CN101478321B - 提高系统性能增益的方法和装置 - Google Patents

Abstract

本发明实施例公开了一种提高系统性能增益的方法和装置，属于通信领域。该方法包括：接收输入的信号；对所述输入的信号进行噪声估计，得到噪声的估计值；对所述噪声的估计值进行相关处理，得到噪声的相关值；根据所述噪声的相关值对所述输入信号的噪声进行噪声判决，得到判决结果；根据所述判断结果对所述输入的信号执行抑制干扰的SAIC方案或执行抑制噪声的传统方案。该装置包括：接收模块、估计模块、噪声相关模块、判决模块和处理模块。本发明实施例提供的技术方案根据噪声判决结果选择噪声或干扰的抑制方法，可以克服传统的抑制噪声的方案和抑制干扰的SAIC方案的缺陷，实现的代价小，能够提供系统性能增益。

Description

提高系统性能增益的方法和装置

技术领域

本发明涉及通信领域，特别涉及一种提高系统性能增益的方法和装置。

背景技术

全球移动通信系统(Global System for Mobile communication，GSM)系统中同频和邻频干扰的存在是约束系统性能的重要因素，因此，必须抑制干扰的影响。同时，发射信号在传输时由信道引入的噪声也是影响系统性能的重要因素，因此，必须抑制噪声的影响。

为了抑制干扰对系统性能的影响，现有技术提供了一种单天线干扰消除(Single AntennaInterference Cancellation，SAIC)方案，该方案是利用GSM中正常突发(Normal Burst，NB)或同步突发(Synchronization Burst，SB)的训练序列，对接收信号的训练序列进行滤波得到接收信号的估计值；对接收信号的估计值通过最小化估计误差，得到一组最优滤波器系数，然后利用该组系数对加密比特进行滤波，抑制干扰。发明人在实现本发明的过程中发现，现有SAIC方案的缺陷在于，在噪声限制的条件下，无法为系统提供性能增益。

为了抑制噪声对系统性能的影响，现有技术提供一种传统的抑制噪声的方案，该方案对接收信号进行信道估计和预滤波处理来抑制噪声。发明人在实现本发明的过程中发现，现有该方案的缺陷在于，在干扰限制的条件下，无法为系统提供性能增益。

发明内容

本发明实施例提供了一种提高系统性能增益的方法和装置，可以提高系统性能增益。

一方面，本发明实施例提供了一种提高系统性能增益的方法，包括：

接收输入的信号；

对所述输入的信号进行噪声估计，得到噪声的估计值；

对所述噪声的估计值进行相关处理，得到噪声的相关值；

根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果；

根据判决结果执行相应地处理，当所述判决结果为噪声时，对所述输入的信号进行信道估计和预滤波处理；当所述判决结果为干扰时，利用预先设置的训练序列，对所述输入的信号的训练序列进行滤波，得到所述输入的信号的估计值；对所述输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用所述组系数对加密比特进行滤波；

其中，所述对所述输入的信号进行噪声估计，得到噪声的估计值，包括：

通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

通过如下公式对重建的信号进行噪声估计，得到所述噪声的估计值NoiseEst：

$\left\{\begin{array}{c}\mathrm{NoiseEst}\_\mathrm{re}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{re}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]\\ \mathrm{NoiseEst}\_\mathrm{im}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{im}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]\end{array}\right.$

其中，TsChanCorr_re和TsChanCorr_im为所述重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为所述噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度；

所述对所述噪声的估计值进行相关处理，得到噪声的相关值，包括：

通过如下公式对所述噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=1}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=1}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

另一方面，本发明实施例提供了一种提高系统性能增益的装置，包括：

接收模块，用于接收输入的信号；

估计模块，用于对所述输入的信号进行噪声估计，得到噪声的估计值；

噪声相关模块，用于对所述噪声的估计值进行相关处理，得到噪声的相关值；

判决模块，用于根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果；

处理模块，用于根据判决结果执行相应地处理，当所述判决结果为噪声时，对所述输入的信号进行信道估计和预滤波处理；当所述判决结果为干扰时，利用预先设置的训练序列，对所述输入的信号的训练序列进行滤波，得到所述输入的信号的估计值；对所述输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用所述组系数对加密比特进行滤波；

其中，所述估计模块包括：

重建单元，用于通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

估计单元，用于通过如下公式对重建的信号进行噪声估计，得到所述噪声的估计值NoiseEst：

$\left\{\begin{array}{c}\mathrm{NoiseEst}\_\mathrm{re}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{re}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]\\ \mathrm{NoiseEst}\_\mathrm{im}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{im}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]\end{array}\right.$

其中，TsChanCorr_re和TsChanCorr_im为所述重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为所述噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度；

其中，所述噪声相关模块包括：噪声相关单元，所述噪声相关单元用于通过如下公式对所述噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

在本发明实施例中，通过噪声判决结果选择噪声或干扰的抑制方法，可以克服抑制噪声的传统方案和抑制干扰SAIC方案的缺陷，实现的代价小，能够提高系统性能增益。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1提供的提高系统性能增益的方法的流程图；

图2是本发明实施例2提供的提高系统性能增益的装置的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例1提供了一种提高系统性能增益的方法，如图1所示，包括：

步骤101：接收输入的信号；

步骤102：对该输入的信号进行噪声估计，得到噪声的估计值；

具体地，通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

通过如下公式对重建的信号进行噪声估计，得到所述噪声的估计值NoiseEst：

其中，TsChanCorr_re和TsChanCorr_im为所述重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为所述噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度。

步骤103：对该噪声的估计值进行相关处理，得到噪声的相关值；

具体地，通过如下公式对噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

步骤104：根据该噪声的相关值对该输入信号的噪声进行判决，得到判决结果；

具体地，判断Temp是否大于预设值，当Temp大于预设值Threshold时，判决结果为噪声，当Temp小于或等于预设值Threshold时，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]/Max{InNoiseCorr[1]，InNoiseCorr[2]}，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值。

其中，Threshold的选取以使白噪声和色噪声的误判概率最小为准则，本实施例中Threshold的取值为3。

步骤105：根据该判断结果对该输入的信号执行相应的处理。

具体地，当判决结果为噪声时，从而根据传统的抑制噪声的方案，对输入的信号进行信道估计和预滤波处理，从而抑制噪声；

当判决结果为干扰，从而利用SAIC方案抑制干扰，具体地，利用预先设置的训练序列，对输入的信号的训练序列进行滤波，得到输入的信号的估计值；对输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用组系数对加密比特进行滤波。

进一步地，为了节省成本，步骤104也可以为：

判断Temp是否大于预设值Product，当判断Temp大于预设值Product时，判决结果为噪声，判断Temp小于或等于预设值Product，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]，Pr oduct＝Max{InNoiseCorr[1]，InNoiseCorr[2]}*Threshold，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值，其中，Threshold的选取以使白噪声和色噪声的误判概率最小为准则，本实施例中，Threshold的取值为3。

在本发明实施例提供的技术方案中，在基于通信仿真软件(CoCentric System Studio，CCSS)实现时，噪声估计只需做200次乘法，对噪声估计值进行相关处理需要做1600次乘法，最后进行噪声判决只需做一次除法，且可以转换成一次乘法实现。发射端以4个Burst(突发)为一个块发送，接收端只对该块的第一个Burst进行噪声判决，以其判决结果作为整个块的判决结果。如果前一个块与当前块的判决结果不一致时，则需要进行方案的切换，如前一个块判决为噪声，采用抑制噪声的传统方案；当前块判决结果为干扰时，则切换为抑制干扰的SAIC方案，实现代价也是非常小。

仿真表明，在干扰限制和噪声限制情形下，本发明实施例提供的技术方案的判决准确率均在70％以上。首先在灵敏度场景下，即噪声限制条件下时，对协议要求的TU50，HT100，RA250以及STATIC(静态)信道在单天线高斯最小移位键码(Gaussian Minimum Shift Keying，GMSK)调制下进行仿真，通过观察判决结果，发现有70％以上的结果将其判断为白噪声，从而使用传统方案来抑制噪声的影响。同样，在干扰场景下，即干扰限制条件下，对下行先进接收机性能测试场景(Downlink Advanced Receiver Performance Test Scenario，DARPTS)1，DTS2和DTS5进行了仿真，通过观察判决结果，发现也有70％以上的结果将其判断为色噪声，从而使用SAIC方案来抑制噪声的影响。

在本发明实施例中，通过判决结果选择抑制噪声和干扰的方法，可以克服传统抑制噪声的方案和抑制干扰的SAIC方案的缺陷，实现的代价小，能够提高系统性能增益。

本发明实施例2提供了一种提高系统性能增益的装置，如图2所示，包括：

接收模块201，用于接收输入的信号；

估计模块202，用于对输入的信号进行噪声估计，得到噪声的估计值；

噪声相关模块203，用于对噪声的估计值进行相关处理，得到噪声的相关值；

判决模块204，用于根据噪声的相关值对输入信号的噪声进行判决，得到判决结果；

处理模块205，用于根据判决结果执行相应地处理，当判决结果为噪声时，对输入的信号进行信道估计和预滤波处理；当判决结果为干扰时，利用预先设置的训练序列，对输入的信号的训练序列进行滤波，得到输入的信号的估计值；对输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用组系数对加密比特进行滤波。

进一步地，估计模块202包括：

重建单元，用于通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

估计单元，用于通过如下公式对重建的信号进行噪声估计，得到噪声的估计值NoiseEst：

其中，TsChanCorr_re和TsChanCorr_im为重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度。

进一步地，噪声相关模块203包括：噪声相关单元，该噪声相关单元用于通过如下公式对噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

进一步地，该判决模块204包括：第一判决单元，该第一判决单元用于

判断Temp是否大于预设值，当Temp大于预设值Threshold时，判决结果为噪声，当Temp小于或等于预设值Threshold时，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]/Max{InNoiseCorr[1]，InNoiseCorr[2]}，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值。

进一步地，该判决模块204包括第二判决单元，该第二判决单元用于

判断Temp是否大于预设值Product，当判断Temp大于预设值Pr oduct时，判决结果为噪声，判断Temp小于或等于预设值Pr oduct，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]Pr oduct＝Max{InNoiseCorr[1]，InNoiseCorr[2]}*Threshold，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值，Threshold为预设值。

在本发明实施例中，通过判决结果选择抑制噪声和干扰的方法，可以克服传统抑制噪声的方案和抑制干扰的SAIC方案的缺陷，实现的代价小，能够提高系统性能增益。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述程序可以存储于一计算机可读取存储介质中，所述存储介质为计算机的软盘、硬盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种提高系统性能增益的方法，其特征在于，包括：

接收输入的信号；

对所述输入的信号进行噪声估计，得到噪声的估计值；

对所述噪声的估计值进行相关处理，得到噪声的相关值；

根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果；

根据判决结果执行相应地处理，当所述判决结果为噪声时，对所述输入的信号进行信道估计和预滤波处理；当所述判决结果为干扰时，利用预先设置的训练序列，对所述输入的信号的训练序列进行滤波，得到所述输入的信号的估计值；对所述输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用所述组系数对加密比特进行滤波；

其中，所述对所述输入的信号进行噪声估计，得到噪声的估计值，包括：

通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{l=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

通过如下公式对重建的信号进行噪声估计，得到所述噪声的估计值NoiseEst：

$\left\{\begin{array}{c}\mathrm{NoiseEst}\_\mathrm{re}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{re}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]\\ \mathrm{NoiseEst}\_\mathrm{im}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{im}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]\end{array}\right.$

其中，TsChanCorr_re和TsChanCorr_im为所述重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为所述噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度；

所述对所述噪声的估计值进行相关处理，得到噪声的相关值，包括：

通过如下公式对所述噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

2.如权利要求1所述的方法，其特征在于，所述根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果，包括：

判断Temp是否大于预设值Threshold，当Temp大于预设值Threshold时，判决结果为噪声，当Temp小于或等于预设值Threshold时，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]/Max{InNoiseCorr[1]，InNoiseCorr[2]}，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值。

3.如权利要求1所述的方法，其特征在于，所述根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果，包括：

判断Temp是否大于预设值Product，当判断Temp大于预设值Product时，判决结果为噪声，判断Temp小于或等于预设值Product，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]，Product＝Max{InNoiseCorr[1]，InNoiseCorr[2]}*Threshold，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值，Threshold为预设值。

4.一种提高系统性能增益的装置，其特征在于，包括：

接收模块，用于接收输入的信号；

估计模块，用于对所述输入的信号进行噪声估计，得到噪声的估计值；

噪声相关模块，用于对所述噪声的估计值进行相关处理，得到噪声的相关值；

判决模块，用于根据所述噪声的相关值对所述输入信号的噪声进行判决，得到判决结果；

处理模块，用于根据判决结果执行相应地处理，当所述判决结果为噪声时，对所述输入的信号进行信道估计和预滤波处理；当所述判决结果为干扰时，利用预先设置的训练序列，对所述输入的信号的训练序列进行滤波，得到所述输入的信号的估计值；对所述输入的信号的估计值通过最小化估计误差，得到一组最优滤波器系数，利用所述组系数对加密比特进行滤波；

其中，所述估计模块包括：

重建单元，用于通过如下公式对输入的信号进行信号重建，得到重建的信号TsChanCorr：

$\left\{\begin{array}{c}\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{re}\left[l\right]\\ \mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]=\underset{i=0}{\overset{\mathrm{ChannelLength}-1}{\mathrm{\Σ}}}\mathrm{TsCode}[k-l]*\mathrm{ChannelEst}\_\mathrm{im}\left[l\right]\end{array}\right.;$

估计单元，用于通过如下公式对重建的信号进行噪声估计，得到所述噪声的估计值NoiseEst：

$\left\{\begin{array}{c}\mathrm{NoiseEst}\_\mathrm{re}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{re}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{re}\left[k\right]\\ \mathrm{NoiseEst}\_\mathrm{im}[k-k_1-\mathrm{ChannelLength}/2]=\mathrm{DataIn}\_\mathrm{im}[k-\mathrm{ChannelLength}/2]-\mathrm{TsChanCorr}\_\mathrm{im}\left[k\right]\end{array}\right.$

其中，TsChanCorr_re和TsChanCorr_im为所述重建的信号TsChanCorr的虚部和实部，TsCode为本地生成的训练序列，ChannelLength为信道的长度，ChannelEst_re和ChannelEst_im为信道估计ChannelEst的虚部和实部，NoiseEst_re和NoiseEst_im分别为所述噪声的估计值NoiseEst的虚部和实部，DataIn_re和DataIn_im分别为输入的信号DataIn的虚部和实部，l的取值范围为0～ChannelLength-1，k的取值范围为k₂+ChannelLength/2～k₃+ChannelLength/2，k₁，k₂和k₃为整数，k₁≤k₂≤k₃，k₃-k₂＝CorrLen-1，CorrLen为噪声的相关长度；

其中，所述噪声相关模块包括：噪声相关单元，所述噪声相关单元用于通过如下公式对所述噪声的估计值进行相关处理，得到噪声的相关值InNoiseCorr：

$\left\{\begin{array}{c}\mathrm{InNoiseCorr}\_\mathrm{re}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]+\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\\ \mathrm{InNoiseCorr}\_\mathrm{im}\left[i\right]=\underset{j=i}{\overset{\mathrm{CorrLen}-1}{\mathrm{\Σ}}}\mathrm{NoiseEst}\_\mathrm{im}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{re}[j-i]-\mathrm{NoiseEst}\_\mathrm{re}\left[j\right]*\mathrm{NoiseEst}\_\mathrm{im}[j-i]\end{array}\right.$

其中，j＝i-CorrLen-1，i＝0～CorrLen-1，InNoiseCorr_re和InNoiseCorr_im为噪声的相关值InNoiseCorr的虚部和实部。

5.如权利要求4所述的装置，其特征在于，所述判决模块包括：第一判决单元，所述第一判决单元用于

判断Temp是否大于预设值，当Temp大于预设值Threshold时，判决结果为噪声，当Temp小于或等于预设值Threshold时，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]/Max{InNoiseCorr[1]，InNoiseCorr[2]}，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值。

6.如权利要求4所述的装置，其特征在于，所述判决模块包括第二判决单元，所述第二判决单元用于

判断Temp是否大于预设值Product，当判断Temp大于预设值Product时，判决结果为噪声，判断Temp小于或等于预设值Product，判决结果为干扰，其中，

Temp＝InNoiseCorr[0]，Product＝Max{InNoiseCorr[1]，InNoiseCorr[2]}*Threshold，其中，InNoiseCorr[0]、InNoiseCorr[1]和InNoiseCorr[2]为噪声的相关值的前三时刻的值，Threshold为预设值。

Images