CN101599772B - 解调信号的方法与装置 - Google Patents

Abstract

一种解调信号的方法与装置。其中，解调信号的方法包括：接收信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列与至少一个数据段；使用结合侦测维特比算法解调所述训练序列与所述干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列，并且产生所述所需信号成分与所述干扰信号成分的信道估计值；以及使用所述信道估计值作为结合侦测维特比算法的初始信道估计值用以根据结合侦测维特比算法解调所述至少一个数据段。利用本发明提供的解调信号的方法与装置可减少干扰并提高接收信号的品质。

Description

解调信号的方法与装置

技术领域

本发明有关于一种接收机结构，更具体的，有关于解调信号的方法与装置。

背景技术

当多个手机使用于一个网络时，与不同手机的相关信号可能会互相干扰，造成接收到的信号衰减或甚至造成通信中断。在一些实例中，结合维特比的解调(joint demodulation Viterbi,JDV)算法可用以连带地解调(或解码)所需的信号与干扰信号，而形成减少的干扰以及较佳的接收信号质量。

发明内容

为了解决现有技术中不同行动装置间的信号相互干扰的问题，本发明提供一种解调信号的方法与装置。

一种解调信号的方法包括：接收信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列与至少一个数据段；使用结合侦测维特比算法解调所述训练序列与所述干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列，并且产生所述所需信号成分与所述干扰信号成分的信道估计值；以及使用所述信道估计值作为结合侦测维特比算法的初始信道估计值用以根据结合侦测维特比算法解调所述至少一个数据段。

一种解调信号的方法包括：应用结合侦测维特比算法以解调输入信号的训练序列，以取得所述输入信号的所需信号成分与干扰信号成分的信道特性相关信息；以及根据当解调所述训练序列时所取得的所述所需信号成分与所述干扰信号成分的所述信道特性相关信息取得信道估计初始值，使用所述信道估计初始值并应用所述结合侦测维特比算法解调所述输入信号的至少一个数据段。

一种解调信号的方法包括：接收信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列、第一数据段与第二数据段；迭代应用结合侦测维特比算法于所述训练序列的第一部分以产生所述所需信号成分与所述干扰信号成分的第一信道估计值；迭代应用所述结合侦测维特比算法于所述训练序列的第二部分以产生所述所需信号成分与所述干扰信号成分的第二信道估计值；使用所述第一信道估计值作为所述结合侦测维特比算法的信道估计初始值并根据所述结合侦测维特比算法解调所述第一数据段；以及使用所述第二信道估计值作为所述结合侦测维特比算法的信道估计初始值并根据所述结合侦测维特比算法解调所述第二数据段。

一种解调信号的装包括：无线接收机，包括结合侦测维特比解调器以应用结合侦测维特比算法于突发信号的训练序列，以解调所述训练序列并决定所需信号与干扰信号的复数信道估计值，以及应用所述结合侦测维特比算法于所述突发信号的至少一个数据段，以使用所述等信道估计值作为所述结合侦测维特比算法的信道估计初始值，解调所述至少一个数据段的数据序列。

一种解调信号的装置包括：输入模块，用以接收输入信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列与至少一个数据段；以及结合侦测维特比解调器用以使用结合侦测维特比算法解调所述训练序列与所述干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列，并且决定所述所需信号成分与所述干扰信号成分的信道估计值，以及使用解调所述训练序列时所取得的所述所需信号成分与所述干扰信号成分的所述信道估计值作为初始信道估计值，用以根据所述结合侦测维特比算法解调至少一个数据段。

本发明的各实施例、系统与方法可包括一个或多个以下的优点。无线信号可更精确地被可适性地根据无线信号特性选择标准维特比解调器或结合侦测维特比解调器进行解调。通过训练序列迭代结合侦测维特比算法以取得所需信号与干扰信号的信道估计值，可快速解调具有干扰信号出现的用户信号。接着使用信道估计值作为初始信道估计值，于数据段迭代结合侦测维特比算法。将训练序列切分的分析(例如先分析训练序列的第一半边，并接着分析训练序列的第二半边)可改善遭受异步干扰的接收机的性能。

附图说明

图1显示根据本发明实施例所述的下行链路先进接收机性能接收机的信号处理流程；

图2显示根据本发明实施例所述的用以决定是否使用标准维特比解调器或JDV解调器的决定逻辑范例图表；

图3显示根据本发明实施例所述的由4个状态所组成的蝴蝶结构；

图4显示根据本发明实施例所述的由16个状态所组成的蝴蝶结构；

图5显示根据本发明实施例所述的蝴蝶结构；

图6显示根据本发明实施例所述的解码突发信号的方法；

图7显示根据本发明实施例所述的于信道脉冲响应与JDV区块切分训练序列的效果；

图8显示无线网络实施例；

图9显示根据本发明实施例所述的使用标准维特比与JDV解调器的方法流程图；

图10显示根据本发明实施例所述的使用结合侦测维特比解调器解调训练序列与数据段的方法流程图。

具体实施方式

为使本发明的制造、操作方法、目标和优点能更明显易懂，下文特举几个较佳实施例，并配合所附附图，作详细说明如下：

以下将介绍于本文件中所使用的通信专有名词

JDV–Joint Detection Viterbi，结合侦测维特比

SAIC–Single Antenna Interference Cancellation，单天线干扰消除

GSM–Global System for Mobile communications，全球移动通信系统

CIR-Channel Impulse Response，信道脉冲响应

GMSK–Gaussian Minimum-Shift Keying，高斯最小频移键控

PSK–Phase-Shift Keying，相移键控

AWGN–Additive White Gaussian Noise，加成性白高斯噪声

TS–Training Sequence，训练序列

APM–Accumulated Path Metric，累积路径度量

ACS–Add Compare Select，相加比较选择

SV–Soft Value，软性估计数值

TB–Trace Back，往回追溯

LMS–Least Mean Squares，最小平均平方

DARP-Downlink Advanced Receiver Performance，下行链路先进接收机性能

EIC-Enhanced Interference Cancellation，加强干扰消除

RSSI-Received Signal Strength Indicator，接收信号强度指针

ACI-Adjacent Channel Interference，相邻信道干扰

MSE-Mean Square Error，平均平方误差

LCD-Long Channel Detection，长信道侦测

LPC-Linear Prediction Coefficient，线性预测系数

EGPRS-Enhanced General Packet Radio Service，增强的通用分组无线业务

CCI–Co-channel Interference，同信道干扰

概要：

在一些实施例中，下行链路先进接收机性能接收机会被设计用以符合一些由第三代合作伙伴计划（3rd Generation Partnership Project，3GPP）DARP第一阶段需求。这些需求主要针对于使用更智能的接收机装置减少干扰信号造成的负面影响，例如使用单天线干扰消除。有一些接收机概念采用单天线干扰消除，而为下行链路先进接收机性能接收机选择的接收机概念则是以结合侦测维特比算法为基础，用以将想要的信号与主要的干扰信号一并解调。

在一些实例中，实施JDV解调器的复杂度可能随着所需信号与干扰信号的传播信道的长度估计值而指数性增长。在一些实例中，以软件实施的JDV解调器会受限于3阶估计所需信号与干扰信号，因此JDV解调器可能无法适用于解调被长传输信道分散所主导的信道(例如HT100)。此外，若没有主导的干扰(即，接收仅受射频电路内所产生的热噪声的限制)，则JDV解调器可能无法如标准的维特比解调器效果一样好。

在此文件中，“标准的维特比解调器”所代表的是使用维特比算法解调出被调制的所需信号，而不解调出被调制的干扰讯号的解调器。“JDV解调器”所代表的是使用结合侦测维特比算法同时解调出已调制的所需信号与干扰信号。结合侦测维特比(Joint Detection Viterbi,JDV)与结合解调维特比(JointDemodulation Viterbi,JDV)为同一种设备。在以下的说明中，当使用“解调所需的信号”，指的是解调已调制的所需信号，而当使用“解调干扰信号”，指的是解调已调制的干扰信号。

在一些实施例中，当JDV解调器表现不如标准的维特比解调器时，接收机预设为标准的维特比解调器。在本文件中，将说明接收机如何决定使用何种解调器，以及接收机如何执行其一般任务(例如时序估计)。

接收机架构：

图1显示根据本发明的实施例所述的下行链路先进接收机性能接收机10的处理信号流程。信号(例如根据GSM标准调制的信号)于天线12被接收。被接收的信号可包括所需的信号成分与同信道干扰(co-channel interference)信号成分。接收到的信号首先经由前置处理区块14处理，其中前置处理区块14处理例如直流偏移量估计与修正、频率修正与时间偏移量估计以及接收信号强度指针估计。下一步骤为分析所接收到的信号并且在加强干扰消除滤波区块16应用适当的接收滤波器，包括侦测长传播信道等。根据例如接收信号强度指针与加强干扰消除决策值，结合侦测维特比决策装置18控制JDV开关20，用以选择标准维特比解调器22或JDV解调器24。

例如，标准的维特比解调器22使用维特比算法解调所需的信号，但并不根据维特比算法解调干扰信号。相较之下，JDV解调器24根据维特比算法解调所需的信号与干扰信号。标准的维特比解调器22在某种情况下可具有较佳的性能，而JDV解调器24在另一些情况下可具有较佳的性能。以下将说明JDV决策装置18用以决定选择解调器(22或24)的评断标准。

解调器22或24的输出将提供给频率偏移估计单元26使用，用以估计频率偏移。解调器22或24的输出也可通过调整与量化区块28其可产生通过信道解码器的软性估计值。

前置处理区块：

前置处理区块14执行一些与后续选择标准维特比或JDV解调器无关的运算。以下为一些由前置处理区块14执行的运算实例：

接收信号强度指针量测

直流偏移量的估计与修正

增强的通用分组无线业务(EGPRS)的调制侦测(在此说明中假设GMSK调制)

IQ的预先调整(Pre-scaling)

已知偏移量的频率修正

所需信号的初始信道脉冲响应估计

接收信号强度指针与信道脉冲响应估计可用于JDV的选择程序。接收信号强度指针定义为所接收到信号的功率，并且首先估计接收到的数据的平均功率，接着根据射频增益设定值正规化而估计接收信号强度指针，使得结果是单位为dBm(分贝与毫瓦的比例)的接收到的功率。信道脉冲响应由接收到的信号与已知的训练序列(TS)交叉相关(cross correlation)而取得。

加强干扰消除滤波：

以下将介绍加强干扰消除滤波区块16。加强干扰消除滤波区块16的工作原则为自一组预先定义的候选滤波器中，选择可使滤波输出与通过修正过的传播信道模型的训练序列间最小平方误差最小的滤波器。此非理性强迫法(brute-force method)对于敏感度、同信道、上方与下方相邻信道干扰的区分具有较佳的准确度，并且选择可使残余干扰与噪声的功率所定义的平均平方误差(MSE)最小的滤波器。

在一些实施例中，受限于敏感度的信道可能造成无滤波作用的穿透状态(pass-through state)。上方与下方的相邻信道干扰会造成针对特定相邻信道干扰的陷波滤波器(notch filters)，而同信道干扰(co-channel interference,CCI)会造成通过增加高频成份有效加宽接收信号的频宽的滤波器。因此，加强干扰消除理想地不会影响敏感度的性能，而会显着地增加相邻信道干扰性能。加强干扰消除也可改善同信道干扰性能，但最多仅为少量的改善，并不足以通过下行链路先进接收机性能的需求。

在一些实施例中，具有接收信号强度指针低于临界值(例如-105dBm)的所接收到的突发信号(burst)可在不执行加强干扰消除分类与滤除的情况下被解调。原因是如此低振幅的信号可能被热噪声严重地破坏，因此会造成加强干扰消除的分类误差(classification error)。执行加强干扰消除的风险为加强干扰消除可能将此突发信号分类为具有同信道干扰(因为其不佳的信号质量而造成不佳的加强干扰消除性能)，因此，即使并没有干扰存在，最终也会使用JDV解调器进行调制。

JDV决策装置：

以下将介绍JDV决策装置18。在一些实施例中，基于在有使用下行链路先进接收机性能的侦测同信道干扰情况时的加强干扰消除的性能(以及，例如结合接收信号强度指针的临界值)，JDV解调器的选择可与加强干扰消除的同信道干扰滤波器分枝结合，使得仅判断为同信道干扰主导的传播情况可由JDV解调器24解调，而其余的情形则由标准维特比解调器22解调。

在一些情形下，即使在已经侦测为同信道干扰主导的情况，限制使用JDV解调器24也是有益的，例如当多径延迟(multipath delay)已超过JDV解调器24可支持的信道长度。此情况可通过所谓的长信道侦测(Long ChannelDetection，LCD)所侦测，其为信道脉冲响应的振幅的时间平均数据。长信道侦测于数个突发信号针对所需的信号将7阶的信道脉冲响应的振幅取其平方值的平均，并且应用临界值判断可在JDV解调器24所涵盖的3阶以外所允许多少的能量。若超过此临界值，则使用标准维特比解调器22。

在一些实施例中，另一个可以使用的切换标准是加强干扰消除滤波器的无滤波路径的残余信号的频谱分析。若残余信号的第一阶线性预测系数(Linear Prediction Coefficient，LPC)的振幅超过既定的临界值，则代表噪声与干扰是频带限制的，并且因此不可能被热噪声主导。根据复数(complex)系数所落入的象限，干扰可被区分为同信道干扰或相邻信道干扰。对于同信道干扰将使用JDV解调器24，而其它的情况则依靠标准维特比解调器22。

图2显示根据本发明的实施例所述的用以决定使用标准维特比解调器22还是JDV解调器24的决定逻辑范例图表30。图中的符号“CV”代表使用标准或传统的维特比解调器22，而图中的符号“JDV”代表使用JDV解调器24。图表30中显示出四种测试。这四种测试可单独使用或合并使用。

第一测试32为将所估计的接收信号强度指针与预设级(preset level)的临界值T_Sensitivity比较，例如-105dBm。假设接收信号强度指针低于-105dBm，则可能导致选择误差，其可能意外地导致选择JDV解调器24，尽管在此接收信号强度指针中最佳的接收机为标准的维特比解调器(CV)22。若此接收信号强度指针低于-105dBm，则使用标准的维特比解调器22，而当此接收信号强度指针高于-105dBm，则会进行额外的测试。

第二测试34为当从接收到的突发信号对应于训练序列的部分中减去训练序列理论值的成分，使用第一阶LPC系数的残余噪声频谱分析。决策路径度量(metric，通往目的节点的路径所经过的节点个数)越大、噪声的“颜色”越多，所以较大数值可指出同信道干扰可能存在。此临界值TLPC谨慎地被设定，其允许更有把握地确认出同信道干扰的情形。因此，当超过临界值时，选择的标准为选择JDV解调器24，而对于较低的数值在作出决策前还需要更多的测试。

第三个测试36为长信道侦测，其寻求辨认超过长信道侦测能力的传播信道长度。长信道侦测临界值TLCD必需谨慎地被设定，使得长信道侦测可更精准并且使得标准的维特比解调器22可被选择。若不执行长信道侦测，则可做第四项分析，如下述。

第四个测试38为加强干扰消除分类。加强干扰消除滤波区块16对于接收到的信号可应用四个不同的滤波器，例如加成性白高斯噪声、同信道干扰、相邻信道干扰1(ACI1)与相邻信道干扰2(ACI2)，并且选择可使误差最小的滤波器。ACI1与ACI2为针对来自较高频与较低频相邻信道的干扰。若选择CCI滤波器，则代表出现同信道的干扰信号，并且导致选择JDV解调器24。而其它滤波器则导致选择标准维特比解调器22。

等化：

以下将介绍等化程序。基于先前步骤的决策，等化步骤可由标准维特比解调器22或JDV解调器24完成。在这两种情况下，会产生序列在被应用于信道解码前需要被调整与量化的软性估计值。各信号路径实际取得软性估计值的过程会不同。

维特比解调器22与JDV解调器24的共同点为都会将软性估计值传递给后续处理，并且软性调整的尺度描述出解调完成的质量。调整尺度可用于后续的软性估计值调整与量化。

频率偏移估计：

根据接收到的信号、解调器输出与所需信号的信道脉冲响应估计值，可估计频率偏移并且传送至上层用以更新保持行动装置与网络同步的控制环(control loop)。此过程可独立于所选择的解调方法。

软性估计值调整与量化：

从由解调器所计算的软性调整尺度，信号链接的最后一个阶段计算用以量化均衡器输出的软性估计值所使用的量化步长大小(step size)。4位被量化的软性估计值会被塞入16位的字符中，并且通过解码链接的剩余区块。

结合侦测维特比算法(joint detection Viterbi algorithm)：

以下将介绍用以实施结合侦测维特比的单天线干扰消除接收机实施例。以下同时会介绍单天线干扰消除解码器如何与现存的GSM接收机结合。此解决方案包括两个元件：单天线干扰消除信道脉冲响应估计模块与单天线干扰消除结合侦测维特比解调器。

以结合侦测维特比为基础的单天线干扰消除接收机：

在一些实施例中，以结合侦测维特比为基础的单天线干扰消除解决方案包括一些嵌入于GSM解调器或均衡器的元件。最重要的两个元件为特殊的察觉干扰(interference-aware)的信道脉冲响应估计模块，以及结合侦测维特比解调器本身。结合侦测维特比解调器可进一步分成负责估计信道脉冲响应干扰源的训练部分与实际解调部分。

单天线干扰消除信道脉冲响应估计：

参考图1，单天线干扰消除信道脉冲响应估计模块40根据所谓的恒模(constant modulus)或恒包络原理(constant envelope principle)为基础。此为一种通过将干扰模拟为恒功率的信号，在同信道干扰之下估计用户信道脉冲响应的方法。此模型适用于在静态传播条件下由高斯最小频移键控的干扰源，但实际上对于8-PSK调制信号以及经历衰减信道情况的信号也是一个有用的模型。

信号模型：

使用的信号模型包括所需信号、具有恒模但代表干扰成分与加成性白高斯噪声的随机参数信号成分：

式(1)

其中r(n)为接收到的信号，d(n)为传送的信号，h(k)为用户信道脉冲响应，并且λ与

为模数与干扰参数，而w(n)为加成性白高斯噪声。目标是要决定h(k)，但若直接使用式(1)，会很快发现必须得到一个好的

估计值，其并不容易。因此，重新组合式(1)，并考虑用功率表示信号模型

${\left|\right|r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k)\left|\right|}^2-{\mathrm{\λ}}^2={\mathrm{\σ}}_w^2$ 式(2)

其中σ_W为加成性白高斯噪声的变量。式(2)中功率表示的信号模型启发出以下的成本函数：

$J=\underset{n}{\mathrm{\Σ}}{({\left|\right|r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k)\left|\right|}^2-{\mathrm{\λ}}^2)}^2$ 式(3)

此最陡下降(steepest descent)方法用于逐步地根据成本函数的斜率更新信道估计值：

$h_{(i+1)}\left(m\right)=h_{\left(i\right)}\left(m\right)-\mathrm{\μ}\frac{\mathrm{dJ}}{\mathrm{dh}\left(m\right)}$

其中h_(i)(m)为用户传播信道的第m阶的信道脉冲响应的第i个迭代(iteration)值，而μ为任意的步长大小，而dJ/dh(m)为有关于用户信道脉冲响应估计的成本函数的斜率(gradient)。最初的信道脉冲响应估计可使用相关度计算(correlation)或其它类似不考虑干扰源的方法取得。

斜率(gradient)通过将J对信道脉冲响应微分：

$\frac{\mathrm{dJ}}{\mathrm{dh}\left(m\right)}=-\underset{n}{\mathrm{\Σ}}\left(4({\left|\right|r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k)\left|\right|}^2-{\mathrm{\λ}}^2)(r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k))d(n-m)\right)$ 式(4)

这代表信道脉冲响应会通过以下迭代程序更新：

$h_{(i+1)}\left(m\right)=h_{\left(i\right)}\left(m\right)-\mathrm{\μ}\underset{n}{\mathrm{\Σ}}({\left|\right|e\left(n\right)\left|\right|}^2-{\mathrm{\λ}}^2)e\left(n\right)d(n-m)$ 式(5)

其中e(n)为实际与期望的接收符号n的差异。传输的数据d(n)通常为未知，除了在传输过程中的训练序列，因此JDV信道脉冲响应算法仅操作于26个对应于接收到的训练序列的IQ符号。除了针对整个训练序列取平均，也可以使用传统的最小平均平方公式，因此仅符号大小的区块会用以估计斜率。由于对各符号使用信道脉冲响应，最小平均平方速度较快，而传统的区块为基础的最陡下降方法则较精确，因为它可有效过滤出许多在信道估计程序中的短暂波动。

估计干扰功率：

由于干扰功率，即λ²，为未知的，其可与信道脉冲响应同被估计。这个透过受控制的λ²收敛

对于长期||e(n)||²平均值达成：

1.将

初始

2.计算 $e\left(n\right)=r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k)$

3. ${\mathrm{\λ}}_{(i+1)}^2=\mathrm{\α}{\mathrm{\λ}}_{\left(i\right)}^2+(1-\mathrm{\α}){\left|\right|e\left(n\right)\left|\right|}^2,$ 其中i＝1，2，3，...

其中α可被适当的选取并且在每次迭代中增加。

由于最差情况的性能会在接近训练序列(TS)的一半开始传送异步的干扰源时发生，干扰功率估计值可被分成两个部分，一个为训练序列的左半边(训练序列的第一部分)，另一个为训练序列的右半边(训练序列的第二部分)。本发明不仅可解决当干扰源开始于训练序列正中央的情形，也可以通过降低对于干扰功率变化的整体敏感度而改善所有干扰源相对位置的性能。值得注意的是仅干扰源功率估计可造成此区别，而非信道脉冲响应估计。

完整JDV信道脉冲响应算法：

以上步骤可结合成单一JDV信道脉冲响应估计算法。在一些实施例中，此算法会多次迭代训练序列。这允许信道脉冲响应与干扰功率的收敛。

在一些实施例中，完整的算法如下：

将

初始

0

使用训练序列与IQ相关值(correlation)计算最初的信道脉冲响应h₍₁₎

对于每次迭代i=1，...,N_i：

1.计算 $e\left(n\right)=r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)d(n-k)$

2. ${\mathrm{\λ}}_{(i+1)}^2={\mathrm{\α}}_{\left(i\right)}{\mathrm{\λ}}_{\left(i\right)}^2+(1-{\mathrm{\α}}_{\left(i\right)}){\left|\right|e\left(n\right)\left|\right|}^2$

3. $h_{(i+1)}\left(m\right)=h_{\left(i\right)}\left(m\right)-\mathrm{\μ}\underset{n}{\mathrm{\Σ}}({\left|\right|e\left(n\right)\left|\right|}^2-{\mathrm{\λ}}_{\left(i\right)}^2)e\left(n\right)d(n-m)$

4.减少收敛速度：α_(i+1)＝0.75α_(i)+0.25

结合侦测维特比：

为了帮助理解结合侦测维特比(Joint Detection Viterbi,JDV)解调器，以下先介绍标准的维特比解调器。

维特比等化(Viterbi Equalization)：

在GSM中，等化(或解调)可通过维特比算法完成，无论是使用Ungerboeck或Forney的方法。由于其为结合侦测维特比的基础，因此在此将简单地介绍Forney的方法。

维特比算法会以合成分析(analysis-by-synthesis)的方法企图自接收序列中反卷积(de-convolve)传送序列，其中在合成分析方法中，所有可能的被传送序列都会与信道脉冲响应卷积(convolve)，以找到与接收信号最匹配的序列。此匹配会根据最小的成本函数决定，例如欧几里得距离度量(Euclidian DistanceMetric)，在此区间的序列可被解调。

由于传播信道的内存(信道脉冲响应的长度)，这并非以一个一个符号(sylnbol-by-symbol)为基础，而是需要估计至少一序列数据。此可被最小化的度量为：

$J=\underset{n}{\mathrm{\Σ}}{\left|\right|r\left(n\right)-\underset{k}{\mathrm{\Σ}}h\left(k\right)\hat{d}(n-k)\left|\right|}^2$ 式(6)

其中r(n)为接收到的序列，

为{-1，+1}组合的假设传送符号，而h(k)为信道脉冲响应估计值。变数n跨越序列长度的区段，而长度k跨越传播信道的内存的区段。

在传播信道区段中各可能的过去传送符号的结合可称为状态，而与状态有关的符号称为“状态向量(state vector)”。维特比算法可通过所谓的蝴蝶(butterfly)结构有效率地完成，蝴蝶结构的特征是由符号间的转换而造成的状态向量变化。由于系统的因果性(causality)，仅有一定数目的可能的转换，因此在符号转换前后，状态向量s(n)之间的关系可表示为：

$s\left(n\right)=\left[\begin{array}{c}{s}_0\left(n\right)\\ s_1\left(n\right)\\ .\\ .\\ .\\ s_{L-1}\left(n\right)\end{array}\right]\→s(n+1)\left[\begin{array}{c}\hat{d}\left(n\right)\\ s_0\left(n\right)\\ .\\ .\\ .\\ s_{L-2}\left(n\right)\end{array}\right]$ 式(7)

其中s_k(n)为第k’个为第n’个符号以{-1，+1}表示的状态位，

为假设符号，而L为信道阶数(比信道脉冲响应阶小1的数量)。由于

与

限制于-1或+1，转换可表示成四个状态。这些状态包括两个开始状态与两个结束状态。图3显示根据本发明的实施例所述的由四个状态所组成的蝴蝶结构50。

如图3所示，起始与终点状态数量会根据蝴蝶结构数量k计算，其可为0...(2L-1)。因此，例如中，5信道脉冲响应阶的实施例中会有8个蝴蝶结构，例如图4所示的蝴蝶结构60a到60h用以描述16个状态。

对于各终点状态，可有两个可能的起始状态，各自拥有累积路径度量(Accumulated Path Metric，APM)，其为相对分枝度量与相对于起始状态路径度量的总合。对于各蝴蝶结构，有四个累积路径度量可计算。

APM00=PM0+BM00

APM01=PM0+BM01

APM10=PM1+BM10

APM11=PM1+BM11                    式(8)

PM0与PM1为起始状态k与k+2^L-1的存活路径度量(将于以下定义)。分枝度量(branch metrics，BM’s)表示为：

$\mathrm{BM}={|r\left(n\right)-(\hat{d}\left(n\right)h\left(0\right)+\underset{k=0}{\overset{k=L-1}{\mathrm{\Σ}}}{s}_{k}h(k+1))|}^2$

$={|r\left(n\right)-T_{d\left(n\right),s}|}^2$ 式(9)

其中后面的标记意味着若信道脉冲响应估计值h(k)为常数，卷积(convolution)部分可被储存于表格中，即非可适性(non-adaptive)实施。

下个步骤为识别各状态的最佳(最小)累积路径度量(APM)。最佳累积路径度量称为存活路径度量，而最佳累积路径度量的索引j描述在此状态所作的决定，并且储存于决策历史中。

PMi=min(APMji),i={0,1},j={0,1}            式(10)

以上程序称为相加比较选择(add compare select，ACS)程序。相加意指路径度量与分枝度量相加。比较意指比较产生决策位(0或1)的各对累积路径度量，而选择意指选择最小累积路径度量作为存活路径度量(path metric，PM)。

可用以取得各解码位的信赖程度(confidence level)的方法根据最可能发生0转换(APM0x)与最可能发生1转换(APM1x)的差距：

SP0=min(APM0i_k),SP1=min(APM1i_k),对于所有状态k

SV(n)=SP0-SP1

其中正数SV代表已传送之+1(位1)，而负数的SV代表已传送之-1(位0)，其中软性决策值的大小会符合被调制位的信赖程度。因此，例如，大正数代表位1(1-bit)被接收，而位误差率较低，而小负数代表位0(0-bit)被接收，而解调误差率较高。

直到执行维特比算法的时间点，任何给定时间的被解调序列都可以被找到。在一些实施例中，GSM的序列很短使得完整的序列通常在解调序列被决定前已被处理。寻找此序列的程序称为往回追溯(Trace Back，TB)，并且透过状态的交织路径辨别最佳的存活路径。首先找到与最佳存活路径度量相关的决策值，此决策值将描述从前一个允许此往回追溯算法以回溯至先前决策的前一个符号的转换。

结合侦测维特比：

在结合侦测维特比，状态向量会被扩展以结合描述两独立的序列：用户序列(所感兴趣的信号/所需的信号)以及干扰序列。

$s\left(n\right)=\left[\begin{array}{c}{s}_{u,0}\left(n\right)\\ s_{u,1}\left(n\right)\\ .\\ .\\ .\\ s_{u,L-1}\left(n\right)\\ ---\\ s_{i,0}\left(n\right)\end{array}\right]\→s(n+1)\left[\begin{array}{c}{\hat{d}}_u\left(n\right)\\ s_{u,0}\left(n\right)\\ .\\ .\\ .\\ s_{u,L-2}\left(b\right)\\ ---\\ {\hat{d}}_i\left(n\right)\end{array}\right]$ 式(11)

在此下标u与i分别用以区分用户与干扰源。用线分隔的状态向量代表跨越中间的部分在时间上是分离的。实际上，各半边代表重迭的时间，即

与

为同一时间被传送的用户与干扰符号的估计值。方便起见，状态向量也可被写为

[s_u,0(n)s_u,1(n)|s_i,0(n)s_i,1(n)]，对于3阶的信道脉冲响应。

一开始，由于变成两倍的状态向量长度造成复杂度(根据可能转换所量测)看起来变成平方，但实际上仅为两倍，这是因为用户与干扰源的部分为独立的，造成各状态的可能转换为两倍。这可由图5所示的蝴蝶结构70看出，其中各终点状态具有四个可能的起始状态。

与JDV关联的分枝度量表示为：

$\mathrm{BM}={|r\left(n\right)-(({\hat{d}}_u\left(n\right)h_u\left(0\right)+\underset{k=0}{\overset{k=L-1}{\mathrm{\Σ}}}{s}_{u,k}{h}_u(k+1))+({\hat{d}}_i\left(n\right)h_i\left(0\right)+\underset{k=0}{\overset{k=L-1}{\mathrm{\Σ}}}{s}_{i,k}{h}_i(k+1)))|}^2$

$={|r\left(n\right)-(T_{u,{\hat{d}}_u\left(n\right),s_u}+T_{i,{\hat{d}}_i\left(n\right),s_i})|}^2$ 式(12)

为了改善性能，h_u(k)与h_i(k)会对各符号使用最小平均平方算法根据传送的用户与干扰序列的估计值做更新。这代表此算法需要每隔一定时间重新计算表格Tu与Ti，达到每符号一次。

相加比较选择紧接在后，但现在各终点状态有四个起始状态，因此各决策可以2位表示。往回追溯也需为各状态转换处理2位。1位代表用户序列，而1位代表干扰序列。即使干扰序列可能不需进一步处理，仍必须持续追踪以适当的往回追溯。

PM_i=min(APM j i),i={00,01,10,11},j={00,01,10,11}        式(13)

各接收到的符号有两个软性估计值。一个软性估计值提供给用户而另一个提供给干扰源。

SP0_u＝min(APM0xxx_k)，SP1_u＝min(APM1xxx_k)，

SV_u(n)＝SP0_u-SP1_u

SP0_i＝min(APMx0xx_k)，SP1_i＝min(APMx1xx_k)，

SV_i(n)＝SP0_i-SP1_i

干扰序列的软性估计值仅用以取得传送的干扰序列的估计值，此估计值用于信道脉冲响应的更新，因此若干扰序列根据其它方式估计则可省略此步骤。例如，干扰序列可由片段往回追溯(piecewise trace back)估计。

最小平均平方用于更新信道脉冲响应的估计值。估计误差由用户与干扰序列的估计值结合用以计算分枝度量的表格取得：

$e=r\left(n\right)-(\left(\underset{k=0}{\overset{k=L}{\mathrm{\Σ}}}{\hat{d}}_u(n-k)h_u\left(k\right)\right)+\left(\underset{k=0}{\overset{k=L}{\mathrm{\Σ}}}{\hat{d}}_i(n-k)h_i\left(k\right)\right))$

$=r\left(n\right)-(T_{u,{\hat{d}}_u}+T_{i,{\hat{d}}_i})$ 式(14)

误差估计值e用于最小平均平方算法。

$h_u^{(n+1)}\left(k\right)=h_u^{\left(n\right)}\left(k\right)+{\mathrm{\γ}}_u\·e\·{\hat{d}}_u(n-k),\∀k$

$h_i^{(n+1)}\left(k\right)=h_i^{\left(n\right)}\left(k\right)+{\mathrm{\γ}}_i\·e\·{\hat{d}}_m(n-k),\∀k$ 式(15)

其中γ_u与γ_i为决定最小平均平方适应速率的步长大小参数。

一些结合侦测维特比实施例可受惠于为了取得较佳的信道脉冲响应而反复运算的特性，例如当JDV开始于使用Dirach脉冲作为干扰信道的初始信道脉冲响应估计值。伴随着结合取得用户与干扰序列的信道脉冲响应估计值的方法(将于以下介绍)，在执行过一次JDV算法后信道脉冲响应估计值的质量会非常高。

干扰源信道脉冲响应估计：

即使JDV可以Dirach脉冲作为作为初始，其也受惠于利用训练序列训练JDV均衡器。例如，可通过与使用于数据解调相同的JDV实施方法，或用不同的任务执行。其中一个原因为在向导模式(guided mode)的复杂度可降低，对于3阶的信道脉冲响应，其可造成各符号的相对复杂度约为完整JDV的四分之一。

由于d_u(n)在训练序列持续时间内为已知的，各用户序列的JDV可导入正确的状态。干扰源的解调可变得更精确。这对于由式(12)所推导的分枝度量以及由式(14)所推导的最小平均平方皆为确实的。

JDV分枝度量(Branch Metric，BM)

$\mathrm{BM}={|r\left(n\right)-(\left(\underset{k=0}{\overset{k=L}{\mathrm{\Σ}}}{d}_u(n-k)h_u\left(k\right)\right)+({\hat{d}}_i\left(n\right)h_i\left(0\right)+\underset{k=0}{\overset{k=L-1}{\mathrm{\Σ}}}{s}_{i,k}{h}_i(k+1)))|}^2$

$={|r\left(n\right)-(T_{u,d_u}+T_{i,{\hat{d}}_i\left(n\right),s_i})|}^2$ 式(16)

最小平均平方估计误差

$e=r\left(n\right)-(\left(\underset{k=0}{\overset{k=L}{\mathrm{\Σ}}}{d}_u(n-k)h_u\left(k\right)\right)+\left(\underset{k=0}{\overset{k=L}{\mathrm{\Σ}}}{\hat{d}}_i(n-k)h_i\left(k\right)\right))$

$=r\left(n\right)-(T_{{u,d}_u}+T_{i,{\hat{d}}_i})$ 式(17)

用户与干扰源信道脉冲响应皆应用于主要的JDV，但最初干扰源信道脉冲响应更积极地被应用以加速收敛。许多迭代可通过多次忽略训练序列而被执行，并且在每次忽略，最小平均平方步长大小参数会被减少以改善为加速收敛所造成的收敛误差。

图6显示根据本发明的实施例所述的解码突发信号80的方法。突发信号80包括第一数据段(data field)82、训练序列84、与第二数据段86。在传送过程中，训练序列84为突发信号80的传送机与接收机双方所已知的(虽然由于干扰或信号的衰减，在接收机所接收到的训练序列通常与传送机所传送的不同)。信道脉冲响应估计模块40(图1)可根据，例如接收到的信号与已知训练序列的交叉相关，为所需的信号提供信道系数的初始估计值。如图6所示，JDV算法会使用由信道脉冲响应估计模块40为所需的信号提供的初始信道系数估计值反复迭代训练序列(步骤88a)。JDV算法会反复迭代训练序列许多次(步骤88)，并且在此程序中，可取得所需信号与干扰信号的信道估计。

在一些实施例中，JDV算法的迭代训练序列包括建立树状数据结构用以评估可能的传送训练序列，并且根据已知的被传送的训练序列的信息计算分枝度量以及估计误差。这可由式(16)与(17)看出，其中传送的符号d_u(n)为已知的符号。由于已知实际传送的训练序列，JDV算法选择符合已知被传送的训练序列的可能的被传送训练序列，并且除去不符合的。这会加快JDV算法迭代训练序列的速度。

如上述，JDV算法多次迭代训练序列可为所需信号与干扰信号产生信道估计的信息。信道估计值(由JDV算法迭代训练序列所取得)用以作为JDV迭代第一数据段的初始信道估计值(步骤90)。通过使用信道估计信息于所需信号与干扰信号，一旦JDV算法迭代第一数据段，可产生足够准确的软性估计值。在一些实施例中，不需要针对第一数据迭代JDV算法超过一次。JDV算法用以迭代一次第二数据段86(步骤92)以产生第二数据段86的软性估计值。

针对训练序列迭代JDV算法以取得干扰信号的信道估计值的好处为可通过除去与已知训练序列不符合的可能被传送的训练序列而加快JDV算法的执行速度。在多次针对训练序列迭代JDV算法之后，所需信号与干扰信号的信道估计值可足够精确使得JDV算法可应用于各数据段82与数据段86一次，而不像当初始信道估计不够精确时必须应用多次JDV算法。

在一些实施例中，由于异步干扰源有可能在训练序列中途出现，处理程序可分成两个部分：一个是针对左半边训练序列，另一个是针对右半边训练序列。用户的信道脉冲响应不会被影响，但若两个半边的训练序列具有明显不同的干扰功率，干扰源的信道脉冲响应会被独立地在两个部分被估计。以下将做进一步介绍。

JDV处理机制：

由于用户与干扰源的信道脉冲响应由训练序列所推导而来，其在接近训练序列时可较佳的描述接收到的信号，并且当远离训练序列时会逐渐地变差。这是由两个物理现象所造成的：实际的信道脉冲响应随时间的变化以及更大范围的频率偏移逐渐造成突发信号末端相位偏移的增加。在一些实施例中，为了达到好的性能，JDV会离开训练序列并且实施于突发信号末端。这个允许JDV开始于由训练序列所推得的高质量信道脉冲响应，并且随着移动到突发信号末端而逐渐适应变化的条件条件。这代表往回追溯(Trace Back)会自突发信号末端执行到中间，此程序显示于图6。

对于JDV与往回追溯处理，起始的状态对于用户为已知，而对于干扰源为未知。对于JDV，用户的起始状态被给予训练序列符号，其用于调整初始路径度量。所有干扰源状态起始于中性数值(neutral values)。在往回追溯，用户的起始状态由尾部的位(全0)所决定，而干扰源的起始状态由在干扰状态选择最小的信道长度而决定。

异步干扰(asynchronous interferer)切分训练序列(splittion training sequence)的效果：

图7显示根据本发明的实施例所述的当经历异步干扰时，于信道脉冲响应与JDV区块(如图1所示的40与24)切分训练序列的效果。水平轴代表干扰源开始的位置(例如，当干扰信号开始于如图6所示的突发信号的位置)。纵轴表示误帧率(frame error rate，FER)。两条垂直虚线102a与102b代表用户信号的训练序列边界。

在一些实施例中，当将训练序列切成两部分进行分析时可使干扰源的影响有效的减少，其中干扰源可能由所需信号的训练序列的任意传输点开始。当干扰源为同步时，将训练序列切成两部分进行分析可能不会造成或造成很少复杂度成本与性能的增加。将训练序列切成两部分的概念可应用于信道脉冲响应与JDV。

曲线104代表当用JDV于整个训练序列(Entire TS)时的误帧率，并且根据整个训练序列仅会决定一个干扰信号功率估计值。在曲线104并不切分训练序列。

曲线106(CIR Split)代表在训练序列的干扰信号功率的估计值被切分时的误帧率。例如，信道脉冲响应估计模块40(图1)对于第一半边的训练序列估计第一干扰信号功率，并且对于第二半边的训练序列估计第二干扰信号功率。在曲线106的实施例中，JDV算法可应用于整个训练序列。曲线106的误帧率通常比曲线104来得低。

曲线108(JDV Split)代表当JDV算法反复应用于各半边训练序列时的误帧率。例如，JDV算法反复应用第一半边的训练序列以取得用户与干扰信号的信道估计值，并且当应用JDV算法于第一数据段时此信道估计值用以作为初始信道估计值(图6的82)。此外，JDV算法反复应用训练序列的第二半边以取得用户与干扰信号的信道估计值，并且当应用JDV算法于第二数据段时此信道估计值用以作为初始信道估计值(图6的86)。

若干扰信号开始于突发信号的一半，则在第一数据段与训练序列的第一半边的区间不会有干扰信号，因此用户与干扰源的初始信道估计值(由应用JDV算法于第一半边训练序列取得)对于第一数据段会是准确的。在训练序列的第二半边与第二数据段会有干扰信号，因此用户与干扰源的初始信道估计值(由应用JDV算法于第二半边训练序列取得)对于第二数据段也是准确的。曲线108的误帧率大致上比曲线106来得低。

曲线110(Split TS)代表当针对各半边训练序列执行干扰信号功率估计以及反复应用JDV算法于各半边训练序列时的误帧率。将切分训练序列分析应用于信道脉冲响应与JDV可进一步减少误帧率。曲线110的误帧率通常比曲线108来得低。

外部干扰：

在一些实施例中，除了IQ、训练序列以及突发信号种类(NB/SB)的JDV、与信道脉冲响应估计模块以及均衡器的外部输入为出现于接近训练序列中央的异步干扰源的侦测指针。除非被处理，否则此情境可能对于训练序列导引的单天线干扰消除是最糟的情境。这是因为其会造成训练序列不足以在任一半边的突发信号中表现接收到的信号。在训练序列前或后突然出现的干扰源仅会影响突发信号的一半，并且可在某一程度之内可被忍受。

通过将训练序列分成两半边，无论干扰从何处开始，至少一半边的突发信号会被训练序列的距离最近的半边完好的描述。此特性被广泛地使用，并且部分由参数PowerRatio所控制。

对应于训练序列的接收到的信号会与被传送的训练序列进行相关计算(correlate)，以形成用户的基础信道脉冲响应估计。信道脉冲响应会与训练序列进行卷积运算，以形成无干扰与噪声的接收信号估计值，其中干扰与噪声已自接收信号减去了。剩余的信号为噪声与干扰的估计值，其被分成两半。参数PowerRatio为位于训练序列左半边与右半边的干扰功率差的绝对值除以总干扰功率。

$R_p=\frac{|P_{\mathrm{left}}-P_{\mathrm{right}}|}{P_{\mathrm{left}}+P_{\mathrm{right}}}$ 式(18)

另一个在单天线干扰消除均衡器以外计算此参数的方法为重复使用已在EQ_GMSK_CIR_Estimation_JDV()中被计算的参数InterferencePowerL与InterferencePowerR。参数InterferencePowerL与InterferencePowerR分别对应于根据JDV CIR算法的左半边训练序列与右半边训练序列的功率估计值。

图8显示无线网络实施例，在无线网络120中，无线装置或移动站122(也称为移动装置，mobile station、用户设备user equipment或手机)包括如第一图所示的接收机10用以解调自细胞(cellular)塔124所代表的蜂巢细胞网络接收到的信号，以及传送机用以致能上链传输信号至蜂巢细胞网络。接收机10可制作成集成电路的一部分，例如无线芯片组，并且镶嵌于移动站122的电路板上。蜂巢细胞网络可以连接移动站122至其它装置，例如其它行动装置126。

图9显示根据本发明的实施例所述的使用标准维特比解调器与结合侦测维特比解调器的方法流程图130。方法流程图130包括接收输入信号(步骤132)，例如GSM突发信号，并且根据至少输入信号的一个特性选择标准维特比解调器或结合侦测维特比解调器之一者解调输入信号(步骤134)。此输入信号特性的实施例可包括输入信号的接收信号强度指针、干扰消除单位的滤波器选择、对应于输入信号的传播信道长度、以及输入信号的干扰信号成分的线性预测系数的大小。

当选择结合侦测维特比解调器时，合并解调输入信号的所需的信号成分与干扰信号成分(步骤136)。当选择标准维特比解调器时，解调输入信号的所需的信号成分而不解调干扰信号成分(步骤138)。

图10显示根据本发明的实施例所述的使用结合侦测维特比解调器解调训练序列与数据段的方法流程图140。方法流程图140包括接收输入信号，此输入信号包括所需的信号成分与干扰信号成分，其中所需信号成分包括训练序列与两数据段(步骤142)。例如具有如图6所示的数据结构的信号。

根据结合侦测维特比算法解调训练序列与干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列(步骤144)。接着，产生所需信号成分与干扰信号成分的信道估计值(步骤146)。

使用此信道估计值作为JDV算法的初始信道估计值用以根据JDV算法解调第一数据段(步骤148)。使用此信道估计值作为JDV算法的初始信道估计值用以根据JDV算法解调第二数据段(步骤150)。

虽然以上已讨论一些实施例，在权利要求内也可包含其它实施例与应用。例如，择标准维特比解调器22与JDV解调器24可被置换成其它种类的解调器。选择标准维特比解调器22与JDV解调器24的标准可与上述的实施例不同。当以上所述的JDV算法用以自用户与干扰源解调信号时，同样的概念也可应用于自用户与多个干扰源解调信号。

以上所述的系统或装置可包括未介绍或未显示的额外元件。图1中的一些区块可由数字电子电路、集成电路、特殊设计的专用集成电路(applicationspecific integrated circuits，ASICs)、计算机硬件、固件、软件以及/或其结合所实施。软件可由微处理器或数字信号处理器所执行。图1的区块的操作可由例如数据处理器中执行的软件所控制。

本发明虽以较佳实施例揭露如上，然其并非用以限定本发明的范围，任何熟悉本技术的一般人员，在不脱离本发明的精神和范围内，当可做些许的更动与润饰，因此本发明的保护范围当视权利要求范围所界定为准。

Claims (34)

1.一种解调信号的方法，其特征在于，所述方法包括： 

接收信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列与至少一个数据段； 

使用结合侦测维特比算法解调所述训练序列与所述干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列，并且产生所述所需信号成分与所述干扰信号成分的信道估计值，其中，解调所述训练序列包括应用所述结合侦测维特比算法于所述训练序列的第一部分以取得所述所需信号成分与所述干扰信号成分的第一信道估计值，并且应用所述结合侦测维特比算法于所述训练序列的第二部分以取得所述所需信号成分与所述干扰信号成分的第二信道估计值；以及 

使用所述第一信道估计值以及所述第二信道估计值作为结合侦测维特比算法的初始信道估计值用以根据结合侦测维特比算法解调所述至少一个数据段。 

2.根据权利要求1所述的解调信号的方法，其特征在于，解调所述训练序列与所述干扰信号成分的所述对应部分包括消除与已知被传送的训练序列不符合的可能被传送的训练序列。 

3.根据权利要求1所述的解调信号的方法，其特征在于，所述所需信号成分遵守全球移动通信系统标准。 

4.根据权利要求1所述的解调信号的方法，其特征在于，所述干扰信号成分包括同信道干扰信号。 

5.根据权利要求1所述的解调信号的方法，其特征在于，使用所述结合侦测维特比算法解调所述训练序列与所述干扰信号成分的所述对应部分包括针对所述训练序列迭代所述结合侦测维特比算法两次或两次以上。 

6.根据权利要求1所述的解调信号的方法，其特征在于，使用所述结合 侦测维特比算法解调所述训练序列与所述干扰信号成分的所述对应部分包括使用已知被传送的训练序列的相关信息计算分枝度量。 

7.根据权利要求6所述的解调信号的方法，其特征在于，根据所述结合侦测维特比算法解调所述至少一个数据段包括使用估计的被传送的数据符号的相关信息计算所述分枝度量。 

8.根据权利要求1所述的解调信号的方法，其特征在于，所述信号包括第一数据段，所述第一数据段后伴随着所述训练序列，所述训练序列后再伴随着第二数据段。 

9.根据权利要求8所述的解调信号的方法，其特征在于，所述方法更包括使用所述第一信道估计值作为信道估计初始值，应用所述结合侦测维特比算法解调所述第一数据段，并且使用所述第二信道估计值作为信道估计初始值，应用所述结合侦测维特比算法解调所述第二数据段。 

10.根据权利要求1所述的解调信号的方法，其特征在于，所述方法更包括根据所述接收到的信号与已知训练序列的交叉相关为所述所需信号成分产生信道估计初始值，所述所需信号成分的所述信道估计初始值被用于结合侦测维特比算法用以解调所述训练序列与所述干扰信号成分的所述对应部分。 

11.一种解调信号的方法，其特征在于，所述方法包括： 

应用结合侦测维特比算法以解调输入信号的训练序列，以取得所述输入信号的所需信号成分与干扰信号成分的信道特性相关信息；以及 

根据当解调所述训练序列时所取得的所述所需信号成分与所述干扰信号成分的所述信道特性相关信息取得信道估计初始值，其中，应用所述结合侦测维特比算法以解调所述训练序列包括应用所述结合侦测维特比算法于所述训练序列的第一部分以取得所述所需信号成分与所述干扰信号成分的第一信道估计初始值，并且应用所述结合侦测维特比算法于所述训练序列的第二部分以取得所述所需信号成分与所述干扰信号成分的第二信道估计初始值，使用所述第一信道估计初始值以及第二信道估计初始值并应用所述结合侦测维 特比算法解调所述输入信号的至少一个数据段。 

12.根据权利要求11所述的解调信号的方法，其特征在于，所述输入信号遵守全球移动通信系统标准。 

13.根据权利要求11所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法包括估计各种可能被传送的序列，以找到与接收到的信号最匹配的可能被传送的序列。 

14.根据权利要求11所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法以解调所述训练序列包括根据累积路径度量估计多种可能被传送的序列与干扰信号序列，并且选择符合已知被传送的训练序列的一个或多个可能被传送的序列。 

15.根据权利要求11所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法以解调所述训练序列包括使用已知被传送的训练序列计算分枝度量。 

16.根据权利要求15所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法解调所述至少一个数据段包括使用估计的被传送的数据符号计算分枝度量。 

17.根据权利要求11所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法以解调所述训练序列包括迭代应用所述结合侦测维特比算法于所述训练序列两次或两次以上。 

18.根据权利要求11所述的解调信号的方法，其特征在于，所述输入信号包括第一数据段，所述第一数据段后伴随着所述训练序列，所述训练序列后再伴随着第二数据段。 

19.根据权利要求18所述的解调信号的方法，其特征在于，所述方法更包括使用所述第一信道估计初始值作为信道估计初始值，应用所述结合侦测维特比算法解调所述第一数据段，并且使用所述第二信道估计初始值作为信道估计初始值，应用所述结合侦测维特比算法解调所述第二数据段。 

20.一种解调信号的方法，其特征在于，所述方法包括： 

接收信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列、第一数据段与第二数据段； 

迭代应用结合侦测维特比算法于所述训练序列的第一部分以产生所述所需信号成分与所述干扰信号成分的第一信道估计值； 

迭代应用所述结合侦测维特比算法于所述训练序列的第二部分以产生所述所需信号成分与所述干扰信号成分的第二信道估计值； 

使用所述第一信道估计值作为所述结合侦测维特比算法的信道估计初始值并根据所述结合侦测维特比算法解调所述第一数据段；以及 

使用所述第二信道估计值作为所述结合侦测维特比算法的信道估计初始值并根据所述结合侦测维特比算法解调所述第二数据段。 

21.根据权利要求20所述的解调信号的方法，其特征在于，所述信号遵守全球移动通信系统标准。 

22.根据权利要求20所述的解调信号的方法，其特征在于，应用所述结合侦测维特比算法于所述训练序列的所述第一部分包括根据累积路径度量估计多种可能被传送的序列与干扰信号序列，并且选择符合被传送的训练序列的已知部分的一个或多个可能被传送的序列。 

23.一种解调信号的装置，其特征在于，所述装置包括： 

无线接收机，包括结合侦测维特比解调器以应用结合侦测维特比算法于突发信号的训练序列，以解调所述训练序列并决定所需信号成分与干扰信号成分的复数信道估计值，所述结合侦测维特比解调器应用所述结合侦测维特比算法于所述训练序列的第一部分以取得所述所需信号成分与所述干扰信号成分的第一信道估计值，并且应用所述结合侦测维特比算法于所述训练序列的第二部分以取得所述所需信号成分与所述干扰信号成分的第二信道估计值，以及应用所述结合侦测维特比算法于所述突发信号的至少一个数据段，以使用所述第一信道估计值以及所述第二信道估计值作为所述结合侦测维特 比算法的信道估计初始值，解调所述至少一个数据段的数据序列。 

24.根据权利要求23所述的解调信号的装置，其特征在于，所述无线接收机包括信道脉冲响应估计模块用以当应用所述结合侦测维特比算法于所述训练序列时，为所述所需信号提供所述信道估计初始值。 

25.根据权利要求23所述的解调信号的装置，其特征在于，所述突发信号包括全球移动通信系统突发信号。 

26.根据权利要求23所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器建立树状数据结构以估计可能被传送的训练序列，并且选择符合已知被传送的训练序列的可能被传送的训练序列。 

27.根据权利要求26所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器当解调所述训练序列时，使用已知被传送的训练序列的相关信息计算分枝度量。 

28.根据权利要求26所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器当解调所述数据序列时，使用估计的被传送的数据符号的相关信息计算分枝度量。 

29.根据权利要求23所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器针对所述训练序列迭代所述结合侦测维特比算法两次或两次以上。 

30.根据权利要求29所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器针对各所述至少一个数据段迭代所述结合侦测维特比算法不超过一次。 

31.根据权利要求23项所述的解调信号的装置，其特征在于，所述突发信号包括第一数据段，所述第一数据段后伴随着所述训练序列，所述训练序列后再伴随着第二数据段。 

32.根据权利要求31所述的解调信号的装置，其特征在于，所述结合侦测维特比解调器使用所述第一信道估计值作为信道估计初始值并应用所述结 合侦测维特比算法解调所述第一数据段，并且使用所述第二信道估计值作为信道估计初始值并应用所述结合侦测维特比算法解调所述第二数据段。 

33.一种解调信号的装置，其特征在于，所述装置包括： 

输入模块，用以接收输入信号，所述信号包括所需信号成分与干扰信号成分，所述所需信号成分包括训练序列与至少一个数据段；以及 

结合侦测维特比解调器用以使用结合侦测维特比算法解调所述训练序列与所述干扰信号成分的对应部分，以估计可能被传送的训练序列与干扰信号序列，并且决定所述所需信号成分与所述干扰信号成分的信道估计值，所述结合侦测维特比解调器应用所述结合侦测维特比算法于所述训练序列的第一部分以取得所述所需信号成分与所述干扰信号成分的第一信道估计值，并且应用所述结合侦测维特比算法于所述训练序列的第二部分以取得所述所需信号成分与所述干扰信号成分的第二信道估计值，以及使用解调所述训练序列时所取得的所述所需信号成分与所述干扰信号成分的所述第一信道估计值以及所述第二信道估计值作为初始信道估计值，用以根据所述结合侦测维特比算法解调至少一个数据段。 

34.根据权利要求33所述的解调信号的装置，其特征在于，所述输入信号遵守全球移动通信系统标准。 

Images