CN100488079C - 延伸算法数据估算器 - Google Patents

Abstract

一种数据预测方法，适用于分时双工(TDD)分码多重存取(CDMA)系统、或利用一种延伸算法(EA)，相对于一种截断算法(TA)，的任何其它系统。这种延伸算法(EA)可以选择适当延伸矩阵以避免实施错误，并且，这种延伸算法(EA)可以接受少部分硬件的使用。另外，这种延伸算法(EA)亦可以排除各个数据域位尾部的多重信号遗失，并且，这种延伸算法(EA)亦可以避免一托普利兹(Toeplitz)矩阵转换成一循环矩阵时的错误。

Description

延伸算法数据估算器

技术领域

本发明有关无线通信系统的数据预测。具体说，本发明是有关一种延伸算法(EA)，借以用于这种无线通信系统的数据预测。

背景技术

在部分建议的无线通信系统中，数据是一个方块接着一个方块地无线传输，并且，连续的方块间具有一分离间隔(separation interval)。这种特性容许在接收器中施加联合侦测(JD)，借以抑制相互的符号干扰(ISI)及多重存取干扰(MAI)。另外，单使用者侦测器(SUD)是用以预测通过单一下行连结(downlink)信道的信号数据。这种单使用者侦测器(SUD)的优点是：这种单使用者侦测器(SUD)可以利用快速傅立叶转换(FFT)有效实施，其基本理由是：一方形托普利兹(Toeplitz)矩阵可以近似为具有相同大小的一循环副本(circulantcounterpart)。

当托普利兹(Toeplitz)矩阵沿着长坐标缩减成方形矩阵、并利用其循环副本(circulant counterpart)取代时，一循环近似误差亦同时加入。这个近似误差，在这个矩阵的头部及尾部，是特别普遍。在许多无线通信系统中，这些头部及尾部的关连数据具有这些接收器需要的系统信息，诸如：建议第三代合作计划(3GPP)宽频分码多重存取(WCDMA)分时双工(TDD)系统的功率控制位及传输格式组合指针(TFCI)。

有鉴于此，本发明的主要目的便是加强这种无线通信系统的数据预测。

发明内容

本发明提供一种有效计算且精确实施的数据预测器，其可以适用于各种无线通信系统，诸如：分频双工(FDD)或分时双工(TDD)分码多重存取(CDMA)系统。有鉴于此，本发明提供一种实施一数据预测器的方法，其中，用于预测的主要数据将不会受到这个循环近似误差的严重影响。为达上述目的，所有方形循环矩阵加以延伸。这种延伸手段的优点包括下列两部分，亦即：(1)避免各数据域位尾部的多重路径信号遗失；以及(2)避免托普利兹(Toeplitz)矩阵至循环矩阵的转换误差。因此，当实施这种延伸算法(EA)时，本发明是执行较长的离散傅立叶转换(DFT)或快速傅立叶转(FFT)。为最小化离散傅立叶转换(DFT)需要的计算，根据特定数据方块长度及频道延迟扩展，延伸大小最好能够动能限定于其下限。然而，若本发明能够使用主要因子算法(PFA)，快速傅立叶转换(FFT)长度增加通常亦不会增加计算复杂性。应该注意的是，通过某个特定范围的适当快速傅立叶转换(FFT)长度选择，计算复杂性可以最小化。在这种情况中，考量最长方块长度及延迟扩展，本发明是想要得到固定单长度的快速傅立叶转换(FFT)。这是由于：具有主要因子算法(PFA)的单长度快速傅立叶转换(FFT)可以利用单一算法，支持不同长度的数据方块(丛发类型)。单长度快速傅立叶转换(FFT)可以进一步简化实施，因为各种算法均需要一独立硬件以进行处理。

附图说明

本发明的各种细节通过配合较佳实施例并参考附图详细说明如下，其中：

图1是表示一种根据本发明较佳实施例的系统方块图，借以实施具有超取样的延伸算法；

图2A、2B及2C，是一起共同表示图1所示延伸算法(EA)的实施方法步骤的流程图；

图3是表示，在情况一频道(Case 1 channel)中，传输格式组合指针(TFCI—1)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图4是表示，在情况一频道(Case 1 channel)中，传输格式组合指针(TFCI—2)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图5是表示，在情况一频道(Case 1 channel)中，所有位的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图6是表示，在情况二频道(Case 2 channel)中，传输格式组合指针(TFCI—1)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图7是表示，在情况二频道(Case 2 channel)中，传输格式组合指针(TFCI—2)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图8是表示，在情况二频道(Case 2 channel)中，所有位的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；以及

图9A及9B是表示利用延伸算法数据侦测的接收器实施的示意图。

具体实施方式

本发明适用于分码多重存取(CDMA)系统的数据预测，诸如：第三代合作计划(3GPP)分时双工(TDD)模式及分时同步分码多重存取(TD—SCDMA)。然而，下列说明，举例来说，是有关一种分时双工(TDD)分码多重存取(CDMA)系统模型及算法。在这个例子中，若一合成扩展信号是由一传输器端点传送至一接收器端点，则这个接收信号r是一合成扩展信号s，其是穿过单一频道H进行传输。H是表示这个单一频道的频道响应矩阵。如此，这个程序可以表示为r＝H·s+n，其中，n是噪声向量。若W是表示这个频道响应矩阵的长度，则H可以表示为等式(1)。

$\underset{\‾}{H}=\left[\begin{array}{cccccccc}{h}_0& & & & & & & \\ h_1& h_0& & & & & & \\ \·& h_1& \·& & & & & \\ \·& \·& \·& \·& & & & \\ h_{W-1}& \·& & \·& \·& & & \\ & h_{W-1}& & & \·& \·& & \\ & & \·& & & \·& \·& \\ & & & \·& & & \·& h_0\\ & & & & \·& & & h_1\\ & & & & & \·& & \·\\ & & & & & & \·& \·\\ & & & & & & & h_{W-1}\end{array}\right]$  等式(1)

其中，这个频道响应矩阵H的大小是(L+W—1)×L。L是表示特定时间的芯片数目，诸如：一数据域位(方块)。这个合成扩展信号s可以表示为s＝C·d，其中，这个符号向量d及这个传输码矩阵C可以表示为等式(2)。

$\underset{\‾}{d}={(d_1,d_2,...,d_{{\mathrm{KN}}_s})}^T$     等式(2)

其中，T是表示转置函数，并且，这个传输码矩阵C可以表示为等式(3)。

C＝[C ⁽¹⁾，C ⁽²⁾，...，C ^(K)]   等式(3)

其中，各个矩阵组件C^(K)可以表示为等式(4)。

${\underset{\‾}{C}}^{\left(K\right)}=\left[\begin{array}{cccccccc}{c}_1^{\left(k\right)}& & & & & & & \\ \·& & & & & & & \\ c_Q^{\left(k\right)}& & & & & & & \\ \·& c_1^{\left(k\right)}& & & & & & \\ & \·& & & & & & \\ & c_Q^{\left(k\right)}& \·& & & & & \\ & & & \·& & & & \\ & & & & \·& & & \\ & & & & & \·& & \\ & & & & & & \·& c_1^{\left(k\right)}\\ & & & & & & & \·\\ & & & & & & & c_Q^{\left(k\right)}\end{array}\right]$    等式(4)

其中，Q、K、及N_s(＝L/Q)分别表示扩展因子(SF)、激活传输码数目、及各个频道传输码具有的符号数目。

这个单使用者侦测器(SUD)具有两电路级，亦即：(A)频道均衡电路级；以及(B)解扩展电路级。在第一电路级中，这个合成扩展信号s是利用r＝H·s+n预测，其最好是经由一最小均方差(MMSE)均衡器或一零点强迫解法进行预测。

一最小均方差(MMSE)均衡器可以表示为等式(5)。

$\underset{\‾}{\overset{^}{s}}={[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{r}$ 　　      　等式(5)

$={[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{R}_H\underset{\‾}{s}+{[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{n}$

一零点强迫解法可以表示为等式(6)。

$\underset{\‾}{\overset{^}{s}}={R_H}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{r}$                   等式(6)

其中，I是表示识别矩阵，R_H＝H ^H·H是具有大小L的一方形托普利兹(Toeplitz)矩阵，其可以表示为等式(7)。

等式(7)

其中，“*”是表示共轭操作。在第二电路级中，一简易解扩展程序可以根据等式(8)，借以执行这个符号序列d及d^的预测。

$\underset{\‾}{\overset{^}{d}}=C^H\underset{\‾}{\overset{^}{s}}$    等式(8)

为有效实施等式(5)，这种算法最好能够进行适当地近似。为达此目的，首先，这个托普利兹(Toeplitz)矩阵H的大小是由(L+W—1)×L延伸为(L_m+W—1)×L_m，随后，这个方形矩阵R_H的大小是由L延伸为L_m，其中，L_m≥(L+W—1)，并且，这些矩阵的带状及托普利兹(Toeplitz)结构维持完整无缺。这个向量r是利用填零方式延伸至长度L_m，若这个向量r的长度是小于L_m。由于其它向量/矩阵的填零方式延伸，这些向量s及n可以有效地自动延伸。这些矩阵及向量H、R_H、s、r、及n的延伸版本可以分别表示为H _E、R_E、s _E、r _E、及n _E。这个延伸矩阵R_E可以表示为：

R_E＝H _E ^H·H _E

这个延伸向量s _E的最后L_m—L个组件可以全部视为零，其是了解如何避免实施误差时的基本组件。利用这些表示法，等式(5)可以表示为等式(9)。

${\underset{\‾}{\overset{^}{s}}}_E={[R_E+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_E^H{\underset{\‾}{r}}_E$   等式(9)

其中，r _E可以表示为：

r _E＝H _E·s _E+n _E

因为等式(9)是等式(5)的延伸版本，因此，若仅需要考量这个延伸向量s _E的最前L个组件时，两者间应该不存在差异。这个延伸矩阵H _E的最后(W—1)列进行切割，借以得到一大小L_m的新方形矩阵，其可以表示为H _S。假设这些矩阵R_Cir及H _Cir是分别表示这些延伸矩阵R_E及H _s的循环副本(circularcounterpart)。经由这些延伸矩阵R_E及H _s，这些循环副本(circularcounterpart)可以表示为等式(10)及等式(11)。

　　　　　　　　　　　　　　　　　　　　　　等式(10)

${\underset{\‾}{H}}_{\mathrm{Cir}}=\left[\begin{array}{cccccccccc}{h}_0& & & & & & & h_{W-1}& \·& h_1\\ h_1& h_0& & & & & & & \·& \·\\ \·& h_1& \·& & & & & & & h_{W-1}\\ h_{W-1}& \·& & \·& & & & & & \\ & h_{W-1}& \·& & \·& & & & & \\ & & \·& \·& & \·& & & & \\ & & & \·& \·& & h_0& & & \\ & & & & \·& \·& h_1& \·& & \\ & & & & & \·& \·& \·& h_0& \\ & & & & & & h_{W-1}& \·& h_1& h_0\end{array}\right]$ 　　等式(11)

其中，这些循环副本(circular counterpart)R_Cir及H _Cir两者均为具有大小L_m的方形矩阵。因为这个延伸向量的最后(L_m—L)个组件为零，因此，下列等式亦成立：r _E＝H _S·s _E+n _E。再者，分别利用R_Cir、H _Cir、及H _S·s _E+n _E取代R_E、H _E ^H、及r_E，则等式(9)将可以表示为等式(12)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{r}}_E$ 　　等式(12)

${[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{H}}_S{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$

假设H _S＝H _Cir—H _Δ(其中，H _Δ是一误差矩阵)，等式(12)可以表示为等式(13)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{R}_{\mathrm{Cir}}{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$ 　　等式(13)

$-{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}y$

其中，y＝H _Cir ^H·H _Δ·s _E是长度Lm的一行向量，并且，这个误差矩阵H _Δ可以表示为等式(14)。

　　等式(14)

这些非零组件是位于最前(W—1)列及最后(W—1)行间的一三角区域。当考量最前L个组件时，若没有第三个组件，等式(13)的功能是非常类似于等式(5)。

接着，这个向量y是进行评鉴。根据这些矩阵H _Cir ^H及H _Δ的结构，这个矩阵X＝H _Cir ^H·H _Δ是一具有大小L_m的方形矩阵，并且，这个方形矩阵的结构可以表示为等式(15)。

$\underset{\‾}{X}=\left[\begin{array}{ccccccccc}& & & & & x& \·\·\·& x& x\\ & & & & & & x& \·& x\\ & & & & & & & \·& \·\\ & & & & & & & & x\\ & & & & & & & & \·\\ & & & & & x& \·\·\·& x& x\\ & & & & & \·& \·& \·& \·\\ & & & & & x& \·\·\·& \·& x\\ & & & & & x& \·\·\·& x& x\end{array}\right]$   等式(15)

这些非零组件，其是表示为”x“，仅仅位于两个区域，亦即：(1)最前(W—1)列及最后(W—1)行间的一三角区域；以及(2)最后(W—1)列及最后(W—1)行间的一方形区域。因为这个延伸向量s _E的最后(L_m—L)个组件是全部为零，因此，y＝H _Cir ^H·H _Δ·s _E＝X·s _E的所有组件是全部为零，若L_m≥(L+W—1)。当L_m≥(L+W—1)时，本发明可以得到等式(16)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{r}}_E$ 　　等式(16)

${[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{R}}_{\mathrm{Cir}}{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$

当仅仅考量最前L个组件时，等式(16)是等式(5)的一理想近似。等式(16)的第一部分称为延伸算法(EA)。同样地，在等式(5)中，当托普利兹(Toeplitz)矩阵利用其循环副本(circulant counterpart)取代、而不直接施加矩阵延伸时，一数据域位的头部及尾部受到利用严重影响。不需要矩阵延伸的实施算法称为截断算法(TA)。利用截断算法(TA)，等式(9)至等式(15)将仍然有效，除了L_m＝L以外。这是基于下列两点理由。首先，在等式(5)中，当这个矩阵H是利用具有大小L的循环矩阵H _Cir取代时，这个接收信号向量r的长度最好能够限定为L。这可能会导致一数据域位尾部数据的多重路径信号遗失。因此，受影响数据的预测将会变得非常不理想。其次，当L_m＝L时，这个向量y是一具有长度L的行向量，其中，最前(W—1)个组件及最后(W—1)个组件是非零组件。因为这个矩阵B_Cir＝R_Cir+σ²I，沿着对角线，是具有带状结构，因此，这个B_Cir的反向矩阵具有大致相同的结构。因此，这个行向量z＝B_Cir ^-1 y的相对大数值是位于最前(W—1)行及最后(W—1)行，并且，这个向量s^的头部及尾部区域预测受影响。在第二个理由中，受影响预测的数目是取决于这个频道响应长度W。当一频道(W)的延迟扩展愈大，受影响预测的数目亦会愈多。

另外，等式(16)给定的实施算法可以延伸以支持超取样。利用超取样，时序误差的效果可以缓和。假设取样速率是M倍芯片速率，本发明可以提供M个接收信号向量，分别表示为r _E ^(m)，其中，m＝1，2，...，M。然而，在各个接收信号向量r _E ^(m)中，两连续取样间的时间间隔却仍然维持于芯片期间。同样地，本发明亦可以提供M组频道响应，分别表示为h ^(m)，其中，m＝1，2，...，M。利用这些频道响应，本发明可以建立总共2M个循环矩阵H_Cir，m及R_Cir，m，其中，m＝1，2，...，M。因此，具有超取样的实施算法可以表示为等式(17)。

${\underset{\‾}{\overset{~}{s}}}_E={\left[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(R_{\mathrm{Cir},m}+\frac{1}{M}{\mathrm{\σ}}_m^{2}I)\right]}^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{H}}_{\mathrm{Cir},m}^H{\underset{\‾}{r}}_E^{\left(m\right)}$    等式(17)

其中，σ_m ²是第m个输入向量r _E ^(m)对应的噪声变异数。

在实施前，首先决定L_m的数值。因为L_m是大于(L+W—1)，L_m可以表示为等式(18)。

L_m＝max{L}+max{W}+ε　　等式(18)

其中，max{.}是表示{.}的最大数值，并且，ε是用以让L_m成为快速傅立叶转换(FFT)实施的一理想长度。举例来说，在通用移动通信系统(UMTS)地表无线存取网络(UTRA)宽频分时双工系统(WTDD)中，max{L}＝1104，并且，max{W}＝114。ε是选择为14，借以让L_m＝1232。利用这个长度，快速傅立叶转换(FFT)是可以利用主要因子算法(PFA)非常有效地执行，因为1232可以分解成1232＝7×11×16。利用复数输入，这个1232点快速傅立叶转换(FFT)需要的实际乘法数目及加法数目是8836及44228。经由等式(18)可知，L_m是取决于特定的系统设计。然而，本发明的实施手段亦可以适用于任何其它分时双工(TDD)系统，诸如：通用移动通信系统(UMTS)窄频分时双工(TDD)系统(TD—SCDMA)。

在下列的说明中，等式(17)的较佳实施程序是可以基于快速傅立叶转换(FFT)长度P等于选择L_m的假设，利用方法步骤进行详细说明。

这个循环矩阵

的第一行g是基于预测的频道响应及噪声功率加以计算，借以得到等式(19)。

$\underset{\‾}{g}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{(R_{0,m}+\frac{1}{M}{\mathrm{\σ}}_m^2,R_{1,m}^{*},...,R_{W-1,m}^{*},0,...,0,R_{W-1,m},...,R_{1,m})}^T$ 　　等式(19)

接着，这个快速傅立叶转换(FFT)域的循环矩阵

进行解压缩，借以得到等式(20)。

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[R_{\mathrm{Cir},m}+\frac{1}{M}{\mathrm{\σ}}_m^{2}I]=D_P^{-1}{\mathrm{\Λ}}_R{D}_P$ 　　　等式(20)

其中，矩阵D_P及D_P ^-1是P点快速傅立叶转换(FFT)矩阵及其反向快速傅立叶转换(IFFT)矩阵，其可以表示为等式(21)。

$D_P\underset{\‾}{x}=\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}x\left(n\right)e^{-j\frac{2\mathrm{\πkn}}{P}}$

$D_P^{-1}\underset{\‾}{x}=\frac{1}{P}\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}x\left(n\right)e^{-j\frac{2\mathrm{\πkn}}{P}}(k=\mathrm{0,1},...,P-1)$ 　　等式(21)

其中，Λ_R是表示一具有大小P的对角矩阵，其对角线是D_P·g。这个对角矩阵Λ_R可以表示为Λ_R＝diag(D_P·g)。另外，这些矩阵D_P ^-1及D_P间的关系则可以表示为 $D_P^{-1}=\left(\frac{1}{P}\right)D_P^{*}.$

在快速傅立叶转换(FFT)域中，这个循环矩阵H _Cir，m进行解压缩，借以得到等式(22)。

${\underset{\‾}{H}}_{\mathrm{Cir},m}=D_P^{-1}{\mathrm{\Λ}}_{H_m}{D}_P$     等式(22)

其中，Λ_Hm是表示一具有大小P的对角矩阵，其对角线是D_P·u _m，并且，这个循环矩阵H _Cir，m的第一行可以表示为u _m＝[h_0，m，h_1，m，...，h_w-1，m，0，...，0]^T。

接着，这个接收信号向量r ^(m)是利用填零方式重建，借以得到具有长度P的延伸信号向量r _E ^(m)。

另外，这个合成扩展信号向量

可以进行计算，借以在快速傅立叶转换(FFT)域中得到等式(23)或等式(24)。

${\underset{\‾}{\overset{~}{s}}}_E={\left[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(R_{\mathrm{Cir},m}+\frac{1}{M}{\mathrm{\σ}}_m^{2}I)\right]}^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{H}}_{\mathrm{Cir},m}^H{\underset{\‾}{r}}_E^{\left(m\right)}=D_P^{-1}{\mathrm{\Λ}}_P^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\Λ}}_{H_m}^{*}{D}_P{\underset{\‾}{r}}_E^{\left(m\right)}$ 　　等式(23)

$D_P{\underset{\‾}{\overset{~}{s}}}_E=[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\left(D_P{\underset{\‾}{u}}_m\right)}^{*}\⊗\left(D_P{\underset{\‾}{r}}_E^{\left(m\right)}\right)]/\left(D_P\underset{\‾}{g}\right)$

$\underset{\‾}{\overset{~}{s}}=D_P^{-1}\left\{D_P{\underset{\‾}{\overset{~}{s}}}_E\right\}$ 　　等式(24)

这些操作数

及“/”是分别表示一个组件接着一个组件执行的向量乘法及除法。这个延伸向量

的最后(P—L)个组件是四舍五入，借以得到另一个具有长度L的向量

接着，这个合成扩展信号向量

进行解扩展，借以得到这个延伸向量

图1是表示一种无线通信网路100的方块图。对于一超取样系统而言，M个取样序列是进行处理r ⁽¹⁾，...，r ^(M)及h ⁽¹⁾，...，h ^(M)。对于一芯片速率取样系统而言，仅有一个取样序列是进行处理r ⁽¹⁾及h ⁽¹⁾。这个无线通信系统100是在输入端点105₁，...，105_M接收这些信号r ⁽¹⁾，...，r ^(M)，以及，在输入端点110₁，...，110_M接收这些信号h ⁽¹⁾，...，h ^(M)。这些接收信号r ⁽¹⁾，...，r ^(M)是利用填零装置115₁，...，115_M(115)将尾部填零，直到各个延伸序列的长度达到L_m。在填零步骤后，这些延伸序列可以表示为r _E ⁽¹⁾，...，r _E ^(M)，其是经由输出端点120₁，...，120_M(120)离开这个填零装置115。这些频道脉冲响应h ⁽¹⁾，...，h ^(M)是利用填零装置125₁，...，125_M(125)将尾部填零，直到各个延伸序列的长度达到L_m。在填零步骤后，这些延伸序列可以表示为u ₁，...，u _M，其是经由输出端点130₁，...，130_M(130)离开这个填零装置125。离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块135₁，...，135_M(135)接收这个填零装置(115)的输出端点(120)、并对这些延伸序列r _E ⁽¹⁾，...，r _E ^(M)执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(r _E ⁽¹⁾)，...，F(r _E ^(M))。离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块140₁，...，140_M(140)是接收这个填零装置(125)的输出端点(130)、并对这些延伸序列u ₁，...，u _M执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(u ₁)，...，F(u _M)。共轭装置145₁，...，145_M(145)是共轭这些傅立叶序列F(u ₁)，...，F(u _M)，借以得到共轭傅立叶序列F(u ₁)^*，...，F(u _M)^*。各个组件的乘法器150₁，...，150_M(150)是相乘这些傅立叶序列F(r _E ⁽¹⁾)，...，F(r _E ^(M))及这些共轭傅立叶序列F(u ₁)^*，...，F(u _M)^*，借以得到F(r _E ⁽¹⁾)·F(u ₁)^*，...，F(r _E ^(M))·F(u _M)^*。

接着，M个取样序列结果是利用加法器175相加。

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left({\underset{\‾}{u}}_m\right)}^{*},$ 其中，m＝1，2，...，M

另外，一频道关连产生器180是利用这些延伸频道响应序列u ₁，...，u _M产生一频道关连向量g。

$\underset{\‾}{g}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{g}}^{\left(m\right)},$ 其中，m＝1，2，...，M

利用—最低均方差(MMSE)算法，一噪声变异数σ²加至向量g ^(m)的第一组件。向量g ^(m)是利用u _m产生。在第m个取样序列中，这些向量g ^(m)的第i个组件是利用下列方式计算，亦即：下移(i—1)个组件以循环这个共轭向量u _m ^*，以及，相乘这个平移向量u _m ^*及这个向量u _m。这些向量g ^(m)的第i个组件可以表示为：

${\underset{\‾}{g}}^{\left(m\right)}\left(i\right)={\underset{\‾}{u}}_{m,(i-1)\mathrm{shifts}}^H{\underset{\‾}{u}}_m$

一离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185是对这个频道关连向量g执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(g)。除法器190是利用这个离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185的输出逐项除以这个加法器的输出，借以得到下列结果。

$\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}$

接着，反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194是对这个除法器190的输出执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到下列结果。

$F^{-1}\left(\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}\right)$

这个反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194的输出是这个合成扩长信号s^的预测。接着，解扩展器198是解扩长这个反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194的输出，借以得到预测数据符号d^-。

请参考图2A、2B及2C，根据本发明较佳实施例，一种执行延伸算法(EA)的程序详细说明如下。

在步骤205中，这个无线通信系统100是在输入端点105接收信号r ⁽¹⁾，以及，在输入端点110接收频道脉冲响应h ⁽¹⁾。

在步骤210中，这个接收信号r ⁽¹⁾的尾部是利用填零装置115填零，直到这个信号序列的长度达到L_m。在填零步骤后，这个延伸序列可以表示为r _E ⁽¹⁾，其是经由输出端点120离开这个填零装置115。

在步骤215中，这个频道脉冲响应h ⁽¹⁾的尾部是利用填零装置125填零，直到这个信号序列的长度达到L_m。在填零步骤后，这个延伸序列可以表示为u ₁，其是经由输出端点130离开这个填零装置125。

在步骤220中，离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块135接收这个填零装置115的输出端点120、并对这个延伸序列r _E ⁽¹⁾执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(r _E ⁽¹⁾)。再者，离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块140接收这个填零装置125的输出端点130、并对这个延伸序列u ₁执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(u ₁)。

在步骤225中，共轭装置145是共轭这个傅立叶序列F(u ₁)，借以得到共轭傅立叶序列F(u ₁)^*。

在步骤230中，各个组件的乘法器150相乘这个傅立叶序列F(r _E ⁽¹⁾)及这个共轭傅立叶转换序列F(u ₁)^*，借以得到F(r _E ⁽¹⁾)·F(u ₁)^*。

在步骤235中，对于具有M个取样序列的超取样系统而言，第二取样序列至第M取样序列是重复执行步骤210至230，借以得到F(r _E ^(m))·F(u _m)^*，其中，m＝1，2，...，M。

在步骤240中，步骤230及235得到的M个取样序列结果是利用加法器175全部相加，借以得到∑_m＝1 ^M[F(r _E ^(m))·F(u _m)^*]，其中，m＝1，2，...，M。

在步骤245中，一频道关连产生器180是利用这些延伸频道响应序列u ₁，...，u _M产生一频道关连向量g，其可以表示为：

g＝∑_m＝1 ^M[g ^(m)]

在步骤250中，一离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185是对这个频道关连向量g执行，借以得到傅立叶序列F(g)。

在步骤255中，除法器190是将步骤240的结果逐项除以步骤250的结果，借以得到下列结果。

$\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}$

在步骤260中，一反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194对步骤255的结果执行反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到下列结果，做为预测合成扩展信号s^

$F^{-1}\left(\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}\right)$

在步骤265中，解扩展器198是解扩展步骤260的输出，借以得到预测数据符号

在仿真中，本发明较佳实施例的模型是基于K＝12，以及，传输码是利用相同传输码功率传输，并且，第二数据域位的本文信号影响完全删除。各个传输码具有一扩展因子(SF＝16)。另外，一数据域位是假设具有总共1104个芯片(宽频分时双工(WTDD)的丛发类型2)。在一宽频分时双工(WTDD)中，因为一时槽具有两数据域位，因此，第一数据域位的最后8个位(4个复数符号)及第二数据域位的最前8个位是分别定义为传输格式组合指针(TFCI—1)及传输格式组合指针(TFCI—2)。接着，本发明是应用两种算法，亦即：截断算法(TA)及延伸算法(EA)。这个传输格式组合指针(TFCI—1)及这个传输格式组合指针(TFCI—2)及所有位的原始位误差率(BER)是同时利用具有芯片速率取样的延伸算法(EA)及截断算法(TA)进行评量。另外，各个信号噪声比(SNR)点是累积1000个时槽。这些仿真是执行于工作群组(WG4)的情况一频道及情况二频道。

图3及图4是在使用延伸算法(EA)及截断算法(TA)时，这个传输格式组合指针(TFCI—1)及这个传输格式组合指针(TFCI—2)在工作群组(WG4)的情况一频道中的效能。如图3所示，延伸算法(EA)及截断算法(TA)间存在一显著效能落差。因为这个传输格式组合指针(TFCI—1)是位于第一数据域位的尾部，因此，使用截断算法(TA)的传输格式组合指针(TFCI—1)的效能降低是基于下列两个理由，亦即：(1)传输格式组合指针(TFCI—1)多重路径信号的遗失；以及(2)托普利兹(Toeplitz)至循环矩阵的取代，因为工作群组(WG4)情况一频道的频道响应长度W是极小(W＝4)。另外，这个结论亦可以经由图4所示的结果确认。因为图4所示的效能是对应于这个传输格式组合指针(TFCI—2)，其是位于第二数据域位的头部，因此，影响截断算法(TA)效能的最可能理由必定是第二点理由，亦即：矩阵取代。经由图4可知，利用延伸算法(EA)及截断算法(TA)的传输格式组合指针(TFCI—2)效能是几乎完全相同。这是暗示：由于工作群组(WG4)情况一频道的极小频道响应长度W，经由矩阵取代而加入这个截断算法(TA)的预测误差是非常有限。举例来说，当频道响应长度W＝4时，第一符号仅有四分之一会因为扩展因子(SF＝16)而受到影响。

图5是表示，当假设延伸算法(EA)及截断算法(TA)时，所有位的原始方块误差率(BER)。相较于延伸算法(EA)，利用截断算法(TA)的所有位的原始方块误差率(BER)遗失是主要导因于各个时槽的传输格式组合指针(TFCI—1)。

图6及图7是表示，当采取延伸算法(EA)及截断算法(TA)时，工作群组(WG4)情况二频道的传输格式组合指针(TFCI—1)及传输格式组合指针(TFCI—2)的效能。情况二频道与情况一频道的差别是存在于较大的延迟扩展(W＝4)及较强功率的多重路径信号。经由图6可知，利用截断算法(TA)的传输格式组合指针(TFCI—1)，由于多重路径信号遗失及矩阵取代，是几乎完全破坏。在图7中，利用截断算法(TA)的传输格式组合指针(TFCI—2)效能是远低于利用延伸算法(EA)的传输格式组合指针(TFCI—2)效能，其是主要导因于矩阵取代。在这种情况中，频道响应长度W＝46，且因此，最前3个符号(6个位)将会受到严重影响。图8是表示在情况二频道中，利用延伸算法(EA)及截断算法(TA)的所有位的原始方块误差率(BER)。

当本发明较佳实施例是利用一截断算法(TA)时，一数据域位的头部及尾部数据是因为下列两点理由而受到严重影响，亦即：因为切割频道响应矩阵至方形矩阵所生的多重路径信号信息遗失，以及，因为取代托普利兹(Toeplitz)矩阵至循环矩阵所生的误差。为克服上述问题，本发明是利用一延伸算法(EA)。这种延伸算法(EA)是可以通过适当延伸矩阵大小的选择而避免实施误差。为实施这种延伸算法(EA)于离散傅立叶转换(DFT)，本发明最好能够提供一种动态长度的延伸算法(EA)，然而，为实施这个延伸算法(EA)于具有主要因子算法(PFA)的快速傅立叶转换(FFT)，本发明最好能够提供一种固定长度的延伸算法(EA)。在这种固定长度的延伸算法(EA)中，通过在一特定范围内选择一适当的主要因子算法(PFA)长度，本发明的计算复杂性可以最小化。利用这种固定长度的延伸算法(EA)，不同数据方块长度(丛发类型)可以利用单一算法支持。另外，这种固定长度的延伸算法(EA)亦可以进一步简化实施，因为单一算法需要一件硬件以进行处理。再者，仿真结果显示：这种延伸算法(EA)的效能远胜于截断算法(TA)的效能，特别是在数据域位的头部及尾部数据。

本发明可以实施成一基地台(BS)或无线传输/接收单元(WTRU)。这里，一无线传输/接收单元(WTRU)可以包括、但不限于一使用者设备(UE)、移动台、固定或移动用户单元、传呼器、或能够操作于一无线环境的任何类型装置。同样地，这里，一基地台(BS)可以包括、但不限于一基地台(BS)、B节点、位置控制器、存取点、或能够操作于一无线环境的其它界面装置。

图9A及9B表示利用延伸算法(EA)数据侦测的接收器实施。请参考图9A，射频(RF)信号是利用一天线300接收。一取样装置305产生一芯片速率接收向量r。一频道预测装置325决定这个接收向量r的一频道脉冲响应h。一单使用者侦测装置310是利用这个接收向量r及这个频道脉冲响应h，借以利用延伸算法(EA)预测数据向量d。这个接收向量r是利用一频道均衡器315，利用这个频道脉冲响应h进行处理，借以得到一扩展向量s。利用传输码C的一解扩展器320解扩展这个扩展向量s，借以预测这个数据向量d。

请参考图9B，射频(RF)信号是利用一天线300接收。一取样装置305利用M倍芯片速率取样这个接收信号，借以产生M个接收向量序列r ₁，...，r _M。一频道预测装置325是决定各个接收向量r ₁，...，r _M的一频道脉冲响应h ₁，...，h _M。一单使用者侦测装置310是利用这些接收向量r ₁，...，r _M及这些频道脉冲响应h ₁，...，h _M，借以利用延伸算法(EA)预测数据向量d。这些接收向量r ₁，...，r _M是利用一频道均衡器315，利用这些频道脉冲响应h ₁，...，h _M进行处理，借以决定一扩展向量s。利用传输码C的一解扩展器320是解扩展这个扩展向量s，借以预测这个数据向量d。

虽然本发明已利用较佳实施例详细说明如上，然而，熟悉本技术领域的人员在不违背本发明精神及范围的前提下，亦可以针对本发明进行各种调整及变动。因此，本发明的保护范围将以下列权利要求为准。

Claims (6)

1.一种无线通信装置，利用超取样以执行一延伸算法，该无线通信装置包括：

一第一输入，其接收一信号r ⁽¹⁾；

一第二输入，其接收一频道脉冲响应h ⁽¹⁾；

第一填零单元，其在所接收的该信号r ⁽¹⁾的尾部填零，直到序列的长度达到Lm长度，以及，输出一第一输出r _E ⁽¹⁾；

一第二填零单元，其在该频道脉冲响应h ⁽¹⁾的尾部填零，直到延伸序列的长度达到Lm长度，并且输出一第二输出u ₁；

一第一处理单元，其在r _E ⁽¹⁾上执行一离散傅立叶转换DFT或快速傅立叶转换FFT，借以得到一傅立叶序列F(r _E ⁽¹⁾)；

一第二处理单元，其在u ₁上执行一离散傅立叶转换DFT或快速傅立叶转换FFT，借以得到一傅立叶序列F(u ₁)；

一共轭单元，其共轭该傅立叶序列F(u ₁)，借以得到一共轭序列F(u ₁)^*；以及

一乘法器，其相乘该傅立叶序列F(r _E ⁽¹⁾)及该共轭序列F(u ₁)^*，借以得到F(r _E ⁽¹⁾).F(u ₁)^*，其中，对于M个取样序列而言，第二取样序列至第M取样序列被同样处理，借以得到F(r _E ^(m))·F(u _m)^*，其中，m＝2，...，M。

2.如权利要求1所述的装置，其特征在于，还包含一加法器，其用以将所有该M个取样序列的结果逐项相加，借以得到：

${\mathrm{\Σ}}_{m=1}^{M}F\left({{\underset{\‾}{r}}_E}^{\left(m\right)}\right)\·F{\left({\underset{\‾}{u}}_m\right)}^{*},$ 其中，m＝1，...，M。

3.如权利要求2所述的装置，其特征在于该装置还配置以：

利用延伸频道响应序列u ₁，...，u _M，产生一频道关连向量g，其中，该频道关连向量 $\underset{\‾}{g}={\mathrm{\Σ}}_{m=1}^M{\underset{\‾}{g}}^{\left(m\right)},$ 其中向量g ^(m)是利用u _m产生；以及

在该频道关连向量g上，执行一离散傅立叶转换DFT或快速傅立叶转换FFT，借以得到一傅立叶序列F(g)。

4.如权利要求1所述的装置，其特征在于，该装置是一无线传输/接收单元。

5.如权利要求1所述的装置，其特征在于，该装置是一基地台。

6.如权利要求1所述的装置，其特征在于，该装置是一接收器。

Images