CN100347967C - 针对直接序列－码分多址信号的周期自适应接收器 - Google Patents

Abstract

在接收器(100)中，信号包括至少由一个周期序列加以调制的数据。用于操作该接收器(100)的方法，包括步骤：接收信号的一个部分，该部分由周期序列的一个预确定的区段加以调制；接收信号的一个附加部分，该附加部分由周期区段的预确定的区段加以调制；把这两个部分一起加以处理(102A～102K)；以及产生一组接收器参数，该参数针对周期序列的预确定的区段最小化一个预确定的价值函数。

Description

针对直接序列-码分多址信号的周期自适应接收器

发明领域

概括地说，本发明涉及用于接收直接-序列码分多址信号的方法与系统，具体地说，本发明涉及用于自适应地接收这样的信号的方法与系统。

发明背景

最近几年，直接-序列(DS)码分多址(CDMA)扩频通信系统和方法在世界范围日益引起人们的关注。IS-95蜂窝通信标准是DS-CDMA通信的一个应用实例。1996年2月27日TIA/EIA/IS-95-A中的″针对双-模式宽带扩频蜂窝系统的移动电台-基站兼容标准″中对IS-95蜂窝通信标准进行了描述。

CDMA的其它实现，可以在第三代蜂窝系统、无线多媒体系统、个人卫星移动系统等系统中发现。

直接序列码分多址通信的基本原理是，向每一用户赋予一个不同的扩展码，这一不同的扩展码通常叫做一个伪噪音(PN)序列。扩展码位(也做基片(chip))用于调制用户数据。用于调制一个数据符号的基片的数目叫做这一系统的扩展因子(处理增益)，它与(未调制的)用户数据和CDMA信号之间的带宽的扩展相关。

在其最简单的形式中，所发送的CDMA信号的基-带宽等于

                      方程1

其中SF是扩展因子，

表示n/SF的整数部分，

和PN_i[n]分别是数据符号和第i个用户的扩展码，K是活跃用户的个数。注意，根据

的定义，针对SF相邻基片

是固定的，符合上述的每一数据符号是由SF基片加以调制的定义。

如果T_s和T_c分别以秒为单位表示符号和基片间隔，那么T_s＝SF·T_c。把基片速率定义为1/T_c，把符号速率定义为1/T_s。于是，基片速率是符号速率的SF倍。

在一个DS-CDMA系统中，所有用户在同一频带上连续不断地进行发送，于是，在接收器端，仅通过每一用户的扩展码就可把他同所有其他用户加以区别。因此对扩展码的设计是为了最小化不同用户之间的串音现象。传统的系统通常使用正交的扩展序列。

然而，在实践中，频道失真和异步性改变了所发送的信号。因此，即使当发送器使用了正交的扩展码时，用户之间的串音也将存在。

在这一技术中，一系列针对DS-CDMA信号的接收器结构是为人们所熟悉的，包括单用户(SU)和多用户(MU)接收器、干扰消除(IC)接收器等。

一个传统的单用户接收器把所接收的信号与所希望的用户(1号用户)的扩展码关联起来，如下

$y_1\left[m\right]\frac{1}{2\·\mathrm{SF}}\underset{n=1}{\overset{\mathrm{SF}}{\mathrm{\Σ}}}R[m\·\mathrm{SF}+n]\·{\mathrm{PN}}_1{[m\·\mathrm{SF}+n]}^{*}$

                      方程2

其中，R[n]表示在降频变换和取样之后所接收的信号，″*″表示复杂的接合。对了简单起见，在方程2中我们假定QPSK信号发送。通过设K＝2(即一个包括两个用户的系统)，并抛弃了频道衰变(即R[n]＝T[n])，可提供一个简单的例子。因此，通过把方程1代入方程2，可获得下列表达式，

      y₁[m]＝a₁[m]+CrossCorr_1，2[m]·a₂[m]

                      方程3

其中

$\mathrm{Cross}{\mathrm{Corr}}_{i,j}\left[m\right]=\frac{1}{2\·\mathrm{SF}}\·\underset{i=1}{\overset{\mathrm{SF}}{\mathrm{\Σ}}}{\mathrm{PN}}_i{[m\·\mathrm{SF}+l]}^{*}\·{\mathrm{PN}}_j[m\·\mathrm{SF}+L]$

                      方程4

方程3中的项CrossCorr_1，2[m]·a₂[m]表示用户2对用户1所造成的干扰。这一简单的例子揭示了人们所熟悉的SU接收器的一个弱点，即，它的性能受到来自所有其它频道用户的串音所引发的噪音能级的制约(这一方面的例子请参见A.J.Viterbi的″扩频通信的CDMA原理″，Addison-Wesley出版公司，1995年)。一种更先进的SU接收器包括某些干扰消除装置，这些装置旨在减少这些串音和改进接收器的性能。这一方面的例子请参照下列参考文献：

Yoshida的″基于自适应干扰消除的CDMA-AIC高频谱效率CDMA蜂窝系统″，IEICE通信论文集，Ve79-bn3，1996年3月，353～360页；

A.Yoon的″一个具有同频道干扰消除的扩频多通路系统″。所选定的通信领域的IEEE杂志，1993年9月；

授权于Stilwell的序号为5,105,435的名为″用于消除扩频噪音的方法与装置″的美国专利；以及

Y.Li的″针对CDMA的串行干扰消除方法″，electronics letters，1994年9月。

多用户(MU)接收器一同解调多个或全部所接收的与当前活跃用户相关的信号。MU接收器的结构比SU接收器的结构要复杂的多，但它们的性能明显地好于SU接收器，因为这些接收器对用户之间的串音不十分敏感(这一方面的例子请参照S.Verdu的″多用户检测″，剑桥大学出版社，1998年，现并入此处以作参考)。

在实践中，发送器和接收器之间的通信链路在时间上通常是不尽相同的。因此，要求CDMA接收器(可以是一个SU、MU或IC接收器)是自适应的，因而能够追踪通信频道的时间变化。这一方面的例子可参照授权于Dent et.al的名为″用于解调下行-链路CDMA信号的方法与系统″的序号为5,572,552的美国专利。也可参见G.Woodward和B.S.Vucetic的″针对DS-CDMA的自适应检测″，IEEE的会刊，86卷第7号，1998年7月。

自适应算法(例如那些可用于DS-CDMA应用的算法)的设计，旨在最小化相对于接收器的参数的一个预定确定的价值(cost)函数(最好为一个部分连续的凸函数)的期望值。例如，S.Verdu的″自适应多用户检测″，IEEE学会会刊论文集中关于扩频理论和应用部分(芬兰，Oulu，1994年7月)，涉及一个自适应最小均方(LMS)MU算法，这一算法最小化了所发送的和所重构的符号之间的均方误差，即

${\mathrm{MSE}}_i\≡E\left\{{\left({\hat{a}}_i\right[n]-a_i[n\left]\right)}^2\right\}$

                      方程5

其中_i[n]是MU接收器的第i个终端的输出样本，a_i[n]是第i个用户所发送的符号。方程5中的价值函数要求训练序列。换句话说，接受器必须知道至少某些所发送的符号的精确值(a_i[N]的)，以便最小化这一价值。

其它的一些方法，它们是这一技术中为人们所熟悉的，不要求训练数据。S.Verdu的″自适应多用户检测″，IEEE学会会刊论文集中关于扩频理论和应用部分(芬兰，Oulu，1994年7月)，也说明了这样的一个方法。这一方法包含一个决策导向方案，这一方案使用了它的估计值来替代未知的a_i[N]的值。

例如，在二进制的情况下，a_i[N]仅接收两个电平：″1″和″-1″。于是，它的一个估计可以从相应接受器的输出的符号获得。在这一情况下，方程5中的价值简化为

             E{(_i[n]-Sign{_i[n]})²}

                      方程6

这一技术中，另一个为人们所熟悉的方法描述于M.Honig、UMadhows和S.Verdu的″盲目适应多用户检测″，IEEE关于信息理论的论文集，1995年7月。这一参考文献说明了一个方法，该方法基于这样的一个事实：在某些条件下，方程5中的价值等价于下列的价值

                   OE_i≡E{_i[n]²}

                        方程7

在最小化这两个不同的价值函数的意义上，获得了同样的接收器。

由于方程7中的判别式不涉及a_i[N]的判别，因此不需要训练序列。方程7中的价值被叫做最小输出能量(MOE)价值，因为接收器被修改成可把在其输出处的能量最小化。最终所得到的MOE算法被叫做″盲″多用户算法，因为它们在不知道所发送的位(bit)的情况下″盲目″地操作。

通常，用样本平均值取代随机的期望值来表达价值函数是十分方便的。例如，可按如下：

${\mathrm{MSE}}_i\left(n\right)\≡\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\left({\hat{a}}_i\right[k]-a[k\left]\right)}^2{\mathrm{\λ}}^{(n-k)}$

                      方程8

对MOE价值加以定义。其中，0＜λ≤1是一个指数忽略因子，这一因子给予最近样本的权多于给予先前样本的权，因此提供了追踪能力。

下列参考文献说明了一个用于最小化这一判别式的自适应递归最小二乘(RLS)型算法。

H.V.Poor和X.Wang的″用于DS/CDMA通信的代码辅助干扰消除：干扰消除能力″，IEEE通信论文集，1997年9月。

H.V.Poor和X.Wang的″用于DS/CDMA通信的代码辅助干扰消除：并行盲目适应实现″，IEEE通信论文集，1997年9月。

按下列形式

${\mathrm{OE}}_i\left(n\right)\≡\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{\hat{a}}_i{\left[k\right]}^2{\mathrm{\λ}}^{(n-k)}$

                      方程9

重写方程7中的价值函数，可以为方程7中的价值函数推导出类似的算法。

现在参照图1A。图1A是用于自适应检测一个DS-CDMA信号的系统的示意图，在本发明的整个描述过程中，赋予其参照符80。这样的系统是这一技术中人们所熟悉的。系统80实质上是一个处理器，它能够实现上述的任何一种方法。把所接收的样本y[1]，y[2]，...，y[m]做为该处理器的输入加以提供。这一处理器(可实现上述的任何一种方法)计算自适应参数

用于最小化成为接收器80的一个特征的价值函数。

所接收的样本y[1]，y[2]，...，y[m]也可以是向量值，例如来自一组SU接收器的输出，每一个接收器针对一个不同的用户加以调谐。这一点对于那些熟悉这一技术的人来说是十分显然的。

现在参照图1B。图1B是一组搜索接收器的示意图，这是这一技术中人们所熟悉的。应该加以注意的是，一个搜索接收器是一个单用户(SU)接收器。

区段50包括一个搜索接收器阵列52和一个与其连接的处理器56。阵列56包括一系列搜索接收器54A、54B、54C以及54M，它们准备接收最多M个用户的信号。

在这一情况中，向处理器(56)输入的输入样本为向量值，以致于每一个样本Y[i]由

$Y\left[i\right]=\left[\begin{array}{c}Y{\left[i\right]}_1\\ Y{\left[i\right]}_2\\ \·\\ \·\\ \·\\ Y{\left[i\right]}_M\end{array}\right]$

所给定。

其中，Y[i]_k是第k个搜索接收器的第i个样本。

在自适应MU接收器中通常使用图1B中的具体实现，其中，通过使用搜索接收器54A处理样本的提交部件，处理器56可以检测用户1所发送的信息。与此同时，考虑到第二个用户的相应样本(如由第二个搜索接收器(54B)所提供的)的影响、第三个用户的相应样本(如第三个搜索接收器(54C)所提供的)的影响，以此类推。

通常可以根据自适应算法的带宽很方便对它们加以描述。由于内在的平均操作，可以认为一个自适应算法具有一个对低通滤波器的整体的响应。在任何一个自适应方案中，这一平均操作要么是隐含控制的，要么是显式控制的。这一等价的低通响应的带宽大大低于数据的带宽，它制约着自适应算法的追踪和噪音消除能力。一个大的带宽，意味着快速的追踪，但同时也意味着相当高的残余噪音(即

的大的误差变化)，而低带宽意味着好的噪音消除，但同时也意味着差的追踪能力。

在许多DS-CDMA系统中，扩展码比符号周期(例如IS-95系统的下行链路)要长得多。自适应算法(与上述参考文献中所描述的一样，它的带宽低于符号速率)对于这样的系统是不适合的。这是由于这样的一个事实：这些算法不能够追踪用户之间快速变化的干扰(这一干扰的带宽正比于符号速率，因为一个新的干扰值随每一新的数据符号一起产生)。干扰快速变化的特性，其原因取决于这样的一个事实：当PN序列跨越一个以上的数据符号时，会随不同数据符号在方程4中对PN序列的不同部分加以使用。因此，这种互相关性将随每一新的数据符号接收一个不同的值。

在某些情况中，这一状况是不可避免的(例如，当使用随机扩展码时)。然而，在大多数情况下，当考虑到实际的利害关系时，扩展码是非随机的和确定的。

发明概述

本发明的一个目的是提供一个用于接收一个DS-CDMA信号的新方法，这一方法克服了先有技术的许多缺点。

本发明的另一个目的是，提供一个新的DS-CDMA接收器，这一接收器克服了先有技术的许多缺点。

根据本发明，将提供一个用于接收DS-CDMA信号的方法。这一方法将在一个接收信号的接收器中实现，其中，信号包括至少由一个周期序列加以调制的数据。该方法包括下列步骤：

接收信号的一个部分，其中该部分由周期序列的一个预确定的区段加以调制；

接收信号的一个附加的部分，其中这一附加的部分是由周期序列的同样的预确定的区段加以调制的；

一同处理这一部分和附加的部分，以及

产生一组接收器参数，这些参数针对周期序列的预确定的区段最小化一个预确定的价值函数。

本发明的这一方法也可以在周期序列中包括预确定区段这一步骤。注意，这些区段可以包括一个或多个周期序列的元素。

根据本发明的另一个方面，所接收的信号由周期序列加以解调，从而可抽取包含在其中的数据符号。然后，相对于周期序列的预确定的区段，针对这些符号执行上述的操作，其中这些区段的长度最好能够与一个符号的长度相当。

因此，相对于这一方面，本发明的这一方法包括下列步骤：

由周期序列解调信号，从而产生一系列所接收的样本，

确定一系列区段，每一区段拥有至少一个样本的长度，并由周期序列的一个预确定的部分对每一区段加以解调，

检测所解调的信号的相应部分，这些部分与这些区段中的每一个区段相关联，

一同处理所检测的部分，这些部分与这些区段中所选定的一个区段相关联，以及

针对每一区段产生一组接收器参数，这些接收器参数针对所选定的区段最小化一个预确定的价值函数。

应该加以注意的是，所接收的信号可以是一个DS-CDMA信号或其它任何由一个周期序列加以调制的扩展信号。

数据符号的解调和抽取，可以包括使用一个搜索接收器搜索解调DS-CDMA。

于是，根据本发明的另一个方面，提供了一个用于检测一个信号的接收器。其中，信号包括至少由一个周期序列加以调制的数据。这一接收器包括一系列处理部件(每一处理部件与周期序列的一个预确定的区段相关联)；以及一个分布部件，这一分布部件与每一处理部件相连。

分布部件接收信号、检测信号的相应部分，这些部分中的每一部分与预确定的区段之一相关联。分布部件向这些处理部件中所选定的一个提供这些部分中所选定的部分，其中所选定的部分和所选定的处理部件都与同样的预确定的区段相关联。每一处理部件处理所选定的部分，从而产生一系列参数，这些参数针对该具体的区段最小化一个预确定的价值函数。

于是，根据本发明的更进一步的一个方面，提供了一个用于检测一个信号的接收器，这一信号包括至少由一个周期序列加以调制的数据。该接收器包括一个取消扩展部件，用于由周期序列解调信号，从而产生一个解调过的信号；一系列处理部件，每一个处理部件与周期序列的一个预确定的区段相关联；以及一个分布部件，连接在取消扩展部件和每一个处理部件之间。

于是，这一接收器根据周期序列解调所接收的信号，并且当信号在周期序列中得以调制时，相对于它们的地址，操作在解调过的符号上。应该加以注意的是，取消扩展部件可以包括一个搜索接收器。

对附图的简要的描述

通过以下的详细描述以及对附图的参照，可以对本发明更全面地了解，在这些附图中：

图1A是一个用于接收一个CDMA信号的自适应系统的示意图，这一自适应系统是这一技术中人们所熟悉的；

图1B是一个用于接收一个CDMA信号的自适应系统的示意图，这一自适应系统包括一组搜索接收器。该系统是这一技术中人们所熟悉的；

图2说明的是一个周期PN扩展信号，用于传统的DS-CDMA系统；

图3是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符100，这一接收器是根据本发明的一个推荐的实施例加以构造和运作的；

图4是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符100，这一接收器是根据本发明的另一个推荐的实施例加以构造和运作的；

图5是一个用于操作图3的接收器的一个方法的示意图，这一方法是根据本发明的一个推荐的实施例加以构造和运作的；

图6是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符400，这一接收器是根据本发明的另一个推荐的实施例加以构造和运作的；

图7是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符450，这一接收器是根据本发明的又一个推荐的实施例加以构造和运作的；以及

图8是一个多用户接收器的示意图，这一接收器是根据本发明的再一个推荐的实施例加以构造和运作的；

对所推荐的实施例的详细描述

通过提供一个新的方法，本发明克服了先前技术的许多缺点。这一方法利用DS-CDMA系统中串音的周期特性，在这一方法中PN序列的跨度(span)大于一个符号。

根据本发明，把周期扩展序列划分成一系列区段，每一区段包括处在预先指定的地址处的一系列段落。为这些区段中的每一区段赋予一个不同的价值函数和一组相应的接收器参数，这些参数用于最小化相应的价值函数。在接收期间，对所接收信号的相应部分(相对于一个区段)一同加以处理，以便动态地修改相应的接收器参数集。

现在参照图2。图2说明的是周期为L的一个周期PN信号。

这一信号实质上是使用一个重复的预确定的样本序列加以构造的，其中序列10是最初的序列，序列20是该序列的第一个重复。序列30是该序列的第二个重复。

序列10包括L个样本，表示为1，2，3...L。序列20包括L个样本，表示为L+1，L+2，L+3...2L。序列30包括L个样本，表示为2L+1，2L+2，2L+3...3L。

因为所有这些序列都是一样的，所以样本1等于样本L+1，并等于样本2L+1。总的来说，在最初序列中的一个样本i等于一个相应的样本i+KL，其中k是重复序列的顺序号，L是周期PN序列的长度。

例如，一个传统的接收器试图通过动态地修改一组预指定的接收器参数集最小化一个预确定的价值函数。根据所接收的样本，逐样本地对这些参数连续地进行计算。于是，参照图1和图2，把样本2和样本1一同加以处理，把样本3和样本2及样本1一同加以处理，把样本L+2和先前的所有L+1个样本一同加以处理，其中包括样本1，2，3，...L以及L+1。

根据本发明，一个接收器试图最小化一系列价值函数，每一个价值函数针对周期PN扩展序列的一个预确定的区段。因此，接收器可动态地修改预指定的接收器参数集，每一价值函数一个参数集。将根据所接收信号的相应部分对每一个参数集中的参数加以计算，所接收信号的这些部分是由周期扩展序列的一个所选定的区段加以调制的。

根据本发明的方法，并根据所接收的样本在重复的PN序列中的地址，对所接收的样本加以分析。在周期扩展序列中的一个所选定的地址处，把一个样本与定位在周期序列内的同一地址处的相应的先前的样本一同加以处理，从而产生了针对该地址的一组参数值。

于是，把样本2L+1和样本L+1及1一同加以处理，从而获得针对周期序列中的第一个地址处的第一组参数值。把样本2L+2和样本L+2及2一同加以处理，从而获得针对周期序列中的第二个地址处的第二组参数值。把样本3L和样本2L及L一起加以处理，从而获得针对周期序列中的最后一个地址处的最后一组参数值。以下将结合图6对本发明的这一方面详细地加以描述。

现在参照图6。图6是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符400，这一接收器是根据本发明的一个推荐的实施例加以构造和运作的。

接收器400包括一系列处理器402A、402B、402C以及402L，并包括一个样本分布系统410。其中，样本分布系统410包括一系列下行取样器406A、406B、406C以及406L，并包括一系列样本延迟器404A、404B、404C以及404L-1。

把接收器构造为拥有一系列分支，其中每一分支包括一个下行取样器406(i)和一个相应的处理器402(i)，处理器402(i)从外部连接于样本分布系统410。从而，第一个分支包括一个下行取样器406A和处理器402A。通过一系列延迟器404，把每一个相邻分支的输入连接在其间。

把第一个分支的输入直接连接于所接收的样本流源，所接收的样本是以基片速率加以取样的。把第二个分支(B)的输入通过一个样本延迟器404A连接于第一个分支(A)的输入。把第三个分支(C)的输入通过一个样本延迟器404B连接于第二个分支(B)的输入。把最后一个分支(L)的输入通过一个样本延迟器404L连接于前一个分支(L-1，未在图中加以显示)的输入。

每一样本延迟部件404A、404B、404C以及404L-1，在其向接收器402的下一个分支提供流之前，把所接收的样本流延迟一个样本的时间周期。因此，当信号到达接收器时，分支(它包括下行取样器406A和处理器402A)接收信号。分支(它包括下行取样器406A和处理器402A)接收的是延迟了一个样本时间周期的信号。

每一个下行取样器，选择连续的样本，这些样本相互之间按一个预确定的样本距离加以定位。在本例中，对所有的下行样本进行编程，以提供连续的样本，它们是以L个样本相隔的。因此，下行取样器406A选择样本1、L+1、2L+1以及其它任何定位在kL+1处的样本。其中k是任何整数，L是PN序列的长度。因此，处理器402A接收这些样本，一同处理它们，并自适应地提供一组参数，用以针对周期互相关序列中的这一地址最小化价值函数。

由于提供于第二个分支的样本流延迟了一个样本，所以下行取样器406B选择样本2、L+2、2L+2、3L+2以及其它任何定位在2+kL处的样本。于是，处理器402B接收这些样本，一同处理它们，并自适应地提供一组参数，用以针对周期互相关序列中的这一地址最小化价值函数。

注意，接收器400被加以修改，以包括针对一个周期互相关序列(这一序列包括L个样本)中的每一样本的一个分支。

每一个处理器402A、402B、402C以及402L在每L个样本中接收一个所选定的样本，然后处理它所接收的所有样本，从而产生一组参数，用以修改一个价值函数，这一价值函数与这一过程相关联。

根据本发明的另一个方面，把由PN元素所调制的、并定位在周期序列的所选定地址处的样本加以组合，以便一同加以分析。例如，把周期序列中的第一个地址处、第三个地址处以及最后一个地址处的样本组合在一起。因此，参照图2，把样本2L+1、2L+3以及3L与样本L+1、L+3、2L、1、3以及L一同加以处理，从而获得一组相对于这些所选定地址的参数值。

也可以对定位在周期序列中的其它地址处的样本进行分组，以一同加以处理，从而产生更多组参数值。

现在参照图3。图3是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符100。这一接收器是根据本发明的一个推荐的实施例加以构造和运作的。

接收器100包括一系列自适应参数集估计部件102A、102B～102K以及一个分布部件104，连接在每一自适应参数集估计部件102的输入端。

把每一自适应参数集估计部件102修改成可处理所接收信号的一个部分，并根据一组所接收的参数对这一部分加以计算。这些参数最小化了一个预指定的价值函数。所接收信号的这一部分包括一组样本，它们由周期PN序列的元素加以调制，并定位在周期PN序列中的预确定的地址处。

自适应参数集估计部件102A根据第一组样本，针对第一个价值函数，估计参数集。相对于上述的这一实例，这一组样本包括周期序列中的第一个地址、第三个地址以及最后一个地址处的样本。因此，参照图2，自适应参数集估计部件102A把样本2L+1、2L+3以及3L与样本L+1、L+3、2L、1、3以及L一同加以处理，从而获得相对于这些所选定地址的第一组参数值。

相类似，自适应参数集估计部件102B根据第二组样本，针对第二个价值函数，估计第二个自适应参数集。

最后，自适应参数集估计部件102K根据第K组样本，针对第K个价值函数，估计第K个自适应参数集。

分布部件104根据样本的相应的组，把样本分布于每一自适应参数集估计部件102。

现在参数图5。图5是操作图3中接收器100的每一自适应参数集估计部件102的一个方法的示意图，这一方法是根据本发明的一个推荐的实施例加以运作的。本实例提供了对自适应参数集估计部件102A的一个示范，对自适应参数集估计部件102A加以编程，以处理第一组样本。

在步骤200中，自适应参数集估计部件102A接收一个信号的样本，这些样本是由一个周期扩展PN序列的一个重复加以调制的。参照图2和图3，自适应参数集估计部件102A接收第一组样本。

在步骤202中，自适应参数集估计部件102A接收信号的样本，这些样本是由一个周期扩展PN序列的一个较后的重复加以调制的。参照图1和图2，自适应参数集估计部件102A接收序列20的第一组样本。

在步骤204中，自适应参数集估计部件102A把序列10的第一组样本和序列20的第一组样本一同加以处理，从而产生一个自适应接收器参数集，用于最小化与这两个第一组样本(步骤206)相关联的价值函数。

注意，本发明的这一方法适用于接收器100的所有自适应参数集估计部件102A以及102B～102K。对这些部件的每一个部件进行预编程，以访问定位在周期扩展序列中的预选定地址处的样本。注意，这些组中的每一组可能包括一个单一的样本。

值得加以赏识的是，令通信标准IS-95的PN序列(也叫做下行链路短代码)包括32,768个基片。因此，可把符合本发明的一个接收器加以修改，以便可针对周期序列中的每一基片，或针对它的任何基片组(例如每一符号一个组)，最小化一个不同的价值函数。

根据本发明的另一个方面，所有处理工作是在符号一级上加以执行的。PN序列的周期特性导致用户之间的符号级的串音是周期性的。由于PN序列是周期性的，即对于任何k值，PN_i[n]＝PN_i[n+k·L](相类似，PN_j[n]＝PN_j[n+k·L])，于是我们可从方程4直接获得：对于所有k，

$\mathrm{CrossCor}{r}_{i,j}\left[m\right]=\mathrm{Cross}{\mathrm{Corr}}_{i,j}[m+k\·\frac{L}{\mathrm{SF}}]$

$={\mathrm{CrossCorr}}_{i,j}[m+k\·N]$

                      方程10

其中i和j分别表示第一个用户和第二个用户，m表示一个符号时间索引，k表示任意整数，以及N＝L/SF。

从方程10中可以看出，互相关序列是周期性的，并具有一个N等于L/SF个符号的周期。因此，方程3中的串音项也是周期性的，并具有一个N个符号的周期。

作为一个例子，在IS-95系统的下行-链路方向，L＝32768和SF＝64。于是，根据方程10，互相关序列是周期性的，并具有N＝512个符号的周期。

可以针对任何已知的价值函数(如下，表示为Cost)，对本发明的这一方法加以实现。针对周期互相关序列的N个不同值中的每一个值，对一系列价值函数

                Cost[l]  0≤l≤N-1

                      方程11

加以定义。于是，本发明分割数据向量，

                 y^l[m]＝y[l+m·N]

                      方程12

其中，y[m]表示数据样本(它们也可以具有向量值)，y^l[m]是用于最小化第1个价值函数的数据序列。于是，导出一个N个并行自适应算法的集合，以致于第1个算法使用第1个数据序列去产生可最小化第1个价值函数的第1个参数集

方程11中所使用的价值函数可分别对应于方程5的MSE价值、其出现在方程6中的决策导向版本、方程7中的MOE价值，方程8和方程9中的MSE和MOE价值的RLS版本，或某一其它的价值函数。在每一种情况中，我们获得了现存自适应算法的一个一般化的形式，达到了一系列价值函数的一个更一般化的状态。注意，当把N设置为1时，现存的方案将变为上述方案的特例。

现在参照图7。图7是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符450。这一接收器是按本发明的一个推荐的实施例加以构造和运作的。

接收器450包括一系列处理器452A、452B、452C以及452N，一个取消扩展部件458以及一个符号分布系统410。符号分布系统410包括一系列下行取样器456A、456B、456C以及456N和一系列样本延迟部件454A、454B、454C以及454N。

把接收器构造为拥有一系列分支，其中每一分支包括一个下行取样器456(i)和一个与其连接的相应的处理器452(i)，于是，第一个分支包括下行取样器456A和处理器452A。通过一系列延迟器454，把每一个相邻分支的输入连接在其间。

把第一个分支的输入直接连接于所接收的符号的流源，所接收的符号是以符号速率加以取样的。这是一个取消扩展器(参照符458)或一个搜索接收器，这是这一技术领域中人们所熟悉的。把第二个分支(B)的输入通过一个样本延迟器454A连接于第一个分支(A)的输入。把第三个分支(C)的输入通过一个样本延迟器454B连接于第二个分支(B)的输入。把最后一个分支(N)的输入通过一个样本延迟器454N-1连接于前一个分支(N-1，未在图中加以显示)的输入。

那些熟悉这一技术的人应该清楚，取消扩展部件(458)可以由多个传统的取消扩展部件构成，每一个针对一个具体的用户加以调谐。在这一情况中，取消扩展部件(458)的输出为向量值。

在把所接收的符号流提供于接收器452的下一个分支之前，每一样本延迟部件454A、454B、454C以及454N-1把这一符号流延迟一个符号时间周期。因此，当信号到达接收器时，分支(它包括下行取样器456A和处理器452A)接收信号。分支(它包括下行取样器456A和处理器452A)接收的是延迟了一个符号时间周期的信号。

每一个下行取样器，选择连续的符号，这些符号相互之间以一个预确定的符号距离加以定位。在本例中，对所有的下行取样器加以编程，以提供连续的符号，这些符号是以N个符号相隔的。因此，下行取样器456A选择符号1、N+1、2N+1以及其它任何定位在kN+1处的符号。其中k是任何整数，N是互相关序列的长度。于是，处理器452A接收这些符号，一同处理它们，并自适应地提供一组参数，用以针对周期互相关序列中的这一地址最小化价值函数。

由于提供于第二个分支的符号流延迟了一个符号，所以下行取样器456B选择符号2、N+2、2N+2、3N+2以及其它任何定位在2+kN处的符号。于是，处理器452B接收这些符号，一同处理它们，并自适应地提供一组参数，用以针对周期互相关序列中的这一地址最小化价值函数。

注意，接收器450被修改成可包括针对一个周期互相关序列(这一序列包括N个符号)中的每一符号的一个分支。

每一个处理器452A、452B、452C以及452N每隔N个符号接收一个所选定的符号，并处理它所接收的所有符号，从而产生一组参数，用以修改一个价值函数，这一价值函数与这一过程相关联。

作为一个例子，考虑方程5的MSE价值，方程5具有一个两用户系统的简单设置。令接收器由两个PN互相关部件组成，匹配于两个活跃用户的PN序列，其后是一个用于把它们组合在一起的自适应处理器。这两个PN互相关部件的输出由

        x₁[m]＝a₁[m]+CrossCorr_1，2[m]·a₂[m]

                      方程13

并类似地由

        x₂[m]＝a₂[m]+CrossCorr_2，1[m]·a₁[m]

                      方程14

所给出(参见方程3)。

我们希望自适应估计参数向量

$\widehat{\mathrm{\θ}}=\left[\begin{array}{c}\mathrm{\α}\\ \mathrm{\β}\end{array}\right]$

以致于信号

             ₁[m]＝α·x₁[m]+β·x₂[m]

                      方程15

可最小化MSE₁，如方程5中所给出的。

定义数据向量

$Y\left[m\right]=\left[\begin{array}{c}{\hat{a}}_1\left[m\right]\\ a_1\left[m\right]\\ x_1\left[m\right]\\ x_2\left[m\right]\end{array}\right]$

                      方程16

并根据方程12对其加以分割，如下

$Y^l\left[m\right]\≡Y[l+m\·N]=\left[\begin{array}{c}{\hat{a}}_1[l+m\·N]\\ a_1[l+m\·N]\\ x_1[l+m\·N]\\ x_2[l+m\·N]\end{array}\right]\≡\left[\begin{array}{c}{{\hat{a}}^l}_1\left[m\right]\\ {a^l}_1\left[m\right]\\ {x^l}_1\left[m\right]\\ {x^l}_2\left[m\right]\end{array}\right]$

                      方程17

根据方程11，把第1个数据向量--Y^l[m]用于修改第1个参数集--

以便最小化第1个价值函数--

MSE₁[l]＝E{(^l ₁[m]-a^l ₁[m])²}＝E{(₁[l+m·N]-a₁[l+m·N])²}

                      方程18

特别地，根据方程15，我们显式地写出^l ₁[m]，即^l ₁[m]由

        ^l ₁[m]＝α^l·x^l ₁[m]+β^l·x^l ₂[m]

               ＝α^l·x₁[l+m·N]+β^l·x₂[l+m·N]

                      方程19

给定。

用于MSE₁[l]最小化的传统LMS类型的自适应算法所给定的数据向量Y^l[m]如下：

${\widehat{\mathrm{\θ}}}^l\left[m\right]={\widehat{\mathrm{\θ}}}^l[m-1]-{\mathrm{\μ}}_m\·\left({{\hat{a}}^l}_1\right[m]-{a^l}_1[m\left]\right)\·\left[\begin{array}{c}{x^l}_1\left[m\right]\\ {x^l}_2\left[m\right]\end{array}\right]$

$={\widehat{\mathrm{\θ}}}^l[m-1]-{\mathrm{\μ}}_m\·\left({\hat{a}}_1\right[l+m\·N]-a_l[l+m\·N\left]\right)\·\left[\begin{array}{c}{x}_1[l+m\·N]\\ x_2[l+m\·N]\end{array}\right];0\≤l\≤N-1$

                      方程20

其中μ_m是该算法的步骤序列的大小，通常把这些大小设置为一个常数，即μ_m≡μ。

例如，根据S.Haykin的″自适应过滤器理论″(Prentice-Hall，第二版，1991年)中的推导，可以看出，当m趋向无穷大时，

收敛于

${\stackrel{\‾}{\mathrm{\θ}}}^l=\left[\begin{array}{c}{\stackrel{\‾}{\mathrm{\α}}}^l\\ {\stackrel{\‾}{\mathrm{\β}}}^l\end{array}\right]=\left[\begin{array}{c}\frac{1}{1-\mathrm{Cross}{\mathrm{Corr}}_{\mathrm{1,2}}\left[l\right]\·\mathrm{Cross}{\mathrm{Corr}}_{\mathrm{2,1}}\left[l\right]}\\ \frac{-\mathrm{Cross}{\mathrm{Corr}}_{\mathrm{1,2}}\left[l\right]}{1-\mathrm{Cross}{\mathrm{Corr}}_{\mathrm{1,2}}\left[l\right]\·\mathrm{Cross}{\mathrm{Corr}}_{\mathrm{2,1}}\left[l\right]}\end{array}\right]$

                      方程21

把方程13、方程14以及方程21代入方程19，我们马上得到所希望的结果

          ^l ₁[m]≡a^l ₁[m]l₁[m]≡a₁[m]

                      方程22

以至于确实最小化了(零化了)方程18的所有1价值函数。

参照图7。部件458执行与方程13和方程14相关的取消扩展操作，部件410执行方程17的数据分割，而每一处理器(部件452)执行方程20的适应过程。

作为另一个例子，考察方程6的二进制信号发送和决策导向价值，在此，假定所发送的符号是未知的，因此，我们把a₁[m]从数据向量中排除，于是，现在我们可以根据方程12定义数据向量

$Y\left[m\right]=\left[\begin{array}{c}{\hat{a}}_1\left[m\right]\\ x_1\left[m\right]\\ x_2\left[m\right]\end{array}\right]$

                      方程23

并分割这一数据向量

$Y^l\left[m\right]\≡Y[l+m\·N]=\left[\begin{array}{c}{\hat{a}}_1[l+m\·N]\\ x_1[l+m\·N]\\ x_2[l+m\·N]\end{array}\right]\≡\left[\begin{array}{c}{{\hat{a}}^l}_1\left[m\right]\\ {x^l}_1\left[m\right]\\ {x^l}_2\left[m\right]\end{array}\right]$

                      方程24

LMS类型自适应算法的最终集合是

${\widehat{\mathrm{\θ}}}^l\left[m\right]={\widehat{\mathrm{\θ}}}^l[m-1]-{\mathrm{\μ}}_m\·\left({{\hat{a}}^l}_1\right[m]-\mathrm{Sign}\{{{\hat{a}}^l}_1\left[m\right]\left\}\right)\·\left[\begin{array}{c}{x^l}_1\left[m\right]\\ {x_2}^l\left[m\right]\end{array}\right]$

$={\widehat{\mathrm{\θ}}}^l[m-1]-{\mathrm{\μ}}_m\·\left({\hat{a}}_1\right[l+m\·N]-\mathrm{Sign}\{{\hat{a}}_1[l+m\·N]\left\}\right)\·\left[\begin{array}{c}{x}_1[l+m\·N]\\ x_2[l+m\·N]\end{array}\right]$

                      方程25

这些算法非常类似于方程20的自适应算法，仅仅是不可得的序列^l ₁[m]由它的估计Sign{^l ₁[m]}所取代。

作为另一个例子，考察方程8的MSE价值，它导致了一个RLS自适应算法。使用方程23中的数据向量和它在方程24中的分割，并使用RLS算法的传统的推导(参见S.Haykin的″自适应过滤器理论″，Prentice-Hall，第二版，1991年)，我们得到

${\widehat{\mathrm{\θ}}}^l\left[m\right]={\widehat{\mathrm{\θ}}}^l[m-1]-\left({{\hat{a}}^l}_1\right[m]-{a^l}_1[m\left]\right)\·K^l\left[m\right]$

$={\widehat{\mathrm{\θ}}}^l[m-1]-\left({\hat{a}}_1\right[l+m\·N]-{a^l}_1[m\left]\right)\·K^l\left[m\right];0\≤l\≤N-1$

                      方程26

其中

$K^l[m=]\frac{1}{\mathrm{\λ}+\left[{x^l}_{}\right[m\left]{x^l}_2\right[m\left]\right]\·P^l[m-1]\·\left[\begin{array}{c}{x^l}_1\left[m\right]\\ {x^l}_2\left[m\right]\end{array}\right]}\·P^l[m-1]\·\left[\begin{array}{c}{x^l}_1\left[m\right]\\ {x^l}_2\left[m\right]\end{array}\right]$

                      方程27

和

$P^l[m=]\frac{1}{\mathrm{\λ}}\·\left[P^l\right[m-1]-K^l[m]\·[{x^l}_1\left[m\right]{x^l}_2\left[m\right]]\·P^l[m-1\left]\right]$

                      方程28

对于方程7或方程9或任何其它价值函数的MOE价值，可以进行类似的推导。

此处值得注意的是，无论是对方程20、方程25还是在方程26中的算法进行替代，当N＝1时，人们得到了如先有技术中一样的一个单一的自适应算法。由于一个单一自适应算法最多将收敛于一个单一的参数值θ，显然方程21不能够满足于所有的值1。因此，方程22将不能得以满足，从而完成对输入的恢复是不可能的。

现在参照图4。图4是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符150，这一接收器是根据本发明的一个推荐的实施例加以构造和运作的。

接收器150包括一系列自适应参数集估计单元152A、152B～152Q；一个分布部件154，连接在每一自适应参数集估计部件152的输入端；以及一个取消扩展部件156，例如一系列搜索接收器，每一搜索接收器针对一个具体的用户加以调谐，并连接于分布部件。

对每一个自适应参数估计部件152进行修改，以处理所接收信号的一个部分，包括一个或多个符号，并根据一组接收器参数得以计算，这组参数最化了一个预指定的价值函数。所接收信号的这一部分包括一组符号，它们由周期PN序列的元素加以调制，其中这些元素定位在周期PN序列中的一个预确定的地址处。

分布部件154根据样本的相应的组，把样本分布于每一自适应参数估计部件152。

现在参照图8。图8是一个接收器的示意图，在本发明的整个描述过程中，赋予其参照符300，用于多用户或多频道接收。这一接收器是根据本发明的另一个推荐的实施例加以构造和运作的。

接收器300包括一个用户分布部件306和一系列用户处理部件302A、302B以及302M。每一个用户处理部件包括一个相应的组分布部件304和一系列组处理部件310。

用户分布部件306接收流入的多用户信号，并向每一用户处理部件302提供相对于它的用户信号。

每一个组分布部件把它所接收的用户信号进一步分布于一系列信号部分，每一部分相对于将在那里得以调制的周期序列的一个预确定的区段，并把与这一相同区段相关联的部分提供于所选定的组处理部件。因此，每一个组处理部件310产生一组接收器参数，这组参数旨在最小化一个与那一具体区段相关联预确定的价值函数。将为那些熟悉的这一技术的人所赏识的是，本发明并不局限于以上所具体说明和描述的内容。更准确地说，本发明的范围由以下的权力要求所定义。

Claims (17)

1、在一个接收信号的接收器中，信号包括至少由一个周期序列加以调制的数据，一个用于操作接收器的方法，该方法包括下列步骤：

接收上述信号的一个部分，该部分由上述周期序列的一个预确定的区段加以调制；

接收上述信号的一个附加的部分，这一附加的部分由上述周期序列的上述预确定的区段加以调制；

一同处理上述的部分和上述的附加部分；以及

产生一组接收器参数，这些接收器参数针对上述周期序列的上述预确定的区段最小化了一个预确定的价值函数。

2、在一个接收信号的接收器中，信号至少包括由一个周期序列加以调制的数据，一个用于操作该接收器的方法，该方法包括下列步骤：

确定一系列区段，这些区段中的每一区段至少包括上述周期序列的一个元素；

检测上述信号的相应部分，这些部分是由上述每一区段加以调制的；

一同处理上述信号所检测的部分，这些部分是由上述区段的一个所选定的区段加以调制的；以及

针对上述每一区段，产生一组接收器参数，这些接收器参数针对所选定的区段最小化一个预确定的价值函数。

3、在一个接收信号的接收器中，信号至少包括由一个周期序列加以调制的数据符号，一个用于操作该接收器的方法，该方法包括下列步骤：

由上述的周期序列解调上述的信号，从而产生一系列所接收的样本；

确定一系列区段，这些区段中的每一个至少拥有一个样本的长度，这些区段中的每一区段都是由上述周期序列的一个预确定的部分加以解调的；

检测上述所解调的信号的相应部分，这些部分与上述每一区段相关联；

一同处理上述的所检测的部分，这些部分与上述区段中的一个所选定的区段相关联；以及

针对上述每一区段，产生一组接收器参数，这些接收器参数针对上述所选定的区段最小化一个预确定的价值函数。

4、根据权利要求1、2以及3中任何一个要求的方法，其中上述信号是一个DS-CDMA信号。

5、根据权利要求3的方法，其中上述的信号是一个DS-CDMA信号，且上述的解调步骤包括搜索解调上述的DS-CDMA信号。

6、根据权利要求5的方法，其中上述的解调步骤包括根据一系列用户的搜索解调。

7、一个用于检测信号的接收器，信号包括至少由一个周期序列加以调制的数据，该接收器包括：

一系列处理部件，这些处理部件中的每一个都与上述周期序列的一个预确定的区段相关联；以及

一个分布部件，与上述的每一个处理部件相连，

其中，上述的分布部件接收上述的信号、检测与上述信号的相应部分，这些部分中的每一部分都与上述预确定的区段之一相关联；

其中，上述的分布部件把所选定的上述部分提交给上述处理部件中所选定的一个，其中，上述所选定的部分和上述处理部件都与上述预确定的区段中所选定的一个区段相关联；以及

其中，上述的每一处理部件处理上述的所选定的部分，从而产生一组接收器参数，这些接收器参数针对上述所选定的预确定的区段最小化一个预确定的价值函数。

8、根据权利要求7的接收器，其中上述的每一区段至少包括上述周期序列的一个元素。

9、根据权利要求7的接收器，其中上述的每一部分至少包括上述数据的一个元素。

10、一个用于检测信号的接收器，信号包括至少由一个周期序列加以调制的数据，该接收器包括：

一个取消扩展部件，用于通过上述的周期序列对上述信号加以解调，从而产生一个解调过的信号；

一系列处理部件，这些处理部件中的每一个都与上述周期序列的一个预确定的区段相关；以及

一个分布部件，连接在上述的取消扩展部件和上述的每一处理部件之间；

其中，上述的分布部件接收上述的解调过的信号、检测上述解调过的信号的相应部分，这些部分中的每一部分都与上述的预确定的区段之一相关联；

其中，上述的分布部件把上述的部分中所选定的部分提交给上述的处理部件中所选定的一个处理部件，其中，上述所选定的部分和上述所选定的处理部件都与上述预确定的区段中所选定一个区段相关联；

其中，上述的处理部件处理上述所选定的部分，从而产生一组接收器参数，这些接收器参数针对上述所选定的预确定的区段最小化一个预确定的价值函数。

11、根据权利要求10的接收器，其中上述的每一取消扩展部件包括一系列搜索接收器。

12、根据权利要求10的接收器，其中上述的每一部分至少包括上述数据的一个元素。

13、根据权利要求7或10的接收器，其中上述的信号是一个DS-CDMA信号。

14、一种接收器，包括

两或多个处理单元，各所述处理单元能够产生使得一周期序列的一或多个对应区段的价值函数最小化的一组参数；及

一分布单元，用于将一接收的信号的样本提供给所述处理单元，所述信号包括通过至少所述周期序列调制的数据，以使各所述处理单元能够处理对应于其的所述周期序列的这些区段调制的样本。

15、根据权利要求14的接收器，其中各所述样本包括所述数据的至少一个单元。

16、一种接收器，包括：

一取消扩展单元，用于通过一周期序列解调一接收的信号以产生若干符号，所述信号包括通过至少所述周期序列调制的数据；

两或多个处理单元，各所述处理单元能够产生使得所述周期序列的一或多个对应区段的价值函数最小化的一组参数；及

一分布单元，用于将所述符号提供给所述处理单元以使各所述处理单元能够处理对应于其的所述周期序列的这些区段调制的符号。

17、根据权利要求16的接收器，其中所述取消扩展单元包括搜索接收器。

Images