饋的CQI進行預測和補償?shù)?Afe^HiM白勺禾IjfflBilXI/!5歹IjtlM ARIMA(Autoregressive Integrated Moving Average Model，自回歸求和滑動平均模型)進行建模和預測的算法，具體涉及一種利用自回歸求和 滑動平均模型對CQI進行預測與補償?shù)姆椒?，包括對ARIMA模型進行識別、對ARIMA模型進 行估計，對估計的ARIMA模型進行診斷，以及利用ARIMA模型給出所需的CQI預測和補償結(jié)
權(quán)利要求
一種信道質(zhì)量指示的預測與補償方法，其特征在于，包括如下步驟數(shù)據(jù)準備步驟，積累相同子帶或全帶寬相同時間間隔的CQI值，形成CQI時間序列；自回歸求和滑動平均模型的識別步驟，依據(jù)所述CQI時間序列，識別自回歸求和滑動平均模型過程，確定自回歸求和滑動平均模型中的參數(shù)；參數(shù)估計步驟，對自回歸求和滑動平均模型的參數(shù)進行估計，以確定自回歸求和滑動平均模型；預測與補償步驟，基于確定的所述自回歸求和滑動平均模型對CQI值進行預測與補償。
2.根據(jù)權(quán)利要求1所述的預測與補償方法，其特征在于，所述參數(shù)估計步驟和所述預 測與補償步驟之間還設(shè)置有模型診斷步驟，對所述參數(shù)估計步驟中確定的所述自回歸求和滑動平均模型進行診斷 檢驗，確定所述模型是否合適，若合適，則執(zhí)行所述預測與補償步驟；若不適合，則放棄該模型。
3.根據(jù)權(quán)利要求1或2所述的預測與補償方法，其特征在于，所述預測與補償步驟中， 通過如下步驟對CQI值進行預測預測時間計算步驟，確定CQI反饋和處理時延和CQI各采樣點之間的時間間隔；計算 所述CQI反饋和處理時延除以所述CQI各采樣點之間的時間間隔所得到的值，作為預測時 間；補償步驟，確定預測步長，判斷預測時間是否為整數(shù)若是，則將該預測時間作為預測步長，預測后所得到的結(jié)果作為當前時刻對CQI的補 償結(jié)果；若否，則預測步長確定該預測時間的上取整和下取整，分別進行兩次預測，根據(jù)上取整 預測步長得到的預測結(jié)果記為X1,根據(jù)下取預測整步長得到的預測結(jié)果記為X2，對兩個預 測結(jié)果進行線性插值，最終得到當前時刻CQI的補償結(jié)果=XfaX2，其中a為預測時間的小數(shù) 部分。
4.根據(jù)權(quán)利要求3所述的預測與補償方法，其特征在于，所述自回歸求和滑動平均模型的識別步驟中，所述自回歸求和滑動平均模型為ARIMA (p，d，q)，通過如下方式確定p，d， q 計算所述CQI時間序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值、所述CQI時間序列經(jīng) 一階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值、所述CQI時間序列經(jīng)二階差分后 的序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值；判斷所述CQI時間序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)一階差分后序列的自相 關(guān)函數(shù)、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)的衰減屬性，確定d，d為 ARIMA(p, d，q)模型達到平穩(wěn)所需要的差分階數(shù)，d的取值為0、1或2 ；確定所述CQI時間序列的d階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性狀，以確 定自回歸和滑動平均算子的階數(shù)P和q。
5.根據(jù)權(quán)利要求4所述的預測與補償方法，其特征在于，所述參數(shù)估計步驟中，依據(jù)所 述CQI時間序列的d階差分后的序列的前ρ+q+l個自協(xié)方差進行參數(shù)估算。
6.根據(jù)權(quán)利要求5所述的預測與補償方法，其特征在于，所述模型診斷步驟中，利用所述CQI時間序列的d階差分后的序列的殘差對模型進行診斷檢驗；若模型是合適的，當序列 的長度增大時，殘差就越來越接近于白噪聲序列。
7.一種信道質(zhì)量指示的預測與補償系統(tǒng)，其特征在于，包括數(shù)據(jù)準備的模塊，用于積累相同子帶或全帶寬相同時間間隔的CQI值，形成CQI時間序列；自回歸求和滑動平均模型的識別模塊，用于依據(jù)所述CQI時間序列，識別自回歸求和 滑動平均模型過程，確定自回歸求和滑動平均模型中的參數(shù)；參數(shù)估計模塊，用于對自回歸求和滑動平均模型的參數(shù)進行估計，以確定自回歸求和 滑動平均模型；預測與補償模塊，用于基于確定的所述自回歸求和滑動平均模型對CQI值進行預測與 補償。
8.根據(jù)權(quán)利要求7所述的預測與補償系統(tǒng)，其特征在于，所述參數(shù)估計模塊和所述預 測與補償模塊之間還設(shè)置有模型診斷模塊，對所述參數(shù)估計步驟中確定的所述自回歸求和滑動平均模型進行診斷 檢驗，確定所述模型是否合適，若合適，則執(zhí)行所述預測與補償步驟；若不適合，則放棄該模型。
9.根據(jù)權(quán)利要求7或8所述的預測與補償系統(tǒng)，其特征在于，所述預測與補償模塊中還 包括預測時間計算單元，用于確定CQI反饋和處理時延和CQI各采樣點之間的時間間隔；計 算所述CQI反饋和處理時延除以所述CQI各采樣點之間的時間間隔所得到的值，作為預測 時間；補償單元，用于確定預測步長，判斷預測時間是否為整數(shù)若是，則將該預測時間作為預測步長，預測后所得到的結(jié)果作為當前時刻對CQI的補 償結(jié)果；若否，則預測步長確定該預測時間的上取整和下取整，分別進行兩次預測，根據(jù)上取整 預測步長得到的預測結(jié)果記為X1,根據(jù)下取預測整步長得到的預測結(jié)果記為X2，對兩個預 測結(jié)果進行線性插值，最終得到當前時刻CQI的補償結(jié)果=XfaX2，其中a為預測時間的小數(shù) 部分。
10.根據(jù)權(quán)利要求9所述的預測與補償系統(tǒng)，其特征在于，所述自回歸求和滑動平均模 型的識別模塊還包括計算單元，用于計算所述CQI時間序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值、所述 CQI時間序列經(jīng)一階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值、所述CQI時間序 列經(jīng)二階差分后的序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的估計值；確定單元，用于判斷所述CQI時間序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)一階差分后 序列的自相關(guān)函數(shù)、所述CQI時間序列經(jīng)二階差分后的序列的自相關(guān)函數(shù)的衰減屬性，確 定d，d為ARIMA(p，d，q)模型達到平穩(wěn)所需要的差分階數(shù)，d的取值為0、1或2 ；確定所述 CQI時間序列的d階差分后序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性狀，以確定自回歸和滑 動平均算子的階數(shù)P和q。
11.根據(jù)權(quán)利要求10所述的預測與補償系統(tǒng)，其特征在于，所述參數(shù)估計模塊中，依據(jù)所述CQI時間序列的d階差分后的序列的前ρ+q+l個自協(xié)方差進行參數(shù)估算。
12.根據(jù)權(quán)利要求11所述的預測與補償系統(tǒng)，其特征在于，所述模型診斷模塊中，利用 所述CQI時間序列的d階差分后的序列的殘差對模型進行診斷檢驗；若模型是合適的，當序 列的長度增大時，殘差就越來越接近于白噪聲序列。
全文摘要
本發(fā)明公開了一種信道質(zhì)量指示的預測與補償方法及系統(tǒng)。其中，該方法包括積累相同子帶或全帶寬相同時間間隔的CQI值，形成CQI時間序列；自回歸求和滑動平均模型的識別步驟，依據(jù)所述CQI時間序列，識別自回歸求和滑動平均模型過程，確定自回歸求和滑動平均模型中的參數(shù)；對自回歸求和滑動平均模型的參數(shù)進行估計，以確定自回歸求和滑動平均模型；基于確定的所述自回歸求和滑動平均模型對CQI值進行預測。本發(fā)明能夠有效減小原始CQI值與當前時刻真實值之間的差別，從而節(jié)省通信資源和能量，提高系統(tǒng)通信容量，并兼具算法的復雜度低，便于實現(xiàn)的優(yōu)點。
文檔編號H04W24/06GK101958765SQ201010293280
公開日2011年1月26日 申請日期2010年9月27日 優(yōu)先權(quán)日2010年9月27日
發(fā)明者尚勇, 陳曉華 申請人:北京大學