CN101668330A - 信号接收装置、信号接收方法及全球移动通信系统电话 - Google Patents

Abstract

一种信号接收装置、信号接收方法及全球移动通信系统电话，所述信号接收装置包含接收机，所述接收机基于接收的信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述接收的信号。所述联合检测维特比解调器联合地解调接收的信号的所需信号组分及干扰信号组分；所述第二维特比解调器解调所需信号组分而不解调干扰信号组分。上述信号接收装置、信号接收方法及全球移动通信系统电话能够获得较佳接收信号质量并减少干扰。

Description

信号接收装置、信号接收方法及全球移动通信系统电话

技术领域

本发明有关于一种接收机架构，且特别有关于一种信号接收装置、信号接收方法及全球移动通信系统电话。

背景技术

当网络中有多个手机(cell phone)同时使用时，与不同手机相关的信号之间可能会相互干扰，从而导致信号质量退化甚至掉话(dropped call)。在某些状况下，联合检测维特比(Joint Detection Viterbi，JDV)算法可被用于联合地解调(或解码)所需信号及干扰信号，从而得到较佳接收信号质量并减少干扰。

发明内容

为了得到较佳接收信号质量并减少干扰，特提供以下技术方案：

本发明实施例提供一种信号接收装置，包含接收机，所述接收机基于接收的信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述接收的信号，其中所述联合检测维特比解调器联合地解调所述接收的信号的所需信号组分及干扰信号组分，所述第二维特比解调器解调所述所需信号组分而不解调所述干扰信号组分。

本发明实施例另提供一种信号接收装置，包含接收机，所述接收机包含输入单元、第一解调器、第二解调器、决定单元以及信道解码器。输入单元接收具有已调制的组分的输入信号；第一解调器依据第一程序解调所述输入信号的所述已调制的组分；第二解调器依据第二程序解调所述输入信号的所述已调制的组分；决定单元依据所述输入信号的至少一个特性自动选择所述第一解调器或所述第二解调器以解调所述输入信号；以及信道解码器解码由选择的所述第一解调器或所述第二解调器产生的解调信号。

本发明实施例另提供一种信号接收方法，包含接收输入信号；基于所述输入信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述输入信号；当选择所述联合检测维特比解调器时，联合地解调所述输入信号的所需信号组分及干扰信号组分；以及当选择所述第二维特比解调器时，解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分。

本发明实施例另提供一种全球移动通信系统电话，包含天线、增强干扰消除滤波器模块、联合检测维特比解调器、第二维特比解调器以及决定装置。天线接收符合全球移动通信系统标准的输入信号；联合检测维特比解调器联合地解调所述输入信号的所需信号组分及干扰信号组分；第二维特比解调器解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分；以及决定装置基于所述输入信号的接收信号强度指示、所述增强干扰消除滤波器模块的滤波器选择、与所述输入信号相关的传播信道长度以及所述输入信号的干扰信号组分的线性预测系数的幅值中至少一个，适应性地选择所述联合检测维特比解调器或所述第二维特比解调器以解调所述输入信号。

本发明实施例另提供一种信号接收装置，包含输入模块以及选择模块。输入模块接收输入信号；以及选择模块基于所述输入信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述输入信号，其中所述联合检测维特比解调器联合地解调所述输入信号的所需信号组分及干扰信号组分，所述第二维特比解调器解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分。

以上所述的信号接收装置、信号接收方法及全球移动通信系统电话能够利用联合检测维特比算法来得到较佳接收信号质量并减少干扰。

附图说明

图1是接收机的信号流示意图；

图2是选择解调器的决定逻辑表格的示意图；

图3是描述两个起始状态及两个最终状态的蝶型的示意图；

图4是描述16个状态的8个蝶型的示意图；

图5是描述四个起始状态及四个最终状态的蝶型的示意图；

图6是解码脉冲信号的方法的示意图；

图7是存在异步干扰时分割TS分析的效果的示意图；

图8是无线网络的范例的示意图；

图9是例示利用标准维特比解调器及JDV解调器的信号解调程序的流程图；

图10是例示利用JDV算法的TS及数据段解调程序的示意图。

具体实施方式

在说明书及权利要求书当中使用了某些词汇来指称特定的元件。所属技术领域的技术人员应可理解，硬件制造商可能会用不同的名词来称呼同一个元件。本说明书及权利要求书并不以名称的差异作为区分元件的方式，而是以元件在功能上的差异作为区分的准则。在通篇说明书及权利要求项中所提及的“包括”为一开放式的用语，故应解释成“包括但不限定于”。此外，“耦接”一词在此包括任何直接及间接的电气连接手段。因此，如果文中描述第一装置耦接于第二装置，则代表第一装置可直接电气连接于第二装置，或通过其它装置或连接手段间接地电气连接至第二装置。

概述：

在一些实施例中，下行链路高级接收机性能(Downlink Advanced ReceiverPerformance，DARP)接收机的设计需符合第三代合作伙伴计划(The ThirdGeneration Partnership Project，3GPP)DARP第一章的要求，其目的是利用比较智能的接收机的实施来减少干扰信号的不利影响，例如，利用单天线干扰消除(Single Antenna Interference Cancellation，SAIC)。符合SAIC的接收机有几种形式，其中，基于JDV算法的一种接收机被选中作为DARP接收机，在联合检测维特比算法中，想要(wanted)信号或所需(desired)信号与主要干扰信号联合地被解调。

在一些示例中，实施JDV解调器的复杂度可随用于想要信号及干扰信号的传播信道(propagation channel)长度估测而呈指数增加。在另一些示例中，为估测想要信号及干扰信号，基于软件实施的JDV解调器被限定为3抽头，因此，上述JDV解调器可能无法很好地适应由长传播信道分布(例如，HT100型)而占据的信道的解调。此外，如果没有主要干扰时(即，所述接收仅受限于射频电路引入的热噪声)，JDV解调器的性能也可能不如标准维特比解调器好。

在本发明中，“标准维特比解调器”是指利用维特比算法来解调已调制的所需信号而不解调已调制的干扰信号的解调器。“JDV解调器”是指利用JDV算法来联合地解调已调制的所需信号及已调制的干扰信号的解调器。在下面描述中，“解调所需信号”是指解调已调制的所需信号，“解调干扰信号”是指解调已调制的干扰信号。

在一些实施例中，当JDV解调器的运作比标准维特比解调器差时，接收机预定为标准维特比解调器。本发明将描述接收机如何决定使用哪一种解调器，以及一般接收机任务(例如，时间估测)如何执行。

接收机架构：

图1是DARP接收机10的信号流示意图。信号由天线12接收，所述信号可例如依据全球移动通信系统(Global System for Mobile communications，GSM)标准调制的信号。接收的信号可包含所需信号组分及同信道(co-channel)干扰信号组分。接收的信号通过预处理区块14进行处理，其执行的程序例如偏移(直流)估测及校正、频率校正与时序偏移估测以及接收信号强度指示(Received Signal Strength Indicator，RSSI)估测。接着，分析接收的信号并应用增强干扰消除(Enhanced Interference Cancellation，EIC)滤波区块16中的适合的接收滤波器，包含检测长传播信道。基于某些参数，例如RSSI及EIC决定，JDV决定装置18控制JDV转换器20以选择标准维特比解调器22或JDV解调器24。

举例来说，标准维特比解调器22利用维特比算法解调所需信号，但并不基于维特比算法解调干扰信号。应注意，信号传送至标准维特比解调器22之前，也可以先通过匹配滤波器22’进行匹配滤波处理。与之相比，JDV解调器24基于维特比算法解调所需信号及干扰信号。在特定环境下，标准维特比解调器22可能运作较佳，而在另一些环境下，JDV解调器24可能运作较佳。应用于JDV决定装置18以选择解调器(22或24)的标准将于下文描述。

频率偏移估测单元26利用标准维特比解调器22或JDV解调器24的输出来估测频率偏移。标准维特比解调器22或JDV解调器24的输出也传送到定标及量化(scaling and quantization)区块28，而定标及量化区块28产生传送到信道解码器的软性值。

预处理区块：

预处理区块14所执行的操作独立于JDV解调器或标准维特比解调器的选择。以下列示是预处理区块14执行的操作的范例：

RSSI测量；

直流偏移估测及校正；

增强型通用分组无线服务(Enhanced General Packet Radio Service，EGPRS)的调制检测，假定为高斯最小频移键控(Gaussian minimum shiftkeying，GMSK)调制；

同相及正交分量(IQ)的预定标；

已知偏移的频率校正；

想要信号的初始信道冲激响应(Channel Impulse Response，CIR)估测。

RSSI及CIR估测可用于JDV的选择程序。RSSI定义为接收的信号的功率，其估测是通过首先估测接收的数据的平均功率，随后基于射频增益设定进行归一化来达成，因此其结果是以dBm(功率与1毫瓦之比的dB值)表示的接收功率。CIR可由接收的信号与已知训练序列(training sequence，TS)的交叉相关(cross correlation)得出。

EIC滤波：

下面描述EIC滤波区块16。EIC滤波区块16的原理是从一组预设候选滤波器中选择滤波器，选中的滤波器可最小化滤波器输出与通过调整的传播信道模型的TS间的平方误差(squared error)。这种暴力(brute-force)方法可以以良好精确度来分辨灵敏度、同信道干扰(Co-Channel Interference，CCI)、较高及较低邻信道干扰(Adjacent Channel Interference，ACI)，且可选择滤波器以最小化定义为残余干扰及噪声的功率的均方误差(Mean Squared Error，MSE)。

在一些实施例中，灵敏度受限信道可导致贯通(pass-through)状态，该状态下不会进行任何滤波。较高及较低邻信道干扰会导致以特定ACI干扰为目标的陷波滤波器(notch filter)，而同信道干扰则会导致滤波器通过增加的高频组分而展宽接收的信号的带宽。因此，EIC在理想状况下不会影响灵敏度性能，但却可以极大地提高ACI性能。虽然CCI性能也可得到提高，但在大多数状况下其效果有限，且仍不足以单独满足DARP的要求。

在一些实施例中，以低于阈值(例如，-105dBm)的RSSI接收的脉冲可被解调而无需执行EIC分类及滤波。其原因是具有如此低幅值的信号可能由于热噪声而严重退化，从而可导致EIC中分类误差。运行EIC的危险在于，即使实际上干扰并不存在，EIC也可能会认定脉冲具有同信道干扰(由于信号质量差以及随之而来的EIC性能差)，并随后利用JDV来进行解调。

JDV决定装置：

下面描述JDV决定装置18。在一些实施例中，基于检测适于DARP的CCI状况中的EIC有效性(也可结合RSSI阈值)，JDV解调器的选择可与EIC的CCI滤波器分支相联系，从而只有被认定CCI为主的传播状况是利用JDV解调器24来进行解调，其它状况则利用标准维特比解调器22来进行解调。

在某些状况下，即使已检测到所述状况是CCI为主，限制JDV解调器24的运用也可带来好处，例如，当多径时延(multipath delay)超过JDV解调器24支持的信道长度时。这种状况是通过被称作长信道检测(Long ChannelDetection，LCD)的操作来检测，其是基于时间平均的CIR幅值。实施的LCD可在几个脉冲上对想要信号的7抽头CIR的幅值的平方作平均处理，并应用阈值以限定被JDV解调器24覆盖的3抽头之外所允许的能量的多少。如果超出所述阈值，则使用标准维特比解调器22。

在一些实施例中，可使用另一转换标准，其是对EIC滤波的无滤波信道残余信号的频谱分析。如果所述残余信号的一阶线性预测系数(LinearPrediction Coefficient，LPC)的幅值超过预定阈值，其表示噪声与干扰是带限的(band limited)，因此不太可能是热噪声为主。基于复系数落入的象限，干扰被划分为CCI或ACI。如果为CCI时，使用JDV解调器24，而其它状况则利用标准维特比解调器22。

请参考图2，图2是用来决定是否使用标准维特比解调器22或JDV解调器24的决定逻辑表格30。符号“CV”是指标准或传统维特比解调器22，而符号“JDV”则是指JDV解调器24。决定逻辑表格30中列举了4种测试，而所述4种测试可单独应用或联合应用。

第一测试32是比较接收的信号的估测的RSSI与预设标准(T_sensitivity)，例如，-105dBm。其假定不超过-105dBm的信号可导致选择错误，而所述选择错误则导致JDV解调器24被意外地选中，尽管在该标准下标准维特比解调器22(CV)是最佳接收机。如果其不超过-105dBm，则标准维特比解调器22被使用，如果超过-105dBm，则会引发额外的几种测试。

第二测试34是频谱分析，其是利用从TS中减去理论贡献，并从接收的脉冲的一部分减去TS时残余噪声的一阶LPC的功率，所述接收的脉冲对应于所述TS。其决定值(LPC coef)越大，噪声越“多彩”，因此，决定值大表示可能出现CCI。阈值(T_LPC)的设置较为保守，其可以以很高的可信度来判定CCI状况。因此，当决定值超过阈值时，选择标准会选中JDV解调器24，而当决定值较低时(例如，不超过阈值)，则需要更多测试以进行决定。

第三测试36是LCD，其试图确定与接收的信号相关的传播信道长度已超过LCD的能力范围。阈值(T_LCD)的设置较为保守，其可使长信道的检测更准确，以使标准维特比解调器22可被选中。如果LCD检测未达成(例如，传播信道长度未超过阈值)，则需执行第四测试，其描述如下。

第四测试38是EIC分类。EIC滤波区块16将至少两个不同滤波器应用于接收的信号，并选择可最小化误差值的滤波器。例如，EIC滤波区块16可应用四个滤波器，所述四个滤波器可包含加性白高斯噪声(Additive WhiteGaussian Noise，AWGN)滤波器、CCI滤波器、第一ACI滤波器ACI 1及第二ACI滤波器ACI 2中的至少一个。ACI 1及ACI 2是用于较高及较低频率邻信道的干扰的滤波器。如果CCI滤波器被选中，则表明存在同信道干扰信号，从而使JDV解调器24被选中，而其它滤波器的选择则会导致标准维特比解调器22被选中。

均衡：

均衡程序描述如下。基于前一步骤的决定，均衡程序通过标准维特比解调器22或JDV解调器24来执行。所述两种状况下，其结果都是一系列软性值，而所述软性值需要在可被应用至信道解码前被定标及量化。对每一信号路径来说，实际执行以获取所述软性值的程序各不相同。

一般对于标准维特比解调器22及JDV解调器24来说，其传送用于后续处理的软性值以及描述被执行的解调质量的软性定标矩阵。所述定标矩阵可用于后续软性值定标及量化。

频率偏移估测：

基于接收的信号、解调器的输出以及想要信号的CIR估测，频率偏移被估测并传送至较高层(higher layers)，以更新保持移动台(Mobile station，MS)与网络同步的控制回路。此程序可独立于选定的解调方法。

软性值定标及量化：

从解调器计算软性定标矩阵开始，信号链的最后阶段为计算量化步长(step size)，均衡器输出的软性值的量化是基于所述量化步长。4位(4-bit)的量化软性值被打包为16位的字(word)，并传送至解码链的剩余区块。

联合检测维特比算法：

以下将描述用于JDV的算法的范例，所述JDV实施于SAIC接收机。同时也会描述SAIC解调器如何连接至既有的GSM接收机。所述方案包含两个组件：SAIC CIR估测器以及SAIC JDV解调器。

基于JDV的SAIC接收机：

在某些实施例中，基于JDV的SAIC方案包含嵌入GSM解调器及均衡器的几个组件。最重要的两个组件为特定干扰感知(interference-aware)CIR估测器以及JDV本身。JDV可进一步划分为训练部分及实际解调部分，其中所述训练部分负责估测干扰CIR。

SAIC CIR估测：

请再次参考图1，SAIC CIR估测模块40是基于被称为恒模(constantmodulus)或恒包络(constant envelope)的原理。这是在CCI下估测用户(user)CIR的一种方法，其将干扰看作具有固定功率的信号。此模型对于静态传播条件下的GMSK调制干扰是正确的，而实际上，其对于8相移键控(Eight PhaseShift Keying，8-PSK)调制信号及经受衰落信道(fading channel)条件的信号来说，都是有用的模型。

信号模型：

所使用的信号模型包含想要信号、具有恒模及代表干扰的随机变量(random argument)的信号组分以及AWGN：

其中，r(n)为接收的信号，d(n)为传送的信号，h(k)为用户CIR，λ与

为模数及代表干扰的变量，以及w(n)为AWGN。

我们的目的是确定h(k)，但如果直接利用方程(1)，我们会发现需要对

进行良好估测，这是很难实现的。因此，重排方程(1)，并考虑电源域(powerdomain)表示的信号模型：

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

其中σ_w表示AWGN的方差。方程(2)中以电源域表示的信号模型可引出下述代价函数(cost function)：

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

最速下降(steepest descent)法被用于逐步更新信道估测，其是基于代价函数的梯度：

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

其中，h_(i)(m)为用户传播信道的第m个CIR抽头的第i个迭代，μ为任意步长，dJ/dh(m)为关于用户CIR估测的代价函数的梯度。CIR的初始估测可利用相关(correlation)或类似方法得出，而无需参考干扰。

所述梯度可通过将J对CIR求微分得出：

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

这意味着CIR将会被下述迭代式所更新：

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

其中，e(n)为实际与期望接收的符号n之差。传送的数据d(n)通常是未知的，除了在TS的传送中之外，因此，JDV CIR算法仅对与接收的TS对应的26个IQ符号进行操作。除了对整个TS做平均之外，可替代地，也可以利用一般的最小均方(Least Mean Squares，LMS)方程，其中，可在其上进行梯度估测的区块仅为一个符号。LMS方法较快，因为对于每一符号来说，其都符合CIR，而一般基于区块的最速下降方法则更准确，因为其可以有效滤除信道估测程序中许多短期波动。

干扰功率的估测：

由于干扰功率λ²是未知的，其可与CIR联合估测。其可以通过λ²向‖e(n)‖²的长期平均值的控制收敛来达成：

1.将λ₁ ²初始化为0

2.计算：

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

3.迭代式：

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

其中，α被适当地选择，且其值每次迭代都会增加。

由于异步干扰在TS中间附近开始传送时将会出现最差状况，因此，干扰功率估测可被划分为两部分：一部分对应于TS的左半部，另一部分对应于TS的右半部。所述方法不仅仅适用于干扰开始于TS正中间的状况，通过对应于干扰功率的变化来降低整体灵敏度，其可以在干扰对应的所有位置提高性能。应注意，所述特征仅为干扰功率估测所具有，而并非CIR估测。

完整的JDV CIR算法：

以上所述的步骤可整合于单一JDV CIR算法。在一些实施例中，所述算法可反复多次用于TS。其可使CIR及干扰功率收敛。

在一些实施例中，完整的算法可如下所述：

1.将λ² ₍₁₎初始化为0

2.利用IQ与TS的相关结果计算初始CIR(h₍₁₎)

3.对于每一迭代(i＝1，...，N_i)：

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

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

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

d.降低收敛速度：α_(i+1)＝0.75α_(i)+0.25

JDV：

首先，我们将介绍标准维特比解调器，其会有助于更好地理解JDV。

维特比均衡：

在GSM中，不管利用Ungerboeck逼近或是Forney逼近，均衡(或解调)都可以通过维特比算法达成。由于Forney逼近为下一部分介绍的JDV的基础，此处我们将对其进行简要介绍。

维特比算法力求通过分析合成(analysis-by-synthesis)方法从接收的序列中去卷积(de-convolve)传送的序列，其中，所有可能的传送的序列都与CIR进行卷积，以找出与接收的信号匹配最佳者。所述匹配是通过在欲解调的序列的持续时间内最小化代价函数来确定，例如，欧几里得距离(Euclidiandistance)矩阵。

由于传播信道的记忆(其通过CIR长度来表征)，逐符号(symbol-by-symbol)的操作无法完成，其需要对至少一序列的数据进行求值。欲最小化的矩阵为：

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

其中，r(n)为接收的序列，

为集合{-1，+1}假定的传送的符号，以及h(k)为CIR估测。变量n表示序列长度，k表示传播信道的记忆。

传播信道范围内通过的传送的符号的每一可能组合都被称为一个状态，而与所述状态相关的符号则被称为状态向量(state vector)。维特比算法最有效的实施方式是通过被称作“蝶型(butterfly)”的方法来达成，所述蝶型方法是通过从一个符号至下一符号的转换而导致的状态向量的变化来表征。由于系统的因果关系(causality)，仅有一定数量的可能的转换存在，因此，在符号转换之前及之后，表示状态向量间关系的s(n)表示为：

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

其中，s_k(n)为通过{-1，+1}表示的第n个符号的第k个状态，为假定的传送的符号，以及L为信道阶数(CIR抽头数减去1)。由于s_L-1(n)及

被限定为-1或+1，因此所述转换可通过四个状态来描述。所述状态包含两个起始状态(源状态)及两个最终状态(目的状态)。所述状态间的关系图可由图3中的蝶型50来表示。

如图3所示，源状态及目的状态的数量是利用蝶型编号(number)k来计算，k的数值为0～(2^L-1)。因此，举例来说，在一个实施例中，CIR抽头数为5(L＝4)，则蝶型会有8个(例如，图4中的60a-60h)，16种状态如图4所示。

对于每一目的状态来说，其具有两个可能的源状态，每一源状态都具有各自的累积路径矩阵(Accumulated Path Metric，APM)，所述APM是由相关分支矩阵(Branch Metric，BM)及与所述起始状态关联的路径矩阵(path metric)的和确定的。对于每一蝶型来说，有四个APM需要计算：

APM00＝PM0+BM00

APM01＝PM0+BM01

APM10＝PM1+BM10

APM11＝PM1+BM11

(8)

PM0及PM1是源状态为k及k+2^L-1的幸存路径矩阵(surviving pathmetric)，其将于稍后定义。所述BM可表示如下：

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

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

其中，如果CIR估测为常数时，即，在非自适应实施例中，后面表示卷积的记法可被存储于表(table)中。

接下来则要判定每一状态的最佳(最小)APM。最佳APM被称作幸存路径矩阵，而最佳APM的索引j将描述本状态下的决定，并被存储于决定历史中。

PMi    min(APM j i)，i    {0，1}，j    {0，1}    (10)

以上所述的程序即为通常所讲的相加-比较-选择(Add-Compare-Select，ACS)程序。相加是描述路径矩阵与分支矩阵的和；比较是描述APM对的比较，其产生决定位(decision bit，其值为0或1)；选择是指成为幸存路径矩阵的最小APM的选择。

为获得每一解码位(decoded bit)的可信度(confidence level)，可利用一种基于最可能0转换(APM0x)与最可能1转换(APM1x)间差异的方法：

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

SV(n)    SP0    SP1

其中，正值的SV表示传送的+1(1位)，负值的SV表示传送的-1(0位)，而软性值的幅值将与解调位(demodulated bit)的可信度对应。因此，举例来说，大的正值表明1位(1-bit)被接收，且误比特概率(bit-error-probability)低，而小的负值则表明0位(0-bit)被接收，但解调误差机率较高。

在任意给定的时间，解调的序列都可以由已执行维特比算法的时间点找到。在一些实施例中，GSM中的序列很短，以至于在解调序列被确定之前，整个序列通常已被处理。找出此序列的程序被称为回溯(Trace Back，TB)，且其可判定通过状态交织(state trellis)的最佳幸存路径。首先，作出与最佳幸存路径矩阵相关的决定，所述决定可描述从允许TB算法回溯至前一决定的前一符号开始的转换等等。

JDV解调：

在JDV解调中，状态向量被扩展为联合描述两个独立序列：用户序列(有兴趣信号-signal of interest)及干扰序列。

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

其中，分指数(sub-indices)u与i用来区分用户及干扰序列。用来划分状态向量的线表明在时间上，跨越实际中间(middle-in fact)处是无联系的，每一半(half)都表示重迭时间(overlapping time)，其意味着

及

是相同时刻传送的用户符号及干扰符号的估测。为简便起见，3抽头的CIR的状态向量也可以表示为：

[s_u，0(n)  s_u，1(n)|s_i，0(n)  s_i，1(n)]

由状态向量长度加倍(doubling)直接导致的复杂度(complexity)可能会被平方(squared)，但实际只是变成原来的两倍，这是由于用户部分与干扰部分间的独立使得每一状态的可能转换的数量变为原来的两倍。所述情形如图5中蝶型70所示，其中每一目的状态具有四个可能的源状态(为简便起见，一些转换以虚线来表示)。

与JDV相关的分支矩阵可表示为：

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

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

为提高性能，每一符号的h_u(k)及h_i(k)都利用基于传送的用户序列及干扰序列的估测的LMS算法来更新。这表明所述算法需要在常规时间间隔重新计算表T_u及T_i，最多每一符号一次。

接着是ACS部分，由于每一目的状态都具有四个可能的源状态，因此需要利用两位来描述每一决定。对于每一状态转换来说，所述回溯需要处理两位。一位描述用户序列，一位描述干扰序列。尽管干扰序列可能不需要进一步处理，但对其保持追踪以正确回溯是必要的。

PMi    min(APMj i)，i    {00，01，10，11}，j    {00，01，10，11}    (13)

每一接收的信号具有两个软性值，一个软性值用于用户序列，另一个软性值用于干扰序列：

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

用于干扰序列的软性值仅被用于获取传送的干扰序列的估测，其中所述干扰序列是用于CIR更新，因此，如果干扰序列的估测是用其它方式完成，其可以忽略不计。举例来说，所述干扰序列可通过分段回溯来估测。

LMS是用于更新CIR估测。估测误差可从用户及干扰序列的估测与用于计算分支矩阵的表的组合中获取：

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

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

估测误差e被用于标准LMS算法：

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

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

                              (15)

其中γ_u及γ_i是确定LMS适应性速度的步长参数。

为了获得更佳CIR估测，JDV的特定实施例可从反复迭代运行中获益，例如，当JDV利用Dirach脉冲作为干扰信道的初始估测而启动时。利用联合获取用户序列及干扰序列的CIR估测的方法(将于下一部分描述)，运行一次JDV算法之后，CIR估测的质量即可很高。

干扰CIR估测：

即使JDV可以以Dirach脉冲开始，开拓TS以训练JDV均衡器仍会带来好处。举例来说，其可以通过用于资料解调的JDV来达成，或可作为单独的任务来实施。原因之一是因为在指导模型中，复杂度可被降低，其将导致每一符号的相对复杂度只有3抽头CIR的全JDV复杂度的四分之一。

由于TS期间d_u(n)为可知的，JDV可被引导进入用户序列的正确状态。干扰的解调变得更准确。所述状况也适用于从方程12得出的分支矩阵以及从方程14得出的LMS。

JDV分支矩阵：

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

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

LMS估测误差：

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

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

用户及干扰CIR都如同在主JDV中一样适合，但为了加速收敛，最初干扰CIR的适合更主动些。通过多次传递TS，几次迭代被执行，且每次传递的LMS步长参数都被减小，以在降低收敛速度的代价下提高收敛误差质量。

图6是解码脉冲信号80的方法的示意图。脉冲信号80包含第一数据段82、TS 84以及第二数据段86。在发送中，TS 84对于脉冲信号80的发送机及接收机来说都是可知的(即使由于干扰或信号退化，接收机实际接收到的TS与发送机发送的TS有所不同)。CIR估测模块40(图1)可提供信道系数的初始估测，以作为所需信号的基础，举例来说，接收的信号与已知TS的互相关(cross correlation)。如图6所示，利用CIR估测模块40为所需信号提供的初始信道估测，JDV算法可在TS(88a)之上迭代。JDV算法在TS之上反复迭代几次(88)，且在上述过程中，所需信号及干扰信号的信道估测也可以被获得。

在一些实施例中，JDV算法在TS之上迭代可包含建立树状或交织数据结构以评估可能的传送的TS，以及基于已知传送的TS的信息计算分支矩阵与估测误差。以上所述可由方程16及17看出，其中传送的符号d_u(n)为已知符号。由于实际传送的TS为已知的，JDV算法可选择与已知传送的TS一致的可能的传送的TS，而剔除那些不一致的。上述做法将会增加JDV在TS之上迭代的速度。

如上所述，在TS之上迭代几次JDV算法可产生关于所需信号及干扰信号的信道估测的信息。所述信道估测(由JDV算法在TS之上迭代获得)可作为初始信道估测以用于第一数据段82之上的JDV算法迭代(90)。通过利用关于所需信号及干扰信号的信道估测的信息，在第一数据段82之上迭代JDV算法一次即可获得足够准确的软性值。在一些实施例中，在第一数据段82之上多次迭代JDV算法是不必要的。JDV算法可在第二数据段86之上迭代(92)以获取第二数据段86的软性值。

在TS之上迭代JDV算法以获取干扰信号的信道估测的优点之一为，通过剔除与已知TS不一致的可能的传送的TS，JDV算法的执行可以更快速。在TS之上迭代JDV算法几次之后，所需信号及干扰信号的信道估测可以足够准确，因此，如果初始信道估测不够准确，对于数据段82及86中任意一个来说，JDV算法仅应用一次即可，而无须多次应用。

在一些实施例中，由于异步干扰在TS中间出现的可能性，所述处理可划分为两部分：一部分对应于TS的左半部，另一部分对应于TS的右半部。所述用户CIR不会受到影响，但如果TS的左半部及右半部具有明显不同的干扰功率，左半部及右半部的干扰CIR的估测是单独进行的。进一步的描述如下所述。

JDV处理方案：

由于用户及干扰的CIR是由TS导出的，其对于接近TS的接收的信号的描述是较佳的，且随接收的信号与TS的距离的增加而逐步变差。所述状况是由两种物理现象所导致：实际CIR在时间上的变化以及较大范围的频率偏移，所述频率偏移可导致朝向脉冲末端(ends of the burst)的逐步增加的相位偏移。在一些实施例中，为得到良好的性能，JDV工作于远离TS且朝向脉冲末端的状况下。所述状况下，JDV可以从TS得出的高质量CIR开始工作，并在朝脉冲末端移动时逐步适应处于变化中的条件。这表明回溯是开始于脉冲末端并朝向中间。所述过程如图6所示。

对于JDV及回溯程序来说，用户的起始状态为已知的，而干扰的起始状态为未知的。对于JDV来说，用户的起始状态是通过TS符号得出，其可用于偏移初始路径矩阵。所有干扰状态都被初始化为中立值(neutral values)。在回溯中，用户的起始状态是通过尾位(tail bits)来确定，即，所有0，而干扰的起始状态则通过在干扰状态中选择最小路径矩阵来确定。

异步干扰的分割TS分析效果：

图7是存在异步干扰时CIR与JDV区块(其可分别例如图1中的40及24)中分割(splitting)TS分析的效果的范例的示意图100。横轴代表干扰的起始位置(例如，图6所示脉冲信号中干扰信号的起始位置)。纵轴代表误帧率(Frame Error Rae，FER)。而两虚线102a及102b是用来标识用户信号的TS的边界。

在一些实施例中，当TS分析被分割为两部分时，干扰的效果可被极大地减小，所述干扰可在想要信号的任意位置开始传送。当干扰为同步干扰时，可在复杂度及性能方面以不牺牲或牺牲很少为代价来执行。对于CIR及JDV来说，分割TS分析都是有用的。

曲线104代表JDV算法应用于整个TS时的误帧率，且整个TS的干扰信号功率的单一估测被确定。曲线104并未使用所述分割方法。

曲线106代表干扰信号功率的估测于TS上分割时的误帧率。举例来说，CIR估测模块40(如图1所示)估测TS第一半部的第一干扰信号功率，并估测TS第二半部的第二干扰信号功率。在用于例示的曲线106中，JDV算法应用于整个TS。曲线106的误帧率通常比曲线104的误帧率低。

曲线108代表JDV算法反复应用于TS的每一半部时的误帧率。举例来说，JDV算法反复地应用于TS的第一半部，以获取用户信号及干扰信号的信道估测，且将JDV算法应用于第一数据段(例如，图6中的82)时，所述信道估测可被使用以作为初始信道估测。JDV算法反复地应用于TS的第二半部，以获取用户信号及干扰信号的信道估测，且将JDV算法应用于第二数据段(例如，图6中的86)时，所述信道估测可被使用以作为初始信道估测。

如果干扰信号起始于脉冲的中间，则第一数据段TS的第一半部中不存在干扰信号，因此用户及干扰信号的初始信道估测(通过将JDV算法应用于TS的第一半部而获得)对于第一数据段来说是准确的。TS的第二半部及第二数据段中存在干扰信号，因此用户及干扰信号的初始信道估测(通过将JDV算法应用于TS的第二半部而获得)对于第二数据段来说是准确的。曲线108的误帧率一般比曲线106的误帧率低。

曲线110表示当干扰信号功率估测分别对TS的每一半部执行，且JDV算法反复地应用于TS的每一半部时的误帧率。在CIR及JDV区块中分割TS分析可进一步降低误帧率。曲线110的误帧率一般比曲线108的误帧率低。

外部干扰：

在一些实施例中，JDC CIR估测及均衡器的外部输入除了IQ、TS以及脉冲类型(NB/SB)之外为检测指示符，其用来指示TS中心附近出现的异步干扰。除非被处理，否则对于TS引导SAIC来说，所述情形为最差的状况，因为其可使TS无法很好地表示脉冲的任意半部(burst half)中接收的信号。在TS之前或之后立即出现的干扰仅影响脉冲的一个半部，且可在一定范围内被接受。

通过将TS划分为两个独立的半部，不管干扰在何处出现，至少脉冲的一半可较佳地被最近的TS的半部描述。所述特性可被广泛应用，且在一定程度上可通过参数PowerRatio来控制。

对应于TS的接收的信号与传送的TS做相关运算，以得到用户的基本CIR估测。所述CIR与TS进行卷积运算，以得到不含干扰及噪声的接收的TS的估测，并从接收的信号中减去所述估测。残余信号为干扰及噪声的估测，其划分为两半部。参数PowerRatio(R_P)为TS左右两半部中干扰功率之差的绝对值除以TS左右两半部中干扰功率之和：

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

作为SAIC均衡器之外计算所述参数的替代方案，其也可以通过再使用已于均衡_高斯最小频移键控_信道冲激响应_估测_联合检测维特比(EQ_GMSK_CIR_Estimation_JDV)方案中计算出的参数InterferencePowerL及InterferencePowerR来达成。所述参数InterferencePowerL及InterferencePowerR分别对应于JDV CIR算法中TS的左右半部的功率估测。

图8是无线网络120的范例的示意图，其中无线装置或移动台122(在一些通信标准中也称为用户设备)包含图1所示的接收机10以解调信号，以及用来使能至所述蜂窝网络(cellular network)的上行链路传送的发送机，其中所述信号接收自以蜂窝塔(cellular tower)124为代表的蜂窝网络。所述接收机10可制作成集成电路的一部分，例如无线芯片组，且可安装在移动台122的电路板上。所述蜂窝网络可将移动台122连接至其它装置，例如另一移动台126。

图9是例示利用标准维特比解调器及JDV解调器的信号解调程序130的流程图。所述程序包含接收输入信号(步骤132)，例如GSM脉冲信号；以及基于所述输入信号的至少一个特性适应性地选择JDV解调器或标准维特比解调器，以解调所述输入信号(步骤134)。所述输入信号的特性可包含RSSI、干扰消除单元的滤波器选择、与输入信号相关的传播信道长度以及输入信号的干扰信号组分的LPC幅值。

当JDV解调器被选中时，输入信号的所需信号组分及干扰信号组分被联合地解调(步骤136)。当标准维特比解调器被选中时，输入信号的所需信号组分被解调，而输入信号的干扰信号组分未被解调(步骤138)。

图10是例示利用JDV算法的TS及数据段解调程序140的示意图。所述程序140包含接收包含所需信号组分及干扰信号组分的信号，所需信号组分包含一个TS及两个数据段(步骤142)。举例来说，信号可具有类似于图6所示的格式。

利用JDV算法解调TS及干扰信号组分的对应部分以估测可能的传送的TS及干扰信号序列(步骤144)。而所述所需信号组分及干扰信号组分的信道估测也被产生(步骤146)。

依据JDV算法，并利用所述信道估测作为JDV算法的初始信道估测来解调第一数据段(步骤148)。依据JDV算法，并利用所述信道估测作为JDV算法的初始信道估测来解调第二数据段(步骤150)。其中，所述信道估测产生于步骤146。

尽管以上仅描述了一些实施例，但其它实施方式或应用也可落入本发明权利要求所限定的范围。举例来说，所述标准维特比解调器22及JDV解调器24可由其它类型的解调器替代。而在两解调器中选择的标准也可以不同于以上所述在标准维特比解调器22及JDV解调器24间选择的标准。

以上所述的系统或装置也可以包含未描述或未示于图中的其它组件。图1中的一些区块可被实施为数字电路、集成电路、特别设计的专用集成电路(Application Specific Integrated Circuit，ASIC)、计算机硬件、固件、软件及/或以上所述的任意组合。所述软件可由微处理器或数字信号处理器执行。图1中的区块的操作可被控制，例如，其可被数字处理器执行的软件控制。

示于图中的逻辑流程并不需要以所示的特定次序或顺序执行来获取所需结果。其它步骤也可以被提供，所述流程中的步骤也可以被删除。

以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (25)

1.一种信号接收装置，其特征在于，所述信号接收装置包括：

接收机，基于接收的信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述接收的信号；

其中所述联合检测维特比解调器联合地解调所述接收的信号的所需信号组分及干扰信号组分，所述第二维特比解调器解调所述所需信号组分而不解调所述干扰信号组分。

2.如权利要求1所述的信号接收装置，其特征在于，所述接收的信号的所述至少一个特性包括下述至少一个：接收信号强度指示、干扰消除单元的滤波器选择、与所述接收的信号相关的传播信道长度以及所述接收的信号的干扰信号组分的线性预测系数的幅值。

3.如权利要求1所述的信号接收装置，其特征在于，所述接收机包括预处理单元以估测所述接收的信号的接收信号强度指示，且如果所述接收信号强度指示超过阈值，所述接收机选择所述联合检测维特比解调器。

4.如权利要求1所述的信号接收装置，其特征在于，所述接收机包括干扰消除单元，所述干扰消除单元将至少两个候选滤波器应用于所述接收的信号，并选择所述至少两个候选滤波器其中之一以最小化误差度量。

5.如权利要求4所述的信号接收装置，其特征在于，所述至少两个候选滤波器包括加性白高斯噪声滤波器、同信道干扰滤波器以及邻信道干扰滤波器中至少一个。

6.如权利要求1所述的信号接收装置，其特征在于，所述接收机包括长信道检测单元以确定与所述接收的信号相关的传播信道长度，且如果所述传播信道长度超过阈值，所述接收机选择所述第二维特比解调器。

7.如权利要求1所述的信号接收装置，其特征在于，所述接收机包括频谱分析单元以确定所述接收的信号的所述干扰信号组分的一阶线性预测系数，且如果所述一阶线性预测系数的幅值超过阈值，所述接收机选择所述联合检测维特比解调器。

8.如权利要求1所述的信号接收装置，其特征在于：所述所需信号组分符合全球移动通信系统标准。

9.一种信号接收装置，其特征在于，所述信号接收装置包括：

接收机，所述接收机包括：

输入单元，接收具有已调制的组分的输入信号；

第一解调器，依据第一程序解调所述输入信号的所述已调制的组分；

第二解调器，依据第二程序解调所述输入信号的所述已调制的组分；

决定单元，依据所述输入信号的至少一个特性自动选择所述第一解调器或所述第二解调器以解调所述输入信号；以及

信道解码器，解码由选择的所述第一解调器或所述第二解调器产生的解调信号。

10.如权利要求9所述的信号接收装置，其特征在于，所述第一解调器联合地解调所述接收的信号的所需信号组分及干扰信号组分。

11.如权利要求10所述的信号接收装置，其特征在于，所述第一解调器包括联合检测维特比解调器。

12.如权利要求10所述的信号接收装置，其特征在于，所述第二解调器解调所述所需信号组分而不解调所述干扰信号组分。

13.如权利要求10所述的信号接收装置，其特征在于，所述第二解调器包括标准维特比解调器。

14.如权利要求9所述的信号接收装置，其特征在于，所述接收的信号的所述至少一个特性包括下述至少一个：所述输入信号的接收信号强度指示、干扰消除单元的滤波器选择、与所述输入信号相关的传播信道长度以及所述输入信号的干扰信号组分的线性预测系数的幅值。

15.如权利要求9所述的信号接收装置，其特征在于，所述输入信号包括依据全球移动通信系统标准而调制的信号组分。

16.一种信号接收方法，其特征在于，所述信号接收方法包括：

接收输入信号；

基于所述输入信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述输入信号；

当选择所述联合检测维特比解调器时，联合地解调所述输入信号的所需信号组分及干扰信号组分；以及

当选择所述第二维特比解调器时，解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分。

17.如权利要求16所述的信号接收方法，其特征在于，所述输入信号的所述至少一个特性包括下述至少一个：所述输入信号的接收信号强度指示、干扰消除单元的滤波器选择、与所述输入信号相关的传播信道长度以及所述输入信号的干扰信号组分的线性预测系数的幅值。

18.如权利要求16所述的信号接收方法，其特征在于，所述信号接收方法还包括预处理所述输入信号以估测所述输入信号的接收信号强度指示，其中如果所述接收信号强度指示超过阈值，所述适应性地选择步骤包括选择所述联合检测维特比解调器。

19.如权利要求16所述的信号接收方法，其特征在于，所述信号接收方法还包括利用干扰消除单元以将至少两个候选滤波器应用于所述输入信号，并选择所述至少两个候选滤波器其中之一以最小化误差度量。

20.如权利要求19所述的信号接收方法，其特征在于，所述至少两个候选滤波器包括加性白高斯噪声滤波器、同信道干扰滤波器以及邻信道干扰滤波器中至少一个。

21.如权利要求16所述的信号接收方法，其特征在于，所述信号接收方法还包括确定与所述输入信号相关的传播信道长度，其中如果所述传播信道长度超过阈值，所述适应性地选择步骤包括选择所述第二维特比解调器。

22.如权利要求16所述的信号接收方法，其特征在于，所述信号接收方法还包括确定所述输入信号的所述干扰信号组分的一阶线性预测系数，其中如果所述一阶线性预测系数的幅值超过阈值，所述适应性地选择步骤包括选择所述联合检测维特比解调器。

23.如权利要求16所述的信号接收方法，其特征在于，所述输入信号符合全球移动通信系统标准。

24.一种全球移动通信系统电话，其特征在于，所述全球移动通信系统电话包括：

天线，接收符合全球移动通信系统标准的输入信号；

增强干扰消除滤波器模块；

联合检测维特比解调器，联合地解调所述输入信号的所需信号组分及干扰信号组分；

第二维特比解调器，解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分；以及

决定装置，基于所述输入信号的接收信号强度指示、所述增强干扰消除滤波器模块的滤波器选择、与所述输入信号相关的传播信道长度以及所述输入信号的干扰信号组分的线性预测系数的幅值中至少一个，适应性地选择所述联合检测维特比解调器或所述第二维特比解调器以解调所述输入信号。

25.一种信号接收装置，其特征在于，所述信号接收装置包括：

输入模块，接收输入信号；以及

选择模块，基于所述输入信号的至少一个特性适应性地选择联合检测维特比解调器或第二维特比解调器，以解调所述输入信号，其中所述联合检测维特比解调器联合地解调所述输入信号的所需信号组分及干扰信号组分，所述第二维特比解调器解调所述输入信号的所述所需信号组分而不解调所述输入信号的所述干扰信号组分。

Images