CN101494874A - Toa估计方法及装置 - Google Patents

Abstract

本发明涉及一种TOA估计方法及装置，该方法，包括：根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；根据所述信道估计值进行TOA估计，并根据TOA估计结果对当前NB的同步位置进行调整。本发明实施例通过在进行TOA估计之前，对信号先进行干扰消除的方式，克服了在现有的强干扰无线环境中由干扰引起的能量估值的偏差，从而最终影响TOA估计的缺陷。本发明实施例的技术方案能够在强干扰无线环境下能够获得更为准确的能量估值，并且本发明实施例的技术方案无需对搜索窗的调整方法进行调整。

Description

TOA估计方法及装置

技术领域

本发明属于通信领域，尤其涉及一种TOA估计方法及装置。

背景技术

在全球移动通讯系统(Global System for Mobile Communications，简称：GSM)的解调中，同步跟踪分为频率的跟踪和时隙头位置的跟踪。频率头位置的粗同步利用频率突发(Frequency Burst，简称：FB)，时隙头位置的粗同步利用同步突发(Synchronization Burst，简称：SB)，同时当频率锁定并搜索到同步位置后，这两个部分的工作就停止了。为了在此后的普通突发(Normal Burst，简称：NB)解调中跟踪多径的变化，需要使用以时隙为单位用NB的训练序列进行符号级同步。

图1为现有的同步位置调整的示意图。如图1所述，进行同步位置调整时，若以上一个时隙的同步位置为基准，则在其左右若干个符号的窗进行信道估计，通过比较各径能量大小找出当前时隙的最佳同步位置，并对当前时隙的接收信号做出调整。同时，这个同步位置也将作为下个NB的基准位置。

图2为现有的突发到达时间估计装置结构示意图。图3为现有的突发到达时间估计装置中接收信号抽取模块抽取的符号的示意图。

如图2和图3所示，现有的突发到达时间(Time Of Arrival，简称：TOA)估计装置包括：接收信号抽取模块和信道估计模块。其中接收信号抽取模块在当前时隙的接收信号中抽取28个符号。将抽取的信号设为：Data_I(k)，Data_Q(k)，k＝0，1，...，27。

其中，信道估计模块接收本地训练序列，该本地训练序列中间的16比特为：TSC(k)k＝0，1，2，…，15。

通过信道估计模块对接收信号与本地训练序列的中间16比特进行移位相关，可以得到13个复值信道估计。

$\mathrm{DataEST}\_I\left(k\right)=(\underset{m=0}{\overset{15}{\mathrm{\Σ}}}\mathrm{Data}\_I(m+k)\×\mathrm{TSC}\left(m\right)),k=\mathrm{0,1,2},...,12$

$\mathrm{DataEST}\_Q\left(k\right)=(\underset{m=0}{\overset{15}{\mathrm{\Σ}}}\mathrm{Data}\_Q(m+k)\×\mathrm{TSC}\left(m\right)),k=\mathrm{0,1,2},...,12$

由于经过反极性映射的训练序列是±1，因此上述算法只需加法完成。

计算13个信道估计值的能量，具体为：Energy(k)＝DataEST_I(k)²+DataEST_Q(k)²，k＝0，1，...，12。

对于单个突发而言，由于其接收到的信号受到干扰和噪声的影响，可能会造成TOA估计位置的偏差，所以可以对径能量估值进行α滤波。

Energy^t(k)＝α·Energy^t(k)+(1-α)·Energy^t-1(k)，k＝0，1，…，12，其中0＜α＜1

多径能量窗的位置可能随TOA变化而改变。由于前后两次的开窗位置发生变化，因此α滤波的定义式需要修正。比如，当本次多径窗口位置较上次窗口位置向后偏一个符号。

对于原有的径位置k，α滤波采用如下方案，即Energy^t(k)＝α·Energy^t(k)+(1-α)·Energy^t-1(k+1)，k＝0，1，…，11。

对于新窗口生成的径位置k’，α滤波采用如下方案，即Energy^t(k′)＝α·Energy^t(k′)，k′＝12。

然后将相邻5个信道估值能量相加，得到9个和值，即 $\mathrm{SUM}\left[i\right]=\underset{k=0}{\overset{4}{\mathrm{\Σ}}}\mathrm{Energy}(k+i),i=\mathrm{0,1},...,8.$

通过在9个SUM值中最大值的位置可以得到当前突发的TOA估计值。

在实现本发明的过程中，发明人发现：现有的TOA估计中，由于直接用接收信号进行TOA估计，并且实际无线环境中接收信号的训练序列位置上的信号受到了干扰(例如来自周围小区的同频或邻频干扰)，因此导致了径能量估值不准确。运用错误的径能量估值信息进行TOA估计，会造成TOA估计的偏差。同时这个偏差还会继续影响后续NB的TOA估计时的搜索窗位置的选取。

发明内容

本发明实施例提供一种TOA估计方法及装置，以解决现有的强干扰无线环境中由干扰引起的能量估值的偏差导致的TOA估计不准确的缺陷，从而实现了在强干扰环境下工作的TOA估计方案。

本发明实施例提供了一种TOA估计方法，包括：根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；根据所述信道估计值进行TOA估计，并根据TOA估计结果对当前NB的同步位置进行调整。

本发明实施例提供了一种TOA估计装置，包括：第一估计模块，用于根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；第二估计模块，用于根据所述信道估计值进行TOA估计；调整模块，用于根据TOA估计结果对当前NB的同步位置进行调整。

本发明实施例通过在进行TOA估计之前，对信号先进行干扰消除的方式，克服了在现有的强干扰无线环境中由干扰引起的能量估值的偏差，从而最终影响TOA估计的缺陷。本发明实施例的技术方案能够在强干扰无线环境下能够获得更为准确的能量估值，并且本发明实施例的技术方案无需对搜索窗的调整方法进行调整，并且对于在ASIC实现时引入的定点化误差不敏感。

附图说明

图1为现有的同步位置调整的示意图；

图2为现有的突发到达时间估计装置结构示意图；

图3为现有的突发到达时间估计装置中接收信号抽取模块抽取的符号的示意图；

图4为本发明实施例一种TOA估计方法示意图；

图5为本发明实施例另一种TOA估计方法示意图；

图6为本发明实施例中对NB同步位置进行调整的示意图；

图7为本发明实施例的TOA估计装置示意图；

图8为本发明实施例的TOA估计装置中第二估计模块的示意图。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

图4为本发明实施例一种TOA估计方法示意图。如图4所示，本发明实施例的TOA估计方法包括：

步骤101，对多个单径分别进行干扰消除后，直接相加所述多个单径的干扰消除结果，并根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值。

步骤102，根据所述信道估计值进行TOA估计，并根据TOA估计结果对当前NB的同步位置进行调整。

本发明实施例通过在进行TOA估计之前，对信号先进行干扰消除的方式，克服了在现有的强干扰无线环境中由干扰引起的能量估值的偏差，从而最终影响TOA估计的缺陷。本发明实施例的技术方案能够在强干扰无线环境下能够获得更为准确的能量估值，并且本发明实施例的技术方案无需对搜索窗的调整方法进行调整，并且对于在实现ASIC时引入的定点化误差不敏感。

在本发明实施例中，若接收的信号为首个NB，则所述从接收的信号中抽取一个突发的信号具体为：根据SB的同步位置，从接收的信号中抽取一个突发的信号；若接收的信号不是首个NB，则所述从接收的信号中抽取一个突发的信号具体为：根据前一个NB的同步位置，从接收的信号中抽取一个突发的信号。

进一步地，在本发明实施例中，所述干扰消除具体为：根据滤波系数，进行干扰消除，所述滤波系数使得按照所述滤波系数对所述本地训练序列进行滤波而生成的本地训练序列的估值与所述本地训练序列之间的误差最小。

图5为本发明实施例另一种TOA估计方法示意图。如图5所示，本发明实施例的TOA估计方法包括：

步骤201，从接收的信号中抽取一个突发的信号，并生成当前NB。具体为：利用同步突发获得精确的时隙定时，并通过解调同步信道获得时隙的定时信息后，移动基站开始接收NB。若接收的信号为首个NB，则在进行TOA估计前参照SB同步结果获得一个突发的信号；若接收的信号不是首个NB，则根据前一个NB的同步位置，从接收的信号中抽取一个突发的信号。

步骤202，对所述当前NB进行干扰消除。若在步骤201中接收的信号模型如下： $r\left(k\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}h\left(n\right)d(k-n)+\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}p\left(m\right)b(k+m)+...+\underset{j=0}{\overset{j+1}{\mathrm{\Σ}}}q\left(j\right)e(k-j)+n\left(k\right).$ 其中，r(k)为接收信号；h(n)为训练序列信道冲激响应，长度为N；d(k)为训练序列，p(m)和q(j)为干扰信号信道冲激响应，长度分别为M和J；b(k)和e(k)为干扰信号(实际干扰信号可能不止两个)；n(k)为高斯白噪声。

采用一组滤波系数对上述的接收信号进行滤波，以消除干扰。在这里，这组滤波系数对接收信号的训练序列进行滤波，使得得到的训练序列的估值与本地训练序列之间的误差最小。

如第k个训练序列d(k)的进行干扰消除时采用如下公式计算： $\hat{d}\left(k\right)=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}f\left(n\right)r(k+n+k0).$ 其中，f(n)为滤波系数(即干扰消除算法需要的滤波系数)，L为滤波器的长度，r(k)为接收信号，k0为时延因子，d(k)为训练序列，

为d(k)的估计值，即消除干扰后的NB。

其中，训练序列的估值与本地训练序列之间的误差定义为： $\mathrm{Err}=\underset{k=0}{\overset{N_{\mathrm{TS}}-1}{\mathrm{\Σ}}}{|\hat{d}\left(k\right)-d\left(k\right)|}^2.$ 其中，Err为训练序列的估值与本地训练序列之间的误差，N_TS为GSM突发中训练序列的长度(对NB来说N_TS为26个符号)。

针对GMSK调制的特性，如果r(k)为解旋后的接收信号序列，并且实部和虚部包含相同的信息，滤波器将虚部信息投影到实部，此时还可以将训练序列的估值与本地训练序列之间的误差定义为： $\mathrm{Err}=\underset{k=0}{\overset{N_{\mathrm{TS}}-1}{\mathrm{\Σ}}}{\left|\mathrm{Re}\right\{\hat{d}\left(k\right)\}-d\left(k\right)|}^2.$ 其中，Re{.}表示取实部。

如果将滤波系数和接收信号以实部和虚部的形式表示，则信道估计公式可以如下： $\hat{D}=\mathrm{ZF}.$

其中， $\hat{D}={\left[\begin{array}{c}\hat{d}\left(0\right)\\ \hat{d}\left(1\right)\\ ...\\ \hat{d}(N_{\mathrm{TS}}-1)\end{array}\right]}_{N_{\mathrm{TS}}\×1}$ 为(NTS x 1)训练序列估计值矩阵； $Z={\left[\begin{array}{cccccc}{r}_r(-k0)& ...& r_r(1-L-k0)& -r_i(-k0)& ...& -r_i(1-L-k0)\\ r_r(1-k0)& ...& r_r(2-L-k0)& -r_i(1-k0)& ...& -r_i(2-L-k0)\\ ...& & & & & \\ r_r(N_{\mathrm{TS}}-1-k0)& ...& r_r(N_{\mathrm{TS}}-L-k0)& -r_i(N_{\mathrm{TS}}-1-k0)& ...& -r_i(N_{\mathrm{TS}}-L-k0)\end{array}\right]}_{N_{\mathrm{TS}}\×2L}$ 为(NTSx 2L)接收信号观测矩阵(实数矩阵)； $F={\left[\begin{array}{c}{f}_r\left(0\right)\\ f_r\left(1\right)\\ ...\\ f_r(L-1)\\ f_i\left(0\right)\\ f_i\left(1\right)\\ ...\\ f_i(L-1)\end{array}\right]}_{2L\×1}$ 为(2L x 1)维滤波系数矩阵(实数矩阵)。

并且通过最小二乘原理可以求得最优的滤波系数，即F_LS＝(Z^TZ)^-1Z^TD。其中， $D={\left[\begin{array}{c}d\left(0\right)\\ d\left(1\right)\\ ...\\ d(N_{\mathrm{TS}}-1)\end{array}\right]}_{N_{\mathrm{TS}}\×1}$ 为(NTS x 1)训练序列矩阵。

采用能够最小化Err的一组最优的滤波系数对当前NB进行滤波才能达到干扰消除的目的。

以上介绍了如何对某个单径单天线干扰消除(Single Antenna InterferenceCancellation，简称：SAIC)的最优滤波系数求解的步骤。上述的干扰消除方法同样能够应用于多径的场景。具体为：每一径对应一个不同的径延迟k0，并且同步位置可能发生在NB的参考同步位置前后若干符号的区间内。假设：径数为5个，并且5个单径的选择方法为在参考同步前后各取相邻2径。则训练序列d(k)对应5个径延迟的接收向量如表1。

径1(k0＝0)：	r(k)	r(k-1)	r(k-2)	r(k-3)	r(k-4)
						径2(k0＝1)：	r(k+1)	r(k)	r(k-1)	r(k-2)	r(k-3)
径3(k0＝2)：	r(k+2)	r(k+1)	r(k)	r(k-1)	r(k-2)
						径4(k0＝3)：	r(k+3)	r(k+2)	r(k+1)	r(k)	r(k-1)
径5(k0＝4)：	r(k+4)	r(k+3)	r(k+2)	r(k+1)	r(k)

表1

根据上述的干扰消除系数的采用准则求得对应5个延迟径的5组长度为L的滤波系数为： $F_n={\left(Z_n^T{Z}_n\right)}^{-1}{Z}_n^{T}D,n=\mathrm{0,1},...,4.$ 用求得的5组滤波系数分别对接收信号进行滤波，并分别在每个单径上除以其噪声值，则分别能够得到5个不同延迟的单径的干扰消除后的NB，将5个单径干扰消除后的NB直接相加得到用于信道估计的干扰消除后的NB： ${\hat{d}}_{\mathrm{TOA}}=\{{\hat{d}}_{\mathrm{TOA}}\left(0\right),{\hat{d}}_{\mathrm{TOA}}\left(1\right),...,{\hat{d}}_{\mathrm{TOA}}\left(155\right)\}.$

步骤203，用干扰消除后的NB和本地训练序列进行信道估计。对本地训练序列中间16比特进行反极性映射，得到TSC＝{k}，k＝0，1，...，15。将用于TOA估计的滤波输出，即干扰消除后的NB中提取28个数据作为

具体为：

并且将提取的数据与训练序列代码(TrainSequence Code，简称：TSC)进行移位相关，得到13个复值信道估计值。具体为： $\mathrm{ChanEST}\left(k\right)=\underset{m=0}{\overset{15}{\mathrm{\Σ}}}{\hat{d}}_{\mathrm{TSC}}(m+k)\×\mathrm{TSC}\left(m\right),k=\mathrm{0,1},...,12.$

步骤204，用信道估计值对当前NB进行TOA估计。具体为：先根据在步骤203中求得的13个信道估计值计算能量值，即Energy(k)＝|ChanEST(k)|²，k＝0，1，...，12。其中，Energy(k)为能量值，ChanEST(k)为信道估计值。然后将每相邻5个能量值累加生成9个和值。和值的计算公式如下： $\mathrm{SUM}\left[i\right]=\underset{k=0}{\overset{4}{\mathrm{\Σ}}}\mathrm{Energy}(k+i),i=\mathrm{0,1},...,8.$ 最后在求得的9个和值中选择最大值作为当前的TOA估计值，并将该最大值表示为k_MAX。此时，TOA估计值为：Pos_TOA＝k_MAX-4。

步骤205，用TOA估计值对NB同步位置进行调整。图6为本发明实施例中对NB同步位置进行调整的示意图。如图6所示，根据在当前时隙上进行干扰消除后得到的TOA估计值PosTOA，对当前Burst调整PosTOA个位置后进行解调。对于下个接收时隙，将接收窗位置按照与PosTOA相同的方向调整一个符号。

图7为本发明实施例的TOA估计装置示意图。如图7所示，本发明实施例的TOA估计装置包括：

第一估计模块13，用于根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；

第二估计模块14，用于根据所述信道估计值进行TOA估计；

调整模块15，用于根据TOA估计结果对当前NB的同步位置进行调整。

本发明实施例通过在进行TOA估计之前，对信号先进行干扰消除的方式，克服了在现有的强干扰无线环境中由干扰引起的能量估值的偏差，从而最终影响TOA估计的缺陷。本发明实施例的技术方案能够在强干扰无线环境下能够获得更为准确的能量估值，并且本发明实施例的技术方案无需对搜索窗的调整方法进行调整，并且对于在实现ASIC时引入的定点化误差不敏感。

在本发明实施例中，还包括：生成模块11，用于从接收的信号中抽取一个突发的信号，并生成当前NB；干扰消除模块12，用于对所述当前NB进行干扰消除，生成干扰消除后的NB。

在本发明实施例中，所述干扰消除模块包括：第一干扰消除子模块，用于采用公式： $\hat{d}\left(k\right)=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}f\left(n\right)r(k-n-k0)$ 对所述当前NB进行干扰消除，其中，f(n)为滤波器系数，L为滤波器的长度，r(k)为当前NB，n为接收信号的长度，k0为时延因子，

为消除干扰后的NB，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

另外，在本发明实施例中，所述干扰消除模块包括：第二干扰消除子模块，用于采用公式： $\hat{D}=\mathrm{ZF}$ 对所述当前NB进行干扰消除，其中，

为消除干扰后的NB，Z为当前NB，F为干扰系数，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

进一步地，在本发明实施例中，所述干扰消除模块可以同时包括第一干扰消除子模块和第二干扰消除子模块。此时，第一干扰消除子模块和第二干扰消除子模块可以轮换使用，以提高干扰消除模块使用寿命。

图8为本发明实施例的TOA估计装置中第二估计模块的示意图。如图8所示，本发明实施例的TOA估计装置的第二估计模块包括：

能量计算模块1401，用于计算所述信道估计值的能量；

和值生成模块1402，用于相加每相邻的5个能量值以生成9个和值；

最大值选取模块1403，用于根据所述9个和值选取最大的值；

TOA估计模块1404，用于根据所述最大的值生成TOA估计值。

在本发明实施例中，能量计算模块、和值生成模块、最大值选取模块以及TOA估计模块的具体工作原理已经在TOA估计方法的实施例中进行过详细地说明，因此在这里不再赘述。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (15)

1、一种TOA估计方法，其特征在于，包括：

根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；

根据所述信道估计值进行TOA估计，并根据TOA估计结果对当前NB的同步位置进行调整。

2、根据权利要求1所述的TOA估计方法，其特征在于，还包括：

从接收的信号中抽取一个突发的信号，并生成当前NB；

对所述当前NB进行干扰消除，生成干扰消除后的NB。

3、根据权利要求2所述的TOA估计方法，其特征在于，若接收的信号为首个NB，则所述从接收的信号中抽取一个突发的信号包括：根据SB的同步位置，从接收的信号中抽取一个突发的信号。

4、根据权利要求2所述的TOA估计方法，其特征在于，若接收的信号不是首个NB，则所述从接收的信号中抽取一个突发的信号包括：根据前一个NB的同步位置，从接收的信号中抽取一个突发的信号。

5、根据权利要求2所述的TOA估计方法，其特征在于，所述对当前NB进行干扰消除包括：根据滤波系数进行干扰消除，所述滤波系数使得按照所述滤波系数对所述本地训练序列进行滤波而生成的本地训练序列的估值与所述本地训练序列之间的误差最小。

6、根据权利要求5所述的TOA估计方法，其特征在于，所述根据滤波系数进行干扰消除方法包括：采用公式： $\hat{d}\left(k\right)=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}f\left(n\right)r(k-n-k0)$ 对所述当前NB进行干扰消除，其中，f(n)为滤波器系数，L为滤波器的长度，r(k)为当前NB，n为接收信号的长度，k0为时延因子，

为消除干扰后的NB，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

7、根据权利要求5所述的TOA估计方法，其特征在于，所述根据滤波系数进行干扰消除方法包括：采用公式： $\hat{D}=\mathrm{ZF}$ 对所述当前NB进行干扰消除，其中，

为消除干扰后的NB，Z为当前NB，F为干扰系数，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

8、根据权利要求1所述的TOA估计方法，其特征在于，所述根据干扰消除后的NB和本地训练序列进行信道估计包括：采用公式： $\mathrm{ChanEST}\left(k\right)=\underset{m=0}{\overset{15}{\mathrm{\Σ}}}{\hat{d}}_{\mathrm{TSC}}(m+k)\×\mathrm{TSC}\left(m\right),k=\mathrm{0,1},...,12$ 进行信道估计，其中，ChanEST(k)为13个信道估计值，

为干扰消除后的NB的156个数据中第61至第88个数据。

9、根据权利要求8所述的TOA估计方法，其特征在于，所述根据所述信道估计值进行TOA估计包括：采用公式：Energy(k)＝|ChanEST(k)|²，k＝0，1，...，12计算所述13个信道估计值的能量，其中，Energy(k)为13个信道估计值的能量；

将每相邻的5个能量值相加生成9个和值，并且根据在所述9个和值中最大的值生成TOA估计值。

10、根据权利要求9所述的TOA估计方法，其特征在于，所述将每相邻的5个能量值相加生成9个和值，并且根据在所述9个和值中最大的值生成TOA估计值包括：采用公式： $\mathrm{SUM}\left[i\right]=\underset{k=0}{\overset{4}{\mathrm{\Σ}}}\mathrm{Energy}(k+i),i=\mathrm{0,1},...,8$ 进行相邻的5个能量值相加并生成9个和值，并且根据所述9个和值选取最大的值，根据所述最大的值以及公式：Pos_TOA＝k_MAX-4对所述当前NB进行TOA估计，其中，Pos_TOA为当前NB的TOA估计值，k_MAX为所述9个和值中最大的值。

11、一种TOA估计装置，其特征在于，包括：

第一估计模块，用于根据干扰消除后的NB和本地训练序列进行信道估计，并生成信道估计值；

第二估计模块，用于根据所述信道估计值进行TOA估计；

调整模块，用于根据TOA估计结果对当前NB的同步位置进行调整。

12、根据权利要求11所述的TOA估计装置，其特征在于，还包括：

生成模块，用于从接收的信号中抽取一个突发的信号，并生成当前NB；

干扰消除模块，用于对所述当前NB进行干扰消除，生成干扰消除后的NB。

13、根据权利要求12所述的TOA估计装置，其特征在于，所述干扰消除模块包括：

第一干扰消除子模块，用于采用公式： $\hat{d}\left(k\right)=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}f\left(n\right)r(k-n-k0)$ 对所述当前NB进行干扰消除，其中，f(n)为滤波器系数，L为滤波器的长度，r(k)为当前NB，n为接收信号的长度，k0为时延因子，

为消除干扰后的NB，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

14、根据权利要求12所述的TOA估计装置，其特征在于，所述干扰消除模块包括：

第二干扰消除子模块，用于采用公式： $\hat{D}=\mathrm{ZF}$ 对所述当前NB进行干扰消除，其中，

为消除干扰后的NB，Z为当前NB，F为干扰系数，对多个单径分别进行干扰消除后直接相加所述多个单径的干扰消除结果。

15、根据权利要求11所述的TOA估计装置，其特征在于，

所述第二估计模块包括：

能量计算模块，用于计算所述信道估计值的能量；

和值生成模块，用于相加每相邻的5个能量值以生成9个和值；

最大值选取模块，用于根据所述9个和值选取最大的值；

TOA估计模块，用于根据所述最大的值生成TOA估计值。

Images