确定误差矢量幅度的方法、系统及接收机

摘要

本发明提供一种确定误差矢量幅度的方法，该方法包括：接收来自于信号发射机的信号，得到待测基带信号；基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集；利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号；以及基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度。通过本发明的方法通过同时求解多个IQ相关的误差参数对待测信号进行补偿，以获得较准确基准信号，从而精确地确定信号发射机的误差矢量幅度(EVM)。

权利要求

1.一种确定误差矢量幅度的方法，该方法包括：

信号接收步骤：接收来自于信号发射机的信号，得到待测基带信号；

IQ相关误差参数估计步骤：基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集；

IQ相关误差参数修正步骤：利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号；

误差矢量幅度确定步骤：基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度；

其中，IQ相关误差参数估计步骤具体包括以下步骤：

步骤1：针对所述待测基带信号设计所述IQ相关误差参数的目标函数方程；

步骤2：初始化与所述IQ相关误差参数对应的粒子群；

步骤3：引导粒子群向最优解集运动，以获得所述IQ相关误差参数的解集。

2.根据权利要求1所述的方法，其中，所述IQ相关误差参数的解集包括IQ两路增益、IQ两路直流偏置、IQ相位不平衡、相位误差中的一个或多个。

3.根据权利要求2所述的方法，其中步骤1包括：求解使得下式取值最小时的各IQ相关误差参数：其中，i表示已同步信号中的UW符号位置，共Nt个UW符号，A1和A2分别为发送过程中加在IQ两路上的增益，an和bn分别为发送端IQ两路的值，a和b分别为发送中引入的IQ两路的直流偏置，θ为调制时IQ两路载波不正交的角度，Δf为频偏误差，为相偏误差，I(n)和Q(n)分别为接收端接收到的IQ两路值,A1、A2、an、bn、θ和 是待求解的IQ相关误差参数。

4.根据权利要求1所述的方法，其中，所述IQ相关误差参数的解集是局部最优解集或全局最优解集。

5.根据权利要求1所述的方法，其中，在步骤2中，所述初始化包括初始化所述IQ相关误差参数的速度和位置。

6.根据权利要求1所述的方法，其中，在所述IQ相关误差参数估计步骤之前还包括对所述待测基带信号进行定时同步和频率误差估计；以及在IQ相关误差参数修正步骤中还包括基于所述频率误差来修正所述待测基带信号。

7.一种确定误差矢量幅度的系统，包括：

信号接收单元：接收来自于信号发射机的信号，得到待测基带信号；

IQ相关误差参数估计单元：基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集，其中，采用以下方式估计所述IQ相关误差参数：针对所述待测基带信号设计所述IQ相关误差参数的目标函数方程；

初始化与所述IQ相关误差参数对应的粒子群；

引导粒子群向最优解集运动，以获得所述IQ相关误差参数的解集；

IQ相关误差参数修正单元：利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号；以及误差矢量幅度确定单元：基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度。

8.根据权利要求7所述的系统，其特征在于，还包括对所述待测基带信号进行定时同步和频率误差估计的单元；以及基于所述频率误差来修正所述待测基带信号的单元。

9.一种接收机，包括根据权利要求7-8中任一项所述的系统，用于确定所述信号发射机的误差矢量幅度。

说明书

确定误差矢量幅度的方法、系统及接收机

技术领域

[0001] 本发明属于通信技术领域，尤其涉及一种基于粒子群算法确定误差矢量幅度的方法、系统及接收机。

背景技术

[0002] 误差矢量幅度(EVM，Error Vector Magnitude)是指某个时间内理想无误差基准信号(或称参考信号)和实际所测量的信号之间的差别，可以表征为包含幅度分量和相位分量的复数。在无线通信系统中，数字信号的频带传输的基本过程是，发送端的基带信号经过正交调制之后，通过无线通信信道传输到接收端，然后，在接收端进行相应解调之后恢复出原始的基带信号。在该传输过程中，由于调制器产生的调制误差、射频器件质量、锁相环噪声、热噪声以及调制器设计偏差等因素，导致调制信号产生误差。该误差可以采用EVM来衡量。准确的测量信号发射机的EVM对于通信系统设计和发射机指标的衡量非常重要。为了提高EVM的测量精度，需要在接收到信号后对估计信号传输过程中产生的误差并进行补偿，从而获得相对准确的参考信号。

[0003] 对于正交调制的通信系统，例如，3G、LTE等，信号分为IQ两路，两路信号分别通过正交调制后再进行叠加产生射频信号。然而，在现有技术中确定发射机EVM的方法存在的主要问题是，第一，仅修正频率偏差和/或相位偏差，而对于IQ相关的其他参数，例如，IQ两路增益、IQ两路直流偏置、IQ相位不平衡等未予充分考虑，不能全面地校准信号传输过程产生的多种偏差；第二，通常采用最大似然估计等传统的方法对频偏偏差或相位偏差等单独地进行估计，而没有考虑待估计的多个偏差之间的竞争或冲突，这通常难以获得多个误差的综合最优值。

[0004] 因此，需要对现有技术进行改进，以解决上述问题。

发明内容

[0005] 因此，本发明的目的在于克服现有技术的缺陷，提供一种可以同时测量多个误差参数以较准确地确定信号发射机的EVM的方法和系统。

[0006] 根据本发明的一个方面，提供了一种确定误差矢量幅度的方法。该方法包括：

[0007] 信号接收步骤：接收来自于信号发射机的信号，得到待测基带信号；

[0008] IQ相关误差参数估计步骤：基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集；

[0009] IQ相关误差参数修正步骤：利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号；

[0010] 误差矢量幅度确定步骤：基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度。

[0011] 优选地，所述IQ相关误差参数的解集包括IQ两路增益、IQ两路直流偏置、IQ相位不平衡、相位误差中的一个或多个。

[0012] 优选地，IQ相关误差参数估计步骤具体包括以下步骤：

[0013] 步骤1：针对所述待测基带信号设计所述IQ相关误差参数的目标函数方程；

[0014] 步骤2：初始化与所述IQ相关误差参数对应的粒子群；

[0015] 步骤3：引导粒子群向最优解集运动，以获得所述IQ相关误差参数的解集。

[0016] 优选地，所述IQ相关误差参数的解集是局部最优解集或全局最优解集。

[0017] 优选地，所述初始化包括初始化所述IQ相关误差参数的速度和位置。

[0018] 优选地，在所述IQ相关误差参数估计步骤之前还包括对所述待测基带信号进行定时同步和频率误差估计；以及在IQ相关误差参数修正步骤中还包括基于所述频率误差来修正所述待测基带信号。

[0019] 根据本发明的第二方面，提供了一种确定误差矢量幅度的系统。该系统包括：信号接收单元，用于接收来自于信号发射机的信号，得到待测基带信号；IQ相关误差参数估计单元，用于基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集；IQ相关误差参数修正单元，用于利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号；以及误差矢量幅度确定单元，用于基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度。

[0020] 优选地，该系统还包括对所述待测基带信号进行定时同步和频率误差估计的单元；以及基于所述频率误差来修正所述待测基带信号的单元。

[0021] 根据本发明的第三方面，提供了一种接收机，包括根据本发明所述的系统，用于确定信号发射机的误差矢量幅度。

[0022] 与现有技术相比，本发明的优点在于，可以基于粒子群算法同时获得多个IQ相关误差参数的估计值，以对接收到的基带信号进行多个IQ相关误差参数的修正，从而得到更精确的EVM值；同时，粒子群算法的应用可以综合考虑多个参数对系统的影响，获取一组解的整体最优值，而不仅仅是各个单个误差的最优解，因此，更进一步提高了EVM计算的精确度；此外，通过进行IQ相关的误差参数修正，可以解决差分调制系统中相位和频偏的修正存在前后符号相关，难以直接判决的问题。通过本发明的方法可以快速准确的评估信号发射机的调制指标。

附图说明

[0023] 以下参照附图对本发明实施例作进一步说明，其中：

[0024] 图1示出了根据本发明一个实施例的确定EVM的方法的示意流程图。

[0025] 图2示出了根据本发明的基于粒子群算法进行参数误差估计的示意流程图。

[0026] 图3示出了根据本发明一个实施例确定EVM的系统的功能单元示意图。

[0027] 图4示出了根据本发明的另一实施例确定EVM的系统的功能单元示意图。

具体实施方式

[0028] 图1示出了根据本发明一个实施例的确定EVM方法的示意流程图。如图1所示，根据本发明的方法包括下列步骤：

[0029] 1)信号接收步骤S110，用于接收来自于信号发射机的信号，得到待测基带信号。

[0030] 例如，当利用测试仪器(接收机)来测试信号发射机的EVM时，待测的信号发射机经由射频线缆直接连接至测试仪器，测试仪器对信号进行射频接收，并变换为基带IQ码片数据，得到待测基带信号。例如，在TD-LTE系统中，基带信号即接收到的待测基带信号可以表示为：

[0031]

[0032] 其中，A1是发送过程中加在I路上的增益，A2是发送过程中加在Q路上的增益，即A1和A2是在发送过程中分别加在IQ两路上的增益；an和bn分别是发送端IQ两路的值；a和b分别为发送过程中引入的IQ两路的直流偏置，θ为调制时IQ两路载波不正交的角度，Δf为频偏误差， 为相偏误差，N(i)为噪声。

[0033] 根据本发明的一个实施例，为了获得更准确的待测基带信号，接收端在接收到信号后，可以首先对信号进行预处理，例如，对信号进行平滑、滤波、均衡等处理，以削弱信号在传输过程中引入的噪声干扰、信号采样带来的码间干扰等的影响。

[0034] 2)IQ相关误差参数估计步骤S120，基于粒子群算法估计待测基带信号的IQ相关误差参数的解集。

[0035] 粒子群算法的基本过程是：首先设置随机解，通过执行迭代以寻找最优解，用适应度来评价解的品质，通过追随当前搜索到的最优值来寻找全局最优值。该算法实现容易、精度高、收敛快。

[0036] 根据通信系统的特点，在本发明中将粒子群算法应用在估计信号传输过程中的产生的误差，通过建立模型能够同时求解多个IQ相关误差参数，获得最优的IQ相关误差参数的解集，即待修正的IQ相关的参数。

[0037] 在S120中包括以下步骤：针对所述待测基带信号设计所述IQ相关误差参数的目标函数方程；初始化与所述IQ相关误差参数对应的粒子群；以及引导粒子群向最优解集运动，以获得所述IQ相关误差参数的解集。后面将结合图2具体描述基于粒子群算法的求解IQ相关误差参数的过程。

[0038] 3)IQ相关误差参数修正步骤S130，利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号。

[0039] 在步骤S130中，根据步骤S120中获得的IQ相关误差参数的解集，修正上述的待测基带信号，以进一步消除传输过程由于调制等过程产生的信号畸变，从而获得校准后的待测基带信号。

[0040] 利用误差函数修正待测基带信号的过程属于本领域的公知知识，在此不再赘述。

[0041] 4)误差矢量幅度确定步骤S140，基于所述待测基带信号和所述修正的待测基带信号确定所述信号发射机的误差矢量幅度。

[0042] 在该步骤中，首先将修正后的待测基带信号进行解调再调制，得到参考信号。例如，采用与发射机相同的调制方式修正后的待测基带信号进行解调和再调制，以得到调制后的符号，即参考信号。在TD-LTE系统中，可以支持BPSK、QPSK、16QAM、64QAM等调制方式。对于调制和解调的具体过程属于现有技术，在此不再赘述。

[0043] 通过上述的待测基带信号和参考信号来计算信号发射机的EVM，表示为：

[0044]

[0045] 在上式中，EVM即误差矢量的均方根值与参考信号的均方根值的比值，并以百分比形式来表示。其中，S(n)表示I-Q平面上待测信号的矢量形式，对应步骤S110中接收到的待测基带信号，R(n)表示参考信号的矢量形式，对应步骤S140中获得的参考信号。

[0046] 图2示出了基于粒子群算法求解IQ相关误差参数的示意流程图。

[0047] 如图2所示的实施例中，求解IQ相关误差参数的流程图包括以下步骤。

[0048] 1)在步骤S210中，针对待测基带信号设计IQ相关误差参数的目标函数方程和约束条件。

[0049] 在此实施例中，设计为多个目标IQ相关误差参数的估计，例如，基于待测的基带信号公式(1)，设计的估计目标函数为J(A1,A2,a,b,θ, )，可以表示为：

[0050]

[0051] 其中，i表示已同步信号中的UW符号位置，共Nt个UW符号，A1和A2分别为发送过程中加在IQ两路上的增益，an和bn分别为发送端IQ两路的值，a和b分别为发送中引入的IQ两路的直流偏置，θ为调制时IQ两路载波不正交的角度，Δf为频偏误差，为相偏误差，I(n)和Q(n)分别为接收端接收到的IQ两路值。A1、A2、an、bn、θ和 是待求解的IQ相关误差参数。

[0052] 使得公式(3)取值最小的各IQ相关误差参数即IQ相关误差参数的解集。

[0053] 2)在步骤S220中，初始化粒子群，该粒子群与IQ相关参数对应。

[0054] 在一个实施例中，所述初始化包括初始化粒子群的位置、速度、个体最优值和全局最优值。例如，位置和速度初始化可以设置为在允许范围内随机产生，均匀分布。例如，增益的位置范围设置为[0.1，1.1]、速度范围设置为[-0.5，0.5]。例如，直流的位置范围设置为[-0.3,0.3]、速度范围[-0.5,0.5]；相位不平衡的位置范围设置为[-0.3,0.3]、速度范围[-0.05,0.95]；相位误差参数的位置范围设置为[-π,π]、速度范围[-π/2,π/2]。

[0055] 在此实施例中，基于粒子群算法的模型为：在d维的搜索空间中，由N个粒子组成一个粒子群。其中，第i个粒子的初始位置xid表示为一个d维的向量；第i个粒子的飞行速度vid也表示为一个d维的向量；第i个粒子迄今位置搜索到的最优位置为成为个体极值，用pi，d来表示；所有粒子迄今为止搜索到的最优位置称为全局极值，pg，d来表示；在找到个体极值和全局极值时，更新粒子的速度和位置。其中，d对应于待求解的IQ相关误差参数的数量，即此实施例中待估计的误差参数是6，其中，每个IQ相关误差参数对应一个粒子群。

[0056] 通常，粒子群的种群规模N取值太小不能提供足够的采样点，导致算法的性能差；N取值太大可以增加优化信息，防止过早的收敛，但会增加计算量。根据其他实施例，种群规模通常设置为100-1000，例如，设置为100。

[0057] 3)在步骤S230中，计算每个粒子的适应度值，求出每个粒子的个体最优值，其中，所述适应度值用于反应粒子的优劣。

[0058] 计算适应度值，通常是目标函数的优化对象。适应度值可以用来评价候选解(粒子)的优劣。

[0059] 计算每组IQ参数的适应度值Fit[i]，适应度值的公式表示为：

[0060]

[0061] 其中，A1和A2分别为发送过程中加在I路和Q路上的增益，a和b分别为发送中引入的IQ两路的直流偏置，θ为调制时IQ两路载波不正交的角度， 为相偏误差，uw_Ii和uw_Qi分别代表每个接收信号的特殊字序列样点， 表示s2,n同步之后的第i组信号。

[0062] 对于每个粒子用它的适应度值和个体极值进行比较。如果粒子的适应度值Fit[i]好于该粒子当前的个体极值，则将该粒子的位置设置为Pi,d[i]，并且更新个体极值。

[0063] 4)在步骤S240中，计算粒子群的全局最优值。

[0064] 对于每个粒子用它的适应度值和全局极值进行比较。如果所有粒子的个体极值中最好的好于当前的全局极值，则将该粒子的位置设置为Pg,d，且更新全局极值。

[0065] 5)在步骤S250中，引导粒子群向最优解集运动。

[0066] 利用公式(5)和式(6)更新粒子的速度和位置。

[0067]

[0068]

[0069] 其中，t是粒子当前迭代次数，d是粒子维数， 和 分别代表第t代进化中粒子i第d维的速度和位置，非负常数c1和c2是加速因子，决定pi,d和pg,d对新速度的影响程度，r1和r2是区间[0,1]上均匀分布的随机变量。

[0070] 上述公式(5)的右边由三部分组成，第一部分是惯性量，是延续粒子上一次运动的矢量；第二部分是个体认知量，是向个体历史最优位置运动的量；第三部分是社会认知量，是粒子向全局最优位置运动的量。

[0071] 惯性量采用递减惯性权值法，通过公式(7)得到。

[0072]

[0073] 其中，ωmax为初始惯性权重值，ωmin为最大进化代数对应的惯性权重值，Tmax为最大进化代数，t为当前进化代数。

[0074] 通过设置惯性权值ω、加速因子c1和c2等可以引导粒子群以更合理的速度向最优解集运动。

[0075] 例如，惯性权值ω表示在多大程度上保留原来的速度，惯性权值越大，全局收敛能力越强，局部收敛能力越弱。在一个实施例中，惯性权值可以选择为0.6。

[0076] 例如，加速因子c1和c2分别用于控制粒子指向自身或邻域最佳位置的运动。根据其他实施例，取值范围为2至4，例如，c1和c2均取值2。在另一实施例中，加速因子可以基于当前的迭代次数取值不同。通过这种方式，可以更加合理的控制粒子的运动速度，以快速准确的求解多个误差参数。

[0077] 6)在步骤S260中，判断是否满足预定的约束条件。

[0078] 如果判断为是，则执行步骤S270；否则执行重复执行步骤S230至S250。

[0079] 在一个实施例中，约束条件是满足目标函数方程，即使其取最小值或者迭代次数达到预先设置的阈值。例如，迭代次数越多越能保证解集的收敛性，但是影响运算速度。根据一个实施例，迭代次数选择为1000次。

[0080] 7)在步骤S270中，获得粒子群的最优解集，即所述IQ相关误差参数的解集。

[0081] 在此实施例中，利用粒子群算法求解的多个误差参数的解集并不是唯一的，而是可以存在一组最优解的集合。通过这种方式，可以在集合的多个解集之间进行协调和折衷处理，使解集尽可能的达到最优化。

[0082] 在一个实施例中，IQ相关误差参数的解集是局部最优解集或全局最优解集。

[0083] 在一个实施例中，IQ相关误差参数的解集包括IQ两路增益、IQ两路直流偏置、IQ相位不平衡、相位误差中的一个或多个。例如，仅包括IQ相位不平衡和相位误差或者仅包括IQ两路增益和相位误差。

[0084] 值得注意的是，为了保证EVM计算的精确性，通常在接收在待测基带信号之后，在进行IQ相关参数估计之前，对待测的基带信号首先进行符号同步和频偏估计，以校准由于多径衰落和多普勒频移等造成信号频率和时间的偏移。

[0085] 例如，根据本发明的一个实施例，在IQ相关误差参数估计步骤S120之前还包括对基带信号进行符号同步和频率误差估计；并且在IQ相关误差参数修正步骤S130中进一步基于所述频率误差来修正所述待测基带信号。

[0086] 以TD-LTE系统为例来说明符号同步和频偏估计的过程。

[0087] a)符号同步过程

[0088] 假设粗同步窗长n，则信号编码i

[0089] 对于符号同步，将导频序列按照 进行前后符号共轭，构造出新本地序列，将粗同步窗序列中的每个符号取出，构造出新序列；将新本地序列与新序列对位相乘求和求模得到相关模值，计算相关模值直到粗同步窗循环结束，得到相关峰，其中峰值点为粗同步点Sych_P，根据公式(8)计算粗频偏。

[0090]

[0091] 其中， 表示粗频偏，angle函数用于求取复数信号角度， 表示n组接收信号与理想UW(Unique Word)序列共轭复乘后得到多个U2值，从 中得到共轭复乘的最大值(即粗同步点Sych_P处的U2值)，M为采样的内插倍数，Ts为样点周期。

[0092] 通过粗同步点Sych_P及信号结构得到粗同步信号。将粗同步窗中的每组粗同步信号取出，求每组信号幅度方差，方差最小值对应点即为最佳同步点位置。通过定时同步的过程，可以初步得到粗同步信号以及频率偏差的粗略估计。

[0093] 对于不同标准下的通信信号，由于物理层的信号结构不同，定时同步的方法会有差异。例如，对于LTE系统，取决于OFDM符号的固有结构，可采用多种算法来进行符号同步，例如，最大似然估计法、盲估计算法等。定时同步的基本过程属于现有技术，在此不再赘述。

[0094] b)频偏估计过程

[0095] 关于进一步的频偏估计，通常采用在发送端产生一个特殊的同步数据块，该数据块可以是一个符号，也可以是多个符号，该数据块可以由2个或多个相同的部分组成(即冗余数据)。在接收端，这些冗余数据之间仍然具有很大的相关性，通过观察相应的接收数据的相角偏移量,可以估计出系统的载波频偏。

[0096] 例如，利用公式(8)得到的粗频偏 来修正接收到的基带信号得S2，n可以得到s3,n；此时 范围很小，利用通信系统每一突发均至少含有两段长度相同的导频的特点，从s3,n取出此两端特殊字序列设为xp(i)与xq(i)，计算共轭复乘求和。根据公式(9)计算Δf[0097]

[0098] 其中fs为采样频率，M为采样的内插倍数，sum为特殊字序列共轭复乘求得的和，Luw为UW序列的长度，Ldata为两段UW序列中数据符号的个数， 表示粗频偏。以上频偏算法的频偏估计范围可以达到±5KHz，估计精度在1Hz以内。通过此过程可以比较精确的估计处接收信号的频率偏差。将获得的频偏参数在参数修正步骤S130中通过代入公式(1)中以进一步校准频率偏差。

[0099] 根据本发明的实施例，提供了确定EVM的方法和系统，可以用于多种通信标准下的测试技术或测试设备中，例如，用于WLAN、LTE或3G终端的EVM测量。

[0100] 综上所述，本发明利用粒子群算法可以同时估计出多个误差参数的解集，通过该解集校准待测基带信号，能够得到较精确的参考信号，从而计算处能够准确反应信号发射机性能的EVM。

[0101] 图3示出了根据本发明一个实施例的确定EVM的系统的功能单元示意图。

[0102] 与图1所示的方法相对应，图3所示的确定EVM的系统包括信号接收单元310、IQ相关误差参数估计单元320、IQ相关误差参数修正单元330和误差矢量幅度确定单元350。为了清楚起见，在此实施例中，还独立列出了参考信号计算单元340。本领域的技术人员，参考信号计算单元340也可集成到误差矢量幅度确定单元350中。

[0103] 信号接收单元310用于接收来自于信号发射机的信号，得到待测基带信号。

[0104] IQ相关误差参数估计单元320用于基于粒子群算法估计所述待测基带信号的IQ相关误差参数的解集。

[0105] IQ相关误差参数修正单元330用于利用所述IQ相关误差参数的解集修正所述待测基带信号，得到修正的待测基带信号。

[0106] 误差矢量幅度确定单元350用于基于待测基带信号和修正的待测基带信号确定所述信号发射机的误差矢量幅度。

[0107] 在参考信号计算单元340独立于误差矢量幅度确定单元350的情况下，参考信号计算单元340用于对修正的待测信号进行解调再调制，得到参考信号。

[0108] 图4示出了根据本发明一个实施例的确定EVM的系统的功能单元示意图。除了图3所示的功能单元之外，图4所示的实施例的系统中还包括用于对待测基带信号进行符号同步的定时同步单元311、用于进行频率误差估计的频偏误差估计单元312以及频率误差修正单元313，用于基于所述频率误差来修正所述待测基带信号。

[0109] 对于图3和图4的系统中，涉及到的基于粒子群算法求解误差参数解集的具体过程，可以参考根据图1描述的实施例部分。

[0110] 根据本发明的方法和系统可以应用于测量接收机的EVM指标，例如用于测试仪器中以确定基站或终端的EVM，或者应用于基站中，用于根据从终端接收到的信号来确定终端的EVM。

[0111] 虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。