CN104580036A - Lte系统物理层上行控制信道的半盲检测方法 - Google Patents

Abstract

本发明公开了一种LTE系统物理层上行控制信道的半盲检测方法。该方法包括：对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)，基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)、H_u,symbol2(l,k)、H_u,symbol3(l,k)和H_u,symbol4(l,k)，根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，得到信道估计；根据小区输入信息R(l,k)、信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)计算假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd；遍历全部假设信息，利用信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)、噪声方差σ² _u,n,1st和σ² _u,n,2nd对各天线接收的小区输入信息R(l,k)进行最大比合并，计算相关值，由最大相关值对应的假设信息得到上行控制指示UCI信息。本发明能够显著提高检测性能，与现有的半盲检测方法相比，计算量大大降低。

Description

LTE系统物理层上行控制信道的半盲检测方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种LTE系统物理层上行控制信道的半盲检测方法。

背景技术

在长期演进(Long Term Evolution,LTE)系统中，上行控制信道(Physical UplinkControl Channel,PUCCH)可以发送多种上行控制指示(Uplink Control Indicator,UCI)信息，包括下行数据包的混合自动重传请求(Hybrid Automatic Repeat Request,HARQ)确认信息ACK和NACK，上行传输调度请求(Scheduling Request,SR)以及信道状态信息(Channel State Information,CSI)。

一个子帧中的每一次PUCCH传输是由在(或接近于)系统带宽边缘的一个资源块(Resource Block,RB)和在(或接近于)系统带宽另一个边缘的资源块组成的。PUCCH根据不同的上行控制信息格式，发送不同的上行控制信息。LTE PUCCH的控制结构使用频域码分复用(一个基序列的不同循环时间移位，ZC序列)和(或)时域码分复用(不同正交块扩展码子，w_i)，提供了一个有效的正交控制信道，来支持多个终端(UserEquipment,UE)的复用。

PUCCH中支持的上行控制信息格式如图1所示。在一个子帧中，对于格式1/1a/1b，1或2比特的信息调制成一个QPSK符号后，使用8个SC-FDMA符号传输，另外6个SC-FDMA符号用于参考信号的传输。对于格式2，CSI通过信道编码(Reed-muller编码)为20比特，经过加扰后调制为10个QPSK符号，10个QPSK符号分别用1个SC-FDMA符号传输，另外4个SC-FDMA符号用于参考信号的传输。对于格式2a/2b，多出的1个QPSK调制符号复用在每个时隙第二个参考的位置上。PUCCH格式1a/1b发送过程如图2所示，格式2的发送过程如图3所示。

现有技术中PUCCH的检测方法是利用参考信号进行信道估计来检测(方法一)；或者通过半盲检的方法同时利用参考信号和数据信号，利用最大似然的方法检测(方法二)。其中，方法一在参考信号占用率较高的情况下(格式1/1a/1b)，信道估计的性能可以接受，但是在参考信号占用率较低的情况下(格式2/2a/2b)，在低信噪比时，信道估计的准确度较差，因此导致了较高的误块率。方法二与方法一相比，计算量巨大，并且计算量随着传输比特的增加呈指数增长；对于格式1/1a/1b，该方法的检测性能与方法一持平，但是计算量远大于方法一。

因此，亟需提供一种能够在参考信号占用率较低的情况下，信道估计的准确度较高，且计算量较小的上行控制信道的半盲检测方法。

发明内容

本发明所要解决的技术问题之一是需要克服当前LTE基站(Evolved Node B,eNodeB)在低参考信号占用率、低码率、低速信道的条件下，对PUCCH进行半盲检测时信道估计的准确度较差的不足。

为了解决上述技术问题，本发明的实施例提供了一种LTE系统物理层上行控制信道的半盲检测方法，该方法包括以下步骤：

对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)，其中，l为SC-FDMA的符号位，k为子载波序号，u为终端序号；

基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)、H_u,symbol2(l,k)、H_u,symbol3(l,k)和H_u,symbol4(l,k)，根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，从而得到信道估计，其中，n为假设信息的序号；

根据小区输入信息R(l,k)、信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)计算假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd；

遍历全部假设信息，利用信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)、噪声方差σ² _u,n,1st和σ² _u,n,2nd对各天线接收的小区输入信息R(l,k)进行最大比合并，计算相关值corr_n，由最大相关值对应的假设信息得到上行控制指示UCI信息。

在一个实施例中，所述对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)的步骤包括：

根据小区参数和终端参数确定正交ZC序列，构建终端的ZC序列矩阵ZC_u(l,k)；

将基站接收的小区输入信息R(l,k)与终端的ZC序列矩阵做共轭乘法得到终端信息R_u(l,k)。

在一个实施例中，所述基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)的步骤包括：

用四种QPSK符号与终端信息中非参考信号部分进行共轭相乘，以消除QPSK符号的影响，将终端信息中参考信号部分的数据保持不变，构造与四种QPSK符号对应的四个l列k行的信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)。

在一个实施例中，所述信道频域响应矩阵中非参考信号部分的列向量表示为：

$\begin{array}{cc}{H}_{u,\mathrm{symbol}1}(l,k)=R_u(l,k)*e^{-\frac{1}{4}\mathrm{\πj}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}2}(l,k)=R_u(l,k)*e^{-\frac{3}{4}\mathrm{\πj}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}3}(l,k)=R_u(l,k)*e^{-\frac{5}{4}\mathrm{\πj}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}4}(l,k)=R_u(l,k)*e^{-\frac{7}{4}\mathrm{\πj}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

所述信道频域响应矩阵中参考信号部分的列向量表示为：

$\begin{array}{c}{H}_{u,\mathrm{symbol}0}(l,k)=H_{u,\mathrm{symbol}1}(l,k)=H_{u,\mathrm{symbol}2}(l,k)=H_{u,\mathrm{symbol}3}(l,k)\\ =H_{u,\mathrm{symbol}4}(l,k)=R(l,k)*\stackrel{\‾}{{\mathrm{ZC}}_u(l,k)},l=\mathrm{1,5,8,12}\end{array}$

其中，ZC_u(l,k)表示终端u的ZC序列矩阵。

在一个实施例中，所述根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算通过假设信息得出的在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)的步骤包括：

将假设信息映射为包含10个QPSK符号的QPSK符号序列，10个QPSK符号按顺序依次对应信道频域响应矩阵中的第0,2,3,4,6,7,9,10,11,13列；

根据QPSK符号序列中的QPSK符号，在四个信道频域响应矩阵中选择与QPSK符号对应的信道频域响应矩阵，QPSK符号分别对应信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)，在与QPSK符号对应的信道频域响应矩阵中，根据该QPSK符号在QPSK符号序列中的位置，选择相应的列，得到SC-FDMA符号的信道频域响应矩阵中非参考部分数据的列向量；

以信道频域响应矩阵中参考信号部分的列向量，做为SC-FDMA符号的信道频域响应矩阵中参考部分数据的列向量；

根据SC-FDMA符号的信道频域响应矩阵的列向量计算平均值，得到假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)。

在一个实施例中，所述假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)分别表示为：

$H_{u,n,1\mathrm{st}}\left(k\right)=\frac{1}{6}\underset{l=0}{\overset{6}{\mathrm{\Σ}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

$H_{u,n,2\mathrm{nd}}\left(k\right)=\frac{1}{6}\underset{l=7}{\overset{13}{\mathrm{\Σ}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

其中，H_u,n(l,k)表示终端u接收的第n种假设信息对应的第l位SC-FDMA符号的信道频域响应。

在一个实施例中，所述假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd表示为：

${{\mathrm{\σ}}^2}_{u,n,1\mathrm{st}}=\frac{1}{12*7}(\underset{k}{\mathrm{\Σ}}\underset{l=0}{\overset{6}{\mathrm{\Σ}}}{\left|R(l,k)\right|}^2-7\underset{k=0}{\overset{11}{\mathrm{\Σ}}}{\left|H_{u,n,1\mathrm{st}}\left(k\right)\right|}^2),$

${{\mathrm{\σ}}^2}_{u,n,2\mathrm{nd}}=\frac{1}{12*7}(\underset{k}{\mathrm{\Σ}}\underset{l=7}{\overset{13}{\mathrm{\Σ}}}{\left|R(l,k)\right|}^2-7\underset{k}{\mathrm{\Σ}}{\left|H_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2)$

其中，σ² _u,n,1st表示终端u在第n种假设信息条件下第一时隙的噪声方差，σ² _u,n,2nd表示终端u在第n种假设信息条件下第二时隙的噪声方差。

在一个实施例中，所述由最大相关值对应的假设信息得到上行控制指示UCI信息的步骤中包括：

确定与最大相关值对应的QPSK符号序列；

基于假设信息与QPSK符号序列的映射关系，得到与最大相关值对应的假设信息，做为完成解码的上行控制指示UCI信息。

在一个实施例中，所述相关值corr_n表示为：

${\mathrm{corr}}_n=\underset{k}{\mathrm{\Σ}}\underset{r}{\mathrm{\Σ}}\frac{{\left|{H^r}_{u,n,1\mathrm{st}}\left(k\right)\right|}^2}{{\left({{\mathrm{\σ}}^r}_{u,n,1\mathrm{st}}\right)}^2}+\underset{k}{\mathrm{\Σ}}\underset{r}{\mathrm{\Σ}}\frac{{\left|{H^r}_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2}{{\left({{\mathrm{\σ}}^r}_{u,n,2\mathrm{nd}}\right)}^2}$

其中，r表示天线的序号，H^r _u,n,1st(k)表示在第r条天线上接收到终端u的第n种假设信息在第一时隙的信道频域响应，(σ^r _u,n,1st)²表示在第r条天线上接收到终端u的第n种假设信息在第一时隙噪声方差，

H^r _u,n,2nd(k)表示在第r条天线上接收到终端u的第n种假设信息在第二时隙的信道频域响应，(σ^r _u,n,2nd)²表示在第r条天线上接收到终端u的第n种假设信息在第二时隙噪声方差。

在一个实施例中，进一步包括：遍历小区中全部终端，计算每一终端的上行控制指示UCI信息。

本发明的实施例能够显著提高检测性能，与现有的半盲检测方法相比，计算量大大降低。同时能够简化噪声方差的计算，将最大比合并与相关值计算进行合并，从而对大量重复的运算过程进行优化，消除冗余的计算过程；对表达式进行深度的推导，能够得到更为精简的表达式，从而减低运算量。

附图说明

图1为现有技术中PUCCH中支持的上行控制信息格式；

图2为现有技术中PUCCH格式1a/1b发送过程示意图；

图3为现有技术中PUCCH格式2发送过程示意图；

图4为PUCCH接收端处理流程示意图；

图5为PUCCH方法一的处理流程示意图；

图6a为方法一中格式1/1a/1b的信道估计过程的示意图；

图6b为方法一中格式2/2a/2b的信道估计过程的示意图；

图7a为方法一中格式1/1a/1b的信道均衡过程的示意图；

图7b为方法一中格式2/2a/2b的信道均衡过程的示意图；

图8为PUCCH方法二的处理流程示意图；

图9为根据本发明实施例的PUCCH半盲检测方法的步骤流程图；

图10为本发明实施例中半盲检测方法与方法二中计算量的对比图；

图11为本发明实施例的半盲检测方法与方法二中计算量的比值；

图12为本发明实施例的半盲检测方法在低速信道条件下的BLER曲线图；

图13为本发明实施例的半盲检测方法在高速信道条件下的BLER曲线图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据以实施。本发明实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。

物理层是移动通信系统的基础，承担着有效并可靠地传输数据的责任。物理上行控制信道承载了多种控制信息，包括传输下行数据包的HARQ确认(ACK/NACK)、支持链路自适应的信道质量指示器(CQI)，用户下行传输的MIMO反馈(例如秩指示器(RankIndicator，RI)或预编码矩阵指示器(Precoding Matrix Indicators，PMI))以及上行传输调度请求(SR)。

移动通信具有动态特性，这主要表现在：移动通信的信道具有开放、复杂、时变的动态特点；移动通信的用户具有移动的特点；移动通信系统可以提供多种业务类型来动态选择。由于这些特性，终端(User Equipment，UE)的传输信息会受到多种干扰。eNodeB需要对PUCCH传输的控制信息进行正确的解析才能进行下一步的调度，否则会因为控制信息解析错误而导致LTE整体性能的下降。比如，导致需要重传的数据包没有重传，或者重复发送已经接收到的数据包，又或者导致下行调制方式以及发送速率不适用与当前的信道环境等等。

首先参考图4对基站接收端获得UCI的处理流程做简单说明。当基站收到一个子帧后，基站需要对信号进行一系列处理，包括去掉循环前缀、FFT变换以及资源解映射。然后对解映射之后的信号进行解复用来区分不同的UE。一个子帧中，资源解映射之后每个UE每根天线的信号为一个12*14(子载波数*SC-FDMA符号数)大小的矩阵，即该矩阵包括12行，14列的矩阵元素。其中，该矩阵包括参考信号部分和数据部分，对其进行解复用之后，可以得到不同UE的信号，之后进行信道估计以及均衡，然后再做相关的解码以得到各自的UCI。

如上文所述，方法一的PUCCH的检测方法是利用参考信号进行信道估计来检测。在图5中，首先对资源解映射的数据解复用，然后根据参考信号得出的信道估计，进行均衡，得到调制数据，解调得到UE各自的UCI信息。

具体而言，首先对资源解映射的数据解复用。对一个小区来说，其频域正交序列基序列是唯一确定的，PUCCH所用的是一个长度为12循环移位序列ZC(k)，SC-FDMA符号数据将调制到对应的序列上。循环移位序列ZC(k)表示为：

$\mathrm{ZC}\left(k\right)=r_{u,v}^{\left(\mathrm{\&alpha;}\right)}\left(k\right)=e^{\mathrm{j\&alpha;k}}{\stackrel{\&OverBar;}{r}}_{u,v}\left(k\right),0\&le;k<12$

其中，u,v根据小区参数确定，α在SC-FDMA符号和时隙间变换。根据不同的UE的参数，保证了在同一个SC-FDMA符号上不同UE序列的正交性，k表示子载波的序号。

时域正交序列由表1和表2给出。表1、表2分别为和情况下的时域正交序列。

表1

表2

在基站端可以根据对应的小区及UE参数来计算出相应的正交序列。将接收到的信号与相应的正交序列作共轭乘法，可以得到UE各自的信号。

然后计算UE各自的UCI信息。对于格式1/1a/1b，每个时隙的中间3个SC-FDMA符号用作参考信号，用来进行信道估计，两边的4个SC-FDMA符号用来传输信息，根据参考信号得出的信道估计，进行均衡，得到调制数据，解调后就得到了相应的UCI信息。对于格式2，每个时隙的第2个和第5个SC-FDMA符号用作参考信号，同样用来做信道估计，解出其余的10个QPSK符号，解调后还需经过RM译码器才能得到相应的UCI信息。格式2a/2b仅用每个时隙的第2个SC-FDMA符号作参考信号。

信道估计过程可以由图6a和图6b表示，均衡过程可以由图7a和图7b表示。在图6a和图6b中，n_ant为天线数，为频域正交序列的共轭，w_i为时域正交序列，n_dmrs为参考信号个数，CE_u即信道估计。

方法一的优点如下：实现方法简单，计算量较小。在参考信号占用率较高的情况下(格式1/1a/1b)，信道估计的性能可以接受。在参考信号占用率较低的情况下，高信噪比时信道估计的准确度较高。

方法一的缺点如下：在参考信号占用率较低的情况下(格式2/2a/2b)，在低信噪比时，信道估计的准确度较差，因此导致了较高的误块率。

如上文所述，方法二的PUCCH的检测方法为半盲检测方法，其处理流程如图8所示。

首先对资源解映射的数据解复用，该步骤与方法一相同。然后，得到UE各自的UCI信息。具体处理过程如下。

根据发送端的格式不同，发送的信息比特数不同，所以假设信息的总数量不同。根据发送信息的比特数m(1＜m≤13)，即上行控制指示UCI信息为m比特，总共有n＝2^m种假设信息。假设接收端的信号R(l,k)为

$\begin{array}{c}R(l,k)=\underset{u=1}{\overset{U}{\mathrm{\&Sigma;}}}{s}_u\left(l\right)*p_u\left(l\right)*{\mathrm{ZC}}_u(l,k)*H_u(l,k)+N(l,k),\\ l=0...13,k=0...11\end{array}$

其中，l是SC-FDMA符号的序号，k为子载波的序号，u为终端序号，N(l,k)为噪声，U为终端的总数量。

每个SC-FCDMA符号上承载的数据[s_u(0),...,s_u(13)]表示为：

时域扩频因子表示为：

对于每个UE的每一种假设，都需要得到一个相关值。下面给出了处理一个UE的过程，第一阶段到第三阶段列出了对于每种假设信息的处理流程。

第一阶段，计算每个时隙的信道估计。对于第n种情况，令C(l,k)＝s_n(l)*p(l)*ZC(l,k)，则可以得到每个SC-FDMA符号的信道估计每个时隙的信道估计如下，

$\begin{array}{cc}{H}_{1,n,1\mathrm{st}}\left(k\right)=\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{H}_{1,n}(l,k),& k=\mathrm{0,1},...11\end{array}$

$\begin{array}{cc}{H}_{1,n,2\mathrm{nd}}\left(k\right)=\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{H}_{1,n}(l,k),& k=\mathrm{0,1},...11\end{array}$

第二阶段，根据信道估计估算噪声方差，然后对接收信号进行最大比合并。噪声方差为：

${{\mathrm{\&sigma;}}^2}_{1,n,1\mathrm{st}}=\frac{1}{12*7}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{|R(l,k)-C(l,k)*H_{1,n,1\mathrm{st}}\left(k\right)|}^2$

${{\mathrm{\&sigma;}}^2}_{1,n,2\mathrm{nd}}=\frac{1}{12*7}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{|R(l,k)-C(l,k)*H_{1,n,2\mathrm{nd}}\left(k\right)|}^2$

当得到噪声方差后，进行最大比合并，N_R为天线个数，

${\tilde{C}}_{1,n,1\mathrm{st}}(l,k)=\underset{r=1}{\overset{N_R}{\mathrm{\&Sigma;}}}\frac{\stackrel{\&OverBar;}{{H^r}_{1,n,1\mathrm{st}}\left(k\right)}*R^r(l,k)}{{\left({{\mathrm{\&sigma;}}^r}_{1,n,1\mathrm{st}}\right)}^2},l=\mathrm{0,1},..,6$

${\tilde{C}}_{1,n,2\mathrm{nd}}(l,k)=\underset{r=1}{\overset{N_R}{\mathrm{\&Sigma;}}}\frac{\stackrel{\&OverBar;}{{H^r}_{1,n,2\mathrm{nd}}\left(k\right)}*R^r(l,k)}{{\left({{\mathrm{\&sigma;}}^r}_{1,n,2\mathrm{nd}}\right)}^2},l=7,8,..,13$

第三阶段，对两个向量C(l,k)与做相关计算，得到相关值，解码UCI信息：

${\mathrm{corr}}_n=\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}{\tilde{C}}_{1,n,1\mathrm{st}}(l,k)*\stackrel{\&OverBar;}{C(l,k)}+\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}{\tilde{C}}_{1,n,2\mathrm{nd}}(l,k)*\stackrel{\&OverBar;}{C(l,k)}$

在得到n个相关值之后，找出最大相关值对应的序号，就能得到该UE的UCI信息。

方法二的优点如下：该方法为PUCCH的半盲检测方法，该方法与方法一相比，在参考信号占用率较高的情况下检测性能基本持平，在参考信号占用率较低，并且信道为低速信道的情况下检测性能优于传统方法。该方法不需要使用RM译码器。

方法二的劣势如下：该方法与方法一相比，计算量巨大，并且计算量随着传输比特的增加呈指数增长；对于格式1/1a/1b，该方法的检测性能与方法一持平，但是计算量远大于方法一。

从以上分析可以看出，在PUCCH的传输格式为格式2的情况下，发送时每个时隙用2个SC-FDMA符号作为参考信号，其余5个用来传输数据。对于方法一的检测方法，仅通过参考信号来做信道估计，在低信噪比时检测性能不理想。若用方法二的半盲检测方法，尽管其检测性能在低速信道下优于传统检测方法，但是这种方法的计算量颇高，在传输比特数为4的时候，其计算量就已经为传统方法的16倍。

因此，方法一和方法二面临的问题在于，在参考信号占用率较低的情况下，信道估计的性能难以保证，导致PUCCH的检测性能不理想；半盲检测算法的计算量巨大，难以实现。

针对上述问题，本发明的实施例对LTE系统中PUCCH的半盲检测的方法做了深度的推导，大大地降低了半盲检测算法的计算量。本实施例提供的半盲检测方法与现有技术中原半盲检测方法的适用条件相同，适用于低参考信号占有率，低码率及低速信道。

具体而言，本发明实施例的应用场景为LTE通信基站端PUCCH检测，基站端检测到UE发送的信号，并且得到了待解码的PUCCH数据，PUCCH为格式2/2a/2b，经过的信道为低速信道。

本实施例的半盲检测方法的基本思路为：对资源解映射的数据进行解复用，即乘以各自的正交序列；计算信道估计在不同假设信息下的所有可能，计算信道估计；简化噪声方差的计算；将最大比合并与相关值计算进行合并，进一步简化计算，找出最大的相关值，解出相应的UCI信息。

实施例

本实施例的流程同方法二中的半盲检测算法相同，但是在各个环节的处理过程上有大幅度的优化。本实施例的基本思想是：对大量重复的运算过程进行优化，消除冗余的计算过程；对表达式进行深度的推导，以得到更为精简的表达式，从而减低运算量。下文描述详细的推导过程与实现步骤。

图9为根据本发明实施例的PUCCH半盲检测方法的步骤流程图。

首先对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)(步骤S901)，其中，l为SC-FDMA的符号位，k为子载波序号，u为终端序号。具体来说，步骤S901中包括两个子步骤S9011和S9012(图9中未示出)。

根据小区参数和终端参数，生成相应的正交ZC序列，构建终端ZC序列矩阵ZC_u(l,k)(子步骤S9011)。即eNodeB根据小区参数以及终端的参数，可以确定基序列以及各UE各SC-FDMA符号的循环移位。每一个终端对应一个12*14大小的ZC序列矩阵，该ZC序列矩阵中每一个列向量代表一个SC-FDMA符号的ZC序列。

然后，将基站接收的小区输入信息R(l,k)与终端的ZC序列矩阵做共轭乘法得到终端信息R_u(l,k)(子步骤S9012)。因为输入数据是多个用户码分复用构成的，根据ZC序列序列不同循环移位的正交特性，用每个终端对应的ZC序列矩阵的元素的共轭同输入数据相乘，就得到了该终端的数据和其他用户干扰加噪声的总合。

基站接收的小区输入信息R(l,k)表达式如下：

$\begin{array}{c}R(l,k)=s_{1,n}\left(l\right)*{\mathrm{ZC}}_1(l,k)*H_1(l,k)+\underset{u=2}{\overset{U}{\mathrm{\&Sigma;}}}{s}_u\left(l\right)*{\mathrm{ZC}}_u(l,k)*H_u(l,k)+N(l,k)\\ =s_{1,n}\left(l\right)*{\mathrm{ZC}}_1(l,k)*H_1(l,k)+\tilde{N}(l,k),l=\mathrm{0,1},...,13,k=\mathrm{0,1},...11\end{array}$

将基站接收的小区输入信息R(l,k)与终端的ZC序列矩阵做共轭乘法得到终端信息R_u(l,k)：

$\begin{array}{cc}{R}_u(l,k)=R(l,k)*\stackrel{\&OverBar;}{{\mathrm{ZC}}_u(l,k)}+\widetilde{N_u}(l,k),& l=\mathrm{0,1},...,13,k=\mathrm{0,1},...11\end{array}$

其中R_u(l,k)为终端u的数据，为其他用户的干扰与噪声的总和。

这样在步骤S901中可以对各个终端信息R_u(l,k)进行区分，以用于后续步骤的处理。

接下来，基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)，根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，其中，l为SC-FDMA的符号位，k为子载波序号，u为终端序号，从而得到信道估计(步骤S902)。本步骤通过计算信道估计在不同假设信息下的所有可能，计算信道频域响应，准确得到信道估计。

具体的，步骤S902中包括子步骤S9021和子步骤S9022。

首先，在子步骤S9021中基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)。其原理为利用四种QPSK符号与终端信息中非参考信号部分进行共轭相乘，以消除由于终端发送上行信号经QPSK调制而带来的QPSK符号的影响，将终端信息中参考信号部分的数据保持不变，构造与四种QPSK符号对应的四个l列k行的信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)。需要强调的是，信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)中，l表示列数，对应0至13种SC-FDMA符号，k表示行数，对应0至11种子载波。下角标symbol0至symbol3分别代表四种QPSK符号。

在一个示例中，假设上行控制指示UCI信息为m比特，m比特的数据共包含n＝2^m种假设情况，经过加扰和RM编码之后也为2^m种情况。以m＝4为例，共有16种假设信息，即10个QPSK符号的不同组合一共有16种情况。

由于QPSK符号仅有四种情况，而终端信息R_u(l,k)仅仅与终端发送的上行信息有关，对于不同的假设信息来说是固定的。因此用R_u(l,k)的数据部分来乘以这四个QPSK符号的共轭，可以遍历所有对应信道频域响应的可能。

则信道频域响应矩阵中非参考信号部分的列向量表示为：

$\begin{array}{cc}{H}_{u,\mathrm{symbol}1}(l,k)=R_u(l,k)*e^{-\frac{1}{4}\mathrm{\&pi;j}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}2}(l,k)=R_u(l,k)*e^{-\frac{3}{4}\mathrm{\&pi;j}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}3}(l,k)=R_u(l,k)*e^{-\frac{5}{4}\mathrm{\&pi;j}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

$\begin{array}{cc}{H}_{u,\mathrm{symbol}4}(l,k)=R_u(l,k)*e^{-\frac{7}{4}\mathrm{\&pi;j}},& l=\mathrm{0,2,3,4,6,7,9,10,11,13}\end{array}$

信道频域响应矩阵中参考信号部分的列向量表示为：

$\begin{array}{c}{H}_{u,\mathrm{symbol}0}(l,k)=H_{u,\mathrm{symbol}1}(l,k)=H_{u,\mathrm{symbol}2}(l,k)=H_{u,\mathrm{symbol}3}(l,k)\\ =H_{u,\mathrm{symbol}4}(l,k)=R(l,k)*\stackrel{\&OverBar;}{{\mathrm{ZC}}_u(l,k)},l=\mathrm{1,5,8,12}\end{array}$

然后，在子步骤S9022中根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算通过假设信息得出的在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，其中，n为假设信息的序号。

将每一假设信息均映射为包含10个QPSK符号的QPSK符号序列，10个QPSK符号按顺序依次对应信道频域响应矩阵中的第0,2,3,4,6,7,9,10,11,13列。优选的，可以将4比特的信息转换成十进制数1～16，作为假设信息的序号。为QPSK符号序列分配唯一的序号，从而建立假设信息与QPSK符号序列的一一对应关系。

根据QPSK符号序列中的QPSK符号，在四个信道频域响应矩阵中选择与QPSK符号对应的信道频域响应矩阵，QPSK符号分别对应信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)，在与QPSK符号对应的信道频域响应矩阵中，根据该QPSK符号在QPSK符号序列中的位置，选择相应的列得到SC-FDMA符号的信道频域响应矩阵中非参考部分数据的列向量；

以信道频域响应矩阵中参考信号部分的列向量，做为SC-FDMA符号对应的信道频域响应矩阵中参考部分数据的列向量。

根据SC-FDMA符号对应的信道频域响应矩阵的列向量计算平均值，得到假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)。

下文以第一个终端为具体示例进行说明。

假设输入的QPSK符号序列为 $[d_1\left(0\right)...d_1\left(9\right)]=[e^{\frac{1}{4}\mathrm{\&pi;j}},e^{\frac{3}{4}\mathrm{\&pi;j}},e^{\frac{5}{4}\mathrm{\&pi;j}},e^{\frac{7}{4}\mathrm{\&pi;j}},e^{\frac{1}{4}\mathrm{\&pi;j}},e^{\frac{3}{4}\mathrm{\&pi;j}},e^{\frac{5}{4}\mathrm{\&pi;j}},e^{\frac{7}{4}\mathrm{\&pi;j}},e^{\frac{1}{4}\mathrm{\&pi;j}},e^{\frac{3}{4}\mathrm{\&pi;j}}],$ 14个SC-FDMA符号对应的信道频域响应为：

[H_1,n(0,k),...,H_1,n(13,k)]

＝[H_1,symbol1(0,k),H_1,symbol0(1,k),H_1,symbol2(2,k),H_1,symbol3(3,k),

H_1,symbol4(4,k),H_1,symbol0(5,k),H_1,symbol1(6,k),H_1,symbol2(7,k),

H_1,symbol0(8,k),H_1,symbol3(9,k),H_1,symbol4(10,k),H_1,symbol1(11,k),H_1,symbol0(12,k),H_1,symbol2(13,k)]

每个时隙的信道频域响应为：

$\begin{array}{c}{H}_{1,n,1\mathrm{st}}\left(k\right)=\frac{1}{6}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{H}_{1,n}(l,k),k=\mathrm{0,1},...11\\ H_{1,n,2\mathrm{nd}}\left(k\right)=\frac{1}{6}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{H}_{1,n}(l,k),k=\mathrm{0,1},...11\end{array},$

其中，H_1,n(l,k)表示第一终端接收的第n种假设信息对应的第l位SC-FDMA符号的信道频域响应。

虽然上文仅以第一个终端为示例进行分析，本领域技术人员容易理解，对于系统中任意终端u可以得到假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)分别表示为：

$H_{u,n,1\mathrm{st}}\left(k\right)=\frac{1}{6}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

$H_{u,n,2\mathrm{nd}}\left(k\right)=\frac{1}{6}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

其中，H_u,n(l,k)表示终端u接收的第n种假设信息对应的第l位SC-FDMA符号的信道频域响应。

因此，传输的比特数越多，假设信息的种类越多，此种方法的优越性越容易体现。因为这种方法的运算次数是固定的，仅仅在构建四个信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)的过程中存在4次复乘运算，运算量并不会随m的增加呈指数型的增长。

这样，在步骤S902中完成对信道的估计。

随后，根据小区输入信息R(l,k)，信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)计算假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd(步骤S903)。

上文方法二中半盲检测算法的噪声方差的计算表达式如下所示：

${{\mathrm{\&sigma;}}^2}_{u,n,1\mathrm{st}}=\frac{1}{12*7}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{|R(l,k)-C(l,k)*H_{u,n,1\mathrm{st}}\left(k\right)|}^2$

${{\mathrm{\&sigma;}}^2}_{u,n,2\mathrm{nd}}=\frac{1}{12*7}\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{|R(l,k)-C(l,k)*H_{u,n,2\mathrm{nd}}\left(k\right)|}^2$

其中C(l,k)＝s(l)*ZC(l,k)。若将该表达式展开并进行进一步的推导，可以得到：

$\begin{array}{c}{{\mathrm{\&sigma;}}^2}_{u,n,1\mathrm{st}}=\frac{1}{12*7}\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{|R(l,k)-C(l,k)*H_{u,n,1\mathrm{st}}\left(k\right)|}^2\\ =\frac{1}{12*7}(\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{\left|R(l,k)\right|}^2+\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{|C(l,k)*H_{u,n,1\mathrm{st}}\left(k\right)|}^2\\ -\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}R(l,k)*\stackrel{\&OverBar;}{C(l,k)}*\stackrel{\&OverBar;}{H_{u,n,1\mathrm{st}}\left(k\right)}\\ -\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}\stackrel{\&OverBar;}{C(l,k)}*C(l,k)*H_{u,n,1\mathrm{st}}\left(k\right))\\ =\frac{1}{12*7}(\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{\left|R(l,k)\right|}^2-7\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}{\left|H_{u,n,1\mathrm{st}}\left(k\right)\right|}^2)\\ {{\mathrm{\&sigma;}}^2}_{u,n,2\mathrm{nd}}=\frac{1}{12*7}(\underset{k}{\mathrm{\&Sigma;}}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{\left|R(l,k)\right|}^2-7\underset{k}{\mathrm{\&Sigma;}}{\left|H_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2)\end{array}$

其中，σ² _u,n,1st表示终端u在第n种假设信息条件下第一时隙的噪声方差，σ² _u,n,2nd表示终端u在第n种假设信息条件下第二时隙的噪声方差。

即噪声方差可以通过输入信号R(l,k)和之前求得的各时隙的信道频域相应H_1,n,1st(k)与H_1,n,2nd(k)直接计算得到，与原表达式相比，复乘次数大大降低，并且运算的中间结果可以保留，用在后续的计算当中。

最后，遍历全部假设信息，利用信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，噪声方差σ² _u,n,1st和σ² _u,n,2nd对各天线接收的小区输入信息R(l,k)进行最大比合并，计算相关值corr_n，由最大相关值对应的假设信息得到上行控制指示UCI信息(步骤S904)。

具体来说，在子步骤S9041中，根据信道频域响应与噪声方差直接求出相关值。

最大比合并的表达式与相关值计算的表达式在前文中已经给出，将最大比合并的表达式代入相关值计算的表达式，可以得到：

$\begin{array}{c}{\mathrm{corr}}_n=\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{\stackrel{\&OverBar;}{{H^r}_{u,n,1\mathrm{st}}\left(k\right)}*R^r(l,k)}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,1\mathrm{st}}\right)}^2}*\stackrel{\&OverBar;}{C(l,k)}+\\ \underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{\stackrel{\&OverBar;}{{H^r}_{u,n,2\mathrm{nd}}\left(k\right)}*R^r(l,k)}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,2\mathrm{nd}}\right)}^2}*\stackrel{\&OverBar;}{C(l,k)}\\ =\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{\stackrel{\&OverBar;}{{H^r}_{u,n,1\mathrm{st}}\left(k\right)}}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,1\mathrm{st}}\right)}^2}*\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{R}^r(l,k)*\stackrel{\&OverBar;}{C(l,k)}+\\ \underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{\stackrel{\&OverBar;}{{H^r}_{u,n,2\mathrm{nd}}\left(k\right)}}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,2\mathrm{nd}}\right)}^2}*\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{R}^r(l,k)*\stackrel{\&OverBar;}{C(l,k)}\\ =\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{{\left|{H^r}_{u,n,1\mathrm{st}}\left(k\right)\right|}^2}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,1\mathrm{st}}\right)}^2}+\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{{\left|{H^r}_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,2\mathrm{nd}}\right)}^2}\end{array}.$

因此相关值可以直接通过信道频域相应的模平方|H^r _u,n,1st(k)|²和|H^r _u,n,2nd(k)|²以及噪声方差(σ^r _u,n,1st)²和(σ^r _u,n,2nd)²得到，而|H^r _u,n,1st(k)|²与|H^r _u,n,2nd(k)|²在步骤S903中已经有过相应的计算。

其中，由假设信息与解调的终端信息之间做相关计算得到相关值corr_n。

这样，在子步骤S9041中可以计算一种假设信息的相关值。

随后在子步骤S9042中判断是否已经遍历所有的假设信息，若是，则执行步骤S9043，若否，则返回子步骤S9022循环计算，从而可以遍历全部假设信息，计算得到一个终端的全部相关值。

然后，在子步骤S9043中，从所有的相关值中找出最大的相关值，对应的假设信息即为译码结果。具体来说，确定与最大相关值对应的QPSK符号序列，基于假设信息与QPSK符号序列的映射关系，得到与最大相关值对应的假设信息，做为完成解码的上行控制指示UCI信息。

针对在子步骤S9022中的编号方法，将最大相关值对应的假设信息的序号转换为相应的二进制数，就得到了解码结果。

优选的，还包括步骤S905，遍历小区中全部终端，计算每一终端的上行控制指示UCI信息。在步骤S905中判断是否已经遍历小区中的全部终端，若否则返回步骤S9021继续处理其他UE的数据，若是则结束，这样遍历所有UE检测到全部终端的UCI信息。

综上所述，本发明的实施例能够简化噪声方差的计算，并将最大比合并与相关值计算进行合并，进一步简化计算过程。

仿真结果

本发明实施例中的方法同上文描述的方法一相比，PUCCH的检测性能获得了提升；同方法二相比计算量大大降低。

图10中显示了在天线数为2时，方法二中的半盲检测算法同本实施例算法的计算量对比图，图11给出了实施例中的计算量同原方法二算法计算量的比值。

图12和图13是PUCCH格式2方法一与方法二误码块率(BLER)的仿真，CSI的比特数为4，仿真用户数为1UE和4UE。图12是在ETU 3km/h的低速信道条件下进行的仿真，图13是在ETU 350km/h的高速信道条件下进行的仿真。图12和图13中可以看出在低速信道的环境下，方法二相对于方法一的误码块率(BLER)有非常大的提升；在高速信道的环境下，方法二的误码块率(BLER)仍有提升，只是提升有限。本实施例中的半盲检测方法误码块率(BLER)与方法二一致，说明本实施例提供的方法在低速和高速信道条件下均能达到较佳的误码率，检测效果较好。

本领域的技术人员应该明白，上述的本发明实施例所提供的装置和/或系统的各组成部分，以及方法中的各步骤，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上。可选地，它们可以用计算装置可执行的程序代码来实现。从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所公开的实施方式如上，但所述的内容仅为便于理解本发明技术方案而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种LTE系统物理层上行控制信道的半盲检测方法，其特征在于，该方法包括以下步骤：

对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)，其中，l为SC-FDMA的符号位，k为子载波序号，u为终端序号；

基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)、H_u,symbol2(l,k)、H_u,symbol3(l,k)和H_u,symbol4(l,k)，根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)，从而得到信道估计，其中，n为假设信息的序号；

根据小区输入信息R(l,k)、信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)计算假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd；

遍历全部假设信息，利用信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)、噪声方差σ² _u,n,1st和σ² _u,n,2nd对各天线接收的小区输入信息R(l,k)进行最大比合并，计算相关值corr_n，由最大相关值对应的假设信息得到上行控制指示UCI信息。

2.如权利要求1所述的方法，其特征在于，所述对基站接收的小区输入信息R(l,k)进行解复用处理得到终端信息R_u(l,k)的步骤包括：

根据小区参数和终端参数确定正交ZC序列，构建终端ZC序列矩阵ZC_u(l,k)；

将基站接收的小区输入信息R(l,k)与终端ZC序列矩阵做共轭乘法得到终端信息R_u(l,k)。

3.如权利要求1所述的方法，其特征在于，所述基于终端信息R_u(l,k)利用QPSK符号构建信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)的步骤包括：

用四种QPSK符号与终端信息中非参考信号部分进行共轭相乘，以消除QPSK符号的影响，将终端信息中参考信号部分的数据保持不变，构造与四种QPSK符号对应的四个l列k行的信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)。

4.如权利要求3所述的方法，其特征在于，所述信道频域响应矩阵中非参考信号部分的列向量表示为：

$H_{u,\mathrm{symbol}1}(l,k)=R_u(l,k)*e^{-\frac{1}{4}\mathrm{\&pi;j}},$     l＝0,2,3,4,6,7,9,10,11,13

$H_{u,\mathrm{symbol}2}(l,k)=R_u(l,k)*e^{-\frac{3}{4}\mathrm{\&pi;j}},$    l＝0,2,3,4,6,7,9,10,11,13

$H_{u,\mathrm{symbol}3}(l,k)=R_u(l,k)*e^{-\frac{5}{4}\mathrm{\&pi;j}},$    l＝0,2,3,4,6,7,9,10,11,13

$H_{u,\mathrm{symbol}4}(l,k)=R_u(l,k)*e^{-\frac{7}{4}\mathrm{\&pi;j}},$     l＝0,2,3,4,6,7,9,10,11,13

所述信道频域响应矩阵中参考信号部分的列向量表示为：

$\begin{array}{c}{H}_{u,\mathrm{symbol}0}(l,k)=H_{u,\mathrm{symbol}1}(l,k)=H_{u,\mathrm{symbol}2}(l,k)=H_{u,\mathrm{symbol}3}(l,k)\\ \begin{array}{cc}=H_{u,\mathrm{symbol}4}(l,k)=R(l,k)*\stackrel{\&OverBar;}{{\mathrm{ZC}}_u(l,k)},& l=\mathrm{1,5,8,12}\end{array}\end{array}$

其中，ZC_u(l,k)表示终端u的ZC序列矩阵。

5.如权利要求3所述的方法，其特征在于，所述根据假设信息从信道频域响应矩阵中选择与QPSK符号对应的列向量进行组合，计算通过假设信息得出的在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)的步骤包括：

将假设信息映射为包含10个QPSK符号的QPSK符号序列，10个QPSK符号按顺序依次对应信道频域响应矩阵中的第0,2,3,4,6,7,9,10,11,13列；

根据QPSK符号序列中的QPSK符号，在四个信道频域响应矩阵中选择与QPSK符号对应的信道频域响应矩阵，QPSK符号分别对应信道频域响应矩阵H_u,symbol1(l,k)，H_u,symbol2(l,k)，H_u,symbol3(l,k)和H_u,symbol4(l,k)，在与QPSK符号对应的信道频域响应矩阵中，根据该QPSK符号在QPSK符号序列中的位置选择相应的列，得到SC-FDMA符号的信道频域响应矩阵中非参考部分数据的列向量；

以信道频域响应矩阵中参考信号部分的列向量，做为SC-FDMA符号的信道频域响应矩阵中参考部分数据的列向量；

根据SC-FDMA符号的信道频域响应矩阵的列向量计算平均值，得到假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)。

6.如权利要求5所述的方法，其特征在于，所述假设信息在每个时隙的信道频域响应H_u,n,1st(k)和H_u,n,2nd(k)分别表示为：

$H_{u,n,1\mathrm{st}}\left(k\right)=\frac{1}{6}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

$H_{u,n,2\mathrm{nd}}\left(k\right)=\frac{1}{6}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{H}_{u,n}(l,k),k=\mathrm{0,1},...11$

其中，H_u,n(l,k)表示终端u接收的第n种假设信息对应的第l位SC-FDMA符号的信道频域响应。

7.如权利要求5所述的方法，其特征在于，所述假设信息在每个时隙的噪声方差σ² _u,n,1st和σ² _u,n,2nd表示为：

${{\mathrm{\&sigma;}}^2}_{u,n,1\mathrm{st}}=\frac{1}{12*7}(\underset{k}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{6}{\mathrm{\&Sigma;}}}{\left|R(l,k)\right|}^2-7\underset{k=0}{\overset{11}{\mathrm{\&Sigma;}}}{\left|H_{u,n,1\mathrm{st}}\left(k\right)\right|}^2),$

${{\mathrm{\&sigma;}}^2}_{u,n,2\mathrm{nd}}=\frac{1}{12*7}(\underset{k}{\mathrm{\&Sigma;}}\underset{l=7}{\overset{13}{\mathrm{\&Sigma;}}}{\left|R(l,k)\right|}^2-7\underset{k}{\mathrm{\&Sigma;}}{\left|H_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2)$

其中，σ² _u,n,1st表示终端u在第n种假设信息条件下第一时隙的噪声方差，σ² _u,n,2nd表示终端u在第n种假设信息条件下第二时隙的噪声方差。

8.如权利要求5所述的方法，其特征在于，所述由最大相关值对应的假设信息得到上行控制指示UCI信息的步骤中包括：

确定与最大相关值对应的QPSK符号序列；

基于假设信息与QPSK符号序列的映射关系，得到与最大相关值对应的假设信息，做为完成解码的上行控制指示UCI信息。

9.如权利要求5所述的方法，其特征在于，所述相关值corr_n表示为：

${\mathrm{corr}}_n=\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{{\left|{H^r}_{u,n,1\mathrm{st}}\left(k\right)\right|}^2}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,1\mathrm{st}}\right)}^2}+\underset{k}{\mathrm{\&Sigma;}}\underset{r}{\mathrm{\&Sigma;}}\frac{{\left|{H^r}_{u,n,2\mathrm{nd}}\left(k\right)\right|}^2}{{\left({{\mathrm{\&sigma;}}^r}_{u,n,2\mathrm{nd}}\right)}^2}$

其中，r表示天线序号，H^r _u,n,1st(k)表示在第r条天线上接收到终端u的第n种假设信息在第一时隙的信道频域响应，(σ^r _u,n,1st)²表示在第r条天线上接收到终端u的第n种假设信息在第一时隙噪声方差；

H^r _u,n,2nd(k)表示在第r条天线上接收到终端u的第n种假设信息在第二时隙的信道频域响应，(σ^r _u,n,2nd)²表示在第r条天线上接收到终端u的第n种假设信息在第二时隙噪声方差。

10.如权利要求1-9中任一项所述的方法，其特征在于，进一步包括：遍历小区中全部终端，计算每一终端的上行控制指示UCI信息。