CN101512918B - 用于协方差矩阵更新的方法 - Google Patents

Abstract

当向接收信号增加或从接收信号移除采样集时对协方差矩阵的平方根矩阵进行更新的方法(200)和装置。当向所述接收信号增加采样集(220)时，处理器对所述平方根矩阵进行增维(230)，以生成更新后的平方根矩阵用于未来处理。当所述接收信号中不再存在采样集(240)时，所述处理器对所述平方根矩阵进行降维(250)，以生成所述更新后的平方根矩阵。

Description

用于协方差矩阵更新的方法

技术领域

本发明总体上涉及多信号接收机，并且更具体地说，涉及对多信号接收机的处理参数进行更新。

背景技术

传统的无线接收机通常使用协方差矩阵形式的噪声和/或数据协方差信息，来对多个接收信号(即，单个传输信号的多个采样集、多个不同信号或它们的任意组合)之间的干扰进行抑制。干扰抑制接收机的示例包括码片均衡器、RAKE接收机、广义RAKE(GRAKE，GeneralizedRAKE)接收机、单输入多输出接收机、多输入多输出接收机等。

如在本领域内所公知的，干扰抑制接收机要求准确地跟踪协方差矩阵中的协方差。由于接收到的采样集数量较大，因此跟踪协方差通常要求非常复杂的计算。这些复杂计算通常限制了无线接收机对信号协方差进行准确跟踪及利用的能力。例如，无线接收机可以使用次数减少的协方差更新，以减小接收机复杂度。然而，次数的减少可能会限制用于对所接收的信号进行处理的协方差的准确度。因此，无线行业仍在继续寻找能够改善干扰抑制接收机的工作的方法。

发明内容

本发明提供了当向接收信号(其具有两个或更多个采样集)增加或从接收信号移除采样集时对协方差矩阵的平方根矩阵进行更新的方法。一个示例性方法包括确定针对所述增加的采样集的衰减(impairment)相关度和噪声功率。所述衰减相关度表示所述增加的采样集中的值与现有采样集中的值之间的互相关度。所述方法还包括基于所述衰减相关度和所述噪声功率来补偿所述平方根矩阵。然后，通过增加具有根据所述噪声功率导出的对角元素和根据所述衰减相关度导出的非对角元素的列和行，来对所述经过补偿的平方根矩阵进行增维。还说明了一种相应的装置。

另一示例性方法包括确定针对所移除采样集的衰减相关度和噪声功率。所述衰减相关度表示所述移除的采样集中的值与剩余采样集中的值之间的互相关度。所述方法还包括从三角矩阵和对角矩阵中移除与所述移除的采样集相对应的行和列。所述三角矩阵和对角矩阵与所述协方差矩阵相对应。然后，基于所述经过降维的三角矩阵、所述经过降维的对角矩阵、所述衰减相关度以及所述噪声功率，来计算经过降维的平方根矩阵。还说明了一种相应的装置。

附图说明

图1是示出了包括GRAKE接收机的一个示例性无线接收机的框图；

图2是示出了根据本发明的一个示例性更新过程的流程图；

图3是示出了用于对协方差矩阵进行增维的示例性流程图；

图4是示出了用于对协方差矩阵进行降维的示例性流程图；以及

图5是示出了包括码片均衡器的一个示例性无线接收机的框图。

具体实施方式

本发明提供以下这种方法和装置，其用于当向广义RAKE(GRAKE)接收机增加或从GRAKE接收机移除采样集(即，耙指(finger))时，由于所增加或移除的采样集而对协方差矩阵进行更新。图1示出了可用于本发明的一个示例性无线接收机100的框图。无线接收机100包括GRAKE接收机110、接收机前端112及天线114。接收机前端112将所接收的信号r(t)输出到GRAKE接收机110。所接收的信号r(t)包括从无线信号获取的采样值的流，这些无线信号由与一个或更多个接收机前端112相关联的一个或更多个天线114所接收。示例性前端112可以包括生成适于由GRAKE接收机110进行处理的采样信号r(t)所需要的放大器、滤波器、混合器、数字化器(digitizer)和/或其它电子装置(electronics)。在一些实施方式中，r(t)还可以包括从不同天线(未示出)传输的分量。

各个接收信号r(t)通常包括一个或更多个采样集，从按照不同方向及不同延时而到达接收机100的信号得到这些采样集。GRAKE接收机110对与接收信号r(t)相关联的采样集进行合并，以生成针对第m个符号周期的符号估计z(m)。更具体地说，如稍后进一步讨论的，GRAKE接收机110对接收信号r(t)进行延迟、解扩、加权及合并，以估计z(m)。

GRAKE接收机110包括多个RAKE耙指120、组合器130、信道估计器140、处理器150及路径搜索器160。RAKE耙指120使用包括在各个RAKE耙指120中的延迟单元122及相关器124，来处理噪声及数据信号。延迟单元122将接收信号r(t)延迟由处理器150指定的量。相关器124将经过延迟的信号与扩频码相关，以得到解扩值y。将来自相关器124的解扩值y＝(y₁，y₂，...，y_k)输入到组合器130。

组合器130包括加权单元132和求和器134。如稍后进一步描述的，加权单元132从RAKE耙指120接收经过解扩的信号y，并使用由处理器150确定的加权系数w＝(w₁，w₂，...，w_K)来对信号y进行加权。求和器134在各个符号周期内对经过解扩及加权的信号进行求和，以得到符号估计z(m)。

处理器150与信道估计器140及路径搜索器160进行协作，来确定延迟δ＝(δ₁，δ₂，...，δ_K)及相应的加权系数w。本领域技术人员已知的是，路径搜索器160识别出针对RAKE耙指120的候选延迟。信道估计器140估计信道，并将所估计的信道系数h＝(h，h₂，...，h_K)(这里也称为信道估计h)提供给处理器150。处理器150基于信道估计h和接收信号r(t)，分别将合适的延迟δ及加权系数w分配给RAKE耙指120及组合器130。

在传统的GRAKE中，基于各个RAKE耙指120之间的噪声相关度来计算加权系数w。加权系数由下式给出：

w＝R^-1h，                 (1)

其中，R^-1是表示各个RAKE耙指120之间的互相关度的协方差矩阵R的逆。如在本领域内已知的，可以根据经过解扩的导频符号来计算协方差矩阵R。然后，根据下式来计算符号估计z(m)：

z(m)＝w^Hy，               (2)

其中，w^H表示加权系数向量的厄米特(Hermitian)变换。可以根据下式来估计信噪比：

SNR＝w^Hh                  (3)

为了保证GRAKE接收机110能够准确地处理接收信号r(t)，处理器150定期更新协方差矩阵R。这种定期更新可以基于信道估计h、RAKE耙指120的数量等的变化。公式(4)示出了根据当前协方差矩阵R、指数衰减因子α及误差向量e而生成更新后的协方差矩阵R′的一种传统方法。

R′＝R+αee^H              (4)

误差向量e表示在所期望的符号估计与当前接收机输出的符号估计z(m)之间的差。指数衰减因子的值在0与1之间。

每次处理器150更新协方差矩阵R时，就计算新的组合权重w和新的SNR。如公式(1)所示，生成新的组合权重w首先需要计算更新后的协方差矩阵R′的逆，这种计算本身就很复杂。此外，虽然频繁地更新协方差矩阵使得GRAKE接收机110能够更准确地跟踪信道动态变化(dynamics)，但是增大更新的频度也增大了接收机110的复杂度。

本发明通过使用协方差矩阵R的平方根M以计算加权系数w，来减小GRAKE接收机110的复杂度。协方差矩阵R是正定矩阵。因此，可以使用Cholesky分解来计算满足下式的矩阵M：

R＝MM^H                     (5)

矩阵M可以被理解为协方差矩阵R的“平方根”。通常，M是在其对角线上具有正实元素的下三角矩阵。

协方差矩阵R还可以表示为相关矩阵L和D的函数，如下式所示：

R＝LDL^H，                  (6)

其中，L是在其对角线上具有1的下三角矩阵，而D是具有正元素d_i的对角矩阵。通过比较公式(5)和公式(6)，可以明确M、L与D之间的关系。公式(7)示出了这个结果。

M＝LD^1/2                   (7)

公式(5)、(6)以及(7)示出了协方差矩阵R如何与平方根矩阵M、三角矩阵L及对角矩阵D相关联。

因为M是下三角矩阵，所以与使用协方差矩阵R来计算加权系数w相比，使用M来计算加权系数w更加简单。可以按照两个步骤来计算加权系数。首先，根据M和h来计算中间向量v。中间向量v由下式给出：

Mv＝h                            (8)

在得到中间向量v之后，根据下式来计算加权系数：

M^Hw＝v                           (9)

接收信号的SNR由下式给出：

SNR＝v^Hv                         (10)

经过组合的RAKE输出由下式给出：

z(m)＝w^Hy＝v^HM^-1y                (11)

因为对于三角矩阵(即，M)而言矩阵运算更简单，所以使用M代替协方差矩阵R简化了传统的复杂GRAKE运算。

处理器150还可以使用平方根矩阵M代替协方差矩阵R，来简化更新运算。如公式(4)所示，可以按照R、α以及e的函数来计算更新后的协方差矩阵R′。通过使用公式(5)-(7)中所示的R、M、L与D之间的关系，可以得到基于L、D以及e的当前版本来更新平方根矩阵M的规则，如公式(12)-(16)所示。

首先，假设可以根据下式来计算针对三角矩阵L的更新L′：

L′＝LK                          (12)

其中，K是具有由下式定义的结构的三角矩阵：

向量p＝(p₁，p₂，...，p_n)中的参数p_i由下式定义：

p＝L^-1e                          (14)

可以根据以下程序来计算公式(13)的参数β_i和更新后的对角矩阵D′的对角元素d′_i。

γ₁＝1/α

for i＝1：n-1

a＝γ_id_i+|p_i|²

γ_i+1＝a/d_i                   (15)

d′_i＝a/γ_i

β_i＝p_i/a

end

d′_n＝d_n+|p_n|²/γ_n

可以理解的是，该程序提供了用于计算D′的元素的一个示例性方法。也可以应用其它替换方法。一旦计算出更新后的三角矩阵L′和更新后的对角矩阵D′，则可以使用下式(16)来更新平方根矩阵。

M′＝L′D′^1/2＝LKD′^1/2      (16)

与公式(12)-(16)相关的用于更新平方根矩阵的过程可以缩写为(M′，L′，D′)＝RU(L，D，e，α)，其中RU代表根更新(root update)。公式(12)-(16)的RU过程表示一个示例性RU过程，在以下讨论中该RU过程作为本发明的构建单元(building block)而反复使用。然而，可以理解的是，更新平方根矩阵的其它RU过程也可以应用于本发明。

上面描述了针对与恒定数量的采样集相对应的恒定数量的RAKE耙指120而更新平方根矩阵M的过程。然而，本发明还允许当RAKE耙指120的数量改变时更新平方根矩阵M。改变RAKE耙指120的数量改变了协方差矩阵R。给定协方差矩阵R，则当增加或新分配RAKE耙指120时，可以计算经过增维及更新后的协方差矩阵R′。增维协方差矩阵R′可以表示为：

$R^{\′}=\left[\begin{array}{cc}{\mathrm{\σ}}^2& {\mathrm{\ρ}}^H\\ \mathrm{\ρ}& R\end{array}\right]---\left(17\right)$

其中σ²表示与采样集相关联的噪声功率，而ρ表示新延迟处的采样集与各个旧延迟处的采样集的噪声协方差的向量。基于上述L、D、M与R之间的关系，可以根据下式18直接地计算经过增维及更新后的平方根矩阵M′：

$M^{\′}=\left[\begin{array}{cc}\mathrm{\σ}& 0\\ \mathrm{\ρ}/\mathrm{\σ}& M^{\′\′}\end{array}\right]---\left(18\right)$

在公式(18)中，M″表示根据公式(12)-(16)计算的经过补偿的平方根矩阵，其中，用噪声协方差的向量ρ来代替误差向量e，并且用(-1/σ²)来代替指数衰减因子α。与公式(12)-(16)相关联的用于补偿平方根矩阵的过程可以缩写为：

(M″，L″，D″)＝RU(L，D，ρ，-1/σ²)  (19)

如下式(20)中所示，当移除或去分配RAKE耙指120时，可以对当前协方差矩阵R减少一行及一列，以生成经过降维及更新后的协方差矩阵R′。

$R=\left[\begin{array}{cc}{\mathrm{\σ}}^2& {\mathrm{\ρ}}^H\\ \mathrm{\ρ}& R^{\′}\end{array}\right]---\left(20\right)$

可以根据三角矩阵L和对角矩阵D的降维版本来直接地计算经过降维及更新后的平方根矩阵M′。可以通过从三角矩阵L中移除与被移除的RAKE耙指120相对应的行和列来生成经过降维的三角矩阵L″。类似地，可以通过从对角矩阵D移除与被移除的RAKE耙指120相对应的行和列来生成经过降维的对角矩阵D″。然后，可以根据公式(12)-(16)来计算经过降维及更新后的平方根矩阵M′，其中用经过降维的三角矩阵L″代替L，用经过降维的对角矩阵D″代替D，用ρ代替误差向量e，并且用(1/σ²)代替指数衰减因子α。与增维平方根矩阵计算类似，ρ和σ²分别对应于与被移除的RAKE耙指120对应的噪声协方差向量和噪声功率。与公式(12)-(16)相关联的用于计算经过降维及更新后的平方根矩阵M′的过程可以缩写为：

(M′，L′，D′)＝RU(L″，D″，ρ，1/σ²)    (21)

综上所述，处理器150可以基于L、D、α以及e的当前版本来计算特殊的三角矩阵K和更新后的平方根矩阵M′、三角矩阵L′以及对角矩阵D′。此外，处理器150可以使用平方根矩阵M而不是协方差矩阵R来适应数量变化的采样集。与通常上与更新R相关的过程相比，M、L、D以及K本身的数学属性使得处理器150能够使用更简单的过程来更新M。然后，处理器150可以使用M′而不是使用M，来处理接收信号。结果，使用M而不是使用R能够极大地减小由处理器150实现的更新运算及处理运算的复杂度。

图2总体上示出了基于数量变化的采样集而对平方根矩阵M进行更新的一个示例性过程200。如上所述，GRAKE接收机110使用M来对接收信号r(t)进行处理(框210)。当具有新延迟的新采样集出现在接收信号中时(框220)，处理器150对M进行增维(框230)，以应对新的RAKE耙指120。然后，GRAKE接收机110用经过增维及更新后的平方根矩阵M′来代替之前的平方根矩阵M，以用于未来处理接收信号r(t)(框210)。当接收信号中不再存在采样集时(框240)，处理器150对M进行降维(框250)，以应对被移除的RAKE耙指120。然后，GRAKE接收机110使用经过降维及更新后的平方根矩阵M′来代替之前的平方根矩阵M，以用于未来处理接收信号r(t)(框210)。

图3示出了针对图2的一个示例性增维过程(框230)的具体细节。为了对平方根矩阵M进行增维，处理器150确定针对所增加的采样集的衰减相关度ρ和噪声功率σ²(框232)。衰减相关度ρ表示所增加的采样集中的值与现有采样集中的值之间的互相关度。基于所确定的衰减相关度ρ和噪声功率σ²，处理器150补偿当前平方根矩阵M，以生成经过补偿的平方根矩阵M″(框234)。然后，处理器150通过根据公式(19)为经过补偿的平方根矩阵M″增加行和列来对经过补偿的平方根矩阵M″进行增维，以生成经过增维及更新后的平方根矩阵M′(框236)。所增加的列和行具有根据噪声功率σ²导出的对角元素和根据衰减相关度ρ导出的非对角元素。

图4示出了针对图2的一个示例性降维处理(框250)的具体细节。为了对平方根矩阵M进行降维，处理器150确定针对被移除的采样集的衰减相关度ρ和噪声功率σ²(框252)。衰减相关度ρ表示被移除的采样集中的值与剩余采样集中的值之间的互相关度。然后，处理器150分别从三角矩阵L和对角矩阵D中移除与被移除的采样集相对应的行和列，以形成经过降维的三角矩阵L″和经过降维的对角矩阵D″(框254)。处理器150基于经过降维的三角矩阵L″、经过降维的对角矩阵D″、衰减相关度ρ以及噪声功率σ²，根据公式(21)来计算经过降维的平方根矩阵M′(框256)。

上面描述了基于变化的信道状态和/或数量变化的采样集或者对于接收机可用的耙指，来对平方根矩阵M进行更新的过程。可以理解的是，每次更新平方根矩阵M时，更新后的版本将代替之前的版本，并用于未来处理和更新运算。

上述对平方根矩阵M进行更新的过程假设协方差矩阵R或平方根矩阵M已经存在和/或已经被初始化。然而，这种假设可能并不总是正确的。下面描述用于对平方根矩阵M进行初始化的多个过程。

在一个实施方式中，使用以在时刻t＝0处被设置为多个单位矩阵的平方根矩阵M作为开始、并以在时刻t＝T处经过初始化的平方根矩阵M作为结束的迭代过程，来初始化M。根据这种“以单位阵开始”实施方式，首先将协方差矩阵R设置为单位矩阵的ε倍，如公式(22)中所示。

R(t＝0)＝εI                (22)

结果，初始协方差矩阵是非奇异的。基于公式(22)和公式(5)-(7)，由下式给出在时刻t＝0处的平方根矩阵M、三角矩阵L以及对角矩阵D：

M(t＝0)＝ε^1/2I

L(t＝0)＝I                  (23)

D(t＝0)＝εI

为了确定在稍后时刻t＝T处的初始平方根矩阵M，处理器150实现下面的迭代步骤：

for t＝1：T

[M(t)，L(t)，D(t)]＝RU(L(t-1)，D(t-1)，e(t)，α)    (24)

end

其中，RU(·)表示公式(12)-(16)示出的更新过程。处理器150在上述的随后处理和更新运算中使用所得到的经过初始化的平方根矩阵M。

替换的初始化实施方式基于以下假设，即协方差矩阵R首先被设置为n×n的零矩阵(R(t＝0)＝[0])。因为零协方差矩阵R的维数为n，所以采用n次更新来生成满秩协方差矩阵R。

也就是说，为了生成秩为n的满秩协方差矩阵R，处理器150根据公式(4)来对协方差矩阵进行n次更新。下面描述当使用这种“以零元素开始”的过程来对R进行初始化时用于对平方根矩阵M进行初始化的两个替换实施方式。

在这里称为混合过程的一个实施方式中，处理器150将由第n次更新所生成的协方差矩阵定义为初始协方差矩阵R(t＝n)。随后，处理器150根据公式(5)-(7)通过使用满秩的经过初始化的协方差矩阵R(t＝n)来生成初始平方根矩阵M。处理器150在上述的随后处理和更新运算中使用所得到的经过初始化的平方根矩阵M。根据这个混合过程，处理器150首先使用上述的以零元素开始的处理来确定秩为n的协方差矩阵R。随后，处理器150使用Cholesky分解来确定相应的秩为n的矩阵L、D和M。然后，处理器150在从时刻t＝n+1到所期望的时刻t＝T期间，使用秩为n的矩阵L、D和M来实现与以单位元素开始的处理相关联的平方根更新过程，如下面程序所示：

for t＝n+1：T

[M(t)，L(t)，D(t)]＝RU(L(t-1)，D(t-1)，e(t)，α)  (25)

end

处理器150在上述的随后处理和更新运算中使用所得到的经过初始化的平方根矩阵M。

在这里称为经过修改的混合过程的另一混合实施方式中，考虑到在各次迭代中的协方差矩阵R的具体结构，处理器150针对前n次迭代来定义新的平方根矩阵M和新的更新后的平方根矩阵M′。例如，对于第一次迭代，协方差矩阵R是由R(1)＝αe(1)e(1)^H定义的秩为1的矩阵。对于这个协方差矩阵R(1)，可以由下式来定义第一次迭代的三角矩阵L(1)、对角矩阵D(1)以及相应的平方根矩阵M(1)：

如以上公式所示，即使M(1)是秩为1的矩阵，但是L(1)仍然是秩为n的矩阵。这使得处理器150能够在生成平方根矩阵的下一迭代M(2)的更新过程中使用L(1)。通常，由于对角线上的元素1，所以各个三角矩阵L(t)都是秩为n的矩阵。这保证了L的可逆性，如公式(14)所示，L的可逆性对于计算平方根更新是必需的。此外，各个对角矩阵D(t)的后n-t个对角元素为0，这使得它和平方根矩阵M(t)的秩为t。稍后提供了针对这个示例性初始化过程的用于生成M的各个更新的具体细节。

对于第t次迭代，处理器150根据下面的程序来计算更新后的对角矩阵D′的前t个对角元素d′_i：

γ₁＝1/α

for i＝1：t

a＝γ_id_i+|p_i|²，

γ_i+1＝a/d_i                (29)

d′_i＝a/γ_i

β_i＝p_i/a

end

如上所述，剩余的对角元素被构建为零。处理器150使用这些结果来构建新的特殊对角矩阵K，通过将第t项以外的右下角的项设置为0而从公式(13)中所定义的K修改得到矩阵K，如公式(30)所示。

最后，处理器150根据公式(12)来计算更新后的三角矩阵L′，并根据公式(16)来计算更新后的平方根矩阵M′。概括地说，处理器150根据下面的程序生成在时刻t＝T处的经过初始化的平方根矩阵M：

根据公式25的L(1)

根据公式26的D(1)

根据公式27的M(1)

for t＝2：n

[M(t)，L(t)，D(t)]＝RUS(L(t-1)，D(t-1)，e(t)，α，t)  (31)

end

for t＝n+1：T

[M(t)，L(t)，D(t)]＝RU(L(t-1)，D(t-1)，e(t)，α)

end

其中，RU(·)表示公式(12)-(16)所示的更新过程，而RUS(·)表示由公式(12)、(14)、(16)、(29)以及(30)针对奇异矩阵得到的更新过程。处理器150在上述的随后处理和更新运算中使用所得到的经过初始化的平方根矩阵M。

虽然以上根据GRAKE接收机110来描述了本发明，但是本领域技术人员可以理解的是，本发明还可以应用于其它类型的接收机，包括码片均衡器。图5示出了示例性码片均衡器170。除了组合器130和信道估计器140之外，码片均衡器170还包括均衡处理器152和多个连续的延迟单元172。均衡处理器152基于接收信号r(t)和信道估计h来计算平方根矩阵M、多个延迟δ以及多个加权因子w。延迟单元172根据计算得到的延迟δ来连续地延迟接收信号r(t)。组合器130中的加权单元132根据计算得到的加权因子w来对经过连续延迟的采样进行加权。求和器134对经过加权的采样进行合并，以产生估计的输出采样z(m)。如上所述，当向接收信号增加或从接收信号移除采样集(即，延迟单元输出)时，均衡处理器152分别对平方根矩阵M进行增维或降维。

虽然没有明确地示出，但是本发明还可以应用于对与传输信号相对应的时间校准信号和/或采样集进行处理的其它接收机。与接收机的类型无关，本发明对与接收机特有的协方差矩阵R相对应的平方根矩阵M进行增维/降维，以应对所增加/移除的经过延迟的采样集和/或信号。示例性的接收机包括具有针对各个RAKE耙指的采样集的RAKE接收机、具有针对各个用户的至少一个采样集的多用户检测接收机、具有针对各个输入/输出的采样集的多输入/多输出(MIMO)接收机等。例如，考虑具有J个发射天线和K个接收天线的MIMO系统。在接收端，MIMO系统包括J个子接收机，一个子接收机对应于J个发射天线中的一个发射天线。J个子接收机中的各个子接收机是上述接收机的重复，并且各个子接收机连接到K个接收天线，这K个接收天线接收由J个发射天线所发射的信号。第j个子接收机专用于对由第j个远程天线所发射并由全部K个接收天线所接收的信号进行处理。第j个子接收机使用与由单个天线发射的信号相关联的过程来计算路径延迟、信道估计等。如公式(4)中所示，协方差矩阵R通过误差向量e而获得其它J-1个发射信号对第j个信号接收的影响。

可以在任何无线设备(例如，基站或移动终端)中实现上述无线接收机100。如这里所使用的，术语“移动终端”包括蜂窝无线电话和包括无线电话收发机的任何无线设备。移动终端还可称为“普适(pervasive)计算”设备。

本发明还可以应用于利用噪声协方差矩阵的其它信号处理设备。这些设备包括有线接收机，其中接收信号经过较大范围的信道扩散并且通常要求特定形式的均衡。这些设备还包括对来自多个麦克风的数据进行处理的声学接收机。在这种情况下，这种声学处理可以从与各个传感器之间的噪声协方差有关的知识中受益。上述示例旨在是示例性的，并且因此是非限制性的。

当然，可以按照与这里具体描述的方式不同的其它方式来实施本发明，而不偏离本发明的核心特征。在全部方面，这些实施方式都被认为是示例性而非限制性的，并且旨在将落入所附权利要求的意义及等同范围内的全部变化包含在所附权利要求中。

Claims (27)

1.一种对表示多个采样集之间的互相关度的协方差矩阵的平方根矩阵进行增维、以由此反映所增加的采样集的方法，该方法包括以下步骤：

确定针对所述增加的采样集的衰减相关度和噪声功率；

基于所述衰减相关度和所述噪声功率来补偿所述平方根矩阵；以及

通过增加具有根据所述噪声功率导出的对角元素和根据所述衰减相关度导出的非对角元素的列和行，来对所述经过补偿的平方根矩阵进行增维。

2.根据权利要求1所述的方法，其中，基于所述衰减相关度和所述噪声功率来补偿所述平方根矩阵的步骤还包括以下步骤：基于与所述协方差矩阵相对应的三角矩阵和对角矩阵来补偿所述平方根矩阵。

3.根据权利要求1所述的方法，其中，通过增加具有根据所述噪声功率导出的对角元素和根据所述衰减相关度导出的非对角元素的列和行来对所述经过补偿的平方根矩阵进行增维的步骤包括以下步骤：基于所述噪声功率的标准偏差来导出所述对角元素的值。

4.根据权利要求1所述的方法，其中，通过增加具有根据所述噪声功率导出的对角元素和根据所述衰减相关度导出的非对角元素的列和行来对所述经过补偿的平方根矩阵进行增维的步骤包括以下步骤：基于作为所述噪声功率的标准偏差的函数而被缩放的所述衰减相关度，来导出所述非对角元素。

5.根据权利要求1所述的方法，其中，所述多个采样集包括其具有来自RAKE接收机或GRAKE接收机的多个耙指的值的多个采样集，并且其中，所述增加的采样集包括来自针对所述RAKE接收机或所述GRAKE接收机所增加的耙指的采样值。

6.根据权利要求1所述的方法，其中，所述多个采样集包括其具有来自码片均衡器的多个抽头延迟输出的值的多个采样集，并且其中，所述增加的采样集包括来自针对所述码片均衡器所增加的抽头延迟输出的采样值。

7.根据权利要求1所述的方法，其中，所述多个采样集包括其具有来自多信号接收机的值的采样集，并且其中，所述增加的采样集包括来自针对所述多信号接收机所增加的输入信号的采样值。

8.根据权利要求1所述的方法，该方法还包括以下步骤：基于所述经过增维的平方根矩阵，对其包括所述增加的采样集的新的多个采样集进行处理。

9.根据权利要求1所述的方法，该方法还包括以下步骤：在补偿所述平方根矩阵之前初始化所述平方根矩阵。

10.根据权利要求9所述的方法，其中，初始化所述平方根矩阵的步骤包括以下步骤：

设置等于零矩阵的第一协方差矩阵；

基于迭代更新的信道估计来迭代更新所述第一平方根矩阵，以生成初始平方根矩阵。

11.根据权利要求9所述的方法，其中，初始化所述平方根矩阵的步骤包括以下步骤：

定义秩为1的协方差矩阵；

基于所述秩为1的协方差矩阵来确定第一平方根矩阵；

基于奇异矩阵更新过程来对所述第一协方差矩阵进行n次迭代更新，以生成秩为n的平方根矩阵；以及

基于非奇异矩阵更新过程来对所述秩为n的平方根矩阵进行迭代更新，以生成初始平方根矩阵。

12.一种对表示多个采样集之间的互相关度的协方差矩阵的平方根矩阵进行降维、以由此反映移除所述采样集中的一个采样集的方法，该方法包括以下步骤：

确定针对所移除的采样集的衰减相关度和噪声功率；

从与所述协方差矩阵相对应的三角矩阵和对角矩阵中，移除与所移除的采样集相对应的行和列，由此获得经过降维的三角矩阵和对角矩阵；以及

基于所述经过降维的三角矩阵、所述经过降维的对角矩阵、所述衰减相关度以及所述噪声功率，来计算经过降维的平方根矩阵。

13.根据权利要求12所述的方法，其中，所述多个采样集包括其具有来自RAKE接收机或GRAKE接收机的多个耙指的值的多个采样集，并且其中，所移除的采样集包括来自针对所述RAKE接收机或所述GRAKE接收机而去分配的耙指的采样值。

14.根据权利要求12所述的方法，其中，所述多个采样集包括其具有来自码片均衡器的多个抽头延迟输出的值的多个采样集，并且其中，所移除的采样集包括来自针对所述码片均衡器而去分配的抽头延迟输出的采样值。

15.根据权利要求12所述的方法，其中，所述多个采样集包括其具有来自多信号接收机的值的采样集，并且其中，所移除的采样集包括来自对于所述多信号接收机不再有关的输入信号的采样值。

16.根据权利要求12所述的方法，该方法还包括以下步骤：基于所述经过降维的平方根矩阵来对新的多个采样集进行处理，所述新的多个采样集排除了所移除的采样集。

17.根据权利要求12所述的方法，该方法还包括以下步骤：在对所述平方根矩阵进行降维之前初始化所述平方根矩阵。

18.根据权利要求17所述的方法，其中，初始化所述平方根矩阵的步骤包括以下步骤：

设置等于零矩阵的第一协方差矩阵；

基于n个依次生成的信道估计集来对所述第一协方差矩阵进行n次迭代更新，以生成秩为n的协方差矩阵；

确定所述秩为n的协方差矩阵的平方根，以生成第一平方根矩阵；以及

基于迭代更新的信道估计来迭代更新所述第一平方根矩阵，以生成初始平方根矩阵。

19.根据权利要求17所述的方法，其中，初始化所述平方根矩阵的步骤包括以下步骤：

定义秩为1的协方差矩阵；

基于所述秩为1的协方差矩阵来确定第一平方根矩阵；

基于奇异矩阵更新过程来对所述第一协方差矩阵进行n次迭代更新，以生成秩为n的平方根矩阵；以及

基于非奇异矩阵更新过程来对所述秩为n的平方根矩阵进行迭代更新，以生成初始平方根矩阵。

20.一种对表示多个采样集之间的互相关度的协方差矩阵的平方根矩阵进行增维、以由此反映所增加的采样集的设备，包括：

装置，用于确定针对所述增加的采样集的衰减相关度和噪声功率；

装置，用于基于所述衰减相关度和所述噪声功率来补偿所述平方根矩阵；以及

装置，用于通过增加具有根据所述噪声功率导出的对角元素和根据所述衰减相关度导出的非对角元素的列和行，来对所述经过补偿的平方根矩阵进行增维。

21.根据权利要求20所述的设备，其中，所述多个采样集包括其具有来自RAKE接收机或GRAKE接收机的多个耙指的值的多个采样集，并且其中，所述增加的采样集包括来自针对所述RAKE接收机或所述GRAKE接收机所增加的耙指的采样值。

22.根据权利要求20所述的设备，其中，所述多个采样集包括其具有来自码片均衡器的多个抽头延迟输出的值的多个采样集，并且其中，所述增加的采样集包括来自针对所述码片均衡器所增加的抽头延迟输出的采样值。

23.根据权利要求20所述的设备，其中，所述多个采样集包括其具有来自多信号接收机的值的采样集，并且其中，所述增加的采样集包括来自针对所述多信号接收机所增加的输入信号的采样值。

24.一种对表示多个采样集之间的互相关度的协方差矩阵的平方根矩阵进行降维、以由此反映移除所述采样集中的一个采样集的设备，包括：

装置，用于确定针对所移除的采样集的衰减相关度和噪声功率；

装置，用于从与所述协方差矩阵相对应的三角矩阵和对角矩阵中，移除与所移除的采样集相对应的行和列，以由此获得经过降维的三角矩阵和经过降维的对角矩阵；以及

装置，用于基于所述经过降维的三角矩阵、所述经过降维的对角矩阵、所述衰减相关度以及所述噪声功率，来计算经过降维的平方根矩阵。

25.根据权利要求24所述的设备，其中，所述多个采样集包括其具有来自RAKE接收机或GRAKE接收机的多个耙指的值的多个采样集，并且其中，所移除的采样集包括来自针对所述RAKE接收机或所述GRAKE接收机而去分配的耙指的采样值。

26.根据权利要求24所述的设备，其中，所述多个采样集包括其具有来自码片均衡器的多个抽头延迟输出的值的多个采样集，并且其中，所移除的采样集包括来自针对所述码片均衡器而去分配的抽头延迟输出的采样值。

27.根据权利要求24所述的设备，其中，所述多个采样集包括其具有来自多信号接收机的值的采样集，并且其中，所移除的采样集包括来自对于所述多信号接收机不再有关的输入信号的采样值。

Images