CN100556011C - 自适应滤波器 - Google Patents

Abstract

本发明涉及滤波器装置和方法，具有用于提供预定选择性的固定方面，以及具有用于确定所述滤波器装置的频率响应的自适应方面。控制自适应方面来改变频率响应。设置滤波器特性的预定零点值来提供预定的滤波器选择性；以及控制至少一个滤波器参数来改变滤波器特性的极点值，以提供频率响应自适应。因此，可以改变滤波器操作的频率响应，同时保持滤波器选择性。从而该滤波器装置能够处理高级的系统需求，同时保持低复杂度和功率消耗。

Description

自适应滤波器

本发明涉及一种用于在通信系统的接收机中进行信道估计的滤波器装置和方法。具体而言，本发明涉及一种诸如通用移动电信系统(UMTS)的宽带码分多址(WCDMA)系统的Rake接收机中可以采用的用于信道估计的自适应滤波器配置。

直接序列CDMA(DS-CDMA)通信系统作为蜂窝和IMT-2000通信系统近期受到相当大的关注，这是因为这种通信系统能够抑制很多种干扰信号，包括窄带干扰、多接入干扰和多径干扰。面对频率选择性衰落，通过使用例如“Spread spectrum access methods for wirelesscommunications”，R.Kohno et al，IEEE Commun.Mag.，Vol.33，pp.58-67，Jan 1995.中所描述的Rake接收机结构获得多径分集，可以增大系统容量。

在无线通信环境中，因为当不同物体变成反射物时衰落信号的局部均值发生显著变化，所以接收信号会经历如多径或小区域范围衰落这样的大的波动，并且对于比波长大得多的距离而言是不稳定的。用于信道估计的自适应方法与复杂度级别相关，使得利用当前技术来实现这些自适应方法花销很大。一般而言，维纳滤波和卡尔曼滤波对于这个问题提供了平稳和非平稳的最佳解决方案。这些方法得到的算法的复杂程度通常高于最简单的解决方案，即具有适合最大多普勒频率的截止频率的非自适应低通滤波器。而且，例如“Consistent Estimationof Rayleigh Fading Channel Scond-Order Statistics in the Context of theWideband CDMA Mode of the UMTS”，J.M.Chaufray et al，IEEETransactions on signal Processing，Vol.12，Dec.2001，和“PerformanceAnalysis of Phasor Estimation Algorithms for a FDD-UMTS RakeReceiver”，Baltersee et al，IEEE，2000.中所描述的，这些方法依赖于信道的统计，必须进行假设和估计。

接收信号的基于线性自回归(AR)的LMS类型算法、移动平均(MA)或组合的ARMA模型，被认为是提供了具有适当复杂度的自适应特征。基本上这些方法利用一个有理函数来近似要被估计的过程的功率谱，以及例如在“Analysis of LMS-Adaptive MLSE Equalizationon Multipath Fading Channels”，M.C.Chiu et at，IEEE Transactions onCommunications，1996.中提出了用于降低复杂度的阶数减小的模型。例如在“The Linear Predictive Estimation in the Rake forMultipath-Fading Channel with White Noise of General Distributions”，Q.Shen et al，IEEE，1994.中给出了当对接收信号进行过采样时使用低阶AR模型的动机。

在完全不同的领域中，关于减小复杂度同时允许一定程度的自适应，我们可以区分出两种可能的途径。在“The Feedback Adaptive LineEnhancer：A Constrained IIR adaptive filter”，J，Chang et al，TEEE，1993中，提出了一种具有约束结构的线性滤波器，即其中不是全部系数是自适应的或者说部分系数是自适应的，用于线增强，即相对于宽带噪声增强窄带信号。在“Adaptive IIR Filter Design for Single SensorApplications”，M.B.Yeary et al，IEEE，2002中，通过考虑自适应抗混叠滤波器环境中所有信号的信号分量和噪声分量的自相关函数的不同特性，实现信号与噪声的分离。

本发明的一个目的是提供一种复杂度降低的信道估计滤波器方案，其能够处理第三代移动通信应用方案。

通过权利要求1中所述的滤波器装置和权利要求7中所述的滤波方法实现了这个目的。

因此，提供的滤波器单元具有用于提供预定选择性的固定部分和用于确定所述滤波器单元的频率响应的自适应部分。控制自适应部分来改变频率响应。在所提出的滤波方法中，设置滤波器特性的预定零点值来提供预定的滤波器选择性；以及控制至少一个滤波器参数来改变滤波器特性的极点值，从而提供频率响应的自适应。因此，可以改变滤波器操作的频率响应，同时保持滤波器选择性。因此该信道估计能够处理高级的系统要求，同时保持低复杂度和功率消耗。

因此，在滤波器的自适应部分是有限的这个意义上来说，定义了一种线性滤波器的约束结构。通过定义能够改变AR的有效性的部分，考虑到了过采样的衰落信道的建模。关于这个方面，参考“The LinearPredictive Estimation in the Rake for Multipath-Fading Channel withWhite Noise of General Distributions”，Q.Shen et al.，1994-IEEE。

另外，尤其是关于表征诸如WCDMA和/或UMTS的三代移动通信环境特性的情况下的功率谱，通过考虑信号和噪声的二阶统计量的不同特性，可以得到该自适应方案。

在诸如UMTS的三代移动通信系统的可预见的典型应用方案中，所提出的自适应滤波器能够以很低的复杂度显著地改善性能。可以将该线性滤波器应用于Rake接收机的每个分支(finger)的解展频的公共导频物理信道(CPICH)。另外，通过改变该滤波器的至少一个极点，可以在自适应期间改变该滤波器的频率响应，但是通过保持零点为常量，可以保持与特定频率对应的该滤波器的选择性。这可用于滤出具有已知频谱的不希望有的分量，即，STTD分量。

可以采用一种滤波器系数调整过程，该过程基于误差函数的二阶统计量的计算。可以为一些应用具体地设计用于调整滤波器系数的方式，在这些应用中必须将过采样的信号与噪声分开，可以认为该噪声是在比信号频带宽得多的频带内的白噪声。

除了信道相量(channel phasor)之外，还允许估计多普勒带宽或多普勒频率、长时间和短时间的信噪比(SNR)，这有利于接收机的其他参数的在线优化。尤其，当滤波器已经到达平衡时，一种依靠观察滤波器的输出和输入的过程可以用于估计信噪比。还可以使用一种迭代过程来细化所估计的SNR，可以根据对于SNR估计的精确度要求来使用该迭代过程。通过平衡条件下的滤波器系数达到的值和SNR估计的值，把它们作为一个预定义查找表的索引，可以导出多普勒带宽估计或等价的速度估计。

滤波器的阶数可以自身适应，对于计算复杂度的限制，可以定义一种解决方案，其中滤波器的阶数的增加不会导致复杂度的任何增加。虽然定义了有关复杂度的灵活结构，要强调的是，在诸如UMTS的三代移动通信应用的情形中，该一阶滤波器能够以降低的复杂度提供显著的改进，在这个意义上来说代表了最好的折衷方案。

然而，根据用于实现所提出的信道估计方案的体系结构，可以选择不同的实现方式。该方案所依靠的统计量的计算可以在预定数量的采样上执行，适当设计的解决方案用于这样一种体系结构，其中该方案的第一部分，例如测量部分实现为硬件，以及第二部分，例如更新的系数、速度和SNR的计算实现为固件。用于更新滤波器系数的仅基于误差函数的符号的更新方案代表了该方法的最低复杂度的形式。

残留频率偏移(FO)可能对所提出的估计方案的性能具有负面影响。因此可以通过常规技术来执行FO估计和/或补偿，并将其集成在所提出的方案中。另外，可以采用组合的多普勒谱/残留FO估计的更加改进的方式。

从属权利要求中定义了进一步有益的改进。

将参考附图并根据优选实施例对本发明进行描述，其中：

图1示出了其中可以应用本发明的相干Rake接收机的示意框图；

图2示出了根据优选实施例的一阶自适应滤波器的示意图；

图3是表示对于不同的速度和噪声功率电平的最佳滤波器参数值的曲线图；

图4示出了根据优选实施例对SNR和/或速度进行估计的过程的示意流程图；

图5示出了根据优选实施例用于改进SNR和/或速度估计的迭代过程的示意流程图；

图6示出了根据优选实施例对滤波器阶数进行自适应的过程的示意流程图；

图7示出了根据优选实施例的复合自适应信道估计方案的示意图；以及

图8是表示在极点迹线上频率偏移和频率偏移补偿的效果的曲线图。

基于例如UMTS网络的移动站(MS)或用户设备(UE)中采用的相干Rake接收机来描述本发明的优选实施例。

图1示出了Rake接收机配置的示意框图，该Rake接收机基于并行导频信道，例如WCDMA公共导频物理信道(CPICH)。接收到的WCDMA专用物理信道(DPCH)信号由第一匹配滤波器10进行解展频，并被分解成多个QPSK(正交相移键控)信号，这些信号沿具有不同延迟的不同路径传播。每个分解的QPSK信号被送入相干Rake合并器30的各个分支。为了基于最大比率合并方法来执行相干Rake合并，利用导频信道信号来获得信道估计。为此，该导频信道信号被送入第二匹配滤波器20，且分解后的导频信号被送入信道估计滤波器40。Rake合并器30的每个分支包括：特定延迟单元32，用于根据分解的QPSK信号的传播延迟来延迟该信号；和乘法单元34，其利用从信道估计滤波器40获得的各个信道估计信号的共轭复数乘以延迟单元32的输出信号。在求和或加法单元36中对每个分支的延迟和相乘后的QPSK信号求和，以得到电平升高的合并输出信号。

根据该优选实施例，信道估计滤波器40被分成两部分，自适应部分和固定部分。信道估计滤波器40的自适应部分可以改变，是递归部分。信道估计滤波器40的固定部分可以由例如非递归FIR(有限脉冲响应)滤波器实现，该固定部分能够抑制“有色噪声”，该有色噪声的特性是先验的，例如UMTS中的STTD分量。

基本上，通过还考虑信噪比(SNR)，信道估计滤波器40的特性可以适应导频信号的多普勒带宽。递归IIR(无限脉冲响应)滤波器可以比FIR滤波器更容易实现频率选择性。因此，该滤波器的自回归(AR)部分被选择为可适应的。所提出的方案依赖于以下假设：

(a)信号被过采样(over-sample)；和

(b)噪声在奈奎斯特带宽内为白噪声。

在用于UMTS的Rake接收机中接收到导频信号采样的情况下这些假设是有效的，通过这些假设，可以得到信道估计滤波器40的约束的滤波器结构，其能够通过例如逐步过程更新滤波器系数来适应信号带宽。

在适应带宽的同时，该过程还能够提供对于多普勒带宽、和/或速度和/或信噪比(SNR)、以及系统其他部分中可用信息的估计。所提出的解决方案可以灵活地任意结合关于滤波器阶数的自适应性的标准。

下文中，说明导出以上过程的方法。具体而言，对自适应标准、提取速度和/或SNR信息的方法、以及可获得阶数自适应的方法进行说明。

以下，考虑具有m个极点和q个零点的约束线性滤波器，其具有以下形式：

$y_{n+k-1}=\underset{i=1,m}{\mathrm{\Σ}}{\mathrm{\α}}_i\·y_{n-i}+(1-\underset{i=1,m}{\mathrm{\Σ}}{\mathrm{\α}}_i)\·{\stackrel{\‾}{x}}_{n-1}---\left(1\right)$

其中：

x_n-1＝(h_F*x)_n-1    (2)

为输入x_i的FIR滤波后的形式，q为FIR脉冲响应的长度。这种方式定义的滤波器具有约束结构，因为该滤波器传递函数的分子的系数依赖于分母中的系数呈现的值。可以选择{α_i}的值以最小化以下误差：

E＝<(y_j-x_j)²>＝Min    (3)

这里，平均值被扩展到可以认为输入平稳的区间，j定义了该滤波器的输入和输出的时间相关性。通过使相对于{α_i}的一阶微分等于零，可以到以下条件：

$\frac{\mathrm{dE}}{d{\mathrm{\&alpha;}}_i}=<(y_j-x_j)\&CenterDot;(y_{j-(k-1)-i}-{\stackrel{\&OverBar;}{x}}_{j-1})>=0---\left(4\right)$

i＝1，m

假设信号x是带宽小于奈奎斯特带宽的带限信号与白噪声的线性叠加，可以看到，通过考虑用于更新系数α_i值的以下系统，至少到该滤波器的递归部分的若干阶m和若干预测长度k为止，可以最佳地逐步获得该问题的解：

${\mathrm{\&alpha;}}_i(j+1)={\mathrm{\&alpha;}}_i\left(j\right)-\mathrm{\&delta;}\&CenterDot;\frac{{\stackrel{\&OverBar;}{\mathrm{\&phi;}}}_E(i+k-1)}{{\mathrm{\&phi;}}_E\left(0\right)}---\left(5\right)$

i＝1，m

其中：

φ_E(n)＝<(y_j-x_j)·(y_j-n-x_j-k)>

φ_E(0)＝<(y_j-x_j)²>

并且δ为与该算法的稳定性和收敛速度有关的系数。

作为式(5)的下一次应用的结果，{α_i}的值随时间改变，所以必须采用关于极点的条件来保持滤波器的稳定性，如后面对于一阶滤波器和二阶滤波器的描述。

而且，当考虑高于一阶的滤波器时，可以考虑不同极点之间的约束来减小复杂度。

图2示出了具有一个极点和预测长度等于1的数字滤波器的功能框图，该数字滤波器作为为一个可能的UMTS应用适当设计的信道估计滤波器40的一个例子，还是一种具有低复杂度的解决方案。

现在采用图2表示的以下结构作为图1的信道估计滤波器40：

y_n＝α·y_n-1+(1-α)·x_n-1    (6)

其中：

y_n为时刻n的输出；

x_n为输入序列的滤波后的形式，即：

x＝h_F*x

其中，h_F是代表作为该滤波器固定部分的低通滤波器的脉冲响应。一种可能的解决方案是使用移动平均滤波器，来确保噪声和STTD抑制，例如，所有系数都等于1/4的长度为4的FIR滤波器代表该类型的很简单的解决方案。

在使式(3)的均方误差表达式最小的约束条件下，对于给定的h_F，可以导出以下用于适应α值的方程：

$\mathrm{\&alpha;}\left(n\right)=\mathrm{\&alpha;}(n-1)-\mathrm{\&delta;}\&CenterDot;\frac{{\stackrel{\&OverBar;}{\mathrm{\&phi;}}}_E\left(1\right)}{{\mathrm{\&phi;}}_E\left(0\right)}---\left(7\right)$

其中：

φ_E(1)＝<(y_j-x_j)·(y_j-1-x_j-1)>

φ_E(0)＝<(y_j-x_j)²>

这里，通过使1＞α_i(n)＞0，

来确保该滤波器的稳定性。

向功能相关单元48提供式(7)中所需的值，由该单元48确定滤波器参数α。该相关单元48中的相关过程依赖于一些参数，如用于计算均值的长度和与该滤波器的收敛速度有关并与平衡条件下的平均误差有关的δ。以下还参考该定点应用来说明这些方面。

下文中，将说明速度和/或SNR估计的过程。

还参考图2的一个极点的滤波器，在平衡条件下该极点呈现的值依赖于信号带宽和信噪比。在无线应用中，信号带宽依赖于移动站相对于基站的速度。以下描述可以导出这种依赖关系的方法。如果P(f)为信号的功率谱，H(f)为线性滤波器的传递函数，则对该信号进行滤波所引入的失真可以表示为：

$D=\underset{2f_N}{\&Integral;}P\left(f\right)\mathrm{df}-\underset{2f_N}{\&Integral;}{\left|H\left(f\right)\right|}^2\&CenterDot;P\left(f\right)\mathrm{df}---\left(8\right)$

式(8)表示在该信号上引入的失真等于原始信号功率减去滤波后信号的功率。2·f_N是奈奎斯特带宽，总是大于信号带宽，基于最初的假设，式(8)中的有效积分限制依赖于信号带宽，即依赖于多普勒谱。

信道估计滤波器40的输出中存在的其他噪声项是未滤出的白噪声分量。令N为该噪声项的功率，则可以得到：

$N=\underset{2f_N}{\&Integral;}{\left|H\left(f\right)\right|}^2\&CenterDot;{\mathrm{\&sigma;}}_N^2\&CenterDot;\mathrm{df}---\left(9\right)$

其中δ_N ²为该噪声的功率谱密度，在白噪声假设条件下在带宽内为常量。

最佳的极点值使得：

N+D＝Min    (10)

对于该滤波器的给定传递函数和给定的输入功率谱，通常可以数值地解出该方程。利用式(10)，可以获得使得式(10)中的表达式最小的α值。

图3表示对于不同的速度v和噪声功率电平N，α的最佳值。图3中的曲线与方程(6)给出的滤波器相关，其中h_F表示在长度4上的移动平均。从而图3给出了α的最佳值，α作为信噪比和多普勒带宽(或等价的速度)的函数。

图4示出了用于速度估计的过程的流程图，该过程不包含任何谱测量。在步骤101，确定平衡条件下α的值；然后在步骤102，估计SNR；最后在步骤103，根据图3所示的函数依赖性来估计速度。

注意，已知α作为多普勒带宽和SNR的函数，可能出现曲线反转的问题。参考图3，SNR/速度平面中α等于零的区域证明了这个问题。这个问题可以这样解决：使用不同的滤波器导出速度和SNR，并使用一个函数将该滤波器的最佳α映射到用于对信道相量进行滤波的有效滤波器的α。具体而言，为此可以使用纯IIR滤波器。

以下方法可用于图4的步骤102中对SNR的确定和估计。理想情况下，滤波器只滤出噪声。这说明，如果x为滤波器的输入，y为滤波器的输出，则具有的谱分量在滤波器带宽之外的噪声的功率为：

<(x-y)²>＝<n²>＝N₀    (11)

其中x为滤波器的输入，y为一般时刻的输出。

整个奈奎斯特带宽内的噪声可以从N₀导出：

${\mathrm{\&sigma;}}_N^2=\frac{<n^2>}{2\&CenterDot;f_N-\underset{2f_N}{\&Integral;}{\left|H\left(f\right)\right|}^2\mathrm{df}}---\left(12\right)$

方程(12)提供了提取噪声估计的方法。根据该方程，通过使用输入信号和假设信号与噪声不相关得到信号功率，如下：

${\mathrm{\&sigma;}}_S^2=<x^2>-{\mathrm{\&sigma;}}_N^2---\left(13\right)$

由下式给出SNR：

$\mathrm{SNR}=\frac{{\mathrm{\&sigma;}}_S^2}{{\mathrm{\&sigma;}}_N^2}---\left(14\right)$

注意这是长时间的SNR。瞬时SNR可以由下式导出：

${\mathrm{SNR}}_j=\frac{y_j^2}{{\mathrm{\&sigma;}}_N^2}---\left(15\right)$

其中，y_j ²是时刻j的滤波器输出。

从方程(12)可以看出，分母中具有奈奎斯特频率。这说明，使用输入信号的不同子采样拷贝，可以通过结合不同的独立测量来改进噪声估计。

表1

表1给出了速度的实际值和估计值，其中采样速率对应于奈奎斯特频率，信号对应于解扰频/解展频后的连续导频信号。用于均值计算的导频符号数量是4000，对应于30帧*1/采样速率。根据后2000个采样得到该均值，同时所有情况下平均SNR约为2dB。

表2

如表2中所示，尤其在低速度情况下，通过考虑信号的下采样(downsample)形式来改进速度估计。对于低速度的情况，信号只占据奈奎斯特带宽的一小部分，所以具有很窄的带宽。通过降低奈奎斯特带宽，即通过下采样，信号所占据的带宽部分变大，并且可以根据α更好地求解出不同的速度值。

通常，噪声功率和SNR估计的精确性与速度在相同范围内。所以，图4中所示的速度和/或SNR估计的基本过程可以按照以下方式实现。在步骤101中确定平衡条件下系数α的值后，在步骤102中根据方程(11)、(12)和(13)估计SNR。最后，在步骤103中，将α的值和估计出的SNR作为输入，根据图3所示的函数依赖性导出速度。

可以如下进一步改进该估计过程。实际上，方程(12)中给出的表达式是仅被调谐至多普勒带宽的理想低通滤波器的滤波器带外噪声功率。在实际情况中，滤波器传递函数没有台阶形状。这说明即使当最佳地调节该滤波器以最小化整体失真时，也存在被滤出的残留信号功率。这可以表示如下：

<(x-y)²>＝N₀+S₀    (16)

其中S₀表示被滤波器滤出的信号功率。可以认为这部分功率是全部信号功率的一小部分，并且对于每个多普勒速度和SNR，它可以被确定为：

$S_0(f_d,\frac{S}{N})=\underset{2f_N}{\&Integral;}P\left(f\right)\mathrm{df}-\underset{2f_N}{\&Integral;}{\left|H_{\mathrm{opt}}\left(f\right)\right|}^2\&CenterDot;P\left(f\right)\mathrm{df}---\left(17\right)$

其中：

$\frac{S_0(f_d,\frac{S}{N})}{S}=F_s(f_d,\frac{S}{N})---\left(18\right)$

给出了该最佳滤波器对信号的整形因数。

该滤波器整形因数可以表示为仅为多普勒频率的函数，如下：

$F_s(f_d,\frac{S}{N})=\underset{2f_N}{\&Integral;}\stackrel{\&OverBar;}{P}\left(f\right)(1-{\left|H_{\mathrm{opt}}\left(f\right)\right|}^2)\mathrm{df}$

其中：

$\stackrel{\&OverBar;}{P}\left(f\right)=\frac{1}{\sqrt{{\mathrm{\&pi;}}^2(f^2-f_d^2)}}$ 在我们的应用中通常被假定为信号的功率谱。

滤波器带宽之外的噪声功率可以表示为：

$N_0=<{(x-y)}^2>-S_0=<{(x-y)}^2>-{\mathrm{\&delta;}}_S^2\&CenterDot;F_s(f_d,\frac{S}{N})---\left(19\right)$

奈奎斯特带宽内的全部噪声功率可以表示为：

${\mathrm{\&sigma;}}_N^2=\frac{N_0}{2\&CenterDot;f_N-\underset{2f_N}{\&Integral;}{\left|H\left(f\right)\right|}^2\mathrm{dt}}=N_0\&CenterDot;F_N(f_d,\frac{S}{N})---\left(20\right)$

这里，我们引入了用于噪声的等效滤波器整形因数。

最后我们可以得到两个方程：

${\mathrm{\&sigma;}}_N^2=(<{(x-y)}^2>-F_S\&CenterDot;{\mathrm{\&sigma;}}_S^2)\&CenterDot;F_N$ (21)

${\mathrm{\&sigma;}}_S^2=<x^2>-{\mathrm{\&sigma;}}_N^2$

图5示出了用于细化SNR和多普勒带宽或速度估计的迭代过程的流程图。在步骤201中，利用方程(11)和(13)确定第一组功率值σ_S ²，σ_N ²。然后在步骤202中，对于给定的α，根据图3中给出的表或关系导出多普勒频率。在步骤203中，确定滤波器整形因数

根据该滤波器整形因数，在步骤204中利用方程(21)导出新的功率值σ_S ²，σ_N ²。然后在步骤202重新开始该过程。

注意，该过程的实际应用中需要对用于

的两个表进行计算和/或存储。

由图2中的相关单元48执行的由方程(5)表示的相关过程可以基于预定长度。通过使用与用于计算平均值的一个时隙对应的长度，可以获得浮点结果。在UMTS中，一帧对应于10ms的时间间隔，包括15个时隙。一个时隙中包含的导频符号的数量为10个，其转化成20个标量值。

关于该方法的实现，一种可能的方法是基于这些量的瞬时值(非标准化的误差)：

C(n)＝(y_n-x′_n)·(y_n-1-x_n-1)    (22)

尤其，可以引入逐步的过程，其中在非标准化误差的瞬时采样上执行极点更新：

α_n＝α_n-1-δ_n·C(n)    (23)

为了进一步降低复杂度，可以考虑“sign”工具。这种情况下，用于极点更新的方程将具有如下形式：

α_n＝α_n-1-δ_n·sign(C_S(n))    (24)

注意，α_n的精度不必须是滤波器中有效使用的系数的精度。例如，10比特精度可以用于极点，极点值按照方程(24)所示被更新，而3比特精度可以用于滤波器中的实现。与非自适应滤波器相比，所获得的结果仍然表现出相当大的改进。

在完全以硬件实现该优选实施例的情况中，可以使用这种逐步实现方式。

下文中，描述对滤波器阶数进行自适应的过程。

对于两个极点的滤波器，可以使用类似方程(5)的两个方程来更新该滤波器系数。那么这种滤波器需要的复杂度加倍。所提出的具体过程允许提高滤波器阶数，而不提高复杂度。

对于窄多普勒带宽和/或低SNR的情况，在使用一个极点的滤波器中，该极点呈现接近1的值。那么，该极点能够达到的最大值可以固定，并且可以定义以下策略。当极点达到预定值时，该第一极点的值将保持恒定并等于最大值，并对第二个极点执行自适应。这样，滤波器的极点个数从一个变成两个。则该滤波器的方程为：

y_n＝α₁·y_n-1+α₂·y_n-2+(1-α₁-α₂)·x_n-1    (25)

可以看出，p₁，p₂为两个极点，k定义为：

p₂＝k·p₁

其中：

0≤k≤1

p₁＝z

(z为固定值，小于1的正值)

可以导出以下方程来更新k：

$k_n=k_{n-1}-\mathrm{\&delta;}\&CenterDot;\frac{{\stackrel{\&OverBar;}{\mathrm{\&phi;}}}_k\left(1\right)}{{\mathrm{\&phi;}}_k\left(0\right)}---\left(26\right)$

其中：

${\stackrel{\&OverBar;}{\mathrm{\&phi;}}}_k\left(1\right)=<(y_n-{\stackrel{\&OverBar;}{x}}_n)\&CenterDot;(p_1\&CenterDot;(y_{n-1}-{\stackrel{\&OverBar;}{x}}_{n-1})-p_1^2\&CenterDot;(y_{n-2}-{\stackrel{\&OverBar;}{x}}_{n-1})>---\left(27\right)$

可以使用最后一个方程迭代地确定第二个极点，其复杂度与一个极点的滤波器相当。注意，可以迭代地应用该过程引入多个极点，并且也可以在两个方向上执行滤波器阶数的自适应，这是因为如果我们正在操作两个极点的滤波器并且第二个极点会呈现很接近0的值，则我们可以利用一个极点开始操作。

图6是表示用于对滤波器阶数进行自适应的概要过程的示意流程图。在步骤300中，该过程开始形成一阶滤波器。然后在步骤301，依照方程(7)更新滤波器系数。在步骤302，检查是否α＞1-β，其中β为接近0的参数。如果判断为肯定的，则根据以下关系，在步骤303中将该滤波器的方程变成方程(25)所示的两个极点形式：

p₁＝1-β

p₂＝k·p₁

α₁＝p₁+p₂

α₂＝p₁·p₂

然后在步骤304中，依照式(26)和(27)确定下一个k值。

如果步骤302中的检查结果是否定的，则该过程返回到步骤301，并再次更新系数。

在步骤305，检查是否k≤λ，其中λ为接近0的参数，k为预定长度k上的均值。如果判断为肯定的，则在步骤306中根据方程(6)中给出的预定结构重新开始该滤波器的自适应，该过程返回到步骤301，并依照方程(7)再次对滤波器系数进行自适应或更新。

现在描述一种可选的对于残留频率偏移的缓和。残留频率偏移(FO)，即采用该信道估计滤波器的接收机单元中的本地振荡器的频率与载波频率之间的差值，在估计信道相量中的残留误差方面和速度估计方面，都对该优选实施例的性能具有负面影响。这是由于残留频率偏移增加了接收信号的带宽，具有两个影响：首先，即使接收滤波器的带宽经过自适应，较大的带宽转化为在信道估计滤波器的输出中更多的噪声；其次，该带宽不能与最大多普勒谱发生关系，从而不与速度有关。总之，用于接收信号的频率扩展估计的方法给出了由于频率偏移和多普勒扩展导致的接收信号改变量的测量。

在第一个例子中，通过采用本地补偿环路，将该本地补偿环路在信道估计滤波器40之前应用于接收的解展频的导频信号，可以减轻由频率偏移引起的损失。

图7示出了自适应信道估计和前馈频率偏移估计/补偿的复合方案的示意框图。根据该解决方案，将前馈技术用于频率偏移补偿。这说明在长度为T1的间隔期间，对于图1的Rake接收机30的每个分支，在频率偏移估计单元42中从解展频的公共CPICH导频中提取出频率偏移的估计。将该估计值送入频率偏移补偿单元44，用于补偿长度为T2的下一个周期的频率偏移。然后将该补偿后的导频信号送入信道估计滤波器40。可以周期性地进行频率偏移的估计或测量，以适应本地振荡器的频率漂移或例如由于切换过程导致的发送载波的变化。

注意，可以使用传统技术执行频率偏移估计。具体而言，对于解展频的公共导频信号，可以使用基于连续QPSK符号的相位差分检测的技术。图8是表示在依赖于CPICH采样数量的极点迹线上频率偏移和频率偏移补偿的效果的曲线图。该图与速度v＝3km/h的传播情况有关。在30Hz残留频率偏移(FO)和无补偿(nc)情况下，极点值小于无残留频率偏移(NFO)的情况。这是由于接收信号的带宽扩展造成的。如果按照图7给出的方案执行频率偏移的补偿(c)，则极点迹线与无频率偏移(NFO)情况下的极点迹线十分接近。因此，可以减轻频率偏移的影响并改进滤波器性能。

还要注意，本申请不局限于上述具体实施例，而是可以用在基于滤波器过程的任何单元或过程中。尤其，所描述的自适应信道估计方案的各个单元可以通过硬件电路实现，或者可以通过控制信号处理设备的软件程序实现，或者通过两者的结合实现。在使用一阶滤波器的情况下，滤波器和自适应规则的定义还包括用于从滤波器的极点达到的值导出输入信号特征的过程，如信噪比和多普勒扩展。还应注意，上述过程的应用领域比优选实施例中的应用领域宽，即比用于UMTS的信道估计的领域要宽。实际上，在必须从噪声中滤出窄带信号并且第5页的假设(a)和(b)成立的任何情况中，通过在这种更一般的情况中提供用于估计信号带宽和信噪比的装置，都可以应用本发明。

Claims (14)

1.一种滤波器装置(40)，包括：

-滤波器模块，该滤波器模块具有用于提供预定选择性的固定部分，并具有用于确定所述滤波器模块的频率响应的自适应部分；以及

-控制模块(48)，用于控制所述自适应部分来改变所述频率响应，

其中所述控制模块(48)适用于基于误差函数的二阶统计量来施加滤波器系数调整过程。

2.根据权利要求1所述的装置，其中在通信系统的接收机(30)中采用所述装置来进行信道估计。

3.根据权利要求1所述的装置，其中所述滤波器模块适用于对无线通信系统的公共导频信道施加滤波操作。

4.根据权利要求2所述的装置，其中所述滤波器模块适用于对无线通信系统的公共导频信道施加滤波操作。

5.根据权利要求1～4中任一项所述的装置，其中所述控制模块(48)适用于通过改变所述滤波器模块的至少一个极点同时保持零点为常量，来改变所述频率响应。

6.根据权利要求1～4中任一项所述的装置，还包括频率偏移估计模块(42)，用于估计提供给所述滤波器模块的信号中的频率偏移。

7.根据权利要求6所述的装置，还包括频率偏移补偿模块(44)，用于基于所述频率偏移估计模块(42)的输出信号来补偿所述信号中的所述频率偏移。

8.根据权利要求5所述的装置，还包括频率偏移估计模块(42)，用于估计提供给所述滤波器模块的信号中的频率偏移。

9.根据权利要求8所述的装置，还包括频率偏移补偿模块(44)，用于基于所述频率偏移估计模块(42)的输出信号来补偿所述信号中的所述频率偏移。

10.一种滤波方法，包括步骤：

(a)设置滤波器特性的预定零点值，以提供预定的滤波器选择性；

(b)控制滤波器参数来改变所述滤波器特性的极点值，从而提供频率响应自适应；以及

(c)估计步骤，用于基于由滤波器输入和输出提取的统计量来估计信噪比。

11.根据权利要求10所述的方法，其中根据滤波器系数在平衡条件下达到的值和所述估计的信噪比来导出信号带宽估计。

12.根据权利要求10所述的方法，其中所述估计步骤包括基于滤波器整形因数的确定而进行的迭代细化过程。

13.根据权利要求11所述的方法，其中所述估计步骤包括基于滤波器整形因数的确定而进行的迭代细化过程。

14.根据权利要求10～13中任一项所述的方法，还包括自适应步骤，用于基于确定的滤波器系数的值来增加滤波器阶数。

Images