CN101557368A - 延伸算法数据估算器 - Google Patents

Abstract

本申请为延伸算法数据估算器。一种数据预测方法，适用于分时双工(TDD)分码多重存取(CDMA)系统、或利用一种延伸算法(EA)，相对于一种截断算法(TA)的任何其它系统。这种延伸算法(EA)可以选择适当延伸矩阵以避免实施错误，并且，这种延伸算法(EA)可以接受少部分硬件的使用。另外，这种延伸算法(EA)亦可以排除各个数据域位尾部的多重信号遗失，并且，这种延伸算法(EA)亦可以避免一托普利兹(Toeplitz)矩阵转换成一循环矩阵时的错误。

Description

延伸算法数据估算器

本发明专利申请是国际申请号为PCT/US2003/028163，国际申请日为2003年9月9日，进入中国国家阶段的申请号为03821199.8，发明名称为“延伸算法数据估算器”的发明专利申请的分案申请。

技术领域

本发明有关无线通信系统的数据预测。具体说，本发明是有关一种延伸算法(EA)，借以用于这种无线通信系统的数据预测。

背景技术

在部分建议的无线通信系统中，数据是一个方块接着一个方块地无线传输，并且，连续的方块间具有一分离间隔(separation interval)。这种特性容许在接收器中施加联合侦测(JD)，借以抑制相互的符号干扰(ISI)及多重存取干扰(MAI)。另外，单使用者侦测器(SUD)是用以预测通过单一下行连结(downlink)信道的信号数据。这种单使用者侦测器(SUD)的优点是：这种单使用者侦测器(SUD)可以利用快速傅立叶转换(FFT)有效实施，其基本理由是：一方形托普利兹(Toeplitz)矩阵可以近似为具有相同大小的一循环副本(circulantcounterpart)。

当托普利兹(Toeplitz)矩阵沿着长坐标缩减成方形矩阵、并利用其循环副本(circulant counterpart)取代时，一循环近似误差亦同时加入。这个近似误差，在这个矩阵的头部及尾部，是特别普遍。在许多无线通信系统中，这些头部及尾部的关连数据具有这些接收器需要的系统信息，诸如：建议第三代合作计划(3GPP)宽频分码多重存取(WCDMA)分时双工(TDD)系统的功率控制位及传输格式组合指针(TFCI)。

有鉴于此，本发明的主要目的便是加强这种无线通信系统的数据预测。

发明内容

本发明提供一种有效计算且精确实施的数据预测器，其可以适用于各种无线通信系统，诸如：分频双工(FDD)或分时双工(TDD)分码多重存取(CDMA)系统。有鉴于此，本发明提供一种实施一数据预测器的方法，其中，用于预测的主要数据将不会受到这个循环近似误差的严重影响。为达上述目的，所有方形循环矩阵加以延伸。这种延伸手段的优点包括下列两部分，亦即：(1)避免各数据域位尾部的多重路径信号遗失；以及(2)避免托普利兹(Toeplitz)矩阵至循环矩阵的转换误差。因此，当实施这种延伸算法(EA)时，本发明是执行较长的离散傅立叶转换(DFT)或快速傅立叶转(FFT)。为最小化离散傅立叶转换(DFT)需要的计算，根据特定数据方块长度及频道延迟扩展，延伸大小最好能够动能限定于其下限。然而，若本发明能够使用主要因子算法(PFA)，快速傅立叶转换(FFT)长度增加通常亦不会增加计算复杂性。应该注意的是，通过某个特定范围的适当快速傅立叶转换(FFT)长度选择，计算复杂性可以最小化。在这种情况中，考量最长方块长度及延迟扩展，本发明是想要得到固定单长度的快速傅立叶转换(FFT)。这是由于：具有主要因子算法(PFA)的单长度快速傅立叶转换(FFT)可以利用单一算法，支持不同长度的数据方块(丛发类型)。单长度快速傅立叶转换(FFT)可以进一步简化实施，因为各种算法均需要一独立硬件以进行处理。

附图说明

本发明的各种细节通过配合较佳实施例并参考附图详细说明如下，其中：

图1是表示一种根据本发明较佳实施例的系统方块图，借以实施具有超取样的延伸算法；

图2A、2B及2C，是一起共同表示图1所示延伸算法(EA)的实施方法步骤的流程图；

图3是表示，在情况一频道(Case 1 channel)中，传输格式组合指针(TFCI-1)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图4是表示，在情况一频道(Case 1 channel)中，传输格式组合指针(TFCI-2)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图5是表示，在情况一频道(Case 1 channel)中，所有位的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图6是表示，在情况二频道(Case 2 channel)中，传输格式组合指针(TFCI-1)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图7是表示，在情况二频道(Case 2 channel)中，传输格式组合指针(TFCI-2)的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；

图8是表示，在情况二频道(Case 2 channel)中，所有位的原始方块误差率(BER)相对于各传输码的信号噪声比(SNR)的曲线图；以及

图9A及9B是表示利用延伸算法数据侦测的接收器实施的示意图。

具体实施方式

本发明适用于分码多重存取(CDMA)系统的数据预测，诸如：第三代合作计划(3GPP)分时双(TDD)模式及分时同步分码多重存取(TD-SCDMA)。然而，下列说明，举例来说，是有关一种分时双工(TDD)分码多重存取(CDMA)系统模型及算法。在这个例子中，若一合成扩展信号是由一传输器端点传送至一接收器端点，则这个接收信号r是一合成扩展信号s，其是穿过单一频道H进行传输。H是表示这个单一频道的频道响应矩阵。如此，这个程序可以表示为r＝H·s+n，其中，n是噪声向量。若W是表示这个频道响应矩阵的长度，则H可以表示为等式(1)。

$\underset{\‾}{H}=\left[\begin{array}{cccccccc}{h}_0& & & & & & & \\ h_1& h_0& & & & & & \\ .& h_1& .& & & & & \\ .& .& .& .& & & & \\ h_{W-1}& .& & .& .& & & \\ & h_{W-1}& & & .& .& & \\ & & .& & & .& .& \\ & & & .& & & .& h_0\\ & & & & .& & & h_1\\ & & & & & .& & .\\ & & & & & & .& .\\ & & & & & & & h_{W-1}\end{array}\right]$ 等式(1)

其中，这个频道响应矩阵H的大小是(L+W-1)×L。L是表示特定时间的芯片数目，诸如：一数据域位(方块)。这个合成扩展信号s可以表示为s＝C·d，其中，这个符号向量d及这个传输码矩阵C可以表示为等式(2)。

$\underset{\‾}{d}={(d_1,d_2,...,d_{{\mathrm{KN}}_s})}^T$ 等式(2)

其中，T是表示转置函数，并且，这个传输码矩阵C可以表示为等式(3)。

C＝[C ⁽¹⁾，C ⁽²⁾，...，C ^(K)]        等式(3)

其中，各个矩阵组件C^(K)可以表示为等式(4)。

${\underset{\‾}{C}}^{\left(K\right)}=\left[\begin{array}{cccccccc}{c}_1^{\left(k\right)}& & & & & & & \\ .& & & & & & & \\ c_Q^{\left(k\right)}& & & & & & & \\ .& c_1^{\left(k\right)}& & & & & & \\ & .& & & & & & \\ & c_Q^{\left(k\right)}& .& & & & & \\ & & & .& & & & \\ & & & & .& & & \\ & & & & & .& & \\ & & & & & & .& c_1^{\left(k\right)}\\ & & & & & & & .\\ & & & & & & & c_Q^{\left(k\right)}\end{array}\right]$ 等式(4)

其中，Q、K、及N_S(＝L/Q)分别表示扩展因子(SF)、激活传输码数目、及各个频道传输码具有的符号数目。

这个单使用者侦测器(SUD)具有两电路级，亦即：(A)频道等化电路级；以及(B)解扩展电路级。在第一电路级中，这个合成扩展信号s是利用r＝H·s+n预测，其最好是经由一最小均方差(MMSE)均衡器或一零点强迫解法进行预测。

一最小均方差(MMSE)均衡器可以表示为等式(5)。

$\underset{\‾}{\overset{^}{s}}={[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{r}$ 等式(5)

$={[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{R}_H\underset{\‾}{s}+{[R_H+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{n}$

一零点强迫解法可以表示为等式(6)。

$\underset{\‾}{\overset{^}{s}}={R_H}^{-1}{\underset{\‾}{H}}^H\underset{\‾}{r}$ 等式(6)

其中，I是表示识别矩阵，R_H＝H ^H·H是具有大小L的一方形托普利兹(Toeplitz)矩阵，其可以表示为等式(7)。

等式(7)

其中，“*”是表示共轭操作。在第二电路级中，一简易解扩展程序可以根据等式(8)，借以执行这个符号序列d及d^的预测。

$\underset{\‾}{\overset{^}{d}}=C^H\underset{\‾}{\overset{^}{s}}$ 等式(8)

为有效实施等式(5)，这种算法最好能够进行适当地近似。为达此目的，首先，这个托普利兹(Toeplitz)矩阵H的大小是由(L+W-1)×L延伸为(L_m+W-1)×L_m，随后，这个方形矩阵R_H的大小是由L延伸为L_m，其中，L_m≥(L+W-1)，并且，这些矩阵的带状及托普利兹(Toeplitz)结构维持完整无缺。这个向量r是利用填零方式延伸至长度L_m，若这个向量r的长度是小于L_m。由于其它向量/矩阵的填零方式延伸，这些向量s及n可以有效地自动延伸。这些矩阵及向量H、R_H、s、r、及n的延伸版本可以分别表示为H _E、R_E、s _E、r _E、及n _E。这个延伸矩阵R_E可以表示为：

R_E＝H _E ^H·H _E

这个延伸向量s _E的最后L_m-L个组件可以全部视为零，其是了解如何避免实施误差时的基本组件。利用这些表示法，等式(5)可以表示为等式(9)。

${\underset{\‾}{\overset{^}{s}}}_E={[R_E+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_E^H{\underset{\‾}{r}}_E$ 等式(9)

其中，r _E可以表示为：

r _E＝H _E·s _E+n _E

因为等式(9)是等式(5)的延伸版本，因此，若仅需要考量这个延伸向量s _E^的最前L个组件时，两者间应该不存在差异。这个延伸矩阵H _E的最后(W-1)列进行切割，借以得到一大小L_m的新方形矩阵，其可以表示为H _S。假设这些矩阵R_Cir及H _Cir是分别表示这些延伸矩阵R_E及H _s的循环副本(circularcounterpart)。经由这些延伸矩阵R_E及H _s，这些循环副本(circularcounterpart)可以表示为等式(10)及等式(11)。

等式(10)

${\underset{\‾}{H}}_{\mathrm{Cir}}=\left[\begin{array}{cccccccccc}{h}_0& & & & & & & h_{W-1}& .& h_1\\ h_1& h_0& & & & & & & .& .\\ .& h_1& .& & & & & & & h_{W-1}\\ h_{W-1}& .& & .& & & & & & \\ & h_{W-1}& .& & .& & & & & \\ & & .& .& & .& & & & \\ & & & .& .& & h_0& & & \\ & & & & .& .& h_1& .& & \\ & & & & & .& .& .& h_0& \\ & & & & & & h_{W-1}& .& h_1& h_0\end{array}\right]$ 等式(11)

其中，这些循环副本(circular counterpart)R_Cir及H _Cir两者均为具有大小L_m的方形矩阵。因为这个延伸向量的最后(L_m-L)个组件为零，因此，下列等式亦成立：r _E＝H _S·s _E+n _E。再者，分别利用R_Cir、H _Cir、及H _S·s _E+n _E取代R_E、H _E ^H、及r_E，则等式(9)将可以表示为等式(12)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{r}}_E$ 等式(12)

${[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{H}}_S{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$

假设H _S＝H _Cir-H _Δ(其中，H _Δ是一误差矩阵)，等式(12)可以表示为等式(13)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{R}_{\mathrm{Cir}}{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$ 等式(13)

$-{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}y$

其中，y＝H _Cir ^H·H _Δ·s _E是长度Lm的一行向量，并且，这个误差矩阵H _Δ可以表示为等式(14)。

等式(14)

这些非零组件是位于最前(W-1)列及最后(W-1)行间的一三角区域。当考量最前L个组件时，若没有第三个组件，等式(13)的功能是非常类似于等式(5)。

接着，这个向量y是进行评鉴。根据这些矩阵H _Cir ^H及H _Δ的结构，这个矩阵X＝H _Cir ^H·H _Δ是一具有大小L_m的方形矩阵，并且，这个方形矩阵的结构可以表示为等式(15)。

$\underset{\‾}{X}=\left[\begin{array}{cccccccc}& & & & x& ...& x& x\\ & & & & & x& .& x\\ & & & & & & .& .\\ & & & & & & & x\\ & & & & & & & \\ & & & & & & & .\\ & & & & & & & \\ & & & & x& ...& x& x\\ & & & & .& .& .& .\\ & & & & x& ...& .& x\\ & & & & x& ...& x& x\end{array}\right]$ 等式(15)

这些非零组件，其是表示为”x“，仅仅位于两个区域，亦即：(1)最前(W-1)列及最后(W-1)行间的一三角区域；以及(2)最后(W-1)列及最后(W-1)行间的一方形区域。因为这个延伸向量s _E的最后(L_m-L)个组件是全部为零，因此，y＝H _Cir ^H·H _Δ·s _E＝X·s _E的所有组件是全部为零，若L_m≥(L+W-1)。当L_m≥(L+W-1)时，本发明可以得到等式(16)。

${\underset{\‾}{\overset{~}{s}}}_E={[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{r}}_E$ 等式(16)

${[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{R}}_{\mathrm{Cir}}{\underset{\‾}{s}}_E+{[R_{\mathrm{Cir}}+{\mathrm{\σ}}^{2}I]}^{-1}{\underset{\‾}{H}}_{\mathrm{Cir}}^H{\underset{\‾}{n}}_E$

当仅仅考量最前L个组件时，等式(16)是等式(5)的一理想近似。等式(16)的第一部分称为延伸算法(EA)。同样地，在等式(5)中，当托普利兹(Toeplitz)矩阵利用其循环副本(circulant counterpart)取代、而不直接施加矩阵延伸时，一数据域位的头部及尾部受到利用严重影响。不需要矩阵延伸的实施算法称为截断算法(TA)。利用截断算法(TA)，等式(9)至等式(15)将仍然有效，除了L_m＝L以外。这是基于下列两点理由。首先，在等式(5)中，当这个矩阵H是利用具有大小L的循环矩阵H _Cir取代时，这个接收信号向量r的长度最好能够限定为L。这可能会导致一数据域位尾部数据的多重路径信号遗失。因此，受影响数据的预测将会变得非常不理想。其次，当L_m＝L时，这个向量y是一具有长度L的行向量，其中，最前(W-1)个组件及最后(W-1)个组件是非零组件。因为这个矩阵B_Cir＝R_Cir+σ²I，沿着对角线，是具有带状结构，因此，这个B_Cir的反向矩阵具有大致相同的结构。因此，这个行向量z＝B_Cir ^-1 y的相对大数值是位于最前(W-1)行及最后(W-1)行，并且，这个向量s^的头部及尾部区域预测受影响。在第二个理由中，受影响预测的数目是取决于这个频道响应长度W。当一频道(W)的延迟扩展愈大，受影响预测的数目亦会愈多。

另外，等式(16)给定的实施算法可以延伸以支持超取样。利用超取样，时序误差的效果可以缓和。假设取样速率是M倍芯片速率，本发明可以提供M个接收信号向量，分别表示为r _E ^(m)，其中，m＝1，2，...，M。然而，在各个接收信号向量r _E ^(m)中，两连续取样间的时间间隔却仍然维持于芯片期间。同样地，本发明亦可以提供M组频道响应，分别表示为h ^(m)，其中，m＝1，2，...，M。利用这些频道响应，本发明可以建立总共2M个循环矩阵H_Cir，m及R_Cir，m，其中，m＝1，2，...，M。因此，具有超取样的实施算法可以表示为等式(17)。

${\underset{\‾}{\overset{~}{s}}}_E={\left[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(R_{\mathrm{Cir},m}+\frac{1}{M}{\mathrm{\σ}}_m^{2}I)\right]}^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{H}}_{\mathrm{Cir},m}^H{\underset{\‾}{r}}_E^{\left(m\right)}$ 等式(17)

其中，σ_m ²是第m个输入向量r _E ^(m)对应的噪声变异数。

在实施前，首先决定L_m的数值。因为L_m是大于(L+W-1)，L_m可以表示为等式(18)。

L_m＝max{L}+max{W}+ε        等式(18)

其中，max{.}是表示{.}的最大数值，并且，ε是用以让L_m成为快速傅立叶转换(FFT)实施的一理想长度。举例来说，在通用移动通信系统(UMTS)地表无线存取网络(UTRA)宽频分时双工系统(WTDD)中，max{L}＝1104，并且，max{W}＝114。ε是选择为14，借以让L_m＝1232。利用这个长度，快速傅立叶转换(FFT)是可以利用主要因子算法(PFA)非常有效地执行，因为1232可以分解成1232＝7×11×16。利用复数输入，这个1232点快速傅立叶转换(FFT)需要的实际乘法数目及加法数目是8836及44228。经由等式(18)可知，L_m是取决于特定的系统设计。然而，本发明的实施手段亦可以适用于任何其它分时双工(TDD)系统，诸如：通用移动通信系统(UMTS)窄频分时双工(TDD)系统(TD-SCDMA)。

在下列的说明中，等式(17)的较佳实施程序是可以基于快速傅立叶转换(FFT)长度P等于选择L_m的假设，利用方法步骤进行详细说明。

这个循环矩阵

的第一行g是基于预测的频道响应及噪声功率加以计算，借以得到等式(19)。

$\underset{\‾}{g}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{(R_{0,m}+\frac{1}{M}{\mathrm{\σ}}_m^2,R_{1,m}^{*},...,R_{W-1,m}^{*},0,...,0,R_{W-1,m},...,R_{1,m})}^T$ 等式(19)

接着，这个快速傅立叶转换(FFT)域的循环矩阵

进行解压缩，借以得到等式(20)。

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}[R_{\mathrm{Cir},m}+\frac{1}{M}{\mathrm{\σ}}_m^{2}I]=D_P^{-1}{\mathrm{\Λ}}_R{D}_P$ 等式(20)

其中，矩阵D_P及D_P ^-1是P点快速傅立叶转换(FFT)矩阵及其反向快速傅立叶转换(IFFT)矩阵，其可以表示为等式(21)。

$D_P\underset{\‾}{x}=\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}x\left(n\right)e^{-j\frac{2\mathrm{\πkn}}{P}}$

$D_P^{-1}\underset{\‾}{x}=\frac{1}{P}\underset{n=0}{\overset{P-1}{\mathrm{\Σ}}}x\left(n\right)e^{-j\frac{2\mathrm{\πkn}}{P}}$ (k＝0，1，...，P-1)       等式(21)

其中，Λ_R是表示一具有大小P的对角矩阵，其对角线是D_P·g。这个对角矩阵Λ_R可以表示为Λ_R＝diag(D_P·g)。另外，这些矩阵D_P ^-1及D_P间的关系则可以表示为 $D_P^{-1}=\left(\frac{1}{P}\right)D_P^{*}.$

在快速傅立叶转换(FFT)域中，这个循环矩阵H _Cir，m进行解压缩，借以得到等式(22)。

${\underset{\‾}{H}}_{\mathrm{Cir},m}=D_P^{-1}{\mathrm{\Λ}}_{H_m}{D}_P$ 等式(22)

其中，Λ_Hm是表示一具有大小P的对角矩阵，其对角线是D_P·u _m，并且，这个循环矩阵H _Cir，m的第一行可以表示为u _m＝[h_0，m，h_1，m，...，h_W-1，m，0，...，0]^T。

接着，这个接收信号向量r ^(m)是利用填零方式重建，借以得到具有长度P的延伸信号向量r _E ^(m)。

另外，这个合成扩展信号向量

可以进行计算，借以在快速傅立叶转换(FFT)域中得到等式(23)或等式(24)。

${\underset{\‾}{\overset{~}{s}}}_E={\left[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}(R_{\mathrm{Cir},m}+{\mathrm{\σ}}_m^{2}I)\right]}^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{H}}_{\mathrm{Cir},m}^H{\underset{\‾}{r}}_E^{\left(m\right)}=D_P^{-1}{\mathrm{\Λ}}_R^{-1}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\Λ}}_{H_m}^{*}{D}_P{\underset{\‾}{r}}_E^{\left(m\right)}$ 等式(23)

$D_P{\underset{\‾}{\overset{~}{s}}}_E=[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\left(D_P{\underset{\‾}{u}}_m\right)}^{*}\⊗\left(D_P{\underset{\‾}{r}}_E^{\left(m\right)}\right)]/\left(D_P\underset{\‾}{g}\right)$

$\underset{\‾}{\overset{~}{s}}=D_P^{-1}\left\{D_P{\underset{\‾}{\overset{~}{s}}}_E\right\}$ 等式(24)

这些操作数

及“/”是分别表示一个组件接着一个组件执行的向量乘法及除法。这个延伸向量

的最后(P-L)个组件是四舍五入，借以得到另一个具有长度L的向量

接着，这个合成扩展信号向量

进行解扩展，借以得到这个延伸向量

图1是表示一种无线通信网路100的方块图。对于一超取样系统而言，M个取样序列是进行处理r ⁽¹⁾，...，r ^(M)及h ⁽¹⁾，...，h ^(M)。对于一芯片速率取样系统而言，仅有一个取样序列是进行处理r ⁽¹⁾及h ⁽¹⁾。这个无线通信系统100是在输入端点105₁，...，105_M接收这些信号r ⁽¹⁾，...，r ^(M)，以及，在输入端点110₁，...，110_M接收这些信号h ⁽¹⁾，...，h ^(M)。这些接收信号r ⁽¹⁾，...，r ^(M)是利用填零装置115₁，...，115_M(115)将尾部填零，直到各个延伸序列的长度达到L_m。在填零步骤后，这些延伸序列可以表示为r _E ⁽¹⁾，...，r _E ^(M)，其是经由输出端点120₁，...，120_M(120)离开这个填零装置115。这些频道脉冲响应h ⁽¹⁾，...，h ^(M)是利用填零装置125₁，...，125_M(125)将尾部填零，直到各个延伸序列的长度达到L_m。在填零步骤后，这些延伸序列可以表示为u ₁，...，u _M，其是经由输出端点130₁，...，130_M(130)离开这个填零装置125。离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块135₁，...，135_M(135)接收这个填零装置(115)的输出端点(120)、并对这些延伸序列r _E ⁽¹⁾，...，r _E ^(M)执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(r _E ⁽¹⁾)，...，F(r _E ^(M))。离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块140₁，...，140_M(140)是接收这个填零装置(125)的输出端点(130)、并对这些延伸序列u ₁，...，u _M执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(u ₁)，...，F(u _M)。共轭装置145₁，...，145_M(145)是共轭这些傅立叶序列F(u ₁)，...，F(u _M)，借以得到共轭傅立叶序列F(u ₁)^*，...，F(u _M)^*。各个组件的乘法器150₁，...，150_M(150)是相乘这些傅立叶序列F(r _E ⁽¹⁾)，...，F(r _E ^(M))及这些共轭傅立叶序列F(u ₁)^*，...，F(u _M)^*，借以得到F(r _E ⁽¹⁾)·F(u ₁)^*，...，F(r _E ^(M))·F(u _M)^*。

接着，M个取样序列结果是利用加法器175相加。

$\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left({\underset{\‾}{u}}_m\right)}^{*},$ 其中，m＝1，2，...，M

另外，一频道关连产生器180是利用这些延伸频道响应序列u ₁，...，u _M产生一频道关连向量g。

$\underset{\‾}{g}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\underset{\‾}{g}}^{\left(m\right)},$ 其中，m＝1，2，...，M

利用一最低均方差(MMSE)算法，一噪声变异数σ²加至向量g ^(m)的第一组件。向量g ^(m)是利用u _m产生。在第m个取样序列中，这些向量g ^(m)的第i个组件是利用下列方式计算，亦即：下移(i-1)个组件以循环这个共轭向量u _m ^*，以及，相乘这个平移向量u _m ^*及这个向量u _m。这些向量g ^(m)的第i个组件可以表示为：

${\underset{\‾}{g}}^{\left(m\right)}\left(i\right)={\underset{\‾}{u}}_{m,(i-1)\mathrm{shifts}}^H{\underset{\‾}{u}}_m$

一离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185是对这个频道关连向量g执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(g)。除法器190是利用这个离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185的输出逐项除以这个加法器的输出，借以得到下列结果。

$\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}$

接着，反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194是对这个除法器190的输出执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到下列结果。

$F^{-1}\left(\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}\right)$

这个反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194的输出是这个合成扩长信号s^的预测。接着，解扩展器198是解扩长这个反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194的输出，借以得到预测数据符号d^。

请参考图2A、2B及2C，根据本发明较佳实施例，一种执行延伸算法(EA)的程序详细说明如下。

在步骤205中，这个无线通信系统100是在输入端点105接收信号r ⁽¹⁾，以及，在输入端点110接收频道脉冲响应h ⁽¹⁾。

在步骤210中，这个接收信号r ⁽¹⁾的尾部是利用填零装置115填零，直到这个信号序列的长度达到L_m。在填零步骤后，这个延伸序列可以表示为r _E ⁽¹⁾，其是经由输出端点120离开这个填零装置115。

在步骤215中，这个频道脉冲响应h ⁽¹⁾的尾部是利用填零装置125填零，直到这个信号序列的长度达到L_m。在填零步骤后，这个延伸序列可以表示为u ₁，其是经由输出端点130离开这个填零装置125。

在步骤220中，离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块135接收这个填零装置115的输出端点120、并对这个延伸序列r _E ⁽¹⁾执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(r _E ⁽¹⁾)。再者，离散傅立叶转换(DFT)或快速傅立叶转换(FFT)方块140接收这个填零装置125的输出端点130、并对这个延伸序列u ₁执行离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到傅立叶序列F(u ₁)。

在步骤225中，共轭装置145是共轭这个傅立叶序列F(u ₁)，借以得到共轭傅立叶序列F(u ₁)^*。

在步骤230中，各个组件的乘法器150相乘这个傅立叶序列F(r _E ⁽¹⁾)及这个共轭傅立叶转换序列F(u ₁)^*，借以得到F(r _E ⁽¹⁾)·F(u ₁)^*。

在步骤235中，对于具有M个取样序列的超取样系统而言，第二取样序列至第M取样序列是重复执行步骤210至230，借以得到F(r _E ^(m))·F(u _m)^*，其中，m＝1，2，...，M。

在步骤240中，步骤230及235得到的M个取样序列结果是利用加法器175全部相加，借以得到∑_m＝1 ^M[F(r _E ^(m))·F(u _m)^*]，其中，m＝1，2，...，M。

在步骤245中，一频道关连产生器180是利用这些延伸频道响应序列u ₁，...，u _M产生一频道关连向量g，其可以表示为：

g＝∑_m＝1 ^M[g ^(m)]

在步骤250中，一离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置185是对这个频道关连向量g执行，借以得到傅立叶序列F(g)。

在步骤255中，除法器190是将步骤240的结果逐项除以步骤250的结果，借以得到下列结果。

$\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}$

在步骤260中，一反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)装置194对步骤255的结果执行反向离散傅立叶转换(DFT)或快速傅立叶转换(FFT)，借以得到下列结果，做为预测合成扩展信号s^。

$F^{-1}\left(\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}F\left({\underset{\‾}{r}}_E^{\left(m\right)}\right)\·F{\left(u_m\right)}^{*}}{F\left(\underset{\‾}{g}\right)}\right)$

在步骤265中，解扩展器198是解扩展步骤260的输出，借以得到预测数据符号d^。

在仿真中，本发明较佳实施例的模型是基于K＝12，以及，传输码是利用相同传输码功率传输，并且，第二数据域位的本文信号影响完全删除。各个传输码具有一扩展因子(SF＝16)。另外，一数据域位是假设具有总共1104个芯片(宽频分时双工(WTDD)的丛发类型2)。在一宽频分时双工(WTDD)中，因为一时槽具有两数据域位，因此，第一数据域位的最后8个位(4个复数符号)及第二数据域位的最前8个位是分别定义为传输格式组合指针(TFCI-1)及传输格式组合指针(TFCI-2)。接着，本发明是应用两种算法，亦即：截断算法(TA)及延伸算法(EA)。这个传输格式组合指针(TFCI-1)及这个传输格式组合指针(TFCI-2)及所有位的原始位误差率(BER)是同时利用具有芯片速率取样的延伸算法(EA)及截断算法(TA)进行评量。另外，各个信号噪声比(SNR)点是累积1000个时槽。这些仿真是执行于工作群组(WG4)的情况一频道及情况二频道。

图3及图4是在使用延伸算法(EA)及截断算法(TA)时，这个传输格式组合指针(TFCI-1)及这个传输格式组合指针(TFCI-2)在工作群组(WG4)的情况一频道中的效能。如图3所示，延伸算法(EA)及截断算法(TA)间存在一显著效能落差。因为这个传输格式组合指针(TFCI-1)是位于第一数据域位的尾部，因此，使用截断算法(TA)的传输格式组合指针(TFCI-1)的效能降低是基于下列两个理由，亦即：(1)传输格式组合指针(TFCI-1)多重路径信号的遗失；以及(2)托普利兹(Toeplitz)至循环矩阵的取代，因为工作群组(WG4)情况一频道的频道响应长度W是极小(W＝4)。另外，这个结论亦可以经由图4所示的结果确认。因为图4所示的效能是对应于这个传输格式组合指针(TFCI-2)，其是位于第二数据域位的头部，因此，影响截断算法(TA)效能的最可能理由必定是第二点理由，亦即：矩阵取代。经由图4可知，利用延伸算法(EA)及截断算法(TA)的传输格式组合指针(TFCI-2)效能是几乎完全相同。这是暗示：由于工作群组(WG4)情况一频道的极小频道响应长度W，经由矩阵取代而加入这个截断算法(TA)的预测误差是非常有限。举例来说，当频道响应长度W＝4时，第一符号仅有四分之一会因为扩展因子(SF＝16)而受到影响。

图5是表示，当假设延伸算法(EA)及截断算法(TA)时，所有位的原始方块误差率(BER)。相较于延伸算法(EA)，利用截断算法(TA)的所有位的原始方块误差率(BER)遗失是主要导因于各个时槽的传输格式组合指针(TFCI-1)。

图6及图7是表示，当采取延伸算法(EA)及截断算法(TA)时，工作群组(WG4)情况二频道的传输格式组合指针(TFCI-1)及传输格式组合指针(TFCI-2)的效能。情况二频道与情况一频道的差别是存在于较大的延迟扩展(W＝4)及较强功率的多重路径信号。经由图6可知，利用截断算法(TA)的传输格式组合指针(TFCI-1)，由于多重路径信号遗失及矩阵取代，是几乎完全破坏。在图7中，利用截断算法(TA)的传输格式组合指针(TFCI-2)效能是远低于利用延伸算法(EA)的传输格式组合指针(TFCI-2)效能，其是主要导因于矩阵取代。在这种情况中，频道响应长度W＝46，且因此，最前3个符号(6个位)将会受到严重影响。图8是表示在情况二频道中，利用延伸算法(EA)及截断算法(TA)的所有位的原始方块误差率(BER)。

当本发明较佳实施例是利用一截断算法(TA)时，一数据域位的头部及尾部数据是因为下列两点理由而受到严重影响，亦即：因为切割频道响应矩阵至方形矩阵所生的多重路径信号信息遗失，以及，因为取代托普利兹(Toeplitz)矩阵至循环矩阵所生的误差。为克服上述问题，本发明是利用一延伸算法(EA)。这种延伸算法(EA)是可以通过适当延伸矩阵大小的选择而避免实施误差。为实施这种延伸算法(EA)于离散傅立叶转换(DFT)，本发明最好能够提供一种动态长度的延伸算法(EA)，然而，为实施这个延伸算法(EA)于具有主要因子算法(PFA)的快速傅立叶转换(FFT)，本发明最好能够提供一种固定长度的延伸算法(EA)。在这种固定长度的延伸算法(EA)中，通过在一特定范围内选择一适当的主要因子算法(PFA)长度，本发明的计算复杂性可以最小化。利用这种固定长度的延伸算法(EA)，不同数据方块长度(丛发类型)可以利用单一算法支持。另外，这种固定长度的延伸算法(EA)亦可以进一步简化实施，因为单一算法需要一件硬件以进行处理。再者，仿真结果显示：这种延伸算法(EA)的效能远胜于截断算法(TA)的效能，特别是在数据域位的头部及尾部数据。

本发明可以实施成一基地台(BS)或无线传输/接收单元(WTRU)。这里，一无线传输/接收单元(WTRU)可以包括、但不限于一使用者设备(UE)、移动台、固定或移动用户单元、传呼器、或能够操作于一无线环境的任何类型装置。同样地，这里，一基地台(BS)可以包括、但不限于一基地台(BS)、B节点、位置控制器、存取点、或能够操作于一无线环境的其它界面装置。

图9A及9B表示利用延伸算法(EA)数据侦测的接收器实施。请参考图9A，射频(RF)信号是利用一天线300接收。一取样装置305产生一芯片速率接收向量r。一频道预测装置325决定这个接收向量r的一频道脉冲响应h。一单使用者侦测装置310是利用这个接收向量r及这个频道脉冲响应h，借以利用延伸算法(EA)预测数据向量d。这个接收向量r是利用一频道均衡器315，利用这个频道脉冲响应h进行处理，借以得到一扩展向量s。利用传输码C的一解扩展器320解扩展这个扩展向量s，借以预测这个数据向量d。

请参考图9B，射频(RF)信号是利用一天线300接收。一取样装置305利用M倍芯片速率取样这个接收信号，借以产生M个接收向量序列r ₁，...，r _M。一频道预测装置325是决定各个接收向量r ₁，...，r _M的一频道脉冲响应h ₁，...，h _M。一单使用者侦测装置310是利用这些接收向量r ₁，...，r _M及这些频道脉冲响应h ₁，...，h _M，借以利用延伸算法(EA)预测数据向量d。这些接收向量r ₁，...，r _M是利用一频道均衡器315，利用这些频道脉冲响应h ₁，...，h _M进行处理，借以决定一扩展向量s。利用传输码C的一解扩展器320是解扩展这个扩展向量s，借以预测这个数据向量d。

虽然本发明已利用较佳实施例详细说明如上，然而，熟悉本技术领域的人员在不违背本发明精神及范围的前提下，亦可以针对本发明进行各种调整及变动。因此，本发明的保护范围将以下列权利要求为准。

Claims (18)

1.一种单使用者侦测器，配置来利用一延伸算法而预测一数据向量，藉以从于一共享频谱中接收的多个信号回复数据，该多个信号经历一相似频道响应，该单使用者侦测器包括：

一频道均衡器，其具有配置来接收一芯片速率接收向量的至少一第一输入，以及配置来接收一频道脉冲响应的至少一第二输入，该频道脉冲响应用于该接收向量；

其中，该单使用者侦测器利用延伸该接收向量以及该频道脉冲响应至一延伸长度的一算法，藉以预测一数据向量。

2.如权利要求1所述的单使用者侦测器，其特征在于，还包括：

该频道均衡器还配置来使用该频道脉冲响应以决定一扩展向量；以及

一解扩展器，耦接至该频道均衡器，该解扩展器配置来解扩展该扩展向量，藉以预测该数据向量。

3.如权利要求2所述的单使用者侦测器，其特征在于，该频道均衡器是一最低均方差均衡器。

4.如权利要求1所述的单使用者侦测器，其特征在于，该频道脉冲响应通过填零直至定义该频道脉冲响应的一频道响应矩阵的一第一长度延伸至达成一第二长度而重建。

5.如权利要求4所述的单使用者侦测器，其特征在于，该频道响应矩阵是一托普利兹矩阵。

6.如权利要求1所述的单使用者侦测器，其特征在于，该芯片速率接收向量通过填零直至该芯片速率接收向量的一第一长度延伸至达成一第二长度而重建。

7.一种无线传输/接收单元，配置来利用一延伸算法而预测一数据向量，藉以从于一共享频谱中接收的多个信号回复数据，该多个信号经历一相似频道响应，该无线传输/接收单元包括：

一频道均衡器，其具有配置来接收一芯片速率接收向量的至少一第一输入，以及配置来接收一频道脉冲响应的至少一第二输入，该频道脉冲响应用于该接收向量；

其中，该无线传输/接收单元利用延伸该接收向量以及该频道脉冲响应的一算法，藉以预测一数据向量。

8.如权利要求7所述的无线传输/接收单元，其特征在于，还包括：

该频道均衡器还配置来基于该频道脉冲响应以决定一扩展向量；以及

一解扩展器，耦接至该频道均衡器，该解扩展器配置来解扩展该扩展向量，藉以预测该数据向量。

9.如权利要求8所述的无线传输/接收单元，其特征在于，该频道均衡器是一最低均方差均衡器。

10.如权利要求7所述的无线传输/接收单元，其特征在于，该频道脉冲响应通过填零直至定义该频道脉冲响应的一频道响应矩阵的一第一长度延伸至达成一第二长度而重建。

11.如权利要求10所述的无线传输/接收单元，其特征在于，该频道响应矩阵是一托普利兹矩阵。

12.如权利要求7所述的无线传输/接收单元，其特征在于，该芯片速率接收向量通过填零直至该芯片速率接收向量的一第一长度延伸至达成一第二长度而重建。

13.一种基地台，配置来利用一延伸算法而预测一数据向量，藉以从于一共享频谱中接收的多个信号回复数据，该多个信号经历一相似频道响应，该基地台包括：

一频道均衡器，其具有配置来接收一芯片速率接收向量的至少一第一输入，以及配置来接收一频道脉冲响应的至少一第二输入，该频道脉冲响应用于该接收向量；

其中，该基地台利用延伸该接收向量以及该频道脉冲响应的一算法，藉以预测一数据向量。

14.如权利要求13所述的基地台，其特征在于，还包括：

该频道均衡器还配置来基于该频道脉冲响应以决定一扩展向量；以及

一解扩展器，耦接至该频道均衡器，该解扩展器配置来解扩展该扩展向量，藉以预测该数据向量。

15.如权利要求14所述的基地台，其特征在于，该频道均衡器是一最低均方差均衡器。

16.如权利要求13所述的基地台，其特征在于，该频道脉冲响应通过填零直至定义该频道脉冲响应的一频道响应矩阵的一第一长度延伸至达成一第二长度而重建。

17.如权利要求16所述的基地台，其特征在于，该频道响应矩阵是一托普利兹矩阵。

18.如权利要求13所述的基地台，其特征在于，该芯片速率接收向量通过填零直至该芯片速率接收向量的一第一长度延伸至达成一第二长度而重建。

Images