[4G/5G/6G专题基础-159]: CQI值的滤波方法

目录

前言：

第1章 滑动平均值滤波(simple moving average ,SMA)

1.1 概述

1.2 数学表达式

1.3 优缺点：

第2章 线性加权滑动平均滤波(weighted moving average, WMA)

2.1 概述

2.2 数学表达式

2.3 优缺点：

第3章 指数加权滑动平均滤波(exponential moving average,EMA)

3.1 概述

3.2 数学表达式

3.3 优缺点

后记：三种滤波的比较

---

前言：

CQI信道质量指示，用于指示无线信道的质量，CQI的值，直接关系到无线链路物理层的编码和调制MCS。CQI是对物理信道的实时的检测，其数值有一定的突发性和随机性的毛刺，导致CQI数据的稳定性不好，CQI稳定性不好，就会导致MCS编码调制方案的不稳定性。为此，我们需要对CQI进行滤波，确保输出CQI数据的稳定性、连续性。这里我们减少三种常见的CQI滤波方法。

第1章 滑动平均值滤波(simple moving average ,SMA)

1.1 概述

最简单的均值滤波(simple moving average ,SMA)，这种方法就是取最新的n个样本数据，然后最它们的平均值，作为当前的输出，不足n时，可以采用最新值进行填充。其中n称为滑动窗口。

1.2 数学表达式

最终的输出Yi是最新n个样本数值的输出。每个样本对最终输出的贡献的权重是相同的，都为1/n。时间复杂度为n。可以简化为：

简化后的时间复杂度O(0), 与n无关。

1.3 优缺点：

（1）优点：

• 简单
• 时间复杂度低

（2）缺点

• 每个样本对最终输出的贡献的权重是相同的，体现不出最新数据，具有更大的价值。

第2章 线性加权滑动平均滤波(weighted moving average, WMA)

2.1 概述

为了新数据的时间价值，以及防止最新数据的异常，就需要采用一种加权滑动平均的算法。

线性加权滑动平均滤波，是指每个数据都有一个权重，历史数据越久远，其权重衰减越大，衰减的方式采用线性衰减。

2.2 数学表达式

数学表达式如下图所示：

最新数据Xi的权重为n，最旧数据Xi-n+1的权重为1.

2.3 优缺点：

（1）优点

• 能够体现数据的时间价值

（2）缺点

• 时间复杂度高

第3章 指数加权滑动平均滤波(exponential moving average,EMA)

3.1 概述

指数平均滤波本质上也是一种加权滤波，不过与上边的加权平均滤波不同，WMA的权值随时间的变老是线性减小的，而指数平均滤波的权值是以指数式递减的。

另外还有一个区别，指数移动平均无论多旧的数据，其总会被给予一定的权值，而上边的加权平均则真的是“遗忘了”。

3.2 数学表达式

简化后的数学表达式为：

Yi-1数值，包含了所有的历史数据的信息，而不是最新的n个数据的信息。

3.3 优缺点

（1）优点

• 进一步体现了事件的价值
• 时间复杂度低
• 计算简单

上述方法，具有明显的优势，在滤波领域得到了广泛的应用。

后记：三种滤波的比较

 上图是30天的股价的三种不同的滤波方法

（1）close：实际的收盘价，波动最大。

（2）SMA：离当前股价最远，最能体现历史数据的价值和历史数据的支撑作用。

（3）WMA：是SMA和EMA的折中。

（3）EMA最平滑：最能体现当前股价的短期波动，也能体现历史数据的价值。