CN102217222B - 信号处理方法及装置 - Google Patents

Abstract

本发明实施例公开了一种信号处理方法及装置，涉及通信技术领域，用以降低接收端信号检测的实现复杂度，提高信号检测效率。所述信号处理方法，包括：接收发送端发送的信号并对接收到的信号进行信道估计；对接收到的信号进行信号检测；对完成信号检测的信号进行解调和译码处理；在进行所述信道估计和/或所述信号检测的过程中，利用递推的方式完成矩阵求逆。

Description

信号处理方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种信号处理方法及装置。

背景技术

在通信技术领域进行信道估计和信号检测过程中，常需要涉及到大量的矩阵运算。

以LTE(Long Term Evolution，长期演进)系统的MIMO(Multiple-InputMultiple-Output，多输入多输出)技术为例，接收端在接收到发送端发送的信号之后，会进行去除CP(Cyclic Prefix，循环前缀)、信道估计、信号检测、解调和译码等一系列操作。

在实现上述信道估计和信号检测的过程中，发明人发现现有技术中至少存在如下问题：由于在信道估计和/或信号检测的过程中涉及到大量的矩阵运算，尤其是矩阵求逆运算，因此使得现有的信道估计和/或信号检测过程的运算复杂度较高，进而影响到接收端进行信号处理的整体效率。

发明内容

本发明的实施例提供一种信号处理方法及装置，用以降低通信系统中接收端信号处理的实现复杂度、提高整体效率。

为达到上述目的，本发明一方面提供一种信号处理方法，包括：接收发送端发送的信号，并对接收到的信号进行信道估计；对完成信道估计的信号进行信号检测；对完成信号检测的信号进行解调和译码处理；在进行所述信道估计和/或所述信号检测的过程中，利用递推的方式完成矩阵求逆；

其中，所述在进行所述信道估计和/或所述信号检测的过程中，利用递推的方式完成矩阵求逆，包括：

对频域信道矩阵Λ进行QR分解得到Λ＝PR；其中，P为正交矩阵，R为上三角矩阵；

将所述Λ＝PR代入到均衡器的输出信号模型，得到所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M$

利用递推的方式完成上述公式中

的矩阵求逆运算，进而得到

知

的最终结果；

其中，

表示频域中的平均方差信号；

表示噪声方差；n_T表示发送端发送天线的数量；

表示n_T×n_T阶的单位矩阵；

表示等效频域接收信号；

表示频域的均值信号

的第k个子块；M表示发送的符号块的长度。

本发明另一方面提供一种信号处理装置，包括：估计单元，用于接收发送端发送的信号并对接收到的信号进行信道估计；检测单元，用于对所述估计单元输出的信号进行信号检测；处理单元，用于对所述检测单元输出的信号进行解调和译码处理；所述估计单元，还用于在进行信道估计的过程中，利用递推的方式完成矩阵求逆；和/或，所述检测单元，还用于在进行所述信号检测的过程中，利用递推的方式完成矩阵求逆；

其中，所述估计单元和/或所述检测单元包括：

分解模块，用于对频域信道矩阵Λ进行QR分解得到Λ＝PR；其中，P为正交矩阵，R为上三角矩阵；

代入模块，用于将所述Λ＝PR代入到均衡器的输出信号模型，得到所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M$

递推模块，用于利用递推的方式完成由所述代入模块得到的公式中

的矩阵求逆运算，进而得到

知

的最终结果；

其中，表示频域中的平均方差信号；

表示噪声方差；n_T表示发送端发送天线的数量；

表示n_T×n_T阶的单位矩阵；

表示等效频域接收信号；

表示频域的均值信号

的第k个子块；M表示发送的符号块的长度。

本发明实施例提供的信号处理方法及装置，针对接收端在进行信号处理过程中的矩阵求逆运算，利用递推的方式来完成矩阵求逆从而达到对矩阵求逆进行简化的目的；相比于现有技术中的矩阵直接求逆方式，本发明实施例中提供的方案显著减少了矩阵计算的复杂度，从而降低通信系统中接收端信号处理的实现复杂度，提高信号处理的效率。

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为本发明的一实施例中的信号处理方法的流程图；

图2为本发明的一实施例中的信号处理装置的结构示意图；

图3为本发明的另一实施例中的信号处理方法的流程图；

图4为本发明的又一实施例中的信号处理装置的结构示意图；

图5为本发明实施例中信号接收端对接收到的信号进行处理的过程示意图。

具体实施方式

在现有的通信系统中，信号接收端在接收到信号之后，如图5所示，可以对接收到的信号进行去除CP的FFT(Fast Fourier Transformation，快速傅里叶变换)、信道估计、信号检测、解调及译码等一系列操作。

对于LTE上行单载波的情形，还需要对完成信号检测后的信号进行离散傅里叶反变换(Inverse Discrete Fourier Transform，IDFT)，之后再对经过IDFT处理后的信号进行解调和译码；对于LTE上行多载波的情形，则可以直接对完成信号检测后的信号进行解调和译码。

在本发明实施例提供的方案中，主要对上述信号估计和/或信号检测过程中出现的矩阵运算进行简化，以降低接收端进行信号处理的整体复杂度。

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，可以理解的是，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做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，本发明的一个实施例中的信号处理方法，包括：

101、接收发送端发送的信号，并对接收到的信号进行信道估计。在该步骤的信道估计过程中，可以利用递推的方式来完成信道估计过程中的矩阵求逆。

102、对完成信道估计的信号进行信号检测；在进行所述信号检测的过程中，可以利用递推的方式完成矩阵求逆。

在上述步骤101和步骤102中出现的利用递推方式完成矩阵求逆的方式可以根据需要进行调整；例如，上述步骤101和步骤102中可以只有一个步骤中使用上述递推方式完成矩阵求逆，也可以是步骤101和步骤102中均使用递推方式完成矩阵求逆。具体的实现方式可以根据不同阶段的运算复杂度来进行调整。

在现有的信号检测过程中，利用直接求逆的方式来进行矩阵求逆运算，使得信号检测的运算过程实现复杂度较高；在本实施例，利用递推矩阵求逆的方式替代现有的矩阵直接求逆的方式，进而简化矩阵求逆运算。

103、对完成信号检测的信号进行解调和译码处理。

对于LTE上行单载波的情形，还需要对完成信号检测后的信号进行IDFT处理，之后再对经过IDFT处理后的信号进行解调和译码；对于LTE上行多载波的情形，则可以直接对完成信号检测后的信号进行解调和译码。

对应于上述方法，本实施例还提供了一种信号处理装置；如图2所示，所述信号处理装置包括：

估计单元21，用于接收发送端发送的信号并对接收到的信号进行信道估计；

检测单元22，用于对所述估计单元21输出的信号进行信号检测；

处理单元23，用于对所述检测单元输出的信号进行解调和译码处理；

该估计单元21，还用于在进行信道估计的过程中，利用递推的方式完成矩阵求逆；和/或，该检测单元22，还用于在进行所述信号检测的过程中，利用递推的方式完成矩阵求逆。

本发明实施例提供的信号处理方法及装置，针对信道估计和/或信号检测过程中的矩阵求逆运算，利用递推的方式来完成矩阵求逆从而达到对矩阵求逆进行简化的目的；本发明实施例中提供的方案显著减少了矩阵计算的复杂度，从而降低通信系统中接收端进行信号处理的实现复杂度，提高信号处理效率。

下面将以采用了MIMO技术的通信系统中为例，并结合另一实施例来对本发明实施例中提供的信号处理方法做进一步介绍。

如图3所示，本发明的另一实施例中提供的信号处理方法，具体包括以下步骤：

301、MIMO系统的接收端接收发送端发送的信号，并对接收到的信号进行信道估计。

302、接收端对完成信道估计的信号进行基于最小均方误差的线性检测(Linear Minimum Mean-Squared Error，LMMSE)。在LMMSE检测过程中，利用递推的方式完成矩阵求逆运算。

具体地，在LMMSE检测过程中，均衡器的输出信号模型(时域)为：

$\hat{x}=\mathrm{Diag}\left({\mathrm{\ρ}}^{-1}\right)(F_M^H\⊗I_{n_T}){[{\mathrm{\Λ}}^H\mathrm{\ΛV}+{\mathrm{\σ}}_n^2{I}_{{\mathrm{Mn}}_T}]}^{-1}\·({\mathrm{\Λ}}^H{y}^{\left(f\right)}-{\mathrm{\Λ}}^H\mathrm{\Λ}(F_M\⊗I_{n_T})\stackrel{\‾}{x})+\stackrel{\‾}{x}---\left(1\right)$

均衡器输出的等效信号幅度为：

${\mathrm{\ρ}}_{t,k}=e_{t,k}^H(F_M^H\⊗I_{n_T}){[{\mathrm{\Λ}}^H\mathrm{\Λ}\tilde{V}+{\mathrm{\σ}}_n^2{I}_{{\mathrm{Mn}}_T}]}^{-1}{\mathrm{\Λ}}^H\mathrm{\Λ}(F_M\⊗I_{n_T})e_{t,k}$

t＝1，...，n_T，k＝1，...，M                (2)

在上式中，n_T表示MIMO系统中发送端发送天线的个数；

M表示发送的符号块的长度；

表示均衡器的输出信号；

表示均值信号；

表示方差信号矩阵；

ρ_t，k表示均衡器输出的等效信号幅度；

σ²表示噪声方差；

Λ表示等效频域信道矩阵；

Λ_k表示在第k个频点上的频域信道矩阵；

y^(f)表示等效频域接收信号；

F表示归一化的快速傅里叶变换矩阵；

I_m表示m×m阶的单位矩阵；

e_k表示第k个元素为1、其他元素为0的单位向量。

假设同一个发射天线上信号的先验方差在一个块内相当，即

$\tilde{V}=I_M\⊗\stackrel{\‾}{V}$

其中，

表示频域中的平均方差信号；

表示Kronecker(克罗内克)乘法。

将上述公式(1)转换到频域中，对于任一频点k，所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T---\left(3\right)$

其中，

表示频域的均值信号

的第k个子块，具体地

${\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}={[{\stackrel{\‾}{x}}^{\left(f\right)}((k-1)n_T+1),\·\·\·,{\stackrel{\‾}{x}}^{\left(f\right)}\left({\mathrm{kn}}_T\right)]}^T$

又由时频域的变换关系可知，上式中的频域的均值信号

具体为：

${\stackrel{\‾}{x}}^{\left(f\right)}=(F_M\⊗I_{n_T})\stackrel{\‾}{x}$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M---\left(4\right)$

将公式(4)中的

记为B_k，即

$B_k={[{\mathrm{\Λ}}_k^H{\mathrm{\Λ}}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·{\mathrm{\Λ}}_k^H{\mathrm{\Λ}}_k,k=1,\·\·\·,M$

对第k个频点上的频域信道矩阵Λ_k进行QR分解得到

Λ_k＝P_kR_k

其中，P_k为正交矩阵，R_k为上三角矩阵。

将Λ_k＝P_kR_k带入到上述公式(3)和(5)中，得到：

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T---\left(6\right)$

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}\left(B_k\right);$

其中， $B_k={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k,k=1,\·\·\·,M---\left(7\right)$ 又由矩阵求逆引理可知：

${[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H=R_k^H\·{[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}$

则，上述公式(6)和(7)可改写为：

${\hat{x}}_{(\·,k)}^{\left(f\right)}=R_k^H\·{[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M---\left(8\right)$

$B_k=R_k^H{[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k,k=1,\·\·\·,M---\left(9\right)$

由于频域中的平均方差信号

为对角阵，则有：

${[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}={[R_k\sqrt{\stackrel{\‾}{V}}\·\sqrt{\stackrel{\‾}{V}}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}$

$={[R_k\sqrt{\stackrel{\‾}{V}}\·{\left(R_k\sqrt{\stackrel{\‾}{V}}\right)}^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}---\left(10\right)$

令

则公式(10)可化简为：

${[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}={[W_k{W}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}---\left(11\right)$

由于R_k和

均为上三角矩阵，因此W_k也是上三角矩阵。

设取W_k的前n行、前n列元素组成的子上三角矩阵为W_k，n，W_k的第n列的前n行元素组成的n维列向量为w_k，n；

令 $A_{k.n}=W_{k,n}{W}_{k,n}^H+{\mathrm{\σ}}_n^2{I}_n,$ 则：

$A_{k,n}^{-1}={[W_{k,n}{W}_{k,n}^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}$

$={[\left[\begin{array}{cc}{W}_{k,n-1}& w_{k,n}\\ 0_{1\×(n-1)}& \end{array}\right]{\left[\begin{array}{cc}{W}_{k,n-1}& w_{k,n}\\ 0_{1\×(n-1)}& \end{array}\right]}^H+{\mathrm{\σ}}_n^2{I}_n]}^{-1}$

$={[\left[\begin{array}{cc}{W}_{k,n-1}{W}_{k,n-1}^H+{\mathrm{\σ}}_n^2{I}_{n-1}& \\ & {\mathrm{\σ}}_n^2\end{array}\right]+w_{k,n}{w}_{k,n}^H]}^{-1}$

$=\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}{w}_{k,n}^H{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)}^H}{1+w_{k,n}^H\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}}$

$=\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}[{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k.n}]}^H}{1+w_{k,n}^H\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}}---\left(12\right)$

又知： $A_{k,1}^{-1}={[W_{k,1}{W}_{k,1}+{\mathrm{\σ}}_n^2{I}_1]}^{-1}=\frac{1}{W_{k,1}{W}_{k,1}^H+{\mathrm{\σ}}_n^2},$ 则，

$A_{k,2}^{-1}={[W_{k,2}{W}_{k,2}^H+{\mathrm{\σ}}_n^2{I}_2]}^{-1}$

$=\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,2}{w}_{k,2}^H{\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)}^H}{1+w_{k,2}^H\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,2}}---\left(13\right)$

$=\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{[\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,2}{]\·[\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,2}]}^H}{1+w_{k,2}^H\left[\left(\begin{array}{cc}{A}_{k,1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,2}\right]}$

利用公式(12)逐一递推，则可以很容易地计算得到

的结果，进而将

的结果带入公式(6)和(7)中就可以得到

知

的最终结果。

303、对完成信号检测的信号进行解调和译码处理。

对于LTE上行单载波的情形，还需要对完成信号检测后的信号进行IDFT处理，之后再对经过IDFT处理后的信号进行解调和译码；对于LTE上行多载波的情形，则可以直接对完成信号检测后的信号进行解调和译码。

在本发明实施例的运算过程中，因为

为实数，避免了直接对复矩阵求逆时的复数除法运算，所以大大的减少了计算量。

为分块对角阵，所以在计算

时，可以先对矩阵和向量进行分块，再利用分块矩阵的乘法，进行计算，减少直接矩阵乘法中不必要的一些计算量。同时，因为

为Hermitian(厄米特)矩阵，所以只需计算包括主对角线元素在内的上三角(或下三角)部分的矩阵元素，其余对称位置的元素，利用已计算出的矩阵元素进行共轭转置的反转即可得到，显著节约了计算量。

对上述矩阵求逆的运算过程进行统计，可得到表1中的数据。

表1矩阵求逆过程的运算量统计

注：此处将一次复乘等效成四次实乘，一次复除等效为七次实乘，一次实除等效为一次实乘。

由表1可知，通过递推的方式对矩阵求逆的计算复杂度明显小于直接进行矩阵求逆的方式。

进一步，还可以考虑一下信号检测过程中除了上述矩阵求逆之外的其他矩阵运算。

如若选择通过公式(3)中的 ${\hat{x}}_{(\·,k)}^{\left(f\right)}={[{\mathrm{\Λ}}_k^H{\mathrm{\Λ}}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·{\mathrm{\Λ}}_k^H(y_{(\·,k)}^{\left(f\right)}-{\mathrm{\Λ}}_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)})$ 知公式(5)中的

来完成信号检测过程，则在式中的逆矩阵结果已知，且

均已知时，公式(3)和(5)的总计算复杂度(复乘数目)为：n_T ³+2n_T ²；

如果选择通过公式(6)中的 ${\hat{x}}_{(\·,k)}^{\left(f\right)}=R_k^H\·{[R_k\stackrel{\‾}{V}{R}_k^H+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)})$ 和公式(7)中的

来完成信号检测过程，则在式中的逆矩阵结果已知，且

均已知时，公式(6)和(7)的总计算复杂度(复乘数目)为：n_T ³+3n_T ²。

上述内容可参见表2。

表2检测过程中矩阵求逆以外的运算量统计

复杂度	复乘次数	实乘次数
			直接求逆	nT 3+2nT 2	4nT 3+8nT 2
递推求逆	nT 3+3nT 2	4nT 3+12nT 2

将表1和表2相结合，即可得到信号检测过程中，总的运算量统计；具体见表3。

表3检测过程中矩阵运算的总运算量统计

通过上述数据的对比分析可知，不管是单独的矩阵求逆运算，还是就整个信号检测过程而言，利用本事实例中提供的递推求逆的方式可以比现有的直接求逆的方式大大地降低运算量，进而提高信号检测的计算效率。

在本实施例中，仅是以信号检测过程中采用的递推方式完成矩阵求逆为例，当然还可以是在步骤301的信道估计中采用递推方式完成矩阵求逆，又或者在步骤301和302中均采用递推方式完成矩阵求逆。

由于在信道估计过程中利用递推方式完成矩阵求逆的过程与上述信号检测中的矩阵求逆过程类似，只是具体参数不同；因此本领域技术人员可以结合上述步骤302中的矩阵求逆过程轻易推出，本实施例就不再对信道估计过程中利用递推方式完成矩阵求逆的实现过程进行详述。

对应于上述图3对应的实施例中的方法描述，本发明还提供了又一实施例来介绍一种可用于实现上述信号处理方法的装置。

具体如图4所示，本发明的又一实施例中提供的信号处理装置，包括：估计单元41、检测单元42和处理单元43；其中，

估计单元41，用于接收发送端发送的信号并对接收到的信号进行信道估计；

检测单元42，用于对所述估计单元41输出的信号进行信号检测；

处理单元43，用于对所述检测单元42输出的信号进行解调和译码处理；

该估计单元41，还用于在进行信道估计的过程中，利用递推的方式完成矩阵求逆；和/或，该检测单元42，还用于在进行所述信号检测的过程中，利用递推的方式完成矩阵求逆。

以检测单元42利用递推的方式完成矩阵求逆为例，进一步地，上述检测单元42中可以包含以下功能模块：

分解模块421，用于对频域信道矩阵Λ进行QR分解得到Λ＝PR；其中，P为正交矩阵，R为上三角矩阵；

代入模块422，用于将所述Λ＝PR代入到均衡器的输出信号模型，得到所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M$

递推模块423，用于利用递推的方式完成由所述代入模块得到的公式中的矩阵求逆运算，进而得到知

的最终结果；

其中，

表示频域中的平均方差信号；表示噪声方差；n_T表示发送端发送天线的数量；

表示n_T×n_T阶的单位矩阵；

表示等效频域接收信号；F表示归一化的快速傅里叶变换矩阵；M表示发送的符号块的长度。

在利用上述递推模块423进行矩阵递推运算的过程中，可以记 $W_k=R_k\sqrt{\stackrel{\‾}{V}},$ 则矩阵

就可以转换为

此时，所述递推模块423具体用于将

记为

首先计算出 $A_{k,1}^{-1}=\frac{1}{W_{k,1}{W}_{k,1}^H+{\mathrm{\σ}}_n^2};$ 并利用递推公式

$A_{k,n}^{-1}=\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}[{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k.n}]}^H}{1+w_{k,n}^H\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}},$

来完成所述

的矩阵求逆运算。

本发明实施例中的信号处理装置可以是包含有频域检测器的接收端装置，比如基站等。

本发明实施例提供的信号处理装置，针对信号接收端的信号处理过程中的矩阵求逆运算，利用递推的方式来完成矩阵求逆从而达到对矩阵求逆进行简化的目的；本发明实施例中提供的方案显著减少了矩阵计算的复杂度，从而降低通信系统中接收端信号检测的实现复杂度，提高信号检测效率。

在上述实施例中，均是以MIMO系统为例来介绍本发明实施例中提供的方案，但是需要注意的是，本发明提供的方案不只适用于MIMO系统，当然还可以适用于所有需要进行矩阵求逆的系统，例如采用OFDM(Orthogonal FrequencyDivision Multiplexing，正交频分复用)、CDMA(Code Division Multiple Access，码分多址)等技术的通信系统中。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘，硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (4)

1.一种信号处理方法，其特征在于，包括：

接收发送端发送的信号，并对接收到的信号进行信道估计；

对完成信道估计的信号进行信号检测；

对完成信号检测的信号进行解调和译码处理；

在进行所述信道估计和/或所述信号检测的过程中，利用递推的方式完成矩阵求逆；

其中，所述在进行所述信道估计和/或所述信号检测的过程中，利用递推的方式完成矩阵求逆，包括：

对频域信道矩阵Λ进行QR分解得到Λ＝PR；其中，P为正交矩阵，R为上三角矩阵；

将所述Λ＝PR代入到均衡器的输出信号模型，得到所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,\·\·\·,n_T$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M$

利用递推的方式完成上述公式中

的矩阵求逆运算，进而得到

和

的最终结果；

其中，

表示频域中的平均方差信号；

表示噪声方差；n_T表示发送端发送天线的数量；

表示n_T×n_T阶的单位矩阵；

表示等效频域接收信号；

表示频域的均值信号的第k个子块；M表示发送的符号块的长度。

2.根据权利要求1所述的信号处理方法，其特征在于，所述利用递推的方式完成上述公式中

的矩阵求逆运算，包括：

设定 $W_k=R_k\sqrt{\stackrel{\‾}{V}},$ 则矩阵

转换为

将记为

并计算出 $A_{k,1}^{-1}=\frac{1}{W_{k,1}{W}_{k,1}^H+{\mathrm{\σ}}_n^2};$

利用递推公式

$A_{k,n}^{-1}=\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}[{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k.n}]}^H}{1+w_{k,n}^H\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}},$

来完成所述

的矩阵求逆运算。

3.一种信号处理装置，其特征在于，包括：

估计单元，用于接收发送端发送的信号并对接收到的信号进行信道估计；

检测单元，用于对所述估计单元输出的信号进行信号检测；

处理单元，用于对所述检测单元输出的信号进行解调和译码处理；

所述估计单元，还用于在进行信道估计的过程中，利用递推的方式完成矩阵求逆；和/或，所述检测单元，还用于在进行所述信号检测的过程中，利用递推的方式完成矩阵求逆；

其中，所述估计单元和/或所述检测单元包括：

分解模块，用于对频域信道矩阵Λ进行QR分解得到Λ＝PR；其中，P为正交矩阵，R为上三角矩阵；

代入模块，用于将所述Λ＝PR代入到均衡器的输出信号模型，得到所述发送端发送的信号的频域模型为

${\hat{x}}_{(\·,k)}^{\left(f\right)}={[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H(P_k^H{y}_{(\·,k)}^{\left(f\right)}-R_k{\stackrel{\‾}{x}}_{(\·,k)}^{\left(f\right)}),k=1,\·\·\·,M,n=2,...,n_T$

以及所述发送端发送的信号的幅度均值为

$\stackrel{\‾}{\mathrm{\ρ}}=\frac{1}{M}\underset{k=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{diag}({[R_k^H{R}_k\stackrel{\‾}{V}+{\mathrm{\σ}}_n^2{I}_{n_T}]}^{-1}\·R_k^H{R}_k),k=1,\·\·\·,M$

递推模块，用于利用递推的方式完成由所述代入模块得到的公式中

的矩阵求逆运算，进而得到

和

的最终结果；

其中，

表示频域中的平均方差信号；

表示噪声方差；n_T表示发送端发送天线的数量；

表示n_T×n_T阶的单位矩阵；

表示等效频域接收信号；

表示频域的均值信号

的第k个子块；M表示发送的符号块的长度。

4.根据权利要求3所述的信号处理装置，其特征在于，记

则矩阵

转换为

所述递推模块具体用于，将记为

计算出 $A_{k,1}^{-1}=\frac{1}{W_{k,1}{W}_{k,1}^H+{\mathrm{\σ}}_n^2},$ 并利用递推公式

$A_{k,n}^{-1}=\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)-\frac{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}[{\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k.n}]}^H}{1+w_{k,n}^H\left(\begin{array}{cc}{A}_{k,n-1}^{-1}& \\ & 1/{\mathrm{\σ}}_n^2\end{array}\right)w_{k,n}},$

来完成所述

的矩阵求逆运算。

Images