CN1203693C - 自适应均衡方法及自适应均衡器 - Google Patents

Abstract

在接收信号R(n)中的训练信号接收中，求M信道传输通路的脉冲响应推定值H_m(n)，并且，使用该R(和训练信号b(n)，通过适用的算法计算线性滤波器111的抽头系数G(n)，对于R(n)的信息符号，以最后G(n)对R(n)作线性滤波处理，通过其输出Z(n)和最后H(n)来计算软判定值λ₁，在第2次以后的处理中，根据用解码器的软判定值λ₂[b(n)]求似然b’(n)，若对于留意码b(n)的码间干扰为零，那么，以近似的脉冲响应推定值矢量H_L(n)对似然b’(n)作线性滤波处理，产生复本，求复本和接收信号的差信号R_c(n)，而且，使用脉冲响应推定值矢量H_L(n)更新G(n)，使用该G(n)对R_c(n)进行滤波处理，求信号Z(n)，使用该信号Z(n)和H_L(n)输出软判定值λ₁。

Description

自适应均衡方法及自适应均衡器

                        技术领域

本发明涉及为抑制例如移动通信的衰落影响而使用的自适应均衡方法及自适应均衡器。

                        背景技术

在移动通信环境下，由移动台发射的信号受到周围的建筑物、树木等的影响，信号由各个方向来到基站。在移动通信中成为大问题的是，在象这样的多通路传输路径中，延迟时间差大的延迟波到来所产生的码间干扰影响。现存作为减小因码间干扰产生的信号失真影响的技术，推定传输路径特性，从其推定的特性实施均衡。作为在均衡技术中使用的均衡算法中的一种，具有作为应用在低SNR中实现良好的错误率特性的特播码技术方式的重复均衡。特播编码方法用现实的编码和解码处理量可实现接近表示仅在信息理论中存在的通信路径编码方法的界限的错误率特性。特播编码方法分别编码发送信息系列及排列替换其的系列，在接收端将这些交错重复解码。该特播编码的卷积码的编码系列产生过程，由于与多通路传输的码间干扰发生过程等效，所以，在延迟波均衡处理中可应用特波码技术的解码处理。

在图1中，展示重复均衡的接收发送器的构成例是根据Raryl Reynoldsand Xiaodong Wang的文献，“Low Complexity Turbo-Equalization forDiversity Channels”，http://ee.tamu.edu/~reynolds/。在发送器10中，信息比特系列d(i)的编码用编码器11进行，该编码输出系列在用交织器12排列替换之后，在调制器13中作载波的调制，其调制输出比特串b(i)通过传输路径14发送。接收器20中对于接收信号r(t)，用SISO(Soft-Input Soft-Output)均衡器21作延迟波的均衡，由下面式子1导出对于接收信号r(t)各编码比特b(i)为+1的概率和-1的概率的对数似然比Λ₁(LLR：Log-likelihood Ratio)。

${\mathrm{\Λ}}_1\[b\left(i\right)\]=\log \frac{\mathrm{Pr}\[b\left(i\right)=+1|r\left(t\right)\]}{\mathrm{Pr}\[b\left(i\right)=-1|r\left(t\right)\]}$

$=\log \frac{p\[r\left(t\right)|b\left(i\right)=+1\]}{p\[r\left(t\right)|b\left(i\right)=-1\]}+\log \frac{\mathrm{Pr}\[b\left(i\right)=+1\]}{\mathrm{Pr}\[b\left(i\right)=-1\]}$

$={\mathrm{\λ}}_1\[b\left(i\right)\]+{\mathrm{\λ}}_2\[b\left(i\right)\]---\left(1\right)$

公式(1)的第一项目λ₁[b(i)]是用减法器26从作为SISO均衡器21输出的对数似然比Λ₁[b(i)]中减去事前信息λ₂[b(i)]导出的外部信息。公式(1)的第二项目λ₂[b(i)]在前次的重复处理中从由SISO解码器23输出的对数似然比Λ₂[b(n)]中用减法器24减去λ₁[b(n)]，将得到的λ₂[b(n)]用交织器25排列替换，λ₂[b(n)]的初期值为0。λ₂[b(i)]作为编码比特串{b(i)}的事前LLR值使用。作为外部信息的λ₁[b(i)]通过解交织器22恢复原来的排列替换，作成λ₁[b(n)]，作为SISO解码器23的事前信息输入。SISO解码器23使用该事前信息用下面公式(2)导出编码比特串{b(i)}的事后LLR值Λ₂。

Λ₂[b(n)]＝λ₂[b(n)]+λ₁[b(n)]                                        (2)

在第2次以后的处理中，用减法器24从由SISO解码器23导出的事后LLR值Λ₂中减去λ₁[b(n)]，求外部信息λ₂[b(n)]，这通过交织器25作为事前信息λ₂[b(i)]提供给SISO均衡器21。象这样通过重复均衡和解码处理更新LLR值，导出更准确的LLR值。即是说，通过对数字接收信号的第1次自适应均衡处理求第1对数似然比Λ₁，将其第1对数似然比作解码处理，求第2对数似然比Λ₂，用其第2对数似然比Λ₂对上述的数字接收信号作第2次自适应均衡处理，求第1对数似然比Λ₁，对其第1对数似然比进行解码处理，输出解码结果。

在该重复均衡中，使用SISO均衡器和解码器中的算法具有：以符号单位进行最佳解码的MAP(Maximum A-posteriori Probability)算法，和据此的Log-MAP算法，根据使用近似计算减少均衡和解码处理运算量的Max-Log-MAP算法。并且与MAP算法不同，存在以系列单位进行最佳解码同时输出比特可靠度信息的SOVA(Soft-Output Viterbi Algorithm)。但是，在将这些算法作为均衡器的均衡算法使用的情况下，在均衡器中对于考虑的最大延迟符号数算法的复杂程度以指数函数增加，运算量极大。例如，在作为调制方式使用BPSK的情况下，设1个接收信道的存储量为10符号(规定均衡器所考虑的最大延迟符号数为10符号)，状态数成为2¹⁰＝1024，由此，超过现实的运算量(处理量)。因此，在重复均衡中使用的均衡器的均衡处理中，使用线性均衡器能减少运算量。

在图2中表示线性均衡器的典型构成例。该均衡器将取样的接收信号提供给延迟元件(τ秒间隔延迟)31的纵向连接，依次得到τ秒的延迟信号，通过由系数自适应化电路34设定系数的可变加权电路32和加法器33作加权合成实现均衡。作为τ一般选择取样周期T或T/2。设想均衡器为1个滤波器，如果以滤波器的特性来考虑，那么线性均衡通过达到对于判定接收信号状态好的滤波器特性来完成均衡。该滤波器基本上实现传输路径失真的反特性。

在重复均衡和解码处理的重复均衡的均衡处理中使用象这样的线性均衡器的情况下，作为输出必须导出软判定值。根据使用线性均衡器导出软判定值，对于以比已有的重复均衡中使用的MAP、SOVA等的算法少的运算量进行重复均衡方式，在前述的Daryl Reynolds and Xiaodong Wang文献中作了叙述。在该文献中，作为信道模型设定以下的离散时间模型，对于在其上应用线性均衡器的情况下进行了叙述。用如下面公式表示接收信号取样r(n)。

$r\left(n\right)=\underset{j=0}{\overset{j-1}{\mathrm{\Σ}}}b(n-j)h(n;j)+\mathrm{\σv}\left(n\right),n=\mathrm{0,1},...,N-1---\left(3\right)$

ν(n)＝[ν₀(n)ν₁(n)…ν_M-1(n)]^T                                      (4)

h(n；j)＝[h₀(n；j)h₁(n；j)...h_M-1(n；j)]^T                             (5)

设M为信道的输出数，r(n)＝[r₀(n)r₁(n)…r_M-1(n)]^T是表示各信道时刻n的接收取样值的矢量。T表示转置阵列。例如，在使用多个天线的情况下，M对应于天线数。b(n)表示编码比特，式(4)的v(n)是平均0的复数矢量，表示噪声。式(5)的h(n；j)是表示信道抽头加权(タツプ重み)系数的矢量。并且，J是考虑的符号间干扰(ISI：Inter-Symbol Interference)的最大符号数。其中，有关接收信号矢量R(n)，噪声矢量V(n)，编码比特矢量B(n)，信道行列H_m(n)作如下定义。

$R\left(n\right)={\left[\begin{array}{c}r(n+J-1)\\ .\\ .\\ .\\ r\left(n\right)\end{array}\right]}_{\mathrm{MJ}\×1}---\left(6\right)$

$\left(n\right){\left[\begin{array}{c}v(n+J-1)\\ .\\ .\\ .\\ v\left(n\right)\end{array}\right]}_{\mathrm{MJ}\×1}---\left(7\right)$

B(n)＝[b(n+J-1))b(n+(J-2))...b(n+1)b(n)b(n-1)...b(n-(J-1))]^T          (8)

H(n)＝[h(n；0)…h(n；J-1)]                                            (9)

在公式(6)(7)中表示的矢量R(n)，V(n)是MJ行1列，即MJ维的纵矢量。Hm(n)是MJ行(2J-1)列的阵列，B(n)是(2J-1)维的纵矢量，H(n)是M行J列的阵列，通过公式(3)得到如下关系。

R(n)＝H_m(n)B(n)+σV(n)                                               (11)

接着，使用编码比特串b(i)的事前LLR值λ₂[b(k)]，通过下式定义编码比特串的似然。

b′(k)＝tanh[λ₂[b(k)]/2]，n-(J-1)≤k≤n+(J-1)                       (12)

公式(12)具有双曲线(ハィパボリック)函数tanhX的变量x一旦偏离0，则迅速地渐近1或-1，似然b’(k)表示b(k)的推定码。还有，在接收信号矢量R(n)中，设对于时间n的编码比特b(n)给予码间干扰影响的编码比特的推定值矢量如下。

B′(n)＝[b′(n+(J-1))b′(n+(J-2))…b′(n+1)0b′(n-1)…b′(n-(J-1))]^T    (13)

由于B’(n)是为从接收信号矢量R(n)中减去对于编码比特b(n)的码间干扰分量使用的推定值矢量，所以相当于矢量B’(n)的b(n)的要素设定为0。使用该编码比特推定值矢量B’(n)，将从接收信号矢量R(n)中减去码间干扰分量复本的差分矢量R_c(n)定义如下。

R_c(n)＝R(n)-H_m(n)B′(n)＝H_m(n)[B(n)-B′(n)]+σν(n)                  (14)

根据抽头系数G(n)的线性滤波对该R_c(n)作用下式表示的滤波处理。

Z(n)＝G(n)^HR_c(n)                                                     (15)

其中，H为共轭转置矩阵。该抽头系数G(n)如下式所示，确定使编码比特B(n)和滤波输出Z(n)的平均平方误差为最小。

G(n)＝arg min E{‖b(n)-G(n)^HR_c(n)‖²}

＝arg min G(n)^HE{R_c(n)R_c(n)^H}G(n)-2G(n)^HE{b(n)R_c(n)}                 (16)

arg min E{ }表示有关J维全部矢量G的{ }内为最小。

式(16)的第一项和第二项展开成下面式子。

E{R_c(n)R_c(n)^H}＝H_m(n)Λ(n)H_m(n)^H+σ²I                                (17)

E{b(n)R_c(n)}＝H_m(n)e_J                                                (18)

其中I为单位矩阵，Λ(n)为：

Λ(n)＝Coν{B(n)-B′(n)}

＝diag[1-b′²(n+(J-1))，...，1-b′²(n+1)，1，1-b′²(n-1)，

       ...，1-b′²(n-(J-1))]                                         (19)

这里，Cov表示协方差矩阵，diag表示对角矩阵。e_J是长度2J-1的矢量，第J个要素为1，其他的要素为0。这里，最佳抽头系数G(n)规定式(16)的右边倾斜矢量为0，解正规方程式，代入式(17)、(18)，给出如下式子。

G(n)＝[H_m(n)Λ(n)H_m(n)^H+σ²I]^-1H_m(n)e_J                               (20)

将导出的G(n)代入式(15)，如果计算Z(n)，则成为：

$Z\left(n\right)=e_J^T{H}_m{\left(n\right)}^H{\[H_m\left(n\right)\mathrm{\Λ}\left(n\right)H_m{\left(n\right)}^H+{\mathrm{\σ}}^{2}I\]}^{-1}\[R\left(n\right)-H_m\left(n\right)B\left(n\right)\]---\left(21\right)$

这里，由于Hm(n)必须成为全列顺序(フルコラムランク)，所以至少天线数M必须为2或大于2。

式(21)的Z(n)假定滤波输出近似以高斯分布，则可写成以下式子(参照文献：V.Poor and S.Verdu“Probability of Error in MMSE MultiuserDetection”，IEEE Trans.Inforrmation Theory，vol.IT-43，No.3，pp.858-871，May1997)。

Z(n)＝μ(n)b(n)+η(n)                                                (22)

其中，μ(n)是输出信号的等效振幅，η(n)表示平均0，分散ν²(n)的高斯分布。因此，η(n)和ν²(n)可表示如下。

μ(n)＝E{Z(n)b(n)}

＝[H_m(n)^H[H_m(n)Λ(n)H_m(n)^H+σ²I]^-1H_m(n)]_J，J                         (23)

[]_J，J表示矩阵中的第J行第J列要素。

ν²＝var{Z(n)}＝μ(n)-μ²(n)                                         (24)

从以上，利用线性均衡器导出的外部信息可用下面式子导出。

${\mathrm{\λ}}_1\[b\left(n\right)\]=\log \frac{p\left(Z\left(n\right)\right|b\left(n\right)=+1)}{p\left(Z\left(n\right)\right|b\left(n\right)=-1}=\frac{4\mathrm{Real}\left\{Z\left(n\right)\right\}}{1-\mathrm{\μ}\left(n\right)}---\left(25\right)$

然而，在该导出方法中，为了导出最佳抽头系数G(n)，有必要进行在每个时间点用式(20)的以下公式表示的逆矩阵运算，在运算处理中需要许多时间。

Φ(n)＝[H_m(n)Λ(n)H_m(n)^H+σ²I]^-1                                     (26)

在使用线性均衡器作重复均衡中，在已有的方法中，由于为更新抽头系数需要进行在每个时间点的逆矩阵运算，所以在处理中需要很多时间，这就是问题所在。

                        发明内容

因此，本发明目的在于提供一种这样的自适应均衡方法及其装置，减少为导出在重复均衡中使用的线性均衡器的抽头系数中的必要运算量，减少在运算处理中所需时间。

本发明提供一种自适应均衡处理方法，在对传输路径不同的M信道的接收信号矢量多次重复自适应均衡处理并进行解码的解码处理中，对编码比特b(n)进行软判定而产生的第2软判定值λ₂[b(n)]作为事前信息提供，通过重复使用其事前信息使传输路径不同的M信道的接收信号矢量R(n)均衡并输出第1软判定值λ₁[b(n)]，来使接收信号矢量R(n)自适应均衡，上述自适应均衡处理方法包括以下步骤：

在第1次均衡处理中，

(a)通过对M信道的接收信号矢量R(n)使用编码比特b(n)的第1次自适应均衡处理，求M信道传输路径的脉冲响应推定值H_m(n)和线性滤波处理抽头系数G(n)，输出第1软判定值λ₁[b(n)]；

在第2次以后的均衡处理中，

(b)根据上述第1软判定值λ₁[b(n)]，用解码处理得到的第2软判定值λ₂[b(n)]求编码比特b(n)的似然b’(n)；

(c)对于时间点n的编码比特b(n)，将码间干扰分量看作近似为零来求脉冲响应推定值矢量H_L(n)，并通过该脉冲响应推定值矢量H_L(n)来求线性滤波处理的抽头系数G(n)，更新上述线性滤波处理的抽头系数G(n)；

(d)利用上述脉冲响应推定值矢量H_L(n)对上述编码比特b(n)的似然b’(n)作线性滤波处理，产生复本信号；

(e)从上述接收信号矢量R(n)中减去上述复本信号，产生除去码间干扰的差分信号R_c(n)；

(f)利用上述线性滤波处理的抽头系数G(n)对上述差分信号R_c(n)作线性滤波处理，产生信号Z(n)；

(g)将通过上述信号Z(n)和上述脉冲响应推定值矢量H_L(n)更新的第1软判定值λ₁[b(n)]作为第2次以后的自适应均衡结果输出。

本发明还提供一种自适应均衡器，包括以下部分：

脉冲响应推定部，根据接收信号矢量及已知信号求传输路径的M信道脉冲响应推定值；

抽头系数计算部，根据上述接收信号矢量及上述已知信号，利用自适应算法求线性滤波处理的抽头系数；

线性滤波器，设定上述线性滤波处理的抽头系数，对上述接收信号矢量进行线性滤波处理；

软判定值计算部，通过上述脉冲响应推定值和上述线性滤波器的处理结果，计算软判定值。

根据本发明的第一方案，根据接收信号取样值和已知信号推定其传输通路的脉冲响应，并且，通过接收信号取样值系列自适应地计算线性滤波抽头系数，使用其滤波系数对接收信号取样值系列作线性滤波处理，使用其线性滤波处理结果和前述脉冲响应推定值导出软判定值。

根据该构成，在重复均衡中使用线性均衡器的情况下，由于将接收信号取样值系列作为输入，自适应地导出线性滤波抽头系数，所以与进行逆矩阵运算的已有的方法相比较，可减少运算量。

根据本发明的第二方案，在进行均衡和解码的重复处理的自适应重复均衡器中，在第二次处理以后，根据来自解码器的软判定值，将使用其似然的编码比特推定矢量通过脉冲响应推定值H_m(n)进行线性滤波处理，产生接收信号的复本，从接收信号中减去复本，产生去除码间干扰分量的差分信号R_c(n)，如果码间干扰分量为零，那么根据认为近似的脉冲响应推定值矢量H_L(n)，使用例如Matrix Inversion Lemma(逆矩阵的辅助定理)，计算线性滤波的抽头系数，使用其抽头系数，对差分信号R_c(n)作线性滤波处理，使用其线性滤波处理的结果，和上述脉冲响应推定值矢量，导出软判定值。

根据该构成，在重复均衡中使用线性均衡器的情况下，使用例如MatrixInversion Lemma可计算第二次以后的线性滤波抽头系数，与进行式(20)逆矩阵运算的已有的方法相比较，可减少运算量。

根据本发明的第三方案，使用接收信号取样值和已知的信号推定传输通路的脉冲响应，设置阀值，从推定的脉冲响应推定值矢量中去除具有阀值以下的值的分量，即，使脉冲响应推定值矢量的维减少。还有，对于通过接收信号取样值系列计算的线性滤波的抽头系数和接收信号矢量，在脉冲响应推定值中，削除对应具有削除的阀值以下的值的分量的分量。由此，使线性滤波的抽头系数及接收信号矢量的维变小。如上所述，使用使矢量维变小的脉冲响应推定值矢量及线性滤波的抽头系数、接收信号矢量，导出软判定值。

根据该构成，在重复均衡中使用线性均衡器的情况下，在软判定值导出中可减少必要的运算处理。

根据本发明的第四方案，在进行均衡和解码重复处理的自适应重复均衡器中，第2次以后的处理中，求来自解码器的软判定值的似然，在第1次处理中，通过减少存储维的脉冲响应推定值矢量，用例如Matrix InversionLemma(逆矩阵的辅助定理)，计算线性滤波抽头系数，使用其抽头系数，对减去码间干扰分量的差分信号作线性滤波处理，使用其线性滤波处理结果和上述脉冲响应推定值导出软判定值。

根据该构成，在重复均衡中使用线性均衡器的情况下，即使在第2次以后的处理中，也可在软判定值导出中减少必要的运算处理。

                       附图简述

图1是说明重复均衡的发送接收机构成图；

图2是说明线性自适应均衡器的构成图；

图3根据本发明自适应均衡器实施例的第1次均衡处理的功能构成图；

图4是第二次以后的均衡处理的功能构成图；

图5是说明本发明效果的图；

图6是表示接收多个路径的传输通路环境例子图；

图7是根据本发明的自适应均衡器的实施例的第一次均衡处理的功能图；

图8是第二次以后的均衡处理功能构成图；

图9是表示接收信号中包含的脉冲响应例子的图；

图10是表示从脉冲响应中选择有效路径例子的图；

图11是说明本发明效果的图；

图12是说明计算机模拟中使用的传输通路模型的图。

                     具体实施方式

第1实施例

在根据重复均衡中使用线性均衡器的前述文献的方法中，藉助式(12)使用编码比特串的事前LLR值λ₂[b(k)]求编码比特似然b’(k)。在第一次均衡处理中，由于不具有事前信息，式(12)的事前LLR值λ₂[b(k)]为0，b’(n)在下面全为0。

B’(n)＝[00...0...00]^T

因此，式(14)的差分矢量R_c(n)为：

R_c(n)＝R(n)-H_m(n)B′(n)＝R(n)                                       (27)

Λ(n)成为象以下对角分量全部取1的(2J-1)×(2J-1)的矩阵。

Λ(n)＝Coν{B(n)-B′(n)}＝diag{1，1，...，1，...，1，1}             (28)

因此，式(20)的线性滤波的最佳抽头系数G(n)可通过作以下计算导出。

G(n)＝[H_m(n)H_m(n)^H+σ²I]^-1H_m(n)e_J                                   (29)

根据式(29)，抽头系数G(n)值由与传输通路脉冲响应对应的值H_m(n)确定。这里，根据传输速度快等的要因，在传输通路时间变动小的情况下，即是说，接收脉冲串波的时间为短时间，在其间，设想不变动接收信号的传输特性的情况下，G(n)也大致衡定。从而，在进行信息符号区间处理前，在预先导出G(n)中，通过在各信息符号的处理中使用其值，与各时间点的信息符号的每个导出G(n)的已有的方式相比较，可减少运算量。还有，即使在式(29)的抽头系数计算中，由于忽略所述时间的变化，所以也可用适当的算法，以此，由于不必进行在G(n)导出时的逆矩阵运算，所以可减少运算量。

于是，在本发明的第1实施例中，利用相适应的算法进行作信息符号区间处理的前面已知信号区间，例如训练信号区间中的抽头系数计算，导出G(n)，使用得到的值进行信息符号区间的处理。这样，无需作逆矩阵运算，并且，也不必进行信息符号的各时间点的G(n)导出，所以，与已有的方式比较，可减少运算量。

图3、4表示根据本发明第1实施例的自适应均衡器的功能结构的第1次和第2次以后的均衡处理的连接状态。该自适应均衡器对应于图1的均衡器21。图3表示第1次均衡处理；图4表示第2次以后的均衡处理。图4中的虚线表示在当前时间(第2次以后的均衡处理)中不使用，在第1次均衡处理中使用的部分。

该第1实施例的自适应均衡器由：脉冲响应推定部100、线性滤波部110、软判定值计算部120、开关101、似然计算部130、开关160构成。脉冲响应推定部100由横向滤波器103、减法器105、自适应推定部106组成。线性滤波部110由横向滤波器111、抽头系数计算部112和减法器113组成。

首先，参照图3叙述有关重复均衡的第1次均衡处理。该情况下，转换开关101连接到已知信号例如训练信号的输入端子102侧，开关160被连接到输入端子104侧。在脉冲响应推定部100中，根据作为来自训练信号输入端子102的已知图形的训练信号系列b(n)，和从来自输入端子104的接收信号取样值序列R(n)中用减法器105减去横向滤波器103的输出复本H_m(n)b(n)的差分值(矢量)R_c(n)，在自适应推定部106的计算部106A中，推定传输通路的脉冲响应H_m(n)。该脉冲响应推定计算只要使得用在通常的自适应均衡器中进行的适应算法R_c(n)乘2最小就行。训练信号序列b(n)结束时收敛的脉冲响应推定值H_m(n)存储在存储部106B中。

另一方面，在线性滤波部110中，在作为其线性滤波的横向滤波器111中输入接收信号取样值序列R(n)，利用抽头系数计算部112中计算的抽头系数G(n)作线性滤波处理，用减法器113从训练信号序列b(n)中减去其输出Z(n)＝G(n)^HR(n)，将其差输入抽头系数计算部112，进行线性滤波抽头系数G(n)的更新。该更新计算用适当的算法进行。即是说，在第1次均衡处理中，根据式(27)为R(n)＝R_c(n)，所以，为了通过式(16)使‖b(n)-G(n)^HR(n)‖²成为最小，要用适当的算法确定抽头系数G(n)。因此，与作根据已有的式(20)的逆矩阵计算的情况相比较，抽头系数G(n)的计算量少。该抽头系数G(n)的更新直到训练信号系列b(n)结束而终止，保持这时的抽头系数。

通过横向滤波器111使用最终更新的抽头系数G(n)对训练信号系列b(n)结束后的接收信号，即，信息符号的接收信号取样系列R(n)作线性滤波处理。利用该线性滤波处理输出Z(n)和最后得到的脉冲响应推定值H_m(n)在软判定值计算部120中计算式(25)的软判定值λ₁[b(n)]作为第1次均衡输出。在第1次均衡处理中，由于事前信息λ₂[b(n)]＝0，所以形成Λ₁[b(n)]＝λ₁[b(n)]。该λ₁[b(n)]供给解交织器22(参照图1)。

接着，首先叙述重复均衡的第2次以后均衡处理的原理，其后，参照图4具体说明均衡处理。在第2次以后均衡处理中，再输入在第1次处理中所用的接收信号R(n)。另一方面，一旦通过作为对于第1次处理的结果的图1的解码器23的输出，更正确来说，作为交织器25的输出的编码比特的软判定值λ₂[b(n)]，利用式(12)计算似然b’(n)，则，该似然b’(n)在Eb/No(比特能对噪声比)大的情况下，大体成为+1或-1的任一个。即是说，式(13)的编码比特推定值矢量近似成以下式子。

B′(n)≈[±1，±1，...，±1，0，±1，...，±1，±1]^T                 (30)

通过使用该近似的b’(n)，式(19)可近似成下式。

Λ(n)＝Coν{B(n)-B′(n)}＝diag{0，0，...，0，1，0，...，0，0}        (31)

将式(31)代入式(20)，那么线性滤波的抽头系数G(n)通过以下计算可导出。

$G\left(n\right)=\[H_L\left(n\right)H_L^H\left(n\right)+{\mathrm{\σ}}^{2}I{\]}^{-1}{H}_L\left(n\right)---\left(32\right)$

其中，H_L(n)成为

H_L(n)＝[h(n；J-1)...h(n；0)]^T＝[h₀(n；J-1)...h_M-1(n；J-1)

h₀(n；J-2)...h_M-1(n；J-2)...h₀(n；0)...h_M-1(n；0)]^T的MJ行1列矢量。

在该情况下，在式(32)线性滤波抽头系数G(n)的计算中，使用MatrixInversion Lemma(逆矩阵的辅助定理)可减少在线性滤波抽头系数G(n)的导出中需要的运算量。这样，根据如式(30)近似编码比特推定值矢量B(n)，由于H_L(n)成为MJ行1列的矢量，所以，无需进行逆矩阵运算，与已有方式相比较，可大大减少运算量。因此，在本发明实施例中，在重复均衡的第2次以后的均衡处理中，通过应用与式(31)近似的Matrix Inversion Lemma，可减少在导出线性滤波的抽头系数G(n)的抽头系数计算部中的运算处理。

图4表示根据第1实施例自适应均衡器产生的第2次以后的均衡处理的功能构成例子。转换开关101连接到似然计算部130的输出侧，开关160连接到减法器105的输出侧。作为前次重复处理的解码器23的输出(交织器25的输出)的编码系列的每个比特软判定值λ₂[b(n)]通过端子131输入似然计算部130，根据式(12)的计算输出似然b’(n)。使用存储在存储部106B中的脉冲响应推定值H_L(n)，在横向滤波器103中，对其似然b’(n)作滤波处理，得到式(14)的H_L(n)B’(n)作为接收信号R(n)中的码间干扰分量的复本。从接收信号取样值系列R(n)中用减法器105减去该横向滤波器103的输出复本，导出式(14)的差分值R_c(n)。

线性滤波的抽头系数G(n)与第1次线性滤波的抽头系数导出法不同，仅将存储在存储部106B中的脉冲响应推定值H_L(n)作为输入，用式(32)计算。

在该计算中使用全面描述的逆矩阵的辅助定理。即是说，该定理将A、B作为(M、M)的正值矩阵，将C作为(M、N)矩阵，将D作为(M、N)的正值矩阵，用A＝B^-1+CD^-1C^H表示的情况下，A的逆矩阵用以下公式表示。

A^-1＝B-BC(D+C^HBBC)^-1C^HB                                             (33)

如果在式(32)中的逆矩阵计算部分中应用该定理，那么成为：

$H_L\left(n\right)H_L^H\left(n\right)+{\mathrm{\σ}}^{2}I=B^{-1}+{\mathrm{CD}}^{-1}{C}^H,$

$H_L\left(n\right)H_L^H\left(n\right)={\mathrm{CD}}^{-1}{C}^H,$

σ₂I＝B^-1，

h(n)＝C，

D^-1＝I，

$H_L^H\left(n\right)=C^H$

如果使用它们来计算式(33)，那么要求式(32)中的逆矩阵计算。此外，在式(33)中尽管也包括逆矩阵计算(D+C^HBBC)^-1，但是，由于该逆矩阵也成为标量，所以用同样的方式进行计算。

使用该抽头系数计算值G(n)利用横向滤波器111对差分值R_c(n)作线性滤波处理，使用其处理结果Z(n)和存储部106B内的脉冲响应推定值H_L(n)，在软判定值计算部120中计算式(25)，导出软判定值Λ₁[b(n)]。式(25)的等效振幅μ(n)根据在式(23)的Λ(n)中导入式(31)，用下面式子提供。

μ(n)＝[H_L(n)^H[H_L(n)^HL(n)^H+σ²I]^-1H_L(n)]

＝H_L(n)^HG(n)                                                         (34)

此外，即使在第1次均衡处理的线性滤波部110的抽头系数计算部112中，也可使用所述逆矩阵辅助定理计算抽头系数G(n)。

如上所述，根据本发明的第1实施例，可减少为导出在重复均衡中使用的线性均衡器的抽头系数所需运算量。作为一个例子，决定适当的算法，用于导出在重复均衡中使用线性均衡器的情况下的抽头系数，根据使用收敛特性良好的逐次最小乘方法(RLS：Recursive Least Squares algorithm)的情况下的计算机模拟得到的错误率特性展示在图5中。

在图5中，纵轴是比特错误率(BER：Bit Error Ratio)，横轴是Eb/No(比特能量对噪声比)。调制方式用BPSK(2相位相偏移)，信息传输速度为12Mbps，表示衰落变动速度的最大多普勒频率规定为1000Hz。并且，帧构成规定最初的128符号为已知图形的唯一语言，进行脉冲响应H_m(n)的推定，其后，作为信息符号附加128符号。在脉冲响应推定算法中使用RLS算法。传输通路规定等电平5波表面衰落(5波レィリ—フェ—ジング)传输通路，在接收侧进行2抽头分集，用5抽头线性滤波作重复均衡。而且，在重复均衡中使用的解码处理时利用SOVA(Soft-Output Viterbi Algorithm)，重复次数规定为2次。

图5的曲线A0、A1是这样情况下的结果，规定重复次数为1、2次时，在各时间点进行逆矩阵运算求线性滤波抽头系数；曲线B0、B1是这样的结果，根据本发明所述实施例的方法，曲线B0使用相应的算法，曲线B1使用重复次数为2次时，利用Matrix Inversion Lemma导出抽头系数G(n)。本发明与在各时间点进行逆矩阵运算所求出情况相比较，仅差约0.1dB，大体相同，无需作式(26)中所示的逆矩阵运算，在重复均衡中所用的线性均衡器的抽头系数的导出中所需的运算量大大减少。此外，可以确认：在已知的图形为128符号，信息符号为256情况下，在已知图形为128符号，信息符号为512的情况下，也与所述例子一样。该事实在这些信息符号长的时间的短时间脉冲串波(帧长)的情况下，传输通路的脉冲响应变化可忽略，可得到与在各符号时间点进行逆矩阵运算的情况相同的错误率，并且，表示计算量少就行。关于运算量如果设天线(信道)数为M，码间干扰长度(线性滤波111的抽头数)为J，则尽管在已有各时间点进行逆矩阵运算的情况下为(MJ)³，但是在所述发明的实施例中为(MJ)²，大大减少。

在图3、4中，由于容易弄清功能的构成，所以虽然说明有关设置2个横向滤波器103、111，但是实际的装置设置成1个，并且，即使在抽头系数计算部112和自适应推定部106中，尽管成为各个不同的方框构成，但是，与横向滤波器一样，作为装置也可使之起一个作用。

如前面所述，在本发明的一个实施例中，其特征是，通过利用在短时间传输通路的脉冲响应不那样变动，利用接收脉冲串波(帧)的开头训练信号，即是说利用已知的信号求脉冲响应推定值H_m(n)，其后的处理是，利用其脉冲响应推定值H_m(n)。

并且，该第1实施例的其他状态在第2次处理中，如用式(31)所示，仅规定作为编码比特矢量B(n)和编码比特推定值矢量B’(n)之差的协方差矩阵的对角行列的第J要素为1，使其他全部对角要素近似为0，以此，抽头系数G(n)如式(32)成为矢量运算，由于不必进行逆矩阵运算，所以可减少计算量。在第1次处理中未必使用已知的信号(训练信号)，例如在图3中用虚线所示，利用识别部150识别横向滤波器103的输出哪个是双值，也可将其输出代替来自转换开关101的输出的信号输入。通过该第1次处理，最终得到的脉冲响应推定值H_m(n)被用于第2次以后的处理中。

第2实施例

在上述图3、4的第1实施例中，如通过式(5)、(6)、(8)～(11)、(15)、(25)也能了解到，对于经过与输入端子104不同的路径想达到的所谓多路径接收信号R(n)的考虑的最大延迟符号数J内的全部路径，进行均衡处理。然而，利用信号传播路径传输路径的环境，如在图6多路径分量d₁、d₂...中所示，还存在接收功率比较大的路径与其他路径相距一定时间来到的情况，即使在象这样传输路径的环境下，前述的实施例的均衡处理对于全部接收的路径作均衡处理。

即是说，最大延迟符号数J内的接收功率非常小的路径在极端情况下，即使接收功率对于0的多路径分量也作均衡处理，在运算处理中需要许多时间。下面对有关象这样接收功率小到可忽视的多路径分量，说明这样进一步改善情况下的实施例，通过省略对应于那些的维，使矢量及矩阵尺寸减少，可减少运算量以至运算时间。

与前述实施例的第2次均衡处理一样，当通过式(12)求有关作为对于第1次处理结果Λ₁[b(n)]解码器输出的编码比特串b(n)的软判定值λ₂[b(n)]的似然b’(n)时，其值利用大致成+1或-1，如式(30)使编码比特推定值矢量B’(n)近似，以此线性滤波器111的抽头系数G(n)可适用Matrix InversionLemma(逆矩阵的辅助定理)，可通过以下求出。

G(n)＝[H_L(n)H_L(n)^H+σ²I]^-1H_L(n)

＝H_L(n)/(σ²+H_L(n)^HH_L(n))                                            (35)

其中，如下所示，H_L(n)是长度M×J的纵矢量。

H_L(n)＝[h₀(n；J-1)…h_M-1(n；J-1)h₀(n；J-2)…h_M-1(n；J-2)…

…h₀(n；0)…h_M-1(n；0)]^T                                             (36)

输出信号等效振幅μ(n)也利用如式(31)使式(23)的Λ(n)近似，如式(34)进行计算。

另一方面Z(n)与式(15)一样，由下式

Z(n)＝G(n)^HR_c(n)                                                     (37)

提供。通过在式(25)中使用式(37)得到的线性滤波输出Z(n)，作为第2次以后均衡处理结果可得到由线性均衡器导出的外部信息值Λ₁[b(n)]。

这里，假定以下所示的事实。在均衡器设想最大延迟符号数J中，规定从j＝1到j＝J-2的路径不来到，仅j＝0和j＝J-1的路径来到。假定能够正确推定传输通路的脉冲响应，那么除有效路径以外的分量成为h(n；1)，h(n；2)，...，h(n；J-2)≡0。因此，从式(36)成为：

H_L(n)＝[h₀(n；J-1)…h_M-1(n；J-1)0…0……0…0h₀(n；0)…h_M-1(n；0)]^T   (38)

由于线性滤波的抽头系数G(n)如式(35)所示从H_L(n)求出，所以成为：

G(n)＝[g₀(n；J-1)…g_M-1(n；J-1)0…0g₀(n；0)…g_M-1(n；0)]^T            (39)

进行为根据线性均衡器的式(25)的软判定值Λ₁[b(n)]导出所必要的计算是式(36)输出信号的等效振幅μ(n)和式(37)的线性滤波输出Z(n)。μ(n)和Z(n)作如下计算：

μ(n)＝H_L(n)^HG(n)

＝h₀(n；J-1)×g₀(n；J-1)+…+h_M-1(n；J-1)×g_M-1(n；J-1)+…+0×0+…

…+0×0+…+h₀(n；0)×g₀(n；0)+…+h_M-1(n；0)×g_M-1(n；0)              (40)

这里，省略H_L(n)^H、G(n)的0要素，即如下所示，即使在降低H_L(n)^H和G(n)维情况下，μ(n)值当然也相等。

H_L′(n)^H＝[h₀(n；J-1)…h_M-1(n；J-1)h₀(n；0)…h_M-1(n；0)]             (41)

G′(n)＝[g₀(n；J-1)…g_M-1(n；J-1)g₀(n；0)…g_M-1(n；0)]^T              (42)

μ(n)＝H_L′(n)^HG′(n)

＝h₀(n；J-1)×g₀(n；J-1)+…+h_M-1(n；J-1)×g_M-1(n；J-1)

+h₀(n；0)×g₀(n；0)+…+h_M-1(n；0)×g_M-1(n；0)                        (43)

并且Z(n)成为：

Z(n)＝G(n)^HR_c(n)

  ＝g₀(n；J-1)×r₀(n+J-1)+…+g_M-1(n；J-1)×r_M-1(n+J-1)+…

  +0×r₀(n+J-2)+…+0×r_M-1(n+J-2)+……+0×r₀(n+1)+…+0×             (44)

  r_M-1(n+1)+g₀(n；0)×r₀(n)+…+g_M-1(n；0)×r_M-1(n)

在式(44)中，由于G(n)^H具有0的要素，所以，如下面所示，对于其0要素的R_c(n)值在Z(n)导出中不再必需。

R_c′(n)＝[r₀(n+J-1)…r_M-1(n+J-1)r₀(n)…r_M-1(n)]                      (45)

Z′(n)＝G′(n)^HR_c′(n)

  ＝g₀(n；J-1)×r₀(n+J-1)+…+g_M-1(n；J-1)×r_M-1(n+J-1)+…            (46)

  …+g₀(n；0)×r₀(n)+…+g_M-1(n；0)×r_M-1(n)

这样，如上所述，由于可降低R_c(n)的维，所以也可由式(14)降低接收信号矢量R(n)的维。并且，由于也可降低码间干扰分量复本H_m(n)B’(n)的维，所以还可降低信道矩阵H_m(n)的维。

如上所述，已经清楚，在随着线性均衡器的外部信息值导出的计算中，可省去有关没有到来的路径分量的计算。即，在从传输通路的脉冲响应推定值、线性滤波的抽头系数G(n)以及接收信号矢量R(n)、接收信号矢量减去码间干扰分量的R_c(n)中，可省去没有到来的路径分量的矢量或矩阵要素。从而，可使降低随着线性均衡器的软判定值的导出的计算中所必须的矢量分量的维，以及矩阵要素数。

然而，由于传输通路脉冲响应推定误差，所以脉冲响应值不为0。因此，如下所示，设置某阀值h_th，作为比较判别。例如，如果是h(n；1)，h(n；2)，...，h(n；j-2)≤h_th，那么认为h(n；1)，h(n；2)，...，h(n；j-2)≡0。若规定L为阀值阀值h_th以上的接收有效路径数，那么，如下所示，表示延迟符号幅J内的全脉冲响应推定值的脉冲响应推定矢量H_L(n)从MJ维矢量到ML维矢量H_L’(n)可使维下降。

H_L(n)＝[h₀(n；J-1)…h_M-1(n；J-1)0…0h₀(n；0)…h_M-1(n；0)]^T           (47)

H_L′(n)＝[h₀(n；J-1)…h_M-1(n；J-1)h₀(n；0)…h_M-1(n；0)]^T             (48)

并且，可使信道矩阵H_m(n)的行方向要素数从2J-1到2L-1的维降低。

${H^{,}}_m\left(n\right)={\left[\begin{array}{ccccccc}h(n;0)& 0& ...& h(n;J-1)& 0& ...& 0\\ 0& ...& 0& h(n;1)& 0& ...& h(n;J-1)\end{array}\right]}_{\mathrm{ML}\×(2J-1)}---\left(50\right)$

重复处理第2次线性滤波抽头系数矢量G(n)如果是h(n；1)，h(n；2)，...，h(n；j-2)≤h_th，

那么规定为g₀(n；1)…g_M-1(n；1)，g₀(n；2)…g_M-1(n；2)…，g₀(n；J-2)…g_M-1(n；J-2)≡0，成为：

G′(n)＝[g₀(n；J-1)…g_M-1(n；J-1)g₀(n；0)…g_M-1(n；0)]^T              (51)

这在H_L’(n)^HH_L’(n)计算中通过式(35)了解到。而且，即使在G(n)中，也能降低从MJ矢量到M*L矢量G(n)’的维。

同样，即便在接收信号矢量R(n)及差分矢量R_c(n)中也能降低从MJ矢量到ML矢量的维。

输出信号的等效振幅μ(n)利用式(43)通过H_L’(n)^H和G(n)’可求出，线性滤波输出Z’(n)利用式(46)通过G’(n)^H和R_c’(n)可求出，所以利用任何一个维矢量运算少的运算都能导出。

还有，如下所述，在通过脉冲响应推定值产生的式(50)的信道矩阵H_m’(n)中，可使看作0路径位置的列方向要素的维降低，根据式(25)的软判定值导出中所必要的信道矩阵维也可降低。在仅将j＝0和j＝J的路径作为有效路径的例子中，表示可从(2J-1)到(2L-1)的维降低列方向要素。

${H^{,}}_m\left(n\right)={\left[\begin{array}{ccc}h(n;0)& h(n;J-1)& 0\\ 0& h(n;1)& h(n;J-1)\end{array}\right]}_{\mathrm{ML}\×(2L-1)}$

图7、8表示根据本发明的第2实施例的自适应均衡器的功能结构的第1次和第2次以后的均衡处理的连接状态。该实施例中，对于图3、4的第1实施例的功能构成例子新追加判别部140和开关170，由计算部112A、存储部112B、判别部112C构成抽头系数计算部112，在自适应推定部106中的构成也追加判别部106C。

最初将开关101连接到端子102侧。将开关160及170连接到端子104侧。在重复均衡的第1次均衡处理中，直到获得脉冲响应推定值H_m(n)和抽头系数G(n)的处理与第1实施例相同。在该第2实施例中，还有在图7中，通过训练信号结束的时间点收敛的脉冲响应推定值H_m(n)利用判别部106C判别有效路径。例如，如图9所示，在最大延迟符号数J内要得到在各符号延迟时间的脉冲响应推定值。判别方法如图10所示，设置某阀值h_th，只要选择大于其的路径就行，规定阀值h_th例如使用全接收路径的平均功率，可以是选择大于其平均功率的接收路径方法等。例如用延迟符号表示判别的有效路径，与其抽头系数值h一起存储在存储部106B中。作为保存数据，既可以作为式(48)矢量H_L’(n)的数据保存，也可作为作为式(50)矩阵H_m’(n)的数据保存，根据需要通过其一数据可容易地构成另一数据。并且，通过在训练信号的结束时间点得到的线性滤波器111的抽头系数矢量G(n)，只是对应在脉冲响应推定部100的判定部106C中判定的有效路径，作为线性滤波器111的抽头系数矢量G’(n)存储在存储部112B中。

另外，将开关160转换到判别部140侧，利用判别部140只是选择利用判别部140训练信号结束后的接收信号，即信息符号接收信号R(n)中的对应有效路径的信息符号接收信号R’(n)，使用在最终存储部112B中存储的线性滤波器111的抽头系数G’(n)，根据横向滤波器111线性滤波处理。利用该线性滤波处理输出Z’(n)和最终得到的脉冲响应推定值H_L’(n)在软判定值计算部120中计算软判定值Λ₁[b(n)]。

在图8中，在第2次以后的均衡处理中，开关101连接到似然计算部130侧，开关160连接到判别部140侧，开关170被连接到减法器105的输出侧。使用存储部106B中存储的脉冲响应推定值H_L(n)利用横向滤波器103对表示来自似然计算部130的推定码间干扰码的似然b’(n)作滤波处理，利用减法器105从接收信号取样值系列R’(n)中减输出复本H_L(n)b’(n)，计算差分值R_c’(n)。仅对在脉冲响应推定部100的判定部106C中判定的路径，利用判别部140判别差分值R_c’(n)，将判别结果输入到线性滤波器111中。线性滤波器111的抽头系数G’(n)仅将存储在存储部106B中的脉冲响应推定值H_L’(n)作为输入，根据式(35)使用逆矩阵辅助定理导出，存储在存储部112B中。利用存储着的脉冲响应推定值H_L’(n)和线性滤波器111的抽头系数G’(n)以及从判定的差分值R_c’(n)求出的Z’(n)，在软判定值计算部120中根据式(25)来计算软判定值Λ₁[b(n)]。

如上所述，根据该第2实施例，可减少为导出线性均衡器的软判定值所需要的运算量。作为一个例子，在使用线性均衡器的重复均衡中，在重复处理第1次中为导出线性均衡器的抽头系数，使用收敛特性良好的逐次最小平方(RLS：Recursive Squares algorithm)，在第2次以后，利用使用MatrixInversion Lemma的情况的计算机模拟得到的错误特性表示于图11中。

调制方式使用BPSK，信息传送速度为10Mbps，表示衰落变化速度的最大多普勒频率为1000Hz，帧构成采取作为信息信号在256符号中附加作为63符号的已知图形的训练信号的构成。并且，作为传送模型，假定只是在图12中用实线表示的j＝0和j＝4的路径分量到来的传输通路，在接收侧，进行2抽头分集，在解码处理中，使用SOVA(Soft-Output Viterbi Algorithm)。而且，传输通路推定规定进行理想推定，重复次数达到3次。

在图11的A1，A2，A3将重复次数规定为1、2、3次时，考虑线性均衡器抽头数达0～4T延迟，是作为线性均衡器抽头系数在使用5抽头全部信息的结果。B1，B2，B3在同样将重复次数规定为1，2，3次时，是作为线性均衡器的抽头数使用2抽头(只是0及4T延迟波)的信息情况下的结果。

从图可了解到，使作为线性均衡器抽头数使用5抽头情况下与仅使用2抽头的情况下的结果比较，在进行2，3次重复处理的情况下，得到大致差不多的错误率特性，然而，表示只要计算量少就行。

如上所述，根据本发明的第1实施例，在进行重复均衡的线性均衡器中，可减少随线性滤波器的抽头系数导出的运算量，并减少在运算处理中所需的时间。

根据本发明的第2实施例，虽然多个路径到来，但是，在其中功率比较大的路径比其他路径在时间上分开到来的传输通路环境中，可自适应地减少伴随在进行重复均衡的线性均衡器中导出的外部信息值的导出的运算处理。

Claims (11)

1.一种自适应均衡处理方法，在对传输路径不同的M信道的接收信号矢量多次重复自适应均衡处理并进行解码的解码处理中，对编码比特b(n)进行软判定而产生的第2软判定值λ₂[b(n)]作为事前信息提供，通过重复使用其事前信息使传输路径不同的M信道的接收信号矢量R(n)均衡并输出第1软判定值λ₁[b(n)]，来使接收信号矢量R(n)自适应均衡，上述自适应均衡处理方法包括以下步骤：

在第1次均衡处理中，

(a)通过对M信道的接收信号矢量R(n)使用编码比特b(n)的第1次自适应均衡处理，求M信道传输路径的脉冲响应推定值H_m(n)和线性滤波处理抽头系数G(n)，输出第1软判定值λ₁[b(n)]；

在第2次以后的均衡处理中，

(b)根据上述第1软判定值λ₁[b(n)]，用解码处理得到的第2软判定值λ₂[b(n)]求编码比特b(n)的似然b’(n)；

(c)对于时间点n的编码比特b(n)，将码间干扰分量看作近似为零来求脉冲响应推定值矢量H_L(n)，并通过该脉冲响应推定值矢量H_L(n)来求线性滤波处理的抽头系数G(n)，更新上述线性滤波处理的抽头系数G(n)；

(d)利用上述脉冲响应推定值矢量H_L(n)对上述编码比特b(n)的似然b’(n)作线性滤波处理，产生复本信号；

(e)从上述接收信号矢量R(n)中减去上述复本信号，产生除去码间干扰的差分信号R_c(n)；

(f)利用上述线性滤波处理的抽头系数G(n)对上述差分信号R_c(n)作线性滤波处理，产生信号Z(n)；

(g)将通过上述信号Z(n)和上述脉冲响应推定值矢量H_L(n)更新的第1软判定值λ₁[b(n)]作为第2次以后的自适应均衡结果输出。

2.根据权利要求1的自适应均衡处理方法，其特征是，所述步骤(a)包括：

(a-1)使用上述接收信号矢量R(n)和作为上述编码比特b(n)的已知信号，求上述M信道的脉冲响应推定值H_m(n)；

(a-2)根据上述接收信号矢量R(n)和上述已知信号，利用自适应算法求上述线性滤波处理的抽头系数G(n)；

(a-3)使用上述线性滤波处理的抽头系数G(n)对上述接收信号矢量R(n)进行线性滤波处理，得到信号Z(n)；

(a-4)通过上述信号Z(n)和上述脉冲响应推定值H_m(n)计算上述第1软判定值λ₁[b(n)]。

3.根据权利要求1或2的自适应均衡处理方法，其特征是，所述步骤(c)的上述线性滤波处理的抽头系数G(n)的计算包括通过上述脉冲响应推定值矢量H_L(n)使用逆矩阵辅助定理进行计算的步骤。

4.根据权利要求1的自适应均衡处理方法，其特征是，上述步骤(a)包括：

(a-1)使用上述接收信号矢量R(n)和作为上述编码比特b(n)的已知信号，求M信道传输路径的脉冲响应推定值H_m(n)；

(a-2)通过上述脉冲响应推定值H_m(n)判别接收信号功率是否大于一定的基准值，将判别为大于该基准值的路径作为有效路径存储在存储器中；

(a-3)根据上述接收信号矢量R(n)及已知信号的编码比特b(n)，求线性滤波处理的抽头系数G(n)，将对应上述判别的有效路径的线性滤波处理的抽头系数G’(n)存储在存储器中，即使对于接收信号矢量R(n)，也只是将对应于上述判别的有效路径的接收信号矢量R’(n)存储在存储器中；

(a-4)从上述脉冲响应推定值H_m’(n)和上述线性滤波处理的抽头系数G’(n)和上述接收信号矢量R’(n)中导出第1软判定值λ₁[b(n)]。

5.根据权利要求4的自适应均衡处理方法，其特征是，上述步骤(c)包括：

(c-1)通过由对应上述有效路径的分量组成的上述脉冲响应推定值矢量H_L’(n)，使用逆矩阵辅助定理，计算对应上述有效路径的线性滤波处理的抽头系数G’(n)；

(c-2)仅将对应于上述判别的有效路径的线性滤波处理的抽头系数G’(n)存储在存储器中；

上述步骤(d)是这样的步骤，通过上述脉冲响应推定值矢量H_L’(n)，对对应上述有效路径的线性滤波处理的抽头系数G’(n)进行线性滤波处理，得到复本信号；

上述步骤(e)所包括的步骤是，将从对应上述有效路径的接收信号矢量R’(n)中减去其复本信号获得的对应有效路径的差分信号矢量R_c’(n)存储在存储器中；

上述步骤(f)是，利用上述线性滤波处理的抽头系数G’(n)对上述对应有效路径的差分信号矢量R_c’(n)进行线性处理，产生信号Z’(n)；

上述步骤(g)是，通过上述脉冲响应推定值矢量H_L’(n)和上述信号Z’(n)，计算上述第1软判定值λ₁[b(n)]。

6.根据权利要求1的自适应均衡处理方法，其特征是，规定考虑J的最大延迟符号数，将M信道的接收信号取样矢量表示成r(n)＝[r₀(n)r₁(n)...r_M-1(n)]^T，将上述接收信号矢量R(n)表示成R(n)＝[r(n+J-1)r(n+J-2)...r(n)]^T，将上述信道加权系数矢量表示成h(n；j)＝[h₀(n；j)h₁(n；j)...h_M-1(n；j)]^T，如果将脉冲响应推定值的信道矩阵Hm(n)表示成：

，则上述步骤(a)包括：

(a-1)使用脉冲响应H_m(n)，对训练信号区间的训练信号b(n)进行线性滤波处理，产生复本H_m(n)b(n)；

(a-2)产生上述接收信号矢量R(n)和上述复本H_m(n)b(n)的差分作为差分矢量R_c(n)；

(a-3)使用线性滤波处理的抽头系数G(n)对上述接收信号矢量R(n)进行线性滤波处理，产生输出Z(n)＝G(n)^HR(n)；

(a-4)根据上述输出Z(n)和上述训练信号b(n)的差，通过自适应算法确定上述线性滤波处理的抽头系数G(n)；

(a-5)根据用于线性滤波处理的脉冲响应H_m(n)和上述输出Z(n)，运算软判定值λ₁[b(n)]＝4Real{Z(n)}/(1-μ)，作为第1次均衡处理结果输出；

上述步骤(b)通过作为事前信息提供的解码比特的第2软判定值λ₂[b(n)]，在k为n-(J-1)≤K≤n+(J-1)的范围内计算编码比特串b(k)的似然b’(k)＝tanh[λ₂[b(k)]/2]，

上述步骤(c)近似成：

G(n)＝[H_L(n)H_L(n)^H(n)-σ²I]^-1H_L(n)

H_L(n)＝[h₀(n；J-1)…h_M-1(n；J-1)h₀(n；J-2)…h_M-1(n；J-2)…h₀(n；0)…h_M-1(n；0)]^T，求上述线性滤波处理的插头系数G(n)；

上述步骤(d)在时间点n的编码比特b(n)上通过上述H_L(n)，对作为码间干扰给予影响的编码比特推定值矢量

B′(n)＝[b′(n+(J-1))b′(n+(J-2))…b′(n+1)0b′(n-1)…b′(n-(J-1))]^T进行线性滤波处理，得到复本H_L(n)B’(n)；

上述步骤(e)求上述复本H_L(n)B’(n)和上述接收信号矢量R(n)的差分矢量R_c(n)＝R(n)-H_L(n)B’(n)；

上述步骤(f)使用上述线性滤波处理的插头系数G(n)对上述差分矢量R_c(n)进行线性滤波处理，输出处理结果Z(n)＝G(n)^HR_c(n)；

上述步骤(g)是，通过上述输出Z(n)和脉冲响应推定值矢量H_L(n)，得到软判定值

${\mathrm{\λ}}_1=\left[b\left(n\right)\right]=\frac{4\mathrm{Real}\left\{Z\left(n\right)\right\}}{1-\mathrm{\μ}\left(n\right)}$

μ(n)＝H_L(n)^HG(n)，作为第2次以后的均衡输出。

7.根据权利要求5的自适应均衡处理方法，其特征是，作为考虑J的最大延迟符号数，若将M信道的接收信号取样矢量表示成r(n)＝[r₀(n)r₁(n)...r_M-1(n)]^T，将上述接收信号矢量R(n)表示成R(n)＝[r(n+J-1)r(n+J-2)...r(n)]^T，将信道加权系数矢量表示成h(n；j)＝[h₀(n；j)h₁(n；j)...(h_m-1(n；j))]^T，将脉冲响应推定值的信道矩阵H_m(n)表示成

，那么上述步骤(a-3)包括如下步骤：

(a-3-1)使用脉冲响应H_m(n)对训练信号区间的作为编码比特b(n)的已知信号进行线性滤波处理，产生复本H_m(n)b(n)；

(a-3-2)产生上述接收信号矢量R(n)和上述复本信号H_m(n)b(n)的差分作为差分矢量R_c(n)；

(a-3-3)使用线性滤波处理的抽头系数G(n)对上述接收信号矢量R(n)进行线性滤波处理，产生输出Z(n)＝G(n)^HR(n)；

(a-3-4)根据上述输出Z(n)和上述已知信号b(n)之差，利用自适应算法确定上述线性滤波处理的抽头系数G(n)，保存对应上述接收信号矢量R(n)及线性滤波处理的抽头系数G(n)的每个有效路径的分量的接收信号矢量R’(n)及线性滤波处理的抽头系数G’(n)；

上述步骤(a-4)是，根据上述线性滤波处理的脉冲响应H_m’(n)和上述输出Z’(n)，运算第1软判定值λ₁[b(n)]＝4Real{Z(n)}/(1-μ)，输出作为第1次的均衡处理结果；

上述步骤(b)通过作为事前信息提供的解码比特的第2软判定值λ₂[b(n)]，在k为n-(J-1)≤K≤n+(J-1)的范围内计算编码比特串b(k)的似然b’(k)＝tanh[λ₂[b(k)]/2]；

上述步骤(c-1)近似成

G′(n)＝[H_L′(n)H_L′(n)^H(n)-σ²I]^-1H_L′(n)

H_L′(n)＝[h₀(n；J-1)…h_M-1(n；J-1)h₀(n；J-2)…h_M-1(n；J-2)…h0(n；0)…h_M-1(n；0)]^T，求上述线性滤波处理的抽头系数G’(n)；

上述步骤(d)在时间点n的编码比特b(n)，利用上述H_L’(n)，对作为码间干扰提供影响的编码比特的推定值矢量

B′(n)＝[b′(n+(J-1))b′(n+(J-2))…b′(n+1)0b′(n-1)…b′(n-(J-1))]^T进行线性滤波处理，得到复本H_L’(n)B’(n)；

上述步骤(e)求上述复本H_L’(n)B’(n)和上述接收信号矢量R’(n)的差分矢量R_c’(n)＝R’(n)-H_L’(n)B’(n)；

上述步骤(f)使用上述线性滤波处理的抽头系数G’(n)，对上述差分矢量R_c’(n)进行线性滤波处理，输出处理结果Z’(n)＝G’(n)^HR_c’(n)；

上述步骤(g)是，通过上述输出Z’(n)和脉冲响应推定值矢量H_L’(n)，得到软判定值

${\mathrm{\λ}}_1\left[b\left(n\right)\right]=\frac{4\mathrm{Real}\left\{Z^{\′}\left(n\right)\right\}}{1-\mathrm{\μ}\left(n\right)}$

μ(n)＝H_L′(n)^HG′(n)，作为第2次以后的均衡输出。

8.一种自适应均衡器，包括以下部分：

脉冲响应推定部(100)，根据接收信号矢量及已知信号求传输路径的M信道脉冲响应推定值；

抽头系数计算部(112)，根据上述接收信号矢量及上述已知信号，利用自适应算法求线性滤波处理的抽头系数；

线性滤波器(111)，设定上述线性滤波处理的抽头系数，对上述接收信号矢量进行线性滤波处理；

软判定值计算部(120)，通过上述脉冲响应推定值和上述线性滤波器的处理结果，计算软判定值。

9.根据权利要求8的自适应均衡器，其特征是，还包括：似然计算部(130)，通过上述输入的软判定值，求其似然，

上述脉冲响应推定部(100)包括：

存储部(106B)，存储上述脉冲响应推定值；以及

下述装置(103，106A)，当对于从上述存储的脉冲响应推定值来看编码比特b(n)的码间干扰是零时，则通过近似得到的脉冲响应推定值矢量，线性滤波处理上述似然，得到复本信号；

上述抽头系数计算部(112)包括这样的装置，在不从解码器输入软判定值的状态下，根据上述接收信号矢量及上述已知信号，利用自适应算法计算线性滤波处理的抽头系数，在输入上述软判定值的状态下，通过上述脉冲响应推定值矢量计算上述线性滤波处理的抽头系数；

上述线性滤波器(111)利用上述线性滤波处理的抽头系数，在不输入上述软判定值的状态下，线性滤波处理上述接收信号矢量，在输入上述软判定值的状态下，线性滤波处理上述接收信号矢量和上述复本信号之差，将其处理输出提供给上述软判定计算部(120)。

10.根据权利要求8的自适应均衡器，其特征是，还包括：

路径判定部(140)，通过上述M信道的脉冲响应推定值，判定各路径的接收功率是否大于一定的基准值；

路径存储部(106B)，如果判定为比上述一定的基准值大，那么，作为有效路径存储路径；

抽头系数存储器(112B)，存储对应上述线性滤波处理的抽头系数中的上述有效路径的上述抽头系数的分量，作为新抽头系数；

信号判别部(106C)，判别对应上述接收信号矢量中的上述有效路径的接收信号分量；

上述软判定值计算部(120)，通过对应上述有效路径的接收信号分量，和对应上述有效路径的脉冲响应推定值，和对应上述有效路径的抽头系数，计算上述软判定值。

11.根据权利要求10的自适应均衡器，其特征是，还包括：

似然计算部(130)，通过上述软判定值求码似然；

复本产生线性滤波器(103)，利用由对应上述脉冲响应推定值矢量中的上述有效路径的分量组成的脉冲响应推定值矢量，对上述似然进行线性滤波处理，产生接收信号的复本信号；

差分存储器(106)，仅存储从对应上述接收信号矢量的上述有效路径的分量中减去上述复本信号的差分信号中的，对应上述有效路径的差分信号分量；

上述抽头系数计算部(112)在第2次以后的均衡处理中，通过对应上述有效路径的上述脉冲响应推定值矢量，使用逆矩阵辅助定理，计算上述线性滤波处理的抽头系数；

上述软判定值计算部(120)是这样的装置，在第2次以后的均衡处理中，通过对应上述有效路径的上述脉冲响应推定值矢量，和对应上述线性滤波器的上述有效路径的抽头系数，和对应上述有效路径的上述差分信号，计算软判定值。

Images