CN100355201C - 缩减的软输出信息分组的选择 - Google Patents

Abstract

一种用于缩减软符号发生器计算的软输出信息分组的设备和方法。软符号发生器产生的缩减的软输出信息分组接着被软符号-软比特映射器使用，软符号-软比特映射器的功能是将软符号判决信息转换成软比特判决信息。构造竞争符号表，竞争符号表包含符号的各个比特的最可能竞争符号。表格填充有各个可能符号值的m个记录，其中m表示每个符号的比特数。根据硬判决从表格检索竞争符号。仅针对竞争符号(而不是所有可能符号)产生软符号信息，于是大大减小了信息分组的尺寸。

Description

缩减的软输出信息分组的选择

技术领域

本发明涉及通信系统，尤其涉及缩减软符号发生器计算的软输出信息分组的设备和方法，其中计算的软输出信息分组接着被软符号-软比特映射器使用。

背景技术

近年来，世界已经见证了无线通信需求的爆炸式增长，并且估计这种需求未来仍会增加。已经有5亿多用户在使用蜂窝电话服务，并且数量正继续增加。最终在不远的将来，蜂窝用户的数量会超过固定线路电话装机数量。在许多情况下，移动服务的收入已经超过固定线路服务的收入，即使移动电话产生的传输量远比不过固定网络。

其它相关无线技术也经历了与蜂窝技术类似的增长。例如无绳电话、双向无线中继系统、寻呼(单向和双向)、消息传送、无线局域网(WLAN)和无线本地环路(WLL)。另外，新的宽带通信方案被迅速采用，以便为用户提供更高的带宽和更快速的互联网访问。诸如xDSL、短程高速无线连接、高速卫星下行链路(和某些情况下的上行链路)的宽带服务正被提供给分布越来越广泛的用户。

对于蜂窝服务，大多数用户当前在使用数字蜂窝网络。几乎所有销售给客户的新蜂窝手机均是基于数字技术，通常为第二代数字技术。当前，正在设计和测试能够支持数据分组网络和更高数据速率的第三代数字网络。第一代模拟系统包括众所周知的AMPS协议、TACS协议等等。数字系统包括例如GSM、TDMA(IS-136)或CDMA(IS-95)。

图1示出了图解现有技术通信系统的例子，其中在发送器中使用内部和外部编码器，在接收器中使用内部和外部解码级，并且在信道之后使用噪声源。通信系统10表示可以在上述许多通信服务中使用的典型方案。在这种系统中，发送器11包括编码器14、交织器15、符号发生器(即比特-符号映射器)16和调制器18。发送的输入数据比特12被输入到编码器14，编码器14可以包括诸如里德-索罗蒙编码器、卷积编码器、检验比特发生器等等的纠错编码器。编码器的功能是加入冗余比特以允许定位和修复传输差错。

应当注意，接收器中的内部和外部解码器在系统中具有互补编码器。系统的外部编码器包括编码器14，例如里德-索罗蒙编码器等等。  内部编码器包括信道20，信道20通常可以被模拟成L-符号长的FIR型信道。

从编码器输出的比特接着被交织，其中改变比特顺序以便更有效地抵制脉冲串差错。交织导致的比特重新排列改进了对出错脉冲串的抵抗力，同时向传输加入了等待时间和延迟。

从交织器输出的比特接着被比特-符号映射器16映射到符号。比特-符号映射器的功能是将比特转换成调制器符号。例如，8-PSK调制器使用8个符号S_k(k＝0..7)，因此映射器得到3个比特，并且将它们转换成8个符号中的一个。于是，比特-符号映射器针对每3个输入比特产生一个符号。

映射器的输出被输入到调制器18，调制器18接收M元字母表中的符号，并且产生接着通过信道20发送的模拟信号。信道可以包括移动无线信道(例如蜂窝、无绳)，固定无线信道(例如卫星)，或有线信道(例如xDSL、ISDN、以太网等等)。发送器中执行的处理被用来产生可以通过信道发送的信号，以便由接收器提供健壮、无差错的检测。

在接收器13上，来自信道的模拟信号被输入到前端电路22，前端电路22解调和采样接收信号以产生接收样本y(k)21。样本接着被输入到内部解码器24。内部解码器的例子是均衡器，均衡器补偿信道的延迟和时间扩展所导致的ISI，以试图检测最初由调制器发送的符号。

均衡器可以适于输出硬符号判决或软符号判决。通常使用的硬判决均衡器的例子包含最大似然顺序估测(MLSE)均衡器(使用众所周知的Viterbi算法(VA))，线性均衡器和判决反馈均衡器(DFE)。软输出型均衡器的例子包含软输出Viterbi算法(SOVA)型均衡器，和基于计算量更大的最大经验(MAP)算法的均衡器。

在使用硬判决均衡器时，内部解码器的输出包括表示硬判决的符号s(k)23。如果使用软输出解码器，内部解码器的符号s(k)输出包括软符号判决。对于硬判决内部解码器，均衡器24的输出和接收的样本21被输入到软输出发生器25，软输出发生器25的功能是产生去交织器使用的软判决信息27。注意，根据去交织器的类型，软输出发生器适于产生软符号信息或软比特信息。对于前者，去交织器必须适于执行基于符号的去交织。如果去交织器适于执行基于比特的去交织，从软输出发生器输出的软符号信息首先必须被转换成软比特信息。例如，8-PSK调制器使用8个符号S_k(k＝0..7)，映射器将各个符号转换成3个比特。

软输出发生器的输出接着被输入到去交织器26，去交织器26的功能是根据使用的去交织器的类型恢复符号或比特的初始顺序。该比特接着被输入到外部解码器29，外部解码器29的功能是使用编码器插入的冗余比特定位和修复差错。外部解码器产生二进制接收数据α_k28。

外部解码器的例子包含使用Viterbi算法的turbo解码器和卷积解码器。由于考虑到涉及接收符号可靠率的软信息，这种解码器提供更好的性能。然而当关于接收符号的软信息不可用时，不能实现解码器的性能改进。注意，Viterbi算法被广泛应用在通信系统中，并且适于执行包含解调、解码、均衡等等的功能。许多系统在内部和外部解码级中使用Viterbi算法。

如上所述，某些系统中的外部解码器适于使用从例如均衡器的内部解码器输出的符号判决。然而，最优解码器需要软判决而不是硬判决。例如，使用Viterbi算法执行卷积前向纠错解码的外部解码器需要输入软判决。Viterbi解码器的优点是可以有效处理软判决信息。为了提供软符号判决，内部解码器通常包括诸如SOVA或基于MAP的均衡器的软输出均衡器。

然而在某些情况下，例如当使用收缩码或使用基于比特而不是基于符号的交织时，外部解码器不能使用软符号判决。此外，众所周知最优解码器需要软比特判决而不是硬比特判决。于是，最优外部解码器需要软比特输入而不是软符号输入或硬判决。注意，硬判决包括比特值(即′0′或′1′)，而软比特判决可以包括除了判决可靠率之外的比特值。可选地，软比特判决可以只包括′1′判决的可靠率值，或可选地，只包括′0′判决的可靠率值。

针对适于处理GSM EGPRS信号的接收器说明该问题。这种系统使用逐比特交织器和收缩卷积编码在需要均衡的信道上执行前向纠错(FEC)。假定所使用的均衡器在其操作中使用软输出Viterbi算法，并且外部FEC解码器使用Viterbi算法。在去交织之后，均衡器的软符号判决信息输出不再涉及去交织器的比特输出。

在使用最优解码器的系统中，均衡器适于提供软输出，即软符号判决。如上所述，众所周知的软输出均衡器包含基于最大似然顺序检测或例如MAP的方法的均衡器。然而在具有大符号字母表或信道具有若干符号周期的时间扩展的通信系统中，使用这种技术是不切实际的。这种条件要求使用复杂度较低的软输出均衡器。

在″A Soft-Decision State-Space Equalizer for FIR Channels″，J.Thielecke，IEEE Transactions on Communications，Vol.45，No.10，1997年10月，中描述了产生软比特判决的现有技术。描述了非线性均衡器，非线性均衡器被用于基于信道的状态-空间描述的FIR信道。该算法使用类似于Kalman硬判决反馈均衡器的等式，该均衡器引入了接收比特的概率估测。

这个现有技术的缺点是计算复杂度非常高，使得难以在实际通信系统中实现。另外，该技术受限于特定类型的信道和特定的信道描述方式。

因此，期望进一步降低软符号发生器的复杂度和产生软比特信息所需的计算量，同时保持最优结果。

发明内容

本发明是新颖和有用的、用于缩减软符号发生器计算的软输出信息分组的设备和方法。软符号发生器产生的缩减的软输出信息分组接着被软符号-软比特映射器使用，软符号-软比特映射器的功能是将软符号判决信息转换成软比特判决信息。

本发明在使用中构造(最好根据经验)竞争符号表，竞争符号表包含符号的各个比特的最可能竞争符号。表格填充有各个可能符号值的m个记录，其中m表示每个符号的比特数。根据硬判决从表格检索竞争符号。仅针对竞争符号(而不是所有可能符号)产生软符号信息，于是大大减小了信息分组的尺寸。

本发明允许软符号发生器提供较少的软符号值。如上所述，计算比特对数似然比只需要m+1(在某些情况下为m)而不是M个软符号值。对于各个符号，需要硬判决符号和m个软符号值。额外m个软符号值对应于这样的竞争符号(即最接近相邻符号)，该竞争符号具有的比特与对应于最大软符号值的符号的比特相反。在使用8-PSK时，各个硬判决与3个竞争符号相关。如图中的模拟所示，本发明的方法产生若干dB的性能改进。

接着将软符号信息输入到软符号-软比特转换器。在本发明中使用这种转换器允许在引入逐比特而不是逐符号交织器的系统中使用软解码。这种系统的例子是GSM增强通用分组无线系统(EGPRS)。本发明也适用于这样的系统，其中编码器使用的字母表与调制器使用的字母表具有不同的大小。系统可以具有例如与8-PSK调制器串联的1/2码速率编码器。在这种系统中，接收器中均衡器的软符号判决信息输出与解码器所需的软判决信息的类型不匹配。

本发明的方法可以通过硬件或软件执行。包括处理器、存储器等等的计算机在工作中运行适于执行本发明缩减信息分组的方法的软件。

本发明具有若干优点。一个关键优点是当为软输入FEC解码器(例如用于turbo码、卷积码等等的软解码器)提供软比特信息时，可在系统中使用逐比特或逐符号交织器。本发明的另一个优点是独立于所使用的软符号发生器的类型。于是，本发明可用于低复杂度的软输出产生机制，以及高复杂度的SOVA型机制。

另一个好处是逼近方法和所得到表格具有较高的计算效率，因为其实现只需要最小数量的算术运算。竞争符号表相对较小，并且可以基于ROM。对于M元调制，表格大小为Mlog₂(M)。此外，本发明可以被应用于任何尺寸的群集(constellation)，其中群集越大，则收效越好。

于是，根据本发明提供了产生用于减小信息分组复杂度的竞争符号表的方法，该信息分组被用来根据M元符号字母表的软符号信息产生软比特值，该方法包括针对M个可能符号判决中的各个符号判决的步骤：对于每个符号的m个比特中的各个比特位置j：计算到M/2个符号判决的欧几里德距离，所述符号判决中位置j的比特与当前符号中第j个比特相反；选择产生最小欧几里德距离的符号判决；根据当前符号和当前比特位置将符号判决放置在表格中，其中m、M和j是正整数。

根据本发明还提供了缩减软符号输出发生器产生的软输出信息分组的方法，该方法包括步骤：预先计算包括各个可能符号判决的最可能竞争符号的竞争符号表；针对各个硬判决在竞争符号表中查找对应于m个比特位置中的各个比特位置的最可能竞争符号；产生和输出对应于m个竞争符号中的各个竞争符号的软符号判决值，其中m是正整数。

根据本发明还提供了针对M元符号字母表根据硬判决产生软比特判决的方法，该方法包括步骤：预先计算包括各个可能符号判决的最可能竞争符号的竞争符号表；针对各个硬判决在竞争符号表中查找对应于m个比特位置中的各个比特位置的最可能竞争符号；计算对应于各个竞争符号的软输出值；根据关于对应于特定比特位置的硬判决和竞争符号的函数计算m个比特中的各个比特的软比特判决值，其中m和M是正整数。

根据本发明还提供了接收和解码M元发送信号的通信接收器，包括：接收M元发送信号并且将其转换成基带信号的射频(RF)前端电路；解调器，适于接收基带信号，并且根据被用来产生发送信号的M元调制方案由基带信号产生接收信号；第一解码器，用于接收所述接收信号并且由接收信号产生软符号判决序列；软输出计算模块，包括被编程以执行以下操作的处理装置：预先计算包括各个可能符号判决的最可能竞争符号的竞争符号表；  针对各个硬判决在竞争符号表中查找对应于m个比特位置中的各个比特位置的最可能竞争符号；计算对应于各个竞争符号的软输出值；根据关于对应于特定比特位置的硬判决和竞争符号的函数计算m个比特中的各个比特的软比特判决值；第二解码器，适于接收软比特值并且由软比特值产生二进制接收数据，其中m和M是正整数。

根据本发明还提供了在其中嵌入计算机程序的计算机可读存储介质，当在经过适当编程的系统中执行所述程序时，所述计算机程序使得该系统通过执行以下步骤由硬判决产生软比特判决：提供包括各个可能符号判决的最可能竞争符号的竞争符号表；针对各个硬判决在竞争符号表中查找对应于m个比特位置中的各个比特位置的最可能竞争符号；计算对应于各个竞争符号的软输出值；根据关于对应于特定比特位置的硬判决和竞争符号的函数计算m个比特中的各个比特的软比特判决值，其中m是正整数。

根据本发明还提供了针对M元符号字母表根据硬判决产生软比特判决的方法，该方法包括步骤：产生完全软信息分组，完全软信息分组包括字母表中所有可能符号的软判决；预先计算包括各个可能符号判决的最可能竞争符号的竞争符号表；针对各个硬判决在竞争符号表中查找对应于q个比特位置中的各个比特位置的最可能竞争符号；针对部分缩减的软信息分组中的软符号判决，计算q个比特中各个比特的软比特判决值，所述部分缩减的软信息分组包括对应于最可能竞争符号的软符号判决，其中q和M是正整数。

附图说明

这里参照附图并且通过单纯的例子描述本发明，其中：

图1图解了现有技术通信系统的例子，其中在发送器内使用内部和外部编码器，在接收器中使用内部和外部解码级，并且向信道加入噪声源；

图2的模块图图解了引入根据本发明构造的软输出计算模块的串联接收器；

图3的模块图更详细地图解了本发明的软输出计算模块；

图4图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组MSB＝0和MSB＝1的符号映射；

图5图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组SSB＝0和SSB＝1的符号映射；

图6图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组LSB＝0和LSB＝1的符号映射；

图7的流程图图解了本发明的竞争符号表产生方法；

图8的流程图图解了本发明的比特对数似然比计算方法；

图9的模块图图解了GSM EGPRS移动站中的功能处理模块；

图10图解了GSM消息的单元，包含尾标、数据和训练符号；

图11图解了串联通信接收器使用和不使用本发明的缩减信息分组方法时的模拟结果，其中对比示出了外部解码器的输出上的BER和SNR；以及

图12的模块图图解了适于执行本发明的缩减信息分组方法的计算机处理系统例子。

具体实施方式

全文使用的符号

本文使用了以下符号。

术语	定义
		AMPSASICAWGNBERCDMACPU	先进移动电话系统专用集成电路附加高斯白噪声比特差错率码分多址中央处理单元

DFEDSLDSPEDGEEEPROMEEROMEGPRSEPROMFECFIRFPGAGERANGMSKGSMIIRISDNISILLRMAPMCSMLSDMLSEPSKRAMROMSERSNRSO

判决反馈均衡器数字用户线路数字信号处理器GSM和TDMA/136演化标准的增强数据速率电可擦除可编程只读存储器电可擦除只读存储器增强通用分组无线系统电可编程只读存储器前向纠错有限脉冲响应现场可编程门阵列GSM EDGE无线接入网络高斯最小频移键控全球移动通信系统无限脉冲响应综合业务数字网络符号间干扰对数似然比最大经验值调制编码方案最大似然顺序检测最大似然顺序估测相移键控随机访问存储器只读存储器符号差错率信噪比软输出

SOVASSASSBTACSTDMAVAWLANWLL

软输出Viterbi算法次最优软输出算法次最高有效比特全接入通信系统时分多址Viterbi算法无线局域网无线本地环路

本发明是克服现有技术的缺点、缩减软符号发生器计算的软输出信息分组的设备和方法。软符号发生器产生的缩减的软输出信息分组接着被软符号-软比特映射器使用，软符号-软比特映射器的功能是将软符号判决信息转换成软比特判决信息。

本发明适用于覆盖范围较大的通信系统，尤其适用于具有大符号字母表或信道具有若干符号周期的时间扩展的通信系统。另外，本发明适用于包括串联编码方案(使用逐比特交织)的接收器，其中内部解码器的输出接着被外部解码器处理，所述外部解码器是在软判决值可用时其性能得到优化的软判决解码器。

本发明提供了只计算完全信息分组中软符号-软比特映射器实际需要的部分的方法。因此，使用本发明减少了软符号发生器的要求。软符号发生器只需要产生缩减的信息分组，而不是完全信息分组。根据系统，尤其是群集的尺寸，这可以大大减少处理器的计算量和复杂度。

为了帮助理解本发明的原理，针对软输出计算模块描述了该方法。如下所述，软输出计算模块适于执行以下功能：噪声功率估测、部分信息分组计算、软符号值产生和软符号-软比特转换。

注意，这里提供的接收器结构仅用于说明，不对本发明的范围产生限制。应当理解，通信信号处理领域的技术人员可以将本发明的方法应用于许多其它拓扑和环境。

图2的模块图图解了引入根据本发明构造的软输出计算模块的串联接收器。通信系统30包括连接到信道42的串联编码发送器32，和串联解码接收器50。发送器32包括编码器34、交织器35、比特-符号映射器36、调制器38和发送电路40。

发送的输入数据比特被输入到编码器34，编码器34可以包括诸如里德-索罗蒙编码器、卷积编码器、检验比特发生器等等的纠错编码器。编码器的功能是加入冗余比特以允许定位和修复传输差错。

编码器34的比特输出接着被输入到交织器35，交织器35的功能是重新排列比特顺序，以便更加有效地抵抗信道中的出错脉冲串。交织器的比特输出接着被符号映射器36映射到符号。比特-符号映射器的功能是将比特转换成M元字母表的调制器符号。例如，8-PSK调制器将输入比特转换成8个符号中的一个。于是，映射器在这种情况下针对每3个输入比特产生一个符号。

从映射器输出的符号被输入到调制器38，调制器38的功能是接收M元字母表中的符号，并且由该符号产生模拟信号。发送电路40在通过信道42发送之前过滤和放大该信号。发送电路40包括将信号最优连接到信道介质的连接电路。

信道可以包括移动无线信道(例如蜂窝、无绳)，固定无线信道(例如卫星)，或有线信道(例如xDSL、ISDN、以太网等等)。假定出现噪声并加入到信道的信号中。发送器适于产生可以通过信道发送的信号，以便提供接收器的健壮、无差错的检测。

应当注意，接收器中的内部和外部解码器在系统中具有互补编码器。系统的外部编码器包括编码器34，例如卷积编码器等等。  内部编码器包括信道42，在一个实施例中信道42可以被模拟成L-符号长的FIR型信道。

在接收器50上，来自信道的模拟信号被输入到Rx前端电路52，  Rx前端电路52解调和采样接收信号以产生接收样本y(k)54。样本接着被输入到内部解码器56和信道估测58。

信道估测58产生被内部解码器56(即均衡器)使用的信道估测h(k)66。使用接收的输入样本y(k)54和训练序列f(k)产生信道估测。

本领域已知并且适用于本发明的若干信道估测方法包含例如相关方法和最小二乘法。在″GSM System Engineering″，A.Mehrotra，1997，Chapter6和″On the Minimization of Overhead in Channel Impulse responseMeasurement″，Y.Han，IBEE Transactions on Vehicular Technology，Vol.47，No.2，1998年5月，pages 631-636中详细描述了相关方法。在文章″Improved Channel Estimation With Side Information″，A.S.Khayrallah，R.Ramesh，G.E.Bottomley，D.Koilpillai，IEEE，1997年3月，pages 1049-1051和″Impact of Blind versus Non-BlindChannel Estimation on the BER Performance of GSM Receivers″，D.Boss，T.Petermann，K.Kammeyer，IEEE Signal Processing Workshop on Higher-Order Statistics，1997年7月21日，pages62-67，以及书籍″AdaptiveFilter Theory″，S.Haykin，1996，Chapter 11(最小二乘法)中更详细地描述了信道估测的最小二乘法。

在Yakhnich等人的美国专利申请09/616,161，2000年7月14日提交，标题为″Method of Channel Order Selection and Channel OrderEstimation in a Wireless Communication System″(同样转让给本申请人)中描述了另一个适用于本发明的信道估测技术，这里完整地参考引用了该专利申请。

内部解码器使用信道估测h(k)产生硬判决。注意，硬判决是符号s(k)可以得到的可能数值中的一个。内部解码器的例子是均衡器，均衡器补偿信道的延迟和时间扩展所导致的ISI。均衡器的功能是试图检测调制器最初发送的符号。

注意，均衡器适于输出硬符号判决68，并且可以包括例如使用众所周知的Viterbi算法(VA)的基于最大似然顺序估测(MLSE)的均衡器，线性均衡器或判决反馈均衡器(DFE)。由于均衡器只产生硬判决，随后必须根据硬判决产生软判决。

均衡是众所周知的被用来抵抗符号间干扰的技术，接收器利用均衡技术试图补偿信道对发送符号的影响。通过使用对导致畸变的信道的估测，均衡器试图从接收的畸变符号中确定发送数据。在部分响应调制或频率选择性信道引起ISI的通信系统中，最大似然顺序估测(MLSE)均衡器是最优的。这是GSM系统中通常使用的均衡器形式。

MLSE技术是非线性均衡技术，该技术适用于无线信道可以被模拟成有限脉冲响应(FIR)系统的情况。这种FIR系统需要知道信道脉冲响应抽头值。通过使用已知训练符号序列估测信道脉冲响应，从而得到信道估测。其它诸如DFE或线性均衡的均衡技术需要精确的信道知识。

硬判决被输入到软输出计算模块60，软输出计算模块60根据有关硬判决的函数产生软比特判决70。在内部，软输出计算模块首先计算软符号值，随后软符号值被转换成软比特判决。

软比特判决接着被输入到逐比特去交织器62，逐比特去交织器62重构输入到发送器32的比特的初始顺序。去交织的软比特值随后被输入到外部解码器64。

外部解码器是软判决解码器，即以软比特值作为输入，软判决解码器的功能是使用编码器插入的冗余比特检测和校正差错。外部解码器64使用软比特输入产生二进制接收数据。外部解码器64的例子包含使用Viterbi算法的卷积解码器等等。软判决Viterbi解码器具有有效处理软判决信息并且在最小顺序差错概率方面提供最优性能的优点。

图3的模块图更详细地图解了本发明的软输出计算模块。软输出计算模块60产生去交织器和软解码器所需的软比特值96。具体地，它包括根据本发明构造的部分信息分组计算器80，软符号值发生器84，噪声功率估测82和软符号-软比特转换器86。

在操作中，均衡器56向软符号值发生器84和部分信息分组计算80输出硬判决88。为了本发明的目的，假定在均衡器56的输出上可以得到硬判决值88。均衡器还向噪声功率估测82输出可以根据训练序列导出的判决信息90，而噪声功率估测82的功能是由判决信息90产生噪声估测92。噪声估测被输入到软符号发生器，软符号发生器使用噪声估测计算软符号判决。软符号发生器84的功能是根据硬判决产生软符号信息94，软符号信息94随后被输出到软符号-软比特转换器86。

在软符号发生器84的输出上可得到软符号值94。软符号值最好具有对数似然比(LLR)数值，即LLR(s_k)的形式。在理想情况下，软判决包括各个可能符号值的可靠率。软判决包括软符号-软比特转换器86需要的部分信息分组。注意，信息分组被定义成检测器或解码器在单个操作内产生的输出(参见″Optimum SoftOutput Detection for Channels withIntersymbol Interference″，Y.Li，B.Vucetic，Y.Sato，IEEE Trans.on Inform.Theory，Vol.41，No.3，1995年5月)。

软符号值被输入到软符号-软比特转换器86。转换器将软符号信息转换成软比特信息。通过得到相对于符号概率的比特条件概率，导出符号的软比特值。以条件概率的对数似然比(LLR)的形式计算软比特判决。

转换器86的软比特判决信息96(例如LLR(b_k))输出被输入到逐比特去交织器62。去交织器的输出包括具有初始比特顺序的软比特值。经过去交织的软比特值接着被输入到外部解码器64，外部解码器64包括软输入解码器。

然而根据本发明，可以将产生软符号信息的要求从产生所有可能符号的软符号信息减少到只产生可能符号的部分子集的软符号信息。本发明中使用的软符号-软比特转换器86只需要m个软符号，而不是M个软符号，其中M是M元字母表中符号的总数，而m是每个符号的比特数。

部分信息分组计算器80的功能是确定软符号发生器应当产生的符号子集。选择的符号组被称作竞争符号98。软符号值发生器涉及只产生竞争符号组的软符号值。这导致小于完整信息分组的部分信息分组。

根据字母表和群集的尺寸，可以大大减小所需计算的复杂度和计算量。在具有较大群集的较大M元字母表的系统中，可以显著减小产生的信息分组的尺寸和所需的计算量。例如，对于256QAM，M＝256和m＝8，使用本发明的部分信息分组发生器只产生8个(在某些情况下为9个)软符号，而不是完整信息分组情况下的256个软符号。

注意，本发明可以使用任何适当的软符号发生器，只要能够根据硬判决产生软符号信息。在Hoeher等人的标题为″Post Processing Method andApparatus for Symbol Reliaboility Generation″的美国专利5,457,704中描述了产生软判决的技术，这里完整地参考引用了该专利。在Yakhnich等人于2001年1月4日提交的标题为″Soft Decision Output Generator″的美国申请09/754,566中描述了另一个适当的软符号产生技术，这里完整地参考引用了该专利申请。

现在更详细地描述软输出计算模块60的操作。以下是符号和比特可靠率的数学推导表达式。假定使用M元调制方案，其中M＝2^m，并且具有字母表

A＝{A₀，A₁，...A_M-1}

每个符号可以被表示成m个比特。注意，GSM EDGE系统中使用的调制方案为8-PSK，其中m＝3。

具有数值A_i的符号s_k的对数似然比被定义成

$\mathrm{LLR}(s_k=A_i)=\ln \left[\frac{P\left(\underset{\‾}{y}\right|s_k=A_i)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right]---\left(1\right)$

其中y是输入的向量表示；

s_k表示第k个符号判决；

A₁表示符号值。

软输出发生器能够在某个时间k针对符号s_k产生M个软输出。可选地，软输出发生器可以产生M-1个软符号值，其中第M个符号值是隐含的参考符号。每个软符号值包括LLR(s_k＝A_i)(或其近似值)，其中i＝1，...，M-1。

按照类似的方式，比特b_k的对数似然比被定义成

$\mathrm{LLR}(B_k=1)=\ln \left[\frac{P\left(\underset{\‾}{y}\right|B_k=1)}{P\left(\underset{\‾}{y}\right|B_k=0)}\right]---\left(2\right)$

其中B_j表示符号的第j个比特的比特值。

指定比特的输入的条件概率函数可以被表示成

P( y|B_k＝b)＝∑P( y|S_k，B_k＝b)    (3)

于是，通过下式提供从符号LLR到比特LLR的最优转换

$\mathrm{LLR}\left(B_j\right)=\ln \left(\underset{l\∈D_{j1}}{\mathrm{\Σ}}{e}^{\mathrm{LLR}(s_k=A_l)}\right)-\ln \left(\underset{l\∈D_{j0}}{\mathrm{\Σ}}{e}^{\mathrm{LLR}(s_k=A_l)}\right)---\left(4\right)$

其中

D_j0和D_j1分别表示b_j＝0和1时的符号集合；

1∈D_ji并且B_j(A₁)＝i，其中i＝0，1；j＝0，...，m-1；1＝0，...，M-1。

于是，比特的对数似然比被表示成关于符号的对数似然比的函数。

然而由于等式3和4中的条件概率函数的指数性质，可以通过以下公式紧密逼近比特LLR的表达式

LLR(B_k＝1)＝max{ln P( y|S_k，B_k＝1)}-max{ln P( y|S_k，B_k＝0)}  (5)

于是，比特的对数似然比可以被逼近为有关比特为1的软符号值和有关比特为0的软符号值之间的差值。注意，这个表达式表示比特LLR的次最优表达式。还应当注意，也可以产生除了对数似然比之外的其它类型的软比特输出。使用本发明原理导出的其它类型的软比特输出也在本发明的范围内。

由于只有C₁+C₂lnP( y|S_k)可被容易地计算，等式5中提供的逼近被用来显著减小计算的复杂度和计算量。根据本发明，在指定时间k的最可能符号B_k＝{0，1}的情况下，通过预先计算硬判决S_k可以进行进一步的逼近。

现在更详细地描述等式5的推导。由软输出计算模块执行这里描述的方法。分别考虑上述假设和等式1和2中符号和比特LLR的表达式，在指定比特等于0或1的情况下确定输入y的条件概率。根据定义，符号s_k包括m个比特b_j，其中j＝0，...，M-1。指定b_j＝1时输入y的概率可以被表示成

$P\left(\underset{\‾}{y}\right|b_j=1)=\frac{P(b_j=1,\underset{\‾}{y})}{P(b_j=1)}$

$=\frac{\underset{l\∈D_{j1}}{\mathrm{\Σ}}P(s_k=A_l,\underset{\‾}{y})}{P(b_j=1)}$ (6)

$=\frac{\underset{l\∈D_{j1}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)P(s_k=A_l)}{P(b_j=1)}$

$=\frac{1}{P(b_j=1)}\underset{l\∈D_{j1}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)P(s_k=A_l)$

其中y是输入的向量表示；

s_k表示第k个符号判决；

A₁表示符号值；

B_j表示符号的第j个比特的比特值；

D_j0和D_j1分别表示b_j＝0和1时的符号集合；

1∈D_ji并且b_j(A₁)＝i，其中i＝0，1；j＝0，...，m-1；1＝0，...，M-1。

可以作出这样的合理假设，其中符号和比特的先验概率相等(这对于多数实际通信系统是有效的假设)。

$P(s_k=A_l)=\frac{1}{M},\∀l$ (7)

$P(b_j=0)=P(b_j=1)=\frac{1}{2}$

因此，等式6中表示的输入条件概率的表达式6被改写成等式7。

$P\left(\underset{\‾}{y}\right|b_j=1)=\frac{2}{M}\underset{l\∈D_{j1}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)---\left(8\right)$

类似地，

$P\left(\underset{\‾}{y}\right|b_j=0)=\frac{2}{M}\underset{l\∈D_{j0}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)---\left(9\right)$

接着，等式2中定义的比特对数似然比(LLR)可以被表示成

$\mathrm{LLR}\left(b_j\right)=\ln \left(\frac{P\left(\underset{\‾}{y}\right|b_j=1)}{P\left(\underset{\‾}{y}\right|b_j=0)}\right)$

$=\ln \left(P\left(\underset{\‾}{y}\right|b_j=1)\right)-\ln \left(P\left(\underset{\‾}{y}\right|b_j=0)\right)$

$=\{\ln \left(P\left(\underset{\‾}{y}\right|b_j=1)\right)-\ln \left(P\left(\underset{\‾}{y}\right|s_k=A_l)\right)\}-\{\ln \left(P\left(\underset{\‾}{y}\right|b_j=0)\right)-\ln \left(P\left(\underset{\‾}{y}\right|s_k=A_0)\right)\}$

$=\ln \left(\frac{P\left(\underset{\‾}{y}\right|b_j=1)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)-\ln \left(\frac{P\left(\underset{\‾}{y}\right|b_j=0)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)=$ (10)

$=\ln \left(\frac{\underset{l\∈D_{j1}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)-\ln \left(\frac{\underset{l\∈D_{j0}}{\mathrm{\Σ}}P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)$

$=\ln \left(\underset{l\∈D_{j1}}{\mathrm{\Σ}}\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)-\ln \left(\underset{l\∈D_{j0}}{\mathrm{\Σ}}\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)$

将等式1代入等式10产生了符号LLR到比特LLR的最优转换

$\mathrm{LLR}\left(b_j\right)=\ln \left(\underset{l\∈D_{j1}}{\mathrm{\Σ}}{e}^{\mathrm{LLR}(s_k=A_l)}\right)-\ln \left(\underset{l\∈D_{j0}}{\mathrm{\Σ}}{e}^{\mathrm{LLR}(s_k=A_l)}\right)---\left(4\right)$

于是，比特的对数似然比被表示成关于符号的对数似然比的函数。软符号-软比特转换器在每个时间k针对符号s_k产生m个软比特输出

LLR(b_j)i＝0...m-1    (11)

注意，使用等式4导出的比特LLR是符号LLR到比特LLR的最优转换。根据本发明，导出比特LLR的次最优表达式，从而允许显著降低计算比特LLR的复杂度。通过对符号概率执行逼近来导出次最优表达式。此逼近利用了等式4中的指数函数的快速增加。如上述等式5所示，取而代之的是有关比特为1的符号的最大符号值，和有关比特为0的最大符号值。

根据上述内容，假定符号和比特的先验概率相等，从而允许将输入的条件概率表达式改写成等式8和9。等式2中定义的比特对数似然比(LLR)被确定成

$\mathrm{LLR}\left(b_j\right)=\ln \left(\underset{l\∈D_{j1}}{\mathrm{\Σ}}\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)-\ln \left(\underset{l\∈D_{j0}}{\mathrm{\Σ}}\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)---\left(12\right)$

考虑以下包含最接近相邻逼近的公式

$\ln \left(\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)>\ln \left(\frac{P\left(\underset{\‾}{y}\right|s_k=A_n)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)\⇒\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}>>\frac{P\left(\underset{\‾}{y}\right|s_k=A_n)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}---\left(13\right)$

其中n表示最大软符号之后的次最大软符号。由于比特LLR的表达式中指数函数的快速增加，最大符号值到目前为止具有最主要的概率，并且可以忽略其余的M/2-1个软符号值。因此，以下逼近是有效的

$\ln \left(\underset{l\∈D_{j1}}{\mathrm{\Σ}}\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)\≈\underset{l\∈D_{j1}}{\max }\left(\ln \left(\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)\right)---\left(14\right)$

于是，最大符号值被取代为0符号和1符号的累加和。将等式14代入等式12产生了

$\mathrm{LLR}\left(b_j\right)\≈\underset{l\∈D_{j1}}{\max }\left(\ln \left(\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)\right)-\underset{l\∈D_{j0}}{\max }\left(\ln \left(\frac{P\left(\underset{\‾}{y}\right|s_k=A_l)}{P\left(\underset{\‾}{y}\right|s_k=A_0)}\right)\right)---\left(15\right)$

此外，将等式1代入等式15产生对符号LLR到比特LLR的转换的逼近。

$\mathrm{LLR}\left(b_j\right)\≈\underset{l\∈D_{j1}}{\max }\left(\mathrm{LLR}(s_k=A_l)\right)-\underset{l\∈D_{j0}}{\max }\left(\mathrm{LLR}(s_k=A_l)\right)---\left(16\right)$

于是，比特的对数似然比可以被逼近为有关比特为1的软符号值和有关比特为0的软符号值之间的差值。

此外，可以使用下式从几何角度事先分析和计算符号的群集

$S_{k,1}=\arg \underset{l\∈D_{j1}}{\max }\left\{\mathrm{LLR}(s_k=A_l)\right\}---\left(17\right)$

和

$S_{k,0}=\arg \underset{l\∈D_{j0}}{\max }\left\{\mathrm{LLR}(s_k=A_l)\right\}---\left(18\right)$

其中A₁表示硬判决符号。

为了帮助说明本发明的方法的逼近，假定图4、5和6中的图例图解了调制比特及其排列到GSM/EDGE系统中使用的8-PSK符号的比特组的符号映射。具体地，图4图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组MSB＝0和MSB＝1的符号映射。图5图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组SSB＝0和SSB＝1的符号映射。图6图解了用于格雷码8-PSK调制的比特调制及其排列到2个分组LSB＝0和LSB＝1的符号映射。于是，对于任何特定硬判决符号，其余M-1个符号被考虑为竞争符号。图4、5和6可用于确定任何指定硬判决符号的每个比特位置的竞争符号。

根据比特位置分割符号映射图。参照图4，虚线100将8个符号分成2个组：一个组为MSB＝0(非阴影线区)，另一个组为MSB＝1(阴影线区)。参照图5，虚线102将8个符号分成2个组：一个组为SSB(次最高有效比特)＝0(非阴影线区)，另一个组为MSB＝1(阴影线区)。

参照图4，虚线100将8个符号分成2个组：一个组为MSB＝0(非阴影线区)，另一个组为MSB＝1(阴影线区)。

所述图例被用来确定用于计算比特LLR的软符号值。对于要计算的每个比特LLR，需要2个符号LLR值：一个针对有关特定比特位置的′0′比特，一个针对有关特定比特位置的′1′比特。二者均是相应比特的最大软符号值。总的最大软符号值被用于比特中的一个，而最接近相邻符号的软符号值被用于另一个，其中后者的比特与总体最大值的比特相反。

为了进行说明，假定其对应软符号值为S₁₀₁的符号′101′是从均衡器接收的所有M个符号的总体最大符号，即它是硬判决。于是，数值S₁₀₁被用于MSB的符号1(即比特位置j＝2)，SSB的符号0(即比特位置j＝1)和LSB的符号1(即比特位置j＝0)的最大软符号值。

对于MSB，根据此方法，0符号数值是MSB＝0的所有符号的最大值。最可能产生最大值的符号是最接近MSB＝0的符号101的符号。根据图4的图例，这个符号是符号001。于是，符号001的软符号值被取作最大0符号数值。按照类似的方式，在图5中SSB的最接近相邻符号是符号110，而图6中LSB的最接近相邻符号是符号100。

可以根据调制方案和群集中的符号数量预先计算竞争符号(或最接近相邻符号)。为了说明，下面的表格1提供了8-PSK GSM调制的最接近相邻符号的完全列表。

表格1：GSM/EDGE/GERAN 8-PSK调制的竞争符号

参考符号(硬判决)	MSB(j＝2)	SSB(j＝1)	LSB(j＝0)
				000001010011100101110111	101101111111001001011011	010010000000110110100100	001000011010101100111110

于是，对于每个符号，只需要m+1个软符号值(硬判决和m个软符号)，因此降低了均衡器和软符号-软比特转换器的复杂度。注意，当符号条件概率以A0符号为参考时，需要m+1个软符号值。如果条件概率以硬判决为参考，则只需要m个软符号，从而减少了要传递到软符号-软比特转换器的数据。

现在更详细地描述产生竞争符号表的方法。事先地，可以在软输出计算模块外部的计算设备上执行该方法，也可以由软输出计算模块本身执行该方法。图7的流程图图解了本发明的竞争符号表产生方法。在所有M个可能符号上执行方法(步骤110)，并且对于每个符号(称作当前符号)，在所有可能的比特位置j上执行方法(步骤112)。

对于每个比特位置，计算与M/2个符号判决相距的欧几里德距离(即判决距离)(步骤114)，所述M/2个符号判决的位置j上的比特与当前符号中第j个比特相反。选择产生最小欧几里德距离的符号(步骤116)。此方法继续处理所有比特位置(步骤118、122)和所有符号(步骤120、124)。

下面的列表1示出了产生竞争符号表的方法的伪码列表。应当理解，计算机编程领域的技术人员可以容易地使用下面提供的伪码产生各种编程语言的源代码。

列表1：竞争符号表的产生

//假定如下：

//1.具有字母表0..M-1的M元调制；

//2.调制函数被表示成ModFunc(S)；

//3.每个符号的比特数＝m＝log₂(M)；

int CompetitorsTable[M][m]；

for S＝0..  M-1

  for j＝0..m-1

    d＝Infinity

//′b′被用来表示比特的数值，而′j′被用来表示其位置；

  b＝((S div(2^j))mod 2)

  for i＝0..(M/2)-1

//′k′被用来表示可能竞争符号的索引；

//′d_k′被用来表示与符号′S′的欧几里德距离′k′；

    k＝(2^(j+1))(i div(2^j))+(1-b)(2^j)+(i mod(2^j))

    d_k＝|ModFunc(S)-ModFunc(k)|^2

    if(d_k＜d)

      d＝d_k

        CompetitorsTable[S][j]＝k

      end

    end

  end

end

注意，象在图7的方法(步骤114)中那样，仅针对符号数量M的一半执行最内部的′for′循环。这是由于对于任何指定的符号，只有M/2个符号的位置j上的比特等于0或1。

现在描述使用竞争符号表计算软比特信息的方法。图8的流程图图解了本发明的比特对数似然比计算方法。假定已经预先计算竞争符号表(例如表格1中示出的竞争符号表)并且存储在存储器中以便软输出计算模块60(图2)使用。具体地，部分信息分组计算80(图3)使用该表格指示软符号发生器84针对哪些符号计算软符号信息。

在操作中，部分信息分组计算器80和软符号发生器84均从均衡器接收硬判决(步骤130)。部分信息分组计算器使用先前计算的竞争符号表查找对应于硬判决符号的竞争符号(步骤132)。作为响应，软符号发生器计算每个竞争符号的软输出符号值(在符号A₀被用作参考时使用等式1；在硬判决符号被用作参考时使用等式17和18)(步骤134)。

软输出符号值接着被输入到软符号-软比特转换器86，软符号-软比特转换器86的功能是使用软符号发生器计算的S_k，1和S_k，0计算每个比特的比特对数似然比(步骤136)。软比特值被去交织并且输入到软解码器。

本发明具有若干优点。一个关键优点是逐比特或逐符号交织器可被用于系统中，尽管为软输入FEC解码器(例如用于turbo码、卷积码等等的软解码器)提供软比特信息。本发明的另一个优点是独立于所使用的软符号发生器的类型。于是，本发明可用于低复杂度的软输出产生机制，以及高复杂度的SOVA型机制。另一个好处是逼近方法和所得到表格具有较高的计算效率，因为其实现只需要最小数量的算术运算。竞争符号表相对较小，并且可以基于ROM。对于M元调制，表格大小为Mlog₂(M)。此外，本发明可以被应用于任何尺寸的群集，其中群集最大，则收效越好。

在本发明的另一个实施例中，表格1中提供的竞争符号数据被用来减少输入到软外部解码器的软比特判决的数量。在这个实施例中，软符号发生器接收完整信息分组，包括字母表中每个可能符号的软判决。本发明的方法被用来减少需要计算的软比特值的数量。根据本发明，只需针对那些被发现是特定硬判决的竞争者的符号计算软比特判决。于是，输出包括对应于使用特定硬判决发现的竞争符号的缩减软信息分组的软比特判决。

GSM EDGE实施例

提供GSM EGPRS移动站，该移动站被构造成包括用于执行本发明的缩减信息分组方法的装置。图9的模块图图解了GSM EGPRS移动无线站中的功能处理模块。系统被设计成在达到384kbit/s的速率上提供可靠数据通信。GSM EGPRS移动站140包括被分成以下部分的发送器和接收器：信号处理电路170、基带编解码器168和RF电路部分166。

在发送方向，信号处理部分的功能是保护数据，以便在信道152上提供从发送器到基站154的可靠通信。信道编码模块144执行的若干处理被用来保护用户数据142，包含循环冗余码(CRC)校验，卷积编码，交织和脉冲串装配。结果数据被装配到脉冲串中，其中除了被加到脉冲串中间的训练序列中间码(midamble)之外，还加入保护和尾标符号。注意，用户数据和信令信息均经过类似的处理。接着由调制器146调制装配的脉冲串，调制器146可以被实现成3π/8偏置8-PSK调制器。

在接收方向，使用互补8-PSK解调器160解调基带编解码器的输出。信号处理部分中的信道解码模块162执行的若干处理接着被应用于解调输出。执行的处理包含脉冲串分解，均衡，包含本发明的缩减信息分组方法的软符号产生，软符号-软比特转换，去交织，卷积解码和CRC校验。

基带编解码器分别通过D/A转换器148和A/D转换器158将发送和接收数据转换成模拟和数字信号。发送D/A转换器向RF电路部分中的发送器150提供模拟基带I和Q信号。I和Q信号被用来调制信道上传输的载波。

在接收方向，基站在信道上发送的信号被接收器电路156接收。通过A/D转换器将接收器输出的模拟信号I和Q反向转换成数字数据流。在被输入到信道解码模块162之前，这个I和Q数字数据流被8-PSK解调器过滤和解调。信号处理模块执行的若干处理接着被应用于解调输出。

另外，移动站执行其它功能，这些功能可以被认为是高级功能，例如同步，频率和时间获取与跟踪，监视，接收信号强度测量和无线控制。其它功能包含处理用户接口，移动站和网络之间的信令，SIM接口等等。

模拟结果

为了说明本发明的益处，这里对GSM增强通用分组无线系统(EGPRS)进行模拟并且提供模拟结果。在假定使用GSM EGPRS发送器并且在灵敏条件下使用6抽头TU50iFH标准信道的情况下执行模拟。

EGPRS系统是时分多址(TDMA)系统，其中8个用户能够共享相同的载波频率。在EGPRS发送器中，数据比特被1/3速率卷积编码器编码，并且被交织和映射到8元符号。如图10所示，所得到的编码数据符号和训练序列一起被装配到142个符号的脉冲串中。

在GSM中，训练序列在每个脉冲串的中间发送。每个固定长度脉冲串180包括142个符号，所述符号之前是3个符号的尾标183，之后是3个符号的尾标187和8.25个符号的保护188。142个符号包含58个符号的数据部分184，26个符号的训练序列185，和另一个58个符号的数据部分186。由于训练序列在脉冲串的中间发送，它被称作中间码。它被插入到脉冲串的中间，以便使到达数据比特的最大距离最小，于是使得时间改变对脉冲串端部的影响最小。

接着使用基于GSM标准、具有高斯脉冲整形的3π/8偏置8-PSK调制脉冲串。通过使用收缩1/3速率卷积编码的频率选择性静态高斯信道发送调制输出。在接收器中使用用于产生软符号值的均衡器。接收器适于根据本发明将软符号信息转换成软比特信息。基于软输入Viterbi算法的卷积解码器被用作外部解码器。转换器输出的软比特值被用作软解码器的输入。

图11图解了串联通信接收器使用和不使用本发明的缩减信息分组方法时的模拟结果，其中对比示出了外部解码器的输出上的BER和SNR。具有方框的实曲线表示在解码器只使用硬判决时外部解码器的输出上的BER和SNR。具有菱形框的实曲线192表示在解码器使用根据本发明预先计算的次最优缩减信息分组时的BER和SNR。具有圆圈的实曲线194表示当解码器使用最优完全信息分组时的BER和SNR。

如图所示，与硬判决解码相比，使用本发明可以得到3到4dB的性能改进。例如，在10^-2的BER上，当使用缩减信息分组时得到几乎4dB的性能改进。还应当注意，使用次最优缩减信息分组造成的退化是最小的，因此提供的性能改进与使用完整信息分组时几乎相同。

计算机实施例

在另一个实施例中，计算机被用来运行适于执行本发明的缩减信息分组方法的软件。图12的模块图图解了适于执行本发明的缩减信息分组方法的计算机处理系统例子。系统可以被合并到诸如接收器或收发器的通信设备内，其部分由软件来实现。

计算机系统200包括处理器202，处理器202可以被实现成微控制器、微处理器、微型计算机、ASIC核心、中央处理单元(CPU)或数字信号处理器(DSP)。系统还包括均与处理器通信的静态只读存储器204和动态主存储器206。处理器还通过总线226与计算机系统中包含的若干外部设备通信。A/D转换器208的功能是对连接到信道222的前端电路224的基带信号输出进行采样。处理器产生的样本通过D/A转换器207被输入到前端电路。前端电路包括RF电路，RF电路包含接收器、发送器和信道连接电路。

一或多个通信线路218通过I/O接口210被连接到系统。用户接口212响应用户输入并且提供反馈和其它状态信息。主机接口214将主机设备216连接到系统。主机适于配置、控制和维护系统的操作。系统也可以包括用于存储应用程序和数据的磁存储设备220。系统包括计算机可读存储介质，计算机可读存储介质可以包含任何适当的存储器装置，其中包含但不局限于磁性存储器、光学存储器、半导体易失或非易失存储器、生物存储器件或任何其他存储器存储设备。

缩减信息分组方法的软件适于驻留在计算机可读介质，例如盘驱动单元内的磁盘上。可选地，计算机可读介质可以包括软盘、快闪存储器卡、EEROM、EPROM或基于EEPROM的存储器、磁泡存储器、ROM存储器等等。适于执行本发明的缩减信息分组方法的软件也可以部分或完整地驻留静态或动态主存储器，或计算机系统的处理器内部的固件(即微控制器、微处理器、微型计算机、DSP等等的内部存储器)中。

在可选实施例中，本发明的方法可以适用于本发明在集成电路、现场可编程门阵列(FPGA)、芯片组或专用集成电路(ASIC)中的实现，无线实现和其它通信系统产品中。

所附权利要求书意图覆盖本发明所有这种处于其宗旨和范围内的特性和优点。由于本领域的技术人员可容易地想到许多修改和改变，本发明不限于这里描述的有限数量的实施例。因此应当理解，在不偏离本发明的宗旨和范围的前提下，可以进行所有适当的变化、修改和等价替换。

Claims (37)

1.一种根据M元符号字母表的软符号信息产生软比特值的方法，包括以下步骤：

接收所接收的符号的流；

对于M个可能的符号判决中的每一个，并且对于每个符号的m个比特中的每一个比特位置j：

计算到M/2个符号判决的欧几里德距离，所述符号判决中位置j的比特与当前符号中第j个比特相反；

选择产生最小欧几里德距离的符号判决；

根据当前符号和当前比特位置将所述符号判决放置在竞争符号表中；以及

利用在所述竞争符号表中存储的竞争符号判决，对每个所接收的符号产生软比特；

其中，m、M和j是正整数。

2.如权利要求1所述的方法，其中在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中执行所述方法。

3.如权利要求1所述的方法，其中事先执行所述方法，并且在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中引入所得到的竞争符号表。

4.如权利要求1所述的方法，其中所述M元符号包括8-PSK符号。

5.一种缩减软符号输出发生器产生的软输出信息分组的方法，所述方法包括的步骤有：

预先计算包括各个可能的符号判决的最可能竞争符号的竞争符号表，其中，所述预先计算的步骤包括：对于M个可能的符号判决中的每一个，并且对于每个符号的m个比特中的每一个比特位置j，

计算到M/2个符号判决的欧几里德距离，所述符号判决在位置j的比特与当前符号中第j个比特相反；

选择产生最小欧几里德距离的符号判决；

根据当前符号和当前比特位置将所述符号判决放置在竞争符号表中；

接收将要产生软符号信息的硬判决值；

对于每一个所述硬判决，在所述竞争符号表中查找对应于m个比特位置中的每一个比特位置的最可能竞争符号；以及

产生和输出对应于所述m个竞争符号中的每一个的软符号判决值；

其中，m，M和j是正整数。

6.如权利要求5所述的方法，还包括除了对应于所述m个竞争符号中每一个的所述软判决值之外还输出硬判决的步骤。

7.如权利要求5所述的方法，其中在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中执行所述方法。

8.如权利要求5所述的方法，其中事先计算所述竞争符号表，并且在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中引入所得到的竞争符号表。

9.如权利要求5所述的方法，还包括提供外部解码器的步骤，所述外部解码器根据所述软比特输出数值产生接收二进制数据。

10.如权利要求9所述的方法，其中所述外部解码器包括基于Viterbi算法(VA)的卷积解码器。

11.如权利要求5所述的方法，其中所述M元符号包括8-PSK符号。

12.如权利要求5所述的方法，其中所述产生步骤包括产生被表示成符号对数似然比(LLR)的所述软符号值。

13.一种根据M元符号字母表的硬判决产生软比特判决的方法，所述方法包括以下步骤：

预先计算包括每一个可能的符号判决的最可能竞争符号的竞争符号表，其中，所述预先计算的步骤包括：对于M个可能的符号判决中的每一个，并且对于每个符号的m个比特中的每一个比特位置j，

计算到M/2个符号判决的欧几里德距离，所述符号判决在位置j的比特与当前符号中第j个比特相反；

选择产生最小欧几里德距离的符号判决；

根据当前符号和当前比特位置将所述符号判决放置在竞争符号表中；

对于每一个硬判决，在所述竞争符号表中查找对应于m个比特位置中的每一个比特位置的最可能竞争符号；

计算对应于每一个竞争符号的软输出值；以及

根据对应于特定比特位置的硬判决和竞争符号计算m个比特中的每一个比特的软比特判决值；

其中m，M和j是正整数。

14.如权利要求13所述的方法，其中在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中执行所述方法。

15.如权利要求13所述的方法，其中事先计算所述竞争符号表，并且在适于接收和解码全球移动通信系统(GSM)信号的通信接收器中引入所得到的竞争符号表。

16.如权利要求13所述的方法，还包括提供外部解码器的步骤，所述外部解码器根据所述软比特判决值产生接收二进制数据。

17.如权利要求16所述的方法，其中所述外部解码器包括基于Viterbi算法(VA)的卷积解码器。

18.如权利要求13所述的方法，其中所述M元符号包括8-PSK符号。

19.如权利要求13所述的方法，其中所述计算软输出值的步骤包括产生被表示成符号对数似然比(LLR)的所述软输出值。

20.如权利要求13所述的方法，其中所述计算软比特判决值的步骤包括产生被表示成比特对数似然比(LLR)的所述软比特判决值。

21.如权利要求13所述的方法，其中由最大似然顺序估测(MLSE)均衡器产生所述硬判决。

22.如权利要求13所述的方法，其中由判决反馈均衡器(DFE)产生所述硬判决。

23.如权利要求13所述的方法，还包括将所述软比特值输出到去交织器的步骤，其中去交织器的输出随后被输入到将其解码成二进制数据的软解码器。

24.如权利要求13所述的方法，其中根据以下函数产生所述软比特值

$\mathrm{LLR}\left(b_j\right)\≈\underset{1\∈D_{j1}}{\max }\left(\mathrm{LLR}(s_k=A_1)\right)-\underset{1\∈D_{j0}}{\max }\left(\mathrm{LLR}(s_k=A_1)\right)$

其中LLR(s_k＝A₁)是符号s_k＝A₁的对数似然比，A₁表示符号值，b_j表示符号的第j个比特的比特值，D_j0和D_j1分别表示比特j＝0和1时的符号集合，1∈D_ji并且b_j(A₁)＝i，其中i＝0，1；j＝0，...，m-1；1＝0，...，M-1。

25.一种用于接收和解码M元发送信号的通信接收器，包括：

接收所述M元发送信号并且将其转换成基带信号的射频(RF)前端电路；

解调器，适于接收所述基带信号，并且根据被用来产生所述发送信号的M元调制方案由基带信号产生接收信号；

第一解码器，用于接收所述接收信号并且由接收信号产生软符号判决序列；

软输出计算模块，包括用于执行以下操作的处理装置：

预先计算包括每一个可能的符号判决的最可能竞争符号的竞争符号表，其中，所述预先计算的步骤包括：对于M个可能的符号判决中的每一个，并且对于每个符号的m个比特中的每一个比特位置j，

计算到M/2个符号判决的欧几里德距离，所述符号判决在位置j的比特与当前符号中第j个比特相反；

选择产生最小欧几里德距离的符号判决；

根据当前符号和当前比特位置将所述符号判决放置在竞争符号表中；

接收将要产生软符号信息的硬判决值；

对于每个硬判决，在所述竞争符号表中查找对应于m个比特位置中的每一个比特位置的最可能竞争符号；

计算对应于每一个竞争符号的软输出值；以及

根据对应于特定比特位置的硬判决和竞争符号计算m个比特中的每一个比特的软比特判决值；以及

第二解码器，适于接收所述软比特值并且由所述软比特值产生二进制接收数据；

其中，m，j和M是正整数。

26.如权利要求25所述的接收器，还包括语音解码器，用于将所述解码输出数据信号转换成可听语音信号。

27.如权利要求25所述的接收器，还包括电路交换数据装置，用于将所述解码输出数据信号转换成数据流。

28.如权利要求25所述的接收器，还包括分组交换数据装置，用于将所述解码输出数据信号转换成数据流。

29.如权利要求25所述的接收器，其中所述通信接收器适于接收和解码全球移动通信系统(GSM)信号。

30.如权利要求25所述的接收器，其中所述第二解码器包括基于Viterbi算法(VA)的卷积解码器。

31.如权利要求25所述的接收器，其中所述M元符号包括8-PSK符号。

32.如权利要求25所述的接收器，还包括产生被表示成对数似然比(LLR)的所述软判决值的步骤。

33.如权利要求25所述的接收器，其中所述第一解码器包括基于软输出Viterbi算法(SOVA)的最大似然顺序估测(MLSE)均衡器。

34.如权利要求25所述的接收器，其中所述第一解码器包括基于最大经验(MAP)算法的均衡器。

35.如权利要求25所述的接收器，其中根据以下函数产生所述软判决值

$\mathrm{LLR}\left(b_j\right)\≈\underset{1\∈D_{j1}}{\max }\left(\mathrm{LLR}(s_k=A_1)\right)-\underset{1\∈D_{j0}}{\max }\left(\mathrm{LLR}(s_k=A_1)\right)$

其中LLR(s_k＝A₁)是符号s_k＝A₁的对数似然比，A₁表示符号值，b_j表示符号的第j个比特的比特值，D_j0和D_j1分别表示比特j＝0和1时的符号集合，1∈D_ji并且b_j(A₁)＝i，其中i＝0，1；j＝0，...，m-1；1＝0，...，M-1。

36.如权利要求25所述的接收器，还包括将所述软比特值输出到去交织器的步骤，其中去交织器的输出随后被输入到将其解码成二进制数据的所述第二解码器。

37.一种根据M元符号字母表的硬判决产生软比特判决的方法，所述方法包括以下步骤：

产生完全软信息分组，所述完全软信息分组包括所述字母表中每一个可能的符号的软判决；

预先计算包括每一个可能的符号判决的最可能竞争符号的竞争符号表，其中，所述预先计算的步骤包括：对于M个可能的符号判决中的每一个，并且对于每个符号的m个比特中的每一个比特位置j，

计算到M/2个符号判决的欧几里德距离，所述符号判决在位置j的比特与当前符号中第j个比特相反；

选择产生最小欧几里德距离的符号判决；

根据当前符号和当前比特位置将所述符号判决放置在竞争符号表中；

对于每一个硬判决，在所述竞争符号表中查找对应于q个比特位置中的每一个比特位置的最可能竞争符号；以及

对于部分缩减的软信息分组中的软符号判决，计算q个比特中的每一个比特的软比特判决值，所述部分缩减的软信息分组包括对应于所述最可能竞争符号的软符号判决；

其中，q，j和M是正整数。

Images