CN1319352C - 在无线接收机中为信道解码产生可靠性信息的方法 - Google Patents

Abstract

一种为无线接收机中的信道解码产生可靠性信息的方法和相应的接收机。无线电接收机包括的均衡器(8)产生可靠性信息(q)，可靠性信息(q)规定了接收到的数据符号(z)是基于一种特定发送值的概率。利用一种特殊的度量来计算格子状态过渡，同时计算基于格子的符号和判定反馈符号，为每一个接收的符号确定其可靠性信息(q)。采用的判定反馈符号是利用硬判定手段预先判定的一种独立状态符号。

Description

在无线电接收机中为信道解码产生可靠性信息的方法

技术领域

本发明涉及一种为无线接收机，特别是移动无线接收机中的信道解码器产生可靠性信息的方法。

背景技术

移动无线系统中的传输信道的特征在于与其时间相关的多径接收，它在数字传输系统中会导致符号间干扰。为了能够控制这种符号间干扰，在接收端需要均衡接收的数据。在发送端，由于迅速变化的传输条件，并且为了抑制邻信道和同信道的干扰，待发送的数据是采用交错和信道编码的方式发送的。

为了在接收端执行信道解码，需要有用来规定由均衡器执行的均衡的可靠性的信息。这一可靠性信息是一种通过所谓软判定获得的信息。与仅仅采用固定的判定阈值的硬判定相反，在软判定的情况下采用一种能够明显提高判定可靠性的多重性判定阈值。例如，在全球移动通信系统(GSM)接收机中以及按照未来扩充的GSM无线电通信标准EDGE的要求，所使用的均衡器一方面要充分地均衡接收的信号，另一方面还要提供上述的可靠性信息。

在移动无线系统中有许多用来产生上述可靠性信息的方法，例如在“Digital Communications”，Proakis，J.G.，McGraw-Hill，New York，1983中就描述了基于一种所谓Maximum Likelihood SequenceEstimation(MLSE)的广泛使用的算法。这种方法的最常用方式是Viterbi算法，利用它可以借助于一种格子图获得上述的可靠性信息，用格子图表示一个接收符号是基于一个发送的‘0’还是一个发送的‘1’的概率。

然而，因为这种(最佳)算法非常复杂，因而计算量很大，并且需要很大的存储空间，目前是采用各种次优的方法以简单的方式为信道解码器提供可靠性信息。

在这些方法当中，Wolfgang Koch和Alfred Baier在“Optimum andSub-optimum Detection of Coded Data Disturbed by Time-VaryingIntersymbol Interference”1990 IEEE中描述了一种次优的方法。按照与在无线电接收机中为信道解码产生可靠性信息的方法相对应的这种被称为“Reduced State Soft Decision Equalizer”的方法，在均衡器中逐个符号地产生可靠性信息。相应的算法与硬判定Viterbi算法极为相似，但是能以简单的多的方式产生可靠性信息，可以在μ时刻确定在μ-L时刻接收到的符号的可靠性信息。此处的L是指观测周期的长度，并且至少相当于传输信道的信道脉冲响应的长度。利用一种格子图，通过确定格子图中的最佳的“一路径”和最佳“零路径”来确定可靠性信息，最佳一路径是指在时间μ-L具有值“1”的最佳或最优路径，而最佳零路径是指在时间μ-L具有值“1”的最佳或最优路径。格子图中的这两个路径是利用在格子图中为各个状态过渡计算出的度量来确定的。在这种方法中特别采用了所谓的匹配滤波器度量。最后用这种方式按照相互关系来安排为最佳“一路径”和最佳“零路径”算出的度量，从而获得可靠性信息。为了减少计算量和存储器的需求，采用一种具有少量状态的格子来计算各个度量。基于格子的均衡仅仅是对信道脉冲响应的码元0...L’(L’＜L)才起动，而剩下的码元L’+1...L仅仅被包括在以判定-反馈方式的基于格子的均衡中。这种判定反馈(DecisionFeedback Sequence Estimation)的原理例如可以参见论文“Reduced-stateSequence Estimation with Set Partitioning and Decision Feedback”，VedatEyuboglu and Shahid Qureshi，1988 IEEE。

在上述的过程中，均衡器必须参照每个时间μ上的时间μ-L’来确定最佳的一和零路径，并且由此计算出在时间μ-L’接收的符号的可靠性信息。按照这种方式，分支度量一方面包括在时间μ...μ-L’的位，又包括在时间μ-L’-1...μ-L的位，如上所述，后提到的这些位被包括在作为判定反馈的度量计算中。后提到的这些位是由格子图的2L’个状态中单独的所谓“幸存者”路径获得的，然而一系列的状态有所不同，这样就需要大计算量和存储器需求，因为均衡器必须为每一个时间μ保存2L’个状态的目录。

发明内容

本发明的基本目的是提供一种为无线接收机中的信道解码产生可靠性信息的方法和一种相应的接收机，利用它可以减少所需的计算量和存储空间。

本发明的这一目的是通过具有以下特征的在无线电接收机中为信道解码产生可靠性信息的方法和具有以下特征的无线电接收机来实现的：

所述方法包括以下特征：

可靠性信息(q)规定了无线电接收机(7)通过无线电信道(6)接收到的数据符号(z)是基于第一二进制值还是第二二进制值的概率，

通过借助于具有2^L’个状态的状态模型确定在μ-L’时刻最可能包括该第一二进制值的第一路径和在μ-L’时刻最可能包括该第二二进制值的第二路径，并使对该第一路径和第二路径计算的度量彼此关联，在任意时刻μ对于每个收到的数据符号(z)确定时刻μ-L’的可靠性信息(q)，以及

对第一路径和第二路径计算的度量是根据出现在时间μ...μ-L’的状态模型的第一组符号和出现在时间μ-L’-1...μ-L的状态模型的第二组符号来计算的，并且L至少相当于无线电信道(6)的信道脉冲响应的长度，其中的L＞L’，

其特征为：

为了确定在时间μ-L’的可靠性信息(q)，采用值在时间μ-L’之前已经判定的并且对状态模型的所有状态都相同的符号作为第二组的符号；

所述无线电接收机包括以下特征：

一个均衡器(8)，用于均衡通过无线电信道(6)接收的无线电信号，并且为下游的信道解码器(10)产生可靠性信息(q)，

可靠性信息(q)规定了接收到的数据符号(z)是基于第一还是第二发送值的概率，

均衡器(8)被以这样的方式设计，即通过借助于2^L’个状态的状态模型确定在μ-L’时刻最可能包括该第一二进制值的第一路径和在μ-L’时刻最可能包括该第二二进制值的第二路径，在任意时刻μ对于每个收到的数据符号(z)确定时刻μ-L’的可靠性信息(q)，并且

均衡器(8)被以这样的方式设计，即对第一路径和第二路径计算的度量是根据出现在时间μ...μ-L’的状态模型的第一组符号和出现在时间μ-L’-1...μ-L的状态模型的第二组符号来计算的，并且L至少相当于无线电信道(6)的信道脉冲响应的长度，其中的L＞L’，

其特征为：

均衡器(8)被以这样的方式设计，即为了确定在时间μ-L’的可靠性信息(q)，采用值在时间μ-L’之前已经判定的并且对状态模型的所有状态都相同的符号作为第二组的符号。

本发明的其他一些目的是通过本发明的最佳和有益的实施例来实现的。

本发明的基础是Wolfgang Koch和Alfred Baier在上述“Optimumand Sub-optimum Detection of Coded Data Disturbed by Time-VaryingIntersymbol Interference”1990 IEEE中描述的方法。然而，按照本发明，以判定反馈的形式来考虑的那些位不再按照与状态有关的方式被装在一个目录中，而是被用于判定反馈，在计算中包括以前已经作出判定的符号，也就是对所有2L’个状态都相同的那些位或符号。

为了判定这些符号，换句话说也就是确定这些符号的二进制值，根据每个时间μ处的最佳的零和一路径产生一个可靠性信息，用于时间μ-L’的符号，借助于硬判定将其转换成具有对应值的位，并且进一步用于在接下来的L-L’个随后的时间期间计算各个度量。

本发明具有极大的优点，特别是可以在符合GSM、DCS1800或PCAS1900标准的移动无线电系统中用来均衡符号间干扰，无论用硬件来实施还是用数字信号处理器来实施都能显著地降低实施难度，因为它不需要为判定反馈位提供精确的范围，而是仅有L-L’个变量就足够了，每个符号输出只需要更新一次，这样就能节省存储空间和计算能力，进而节省电源。另外，(例如在GSM下行链路上对L’＝2执行的)大范围模拟已经证明，对所谓GSM Recommendation 05所规定的信道模型，没有发现误码率有明显的恶化。

下文要参照附图来详细解释本发明。

附图说明

图1用简化的框图形式表示了一种移动无线电传输模型；

图2表示图1所示的移动无线电系统中的信道模型；以及

图3A和3B表示的示意图可用来解释在格子图中如何计算度量。

具体实施方式

构成本发明基础的的有关理论解释可以参见上文所引用的文献，即Wolfgang Koch和Alfred Baier的“Optimum and Sub-optimumDetection of Coded Data Disturbed by Time-Varying IntersymbolInterference”1990 IEEE，特别要参照图1所示的移动无线电系统的传输模型，在图1中表示了通过一个信道6相互通信的一个移动无线电发射机1和一个移动无线电接收机7。

在发射机1中，首先由一个源编码器2将准备发送的信息例如是语音信息转换成数字信号也就是符号‘1’和‘0’的序列，并且以源代码数据字或数据矢量b的形式输出，单个码元或符号在各种情况下的值是‘1’或‘0’。信道编码器3将每一个数据字映像成一个码字C，用一个交错器4置换也就是交错这些符号。理想的交错是这样执行的，一个代码字c的任意两个符号被映像成交错器4的两个不同的输出字d。最后由格式器5在交错器4的每个数据字d的开头和结尾添加L个已知的符号(所谓尾随符号)，为下文要更加具体地解释的信道模型提供确定的开头和结尾状态。这样，格式器5就输出传输字或传输矢量e，其中的e＝(e_1-L，...，e1，e2，...，e_M)，而M＝I+L，I是交错器4输出的数据字d的长度。

图1所示的信道6还包括发射机的调制器和放大器，实际的RF信道(传输信道)和接收机输入级、接收机的输入滤波器和A/D转换器并且可以用图2的信道模型来代表。这一信道模型对应着具有L个存储级11的状态机器，这些存储级单独暂存的发送符号e_M，e_m-L通过一个乘法器12借助于一个加法器13相加。系数h_O...h_L对应着信道脉冲响应的系数。该模型还考虑到了传输信道中以附加白Gaussian噪声(AWGN)的形式产生的噪声，它借助于加法器14叠加在加法器13的输出信号上，最终获得接收机接收到的符号Z_m。

在接收机7中，均衡器8、解交错器9和信道解码器10共同的任务是利用接收的序列z以最大可能的可靠性z来确定原始发送序列b。为此要借助于软判定为信道解码器10产生可靠性信息-这种信息为每一个接收的符号规定了一个表示该接收符号是基于发送的‘0’还是‘1’的先验概率。

为了产生这一可靠性信息，用一个对应的格子图来表示图2所示的信道模型，格子图以状态过渡的形式表示信道的性能。在这一结构中，根据一个新符号e_m用格子为信道的每一个瞬时状态来规定新的状态，在时间μ的格子状态用S_μ表示，并且在下文中被定义为S_μ＝(e_μ-L+1，...，e_μ)。

可以为状态S_μ-1→S_μ的每一次变化分配一个度量增量，然后为评定这一状态变化的概率进行计算，并且被定义为以下的公式：

$\mathrm{\λ}(S_{\mathrm{\μ}-1},S_{\mathrm{\μ}})=|z_{\mathrm{\μ}}-\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{e}_{\mathrm{\μ}-1}{h}_1{|}^2\÷{\mathrm{\σ}}^2---\left(1\right)$

或者是可以采用在“Digital Communications”Proakis，J.G.，McGraw-Hill，New York，1983中描述的所谓匹配滤波器度量：

$\mathrm{\λ}(S_{\mathrm{\μ}-1},S_{\mathrm{\μ}})=-\mathrm{Re}\left\{e_{\mathrm{\μ}}(y_{\mathrm{\μ}}-\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{e}_{\mathrm{\μ}-1}{h}_1)\right\}\÷{\mathrm{\σ}}^2---\left(2\right)$

其中的表达式

$y_{\mathrm{\μ}}=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{z}_{\mathrm{\μ}+1}{h}_1---\left(3\right)$

指定匹配滤波器在时间μ的输出值，表达式

$\begin{array}{c}\end{array}\begin{array}{c}{\mathrm{\ρ}}_1=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_{i+1}{h}_i\mathrm{forl}=0...L---\left(4\right)\end{array}$

指定信道脉冲响应的自相关函数的第1个采样。然而，本发明并不仅限于使用匹配滤波器度量。

采用上述的度量公式(2)就能计算出与图2所示的信道6相对应的格子图，从而为每一个格子或时间间隔μ的每一个状态S_μ计算出相应的概率。理想的程序会在格子图中的反向和正向上通过。在下文中要详细解释用来处理接收字z的算法。

在反向通过格子图时，可以用以下的递归式为从μ＝M到μ＝L的每一个格子级μ和每一种格子状态S_μ计算出反向度量A_b(S_μ)：

Λ_b(S_μ-1)＝-ln{exp(-Λ_b(S′_μ)-λ(S_μ-1，S′_μ))+exp(-Λ_b(S″_μ)-λ(_Sμ-1，S″_μ))} (5)

在状态值e_μ＝1或e_μ＝0的情况下分别用状态S_μ-1定义两个状态S’_μ和S”_μ。

类似地可以用以下的递归式为每一种格子状态S_μ计算出正向度量A_f(S_μ)：

Λ_f(S_μ)＝-ln{exp(-Λ_f(S′_μ-1)-λ(S′_μ-1，S_μ))+exp(-Λ_f(S″_μ-1)-λ(S″_μ-1，S_μ))}(6)

此时可以在状态值e_μ-L＝1或e_μ-L＝0的情况下分别用状态S_μ定义两个状态S’_μ-1和S”_μ-1。

这样就能为格子的每一个状态过渡S_μ-1→S_μ加上度量A_f(S_μ-1)，λ(S_μ-1，S_μ)和A_b(S_μ)，并且可以针对所有状态S_μ分别将e_μ-L＝1或e_μ-L＝0的倒指数加在一起：

$u\left(e_{\mathrm{\μ}-L}\right)=-\ln \left\{\underset{s_{\mathrm{\μ}}}{\mathrm{\Σ}}\exp ({-\mathrm{\Λ}}_f\left(S_{\mathrm{\μ}-1}\right)-\mathrm{\λ}(S_{\mathrm{\μ}-1},S_p)-{\mathrm{\Λ}}_b\left(S_{\mathrm{\μ}}\right))\right\}---\left(7\right)$

最后，利用公式(7)将为e_μ-L＝1和e_μ-L＝0计算出的值相互关联，利用公式(7)的表达式为时间μ上的位e_μ-L计算出一个软判定值q(e_μ-L)：

q(e_μ-L)＝μ(e_μ-L＝1)-μ(e_μ-L＝0)    (8)

为了阐明上述公式(7)，在图3A中表示了与图2所示的信道模型相联系的L＝2和e_m＝1的一部分格子，并且在图3B中表示了e_m＝0的一部分格子。在图3A和图3B中仅仅表示了在本例中对公式(7)的求和有作用的那些格子的路径。另外，在图3A和图3B中都加入了度量A_f(S_μ-1)，λ(S_μ-1，S_μ)和A_b(S_μ)。

因为所获得的最优软判定值可以作为可靠性信息在上述程序的协助下用于信道解码，在Wolfgang Koch和Alfred Baier的“Optimum andSub-optimum Detection of Coded Data Disturbed by Time-VaryingIntersymbol Interference”1990 IEEE中将这种算法称为“最优软判定均衡算法”(OSDE)。

然而，因为这种算法需要很大的存储空间和强大的计算能力，需要有一种简单的算法，它一方面应该明显地降低复杂性，另一方面仍然要提供尽可能精确的可靠性信息。

关于这一点，Wolfgang Koch和Alfred Baier在“Optimum andSub-optimum Detection of Coded Data Disturbed by Time-VaryingIntersymbol Interference”1990 IEEE中首先是建议要简化公式(7)的指数运算。公式(7)中包含-ln(e^-x+e^-y)形式的表达式，然而这一表达式满足以下的关系：

-ln(e^-x+e^-y)＝min(x，y)-ln(1+e^-|y-x|)

(9)

如果x＜＜y和x＞＞y，在忽略误差之后，-ln(e^-x+e^-y)近似的表达式就是最小值min(x，y)。如果省略从反方向通过格子并且将公式(7)中对所有状态S_μ的度量A_b(S_μ)都设置为0，还可以进一步简化。

这样，按照公式(8)在时间μ为时间μ-L计算的可靠性信息就被简化成了：

$q\left(e_{\mathrm{\μ}-1}\right)=\underset{{\mathrm{S\μ}|\mathrm{e\μ}-L}^{=1}}{\min }({\mathrm{\Λ}}_f(S_{\mathrm{\μ}}-1)+\mathrm{\λ}\left(S_{\mathrm{\μ}-1^{\′}}{S}_{\mathrm{\μ}}\right))-\underset{\mathrm{S\μ}|\mathrm{e\μ}-L^{=0}}{\min }({\mathrm{\Λ}}_f(S_{\mathrm{\μ}}-1)+\mathrm{\λ}\left(S_{\mathrm{\μ}-1^{\′}}{S}_{\mathrm{\μ}}\right))$

(10)

这样，与传统的Viterbi算法的基本区别仅仅在于只需要从一组2^L个度量中选择两个最小值来计算软判定值q(e_μ-L)。因此，在WolfgangKoch和Alfred Baier的“Optimum and Sub-optimum Detection of CodedData Disturbed by Time-Varying Intersymbol Interference”1990 IEEE中将这种算法称为“软判定Viterbi均衡器”(SDVE)。

如果用采用L’＜L的缩减数量的格子状态数2^L’的SDVE算法代替有2^L个状态的SDVE算法，还可以实现进一步的简化。这样就能从用于计算匹配滤波器度量的上述公式(2)获得以下的表达式：

${\mathrm{\λ}}^{\′}\left(s_{\mathrm{\μ}-1^{\′}}{s}_{\mathrm{\μ}}\right)=-\mathrm{Re}\left\{e_{\mathrm{\μ}}(y_{\mathrm{\μ}}-\underset{l=1}{\overset{L^{\′}}{\mathrm{\Σ}}}{e}_{\mathrm{\μ}-1}{\mathrm{\ρ}}_1-\underset{l=L^{\′}+1}{\overset{L}{\mathrm{\Σ}}}{e^{\′}}_{\mathrm{\μ}-1}{\mathrm{\ρ}}_1)\right\}\÷{\mathrm{\σ}}^2---\left(11\right)$

象上文所述的算法一样，对于1＝1...L’的位e_μ-1可以代表状态S_μ-1的状态位。另外，匹配滤波器度量的计算仍然取决于没有直接包括在基于格子的均衡中的第二组用于1＝L’+1...L的位e’_μ-1；而这些位是判定反馈位。

尽管Wolfgang Koch和Alfred Baier在“Optimum and Sub-optimumDetection of Coded Data Disturbed by Time-Varying IntersymbolInterference”1990 IEEE中建议参照这一组判定反馈位针对2^L’个状态的格子(与上文所述相比)利用所谓的“幸存者”路径来确定用于1＝L’+1...L的位e’_μ-1，本发明却建议不要使用任何状态相关的位，而是要采用预先确定的位，也就是值事先已经被限定为‘0’或是‘1’的符号，这种符号对所有2^L’个状态都具有相同的值。

通过正常地按照每个时间μ根据最佳零路径和最佳一路径对时间μ-L’上的符号确定可靠性信息项目，可获得用于1＝L’+1...L的这些判定反馈位e’_μ-1。借助于硬判定利用一个固定的判定阈值将这一可靠性信息转换成数值为0或1的一位，并且用做进一步的L-L’时间的判定反馈位。这样，所有2^L’个状态的位e’_μ-L’-1...e’_μ-L就是常数，因此，按照公式(10)计算匹配滤波器度量所需的存储空间和计算量就减少了。为了实现本发明不需要修改上述的公式。

如果将公式(11)的表达式插入公式(10)，就能用上述公式(10)模拟计算出软判定可靠性信息q(e_μ-L’)：

$q\left(e_{\mathrm{\μ}-L^{\′}}\right)=\underset{{\mathrm{S\μ}|\mathrm{e\μ}-L^{\′}}^{=1}}{\min }({\mathrm{\Λ}}_f\left(S_{\mathrm{\μ}-1}\right)+{\mathrm{\λ}}^{\′}\left(S_{\mathrm{\μ}-1^{\′}}{S}_{\mathrm{\μ}}\right))-\underset{{\mathrm{S\μ}|\mathrm{e\μ}-L^{\′}}^{=0}}{\min }\left({\mathrm{\Λ}}_f\left(S_{\mathrm{\μ}-1}\right){+}^{\′}\left(S_{\mathrm{\μ}-1^{\′}}{S}_{\mathrm{\μ}}\right)\right)---\left(12\right)$

这样就能用缩减数量的2^L’个不同状态为时间μ-L’计算出在每个时间μ上的可靠性信息项目。这样，本发明就能用缩减的状态数量实现SDVE算法的一种次优方案。

Claims (8)

1.一种在无线电接收机中为信道解码产生可靠性信息的方法，

该可靠性信息(q)规定了无线电接收机(7)通过无线电信道(6)接收到的数据符号(z)是基于第一二进制值还是第二二进制值的概率，

通过借助于具有2L’个状态的状态模型确定在μ-L’时刻包括该第一二进制值的概率为最大的第一路径和在μ-L’时刻包括该第二二进制值的概率为最大的第二路径，并使对该第一路径和第二路径计算的度量彼此关联，在任意时刻μ对于每个收到的数据符号(z)确定时刻μ-L’的可靠性信息(q)，以及

对第一路径和第二路径计算的度量是根据出现在时间μ...μ-L’的状态模型的第一组符号和出现在时间μ-L’-1...μ-L的状态模型的第二组符号来计算的，并且L至少相当于无线电信道(6)的信道脉冲响应的长度，其中的L＞L’，

其特征为：

为了确定在时间μ-L’的可靠性信息(q)，采用值在时间μ-L’之前已经判定的并且对状态模型的所有状态都相同的符号作为第二组的符号。

2.如权利要求1所述的方法，其特征为：为时间μ确定的可靠性信息(q)被转换成用于时间μ-L’的对应的二进制符号，并且在后续的L-L'时间期间被用做第二组的符号。

3.如权利要求2所述的方法，其特征为：利用对时间μ-L’的硬判定将在时间μ确定的可靠性信息(q)转换成对应的二进制符号。

4.如前述权利要求之一的方法，其特征为：状态模型是用一种格子表示法来实现的。

5.如权利要求1-3中任何一个的方法，其特征为：在度量中采用匹配滤波器度量。

6.如权利要求5的方法，其特征为：在时间μ，用于从状态模型中的状态S_μ-1到状态S_μ的过渡的度量λ’是按照以下公式计算的：

$\mathrm{\λ}\′\left(S_{\mathrm{\μ}-1,}{S}_{\mathrm{\μ}}\right)=-\mathrm{Re}\left\{e_{\mathrm{\μ}}(y_{\mathrm{\μ}}-\underset{l=1}{\overset{L\′}{\mathrm{\Σ}}}{e}_{\mathrm{\μ}-1}{\mathrm{\ρ}}_1-\underset{l=L\′+1}{\overset{L}{\mathrm{\Σ}}}{e\′}_{\mathrm{\μ}-1}{\mathrm{\ρ}}_1)\right\}\÷{\mathrm{\σ}}^2$

其中的e_μ代表在时间μ的第一组符号，e_μ’代表在时间μ的第二组符号，y_μ代表在时间μ使用的匹配滤波器的输出符号，σ²代表无线电信道(6)噪声功率密度的变化，而ρ₁代表无线电信道(6)的信道脉冲响应的自相关函数的第1个值。

7.如权利要求1-3中任何一个的方法，其特征为：所述无线电接收机(7)为移动无线通信系统中的移动无线电接收机(7)。

8.如权利要求7的方法，其特征为：所述无线电接收机(7)为GSM移动无线电接收机(7)。

Images