CN1523769A - 用于频谱高效高速传输的迭代软干扰消除和滤波 - Google Patents

Abstract

利用多个干扰消除器来实现多输入多输出(MIMO)系统中的干扰消除。一个干扰消除器对应于每个发射信号，而每个干扰消除器从所有接收天线接收信号，且每个干扰消除器输出其对应发射信号的已消除干扰的接收版本。来自所有发射天线的发射信号估计用于每一个干扰消除器中。将可以由传递的已知导频符号得到的信道系数矩阵乘以每个估计，并从接收到的信号中减去每个估计和信道系数矩阵的所得乘积，得到对应的差。可将滤波权重向量乘以每个对应的差。基于所述差和所述滤波权重向量的所得乘积，解码接收到的信号。如果不满足预定的中断标准，则使用所解码的信号来产生用于随后的干扰消除迭代的估计。可迭代地进行所述方法，直到满足预定的中断标准。

Description

用于频谱高效高速传输的迭代软干扰消除和滤波

技术领域

本发明涉及远程通信领域，更具体地，涉及在多输入多输出(MIMO)远程通信系统的接收侧上使用的迭代软干扰消除器(I-SIC)。

背景技术

因特网的广泛使用促进了特别是在移动环境(由于其便携性和方便性)下的更可靠、更舒适以及更高效的通信系统的设计。所谓第三代(3G)系统正在被引入以在高质量语音消息传输之外还支持数百kbps的数据服务，并且在第三代伙伴项目(3GPP)中也在对其升级版本高速下行分组接入(HSDPA)进行讨论和标准化，以提供更高比特率的服务。但是，即使当HSDPA使用自动重复请求(ARQ)和自适应调制编码方案(AMCS)时，可实现的比特率仍被限制至10Mbps。但是，用户对数据速率的要求需要约100Mbps，以便即使在移动的情形下也可以享受流视频、高速因特网连接等等。

在物理层实现高速传输的一种公知方法是扩展带宽。Atarashi等提出了可变扩频因子正交频分与码分复用(VSF-OFCDM)，其在户外环境中采用130MHz带宽来实现100Mbps。但是由于其非常高的采样速率此方法需要非常高速的数字-模拟以及模拟-数字转换器。因此，功率消耗，特别是在用户设备中的功率消耗将成为一个问题。另一个问题是这样宽的带宽引起过度的多路延迟，这使得其合适的接收器难以设计和操作。

提高频谱效率的另一种方法是采用更高阶的调制方案。事实上，IEEE802.11a利用64 QAM，以便对于室内无线局域网(LAN)系统用20MHz来实现54Mbps。但是，如果我们考虑在移动环境中应用此方案，则64QAM将不再是高效的，因为其耐干扰性不如QPSK。此外，将需要大大增加的传输功率来补偿其不佳的错误率性能。

另一方面，空间多路复用技术，例如所谓的多输入多输出(MIMO)系统，近来已经获得了很大的关注。信息理论结果表明MIMO系统的容量随着发射天线和接收天线的数量的最小值线性增大。在MIMO系统中，最严重的问题是来自其他发射天线的干扰。Foschini等等提出了贝尔实验室分层时空(BLAST)体系结构，以实现高速无线传输和使用干扰消除和抑制的相应检测算法。但是，当与纠错编码相结合时，此方案并不是高效的，因为检测器和解码器中的处理是分开进行的。在另一方面，虽然当联合操作而用于检测器和解码器时，最大后验概率(MAP)算法被认为是最优的，但是计算的复杂度过高。

发明内容

因此，为了解决现有技术中的此类问题和其他问题，本发明公开了滤波之前的低复杂度迭代软干扰消除器(SIC)，以在Turbo编码的MIMO系统中实现频谱高效率传输。在此算法中，软信息以Turbo方式在解调器和解码器之间交换，以持续消除和抑制来自其他天线的干扰，并恢复信息符号。可以根据最小均方差(MMSE)算法进行滤波，或者为了减小复杂度，滤波可以是匹配滤波(MF)而不是MMSE滤波，或者是它们的某种组合。

在一个实施例中，本发明包括：将从多个接收天线中的每一个所接收到的信号提供给多个干扰消除器中的每一个，至少一个干扰消除器对应于每个所述的发射信号，每个干扰消除器消除其对应的发射信号的干扰。在每个干扰消除器中，通过将所接收到的信号与所发射信号的估计进行比较，并消除除对应的发射信号之外的所有其他信号来消除干扰。

在另一个实施例中，本发明包括：产生来自所有发射天线的发射信号的估计以用于每个干扰消除器中，将信道系数矩阵乘以每个估计，所述信道系数矩阵可以由所传递的已知导频符号而得到，从所接收到的信号中减去每个估计和信道系数矩阵所得到的乘积，得到所述乘积中的每一个和所接收到的信号中的每一个之间的对应的差。可以将滤波权重向量乘以每一个对应的差，在每一次迭代中滤波权重向量选择性地选自MF方案或MMSE方案。基于所述差和所述滤波权重向量所得到的乘积，解码所接收到的信号。如果不满足预定的中断标准，则使用所解码的信号来产生用于随后的干扰消除迭代的估计。可以迭代地进行所述方法，直到满足预定的中断标准。

本发明包括在此所描述的消除方法，以及实施此方法的装置。根据本发明的可操作来消除干扰的接收器和干扰消除器位于这些装置之中。

附图说明

图1示出了根据本发明的一个实施例的发射器；

图2示出了根据本发明的迭代软干扰消除(I-SIC)接收器的示例性实施例；

图3另外详细地示出了单个软干扰消除器(SIC)的构造；

图4示出了根据本发明的实施例的2-发射器/2-接收器MIMO系统的模拟FER性能；和

图5示出了根据本发明的另一个实施例的4-发射器/4-接收器MIMO系统的模拟FER性能。

具体实施方式

图1示出了一般的发射器10的构造。输入数据比特流12首先由Turbo编码器14进行编码，并被馈给调制器16以生成复杂基带符号18。在此实施例中，采用使用格雷映射(Gray mapping)的QPSK调制。但是，本领域的技术人员将认识到容易将下面的说明扩展到其他调制方案。QPSK符号被符号交织器(symbol interleaver)20随机地交织，并在S/P转换器22中进行串联-并联(S/P)转换。为了使接收器所受到的干扰和信道随机化，交织器20是必要的。已S/P转换的n_T个符号流被从n_T个天线24同时发射，共用相同的频带。当使用正交频分复用(OFDM)和/或扩频时，在S/P转换器之后对每个符号流使用快速傅立叶逆变换(IFFT)26和/或扩展(spreading)。可选地，还可以通过适当的装置28以本领域公知的方式插入保护间隔(guard interval)。

图2示出了根据本发明的一般的迭代软干扰消除(I-SIC)接收器30的示例性实施例。信号在n_R个天线32中的每一个处被接收。如必要的话，通过适当的装置34从每个所接收到的流中去除保护间隔，并进行FFT 36。接着，由n_T个并行SIC 38利用来自软符号估计器40的软估计量来去除干扰符号。在第一次迭代中，估计量可以是零，之后就从前一步骤中获得。然后，通过并行-串行(P/S)转换器42和去交织器44，将已消除干扰的符号馈给对数似然比(LLR)计算器46。在LLR计算器46中，基于SIC 38的输出、符号星座(symbol constellation)和Turbo解码器48的输出计算所有码比特的LLR。随后，只有在LLR计算器中所计算出的外信息(extrinsic information)被迭代馈给Turbo解码器48进行解码，其将在下文中进行进一步描述。

一般地，在非迭代接收器中，Turbo解码器48输出信息比特的LLR，并作出决定来恢复数据流。但是，在根据本发明的迭代接收器中，除最后一次迭代之外码比特需要LLR来进行对所发射符号的软估计。同样，外信息应被反馈给LLR计算器。因此，稍稍修改Turbo解码器以这样实现，所产生的码比特的LLR然后被馈给软符号估计器40。在本发明的一个示例性实施例中，Turbo解码器48使用Max-Log-MAP算法。下面，将更详细地说明SIC 38、LLR计算器46和软符号估计器40的操作。

图3示出了第k个SIC 38的构造。下面将把讨论集中在某个符号瞬时。所接收的信号可以写为：

                     y＝Hx+n  (式1)

其中，y、H、x和n分别为所接收到的信号向量、信道系数矩阵、发射符号向量和环境高斯噪声向量，并可以表示为：

                       (式2)

$x={(x_1,x_2,...x_{n_R})}^T,\mathrm{andn}={(n_1,n_2,...n_{n_R})}^T$

第k个SIC 38的目标是消除对于第k个发射的信号流的干扰信号。为了实现此目标，来自前次迭代的估计信号被用作所发射符号的复制，并用于从所接收的信号中消除除第k个信号之外的所有信号。

在所发射的信号的软估计中，如在图4的下部中所示的，第k个信号被零(0)所代替。在每一个乘法结点50处，信道矩阵和软符号向量相乘，并在数个加法结点52中的每一个中将乘积从所接收的信号中减去，我们得到：

$y_k=y-H{\tilde{x}}_k,k=\mathrm{1,2},...n_T$ (式3)

其中，y_k和

分别代表第k个流的已消除干扰的所接收到的信号向量以及x_k的软估计，并可以表示为y_k＝(y_k，1，y_k，2，...y_k，JIR)^T和 ${\tilde{x}}_k={({\tilde{x}}_1,{\tilde{x}}_2,...{\tilde{x}}_{k-1},0,{\tilde{x}}_{k+1},{\tilde{x}}_{\mathrm{nT}})}^T.$

的计算将在下文中详细地说明。

在每一个SIC中产生给定迭代的输出之前，利用由滤波权重计算器54所确定的滤波权重而对n_R个并行流滤波。在这种情况下，因为y_k包含剩余的干扰，特别是在迭代处理的开始，所以我们将应用最小均方估计器(MMSE)滤波以使滤波输出的方差最小。本领域的技术人员将理解，考虑到在有效性和处理效率两方面的相对增益或损耗，匹配滤波(MF)技术也是合适的。

用理想输出来使均方差最小时，MMSE滤波的权重向量由下式定义：

              w_k＝arg min E{|w^Hy_k-x_k|²}    (式4)

在此情况下，w_k由S.Haykin的“Adaptive Filter Theory”(Prentice Hall，1996)给出：

                     w_k＝R^-1p  (式5)

其中，R和p分别对应于所接收的符号向量的相关矩阵以及所接收的符号向量和所期望的输出之间的相关向量。然后，R可以表示为：

$R=E\left[y_k{y}_k^H\right]$

$=E\left[\right\{H(x-{\tilde{x}}_k)+n\left\}\right\{H(x-{\tilde{x}}_k)+n{\}}^H]$ (式6)

$=E[H(x-{\tilde{x}}_k){(x-{\tilde{x}}_k)}^H{H}^H+H(x-{\tilde{x}}_k)n^H+n{(x-{\tilde{x}}_k)}^H{H}^H+n{n}^H]$

$=\mathrm{HE}\left[(x-{\tilde{x}}_k){(x-{\tilde{x}}_k)}^H\right]H^H+E\left[n{n}^H\right]$

虽然 $E\left[(x-{\tilde{x}}_k){(x-{\tilde{x}}_k)}^H\right]$ 与协方差矩阵是匹配的，但因为

中的每个元素都是独立的，所以协方差矩阵变成对角阵。除第k个外其他所有元素由下式计算：

${\left(V_k\right)}_i=E\left[(x_i-{\tilde{x}}_i){(x_i-{\tilde{x}}_i)}^{*}\right]$

$=E\left[{\left|x_i\right|}^2\right]-E\left[{\left|{\tilde{x}}_i\right|}^2\right]$ (式7)

$=1-{\left|{\tilde{x}}_i\right|}^2$

而对i＝k，(V_k)_i变为1。第二项也变成元素为σ²的对角阵。因此，式6变为

$R={\mathrm{HV}}_k{H}^H+{\mathrm{\σ}}^2{I}_{n_R}$ (式8)

其中，σ²是高斯噪声的方差。

另一方面，p可以计算为：

$p=E\left[y_k{x}_k^{*}\right]$

$=E\left[\right\{H(x-{\tilde{x}}_k)+n\left\}{x}_k^{*}\right]$ (式9)

$=\mathrm{HE}\left[(x-{\tilde{x}}_k)x_k^{*}\right]$

$=h_k$

因此，求解式4，基于MMSE标准的权重向量可以由下式给出

$w_k={({\mathrm{HV}}_k{H}^H+{\mathrm{\σ}}^2{I}_{n_R})}^{-1}{h}_k$ (式10)

最后，从第k个流的滤波输出为

$z_k=w_k^H{y}_k$ (式11)

滤波输出z_k又被认为具有z_k＝μ_kx_k+v_k的形式，其中。μ_k和v_k分别表示等价衰落系数和噪声。从上述的推导，我们有

${\mathrm{\μ}}_k=w_k^H{h}_k$ (式12)

另一方面，在此定义为r_k ²的v_k的方差为

$r_k^2\≡\mathrm{Var}.\left({\mathrm{\υ}}_k\right)$

$=E\left[{\mathrm{\υ}}_k^2\right]-E[{\mathrm{\υ}}_k{]}^2$ (式13)

$=E\left[{|z_k-{\mathrm{\μ}}_k{x}_k|}^2\right]$

$=E\left[{\left|z_k\right|}^2\right]+E\left[{\left|{\mathrm{\μ}}_k{x}_k\right|}^2\right]-E\left[z_k{\mathrm{\μ}}_k^{*}{x}_k^{*}\right]-E\left[z_k^{*}{\mathrm{\μ}}_k{x}_k\right]$

式13中的每一项如下计算：

$E\left[{\left|z_k\right|}^2\right]=E\left[\left(w_k^H{y}_k\right){\left(w_k^H{y}_k\right)}^{*}\right]$

$=$ $w_k^{H}E\left[y_k{y}_k^H\right]w_k$

$=w_k^H(H{V}_k{H}^H+{\mathrm{\σ}}^2{I}_{n_R})w_k$

${=w}_k^H{h}_k$

$={\mathrm{\μ}}_k$

$E\left[{\left|{\mathrm{\μ}}_k{x}_k\right|}^2\right]={\mathrm{\μ}}_k^2$

$E\left[z_k{\mathrm{\μ}}_k^{*}{x}_k^{*}\right]={\mathrm{\μ}}_k^{*}{x}_k^{*}E\left[z_k\right]$

$={\mathrm{\μ}}_k^{*}{x}_k^{*}{\mathrm{\μ}}_k{x}_k$

$={\mathrm{\μ}}_k^2$

$E\left[z_k^{*}{\mathrm{\μ}}_k{x}_k\right]=E\left[z_k^{*}\right]{\mathrm{\μ}}_k{x}_k$

$={\mathrm{\μ}}_k^{*}{x}_k^{*}{\mathrm{\μ}}_k{x}_k$

$={\mathrm{\μ}}_k^2$ (式14)

因此，我们得到：

$r_k^2\≡\mathrm{Var}.\left({\mathrm{\υ}}_k\right)={\mathrm{\μ}}_k-{\mathrm{\μ}}_k^2$ (式15)

如式10所示，MMSE滤波包括n_R×n_R矩阵的矩阵求逆。因此，有时它会引起计算的问题，特别是在接收天线的数量较大的情况下。因此，我们还将提出匹配滤波的方案，其中将权重w_k简单地取为信道向量，也就是w_k＝h_k。

然后，相应的等价衰落系数和噪声方差可以计算为：

${\mathrm{\μ}}_k=h_k^H{h}_k$ (式16)

$r_k^2\≡\mathrm{Var}.\left({\mathrm{\υ}}_k\right)$

$=E\left[{|z_k-{\mathrm{\μ}}_k{x}_k|}^2\right]$

$=E\left[{\left|z_k\right|}^2\right]-{\mathrm{\μ}}_k^2$ (式17)

$=w_k^H(H{V}_k{H}^H+{\mathrm{\σ}}^2{I}_{n_R})w_k-{\mathrm{\μ}}_k^2$

$=h_k^H({\mathrm{HV}}_k{H}^H+{\mathrm{\σ}}^2{I}_{n_R})h_k-{\mathrm{\μ}}_k^2$

$h_k^H{\mathrm{HV}}_k{H}^H{h}_k+{\mathrm{\σ}}^2{h}_k^H{h}_k-{\mathrm{\μ}}_k^2$

$=\underset{j=1}{\overset{n_T}{\mathrm{\Σ}}}{\left(V_k\right)}_j{\left|h_k^H{h}_j\right|}^2+{\mathrm{\σ}}^2{\mathrm{\μ}}_k-{\mathrm{\μ}}_k^2$

根据本发明的干扰消除器不限于任何一种滤波方法。例如，根据最少包括SNR(信噪比)、SNIR(信噪改善比)、BER、FER、BLER、LLR的若干标准中的一个，可以对每一次迭代自适应地选择计算滤波权重的方法。可以根据所进行的迭代的次数来选择滤波方法，其中在处理过程中较早时选择更有效但更复杂的方法，或者可以在处理过程中较早时应用更简单的方法，而如果确定为了获得合适的结果复杂度是必须的话，则应用更复杂的方法。或者，考虑到复杂度随着接收天线的数量呈指数增长，可以基于发射或接收天线的数量来选择滤波方法。

虽然MF方案可以使组合SNR最大，但干扰符号所导致的误差将是显著的，特别是在迭代的开始，因为还没有干扰被消除。可以应用MMSE滤波来使组合SNIR最大。但是，如上面所说明的，MMSE滤波的复杂度有时将变得过高。因此，在一个优选的实施例中，我们只在第一次处理中应用MMSE滤波，以充分地抑制来自其他天线的干扰。随后，应用MF方案以实现复杂度的降低。虽然由于只在第一次迭代中应用MMSE滤波，SIC-MF引起性能劣化，但是在频率平坦(flat)和选择性的条件下，混合方案可以获得与基于MMSE的I-SIC几乎相同的性能。因此，与SIC-MMSE相比，可以降低计算复杂度。

LLR被定义为：

$\mathrm{\Λ}\left(b_i\right)=\ln \frac{P(b_i=0|y_j)}{P(b_i=1|y_j)}$ (式18)

其中b_i是第i个比特，而y_i是包含b_i的所接收到的信号。假设用QPSK编码，式18可以被写为

$\mathrm{\Λ}\left(b_{2l}\right)=\ln \frac{P(b_{2l}=0|z_l)}{P(b_{2l}=1|z_l)}$ (式19)

$\mathrm{\Λ}\left(b_{2l+1}\right)=\ln \frac{P(b_{2l+1}=0|z_l)}{P(b_{2l+1}=1|z_l)}$ (式20)

其中，1表示在P/S转换后第1个所接收到的符号。因为Λ(b_2l)和Λ(b_2l+1)用相似的方法计算，所以我们在下面将只集中讨论Λ(b_2l)。

根据Bayes法则，式19可以被写为

$\mathrm{\Λ}\left(b_{2l}\right)=\ln \frac{P\left(z_l\right|b_{2l}=0)}{P\left(z_l\right|b_{2l}=1)}+\ln \frac{P(b_{2l}=0)}{P(b_{2l}=1)}$ (式21)

第一项是通过所接收到的符号和信号星座计算出的所谓外信息，第二项是由前一次Turbo解码器处理得到的先验概率比。此时，只有外信息应被传输到其后的Turo解码器。

设λ₁(b_2l)是b_2l的外信息。则我们有

${\mathrm{\λ}}_1\left(b_{2l}\right)=\ln \frac{P\left(z_{2l}\right|b_{2l}=0,b_{2l+1}=0)P(b_{2l+1}=0)+P\left(z_{2l}\right|b_{2l}=0,b_{2l+1}=1)P(b_{2l+1}=1)}{P\left(z_{2l}\right|b_{2l}=1,b_{2l+1}=0)P(b_{2l+1}=0)+P\left(z_{2l}\right|b_{2l}=1,b_{2l+1}=1)P(b_{2l+1}=1)}$

$=\ln \frac{P\left(z_{2l}\right|C_0)P(b_{2l+1}=0)+P\left(z_{2l}\right|C_1)P(b_{2l+1}=1)}{P\left(z_{2l}\right|C_2)P(b_{2l+1}=0)+P\left(z_{2l}\right|C_3)P(b_{2l+1}=1)}$

$=\ln \frac{P\left(z_{2l}\right|C_0)P(b_{2l+1}=0)/P(b_{2l+1}=1)+P\left(z_{2l}\right|C_1)}{P\left(z_{2l}\right|C_2)P(b_{2l+1}=0)/P(b_{2l+1}=1)+P\left(z_{2l}\right|C_3)}$ (式22)

基于QPSK编码的、格雷映射的信号星座，P(z_2l|C_i)可以被计算为

$P\left(z_{2l}\right|C_i)=\frac{1}{\mathrm{\π}{\mathrm{\υ}}_{21}^2}\exp (-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_i|}^2)$ (式23)

另一方面，来自信道解码器的外信息对应于先验概率并由下式给出

$\ln \frac{P(b_i=0)}{P(b_i=1)}={\mathrm{\λ}}_2\left(b_i\right)$ (式24)

则，似然性可以表示为

$\frac{P(b_i=0)}{P(b_i=1)}=\exp \left[{\mathrm{\λ}}_2\left(b_i\right)\right]$ (式25)

因此，通过引入ln(e^x+e^y)≈max(x，y)的近似，式22变为

${\mathrm{\λ}}_1\left(b_{2l}\right)=\ln \frac{\frac{1}{\mathrm{\π}{\mathrm{\υ}}_{21}^2}\exp (-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{21}{C}_0|}^2)\·\exp \left[{\mathrm{\λ}}_2\left(b_{2l+1}\right)\right]+\frac{1}{\mathrm{\π}{\mathrm{\υ}}_{21}^2}\exp (-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_1|}^2)}{\frac{1}{\mathrm{\π}{\mathrm{\υ}}_{21}^2}\exp (-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_2|}^2)\·\exp \left[{\mathrm{\λ}}_2\left(b_{2l+1}\right)\right]+\frac{1}{\mathrm{\π}{\mathrm{\υ}}_{21}^2}\exp (-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_3|}^2)}$

$\max \{-\frac{1}{{\mathrm{\υ}}_{2l}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_0|}^2+{\mathrm{\λ}}_2\left(b_{2l+1}\right),-\frac{1}{{\mathrm{\υ}}_{2l}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_1|}^2\}$

$=$

$-\max \{-\frac{1}{{\mathrm{\υ}}_{21}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_2|}^2+{\mathrm{\λ}}_2\left(b_{2l+1}\right),-\frac{1}{{\mathrm{\υ}}_{2l}^2}{|z_{2l}-{\mathrm{\μ}}_{2l}{C}_3|}^2\}$

$\max \left\{2\mathrm{Re}\right[\frac{z_{2l}^{*}{\mathrm{\μ}}_{2l}{C}_0}{{\mathrm{\υ}}_{2L}^2}]+{\mathrm{\λ}}_2\left(b_{2l+1}\right),2\mathrm{Re}[\frac{z_{2l}^{*}{\mathrm{\μ}}_{2l}{C}_1}{{\mathrm{\υ}}_{2l}^2}\left]\right\}$

$=$

$-\max \left\{2\mathrm{Re}\right[\frac{z_{2l}^{*}{\mathrm{\μ}}_{2l}{C}_2}{{\mathrm{\υ}}_{2l}^2}]+{\mathrm{\λ}}_2\left(b_{2l+1}\right),2\mathrm{Re}[\frac{z_{2l}^{*}{\mathrm{\μ}}_{2l}{C}_3}{{\mathrm{\υ}}_{2l}^2}\left]\right\}$ (式26)

其中，|C_i|²＝1被用于最后的等式。

类似地，我们可以计算λ₁(b_2l+1)，其是z_2l和λ₁(b_2l)的函数。为包括尾序列的所有码比特所计算出的外信息随后被馈给Turbo解码器，且Turbo解码器基于其网格图(trellis diagram)和上面所得到的外信息再次计算所有码比特的LLR和外信息。

通过使用由Turbo解码器所产生的LLR，软估计生成器40产生软复制符号。此函数权衡符号星座的所有选择的权重，并组合为

${\tilde{x}}_1=C_0{P}_{2l}^0{P}_{2l+1}^0+C_1{P}_{2l}^0{P}_{2l+1}^1+C_2{P}_{2l}^1{P}_{2l+1}^0{+C}_3{P}_{2l}^1{P}_{2l+1}^1$ (式27)

其中，P₁ ⁰和P₁ ¹是对于第l个码比特为0和1的后验概率，并且它们被计算为

${P_1}^0=\mathrm{Prob}.(b_1=0)=\frac{\exp \left[\mathrm{\Λ}\left(b_1\right)\right]}{1+\exp \left[\mathrm{\Λ}\left(b_1\right)\right]}$ (式28)

${P_1}^1=\mathrm{Prob}.(b_1=1)=\frac{\exp [-\mathrm{\Λ}\left(b_1\right)]}{1+\exp [-\mathrm{\Λ}\left(b_1\right)]}$ (式29)

在随后的迭代中，此软估计由SIC 38使用。

考虑到MIMO系统的实际操作，首先必须估计接收器处的信道系数。本领域中一种公知的方法是使用导频符号(pilot symbol)。在每个发射天线使用N_p个导频符号的情形中，所接收到的符号序列变为

         y(t)＝Hs(t)+v(t)，1≤t≤N_p  (式30)

通过将N_p个列向量置于一矩阵之中，我们可以得到

                  Y＝HS+V，(式31)

其中，Y＝(y(1)，y(2)，...y(N_p))，S＝(s(1)，s(2)，...s(N_p))，V＝(v(1)，v(2)，...v(N_p))。该技术假定N_p大于n_T。将导频符号的幂假设为l是合理的，因而

$\underset{i=1}{\overset{n_T}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_p}{\mathrm{\Σ}}}{\left|s_{\mathrm{ij}}\right|}^2=N_p{n}_T$ (式32)

将S的伪逆矩阵右乘Y，信道估计将为

$\hat{H}={\mathrm{YS}}^{+}$ (式33)

因为N_p大于n_T，所以S的伪逆矩阵变为S^H(SS^H)^-1。因此，式33可以重排为

$\hat{H}={\mathrm{YS}}^H{\left({\mathrm{SS}}^H\right)}^{-1}$

$=(\mathrm{HS}+V)S^H{\left({\mathrm{SS}}^H\right)}^{-1}$ (式34)

$=H+{\mathrm{VS}}^H{\left({\mathrm{SS}}^H\right)}^{-1}$

$=H+H^c$

为了使估计误差最小，应该选择S，使得H^∈的总的方差尽可能小。在Marzetta的“BLAST Training：Estimation channel Characteristics For High-Capacity Space-Time Wireless”，Proc.37^th Annual Allerton Conference onCommunications，Computing and Control，Monticello，Illinois(Sept.1999)中，示出了最佳训练序列应该满足

${\mathrm{SS}}^H=N_p{I}_{n_T}$ (式35)

图4和图5示出了在平坦的指数分布的12-路的条件下，MF、MMSE和混合方案采用4次迭代的模拟FER性能。在此假定了理想的GI删除和信道估计。从图4来看，在频率平坦和选择性条件下，SIC-混合方案的性能和SIC-MMSE的性能正好相同，而如图5所示，4个天线的性能发生轻微劣化。在平坦衰落的条件下，(2×2)和(4×4)的中断容量(outagecapacity)分别是6dB为4％以及3dB为7％，其中中断能力可以被看作帧误差率。因此，我们可以推断在(2×2)和(4×4)系统中，SIC-混合系统和SIC-MMSE可以分别达到2.8和2.5dB。因为我们只使用了OFDM调制，所以即使是在频率选择性条件下我们也可以获得如图所示的良好性能。

根据本公开，为实施本发明而使用任何数量的装置对于本领域的技术人员都是很明显的。例如，干扰消除可以由模块或集成的硬件装置来实现，包括ASIC或专用电路。或者，本发明可以通过与无线发射和/或接收设备恰当接口的软件来实现。在不偏离本发明的范围的情况下，从性能或制造的角度，软件和硬件实现的某种组合可能是最佳的。包含根据本发明的软干扰消除器的接收器可以包括无线电话听筒、有因特网能力的设备或其他任何无线通信装置。

已在此根据某些优选实施例描述了本发明。这些实施例是用作对本发明的范围说明性的手段，而非限制。在不偏离由所附权利要求所限定的本发明范围的情况下，对于本领域技术人员来说修改和替换可以是明显的。

Claims (30)

1.一种装置，用于消除同时从多个发射天线发射并由多个接收天线接收的多个信号之间的干扰，所述装置包括多个干扰消除器，至少一个干扰消除器对应于每个所发射的信号，每个干扰消除器从每个接收天线接收信号，每个干扰消除器输出其对应发射信号的已消除干扰的接收版本。

2.如权利要求1所述的用于消除干扰的装置，还包括软符号估计器，用于产生对从所有发射天线所接收到的符号的估计，以用于每个干扰消除器。

3.如权利要求2所述的用于消除干扰的装置，其中，每个干扰消除器迭代地消除对于其对应的发射信号的干扰，直至满足中断标准。

4.如权利要求2所述的用于消除干扰的装置，其中，每个估计包括对应于每个干扰消除器的对于所述发射信号的强制置零项。

5.如权利要求1所述的用于消除干扰的装置，还包括滤波权重计算器。

6.如权利要求1所述的用于消除干扰的装置，其中，每个干扰消除器包含滤波权重计算器。

7.一种多输入多输出无线通信接收器，具有如权利要求1所述的干扰消除的装置。

8.如权利要求7所述的无线通信接收器，还包括并行-串行转换器，用于将所述多个干扰消除器输出转换成串行流。

9.如权利要求7所述的无线通信接收器，还包括解码器，用于基于所述多个干扰消除器输出恢复数据流。

10.一种消除同时从多个发射天线发射并由多个接收天线接收的多个信号之间的干扰的方法，所述方法包括如下步骤：

a)将从每个接收天线所接收到的信号提供至多个干扰消除器中的每一个，至少一个干扰消除器对应于每个所述所发射的信号，每个干扰消除器消除对于其对应发射信号的干扰；以及

b)通过在每个干扰消除器中将所述所接收到的信号与所述所发射的信号的估计进行比较，并消除除所述对应发射信号的之外的其他所有信号，来消除干扰。

11.如权利要求10所述的方法，其中，在步骤(b)中所产生的每个估计包括对应于每个干扰消除器的对于所述发射信号的强制置零项。

12.如权利要求10所述的消除干扰的方法，还包括将信道系数矩阵乘以每个估计的步骤。

13.如权利要求12所述的消除干扰的方法，其中，所述信道系数矩阵从收到的已知导频信号来获得。

14.如权利要求12所述的消除干扰的方法，还包括将所述的每个估计和信道系数矩阵的乘积从所述接收到的信号中减去，得到所述乘积中的每一个和所述接收到的信号中的每一个之间的对应的差。

15.如权利要求14所述的消除干扰的方法，还包括将滤波权重向量乘以所述乘积中的每一个和所述接收到的信号中的每一个之间的所述对应的差。

16.如权利要求10所述的消除干扰的方法，还包括迭代地进行步骤(b)的所述干扰消除，直至满足预定的中断标准。

17.一种进行多输入多输出无线通信的方法，包括在接收端执行如权利要求10所述的消除干扰的方法。

18.一种消除同时从多个发射天线发射并由多个接收天线接收的多个信号之间的干扰的方法，所述方法包括如下步骤：

(a)将从每个接收天线所接收到的信号提供至多个干扰消除器中的每一个，至少一个干扰消除器对应于每个所述所发射的信号，并且每个干扰消除器专用于消除对于其对应发射信号的干扰；

(b)产生所述的从所有发射天线发射的信号的估计，以用于每个干扰消除器；

(c)将信道系数矩阵乘以每个估计；

(d)从所述接收到的信号中减去所得到的每个估计和信道系数矩阵的乘积，得到所述乘积中的每一个和所述接收到的信号中的每一个之间的对应的差；

(e)将滤波权重向量乘以每个对应的差；

(f)基于所述的差和所述的滤波权重向量之间所得到的乘积来解码所述接收到的信号；

(g)如果不满足预定的中断标准，则利用所述解码的信号来产生用于下次干扰消除迭代的估计；以及

(h)如果不满足所述预定的中断标准，则迭代地进行步骤(b)至(g)。

19.如权利要求18所述的方法，其中，在步骤(b)中所产生的每个估计包括对应于每个干扰消除器的对于所述发射信号的强制置零项。

20.如权利要求18所述的方法，其中，对每次迭代选择性地选用步骤(e)中所使用的计算滤波权重向量的方法。

21.如权利要求20所述的消除干扰的方法，其中，对于步骤(e)中所使用的计算滤波权重向量的方法的选择标准是信噪比、信噪改善比、接收或发射天线数量、对数似然比、迭代的次数和所述发射信号的所述估计的星座中的至少一个。

22.如权利要求18所述的消除干扰的方法，其中，计算所述滤波权重向量的方法包括匹配滤波法和最小均方差法中的一种。

23.如权利要求18所述的消除干扰的方法，其中步骤(e)中所使用的计算滤波权重向量的方法，在第一次迭代中是最小均方差法，而在任何随后的迭代中是匹配滤波法。

24.如权利要求18所述的消除干扰的方法，其中，所述中断标准是错误比特的数量、错误块的数量、错误帧的数量、对数似然比和迭代次数中的至少一个。

25.如权利要求18所述的消除干扰的方法，其中，所述信道系数矩阵从收到的已知导频信号来获得。

26.一种进行多输入多输出无线通信的方法，包括在接收端执行如权利要求18所述的消除干扰的方法。

27.一种装置，用于消除同时从多个发射天线发射并由多个接收天线接收的多个信号之间的干扰，所述装置包括：

(a)多个干扰消除器，至少一个干扰消除器对应于每个所述发射信号，且每个干扰消除器专用于消除对于其相应的发射信号的干扰；

(b)产生用于每个干扰消除器中的所述发射符号的估计的软符号估计器，每个估计包括对应于每个干扰消除器的对于所述发射信号的强制置零项。

(c)用于将信道系数矩阵乘以每个估计的装置；

(d)用于从所述接收到的信号中减去每个估计和所述信道系数矩阵所得到的乘积的装置；

(e)用于计算滤波权重向量的装置；

(f)用于将滤波权重向量乘以所述乘积和所述接收到的信号之间的所述每个差的装置；以及

(g)用于基于所述差和所述滤波权重向量所得到的乘积来解码所述信号的装置。

28.如权利要求27所述的用于消除干扰的装置，其中，所述软符号估计器使用来自前一次迭代的所述解码信号来产生所述发射符号的所述估计。

29.如权利要求27所述的消除干扰的装置，其中，所述软符号估计器使用已消除干扰的信号来产生所述发射的符号的所述估计。

30.一种多输入多输出的无线通信系统，包括具有如权利要求27所述的干扰消除装置的接收器。

Images