CN101989965B - 单载波时频混合均衡方法和装置 - Google Patents

Abstract

本发明公开了一种单载波时频混合均衡方法，包括以下步骤：根据已知训练序列的特性采用信道估计算法在时域进行信道估计，估计出时域信道响应；将接收数据及时域信道响应变换到频域，进行频域均衡；频域均衡后，进行IFFT变换，恢复出频域首次均衡后的时域数据；预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡。本发明还公开了一种低复杂的单载波时频混合均衡装置。本发明既在对抗多径衰落信道方面具有很好的性能，又能明显改善深衰落信道的频域均衡性能。适用于数字电视地面传输系统，数据通信系统。

Description

单载波时频混合均衡方法和装置

技术领域

本发明涉及信号处理领域，特别是涉及一种数据通信系统中的信号均衡方法。本发明还涉及实现所述信号均衡方法的装置。

背景技术

在无线通信中，数据传输面临严重的多径时延，导致符号间干扰(ISI)。在对抗多径衰落信道方面，基本的技术可以分为单载波传输与多载波传输两大类。对于单载波系统，一般采用时域均衡的方式来消除ISI，但是单载波的时域均衡运算代价大。在美国数字电视地面传输系统ATSC(8VSB)中，即使接收机的均衡器抽头阶数已经做到了几百阶，也只能对付几十微秒的静态多径，对强回波和快速变化的动态多径仍然无能为力。多载波的OFDM(正交频分复用)技术有对抗多径衰落能力强，频谱利用率高等特点，但也有峰均比过大，对频偏敏感等特点。

单载波频域均衡由于采用了单载波频域均衡的方式，既避免了传统单载波传输方式在时域均衡复杂度过高的缺点，又避免了OFDM的缺点，日益成为了研究热点，而且已经纳入了IEEE802.16无线城域网标准的传输方案中。但是由于频域均衡[包括迫零均衡与MMSE(Minimum mean-squared-error，最小均方误差)均衡]在对抗深衰落信道等情况下，存在剩余ISI，信号有色噪声影响，制约了单载波频域均衡的性能，为解决这个问题，已有一些人对此进行了研究。David Falconer等人在文献“Frequency DomainEqualization for Single-Carrier Broadband Wireless Systems”(IEEECommun.Mag.，Vol.40，No.4，April 2002)中提出了一种FD-DFE(频域判决反馈均衡)的单载波频域均衡结构，由于前馈的FDE(Frequency-Domain-Equalizaion，频域均衡)及反馈的DFE(Decision-Feedback-Equalization，判决反馈均衡)系数是联动的，这影响了系统的灵活性，而且在低SNR(信噪比)的条件下，这种形式的判决反馈更容易引起误差扩散。YuZhu与Khaled Ben在文献“Single CarrierFrequency Domain Equalization with Time Domain Noise Prediction forWideband Wireless Communications”(IEEE Transactions on wirelesscommunications，Vol.5，NO.12，December 2005)中提出了FDE-NP(频域均衡噪声预测)的结构，它将频域均衡系数与噪声预测的系数独立进行优化，减小了复杂度，但是由于反馈抽头太少，性能不太理想。在美国专利US20040021795A1中也提到了一种频域均衡加时域噪声预测的结构，但是该结构采用硬判方式，误差扩散大，而且要获取较优性能时，需采用多阶抽头系数，硬件开销大。

发明内容

本发明要解决的技术问题是提供一种单载波时频混合均衡方法，既在对抗多径衰落信道方面具有很好的性能，又能明显改善深衰落信道的频域均衡性能；为此，本发明还要提供一种具有复杂低的实现所述方法的装置。

为解决上述技术问题，本发明的单载波时频混合均衡方法，包括以下步骤：根据已知训练序列的特性采用信道估计算法在时域进行信道估计，估计出时域信道响应；将接收数据及时域信道响应变换到频域，进行频域均衡；频域均衡后，进行IFFT(快速傅里叶反变换)变换，恢复出频域首次均衡后的时域数据；预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡。

本发明的单载波时频混合均衡装置，包括：

信道估计单元，根据已知训练序列特性采用信道估计算法估计出时域信道响应；

第一FFT(快速傅里叶变换)单元，将接收数据变换为频域数据；

第二FFT单元，将时域信道响应变换到频域，得到频域信道响应；

频域均衡单元，对所述频域数据和频域信道响应进行频域均衡；

IFFT单元，将均衡后的数据变换到时域，恢复出频域首次均衡后的时域数据；

时域去噪器，接收FFT单元恢出的频域首次均衡后的时域数据，预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡。

由于单载波频域均衡中对于深衰落等信道的均衡会残留ISI，其信号频谱并不是平坦的，而是色噪声频谱。残留的ISI制约了单载波频域均衡的性能。本发明的方法和装置，采用频域均衡的方法首先消除多径衰落的影响，克服了传统单载波时域均衡复杂度高的问题，时域去噪器进一步的消除色噪声的影响，明显改善深衰落信道的性能，完成时频混合均衡，恢复出符号信息。

附图说明

下面结合附图和实施例对本发明作进一步详细的说明：

图1是单载波时频混合均衡装置一实施例结构框图；

图2是信道多径示意图；

图3是时频混合均衡前后信号的频谱示意图；

图4是帧结构图；

图5是图1中时频去噪器实施例一结构图；

图6是图1中时频去噪器实施例二结构图；

图7是单载波时频混合均衡装置另一实施例结构框图；

具体实施方式

图1是包括单载波时频混合均衡装置一实施例的接收端整体结构，包括信道部分10、RF(射频)前端处理部分20、时频混合均衡部分30(即单载波时频混合均衡装置的一具体实施例)和信道解码FEC(前向纠错)部分40。

发射信号S(t)在信道部分10首先通过具有无线信道特性h(t)的信道101，再由加法器102实现白噪声信号n(t)的叠加，然后以接收信号r(t)形式输入到RF前端处理部分20。

无线信道特性h(t)的时域特性如图2所示，其中主径在第三根径，即信道部分10的同步在第三根径；那么，第一根、第二根径为前径，而主径后面的两根径为后径。从图2中可以看出，RF前端处理部分20的同步模块是以同步在最强径作为同步原则。

接收信号r(t)的频域特性如图3(a)表示。图中的虚线表示理想信号的频域响应，而实线则是接收信号的实际频谱。从图3(a)中可以看出，发射信号S(t)信号通过具有无线信道特性h(t)的信道101之后，频域很明显发生了频率选择性衰落。当h(t)有多普勒频率影响时，接收信号r(t)的频谱还将有时间选择性衰落。由于白噪声在时域是随机信号，在频域是平坦的，因此，它对接收信号r(t)的影响只是在频域上叠加了一个能量。

RF前端处理部分20的作用包括：

1、从频域上，将无线接收信号r(t)从射频段变频到第一中频，然后从第一中频调至零频，或者直接从射频段变频到零频，或者直接接收零中频信号。

2、从幅度上，利用AGC(自动增益控制)模块完成能量调整。

3、同步模块将信号传输速率恢复到基带速率，完成帧同步、符号同步等；同步模块以同步在最强径为同步原则，因此，在图2所示的信道中，接收端将同步在第三根径上。

时频混合均衡部分30的主要作用是消除接收信号在信道部分10(无线信道)传输过程中引起的失真，恢复出原始发送的信号信息。其包括：

信道估计单元310，根据已知训练序列特性采用信道估计算法估计出时域信道响应。

第一FFT单元320，将从RF前端处理部分20输出的信号中分离出的接收数据(帧体数据段)从时域变换到频域。

第二FFT单元330，将估计出的时域信道响应变换到频域，得到频域信道响应。

频域均衡单元340，对所述频域数据和频域信道响应进行频域均衡。

IFFT单元350，将均衡后的数据变换到时域，恢复出频域首次均衡后的时域数据。

时域去噪器360，接收IFFT单元350恢复出的频域首次均衡后的时域数据，预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡。

信道估计单元310工作在时域，需要利用发送端已知训练序列，例如PN序列，或者任意的一种具有伪随机特性的已知序列，或者其他的具有一定特性的序列。图4为发送数据的帧结构。信道估计单元310首先将已知训练序列从RF前端处理部分20输出的信号中分离出来，然后根据已知训练序列的特性来进行信道估计。对于所有的已知训练序列都可以采用LS(least-square，最小平方)，LMS(least-mean-square，最小均方)算法等信道估计算法进行信道估计；假如已知训练序列为PN(pseudo-randomnumber，伪随机码)序列，则可以利用PN伪随机序列的自相关特性，得到PN相关的信道估计算法。

在图4所示的帧结构中，已知训练序列集中放置在帧头，两个帧头之间是长度为N的帧体数据段。要对该帧体数据段进行均衡，则需要该位置的信道估计值。通过任何一种信道估计算法所获得的都是帧头位置的信道信息，对于帧体数据段位置的信道信息必须利用插值计算来得到。插值计算的公

式为：

$\hat{h}\_{\mathrm{data}}_i={\hat{h}}_i*\mathrm{\α}+{\hat{h}}_{i+1}*(1-\mathrm{\α})$ (公式1)

公式1中，

分别为第i帧与第i+1帧的帧头已知训练序列的信道估计值，

为第i帧的帧体数据段估计的时域信道响应值，α为插值系数，由已知训练序列长度及帧体数据段长度确定。

信道估计单元310还提供前径和后径长度信息。根据RF前端处理部分20中同步模块的主径位置信息以及跟

的径位置对应关系，得到

中前径的长度preL以及后径长度postL。

频域均衡单元340可以采用多种频域均衡算法，如：迫零均衡、MMSE均衡等。

迫零均衡：S_k＝R_k/H_k，0≤k≤N-1    (公式2)

MMSE均衡： $S_k=\frac{R_k*H_k^{*}}{{\left|H_k\right|}^2+1/\mathrm{SNR}},$ 0≤k≤N-1    (公式3)

式中，k表示子载波下标，R表示帧体数据段的频域值，H表示频域信道响应值，SNR表示信噪比，(·)^*表示复共轭。

迫零均衡不产生码间干扰，但在频率选择性信道中，特别是当信道具有频域上的深衰落极点时，则对应位置上的噪声就会被放大，之后进行的IFFT将误差扩展到了时域所有符号上，导致大规模的误码。

MMSE均衡是基于最小均衡方误差准则，在信道具有频域上的深衰落点时，性能优于迫零均衡，但是MMSE均衡仍残留一定的码间干扰，而且对于深衰落点，仍然会使得性能下降。频域均衡后，均衡后的数据经过IFFT单元350回到时域。频域均衡后数据的频谱可以用图3(b)来表示，可以看到，频域均衡后数据的频谱比接收信号r(t)的频谱更平坦，更接近发送的原始信号S(t)的频谱，但是由于深衰落等原因，在部分频段仍然不够理想，存在明显的波动。均衡后的信号残留了ISI，其噪声频谱不是白噪声，而是色噪声。

时域去噪器360主要是用来消除频域均衡后的剩余ISI或者色噪声，将数据频谱恢复成平坦包络。由于色噪声在时域的表现是符号间干扰，因此，导致经过频域均衡后的时域数据y(n)存在一定的相关性。本发明利用这种相关性来预测y(n)中所包含的当前时刻色噪声

在y(n)中减去当前时刻色噪声

这样就完成了色噪声的去噪。也就是说，通过在y(n)中减去当前时刻色噪声的预测值可以白化y(n)的频谱，从而消除由于频域均衡的不理想导致放大的噪声。图3(c)是经时域去噪后的信号频谱示意图，可以看到，去噪后的信号频谱与理想信号频谱十分接近，包络比较平坦。

信道解码FEC部分40，是信道解码模块，主要完成前向纠正，恢复发送的TS(Transport Stream，传输流)码流。对于不同的系统，信道解码FEC部分40包含的模块可能不相同；例如，对于ATSC(Advanced TelevisionSystems Committee，先进电视制式委员会)系统，包括TCM(Terllis CodedModulation，网格编码调制)译码与RS(Reed-Solomon，里德-索洛蒙码)译码；对于DTMB(Digital Terrestrial Television Multimedia Broadcast，数字地面电视多媒体广播)系统，包括NR(Nordstrom-Robinson)译码、BCH(Bose-Chaudhuri-Hoaguenghem)译码以及LDPC(Low Density ParityCheck，低密度奇偶校验码)译码。

图5是时域去噪器360的第一个实施例，属于反馈式时域去噪器。其包括：

选择器362，从已知训练序列与译码判决单元365的输出中选择得到近似理想的发端数据

第一减法器361，从经过频域均衡后的时域数据y(n)中减去所述近似理想的发端数据

得到近似的理想色噪声

延时线单元366，用于存储近似的理想色噪声

并将近似的理想色噪声

输入至FIR噪声预测器367。延时线单元366的长度l由信道估计单元310所得到的前后径长度preL与postL、硬件代价及所要求的性能指标综合决定。l可以由下面公式4选取一个合适的值。

l∈[0，min(preL，postL)-A]    (公式4)

式中，A是多径能量泄漏所需保留的长度，根据多径能量大小来确定，min(a，b)表示求a、b中的最小值。

FIR(有限长单位冲激响应)噪声预测器367，从延时线单元366获取新的近似的理想色噪声

并从FIR噪声预测器367存储的过去m+1～m+M时段近似的理想色噪声u(n-m-1)，…，u(n-m-M)预测得到当前时刻色噪声

其中：m+1表示比当前时刻早m+1的时刻，m+M表示比当前时刻早m+M的时刻；u(·)序列表示近似的理想色噪声序列，(·)中的字母表示时刻，u(n-m-1)表示n-m-1时刻近似的理想色噪声，u(n-m-M)表示n-m-M时刻近似的理想色噪声。对于M阶有限长度的结构来说，FIR噪声预测器367有M个延时单元、M个乘法器和一个加法器。

第二减法器363，从近似的理想色噪声

中减去当前时刻色噪声

得到预测误差e(n)；FIR噪声预测器367根据该预测误差e(n)采用LMS或者RLS(recursive-lease-squares，递归最小二乘)自适应算法更新FIR噪声预测的抽头系数，然后将FIR噪声预测器367存储的过去m+1～m+M时段的近似的理想色噪声u(n-m-1)，…，u(n-m-M)移位，以便下一次预测得到当前时刻色噪声。

第三减法器364，在频域均衡后的时域数据y(n)中减去当前时刻色噪声

完成色噪声频谱的白化，实现单载波时频混合均衡，消除频域均衡引起的噪声放大的影响。

译码判决单元365，对时频混合均衡后的数据x(n)进行译码判决，并将判决结果反馈到所述选择器362。译码判决可以采用DD(decision-directed，直接判决)硬判的slicer算法，也可以结合发送端的编码方式而采用相应的译码算法，例如维特比译码算法、NR译码算法等。因此所述译码判决单元可以是DD硬判器，维特比译码单元或NR软译码单元。

所述FIR噪声预测器367包括一FIR滤波器，当FIR滤波器稳定后，预测的当前时刻色噪声

频谱与近似的理想色噪声频谱相似，而预测误差e(n)的频谱为白噪声。该FIR滤波器的延时单元内存储过去m+1～m+M时段近似的理想色噪声u(n-m-1)，…，u(n-m-M)；该FIR滤波器的输出为预测的当前时刻色噪声

可以表示为：

$\hat{u}\left(n\right)=\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m+k}\tilde{u}(n-m-j)$ (公式5)

预测误差e(n)的表达式如下：

$e\left(n\right)=\tilde{u}\left(n\right)-\hat{u}\left(n\right)$ (公式6)

则预测误差e(n)的代价方程J可以表示为：

$J=E\left\{e{\left(n\right)}^2\right\}$

$=E\left\{{(\tilde{u}\left(n\right)-\hat{u}\left(n\right))}^2\right\}$ (公式7)

$=E\left\{{(\tilde{u}\left(n\right)-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m+j}\tilde{u}(n-m-j))}^2\right\}$

式中，E(·)是概率统计范畴，是对所统计的数据进行均值处理，因此，代价方程J也就是表示预测误差e(n)信号的MSE(mean-square-error，均方差)。为使MSE最小化，可以对代价方程J求关于w的偏导数，即：

$\frac{\∂J}{{\∂w}_{m+j}}=-2E\{e\left(n\right)*\tilde{u}(n-m-j)\}$ (公式8)

用瞬时均方误差|e(n)|²代替统计概念的E(e(n)²)，则上式可以写为：

$\frac{\∂J}{\∂w_{m+j}}=-2*e\left(n\right)*\tilde{u}(n-m-j)$ (公式9)。

FIR噪声预测器367更新FIR滤波器系数(或称乘法器系数，也即所述的更新FIR噪声预测的抽头系数)w_m+1～w_m+M+1(w表示抽头系数的值，w_m+j表示第j个抽头的系数，由于滤波器系数与FIR滤波器延时单元一一对应，因此，w_m+1就是u(n-m-1)对应相乘的乘法器系数)，可以对所有抽头的系数都进行更新，也可以采用间隔更新方式进行更新，还可以根据该抽头位置是否对应信道估计的强径位置，来选择该抽头是否进行更新，从而实现复杂度的降低。

当采用间隔更新时，其更新方式可以采用的间隔更新方式，t可以取1，2，3，…，即大于等于1的正整数。具体取何值，可以根据硬件开销及性能需求进行折中考虑。将FIR噪声预测的抽头进行分组，t个抽头为一组，第一个时钟节拍，更新各组的第一个抽头，接着第二个时钟节拍，更新各组的第二个抽头，到第t个时钟节拍，更新各组的第t个抽头，第t+1个时钟节拍，又更新各组的第一个抽头，第t+2个时钟节拍，又更新各组的第二个抽头，如此重复。这样可以将系数更新的复杂度降低为原来的极大的减小了硬件开销。

下面以LMS算法为例，来说明更新FIR滤波器系数w_m+1～w_m+M+1的过程。

由于最速下降算法为：

$w(n+1)=w\left(n\right)-\mathrm{\μ}\·\▿J\left(w\right)$ (公式10)

式中，w(n)是n时刻的抽头系数，μ为更新步长，

为代价函数J(w)的梯度向量。

将公式(9)代入公式(10)，可得到LMS算法的更新方程，第j个抽头第n时刻的系数更新方程可以表示为：

$w_{m+j}(n+1)=w_{m+j}\left(n\right)+2*\mathrm{\μ}*e\left(n\right)*\tilde{u}(n-m-j)$ (公式11)

式中，μ为更新步长，由一自适应机制控制，在初始收敛时刻采用大步长，在跟踪阶段采用小步长，在预测误差e(n)大时采用大步长，在预测误差e(n)小时采用小步长。更新后的系数在下一时刻用来预测当前时刻色噪声

的值。

当前第n时刻的经过频域均衡后的时域数据y(n)中实际存在的色噪声为：

u(n)＝y(n)-ideal_data(n)    (公式12)

由于理想的色噪声在实际系统中是不能获取的，因此，本发明采用近似的方法获得近似的理想色噪声

首先，由选择器362通过选择得到近似理想的发端数据

在n时刻，若数据y(n)位于已知训练序列，即帧头阶段时，选择器362选择本地产生的训练序列p(n)为近似理想的发端数据通过减法器361运算后得到的即是近似的理想色噪声

若数据y(n)位于帧体数据段，则先将经第三减法器364去噪后的信号x(n)反馈到译码判决器单元365，该译码判决单元365或直接判决，或译码得到近似理想的发端数据

然后经过选择器362选择，及第一减法器361运算得到此时的近似的理想色噪声

图5所示的时域去噪器其工作过程可以用数学表达式作如下表示：

$\hat{u}\left(n\right)=\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{w}_{m+k}\tilde{u}(n-m-j)$ (公式13)

$x\left(n\right)=y\left(n\right)-\hat{u}\left(n\right)$ (公式14)

$\tilde{u}\left(n\right)=y\left(n\right)-\mathrm{dec}\left(x\left(n\right)\right)$ (公式15)

$e\left(n\right)=\tilde{u}\left(n\right)-\hat{u}\left(n\right)$ (公式16)

$w_{m+j}(n+1)=w_{m+j}\left(n\right)+2*\mathrm{\μ}*e\left(n\right)*\tilde{u}(n-m-j)$ (公式17)

图6是时域去噪器360的第二个实施例，属于前馈式时域去噪器。其包括：

译码判决单元512，对频域均衡后的时域数据y(n)进行译码判决，并将判决结果输入至选择器。

选择器513，从已知训练序列与译码判决单元512的输出中选择得到近似理想的发端数据

延时单元511，对经过频域均衡后的时域数据y(n)进行延时，并输入至第一减法器514和第三减法器518。

第一减法器514，从延时后的时域数据y(n)中减去所述近似理想的发端数据得到近似的理想色噪声

延时线单元，用于存储近似的理想色噪声

并将近似的理想色噪声

输入至FIR噪声预测器517。

FIR噪声预测器517，从延时线单元511获取新的近似的理想色噪声，并从FIR噪声预测器存储的过去m+1～m+M时段近似的理想色噪声预测得到当前时刻色噪声

第二减法器516，从近似的理想色噪声

中减去当前时刻色噪声

得到预测误差e(n)；FIR噪声预测器517根据该预测误差e(n)采用LMS或者RLS自适应算法更新FIR噪声预测的抽头系数，然后将FIR噪声预测器517存储的过去m+1～m+M时段的近似的理想色噪声移位，以便下一次预测得到当前时刻色噪声。

第三减法器518，在延时后的时域数据y(n)中减去当前时刻色噪声

完成色噪声频谱的白化，实现单载波时频混合均衡。

图7是单载波时频混合均衡装置另一实施例。从RF前端处理部分20输出的信号中分离成已知训练序列与帧体数据段，已知训练序列进入信道估计单元310估计出时域信道响应帧体数据段经第一FFT单元330变换成频域信道响应。它与图1所示的实施例的不同之处在于，具有一强径选择单元370，连接在信道估计单元310的输出端与时域去噪器360的输入端之间，从估计的信道响应中，选择出强径位置并将其输入给时域去噪器360。时域去噪器既可以从延时线单元366、515获取新的近似的理想色噪声，并从FIR噪声预测器367、517存储的过去m+1～m+M时段近似的理想色噪声预测得到当前时刻色噪声

也可以根据强径位置预测出当前时刻色噪声

(根据强径位置来选择FIR滤波器的抽头进行噪声预测)，降低复杂度。

本发明提出了一种时频混合均衡的方法，还提供了多种低复杂度的实现装置，使性能与复杂度较好的融合。在本发明中，时域去噪器中的判决译码单元，可以带来编码增益，提高时域去噪性能。并且，前馈式时域去噪器与反馈式时域去噪器，适合多种不同的译码算法，应用方便。本发明中，将信道估计的前径长度、后径长度、强径位置等信息输入给时域去噪器、时域去噪器的乘加运算采用部分求和、FIR滤波器抽头系数的部分更新(间隔更新)等方法可以简化运算，降低硬件开销，实现低复杂度的时频混合均衡。

以上通过具体实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。

Claims (4)

1.一种单载波时频混合均衡方法，包括以下步骤：根据已知训练序列的特性采用信道估计算法在时域进行信道估计，估计出时域信道响应；将接收数据及时域信道响应变换到频域，进行频域均衡；频域均衡后，进行IFFT变换，恢复出频域首次均衡后的时域数据；预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡；

所述时域消除色噪声的过程是，在经过频域均衡后的时域数据中，获得近似的理想色噪声；该近似的理想色噪声通过一延时线后，进行FIR噪声预测处理；利用过去m+1～m+M时段近似的理想色噪声，与FIR噪声预测的抽头系数进行乘加运算，预测出当前时刻色噪声；用该当前时刻色噪声及近似的理想色噪声计算预测误差；根据该预测误差采用LMS或者RLS自适应算法更新FIR噪声预测的抽头系数；在频域均衡后的时域数据中减去当前时刻色噪声，实现时域的去噪；其中，m+1表示比当前时刻早m+1的时刻，m+M表示比当前时刻早m+M的时刻；

其特征在于：更新FIR噪声预测的抽头系数时，能全更新，也能间隔更新，还能根据强径位置进行更新；进行抽头系数乘加运算的求和时，能采用全求和，也能根据强径位置进行求和运算；

采用间隔更新FIR噪声预测的抽头系数时，采用

的间隔更新方式，t为大于等于1的正整数；将FIR噪声预测的抽头进行分组，t个抽头为一组，第一个时钟节拍，更新各组的第一个抽头，接着第二个时钟节拍，更新各组的第二个抽头，到第t个时钟节拍，更新各组的第t个抽头，第t+1个时钟节拍，又更新各组的第一个抽头，第t+2个时钟节拍，又更新各组的第二个抽头，如此重复；

延时线的长度l由信道估计、硬件代价及性能要求综合决定，l∈[0，min(preL，postL)-A]，其中，A是多径能量泄漏所需保留的长度，根据多径能量大小来确定；min(a，b)表示求a、b中的最小值；preL与postL分别表示前径和后径的长度；

所述近似的理想色噪声是从经过频域均衡后的时域数据中减去近似理想的发端数据后得到的；

近似理想的发端数据从译码判决的输出结果与已知训练序列中进行选择；

译码判决的输入能是频域均衡后的时域数据，也能是在时域消除色噪声后的数据；译码判决方法能是DD的slicer算法，维特比译码算法，或NR译码算法。

2.一种单载波时频混合均衡装置，包括：

信道估计单元，根据已知训练序列特性采用信道估计算法估计出时域信道响应；

第一FFT单元，将接收数据变换为频域数据；

第二FFT单元，将时域信道响应变换到频域，得到频域信道响应；

频域均衡单元，对所述频域数据和频域信道响应进行频域均衡；

IFFT单元，将均衡后的数据变换到时域，恢复出频域首次均衡后的时域数据；

时域去噪器，接收FFT单元恢出的频域首次均衡后的时域数据，预测出当前时刻色噪声并在时域进行消除，实现色噪声频谱的白化，完成单载波时频混合均衡；

还包括一强径选择单元，连接在信道估计单元的输出端与时域去噪器的输入端之间，从估计的信道响应中，选择出强径位置并将其输入给时域去噪器；时域去噪器能够根据强径位置预测出当前时刻色噪声并在时域进行消除；

所述时域去噪器为反馈式时域去噪器，包括：

选择器，从已知训练序列与译码判决单元的输出中选择得到近似理想的发端数据；

第一减法器，从经过频域均衡后的时域数据中减去所述近似理想的发端数据，得到近似的理想色噪声；

延时线单元，用于存储近似的理想色噪声，并将近似的理想色噪声输入至FIR噪声预测器；

FIR噪声预测器，从延时线单元获取新的近似的理想色噪声，并用FIR噪声预测器存储的过去m+1～m+M时段近似的理想色噪声，与FIR噪声预测器的抽头系数进行乘加运算，预测得到当前时刻色噪声；或者根据强径位置选择FIR噪声预测器的抽头系数，预测出当前时刻色噪声；其中，m+1表示比当前时刻早m+1的时刻，m+M表示比当前时刻早m+M的时刻；

第二减法器，从近似的理想色噪声中减去当前时刻色噪声，得到预测误差；FIR噪声预测器根据该预测误差采用LMS或者RLS自适应算法更新FIR噪声预测的抽头系数，然后将FIR噪声预测器存储的过去m+1～m+M时段近似的理想色噪声移位，以便下一次预测得到当前时刻色噪声；

第三减法器，在频域均衡后的时域数据中减去当前时刻色噪声，完成色噪声频谱的白化，实现单载波时频混合均衡；

译码判决单元，对时频混合均衡后的数据进行译码判决，并将判决结果反馈到所述选择器；

其特征在于：

所述FIR噪声预测器包括一FIR滤波器，该FIR滤波器的延时单元内存储过去m+1～m+M时段近似的理想色噪声u(n-m-1)，…，u(n-m-M)，其中，u(·)序列表示近似的理想色噪声序列，(·)中的字母表示时刻，u(n-m-1)表示n-m-1时刻近似的理想色噪声，u(n-m-M)表示n-m-M时刻近似的理想色噪声；该FIR滤波器的输出为预测的当前时刻色噪声；

所述译码判决单元能是DD硬判器，维特比译码单元或NR软译码单元；

所述延时线单元的长度l由信道估计单元、硬件代价及性能要求综合决定，

l∈[0，min(preL，postL)-A]

其中，A是多径能量泄漏所需保留的长度，根据多径能量大小来确定，min(a，b)表示求a、b中的最小值，preL与postL分别表示前径和后径的长度；

更新FIR噪声预测的抽头系数时，能全更新，也能间隔更新，还能根据强径位置进行更新；进行抽头系数乘加运算的求和时，能采用全求和，也能根据强径位置进行求和运算；

采用间隔更新FIR噪声预测的抽头系数时，采用

的间隔更新方式，t为大于等于1的正整数；将FIR噪声预测的抽头进行分组，t个抽头为一组，第一个时钟节拍，更新各组的第一个抽头，接着第二个时钟节拍，更新各组的第二个抽头，到第t个时钟节拍，更新各组的第t个抽头，第t+1个时钟节拍，又更新各组的第一个抽头，第t+2个时钟节拍，又更新各组的第二个抽头，如此重复。

3.根据权利要求2所述的装置，其特征在于，所述时域去噪器为前馈式时域去噪器，包括：

译码判决单元，对频域均衡后的时域数据进行译码判决，并将判决结果输入至选择器；

选择器，从已知训练序列与译码判决单元的输出中选择得到近似理想的发端数据；

延时单元，对经过频域均衡后的时域数据进行延时，并输入至第一减法器和第三减法器；

第一减法器，从延时后的时域数据中减去所述近似理想的发端数据，得到近似的理想色噪声；

延时线单元，用于存储近似的理想色噪声，并将近似的理想色噪声输入至FIR噪声预测器；

FIR噪声预测器，从延时线单元获取新的近似的理想色噪声，并用FIR噪声预测器存储的过去m+1～m+M时段近似的理想色噪声，与FIR噪声预测器的抽头系数进行乘加运算，预测得到当前时刻色噪声；或者根据强径位置选择FIR噪声预测器的抽头系数，预测出当前时刻色噪声；其中，m+1表示比当前时刻早m+1的时刻，m+M表示比当前时刻早m+M的时刻；

第二减法器，从近似的理想色噪声中减去当前时刻色噪声，得到预测误差；FIR噪声预测器根据该预测误差采用LMS或者RLS自适应算法更新FIR噪声预测的抽头系数，然后将FIR噪声预测器存储的过去m+1～m+M时段近似的理想色噪声移位，以便下一次预测得到当前时刻色噪声；

第三减法器，在延时后的时域数据中减去当前时刻色噪声，完成色噪声频谱的白化，实现单载波时频混合均衡。

4.根据权利要求3所述的装置，其特征在于：

所述FIR噪声预测器包括一FIR滤波器，该FIR滤波器的延时单元内存储过去m+1～m+M时段近似的理想色噪声u(n-m-1)，…，u(n-m-M)，其中，u(·)序列表示近似的理想色噪声序列，(·)中的字母表示时刻，u(n-m-1)表示n-m-1时刻近似的理想色噪声，u(n-m-M)表示n-m-M时刻近似的理想色噪声；该FIR滤波器的输出为预测的当前时刻色噪声；

所述译码判决单元能是DD硬判器，维特比译码单元或NR软译码单元；

所述延时线单元的长度l由信道估计单元、硬件代价及性能要求综合决定，

l∈[0，min(preL，postL)-A]

其中，A是多径能量泄漏所需保留的长度，根据多径能量大小来确定，min(a，b)表示求a、b中的最小值，preL与postL分别表示前径和后径的长度；

更新FIR噪声预测的抽头系数时，能全更新，也能间隔更新，还能根据强径位置进行更新；进行抽头系数乘加运算的求和时，能采用全求和，也能根据强径位置进行求和运算；

采用间隔更新FIR噪声预测的抽头系数时，采用

的间隔更新方式，t为大于等于1的正整数；将FIR噪声预测的抽头进行分组，t个抽头为一组，第一个时钟节拍，更新各组的第一个抽头，接着第二个时钟节拍，更新各组的第二个抽头，到第t个时钟节拍，更新各组的第t个抽头，第t+1个时钟节拍，又更新各组的第一个抽头，第t+2个时钟节拍，又更新各组的第二个抽头，如此重复。

Images