CN100576732C - 用于在多输入多输出通信系统中执行联合均衡的设备和相关方法 - Google Patents

Abstract

用于对在多输入多输出通信系统的操作期间接收的接收数据矢量执行联合均衡的设备及相关的方法。在多输入多输出通信系统的接收站的联合均衡器上执行限幅操作，该限幅操作可选择地被实现为组限幅操作、去耦合限幅操作和连续限幅操作。一旦被联合均衡，则均衡过的数据矢量被提供给联合解码器。

Description

用于在多输入多输出通信系统中执行联合均衡的设备和相关方法

本发明总体上涉及一种恢复在多输入，多输出(MIMO)通信系统操作期间传送的数据的信息内容的方法。更具体而言，本发明涉及对接收到的数据矢量执行联合均衡的设备和相关的方法，所述数据矢量在MIMO系统的接收站处接收。对接收到的数据矢量的码元之间的平行转移(parallel transition)执行限幅(slicing)操作，在所述接收到的数据矢量上执行联合均衡。相对于传统的联合均衡过程，减少了执行联合均衡所需的计算复杂度，并且计算所需的复杂度水平允许利用现有技术水平的处理设备来实现联合均衡。

发明背景

通信系统在发送站和接收站之间提供数据通信。在发送站和接收站之间通过互相连接这些站的通信信道来传递数据。源于发送站的数据被转换为允许在通信信道上通信的形式。并且，一旦被传送到接收站，就对传送的数据执行恢复操作以恢复在其中的信息内容。无线通信系统是一种示范性的通信系统。在无线通信系统中定义的通信信道是在其中可操作的发送站和接收站之间延伸的无线链路上定义的。

因为利用无线信道在发送和接收站之间传送数据，因而避免了其它情况下对安装固定的有线连接以相连发送和接收站的需求，也避免了对定义在其上的通信信道的需求。因此，与安装无线通信系统有关的基础设施成本通常小于安装有线通信系统的基础设施所需要的相应的基础设施成本。并且，可以为在无线通信系统中可操作的通信站提供移动性，从而允许实现移动通信。

蜂窝通信系统是一种无线通信系统。世界上大部分有人居住的部分都已经安装了蜂窝通信系统。蜂窝通信系统已经被建立以按照各种操作规范中的任何操作规范进行操作。

蜂窝通信系统包括安装于通信系统要包围的整个地理区域的网络基础设施。网络基础设施典型地包括许多被称为基站收发信台的固定站址的无线收发机，其位于地理区域的空间上分离的位置。每一个基站收发信台定义了被称为小区的一个地区，蜂窝通信系统因这些小区而得名。

用户站，通常称为移动站，位于各个基站收发信台能够与其通信的邻近区域内，从而允许实现移动站与基站收发信台之间的数据通信。通常，通过购买业务预订(其是针对通信系统业务的)来允许移动站用户接入通信系统，以通过该系统进行通信。

在移动站与基站收发信台之间延伸的无线链路上定义的无线通信信道通常显示出非理想的通信状态。在其他类型的无线通信系统中定义的无线通信信道，以及在其他类型的通信系统中定义的通信信道也通常显示出非理想的通信状态。由于非理想的信道情况，在这样的通信信道上面传递的数据会失真。如果失真显著，则在接收站不能精确地恢复所传送数据的信息内容。

在传送数据上引入的失真的显著作用是由于数据的多径传输造成的衰落情况引起。在数据在无线或其他通信信道上传递期间，衰落可以改变数据的信息承载比特的值。可以利用各种技术来补偿在数据通信期间数据上引入的失真，从而便于恢复所传送的数据的信息内容。

通常，尽管在通信信道上显示出衰落，但在通信信道上传递的数据的冗余度的增加增大了可以恢复的数据信息内容的似然性。

例如有时利用编码技术以在数据中引入时间冗余。时间冗余的引入有时称为产生时间分集。

有时也利用空间的冗余。空间的冗余，有时称为空间分集，通常指在发送站利用超过一个的发射天线换能器，从该发送站通过分离的物理通路发送数据到接收站。在一个路径上显示出的衰落很可能不会在另一个路径上显示出来。而且，接收站有时也利用一个以上的天线换能器，在天线换能器中检测到传递的数据并将其转换成电形式。

在其中利用多个发射天线和多个接收天线的通信系统有时称为MIMO(多输入，多输出)通信系统。在MIMO通信系统中，可以在多个发射天线中的不同天线上发射独立的数据流。在MIMO系统中通信不仅提供在非理想的信道上的改进通信，而且一般地，相应于发射天线数目的增加，允许增加在这样的通信系统中的数据吞吐量比率。即，潜在的数据吞吐量增加与使用的发射天线的数目线性地相关。并且，为实现通过使用MIMO系统允许的潜在的数据吞吐量增加，接收站必须在存在使数据失真的干扰的情况下也能够可靠地检测发送站传送的每一个单独的数据流，该干扰是由码间干扰(IFI)和其他数据流引起干扰造成的。

优选地，接收站在多个数据流上执行联合检测。然而，依照联合检测而要求执行的均衡操作的复杂性随着发射天线的数目以及也随着信道存储器的长度呈指数级增加。均衡操作的复杂性变得如此显著以至于一般地在很多应用中限制了联合检测的实际应用。

由于通过使用采用联合均衡的联合检测促进了在多输入多输出通信系统的接收站处被传送数据的信息内容的恢复，所以任何便于在接收站的联合均衡的方式可能都是有利的。并且，更特别地，任何允许在减小的计算复杂度水平上执行联合均衡的操作方式都可能是有利的。

正是鉴于这些与MIMO通信系统中的通信相关的背景信息，才引出了本发明的显著改进。

发明概述

因此本发明有利地提供了恢复在MIMO(多输入，多输出)通信系统操作期间传递的数据的信息内容的设备和相关的方法。

通过本发明实施例的操作，提供了对在MIMO系统接收站接收到的接收数据矢量执行联合均衡的方法。

对接收到的数据矢量的码元之间的平行转移执行限幅操作，在所述接收到的数据矢量上执行联合均衡。相对于传统的联合均衡过程减少了执行联合均衡过程所需的计算复杂度，并且减少了执行联合均衡所需的计算复杂度的水平。

本发明的一个方面中，通过把前置滤波器/基于集合划分(setpartitioning-based)的约化态(reduced state)均衡器结构的从一个更传统的SISO(单输入，单输出)接收站扩展成MIMO联合接收站，来实现减少接收站在接收数据流上执行联合均衡操作所需的计算复杂度。

本发明的另一个方面中，为MIMO系统提供了联合均衡。联合均衡是由基于集合划分的、约化态均衡过程组成的。以减少了的复杂度水平提供联合均衡，并且通过传统的、现有技术水平的处理设备可实现联合均衡。

本发明的再一个方面中，对接收数据矢量的码元的平行转移执行依照联合均衡操作而执行的限幅操作。对平行转移执行最优的、以及次优型的限幅操作，以实现执行数据的联合均衡的低复杂性方式。依照本发明实施例的操作使用的优选限幅过程允许以小于依照简单的强力(brute-force)搜索过程所需的复杂度水平来执行联合均衡。在本发明的另一个实施例的操作中，利用次优限幅过程来执行联合均衡，仅仅要求更加减少的计算量来执行这样的操作。在一个实现中，在接收站检测到的数据流的码元上执行去耦限幅过程。并且，在另一个实现中，执行一个连续的限幅过程。这样的过程都允许明显减少执行检测的数据流的联合均衡所需的计算复杂度。

在一个实现中，为接收站，例如在蜂窝移动通信系统中操作的移动站，提供联合均衡。蜂窝无线通信系统形成了一个MIMO(多输入，多输出)通信系统，在基站收发信台具有M个发射天线，并且在接收站具有N个接收天线。分立的接收天线转换成为电表示在各个接收天线上检测到的接收数据流的电形式。首先向联合MIMO前馈滤波器提供电表示。并且，向联合均衡器提供分离的前馈滤波的数据流。在联合均衡器处执行联合均衡操作。在联合均衡过程期间，或者以最优方式，或以次优方式执行限幅操作，以允许联合执行数据流的均衡，但是以相对于传统的计算所需的显著地减小的复杂度水平执行。

因此，在这些及其他方面，为多输入、多输出通信系统提供了设备以及相关方法。该通信系统具有一个接收站，用于接收在通信信道上发送到接收站的第一接收数据矢量和至少一个第二接收数据矢量。促进了第一和至少第二接收数据矢量值的联合检测。一旦在接收站被接收后，联合均衡器被耦合以接收第一和至少第二接收数据矢量的指示(indication)。联合均衡器形成了第一均衡数据矢量和至少一个第二均衡数据矢量。第一和至少第二均衡数据矢量分别由均衡码元形成。依照对在第一个和至少第二接收数据矢量的指示的连续码元的连续码元的平行转移执行的限幅操作来产生均衡码元。

可以从下列简要概述的附图，本发明的现有优选实施例的说明，以及所附的权利要求中获得本发明及其范围更完整的理解。

附图说明

图1说明了其中可操作本发明的实施例的示范性MIMO(多输入，多输出)通信系统的功能框图。

图2说明了按照示范性的实现在图1所示的通信系统中利用的调制方案的一个集合划分树的表示。

图3说明了码元之间的可能的平行转移的网格结构，这些码元是在图1所示的利用图2所示调制方案的通信系统操作期间产生的。

图4说明了图3所示的网格结构中显示的一对节点，在此处显示了在其间可能的平行转移。

图5说明了按照本发明实施例的操作定义的码元集合的码元星座(constellation)的表示。

图6说明了列出本发明实施例的方法的操作方法的方法流程图。

具体实施方式

首先参照图1，一个MIMO(多输入，多输出)通信系统，总地以10表示，提供了用于在分立位置的通信站之间的数据通信。此处，MIMO通信系统形成了一个先进一代的蜂窝通信系统。例如通信系统代表了按照GSM/GPRS/EGPRS(全球移动通信系统/通用包无线业务/增强型通用分组无线业务)通信标准构建的蜂窝通信系统。

通信系统10也代表了其它类型的MIMO通信系统，包括按照其他通信标准构建的蜂窝通信系统。例如，该通信系统还代表了按照WCDMA(宽带，码分，多址)通信标准构建的蜂窝通信系统。

此处所示的通信系统10包括了一个能够与移动站12(在此也称为接收机)所代表的移动站收发数据的网络部分。该网络部分包括多个固定站址的基站收发信台(其由基站收发信台(BTS)14表示)。数据通信是在基站收发信台和移动站之间通过无线链路16来实现的。在无线链路上定义前向链路信道，在其上从基站收发信台向移动站传递数据。而且，在无线链路上定义反向链路信道，以从移动站向基站收发信台延伸，并在此信道上从移动站向基站收发信台传送数据。虽然下列说明应该描述通信系统在前向链路信道上的操作，即，基站收发信台向移动站传递数据的操作，但是也可以相对于从移动站到基站收发信台的反向链路信道上的通信来实现和描述本发明的一个实施例。

在这里，基站收发信台14包括M个发射天线18。并且，移动站12包括多个N个接收天线22。基站收发信台的发射电路产生加到每一发射天线18的前向链路信号，以在无线链路16的前向链路信道上同时传递。例如，在发射天线中的一些分立天线上传送分离的数据块。

这将便于相对大的数据吞吐量比率的数据通信，因为可以在分立的发射天线上同时传递分离的数据块。然而，处于移动站的接收天线检测潜在地由全部发射天线发射的数据的指示。并且，要求移动站执行大量的处理以恢复在前向链路上通过每一发射天线传递的数据的信息内容。虽然要求减少的计算复杂度水平以恢复信息内容，但本发明的实施例的操作便于恢复传送来的数据的信息内容。移动站在这里形成接收站，它包括对由N个接收天线22检测到的数据进行操作的功能元件。这里，在从接收天线22延伸的线路26上形成由接收天线检测的信号指示，并且此后由混频元件28从传输频率进行下混频。混频元件28在功能上例如由多级的下混频元件表示并且是其代表。接收到的数据一旦向下混频，就由接收滤波器r(t)32滤波。并且，向联合信道估计器(CE)34提供在各个接收天线22上接收到的接收数据的已滤波表示。

通过线路36向联合MIMO前馈滤波器38(在此也称为MIMO MMSE-DFE前置滤波器、MIMO信道缩短滤波器，或者FIR MIMO联合前置滤波器)提供由各个信道估计器估计的接收数据的估计值。并且，在线路42上产生接收数据的联合滤波表示。

线路42被耦合到包括按照本发明的实施例可操作的联合均衡器元件46的联合DFSE(微分反馈顺序估计器)44。均衡器44进一步包括在一个反馈配置中经由求和元件54在输出线路52和线路42之间耦合的反馈滤波器48。而且，线路52延伸至一个联合解码器功能块64，其操作以解码由联合均衡器46产生的均衡的值。

用于MIMO系统的由均衡器46实现的最佳检测器是联合检测所有发送数据流。此方法的均衡器复杂度是与Q^ML成比例的，其中Q是星座大小，M是发射天线的数目，而L是信道长度。对于系统包括在其X^M内的EDGE系统，有Q＝8而L＝7，则即使M＝2时复杂度也是远远地超出实际的考虑。如图1所示的减少了复杂度的接收机结构，其中联合均衡器之前是MIMO MMSE-DFE前置滤波器38或MIMO信道缩短滤波器38。此滤波器通过把有效网格记忆长度从L截短到Ls而大大地减少了复杂性，通常典型的值为L_s＝1或2。然而，如果没有更进一步的减小，则它仍旧不适于实时应用。依照本发明实施例，使用了用于进一步减少复杂度的基于约化态联合均衡的集合划分。

已知基于集合划分的约化态均衡可用于减少SISO(单输入，单输出)系统的均衡器复杂度。为SISO均衡器提出的集合划分原理与网格结构可以在MIMO联合均衡器中扩展。然而，对于MIMO网格难以实现一个减少复杂度的关键要素，即在网格中平行转移的限幅。在本发明的实施例中，为MIMO网格提供了最优的(组限幅)与次优的(去耦限幅与连续限幅)限幅方法。组限幅要求高复杂性但是是最佳的。去耦限幅与连续的限幅具有相似的更低的复杂性但是总的是次佳的。也提供了去耦限幅最佳的充分条件。而且，当不满足此条件时，连续的限幅在复杂性与性能之间给出更好的折中。

如图1所示，实现了通信系统，M个发射天线，N个接收天线EDGEMIMO系统10。接收机12联合检测M个独立地被发送的数据流。这里使用的联合前置滤波器是例如FIR MIMO联合前置滤波器。FIR MIMO联合前置滤波器38有利地显示出FIR MIMO前置滤波器到IIR MIMO前置滤波器的渐近收敛，其中结果矩阵信道脉冲响应具有最小的相位。在实际系统中，FIR MIMO前置滤波器能够改进信道能量分布，就是说，把大部分信道能量转移到前几个抽头。具有了这一改进的信道分布，判决反馈便可以合并到基于网格的均衡器中以减少网格存储器大小和总体的均衡器复杂性，而灾难性错误传播的风险较小。

在时间k，在预滤波之后接收的信号矢量是：

$y_k=\underset{i=0}{\overset{L}{\mathrm{\Σ}}}{B}_u{a}_{k-i}+n_k$ (等式1)

注意y_k是NX1接收的信号矢量，B₀...，B₁是大小为NXM的信道矩阵，且a_k...a_k-L是大小为MX1的发送的码元矢量。

所采用的一个关键的假定是：对于MIMO网格的“均匀的”MIMO集合划分，即每个数据流的集合划分规则是相同的。第m个数据流的集合划分规则描述为J_m＝{J₁；...；J_K-1；1；...1}，其中K≤L和J_k-1≤...≤J₁≤8。总的集合划分规则表示为J＝J₁...J_M＝{J₁；...；J_K-1；1；...1}^M。注意对于每个码元，使用相似的对称的8PSK集合划分树，其中J_k＝8；4或2。

在图2中总地在62显示了此集合划分树。在图2中指定星座码元64，e₀；…e₇表示星座点，并且使用平数字0；1或0；1；2；3来表示集合指数。

为了举例以说明MIMO系统的网格，系统10应该参照具有两个发射天线18的实现来描述，其中各个数据流采用一个2状态集合划分规则。换句话说，M＝2并且J＝f{2；1；...；1}²。图3中以72总地显示了此特定系统的网格。在时间k，给定码元矢量a_k；a_k-1；...a_k-L，给出特别路径的欧几里得度量为一条件概率，

$\mathrm{Pr}\left(y_k\right|a_k,...,a_{k-L})=\frac{1}{{\left(2\mathrm{\π}\right)}^{M/2}|R_{\mathrm{nn}}}\exp {(y_k-\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{B}_i{a}_{k-i})}^H{R}_{\mathrm{nn}}^{-1}(y_k-\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{B}_i{a}_{k-i})$ (等式2)

一旦建立网格，MLSE和MAPSE算法就被用于检测码元序列。MLSE和MAPSE算法可用于SISO系统的顺序检测。这些算法的操作可以扩展至MIMO系统。一般而言，如果没有关于传送脉冲的辅助信息(sideinformation)是先验已知的，则MLSE和MAPSE传送出相似的硬判决性能。然而，在编码系统中，通常所希望的是从均衡器44向解码器54传送软比特判决。虽然MAPSE算法能够产生软比特，但是MLSE算法不直接地提供软比特判决。MLSE的变体，软输出维特比算法(SOVA)可用于提供软比特判决。同时要注意在约化态均衡器中，在产生所有比特的完全软比特信息方面MAP和SOVA具有相似的问题。

MIMO约化态均衡中具有两个独特的问题。第一个问题，在MIMO网格中的平行转移的限幅是减少复杂性的关键。虽然在SISO网格中限幅是容易的，但是在MIMO网格中它并不是微不足道的。在本发明的实施例中为MIMO系统应用了最佳的(组限幅)与次佳的限幅(去耦限幅与连续的限幅)算法。连续的限幅方法提供复杂性与性能方面的最佳的折中。第二个问题，用于约化态MIMO联合均衡器的软比特计算，扩展了为SISO提出的嵌入DFE方法，且在基于网格的算法例如MAPSE不可用的位置上完成了软比特计算。

在约化态网格中，多重转移来源于相同的节点并且在两个连续的阶段中合并入相同的节点。这些转移被称为平行转移。注意这在图3显示的网格72中不明显，其中在一对具有单个线路的节点之间平行转移。图4说明了示范性的平行转移，在图3显示的网格72的一对节点S_{K- 1}＝[0；0]；S_K＝[0；0]之间总体上以82表示。在图4显示了在两个节点之间可能的平行转移84。

对于网格中的任何一对节点，必须确定所有的平行转移之间的最佳路径，并且与此路径相关的欧几里得度量成为在此对节点之间行进的度量。一个减少复杂性的关键元素是避免对平行转移之间的最佳路径进行强力搜索。在SISO网格中，通过一种称为限幅的方法来该技巧。然而，将限幅扩展到MIMO网格并不简单。依照本发明的实施例，提供限幅算法的最佳的和次佳版本，以提供在复杂性和性能之间的各种折中。

在SISO系统中，执行限幅操作以确定平行转移之间最可能的路径。限幅通过消除大部分路径量度计算而大大地减少了总体算法的复杂性。举例来说，在SISO系统中，其中集合划分，例如是J＝{2；1；...；1}。即，状态的数目是2而平行转移的数目是4。

在时间k接收的信号(在预滤波之后)被给出为：

$y_k=b_0{a}_k+\underset{i=1}{\overset{L}{\mathrm{\Σ}}}{b}_i{a}_{k-i}+n_k$ (等式3)

其中b₀；..；b_L是有效的信道系数，而a_k；...a_k-1是发射的码元。在平行转移的上下文中，所有的ISI码元a_k-1；...a_{k_L}是已知，而且转移码元a_k属于已知的集合S。在图5中显示了一个不失一般性的，星座集合92的例子，其中a_k∈S＝{e₁；e₃；e₅；e₇}(如果该集合包含其它4个星座点，则需要一个旋转运算)。为了确定最可能的a_k∈S，而解决下列的优化问题：

${\mathrm{\α}}_k^{\mathrm{opt}}=\arg {\min \left|\right|z_k-b_0{a}_k\left|\right|}^2$ (等式4)

其中 $z_k=y_k{\mathrm{\Σ}}_{i=1}^L{b}_i{a}_{k-1}$ 是无ISI(ISI-free)接收的信号。注意这里通过采用最短距离度量，而将n_k假定为高斯噪声。对(4)的强力解答将计算所有的4个距离。然而，可以开发一些简化的星座的几何结构以导出该限幅解答。首先不难证明(4)等于：

${\mathrm{\α}}_k^{\mathrm{opt}}=\arg \max |\mathrm{Re}\left(a_k{\hat{z}}_k^{*}\right)=\arg \max (a_{k,r},{\hat{z}}_{\mathrm{kr}}^{*}+a_{k,i},{\hat{z}}_{k,i}^{*})$ (等式5)

其中*代表复共轭而下标r和i代表复数的实部和虚部。此外， ${\hat{Z}}_k=b_0^{*}{z}_k.$ 现在很明显采用图5中给出的集合的4个星座点，限幅规则如下：

${\mathrm{\α}}_{k,r}^{\mathrm{opt}}=\frac{\sqrt{2}}{2}*\mathrm{sign}\left({\hat{z}}_{k,r}\right)=\mathrm{and}{\mathrm{\α}}_{k,i}^{\mathrm{opt}}=\frac{\sqrt{2}}{2}*\mathrm{sign}\left({\hat{z}}_{k,i}\right)$ (等式6)

从而 $a_k^{\mathrm{opt}}=a_{k,r}^{\mathrm{opt}}+{\mathrm{ja}}_{k,j}^{\mathrm{opt}},$ 且通过计算|z_k-b₀a_k ^opt|²获得在此例子中所有的平行转移的最小度量。注意通过限幅方法，而将欧几里德距离计算的数目从4减少到1。

上述讨论扩展至MIMO网格中的平行转移的限幅。通过M个同时发送的数据流，在(1)中给出了在时间k处在均衡器的抽样的接收信号矢量。此外，在平行转移的上下文下，假定已知a_k-1；...；a_k-L和a_k∈S^M，其是集合的M元组，注意a_k＝[a_k；1；...a_k；M]^TT。在MIMO系统中无ISI接收的信号是：

$z_k=y_k-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{B}_i{a}_{i-k}=B_0{a}_k+n_k$ (等式7)

上述的假定是关于SISO例子的，而且假定各个集合是S＝{e₁；e₃；e₅；e₇}。注意现在对于MIMO情况，平行转移的数目现在是4^M。类似于SISO的情况，通过求解

${\mathrm{\α}}_k^{\mathrm{opt}}=\arg {\min (z_k-B_0{a}_k)}^H{R}_{\mathrm{nn}}^{-1}(z_k-B_0{a}_k)$ (等式8)

而获得由a_k ^opt表示的最佳路径。

为了求解(8)，强力解答将遍历所有的4^M路径，且发现具有最小度量的一个。由于在(8)中不同的码元a_k；1...a_k；M之间的截项，对于MIMO网格不存在象(6)的简单的限幅操作。这里组限幅方法与直接求解方法相比把度量计算的数目减少4倍。想法是把所有的路径分成4M-1组，其相应于M-1个码元的所有可能性。例如，一个可能的编组被表示为Ω(a_k-2，...，a_k，M)，这是通过一组固定的a_k；2；..a_k；M而参数化的。在各个组内存在四个路径，各个路径具有相同的a_k；2；...；a_k；M和不同的a_k；1。现在等式(8)被变换成一个二步的优化：首先，为给定组Ω(a_k-2，...，a_k，M)发现最优的a_k；1(对于一组固定的a_k；2；..a_k；M)；第二，遍历组的所有可能性并且发现总体的最小值。在数学上，等式(8)被重写为：

${\mathrm{\α}}_k^{\mathrm{opt}}=\arg \frac{\min }{(a_{k,2},...a_{k,M})}\left[\frac{\min }{a_k\∈\mathrm{\Ω}(a_{k,2}...a_{k,M})}{(z_k-B_0{a}_k)}^H{R}_{\mathrm{nn}}^{-1}(z_k-B_0{a}_k)\right]$ (等式9)

因为在括弧内的最小化仅仅是关于a_k；1的，所以可以进一步的减少它。为了那样做，假定 $R_{\mathrm{nn}}^{-1}=[{\mathrm{\σ}}_1^2,...,{\mathrm{\σ}}_M^2]$ 是对角线的。注意如果不是这样，则可以提公因子作为 $R_{\mathrm{nn}}^{-1}={\mathrm{LDL}}^H,$ 其中L是较低的三角形的，并且D＝diag[d₁...d_M]是对角线的，则L可以并入Z_k和B₀以便成本函数成为

有 ${\hat{Z}}_k=L^H{z}_k$ 和 ${\hat{B}}_0=L^H{B}_0.$ 现在以此假定，在一些简化之后等式(9)的括弧内的极小化问题被缩减为下列单变量优化问题。

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg \min \underset{m=1}{\overset{M}{\mathrm{\Σ}}}{a}_m^2{\left|\right|{\tilde{z}}_m-{\tilde{b}}_m{a}_{k,i}\left|\right|}^2$ (等式10)

其中 ${\tilde{Z}}_m=Z_{k,m}-{\mathrm{\Σ}}_{n\≠1}{\left(B_0\right)}_{\mathrm{nm}}{a}_{k,n}.$ 且 ${\tilde{b}}_m={\left(B_0\right)}_{m1}\left(10\right)$ (其中(B₀)_mn意味着在B₀的第m行和第n列的元件mn)可以进一步减化为：

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg \max \mathrm{Re}\left(a_{k,1}{u}^{*}\right)$ (等式11)

其中 $u={\mathrm{\Σ}}_{m=1}^M{\mathrm{\σ}}_m^2{\hat{b}}_m^{*}{\hat{z}}_m.$ 注意(11)与(5)形式完全相同，因此在(6)中得出的限幅规则可以被用于获得最优a_k；1。

一旦为每个组Ω(a_k，2，...，a_k，M)确定了最优a_k；1，它便可用于计算那个组的距离度量。然后，通过搜索最小的4^M-1组度量来执行在(9)中的极小化的外能级(outer level)。最后，与直接解法需要4^M相比，组限幅方法要求4^M-1个欧几里得度量计算。

作为另一选择，使用去耦限幅法求解等式(8)。在去耦限幅法中，将单独地优化a_k中M个码元中的每个码元，并且欧几里得度量计算的数目从4^M减少到1。为了使此方法最优，存在一个充分条件。为了了解这一点，等式(8)重写为：

${\mathrm{\α}}_k^{\mathrm{opt}}=\arg {\min ({\tilde{z}}_k-a_k)}^H{B}_0^H{R}_{\mathrm{nn}}^{-1}{B}_0({\tilde{z}}_k-a_k)$ (等式12)

其中 ${\tilde{z}}_k=B_0^{-1}{z}_k.$ 为了使去耦限幅最优而要求下列充分条件：

$B_0^H{R}_{\mathrm{nn}}^{-1}{B}_0=D$ (等式13)

其中D＝diag[d₁；..d_M]是一些对角矩阵。如果此条件成立，则(12)变成：

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg \min \underset{m=1}{\overset{M}{\mathrm{\Σ}}}{d}_m{\left|\right|{\tilde{z}}_{k,m}-a_{k,m}\left|\right|}^2$ (等式14)

可以看出在(14)中与码元有关的度量被去耦并且没有截项。因此，等式(14)可以被去耦成为M个单独的优化问题。

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg {\min d}_m{\left|\right|{\tilde{z}}_{k,m}-a_{k,m}\left|\right|}^2,$ m＝1，...，M  (等式15)

现在SISO限幅规则(6)可以被用于检测各个码元。如同我们之前指出的，当满足充分条件(13)时，去耦限幅方法是最优的。然而，可能难以设计一个满足此条件的前置滤波器。如果条件(13)不成立，去耦限幅可以仍旧被用作次优方法。为此，在矩阵B₀ ^HR_nn ^-1B₀中忽视非对角线元素(off-diagonal)，并且求解下列问题以获得a_k ^opt：

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}={\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg {\min ({\tilde{z}}_k-a_k)}^H{R}_{\mathrm{DD}}(z_k-a_k)$ (等式16)

其中 $R_{\mathrm{DD}}=\mathrm{diag}\left(B_0^H{R}_{\mathrm{nn}}^{-1}{B}_0\right)$ 是一个对角元素与矩阵(B₀ ^HR_nn ^-1B₀)相同的对角矩阵。现在给出的去耦限幅方法可用于求解(16)。

去耦限幅方法大大地减少平行转移的检测复杂性。然而，如果不满足最优性的充分条件，则和组限幅法相比，性能损失是显著的(如模拟结果所示的约0.5分贝的差异)。另一个次优的限幅法，即连续的限幅法被替换地使用，它不要求充分条件并且在复杂性和性能方面给出更好的折中。一方面连续的限幅算法的复杂性大约与去耦限幅算法相同；另一方面，相对组限幅算法的性能损失是可忽略的。

出发点是等式(12)。(B₀ ^HR_nn ^-1B₀)被假定为正的有限的埃尔米特(hermitian)矩阵。对这样的矩阵

$B_0^H{R}_{\mathrm{nn}}^{-1}{B}_0=\mathrm{LU}$ 和L＝U^H    (等式17)

总是存在系统的LU分解，其中U是上三角形矩阵，其元素被表示为U_ij，注意U_ij＝0；i＞j。将(17)代入(12)中获得：

${\mathrm{\α}}_{k,1}^{\mathrm{opt}}=\arg {\min \left|\right|U({\tilde{z}}_k-a_k)\left|\right|}^2$

                (等式18)

$=\arg \min \underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\left|\underset{j\≥i}{\overset{i\≤M}{\mathrm{\Σ}}}(U_{\mathrm{ij}}{\tilde{z}}_{k,i}-a_{k,i})\right|}^2$

(18)的成本函数具有一个独特的结构。首先，注意它是M个平方度量项的和，由i＝1；...；M索引。此外，第M项仅仅是a_k；M的函数，虽然第M-1项是a_k；M；a_k；M-1等等的函数。这建议一种按a_k；M；a_k；M-1；...a_k；1的次序检测码元的连续的限幅算法。该算法的概要如下：

1.从i＝M开始，使用基本的SISO限幅以从a检测a_k；M

${\mathrm{\α}}_{k,M}^{\mathrm{opt}}={\arg \min }_{a_{k,M}\∈S}|{\left(U_{\mathrm{MM}}({\tilde{Z}}_{k,M}-a_{k,M})\right|)}^2$

2.假定执行

检测，则

由以下给出：

$a_k^{\mathrm{opt}}=\arg {\min |\underset{j>i}{\overset{i\≤M}{\mathrm{\Σ}}}{U}_{\mathrm{ij}}({\tilde{z}}_{k,i}-a_{k,i})+U_{\mathrm{ii}}({\tilde{z}}_{\mathrm{ki}}-a_{k,i}|}^2$

$=\arg {\min \left|\left(U_{\mathrm{ii}}{|}^2\right|(c+{\tilde{z}}_{k,i})-a_{k,i}\right|}^2$

其中

$c=\frac{1}{U_{\mathrm{ii}}}\underset{j>i}{\overset{i\≤M}{\mathrm{\Σ}}}(U_{\mathrm{ij}}{\tilde{z}}_{k,i}-a_{k,i}^{\mathrm{opt}})$

3.令I＝1，如果I＞0，则重复步骤2；否则退出。

可以看出连续的限幅仅仅需要M个限幅操作和1次欧几里得度量计算。这是与去耦限幅相同的。仅有的开销来自每个限幅操作的准备，其中计算常数c。

图6说明了总体以102显示的本发明实施例的操作的方法。该方法便于联合检测第一和至少第二接收的数据矢量的值。

首先，如块104指示的，在第一个和至少第二接收数据矢量的连续码元的平行转移上执行限幅操作。然后，如块106指示的，形成第一均衡的数据矢量和至少一个第二均衡的数据矢量。响应于在步骤104执行的限幅操作而形成数据矢量。从而在MIMO系统的接收站接收到的接收数据矢量上执行联合均衡。执行联合均衡，同时迫使相对于传统的联合均衡技术来减少计算的复杂性水平。由于减小复杂性水平，所以在现有技术水平的处理设备中可实现联合均衡。

先前的说明书描述了用于实现发明的优选例子，而且本说明书并不限制本发明的范围。下列权利要求定义了本发明的范围。

Claims (22)

1.一种用于使接收站便于联合检测第一和至少第二接收数据矢量的值的设备，其中所述接收站包括在多输入多输出通信系统中并且用于接收在通信信道上向其发射的第一接收数据矢量和至少第二接收数据矢量，所述设备包括：

一个联合均衡器，其被配置用于接收在接收站处接收到的第一和至少第二接收矢量的指示，所述联合均衡器用于形成一个第一均衡的数据矢量和至少第二均衡的数据矢量，该第一和至少第二均衡的数据矢量分别由均衡的码元组成，该均衡的码元是按照对该第一和至少第二接收数据矢量的指示的连续码元的平行转移执行的限幅操作来产生。

2.根据权利要求1的设备，其中第一均衡数据矢量和至少第二均衡数据矢量定义了由最小度量形成的最优路径。

3.根据权利要求1的设备，其中由所述联合均衡器执行来分别产生该第一和至少第二均衡的数据矢量的均衡码元的限幅操作包括组限幅操作，其中将该第一和至少第二接收数据矢量分离成第一接收数据矢量组和至少第二接收数据矢量组，并且其中为第一和至少第二接收数据矢量组的每一个定义一个最优的路径。

4.根据权利要求3的设备，其中由所述联合均衡器执行的产生均衡码元的组限幅操作进一步包括选择为第一和至少第二接收数据矢量组的每一个所定义的最优路径中的一个作为组最优路径。

5.根据权利要求4的设备，其中由所述联合均衡器在最优路径中选择的组最优路径是显示总体最小路径长度的最优路径。

6.根据权利要求1的设备，其中由所述联合均衡器执行的、分别产生第一和至少第二均衡数据矢量的均衡码元的限幅操作包括：去耦合限幅操作，其中顺序地优化该第一和至少第二接收的数据矢量的指示的码元的每一个连续的集合，该连续集合的码元彼此去耦合。

7.根据权利要求6的设备，其中码元的连续集合有相应于多输入多输出通信系统的M个多输入的数量。

8.根据权利要求7的设备，其中在该码元的连续集合之间的平行转移的最优化由所述联合均衡器对最小度量路径的选择来提供。

9.根据权利要求1的设备，其中由所述联合均衡器执行的、分别产生第一和至少第二均衡的数据矢量的均衡码元的限幅操作包括：连续限幅操作，其中连续地优化该第一和至少第二接收数据矢量的指示的码元的连续集合。

10.根据权利要求9的设备，其中码元的连续集合有相应于多输入多输出通信系统的M个多输入的数量。

11.根据权利要求9的设备，其中由最小度量路径的选择提供在码元的连续集合之间的平行转移的最优化。

12.根据权利要求1的设备，其中多输入多输出通信系统包括一个蜂窝无线通信系统，其中接收站包括一个蜂窝移动站的接收站，并且其中所述联合均衡器被包含在该蜂窝移动站中。

13.根据权利要求1的设备，其中多输入多输出通信系统包括一个蜂窝无线通信系统，其中接收站包括一个固定站址收发信机的接收部分，并且其中所述联合均衡器被包含在第一站址收发信机中。

14.根据权利要求1的设备，其中接收站包括一个判决反馈序列估计器，并且其中所述联合均衡器形成该判决反馈序列估计器的一部分。

15.根据权利要求1的设备，其中所述限幅操作减少了路径度量计算的数量，其中所述路径度量计算在所述连续码元的平行转移中确定最可能的信号路径。

16.一种用于使接收站便于联合检测第一和至少第二接收数据矢量的值的方法，所述方法用在一种用于在多输入多输出通信系统中进行通信的方法中，该通信系统具有用于接收在通信信道上向其发射的第一接收数据矢量和至少第二接收数据矢量的接收站，

所述方法包括：

分别对该第一和至少第二接收数据矢量的连续码元的平行转移执行限幅操作；并且

响应于所述执行操作期间执行的限幅操作，而形成第一均衡的数据矢量和至少第二均衡的数据矢量。

17.根据权利要求16的方法，其中对该平行转移执行限幅操作的所述操作包括：通过将该第一接收数据矢量和至少第二接收数据矢量分离成第一接收的数据矢量组和至少第二接收数据矢量组来执行组限幅操作；并且为第一和至少第二接收数据矢量组的每一个定义最优路径。

18.根据权利要求17的方法，进一步包括选择在所述定义操作期间定义的最优路径中的一个作为组最优路径的操作。

19.根据权利要求18的方法，其中在所述选择操作期间选择的组最优路径显示了总体的最小路径长度。

20.根据权利要求16的方法，其中所述对平行转移执行限幅操作的操作包括对平行转移执行去耦合的限幅操作。

21.根据权利要求16的方法，其中所述对平行转移执行限幅操作的操作包括对平行转移执行连续的限幅操作。

22.根据权利要求16的方法，其中所述限幅操作减少了路径度量计算的数量，其中所述路径度量计算在所述连续码元的平行转移中确定最可能的信号路径。

Images