[发明专利]一种LTE-A系统中CQI预测方法

说明书

本发明公开了一种LTE‑A系统中CQI预测方法，其步骤包括：利用基站记录的CQI历史数据，生成一长度为L的CQI序列，记为向量X_L；从该向量X_L中截取一段由近期CQI历史数据构成的序列，记为向量X_SL；向量X_SL的长度为SL；在向量X_L去除向量X_SL之后的剩余部分中寻找与该向量X_SL最相似的序列段X_km；根据X_km和CQI反馈时延D外推找到与待预测时刻最相似的时间点t_sp，然后以t_sp为基准获取之前一段长度WL的CQI历史数据序列作为预测向量X_hp；根据X_hp确定待预测时刻的CQI预测值。本发明在CQI高时延和用户移动速度相对较大时能够取得较好的效果，同时算法的复杂度低，易于硬件实现。

技术领域

本发明涉及LTE-A通信系统中的载波聚合(Carrier Aggregation,CA)技术，特别涉及载波聚合技术中一种低复杂度与高预测步长的CQI(Channel Quality Indicator，信道质量情况指示)预测方法。

背景技术

LTE-A作为LTE的演进版本，其具有更高的传输速率、更大的频谱利用率、更低的通信时延，同时可以提升移动网络性能，为用户带来更好的体验。在LTE-A通信系统引入的多项技术中，载波聚合(Carrier Aggregation,CA)技术是一项标志性技术。由于无线通信经过了长时间的发展，现有的无线频谱资源已经被2G、3G和卫星等通信系统大量占用，剩余可用的频谱资源很多都是离散的。载波聚合技术通过将多个LTE载波(Component Carrier,CC)聚合捆绑，为用户提供更大的带宽和更高的速率，但载波聚合技术也增加了用户反馈CQI给基站的时延，导致基站得到的CQI信息失真进一步导致系统性能下降。因此，对CQI进行预测是必要的。

在现有的CQI预测方案中，有多种多样的方法应用于不同的场景，有简单平均法、外推法、卡尔曼滤波法、人工神经网络法、小波变换-支持向量机(Wavelet Transform-Support Vector Machine,WT-SVM)法等等。这些预测方案受限于各自的应用场景：简单平均法只能应用于用户高速条件下，外推法只能处理线性数据；卡尔曼滤波法通常只能预测单一步长即1毫秒；神经网络法的计算量太大因而适用性不强；WT-SVM方案只能处理CQI时延4毫秒以内的预测。综上，以往的在不同场景下的CQI预测方案除了有其特殊局限外，更有一个共同的严重缺点：只能在CQI时延较小(小于6毫秒)时发挥作用。

发明内容

本发明克服了现有CQI预测方案的不足，提供了LTE-A通信场景下中高预测步长的CQI预测方法，该方案在CQI高时延和用户移动速度相对较大时能够取得较好的效果，同时算法的复杂度低，易于硬件实现。

本发明的技术方案：

一种LTE-A系统中CQI预测方法，其步骤包括：

1)利用基站已有记录的CQI历史数据序列，记为向量X_L；从X_L中截取最新的一段CQI历史数据序列，记为向量X_SL；

2)在向量X_L去除X_SL之后的剩余部分中寻找与向量X_SL最相似的序列段X_km，向量X_L的长度远远大于向量X_SL，这里的相似即几何上的相似，意为平行度最好，后边用数学方法实现是两个向量的标准差最小；