CN103595666B - 用于检测通信信号中的符号的方法、设备 - Google Patents

Abstract

本发明涉及一种符号检测方法，包括：接收在无线信道H上传输的至少一个通信信号y，以及接收所述信道输入x的先验LLR；根据所述信道输入x的LLR计算所述信道输入x的软符号估计μ和方差D；使用第一滤波器和过滤后的软符号估计μ过滤和干扰消除该接收信号y，以获得过滤和干扰消除后的接收信号；估计所述过滤和干扰消除后的接收信号的均方误差（MSE）矩阵B；根据所述MSE估计B计算用于BCJR算法的最优矩阵G_opt；还使用第二滤波器过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r；以及将所述输入信号r传入BCJR算法中。

Description

用于检测通信信号中的符号的方法、设备

技术领域

本方法涉及一种用于检测携带在通信信号中的符号的方法。此外，本发明还涉及一种检测设备、一种计算机程序以及一种计算机程序产品。

背景技术

现有技术提到一种公式为y＝Hx+n的任意线性信道，其中H是信道增益的MxN矩阵，x是信道输入的Nx1向量，n是IID复杂高斯(Gaussian)噪声变量的Mx1向量，这些变量具有均值0和方差矩阵N₀I。

令我们感兴趣的问题是向量x的软入软出检测。很容易通过Bahl-Cook-Jelinke-Raviv(BCJR)算法来解决这个问题，但是每个已检测符号的复杂度为O(|Ω|^K)，其中Ω是调制字母，K是信道矩阵H的记忆。所述记忆是中心主题，我们接下来将会定义该术语的实际意义。我们对信道矩阵H进行QL因式分解，因此写下H＝QL。随后，在不损失适用性的情况下，我们可以定义过滤后的观察向量r＝Q^*y＝Lx+w，其中w被配为恒等于n。现在我们对任意信道H的记忆进行如下定义。

定义1：如果L中的非零元素局限于L的第一K+1个对角线，则H的记忆是K，最优解调具有复杂度O(|Ω|^K)。

应注意的是，我们并未阐述信道矩阵H可表示什么。本发明假设一个任意H值，使其包括如符号间干扰(ISI)信道(如在卫星传输中碰到)、 MIMO(如在LTE下行链路中碰到)、MIMO-ISI(如在LTE上行链路中碰到)、ICI(如在具有高多普勒扩展的LTE下行链路碰到)等等。读者可以记住ISI及其优势，其中记忆K仅仅是抽头数减去一个信道脉冲响应。

信息和通信理论中的另一中心主题是信道容量。信道容量定义为可以通过具有零误差率的信道携带的最高可能速率。由于我们没有定义“时间”这个概念，因此我们将信道容量测量为能够可靠传输的单位信道使用中的奈特。容量实现需要优化x的输入分布，这必须匹配实际通信信道H(通过注水原理)，但是在本发明中，我们假设发射器对H一无所知，因此这样的优化是不可能的。于是，“capacity”这个词严格来说是不正确的，但是我们仍采用这个术语，尽管该术语有点滥用符号。

论据1：线性高斯向量信道的容量以单位信道使用中的奈特来测量，

为其中输入x分布为CN(0，PI)。

此种容量可改写为，

论据2：直接操作法使用互信息的链式法则产生其中I(x；y)是标准互信息运算符。

记忆的含义可以包括在论据2中，为了获得，

论据3：如果信道H的记忆是K，则其中

最后，下面的结果是众所周知的，

论据4：通过给x赋予一个y的最优检测器，可以获得信道的容量。

我们总结如下：每个线性信道H存在关联记忆和信道容量。如果接收器利用x的最优检测器，可以获得信道容量，此种检测器具有复杂度，而复杂度是记忆K中的指数。应注意，接收器复杂度测量使用离散输入，而容量需要高斯(Gaussian)分布式输入。然而，高斯(Gaussian)输入容量通常表示很好地到达某个SNR阀值的离散输入限制，所述SNR阀值依赖于输入的基数。因此，即使系统使用离散输入而不是高斯(Gaussian)输入，值C是运算结果。

如果信道记忆K太大会出现问题，因此复杂度|Ω|^K超出了容许的复杂度预算。在实践中这是一个常见的情况，因此必须研究降低复杂度技术。存在一些示例，例如，LTE链路，其中信道记忆通常为10左右，随着64-QAM输入，产生每个传输符号的2⁶⁰复杂度。这就是OFDM通常优于LTE中单个载波的原因之一。另一个示例是GSM链路，其中信道的记忆大约为7-10。在GSM中，与LTE情况相反，此记忆确实由基于减少网格的接收器来处理。

致力于构建针对大记忆的低复杂度高性能接收器方案研究的数量非常多。一组这样的接收器就是信道缩短(CS)接收器。CS接收器背后的基本原理如下：

1、使用预滤波器W过滤接收信号y，其中r＝Wy。

2、W的目的是将信道H的记忆“压缩”到一个较小的值。

3、假设存在一个比K小的记忆，表示为L，则有效信道是T＝WH。现在我们得到r＝Wy＝Tx+(Wn)，其中Wn是过滤噪音。

4、将BCJR算法应用到信号r中，其中记忆由L来定义。

5、步骤1-4的结果是近似最优检测，但是具有复杂度O(|Ω|^L)而 不是O(|Ω|^K)。

6、我们如何实际获得的“接近最优检测”是通过选择特定的W与T来确定的。

提醒的是，我们这里有一个纯矩阵值的符号。在ISI信道的情况下，信道矩阵H成为表示卷积的Toeplitz矩阵。滤波器W同样是众所周知的卷积矩阵。

福尔克纳(Falconer)和马吉(Magee)在1973年就发明了CS接收器的计划，他们给出了明确选择，两个CS参数W和T。图1提供了CS构思的方框图，示出了在CS中进行操作的顺序：(i)基于信道矩阵H、噪声密度N₀和BCJR的记忆L，计算预滤波器W和有效信道T；(ii)然后，预滤波器W过滤接收信号y，产生向量r；(iii)最后，在向量r上运用BCJR，其中矩阵T指定BCJR的运算。应注意，如果我们设定L＝0，则标准逼零均衡器和MMSE均衡器都在CS框架内。

发明内容

本发明的一个目的是提供一种消除或解决现有技术解决方案中的缺点和问题的解决方案。

本发明的另一目的是提供一种与现有技术方法相比能提供改进解码性能的方法。

根据本发明的第一方面，上述目的和其他目的通过一种用于检测携带在接收通信信号中的符号的方法来实现，所述方法包括步骤：

接收在无线信道H上传输的至少一个通信信号y，其中所述接收信号y包括已编码的无线信道符号输入x，以及

接收所述信道输入x的先验对数似然比(LLR)；以及所述方法还包括步骤：

a)根据所述信道输入x的LLR计算所述信道输入x的软符号估计μ和方差D；

b)通过使用第一滤波器和过滤后的软符号估计μ，过滤和干扰消除该接收信号y，以获得过滤和干扰消除后的接收信号；

c)估计所述过滤和干扰消除后的接收信号的均方误差(MSE)矩阵B；

d)根据所述MSE估计B，计算用于BCJR算法的最优矩阵G_opt，其中所述最优矩阵G_opt指定该BCJR算法；

e)还使用第二滤波器过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r，从所述最优矩阵G_opt中获取第二滤波器；以及

f)将所述输入信号r传入BCJR算法中，以获得所述信道输入x的外在的LLR。

根据所述方法的实施例，步骤a)中的所述信道输入x的LLR是从解码器中获得的，所述方法还包括以下步骤：

g)将所述外在的LLR传入该解码器中，以获得所述信道输入x的已更新的LLR；以及

h)使用步骤a)中所述已更新的LLR，重复步骤a)-g)i次以计算软符号估计μ和方差D。该解码器可为ECC解码器等。

根据所述方法的另一实施例，第一滤波器是用于所述具有平均值μ和方差D的无线信道输入x的改进维纳(Wiener)滤波器。

根据所述方法的又一实施例，所述过滤和干扰消除后的接收信号的第k个元素具有公式r_k＝E(x_k|y，μ_l)，其中E()是期望算子，I_k是以预定的 方式依赖于k的索引集，向量包括r_k，该向量表示为E(x|y，μ)。根据所述方法的此实施例，所述索引集I_k为I_k＝{k-L，k-L+1，...k+L-1，k+L}∩{1，2，...，N}，其中N是所述信道输入x中的元素总数，L是BCJR算法的记忆。进一步根据所述方法的此实施例，所述最优矩阵G_opt完全取决于所述MSE估计B和记忆L。进一步根据所述方法的此实施例，记忆L能够任意选择。再进一步根据所述方法的此实施例，所述MSE估计B具有公式B(μ)＝E[(x-E(x|y，μ))(x-E(x|y，μ))^*]，其中上标“*，”表示埃尔米特(Hermitian)转置运算符。

根据所述方法的又一实施例，第二滤波器具有公式(G_opt+I)，其中I是单位矩阵。根据此实施例，所述用于所述BCJR算法中的输入信号r，通过如下方式获取：r＝(G_opt+I)E(x|y，μ)。

根据所述方法的又一实施例，所述无线信道H是线性无线信道。

根据所述方法的又一实施例，在蜂窝无线通信系统(如3GPP通信系统)中发送通信信号。

本发明还涉及一种计算机程序，所述计算机程序具有代码程序，所述代码程序由处理构件运行使所述处理构件执行本发明的方法。进一步，本发明涉及一种计算机程序产品，其包括计算机可读介质和计算机程序，其中计算机程序包括在计算机可读介质，并且由包括以下项的组中的一项或多项组成：ROM(只读存储器)、PROM(可编程ROM)、EPROM(可擦除ROM)、闪存、EEPROM(电EPROM)、硬盘驱动器或其他合适的计算机可读介质。

根据本发明的第二方面，上述目的和其他目的通过一种用于检测携带 在接收通信信号中的符号的检测设备来实现，包括处理器的接收器用于：

接收在无线信道H上传输的至少一个通信信号y，其中所述接收信号y包括已编码的无线信道符号输入x，以及

接收所述信道输入x的先验对数似然比(LLR)；以及该处理器还用于：

a)根据所述信道输入x的LLR计算所述信道输入x的软符号估计μ和方差D；

b)通过使用第一滤波器和过滤后的软符号估计μ，过滤和干扰消除该接收信号y，以获得过滤和干扰消除后的接收信号；

c)估计所述过滤和干扰消除后的接收信号的均方误差(MSE)矩阵B；

d)根据所述MSE估计B，计算用于BCJR算法的最优矩阵G_opt，其中所述最优矩阵G_opt指定该BCJR算法；

e)还通过使用第二滤波器，过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r，从所述最优矩阵G_opt中获取第二滤波器；以及

f)将所述输入信号r传入到BCJR算法中，以获得所述信道输入x的外在的LLR。

根据所述检测设备的实施例，从解码器中获取步骤a)中的所述信道输入x的LLR，所述处理器包括用于：

g)将所述外在的LLR传入该ECC解码器中，以获得所述信道输入x的已更新的LLR；以及

h)通过使用步骤a)中所述已更新的LLR，重复步骤a)-g)i次以计算软符号估计μ和方差D。

本发明提供一种获取信道输入x的外在的LLR的方法和设备。所述的外在的LLR可用于许多不同的应用中，例如，在无线信道上传输的已 编码数据的迭代检测、LTE下行链路的E-ICIC、使用DVB-S标准的卫星通讯，仅列举几个。

根据本发明的优选实施例，本解决方案用于具有外部ECC解码器的迭代检测算法。通过使用外在的LLR和迭代，性能得到提高。

本发明的其他应用和优点从以下具体说明中显而易见。

附图说明

附图旨在阐明和解释本发明的各个实施例，其中：

图1示出了CS接收器的系统模型；

图2示出了基于恩格鲍克(Ungerboeck)的CS的系统模型；

图3示出了本发明一项实施例的系统模型；

图4所示为根据本发明的检测器设备的性能结果；

图5所示为根据本发明的检测器设备的实施例；

图6所示为根据本发明的检测器设备的替代性实施例；

图7示出了通信系统概图。

具体实施方式

在本发明中，粗体大写字母表示矩阵，粗体小写字母表示向量。

如上所述，CS的历史上溯到四十多年前。然而，福尔克纳(Falconer)和马吉(Magee)的最初想法并不都和容量的概念相关。相反，其根据MMSE成本函数来优化W和T。这个想法只和容量有一个模糊的联系，并不清楚福尔克纳(Falconer)和马吉(Magee)的接收器能实际实现的速率。

从论据4中我们得知通过使用最优全复杂度接收器可以获得信道容量 C。因为我们正在使用具有较少复杂度的简化接收器，计算容量C不会浪费更多时间。在福尔克纳(Falconer)和马吉(Magee)推动的所有后续CS工作中，没有注意到使用CS相对于全复杂度接收器的真正缺陷是什么。没有研究跟容量相关的成本函数并试图优化此函数的文章。

然而，在2012年有了突破，F.Rusek和A.Prlja在2012年2月在IEEE Transactionson Wireless Communications上发表了文章“Optimal channel shortening for MIMOand ISI channels”。

在这篇文章中，CS的概念从容量角度进行了优化并建立了允许任何CS检测器的最高可能速率的CS参数。文章中有很多重要的结果，我们接下来会回顾部分结果，因为它们稍后会是重要的构成要素。

论据5：如果适当优化CS接收器的参数，则可允许单位信道使用的速率，等同于因此，可以实施达到减少的记忆长度L的互信息的链式法。

论据5揭露了CS紧密连接最优检测器的直观结果，但是除了减少的记忆长度L，不能进一步利用符号之间的依存关系。本文章的另一非常重要的结果是不能从上述步骤1-6所概述的正常CS系统模型中获得最优方案。CS文献中以及文章“Optimal channelshortening for MIMO and ISI channels”中的系统模型，即所谓的福尼(Forney)观测模型，但是文章“Optimal channel shortening for MIMO and ISI channels”中显示，为了支持恩格鲍克(Ungerboeck)观测模型，该模型必须修改。目前的发明基于恩格鲍克(Ungerboeck)模型，因此我们必须介绍恩格鲍克(Ungerboeck)模型。

上述CS接收器的步骤1-6表明接收器根据非匹配的概率分布函数(pdf)操作，

$q\left(y\right|x)\∝\exp (-\frac{{||Wy-Tx||}^2}{N_0}),$

其中∝表示已经省略了所有跟x不相关的术语。作为参考，最优全复杂度接收器根据以下公式运行，

$p\left(y\right|x)\∝\exp (-\frac{{||y-Hx||}^2}{N_0}).$

非匹配pdf q(y|x)直接指定BCJR运算。现在，通过改写p(y|x)来获得恩格鲍克(Ungerboeck)模型，

$p\left(y\right|x)\∝\exp (-\frac{{||y-Hx||}^2}{N_0})\∝\exp (-\frac{2\mathrm{Re}\left\{x^{*}{H}^{*}y\right\}-x^{*}{H}^{*}Hx}{N_0}).---\left(1\right)$

公式(1)就是通常我们所述的“恩格鲍克(Ungerboeck)模型”。从恩格鲍克(Ungerboeck)模型的角度看来，CS概念现将公式(1)的最后一个表达式修改成，

q(y|x)∝exp(-2Re{x^*H_opt ^*y}+x^*G_optx).(2)

现在，我们从两个CS参数W和T移至恩格鲍克(Ungerboeck)模型中的两个不同的CS参数H_opt和G_opt。我们之前具有的矩阵T的记忆L的限制存在于恩格鲍克(Ungerboeck)模型中，

定义2：对于具有埃尔米特(Hermitian)矩阵G_opt的恩格鲍克模型，记忆L定义为拥有非零元素的主对角线以上(或等价地，以下)的对角线的数量。

一个重要的结果如下，

论据6：对于具有记忆L的恩格鲍克模型来说，存在一种完全等于BCJR的算法(Colavolpe，G.和Barbieri.，“On MAP symbol detection for ISI channels using theungerboeck observation model”，Communication Letters，IEEE(第九卷第八期)第720至722页，2005年8月)，其产生同样的输出并具有相同的检测复杂度，即O(|Ω|^L)。

因此，恩格鲍克(Ungerboeck)模型就复杂度来讲等同于福尼(Forney)模型，但是对于CS来说，两者存在关键区别，即，

论据7：对于CS来说，恩格鲍克模型在选择CS参数方面提供了更多的自由度，因为矩阵G_r无需为正定。令人惊讶的是，结果通常是最优矩阵无需为正定。当发生这种情况时，恩格鲍克(Ungerboeck)CS提供了一种福尼(Forney)不能达到的性能，意味着基于福尼(Forney)的CS达不到论据5中的速率。

当使用基于恩格鲍克(Ungerboeck)的CS接收器时，图1中的系统模型改变成图2中的系统模型。通过比较图1和图2，可见类似的运算在基于恩格鲍克的CS和基于福尼(Forney)的CS中进行。区别在于基于恩格鲍克(Ungerboeck)的CS中的BCJR算法需要不同类型的矩阵，即G_opt和H_opt，而不是T和W。

根据论据7，我们应该坚持使用恩格鲍克(Ungerboeck)模型，因为我们知道它更普遍并包含不存在于福尼(Forney)模型中的接收器参数。归因于论据6，我们知道存在用于恩格鲍克(Ungerboeck)模型的BCJR，这意味着所有结果都具有运算含义。

在前述部分(尽管没有给出公式)中展示了“Optimal channel shortening forMIMO And ISI channels”，其中基于恩格鲍克(Ungerboeck)的CS接收器代表CS技术的现有技术。当采用CS接收器时，基于恩格鲍克(Ungerboeck)的CS接收器最大化可以使用的传输速率。

然而，发明人已经识别出，在现代无线通信系统中，接收器在信道H的检测和外部纠错码(ECC)解码器之间迭代。因此，在信道检测的所有迭代中，除了在第一步骤中，存在数据符号x的现有信息。因此，发明人得出结论：当设计CS检测器时，应该以某种方式考虑现有信息，参数Hopt和G_opt应该反映该现有信息。通过输入符号x的先验LLR描述现有信息的特征。

因此，所有现有技术都忽略了一个事实：CS参数应该通过迭代改变，也应该依赖于外部ECC解码器提供的信道输入x的LLR的质量。然而，之前没有尝试设计通过干扰消除将现有信息考虑在内的容量优化的CS检测器。这是一个充满挑战性的问题，因为在发表文章“Optimal channel shortening for MIMO and ISI channels”之前，不存在可以利用的CS容量的封闭形式表达式。但是，上述文章中，容量表达式成为可能，决定了目前技术演进所处的阶段。然而，该文章没有研究利用信道输入x的先验LLR的CS检测器。如果先验LLR设定为空值，则目前的发明与文章“Optimal channel shortening for MIMO and ISIchannels”中所示的方法相符合。本文结合本发明进行了延伸，即，先验LLR不设置为空值，并非表示其微不足道，并且由于没有给出如何处理的提示，从而不能从本文中推断得出。

因此，本发明涉及在无线通信系统中传输的通信信号的通信符号的检测方法。至少一个通信信号y是经由无线信道在无线信道H上传输，所接 收信号y包括已编码的无线信道符号输入x。进一步，同样接收信道输入x的先验对数似然比(LLR)。

本发明的基本方法还包括以下步骤：

a)根据信道输入x的LLR，计算信道输入x的软符号估计μ和方差D，其中信道输入x可能被ECC编码等；

b)通过使用第一滤波器和过滤后的软符号估计μ，过滤和干扰消除接收信号y，以获得过滤和干扰消除后的接收信号；

c)估计所述过滤和干扰消除后的接收信号的MSE矩阵B；

d)根据MSE估计B，计算用于BCJR算法的最优矩阵G_opt，其中最优矩阵G_opt指定BCJR算法，根据文章“Optimal channel shortening for MIMO and ISI channels”中的定理2计算最优矩阵G_opt；

e)还通过使用第二滤波器，过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r，第二滤波器等于(G_opt+I)；

f)将所述输入信号r传入BCJR算法，以获得所述信道输入x的外在的LLR。

所述方法的输出，即，信道输入x的外在的LLR，能够用于多个不同的应用中。在最基本的层面上，无关该创新有关的上下文。该方法可适用于任何场景，其中通过具有记忆的噪声线性向量信道观察符号x并展示x的现有信息的一些形式。如果满足这些假设，该方法会产生外在的LLR。因此，本方法和设备可以在需要此种方法的任何系统中用作构件块。该方法因此可以发现从无线通信领域到生物领域的广泛的应用领域。

此外，根据本发明的实施例，上述步骤a)中的信道输入x的LLR从解码器(如ECC解码器)中获取。所述方法包括以下步骤：

g)将所述外在的LLR传入该解码器中，以获得信道输入x的已更新 的LLR；以及

h)使用步骤a)中所述已更新的LLR重复步骤a)-g)i次以计算软符号估计μ和方差D。

这样，提供了一个迭代CS BCJR解码器，其使用解码器中的信息来提高每个迭代步骤中的信号估计。因此，本发明的结论是在此特定的迭代中具有可以达到该速率的计算复杂度O(|Ω|^L)的CS解码器，

$C_{CS,It}=\underset{n=1}{\overset{N}{\Σ}}I(x_n;y|x_{n-1},K,x_{n-L},{\mathrm{\μ}}_m),m\∈\{1,2,K,N\}/\{n-L,n-L+1,K,n\},$

因此，基于互信息的CS接收器已经延伸到迭代接收器，该迭代接收器在每个迭代步骤中修改它的操作。

这是一个非常好和直观的结果。CS检测器完全可以达到希望达到的程度，即，在记忆长度中，其可以以实际传输的数据符号为条件，但是在外面，其以从解码器中估计的符号为条件。应注意，当迭代继续时，μ的质量变得越来越好。最后，如果过程收敛，μ将成为x。现在可以与论据5的结果进行比较。这两个速率具有相同的形式，但是论据5中的速率缺少名词μ。因此，上述优化迭代的CS检测器的速率高于非迭代检测器的速率。

为了理解本发明背后的基本原理，我们必须简单地完成在基于恩格鲍克(Ungerboeck)的最优CS检测器中采取的步骤，用于文章“Optimal channel shorteningfor MIMO and ISI channels”中描述的非迭代接收器。最优预滤波器H_opt在非迭代情况中，显示为，

H_opt＝(G_opt+I)H^*(HH^*+N₀I)^-1＝(G_opt+I)Υ，Υ＝H^*(HH^*+N₀I)^-1

这只不过是用于数据符号x的维纳(Wiener)滤波器Υ，所述数据符号x具有x零均值和单位方差，通过术语补偿。如果滤波器Υ应用于y， 则MSE-矩阵可以表示为，

B＝E{(Υy-x)(Υy-x)^*}＝I-H^*(HH^*+N₀I)^-1H.

根据文章“Optimal channel shortening for MIMO and ISI channels”中的定理2，由此可见，最优矩阵G_opt完全依赖于MSE矩阵B。换句话说，从应用于y的维纳(Wiener)滤波器的MSE-矩阵中发现G_opt(在封闭形式中，参见“Optimal channel shortening for MIMOand ISI channels”的定理2)。我们将这种依赖关系表示为G_opt＝Ψ(B)，其中“Optimalchannel shortening for MIMO and ISI channels”的定理2定义了函数Ψ(·)。则矩阵H_opt是简单的H_opt＝(G_opt+I)Υ.

现在我们准备转至迭代情况和本发明的细节问题，我们将遵循上面概述的同样的方法论，即：找到维纳(Wiener)滤波器、找到MSE矩阵、找到最优矩阵G_opt、补偿具有(G_opt+I)的维纳(Wiener)滤波器以及运用BCJR算法。区别仅在于我们将考虑外部ECC解码器中的现有信息。应注意的是，本发明不限于特定的ECC或ECC解码器。

以下描述了根据本发明实施例的迭代方法的示例性实施例：

1.ECC解码器在每个位上产生LLR，由于假设存在一个理想的交织器，这些LLT假设是独立的。假定符号x_k携带log₂(Ω)位 我们现在得到，

■

○其中是位的某个结果的概率，其来自外部ECC解码器，是由这些位形成的星座的符号。x_k的方差，由d_k表示，现在为，

○

○通过堆叠所有μ_k形成向量μ，矩阵D是一个对角矩阵，使用d_k作为它的第k个对角元素。

2.定义索引集I_k＝{k-L，k-L+1，K k+L-1，k+L}I{1，2，K，N}。对于给定的符号位置k，这是k周围的索引的集合，这些索引距离k至多有L个符号那么远(任何方向)。我们现在可以制定符号x_k的改进的维纳(Wiener)滤波器，其不利用ECC解码器中的任何关于I_k中的符号的现有信息。此种维纳(Wiener)滤波读取 其中H_k是H的第k列，是I_k中具有列索引的H的列数，D_k是矩阵D，其中I_k中位置上的元素都等于1。表面上，此种改进的维纳(Wiener)滤波器忽略ECC解码器的现有信息，解码器安放在离符号x_k±L个位置之处。我们可以将所有符号之上的改进的维纳(Wiener)滤波在向量公式中表示为，

其中

γ_k＝H_k ^*(HD_kH^*+N₀I)，

●我们指出过滤和干扰消除版本的y表示为期望值E(x|y，μ)。这是因为过滤版本实际上是y和μ提供的x的期望值(除了x的一些符号未使用μ中的值)。

3.过滤和干扰消除信号B(μ)＝E[(x-E(x|y，μ))(x-E(x|y，μ))^*]的MSE可以直接计算为，

●从这个表达式，我们可以清晰地从现有信息μ中看到对MSE的依赖性。通过设置μ＝0，我们可以看到上述步骤2-3中的公式分解成2.2.2节介绍部分描述的现有技术中的公式。因此，使用“μ＞0”是一个重要的方面。

4.计算最优矩阵G_opt＝Ψ(B(μ)).通过文章“Optimal channel shortening forMIMO and ISI channels”中定理2来计算。

5.构建向量r＝(G_opt+I)E(x|y，μ).

6.将步骤5中的向量r和步骤4中的向量G_opt传入恩格鲍克(Ungerboeck)BCJR；应注意的是，噪声密度已经由最优矩阵G_opt吸收，因此BCJR应用于等于1的噪声密度。

图3示出了本发明一项实施例的系统模型。该图示出了合成本检测方法所需要的运算的顺序：(i)根据先验LLR，计算参数μ和D。(ii)根据μ、D、信道矩阵H、噪音密度N₀以及BCJR记忆长度L，计算参数Γ、G_opt以及F。(iii)随后根据μ、Γ、G_opt以及F过滤和干扰消除该接收信号y，产生E(x|y，μ)。(iv)最后将BCJR运用到信号E(x|y，μ)中，其中通过G_opt完全决定BCJR的运算。

本发明和现有技术的模拟结果如图4所示，用于具有QPSK输入的6x6MIMO系统。外部ECC是一个不规则(2050，4100)的LDPC代码，由此可见，4100代码符号在342个信道矩阵H上传输。假设每个代码块内的所有信道矩阵都是独立的并包括独立的复杂高斯(Gaussian)随机变量。我们假设记忆1信道缩短接收器，因此我们设定L＝1。这意味着BCJR中存在4个状态，应该与4096的复杂度进行比较用于全复杂度BCJR。在图 4中，根据本发明，左侧曲线是提出的接收器的性能结果，而右侧曲线是CS现有技术的接收器。根据本发明的方法，可以从曲线中看出明显的改善。

此外，所属领域的技术人员理解到，根据本发明的任何方法也可以在计算机程序中实施，所述计算机程序具有代码程序，当处理构件运行这种代码方法时，致使处理构件执行所述方法的步骤。计算机程序包含于计算机程序产品的计算机可读媒介中。计算机可读媒质本质上上可由任何存储器组成，例如ROM(只读存储器)、PROM(可编程只读存储器)、EPROM(可擦除PROM)、闪存存储器、EEPROM(电可擦PROM)或硬盘驱动器。

此外，本方法可以在合适的检测设备中实施和执行，所属领域的技术人员会认识到，本检测设备可包括必要的以功能、构件、单元以及元件等形式的通信能力，用于执行本发明的方法，意味着该设备可以根据本发明的任何方法加以必要的变更。其他此类构件、单元、元件和功能的示例有：处理器、编码器、解码器、映射单元、乘法器、交织器、解交织器、调制器、解调器、输入、输出、天线、放大器、DSP，等等，将它们适当的排列在一起以正确操作。

特别地，本检测设备中的处理器可包括，例如，中央处理单元(CPU)、处理单元、处理电路、处理器、专用集成电路(ASIC)、微处理器或可解译并执行指令的其他处理逻辑中的一个或多个实例。该术语“处理器”可表示包括多个处理电路的处理电路，所述多个处理电路实例为以上列举项中的任何、一些或所有项。所述处理电路可进一步执行数据处理功能，输入、输出以及处理数据，所述功能包括数据缓冲和装置控制功能，例如，呼叫处理控制、用户界面控制等。

本检测设备包括用于执行相应的方法步骤的处理器。图5所示为根据本发明的检测器设备的示例。如图5所示，所述处理器根据本发明执行不同的步骤。所述检测器设备可以为如一个接收器设备或用于无线通信系统中通信的接收器设备的一部分。然而，检测设备也可以耦合至接收器设备的独立检测设备、通信处理设备或任何其他合适的接收通信信号的通信设备。

或者，根据本发明的另一实施例，本接收器设备包括接收器单元、计算单元、过滤和干扰消除单元、估计单元、过滤单元以及传入单元，都用于执行对应的方法步骤。图6所示为根据本发明的替代性实施例的接收器设备的示例。如图6所示，每个功能单元执行本发明中各自相关的步骤并且相应地相互耦接。

所述方法和对应的检测器设备可以用于任何合适的无线通信系统中。此种系统的示例为LTE和LTE-A等蜂窝式系统，在这些系统中，在基站和用户节点(UE)之间的上行链路和下行链路进行通信。图7示出了具有通信信号的上行链路和下行链路传输的蜂窝式系统的系统概图。

最后，应了解，本发明并不局限于上述实施例，而是同时涉及且并入所附独立权利要求书的范围内的所有实施例。

Claims (11)

1.通信信号中携带的符号的检测方法，其特征在于，所述方法包括：

接收在无线信道H上传输的至少一个通信信号y，其中所述接收信号y包括已编码的无线信道符号输入x，以及

接收所述信道输入x的先验对数似然比LLR；以及所述方法的特征在于，还包括：

a)根据所述信道输入x的LLR，计算所述信道输入x的软符号估计μ和方差D；

b)通过使用第一滤波器和过滤后的软符号估计μ，过滤和干扰消除所述接收信号y，以获得过滤和干扰消除后的接收信号；

c)估计所述过滤和干扰消除后的接收信号的均方误差MSE矩阵B；

d)根据所述MSE估计B，计算用于BCJR算法的最优矩阵G_opt，其中所述最优矩阵G_opt指定该BCJR算法；

e)还通过使用第二滤波器，过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r，从所述最优矩阵G_opt获取第二滤波器；以及

f)将所述输入信号r传入BCJR算法中，以获得所述信道输入x的外在的LLR；

步骤a)中的所述信道输入x的LLR从解码器中获取，所述方法还包括：

g)将所述外在的LLR传入所述解码器中，以获得所述信道输入x的已更新的LLR；以及

h)通过使用步骤a)中所述已更新的LLR，重复步骤a)-g)i次以计算软符号估计μ和方差D；

所述过滤和干扰消除后的接收信号的第k个元素具有公式

r_k＝E(x_k|y,μ_l),其中E是期望算子，I_k是以预定的方式依赖于k的索引集，向量包括r_k,该向量表示为E(x|y,μ)。

2.根据权利要求1所述的方法，其特征在于，所述第一滤波器是用于所述具有均值μ和方差D的无线信道输入x的改进维纳Wiener滤波器。

3.根据权利要求2所述的方法，其特征在于，所述索引集I_k为I_k＝{k-L,k-L+1,…k+L-1,k+L}∩{1,2,…,N}，其中N是所述信道输入x中的元素总数，L是BCJR算法的记忆。

4.根据权利要求3所述的方法，其特征在于，所述最优矩阵G_opt完全依赖于所述MSE估计B和记忆L。

5.根据权利要求3或4所述的方法，其特征在于，所述记忆L能够任意选择。

6.根据权利要求1所述的方法，其特征在于，所述MSE估计B具有公式B(μ)＝E[(x-E(x|y,μ))(x-E(x|y,μ))^*]，其中“*”是埃尔米特Hermitian转置运算符。

7.根据权利要求1-3任一项权利要求所述的方法，其特征在于，所述第二滤波器具有公式(G_opt+I)，其中I是单位矩阵。

8.根据权利要求1所述的方法，其特征在于，用于所述BCJR算法中的所述输入信号r，通过如下方式获取：r＝(G_opt+I)E(x|y,μ)。

9.根据权利要求1-3任一项权利要求所述的方法，所述无线信道H是线性无线信道。

10.根据权利要求1-3任一项权利要求所述的方法，其特征在于，在蜂窝无线通信系统中发送所述通信信号。

11.用于检测携带在接收通信信号中的符号的检测设备，其特征在于，所述接收器包括处理器，用于：

接收在无线信道H上传输的至少一个通信信号y，其中所述接收信号y包括已编码的无线信道符号输入x，以及

接收所述信道输入x的先验对数似然比LLR；以及所述接收器设备的特征在于，所述处理器还包括：

a)根据所述信道输入x的LLR，计算所述信道输入x的软符号估计μ和方差D；

b)通过使用第一滤波器和过滤后的软符号估计μ，过滤和干扰消除所述接收信号y，以获得过滤和干扰消除后的接收信号；

c)估计所述过滤和干扰消除后的接收信号的均方误差MSE矩阵B；

d)根据所述MSE估计G_opt计算用于BCJR算法的最优矩阵B，其中所述最优矩阵G_opt指定所述BCJR算法；

e)还通过使用第二滤波器，过滤所述过滤和干扰消除后的接收信号，以获得用于BCJR算法中的输入信号r，从所述最优矩阵G_opt中获取第二滤波器；以及

f)将所述输入信号r传入BCJR算法中，以获得所述信道输入x的外在的LLR；

步骤a)中的所述信道输入x的LLR是从解码器中获得的，所述处理器还用于：

g)将所述外在的LLR传入所述解码器，以获得所述信道输入x的已更新的LLR；以及

h)通过使用步骤a)中所述已更新的LLR，重复步骤a)-g)i次以计算软符号估计μ和方差D；

所述过滤和干扰消除后的接收信号的第k个元素具有公式r_k＝E(x_k|y,μ_l),其中E是期望算子，I_k是以预定的方式依赖于k的索引集，向量包括r_k,该向量表示为E(x|y,μ)。