CN103139118B - 幅度估计方法及针对数据链传输的干扰消除方法和装置 - Google Patents

Abstract

本发明公开了一种幅度估计方法，包括如下步骤：利用所述收敛因子确定幅度估计值；利用所述幅度估计值对原始信号进行幅度估计。该方法可动态的确定进行幅度估计的收敛因子本发明还公开了利用该幅度估计方法对原始信号的干扰消除方法，该方法中包括以下步骤：对各路调制恢复信号进行幅度估计；利用所述幅度估计结果，对所述各路调制恢复信号进行幅度调节；对所述幅度调节后的各路调制恢复信号进行调制扩频，并获得多址干扰信号；利用所述多址干扰信号去除合路信号中的多用用户干扰。同时本发明还公开了与该干扰消除方法相对应的干扰消除装置。采用本干干扰消除方法和装置提升了现有多用户数据链系统抗多址干扰的性能。

Description

幅度估计方法及针对数据链传输的干扰消除方法和装置

技术领域

本发明涉及一种幅度估计方法，同时还涉及采用该幅度估计方法的针对多用户数据链传输的干扰消除方法及干扰消除装置。

背景技术

由于CDMA系统是码分多址的多址方案，在实际系统中，码间干扰(ISO)、多址干扰(MAI)以及系统中强信号对弱信号的抑制(远近效应)成为CDMA系统必然存在的几类主要干扰。MAI制约着系统的容量，ISO制约着通信的速率。对ISO的抑制可以采用均衡或分集技术。MAI的产生是由于用户接收机无法完全同步并采用完全正交的扩频码。各用户信号间存在一定的相关性，从而产生多址干扰，而抑制MAI需采用多用户检测MUD(Multiuser Detection)技术，降低了系统的误码率，提高了带宽利用率，缓解了“远近效应”，干扰消除法是多用户检测技术的一种，其基本思想就是在接收端先对信号做初步判决，再利用这一初步值估计出每个用户对其他用户的多址干扰，在其他用户的接收信号中减掉该用户产生的多址干扰，得到一个减轻了多址干扰影响的统计量，然后进行检测。这类检测方法中一种有效地方法是并行干扰消除算法，能以较低的计算复杂度和较小的处理延时获得较大的性能改善，其实用性最强。

发明内容

本发明所解决的技术问题为：一方面提供了一种幅度估计方法，该幅度估计方法可动态的确定进行幅度估计的收敛因子。

另一方面提供了一种针对多用户数据链传输的干扰消除方法及装置，通过该干扰消除方法或装置，提升了现有多用户数据链系统抗多址干扰的性能。

为解决上述技术问题，本发明的技术方案为：

一种幅度估计方法，包括以下步骤：

利用所述收敛因子确定幅度估计值；

利用所述幅度估计值对原始信号进行幅度估计，

所述收敛因子μ通过下式确定：

$\mathrm{\&mu;}=\left\{\begin{array}{cc}0.1(1-\exp (-5{\mathrm{\&epsiv;}}^2))& \left|\mathrm{\&mu;}\right|>\mathrm{\&eta;}\\ \frac{0.0001}{\mathrm{\&beta;}+\left|\right|\mathrm{\&epsiv;}|{|}_2^2}& \left|\mathrm{\&mu;}\right|<\mathrm{\&eta;}\end{array}\right.$

其中，ε为实际接收信号与幅度估计信号的误差；η为所述收敛因子门限。

所述幅度估计值根据下式递推获得

λ(m+1)＝λ(m)+2με(m)S(m)

其中，ε(m)为原始信号与所述幅度估计信号的误差；S(m)为原始信号；m代表递推次数。

一种上述幅度估计方法的干扰消除方法，至少包括以下步骤：

对各路调制恢复信号进行幅度估计；

利用所述幅度估计结果，对所述各路调制恢复信号进行幅度调节；

对所述幅度调节后的各路调制恢复信号进行调制扩频，并获得多址干扰信号；

利用所述多址干扰信号去除合路信号中的多用用户干扰。

在所述幅度估计前，还包括以下步骤：

对各路原始信号进行采样并去载波；

对去载波后的各路信号进行解扩获得所述各路调制恢复信号。

所述多址干扰信号为除目标用户外其他幅度调节后的各路调制恢复信号进行调制扩频后的和值。

一种上述幅度估计方法的干扰消除装置，其特征在于，包括：

对各路调制恢复信号进行幅度估计的幅度估计模块；

利用所述幅度估计结果，对所述各路调制恢复信号进行幅度调节的幅度调节模块；

对所述幅度调节后的各路调制恢复信号进行调制扩频，并获得多址干扰信号的干扰获取模块；

利用所述多址干扰信号去除合路信号中的多用用户干扰的干扰消除模块。

上述干扰消除装置，还包括，对各路原始信号进行去载波和解扩获得所述各路调制恢复信号的解调模块。

所述干扰获取模块对除目标用户外其他幅度调节后的各路调制恢复信号进行调制扩频再求和后获得多址干扰信号。

本发明与现有技术相比具有如下优点：

本发明对多用户干扰消除方法进行深入分析，设计了包括载波捕获跟踪、伪码捕获跟踪、解调解扩、幅度估计、调制扩频再生等步骤的自适应并行干扰消除结构，有效降低多址干扰的影响。在多址干扰消除优化算法中，采用复杂度低实现性好的LMS算法并对其进行分阶段变步长调整计算，使得在收敛速度和稳定性之间得到平衡。且本发明可以针对不同的调制方式及数据速率，灵活适应数据、图像的传输要求。

附图说明

图1为估值算法实现原理框图；

图2为LMS算法的系数调整图；

图3为Sigmoid函数步长与参数的关系曲线；

图4为自适应并行干扰抵消的结构图；

图5为数据处理FPGA功能模块示意图。

具体实施方式

下面就结合附图对本发明做进一步介绍。

多址干扰消除模块是同频多路通信系统中非常关键的技术，适合于CDMA、OFDM、MC-CDMA等通信体制以及多进制调制系统。其主要作用就是增加系统的通信容量，实现有限卫星带宽的有效利用。本发明针对多用户链路数据传输提出了解决限制系统容量的一种消除干扰的方法，对中频信号解调后，解扩预判决得到初值，则可完成多址干扰信号再生，并进行干扰消除。

在进行上述干扰抵消过程中，需要对接收到的原始信号进行幅度估计，以保证可在接收端获得更准确的多址干扰信号。

对原始信号进行幅度估计如图1示，步骤如下：

设接收信号为r(m)，原始S(m)＝[s₁(m),s₂(m),...,s₁₂(m)]，幅度估计值为λ(m)＝[λ₁(m),λ₂(m),...,λ₁₂(m)]^T，初值为零向量，则恢复出的信号为：

r′(m)＝λ(m)S(m)

从上式可以看出，幅度估计后信号的精度与幅度估计值λ(m)相关，在本发明实施例中，该幅度估计值λ(m)通过下式获得：

λ(m+1)＝λ(m)+2με(m)S(m)

从上式可以看出，幅度估计值的获取是一种递推过程，第m+1次幅度估计值λ(m+1)由当前第m次的幅度估计值λ(m)，误差信号ε(m)，原始信号S(m)，以及收敛因子μ共同决定。其中，误差信号ε(m)＝r(m)-r′(m)。

在本实施例中，μ是一个控制幅度估计值收敛速度与稳定性的常数，其取值范围为:

$0<\mathrm{\&mu;}<\frac{1}{{\mathrm{\&Lambda;}}_{max}}$

其中，Λ_max是信号自相关矩阵的最大特征值。

现有LMS算法结构简单，复杂度很低，但由于该算法只使用了信号的一阶信息，收敛速度比较慢，若在满足收敛条件的情况下，使用大的收敛因子可以增加收敛速度，但稳态误差较大；使用小的收敛因子可以保证较好的稳态误差，但收敛速度大大降低。为平衡收敛速度和误差稳态性能之间的矛盾，在一定程度上同时加强两方面的性能，必须采用可变步长的收敛因子，根据上述收敛因子的取值范围，以及图2示的LMS算法的系数更新结构，对收敛因子的取值进行修正，采用分段式收敛因子确定函数，即采用分段式可变系数的方法。

在λ(m)快速收敛阶段可引入指数函数，根据误差信号来确定收敛因子，误差信号较大时，确定较大的收敛因子，收敛速度加快，随着误差信号的减小，收敛因子也随之降低，λ也逐渐逼近收敛值，且速度放慢。该阶段的收敛因子根据系统误差信号ε来确定步长的改进，其步长μ_k是系统误差信号ε(下式中的e_k)的Sigmoid函数即

${\mathrm{\&mu;}}_k=\mathrm{\&beta;}(\frac{1}{1+\exp (-\mathrm{\&alpha;}|e_k\left|\right)}-0.5)$

参数α控制函数的形状，α>0，β控制函数的取值范围，β>0。当检测值初值设为零时，与发送的原始信号误差e_k最大，这时初始μ_k值依据函数计算就会很大，λ就可以很快向最佳值趋近，e_k也随之减小；e_k减小，μ_k也减小，但λ收敛速度放慢；当e_k→0，同样μ_k→0，进入稳定收敛状态，此函数能获得较快的收敛速度和较小的稳态误差。同样由图3可见，该算法有个明显不足之处，在e_k→0时，Sigmoid函数的斜率是无穷大的，不具有缓慢变化特性，函数变化值太大，这使得在自适应稳态阶段任有较大的步长变化，即μ_k变化很大。

因此，将上式的函数变换为：

μ_k＝β(1-exp(-αe_k ²))

原Sigmoid函数是误差的一阶变化，调整后，步长函数引进误差e_k的二阶变化，即使误差变化率也随绝对误差的减小而减小，解决了在e_k→0时，Sigmoid函数的斜率是无穷大的，函数变化值太大的问题。

由仿真可知当α<0时，步长函数没有下限值，故不可作为步长函数参数的取值范围。当检测值初值设为零时，与发送的原始信号误差e_k最大，这时初始μ_k值依据函数计算就会很大，λ很快向最佳值趋近，误差e_k也随之减小；e_k减小，μ_k也减小，但λ收敛速度放慢；当e_k→0，同样μ_k→0，进入稳定收敛状态，改进的算法具有了较快的收敛速度和零点附近缓慢变化特性。经过仿真确定系数为

μ_k＝0.1(1-exp(-5e_k ²))

当收敛因子减小到一定的程度，为增强稳态性能引入归一化LMS算法(NLMS)。在众多变步长的LMS算法中，NLMS算法具有很好的稳态性能，能有效解决弱信号时收敛缓慢，强信号时自适应过程不稳定的问题，该方法是用归一化收敛因子代替固定的收敛步长，收敛因子的确定函数为

${\mathrm{\&mu;}}_k=\frac{0.0001}{\mathrm{\&beta;}+\left|\right|X_k|{|}_2^2},\mathrm{\&beta;}\&Element;(0,1)$

β为防止很小时，μ_k过大，丧失稳定性。仿真实验证明NLMS方法在低信噪比和地输入信号功率情况下，具有较小的稳态误差。

现将NLMS的稳态性能和上述快速收敛方法结合起来，收敛步长较大时采用快收敛算法，当进入跟踪阶段则改用NLMS算法，改进的收敛因子的确定函数如下

β为函数系数，取值0.2，η为门限值，实际工程中实现时，η的选值通过多次仿真试验得到0.02。

通过上式即可在幅度估计过程中动态的确定收敛因子，从而完成对原始信号的幅度估计。

本发明另一种实施例在采用上述幅度估计方法的基础上，进行多用户数据链传输的干扰消除。

如图4示，首先对原始信号进行去载波和解扩，具体过程为：对接收的原始进行AD采样；采样后信号通过载波捕获跟踪技术实现载波同步，从而完成去载波操作，然后采用伪码捕获跟踪技术实现码同步对信号进行解扩，去载波和解扩后再通过数据判决即可得到调制恢复信号，此操作在接收到的每路原始信号上进行，从而可获得多路调制恢复信号。

该多路调制恢复信号此时并未进行幅度估计，因此，采用上述幅度估计的方法对各路调制恢复信号进行幅度估计。

在幅度估计完成后，将幅度调节后的各路调制恢复信号再次进行扩频处理，并利用扩频后的信号获取多址干扰信号。该多址干扰信号针对待消除干扰的目标用户，通过对其他各路信号求和的方式获得，即干扰信号为除目标用户外其他用户的信号求和。

利用该获得的多址干扰信号，即可在接收到的合路信号中减去该多址干扰信号，从而完成多用户干扰的消除操作，获得所需的目标用户信号。

在上述干扰消除实施例中，还可采用如图5所示装置进行，其中，解调模块对各路原始信号进行上述的去载波和解扩操作，获得各路调制恢复信号；幅度估计模块对各路调制恢复信号进行上述的幅度估计过程；幅度调节模块对利用幅度估计结果各路调制恢复信号进行幅度调节；干扰获取模块对幅度调节后的各路调制恢复信号进行扩频，并针对目标用户获取多址干扰信号；干扰消除模块利用该多址干扰信号去除合路信号中的多用用户干扰。

本发明未详细说明部分属本领域技术人员公知常识。

Claims (3)

1.一种幅度估计方法，其特征在于，包括以下步骤：

利用收敛因子确定幅度估计值；

利用所述幅度估计值对原始信号进行幅度估计，

所述收敛因子μ通过下式确定：

其中，ε为实际接收信号与幅度估计信号的误差；η为所述收敛因子门限；β为控制函数的取值范围，β>0；

所述幅度估计值根据下式递推获得

λ(m+1)＝λ(m)+2με(m)S(m)

其中，ε(m)为原始信号与所述幅度估计信号的误差；S(m)为原始信号；m代表递推次数。

2.一种利用权利要求1进行幅度估计的干扰消除方法，其特征在于，至少包括以下步骤：

对各路调制恢复信号进行幅度估计；

利用所述幅度估计结果，对所述各路调制恢复信号进行幅度调节；

对所述幅度调节后的各路调制恢复信号进行调制扩频，并获得多址干扰信号；

利用所述多址干扰信号去除合路信号中的多用户干扰；

在所述幅度估计前，还包括以下步骤：

对各路原始信号进行采样并去载波；

对去载波后的各路信号进行解扩获得所述各路调制恢复信号；

所述多址干扰信号为除目标用户外其他幅度调节后的各路调制恢复信号进行调制扩频后的和值。

3.一种利用权利要求1进行幅度估计的干扰消除装置，其特征在于，包括：

对各路调制恢复信号进行幅度估计的幅度估计模块；

利用所述幅度估计结果，对所述各路调制恢复信号进行幅度调节的幅度调节模块；

对所述幅度调节后的各路调制恢复信号进行调制扩频，并获得多址干扰信号的干扰获取模块；

利用所述多址干扰信号去除合路信号中的多用户干扰的干扰消除模块；

干扰消除装置还包括，对各路原始信号进行去载波和解扩获得所述各路调制恢复信号的解调模块；

所述干扰获取模块对除目标用户外其他幅度调节后的各路调制恢复信号进行调制扩频再求和后获得多址干扰信号。