CN104040983A - 用于解调dcm信号的方法及其装置 - Google Patents

Abstract

公开了一种用于解调双载波调制(DCM)信号的方法。该方法包括：校正接收到的DCM信号的相位旋转；将经相位校正的DCM信号的实分量和虚分量去耦合；以及对所述实分量和所述虚分量分开地执行对数似然比(LLR)计算。

Description

用于解调DCM信号的方法及其装置

技术领域

本公开文件一般涉及高速无线通信系统中的接收器技术，更具体地涉及用于基于多频带正交频分复用(MB-OFDM)的超宽带(UWB)系统中的双载波调制的最佳解调的方法和装置。

背景技术

对更强大、更方便的数据和信息通信的需求的增加已引起诸多进步，特别是在无线通信技术中。在新兴的通信技术(特别是那些需要高数据传送速率的技术)之中，各种超宽带(UWB)技术正获得支持和接受。UWB技术被用于各种设备之间的视频、音频或其他高带宽数据的无线传输。

WiMedia多频带正交频分复用(MB-OFDM)技术是使用超宽带(UWB)无线技术的下一代网络的一种实现方式。该基于MB-OFDM调制的超宽带(UWB)系统以Mb/s为单位指定八个数据率，其中320、400、480数据率采用16QAM双载波调制(DCM)，以提供分集增益来通过在频域中变宽改善高速数据率的误差有效性。

图1A和图1B示出了用于双载波调制的一种映射规则。根据该映射规则，在发射器侧，每四个数据比特b₀，b₁，b₂和b₃被映射于两个复数，即d(j)，j＝0，1，分别如在图1A和图1B中的两个16QAM星座图(constellations)中所示。假定总共有100个副载波。由此，该映射规则可以用公式表示如下：

d(0)＝D[k，n]＝(2·b₀+b₁)+i·(2·b₂+b₃)

d(1)＝D[k+50，n]＝(b₀-2b₁)+i·(b₂-2b₃) (1)

k＝0，…，49

其中，n是码元数且k是OFDM副载波索引，代码位已被映射为0→b＝-1，1→b＝1。

参考图1，该四个比特之中的b0和b1被映射至这两个副载波的同相分量，且b2和b3被映射至这两个副载波的正交相分量。

在接收器侧，考虑信道干扰和噪声，接收到的码元可以被表达如下：

r_cm(j)＝h_cm(j)·d(j)+N_cm(j)，j＝0，1 (2)

其中，

$h_{\mathrm{cm}}\left(j\right)=\left|h_{\mathrm{cm}}\left(j\right)\right|\·\exp \left(\mathrm{i\θ}\right)=\left|h_{\mathrm{cm}}\left(j\right)\right|\·\frac{h_{\mathrm{cm}}\left(j\right)}{\left|h_{\mathrm{cm}}\left(j\right)\right|},$ j＝0，1 (3)

$d\left(j\right)=\frac{r_{\mathrm{cm}}\left(j\right)-N_{\mathrm{cm}}\left(j\right)}{h_{\mathrm{cm}}\left(j\right)},$ j＝0，1 (4)

h_cm(j)是等效基带信道系数，N_cm是具有方差σ²的i.i.d高斯噪声。

为了解调接收到的码元，提出了若于传统方案。

公知方案之一是基于以下观察，即d₀和d₁的实部是b₀、b₁的非奇异线性变换(参见等式1)，以便可以通过解2×2(2by2)线性方程来计算b₀和b₁的估计。同样的方法可应用于b₂和b₃，以及d₀和d₁的虚部。b₀、b₁、b₂和b₃的估计可以被直接发送到维特比解码器。但是，为了计算b₀、b₁、b₂和b₃，d₀和d₁必须经由信道均衡通过将r_cm除以信道因子h_cm导出。例如，在等式(2)中，假定N_cm(j)较小，则d₀和d₁可以表达如下：

$d\left(j\right)=\frac{r_{\mathrm{cm}}\left(j\right)}{h_{\mathrm{cm}}\left(j\right)},$ j＝0，1 (5)

考虑等式(4)和(5)两者，可以导出以下等式：

$d\left(j\right)=d\left(j\right)-\frac{N_{\mathrm{cm}}\left(j\right)}{h_{\mathrm{cm}}\left(j\right)},$ j＝0，1 (6)

从以上可以看出，在较小的h_cm(j)的情况下，诸如在衰减的室内信道中，该方法常放大噪声，并导致性能劣化。

专利申请号US7,512,185B2还提出了一种用于DCM解调的方法。该方法包括首先解一线性方程组(linear equation system)，随后计算b₀、b₁、b₂和b₃的对数似然比(LLR)。

然而，这种方法也要求信道均衡，其可能放大噪声并导致性能劣化。另一缺陷在于该方法涉及LLR实现中的难处理的计算复杂性。

发明内容

这里详细描述的是一种新颖的DCM解调方案，此外其将接收到的DCM码元的实部和虚部去耦合，消除了对信道均衡的需要，并使用LLR(代替解线性方程)作为软度量计算的唯一方法，其显著降低了LLR计算复杂性，同时仍确保较佳的性能。此外，本发明是VLSI实现友善的，并且其损耗足以忽略。

在本发明的一个方面中，根据本发明的一个实施例，提供了一种用于解调双载波调制(DCM)信号的方法。该方法包括：校正接收到的DCM信号的相位旋转；将经相位校正的DCM信号的实分量和虚分量去耦合；以及对这些实分量和这些虚分量分开执行对数似然比(LLR)计算。

在本发明的另一方面中，根据本发明的一个实施例，提供了一种用于解调双载波调制(DCM)信号的装置。该装置包括：校正模块，用于校正接收到的DCM信号的相位旋转；去耦合模块，用于将经相位校正的DCM信号的实分量和虚分量去耦合；以及对数似然比(LLR)处理模块，用于对这些实分量和这些虚分量分开地执行LLR计算。这种用于解调DCM信号的装置可以集成于一接收器中或者可以被实现为一单独的设备。

需注意，该发明内容被提供用于以简化形式介绍概念的选择，其将在以下的具体实施方式中进一步加以描述。该发明内容并非旨在标识所请求保护的主题的关键特征或者必要特征，其也非旨在用于帮助确定所请求保护的主题的范围。

附图说明

在附图中，各附图中示出的每一相同或相近的组件由一相似标号来表示。出于清楚的目的，并非所有的组件在所有的附图中均被标号。在附图中：

图1A示出了用于DCM调制的星座图；

图1B示出了用于DCM调制的星座图；

图2示出了根据本发明的一个实施例的经优化的ASIC实现架构；

图3A示出了在CM1信道模型下的模拟；

图3B示出了在CM2信道模型下的模拟；以及

图4示出了根据本发明的一个实施例的用于DCM解调的方法的流程图。

具体实施方式

在结合附图的同时，通过参考本发明的诸实施例的以下描述，有关这些实施例的目的、技术方案和优势将变得更加易于领会。

图1示出了用于DCM调制的两个星座图，其中X轴表示实分量且Y轴表示虚分量。如前所述，双载波调制(DCM)可以由两个16QAM星座图来表达，参见图1A和图1B。但是，在接收器侧，由于衰减问题，这些星座图一般被相位旋转。如果该相位旋转可以首先由该接收器消除，即这些星座图可以在接收器处被转回到如图1A和图1B中所示的形状，则将大大降低解调过程中的后续计算复杂性。

鉴于此，本发明提供了一种用于最优DCM解调的方法。根据本发明，在执行LLR计算之前校正相位旋转。因而，不再需要信道均衡，且因此显著地降低LLR的计算复杂性。

在一个实施例中，通过将exp(-iθ)乘至等式(2)的两侧来校正该相位旋转。接着，通过分开地采用接收到的码元的实部和虚部，b₀、b₁与b₂和b₃去耦合。因此，可以获得以下等式：

r(0)＝(2·b0+b1)·h0+N(0)＝B(0)·h0+N(0)

r(1)＝(b0-2·b1)·h1+N(1)＝B(1)·h1+N(1) (7)

r(2)＝(2·b2+b3)·h0+N(2)＝B(2)·h2+N(2)

r(3)＝(b2-2·b3)·h1+N(3)＝B(3)·h3+N(3)

其中，

r(0)＝real(r_cm(0)exp(-iθ(0)))，r(2)＝imag(r_cm(0)exp(-iθ(0)))，

r(1)＝real(r_cm(1)exp(-iθ(1)))，r(3)＝imag(r_cm(1)exp(-iθ(1)))，

h0＝|h_cm(0)|，h1＝|h_cm(1)|

N(0)＝real(N_cm(0)·exp(-iθ(0))) (8)

N(1)＝real(N_cm(1)·exp(-iθ(1)))

N(2)＝imag(N_cm(0)·exp(-iθ(0)))

N(3)＝imag(N_cm(1)·exp(-iθ(1)))

可以看出，(b₀b₁)和(b₂b₃)已被去耦合。需注意，exp(-iθ)的乘法运算仅用在算法推导中，在算法实现中是不需要的。因为我们可以证明可以用原始的r_cm和h_cm来代替r和h，如下所示，所以信道均衡是不需要的。

以下是示出本发明的益处之一的示例。假定图1A是其相位旋转已根据本发明由接收器修正的星座图。随后，如果实分量是已知的(例如，-3)，b₀、b₁的值可以容易地被确定，其为0，0。结果，计算b₀、b₁、b₂和b₃的工作因此被减少至计算b₂和b₃，这大大降低了计算复杂性。换言之，将b₀和b₁的计算同b₂和b₃的计算去耦合。此外，可以看到，在该处理期间不涉及信道均衡。因此，可以解决由信道均衡引起的噪声放大的问题。

在去耦合处理之后，可以执行LLR计算。在一个实施例中，LLR计算可应用于等式(7)，用以计算b₀、b₁、b₂和b₃的软度量(等式(9))。由于b₀和b₁的计算同b₂和b₃的计算是分开的，因此同没有去耦合处理的方法相比，LLR计算复杂性降低75％。

$\mathrm{LLR}\left(b_0\right)=\ln \left(\frac{\mathrm{Pr}(b_0=1)}{\mathrm{Pr}(b_0=-1)}\right)$

$=\ln (\exp (\frac{{-(r\left(0\right)-3\·h\left(0\right))}^2}{A}+\frac{{-(r\left(1\right)+h\left(1\right))}^2}{A})+\exp (\frac{{-(r\left(0\right)-h\left(0\right))}^2}{A}+\frac{{-(r\left(1\right)-3\·h\left(1\right))}^2}{A}))$ (9)

$-\ln (\exp (\frac{{-(r\left(0\right)-3\·h\left(0\right))}^2}{A}+\frac{{-(r\left(1\right)-h\left(1\right))}^2}{A})+\exp (\frac{{-(r\left(0\right)-h\left(0\right))}^2}{A}+\frac{{-(r\left(1\right)+3\·h\left(1\right))}^2}{A}))$

$=\max (w_{\mathrm{re}}(1,1),w_{\mathrm{re}}(1,-1))-\max \left(w_{\mathrm{re}}(-1,1\right),w_{\mathrm{re}}(-1,-1))$

$+\ln (1+\exp (-|w_{\mathrm{re}}(1,1)-w_{\mathrm{re}}(1,-1)\left|\right))-\ln (1+\exp (-|w_{\mathrm{re}}(-1,1)-w_{\mathrm{re}}(-1,-1)\left|\right))$

类似地，

$\mathrm{LLR}\left(b_1\right)=\ln \left(\frac{\mathrm{Pr}(b_1=1)}{\mathrm{Pr}(b_1=-1)}\right)---\left(10\right)$

$=\max (w_{\mathrm{re}}(1,1),w_{\mathrm{re}}(-1,1))-\max \left(w_{\mathrm{re}}(1,-1\right),w_{\mathrm{re}}(-1,-1))$

$+\ln (1+\exp (-|w_{\mathrm{re}}(1,1)-w_{\mathrm{re}}(-1,1)\left|\right))-\ln (1+\exp (-|w_{\mathrm{re}}(1,-1)-w_{\mathrm{re}}(-1,-1)\left|\right))$

$\mathrm{LLR}\left(b_2\right)=\ln \left(\frac{\mathrm{Pr}(b_2=1)}{\mathrm{Pr}(b_2=-1)}\right)$

$=\max (w_{\mathrm{im}}(1,1),w_{\mathrm{im}}(1,-1))-\max \left(w_{\mathrm{re}}(-1,1\right),w_{\mathrm{re}}(-1,-1))$

$+\ln (1+\exp (-|w_{\mathrm{im}}(1,1)-w_{\mathrm{im}}(1,-1)\left|\right))-\ln (1+\exp (-|w_{\mathrm{im}}(-1,1)-w_{\mathrm{im}}(-1,-1)\left|\right))---\left(11\right)$

$\mathrm{LLR}\left(b_3\right)=\ln \left(\frac{\mathrm{Pr}(b_3=1)}{\mathrm{Pr}(b_3=-1)}\right)$

$=\max (w_{\mathrm{im}}(1,1),w_{\mathrm{im}}(-1,1))-\max \left(w_{\mathrm{im}}(1,-1\right),w_{\mathrm{im}}(-1,-1))$

$+\ln (1+\exp (-|w_{\mathrm{im}}(1,1)-w_{\mathrm{im}}(-1,1)\left|\right))-\ln (1+\exp (-|w_{\mathrm{im}}(1,-1)-w_{\mathrm{im}}(-1,-1)\left|\right))---\left(12\right)$

其中，

$w_{\mathrm{re}}(x,y)=\frac{2\·\mathrm{re}(r_{\mathrm{cm}}\left(0\right)\·(2\·x+y)\·h_{\mathrm{cm}}^{*}\left(0\right)-{(2\·x+y)}^2\·{\left|h_{\mathrm{cm}}\left(0\right)\right|}^2}{A}+\frac{2\·\mathrm{re}(r_{\mathrm{cm}}\left(1\right)\·(x-2y)\·h_{\mathrm{cm}}^{*}\left(1\right)-{(x-2y)}^2\·{\left|h_{\mathrm{cm}}\left(1\right)\right|}^2}{A}$

$w_{\mathrm{im}}(x,y)=\frac{2\·\mathrm{im}(r_{\mathrm{cm}}\left(0\right)\·(2\·x+y)\·h_{\mathrm{cm}}^{*}\left(0\right)-{(2\·x+y)}^2\·{\left|h_{\mathrm{cm}}\left(0\right)\right|}^2}{A}+\frac{2\·\mathrm{im}(r_{\mathrm{cm}}\left(1\right)\·(x-2y)\·h_{\mathrm{cm}}^{*}\left(1\right)-{(x-2y)}^2\·{\left|h_{\mathrm{cm}}\left(1\right)\right|}^2}{A}$

以上的LLR算法被称作低复杂性LLR(LC-LLR)。函数“ln”可以作为查找表来实现。在一个实施例中，A可以是2σ²。

由于该DCM被运用在相对较高的SNR情形中且在高(例如，snr＞6dB)SNR的情况下等式(9)、(10)、(11)和(12)中的对数项可以忽略，因此以上的LC-LLR可以通过称作最大对数(MAX-LOG)近似的处理被进一步简化(MAX-LOG-LC-LLR)，其被示作如下：

LLR(b₀)≈max(w_re(1，1)，w_re(1，-1))-max(w_re(-1，1)，w_re(-1，-1))

LLR(b₁)≈max(w_re(1，1)，w_re(-1，1))-max(w_re(1，-1)，w_re(-1，-1))

LLR(b₂)≈max(w_im(1，1)，w_im(1，-1))-max(w_im(-1，1)，w_im(-1，-1))

LLR(b₃)≈max(w_im(1，1)，w_im(-1，1))-max(w_im(1，-1)，w_im(-1，-1))

因为当SNR较高时，A→0，且|w_re(1，1)-w_re(1，-1)|和|w_re(-1，1)-w_re(-1，-1)|趋大，所以exp(-|w_re(1，1)-w_re(1，-1)|)和exp(-|w_re(-1，1)-w_re(-1，-1)|)全部趋于0。

因此，ln(1+exp(-|w_re(1，1)-w_re(1，-1)|))-ln(1+exp(-|w_re(-1，1)-w_re(-1，-1)|))≈0。

在一个实施例中，本发明可以用优化的ASIC架构来实现。该优化的ASIC实现架构在图2中示出，其中c₁～c₁₀是常数。如从该架构中可以看出，某些中间变量被重复使用并多次被调用。有利地，该优化的ASIC架构是VLSI实现友善的且损耗可以忽略不计。图2中的块Q是量化块。为了产生用于维特比解码器的具有合理比特宽度的软度量，LLR结果应被量测(scale)并截短至更小的比特宽度。

图3示出了在CM1和CM2信道模型下的模拟，其中X轴表示SNR且Y轴表示比特差错率(BER)。比较三种算法的BER：(a)EQL，解b₀、b₁、b₂和b₃的等式之前的均衡；(b)LC-LLR；(c)MAX-LOG-LC-LLR。可以看出，LC-LLR算法和MAX-LOG-LC-LLR算法两者都明显优于EQL算法多达3dB。MAX-LOG-LC-LLR算法少许劣于LC-LLR算法(小于0.2dB)，但由于其较低的实现复杂性，MAX-LOG-LC-LLR算法是更优选的。

图4示出了根据本发明的一个实施例的用于DCM解调的方法的流程图。该方法包括：校正接收到的DCM信号的相位旋转(401)；将经相位校正的DCM信号的实分量和虚分量去耦合(403)；以及分开地对实分量和虚分量执行对数似然比(LLR)计算(405)。

在一个实施例中，提供了一种用于解调DCM信号的装置。该装置可以包括：校正模块，用于校正接收到的DCM信号的相位旋转；去耦合模块，用于将经相位校正的DCM信号的实分量和虚分量去耦合；以及对数似然比(LLR)处理模块，用于对这些实分量和这些虚分量分开地执行LLR计算。该装置可以进一步包括量测装置，其被配置成量测用于由维特比解码器处理的LLR计算的结果。

有利地，本发明享有以下的有益效果：1)不涉及信道均衡；2)LLR取代解线性方程，是软度量计算的唯一方法；3)LLR方法将b₀b₁的计算同b2b3的计算去耦合，显著地降低了计算复杂性，其仅具有传统LLR的复杂性的1/4，而没有性能上的损失。

要注意的是，这里所述的实施例可以按需要被提供为例如软件、硬件、固件或嵌入式逻辑等。在一个实施例中，根据速度、消耗、工具成本等等领域中的应用的特殊要求，可以通过构建具有成千上万个微小集成晶体管的专用集成电路(ASIC)来实现本发明。这样的ASIC可以用CMOS(互补型金属氧化物半导体)、TTL(晶体管-晶体管逻辑)、VLSI(超大规模集成电路)或其他合适的构造来实现。其他替代方案包括数字信号处理芯片(DSP)、离散电路(诸如电阻器、电容器、二极管、电感器和晶体管)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、可编程逻辑设备(PLD)等等。

遍及说明书和以下权利要求书使用了表示特定系统组件的某些术语。如本领域的技术人员将理解的，不同公司可能用不同的名称来表示一组件。本文不期望在名称不同但功能相同的组件之间进行区分。在说明书和权利要求书中，术语“包括”和“包含”按开放式的方式使用，且因此应被解释为“包括，但不限于...”。

明显的是，本领域的技术人员可以做出各种修改和变型，而不违背本发明的精神和范围。因此，如果这些根据本发明的修改和变型落在本发明的诸权利要求或其对等物的范围之内，则本发明旨在覆盖这些修改和变型。

Claims (11)

1.一种用于解调双载波调制(DCM)信号的方法，所述方法包括：

校正接收到的DCM信号的相位旋转；

将经相位校正的DCM信号的实分量和虚分量去耦合；以及

对所述实分量和所述虚分量分开地执行对数似然比(LLR)计算。

2.如权利要求1所述的方法，其特征在于，所述校正接收到的DCM信号的相位旋转的步骤进一步包括：

将exp(-iθ)乘至所述接收到的DCM信号。

3.如权利要求1所述的方法，其特征在于，所述执行LLR计算的步骤进一步包括：

在高信噪比(SNR)的情况下，忽略LLR计算的结果中的对数项。

4.如权利要求1所述的方法，其特征在于，进一步包括：在LLR计算期间重复使用中间结果。

5.如权利要求1所述的方法，其特征在于，进一步包括：量测用于由解码器处理的LLR计算的结果。

6.如权利要求5所述的方法，其特征在于，所述解码器是维特比解码器。

7.一种用于解码双载波调制(DCM)信号的装置，所述装置包括：

校正模块，用于校正接收到的DCM信号的相位旋转；

去耦合模块，用于将经相位校正的DCM信号的实分量和虚分量去耦合；以及

对数似然比(LLR)处理模块，用于对所述实分量和所述虚分量分开地执行LLR计算。

8.如权利要求7所述的装置，其特征在于，所述校正模块被进一步配置成将exp(-iθ)乘至所述接收到的DCM信号。

9.如权利要求7所述的装置，其特征在于，所述LLR处理模块被配置成在高信噪比(SNR)的情况下忽略LLR计算的结果中的对数项。

10.如权利要求7所述的装置，其特征在于，进一步包括：量测装置，被配置成量测用于由解码器处理的LLR计算的结果。

11.如权利要求10所述的装置，其特征在于，所述解码器是维特比解码器。