CN102098252A - 一种干扰消除方法和装置 - Google Patents

Abstract

本发明实施例提供了一种干扰消除方法和装置，方法包括：接收包含两个用户数据的信号；根据预先设置判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式，在两种模式下都通过实时计算违逆矩阵来替代违逆矩阵RAM。本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

Description

一种干扰消除方法和装置

技术领域

本发明涉及通信领域，尤其是涉及一种干扰消除方法和装置。

背景技术

全球移动通信系统(Global System for Mobile，GSM)作为目前拥有众多用户的通信系统，已经广泛地进入了人们的日常生活之中。但是随着GSM用户和基站的持续增加，以及伴随着UMTS，LTE网络的扩大，部分GSM频率被重整给UMTS，LTE，GSM网络逐渐由覆盖受限变为干扰受限，同时基站的抗上行干扰能力下降，已无法满足客户持续提升网络容量和质量的要求。

现有的串行干扰对消(Successive Interference Cancellation，SIC)技术可以有效的解决干扰受限对GSM网络的影响，在存在两个或两个以上干扰时，SIC可以明显提高基站芯片的上行抗干扰能力。现有的SIC技术是借助语音业务多用户正交子信道(Voice Services Over Adaptive Multi-user Orthogonal SubChannels，VAMOS)思想而提出的，现有的SIC技术在进行干扰对消的时候，需要检测未知用户信号的训练序列号，然后根据该未知用户信号的训练序列号以及已知用户信号的训练序列号从伪逆矩阵随机存取存储器(random accessmemory，RAM)中读取伪逆矩阵，并根据该伪逆矩阵进行干扰对消，而VAMOS则两个用户的训练序列号都是已知的，可以直接根据未知用户信号的训练序列号以及已知用户信号的训练序列号从伪逆矩阵RAM中读取伪逆矩阵。

但是，现有的SIC技术以及VAMOS技术中利用伪逆矩阵RAM的方案并不合理，这是由于数字信号处理器(Digital Signal Processor，DSP)需要下发22×5×2×10×120＝22264000bit的数据至伪逆矩阵RAM，即需要用到将近30万门的逻辑资源，其中22×5表示一个伪逆矩阵，每组存储2个伪逆矩阵，每个数据10bit，共有120组结果。但是，实际上每次进行干扰对消时只要用到1组结果，即只需要存储22×5×2×10＝2200bit的数据，不到1万门的逻辑资源。可见，现有的SIC技术浪费了大量的逻辑资源，实现成本较高。

发明内容

本发明实施例提供一种干扰消除方法和装置，用于减少GSM网络中进行干扰对消时所要用到的逻辑资源，从而减少实现成本。

本发明实施例提供了一种干扰消除方法，该方法包括：接收包含两个用户数据的信号；根据预先设置判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式，若处于VAMOS模式，则根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；再根据所述伪逆矩阵进行联合最小方差(Least Square，LS)信道估计以及强弱用户判断；再根据所述强弱用户判断结果进行弱用户处理来消除干扰；若处于SIC模式，则根据所述两个用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号；再根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；再根据所述伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断；再根据所述强弱用户判断结果进行弱用户处理来消除干扰。

本发明实施例还提供了一种干扰消除装置，包括：接收单元，用于接收包含两个用户数据的信号；第一判断单元，用于根据预先设置判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式；检测单元，用于在SIC模式时，根据所述两用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号；计算单元，用于在SIC模式或VAMOS模式下根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；第一判断单元，用于在SIC模式或VAMOS模式下根据所述伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断；干扰消除单元，用于在SIC模式或VAMOS模式下根据所述强弱用户判断结果进行弱用户处理来消除干扰

本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种干扰消除方法流程示意图；

图2为本发明实施例提供的另一种干扰消除方法流程示意图；

图3为本发明实施例提供的一种干扰消除装置的结构示意图；

图4为本发明实施例提供的一种检测单元的结构示意图；

图5为本发明实施例提供的另一种干扰消除装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示为本发明实施例提供的一种干扰消除方法流程示意图，本发明实施例是从基站侧进行的描述，执行该方法的装置可以是基站内的一个GSM网络通信芯片，或者是一个单独的装置，该方法包括：

S101：接收包含两个用户数据的信号，其中一个用户为干扰信号，另一个用户为有效信号，在本实施例中，上述两信号都为GMSK调制信号。

S102：判断是处于SIC模式还是处于VAMOS模式，若处于SIC模式，则进入步骤S103，若处于VAMOS模式，进入步骤S104。

作为本发明的一个实施例，可以通过检测一模式标识位来实现该判断，比如当该标识位为1时，则处于SIC模式，若该标识位为0时，则处于VAMOS模式。当处于VAMOS模式时，由于两用户的训练序列号都是已知的，因此可以直接进入步骤S104根据两用户的训练序列号计算伪逆矩阵。

S103：根据两用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号。

作为本发明的一个实施例，该步骤具体可以分为如下四步：

Step1：利用已知用户的信道信息进行信道估计；Step2：计算同步信息来进行相关同步；Step3：在未知用户数据训练检测范围内对每个训练序列号计算相应的信噪比；Step4：选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

作为本发明的一个实施例，在Step3计算信噪比时，可以先判断配置了哪种信噪比计算方式，然后根据相应的信噪比计算方式进行信噪比计算，在此可以有两种信噪比计算方式供选择，一种是独立信噪比计算，另一种是联合信噪比计算。

S104：根据两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵。

对于SIC来说，该两个用户一个为已知用户，另一个为未知用户，可以暂时将未知用户当作干扰信号，其中已知用户的训练序列号是已知的，而未知用户的训练序列号是未知的，因此需要进行未知用户的训练号检测来得到其对应的训练序列号，然后根据该已知用户的训练序列号和未知用户的训练序列号实时计算伪逆矩阵。而对于VAMOS来说，该两个用户的训练序列号都是已知的，因此可以直接根据该两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵。

S105：根据伪逆矩阵进行联合LS信道估计以及强弱用户判断。

对于SIC来说，未知用户也有可能是有效信号，而已知用户也有可能为干扰信号，因此，需要进行强弱用户判断，经过判断为强用户，则该用户信号是有效信号，反之则为干扰信号。对于VAMOS来说，由于都是已知用户，因此可以直接对该两个已知用户进行强弱用户的判断。

S106：根据强弱用户判断结果进行弱用户处理来消除干扰。具体的弱用户处理过程属于现有技术，在此就不再进行赘述。

本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

如图2所示为本发明实施例提供的另一种干扰消除方法流程示意图，该方法包括：

S201：接收包含两个用户数据的信号，其中一个用户为干扰信号，另一个用户为有效信号。

S202：判断是否处于串行干扰对消SIC模式，若处于SIC模式，则进入步骤S203，否则即为处于VAMOS模式，进入步骤S207。

S203：判断是否进行数据对消，若进行数据对消，则进入步骤S204，否则进入步骤S206。在实现时，也可以通过检测一标识位来实现该判断，比如当该标识位为1时，则进行数据对消，若该标识位为0时，则不进行数据对消。

S204：利用所述两用户中已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步。

上述信道估计可以通过如下算法进行实现：

$h\left(k\right)=\frac{1}{\mathrm{corr}\_\mathrm{len}}\underset{j=0}{\overset{\mathrm{corr}\_\mathrm{len}-1}{\mathrm{\Σ}}}r(\mathrm{nstart}+k+j)I\left(k\right),$ k＝0，1，…，10

其中，h(k)为第k个信道因子，I(k)为训练序列段符号，corr_len为相关长度参数，nstart为训练序列段起点，corr_len和nstart都与调制方式类型有关，r为接收到的信号数据。

上述同步信息计算可以通过如下算法进行实现：

$\mathrm{sp}=\underset{k}{\max }\left(\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h(k+l)\right),$ k＝0，1，…，10，sp为同步点；

其中，L为信道因子长度，与相应的调制类型有关，已知用户同步点sp用于后续对消模块去除已知用户的信号。

S205：根据所述同步信息进行数据对消以消除已知用户的训练序列段信号。本步骤的作用主要是从接收信号中去除已知用户的训练序列段信号，以减少对后续未知用户训练序列检测的干扰。

在本实施例中，本步骤可以通过如下步骤及算法实现：

重构参考信号：

$r_{\mathrm{ref},k}=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h\left(l\right)I(k-l),$ k＝L，…tsc_len-1；

其中r_ref，k为重建后的参考信号，L为信道因子长度，tsc_len为训练序列段长度，h为信道因子，I为训练序列段符号。

数据对消：

resdata(i)＝r_k(i)-r_ref(k)，k＝L，…tsc_len-1，

i＝sp+nstart-(tsc_len-corr_len)/2+k，

其中sp为相关同步点，L为信道因子长度，h为信道因子，I为训练序列段符号，tsc_len为训练序列长度参数，corr_len为相关长度参数，nstart为训练序列段起点，与相应的调制类型相关，r_k接收到的原始信号，r_ref(k)重建的参考信号。

S206：根据两用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号。

和上述实施例相似，该步骤具体可以分为如下四步：

Step1：利用已知用户的信道信息进行信道估计；Step2：计算同步信息来进行相关同步；Step3：在未知用户数据训练检测范围内对每个训练序列号计算相应的信噪比；Step4：选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

其中，Step1和Step2和上述步骤S204相同，Step3中可以包括两种可供选择的信噪比计算方法：独立信噪比计算和联合信噪比计算，下面分别对其进行描述：

1、独立信噪比计算，具体包括：

步骤(1)重构参考信号：

$r_{\mathrm{ref}}\left(k\right)=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}h\left(l\right)I(k-l),$ k＝L，…tsc_len-1；

其中r_ref(k)为重建的参考信号，L为信道因子长度，h为信道因子，I为训练序列段符号；

步骤(2)噪声计算/噪声能量计算：

n(k)＝r(k)-r_ref(k)，k＝L，…tsc_len-1；

其中n(k)为噪声，r(k)为原始信号，r_ref(k)为重建的参考信号，

$P_{\mathrm{noise}}=\underset{k=L}{\overset{\mathrm{tsc}\_\mathrm{len}-1}{\mathrm{\Σ}}}{\left|n\left(k\right)\right|}^2;$

其中P_noise为噪声能量，tsc_len为训练序列长度参数，L为信道因子长度，步骤(3)重建信号能量计算：

$P_s=\underset{k=L}{\overset{\mathrm{tsc}\_\mathrm{len}-1}{\mathrm{\Σ}}}{\left|r_{\mathrm{ref}}\left(k\right)\right|}^2;$

其中P_s为重建信号能量，tsc_len为训练序列长度参数，L为信道因子长度，r_ref(k)为重建的参考信号，

步骤(4)信噪比计算SNR：

$\mathrm{SNR}=\frac{P_s}{P_{\mathrm{noise}}};$

2、联合信噪比(λ)计算，具体包括：

步骤(1)信道因子矩阵计算：

$H=\left[\begin{array}{cccc}{h}_{10}& h_{11}& ...& h_{1L}\\ h_{20}& h_{21}& ...& h_{2L}\end{array}\right];$

h_ik中i，为天线号，k为天线i的第k个信道因子；

${\mathrm{HH}}^H=\left[\begin{array}{cc}\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{1,m}^2& \underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{1,m}{h}_{2,m}^{*}\\ \underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{1,m}^{*}{h}_{2,m}& \underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{2,m}^2\end{array}\right];$

其中h_1，m，h_2，m，m＝0，1，2…L，为信道估计得到的两天线的信道因子。

步骤(2)噪声的相关矩阵RUU计算：

$R_{\mathrm{uu}}=\frac{1}{\mathrm{tsc}\_\mathrm{len}-L}\underset{k=L}{\overset{\mathrm{tsc}\_\mathrm{len}-1}{\mathrm{\Σ}}}\{\left[\begin{array}{c}{r}_1(k+\mathrm{nstart})-\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{1m}I(k-m)\\ r_2(k+\mathrm{nstart})-\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{2m}I(k-m)\end{array}\right]*{\left[\begin{array}{c}{r}_1(k+\mathrm{nstart})-\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{1m}I(k-m)\\ r_2(k+\mathrm{nstart})-\underset{m=0}{\overset{L}{\mathrm{\Σ}}}{h}_{2m}I(k-m)\end{array}\right]}^H\}$

其中r_i，i＝1，2为接收到的原始信号，nstart为训练序列段起点，tsc_len为训练序列长度参数，L为信道因子长度，I为训练序列段符号；

步骤(3)联合信噪比计算：

将已计算得到的HH^H，R_uu矩阵记为如下方式

$R_{\mathrm{uu}}=\left[\begin{array}{cc}A& C\\ C^{*}& B\end{array}\right];$

${\mathrm{HH}}^H=\left[\begin{array}{cc}{H}_0& H_1\\ H_1^{*}& H_2\end{array}\right];$

然后计算联合信噪比(λ)：

$U=A^2{H}_2+{\mathrm{ABH}}_0-2\mathrm{Areal}\left(C^{*}{H}_1^{*}\right);$

$V=\sqrt{{[U+{2H}_0|C{|}^2]}^2+4A(\mathrm{AB}-{\left|C\right|}^2)|H_1^{*}+\frac{H_0}{A}{C}^{*}{|}^2};$

$\mathrm{\λ}=\frac{U+V}{2}\left(\frac{1}{A(\mathrm{AB}-{\left|C\right|}^2)}\right);$

其中λ即为联合信噪比。

步骤(4)进行信噪比比较：选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

S207：根据两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵。

S208：根据伪逆矩阵进行联合LS信道估计以及强弱用户判断。

S209：根据强弱用户判断结果进行弱用户处理来消除干扰。

本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

如图3所示为本发明实施例提供的一种干扰消除装置的结构示意图，在本实施例中，该装置比如可以为GSM中一个网络通信芯片，其位于基站内，该装置包括：接收单元310、第一判断单元320、检测单元330、计算单元340、第二判断单元350和干扰消除单元360，其中第一判断单元320分别和接收单元310、检测单元330及计算单元340相连，检测单元330和计算单元340相连，第一判断单元350分别和计算单元340及干扰消除单元360相连。

接收单元310用于接收包含两个用户数据的信号，其中一个用户为干扰信号，另一个用户为有效信号。

第一判断单元320用于判断是否处于SIC模式还是处于VAMOS模式，在实现时，可以通过检测一模式标识位来实现该判断，比如当该标识位为1时，则处于SIC模式，若该标识位为0时，则处于VAMOS模式。

检测单元330用于当第一判断单元320判断处于SIC模式时，根据两用户中的未知用户数据进行训练序列检测得到未知用户的训练序列号。

作为本发明的一个实施例，如图4所示，检测单元330包括：同步模块331、判断模块332、信噪比计算模块333和选择模块334，其中判断模块332分别和同步模块331及信噪比计算模块333相连，选择模块334和信噪比计算模块333相连。

同步模块331用于利用已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步。

判断模块332用于判断所述信噪比计算模块是否进行联合信噪比计算，若非联合信噪比计算，则所述信噪比计算模块进行独立信噪比计算。

信噪比计算模块333用于在未知用户数据训练检测范围内对每个训练序列号计算相应的信噪比。

选择模块334用于选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

上述同步模块331、判断模块332、信噪比计算模块333和选择模块334所用到的具体算法可以参见图2对应实施例中的描述。

计算单元340用于根据两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵。

对于SIC来说，该两个用户一个为已知用户，另一个为未知用户，可以暂时将未知用户当作干扰信号，其中已知用户的训练序列号是已知的，而未知用户的训练序列号是未知的，因此需要进行未知用户的训练号检测来得到其对应的训练序列号，然后根据该已知用户的训练序列号和未知用户的训练序列号实时计算伪逆矩阵。而对于VAMOS来说，该两个用户的训练序列号都是已知的，因此可以直接根据该两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵。

第二判断单元350用于根据计算单元340所计算到的伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断。对于SIC来说，未知用户也有可能是有效信号，而已知用户也有可能为干扰信号，因此，需要通过第二判断单元350来进行强弱用户判断，经过判断为强用户，则该用户信号是有效信号，反之则为干扰信号。对于VAMOS来说，由于都是已知用户，因此第二判断单元350可以直接对该两个已知用户进行强弱用户的判断。

干扰消除单元360用于根据强弱用户判断结果进行弱用户处理来消除干扰。具体的弱用户处理过程属于现有技术，在此就不再进行赘述。

本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

如图5所示为本发明实施例提供的另一种干扰消除装置的结构示意图，该装置包括：接收单元510、第一判断单元520、检测单元530、计算单元540、第二判断单元550、干扰消除单元560、第三判断单元570、同步单元580和数据对消单元590，其中第一判断单元520分别和接收单元510、计算单元540及第三判断单元570相连，同步单元580分别和第三判断单元570及数据对消单元590相连，检测单元560分别和计算单元520、第三判断单元570及数据对消单元590相连，第二判断单元550分别和计算单元540及干扰消除单元560相连。

接收单元510、第一判断单元520、计算单元540、第二判断单元550和干扰消除单元560与图3中对应实施例中的相应单元相类似，在此不再赘述。

第三判断单元570用于当第一判断单元520判断处于SIC模式时，判断是否进行数据对消，若不进行数据对消，则由检测单元530进行根据两用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号，若进行数据对消，则由同步单元580和数据对消单元590进行数据对消操作。

同步单元580用于当第三判断单元570判断需要进行数据对消时，利用两用户中已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步。

数据对消单元590用于根据同步信息进行数据对消以消除已知用户的训练序列段信号。

检测单元530用于根据两用户中的未知用户数据进行训练序列检测得到未知用户的训练序列号，检测单元530的输入信号可以是已经进行数据对消从而已消除已知用户训练序列段的信号，也可以是未进行数据对消的信号。

本发明实施例可以直接根据两个用户对应的训练序列号进行伪逆矩阵计算，从而不再需要伪逆矩阵RAM进行伪逆矩阵存储，减少了逻辑资源和成本。而且本发明实施例可以将SIC模式和VAMOS模式进行兼容，使该两种模式共用一套逻辑资源，因此不但解决了SIC模式和VAMOS模式的兼容问题，还节约了成本。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种干扰消除方法，其特征在于，所述方法包括：

接收包含两个用户数据的信号；

判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式，

若处于VAMOS模式，则根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；再根据所述伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断；再根据所述强弱用户判断结果进行弱用户处理来消除干扰；

若处于SIC模式，则根据所述两个用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号；再根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；再根据所述伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断；再根据所述强弱用户判断结果进行弱用户处理来消除干扰。

2.如权利要求1所述的方法，其特征在于，所述判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式包括：

根据模式标识位的值来判断是处于SIC模式还是VAMOS模式。

3.如权利要求2所述的方法，其特征在于，所述判断是处于SIC模式之后还包括：

判断是否进行数据对消，若进行数据对消，则所述方法还包括：

利用所述两用户中已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步；

根据所述同步信息进行数据对消以消除已知用户的训练序列段信号；

若不进行数据对消，则直接根据所述未知用户数据进行训练序列检测得到所述未知用户的训练序列号。

4.如权利要求2或3所述的方法，其特征在于，所述根据所述未知用户数据进行训练序列检测得到所述未知用户的训练序列号包括：

利用已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步；

在未知用户数据训练检测范围内对每个训练序列号计算相应的信噪比；

选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

5.如权利要求4所述的方法，其特征在于，所述在知用户数据训练检测范围内对每个训练序列号计算相应的信噪比之前还包括：

判断是否进行联合信噪比计算，若非联合信噪比计算，则进行独立信噪比计算。

6.一种干扰消除装置，其特征在于，包括：

接收单元，用于接收包含两个用户数据的信号；

第一判断单元，用于根据预先设置判断是处于串行干扰对消SIC模式还是处于语音业务多用户正交子信道VAMOS模式；

检测单元，用于在SIC模式时，根据所述两用户中的未知用户数据进行训练序列检测得到所述未知用户的训练序列号；

计算单元，用于在SIC模式或VAMOS模式下根据所述两个用户所分别对应的训练序列号进行伪逆矩阵计算得到对应的伪逆矩阵；

第二判断单元，用于在SIC模式或VAMOS模式下根据所述伪逆矩阵进行联合最小方差LS信道估计以及强弱用户判断；

干扰消除单元，用于在SIC模式或VAMOS模式下根据所述强弱用户判断结果进行弱用户处理来消除干扰。

7.如权利要求6所述的装置，其特征在于，

所述第一判断单元具体用于根据模式标识位的值来判断是处于SIC模式还是VAMOS模式。

8.如权利要求7所述的装置，其特征在于，还包括：

第三判断单元，用于判断在SIC模式下是否进行数据对消；

同步单元，用于当所述第三判断单元判断需要进行数据对消时，利用所述两用户中已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步；

数据对消单元，用于根据所述同步信息进行数据对消以消除已知用户的训练序列段信号。

9.如权利要求7或8所述的装置，其特征在于，所述检测单元包括：

同步模块，用于利用已知用户的信道信息进行信道估计，并计算同步信息来进行相关同步；

信噪比计算模块，用于在未知用户数据训练检测范围内对每个训练序列号计算相应的信噪比；

选择模块，用于选择信噪比最大的训练序列号作为所述未知用户的训练序列号。

10.如权利要求9所述的装置，其特征在于，所述检测单元还包括：

判断模块，用于判断所述信噪比计算模块是否进行联合信噪比计算，若非联合信噪比计算，则所述信噪比计算模块进行独立信噪比计算。

Images