CN102132506A - 用于选择、发送和接收训练序列的系统和方法 - Google Patents

Abstract

本发明提供了训练序列选择的方法，涉及SNR恶化方面的优化。本发明提供了使用所述方法产生的各种训练序列集合、以及利用这种序列编码的发射机和接收机。

Description

用于选择、发送和接收训练序列的系统和方法

相关申请

本申请要求于2008年8月18日提交的在先美国临时申请61/089,712的优先权，其以全文引用的方式并入本文中。

技术领域

本公开涉及用于选择、发送和接收训练序列的系统和方法。

背景技术

移动通信系统使用信号处理技术来改善链路性能，该信号处理技术对抗随时间变化的频率选择性的移动无线信道的影响。均衡用于最小化由频率选择性信道中的多径衰减所引起的符号间干扰(ISI)。由于移动无线信道是随机的且随时间变化的，因此均衡器需要通过训练和跟踪来自适应地标识移动信道的随时间变化的特性。时分多址(TDMA)无线系统(如全球移动通信系统(GSM))在固定长度的时隙中发送数据，并且在时隙(突发)中包括训练序列，该时隙被设计为允许接收机检测定时信息并通过信道估计来获得信道系数，以用于进一步的信道均衡。

GSM是在世界范围内使用的成功的数字蜂窝技术。目前，GSM网络向几十亿订户提供语音和数据服务，并且其依然在扩张。GSM的接入方案是TDMA。如图1所示，在900MHz频带100中，下行链路102和上行链路104被分离，并且每个链路具有包括124个信道的25MHz带宽。载波间隔是200kHz。TDMA帧106由与一个载频相对应的8个时隙108构成。时隙的持续时间是577μs。对于正常突发，一个GSM时隙包括114个数据比特、26个训练序列比特、6个尾比特、2个盗用比特、以及8.25个保护时段比特。目前，在每个时隙中仅发送一个用户的话音。

在3GPP规范(参见TS 45.002，“GERAN：Multiplexing and multiple access on the radio path”)中定义了针对GSM正常突发的八个训练序列，并且这八个训练序列在实践中广泛地用于当前GSM/EDGE无线接入网(GERAN)系统中的突发同步和信道估计。

随着订户数目和语音业务的增加，特别是在人口密度大的国家中，给GSM运营商增加了巨大的压力。另外，随着语音服务价格的下降，期望有效地使用硬件和频谱资源。一种增加语音容量的方案是在单一时隙上对多于一个用户进行复用。

基于一个时隙上的自适应多用户信道的语音服务(VAMOS)(参见GP-081949，3GPP Work Item Description(WID)：Voice services over Adaptive Multi-user channels on One Slot)(注意：Multi-User Reusing-One-Slot(MUROS)(参见GP-072033，”WID”：Multi-User Reusing-One-Slot)是对应的研究项目)是GERAN中正在进行的工作项目，其通过在相同物理无线资源上同时复用至少两个用户(即，多个用户共享相同的载频和相同的时隙)，来寻求在上行链路和下行链路中都将GERAN的语音容量增加每BTS收发器两倍的因子。正交子信道(OSC)(参见GP-070214，GP-071792，“Voice capacity evolution with orthogonal sub channel”)、co-TCH(参见GP-071738，“Speech capacity enhancements using DARP”)以及自适应符号星座图(参见GP-080114“Adaptive Symbol Constellation for MUROS(Downlink)”)是三种MUROS候选技术。

在OSC、co-TCH以及自适应符号星座图的上行链路中，共享相同时隙的两个用户使用具有不同训练序列的GMSK(高斯最小频移键控)调制。基站使用如分集和/或干扰消除之类的信号处理技术来分离两个用户的数据。类似于上行链路，在co-TCH的下行链路中，将两个不同的训练序列用于有DARP(下行链路先进接收机性能)能力的移动设备来分离两个用户。在OSC或自适应符号星座图的下行链路中，将两个子信道映射到QPSK类型或自适应QPSK(AQPSK类型)调制的I-子信道和Q-子信道上，在QPSK类型或AQPSK类型调制中，可以自适应地控制I-子信道和Q-子信道的比率。两个子信道也使用不同的训练序列。

图2列出了八个26比特的GSM训练序列码，其中每个GSM训练序列码具有循环序列结构，即，16比特的参考序列在中间，以及10个保护比特(在参考序列的每一侧各有5个保护比特)。将参考序列的最高5比特和最低5比特分别复制并布置为附加至参考序列和加在参考序列之前。保护比特可以覆盖符号间干扰的时间，并使训练序列抵抗时间同步差错。当仅考虑16比特参考序列时，每个GSM训练序列具有在[-5，5]内的非零偏移的理想的周期性自相关属性。

在GP-070214，GP-071792，“Voice capacity evolution with orthogonal sub channel”中，针对OSC提出了八个长度为26比特的训练序列的新集合，其中，在与对应的传统GSM训练序列的互相关属性方面对每个新训练序列进行优化。图3列出了这些新序列。可以观察到，这些新训练序列不保留与传统GSM训练序列一样的循环序列结构。

发明内容

本公开的概括方面提供了一种计算机实现的方法，包括：优化第一训练序列集合的序列和目标训练序列集合的序列之间的互相关性，以产生第二训练序列集合；优化所述第二训练序列集合的序列之间的互相关性，以产生第三训练序列集合；优化所述第三训练序列集合的序列和所述目标训练序列集合的对应序列之间的互相关性，以产生第四训练序列集合；输出所述第四训练序列集合，以在多用户传输系统中使用。

本公开的另一概括方面提供了一种计算机实现的方法，包括：优化第一训练序列集合当中的序列之间的互相关性，以产生第二训练序列集合；优化所述第二训练序列集合的序列和目标训练序列集合的序列之间的互相关性，以产生第三训练序列集合；优化所述第三训练序列集合的序列和所述目标训练序列集合的对应序列之间的互相关性，以产生第四训练序列集合；以及输出所述第四训练序列集合，以在多用户传输系统中使用。

本公开的另一概括方面提供了一种利用数据结构编码的计算机可读介质，所述数据结构包括：来自由以下训练序列构成的第一训练序列集合的至少一个训练序列：

；以及来自由以下训练序列构成的第二训练序列集合的至少一个训练序列：

。

本公开的另一概括方面提供了一种发射机，包括：信号生成器，被配置为使用载频和时隙来生成信号，其中，至少一些时隙包含针对多个接收机的内容，针对每个接收机和每个时隙的内容至少包括相应的训练序列；所述发射机是利用来自由以下训练序列构成的第一训练序列集合的至少一个训练序列来编码的：

。

本公开的另一概括方面提供了一种方法，包括：针对载频上要包含多用户信号的时隙：通过将针对至少两个接收机中每个接收机的相应训练序列以及针对每个接收机的相应有效载荷进行组合，生成多用户信号，其中，所述针对多个接收机中的至少一个的相应训练序列包括来自由以下训练序列构成的第一训练序列集合的第一训练序列：

；以及发送所述信号。

本公开的另一概括方面提供了一种接收机，包括：至少一根天线；其中，所述接收机是利用来自由以下训练序列构成的第一训练序列集合的至少一个训练序列来编码的：

；以及所述接收机还是利用来自由以下训练序列构成的第二训练序列集合的至少一个训练序列来编码的：

；以及其中，所述接收机还被配置为使用从来自所述第一训练序列集合的至少一个训练序列和来自所述第二训练序列集合的至少一个训练序列之一中选择的训练序列来进行操作。

本公开的另一概括方面提供了一种用于移动设备的方法，包括：所述移动设备具有来自由以下训练序列构成的第一训练序列集合的至少一个训练序列：

；所述移动设备还具有来自由以下训练序列构成的第二训练序列集合的至少一个训练序列：

；以及使用从来自所述第一训练序列集合的至少一个训练序列和来自所述第二训练序列集合的至少一个训练序列之一中选择的训练序列来进行操作。

本公开的另一概括方面提供了由来自以下训练序列构成的训练序列集合的训练序列作为蜂窝无线电话中的训练序列的使用：

。

附图说明

现在将参照附图来描述本申请的实施例，附图中：

图1是GSM的带宽分配和TDMA帧定义的示意图；

图2是列出了传统GSM训练序列的表；

图3是包含训练序列集合的表，所包含的训练序列集合相比于传统GSM训练序列具有优化的互相关属性；

图4A是包含训练序列集合的表；

图4B是包含图4A的训练序列的计算机可读介质的示意图；

图5A是包含训练序列集合的表；

图5B是包含图5A的训练序列的计算机可读介质的示意图；

图6A是包含训练序列集合的表；

图6B是包含图6A的训练序列的计算机可读介质的示意图；

图7示出了用于定义训练序列集合的若干集合；

图8是确定训练序列的第一方法的流程图；

图9A是分配训练序列的第一方法的流程图；

图9B是分配训练序列的第二方法的流程图；

图10A是用于OSC下行链路传输的发射机的框图；

图10B是示出了OSC子信道的接收机对的框图；

图11A是用于下行链路传输的co-TCH的发射机的框图；

图11B是co-TCH下行链路传输的接收机对的框图；

图12A示出了用于上行链路传输的OSC或co-TCH的发射机对；以及

图12B是接收装置的框图，该接收装置由从图12A的发射机对接收相应传输的两个接收机构成。

具体实施方式

本文中，信噪比(SNR)的恶化(参见B.Steiner and P.Jung，“Optimum and suboptimum channel estimation for the uplink CDMA mobile radio systems with joint detection”，European Transactions on Telecommunications，vol.5，Jan.-Feb.，1994，pp.39-50，和M.Pukkila and P.Ranta，“Channel estimator for multiple co-channel demodulation in TADM mobile systems”，Proc.of the 2nd EPMC，Germany)用于评估训练序列的相关属性和/或用于设计新的训练序列。在MUROS/VAMOS中，干扰来自相同小区中的相同MUROS/VAMOS对的其他子信道，还来自其他小区的协同信道(co-channel)信号。

可以如下确定SNR的恶化。令长度为N的训练序列是S＝{s₁，s₂，...，s_N}，s_n∈{-1，+1}，n＝1，...，N。考虑具有L抽头独立复信道脉冲响应h_m＝(h_m，1，h_m，2，...，h_m，L)，m＝1，2的两个同步协同信道或MUROS/VAMOS信号。联合信道脉冲响应是h＝(h₁，h₂)。令在接收机处接收到的信号样本是：y＝Sh^t+n，其中噪声向量是n＝(n₁，n₂，...，n_N-L+1)^t，S＝[S₁，S₂]是(N-L+1)×2L的矩阵，并且如下定义S_m(m＝1，2)：

$S_m=\left[\begin{array}{cccc}{s}_{m,L}& \·\·\·& s_{m,2}& s_{m,1}\\ s_{m,L+1}& \·\·\·& s_{m,3}& s_{m,2}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ s_{m,N}& \·\·\·& s_{m,N-L+2}& s_{m,N-L+1}\end{array}\right]---\left(1\right)$

其对应于训练序列(s_m，1，s_m，2，...，s_m，N)(注意，可以分别利用来自相同训练序列集合或者来自不同训练序列集合的两个不同训练序列来构造S₁和S₂)。

信道的最小二乘误差估计是：

${\hat{h}}^t={\left(S^{t}S\right)}^{-1}{S}^{t}y---\left(2\right)$

将训练序列的SNR恶化定义为：

d_SNR＝10·log₁₀(1+tr[(S^tS)^-1])(dB)                        (3)

其中tr[X]是矩阵X的迹，Q＝[q_ij]_2L×2L＝S^tS是包括S₁和S₂的自相关性以及S₁和S₂之间的互相关性在内的相关性矩阵，项的计算如下：

基于定义(1)-(3)，在表1中计算并列出了GSM训练序列之间的成对的SNR恶化值。

表1 现有GSM训练序列的成对SNR恶化值(以dB为单位)

不同GSM训练序列之间的平均、最小和最大成对SNR恶化值分别等于5.10dB、2.72dB和11.46dB。表1演示了一些GSM训练序列对导致合理的SNR恶化值，同时一些GSM训练序列对是强烈相关的。将所有现有的GSM训练序列应用于MUROS/VAMOS似乎是不合适的。将期望具有针对MUROS/VAMOS的新训练序列，其中每个新训练序列具有非常好的自相关属性以及与对应的GSM训练序列的非常好的互相关属性。还将期望通过进一步优化来减小以下影响：协同信道干扰、任何新训练序列对的互相关属性、以及新训练序列和传统GSM训练序列的任何对的互相关属性。

表2和3呈现了在图3的序列和GSM训练序列的任何对之间以及在图3的序列自身的任何对之间，图3的序列的成对SNR恶化性能。

表2 图3的序列和GSM训练序列的任何对之间的成对SNR恶化值(以dB为单位)

表3 图3的序列的任何对之间的成对SNR恶化值(以dB为单位)

在表2中，表的对角线上的成对SNR恶化值是图3的序列与对应的GSM训练序列的结果。在本文档中，将对应的序列定义为两个分离的序列表中的具有相同训练序列号的两个序列。表2中对角线值的平均值等于2.11dB。图3的序列和GSM TSC的任何对之间的平均、最小和最大SNR恶化值分别是2.63dB、2.05dB和4.87dB。

表3示出了图3的不同序列的任何对之间的平均、最小和最大SNR恶化值分别是3.19dB、2.32dB和6.89dB。

表2和3都演示了表2的序列和GSM训练序列的任何对之间的平均成对SNR恶化性能以及表2的不同序列的任何对之间的平均成对SNR恶化性能是良好的。然而，表2和3中所示的峰值成对SNR恶化值可以影响引入了MUROS/VAMOS的协同信道干扰消除。

针对MUROS/VAMOS的新训练序列

A.与对应的GSM TSC最佳配对的训练序列

在本公开的实施例中，通过计算机搜索获得由八个长度为26的序列构成的集合，在利用(1)-(3)计算的SNR恶化方面，这八个序列分别与对应的GSM训练序列最佳配对。图4A示出了这些最佳配对的序列，称作训练序列集合A，在计算机可读介质124上存储的数据结构122中以120总体指示。如下进行搜索：

1)以第一GSM训练序列开始；

2)在所有候选序列集合中无遗漏地搜索具有最低SNR恶化的序列，并将所找到的序列添加到新的集合，并将所找到的序列从候选集合中移除；

3)针对与第二至第八GSM训练序列中的每个序列最佳配对的序列重复步骤1和2。

图4B示出了以128总体指示的计算机可读介质，其上存储有数据结构125。数据结构125包括标准GSM训练序列126的集合，并包括训练序列集合A 127。在GSM训练序列126和训练序列集合A 127之间存在一一对应关系。

表4 图4A中序列和GSM TSC之间的成对SNR恶化值(以dB为单位)

图4A中的序列和GSM训练序列的任何对之间的平均、最小和最大SNR恶化值分别是2.52dB、2.04dB和4.10dB。表4中对角线值的平均值等于2.07dB。基于表4所示的结果，图4A的新训练序列被明确设计为与对应的GSM训练序列配对。

表5演示了图4A中列出的序列之间的SNR恶化值。与GSM训练序列最佳配对的序列之间的平均、最小和最大成对SNR恶化值分别是3.04dB、2.52dB和4.11dB。

表5 图4A中的序列之间的成对SNR恶化值(以dB为单位)

B.具有优化的自相关和互相关属性的循环结构的训练序列

通过使用以下详细描述的方法的计算机搜索，确定了具有优化的自相关和互相关属性的训练序列集合。在图5A中展示了该训练序列集合，称作训练序列集合B，在计算机可读介质134上存储的数据结构132中以130总体指示。

图5B示出了以138总体指示的计算机可读介质，其上存储有数据结构135。数据结构135包括标准GSM训练序列136的集合，并包括训练序列集合B 137。在GSM训练序列136和训练序列集合A 137之间存在一一对应关系。

在表6中示出了图5A中的新训练序列和GSM训练序列的任何对之间的成对SNR恶化值。表6中的平均、最小和最大SNR恶化值分别是2.43dB、2.13dB和2.93dB。表6中对角线值的平均值等于2.22dB。表6图5A中的新训练序列和GSM训练序列之间的成对SNR恶化值(以dB为单位)

表7演示了图5A中列出的序列之间的成对SNR恶化值。表7中的平均、最小和最大成对SNR恶化值分别是3.17dB、2.21dB和4.75dB。

表7图5A中的新训练序列之间的成对SNR恶化值(以dB为单位)

C.不具有循环结构的训练序列

与训练序列集合B不同，第三训练序列集合(本文中称作训练序列集合C)由不维持循环结构的序列构成。针对训练序列集合C的生成，仅考虑下面概述的针对训练序列集合B的优化过程II-IV。为了优化新序列和GSM训练序列之间的SNR恶化，通过从2²⁶个序列中选择|Ω1|个序列，其中在|Ω1|中的序列和所有GSM训练序列之间具有最小平均SNR恶化值，来获得序列集合Ω1。在图6A中列出了训练序列集合C，在计算机可读介质144上存储的数据结构142中以140总体指示。

图6B示出了以148总体指示的计算机可读介质，其上存储有数据结构145。数据结构145包括标准GSM训练序列146的集合，并包括训练序列集合C 147。在GSM训练序列146和训练序列集合C 147之间存在一一对应关系。

在表8中示出了图6A中的新训练序列和GSM训练序列的任何对之间的成对SNR恶化值。表8中的平均、最小和最大SNR恶化值分别是2.34dB、2.11dB和2.87dB。表8中对角线值的平均值等于2.16dB。

表8 图6A中的新训练序列和GSM训练序列之间的成对SNR恶化值(以dB为单位)

表9演示了图6A中列出的序列之间的成对SNR恶化值。表9中的平均、最小和最大成对SNR恶化值分别是3.18dB、2.44dB和4.19dB。

表9 图6A中的新训练序列之间的成对SNR恶化值(以dB为单位)

序列搜索过程——第一方法

图7示出了寻找|Ω3|个训练序列的第二集合Ω3的过程，该第二集合Ω3具有自相关属性以及相对于目标训练序列集合Ψ的互相关属性。该过程涉及确定序列集合Ω 152、Ω1 154、Ω2 156和Ω3 158，其中

且|Ω3|＝要寻找的序列的数目，其中|·|表示集合中的元素数目。Ω 152是通过第一优化步骤确定的、所有可能序列集合150的子集。Ω1 154是通过第二优化步骤确定的、Ω 152的子集。Ω2 156是通过第三优化步骤确定的、Ω1 154的子集。Ω3 158是通过第四优化步骤确定的、Ω2 156的子集。

该方法是计算机实现的，并且将参照图8的流程图来描述该方法。该方法开始于块8-1，优化候选训练序列集合的自相关性，以产生第一训练序列集合。该方法在块8-2继续，优化第一训练序列集合的序列和目标训练序列集合Ψ的序列之间的SNR恶化，以产生第二训练序列集合。该方法在块8-3继续，优化第二训练序列集合的序列之间的SNR恶化，以产生第三训练序列集合。该方法在块8-4继续，优化第三集合的训练序列和目标训练序列集合Ψ的对应序列之间的SNR恶化。块8-4的输出是第四训练序列集合，并且其为新的训练序列集合。输出该集合，以在具有多用户传输的系统中使用。另一实施例提供了一种其上存储有指令的计算机可读介质，当由计算机执行所述指令时，所述指令使得执行图8的方法。

在一些实施例中，以与以上所示和所述的顺序相反的顺序来执行步骤8-2和8-3。这产生了一种计算机方法，包括：优化第一训练序列集合当中的序列之间的互相关性，以产生第二训练序列集合；优化第二训练序列集合的序列和目标训练序列集合的序列之间的互相关性，以产生第三训练序列集合；优化第三训练序列集合的序列和目标训练序列集合的对应序列之间的互相关性，以产生第四训练序列集合；以及输出第四训练序列集合，以在多用户传输系统中使用。

第一优化步骤：优化自相关性：

考虑具有所期望长度的所有二进制序列。可选地，将序列的最后比特中的一些复制到前面使序列本质上在某种程度上循环。搜索具有非零偏移的范围内的零自相关性的序列。

为了实现零自相关性，确定自相关性的序列必须具有偶数长度。如果需要奇数长度的序列，则向具有零自相关性值的序列的集合添加附加比特。这可以例如通过复制原始序列的第一比特或通过附加-1或+1以进一步优化互相关属性来进行。

该步骤的输出是具有优化的自相关属性的序列集合Ω。对于添加了附加比特的序列，在(3)中的相关性矩阵Q＝S^tS中，自相关系数的最大量值将是1；

第二优化步骤：优化新序列和目标训练序列集合Ψ之间的SNR恶化：

通过从Ω中选择|Ω1|个序列，其中在|Ω1|中的序列和目标训练序列集合Ψ之间具有最小平均SNR恶化值，来获得Ω的子集Ω1。Ω中的给定序列的平均SNR恶化是通过计算该序列以及目标训练序列集合中的每个训练序列的恶化并对结果求平均来确定的。

第三优化步骤：优化新序列之间的SNR恶化：

选择Ω1的子集Ω2，其中在|Ω2|中的序列之间具有最小平均SNR恶化值。以下是可以如何执行第三优化步骤的示例：

1)从Ω2中挑选第一序列，并且将其从Ω2中移除；

2)在Ω2中的所有其余序列中检查出与第一序列具有最小SNR恶化的一个序列，并选择该序列作为第二序列，并将其从Ω2中移除；

3)在Ω2中的所有其余序列中检查出与第一序列和第二序列具有最小平均SNR恶化的一个序列，并且将其从Ω2中移除；

4)依此类推，直到已经标识出所需数目的序列为止。计算如此标识出的序列之间的平均SNR恶化；

5)使用来自Ω2的不同的第一序列来重复步骤1至4，以生成相应的序列集合以及相应的平均SNR恶化；

6)在如此生成的所有序列集合当中，挑选具有最小平均SNR恶化的序列集合。

第四优化步骤：优化新训练序列和目标训练序列集合Ψ的对应序列之间的SNR恶化：

从序列集合Ω2中选择|Ω3|个序列。该步骤用于确定包括来自目标集合的一个序列和来自新集合的一个序列在内的训练序列对。以下是执行该步骤的示例方案：

a)从目标集合中选择训练序列；

b)在新集合中找到与目标集合的训练序列具有最低SNR恶化的训练序列，并且将该训练序列与来自目标集合的第一训练序列配对，并且将该训练序列从可用训练序列的集合中移除；

c)重复步骤a)和b)，直到已经选择了来自目标集合的所有序列为止。

应用了上述优化过程以得到图5A中的训练序列集合，其中|Ω1|＝120且|Ω2|＝12。更具体地：

第一优化步骤：优化自相关性：

考虑长度为20的所有二进制序列(集合大小为2²⁰)。与GSM TSC类似，对于每个这种序列，复制序列的最后5个比特，并且将这5个比特置于最高有效位部分之前，以生成长度为25的序列；通过使用自相关性定义搜索具有非零偏移[-5，5]的零自相关性值的、长度为25的序列。总共有5440个这种序列可用。

为了与当前的TSC格式兼容，新TSC长度必须为26。可以通过复制长度为20的对应序列的第一比特，或者通过附加-1或+1以进一步优化互相关属性，来获得全长度(长度26)序列的第26个比特。因此，生成具有优化的自相关属性的序列集合Ω。在(3)中的相关性矩阵Q＝S^tS中，这两种方法均将自相关属性系数的最大量值限制为1。

第二优化步骤：优化新序列和GSM TSC之间的SNR恶化：

通过从Ω中选择|Ω1|个序列，其中在|Ω1|中的序列和所有GSMTSC之间具有最小平均SNR恶化值，来获得Ω的子集Ω1。Ω中的给定序列的平均SNR恶化是通过计算该序列以及GSM序列中的每个序列的恶化并对结果求平均来确定的。

第三优化步骤：优化新序列之间的SNR恶化：

选择Ω1的子集Ω2，其中在|Ω2|中的序列之间具有最小平均SNR恶化值。

第四优化步骤：优化新训练序列和对应的GSM TSC之间的SNR恶化：

从序列集合Ω2中确定|Ω3|＝8个序列。结果是图5A中的序列集合B。

序列搜索过程——第二方法

在序列搜索的另一种方法中，提供了一种与上述“第一方法”类似的搜索方案，其中，省略了第一优化步骤。在这种情况下，方法开始于第一方法的第二优化步骤，并且，通过从所有可能序列中选择|Ω1|个序列，其中在|Ω1|中的序列和目标集合Ψ的所有序列之间具有最小平均SNR恶化值，来获得序列集合Ω1。注意，在本实施例中序列不需要是循环的。使用图8的流程图的语言，省略块8-1，并且，“第一训练序列集合”变为候选训练序列集合。

应用于MUROS/VAMOS问题，在第二优化步骤中，通过从所有2²⁶个长度为26的可能序列中选择|Ω1|个序列，其中在|Ω1|中的序列和所有GSM训练序列之间具有最小平均SNR恶化值，来获得序列集合Ω1。结果是以上图6A的序列集合C。

训练序列的分配

已经定义了与目标训练序列集合结合使用的新训练序列集合或新训练序列集合的一部分，例如，与传统GSM训练序列结合的以上定义的集合A或集合A的一部分、与传统GSM训练序列结合的以上定义的集合B或集合B的一部分、或者与传统GSM训练序列结合的以上定义的集合C或集合C的一部分，提供了各种机制来分配训练序列。注意，这些机制对于本文提供的示例来数不是特定的。多用户操作的特定示例是上述MUROS/VAMOS操作，例如，其特定实施方式包括OSC或co-TCH或自适应符号星座图实施方式。

在实现多用户传输的小区中，在干扰有限的场景中，存在来自至少两个源的干扰。这包括：来自小区中相同物理传输资源上的其他用户的干扰；以及来自其他小区中相同物理传输资源的移动台的干扰。传统的移动台已经被配备为处理来自其他小区中使用相同物理传输资源的移动台的干扰。

具体察觉到多用户操作的移动台将被称作“多用户察觉的”。在特定示例中，察觉到VAMOS察觉操作的移动台可以例如被称作VAMOS察觉的移动台。这种移动设备被配置为能够使用目标集合中的任何训练序列和新集合中的任何训练序列。未具体察觉到多用户操作的移动台将被称作“多用户未察觉的”。这种移动设备被配置为能够使用仅目标集合中的训练序列。注意，仍然可以在多用户上下文中向多用户未察觉的移动台提供服务；这种移动台将以针对其他小区中使用相同物理传输资源的移动台的方式相同的方式，对来自相同小区中相同物理传输资源上的其他用户的干扰进行处理。

类似地，网络可以或可以不具有多用户能力。具有多用户能力的网络使用目标训练序列集合和新训练序列集合来工作，而不具有多用户能力的网络仅使用目标训练序列集合。

在一些实施例中，在网络配置期间向基站分配训练序列，并且该分配不改变，直到执行重新配置为止。利用来自目标集合的训练序列和来自新集合的训练序列来配置给定的多用户察觉的网络单元(如基站)。在基站执行多载波传输的情况下，对于基站所使用的每个载频，利用来自目标集合的相应训练序列和来自新集合的相应训练序列来配置基站。来自新集合的训练序列是与目标集合的训练序列最佳配对的训练序列，反之亦然。在这种情况下，分配给移动台的训练序列将依赖于先前执行的网络配置。随着移动台在覆盖区域之间移动，所分配的训练序列将改变。在一些实施例中，针对上行链路传输和下行链路传输，对给定的移动台分配相同的训练序列。在其他实施例中，可以分配不同的训练序列。

可以将网络的行为分为两类：在时隙仅用于单个用户时的行为；以及在时隙用于多个用户时的行为。

在时隙用于单个用户时的行为：

A)当由不具有多用户能力的网络向多用户察觉的MS提供服务时，将对该MS分配来自目标集合的一个训练序列，即，在网络配置期间或其他时候分配给服务基站的训练序列。使多用户察觉的移动台察觉到并能够使用目标训练序列集合和新训练序列集合。

B)当由具有多用户能力的网络向多用户察觉的MS提供服务时，如果存在空闲时隙，则该MS不需要与另一MS共享时隙。由于新训练序列已经被设计为平均比目标集合的训练序列具有更好的相关属性，因此将对该MS分配一个新的训练序列，即，在网络配置期间或其他时候分配给服务基站的新训练序列。

在时隙用于多个用户时的行为：

A)当由具有多用户能力的网络向第一多用户察觉的MS(MS-A)提供服务时，如上所述，给MS-A分配新训练序列，即，在网络配置期间或其他时候分配给服务基站的新训练序列。如果存在针对与第二MS(MS-B)共享相同时隙的请求，那么不管MS-B是否是多用户察觉的MS，都将给MS-B分配与MS-A正在使用的新训练序列最佳配对的、目标集合的训练序列，即，在网络配置期间或其他时候分配给服务基站的、目标集合的训练序列。

B)当由具有多用户能力的网络向第一多用户未察觉的MS(MS-A)提供服务时，将给MS-A分配来自目标集合的训练序列，即，在网络配置期间或其他时候分配给服务基站的来自目标集合的训练序列。如果存在针对MS-A与多用户察觉的第二MS(MS-B)共享相同时隙的请求，则将给MS-B分配与MS-A正在使用的目标集合的训练序列最佳配对的新训练序列，即，在网络配置期间或其他时候分配给服务基站的新训练序列。

在图9A和9B中示出了使用多用户时隙的训练序列分配的示例方法的流程图。图9A涉及上述情况A)，而图9B涉及上述情况B)。

现在参照图9A，当第一多用户察觉的移动台要与第二移动台共享时，块9A-1涉及向第一移动台分配新的训练序列。块9A-2涉及向第二移动台分配与第一移动台所使用的新训练序列最佳配对的、目标集合的训练序列，而不管第二移动台是否是多用户察觉的移动台。

现在参照图9B，当第一多用户未察觉的移动台要与多用户察觉的第二移动台共享时，块9B-1涉及向第一移动台分配来自目标集合的训练序列。块9B-2涉及向第二移动台分配与第一移动台所使用的训练序列最佳配对的、新集合中的训练序列。

示例发射机和接收机实施方式

现在将描述各种详细的示例发射机和接收机实施方式。图10A示出了用于下行链路传输的OSC(正交子信道)(或自适应符号星座图)的发射机。大多数组件是标准的，将不作详细描述。发射机包括训练序列储存库200，该训练序列储存库200包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。典型地，在网络配置期间或其他时候，将来自目标集合的训练序列和来自新集合的训练序列分配给发射机。在一些实施例中，对于多用户时隙，根据图9A或9B的方法，使用如此分配的训练序列，来指定一些特定示例。附图的其余部分是用于生成多用户信号的信号生成器的特定示例。

图10B示出了用于下行链路传输的OSC(正交子信道)的接收机对。大多数组件是标准的，将不作详细描述。每个接收机包括相应的存储器210，该存储器210包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。由上部的接收机使用它们中的一个(称为训练序列A)来执行定时/信道估计和DARP处理，并且由下部的接收机使用它们中的另一个(称为训练序列B)来执行定时/信道估计和DARP处理。由网络分配接收机所使用的训练序列，并且这些训练序列必须与所发送的训练序列相匹配。当移动台移动到已分配有不同训练序列的不同覆盖区域时，移动台相应地改变其所使用的训练序列。

图11A示出了用于下行链路传输的co-TCH(协同业务信道)的发射机。大多数组件是标准的，将不作详细描述。发射机包括训练序列储存库200，该训练序列储存库200包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。典型地，在网络配置期间或其他时候，将来自目标集合的训练序列和来自新集合的训练序列分配给发射机。在一些实施例中，对于多用户时隙，根据图9A或9B的方法，使用如此分配的训练序列，来指定一些特定示例。附图的其余部分是用于生成多用户信号的信号生成器的特定示例。

图11B示出了用于下行链路传输的co-TCH(协同业务信道)的接收机对。大多数组件是标准的，将不作详细描述。每个接收机包括相应的存储器210，该存储器210包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。由上部的接收机使用它们中的一个(称为训练序列A)来执行定时/信道估计和DARP处理，并且由下部的接收机使用它们中的另一个(称为训练序列B)来执行定时/信道估计和DARP处理。由网络分配接收机所使用的训练序列，并且这些训练序列必须与所发送的训练序列相匹配。当移动台移动到已分配有不同训练序列的不同覆盖区域时，移动台相应地改变其所使用的训练序列。

图12A示出了用于上行链路传输的OSC或co-TCH(协同业务信道)的发射机对。大多数组件是标准的，将不作详细描述。每个发射机包括训练序列储存库210，该训练序列储存库210包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。两个发射机使用相同的载频和相同的时隙。这类似于由网络生成的多用户信号，但是在这种情况下，在相应移动台中而不是在单个发射机中生成相应的组件。由网络来分配用于上行链路传输的训练序列，并且，当给定的移动台切换至不同的覆盖区域时，用于上行链路传输的训练序列将改变。

图12B示出了由两个接收机构成的接收装置，这两个接收机用于接收来自图12A的移动台对的、用于上行链路传输的OSC或co-TCH中的相应传输。大多数组件是标准的，将不作详细描述。接收机包括训练序列储存库100，该训练序列储存库100包含目标训练序列集合和使用上述方法之一生成的新训练序列集合。由上部的接收机使用它们中的一个(称为训练序列A)来执行定时估计、联合信道估计/检测，并且由下部的接收机使用它们中的另一个(称为训练序列B)来执行定时估计、联合信道估计/检测。

在一些实施例中，本文描述的方案用于产生针对参照图1描述的GSM帧格式的训练序列。更一般地，可以应用该方案以发送以下帧格式：其中，具有该帧格式的针对给定用户的内容至少包括相应的训练序列和有效载荷，该有效载荷仅包括任何非训练序列内容。

在所描述的所有实施例中，已经使用SNR恶化作为优化序列的互相关属性的优化准则。更一般地，可以使用其他优化准则来优化序列的互相关属性。特定示例包括：

1)与互相关系数的幅度相关的参数(最大值、平均值、方差等等)；

2)基于仿真的优化；

3)其他相关性优化准则。

在一些实施例中，利用整个目标训练序列集合和整个新训练序列集合来对每个基站编码。例如，出于发送的目的，可以利用整个目标训练序列集合和整个新训练序列集合来配置基站的训练序列储存库200。

在另一个实施例中，利用来自目标训练序列集合的至少一个训练序列(例如，所有训练序列中的一个训练序列)以及利用来自新训练序列集合的至少一个训练序列(例如，一个训练序列或全部训练序列)，对每个基站编码进行编码，或更一般地，对每个发射机进行编码。来自新训练序列集合的训练序列可以包括与来自目标训练序列集合的训练序列最佳配对的、来自新训练序列集合的训练序列。在一些实施例中，在网络建立期间，利用这种训练序列来对每个基站进行配置。

利用来自由目标集合构成的集合的至少一个训练序列以及来自由新训练序列集合构成的集合的至少一个训练序列而编码的发射机或接收机还可以是利用除了目标训练序列集合和新训练序列集合之外的一个或多个训练序列而编码的。

在一些实施例中，利用目标训练序列集合的至少一个(例如一个或所有)训练序列以及新训练序列集合的至少一个(例如一个或所有)训练序列来对每个接收机(例如每个移动台)进行编码。例如，出于发送的目的，可以利用至少一个目标训练序列和至少一个新训练序列来配置移动台的训练序列储存库210。当利用目标训练序列集合和新训练序列集合的所有训练序列而编码时，这将允许移动台在被分配有来自目标训练序列集合和/或来自新训练序列集合的任何训练序列的基站之间执行切换。

利用训练序列编码的发射机或接收机是具有由发射机或接收机以某种方式存储并可使用的训练序列的发射机或接收机。具有特定训练序列的发射机或接收机(如基站或移动台)是能够使用特定训练序列的发射机或接收机。这并未传达在移动台上存储训练序列的主动步骤，尽管可以在前面加上这种主动步骤。可能例如先前在设备配置期间已经存储训练序列。

鉴于上述教导，本公开的多种修改和变更是可能的。因此应当理解，在所附权利要求的范围内，可以实施与本文具体描述不同的实施例。

Claims (27)

1.一种计算机实现的方法，包括：

优化第一训练序列集合的序列和目标训练序列集合的序列之间的互相关性，以产生第二训练序列集合；

优化所述第二训练序列集合的序列之间的互相关性，以产生第三训练序列集合；

优化所述第三训练序列集合的序列和所述目标训练序列集合的对应序列之间的互相关性，以产生第四训练序列集合；

输出所述第四训练序列集合，以在多用户传输系统中使用。

2.一种计算机实现的方法，包括：

优化第一训练序列集合中的序列之间的互相关性，以产生第二训练序列集合；

优化所述第二训练序列集合的序列和目标训练序列集合的序列之间的互相关性，以产生第三训练序列集合；

优化所述第三训练序列集合的序列和所述目标训练序列集合的对应序列之间的互相关性，以产生第四训练序列集合；以及

输出所述第四训练序列集合，以在多用户传输系统中使用。

3.根据权利要求1和2中任一项所述的方法，还包括：

优化候选训练序列集合的自相关性，以产生所述第一训练序列集合。

4.根据权利要求1至3中任一项所述的方法，其中，优化互相关性包括基于从由以下各项构成的组中选择的准则来进行优化：

SNR恶化；

与互相关系数的幅度相关的参数；

基于仿真的优化。

5.一种利用数据结构编码的计算机可读介质，所述数据结构包括：

来自由以下训练序列构成的第一训练序列集合的至少一个训练序列：

；以及

来自由以下训练序列构成的第二训练序列集合的至少一个训练序列：

。 

6.根据权利要求5所述的计算机可读介质，其中，所述数据结构还提供所述来自第一集合的至少一个训练序列中的每个训练序列和来自第二集合的对应的最佳配对训练序列之间的一对一配对。

7.一种能够直接加载至计算机的内部存储器中的计算机程序产品，包括：软件代码部分，用于在所述产品在计算机上运行时执行根据权利要求1至4中任一项所述的步骤。

8.一种发射机，包括：

信号生成器，被配置为使用载频和时隙来生成信号，其中，至少一些时隙包含针对多个接收机的内容，针对每个接收机和每个时隙的内容至少包括相应的训练序列；

所述发射机是利用来自由以下训练序列构成的第一训练序列集合的至少一个训练序列来编码的：

。

9.根据权利要求8所述的发射机，其中：

由所述信号生成器生成的信号使得：对于包含针对多个接收机的内容的时隙中的至少一些时隙，针对所述多个接收机中的至少一个接收机的相应训练序列包括来自所述第一训练序列集合的第一训练序列。

10.根据权利要求9所述的发射机，其中，由所述信号生成器生成的信号使得：对于包含针对多个接收机的内容的时隙中的所述至少一些时隙，针对所述多个接收机中的至少一个接收机的相应训练序列包括来自由以下训练序列构成的第二训练序列集合的第二训练序列：

。

11.根据权利要求10所述的发射机，其中，对于包含针对多个接收机的内容的时隙中的所述至少一些时隙，所述第二训练序列是所述第二训练序列集合中与所述第一训练序列最佳配对的序列。

12.一种方法，包括：

针对载频上要包含多用户信号的时隙：

通过将针对至少两个接收机中每个接收机的相应训练序列以及针对每个接收机的相应有效载荷进行组合，生成多用户信号，其中，针对所述多个接收机中的至少一个接收机的相应训练序列包括来自由以下训练序列构成的第一训练序列集合的第一训练序列：

；以及

发送所述信号。

13.根据权利要求12所述的方法，其中，针对所述多个接收机中的至少一个接收机的相应训练序列包括来自由以下训练序列构成的第二训练序列集合的第二训练序列：

。

14.根据权利要求13所述的方法，其中，所述第二训练序列是所述第二训练序列集合中与所述第一训练序列最佳配对的训练序列。

15.根据权利要求13所述的方法，其中，所述方法被应用于生成两用户信号，所述方法还包括：

当第一多用户察觉的接收机要与第二接收机共享时：

a)向第一接收机分配所述第一训练序列；

b)向第二接收机分配所述第二训练序列。

16.根据权利要求15所述的方法，还包括：

当第一多用户未察觉的接收机要与多用户察觉的第二接收机共享时：

a)向第一接收机分配所述第二训练序列；

b)向第二接收机分配所述第一训练序列。

17.根据权利要求12所述的方法，还包括：

通过发送对来自第一集合的训练序列进行分配的分配，分配所述第一集合的训练序列。

18.根据权利要求13所述的方法，还包括：

通过发送对来自第一集合的训练序列进行分配的分配，分配所述第一集合的训练序列；

通过发送对来自第二集合的训练序列进行分配的分配，分配所述第二集合的训练序列。

19.一种接收机，包括：

至少一根天线；

其中，所述接收机是利用来自由以下训练序列构成的第一训练序列集合的至少一个训练序列来编码的：

；以及，所述接收机还是利用来自由以下训练序列构成的第二训练序列集合的至少一个训练序列来编码的：

；以及其中，所述接收机还被配置为使用从所述来自所述第一训练序列集合的至少一个训练序列和所述来自所述第二训练序列集合的至少一个训练序列之一中选择的训练序列来进行操作。

20.一种移动设备，包括根据权利要求19所述的接收机。

21.根据权利要求20所述的移动设备，其中，所述移动设备是利用第一集合的所有训练序列来编码的。

22.一种基站，包括根据权利要求19所述的接收机。

23.根据权利要求20所述的移动设备，还被配置为：随着移动台移动，接收不同训练序列的分配。

24.一种用于移动设备的方法，包括：

所述移动设备具有来自由以下训练序列构成的第一训练序列集合的至少一个训练序列：

；所述移动设备还具有来自由以下训练序列构成的第二训练序列集合的至少一个训练序列：

；以及

使用从所述来自所述第一训练序列集合的至少一个训练序列和所述来自所述第二训练序列集合的至少一个训练序列之一中选择的训练序列来进行操作。

25.根据权利要求24所述的方法，还包括：

接收对第一集合的训练序列进行分配的分配。

26.根据权利要求24所述的方法，还包括：

接收对第二集合的训练序列进行分配的分配。

27.一种训练序列的用途，将来自由以下训练序列构成的训练序列集合的训练序列作为蜂窝无线电话中的训练序列使用：

。

Images