CN101536339A - 用于无线通信的迭代检测和抵消 - Google Patents

Abstract

描述了在存在干扰发射的情况下恢复所需发射的技术。为了进行迭代检测和抵消，为至少一个扇区的多个码道形成多组码道。在多次迭代中处理这多组码道。对于每一次迭代，在多级中对这多组码道进行数据检测和信号抵消，例如按照顺序从最强组开始直到最弱组。每一次迭代中的每一级都进行数据检测、信号重构和信号抵消。每一次迭代中的每一级还可以进行均衡、数据检测、信号重构和信号抵消。

Description

用于无线通信的迭代检测和抵消

技术领域

笼统地说，本发明涉及通信。具体而言，本发明涉及恢复无线通信中的发射的技术。

背景技术

无线多址通信系统能够与多个无线设备(例如蜂窝电话)同时通信。这种多址系统的实例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统和正交FDMA(OFDMA)系统。

无线多址系统通常包括为很大的地理区域提供通信覆盖的许多基站。每个基站都可以发射数据给位于其覆盖区内的一个或多个无线设备。给定的无线设备会收到来自服务基站的所需要的发射，也会收到来自附近基站产生干扰的发射。产生干扰的这些发射是给位于附近基站覆盖区内的其它无线设备的，但是对于这个给定无线设备却成了干扰。这种干扰会妨碍无线设备恢复所需要的发射的能力，对性能的影响很大。

因此在这个领域中需要在无线通信系统中存在产生干扰的发射的情况下恢复所需要的发射的技术。

发明内容

在这里描述了存在产生干扰的发射的情况下恢复所需要的发射的技术。在一个实施例中，为至少一个扇区的多个码道形成多组码道(也称为用户组)。每一组可以包括一个扇区的全部码道，一个扇区全部码道的一个子集，或者多个扇区的多个码道。在多次迭代中处理这多组码道。对于每一次迭代，在多级中对这多组码道进行数据检测和信号抵消，例如按照顺序从具有最强接收功率的第一组开始，到具有最弱接收功率的最后一组结束。

在一个实施例中，对于每一次迭代中的每一级，进行数据检测来获得被这一级处理的一组码道的检测到的信号。基于检测到的信号来重构这一组码道的信号。抵消重构出来的信号来获得这一级的输出信号。在另一个实施例中，对于每一次迭代中的每一级，进行均衡来获得这一级处理的一组码道的均衡过的信号。对均衡过的信号进行数据检测来获得这一组组码道的检测到的信号。基于检测到的信号来重构这一组码道的信号。抵消重构出来的信号来获得这一级的输出信号。

在迭代处理之前可以进行因果抵消或因果和非因果抵消。下面描述抵消和迭代处理的各个细节。下面还进一步详细描述本公开的各个方面和实施例。

附图说明

图1示出CDMA系统。

图2示出基站和无线设备的框图。

图3示出CDMA调制器的框图。

图4示出用于迭代检测和抵消的处理器。

图5示出进行检测和抵消的一级。

图6示出进行均衡、检测和抵消的一级。

图7示出用于迭代检测和抵消，具有因果抵消和非因果抵消的处理器。

图8示出码道增益估计单元。

图9示出用于进行迭代检测和抵消的过程。

图10示出一级的检测和抵消过程。

图11示出一级的均衡、检测和抵消过程。

具体实施方式

这里描述的技术可以用于各种通信系统，例如CDMA、TDMA、FDMA、OFDMA和单载波FDMA(SC-FDMA)系统。CDMA系统可以采用cdma2000、宽带CDMA(W-CDMA)等等无线电技术。cdma2000覆盖IS-2000、IS-856和IS-95标准。TDMA系统可以采用全球移动通信系统(GSM)这种无线电技术。这些各色各样的无线电技术和标准在本领域中是公知的。在称为“第三代伙伴计划”(3GPP)的组织的文件中描述了W-CDMA和GSM。在称为“第三代伙伴计划2”(3GPP2)的组织的文件中描述了cdma2000。3GPP和3GPP2的文件是公众都能够获得的。OFDMA系统使用OFDM在正交频率子载波上在频域发送符号。SC-FDMA系统在正交频率子载波上在时域发送符号。为了清楚起见，下面针对可能是cdma2000系统或W-CDMA系统的CDMA系统描述这些技术。

图1示出具有多个基站110和多个无线设备120的CDMA系统100。一般而言，基站是与无线设备通信的固定站，也可以称为节点B、接入点等等。每个基站110为特定地理区域102提供通信覆盖。根据使用环境不同，“小区”这个术语可以是指基站和/或它的覆盖区。为了提高系统容量，可以将基站覆盖区划分成多个较小区域，例如三个较小区域104a、104b和104c。每个较小区域都由一个相应的基地收发信机子系统(BTS)提供服务。根据使用上下文不同，“扇区”这个术语可以是指BTS和/或它的覆盖区。对于划分了扇区的小区，这个小区所有扇区的BTS通常都一起在这个小区的基站内。系统控制器130连接到基站110，并为这些基站提供协调和控制。

这里描述的技术可以用于具有划分了扇区的小区的系统以及具有没有划分扇区的小区的系统。在以下描述中，“扇区”这个术语可以是指(1)具有划分了扇区的小区的系统的BTS和/或它的覆盖区和(2)具有没有划分扇区的小区的系统的基站和/或它的覆盖区。在这里以能够互相交换的方式使用“扇区”和“基站”这两个术语。

无线设备120通常散布在整个系统中，并且每个无线设备都可以是静止的或移动的。还可以将无线设备称为移动台、用户设备、终端、站、用户单元等。无线设备可以是蜂窝电话、个人数字助理(PDA)、无线调制解调器卡、手持设备、膝上型计算机等。无线设备可以在任意时刻在前向和反向链路上与零个、一个或多个基站通信。前向链路(或下行链路)指的是从基站到终端的通信链路，反向链路(或上行链路)指的是从终端到基站的通信链路。为了简单起见，图1只示出了前向链路上的传输。

图2示出基站110和无线设备120的框图，它们可以是图1所示基站之一和无线设备之一。为了简单起见，图2示出具有一个发射天线的基站110和具有一个接收天线的无线设备120。一般而言，基站110和无线设备120可以各自配备任意数量的天线。为了简单起见，图2只示出了前向链路上数据传输的处理单元。

在基站110中，发射(TX)数据处理器210接收被服务无线设备的业务数据，处理(例如编码、交织和符号映射)这些业务数据来生成数据符号，将数据符号提供给CDMA调制器220。如同这里所使用的一样，数据符号是数据的调制符号，导频符号是导频的调制符号，调制符号是(例如M-PSK或M-QAM的)信号星座图中点的复值，符号一般是复值，导频是基站和无线设备事先知道的数据。CDMA调制器220按照下面描述的方式处理数据符号和导频符号，并提供输出码片。发射机(TMTR)230处理(例如转换成模拟的，放大、滤波和上变频)输出码片流，并生成前向链路信号，将其从天线232发射出去。

在无线设备120中，天线252从基站110和其它基站接收前向链路信号，并提供接收到的信号。接收机(RCVR)254处理(例如滤波、放大、下变频和数字化)接收到的信号，并提供接收样本给处理器260。处理器260可以进行迭代检测和抵消，如同下面所描述的一样。天线252可以通过一条或多条信号路径从基站110接收前向链路信号，接收到的信号可以包括基站110的一个或多个信号实例(或多条路径)。瑞克接收机270可以用于处理感兴趣的全部多条路径。处理器260或瑞克接收机270提供数据符号估计，它们是基站110发送给无线设备120的数据符号的估计。接收(RX)数据处理器280处理(例如符号解映射、解交织和解码)这些数据符号估计，并提供已解码数据。总之，处理器260/瑞克接收机270和RX数据处理器280的处理与基站110中CDMA调制器220和发射数据处理器210所做的处理分别互补。

控制器/处理器240和290分别引导基站110和无线设备120中的操作。存储器242和292分别为基站110和无线设备120存储数据和程序代码。

在CDMA中，可以用不同的正交码来获得多个正交码道。还可以将这些码道称为业务信道、物理信道、数据信道等。例如，在cdma2000中利用不同的沃尔什码获得多个正交业务信道，在W-CDMA中利用不同的正交可变扩展因子(OVSF，Orthogonal Variable Spreading Factor)码来获得多个正交物理信道。可以将这些码道用于发送不同类型的数据(例如业务数据、广播数据、控制数据、导频等)和/或不同用户的业务数据。对这些码道的数据进行缩放、组合并在整个系统带宽上进行频谱扩展。频谱扩展是利用扩展码来进行的。在cdma2000中，它是一个伪随机(PN)码。在W-CDMA中，它是一个加扰码。在cdma2000中，将利用沃尔什码进行的信道化称为“掩盖(covering)”，将频谱扩展称为“扩展”。在W-CDMA中，将利用OVSF码进行的信道化称为“扩展”，而将频谱扩展称为“加扰”。为了清楚起见，在以下描述中采用cdma2000的术语(例如掩盖、扩展、沃尔什码和伪随机码)。

图3示出基站110中CDMA调制器220的框图。为了简单起见，在以下描述中假设每个扇区有N个码道，给每个码道分配长度为N的不同沃尔什码，其中N可以等于16、32、64、128、256等。总之，可以将不同长度的正交码用于码道，N可以对应于最长正交码的长度。为了简单起见，在以下描述中假设这N个码道是N个用户的，以能够互相交换的方式使用“码道”和“用户”这两个术语。实际上，一些码道被用于开销，例如导频、控制数据、广播数据等。

CDMA调制器220包括N个码道的N个码道处理器310a～310n。在每个码道处理器310中，乘法器312接收扇区k中码道n的数据或导频符号，并以增益g_k，n进行缩放，提供缩放后的符号。如果扇区k不使用码道n，就将增益g_k，n设置成零。沃尔什掩盖单元314利用码道n的沃尔什码w_n对缩放后的符号进行信道化。单元314按照以下方式来进行掩盖：通过重复每个缩放后的符号，生成N个复制的符号，并将这N个复制的符号乘以沃尔什码w_n的N个码片，生成这个缩放后符号的N个数据码片。合并器320接收全部N个码道的数据码片并将它们加起来。伪随机数扩展器322将组合后的数据码片与分配给扇区k的伪随机码c_k相乘，生成输出码片。

可以用矩阵形式将一个符号周期中扇区k的输出码片表示为：

s _k＝C _k W G _k d _k＝A _k d _k     (1)

其中：d _k是在扇区k的N个码道上发送的数据符号的N×1向量；

      G _k是扇区k中N个码道的增益的N×N对角矩阵；

      W是N×N Hadamard矩阵，它在N列中包含N个沃尔什码；

  C _k是N×N对角矩阵，它包含扇区k的伪随机码的N个码片；

  A _k是数据向量d _k的N×N处理矩阵；并且

  s _k是扇区k的输出码片的N×1向量。

为了清楚起见，用粗体和加了下划线的小写字母标识向量(例如d)，用粗体和加了下划线的大小字母表示矩阵(例如G)。对角矩阵在对角线上可以有非零值，在其它地方为零。

向量d _k包含要在一个符号周期内在N个码道上同时发送的N个数据符号。矩阵G _k在对角线上包含N个码道的N个增益，在其它位置为零。N个增益决定N个码道使用的发射功率。矩阵W在N列中包含N个码道的N个沃尔什码。如果码道具有不同的沃尔什码长度，那么N等于全部码道的最长沃尔什码长度，在矩阵W中重复每个较短的沃尔什码。由于将同样的矩阵W用于所有扇区，因此W不使用下标k。矩阵C _k在对角线上包含N个伪随机码片，在其它地方是零。这些伪随机码片来自一个符号周期的扇区k的伪随机码。向量s _k包含扇区k在一个符号周期中全部N个码道上发射的N个输出码片。

矩阵A _k代表数据向量d _k经历的全部处理，可以将它表示为：

A _k＝C _k WG _k        (2)

A _k的列代表码道/用户，A _k的行代表时间。

无线设备120接收来自K个扇区的前向链路信号，其中包括服务扇区和干扰扇区。一般而言，K可以是任意值。没有噪声的情况下，接收到的每个扇区k的信号可以表示为：

x _k＝H _k C _k W G _k d _k＝H _k A _k d _k＝H _k s _k      (3)

其中：H _k是扇区k的(N+Δ)×N信道响应矩阵；

x _k是扇区k的接收样本的(N+Δ)×1向量；以及

Δ是无线信道的延迟扩展，单位是码片。

矩阵H _k在对角线上包含扇区k的信道增益，在其它地方是零。在没有噪声的情况下，对于一个符号周期，向量x _k包含扇区k的N+Δ个接收样本。为了简单起见，这里的描述针对的是d _k掩盖一个符号周期的情形。d _k还可以掩盖多个符号周期(例如前一个符号周期、当前符号周期和下一个符号周期)，以便将符号间干扰(ISI)考虑进来。在这种情况下，其它矩阵的尺寸会相应地增大。

对于全部K个扇区，可以将无线设备120收到的样本表示为：

$\underset{\‾}{y}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{x}}_k+\underset{\‾}{n}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{H}}_k{\underset{\‾}{A}}_k{\underset{\‾}{d}}_k+\underset{\‾}{n}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{H}}_k{\underset{\‾}{s}}_k+\underset{\‾}{n}---\left(4\right)$

其中：y是在无线设备120中收到的样本的(N+Δ)×1向量；并且

      n是在无线设备120中噪声的(N+Δ)×1向量。

为了简单起见，可以将噪声假设成具有零均值向量，协方差矩阵为 I的加性高斯白噪声(AWGN)，其中是噪声的方差，I是对角线上是1，其它地方为零的单位矩阵。

无线设备120可以进行迭代检测和抵消来恢复来自一个或多个扇区的一个或多个发射。对于迭代检测和抵消，对K个扇区中的用户(或者K个扇区的码道)进行多次迭代处理以提高性能。对于每一次迭代，在多级中处理K个扇区中的用户。每一级对一组用户进行检测和抵消，并提供抵消后的输出给下一级。因此，可以根据接收功率来对用户组排序。对于每一次迭代，第一级可以处理最强用户组，第二级可以处理第二强用户组，如此下去，最后一级处理最弱用户组。每一级都可以用各种技术来处理用户组，如同下面将描述的一样。

可以将K个扇区中的用户安排成M组，其中M可以是任意整数值。一般而言，每个用户组可以包括任意数量的用户和K个扇区中的任意用户。在一个实施例中，每个组包含预定数量的用户，例如L个用户，其中L可以是任意整数值。可以用各种方式来形成用户组。

在称为基于扇区的处理的一个实施例中，每个组包括一个扇区中的全部用户。在这个实施例中，可以形成M个用户组，每个用户组包括一个扇区中的L个用户，其中M＝K并且L＝N。可以从最强到最弱对这K个扇区排序。第一组可以包含最强扇区中的全部用户，第二组可以包含第二强扇区的全部用户，如此下去，最后一组包含最弱扇区中的全部用户。

在称为全局处理的另一个实施例中，确定全部扇区中全部用户的接收功率。然后对这些用户从最强到最弱进行排序，并存储在一个清单中。第一组可以包含清单中的L个最强用户，第二组可以包含L个第二强的用户，如此下去，最后一组可以包含清单中最弱的L个用户。在这个实施例中，给定组可以包含同一扇区或不同扇区中的用户。

在称为局部处理的另一个实施例中，每一组包含一个扇区中的用户的一个子集。可以根据用户的接收功率来对这些用户进行排序。第一组可以包含同一扇区中L个最强的用户，第二组可以包含同一扇区中其余用户中L个最强的用户，如此下去。

没有噪声的情况下，用户组m的接收信号可以表示为：

x _m＝H _m C _m W _m G _m d _m＝H _m A _m d _m＝T _m d _m        (5)

其中：d _m是组m中L个用户的L×1数据向量；

      G _m是组m中用户的L×L增益矩阵；

      W _m是组m中用户的沃尔什码的N×L矩阵；

      C _m是组m中用户的N×N伪随机数矩阵；

      H _m是组m中用户的(N+Δ)×N信道响应矩阵；

      T _m是数据向量d _m的(N+Δ)×L系统矩阵；以及

      x _m是用户组m的接收到的样本的(N+Δ)×1向量。

向量d _m和矩阵G _m、W _m分别包含组m中用户的数据符号、增益和沃尔什码。这些用户可能属于同一扇区或不同扇区。如果给组m中的多个用户分配了具有同一沃尔什码的码道，矩阵W _m可以包含复制的列。C _m包含向组m中的用户发射的全部扇区的伪随机码片。H _m包含组m中用户的复信道增益。如果组m中的用户属于一个扇区，那么C _m和H _m包含一个扇区中的伪随机码片和信道增益。如果组m中的用户属于多个扇区，那么C _m和H _m是块对角矩阵，其中包含伪随机码片和这多个扇区的信道增益，每个扇区一个对角信道增益矩阵和一个对角伪随机数矩阵。x _m包含没有噪声的情况下组m中全部用户的接收样本。

用户组m的系统矩阵由下式给出：

T _m＝H _m C _m W _m G _m       (6)

系统矩阵T _m表示数据向量d _m经历的全部处理和信道响应。T _m的高度与时间有关(按照码片数量计量)，T _m的宽度由组m中用户的数量决定。可以为全部K个扇区中的全部M·L个用户定义单独一个系统矩阵T。但是，对这单独一个大系统矩阵T进行处理的计算量很大。

可以将在无线设备120接收到的M个用户组的样本表示为：

$\underset{\‾}{y}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{x}}_m+\underset{\‾}{n}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{T}}_m{\underset{\‾}{d}}_m+\underset{\‾}{n}---\left(7\right)$

对于第一次迭代，每一级基于其输入信号进行数据检测，获得这一级处理的用户组的检测到的信号。每一级还为其用户组重构信号，并将重构出来的信号从其输入信号中减去，获得这一级的输出信号，这一级的输出信号是下一级的输入信号。作为实例，对于M＝3的情形，可以将接收信号表示为：

y＝T ₁ d ₁+T ₂ d ₂+T ₃ d ₃+n    (8)

接收信号y是第一次迭代的第一级的输入信号y _1，0，或者y _1，0＝y。

在第一次迭代中，可以将三个用户组的三级进行的处理表示为：

${\underset{\‾}{y}}_{\mathrm{1,1}}={\underset{\‾}{y}}_{\mathrm{1,0}}-{\underset{\‾}{T}}_1{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,1}}={\underset{\‾}{e}}_{\mathrm{1,1}}+{\underset{\‾}{T}}_2{\underset{\‾}{d}}_2+{\underset{\‾}{T}}_3{\underset{\‾}{d}}_3+\underset{\‾}{n},$

${\underset{\‾}{y}}_{\mathrm{1,2}}={\underset{\‾}{y}}_{1,1}-{\underset{\‾}{T}}_2{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,2}}={\underset{\‾}{e}}_{\mathrm{1,1}}+{\underset{\‾}{e}}_{\mathrm{1,2}}+{\underset{\‾}{T}}_3{\underset{\‾}{d}}_3+\underset{\‾}{n},$ 以及    (9)

${\underset{\‾}{y}}_{1,3}={\underset{\‾}{y}}_{1,2}-{\underset{\‾}{T}}_3{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,3}}={\underset{\‾}{e}}_{\mathrm{1,1}}+{\underset{\‾}{e}}_{\mathrm{1,2}}+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n}.$

其中：

到

分别是用户组1～3的检测到的信号；

      y _1，1到y _1，3分别是级1～3的输出信号；以及

      e _1，1到e _1，3分别是用户组1～3的残留误差。

公式组(9)中的每一行代表一级所进行的处理。每一级m进行数据检测来获得

，然后将用户组m的信号重构为

，接下来从输入信号y _1，m-1中减去重构出来的信号，来获得输出信号y _1，m。残留误差e _1，m是实际信号和重构出来的信号之间的差，或者说 ${\underset{\‾}{e}}_{1,m}={\underset{\‾}{T}}_m{\underset{\‾}{d}}_{1,m}-{\underset{\‾}{T}}_m{\underset{\‾}{\overset{^}{d}}}_{1,m}$ 。

然后可以对这三个用户组进行第二次迭代。将来自第一次迭代的最后一级的输出信号y _1，3用作第二次迭代的第一级的输入信号y _2，0，或者说y _2，0＝y _1，3。

在第二次迭代中，第一级可以将重构出来的第一用户组的信号加回到输入信号上去，即：

${\underset{\‾}{r}}_{\mathrm{2,1}}={\underset{\‾}{y}}_{\mathrm{2,0}}+{\underset{\‾}{T}}_1{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,1}}={\underset{\‾}{T}}_1{\underset{\‾}{d}}_1+{\underset{\‾}{e}}_{\mathrm{1,2}}+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n}---\left(10\right)$

其中r _2，1是重组(reconstituted)出来的信号，它包含第一用户组的信号和其它用户组的残留误差以及噪声。r _2，1中第一用户组的信号很可能具有比y更高的质量，因为r _2，1包含残留误差，而不是其它用户组的实际信号。

第一级对重组出来的信号r _2，1进行数据检测，获得第一用户组的改善了的检测到的信号。可以重构因为第一用户组的信号并且将因为第一用户组的信号从重组出来的信号中抵消掉，以获得第一级的输出信号，这个第一级的输出信号是下一级的输入信号。

对于第二次迭代，可以将三级对三个用户组的处理表示为：

${\underset{\‾}{r}}_{2,1}={\underset{\‾}{y}}_{2,0}+{\underset{\‾}{T}}_1{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,1}}={\underset{\‾}{T}}_1+{\underset{\‾}{d}}_1+{\underset{\‾}{e}}_{\mathrm{1,2}}+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n}$ 和 ${\underset{\‾}{y}}_{2,1}={\underset{\‾}{r}}_{2,1}-{\underset{\‾}{T}}_1{\underset{\‾}{\overset{^}{d}}}_{\mathrm{2,1}}={\underset{\‾}{e}}_{\mathrm{2,1}}+{\underset{\‾}{e}}_{\mathrm{1,2}}+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n},$

${\underset{\‾}{r}}_{2,2}={\underset{\‾}{y}}_{2,1}+{\underset{\‾}{T}}_2{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,2}}={\underset{\‾}{e}}_{\mathrm{2,1}}+{\underset{\‾}{T}}_2{\underset{\‾}{d}}_2+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n}$ 和 ${\underset{\‾}{y}}_{2,2}={\underset{\‾}{r}}_{2,2}-{\underset{\‾}{T}}_2{\underset{\‾}{\overset{^}{d}}}_{\mathrm{2,2}}={\underset{\‾}{e}}_{\mathrm{2,1}}+{\underset{\‾}{e}}_{\mathrm{2,2}}+{\underset{\‾}{e}}_{\mathrm{1,3}}+\underset{\‾}{n},---\left(11\right)$

${\underset{\‾}{r}}_{2,3}={\underset{\‾}{y}}_{2,2}+{\underset{\‾}{T}}_3{\underset{\‾}{\overset{^}{d}}}_{\mathrm{1,3}}={\underset{\‾}{e}}_{\mathrm{2,1}}+{\underset{\‾}{e}}_{\mathrm{2,2}}+{\underset{\‾}{T}}_3{\underset{\‾}{d}}_3+\underset{\‾}{n}$ 和 ${\underset{\‾}{y}}_{2,3}={\underset{\‾}{r}}_{2,3}-{\underset{\‾}{T}}_3{\underset{\‾}{\overset{^}{d}}}_{\mathrm{2,3}}={\underset{\‾}{e}}_{\mathrm{2,1}}+{\underset{\‾}{e}}_{\mathrm{2,2}}+{\underset{\‾}{e}}_{\mathrm{2,3}}+\underset{\‾}{n}.$

其中：r _2，1到r _2，3分别是第1～3级的重组出来的信号；

到

分别是用户组1～3的检测到的信号；

y _2，1到y _2，3分别是从第1～3级输出的信号；以及

e _2，1到e _2，3分别是用户组1～3的残留误差。

公式组(11)中的每一行表示一级进行的处理。每一级m通过将来自在先迭代的重构出来的信号

加回来生成重组出来的信号r _2，m，然后进行数据检测来获得

接下来将用户组m的信号重构为

并且随后将重构出来的信号从重组出来的信号r _2，m中减去来获得输出信号y _2，m。残留误差是实际信号和新重构出来的信号之间的差，或者说 ${\underset{\‾}{e}}_{2,m}={\underset{\‾}{T}}_m{\underset{\‾}{d}}_{1,m}-{\underset{\‾}{T}}_m{\underset{\‾}{\overset{^}{d}}}_{2,m}.$ 第二次迭代中检测到的信号应该比第一次迭代中检测到的信号更加准确。因此，第二次迭代中的残留误差e _2，m应该比第一次迭代中的残留误差e _1，m小。

总之，可以对M个用户组进行任意次数的迭代。可以将来自给定迭代i的最后一级的输出信号用作下一次迭代i+1的第一级的输入信号。对于第二次迭代以及在后(later)迭代中的每一级，将为用户组重构的信号加回到这一级的输入信号，来获得重组出来的信号。对于每一次迭代中的每一级，检测、重构用户组的信号，并且将它从这一级的输入信号/重组出来的信号中减去来获得用于下一级的输出信号。在每一次迭代以后信号质量一般都能得到改善。因此，每一次迭代以后，检测到的信号一般都更加准确。

图4示出用于迭代检测和抵消的处理器260a的框图，它是图2所示处理器260的一个实施例。处理器260a包括M个用户组的M个处理级420a～420M。对于基于扇区的处理，每一级为一个扇区进行处理。如果处理全部扇区，M可以等于K。或者如果处理较少的扇区，例如如果跳过弱扇区，M可以小于K。

在一个输入端给多路复用器410提供接收到的信号y，在其它输入端提供来自上一级420M的输出信号y _i，M，在这里下标i表示迭代次数。多路复用器410为第一次迭代提供接收到的信号y，为每一次后续迭代提供输出信号y _i，M。

M级420a～420M串联起来，将每一级的输出提供给下一级的输入。每一级420基于其输入信号y _i，m-1导出重组出来的信号r _i，m，对重组出来的信号进行数据检测来为这一级正在处理的用户m获得检测到的信号

。每一级420还为用户组m重构信号，并从重组出来的信号中减去重构出来的信号

，来获得这一级的输出信号y _i，M。

存储器430存储来自M级的中间结果，例如检测到的信号，重构出来的信号，等。中间结果可以以码片、符号等的形式存储。存储器430根据需要提供中间结果给这M级。

每一级都可以利用各种技术为它的用户组进行处理，例如检测和抵消技术以及均衡、检测和抵消技术。下面描述这些技术。

图5示出进行检测和抵消的级420x的一个实施例。可以将级420x用于图4中M级420a～420M中的每一级。在以下描述中，级420x被称为级m，并且为用户组m进行处理。

在级m中，加法器510从在先迭代接收级m的输入信号y _i，m-1，以及级m的重构出来的信号

。加法器510将这两个信号加起来，为级m提供重组出来的信号r _i，m，可以将它表示为：

${\underset{\‾}{r}}_{i,m}={\underset{\‾}{y}}_{i,m-1}+{\underset{\‾}{\overset{^}{x}}}_{i-1,m}---\left(12\right)$

其中 ${\underset{\‾}{\overset{^}{x}}}_{i-1,m}=\left\{\begin{array}{cc}0& i=1\\ {\underset{\‾}{T}}_m{\underset{\‾}{\overset{^}{d}}}_{i-1,m}& i>1\end{array}\right..$

对于第一次迭代，输入信号y _i，m-1包含用户组m的信号，

等于零，重组出来的信号等于输入信号，或者r _i，m＝y _i，m-1。对于每一次后续迭代，输入信号包含用户组m的残留误差e _i-1，m，并且将来自在先迭代i-1的用户m的重构出来的信号

加到输入信号y _i，m-1上去，来获得重组出来的信号r _i，m，它随后包含用户组m的信号。

块514对重组出来的信号r _i，m进行数据检测，并为用户组m提供检测到的信号

。可以用各种方式来进行数据检测，如同下面所描述的一样。块516基于检测到的信号为用户组m重构信号，并且提供为用户组m重构出来的信号

，可以将它表示为：

${\underset{\‾}{\overset{^}{x}}}_{i,m}={\underset{\‾}{T}}_m{\underset{\‾}{\overset{^}{d}}}_{i,m}---\left(13\right)$

加法器518从重组出来的信号中减去重构出来的信号，并为级m提供输出信号y _i，m，可以将它表示为：

${\underset{\‾}{y}}_{i,m}={\underset{\‾}{r}}_{i,m}-{\underset{\‾}{\overset{^}{x}}}_{i,m}---\left(14\right)$

可以将第i次迭代中级m的重组出来的信号r _i，m表示为：

r _i，m＝T _m d _m+v _i，m      (15)

其中v _i，m是第i次迭代中级m的总噪声和干扰。

可以将总噪声和干扰v _i，m表示为：

${\underset{\‾}{v}}_{1,m}=\underset{j=1}{\overset{m-1}{\mathrm{\Σ}}}{\underset{\‾}{e}}_{i,j}+\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{T}}_j{\underset{\‾}{d}}_j+\underset{\‾}{n}$   第一次迭代       (16)

${\underset{\‾}{v}}_{i,m}=\underset{j=1}{\overset{m-1}{\mathrm{\Σ}}}{\underset{\‾}{e}}_{i,j}+\underset{j=m+1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{e}}_{i-1,j}+\underset{\‾}{n}$    第i次迭代，i>1   (17)

对于第一次迭代，v _i，m包含在在先级中已经抵消了的用户组1～m-1的残留误差e _1，j，以及要在在后级中处理的用户组m+1～M的信号T _j d _j。对于每次后续迭代，v _i，m包含来自当前迭代i的用户组1～m-1的残留误差e _i，j，以及来自在先迭代i-1的用户组m+1～M的残留误差e _i-1，j。

可以用线性最小均方差(MMSE)、最小二乘(LS)或其它数据检测技术来对重组出来的信号进行数据检测。可以按照如下方式基于线性MMSE技术为用户组m进行数据检测：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={\underset{\‾}{R}}_{\mathrm{dd},m}{\underset{\‾}{T}}_m^H{({\underset{\‾}{T}}_m{\underset{\‾}{R}}_{\mathrm{dd},m}{\underset{\‾}{T}}_m^H+{\underset{\‾}{R}}_{\mathrm{vv},i,m})}^{-1}{\underset{\‾}{r}}_{i,m}---\left(18\right)$

其中： ${\underset{\‾}{R}}_{\mathrm{dd},m}=E\left\{{\underset{\‾}{d}}_m{\underset{\‾}{d}}_m^H\right\}$ 是用户组m的数据信号d _m的协方差；

${\underset{\‾}{R}}_{\mathrm{vv},i,m}=E\left\{{\underset{\‾}{v}}_{i,m}{\underset{\‾}{v}}_{i,m}^H\right\}$ 是总噪声和干扰向量v _i，m的协方差；

E{}表示期望操作；以及

“H”表示共轭转置。

可以假设d _m中的数据符号不相关，因此R _dd，m＝I。可以假设总噪声和干扰v _i，m是AWGN，因此 ${\underset{\‾}{R}}_{\mathrm{vv},i,m}={\mathrm{\σ}}_{v,i,m}^2\underset{\‾}{I},$ 其中

是第i次迭代中用户组m的总噪声和干扰的方差。可以按照如下方式来估计

接下来可以将等式(18)表示成：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={({\underset{\‾}{T}}_m^H{\underset{\‾}{T}}_m+{\mathrm{\σ}}_{v,i,m}^2\underset{\‾}{I})}^{-1}{\underset{\‾}{T}}_m^H{\underset{\‾}{r}}_{i,m}---\left(19\right)$

     $={\underset{\‾}{Z}}_{\mathrm{mmse},i,m}{\underset{\‾}{r}}_{i,m}$

其中： ${\underset{\‾}{Z}}_{\mathrm{mmse},i,m}={({\underset{\‾}{T}}_m^H{\underset{\‾}{T}}_m+{\mathrm{\σ}}_{v,i,m}^2\underset{\‾}{I})}^{-1}{\underset{\‾}{T}}_m^H$ 是第i次迭代中用户组m的MMSE数据检测滤波器。等式(19)是利用矩阵逆引理和上面描述的R _dd，m和R _vv，i，m的假设从等式(18)导出来的。

也可以按照如下方式基于最小二乘技术，为用户组m进行数据检测：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={\left({\underset{\‾}{T}}_m^H{\underset{\‾}{T}}_m\right)}^{-1}{\underset{\‾}{T}}_m^H{\underset{\‾}{r}}_{i,m}$

                                     (20)

     $={\underset{\‾}{Z}}_{\mathrm{ls},i,m}{\underset{\‾}{r}}_{i,m}$

其中： ${\underset{\‾}{Z}}_{\mathrm{ls},i,m}={\left({\underset{\‾}{T}}_m^H{\underset{\‾}{T}}_m\right)}^{-1}{\underset{\‾}{T}}_m^H$ 是第i次迭代中用户组m的最小二乘数据检测滤波器。

图6示出进行均衡、检测和抵消的级420y的一个实施例。还可以将级420y用于图4中M级420a～420M的每一级。在以下描述中，将级420y称为级m，并且它对用户组m进行处理。

在级m中，加法器610接收输入信号y _i，m-1和重构出来的信号

，将这两个信号相加，为级m提供重组出来的信号r _i，m。块612对重组出来的信号r _i，m进行均衡，提供用户组m的均衡后的信号

。块614对均衡后的信号进行数据检测，提供用户组m的检测到的信号

。块616基于检测到的信号重构用户组m的信号，提供用户组m的重构出来的信号

。加法器618从重组出来的信号中减去重构出来的信号，提供级m的输出信号y _i，m。

可以用线性MMSE、最小二乘或某种其它均衡技术来进行均衡。可以按照如下方式，基于线性MMSE技术来导出均衡器矩阵：

${\underset{\‾}{M}}_{\mathrm{mmse},i,m}={[{\underset{\‾}{H}}_m^H{\underset{\‾}{H}}_m+{\mathrm{\σ}}_{v,i,m}^2\underset{\‾}{I}]}^{-1}{\underset{\‾}{H}}_m^H---\left(21\right)$

其中M _mmse，i，m是第i次迭代中用户组m的MMSE均衡器矩阵。可以基于从用户组m的扇区收到的导频来估计H _m。M _mmse，i，m是

的函数，并且对于不同的迭代可以不同。

还可以按照如下方式基于最小二乘技术来导出均衡器矩阵：

${\underset{\‾}{M}}_{\mathrm{ls},m}={\left[{\underset{\‾}{H}}_m^H{\underset{\‾}{H}}_m\right]}^{-1}{\underset{\‾}{H}}_m^H---\left(22\right)$

其中M _ls，m是用户组m的最小二乘均衡器矩阵。

可以按照如下方式为用户组m进行均衡：

${\underset{\‾}{\overset{^}{s}}}_{i,m}={\underset{\‾}{M}}_{i,m}{\underset{\‾}{r}}_{i,m}$

     $={\underset{\‾}{M}}_{i,m}({\underset{\‾}{T}}_m{\underset{\‾}{d}}_m+{\underset{\‾}{v}}_{i,m})---\left(23\right)$

     $={\underset{\‾}{M}}_{i,m}{\underset{\‾}{T}}_m{\underset{\‾}{d}}_m+{\underset{\‾}{V}}_{i,m}$

    $={\underset{\‾}{M}}_{i,m}{\underset{\‾}{H}}_m{\underset{\‾}{A}}_m{\underset{\‾}{d}}_m+{\underset{\‾}{V}}_{i,m}$

其中：M _m是用户组m的均衡器矩阵；

V _i，m是用户组m的总噪声和干扰矩阵；以及

是第i次迭代中用户组m的均衡后的信号。

可以利用最小MMSE或最小二乘技术来导出均衡器矩阵M _m。

是用户组m的数据信号s _m的估计。

可以按照如下方式来近似等式(23)：

${\underset{\‾}{\overset{^}{s}}}_{i,m}\≈{\underset{\‾}{A}}_m{\underset{\‾}{d}}_m+{\underset{\‾}{V}}_{i,m}---\left(24\right)$

可以将总噪声和干扰V _i，m表示为：

V _i，m＝M _i，m v _i，m                   (25)

可以用线性MMSE、最小二乘或某种其它数据检测技术来对均衡后的信号进行数据检测。可以按照如下方式，基于线性MMSE技术，为用户组m进行数据检测：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={({\underset{\‾}{A}}_m^H{\underset{\‾}{A}}_m+{\underset{\‾}{R}}_{\mathrm{vv},i,m})}^{-1}{\underset{\‾}{A}}_m^H{\underset{\‾}{\overset{^}{s}}}_{i,m}$

     $={({\underset{\‾}{G}}_m^H{\underset{\‾}{W}}^H{\underset{\‾}{C}}_m^H{\underset{\‾}{C}}_m\underset{\‾}{W}{\underset{\‾}{G}}_s+{\underset{\‾}{R}}_{\mathrm{vv},i,m})}^{-1}{\underset{\‾}{A}}_m^H{\underset{\‾}{\overset{^}{s}}}_{i,m}---\left(26\right)$

     $={(N{\underset{\‾}{G}}_m^H{\underset{\‾}{G}}_m+{\underset{\‾}{R}}_{\mathrm{vv},i,m})}^{-1}{\underset{\‾}{A}}_m^H{\underset{\‾}{\overset{^}{s}}}_{i,m}$

其中R _vv，i，m是总噪声和干扰V _i，m的协方差矩阵。可以按照如下方式来确定增益矩阵G _m和协方差矩阵R _vv，i，m。

总噪声和干扰矩阵V _i，m可以近似为白色。可以按照如下方式来进行数据检测：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={(N{\underset{\‾}{G}}_m^H{\underset{\‾}{G}}_m+\mathrm{diag}\left({\underset{\‾}{R}}_{\mathrm{vv},i,m}\right))}^{-1}{\underset{\‾}{A}}_m^H{\underset{\‾}{\overset{^}{s}}}_{i,m}---\left(27\right)$

     $={\underset{\‾}{Z}}_{\mathrm{mmse},i,m}{\underset{\‾}{\overset{^}{s}}}_{i,m}$

其中 ${\underset{\‾}{Z}}_{\mathrm{mmse},i,m}={(N{\underset{\‾}{G}}_m^H{\underset{\‾}{G}}_m+\mathrm{diag}\left({\underset{\‾}{R}}_{\mathrm{vv},i,m}\right))}^{-1}{\underset{\‾}{A}}_m^H.$ Z _mmse，i，m是在V _i，m近似为白色的情况下用户组m的MMSE数据检测滤波器。由于

是对角矩阵，因此，逆运算变成简单的标量运算，可以避免等式(26)中的矩阵逆。

还可以按照如下方式，基于最小二乘技术，为用户组m进行数据检测：

${\underset{\‾}{\overset{^}{d}}}_{i,m}={\underset{\‾}{A}}_m^H{\underset{\‾}{\overset{^}{s}}}_{i,m}---\left(28\right)$

其中

是用户组m的最小二乘数据检测滤波器。

在图5和6所示的实施例中，重构出来的信号

存储在存储器430中，并在下一次迭代中被提供给加法器510和610。在另一个实施例中，检测到的信号

存储在存储器430中，用于在下一次迭代中生成重构出来的信号

。存储检测到的信号

使用存储器的较少。但是，存储重构出来的信号

能够避免从重新生成。

给定扇区发射的前向链路信号可以通过一条或多条信号路径到达无线设备。这些信号路径可以包括视距路径和/或反射路径，反射路径是因为环境中无线电波的反射产生的。多径效应引起ISI，这是接收到的信号中的数据符号随着时间的推移而被破坏，并且成为接收到的信号中一个或多个其它符号的干扰信号的现象。

可以同时处理前一个、当前和下一个符号周期的数据，以便捕获和去除ISI。于是可以将接收到的信号表示为：

y＝[T _p T _c T _n][d _p d _c d _n]^T+n          (29)

其中：d _p，d _c和d _n是三个符号周期的数据向量；以及

      T _p，T _c和T _n是三个符号周期的系统矩阵。

数据向量d _c包括当前符号周期(“c”)全部K个扇区中全部用户的数据符号。系统矩阵T _c掩盖当前符号周期的全部K个扇区中的全部用户。类似地，d _p和T _p掩盖在先符号周期(“p”)的全部用户，d _n和T _n掩盖下一符号周期(“n”)的全部用户。

等式(29)表明系统矩阵列空间中的三重递增，计算量的对应递增来源于同时考虑前一个、当前和下一个符号周期。

在也称为因果抵消的一个实施例中，在迭代处理之前从收到的信号减去前一个符号周期的检测到的符号。这个实施例能够减少计算量，同时将因为前一个符号的ISI考虑进来。可以存储符号周期t的检测到的符号并将它用于下一个符号周期t+1。在符号周期t+1中，可以按照如下方式从输入信号中减去前一个符号周期t的存储的检测到的符号：

${\underset{\‾}{y}}_c=\underset{\‾}{y}-{\underset{\‾}{T}}_p{\underset{\‾}{\overset{^}{d}}}_p\≈\left[{\underset{\‾}{T}}_c{\underset{\‾}{T}}_n\right]{\left[{\underset{\‾}{d}}_c{\underset{\‾}{d}}_n\right]}^T+{\underset{\‾}{n}}_c---\left(30\right)$

其中：

是在先符号周期的全部用户的检测到的符号的向量；以及

      y _c是具有因果抵消的接收到的信号。

在    称为因果和非因果抵消的另一个实施例中，在迭代处理之前从收到的信号减去前一个、当前和下一个符号周期的检测到的符号。可以利用因果抵消对例如收到的信号y _c进行一轮处理，来获得感兴趣的全部符号周期的检测到的符号，可以将它们存储在存储器中。可以按照如下方式来获得具有因果和非因果抵消的接收到的信号：

${\underset{\‾}{y}}_{\mathrm{cn}}=\underset{\‾}{y}-{\underset{\‾}{T}}_p{\underset{\‾}{\overset{^}{\hat{d}}}}_p-{\underset{\‾}{T}}_n{\underset{\‾}{\overset{^}{d}}}_n\≈{\underset{\‾}{T}}_c{\underset{\‾}{d}}_c+{\underset{\‾}{v}}_{i,m}---\left(31\right)$

其中：

是在先符号周期的全部用户的检测到的符号的向量；以及

      y _cn是具有因果和非因果抵消的接收到的信号。

在第二轮处理中，对于当前符号周期，从接收到的信号减去在这一轮中为在先符号周期获得的检测到的符号

以及在第一轮中为当前和下一符号周期获得的检测到的符号

和来获得y _cn。然后对y _cn进行迭代处理来为当前符号周期获得检测到的符号

从下一符号周期中接收到的信号中减去 ${\underset{\‾}{\overset{^}{\hat{d}}}}_c.$

图7示出用于迭代检测和抵消，具有因果抵消和非因果抵消的处理器260b的框图，它是图2所示处理器260的另一个实施例。对于第一轮，框702基于来自存储器730的重构的信号 ${\underset{\‾}{\overset{^}{x}}}_p={\underset{\‾}{T}}_p{\underset{\‾}{\overset{^}{d}}}_p$ 对接收到的信号y进行因果抵消，例如如同等式(30)所示，并提供具有因果抵消的接收到的信号y _c。对于第二轮，框704基于来自存储器730的重构的信号 ${\underset{\‾}{\overset{^}{\hat{x}}}}_p={\underset{\‾}{T}}_p{\underset{\‾}{\overset{^}{\hat{d}}}}_p$ 和 ${\underset{\‾}{\overset{^}{x}}}_n={\underset{\‾}{T}}_n{\underset{\‾}{\overset{^}{d}}}_n,$ 对接收到的信号进行因果和非因果抵消，例如如同等式(31)所示，并提供具有因果和非因果抵消的接收到的信号y _cn。

在一个输入端给多路复用器710提供来自框702的接收到的信号y _c，在另一个输入端提供来自框704的接收到的信号y _cn，并且在第三个输入端提供来自最后一级720M的输出信号y _i，M。多路复用器710为第一轮的第一次迭代提供接收到的信号y _c，为第二轮的第一次迭代提供接收到的信号y _cn，并且为每一次后续迭代提供输出信号y _i，M。处理级720a～720M按照如上所述处理来自多路复用器710的信号。例如，可以按照图5或6所示实现每一处理级720。存储器730存储检测到的信号和/或重构出来的信号，并且适当的时候提供这些信号给框702、框704和级720。

在每一次迭代中，可以按照从最强用户组到最弱用户组的顺序处理M个用户组。这样能够提高每一用户组的检测性能，因为来自最强用户组的信号(如果有的话)已经被抵消。也可以按照其它顺序来处理用户组。总而言之，顺序处理这些用户组能够为后续处理的用户组逐渐改善信号质量，因为已经去除了早先处理的用户组的产生干扰的信号。

无线设备可能希望恢复来自单个扇区的信号。在一个实施例中，在抵消了来自其它用户组的信号以后，在最后一级处理包含所需要的信号的用户组。在另一个实施例中，如上所述，从强到弱处理M个用户组。如果所希望的用户组不是处理的最后用户组，那么就可以将所希望的用户组的重构出来的信号加回到来自最后一级的输出信号，来获得所需要的用户组的重组出来的信号。然后可以处理重组出来的信号，来检测所需要的信号。

无线设备可能希望从多个扇区恢复信号，例如针对软切换。在一个实施例中，在抵消了来自其它用户组的信号以后，在最后几级处理包含来自这些扇区的所需要的信号的用户组。在另一个实施例中，如上所述，从强到弱处理M个用户组。对于每个所希望的用户组，可以将这个用户组的重构出来的信号加回到来自最后一级的输出信号，并且处理重组出来的信号，来恢复来自这个用户组的信号。

M个用户组的后续处理，每次一个用户组，具有特定优点。首先，一个用户组的向量和矩阵的大小可以比全部多用户检测(MUD)中全部用户的向量和矩阵的大小要小。其次，M个用户组的后续处理使得每个后续处理的用户组的信号质量逐渐改善。M个用户组的迭代处理还能够提高检测性能。

在等式(19)中，可以按照如下方式估计第i次迭代中用户组m的总噪声和干扰的方差

。可以将无线设备处的总的接收功率P_{total_rx}表示为：

$P_{\mathrm{total}\_\mathrm{rx}}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}(\underset{i}{\mathrm{\Σ}}{h}_{k,j}^2\·\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{g}_{k,n}^2)+{\mathrm{\σ}}_n^2=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i}{\mathrm{\Σ}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_{k,j}^2\·g_{k,n}^2+{\mathrm{\σ}}_n^2---\left(32\right)$

其中h_k，i是扇区k的信号路径i的信道增益。根据无线环境的不同，每个扇区可以与无线设备处任意数量的信号路径有关。

对于第一次迭代中的每一级m，已经去除了(虽然并不彻底)在先级处理过的用户组的功率，并且级m处理的用户组的功率不是噪声功率的一部分。可以将总的接收功率表示为：

P_{total_rx}＝P_{prior_stages}+P_{current_stage}+P_{later_stages}          (33)

其中P_{prior_stages}，P_{current_stage}和P_{later_stages}分别是在先、当前和在后级处理的用户组的功率。P_{later_stages}还可能包括没有处理的组的功率。第一次迭代和每一次后续迭代之间的功率可能不同。

理想情况下， ${\mathrm{\σ}}_{v,1,m}^2=P_{\mathrm{later}\_\mathrm{stages}}+{\mathrm{\σ}}_n^2,$ 因为已经去除了在先级的功率。可以将

表示为：

${\mathrm{\σ}}_{v,1,m}^2=\underset{k\∈K_m}{\mathrm{\Σ}}\underset{n\∈N_m}{\mathrm{\Σ}}{h}_k^2\·g_{k,n}^2+{\mathrm{\σ}}_n^2---\left(34\right)$

其中K_m和N_m包括在后级处理的全部用户组。

对于每一次后续迭代，由来自当前迭代i的用户组1～m-1的残留误差e _i，j以及来自在先迭代i-1的用户组m+1～M的残留误差e _i-1，j来确定

。

可以将等式(34)中的热噪声

表示为：

${\mathrm{\σ}}_n^2=P_{\mathrm{total}\_\mathrm{rx}}-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_k^2\·g_{k,n}^2=E\left\{\underset{\‾}{y}{\underset{\‾}{y}}^H\right\}-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{h}_k^2\·g_{k,n}^2---\left(35\right)$

在等式(26)和(27)中，可以按照如下方式来估计协方差矩阵R _vv，i，m。可以将等式(23)重写为：

${\underset{\‾}{\overset{^}{s}}}_{i,m}={\underset{\‾}{B}}_{i,m}+{\underset{\‾}{V}}_{i,m}---\left(36\right)$

其中B _i，m＝M _i，m H _m A _m d _m。可以将

、B _i，m和V _i，m的协方差表示为：

R _ss，i，m＝R _bb，i，m+R _vv，i，m          (37)

可以将的协方差表示为：

${\underset{\‾}{R}}_{\mathrm{ss},i,m}=E\left\{{\underset{\‾}{\overset{^}{s}}}_{i,m}{\underset{\‾}{\overset{^}{s}}}_{i,m}^H\right\}---\left(38\right)$

可以通过计算

的外积并且在多个符号周期上进行平均来估计R _ss，i，m。

可以将B _i，m的协方差表示为：

${\underset{\‾}{R}}_{\mathrm{bb},i,m}=E\left\{{\underset{\‾}{M}}_{i,m}{\underset{\‾}{H}}_m{\underset{\‾}{A}}_m{\underset{\‾}{A}}_m^H{\underset{\‾}{H}}_m^H{\underset{\‾}{M}}_{i,m}^H\right\}---\left(39\right)$

可以估计A _m、H _m和M _i，m并将它们用于导出R _bb，i，m。

于是可以将V _i，m的协方差表示为：

${\underset{\‾}{R}}_{\mathrm{vv},i,m}=E\left\{{\underset{\‾}{V}}_{i,m}{\underset{\‾}{V}}_{i,m}^H\right\}={\underset{\‾}{R}}_{\mathrm{ss},i,m}-{\underset{\‾}{R}}_{\mathrm{bb},i,m}---\left(40\right)$

可以估计每个扇区中每个用户(或码道)的增益，并将它用于形成每个用户组的增益矩阵G _m。为了估计这些增益，可以按照如下方式处理接收到的信号y：

${\underset{\‾}{q}}_k={\underset{\‾}{W}}^H{\underset{\‾}{C}}_k^H{\underset{\‾}{H}}_k^H\underset{\‾}{y}$

    $={\underset{\‾}{W}}^H{\underset{\‾}{C}}_k^H{\underset{\‾}{H}}_k^H({\underset{\‾}{H}}_k{\underset{\‾}{C}}_k\underset{\‾}{W}{\underset{\‾}{G}}_k{\underset{\‾}{d}}_k+\underset{j=1,j\≠k}{\overset{K}{\mathrm{\Σ}}}{\underset{\‾}{H}}_j{\underset{\‾}{C}}_j\underset{\‾}{W}{\underset{\‾}{G}}_j{\underset{\‾}{d}}_j+\underset{\‾}{n})---\left(41\right)$

    $={\underset{\‾}{\mathrm{\Ω}}}_k{\underset{\‾}{G}}_k{\underset{\‾}{d}}_k+{\underset{\‾}{v}}_k$

其中： ${\underset{\‾}{\mathrm{\Ω}}}_k={\underset{\‾}{W}}^H{\underset{\‾}{C}}_k^H{\underset{\‾}{H}}_k^H{\underset{\‾}{H}}_k{\underset{\‾}{C}}_k\underset{\‾}{W};$

v _k是扇区k的噪声和干扰的向量；以及

q _k是扇区k的解掩盖后的(decovered)符号的向量。

可以将q _k的元素表示为：

$E\left\{{\left|q_{k,n}\right|}^2\right\}={\left|{\mathrm{\α}}_{k,n}\right|}^2{g}_{k,n}^2+{\mathrm{\σ}}_{v,k}^2---\left(42\right)$

其中：q_k，n是q _k的第n个元素，

α_k，n和g_k，n分别是Ω _k和G _k的第n个对角元素；以及

是v _k的方差。

等式(42)中的平方运算和期望去除了d _k中的数据符号，假设它们不相关。

可以通过如下运算来估计噪声和干扰方差：取连续符号周期的导频信道的q_k，pilot的差，计算这个差的平方幅度，对这个平方幅度进行滤波来获得

的估计。然后从E{|q_k，n|²}中减去估计出来的

来获得的估计，如同以下公式所示：

$G_{k,n}=E\left\{{\left|q_{k,n}\right|}^2\right\}-{\mathrm{\σ}}_{v,k}^2={\left|{\mathrm{\α}}_{k,n}\right|}^2{g}_{k,n}^2---\left(43\right)$

其中：G_k，n是码道n的缩放后的功率增益。

接下来可以导出码道的缩放后的增益：

$\frac{g_{k,n}}{g_{k,\mathrm{pilot}}}=\sqrt{\frac{G_{k,n}}{G_{k,\mathrm{pilot}}}}---\left(44\right)$

其中：g_k，pilot和G_k，pilot分别是扇区k的导频信道的增益和功率增益。

在等式(44)中，相对于导频信道的增益g_k，pilot来给出码道的增益。这是希望的形式，因为信道响应矩阵H _k也是基于导频导出的，并且包括导频信道的增益g_k，pilot，它会被来自等式(44)的缩放后的增益抵消。

可以针对每个扇区来进行等式(43)～(44)所示的处理。可以基于为每个用户组中的用户估计出来的增益，形成这个组的增益矩阵G _m。

图8示出码道增益估计单元800的框图。图8示出进行处理来估计一个扇区k的N个码道的增益。在增益估计单元800中，单元810进行信道匹配滤波，并且将y中收到的样本乘以扇区k的H _k中的复共轭信道增益。乘法器812将单元810的输出乘以扇区k的复共轭伪随机码片并提供解扩后的样本。单元814对每个符号周期的N个解扩后的样本进行N点快速Hadamard变换，并提供N个码道的N个解掩盖后的符号，它们是q _k的N个元素。单元814有效地对全部N个码道进行沃尔什解掩盖。

单元820a计算每个码道的解掩盖后的符号的平方幅度。滤波器822a为每个码道对单元820a的输出进行滤波。滤波器822a的输出是等式(42)中期望值的估计。

基于导频信道的解掩盖后的符号来估计噪声和干扰方差。单元816为导频信道的每个解掩盖后的符号提供一个符号周期的延迟。加法器818从当前解掩盖后的符号减去经过延迟后的解掩盖后的符号，提供它们之间的差。由于导频符号是常数，计算这个差能够去除导频调制，同时捕获噪声和干扰，假设这些噪声和干扰在符号周期之间是随机的。单元820b计算来自加法器818的差的平方幅度，进一步将这个结果除以2，从而将加法器818进行的差运算考虑进来。滤波器822b对单元820b的输出进行滤波，并提供估计出来的噪声和干扰方差

单元824从滤波器822a的输出中减去噪声和干扰方差，并提供每个码道的缩放后的功率增益G_k，n。单元826基于导频信道的缩放后的功率增益G_k，pilot来确定缩放因子1/G_k，pilot。乘法器828将每个码道的缩放后的功率增益乘以缩放因子，并提供每个码道的G_k，n/G_k，pilot。单元830计算每个码道的G_k，n/G_k，pilot的平方根并提供这个码道的缩放后的增益g_k，n/g_k，pilot。

可以按照如下方式，基于每个码道的缩放后的增益g_k，n和扇区k的接收功率，确定这个码道的接收功率：

$P_{k,n}={\left(\frac{g_{k,n}}{g_{k,\mathrm{pilot}}}\right)}^2{P}_{k,\mathrm{pilot}}---\left(45\right)$

其中：P_k，pilot是扇区k的导频的接收功率；以及

      P_k，n是扇区k的码道n的接收功率。

图9示出进行迭代检测和抵消的过程900的一个实施例。为至少一个扇区的多个码道形成多组码道(块910)。每一组可以包括一个扇区的全部码道(用于基于扇区的处理)，一个扇区全部码道的一个子集(用于本地处理)，或者多个扇区的多个码道(用于全局处理)。在多次迭代中对这多组码道进行处理(块920)。对于每一次迭代，在多级中为多组码道进行数据检测和信号抵消，例如按顺序从具有最强接收功率的第一组开始，到具有最弱接收功率的最后一组结束(块930)。

图10示出一次迭代中一级进行的检测和抵消过程1000的一个实施例。可以将过程1000用于图9中的块930。对这一级处理过的一组码道进行数据检测来获得检测到的信号(块1012)。基于检测到的信号重构这一组码道的信号(块1014)。抵消重构出来的信号来获得这一级的输出信号(块1016)。

对于块1012中的数据检测，可以为这一组码道确定系统矩阵。还可以估计这一组码道的噪声和干扰的方差。然后可以基于这个系统矩阵，并且还可能基于噪声和干扰的方差，例如按照等式(19)和(20)分别示出的线性MMSE或最小二乘技术，导出这一组码道的数据检测滤波器。然后利用数据检测滤波器来进行数据检测，以获得这一组码道的检测到的信号，例如如同等式(19)或(20)所示。

图11示出一次迭代中一级进行的均衡、检测和抵消过程1100的一个实施例。也可以将过程1100用于图9中的块930。进行均衡来获得这一级处理过的一组码道的均衡过的信号(块1110)。然后对均衡过的信号进行数据检测来获得这一组码道的检测到的信号(块1112)。基于检测到的信号来重构这一组码道的信号(块1114)。抵消重构出来的信号来获得这一级的输出信号(块1116)。

对于块1110中的均衡，可以为这一组码道导出均衡器矩阵，例如按照等式(21)和(22)分别示出的线性MMSE或最小二乘技术。然后利用均衡器矩阵进行均衡，以获得均衡过的信号。

对于块1112中的数据检测，可以为这一组码道估计增益矩阵。还可以估计这一组码道的噪声和干扰的协方差。然后可以基于这个增益矩阵，并且还可能基于噪声和干扰的协方差，例如按照等式(27)和(28)分别示出的线性MMSE或最小二乘技术，导出这一组码道的数据检测滤波器。然后利用数据检测滤波器来进行数据检测，以获得这一组码道的检测到的信号，例如如同等式(27)或(28)所示。

对于图10中的过程1000和图11中的过程1100，对于第一次迭代后的每一次后续迭代，可以将在先迭代中获得的这一组码道的重构出来的信号加回到这一级的输入信号来获得重组出来的信号。然后可以基于重组出来的信号对这一组码道进行数据检测和信号抵消。

回到图9，对于因果抵消，可以从接收信号中去除在先符号周期的信号。然后可以在去除了在先符号周期的信号以后进行块920和930中的处理。对于因果和非因果抵消，可以从接收信号中去除在先符号周期的信号和下一符号周期的信号。在去除了在先符号周期的信号和下一符号周期的信号以后，可以随后进行块920和930中的处理。

可以用各种手段来实现这里描述的技术。例如，可以用硬件、固件、软件或者它们的组合来实现这些技术。对于硬件实现，可以在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、电子器件，设计成实现这里描述的功能的其它电子单元，或者它们的组合中，实现用于进行这里描述的处理的处理单元。

对于固件和/或软件实现，可以用实现这里描述的功能的模块(例如子程序、函数等)来实现这些技术。固件和/或软件代码可以存储在存储器(例如图2中的存储器292)中，并且由处理器(例如处理器290)执行。可以在处理器内或处理器外实现存储器。

提供所公开实施例的以上描述是为了让本领域技术人员制作或使用本公开。对这些实施例的各种改进对于本领域技术人员而言都是显而易见的，这里描述的一般原理可以用于其它实施例而不会偏离本公开的实质或范围。因此，这一公开不限于这里给出的这些实施例，而是与这里公开的原理和新颖特征的最大范围一致。

Claims (30)

1.一种装置，包括至少一个处理器，所述至少一个处理器用于：

在多次迭代中对多组码道进行处理；并且

对于每一次迭代，在多级中对所述多组码道进行数据检测和信号抵消。

2.如权利要求1所述的装置，其中对于每一次迭代中的每一级，所述至少一个处理器用于：

进行数据检测来获得一组码道的检测到的信号；

基于所述检测到的信号来重构所述组码道的信号；以及

抵消重构出来的信号来获得所述级的输出信号。

3.如权利要求2所述的装置，其中所述至少一个处理器用于：

确定所述组码道的系统矩阵；

基于所述系统矩阵，导出所述组码道的数据检测滤波器；以及

利用所述数据检测滤波器进行数据检测来获得所述组码道的所述检测到的信号。

4.如权利要求3所述的装置，其中所述至少一个处理器用于：

估计所述组码道的噪声和干扰的方差；并且

进一步基于所述噪声和干扰的所述方差，导出所述数据检测滤波器。

5.如权利要求3所述的装置，其中所述至少一个处理器用于：

利用线性最小均方差(MMSE)或最小二乘技术来导出所述数据检测滤波器。

6.如权利要求1所述的装置，其中对于每一次迭代中的每一级，所述至少一个处理器用于：

进行均衡来获得一组码道的均衡过的信号；

对所述均衡过的信号进行数据检测来获得所述组码道的检测到的信号；

基于所述检测到的信号来重构所述组码道的信号；以及

抵消重构出来的信号来获得所述级的输出信号。

7.如权利要求6所述的装置，其中所述至少一个处理器用于：

导出所述组码道的均衡器矩阵；以及

利用所述均衡器矩阵进行均衡来获得所述均衡过的信号。

8.如权利要求7所述的装置，所述至少一个处理器用于：

利用线性最小均方差(MMSE)或最小二乘技术来导出所述均衡器矩阵。

9.如权利要求6所述的装置，其中所述至少一个处理器用于：

估计所述组码道的增益矩阵；

基于所述增益矩阵来导出所述组码道的数据检测滤波器；以及

利用所述数据检测滤波器对所述均衡过的信号进行数据检测来获得所述组码道的所述检测到的信号。

10.如权利要求9所述的装置，其中所述至少一个处理器用于：

估计所述组码道的噪声和干扰的协方差；以及

进一步基于所述噪声和干扰的所述协方差来导出所述数据检测滤波器。

11.如权利要求1所述的装置，其中对于第一次迭代以后每一次迭代中的每一级，所述至少一个处理器用于：

将在对一组码道的在先迭代中获得的第一信号加到输入信号上去来获得第二信号；以及

基于所述第二信号对所述组码道进行数据检测和信号抵消。

12.如权利要求1所述的装置，其中所述至少一个处理器用于：

去掉一个在先符号周期的信号；以及

在去掉所述在先符号周期的所述信号以后，在多次迭代中对所述多组码道进行处理。

13.如权利要求1所述的装置，其中所述至少一个处理器用于：

去掉一个在先符号周期的信号和下一个符号周期的信号；以及

在去掉所述在先符号周期的所述信号和所述下一个符号周期的所述信号以后，在多次迭代中对所述多组码道进行处理。

14.如权利要求1所述的装置，其中对于所述多组码道中的每一组，所述至少一个处理器用于：

获得所述组中码道的解掩盖后的符号；

确定所述组中每一个码道的所述解掩盖后的符号的均方幅度；以及

基于所述组中每一个码道的所述解掩盖后的符号的所述均方幅度来确定所述码道的增益。

15.如权利要求14所述的装置，其中对于所述多组码道中的每一组，所述至少一个处理器用于：

基于导频信道的解掩盖后的符号来估计噪声和干扰的方差；以及

进一步基于所述噪声和干扰的所述方差来确定每一个码道的所述增益。

16.如权利要求1所述的装置，其中所述至少一个处理器用于：

确定至少一个扇区的多个码道的接收功率；并且

基于所述接收功率形成所述多组码道。

17.如权利要求16所述的装置，其中所述至少一个处理器用于：

对于每一次迭代，按顺序对所述多组码道进行数据检测和信号抵消，从具有最强接收功率的第一组开始，到具有最弱接收功率的最后一组结束。

18.如权利要求1所述的装置，其中每一组包括一个扇区的全部码道。

19.如权利要求1所述的装置，其中每一组包括一个扇区的全部码道的一个子集。

20.如权利要求1所述的装置，其中每一组包括多个扇区的多个码道。

21.一种方法，包括：

在多次迭代中对多组码道进行处理；并且

对于每一次迭代，在多级中对所述多组码道进行数据检测和信号抵消。

22.如权利要求21所述的方法，其中对于每一次迭代中的每一级，所述进行数据检测和信号抵消包括：

进行数据检测来获得一组码道的检测到的信号；

基于所述检测到的信号来重构所述组码道的信号；以及

抵消重构出来的信号来获得所述级的输出信号。

23.如权利要求21所述的方法，其中对于每一次迭代中的每一级，所述进行数据检测和信号抵消包括：

进行均衡来获得一组码道的均衡过的信号；

对所述均衡过的信号进行数据检测来获得所述组码道的检测到的信号；

基于所述检测到的信号来重构所述组码道的信号；以及

抵消重构出来的信号来获得所述级的输出信号。

24.如权利要求21所述的方法，其中对于第一次迭代以后每一次迭代中的每一级，所述进行数据检测和信号抵消包括：

将在对一组码道的在先迭代中获得的第一信号加到输入信号上去来获得第二信号；以及

基于所述第二信号对所述组码道进行数据检测和信号抵消。

25.如权利要求21所述的方法，还包括：

确定至少一个扇区的多个码道的接收功率；并且

基于所述接收功率形成所述多组码道；并且

其中所述进行数据检测和信号抵消包括：

对于每一次迭代，按顺序对所述多组码道进行数据检测和信号抵消，从具有最强接收功率的第一组开始，到具有最弱接收功率的最后一组结束。

26.一种装置，包括：

用于在多次迭代中对多组码道进行处理的模块；并且

用于对于每一次迭代，在多级中对所述多组码道进行数据检测和信号抵消的模块。

27.如权利要求26所述的装置，其中对于每一次迭代中的每一级，所述进行数据检测和信号抵消的模块包括：

用于进行数据检测来获得一组码道的检测到的信号的模块；

用于基于所述检测到的信号来重构所述组码道的信号的模块；以及

用于抵消重构出来的信号来获得所述级的输出信号的模块。

28.如权利要求26所述的装置，其中对于每一次迭代中的每一级，所述进行数据检测和信号抵消的模块包括：

用于进行均衡来获得一组码道的均衡过的信号的模块；

用于对所述均衡过的信号进行数据检测来获得所述组码道的检测到的信号的模块；

用于基于所述检测到的信号来重构所述组码道的信号的模块；以及

用于抵消重构出来的信号来获得所述级的输出信号的模块。

29.如权利要求26所述的装置，其中对于第一次迭代以后每一次迭代中的每一级，所述进行数据检测和信号抵消的模块包括：

用于将在对一组码道的在先迭代中获得的第一信号加到输入信号上去来获得第二信号的模块；以及

用于基于所述第二信号对所述组码道进行数据检测和信号抵消的模块。

30.如权利要求26所述的装置，还包括：

用于确定至少一个扇区的多个码道的接收功率的模块；并且

用于基于所述接收功率形成所述多组码道的模块；并且

其中所述进行数据检测和信号抵消的模块包括：

对于每一次迭代，按顺序对所述多组码道进行数据检测和信号抵消，从具有最强接收功率的第一组开始，到具有最弱接收功率的最后一组结束的模块。

Images