干扰分析方法及装置与流程

本发明涉及无线通信领域技术，尤其涉及一种干扰分析方法及装置。

背景技术：

时分双工(timedivisionduplex，tdd)系统远端基站干扰为tdd固有的特定条件下引起的系统内干扰，为远端基站的下行信号经自用空间或者大气波导层远距离低损耗传输后对近端基站的上行接收产生的强干扰。

在现有技术中，已经有的检测和判别手段，能够识别出tdd基站是否受到了远端基站的远端干扰。但是目前的这种干扰处理方法，存在识别精确性不够以及无法精确定位干扰源小区的问题。

技术实现要素：

有鉴于此，本发明实施例期望提供一种干扰分析方法及装置，至少部分解决上述问题。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例第一方面提供一种干扰分析方法，包括：

获取上行干扰数据；

分析所述上行干扰数据，提取上行干扰在频域的频域分布特征；

根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰。

基于上述方案，所述分析所述上行干扰数据，提取上行干扰在频域的频域分布特征，包括：

分析所述上行干扰数据，确定所述上行干扰是否分布整个预定频带内；

所述根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰，包括：

当所述上行干扰分布在整个所述预定频带内时，则确定所述上行干扰的干扰类型为远端干扰。

基于上述方案，所述分析所述上行干扰数据，提取上行干扰在频域的频域分布特征，包括：

分析所述上行干扰数据，提取所述上行干扰在预定频带的第一子带的第一干扰强度和第二子带的第二干扰强度；

所述根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰，包括：

当第一干扰强度大于所述第二干扰强度，则确定所述上行干扰的干扰类型为所述远端干扰。

本发明实施例第二方面提供一种干扰分析方法，包括：

获取预定区域内的上行干扰数据；

分析所述上行干扰数据，确定在所述预定区域内受到上行干扰的受扰小区比例以及所述上行干扰的时域分布特征；

结合所述受扰小区比例和所述时域分布特征，确定所述上行干扰是否为远端干扰。

基于上述方案，所述结合所述受扰小区比例和所述时域分布特征，确定所述上行干扰是否为远端干扰，包括：

判断所述受扰小区比例是否满足第一预设条件；

判断所述时域分布特征是否满足第二预设条件；

当所述受扰小区比例满足所述第一预设条件，且所述时域分布特征满足所述第二预设条件，确定所述上行干扰为所述远端干扰。

基于上述方案，所述判断所述受扰小区比例是否满足第一预设条件，包括：

当所述受扰小区比例高于第一指定阈值，确定所述受扰小区比例满足所述第一预设条件。

基于上述方案，所述判断所述时域分布特征是否满足第二预设条件，包括：

当所述时域分布特征表明所述上行干扰集中分布在第一时段时，确定所述时域分布特征满足所述第二预设条件；所述上行干扰数据的分析周期分为：所述第一时段和第二时段；在所述第一时段的业务量低于所述第二时段的业务量；

和/或，

当所述时域分布特征表明：在传输子帧内受到所述上行干扰的起始时间为预定时间，和/或，所述时域分布特征表明所述上行干扰强度在传输子帧内的功率斜坡特征为预定特征，则确定所述时域分布特征满足第二预设条件。

本发明实施例第三方面提供一种干扰分析方法，包括：

获取上行干扰数据；

分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；

当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。

基于上述方案，所述分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件，包括：

分析上行干扰数据，确定出受到所述上行干扰的第一小区群及所述第一小区群受到的上行干扰的第一时域特征；

根据所述第一小区群的天线参数，确定导致干扰的疑似小区群；

对所述疑似小区群的上行干扰数据分析，获取所述疑似小区群受到的上行干扰的第二时时域特征；

根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群。

基于上述方案，所述根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群，包括：

当所述第一时域特征和所述第二时域特征表明：所述疑似小区群受到的上行干扰的时段，与第一小区群受到的上行干扰的时段的重叠比例大于第二指定阈值时，确定所述疑似小区为对所述第一小区群进行远端干扰的第二小区群。

本发明实施例第四方面提供一种干扰分析装置，包括：

第一获取单元，用于获取上行干扰数据；

第一分析单元，用于分析所述上行干扰数据，提取上行干扰在频域的频域分布特征；

第一确定单元，用于根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰。

基于上述方案，所述第一分析单元，具体用于分析所述上行干扰数据，确定所述上行干扰是否分布整个预定频带内；

所述第一确定单元，具体用于当所述上行干扰分布在整个所述预定频带内时，则确定所述上行干扰的干扰类型为远端干扰。

基于上述方案，所述第一分析单元，具体用于分析所述上行干扰数据，提取所述上行干扰在预定频带的第一子带的第一干扰强度和第二子带的第二干扰强度；

所述第一确定单元，具体用于当第一干扰强度大于所述第二干扰强度，则确定所述上行干扰的干扰类型为所述远端干扰。

本发明实施例第五方面提供一种干扰分析装置，包括：

第二获取单元，用于获取预定区域内的上行干扰数据；

第二分析单元，用于分析所述上行干扰数据，确定所述预定区域内受到上行干扰的受扰小区比例以及所述上行干扰的时域分布特征；

第二确定单元，用于结合所述受扰小区比例和所述时域分布特征，确定所述上行干扰是否为远端干扰。

基于上述方案，所述第二确定单元，具体用于判断所述受扰小区比例是否满足第一预设条件；判断所述时域分布特征是否满足第二预设条件；当所述受扰小区比例满足所述第一预设条件，且所述时域分布特征满足所述第二预设条件，确定所述上行干扰为所述远端干扰。

基于上述方案，所述第二确定单元，具体用于当所述受扰小区比例高于第一指定阈值，确定所述受扰小区比例满足所述第一预设条件。

基于上述方案，所述第二确定单元，具体用于当所述时域分布特征表明所述上行干扰集中分布在第一时段时，确定所述时域分布特征满足所述第二预设条件；其中，所述上行干扰数据的分析周期分为：第一时段和第二时段；在所述第一时段的业务量低于所述第二时段的业务量；

和/或，

所述第二确定单元，具体用于当所述时域分布特征表明：在传输子帧内受到所述上行干扰的起始时间为预定时间，和/或，所述时域分布特征表明所述上行干扰强度在传输子帧内的功率斜坡特征为预定特征，则确定所述时域分布特征满足第二预设条件。

本发明实施例第六方面提供一种干扰分析装置，包括：

第三获取单元，用于获取上行干扰数据；

第三分析单元，用于分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；

第四确定单元，用于当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。

基于上述方案，所述第三分析单元，具体用于分析上行干扰数据，确定出受到所述上行干扰的第一小区群及所述第一小区群受到的上行干扰的第一时域特征；根据所述第一小区群的天线参数，确定导致干扰的疑似小区群；对所述疑似小区群的上行干扰数据分析，获取所述疑似小区群受到的上行干扰的第二时时域特征；

所述第四确定单元，用于根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群。

基于上述方案，所述第四确定单元，具体用于当所述第一时域特征和所述第二时域特征表明：所述疑似小区群受到的上行干扰的时段，与第一小区群受到的上行干扰的时段的重叠比例大于第二指定阈值时，确定所述疑似小区为对所述第一小区群进行远端干扰的第二小区群。

本发明实施例提供的干扰分析方法及装置，会分析上行干扰的在频域、时域、一个区域内受干扰的受扰小区比例，和/或两个小区群收到的干扰的相似度，简便的确定出远端干扰，相对于现有技术中利用空间传播模型进行干扰类型的判断，可以减少因引入固定模型导致的不精确现象，且通过分析两个小区群的干扰相似性，还能够定位远端干扰的干扰源，解决了现有技术中无法定位远端干扰的干扰源的问题。

附图说明

图1为本发明实施例提供的第一种干扰分析方法的流程示意图；

图2为本发明实施例提供的一种远端干扰的频域分布特征的示意图；

图3为本发明实施例提供的第二种干扰分析方法的流程示意图；

图4为本发明实施例提供的一种远端干扰的时域分布特征的示意图；

图5为本发明实施例提供的第三种干扰分析方法的流程示意图；

图6为本发明实施例提供的一种受扰小区群的天线方向角的示意图；

图7为本发明实施例提供的一种多个受扰小区群之间的干扰示意图；

图8为本发明实施例提供的第一种分析装置的结构示意图；

图9为本发明实施例提供的第二种分析装置的结构示意图；

图10为本发明实施例提供的第三种分析装置的结构示意图；

图11为本发明实施例提供的一种受扰小区较多时的干扰示意图；

图12为本发明实施例提供的一种受扰小区较少时的干扰示意图。

具体实施方式

以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。

如图1所示，本实施例提供一种干扰分析方法，包括：

步骤s110：获取上行干扰数据；

步骤s120：分析所述上行干扰数据，提取上行干扰在频域的频域分布特征；

步骤s130：根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰。

在本实施例中所述干扰分析方法可为：应用于各种具有信息处理的设备中的信息处理方法。

在步骤s110中获取上行干扰数据，可包括从操作维护中心(operationandmaintenancecentre，omc)接收所述上行干扰数据。本实施例中执行所述步骤s110至步骤s130的也可以为与所述omc自身，也可以为与所述omc连接的服务器等电子设备。

在步骤s120中会分析上行数据产生的频域，获得上行干扰在频域的分布特征，在本实施例中在频域的分布特征称之为频域分布特征。在本实施例中所述频域可为tdd系统中用于采用tdd技术进行通信的频带。

在步骤s130中会根据频域分布特征，确定该上行干扰数据对应的干扰类型是否为远端干扰。

在本实施例中所述远端干扰为远方基站发送的信号，通过大气远程传播之后对本地小区导致的干扰。在本实施例中可认为距离为20km以上的远端小区对本小区的干扰可视为远端干扰，当然在具体实现时，该距离不局限于所述20km。

本实施例提供了一种通过提取上行干扰的频域分布特征，简便快捷精确识别出是否远端干扰的方法，与现有技术中利用空间传播模型计算干扰距离确定干扰是否为远端干扰的方法，具有计算量少，且由于是基于大数据的统计，更加符合现实情况，精确度更高。

进一步地，所述步骤s120可包括：

分析所述上行干扰数据，确定所述上行干扰是否分布整个预定频带内；

所述步骤s130可包括：

当所述上行干扰分布在整个所述预定频带内时，则确定所述上行干扰的干扰类型为远端干扰。

在本实施例中所述预定频带可为前述的tdd系统使用的tdd频带。

若存在远端干扰，可能由于远端小区和本小区采用的是同样的传输帧，故可能会干扰在整个频带内都分布有，故在本实施例中，若发现该干扰较为均匀的分布在整个频带，而不是某些频率有干扰，而某些频率没有干扰，则可认为该上行干扰为所述远端干扰。

采用这种方法，确定所述上行干扰是否为所述远端干扰，具有实现简单及精确度高的特点。

作为本实施例的进一步改进，所述预定频带分为第一子带和第二子带，所述步骤s120可包括：

分析所述上行干扰数据，提取所述上行干扰在预定频带的第一子带的第一干扰强度和第二子带的第二干扰强度；其中，所述第一子带为所述预定频带的中间频带，所述第二子带为所述预定频带中除所述第一子带以外的频带；

所述步骤s130包括：

当第一干扰强度大于所述第二干扰强度，则确定所述上行干扰的干扰类型为所述远端干扰。

在本实施例中所述第一子带可为小区基站发送同步信号、系统消息和/或调度消息的下行控制信号的调度子带，而所述第二子带可为业务子带，这里的业务子带可为发送业务数据的频带。由于当业务数据较少时，业务子带可能会空闲就不会有对应的数据发送，故相对而言会导致干扰小区发送的信号对受扰小区的干扰会小些，故此时第一子带的干扰就会大小。通常情况下，所述第一子带为所述预定频带的频率的中间位置，通常可称为中间频带。若第一子带上的干扰强度大于所述第二子带上的干扰强度，则可认为该上行干扰为所述远端干扰。

图2所示的为一个远端干扰的频域分布特征效果示意图，在图2中横轴为物理资源块(physicalresourceblock,prb)的序号，纵轴为干扰强度；显然，在序号为47至53的prb的收到的干扰强度大于其他序号prb受到干扰强度。prb的序号是根据频率以此赋予的，序号为47至53的prb为预定的100个prb的中间频带，即对应于所述第一子带。在图2中一条曲线代表一个小区的上行噪声，每一条曲线为15分钟的噪声平均值。这里的噪声即为干扰的一种。

例如，假设上行100个prb均受扰，各prb间干扰较平均，通常中间6个prb受扰更严重，干扰信号比其它prb强约5db。因此从时间统计的角度来看，中间6个rb的受扰强度更高，故根据该特征，可以通过分析干扰强度在第一子带和第二字段的干扰强度，确定出当前受到的上行干扰是否为远端干扰。在本实施例中所述干扰强度可指示干扰强弱程度的各种参数，例如，干扰功率等。

进一步地，所述方法还包括：

分析所述上行干扰数据，确定在预定区域内受到上行干扰的受扰小区比例；和/或，分析所述上行干扰数据，确定所述上行干扰的时域分布特征；

所述步骤s130可包括：

将所述频域分布特征，与所述受扰小区的比例和所述时域分布特征的至少其中之一结合，确定所述上行干扰的干扰类型是否为远端干扰。

在本实施例中所述方法还包括，分析所述上行干扰在时域的特征，在本实施例中所述在时域的特征，可称之为时域分布特征。

所述上行干扰数据的分析周期分为：第一时段和第二时段；在所述第一时段的业务量低于所述第二时段的业务量。例如，夜晚通常业务量会比白天的业务量少一些，但是由于夜晚的大气传输环境，可能会导致远端干扰更为明显，故在本实施例中基于该特点，故在步骤s130中若所述时域分布特征表明所述上行干扰集中分布在所述第一时段，确定所述时域分布特征满足时域分布条件。在一些情况下，当所述时域分布特征表明：在传输子帧内受到所述上行干扰的起始时间为预定时间，和/或，所述时域分布特征表明所述上行干扰强度在传输子帧内的功率斜坡特征为预定特征，则确定所述时域分布特征满足时域分布条件。例如，所述上行干扰的起始时间为从传输子帧的保护间隙(guardperiod,gp)开始就有上行干扰，和/或所述时域分布特征表明所述上行干扰在传输子帧内的功率特征呈现斜坡下降趋势，则确定所述时域分布特征满足第二预设条件，也可以认为是满足时域分布条件。

这样的话，如频域分布特征满足前述技术方案中的条件，可认为频域分布特征满足频域分布条件，在步骤s130中可认为在频域分布特征满足频域分布条件，时域分布特征满足时域分布条件，则认为所述上行干扰为远端干扰。结合频域和时域两个维度进行判断，能够再次提升判断的精确度。

在本实施例中还引入受扰小区比例，由于大气特点分布的区域化，若有一个地区有一个小区受到远端干扰，则可能有多个小区也受到干扰，故在本实施例中还会分析受到所述上行干扰的受扰小区比例，若所述受扰小区比例大于一定过得阈值，在本实施例中为所述第一指定阈值，则可认为所述小区比例满足比例条件。此时，在步骤s130中可以结合频域分布特征是否满足频域分布条件、时域分布特征是否满足时域分布条件，所述受扰小区比例是否满足比例条件的其中的一个或多个，来确定上行干扰是否为远端干扰。例如，当上述三个条件均同时满足时，则确定所述上行干扰为所述远端干扰，以多维度的判断干扰类型，以提升干扰类型的判断精确度。

在本实施例中所述方法还包括：

分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；

当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。

由于大气特性导致的远端干扰，可能存在干扰互易性，在本实施例中，会通过位于不同区域的两个小区群的受到的干扰的相似性码，确定是否为远端干扰，且能够同时定位出导致干扰的干扰小区。

例如，分析两个小区群受到干扰的时间段是否有很大比例的重叠，若有很大比例的重叠，则可认为彼此造成了对方的远端干扰。

总之，本实施例提出了一种通过分析上行干扰在频域上的分布特征，简便精确确定是否为远端干扰的方法。

如图3所示，本实施例提供一种干扰分析方法，包括：

步骤s210：获取预定区域内的上行干扰数据；

步骤s220：分析所述上行干扰数据，确定在所述预定区域内受到上行干扰的受扰小区比例以及所述上行干扰的时域分布特征；

步骤s230：结合所述受扰小区比例和所述时域分布特征，确定所述上行干扰是否为远端干扰。

本实施例提供一种干扰分析方法，由于远端干扰是收到大气传到的导致的，而大气特性是由地域性的，若有一个地区有一个小区受到远端干扰，则可能有多个小区也受到干扰。故在本实施例中据此，将通过分析小区干扰数据，提取出受到上行干扰的小区数，占整个预定区域内的总小区的个数，从而统计出上述受扰小区比例。

于此同时，还会在分布上行干扰在时域上的特点，在本实施例中上行干扰在时域上的特点称之为时域分布特征。

在步骤s230中会将该统计出的受扰小区比例与第一指定阈值的比较，获得比较结果。在步骤s230中还会根据时域分布特征是否为是远端干扰导致的干扰特点，结合受扰小区比例及时域分布特征，从这两个维度确定出所述小区干扰是否为远端干扰。

所述步骤s230可包括：

判断所述受扰小区比例是否满足第一预设条件；

判断所述时域分布特征是否满足第二预设条件；

当所述受扰小区比例满足所述第一预设条件，且所述时域分布特征满足所述第二预设条件，确定所述上行干扰为所述远端干扰。

在本实施例中需要判断小区比例和所述时域分布特征是否满足各自对应的条件，若满足了各自对应的条件，则可认为该上行干扰为远端干扰。

进一步地，所述判断所述受扰小区比例是否满足第一预设条件，包括：

当所述受扰小区比例高于第一指定阈值，确定所述受扰小区比例满足所述第一预设条件。在本实施例中所述第一指定阈值可为30％等比值。当然所述第一指定阈值还可以是25％、40％等其他比值，总之不局限于所述30％。

例如，所述上行干扰数据的分析周期分为：第一时段和第二时段；在所述第一时段的业务量低于所述第二时段的业务量；所述判断所述时域分布特征是否满足第二预设条件，包括：当所述时域分布特征表明所述上行干扰集中分布在第一时段时，确定所述时域分布特征满足所述第二预设条件。在本实施例中所述第一时段可为业务量较少的时段，或小区较闲的时段，例如，晚上等或凌晨以后到第二条早上的工作时间段内。

在比如，所述判断所述时域分布特征是否满足第二预设条件，还可包括：

当所述时域分布特征表明：在传输子帧内受到所述上行干扰的起始时间为预定时间，和/或，所述时域分布特征表明所述上行干扰在传输子帧内的功率特征呈现斜坡下降趋势，则确定所述时域分布特征满足第二预设条件。

图4所示为本实施例提供的一个远端干扰在一个传输子帧内功率的示意图，显然干扰功率从gp开始呈现斜坡下降趋势。图4中的uppt代表上行导频时隙；所述u代表为上行传输时隙。

总之，在本实施例中所述第一预设条件的判断，可对应于前述实施例中比例条件的判断。所述第二预设条件的判断，可对应于前述实施例中时域分布特征的判断。本实施例提供了一种方法，将结合受扰小区比例和时域分布特征两个维度，判断收到的上行干扰是否为远端干扰，具有实现简便及判断精确度高的特点。

如图5所示，本实施例提供一种干扰分析方法，包括：

步骤s310：获取上行干扰数据；

步骤s320：分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；

步骤s330：当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。

本实施例提供了一种方法，不仅可以判断出该上行干扰是远端干扰，而且可以根据远端干扰的互易性，确定出所述干扰源。在本发明实施例中，所述干扰源可认为是施加干扰的施扰小区。

在本实施例中所述小区群，可理解为位于同一个区域的多个小区，或多个连续分布的小区。两个分离的小区群表示这两个小区群相隔一定的区域。

在本实施例中所述步骤s310中获取上行干扰数据，可如前述实施例中从omc获取所述上行干扰数据。在步骤s320中通过对所述上行干扰数据的分析，可以找到是否存在两个小区群受到的上行干扰是否有足够的相似，若有足够的相似，则可认为这两个小区收到的上行干扰都包括远端干扰，且互为远端干扰的干扰源。故在本实施例中可以通过干扰相似性，简便的确定出干扰源。

在步骤s320中可以是分析两个小区群收到的上行干扰在时域上的相似性，简便确定是否互为干扰源。

进一步地，所述步骤s320可包括：

分析上行干扰数据，确定出受到所述上行干扰的第一小区群及所述第一小区群受到的上行干扰的第一时域特征；

根据所述第一小区群的天线参数，确定导致干扰的疑似小区群；

对所述疑似小区群的上行干扰数据分析，获取所述疑似小区群受到的上行干扰的第二时时域特征；

根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群。

在本实施例中将分别提取第一小区群的第一时域特征，然后根据第一小区的天线角确定出导致第一小区群受到远端干扰的疑似小区，再通过分析疑似小区群的第二时域特征，然后比对第一时域特征和第二时域特征的比对，确定疑似小区群是否为导致第一小区群受到远端干扰的第二小区群。

这里的天线参数可包括天线的方向角、挂高以及下倾角等。

所述根据所述第一小区群的天线参数，确定导致干扰的疑似小区群，可包括：

根据所述天线参数，确定所述疑似小区群所在的方位；这里的方位可包括方向以及大致位置等。例如，根据所述天线的方向角确定所述疑似小区的方向；根据所述天线挂高及下倾角，可以确定出所述疑似小区大致所在的区域；

以所述第一小区群为中心，在确定的所述方位上以预定距离为步长，确定所述疑似小区。在本实施例中所述预定距离可为20至40km，最远可距离所述第一小区群达300km的范围内超找方向角朝向所述第一小区群的小区群，作为所述疑似小区。然后对疑似小区的上行干扰数据进行分析，得到所述第二时域分布特征。

图6所示的为一个受扰小区的天线的方向角。图7为多个互为干扰源的受扰区域的方位角的示意图。显然，两个互为干扰源的两个小区群的方向角，至少部分朝向对方。图6和图7中每个受扰小区群天线所朝向的方向都被划分为了a、b、c、d、e及f几个区域。通过分析天线的挂高以及下倾角等，可以确定出施扰小区的大致分布位置。

具体地如，所述根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群，包括：

当所述第一时域特征和所述第二时域特征表明：所述疑似小区群受到的上行干扰的时段，与第一小区群受到的上行干扰的时段的重叠比例大于第二指定阈值时，确定所述疑似小区为对所述第一小区群进行远端干扰的第二小区群。

例如，所述第一时域特征和所述第二时域特征都反映了，两个小区群都在3个时段受到了干扰或远端干扰；而这两个小区群收到的远端干扰的时间段为2个，若重叠比例大于第二指定阈值，就可认为这两个小区群互为远端干扰的干扰源。在确定每一个所述小区群是否收到的远端干扰的方法，可以采用前述利用时域分布特征、频域分布特征、受扰小区比例的其中的一个或多个来判断，可以直接通过两个小区群收到的干扰的时域分布特征来确定。

总之，本实施例提供了一种方法，简单快捷且精确定位远端干扰的干扰源。

如图8所示，本实施例提供了一种干扰分析装置，包括：

第一获取单元110，用于获取上行干扰数据；

第一分析单元120，用于分析所述上行干扰数据，提取上行干扰在频域的频域分布特征；

第一确定单元130，用于根据所述频域分布特征，确定所述上行干扰的干扰类型是否为远端干扰。

本实施例提供了一种干扰分析装置，可应用于各种具有信息处理能力的电子设备中，例如，可为应用于omc中，也可以为与omc连接的具有信息处理能力的电子设备中。

所述第一获取单元110可对应于通信接口，能够从其他设备读取所述上行干扰数据，也可以对应于处理器，可以从本地存储介质中读取所述上行干扰数据。

所述第一分析单元120及所述第一确定单元130可对应于处理器或处理电路，所述处理器可包括中央处理器cpu、微处理器mcu、数字信号处理器dsp、应用处理器ap或可编程阵列plc等各种处理芯片。所述处理电路可包括专用集成电路等。

所述处理器或处理电路可通过执行预定指令的执行，实现上述第一分析单元120及所述第一确定单元130的功能。

本实施例中所述第一分析单元120通过上行干扰的时域分布特征的分析，可以方便第一确定单元130简便的确定出是否远端干扰，具有实现简便且相对于基于空间传播模型的远端干扰确定方法，能够更加精确的识别出所述上行干扰是否为或是否包括所述远端干扰。

在一些实施例中，所述第一分析单元120，具体用于分析所述上行干扰数据，确定所述上行干扰是否分布整个预定频带内；所述第一确定单元130，具体用于当所述上行干扰分布在整个所述预定频带内时，则确定所述上行干扰的干扰类型为远端干扰。

在本实施例中所述预定频带可为tdd系统的tdd频带。若确定出所述上行干扰在整个预定频带都有分布，则可认为所述上行干扰的干扰类型为所述远端干扰。

进一步地，所述预定频带分为第一子带和第二子带；所述第一分析单元，具体用于分析所述上行干扰数据，提取所述上行干扰在预定频带的第一子带的第一干扰强度和第二子带的第二干扰强度；所述第一确定单元，具体用于当第一干扰强度大于所述第二干扰强度，则确定所述上行干扰的干扰类型为所述远端干扰。

本实施例中所述第一子带和所述第二子带的相关描述可以参见前述实施例，在此就不在重复了。在本实施中不仅会分析所述上行干扰在整个预定频带的分布，同时还会分析所述上行干扰在整个预定频带不同子带的分布，从而所述第一确定单元130可简便确定出对应的上行干扰是否为远端干扰。

在一些实施例中，所述第一分析单元120，还用于分析所述上行干扰数据，确定在预定区域内受到上行干扰的受扰小区比例；和/或，分析所述上行干扰数据，确定所述上行干扰的时域分布特征；所述第一确定单元130，具体用于将所述频域分布特征，与所述受扰小区的比例和所述时域分布特征的至少其中之一结合，确定所述上行干扰的干扰类型是否为远端干扰。

在本实施例中为了提高识别出所述远端干扰的识别精确度，还会频域分布特征、结合上行干扰的时域分布特征以及受扰小区比例的一个或两个，来共同确定是否为远端干扰，以进一步提升远端干扰的识别精确度。

在一些实施例中，所述第一分析单元120，还用于分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；所述第一确定单元130，还用于当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。在本实施例中还通过两个小区群的干扰相似性，一方面可以确定对应的干扰是否为远端干扰，同时还可定位出干扰源，这样的话，为后续远端干扰处理提供了处理的干扰源。

如图9所示，本实施例提供一种干扰分析装置，包括：

第二获取单元210，用于获取预定区域内的上行干扰数据；

第二分析单元220，用于分析所述上行干扰数据，确定在预定区域内受到上行干扰的受扰小区比例以及所述上行干扰的时域分布特征；

第二确定单元230，用于结合所述受扰小区比例和所述时域分布特征，确定所述上行干扰是否为远端干扰。

本实施例所述第二获取单元210与前述的第一获取单元210类似，可以是通信接口从外设获取所述上行干扰数据，也可以是处理器或处理电路，可以从本地数据库读取所述上行干扰数据。

所述第二分析单元220及第二确定单元230可对应于处理器或处理电路，这里的处理器或处理电路的描述可以参见前述对应部分。

本实施例中通过受扰小区比例及时域分布特征的获取，就能够简便精确分析出小区收到的上行干扰是否为远端干扰。

在一些实施例中，所述第二确定单元230，具体用于判断所述受扰小区比例是否满足第一预设条件；判断所述时域分布特征是否满足第二预设条件；当所述受扰小区比例满足所述第一预设条件，且所述时域分布特征满足所述第二预设条件，确定所述上行干扰为所述远端干扰。

在本实施例中需要时域分析特征及受扰小区比例，这两个维度都满足对应的条件时，才确是远端干扰，提升了远端干扰的识别精确度。

具体地如，所述第二确定单元230，具体用于当所述受扰小区比例高于第一指定阈值，确定所述受扰小区比例满足所述第一预设条件。

例如，所述上行干扰数据的分析周期分为：第一时段和第二时段；在所述第一时段的业务量低于所述第二时段的业务量；所述第二确定单元230，具体用于当所述时域分布特征表明所述上行干扰集中分布在第一时段时，确定所述时域分布特征满足所述第二预设条件。

又例如，所述第二确定单元230，具体用于当所述时域分布特征表明：在传输子帧内受到所述上行干扰的起始时间为预定时间，和/或，所述时域分布特征表明所述上行干扰强度在传输子帧内的功率斜坡特征为预定特征，则确定所述时域分布特征满足第二预设条件。

如图10所示，本实施例提供一种干扰分析装置，包括：

第三获取单元310，用于获取上行干扰数据；

第三分析单元320，用于分析所述上行干扰数据，确定是否存在两个分离的小区群受到的上行干扰满足预定相似性条件；

第四确定单元330，用于当存在两个小区群受到的上行干扰满足所述预定相似性条件，则确定这两个小区群互为远端干扰的干扰源。

本实施例提供了一种干扰分析装置，同样可为omc自身，或与omc连接的具有信息处理的设备。

所述第三获取单元310同样可对应于通信接口，通过与omc等外设的信息交互，获取所述上行干扰数据，也可以对应于处理器，通过读取本地存储介质内的存储数据，获得所述上行干扰数据。

所述第三分析单元320及所述第四确定单元330，同样可对应于处理器或处理电路，所述处理器或处理电路的相关描述可以参见前述实施例。

在一些实施例中，所述第三分析单元320，具体用于分析上行干扰数据，确定出受到所述上行干扰的第一小区群及所述第一小区群受到的上行干扰的第一时域特征；根据所述第一小区群的天线参数，确定导致干扰的疑似小区群；对所述疑似小区群的上行干扰数据分析，获取所述疑似小区群受到的上行干扰的第二时时域特征；所述第四确定单元330，具体用于根据所述第一时域特征和所述第二时域特征，确定所述疑似小区群是否为对所述第一小区群进行远端干扰的第二小区群。

在另一些实施例中，所述第四确定单元330，具体用于当所述第一时域特征和所述第二时域特征表明：所述疑似小区群受到的上行干扰的时段，与第一小区群受到的上行干扰的时段的重叠比例大于第二指定阈值时，确定所述疑似小区为对所述第一小区群进行远端干扰的第二小区群。

总之，本实施例提供了一种可以干扰分析装置，可以简便的确定出远端干扰的干扰源，且具有精确性高的特点。

以下结合上述任意实施例提供一个示例：

本示例包括：

第一步：干扰数据获取

所述干扰数据获取包括：omc可以提供上行干扰数据以及基站的工参信息，把其按照一定的格式传送到数据处理单元。

图11所示为一个通信系统图，omc与数据处理单元连接，这里的数据处理单元相当于前述的干扰分析装置，同时分别与施扰小区的tdd网络的射频拉远单元rru连接，同时还会与受扰小区的tdd网络的rru连接，故omc能够获得各个小区的干扰数据。这里的工参信息可包括前述的天线的方向角、挂高以及下倾角等工作参数。

第二步：数据处理

所述数据处理单元进行数据处理，所述数据处理单元，至少包括干扰判断模块。

所述干扰判定模块：由大气波导效应引起的远端基站干扰检测判定功能；根据omc上报上来的数据，以天为颗粒度，从频域和时域进行判定，筛选出每天符合大气波导效应引起的远端基站干扰。

1.1单个小区的检测方法如下：

频域判断：

上行100个prb均受扰，各prb间干扰较平均，通常中间6个prb受扰更严重，干扰信号比其它prb强约5db，则频域分布特征满足远端干扰的分布特性。图2所示即为一个频域分布干扰的示意图。

时域判断：

gp开始受到干扰，最远可达到上行子帧最后一个符号。通常离gp越远的符号，所受干扰越小，干扰信号呈现明显的功率斜坡特征。导致呈现功率斜坡特征的原因是：大气波导引入的干扰，通常是一片基站干扰另外一片，是一个综合叠加的过程。一个基站如果干扰另一个基站的uppts，那么必然干扰了gp；如果干扰了up时隙，那必然干扰了gp以及uppts，因此多个基站干扰叠加，就从产生了功率斜坡特性。

综合判断：在一个的某个15分钟统计周期上，如果在频域上和时域上都满足上述判决条件，则可判定该小区受到了此类干扰。

1.2整个区域内多个小区干扰判定：

在一块儿地理区域内，从理论分析，如果受扰的小区越多，那么在上行时隙上观察干扰强度，干扰呈现随十斤下斜缓慢下降的趋势，如图11所示。如果受扰小区较少，则呈现陡降趋势，则可如图12所示。

这是因为干扰源越多，那么到达受扰小区的干扰信号的时间越分散，如果理想情况下，在每个时刻有一个干扰信号到达，那么就呈现标准的斜线，如果只有一个到达，就呈现完整的阶断，其它情况介于两者之间。

分析一片区域内，如果受扰小区比例以及某个小区干扰在时域上的分布特征，就可以进一步提升远端基站干扰判断的准确性。

2，按月为单位，针对某一个地区(例如以县/地区为单位)，统计各个站点受到此类干扰的次数。针对受到干少的站点，统计其相关信息：站点的地理位置信息，站点的天线水平方向角，站点的天线的下倾角，站点的天线挂高等。

3，在步骤2中出现过此类干扰的小区，从中选取出出现次数最多的前30％～50％的小区，并在地图上标注出这一区域；根据受扰小区的天线的方向角，在相邻“县/地区”内，以20～40km为步径，最远300km范围内划分成不同的疑似区域。

在不同的区域中依次重复步骤1,2，找到受此类干扰的区域。

在每一个疑似区域内，找到出现受到此类干扰的小区；

c，对比这些受扰区域中受扰基站出现的时间及强度。例如，以图7为例，在小区群1中的多个小区在第1天(1～2点)，第3天(3～4点)，第x天(a～b点)出现干扰，同时发现在小区群2中也有一些小区在第1天(1～2点)，第3天(3～4点)，第x天(a～b点)出现干扰；但是小区群3的干扰出现显然与小区群1和小区群2都不同。如果有两个小区群1和小区群2中小区能对应上的干扰时刻在出现干扰的所有时刻的占比超过一定门限，例如60％，则这两个小区群为一次互干扰。如果在各自对应区域内，存在互干扰小区的比例超过一定门限值，例如60％，则可判定为小区群1与小区群2在某些时刻会存在大气波导干扰。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。