CN105429731A - Rfid接收器 - Google Patents

Abstract

来自RFID标签的RFID数据信号可以通过如下步骤被恢复：使用与影响接收信号的数据、时序、波特率和/或相位变量相关的一组预定概率，确定一系列成对信号采样点之间的数据状态之间的转移概率，并且处理那些确定的概率以确定具有最高发生概率的这种转移的序列。与以相对方向转移相关的第二组预定概率可以被用于相反方向的序列。表示RFID标签数据的序列的确定可以以两个方向重复，直到进一步的重复不改变所确定的概率。

Description

RFID接收器

本申请是于2006年10月27日提交的名称为“RFID接收器”的中国专利申请200680049551.0的分案申请。

相关申请的交叉参考

本申请要求于2005年10月28日提交的编号为60/731,629的美国临时申请的权益。

技术领域

本发明涉及发射器－接收器系统，并且具体地涉及在艰难环境中检测信号的系统，如用于传感网络和射频识别(RFID)系统的系统。

背景技术

在艰难环境中检测信号已经成为实际的问题，诸如在信噪比很低和/或来自其它信号的干扰很高的环境中。在现今的很多系统中，经典的检测理论被用于数字收发器中。在这些系统中，通过使用设计用于匹配接收器输入端信号波形的“匹配滤波器”，嵌入在信息负载信号中的比特流每次被检测一比特。

需要的是用于检测非常微弱的信号的一种稳定且有效的方法，所述微弱信号带有由信号源特征和传播环境造成的严重相位和时序模糊度。所提出的系统与经典信号检测器相比具有明显更高的性能。

发明内容

在第一方面，操作RFID接收器的方法可以包括采样来自至少一个被询问RFID标签的包括RFID数据信号的接收信号；提供在数据状态之间形成具体转移的接收信号样本或采样点的预定概率，每个预定概率与影响接收信号的数据、时序和波特率相关；把所述一组预定概率应用到多对信号样本中的每一对以确定所述接收信号的概率，所述接收信号在所述对内的每个信号样本之间形成具体转移；以及通过确定具有最高发生概率的所述接收信号中的转移序列处理所述确定概率以恢复RFID数据信号。

所述预定概率可以也与影响所述接收信号的相位变量相关。所述应用所述一组预定概率和所述处理所述确定概率可以被重复以恢复所述RFID数据信号。所述一组预定概率与第一方向中的转移相关。可以提供第二组预定概率，所述预定概率与相对方向中的转移相关；并且把所述第二组预定概率应用到多对信号样本中的每一对以确定所述接收信号的第二概率，所述接收信号在所述对内的每个信号样本之间以所述相对方向形成具体转移；以及可以处理所述第一和第二确定概率以恢复所述RFID信号。应用所述第一和第二组预定概率以及所述处理所述第一和第二确定概率可以被重复以恢复所述RFID数据信号。所述应用和处理可以被重复直到进一步的重复不改变所述确定概率。

附图说明

图1是RF发射器—接收器系统和无源传感器的简化框图。

图2a是图1所示类型的端到端通信系统的简化框图。

图2b是图2a所示系统的SISO实现的模型。

图3是作为4端口设备的SISO解码器的图示。

图4是带有交织和解交织的SISO处理的框图。

图5是量化相位空间的图解说明。

图6是量化时域的图解说明。

图7是网格图(trellisdiagram)的示例的图解说明。

图8a是单态网格转移的图解说明。

图8b是网格段的图解说明。

图9a是单奇偶校验(SPC)码的框图。

图9b是RFIDSISO解码器的框图。

图9c表示循环码的SISO解码器的详细操作。

图9d图解说明SPC的SISO解码器的操作。

图10是模块化的相干SISO解码器。

图11是模块化的非相干SISO解码器。

图12a图解说明模块化的级联非相干。

图12b图解说明相干SISO解码器。

图13a是RFID系统的框图。

图13b是图13a中阅读器/询问器的框图。

图14a是用于RFID应用的FM0编码器的框图。

图14b是用于RFID应用的Miller(米勒)编码器的框图。

图15a是经典相干检测器的框图。

图15b是经典非相干检测器的框图。

图15c是多符号非相干检测器的框图。

图15d图解说明图15c中多符号非相干检测器的操作。

图16示出了FM0和Miller码的网格图。

图17示出了作为信噪比函数的比特误差率。

图18示出了带有时变持续时间的脉冲的时序网格(timingtrellis)段的第一种方法。

图19示出了图18方法的时序刻度标记。

图20示出了对于时变持续时间的脉冲使用折叠时序网格的第二种方法。

图21示出了每个节点带有三个转移的树状图。

图22示出了符号树结构方法3的示例，其中N＝4且Δmax＝l。

图23示出了带有窗口的符号树结构方法3的示例，其中N＝4且Δmax＝l。

图24示出了SISO实现：中间度量变量计算。

图25示出了SISO实现：节点处理器和分支选择单元的互连。

图26示出了SISO实现：扩展的并行源节点处理。

图27示出了前向和后向处理器。

具体实施方式

接收器子系统可以提供增强的信号检测，这种检测可以容忍一些时延，特别是用于传感网络和基于无源射频识别(RFID)的系统。这种系统可以使用带有软输入－软输出(SISO)组件的迭代或重复处理技术，以便将信道解码与均衡、解调、相位跟踪、符号时序(symboltiming)和同步以及干扰抵消相结合。这通过在有限状态机(FSM)的任意给定状态下基于观察向量来交换概率或“软信息”或者等同的发送符号正确检测概率而实现，所述FSM模拟观察空间。FSM在时域中的演进得出在此被称作“网格(Trellis)”的平面图。在存在带有随机相位与时序的附加白高斯噪声(AWGN)的情况下，使用SISO的接收器的性能接近理想相干接收器的性能。在存在诸如多路经、衰减和干扰的其它信道异常的情况下，性能增益更大于传统系统。此处描述的SISO解码器也可以用于采用串行或并行级联的信道编码方法的应用。

本文公开的系统可以使用迭代算法，这种算法可以被应用于宽范围传感类的信号和波形。带有软输入－软输出(SISO)组件的迭代处理技术可以被用于将信道解码与均衡、解调、相位跟踪、符号时序和同步以及干扰抵消相结合。这通过概率或“软信息”的交换来实现。当发送序列从二进制对称源(BSS)被生成并且在存在附加白高斯噪声(AWGN)、信道失真、随机相位和同步误差的情况下，这种接收器的性能趋近于未编码信号的理想相干接收器。在出现诸如多路经、衰减和干扰的其它信道异常的情况下，预期的性能增益比传统系统高得多。此处描述的全部SISO解码器也可以用于采用串行或并行级联信道编码方法的应用。

现在参考图1，发送系统1-10在诸如RF信道的正向/前向信道1-16内发送信号，该信号被施加于可以是RFID标签的传感器1-14。前向信道1-16内的发送信号x(t)可以被建模为复数发送信号的实部，就是说其中t∈[nT_sym,(n+1)T_sym]；其中T_sym表示符号时间间隔，α(t)可以是承载信号的复数值或实数值信息，而θ表示符号时间内发送信号的相位。这个相位可以从符号到符号之间随时间变化。在无源RFID标签应用中，发送波形和接收波形是独立的，然而，从标签1-14发送的功率取决于来自阅读器信号的功率和标签把其接收的功率转化为返回阅读器的可用发送功率的效率。在有源传感器中，发送信号和接收信号一般是互相独立的信号。

发送系统1-10包括发送系统1-10的数据源1-2，其用于调制发射器1-4。天线1-5通过前向信道1-16把调制信号施加于传感器1-14。一般在RFID应用中，发射器1-4和数据源1-2形成RFID网络的询问器和阅读器。数据源1-2由阅读器使用，以把地址和/或命令序列嵌入诸如RFID标签1-14的器件。在后向散射无源RFID标签中，发送信号也可以嵌入带有连续波(CW)的正弦信号，这种信号可以用于为无源RFID标签供应功率。然后RFID标签1-14可以基于接收命令，通过被图解说明为返回信道1-18的空间，响应返回数据序列。接收系统1-12的主要功能是在返回信道1-18内遇到诸如多路径和/或自然和人为干扰的多种失真的情况下，检测从传感器1-14发送的数据。接收器系统包括接收天线1-7，其把从RFID标签1-14接收的信号施加于接收器1-6。然后来自接收器1-6的检测数据可以被用户1-8使用。在RFID应用中，数据用户是阅读器，其把数据传递到用于解译接收包的高层协议。对于无源RFID标签，发送系统1-10和接收系统1-12可以被称为“阅读器/询问器”1-13。

图1示出基本的发射器接收器对即阅读器/询问器1-13。信号通过脉冲响应h(t)在通信信道上被发送并掺杂有附加白高斯噪声(AWGN)n(t)，接收信号y(t)被建模为：

y(t)＝x(t)*h(t)+n(t)(1)

其中“*”表示卷积运算。

现在参考图2，图2a示出传感信号的端到端通信系统物理结构图模型2-1，并且所述模型2-1包括数据源2-2，其馈送到发射器2-4内的调制器。这个信号经由前向信道2-6施加于传感器2-8。只有当来自传感器2-8的发送信号是原始信号的部分放大形式的情况下，脉冲响应/冲激响应是前向信道和返回信道的合成脉冲响应，也就是h_f(t)*h_r(t)。在无源RFID应用中，标签一般只可使用来自阅读器的信号来为自身提供能量。来自标签的返回信号使用后向散射调制来调制返回到阅读器的电子产品代码或响应，在这种情况下，信道脉冲响应只限于返回信道转移函数2-10。接收器2-11检测输入比特流，并将其输出到用户数据2-12。

在离散时域内，我们把这种复数接收信号在时间n关于第k包或帧的采样形式表示为N维向量，

y_k＝H_kx_k+n_k(2)

这里y_k表示从接收信号复数信号(下转换后)如y(nT_s)均匀采样获得的N维接收复数向量，其中T_s表示采样间隔，并且集合信道传输函数被表示为：

信道响应矩阵H可以是实数或复数值常量，或属于特定类型的随机分布函数，以模拟室内或室外多路经信道响应。

序列误差概率可以被最小化，其相当于最大化取决于观察序列的后验误差概率。经估计的发送符号是：

${\widehat{\mathrm{\α}}}_n=\underset{a_n\∈\mathrm{\Ψ}}{\arg \max }P\left(a_n\right|y)---\left(4\right)$

其中ψ代表输入符号集(alphabet)。

通过运用贝叶斯规则(Bayesrule)，得出

如果ψ＝{0,1}那么设对数似然比

${\mathrm{\Λ}}_1\left(a_n\right)=\log \frac{\mathrm{Pr}(a_n=1|y_k)}{\mathrm{Pr}(a_n=0|y_k)}.---\left(6\right)$

使用Bayes公式并消除Pr(y)，获得可靠性信息或“外部(extrinsic)”信息

Λ₁(a_n)＝λ₁(a_n)+λ₂(a_n)，(7)

其中 ${\mathrm{\λ}}_1\left(a_n\right)=\log \frac{\mathrm{Pr}\left(y\right|a_n=1)}{\mathrm{Pr}\left(y\right|a_n=0)}$ 代表“外部信息”而 ${\mathrm{\λ}}_2\left(a_n\right)=log\frac{\mathrm{Pr}(a_n=1)}{\mathrm{Pr}(a_n=0)}$ 代表先验对数似然比(LLR)值。序列λ₁(a_n)在每次迭代中被计算，并且是图4显示的软度量(softmetric)计算块4-8的函数。在SISO解码器中，如图4中所示的解码器4-2，每个发送符号的后验概率可以被计算，然后从可靠性信息中减去后验概率以消除先验信息的影响。然后外部信息可以被反馈以用于下一次迭代的度量计算，其中：

${\mathrm{\λ}}_2\left(a_n\right)={\mathrm{\Λ}}_2\left(a_n\right)-{\widetilde{\mathrm{\λ}}}_1\left(a_n\right)=\log \frac{\mathrm{Pr}(a_n=1|y)}{\mathrm{Pr}(a_n=0|y)}---\left(8\right)$

其中颚化符号(tilde)(～)表示来自上一次解码状态的值。在存在未知随机相位和时序的情况下，有必要考虑输入和输出联合概率分布函数Pr(a,τ|y)，在这个函数中，等式(4)表达的最优化问题变为

$({\hat{a}}_n,{\mathrm{\φ}}_n,{\mathrm{\τ}}_n)=\underset{(a_n,{\mathrm{\φ}}_n,{\mathrm{\τ}}_n)\∈\mathrm{\Ψ}}{\mathrm{argmax}}P(a_n,{\mathrm{\φ}}_n,{\mathrm{\τ}}_n|y),---(8a)$

其中ψ代表α_n，φ_n，τ_n可取的所有值的集合。

现在参考图2b，在理论模型2-30中，通过把单一的新信道编码运用于用户数据可以增强整个RFID系统的性能。这种编码技术可以包括外部码2-19、交织器2-18和单奇偶校验码2-16的使用，后面详细说明的单奇偶校验码2-16被用来驱动信道上的调制编码器。例如，外部码可以是循环码(仅采用大小为M的输入数据并重复q次，其中q>1)。大小为M位的输入数据可以被分成N个相等大小的序列，其中每个序列的大小为M/N。每个序列被复制(重复)q次(比如说q＝3)，然后通过每个大小为M/N的不同交织器排列，所有重复和排列的子序列进入具有Nq个输入和一个输出的单奇偶校验(SPC)。SPC输出序列的大小可以是M/N。要求的输出序列可以被认为是奇偶序列。需要注意的是对于这个示例，交织器2-18是多于一个的多个交织器。然后N个数据子序列和奇偶序列可以被复用，以产生长度为M+M/N的序列，这个序列进入调制器编码器，即FM0、米勒(Miller)或RFID系统中使用或要被使用的任何其它调制器解码器。必须注意的是如果期望得到RFID系统的编码增益，2-19，2-18和2-16是可选的。

所示SISO解码器可以被视为基于有限状态机(FSM)把输入序列a映射到输出序列c的器件。如果2-19、2-18和2-16的编码方案被采用，当模拟用于数据编码器的FSM时，SISO解码器将被设计为实现输出码2-19、交织器2-18、单奇偶码2-16和调制解码器2-14的功能。SISO解码器被嵌入接收器2-28。输出码2-19、交织器2-18和单奇偶校验码2-16组成信道编码方案，这个方案还利用用于实现2-28内接收器的SISO解码器。对于只写入一次而读取许多次的无源RFID标签类型，用于RFID应用的信道编码技术的可行方法是在写入RFID标签的存储器之前把信道编码方法运用到RFID标签的识别器。对于写入与读取很多次的RFID的情况，编码器(就是2-19、2-18和2-16)可以在标签内实现，或者当信息被写入标签时，阅读器可以预编码期望储存的信息。当信息从标签取回，也就是当阅读器读取标签时，RFID标签通过信道2-10把储存信息发送回阅读器。在这种情况下依靠标签内储存信息的结构实现了编码增益。

另外，SISO解码器可以联合估计信道的状态，在合成器2-24内随机相位被模拟为复数乘数。任何接收子系统特别是无线系统内固有存在的时序偏移可以在时序偏移2-26内通过多路径传播特性模拟。对于信道模型2-22，有限状态机可以被用于表示带有如等式(3)中信道矩阵所示的存储器的信道。

现在参考图3，诸如SISO解码器3-2的SISO解码器可视为四端口器件。SISO解码器3-2的输入是信道输出3-10和发送符号序列3-8的联合概率。SISO解码器3-2的输出是信道输出3-4和发送符号序列3-6的联合概率。从有限字符集与a先验概率Pr(a)推导出输入符号a＝(α_k)其中(是整数集)。设c＝(c_k)且是从字符集与先验概率Pr(c)推导出的输出序列。SISO解码器3-2在输入端接收概率分布序列，并输出概率分布序列，也就是：3-8中的输入概率P_k(α；I)，3-10中的输入概率P_k(c；I)和3-6中的输出概率P_k(α；O)，3-4中的输出概率P_k(α；O)。

现在参考图4，当采用提出的信道编码方法时，SISO解码器4-2为使用的目的被图解说明。SISO解码器4-2的输入通过计算等式(8)被馈送，如所示解交织器4-6的输入。解交织器4-6的输入值和交织器4-4的输出是从SISO解码器的最后一次解码迭代中计算的值。软度量计算可以通过在软度量计算器4-8内使用观察信号4-9和来自步骤4-10的固定相位值、时序和信道状态来计算等式(7)而执行。交织器4-4和解交织器4-6的功能和结构通过外部码重复率来规定并在下文讨论。在每次迭代的结尾，SISO解码器4-2输出Λ₂(a_n)多个输出，然后从4-6的输出减去该输出，并将该输出馈送到交织器模块4-4来计算用于4-10和4-8内下一次迭代的输入度量。这个过程可以被重复直到SISO解码器4-2收敛，在这时，外部信息被输出，用以解码输出流。

这些输入和输出联合概率分布函数的递归计算，也就是：P_k(α；I)，P_k(α；0)，P_k(c；0)和P_k(c；I)可以通过将接收符号模拟为来自离散时间有限状态马尔可夫(Markov)过程源的输出而得到。在时间t所述源的状态由来表示，并且其输出由Y表示。从时间t到t′延伸的源的状态序列可以基于基础的有限状态机模型得到。相应的输出形成第一阶Markov链，也就是

$\mathrm{Pr}\left(S_{\mathrm{\θ}}^{t+1}\right|S_{\mathrm{\θ}}^t,S_{\mathrm{\θ}}^{t-1},...,S_{\mathrm{\θ}}^1)=\mathrm{Pr}\left(S_{\mathrm{\θ}}^{t+1}\right|S_{\mathrm{\θ}}^t)---\left(9\right)$

现在参考图5，为了相位序列估计和开环跟踪，相位空间可以被量化为Q^φ个相等间隔并表示为：

相位序列可以被模拟为环绕单位圆随机游走，这是一个Markov过程：φ_n＝φ_n+Δφmod2π,其中φ_n∈Θ^φ并且Δφ可以被模拟为从已知概率密度函数(即量化高斯函数、季哈诺夫(Tikhanov)函数等)中在量化相位空间内取值的离散随机变量。这种相位转移的概率可以被表示为p_ij。

Markov源的M个不同状态由整数m下标表示,其中m＝0,1,…,(M-1)，概率转移函数：

其中并且p_ij＝p_ji，也就是矩阵是对称和双重Markov。

现在参考图6，符号持续时间Q^τ可以被量化为相等的时间间隔和同步。时序空间可以被表示为：

Θ^τ＝{τ,±2τ,±3τ,…}(12)

设：表示所有可能符号时序间隔的集合，其中V是集i的基数，这样那么J代表集合Υ的任何一项，即J∈Υ。

为了给相位跟踪分配转移概率矩阵P，使用锁相环的经典理论是可行的，其中状态相位误差分布和来自振荡器的时钟稳定性可以被计算或估计。因此矩阵P可以基于从一个时序状态到另一个时序状态的单转移概率被计算。为了给符号时序分配转移概率矩阵P，也可以使用几何分布(即其中是常量，这样 $\underset{n=1}{\overset{M}{\Σ}}\frac{\∂}{M^n}=1$ )。

假设信道脉冲响应长度为L，在每个时刻k＝1,2,...,N，信道的状态是在系统内表现存储器性质的随机变量，也就是给定Sk，状态Sk+1只可能被假设为在时间k被馈送到抽头延迟线的a+1或a-1对应的两个值中的一个。因此，当给定二进制输入字符集{+1,-1}，信道可以是2^L状态ri中的一个状态，其中i＝1,2,...,2^L；其对应于延迟元件的2^L2L个不同的可能量。这个集合可以由可能状态集合Θ^h来表示。此外，设Θ^e代表调制编码器、线编码器或微分编码器的可能状态的集合。

设积空间

$\mathrm{\Ω}={\mathrm{\Θ}}^e\⊗{\mathrm{\Θ}}^h\⊗{\mathrm{\Θ}}^{\mathrm{\τ}}\⊗{\mathrm{\Θ}}^h---\left(13\right)$

表示系统所有可能状态的空间，其中表示笛卡尔(Cartesian)积并且N是Ω的基数。

现在参考图7，这样，状态Sⁿ∈Ω的可能演变可以用网格图的形式描述。这种网格结构的16状态网格图的实例在图7中被图解说明，其中从网格的每个状态到另一个状态有16种转移。

Markov源的状态转移由转移概率支配。在这种情况下，SISO解码器的前向和后向对数概率可以被定义如下：

$\begin{array}{c}{a}_k\left(S\right)=\underset{e:S^n\left(e\right)\∈\mathrm{\Ω}}{Max}\left\{\begin{array}{c}{a}_{k-1}\left(S^S\right(e\left)\right)+{\mathrm{\Π}}_k\left(a\right(e);I)+\\ {\mathrm{\Π}}_k\left(c\right(e);I)+{\mathrm{\Π}}_k\left(c\right(e);O)\end{array}\right\}\\ {\mathrm{\β}}_k\left(S\right)=\underset{e:S^n\left(e\right)\∈\mathrm{\Ω}}{Max}\left\{\begin{array}{c}{\mathrm{\β}}_{k-1}\left(S^S\right(e\left)\right)+{\mathrm{\Π}}_{k+1}\left(a\right(e);I)+\\ {\mathrm{\Π}}_k\left(c\right(e);I)+{\mathrm{\Π}}_k\left(c\right(e);O)\end{array}\right\}\end{array}---\left(14\right)$

$\∀k=1,...,N,$ 其中

这种最大化遍及与从连接在网格内的所有可能状态的集合中选择的状态相连接的所有边e。等式(14)在对数域内可以表示为：

$\begin{array}{c}{\mathrm{\Π}}_k(c;0)=\underset{e:c\left(e\right)=c}{Max}\left\{\begin{array}{c}{a}_{k-1}\left(S^S\right(e\left)\right)+{\mathrm{\Π}}_k\left(a\right(e);I)+\\ {\mathrm{\β}}_k\left(S^E\right(e\left)\right)\end{array}\right\}+h_c\\ {\mathrm{\Π}}_k(a;0)=\underset{e:a\left(e\right)=a}{Max}\left\{\begin{array}{c}{a}_{k-1}\left(S^S\right(e\left)\right)+{\mathrm{\Π}}_k\left(c\right(e);I)+\\ {\mathrm{\β}}_k\left(S^E\right(e\left)\right)\end{array}\right\}+h_u\end{array}---\left(16\right)$

并且初始值为

量h_c和h_u是归一化常数，用来限制α和β数值的范围。状态集Ξ＝{S₁,S₂,…,S_n}和边E＝{e₁,e₂,…，e_k}表示网格状态之间的全部可能转移。S^S(e)代表转移e∈E的开始状态到结束状态S^E(e)，其中输入符号α(e)与输出符号c(e)相对应。

现在参考图8a，图8a图解说明了用于二进制情况的α_k和β_k计算操作，即从S_k转移到S_k+1的两个转移。在每次迭代中，通过考虑图8a中的网格结构可以计算前向和后向对数概率，也就是

a_k＝max(a_i+m_ik,a_j+m_jk)

(18)

β_i＝max(β_k+m_ik,β_l+m_il)

为了计算如图8b显示的每位的外部信息，输入比特序列可以简单写成：

${\mathrm{\Π}}_k(a;0)=\underset{\→a=1}{\underset{Alledges}{Max}}\{a+m+\mathrm{\β}\}-\underset{\→a=0}{\underset{Alledges}{Max}}\{a+m+\mathrm{\β}\}---\left(19\right)$

输出的外部码是

${\mathrm{\Π}}_k(c;0)=\underset{\→c=1}{\underset{Alledges}{Max}}\{a+m+\mathrm{\β}\}-\underset{\→c=0}{\underset{Alledges}{Max}}\{a+m+\mathrm{\β}\}---\left(20\right)$

分支度量m被计算如下：

$m=\left[\begin{array}{c}a\mathrm{\Π}(a;I)+c_l\mathrm{\Π}(c_l;I)+\mathrm{...}+c_r\mathrm{\Π}(c_r;I)+\\ \mathrm{\Π}(c_l;\mathrm{\φ})+\mathrm{\Π}(c_l;\mathrm{\τ})\end{array}\right]---\left(21\right)$

其中r表示信道符号输出c的选择项的下标。

这建立了图3所示的SISO解码器的等效性和通过(21)对等式(18)的计算。

现在参考图9a，其给出了单奇偶校验(SPC)码的结构。大小为M的输入流在多路分用器(DEMUX)9-6内被多路解编为长度是M/N的N个子序列块。在进入多路复用器(MUX)9-8之前，每个子序列可选地通过每个大小为M/N的N个交织器排列。这些“可选的”交织器(如标签)可以与单奇偶校验码之前的交织器一起用来为RFID系统提供安全性。这种方法提供高安全性的RFID系统，前面描述的N个数据子序列被重复q次并通过Nq个交织器排列。被交织的块的输出在合成器9-10内被全部异或到一起，以形成长度为M/N的单奇偶校验序列，这个序列在MUX9-2内被多路复用以形成串行输出流。然后复用器9-2的输出被馈送到调制解码器9-4(其可以是FM0码或Miller码)。在这幅图中的每个交织器块9-8被设计以在交织器的输出端保护输入向量的汉明(Hamming)权重。重复q和在这种情况下定义的码率N/(N+1)是为期望长度的输出序列和编码增益挑选参数而设计的。目前的RFID标签识别器包括范围大概从24位到2048位的向量，这是编码器输出块的大小。输入到多路分用器9-6的输入数据U一旦被编码，就会形成长度为M+M/N的向量。

现在参考图9b，单奇偶校验(SPC)解码器的结构被图解说明为RFID信道SISO解码器。来自SISO调制解码器的大小为M+M/N的软输出流在多路分用器9b-6内被多路解编为长度为M/N的N+1个子序列块。第一组N个子序列通过“可选的”每个大小为M/N的N个解交织器来解交织，其被用来为RFID系统提供安全性。已知这些排列表示RFID系统的密钥，“可选”解交织器后的N个软数据子序列可以被重复q次并通过Nq个交织器排列。被交织的块的输出与用于校验位的来自DEMUX9b-2b的软输出被集中在一起，并输入SISO解码器9b-10内的SISO单奇偶校验解码器以产生软输出。来自SISO单奇偶校验解码器的每个长度为M/N的N+1个软输出子序列进入Nq个解交织器9b-8b。解交织器的软输出进入SISO重复解码器。重复解码器的输出进入“可选”交织器。“可选”交织器的输出与来自SISOSPC的用于校验位的软输出一起在MUX9b-2b内被复用以形成串行输出流。然后复用器9b-2b的输出被馈送到SISO调制解码器9b-4(如FM0或Miller解码器)。这个过程进行几次迭代。用于重复解码器的SISO的输出和输入被相加以提供输入子序列数据流的可靠性。N个子序列流被输入到多路分用器9b-6。经多路解编的处理的输出被输入硬判决器件9-16以产生解码比特流U。图9c中的步骤9c-10、9c-12、9c-14、9c-16和9c-18显示了用于循环码的SISO解码器的详细操作。图9d中的步骤9d-10、9d-12、9d-14和9d-16显示了SPC的SISO解码器的详细操作。

现在参考图10，图10公开了相干SISO接收器10-10。在这个情况下，外部、内部和分支度量分别通过等式(18)到(21)的等式组表示。插图的编号表示每个处理子系统的函数，分析器和均衡器框图被显示在10-6，估计块框图被显示在10-2，检测器框图被显示在10-4。输入信号可以穿越空间或有线基础设施到达接收器，在系统内的传送装置方面不存在限制。接收信号被多路解编为用于通信系统的包或帧大小的并行流。然后接收信号被馈送到输入10-8中的信道均衡器和干扰抵消器滤波器组。这个信号通过向量相位旋转(向量复数乘法)10-10被旋转。10-10的输出被用来计算软度量，然后软度量被馈送到SISO解码器10-14。

相干SISO解码器的工作原理可以被描述如下：从接收信号的串行到并行转化10-52获得观察向量10-50y以形成向量10-50。10-50中指示的M被选作接收包内样本的长度，或出于实际考虑，被选作用于期望的硬件复杂性的方便长度。信号10-50被馈送到由调制滤波器组组成的信道均衡器10-16。为典型部署方案选择滤波器组传递函数以匹配传播环境和使用案例方案。来自信道均衡器10-16的信号通过旋转器10-10被旋转相位并被馈送到相关器和软度量估计块10-12。当使用信道编码时，如上文图4讨论的并且在块4-6和4-4处理的，从交织器的输出减去估计块10-12的输出。当使用可选模式时，解交织器10-24和交织器块10-26被匹配到用于编码9-8中的数据的信道编码交织器块。来自解交织器10-24的信号被馈送到SISO接收器10-14。在每次迭代后，SISO解码器10-14的输出被输入到交织器10-26，其输出被馈送到信道估计块10-36和度量计算块10-12。信道估计块10-36解码等式(3)中的信道脉冲响应，并被用于更新信道均衡器和干扰抑制块10-16的滤波器组系数。接收向量y10-50(也表示为Y_k，其中下标k代表示10-30中的迭代下标)也被馈送到时钟10-34、10-28、10-39和10-37。对于延迟10-34，信号作为信道估计块的输入数据被延迟以匹配每次迭代需要的等待时间。在10-37中的观察向量被用来检测前导序列并初始化符号时序块10-39。符号时序块10-39在每次迭代中从10-62更新，10-62的信号和SISO解码器的输出10-60的信号是相同的。符号时序块10-39的输出生成方波输出10-35，其被用作整个系统的基准符号时钟源。在一些RFID标准中，如果在波形中有残余载波，跟踪环路10-46被用来提取连续波(CW)并计算来自载波偏移块10-38中理想载波频率的相位偏移。在一些RFID标准中，如果使用子载波，载波偏移块10-38的输出还通过估计来自子载波相位的附加相位偏移项、通过执行10-42中的精细频率跟踪以及通过计算相位偏移块10-44中的相位偏移而被增强。来自精细频率块10-42的频率估计也可以被馈送回到FFT10-18来为下一次迭代更新信号频谱估计。

在可选模式中，可能希望在检测器10-4中显示的SISO解码器的每次迭代中也额外地执行频域均衡化。在出现快速频率衰减信道的情况下，这种功能性可以被增强，在所述情况中信号可能在信号符号间隔期间发生快速衰减。在RFID系统中，这些可能由传送带、快速移动隧道公路或移动车辆引起。在这种情况下，估计的脉冲响应状态可以被馈送到均衡器系数估计块，均衡器系数估计块提供FFT块以补偿衰减和多路径效应。

现在参考图11，非相干SISO接收器11-10被公开。全部计算块，即11-18、11-20、11-22、11-16、11-10、11-46、11-44、11-42、11-40、11-38、11-36、11-34、11-37、11-39、11-54、11-46、11-40、11-60、11-62的操作，与10-18、10-20、10-22、10-16、10-10、10-46、10-44、10-42、10-40、10-38、10-36、10-34、10-62、10-37和10-39中的操作相同。信道均衡器和干扰抵消器11-16与相干块10-16相同，不同的仅在于现在输入信道估计可以基于非相干估计块，其等式在下文介绍。相干和非相干形式的接收器架构之间的关键区别在于用于分支度量计算的外部信息计算，以及相位旋转器11-10中施加的相位旋转量。信道均衡器块11-16类似于相干情况，不同的仅在于对信道系数的估计是从非相干SISO检测器推导出的。SISO解码器11-14使用与相干情况相似的网格，不同的是11-12中计算的分支度量是基于非相干信号检测理论，该理论本质上是在有随机或未知相位的情况下相位不变。在块11-12的每次迭代中，等式(33)基于外部信息的前一次迭代被计算和/或更新，也就是，基于来自SISO解码器通过等式(21)的最后一次迭代的输出。

在非相干情况下，接收信号(在没有多路径的情况，符号c_k仅由x_k表示)可以用随机和未知相位建模如下，如：

y_k＝Ax_ke^jφ+n_k(22)

在带有n_k的AWGN信道中，就是带有每个尺度方差为σ²的复数零平均高斯噪声，在已知相位和N个符号发送序列的情况下，观察向量的概率分布函数是：

其中o是常量而σ是噪声方差。在一些代数运算后我们将(23)写为

在(0，2π)的均匀分布相位上平均(24)，得出：

$P\left(y\right|x)=o^{\′}.e^{-\frac{A^2}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{I}_0\[\frac{A}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\Σ}}{y}_n^{*}{x}_n\]---\left(25\right)$

其中I₀(.)代表修正的第零级贝塞耳(Bessel)函数。

调用

$P(x_i=x|y)=\frac{1}{P\left(y\right)}\underset{x:x_i=x}{\Σ}P\left(y\right|x)\underset{l}{\Π}P\left(x\right)---\left(26\right)$

从(25)，

$\frac{P(x_i=x|y)}{P(x_i=x)}=o^{\′\′}.\underset{x:x_i=x}{\mathrm{\Σ}}\[\begin{array}{c}{e}^{-\frac{A^2}{2{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}\×\\ I_0\[\frac{A}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n^{*}{x}_n\]\end{array}\]\underset{l\≠i}{\mathrm{\Π}}P\left(x_l\right)---\left(27\right)$

或相等地，外部度量可以在等式(27)近似为

${\mathrm{\Π}}_i(x_i=x,0)\≈\underset{x:x_i=x}{max}\left[\begin{array}{c}-\frac{A^2}{2{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2+\\ \frac{A}{{\mathrm{\σ}}^2}\left|\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y^{*}}_n{x}_n\right|+\\ \underset{l\≠i}{\mathrm{\Σ}}\ln p\left(x_l\right)\end{array}\right]---\left(28\right)$

在特定情况，当x_n取值为+1或-1时，因为|x_n|是常数，那么项可以被忽略。

接下来考虑瑞利(Rayleigh)衰减信道模型。在等式(22)中，量值A是Rayleigh分布的并且相位在(0，2π)间隔内均匀分布。在已知幅值和符号发送序列的情况下，观察向量的概率分布函数是

$P\left(y\right|x,A)=o.e^{-\frac{1}{2{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\Σ}}|y_n{|}^2}{e}^{-\frac{A^2}{2{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\Σ}}|x_n{|}^2}{e}^{\frac{2}{2{\mathrm{\σ}}^2}\mathrm{Re}\[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n*x_n\]}---\left(29\right)$

假设A的平均功率是并且取复数随机变量A的期望得到P(y|x)＝E_A{P(y|x,A)}。

$P\left(y\right|x)=\∫\∫o.e^{-\frac{1}{2}\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}|A{|}^2+\frac{2}{{\mathrm{\σ}}^2}\mathrm{Re}\[\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n*x_n\]\]}dA---\left(30\right)$

其可以被归并到：

$P\left(y\right|x)=c^{\′\′}\frac{1}{\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]}{e}^{\frac{\frac{1}{2}{\[\frac{1}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n^{*}{x}_n\]}^2}{\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]}}---\left(31\right)$

为了从等式(31)得到外部信息，应用下面的等式

$\frac{P(x_i=x|y)}{P(x_i=x)}=$

$c^{\′\′}\underset{x:x_i=x}{\mathrm{\Σ}}\frac{1}{\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]}{e}^{\frac{\frac{1}{2}|\frac{1}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n^{*}{x}_n{|}^2}{\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]}}\underset{l\≠i}{\mathrm{\Π}}p\left(x_l\right)---\left(32\right)$

在一些代数运算后该等式可被简化为：

${\mathrm{\Π}}_i(x_i,0)\≈\underset{x:x_i=x}{\max }\[\begin{array}{c}-\ln \[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]+\\ \frac{1}{2}\frac{\frac{1}{2}|\frac{1}{{\mathrm{\σ}}^2}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{y}_n^{*}{x}_n{|}^2}{\[\frac{\underset{n=1}{\overset{N}{\mathrm{\Σ}}}|x_n{|}^2}{{\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_f^2}\]}\\ +\underset{l\≠i}{\mathrm{\Σ}}\ln p\left(x_l\right)\end{array}\]---\left(33\right)$

需要注意的是∏_l(x_l,0)被定义为lnp(x_l)。

现在参考图12a和12b，并且特别是图12b，带有前面描述的非相干和相干模型的迭代级联SISO接收器的操作如下：

接收向量y_k最初可以在非相干SISO接收器内迭代直到满足最小化序列误差概率的终止规则。然后用于估计符号序列、时序、相位和信道响应的非相干接收器的输出可以用于后续相干SISO接收器中这些序列的初始估计。SISO解码器12-14和12-2本质上是相同的解码器，不同的仅在于SISO解码器12-12从来自非相干SISO解码器12-6的外部信息接收其输入分支度量。

图12a显示了相干SISO接收器系统12-10，其中接收信号被施加于分支度量产生器12-2，其通过等式(18)计算分支度量m_ik。为网格的每个状态从一个状态到另一个状态的每次转移计算这些分支度量。这些分支度量被输入到相干SISO解码器12-14。在足够次数的迭代(由环路12-16指示)有效最小化每次迭代中的序列误差概率后，解码器稍微改进并减小误差概率。开关12-18可以由固定或动态的规则驱动。一般在五到十次迭代后，SISO解码器的输出可以被采样并且被硬量化。一种替代途径可以是监视外部值的动态范围并且当这个值达到稳定状态(不再改变或任意小的改变)，SISO解码器可以停止，而且输出可以被硬限制在块12-20中并被解码。

现在参考图12b，描绘了级联非相干和相干SISO接收器系统12-22，其中接收信号被分支度量产生器12-8使用以将度量值输出到非相干SISO解码器12-6。12-2和12-8之间的差别是：通过将相位分布视为随机，来计算非相干情况的分支度量值，而在相干情况下，假设相位是已知的。在足够数目的迭代(如环路12-24所示)后，非相干SISO解码器12-6的输出被采样开关12-26采样，并且被施加于相干SISO解码器12-12。在足够数目的迭代(如采样环路12-28所示)后，该输出被采样开关12-30施加于硬限制器12-4，然后被提供给数据用户，其中RFID应用是嵌入阅读器系统的协议层-2。一种关闭开关12-26、12-28和12-30的中止规则的选择是监视每个SISO解码器内等式(14)的累计前向和后向度量的增长率，然后当网格内全部状态的逐次迭代之间的差任意小时，中止迭代。

现在参考图13a，示出RFID系统13-10的实现，其中有诸如物品13-7的多个库存物品，每个库存物品包括一个无源RFID标签13-6。阅读器/询问器13-1发出信号到RFID标签13-6以响应他们各自被称为“电子产品代码”(EPC)的标识码。RFID标签13-6随后通过后向散射接带有它们各自EPC的接收信号来响应阅读器13-1产生的信号。该信号可能被来自地面、墙壁以及移动和固定的障碍物13-8的多路径13-4破坏。

现在参考图13b，阅读器/询问器13-1包括发送器天线子系统13-24，其由应用于调制编码器13-15的来自数据源系统13-36的数据调制，并且发送编码RF信号到RFID标签13-7。可替换地，在适当的实施中，外部编码器13-28、交织器13-48和/或单奇偶校验编码器13-50可以被插入在数据源13-36和编码器13-52之间。

阅读器询问器13-1还包括接收器13-28，其接收来自RFID标签7的反射信号，并且为了检测和解码把它们施加到接收器系统13-30。接收器系统13-30的输出把数据提供给系统用户。包括干扰源和诸如静止和移动的物体13-8的多路径反射的不同障碍物，可能在发射或接收信号的路径上。

例如，系统13-10可以被布置在百货公司，其中带有RFID标签13-6的物品为销售而陈列。移动或静止的物体13-8可以表示一天内经过发送和接收路径的购物者和商店职员，也表示如一个或多于一个潜在反射体的相对静止的物体，例如包括广告展板或其它可能以小频率移动或改变的货架)。例如，系统13-10可以被布置以保持对库存物品的跟踪以便检测并防止试图入店行窃，和/或出于其他原因通过把来自阅读器询问器13-1的数据提供给用户使其与库存控制相联系。

数据源系统13-12包括数据源13-36，其为RFID标签13-7提供命令或EPC。信道编码技术可以用于改进整个系统的性能。如果采用信道编码技术，储存在RFID标签7中的电子产品代码被用作输入。数据源可以通过使用外部编码器13-38、交织器13-48和单奇偶校验编码器13-50以预编码格式嵌入电子产品代码(EPC)，同时储存数据被写入RFID标签。在那种情况下，数据源13-36的模型被简化为EPC的查找表；在无源RFID标签的情况下，所述查找表被后向散射(或发送)到询问器或RFID阅读器。同样需要注意的是：通过使用简单散列方法来减少信息序列的长度，在信道编码应用前在询问器内压缩EPC码是可能的。因此，RFID内额外的储存空间被用来储存结果奇偶校验位。例如，对于32位EPC码，序列可以被询问器散列成16位码，在这种情况下有效编码率将是一半的比率，而剩余的16位被用做奇偶校验序列。信道编码方法可以被用于防止信道误差。图9显示的代码是以固定数量的重复度重复每个数据位的循环码。每个输入位的重复次数是确定系统整个编码率的设计参数。交织器13-48用来排列来自外部编码输出13-38的编码数据，这样输入序列的Hamming距离被保护并且该输出被施加于单奇偶校验编码器13-50，如前文图9中的描述。该单奇偶校验编码器13-50的输出被施加于调制编码器13-52。调制器可以使用多种调制技术和由多种RFID标签或传感标准化组织定义的波形。系统13-10适用于任何调制技术或波形。也就是说，调制编码器13-52可以是振幅位移键控(ASK)、开关键控(OOK)、调频(FM)以及应用于接收器子系统13-30的没有任何一般性损耗的其它调制方案。

RFID标签13-7工作以将嵌入信息序列后向散射或主动发送到阅读器或询问器，以生成等式(2)内接收的信号。静止和移动障碍物13-8可以引起由一个或多于一个RFID标签13-7反射的信号之间的干扰。因此由接收器13-30接收的信号可以包括信道干扰、多路径反射和造成RFID标签13-7之间较低信号级检测和识别困难的其它影响。额外的异常也可以出现在通信信道。在如仓库、工厂和商场的室内环境，可能出现由多路径、以及人为干扰(如钻孔噪声，无线电话)或自然干扰(如天花板照明)造成的实体散射。在室外环境，除由植物和潮湿或下雨引起的天气影响造成的信号阻塞外也可能出现干扰和多路径影响。这些信道异常和干扰可全部由接收器系统13-30处理。

接收器系统13-30通过利用本文提出的SISO解码来执行RFID标签13-7之间的检测和识别。假设SISO解码的时延可以被系统13-10的用户忍受，或系统13-10的处理时间对于各RFID13-7运动来说短到实时或接近的实时检测。也就是说，阅读器/询问器13-1在相对较长的时间内处理由接收器系统13-30接收的信号，并且能够通过学习信号特性区分来自不同RFID标签的发送信道。此外，在仓库、工厂和机场布置情景中，当RFID标签被处理时可以在传送带或移动车辆上高速移动。阅读器询问器13-1也基于接收信号的特性补偿移动RFID标签的影响。也就是说系统13-10可以忍受高级别的多普勒频移(Dopplershift)并且仍达到对来自RFID标签信号的高性能检测。

接收器系统13-30也为接收器13-28提供频率信号来调节发送频率。这种频率调节提供一种机制，该机制用于跟踪和选定用于把信息读取并写入RFID标签的频率信道，也支持采用由RFID标准化组织(如ISO、EPC全球)定义的跳频技术的可选波形。

接收器系统13-30在信道均衡器和干扰抵消器13-54内处理接收信号，其通过一组自适应线性相位滤波器组实现，并且目的是最大化接收信号功率和通过抑制来最小化干扰的影响。也就是说，当最大化来自RFID标签的信噪比时，滤波器组的频率响应被设计为消除窄带干扰。信道均衡器和干扰抵消器13-56的输出被施加于旋转器13-58，其适当地实时调节输入信号的相位以跟踪输入信号的相位并补偿移动、Doppler和非理想环境造成的相位噪声的影响。

旋转器13-56的输出被施加于SISO处理器13-58，其包括SISO解码器13-60，该SISO解码器13-60用于输入到软度量计算器，软度量计算器计算与网格结构中从一个状态到另一个状态(或双向图)的每个转移相关联的内部度量值。SISO处理器13-58的输出被施加于相位、信道和频率估计器13-62，其用来基于SISO解码器的输出提供瞬时相位和接收信号的频率估计。

相位、信道和频率估计器13-62的一个输出被施加于旋转器13-56并且为接收信号的相位补偿提供参考，所述接收信号的相位补偿可由运动或其它异常引起。相位、信道和频率估计器13-62的第二个输出被施加于信道均衡器和干扰抵消器13-54，并且提供带有相位和频率变量的自适应算法，所述算法用于计算有限冲激响应滤波器的信道均衡器和干扰抵消器系数。

通过相加外部和内部信息然后硬量化相加的结果，形成用户系统13-34的输出。这个值构成来自RFID标签的检测比特流。当采用前文讨论的信道编码时，SISO处理器13-58内的SISO解码器13-60也包括软度量计算器13-66、解交织器13-64和交织器13-67。

在系统13-30的操作中，因为13-60中的SISO解码器同时估计信道响应和符号时序并有效执行开环相位跟踪，所以具有RFID标签13-6的物品13-6的细动和粗动可以被精确的检测并观察。

现在参考图14a和14b，FM0和Miller码也可以用于无源RFID应用。在FM0编码1410中，用户数据14-22被提供给异或(XOR)门14-18，该XOR门的输出被提供给比特映射器14-16和采样延迟电路14-23。延迟14-23的输出可以作为第二输入提供给XOR门14-18和反向器14-20，该反向器的输出被施加到比特映射器14-14。来自比特映射器14－14和14-16的两个序列分别在复用器14-12内被复用成单个流，并且在重复器14-21内每个被重复一次来提供由调制器使用的FM0编码数据的输出数据14-24。FM0编码器14-10可以用作数据源，如图2中数据源2-2或图2b中数据源2-20。

在Miller编码器14-60中，使用了延迟抽头14-44和14-36。组合逻辑由三个反向器14-46、14-50、14-52、两个或门14-32和14-34以及三个与门14-42、14-36和14-38组成。组合与延迟逻辑的输出序列被馈送到信号映射块14-56和14-58，信号映射块14-56和14-58的输出在14-30内被复用并且在14-57内重复以形成由调制器使用的Miller编码数据的输出数据14-48。

现在参考图15a，描绘了FM0或Miller编码信号的相干检测的技术。所述系统包括：使用信道数据15-28，在积分清零块15-34内每半个符号间隔期间在每个符号周期上对信号积分，在多路分用器(DMUX)15-36内多路解编实部和虚部，在步骤15-38形成叉积，在块15-42内取实部，在量化器15-44内硬量化输出并且从数据块15-46内把数据从-1/+1映射到1和0。这是相干情况。

现在参考图15b，在非相干情况，相似的操作在块15-30、15-32、15-60、15-62、15-64和15-52内执行，不同点仅在于信号的实部被用来形成叉积。非相干检测器15-66和相干检测器的输出是15-48。N_s代表每个符号采样的数量，即N_s＝T_sym/T_s，也就是符号时间与采样周期的比率。

现在参考图15c，示出了用于非相干检测情况的多符号检测器的框图。信道数据15-80被施加到积分清零15-80并且实部由块15-76确定，并且在DEMUX15-74内被多路解编。该输出被施加到非相干多符号检测器15-70以提供输出15-72。

现在参考图16，公开了用于FM0的多符号非相干检测器(MSNNonCoh)。在这个示例中，通过半符号观察的特定序列完成非相干检测，该半符号观察的特定序列从数据间隔中部开始而不是数据间隔的起始处。在无源RFID系统中，连续波的存在转变为带有直流(DC)分量。在存在DC分量时，在时间i处带有FM0编码的接收信号是：

$\begin{array}{c}{y}_{1,i}=(x_{1,i}+c)e^{j\mathrm{\φ}}+n_{1,i}\\ y_{2,i}=(x_{2,i}+c)e^{j\mathrm{\φ}}+n_{2,i}\end{array},i=k-N+2,\mathrm{...},k+1---\left(33\right)$

其中c是DC成分，φ是载波相位偏移(或相位噪声)。不带有一般性损耗，可以假设相位误差在符号和带有每个尺度σ²方差的n_l,i和n_2,i零均值复高斯采样期间内是常量。首先在接收器的DC值c可以被估计为：

$\hat{c}=\frac{1}{N}\[\underset{i=k-N+2}{\overset{k+1}{\Σ}}(y_{2,i-1}+y_{1,i})\]---\left(34\right)$

新的观察可以被定义为

$\begin{array}{c}{r}_{1,i}=y_{1,i}-\hat{c}\\ r_{2,j}=y_{2,j}-\hat{c}\end{array}---\left(35\right)$

接下来修正观察的最大似然(ML)概率可以被计算。特定观察为：

r_2,k-N+1,r_1,k-N+2,r_2,k-N+2,r1_,k-N+3,…….,r_2,k,r_1,k+1

条件概率函数可以公式表示为：

$P\left(r\right|x,\mathrm{\φ})=cons\tan t{e}^{-\frac{1}{2o^2}\underset{i=k-N+2}{\overset{k+1}{\Σ}}\left\{\right|r_{2,i-1}-x_{2,i-1}{e}^{j\mathrm{\φ}}{|}^2+|r_{1,i}-x_{1,i}{e}^{j\mathrm{\φ}}{|}^2\}}---\left(36\right)$

通过在载波相位上平均(36)，ML函数可以近似为

$P\left(r\right|x)\≈I_o\[\frac{1}{2o^2}\underset{i=k-N+2}{\overset{k+1}{\Σ}}\{r_{2,i-1}{x}_{2,i-1}+r_{1,i}{x}_{1,i}\}\]---\left(37\right)$

因为零阶修正Bessel函数是单调函数，因此判定需要的度量(Metric)是：

$Metric=\left|\underset{i=k-N+2}{\overset{k+1}{\mathrm{\Σ}}}(r_{2,i-1}{x}_{2,i-1}+r_{1,i}{x}_{1,i})\right|---\left(38\right)$

用于RFID应用的FM0编码输出14-24的关键特性是

x_2,i＝d_ix_2,i-1

(39)

x_1,i＝-x_2,i-1

把(39)带入(38)得到：

$Metric=\left|\underset{i=k-N+2}{\overset{k+1}{\mathrm{\Σ}}}(r_{2,i-1}-r_{1,i})x_{2,i-1}\right|---\left(40\right)$

或

$({\hat{d}}_k,{\hat{d}}_{k-1},\mathrm{...},{\hat{d}}_{k-N})=\arg \underset{d_k,d_{k-1},\mathrm{...},d_{k-N+2}}{\max }\left|\right(r_{2,k-N+1}-r_{1,k-N+2})+\underset{i=k-N+3}{\overset{k+1}{\mathrm{\Σ}}}(r_{2,i-1}-r_{1,i}\left)\underset{j=k-N+2}{\overset{i-1}{\mathrm{\Π}}}{d}_j\right|$

(40a)

通过扩展N＝3情况的总和，多符号非相干检测规则的最佳判定规则变为：

$(d_k,d_{k-1})=\arg \underset{d_k,d_{k-1}}{\max }\left|\right(r_{2,k-2}-r_{1,k-1})d_{k-1}+(r_{2,k-1}-r_{1,k})+(r_{2,k}-r_{1,k+1}\left)d_k\right|---\left(41\right)$

在步骤15-70中，等式(41)被实现并且在全部可能数据符号d_k∈{+1,-1}上实行最大化。注意的是，这个度量不受DC偏差的影响并且甚至可以在不使用(39)的情况下使用。

现在参考图16，来自图14的编码器结构网格图以FM0的网格16-2和Miller码的网格16-4的形式示出。这些网格图用于无源RFID标签标准应用的SISO解码器，该SISO解码器采用这些编码技术。在有随机相位和时序的情况下，网格图可能太大并且不能通过画图图解说明。这是由于有大量的状态和转移(如2000个状态并且每个状态有20种转移)，这些状态和转移取决于等式(10)和(12)中集合的基数的选择。

现在参考图17，比较了图15a、15b和15c中检测器的性能。关于AWGN的相干和非相干检测器的理论性能也通过实线被描绘，而多符号非相干MSNC的性能被仿真并且通过小三角被示出。需要注意的是：符号非相干检测器的性能胜过经典非相干检测器3.5dB因数。

在SISO解码器4-2中，一般每次处理一个包或一帧的长序列。因此，其性能仍然高于符号非相干检测的性能，在符号非相干检测中，最大似然检测器只考虑三个符号。系统13-10的应用用于RFID标签标准，其中标签协议服从于SISO解码造成的更长的等待时间。多符号非相干检测器15-70的典型应用是RFID标准需要非常严格的在标签到阅读器和阅读器到标签的包间到达时间之间的时序要求。当从阅读器到RFID标签或相反方向需要应答或答复时，一般发生这些紧密时序要求。在某些环境和用于某些RFID标签标准时，采用13-10和15-70两种系统都是可能的，所以对于某些包类型，可以使用系统15-70，而其它时序关键的包(criticalpacket)，可以使用系统13-10。特别是当检测来自接收包的产品代码本身时，可以使用13-10中的SISO解码，但对于短答复和握手的其它类型的包，可以使用系统15-70。

现在参考图18和19，许多数字通信系统的典型问题是波特率是固定的，即发送脉冲持续时间是固定的。特别是在传感网络和RFID系统中，来自标签的发送脉冲可以在从符号到符号的持续时间内改变。因此，在阅读器的接收器处，脉冲持续时间或瞬时时间变化波特率应当被跟踪。为了跟踪这种应用时序，可以使用时序网格。

假设时间轴在时刻iTs被采样，其中1/Ts表示采样率。匹配滤波器输出的采样点在图19-10的时间轴上用点“·”描绘。每个标称波特间隔有N个采样点。因此标称符号持续时间是T₊＝NTs，其中T是标称符号持续时间。假设从符号到符号的符号持续时间可以有p的概率增加(例如，因此改变信道特性)一次采样至T-＝(N+1)Ts，或者有(1-2p)的概率不改变T＝NTs，或者可以有p的概率减少一次采样至T＝(N-1)Ts。

每个间隔具有表示可能位置(在多倍Ts中)的N个刻度标记，在该刻度标记处可以获得匹配滤波器的输出的采样点。在图19中，多个间隔具有一个刻度标记，如19-2、19-3和19-4所描绘的；多个间隔可以有两个刻度标记；而如19-12所示，多个间隔没有刻度标记。用Sk代表时序状态，其中Sk的值对应于刻度标记。状态与时间间隔[(k-1)T,kT]相关联，并且可以从以下集合中取一个值：Sk＝s0,s1,…sN,sN+1。状态s0代表第k个信号间隔[(k-1)T,kT]根本没有被采样。例如在图19中，19-13所示的与Sk＝s2对应的时间间隔在从时间间隔状态Sk＝si开始的第二标记处被采样，其中1≤i≤N代表在第i个标记处第k个符号间隔[(k-1)T,kT]只被采样一次。

现在也参考图18，状态Sk＝sN+1(图19中N＝8)表示第k个符号间隔[(k-1)T，kT]被采样两次。一个间隔可以被采样两次的唯一方式是在第一和第N个标记被采样，因为我们只允许从符号到符号的一个采样变化最大。这种约束防止两次采样落在同一个间隔内的任何其他方式。可以对采样状态Sk如何演变有一些限制。为了表示全部有效的采样状态转移，我们形成图18中描绘的时序网格。我们把转移概率Pr(Sk|Sk-1)联合到时序网格的分支上。转移概率可以基于参数p计算。图18中时序网格的关键特征是网格中的分支承载不同数量的采样点。我们用rk表示时序间隔[(k-1)T,kT]内获得的采样向量。注意的是：如果在第k个符号间隔内没有进行采样，则rk可以是空向量。

时序网格具有N+2个状态。当前状态Sk-1，即S0到S9(18-12)和下一个状态S_k，即状态S₀(18-14)到(18-16)在图18中示出。为了清楚说明，假设N＝8和矩形NRZ(反向不归零)脉冲。对于带有8个采样点的标称持续时间的符号，匹配滤波器累加最近的8个采样点。对于从状态S₀到状态1的转移，匹配滤波器累加9个最近的采样点并生成观察值rk。对于从状态S₀到状态9的转移，匹配滤波器累加9个最近的采样并生成观察值r_k，并且累加接下来的7个采样点并生成观察值rk+1，观察值r_k和观察值rk+1分别对应于数据ak和ak+1。每个状态也应当存储最近的观察采样点的索引号码。每个网格的边的分支度量需要不定数量的采样点。用q_i表示在时间k-1时状态S_k-1的观察采样点的索引号码，那么计算边分支度量所需要的采样点数量是q_i+N(S_i,S_j)个采样点。其中N(S_i,S_j)表示从当前状态S_k-1＝s_i到下一个状态S_k-1＝S_j计算分支度量所需要的采样点数量。对于N＝8：

其中1＝1,2,3,4,5

现在参考图20，折叠时序网格与图18和19中所示的方法相似，不同的仅在于对于全部时序状态，状态数量更少并且每个状态转移的数量是固定的。时间轴可在时段iTs内采样，其中1/Ts表示采样率。匹配滤波器输出的采样点(实际符号时间持续时间的结尾)在图19-10的时间轴上用点“·”描绘。假设每个标称波特间隔有N个采样点。因此标称符号持续时间是T₊＝NTs，其中T是标称符号持续时间。假设从符号到符号的符号持续时间有p的概率增加一次采样至T-＝(N+1)Ts，或者有(1-2p)的概率不改变T＝NTs，或者有p的概率减少一次采样到T＝(N-1)Ts。

每个间隔具有表示可能位置(在多倍Ts中)的N个刻度标记，在该刻度标记处可以获得匹配滤波器的输出的采样点。状态与时间间隔[(k-1)T,kT]有关，并且可以从以下集合中取一个值：Sk＝s1,…sN。状态Sk＝si，其中1≤i≤N表示第k个符号间隔[(k-1)T,kT]在间隔的初始处的第i个标识处被采样。可以对采样状态Sk如何演变有一些限制。为了表示全部有效的采样状态转移，形成了图20中描绘的一个时序网格。对于时序网格的分支，为转移指定概率Pr(Sk|Sk-1)。该转移概率可以基于参数p计算。图20中时序网格的关键特征是网格中的分支承载不同数量的采样点。可以用rk表示在时序间隔[(k-1)T,kT]内得到的采样向量。

时序网格具有N个状态。为了说明假设N＝8。图20显示了当前状态S_k-1，即S₁(20-10)到S₈(20-12)和下一个状态S_k，即状态S₁(20-14)到(20-16)。也假设矩形脉冲。对于带有8个采样点的标称持续时间的符号，如果有从当前状态Si到下一个状态Si的转移，其中i＝1,2,…,N(对于图20中的示例，N＝8)，匹配滤波器累加最近的8个采样点。对于带有8个采样点标称持续时间的符号，如果有从当前状态Si到下一个状态Si+1(其中i＝2,3,…,N)以及S1到S8的转移(对于图20中的示例，N＝8)，则匹配滤波器累加最近9个采样点。对于带有8个采样点标称持续时间的符号，如果有从当前状态Si到下一个状态Si-1(其中i＝1,2,…,N-1)以及从当前状态SN到S1的转移(对于图20中的示例，N＝8)，则匹配滤波器累加最近7个采样点。每个状态也应存储最近的观察采样点的索引号码，以计算下一个网格段的分支度量。因此，每个网格边的分支度量需要可变数量的采样。用q_i表示在时间k-1时状态S_k-1的观察采样点索引号码，然后计算边分支度量所需要的采样点数量是q_i+N(S_i,S_j)个采样点。其中N(S_i,S_j)表示计算从当前状态S_k-1＝s_i到下一个状态S_k-1＝s_j分支度量所需要的采样点数量。对于N＝8：

N(s1,s2)＝7N(s1,s1)＝8N(s1,s8)＝9

N(si,si-1)＝7其中i＝1,2,3,4,5,6,7

N(si,si)＝8其中i＝1,2,3,4,5,6,7,8

N(si,si+1)＝9其中i＝2,3,4,5,6,7,8

N(s8,s1)＝7N(s8,s8)＝8N(s8,s7)＝9

现在参考图21和22，符号时序树结构基于每个符号N个采样点的标称值。这意味着捕捉的时序间隔尺寸(granularity)是1/N×F_s，其中F_s是采样频率。该比率可以在1/F_s域内讨论，这意味着该比率将以采样率和采样时间的百分比形式表示。为了建立可以被整合到网格形式的结构，必须提供第一符号时间的估计，也就是精确到一个符号周期(±N/2)。如果第一符号时间不能被估计到这个精度，可能需要一个离散同步序列。对于第M级中的第i个状态，这些状态被标记为S_M，i。在一般情况下，可以有从S_0,0到S_0,N-1标记的N个开始状态。每个状态S_M,t具有2×Δ_max+1(其中Δ_max表示来自符号持续时间采样点的最大数量可以超过来自标称符号持续时间的采样点)个转移，这导致在S_M+1,t-Δmax开始并在S_M+1,t+Δmax结束的连续状态。为进一步改进结构，可以使用最大化时序误差(以每个符号的采样点表示)R的先验估计。如果N是每个符号的标称采样点数量，那么R＝rN，其中r是时序误差的百分数。R的定义变为整数这样把在任意给定网格级M的状态限制在开始直到的状态，其中是x的上限(下一个更大的整数)，而是x的下限(下一个更小整数)。这意味着在任何级M，状态S_M，t都对应于在采样时间M×N+t开始的符号。图22中显示了Δ_max＝1并且N＝4的这种结构的示例。

现在参考图23，使用同样的树、但通过窗口限制状态数量的第二导出的结构在图23中显示为窗口结构。对于窗口结构，附加的参数W可以被定义为树中窗口的大小。这样，在任何网格级M只有W个状态被保留，其中第一状态索引号码被定义为B_M(基本状态)。为了找出在时间M+1的B_M，可以基于与从下到相比的到的状态的概率选择窗口位置。

该结果可以被称作“折叠”结构(也被称为简单“网格”结构)。在这种结构中，在每级M恰好存在N个状态。为了实现这种结构，树结构可以被折叠，这样状态S_M,t被映射到状态Z_M，t％N，其中％表示正整数的模算子(即(-1)％N＝N-1)。为了在这种结构中维持时序，每个状态Z_M,t具有映射到Z_M,t的最大概率状态S_M,k索引号码的映射值t_m。在每个级，t_m，确定了从该状态的转移。

在全部这些时序结构中，这种网格可以与数据网格和相位网格结合以得到状态S_M,t,φ,D的组合集。这种状态外的每个转移三个值一组(Δ_t,Δ_φ,b)其中Δ_t是时序变化并且其在-Δ_max和Δ_max之间取整数值，即-Δ_max,-Δ_max+1,…..-1,0,1,……,Δ_max-1,Δ_max，Δ_φ是相位变化，而b是数据位。在任何二进制波形(如FM0和Miller)的情况，这种状态和转移的数据度量是：其中c_D,b,i＝d_D,b,k×(1-off)+d_D,b,k+1×off,并且d_D,b,k是在标称采样率的理想符号，其中而注意对于“折叠”形式，用t_m来代替t。

为了获得带有可以随时间漂移的符号时序的时序信息，时序状态图的另一个自然结构是如图21-2所示的树结构，其中根节点被扩展。假设标称时序在每个符号有N个采样点。这意味着从树结构获得的时序时间间隔会是1/N。为了改进网格性能，这可以被限制于任意比率R。为了完成这个限制，会落在预期漂移边界外的状态被估计。如果对于网格的第一级，第一级的状态被编号为S₀到S_N-1，那么第二级将被编号为S_0-Δmax到S_N+Δmax，并且对于级M，它们会是S_0-M×Δmax到S_N+M×Δmax。对于该第M级，上至S_0-M×Δmax但不包括的状态将被忽略并且在以上的状态也被忽略。这种结构中的每个状态都具有与其相关联的aT_s，也就是在时间M对于级S_i，有M×N+i。

为了减少该结构的复杂性，可以使用“折叠”树或“窗口”树。“折叠”树是节点S_i被映射到S_(i+N)％N的树，并且与节点相关联的T_s是与在映射状态之间最大状态值相关联的T_s。这意味着转移变的像在真网格一样对称，但转移带有度量和时间。在“窗口”树结构中，任意尺寸的状态窗口被保留。通过比较边缘状态概率来选择这种窗口。在窗口树情况中，唯一的需要是为窗口的第一状态保持并跟踪T_s(全部其他状态从该状态线性偏移)。这提供了更小储存和更简单的实现的优势。

数据和时序的组合度量

$\underset{i=1}{\overset{N+\mathrm{\Δ}t}{\mathrm{\Σ}}}{d}_{in}\left(i\right)\×r(T_s+i)$

其中

●r(i)是在时间i的采样

●d(i)是以采样率(为来自网格的数据状态和输入数据)采样的理想符号

●d_in(i)是理想符号的内插值替换形式

●T_s是存储在状态中的时间

● $off=\[i\×\frac{N+\mathrm{\Δ}t}{N}\]-p$

d_in(i)＝d(p)×(1-off)+d(p+1)×off

对于22-2和22-4中给出示例，情况为N＝4，R＝10％，M＝4。

现在参考图24，SISO解码器可以视为由四个连续操作组成：

1.数据度量产生和相位旋转

2.分支度量产生和前向节点更新

3.后向通过节点更新

4.外部度量产生和输出

解码器结构可以基本被视为安排成列的节点的网格。每列与被解码的数据流的一个符号对应。列内的节点表示符号的相关参数的可能组合；特别是时序、相位和符号状态。每个节点包含与其表示的计算的参数概率成比例的数值。对于FM0，可以在每列使用与16种可能(量化)相位状态的组合对应的512个节点，16种可能时序状态和两种可能符号值(0和1)。解码器操作是通过使用从输入数据推导的度量来估计每个节点的参数组合的概率。首先，以前向时间方向更新列内节点的概率，然后通过网格反过来反向工作。当这些更新完成时，为解码输出选择通过网格计算的最高概率值。

SISO解码器网格计算的输入是从采样输入流推导的数据度量。这些是从S₁采样值推导的复数，包含I和Q两部分。虽然总共有必须为每个离散采样时间N计算的12个数据度量，但12个数据度量中的六个只是由当前数据符号状态D选择的其它度量的相反形式。可以从中间变量A、B、C、D、E和F计算该度量M_N{Δt,D,d}，其中Δt＝{-1,0,+1}表示时序变化，D＝{0,1}表示当前数据状态，而d表示下一个符号值，其中：

A＝∑S_i，(n≤i≤n+7)＝在时间n开始的8个采样点的和

B＝∑S_i，(n+8≤i≤n+15)＝在时间n+8开始的8个采样点的和

C＝∑S_i，(n≤i≤n+6)＝在时间n开始的7个采样点的和

D＝∑S_i，(n+8≤i≤n+14)＝在时间n+8开始的7个采样点的和

E＝∑S_i，(n≤i≤n+8)＝在时间n开始的9个采样点的和

F＝∑S_i，(n+9≤i≤n+16)＝在时间n+9开始的8个采样点的和

现在特别参考图24，示出了中间度量变量计算。然后FM0数据度量M_N(Δt,D,d)可以从中间变量中按如下被推导出：

M_N(0,0,0)＝A_N－B_N＝-M_N(0,1,0)

M_N(1,0,0)＝A_N－F_N＝-M_N(1,1,0)

M_N(-1,0,0)＝C_N－D_N＝-M_N(-1,1,0)

M_N(0,0,1)＝A_N+B_N＝-M_N(0,1,1)

M_N(1,0,1)＝E_N+F_N＝-M_N(1,1,1)

M_N(-1,0,1)＝A_N+D_N＝-M_N(-1,1,1)

关于相位旋转，节点更新操作不直接使用M_N，而使用由每个网格分支的内插值替换相位旋转的复数数据度量向量的实部。旋转数据度量被表示为因为节点相位状态只有16个间隔均匀的离散值，内插值替换分支相位只可以取32个值并且乘积计算被极大的简化。这在下文的表中显示。由于对称，通过对那些计算的π弧度取反，简单地推导出16个值。这意味着可以使用14个乘法器和14个加法器/减法器计算全部32种旋转。通过排序输入到相位旋转器块的M_N的6个值，可以以采样率实时计算全部12个度量的32种旋转。该输出被馈送到用于分支度量计算的节点处理器，在该处理器中，该输出根据需要被相加或相减。

关于后向传递数据度量存储与排序，旋转数据度量也必须被馈送到用于后向节点更新传递的节点更新机构。这需要为前向传递计算的值的储存，或来自数据或数据度量的再生的存储。在两种情况下的存储，存储器是必需的。为图解说明的目的，使用256位的包，旋转数据度量的存储需要：16×6×16×256＝393,216(16位)个储存字段。在另一个极端，内插值替换输入数据流的存储只需要2×16×256＝8192个存储字段。而仅存储内插值替换数据将节省大量存储器，其需要度量产生位移寄存器(如上所示)以相反方向(从右到左)运行，并且将馈送到寄存器的存储数据及时取反，以便推导用于后向传递的数据度量。恢复数据度量值的数据必须被馈送到前文所述的相位旋转器。然而输出必须为出现在节点处理器而重新排序。带入数据度量，M_N(Δt,D,d)＝-M_N(Δt,～D,d)。这允许在前向更新传递期间带有D＝1的节点为它们D＝0的对应部仅提供的相反形式。然而在向后传递期间，因为现在我们的源节点在时间上稍迟，我们用d而不是D标记节点处理器。因此，M_N(Δt,D,d)不再是d＝0对d＝1的求补算法；而代替的是适当的必须被储存、排序并馈送到节点处理器。

关于分支度量的产生和节点的更新，分支度量B_XY(其中X是符号列C内的起源节点，而Y是列C+1内的目的节点)被计算为：

其中d＝目的数据状态(即输入数据位的值)

Sc＝列C的软输入值

旋转数据度量

的一个值，对于的另一个值

V(Δt)＝对于Δt＝0的一个值，对于Δt＝+1,-1的另一个值

对于FM0，对应于的3个值，乘以Δt的3个值，乘以d的2个值，每个源节点有18个分支输出。相应地，在每个目的节点也存在18个分支。为了更新概率评分Q_Y，对于目的节点，来自源节点的Q_X被加到直接通向节点Y的全部输入分支的分支度量。然后对于Q_Y带有最大和的分支的值被选择并储存。相关的采样时间值T_Y也必须被储存，其中T_Y＝T_X+16+Δt(或对于反向更新：T_Y＝T_X-16-Δt)，而T_X是来自选定的分支的源节点的储存时间值。

相位旋转表

数据度量M_N＝x+jy

a＝cos(π/8),b＝sin(π/8)

c＝sin(π/4)＝cos(π/4)

d＝cos(π/16),e＝sin(π/16)

f＝cos(3π/16),g＝sin(3π/16)

关于数据驱动更新机构，对于旋转数据度量，从相位旋转输出的16个值，(其中D＝0；π/8、π/4、3π/8、3π/2、13π/8、7π/4和15π/8，以及指定的N、d和Δt)被馈送到节点更新机构。因为剩余相位角也可以仅通过对相应的π弧度值取反而从这16个值中推导出；并且因为对于D＝1时R_N的值也就是对于D＝0时那些值的相反数；每组8个R_N值对于三个分支(0,+1)来说足够用于从起源符号列C内的高达32个源节点(指定时间状态N的所有节点)的度量产生。这些R_N值可以被标记为具体值的负值，而D标记为对于前向更新，被馈送到32个节点处理器。这些处理器计算分支度量B_XY并把它们与存储源节点值Qx相加。分支和被传递到16个分支选择单元，其比较六个输入分支值并选择最大值作为输出。每个选择单元对应于具体相位值然后输入是的分支，包括d＝0和d＝1的分支。然后这些选择单元的输出被反馈到相应相位的两个节点处理器，在此处这两个处理器被用于为目的节点更新存储的Q_Y值。更新每个符号列最小需要96个时钟周期。对于相反更新方向，旋转度量由最近符号开始被重新产生，并且继续回到最初。最后的列节点(网格的右边)被用于源值Q_X，而左边最先的列现在被更新为Q_Y。

现在参考图25，示出了节点处理器和分支选择单元的互连。为了简便，＝+1的向上箭头表示前向更新，-1表示向后更新。具有的分支向下箭头表示前向/后向更新。水平箭头表示

现在参考源节点处理器，提出的实施包含有：32个节点处理器，每个指定特定数据状态值(0或1)，和相位状态(0到15)。8个R_N值中的一个或其适当算术求补被馈送到与其指定数据和相位状态值对应的每个节点处理器。每个处理器包含有节点存储器、比较器和四个累加器。这个结构在下面的图表中显示。节点存储器存储每个节点的两个值、概率评分Q和时间码T。每个处理器的节点存储器包含关于具体数据状态D和关于具体相位状态值的全部网格节点。其也包含对于全部网格符号列C内节点和全部16个状态值N的存储空间。对于256符号解码器，会需要16×256＝4096个存储位置。如果实现对外存储器的分页，对于大消息尺寸，本地存储空间可以被极大地减少。

对于每个N连续提供用于在每个时钟产生三个分支度量作为6个R_N的分支度量的加法器。因此，更新符号列需要最少96个时钟周期。加法器用来把分支度量值B_XY的各项与源节点值Q_X相加。所有处理器的全局值d*S_c被外部获得。V(Δt)的值也在外部被选择并与d*Sc相加，以作为输入被馈送到节点处理器。剩余的输入是符号列数量C，其与时序采样状态N链接，以在本地存储空间内寻址特定节点、旋转度量值和的两个值。

现在参考目的节点处理，如被馈送到源节点处理器，对于每个采样时间N通过d和Δt的六种不同组合继续步进，B_XY+Q_X的和被输出到目的节点用来比较和选择。因为d在每个时钟周期内是固定的，所以对于在每个时钟产生的96个分支只有16个目的节点。这意味着在每个时钟周期有6个潜在分支通向每个目的节点，这些分支需要被比较和选择出最大的。分支和以及来自获胜分支的源节点的相应时间值T_X也必须被选择和储存。目的处理可以通过7输入最大选择器执行。第7个输入用来根据用于检验流入目的节点的全部18个分支所需的三个更新周期比较任意前面的最大部分结果。这16个选择器每一个的结果作为两个节点存储器的输入被共享，这两个节点存储器共享相同时间状态值N，但一个是D＝0，而另一个D＝1。需要注意的是目的节点N_Y时间状态值不必须与源N_X值相同，但应该等于(N_X+Δt)以16为模。

现在参考时间发散，上图中所示的基本源节点处理的可能问题在于网格跟踪时序的方式。存在感兴趣的几个时序变量。T指代从第一数据采样连续编号的绝对采样时间。网格中每个节点也具有范围从0到15的固定的4位时序状态值N。这个4位值总是对应于4位指定特定节点的绝对采样时间的LS。然而指定的T可以依照在节点更新期间在分支上选择的T_XY值在符号列内改变，其中T_XY＝T_X+Δt。因此当节点被更新时，T_XY值应该被储存在节点内。因为储存的指定节点的T与时序状态N不同是可能的，所以当产生分支度量值时，有必要比较为节点存储的T_X和采样时间这意味着通过图表的基本架构，对于给定N、和D的全部节点T值提供旋转数据度量需要多个传递，以便产生全部分支度量。这是等同比较器和图中所示的有效连线的原因。为了增加并行性并减少所需的时钟传递数量，很需要提供与节点处理器并行的几个可能旋转度量，这样可以同时产生变化T'但带有指定N的分支。下文显示用于多个并行T更新的源节点处理架构。因为全部分歧受到数据包的长度限制，又因为LS4位是冗余的，因此没有必要在节点处理器内储存并比较T_XY全部位。对于要呈现的每个附加通过把为每个时钟产生的8个旋转度量值存储在96个时钟长度的延迟存储器内，可以有效得到附加如果RAM按照与分支度量发生器相同的时钟进行工作，则对于T的每两个附加值需要四个18K块RAM。

现在参考图26，扩展并行源节点处理被示出。

现在参考图27，前向和后向处理被示出。

当节点以相反方向被更新，可以实现外部产生。可靠性测量也被计算。外部度量在每列上被计算位Max(a_X+B_XY+β_Y)。

对于本领域的技术人员清楚的是：上文描述的技术可以被应用于通信方法或系统，该方法和系统用于处理带有随机数据和/或相位和/或未知时序的调制信号，以便估计接收的数据序列或分组数据。接收器可以使用具有软输入软输出(SISO)部件的迭代处理，来部分或全部结合信道解码与均衡化、解调、相位跟踪、符号时序、同步和干扰消除。这些技术可以用于任何无线通信系统以模拟观察空间。这些技术可以用于检测信号的传感接收器系统，在存在噪声和信道失真的情况下利用迭代方法检测信号。一个通信系统可以使用这些最大似然序列估计的技术，其包括用于相位、时序、数据和/或波特率的联合估计的格子、网格或树状结构或其结合。这种技术也可以用于信号检测系统，在存在白噪声和信道失真的情况下利用迭代方法实现信号的最佳检测，其中白噪声和信道失真情况如应用在室内无线信道、室外无线信道、视线或非视线通信，如铜和光纤导线的导线连线信道，地下或水下声纳、如硬盘存储以及易失和非易失存储器的记录信道和/或这些信道的任意组合。

本文公开的技术在分组数据检测中是有用的，所述分组数据带有未知数据脉冲持续时间、随机相位和未知数据和它们的任意组合。这些技术在数字分组无线电通信系统中是有用的，这种系统采用带有或不带有级联迭代解码器和带有或不带有信道编码或解码的软输入软输出(SISO)解码方法。这些技术可以用于通信系统，所述通信系统采用的信道编码方法包括代数块码、卷积和turbo码、低密度奇偶校验、重复累加码和乘积码，这些码与交换外部信息的SISO解码器级联来最佳的解码用户数据。同样，这些技术可以用于通信系统，这种通信系统采用的信道编码包括可以通过平面图表示的编码，所述平面图包括双向图、树状图或网格图，通过这些图，每个状态的后验概率(外部信息)可以被计算并迭代改进。这种通信系统可以采用置信传播方法来解码接收序列并通过软输入软输出解码器交换外部信息。一种通信系统或分组无线电时序同步可以被提供给任意调制方案，如多级相位、位置、正交和同相(中的一或两个)幅值。此外，这种系统可以被嵌入便携或静止设备、集线器、中心办公室或网络边缘设备中，并且可以通过软件(如“软件定义无线电”)实现在专用或通用主机计算机上，并作为网络服务或通用信号处理平台。

Claims (9)

1.一种用于从RFID标签后向散射的符号序列中检测数据序列的方法，其包含：

在接收天线处接收后向散射符号序列，其中每个后向散射符号均具有未知数据脉冲持续时间，和由在RFID后向散射过程中的不稳定引起的随机变化而造成的随机相位；

使用接收器，以便：

均匀采样所接收的符号；

为每个采样点应用匹配滤波器，其中所述匹配滤波器累加一定数量的最近采样点，以获得每个采样点的匹配滤波器输出；以及

使用网格根据每个采样点的所述匹配滤波器输出估计每个后向散射符号的符号时序和相位，其中：

所述网格中的每一列节点对应于一个符号，且所述网格中的每个节点表示一个后向散射符号的时序、相位和符号状态的组合，其中所述节点处的数值与其表示的计算的参数概率成比例；

分配给每个节点的时序、相位和符号状态的组合的概率是利用基于所述匹配滤波器输出的度量确定的；以及

每个后向散射符号的符号时序、相位和符号状态的组合是基于计算的最高概率值通过所述网格估计的；以及

基于每个所述后向散射符号的估计的符号时序、相位和符号状态，确定来自所述RFID标签的被检测数据序列；以及

输出检测到的数据序列。

2.根据权利要求1所述的方法，其中所述匹配滤波器累加的所述采样点数量选自由N-1、N和N+1构成的群组，其中N是每个符号的标称采样点数量。

3.根据权利要求1所述的方法，其中通过使用所述一组匹配滤波器的输出来估计每个后向散射符号的所述符号时序和相位，进一步包括：

获得由每个网格分支的内插值替换相位旋转的复数数据度量向量的实部；和

将所述复数数据度量向量的所述实部馈送到用于分支度量计算的节点处理器。

4.根据权利要求3所述的方法，其中所述网格中的每个状态表示后向散射符号的符号时序和相位，并且根据采样状态能够如何演变来限制所述网格状态转换。

5.根据权利要求4所述的方法，其中所述网格中的每个状态表示固定的相位值，以及表示符号时序值的变量。

6.根据权利要求1所述的方法，其中估计符号时序和相位包括使用软输入软输出解码器。

7.根据权利要求3所述的方法，进一步包括：

通过为每个分支指定初始概率，来初始化所述网格；和

获得使用序列估计技术所获得的所述序列中每个比特的测量值。

8.根据权利要求7所述的方法，进一步包括：

使用所述序列中的每个比特的更新的概率评分，来更新所述网格；及

通过使用更新的网格，来估计每个后向散射符号的所述符号时序和相位。

9.根据权利要求1所述的方法，其中使用所述接收器，来通过使用采样点估计每个后向散射符号的所述符号时序和相位，进一步包括：

通过一组预定的旋转来相位旋转每个匹配滤波器输出；

获得每个被相位旋转的匹配滤波器输出的实部分量；和

基于所选择的匹配滤波器输出序列，估计每个后向散射符号的所述符号时序和相位。