CN101283511A - 使用乔列斯基和特征值分解的联合空时最优滤波器 - Google Patents

Abstract

一种滤波器，用于在通信接收机内减小同信道干扰，所述滤波器可以包括多信道空时滤波器电路，通过基于乔列斯基和特征值分解，联合地估计空时滤波器权重和多信道冲激响应(CIR)，对从通信信号中分割出的n个信号部分进行滤波。所述滤波器还可包括多信道匹配滤波器电路，从多信道空时滤波器电路接收多信道信号，并具有由空时滤波器电路的信道冲激响应估计所提供的滤波器响应。

Description

使用乔列斯基和特征值分解的联合空时最优滤波器

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，本发明涉及对接收到的无线信号进行滤波以减小有害干扰。

背景技术

已经对干扰抵消匹配滤波器(ICMF)和联合解调(JDM)进行研究，以满足第三代移动通信系统和第三代伙伴计划(3GPP)所标准化的下行链路高级接收机性能(DARP)的需求。在下面的文章和文献中提出了一些建议。

1.Liang et al.，A Two-Stage Hybrid Approach for CCI/ISIReduction with Space-Time Processing，IEEECommunication Letter Vol.1，No.6，Nov.1997.

2.Pipon et al.，Multichannel Receives Performance ComparisonIn the Presence of ISI and CCI，1997 13th Intl.Conf.onDigital Signal Processing，July 1997.

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

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

5.Radio Transmission and Reception(Release 6)，3GPP TS45.005 Version 6.8.0；European TelecommunicationsStandards 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.OnSignals，Systems and 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系统(GSM)蜂窝系统必须解决移动台(MS)侧的同信道干扰(CCI)，并解决DARP需求。一些单信道结构和预滤波器用于帮助抵消干扰，并提供某种信道冲激响应(CIR)估计。此外，一些系统使用信噪比的最大值来联合地设计单信道空时滤波器和单信道的CIR估计。其他系统使用均方误差的约束最小值来设计单信道空间滤波器。其他系统使用通过ML信道估计的一阶近似所设计的单信道空间滤波器。这些系统的目标应用是其中包括多个天线的物理天线阵列可用的基站。

发明内容

一般而言，本公开涉及一种用于在通信接收机内减小同信道干扰的滤波器。更具体地，该滤波器可以包括：多信道空时滤波器电路，用于通过基于乔列斯基(Cholesky)分解，联合地估计空时滤波器权重和多信道冲激响应(CIR)，对从通信信号中分割出的信号部分进行滤波。多信道匹配滤波器电路从多信道空时滤波器电路接收多信道信号，并具有由空时滤波器电路的信道冲激响应估计所提供的滤波器响应。标准滤波器可在干扰水平低于预定阈值时工作，并且可形成匹配滤波器、互相关电路和用于将信号部分切换到匹配滤波器和互相关电路的切换机构。

在一个方案中，多信道空时滤波器电路包括每一个均接收n个信号部分的多个乘法器和延迟电路。乘法器和延迟电路可基于空时滤波器权重来操作。每个乘法器和延迟电路包括两个乘法器电路和延迟电路。每个乘法器和延迟电路可以以一个符号延迟来操作。联合最优滤波器权重和信道估计器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)符号和定时不确定性数据，并产生用于多信道空时滤波器电路的空时滤波器权重。求和电路针对每个信道，对来自乘法器和延迟电路的数据进行求和。均衡器电路可与多信道匹配滤波器电路一起操作。

附图说明

在结合附图考虑下面详细的说明时，各种目的、特征和优点将显而易见，附图中：

图1是根据示范性实施例的、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)能力的接收机的框图；

图2是根据示范性实施例的图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框图；

图2A是根据示范性实施例的方法的框图；

图3是示出了在各种DARP测试情况下基于联合空时最优滤波器的具有DARP能力的接收机的性能的图；

图4是示出了根据示范性实施例的、具有加性高斯白噪声(AWGN)的联合空时最优滤波器接收机性能在具有自动切换策略和不具有自动切换策略情况下的比较图；

图5是示出了根据示范性实施例的、具有DTS-5的联合空时最优滤波器接收机性能在具有自动切换和不具有自动切换的情况下的比较图；

图6是示出了在仿真中使用8比特SD限幅器的、根据示范性实施例的单个和多个维特比(Viterbi)均衡器的性能的比较图；

图7是示出了根据示范性实施例的、联合空时最优滤波器接收机的性能和修改测试情况的图；

图8是可根据示范性实施例使用的示范性模型无线通信设备的示意框图；以及

图9是根据本公开的执行乔列斯基分解、QR分解和奇异值分解(SVD)计算的三种方法的比较表。

具体实施方式

下面参考附图来详细地描述多个非限制性实施例，在附图中示出了优选的示范性实施例。然而，这些实施例可以以多种不同的形式体现，并且不应该被理解为局限于这里所给出的实施例。而是，这些实施例被提供用于使本公开详尽完善，并且向本领域技术人员完整地传达本公开的范围。在全文中，类似的标号指代类似的元件，并且使用下标来指示可选实施例中的类似元件。

根据一个实施例，致力于当前的全球移动通信系统(GSM)中移动台(MS)侧的同信道干扰(CCI)，并遵从第三代伙伴计划(3GPP)的下行链路高级接收机性能(DARP)标准的需求。

图1所示的示范实施例提供了一种多信道预滤波器，该多信道预滤波器可操作用于自适应且最优地抵消干扰并提供信道冲激响应(CIR)估计。在一个非限制性示例中，该预滤波器可使用两个主要组件：(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。在使用单个可用天线的典型移动台中，可通过过采样的组合和接收采样的实部和虚部的分离，在内部配置虚拟天线阵列。

在一个非限制性实施例中，将来自虚拟天线阵列的信号馈送到JSTOF，在JSTOF中估计基于MIMO的干扰抵消滤波器的最优权重。同时，联合地估计所希望信号的多信道CIR。JSTOF的输出可以对干扰进行滤波，并将其馈送到基于MISO的多信道匹配滤波器。由JSTOF的CIR估计提供匹配滤波器的滤波器响应。

多信道匹配滤波器的输出经过维特比均衡器，该均衡器去除符号间干扰(ISI)，并提供针对进一步处理的软判决。均衡器所需的单信道响应可由来自JSTOF的卷积CIR的组合而形成。该预滤波器还可在AWGN占主导地位的情况下，自动地切换到传统接收机中的传统或标准滤波器；并在干扰占主导地位的情况下，切换回基于JSTOF的接收机。这种自动切换能力降低了在AWGN占主导地位的情况下的损耗。

基于JSTOF并且具有DARP能力的接收机的预滤波器或干扰抵消滤波器的示例在图1中的10处示出，其中，过采样率是2，虚拟天线的数目是4(M＝4)，由X₁(k)至X₄(k)表示。在整个说明书中，可将预滤波器10称为干扰抵消滤波器或JSTOF滤波器，并且用作DARP兼容接收机中的预滤波器。可将包括该滤波器10的接收机称为如图1中11处的虚线所示的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。输入信号被接收到解旋电路12中。解旋输出信号被分割，一部分进入包括2:1开关16的传统接收机的滤波器14，其输出进入匹配滤波器18和互相关电路20，互相关电路20接收截短的训练序列(TS)符号。2:1开关16可操作用于在滤波器14和基于JSTOF且具有DARP能力的预滤波器10之间实现切换。

来自解旋电路12的输出信号的另一部分被分为偶采样和奇采样，作为虚拟天线24的一部分，并再次被分为实信号和虚信号，以形成JSTOF电路30的各个输入信号X₁(k)至X₄(k)，JSTOF电路30也被称为多信道空时滤波器电路。JSTOF电路的输出信号进入多信道匹配滤波器电路32，并且多信道匹配滤波器电路32的输出信号进入重新缩放电路34，然后进入复用器电路36，作为数据(d₁)。复用器电路36还接收信道(c₁)响应。在连接传统滤波器14时，复用器36从匹配滤波器电路18和互相关电路20接收数据(d₂)和信道(c₂)响应。这些信号作为软判决输出进入维特比均衡器38。

图2示出了JSTOF和多信道匹配滤波器的其他细节，其中，JSTOF电路中使用的时延采样的数目是2(N＝2)。各种输入X₁(k)至X₄(k)被接收到JSTOF中，已详细示出。JSTOF电路30包括信道乘法器(也称为混合器)40、42；延迟单元44和求和器46，其输出被输入到针对四个示出的信道中的每一个的多信道匹配滤波器48，并且来自匹配滤波器的信号进入求和器50。联合最优滤波器权重和信道估计器电路52接收TS符号和定时不确定性信号，以产生用于混合器40、42的权重(W_OPT)。

因此，如上所述，通过添加与图1所示的传统匹配滤波器平行的预滤波器分支，可以将预滤波器功能集成到传统GSM接收机中。可以原样使用传统软件/硬件维特比均衡器38。在一个非限制性示例中，在DARP测试情况下，通过仿真来测试集成的具有DARP能力的接收机，该测试表明接收机在一个AMR通话信道的误帧率(FER)方面高于规定性能1.6dB至6.9dB。

图2a是示出了与上述系统相关联的高层方法的流程图，其中各个步骤被示为非限制性示例。各个步骤开始于附图标记100。进入的通信信号被解旋(框100)，并进入虚拟天线。通信信号被分为偶和奇采样(框102)，然后每个偶和奇采样被分为实和虚信号部分(框104)。来自虚拟天线的通信信号进入JSTOF电路，在JSTOF电路中，对通信信号进行相乘和延迟(框106)，然后求和(框108)，所有信号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，求和的信号进入多信道多输入单输出(MISO)匹配滤波器电路(框110)，然后求和(框112)，并作为单输出信号进入维特比均衡器(框114)，在维特比均衡器114中，进行软判决(框116)。

在操作中，解旋电路12可对GMSK调制信号和作为信令协议的一部分的频率偏移量进行操作。在任何解旋之前，信号星座图是动态的，在解旋之后，信号星座图变为静态的，即任意符号典型地集中在0°和180°，符号关于这两个点旋转。因此，可将GMSK信号当作典型的二元相移键控(BPSK)信号。由于过采样率，针对偶和奇采样在前端使用解旋是有用的。例如，在传统接收机中，采样率典型地具有速率1，即每个符号一个采样。

虚拟天线24可按照从基带滤波器开始的串行方式，将采样率增加为每个符号两个采样，以形成偶和奇两个分离信道。在该过程之前，顺序地将奇/偶采样交织。然后，进一步将这些信号分为实和虚信号部分，以形成虚拟天线的四个独立信道。应该注意，本领域技术人员可以认识到，在一些实施例中，可以使用其他数目的虚拟天线/信道(例如，一个或更多个)。

如图2所示，这些信号然后进入乘法器40、42和单位延迟电路44(例如一个符号延迟)，因此如两个乘法器40、42和一个延迟电路44所示，对信号进行相乘和延迟，之后是乘法操作。该操作之后是如图所示的求和器46的求和。系统的该部分可用作多信道二维滤波器。一维是由于时间的延迟，另一维是由虚拟天线引入的，即上述空间维度，因此这二维形成了空时滤波器。

显然，每个进入信号被结合其他信道使用，并与来自联合最优滤波器权重和信道估计器52的接收权重相乘。来自联合最优滤波器权重和信道估计器52的权重进入乘法器。

在一个非限制性示例中，权重也是8×4维矩阵，即32个权重。关于输入联合最优滤波器权重和信道估计器52的训练序列符号，在一些非限制性示例中，典型地存在大约26个已知符号，并且已知分组包含哪个训练序列。在非限制性示例中，可以使用+/-3或7位置搜索来找到定时。可以使用多信道匹配滤波器的冲激响应(h_opt)，使得系统与信道响应匹配，并且使得匹配滤波器之后的信号更强。

如图1所示，重新缩放可以以硬件或软件实现，尽管这并不一定需要。作为非限制性示例，该重新缩放电路34允许维特比均衡器38的4比特或5比特输入的较大运算。可以重新调节信号的动态范围，使得信号可以发送到4比特或5比特电路。

如上所述，复用器36可选取作为传统滤波器接收机14的数据和信道响应的信号d₂和c₂，，或者选取作为JSTOF接收机10的数据和信道响应的信号d₁和c₁，以允许在两者之间切换。如果没有干扰，即只是纯粹的白噪声，则JSTOF接收机会引入一些损耗。在这种情况下，可以使用传统接收机14，并且传统接收机14足以工作。因此，电路可切换回传统滤波器，而没有JSTOF接收机及其电路所引入的损耗。切换是基于SINR_OUT减去SINR_INP的估计的。如果该量小于阈值，则系统确定存在极少的干扰，并且不需要JSTOF接收机的干扰抵消。因此，通过切换2:1开关16，使用传统接收机14的滤波器。

该电路可工作在波束形成系统和其他系统中。这种系统还允许提高信噪比，并提高误码率(BER)。这对使用这些电路的顶层协议和电话呼叫以及其他通信事务有影响。

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提供与现有解决方案不同的空时滤波器权重和信道估计。该电路提供对于同步和异步干扰均能够有效地抗干扰的能力，并且产生高性能。一些仿真表明，一些现有技术中的解决方案均不能够在DARP测试情况下提供所需的性能。

该基于MISO的多信道匹配电路32具有通过避免使用多信道维特比均衡器而提高整体错误率性能并减少均衡器的复杂度的特征。内建的基于JSTOF的接收机和传统接收机之间的自动切换减少了AWGN情况下的损耗。

可以使用适当的接收机结构来满足DARP需求。干扰抵消匹配滤波器(ICMF)可以使用上述虚拟天线的示例，并使用波束形成来对抗干扰。该电路对所希望信号的信道冲激响应(CIR)的估计误差敏感。联合解调(JD)对于各种测试情况均表现出良好的性能。除了对抗异步干扰的难度之外，在找出干扰的CIR中所涉及的计算复杂度也很大。

在一个实施例中，虚拟天线24可进行自适应空时滤波，允许使用联合空时最优滤波器(JSTOF)电路30。与ICMF的一个不同在于，在JSTOF中，联合地估计和优化用于抑制干扰的空时滤波器权重和所希望信号的CIR估计，而在ICMF中，独立地估计这两者。JSTOF电路30可以是利用空时建立中所希望的CIR矩阵的秩亏(deficiency)性质的多输入多输出(MIMO)电路。仿真示出了对于各种DARP测试情况令人满意的性能。假定定点的乔列斯基因数分解和EVD/SVD是可行的，则认为计算负荷可以接受。

该方法在一定程度上得到了简化，并具有低计算复杂度。由于系统对干扰源做出了较少的假设，因此该方法也是鲁棒的。此外，该系统可以继续使用已有的均衡器结构，因为该解决方案被集成为对输入数据的预处理步骤。这使得该系统可以使用HW均衡器加速器(如果有的话)。

为了支持该技术的评估，对系统级块误差率(BLER)仿真器进行扩展，以支持3GPP DARP规范所使用的所有干扰模型/场景。

下面说明使用JSTOF电路的DARP测试情况的仿真性能。应该理解，在基站中使用了联合干扰减少和信道估计的空时处理，其中M个天线的阵列可用。假定单个希望用户的等效信道响应可建模为L抽头有限冲激响应(FIR)滤波器，则接收到的基带信号的瞬态采样可表达为

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

其中x(k)是表示天线输出的M×1矢量，H是包含对天线阵列的信道响应的M×L矩阵，s(k)是所发送的相应符号的L×1矢量，v(k)是包括AWGN和干扰的M×1矢量。公式(1)的空时扩展可以通过按照如下方式将x(k)的N个时延版本堆叠为更高的MN×1矢量

而获得：

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

其中

是H的块托普利茨(Toeplitz)版本的MN×(L+N-1)矩阵，并且 $\stackrel{\‾}{s}\left(k\right)={[s_k,s_{k-1},...,s_{k-L-N+2}]}^T.$ 可以收集与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是训练序列的符号数，

是MN×p矩阵， $\stackrel{\‾}{S}=[\stackrel{\‾}{s}\left(k\right),\stackrel{\‾}{s}(k+1),\·\·\·,\stackrel{\‾}{s}(k+p-1)]$ 是训练符号的(L+N-1)×p卷积矩阵。联合优化是要找到空时滤波器的非平凡MN×1的权重矢量w以及滤波后的非平凡(L+N-1)×1信道估计矢量h，使得滤波器的输出干扰残留最小，也就是解决以下的优化问题：

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

可以找到最优权重是

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

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

$R_x=\stackrel{\‾}{X}{\·\stackrel{\‾}{X}}^T,(\mathrm{MN}\×\mathrm{MN})---\left(6\right)$

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

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

假定方程式(3)的空时模块中的噪声加上干扰分量

不再是白噪声，而是近似具有未知协方差矩阵R_v的高斯分布，则信道

的最优估计是最大似然(ML)估计，这是以下量的最小化：

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

在该非限制性的空时模型中，独立信道的数目总是小于或等于M，并且

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

在一个实施例中，JSTOF电路可以使用不同的方法来找到滤波器权重和信道估计的联合最优解。可以找到

的ML估计。该估计可以分解为

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

其中

是

的空间矩阵的估计，

是

的时间矩阵的估计。它们可通过下式获得：

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

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

其中 $R_s=R_s^{1/2}{R}_s^{H/2}$ 是乔列斯基因式分解，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。

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

在下一步骤中，空时滤波器的最优权重可以通过下式获得：

$w_{\mathrm{opt}}=R_x^{-1}{R}_{\mathrm{xs}}{\hat{H}}_t,(\mathrm{MN}\&times;M)---\left(14\right)$

并且最优信道估计是

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

然后，可以将方程式(14)中的最优空时滤波器应用于来自天线阵列24的采样。显然，滤波器30的输出仍然具有M个信道，并且是MIMO系统。方程式(15)中的最优信道估计可用于多信道匹配滤波器32。然后，在重新缩放电路34中将匹配滤波器的输出组合(求和)，并重新缩放至已修改的希望的等级。最终输出是单信道采样流，并且可以馈入维特比均衡器38。还要注意，与JSTOF之前建模的信道抽头数L相比，JSTOF之后的信道抽头数变为L+N-1。

通过仿真观察到，在纯粹的AWGN的情况下，与使用传统滤波器的传统接收机相比，JSTOF接收机引起了1dB的损耗。为了减小该损耗，形成了在JSTOF和传统接收机之间自动切换的策略。该切换基于JSTOF的输入SINR和输出SINR之差的测量。当该差小于预定阈值时，关闭JSTOF接收机，并且打开传统接收机。一旦在方程式(10)中进行了的估计，则可以容易地计算输入SNIR：

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

并且可以根据公式(14)和(15)计算出输出SNIR：

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

在移动台侧，如图1所示，可以通过过采样以及实部和虚部分离的组合，来建立虚拟天线阵列。

根据各种实施例，公式(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。基于公式(15)中的信道估计的MIMO多信道匹配滤波器32在减小维特比均衡器38的复杂度的同时改善了错误率性能。JSTOF和传统接收机之间自动切换的策略减少了纯粹AWGN情况下的损耗。

就数值稳定性和计算复杂度而言，公式(6)～(17)所定义的JSTOF可以以多种方式实现。主要差异在于计算自相关矩阵R_x的逆的方式和以减小的秩来估计信道

的方式。

一个这种实现是基于乔列斯基分解的R_x逆矩阵和公式(13)中矩阵D的特征值分解。具体地，由于R_x是对称正定的，因此乔列斯基分解如下：

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

D可以改写为

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

其中

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

应该注意，实际上利用R_x的平方根来执行逆，并且可以通过倒转代换而避免逆的直接计算。此外，D是数字稳定的，因为其互相抵消的结构。仿真示出了D的条件数不大于300，因而验证了该结论。本领域技术人员可以认识到，这表明，对D的特征值分解不需要典型应用的极其复杂的算法。实际上，该方法可能具有这里示出的方法的最小计算复杂度。

可能数字上关注对R_x的乔列斯基分解，因为其条件数可能相对较大，并且其正定属性可能由于舍入误差而在一定程度上有所偏移。然而，仿真表明，R_x的条件数小于10⁷，即使在极限情况下，例如在非常高和非常低的载波干扰(C/I)比的情况下。

根据可选实施例，可以使用采样域中的QR分解来避免直接计算R_x的逆。由于公式(3)中的

列满秩，所以其具有唯一的QR分解

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

其中Q是具有正交列的p×MN矩阵，R是满秩的MN×MN上三角矩阵。可以看出

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

并且公式(13)中的D可以按照公式(19)的形式改写，其中D₁重新定义为

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

可以按照前一方法，利用对D的特征值分解，来执行缩减的秩的信道估计，并且(14)的最优滤波器权重矩阵可以缩减为

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

该方法基本上是采样域的乔列斯基分解的等效版本，因为有 $R=L_x^T.$ 以QR分解的较大复杂度(需要给定大小的矩阵的多数运算的近似两倍的复杂度)以及较大的采样矩阵(在M＝4、N＝2和L＝5的示例情况下近似为行数的3倍)为代价，提高了数值稳定性。

上述两种方法还需要计算三角矩阵的逆，尽管这可以通过倒转代换来实现。现在转向另一种可选方法，即奇异值分解(SVD)方法，可以避免矩阵的逆并且在一些应用中可以进一步提高数值稳定性。该方法以对公式(3)中的采样矩阵的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矩阵，V_x是MN×MN正交矩阵，∑_x是MN×MN对角矩阵，∑_x＝diag(σ₁，…，σ_MN)，奇异值在对角线上。可以看出

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

公式(13)中的D仍然具有公式(19)的形式，其中D₁定义为

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

可以通过对D₁的SVD来获得信道估计，并且滤波器权重矩阵可以写为

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

其中V_DM包含D₁的上M个右奇异向量。该方法中的SVD可能需要比在前两种方法中使用的乔列斯基和QR分解更多的计算。

作为上述三种方法(即乔列斯基、QR和SVD)的比较，图9中的表列出了在M＝4、N＝2和L＝5的示例下逐步的计算结果。为了找到突发脉冲的最优定时，JSTOF搜索多个定时假设，并且将与最小输出残留相对应的一个假设选作最优定时。输出残留定义为

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

该搜索过程基本上重复了表中为每个假设所列出的运算，但是连续定时假设的输入采样矩阵由于添加和删除列而稍有改变。附加和删减算法也可应用于一些运算，并且可能减少整体运算负荷。

假定

表示时刻k处的采样矩阵。从公式(3)可分出

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

其中

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

时间k+1处的采样矩阵可表示为

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

时间k+1处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的删减和秩-1的附加的组合。在Golub等的MatrixComputations，第3版，1996中提出了用于附加/删减乔列斯基因数分解的、基于双曲旋转的算法。

Golub等所公开的另一种可应用的附加/删减算法是针对QR分解的，该方法基于吉文斯(Givens)旋转。当然，本领域技术人员可以认识到，特定应用中使用的给定方法将取决于诸如可用处理资源、计算复杂度等因素。本领域技术人员也可以认识到，还可以使用其他方法。

通过Matlab仿真，使用扩展的BLER仿真引擎，来估计基于JSTOF的接收机的性能。可以利用不同方案来设置基于JSTOF的接收机的参数。这些值的示例如下：

1)可以选择过采样率(OSR)为2，在该非限制性示例中，对应于虚拟天线数目(M)为4，并且仿真表明，将OSR减为1将引起显著的性能下降；

2)可以选择时延采样数目(N)为2。然而，增加该数目并不总能提高性能；

3)可以选择信道响应矩阵的缩减秩为M。增加或减少秩并不一定会提高性能。

4)自动切换阈值可以是4.75dB。

5)可以以5比特宽度对软判决输出进行量化。将该宽度增加至8比特可稍微提高DTS-5的性能。可以启用软判决校正。

可以使用AMR通话信道、TCH-AFS12.2来估计JSTOF在FER方面的性能。在整个仿真中可以假定传播条件TU50km/h-1950MHz。对于每一种情况，仿真进行1000次(批)。

图3的图表示出了相对于载波干扰(C/I)比的接收机的FER。在下表中列出了相对于所规定参考性能的余量。

测试情况	JSTOF性能：FER＝1％时的C/I，dB	规范性能：FER＝1％时的C/I，dB	JSTOF相对于规范的余量，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

图4和5的曲线图分别示出了接收机在纯粹AWGN、DTS-5情况下、具有自动切换策略和没有自动切换策略的性能。该策略将AWGN情况下的损耗减小了大约1dB(FER＝10％)，并且对于DTS-5，几乎没有引起损耗。

JSTOF接收机可包括多个维特比均衡器，其后跟随多信道匹配滤波器，在均衡器之后组合了软判决。图6的曲线图中示出了结果并与原始接收机进行了比较。

可以利用修改的测试情况DTS-5R来估计性能，其中，可以配置异步干扰的延迟。图7的曲线图中示出了在突发脉冲长度的0、1/4、1/2和3/4处的性能。结果表明，JSTOF接收机的性能随干扰的严重延迟而“缓慢”下降。

上述接收机可有利地用于移动无线设备(例如蜂窝设备)以及例如蜂窝基站。在下面的示例中，参考图8来进一步描述可用的移动无线通信设备1000的示例。设备1000示意地包括外壳1200、键盘1400和输出设备1600。输出设备被示为显示器1600，该显示器优选地为全图形LCD。可选地，可以使用其他类型的输出设备。处理设备1800被包含在外壳1200内，并且连接在键盘1400和显示器1600之间。处理设备1800响应于用户在键盘1400上激励按键，控制显示器1600的操作以及移动设备1000的整体操作。

外壳1200可垂直拉长，或者可以具有其他尺寸和形状(包括翻盖式外壳结构)。键盘可包括模式选择按键，或者用于在文本项和电话项之间切换的其他硬件或软件。

除了处理设备1800之外，图8示意地示出了移动设备1000的其他部分。这些部分包括通信子系统1001；近距离通信子系统1020；键盘1400和显示器1600，以及其他输入/输出设备1060、1080、1100和1120；以及存储设备1160、1180和各种其他设备子系统1201。移动设备1000优选地是具有语音和数据通信能力的双向RF通信设备。此外，移动设备1000优选地具有经由互联网与其他计算机系统进行通信的能力。

处理设备1800所执行的操作系统软件优选地存储在例如闪存1160等永久性存储器中，但是也可存储在例如只读存储器(ROM)或类似存储元件的其他类型的存储设备中。此外，系统软件、专用设备应用程序或其部分可暂时加载到例如随机存取存储器(RAM)1180等易失性存储器中。也可将移动设备所接收的通信信号存储在RAM1180中。

除了操作系统功能之外，处理设备18000还能够在设备1000上执行软件应用程序1300A～1300N。可在制造期间将控制基本设备操作的诸如数据和语音通信1300A和1300B的预定应用程序组安装在设备1000上。此外，可在制造期间安装个人信息管理器(PIM)应用程序。PIM优选地能够组织和管理数据项，例如电子邮件、日历事件、语音邮件、约会和任务项。PIM应用程序还优选地能够经由无线网络1401发送和接收数据项。优选地，经由无线网络1401，利用所存储的设备用户的相应数据项或与主机系统相关联的数据项来无缝地整合、同步和更新PIM数据项。

通过通信子系统1001，也可能通过近距离通信子系统来执行包括数据和语音通信的通信功能。通信子系统1001包括接收机1500、发射机1520和一个或多个天线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的具体设计和实现取决于移动设备1000意欲工作的通信网络。例如，移动设备1000可包括设计用于工作在Mobitex^TM、Data TAC^TM或通用分组无线业务(GPRS)移动数据通信网络中、且设计用于工作在例如AMPS、TDMA、WCDA、PCS、GSM、EDGE等的多种语音通信网络的任何一个中的通信子系统1001。其他类型的数据和语音网络(包括分离和集成的)也可与移动设备1000一起使用。移动设备1000还可以遵从例如3GSM、3GPP、UMTS等其他通信标准。

网络接入需求基于通信网络的类型而变化。例如，在Mobitx和DataTAC网络中，移动设备使用与每个设备相关联的唯一个人标识号或PIN在网络上注册。然而，在GPRS网络中，网络接入与设备的订户或用户相关联。因此，GPRS设备需要通常被称为SIM卡的订户身份模块来在GPRS网络上工作。

当完成了所需的网络注册或激活过程时，移动设备1000可通过通信网络1401来发送和接收通信信号。天线1540从通信网络1401接收的信号被路由至接收机1500，接收机1500提供信号放大、下变频、滤波、信道选择等，并且还提供模数转换。接收信号的模数转换使得DSP 1580可执行更加复杂的通信功能，例如解调和解码。按照类似的方式，DSP1580处理(例如调制和编码)要发送到网络1401的信号，然后将其提供给发射机1520，以用于数模转换、上变频、滤波、放大，并经由天线1560发送到通信网络1401(或多个网络)。

除了处理通信信号之外，DSP 1580提供对接收机1500和发射机1520的控制。例如，可以通过DSP 1580中实现的自动增益控制算法来自适应地控制应用于接收机1500和发射机1520中的通信信号的增益。

在数据通信模式中，通信子系统101处理接收信号，例如文本消息或网页下载，并将其输入处理设备1800。然后，处理设备1800进一步处理接收信号，以输出到显示器1600，可选地输出到一些其他辅助I/O设备1600。设备的用户还可以使用键盘1400和/或一些其他辅助I/O设备1060，例如触摸屏、摇杆开关、拇指轮或一些其他类型的输入设备，来编撰数据项，例如电子邮件消息。然后，经由通信子系统1001在通信网络1401上发送所编撰的数据项。

在语音通信模式中，除了接收信号被输出到扬声器1100、并且由麦克风1120产生用于发送的信号之外，设备的整体操作与数据通信模式基本类似。还可在设备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，也可在语音通信模式中使用显示器1600，例如用于显示呼叫方的身份、呼叫的持续时间或其他语音呼叫有关信息。

近距离通信子系统能够在移动设备1000和其他临近系统或设备之间实现通信，其他临近系统或设备不一定是类似的设备。例如，近距离通信子系统可包括红外设备以及相关电路和组件，或者蓝牙TM通信模块，以提供与具有类似能力的系统和设备的通信。

本领域技术人员在上述说明书和相关附图中给出的教导下，可以想到本发明的多种修改和其他实施例。因此，可以理解，本发明并不局限于所公开的特定实施例，并且这些修改和实施例也被包括在本发明的范围内。

Claims (23)

1.一种滤波器，用于在通信接收机内减小同信道干扰，所述滤波器包括：

多信道空时滤波器电路，用于通过基于乔列斯基和特征值分解，联合地估计空时滤波器权重和多信道冲激响应(CIR)，对已从通信信号中分割出的n个信号部分进行滤波；以及

多信道匹配滤波器电路，用于从多信道空时滤波器电路接收多信道信号，并具有由来自空时滤波器电路的信道冲激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，用于将通信信号分割为n个奇数和偶数采样的实和虚信号部分。

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用于将每个信号部分与各自空时滤波器权重相乘的至少一个乘法器。

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并行连接的一对乘法器；所述多信道空时滤波器电路还包括与所述一对乘法器之一的输入相连的每个信号部分的各自延迟电路。

5.根据权利要求4所述的滤波器，其中通信信号包括多个符号，并且所述乘法器和延迟电路中的每一个均具有与之相关联的约一个符号延迟。

6.根据权利要求3所述的滤波器，对于每个信道，还包括各自的求和电路，用于对乘法器的输出进行求和。

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性数据，并用于产生所述多信道空时滤波器电路的空时滤波器权重，和所述多信道匹配滤波器电路的多信道冲激响应。

8.根据权利要求1所述的滤波器，还包括位于所述多信道匹配滤波器电路下游的均衡器电路。

9.一种滤波器系统，用于在通信接收机内减小同信道干扰，所述滤波器系统包括：

联合空时滤波器，包括

多信道空时滤波器电路，用于通过基于乔列斯基和特征值分解，联合地估计空时滤波器权重和多信道冲激响应(CIR)，对已从通信信号中分割出的n个信号部分进行滤波；以及

多信道匹配滤波器电路，用于从多信道空时滤波器电路接收多信道信号，并具有由来自空时滤波器电路的信道冲激响应估计所提供的滤波器响应；以及

可选滤波器，在干扰水平低于预定阈值时工作，并包括匹配滤波器、互相关电路、以及用于将所述n个信号部分切换到所述匹配滤波器和所述互相关电路的切换机构。

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，用于将通信信号分割为n个奇数和偶数采样的实和虚信号部分。

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用于将每个信号部分与各自空时滤波器权重相乘的至少一个乘法器。

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并行连接的一对乘法器；所述多信道空时滤波器电路还包括与所述一对乘法器之一的输入相连的每个信号部分的各自延迟电路。

13.根据权利要求12所述的滤波器系统，其中通信信号包括多个符号，并且所述乘法器和延迟电路中的每一个均具有与之相关联的约一个符号延迟。

14.根据权利要求11所述的滤波器系统，对于每个信道，还包括各自的求和电路，用于对乘法器的输出进行求和。

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性数据，并用于产生所述多信道空时滤波器电路的空时滤波器权重和所述多信道匹配滤波器电路的多信道冲激响应。

16.根据权利要求9所述的滤波器系统，还包括位于所述多信道匹配滤波器电路下游的均衡器电路。

17.一种用于在通信接收机内减小同信道干扰的方法，包括：

将通信信号分割为n个信号部分；

在多信道空时滤波器电路内，通过基于乔列斯基和特征值分解，联合地估计空时滤波器权重和多信道冲激响应(CIR)，对所述n个信号部分进行滤波；以及

在多信道匹配滤波器电路内，从多信道空时滤波器电路接收多信道信号，所述多信道匹配滤波器电路具有由来自空时滤波器电路的信道冲激响应估计所提供的滤波器响应。

18.根据权利要求17所述的方法，其中所述分割步骤包括：将通信信号采样为偶数和奇数采样，并将偶数和奇数采样分为实和虚信号部分。

19.根据权利要求17所述的方法，还包括：对匹配滤波器的输出进行求和，并重新缩放至希望的电平。

20.根据权利要求19所述的方法，还包括：在重新缩放至希望的电平之后，对单个信道信号进行均衡。

21.根据权利要求17所述的方法，还包括：在干扰水平低于阈值时，在可选滤波器内，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，对每个信号部分进行相乘。

23.根据权利要求22所述的方法，还包括：在相乘之后，对每个信道的信号部分进行求和。

Images