CN101888259B - 用于码分多址通信的方法、装置和系统 - Google Patents

Abstract

本发明公开了一种用于码分多址通信的方法、装置和系统，提供了用于解调直接序列码分多址信号的统一的最小均方误差均衡/多用户检测途径。在至少一个实施方案中，所述统一的途径能够生成多种有成本效益的接收机解调技术，所述解调技术可以从例如低成本的线性最小均方误差均衡技术延伸到相对高复杂度的最小均方误差均衡/多用户检测。

Description

用于码分多址通信的方法、装置和系统

本申请是申请日为2004年10月27日、申请号为200480039667.7(国际申请号PCT/US2004/035893)、题为“用于CDMA系统的统一的MMSE均衡和多用户检测途径”的发明专利申请的分案申请。

技术领域

本发明总地涉及无线通信，并且更具体地，涉及用于在无线系统中检测数据的方法和结构。

背景技术

码分多址(CDMA)是一种多址技术，其中使用多个基本正交的码(通常为伪随机噪声序列的形式)来扩频调制系统内的用户信号。每个被调制的用户信号可以具有与系统内其他被调制的用户信号重叠的频谱。然而，因为潜在的调制码是正交的，所以通过使用适当的码来执行相关性操作以解调各个用户信号是可能的。如可以理解的，工作在基于CDMA的系统中的通信设备常常接收到与各种不同的用户相关联的重叠的通信信号。当试图在通信设备中解调与期望用户相关联的信号时，与其他用户相关联的信号通常表现为干扰。目前对用于在CDMA环境中高效地和/或准确地解调用户信号的技术和结构存在着需要。

发明内容

根据本发明的一个方面，提供了一种方法，包括：将第一多个用户中的希望的用户指派给第一组，将所述第一多个用户中的其他用户指派给第二组，其中所述第一多个用户由基站服务；根据对应于所述多个接收天线并用于所述第一多个用户的信道信息，生成最小均方误差均衡器，其中，生成所述最小均方误差均衡器包括确定干扰功率与信号功率的比率；基于所述第一组和所述第二组中的所述第一多个用户的分布，处理通过多个天线接收的码分多址信号，其中处理接收到的码分多址信号包括：使用所述最小均方误差均衡器过滤通过所述多个天线接收的码分多址信号，所述码分多址信号包括与所述第一多个用户相对应的重叠信号分量；以及使用与所述希望的用户相对应的扩频码来解扩所述码分多址信号；并且其中，所述方法还包括通过检测解扩之后所述码分多址信号中与所述希望的用户相对应的符号，来生成与所述希望的用户相对应的用户数据。

根据本发明的另一个方面，提供了一种装置，包括：最小均方误差均衡器，所述最小均方误差均衡器用于过滤通过多个天线接收的码分多址信号，其中所述最小均方误差均衡器是根据用于由基站服务的第一多个用户的与所述多个接收天线对应的信道信息而生成的，其中希望的用户被包括在由所述基站服务的所述第一多个用户当中，并且其中，所述最小均方误差均衡器是使用干扰功率与信号功率的比率生成的；解扩器，所述解扩器用于使用与所述希望的用户相对应的扩频码来解扩码分多址信号；以及解码器，所述解码器用于从经解扩的码分多址信号恢复与所述希望的用户相对应的用户数据，其中，所述希望的用户被指派到第一组，所述第一多个用户中的其他用户被指派到第二组；其中，所述最小均方误差均衡器和所述解扩器基于所述第一组和所述第二组中的所述第一多个用户的分布来处理通过所述多个天线接收的所述码分多址信号。

根据本发明的另一个方面，提供了一种系统，包括：多个接收天线，所述接收天线用于从无线信道接收码分多址信号；用于基带子系统的无线电频率；最小均方误差均衡器，所述最小均方误差均衡器用于过滤通过所述多个天线接收的码分多址信号，其中所述最小均方误差均衡器是根据用于由基站服务的第一多个用户的与所述多个接收天线对应的信道信息而生成的，其中希望的用户被包括在由所述基站服务的所述第一多个用户当中，并且其中，所述最小均方误差均衡器是使用干扰功率与信号功率的比率生成的；解扩器，所述解扩器用于使用与所述希望的用户相对应的扩频码来解扩所述码分多址信号；以及解码器，所述解码器用于从经解扩的码分多址信号恢复与所述希望的用户相对应的用户数据；其中，所述希望的用户被指派到第一组，所述第一多个用户中的其他用户被指派到第二组；其中，所述最小均方误差均衡器和所述解扩器基于所述第一组和所述第二组中的所述第一多个用户的分布来处理通过所述多个天线接收的所述码分多址信号。

附图说明

图1是根据本发明的实施方案示出示例性接收机结构的框图；

图2是根据本发明的实施方案示出示例性联合均衡(joint equalization)和MUD设备的框图；

图3是根据本发明的实施方案示出可用于代表MUD接收机系列的示例性接收机结构的框图；

图4是根据本发明的实施方案示出可用于实现干扰消除技术的示例性接收机结构的框图；以及

图5是根据本发明的实施方案示出用于CDMA接收机的示例性方法的框图。

具体实施方式

在以下详细的描述中，将参照通过图示方式显示可以在其中实施本发明的实施方案的附图。这些实施方案以足够详细的方式被描述，以使本领域的技术人员能够实施本发明。应当可以理解，本发明的各种实施方案尽管不同，但并不必互相排斥。例如，连同一个实施方案一起描述的特定的特征、结构或者特性，在没有背离本发明的精神和范围的情况下，可以在其他实施方案中实现。另外，应当可以理解，在每个所公开的实施方案中，在没有背离本发明的精神和范围的情况下，可以修改单个部件的位置和排列。因此，以下的详细描述不应作为限制性的，并且仅仅以所附的权利要求书来定义本发明的范围，与赋予权利要求书的整个等同物范围一起来恰当地解释本发明的范围。在附图中，同样的数字在所有几个视图中表示同样或相似的功能性。

已知普遍使用的RAKE接收机是用于解调接收自加性白高斯噪声(AWGN)信道的CDMA信号的最优解决方案。然而，在多址干扰(MAI)环境(例如在蜂窝CDMA系统中所遭遇的)中，RAKE接收机不是最优的，并且在一些情况下，RAKE接收机远不是最优解决方案。近年来，已经投入了巨大的努力来发展先进的CDMA接收机技术，以提高CDMA网络的性能。多用户检测(MUD)技术是先进的CDMA接收机技术的一个实施例，其中接收机联合地解调多个用户(即期望用户信号以及其他干扰用户信号)。通过使用关于与被联合解调的用户相关联的知识，MUD技术能够显著地提高解调性能。应用于码片(chip)领域的信道均衡技术代表另一种先进的接收机技术，它只能够应用于正交CDMA。码片率(chip-rate)均衡技术中的关键思想是均衡通信信道，使其接近单式变换(unitarytransformation)，因此恢复在信道中被破坏的传输信号的正交性。通过这样操作，(同一基站的)不同用户间的串扰(cross-talk)被减少，因为在信道中被损坏的签名码(signaturecode)的正交性被至少部分地恢复。在蜂窝系统中，该方法仅可应用于活动基站的下行链路用户，因为通常只有这些用户才与期望用户正交。

在本发明的至少一个实施方案中，提供了用于解调直接序列CDMA(DS-CDMA)信号的统一的MUD均衡途径。所述统一的途径能够生成各种有成本效益的接收机解调技术，所述解调技术可以从例如低成本线性最小均方误差(MMSE)均衡技术(与RAKE接收机相比，它可以提供最低性能增益)，到相对高复杂度的MMSE MUD(它可以提供最大性能增益)。在两者之间，可以选择各种性能/复杂度的折衷。在下文中，将使用术语“均衡”来代表“签名独立的”最优均方误差(MSE)处理，并且因此可以被延伸到包括来自其他与期望用户不正交的基站的信号。

图1是根据本发明的实施方案示出示例性接收机结构10的框图。如所示出的，接收机结构10可以包括以下中的至少一项：天线12、射频(RF)到基带子系统14、联合均衡和MUD单元16和信道解码器18。天线12可以从无线信道接收复合CDMA信号，所述复合CDMA信号包括与系统中多个用户相关联的重叠信号分量。除期望用户之外，复合信号可以包括来自与期望用户关联相同基站的其他用户和/或与其他基站相关联的其他用户的信号分量。可以使用何形式的天线12，包括例如双极、贴片、螺旋、阵列和/或其他，包括以上天线的组合。在至少一个实施方案中，使用天线分集技术。RF到基带子系统14将接收的信号从RF表现形式转换为基带表现形式。RF到基带子系统14可以包括诸如低噪放大器、一个或更多个RF滤波器、一个或更多个频率转换设备(例如混频器等)的组件(component)，和/或将接收的信号转换到基带所需的任何其他组件。如将要详细描述的，联合均衡和MUD设备16操作为使用同一的MUD/均衡途径在与期望用户相关联的复合的接收的信号中检测数据。信道解码器18基于预定的信道码解码检测到的数据，以便为期望用户复原用户数据。可以使用任何形式的信道码。在至少一个实施方案中，不使用信道编码。

图2是根据本发明的实施方案示出联合均衡和MUD设备30的实施例的框图。联合均衡和MUD设备30可以用于例如图1的接收机结构10和/或具有其他体系结构的CDMA接收机中。如所示出的，联合均衡和MUD设备30包括：采样器(sampler)32、时间追踪单元34、解扩器(despreader)36和联合均衡器/MUD解扩序列生成器38。解扩器36包括乘法器40和累加器42。时间追踪单元34导致采样器32以码片率采样接收的基带采样，以生成码片率采样y_k。解扩器36通过将码片率采样乘以(即在乘法器40内)由联合均衡器/MUD解扩序列生成器38生成的解扩序列来解扩接收的信号，然后在符号周期内对结果求和(即在累加器42内)，以在累加器的输出生成期望用户符号然后，期望用户符号可以被传递到信道解码器进行解码。如将详细描述的，在本发明的至少一个实施方案中，可以由联合均衡器/MUD解扩序列生成器38生成解扩序列，所述解扩序列可以以这样的方式组合均衡和MUD处理，即在达到提高的解扩性能的同时，还解决计算复杂度的问题。

在至少一个实现中，可以首先通过将系统中的当前用户分成两组来生成解扩序列。第一组(即组1)由“假设”其签名序列对于接收机来说为已知的用户组成，并且第二组(组2)由“假设”其签名序列对于接收机来说为未知，并且由其第一和第二级统计与实际信号的第一和第二统计一致的用户组成。组1中的用户数量可以用K表示，并且组2中的用户数量可以用L(或L+1，其中+1用于代表系统中的加性白噪声)表示。如将详细描述的，当K和L变化时，可以实现不同的接收机体系结构和性能。一般使用MUD型处理来对待组1中的用户。这样的处理通常导致以较高的计算复杂度为代价的较高的性能。另一方面，一般使用均衡型处理来对待组2中的用户，这样的处理通常导致具有较低计算复杂度的较低性能。总之，随着被指派到组2的用户数量增加，总体性能将下降，并且总体计算复杂度将下降。

应该意识到，在本发明的至少一个实施方案中，关于特定用户被放置到哪个组的决定不一定取决于该用户的签名在接收机中实际上是否已知。事实上，在很多情况下，接收机可以知道所有当前用户的签名。相反，决定可以基于接收机中的性能和计算复杂度之间的折衷。即，可以作出决定，以一种方式对待某些用户，并且以另一种方式对待其他用户，以达到性能和复杂度之间的折衷。例如，在一种途径中，所有作为期望用户与相同基站相关联的用户被放置在组1中，而所有与其他基站相关联的用户被放置在组2中(即，即使接收机已知他们的签名)。以这种方式，通过限制对与服务基站(即与期望用户相关联的基站)相关联的用户的MUD处理的应用，可以降低整体的计算复杂度。可替换地，可以使用其他用于将用户指派到两组中的技术。在至少一个实施方案中，用于将用户指派到两组中的技术可以随时间而改变(例如，它可以由接收机的主用户定义和/或修改)。

如上面所描述的，在至少一个实现中，通过变化接收机中K和L的值，可以实现各种不同的接收机体系结构。例如，如果K＝1并且L＝0，则可以实现(具有优化权重的)众所周知的RAKE接收机。最大比率组合(maximal-ratio combining，MRC)RAKE接收机可以作为当信噪比(SNR)接近0时的特例来实现(在任何其他情况下，已知MRC为次优)。在另一个实施例中，如果K＝1并且L＝服务基站中的用户数量-1，则可用实现常规的MMSE均衡器。在又一个实施例中，如果K＝所有当前用户，则可以实现已充分发展的(full blown)MUD接收机。此外，通过以不同的方式从上面的实施例中选择K和L，可以实现各种有成本效益的联合MUD均衡接收机技术，所述各种联合MUD均衡接收机技术能够以给定的复杂度水平(在MSE准则下)最优地处理符号间干扰(ISI)和多址干扰(MAI)。以这种方式，可以达到性能/复杂度的折衷。

在下面的讨论中，描述了用于确定联合均衡器/MUD解扩序列的一般技术。在CDMA接收机中，基带等效的接收的信号可以如下表示：

$y\left(t\right)=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{s}_k\left(t\right)\⊗h_k\left(t\right)+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{n}_l\left(t\right)\⊗g_l\left(t\right)$ (式1)

其中s_k(t)是DS-CDMA信号，假设它们的签名对于接收机来说为已知(不失一般性，假设s₀(t)自始至终都是期望信号)，h_k(t)是第k条信道的冲击响应(即第k个DS-CDMA信号传播通过的冲击响应，包括发射机和接收机滤波效应)，

表示卷积操作符，n_l(t)是白噪声过程，并且g_l(t)是任意的冲击响应，它的特征描述在下面提供。令g₀(t)等于接收机滤波器的冲击响应。因此，等式1的第二个和的第一项只是白噪声过程对基带信号所起的作用(例如，接收机链(receiver chain)的热噪声)。其他n_l(t)项用来代表DS-CDMA信号，假设它们的签名对于接收机来说为未知，用g_l(t)代表它们各自的信道(假设所述信道对于接收机来说为已知)。应该重申，假设签名为已知的CDMA用户与假设签名为未知的CDMA用户之间的区别可以是相关的，因为它直接涉及成本/性能折衷。还应该注意到，传统的随机扩频假设和将码片整形(chip-shaping)嵌入到g_l(t)的事实直接暗示n_l(t)的时间(temporal)白色性质。按照刚刚所定义的，结果的总体信号

在它的第一和第二级统计(所述统计是MSE分析所需的)中与随机扩频DS-CDMA信号一致。此外，不同用户的数据流之间的统计独立导致不同信号(即s_k(t)与n_l(t))之间的统计独立。因此对于式1中的信号可以作出以下两个假设，所述假设足以用于以下所有推导：

假设1-不同用户间缺乏相关性：

$E\{s_{k_1}\left(t\right)\·s_{k_2}{(t-\mathrm{\τ})}^{*}\}=0,{\∀k}_1\≠k_2,\∀\mathrm{\τ};$

$E\{n_{k_1}\left(t\right)\·n_{k_2}{(t-\mathrm{\τ})}^{*}\}=0,{\∀k}_1\≠k_2,\∀\mathrm{\τ};$ (式2)

$E\{s_{k_1}\left(t\right)\·n_{k_2}{(t-\mathrm{\τ})}^{*}\}=0,{\∀k}_1{,k}_2,\mathrm{\τ}$

假设2-其签名对于接收机来说为未知的DS-CDMA信导的时间白色性质：

$E\{n_k\left(t\right)\·n_k{(t-\mathrm{\τ})}^{*}\}=0,\∀k,\∀\mathrm{\τ}\≠0$ (式3)

只是出于方便的目的，假设不同用户的符号序列既是时间不相关的，又是在用户间不相关的。然而，应该强调，此假设仅仅为了方便，并且它可以直接地推导其他符号分布的解。

式1的简单格式允许通过适当地定义式中出现的各种参数和推导MMSE解，来研究不同的接收机体系结构。在以下讨论中，首先针对式1的模型推导出一般的MMSE解。然后，示出如何从一般解中可以推导出不同的接收机体系结构。用于第n个符号(用表示)的MMSE输出可以如下表达：

${\hat{a}}_0\left(n\right)=\underset{j=m_1}{\overset{m_2}{\mathrm{\Σ}}}{w^{*}}_j\left(n\right)\·y(j\·T_s)$ (式4)

其中T_s是接收机处的采样间隔(所述采样间隔通常是码片周期T_c的整数分之一)，并且j∈m₁，m₁+1，...，m₂是中心在第n个符号周围的适当的预定义观察窗。典型地，(m₂-m₁)·T_s具有T_c乘以扩频因子(SF)相同的阶数，尽管稍大。准确值取决于信道的延迟扩展，并且可以是由性能/复杂度折衷左右的用户可定义的参数。当信道的延迟扩展比符号持续时间长时，可能期望令观察窗跨度(span)比符号宽。在这样的设置下，所建议的途径还减轻由信道产生的符号间干扰(ISI)。对用于高数据率应用的越来越流行的低扩频因子来说，这可能具有特别的重要性。使用矢量符号，式4变为：

${\hat{a}}_0\left(n\right)={{\stackrel{\‾}{W}}_n}^{+}\·{\stackrel{\‾}{Y}}_n$ (式5)

如所众所周知的，的MMSE解由下式给出：

${\stackrel{\‾}{W}}_n=E{\{{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\}}^{-1}\·E\{{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}$ (式6)

其中a₀(n)表示期望用户符号。使用式1与假设1，它可以示出为：

$E\{{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)\·E\left\{\right|a_0\left(n\right){|}^2\}$ (式7)

其中

是考虑信道影响的期望符号的等效扩频序列(参见下面的式8与式9)。令c_k(i)表示第k个用户的码片序列并且定义：

$P_{\mathrm{eq}\_k}(t,n)=\underset{i=n\·\mathrm{SF}+1}{\overset{(n+1)\·\mathrm{SF}}{\mathrm{\Σ}}}{c}_k\left(i\right)\·h_k(t-i\·T_c)$ (式8)

然后，分量被看作与分别的符号a₀(n)对应的期望用户的“等效的”扩频序列的T_s间隔的采样(即，在上面的式8中代入k＝0，t＝m₁·T_s，(m₁+1)·T_s，...，m₂·T_s)。这可以在数学上表达为：

${\left\{{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)\right\}}_j=\underset{i=n\·\mathrm{SF}+1}{\overset{(n+1)\·\mathrm{SF}}{\mathrm{\Σ}}}{c}_0\left(i\right)\·h_0((j+m_1-1)\·T_s-i\·T_c)$ j＝1，2，...，(m₂-m₁+1)(式9)

也可以用矩阵符号表达为：

${\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)=H_0\·{\stackrel{\‾}{C}}_0\left(n\right)$ (式10)

其中H₀是Toeplitz矩阵，它的第i行、j列元素是h₀((i+m₁-1)·T_s-j·T_c)，并且码片矢量的第i个元素是第i个码片c₀(i)。注意到式7到式9是通过使用以下用于s_k(t)的传统DS-CDMA模型从式1得出的：

(式11)

其中

表示x的整数部分(以及符号索引)，δ(t)代表Dirac delta函数，并且注意到：

${\stackrel{\‾}{Y}}_n=P_{\mathrm{eq}}\left(n\right)\·\stackrel{\‾}{a}\left(n\right)+\stackrel{\‾}{e}\left(n\right)$ (式12)

其中P_eq是矩阵，它的第k列是

(即，通过取t＝m₁·T_s，(m₁+1)·T_s，..，m₂·T_s计算式8所得的向量)，并且

是与不同“用户”相关联的符号的

个向量。

由于边缘效应(例如当观察窗跨越超过单个符号周期时，或当信道延迟扩展是非零时)，向量

可能需要包含几个连续的符号用于每个用户(例如每个用户使用第n-1，n和n+1个符号)。否则，式12的模型可能仅近似地成立(近边缘效应(upto edge effect))。当信道延迟扩展小于符号周期(通常是这样的情况)并且观察窗不太大时，上面三个连续的符号通常足以确保可忽略的边缘效应。在这种情况下，额外的符号被视为额外的“用户”，因此(例如，当使用第n-1，n和n+1个符号时，则

)。结果，

可以包括与那些采样时刻对应的零，其中相关符号不影响。最后，

是向量，其元素为在t＝m₁·T_s，(m₁+1)·T_s，...，m₂·T_s时为

从式12，可以示出

可以如下计算：

$E\{{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\}=P_{\mathrm{eq}}\left(n\right)\·\mathrm{Diag}\left\{E\right\{{\left|a_0\left(n\right)\right|}^2\},...,E\{{\left|a_{\tilde{K}-1}\left(n\right)\right|\}}^2\left\}\right\}\·P_{\mathrm{eq}}{\left(n\right)}^{+}+E\{\stackrel{\‾}{e}\·{\stackrel{\‾}{e}}^{+}\}$

$=\underset{k=0}{\overset{\tilde{K}-1}{\mathrm{\Σ}}}E\left\{{\left|a_k\left(n\right)\right|}^2\right\}\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_k}\left(n\right)\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_k}{\left(n\right)}^{+}+\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}{N}_l\·T_l$

(式13)

其中N_l是n_l(t)的功率谱密度，并且T_l是Toeplitz矩阵，它的第i，j元素为：

${\left\{T_l\right\}}_{i,j}\≡{\∫g}_l\left(\right[i-j]\·T_s+t)\·g_l{\left(t\right)}^{+}\mathrm{dt}=\frac{1}{2\·\mathrm{\π}}\∫{\left|G_l\left(w\right)\right|}^2\·e^{\mathrm{jw}(i-j)T_S}\mathrm{dw}$ (式14)

已知匹配滤波器输出的码片间隔的(chip-spaced)采样(即，与发射机整形滤波器匹配的接收机滤波器使其输出以码片率采样)组成各种设置下a₀(n)的充分统计估计。因此，当执行了码片间隔的采样时，下式可以代入式14以简化推导：

T_s＝T_c    (式15)

由于实际的接收机实现通常使用比码片率高的采样速率(通常出于时间追踪和/或简化抗混叠(anti-aliasing)模拟滤波器和模数转换器(A/D)的需求的目的)，这样的代入可能是不期望的。然而，解调本身通常以码片率而不是更高的速率进行(例如，RAKE支路(RAKE finger))。还注意到接收机滤波器常常简单地是带宽1/2·T_c(即单边)的单位增益(unit-gain)低通滤波器(LPF)或其他奈奎斯特(Nyquist)滤波器(例如均方根升余弦等)在任一情况下可以从式15示出：

$T_0\≡\frac{1}{T_c}\·I$ (式16)

式16反映出这样的事实，即在这些情况下接收机滤波器的码片间隔相关性序列明显是Kronecker delta函数(回想g₀(t)被设置为接收机滤波器的冲击响应，并且，如预想的那样，式16简单地暗示在接收机滤波之后白噪声方差项为N₀/T_c)。

尽管与均衡和/或MUD不直接相关，但是在本发明的环境中检查RAKE接收机仍然是有用的。为了这样做，在接收机处假设最少知识量。即，假设仅已知期望用户的签名(即K＝1)，并且未知任何关于被建模为白噪声(即L＝1)的干扰的知识。还假设正在使用码片率采样(即式15)。使用式6、7、8、13和16，可见，解由下式给出：

${\stackrel{\‾}{w}}_n=E{\{{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\}}^{-1}\·E\{{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}$

$={[\underset{k\∈{\mathrm{\Ω}}_0}{\mathrm{\Σ}}{\stackrel{\‾}{P}}_{\mathrm{eq}\_k}\left(n\right)\·{{\stackrel{\‾}{P}}^{+}}_{\mathrm{eq}\_k}\left(n\right)+\frac{N_0/T_c}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}\·}\·I]}^{-1}\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)$

(式17)

其中Ω₀是代表与期望用户的(即符号为...，a₀(n-1)，a₀(n)，a₀(n+1)，...的用户)符号对应的“用户”索引的集合(显然0∈Ω₀))。

接下来，假设E{|a₀(n)|²}＜＜N₀/T_c(即，与总噪声功率相比，预解扩的用户功率很小，正如CDMA系统中每个用户通常被指派总发射功率的小部分的情况)，在这样的情况下式17可以近似为：

$\stackrel{\‾}{w}\left(n\right)\≈\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{N_0/T_c}\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)$ (式18)

式18除去增益项(增益项与解调性能不相关)恰是对期望用户签名的匹配滤波器，并且与公知的RAKE接收机(它实际上是匹配滤波器)相符。

有趣的是，注意到式17中给出情况的精确MMSE解减轻了自MAI(即被括起来的表达式中的第一项)，并且因此预期提供与RAKE接收机相比更好的性能。然而，该接收机比RAKE接收机复杂，并且相对于增加的成本来说预期的性能提升不值得。

除上面描述的常规RAKE接收机以外，最简单的接收机结构是码片率均衡器。为了得出该均衡器，假设接收机通过均衡来减轻服务基站的MAI，并且将系统中所有其他用户都作为白噪声对待。因此，下列参数可以用于式1中：K＝1(即，假设接收机仅已知期望用户的签名)并且L＞1(并且，在这样的设置下，L等于活动基站中的用户数量)。还假设：

g_l(t)＝h₀(t)，l＝1，..，L    (式19)

即，所有的干扰信号都经历与期望信号相同的信道(这是服务基站的所有下行链路用户的情况)。所有与服务基站不相关联的其他用户都建模为白高斯(Gaussian)噪声(即n₀(t)建模所有小区(cell)外MAI)。还假设正在使用码片率采样(即式15)。

基于以上内容，通过将这些参数代入式6、7和8给出最优MMSE解，结果如下：

${\stackrel{\‾}{w}}_n=E{\{{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\}}^{-1}\·E\{{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}$

$={[\underset{k\∈{\mathrm{\Ω}}_0}{\mathrm{\Σ}}{\stackrel{\‾}{P}}_{\mathrm{eq}\_k}\left(n\right)\·{{\stackrel{\‾}{P}}^{+}}_{\mathrm{eq}\_k}\left(n\right)+\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·I]}^{-1}\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)$

(式20)

其中T_L为信道的相关性Toeplitz矩阵(通过将式19代入式14得到)。再一次，被括起来的表达式的第一项代表竞争自MAI(combating self-MAI)。如果假设与(预解扩)总功率相比(预解扩)用户功率很小，则式20被简化为：

${\stackrel{\‾}{w}}_n=E{\{{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\}}^{-1}\·E\{{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}$

$\≈{[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\{\left|a_0\left(n\right){|}^2\right\}\·}\·I]}^{-1}\·{\stackrel{\‾}{P}}_{\mathrm{eq}\_0}\left(n\right)$ (式21)

$={[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\{\left|a_0\left(n\right){|}^2\right\}\·}\·I]}^{-1}\·H_0\·{\stackrel{\‾}{C}}_0\left(n\right)$

其中变换到式21的第二行时调用了式10。注意对符号索引的唯一依存关系是通过期望用户的码片的向量。因此，可以通过首次应用信道相关(但是符号不相关)变换来实现该接收机：

${\stackrel{\‾}{Z}}_n\≡{H_0}^{+}\·{[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\{\left|a_0\left(n\right){|}^2\right\}\·}\·I]}^{-1}\·{\stackrel{\‾}{Y}}_n$ (式22)

紧跟着的是简单解扩器：

${\hat{a}}_0\left(n\right)={\stackrel{\‾}{C}}_0{\left(n\right)}^{+}\·{\stackrel{\‾}{Z}}_n$ (式23)

为了获得对该接收机的操作的一些深入了解，注意到T_L是信道自相关函数(参见式19和式14)。因此，近边缘效应可以用下式(至少对于指数稳定信道)近似：

$T_L\≅\frac{1}{T_c}{H}_0\·{H_0}^{+}$ (式24)

为了针对例如普遍使用的码片间隔多径信道模型来验证式24，简单地将信道频率响应(指数的和)代入式14的第二行，并执行积分(回想接收机滤波将积分限制到仅在奈奎斯特带中)。在一些积分变量的变化之后，结果为：

${\left\{T_l\right\}}_{i,j}=1/T_c\underset{k}{\mathrm{\Σ}}{h}_0\left(\right[k+i-j\left]T_c\right)\·h_0{\left({\mathrm{kT}}_c\right)}^{+}$

该式产生式24忽略边缘效应的近似。使用该近似，信道相关变换实际上由下式(取决于恒定增益因子

给出：

${[H_0\·{H_0}^{+}+\frac{N_0}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l}\·I]}^{-1}\·H_0$ (式25)

如果与建模小区外MAI的白噪声相比小区内MAI很大(即

)，则式25简化为信道的逆。在这种情况下，式25的均衡器完全恢复被信道破坏的用户码的正交性。另一方面，如果

(即代表其他小区干扰的白噪声是主导因素)，则式25简化为匹配滤波器，并且接收机简化为RAKE接收机(它是这种设置下的最优接收机)。对于任何其他的设置，式25中的均衡器(或式22中的均衡器)将在减轻对用于建模小区外干扰的白噪声分量的同小区干扰之间产生(在MSE意义上)最佳的折衷。

应该注意到，CDMA均衡技术还可以使用自适应滤波器理论来实现。即，可以顺序地操作以及向接收的采样应用自适应滤波器，而不是在采样

的向量上以批处理模式操作。

在一些情况下，接收机知道其他基站的干扰频谱。在这样的情况下，在考虑该额外信息同时，可以获得码片率均衡器，从而导致提高的性能。因此，可以将下列参数用于式1：K＝1(即，假设接收机仅知道期望用户的签名)并且L＝L₁+L₂＞1(其中L₁等于活动基站中的用户数量)。已知来自活动基站的所有干扰噪声经历与期望信号相同的信道。这可以如下表示：

g_l(t)＝h₀(t)，l＝1，..，L₁    (式26)

所有(并非来自服务小区的)其他用户都通过与l＝L₁+1，...，L₁₊L₂.l对应的信号建模。还假设正在使用码片率采样。

在这种情况下的解仍旧由式20-23的一般架构给出。为了获得对该解的一些深入了解，假设简化的两个基站的情景。因此，除式26外有：

g_l(t)＝h₁(t)，l＝L₁+1，..，L₁+L₂    (式27)

(即所有来自干扰基站的干扰信号都经历相同的信道)。使用该设置和式24的近似，可以得到下面的均衡器：

${[H_0\·{H_0}^{+}+\frac{\underset{l=L_1+1}{\overset{L_2}{\mathrm{\Σ}}}{N}_l}{\underset{l=1}{\overset{L_1}{\mathrm{\Σ}}}{N}_l}\·H_1\·{H_1}^{+}+\frac{N_0}{\underset{l=1}{\overset{L_1}{\mathrm{\Σ}}}{N}_l}\·I]}^{-1}\·H_0$ (式28)

如果主要的干扰源是同小区MAI，则和前面一样，式28简化为信道的逆，这恢复信号签名的正交性。另一方面，如果其他小区MAI和热噪声是主导因素，则式28简化为有色噪声中的匹配滤波器，这是这种情景的最优解。在任何其他设置下，均衡器提供这两种接收机之间的最佳折衷。

为了检查式28相对于式25的常规实践的性能提高，考虑两个基站的情景，其中期望基站信号经历平稳衰落信道，并且干扰基站信号经历AR(1)信道模型

假设干扰基站信号比期望基站信号要强得多。则因为活动基站经历平稳衰落，所以常规白噪声均衡器降为(collapse)为单位变换(unity transformation)(即它将不起任何作用，并且因此等效于RAKE接收机)。则该接收机输出处的SNR为：

${\mathrm{SNR}}_{\mathrm{White}\_\mathrm{Noise}\_\mathrm{Equalizer}}=\frac{E\left\{{\left|S\right|}^2\right\}}{E\left\{{\left|I\right|}^2\right\}\·\frac{1}{1-{\mathrm{\α}}^2}}$

其中E{|S|²}期望基站处的总发射功率，E{|I|²}是干扰基站处的总发射功率，并且

是干扰信号经历的冲激响应平方抽头(tap)的和。现在，有色噪声均衡器将考虑干扰信号的频谱形状，并且将生成白化噪声的均衡器(回想E{|S|²}＜＜E{|I|²}，所以均衡器将仅粗略处理噪声)，并且紧跟着的是噪声白化器(whitener)的匹配滤波器。因此，使用该模型，均衡器的频率响应为：

(1-α·Z^-1)·(1-α·Z)＝-α·Z+(1+α²)-α·Z^-1

其中第一项(1-α·Z^-1)是对干扰BS的信道取逆的噪声白化器；第二项(1-α·Z)是期望信号现在经历的“新”信道的匹配滤波器。在这种情况下SNR(忽略在假设E{|S|²}＜＜E{|I|²}的情况下影响很小的同小区MAI)可以如下表示：

${\mathrm{SNR}}_{\mathrm{Colored}\_\mathrm{Noise}\_\mathrm{Equalizer}}=\frac{E\left\{{\left|S\right|}^2\right\}\·[{\mathrm{\α}}^2+{(1+{\mathrm{\α}}^2)}^2+{\mathrm{\α}}^2]}{E\left\{{\left|I\right|}^2\right\}\·[1+{\mathrm{\α}}^2]}$

相对于白噪声均衡器(以及相对于在这种情况下产生与白噪声均衡器相同性能的RAKE接收机)，有色噪声均衡途径的SNR增益可以通过计算两个SNR表达式的比得到：

${\mathrm{SNR}\_\mathrm{Gain}}_{\mathrm{Pr\; oposed}\_\mathrm{Colored}\_\mathrm{Equalizer}\_\mathrm{Approach}}=\frac{1+4\·{\mathrm{\α}}^2+{\mathrm{\α}}^4}{1-{\mathrm{\α}}^4}$

可以看到，当α接近1时，SNR增益接近无穷(即当干扰信道变得更有色(更深的空(deepernull))时，SNR增益增加)。尽管在相对简单的实施例环境中讨论，但是可以看到在更复杂的情况下该结论仍成立。

更好的比较将考虑同小区MAI。在这种情况下，白噪声均衡器的SNR不变，但是有色噪声均衡器SNR为：

${\mathrm{SNR}}_{\mathrm{Colored}\_\mathrm{Noise}\_\mathrm{Equalizer}}=\frac{E\left\{{\left|S\right|}^2\right\}\·{(1+{\mathrm{\α}}^2)}^2}{E\left\{{\left|I\right|}^2\right\}\·[1+{\mathrm{\α}}^2]+2\·E\left\{{\left|S\right|}^2\right\}\·{\mathrm{\α}}^2}$

在该情景中(相对于白噪声均衡器和RAKE接收机的)SNR增益为：

${\mathrm{SNR}\_\mathrm{Gain}}_{\mathrm{Pr\; oposed}\_\mathrm{Colored}\_\mathrm{Equalizer}\_\mathrm{Approach}}=\frac{{(1+{\mathrm{\α}}^2)}^2}{1-{\mathrm{\α}}^4+2\frac{E\left\{{\left|S\right|}^2\right\}}{E\left\{{\left|I\right|}^2\right\}}\·{\mathrm{\α}}^2}$

再一次，当α接近1时，SNR增益接近无穷。(注意该解是针对于E{|S|²}＜＜E{|I|²}的情况)。可以类似地分析其他情况。

为了实现线性MMSE MUD接收机体现结构，可以在式1中使用如下参数：K＝k₁+k₂，...，k_B(其中k_i是第i个基站的用户数量)并且L＝1。还假设：

$h_l\left(t\right)={\tilde{h}}_1\left(t\right),l=1,..,k_1$

$h_l\left(t\right)={\tilde{h}}_2\left(t\right),l=k_1+1,..,k_1+k_2$

.              (式29)

$h_l\left(t\right)={\tilde{h}}_B\left(t\right),l=\underset{i=1}{\overset{B-1}{\mathrm{\Σ}}}{k}_i+1,..,\underset{i=1}{\overset{B}{\mathrm{\Σ}}}{k}_i$

其中

表示第i个基站和期望用户之间的信道。在这样的设置下，解与针对蜂窝下行链路环境的已充分发展的线性MMSE解一致。

对上面描述的已充分发展的线性MMSE多用户检测器执行的复杂度分析显示它计算量最大的部分是矩阵E

的生成，而不是矩阵的求逆。此外，该计算复杂度与系统中用户数量成正比。这暗示以下有效的成本-性能权衡，即为一些用户使用MUD而为剩余用户使用均衡。在至少一个实施方案中，选择系统中最强的K个用户，并且用线性MMSEMUD高效地处理这K个用户。对于这些用户，以与上面式29类似的方式为h_l(t)赋值。使用较低复杂度的均衡高效地处理剩下的L-1个用户，由于所述剩下的L-1个用户较弱，所以他们不那么重要。对于这些较弱的用户，以与上面式29类似的方式为g_l(t)赋值。

为了实现这样的接收机体系结构，式1中的参数可以如下选择：K是用户可定义参数，确定成本-性能折衷，并且L＝用户总数量-K+1。还假设：

$h_l\left(t\right)={\tilde{h}}_i\left(t\right)$ 或 $g_l\left(t\right)={\tilde{h}}_i\left(t\right)$ (式30)

其中假设第l个用户属于第i个基站，并且和前面一样，

表示第i个基站和期望用户之间的信道。总之，该途径提供非常灵活和有吸引力的成本-性能折衷。使用足够大的K值，性能逼近已充分发展的MMSE MUD的性能。此外，对于伴随着选择最强(最干扰的)用户的高效机制的较小K值来说，可以以低得多的复杂度达到类似的性能。

在本发明的至少一个实施方案中，使用了符号级的途径(即基于一组匹配滤波器输出的接收机，而不是基于接收的采样的接收机)。为了考虑符号级途径，式12的两边都乘以某个K×(m₂-m₁+1)的矩形矩阵A(A一般来说是时变的)，如下所示：

${\stackrel{\‾}{X}}_n\≡A\·{\stackrel{\‾}{Y}}_n=A\·P_{\mathrm{eq}}\left(n\right)\·\stackrel{\‾}{a}\left(n\right)+A\·\stackrel{\‾}{e}\left(n\right)$ (式31)

特别选择A＝P⁺ _eq产生匹配滤波器输出组，但是其他选择也是可能的。现在MMSE解直接从之前的推导得出，如下：

${\hat{a}}_0\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{b^{*}}_k\left(n\right)\·x_k\left(n\right)={{\stackrel{\‾}{B}}_n}^{+}\·{\stackrel{\‾}{X}}_n$ (式32)

并且MMSE解为：

${\stackrel{\‾}{B}}_n=E{\{A\·{\stackrel{\‾}{Y}}_n\·{{\stackrel{\‾}{Y}}_n}^{+}\·A^{+}\}}^{-1}\·E\{A\·{\stackrel{\‾}{Y}}_n\·a_0{\left(n\right)}^{*}\}$ (式33)

现在通过将式7和式13代入式33给出解。在那些矩阵的求逆是计算瓶颈的情况下，上面的变换维数从m₂-m₁+1维降低到可能小得多的K维。使用大的K值，性能可以接近已充分发展的MMSE MUD的性能。此外，使用伴随着选择最强用户的高效机制的较小K值，上述接收机可以以低得多的复杂度达到与MMSE MUD类似的性能。

在一些应用中，可以采用多码传输(即为单个用户指派多个码签名，通常是为了提高该用户的吞吐量)。为了降低计算复杂度，可能期望将接收机表示为对于所有码来说公共的一个前端滤波器(可以是时变的)，并且随后一组常规的解扩器(其中每个解扩器调谐到一具体的码)。该结构立刻从式6、7和13得出，揭示基本操作

对于所有码是公共的，并且之后需要紧跟着

(当然，该操作是针对码专用的)。

可以容易地将上面描述的接收机族与RAKE接收机组合。为了观察这方面，注意到式7的交叉相关项(在式6的一般接收机结构中出现)实际上是RAKE接收机。图3是根据本发明的实施方案示出可以用于代表MUD接收机族的示例性接收机结构50的框图。如示出的，接收机结构50包括：天线52、RF到基带子系统54、频谱白化函数56、RAKE接收机58和信道解码器60。天线52、RF到基带子系统54和信道解码器60以基本与之前描述的相同的方式工作。频谱白化函数56根据式6右侧的第一项来处理由RF到基带子系统54输出的基带采样。结果信号被传递到RAKE接收机58，RAKE接收机58根据式6右侧的第二项处理该结果信号。RAKE接收机58的输出被传递到信道解码器18进行解码。当升级已经基于RAKE接收机构建的已有系统时，上面描述的技术是有用的。

在一些情况下，可能期望将所提出的途径与干扰消除组合。例如，当可以使用信道码(例如卷积码或Turbo码)的编码增益来执行干扰消除时，可能是这种情况。作为一种可能的实现的实施例，考虑宽带CDMA(WCDMA)的高速下行链路分组接入(HSDPA)信道，其中可以在特定时间点将基站的所有流量签名码分配给一个用户。因为该用户能够解码它自己的传输，但是通常不能解码其他用户的传输，所以试图在同小区MAI上执行已编码干扰消除以及使用上述均衡和/或MUD途径对待所有其他MAi分量是有意义的。通过简单地移除与要从接收的信号中消除的信号相关联的分量，可以得到这种情况下的最优解(假设完美的干扰消除)。例如，在上述式28中，消除期望小区的MAI意味着用N_l替代

这对应于假设与信号

相关联的MAI被完美地消除的情况下的最优码片率均衡器。在HSDPA应用中，这些信号仅仅是对期望用户的多码传输的结果。在采用Turbo解码(并使用它的编码增益)后，可以估计原始传输的信息符号，并且可以用于基于常规重编码、重调制和减法技术的干扰消除中。

在一个实施方案中，这可以迭代地操作。首先，如上面所描述地计算权重，并且解调所有多码。然后，将总符号流(包括来自所有多码信号的符号)输到信道解码器。然后重编码、交织和重调制信道解码器的输出，以生成多码信号的副本(replica)。接下来，用(除正在被解调并从接收的信号中减去的副本外)所有多码的副本执行第二次解调迭代。因此，在该第二次解调迭代中，减去了其他多码的干扰效应，导致提高的解调性能。再一次，将所述多码的解调的信号输到信道解码器中，其中所述信道解码器的输出用于构造多码信号的副本，并且该过程迭代地继续直到满足某个停止准则。在每次迭代中，可以将来自信道解码器输出的软信息(即符号可靠性)组合到副本生成和减法机制中，从而仅部分地减去具有低可靠性的符号(反之亦然)，以便提高该途径的收敛性。该技术特别适用于Turbo码，其中解码机制本来质上就是迭代的，并且涉及软度量(符号可靠性)计算。图4是根据本发明的实施方案示出可用于实现干扰消除技术的示例性接收机结构70的框图。如示出的，接收机结构70可以包括以下中的至少一项：天线72、RF到基带子系统74、联合均衡和MUD单元76，以及信道解码器78。天线72、RF到基带子系统74、联合均衡和MUD单元76，以及信道解码器78可以以与之前结合图1描述的组件类似的方式工作。此外，提供反馈路径68来反馈来自信道解码器78的已解码信息，以在联合均衡和MUD单元76中或接收机结构70中的其他地方进行重编码、交织、重解调以及干扰减法。如上面所描述的，这可以以迭代过程来执行。

图5是根据本发明的实施方案示出用于CDMA接收机中的示例性方法80的框图。首先将接收机附近的活动用户指派给第一组或第二组(框82)。使用在这里，术语“活动用产(active user)”表示系统中目前正在通信的并且在针对期望用户的检测过程中要被考虑的用户。活动用户可以与服务基站或另一个基站相关联。指派给第一组的用户可以包括例如假设其签名序列对接收机来说为已知的用户，并且指派给第二组的用户可以包括假设其签名序列对接收机来说为未知的用户。可以使用各种不同的用户指派准则中的任何准则来指派用户。此外，所使用的指派准则可以是用户可定义的。

接下来基于第一和第二组之间活动用户的分布生成联合MMSE均衡/MUD解扩序列(框84)。例如，这可以如之前描述的那样执行，其中通过使用不同的K和L值来实现各种接收机体系结构。随后使用联合MMSE均衡/MUD解扩序列处理接收的CDMA信号(框86)。这可以包括例如将基带采样乘以解扩序列，然后在累加器中累加该结果，以解扩期望数据。使用联合MMSE均衡/MUD解扩序列进行的处理类型通常取决于初始时活动用户是如何指派的。例如，当第一组仅包括期望用户并且第二组不包括用户时，可以如在RAKE接收机中那样处理CDMA信号。当第一组包括所有活动用户并且第二组不包括用户时，可以如在MMSE MUD中那样处理CDMA信号。当第一组仅包括期望用户并且第二组包括所有与期望用户关联相同基站的其他活动用户时，可以如在MMSE均衡器中那样处理CDMA信号。当第一组和第二组各包括多个用户时，可以执行MMSE均衡和MMSE MUD处理的组合。可替换地，可以使用其他结构。

在一些实施方案中，可以使用多个接收天线。可以以直接的方式将上述推导扩展到多个天线的情况。具体来说，式6的一般解仍然成立，但是应该增加所有向量以包括多个天线信号。例如，在两个天线的情况下，

两个天线权重向量

和

并且接收的信号应该包括两个天线信号

和

在上述的详细描述中，将本发明的各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的发明需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，发明方面处于比以上所公开的单个实施方案的全部特征少的状态。

尽管已经结合某些实施方案描述了本发明，但是应该理解可以采取修改和变化而不偏离本发明的精神和范围，如本领域技术人员很容易理解的。这样的修改和变化被认为落在本发明和所附权力要求书的界限和范围内。

Claims (28)

1.一种用于处理码分多址信号的方法，包括：

将第一多个用户中的希望的用户指派给第一组，将所述第一多个用户中的其他用户指派给第二组，其中所述第一多个用户由基站服务；

将由另一基站服务的第二多个用户指派给所述第二组；

根据对应于多个接收天线并用于所述第一多个用户的信道信息，生成最小均方误差均衡器，其中，生成所述最小均方误差均衡器包括

确定预解扩的用户功率与小区内多址干扰的比率，

使用用于所述第二多个用户的信道信息；以及

确定由于与所述第二多个用户相对应的码分多址信号造成的噪声功率与由于与所述第一多个用户中的所述其他用户相对应的码分多址信号造成的噪声功率的比；

其中，所述方法还包括：

基于所述第一组和所述第二组中的所述第一多个用户的分布，处理通过所述多个接收天线接收的码分多址信号，其中处理接收到的码分多址信号包括：

使用所述最小均方误差均衡器过滤通过所述多个接收天线接收的码分多址信号，所述码分多址信号包括与所述第一多个用户相对应的重叠信号分量；以及

使用与所述希望的用户相对应的扩频码来解扩所述码分多址信号；并且

其中，所述方法还包括通过检测解扩之后所述码分多址信号中与所述希望的用户相对应的符号，来生成与所述希望的用户相对应的用户数据。

2.如权利要求1所述的方法，其中，生成所述最小均方误差均衡器包括将与由另一基站服务的用户相对应的码分多址信号作为白噪声对待。

3.如权利要求1所述的方法，其中，生成所述最小均方误差均衡器包括假设与所述第一多个用户相对应的每个信号分量经过相同信道。

4.如权利要求3所述的方法，其中，生成所述最小均方误差均衡器包括利用与对应于所述希望的用户的信道相对应的Toeplitz矩阵。

5.如权利要求1所述的方法，其中，生成所述最小均方误差均衡器包括利用与对应于所述第二多个用户中的一个用户的信道相对应的Toeplitz矩阵。

6.如权利要求1所述的方法，其中，确定预解扩的用户功率与小区内多址干扰的比率包括计算以下一个：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}$

或

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c}$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率，T_C是码片周期。

7.如权利要求1所述的方法，其中，确定预解扩的用户功率与小区内多址干扰的比率包括计算：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}},$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率。

8.如权利要求7所述的方法，其中，生成所述最小均方误差均衡器包括计算：

${H_0}^{+}\·{[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·I]}^{-1},$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h₀(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，N₀是代表来自由另一基站服务的用户的干扰的白噪声。

9.如权利要求1所述的方法，其中，确定预解扩的用户功率与小区内多址干扰的比率包括计算：

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c},$

其中，E{|a₀(n)|²}是信号的预解扩的用户功率，N_i是所述第一多个用户中的第i个用户的功率谱密度，T_C是码片周期。

10.如权利要求9所述的方法，其中，生成所述最小均方误差均衡器包括计算：

${[H_0\·{H_0}^{+}+\frac{N_0}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l}\·I]}^{-1}\·H_0,$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h₀(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，并且N₀是代表来自由另一基站服务的用户的干扰的白噪声。

11.一种用于处理码分多址信号的装置，包括：

最小均方误差均衡器，所述最小均方误差均衡器用于过滤通过多个接收天线接收的码分多址信号；

其中希望的用户被包括在由基站服务的第一多个用户当中，其中第二多个用户被另一基站服务，并且其中，所述最小均方误差均衡器是如下生成的：

使用用于由所述基站服务的所述第一多个用户的与所述多个接收天线对应的信道信息，

使用预解扩的用户功率与小区内多址干扰的比率，

使用用于所述第二多个用户的信道信息，以及

使用由于与所述第二多个用户相对应的码分多址信号造成的噪声功率与由于与所述第一多个用户中的其他用户相对应的码分多址信号造成的噪声功率的比；

其中，所述装置还包括：

解扩器，所述解扩器用于使用与所述希望的用户相对应的扩频码来解扩码分多址信号；以及

解码器，所述解码器用于从经解扩的码分多址信号恢复与所述希望的用户相对应的用户数据，

其中，所述希望的用户被指派到第一组，所述第一多个用户中的其他用户被指派到第二组；

其中，所述第二多个用户被指派到所述第二组；并且

其中，所述最小均方误差均衡器和所述解扩器基于所述第一组和所述第二组中的所述第一多个用户的分布来处理通过所述多个接收天线接收的所述码分多址信号。

12.如权利要求11所述的装置，其中，所述最小均方误差均衡器是基于将与由另一基站服务的用户相对应的码分多址信号作为白噪声对待而生成的。

13.如权利要求11所述的装置，其中，所述最小均方误差均衡器是假设与所述第一多个用户相对应的每个信号分量经过相同信道而生成的。

14.如权利要求13所述的装置，其中，所述最小均方误差均衡器是利用与对应于所述希望的用户的信道相对应的Toeplitz矩阵而生成的。

15.如权利要求11所述的装置，其中，所述最小均方误差均衡器是利用与对应于所述第二多个用户中的一个用户的信道相对应的Toeplitz矩阵而生成的。

16.如权利要求11所述的装置，其中，所述预解扩的用户功率与小区内多址干扰的比率包括以下一个：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}$

或

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c}$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率，T_C是码片周期。

17.如权利要求11所述的装置，其中，所述预解扩的用户功率与小区内多址干扰的比率包括：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}},$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率。

18.如权利要求16所述的装置，其中，生成所述最小均方误差均衡器包括计算：

${H_0}^{+}\·{[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·I]}^{-1},$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h₀(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，N₀是代表来自由另一基站服务的用户的干扰的白噪声。

19.如权利要求11所述的装置，其中，所述预解扩的用户功率与小区内多址干扰的比率包括：

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c},$

其中，E{|a₀(n)|²}是所述预解扩的用户功率，N_i是所述第一多个用户中的第i个用户的功率谱密度，T_C是码片周期。

20.如权利要求19所述的装置，其中，生成所述最小均方误差均衡器包括计算：

${[H_0\·{H_0}^{+}+\frac{N_0}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l}\·I]}^{-1}\·H_0,$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h₀(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，N₀是代表来自由另一基站服务的用户的干扰的白噪声。

21.一种用于处理码分多址信号的系统，包括：

多个接收天线，所述接收天线用于从无线信道接收码分多址信号；

用于基带子系统的无线电频率；

最小均方误差均衡器，所述最小均方误差均衡器用于过滤通过所述多个天线接收的码分多址信号；

其中希望的用户被包括在由基站服务的第一多个用户当中，第二多个用户被另一基站服务，并且其中，所述最小均方误差均衡器是如下生成的：

使用用于由所述基站服务的所述第一多个用户的与所述多个接收天线对应的信道信息，

使用预解扩的用户功率与小区内多址干扰的比率，

使用用于所述第二多个用户的信道信息，以及

使用由于与所述第二多个用户相对应的码分多址信号造成的噪声功率与由于与所述第一多个用户中的其他用户相对应的码分多址信号造成的噪声功率的比；

其中，所述系统还包括：

解扩器，所述解扩器用于使用与所述希望的用户相对应的扩频码来解扩所述码分多址信号；以及

解码器，所述解码器用于从经解扩的码分多址信号恢复与所述希望的用户相对应的用户数据；

其中，所述希望的用户被指派到第一组，所述第一多个用户中的其他用户被指派到第二组；

其中，所述第二多个用户被指派到所述第二组；并且

其中，所述最小均方误差均衡器和所述解扩器基于所述第一组和所述第二组中的所述第一多个用户的分布来处理通过所述多个接收天线接收的所述码分多址信号。

22.如权利要求21所述的系统，其中，所述最小均方误差均衡器是利用与对应于所述希望的用户的信道相对应的Toeplitz矩阵而生成的。

23.如权利要求21所述的系统，其中，所述最小均方误差均衡器是基于将与由另一基站服务的用户相对应的码分多址信号作为白噪声对待而生成的。

24.如权利要求21所述的系统，其中，所述预解扩的用户功率与小区内多址干扰的比率包括以下一个：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}$

或

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c}$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率，T_C是码片周期。

25.如权利要求21所述的系统，其中，所述预解扩的用户功率与小区内多址干扰的比率包括：

$\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}},$

其中，N_i是所述第一多个用户中的第i个用户的功率谱密度，E{|a₀(n)|²}是所述预解扩的用户功率。

26.如权利要求25所述的系统，其中，生成所述最小均方误差均衡器包括计算：

${H_0}^{+}\·{[\underset{l=1}{\overset{L}{\mathrm{\Σ}}}\frac{N_l}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·T_L+\frac{N_0/T_c}{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}\·I]}^{-1},$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h0(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，N₀是代表来自由另一基站服务的用户的干扰的白噪声。

27.如权利要求21所述的系统，其中，所述预解扩的用户功率与小区内多址干扰的比率包括：

$\frac{E\left\{{\left|a_0\left(n\right)\right|}^2\right\}}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l/T_c},$

其中，E{|a₀(n)|²}是所述预解扩的用户功率，N_i是所述第一多个用户中的第i个用户的功率谱密度，T_C是码片周期。

28.如权利要求27所述的系统，其中，生成所述最小均方误差均衡器包括计算：

${[H_0\·{H_0}^{+}+\frac{N_0}{\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{N}_l}\·I]}^{-1}\·H_0,$

其中，H₀是第i，j元素为h₀((i+m₁-1)·T_s-jT_c)的Toeplitz矩阵，h₀(t)是与所述希望的用户相对应的信道的冲击响应，T_S是采样间隔，T_C是码片周期，T_L是与所述希望的用户相对应的信道的相关Toeplitz矩阵，N₀是代表来自由另一基站服务的用户的干扰的白噪声。

Images