CN101019388B

CN101019388B - 利用预存值的度量计算方法和装置

Info

Publication number: CN101019388B
Application number: CN2005800305615A
Authority: CN
Inventors: 赛瑞尔·凡拉登
Original assignee: MStar Software R&D Shenzhen Ltd; MStar France SAS; MStar Semiconductor Inc Cayman Islands; MStar Semiconductor Inc Taiwan
Current assignee: MStar France SAS; MediaTek Inc; MStar Semiconductor Inc Taiwan
Priority date: 2004-09-10
Filing date: 2005-09-09
Publication date: 2011-08-10
Anticipated expiration: 2025-09-09
Also published as: US8031792B2; TWI317578B; US20080137779A1; WO2006027611A1; EP2768192A9; US8385450B2; EP2768192A3; GB0420183D0; KR101005577B1; KR20070070172A; US20110211661A1; EP1794960A1; EP1794960B1; EP2768192A2; TW200618487A; CN101019388A

Abstract

该篱栅处理装置和方法在实现类似DDFSE的分支度量计算时通过预存可被重复使用的计算的值而实现了一种精简的计算结构。

Description

利用预存值的度量计算方法和装置

技术领域

在移动通信系统中，传输链路遭受许多损害的影响。两个这样的影响是热噪声和多径衰落。

背景说明

如果信道的延迟扩展大于调制周期(“Digital Communications(数字通信)”，Proakis，第二版，McGraw-Hill)，则多径衰落可能会导致接收器处的码间干扰(ISI)。因此，在一个给定的传播环境中，随着传递速率的增加，ISI将会变为一个更加突出的问题。对于那些旨在为高数据速率服务提供媒介的通信系统而言，ISI的存在可能会严重地限制链路吞吐量并降低用户体验的服务质量。

某些数字通信系统也特别引入ISI。这是E-GPRS系统中的情况，其中用于提高发送信号的频谱效率的调制脉冲形状产生ISI。关于更多信息，可以参考3GPP TS05.04 V8.4.0(2001-11)，第三代移动通信合作计划的技术规范；技术规范组GSM/EDGE无线接入网络；数字蜂窝电信系统(第二阶段以后)；调制部分。

由分时多址(TDMA)蜂窝通信系统的用户所经历的性能退化的另一来源是由系统中使用相同的载波或相邻的载波的其他用户所产生的干扰。这些干扰效应分别被称为同信道干扰和邻信道干扰，它们也会大大地降低蜂窝系统的性能。

上面所描述的所有损害使得接收器难以可靠地恢复发送信号预期传达的信息，从而导致在接收器中使用复杂的算法来解调接收信号。这些算法的实现复杂度将会在总体硅管芯大小、处理器速度、功耗以及存储器要求方面对数字接收器产生很大的影响。因此，使用高效的接收器体系结构以提供良好的传输链路性能是相当重要的。

为了提高通信链路的可靠性，前向纠错(FEC)编码可以被嵌入在发送信号中。前向纠错(FEC)编码操作向发送信号引入冗余性，且该冗余性随即可在接收器处用于提高对由接收器生成的发送数据估算的准确度。然而，为了使FEC编码在发送信号中受益最大，将这一信号由接收器以可被接收器内的FEC解码过程最好地解释的格式来解调是很重要的。在过去提出了多个这样的接收器。例如，参见IEEE学报“Information theory(信息理论)”，1974年3月，第20卷上L.Bahl、J.Cocke、F.Jelinek、J.Raviv的“Optimal decoding of linear codes for minimizing symbol errorrate(用于最小化码元误码率的线性码的最优解码”；GLOBECOM′89，Dallas，1989年11月刊上J.Hagenauer、P.Hoeher的“A Viterbi algorithm with soft-decision outputsand its applications(带有软决策输出的维特比算法及其应用)”；IEEE“Communications Letters(通信快报)”，1998年5月第2卷第5期上M.P.C.Fossorier、F.Burkert、S.Lin和J.Hagenauer的“On the equivalence between SOVA andMax-Log MAP decodings(SOVA和Max-Log MAP两种解码方法之间的同等化)”；IEEE学报“Communications(通信)”，1996年3月第44卷，第3期上B.Rislow、T.Maseng、O.Trandem的“Soft information in concatenated codes(串接码内的软信息)”；以及GLOBECOM′90，1990年12月刊上P.Hoeher的“TCM onfrequency-selective fading channels：a comparison of soft-output probabilisticequalizers(频率选择性衰落信道上的TCM：软输出概率均衡器的比较)”。但是，这些现有技术的接收器体系结构的实现复杂度通常很高。

发明内容

依据一方面，本发明提供了篱栅(trellis)处理设备，它包含用于预存信道系数值和信号码元值这两者的不同的积的装置、以及用于利用所述预存积中的一个或多个来计算分支度量的装置。

本发明还包括一种篱栅处理方法，该方法包含预存信道系数值和信号码元值这两者的不同的积、以及利用所述预存积中的一个或多个来计算分支度量。

在某些实施例中，使用了一种减少状态的篱栅技术，诸如DDFSE，它提供与每个篱栅状态相关联的假设的硬码元决策的组。这些组可能仅仅包含单个码元决策。

本发明可以用硬件或处理器上的软件，或上述两者的组合来实现。

在某些方面，本发明涉及一减少状态的篱栅。这一篱栅是其中将构成状态描述的假设变量转换为确定的决策以减少篱栅中存在的状态的个数的篱栅。这样的篱栅由例如RSSE和DFSE解调器体系结构来处理。

附图说明

图1呈现了通信链路的模型；

图2描述了所提议的发明的一种可能的实现；

图3呈现了在图2中所示的本发明的实施例中如何计算不同的分支度量。

图4描述了在E-GPRS系统中接收信息如何可在两个部分中均衡化；以及

图5呈现了作为图3所示的替代的分支度量计算的一个实现。

具体实施方式

为了描述由接收器所执行的计算，首先必须呈现接收器参与其中的传输链路的模型。一个合适的模型在图1中呈现，并且现在将进行详细描述。该模型假定信息以位块而不是连续流发送。但是，应当注意的是，在本文后面将要描述的本发明适用于两种类型的传输。

在发射器侧101上，信息信号由误差保护编码单元102和调制单元103处理。所生成的信号然后通过传播信道104，并且所得的信号由接收器108获得，接收器108然后试图恢复该信息信号。

根据该模型，发送块{u_k}_{k∈(1，...，K)}由K个信息比特u_k∈{0，1}组成，。误差保护被添加到这些比特中以提高传输的可靠性。误差保护编码单元102从块{u_k}_{k∈(1，...，K)}中生成由D(其中D＞K)个信息比特d_k∈{0，1}构成的发送块{d_k}_{k∈(1，...，D)}。

单元102可以使用多种不同的技术以进行误差保护编码处理。例如，在E-GPRS系统中，发送器使用带有不同编码速率的卷积码。为了提高接收器对于误差脉冲串的复原能力，也可使用交织和位重排技术。

在调制单元103中，信息比特d_k被分组成C个M比特的集合(不失一般性，可以假设D＝M×C)。这些集合中的每一个都可以被表示为Δk，其中Δk＝{d_M×k，...，d_(M×k)+(M-1)}。

每个M个信息比特的集合使用将M比特的集合映射到复平面的调制方案M被调制到复平面上。该映射由调制单元103执行。例如，在8PSK调制的情况下，调制M可被表示成：

M (Δ_{k}) = M ({d_{3 \times k}, d_{3 \times k + 1}, d_{3 \times k + 2}}) = \exp (2 \cdot j \cdot π \times (\frac{(4 \cdot d_{3 \times k}) + (2 \cdot d_{3 \times k + 1}) + (1 \cdot d_{3 \times k + 2})}{8}))

在E-GPRS系统中使用由以上方程式描述的8PSK调制的略微修改的形式。M个信息比特的集合{d_M×k，...，d_(M×k)+(M-1)}可用单个十进制数字i{0≤i≤2^M-1}来标识，该十进制数字是使用以下方程式中描述的一对一函数D来计算的：

D ({d_{0}, . . ., d_{M - 1}}) = Σ_{i = 0}^{M - 1} d_{i} \times 2^{i}

该方程式把集合Δk中的M个二进制值映射到集合{0≤i≤2^M-1}中的一唯一值。对给定值i证实了上述方程式的信息比特d_b(b∈{0，...，M-1})的集合可以被表示为D_b ^-1(i)(b∈{0，...，M-1})。

表示发送块的C个已调制码元用无线电发送，且在该过程中被传播信道103失真。假设带有存储器的用于传播信道的通用模型，则在接收器的输入处的样值{s_k}_{k∈(1，...，C)}可以被表示为：

\{\begin{matrix} s_{k} = F (c_{k}, ζ_{k - 1}) \\ ζ_{k} = S (c_{k}, ζ_{k - 1}) \end{matrix}

这里，c_k＝M(Δ_k)和ξ_k标识当发送第k个已调制码元时传播信道的状态(存储器)。注意，由发送器和/或接收器执行的任何滤波都可被结合在传播信道中。用于对传播信道建模的映射F和S可以是时变的。但是，为了简化表示，在本文中假设这些映射并不依赖于时间。然而，注意，这里所描述的方法也适用于时变信道。

在大多数情况下，传播信道映射F和S可被建模为线性滤波操作：

\{\begin{matrix} s_{k} = Σ_{i = 0}^{L - 1} h_{i} \times c_{k - i} \\ ζ_{k} {c_{k}, . . ., c_{k - L + 1}} \end{matrix}

在以上示例中，假设信道的存储器被限制为L个已调制码元。实际上，信道的存储器可以是无穷的。然而，对任何期望的功率阈值T，通常有可能找到一个值L，使得：

(\underset{k &GreaterEqual; i}{Σ} {| h_{k} |}^{2}) \leq T, i &GreaterEqual; L - 1

因此，通过选择阈值T使得残留功率足够低，则有可能假设信道存储器是有限的。当该操作完成后，信道映射可以仅用一组滤波器系数{h_i}_{i∈{0，...，L-1}}来描述。

在此处描述的模型中，不失一般性，已经假设标识信道传播的滤波器是因果的。

为了恢复发送的码元c_k，接收器将需要知道传播信道映射。然而，接收器通常没有关于传播信道条件的先验知识。然而接收器仍有可能生成信道系数{h_i}_{i∈{0，...，L-1}}的估算，该系数估算可以代替真实值来使用。例如，在EGPRS系统中，发送信号将结合一称为训练序列的模式，该模式对接收器而言是已知的，且接收器可使用该训练序列来生成对传播信道条件的估算。

在接收器108处，信号{s_k}_{k∈{0，...，C}}首先由信号调节单元105和接收器前端处理以生成一输入到解调单元106的新的接收码元序列{r_k}_{k∈(1，...，C)}。

解调单元106导出已编码比特的对数似然比(LLR)的估算。已编码比特d_k的LLR可被表示为：

λ_{k} = \log (\frac{P (d_{k} = 1 | R)}{P (d_{k} = 0 | R)})

其中，k属于集合{1，...，C}，而R表示集合{r_k}_{k∈{1，...，C}}。

LLR然后被输入到误差解码单元107，该单元生成发送信息序列{u_k}_{k∈(1，...，K)}的估算。

图二示出了可用于实现图1的解调单元106的解调体系结构。图2所示的解调体系结构是从IEEE学报“Communications”1989年第37卷第5期上的A.Duel-Hallen、C.Heegard的“Delayed decision-feedback sequence estimation(延迟的决策反馈序列估算)”中描述的延迟的决策反馈序列估算(DDFSE)方法中导出的。但是，对于本领域的技术人员而言显而易见的是即将结合图2描述的该解调体系结构也可被拓展到不同的均衡化方法，其一个示例是IEEE杂志“Selected areas inCommunications(通信中的选择区域)”1989年，第7卷，第6期中M.V.Eyuboglu、S.U.H.Qureshi的“Reduced-state sequence estimation for coded modulation ofintersymbol interference channels(用于码元间干扰信道的编码调制的减少状态的序列估算”中描述的减少状态的序列估算(RSSE)。

为了便于对图2中的解调器体系结构的描述，首先有用的是描述使用“全篱栅”方法的解调器体系结构中所涉及的计算，然后是DDFSE解调器体系结构中所涉及的计算。“全篱栅”和DDFSE维特比(Viterbi)处理中所涉及的不同计算将不会被详细描述，且只有那些便于描述本发明的计算才将会被呈现。对于“全篱栅”解调器体系结构中所涉及的计算的更详细描述，可参阅例如GLOBECOM′90，1990年12月刊上P.Hoeher的“PCM on frequency-selective fading channels：a comparisonof soft-output probabilistic equalizers”。对于DDFSE解调器体系结构中所涉及的计算的更详细描述，请参阅例如IEEE学报“Communications”，1989年第37卷第5期上A.Duel-Hallen、C.Heegard的“Delayed decision-feedback sequence estimation”。现在描述使用“全篱栅”方法的解调器体系结构中所涉及的计算。

在“全篱栅”维特比解调器中，用于执行维特比解码的篱栅中的状态数被表示为S，它等于2^M×L。此外，篱栅中任何给定状态都有2^M个通往该状态的“合并状态”。

当接收到码元r_k时，与篱栅中的不同状态相关联的度量将根据以下方程式来更新：

r_{m} (k + 1) = \max_{i = 0, . . ., 2^{M} - 1} {χ_{m}^{k + 1} (i)}, 0 \leq m \leq S - 1

候选度量χ_m ^k+1(i)用递归方程式，使用前一次迭代中的状态度量来计算：

χ_{m}^{k + 1} (i) = γ_{p (m, i)} (k) - B (r_{k}, p (m, i), m)

这里，p(m，i){0≤m≤S-1；0≤i≤2^M-1}是通向路径中与等于M(D^-1(i))的假设的发送复码元相对应的索引为m的状态的状态的索引。

分支度量使用以下方程式来计算：

B (r_{k}, p (m, i), m) = {| r_{k} - Σ_{u = 0}^{L - 1} h_{u} \times {\tilde{c}}_{k - u} |}^{2}

当使用“全篱栅”方法时，在上述分支度量计算中使用的假设样值

从该分支度量所互连的状态p(m，i)和m中得到。然后使用候选度量χ_m ^k+1(i)来以一种已知的方式计算LLR。现在将描述使用DDFSE方法的解调器体系结构中所涉及的计算。

在DDFSE解调器体系结构中，篱栅状态数的减少是通过把信道分为两部分来实现的。信道的第一部分(宽度为L_f)以类似于全状态方法的方式来处理。然而，对于信道的剩余部分(宽度为L_r，使得L＝L_f+L_r)，使用从先前的决策中导出的已调制码元而不是测试所有可能的假设。使用这种方法，对其执行篱栅处理的状态的个数从2^M×(L-1)减少到

为了反映出状态数目的这种变化，分支度量计算需要如下修改：

B (r_{k}, p (m, i), m) = {| r_{k} - Σ_{u = 0}^{L_{f} - 1} h_{u} \times {\tilde{c}}_{k - u} - Σ_{u = L_{f}}^{L_{f} + L_{r} - 1} h_{u} \times {\tilde{c}}_{k - u} (p (m, i)) |}^{2}

由上面的方程式可以看出，涉及前L_f个抽头的计算与在全篱栅方法中执行的计算一样。但是，对于后L_r个抽头，假设码元

被硬决策码元

代替。

这些硬决策码元是使用候选度量的选择过程中做出以便于依据下面的方程式变成新状态度量的决策来生成的：

γ_{m} (k + 1) = \max_{i = 0, . . ., 2^{M} - 1} {χ_{m}^{k + 1} (i)}, 0 \leq m \leq S - 1

这个方程式也可用在“全篱栅”方法中。硬决策码元与篱栅中的每个状态相关联，且在更新状态度量时被更新使得确定γ_m(k+1)时所涉及的选择确定了

现在将描述的图2的解调器体系结构是基于DDFSE方法的。图2和图3以及图2和图5中所示的体系结构可使用合适的数据处理器结合合适的存储器资源被实现为软件。

图2的解调器体系结构通过以与DDFSE技术相同的方式把L个信道系数的序列{h_i}_{i∈{0，...，L-1}}分为两个不同的部分来使复杂度大大减少。对于前L_f个信道系数，测试对已调制码元的所有可能的假设。然而，对于剩下的L-L_f＝L_r个信道系数，对每个状态，用从先前的决策中导出的单一值来代替不同的假设。通过如此做，标识为S的篱栅中的状态数从2^L-1减少到

然而，注意，将在图2的解调器体系结构中处理的状态数的这一减少可能会导致性能大大的下降。因此，重要的是在篱栅处理之前正确地调节信号。这样的信号调节技术在IEEE学报“WirelessCommunications(无线通信)”2002年1月上W.H.Gerstacker、R.Schober的“Equalization Concepts for EDGE(用于EGDE的均衡化概念)”中有描述。

当接收到码元r_k时，与篱栅中的不同状态相关联的状态度量依据下面的方程式在图2的解调体系结构中更新：

r_{m} (k + 1) = \max_{i = 0, . . ., 2^{M} - 1} {χ_{n}^{k + 1} (i)}, 0 \leq m \leq S - 1

注意，对于给定的调制方案M，在每个状态索引m和用于发送信息码元的假设集合

之间存在着一对一的关系，表示为H(m)。H是将来自集合{0，...，S-1}的值映射到L_r-1个复数的集合中的一个值的函数。篱栅中的候选度量的总数等于S×2^M。

还应该注意，在没有改变由该算法生成的软决策的情况下，可向该更新添加或从中减去在不同的状态上恒定的任何值。这一方法可在使用定点数表示来实现所提议的接收器体系结构时使用以降低计算复杂度。

候选度量χ_m ^k+1(i)在图2的解调体系结构中用递归方程式，使用来自前一次迭代的状态度量来计算：

χ_{m}^{k + 1} = γ_{p (m, i)} - B (r_{k}, p (m, i), m)

这里，p(m，i){0≤m≤S-1；0≤i≤2^M-1}是通往路径中与等于M(D^-1(i))的假定的发送复码元相对应的索引为m的状态的状态的索引。随即将描述分支度量B的计算。篱栅中的每个分支度量以及每一候选度量都与唯一的对调制码元的假设的集合

相关联。对于一给定的接收码元索引k，与索引号为m的结束状态以及索引号为i的调制码元索引i唯一地相关联的L_f个码元被表示为

ζ (m, i, δ) = {\tilde{c}}_{k - δ}, 0 \leq δ \leq L_{f} - 1 .

分支度量在图2的解调体系结构中使用了以下方程式来计算：

B (r_{k}, p (m, i), m) = {| r_{k} - Σ_{u = 0}^{L_{f} - 1} h_{u} \times {\tilde{c}}_{k - u} - Σ_{u = L_{f}}^{L_{f} + L_{r} - 1} h_{u} \times {\tilde{c}}_{k - u} (p (m, i)) |}^{2}

调制码元是从篱栅处理的先前的决策中导出的。其实际计算将会在本文的稍后部分中描述。

注意，在以上方程式中描述的分支度量可以用其他方式来计算。可以基于例如影响发送块的噪声的统计分布的知识或估计来修改分支度量的计算。同样，也可将方程式中对χ_m ^k+1(i)的减法改成加法。如果其上正实现图2的解调器体系结构的处理器包含专用的“最小值查找”指令，则这是有用的。

在图2的解调体系结构中，在对数域中计算的对2^M个不同的调制码元的后验概率的估算是使用了以下方程式从候选度量中导出的：

ξ_{i} = \log (P (c_{k} = M (D^{- 1} (i)) | R)) \approx \underset{ζ (m, j, L_{f} - 1) = c}{\underset{0 \leq j \leq 2^{M} - 1}{\max_{0 \leq m &GreaterEqual; S - 1}}} (χ_{m}^{k + 1} (j))

由以上方程式指定的用于导出码元后验概率的该组计算在调制性能方面并不是最优的。但是，其远远没有最优方法(如IEEE学报“Information theory”1974年3月，第20卷上L.Bahl、J.Cocke、F.Jelinek、J.Raviv的“Optimal decoding oflinear codes for minimizing symbol error rate”中所描述的)那么复杂，且其性能损失在大多数情况下都保持在可接受的水平。

而且，应该注意，在以上对ξ_i的方程式中，只有最大候选度量用于导出码元后验概率。但是，本领域的技术人员可修改该方程式以使其包括所有的候选度量而不仅仅是最大的一个。

被发送比特集合{d_M×(k-L+1)，...，d_{M×(k-L+1)+M-1}}的LLRs然后可以在图2的解调体系结构中使用以下方程式从码元后验概率中估算：

λ_{M \times (k - L + 1) + b} = \max_{i &Element; {0, . . ., 2^{M} - 1 | D_{b}^{- 1} (i) = 1}} (ξ_{i}) - \max_{i &Element; {0, . . ., 2^{M} - 1 | D_{b}^{- 1} (i) = 0}} (ξ_{i}), b &Element; {0, . . ., M - 1}

应该注意，LLRs可以通过首先将对应于决策1的所有度量分组，然后将对应于决策0的所有度量分组并计算它们之间的差异来提高。这种方法虽然引入了更多的计算负载，但是由于使用了所有的候选度量而不仅仅是最大值，提供了对LLR的更好估算。对于将LLR组合成两组的过程，可以使用非线性处理技术。

从以上描述可以看出，导出LLR所需的不同计算是十分复杂的。图2的解调体系结构利用了降低解调过程的计算复杂度的技术。计算复杂度上的这种降低主要是通过预计算和储存LLR计算过程中所需的某些量来实现。通过这样做，可以避免重复某些计算，并因而实现更有效的接收器体系结构。

现在将描述图2中所示的用于实现上述计算以解调接收信号的特定过程。下面的描述假设L_f被设定为2。但是，所提议的解调器体系结构可以很容易地被拓展到L_f大于2的情况。

一旦信道映射{h_i}_{i∈{0，...，L-1}}已知(或者被估算出来)，则可填充积存储器201。该表包含了对于复积的所有可能值：

h_k×c

其中k假设在0≤k≤L-1范围内的所有可能值，c可以取值为对调制方案M中的调制码元允许的所有可能值。出于检索目的，积值h_k×c由值k和i索引，其中i是调制码元索引i，它证实了对于参与积的值c，M(D^-1(i))＝c，。

对于每个信道系数h_k(共有L个)和每个可能的已调制码元值c(共有2^M)计算这些积。因此，已调制信道表包含2^M×L个复条目。

积存储器201仅被计算一次，且在呈现每个连续接收码元γ_k时无需为状态度量γ_m(k+1)的更新进行重新计算。

接收码元γ_k的处理以单元206中对码元差的计算开始。这涉及为已调制码元c能够假设的所有可能的值对所有的复码元差γ_k-h₀×c的计算。然后这些复值被储存在码元差存储器202中。码元差存储器202被调整大小以包含2^M个复码元差γ_k-h₀×c。码元差存储器202的这些计算和填充对于脉冲串(可以回想出于该实施例的目对发送信号假设了脉冲串结构)中的每个接收码元执行一次。

提供状态度量存储器204，且它包含在接收发送脉冲串的下一码元时等待适配的所有S个状态度量的值。状态度量存储器204因此包含S个条目。状态度量存储器204中每一条目的大小取决于用于状态度量的所选数值表示以及状态度量所要求的期望准确度。这些条目的大小可作为调制性能和存储器要求之间的折衷而导出。

提供决策存储器203，且它包含与每个篱栅状态m相关联的先前决策

的集合。由于有S个状态和L_r个与每个篱栅状态相关联的先前决策

因此决策存储器203必须被调整尺寸以容纳S×L_r个先前决策。胜于储存先前调制码元决策的实际序列，储存对应的码元索引i会更加有效。对每一个已调制码元c，证实了M(D^-1(i))＝c的调制码元索引i被储存在该决策存储器中。如果该方法被选中，则只需M个比特来储存每个i值，因此决策存储器203仅仅为S个值深以及M×L_r比特宽。

积存储器201、码元差存储器202、决策存储器203和状态度量存储器204中保持的值在单元207中组合以计算所有可能的S×2^M个新的候选度量。给定候选度量的计算首先需要计算相关联的分支度量。

分支度量计算为序列中索引为m的每个分支起始状态顺序地执行。对于分支起始状态m，首先计算并储存过去的决策对分支度量的贡献。

μ = Σ_{u = L_{f}}^{L_{f} + L_{r} - 1} h_{u} \times {\hat{c}}_{k - u} (m)

应该注意，即使有2^M个分支度量与每个分支起始状态m相关联，但对于每个分支起始状态只需执行以上方程式的计算一次。而且，后续状态的处理不需要μ的值。因此，对于μ，仅仅必须作出储存单个值的存储器供应，因为该值在前进到对m的下一个值的备选度量计算时可以被覆盖。

如先前所指出的那样，出于存储器效率的原因，较佳的是在决策存储器203中储存调制码元索引i而非复调制码元

μ所需的每个积值h_k×c是通过读取该存储器内由所考虑的积的值k和i索引的位置而从积存储器201中检索的。因此，复值μ的计算仅仅需要L_r次复数加法和L_r次存储器访问(一次存储器访问表示对一个复值h_k×c的检索)。

接着，将假设的码元对分支度量的贡献添加到部分和μ以使μ变为：

μ = Σ_{u = 1}^{L_{f} - 1} h_{u} \times {\hat{c}}_{k - u} + Σ_{u = L_{f}}^{L_{f} + L_{r} - 1} h_{u} \times {\hat{c}}_{k - u} (m)

对于μ＝1到L_f-1的值是从积存储器201(再次通过使用u和i索引存储器201)来检索的，且该值在递归的基础上与μ累加以得到在前述方程式中所述的结果。对μ的这一更新涉及L_f-1次存储器访问和L_f-1次复数加法。

部分和L_f-1然后被储存并用来计算与索引号为m的分支起始状态相关联的不同分支度量。

为了计算2^M个与当前分支起始状态相关联的分支度量，部分和μ依次与来自码元差存储器202的每一条目组合。对每个分支度量，从来自码元差存储器202的条目中减去部分和μ以产生：

r_{k} - Σ_{u = 0}^{L_{f} - 1} h_{u} \times {\hat{c}}_{k - u} - Σ_{u = L_{f}}^{L_{f} + L_{r} - 1} h_{u} \times {\hat{c}}_{k - u} (p (m, i))

然后计算这个结果的平方量值，并且该结果，即分支度量被储存在候选度量存储器205中。为了计算分支起始状态的下一个分支度量，读出码元差存储器中的下一个值，且从该值中减去μ。由于码元差存储器中的条目从开始到最后仅仅被读出以与μ组合，所以分支度量的计算效率特别高。

虽然候选度量存储器205在这一点上包含篱栅里所有的2^M×S个候选度量，但是该存储器中的条目仅仅包含分支度量。与分支起始状态k相关联的2^M个条目被写入位置K×2^M到(K+1)×2^M-1。与分支起始状态k相关联的平方量值被顺序地写入。

为导出分支度量而执行的不同计算在图3中概述。首先在单元301中使用来自存储器203的过去的决策和来自积存储器201的值计算对过去的调制码元决策

(u從L_f到L_f+L_r-1)的给定分支度量的贡献。这些计算对S个篱栅状态中的每一个执行。

对与分支起始状态相关联的对于u＝1到L_f-1的假设码元

的分支度量的贡献然后被在单元302中添加。所得的量然后在单元303中与来自与由所考虑的分支所暗示的码元决策相对应的存储器202的码元差组合。该结果然后在单元304中求平方以计算分支度量。在本段中所描述的计算需要为2^M×S个分支度量中的每一个执行。

正如先前所指出的，在这一点上，因为先前的状态度量的贡献还没有被包含在内，所以候选度量存储器205中的值并不对应于候选度量。因此，每个分支度量值依次从存储器中检索，并且其然后被添加到正在讨论的篱栅分支的起始状态的状态度量。应该注意，每个状态度量对2^M个候选度量都是共用的。在这一添加过程后，每一个候选度量值被储存在其在候选度量存储器205中的原始位置处。换言之，对2^M个对应于分支起始状态k的候选度量执行读取-修改-写入(RMW)过程。

上一段中所描述的候选度量计算依次对每个分支起始状态重复，直到候选度量存储器205已经被完全填满。一旦这个操作完成，状态度量和过去的决策码元由单元208更新。决策存储器203和状态度量存储器204作为该过程的输出而被更新，这将在后面描述。

在候选度量计算单元207中，候选度量是会依次为每个分支起始状态生成的。这允许存储器201和202的预计算的值重复利用，因而减少了计算状态度量所需的计算次数。但是，在更新状态度量的单元208中，该处理是依据分支结束状态而不是起始状态来定序的。因此，候选度量并不是从由单元208使用的候选度量存储器205中以固定增量偏移1来检索的。相反，使用一恒定的增量偏移2^M。例如，假设处理索引号为m的分支结束状态。在这一情况中，候选度量存储器205中位置m，m+2^M，...，m+S+2^M处的值由单元208检索。由于检索了每个状态度量，因此保留了最佳值(即最小值)。一旦处理了所有2^M个度量，该最小值就对应于经更新的状态度量γ_m(k+1)。

一旦对于给定的分支结束状态α找到了最佳候选度量，则更新相关联的过去的决策码元信息(u＝L_f到L_f+L_f-1)。这是通过取出用于与产生最佳候选度量的分支起始状态相对应的状态β的存储器203中所保持的过去的决策码元并将其与

(即其中u＝L_f-1)相组合来实现的。

当与一给定状态相关联的过去的决策作为L_r×M的单个字被储存时，决策存储器中的信息的更新可以用非常有效的方式来实现。该新的决策字可以通过首先将对应于最佳候选度量的分支起始状态的决策字移位M位来计算。与该分支起始状态相对应的最早的(位置u＝L_f-1)假设码元的索引i然后通过使用位掩码和逐位OR(或)运算来与决策字相组合。

一旦更新了决策存储器203和状态度量存储器204的内容，在单元209中计算码元后验概率。2^M个码元概率然后被储存在码元概率存储器210中。与码元c＝M(D^-1(i))相关联的码元概率通过依次读取存储器205中位置2^M×i 2^M×(i-1)+1到处候选度量并找出最佳值来计算。对所有2^M个可能的调制码元重复该过程。因为候选度量是以存储器位置中为1的增量从存储器205的起始到结束读取的，所以可以用非常有效的方式来实现这些存储器访问。

最后，在图2的解调器体系结构的最后阶段211中，使用储存在码元概率存储器210中的码元概率计算对于与当前接收码元r_k相关联的M比特的LLR。对于M个比特的LLR是一个接一个不以特定的顺序计算的。对给定比特的LLR，计算对应于其比特被置为1的调制码元的2^M-1码元概率的最大值(或最小值，取决于用于分支度量的约定)。对与其比特被置为0的码元相对应的2^M-1个概率重复该过程。这两个值之间的差值就等于给定比特的LLR。

应该注意，可将在单元209中执行的计算与导出候选度量所需的计算组合在一起。这样做将会省略掉对码元概率存储器210的需要。但是，这同样意味着当计算最佳候选度量时必须跟踪它。

总之，计算复杂度的实质上的降低可以通过预计算和储存下面的量来实现：

●个别信道系数和个别调制码元的2^M×L个复积

●2^M×S个候选度量

●当前接收码元和由第一传播信道抽头h₀调制的所有调制码元之间的2^M个复差。

●2^M个后验码元概率

所提议的解调器体系结构还需要用于S个不同状态度量和S个先前调制码元的不同序列的存储。但是，这一存储器要求对于使用DDFSE体系结构的任何接收器都是存在的。此外，示出过去的决策码元所需的存储器量在储存了调制码元索引而不是实际的复调制码元的情况下可以被降低。此外，该储存方法使得在接收到新码元时很容易更新

(u＝L_f到L_f+L_r-1)信息。最后，应该注意，取决于用于实现所提议的解调器方法的处理器，状态度量和过去的决策码元存储器的大小需要加倍以避免在它被完全使用之前覆盖掉信息。

决策存储器203和状态度量存储器204的内容的初始化将取决于其中使用所提议的解调器体系结构的实际通信系统。如果插入了已知训练码元的序列作为发送信息的一部分，则可使用该信息来设置初始的过去决策字

(u＝L_f到L_f+L_r-1)。状态度量也可以被初始化为沿着朝向这些已知码元的决策偏斜的值。例如，在E-GPRS系统中，训练序列被插入到发送信息的脉冲串的中间。然后简易对从训练序列开始的两个序列中的接收信息执行均衡化操作，如图4所示的。该训练比特然后可用于初始化决策存储器203和状态度量存储器204。

还应该注意，对从后验概率中导出LLR的实现可以取决于总体的体系结构而变化。例如，如果接收器体系结构是基于RSSE方法，则后验概率的处理需要被修改以考虑到比特决策可能用不同的延迟来作出。

现在将描述可用于进一步降低上面所述的解调计算的复杂度的另一技术。这一复杂度降低技术适用于分支度量计算，且图5中示出。复杂度的降低通过将L_r个信道系数分为两个集合来实现。对于前L_r ^St个系数在单元502中对每一分支起始状态计算对相关联的调制码元的分支度量的贡献。但是，对于后L_r ^Sy个(其中L_r ^St+L_r ^Sy＝L)系数

在单元501中仅计算一次对调制码元的分支度量的贡献，同时其结果用于所有的状态。因此，可以对与最后L_r ^Sy个信道抽头相关联的计算实现因数为S的复杂度降低。

为更新先前的决策码元

(u＝L_f到L_f+L_r-1)所提供的技术是非常有效的，因为它仅仅需要执行比特移位和比特设置操作。然而，该技术在解调性能方面可能不是最优的。因此，现在将描述另一种可选择的方法。

对于任意给定的分支结束状态，需要从具有通往该分支结束状态的分支的2^M个起始分支起始状态的2^M个旧决策字中创建一新的过去的决策字。对于该新的决策字中的每个比特位置，通过收集由在2^M个旧决策字的组中的同一位置出现的比特构成的比特集合来导出一比特。其过去的决策字为该集合贡献了偶数奇偶校验比特的状态的状态度量加权和的方式组合，而其过去的决策字为该集合贡献了奇数奇偶校验比特的状态的状态度量同样以加权和的方式组合。如果与一个或多个奇数奇偶校验比特相关联的和大于与一个或多个偶数奇偶校验比特相关联的和，则将对分支结束状态的决策字中当前位置处的比特设为1；否则，将对分支结束状态的决策字中当前位置处的比特设为0。可使用各种各样的技术来计算加权和。在一个可能的实现中，权值是从与不同分支起始状态相关联的概率中导出的。这些概率可以从状态度量中导出。

迄今为止，已按照体系结构描述了本发明的某些实施例。如先前所指出的那样，这些体系结构可以用合适的底层硬件实现为软件，诸如图6所示的。

图6示出了一个通用结构，该结构可以表示其中可实现本发明的移动电话、基站或类似的接收器。接收器601包含用于获得无线信号的天线602、RF部分603、模数转换(ADC)部分604、数据处理器605和存储器606。实际上，接收器将包含许多其他的元件，但是仅仅示出解释本发明的实现所需的那些元件。

在天线602处接收的信号被降频变换，并且在RF部分603处放大。然后该信号由ADC部分604转换成数字信号，并被传输到处理器605。处理器605依赖于提供所需的信号值和其它数据的存储的存储器606来执行提取并利用所获得的信号的信息有效载荷所需的操作。处理器605承担图2、3和5中所示的体系结构的过程，并在需要时利用存储器资源606来提供那些过程所需的数据的存储。

Claims

1.一种用于估算来自通过信道获得的接收信号的发送信号的篱栅处理装置，其中所述接收信号包括一接收码元序列，所述发送信号包括一发送码元序列，所述信道由包括一系列信道系数的信道响应估算来特征化，每个所述信道系数对应于一不同的时间延迟，且所述装置包括：数据储存装置，它包含接收码元与不同的第一积之间的差异，每个第一积是对应于最小时间延迟的信道系数与可能的发送码元中的一个的积；用于计算第二积的和的计算装置，每一个第二积是可能的发送码元与除了与最小时间延迟相对应的信道系数之外的一个信道系数的积，且所述和专用于篱栅中的分支起始状态；并且其中，所述计算装置被安排成在计算通往所述篱栅中不同的分支结束状态的分支度量时将求和的结果与来自所述数据储存装置的不同差异组合在一起。

2.如权利要求1所述的装置，其特征在于，所述数据储存装置还包含第三积，每个第三积是一信道系数和一可能的发送码元的积，并且所述计算装置被安排成在计算所述求和和/或差异中的一个或多个时利用来自所述数据储存装置的一个第三积。

3.如权利要求1或2所述的装置，其特征在于，所述计算装置被安排成从它所计算的分支度量中为所述篱栅中的状态计算候选度量。

4.一种用于估算来自通过信道获得的接收信号的发送信号的篱栅处理方法，其中所述接收信号包含一接收码元序列，所述发送信号包含一发送码元序列，所述信道由一包含一系列信道系数的信道响应估算来特征化，每个所述信道系数对应于一不相同的时间延迟，且所述方法包含：储存接收码元与不同的第一积之间的一组差异，每个第一积是对应于最小时间延迟的信道系数与可能的发送码元中的一个的积；计算步骤，包含计算第二积的和，每个第二积是可能的发送码元与除了对应于所述最小时间延迟的信道系数之外的一个信道系数的积，且所述和专用于篱栅中的分支起始状态；并且其中，所述计算步骤还包含在计算通往所述篱栅中不同的分支结束状态的分支度量时将所述求和的结果与来自所存储的组的不同的差异组合在一起。

5.如权利要求4所述的方法，其特征在于，还包含储存第三积集合，每个第三积是一信道系数和一可能的发送码元的积，并且其中所述计算步骤被安排成在计算所述求和和/或所述差异中的一个或多个时利用来自所述集合的一个第三积。

6.如权利要求4或5所述的方法，其特征在于，所述计算步骤还包含从它已计算的分支度量中为所述篱栅中的状态计算候选度量。