CN102461104A - 用于带有顺序树搜索的二级均衡的接收器和方法 - Google Patents

Abstract

本文中描述了通过使用二级均衡器(502)解决接收信号(508)中符号间干扰的接收器(500)和方法，二级均衡器包括处理接收信号并产生初始符号判决(510)的第一解调级(504)和使用接收信号来执行顺序搜索以尝试在初始符号判决上做出改进的非线性均衡第二级(506)，其中，如果能够在初始符号判决上做出改进，则从顺序搜索获得输出序列(512)，并且如果不能在序列度量阈值上做出改进，则输出序列是初始符号判决。

Description

用于带有顺序树搜索的二级均衡的接收器和方法

技术领域

本发明一般涉及无线电信领域，并且具体地说，涉及通过使用带有顺序搜索的二级均衡器来减轻接收符号中的符号间干扰的接收器。

背景技术

下面的缩略词在此定义，在随后的技术现状和本发明的描述中涉及了这些缩略词中的至少一些缩略词。对本文中使用的“本发明”或“发明”的引用涉及示范实施例，并且不一定涉及随附权利要求涵盖的每个实施例。

蜂窝通信系统如今在演进以具有更高数据率。例如，HSPA通信系统通过使用更高阶信号星座在相同时间内发送更多比特，在上行链路和下行链路中均提供更高数据率。对于LTE上行链路同样如此。然而，在传送器与接收器之间的信道弥散时，产生符号间干扰(ISI)，这限制了高数据率的可用性。

接收器已使用线性均衡来抑制ISI。例如，WCDMA(HSPA，HSDPA)接收器已通过使用诸如G-Rake或码片均衡等线性均衡方案来抑制ISI。另外，接收器已为LTE上行链路使用线性均衡，但它在频域中执行。基本上，在高信号功率级别的线性均衡器尝试复原信道以消除ISI。问题是存在改进的空间。

目前使用了能够在线性均衡上做出改进的两种主要非线性均衡方案：(1)判决反馈均衡(DFE)；以及(2)最大似然序列估计(MLSE)。DFE只比线性均衡稍微更复杂，但性能增益不大。接收器能够使用块DFE，而块DFE能够提供更大增益，但由于将来ISI的线性抑制和来自过去ISI的误差传播，这未完全关闭与线性均衡的隔阂。MLSE能够关闭性能上的隔阂，但它十分复杂。存在通过简化而接近MLSE性能的各种方式。例如，通过诸如仍相当复杂的M算法和T算法的路径裁剪方案，能够简化MLSE。另外，这些过程具有与大星座并且具体而言等于大星座大小q的大扇出(fanout)大小有关的问题。另外，这些过程要求一定级别的复杂性以使检测到的序列从裁剪过程中显露出来。这全部在下面相对于一示范非扩展MIMO通信系统更加详细地描述，而接下来相对于图1-4(现有技术)讨论该通信系统。

示范通信系统

参照图1(现有技术)，图中示出传统非扩展MIMO通信系统100的基本图形，该系统带有通过信道112耦合到接收器114(包括多个接收天线116、解调器118、解交织器120和解码器122)的传送器102(包括编码器104、交织器106、调制器108和多个传送天线110)。在操作中，编码器104接收信息比特124的块，并且通过将它们映射到调制解调器比特126的更大块来保护那些比特。编码器104能够通过使用诸如二进制码等误差控制码来执行此操作，如BCH码、LDPC码、卷积码或涡轮(turbo)码。交织器106接收调制解调器比特126，更改调制解调器比特126的次序/索引，并且输出重新排序的比特128。

调制器108接收重新排序的比特128，并且使用调制星座输出符号130。具体而言，在生成输出符号130时，调制器108使用大小为q的调制星座将log₂q个连续比特映射到q个调制符号之一。例如，调制器108能够使用诸如BPSK(带有q＝2)和16-QAM(带有q＝16)等调制星座。调制器108也可执行滤波操作以产生部分响应信令。另外，调制器108还可执行编码的调制操作，其中，当前q个比特的映射取决于前面的比特。为简明起见，本文中提供的描述将采用未编码的调制方案。调制符号用于调制RF载波。

调制的符号130随后由传送天线110通过信道112传送到接收天线116。信道112表示无线媒体中衰落的效应、时间弥散及传送的符号130上的加性噪声和干扰。因此，解调器118接收已遭遇ISI的信号132。ISI也可以是由于在传送器102的部分响应信令和滤波、无线信道112上的多径弥散及在接收器114的滤波的组合效应而引起的。此信道模型也将适用于例如CDMA系统等其它通信系统。

接收器114分别执行解调操作和解码操作。首先，解调器118接受接收信号132，减轻ISI，并且以软比特值134的形式输出调制解调器比特134的估计。软比特值134指示各个调制解调器126的可靠性。解交织器120接收软比特值134，并且将其次序/索引更改为交织器106使用的次序/索引的逆。在解交织后，将重新排序的软比特值136馈送到解码器122。解码器122在重新排序的软比特值137上操作以产生信息比特124的估计138。

MIMO解调问题

一般MIMO解调问题随后通过L₁个传送天线110和L2个接收天线116进行讨论。传送和接收的信号130和132分别由向量

和

来表示。

S的每个分量是来自有限调制星座的符号。集合Q包含所有可能的传送的向量。Q的大小q是L₁个分量的星座大小的积。也就是说，如果L₁＝2，并且两个信号均使用16QAM，则q＝256。在此讨论中，假设q为2的幂。

在传送器102，存在从log₂q个调制解调器比特126的块到调制符号130的一对一映射。

i.弥散信道模型

对于带有存储器M的符号间隔信道112，存在M+1个信道矩阵H_M，…，H₀，每个维数是L₂×L₁。H_m的元素H_m，i，j描述从传送天线j到接收天线i在m个符号延迟的信道112。当前传送的信号S示为S_k。系统模型由下式给出：

(1)r_k＝H_Ms_k-M+…+H₁s_k-1+H₀s_k+v_k

其中，

表示噪声。为简明起见，考虑了时间中和空间中的加性白高斯噪声(AWGN)模型。

均衡器操作

下面讨论在接收器114的均衡器118(单级均衡器118)的操作。假设传送的信号130具有长度K的符号向量序列。接收器114处理对应收到的值(r₁，…，r_K)以尝试识别最大似然意义中的最佳序列。适当的度量是平方误差(或欧几里德距离)。

给定完整序列假设时，对应的序列度量能够被计算。序列度量能够编写为称为分支度量的K个部分度量之和。鉴于后面描述的树结构，该名称将变得清楚。在此讨论中，采用了符号表示s_a:b＝(s_a，…，s_b)，并且将完整序列称为s_1:K。

i.分支度量、偏置(bias)和新息(innovation)

根据偏置和新息来描述分支度量是有益的。为了在与等式1相关联的模型中适当地计及ISI(对于k＝1到M)，假设符号s_-M+1:0已知。目前，将这些符号视为已知参考符号。在索引k，与过去符号相关联的偏置向量由下式给出：

(2)b_k-1＝H_Ms_k-M+…+H₁s_k-1

它是仅最近M个符号s_k-M:k-1的函数。通过从接收向量去除偏置向量，新息向量被获得并能够表示为：

(3)c_k＝r_k-b_k-1。

此新息表示去除偏置后的残余接收值。最后，比较c_k和由信道矩阵所加权的对应符号以获得表示如下的分支度量：

(4)‖c_k-H₀s_k‖²。

ii.序列度量

序列度量由下式给出：

$\left(5\right)---\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\left|\right|c_k-H_0{s}_k\left|\right|}^2.$

等式5的序列度量是用于比较不同总序列假设的适当量度。最佳总序列是最小化序列度量的序列。

iii.MLSE

MLSE发现最佳总序列。维特比过程是搜索最佳总序列的一个十分有效的方式。它通过使用中间步骤进行搜索，其中比较了相同长度的子序列。本文中提供了有关MLSE的操作的简要讨论以提供与堆栈算法的操作(下面讨论)的对比，其中比较了不等的长度序列。

MLS在带有每级q^M+1个分支和q^M种状态的格(trellis)上操作。格具有从索引0到K的K+1级以处理K个接收值。MLSE在0级开始，并且向K级发展。在索引k-1，每种状态表示M个符号(s_k-M，…，s_k-1)的不同组合，并且标记有根据等式no.2和3的新息。

表示符号S_k的分支从(s_k-M，…，s_k-1)开始，并且在索引k在状态(s_k-M+1，…，s_k)中结束。分支标记有根据等式no.4的分支度量。这使得能够为长度k的序列(s₁，…，s_k)将序列度量计算为(s₁，…，s_k-1)的序列度量的更新。

在k级的每种状态，比较在该状态结束的长度k的所有序列的序列度量。丢弃除带有最低序列度量的序列外的所有序列，并且保持幸存者。最终，到达最后的级K。每种状态具有长度K的幸存序列。带有最低序列度量的幸存者是最佳总体序列。

MLSE由于只比较相同长度序列，因此，它具有一些缺陷。另外，反映MLSE过程的复杂性的状态的数量q^M和分支的数量q^M+1随调制大小Q或存储器M而快速增长。因此，在状态的数量q^M和分支的数量q^M+1变大时，MLSE变得无比复杂。

iv.Fano度量的直觉辩解(justification)

预期堆栈算法的工作，假设想要比较两个不等长度子序列s_1:J和s′_1:J，其中J＜J′＜K。简单地限制等式no.5中的总和为J和J′效果不佳。例如，以度量差为例，我们将获得：

$\left(6\right)---\underset{k=1}{\overset{J}{\mathrm{\Σ}}}({\left|\right|c_k-H_0{s^{\′}}_k\left|\right|}^2-{\left|\right|c_k-H_0{s}_k\left|\right|}^2)+\underset{k=J+1}{\overset{J^{\′}}{\mathrm{\Σ}}}{\left|\right|c_k-H_0{s^{\′}}_k\left|\right|}^2.$

等式no.6中的第二个总和不均衡并且始终是非负的，因此，更短的序列将往往太轻松胜出。

为了平衡比较，需要计及每个序列中缺失的符号。这能够通过加上不取决于缺失符号并表示分支度量的估计的偏置β_k来完成。结果总序列度量由下式给出：

$\left(7\right)---\underset{k=1}{\overset{J}{\mathrm{\Σ}}}{\left|\right|c_k-H_0{s}_k\left|\right|}^2+\underset{k=J+1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\β}}_k.$

此外，从等式no.7中减去项

是方便的。这对序列度量比较无影响。表示为E_J的结果度量能够编写如下：

$\left(8\right)---E_J=\underset{k=1}{\overset{J}{\mathrm{\Σ}}}({\left|\right|c_k-H_0{s}_k\left|\right|}^2-{\mathrm{\β}}_k).$

示为e_k的对应分支度量由下式给出：

(9)e_k＝‖c_k-H₀s_k‖²-β_k。

这称为Fano度量。为清晰起见，回访度量差，并且通过使用等式no.8，获得下式：

$\left(10\right)---\underset{k=1}{\overset{J}{\mathrm{\Σ}}}({\left|\right|c_k-H_0{s^{\′}}_k\left|\right|}^2-{\left|\right|c_k-H_0{s}_k\left|\right|}^2)+\underset{k=J+1}{\overset{K}{\mathrm{\Σ}}}({\left|\right|c_k-H_0{s}_k\left|\right|}^2-{\mathrm{\β}}_k).$

等式no.10中的第二个和现在由于β_k的存在而被平衡，不同于等式no.6中的第二个和。这确认了Fano分支度量为不等长度序列的比较提供平衡的直觉解释。

v.偏置示例

再参照等式no.7，能够记得偏置β_k是其中尚未计算该度量的索引处的分支度量的估计。理想的情况是我们将具有准确和简单的估计，因为准确将产生更佳的性能，而简单符合低复杂性均衡器。

最简单的偏置是向量噪声功率。这对应于以下假设：影响在索引k的分支度量的假设的符号s_k-M:k是正确的。随后，从等式no.1-3能够看到等式no.4简化为下式：

(11)‖c_k-H₀s_k‖²＝‖v_k‖²。

右侧的预期值是示为P_k的向量噪声功率。它能够通过平均最近符号上的误差进行估计。此外，对于块长度K的相当小的值，我们能够假设噪声功率是恒定的，因此，偏置对于所有k是单个值。通常，偏置项能够与噪声功率成比例。在T.Gucluoglu等人的“Soft Input SoftOutput Stack Equalization for MIMO Frequency Selective FadingChannels，”(在Proc.IEEE Intl.Conf.Commun.中，Seoul，Korea，2005年5月16-20，pp.510-514)中描述了此方案和其它方案(该文的内容通过引用结合于本文中)。

堆栈算法

堆栈算法是结构简单的激进型深度优先树搜索过程。它很适用于状态空间极大的情形，使得像维特比过程等广度优先技术变得不实际。

堆栈算法的一个关键特征是不同长度的符号序列的比较，以便将它们排列为差不多可能最终的解。这通过使用上述Fano度量而可能实现。

下述堆栈算法用作代表性示例，存在能够使用的其它顺序搜索过程，如单堆栈算法和桶过程。在J.B.Anderson等人的“SequentialCoding Algorithms：A Survey and Cost Analysis，”(IEEE Transactions onCommunications，vol.COM-32，1984年2月)中描述了这些其它顺序搜索过程(该文的内容通过引用结合于本文中)。

i.搜索树

堆栈算法在深度为K的树上操作。示为Θ的树的根节点处于索引0。它与长度0的空序列φ相关联。在索引k-1的节点N与从根节点开始的其子序列s_1:k-1相关联。节点N的扇出是N中开始的分支B的集合。每个分支与用于符号S_k的某个值相关联。目前，假设对扇出没有限制，并且它具有q个分支，Q中每个符号向量一个分支。节点N通过分支B的延伸产生了在索引k与序列s_1:k相关联的新节点N′。新节点N′称为子，并且N称为父。

为了引用目的，我们能够考虑深度为K的完整树，其中延伸了每个节点，并且表示了长度为K的每个可能序列。图2(现有技术)示出一示范完整树200，具有二进制字母表q＝2、深度K＝3及在索引k＝0的根节点Θ。示范完整树200还具有在索引k的分支B，分支标记有符号S_k。

堆栈算法无需搜索完整树200，而是它能够集中在最可能的序列上。在此意义上，堆栈算法定义完整树200的稀疏子树。图3(现有技术)示出一示范稀疏树300，该树能够通过使用二进制字母表q＝2和深度K＝3的堆栈搜索来创建。在此图中，根据堆栈中节点的秩(rank)将节点标记为N(i)。

ii.分支和节点度量

在此讨论中，考虑在索引k-1的节点N和相关联子序列s_1:k-1。用于N的偏置向量明确示为b_k-1(N)，并且由等式no.2给出。偏置向量是仅最近M个符号s_k-M:k-1的函数，并且概括在索引k在分支度量上节点N的效应。

如等式no.3所给出的，通过从接收向量去除偏置向量，获得明确示为c_k(N)的新息向量。新息向量表示在去除节点N的偏置后的残余接收值。

对于N的扇出中的每个分支B，比较c_k和由信道矩阵所加权的对应符号以获得明确示为e_k(B)并由等式no.9的Fano度量所给出的分支度量。分度支量e_k(B)是仅最近的M+1个符号s_k-M:k的函数。

等式no.9中的平方误差第一项对应于Forney的均衡化方案，该方案在G.D.Forney的“Maximum-likelihood sequence estimation ofdigital sequences in the presence of intersymbol interference，”(IEEE Trans.Info.Theory，vol.IT-18，1972年5月)中讨论(其内容通过引用结合于本文中)。

对于从节点N通过分支B的延伸而获得的节点N′，N′的节点度量由下式给出

(12)E_k(N′)＝E_k-1(N)+e_k(B)

其中，E_k-1(N)是N的节点度量。默认情况下，节点Θ的度量设为0。随后，通过使用等式no.12，我们能够逐步建立从节点Θ到节点N′的节点度量。

经其扇出延伸的节点N的示例在图4(现有技术)中示出。示范节点N在索引k-1＝3，并且通过其扇出中的四个分支来延伸以产生在k＝4的四个新的子节点N′。偏置b₃(N)在计算分支度量e₄(B)中使用。序列度量E₄(N′)从E₃(N)和e₄(B)来计算。

iii.堆栈算法的步骤

堆栈算法包括节点的有序列表，最佳候选在顶部(因此称为“堆栈”)。最佳节点从堆栈去除，并随后经其扇出中的分支来延伸。结果的新子节点在堆栈中根据其序列度量来插入。

堆栈算法通过Θ初始化。在堆栈的顶部的节点具有索引k＝K时，堆栈算法停止。对应于该节点的长度为K的序列是输出。堆栈算法的示范伪代码如下：

再参照图3(现有技术)中的示例，堆栈中的节点根据其秩而被标记N(i)。由于带有索引k＝K的节点N(0)在堆栈的顶部，因此，它是获胜者。其对应序列(0，0，1)是堆栈算法的输出。

堆栈算法的变型

i.堆栈大小增长

堆栈算法的每次迭代去除一个节点并且添加q个节点。因此，堆栈大小保持增长。对于大的q或长的块K，这可能是不实际的。结果，可能必需限制堆栈大小。

一个方案是设置大小限制。一旦堆栈超过该限制，便通过去除在底部的候选而修剪回它。只要限制足够大，对性能的影响便极小，因为修剪的候选最不可能成功。

另一方案是设置序列度量阈值。如果候选的序列度量超过该阈值，则将它从堆栈中修剪。同样地，只要阈值足够大，对性能的影响便极小，因为修剪的候选最不可能成功。

ii.合并序列

如上所讨论的，堆栈算法在树上操作。在此示范ISI情形中，状态空间是有限的，并且能够通过格来描述，路径在格中合并在一起。虽然此处可能无需借助于格，但利用合并的想法可能是有益的。

在偏置是仅最近的M个符号的函数的事实中，反映了有限空间。因此，如果在相同索引k-1的两个节点N和N′在其最近的M个符号s_k-M:k-1方面一致，则其偏置向量相等：

(13)b_k-1(N)＝b_k-1(N′)。

由于节点N和N′具有相同的偏置向量，因此，其分支度量将在索引k相同。此外，从此点向前的一切将相同。这意味着两个节点能够合并。为了如此做，比较其序列度量E_k-1(N)和E_k-1(N′)，并且从堆栈中去除带有更大序列度量的节点。

在无限堆栈的情况下，合并节点对性能无影响，因为带有更大序列度量的节点将从不会胜出。然而，合并确实影响复杂性。另外，必须针对跟踪合并候选的成本来考虑在减少将来操作中合并的益处，比较它们并去除最差的候选。

在受限堆栈大小的情况下，合并序列可影响修剪哪些节点。这不可能对性能造成大的影响。

由于堆栈受度量阈值限制，合并对性能无影响。

iii.开始(初始化)

视传送系统而定，有不同的方式开始堆栈算法。如果导频符号在开始已传送，则堆栈算法从单种已知状态开始。在缺少导频符号的情况下，有几种选择。一种选择是从对应于初始符号的不同组合的多个状态开始。在应用堆栈裁剪过程之前，可能必须在最初执行树搜索/伸展。合并序列和堆栈裁剪能够用于限制由于多个初始状态而在堆栈中序列的增大数量。另一种选择是使用来自第一级的信息来裁剪多个初始状态成最可能的状态，包括具有对应于从第一级检测到的符号值的单个开始状态的极端情况。

鉴于有关各种线性均衡方案和各种非线性均衡方案的以上讨论，能够看到需要解决其各种缺点以使得接收器能够有效地降低接收符号中的ISI和输出更可靠的比特。本发明满足了此需要和其它需要。

发明内容

在一方面中，本发明提供适用于减轻接收信号中的ISI的一种接收器和一种均衡方法。该接收器具有二级均衡器，所述二级均衡器包括诸如线性均衡等解调第一级，该解调第一级处理接收信号并产生初始符号判决和可能诸如可靠性量度和最可能符号的排序列表等附加信息。该二级均衡器还包括非线性均衡第二级，第二级使用接收信号和可能附加信息来执行顺序搜索以尝试在初始符号判决上做出改进，其中，如果能够在初始符号判决上做出改进，则从顺序搜索获得输出序列，并且如果不能在初始符号判决上做出改进，则输出序列是初始符号判决。该二级均衡器组合线性均衡的简单性和非线性均衡的性能，其在具有高数据率和高阶信号星座的蜂窝通信系统(例如，HSPA系统、LTE系统)中是合乎需要的。

本发明的另外方面将部分地在后面的详细描述、图形和任何权利要求中陈述，并且部分将从详细描述而得出，或者能通过本发明的实践而了解。要理解，前面的一般描述和下面的详细描述均只是示范和解释性的，并不是将本发明限制为所公开的。

附图说明

通过参照下面的详细描述(在结合附图进行时)，可获得本发明的更完整理解：

图1-4(现有技术)是包括传统无线通信系统和传统接收器的各种图形，其用于帮助解释与本发明解决的降低接收信号中的符号间干扰相关联的各种问题；

图5是根据本发明的能够在无线通信系统中实现的带有二级均衡器的接收器(即，基站或用户终端)的基本图形；以及

图6-8是图5中所示接收器的基本图形，其用于帮助解释根据本发明的二级均衡器的几个不同实施例。

具体实施方式

参照图5，图中示出带有根据本发明配置的二级均衡器502的接收器500的基本图形。二级均衡器502包括降低接收信号508中ISI的第一级504和第二级506。第一级504能够是诸如线性接收器等解调的相对简单形式，例如具有处理接收信号508并产生信息510以便在第二级506中使用的匹配滤波器、迫零滤波器、码片均衡器、RAKE、GRAKE或其变型。备选的是，第一级也能够是非线性的，如判决反馈均衡器。第二级506能够实现修改的顺序搜索或解码方法，如修改的堆栈搜索结构，所述方法再次处理接收信号508，并且结合来自第一级504的信息510以加速和可能限制或改善其搜索，以输出更可靠的比特512。来自第一级506的信息510可例如包括符号判决或随可靠性量度或最可能符号的排序列表而增加的符号判定。后面详细讨论了接收器500的几个示范实施例，但应理解，本文中只描述与本发明相关的组件，而为清晰起见，省略了像解交织器和解码器等其它公知的组件。还应理解，接收器500适用于任何数量的传送和接收天线(SISO、SIMO、MISO及MIMO)。

BEAT-IT I

参照图6，图中示出带有根据本发明的第一实施例配置的二级均衡器502′的接收器500′的基本图形。二级均衡器502′包括降低接收信号508′中ISI的第一级504′和第二级506′。第一级504′能够是诸如线性接收器等解调的相对简单形式，例如具有处理接收信号508′并产生符号硬判决以便在第二级506′中使用的匹配滤波器、迫零滤波器、码片均衡器、RAKE、GRAKE或其变型。备选的是，第一级504′也能够是非线性的，如判决反馈均衡器。第二级506′实现修改的顺序搜索或解码方法，如修改的堆栈搜索结构，所述方法再次处理接收信号508′，并且结合来自第一级504′的符号硬判决

以加速和可能限制或改善其搜索，以输出更可靠的比特512′。

具体而言，二级均衡器502′具有产生符号硬判决

并将它们馈送到第二级506′的第一级504′。第二级506′采用符号硬判决

及参考符号s_-M+1:0，并计算分支度量和序列度量。

首先，计算在索引K的示为E_max的总度量。E_max的计算在下面描述。在索引0，偏置根据等式no.2从参考符号s_-M+1:0计算并如下所示：

(14)b₀＝H_Ms_-M+1+…+H₁s₀。

在索引1，新息根据等式no.3来计算并且如下所示：

(15)c₁＝r₁-b₀

其中，r₁是接收信号508′。

随后，根据等式no.9，使用第一符号判决

来计算分支度量，如下所示：

$\left(16\right)---e_1={\left|\right|c_1-H_0{\hat{s}}_1\left|\right|}^2-{\mathrm{\β}}_1.$

偏置使用s_-M+2:0和

来计算，如下所示：

$\left(17\right)---b_1=H_M{s}_{-M+2}+...+H_2{s}_0+H_1{\hat{s}}_1.$

后面的级以相同的方式处理。最终，达到索引K，并且序列度量由下式给出：

$\left(18\right)---E_{\max }=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{e}_k.$

符号硬判决

现在用作堆栈算法中要胜过(beat)的初始解。为此，如更早所解释的，E_max设为堆栈的序列度量阈值。随后，为使在索引k的节点N在堆栈中幸存，其序列度量必须满足：

(19)E_k(N)＜E_max。

在堆栈搜索的某一点，由于修剪，在堆栈中可能剩有一个单节点。在它被去除并经其扇出延伸时，所有新子节点可能未通过等式no.19中的条件。随后，堆栈变为空。这意味着初始解

不能被胜过，并且因此初始解

是第二级506′的输出。

为了能够实现此实施例，接收器500′可包括处理器514′和存储处理器可执行指令的存储器516′，其中，处理器514′与存储器516′接口，并且执行处理器可执行指令以实现以下示范的高级别伪代码：

注：处理器514′和存储器516′至少部分实现为软件、固件、硬件或硬编码逻辑的某一组合。

在此实施例中，二级均衡器502′包括处理接收信号508′并产生初始符号判决

的第一级504′。二级均衡器502′还包括非线性均衡第二级506′，该第二级使用初始符号判决和接收信号来计算设为序列度量阈值的最大总度量E_max，并且随后考虑其它候选符号序列以尝试和在序列度量阈值上做出改进，以及如果能够在序列度量阈值上做出改进，则从顺序搜索来获得输出序列512′，并且如果不能在序列度量阈值上做出改进，则输出序列512′是初始符号判决

如上所述，二级均衡器502′使用来自第一级504′的符号硬判决

作为初始解，而第二级506′随后尝试胜过初始解。因此，此实施例被赋予别名BEAT-IT I。下面详细描述的接收器500的其它实施例也保留此基本方案，并且在本文中通过别名BEAT-IT II、BEAT-IT III、BEAT-IT IV和BEAT-IT V来表示。

BEAT-IT II到BEAT-IT V

参照图7，图中示出带有用于帮助解释本发明的几个另外实施例的二级均衡器502″的接收器500″的基本图形。二级均衡器502″包括降低接收信号508″中ISI的第一级504″和第二级506″。第一级504″能够是诸如线性接收器等解调的相对简单形式，例如具有处理接收信号508″并产生符号硬判决

和附加信息510b″以便在第二级506″中使用的匹配滤波器、迫零滤波器、码片均衡器、RAKE、GRAK或其变型。备选的是，第一级504″也能够是非线性的，如判决反馈均衡器。第二级506″实现修改的顺序搜索或解码方法，如修改的堆栈搜索结构，所述方法再次处理接收信号508″，并且结合来自第一级504″的符号硬判决

和附加信息510b″以加速和可能限制或改善其搜索，以输出更可靠的调制解调器比特512″。附加信息510b″指示在索引k的每个符号

的可靠性，并且它由第二级506″用于限制在索引k的扇出。

BEAT-IT II

下面描述与前面所述二级均衡器502′相比更详细的二级均衡器502″，其中，第一级504″不但提供符号硬判决

而且提供附加信息510b″到第二级506″。第二级506″在接收附加信息510b″时，为所有k设置大小为q′_k的受限星座Q′_k(回想起不受限星座Q的大小为q)。q′_k的值在1与q之间。如果符号的可靠性极强，则设置：

$\left(20\right)---{Q^{\′}}_k=\left\{{\hat{s}}_k\right\}$

和q′_k＝1。在后面将看到，修改的堆栈算法强制其判决S_k等于在另一极端，如果的置信度极低，则设置：

(21)Q′_k＝Q

和q′_k＝q。结果，修改的堆栈算法搜索在索引k的完整星座。

在其之间，受限星座Q′_k需要被定义，并且用于进行此操作的几个可能方案将在随后的部分中描述。在此点，假设给定来自第一级504″的附加信息510b″，第二级506″为所有k确定Q′_k。

i.带有扇出限制的修改的堆栈

修改的堆栈算法通过Θ来初始化。它在堆栈顶部的节点具有索引k＝K时停止。对应于该节点的长度为K的序列是输出。考虑在堆栈顶部带有索引k-1的最佳节点N。它从堆栈被去除，并在大小为q′_k的其扇出中经分支来延伸。分支标记有受限星座集合Q′_k中的符号。分支度量和序列度量像以前一样计算。

为了能够实现此实施例，接收器500″可包括处理器514″和存储处理器可执行指令的存储器516″，其中，处理器514″与存储器516″接口，并且执行处理器可执行指令以实现以下示范的高级别伪代码：

通过根节点初始化的堆栈

注：处理器514″和存储器516″至少部分实现为软件、固件、硬件或硬编码逻辑的某一组合。

在此实施例中，二级均衡器502″包括处理接收信号508″和输出随可靠性量度μ_k 510b″增加的初始符号判决

的第一级504″，其中，可靠性量度μ_k 510b″指示在索引k的每个符号

的可靠性。二级均衡器502″还包括非线性均衡第二级506″，该第二级通过设置大小为q′_k的受限星座Q′_k，使用初始符号判决

和可靠性量度μ_k来限制顺序搜索的至少一个索引k的扇出，其中q′_k的值在1与q之间，其中，如果符号

的可靠性量度低，则设置Q′_k＝Q和q′_k＝q，并且如果符号

的可靠性量度在其之间，则当执行顺序搜索以尝试和在初始符号判决上做出改进时扇出受到限制，以及如果能够在初始符号判决

上做出改进，则输出序列是来自顺序搜索的最佳节点N，并且如果不能在初始符号判决

上做出改进，则输出序列512″是初始符号判决

BEAT-IT III

下面描述了甚至更详细的二级均衡器502″，其中，通过结合BEAT-IT I的阈值E_max以修剪BEAT-IT II的堆栈，组合了BEAT-IT I和BEAT-IT II的特征。

也就是说，E_max如在BEAT-IT I中一样用作阈值，因此，仅带有E_k(N)＜E_max的节点N在堆栈中幸存。此外，如在BEAT-IT II中一样，在k级的星座受限于Q的子集Q′_k。随后，如更早所解释的，如果堆栈变为空，则初始解

不能被胜过，并且它是第二级506″的输出512″。

为了能够实现此实施例，接收器500″可包括处理器514″和存储处理器可执行指令的存储器516″，其中，处理器514″与存储器516″接口，并且执行处理器可执行指令以实现以下示范的高级别伪代码：

注：处理器514″和存储器516″至少部分实现为软件、固件、硬件或硬编码逻辑的某一组合。

在此实施例中，二级均衡器502″包括处理接收信号508″和输出随可靠性量度μ_k 510b″增加的初始符号判决

的第一级504″，其中，可靠性量度μ_k 510b″指示在索引k的每个符号

的可靠性。二级均衡器502″还包括非线性均衡第二级506″，该第二级通过为所有k设置大小为q′_k的受限星座Q′_k，使用初始符号判决

和可靠性量度μ_k510b″来限制顺序搜索的至少一个索引k的扇出。第二级506″还使用初始符号判决s_-M+1:0和接收信号508″来计算设为序列度量阈值的最大总度量E_max，并尝试和在基于受限星座Q′_k而受到限制的序列度量阈值上做出改进，以及如果能够在序列度量阈值上做出改进，则输出序列512″是来自顺序搜索的最佳节点N，并且如果不能在序列度量阈值上做出改进，则输出序列512″是初始符号判决

扇出限制

下面描述用于扇出限制的几种方法。首先，考虑一种情形，其中，来自第一级504″的信息由硬符号判决或能够视为随可靠性量度510b″增加的硬符号判决510a″的软符号判决而组成。下面描述利用任一类型的信息限制扇出的几种示范方法。它们在其它方面保持堆栈算法不变。

能够从第一级504″输出的另一类型的信息是每个索引k的最可能符号的有序列表。下面描述直接使用此列表、只对堆栈算法本身进行极小更改的一示范方法。

另外，下面描述进一步利用有序列表的次序信息并修改堆栈算法本身以使其在深度优先意义上更激进的一示范方法。此示范方法引入了次要堆栈，从主要堆栈去除的节点保持在其中而不是被丢弃。

i.扇出限制和可靠性

如果用于

的可靠性信息510b″不存在，则根据下述方案，能够使用单个受限扇出。

如果用于的可靠性信息510b″可用，则假设它被概括为单个数μ_k以用于此讨论的目的。下面讨论扇出的大小与符号可靠性510b″之间的联系。

在最简单的情况下，μ_k能够根据阈值被量化为高或低。如果μ_k为高，则使Q′_k更小。具体而言，设置如果μ_k为低，则使Q′_k更大。在极端情况下，设置Q′_k＝Q，但在下面的方案中一般使Q′_k更小。

通常，μ_k能够根据阈值被量化到多个级别。随后，Q′_k的对应版本能够设置为Q的逐渐伸展的子集。

ii.比特翻转(flipping)

回想起符号的每个值对应于log₂q个调制解调器比特值，表示为

考虑特定的比特

并且使

表示

其中比特

被翻转。还设

表示对应于的符号。

通常，符号

不必在欧几里德距离上靠近甚至在SIMO情况下，L₁＝1。此外，在MIMO情况下，L₁＞1，即使和

接近，在将信道考虑在内后，其对应值也可能不接近。

然而，在从比特到符号的Gray映射的情况下，对于大多数i，

接近

这使得比特翻转成了一个有吸引力的方案。另外，比特翻转是如下所述用于产生调制解调器比特软值的极为方便的方式。

a.单比特翻转

如果μ_k可用，则它能够通过在

与 $\left(22\right)---{Q^{\′}}_k=\{{\hat{s}}_k,{\stackrel{\‾}{s}}_k\left(1\right),...,{\stackrel{\‾}{s}}_k\left({\log }_{2}q\right)\}$ 之间转变而被利用。

如果可靠性信息μ_k 510b″不存在，则设置扇出为等式no.22。为了简明的缘故，从此处开始假设可靠性信息μ_k 510b″是可用的。

b.双比特翻转

通过允许双比特翻转，能够进一步采用比特翻转，其中，

翻转了比特i和j。随后，μ_k能够量化为三个级别。最小的集合设为第二集合添加单翻转的符号以及第三集合添加双翻转的符号

此方案能够推广到正在翻转的任何数量的比特。

iii.星座近邻

另一种方案是考虑星座近邻。在SIMO情况下，L₁＝1，我们能够识别欧几里德距离意义上的近邻。在MIMO情况下，L₁＞1，我们能够分别识别对于每个流的子星座中的近邻。

如在比特翻转情况中一样，Q′_k能够根据可靠性信息μ_k 510b″来调整大小。对于高的值，转变到

对于低的值，增加Q′_k以包括最近的近邻。

进一步采用该构想，我们还能识别第二最近的近邻，并以此类推，并且相应地增加Q′_k。

iv.修改的球形解码

球形解码是一种实际上低复杂性搜索技术，它已在极大的星座或MIMO信号的解调中使用。在其原始形式中，球形解码以如B.Hochwald等人的“Achieving near-capacity on a multiple-antennachannel，”(IEEE Transactions on Communications，vol.51，pp.389-399，2003年3月)中所讨论的逐符号方式工作于非弥散信道(该文的内容通过引用结合于本文中)。球形解码也适用于用于弥散信道的维特比型均衡器。这在2009年6月5日提交的名称为“Reduced-ComplexityEqualization with Sphere Decoding”的序列号为12/479081的共同转让的美国专利申请(代理人案号P27361)中详细讨论(其内容通过引用结合于本文中)。

球形解码的基本构想是在最可能候选的小子集中搜索解。子集是居中在传送的信号的初步估计，且其半径p是设计参数的球形。更小的半径减少了计算，但增大了错失正确解的风险。

在本发明中，序列号为12/479081(代理人案号P27361)的上述美国专利申请中描述的一般方案适用于在堆栈搜索中使用球形解码。对球形内符号的专门搜索的详细信息以及其它详细信息将与序列号为12/479081(代理人案号P27361)的上述美国专利申请中描述的相同，并且在此将不进一步讨论。

为了简明的缘故，假设L₂≥L₁。球形的中心从等式no.3中给出的新息c_k来找到，如下：

$\left(23\right)---{\tilde{s}}_k={\left({H_0}^H{H}_0\right)}^{-1}{H_0}^H{c}_k.$

在此公式中，球形中心经c_k，受来自第一级504″的更旧符号估计而不是当前符号估计

影响。下面的三角形矩阵U通过H₀ ^HH₀的Cholesky分解而获得。识别符号值s_k是否在球形内的修改的度量能够定义如下：

$\left(24\right)---f\left(s_k\right)={(s_k-{\tilde{s}}_k)}^H{U}^{H}U(s_k-{\tilde{s}}_k).$

受限的扇出现在是受ρ限制的球形，如下：

$\left(25\right)---Q_k^{\′}=\{s_k\∈Q_k:f\left(s_k\right)\≤{\mathrm{\ρ}}^2\}.$

球形半径和可靠性信息

为符合使扇出大小与可靠性相关的方案，半径p能够与可靠性信息510b″相关。也就是说，如果可靠性高，则半径就更小，并且如果可靠性低，则半径就更大。具体而言，半径能够被量化以匹配量化的可靠性。

由于

是不计及离散星座的持续变量，因此，可能的是，对于小的半径，

能够落在等式no.25中的Q′_k之外。为了确保

确实属于Q′_k，等式no.25能够修改如下：

$\left(26\right)---Q_k^{\′}=\left\{{\hat{s}}_k\right\}\∪\{s_k\∈Q_k:f\left(s_k\right)\≤{\mathrm{\ρ}}^2\}.$

v.有序列表

此处假设对于每个索引k，第一级504″产生最可能的q_k个候选符号向量的有序列表。此类信息510b″是识别最佳候选

(等于硬符号

)、第二最佳

等向下至

的归纳判决功能的副产品。有序列表510b″可视为有关

的软信息的形式。

在第一方法中，受限扇出能够变得等于有序列表，如下所示：

$\left(27\right)---Q_k^{\′}=\{{{\hat{s}}_k}^{\left(1\right)},{{\hat{s}}_k}^{\left(2\right)},...,{{\hat{s}}_k}^{\left(q_k\right)}\}.$

随后，像以前一样运行堆栈算法。回想起从堆栈去除在索引k-1的节点N，并且通过借助对应于Q′_k中的符号的分支来延伸N而形成其子节点。结果的节点随后根据其节点度量而被放置在堆栈中。

根据次序信息而处理新子节点在堆栈中的放置中有一个优点。这假设来自第一级504″的次序信息510b″是堆栈中新节点的相对次序的良好预测。

在此过程中，设N′⁽ⁱ⁾表示对应于

的新节点。首先，将N′⁽¹⁾放置在堆栈中，并从顶部开始与堆栈中的节点进行比较。堆栈中的N′⁽ⁱ⁾位置表示为λ⁽¹⁾。其次，将N′⁽²⁾放置在堆栈中，并从λ⁽¹⁾开始与堆栈中的节点进行比较以查找其位置λ⁽²⁾。接着，将N′⁽³⁾放置在堆栈中，并从λ⁽²⁾开始比较，并以此类推。上述方案的构想是在平均意义上减少比较的数量。

vi.有序列表和修改的堆栈算法(BEAT-IT IV和BEAT-IT V)

如果期望，则堆栈算法的结构能够被修改以更完全地利用次序信息510b″。结果的过程在深度优先意义上更激进，因为更可能更快地进入树的更深处。

再次考虑列表中最佳符号的节点N′⁽¹⁾。假设与堆栈的比较导致λ⁽¹⁾＝1，意味着它是堆栈中的最佳和在此中间点的最佳修改。当此发生时，第二级506″不继续进行N′⁽²⁾到的放置。相反，第二级506″根据受限扇出

将N′⁽¹⁾延伸到索引k+1。

需要虑及未得到机会在堆栈中放置的剩余新节点N′⁽²⁾到

如下面将更详细解释的，通过在次要堆栈中保持剩余新节点N′⁽²⁾到

存活而虑及它们。

更一般地说，假设新子节点根据次序信息510b″进行处理，并且N′⁽¹⁾是第一节点，对于其λ⁽¹⁾＝1。在此情况下，第二级506″无需继续进行剩余节点N′⁽ⁱ⁺¹⁾到

的放置。相反，N′⁽ⁱ⁾根据受限扇出

而被延伸到索引k+1。

a.次要堆栈

在此示例中，重新考虑其前i个延伸已在主要堆栈中被放置的节点N，并且N′⁽ⁱ⁾是主要堆栈中的最佳。为了跟踪N⁽ⁱ⁺¹⁾到

以用于可能的将来使用，根据其节点度量在次要堆栈中放置它们。

b.访问次要堆栈

剩下的问题是何时访问次要堆栈。在下面的讨论中，考虑了堆栈搜索的两种变型，其中，一种变型具有阈值测试，另一种变型没有阈值测试。

首先，考虑堆栈算法没有阈值测试的变型。最终，主要堆栈到达其中最佳节点N具有索引K的点。在此点，主要堆栈将已完成，并且最佳节点N将被放置在次要堆栈中。如果它是次要堆栈中的最佳节点，则过程完成，并且N产生输出序列512″。如果N不是次要堆栈中的最佳节点，则来自次要堆栈的另一节点被给予机会。由于主要堆栈中的剩余节点输于N，因此，它们被永久去除。次要堆栈中的最佳节点被移到主要堆栈。搜索现在能够继续。二级均衡器502″的此变型在本文中称为BEAT-IT IV。

为了能够实现此实施例，接收器500″可包括处理器514″和存储处理器可执行指令的存储器516″，其中，处理器514″与存储器516″接口，并且执行处理器可执行指令以实现以下示范的高级别伪代码：

通过根节点初始化的主要和次要堆栈

注：处理器514″和存储器516″至少部分实现为软件、固件、硬件或硬编码逻辑的某一组合。

在此实施例中，二级均衡器502″包括第一级504″，该第一级处理接收信号508″并输出随最可能候选符号向量q_k的有序列表510b″增加的初始符号判决

二级均衡器502″还包括非线性均衡第二级506″，该均衡第二级通过为所有k设置大小为q′_k的受限星座Q′_k，限制有序搜索的扇出。第二级506″使用主要堆栈和次要堆栈来执行顺序搜索，并且在主要堆栈达到某个点而在该点有序列表中识别的最佳节点N为全长时，则次要堆栈中放置该节点N，并且如果该节点N也是次要堆栈中的最佳节点，则该节点N产生输出序列，以及如果主要堆栈中的最佳节点N不是次要堆栈中的最佳节点，则另一节点从次要堆栈移到主要堆栈，并且顺序搜索继续进行以尝试和在所述初始符号判决上做出改进，以及如果能够在初始符号判决

上做出改进，则输出序列512″是来自继续的顺序搜索的最佳节点N，并且如果在继续的顺序搜索后不能在初始符号判决上做出改进，则输出序列512″是初始符号判决初始符号判决

下面考虑带有阈值测试的变型。此处，主要堆栈可能变为空，因为所有候选节点未通过阈值测试。如果发生此情况，则访问次要堆栈。如果次要堆栈也为空，则来自第一级504″的初始序列510a″是输出序列512″。否则，在次要堆栈顶部的节点N移到主要堆栈。如果节点N具有索引k＝K，则过程完成。否则，像以前一样延伸节点N。如果主要堆栈最终再次变为空，则回访次要堆栈，并以此类推。二级均衡器502″的此变型在本文中称为BEAT-IT V。

为了能够实现此实施例，接收器500″可包括处理器514″和存储处理器可执行指令的存储器516″，其中，处理器514″与存储器516″接口，并且执行处理器可执行指令以实现以下示范的高级别伪代码：

注：处理器514″和存储器516″至少部分实现为软件、固件、硬件或硬编码逻辑的某一组合。

在此实施例中，二级均衡器502″包括第一级504″，该第一级处理接收信号508″并输出随最可能候选符号向量q_k的有序列表510b″增加的初始符号判决

二级均衡器502″还包括非线性均衡第二级506″，该均衡第二级通过为所有k设置大小为q′_k的受限星座Q′_k，限制有序搜索的扇出。第二级506″还使用阈值、主要堆栈和次要堆栈来执行顺序搜索，并且在主要堆栈由于所有候选节点未通过阈值而变为空时，则访问次要堆栈，并且如果次要堆栈为空，则初始符号判决

是输出序列512″，否则，在次要堆栈顶部的节点N移到主要堆栈，以及如果此节点N具有全长，则此节点N是输出序列512″，并且如果此节点N不具有全长，则延伸主要堆栈，并且过程继续，直至主要堆栈变为空，并且回访次要堆栈，直至节点具有全长，并且此节点是输出序列512″。

偏置项回访

在背景技术部分中，噪声功率用于偏置项。在本解决方案中，其它偏置项可表现更佳。

i.星座距离

噪声功率偏置项可视为是乐观的，因为它假设所有符号是正确的。能够使用的另一估计计及符号误差。在描述此估计时，假设表示为ε的符号误差率是已知的。

为简单起见，假设旧假设的符号s_k-M:k-1是正确的，并且当前假设的符号向量s_k有误差，概率为ε。另外，假设误差在s_k的L₁个分量之间的单个符号s_k，j中发生，并且误差是到s_k，j的分量星座中的最近近邻。设d_min，j表示到分量星座中最近近邻的欧几里德距离。

设H_0，j表示信道矩阵H₀的列j，其描述来自天线j的符号s_k，j的信道。对于j的值j₀发生对一阶近似的最可能误差，其最小化计及信道的有效最小距离，并且由下式给出：

(28)‖H_0，j‖d_min，j。

对于发生概率为ε的符号误差的情况，使用上述近似，等式no.4能够写为如下：

$\left(29\right)---{\left|\right|c_k-H_0{s}_k\left|\right|}^2\≈{\left|\right|H_{0,j_0}\left|\right|}^2{d}_{\min ,j_0}^2+P_k$

对于无符号误差的情况，估计保持为P_k。平均两种情况，偏置变为：

$\left(30\right)---{\mathrm{\β}}_k=\mathrm{\ϵ}{\left|\right|H_{0,j_0}\left|\right|}^2{d}_{\min ,j_0}^2+P_k.$

ii.基于星座最小距离的更小偏置

要获得偏置的更小估计，能够认为在最近近邻误差发生时，其最可能原因是使接收值刚好越过正确与不正确符号之间中途点的噪声值。该噪声值的量值是‖H_0，j‖d_min，j/2。因此，对于符号误差的情况，等式no.4的估计能够写为如下：

$\left(31\right)---{\left|\right|c_k-H_0{s}_k\left|\right|}^2\≈\frac{{\left|\right|H_{0,j_0}\left|\right|}^2{d}_{\min ,j_0}^2}{4}$

这得到如下的偏置值：

$\left(32\right)---{\mathrm{\β}}_k=\mathrm{\ϵ}\frac{{\left|\right|H_{0,j_0}\left|\right|}^2{d}_{\min ,j_0}^2}{4}+(1-\mathrm{\ϵ})P_k.$

通过更复杂的计算获得偏置的更准确估计是可能的。然而，预期这些更复杂的计算将在对二级均衡器502″的性能的影响方面快速达到减小的收益。

iii.作为控制参数的偏置

上述顺序搜索方案采用不定的时间量完成。因此，在接收数据的新块需要处理时，此搜索可能能够耗尽时间。为解决此问题，假设将访问的节点数量考虑为完成时间的简单的估计。

也可能使用β_k作为控制搜索进行深度优先有多激进的参数。通常，β_k的更大值有利于更长的序列，并且因此鼓励深度优先进展，而更小的值有利于更短的序列，并因此鼓励更详尽的深度优先进展。当然，冒着可能跳过最佳符号序列的风险，更激进的深度优先过程往往访问更少的节点，并且更快地完成。两种方案在本文中被提议为使用偏置作为控制参数。

第一种方案是引入与初始偏置估计的固定偏移。也就是说，计算上述估计之一，比如说等式no.32，然后添加固定的正或负百分比偏移。偏移在处理的块内是固定的。

第二种方案在块内使用可变偏移。也就是说，假设搜索正在许多节点之间徘徊并访问这些节点，浪费了一半其分配的完成时间，而堆栈中的候选均未超过深度K/2。随后，正偏移能够添加到偏置以鼓励搜索得出解。

相反，如果搜索立即在序列上锁定，并且到达深度K/2，而只访问极少的节点，则负偏移能够添加到偏置以鼓励搜索考虑其它候选。

HSPA多码示例

参照图8，图中示出根据本发明的一实施例所配置的带有二级均衡器502″′的HSPA多码接收器500″′的基本图形(包括第一级均衡器504″′和第二级均衡器506″′)。在此示例中，接收器500″′具有耦合到RF前端1202的接收天线1202，该RF前端耦合到一组L₁ Rake接收器1204和第一级均衡器504″′。该组L₁ Rake接收器1204和第一级均衡器504″′均耦合到第二级均衡器506″′(修改的顺序搜索)。应理解，在本文中只描述与本发明相关的与接收器500″′相关联的组件，而为清晰起见，省略了像解交织器和解码器等其它公知的组件。

在此示例中，考虑宽带CDMA的演进HSPA。在高数据率，符号以串行(时分复用或TDM)和并行(码分复用或CDM)两种方式来发送。并行发送的L₁个符号能够被收集成符号向量，类似于上述的MIMO示例。

CDM通过使用Nc码片序列扩展每个符号来实现。在接收器500″′，来自符号时期k的Nc个码片样本能够被收集成向量并使用等式no.1来建模，其中，每个H的元素能够根据信道响应和扩展码值来确定。

等式no.5中的度量能够被使用，并且由于码片样本用于形成度量而将被视为“码片级别”度量。

i.Ungerboeck方案(符号级别度量)

一种更有效的方案将是使用Rake组合值，而不是码片样本。Rake组合的或初始符号估计能够被组合成向量z(k)。这产生了Ungerboeck度量：

$\left(33\right)----\mathrm{Rc}\left\{{s_k}^H\right[2z\left(k\right)-S(0,k)s_k-2\underset{l>0}{\mathrm{\Σ}}S(l,k)s_{k-1}\left]\right\}$

其中，s_k是假设的符号向量，像以前一样，并且S(l，k)是Ungerboeck“s参数”矩阵，其提供z(k)上在索引(k-l)的真实符号向量的响应。当噪声不是白噪声时，Ungerboeck度量也可包括损害相关矩阵。在2003年4月11日提交的名称为“Joint Multi-Code Detectors in CDMACommunication System”的序列号为10/412504的共同转让的美国专利申请(其内容通过引用结合于本文中)中，能够找到用于CDMA的s参数的表述。

在信道响应是分数间隔的情况下，Ungerboeck度量特别有用，因为这给出了分数间隔的Rake前端。如果存在来自其它信号的干扰，则如2008年7月22日提交的名称为“Method and Apparatus forCommunication Signal Processing Based on Mixed Parametric andNon-Parametric Estimation of Impairment Correlations”的序列号为12/177498的共同转让的美国专利申请(其内容通过引用结合于本文中)中所述，能够将Rake前端替代为G-Rake前端。

ii.用于Ungerboeck度量的偏置

Ungerboeck度量的偏置项稍微不同。Ungerboeck度量通过伸展欧几里德距离度量和丢弃对应于接收向量中功率的项而获得。此项能够被加回，因此，Ungerboeck偏置项变为：

$\left(34\right)---{\widetilde{\mathrm{\β}}}_k={\mathrm{\β}}_k-{\left|\right|r_k\left|\right|}^2$

从等式no.33减去等式no.34得到对应的Fano分支度量：

$\left(35\right){\tilde{e}}_k=-\mathrm{Re}\left\{{s_k}^H\right[2z\left(k\right)-S(0,k)s_k-2\underset{k>0}{\mathrm{\Σ}}S(l,k)s_{k-1}\left]\right\}-{\mathrm{\β}}_k+{\left|\right|r_k\left|\right|}^2.$

LTE上行链路示例

在正开发的LTE系统的上行链路中，使用了一种形式的单载波调制，其中，符号按顺序以高速率发送。基线接收器是频域线性均衡器。此均衡器能够用于获得初始解。随后，本文中所述的提议的解决方案能够用于获得改善的解。

延伸

i.部分修改的堆栈

将修改的堆栈搜索限制到一部分总序列可能是有益的。也就是说，不考虑整个块1:K，而是考虑更小的块K₁:K₂。原因可以是可用的计算资源有限，从而被迫选择将第二级集中在更小的块上。

给定选择K₁:K₂，则修改的堆栈能够以与像以前一样的方式操作。需要的接收值是并且需要的参考符号是

随后，提供对修改的堆栈算法的三个版本的特定更改。

a.BEAT-IT 1

第二级506′采用硬符号判决

及用作参考符号的符号这意味着需要选择K₁，使得在它们来自第一级504′时是可靠的(参见图6)。

随后，从索引K₁开始，根据等式no.9和12来计算分支度量和序列度量。同样，E_max现在是在索引K₂的总度量。

使用E_max作为用于堆栈的序列度量阈值。如果堆栈变为空，则初始解

是第二级506′的输出512′。

b.其它BEAT-IT过程

通过限制其操作到K₁与K₂之间的索引k以及使用其中阈值相关的修改的E_max，剩余的BEAT-IT II-V过程能够以相同的方式来修改。

c.尾部符号

下面描述部分修改的堆栈的一种特定情况。假设最后M个符号极为可靠，因此，第二级506″为这些索引设置

和q′_k＝1。这相当于具有尾部符号，这将迫使序列在格上转入相同状态。在树上，修改的堆栈算法将原样应用。最后M个分支用于捕捉分支度量和序列度量中直至索引K₂-M-1的符号的完全效应。

软值生成

一般情况下，软比特值需要用于随后的FEC解码，如涡轮解码或卷积解码。通过使用与顺序解码器或裁剪的MLSE等一起使用的任何标准方案，能够获得这些值。

一种方案是为每个比特执行比特翻转。第二路径度量通过翻转特定比特来确定。此路径度量与胜出路径的路径度量之间的差给出对于该比特的软信息。

有限判决深度

在上面的示例中，假设了过程在根节点开始，并且继续至最后节点。通常使用了判决深度。在堆栈上的所有候选已超过某个长度D后，一般从堆栈上的最佳序列来判定每个路径中的最旧符号向量。

在此点，可执行歧义(ambiguity)检查。从堆栈丢弃与此符号值不符的那些序列。

耗尽时间

回想起访问的节点数量能够是完成时间的估计。如果访问的节点数量达到预设的最大值而未得到解，则搜索被停止。下面描述用于解调器输出的两种方案。

在第一方案中，假设第二级506已失败，并且返回到第一级504。也就是说，来自第一级的初始序列解510是最终输出512。

在第二方案中，将第二级506的失败解释为来自第一级504的初始解510不可靠，因此，在第二级506中要求大量的节点访问。随后，解调器的最终输出要声明擦除。在解码器中，对应调制解调器比特必须作为刺穿的(punctured)比特来对待，即，对于其无硬或软信息可用的比特。一般情况下，解码器输入是几个解调器块的聚集。因此，擦除仍可留下足够的未刺穿的比特以便解码器获得成功。

从上述内容，已描述几个示范接收器以提供本发明的详尽理解。接收器包括用于均衡的二级均衡器和方法，所述均衡组合了线性均衡(第一级)的简单性和非线性均衡(第二级)的性能。第二级使用几种技术之一限制星座子集上的其搜索。这包括球形解码的自适应。二级均衡器也很适用于其中有效调制星座大小极大使得维特比均衡器不实际的情形。二级均衡器也很适用于大的信道弥散(相对于符号持续时间)，因为其复杂性未随信道弥散而呈指数增长。二级均衡器能够在许多不同的情况中使用，如上述WCDMA多码情形(上行链路和下行链路)，这有效地形成了极大的总星座。关注的另一种情形是LTE链路，该链路采用某种形式的单载波传送。WCDMA、LTE和WiMAX中的MIMO接收是关注的又一种情形。为简明起见，上面的描述假设了非编码调制。然而，如果传送系统包括编码调制，则二级均衡器能够被调整以处理该调制以及某种形式的ISI。

虽然在附图中显示且在上面的具体实施方式中描述了本发明的多个实施例，但应理解，本发明并不限于公开的实施例，而是在不脱离随附权利要求所陈述和定义的本发明的精神的情况下，也能够进行多种重新布置、修改和替代。

Claims (24)

1.一种适用于减轻接收信号中的符号间干扰的接收器，所述接收器包括：

二级均衡器，包括：

解调第一级，所述第一级处理所述接收信号并产生初始符号判决；以及

非线性均衡第二级，所述第二级使用所述接收信号来执行顺序搜索以尝试在所述初始符号判决上做出改进，

其中：

如果能够在所述初始符号判决上做出改进，则从所述顺序搜索来获得输出序列；以及

如果不能在所述初始符号判决上做出改进，则所述输出序列是所述初始符号判决。

2.如权利要求1所述的接收器，其中所述第一级是线性均衡器。

3.如权利要求1所述的接收器，其中所述第一级是非线性均衡器。

4.如权利要求1所述的接收器，其中所述第二级使用初始符号判决

和所述接收信号来计算设为序列度量阈值的最大总度量E_max，并且随后考虑其它候选符号序列以尝试和在所述序列度量阈值上做出改进，以及如果能够在所述序列度量阈值上做出改进，则从所述顺序搜索来获得所述输出序列，并且如果不能在所述序列度量阈值上做出改进，则所述输出序列是所述初始符号判决。

5.如权利要求1所述的接收器，其中：

所述第一级输出随可靠性量度μ_k而增加的所述初始符号判决

其中所述可靠性量度μ_k指示在索引k的每个符号

的可靠性；以及

通过设置大小为q′_k的受限星座Q′_k，所述第二级使用所述初始符号判决

和所述可靠性量度μ_k来限制所述顺序搜索的至少一个索引k的扇出，其中q′_k的值在1与q之间。

6.如权利要求5所述的接收器，其中通过将所述可靠性量度μ_k量化成多个阈值，比特翻转，考虑星座近邻及球形解码的至少一种来限制所述扇出。

7.如权利要求1所述的接收器，其中：

所述第一级输出随可靠性量度μ_k增加的所述初始符号判决

其中所述可靠性量度μ_k指示在索引k的每个符号

的可靠性；

通过设置大小为q′_k的受限星座Q′_k，所述第二级使用所述初始符号判决和所述可靠性量度μ_k来限制所述顺序搜索的至少一个索引k的扇出；以及

所述第二级使用所述初始符号判决

和所述接收信号来计算设为序列度量阈值的最大总度量E_max，并尝试在基于所述受限星座Q′_k受到限制的所述序列度量阈值上做出改进。

8.如权利要求1所述的接收器，其中：

所述第一级输出所述初始符号判决

所述初始符号判决随最可能的候选符号向量q_k的有序列表而增加；

通过为所有k设置大小为q′_k的受限星座Q′_k，所述第二级使用所述有序列表来限制所述顺序搜索的扇出；以及

所述第二级使用主要堆栈和次要堆栈来执行顺序搜索，并且在所述主要堆栈达到某个点而在该点所述有序列表中识别的最佳节点N为全长时，则在所述次要堆栈中放置该节点N，并且如果该节点N也是所述次要堆栈中的最佳节点，则该节点N产生所述输出序列，以及如果所述主要堆栈中的最佳节点N不是所述次要堆栈中的最佳节点，则另一节点从所述次要堆栈移到所述主要堆栈，并且所述顺序搜索继续进行以尝试和在所述初始符号判决上做出改进。

9.如权利要求1所述的接收器，其中：

所述第一级输出所述初始符号判决

所述初始符号判决随最可能的候选符号向量q_k的有序列表而增加；

通过为所有k设置大小为q′_k的受限星座Q′_k，所述第二级使用所述有序列表来限制所述顺序搜索的扇出；以及

所述第二级使用阈值、主要堆栈和次要堆栈来执行顺序搜索，并且在所述主要堆栈由于所有候选节点未通过所述阈值而变为空时，则访问所述次要堆栈，并且如果所述次要堆栈为空，则所述初始符号判决是所述输出序列，否则，在所述次要堆栈顶部的节点N移到所述主要堆栈，以及如果此节点N具有全长，则此节点N是所述输出序列，并且如果此节点N不具有全长，则延伸所述主要堆栈，并且所述过程继续，直至所述主要堆栈变为空，并且回访所述次要堆栈，直至节点具有全长，并且此节点是所述输出序列。

10.如权利要求1所述的接收器，其中所述第一级是匹配滤波器、迫零滤波器、码片均衡器、RAKE或G-RAKE。

11.如权利要求1所述的接收器，其中所述第二级实现堆栈算法。

12.如权利要求1所述的接收器，其中来自所述第一级的信息包括随可靠性量度或最可能符号的排序列表而增加的符号判决。

13.如权利要求1所述的接收器，其中所述第二级在执行所述顺序搜索时使用噪声功率偏置或符号误差率偏置。

14.如权利要求1所述的接收器，其中所述第二级在执行所述顺序搜索时使用偏置作为控制参数。

15.如权利要求1所述的接收器，其中所述第二级在执行所述顺序搜索时只使用总序列的一部分。

16.一种用于减轻接收信号中的符号间干扰的方法，所述方法包括以下步骤：

使用处理所述接收信号并产生初始符号判决的解调第一级；以及

使用非线性均衡第二级，所述非线性均衡第二级使用所述接收信号来执行顺序搜索以尝试在所述初始符号判决上做出改进，其中如果能够在所述初始符号判决上做出改进，则从所述顺序搜索来获得输出序列，并且如果不能在所述初始符号判决上做出改进，则所述输出序列是所述初始符号判决。

17.如权利要求16所述的方法，其中所述第一级是线性均衡器。

18.如权利要求16所述的方法，其中所述第一级是非线性均衡器。

19.如权利要求16所述的方法，其中所述第二级使用初始符号判决

和所述接收信号来计算设为序列度量阈值的最大总度量E_max，并且随后考虑其它候选符号序列以尝试和在所述序列度量阈值上做出改进，以及如果能够在所述序列度量阈值上做出改进，则从所述顺序搜索来获得所述输出序列，并且如果不能在所述序列度量阈值上做出改进，则所述输出序列是所述初始符号判决。

20.如权利要求16所述的方法，其中：

所述第一级输出随可靠性量度μ_k增加的所述初始符号判决其中所述可靠性量度μ_k指示在索引k的每个符号

的可靠性；以及

通过设置大小为q′_k的受限星座Q′_k，所述第二级使用所述初始符号判决和所述可靠性量度μ_k来限制所述顺序搜索的至少一个索引k的扇出，其中q′_k的值在1与q之间。

21.如权利要求20所述的方法，其中通过将所述可靠性量度μ_k量化成多个阈值，比特翻转，考虑星座近邻及球形解码的至少一种来限制所述扇出。

22.如权利要求16所述的方法，其中：

所述第一级输出随可靠性量度μ_k增加的所述初始符号判决

其中所述可靠性量度μ_k指示在索引k的每个符号

的可靠性；

通过设置大小为q′_k的受限星座Q′_k，所述第二级使用所述初始符号判决

和所述可靠性量度μ_k来限制所述顺序搜索的至少一个索引k的扇出；以及

所述第二级使用所述初始符号判决

和所述接收信号来计算设为序列度量阈值的最大总度量E_max，并尝试在基于所述受限星座Q′_k受到限制的所述序列度量阈值上做出改进。

23.如权利要求16所述的方法，其中：

所述第一级输出所述初始符号判决

所述初始符号判决随最可能的候选符号向量q_k的有序列表而增加；

通过为所有k设置大小为q′_k的受限星座Q′_k，所述第二级使用所述有序列表来限制所述顺序搜索的扇出；以及

所述第二级使用主要堆栈和次要堆栈来执行顺序搜索，并且在所述主要堆栈达到某个点而在该点所述有序列表中识别的最佳节点N为全长时，则在所述次要堆栈中放置该节点N，并且如果该节点N也是所述次要堆栈中的最佳节点，则该节点N产生所述输出序列，以及如果所述主要堆栈中的最佳节点N不是所述次要堆栈中的最佳节点，则另一节点从所述次要堆栈移到所述主要堆栈，并且所述顺序搜索继续进行以尝试和在所述初始符号判决上做出改进。

24.如权利要求16所述的方法，其中：

所述第一级输出所述初始符号判决所述初始符号判决随最可能的候选符号向量q_k的有序列表而增加；

通过为所有k设置大小为q′_k的受限星座Q′_k，所述第二级使用所述有序列表来限制所述顺序搜索的扇出；以及

所述第二级使用阈值、主要堆栈和次要堆栈来执行顺序搜索，并且在所述主要堆栈由于所有候选节点未通过所述阈值而变为空时，则访问所述次要堆栈，并且如果所述次要堆栈为空，则所述初始符号判决是所述输出序列，否则，在所述次要堆栈顶部的节点N移到所述主要堆栈，以及如果此节点N具有全长，则此节点N是所述输出序列，并且如果此节点N不具有全长，则延伸所述主要堆栈，并且所述过程继续，直至所述主要堆栈变为空，并且回访所述次要堆栈，直至节点具有全长，并且此节点是所述输出序列。

Images