CN104202271A - 直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法 - Google Patents

Abstract

本发明涉及一种直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法是一种适用于快速时变信道条件下的联合均衡和译码方法，该方法可以有效跟踪时变信道而无需插入额外的训练数据。相比传统的直接序列扩频通信信号处理方法，该方法可以灵活调整扩频比，可自适应跟踪信道变化而无需额外的训练数据开销。该方法为：在接收机中，以直接序列扩频符号为处理单元，在迭代均衡的检测器中采用“逐幸存路径信道估计方法”，按照“信道估计匹配指数”的大小自适应地更新信道估计；检测器采用软入软出的检测算法，后续的译码器采用软入软出的迭代译码算法，在检测器和译码器之间交互软信息，反复迭代逼近最优解。

Description

直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法

技术领域

本发明涉及一种应用于快速时变信道条件下的无线通信系统的联合均衡和译码的方法，属于移动通信中的均衡技术领域。

背景技术

为适应未来发展，移动通信系统必须能够支持高速率数据传输。随着速率的提高，信道的频率选择性衰落会显著影响通信系统的性能。通常的方法都是采用均衡技术或扩频技术来对抗信道的频率选择性衰落。迭代均衡技术将均衡和译码联合进行处理，采用类似Turbo迭代处理的方法可以很好地逼近联合均衡和译码的最优接收机，大大地提高接收机的性能，即能够在维持相同频率效率的情况下提高功率效率或在维持相同功率效率的情况下利用高阶调制提高频谱效率。直接序列扩频技术可以较好的利用信道多径信号能量，实现“隐式”时间分集，提高接收机稳定性。将以上两种技术相结合可以充分利用两种技术的特点，进一步提高扩频通信系统的性能。

但是，目前的现有的直接序列扩频技术和迭代均衡技术相结合的信号处理方法中其迭代均衡算法的检测算法如采用软入软出(SISO)的线性MMSE算法或MAP算法都需要假设是信道时不变且信道响应已知。为了满足上述假设条件，通常采用两种方法：一是通过在数据流中插入训练导频数据，不断更新信道估计，但这样会降低信道利用率；二是采用面向判决的信道估计方法，即利用数据判决结果进行信道估计，判决导向算法在直接序列扩频通信系统中存在判决不可靠从而导致错误传播现象，严重制约系统性能的提高。

发明内容

本发明要解决的技术问题是提供一种直接序列扩频通信系统中的基于逐幸存路径处理的迭代均衡方法，该方法能在最大似然估计的意义上实现最优的信道估计。

实现本发明目的的技术方案之一是提供一种基于逐幸存路径处理的迭代均衡方法，其特征在于：是一种适用于快速时变信道条件下的直接序列扩频通信系统的联合均衡和译码方法，可有效跟踪时变信道而无需插入额外的训练数据；在接收机中，以直接序列扩频符号为处理单元，在迭代均衡的检测器中采用“逐幸存路径信道估计”方法，按照“信道估计匹配指数”的大小自适应地更新信道估计；检测器采用软入软出的检测算法，后续的译码器采用软入软出的迭代译码算法，在检测器和译码器之间交互软信息，反复迭代逼近最优解。

实现本发明目的的技术方案之二是提供提供一种直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，包括如下几个步骤：

①发射系统进行信源数据信道编码；

信源数据进入发射系统的信道编码器，按照现代纠错编码规则进行编码，输出编码后的码字比特流；

②随机交织；

将由步骤①得到的码字比特流进行随机交织，打乱原始编码比特流的顺序；

③直接序列扩频；

将由步骤②得到的随机交织后的比特流进行直接序列扩频得到扩频符号，扩频序列采用伪随机序列；

④射频调制；

将由步骤③获得的扩频符号进行射频载波调制，获得可以实际发送的射频模拟信号；

⑤将由步骤④得到的射频模拟信号送至无线信道通过无线信道传输；

⑥接收系统从无线信道接收射频模拟信号并进行“逐幸存路径信道估计”；

“逐幸存路径信道估计”中对信道估计的具体方法没有限制，可采用任何基于训练数据的信道估计方法；

“逐幸存路径信道估计”按照“信道估计匹配指数”的大小自适应地更新信道估计；其具体步骤如下(设数据块长度为N个扩频符号)，接收信号采样率为码片速率的k倍(k>2)：

A、根据信道响应最大时延扩展τ_max、扩频符号时间长度T_symble和每个扩频符号传输比特数Q确定信道等价网格图中状态节点数信道网格图初始状态对应累积路径度量Γ_0,i(i'＝1,2,...,I)为：

根据训练数据获取初始信道估计一维向量H_0,esti，初始化各状态节点对应的信道估计：

H_0,i,esti＝H_0,esti(i'＝1,2,...,I),

待计算时刻n＝1(n＝1,2,…,N)；

B、初始化当前信道估计：H_n,esti,i'＝H_n-1,esti,i'(i'＝1,2,...,I)

根据H_n,esti,i'，按照Viterbi算法计算网格图中当前时刻各状态节点的累积路径度量Γ_n,i'(i'＝1,2,...,I)，得到并保存当前时刻各状态节点的幸存路径留存路径向量X_n,i'和该幸存路径所对应的转移度量γ_i'(i'＝1,2,...,I)；

若当前计算时刻n＝N，计算结束；

若当前计算时刻n<N，设γ_j'＝min{γ_i'}计算“信道估计匹配指数”δ_n：

${\mathrm{\&delta;}}_n=\frac{{\mathrm{\&gamma;}}_{j^{\&prime;}}}{\mathrm{mean}\left\{{\mathrm{\&gamma;}}_{i^{\&prime;}}\right|i^{\&prime;}=\mathrm{1,2},...,I;i^{\&prime;}\&NotEqual;j^{\&prime;}\}},$

若δ_n小于设定的阈值T1，则待计算时刻n＝n+1,继续步骤A；若δ_n大于设定的阈值T1，则根据前一时刻各状态节点的幸存路径留存路径向量X_n-1,i'构造“虚拟”训练信号，重新估计各节点对应的信道估计H_n-1,esti,i'，然后继续步骤B；其中0＜T1＜0.5，T1为实数；

⑦迭代均衡和译码；

软入软出检测器根据步骤⑥得到的网格图中的各个节点信道估计结果以及从软入软出译码器反馈回的码字比特似然比信息计算网格图中的分支度量，用BCJR算法递归计算出各个码字比特的输出似然比信息，然后将输出码字比特似然比经过解交织器后送入软入软出译码器进行译码；软入软出译码器用BCJR算法递归计算出各码字比特的输出似然比，将其经过交织器后反馈给软入软出检测器，作为其检测的先验信息；；

⑧重复步骤⑥和⑦，直至软入软出译码器输出的比特信息后验概率似然比达到或超过设定的门限或者总的迭代均衡和译码迭代次数达到或超过设定的门限，该设定的门限为一大于3的数；

⑨判决输出；

软入软出译码器输出的比特信息后验概率似然比输出给判决机构判决输出判决数据。

进一步的，步骤①中，信源数据进入发射系统的信道编码器，按照LDPC或Turbo等现代纠错编码规则进行编码。

进一步的，步骤③中，扩频序列采用m序列、Gold序列或者M序列。

进一步的，步骤⑥中，“逐幸存路径信道估计”中对信道估计的具体方法采用RLS、LMS、稀疏信道估计方法或MMSE方法之一。

更进一步的，“逐幸存路径信道估计”中对信道估计的具体方法采用稀疏信道估计方法：首先设定信道多径时延和多普勒系数的估计范围，并对这两个参数的估计范围进行量化，假设量化的结果如下：时延范围为多普勒系数范围为于是得到N₁N₂个时延和多普勒系数的组合；对于某一个确定的组合{τ_i,a_j}，得到对应的接收信号为即为状态S_m对应的发射信号经过时延τ_i处理并按多普勒系数a_j重采样后得到的列向量；对于所有的时延多普勒系数组合一共有N₁N₂个对应的接收信号如果实际的多径参数在设定的时延和多普勒系数范围内，则可以将实际的接收信号表示为：

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{i=1}{\overset{N_1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_{i,j}{\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}}_{i,j}\left(S_m\right)---\left(1\right),$

其中ε_i,j是路径{τ_i,a_j}的复幅度；由于实际无线信道的多径数目是有限的，因此在这N₁N₂个幅度中大部分的数值都是0，这是一个典型的稀疏向量估计问题；将字典中所有可能的路径写成矩阵形式如下

于是可以将式(1)表示成以下形式

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}+\stackrel{\&RightArrow;}{w}---\left(2\right),$

其中为复幅度ε_i,j构成的列向量，考虑信道的稀疏性特点，对该向量的求解可以归结为以下优化问题

$\min {\left|\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}\right|}_0\mathrm{subject\; to}{|\stackrel{\&RightArrow;}{z}\left(S_m\right)-A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}|}^2\&le;\mathrm{\&delta;},$

用正交匹配跟踪算法(Orthogonal Matching Pursuit,OMP)进行求可以得到其中包含N_p个非零值{ε_p|p＝1,...,N_p}，由此得到接收信号的估计为

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{p=1}{\overset{N_p}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_p{\stackrel{\&RightArrow;}{x}}_{i_p,j_p}\left(S_m\right),$

由于以上信道估计方法估计信道时使用的发射序列可直接从对应的节点的幸存路径中获取，无需事先插入训练序列进行辅助，因此可以实现信道估计和数据检测同步进行，在复杂时变信道中应用可以根据信道的变化情况随时更新信道估计。

进一步的，步骤⑦中，软出软出检测器可以采用任何软输入软输出的检测方法；解交织器把软入软出检测器得到的比特似然比排成译码器的输出数据顺序，而交织器则把译码器的输出似然比重新按照软入软出检测器的输入顺序排列。

进一步的，步骤⑨中，软入软出译码器把解交织后的比特似然比按照编码器的约束进行译码得到新的译码后的码字输出似然比，在非末次迭代中将其反馈给软入软出检测器作为其信息比特先验似然比；而在末次迭代中，软入软出译码器将输出信息比特输出似然比用于信息比特的判决。

本发明具有积极的效果：本发明是一种适用于快速时变信道条件下的直接序列扩频通信联合均衡和译码方法，可有效跟踪时变信道而无需插入额外的训练数据；在接收机中，以直接序列扩频符号为处理单元，在迭代均衡的检测器中采用“逐幸存路径信道估计”方法，按照“信道估计匹配指数”的大小自适应地更新信道估计；检测器采用软入软出的检测算法，后续的译码器采用软入软出的迭代译码算法，在检测器和译码器之间交互软信息，反复迭代逼近最优解。同常规的迭代均衡不同，本发明中的迭代检测译码方法在每次检测译码迭代中检测器都可以充分利用译码器返回的迭代信息对信道估计进行“自适应地”动态修正，且获得最大似然意义上的“最优”信道估计，且可以动态地跟踪信道的时变特性而无需插入训练数据，可有效提高信道利用率。在直接序列扩频通信系统中，运用本发明方法扩频符号时间长度可以不用远大于信道时间弥散长度，可以灵活地调整扩频比以及单个扩频符号的调制阶数，可实现系统实现的复杂度和系统性能的综合权衡。相比传统的直接序列扩频通信信号处理方法，本发明方法可以灵活调整扩频比，可自适应跟踪信道变化而无需额外的训练数据或导频信号开销，同时提高了直接序列扩频通信系统的信道利用效率。

附图说明

图1是本发明中的直接序列扩频通信系统的发射系统的流程框图；

图2是本发明中的直接序列扩频通信系统的接收系统的流程框图。

具体实施方式

(实施例1)

见图1和图2，本实施例的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法是一种适用于快速时变信道条件下的直接序列扩频通信系统的联合均衡和译码方法，可有效跟踪时变信道而无需插入额外的训练数据；在接收机中，以直接序列扩频符号为处理单元，在迭代均衡的检测器中采用“逐幸存路径信道估计”方法，按照“信道估计匹配指数”的大小自适应地更新信道估计；检测器采用软入软出的检测算法，后续的译码器采用软入软出的迭代译码算法，在检测器和译码器之间交互软信息，反复迭代逼近最优解。本实施例的直接序列扩频通信中一种基于逐幸存路径处理的迭代均衡方法所涉及的无线通信系统发送端采用Turbo码、LDPC码等级连码或者基于图的差错控制编码，并且编码后的数据通过直接序列扩频调制，接收机采用迭代检测译码。其中，译码器采用软入软出的迭代检测译码的方法，检测器采用软入软出的检测算法(如SOVA、BCJR MAP算法或线性MMSE等算法)。

见图1，本实施例的直接序列扩频通信中一种基于逐幸存路径处理的迭代均衡方法包括如下几个步骤：

①发射系统进行信源数据信道编码；

信源数据进入发射系统的信道编码器，按照LDPC、Turbo等现代纠错编码规则进行编码，输出编码后的码字比特流。

②随机交织；

将由步骤①得到的码字比特流进行随机交织，打乱原始编码比特流的顺序。

③直接序列扩频；

将由步骤②得到的随机交织后的比特流进行直接序列扩频得到扩频符号，扩频序列可以采用m序列、Gold序列或者M序列等伪随机序列。

④射频调制；

将由步骤③获得的扩频符号进行射频载波调制，获得可以实际发送的射频模拟信号。

⑤将由步骤④得到的射频模拟信号送至无线信道通过无线信道传输。

⑥接收系统从无线信道接收射频模拟信号并进行“逐幸存路径信道估计”；

“逐幸存路径信道估计”中对信道估计的具体方法没有限制，可采用任何基于训练数据的信道估计方法，如RLS、LMS、稀疏信道估计方法(BP和OMP等)和MMSE等方法。以下给出采用稀疏信道估计方法的实施例:

首先设定信道多径时延和多普勒系数的估计范围，并对这两个参数的估计范围进行量化，假设量化的结果如下：时延范围为多普勒系数范围为于是可以得到N₁N₂个时延和多普勒系数的组合。对于某一个确定的组合{τ_i,a_j}，我们可以得到对应的接收信号为(即为状态S_m对应的发射信号经过时延τ_i处理并按多普勒系数a_j重采样后得到的列向量)。对于所有的时延多普勒系数组合一共有N₁N₂个对应的接收信号如果实际的多径参数在设定的时延和多普勒系数范围内，则可以将实际的接收信号表示为：

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{i=1}{\overset{N_1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_{i,j}{\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}}_{i,j}\left(S_m\right)---\left(1\right),$

其中ε_i,j是路径{τ_i,a_j}的复幅度。由于实际无线信道的多径数目是有限的，因此在这N₁N₂个幅度中大部分的数值都是0，这是一个典型的稀疏向量估计问题。将字典中所有可能的路径写成矩阵形式如下

于是可以将式(1)表示成以下形式

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}+\stackrel{\&RightArrow;}{w}---\left(2\right),$

其中为复幅度ε_i,j构成的列向量，考虑信道的稀疏性特点，对该向量的求解可以归结为以下优化问题

$\min {\left|\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}\right|}_0\mathrm{subject\; to}{|\stackrel{\&RightArrow;}{z}\left(S_m\right)-A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}|}^2\&le;\mathrm{\&delta;},$

用正交匹配跟踪算法(Orthogonal Matching Pursuit,OMP)进行求可以得到其中包含N_p个非零值{ε_p|p＝1,...,N_p}，由此可以得到接收信号的估计为

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{p=1}{\overset{N_p}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_p{\stackrel{\&RightArrow;}{x}}_{i_p,j_p}\left(S_m\right),$

由于以上信道估计方法估计信道时使用的发射序列可直接从对应的节点的幸存路径中获取，无需事先插入训练序列进行辅助，因此可以实现信道估计和数据检测同步进行，在复杂时变信道中应用可以根据信道的变化情况随时更新信道估计。

“逐幸存路径信道估计”按照“信道估计匹配指数”的大小自适应地更新信道估计。其具体步骤如下(设数据块长度为N个扩频符号)，接收信号采样率为码片速率的k倍(k>2)：

A、根据信道响应最大时延扩展τ_max、扩频符号时间长度T_symble和每个扩频符号传输比特数Q确定信道等价网格图中状态节点数信道网格图初始状态对应累积路径度量Γ_0,i(i'＝1,2,...,I)为：

根据训练数据获取初始信道估计一维向量H_0,esti，初始化各状态节点对应的信道估计：

H_0,i,esti＝H_0,esti(i'＝1,2,...,I),

待计算时刻n＝1(n＝1,2,…,N)。

B、初始化当前信道估计：H_n,esti,i'＝H_n-1,esti,i'(i'＝1,2,...,I)

根据H_n,esti,i'，按照Viterbi算法计算网格图中当前时刻各状态节点的累积路径度量Γ_n,i'(i'＝1,2,...,I)，得到并保存当前时刻各状态节点的幸存路径留存路径向量X_n,i'和该幸存路径所对应的转移度量γ_i'(i'＝1,2,...,I)。

若当前计算时刻n＝N，计算结束。

若当前计算时刻n<N，设γ_j'＝min{γ_i'}计算“信道估计匹配指数”δ_n：

${\mathrm{\&delta;}}_n=\frac{{\mathrm{\&gamma;}}_{j^{\&prime;}}}{\mathrm{mean}\left\{{\mathrm{\&gamma;}}_{i^{\&prime;}}\right|i^{\&prime;}=\mathrm{1,2},...,I;i^{\&prime;}\&NotEqual;j^{\&prime;}\}},$

若δ_n小于设定的阈值T1，则待计算时刻n＝n+1,继续步骤A；若δ_n大于设定的阈值T1，则根据前一时刻各状态节点的幸存路径留存路径向量X_n-1,i'构造“虚拟”训练信号，重新估计各节点对应的信道估计H_n-1,esti,i'，然后继续步骤B；其中0＜T1＜0.5，T1为实数。

⑦迭代均衡和译码；

软入软出检测器根据步骤⑥得到的网格图中的各个节点信道估计结果以及从软入软出译码器反馈回的码字比特似然比信息计算网格图中的分支度量，用BCJR算法递归计算出各个码字比特的输出似然比信息，然后将输出码字比特似然比经过解交织器后送入软入软出译码器进行译码。软入软出译码器用BCJR算法递归计算出各码字比特的输出似然比，将其经过交织器后反馈给软入软出检测器，作为其检测的先验信息。本发明方法中的软出软出检测器可以采用任何软输入软输出的检测方法，如使用译码器返回的先验信息的MMSE检测算法、MAP检测算法、迭代软干扰抵消检测算法等。解交织器把软入软出检测器得到的比特似然比排成译码器的输出数据顺序，而交织器则把译码器的输出似然比重新按照软入软出检测器的输入顺序排列。

⑧重复步骤⑥和⑦，直至软入软出译码器输出的比特信息后验概率似然比达到或超过设定的门限或者总的迭代均衡和译码迭代次数达到或超过设定的门限，该设定的门限为一大于3的数；

⑨判决输出；

软入软出译码器输出的比特信息后验概率似然比输出给判决机构判决输出判决数据。软入软出译码器把解交织后的比特似然比按照编码器的约束进行译码得到新的译码后的码字输出似然比，在非末次迭代中将其反馈给软入软出检测器作为其信息比特先验似然比。而在末次迭代中，软入软出译码器将输出信息比特输出似然比用于信息比特的判决。

Claims (8)

1.一种基于逐幸存路径处理的迭代均衡方法，其特征在于：是一种适用于快速时变信道条件下的直接序列扩频通信系统的联合均衡和译码方法，可有效跟踪时变信道而无需插入额外的训练数据；在接收机中，以直接序列扩频符号为处理单元，在迭代均衡的检测器中采用“逐幸存路径信道估计”方法，按照“信道估计匹配指数”的大小自适应地更新信道估计；检测器采用软入软出的检测算法，后续的译码器采用软入软出的迭代译码算法，在检测器和译码器之间交互软信息，反复迭代逼近最优解。

2.一种直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于包括如下几个步骤：

①发射系统进行信源数据信道编码；

信源数据进入发射系统的信道编码器，按照现代纠错编码规则进行编码，输出编码后的码字比特流；

②随机交织；

将由步骤①得到的码字比特流进行随机交织，打乱原始编码比特流的顺序；

③直接序列扩频；

将由步骤②得到的随机交织后的比特流进行直接序列扩频得到扩频符号，扩频序列采用伪随机序列；

④射频调制；

将由步骤③获得的扩频符号进行射频载波调制，获得可以实际发送的射频模拟信号；

⑤将由步骤④得到的射频模拟信号送至无线信道通过无线信道传输；

⑥接收系统从无线信道接收射频模拟信号并进行“逐幸存路径信道估计”；

“逐幸存路径信道估计”中对信道估计的具体方法没有限制，可采用任何基于训练数据的信道估计方法；

“逐幸存路径信道估计”按照“信道估计匹配指数”的大小自适应地更新信道估计；其具体步骤如下(设数据块长度为N个扩频符号)，接收信号采样率为码片速率的k倍(k>2)：

A、根据信道响应最大时延扩展τ_max、扩频符号时间长度T_symble和每个扩频符号传输比特数Q确定信道等价网格图中状态节点数信道网格图初始状态对应累积路径度量Γ_0,i(i'＝1,2,...,I)为：

根据训练数据获取初始信道估计一维向量H_0,esti，初始化各状态节点对应的信道估计：

H_0,i,esti＝H_0,esti(i'＝1,2,...,I),

待计算时刻n＝1(n＝1,2,…,N)；

B、初始化当前信道估计：H_n,esti,i'＝H_n-1,esti,i'(i'＝1,2,...,I)

根据H_n,esti,i'，按照Viterbi算法计算网格图中当前时刻各状态节点的累积路径度量Γ_n,i'(i'＝1,2,...,I)，得到并保存当前时刻各状态节点的幸存路径留存路径向量X_n,i'和该幸存路径所对应的转移度量γ_i'(i'＝1,2,...,I)；

若当前计算时刻n＝N，计算结束；

若当前计算时刻n<N，设γ_j'＝min{γ_i'}计算“信道估计匹配指数”δ_n：

${\mathrm{\&delta;}}_n=\frac{{\mathrm{\&gamma;}}_{j^{\&prime;}}}{\mathrm{mean}\left\{{\mathrm{\&gamma;}}_{i^{\&prime;}}\right|i^{\&prime;}=\mathrm{1,2},...,I;i^{\&prime;}\&NotEqual;j^{\&prime;}\}},$

若δ_n小于设定的阈值T1，则待计算时刻n＝n+1,继续步骤A；若δ_n大于设定的阈值T1，则根据前一时刻各状态节点的幸存路径留存路径向量X_n-1,i'构造“虚拟”训练信号，重新估计各节点对应的信道估计H_n-1,esti,i'，然后继续步骤B；其中0＜T1＜0.5，T1为实数；

⑦迭代均衡和译码；

软入软出检测器根据步骤⑥得到的网格图中的各个节点信道估计结果以及从软入软出译码器反馈回的码字比特似然比信息计算网格图中的分支度量，用BCJR算法递归计算出各个码字比特的输出似然比信息，然后将输出码字比特似然比经过解交织器后送入软入软出译码器进行译码；软入软出译码器用BCJR算法递归计算出各码字比特的输出似然比，将其经过交织器后反馈给软入软出检测器，作为其检测的先验信息；；

⑧重复步骤⑥和⑦，直至软入软出译码器输出的比特信息后验概率似然比达到或超过设定的门限或者总的迭代均衡和译码迭代次数达到或超过设定的门限，该设定的门限为一大于3的数；

⑨判决输出；

软入软出译码器输出的比特信息后验概率似然比输出给判决机构判决输出判决数据。

3.根据权利要求2所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：步骤①中，信源数据进入发射系统的信道编码器，按照LDPC或Turbo等现代纠错编码规则进行编码。

4.根据权利要求2所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：步骤③中，扩频序列采用m序列、Gold序列或者M序列。

5.根据权利要求2所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：步骤⑥中，“逐幸存路径信道估计”中对信道估计的具体方法采用RLS、LMS、稀疏信道估计方法或MMSE方法之一。

6.根据权利要求5所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：“逐幸存路径信道估计”中对信道估计的具体方法采用稀疏信道估计方法：首先设定信道多径时延和多普勒系数的估计范围，并对这两个参数的估计范围进行量化，假设量化的结果如下：时延范围为多普勒系数范围为于是得到N₁N₂个时延和多普勒系数的组合；对于某一个确定的组合{τ_i,a_j}，得到对应的接收信号为即为状态S_m对应的发射信号经过时延τ_i处理并按多普勒系数a_j重采样后得到的列向量；对于所有的时延多普勒系数组合一共有N₁N₂个对应的接收信号如果实际的多径参数在设定的时延和多普勒系数范围内，则可以将实际的接收信号表示为：

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{i=1}{\overset{N_1}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_2}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_{i,j}{\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}}_{i,j}\left(S_m\right)---\left(1\right),$

其中ε_i,j是路径{τ_i,a_j}的复幅度；由于实际无线信道的多径数目是有限的，因此在这N₁N₂个幅度中大部分的数值都是0，这是一个典型的稀疏向量估计问题；将字典中所有可能的路径写成矩阵形式如下

于是可以将式(1)表示成以下形式

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}+\stackrel{\&RightArrow;}{w}---\left(2\right),$

其中为复幅度ε_i,j构成的列向量，考虑信道的稀疏性特点，对该向量的求解可以归结为以下优化问题

$\min {\left|\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}\right|}_0\mathrm{subject\; to}{|\stackrel{\&RightArrow;}{z}\left(S_m\right)-A\stackrel{\&RightArrow;}{\mathrm{\&epsiv;}}|}^2\&le;\mathrm{\&delta;},$

用正交匹配跟踪算法(Orthogonal Matching Pursuit,OMP)进行求可以得到其中包含N_p个非零值{ε_p|p＝1,...,N_p}，由此得到接收信号的估计为

$\stackrel{\&RightArrow;}{z}\left(S_m\right)=\underset{p=1}{\overset{N_p}{\mathrm{\&Sigma;}}}{\mathrm{\&epsiv;}}_p{\stackrel{\&RightArrow;}{x}}_{i_p,j_p}\left(S_m\right),$

由于以上信道估计方法估计信道时使用的发射序列可直接从对应的节点的幸存路径中获取，无需事先插入训练序列进行辅助，因此可以实现信道估计和数据检测同步进行，在复杂时变信道中应用可以根据信道的变化情况随时更新信道估计。

7.根据权利要求2所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：步骤⑦中，软出软出检测器可以采用任何软输入软输出的检测方法；解交织器把软入软出检测器得到的比特似然比排成译码器的输出数据顺序，而交织器则把译码器的输出似然比重新按照软入软出检测器的输入顺序排列。

8.根据权利要求2所述的直接序列扩频通信中基于逐幸存路径处理的迭代均衡方法，其特征在于：步骤⑨中，软入软出译码器把解交织后的比特似然比按照编码器的约束进行译码得到新的译码后的码字输出似然比，在非末次迭代中将其反馈给软入软出检测器作为其信息比特先验似然比；而在末次迭代中，软入软出译码器将输出信息比特输出似然比用于信息比特的判决。