CN101199125B - 用于干扰消除的联合空时最优滤波器（jstof） - Google Patents

Abstract

本发明公开了一种用于减少通信接收机中的同信道干扰的滤波器，该滤波器包括通过对空时滤波器权重和多信道脉冲响应(CIR)进行联合估计来对从通信信号分离的n个信号部分进行滤波的多信道空时滤波器电路。该滤波器还可包括接收来自所述多信道空时滤波器电路的多信道信号、并且具有由来自所述空时滤波器电路的信道脉冲响应估计所提供的滤波器响应的多信道匹配滤波器电路。

Description

用于干扰消除的联合空时最优滤波器(JSTOF)

技术领域

本发明涉及无线通信系统(例如蜂窝通信系统)，更具体地，涉及对接收的无线信号进行滤波以减少不期望的干扰。

背景技术

干扰消除匹配滤波器(ICMF)和联合解调(JDM)已被研究认为满足由第三代移动通信系统和第三代合作伙伴计划(3GPP)所标准化的下行链路高级接收机性能(DARP)的需求。这些提案中的某些提案是在以下的文章和文献中提出的：

1.Liang et al.，A Two-Stage Hybrid Approach for CCI/ISI Reductionwith Space-Time Processing，IEEE Communication Letter Vol.1，No.6，Nov.1997.

2.Pipon et al.，Multichannel Receives Performance Comparison Inthe Presence of ISI and CCI，1997 13th Intl.Conf.on Digital SignalProcessing，July 1997.

3.Spagnolini，Adaptive Rank-One Receiver for GSM/DCS Systems，IEEE Trans.on Vehicular Technology，Vol.51，No.5，Sept.2002.

4.Feasibility Study on Single Antenna Interference Cancellation(SAIC)for GSM Networks，3GPP TR 45.903 Version 6.0.1，Release 6，European Telecommunications Standards Institute，2004.

5.Radio Transmission and Reception(Release 6)，3GPP TS 45.005Version 6.8.0；European Telecommunications Standard Institute，2005.

6.Stoica et al.，Maximum Likelihood Parameter and RankEstimation in Reduced-Rank Multivariate Linear Regressions，IEEE Trans.On Signal Processing，Vol.44，No.12，Dec.1996.

7.Kristensson et al，.Blind Subspace Identification of a BPSKCommunication Channel，Proc.30^th Asilomar Conf.On Signals，Systemsand Computers，1996.

8.Golub et al.，Matrix Computations，3^rd Edition，1996.

9.Trefethen et al.，Numerical Linear Algebra，1997.

10.Press et al.，Numerical Recipes in C，2^nd Edition，1992.

当前的全球移动通信(GSM)蜂窝系统必须对移动站(MS)侧的同信道干扰(CCI)进行处理，以及对DARP需求进行处理。已经使用了一些单信道结构和预滤波器以帮助消除该干扰并提供一些信道脉冲响应(CIR)估计。此外，一些系统已经使用信干比的最大化以对单信道空时滤波器和针对单个信道的CIR估计进行联合地设计。其它系统已经使用均方差的强制最小化以设计单信道空间滤波器。其它系统已经使用利用ML信道估计的秩一近似值而设计的单信道空间滤波器。这些系统的目标应用已经是可以使用包括多个天线的物理天线阵列的基站。

附图说明

根据以下的详细描述，在结合附图进行考虑的情况下，各个目的、特征和优点将变得显而易见，其中：

图1是根据本发明的实施例的基于联合空时最优滤波器的具有下行链路高级接收机性能(DARP)能力的接收机的方框图；

图2是图1所示的联合空时最优滤波器和多信道匹配滤波器的更详细的方框图；

图2A是根据本发明的方法的方框图；

图3是示出了针对各种DARP测试情况的基于联合空时最优滤波器的具有DARP能力的接收机性能的图示；

图4是示出了(对使用自动切换策略和不使用自动切换策略的情况进行比较的)在具有附加的白高斯噪声(AWGN)的情况下根据本发明的联合空时最优滤波器接收机性能的图示；

图5是示出了(对使用自动切换和不使用自动切换的情况进行比较的)在DTS-5的情况下根据本发明的联合空时最优滤波器接收机性能的图示；

图6是在仿真中使用8比特SD限制器来将根据本发明的单个Viterbi均衡器的性能与根据本发明的多个Viterbi均衡器的性能进行比较的图示；

图7是示出了根据本发明的联合空时最优滤波器接收机的性能以及改进的测试情况的图示；

图8是根据本发明的一个实施例可以使用的示例性模型无线通信设备的示意性方框图；以及

图9是对根据本发明的用于执行Cholesky、QR和SVD计算的三种方法进行比较的表。

具体实施方式

现在在下文中将参照附图更充分地描述数个非限定性的实施例，其中示出了优选的实施例。然而，可以以诸多不同的方式来实施这些实施例，而不应将这些实施例解释为限定于这里所提出的实施方式。相反地，由于提供了这些实施例，因此本公开内容是彻底和完整的，并且向本领域的技术人员充分传达了本公开内容的范围。相似的附图标记始终表示相似的元件，右上角的撇号用于指示可选的实施例中的类似的元素。

根据一个实施例，对当前的全球移动通信系统(GSM)中的移动站侧的同信道干扰(CCI)以及由第三代合作伙伴计划(3GPP)所标准化的对于下行链路高级接收机性能(DARP)的适应性需求进行处理。

可以将本发明总体上概括如下。一种滤波器，减少了通信接收机中的同信道干扰，并可包括通过对空时滤波器权重和多信道脉冲响应(CIR)进行联合估计来对从通信信号分离的信号部分进行滤波的多信道空时滤波器电路。多信道匹配滤波器电路可以接收来自所述多信道空时滤波器电路的多信道信号，并且具有由来自所述空时滤波器电路的信道脉冲响应估计所提供的滤波器响应。可选的滤波器可以在干扰水平低于预定的阈值时操作，并可包括匹配滤波器、互相关电路、以及用于将所述信号部分切换到所述匹配滤波器和互相关电路的切换机制。

一方面，该多信道空时滤波器电路可包括多个乘法器和延迟电路，每个接收n个信号部分。该乘法器和延迟电路可以基于空时滤波器权重进行操作。更具体地，两个串联的乘法器电路和一个与该乘法器电路之一的输入相连的延迟电路可以用于每个信号部分。每个乘法器和延迟电路可以具有大约一个符号的延迟。联合最优滤波器权重合信道估计器可以可操作地与多信道空时滤波器电路相连，并接收训练序列(TS)符号和定时不确定度数据，并产生用于该多信道空时滤波器电路的空时滤波器权重。加法器电路可以针对每个信道对来自乘法器和延迟电路的数据进行求和。均衡器电路可以与该多信道空时滤波器电路一起操作。

图1中所示的实施例提供了一种可操作用于消除干扰并自适应地和优化地提供信道脉冲响应(CIR)估计的多信道滤波器。在一个非限定性示例中该预滤波器可以使用两个主要组件：(1)基于多输入多输出(MIMO)的联合空时最优滤波器(JSTOF)；以及(2)基于多输入单输出(MISO)的多信道匹配滤波器。本领域的技术人员应当理解，在使用单个可用天线的典型的移动站中，可以通过对过采样以及接收采样的实部和虚部的分离的组合，来在内部配置虚拟天线虚拟天线阵列。

在一个非限定性实施例中，将来自虚拟天线虚拟天线阵列的信号馈送至JSTOF，在JSTOF中对基于MIMO的干扰消除滤波器的最优权重进行估计。同时，对针对所期望的信号的多信道CIR进行联合估计。JSTOF的输出使得干扰被滤除并被馈送至基于MISO的多信道匹配滤波器。通过来自JSTOF的CIR估计来提供该匹配滤波器的滤波器响应。

将该多信道匹配滤波器的输出传递至Viterbi均衡器，该Viterbi均衡器去除符号间干扰(ISI)并提供用于进一步处理的软判决。可以通过来自JSTOF的卷积的CIR的组合来形成均衡器所需要的单信道响应。该预滤波器还可以在任何AWGN显著的情况下自动地切换为传统的接收机中的传统的或标准的滤波器，并在任何干扰显著的情况下切换回基于JSTOF的接收机。该自动切换能力减少了在AWGN显著的情况下的损耗。

在图1中的10处示出了用于基于JSTOF并具有DARP能力的接收机的预滤波器或干扰消除滤波器的示例，其中，仍如X₁(k)至X4(k)所示，过采样率为2，虚拟天线的数量为4(M＝4)。在本说明书中预滤波器10可被称为干扰消除滤波器或JSTOF滤波器，并用作适应于DARP的接收机中的预滤波器。如图1中的虚线所示，可以将合并了该滤波器10的接收机称为JSTOF接收机。

在图1中的10处示出了用于基于JSTOF并具有DARP能力的接收机的预滤波器或干扰消除滤波器的示例，其中，仍如X₁(k)至X4(k)所示，过采样率为2，虚拟天线的数量为4(M＝4)。在本说明书中预滤波器10可被称为干扰消除滤波器或JSTOF滤波器，并用作适应于DARP的接收机中的预滤波器。如图1中11处的虚线所示，可以将合并了该滤波器10的接收机称为JSTOF接收机。

图1示出了用于滤波器10的各种电路模块的示例。将输入信号接收至解旋电路12中。对解旋的输出信号进行分离，将一部分传递至包括2:1开关16的传统接收机的滤波器14中，并将一输出传递至匹配滤波器18以及接收缩短的训练序列(TS)符号的互相关电路20中。该2:1开关16可操作用于允许在滤波器14与基于JSTOF并具有DARP能力的预滤波器10之间切换。来自解旋电路12的输出信号的其它部分被分离为作为虚拟天线24的一部分的奇采样和偶采样，并被再次分离为实信号和虚信号，以形成被输入JSTOF电路30(也称为多信道空时滤波器电路)中的相应的X₁(k)至X₄(k)输入信号。应当注意的是，不需要在所有实施方式中使用虚拟天线布置。也就是说，滤波器18可以用于直接对来自一个或多个物理(即，真实的)天线的信号进行滤波，例如在相移键控(PSK)应用(例如，8PSK)中。将来自JSTOF电路的输出信号传递至多信道匹配滤波器电路32中，并将多信道匹配滤波器电路32的输出信号传递至重标度电路34中，然后作为数据(d₁)传递至多路复用器电路36中。多路复用器电路36还接收信道(C₁)响应。当与传统滤波器14相连时，该多路复用器36接收来自匹配滤波器电路18和互相关电路20的数据(d₂)和信道(C₂)响应。将信号作为软判决输出传递至Viterbi均衡器38。

在图2中示出了JSTOF和多信道匹配滤波器的进一步的细节，其中在JSTOF电路中使用的时间延迟的采样的数量为2(N＝2)。更详细地示出了将各个输入X₁(k)至X₄(k)接收至JSTOF中。JSTOF电路30包括针对所示出的四个信道中的每个信道的、输入至多信道匹配滤波器48的信道化的乘法器(也称为混频器)40、42、延迟单元44以及加法器46，并将来自匹配滤波器的信号传递至加法器50。联合最优滤波器权重和信道估计器电路52接收TS符号和定时不确定度信号，以产生用于混频器40、42的权重(W_OPT)。

因此，如图1所示，能够如所述的通过添加与传统匹配滤波器并联的预滤波器支路来将预滤波功能集成到传统GSM接收机中。可以在不作改变的情况下使用传统的软件/硬件Viterbi均衡器38。在一个非限定性示例中，针对DARP测试情况通过仿真对集成的具有DARP能力的接收机进行了测试，该测试指示该接收机在针对AMR语音信道之一的误帧率(FER)方面的特定性能上提供了1.6dB至6.9dB的余量。

图2a是示出了与所描述的系统相关的高级方法的流程图，其中将各个步骤作为非限定性示例示出。各个步骤从附图标记100处开始。对输入的通信信号进行解旋(方框100)并将其传递至虚拟天线中。将该通信信号分离为奇采样和偶采样(方框102)，然后将每个奇采样和偶采样分离为实信号部分和虚信号部分(方框104)。将来自虚拟天线的通信信号传递至JSTOF电路，在JSTOF电路中对该通信信号进行相乘和延迟(方框106)并随后进行求和(方框108)，所有的步骤都作为第一多输入多输出(MIMO)联合空时最优滤波器(JSTOF)的一部分。在求和之后，已求和的信号被传递至多信道多输入单输出(MISO)匹配滤波器电路(方框110)，然后进行求和(方框112)，并被作为单输出信号传递至Viterbi均衡器(方框114)，在Viterbi均衡器中进行软判决(方框116)。

在操作中，解旋电路12可使用GMSK调制信号和作为信号传送协议的一部分的频率偏移量来进行操作。在任何解旋之前信号星座是动态的，在解旋之后信号星座变为静态的，即，通过将符号旋转到0°和180°，来典型地将任何符号集中于这两点。因此，可以将GMSK信号当作典型的二进制相移键控(BPSK)信号。前端的解旋用于奇采样和偶采样，由于过采样率，这是有益的。例如，在传统接收机中，该采样典型地速率为1，即每个符号一个采样。

虚拟天线24可以来自基带滤波器的连续方式将采样速率增加至每个符号两个采样，以形成两个分离的奇信道和偶信道。在该过程之前，对奇/偶采样进行连续地交织。然后将该信号进一步分离为实信号部分和虚信号部分，以形成虚拟天线的四个独立的信道。应当注意的是，本领域中的技术人员应当理解，在一些实施方式中可以使用其它数量(例如一个或多个)的虚拟天线/信道。

如图2中最佳示出的，然后将这些信号传递至乘法器40、42以及单元延迟电路44(例如一个符号的延迟)，从而对该信号进行乘法和延迟处理，随后显然是通过两个乘法器40、42和一个延迟电路44来进行乘法操作。在该操作之后是所示的加法器46中的求和。系统的该部分可作为多信道二维滤波器操作。一个维度是由于时间上的延迟而发生，而另一维度是来自虚拟天线(即所述的空间维度)，这两个维度从而形成了空时滤波器。

显然，和其它信道一起来使用每个输入信号，并且乘法器接收来自联合最优滤波器权重和信道估计器52的权重。将来自联合最优滤波器权重和信道估计器52的权重传递至乘法器中。

在一个非限定性示例中该权重也是8×4维矩阵，也即32权重。关于输入至联合最优滤波器权重和信道估计器52的训练序列符号，在一些实施例中典型地存在大约26个已知的符号，并且分组包含哪个训练序列是已知的。在一个非限定性示例中可以使用+/-3或七个位置搜索以查找定时。可以使用多信道匹配滤波器(h_opt)的脉冲响应，以使得该系统与该信道响应相匹配，并使得在匹配滤波器之后的信号更强。

如图1所示，尽管不需要重标度，重标度仍可以作为硬件或软件装置而出现。作为一个非限定性示例，该重标度电路34允许用于将4比特或5比特输入至Viterbi均衡器38的更大操作。可以对信号的动态范围进行调整，以使得可以将信号发送至4比特或5比特电路。

如上文所述，多路复用器36可以将信号d₂和c₂作为来自传统滤波器接收机14的数据和信道响应，或者将信号d₁和c₁作为来自JSTOF接收机10的数据和信道响应，以允许在两者之间切换。如果没有干扰(也即纯白噪声)，则JSTOF接收机将引入一些损耗。在这种情况下，可以使用传统接收机14并且将起到足够的作用。因此，该电路可以切换回传统滤波器，而避免由JSTOF接收机及其电路所引入的损耗。该切换是基于对SINR_OUT减去SINR_INP的估计。如果该质量低于阈值，该系统确定存在很少的干扰并且不需要JSTOF接收机的干扰消除。因此，通过切换2:1开关16来使用传统接收机14的滤波器。

该电路可以在波束形成系统及其它系统中操作。这种类型的系统还改进了信噪比和误比特率(BER)。这可以对最高级的协议和电话呼叫以及使用这些电路的其它通信事务造成影响。

在一个实施例中使用基于JSTOF的滤波器10的多信道结构，并且基于MIMO的JSTOF电路30提供了与现有技术的解决方案不相同的空时滤波器权重和信道估计。该电路提供了针对同步和异步干扰的有效地抗干扰的能力以及产生高性能的能力。在一些现有技术中，一些仿真显示了没有解决方案能够提供针对DARP测试情况所需要的性能。

该基于MISO的多信道匹配滤波器电路32是改进总差错率性能并通过避免多信道Viterbi均衡器来降低均衡器的复杂性的特征。在基于JSTOF的接收机和传统接收机之间的内置的自动切换减少了在AWGN情况下的损耗。

为了满足DARP需求可以使用适当的接收机结构。干扰消除匹配滤波器(ICMF)可以使用所述的虚拟天线的示例和波束形成以抗干扰。该电路对期望信号的信道脉冲响应(CIR)的估计误差敏感。联合解调(JD)显示了针对各种测试情况的良好性能。除了抗异步干扰的困难之外，在查找干扰者的CIR的过程中可能引入繁重的计算复杂度。

在一个实施例中，虚拟天线24可通过自适应空时滤波来操作，这允许使用联合空时最优滤波器(JSTOF)电路30。与ICMF之间的一个差别是，在JSTOF中对用于抑制干扰的空时滤波器权重和对期望信号的CIR估计联合地进行估计和优化，而在ICMF中对这二者分离地进行估计。JSTOF电路30可以是利用空-时建立中期望的CIR矩阵的秩亏(rank deficiency)特性的优点的多输入多输出(MIMO)电路。仿真已经显示了针对各种DARP测试情况的令人满意的性能。在假设固定点Cholesky因数分解和EVD/SVD可行的情况下，计算负荷被认为是可以接受的。

该方法具有某种简单性和低计算复杂度。该方法还是健壮的，这是因为该系统对干扰源很少作假设。此外，由于将该方案作为对输入数据的预处理步骤来集成，该系统可以继续使用现有的均衡器结构，如果可用的话，这将允许该系统使用HW均衡器加速器。

为了支持对该技术的评估，对系统级别的块差错率(BLER)模拟器进行扩展以支持3GPP DARP规范所使用的所有干扰者模型/场景。

现在将对针对使用JSTOF电路的DARP测试情况的仿真性能进行描述。应当理解的是，在基站中使用了用于联合的干扰减少和信道估计的空-时处理，其中M个天线的阵列是可用的。假设可以将针对单个期望用户的等价的信道响应模拟为L个抽头的有限脉冲响应(FIR)滤波器，则可以将对所接收的基带信号的简短描述表示为：

$x\left(k\right)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}c\left(l\right)s_{k-1}+v\left(k\right)=\mathrm{Hs}\left(k\right)+v\left(k\right),---\left(1\right)$

其中x(k)是表示来自天线的输出的M×1的矢量，H是包含针对该天线阵列的信道响应的M×L的矩阵，s(k)是针对所传输的相应的符号的L×1的矢量，v(k)是包括AWGN和干扰的M×1的矢量。可以通过如下将x(k)的N个时间延迟的版本堆叠到更高的MN×1的矢量

中，来获得对公式(1)的空-时扩展：

$\stackrel{\‾}{x}\left(k\right)={{[x}^T\left(k\right),x^T(k-1),...{,x}^T(k-N+1)]}^T=\stackrel{\‾}{H}\stackrel{\‾}{s}\left(k\right)+\stackrel{\‾}{v}\left(k\right),---\left(2\right)$

其中，

是MN×(L+N-1)的矩阵，是H的块特普利茨版本(blockToeplitz version)，并且 $\stackrel{\‾}{s}\left(k\right)=\left[\begin{array}{cccc}{s}_k,& s_{k-1}& ...,& s_{k-L-N+2}\end{array}\right]T.$

可以收集与该训练序列相对应的采样，

$\stackrel{\‾}{X}=[\stackrel{\‾}{x}\left(k\right),\stackrel{\‾}{x}(k+1),...,\stackrel{\‾}{x}(k+p-1)]=\stackrel{\‾}{H}\stackrel{\‾}{S}+\stackrel{\‾}{V},---\left(3\right)$

其中p＝P-L-N+2，P是该训练序列的符号的数量，

是MN×P的矩阵，并且 $\stackrel{\‾}{S}=\left[\begin{array}{cccc}\stackrel{\‾}{s}\left(k\right),& \stackrel{\‾}{s}(k+1),& ...,& \stackrel{\‾}{s}(k+p-1)\end{array}\right]$ 是该训练符号的(L+N-1)×p的卷积矩阵。该联合优化是用于在滤波之后寻找用于空时滤波器的非无效的MN×1权重矢量w以及非无效的(L+N-1)×1的信道估计矢量h，以使得滤波器的输出干扰残留最小化，也即用于解决以下最优化问题：

$\underset{w,h}{\min }{\left|\right|w^T\stackrel{\‾}{X}-h^T\stackrel{\‾}{S}\left|\right|}^2---\left(4\right)$

可以发现最优权重是：

$w_{\mathrm{opt}}=R_x^{-1}{R}_{\mathrm{xs}}{h}_{\mathrm{opt}}---\left(5\right)$

并且最优信道估计h_opt是与矩阵R_s-R_xs ^HR_x ^-1R_xs的最小特征值相对应的特征矢量，其中，

$R_x={\stackrel{\‾}{X}}^{*}{\stackrel{\‾}{X}}^T,$ (MN×MN)  (6)

$R_s={\stackrel{\‾}{S}}^{*}{\stackrel{\‾}{S}}^T,$ ((L+N-1)×(L+N-1))以及  (7)

$R_{\mathrm{xs}}={\stackrel{\‾}{X}}^{*}{\stackrel{\‾}{X}}^T,$ ((MN)×(L+N-1))(8)

假设等式(3)的空-时模型中的噪声加干扰分量

不再是白噪声，而是近似于具有未知的协方差矩阵R_v的高斯分布，则对信道

的最优估计是最大似然(ML)估计，即，是对以下数量的最小化：

$l(\stackrel{\‾}{H},R_v)=\log \left|R_v\right|+{\left|\right|\stackrel{\‾}{X}-\stackrel{\‾}{\mathrm{HS}}\left|\right|}_{R_v^{-1}}^2---\left(9\right)$

在该非限定性空-时模型中，独立信道的数量总是小于或等于M，并且

通常是秩亏的，即， $\mathrm{rank}\left(\stackrel{\&OverBar;}{H}\right)=r<\min (\mathrm{MN},L+N-1).$ 该秩亏ML问题可以用于对空时滤波器的秩-1的近似。

在一个实施例中，JSTOF电路可以使用不同的方法以查找滤波器权重以及信道估计的联合最优解决方案。可能查找对的ML估计。

可以将该估计分解为：

${\hat{H}}^{*}={\hat{H}}_s{\hat{H}}_t^H---\left(10\right)$

其中，是对空间矩阵

的估计，

是对时间矩阵的估计。其可以通过以下公式来获得：

${\hat{H}}_t=R_s^{-1/2}{V}_{\mathrm{DM}}---\left(11\right)$

${\hat{H}}_s=R_{\mathrm{xs}}{\hat{H}}_t---\left(12\right)$

其中， $R_s=R_s^{I/2}{R}_s^{H/2}$ 是Cholesky因数分解，并且V_DM包括与矩阵D的前M个特征值相对应的M个特征矢量，

$D=R_s^{-H/2}{R}_{\mathrm{xs}}^H{R}_x^{-1}{R}_{\mathrm{xs}}{R}_s^{-I/2}---\left(13\right)$

在下个步骤中，可以通过以下公式来获得空时滤波器的最优权重：

$W_{\mathrm{opt}}=R_x^{-1}{R}_{\mathrm{xs}}{\hat{H}}_t,$ (MN×M)  (14)

并且该最优信道估计是

$h_{\mathrm{opt}}=w_{\mathrm{opt}}^T\&CenterDot;\hat{H}.$ (M×(L+N-1))  (15)

然后可将等式(14)中的最优时空滤波器施加到来自天线阵列24的采样。显然滤波器30的输出仍具有M个信道，并且其是MIMO系统。等式(15)中的最优信道估计可以用于多信道匹配滤波器32。然后在重标度电路34中对匹配滤波器的输出进行组合(求和)，并将匹配滤波器的输出重标度至改进的期望水平。最终输出的输出是单信道采样流，并可以被馈送至Viterbi均衡器38。注意，与JSTOF之前L个模拟的信道抽头相比，在JSTOF之后信道抽头的数量已经被改变为L+N-1。

通过仿真观察到，与使用传统滤波器的传统接收机相比，在纯AWGN的情况下JSTOF接收机招致了多于1dB的损耗。为了减少损耗，开发了在JSTOF与传统接收机之间自动切换的策略。该切换基于对JSTOF的输入和输出SINR的差值的测量。当该差值低于预定义的阈值时，关掉JSTOF接收机并开启传统接收机。一旦完成等式(10)中的对的估计计算，就可以容易地计算输入SINR：

${\mathrm{SINR}}_{\mathrm{inp}}=\frac{{\left|\right|\hat{H}\stackrel{\&OverBar;}{S}\left|\right|}^2}{{\left|\right|\stackrel{\&OverBar;}{x}-\hat{H}\stackrel{\&OverBar;}{S}\left|\right|}^2}=\frac{\mathrm{tr}\left({\hat{H}}^{*}{R}_s{\hat{H}}^T\right)}{\mathrm{tr}(R_x+{\hat{H}}^{*}{R}_s{\hat{H}}^T-2\mathrm{Re}\{R_{\mathrm{xs}}{\hat{H}}^T\left\}\right)}---\left(16\right)$

并且可以根据等式(14)和(15)计算输出SINR：

${\mathrm{SINR}}_{\mathrm{out}}=\frac{{\left|\right|h_{\mathrm{opt}}\stackrel{\&OverBar;}{S}\left|\right|}^2}{{\left|\right|w_{\mathrm{opt}}^T\stackrel{\&OverBar;}{X}-h_{\mathrm{opt}}\stackrel{\&OverBar;}{S}\left|\right|}^2}=\frac{\mathrm{tr}\left(h_{\mathrm{opt}}^{*}{R}_s{h}_{\mathrm{opt}}^T\right)}{\mathrm{tr}(w_{\mathrm{opt}}^H{R}_{x}w+h_{\mathrm{opt}}^{*}{R}_s{h}_{\mathrm{opt}}^{*}-2\mathrm{Re}\{w_{\mathrm{opt}}^H{R}_{\mathrm{xs}}{h}_{\mathrm{opt}}^T\left\}\right)}---\left(17\right)$

在移动侧，可以通过如图1所示的过采样以及实部和虚部的分离的组合来建立虚拟天线虚拟天线阵列。

根据不同的实施例，在等式(14)和(15)中提出的联合最优MIMO空时滤波器和信道估计增强了干扰抑制性能。基于等式(15)中的信道估计的MISO多信道匹配滤波器32改进了差错率性能，同时降低了Viterbi均衡器38的复杂度。在JSTOF与传统接收机之间自动切换的策略减少了在纯AWGN情况下的损耗。

可以通过在数值稳定性和计算复杂度方面的不同方式来实现由等式(6)-(17)所定义的JSTOF。主要的差别是计算自相关矩阵R_x的逆矩阵的方式以及使用降秩来估计信道

的方式。

一个这样的实现是对R_x的基于Cholesky分解的矩阵求逆以及等式(13)中的矩阵D的特征值分解。特别地，由于R_x是对称正定的，Cholesky分解存在：

$R_x=L_x{L}_x^T---\left(18\right)$

可以将D写为：

$D=D_1{D}_1^T---\left(19\right)$

其中

$D_1=L_s^{-T}{R}_{\mathrm{xs}}^T{L}_x^{-T}---\left(20\right)$

应当注意的是，实际上使用R_x的平方根来执行该求逆，并且可以通过回代来避免对该求逆的显式计算。此外，由于D的相互抵消的结构，D是数值稳定的。这是通过显示了D的条件数很少大于300的仿真来验证的。本领域的技术人员应当理解，这意味着对D的特征值分解不需要针对典型应用的过于复杂的算法。实际上，该方法可能具有这里所概述的方法中的最小的计算复杂度。

一个潜在的数值关系是对R_x的Cholesky分解，这是由于其条件数可能相对较高，并且可以通过四舍五入误差来在一定程度上弥补其正定特性。然而，仿真显示，即使是在某些极端的场景下(例如极高和极低的载干比(C/I))，R_x的条件数也少于10⁷。

根据可选的实施例，采样域中的QR分解可以用于避免直接计算R_x的逆矩阵。由于等式(3)中的

具有列满秩，其具有唯一的QR分解：

${\stackrel{\&OverBar;}{X}}^T=\mathrm{QR}---\left(21\right)$

其中Q是具有正交列的p×MN的矩阵，R是满秩的MN×MN的上三角矩阵。可以显示出：

$R_x^{-1}=R^{-1}{R}^{-T}---\left(22\right)$

并且可以以等式(19)的形式来写入等式(13)中的D，通过以下等式来对D₁进行重定义：

$D_1=L_s^{-T}\stackrel{\&OverBar;}{S}Q---\left(23\right)$

可以使用前述方法中的D的特征值分解来执行降秩信道估计，并且可以将(14)的最优滤波器权重矩阵降为：

$w_{\mathrm{opt}}=R^{-1}{D}_1^T{V}_{\mathrm{DM}}---\left(24\right)$

由于可以显示出 $R=L_x^T,$ 该方法基本上是采样域中的Cholesky分解的等价版本。该方法在QR分解的较高复杂度(对于特定大小的矩阵需要大约两倍的操作)以及较大的采样矩阵(在M＝4、N＝2及L＝5的示例情况下具有大约三倍的行数)的代价下，具有改进的数值稳定性。

上述的两种方法仍需要计算逆三角矩阵，尽管这可以通过回代来完成。现在开始另一可选方法(即奇异值分解(SVD)方法)，在一些应用中可以避免矩阵求逆并可以进一步改进数值稳定性。该方法从等式(3)中对采样矩阵的SVD开始：

${\stackrel{\&OverBar;}{X}}^T=U_x{\mathrm{\&Sigma;}}_x{V}_x^T---\left(25\right)$

其中U_x是具有正交列的p×MN的矩阵，V_x是MN×MN的正交矩阵，∑_x是MN×MN的对角矩阵，∑_x＝diag(σ₁，…，σ_MN)，其对角线上为奇异值。可以显示出：

$R_x^{-1}=V_x{\mathrm{\&Sigma;}}_x^{-2}{V}_x^T---\left(26\right)$

等式(13)中的D仍具有等式(19)的形式，通过以下等式来定义D₁：

$D_1=L_x^{-T}\stackrel{\&OverBar;}{S}{U}_x---\left(27\right)$

可以通过对D₁的SVD来获得信道估计，并且可以将滤波器权重矩阵写为：

$w_{\mathrm{opt}}{=V}_x{\mathrm{\&Sigma;}}_x^{-1}{D}_1^T{V}_{\mathrm{DM}}---\left(28\right)$

其中V_DM包含D₁的前M个右奇异矢量。与前面的两种方法中使用的Cholesky和QR分解相比，该方法中的SVD可能需要更多的计算。

作为对上文概述的三种方法(即，Cholesky、QR和SVD)的比较，图9中的表逐步地列出了作为示例的计算，其中M＝4，N＝2且L＝5。为了查找突发的最佳定时，JSTOF搜索了大量定时假设，并选择与最小输出残留相对应的一个假设作为最佳定时。通过以下等式来定义输出残留：

$e={\left|\right|w_{\mathrm{opt}}^T\stackrel{\&OverBar;}{X}-h_{\mathrm{opt}}^T\stackrel{\&OverBar;}{S}\left|\right|}^2---\left(29\right)$

该搜索过程基本上对于每个假设重复了该表中列出的操作，但是通过添加和删除列来对根据连续定时假设的输入采样矩阵进行微小的改变。更新和降级(downdating)算法可能应用于这些操作中的某些操作，并且可能减少总计算负荷。

设表示在时刻k的采样矩阵。可以将其从等式(3)分离为：

$\stackrel{\&OverBar;}{X}\left(k\right)=\left[\stackrel{\&OverBar;}{x}\left(k\right)\tilde{X}(k+1)\right]---\left(30\right)$

其中，

$\tilde{X}(k+1)=[\stackrel{\&OverBar;}{x}(k+1),...,\stackrel{\&OverBar;}{x}(k+p-1)]---\left(31\right)$

可以将在时刻k+1的采样矩阵表示为：

$\stackrel{\&OverBar;}{X}(k+1)=[\tilde{X}(k+1),\stackrel{\&OverBar;}{x}(k+p)]---\left(32\right)$

在时刻k+1的自相关矩阵具有以下形式：

$R_x(k+1)=R_x\left(k\right)-\stackrel{\&OverBar;}{x}\left(k\right){\stackrel{\&OverBar;}{x}}^T\left(k\right)+\stackrel{\&OverBar;}{x}(k+p){\stackrel{\&OverBar;}{x}}^T(k+p)---\left(33\right)$

这是秩-1降级和秩-1更新的组合。在作者为Golub等人的《MatrixComputations》的1996年第三版中提出了一个基于双曲线旋转的用于更新/降级Cholesky因数分解的算法。

在Golub等人的文本中公开的另一可应用的更新/降级算法是用于基于Givens旋转的QR分解。当然，本领域中的技术人员应当理解，特定应用中应当使用的特定方法将取决于诸如可用处理资源、计算复杂度等等的因素。本领域中的技术人员也应当理解，也可以使用其它方法。

通过使用扩展BLER仿真引擎的Matlab仿真评估了基于JSTOF的接收机的性能。可以根据不同的方面来设置用于基于JSTOF的接收机的参数。其值的示例如下：

1)可以选择过采样率(OSR)为2，在该非限定性示例中将其映射为虚拟天线(M)的数量为4，仿真显示将OSR减少为1导致显著的性能下降；

2)可以将时间延迟的采样(N)的数量选择为2。然而，增加该数量并不总能改进性能；

3)可以将信道响应矩阵的降秩选择为M。增加或降低秩并不一定改进性能；

4)自切换阈值可以是4.75dB。

5)可以以5比特宽度来对软判决输出进行量化。将该宽度增加为8比特可以或多或少地改进针对DTS-5的性能。可以启用软判决修正。

AMR语音信道即TCH-AFS12.2可以用于评估JSTOF在FER方面的性能。在仿真中可以始终假设传播条件为TU50km/h-1950MHz。对于每种情况仿真运行1000个试验(块)。

在图3的图示中示出了接收机的FER相对于载干比(C/I)的关系。在下表中列出了相对于指定的参考性能的余量。

测试情况	JSTOF性能：在FER＝1％时的C/I，dB	指定性能：在FER＝1％时的C/I，dB	JSTOF相对于指定性能的余量，dB
				DTS-1	-2.6	4	6.6
DTS-2	7.3	9	1.7
				DTS-3	7.6	10	2.4
DTS-4	-0.9	6	6.9
				DTS-5	7.4	9	1.6

在图4和图5的图示中分别示出了接收机在纯AWGN和DTS-5的情况下使用自动切换策略和不使用自动切换策略的性能。该策略将在AWGN情况中的损耗减少了大约1dB(在FER＝10％时)，并招致了针对DTS-5的极少损耗。

JSTOF接收机可以包括多个Viterbi均衡器以及随后的多信道匹配滤波器，该多信道匹配滤波器对均衡器之后的软判决进行组合。在图6的图示中示出了结果并将该结果与原始值进行了比较。

通过改进的测试情况DTS-5R可以对性能进行评估，其中可以配置异步干扰者的延迟。在图7的图示中示出了在突发长度为0、1/4、1/2和3/4处的性能。结果指示，JSTOF接收机的性能随着干扰者的严重延迟而“缓慢地”降低。

例如，上述的接收机可以有益地用于移动无线设备(例如蜂窝设备)以及蜂窝基站中。在下面的示例中参照图8进一步描述了可以使用的移动无线通信设备1000的示例。设备1000示意性地包括机架1200、键盘1400和输出设备1600。所示出的输出设备是显示器1600，优选地是全图形LCD。可选地，可以使用其它类型的输出设备。处理设备1800包含在机架1200中，并耦合在键盘1400与显示器1600之间。响应于用户在键盘1400上的动作，处理设备1800控制显示器1600的操作以及移动设备1000的总体操作。

可以纵向延长机架1200，或者机架1200可以取其它大小和形状(包括抓斗式机架结构)。键盘可以包括用于在文本输入与电话输入之间切换的模式选择键或者其它硬件或软件。

除了处理设备1800之外，在图8中还示出了移动设备1000的其它部分。这包括通信子系统1001；短程通信子系统1020；键盘1400以及显示器1600，连同其它输入/输出设备1060、1080、1100和1120；以及存储器设备1160、1180和各种其它设备子系统1201。优选地，移动设备1000是具有语音和数据通信能力的双向RF通信设备。此外，优选地，移动设备1000具有经由因特网与其它计算机设备进行通信的能力。

优选地，将处理设备1800执行的操作系统软件存储在永久存储器(例如闪存1160)中，但可以将该操作系统软件存储在其它类型的存储器设备中，例如只读存储器(ROM)或类似的存储元件。此外，可以将系统软件和特定的设备应用(或其一部分)临时地加载到易失性存储器中，例如随机访问存储器(RAM)1180中。还可以将移动设备接收的通信信号存储在RAM1180中。

除了处理设备1800的操作系统功能之外，处理设备1800还启用设备1000上的软件应用1300A-1300N的执行。可以在制造期间将预定的一组控制基本设备操作(例如数据和语音通信1300A和1300B)的应用安装在设备1000上。此外，可以在制造期间安装个人信息管理器(PIM)应用。优选地，PIM能够组织和管理数据项目(例如电子邮件、日历事件、语音邮件、约会和任务项目)。优选地，PIM还能够经由无线网络1401发送和接收数据项目。优选地，使用所存储的或者与主机计算机系统相关的设备用户的相应的数据项目，经由无线网络1401对PIM数据项目进行无缝地集成、同步和更新。

通过通信子系统1001(并且可能通过短程通信子系统)来执行通信功能(包括数据和语音通信)。通信子系统1001包括接收机1500、发射机1520以及一个或多个天线1540和1560。此外，通信子系统1001还包括处理模块(例如数字信号处理器(DSP)1580)以及本地振荡器(LO)1601。通信子系统1001的特定设计和实施方式取决于移动设备1000倾向于在其中操作的通信网络。例如，移动设备1000可以包括通信子系统1001，该通信子系统1001被设计用于在Mobitex^TM、数据TAC^TM或通用分组无线电服务(GPRS)移动数据通信网络中操作，并且还被设计用于通过多种语音通信网络(例如AMPS、TDMA、CDMA、WCDMA、PCS、GSM、EDGE等等)中的任何网络来操作。还可以通过移动设备1000来利用其它类型的(分离的和集成的)数据和语音网络。移动设备1000还可以适应于其它通信标准，例如3GSM、3GPP、UMTS等等。

网络接入需求根据通信系统的类型而变化。例如，在Mobitex和DataTAC网络中，使用与每个设备相关的唯一的个人标识号码或PIN来在网络上注册移动设备。然而，在GPRS网络中，网络接入与设备的订户或用户相关。因此，为了在GPRS网络上操作，GPRS设备需要订户身份模块(通常称为SIM卡)。

当完成了需要的网络注册或激活过程时，移动设备1000可以在通信网络1401上发送和接收通信信号。将通过天线1540从通信网络1401接收的信号路由至接收机1500，该接收机1500提供信号放大、下变频、滤波、信道选择等，并且还可以提供模数变换。对接收信号的模数变换允许DSP1580执行更复杂的计算功能，例如解调和解码。通过类似的方式，通过DSP1580对将要传输至网络1401的信号进行处理(例如调制和编码)，然后将该信号提供给发射机1520，用于数模变换、上变频、滤波、放大和经由天线1560至通信网络1401(或网络)的传输。

除了处理通信信号之外，DSP1580提供对接收机1500和发射机1520的控制。例如，可以通过在DSP1580中实现的自动增益控制算法，对在接收机1500和发射机1520中对通信信号施加的增益进行自适应地控制。

在数据通信模式中，通过通信子系统1001来处理接收信号(例如文本消息或网页下载)，并将接收信号输入至处理设备1800。然后通过处理设备1800对接收信号进行进一步处理，用于输出至显示器1600或者可选地输出至一些其它辅助I/O设备1060。设备用户还可以使用键盘1400和/或一些其它辅助I/O设备1060(例如触摸板、摇臂开关、拇指轮或其它类型的输入设备)来编写数据项目(例如电子邮件消息)。然后可以将所编写的数据项目经由通信子系统1001在通信网络1401上传输。

在语音通信模式中，除了将接收信号输出至扬声器1100并且由麦克风1120来产生用于传输的信号之外，设备的总体操作基本上与数据通信模式相类似。还可以在设备1000上实现可选的语音或音频I/O子系统(例如语音消息记录子系统)。此外，还可以在语音通信模式中利用显示器1600，例如用于显示呼叫方的身份、语音呼叫的持续时间或其它与语音呼叫相关的信息。

短程通信子系统启用了移动设备1000与其它邻近的系统或设备(不必是类似的设备)之间的通信。例如，短程通信子系统可以包括红外设备及相关的电路和组件、或者用于提供使用类似地启用的系统和设备的通信的蓝牙^TM通信模块。

受益于前述的说明和相关的附图中所提供的教导，本领域中的技术人员可以想到本发明的诸多修改及其它实施方式。因此，应当理解，本发明不应被限定于所公开的特定实施方式，并且旨在将所述修改和其它实施方式包括在本发明的范围之内。

Claims (23)

1.一种用于减少通信接收机中的同信道干扰的滤波器，包括：

多信道空时滤波器电路，用于通过对空时滤波器权重和多信道脉冲响应(CIR)进行联合估计来对从通信信号分离的n个信号部分进行滤波；以及

多信道匹配滤波器电路，用于接收来自所述多信道空时滤波器电路的多信道信号，并且所述多信道匹配滤波器电路具有由来自所述多信道空时滤波器电路的信道脉冲响应估计所提供的滤波器响应。

2.根据权利要求1所述的滤波器，还包括与所述多信道空时滤波器电路相连的虚拟天线电路，用于将所述通信信号分离为n个奇采样和偶采样的实信号部分和虚信号部分。

3.根据权利要求1所述的滤波器，其中，所述多信道空时滤波器电路包括至少一个乘法器，用于将每个信号部分与相应的空时滤波器权重相乘。

4.根据权利要求3所述的滤波器，其中，所述至少一个乘法器包括一对并联的乘法器；并且其中所述多信道空时滤波器电路还包括针对与所述一对乘法器之一的输入相连的每个信号部分的相应的延迟电路。

5.根据权利要求4所述的滤波器，其中，所述通信信号包括多个符号；并且其中所述乘法器和延迟电路的每一个具有与之相关的一个符号的延迟。

6.根据权利要求3所述的滤波器，还包括针对每个信道对乘法器的输出进行求和的相应的加法器电路。

7.根据权利要求1所述的滤波器，还包括联合最优滤波器权重和信道估计器，用于接收训练序列符号和定时不确定度数据，以及产生用于所述多信道空时滤波器电路的空时滤波器权重和用于所述多信道匹配滤波器电路的多信道脉冲响应。

8.根据权利要求1所述的滤波器，还包括来自所述多信道匹配滤波器电路的均衡器电路下行流。

9.一种用于减少通信接收机中的同信道干扰的滤波器系统，包括：

联合空时滤波器，所述联合空时滤波器包括：

多信道空时滤波器电路，用于通过对空时滤波器权重和多信道脉冲响应(CIR)进行联合估计来对从通信信号分离的n个信号部分进行滤波；以及

多信道匹配滤波器电路，用于接收来自所述多信道空时滤波器电路的多信道信号，并且所述多信道匹配滤波器电路具有由来自所述多信道空时滤波器电路的信道脉冲响应估计所提供的滤波器响应；以及

附加的可选滤波器，在所述多信道空时滤波器电路的输入信号干扰比SINR_INP和输出信号干扰比SINR_OUT之间的差值低于预定的阈值时操作，并且所述附加的可选滤波器包括附加的匹配滤波器、互相关电路、以及用于将所述n个信号部分切换到所述附加的匹配滤波器和互相关电路的开关。

10.根据权利要求9所述的滤波器系统，还包括与所述多信道空时滤波器电路相连的虚拟天线电路，用于将所述通信信号分离为n个奇采样和偶采样的实信号部分和虚信号部分。

11.根据权利要求9所述的滤波器系统，其中所述多信道空时滤波器电路包括至少一个乘法器，用于将每个信号部分与相应的空时滤波器权重相乘。

12.根据权利要求11所述的滤波器系统，其中所述至少一个乘法器包括一对并联的乘法器；并且其中所述多信道空时滤波器电路还包括针对与所述一对乘法器之一的输入相连的每个信号部分的相应的延迟电路。

13.根据权利要求12所述的滤波器系统，其中所述通信信号包括多个符号；并且其中所述乘法器和延迟电路的每一个具有与之相关的一个符号的延迟。

14.根据权利要求11所述的滤波器系统，还包括针对每个信道对乘法器的输出进行求和的相应的加法器电路。

15.根据权利要求9所述的滤波器系统，还包括联合最优滤波器权重和信道估计器，用于接收训练序列符号和定时不确定度数据，以及产生用于所述多信道空时滤波器电路的空时滤波器权重和用于所述多信道匹配滤波器电路的多信道脉冲响应。

16.根据权利要求9所述的滤波器系统，还包括来自所述多信道匹配滤波器电路的均衡器电路下行流。

17.一种减少通信接收机中的同信道干扰的方法，包括：

将通信信号分离为n个信号部分；

在多信道空时滤波器电路中对所述n个信号部分进行滤波，并对空时滤波器权重和多信道信道脉冲响应(CIR)进行联合估计；以及

在具有由来自所述多信道空时滤波器电路的信道脉冲响应估计所提供的滤波器响应的多信道匹配滤波器电路中接收来自多信道空时滤波器电路的多信道信号。

18.根据权利要求17所述的方法，其中所述分离的步骤包括将所述通信信号采样为奇采样和偶采样，并将所述奇采样和偶采样分离为实信号部分和虚信号部分。

19.根据权利要求17所述的方法，还包括对所述匹配滤波器的输出进行求和，并重标度至期望的水平。

20.根据权利要求19所述的方法，还包括在重标度至期望的水平之后对单信道信号进行均衡。

21.根据权利要求17所述的方法，还包括当所述多信道空时滤波器电路的输入信号干扰比SINR_INP和输出信号干扰比SINR_OUT之间的差值低于阈值时在附加的可选滤波器中对所述n个信号部分进行滤波。

22.根据权利要求17所述的方法，还包括基于空时滤波器权重将每个信号部分相乘。

23.根据权利要求22所述的方法，还包括在相乘之后针对每个信道对信号部分进行求和。

Images