CN102907059B - 数据辅助的信道估计 - Google Patents

Abstract

采用未知的数据符号代替导频符号或者与导频符号一起来生成信号对干扰比估计。收集数据信道(业务信道或控制信道)上接收的数据。然后，使用数据符号基于数据符号与可能的数据符号的预定集合的离差来计算观察度量，其中，符号星座和数据符号其中之一被规格化。然后基于观察度量来计算数据信道信号对干扰比。

Description

数据辅助的信道估计

技术领域

一般来说，本发明涉及无线通信接收器中的信号对干扰比的估计。

背景技术

在无线通信系统中，接收器通常计算与接收信号关联的信号对干扰比(SIR)以及使用所计算的SIR使传输参数适应当前的信道条件。例如，所计算的SIR可被用于控制移动台发射功率、数据传输速率以及调制和编码方案。另外，所计算的SIR可被用来生成用于调度目的的信道质量指示符(CQI)。

按照常规，从导频符号得出SIR的估计。导频符号是在通信信道上传送的已知符号。使用导频符号估计SIR的一个缺点是，可能存在太少的导频符号以用于可靠的SIR估计。增加导频符号的数量将提供更可靠的SIR估计。然而，增加用于导频符号传送的资源会减少可用于用户数据传送的资源，以及导致降低系统吞吐量。而且，改变通信系统中传送的导频符号的数量可能要求标准修订，这不是期望的。

已解调的数据符号可被用作附加的导频符号以改善SIR估计的可靠性。例如，解调器输出的硬符号判定能够与实际传送的符号比较以生成SIR估计。备选的是，来自解调器的软符号估计能够被解码，而且已解码的数据能够被用于再生所传送符号的估计。

用于信道估计的已解调的数据符号的使用存在缺陷。解调器进行的硬符号判定用作导频符号能引起显著的性能问题。可能在没有解码的情况下解调器进行的符号判定中许多将是不正确的。因而，基于不正确的符号判定的SIR估计方法将不会给出准确的SIR估计。基于解码器输出的再生数据符号的使用引起SIR估计中的延迟。另外，数据符号的再生可能要求额外的硬件和更多增加的功耗。这些限制使得再生方法在实践中不可行或成本高。

发明内容

通过使用未知的数据符号取代或附加上导频符号以估计SIR，使得SIR估计更可靠。未知的数据符号可包括业务信道上传送的用户数据或控制信道上传送的控制数据。数据符号从一个或多个数据信道被收集以及被规格化。规格化的数据符号被用于基于规格化的数据符号与可能的数据符号(例如，符号星座中的符号)的集合的离差来计算观察度量。然后，基于观察度量和数据SIR之间的已知关系把观察度量映射到数据SIR的估计。如果期望的话，可基于数据信道和导频信道之间的已知或计算的功率偏移把数据SIR变换成导频SIR。

一些可能的观察度量包括干扰和/或信号功率估计。干扰和/或信号功率估计可能包含需要以分析或实验方式估计和去除的偏置。其它可能的观察度量包括软值扩散统计和符号估计离差统计。

在第一示例性实施例中，基于RAKE-组合的符号的硬符号判定被用于计算噪声功率估计。噪声功率估计用作用于数据SIR的计算的观察度量。

在第二示例性实施例中，从RAKE-组合的符号提取的软比特值被用于计算噪声功率估计。噪声功率估计用作用于数据SIR的计算的观察度量。

在第三示例性实施例中，RAKE-组合的符号被用于计算观察的数据SIR，其包括已知的偏置或能被估计和去除的偏置。观察的数据SIR估计用作用于实际数据SIR的计算的观察度量。

在第四示例性实施例中，RAKE-组合的符号被用于计算符号分散(dispersion)计数。符号分散计数被用作用于数据SIR的计算的观察度量。

附图说明

图1示出根据本发明的一个实施例的示例性移动通信系统。

图2示出根据本发明的一个实施例的计算数据信道信号对干扰比的示例性方法。

图3示出根据一个实施例的用于将观察的噪声度量映射到实际的噪声度量的映射函数。

图4示出PAM星座中接收的数据符号的分散。

图5示出根据一个实施例的用于将观察的噪声度量映射到实际的噪声度量的映射函数。

图6示出根据本发明的一个实施例的示例性接收器。

具体实施方式

图1示出一种示例性无线通信网络10，用于为一个或多个用户终端100提供移动宽带服务。如本文中使用的术语“用户终端”指的是具有无线地连接到通信网络10的能力的任何便携式通信装置。术语“用户终端”100包括但不限于蜂窝电话、智能电话、个人数字助理、膝上型计算机以及手持式计算机。无线通信网络10包括多个基站20，多个基站20在无线通信网络10的相应小区内提供无线电覆盖，以及接入核心网30。核心网30又连接到一个或多个外部分组数据网络40(例如因特网)，而且负责在外部分组数据网络40和服务于用户终端100的基站20之间路由数据。

按照常规，移动通信网络10的每个小区中的基站20传送导频信号，所述导频信号使用户终端100能估计信道以及生成信号对干扰比(SIR)的估计。为了此应用的目的，术语“干扰”包括噪声以及来自其它传送的信号的干扰。因此，术语“信号对干扰比(SIR)”应该被理解成包含更具体术语“信号对干扰加噪声之比(SINR)”。SIR在移动通信网络10中被使用以使得到用户终端100的传输适应变化的信道条件和干扰条件。例如，SIR可被用于控制用户终端100的发射功率，确定用于到用户终端100的传输的数据传输速率，和/或选择用于到用户终端100的传输的调制和编码方案。而且，SIR通常被用户终端100用于生成信道质量指示符(CQI)，所述信道质量指示符被报告给基站20以及被用于在共享下行链路信道上调度用户终端100。

SIR通常是基于从基站20传送到用户终端100的导频信号来估计的。如上提到的，经常存在太少的导频符号以用于可靠的SIR估计，而且用户终端100产生的SIR估计往往是有噪声的。因此，用户终端100可使用或报告SIR的保守估计(比实际SIR低)，以便确保最小性能要求(例如BER)被满足。

根据本发明的实施例，通过使用未知的数据符号代替或附加上导频符号以估计SIR，使得SIR估计更可靠。未知的数据符号可包括为用户终端100打算的业务信道上传送的用户数据。在一些实施例中，未知的数据符号可包括为其它用户终端100打算的在业务信道上传送的数据符号。未知的数据符号还可包括在控制信道上传送到一个或多个用户终端100的控制数据符号。作为一示例，本发明的一实施例将在宽带码分多址(WCDMA)系统的上下文中描述。本领域的技术人员将认识到，本文中描述的原理能够应用于基于其它标准(例如，WIMAX(IEEE 802.16)标准，以及被称为长期演进(LTE)的3GPP标准)的移动通信网络。

图2示出根据一个实施例的用于生成SIR估计的示例性方法200。用户终端100收集一个或多个数据信道上传送的数据符号(框202)。如先前提到的，所述数据符号可包括在业务信道上传送到用户终端100的用户数据、在业务信道上传送到一些其它用户的数据符号、或者在控制信道上传送到用户终端100或用户终端100的组的控制数据。选择的数据信道应该具有足够数量的符号以实现对SIR估计所期望的可靠性。另外，选择的数据信道优选地应该具有相对于导频信道(或其SIR正被估计的其它信道)的已知功率偏移，或其良好估计。如必要的话，数据符号可从不止一个数据信道来收集。

在一个示例性实施例中，RAKE接收器或广义的RAKE接收器可被用于组合在多径信道的不同路径上接收的数据符号，以生成用于SIR估计的RAKE-组合的符号。在一些实施例中，组合的符号可被分解成I和Q分量，以及SIR估计可在两维中执行。在其它实施例中，从组合的符号得出的软比特值可被用于SIR估计。

RAKE接收器输出的组合的符号一般不对应于符号星座上的整数值的星座点。因此，RAKE-组合的符号或从RAKE组合的符号得出的软比特可被缩放，以便使它们与整数值的星座点相一致。这种缩放类似于软值提取过程中的判定边界缩放操作。因此，将需要某种判定边界估计。该判定边界估计是与实际星座点功率有关的估计的缩放参数。如果软比特值被用于SIR估计，则SIR估计可被结合到生成软比特值的过程中。在任何情况中，缩放参数不应当展示任何明显的偏置。因此，任何已知的偏置应该在缩放之前被估计和去除。

回到参考图2，数据信道上收集的数据符号被规格化(normalize)(框204)以及规格化的数据符号被用于基于规格化的数据符号与可能的数据符号(例如，符号星座中的符号)的集合的离差(deviation)来计算观察度量(框206)。在一些情况中，符号SIR的直接测度将是不可获得的。因此，与期望信道的实际SIR值有确定性关系的其它观察度量可被用于SIR估计。可使用经验数据预先确定观察度量和期望SIR之间的关系。

一些可能的观察度量包括干扰和/或信号功率估计。所述干扰和/或信号功率估计可能含有需要以分析或实验方式估计和去除的偏置。其它可能的观察度量包括软值扩散统计和符号估计离差统计。

因为可能存在对加速器硬件的需要以便处理大量的数据符号，所以接收器的硬件可影响哪些度量适合于SIR估计。在没有硬件限制的情况下，在环绕当前SIR的区域中具有最佳性能(例如，最小估计方差)的度量可以被使用。因此，随信道条件变化可使用不同的观察度量。在一些情况中，可能仅有一个观察度量可用。在此类情况中，所述观察度量应该具有大的SIR范围。在一些实施例中，可执行可选的偏置补偿/偏置证实。偏置补偿/证实的原因是判定边界的估计可具有取决于数据信道的实际SIR的偏置。该偏置可影响观察度量。有可能得出这两种类型的偏置的分析表达式。表达式可被用于检查观察度量中可能的偏置。如果可能的偏置是可接受的，则可省略偏置补偿。如果可能的偏置不是可接受的，则观察度量可通过减去偏置来校正。备选的是，新的观察度量能够基于不同的判定边界估计来使用。

一旦获得观察度量，用户终端100使用观察度量以计算实际数据SIR，即，数据信道的估计SIR。映射函数能够被用于基于观察度量和数据SIR之间的已知关系将观察度量映射到对应的数据SIR。映射函数可以被预先计算以及作为表存储于存储器中。该映射表可基于经验性能数据来生成。为了大多数目的，用于正常操作的有关SIR是导频SIR，其将不同于数据SIR。为获得导频SIR，适当的功率偏移可被应用于数据SIR。功率偏移可以是已知的，或可使用已知的估计技术来估计(框208)。

以此概述作为基础，现将描述一些示例性实施例以说明本发明在码分多址(CDMA)系统中的应用，其中，接收的符号通过RAKE接收器被解扩和组合。如本文中使用的术语“RAKE接收器”指的是一种接收器架构，其中，接收的信号通过RAKE指(finger)来解扩，以及所述RAKE指输出被组合以生成接收的符号估计。如本文中使用的术语“RAKE接收器”应该被理解成包括更具体术语“广义RAKE(GRAKE)接收器”。从每个RAKE指输出的解扩符号的向量x(k)被建模为：

x^c(k)＝hs(k)+u(k)，Eq.1

其中c是码信道标识符，s(k)表示传送的符号，h是按照码信道功率缩放的净(net)信道系数的向量，以及u(k)是具有协方差矩阵R_u的零平均值高斯噪声样本的向量。所述净信道系数可按照下式从导频信道上传送的导频符号来计算：

${\hat{h}}_{\mathrm{pilot}}=\frac{1}{N_{\mathrm{pilot}}}\underset{i=0}{\overset{N_{\mathrm{pilot}}-1}{\mathrm{\Σ}}}{x}_{\mathrm{pilot}}\left(k\right)s^{*}\left(k\right).---\mathrm{Eq}.2$

RAKE接收器按照下式组合接收的符号x^c(k)以生成RAKE组合的符号：

z^c(k)＝w^Hx^c(k)，Eq.3

其中，w是从净信道系数h计算的组合权重的向量。组合权重w可对于使用最大比合并(MRC)的RAKE接收器通过w＝h来计算，以及对于使用干扰抑制合并(IRC)的GRAKE接收器通过来计算。

在MRC接收器的情况中，给定h_pilot和R_u的估计，对于RAKE接收器，导频SIR能够按照下式来计算：

$\mathrm{SIR}=\frac{{\left|w^H{h}_{\mathrm{pilot}}\right|}^2}{w^H{R}_{u}w}.---\mathrm{Eq}.4$

在IRC接收器的情况中，SIR计算简化成：

SIR＝w^Hh_pilot.Eq.5

按照Eq.4或Eq.5计算的SIR估计能够进一步在时间上被平滑以改善SIR估计的质量。

SIR估计的另一备选方式使用组合的导频符号的方差和平均值。在该情况中，SIR估计由下式给定：

$\mathrm{SIR}=\frac{{\stackrel{\‾}{\mathrm{zz}}}^{*}-{\mathrm{\σ}}_{\mathrm{pilot}}^2/N_p}{{\mathrm{\σ}}_{\mathrm{pilot}}^2},---\mathrm{Eq}.6$

其中，是导频符号的平均值，而是方差。导频符号的平均值能够按照下式来计算：

$\stackrel{\‾}{z}=\frac{1}{N_p}\underset{i=0}{\overset{N_p-1}{\mathrm{\Σ}}}{z}_{\mathrm{pilot}}\left(i\right).---\mathrm{Eq}.7$

导频符号的方差能够按照下式来计算：

${\mathrm{\σ}}_{\mathrm{pilot}}^2=\frac{1}{N_p-1}\underset{i=0}{\overset{N_p-1}{\mathrm{\Σ}}}{(z_{\mathrm{pilot}}\left(i\right)-\stackrel{\‾}{z})(z_{\mathrm{pilot}}\left(i\right)-\stackrel{\‾}{z})}^{*}.---\mathrm{Eq}.8$

单独基于导频符号的SIR的直接估计可能不准确，因为存在太少的导频符号。因此，本发明提供基于数据信道(例如，业务信道或控制信道)上传送的未知的数据符号来计算SIR估计的方法。以下描述四个示例性实施例。在第一实施例中，基于RAKE组合的符号的硬符号判定被用于计算噪声功率估计。噪声功率估计用作用于数据SIR的计算的观察度量。在第二实施例中，从RAKE组合的符号提取的软比特值被用于计算噪声功率估计。在第三实施例中，RAKE组合的符号被用于计算观察的数据SIR，观察的数据SIR包括已知的偏置或能够被估计和去除的偏置。观察的数据SIR估计被用作用于实际数据SIR的计算的观察度量。在第四实施例中，符号分散计数被用作用于数据SIR的计算的观察度量。在所有四个实施例中，数据SIR能够基于已知的或估计的功率偏移来变换成导频SIR。

基于从硬符号判定得出的噪声功率估计的SIR估计

本发明的第一实施例将噪声功率估计用作观察度量以计算实际的数据SIR估计。噪声功率估计从基于RAKE接收器输出的RAKE组合的符号的硬符号判定来计算。RAKE组合的符号按照下式来计算：

$z_{\mathrm{data}}^c\left(k\right)=w^H{x}_{\mathrm{data}}^c\left(k\right),---\mathrm{Eq}.9$

其中，是在符号周期k期间对应于码c的解扩的数据符号的向量。QAM(QPSK)星座的I和Q分量然后被分解成PAM(BPSK)元素。如果是行向量，则1-D符号由下式给定：

$r_{\mathrm{data}}^c=\begin{array}{}\end{array}\left[\begin{array}{cc}\mathrm{Re}\left\{z_{\mathrm{data}}^c\right\}& \mathrm{Im}\left\{z_{\mathrm{data}}^c\right\}\end{array}\right],---\mathrm{Eq}.10$

它是的长度的两倍。同时，净信道系数可按照Eq.2从导频信号来计算。

在数据符号被收集后，缩放数据符号以用符号星座来规格化所述数据符号。判定边界缩放因子θ可按照下式来计算：

$\mathrm{\θ}=\mathrm{\ρ}\frac{1}{2\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{2K-1}{\mathrm{\Σ}}}\left|r_{\mathrm{data}}^c\left(k\right)\right|,---\mathrm{Eq}.11$

其中，C是码的数量，K是符号的数量，S_c是信令星座中数据符号的集合，以及ρ是偏置校正值。偏置校正值ρ是例如先前估计间隔中获得的实际符号SIR的函数。判定边界缩放因子被用于按照下式来计算规格化因子A：

$A=\frac{\mathrm{\θ}}{M},---\mathrm{EQ}.12$

其中，M是取决于星座的系数(对于QPSK是1、对于16QAM是2、对于64QAM是4)。规格化的数据符号然后按照下式来计算：

${\tilde{r}}_{\mathrm{data}}^c\left(k\right)=\frac{r_{\mathrm{data}}^c\left(k\right)}{A}\∀c,k.---\mathrm{Eq}.13$

如先前描述的，规格化的数据符号被用于计算观察度量。在该示例中，观察度量包括表示为P_{noise_observed}的观察的噪声功率估计。首先，基于规格化的数据符号通过将规格化的数据符号中每一个映射到符号星座上最接近的点来作出硬符号判定。在一个示例性方法中，规格化的数据符号和符号星座中的每个符号之间的欧几里德距离被计算。规格化的数据符号和给定的星座符号ψ之间的欧几里德距离d由下式给定：

$d=\left|\right|{\tilde{r}}_{\mathrm{data}}^c\left(k\right)-\mathrm{\ψ}\left|\right|.---\mathrm{Eq}.14$

检测的符号被假设是与最小距离关联的星座符号：

${\hat{s}}_{\mathrm{data}}^c\left(k\right)={\mathrm{\ψ}}^{\min }.---\mathrm{Eq}.15$

使用下式给定的p-范数测度，观察的噪声功率P_{noise_observed}被计算为检测的符号和规格化的数据符号之间的差的平均能量：

$P_{\mathrm{noise}\_\mathrm{observed}}=\frac{1}{2\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{2K-1}{\mathrm{\Σ}}}{|{\hat{s}}_{\mathrm{data}}^c\left(k\right)-{\tilde{r}}_{\mathrm{data}}^c\left(k\right)|}^p,---\mathrm{Eq}.16$

其中，p包括L1-范数(求和绝对值)或L2-范数(求和平方量)。逆映射函数然后被用于去除偏置以及从初始估计获得实际噪声功率。映射函数由下式给定：

P_noise＝F^-1(P_{noise_observed}).Eq.17

逆映射函数可以是基于先前制成表的函数F，其使用计算机模拟来评估。可例如通过生成QAM符号的序列、用已知的方差σ²来添加高斯噪声、以及按照Eq.11-16来处理生成的符号、用生成的符号代替Eq.11和13中的RAKE组合的符号，来定义函数F。所得到的初始的噪声估计可被用于将函数P_{noise_observed}＝F(σ²)制成表，这取决于Eq.16中的范数p。用于16QAM的一个示例映射函数可见于图3中。对于每个符号星座，分离的映射函数被存储在存储器中。

噪声功率估计P_noise被用作观察度量以计算数据SIR。数据SIR(表示为SIR_data)可按照下式来计算：

${\mathrm{SIR}}_{\mathrm{data}}=\frac{M_2}{P_{\mathrm{noise}}},---\mathrm{Eq}.18$

其中M₂表示取决于星座的系数，例如，对于QPSK，M₂＝1；对于16QAM，M₂＝10；以及对于64QAM，M₂＝42。SIR_data又可基于数据对导频功率比被转换到导频SIR。导频SIR(表示为SIR_pilot)的计算由下式给定：

${\mathrm{SIR}}_{\mathrm{pilot}}={\mathrm{SIR}}_{\mathrm{data}}\left(\frac{1}{{(E_d/E_p)}_{\mathrm{est}}}\right).---\mathrm{Eq}19$

基于从软比特值得出的噪声功率估计的SIR估计

本发明的第二实施例还将噪声功率估计用作观察度量以计算数据SIR估计，而使用从RAKE组合的符号得出的软比特值来计算噪声功率估计。在这个实施例中，按照Eq.9计算的RAKE组合的符号、QAM(QPSK)星座的I和Q分量按照Eq.10被分解成PAM(BPSK)元素、以及规格化的数据符号按照11-13来计算，如先前描述的。然而，不是生成硬符号判定，这个实施例使用I和Q维中最低有效软比特值(简称LSB值)以计算噪声功率估计。LSB值能够如下被计算：

${\mathrm{\λ}}^c\left(k\right)={\tilde{r}}_{\mathrm{data}}^c\left(k\right)\mathrm{forQPSK}---\mathrm{Eq}.20$

${\mathrm{\λ}}^c\left(k\right)=-2+\left|{\tilde{r}}_{\mathrm{data}}^c\left(k\right)\right|\mathrm{for}16\mathrm{QAM}---\mathrm{Eq}.21$

${\mathrm{\λ}}^c\left(k\right)=-2+\left|\right|{\tilde{r}}_{\mathrm{data}}^c\left(k\right)|-4|\mathrm{for}64\mathrm{QAM}---\mathrm{Eq}.22$

本领域的技术人员将认识到，具体的提取技术对本发明不是重要的，其它众所周知的软比特提取技术也能够被使用。

使用下式给定的p-范数测度，观察的噪声功率(表示为P_{noise_observed})被计算为检测的符号和规格化的数据符号之间的平均软值离差：

$P_{\mathrm{noise}\_\mathrm{observed}}=\frac{1}{\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{2K-1}{\mathrm{\Σ}}}{\left|\right|{\mathrm{\λ}}^c\left(k\right)|-1|}^p,---\mathrm{Eq}.23$

其中，p包括L1-范数(求和绝对值)或L2-范数(求和平方量)。按照先前描述的Eq.17，逆映射函数然后被用于从初始估计获得实际噪声功率。然而，基于观察度量和实际噪声功率之间的关系可使用不同的映射函数F。

观察的噪声功率估计用作观察度量以用于计算数据SIR。数据SIR能够通过按照Eq.17将观察的噪声功率逆映射到实际噪声功率并且按照Eq.18计算数据SIR来计算。数据SIR然后能够按照Eq.19变换到导频SIR。

基于观察的SIR的SIR估计

本发明的第三实施例将观察的数据SIR的直接估计用作观察度量。偏置校正被应用于观察的数据SIR以获得实际的数据SIR。用户终端100中的RAKE接收器按照Eq.9生成RAKE组合的数据符号以及按照Eq.2计算净信道响应向量。

在数据符号被收集之后，缩放数据符号以用符号星座来规格化数据符号。用户终端100计算或以其它方式获得数据对导频功率比(E_d/E_p)_est。数据对导频功率比(E_d/E_p)_est能够按照任何已知的方法来计算。规格化因子A按照下式从数据对导频功率比来计算：

$A={\left(\frac{E_d}{E_p}\right)}_{\mathrm{est}}{\left|w^H{\hat{h}}_{\mathrm{pilot}}\right|}^2,---\mathrm{Eq}.24$

以及规格化的数据符号按照下式来计算：

${\tilde{z}}_{\mathrm{data}}^c\left(k\right)=\frac{z_{\mathrm{data}}^c\left(k\right)}{A}\∀c,k.---\mathrm{Eq}.25$

规格化的数据符号被用于计算观察的数据SIR(SIR_{data_observed})，所述观察的数据SIR被用作观察度量。首先，基于规格化的数据符号通过将规格化的数据符号中每一个映射到符号星座上最接近的点来作出硬符号判定。在一个示例性方法中，计算规格化的数据符号和符号星座中的每个符号之间的欧几里德距离。规格化的数据符号和给定的星座符号ψ之间的欧几里德距离d由下式给定：

$d=\left|\right|{\tilde{r}}_{\mathrm{data}}^c\left(k\right)-\mathrm{\ψ}\left|\right|.---\mathrm{Eq}.26$

检测的符号被假设成是与最小距离关联的星座符号：

${\hat{s}}_{\mathrm{data}}^c\left(k\right)={\mathrm{\ψ}}^{\min }.---\mathrm{Eq}.27$

硬符号判定被用于计算信号功率和噪声功率，从其能够直接计算观察的SIR(表示为SIR_{data_observed})。信号功率能够按照下式被计算为检测的符号的平均能量：

$\mathrm{signal}\_\mathrm{power}=\frac{1}{\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{\hat{s}}_{\mathrm{data}}^c\left(k\right){\left({\hat{s}}_{\mathrm{data}}^c\left(k\right)\right)}^{*}.---\mathrm{Eq}.28$

噪声功率能够按照下式被计算为检测的符号和规格化的数据符号之间的差的平均能量：

$\mathrm{noise}\_\mathrm{power}=\frac{1}{\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}({\hat{s}}_{\mathrm{data}}^c\left(k\right)-{\tilde{z}}_{\mathrm{data}}^c\left(k\right)){({\hat{s}}_{\mathrm{data}}^c\left(k\right)-{\tilde{z}}_{\mathrm{data}}^c\left(k\right))}^{*}.---\mathrm{Eq}.29$

观察的数据SIR然后能够通过下式被计算：

${\mathrm{SIR}}_{\mathrm{data}\_\mathrm{observed}}=\frac{\mathrm{signal}\_\mathrm{power}}{\mathrm{noise}\_\mathrm{power}}.---\mathrm{Eq}.30$

映射函数能够被应用于观察的数据SIR以校正调制相关的偏置，作为计算数据SIR的过程中的第一步骤。更具体的是，偏置校正因子ζ通过下列函数给定：

ζ＝f(SIR_{data_observed}).Eq.31

关于偏置校正因子ζ的计算的详细说明被推迟到稍后。实际的数据SIR则通过下式给定：

SIR_{data_actual}＝SIR_{data_observed}(ζ).Eq.32

实际的数据SIR又可按照Eq.19基于数据对导频功率比转换到导频SIR。

在一些实施例中，如果数据SIR超过调制相关的阈值，则所述数据SIR可被重新计算。如果调制相关的阈值被超过，则用户终端100可按照下式计算新的规格化因子：

$\tilde{A}=\frac{\mathrm{\θ}}{\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\left(0.5\mathrm{Re}\right\{{\hat{s}}_{\mathrm{data}}^c\left(k\right)\}+0.5\mathrm{Im}\{{\hat{s}}_{\mathrm{data}}^c\left(k\right)\left\}\right)},---\mathrm{Eq}.33$

其中，θ是缩放因子。缩放因子θ能够通过下式计算：

$\mathrm{\θ}=\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}\left(0.5\right|\mathrm{Re}\left\{z_{\mathrm{data}}^c\left(k\right)\right\}|+0.5|\mathrm{Im}\left\{z_{\mathrm{data}}^c\left(k\right)\right\}\left|\right).---\mathrm{Eq}.34$

用户终端然后重新缩放先前规格化的数据符号以得出新的规格化的数据符号，重新计算噪声功率，以及重新计算观察的SIR。重新缩放的规格化的数据符号通过下式给定：

${\stackrel{\‾}{z}}_{\mathrm{data}}^c\left(k\right)={\tilde{z}}_{\mathrm{data}}^c\left(k\right)\frac{A}{\tilde{A}}\∀C,K.---\mathrm{Eq}.35$

新的噪声功率按照下式计算：

$\mathrm{noise}\_\mathrm{power}=\frac{1}{\mathrm{CK}}\underset{c\∈S_c}{\mathrm{\Σ}}\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}({\hat{s}}_{\mathrm{data}}^c\left(k\right)-{\stackrel{\‾}{z}}_{\mathrm{data}}^c\left(k\right)){({\hat{s}}_{\mathrm{data}}^c\left(k\right)-{\stackrel{\‾}{z}}_{\mathrm{data}}^c\left(k\right))}^{*}.---\mathrm{Eq}.36$

按照如先前描述的Eq.31来计算新的数据SIR。对于新的数据SIR，无需偏置校正，所述新的数据SIR能够按照Eq.19被转换成新的导频SIR。

大体上存在用于计算偏置补偿因子ζ的两个一般方法，在本文中被称为单补偿方法和多补偿方法。理想的是，偏置补偿函数(Eq.31)应该对实际的数据SIR估计和观察的数据SIR估计之间的关系建模。该关系不是先验已知的，但是平均关系能够通过模拟来学习。

采用的一个一般方法是模拟通过衰落信道的WCDMA数据加导频信号的接收。该模拟应该对于SIR值的范围来重复，添加AWGN。对于每个SIR，应该采用以上对SIR估计所描述的过程。实际的数据SIR也被计算(例如，其中，所有量是确切地已知的。SIR_{data_observed}和SIR_{data_actual}被记录和保存以用于随后处理。在完成模拟后，能够构造SIR_{data_actual}/SIR_{data_observed}与SIR_{data_initial}相对的图表。然后能找寻多项式或在最小范数方面“最佳”拟合数据的那个式子。在此使用的术语“多项式”是一般意义，能够意指形式为a_nxⁿ+a_n-1x^n-1+…+a₀的某些式子，或分段线性函数等。该多项式则是Eq.31中提及的f(SIR_{data_observed})。

已经证明，这个方法工作得相当好，但是它具有一个缺点。映射函数f(SIR_{data_observed})取决于生成映射函数的模拟期间使用的数据和导频功率。补偿函数的以下潜在实现克服了这个缺点。单补偿方法背后的基本构思是基于落在期望值的范围内的数据和导频功率来生成单参考映射函数。例如，如果数据功率通常被期望在总发射功率的1％与7％之间，则模拟将使用(1+7)/2＝4％的参考数据功率E_d，ref。类似地，如果导频功率通常被期望在总发射功率的7％与13％之间，那么模拟将使用(7+13)/2＝10％的参考导频功率(E_p，ref)。给定参考模拟用这些参数所生成的映射函数，到映射函数的输入必须按照下式来修改：

$\mathrm{\ζ}=f\left({\mathrm{SINR}}_{\mathrm{data}\_\mathrm{initial}}({\left(\frac{E_d}{E_p}\right)}_{\mathrm{est}}/\left(\frac{E_{d,\mathrm{ref}}}{E_{p,\mathrm{ref}}}\right))\right).---\mathrm{Eq}.37$

映射函数是调制特定的，因此参考映射函数将不得不为调制的每个形式而创建。

多补偿方法背后的基本构思是基于落在期望值的范围内的数据和导频功率来生成多个映射函数。例如，给定期望的数据和导频功率的范围，映射函数将对值的范围来生成(E_d/E_p)_min＝min(E_d)/max(E_p)to(E_d/E_p)_max＝max(E_d)/min(E_p)。注意，这意味着对于每个数据对导频功率比的分开的模拟。这还意味着，每个映射函数与一个特定的数据对导频功率比相关联。设对〔(E_d/E_p)ⁱ，fⁱ〕描述映射函数与数据对导频功率比之间的关联。给定该描述，以上给定的Eq.31应该被修改。更具体的是，偏置因子通过确定使下式最小化的i的值来计算：

$|{\left(\frac{E_d}{E_p}\right)}_{\mathrm{est}}-{\left(\frac{E_d}{E_p}\right)}^i|---\mathrm{Eq}.38.$

偏置校正因子则可按照下式来计算：

ζ＝fⁱ(SINR_{data_initial}).Eq.39

按照Eq.39计算的偏置校正因子可在Eq.32中被使用以计算实际的数据SIR。

基于符号分散计数的SIR估计

第四实施例将符号离差计数用作观察度量，从其估计实际的数据SIR。该实施例利用以下事实：落在标称符号星座的包络之外的所接收符号的概率与实际的数据SIR有关。因为较低的SIR导致环绕星座点的更分散的符号云，所以SIR能够通过计算落在符号星座的包络之外某个距离的点的数量来确定。图4示出用于确定符号分散计数的示例性离差标准。

在这个实施例中，RAKE组合的符号按照Eq.9来计算，QAM(QPSK)星座的I和Q分量按照Eq.10被分解成PAM(BPSK)元素，以及规格化的数据符号按照Eq.11-13来计算，如先前所述。然而，不是生成硬符号判定，该实施例使用符号分散计数以计算噪声功率估计。该噪声功率估计用作观察度量以用于计算数据SIR。

为计算噪声功率估计，用户终端100对落在符号星座的包络之外的符号的一部分计数。符号分散计数由下式给定：

$\mathrm{\δ}=\frac{1}{C2K}\underset{c\∈S_c}{\mathrm{\Σ}}\left|L^c\right|,---\mathrm{Eq}.40$

其中|L^c|由下式给定：

$L^c=\{{\tilde{r}}_{\mathrm{data}}^c\left(k\right):|{\tilde{r}}_{\mathrm{data}}^c\left(k\right)|>{\mathrm{\ψ}}_{\max }+\mathrm{\τ}\}---\mathrm{Eq}.41$

因子τ是被调整以优化感兴趣的SIR区域中的性能的阈值，以及ψ_max是最大的1-D星座点值。

在该实施例中，数据SIR通过按照下式将观察的噪声功率逆映射到实际的噪声功率来计算：

P_noise＝F^-1(δ).Eq.42

映射函数的一个示例在图5中示出。数据SIR基于实际的噪声功率来计算，然后能够按照Eq.18被转换成导频SIR。

不同估计的参数(观察的SIR、判定边界缩放等)中的偏置可以根据许多不同的配置来校正或解决。例如，每个偏置可单独地被补偿，或不同偏置的积累净效应可在逆映射级被解决。初始功率估计中的p-范数操作能够是例如L1-范数(求和绝对值)或L2-范数(求和平方量平方)。

使用单变量度量已说明度量定义和逆映射步骤。本发明的原理同样适用于多变量度量，其中，若干个可观察的量被用于定义到噪声方差或SIR的映射。

图6示出根据本发明的一个示例性实施例的示例性接收器100。接收器100包括信道估计器102、权重计算器104、RAKE组合器106、软值生成器108、SIR估计器110、解码器112以及CQI生成器114。信道估计器102按照Eq.2生成导频信道的估计。信道估计器102还可生成数据信道的估计。权重计算器104计算用于RAKE组合器106的组合权重。RAKE组合器106使用MRC或IRC以已知的方式来解扩和组合接收的信号。RAKE组合器106输出的RAKE组合的值被馈送给软值生成器108和SIR估计器110。软值生成器108从RAKE组合的符号来生成软比特值，所述软比特值被馈送给解码器112以用于解码。在一些实施例中，所述软比特值可被馈送给SIR估计器110。SIR估计器110根据上述方法中的任一个来生成数据SIR的估计。SIR估计器110还可生成导频SIR。

本发明显著地减少SIR估计方差，而不要求额外的普通导频符号或再生的数据符号。补偿/映射函数可被定制成对于实际SIR的不同(小)区域是最佳的，或者对于实际SIR的其它(较大)区域是好的折衷。补偿/映射函数方法允许使用所谓的软比特代替硬符号(硬解码的符号)。这些软比特总之在大多数接收器中生成，以及此类软比特的使用可减少本发明的计算负荷。

本文中描述的方法允许例如在SIC或ML类接收器中非线性处理的数据序列的SIR的直接估计。这对于传统SIR估计器是困难的任务，以及经常经由近似来逼近。当然，在不背离本发明的范围和必要特征的情况下，本发明可以与本文中陈述的那些方式不同的其它特定方式来实施。因此，无论从哪方面来看，本实施例要被认为是说明性的和非限制性的，以及随附权利要求的意思和等同范围内发生的所有改变确定为包含在其中。

Claims (16)

1.一种生成信号对干扰比SIR估计的方法，所述方法包括：

接收数据信道上未知的数据符号；

通过从所述数据符号与已知的符号星座中可能的数据符号的预定集合的离差来计算所述数据信道的观察的噪声功率，并且通过所述观察的噪声功率的逆映射函数来形成实际噪声功率，来计算观察度量，其中，所述数据符号被规格化到所述符号星座；以及

基于所述观察度量和功率偏移来估计另一信道的信道信号对干扰比，其中所述数据信道具有相对于所述另一信道的已知或估计的所述功率偏移。

2.如权利要求1所述的方法，其中，从所述数据符号与已知的符号星座中可能的数据符号的预定集合的离差来计算观察度量包括：

解调接收的符号以生成检测的符号；

从所述接收的数据符号来计算规格化的数据符号；以及

将所述观察的噪声功率估计计算为所述检测的符号和所述规格化的数据符号之间的差的平均能量。

3.如权利要求2所述的方法，其中，解调接收的符号以生成检测的符号包括：对于每个接收的符号，确定预定符号星座中最接近所述接收的规格化的数据符号的对应符号。

4.如权利要求2所述的方法，其中，从所述接收的数据符号计算规格化的数据符号包括：

基于所述接收的数据符号来计算判定边界缩放因子；

基于所述判定边界缩放因子来计算规格化因子；以及

将所述规格化因子应用于所述接收的数据符号。

5.如权利要求2所述的方法，其中，从所述接收的数据符号来计算规格化的数据符号包括：

从接收的导频符号来确定导频信道SIR；

基于所述导频信道SIR和数据对导频功率比来计算规格化因子；以及

将所述规格化因子应用于所述接收的数据符号。

6.如权利要求1所述的方法，其中，从所述数据符号与可能的数据符号的预定集合的离差来计算观察度量包括：

从所述接收的数据符号来计算规格化的数据符号；

提取所述规格化的数据符号的一个或多个最低有效位的软值；以及

将所述观察的噪声功率估计计算为与p-范数测度的平均软值离差。

7.如权利要求1所述的方法，其中，从所述数据符号与可能的数据符号的预定集合的离差来计算观察度量包括：

从所述接收的数据符号来计算规格化的数据符号；以及

计算落在符号星座包络之外的所述规格化的数据符号的计数。

8.如权利要求1所述的方法，其中，从所述观察度量来估计所述信道的信号对干扰比包括：

通过应用映射函数作为计算信道SIR过程中的第一步骤以校正调制相关的偏置，来基于与所述信道信号对干扰比的已知关系校正所述观察度量以获得已校正的观察度量；以及

基于所述已校正的观察度量来重新计算所述信道信号对干扰比。

9.一种通信装置，包括：

接收器，用于从无线通信网络中的基站接收数据信道上未知的数据符号；以及

处理电路，用于处理所述数据，所述处理电路配置成：

通过从所述数据符号与已知的符号星座中可能的数据符号的预定集合的离差来计算所述数据信道的观察的噪声功率，并且通过所述观察的噪声功率的逆映射函数来形成实际噪声功率，来计算观察度量，其中，所述数据符号被规格化到所述符号星座；以及

基于所述观察度量和功率偏移来估计另一信道的信道信号对干扰比SIR，其中所述数据信道具有相对于所述另一信道的已知或估计的所述功率偏移。

10.如权利要求9所述的通信装置，其中，所述处理电路被配置成通过以下步骤来计算所述观察度量：

从所述接收的数据符号来计算规格化的数据符号；

解调接收的符号以生成检测的符号；以及

将所述观察的噪声功率估计计算为所述检测的符号与所述规格化的数据符号之间的差的平均能量。

11.如权利要求10所述的通信装置，其中，所述处理电路配置成对于每个接收的符号，确定预定的符号星座中最接近所述接收的规格化的数据符号的对应符号以解调所述接收的数据符号。

12.如权利要求10所述的通信装置，其中，所述处理电路配置成通过以下步骤从所述接收的数据符号来计算规格化的数据符号：

基于所述接收的数据符号来计算判定边界缩放因子；

基于所述判定边界缩放因子来计算规格化因子；以及

将所述规格化因子应用于所述接收的数据符号。

13.如权利要求10所述的通信装置，其中，所述处理电路配置成通过以下步骤从所述接收的数据符号来计算规格化的数据符号：

从接收的导频符号来确定导频信道SIR；

基于所述导频信道SIR和数据对导频功率比来计算规格化因子；以及

将所述规格化因子应用于所述接收的数据符号。

14.如权利要求9所述的通信装置，其中，所述处理电路配置成基于所述数据符号与可能的数据符号的预定集合的离差通过以下步骤来计算观察度量：

从所述接收的数据符号来计算规格化的数据符号；

提取所述规格化的数据符号的一个或多个最低有效位的软值；以及

将所述观察的噪声功率估计计算为与p-范数测度的平均软值离差。

15.如权利要求9所述的通信装置，其中，所述处理电路配置成基于所述数据符号与可能的数据符号的预定集合的离差通过以下步骤来计算观察度量：

从所述接收的数据符号来计算规格化的数据符号；以及

计算落在符号星座包络之外的所述规格化的数据符号的计数。

16.如权利要求9所述的通信装置，其中，所述处理电路配置成通过以下步骤来估计所述信道信号对干扰比：

通过应用映射函数作为计算信道SIR过程中的第一步骤以校正调制相关的偏置，来基于与所述信道信号对干扰比的已知关系校正所述观察度量以获得已校正的观察度量；以及

基于所述已校正的观察度量来重新计算所述信道信号对干扰比。