CN101133655B - 用于音调检测的可调谐滤波器 - Google Patents

Abstract

一种用于分析包括一连串符号的信号的装置，该装置包含用于计算上述的信号的度量的构件、对上述的信号进行滤波的滤波构件、计算上述被滤波的信号的度量的构件、以及比较上述的两个度量的构件，其中该滤波构件被安排以跟踪信号的谱特性并在滤波构件的通带内维持该特性。根据一个方面，该装置使用改版Goertzel算法的改编版本，其中滤波器的频率响应适于考虑针对每个K个样本构成的块的频率偏置估计。

Description

用于音调检测的可调谐滤波器

本发明涉及通信系统以及信号的检测，如该系统中的同步信号。

尤其是在数字通信系统中，同时在时域和频域里把每个移动电台(MS)锁定到与其进行通信的基站(BS)是很重要的。通过使基站有规律地发送一已知信号，可以使移动电台更容易获得定时和频率基准。例如，在全球移动通信(GSM)系统中，基站发送对移动电台而言其格式是固定且已知的频率脉冲(FB)。该频率脉冲包含一个在标称载波之上1625/24千赫兹的频率偏置处的声调。该频率脉冲的宽度等于148个调制符号。该频率脉冲被移动电台所使用，以获得粗略的到基站的定时和频率锁定。通过检测FB声调并计算离预期1625/24千赫兹基准的偏置，便实现了粗略的与BS的同步化。时间同步化是通过检测频率脉冲的首尾节点而实现的。一旦已实现粗略的到BS的时间和频率同步化，则MS有可能接收更多的逻辑信道以便建立或接收一个与基站的连接。典型地，同步信道(SCH)可被用于实现一种更精确的与BS的时间和频率同步。

由基站发送的频率脉冲包含一个在标称载波信号之上1625/24千赫兹的频率偏置处的纯音调。因此，如果基站和移动电台的时钟基准被很好地锁定，则该移动电台可能会通过寻找一个在定义好的大小为1625/24千赫兹的偏置处的音调来检测频率脉冲的存在性。然而，移动电台的时钟基准将永远不会与基站的时钟基准完全对准。此外，该基准或许会随着时间和温度而漂移。因此，重要的是，即使当偏置不完全等于期望值1625/24千赫兹时，频率脉冲检测器也要能够成功地鉴别频率脉冲。

图1显示了可以在一典型的接收器里发现的不同的组件。注意这些不同的级代表了对标准信号所执行的处理，但并不必然对应于一个实际的接收器的实现方式。在接收器的天线109处接收到的信号首先被射频单元101处理。然后，所得的模拟电子信号被传递到混合-信号处理单元102，以转化为数字格式。混合信号处理包括模数转换(ADC)103、低通滤波104和最终的抽选105。该信号然后被传输到数字信号处理单元106。频率脉冲检测接收器体系结构被实现在数字信号处理单元105中。复I/Q样本是在基带处获得的，并被处理以鉴别用于表现FB的特征的频率音调。

根据被执行的任务的本性，频率脉冲检测接收器属于更一般的一类频率检测算法。就这一点而言，在过去许多不同的方法已经被提出以用于频率检测接收器的设计。

一组可能的算法通过使用快速频率变换(FFT)或离散频率变换(DFT)而运行在频域里。典型地，接收到的采样信号首先被转换到频域中。频域组件然后被用来鉴别接收到的信号里是否存在一个强频率成分。强频率成分的存在将表明频率脉冲正在被接收。

与运行在频域里的算法相关的主要缺陷之一就是实现的复杂性。把接收的时域信号转换到频域中可能实现起来很复杂，特别是运行在一个实时环境中时。因此，已经出现许多复杂性略小的算法。其中之一是Goertzel算法(参看http://www.numerix-dsp.com/goertzel.html；P.Mock，“Add DTMF generation anddecoding to DSP microprocessor designs”，EDN，第30卷，第205页到220页，1985年3月21日。)

但是，复杂性略小的算法如Goertzel算法同样也受到很多限制。当接收器使用Goertzel算法进行频率脉冲的检测时，检测精确度与检测范围直接相关。只有当检测范围是有限的时候。才能获得良好的检测性能。结果是，只有当移动电台的频率基准符合精度和稳定性要求时才能获得好的检测性能。

图2呈现了一个改版的可以被用作频率音调信号检测的Goertzel算法。

接收的复信号首先被储存在接收信号缓冲器201中。该接收信号缓冲器可能具有所需的尺寸，使得它可以保存包含频率脉冲在内的所有样本。这样做对于估计下列两种频率之间的偏置很有用：发送频率脉冲所用的已知频率，以及接收到的频率脉冲的频率。该频率偏置的估计接下来可能被进一步用于实现基站和移动电台之间的频率同步。

复I/Q样本在K个样本的群里被处理。对k个样本构成的每一块，在单元203中计算信号品质值。可以计算该值并以之作为跨越所接收的I/Q样本块的能量：

$E_i\left(k\right)=\underset{j=i\×k}{\overset{(i+1)\×k-1}{\mathrm{\Σ}}}({\left({\mathrm{\γ}}_I\left(j\right)\right)}^2+{\left({\mathrm{\γ}}_Q\left(j\right)\right)}^2)$

E_i(k)是第k个接收块的输入信号品质值。γ_I(j)和γ_Q(j)被分别用来表示第j个接收样本的I部分和Q部分。很明显，对那些熟悉该项技术之人，其它测量可以被用在输入信号品质方面。这种测量包括信号振幅和信噪比。

在单元205中，对输入能量值进一步求平均。该滤波级的时间常数应该使得它对应于频率脉冲的长度。假设频率脉冲里的样本总数为N，那么用于求平均单元205的一种可行的实现方式是：

$A_i\left(m\right)=\underset{k=m}{\overset{k=m+\left[\frac{N}{K}\right]-1}{\mathrm{\Σ}}}{E}_i\left(k\right)$

从接收信号缓冲器201中检索出的复样本同样也被滤波单元202所使用。典型地，在该处理级中实现的滤波器将会是一个带通滤波器。该滤波器的通带常常以待测声调在频域里的预期位置为中心。在MGA算法中，该滤波级通常实现成二阶无限冲激响应(IIR)滤波器。然而应该注意的是：这不是该方法固有的要求，同时该技术可以很容易地拓展成和其它滤波技术一起共同操作。

然后，在单元204中处理被滤波的复样本，其中计算出信号品质值。在单元204中执行的计算和在单元202中执行的计算完全一样，并且用来产生一个滤波能量值E_f(k)。然后这些滤波能量值E_f(k)用在单元206中，以产生平均滤波能量值A_f(m)。在该级中所执行的处理和在单元205中所执行的处理是完全一样的。

平均输入能量值A_i(m)和滤波能量值A_f(m)接下来在单元207中结合在一起，此处计算前面两个量值的比例。然后，所得的输出-输入能量比k＝A_f(m)/A_i(m)被用于检测是否存在频率脉冲。检测比例k也可以被用作鉴别被测频率脉冲的首尾节点在时域里的位置。然后，该信息被移动电台利用，以实现粗略的与基站的同步。

图3描述了能量比k的轨迹，并阐明了该比例是如何被用来鉴别频率脉冲的存在及其位置的。当接收的I/Q样本包含除频率脉冲以外的任何信号时，该信号能量中的大多数将被单元202过滤掉。这就意味着：过滤后的信号和输入信号能量之间的比例将会非常低。因此，检测率k的值将接近于零。值得注意的是，在没有频率脉冲的情况下检测率k的残余量可以被用来估计接收信号里的噪音强度。既然在单元202中所实现的滤波器的通带以频率脉冲的期望频率为中心，则对于组成频率脉冲一部分的样本块而言过滤后的和输入的能量之比将会接近于1。结果，当来自频率脉冲的第一样本块被处理时，检测率k将会开始上升到残余噪声级之上。该检测率将会不断上升，直到来自频率脉冲的最后一个样本块被处理。此时，检测率应该接近于1。因此，如果检测率k大于一个阈值T，则接收信号里的音调的存在性将能够被鉴别，而该阈值T例如可以通过仿真而被确定。当其达到最大值之后，检测率的值将会下降，直到达到残余噪声级。因此，可以看到，频率脉冲的存在性可以通过监视检测率k的上升而被检测到。而且，检测率的最大值位置可以被用作估计频率脉冲的结束位置。该信息接下来可以被用作恢复基站定时信息。当一频率脉冲被识别时，有可能一旦检测率的最大值已被检测到就中断该接收信号的MGA处理。许多不同的技术可以被用作检测该最大值。在一个可能的实施例中，最大值可以被识别为阈值T之上的最后一个值，其大于它之前的值。这样简单的技术可以通过在该接收信号的MGA处理结束之前寻找检测率的一个微小下跌而被进一步优化。

如图2所表示的那样，输出信号可能被写回到原始信号缓冲器201中。过滤后的信号接下来可以被用来计算基站和移动电台之间的的频率偏置。该频率偏置信息将帮助实现移动电台和基站之间的频率同步。通过把该过滤后信号写回到该接收信号缓冲器201中，有可能减少数字接收器的存储器要求。然而，根据为实现滤波单元202而选择的技术，这或许是不可能的。在这种情况下，一个独立的内存储存可以被用来保存滤波操作之后的I/Q样本。

MGA是一个复杂性相对低的算法，该算法允许用通带滤波器来检测频率脉冲，该通带滤波器的频率响应以待测声调的预期位置为中心。该滤波器的通带宽度驱动了该算法的检测范围。如果该滤波器非常狭窄，那么当频域里的位置接近于期望值时该接收器将仅仅能够检测该频率脉冲。这就意味着：只有基站和移动电台的频率基准相互非常接近时，才能检测到该频率脉冲。该要求的实际结果就是：移动电台的频率基准需要非常的准确和稳定。这种部分的使用将导致移动电台的成本上涨。为了提高频率检测范围，有可能加宽该滤波器的通带部分。然而，这样做的话，其检测概率将会降低，同时假警报概率(被定义为在没有接收到任何频率脉冲时检测到频率脉冲的概率)将会升高。

依据本发明的某一方面，本发明提供了一种利用改版Goertzel算法的改编版本来分析包括一连串符号的信号的装置，其中MGA的改编版本利用了滤波构件，其被安排去跟踪该信号的谱特性并在该滤波构件的通带内维持该特性。

本发明还包括一种利用改版Goertzel算法的改编版本来分析包括一连串符号的信号的方法，其中该MGA的改编版本利用了滤波，其被安排去跟踪该信号的谱特性并在滤波的通带内维持该特性。

依据另一方面，本发明提供了用于分析包括一连串符号的信号的装置，该装置包含用于计算所述信号的度量的构件、用于对该信号进行滤波的滤波构件、用于计算滤波后的信号的度量的构件、以及用于比较所述度量的构件，其中该滤波构件被安排去跟踪该信号的谱特性并在该滤波构件的通带内维持该特性。

本发明还包括一种用于分析包括一连串符号的信号的方法，该方法包括计算所述信号的度量、对所述信号进行滤波、计算滤波后的信号的度量、以及比较所述度量，其中该滤波被安排去跟踪该信号的谱特性并在该滤波的通带内维持该特性。

所提出的接收器体系结构或许可以实现在处理器上的硬件、软件或其组合之中。

仅仅作为示例，本发明确定的实施例现在将参考附带的示意图而被描述，其中：

图一：系一无线通信信号接收器的高级方块图；

图二：系一个MGA处理的方块图，其中该MGA处理可被用在如图一中所显示的接收器中。

图三：系由在图二所显示的MGA处理所产生的检测率曲线图；以及

图四：系在图二中所显示的MGA处理的一种变体的方块图。

现在将会被描述的接收器体系结构是参照图2所述Goertzel算法的进一步发展，其避免了检测精确度对检测范围的依赖性。下面被描述的接收器体系结构可因此实现良好的检测性能，同时不对主机设备的频率基准强加严格的精度和稳定性要求。

在下面所描述的体系结构中，一频率检测接收器以K个复样本的块为单位来处理接收到的信号。对于每一块，计算信号品质测量。每一块中的信号的主要频率成分被估计，并被用于推导滤波器的系数。接收到的复样本接下来通过该滤波器进行处理，并且计算与滤波后的信号相关联的信号品质测量。滤波后的信号品质与输入信号品质的比例被用作鉴别是否存在带强频率成分的信号。因为用于处理接收信号的滤波器系数是针对每一个由K个样本构成的块而计算的，所以下面描述的接收器体系结构的检测范围并不依赖于该滤波器的宽度。这就非常有利地使得检测性能不依赖于检测范围。但是，针对每一接收块的滤波器系数的改变可能会导致滤波处理不稳定。这种情况可以通过在接收样本的每一新块的起始处修改该滤波器的状态而予以避免。

在使用下面所描述的接收器体系结构的情况下，通过估计该频率脉冲的末端在时间上的位置，使用这种体系结构的设备有可能实现粗略的与发射机的时间同步。这种定时估计的精度依赖于块长度K。

下面被描述的接收器体系结构非常适合于运行在如全球移动通信系统这样的蜂窝式通信系统之中的手机设备。由所提议的接收器体系结构获得的大检测范围使得手机有可能使用一种对精确度和稳定性要求并不高的频率基准。

通过比较图二和图四可以看出：图四中所提议的接收器体系结构是图二中所显示MGA体系结构的一种拓展，同时它们的绝大多数处理步骤都是完全相同。MGA和所提议的接收器体系结构之间主要的差异就是：该滤波处理单元202被一自适应滤波器301所代替。在MGA中，单元202中所使用的滤波器被设计成能够使相关频率响应以频率脉冲的期望位置为中心。在图四中所显示的接收器体系结构通过使滤波器301的频率响应适应于接收信号的频率内容从而拓展了该方法。通过这样的操作，接受器的检测范围被提高了，同时不依赖于该滤波器301的通带宽度。

对于每一个由K个接收样本构成的块，该滤波单元301的配置都会被调整以和当前的频率响应匹配。针对接收信号特性而对滤波器301所作的调整是由单元302和303来执行的。单元302在K个接收样本构成的块中计算频率偏置。然后，该频率偏置估计被单元302所使用，以计算单元301里的滤波器配置。一旦配置完成，单元301就会对K个接收样本的最近的集合进行滤波。该处理过程会针对每个接收样本块而重复进行，直到一个频率脉冲被鉴别或者待处理的样本集已经用完。

该频率估计单元302的一种可能的实现方式现在将会被介绍。一个块内的连续符号之间的平均相差可以与给定块内的频率偏置关联起来。对于第i个接收块，平均相差可以以如下式计算出来：

$\widehat{\mathrm{\θ}}\left(i\right)=\∠(\frac{1}{K-1}\underset{j=(i\×K)+1}{\overset{(I+1)\×K-1}{\mathrm{\Σ}}}\mathrm{\γ}\left(j\right)\×{\mathrm{\γ}}^{*}(j-1))$

其中∠表示“角度成分”，而γ(j)是来自缓冲器201的第j个接收到的复符号，其可表示为：

$\left\{\begin{array}{c}\mathrm{Re}\left(\mathrm{\γ}\left(j\right)\right)={\mathrm{\γ}}_I\left(j\right)\\ \mathrm{Im}\left(\mathrm{\γ}\left(j\right)\right)={\mathrm{\γ}}_Q\left(j\right)\end{array}\right.$

该频率偏置可以通过下面的方程式和平均相差关联起来：

$f_e\left(i\right)=\frac{\widehat{\mathrm{\θ}}\left(i\right)\×f_s}{2\×\mathrm{\π}}$

其中f_s是对数字信号进行采样所用的频率。

注意使用许多可供选择的技术以估计频率偏置或对应的平均相差是有可能的。例如，计算一个块中每个接收到的样本的角度分量是可能的。

然后，可以通过对相位值进行线性回归从而估计频率偏置，因为它正比于线性拟合的斜率。

一旦平均相差或对应的频率偏置已经被估计出来，则滤波器301的系数就在单元302中被计算出来。在一个所提出的接收器体系结构的首选实施例中，该滤波器301被实现成二阶无限冲激响应(IIR)。现在将针对该首选实施例描述该滤波器配置的计算过程。但是，对于那些熟悉该技术之人而言，把所提议的方法拓展到其它滤波器配置是很容易的。

所提议的二阶无限冲激响应滤波器的频率响应在一般情况下可以在z域中表示为：

$H\left(z\right)=K\frac{(z-z_0)\×(z-z_1)}{(z-p_0)\×(z-p_1)}$

$=K\frac{(1-\frac{z_0}{z})\×(1-\frac{z_1}{z})}{(1-\frac{p_0}{z})\×(1-\frac{p_1}{z})}$

{Z₀，Z₁}表示两个零的位置，同时{P₀，P₁}表示该滤波器两极的位置。为了减少该滤波单元301实现的复杂性，把两个零选择定位于z平面的原点是可能的。如果这样做，该滤波器单元301的频率响应就简化为：

$H\left(z\right)=\frac{K}{(1-z^{-1}{p}_0)\×(1-z^{-1}{p}_1)}$

然而要注意，所提议的方法并不限制在这个案例的应用中。

两极的位置控制着该滤波器301的频率响应。该滤波器配置应该被设计成使得该滤波器的通带包括由单元302所估计的频率偏置。通过示例，有可能按照如下方法为第i个接收到的块选择两极位置：

$\left\{\begin{array}{c}{p}_0\left(i\right)=\mathrm{\α}\×e^{j\×(\widehat{\mathrm{\θ}}\left(i\right)+\mathrm{\ξ})}\\ p_1\left(i\right)=\mathrm{\α}\×e^{j\×(\widehat{\mathrm{\θ}}\left(i\right)-\mathrm{\ξ})}\end{array}\right.$

参数α和ξ的值控制着该滤波器301的频率响应，其同时还能被选择成使该检测概率最大化。

在这种两极位置定义的情况下，该滤波器301的频率响应(为第i个接收到的块配置的)可以被表示为：

$H_i\left(z\right)=\frac{K}{1-2\mathrm{\α}{e}^{j\widehat{\mathrm{\θ}}\left(i\right)}\cos \left(\mathrm{\ξ}\right)z^{-1}+{\mathrm{\α}}^2{e}^{2j\widehat{\mathrm{\θ}}\left(i\right)}{z}^{-2}}$

滤波器K的增益应该被选择以至于 $H\left(z\right|z=e^{j\widehat{\mathrm{\θ}}\left(i\right)})=1.$ 这就意味着：接收到的样本块的主要频谱成分通过该滤波器301后并未衰减。为了达到这个条件，该滤波器增益K应该被设置为：

K＝1-2αscos(ξ)+α²

然后为第i个接收块而配置的滤波器的总频率响应可以被表示为：

$H_i\left(z\right)=\frac{1-2\mathrm{\α}\cos \left(\mathrm{\ξ}\right)+{\mathrm{\α}}^2}{1-2\mathrm{\α}{e}^{j\widehat{\mathrm{\θ}}\left(i\right)}\cos \left(\mathrm{\ξ}\right)z^{-1}+{\mathrm{\α}}^2{e}^{2j\widehat{\mathrm{\θ}}\left(i\right)}{z}^{-2}}$

从极位置的定义可以看出，在所提议的接收器体系结构的首选实施例中，只有相位被调整以与接收信号谱特性相适应。在处理该接收信号期间，电极的振幅α被保持为定值。这就带来了两个优势。第一个优势就是滤波器的增益K并不依赖于与当前的样本块相关联的相位类似的是，该滤波器的群延时不依赖于所估计的相位偏置该接收器体系结构首选实施例的这两个特性就简化了所提议方法的实现过程。然而，对那些熟悉该技术之人而言把所提议的方法拓展到滤波器配置是很容易的，其中电极的振幅α被调整以与接收的信号相符合。

使用该滤波器305频率响应的上述定义，与第j个接收样本(属于第i个接收块)对应的过滤后的信号可以被表示成如下形式：

γ_f(j)＝(K×γ(j))-(a₁(i)×γ_f(j-1))-(a₂(i)×γ_f(j-2))

其中a₁(i)和a₂(i)是第i个接收块的复滤波器系数，它们等于

$\left\{\begin{array}{c}{a}_1\left(i\right)=-2\mathrm{\α}{e}^{j\widehat{\mathrm{\θ}}\left(i\right)}\cos \left(\mathrm{\ξ}\right)\\ a_2\left(i\right)={\mathrm{\α}}^2{e}^{2j\widehat{\mathrm{\θ}}\left(i\right)}\end{array}\right.$

这两个滤波器系数是由该滤波器系数计算单元303所产生的值。

从用于描述滤波信号是如何产生的那个方程中可以看出：第j个滤波样本取决于第j个接收样本和两个先前的滤波样本γ_f(j-1)和γ_f(j-2)(其也被当作为“滤波器状态”)。这就意味着：接收块i+1中的第一个滤波样本取决于块i中最后两个滤波样本。但是，接收块i+1的滤波系数通常不同于接收块i的滤波系数。使用接收块i的滤波值γ_f(j-1)和γ_f(j-2)(接收块i具有与接收块i+1相关的滤波系数a₁(i+1)和a₂(i+2))将会在被过滤的序列中产生不连续，并能够导致滤波输出的不稳定性。最终，这种不连续将会降低所提议的接收器的检测性能。这个问题的一种可能的解决方法就是当开始处理新的块时重新初始化该滤波器状态。然而，这将会在滤波序列的产生过程中带来一个延时，其等于滤波器的群延时。如果块长度K与滤波器的群延时相比是较大的，那么这还是可以接受的。但是，在所提议的接收器体系结构的实际实现方式中，块长度和滤波器群延时将会具有相同量级的幅值。在每个新的接收块的起始处重新初始化滤波器状态将因此导致滤波信号信息的严重损失。下面的技术可以被用来避免这种损失。

在来自接收块i+1的第一个样本γ_f(j)被产生之前，滤波器的状态以如下方式被更改：

$\left\{\begin{array}{c}{\widehat{\mathrm{\γ}}}_f(j-1)={\mathrm{\γ}}_f(j-1)\×\left(\frac{a_1\left(i\right)}{a_1(i+1)}\right)\\ {\widehat{\mathrm{\γ}}}_f(j-2)={\mathrm{\γ}}_f(j-2)\×\left(\frac{a_2\left(i\right)}{a_2(i+1)}\right)\end{array}\right.$

通过来自块i的滤波器系数和块i+1的滤波器系数的比例的乘法运算，滤波器的状态得到修改。通过这种方法，滤波输出中的不连续就可以避免，同时没有因滤波器状态的重新初始化而导致的信息损失。

如本文档前面所描述的那样，用于产生滤波器系数的相位可以通过使用平均复数符号差而被计算：

$\mathrm{\Δ}\left(i\right)=\frac{1}{K-1}\underset{j=(i\×K)+1}{\overset{(i+1)\×K-1}{\mathrm{\Σ}}}\mathrm{\γ}\left(j\right)\×{\mathrm{\γ}}^{*}(j-1)$

这个平均复数符号差有如下形式：

$\mathrm{\Δ}\left(i\right)=\mathrm{\β}\left(i\right)\×e^{j\widehat{\mathrm{\θ}}\left(i\right)}$

其中β(i)依赖于接收信号，它还随着块的不同而发生变化。因此，可以通过计算复数符号Δ(i)的相位而被估计出来。但是，这样的估计处理通常非常复杂，因为它通常要求计算反正切函数。现在将描述这样一种技术，其中滤波系数a₁(i)和a₂(i)的计算过程不需要清楚地计算相位这样的一种技术有助于减少所提议的接收器体系结构的实现复杂度。

为了避免明确计算相位下面的两个量被计算出来并储存在接收器的内存中：

$\left\{\begin{array}{c}{\widehat{\mathrm{\α}}}_1=-2\mathrm{\α}\cos \left(\mathrm{\ξ}\right)\\ {\widehat{\mathrm{\α}}}_2={\mathrm{\α}}^2\end{array}\right.$

在所提议的接收器体系结构的首选的实施例中，在该接收信号的处理过程中α和ξ的值没有被修改。因此，和的值可以被预先计算出来且其还不需要被更新。

一旦平均复数差分符号Δ(i)已经被计算出来，它就被归一化以至于相关联的振幅等于1。所得的复数符号可以表示为：

$\widehat{\mathrm{\Δ}}\left(i\right)=\frac{\mathrm{\Δ}\left(i\right)}{\left|\mathrm{\Δ}\left(i\right)\right|}$

其还可以被分解为相应的实部和虚部分量

$\widehat{\mathrm{\Δ}}\left(i\right)={\widehat{\mathrm{\Δ}}}_R\left(i\right)+j\×{\widehat{\mathrm{\Δ}}}_I\left(i\right)$

然后该滤波器系数a₁(i)可以使用简单的乘法运算而被计算出来：

$a_1\left(i\right)={\widehat{\mathrm{\α}}}_1\×\widehat{\mathrm{\Δ}}\left(i\right)$

类似的是，该滤波器系数a₂(i)可以使用下面一组方程而被计算出来：

$\left\{\begin{array}{c}{a}_2^R\left(i\right)={\widehat{\mathrm{\α}}}_2\×({\left({\widehat{\mathrm{\Δ}}}_R\left(i\right)\right)}^2-{\left({\widehat{\mathrm{\Δ}}}_I\left(i\right)\right)}^2)\\ a_2^I\left(i\right)=2\×{\widehat{\mathrm{\α}}}_2\×{\widehat{\mathrm{\Δ}}}_R\left(i\right)\×{\widehat{\mathrm{\Δ}}}_I\left(i\right)\end{array}\right.$

其中，a₂ ^R(i)和a₂ ^I(i)表示该滤波器系数a₂(i)的实部和虚部。

因此在所提议的技术的情形下，该滤波器系数a₁(i)和a₂(i)可以在不明确计算相位的情况下被计算出来。应该注意的是，即使复数符号Δ(i)的振幅归一化处理是可以使用平方根计算而得到的，但是还可以使用公知的不需要计算量很大的函数的逼近算法。

如前上述，该滤波器的状态在一个新的数据块开始处理之前被更新。通过该操作，与滤波器不稳定性相关的问题都可以避免掉。当这种技术被使用时，每个滤波器状态值通过旧的滤波器系数和新的滤波器系数的比例而进行调整。因此，当依据前面所介绍的方程式而执行时，该技术就要求计算两个复数的比值。这样的一种方法或许计算起来很复杂。因此，不需要执行任何复杂除法操作的滤波器状态更新计算的实现方式现在将会被介绍。现在针对于状态γ_f(j-1)更新的描述将被提供，但是对于那些熟悉该技术之人而言这样的一种方法如何被通用化是很明显的。

该滤波器的状态可以依据下面的方程式在新块的起始处被更新：

${\widehat{\mathrm{\γ}}}_f(j-1)={\mathrm{\γ}}_f(j-1)\×\left(\frac{a_1\left(i\right)}{a_1(i+1)}\right)$

通过定义，该滤波器系数a₁(i)和a₁(i+1)有如下的形式：

$\left\{\begin{array}{c}{a}_1\left(i\right)={\widehat{\mathrm{\α}}}_1\×e^{j\widehat{\mathrm{\θ}}\left(i\right)}\\ a_1(i+1)={\widehat{\mathrm{\α}}}_1\×e^{j\widehat{\mathrm{\θ}}(i+1)}\end{array}\right.$

因此，状态更新方程式可以表示为：

${\widehat{\mathrm{\γ}}}_f(j-1)={\mathrm{\γ}}_f(j-1)\×e^{j(\widehat{\mathrm{\θ}}\left(i\right)-\widehat{\mathrm{\θ}}(i+1))}$

结果，很明显的是，状态更新可以作为与相位复向量 $\mathrm{\φ}=e^{j(\widehat{\mathrm{\θ}}\left(i\right)-\widehat{\mathrm{\θ}}(i+1))}$ 的乘法运算而被实现。该相位复向量可以使用分别对应于当前和先前块的振幅归一化平均符号差分和而被计算出来。该相位复向量计算的实现方式仅仅需要加法和乘法运算。因此，使用这种技术进行滤波器状态更新，其实现复杂度可以被降低。

如前面所表述的那样，频率脉冲的检测不仅用来实现MS和BS的频率同步，而且还用于实现粗略的时间同步。频率脉冲在时间中的位置可以被用来使移动电台的时基与基站的时基校准。一种可能的可以获得这种效果的方法包括鉴别检测率是最大时的位置点。在没有噪音的情况下，该点将对应于频率脉冲的尾端。当通过接收器获知频率脉冲的长度N时，有可能计算频率脉冲的起始点。这个定时信息允许移动电台把它的时基与基站的时基对齐。

定时信息的准确性直接依赖于每个块中被处理的样本的个数。如果为第i个接收块而检测到频率脉冲的尾端，那么频率脉冲的尾端的精确定时可以对应于形成该块一部分的K个样本中的任何一个。因此，为了以较高的精度检测到频率脉冲的定时，该块长度K应该被尽可能地低地设置(事实上，为了提供最好的同步精度，其应该等于1)。但是，减少块长度K会导致计算复杂度的升高。对于每个被处理的块，相位差需要被估计，同时该滤波器303的系数需要被计算。减少块长度K会提高这样计算的次数。因此，在所提议的接收器体系结构中，一个后处理级可以被附加上去以提高定时信息的精确性。通过这种操作，定时精度在没有必要减少块长度K的情况下可以被提高。

当频率脉冲的尾端仅仅由检测比k(i)是最大值的脉冲索引i确定时，该定时可以对应于索引数来自集合{(i×k)，...，((i+1)×k)-1}的样本的任何一个。然后对应于脉冲尾端的样本的选择可以被确定，通常，为(i×K)。在所提议的接收器体系结构中，该原始估计通过计算一个K比例块内部检测率k(i)的重心(COG)而被提高。一旦最大检测率k(i)已经被识别，该接收信号就会被处理，直到M个新的检测率被计算。集中在最大检测率周围的(2×M)+1个检测率然后被组合，且它们的重心被计算出来。

$\mathrm{\η}=\frac{\underset{l=-M}{\overset{M}{\mathrm{\Σ}}}\mathrm{\κ}(i+l)\×l}{\underset{l=-M}{\overset{M}{\mathrm{\Σ}}}\mathrm{\κ}(i+l)}$

频率脉冲尾端的原始估计δ可以通过使用如下的重心(COG)计算而被提高：

δ＝δ+(η×K)

因此，通过使用重心计算的结果，有可能实现低于块长度K的定时估计分辨率。

最后，应该注意所提议的接收器体系结构可以很容易地通过更改计算频率偏置或等价的相位差而被拓展，以至于来自多个接收块的结果被组合在一起。在所提议的方法的首选实施例中，相位差通过仅仅使用来自第i个接收块的样本而被估计出来。但是，为了产生该相位估计而使用前面块里的样本也是可能的。所提议的接收器体系结构的一种拓展的可能的执行将会在其正在滤波器参数计算单元303中使用之前去过滤与不同的接收块相关联的相位差估计

Claims (10)

1.用于分析包括一连串符号的信号的装置，所述一连串符号被布置成一列块，所述装置包括：

用于计算所述列中的块的度量的构件；

用于对所述块进行滤波的带通滤波构件；

用于计算所述经滤波块的度量的构件；

用于比较所述度量的构件；以及

用于通过逐个块地使所述滤波构件的通带适应来控制所述滤波构件的构件，使得通带允许每个块中出现的主要频率成分，

其中所述滤波构件具有滤波器电极和其中a和ξ表示滤波器形状，同时是所述块的相邻符号之间的平均相位差。

2.如权利要求1所述之装置，其特征在于，所述控制构件在块由滤波构件进行滤波之前使用于块滤波的通带适应。

3.如权利要求1所述之装置，还包括：

用于计算△的构件，所述△是指块中相邻符号之间的平均复数符号差；以及

通过确定△的角度分量从而计算的构件。

4.如权利要求1所述之装置，还包括：

用于计算△的构件，所述△是指块中相邻符号之间的平均复数符号差；以及

用于从按△的归一化版本的表达式计算滤波器系数的构件使得在没有首先计算的情况下计算滤波器系数。

5.如权利要求1所述之装置，其特征在于，在当前块已经被滤波之后在对滤波构件重新配置以用于滤波信号的新块时，滤波构件被配置成使所述滤波构件的滤波器状态按相位复向量的比例进行调整，所述相位复向量的自变量是针对当前块和下一块评估的两个值之间的相位差。

6.一种用于分析包括一连串符号的信号的方法，所述一连串符号被布置成一列块，所述方法包括：

计算所述列中的块的度量；

利用带通滤波器对所述块进行滤波；

计算所述经滤波块的度量；

比较所述度量；以及

逐个块地使所述滤波器的通带适应，使得通带允许每个块中出现的主要频率成分，

其中所述滤波具有滤波器电极和其中a和ξ表示滤波器形状，同时是块中相邻符号之间的平均相位差。

7.如权利要求6所述之方法，其特征在于，用于块的适应步骤在将滤波步骤施加到该块之前实施。

8.如权利要求6所述之方法，还包括：

计算△即块中相邻符号之间的平均复数符号差；以及

通过确定△的角度分量从而计算

9.如权利要求6所述之方法，还包括：

计算△即块中相邻符号之间的平均复数符号差；以及

从按△的归一化版本的表达式计算滤波器系数使得在没有首先计算的情况下计算滤波器系数。

10.如权利要求6所述之方法，还包括：

在当前块已经被滤波之后对滤波器重新配置以用于滤波信号的新块，其中重新配置包括使所述滤波的滤波器状态按相位复向量的比例进行调整，所述相位复向量的自变量是针对当前块和下一块评估的两个值之间的相位差。