本申请涉及通信领域，尤其涉及一种信号质量估计方法、基站和存储介质。
背景技术：
无线通信系统中，信号质量参数(例如信号接收功率)控制至关重要。以信号质量参数为物理上行链路控制信道(physicaluplinkcontrolchannel，pucch)信号接收功率为例，通过pucch信号接收功率控制，一方面可以保证pucch信号传输质量，另一方面减少对其它用户的干扰，同时还可以延长用户设备(userequipment，ue)电池使用时间。
在实现信号质量参数控制之前，需要先采用信号质量估计方法获取信号质量参数的数值。但是，采用相关技术的信号质量估计方法所获取得到的信号质量参数(例如，pucch信号接收功率)的数值往往精度不高，因而会影响信号的传输质量。
技术实现要素：
本申请实施例提供一种信号质量估计方法、基站和存储介质，以解决采用相关技术的信号质量估计方法所获取得到的信号质量参数精度不高的问题。
第一方面，提供一种信号质量估计方法，应用于基站且包括：
接收来自用户设备(useequipment,ue)的信号；
获取针对所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；
基于所述拟合方程，对所述信号进行信号质量估计。
第二方面，提供一种信号质量估计装置，包括：
接收模块，用于接收来自用户设备的信号；
获取模块，用于获取针对接收模块接收的所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；
处理模块，用于确定与获取模块获取的所述至少一个分类变量对应的拟合方程；以及基于所述拟合方程，对所述信号进行信号质量估计。
第三方面，提供一种基站，包括存储器和处理器，所述存储器上存储计算机程序，当所述计算机程序被执行时实现第一方面所提及的信号质量估计方法中的步骤。
第四方面，提供一种非临时性计算机可读存储介质，所述存储介质上存储计算机程序，当所述计算机程序被执行时实现第一方面所提及的信号质量估计方法中的步骤。。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
在本申请实施例中，在接收到来自ue的信号(例如，pucch信号)之后，先获取当前信号的分类变量，然后基于分类变量来确定对应的拟合方程，并利用确定出的拟合方程对信号进行信号质量估计，如此，在获取得到的分类变量发生变化时，所得到的拟合方程也可以发生变化，因而可以利用各种不同的拟合方程来对信号质量进行估计，相较于传统单一的信号质量估计方式，能够提高信号质量估计的精度。
附图说明
图1是本发明实施例提供的一种信号质量估计方法的流程图；
图2是本发明实施例提供的pucch信号接收功率估计方法的流程图；
图3是本发明实施例提供的pucch信号snr估计方法的流程图；
图4是本发明实施例提供的pucch信号sinr估计方法的流程图；
图5是本发明实施例提供的一种信号质量估计装置的结构框图；
图6是本发明实施例提供的一种基站的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明实施例提供的信号质量估计方法可涉及基站和ue之间的交互。基站可以为各种不同形式和/或类型的基站，例如演进型基站(enb)。ue可以为各种终端设备，例如手机、电脑等。
本发明实施例提及的信号可以例如为pucch信号，当然也可以为其他合适的信号。提及对信号进行信号质量估计可以涵盖计算信号的信号接收功率、计算信号的信噪比(signalnoiseratio，snr)或者计算信号的信号与干扰加噪声比(signaltointerferenceplusnoiseratio，sinr)。
以pucch信号为例，本发明实施例提供的信号质量估计方法可涉及pucch功率控制，包括开环功控和闭环功控两部分。其中，开环功控是指ue根据目标功率(由基站决定并告知ue)和路损信息(由ue测量)实时调整其pucch信号发射功率；闭环功控则是指基站根据接收到的pucch信号质量(例如pucch信号接收功率、snr或sinr，通过传输功率控制(transmissionpowercontrol，tpc)命令要求ue调整其pucch信号发射功率。
具体的，基站会预先设定闭环功控目标区间(例如pucch信号接收功率-109db～-105db之间)；在接收到uepucch信号后，基站会对信号质量进行测量估计(即测量pucch信号接收功率、snr或sinr)；再利用估计结果判断是否需要调整uepucch发射功率。如果估计的pucch信号接收质量落在闭环功控目标区间内，则无需通过tpc命令调整uepucch发射功率。如果估计的pucch信号接收质量落在闭环功控目标区间左边(即接收的pucch信号质量差于目标)，则可通过tpc命令抬升uepucch发射功率。如果估计的pucch信号接收质量落在闭环功控目标区间右边(即接收的pucch信号质量优于目标)，则可通过tpc命令减少uepucch发射功率。
由上可知，pucch信号质量的估计结果关系到后续是否需要调整uepucch发射功率，具有重要的意义。下面结合附图对本发明实施例提供的信号质量估计方法进行阐释。
图1是本发明实施例提供的一种信号质量估计方法的流程图。参照图1，本发明实施例提供的信号质量估计方法可应用于基站且可包括：
步骤110，接收来自用户设备的信号。
ue可向基站发送pucch信号，进而基站可接收来自ue的pucch信号。
步骤120，获取针对所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联。
在本发明实施例中，所述分类变量中可存在以下至少一种变量：涉及信号格式的变量、涉及所述基站的天线数目的变量以及涉及干扰的变量。举例而言，本发明实施例可设定三个分类变量，分别表示信号格式、基站的天线数目以及干扰。这三个分类变量中的每一个变量可以有多种取值。以表示信号格式的变量为例，表示信号格式的变量的取值可以为例如1或2。当表示信号格式的变量的取值为1时可表示一种信号格式，当表示信号格式的变量的取值为2时可表示另一种信号格式。其他变量的情况可以与表示信号格式的变量的情况相类似。
在本发明实施例中，可以通过多种方式获取分类变量。例如，根据基站自身的配置信息获取一或多个分类变量，又例如通过对接收到的来自ue的信号进行解析和/或测量来获取一个或多个分类变量等等。
在本发明实施例中，可基于分类变量与拟合方程之间的关联关系，确定与所述至少一个分类变量对应的拟合方程。
在本发明实施例中，可以预先选取分类变量的数目(例如，选取2个分类变量或3个分类变量)，当分类变量的数目确定之后，然后可以确定每一个分类变量的各种可能取值。各个分类变量的一种可能取值可对应于一个拟合方程，各个分类变量的另一种可能取值可对应于另一个拟合方程。如此，在获取到针对信号的分类变量之后，即可根据各个分类变量的取值来确定相应的拟合方程。
在本发明实施例中，在步骤110之前，可预先建立各个分类变量的取值与拟合方程之间的对应关系。如此，在步骤120得到分类变量之后，即可根据得到的各个分类变量的取值确定相应的拟合方程。
举例而言，若预先确定信号质量估计过程中只选取2个分类变量a1和a2。其中，a1表示信号格式，a2表示干扰(例如除去热噪后的干扰(iot))。a1的取值为1时代表第一种信号格式，a1的取值为2时代表第二种信号格式；a2的取值为1时代表iot∈[0db,20db]，a2的取值为2时代表iot∈[20db，∞]。如此，根据这两个分类变量的取值可以设置四个拟合方程：第一个拟合方程对应于a1和a2的取值分别为1和1的情况、第二个拟合方程对应于a1和a2的取值分别为1和2的情况、第三个拟合方程对应于a1和a2的取值分别为2和1的情况、第四个拟合方程对应于a1和a2的取值分别为2和2的情况。如果步骤120得到的分类变量的取值为2和1，则可确定出对应于第三个拟合方程。
在本发明实施例中可以由分类变量直接确定拟合方程，也可以由分类变量先确定出对应的场景，然后基于确定的所述场景以及预先建立的场景与拟合方程之间的对应关系，确定与所述场景对应的拟合方程。其中，一个场景可对应于一个拟合方程，这样场景确定了之后，即可确定出相应的拟合方程。如此，引入场景来确定拟合方程可以在信号质量估计过程中更加便于标识和后续引用。
举例而言，若预先确定信号质量估计过程中只选取2个分类变量a1和a2。其中，a1表示信号格式，a2表示干扰(例如除去热噪后的干扰(iot))。a1的取值为1时代表第一种信号格式，a1的取值为2时代表第二种信号格式；a2的取值为1时代表iot∈[0db,20db]，a2的取值为2时代表iot∈[20db，∞]。如此，根据这两个分类变量的取值可以设置四个拟合方程：第一个拟合方程对应于第一种场景(例如，a1和a2的取值分别为1和1的情况)、第二个拟合方程对应于第二种场景(例如，a1和a2的取值分别为1和2的情况)、第三个拟合方程对应于第三种场景(例如，a1和a2的取值分别为2和1的情况)、第四个拟合方程对应于第四种场景(例如，a1和a2的取值分别为2和2的情况)。这样，如果步骤120得到的分类变量的取值为2和1，则可确定出对应的场景为第三种场景，进而相应的拟合方程为第三个拟合方程。
步骤130，基于所述拟合方程，对所述信号进行信号质量估计。
在本发明实施例中，所述拟合方程可以是基于用于多项式拟合的至少一个预先确定的特征变量而生成，所述特征变量为与以下至少一项相关的变量：噪声、干扰以及信号接收功率。如此，由于拟合方程中的特征变量为与噪声、干扰以及信号接收功率中的至少一项相关的变量，如此利用这种拟合方程可以按照需求更好地实现对信号质量进行估计。
在本发明实施例中，在得到与分类变量对应的拟合方程之后，即可利用得到的拟合方程对信号进行信号质量估计。
在本申请实施例中，在接收到来自ue的信号(例如，pucch信号)之后，先获取当前信号的分类变量，然后基于分类变量来确定对应的拟合方程，并利用确定出的拟合方程对信号进行信号质量估计，如此，在获取得到的分类变量发生变化时，所得到的拟合方程也可以发生变化，因而可以利用各种不同的拟合方程来对信号质量进行估计，相较于传统单一的信号质量估计方式，能够提高信号质量估计的精度。
需了解的是，在本发明实施例中，在步骤110之前，可以先进行数据采集和学习的过程。如此，可以基于采集的数据，预先建立分类变量的取值与拟合方程的对应关系，或者，基于采集的数据，建立分类变量的取值与场景的对应关系，以及场景与拟合方程的对应关系。下面以后一情况为例对这一过程进行进一步阐释。
可选地，在本发明实施例中，在步骤110中所述在接收来自用户设备的信号之前，本发明实施例提供的信号质量估计方法还可包括：收集与信号质量估计相关的数据；对用于信号质量估计的场景进行划分，以形成至少一个场景；基于收集的所述数据，确定所述至少一个场景中的每一个场景对应的拟合方程，以建立场景与拟合方程之间的对应关系。其中，所述与信号质量估计相关的数据可包括：用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数。其中，所述分类变量中可存在以下至少一种变量：涉及信号格式的变量、涉及所述基站的天线数目的变量以及涉及干扰的变量。所述特征变量可以为与以下至少一项相关的变量：噪声、干扰以及信号接收功率。其中，所述信号质量参数可以为信号接收功率、信噪比(snr)，或者信号与干扰加噪声比(sinr)。如此，通过预先的数据采集和处理，可以建立场景与拟合方程之间的对应关系。后续即可直接根据分类变量确定场景，进而确定出对应的拟合方程，并用于信号质量估计。
在本发明实施例中，可选地，收集与信号质量估计相关的数据可包括：收集与信号质量估计相关的至少一个数据集，其中，收集的所述至少一个数据集为在不同传输环境下收集的多个数据集，以保证后续得到的拟合方程具有较广泛的适用性。其中，不同传输环境可以涵盖各种环境，例如，商用环境、测试环境、实验室模拟环境以及仿真平台环境、不同外场环境(例如乡村、城市等)、不同基站天线数、不同干扰大小、不同ue数、不同ue移动速度等。其中，所述至少一个数据集中的每一个数据集包括用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数。其中，所述信号质量参数可以为信号接收功率、snr或者sinr。如此，可以更加便捷地获取分类变量的特征变量用于后续的多项式拟合。
在本发明实施例中，对用于信号质量估计的场景进行划分的一种方式可以为：基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。如此，一旦确定出分类变量的数目和取值，即可确定出相应的场景。
在对用于信号质量估计的场景进行划分之后，可确定所述至少一个数据集中的各个数据集所属的场景，并将各个数据集归入所属的场景。其中，确定所述至少一个数据集中的各个数据集所属的场景的一种实现方式可以为：获取各个数据集中所包含的分类变量；基于获取的分类变量的取值，确定各个数据集所属的场景。
相应地，所述确定所述至少一个场景中的每一个场景对应的拟合方程可包括：对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程。在本发明实施例中，得到的所述拟合方程可以为在没有过拟合的情况下计算复杂度小于第一阈值，同时估计误差小于第二阈值的拟合方程。其中，第一阈值和第二阈值的取值可以根据需要来设置。
本发明实施例提供的信号质量估计方法，以pucch信号为例，可以收集pucch信号接收功率估计相关的数据；对场景进行划分，并将收集到的数据按场景分类；使用多项式拟合为每种场景分别找到最优拟合方程；将拟合方程合入pucch信号接收功率估计函数中，利用该函数实时计算uepucch信号接收功率。如此，利用大数据和多项式拟合的思想，可以有效提升pucch信号接收功率估计精度。同样的方法，也可以用来提升pucch信号snr、sinr估计精度，从而帮助基站作出恰当的pucch闭环功控决策。
下面以pucch信号为例，针对pucch信号的信号接收功率、snr和sinr三种情形分别产生本发明实施例的信号质量估计方法。
图2是本发明实施例提供的信号质量估计方法的流程图。参照图2，本发明实施例提供的信号质量估计方法可包括：
步骤210，收集pucch信号接收功率估计相关的数据。
pucch信号接收功率估计相关数据的收集可以在商用、测试、模拟、仿真等平台进行，在进行数据收集时，每次常规pucch信号接收功率估计过程完成后，都可触发pucch信号接收功率估计相关数据的收集。这里，所述常规pucch信号接收功率估计指任意非本发明实施例所述的pucch信号接收功率估计。
每完成一次常规pucch信号接收功率估计过程，基站可判断是否能够获得这一过程完整的分类变量信息、特征变量信息和真实pucch信号接收功率信息。
这里，所述基站是否能够获得这一过程完整分类变量信息是指基站是否能够获得这一过程中预先设定的用于分类的信息c1，...，ch。这里，所述基站是否能够获得这一过程完整特征变量信息是指基站是否能够获得这一过程中预先设定的用于多项式拟合完整的信息x1，...，xn。这里，所述基站是否能够获得这一过程真实pucch信号接收功率信息是指基站是否能够获得这一过程中真实pucch信号接收功率信息preal。
其中，分类变量c1，...，ch可由基站预先确定。本发明实施例中，若令h＝3，c1可代表本次估计中pucch格式(其中，c1＝1代表pucch格式1，c1＝2代表pucch格式2)，c2代表本次估计中基站天线数(其中，c2＝1代表基站天线数为2，c2＝2代表基站天线数为4，c2＝3代表基站天线数为8)，c3代表本次估计中iot大小(这里的iot可由基站实时测量估计得到，例如，c3＝1代表iot∈[0db,20db])，c3＝2代表iot∈[20db，∞]。
其中，特征变量x1，...，xn可由基站预先确定。本发明实施例中，可令n＝3，x1可例如等于本次估计中基站使用最大合并比(maximalratiocombining，mrc)后估计所得的pucch信号接收功率，x2可例如等于本次估计中基站使用mrc后估计所得的pucch信号的iot，x3可例如等于本次估计中基站使用任意干扰抑制合并(interferencerejectioncombining，irc)算法后估计所得的pucch信号sinr。
其中，商用、测试、模拟等平台中基站可能无法直接获得真实pucch信号接收功率，因此在数据收集期间，可以通过让ue向基站上报其pucch信号发射功率，基站再利用从ue获取的pucch信号发射功率减去实时测量的路损得到preal。
如果基站能够获得这一过程完整的分类变量、特征变量和真实pucch信号接收功率信息，则可按照下表所示格式保存本次pucch估计相关数据，否则可以不保存。
表1
如表1所示，如果基站能够获得这一过程完整分类变量、特征变量和真实pucch信号接收功率信息，则将本次过程中的分类变量、特征变量和真实pucch信号接收功率信息以一个数据集的格式保存下来。
步骤220，对用于信号质量估计的场景进行划分，以形成至少一个场景，并将各个数据集归入所属的场景。
其中，可基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。其中，可以获取各个数据集中所包含的分类变量；基于获取的分类变量的取值，确定各个数据集所属的场景，并进而进行数据集归入场景的操作。
在本发明实施例中，步骤220的过程可以用以下伪代码表示：
fori＝1:i
if
s场景1·pop_in(数据集i)；
elseif
s场景2·pop_in(数据集i)；
...
elseif
s场景g·pop_in(数据集i)；
endif
endfor
其中，i是步骤210(收集pucch信号接收功率估计相关的数据)完成后保存的数据集索引号，i代表步骤210完成后保存的数据集数量，
在本发明实施例中，可令g＝12，
步骤230，对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程(建立场景与拟合方程之间的对应关系)。
其中，步骤230的过程可以用以下伪代码表示。
forg＝1:g
对
endfor
多项式规模(即几元几次)可基于如下原则选择：特征变量的数量n决定多项式是几元多项式；选用几次多项式考虑的因素可包括：方程
步骤240，在后续接收到来自ue的pucch信号时，基于获取的分类变量，确定场景，进而确定场景对应的拟合方程，并利用确定的拟合方程计算pucch信号接收功率。
其中，步骤240的详细过程可参照前文描述。
步骤240的过程可以用以下伪代码表示。
if
elseif
...
elseif
endif
其中，
本发明实施例提供的信号质量估计方法，以pucch信号为例，可以收集pucch信号接收功率估计相关的数据；对场景进行划分，并将收集到的数据按场景分类；使用多项式拟合为每种场景分别找到最优拟合方程；将拟合方程合入pucch信号接收功率估计函数中，利用该函数实时计算uepucch信号接收功率。如此，利用大数据和多项式拟合的思想，可以有效提升pucch信号接收功率估计精度。同样的方法，也可以用来提升pucch信号snr、sinr估计精度，从而帮助基站作出恰当的pucch闭环功控决策。
图3是本发明实施例提供的信号质量估计方法的流程图。参照图3，本发明实施例提供的信号质量估计方法可包括：
步骤310，收集pucch信号snr估计相关的数据。
pucch信号snr估计相关数据的收集可以在商用、测试、模拟、仿真等平台进行，在进行数据收集时，每次常规pucch信号snr估计过程完成后，都可触发pucch信号snr估计相关数据的收集。这里，所述常规pucch信号snr估计指任意非本发明实施例所述的pucch信号snr估计。
每完成一次常规pucch信号snr估计过程，基站可判断是否能够获得这一过程完整的分类变量信息、特征变量信息和真实pucch信号snr信息。
这里，所述基站是否能够获得这一过程完整分类变量信息是指基站是否能够获得这一过程中预先设定的用于分类的信息c1，...，ch。这里，所述基站是否能够获得这一过程完整特征变量信息是指基站是否能够获得这一过程中预先设定的用于多项式拟合完整的信息x1，...，xn。这里，所述基站是否能够获得这一过程真实pucch信号snr信息是指基站是否能够获得这一过程中真实pucch信号snr信息snrreal。
其中，分类变量c1，...，ch可由基站预先确定。本发明实施例中，若令h＝3，c1可代表本次估计中pucch格式(其中，c1＝1代表pucch格式1，c1＝2代表pucch格式2)，c2代表本次估计中基站天线数(其中，c2＝1代表基站天线数为2，c2＝2代表基站天线数为4，c2＝3代表基站天线数为8)，c3代表本次估计中iot大小(这里的iot可由基站实时测量估计得到，例如，c3＝1代表iot∈[0db,20db])，c3＝2代表iot∈[20db，∞]。
其中，特征变量x1，…，xn可由基站预先确定。本发明实施例中，可令n＝3，x1可例如等于本次估计中基站使用最大合并比(maximalratiocombining，mrc)后估计所得的pucch信号snr，x2可例如等于本次估计中基站使用mrc后估计所得的pucch信号的iot，x3可例如等于本次估计中基站使用任意干扰抑制合并(interferencerejectioncombining，irc)算法后估计所得的pucch信号sinr。
其中，商用、测试、模拟等平台中基站可能无法直接获得真实pucch信号snr，因此在数据收集期间，可以通过让ue向基站上报其pucch信号发射功率，基站再利用从ue获取的pucch信号发射功率减去底噪和实时测量的路损得到snrreal。
如果基站能够获得这一过程完整的分类变量、特征变量和真实pucch信号snr信息，则可按照表2所示格式保存本次pucch估计相关数据，否则可以不保存。
表2
如表2所示，如果基站能够获得这一过程完整分类变量、特征变量和真实pucch信号snr信息，则可将本次pucch信号snr估计过程中的分类变量、特征变量和真实pucch信号snr信息以一个数据集的格式保存下来。
步骤320，对用于信号质量估计的场景进行划分，以形成至少一个场景，并将各个数据集归入所属的场景。
其中，可基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。其中，可以获取各个数据集中所包含的分类变量；基于获取的分类变量的取值，确定各个数据集所属的场景，并进而进行数据集归入场景的操作。
在本发明实施例中，步骤320的过程可以用以下伪代码表示：
fori＝1:i
if
s场景1·pop_in(数据集i)；
elseif
s场景2·pop_in(数据集i)；
...
elseif
s场景g·pop_in(数据集i)；
endif
endfor
其中，i是步骤310(收集pucch信号snr估计相关的数据)完成后保存的数据集索引号，i代表步骤310完成后保存的数据集数量，
在本发明实施例中，可令g＝12，
步骤330，对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程(建立场景与拟合方程之间的对应关系)。
其中，步骤330的过程可以用以下伪代码表示。
forg＝1:g
对
endfor
多项式规模(即几元几次)可基于如下原则选择：特征变量的数量n决定多项式是几元多项式；选用几次多项式考虑的因素可包括：方程
步骤340，在后续接收到来自ue的pucch信号时，基于获取的分类变量，确定场景，进而确定场景对应的拟合方程，并利用确定的拟合方程计算pucch信号snr。
其中，步骤340的详细过程可参照前文描述。
步骤340的过程可以用以下伪代码表示。
if
elseif
...
elseif
endif
其中，
本发明实施例提供的信号质量估计方法，以pucch信号为例，可以收集pucch信号snr估计相关的数据；对场景进行划分，并将收集到的数据按场景分类；使用多项式拟合为每种场景分别找到最优拟合方程；将拟合方程合入pucch信号snr估计函数中，利用该函数实时计算uepucch信号snr。如此，利用大数据和多项式拟合的思想，可以有效提升pucch信号snr估计精度，从而帮助基站作出恰当的pucch闭环功控决策。
图4是本发明实施例提供的信号质量估计方法的流程图。参照图4，本发明实施例提供的信号质量估计方法可包括：
步骤410，收集pucch信号sinr估计相关的数据。
pucch信号sinr估计相关数据的收集可以在商用、测试、模拟、仿真等平台进行，在进行数据收集时，每次常规pucch信号sinr估计过程完成后，都可触发pucch信号sinr估计相关数据的收集。这里，所述常规pucch信号sinr估计指任意非本发明实施例所述的pucch信号sinr估计。
每完成一次常规pucch信号sinr估计过程，基站可判断是否能够获得这一过程完整的分类变量信息、特征变量信息和真实pucch信号snr信息。
这里，所述基站是否能够获得这一过程完整分类变量信息是指基站是否能够获得这一过程中预先设定的用于分类的信息c1，…，ch。这里，所述基站是否能够获得这一过程完整特征变量信息是指基站是否能够获得这一过程中预先设定的用于多项式拟合完整的信息x1，...，xn。这里，所述基站是否能够获得这一过程真实pucch信号sinr信息是指基站是否能够获得这一过程中真实pucch信号sinr信息sinrreal。
其中，分类变量c1，...，ch可由基站预先确定。本发明实施例中，若令h＝3，c1可代表本次估计中pucch格式(其中，c1＝1代表pucch格式1，c1＝2代表pucch格式2)，c2代表本次估计中基站天线数(其中，c2＝1代表基站天线数为2，c2＝2代表基站天线数为4，c2＝3代表基站天线数为8)，c3代表本次估计中iot大小(这里的iot可由基站实时测量估计得到，例如，c3＝1代表iot∈[0db,20db])，c3＝2代表iot∈[20db，∞]。
其中，特征变量x1，...，xn可由基站预先确定。本发明实施例中，可令n＝3，x1可例如等于本次估计中基站使用最大合并比(maximalratiocombining，mrc)后估计所得的pucch信号sinr，x2可例如等于本次估计中基站使用mrc后估计所得的pucch信号的iot，x3可例如等于本次估计中基站使用任意干扰抑制合并(interferencerejectioncombining，irc)算法后估计所得的pucch信号sinr。
其中，商用、测试、模拟等平台中基站可能无法直接获得真实pucch信号sinr，因此在数据收集期间，可以通过让ue向基站上报其pucch信号发射功率，基站再利用从ue获取的pucch信号发射功率减去实时测量的噪声和干扰(noiseandinterference，ni)和路损得到sinrreal。
如果基站能够获得这一过程完整的分类变量、特征变量和真实pucch信号sinr信息，则可按照表3所示格式保存本次pucch估计相关数据，否则可以不保存。
表3
如表3所示，如果基站能够获得这一过程完整分类变量、特征变量和真实pucch信号sinr信息，则可将本次pucch信号sinr估计过程中的分类变量、特征变量和真实pucch信号sinr信息以一个数据集的格式保存下来。
步骤420，对用于信号质量估计的场景进行划分，以形成至少一个场景，并将各个数据集归入所属的场景。
其中，可基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。其中，可以获取各个数据集中所包含的分类变量；基于获取的分类变量的取值，确定各个数据集所属的场景，并进而进行数据集归入场景的操作。
在本发明实施例中，步骤420的过程可以用以下伪代码表示：
fori＝1:i
if
s场景1·pop_in(数据集i)；
elseif
s场景2·pop_in(数据集i)；
...
elseif
s场景g·pop_in(数据集i)；
endif
endfor
其中，i是步骤410(收集pucch信号sinr估计相关的数据)完成后保存的数据集索引号，i代表步骤410完成后保存的数据集数量，
在本发明实施例中，可令g＝12，
步骤430，对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程(建立场景与拟合方程之间的对应关系)。
其中，步骤430的过程可以用以下伪代码表示。
forg＝1:g
对
endfor
多项式规模(即几元几次)可基于如下原则选择：特征变量的数量n决定多项式是几元多项式；选用几次多项式考虑的因素可包括：方程
步骤440，在后续接收到来自ue的pucch信号时，基于获取的分类变量，确定场景，进而确定场景对应的拟合方程，并利用确定的拟合方程计算pucch信号sinr。
其中，步骤440的详细过程可参照前文描述。
步骤440的过程可以用以下伪代码表示。
if
elseif
...
elseif
endif
其中，
本发明实施例提供的信号质量估计方法，以pucch信号为例，可以收集pucch信号sinr估计相关的数据；对场景进行划分，并将收集到的数据按场景分类；使用多项式拟合为每种场景分别找到最优拟合方程；将拟合方程合入pucch信号sinr估计函数中，利用该函数实时计算uepucch信号sinr。如此，利用大数据和多项式拟合的思想，可以有效提升pucch信号sinr估计精度，从而帮助基站作出恰当的pucch闭环功控决策。
图5是本发明实施例提供的一种信号质量估计装置的结构框图。参照图5，本发明实施例提供的信号质量估计装置500可以包括：接收模块510、获取模块520和处理模块530。其中：
接收模块510，用于接收来自用户设备的信号；
获取模块520，用于获取针对接收模块510接收的所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；
处理模块530，用于基于所述拟合方程，对所述信号进行信号质量估计。
本申请实施例提供的信号质量估计装置，在接收到来自ue的信号(例如，pucch信号)之后，先获取当前信号的分类变量，然后基于分类变量来确定对应的拟合方程，并利用确定出的拟合方程对信号进行信号质量估计，如此，在获取得到的分类变量发生变化时，所得到的拟合方程也可以发生变化，因而可以利用各种不同的拟合方程来对信号质量进行估计，相较于传统单一的信号质量估计方式，能够提高信号质量估计的精度。
可选地，在本发明的一个实施例中，在获取所述至少一个分类变量之后，处理模块530还可用于：确定与所述至少一个分类变量对应的场景；基于确定的所述场景以及预先建立的场景与拟合方程之间的对应关系，确定与所述场景对应的拟合方程；其中，一个场景对应一个拟合方程。
可选地，在本发明的一个实施例中，所述拟合方程是基于用于多项式拟合的至少一个预先确定的特征变量而生成，所述特征变量为与以下至少一项相关的变量：噪声、干扰以及信号接收功率。
可选地，在本发明的一个实施例中，所述信号为pucch信号。
可选地，在本发明的一个实施例中，在对所述信号进行信号质量估计时，处理模块530可具体用于：计算所述pucch信号的信号接收功率、信噪比或者信号与干扰加噪声比。
可选地，在本发明的一个实施例中，在接收来自用户设备的信号之前，本发明实施例提供的基站还可包括：收集模块，用于收集与信号质量估计相关的数据。相应地，所述处理模块530还可用于：对用于信号质量估计的场景进行划分，以形成至少一个场景；基于收集的所述数据，确定所述至少一个场景中的每一个场景对应的拟合方程，以建立场景与拟合方程之间的对应关系。
可选地，在本发明的一个实施例中，所述与信号质量估计相关的数据包括：用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数。
可选地，在本发明的一个实施例中，所述信号质量参数为信号接收功率、信噪比，或者信号与干扰加噪声比。
可选地，在本发明的一个实施例中，在对用于信号质量估计的场景进行划分时，所述处理模块530可具体用于：基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。
可选地，在本发明的一个实施例中，所述收集模块具体用于：收集与信号质量估计相关的至少一个数据集，其中，所述至少一个数据集中的每一个数据集包括用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数。
相应地，在对用于信号质量估计的场景进行划分之后，所述处理模块530可具体用于：确定所述至少一个数据集中的各个数据集所属的场景，并将各个数据集归入所属的场景；对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程。
可选地，在本发明的一个实施例中，在确定所述至少一个数据集中的各个数据集所属的场景时，所述处理模块530可具体用于：获取各个数据集中所包含的分类变量；基于获取的分类变量的取值，确定各个数据集所属的场景。
可选地，在本发明的一个实施例中，得到的所述拟合方程为在没有过拟合的情况下计算复杂度小于第一阈值，同时估计误差小于第二阈值的拟合方程。
可选地，在本发明的一个实施例中，收集的所述至少一个数据集为在不同传输环境下收集的多个数据集。
可选地，在本发明的一个实施例中，所述分类变量中存在以下至少一种变量：涉及信号格式的变量、涉及所述基站的天线数目的变量以及涉及干扰的变量。
本发明实施例提供的基站，以pucch信号为例，可以收集pucch信号接收功率估计相关的数据；对场景进行划分，并将收集到的数据按场景分类；使用多项式拟合为每种场景分别找到最优拟合方程；将拟合方程合入pucch信号接收功率估计函数中，利用该函数实时计算uepucch信号接收功率。如此，利用大数据和多项式拟合的思想，可以有效提升pucch信号接收功率估计精度。同样的方法，也可以用来提升pucch信号snr、sinr估计精度，从而帮助基站作出恰当的pucch闭环功控决策。
图6是本发明实施例提供的一种基站的示意图。参照图6，本发明实施例提供的基站600可包括存储器610和处理器620，所述存储器610上可存储计算机程序，当所述计算机程序被所述处理器620执行时可实现上文基于基站所描述的任一种信号质量估计的方法中的步骤。例如，当所述计算机程序被所述处理器620执行时可执行以下操作：接收来自用户设备的信号；获取针对所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；基于所述拟合方程，对所述信号进行信号质量估计。
本申请实施例提供的基站，在接收到来自ue的信号(例如，pucch信号)之后，先获取当前信号的分类变量，然后基于分类变量来确定对应的拟合方程，并利用确定出的拟合方程对信号进行信号质量估计，如此，在获取得到的分类变量发生变化时，所得到的拟合方程也可以发生变化，因而可以利用各种不同的拟合方程来对信号质量进行估计，相较于传统单一的信号质量估计方式，能够提高信号质量估计的精度。
此外，本发明实施例还可提供一种非临时性计算机可读存储介质，所述存储介质上存储计算机程序，当所述计算机程序被执行时实现上文所描述的任一种信号质量估计方法中的步骤。例如，当所述计算机程序被所述处理器执行时可实现以下步骤：接收来自用户设备的信号；获取针对所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；基于所述拟合方程，对所述信号进行信号质量估计。
本申请实施例提供的基站，在接收到来自ue的信号(例如，pucch信号)之后，先获取当前信号的分类变量，然后基于分类变量来确定对应的拟合方程，并利用确定出的拟合方程对信号进行信号质量估计，如此，在获取得到的分类变量发生变化时，所得到的拟合方程也可以发生变化，因而可以利用各种不同的拟合方程来对信号质量进行估计，相较于传统单一的信号质量估计方式，能够提高信号质量估计的精度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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、嵌入式处理机或其他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他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。
这些计算机程序指令也可存储在能引导计算机或其他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多个流程和/或方框图一个方框或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他可编程数据处理设备上，使得在计算机或其他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，从而在计算机或其他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。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
1.一种信号质量估计方法，其特征在于，所述信号质量估计方法应用于基站且包括：
接收来自用户设备的信号；
获取针对所述信号的至少一个分类变量，所述至少一个分类变量与拟合方程相关联；
基于所述拟合方程，对所述信号进行信号质量估计。
2.根据权利要求1所述的信号质量估计方法，其特征在于，在所述获取针对所述信号的至少一个分类变量之后，所述信号质量估计方法还包括：
确定与所述至少一个分类变量对应的场景；
基于确定的所述场景以及预先建立的场景与拟合方程之间的对应关系，确定与所述场景对应的拟合方程；
其中，一个场景对应一个拟合方程。
3.根据权利要求1所述的信号质量估计方法，其特征在于，所述拟合方程是基于用于多项式拟合的至少一个预先确定的特征变量而生成，所述特征变量为与以下至少一项相关的变量：噪声、干扰以及信号接收功率。
4.根据权利要求1所述的信号质量估计方法，其特征在于，所述信号为物理上行链路控制信道信号，所述对所述信号进行信号质量估计包括：计算所述物理上行链路控制信道信号的信号接收功率、信噪比或者信号与干扰加噪声比。
5.根据权利要求1-4任一所述的信号质量估计方法，其特征在于，在所述接收来自用户设备的信号之前，所述信号质量估计方法还包括：
收集与信号质量估计相关的数据；
对用于信号质量估计的场景进行划分，以形成至少一个场景；
基于收集的所述数据，确定所述至少一个场景中的每一个场景对应的拟合方程，以建立场景与拟合方程之间的对应关系。
6.根据权利要求5所述的信号质量估计方法，其特征在于，所述与信号质量估计相关的数据包括：用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数；
其中，所述信号质量参数为信号接收功率、信噪比，或者信号与干扰加噪声比。
7.根据权利要求5所述的信号质量估计方法，其特征在于，所述对用于信号质量估计的场景进行划分包括：
基于预先确定的分类变量的数目以及各个分类变量的取值，对用于信号质量估计的场景进行划分。
8.根据权利要求5所述的信号质量估计方法，其特征在于，
所述收集与信号质量估计相关的数据包括：收集与信号质量估计相关的至少一个数据集，其中，所述至少一个数据集中的每一个数据集包括用于场景区分的至少一个分类变量、用于多项式拟合的至少一个特征变量以及信号质量参数；
在对用于信号质量估计的场景进行划分之后，所述信号质量估计方法还包括：确定所述至少一个数据集中的各个数据集所属的场景，并将各个数据集归入所属的场景；
所述确定所述至少一个场景中的每一个场景对应的拟合方程包括：对所述至少一个场景中的每一个场景，对属于所述场景的所有数据集进行多项式拟合，以得到所述场景对应的拟合方程。
9.根据权利要求8所述的信号质量估计方法，其特征在于，所述确定所述至少一个数据集中的各个数据集所属的场景包括：
获取各个数据集中所包含的分类变量；
基于获取的分类变量的取值，确定各个数据集所属的场景。
10.根据权利要求8所述的信号质量估计方法，其特征在于，得到的所述拟合方程为在没有过拟合的情况下计算复杂度小于第一阈值，同时估计误差小于第二阈值的拟合方程；
其中，收集的所述至少一个数据集为在不同传输环境下收集的多个数据集。
11.根据权利要求1或8所述的信号质量估计方法，其特征在于，所述分类变量中存在以下至少一种变量：涉及信号格式的变量、涉及所述基站的天线数目的变量以及涉及干扰的变量。
12.一种基站，其特征在于，包括存储器和处理器，所述存储器上存储计算机程序，当所述计算机程序被执行时实现根据权利要求1-11任一所述的信号质量估计方法中的步骤。
13.一种非临时性计算机可读存储介质，其特征在于，所述存储介质上存储计算机程序，当所述计算机程序被执行时实现根据权利要求1-11任一所述的信号质量估计方法中的步骤。
技术总结