CN101019392B - 抑制接收信号中的干扰的方法 - Google Patents

Abstract

一种对于接收的通信信号，基于最小平方估计来执行接收信号处理以估计一个或多个干扰的贡献的方法和装置。典型接收器使用干扰信号信道估计来获得一个或多个干扰信号的干扰贡献的最小平方估计，然后使用这些估计来抑制解调处理期间的干扰。另外，最小平方估计可以被用于获得一个缩小的搜索空间，其中在解调处理期间搜索的候选信号集合得以被缩小。

Description

抑制接收信号中的干扰的方法

技术领域

本发明一般涉及通信信号处理，特别是此类信号的解调。 

背景技术

在无线通信系统的环境下，诸如无线局域网(LAN)特别是移动无线电网络，从接收到的通信信号中准确地恢复原始发送的信息是一个巨大的挑战。例如，由于快速衰落的传播信道、多用户干扰等等，移动通信网络特别能代表具有挑战性的环境。 

在通常的信息恢复方法中，根据输入信号的采用部分与表示接收信号可能值的假设值之间的比较，来解调接收的信号。由于这种比较没有考虑干扰，该方法是有缺陷的，从而难以知道对比的结果是反映了好的还是差的假设、或者仅反映了未被考虑的噪声的作用。而且，特别在复杂的传送信号调制星座的情况下，相对于用于实时或者接近实时地处理信号通常可用的时间量而言，必须被估计以识别接收信号的候选信号的数目过于巨大。 

以上解调方法的一种替代方法涉及所谓的联合检测，其中接收器联合检测并解调期望信号以及干扰信号。这样获得的信号信息带有干扰信号，因此抑制由其引起的干扰就是一种相对直接的提议。然而，从干扰抑制所获得的好处并不能弥补由联合检测本身引起的解调复杂度的伴随增加。 

发明内容

本发明包括用于接收信号处理的一种方法和装置，其中使用最小平方处理来估计一个或多个干扰信号的贡献。在这种配置下，示例接收器使用干扰信号信道估计来获得一个或多个干扰信号的最小平方估计，并且然后使用这些估计来抑制解调处理期间的干扰。另外，最小平方估计可以被用于获得一个缩小的搜索空间，其中在解调处理期间搜索的候选信号组被缩小了。 

因此，一个典型的抑制包括期望信号的接收信号中的干扰的方法包括：通过基于干扰信号信道估计的最小平方估计来估计一个或多个干扰成分，并解调接收的信号，以至少部分基于干扰成分来恢复期望的信号。在本文中，干扰成分的估计包括为一组期望的信号假设中的每一个估计该接收信号的干扰成分。 

在另一个典型实施例中，该方法包括生成接收信号与一个或多个候选信号的每一个之间的第一余量(residual)，这些候选信号被假设为期望信号；计算每个第一余量的干扰成分，作为最小平方估计；通过去掉相应的干扰成分来从每个第一余量中生成一个第二余量；并通过评估该第二余量来确定一个最佳候选信号。 

对第二余量的评估可以是不受限制的，其中对应于最佳第二余量的候选信号被选为接收信号的最佳候选，而无需评估第二余量的明显合理性(validity)。然而，可以配置示例的解调过程，以考虑根据干扰信号的已知的或推测的传送信号特性，引起最佳第二余量的估计的干扰成分是否是合理的。例如，示例接收器可以使用反向干扰信道来将估计的干扰信号掉转回传送信号空间，并确定这样的掉转信号对于例如已知的调制包络范围来说是否有意义。如果该估计是不合理的，接收器可以使用替换方法，来指定最佳候选或可以限幅该估计，使其落入可应用的范围。 

根据上述一个或多个实施例，用于抑制包括期望信号的接收信号中的干扰的接收器电路包括一个处理电路，被配置为生成接收信号与一个或多个候选信号的每一个之间的第一余量，这些候选信号被假设为期望信号。该处理电路进一步被配置为计算每个第一余量的干扰成分，作为最小平方估计，通过去掉相应的干扰成分来从每个第一余量中生成一个第二余量，并通过评估该第二余量来确定一个最佳候选信号。 

在另一个示例接收器电路实施例中，接收器电路包括一个栅格解调器，被配置为使用栅格解调来解调接收信号，以获得期望的信号，其中该栅格解调器包括一个最小平方估计电路，被配置为在一个或多个栅格级生成干扰的最小平方估计，并进一步被配置为至少部分根据干扰估计来计算从这些级前进的分支量度。 

在下面对附图的讨论和描述中，将讨论上述实施例的细节。对于本领域的熟练技术人员，通过阅读这些讨论并通过浏览附图，本发明的上述目的、特征和优点将会变得更加清楚。 

附图说明

图1是根据本发明的一个或多个实施例的用于实现干扰抑制和其他解调信 号处理的一个示例处理电路的简图。 

图2A是一个示例无线通信网络的至少一部分的简图。 

图2B是根据本发明的任一实施例的包括图1的处理电路的一个示例无线通信设备的简图，例如一个移动终端。 

图3是根据本发明的一个或多个实施例的示例信号处理的简图。 

图4是描述了将接收的信号解析为期望的和干扰余量成分的例子。 

图5是对应于图3的处理逻辑的示例细节的简图。 

图6是进一步的示例处理细节的简图。 

图7是包括图1的处理电路的解调器/解码器的另一个示例实施例的简图。 

图8是根据本发明的一个或多个实施例的示例快速搜索处理的简图。 

具体实施方式

本发明广义上包括一个用于接收信号的解调的方法和装置，其中利用对干扰信号的知识来抑制干扰和/或缩小接收信号假设测试的候选搜索空间。在本文中，接收信号的维数被认为比期望信号的“维数”更大，该期望信号被作为包括一个或多个干扰信号在内的整个接收信号的一部分。这样，接收信号的更大维数仅意味着和不了解所发送的期望信号的情况相比，接收器能够进行更大数目的观察。 

通过和用于传送期望信号的天线数目相比包含更大数目的接收天线的接收器，可以获得额外的维数。即使只有一个单独的接收天线，接收器还可以通过相关于期望信号的额外带宽来获得额外的维数。通过非限定性示例，GSM系统中的示例接收器通过使用多个接收天线来获得所需的额外维数。对于WCDMA系统，典型接收器可以利用WCDMA系统固有的额外维数，而只采用一个单独接收天线，或者可以使用多个接收天线。 

这样，应该理解本发明适用于大量的通信系统，而并不限制于任何特定的网络类型。有鉴于此，典型的接收信号处理，包括干扰抑制和信号解调两个方面，可以通过检查具有一个期望信号和一个干扰信号的情形来最佳的理解，其中每个信号被以M个天线发送，并且在典型接收器处用N个天线来接收。要说明的是如果期望信号和干扰信号具有不同数目的传送天线，M被视为更大数目的传送天线。M维向量s_D代表期望信号，而M维向量s_I代表干扰信号。s_D和s_I的值通常被限制到优先的信号星座S。例如，他们都仅限于信号星座S所 定义的值。期望信号和干扰信号各自的信号格式定义了相关的星座，诸如8PSK和/或16QAM。 

在分别表示为矩阵C_D和C_I的衰落信道上传送信号s_D和s_I。注意对于诸如WCDMA下行链路的多码传送，从干扰基站传送的信号可以被视为一个单独的干扰，其信号星座是所有码的合成。在这个框架下，接收信号包括期望信号和干扰成分，以及干扰加噪声。这样，可以用一个N维向量r来表示接收信号，它可以写为： 

r＝r_D+r_I+v＝C_Ds_D+C_Is_I+v    (1) 

其中r_D表示期望信号s_D的贡献，r_I表示干扰信号s_I的贡献，并且v是所有其他干扰及内部和/或外部噪声的混合，被建模为复白高斯噪声。下面要说明的是，相对于接收信号，使用“干扰”和“期望”来指示所关注的是哪个特定信号。这样，接收器可能接收一个包括多个期望信号的混合信号，并且对于这些期望信号中的任意一个，其余期望信号都被视为干扰。 

这里提出的示例信号解调利用了对干扰信号的信道的知识。在一个实施例中，解调过程将干扰信号视为一个非限制的变量，其中它对接收信号的贡献取决于最小平方估计。在另一个实施例中，处理过程被限制为从最小平方估计所确定的干扰信号的干扰贡献。处理被限制到一个范围，其了解干扰信号的已知的或可推测的发送信号特性。因此这样的限制可以被认为是将一个有效性或合理性测试强加给干扰估计结果。 

根据本发明的一个典型的通用方法，抑制包括一个期望信号的接收信号中的干扰包括通过基于干扰信号信道估计值的最小平方估计来估计一个或多个干扰成分，以及至少部分基于这些估计的干扰成分来解调接收信号，以恢复期望信号。下面给出这个典型干扰抑制的细节，图1提供了典型处理过程的更宽泛的概观。 

图1描述了本发明的包括一个或多个接收处理电路10的一个典型实施例，接收处理电路包括一个具有最小平方干扰抑制电路(LSIS)14和(可选的)一个快速搜索电路16的解调器12，并且进一步包括一个信道估计器18，它被配置为提供期望信号信道估计值C_D和干扰信号信道估计值C_I。在一个典型实施例中，信道估计器18被配置为根据导频信号或来自干扰发送器的其他参考信号来估计干扰信号信道估计值。例如，在一个无线通信网络实施例中，产生一 个或多个干扰信号的相邻基站还会传送导频信号，从而允许对干扰信号传播信道进行估计。 

这样，在无线通信网络22中使用的移动终端20中，可以如图2A所示来实现典型处理电路10，该网络部分包括一个或多个基站24，它们通过一个控制器26被通信耦合到一个或多个核心网络，但本发明不限制于这样的应用。本领域的熟练技术人员会理解实际的网络22通常会包括这里没有示出的附加实体。另外，本领域熟练技术人员会理解网络22的体系结构至少在某些程度上依赖于所涉及的特定网络标准。 

图2B示出了移动终端20的一个典型实施例，包括两个或更多天线30-1...30-N、一个开关/双工电路32、一个接收器34、一个发送器36、一个基带处理器38、一个系统控制器40、一个用户接口42、以及一个或多个存储设备44。典型的接收器34包括一些或者全部的之前描述的与接收器处理电路10相关的处理单元，从而移动终端20被配置为根据本发明来执行接收信号的解调。 

另外，尽管这个图提供了讨论典型接收器操作的各个方面的一个有意义的基础，应该理解该图并不是用于限制本发明。例如，基带处理器38可以包括一个或多个集成电路，它们被配置为执行至少一些由接收器34和发送器36所标识的功能。从而，用于执行示例的精简干扰信号解调操作的接收处理电路10本身可以是一个更大的功能元件的一部分。 

在任何情况下，图3描述了用于执行本发明的一个或多个实施例的示例处理逻辑。这样的处理逻辑可以以硬件、软件或者二者的结合来实现。适用的硬件包括一个或多个专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、或者其他离散的或集成的处理电路，但不限于这些器件。适当的软件可以基于一个或多个微处理器、微控制器、数字信号处理器等等，执行固件、软件、微码等等。 

不管如何，处理过程开始使用接收信号的一个或多个采样，接收信号包括一个期望信号成分和一个或多个干扰信号成分。采样信号可以包括对应于一个或多个调制符号的值、符号序列等等，这依赖于接收信号的特定类型(GSM、WCDMA等等)，以及接收器34中包括的前端电路的特定实现方式。在任何情况下，典型接收器的处理过程都是在包括期望信号和干扰信号成分的接收信号采样上操作的，例如基带采样。 

根据本发明，接收信号的解调结合了一个最小平方干扰抑制方法，它允许接收器抑制与干扰信号相关的干扰，而不必扩大用于解调和/或特别处理这些信号所需的计算资源。更特别的，典型接收器生成期望信号信道估计和干扰信号信道估计(步骤100)，然后使用该干扰信号信道估计来对接收信号中的干扰成分进行最小平方估计，从而提高对期望信号的恢复(步骤102)。 

在这里的一个基本的解调方法中，处理电路10被配置为通过在多个假设值(即所接收的期望信号的“候选信号”)中确定一个最佳假设值，来恢复期望信号。更特别的，对于代表期望信号的假设值的候选信号组中的每个期望的候选信号S_D，k，即对于集合S＝{s_D，1，s_D2...，s_D，L}中的每个候选信号s_D，k，示例处理电路10被配置为根据从复合的接收信号中减去该候选信号的“信道化”版本，来计算第一余量，按照： 

resl_k＝r-C_Ds_D，k    (2) 

这样，仅通过将期望信号的信道估计应用到候选信号，来获得候选信号的信道化版本，这样候选信号从它的标称值的改变方式就基本上与所接收的期望信号通过实际的传播信道而从其标称值的改变方式一样。 

如果候选信号s_D，k是对期望信号r_D的一个粗略的猜测，第一余量resl_k显然是非零的。然而，如果s_Ｄ，k恰好是r_D经传送后的值，resl_k还是非零的。因为，不管候选信号值与实际期望值之间的差值是多少，resl_k还包括由信道估计误差引起的一个部分、和由干扰和噪声引起的一个部分。 

有鉴于此，可以看到，由于复合接收信号与接收器对该接收信号的假设“猜测值”之间的差值被干扰和噪声所污染，只根据第一余量来从期望信号组S中识别出最佳的假设值s_D，k是很复杂的。从而，如果没有更多的信息，就很难知道每个假设值所产生的第一余量中，有多少来自于候选误差，以及有多少来自于噪声、干扰以及信道估计误差。(要说明的是干扰几乎通常在这些未计入的因素中是最重要的)。 

典型接收处理电路10通过计算干扰信号对每个第一余量的干扰贡献，来改进候选信号的选择。更特别的，典型接收处理电路10被配置为为每个第一余量中的干扰成分生成一个最小平方估计，并通过从各自的第一余量中去掉干扰成分，来产生相应的第二余量。图4提供了这些操作的一个典型的图形化描述，但并不是想要限制该方法。 

在图4中可以看到，对于每个候选信号s_D，k，可以将接收信号看成包括由C_Ds_D，k表示的第一成分，以及包括第一余量的第二成分，即resl_k＝(r-C_Ds_D，k)。另外可以看出，可以根据第二余量来估计第一余量的干扰部分，根据 

${\mathrm{res}2}_k=r-C_D{s}_{D,k}-{\tilde{r}}_I\left[s_{D,k}\right]---\left(3\right)$

其中 

包括干扰成分的最小平方估计。 

最小平方处理主要是估计一个统计模型的一个或多个参数一些数量，这些数量使得因变量的观察值与该模型所预测的值之间的差最小。在典型接收器中，通过假设s是一个M维变量，而r是一个N维噪声观察值，可以更清楚地理解最小平方估计过程，按照 

r＝Cs+v    (4) 

其中v是噪声向量。从而s的最小平方(LS)估计由下式给出： 

$\tilde{s}={\left(C^{h}C\right)}^{-1}\mathrm{Cr}---\left(5\right)$

在(5)中的反函数中必须保持N≥M的维数关系。在通常的高斯假设中， 

是s的最大似然估计值。与 

对应的向量由下式给出： 

$\tilde{r}=C\tilde{s}=C{\left(C^{h}C\right)}^{-1}\mathrm{Cr}---\left(6\right)$

当N＞M时，r的估计值通常与r不同，这说明典型接收器可以区分信号和噪声。 

已经讨论了最小平方的方法，现在返回到对典型接收器的描述。干扰信号对每个第一余量的贡献——即每个第一余量中干扰信号所占的部分——可以通过最小平方处理来估计，按照 

${\tilde{r}}_I\left[s_{D,k}\right]=C_I{\left({C_I}^h{C}_I\right)}^{-1}{C}_I(r-C_D{s}_{D,k})---\left(7\right)$

再次声明M指信号的传送天线和干扰的传送天线的数目的最大值。这里，我们集中讨论干扰的传送天线数M’。注意如果接收天线的数目N超过了M’，那么LS接收器就能够区分干扰信号对第一余量的贡献与噪声。可以看出，这个最小平方处理方法利用了接收器对干扰信号信道估计的知识，但不要求对干扰信号解调，或者其它的计算上禁止的操作，以获得对干扰信号内容的特殊的知识。 

这样，通过抑制每个第一余量中的干扰成分来获得第二余量，改进了最佳候选信号的选择。在计算 

时，最佳候选的搜索是在集合S中的所有候选上执行的，以产生一个估计值 

作为期望信号的最佳候选。这个评估过程可以 表示为： 

${\tilde{s}}_D=\underset{s}{\arg \min }\left\{\right||r-C_{D}s-r_I[s\left]\right|\left|\right\}---\left(8\right)$

这样，典型接收器处理电路10被配置为通过计算干扰信号对每个假设值的第一余量的干扰贡献，来确定对于所接收的期望信号的最佳假设值。更特别的，典型接收器被配置为根据为候选信号确定的第一余量，使用对于每个候选信号的最小平方处理，来计算干扰信号的干扰贡献。然后从每个第一余量中去掉相应的干扰贡献，以获得一组第二余量，对于要作为解调的一部分而被测试的每个候选信号都获得一个第二余量。 

图5描述了执行上述方法的典型处理逻辑，它可以通过硬件的、软件的、或者二者结合的处理电路10来实现。假定可以获得接收信号的一个或多个采样，处理过程以选择第一候选信号s_D,k来开始(步骤110)。处理过程继续，对于所选的候选信号s_D,k，计算相应的第一余量，如上面公式(2)中给出的(步骤112)。然后使用最小平方处理来估计第一余量的干扰成分，如上面公式(7)给出的(步骤114)。利用由此估计的干扰成分，处理过程开始计算所选候选信号的第二余量，如上面公式(3)给出的(步骤116)。 

如果在假设值集合中有更多候选信号(步骤118)，那么就继续选择下一个候选信号(步骤120)，并对该下一个候选信号重复第一余量、干扰成分、第二余量的计算。以这种方式处理候选集S，会产生一个第二余量集合，对这些余量进行评估，以确定与接收的期望信号最匹配的候选信号s_D,k。然后该最佳候选信号的值就被视为接收的期望信号，并根据需要或期望来处理。对于进入的接收信号，上面的解调过程是一个重复的发展过程。 

根据本发明对第二余量的评估，可以获得明显的灵活性。图6描述了几种用于上面步骤122的评估过程的典型变型。例如，确定最佳候选信号可以包括比较第二余量并确定最佳(例如，最小)第二余量，如上面公式(8)给出的(步骤130和132)。评估方法被认为是一种非限制性的解调，因为它没有对估计的干扰成分强加任何限制，干扰成分被从各自的第一余量中去掉以获得第二余量。 

有鉴于此，一种可选的限制方法是按照上面方法来确定最佳第二余量，但进一步判断针对该最佳第二余量所估计的干扰成分是否针对已知或推测引起干扰的干扰信号表示了干扰的合理估计(步骤134)。典型接收器可以知道或可以 推测干扰信号的调制类型，从而可以评估所估计的干扰成分是否是干扰的合理估计(假设已知或推测的干扰传送特性)。例如，接收器可以获知或推测干扰信号是一个16QAM信号，其具有已知的、有界的调制包络。 

这样，通过将逆干扰信号信道估计应用于干扰成分，接收器就可以评估对应于最佳第二余量的所评估的干扰成分是否是合理的，或者有效的。该操作在干扰信号的传送信号空间中产生了一个传送信号量级。继续以16QAM为例，如果被转换到干扰信号的传送信号空间的估计的干扰成分的量级超过了16QAM传送信号的调制限制，那么该估计的干扰成分就是不合理的。当然，还可以额外估计传送信号的其他特性，或者作为一种替代方式，估计调制包络边界。 

在任何情况下，如果将干扰成分转换到干扰信号的传送信号空间，没有达到一个有意义的结果(步骤136)，典型处理电路10可以被配置为退回到估计第一余量，以确定期望信号的最佳候选(步骤138)。在这个方面，第一余量的估计与第二余量的估计是相似的，相似处在于处理电路10可以被配置为挑出最佳第一余量，并选择相应的候选信号作为最佳的假设值(步骤138)。可选的，处理电路10可以被配置为继续根据最小第二余量来解调，但这时它可以对它的值定界或者限幅，以符合已知的或推测的传送信号特性的限制(步骤140)。 

作为另一种可选方式，并作为本发明灵活性的一个增加点，图7描述的处理电路10的解调器12的另一个实施例，该处理电路被配置为一个栅格解码器40，包括多个连续的解码级42-1...42-M，以及一个分支量度计算器44，它包括一个典型最小平方干扰抑制电路14，其配置与之前的描述一致。 

在该实施例中，干扰成分的最小平方估计被用于衡量栅格解码器所使用的分支量度，以通过连续的解码级。这样，分支量度的计算获益于上面实施例中的基于对干扰信号成分的最小平方估计的干扰信号抑制。 

除了分支量度中的干扰抑制以外，栅格解调器/解码过程可以是没有改变的。这样，在解调器12中可以实现最大似然(ML)或最大后验(MAP)的迭代过程。另外，栅格解码器40本身的结构可以是一个完整的结构(ML)，或一个简化状态结构(RSSE或DFSE，或M算法)。 

考虑到本发明的其他方面，应该说明的是典型接收器可以接收多个期望信号，并按照这里描述的方式将典型的解调应用于每个期望信号。基于这点，当 处理一个给定的期望信号时，其余期望信号可以被看作干扰信号。术语“干扰信号”在这里应该被给予一个宽泛的含义。另外，对于接收信号可以包括多个干扰信号的概念，应该说明的是处理电路10可以被配置为以任意数量的方式来处理多个干扰场景。 

例如，这里描述的最小平方干扰抑制可以基于获取多个干扰的每一个的信道估计，其中典型处理电路10会通过同时估计所有干扰信号的贡献来将它们共同减去。可选的，典型处理电路10可以被配置为顺序操作，其中它首先估计最大干扰成分，去掉该成分，以生成一个第一干扰抑制余量，然后估计第二大干扰成分，并将其从第一干扰抑制余量中减去，以获得第二干扰抑制余量，等等。 

考虑到上面的解调过程，可选的，本发明通过缩小解调搜索空间，来获得额外的解调性能提高。换句话说，上面涉及候选信号选择的过程涉及在一组候选信号的每一个上的操作，这些候选信号代表了期望信号的假设值。从而，在这样的实施例中，整体的处理时间和/或处理复杂度就依赖于候选集合的大小。 

在图1中，所描述的典型接收处理电路10还可选地包括一个快速搜索电路16，并且在一个典型实施例或处理电路10中，快速搜索电路16被配置为在期望信号的传送信号空间中执行“球形检测”搜索空间缩小方法。下面对此进行更详细的解释，但是总的来说，典型接收器使用它对干扰信号信道估计值的知识来获得对干扰信号的一个初始估计，然后将该估计值移入到期望信号传送空间中(例如，移入标称传送信号符号调制星座中)。然后在期望信号的传送信号空间中应用球形检测，以生成一个大小缩小了的候选信号集合S。 

从而球形检测通过减少要进行评估的候选信号，来提供更快的解调，并且在大调制星座中(即32QAM、64QAM等等)这个优点是特别显著的。通常，一个最大似然(ML)或最大后验(MAP)判决设备必须考虑传送信号的所有可能的候选，以产生输出。在具有附加高斯噪声的通信中，并且在合理的SNR条件下，作为对接收的期望信号的匹配，候选信号的似然值作为候选和接收信号之间的适当距离的函数，下降非常快。这里使用的术语“距离”意味着根据所应用的调制星座的维数的适当的N维空间量度。 

就识别最佳候选而言，一个利用仅限于具有高似然值的候选信号的搜索的判决设备与一个利用整体搜索的判决设备性能类似，但潜在地具有更高的性 能。这点成为球形检测和这里提议的相似的快速搜索技术背后的基础概念。考虑在实AWGN中的一个单独的实信号的简单通信情形，由下式给出： 

r＝s+n    (9) 

其中s是一个表示实多维信号的列向量，n是一个实白高斯噪声向量，而r是一个实接收向量。判决设备的基本功能是搜索传送信号的最佳候选信号。更多的复杂装置，诸如多用户、MIMO、多传送和接收天线等等，可以提供非常复杂的调制星座情形，从而在期望信号星座具有许多点和多个维度的情况下，处理电路10中的快速搜索电路16的可选的实现方式变得更加有利。 

对于接收的无线通信信号的快速搜索可以建模为： 

r＝Cs+v    (10) 

其中C表示复衰落信道，并可以包括多个传送和接收天线。s也是一个复信号，v是复噪声。由于传统的调制点阵(1attice)是在实数上研究的，更详细的讨论一下这样的点阵是有益的。这个讨论还提供了对于各种变型的信息，它们不考虑点阵结构，这些信息对于PSK的情况是很重要的。 

一个N维(调制)点阵L可以用一个N个M维的独立基本向量来定义，其中M≥N。基本向量中的元素是实数。(M×N)生成矩阵G包括基本向量作为它的列。L的一个元素s由N个整数的向量u来确定，如下式： 

s＝Gu    (11) 

对于额外的相关信息，可以参考H.Conway和N.Sloane的“Sphere Packings，Lattices，and Groups”(Spring-Verlag，3rd Ed.1999)。 

将元素u限制为整数创建了一个具有规则重复结构的离散集合。在调制过程中，向量u表示信息。当N＝2时，简单的对称点阵是： 

$G={\left(\begin{array}{cc}2& 0\\ 0& 2\end{array}\right)}^T---\left(12\right)$

显然它包括原点(0，0)^T。QAM调制与这个点阵相关。通常，用一个从原点的偏移量来定义QAM。可以将其理解为对称点阵的转换，由下式给出： 

s＝Gu-(1，1)^T    (13) 

实际的有限调制星座是通过执行对一个无限大小的点阵的有限子集来确定的。另一个例子是六边形点阵，由下式给出： 

$G={\left(\begin{array}{cc}1& 0\\ \frac{1}{2}& \frac{\sqrt{3}}{2}\end{array}\right)}^T---\left(14\right)$

一种等效表示由下式给出： 

$G={\left(\begin{array}{ccc}1& -1& 0\\ 0& 1& -1\end{array}\right)}^T---\left(15\right)$

(可以通过缩放、旋转、反射等等来创建等效点阵)这个点阵的3维形式是“橙子堆”。可以用下式来描述： 

$G={\left(\begin{array}{ccc}-1& -1& 0\\ 1& -1& 0\\ 0& 1& -1\end{array}\right)}^T---\left(16\right)$

六边形点阵是最密的2维点阵，在这个意义上是包装平面信号的最佳方式。相似的，橙子点阵的3维栈是包装球信号的最佳方式。已经广泛研究了许多其他经典的点阵，诸如24维的Leech点阵，它与Golay码非常相关，二者具有一些共同的独特属性。 

点阵的规则结构使得他们可被修改成快速搜索技术。对于一些特殊的点阵，诸如Leech点阵，有高度特殊化的搜索技术，它们利用了每一个可用的属性。更一般的，还有很好的常规搜索技术，来应用于所有的点阵。 

球形检测是一种可以在处理电路10中实现的方法，它获得了积极的快速搜索技术的两个期望的特性。首先，球是一个可以很容易标识的搜索子集，将接收信号空间中的接收信号反向映射到传送信号空间，提供了一种简单机制来将该球形子集放到传送信号空间调制中的高相似度的候选信号的区域中。影响缩小集合尺寸的设计参数是球的半径，所述球用于获取期望信号的调制星座中的候选信号的缩小集合。其他的相关信息，可以参考E.Agrell等的“Closest PointSearch in Lattices，”IEEE Trans.Inform.Thy.(2000年10月)。 

考虑实AWGN场合，其中信号s由s＝Gu给出，其中u是代表信息的整数的向量，G是实点阵的(N×N)生成矩阵。注意由于这里的稍后讨论包括复数，下面采用更一般的复数术语。标准的ML解码器通过在所有有效信息向量u上搜索最接近的候选Gu，来找到解 

$\hat{u}=\underset{u}{\arg \min }\left\{\right||r-\mathrm{Gu}|\left|\right\}---\left(17\right)$

其中||.||是欧几里德范式。对于其他相关信息，可以参考E.Viterbo和J.Boutros 的”A Universal Lattice Code Decoder for Fading Channels”，IEEE Trans.Inform.Thy.，vol.45，pp.1639-1642，Jul.1999。 

球形检测(SD)将搜索限制到||r-Gu||≤ρ的那些候选u。为此，它首先确定一个初始估计 由下式给出： 

$\tilde{u}=G^{-1}r---\left(18\right)$

第二，它将以r为球心、以ρ为半径的N维球形映射到一个以 

为球心的N维点阵上。该点阵是从G中确定的。然后搜索该点阵中的候选，以获得公式 

使得||r-Gu‖最小化。 

随着搜索的进行，半径被缩小了，这反过来缩小了点阵的大小，从而加快了该过程。如果适当地选择初始半径ρ，搜索会显著地减少，其性能几乎与真正的ML方法一样好。为了便于在椭圆上的搜索，将G复制到一个上三角形式中是有益的。 

考虑矩阵F＝G^HG，其中上标H指示厄密共轭。有可能找到一个上三角矩阵T，使得F＝T^HT。可以通过F的Cholesky因式分解来实现。使用标准的操作，可以写成： 

$\left|\right|r-\mathrm{Gu}\left|\right|=\left|\right|G(\tilde{u}-u)\left|\right|=\left|\right|T(\tilde{u}-u)\left|\right|\≤\mathrm{\ρ}---\left(19\right)$

椭圆的边界可以借助T的结构来表达。从第N个元素u_N开始，可以写成： 

$\left|T_{N,N}({\tilde{u}}_N-u_N)\right|\≤\mathrm{\ρ}---\left(20\right)$

基于元素u是整数的认识，可以找到u_N的边界值： 

$[-\frac{P}{T_{N,N}}+{\tilde{u}}_N]\≤u_N\≤[\frac{P}{T_{N,N}}+{\tilde{u}}_N]---\left(21\right)$

再向后退，可以写成： 

$|T_{N-1,N-1}({\tilde{u}}_{N-1}-u_{N-1})+T_{N-1,N}({\tilde{u}}_N-u_N)|\≤\mathrm{\ρ}---\left(22\right)$

可以组合u_N的边界值，以获得u_N-1的边界值。对其他元素顺序地继续该过程。本领域的熟练技术人员可以了解存在对于边界值的明确的表述，并存在公式用来生成椭圆中的候选u。 

在讨论可以用处理电路10来执行的典型SD程序的一个单次迭代中，我们用 表示当前的最佳候选，d_min表示它的相应距离。该SD方法在椭圆中找到一个新的候选u，并计算距离d＝||r-Gu‖。如果d_min＞d，那么最佳候选和其距离被更新为 

和d_min＝d。如果d＜ρ，那么球的半径被更新为ρ＝d。对应椭圆的边界也被相应地调整。 

这保证了下一个候选的距离不会大于当前的候选。那么找到了一个新的候选，它的距离与当前的d_min和当前ρ的比较，等等。最终，ρ缩小到足够小，在椭圆中没有留下新的候选，并且搜索结束。 

通过将衰落吸收到生成矩阵中，可以获得对实衰落情况的扩展。将衰落结合到实AWGN场合中，通用公式为： 

r＝Cs+v＝CGu+v    (23) 

这里C表示实衰落系数，其他的数同前面一样也是实数。 

这里讨论了N维的s和M维的r的3种情况，它们对应于不同的通信场合。在第一种情况，N＝M。这种情况非常类似于AWGN。通过将衰落吸收到一个新的生成矩阵G_C＝CG中来处理该衰落。除了在退化的情况中，C^-1都存在，初始的估计由下式给出： 

$\tilde{u}={G_C}^{-1}r=G^{-1}{G}^{-1}r---\left(24\right)$

注意这是一个零强制方案，由于 $G_C\tilde{u}=r.$ 同样用T_C表示对应于G_C的上三角矩阵。在AWGN场合中，逆矩阵G^-1和上三角矩阵T可以离线计算，这里对于每一个新接收的块都计算逆矩阵G_C ^-1和上三角矩阵T_C。一旦获得了这些数值，就按前面一样执行SD步骤。特别的，这种情况应用于一个发送天线和一个接收天线的场合。r和s具有相同的尺寸N，C是一个对角线矩阵，并且其对角线元素代表了连续符号s的衰落系数。G_C ^-1和T_C的计算被简化了。 

当N＞M，接收器在r中具有的观察值比在s中的未知值更多。同期望的一样，这通常是一个优点。初始估计 

是LS估计 

$\tilde{u}={\left({G_C}^H{G}_C\right)}^{-1}{G_C}^{H}r---\left(25\right)$

注意与公式(16)的N＝M不同，由于通常 $G_C\tilde{u}\≠r,$ 这个公式不是零强制的。这意味着LS估计能够区分信号和噪声，并且其余步骤保留不变。这种情况应用于接收天线多于发送天线的场合，或者应用于具有额外带宽的系统，诸如WCDMA。 

当N＜M，接收器在r中具有的观察值比在s中的未知值更少。然而，在估计 

过程中，可能使用一个假的或“通用的”逆矩阵G_C ⁺，它生成一个最小范式解 $\tilde{u}=G_c^{+}r.$ 这样的公式是零强制的，与N＝M的情况一样。其余步骤未改变。 

现在，讨论一般的复衰落场合，u是一个用来表示信息的整数向量，G是 一个复点阵的生成矩阵，s是复信号，v是复白高斯噪声。应用于该场合的SD方法考虑了下面在复数上的矩阵方程： 

Ax＝y，    (26) 

其中x可以表述为它的实部和虚部x＝x_real+jx_imag，对于y和A也是类似的。 

在本文中，将方程(26)表述为实矩阵方程是有用的。定义了以下的实数： 

$\stackrel{\‾}{A}=\left(\begin{array}{cc}{A}_{\mathrm{real}}& -A_{\mathrm{imag}}\\ A_{\mathrm{imag}}& A_{\mathrm{real}}\end{array}\right)---\left(27\right)$

x＝(xreal，ximag)^T，以及y＝yrealy，yimag)^T

然后就很容易检查 

Ax＝y    (28) 

在这个公式修改中，向量和矩阵的维数被相应地翻倍了。 

这个公式修改使得处理电路10能够将SD应用于更普通的问题。注意即使初始估计 

是实的，因为信息向量u是整数，通过将虚部 

强制为零也可以很容易地得到该估计。 

处理电路10还可以被配置为将SD方法应用于环形单数调制空间，诸如相移键控。该公式没有将点阵码假设为s＝Gu，而是相反的将s作为从某个星座中选择出的一个点。而且，它的重点是检测s自身，并假设相应的信息是间接获得的。在之前的段落中，等效生成矩阵是G_C＝C。 

再次讨论边界不等式(20)，根据s将其重新描述为： 

$\left|T_{N,.N}({\tilde{s}}_N-s_N)\right|\≤\mathrm{\ρ}---\left(29\right)$

由于s_N和 

是复数，(29)描述了在复平面中的一个以 

为圆心、以ρ/|T_N，N|为半径的圆盘。其余的边界条件如之前阐述的一样。可以直接确定圆盘与环形星座的交叉点。这使得修改后的SD更适合于PSK调制。事实上，处理诸如QAM的非环形星座的典型的方法就是将其看作是同心的PSK集合的组合。修改后的SD与原始SD具有相同的通用形式。除了不同的边界条件，它通过遍历环形轨道，而不是整数格子，来搜索椭圆。对于可以由二者中的任何一个SD版本来处理的场合，例如QAM，由于维数的缩小，修改后的SD可能具有更高的运算效率。其他相关信息，可以参考B.Hoschwald和S.ten Brink在2003年3月发表的”Achieving Near-capacity on a Multiple-antenna Channel，”IEEE Trans.Comm.vol.51，pp.389-399。 

在任何情况下，图8描述了一个典型的处理逻辑，其中处理电路10被配 以快速搜索电路16，从而被配置为可以通过缩小候选信号搜索空间来获得解调效率。 

基线SD方法在期望信号的传送信号空间中查找期望信号的一个初始估计，这是通过将通用反向期望信号信道估计应用为： 

${\tilde{S}}_D=C_D^{+}r---\left(30\right)$

然后快速搜索电路16重新计算期望信号的初始估计，从而考虑了干扰信号的影响来将其变换到传送信号空间，干扰信号的影响如前面一样，是通过最小平方估计来获得的。这样，结合所述干扰成分，可以表述为： 

$\left\{\begin{array}{c}{\tilde{S}}_D=C_D^{+}r(r-{\tilde{r}}_I)\\ {\tilde{r}}_I=C_I{C}_I^{+}(r-C_D{s}_D)\end{array}\right.---\left(31\right)$

处理电路10可以被配置为迭代求解(31)，或者求解下面给出的复合方程： 

$(I-C_D^{+}{C}_I{C}_I^{+}{C}_D){\tilde{S}}_D=C_D^{+}(I-C_I{C}_I^{+})r---\left(32\right)$

其中可以通过逆变换或者一个数值方法来找到初始估计。在任何情况下，一旦在期望信号的传送信号空间中找到了经干扰调整的初始估计(步骤150)，就可以将在搜索空间椭圆中对它到每一个候选信号的距离的计算修改为包括一个干扰信号成分的最小平方估计： 

$\left|\right|r-C_{D}s-{\tilde{r}}_I\left|\right|$ (步骤152)    (33) 

这样，最小平方估计的干扰成分就被用于定位该椭圆，并计算接着的在期望信号的传送信号空间中的基于距离的搜索。然后通过将期望信号信道估计应用于候选信号，将候选信号s_D，k∈S_缩小的转换回接收信号空间(步骤154)，并且可以按照之前描述的执行使用缩小的候选集合的解调。 

如已经说明过的，在处理电路10中的上面的快速搜索方法可以可选地通过硬件、软件、或者某种结合来实现，以实现快速搜索电路16。当然，更一般的，处理电路10至少实现了LSIS电路14，从而典型的最小平方干扰抑制可以被作为解调过程的一部分来执行。如已经说明过的，这样的解调可以基于候选集合余量评估、或者带有干扰抑制分支量度的基于点阵的解调。 

这样应该理解，一个典型接收器可以利用它对干扰信号成分的了解，这些干扰信号信号成分是通过用一些方法执行最小平方估计来获得的，这些方法依 赖于设计参数、性能目标等等。因此，以上的细节仅仅是范例，而非限制本发明。事实上，本发明仅通过下面的权利要求和它们的合理的等效形式来限定。 

Claims (4)

1.一种抑制接收信号中的干扰的方法，所述接收信号包括期望信号，该方法包括：

基于在对应于期望信号的传送信号空间中执行球形检测，来生成期望信号假设值集合；

通过基于干扰信号信道估计的最小平方估计来估计一个或多个干扰成分；以及

解调接收信号，以至少部分地基于所述干扰成分来恢复期望信号，

其中通过基于干扰信号信道估计的最小平方估计来估计一个或多个干扰成分包括为一组期望信号假设值中的每一个估计所述接收信号的一个干扰成分。

2.权利要求1的方法，其中解调接收信号，以至少部分地基于干扰成分来恢复期望信号包括：通过确定接收信号与每个假设值之间的第一余量、确定每个第一余量和对应干扰成分之间的第二余量并评估第二余量，来从所述期望信号假设值集合中确定一个最佳假设值。

3.权利要求1的方法，进一步包括至少部分地基于与所述一个或多个干扰成分相关的干扰信号信道估计，来在传送信号空间中确定一个球形检测的轨迹。

4.权利要求2的方法，其中从所述期望信号假设值集合中确定一个最佳假设值进一步包括：根据最小第二余量来解调接收信号，其中，对最小第二余量的值定界或者以其它方式限幅，以符合已知的或推测的传送信号特性的限制。

Images