CN1413405A - 具备先行参数估计能力的基带处理器 - Google Patents

Abstract

在用于接收包括穿过信道传输的一个符号值序列在内的数据样值的接收机中，一个基带处理器内包括用于导出第一多组假设符号值的第一假设单元，用于导出不同于该第一多组的第二多组假设符号的第二假设单元，用于接收该接收到的数据样值以及第一和第二多组假设符号值，并且在此基础上导出参数估计的参数估计器，以及接收已导出的参数估计、第一多组假设符号值以及延时形式的接收数据样值，并且导出与接收数据样值相关的一个被检测符号值序列的序列估计器。

Description

具备先行参数估计能力的基带处理器

发明领域

本发明针对通信系统(例如无线通信系统)中使用的基带处理器，并且更加特别地涉及到具备先行参数估计能力以改善信道跟踪性能的基带处理器。

发明背景

在当今社会中，经过无线网络的通信已经变得越来越普遍了。目前正在为商业使用分配额外的无线电频谱，并且蜂窝电话也已经变得越来越普通。由于使用了各种不同的频段，因此需要提供能够在不同频段的各个频段内操作的双波段电话。例如在美国，在蜂窝(约为800MHz)和PCS(个人通信业务)(约为1900MHz)频段上都可以提供无线电话业务。无线电话业务提供商通常都拥有蜂窝和PCS的混合执照。这样，为了能够跨越国家提供无缝业务，无线电话业务的用户就需要双波段电话。

此外，当前通信正在从模拟通信向数字通信演进。数字语音可以表示为一系列比特，这些比特经过调制，从基站发送到电话，反之亦然。电话对接收到的波形进行解调，恢复原始发送的比特，并且把恢复的比特转换回语音。而且，不断增涨的数据业务(例如电子邮件、互联网接入等等)也都需要数字通信。

目前有多种类型的数字通信系统可用。例如FDMA(频分多址接入)系统把无线电频谱分割为多个对应于不同载波频率的无线电信道。TDMA(时分多址接入)系统进一步把载波频率分割成为时隙。D-AMPS(数字高级移动电话系统)、PDC(太平洋数字蜂窝)以及GSM(全球移动通信系统)都是数字TDMA蜂窝系统的实例。或者，如果无线电信道足够宽，则多个用户可以利用扩频技术和CDMA(码分多址接入)技术，使用相同的信道。IS-95和J-STD-008都是采用CDMA标准的无线通信系统的实例。

无论采用何种调制或多址接入方法，通信系统都必须提供良好的质量，例如良好的语音质量，对于用户的满意程度来说，这是非常关键的。为了在接收机一端提供必需的高质量，通常使用高级解调技术，例如利用信道估计的相干解调，以及如果需要的话，还要采用自动频率纠正(AFC)。

被发送的无线电信号经过传输媒介，通常它也被称作信道。常规接收机使用信道估计来补偿信道对接收信号所造成的影响。信道估计通常都是由接收机内的基带处理器来完成的，并且包括估计与接收信号相关的信道系数。信道系数表示在传输过程中接收信号所发生的改动。在多种无线应用中，被估计的量值是随时间变化的，因此需要跟踪这种信道系数的变化。这也被称作自适应参数估计。跟踪通常都用判决反馈执行，利用过去的符号检测去辅助更新信道系数。在某些接收机设计中，例如在最大似然序列估计(MLSE)接收机中，判决反馈信道估计要求一时延，以获得可靠的被检测符号值。这样就会在信道跟踪处理中引入时延，导致信道变化较快时性能较差。

为了更好地实施信道估计，期望不仅有有关过去和当前符号检测的信息，还有所关心符号周期之后的信息。一种解决方法是在发射机一端，在信号内周期性地放入导频符号。在接收机一端，信道通过导频符号被估计并且在其间内插。然而，导频符号引入额外的开销，降低信息符号的能量和/或可被发送的信息符号的数量。另外一种可选方法就是采用不要求显式信道估计的非相干接收机，例如非相干MLSE接收机，或者非相干MAP(最大后验概率)逐符号检测器。然而，这些接收机要比标准的相干接收机更加复杂，并且成本更高。

本发明就是要克服上述的一个或多个问题。

发明概述

在通信系统中提供检测接收的符号值的方法。在一种形式中，该方法内通常包括如下步骤：接收包含一个符号值序列在内的数据样值；导出多组将来的假设符号值；在接收到的数据样值和该多组将来的假设符号值的基础上，导出多组参数估计，一组参数估计对应于该多组将来的假设符号值中的各组；在该多组参数估计和接收数据样值的基础上，导出多个量度，其中一个量度对应于该多组参数估计中的一组；以及在该多个量度的基础上，导出被检测符号值，该被检测符号值与接收数据样值有关。

在另一种形式中，该方法内通常包括如下步骤：接收包含一个符号值序列在内的数据样值；假设符号值的组合；在假设步骤之后，在接收数据样值和假设符号值的基础上，导出与每个假设符号值组合相关的参数估计；在导出参数估计的步骤之后，在接收数据样值、假设符号值和参数估计的基础上，导出与每个参数估计相关的量度；并且在导出量度的步骤之后，在量度的基础上，导出被检测符号值，该被检测符号值与接收数据样值有关。

在另一种形式中，该方法内通常包括如下步骤：接收包含多个符号值序列在内的数据样值；导出第一组符号周期内的第一多组假设符号值；导出第二组符号周期内的第二多组假设符号值，其中第二组符号周期内包括至少一个符号周期，其在时间上迟于第一组符号周期内的符号周期；在接收数据样值和第二多组假设符号值的基础上，导出参数估计；在接收的数据样值、参数估计以及第一多组假设符号值的基础上，导出量度，一个以上量度对应于该第一多组假设符号值的每一组；以及在量度的基础上导出被检测符号值，该被检测符号值与接收数据样值有关。

在另一种形式中，该方法内通常包括如下步骤：接收包含多个符号值序列在内的数据样值；在接收数据样值的基础上，导出多个参数估计；在导出参数估计的步骤之后，在导出的参数估计和接收的数据样值的基础上，导出多个量度；在导出量度步骤之后，在多个量度的基础上，导出被检测符号值，该被检测符号值与接收数据样值有关。

还提供一种基带处理器，用在接收穿过信道传输的数据样值的接收机内。在一种形式中，该基带处理器内通常包括：导出多组假设符号值的假设单元；在接收数据样值和该多组假设符号值的基础上，导出参数估计的参数估计器；以及接收该导出的参数估计、多组假设符号值和延时形式的接收数据样值，并且导出与该接收数据样值相关的一个被检测符号序列的序列估计器。

在另一种形式中，该基带处理器内通常包括：导出第一多组假设符号值的第一假设单元；导出不同于该第一多组的第二多组假设符号值的第二假设单元；接收该接收到的数据样值以及该第一和第二多组假设符号值，并且在此基础上导出参数估计的参数估计器；以及接收该导出的参数估计、第一多组假设符号值以及延时形式的接收数据样值，并且导出与接收数据样值相关的一个被检测符号值序列的序列估计器。

本发明的一个目的在于提供具备先行参数估计能力的基带处理器。

本发明的另外一个目的在于提供能够在将来符号假设以及当前和过去符号假设的基础上，执行信道估计的基带处理器。

本发明的另一个目的在于提供能够利用有关所关心符号周期之前，期间以及之后信道的信息，去执行参数估计，而不增加额外信令开销的基带处理器。

本发明的另一个目的在于提供能够在更新用于解调的分支和路径量度之前更新信道估计的基带处理器。

本发明的其它方面、目的以及好处可以从对应用、附图以及附加的权利要求的研究中获得。

附图简述

图1是典型的数字通信系统的框图；

图2是现有技术中，利用判决反馈的自适应MLSE基带处理器的框图；

图3是现有技术中，利用每残存者(per survivor)处理的自适应MLSE基带处理器的框图；

图4是根据本发明的自适应MLSE基带处理器的框图；

图5是说明根据本发明的自适应MLSE基带处理过程的处理流程图；

图6是采用本发明基带处理器的蜂窝无线通信系统的示范部分的框图；

图7是图4所示的固定滞后信道估计器的第一实施例框图；

图8是图7中所示的、利用卡尔曼跟踪理论的滞后跟踪器的第一

实施例的框图；

图9是图7中所示的、利用卡尔曼跟踪理论的滞后跟踪器的另一

实施例的框图；以及

图10是图4所示、用于具备导频信道的CDMA系统中的固定滞后信道估计器的另一实施例的框图。

发明详述

尽管本发明是在窄带线性调制信号(例如用于IS-136 D-AMPS下行链路通信中的信号)环境中描述的，但是本发明并不局限于这种系统，它同样也可以适用于使用其它调制形式的系统，其中包括(但并不局限于)宽带应用中的直接序列扩频。

图1中说明了现有技术中一种典型的无线数字通信系统，总地以10来标识。表示语音或其它数据的数字符号12(例如二进制±1数值)被提供给发射机14，其中把数字符号12映射成为具有代表性的波形信号16，经过天线20并且通过无线信道18进行传输。被发送信号16经过信道18，并且在接收机22，作为经过修改的信号16’由一个或多个天线24接收到。接收机22中通常包括无线处理器25、基带信号处理器26以及用于处理接收信号16’的后处理单元28。

尽管本发明是在无线通信系统环境中描述的，但是此处所使用的术语“信道”仅仅出于通常的意义，并且可以指信号传输所经过的任何一种媒介。例如，信道可以是无线环境、铜线、光纤或者磁性存储媒介。在每种情况中，由于经信道18传输的影响，接收到的信号16’不同于被发送的信号16。接收到的信号16’经常包括来自其它信号的噪声和干扰，会导致信号质量下降，并且增加出现传输错误的概率。

接收到的信号16’输入到被调谐到期望的频段和期望的载波频率上的无线处理器25中。无线处理器25把接收到的信号16’进行放大、混频以及滤波，然后向下转换到基带。无线处理器25还可以对基带信号进行采样和量化，生成一个基带接收样值序列30。由于原始发送的无线信号16中典型地包括同相(I)和正交(Q)分量，因此基带样值30中也典型地是包括I和Q分量在内的复数。基带处理器26接收基带样值30，并且检测原始被发送的数字符号，生成一个硬检测值序列32。基带处理器26还可以生成软信息或者软数值34，可以提供有关硬检测符号值32准确性的信息。

后处理单元28接收硬检测值32和软检测值34(如果有的话)，并且执行高度依赖于特定通信应用的功能。例如，后处理单元28可以利用软检测值34，对硬检测值32去执行前向纠错译码或检错译码。如果原始发送的信号16是语音信号，则后处理单元28利用语音译码器(没有画出)，把基带处理器26得到的硬检测符号值32转换为语音信号36。

基带处理器26内所实施的原始发送数据符号的检测通常要求去估计无线信道18(或者可能是无线处理器25)是如何修改被发送信号16的。例如，无线信道18可以由于多径传播，在被发送信号中引入相位和幅度的变化。被发送信号16也可以发生弥散，引起信号的回波。基带处理器26的相干解调要求估计这些影响。典型地，可以以抽头延时线的模式来表示信道，为被发送信号16的不同时延或者回波指派信道系数。信道估计通常被用于确定信道系数。

在无线处理器25中，如果经过混频降到基带的过程是有缺陷的，则会在基带信号30中引入频率误差。通常采用某种形式的频率偏差补偿或自动频率纠正(AFC)来纠正这一问题。

在无线应用中，被估计的量值通常随时间而变化，并且相应地需要对信道系数进行跟踪。对于两抽头信道模型来说，接收到的以符号间隔开的复基带样值r(k)为：

            r(k)＝c₀(k)s(k)+c₁(k)s(k-1)+n(k)，   (1)

其中c_j(k)表示时变信道系数，s(k)和s(k-1)表示当前以及前一发送的符号，而且n(k)表示由信道18和其它噪声源所引入的噪声。

在现有技术的维特比最大似然序列估计方法中，从数据符号‘s’被加到发射机调制器的点出发，到接收机中出现数据样值‘r’的点之间的传输可以由如下等式来估计： $\hat{r}\left(k\right)={\hat{c}}_0(k,k-d-1)\hat{s}\left(k\right)+{\hat{c}}_1(k,k-d-1)\hat{s}(k-1)......\left(2\right)$

其中符号 ${\hat{c}}_0(k,k-d-1)$ 和 ${\hat{c}}_1(k,k-d-1)$ 表示信道系数 和

是在一直到(包括)时段(k-d-1)接收到的信号样值的基础上，并且利用一直到 $\hat{s}(k-d-1)$ 的已假设符号，为时段k估计的。这种信道估计对应于(d+1)步的预测值。

现有维特比MLSE均衡器技术中，计算实际接收样值r(k)和使用例如等式(2)预测的值 之间的误差，得到分支或增量量度： $\mathrm{dM}\left(k\right)={|r\left(k\right)-{\hat{c}}_0(k,k-d-1)\hat{s}\left(k\right)-{\hat{c}}_1(k,k-d-1)\hat{s}(k-1)|}^2......\left(3\right)$

增量量度被加到终止于

的前一个假设序列的累积路径量度(积累的以前的增量量度)中，得到终止于 的序列的新候选量度。利用维特比算法，出于导出一组新路径量度的考虑，需要删除某些候选量度。然后，对每对可能的取值s(k)和s(k-1)来说，保留终止于有最佳(例如，最低)路径量度值的假设，以及

和

的相关值。利用其它接收信号样值序号(k-d)，即利用r(k-d)和一直到s(k-d)的符号，来更新这些保留下来，或者继承下来的信道估计值。对于LMS(最小均方)信道跟踪器来说，更新等式为： ${\hat{c}}_0(k-d+1,k-d)={\hat{c}}_0(k-d,k-d-1)+{\mathrm{\μs}}^{*}(k-d)e(k-d)......\left(4\right)$

和 ${\hat{c}}_1(k-d+1,k-d)={\hat{c}}_1(k-d,k-d-1)+{\mathrm{\μs}}^{*}(k-d-1)e(k-d)......\left(5\right)$ 其中‘e’表示由下式给出的误差信号： $e(k-d)=r(k-d)-{\hat{c}}_0(k-d,k-d-1)\hat{s}(k-d)-{\hat{c}}_1(k-d,k-d-1)\hat{s}(k-d-1),......\left(6\right)$ 其中μ是LMS步长，并且其中*表示复共轭，这样在公式(6)的下一次迭代中，需要把信道估计提前一个符号周期，即时间(k-d+1)。通过外推时间(k-d)的估计值，可以估计公式(2)中所提供的时间k的信道估计值。类似地，可以从刚刚由公式(4)和(5)计算得到的时间(k-d+1)的估计值来外推得到所需的时间(k+1)的信道估计值，例如通过如下利用一阶导数 和 ${\hat{c}}_0(k+1,k-d)={\hat{c}}_0(k-d+1,k-d)+d.{{\hat{c}}_0}^{\text{'}}(k-d+1,k-d).\mathrm{dt}......\left(7\right)$

和 ${\hat{c}}_1(k+1,k-d)={\hat{c}}_1(k-d+1,k-d)+d.{{\hat{c}}_1}^{\text{'}}(k-d+1,k-d).\mathrm{dt}......\left(8\right)$

当还跟踪信道估计值的导数时，扩展等式(4)和(5)，包括更新导数以得到： $\left[\begin{array}{c}{\hat{c}}_0(k-d+1,k-d)\\ {{\hat{c}}_0}^{\text{'}}(k-d+1,k-d)\end{array}\right]=\left[\begin{array}{cc}1& \mathrm{dt}\\ 0& 1\end{array}\right]\left[\begin{array}{c}{\hat{c}}_0(k-d,k-d-1)\\ {{\hat{c}}_0}^{\text{'}}(k-d,k-d-1)\end{array}\right]+{\hat{s}}^{*}(k-d)e(k-d)\left[\begin{array}{c}1\\ \mathrm{dt}\end{array}\right],......\left(9\right)$

并且类似地用下标1，可以更新

和

通过适当地选择任意单元，时间步长dt(一个符号周期)可以被设置为1。

如图2所示，现有技术中的基带处理器40可以根据上述利用判决反馈信道估计进行相干MLSE接收的实例进行操作。接收到的样值r(k)被提供给包括更新量度单元44和提取符号单元46在内的序列估计器42。序列估计器42执行序列估计(例如利用维特比算法)，用于从接收样值r(k)中确定最可能被发送的符号序列。

由假设当前和过去符号单元48来导出当前和过去的假设符号值。例如可以采用维特比算法去导出当前和过去假设符号值，其中每一次状态转移都对应一组可以从查找表中提取的当前和过去假设符号值。例如在美国专利No.5,331,666、5,577,068、5,335,250以及5,557,645中解释了生成、测试、丢弃以及保留符号序列假设的维特比算法的操作，在此引入其阐述作为参考。

(d+1)步信道预计器50导出预测的信道系数。更新量度单元44从假设当前和过去符号单元48中接收当前和过去的假设符号值，并且从(d+1)步信道预测器50中接收经过1步延时单元52延时的预测信道系数，并且计算每一组信道估计和假设符号值的分支量度以及更新路径量度(积累的分支量度)。提取符号单元46接收路径量度，确定最佳路径量度，即具备最小数值的路径量度，并且提取与该特定路径量度相关的被检测符号值 和 被检测的符号值 和

被提供给(d+1)步信道预测器50。(d+1)步信道预测器50利用被检测的符号值以及经过d步延时单元54延时后的接收样值，去预测下一次迭代中的信道系数。

可以使用每残存者处理(PSP)技术来降低预测的数量。例如参见Gudmundson的美国专利No.5,164,961，在此引入其阐述作为参考。在当前接收样值和1步信道估计被用于检测之后，与维特比算法中的每一状态相关的信道估计值被更新，用于下一次的迭代。这样可以改善性能，但是受限于：信道变化非常快时，1步预测过程并不总是可靠的。

特别地，路径量度更新过程可以被看作令“状态”对应于过去假设符号值。与每个状态相关的是一组信道系数估计。由于状态对应于一直到(包括)时间(k-1)的符号假设，因此可以利用包含r(k-1)在内的接收样值，去构成误差信号，并且更新系数。这样，就只需要1步预测。

图3中说明了现有技术中的基带处理器，总地采用60来表示，其中用PSP技术来估计信道系数。接收到的样值r(k)，以及来自假设当前和过去符号单元68的假设当前和过去符号及经过1步延时单元70延时的预测信道系数都被提供给序列估计器62，其中包括更新量度单元64和提取符号单元66。序列估计器62执行序列估计，用于从接收到的样值r(k)中确定最可能被发送的符号序列。1步延时单元70从1步信道预测器72中接收预测的信道系数，该预测器在接收样值r(k)和假设符号单元68导出的假设当前和过去符号值的基础上，执行1步信道预测。对于与更新状态相应的一对假设当前和过去符号值来说，1步信道预测单元72导出信道系数预测值。更新量度单元64从假设当前和过去符号单元68中接收当前和过去的假设符号值，并且从1步信道预测器单元72中接收由1步延时单元70延时后的预测信道系数，而且还计算分支量度并且更新路径量度。路径量度被提供给提取符号单元66，用于判断最佳的路径量度(即具备最小值的路径量度)，并且提取被检测到的符号值

1步延时单元70对预测信道系数进行延时，实际上可导致在计算时间k的路径量度过程中，需要利用到使用直到r(k-1)而预测的时间(k-1)的信道估计(预测的信道系数)。这样，在如图3所示的现有技术基带处理器60中，通过首先利用时间(k-1)的信道估计来更新路径量度，然后更新时间k的信道估计，从而检测符号值 时间k的更新信道估计被用于去更新时间(k+1)的路径量度，等等。

每残存者处理也已被用于跟踪接收信号的相位变化。而且，PSP技术要求更多的预测。对应于多个过去符号序列假设，通过为每个状态保留多个信道模型，从而降低路径历史中非正确符号的影响。

在本发明申请人的美国专利No.5,557,645中阐述到：等式(2)-(6)可以被组合起来，以得到MLSE量度，信道估计已被从中去除。MSLE量度仅仅是接收信号样值以及假设的当前和过去符号的函数。由于被去除的信道估计已取决于所有至当前时刻的假设符号历史，因此MLSE量度函数要取决于所有的符号历史，并且因而允许使用如期望一样多的“状态”，其中即使当接收到的信号样值只取决于少数最近的几个符号时，在过去符号的所有组合中也要保留大量过去的符号。然而，在‘645专利中阐述的量度只是对于过去的符号，而不是对将来的符号有不对称或因果时间相关。特别是，一直到(但未超过)符号s(k)的所有符号被用于从接收样值r(k)构成量度。这样，包含在量度中的非显性信道估计就要如期望一样多地取决于历史，而不取决于任何将来的假设。

相反，本发明考虑利用将来符号假设，即信号样值r(k+1)以及符号s(k+1)或者更晚的符号假设，来导出信道估计，以构成时间k的量度。即使是首先利用r(k)和s(k)构成信道估计，然后再利用该估计值去计算时间k的量度，这也是处于本发明的覆盖范围之内，而已经超出了现有技术的范围，在现有技术中，在形成时间k处使用的信道估计中只预计利用直到r(k-1)和s(k-1)。

如上所述，为了改善信道跟踪的性能，当处理第k个接收样值时，能够使用有利地知道当前和将来符号值

…的信道系数估计是有用的。然后，可以在过去和将来接收信号值的基础上，使用平滑的信道系数估计。由于当前和将来符号值是未知的，因此需要根据本发明的示范实施例进行假设。本发明的特征就是“先行”参数估计，其中假设L个符号(当前符号和L-1个将来符号)，从而允许改善信道估计。

通常，只有当符号对正在被处理的接收样值造成严重的ISI(符号间干扰)时，才会对符号进行假设。例如在现有技术中的自适应PSP MLSE接收机中，假设当前和过去符号，更新量度，然后为不同的假设更新信道估计。使用本发明，则为了更好地估计信道，即使将来符号没有对当前正在处理的信号样值造成影响，也需要对将来符号进行假设。而且与现有技术不同的是，在计算量度之前执行信道估计。

图4中给出根据本发明的示范基带处理器80。当用于图1所示的无线通信系统10中时，基带处理器80代替现有技术中的处理器26。基带处理器80中包括(L-1)步延时单元82、序列估计器84(其中又包括更新量度单元86和提取符号单元88)、固定滞后信道估计器90、假设当前和过去符号单元92以及假设将来符号单元94。接收到的样值r(k)被提供给(L-1)步延时单元82，其中把值延时(L-1)个符号周期，即对应于将要假设的将来符号个数的符号周期数。接收样值r(k)也被未经延时地提供给固定滞后信道估计器90。固定滞后信道估计器90在95处在接收样值r(k)以及分别来自假设当前和过去符号单元92和假设将来符号单元94的假设符号值96和98的基础上，导出信道估计值95。由(L-1)步延时单元82延时的接收样值被提供给更新量度单元86，该单元利用来自假设当前和过去符号单元92和固定滞后信道估计器90的输入，来操作计算分支量度，并且更新路径量度。由更新量度单元86计算得到的路径量度被提供给提取符号单元88，该单元确定最佳路径(即具备最小值的路径量度)，并且提取被检测符号值 由于把接收样值提供给固定滞后信道估计器90时，接收样值没有经过延时，因此在特定样值r(k)在更新量度单元86内被用于量度更新时的某段给定时间T内，由估计器90提供的信道估计是在直到(并且包括)样值r(k+L)的基础上做出的。

在更新量度单元86更新路径量度之前，在估计器90内进行信道估计。这样，即使基带处理器80不假设将来符号就执行信道估计(即若L＝1)，按照本发明的基带处理器在如下这一点上仍不同于常规的PSP MLSE处理器，即在量度更新之前进行信道更新(即执行信道估计)。反过来这也意味着，在更新量度单元86中计算的每个分支量度都利用不同的信道估计，而在常规MLSE的操作中，若干个分支量度使用相同的信道估计。

实际上，采用现有PSP技术，则有一个信道模型对应于维特比算法中的每个状态。这样现有技术中的信道模型仅仅取决于过去符号值。相应地，对应于相同的过去符号值，但是不同的当前符号值的两个量度可以基于相同的信道估计。相反，采用本发明的基带处理器80以及L＝1，则对过去和当前符号值的每一种组合都存在有不同的信道估计。这样，对应于相同的过去符号值但对应于不同的当前符号值的两个量度可以基于不同的信道估计。

固定滞后信道估计器90利用由假设当前和过去符号单元92所生成的该组当前和过去假设符号值96，以及由假设将来符号单元94生成的该组假设将来符号值98。另一方面，当计算

时，更新量度单元86仅利用由假设当前和过去符号单元92所生成的该组当前和过去假设符号值96。然而，被用于计算

的估计也取决于假设的将来符号。因此根据本发明，在此定义的“状态”中现在包括当前和将来符号值。例如在二进制调制和两抽头信道模型中，维特比算法内常规MLSE接收具备两个状态，对应于过去符号值的两种可能取值(+1和-1)。采用本发明且L＝1时，维特比算法中具备四种状态，对应于过去和当前符号值的所有组合，即+1+1、+1-1、-1+1和-1-1。当L＝2时，维特比算法中存在八种状态，对应于过去、当前和将来符号值的所有可能组合，即+1+1+1、+1+1-1、+1-1+1、+1-1-1、-1+1+1、-1+1-1、-1-1+1、和-1-1-1。当L＝3时，维特比算法中存在16种状态，等等。

图5的流程图中给出根据本发明的基带处理器80的操作示范处理过程。处理在接收到信号后从模块100开始。在模块102，由更新量度单元86初始化路径量度。例如，如果在未知数据符号之前，在接收信号中提供有已知的训练符号，则更新量度单元86初始化路径量度，以有助于已知的符号值。在模块104，基带处理器80接收数据样值进行处理。数据样值可以是训练符号之后的第一个数据样值，或者是多个接收数据符号之后的下一个数据样值。在模块106，由假设当前和过去符号单元92和假设将来符号单元94去假设过去、当前和可能的将来符号值。是否假设将来的符号，要取决于L的取值。当L＝1时，只假设当前和过去的符号。当L＝2时，假设当前、过去和将来的符号。当L＝3时，假设当前、过去和两个将来符号等等。在模块108，利用假设的符号值(过去、当前和可能将来)以及当前数据样值，由固定滞后信道估计器90来更新多组信道估计。在模块110，更新量度单元86利用更新的多组信道估计，以及假设的当前或过去符号值，去更新并且削减路径量度(例如利用维特比算法)。本领域的技术人员可以理解到，也可以使用其它削减算法，例如M算法。在模块112，提取符号单元88接收到经过更新的路径量度，利用该更新路径量度确定被发送符号的估计值。在模块114，如果判断到有多个数据样值需要被处理，则处理过程返回模块104，并且接收和处理数据样值。如果在模块114判断，不再有数据样值需要被处理，则在模块116，处理过程结束。

尽管本发明可以被用于其它应用，例如有线应用，但是它还是在无线通信系统有特别用处，例如包括移动台和基站的蜂窝系统。为了说明这一点，考虑图6的示范实施例，其中给出了示范蜂窝移动无线电话系统的框图，总地以120所示，其中包括示范基站122和移动台124。基站122中包括控制和处理单元126(其中包括本发明的基带处理器70(没有画出))，126又连接到MSC(移动交换中心)128，MSC又连接到PSTN(公共交换电话网)(没有画出)。在现有技术中，这种蜂窝无线电话系统的通用概念是公认已知的，如Wejke等人的，题为“Neighbor-Assisted Handoff in a Cellular Communication System(蜂窝通信系统的相邻帮助切换)”的美国专利(No.5,175,867)，以及1992年10月27日提交的，题为“Multi-mode Signal Processing(多模式信号处理)”的美国专利申请(No.07/967,027)中的描述，在此引入其阐述作为参考。

基站122通过语音信道收发机130处理多个语音信道，该收发机又受到控制和处理单元126的控制。而且基站122中包括控制信道收发机132，能够处理一个以上的控制信道。控制信道收发机132也受到控制和处理单元126的控制。控制信道收发机132在基站122的控制信道上，向位于其小区或覆盖范围内、并且锁定在该控制信道上的移动台广播控制信息。可以理解到，收发机130和132能够被实施为单独的设备，而为共享相同无线载波频率的DCCH(专用控制信道)和DTC(数字业务信道)所用。

移动台124在语音和控制信道收发机134处接收在控制信道中广播的信息。包含本发明基带处理器70(没有画出)在内的处理单元136评估接收到的控制信道信息，其中包括移动台124锁定的候选小区(即基站)的特征，并且确定移动台124应该锁定在哪个小区内。这样的好处是，接收到的控制信道信息中不仅包括有关其相关小区的绝对信息，还包括有关控制信道相关小区的其它邻近小区的相对信息。这种控制信道信息的生成、接收和使用在Raith等人的，题为“Method andApparatus for Communication Control in a Radiotelephone System(在无线电话系统中用于通信控制的方法和设备)”的美国专利(No.5,353,332)中有描述，在此引入其阐述作为参考。

本发明的上述示范实施例已针对MLSE均衡来描述的，其中更新量度单元86所采用的量度是欧几里德距离量度。这种接收机的“检测统计”简单地就是接收到的基带样值。然而，本领域的技术人员可以理解到，本发明也适用于其它形式的自适应均衡以及/或者使用其它量度的MLSE均衡。例如，本发明可以供MLSE均衡技术使用，其中更新量度单元所采用的量度可以是Ungerboeck量度，它利用信道估计以及“s参数”对多个接收样值进行滤波。对于有关这种类型的MLSE均衡技术的更多信息，可以参见G.Ungerboeck的“Adaptive MaximumLikelihood Receiver for Carrier-Modulated Data TransmissionSystems(载波调制数据传输系统的自适应最大似然接收机)”(IEEETransaction in Communications，第22卷，624-646页，1974年5月)，在此引入其作为参考。可以利用来自固定滞后信道估计器90的信道估计直接或者间接地估计s参数。在任何情况下，每次迭代都仍与特定“当前”符号周期相关。这样，对于前述的两抽头的信道模型来说，利用接收样值r(k)和r(k+1)来处理第k个符号，以构成当前的检测统计，如下所示： $z\left(k\right)={\hat{c}}_0^{*}\left(k\right)r\left(k\right)+{\hat{c}}_1^{*}\left(k\right)r(k+1).......\left(10\right)$

等式(10)通常被用于近似表示如下的精确表达式 $z\left(k\right)={\hat{c}}_0^{*}\left(k\right)r\left(k\right)+{\hat{c}}_0^{*}(k+1)r(k+1),......\left(11\right)$

由于不知道将来的符号值 因此需要采用等式(10)。然而，本发明可以容易地使用更加精确的等式(11)。这样对于本示范实施例来说，r(k+1)就是“当前”的接收的样值，以及s(k)就是“当前”的符号。采用传统的PSP适配，则利用第k个符号和过去符号的假设值，经过k次迭代之后，对信道估计进行更新。在本发明中，也可以假设将来的符号，并且通过利用等式(11)中的 而不是使用等式(10)中的

来改善检测统计。

而且，本发明不局限于MLSE类型的均衡应用，而是还可以适用于自适应判决反馈均衡(DFE)和线性均衡(LE)。可以根据软判决和硬判决值之间的差值平方构成量度，用于削减信道估计。对于LE来说，量度构成参数可以是滤波器系数。对于DFE来说，量度构成参数可以是前馈或反馈滤波器系数。

此外，本发明可以供任何相干检测器使用。例如，如果接收信号的模型为：

                r(k)＝c(k)s(k)+n(k)，           (12)

则传统自适应相干检测器可以构成检测统计： $y\left(k\right)={\hat{c}}^{*}\left(k\right)r\left(k\right)......\left(13\right)$

那么，被检测符号 就是最接近检测统计y(k)的符号，例如BPSK(二进制相移键控)调制y(k)的实部的符号。然后，传统的信道跟踪就会利用误差信号 和当前估计 为下一次迭代预测信道抽头，即形成

可以观察到，在该应用中不需要假设符号或者构成路径量度。

根据本发明的其它示范相干检测实施例，分别由单元92和94假设当前符号(L＝1)和可能的将来符号(L＞1)，构成状态空间网格。对每次假设来说，由估计器90构成信道估计，并且供序列估计器84使用，进行符号检测。这是前一实例的简化形式，其中c₀(k)＝c(k)以及c₁(k)＝0。

考虑L＝1以及BPSK调制的实例情况。根据本发明的相干检测按照如下方式操作：首先，假设当前符号为+1，并且构成一个信道估计： $\hat{c}(k,+1)=\hat{c}(k-1)+\mathrm{\μ}(+1)(r\left(k\right)-\hat{c}(k-1)(+1)).......\left(14\right)$ 还可以构成量度为： $J(+1)={|r\left(k\right)-\hat{c}(k,+1)(+1)|}^2.......\left(15\right)$

同样也可以假设当前符号为-1，来形成信道估计和量度。量度较小的那一个就是被检测符号，而且信道估计变为

或者，用于削减信道抽头的量度不同于被用于检测被发送比特的量度。例如，上述量度可以被用于信道模型的削减，而由判决统计的正负号来确定被检测符号：

统计z(k)也可以被用作软数值。

用于信道估计的量度可以具备多种形式。例如，可以通过取信道估计和利用下式得到的瞬时值

之间差值的量值平方，来使用均方误差量度：

本发明也同样适用于包含天线阵列在内的系统。例如，本发明可 $\hat{d}\left(k\right)={\hat{s}}^{*}\left(k\right)r\left(k\right).......\left(17\right)$ 以供Bottomley的美国专利(No.5,680,419)中讨论的、干扰抑制合并(IRC)使用，在此引入其阐述作为参考。本发明也可以被用于自适应天线合并，允许组合加权以从更好的估计中受益。

图7说明了图4中所示的固定滞后信道估计器90的优选实施例，其中包括信道跟踪器150和滞后跟踪器152。信道跟踪器150接收那些已接收的样值r(k)，以及假设的当前和过去符号值96和假设的将来符号值98。信道跟踪器150利用下文中详细描述的多种信道跟踪算法，导出信道估计154以及误差信号156。误差信号156可以是与误差信号相关的中间信号，或者就简单地是误差信号本身e(k，k-1)。

滞后跟踪器152接收信道估计154和误差信号156，以及假设当前和过去符号值96和假设的将来符号值98，并且在信号95处导出信道的固定滞后估计，信号95被输出到序列估计器84(见图4)。

信道跟踪器150可以利用各种信道跟踪算法，其中包括(但不局限于)卡尔曼、LMS(最小均方)、KLMS(卡尔曼最小均方)以及RLS(递归最小平方)跟踪算法。

对于卡尔曼滤波来说，可以以状态向量x和误差协方差矩阵P的测量和时间更新等式来表达标准的1步预测： $\hat{x}(k,k)=\hat{x}(k,k-1)+P(k,k-1)H\left(k\right)[H^H\left(k\right)P(k,k-1)H\left(k\right)+R\left(k\right){\}}^{-1}e(k,k-1),......\left(18\right)$ $\hat{x}(k+1,k)=F\left(k\right)\hat{x}(k,k),......\left(19\right)$ P(k，k)＝P(k，k-1)-P(k，k-1)H(k)[H^H(k)P(k，k-1)H(k)+R(k)]^-1H^H(k)P(k，k-1)，  (20)

               P(k+1，k)＝F(k)P(k，k)F^H(k)+G(k)Q(k)G^H(k)，               (21)

其中 $e(k,k-1)=y\left(k\right)-H^H\left(k\right)\hat{x}(k,k-1).......\left(22\right)$

在上述等式(18-22)中，y(k)是测量到的数据(y(k)＝H^H(k)x(k)+v(k)，其中v(k)是测量噪声)；R(k)是测量噪声的协方差矩阵(单一测量信道的测量噪声功率)；H^H(k)把时间k的状态映射为无噪声的理论测量，其中上标H表示Hermitian转置；F(k)把当前状态映射到下一状态(x(k+1)＝F(k)x(k)+w(k)，其中w(k)是设备噪声)；以及Q(k)是设备噪声协方差矩阵。

对于卡尔曼信道跟踪来说，定义状态x以包括信道系数c。此处，采用另一个接收信号模型，使得 $r\left(k\right)=c_0^{*}\left(k\right)s\left(k\right)+c_1^{*}\left(k\right)s(k-1)+n\left(k\right).......\left(23\right)$

注意在等式(23)中，与等式(1)中不同，信道系数c₀和c₁都要取共轭。

根据采用的特定信号模型，信道系数可以包括相关量，例如信道系数的导数。考虑信道系数c的简单随机行走模型，其中假定各个系数之间是去耦合的，对于两抽头信道模型来说，状态向量x(k)被定义为x(k)＝c(k)＝[c₀(k)c₁(k)]^T状态向量也由符号值与测量噪声耦合，即

           H(k)＝[s(K)s(k-1)]^T＝s(K).                (24)

利用卡尔曼滤波公式，并且y(k)＝r^*(k)， $R\left(k\right)={\mathrm{\σ}}_v^2,$ $G\left(k\right)Q\left(k\right)G^H\left(k\right)={\mathrm{\σ}}_p^{2}I$ 以及F(k)＝I，信道跟踪器150导出信道估计154： $\hat{c}(k+1,k)=\hat{c}(k,k-1)+K\left(k\right)e(k,k-1),......\left(25\right)$

其中 $K\left(k\right)=P(k,k-1)s\left(k\right)[s^H\left(k\right)P(k,k-1)s\left(k\right)+{\mathrm{\σ}}_v^2{]}^{-1},......\left(26\right)$

以及 $P(k+1,k)=P(k,k-1)-P(k,k-1)s\left(k\right)[s^H\left(k\right)P(k,k-1)s\left(k\right)$ $+{\mathrm{\σ}}_{\mathrm{\ν}}^2{]}^{-1}{s}^H\left(k\right)P(k,k-1)+{\mathrm{\σ}}_p^{2}I,......\left(27\right)$

以及误差信号156被导出为 $e(k,k-1)=r^{*}\left(k\right)-{\hat{c}}_0(k,k-1)s^{*}\left(k\right)-{\hat{c}}_1(k,k-1)s^{*}(k-1)=(r\left(k\right)-c^H(k,k-1)s\left(k\right){)}^{*}......\left(28\right)$

对于利用卡尔曼跟踪算法的N滞后信道估计来说，滞后跟踪器152利用下列等式，导出i＝1到N的固定滞后信道估计95： $\hat{c}(k-i,k)=\hat{c}(k-i,k-1)+P(k-i,k-i-1)e(k,i+1),......\left(29\right)$

其中

          e(k，i+1)＝[I-K(k-i)s^H(k-i)]^He(k，i)，     (30)

以及 $e(k,1)=s\left(k\right){[s^H\left(k\right)P(k,k-1)s\left(k\right)+{\mathrm{\σ}}_v^2]}^{-1}e(k,k-1).......\left(31\right)$

利用这种形式的卡尔曼信道跟踪，固定滞后信道估计器90可以生成从滞后1到滞后N的信道估计。依赖于特定应用，这一点是非常有价值的。例如在IS-95系统中，业务数据比特和功率控制比特所能容忍的时延量是不同的。不同的滞后N信道估计与容忍的不同符号周期延时相对应，可以被用于解调业务比特和功率控制比特。如果只需要滞后N的信道估计，则可以利用更新公式来消除滞后1到滞后N-1的中间过渡项； $\hat{c}(k-N,k)=\hat{c}(k-N,k-N)+P(k-N,k-N-1)\underset{i=1}{\overset{N}{\mathrm{\Σ}}}e(k+i-N,i+1).......\left(32\right)$

根据信道跟踪器150使用的跟踪算法，滞后跟踪器152可以取不同的形式。图8中说明了卡尔曼信道跟踪中使用的滞后跟踪器152的第一实施例，其中包括乘法器160和162，加法器164和166，以及延时单元168和170。乘法器160和162分别在信号171和172处接收假设符号值。乘法器160接收的假设符号值171中包括最远的假设符号及其之前所有的假设符号，而乘法器162接收到的假设符号172中只简单地是向后推移一个符号周期的假设符号171。

延时单元168把信道估计154延时一个更新周期，生成延时的信道估计173。乘法器160实现误差信号156与乘数相乘，生成修正的误差信号174。对于卡尔曼滞后2的信道跟踪来说，乘数最好对应于如下矩阵

                [I-K(k-1)s^H(k-1)]^H，          (33)

这样，乘法器160输出的修正误差信号174就对应于e(k，2)，也就是公式(30)中当i＝1时得到的误差信号。类似地，乘法器162乘以修正误差信号174，生成对应于e(k，3)的再修正误差信号176，也就是公式(30)中当i＝2时提供的误差信号。在加法器164中实现延时信道估计173和修正误差信号174的相加，生成滞后1信道估计178。滞后1信道估计178由延时单元170延时1个更新周期，生成时延的滞后1信道估计180。再修正误差信号176和延时的滞后1信道估计在加法器166中被相加在一起，生成滞后2信道估计182，作为固定滞后信道估计95(见图4和7)，由滞后跟踪器152输出。

图9中说明了在卡尔曼信道跟踪中使用的滞后跟踪器152的可选实施例，其中包括乘法器184和186，延时单元188、190和192，以及一个加法器194。类似于图8，乘法器184接收包括最远的假设符号及其之前所有的假设符号在内的假设符号值171，而乘法器158接收假设符号值172，后者仅仅是把假设符号值171向后推移一个符号周期。

延时单元188把信道估计值154延时一个更新周期，生成延时的信道估计196。延时单元190再把延时信道估计196延时另外一个更新周期，生成延时两个更新周期的进一步延时信道估计198。或者，延时单元188和190可以包括一单个单元，用于把信道估计154延时两个更新周期。误差信号156与乘数184相乘，生成对应于e(k，2)的修正误差信号200，就是公式(30)中当i＝1时的误差信号。类似地，乘法器186乘以修正误差信号200，生成对应于e(k，3)的进一步修正误差信号202，也就是公式(30)中当i＝2时的误差信号。延时单元192也把修正误差信号200延时一个更新周期，生成延时的修正误差信号204。在加法器194内把进一步时延信道估计198，进一步修正误差信号202以及延时修正误差信号204相加在一起，生成滞后2信道估计206，由滞后跟踪器152作为固定滞后信道估计95(见图4和7)输出。

对于LMS信道跟踪来说，时变P矩阵可以由固定的、对角矩阵(对角线上的值相同)来近似，即

                  P(k，k-1)≈pI.            (34)

采用该利用LMS跟踪算法的近似，信道跟踪器150输出的信道估计154由下式给出： $\hat{c}(k+1,k)=\hat{c}(k,k-1)+K\left(k\right)e(k,k-1),......\left(35\right)$

其中e(k，k-1)在公式(26)中给出，以及

                   K(k)＝μs(k).          (36)对于利用LMS跟踪算法的N滞后信道估计来说，滞后跟踪器152利用如下等式，在i＝1到N的情况下，产生固定滞后信道估计95： $\hat{c}(k-i,k)=\hat{c}(k-i,k-1)+\tilde{e}(k,i+1),......\left(37\right)$

其中 $\tilde{e}(k,i+1)=[I-\mathrm{\μs}(k-i)s^H(k-i)]\tilde{e}(k,i),......\left(38\right)$

以及 $\tilde{e}(k;1)=\mathrm{\μs}\left(k\right)e(k,k-1).......\left(39\right)$

或者，如果只需要滞后N信道估计，则可以根据如下公式导出固定滞后信道估计： $\hat{c}(k-N,k)=\hat{c}(k-N,k-N)+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\tilde{e}(k+i-N,i+1)......\left(40\right)$

在LMS信道跟踪器中，通常 $\hat{c}(k,k)=\hat{c}(k+1,k).$ 误差相关项就是在LMS更新步骤中被用于更新信道估计的项。被用于生成修正误差项的乘数仅随过去符号值而变化。对于导频信道来说，这些乘数可以所有是相同的固定值。对于导频符号来说，可以预先去除符号调制，使得也可以使用固定值。提供在符号值(这些符号值通常是不相关的)基础上取预计的误差信号值，可以得到近似的LMS信道估计。根据下式，可以生成近似信道估计： $\hat{c}(k-i,k)=\hat{c}(k-i,k-1)+(1-{\mathrm{\σ}}_s^2\mathrm{\μ}{)}^1\mathrm{\μs}\left(k\right)e(k,k-1),......\left(41\right)$

它也可以被实现为 $\hat{c}(k-N,k)=\hat{c}(k-N,k-N)+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(1-{\mathrm{\σ}}_s^2\mathrm{\μ})}^i\mathrm{\μs}(k+i-N)e(k+i-N,k+i-N-1)......\left(42\right)$

可以注意到，对于MPSK(M进制相移键控)调制来说，σ_s ²等于1。在只有一个信道系数的情况下，上述提供的近似信道估计就会变得精确，而且乘数也变成标量乘数，而不再是矩阵乘数。

对于RLS信道跟踪来说，进行如下假设： $R\left(k\right)={\mathrm{\σ}}_v^2=\mathrm{\λ},......\left(43\right)$

以及 $G\left(k\right)Q\left(k\right)G^H\left(k\right)=(\frac{1}{\mathrm{\λ}}-1)(P(k,k-1)-\frac{P(k,k-1)H\left(k\right)H^H\left(k\right)P(k,k-1)}{\mathrm{\λ}+H^H\left(k\right)P(k,k-1)H\left(k\right)}).......\left(44\right)$

利用上述采用RLS跟踪算法的估计，信道跟踪器150输出的信道估计154由下式给出： $\hat{c}(k+1,k)=\hat{c}(k,k-1)+\frac{P(k,k-1)H\left(k\right)}{\mathrm{\λ}+H^H\left(k\right)P(k,k-1)H\left(k\right)}e(k,k-1),......\left(45\right)$

以及 $P(k+1,k)=\frac{1}{\mathrm{\λ}}(P(k,k-1)-\frac{P(k,k-1)H\left(k\right)H^H\left(k\right)P(k,k-1)}{\mathrm{\λ}+H^H\left(k\right)P(k,k-1)H\left(k\right)}),......\left(46\right)$

其中 $e(k,k-1)=r^{*}\left(k\right)-{\hat{c}}_0(k,k-1)s^{*}\left(k\right)-{\hat{c}}_1(k,k-1)s^{*}(k-1),......\left(47\right)$

以及

                   H(k)＝[s(k)s(k-1)]^T.          (48)

信道更新也可以根据卡尔曼增益给出： $K\left(k\right)=\frac{P(k,k-1)H\left(k\right)}{\mathrm{\λ}+H^H\left(k\right)P(k,k-1)H\left(k\right)}......\left(49\right)$

使得 $\hat{c}(k+1,k)=\hat{c}(k,k-1)+K\left(k\right)e(k,k-1),......\left(50\right)$

以及 $P(k+1,k)=\frac{1}{\mathrm{\λ}}(P(k,k-1)-K\left(k\right)H^H\left(k\right)P(k,k-1)).......\left(51\right)$

对于利用RLS跟踪算法的N滞后信道跟踪来说，滞后跟踪器152根据如下公式，产生i＝1到N情况下的固定滞后信道估计95： $\hat{c}(k-i,k)=\hat{c}(k-i,k-1)+P(k-i,k-i-1)e(k,i+1)......\left(52\right)$

其中

             e(k，i+1)＝[I-K(k-i)s^H(k-i)]^He(k，i) (53)

以及

e(k，1)＝s(k)[s^H(k)P(k，k-1)s(k)+λ]^-1e(k，k-1).  (54)

在KLMS信道跟踪器中，状态向量中由状态对组成，每个状态对与一个信道抽头相关。状态对中的第一个状态是信道系数，状态对中的第二个状态与第一状态相关。例如，在IRW(综合随机行走)KLMS信道跟踪器中，第二个状态值就是信道抽头(第一状态值)的导数，而且在AR2(二阶自动回归)KLMS信道跟踪器中，第二状态值就是一个常数乘以前一信道系数值(第一状态值的延时的版本)。

假设信道抽头是不耦合的，这样F矩阵就具备以下形式的块对角矩阵：

其中F_2×2取决于状态对中的第二状态。

KLMS信道跟踪器的输出只取决于信道系数，这样H^H(k)就可以被表示为： $H^H\left(k\right)=[s^{*}\left(k\right)0s^{*}(k-1)0...]=[s^{*}\left(k\right)H_{2\×1}^T{s}^{*}(k-1)H_{2\×1}^T...]......\left(56\right)$

其中H_2×1＝[10]^T。类似于LMS信道跟踪器，KLMS信道跟踪器利用固定P矩阵来近似卡尔曼滤波器。然而，由于存在与每个信道抽头相关的两个状态值，因此假设P矩阵是块对角矩阵，即：

其中P_2×2(j)由参数设置与相关信道抽头强度来确定，并且具备如下形式： $P_{2\×2}\left(j\right)=\left[\begin{array}{cc}{P}_{11}\left(j\right)& P_{12}\left(j\right)\\ P_{21}\left(j\right)& P_{22}\left(j\right)\end{array}\right]......\left(58\right)$

在KLMS跟踪器中，由状态向量x表示的信道抽头状态具备如下形式： $\hat{x}(k+1,k)=F\hat{x}(k,k-1)+K\left(k\right)e(k,k-1),......\left(59\right)$

其中 $K\left(k\right)=\frac{\mathrm{FP}}{{\mathrm{\σ}}_s^2\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{p}_{11}\left(j\right)+{\mathrm{\σ}}_v^2}H\left(k\right)......\left(60\right)$

由于假设了块结构，因此可以利用通用误差信号为每个信道抽头状态进行单独的更新。例如，抽头j的更新具备如下形式： ${\hat{x}}_{2\×2}(k+1,k;j)=F_{2\×2}{\hat{x}}_{2\×2}(k,k-1;j)+L_{2\×1}\left(j\right)s(k-j)e(k,k-1),......\left(61\right)$

其中 $L_{2\×1}\left(j\right)=\frac{F_{2\×2}{P}_{2\×2}\left(j\right)}{{\mathrm{\σ}}_s^2\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}{P}_{11}\left(j\right)+{\mathrm{\σ}}_v^2}{H}_{2\×1}=\left[\begin{array}{c}{\mathrm{\μ}}_j\\ {\mathrm{\α}}_j\end{array}\right]......\left(62\right)$

这样，每个信道抽头都具备与之相关的两个步长，即μ_j和α_j。整个状态更新(所有抽头)的卡尔曼增益可以被表示为： $K\left(k\right)=\left[\begin{array}{c}{L}_{2\×1}\left(1\right)s\left(k\right)\\ L_{2\×1}\left(1\right)s(k-1)\\ \·\\ \·\\ \·\end{array}\right],......\left(63\right)$

其中0步预测值为： ${\hat{x}}_{2\×2}(k,k;j)=F_{2\×2}^{-1}{\hat{x}}_{2\×2}(k+1,k;j)......\left(64\right)$

对于N滞后信道估计来说，我们应该考虑一起更新所有的信道系数状态。相应地，对于i＝1到N，评估以下信道状态等式： $\hat{x}(k-i,k)=\hat{x}(k-i,k-1)+\mathrm{Pe}(k,i+1)......\left(65\right)$

其中

             e(k，i+1)＝[F-K(k-i)H^H(k-i)]^He(k-i)     (66)

以及 $e(k,1)=H\left(k\right){[H^H\left(k\right)\mathrm{PH}\left(k\right)+{\mathrm{\σ}}_v^2]}^{-1}e(k,k-1)=P^{-1}{F}^{-1}K\left(k\right)e(k,k-1)......\left(67\right)$

由于F和P具备块对角结构，所以等式(65)和(67)可以被表示为每信道抽头单独更新，即 ${\hat{x}}_{2\×1}(k-i,k;j)={\hat{x}}_{2\×1}(k-i,k-1;j)+P_{2\×2}\left(j\right)e_{2\×2}(k,i+1;j)......\left(68\right)$

以及 $e_{2\×1}(k,1;j)=P_{2\×2}^{-1}\left(j\right)F_{2\×2}^{-1}{L}_{2\×1}\left(j\right)s(k-j)e(k,k-1)......\left(69\right)$

其中e(k，i+1)(i＝0到N)具备形式： $e(k,i+1;j)=\left[\begin{array}{c}{e}_{2\×1}(k,i+1;1)\\ e_{2\×1}(k,i+1;2)\\ \·\\ \·\\ \·\end{array}\right]......\left(70\right)$

不幸的是，等式(66)不能很好地分解，它具备如下形式：

类似于LMS跟踪器，可以简单地取预计值，近似得到误差信号更新。假设符号是不相关的，e(k，i+1；j)更新具备块对角形式，使得可以利用如下的误差信号来更新第j个信道抽头项： $e_{2\×1}(k,i+1;j)={(F_{2\×2}\·{\mathrm{\σ}}_s^2{L}_{2\×1}{H}_{2\×1}^T)}^H{e}_{2\×1}(k,i;j).......\left(72\right)$

总之，KLMS固定滞后信道跟踪器要求对于i＝1到N，为每个信道抽头j评估下述状态等式： ${\hat{x}}_{2\×2}(k-i,k;j)={\hat{x}}_{2\×2}(k-i,k-1;j)+L_{2\×1}(j,i)s(k-j)e(k,k-1)......\left(73\right)$

其中 $L_{2\×1}(j,i)={\left((F_{2\×2}-{\mathrm{\σ}}_s^2{L}_{2\×1}\left(j\right)H_{2\×1}^T{)}^H\right)}^{i-1}{P}_{2\×2}^{-1}\left(j\right)F_{2\×2}^{-1}{L}_{2\×1}\left(j\right)......\left(74\right)$

这样，除了步长不同以及状态之间存在耦合之外，附加状态更新具备与KLMS跟踪器相同的形式。这要求跟踪 ${\hat{x}}_{2\×2}(k,k;j),$ 可以利用如下公式，从 ${\hat{x}}_{2\×2}(k+1,k;j)$ 得到： $\hat{x}(k,k)=F^{-1}\hat{x}(k+1,k).......\left(75\right)$

由于不需要1步预测值，因此可以直接跟踪状态值 ${\hat{x}}_{2\×2}(k,k;j),$ 并且用其构成固定滞后估计。当构成误差信号e(k，k-1)时，要求与F_2×2相乘。

例如，考虑综合随机行走(IRW)KLMS跟踪器。对于这种信号模型来说，第一状态是信道系数，并且第二状态是该信道系数的导数。因此 $F_{2\×2}=\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right],......\left(76\right)$

                     G_2×2＝[0 1]^T            (77)

以及 $L_{2\×1}\left(j\right)=\frac{1}{{\mathrm{\σ}}_s^2(1+p_{11}\left(j\right))}\left[\begin{array}{c}{p}_{11}\left(j\right)+p_{12}\left(j\right)\\ p_{12}\left(j\right)\end{array}\right],......\left(78\right)$

其中p_ij的取值是通过参数设定的。

本发明处理器也可以供扩频CDMA系统使用。估计到的参数可以是RAKE接收机的组合权值和/或时延。对于自适应相关以除去信道干扰来说，这些参数可以是自适应解扩权值。对于多用户检测来说，这些参数中可以包括信号强度级别以及多个信号的信道抽头。的确，从通常意义上来说，本发明包含利用将来符号的假设去估计所有任何数值的技术，例如AFC(自动频率纠正)、AGC(自动增益控制)、相位等等。

图10中说明了用于具备导频信道(例如直接序列扩频导频信道)的CDMA中的固定滞后信道估计器90的可选实施例。估计器90中包括加法器208、210和212，乘法器214，延时单元216和218，以及滞后滤波器220。在这种系统中，通常是单独地跟踪每个信道系数。而且由于利用了导频信道，因此不再需要符号假设；而是可以从导频信道中得知它们。图10中所示的固定滞后信道估计器90的操作如下。

接收到的包含导频信道在内的数据样值r(k)一般经过解扩器222的解扩，生成导频相关信号224。在加法器208中可以确定导频相关信号224和由

给出的信道估计226之间的差值，生成由e(k，k-1)给出的误差信号228。在乘法器214中，把误差信号228与系数μ相乘，生成修正误差信号230。在加法器210中把修正误差信号230和信道估计226相加，生成由

给出的更新信道估计232。延时单元216把更新信道估计232延时一个更新周期，生成信道估计226。延时单元218把信道估计226再延时一个更新周期，生成由 给出的延时信道估计234。修正误差信号230也被输入到滞后滤波器220。滞后滤波器220中包括延时元件和乘法器，并且生成经过滤波的误差信号236。经过滤波的误差信号236以及时延的信道估计234在加法器212中相加，生成滞后2信道估计238，作为固定滞后信道估计95输出(见图4和7)。这样，在LMS滞后N跟踪的公式(42)的基础上，由下式给出滞后2信道估计238： $\hat{c}(k-2,k)=\hat{c}(k-2,k-2)+(1-{\mathrm{\σ}}_s^2\mathrm{\μ}{)}^2\mathrm{\μe}(k,k-1)+(1-{\mathrm{\σ}}_s^2\mathrm{\μ})\mathrm{\μe}(k-1,k-2).......\left(79\right)$

当有一个信道抽头时，通常利用一阶锁相环(PLL)来跟踪仅这一抽头的相位。如果需要的话，二阶锁相环可以被用于跟踪相位和频率误差。还可以跟踪参数集中的信道系数、相位和频率的误差。

由于相位及其导数可以采用固定步长来跟踪，因此二阶PLL可以被看作对于相位和频率跟踪的卡尔曼滤波器的近似。这样，IRW KLMS固定滞后跟踪器提供固定滞后PLL的基础。

特别是，用于跟踪相位和频率的二阶PLL公式可以表示为：

       θ(k+1，k)＝θ(k，k-1)+f(k，k-1)+β₁e(k，k-1)  (80)

            f(k+1，k)＝f(k，k-1)+β₂e(k，k-1).        (81)

这样，二阶PLL具备IRW KLMS跟踪器的形式，其中β₁＝μ_j，β₂＝α_j，s(k-j)＝1，以及固定的P矩阵。把卡尔曼滤波器理论应用到上述等式中，则0步预测值可以由下式给出：

      θ(k，k)＝θ(k+1，k)-f(k+1，k)                  (82)

           f(k，k)＝f(k+1，k).                        (83)

对于利用二阶PLL的相位和频率的固定滞后估计来说，对于i＝1到N，评估下列等式：

 θ(k-i，k)＝θ(k-i，k-1)+f(k-i，k-1)+β₁(i)e(k，k-1) (84)

      f(k-i，k)＝f(k-i，k-1)+β₂(i)e(k，k-1)，        (85)

其中β₁(i)和β₂(i)是参数，可以被当作固定P矩阵元素的函数而用参数表示。

这种类型的相位和频率跟踪器可以一直持续运行，直到达到稳定状态，然后根据对相位和频率的测量噪声功率和设备噪声功率(相位抖动和相位倾斜噪声功率)，稳定状态P矩阵可以被用于确定的步长。

本发明可以被扩展去假设用于信道跟踪的过去符号，即使当处理信道的时间弥散，并不需要这种扩展时。例如，在上述的一抽头实例中，通过令过去符号假设保持待定，而不是利用硬判决反馈进行跟踪，而可以保持更多的信道模型处于“活”状态。在Dent的美国专利(No.5,557,645)中阐述了这种只利用过去符号假设的方法，在此引入其阐述作为参考。在本发明中，需要假设过去、当前和将来的符号，并且将有与每一个相关联的信道估计。量度可以被累积，并且被用于削减假设。

本发明也可以供粗略检测值，而不是假设值使用。例如，即使存在某些需要均衡器的ISI，也可以利用DQPSK(差分正交相移键控)的差分检测器来检测将来的符号。由于符号最终要由均衡器检测，因此这些粗略值只能被用于信道估计。而且，如果存在周期性导频符号，那么由于只需要为导频符号考虑一个数值，因此可以降低假设的数量，这可以参见P.Dent的、题为“Maximum Likelihood Rake Receiverfor use in a Code Division Multiple Access Wireless CommunicationSystem(用于码分多址无线通信系统内的最大似然瑞克接收机)”的美国专利申请(No.09/247,609)，在此引入其阐述内容作为参考。如果采用半盲多用户信道估计，则其中一个用户的已知符号可以被用于降低假设的数量。

根据示范实施例，可以自适应地使用先行信道跟踪。例如在较慢的车速情况下(即导致低的多谱勒扩展)，先行预测所得到的好处要大于较高车速的情况。对于变化的L来说，也可能采用其它准则，例如量度增长、SNR(信号噪声比)以及误比特率。这样，通过基于按照需要去控制先行预测的程度，而可以用此去节省功率。

例如，可以根据信号是较强或者处于深度衰落之中，来改变L。当发生信号衰落时，可以增加L，直到信号脱离衰落为止。可以通过检验信道系数的量值平方，或者检验信号强度，或者对SNR进行某种测量，来检测衰落。

本发明包括的另一种变化中包括接收信号样值，存入存储器中，并且以时间逆序的方法回溯地对其进行处理，例如Dent等人的美国专利(No.5,335,250和No.5,841,816)中描述的，在此引入其阐述作为参考。这样，无论是在上述说明书中还是在权利要求中，利用如下的术语来表示信号的时间顺序，例如“先前”和“随后”，“在前”和“后续”，“较晚”和“较早”，应该可以理解到，该技术也可以适用于反向接收信号样值的时间顺序。

尽管特定参考附图描述了本发明，但是应该可以理解到，本发明可以做出各种修改，而没有脱离本发明的精神范围。

Claims (73)

1.一种在通信系统中检测接收的符号值的方法中包括如下步骤：

接收与一个符号值序列有关的数据样值；

导出多组将来的假设符号值；

在接收数据样值和该多组将来假设符号值的基础上，导出多组参数估计，该多组将来假设符号值中每组符号值一组参数；

在多组参数估计和接收数据样值的基础上，导出多个量度，该多组参数估计中每组一个量度；以及

在多个量度的基础上，导出被检测的符号值，该被检测符号值与接收的数据样值相关。

2.权利要求1的方法，其中被检测符号值涉及到将来的假设符号值以及与多个量度中具有最小值的量度相关的参数估计。

3.权利要求1的方法，其中从包括信道系数、相位和频率误差以及信号强度或幅度的一组中选择参数估计。

4.权利要求1的方法，其中从包括RAKE接收机组合加权、RAKE接收机抽头时延、自适应解扩加权和信号强度的一组中选择参数估计。

5.权利要求1的方法，其中通过合并多组参数估计与接收到的数据样值来导出多个量度，其中数据样值中包括不依赖于将来假设符号值中某些符号值的接收数据样值。

6.权利要求1的方法，其中利用从包括卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法在内的一组中选择的算法来导出参数估计。

7.权利要求1的方法，其中多个量度中包括与参数估计相关的平方误差量度。

8.权利要求7的方法，其中通过累积按照下式给出的分支量度，来导出平方误差量度： ${|\hat{c}\left(k\right)-{\hat{s}}^{*}\left(k\right)r\left(k\right)|}^2$

其中

是参数估计， 是假设符号值的复共轭，以及r是接收到的数据样值，所有都在时刻(k)。

9.一种在通信系统中检测接收到的符号值的方法中包括如下步骤：

接收与一个符号值序列有关的数据样值；

假设符号值的组合；

该假设步骤之后，在接收数据样值和假设符号值的基础上，导出与每个假设符号值的组合相关的参数估计；

导出参数估计步骤之后，在接收的数据样值、假设的符号值和参数估计的基础上，导出与每个参数估计相关的量度；以及

导出量度步骤之后，在量度的基础上，导出被检测符号值，该被检测符号值与接收数据样值有关。

10.权利要求9的方法，其中假设符号值中包括当前和过去的假设符号值。

11.权利要求9的方法，其中被用于导出参数估计的假设符号值中包括过去、当前和将来的假设符号值，并且被用于导出量度的假设符号值中包括过去和当前的假设符号值。

12.权利要求9的方法，其中在基于选择准则的多个符号间隔上假设符号值的组合。

13.权利要求12的方法，其中从包括车辆速度、多普勒散布、量度增长、信号噪声比、误比特率以及接收数据样值强度在内的一组中选取选择准则。

14.权利要求9的方法，其中被检测符号值涉及到假设符号值以及与具有最小值的量度相关的参数估计。

15.权利要求9的方法，其中从由信道系数、相位误差以及频率误差组成的组中选择参数估计。

16.权利要求9的方法，其中从由RAKE接收机组合加权、RAKE接收机合并时延、自适应解扩加权和信号强度组成的组中选择参数估计。

17.权利要求9的方法，其中利用从包括卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法在内的一组中选择的算法来导出参数估计。

18.权利要求9的方法，其中多个量度中包括与参数估计相关的平方误差量度。

19.权利要求18的方法，其中通过累积按照下式给出的分支量度，来导出平方误差量度： ${|\hat{c}\left(k\right)-{\hat{s}}^{*}\left(k\right)r\left(k\right)|}^2$

其中 是参数估计， 是假设符号值的复共轭，以及r是接收到的数据样值，所有都在时刻(k)。

20.一种在通信系统中检测接收的符号值的方法中包括如下步骤：

接收与一个符号值序列有关的数据样值；

导出第一组符号周期内的第一多组假设符号值；

导出第二组符号周期内的第二多组假设符号值，其中第二组符号周期内包括至少一个符号周期，其在时间上迟于第一组符号周期内的符号周期；

在接收数据样值和第二多组假设符号值的基础上，导出参数估计；

在接收的数据样值、参数估计以及第一多组假设符号值的基础上，导出量度，第一多组假设符号值中每组一个以上量度；以及

在量度的基础上导出被检测符号值，该被检测符号值与接收数据样值有关。

21.权利要求20的方法，其中被检测符号值与第一多组假设符号值以及与具有最小值的量度相关的参数估计有关。

22.权利要求20的方法，其中第一多组假设符号值中包括多组过去和当前的假设符号值，并且其中第二多组假设符号值中包括多组过去、当前和将来的假设符号值。

23.权利要求20的方法，其中导出量度的步骤中还包括削减一组候选量度的步骤，并且其中在改组被削减量度基础上导出被检测符号值。

24.权利要求20的方法，其中从包括信道系数、相位误差和频率误差在内的一组中选择参数估计。

25.权利要求20的方法，其中从包括RAKE接收机组合加权、RAKE接收机合并时延、自适应解扩加权和信号强度在内的一组中选择参数估计。

26.权利要求20的方法，其中利用维特比算法导出量度。

27.权利要求20的方法，其中从包括欧几里德距离量度以及Ungerboeck量度的一组中选择导出的量度。

28.权利要求20的方法，其中导出量度的步骤中包括如下步骤：

计算与参数估计和第一多组假设符号值相关的分支量度；以及

对第一多组假设符号值中每组符号值的分支量度求和，构成路径量度，

其中利用路径量度导出被检测符号值。

29.权利要求20的方法，其中利用从包括卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法在内的一组中选择的算法来导出参数估计。

30.权利要求20的方法，其中在选择准则的基础上，自适应地确定第一和第二组符号周期。

31.权利要求30的方法，其中从包括车辆速度、多普勒散布、量度增长、信号噪声比、误比特率以及接收数据样值强度在内的一组中选取该选择准则。

32.一种在用于接收穿过信道传输的数据样值的接收机中的基带处理器包括：

导出多组假设符号值的假设单元；

在接收数据样值和多组假设符号值的基础上，导出参数估计的参数估计器；以及

接收该导出的参数估计、多组假设符号值和延时形式的接收数据样值，并且导出与接收数据样值有关的一个被检测符号序列的序列估计器。

33.权利要求32的基带处理器，其中序列估计器中包括：

更新量度单元，用于接收导出的参数估计、多组假设符号值以及延时形式的接收数据样值，并且在此基础上导出量度，该多组假设符号值中每组一个量度；以及

提取符号单元，用于接收导出的量度，并且在此基础上导出被检测符号值序列。

34.权利要求33的基带处理器，其中导出的被检测符号值序列对应于由提取符号单元所判定的一组具备最小量度值的假设符号值。

35.权利要求32的基带处理器，其中从一组包括信道系数、相位和频率误差以及信号强度或幅度在内的一组中选择参数估计。

36.权利要求32的基带处理器，其中从包括RAKE接收机组合加权、RAKE接收机抽头延时、自适应解扩加权和信号强度在内的一组中选择参数估计。

37.权利要求32的基带处理器，其中参数估计器中包括利用从包括卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法在内的一组中选择的算法，去导出信道估计的固定滞后信道估计器。

38.权利要求33的基带处理器，其中由更新量度单元导出的量度中包括与参数估计相关的平方误差量度。

39.权利要求38的基带处理器，通过累积按照下式给出的分支量度，来导出平方误差量度： ${|\hat{c}\left(k\right)-{\hat{s}}^{*}\left(k\right)r\left(k\right)|}^2$

其中

是参数估计，

是假设符号值的复共轭，以及r是接收到的数据样值，所有都在时刻(k)。

40.权利要求32的基带处理器，其中多组假设符号值中包括过去和当前的假设符号值。

41.权利要求32的基带处理器，其中假设单元在基于选择准则的多个符号间隔上假设多组符号值。

42.权利要求41的基带处理器，其中从包括车辆速度、多普勒散布、量度增长、信号噪声比、误比特率以及接收数据样值强度在内的一组中选取该选择准则。

43.权利要求33的基带处理器，其中更新量度单元利用维特比算法去导出量度。

44.权利要求33的基带处理器，其中从包括欧几里德距离量度以及Ungerboeck量度的一组中选择导出量度。

45.权利要求32的基带处理器，其中参数估计器中包括：

信道跟踪器，用于接收该接收到的数据样值和多组假设符号值，并且导出信道估计和误差信号；以及

滞后跟踪器，用于接收信道估计、误差信号以及多组假设符号值，并且导出固定滞后信道估计，作为参数估计。

46.权利要求45的基带处理器，其中信道跟踪器使用卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法当中的一种来导出参数估计。

47.权利要求45的基带处理器，其中滞后跟踪器包括：

使误差信号与第一乘数相乘以导出修正误差信号的第一乘法器单元；

延时信道估计以导出延时的信道估计的第一延时单元；

使修正误差信号和延时信道估计相加以导出滞后信道估计的第一加法器；

使修正误差信号与第二乘数相乘以导出再修正误差信号的第二乘法器单元；

延时滞后信道估计以导出延时的滞后信道估计的第二延时单元；以及

使再修正误差信号与延时的滞后信道估计相加以导出再滞后信道估计作为固定滞后信道估计的第二加法器。

48.权利要求45的基带处理器，其中滞后跟踪器中包括：

使误差信号与一乘数相乘以导出修正误差信号的乘法器单元；

延时信道估计以导出延时的信道估计的延时单元；以及

使修正误差信号与延时信道估计相加以导出滞后信道估计作为固定滞后信道估计的加法器。

49.权利要求45的基带处理器，其中滞后跟踪器包括：

使误差信号与第一乘数相乘以导出修正误差信号的第一乘法器单元；

延时信道估计以导出延时的信道估计的第一延时单元；

延时修正误差信号以导出延时的修正误差信号的第二延时单元；

使修正误差信号与第二乘数相乘以导出再修正误差信号的第二乘法器单元；以及

使再修正误差信号、延时的修正误差信号以及延时的信道估计相加以导出滞后信道估计作为固定滞后信道估计的加法器。

50.权利要求32的基带处理器，其中接收数据样值中包括导频信道，并且其中参数估计器中包括：

使解扩形式的导频信道与信道估计相加以导出误差信号的第一加法器；

使误差信号与一乘数相乘以导出修正误差信号的乘法器单元；

使修正误差信号与信道估计相加以导出更新的信道估计的第二加法器；

至少一个延时更新信道估计以导出延时的更新信道估计的延时单元；

加权并且合并修正误差信号与前一修正误差信号以导出经过滤波的误差信号的滞后滤波器；以及

使经过滤波的误差信号与延时的更新信道估计相加以导出固定滞后信道估计作为参数估计的第三加法器。

51.权利要求50的基带处理器，其中导频信道中包括直接序列扩频导频信道。

52.一种在用于接收穿过信道传输的数据样值的接收机中的基带处理器包括：

导出第一多组假设符号值的第一假设单元；

导出不同于该第一多组的第二多组假设符号值的第二假设单元；

接收该接收到的数据样值和第一与第二多组假设符号值，并且在此基础上导出参数估计的参数估计器；以及

接收导出的参数估计、第一多组假设符号值和延时形式的接收数据样值，并且导出与接收数据样值有关的一个检测符号值序列的序列估计器。

53.权利要求52的基带处理器，其中分别为第一和第二组符号周期导出第一和第二多组假设符号值，并且其中第二组符号周期内包括至少一个符号周期，其在时间上迟于第一组符号周期的符号周期。

54.权利要求52的基带处理器，其中第一多组假设符号值包括过去和当前的假设符号值，并且其中第二多组假设符号值中包括将来的假设符号值。

55.权利要求53的基带处理器，其中在选择准则的基础上，自适应地确定第一和第二组符号周期。

56.权利要求55的基带处理器，其中从包括车辆速度、多普勒散布、量度增长、信号噪声比、误比特率以及接收数据样值强度在内的一组中选取该选择准则。

57.权利要求52的基带处理器，其中序列估计器中包括：

更新量度单元，用于接收导出的参数估计、第一多组假设符号值以及延时的接收数据样值，并且在此基础上导出量度，其中第一多组假设符号值中每组一个以上量度；以及

提取符号单元，用于接收导出的量度，并且在此基础上导出被检测符号值序列。

58.权利要求57的基带处理器，其中导出的被检测符号值序列对应于由提取符号单元所判定的具备最小量度值的第一多组假设符号值中的一组假设符号值。

59.权利要求52的基带处理器，其中参数估计器中包括利用从包括卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法在内的一组中选择的算法，去导出信道估计的固定滞后信道估计器。

60.权利要求52的基带处理器，其中从包括信道系数、相位误差和频率误差的一组中选择参数估计。

61.权利要求52的基带处理器，其中从包括RAKE接收机组合加权、RAKE接收机抽头延时、自适应解扩加权和信号强度在内的一组中选择参数估计。

62.权利要求57的基带处理器，其中由更新量度单元导出的量度中包括与参数估计相关的平方误差量度。

63.权利要求62的基带处理器，其中通过累积按照下式给出的分支量度，来导出平方误差量度： $|\hat{c}\left(k\right)-{\hat{s}}^{*}\left(k\right)r\left(k\right){|}^2$

其中

是参数估计， 是假设符号值的复共轭，以及r是接收到的数据样值，所有都在时刻(k)。

64.权利要求57的基带处理器，其中更新量度单元利用维特比算法去导出量度。

65.权利要求57的基带处理器，其中从包括欧几里德距离量度以及Ungerboeck量度在内的一组中选择导出的量度。

66.权利要求57的基带处理器，其中由更新量度单元导出的量度中包括通过计算与参数估计和第一多组假设符号值相关的分支量度，并且对该第一多组假设符号值中各组的分支量度求和以构成路径量度，而导出的路径量度，该第一多组假设符号值中每组一个以上该量度，提取符号单元利用路径量度去导出被检测符号值序列。

67.权利要求52的基带处理器，其中参数估计器中包括：

信道跟踪器，用于接收该被接收的数据样值及第一和第二多组假设符号值，并且导出信道估计和误差信号；以及

滞后跟踪器，用于接收信道估计、误差信号以及第一组和第二多组假设符号值，并且导出固定滞后信道估计，作为参数估计。

68.权利要求67的基带处理器，其中信道跟踪器使用卡尔曼跟踪算法、KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法中的一种算法，去导出信道估计。

69.在用于接收穿过信道传输的数据样值的接收机中，一种固定滞后信道估计器中包括：

信道跟踪器，用于接收数据样值，并且利用KLMS跟踪算法、LMS跟踪算法和RLS跟踪算法中的一种算法，去导出信道估计和误差信号；以及

滞后跟踪器，用于接收信道估计和误差信号，并且导出固定滞后信道估计。

70.权利要求69的固定滞后信道估计器，其中滞后跟踪器包括：

使误差信号与第一乘数相乘以导出修正误差信号的第一乘法器单元；

延时信道估计以导出延时的信道估计的第一延时单元；

使修正误差信号和延时信道估计相加以导出滞后信道估计的第一加法器；

使修正误差信号与第二乘数相乘以导出再修正误差信号的第二乘法器单元；

延时滞后信道估计以导出延时的滞后信道估计的第二延时单元；以及

使再修正误差信号与延时的滞后信道估计相加以导出再滞后信道估计作为固定滞后信道估计的第二加法器。

71.权利要求69的固定滞后信道估计器，其中滞后跟踪器包括：

使误差信号与一乘数相乘以导出修正误差信号的乘法器单元；

延时信道估计以导出延时的信道估计的延时单元；以及

使修正误差信号和延时信道估计相加以导出滞后信道估计作为固定滞后信道估计的加法器。

72.权利要求69的固定滞后信道估计器，其中滞后跟踪器包括：

使误差信号与第一乘数相乘以导出修正误差信号的第一乘法器单元；

延时信道估计以导出延时的信道估计的第一延时单元；

延时修正误差信号以导出延时的修正误差信号的第二延时单元；

使修正误差信号与第二乘数相乘以导出再修正误差信号的第二乘法器单元；以及

使再修正误差信号、延时的修正误差信号以及延时的信道估计相加以导出滞后信道估计作为固定滞后信道估计的加法器。

73.在用于接收穿过信道传输的数据样值的接收机中，该数据样值中包括导频信道，一种固定滞后信道估计器中包括：

使解扩形式的导频信道与信道估计相加以导出误差信号的第一加法器；

使误差信号与一乘数相乘以导出修正误差信号的乘法器单元；

使修正误差信号与信道估计相加以导出更新的信道估计的第二加法器；

至少一个延时更新信道估计以导出延时的更新信道估计的延时单元；

加权并且合并修正误差信号与前一修正误差信号以导出经过滤波的误差信号的滞后滤波器；以及

使经过滤波的误差信号与延时的更新信道估计相加以导出固定滞后信道估计作为参数估计的第三加法器。

Images