CN103138820A - Vamos模式下的信号检测方法及装置 - Google Patents

Abstract

本发明公开了一种VAMOS模式下的信号检测方法及装置。其中，该方法包括：接收多路多用户信号，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。通过本发明，可以在不增加天线的情况下，有效提高VAMOS用户的解调性能，从而提高系统性能。

Description

VAMOS模式下的信号检测方法及装置

技术领域

本发明涉及通信领域，具体而言，涉及一种VAMOS模式下的信号检测方法及装置。

背景技术

随着移动用户和语音业务的快速增长，移动运营商面临很大的挑战，他们希望能够对现有设备进行扩容，由此推进了VAMOS(Vioce service over Adaptive Multi-user channels on OneSlot，单通道多用户语音通信)技术的诞生，该技术可以在几乎不增加硬件设备基础上，在同一频点同一时隙同时承载多个不相关用户，从而大大提高了现有设备的处理业务容量，由于具备上述优点，VAMOS技术得到了越来越广泛的应用。

请参考图1，图1是根据相关技术的VAMOS技术的上行信号接收示意图，如图1所示，多个不相关用户在同一频点同一时隙同时发送信号给一个接收端，多个用户发送的多个上行信号到达接收端时形成混合信号，接收端利用多天线接收上行信号，形成多路经过独立衰落的混合信号用于抵抗干扰。因此，这种技术较常规的单用户单通道模式必然引起接收端干扰信号的增多。目前常用的方法是将IRC(Interference Rejection Combining，干扰抑制合并)技术(一种干扰抑制方法)和SIC(Successive Interference Can-cellation，串行干扰消除)技术(一种串行检测方法)结合使用，但是在该方法中，当解调当前用户信号时，同时存在两类干扰信号，即：同道中的其他用户信号对当前用户信号的干扰，以及位于邻小区的其他用户信号对当前用户信号的同频干扰。由于IRC的抗干扰能力有限，不能有效地抵抗这两类干扰信号，导致当前用户信号不能被很好地检测，进而影响下一个用户信号的解调，从而使得VAMOS用户的通信质量不如单个用户使用一个时隙的通信质量好，为了提高通信性能就必须增加接收天线的个数，这样就必然导致硬件成本的增加。

针对相关技术中需要增加接收天线的个数才能保证VAMOS用户的通信质量和单个用户使用一个时隙的通信质量相当的效果，从而增加了硬件成本的问题，目前尚未提出有效的解决方案。

发明内容

本发明提供一种VAMOS模式下的信号检测方法及装置，以至少解决上述问题。

根据本发明的一个方面，提供了一种VAMOS模式下的信号检测方法，包括：接收多路多用户信号，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

优选地，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量，包括：建立时空模型；根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量，包括：根据多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及根据多路多用户信号中对应于训练序列的部分和训练序列构造中间矩阵；根据接收信号矩阵和中间矩阵得到第一白化矩阵，通过第一白化矩阵对多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；根据第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量得到多路噪声向量，根据多路噪声向量得到第二白化矩阵，根据第二白化矩阵对第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量分别进行第二次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量，包括：根据干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；对多路滤波信号和滤波后的信道参数估计向量进行等增益合并操作，得到合并信号和合并后的信道参数估计向量。

优选地，结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值，包括：根据Viterbi网格演进模式对合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个有效用户在该时刻发送的比特序列的唯一软信息值；获取所有有效用户发送的比特序列所对应的软信息值。

根据本发明的另一方面，提供了一种VAMOS模式下的信号检测装置，包括：干扰抑制模块，用于接收多路多用户信号，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；滤波模块，用于对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；检测模块，用于结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

优选地，干扰抑制模块包括：建立单元，用于建立时空模型；白化单元，用于根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，白化单元包括：构造子单元，用于根据多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及根据多路多用户信号中对应于训练序列的部分和训练序列构造中间矩阵；第一白化子单元，用于根据接收信号矩阵和中间矩阵得到第一白化矩阵，通过第一白化矩阵对多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；第二白化子单元，用于根据第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量得到多路噪声向量，根据多路噪声向量得到第二白化矩阵，根据第二白化矩阵对第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量分别进行第二次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，滤波模块包括：滤波单元，用于根据干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；合并单元，用于对多路滤波信号和滤波后的信道参数估计向量进行等增益合并操作，得到合并信号和合并后的信道参数估计向量。

优选地，检测模块包括：检测单元，根据Viterbi网格演进模式对合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个有效用户在该时刻发送的比特序列的唯一软信息值；获取单元，用于获取所有有效用户发送的比特序列所对应的软信息值。

通过本发明，采用对天线接收的信号进行较强的时空干扰抑制、并行检测的方式，解决了需要增加接收天线的个数才能保证VAMOS用户的通信质量和单个用户使用一个时隙的通信质量具有相当效果的问题，进而达到了在不增加天线的情况下，有效提高VAMOS用户的解调性能，将解调软信息送入译码器提高译码性能，从而提高系统性能，使得VAMOS用户的通信质量和单个用户使用一个时隙的通信质量达到同样性能的效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据相关技术的VAMOS技术的上行信号接收示意图；

图2是根据本发明实施例的VAMOS模式下的信号检测方法的流程图；

图3是根据本发明实施例的GSM-FR业务的时隙结构图；

图4是根据本发明实施例的并行检测(JMLSE)基本处理单元的蝶形图；

图5是根据本发明实施例的VAMOS模式下的信号检测装置的结构框图；

图6是根据本发明优选实施例的VAMOS模式下的信号检测装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

图2是根据本发明实施例的VAMOS模式下的信号检测方法的流程图，如图2所示，该方法主要包括以下步骤(步骤S202-步骤S206)：

步骤S202，接收多路多用户信号，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；

步骤S204，对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；

步骤S206，结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

在本发明实施例的步骤S202中，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量，可以包括：建立时空模型；根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

其中，根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量，可以包括：根据多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及根据多路多用户信号中对应于训练序列的部分和训练序列构造中间矩阵；根据接收信号矩阵和中间矩阵得到第一白化矩阵，通过第一白化矩阵对多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；根据第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量得到多路噪声向量，根据多路噪声向量得到第二白化矩阵，根据第二白化矩阵对第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量分别进行第二次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

在本发明实施例的步骤S204中，对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量，可以包括：根据干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；对多路滤波信号和滤波后的信道参数估计向量进行等增益合并操作，得到合并信号和合并后的信道参数估计向量。

在本发明实施例的步骤S206中，结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值，可以包括：根据Viterbi网格演进模式对合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个有效用户在该时刻发送的比特序列的唯一软信息值；获取所有有效用户发送的比特序列所对应的软信息值。

例如，可以采用以下方式实施上述方法：假设干扰信号是具有向量自回归模型特性的信号(实际证明这是一个行之有效的假设)。

首先建立时空模型，用时空干扰抑制方法对接收信号进行两次白化，再结合将接收信号实虚分开、采样点分开当作虚拟天线的方式最大程度抵抗同频干扰，具体地可以包含以下三个步骤：

1、利用已知的训练序列和各个接收天线接收信号中对应训练序列部分构造矩阵Z_t；

[r(n-1)，…，r(n-K)，s₁(n)，s₁(n-1)，…，s₁(n-L-K)，s₂(n)，s₂(n-1)，…，s₂(n-L-K)]^T，其中， $r\left(n\right)=[r_1^0\left(n\right),\·\·\·,r_M^0\left(n\right),r_1^1\left(n\right),\·\·\·,r_M^1\left(n\right),\·\·\·,r_1^{\mathrm{sample}}\left(n\right),\·\·\·,r_M^{\mathrm{sample}}\left(n\right)]$ 表示所有天线n时刻的接收信号构成的向量，其中，

表示第l根天线n时刻的第i个采样点，特别地，当调制方式为GMSK或者BPSK方式时，

$r\left(n\right)=[\mathrm{Re}\left(r_1^0\left(n\right)\right),\·\·\·,\mathrm{Re}\left(r_M^{\mathrm{sample}}\left(n\right)\right),\mathrm{Im}\left(r_1^0\left(n\right)\right),\·\·\·,\mathrm{Im}\left(r_M^{\mathrm{sample}}\left(n\right)\right)],$ 其中，Re(x)，Im(x)分别表示x的实部和虚部；s_i(n)表示第i个有效用户n时刻(本发明中假设有两个有效用户)对应的发送符号，L，K分别表示信道弥散长度和时间深度。利用接收信号构造矩阵X_t，X_t的每一列对应上面的向量r(n)，其中，n∈(TSC_start+L+K+1，TSC_end)，TSC_start，TSC_end分别表示接收信号中训练序列对应的开始时刻和结束时刻。

2、利用下式求解自相关矩阵和协方差矩阵：

从而得到中间矩阵：A＝R_xz*(R_zz)^-1，再从此中间矩阵得到白化后的信道矩阵B和白化矩阵W。利用此白化矩阵W对接收信号所构成的矩阵X进行白化，即X_new＝W*X，其中，X的每一列对应r(n)，与矩阵X_t不同的是此时利用所有时刻的接收信号构造X而非如矩阵X_t仅仅利用训练序列对应的接收信号。

3、最后利用Cholesky分解的办法对上面时空白化后的信号进行二次白化，即利用X_new中训练序列对应的部分、白化后的信道矩阵B和两用户的训练序列求得残余干扰项，然后求得此残余干扰项的协方差矩阵，对此矩阵进行Cholesky分解得到新的白化矩阵W_inner，用此白化矩阵对上面的X_new和信道矩阵B进行二次白化，即X_end＝W_inner*X_new，H_end＝W_inner*B得到最终白化后的信号和信道参数向量。

接着，利用上面白化之后的X_end、H_end得到匹配滤波结果，并对所有天线信号进行等增益合并。

最后，利用JMLSE原则，用Viterbi网格演进方法选择同时得到两用户发送比特的最优序列，其输入信息为上述匹配滤波模块的输出结果，其输出为两用户传输比特序列的软信息。当Viterbi网格演进到最后时刻，即可得到用户0、1发送比特的软信息，将此软信息分别送入用户0、1的译码器，可以有效提高译码器的性能，从而有效提高系统性能。

下面以GSM系统的VAMOS-FR业务为例结合图3、图4对上述实施方式进行详细描述。

图3是根据本发明实施例的GSM-FR业务的时隙结构图，如图3所示，可以看到一个时隙可以包含148个有效符号，其中，第62～87个符号对应训练序列部分，如上所述，假设 $r_t\left(n\right)=[r_1^0\left(n\right),\·\·\·,r_M^0\left(n\right),r_1^1\left(n\right),\·\·\·,r_M^1\left(n\right),\·\·\·,r_1^{\mathrm{sample}}\left(n\right),\·\·\·,r_M^{\mathrm{sample}}\left(n\right)]$ 表示所有天线n时刻的接收信号所对应的向量，其中，表示第l根天线n时刻的第i个采样点，特别地，当调制方式为GMSK或者BPSK方式时，

$r\left(n\right)=[\mathrm{Re}\left(r_1^0\left(n\right)\right),\·\·\·,\mathrm{Re}\left(r_M^{\mathrm{sample}}\left(n\right)\right),\mathrm{Im}\left(r_1^0\left(n\right)\right),\·\·\·,\mathrm{Im}\left(r_M^{\mathrm{sample}}\left(n\right)\right)],$ 将接收信号的实部和虚部分开当作虚拟天线处理r(n)＝[Re(r_t(n))，Im(r_t(n))]，其中，Re(x)，Im(x)分别表示x的实部和虚部，s_i(n)表示第i个有效用户n时刻(本发明中假设有两个有效用户)对应的发送符号。由所有时刻的接收向量构成接收矩阵X＝[r^T(1)，r^T(2)，…，r^T(148)]，r^T表示向量r的转置。在下文中，L，K分别表示信道弥散长度和空时干扰抑制中的时间深度；[X1；X2]表示同结构矩阵X1，X2按行堆放，X(：，n)表示矩阵X的第n列，X(n，：)表示矩阵X的第n行，X(：，end)，X(end，：)分别表示矩阵X的最后一列和最后一行，X(：，m：n)，X(m：n，：)分别表示矩阵X的m至n列和m至n行。本实施例主要包含以下步骤：

1、对接收信号进行深度白化得到白化后的接收信号X_end和白化后的信道参数矩阵H_end；

由用户0、1的训练序列s0＝[s₀(1)，s₀(2)，…，s₀(26)]和s1＝[s₁(1)，s₁(2)，…，s₁(26)]以及接收矩阵中对应训练序列部分构造矩阵Z_t，X_t，具体地，

X_t＝[r^T(startn)，r^T(startn+1)，…，r^T(endn)]，其中，startn＝61+L+K+1，endn＝87，设S₀(n)＝[s₀(n)，s₀(n-1)，…，s₀(n-L-K)]^T，S₁(n)＝[s₁(n)，s₁(n-1)，…，s₁(n-L-K)]^T；z(n)＝[X_t(：，n-1)；X_t(：，n-2)；…；X_t(：，n-K)；S₀(n+L+K-1)；S₁(n+L+K-1)]，则Z_t＝[z(2)，z(3)，…，z(Len)]，Len＝endn-startn+1。

2、求加权矩阵和白化后的信道参数矩阵并对接收信号进行白化；

具体地，首先得到协方差矩阵然后得到临时矩阵A＝R_xz*(R_zz)^-1，则加权矩阵为：W＝[I_Xtn，A(：，1：K*Xtn)]，白化后的信道参数矩阵B＝A(：，K*Xtn+1：end)，Xtn为矩阵X_t的行数，I_Xtn为Xtn维的单位矩阵；对接收矩阵进行白化得到X_new＝W*X。

3、对白化之后的信号进行二次白化；

具体地，由于向量自回归模型只保证白化之后的干扰向量J(n)是时间白化的即E(J^H(n)J(n-k))＝Qδ(k)，并不能保证J(n)的自相关矩阵为单位矩阵，所以此处对利用向量自回归模型白化之后的信号进行二次白化，使得白化之后的干扰向量J′(n)的自相关矩阵为单位矩阵，为此进行如下操作：(1)由于后续的矩阵求逆维数过高，容易导致累积误差，所以此处首先将上面实虚分开的信号X_new和信道参数B恢复成复数形式，具体的恢复方法就是x+y*j，x，y，j分别表示相应变量的实部、虚部和基本虚部单位，设恢复之后的接收矩阵为X_new1和信道参数矩阵为B1；(2)利用接收矩阵X_new1中对应训练序列部分和用户0、1的训练序列s0和s1求残余干扰向量，具体地，

设X_t2＝X_new1(：，62：87)， $M0=[S_0^T(L+K+1);S_0^T(L+K+2);\·\·\·;S_0^T\left(26\right)];$

$M1=[S_1^T(L+K+1);S_1^T(L+K+2);\·\·\·;S_1^T\left(26\right)];$ 可以得到残余干扰信号矩阵为：J＝X_t2-([M0，M1]*B1^T)^T；(3)求干扰信号的自相关矩阵：J_cov＝J*J^H，求内部白化矩阵并对接收矩阵X_new1和信道参数矩阵B1进行白化，具体地，首先对J_cov进行Cholesky分解，得到J_cov＝R*R^H，从而得到白化矩阵W_inner＝R^-1，然后对接收矩阵X_new1和信道参数矩阵B1进行白化，得到：X_end＝W_inner*X_new1，H_end＝W_inner*B1。

4、对各路信号进行匹配滤波并用等增益合并方法合并为一路；

具体地，设X_end的行数为n，即有n路信号，对于每路数据x_n＝X_end(n，：)在H_end找到相应行对应的信道参数向量h_total＝H_end(n，：)，从而得到用户0和用户1的信道参数向量为h₀＝h_total(1，1：L)，h₁＝h_total(1，L+1：end)，然后匹配滤波得到：

$S\_{L0}_{\mathrm{tn}}=\mathrm{conv}(h_0^{*}(-n),h_0\left(n\right)),$ $\mathrm{MF}\_{\mathrm{Re}0}_{\mathrm{tn}}=\mathrm{conv}(h_0^{*}(-n),x_n);$

$S\_{L1}_{\mathrm{tn}}=\mathrm{conv}(h_1^{*}(-n),h_1\left(n\right)),$ $\mathrm{MF}\_{\mathrm{Re}1}_{\mathrm{tn}}=\mathrm{conv}(h_0^{*}(-n),x_n);$

$S\_{L01}_{\mathrm{tn}}=\mathrm{conv}(h_0^{*}(-n),h_1\left(n\right)),$ $S\_{L10}_{\mathrm{tn}}=\mathrm{conv}(h_1^{*}(-n),h_0\left(n\right));$

其中，conv(x(n)，y(n))表示序列x(n)，y(n)的卷积，将所有行对应的S_L0_tn累加起来并取其实部得到S_L0，用类似方法得到S_L1，S_L01，S_L10，MF_Re0，MF_Re1。

5、应用上述匹配滤波得到的结果，利用JMLSE原则，用Viterbi网格演进方法同时得到用户0、1发送序列的软信息值；

具体地，请参考图4，图4是根据本发明实施例的并行检测(JMLSE)基本处理单元的蝶形图，如图4所示，每个时刻的状态由：

[s₀(k-1)，s₀(k-2)，…，s₀(k-L1)，s₁(k-1)，s₁(k-2)，…，s₁(k-L1)]表示，其中，L1＝L+K，图4中，L1＝5，(图4中为简化

即为此处的s_i(k-l)即第i个用户k-l时刻的发送信号)，A线条从上到下分别表示分支度量：

meas_up0_up0、meas_up0_down0、meas_down0_up0、meas_down0_down0；

B线条对应分支度量：

meas_up0_up1、meas_up0_down1、meas_down0_up1、meas_down0_down1；

C线条对应分支度量：

meas_up1_up0、meas_up1_down0、meas_down1_up0、meas_down1_down0；

D线条对应分支度量

meas_up1_up1、meas_up1_down1、meas_down1_up1、meas_down1_down1。

当Viterbi网格演进到k+1时刻，可以同时得到用户0、1对应k-L1时刻发送比特的软信息。具体地，每个时刻的的状态数为StNum＝2^2*L，则k时刻到k+1时刻有个图4所示的碟形图，由所有这些碟形图中对应图4中的A线条和B线条表示的状态转移组成一个集合T0(即此集合包含2*StNum个状态转移)，对应C线条和D线条构成集合T1，在集合T0中找到最优状态转移对应的分支度量Measure0，在集合T1中找到最优状态转移对应的分支度量Measure1，则用户0对应k-L1时刻估计的发送比特的软信息Soft₀(k)＝Measure0-Measure1；类似地将k时刻到k+1时刻所有碟形图中对应图4中的A线条和C线条表示的状态转移组成一个集合T0(即此集合包含2*StNum个状态转移)，对应B线条和D线条构成集合T1，在集合T0中找到最优状态转移对应的分支度量Measure0，在集合T1中找到最优状态转移对应的分支度量Measure1，则用户1对应k-L时刻估计的发送比特的软信息Soft₁(k)＝Measure0-Measure1。当Viterbi网格演进到最后时刻，同时得到用户0、1发送比特序列软信息，将此软信息分别送入用户0、1的译码器，可以有效提高译码器的性能，从而有效提高系统性能。通过仿真可以进一步证明，通过实施本专利所述方法和装置相对传统的IRC和SIC结合的解调方法能够大大提高译码性能。

采用上述实施例提供的VAMOS模式下的信号检测方法，采用对天线接收的信号进行较强的时空干扰抑制、并行检测的方式，在不增加天线的情况下，有效提高VAMOS用户的解调性能，将解调软信息送入译码器提高译码性能，从而提高系统性能，使得VAMOS用户的通信质量和单个用户使用一个时隙的通信质量达到同样性能的效果。

图5是根据本发明实施例的VAMOS模式下的信号检测装置的结构框图，该装置用以实现上述实施例提供的VAMOS模式下的信号检测方法。如图5所示，该装置包括：干扰抑制模块10、滤波模块20、以及检测模块30。其中，干扰抑制模块10，用于接收多路多用户信号，对多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；滤波模块20，连接至干扰抑制模块10，用于对每路干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；检测模块30，连接至滤波模块20，用于结合合并后的信道参数估计向量对合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

图6是根据本发明优选实施例的VAMOS模式下的信号检测装置的结构框图，如图6所示，干扰抑制模块10包括：建立单元12和白化单元14。其中，建立单元12，用于建立时空模型；白化单元14，连接至建立单元12，用于根据时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的多路多用户信号进行两次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，在实际应用中，白化单元14可以包括：构造子单元142、第一白化子单元144以及第二白化子单元146。其中，构造子单元142，用于根据多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及根据多路多用户信号中对应于训练序列的部分和训练序列构造中间矩阵；第一白化子单元144，连接至构造子单元142，用于根据接收信号矩阵和中间矩阵得到第一白化矩阵，通过第一白化矩阵对多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；第二白化子单元146，连接至第一白化子单元144，用于根据第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量得到多路噪声向量，根据多路噪声向量得到第二白化矩阵，根据第二白化矩阵对第一次时空干扰抑制后的多路信号和第一次白化后的信道参数估计向量分别进行第二次白化操作，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量。

优选地，滤波模块20可以包括：滤波单元22和合并单元24。其中，滤波单元22，用于根据干扰抑制后的多用户信号和其对应的干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；合并单元24，连接至滤波单元22，用于对多路滤波信号和滤波后的信道参数估计向量进行等增益合并操作，得到合并信号和合并后的信道参数估计向量。

优选地，检测模块30可以包括：检测单元32和获取单元34。其中，检测单元32，根据Viterbi网格演进模式对合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个有效用户在该时刻发送的比特序列的唯一软信息值；获取单元34，连接至检测单元32，用于获取所有有效用户发送的比特序列所对应的软信息值。

采用上述实施例提供的VAMOS模式下的信号检测装置，采用对天线接收的信号进行较强的时空干扰抑制、并行检测的方式，在不增加天线的情况下，有效提高VAMOS用户的解调性能，将解调软信息送入译码器提高译码性能，从而提高系统性能，使得VAMOS用户的通信质量和单个用户使用一个时隙的通信质量达到同样性能的效果。

从以上的描述中，可以看出，本发明实现了如下技术效果：用向量自回归模型对干扰信号进行建模，建立空时干扰抵消模型，利用加强的空时干扰方法对接收信号进行两次时空白化，并且对向量自回归模型进行巧妙变换，采用无结构模型进行求解，能够有效减小累积误差，同时对于GMSK或者BPSK调制方式采用实虚分开以及采样点分开当作虚拟天线的处理方式，通过上述操作最大程度消除同频干扰信号，然后利用改进的并行检测技术JMLSE对有用用户信号进行并行检测，提高均衡送入信道译码的软信息性能，有效提高译码性能，从而有效提高系统性能。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种VAMOS模式下的信号检测方法，其特征在于，包括：

接收多路多用户信号，对所述多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；

对每路所述干扰抑制后的多用户信号和其对应的所述干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；

结合所述合并后的信道参数估计向量对所述合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

2.根据权利要求1所述的方法，其特征在于，对所述多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量，包括：建立时空模型；

根据所述时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的所述多路多用户信号进行两次白化操作，得到所述干扰抑制后的多路多用户信号和所述干扰抑制后的信道参数估计向量。

3.根据权利要求2所述的方法，其特征在于，根据所述时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的所述多路多用户信号进行两次白化操作，得到所述干扰抑制后的多路多用户信号和所述干扰抑制后的信道参数估计向量，包括：

根据所述多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及

根据所述多路多用户信号中对应于所述训练序列的部分和所述训练序列构造中间矩阵；

根据所述接收信号矩阵和所述中间矩阵得到第一白化矩阵，通过所述第一白化矩阵对所述多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；

根据所述第一次时空干扰抑制后的多路信号和所述第一次白化后的信道参数估计向量得到多路噪声向量，根据所述多路噪声向量得到第二白化矩阵，根据所述第二白化矩阵对所述第一次时空干扰抑制后的多路信号和所述第一次白化后的信道参数估计向量分别进行第二次白化操作，得到所述干扰抑制后的多路多用户信号和所述干扰抑制后的信道参数估计向量。

4.根据权利要求1至3中任一项所述的方法，其特征在于，对每路所述干扰抑制后的多用户信号和其对应的所述干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量，包括：

根据所述干扰抑制后的多用户信号和其对应的所述干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；

对所述多路滤波信号和所述滤波后的信道参数估计向量进行等增益合并操作，得到所述合并信号和所述合并后的信道参数估计向量。

5.根据权利要求4所述的方法，其特征在于，结合所述合并后的信道参数估计向量对所述合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值，包括：

根据Viterbi网格演进模式对所述合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个所述有效用户在该时刻发送的比特序列的唯一软信息值；

获取所述所有有效用户发送的比特序列所对应的软信息值。

6.一种VAMOS模式下的信号检测装置，其特征在于，包括：

干扰抑制模块，用于接收多路多用户信号，对所述多路多用户信号进行多次时空干扰抑制，得到干扰抑制后的多路多用户信号和干扰抑制后的信道参数估计向量；

滤波模块，用于对每路所述干扰抑制后的多用户信号和其对应的所述干扰抑制后的信道参数估计向量进行匹配滤波操作和等增益合并操作，得到合并信号和合并后的信道参数估计向量；

检测模块，用于结合所述合并后的信道参数估计向量对所述合并信号进行并行检测，同时得到所有有效用户发送的比特序列所对应的软信息值。

7.根据权利要求6所述的装置，其特征在于，所述干扰抑制模块包括：

建立单元，用于建立时空模型；

白化单元，用于根据所述时空模型结合采样点分开、实虚分开当作虚拟天线的方式对接收的所述多路多用户信号进行两次白化操作，得到所述干扰抑制后的多路多用户信号和所述干扰抑制后的信道参数估计向量。

8.根据权利要求7所述的装置，其特征在于，所述白化单元包括：

构造子单元，用于根据所述多路多用户信号中对应于预设的训练序列的部分构造接收信号矩阵，以及根据所述多路多用户信号中对应于所述训练序列的部分和所述训练序列构造中间矩阵；

第一白化子单元，用于根据所述接收信号矩阵和所述中间矩阵得到第一白化矩阵，通过所述第一白化矩阵对所述多路多用户信号进行第一次白化操作，得到第一次干扰抑制后的多路信号和第一次白化后的信道参数估计向量；

第二白化子单元，用于根据所述第一次时空干扰抑制后的多路信号和所述第一次白化后的信道参数估计向量得到多路噪声向量，根据所述多路噪声向量得到第二白化矩阵，根据所述第二白化矩阵对所述第一次时空干扰抑制后的多路信号和所述第一次白化后的信道参数估计向量分别进行第二次白化操作，得到所述干扰抑制后的多路多用户信号和所述干扰抑制后的信道参数估计向量。

9.根据权利要求8所述的装置，其特征在于，所述滤波模块包括：

滤波单元，用于根据所述干扰抑制后的多用户信号和其对应的所述干扰抑制后的信道参数估计向量进行匹配滤波操作，得到多路滤波信号和滤波后的信道参数估计向量；

合并单元，用于对所述多路滤波信号和所述滤波后的信道参数估计向量进行等增益合并操作，得到所述合并信号和所述合并后的信道参数估计向量。

10.根据权利要求6-9中任一项所述的装置，其特征在于，所述检测模块包括：

检测单元，根据Viterbi网格演进模式对所述合并信号进行并行检测，在Viterbi网格演进过程中，统筹每个演进时刻发生的所有状态转移，得到每个所述有效用户在该时刻发送的比特序列的唯一软信息值；

获取单元，用于获取所述所有有效用户发送的比特序列所对应的软信息值。

Images