CN101351968A - 无线电接收机中的干扰抑制 - Google Patents

Abstract

本发明涉及在无线电系统中接收机的干扰消除。接收机接收至少两个输入数据信号，并提取特定于每个输入数据信号的干扰估计信号。计算干扰估计信号协方差矩阵，并根据协方差矩阵估计自回归参数和协方差参数。通过有限冲击响应滤波器使用估计的参数作为有限冲击响应滤波器的滤波器系数消除所述至少两个输入信号的干扰。

Description

无线电接收机中的干扰抑制

技术领域

本发明涉及无线电接收机中的干扰抑制。

背景技术

GSM(全球移动通信)系统是TDMA(时分多址)无线电系统的一个示例，其中对多个用户的数据传输在时间上(或在频率上，FDMA)彼此分开。用户传输以数据突发的方式实现，其中每个突发包含用户数据以及突发中间的训练序列。训练序列是接收机所知晓的比特序列。通过使用训练序列，接收机可以在信道估计处理中确定实际用户数据(有用信号)在突发中的位置并还可以确定由该传输引起的失真。

接收的信号质量也由于干扰而恶化，这包括由其他用户引起的多址干扰(MAI)、热噪声和由于多径传播信号自身引起的干扰。已经应用了天线阵列技术以获得在接收机处空间分集的优势。

MRC(最大比合并)是在接收机中克服干扰的一种方式。在MRC中，目标是最大化经由多个天线分支接收的信号的合并的信干比。当天线间的干扰不相关时，MRC是最佳策略。然而，这在真实的无线蜂窝系统中是很少见的情况并且因此假设干扰存在的IRC(干扰抑制合并)通常给出更好性能。

当前的IRC接收机仍存在性能改进的空间。

发明内容

因此本发明的一个目的是提供一种改进的无线电接收机，其应用干扰抑制合并。本发明的一个目的是通过将估计参数的数目保持在合理水平而使接收的有色噪声白化。

在本发明的一个方面，提供了在通信系统中用于接收机的干扰消除单元，包括接收装置，用于接收至少两个输入数据信号；提取装置，用于提取特定于每个输入数据信号的干扰估计信号；形成装置，用于形成干扰估计信号协方差矩阵；估计装置，用于根据协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归(autoregressive)参数，以及干扰估计信号之间的协方差参数；以及干扰消除装置，用于使用所估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数通过有限冲击响应滤波器从至少两个输入数据信号消除干扰。

在本发明的另一方面，提供了在无线电接收机中的干扰消除方法，包括以下步骤：接收至少两个输入数据信号，提取特定于每个输入数据信号的干扰估计信号，形成干扰估计信号协方差矩阵，根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及干扰估计信号之间的协方差参数，以及使用所估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数通过有限冲击响应滤波器从至少两个输入数据信号消除干扰。

在本发明的又一方面，提供了对用于执行在无线电接收机中消除干扰的计算机处理的计算机程序指令进行编码的计算机程序产品，该处理包括以下步骤：接收至少两个输入数据信号；提取特定于每个输入数据信号的干扰估计信号；形成干扰估计信号协方差矩阵；根据协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及干扰估计信号之间的协方差参数；以及使用所估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数通过有限冲击响应滤波器从至少两个输入数据信号消除干扰。

在本发明的一方面，提供了计算机可读的计算机程序分发介质，其对用于执行在无线电接收机中消除干扰的计算机处理的计算机程序指令进行编码，该处理包括以下步骤：接收至少两个输入数据信号；提取特定于每个输入数据信号的干扰估计信号；形成干扰估计信号协方差矩阵；根据协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及干扰估计信号之间的协方差参数；以及使用所估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数通过有限冲击响应滤波器从至少两个输入数据信号消除干扰。

根据本发明的接收机可应用于TDMA、FDMA以及OFDM(正交频分复用)系统。本发明可以应用的无线电系统的一个示例是应用了TDMA和FDMA的GSM。在诸如移动电话或基站的接收机中，存在至少两个输入数据流，这两个输入数据流通过天线分集获取或通过过采样获取。接收的数据可以包含用于在接收机处进行信道估计的导频符号。

引入自回归模型以对所述至少两个输入数据信号的自回归属性进行估计，两个输入数据信号即干扰估计信号。该模型将白噪声作为输入并且估计模型参数使得模型输出参数尽可能接近干扰估计信号。当已经找到模型参数时，可以通过使用在估计过程中模型所提供的系数直接消除干扰。本发明的优势在于用于估计的参数数目很少。另外，根据本发明的接收机的性能优于已知的技术方案。

附图说明

在下文中，将通过优选实施方式的方式参考附图更详细地描述本发明，其中：

图1示出了接收机的一个实施方式；

图2着重显示了应用于多输入数据信号的自回归模型的一个实施方式；

图3示出了用于接收机干扰估计的另一模型；

图4示出了接收机处的干扰消除的一个实施方式；以及

图5示出了根据本发明的方法的一个实施方式。

具体实施方式

在下文中，将更详细地公开根据本发明的某些实施方式。

参考图1，其示出了IRC接收机的一个实施方式。经由两个信号通路102和103接收信号。信号通路可以表示分别经由两个接收天线100和101接收信号。可选地，信号通路可以表示通过过采样所获取的信号通路，即，实际信号通过一个接收天线接收，但是接收机的采样速率两倍于符号传输速率。采样可以被可选地引导至第一信号通路102和第二信号通路103。图1中的两个信号通路仅作为示例示出，在接收机中可以存在多于两个信号通路。

在信号估计器104和106中形成信号通路特定的信道估计。可以通过应用接收机已知的导频符号来形成信道估计，其中该导频符号在接收的数据突发中提供。通过应用所形成的信道估计，可以在衰减单元108、110处从接收的信号中减去期望信号，由此获得干扰估计信号y₁[n]和y₂[n]。

在估计块112、114中估计干扰消除参数。估计的一个目的是提供适合随后紧跟着的干扰消除的模型。估计的另一目的是寻找最适合所选定干扰信号模型的参数。

在一个实施方式中，通过模型进行估计，该模型将白噪声信号w₁[n]和w₂[n]作为输入信号并提供干扰估计信号作为输出。估计的模型参数可以继而直接用作干扰估计块112和114的输出参数。

在干扰消除块118中实现实际干扰消除。干扰消除块118将经由分立的接收天线接收的或通过过采样所获取的原始输入数据信号作为输入信号。另外，估计块112和114向干扰消除块118提供干扰消除参数。

在块118中实现了干扰消除之后，可以在用户数据检测块124中进行导频符号周围的实际用户数据的检测。

图2示出了图1中诸如块112和114的干扰消除块的一个实施方式。图2示出了针对两个输入数据分支的自回归模型(AR)。输入数据分支w_j[n]表示在n时刻的高斯白噪声项。将输入数据传输到处理A_b以便生成干扰输入信号y₁[n]和y₂[n]作为模型的输出。图2的模型的目标是寻找具有类似于干扰的相关属性的处理A_b 200。

通常，信道模型写作(1)：

(1)y＝Hx+n，其中

y是接收的信号矢量

H是信道估计卷积矩阵

x是传输的符号矢量，以及

n是噪声矢量。

通过应用最大似然估计，问题是寻找使得等式(2)最大化的x。

$\left(2\right),P<y|H,x>=\frac{1}{{\mathrm{\&pi;}}^N\det \left(R\right)}\exp [-{(y-\mathrm{Hx})}^H{R}^{-1}(y-\mathrm{Hx})\left)\right],$

其中R^-1是相关矩阵R的逆矩阵，并且N是矢量y的长度或是N*N相关矩阵的尺寸。相关矩阵示出了输入数据信号之间的相关性。均衡器算法通常针对对角相关矩阵导出并且IRC的目的是对角化该矩阵。

在(2)中尝试最大化概率的一种途径是在求解逆相关矩阵中应用乔利斯基(cholesky)方法，但是这容易导致计算中需要确定大量参数，这降低了IRC的性能。

图2中每个数据分支y_j的采样可以时间相关。我们可以将针对所有信号的AR模型联合写为：

$\left(3\right){,y}_j\left[n\right]=w_j\left[n\right]-\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{y}_i[n-i]a_{\mathrm{ij}}\left[i\right]-...-\mathrm{\&Sigma;}{y}_k[n-i]a_{\mathrm{kj}}\left[i\right]$

其中a_jk元素表示第j个与第k个数据分支之间的自回归滤波器系数。

因此，在每个分支中的每个采样连同在相同分支中以及在其一个或多个邻近分支中的先前采样被一并分析。在节点202和204中执行所示出的计算。

滤波器系数可以写成k*k的矩阵(4)，其中k是干扰输入信号的数量。

$\left(4\right),A_i=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \&CenterDot;\&CenterDot;\&CenterDot;& a_{1k}\\ a_{21}& a_{22}& \&CenterDot;\&CenterDot;\&CenterDot;& a_{2k}\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ a_{k1}& a_{k2}& \&CenterDot;\&CenterDot;\&CenterDot;& a_{\mathrm{kk}}\end{array}\right]$

等式(3)可以使用矩阵写成以下形式：

$\left(5\right),y\left[n\right]=w\left[n\right]-\left[y\right[n-1\left]y\right[n-2]...y[n-N\left]\right]\left[\begin{array}{c}{A}_1\\ A_2\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ A_N\end{array}\right]$

其中每一项A_i是k*k的矩阵。因此在本发明的具有两个输入数据流的示例中，获得两个矩阵，每个具有2*2的尺寸。等式(5)还可以表示为

$\left(6\right),w\left[n\right]=\left[y\right[n\left]y\right[n-1]...y[n-N\left]\right]\left[\begin{array}{c}I\\ A_1\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ A_N\end{array}\right]$

现在，可以最小化矩阵差的平方弗罗伯尼范数并且得到

$\left(7\right),\left[\begin{array}{c}{y}^H\left[n\right]\\ y^H[n-1]\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y^H[n-N]\end{array}\right]w\left[n\right]=\left[\begin{array}{c}{y}^H\left[n\right]\\ y^H[n-1]\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y^H[n-H]\end{array}\right]\left[y\right[n\left]y\right[n-1]...y[n-N\left]\right]\left[\begin{array}{c}I\\ A_1\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ A_N\end{array}\right]$

先前的公式假设如在图2中的情形一样在输入维数上的干扰是白色干扰。在等式(7)中，这由单位矩阵I来突出显示。在实践中，可以不是白色干扰，不过，数据分支之间的相关性可以包括于模型中。

图3示出用于在系统中估计干扰的模型的另一实施方式。图3考虑到干扰可能是有色的情况。在图3中示出了两个子模型。前馈模型A_f306作为分支间的空间相关性的模型，以及反馈模型A_b300作为信号自回归属性的模型，即，采样和在相同信号通路上接收的先前采样之间以及与在先前时刻于一个或多个邻近信号通路上接收的采样之间的相关性。示出的模型可以同时估计协方差参数和自回归参数。

通过由A_f替代固定的恒等矩阵I来考虑空间相关性属性，得到

$\left(8\right),\left[\begin{array}{c}{A}_f\\ 0\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ 0\end{array}\right]=\left[\begin{array}{c}{y}^H\left[n\right]\\ y^H[n-1]\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y^H[n-N]\end{array}\right]w\left[n\right]\left[\begin{array}{c}{y}^H\left[n\right]\\ y^H[n-1]\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y^H[n-N]\end{array}\right]\left[y\right[n\left]y\right[n-1]...y[n-N\left]\right]\left[\begin{array}{c}I\\ A_1\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ A_N\end{array}\right]$

矩阵R可以定义为如(9)所示：

$\left(9\right),R=E\left(\left[\begin{array}{c}{y}^H\left[n\right]\\ y^H[n-1]\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ y^H[n-N]\end{array}\right]\right[y\left[n\right]y[n-1]...y[n-N]\left]\right),$

其中E表示期望值。等式(9)可以写为(10)的形式

(10)

，其中

R₁是R中的第一列并且R₂将R中的其余合并。求解R₁给出(11)

$\left(11\right),R_1=\left[\begin{array}{cc}I& -R_2\end{array}\right]\left[\begin{array}{c}{A}_f\\ A_1\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ A_N\end{array}\right],$

这是个线性问题，其中所有的矩阵A都容易求解。

从AR模型获取的参数可以直接作为用于FIR滤波器的滤波器系数，如此使得消除通过AR模型建模的干扰。因此，通过使用AR模型来估计干扰估计信号，模型参数可以应用于消除干扰，即，白化干扰估计信号。

图4着重显示了根据本发明的干扰消除单元的一个实施方式。接收机所接收的(多个)数据信号输入到具有延迟的单元400使得接收机有时间执行干扰估计。另外，干扰消除400从估计单元414接收估计的干扰消除参数。

IF_CANC(干扰消除)400利用由自回归模型A_b以及协方差模型A_f提供的参数。这些模型给出了FIR滤波器402到408的滤波器系数。滤波器系数表示滤波操作的幅度和延迟。通常，每个滤波器这两个最重要的滤波器抽头就足够了。如果AR模型具有两个输入数据信号，则估计给出四个2*2矩阵。对于每个矩阵，(1，1)元素可以作为滤波器402的滤波器系数。矩阵元素(1，2)可以作为滤波器404的系数，矩阵元素(2，1)用于滤波器406以及元素(2，2)用于滤波器408。通过在数据通路上设置FIR滤波器404和406，可以消除干扰信号估计之间的相关性。

至于前馈消除，其涉及图3中的A_f，可以通过CholA_f ^-1实现干扰消除，其包括在FIR滤波器的滤波器系数中。

图5示出了根据本发明的方法的一个实施方式。在500中，在无线电接收机中接收至少两个输入信号。输入信号可以是同一发送信号的实例。在一个实施方式中，输入信号是经由分立的接收天线已接收的信号。可选地，接收信号可以通过过采样获取。在四个输入信号的情况下，采样速率四倍于发送器中应用的符号速率。

在502中，接收机估计信号传播所通过的信道。通过将接收的比特序列与已知导频序列进行比较可以在接收机中进行信道估计。在TDMA突发中，导频、或训练序列、或中间码通常位于突发的中间使得在导频两侧给出尽可能好的发送信道估计。

在504中，通过使用信道估计来估计接收机尝试检测的诸如用户信号的期望信号。继而，期望信号可以从输入信号中减去以得到干扰估计信号。

在506中，接收机估计干扰估计信号的属性。该估计可以将白噪声信号作为输入信号，并寻求估计干扰的属性使得将实际干扰估计信号作为输出。模型可以是包括两个子模型的自回归模型，这两个子模型是前馈子模型以及反馈子模型。反馈子模型估计干扰估计信号的自回归属性。可以通过针对各个信道自身进行估计，以及通过针对信道相互之间进行估计，来估计自回归属性。

当针对信道相互之间进行估计时，在特定信道的采样连同在先前时刻接收的邻近信道中的采样一并进行分析。因此邻近信道中的采样相对于该特定信道中的采样延迟一个采样时间。当已经估计了信号的自回归属性时，可以通过应用前馈子模型来估计邻近输入信号的相关属性。

在白噪声的假设下估计反馈级，但是前馈模型考虑到分立的输入信号可以彼此相关。因此，反馈估计输出矩阵中的对角单位矩阵由协方差矩阵代替，该协方差矩阵考虑了噪声可能是有色噪声的情况。协方差矩阵可以通过使用获取的自回归参数来估计。

在508中，获取的参数可以直接应用于FIR滤波器。在两个输入信号的情况下，滤波器可以是两抽头滤波器。将一个滤波器提供给每个单独的信号分支，并且还将一个滤波器提供给分支的每个组合。

消除单元接收原始输入信号，并通过使用这些也包括了期望信号的输入信号，可以有效地消除干扰并保留期望信号。因此，可以检测到净荷数据，即除了突发中导频之外的数据。

本公开的方法可以在突发期间上加以应用。因此假设干扰在突发上是时不变的并且相应的，目标为在突发上白化干扰。

本发明的实施方式可以在诸如基站或移动电话的无线电接收机中加以实现。接收机可以包括控制器，其可以配置为实现结合图5流程图所描述的至少某些步骤。可以将实施方式作为包括用于执行在无线电接收机中消除干扰的计算机处理的指令的计算机程序加以实现。

计算机程序可以存储于计算机或处理器可读的计算机程序分发介质上。计算机程序介质可以，例如但不限于，电、磁、光、红外或半导体系统、设备或传输介质。该介质可以是计算机可读介质、程序存储介质、记录介质、计算机可读存储器、随机访问存储器、可擦写可编程只读存储器、计算机可读软件分发包、计算机可读信号、计算机可读通信信号以及计算机可读压缩软件包。

可选地，本发明可以作为专用集成电路(ASIC)或通过逻辑部件加以实现。

即使上文中参考根据附图的示例描述了本发明，但清楚的是本发明不限于那些示例而是可以在随附权利要求书的范围内按某些方式加以修改。

Claims (20)

1.一种在通信系统中用于接收机的干扰消除单元，包括：

接收装置，用于接收至少两个输入数据信号；

提取装置，用于提取特定于每个输入数据信号的干扰估计信号；

形成装置，用于形成干扰估计信号协方差矩阵；

估计装置，用于根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及估计干扰估计信号之间的协方差参数；以及

干扰消除装置，用于使用所述估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数，通过所述有限冲击响应滤波器从所述至少两个输入数据信号中消除干扰。

2.根据权利要求1所述的干扰消除单元，其中提供所述有限冲击响应滤波器的一个有限冲击响应滤波器用于从每个单独的干扰估计信号消除干扰，并且在每两个干扰估计信号的组合之间提供所述有限冲击响应滤波器的一个有限冲击响应滤波器用于消除所述干扰估计信号之间的干扰。

3.根据权利要求1所述的干扰消除单元，其中所述提取装置配置用于估计期望信号并从每个输入数据信号中减去所述期望信号以获取特定于每个输入数据信号的干扰估计信号。

4.根据权利要求1所述的干扰消除单元，其中所述估计装置配置为：通过应用自回归模型，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，同时估计所述干扰估计信号之间的协方差参数。

5.根据权利要求4所述的干扰消除单元，其中所述自回归模型针对每个干扰输入数据信号以一个白噪声信号作为输入信号，并输出对所述干扰估计信号的估计。

6.根据权利要求5所述的干扰消除单元，其中所述自回归模型包括前馈子模型，所述前馈子模型配置用于提供表示所述干扰估计信号之间相关性的协方差参数；以及包括反馈子模型，所述反馈子模型配置用于提供表示每单个干扰估计信号的自回归属性以及每两个干扰估计信号的组合之间的自回归属性的自回归参数。

7.一种包括根据权利要求1所述的干扰消除单元的接收机，其中所述接收机包括至少两个接收天线，每个天线接收所述至少两个输入数据信号之一。

8.一种包括根据权利要求1所述的干扰消除单元的接收机，其中所述接收机包括至少一个接收天线用于接收输入信号，并且所述接收机包括过采样装置，其用于将所述接收的输入信号过采样为至少两个分立的输入数据信号。

9.一种在无线电接收机中的干扰消除方法，包括：

接收至少两个输入数据信号；

提取特定于每个输入数据信号的干扰估计信号；

形成干扰估计信号协方差矩阵；

根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及估计干扰估计信号之间的协方差参数；以及

使用所述估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数，通过所述有限冲击响应滤波器从所述至少两个输入数据信号消除干扰。

10.根据权利要求9所述的方法，进一步包括：

提供所述有限冲击响应滤波器的一个有限冲击响应滤波器用于从每个单独的干扰估计信号中消除干扰；以及

在每两个干扰估计信号的组合之间提供所述有限冲击响应滤波器的一个有限冲击响应滤波器用于消除所述干扰估计信号之间的干扰。

11.根据权利要求9所述的方法，进一步包括：

估计期望信号；以及

从每个输入数据信号中减去所述期望信号以获取特定于每个输入数据信号的干扰估计信号。

12.根据权利要求9所述的方法，进一步包括：

通过应用自回归模型，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，同时估计所述干扰估计信号之间的协方差参数。

13.根据权利要求12所述的方法，进一步包括：

对于所述自回归模型，针对每个干扰输入数据信号以一个白噪声信号作为输入信号；以及

输出对所述干扰估计信号的估计。

14.根据权利要求13所述的方法，进一步包括：

在所述自回归模型中提供前馈子模型，所述前馈子模型配置用于提供表示所述干扰估计信号之间相关性的协方差参数；以及

在所述自回归模型中提供反馈子模型，所述反馈子模型配置用于提供表示每个干扰估计信号的自回归属性以及每两个干扰估计信号的组合之间的自回归属性的自回归参数。

15.根据权利要求9所述的方法，进一步包括：

经由分立的接收天线接收所述至少两个输入数据信号的每一个。

16.根据权利要求9所述的方法，进一步包括：

经由接收天线接收输入信号；以及

将所述接收的输入信号过采样为至少两个分立的输入数据信号。

17.一种实现于计算机可读介质的计算机程序，所述计算机程序配置为在无线电接收机中消除干扰，所述计算机程序包括：

接收至少两个输入数据信号；

提取特定于每个输入数据信号的干扰估计信号；

形成干扰估计信号协方差矩阵；

根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及估计干扰估计信号之间的协方差参数；以及

使用所述估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数，通过所述有限冲击响应滤波器从所述至少两个输入数据信号消除干扰。

18.一种实现于计算机可读介质的计算机程序，所述计算机程序配置为在无线电接收机中消除干扰，所述计算机程序包括：

接收至少两个输入数据信号；

提取特定于每个输入数据信号的干扰估计信号；

形成干扰估计信号协方差矩阵；

根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及估计干扰估计信号之间的协方差参数；以及

使用所述估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数，通过所述有限冲击响应滤波器从所述至少两个输入数据信号消除干扰。

19.根据权利要求18所述的计算机程序，所述计算机可读介质包括以下至少一种介质：计算机可读介质、程序存储介质、记录介质、计算机可读存储器、计算机可读软件分发包、计算机可读信号、计算机可读通信信号，以及计算机可读压缩软件包。

20.一种在通信系统中用于接收机的干扰消除单元，包括：

接收机，其配置用于接收至少两个输入数据信号；

提取器，其配置用于提取特定于每个输入数据信号的干扰估计信号；

第一估计器，其配置用于形成干扰估计信号协方差矩阵；

第二估计器，其配置用于根据所述协方差矩阵，估计涉及每个干扰估计信号自身和涉及其他干扰估计信号的自回归参数，以及估计干扰估计信号之间的协方差参数；以及

消除单元，其配置用于使用所述估计的自回归参数以及协方差参数作为有限冲击响应滤波器的滤波器系数，通过所述有限冲击响应滤波器从所述至少两个输入数据信号消除干扰。

Images