一种干扰抑制方法、装置及设备与流程

本申请涉及通信技术领域，特别涉及一种干扰抑制方法、装置及设备。

背景技术：

目前，5g技术由于低延迟特性，越来越多地被应用在不同的技术领域中，而在应用过程中，小区间同频干扰问题一直是5g技术应用长期存在的技术问题。

为了解决该技术问题，小区干扰抑制技术应运而生。目前常用的小区干扰抑制技术是依据接收信号所在频段所处的不同场景，选择与各场景对应的干扰抑制模式，如当信号所在频段处于无干扰场景，采用的负载均衡模式为mrc（maximumratiocombining，最大比合并）模式，当信号所在频段处于干扰场景，采用的负载均衡模式为irc（maximumratiocombining，最大比合并）模式。

但在实际应用时，现有的干扰抑制技术在确定接收信号所在频段所处的场景时，均是对信号时域上每一个时隙（称为slot）上的各资源块（rb，resourceblock）都做一次用于确定该rb所处场景的自适应判断计算，以依据自适应判断计算结果确定选择哪一个干扰抑制模式，而这种针对每一个slot对应的各rb均会做自适应判断计算处理，显然会消耗大量的硬件dsp（digitalsignalprocessing，数字信号处理）资源。

技术实现要素：

本申请提供了一种干扰抑制方法、装置及设备，以降低消耗资硬件dsp资源。

具体地，本申请是通过如下技术方案实现的：

一方面，本申请实施例提供了一种干扰抑制方法，该方法包括：

获得当前干扰检测周期内第一个slot上的干扰与噪声数值n1；

依据所述干扰与噪声数值n1确定所述第一个slot上每一rb对应的干扰场景参考参数；所述干扰场景参考参数用于确定当前场景类型；

依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型；当确定出的目标场景类型为无干扰场景时，采用的负载均衡模式为mrc模式，当确定出的目标场景类型为强干扰场景或弱干扰场景时，采用的负载均衡模式为irc模式。

另一方面，本申请实施例提供了一种干扰抑制装置，该装置包括：

干扰与噪声数值确定单元，用于获得当前干扰检测周期内第一个slot上的干扰与噪声数值n1；

干扰场景参考参数确定单元，用于依据所述干扰与噪声数值n1确定所述第一个slot上每一rb对应的干扰场景参考参数；所述干扰场景参考参数用于确定当前场景类型；

模式确定单元，用于依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型；当确定出的目标场景类型为无干扰场景时，采用的负载均衡模式为mrc模式，当确定出的目标场景类型为强干扰场景或弱干扰场景时，采用的负载均衡模式为irc模式。

通过本申请的以上技术方案，在本申请中，不再对干扰检测周期中的每一个slot上的各rb都做一次自适应判断计算，而仅依据当前干扰检测周期内第一个slot上的干扰与噪声数值确定第一个slot上每一rb对应的干扰场景参考参数，以依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型，进而采用与目标场景类型对应的负载均衡模式。可见，本申请实施例提供的技术方案引入了干扰检测周期，并仅干扰检测周期内的第一个slot上的各rb进行计算处理，简化了用于确定当前场景类型的干扰场景参考参数的计算过程，进而能够降低消耗资硬件dsp资源。

附图说明

图1为本申请实施例提供的一种干扰抑制的流程示意图；

图2为本申请实施例提供的另一种干扰抑制的流程示意图；

图3为本申请实施例提供的干扰抑制换装置的结构示意图；

图4为本申请实施例提供的电子设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

目前，小区间干扰抑制技术己经受到充分关注。诸如干扰随机化、干扰协调、干扰消除和小区间功率控制的小区干扰抑制技术以提高小区边缘用户的峰值速率和吞吐量，从而提高小区整体的吞吐量、频谱利用率和小区覆盖范围。但从系统评估结果来看，以上几类技术仍然不能充分满足系统对边缘频谱效率和小区平均频谱效率的需求，小区间干扰控制技术还需要更大的发展。基于此，提出了一些小区干扰抑制技术，这些小区干扰抑制技术目前常用的小区干扰抑制技术是依据接收信号所在频段所处的不同场景，选择与各场景对应的干扰抑制模式，如当信号所在频段处于无干扰场景，采用的负载均衡模式为mrc模式，当信号所在频段处于干扰场景，采用的负载均衡模式为irc模式。

但在实际应用时，现有的干扰抑制技术在确定接收信号所在频段所处的场景时，均是对信号时域上每一个slot上的各rb都做一次用于确定该rb所处场景的自适应判断计算，以依据自适应判断计算结果确定选择哪一个干扰抑制模式，而这种针对每一个slot对应的各rb均会做自适应判断计算处理，显然会消耗大量的硬件dsp资源。

为了解决上述技术问题，本申请实施例提供了一种干扰抑制方法，该方法包括：获得当前干扰检测周期内第一个slot上的干扰与噪声数值n1；依据所述干扰与噪声数值n1确定所述第一个slot上每一rb对应的干扰场景参考参数；所述干扰场景参考参数用于确定当前场景类型；依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型；当确定出的目标场景类型为无干扰场景时，采用的负载均衡模式为mrc模式，当确定出的目标场景类型为强干扰场景或弱干扰场景时，采用的负载均衡模式为irc模式。本实施例提供的技术方案不再对干扰检测周期中的每一个slot上的各rb都做一次自适应判断计算，而仅依据当前干扰检测周期内第一个slot上的干扰与噪声数值确定所述第一个slot上每一rb对应的干扰场景参考参数，以依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型，进而采用与目标场景类型对应的负载均衡模式。可见，本申请实施例提供的技术方案引入了干扰检测周期，并仅干扰检测周期内的第一个slot上的各rb进行计算处理，简化了用于确定当前场景类型的干扰场景参考参数的计算过程，进而能够降低消耗资硬件dsp资源。

参见图1，图1为本申请实施例提供的干扰抑制的流程示意图，该方法应用于基站内的dsp，也可以应用于基站内的cpu。

如图1所示，该流程可以包括如下步骤：

步骤101，获得当前干扰检测周期内第一个slot上的干扰与噪声数值n1。

在本实施例中，每一干扰检测周期内包含的slot数量nslot被预先配置，其中，nslot是基于irc模式的稳定性更优、资源利用率更优且防止负载均衡模式频繁切换的角度设置。

干扰与噪声数值n1确定的实现方式很多，这里不在一一赘述，作为一个实施例，步骤101的实现方式可以包括：

依据设定的发射信号、干扰信号xi、信道参数hs、白噪声信号、信道hi和当前接收的终端发送的导频信号，按照如下表达式确定当前干扰检测周期内第一个slot上的干扰与噪声数值n1。

该表达式为，。

在本实施例中，上述设定的发射信号至少包括如下信号，该信号可以为数据信号、噪声信号和导频信号。

步骤102，依据所述干扰与噪声数值n1确定所述第一个slot上每一rb对应的干扰场景参考参数。

在本步骤中，上述干扰场景参考参数用于确定当前场景类型。

作为一个实施例，作为一个实施例，实现步骤102的实现方式可以包括如下步骤a~c：

步骤a，针对所述第一个slot上每一rb，依据所述干扰与噪声数值n1确定该rb在所述第一个slot内的rb协方差比例平均值。

slot内被划分为多个符号，每一符号对应rb，rb包含多个资源单元re。

作为一个实施例，步骤a的实现方式可以包括如下步骤a1~a2：

步骤a1，依据所述干扰与噪声数值n1计算rb对应的噪声各参数之间的干扰程度参数。

作为一个实施例，针对各rb的每一re（resourceelement，资源元素），可以按照如下表达式计算该re对应的协方差值，该表达式为：。

针对每一rb，对该rb的协方差值按照如下表达式进行均值处理，得到干扰程度参数，该表达式为：。是依据经验和仿真得到的经验值。

步骤a2，将干扰程度参数代入至rb协方差比例平均值公式得到rb协方差比例平均值。

作为一个实施例，上述rb协方差比例平均值公式可以为：

，，，在该rb协方差比例平均值公式中，表示rb协方差比例，mean（.）表示均值函数，i和j分别表示矩阵中的行序号和列序号。

在本实施例中，为预设的一个rb包含的re数量，也称为平均粒度数量。re数量的选择与干扰的强弱和干扰带宽有关系，常规的干扰判断，鉴于在计算re的噪声协方差时，各rb的re的平均颗粒度的数量均相同，这样，使得无法在如干扰强弱、覆盖带宽等多种不同场景下，更优的适配。在本步骤中，不同频段所处场景进行适配。

步骤b，将所述第一个slot上各个rb的rb协方差比例平均值确定为该rb对应的干扰场景参考参数。

步骤103，依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型；当确定出的目标场景类型为无干扰场景时，采用的负载均衡模式为mrc模式，当确定出的目标场景类型为强干扰场景或弱干扰场景时，采用的负载均衡模式为irc模式。

本实施例中，irc模式对同频干扰有抑制，基于此，在无干扰场景中，irc模式会有负增益，这样，在无干扰场景选择mrc模式。

作为一个实施例，实现步骤103中的依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型的实现方式可以包括如下步骤c~步骤d：

步骤c，针对所述第一个slot上每一rb，从已设定的各rb协方差比例平均值范围中确定与该rb的rb协方差比例平均值相匹配的目标rb协方差比例平均值范围；当目标rb协方差比例平均值范围为无干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为无干扰场景；当目标rb协方差比例平均值范围为强干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为强干扰场景；当目标rb协方差比例平均值范围为弱干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为弱干扰场景。

在本实施例中，已设定的各rb协方差比例平均值范围可以为大于或等于0且小于或等于第一阈值、大于第一阈值且小于或等于第二阈值，大于第二阈值，其中，第二阈值大于第一阈值。

从已设定的各rb协方差比例平均值范围中确定与该rb的rb协方差比例平均值相匹配的目标rb协方差比例平均值范围的实现方式可以为：

如果所述rb协方差比例平均值属于大于或等于0且小于或等于第一阈值，则将大于或等于0且小于或等于第一阈值确定为目标rb协方差比例平均值范围。

如果所述rb协方差比例平均值属于大于第一阈值且小于或等于第二阈值，则将大于第一阈值且小于或等于第二阈值确定为目标rb协方差比例平均值范围。

如果所述rb协方差比例平均值属于大于第二阈值，则将大于第二阈值确定为目标rb协方差比例平均值范围。

步骤d，依据确定的各rb对应的候选场景类型确定每一rb当前所处的目标场景类型。

作为一个实施例，实现步骤d的实现方式可以包括如下步骤d1~步骤d4：

步骤d1，确定候选场景类型为无干扰场景时的第一rb覆盖范围，确定所述第一rb覆盖范围与上一干扰检测周期内无干扰场景占用的rb覆盖范围的交集p1。

在步骤中，第一rb覆盖范围只是为便于和后文的rb覆盖范围区分而进行的命名，并非用于限定某一rb覆盖范围。

这里，第二rb覆盖范围只是为便于描述而进行的命名，并非用于限定某一rb覆盖范围。

第三rb覆盖范围只是为便于描述而进行的命名，并非用于限定某一rb覆盖范围。

第一rb覆盖范围可以理解为当前干扰检测周期内无干扰场景占用的rb。上一干扰检测周期内无干扰场景占用的rb覆盖范围就是上一干扰检测周期内无干扰场景占用的rb。

第二rb覆盖范围可以理解为当前干扰检测周期内弱干扰场景占用的rb。上一干扰检测周期内弱干扰场景占用的rb覆盖范围就是上一干扰检测周期内强干扰场景占用的rb。

第三rb覆盖范围可以理解为当前干扰检测周期内强干扰场景占用的rb。上一干扰检测周期内强干扰场景占用的rb覆盖范围就是上一干扰检测周期内强干扰场景占用的rb。

作为一个实施例，rb覆盖范围的交集p1为第一rb覆盖范围与上一干扰检测周期内无干扰场景占用的rb覆盖范围的差值。

步骤d2，确定候选场景类型为强干扰场景时的第二rb覆盖范围，确定所述第二rb覆盖范围与上一干扰检测周期内强干扰场景占用的rb覆盖范围的交集p2。

作为一个实施例，rb覆盖范围的交集p2为第二rb覆盖范围与上一干扰检测周期内强干扰场景占用的rb覆盖范围的差值。

步骤d3，确定候选场景类型为弱干扰场景时的第三rb覆盖范围，确定所述第三rb覆盖范围与上一干扰检测周期内弱干扰场景占用的rb覆盖范围的交集p3。

作为一个实施例，rb覆盖范围的交集p3为第三rb覆盖范围与上一干扰检测周期内弱干扰场景占用的rb覆盖范围的差值。

步骤d4，当依据交集p1、交集p2、交集p3确定更新上一个干扰检测周期内的干扰状态时，将当前干扰检测周期内第一个slot上各rb对应的候选场景类型确定为目标场景类型，当依据交集p1、交集p2、交集p3确定保持上一个干扰检测周期内的干扰状态时，依据上一个干扰检测周期内的干扰状态确定当前干扰检测周期内第一个slot上各rb对应的目标场景类型；其中，上一个干扰检测周期内的干扰状态至少包括上一个干扰检测周期内第一个slot上各rb对应的场景类型。

在本步骤中，干扰状态可以至少包括无干扰场景时的rb覆盖范围、弱干扰场景时的rb覆盖范围和强干扰场景时的rb覆盖范围。作为一个实施例，依据交集p1、交集p2、交集p3确定更新上一个干扰检测周期内的干扰状态的实现方式为：当小于或等于阈值时，则更新上一个干扰检测周期内的干扰状态。

依据交集p1、交集p2、交集p3确定保持上一个干扰检测周期内的干扰状态的实现方式为：当大于阈值时，则保持上一个干扰检测周期内的干扰状态。

确定候选场景类型为无干扰场景时的第一rb覆盖范围，确定所述第一rb覆盖范围与当前干扰检测周期内第2个slot上无干扰场景占用的rb覆盖范围的交集s1；

作为另一个实施例，按照步骤101~步骤103所述的方法确定第二slot内目标干扰场景类型。实现步骤d的实现方式可以包括如下步骤d5~步骤d8：

步骤d5，确定候选场景类型为无干扰场景时的第一rb覆盖范围，确定所述第一rb覆盖范围与当前干扰检测周期内第二slot内无干扰场景占用的rb覆盖范围的交集s1。

步骤d6，确定候选场景类型为强干扰场景时的第二rb覆盖范围，确定所述第二rb覆盖范围与当前干扰检测周期内第二个slot上强干扰场景占用的rb覆盖范围的交集s2。

步骤d7，确定候选场景类型为弱干扰场景时的第三rb覆盖范围，确定所述第三rb覆盖范围与当前干扰检测周期内第二个slot上弱干扰场景占用的rb覆盖范围的交集s3；

步骤d8，当依据交集s1、交集s2、交集s3确定更新当前干扰检测周期内的干扰状态时，将当前干扰检测周期内第二个slot上各rb对应的候选场景类型确定为目标场景类型，当依据交集s1、交集s2、交集s3确定保持当前干扰检测周期内的干扰状态时，依据当前干扰检测周期内的干扰状态确定当前干扰检测周期内第一个slot上各rb对应的目标场景类型。

作为一个实施例，针对irc模式划分，本实施例将场景划分为强、弱、无三个维度，根据场景复杂程度，可以按照上述实施例描述的方法进一步划分为强、次强、中、次弱、弱、无，以实现更加细化的场景，并对于每种场景分配不同的协方差分配颗粒度。

至此，完成图1所示流程。

由此可见，通过图1所示流程，不再对干扰检测周期中的每一个slot上的各rb都做一次自适应判断计算，而仅依据当前干扰检测周期内第一个slot上的干扰与噪声数值确定所述第一个slot上每一rb对应的干扰场景参考参数，以依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型，进而采用与目标场景类型对应的负载均衡模式。可见，本申请实施例提供的技术方案引入了干扰检测周期，并仅干扰检测周期内的第一个slot上的各rb进行计算处理，简化了用于确定当前场景类型的干扰场景参考参数的计算过程，进而能够降低消耗资硬件dsp资源，从而减少延小和提高解调性能。

在完成图1所示的流程后，如图2所示，该方法还可以进一步包括如下步骤104~步骤108：

步骤104，当依据交集p1、交集p2、交集p3确定更新上一个干扰检测周期内的干扰状态时，执行步骤105，当依据交集p1、交集p2、交集p3确定保持上一个干扰检测周期内的干扰状态时，执行步骤107。

步骤105，针对当前干扰检测周期内每一slot上的每一rb，依据该slot上的干扰与噪声数值n1以及与目标场景类型相匹配的平均粒度值确定与目标场景类型相匹配的平均粒度值对应的场景干扰程度参数。

作为一个实施例，每一个目标场景类型均具有一个相匹配的平均粒度值，这个平均粒度值可以依据经验值和仿真获取。

每种目标场景类型对应的平均粒度值均不同，设无干扰场景对应的平均粒度值为；弱干扰场景对应的平均粒度值为，强干扰场景对应的平均粒度值为，三者满足关系为：。

作为一个实施例，对进行平均粒度划分，当大于当前解调uerb数时，等于uerb数；当颗粒无法在ue当前模式的rb内均分时，最后一个颗粒度也用最小颗粒度。

作为一个实施例，针对当前干扰检测周期内每一slot上的每一rb，依据该slot上的干扰与噪声数值n1以及与目标场景类型相匹配的平均粒度值确定与目标场景类型相匹配的平均粒度值对应的场景干扰程度参数的实现方式为步骤e~步骤g：

步骤e，针对目标场景类型为无干扰场景，则依据该slot上的干扰与噪声数值n1以及与无干扰场景相匹配的平均粒度值按照如下表达式，确定该rb在无干扰场景对应的场景干扰程度参数。

该表达式为：。

步骤f，针对目标场景类型为弱干扰场景，则依据该slot上的干扰与噪声数值n1以及与弱干扰场景相匹配的平均粒度值按照如下表达式，确定该rb在弱干扰场景对应的场景干扰程度参数。

该表达式为：。

步骤g，针对目标场景类型为强干扰场景，则依据该slot上的干扰与噪声数值n1以及与强干扰场景相匹配的平均粒度值按照如下表达式，确定该rb在强干扰场景对应的场景干扰程度参数。

该表达式为：。

步骤106，依据当前干扰检测周期内各rb的场景干扰程度参数，确定用于对待解调信号均衡的均衡参数。

实现步骤106的实现方式很多，在此给出一种实现方式，具体为：按照如下表达式计算用于对待解调信号均衡的均衡参数。

该表达式为：，。

该表达式中，为均衡矩阵，为当前干扰检测周期内各rb的场景干扰程度参数，当前干扰检测周期内的每一rb，若该rb对应无干扰场景，则该rb的场景干扰程度参数为。若该rb对应弱干扰场景，则该rb的场景干扰程度参数为。若该rb对应强干扰场景，则该rb的场景干扰程度参数为，为均衡因子，取实部函数。

步骤107，针对上一个干扰检测周期内每一slot上的每一rb，依据该slot上的干扰与噪声数值n1以及与目标场景类型相匹配的平均粒度值确定与目标场景类型相匹配的平均粒度值对应的场景干扰程度参数。

步骤108，依据上一个干扰检测周期内各rb的场景干扰程度参数，计算用于对待解调信号均衡的均衡参数。

可见，通过本实施例提供的技术方案，能够提高irc模式稳定性和时变性。irc、mrc的切换不仅取决当前slot，同时也参考了上一干扰检测周期即nslot个slot的判断结果，既考虑到当前信道不同干扰场景，同时也避免了模式的微小扰动频繁切换。

至此，完成本申请提供的方法描述。

下面对本申请提供的装置进行描述：

参见图3，图3为本申请提供的干扰抑制装置300的结构示意图。该装置应用于一种干扰抑制装置，该装置包括：

干扰与噪声数值确定单元301，用于获得当前干扰检测周期内第一个slot上的干扰与噪声数值n1；

干扰场景参考参数确定单元302，用于依据所述干扰与噪声数值n1确定所述第一个slot上每一rb对应的干扰场景参考参数；所述干扰场景参考参数用于确定当前场景类型；

场景类型确定单元303，用于依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型；当确定出的目标场景类型为无干扰场景时，采用的负载均衡模式为mrc模式，当确定出的目标场景类型为强干扰场景或弱干扰场景时，采用的负载均衡模式为irc模式。

本申请的一个实施例中，所述干扰场景参考参数确定单元302，包括：

rb协方差比例平均值确定子单元，用于针对所述第一个slot上每一rb，依据所述干扰与噪声数值n1确定该rb在所述第一个slot内的rb协方差比例平均值；

干扰场景参考参数确定子单元，用于将所述第一个slot上各个rb的rb协方差比例平均值确定为该rb对应的干扰场景参考参数。

本申请的一个实施例中，所述rb协方差比例平均值确定子单元具体用于：

依据所述干扰与噪声数值n1计算rb对应的噪声各参数之间的干扰程度参数；

将干扰程度参数代入至rb协方差比例平均值公式得到rb协方差比例平均值。

本申请的一个实施例中，所述模式确定单元，包括：

场景类型确定子单元，用于针对所述第一个slot上每一rb，从已设定的各rb协方差比例平均值范围中确定与该rb的rb协方差比例平均值相匹配的目标rb协方差比例平均值范围；当目标rb协方差比例平均值范围为无干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为无干扰场景；当目标rb协方差比例平均值范围为强干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为强干扰场景；当目标rb协方差比例平均值范围为弱干扰场景对应的rb协方差比例平均值范围时，确定该rb对应的候选场景类型为弱干扰场景；

目标场景类型确定子单元，用于依据确定的各rb对应的候选场景类型确定每一rb当前所处的目标场景类型。

本申请的一个实施例中，所述目标场景类型确定子单元具体用于：

确定候选场景类型为无干扰场景时的第一rb覆盖范围，确定所述第一rb覆盖范围与上一干扰检测周期内无干扰场景占用的rb覆盖范围的交集p1；

确定候选场景类型为强干扰场景时的第二rb覆盖范围，确定所述第二rb覆盖范围与上一干扰检测周期内强干扰场景占用的rb覆盖范围的交集p2；

确定候选场景类型为弱干扰场景时的第三rb覆盖范围，确定所述第三rb覆盖范围与上一干扰检测周期内弱干扰场景占用的rb覆盖范围的交集p3；

当依据交集p1、交集p2、交集p3确定更新上一个干扰检测周期内的干扰状态时，将当前干扰检测周期内第一个slot上各rb对应的候选场景类型确定为目标场景类型，当依据交集p1、交集p2、交集p3确定保持上一个干扰检测周期内的干扰状态时，依据上一个干扰检测周期内的干扰状态确定当前干扰检测周期内第一个slot上各rb对应的目标场景类型；其中，上一个干扰检测周期内的干扰状态至少包括上一个干扰检测周期内第一个slot上各rb对应的场景类型。

本申请的一个实施例中，当依据交集p1、交集p2、交集p3确定更新上一个干扰检测周期内的干扰状态时，该装置进一步还包括：

第一场景干扰程度参数确定单元，用于针对当前干扰检测周期内每一slot上的每一rb，依据该slot上的干扰与噪声数值n1以及与目标场景类型相匹配的平均粒度值确定与目标场景类型相匹配的平均粒度值对应的场景干扰程度参数；

第一均衡参数确定单元，用于依据当前干扰检测周期内各rb的场景干扰程度参数，计算用于对待解调信号均衡的均衡参数。

当依据交集p1、交集p2、交集p3确定保持上一个干扰检测周期内的干扰状态时，该装置进一步还包括：

第二场景干扰程度参数确定单元，用于针对上一个干扰检测周期内每一slot上的每一rb，依据该slot上的干扰与噪声数值n1以及与目标场景类型相匹配的平均粒度值确定与目标场景类型相匹配的平均粒度值对应的场景干扰程度参数；

第二均衡参数确定单元，用于依据上一个干扰检测周期内各rb的场景干扰程度参数，计算用于对待解调信号均衡的均衡参数。

由此可见，通过图3所示结构，不再对干扰检测周期中的每一个slot上的各rb都做一次自适应判断计算，而仅依据当前干扰检测周期内第一个slot上的干扰与噪声数值确定所述第一个slot上每一rb对应的干扰场景参考参数，以依据每一rb对应的干扰场景参考参数确定每一rb当前所处的目标场景类型，进而采用与目标场景类型对应的负载均衡模式。可见，本申请实施例提供的技术方案引入了干扰检测周期，并仅干扰检测周期内的第一个slot上的各rb进行计算处理，简化了用于确定当前场景类型的干扰场景参考参数的计算过程，进而能够降低消耗资硬件dsp资源。

至此，完成图3所示装置的结构描述。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

本申请实施例提供的电子设备，从硬件层面而言，硬件架构示意图可以参见图4所示。包括：机器可读存储介质和处理器，其中：所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现上述示例公开的干扰抑制操作。

本申请实施例提供的机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现上述示例公开的干扰抑制操作。

这里，机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：ram（radomaccessmemory，随机存取存储器）、易失存储器、非易失性存储器、闪存、存储驱动器（如硬盘驱动器）、固态硬盘、任何类型的存储盘（如光盘、dvd等），或者类似的存储介质，或者它们的组合。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

至此，完成图4所示设备的描述。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。