CN102177663B - 处理接收信号的方法及相应的接收机 - Google Patents

Abstract

通过检测(18)每个接收信号的一组多径分量，以及根据所述一组多径分量中至少一个导频信号的多径分量来计算(22)一组信道系数，处理经由多个分集天线(12)从受到多径传播的信道接收(14，16)并且包含至少一个导频信号的信号，其中，所述一组信道系数被组织成信道系数向量。根据所述信道系数向量，利用下述步骤来估计(22)将应用(24)于接收信号的一组合并权重(w)：通过忽略信道系数向量的具有不同延迟的多径分量之间的相关性来计算(22)信道系数向量的空间相关矩阵，从而相关矩阵是除了沿所述相关矩阵的对角线排列的非零子矩阵之外包含零系数的块对角矩阵，其中，所述子矩阵的尺寸等于分集天线的数目；通过计算所述子矩阵的逆矩阵或者其缩放形式，从所述空间相关矩阵得到(22)结果矩阵；和把结果矩阵与信道系数向量相乘(22)，以获得期望的一组合并权重(w)。

Description

处理接收信号的方法及相应的接收机

技术领域

本公开涉及通信技术。

具体地说，本公开涉及接收天线分集技术。

背景技术

作为第三代合作伙伴计划(3GPP)版本5规范的一部分，在2002年已使高速下行链路分组接入(HSDPA)标准化，目的是提高分组数据传输的下行链路频谱效率。

本质上，HSDPA引入了一个新的公共高速下行链路共享信道(HS-DSCH)，该高速下行链路共享信道由特定扇区中的所有用户共享。另外，HSDPA引入了某些能够在物理层实现高速分组数据传输的机制，比如2ms的短传输时间间隔(TTI)、自适应调制和编码(AMC)、基于混合自动重复请求(H-ARQ)技术的快速重传和位于节点B(即，基站)中的中央调度器。

实现HSDPA的一个要素是位于基站(节点B)中的中央调度器。对于每个TTI，该调度器确定HS-DSCH应被传给哪个终端(或哪些终端)，以及由于调制和编码的自适应选择(AMC)对该用户来说能够实现的数据速率。相对于99版信道来说，HS-DSCH的一个重要变化在于调度器位于与无线电网络控制器(RNC)相对的节点B。结合短TTI和从用户设备(UE)反馈的信道质量指示符(CQI)，这使得调度器能够通过相应地调适数据速率分配来快速跟踪UE信道状况。

在2ms长的每个TTI内，为16的恒定扩频因子(SF)可被用于码复用，最多15个并行代码被分配给HS-DSCH。这些代码可在TTI期间被全部分配给一个用户，或者可分用于几个用户。分配给每个用户的并行代码的数目可取决于例如小区负载、服务质量(QoS)要求和UE代码能力(5、 10或15个代码)。

最初的HSDPA终端可实现的峰值数据速率为1.8Mbit/s，这对应于在存在正交相移键控(QPSK)调制的情况下支持最多5个并行代码。随着信号处理能力的提高，在市场上可获得的HSDPA终端还支持正交调幅(16-QAM)和多于5个代码。潜地在，HSDPA可提供未来将通过采用在3GPP规范的版本7和8中预见的多天线传输技术(比如多入多出(MIMO)系统)和更高阶调制(比如64-QAM调制)被增大的14.4Mbit/s的峰值吞吐量。

为了支持HS-DSCH操作，增加了两个控制信道：下行链路中的高速共享控制信道(HS-SCCH)和上行链路中的高速专用物理控制信道(HS-DPCCH)。

HS-SCCH信道承载HS-DSCH解调所需的关键信息。目前，HS-SCCH信道是相对于相应的HS-DSCH TTI提前两个时隙传送扩频因子SF＝128的固定速率公共信道，如图1中所示。

HSDPA下行链路信道(即，HS-SCCH和HS-DSCH)的每一帧F包含5个块B，其中每个块B又包含三个时隙S。对于HS-SCCH来说，每个块B的三个时隙的持续时间被分成两个功能部分P1和P2。第一部分，即P1包含时间关键参数，比如HS-DSCH所使用的一组扩频码和调制方案(QPSK或16-QAM)。第二部分，即P2包含不太时间关键的信息，比如传送块尺寸(TBS)、冗余版本(例如，Chase合并或递增冗余)、H-ARQ进程数和指示信息被发给哪个终端的UE身份(UE ID)。

一般来说，在给定时间，每个终端最多监测四个HS-SCCH，并且所考虑的HS-SCCH通过网络被用信号通知给所述终端。

HSDPA系统以码分多址(CDMA)技术为基础，从而在不同小区内采用单频重用。因此，同信道干扰是限制HSDPA网络的吞吐量性能的关键因素之一。同信道干扰可由被同一小区服务的用户产生(小区内干扰)以及由被相邻小区服务的用户产生(小区间干扰)。

在存在多径传播(频选信道)的情况下可能出现小区内干扰，因为多径传播会降低扩频码正交性。一般来说，在服务基站附近的用户经历最大 的小区内干扰，在服务基站附近，功率最大地收到其它用户的信道和控制信道。

小区间干扰可以是网络负载的函数，对位于小区边界的用户来说，小区间干扰通常最高，在小区边界，从相邻小区接收的功率通常更大。

由于这些原因，3GPP定义了与传统Rake接收机相比提供更好性能的几类高级接收机，以便提高HSDPA的吞吐量性能。这些高级接收机具备降低同信道干扰的影响的信号处理功能。具体地，所述“高级”HSDPA接收机可被分成三种主要类型：

-具备接收天线分集的类型1接收机；

-具备码片级均衡的类型2接收机；

-具备接收天线分集和码片级均衡两者的类型3接收机。

接收天线分集(类型1和类型3接收机)可用于减轻小区间干扰。试图使信道的等效频率响应变平的码片级均衡器(类型2和类型3接收机)可用于降低小区内干扰。

类型1接收机一般包含双天线子系统，即，两个RF接收机(包括两个A/D转换器)和包含Rake接收机的一个基带处理单元。一般来说，每个天线被分配K个分支，在类型1接收机中分配的分支的总数通常为N＝2K。随后，基带处理单元能够借助一组合并系数来合并由Rake接收机的不同分支接收的信号。

文献中提出了用于计算这些合并系数的几种技术。例如，在商用HSDPA调制解调器中广泛使用最大比合并(MRC)。

最近，一些芯片集厂家正在考虑引入更复杂的降低小区间干扰的合并方法。尤其是，最小均方误差(MMSE)合并技术看来是优选的解决方案，因为它最大化合并器输出端处的信号与干扰加噪声比(SINR)。

关于这一点，文献WO-A-03/023988描述了一种具有MMSE合并的双天线Rake接收机的体系结构。在同时考虑M·L个接收回波的情况下计算MMSE权重，其中，M≥2是接收天线的数目，L是每个天线的回波的数目。借助解扩后的导频符号来估计尺寸为(M·L)×(M·L)的接收信号相关矩阵。通过进行相关矩阵的直接求逆，或者利用通过参考导频符号训练的迭代过程，比如最小均方(LMS)或归一化最小均方(NLMS)技术，来实现MMSE算法。

R.M.Shubair的文献“Robust adaptive beamforming using LMS algorithm with SMI initialization”(IEEE Antennas and Propagation Society International Symposium，卷4A，页2-5，2005年7月3-8日)描述了一种加速LMS算法的收敛的初始化方法。利用样本矩阵求逆(SMI)技术(一种面向块数据的方法)来计算将在LMS更新方程中使用的初始权重向量。在利用SMI技术来估计初始权重之后，通过更新用于每个输入的信号样本的权重，组合LMS/SMI过程利用连续逼近来使它自己适合于变化的信号环境。

发明内容

就适合于在上面概述的环境中使用的各种合并技术和算法而论，发明人注意到：

-最大比合并(MRC)技术表现出固有的低复杂性，但是在产生任意种类的小区间干扰抑制方面几乎无效。结果，在存在具有精确到达方向的相关干扰信号时的无线电链路性能方面，MRC合并是次最优的；

-最小均方误差(MMSE)技术实现更好的性能，但需要相关矩阵的求逆，这会使其实现变得复杂；

-最小均方(LMS)算法缓慢收敛，如果与其它更复杂的算法相比的话：例如，样本矩阵求逆(SMI)算法具有更快的收敛特性；

-SMI算法是计算密集的，因为SMI算法的快速收敛是通过使用矩阵求逆运算来实现的；此外，SMI算法具有块自适应步骤，该块自适应步骤要求在块采集操作期间信号环境不受显著变化影响；

-LMS算法可以更快地收敛，如果使用针对性初始化的话。

从而，本发明的目的是在上面考虑的环境内提供一种估计基带处理单元的合并系数的技术，其性能与最小均方误差技术相当，但复杂性较低。

按照本发明，利用一种处理经由多个分集天线从受到多径传播的信道接收的信号的方法来实现所述目的，每个接收信号包含至少一个导频信号，所述方法包括下述步骤：检测每个所述接收信号的一组多径分量，根据所述一组多径分量中所述至少一个导频信号的多径分量来计算一组信道系数，所述一组信道系数被组织成信道系数向量，根据所述信道系数向量来估计将应用于所述接收信号的一组合并权重，其中，所述根据所述信道系数向量来估计将应用于所述接收信号的一组合并权重的步骤 包括下述步骤：通过忽略所述信道系数向量的具有不同延迟的多径分量之间的相关性，来计算所述信道系数向量的空间相关矩阵，从而所述相关矩阵是除了沿所述相关矩阵的对角线排列的非零子矩阵之外包括零系数的块对角矩阵，其中，所述子矩阵的尺寸等于所述分集天线的数目；通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到结果矩阵；以及把所述结果矩阵与所述信道系数向量相乘，以获得所述一组合并权重。本发明还涉及相应的接收机以及相关的计算机程序产品，所述计算机程序产品可被载入至少一个计算机的存储器中，并且包括当在计算机上运行所述计算机程序产品时实现本发明的方法的各个步骤的软件代码部分。这里使用的对这种计算机程序产品的引用旨在等效于对包含用于控制计算机系统来协调本发明的方法的执行的指令的计算机可读介质的引用。对“至少一个计算机”的引用显然旨在突出以分布/模块化方式来实现本发明的可能性。

权利要求书是这里提供的本发明的公开的组成部分。

这里说明的配置的一个实施例涉及计算接收天线分集系统中的基带处理单元的合并系数的技术。例如，这样的合并系数可用在具有分配给接收天线的N个分支的Rake接收机中，其中，每个分支被分配给接收信号的一个多径分量(即，复本或者回波)。

在一个实施例中，通过为每个OVSF(正交可变扩频因子)码提供N个分支来实现对HS-DSCH信道的多个OVSF码的支持(5或10个OVSF码)。在UMTS/HSPA系统中，OVSF码用于扩展在不同的数据信道和控制信道上传送的符号。这些代码是从反映Hadamard矩阵的结构的OVSF码树得到的。每个数据或控制信道被分配给与分配给其它信道的代码正交的一个或多个OVSF码。

在一个实施例中，借助例如在公共导频信道(CPICH)上传送的导频符号来估计相关矩阵

在一个实施例中，使用相关矩阵 的近似，近似矩阵可被求逆，而避免复杂的运算。

在一个实施例中，通过忽略具有不同延迟的回波之间的相关性来近似相关矩阵 ，该近似被应用于在相同天线和不同天线上接收的回波。这种近似使相关矩阵 成为块对角矩阵，所述块对角矩阵可通过简单的数学运算来求逆。

在一个实施例中，使用具有两个接收天线的HSDPA系统，并且相同数目的分支K＝N/2被分配给每个接收天线。在这种情况下，近似相关矩阵由K个尺寸为2×2的子块形成，其中，K是接收回波的数目。

在一个实施例中，通过仅仅进行符号反演和元素交换来对子块求逆(即，避免被子块的行列式的任何相除)。

随后，把近似相关矩阵的逆矩阵乘以表示接收信号向量和基准发射符号的共轭之间的互相关的向量s _d，以便获得MMSE近似权重。

在一个实施例中，通过对某个时间间隔，比如一个TTI内的系数求平均来估计相关矩阵 和向量s _d的元素。

随后，把这些权重与例如解扩之后获得的HS-DSCH信道的数据符号合并。

在一个实施例中，通过利用解扩后的导频符号，在符号级(即，在解扩操作之后)进行合并权重的计算，但是不同多径分量的合并是在码片级(即，在解扩操作之前)进行的。

在一个实施例中，利用近似MMSE技术计算的权重被用于初始化最小均方(LMS)或归一化最小均方(NLMS)迭代过程。

在一个实施例中，使用NLMS过程，所述NLMS过程在码片级直接作用于在数字前端的输出端提供的信号，另外，合并操作是在码片级进行的。本领域的技术人员会认识到，当在符号级执行LMS过程和/或合并操作时，也可应用相同的原理。

在一个实施例中，在收到任何数据之前，进行近似MMSE权重的计算和NLMS过程的多次迭代。例如，在HS-DSCH上收到任何数据之前，在收到HS-SCCH上的第一个时隙时立即开始计算。与开始HS-DSCH的解调同时，NLMS过程随后可通过更新权重来跟踪信道变化。

附图说明

下面参考附图，举例说明本发明，其中：

图1已在前面进行了讨论；

图2和3是结合了提出的近似MMSE合并技术的HSDPA类型1接收机的方框图；

图4是使用提出的近似MMSE技术来初始化NLMS过程的HSDPA类型1接收机的方框图；

图5示出了提出的技术的可能定时；以及

图6是详细图解说明提出的技术的各个步骤的流程图。

具体实施方式

在下面的说明中，给出了众多的具体细节以便透彻理解实施例。可在没有一个或多个所述具体细节的情况下实践实施例，或者可用其它方法、组件、材料等来实践实施例。在其它情况下，未详细示出或描述公知的结构、材料或运算，以避免模糊实施例的各个方面。

说明书中对“一个实施例”的引用意味着结合该实施例描述的特定特征、结构或特性包括在至少一个实施例中。从而，用语“在一个实施例中”在说明书中各个地方的出现不一定指的都是同一个实施例。此外，在一个或多个实施例中，可按照任何适当的方式来组合特定的特征、结构或特性。

这里提供的标题只是为了方便起见，并不解释实施例的范围或含义。

更重要的是，尽管在本说明书中主要涉及HSDPA系统(即，两个接收天线)，但是本领域的技术人员会认识到，对HSDPA通信标准或UMTS根本没有做出任何具体限制。事实上，这里公开的机制可以用在具有接收天线分集的任何通信情形中。

在下面的数学方程式中，运算符(.)^*将被用于表示复共轭，而运算符(.)^H表示转置运算和共轭运算。一般来说，向量被表示成粗体的下划线字符，而矩阵是粗体的，带有双下划线。

精确的MMSE合并

按照本身在很大程度上已知的方式，在基于MMSE算法的信号接收情况下，可通过最小化合并单元的输出和发射符号之间的均方误差(MSE)来计算MMSE权重向量。通过用J表示MSE，可写出

$\begin{array}{c}J=E\left\{{|s-{\underset{\‾}{w}}^H\underset{\‾}{r|}}^2\right\}=E\left\{(s-{\underset{\‾}{w}}^H\underset{\‾}{r}){(s-{\underset{\‾}{w}}^H\underset{\‾}{r})}^H\right\}\\ =E\{{\left|s\right|}^2-s{\underset{\‾}{r}}^H\underset{\‾}{w}-{\underset{\‾}{w}}^H\underset{\‾}{r}{s}^{*}+{\underset{\‾}{w}}^H\underset{\‾}{r}{\underset{\‾}{r}}^H\underset{\‾}{w}\}\end{array}---\left(1\right)$

其中，s是发射信号，r是接收信号，以及w＝[w₁w₂··w_N]^T是MMSE权重向量。通过堆叠由分配给两个天线的N个分支解调的符号r_j(1≤j≤N)，可以写出接收信号向量r：

r＝[r₁ r₂··r_N]^T＝cs+n (2)

其中，c是包含例如通过利用CPICH信道估计的相应有用信号路径的信道系数的N×1列向量：

c＝[c₁ c₂··c_N]^T (3)

n是N×1干扰信号向量，它包括例如同信道干扰和热噪声：

n＝[n₁ n₂··n_N]^T (4)

其中，n的元素具有零均值和方差

基带处理单元中的合并器的输出可被表示成

y＝w ^H r (5)

其中，w是MMSE合并向量

w＝[w₁ w₂··w_N]^T (6)

通过使J的导数等于0并求解w，获得最佳MMSE权重向量：

$\▿\left(J\right)=0\⇒{\underset{\‾}{w}}_{\mathrm{opt}}={\underset{\‾}{\underset{\‾}{R}}}_r^{-1}{\underset{\‾}{s}}_d---\left(7\right)$

其中， 是接收信号向量r的相关矩阵，s _d＝E{s^＊ r}是接收信号向量r和基准发射符号的共轭之间的互相关。

相关矩阵 的表达式可被进一步扩展并表示成有用信号相关矩阵和干扰信号相关矩阵的函数：

$\begin{array}{c}{\underset{\‾}{\underset{\‾}{R}}}_r=E\left\{\underset{\‾}{r}{\underset{\‾}{r}}^H\right\}=E\{\underset{\‾}{c}s+\underset{\‾}{n}{(\underset{\‾}{c}s+\underset{\‾}{n})}^H\}\\ =E\{\underset{\‾}{c}{\underset{\‾}{c}}^H{\left|s\right|}^2+\underset{\‾}{n}{\underset{\‾}{n}}^H+\underset{\‾}{c}s{\underset{\‾}{n}}^H+\underset{\‾}{n}{\underset{\‾}{c}}^H{s}^{*}\}={\underset{\‾}{\underset{\‾}{R}}}_s+{\underset{\‾}{\underset{\‾}{R}}}_n\end{array}---\left(8\right)$

其中， 是有用信号相关矩阵， 是干扰加噪声相关矩阵。

MMSE技术利用干扰信号相关矩阵的知识来抑制干扰信号，从而使合并之后的SINR最大化。通过绘制天线的辐射图，也可在空间域中使这种效果可视化。通常，MMSE技术试图把辐射图的最小值放置在干扰信号到达的方向上，并使辐射图的最大值对应于有用信号方向。

近似MMSE技术

在本公开的一个实施例中，使用近似MMSE技术来避免相关矩阵的复杂求逆。所提出的技术的实现复杂性与MRC合并类似，但在平均吞吐量方面提供更好的性能。

通过使合并单元的输出和发射信号(它是接收机的期望输出)之间的 MSE最小化来计算MMSE权重向量。这产生下述表达式

${\underset{\‾}{w}}_{\mathrm{mmse}}={\underset{\‾}{\underset{\‾}{R}}}_r^{-1}{\underset{\‾}{s}}_d---\left(9\right)$

其中， 是接收信号的相关矩阵，s _d＝E{s^＊ r}是接收信号向量r和基准发射符号的共轭之间的互相关，其中，向量s _d包含每个接收的多径分量所看到的信道系数的平均值。通过把N个分支的输出端处的接收符号表示成

r＝[r₁ r₂··r _N]^T＝cs+n (10)

能够把s _d重写为

${\underset{\‾}{s}}_d=E\left\{s^{*}\underset{\‾}{r}\right\}=E\left\{s^{*}(\underset{\‾}{c}s+\underset{\‾}{n})\right\}={\mathrm{\σ}}_s^{2}E\left\{\underset{\‾}{c}\right\}---\left(11\right)$

其中， 是发射信号的功率。

如前所示，相关矩阵是N×N复矩阵，其中，N是分配给两个天线的分支的总数，并且其中，Rake接收机的每个分支被分配给接收信号的一个复本(即，回波)。

在一个实施例中，使用具有两个接收天线的HSDPA接收机，并且相同数目的分支K＝N/2被分配给每个接收天线。在类型1的商用HSDPA手机和数据卡中通常使用这种配置。然而，本领域的技术人员会认识到，可以使用任意数目的接收天线。

在这种情况下，可利用下面的符号来表示相关矩阵

${\underset{\‾}{\underset{\‾}{R}}}_r=\left[\begin{array}{ccccccccc}{\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{1,2}}& \·\·\·& {\mathrm{\ρ}}_{1,K}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{1,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{1,K}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{1,K}^{\mathrm{2,2}}\\ {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{1,2}}& \·\·\·& {\mathrm{\ρ}}_{2,K}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{2,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{2,K}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{2,K}^{\mathrm{2,2}}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ {\mathrm{\ρ}}_{K,1}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,1}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{1,2}}& \·\·\·& {\mathrm{\ρ}}_{K,K}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{K,1}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,1}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{K,K}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,K}^{\mathrm{2,2}}\end{array}\right]---\left(12\right)$

其中， 表示第n个天线的第i个回波和第m个天线的第j个回波之间的相关性，1≤i，j≤K，以及1≤n，m≤2。例如， 表示天线n＝1的回波i＝1和天线m＝1的回波j＝2之间的相关性。例如，矩阵的第一行包含在第一天线上接收的第一回波与这两个天线接收的所有其它回波的相关性(即，第一 行由元素 形成)。类似地，第二行包含在第二天线上接收的第一回波与这两个天线接收的所有其它回波的相关性(即，第二行由元素 形成)。

相关矩阵的对角元素 用相同的回波索引(即，i＝j)和相同的天线索引(即，n＝m)来表征，并代表各个回波的功率。例如，元素 代表在第二天线上接收的第一回波的功率。

此外，对于相关性的性质，下述关系 通常成立，这意味着相关矩阵 是Hermitian矩阵。

因此，通过把对角元素表示成各个回波的功率，可以重写相关矩阵

${\underset{\‾}{\underset{\‾}{R}}}_r=\left[\begin{array}{ccccccccc}{P}_1^1& {\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{1,2}}& \·\·\·& {\mathrm{\ρ}}_{1,K}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{1,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{\mathrm{1,1}}^{\mathrm{2,1}}& P_1^2& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{1,2}}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{1,3}}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{1,K}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{1,K}^{\mathrm{2,2}}\\ {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{1,2}}& P_2^1& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{1,2}}& \·\·\·& {\mathrm{\ρ}}_{2,K}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{2,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,1}}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{\mathrm{2,2}}^{\mathrm{2,1}}& P_2^2& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{\mathrm{2,3}}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{2,K}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{2,K}^{\mathrm{2,2}}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ {\mathrm{\ρ}}_{K,1}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,1}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{1,2}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{1,1}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{1,2}}& \·\·\·& P_K^1& {\mathrm{\ρ}}_{K,K}^{\mathrm{1,2}}\\ {\mathrm{\ρ}}_{K,1}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,1}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,2}^{\mathrm{2,2}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{2,1}}& {\mathrm{\ρ}}_{K,3}^{\mathrm{2,2}}& \·\·\·& {\mathrm{\ρ}}_{K,K}^{\mathrm{2,1}}& P_K^2\end{array}\right]---\left(13\right)$

在一个实施例中，在HSDPA接收机中借助在公共导频信道(CPICH)上发射的导频符号来估计相关矩阵 例如，可用下面的公式来计算相关系数

${\mathrm{\ρ}}_{i,j}^{n,m}=\frac{1}{Q}\underset{k=0}{\overset{Q-1}{\mathrm{\Σ}}}{c}_i^n\left(k\right)\·{\left[c_j^m\left(k\right)\right]}^{*}---\left(14\right)$

其中，Q是在考虑的时间间隔内CPICH符号的数目(例如，在2ms的TTI间隔内，Q＝30)， 是包含第n个天线的第i个分支的输出端处的CPICH导频符号的向量，以及 是包含第m个天线的第j个分支的输出端处的CPICH导频符号的向量。

在一个实施例中，通过对相同时间间隔内的信道系数取平均来估计向量s _d的元素。例如，在第n个天线上接收的第i个路径的平均信道系数被计算为

$<c_i^n>=\frac{1}{Q}\underset{k=0}{\overset{Q-1}{\mathrm{\&Sigma;}}}{c}_i^n\left(k\right)---\left(15\right)$

在一个实施例中，按照在相关矩阵中使用的排序来实现向量s _d中的元素的排序，从而如下所示形成该向量

${\underset{\&OverBar;}{s}}_d=\left[\begin{array}{c}<c_1^1>\\ <c_1^2>\\ <c_2^1>\\ <c_2^2>\\ <c_3^1>\\ <c_3^2>\\ \&CenterDot;\&CenterDot;\&CenterDot;\\ <c_K^1>\\ <c_K^3>\end{array}\right]---\left(16\right)$

在一个实施例中，使用相关矩阵 的近似，近似矩阵可被求逆，而避免复杂的运算。

在一个实施例中，通过忽略具有不同延迟的回波之间的相关性来近似相关矩阵，并且对于在相同天线和不同天线上接收的回波都应用这种近似。通过利用这种近似，要在接收机中计算的相关性的数目被减小，从而相应降低计算复杂性。

所述近似简化了相关矩阵的结构，例如在具有K＝2个回波的多径信道的情况下，所述相关矩阵变成如下所示的块对角矩阵：

${\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_r=\left[\begin{array}{cccc}{\mathrm{\&rho;}}_{11}^{11}& {\mathrm{\&rho;}}_{11}^{12}& 0& 0\\ {\mathrm{\&rho;}}_{11}^{21}& {\mathrm{\&rho;}}_{11}^{22}& 0& 0\\ 0& 0& {\mathrm{\&rho;}}_{22}^{11}& {\mathrm{\&rho;}}_{22}^{12}\\ 0& 0& {\mathrm{\&rho;}}_{22}^{21}& {\mathrm{\&rho;}}_{22}^{22}\end{array}\right]=\left[\begin{array}{cc}{\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_1& 0\\ 0& {\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_2\end{array}\right]---\left(17\right)$

在一个实施例中，接收的回波的数目等于K，并且近似相关矩阵由K个尺寸为2×2的子块形成。

块对角结构允许简化矩阵求逆。事实上，块对角矩阵的逆矩阵仍然是块对角矩阵，并可通过单独对每个子块求逆而获得，如下关于K个回波的一般情况所示：

${\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_r^{-1}={\left[\begin{array}{cccc}{\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_1& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& {\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_2& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \&CenterDot;\&CenterDot;\&CenterDot;& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& {\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_K\end{array}\right]}^{-1}=\left[\begin{array}{cccc}{\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_1^{-1}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& {\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_2^{-1}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \&CenterDot;\&CenterDot;\&CenterDot;& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}\\ \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& \underset{\&OverBar;}{\underset{\&OverBar;}{0}}& {\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_K^{-1}\end{array}\right]---\left(18\right)$

本领域的技术人员会认识到，2×2矩阵的求逆只需要一些简单的数学运算。例如，给定一般的2×2矩阵A

$\underset{\&OverBar;}{\underset{\&OverBar;}{A}}=\left[\begin{array}{cc}a& b\\ c& d\end{array}\right]---\left(19\right)$

逆矩阵等于

${\underset{\&OverBar;}{\underset{\&OverBar;}{A}}}^{-1}=\frac{1}{\det \left(\underset{\&OverBar;}{\underset{\&OverBar;}{A}}\right)}\left[\begin{array}{cc}d& -b\\ -c& a\end{array}\right]---\left(20\right)$

其中， 是矩阵 的行列式(即，ad-cb)。

在一个实施例中，计算尺寸为2×2的每个子块的逆矩阵，但是不利用每个子块的行列式来进行任何除法。这方面是重要的，因为利用每个子块的行列式的除法可隐藏不同回波的相应功率电平，从而会导致明显的性能恶化。因此，给定下面所示的近似相关矩阵：

${\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_r=\left[\begin{array}{ccccccccc}{P}_1^1& {\mathrm{\&rho;}}_{\mathrm{1,1}}^{\mathrm{1,2}}& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ {\mathrm{\&rho;}}_{\mathrm{1,1}}^{\mathrm{2,1}}& P_1^2& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ 0& 0& P_2^1& {\mathrm{\&rho;}}_{\mathrm{2,2}}^{\mathrm{1,2}}& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ 0& 0& {\mathrm{\&rho;}}_{\mathrm{2,2}}^{\mathrm{2,1}}& P_2^2& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ 0& 0& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& P_K^1& {\mathrm{\&rho;}}_{K,K}^{\mathrm{1,2}}\\ 0& 0& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& {\mathrm{\&rho;}}_{K,K}^{\mathrm{2,1}}& P_K^2\end{array}\right]---\left(21\right)$

可通过仅仅进行符号反演和元素交换来计算近似相关矩阵的逆矩阵：

${\left({\underset{\&OverBar;}{\underset{\&OverBar;}{R}}}_r\right)}^{-1}=\left[\begin{array}{ccccccccc}{P}_1^2& -{\mathrm{\&rho;}}_{\mathrm{1,1}}^{\mathrm{1,2}}& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ -{\mathrm{\&rho;}}_{\mathrm{1,1}}^{\mathrm{2,1}}& P_1^1& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ 0& 0& P_2^2& -{\mathrm{\&rho;}}_{\mathrm{2,2}}^{\mathrm{1,2}}& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ 0& 0& -{\mathrm{\&rho;}}_{\mathrm{2,2}}^{\mathrm{2,1}}& P_2^1& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0& 0\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;\\ 0& 0& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& P_K^2& -{\mathrm{\&rho;}}_{K,K}^{\mathrm{1,2}}\\ 0& 0& 0& 0& 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& -{\mathrm{\&rho;}}_{K,K}^{\mathrm{2,1}}& P_K^1\end{array}\right]---\left(22\right)$

按照方程式(18)或(22)计算的近似相关矩阵的逆矩阵随后被乘以由方程式(16)给出的向量s _d，以便获得MMSE近似权重。

这些权重随后被用于合并例如在解扩之后获得的HS-DSCH信道的数据符号。

图2示出结合上面说明的近似MMSE技术来解调HS-DSCH的一个特定OVSF码的类型1接收机的第一可能实施例。

在图解说明的例证实施例中，接收机包含2个接收天线12，所述2个 接收天线12连接到各自的RF接收机14、模数转换器16和数字前端18。

在这种情况下，接收机可包含用于解扩CPICH公共导频信道的N＝2K个分支20P，和用于解扩HS-DSCH数据信道的单个OVSF码的N个分支20D。

从而，在分支输出端P提供导频CPICH符号，而在分支输出端D提供HS-DSCH数据符号。

在一个实施例中，给定时间间隔(例如，一个TTI)内的Q个导频符号馈送给计算合并权重W的块22。

在一个实施例中，块22利用前面公开的近似MMSE技术。

合并权重随后在块24中与数据符号D合并，并被送给外部的调制解调器M(未示出)。

在一个实施例中，块24包含通过各自的合并权重w来加权数据符号D的一组乘法器240，和对加权的数据符号求和的加法器242。

在一个实施例中，通过为每个OVSF码提供N个分支来实现对HS-DSCH的多个OVSF码的支持(例如5或10个OVSF码)。例如，在采用图2中所示的体系结构并解调5个OVSF码的类型1接收机的情况下，对应于解调CPICH信道的每个分支P的是解调专用于所考虑用户的HS-DSCH信道的5个不同OVSF码的5个相关数据分支D。

图3示出了结合近似MMSE技术来解调HS-DSCH的特定OVSF码的类型1接收机的第二实施例。

在这种情况下，仍然通过利用解扩后的导频符号，在符号级进行合并权重w的计算，但在码片级对可在数字前端的输出端获得的信号进行不同多径分量的合并。

借助于调谐到数据HS-DSCH信道的特定OVSF码的一个分支20D，在块24中的合并运算之后进行各个物理信道的分离。

本实施例只需要单个分支20D来解扩数据信道。对HSDPA系统来说，这样的复杂性降低是重要的，因为数据信道使用与在每个TTI中分配给一个用户的多达15个代码复用的OVSF码。

在一个实施例中，利用近似MMSE技术计算的权重被用于初始化最 小均方(LMS)或归一化最小均方(NLMS)迭代过程。这种实施例可提高LMS/NLMS的性能和收敛特性。

通过近似MMSE初始化的LMS

能够通过利用诸如最小均方(LMS)的技术以迭代形式实现精确MMSE技术，以便避免复杂的矩阵求逆。

如前所述，LMS技术通常收敛速度慢并需要大量的迭代。然而，在解扩之后仅获得数目有限的导频符号。例如，在HSDPA系统的情况下，在一个TTI内可获得的CPICH导频符号的数目等于30，这意味着可进行仅仅30次LMS迭代。

因此，通过用接近最佳的值来初始化权重，可改进LMS技术的收敛。

例如，尽管在说明书的背景技术部分中引用的R.M.Shubair的文章利用了样本矩阵求逆(SMI)来初始化LMS算法，但由于该方法对相关矩阵求逆的相关复杂性，在本公开的实施例中，利用上面说明的近似MMSE技术来初始化LMS或归一化LMS(NLMS)过程。

在这方面，图4示出了类型1接收机的一个可能实施例，其中，权重计算块22包含实现前面公开的近似MMSE技术的第一模块220，以及LMS或NLMS模块222。

在图4中图解说明的例证实施例中，使用NLMS过程，所述NLMS过程在码片级直接作用于在数字前端18的输出端提供的信号，同样在码片级执行合并运算24。

本领域的技术人员会认识到，当在符号级进行NLMS过程和/或合并运算时，也可应用相同的原理。然而，码片级上的运算具有一些明显的优点。首先，对于HS-DSCH数据信道的一个特定OVSF码的解调来说，只需要一个分支20D。第二个优点在于，在码片级实现的NLMS过程可更好地跟踪信道变化，因为LMS/NLMS过程可执行一次迭代，并更新每个接收码片的合并权重。

在一个实施例中，NLMS模块222接收三个输入信号：

-来自数字前端18的不同多径复本的接收码片级信号r(n)；

-来自块26的误差信号e(n)，所述误差信号e(n)可作为由块24输出的再 合并码片级信号和在接收机中在码片级再生的基准导频信号d(n)之差而获得；以及

-由模块220利用近似MMSE技术计算的合并权重的初始值w(0)。

NLMS模块222在其输出端提供用于块24中的不同信号复本的再合并的权重系数w(n)。

在一个实施例中，使用NLMS技术，并且按照下面的方程式来迭代地更新合并权重：

$\underset{\&OverBar;}{w}(n+1)=\underset{\&OverBar;}{w}\left(n\right)+\frac{\mathrm{\&mu;}\underset{\&OverBar;}{r}\left(n\right)e{\left(n\right)}^{*}}{\underset{\&OverBar;}{r}{\left(n\right)}^H\underset{\&OverBar;}{r}\left(n\right)}---\left(23\right)$

其中，w(n)＝[w₁(n)，w₂(n)，..，w_N(n)]^T是在离散时间n的权重向量，e(n)是误差信号，r(n)＝[r₁(n)，r₂(n)，..，r_N(n)]^T是码片级接收信号，μ是控制算法的收敛速度的步长。

在一个实施例中，误差信号e(n)被计算为在接收机中在码片级再生的基准CPICH信号d(n)和再合并信号之差：

e(n)＝d(n)-w(n)^H r(n) (24)

基准CPICH信号可由下面的方程式给出：

d(n)＝a·ν(n) (25)

其中， 是在CPICH信道上传送的基带符号，ν(n)是HSDPA服务小区的扰码序列。

NLMS技术的收敛速度取决于参数μ。当μ较大时，算法快速收敛，但在得到最佳权重方面通常不太精确。相反，当μ较小时，通常更精确地收敛到最佳权重，但是较慢。

在一个实施例中，按照下面的方程式来设定初始NLMS权重：

$\underset{\&OverBar;}{w}\left(0\right)=\frac{{\underset{\&OverBar;}{w}}_{\mathrm{mmse}\_\mathrm{approx}}}{\mathrm{\&gamma;}}---\left(26\right)$

其中，w _{mmse_approx}是利用近似MMSE技术计算的权重，γ是可用于使MMSE近似权重的幅度适合于在UE接收机中再生的基准信号d(n)的电平的实正常数(即，γ∈ 并且γ＞0)。

提出的初始化显著减小了NLMS算法的收敛时间，并允许对参数μ使用较小的值。NLMS收敛时间的减小可用于例如降低移动终端的功耗，从而对应地增大电池寿命。

在一个实施例中，在收到任何数据之前，在时间间隔T₁内在块220中进行近似MMSE权重的计算。

这些权重随后被用于初始化NLMS模块222，从而在时间间隔T₂内，NLMS模块222只需要数目有限的迭代以便收敛到最佳权重。

在这方面，图5示出了在已参考图1说明的HS-SCCH和HS-DSCH的例子的可能定时。

在一个实施例中，时间间隔T₁对应于通常足以计算代表性初始权重的至少10个CPICH符号(即，一个时隙)。

类似地，同样可在收到任何数据之前进行时间间隔T₂中的迭代。时间间隔T₂通常很短，从而例如1个CPICH符号的持续时间就足够了。

例如，在典型的步行A信道(v＝3km/h)和具有10个代码及QPSK调制(即，TBS＝7168比特)的HS-DSCH传送格式下，NLMS过程会在约200-300次迭代内收敛。

在图5中所示的例证实施例中，当收到HS-SCCH上的第一个时隙时立即开始T₁，T₁具有多达19个CPICH符号的持续时间，而时间间隔T₂的持续时间为1个CPICH符号。

时间间隔T₃与接下来开始的HS-DSCH解调同时开始。具体地，在时间间隔T₃内，NLMS模块222通过例如逐个码片地更新权重w(n)来跟踪信道变化，如上面用方程式(23)和(24)所述。

在这方面，图6示出了总结所提出的根据导频信号来估计接收分集天线系统中的合并权重的技术的各个步骤的流程图。

在起始步骤1000之后，在步骤1002检测接收信号r的多径分量。该操作可由例如数字前端18进行。

随后，在步骤1004，在接收信号r的多径分量中检测导频信号。在CDMA系统的情况下，可通过在分支20P中解扩导频信号来执行导频信号的检测。

随后在步骤1006，把检测到的导频信号用于计算信道系数或信道系数向量c。例如，这可通过把接收信号向量r乘以基准发射符号的共轭来进行。

在步骤1008，计算信道系数向量c的空间相关矩阵 还可在预定时间间隔内对相关矩阵的系数求平均，如方程式(14)中所示。

具体地，忽略信道系数向量的具有不同延迟的多径分量之间的相关性。这种操作使相关矩阵成为块对角矩阵，所述块对角矩阵包括除了沿矩阵的对角线排列的非零子矩阵之外的零系数，其中，所述子矩阵的尺寸等于接收分集天线的数目。

近似相关矩阵的结构允许在步骤1010通过单独计算子矩阵的逆矩阵来对空间相关矩阵求逆。具体地，在特别适合于具有两个分集天线的HSDPA系统的实施例中，通过仅仅进行符号反演和元素交换来对子矩阵求逆，省略了子块的行列式的任何计算以及逆子块除以行列式的任何除法。一般来说，可以使用逆子矩阵的缩放形式，其中，缩放因子也可以等于1。

最后，在步骤1012，可把逆相关矩阵乘以信道系数向量，以便获得合并权重w。另外，可以使用信道系数向量的平均值s _d，如在方程式(9)中所示。

随后可按照各种可能的方式来使用合并权重w。

在第一个实施例中，可在步骤1100把合并权重w乘以接收信号r的多径分量。这种运算可由例如图3中所示的乘法器240来进行。

随后在步骤1102对乘法的结果求和，以便获得无多径形式的接收信号。该运算可由例如图3中所示的块242来执行。

最后，在步骤1104，可在无多径形式的接收信号中检测数据信号。该操作可由例如图3中所示的分支20D来执行。

在第二实施例中，在步骤1200，在接收信号的多径分量中检测数据信号。该操作可由例如图2中所示的分支20D来执行。

随后在步骤1202中，可把合并权重乘以数据信号的多径分量，以及在步骤1204对相乘结果求和，以便获得无多径形式的数据信号。这些运算可由例如图2中所示的乘法器240和块242来执行。

再次，在CDMA系统的情况下，可通过解扩数据信号来执行例如分支20D中的数据信号的检测。

最后，在步骤1016结束该过程。

合并权重w还可用于初始化迭代信道跟踪过程1014，诸如最小均方(LMS)或归一化最小均方(NLMS)迭代过程。迭代信道跟踪过程随后通过更新合并权重w来跟踪数据接收期间的信道变化。另外，在接收任何数据之前，可以进行迭代信道跟踪过程的多次迭代，以便获得已改进形式的合并权重w。

因此，不违背本发明的基本原理，就仅仅作为例子说明的各个方面来说，细节和实施例可以略微变化，而不脱离由附加的权利要求限定的本发明的范围。

Claims (28)

1.一种处理经由多个分集天线(12)从受到多径传播的信道接收(14，16)的信号的方法，每个接收信号包含至少一个导频信号，所述方法包括下述步骤：

检测(18，1004)每个所述接收信号的一组多径分量，

根据所述一组多径分量中所述至少一个导频信号的多径分量来计算(22，1006)一组信道系数，所述一组信道系数被组织成信道系数向量，

根据所述信道系数向量来估计(22，1008-1012)将应用(24)于所述接收信号的一组合并权重(w)，

其特征在于，所述根据所述信道系数向量来估计(22，1008-1012)将应用(24)于所述接收信号的一组合并权重(w)的步骤包括下述步骤：

通过忽略所述信道系数向量的具有不同延迟的多径分量之间的相关性，来计算(22，1008)所述信道系数向量的空间相关矩阵，从而所述相关矩阵是除了沿所述相关矩阵的对角线排列的非零子矩阵之外包括零系数的块对角矩阵，其中，所述子矩阵的尺寸等于所述分集天线的数目；

通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到(22，1010)结果矩阵；以及

把所述结果矩阵与所述信道系数向量相乘(22，1012)，以获得所述一组合并权重(w)。

2.按照权利要求1所述的方法，其中，所述方法包括对预定时间间隔内的所述相关矩阵的系数求平均。

3.按照权利要求1或2所述的方法，其中，所述方法包括对所述信道系数向量的系数求平均，以及其中，所述结果矩阵被乘以(1012)所述求平均后的信道系数向量，以便获得所述一组合并权重(w)。

4.按照权利要求1或2所述的方法，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述方法包括下述步骤：

把所述一组合并权重(w)乘以(24，1100)所述接收信号的所述一组多径分量，并对相乘结果求和(242，1102)，以便获得无多径形式的接收信号，和

在所述无多径形式的接收信号中检测(20D，1104)所述至少一个数据信号。

5.按照权利要求1或2所述的方法，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述方法包括下述步骤：

检测(20D，1200)所述接收信号的所述一组多径分量中所述至少一个数据信号的多径分量，和

把所述一组合并权重(w)乘以(240，1202)所述至少一个数据信号的所述多径分量，并对相乘结果求和(242，1204)，以获得无多径形式的数据信号。

6.按照权利要求1或2所述的方法，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述至少一个导频信号和所述至少一个数据信号被用至少一个正交可变扩频因子扩频，其中，所述方法包括检测(20D，20P，1004，1104)所述至少一个导频信号和所述至少一个数据信号，其中，所述检测涉及解扩所述至少一个导频信号和所述至少一个数据信号。

7.按照权利要求1或2所述的方法，其中，使用两个分集天线(12)，以及其中，通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到(22，1010)结果矩阵包括：只进行符号反演和元素交换，其中，省略计算所述子矩阵的行列式和用所述行列式来除逆矩阵。

8.按照权利要求1或2所述的方法，包括：

用所述一组合并权重(w)来初始化迭代信道跟踪过程(222，1014)，和

通过用所述迭代信道跟踪过程(222，1014)来更新所述合并权重(w)，来跟踪数据接收期间的信道变化。

9.按照权利要求8所述的方法，其中，用所述一组合并权重(w)来初始化迭代信道跟踪过程(222，1014)包括：在收到任何数据之前，进行所述迭代信道跟踪过程(222，1014)的多次迭代，以便获得将应用(24)于所述接收信号的所述合并权重(w)的改进形式。

10.按照权利要求8所述的方法，其中，所述迭代信道跟踪过程(222，1014)是最小均方(LMS)或归一化最小均方(NLMS)迭代过程。

11.按照权利要求8所述的方法，其中，所述迭代信道跟踪过程(222，1014)直接作用于所述接收信号的所述多径分量。

12.一种经由多个分集天线(12)从受到多径传播的信道接收信号的接收机(14-26)，接收信号包含至少一个导频信号，其中，所述接收机(14-26)被配置成执行按照权利要求1-11任意之一所述的方法。

13.按照权利要求12所述的接收机(14-26)，其中，所述接收机是高速分组接入接收机。

14.按照权利要求12或13所述的接收机(14-26)，其中，所述接收机(14-26)包括两个分集天线(12)。

15.一种经由多个分集天线(12)从受到多径传播的信道接收信号的接收机(14-26)，接收信号包含至少一个导频信号，所述接收机包括：

数字前端，用于检测(18，1004)每个所述接收信号的一组多径分量；

权重计算块，用于根据所述一组多径分量中所述至少一个导频信号的多径分量来计算(22，1006)一组信道系数，所述一组信道系数被组织成信道系数向量，以及根据所述信道系数向量来估计(22，1008-1012)将应用(24)于所述接收信号的一组合并权重(w)，

其中，所述权重计算块进一步用于：

通过忽略所述信道系数向量的具有不同延迟的多径分量之间的相关性，来计算(22，1008)所述信道系数向量的空间相关矩阵，从而所述相关矩阵是除了沿所述相关矩阵的对角线排列的非零子矩阵之外包括零系数的块对角矩阵，其中，所述子矩阵的尺寸等于所述分集天线的数目；

通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到(22，1010)结果矩阵；以及

把所述结果矩阵与所述信道系数向量相乘(22，1012)，以获得所述一组合并权重(w)。

16.按照权利要求15所述的接收机(14-26)，其中，所述接收机是高速分组接入接收机。

17.按照权利要求15或16所述的接收机(14-26)，其中，所述接收机(14-26)包括两个分集天线(12)。

18.一种处理经由多个分集天线(12)从受到多径传播的信道接收(14，16)的信号的装置，每个接收信号包含至少一个导频信号，所述装置包括下述部件：

检测(18，1004)每个所述接收信号的一组多径分量的部件，

根据所述一组多径分量中所述至少一个导频信号的多径分量来计算(22，1006)一组信道系数的部件，所述一组信道系数被组织成信道系数向量，

根据所述信道系数向量来估计(22，1008-1012)将应用于所述接收信号的一组合并权重(w)的部件，

其特征在于，所述根据所述信道系数向量来估计(22，1008-1012)将应用于所述接收信号的一组合并权重(w)的部件包括下述部件：

通过忽略所述信道系数向量的具有不同延迟的多径分量之间的相关性，来计算(22，1008)所述信道系数向量的空间相关矩阵，从而所述相关矩阵是除了沿所述相关矩阵的对角线排列的非零子矩阵之外包括零系数的块对角矩阵的部件，其中，所述子矩阵的尺寸等于所述分集天线的数目；

通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到(22，1010)结果矩阵的部件；以及

把所述结果矩阵与所述信道系数向量相乘(22，1012)，以获得所述一组合并权重(w)的部件。

19.按照权利要求18所述的装置，其中，所述装置包括对预定时间间隔内的所述相关矩阵的系数求平均的部件。

20.按照权利要求18或19所述的装置，其中，所述装置包括对所述信道系数向量的系数求平均的部件，以及其中，所述结果矩阵被乘以(1012)所述求平均后的信道系数向量，以便获得所述一组合并权重(w)。

21.按照权利要求18或19所述的装置，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述装置包括下述部件：

把所述一组合并权重(w)乘以(24，1100)所述接收信号的所述一组多径分量，并对相乘结果求和(242，1102)，以便获得无多径形式的接收信号的部件，和

在所述无多径形式的接收信号中检测(20D，1104)所述至少一个数据信号的部件。

22.按照权利要求18或19所述的装置，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述装置包括下述部件：

检测(20D，1200)所述接收信号的所述一组多径分量中所述至少一个数据信号的多径分量的部件，和

把所述一组合并权重(w)乘以(240，1202)所述至少一个数据信号的所述多径分量，并对相乘结果求和(242，1204)，以获得无多径形式的数据信号的部件。

23.按照权利要求18或19所述的装置，其中，所述接收信号中的至少一个包含至少一个数据信号，以及其中，所述至少一个导频信号和所述至少一个数据信号被用至少一个正交可变扩频因子扩频，其中，所述装置包括检测(20D，20P，1004，1104)所述至少一个导频信号和所述至少一个数据信号的部件，其中，所述检测涉及解扩所述至少一个导频信号和所述至少一个数据信号。

24.按照权利要求18或19所述的装置，其中，使用两个分集天线(12)，以及其中，通过计算所述子矩阵的逆矩阵或其缩放形式，从所述空间相关矩阵得到(22，1010)结果矩阵的部件包括：只进行符号反演和元素交换的部件，其中，省略计算所述子矩阵的行列式和用所述行列式来除逆矩阵。

25.按照权利要求18或19所述的装置，包括：

用所述一组合并权重(w)来初始化迭代信道跟踪过程(222，1014)的部件，和

通过用所述迭代信道跟踪过程(222，1014)来更新所述合并权重(w)，来跟踪数据接收期间的信道变化的部件。

26.按照权利要求25所述的装置，其中，用所述一组合并权重(w)来初始化迭代信道跟踪过程(222，1014)的部件包括：在收到任何数据之前，进行所述迭代信道跟踪过程(222，1014)的多次迭代，以便获得将应用(24)于所述接收信号的所述合并权重(w)的改进形式的部件。

27.按照权利要求25所述的装置，其中，所述迭代信道跟踪过程(222，1014)是最小均方(LMS)或归一化最小均方(NLMS)迭代过程。

28.按照权利要求25所述的装置，其中，所述迭代信道跟踪过程(222，1014)直接作用于所述接收信号的所述多径分量。