CN103188181B - Gsm系统中的信道均衡方法和装置 - Google Patents

Abstract

本发明涉及一种GSM系统中的信道均衡方法和装置，以改善解调译码性能。这一均衡方法包括以下步骤：检测接收数据中干扰信号的边缘点；将接收数据中的突发划分为多个区间；根据所述干扰信号的边缘点落在所述突发中的区间和信号包络方向，从多个数据模型中选择一种对应的数据模型；以及根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式。

Description

GSM系统中的信道均衡方法和装置

技术领域

本发明涉及GSM系统的信号处理，尤其是涉及GSM系统中的信道均衡方法和装置。

背景技术

在移动通信系统中，一般采用频率复用的技术以提高频谱效率。当小区不断分裂使基站服务区不断缩小，同频复用系数增加时，大量的同频干扰将取代人为噪声和其它干扰，成为对小区制的主要约束。当同频干扰的载波干扰比C/I小于某个特定值时，就会直接影响到手机的通话质量，严重的就会产生掉话或使手机用户无法建立正常的呼叫。

在GSM系统中会在接收端使用均衡技术对信道引起的畸变进行校正，以补偿信道的幅频特性和相频特性。例如，一种现有的GSM均衡技术将一个突发(burst)的数据根据物理分布划分成前块和后块两部分，而依据对中间训练序列(TS)进行相关运算得到的信道冲激响应(ChannelImpulseResponse,CIR)对这两块数据进行维特比(viterbi)解调。在此，信道冲激响应只有1个设置。

另一种现有的GSM均衡技术称为增强型SAIC(SingleAntennaInterferenceCancellation，单天线干扰消除)均衡技术，它是将训练序列从中间分开，依据初始的信道冲激响应，采用LMS算法对训练序列的左、右半块进行迭代。如果训练序列左、右半块的均方误差值的差别很大，由此得到地信道冲激响应有2种设置(用户的信道冲激响应应仍然只有1个，分离出来的干扰信道冲激响应有左右2个)，否则仍然只有1种设置。

上述的两种GSM均衡技术中，即使是增强型SAIC均衡技术也只是对干扰全覆盖情况以及干扰边缘点在训练序列中间情况有改善。然而由于GSM系统下小区间信号可以异步，并且异步边缘点的位置是随机的，此时现有的GSM均衡技术无法应对这一情况。

发明内容

本发明所要解决的技术问题是提供一种GSM系统中的信道均衡方法和装置，可以有效的改善突发的解调译码性能。

本发明为解决上述技术问题而采用的技术方案是提出一种信道均衡方法，包括以下步骤：检测接收数据中干扰信号的边缘点；将接收数据中的突发划分为多个区间；根据所述干扰信号的边缘点落在所述突发中的区间和信号包络方向，从多个数据模型中选择一种对应的数据模型；以及根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式。

在本发明的一实施例中，所述干扰信号包括同频同步干扰和同频异步干扰。

在本发明的一实施例中，所述多个区间包括：第一区间，其位于所述突发的训练序列左侧；第二区间，其对应所述突发的训练序列；以及第三区间，其位于所述突发的训练序列右侧。

在本发明的一实施例中，所述多个区间还包括：第四区间，其位于所述突发的左边缘；第五区间，其位于所述突发的右边缘。

在本发明的一实施例中，所述多个数据模型包括：前包数据模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向前覆盖突发；后包数据模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向后覆盖突发；前包训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；后包训练序列域模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向后覆盖突发；前分训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；以及后分训练序列域模型，其中干扰信号落在所述突发中的第二区间，并且干扰信号的包络方向为向后覆盖突发。

在本发明的一实施例中，根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的步骤包括：对于所述前包数据模型和所述后包数据模型，设置1组用于解调的用户序列信道冲激响应和干扰序列初始估计信道冲激响应；对于所述前包训练序列域模型和所述后包训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0；对于所述前分训练序列域模型和所述后分训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

在本发明的一实施例中，上述方法还包括，当所述干扰信号的边缘点落入所述第四区间或第五区间时，判断所述干扰信号为同步干扰。

在本发明的一实施例中，所述信道均衡方法是在GSM系统的接收机中执行。

本发明另提出一种信道均衡装置，包括：用于检测接收数据中干扰信号的边缘点的装置；用于将接收数据中的突发划分为多个区间的装置；用于根据所述干扰信号的边缘点落在所述突发中的区间和信号包络方向，从多个数据模型中选择一种对应的数据模型的装置；以及用于根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的装置。

在本发明的一实施例中，所述干扰信号包括同频同步干扰和同频异步干扰。

在本发明的一实施例中，所述多个区间包括：第一区间，其位于所述突发的训练序列左侧；第二区间，其对应所述突发的训练序列；第三区间，其位于所述突发的训练序列右侧。

在本发明的一实施例中，所述多个区间还包括：第四区间，其位于所述突发的左边缘；第五区间，其位于所述突发的右边缘。

在本发明的一实施例中，所述多个数据模型包括：前包数据模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向前覆盖突发；后包数据模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向后覆盖突发；前包训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；后包训练序列域模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向后覆盖突发；前分训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；以及后分训练序列域模型，其中干扰信号落在所述突发中的第二区间，并且干扰信号的包络方向为向后覆盖突发。

在本发明的一实施例中，根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的装置是按照以下方式设置初始用户信道冲激响应和干扰的信道冲激响应：对于所述前包数据模型和所述后包数据模型，设置1组用于解调的用户序列信道冲激响应和干扰序列初始估计信道冲激响应；对于所述前包训练序列域模型和所述后包训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0；对于所述前分训练序列域模型和所述后分训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

在本发明的一实施例中，上述信道均衡装置还包括用于当所述干扰信号的边缘点落入所述第四区间或第五区间时，判断所述干扰信号为同步干扰的装置。

本发明由于根据干扰边缘检测信息，进行区域划分以及分区均衡的初始用户和干扰的信道冲激响应设置，对于同频率的异步干扰情况，可以明显地改善解调性能。

附图说明

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明，其中：

图1示出普通突发脉冲序列示意图。

图2A-2G示出干扰位于突发的不同位置的情形。

图3示出本发明一实施例的分区均衡方法流程图。

图4-7示出使用示例性分区均衡的数据解调过程。

图8示出恒包络同频干扰的边缘检测方法。

具体实施方式

本发明的实施例描述分区均衡方法，它将接收的突发数据划分为多个区间，检测干扰信号的边缘点位于突发哪一区间，以此选择估计信道冲激响应和解调的策略。这一分区均衡方法可在移动通信终端的接收机中执行。

作为举例，可以根据干扰的特点，将一个GSM时隙划分为第一区间、第二区间和第三区间。第一区间位于突发的训练序列左侧。第二区间对应突发的训练序列。第三区间位于突发的训练序列右侧。第一区间可以完全覆盖训练序列左侧，并且在右侧与第二区间相邻。类似地，第三区间可以完全覆盖突发的训练序列右侧，并且在左侧与第二区间相邻。区分干扰的边缘点落入哪一区间对于解调是关键的，例如当干扰的边缘点落入对应于突发的训练序列左侧的第一区间且未覆盖训练序列时，干扰信号的信道冲激响应无法获得，仅用常规算法解调这部分被覆盖的用户数据会导致误码率(BER)很差。

考虑到边缘点检测的误差，第三区间与突发的训练序列可以不完全重合。例如第三区间的边界点可以与训练序列的边界点有偏离。此外，当干扰的边缘点位于突发的左边缘或右边缘(即位于突发的前几个(个位数)比特或者最后几个(个位数)比特)时，认为干扰是同步的。因此，引入第四区间，其位于突发的左边缘；以及第五区间，其位于突发的右边缘。

以图1所示的具有156.25个比特的GSM时隙来说，其训练序列位于[62，87]范围，范围中的数字代表从时隙左侧开始的比特序号，以下相同。在较佳实施例中，将时隙划分为5个区间，分别为第四区间[0，8]、第一区间(8，66]、第二区间(66，86]、第三区间(86，146)、第五区间[146，156]。可以看出，当考虑了边缘点检测误差时，第三区间(66，86]对应训练序列但边界点有偏离，并且引入了第四区间和第五区间。

在上述区间划分的基础上，可以根据边缘检测信息，包括位置点和包络方向，划分突发的数据模型。图2A-图2F分别示出干扰信号位于不同区间时的数据模型，下面分别介绍。

图2A示出前包数据模型。图中干扰信号边缘点落在第一区间(8，66]范围，且干扰信号的包络方向为向前(即向左)覆盖突发。因为干扰信号没有覆盖到用户的训练序列域，因此干扰信号的信道冲激响应无法获得，此时如果仅用常规算法解调这部分被覆盖的用户数据，必然导致误码率很差。

在本发明的实施例中，可以将突发从中间分为左半块和右半块，其中左半块按边缘点分成两个区域：未受干扰区域和未受干扰区域。对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置1组用户序列信道冲激响应和干扰序列初始估计信道冲激响应。对未受干扰区域，仅使用用户的信道冲激响应。在此，用户的信道冲激响应可以使用中间训练序列的16个符号(symbol)进行自相关运算得到。对受干扰区域进行解调前，进行自适应迭代来估计干扰信号的信道冲激响应，然后进行用户和干扰的信道冲激响应联合解调。在一实施例中，可以根据覆盖区空口波形进行向量运算，获得初步的干扰序列的信道冲激响应估计值，将其用于自适应迭代。

图2B示出后包数据模型。图中干扰信号边缘点落在第三区间(86，146)范围，且干扰信号向后(即向右)覆盖突发。在此解调方法类似图2A所示的前包数据模型。也就是说，将突发的右半块按边缘点分成两个域：未受干扰区域和干扰覆盖区域。对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置1组用户序列信道冲激响应和干扰序列初始估计信道冲激响应。对未受干扰区域，仅使用用户的信道冲激响应。对受干扰区域进行解调前，进行自适应迭代来估计干扰信号的信道冲激响应，然后进行用户和干扰的信道冲激响应联合解调。

图2C示出前包训练序列域模型。图中干扰信号边缘点落在第三区间(86，146)范围，且干扰信号向前覆盖突发。因为干扰信号完全覆盖了用户的训练序列域，因此干扰信号的信道冲激响应可以获得。

对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置2组用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0。

解调时可以将突发分为左半块和右半块，解调左半块数据时，进行用户和干扰信号的信道冲激响应联合解调。解调右半块数据时，将右半块按边缘点分成两个域:受干扰区域和未受干扰区域。对受干扰区域，采用左半块的解调方法，进行用户和干扰的信道冲激响应联合解调。对未受干扰区域，仅用用户信道冲激响应，或将干扰的信道冲激响应初始置0。

图2D示出后包训练序列域模型。图中干扰信号边缘点落在第一区间(8，66)范围，且干扰信号向后覆盖突发。因为干扰信号完全覆盖了用户的训练序列域，因此干扰信号的信道冲激响应可以获得。

如图2C类似，对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置2组用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0。

解调可以将突发分为左半块和右半块，解调左半块数据时，将左半块数据按边缘点分成两个域:受干扰区域和未受干扰区域。对受干扰区域，进行用户和干扰的信道冲激响应联合解调。对未受干扰区域，仅用用户信道冲激响应，或将干扰的信道冲激响应初始置0。

解调右半块数据时，进行用户和干扰信号的信道冲激响应联合解调。

图2E示出前分训练序列域模型。图中干扰信号边缘点落在第二区间(66，86]范围，且干扰信号向前覆盖突发。因为干扰信号覆盖分割了用户的训练序列域，因此对用户的信道冲激响应估计需要2个，且对干扰覆盖区域需估计干扰的信道冲激响应。

对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置2组用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

所需运算包括，首先对用户的训练序列域进行相关运算，获得初始的用户信道冲激响应。接着可根据干扰边缘点位置，将训练序列域分为左边的干扰信号覆盖区和右边的干扰信号未覆盖区。对训练序列域左边，即干扰信号覆盖区采用迭代重新估计用户的信道冲激响应和干扰的信道冲激响应，并用于突发的左半块的数据解调。

对训练序列域右边，即干扰信号未覆盖区采用迭代重新估计用户的信道冲激响应和干扰的信道冲激响应，并用于突发的右半块的数据解调。在替代实施例中，对右半块的数据解调可以简单处理为直接使用初始的用户信道冲激响应，将干扰的信道冲激响应初始置0。

图2F示出后分训练序列域模型。图中干扰信号边缘点落在第二区间(66，86]范围，干扰信号向后覆盖突发。因为干扰覆盖分割了用户的训练序列域，因此对用户的信道冲激响应估计需2个，且对干扰覆盖区域的需估计干扰的信道冲激响应。

与图2E类似，对应的初始用户信道冲激响应和干扰的信道冲激响应的设置方式为：设置2组用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

所需运算主要包括，首先，对用户的训练序列域进行相关运算，获得初始的用户信道冲激响应。接着根据干扰边缘点位置，将训练序列域分为左边的干扰信号覆盖区和右边的干扰信号未覆盖区。对训练序列左边的干扰信号未覆盖区采用迭代重新估计用户和干扰的信道冲激响应，并用于突发左半块的数据解调。在替代实施例中，对左半块的数据解调可以简单处理为直接使用初始的用户信道冲激响应，将干扰的信道冲激响应初始置0，用于突发左半块的数据解调。

对训练序列右边的干扰信号覆盖区可以采用迭代重新估计用户和干扰的信道冲激响应，并用于突发右半块的数据解调。

在上述的解调步骤中，可以最大似然MLSE解调或联合MLSE解调的算法。例如，如果突发的数据区域没有干扰信号覆盖，可以用简单的viterbi软解调算法，而如果突发的数据区域被干扰信号覆盖，就用较复杂的联合用户和干扰信道特性的viterbi软解调算法。具体的解调算法为本领域技术人员所熟知，在此不再赘述。

如果没有检测出干扰的边缘，则认为是第7种模型。在此，当干扰信号比较弱时(可以由用户信号的信噪比来判决)，对后续的均衡和解调的影响很小，可以使用传统的均衡方法；但当干扰信函比较强时，仍需要使用同步SAIC均衡方法。如图2G所示，干扰信号边缘点落在第四区间[0，8]或第五区间[146，156]范围，由于实际数据解调范围是[5，147]，并考虑到干扰边缘检测位置点的合理误差范围，等同认为同步情况。

根据上述构思，归纳出图3所示的本发明一实施例的分区均衡方法流程图。现描述这一流程如下，在步骤301，检测接收数据中干扰信号的边缘点。在步骤302，将接收数据中的突发划分为多个区间。这一划分可参照前文，多个区间可包括：第一区间、第二区间、第三区间。第一区间位于突发的训练序列左侧。第二区间对应突发的训练序列。第三区间位于突发的训练序列右侧。较佳地，引入第四区间和第五区间，第四区间位于突发的左边缘，第五区间位于突发的右边缘。

在步骤303，根据干扰信号的边缘点落在突发中的特定区间和干扰信号的包络方向，可以确定一种数据模型。这一数据模型是从预设的由边缘点位置和包络方向确定的多个数据模型中选择。例如，边缘点在第一区间且信号的包络方向为向前覆盖突发，则为前包数据模型。

在步骤304，根据数据模型来确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式。这些设置方式可参见前文中参照图2A-图2F的描述。

在本发明的实施例中，干扰信号的边缘检测信息可以通过不同的算法可以获得，不同的算法对应边缘检测性能不同。在本发明的实施例中，使用如图8所示的恒包络同频干扰的边缘检测方法，其流程描述如下：

步骤801中，在相位解旋转之前进行直流消除，从而克服残留直流对恒包络边缘计算的不利影响。

步骤802至步骤804中，计算干扰信号的功率分布。

通过计算所接收信号的功率分布，减去本小区训练序列(TS)数据的平均功率并取绝对值，得到干扰信号的功率分布。具体如下：

步骤802中，恢复本小区信号的TS数据区，计算TS数据的平均功率。

具体地说，利用已知的本小区TS序列s_n+1-j，以及根据相关计算得到的本小区信号冲激响应h_j，对两者进行卷积计算，即可以恢复本小区信号的TS数据，然后计算TS数据的平均功率。

信号经过空口，相当于一个卷积过程。因此我们恢复信号时，使用本地训练序列s_n+1-j和信道冲激响应h_j进行卷积。

卷积计算公式： $Data\_{\mathrm{ts}}_i=\underset{j=0}{\overset{j=2}{\Σ}}{h}_j\·s_{n+1-j},i=0,\mathrm{...},23;n=1,\mathrm{...},25$

步骤803中，计算所接收信号的功率分布。即分别计算所接收信号中每n个比特的功率，得到所接收信号的功率分布，n大于等于1，本实施方式中，n取1。即计算所接收信号各比特的功率，得到所接收信号的功率分布。

步骤804中，使用功率方差法从接收信号的功率中分离出干扰信号的功率。

具体地说，设接收数据为r，发送数据为x，经过记忆长度为L的信道h，信道噪声为n，则r＝x·h+n，接收数据功率的数学期望为：

E{|r|²}＝E{|x·h+n|²}

＝E{|x·h|²+|n|²+2Re(x·h·n^*)}

＝E{|x·h|²}+σ²

假定各同频信号的训练序列互相关性比较好，高斯白噪也很小,各同频信号的训练序列与高斯白噪也很小。那么σ²将主要包含干扰信号的功率。

也就是说，假定所恢复的本小区TS数据的平均功率等于接收信号中本小区信号的平均功率，则将接收信号各比特的功率，分别减去TS数据的平均功率并取绝对值，即可以得到干扰信号的功率分布。这时候恒包络边缘已经很明显了。

计算公式： $Inter\_{\mathrm{POW}}_i=POW\_{\mathrm{Data}}_i-\left\{\frac{1}{24}\underset{j=0}{\overset{j=23}{\Σ}}{(Data\_ts)}^2\right\},i=0,\mathrm{...},143;j=0,\mathrm{...},23$

其中POW_Data_i为接收信号各比特的功率；为恢复的本小区的TS数据的平均功率，假定它等于接收信号中本小区信号的平均功率。

步骤805至步骤807中，根据干扰信号的功率分布，进行恒包络边缘检测，将功率变化差异最大的位置作为恒包络边缘位置。

步骤805中，对干扰信号进行分块，分为N块，计算各块干扰信号的平均功率，采用分块功率比值法，将前后两块信号的干扰信号平均功率进行功率比，小功率的比上大功率，并采用修正因子方法得到N-1个功率比值。

本步骤中，分块要合理，一般采用12块*12比特或24块*6比特的分法。以12个分块为例，将前后两块进行功率比，并乘以一修正因子，得到11个功率比值。该修正因子用于增加判断结果的可靠性，提高精度，一般不省略，但并非一定不能省略。

计算公式为： $R_i=\frac{min(P_1,P_2)}{\max (P_1,P_2)}\·\frac{1}{|P_2-P_1|},$ 修正因子为： $\frac{1}{|P_2-P_1|}$

步骤806中，从上述N-1个功率比值挑选3个最小的(表明在该24比特区功率变化比较明显)，分别得到其信号块位置区域，利用干扰信号恒包络的特性，分别计算在该位置左右两侧的干扰信号平均功率，将计算得到的两个平均功率中的小功率比上大功率，得到一功率比值，共计得到3个功率比值，从3个中挑出一个最小的，其对应的信号块位置区域作为包络边缘的粗略判决区域。

举例而言，图2示出一空口接收数据波形，它在第3个分块比值计算时最小(第3个信号块与第4个信号块的干扰信号平均功率比值)，表明在[36，60]比特范围内波形有较大的突变。因此左侧取[0，2]3个块的干扰信号平均功率，右边取[5，10]6个块的干扰信号平均功率，左右两侧的平均功率进行比值。

计算公式为：

$p_{left}=\left\{\begin{array}{cc}{P}_0& i<1\\ \frac{1}{i}\underset{j=0}{\overset{i-1}{\&Sigma;}}{P}_j& 1\&le;i\&le;9\\ \frac{1}{10}\underset{j=0}{\overset{9}{\&Sigma;}}{P}_j& i>9\end{array}\right.;p_{right}=\left\{\begin{array}{cc}\frac{1}{10}\underset{j=2}{\overset{11}{\&Sigma;}}{P}_j& i<1\\ \frac{1}{10-i}\underset{j=i+2}{\overset{11}{\&Sigma;}}{P}_j& 1\&le;i\&le;9\\ P_{10}& i>9\end{array}\right.$

上述公式考虑了初选点在一般位置信号块，以及初选点在第一个块和最后一个块时，计算左右干扰信号平均功率的方法。

本步骤中，从N-1个功率比值挑选3个最小的，计算左右干扰信号的功率比，在实际应用中，也可以选择2个或者4个进行计算和比较。

步骤807中，对粗略判决区域(2个信号块，共24比特)进行4比特长度的窗口滑动，每次滑动1个比特，共滑动n次，分别计算滑动前和滑动后两块干扰信号的平均功率，将小功率比上大功率，得到一功率比值，乘以一修正因子，共计得到n个功率比值，从n个功率比值中选择一个最小的，该最小的功率比值对应的滑动位置，就是比较精确的恒包络边缘位置。

由于粗略判决区域可能在12个分块的最前端、最后端或者中间区域，针对不同情况窗口滑动次数不同。对于粗略判决区域在中间的情况，窗口滑动次数n应为24次；对于粗略判决区域在最前端或最后端的情况，窗口滑动次数n为16次。

计算公式： $P_i=\underset{i}{\overset{i+3}{\&Sigma;}}Power\_Data\&lsqb;i\&rsqb;;R_i=\frac{min(P_i,P_{i+4})}{max(P_i,P_{i+4})}\&CenterDot;\frac{1}{|P_{i+4}-P_i|}$

其中为4比特的特征窗功率值； $R_i=\frac{min(P_i,P_{i+4})}{max(P_i,P_{i+4})}\&CenterDot;\frac{1}{|P_{i+4}-P_i|}$ 为滑动前后两个特征窗进行功率比，并乘上修正因子 $\frac{1}{|P_{i+4}-P_i|}.$

本步骤中，滑动窗口长度取4比特，每次滑动的长度为1比特，是因为根据实际测算，它的估计精度和计算量都比较理想，可以更好地保证边界位置估计精度，但这并不是必须的，滑动窗口长度和每次滑动的长度略发生变化，也同样能够解决本发明技术问题，同样在本发明保护范围内。

需要说明的是，本实施方式中，步骤805和步骤806是为了减少计算量，根据最小比值，初步确定两个信号块的判决区域。并且，由于空口信号叠加的随机性，步骤806可以帮助增加可靠几率。在实际应用中，也可以省略上述两个步骤，直接对干扰信号进行窗功率滑动法；或者，省略其中的一个步骤，如省略步骤806，直接对步骤805中计算得到的最小的3个功率比值对应的信号块进行窗功率滑动法，得到恒包络边缘位置。

图4-7示出使用示例性分区均衡的解调过程。首先参照图4所示，过程如下：

在步骤401，对接收数据进行数字AGC处理。

在步骤402，进行第一次恒包络(CMS)边缘检测，以检测干扰信号的边缘点。

在步骤403，进行信道盲检测。

在步骤404，通过初始相关算法，窗功率算法获得用户的信道冲激响应。

在步骤405，计算信噪比，并计算接收同步定时偏移。

在步骤406，根据边缘检测信息判断数据模型是前包数据或后包数据模型，当结果为是时，进入步骤409，否则进入步骤407。

在步骤407，判断是否是同频同步干扰信道，当结果为是时，进入步骤408，否则进入步骤410。

在步骤408，判断在步骤405计算的信噪比是否大于可信门限，如果为是则进入步骤410，否则进入步骤409。

在步骤409，将解调强制设置为SAIC均衡解调模型。

在步骤410，将解调强制设置为传统均衡解调。

因为在前包和后包模型中，用户的训练序列部分没有被干扰，因此对它做相关运算会得到非常好的信噪比，流程可能会错误地使用传统均衡方法。因此在步骤406需要先判决一下是否有前包或后包情况，如果是则进入到步骤409。

在判断干扰为同频同步干扰(步骤407)后，进行信噪比C/I门限判决(步骤408)的目的在于，区分干扰完全覆盖信号时的干扰信号强弱。当干扰信号较弱时，可以使用传统的均衡解调，当干扰信号较强时，需要使用SAIC均衡解调。

接着参照图5所示，在步骤501，接收数据进行π/2相位旋转。

在步骤502，使用初始16个符号训练序列相关算法估计信道冲激响应。

在步骤503，根据边缘检测信息判断数据模型是前分训练序列域模型或后分分训练序列域模型，当结果为是时，进入步骤504，否则进入步骤505。

在步骤504，使用26个符号训练序列以LMS迭代算法修正用户信道冲激响应。

在步骤505，使用26个符号训练序列，根据边缘点分离的LMS迭代算法生成2组用户信道冲激响应。

在步骤507，进行第二次CMS边缘检测。通过此次检测可确定干扰的边缘点位于突发中的哪一区间。

在步骤508，进行LMS算法发散保护。

在步骤509，根据边缘检测信息判断数据模型是前包数据或后包数据模型，当结果为是时，进入步骤513，否则进入步骤510。

在步骤510，进一步根据边缘检测信息判断数据模型是前分训练序列域模型或后分分训练序列域模型，当结果为是时，进入步骤511，否则进入步骤512。

在步骤511，26个符号训练序列用户/干扰分离，根据CMS边缘点，生成2组联合估计干扰序列信道冲激响应和用户序列信道冲激响应。其中用户/干扰分离是针对接收突发中用户的训练序列部分而言的，由于用户的训练序列26个符号是已知的，因此可以从接收的数据和重构的数据之差里得到干扰序列的一些信息，采用多次迭代算法就可以得到干扰序列的初始信道冲激响应估计。

在步骤512，26个符号训练序列用户/干扰分离，联合估计干扰序列信道冲激响应和用户序列信道冲激响应。

在步骤513，使用覆盖区空口波形向量算法，获得初步的扰序列的信道冲激响应。

接着参照图6所示，在步骤601，进行联合解调时分区模型判断。当模型是如602所示的前包数据模型或后包数据模型时，在步骤606，设置1组用户序列信道冲激响应和干扰序列的初始估计信道冲激响应，并在步骤607保持用户序列信道冲激响应固定，对干扰覆盖区进行4轮以上的联合自适应迭代更新干扰序列信道冲激响应。

当模型是如603所示的前包TS模型或后包TS模型时，在步骤608，设置2组用户序列信道冲激响应和干扰序列的信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0。

当模型是如604所示的前分TS模型或后分TS模型时，在步骤609，设置2组用户序列信道冲激响应和干扰序列的信道冲激响应，分别对应左右两块数据，对于未受干扰区域的干扰序列信道冲激响应置0。

此外，当模型是如605所示的基本同步模型时，在步骤610，设置1组用户序列信道冲激响应和干扰序列信道冲激响应。

最后如图7所示，在步骤701，整个突发数据解调前的初始设置。

在步骤702，根据当前用户信道冲激响应和干扰信道冲激响应，对第1个符号进行联合viterbi自适应解调算法。

在步骤703，判断是否到了边界覆盖点，如果结果为是，则进入步骤704，否则继续到步骤705。

在步骤704，更换对应的用户信道冲激响应和干扰信道冲激响应并进入步骤705。

在步骤705，继续下一个符号的联合viterbi自适应解调算法。

在步骤706，判断是否完成突发的解调，如果是，则进入步骤707，否则返回步骤702。

在步骤707，生成解调软比特，计算软比特和，重构接受数据，进行频偏估计。

相比传统的GSM均衡技术，本发明的实施例由于引入了突发的区间划分，并根据边缘点所落入的区间和包络方向进行分区均衡，对于同频率的异步干扰情况，本发明的实施例能够对解调带来明显的性能改善。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (13)

1.一种信道均衡方法，包括以下步骤：

检测接收数据中干扰信号的边缘点；

将接收数据中的突发划分为多个区间，其中所述多个区间包括：第一区间，其位于所述突发的训练序列左侧；第二区间，其对应所述突发的训练序列；第三区间，其位于所述突发的训练序列右侧；

根据所述干扰信号的边缘点落在所述突发中的区间和信号包络方向，从由边缘点位置和包络方向确定的多个数据模型中选择一种对应的数据模型；以及

根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式。

2.如权利要求1所述的方法，其特征在于，所述干扰信号包括同频同步干扰和同频异步干扰。

3.如权利要求1所述的方法，其特征在于，所述多个区间还包括：

第四区间，其位于所述突发的左边缘；

第五区间，其位于所述突发的右边缘。

4.如权利要求1所述的方法，其特征在于，所述多个数据模型包括：

前包数据模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向前覆盖突发；

后包数据模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向后覆盖突发；

前包训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；

后包训练序列域模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向后覆盖突发；

前分训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；以及

后分训练序列域模型，其中干扰信号落在所述突发中的第二区间，并且干扰信号的包络方向为向后覆盖突发。

5.如权利要求4所述的方法，其特征在于，根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的步骤包括：

对于所述前包数据模型和所述后包数据模型，设置1组用于解调的用户序列信道冲激响应和干扰序列初始估计信道冲激响应；

对于所述前包训练序列域模型和所述后包训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0；

对于所述前分训练序列域模型和所述后分训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

6.如权利要求3所述的方法，其特征在于，还包括，当所述干扰信号的边缘点落入所述第四区间或第五区间时，判断所述干扰信号为同步干扰。

7.如权利要求1所述的方法，其特征在于，所述信道均衡方法是在GSM系统的接收机中执行。

8.一种信道均衡装置，包括：

用于检测接收数据中干扰信号的边缘点的装置；

用于将接收数据中的突发划分为多个区间的装置，其中所述多个区间包括：第一区间，其位于所述突发的训练序列左侧；第二区间，其对应所述突发的训练序列；第三区间，其位于所述突发的训练序列右侧；

用于根据所述干扰信号的边缘点落在所述突发中的区间和信号包络方向，从由边缘点位置和包络方向确定的多个数据模型中选择一种对应的数据模型的装置；以及

用于根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的装置。

9.如权利要求8所述的装置，其特征在于，所述干扰信号包括同频同步干扰和同频异步干扰。

10.如权利要求8所述的装置，其特征在于，所述多个区间还包括：

第四区间，其位于所述突发的左边缘；

第五区间，其位于所述突发的右边缘。

11.如权利要求8所述的装置，其特征在于，所述多个数据模型包括：

前包数据模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向前覆盖突发；

后包数据模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向后覆盖突发；

前包训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；

后包训练序列域模型，其中干扰信号落在所述突发中的第一区间，并且干扰信号的包络方向为向后覆盖突发；

前分训练序列域模型，其中干扰信号落在所述突发中的第三区间，并且干扰信号的包络方向为向前覆盖突发；以及

后分训练序列域模型，其中干扰信号落在所述突发中的第二区间，并且干扰信号的包络方向为向后覆盖突发。

12.如权利要求11所述的装置，其特征在于，根据所述数据模型确定初始用户信道冲激响应和干扰的信道冲激响应的设置方式的装置是按照以下方式设置初始用户信道冲激响应和干扰的信道冲激响应：

对于所述前包数据模型和所述后包数据模型，设置1组用于解调的用户序列信道冲激响应和干扰序列初始估计信道冲激响应；

对于所述前包训练序列域模型和所述后包训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，对于未受干扰区域的干扰序列信道冲激响应置0；

对于所述前分训练序列域模型和所述后分训练序列域模型，设置2组用于解调的用户序列信道冲激响应和干扰序列信道冲激响应，分别对应突发的左右两半块数据，对于突发的未受干扰区域的干扰序列信道冲激响应置0。

13.如权利要求10所述的装置，其特征在于，还包括，用于当所述干扰信号的边缘点落入所述第四区间或第五区间时，判断所述干扰信号为同步干扰的装置。