论文部分内容阅读
截止到2016年8月底,4G的用户数已经达到6.60亿户,并且仍在不断增加,因此对4G的研究有重大的意义。在TD-LTE系统运营过程中及时发现并清除异系统的干扰是保障网络运营质量的关键。干扰排查时通常采用人工上站排查的方法,但考虑到基站数目庞大,人工排查不仅资源消耗量大而且效率低,实现自动化的干扰识别将有效的降低成本提高效率。本毕业设计从干扰原理、干扰发生频段、波形形态特征等方面对29个省市的大量干扰小区的干扰特征进行了分析。从干扰波形呈现形态入手,进行干扰分类,由表及里探究其可能的干扰源。对TD-LTE干扰诊断系统中滚降类干扰波形识别算法进行了改进,对部分载波高类干扰波形识别算法进行了重新设计,并提出了 MMDS类和干扰器类干扰波形识别算法。提高了异系统干扰识别的准确率,并扩充了异系统干扰识别的种类。由于各类干扰波形的干扰源和干扰涉及范围有所不同,对各类干扰波形的识别算法设计了不同的验证方案。滚降类和部分载波高类干扰波形识别算法通过对所选4个代表城市中682个干扰小区进行干扰波形识别的方式来进行算法验证,实验结果表明,本文提出的识别算法在准确率以及灵敏度和召回率的组合量上都有很大提高。对于MMDS类和干扰器类干扰波形识别算法的验证,首先将已上站确认干扰类型的小区和其他小区进行混合,然后对混合后的小区进行干扰类型识别,实验结果表明MMDS类和干扰器类干扰波形识别算法都能有效的实现干扰类型识别。最后对TD-LTE干扰诊断系统中涉及到异系统干扰识别的模块进行了展示说明,意在介绍异系统干扰识别算法在TD-LTE干扰诊断系统中的位置。对干扰规避方案进行了总结,在对干扰规避方案进行介绍时针对干扰产生的不同频点,分别从F频段干扰规避方案、E频段干扰规避方案和D频段干扰规避方案三个方面进行总结。