CN106068619A - 用于进行交叉极化干扰抑制的方法和设备 - Google Patents

Abstract

一种用于在双极化无线电通信系统中进行交叉极化干扰功率抑制的方法(1100)，包括：通过22信道权重矩阵(507，508)对接收的双极化信道信号的垂直极化分量(x_V(n))和水平极化分量(x_H(n))进行滤波；以及基于最小方差无失真响应标准确定22信道权重矩阵(507，508)。

Description

用于进行交叉极化干扰抑制的方法和设备

技术领域

本公开内容涉及用于进行交叉极化干扰(cross-polarization interference，XPI)抑制的方法和设备。本公开内容还涉及特别地在交叉极化干扰和信号传播信道的参数不确定的条件下，在双极化微波(microwave，MW)无线电多载波(multicarrier，MC)通信系统中的交叉极化干扰消除(cross-polarization interference cancellation，XPIC)的领域。

背景技术

在高速双极化MW-MC无线电通信链路中，利用自适应XPIC算法来补偿所接收的双极化无线电信号的垂直极化分量与水平极化分量之间的交叉极化干扰。

在双极化MW-MC地面无线电通信链路中进行信号传播的通常情况下，可以使用基本双输入双输出(2×2)子带XPI消除器。可以将这样的消除器的第n个输入样本表示为包含垂直(V)极化复分量以及水平(H)极化复分量二者的2维向量：

$x\left(n\right)=Hs\left(n\right)+n\left(n\right)=\left[\begin{array}{c}{x}_V\left(n\right)\\ x_H\left(n\right)\end{array}\right]=\left[\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right]\left[\begin{array}{c}{s}_V\left(n\right)\\ s_H\left(n\right)\end{array}\right]+\left[\begin{array}{c}{n}_V\left(n\right)\\ n_H\left(n\right)\end{array}\right],n=1,2,\mathrm{...}---\left(1\right)$

其中，s_V(n)和s_H(n)相应地是V极化信道信号和H极化信道信号，n_V(n)和n_H(n)分别表示静态加性高斯白噪声(additive white Gaussian noise，AWGN)的V极化样本和H极化样本，H是其元素为先验未知的2×2信道矩阵。图1描绘了根据式(1)的信道模型100。

一般化的2×2线性XPI消除器200的结构呈现在图2中，图2描绘了用于对相应频率子带上的V极化信道信号与H极化信道信号进行完全分离的非奇异频域线性滤波器。第一子块201处理V极化信道，第二子块202处理H极化信道。

通过下式来描述消除器200：

$y\left(n\right)=W^{H}x\left(n\right)=\left[\begin{array}{c}{y}_V\left(n\right)\\ y_H\left(n\right)\end{array}\right]=\left[\begin{array}{cc}{w}_{11}^{*}& w_{21}^{*}\\ w_{12}^{*}& w_{22}^{*}\end{array}\right]\left[\begin{array}{c}{x}_V\left(n\right)\\ x_H\left(n\right)\end{array}\right],n=1,2,\mathrm{...}---\left(2\right)$

其中，x(n)和y(n)相应地是输入信号向量序列和输出信号向量序列，W＝[w_V w_H]，()^H表示厄尔米特共轭。

在式(1)中的两个符号流{s_V(n)}和{s_H(n)}的参数、信道极化矩阵H的元素以及AWGN的变化不确定的条件下，可以通过对权重矩阵W相对于合适的标准进行优化来解决XPI消除的问题。基于应用于揭露不确定性的自适应法而开发的方法可以大致划分为盲自适应类以及自适应训练类。因为盲自适应算法需要大量的输入样本来收敛，所以其被认为不适合应用于高速MW无线电链路。

针对自适应训练式XPIC问题，可以找到权重矩阵W为下述最小均方误差(minimummean square error，MMSE)标准系统的解：

$\left\{\begin{array}{c}\underset{w_V}{\min }E\left\{\right|\left|{\mathrm{\ϵ}}_V\left(n\right)\right|{|}^2\}=\underset{w_V}{\min }E\{\left|\right|s_V\left(n\right)-w_V^{H}x\left(n\right)\left|{|}^2\right\}\\ \underset{w_H}{\min }E\left\{\right|\left|{\mathrm{\ϵ}}_H\left(n\right)\right|{|}^2\}=\underset{w_H}{\min }E\{\left|\right|s_H\left(n\right)-w_H^{H}x\left(n\right)\left|{|}^2\right\}\end{array}\right.---\left(3\right)$

使相应均方差(mean square error，MSE)E{||ε_v(n)||²}和E{||ε_H(n)||²}最小化的权重向量为：

$\left\{\begin{array}{c}{w}_{Vopt}=c_V{R}_X^{-1}{v}_V\\ w_{Hopt}=c_H{R}_X^{-1}{v}_H\end{array}\right.---\left(4\right)$

其中，

$\left\{\begin{array}{c}{v}_V=E\left\{x\left(n\right)s_V^{*}\left(n\right)\right\}\\ v_H=E\left\{x\left(n\right)s_H^{*}\left(n\right)\right\}\end{array}\right.---\left(5\right)$

s_V(n)和s_H(n)为训练信号，c_V、c_H为比例因子。

因为大多数高速双极化MW-MC无线电通信系统被设计成具有很短的训练间隔，所以有效的自适应XPIC算法需要具有极快的收敛速度。

为了在高速双极化MW-MC无线电通信链路中使用，自适应XPIC算法应当具有最大收敛速度，即为了实现所要求的XPI抑制所消耗的训练样本的最小数目。

适合的自适应算法的收敛速度应当独立于信号传播条件和交叉极化干扰的参数，特别是独立于信道矩阵结构。为了具有最短的实际自适应时间，适合的XPIC算法应当能够实现在具有标准数据/操作格式的基于ASIC的加快固定点处理器上。

多种多样的简单训练式或监督式的自适应搜索算法可以大致划分为基于梯度的最小均方(least-mean-squares，LMS)子类和引导(bootstrap)子类。迭代地接近在式(4)中的最小MSE权重系数的自适应训练式搜索LMS算法被描述为：

$\left\{\begin{array}{c}{w}_V(n+1)=w_V\left(n\right)+{\mathrm{\μ}}_V{\mathrm{\ϵ}}_V\left(n\right)x\left(n\right)\\ w_H(n+1)=w_H\left(n\right)+{\mathrm{\μ}}_H{\mathrm{\ϵ}}_H\left(n\right)x\left(n\right)\end{array}\right.---\left(6\right)$

其中，ε_V(n)和ε_H(n)为在式(3)中定义的误差，μ_V>0和μ_H>0为步长因子。图3描绘了根据式(6)的自适应训练式LMS算法300的示意图，其中缩写WP表示权重处理器。

已知误差反馈LMS算法简单、能容忍数值误差和噪声并且成熟地实施于基于ASIC的实时固定点处理器上。然而，该基于梯度的搜索算法子类具有严重阻碍其有效应用于自适应训练式XPI消除器的数个属性。这样的缺点包括该算法的收敛速度严重依赖于交叉极化干扰的参数。在实际情况中，为获得XPI抑制的可接受增益所需的训练样本对的数目可以从数十变化至数百。缺点还包括LMS算法因自适应地控制的复数权重w₁₁和w₁₂而显著影响主要V信道子带响应和主要H信道子带响应；并且该算法的收敛性能以及稳定性二者都敏感于输入信号的寄生调幅。

自适应训练式引导XPIC算法子类的基本思想为通过对交叉极化信号分量的深度抑制使非奇异2×2线性滤波器的输出信号去相关，从而实现两个不同的交叉干扰符号流的完全分离。图4呈现了快速收敛自适应引导(bootstrap，BS)算法400的框图。

该算法根据以下迭代公式自适应地更新V极化权重w₂₁和H极化权重w₂₁以使输出协方差E{y_V(n)y_H*(n)}为零：

$\left\{\begin{array}{c}{w}_{21}(n+1)=w_{21}\left(n\right)-{\mathrm{\η}}_V{\[y_V\left(n\right)-s_V\left(n\right)\]}^{*}{y}_H\left(n\right)\\ w_{12}(n+1)=w_{12}\left(n\right)-{\mathrm{\η}}_H{\[y_H\left(n\right)-s_H\left(n\right)\]}^{*}{y}_V\left(n\right)\end{array}\right.---\left(7\right)$

其中，η_V>0和η_H>0为步长因子。监督式自适应BS算法400有时比LMS算法在实施上更快并且更简单。然而，对自适应引导式算法性能以及仿真结果的详细分析表明引导式算法的收敛速度仍然不独立于交叉极化参数。在实际情况中，为获得XPI抑制的可接受增益所需的训练样本对的数目仍然数以十计至百计。因为提升至三次幂的运算，所以自适应引导式算法包括极大的算术运算动态范围，需要提高算术精度。引导式算法的收敛性能和稳定性仍然敏感于输入信号的寄生调幅。

发明内容

本发明的目的为提供快速并且鲁棒的XPIC算法。

该目的通过独立权利要求的特征来实现。另外的实施方式根据从属权利要求、说明书以及附图而明显。

以下描述的本公开内容呈现了如下XPIC算法：该算法对V子带信道响应和H子带信道响应二者相对于最小方差无失真响应(minimum variance distortionless response，MVDR)标准进行优化。所公开的XPIC算法提供了快速收敛和稳定的性能。可以将两个权重中的每个权重计算为输出至借助于互相关反馈环路而被交叉的输入上的相应输出的线性回归(linear regression，LR)的经平滑系数。

XPIC算法可以被实施为基于线性回归的自适应训练式XPIC算法。以下呈现的自适应训练式XPIC算法提供了快的收敛速度，因为合成算法可以在大约4至8个训练样本对中实现接近最优水平的XPI抑制。该算法还提供了短时间间隔的实际自适应，因为所公开的XPIC算法可以通过执行12次实值乘法和4次实值除法来更新两个复数权重。所公开的XPIC算法的收敛速度对信号传播条件和XPI的参数不敏感，这一点是由权重LR估计的归一化属性所提供。所公开的XPIC算法支持对主要V信道子带响应和主要H信道子带响应的最小影响，这一点是由权重约束条件w₁₁＝w₂₂＝1所支持。所公开的XPIC算法的收敛速度对输入信号的寄生调幅具有低敏感性，这一点是由权重LR估计的归一化属性所提供。所公开的XPIC算法对于固定点运算的处理误差、量化噪声以及精度限制是高度稳定的，这一点是由互相关反馈环路所支持。所公开的XPIC算法可以在快速、廉价的基于ASIC的实时固定点微处理器上有成本效益地实施。

为了详细描述本发明，将使用以下术语、缩写以及符号：

XPI： 交叉极化干扰

XPIC： 交叉极化干扰消除

MW： 微波

MC： 多载波

V： 垂直极化分量

H： 水平极化分量

AWGN： 加性高斯白噪声

MSE： 均方差

MMSE： 最小均方差

WP： 权重处理器

LMS： 最小均方

ASIC： 专用集成电路

BS： 引导

LR： 线性回归

MVDR： 最小方差无失真响应。

根据第一方面，本发明涉及一种用于在双极化无线电通信系统中进行交叉极化干扰功率抑制的方法，该方法包括：通过2×2信道权重矩阵W对接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波；以及基于最小方差无失真响应标准确定2×2信道权重矩阵W。

通过使用基于MVDR标准计算出的信道权重矩阵对垂直极化分量和水平极化分量进行滤波，提供了快速并且鲁棒的XPIC算法。

在根据第一方面的方法的第一可能实施方式中，最小方差无失真响应标准基于使2×2信道权重矩阵W的交叉极化干扰分量最小化。

在使2×2信道权重矩阵W的交叉极化干扰分量最小化时，XPIC提供了快的收敛速度，因为该算法实现了接近最优水平的XPI抑制。

在根据第一方面本身或根据第一方面的第一实施方式的方法的第二可能实施方式中，最小方差无失真响应标准基于使用接收的双极化信道信号的协方差矩阵R_x。

接收的双极化信道信号的协方差矩阵R_x易于计算，这样的算法的计算效率高。

在根据第一方面的第二实施方式的方法的第三可能实施方式中，最小方差无失真响应标准根据：

其中，w_V和w_H分别表示2×2信道权重矩阵W的垂直极化分量和水平极化分量，R_x表示接收的双极化信道信号的协方差矩阵，H表示通信信道的2×2信道矩阵，s表示至该通信信道的输入信号，h₁₁和h₂₂分别表示该通信信道的第一对角元素和第二对角元素，s_V和s_H分别表示输入信号的垂直极化分量和水平极化分量。

通过使用上述关系，该方法支持对主要V信道子带响应和主要H信道子带响应的最小影响。

在根据第一方面的第三实施方式的方法的第四可能实施方式中，2×2信道权重矩阵W的第一非对角信道权重系数w_21MVDR和第二非对角信道权重系数w_12MVDR根据下式确定：

$\left\{\begin{array}{c}{w}_{21MVDR}=-\frac{a_H^2{h}_{12}^{*}{h}_{22}}{a_H^2|h_{22}{|}^2+a_V^2|h_{21}{|}^2}\\ w_{12MVDR}=-\frac{a_V^2{h}_{21}^{*}{h}_{11}}{a_V^2|h_{11}{|}^2+a_H^2|h_{12}{|}^2}\end{array}\right.$

其中h₁₁、h₁₂、h₂₁以及h₂₂表示2×2通信信道的系数，a_V ²和a_H ²分别表示输入信号的垂直极化分量的功率和水平极化分量的功率。

这样的计算能够通过标准的乘法单元、加法单元和除法单元来容易地实施。

在根据第一方面本身或根据第一方面的任意前述实施方式的方法的第五可能实施方式中，该方法包括：基于包括已知符号的序列的输入信号来确定2×2信道权重矩阵W。

通过使用包括已知符号或训练符号的输入信号，该方法可以提供在为实现所需的XPI抑制的增益所消耗的训练样本的最小数目处的最快收敛速度。

在根据第一方面的第五实施方式的方法的第六可能实施方式中，该方法包括：基于对2×2信道权重矩阵W的垂直极化分量和水平极化分量进行线性回归来确定2×2信道权重矩阵W。

通过使用线性回归，可以以简单的方式实现所述方法的结构。可以通过回归的数目来有效地调节该方法的精度。

在根据第一方面的第六实施方式的方法的第七可能实施方式中，2×2信道权重矩阵W的第一非对角信道权重系数w_21LR(n)和第二非对角信道权重系数w_12LR(n)根据下式确定:

$\left\{\begin{array}{c}{w}_{21LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_V\left(i\right)-s_V\left(i\right){\]}^{*}{y}_H\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_H\left(i\right){|}^2}\\ w_{12LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{\[x_H\left(i\right)-s_H\left(i\right)\]}^{*}{y}_V\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_V\left(i\right){|}^2}\end{array}\right.,n=1,\mathrm{...},N_t$

其中，x_V和x_H分别表示接收的信道信号的垂直极化分量和水平极化分量，s_V和s_H分别表示输入信号的垂直极化分量和水平极化分量，y_V(i)和y_H(i)分别表示接收的信道信号的通过信道权重矩阵滤波后的垂直极化分量和水平极化分量，n表示在输入信号中包括的已知符号的序列的序列标识符。

对2×2信道权重矩阵W的这样的计算可以通过标准乘法器、加法器以及除法器容易地实施，因此可以在低复杂度的固定点处理器上容易地实施。

根据第二方面，本发明涉及一种交叉极化干扰消除器，包括：滤波单元，被配置成通过2×2信道权重矩阵W对接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波；以及权重处理器，被配置成基于最小方差无失真响应标准确定2×2信道权重矩阵W。

这样的交叉极化干扰消除器提供了快的收敛速度。该交叉极化干扰消除器还提供了短时间间隔的实际自适应。

在根据第二方面的交叉极化干扰消除器的第一可能实施方式中，滤波单元包括由互相关反馈环路跨接的具有相同结构的两个并联臂。

该交叉极化干扰消除器对于固定点运算的处理误差、量化噪声以及精度限制是高度稳定的，这一点是由互相关反馈环路所支持。所公开的XPIC算法可以在快速、廉价的基于ASIC的实时固定点处理器上有成本效益地实施。

在根据第二方面本身或根据第二方面的第一实施方式的交叉极化干扰消除器的第二可能实施方式中，交叉极化干扰消除器被配置成在训练模式和工作模式下操作。

这样的交叉极化干扰消除器提供了快的收敛速度，因为合成算法可以在大约4至8个训练样本对中实现接近最优水平的XPI抑制。

在根据第二方面的第二实施方式的交叉极化干扰消除器的第三可能实施方式中，交叉极化干扰消除器被配置成通过使用根据下式的N_t对指定训练样本序列以训练模式对2×2信道权重矩阵W的信道权重w_21LR(n)和w_12LR(n)进行更新:

$\left\{\begin{array}{c}{w}_{21LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_V\left(i\right)-s_V\left(i\right){\]}^{*}{y}_H\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_H\left(i\right){|}^2}\\ w_{12LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{\[x_H\left(i\right)-s_H\left(i\right)\]}^{*}{y}_V\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_V\left(i\right){|}^2}\end{array}\right.,n=1,\mathrm{...},N_t$

其中，x_V(i)和x_H(i)分别表示响应于训练样本序列中的第i对训练样本的接收的信道信号的垂直极化分量和水平极化分量，s_V(i)和s_H(i)分别表示训练样本序列中的第i对训练样本的垂直极化分量和水平极化分量，y_V(i)和y_H(i)分别表示接收的信道信号的通过信道权重矩阵滤波后的垂直极化分量和水平极化分量，n表示N_t对指定训练样本序列的序列标示符。

这样的消除器的收敛速度对信号传播条件和XPI的参数不敏感，这一点是由权重LR估计的归一化属性所提供。该交叉极化干扰消除器支持对主要V信道子带响应和主要H信道子带响应的最小影响，这一点是由权重约束条件w₁₁＝w₂₂＝1所支持。收敛速度对输入信号的寄生调幅具有低敏感性，这一点是由LR估计的归一化属性所提供。

在根据第二方面的第二实施方式和第三实施方式中的任意实施方式的交叉极化干扰消除器的第四可能实施方式中，交叉极化干扰消除器被配置成通过在训练模式期间处理的信道权重矩阵以工作模式对接收的信道信号进行滤波。

使用工作模式和训练模式给予了高的灵活度。可以根据需要处理权重。

在根据第二方面本身或根据第二方面的任一前述实施方式的交叉极化干扰消除器的第五可能实施方式中，交叉极化干扰消除器包括数字信号处理器和基于ASIC的固定点微处理器中的至少一者，所述至少一者被配置成实施滤波单元和权重处理器中的至少一者。

所公开的XPIC算法能够在快速、廉价的基于ASIC的实时固定点微处理器或标准DSP上有成本效益地实施。

根据第三方面，本发明涉及一种计算机程序产品，包括存储有由计算机使用的程序代码的可读存储介质，程序代码包括：用于通过2×2信道权重矩阵W对接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波的指令；以及用于基于最小方差无失真响应标准来确定2×2信道权重矩阵W的指令。

可以将计算机程序加载到每个ASIC或DSP。可以根据需要在系统启动或运行期间改变或适应XPIC算法的参数。

根据第四方面，本发明涉及一种基于对线性约束最小方差无失真响应(minimumvariance distortionless response，MVDR)标准的应用，在双极化微波(microwave，MW)多载波(multicarrier，MC)无线电通信系统中进行自适应训练式交叉极化干扰(cross-polarization interference，XPI)功率抑制的方法。

根据第五方面，本发明涉及一种通过使用输入输出互相关反馈环路，在基于对最优权重系数的线性回归(linear regression，LR)估计而设计的双极化MW-MC无线电通信系统中进行自适应训练式XPI消除(XPI cancellation，XPIC)的新的快速鲁棒的算法。

这样的XPIC算法由于短时间间隔的实际自适应而提供了快的收敛速度。此XPIC算法的收敛速度对信号传播条件和XPI的参数不敏感。

根据第六方面，本发明涉及用于实现自适应训练式XPIC的新算法的有成本效益的实时数字信号处理器的结构。

该结构可以通过标准处理单元例如乘法单元和加法单元来实施，使得计算复杂度低。

在根据第六方面的有成本效益的实时数字信号处理器的结构的第一可能实施方式中，新算法被实施在具有标准数据/操作字长的基于ASIC的固定点微处理器上。这样的微处理器是广泛使用的，因此可以应用于新XPIC算法的有成本效益的实施。

附图说明

进一步，参照以下附图描述本发明的实施方式，在附图中：

图1示出了说明基本双输入双输出(2×2)子带XPI消除器的信道模型100的框图；

图2示出了说明2×2线性XPI消除器200的结构的框图；

图3示出了说明自适应训练式搜索LMS算法300的框图；

图4示出了说明快速收敛自适应引导(bootstrap，BS)算法400的框图；

图5示出了说明根据一种实施方式的实施自适应训练式XPIC算法的数字处理器500的框图；

图6示出了根据一种实施方式的数字权重处理器(weight processor，WP)600的框图；

图7至图10示出了根据一种实施方式的自适应训练式XPIC算法的性能图；以及

图11示出了说明用于进行交叉极化干扰功率抑制的方法1100的一个示例的示意图。

具体实施方式

在以下详细描述中，参照构成详细描述的一部分的附图，在附图中以图示的方式示出了可以实践本公开内容的特定方面。应当理解，可以在不脱离本公开内容的范围的情况下使用其他方面以及进行结构或逻辑改变。因此，以下详细描述并不意在进行限制，本公开内容的范围由所附权利要求来限定。

在本文中描述的设备和方法可以基于交叉极化干扰功率抑制以及交叉极化干扰功率消除。应当理解，结合所描述的方法进行的评论可以针对被配置成执行方法的相应设备也成立，并且结合设备进行的评论可以针对相应方法也成立。例如，如果描述了特定方法步骤，则相应设备可以包括执行该方法步骤的单元，即使这样的单元在附图中并没有明确地描述或说明也是如此。另外，应当理解，除非特别指出，否则在本文中描述的各个示例性方面的特征可以相互组合。

在本文中描述的方法和设备可以在无线通信网络特别是基于3G、4G以及CDMA标准的通信网络中实施。以下描述的方法和设备还可以在基站(NodeB、eNodeB)或移动设备(或移动台或用户设备(User Equipment，UE))中实施。所描述的设备可以包括集成电路和/或无源器件并且可以根据各种技术进行制造。例如，可以将电路设计为逻辑集成电路、模拟集成电路、混合信号集成电路、光路、存储器电路和/或集成无源器件。

在本文中描述的方法和设备可以接收无线电信号。无线电信号或微波可以为或可以包括由无线电发射设备(或无线电发射器或发送器)辐射的具有落在约3Hz至约300Hz范围内的无线电频率的无线电频率信号。频率范围可以与用于生成并检测无线电波的交流电气信号的频率对应。

图5示出了根据一种实施方式的实施自适应训练式XPIC算法的数字处理器500的框图。数字处理器500可以包括两个交叉反馈环路521、522。第一交叉反馈环路521可以包括第一权重处理器505、第一减法单元501、第一加法单元509、第一关联乘法器503以及第一加权滤波器507。第二交叉反馈环路522可以包括第二权重处理器506、第二减法单元502、第二加法单元510、第二关联乘法器504以及第二加权滤波器508。

实时自适应训练式XPI消除的新的快速鲁棒的有成本效益的算法的构思在于应用MVDR标准来优化消除器配置并且通过使用LR方法来执行消除器的权重507、508的循环更新。在应用于该二维问题时，MVDR标准可以用公式表示为:

其中

R_X＝R_S+R_N＝E{s(n)s^H(n)}+E{n(n)n^H(n)} (9)

是输入协方差矩阵，R_S和R_N相应地是输入信号协方差矩阵和噪声协方差矩阵。

通过假设V臂权重系数和H臂权重系数满足w₁₁＝w₂₂＝1的常规的变分方法对式(8)的问题进行求解，得到使两个交叉极化干扰分量为零的以下最优交叉权重:

$\left\{\begin{array}{c}{w}_{21MVDR}=-\frac{a_H^2{h}_{12}^{*}{h}_{22}}{a_H^2|h_{22}{|}^2+a_V^2|h_{21}{|}^2}\\ w_{12MVDR}=-\frac{a_V^2{h}_{21}^{*}{h}_{11}}{a_V^2|h_{11}{|}^2+a_H^2|h_{12}{|}^2}\end{array}\right.---\left(10\right)$

其中，a_V(H) ²表示相应的信号平均功率。

据此可见，为了抑制XPI分量，信道矩阵H的至少非对角元素必须先验已知，这在大多数实际情况下是不可能的。通过引入特定类型的训练模式，通过使用LR方法可以有效估计式(10)中的最优权重系数。

如果V信道训练符号分组和H信道训练符号分组，即{s_V(n)}和{s_H(n)}(n＝1,…,N_t)提前已知，则可以构成以下两个辅助序列:

$x_t\left(n\right)=\left[\begin{array}{c}{x}_{Vt}\left(n\right)\\ x_{Ht}\left(n\right)\end{array}\right]=\left[\begin{array}{c}{x}_V\left(n\right)-s_V\left(n\right)\\ x_H\left(n\right)-s_H\left(n\right)\end{array}\right]\≅\left[\begin{array}{c}{h}_{12}{s}_H\left(n\right)+n_V\left(n\right)\\ h_{21}{s}_V\left(n\right)+n_H\left(n\right)\end{array}\right],n=1,2,\mathrm{...},N_t---\left(11\right)$

其中，N_t为训练信号对的数目。

因为消除器的V极化输出和H极化输出变得彼此独立，所以最优XPIC权重的LR估计器可以被近似为:

$\left\{\begin{array}{c}{w}_{21LR}=-\underset{N_t\→\mathrm{\∞}}{\lim }\frac{E\left\{x_{Vt}^{*}\left(n\right)x_H\left(n\right)\right\}}{E\left\{\right|x_H\left(n\right){|}^2\}}=-\frac{a_H^2{h}_{12}^{*}{h}_{22}}{a_H^2|h_{22}{|}^2+a_V^2|h_{21}{|}^2+{\mathrm{\σ}}_{NH}^2}\\ w_{12LR}=-\underset{N_t\→\mathrm{\∞}}{\lim }\frac{E\left\{x_{Ht}^{*}\left(n\right)x_V\left(n\right)\right\}}{E\left\{\right|x_V\left(n\right){|}^2\}}=-\frac{a_V^2{h}_{21}^{*}{h}_{11}}{a_V^2|h_{11}{|}^2+a_H^2|h_{12}{|}^2+{\mathrm{\σ}}_{NV}^2}\end{array}\right.---\left(12\right)$

其中，a_V ²和a_H ²为V极化信道和H极化信道的相应平均符号功率，σ_NV ²＝σ_NH ²＝σ_N ²为噪声方差。

因此，使用LR估计方法合成的新的快速鲁棒的监督式自适应XPIC算法的基本形式可以描述为:

$\left\{\begin{array}{c}{w}_{21LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_V\left(i\right)-s_V\left(i\right){\]}^{*}{y}_H\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_H\left(i\right){|}^2}\\ w_{12LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{\[x_H\left(i\right)-s_H\left(i\right)\]}^{*}{y}_V\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}|x_V\left(i\right){|}^2}\end{array}\right.,n=1,\mathrm{...},N_t---\left(13\right)$

其中，

$\left\{\begin{array}{c}{y}_V\left(i\right)=x_V\left(i\right)+w_{21}^{*}(i-1)x_H\left(i\right)\\ y_H\left(i\right)=x_H\left(i\right)+w_{12}^{*}(i-1)x_V\left(i\right)\end{array}\right.,i=1,\mathrm{...},n---\left(14\right)$

图5中的消除器可以构建为数字信号处理器500以包含由互相关反馈环路跨接的具有相同结构的两个并联臂521、533。处理器500可以被设计成在两种主要模式即训练模式和工作模式下操作。在训练模式下，消除器500可以使用N_t对指定的训练样本序列{s_Vt(n)}和{s_Ht(n)}，根据式(13)对权重w₂₁(n)507和w₁₂(n)508进行更新和平滑。到每个训练信号分组的结束处，权重507、508可以被稳定并保持不变直至下一个训练间隔。在工作模式下，每个交叉反馈环路521、522中的减法单元501、502、关联乘法器503、504以及权重处理器505、506可以关断，使得消除器500可以使用不变的稳定权重形成XPI被抑制的输出y_V和y_H。

在一个示例中，交叉极化干扰消除器可以包括滤波单元507、508，滤波单元507、508被配置成通过2×2信道权重矩阵W对所接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波，2×2信道权重矩阵W可以包括权重w₁₁＝1，w₁₂、w₂₁、w₂₂＝1。XPIC还可以包括权重处理器505、506，权重处理器505、506被配置成基于最小方差无失真响应标准来确定2×2信道权重矩阵W。

在交叉极化干扰消除器的实施方式中，滤波单元507、508可以包括由互相关反馈环路521、522跨接的具有相同结构的两个并联臂。在一种实施方式中，交叉极化干扰消除器可以在训练模式和工作模式下操作。在一种实施方式中，交叉极化干扰消除器可以通过根据上述式(13)使用N_t对指定训练样本序列以训练模式对2×2信道权重矩阵W的信道权重w_21LR(n)和w_12LR(n)进行更新。在一种实施方式中，交叉极化干扰消除器可以通过在训练模式期间处理的信道权重矩阵以工作模式对所接收的信道信号进行滤波。在一种实施方式中，交叉极化干扰消除器可以包括数字信号处理器和基于ASIC的固定点微处理器中的至少一者，所述至少一者被配置成实施滤波单元507、508和权重处理器505、506中的至少一者。

图6示出了根据一种实施方式的数字权重处理器(weight processor，WP)600的框图。数字权重处理器600可以包括复值乘法器601、第一积分求和器603和第二积分求和器604、第一延迟单元605和第二延迟单元606以及实值除法单元607。

数字权重处理器600可以完整地实施以上结合图5描述的新的自适应XPIC算法的计算操作和平滑操作。缩写CM表示复值乘法器，∑表示积分求和器，符号τ表示延迟单元例如移位寄存器，缩写Div表示实值除法单元。

根据图示，数字权重处理器600可以执行两次实值乘法运算以在CM 601中获得输入方差|x_H(V)(n)|²的瞬时值，以及执行两次实值除法运算以在Div单元607中形成更新后的权重w₂₁₍₁₂₎(n)的结果值。

在WP 600中可以通过使用标准求和移位寄存器实现平滑即循环积分运算。由于除法运算，所以在积分时分子和分母不需要归一化。结果是，在一个示例中，使用自适应XPIC的新的基于LR的算法来处理成对的训练样本所需的实值乘法N_Mu和实值除法N_Div的总量N_M&D可以为N_M&D＝N_Mu+N_Div＝16。

图7至图10示出了根据一种实施方式的自适应训练式XPIC算法的性能图。

为了算出以上结合图5和图6描述的新的自适应训练式XPIC算法的收敛性能，执行了计算机仿真。表1描绘了在仿真中使用的微波链路参数和条件。

表1：用于测试新的自适应训练式XPIC算法的微波链路参数

假设信道模型为子带OFDM信号传播的常规LoS加AWGN模型的2极化变型。根据该模型，通过信道矩阵H对所有可能的信号幅度相位失真、寄生折射、交叉极化干扰等进行了建模。

为了执行收敛性能的可靠测试，考虑了数据传输的一组相当困难的条件。特别地，假设所有输入信号即直接分量部分以及交叉极化泄漏部分二者彼此同相并且不具有任何信道间相移和分量间相移。通过两个独立的随机32样本QPSK符号序列来对导频信号进行建模。

图7至图10示出了在V至H功率泄漏水平保持等于-25dB而H至V泄漏从-13dB变化至-22dB时，针对非对称交叉信道泄漏场景所获得的新的基于LR的自适应训练式XPI消除器的单快照学习曲线。

图7示出了关于在零相移时的-25dB的V至H泄漏功率以及在零相移时的-13dB的H至V泄漏功率的样本的输出的信号与干扰加噪声比(signal to interference and noise，SINR)(图7a)以及残余XPI加噪声功率(图7b)。该曲线图示出了V极化分量702、H极化分量703以及最优结果701。

图8示出了关于在零相移时的-25dB的V至H泄漏功率以及在零相移时的-16dB的H至V泄漏功率的样本的输出的信号与干扰加噪声比(signal to interference and noise，SINR)(图8a)以及残余XPI加噪声功率(图8b)。该曲线图示出了V极化分量802、H极化分量803以及最优结果801。

图9示出了关于在零相移时的-25dB的V至H泄漏功率以及在零相移时的-19dB的H至V泄漏功率的样本的输出的信号与干扰加噪声比(signal to interference and noise，SINR)(图9a)以及残余XPI和噪声功率(图9b)。该曲线图示出了V极化分量902、H极化分量903以及最优结果901。

图10示出了关于在零相移时的-25dB的V至H泄漏功率以及在零相移时的-22dB的H至V泄漏功率的样本的输出的信号与干扰加噪声比(signal to interference and noise，SINR)(图10a)以及残余XPI加噪声功率(图10b)。曲线图示出了V极化分量1002、H极化分量1003以及最优结果1001。

根据曲线图明显的是，达到可接受水平的XPI抑制所需的训练样本对的最小数目不论交叉极化泄漏功率水平高低都不超过4÷8。

图11示出了说明用于进行交叉极化干扰功率抑制的方法1100的一个示例的示意图。

方法1100可以包括：通过2×2信道权重矩阵W对接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波；以及基于最小方差无失真响应标准确定2×2信道权重矩阵W。

在一种实施方式中，最小方差无失真响应标准可以基于使2×2信道权重矩阵W的交叉极化干扰分量最小化。在一种实施方式中，最小方差无失真响应标准可以基于使用接收的双极化信道信号的协方差矩阵R_X。在一种实施方式中，最小方差无失真响应标准可以根据以上结合图5描述的式(8)。在一种实施方式中，可以根据以上结合图5描述的式(10)确定2×2信道权重矩阵W的第一非对角信道权重系数w_21MVDR和第二非对角信道权重系数w_12MVDR。在一种实施方式中，方法1100可以包括基于包括已知符号例如训练符号或导频符号的序列的输入信号来确定2×2信道权重矩阵W。在一种实施方式中，方法1100可以包括基于对2×2信道权重矩阵W的垂直极化分量和水平极化分量进行线性回归来确定2×2信道权重矩阵W。在一种实施方式中，根据以上结合图5描述的式(13)来确定2×2信道权重矩阵W的第一非对角信道权重系数w_21LR(n)和第二非对角信道权重系数w_12LR(n)。

可以使用方法1100操作以上结合图5和图6描述的数字处理器500和/或数字权重处理器600。

在本文中描述的方法、系统和设备可以被实施为在数字信号处理器(DigitalSignal Processor，DSP)、微控制器或任何其他侧处理器中的软件或被实施为专用集成电路(application specific integrated circuit，ASIC)内的硬件电路。

本发明可以在数字电子电路或计算机硬件、固件、软件或其组合中实施，例如在常规移动设备的可用硬件中或专门用于处理在本文中描述的方法的新硬件中实施。

本公开内容还支持包括计算机可执行代码或计算机可执行指令的计算机程序产品，在被执行时该计算机可执行代码或计算机可执行指令使得至少一个计算机执行在本文中描述的执行和计算步骤，特别是以上结合图11描述的方法1100和以上结合图5至图10描述的XPIC算法。这样的计算机程序产品可以包括存储有由计算机使用的程序代码的可读存储介质，程序代码可以包括：用于如以上结合图5和图6描述的通过2×2信道权重矩阵W对接收的双极化信道信号的垂直极化分量x_V(n)和水平极化分量x_H(n)进行滤波的指令；以及用于如以上结合图5和图6描述的基于最小方差无失真响应标准确定2×2信道权重矩阵W的指令。

尽管可能已经针对若干种实施中的仅一种实施公开了本公开内容的特定特征或方面，但是这样的特征或方面可以在对于任何给定或特定的应用可能是期望的或有利的时，与其他实施的一个或更多个其他特征或方面进行组合。此外，关于术语“包括(include)”、“具有(have)”、“有(with)”或所述术语的其他变型在详细的说明书或权利要求中使用，这样的术语意在以与术语“包括(comprise)”相似的方式进行包括。另外，术语“示例性(exemplary)”、“例如(for example)”以及“例如(e.g.)”仅意味着作为示例而非最佳或最优。

尽管在本文中已经说明并描述了特定方面，但是本领域的技术人员应当理解可以在不脱离本公开内容的范围的情况下，用多种代替和/或等价实施来替代所示及所述特定方面。该应用意在覆盖在本文中讨论的特定方面的任何修改或变型。

尽管在所附权利要求中的元素以使用相应附图标记的特定顺序叙述，但是除非权利要求的叙述另外暗示了以特定顺序实施那些元素中的一部分或全部，否则那些元素并不一定意在被限制为以此特定顺序来实施。

对本领域的技术人员而言，许多代替、修改以及变型根据上述教导而明显。当然，本领域的技术人员容易认识到除了在本文中描述的应用之外还存在本发明的许多应用。尽管参照一个或更多个特定实施方式描述了本发明，但是本领域的技术人员认识到在不脱离本发明的范围的情况下可以做出许多变化。因此，应当理解可以在所附权利要求及其等同变型的范围内以不同于在本文中具体描述的方式来实践本发明。

Claims (15)

1.一种用于在双极化无线电通信系统中进行交叉极化干扰功率抑制的方法(1100)，所述方法包括：

通过2×2信道权重矩阵(507，508)对接收的双极化信道信号的垂直极化分量(x_V(n))和水平极化分量(x_H(n))进行滤波(1101)；以及

基于最小方差无失真响应标准确定(1102)所述2×2信道权重矩阵(507，508)。

2.根据权利要求1所述的方法(1100)，其中，所述最小方差无失真响应标准基于使所述2×2信道权重矩阵(507，508)的交叉极化干扰分量最小化。

3.根据权利要求1或2所述的方法(1100)，其中，所述最小方差无失真响应标准基于使用所述接收的双极化信道信号的协方差矩阵R_X。

4.根据权利要求3所述的方法(1100)，其中，所述最小方差无失真响应标准根据：

其中，w_V和w_H分别表示所述2×2信道权重矩阵W的垂直极化分量和水平极化分量，R_x表示所述接收的双极化信道信号的所述协方差矩阵，H表示通信信道的2×2信道矩阵，s表示至所述通信信道的输入信号，h₁₁和h₂₂分别表示所述通信信道的第一对角元素和第二对角元素，s_V和s_H分别表示所述输入信号的垂直极化分量和水平极化分量。

5.根据权利要求4所述的方法(1100)，其中，所述2×2信道权重矩阵(507，508)的第一非对角信道权重系数(w_21MVDR，507)和第二非对角信道权重系数(w_12MVDR，508)根据下式确定：

$\{\begin{array}{c}{w}_{21MVDR}=-\frac{a_H^2{h}_{12}^{*}{h}_{22}}{a_H^2{\left|h_{22}\right|}^2+a_V^2{\left|h_{21}\right|}^2}\\ w_{12MVDR}=-\frac{a_V^2{h}_{21}^{*}{h}_{11}}{a_V^2{\left|h_{11}\right|}^2+a_H^2{\left|h_{12}\right|}^2}\end{array},$

其中，h₁₁、h₁₂、h₂₁以及h₂₂表示所述2×2通信信道的系数，a_V ²和a_H ²分别表示所述输入信号的所述垂直极化分量的功率和所述水平极化分量的功率。

6.根据前述权利要求中的一项所述的方法(1100)，包括：

基于包括已知符号的序列的输入信号来确定所述2×2信道权重矩阵(507，508)。

7.根据权利要求6所述的方法(1100)，包括：

基于对所述2×2信道权重矩阵(507，508)的垂直极化分量和水平极化分量进行线性回归来确定所述2×2信道权重矩阵(507，508)。

8.根据权利要求7所述的方法(1100)，其中，所述2×2信道权重矩阵(507，508)的第一非对角信道权重系数(w_21LR，507)和第二非对角信道权重系数(w_12LR，508)根据下式确定：

$\left\{\begin{array}{c}{w}_{21LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_V\left(i\right)-s_V\left(i\right){\]}^{*}{y}_H\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}{\left|x_H\left(i\right)\right|}^2}\\ w_{12LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{\[x_H\left(i\right)-s_H\left(i\right)\]}^{*}{y}_V\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}{\left|x_V\left(i\right)\right|}^2}\end{array}\right.,n=1,\mathrm{...},N_i$

其中，x_V和x_H分别表示接收的所述信道信号的垂直极化分量和水平极化分量，s_V和s_H分别表示所述输入信号的垂直极化分量和水平极化分量，y_V(i)和y_H(i)分别表示接收的所述信道信号的通过所述信道权重矩阵滤波后的垂直极化分量和水平极化分量，n表示在所述输入信号中包括的所述已知符号的序列的序列标识符。

9.一种交叉极化干扰消除器(500)，包括：

滤波单元(507，508)，被配置成通过2×2信道权重矩阵(W)对接收的双极化信道信号的垂直极化分量(x_V(n))和水平极化分量(x_H(n))进行滤波；以及

权重处理器(505，506)，被配置成基于最小方差无失真响应标准确定所述2×2信道权重矩阵(W)。

10.根据权利要求9所述的交叉极化干扰消除器(500)，其中，所述滤波单元(507，508)包括由互相关反馈环路跨接的具有相同结构的两个并联臂(521，522)。

11.根据权利要求9或10所述的交叉极化干扰消除器(500)，被配置成在训练模式或工作模式下操作。

12.根据权利要求11所述的交叉极化干扰消除器(500)，被配置成通过使用根据下式的N_t对指定训练样本序列以所述训练模式对所述2×2信道权重矩阵(W)的信道权重(w_21LR(n)，w_12LR(n))进行更新：

$\left\{\begin{array}{c}{w}_{21LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{x}_V\left(i\right)-s_V\left(i\right){\]}^{*}{y}_H\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}{\left|x_H\left(i\right)\right|}^2}\\ w_{12LR}\left(n\right)=-\frac{\underset{i=1}{\overset{n}{\Σ}}{\[x_H\left(i\right)-s_H\left(i\right)\]}^{*}{y}_V\left(i\right)}{\underset{i=1}{\overset{n}{\Σ}}{\left|x_V\left(i\right)\right|}^2}\end{array}\right.,n=1,\mathrm{...},N_i,$

其中，x_V(i)和x_H(i)分别表示响应于所述训练样本序列中的第i对训练样本的接收的所述信道信号的垂直极化分量和水平极化分量，s_V(i)和s_H(i)分别表示所述训练样本序列中的第i对训练样本的垂直极化分量和水平极化分量，y_V(i)和y_H(i)分别表示接收的所述信道信号的通过所述信道权重矩阵滤波后的垂直极化分量和水平极化分量，n表示所述N_t对指定训练样本序列的序列标识符。

13.根据权利要求11或12所述的交叉极化干扰消除器(500)，被配置成通过在所述训练模式期间处理的所述信道权重矩阵(W)以所述工作模式对接收的所述信道信号进行滤波。

14.根据权利要求9至13中的一项所述的交叉极化干扰消除器(500)，包括数字信号处理器和基于ASIC的固定点微处理器中的至少一者，所述至少一者被配置成实施所述滤波单元(507，508)和所述权重处理器(505，506)中的至少一者。

15.一种计算机程序产品，包括存储有由计算机使用的程序代码的可读存储介质，所述程序代码包括：

用于通过2×2信道权重矩阵(W)对接收的双极化信道信号的垂直极化分量(x_V(n))和水平极化分量(x_H(n))进行滤波的指令；以及

用于基于最小方差无失真响应标准确定所述2×2信道权重矩阵(W)的指令。