CN1454019A - 数字无线通信系统中信道估计的方法和装置 - Google Patents

Abstract

有时隙无线通信系统信道估计方法，具体说来，移动通信系统确定(101)信道的最小二乘估计，并通过用复杂性降低方法作噪声约化改进该估计(108至115)。改进包括确定空间和时间子空间(109、110)，并将最小二乘估计投影到所述子空间上(111至114)，其中所述空间和时间子空间分别包括在所有可区分的方向中信号的实际到达方向和在所有可区分的到达时间中信号的实际到达时间。

Description

数字无线通信系统中信道估计的方法和装置

技术领域

本发明涉及数字无线通信系统，特别涉及用于这种系统的接收机估计传输信道的方法和装置，所述接收机中由多重天线接收数据。

最好，但非绝对，本发明涉及在使用有时隙传输技术的移动通信系统的基站的接收机对上行链信道的估计，这将在优选实施例中描述。举例说来，下文中将参考诸如时分多址(TDMA)或时分-同步码分多址(TD-SCDMA)的有时隙系统。

背景技术

在移动通信系统中，移动终端传输的信号在经受例如因多路径传播而产生的失真之后被接收天线接收。为允许适当地解码，需要对信道的估计。在大多数现有的及未来的诸如GSM和UMTS的移动通信系统中，从在帧的特殊位置中出现的公知顺序(training)码元的序列来估计多路径衰减信道。

在实质上相反的方式中，估计的精确度取决于要被估计的信道参数的数量和顺序序列的长度之间的比值。在这一方面，考虑到传输效率，第一个问题是顺序序列应该相对较短。第二个问题在于，在现行的和下一代无线通信网络中，在接收机中，特别是在基站中，使用了多重天线。天线的增加明显导致信道参数的数量成比例地变大。此外，要被估计的参数的数量越多，估计的计算复杂性越高。因此在相对较短的顺序序列和有限的计算能力的情况下，设计精确的信道估计技术的问题具有极大的重要性。

一般通过使用逐时隙方法解决在时间有时隙系统中估计上行链的问题。

通常为此目的而使用的技术公知为“最小二乘估计”(LSE)。这一技术基于对只依赖于系统特性而不依赖于信道特性的参数的数量的确定(具体说来，天线单元的数量和脉冲响应的时间支持的长度)。对于给定用户的估计结果是M×W个元素的矩阵，其中M是天线单元的数量，而W是脉冲响应的时间支持的长度。然而，在这个矩阵中，大量样本只代表噪声，而这将对估计的精确度有负面影响。

原理上，可以通过对多个时隙平均而增加估计的精确度，这等价于考虑明显长于标准规定的顺序序列。由于白高斯噪声的平均值为零，求平均得到噪声功率的大幅降低。然而，这一选择导致也对脉冲响应平均，从而其只在对终端的移动性的非常严格的假定的情况下，才具有良好的性能。所以，这一选择甚至不能应付相对慢的衰减变异，而这是移动通信中最普通的状态。

改善这一技术的精确度的另一种方法基于通过开发时空信道的所谓复杂性降低(RC)属性来降低位置参数的数量。简而言之，复杂性降低方法目的在于在信道矩阵中从对应于噪声的样本中区分出实际对应于有用信号的样本。一旦识别了这些样本，就可以以某种方式将其取消。

已出版了涉及复杂性降低滤波实现方法的不同文件。这种技术之一基于对可被系统区分出的信号的可能方向和到达瞬间的确定。例如在论文“Low-rank adaptive filters(低级自适应滤波器)”，P.Strobach，IEEETransactions on Signal Processing，Vol.44，No.12，pages 2032至2947，1996年12月；“Fast，Rank Adaptive Subspace Tracking and Applications(快速、级别自适应子空间跟踪及应用)”，D.J.Rabideau，ibid.，Vol.44，No.9，pages 2229至2244；以及“Projection Approximation Subspace Tracking(投影近似子空间跟踪)”，B.Yang，ibid.，Vol.43，No.1，pages 95至107中公开了该技术。然而这些文件在出现噪声的情况下，只处理信号识别的一般问题，而没有迹象表明其允许在有如移动通信信号的信道的快速随时间改变的信道中应用所述算法。

在论文“Estimation of Multipath Parameters in Wireless Communication”，M.C.Vanderveen等，IEEE Transactions on Signal Processing Vol.46，No.12，pages 682至690，1998年3月，中公开了基于相同技术、并为移动通信系统而设计的解决方案。该公知解决方案，通过在信号功率波动时，考虑到在多时隙上，可以认为到达方向(DOA)和到达延迟(到达时间，TOA)是平稳的，应用多时隙观测。因此，根据该文献，计算DOA和TOA，并用于对LSE估计的结果作时空滤波。确定DOA和TOA需要非常繁重的计算量，因此该现有技术也是不能令人满意的。

发明内容

考虑到这些，本发明的目的是提供一种估计数字无线通信系统(具体地说，移动通信系统的上行链信道)的传输信道的改进方法，该方法结合了多时隙观测和复杂性降低方法，并且不需要繁重的计算量。

通过所附权利要求1至14中公开的方法实现本目的。

更具体地，根据本发明，提供了一种在估计窗期间利用信号所占据的空间和时间子空间的平稳性(或慢的改变)，并在不需要实际计算单个DOA和TOA的情况下，提供LSE估计在每个子空间上的投影。

本发明的另一个目的是提供用于执行该方法的装置，如权利要求15至30所述。

本发明的另一个目的是提供在数字无线通信系统的接收机对数据进行解码的方法，其中所述数字无线通信系统中，通过使用本发明的信道估计方法和装置对数据进行解码。

本发明的另一个目的是提供一种接收机，用于一时隙无线通信系统，具体地说，用于移动通信系统的基站，所述接收机中包括本发明的用于信道估计的装置。

附图说明

下面将参考附图详细地描述本发明，其中：

图1与图1A是应用本发明的无线通信系统的简化图；

图2A至2D是到达多重天线的数据和信道矩阵的图形表示，用于展示本发明的效果；

图3是本发明的方法的流程图；

图4是用于执行本发明的设备的概括方框图；

图5是图4中所示设备的多帧处理单元的方框图；以及

图6中记录了通过所提出的技术实现的任意基本操作的无约束信道估计的效果的三维表示。

具体实施方式

在详细描述本发明的优选实施例之前，简短地公开采用本发明实施例的环境条件及其数学基础。为了清晰，必要时，参考TD-SCDMA传输。

图1展示在移动通信系统的一单元中从移动台到基站的传输路径。用带有M个天线单元(图中展示了四个)的多重天线A表示基站。假设在该单元中同时激活多个移动终端，图中展示了其中两个，M1和MK。因为在多重天线A和移动站M及散射体O之间存在长距离，所以应当确定所有天线以相同的到达角接收从终端或散射体产生的射线，如图1A所示。

在TDMA系统的情况下，对每个激活终端，以有时隙的帧组织信号传输。将每个时隙划分为保护周期、分配给要传输的数据的第一部分的第一周期、分配给用户指定的用于信道估计的顺序序列(中间码)的周期、以及分配给剩余数据部分的第二数据周期。如果应用CDMA技术，终端信号与不同的正交代码卷积，导致信号带宽扩展，并且只要正交代码可用，其就可以共享相同的时隙。每个天线单元从每个终端接收已经多个路径传播的信号。一个所述路径(对终端M1为实线，而对终端MK为短划线)是直接路径，而另一个(对终端M1为虚线，而对终端MK为点划线)则是因为障碍物对无线电波在其传播期间的散射而产生。图中展示了两个这种障碍物，标为O1、O2，并且简单展示了其对信号简单反射的效果。每个路径由其到达方向或到达角、延迟、以及复振幅来表征。可以认为在由终端在其时隙中传输脉冲期间振幅是准静态的，而角度和延迟的变化可以在取决于时间流动性较大的时间标度中模拟为准静态。换句话说，可以跨越L个时隙的间隔中角度和延迟的变化分别低于接收机的角度和时间分辨率。本发明利用这一准静态来提供精确估计方法，其不需要过大的计算量。

需要注意角分辨率取决于多重天线的孔径，而时间分辨率由信号带宽的倒数近似给出。

作为对该方法的数学表达的简化假设，我们将首先考虑每隔L个时隙，角度和延迟改变为新的独立值。举例说来，对于帧间隔持续10ms的TD-SCDMA系统的上行链，在8个以半波长间隔的单元和距离基站500m的移动终端的情况下，设若移动终端的移动速度低于500Km/h，则可以认为角度和延迟在L＝40个时隙内是静态的。

下面说明，在每个天线单元，并对于每个用户，经受码片(chip)匹配过滤并以码片率(chip rate)采样的第l个帧中的基带接收信号可以用下述矢量模拟： $y(t;l)=\underset{i}{\mathrm{\Σ}}x(i;l)h(t-\mathrm{iT};l)+n(t;l)----\left(1\right)$ 其中，-t指示帧的时隙内的时间变量；-x(i；/)指示以1/T的速率传输的传输序列(信息或顺序数据)第i个码元，T是码片周期；-矢量h(t；/)是从移动终端到天线单元的空时信道的脉冲响应；而-矢量n(t；/)既指示信道间干扰又指示背景噪声，后者为时间不相关而空间相关。

如已说明，依照中间码执行信道估计(通过忽略接收信号的第一W-1样本，用W指示脉冲响应的时间支持的长度，将受到与数据的码元间干扰的影响)。因此，在M个单元的多重天线和长度为N+W-1的顺序序列(从而有用长度为N)的情况下，可以用下述标准关系表达接收数据：

                  Y(l)＝H(l)X(l)+N(l)                    (2)其中Y(l)是具有M行和N列的矩阵，H(l)是M×W时空信道矩阵，X(l)是信道与顺序序列(长度为N)的W×N卷积矩阵，而N(l)是噪声矩阵。上面对H(l)和X(l)的大小的表示涉及单个用户。噪声N(l)为高斯、时间不相关但是空间相关，其协方差为：

               E[n(iT；l)n((i+m)T；l)]＝Qδ(m)           (3)其中δ是单位脉冲函数。

本领域一般技术人员知道，从关系式(2)出发，可以将对信道的无约束(满秩)最大似然性估计和噪声协方差矩阵(从多时隙观测执行)可以表达为： $H_u\left(l\right)=R_{\mathrm{yx}}\left(l\right)R_{\mathrm{xx}}^{-1}----\left(4\right)$ $Q_u=\frac{1}{\mathrm{NL}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}(R_{\mathrm{yy}}\left(l\right)-R_{\mathrm{yx}}\left(l\right)R_{\mathrm{xx}}^{-1}{R}_{\mathrm{yx}}^H\left(l\right))----\left(5\right)$ 其中，R_yx(l)、R_yy(l)、R_xx是样本协方差矩阵，其定义如下：R_xx＝X(l)X(l)^H/N，R_yx(l)＝Y(l)X(l)^H/N而R_yy(l)＝Y(l)Y(l)^H/N。需要注意，假设了顺序序列协方差矩阵R_xx与时隙独立。

照常，上标“H”表示相关矩阵的共轭转置。“无约束”或“满秩”意味着有关矩阵具有完整的大小，即M×W。考虑到R_xx＝X(l)X(l)^H/N，R_yx(l)＝Y(l)X(l)^H/N，而R_yy(l)＝Y(l)Y(l)^H/N，也可以将关系式(4)、(5)写为： $H_u\left(l\right)=Y\left(l\right)X{\left(l\right)}^H{\left[X\left(l\right)X{\left(l\right)}^H\right]}^{-1}----\left(4^{\′}\right)$ $Q_u=\frac{1}{\mathrm{NL}}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}[Y\left(l\right)-H\left(l\right)X\left(l\right)]\·{[Y\left(l\right)-H\left(l\right)X\left(l\right)]}^H----\left(5^{\′}\right)$ 这一指示更好地展示了对接收信号执行的操作。

在多用户方法中(K个用户)，如果用户顺序序列相关，由于存在多路存取干扰(MAI)，不能将MLE问题的最优解决方案减少为K分离优化，从而必须考虑联合估计技术。可以从书藉“Multiuser detection(多用户检测)”，S.Verdu’Cambridge University Press，1998，中提出的有关数据的方案中，得到一种可能的基于连续取消(cancellation)的次最优解决方案。

在所考虑的L个连续脉冲串中，可以将信道模拟为P个路径的结合(参见图1)，其中每一个由延迟τ、角度α、以及说明衰减变化的幅度β来表征。因此，脉冲响应矢量h(t；/)可以写为： $h(t;l)=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\β}}_p\left(l\right)a\left({\mathrm{\α}}_p\right)g(t-{\mathrm{\τ}}_p)----\left(6\right)$ 其中a(α)是对以角度α照射的平面波的多重天线向应，而g(t)是传输脉冲和接收机中的匹配滤波器的卷积。从而，时空信道矩阵H(l)可以写为： $H\left(l\right)=\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{\mathrm{\β}}_p\left(l\right)a\left({\mathrm{\α}}_p\right)g^T\left({\mathrm{\τ}}_p\right)=\mathrm{AB}\left(l\right)G^T----\left(7\right)$ 其中，照常，上标“T”表示相关矩阵的转置。

如前所述，在模型(6)中，可以假设角度和延迟是与时隙独立的，即假设其在L个时隙内的变化小于角-时分辨率。传播信道是随时间变量的，因此根据衰减处理，振幅与时隙有关，所述衰减处理在一定数量的时隙上或者甚至在时隙之间不相关。由于从多时隙测量的角度和延迟的明确估计是不可计算的，所以本发明提供了将角度和延迟的时隙不变性转化为对应的空间和时间子空间的平稳性。为此目的，首先，通过有关L个已处理的时隙的最小二乘估计(LSE)计算空间和时间子空间。然后，通过将LSE投影到子空间上来获得改进的多时隙估计。

为了模拟子空间，应当考虑多时隙信道的空间和时间相关矩阵： $R_S\left(L\right)=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}H\left(l\right)\·{H\left(l\right)}^H----\left(8\right)$ $R_T\left(L\right)=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{H\left(l\right)}^H\·H\left(l\right)----\left(9\right)$

假设矩阵R_S(L)、R_T(L)的秩分别为r_S(L)、r_T(L)，对应于实际上在L时隙观测期间区分出的DOA和TOA的信号。给定相关矩阵的列空间的正交基U_S和U_T，信道矩阵可以用参数表示为： $H\left(l\right)=U_S\mathrm{\Γ}\left(l\right)U_T^H----\left(10\right)$ 其中，U_S和U_T分别是M×r_S(L)和W×r_T(L)维矩阵，分别是包含准静态或与时隙无关的信息(即与角度和延迟相关的信息)的矩阵，而T(l)包含有关振幅的信息，其因为衰减处理而与时隙有关。矩阵U_S和U_T是产生维数为r_S(L)≤r_S和r_T(L)≤r_T的空间和时间子空间R{U_S}、R{U_T}的矩阵，其中，r_S、r_T代表系统在L帧间隔内可以分辨的路径和延迟的数量。

应该理解，对于有限数量的时隙L，样本相关矩阵(并从而U_S和U_T)的结构不再可以只归因于角度-延迟模式。已衰减的振幅之间的相互作用可以使空间和时间子空间相互干扰，从而其维数小于分集数量级。

通过使用U_S、U_T，关系式(2)可以重写为： $Y\left(l\right)=U_S\mathrm{\Γ}\left(l\right)U_T^{H}X\left(l\right)+N\left(l\right)----\left(11\right)$

热噪声的空间协方差矩阵和单元间干扰未知。假设在L时隙上，Q和顺序序列R_xx的相关性都是常数。

为了精确地确定子空间，要考虑顺序序列的噪声相关性和不完全正交性。这通过空间和时间白噪声化处理实现，其导致已白噪声化的估计表达为： ${\tilde{H}}_u\left(l\right)=Q_u^{-H/2}{H}_u\left(l\right)R_{\mathrm{xx}}^{H/2}----\left(12\right)$

子空间确定要求从数据开始执行的模型阶估计(model order estimation)。模型阶选择要求发现在因为在参数化下而产生的失真和有限的顺序序列长度的协方差之间的折衷，以最小化均方误差。

可以采用如Rissanen最小描述长度(MDL)规范或Akaike信息规范(AIC)的技术。

如在(8)、(9)中，从已白噪声化的无约束信道估计(12)估计出已白噪声化的空间和时间相关矩阵： ${\tilde{R}}_S\left(L\right)=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\tilde{H}}_u\left(l\right)\·{\tilde{H}}_u{\left(l\right)}^H----\left(13\right)$ ${\tilde{R}}_T\left(L\right)=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{\tilde{H}}_u{\left(l\right)}^H\·{\tilde{H}}_u\left(l\right).----\left(14\right)$ 然后使用引出 的本征向量的r_S(L)，和引出

的本征向量的r_T(L)，来根据下述表达式产生空间和时间投影算子： 上标

表示相关矩阵的伪逆(子空间矩阵不是方矩阵，所以不可能有真逆)。

通过将所估计出的投影算子应用到已白噪声化的无约束信道估计，接着对投影所得的矩阵进行反白噪声化，信道矩阵的多时隙时空(MS-ST)估计(改进估计)如下表达： $\hat{H}\left(l\right)=Q_u^{H/2}{\widehat{\mathrm{\Π}}}_S{\tilde{H}}_u\left(l\right){\widehat{\mathrm{\Π}}}_T{R}_{\mathrm{xx}}^{-H/2}.----\left(17\right)$

总之，本方法存在于将已白噪声化的LSE向按照相关矩阵的已估计的空间 (以及时间 )的第一个r_S(L)(以及r_T(L))的本征向量张开的空间和时间子空间的投影。投影“压低”了空间/时间特性与实际信号不同的所接收到的脉冲串中的所有元素。非常重要的是要注意，没有执行对角度和延迟的明确确定，从而该方法减少了计算量。

需要注意的是，在时间分集度可以与信道的支持一样大(时间阶升至r_T(L)≌W)的密集多路径无线环境中，不能方便地忽略时间投影。相应地，对于大角度传播和/或少量天线单元M(r_S(L)≌M)，建议不使用空间投影。

然而，在移动通信系统中，r_S(L)＜M，并且，特别是在宽带系统中，r_T(L)＜＜W，从而将LSE向两个子空间都投影将是最多的情况。

对于高速移动的移动用户，需要在时隙间隔上更新从顺序序列获得的估计。这可以通过基于确定码元跟踪快速改变的信道成分来执行。文献中已有基于例如线性回归的用于对衰减振幅的跟踪的自适应技术。参考多时隙技术，可以在无约束信道估计 上进行时隙内跟踪，然后在由(15)和(16)获得的相同子空间

和

上计算投影。

前文中所公开的多时隙技术的实现方案(批量实现方案)暗示提供信道估计时有一定的等待时间(大约L/2时隙，因为平均值应该以要解码的时隙为中心，从而可利用先前的和后续的L/2时隙)，并且就计算复杂性而言，可能有太多要求。此外，假设了必须对每个L个时隙计算角度和延迟。

有一种允许消除延迟并减轻计算量的可选实现方案(子空间跟踪实现方案)，其存在于通过子空间跟踪技术在逐个时隙基上对空间和时间子空间的更新中。这样，允许角度和延迟连续变化(但是仍然要缓慢)，无疑这是更现实的环境。在子空间跟踪期间，也进行模型阶更新。

逐时隙更新甚至可以应用到对空间协方差矩阵的计算中，在前面的方法中，认为空间协方差矩阵在估计窗上为常数。

从下面的简短解释中，可以理解子空间、秩约化以及投影的概念，下面的解释中只考虑空间子空间，但是可以等同地应用到时间子空间上。假设多重天线覆盖D°的扇形区，并具有d°的分辨率，理论上，信号可以占据D/d维子空间，即可以区分D/d个DOA。然而，如果考虑L个时隙，信号以有限数量r_S个角度到达，那么实际占据的子空间是r_S维。此外，如果在L时隙观测窗期间，检测到对于r_S个角中的一些，信号被严重地削弱，并且趋于混淆于噪声中，那么只需要考虑r_S(L)维子空间。现在假设由矢量代表每个方向，根据几何解释继续，有可能说明，如果在某个方向上没有接收到信号成分，那么标识信号DOA的矢量的投影在标识不对应任何实际DOA的方向的矢量上为零分量。通过投影，实际上，即使不要求对其计算，也可以识别出非零成分。

换句话说，在没有噪声的理想情况下，M个天线单元上所接收到的只是来自r_S个方向的成分的线性组合。当计算R_S(L)时，将获得M×M矩阵，但是实际上只有r_S个空间成分源自该信号。噪声导致认为存在有M个成分，但是M-r_S个是噪声分量。因此，考虑到只有r_S个矢量标识实际的DOA，将LSE估计(其应该考虑所有D/d个可区分的方向)投影到空间子空间上。从而考虑矩阵M×r_S(U_S)。

可以从图2A至2D中理解本发明的效果。图2A展示到达M个天线单元的W＝16个码片的序列。假设码片1至4、6至8、10至12，以及14至16只是噪声，而剩余码片包含信号和噪声。由此，图2B展示了LSE估计矩阵H(M＝8的情况)，灰格子代表噪声。通过应用本发明的投影(见图2C)，可以识别并忽略噪声码片。由此，图2D展示了改进的多时隙估计矩阵。

图6中记录了通过所提出的技术实现的任意基本操作的无约束信道估计的效果的三维表示。

下面参考图3，以第l个时隙为例，描述本方法。第一步101是最小二乘估计。该估计以公知方式进行，例如如论文“Low Cost Channel Estimation in theUplink receiver of CDMA Mobile Radio Systems(CDMA移动无线电系统的上行链接收机中的低成本信道估计)”，B.Steiner和P.W.Baier，Frequenz，47(1993)，11-12，第292-298页中所述。在计算了LSE之后，如果认为时隙是第一个(第一循环)，则从最小二乘估计的留数计算(步骤102)噪声协方差矩阵(参见关系式5′)。在后续循环中，通过例如更新Cholesky因子，执行对先前计算的协方差矩阵的更新(步骤103)。Cholesky是矩阵领域中的公知概念，见例如书藉“Matrix computations(矩阵计算)”，G.H.Golub和C.E.Van Loan，John Hopkins University Press，第三版，1996。

同时，计算顺序序列的时间相关性R_xx ^H/2(步骤104)。

然后根据关系式(12)计算已白噪声化的估计

这由乘法器105、106表示，向乘法器105、106馈送了最小二乘估计

和所计算出的或已更新的协方差矩阵，或者分别馈送相关性。需要注意的是，空间白噪声化不需要散射体均匀地分布在多重天线覆盖的扇形区中。此外，在大多数情况下，时间白噪声化所提供的性能改善与计算量的增加相比是不合理的，所以一般可以不进行这一步骤。

一旦获得了已白噪声化的估计，可以确定空间和时间子空间(步骤108至110)。相关算法接收所输入的已白噪声化的估计

及其厄米(Hermitian)转置。“(…)^H”表示共轭转置(步骤107)。

为了确定子空间，从数据开始进行初始模型阶估计(步骤108)。其结果为单位矩阵I_S(0)、I_T(0)，其大小为r_S(L)×r_S(l)、r_T(l)×r_T(l)。单位矩阵使得可以确定空间和时间子空间矩阵的初始值 $U_S\left(0\right)=\left[\begin{array}{c}{I}_S\left(0\right)\\ 0\end{array}\right],U_T\left(0\right)=\left[\begin{array}{c}{I}_T\left(0\right)\\ 0\end{array}\right].$

对每个时隙进行子空间跟踪(步骤109、110)。

通过对每个观测结果以从最近一个到最前一个指数下降的因子加权，这里采用的跟踪算法考虑了对先前L个时隙所做的观测。跟踪也需要更新子空间的秩，因此，r_S，r_T是l的函数而不再是L的函数。可以通过本领域公知的任何算法(特别地，参见发明介绍中提到的D.J.Rabideau的论文)进行适应秩阶的子空间跟踪。

接下来，计算空间和时间投影算子(步骤111、112)，然后将无约束的已白噪声化的估计投影到子空间上。乘法器113、114示意性地表示投影步骤。

最后，如果进行了白噪声化，那么就对从投影得到的改进的多时隙估计进行反白噪声化(着色)(乘法器115、116)。当然，这要求使用自相关矩阵的逆矩阵和噪声协方差矩阵，在步骤117、118中“(…)^-1”表示求逆。

从而最终获得公式(17)的所要求的改进估计。

下面参考图4和图5的方框图公开执行该方法的装置的可能实现。

图4展示采用本发明的移动通信系统的基站接收机的简化方框图。

接收机具有连接到输入块BB的M个单元A1…AM的多重天线，输入块BB对所接收到的脉冲信号进行基带转换、匹配滤波、以码片率采样以及中间码提取等全部操作。

块BB的输出与解码器DE和信道估计器CE(被虚线框包围)连接，信道估计器CE是本发明的主题，其在每一帧为每一用户，向解码器DE提供改进的多时隙信道估计。

在块CE中，第一处理单元(相关器)LSE执行对信道的多用户无约束估计，单元NC计算和更新噪声协方差矩阵。由块BB向这两个单元馈送接收信号Y，从所有用户共享的存储器SM向这两个单元馈送有关顺序序列及其相关性[参见关系式(4′)和(5′)]的必要信息。由于来自所有用户的顺序序列的不完全正交性，这两个块对所有这些序列进行操作。

块LSE和NC的输出与多个多帧处理器MP1、MP2、…、MPK连接，其中每个多帧处理器与K个激活用户之一相关联，如在该方法中所公开，通过将最小二乘估计投影到空间和时间子空间上来执行对最小二乘估计的改进，并向解码器DE提供有关各个用户的改善了的信道估计。

图5中公开了一般处理器MPk的结构。

共同由块WH展示的空间和时间白噪声化滤波器分别从块LSE和NC(图4)接收最小二乘估计和噪声协方差，从共享存储器SM接收各个用户的顺序序列的相关性，并发出有关各个用户的已白噪声化的、无约束的信道估计。将已白噪声化的估计发送到空间和时间子空间跟踪器SS、TS，其逐时隙地确定并更新空间和时间子空间及其各自的秩。为了其操作，子空间跟踪器SS、TS与指定给用户的存储器UM合作。

将由块SS、TS计算的子空间矩阵馈送给块SP、TP，块SP、TP分别用于计算空间和时间投影算子II_S ^(k)、II_T ^(k)。考虑到投影算子的定义，块SP、TP包括用于计算伪逆矩阵

的处理单元和执行乘法

处理单元。块SP、TP的输出与投影计算单元PR连接，投影计算单元PR接收已白噪声化的无约束估计，并将其投影到子空间上，产生改进估计

然后在投影计算单元PR之后是空间和时间反白噪声化滤波器DW，其接收已白噪声化的改进估计，并对其进行白噪声化滤波器WH对无约束估计所进行的逆处理。同样，分别从共享存储器SM和噪声协方差计算单元NC(图4)提供白噪声化滤波器WH使用的逆矩阵R_xx ^(k)-H/2，Q_u ^H/2。

当然，本领域一般技术人员应该明白，信道估计CE也可以是基站收发信机的处理单元的一部分。

很明显，上面给出的描述只是非限定性的例子，在本脱离本发明的范围的情况下可以做各种改变和修饰。具体地说，即使前面的描述中的时隙已从时分传输(TDMA或TD-SCDMA)的帧中识别出，也可以无需改变地应用本发明作信道估计，其中，信道估计考虑对多个信号周期(例如OFDM)的观测。对多个信号周期的估计使得本发明也可以应用于不采用时分技术的其它数字传输系统，例如基于频分多址、多载波调制、正交频分多路复用等的系统。

此外，尽管参考了顺序序列，无论何时在所传输的数据的预定位置包含了导频码元，也可以应用本发明。

Claims (30)

1.在数字无线通信系统的接收机中估计快速改变的数据传输信道的方法，其中由一个或多个激活站(M1…MK)传输的数据根据多路径传播到达多重天线(A，A1…AM)，该方法包括下述步骤：

-通过使用数据流中预定位置中包括的顺序码元，获取无约束信道估计；以及

-通过使用有关所接收到的数据的空间和时间结构的参数，改进所述无约束估计，以减少估计中所包含的噪声内容，所述参数在包括多个连续观测周期的观测窗上为准静态或缓慢改变，该方法的特征在于，所述改进步骤包括，对每个激活用户：

-在每个观测周期，从所述无约束估计中提取与所述准静态或缓慢改变的参数相关联的空间和时间子空间，在观测周期中执行的提取要考虑在大量先前观测周期中提取的子空间；

-从所述空间和时间子空间确定空间和时间投影算子，所述空间和时间投影算子用于将所述无约束估计投影到所述空间和时间子空间；以及

-将所述无约束估计投影到至少一个所述空间和时间子空间，从而基于对所述大量观测周期的观测，产生改进的估计。

2.如权利要求1所述的方法，其特征在于，所述投影步骤包括：

-当空间和时间分集度分别明显低于天线单元数(M)和脉冲响应的时间支持长度(W)时，将所述无约束估计投影既投影到所述空间子空间，又投影到所述时间子空间；

-当时间分集接近信道的时间支持长度(W)时，将所述无约束估计只投影到所述空间子空间上；

-当空间分集接近于天线单元数(M)时，将所述无约束估计只投影到所述时间子空间上。

3.如权利要求1所述的方法，其特征在于，所述无约束信道估计步骤包括多路存取干扰(MAI)取消。

4.如权利要求1或2所述的方法，其特征在于，所述子空间提取步骤包括在每个观测周期实现的子空间跟踪(子空间跟踪实现方案)。

5.如权利要求4所述的方法，其特征在于，所述子空间提取步骤包括每个子空间的秩阶的确定，而所述子空间跟踪也包括所述秩阶的跟踪。

6.如权利要求1或2所述的方法，其特征在于，在每个观测窗进行所述子空间提取步骤。

7.如前述任何一个权利要求所述的方法，其特征在于，其包括在所述子空间提取步骤之前对无约束估计的空间白噪声化，和在所述投影步骤之后对已改进的估计的空间反白噪声化。

8.如权利要求7参考权利要求4至6中任何一个时所述的方法，其特征在于，通过使用有关在每个观测周期更新的顺序码元的空间协方差的信息，进行所述空间白噪声化。

9.如权利要求7参考权利要求6时所述的方法，其特征在于，通过使用有关在所述观测窗上求平均后的噪声协方差的信息，进行所述空间白噪声化。

10.如前述任何一个权利要求所述的方法，其特征在于，其包括在所述子空间提取步骤之前对无约束估计的时间白噪声化，和在所述投影步骤之后对已改进的估计的时间反白噪声化。

11.如前述任何一个权利要求所述的方法，其中，根据时分多址技术将所述无线传输信道分配给多个用户，其特征在于，所述观测窗口跨越多个连续的帧，而每个观测周期对应于帧中分配给用户的时隙。

12.如权利要求1至11中任何一个所述的方法，其特征在于，通过时隙内跟踪算法更新所述无约束估计。

13.如权利要求1至11中任何一个所述的方法，其特征在于，每个观测周期对应于分配给用于在接收机中解码的数据码元的周期。

14.如前述任何一个权利要求所述的方法，其特征在于，所述信道是数字移动通信系统的上行链信道。

15.用于在数字无线通信系统的接收机中估计快速改变的数据传输信道的装置，其中由一个或多个激活站(M1…MK)传输的数据根据多路径传播到达所述接收机的多重天线(A，A1…AM)，该装置(CE)包括：

-相关装置(LSE)，用于通过使用每个站(M1…MK)传输的数据流中预定位置中包括的顺序码元，确定无约束信道估计；以及

-改进装置(MP1…MPK)，用于通过使用有关所接收到的数据的空间和时间分集的参数，改进所述无约束估计，所述参数在包括多个连续观测周期的观测窗上为准静态或缓慢改变；

其特征在于，所述改进装置(MP1…MPK)包括：

-第一和第二处理装置(SS、TS)，用于接收所述无约束信道估计，并在每个观测周期为每个激活用户(M1…MK)，从中提取与所述准静态或缓慢改变的参数相关联的空间和时间子空间，第一和第二处理装置(SS、TS)在观测周期中执行的提取要考虑在大量先前观测周期中提取的子空间；

-第三和第四处理装置(SP、TP)，分别与所述第一和第二处理装置(SS、TS)的下游连接，用于接收所述空间和时间子空间的矩阵表示，并从中为各个用户计算空间和时间投影算子；

-第五处理装置(PR)，其输入端与所述第三和第四处理装置(SP、TP)以及所述相关装置(LSE)的输出端连接，用于计算所述无约束估计在至少一个所述子空间中的投影，并向接收机中的解码装置(DE)提供对每个用户的改进的信道估计。

16.如权利要求15所述的装置，其特征在于，所述第五处理装置(PR)能够：

-当空间和时间分集度分别明显低于天线单元数(M)和脉冲响应的时间支持长度(W)时，将所述无约束估计投影既投影到所述空间子空间，又投影到所述时间子空间；

-当时间分集度接近信道的时间支持长度(W)时，将所述无约束估计只投影到所述空间子空间上；

-当空间分集度接近于天线单元(A1…AM)数(M)时，将所述无约束估计只投影到所述时间子空间上。

17.如权利要求15或16所述的装置，其特征在于，将第一和第二处理装置(SS、TS)设置为在每个观测周期提取子空间，并通过考虑先前观测周期的子空间提取结果更新该子空间。

18.如权利要求17所述的装置，其特征在于，将第一和第二处理装置(SS、TS)设置为，在第一观测周期为了子空间提取，而计算各个子空间的秩阶的初始值，并在更新所述子空间时更新该秩阶。

19.如权利要求15或16所述的装置，其特征在于，将所述第一和第二处理装置(SS、TS)设置为在每个观测窗提取子空间。

20.如权利要求14至18中任何一个所述的装置，其特征在于，还包括第六处理装置(NC)，将其连接以接收经信道到达的所述顺序码元和无约束估计的留数，并将其设置为计算接收信号的噪声协方差矩阵及其逆矩阵。

21.如权利要求20所述的装置，其特征在于，将所述第六处理装置(NC)设置为在每个观测周期更新噪声协方差矩阵。

22.如权利要求20所述的装置，其特征在于，将所述第六处理装置(NC)设置为在每个观测窗计算噪声协方差矩阵，作为窗中所有观测周期中的噪声协方差。

23.如权利要求20至22中任何一个所述的装置，其特征在于，所述改进装置(MP1…MPK)还包括：

-第一滤波装置(WH)，与所述第一、第二和第五处理装置(SS、TS、PR)的上游连接，被设置为：从所述第二处理装置(NC)接收所述噪声协方差矩阵，从所述相关装置(LSE)接收所述无约束估计；执行对所述无约束装置的空间白噪声化；向所述第一、第二和第五处理装置(SS、TS、PR)提供已白噪声化的无约束估计；以及

-第二滤波装置(DW)，与所述第五处理装置(PR)的下游连接，被设置为从所述第六处理装置(NC)接收所述噪声协方差矩阵的逆矩阵，并执行对所述已改进的估计的空间反白噪声化，重新引入所接收的数据的谱特征。

24.如权利要求23所述的装置，其特征在于，将所述第一滤波装置(WH)设置为还对无约束估计进行时间白噪声化，将第二滤波装置(DW)设置为还对已改进的估计进行时间白噪声化。

25.如权利要求15至24中任何一个所述的装置，其中根据时分多址技术将所述无线传输信道分配给多个用户，其特征在于，所述观测窗口跨越多个连续的帧，而每个观测周期对应于帧中分配给用户的时隙。

26.如权利要求15至24中任何一个所述的装置，其特征在于，每个观测周期对应于分配给数据码元的周期。

27.如权利要求15至26中任何一个所述的装置，其特征在于，所述接收机是移动通信系统的基站收发信机的接收机。

28.在数字无线通信系统的接收机对数据进行解码的方法，由一个或多个激活站(M1…MK)传输的数据根据多路径传播到达多重天线(A，A1…AM)，其特征在于，所述解码基于由权利要求1至13中任何一个所述的方法执行的信道估计。

29.数字无线通信系统的接收机，包括：

-至少有多重天线(A1…AM)，用于接收来自多个激活用户(M1…MK)的数据流，来自每个用户(M1…MK)的数据在其流中预定位置包括顺序码元；

-解调装置(BB)，用于将所述数据转换到基带、对已转换的数据采样并从中提取顺序码元；

-信道估计器(CE)，用于通过使用所述顺序码元估计每个用户和接收机之间的信道；以及

-解码器(DE)，与所述解调装置(BB)和所述信道估计器(CE)连接，用于通过过滤与信道响应的数据对所接收的数据解码，

其特征在于，所述信道估计器(CE)是与权利要求15至26中任何一个所述一致的装置。

30.如权利要求29所述的接收机，其特征在于，所述接收机是移动通信系统的基站收发信机的接收机。

Images