CN1748371A - 通信系统中降低干扰的方法与装置 - Google Patents

Abstract

这里提供一种降低通信系统中干扰的方法。该方法包括的步骤为：接收信号y(n)，这里，y(n)包括所需信号s(n)和共道干扰i(n)，其中，s(n)和i(n)不时间同步；将y(n)转换为频域信号Y(k)(105)；计算加权矢量W(k)(109)，其中W(k)基于s(n)和i(n)，还基于存在于s(n)和i(n)间的时间偏移T；并且将W(k)应用于Y(k)(111)以均衡所需信号s(n)，和降低共道干扰i(n)。

Description

通信系统中降低干扰的方法与装置

技术领域

本发明主要涉及干扰抑制，特别是涉及通信系统中降低干扰的方法与装置。

背景技术

干扰通常会影响通信系统的性能。通信系统中，用户经常遇到的一种干扰是由其他用户发射信号产生的干扰。通常，这种干扰是由处于相同频带内的许多用户发射信号造成的，并将其称为共道干扰(co-channel interference)。为了降低共道干扰，许多通信系统采用频率复用模式，相邻小区中的发射机在不同频率上发射。然而，若给定频谱价格，未来通信系统将以密集频率复用模式为特征，这将导致共道干扰水平的急剧增加。

虽然如此，越来越多的系统运营商正利用未经许可的频带发射信息。由于未经许可频带内的发射机数量不受限制，这就存在极大增加共道干扰的可能性。另外，由于未经许可频带内的运营商不需要同步至公共源，所以共道干扰通常为异步的，因为干扰信号和所需信号未在时间上对齐。

由于共道干扰显著降低了通信系统效率，也由于共道干扰既可为同步的，也可为异步的，因而，在通信系统中，需要一种方法和装置来降低同步和异步共道干扰

附图说明

图1为根据本发明优选实施例的接收机框图。

图2说明根据本发明优选实施例的典型帧结构。

图3为根据本发明优选实施例的图1的加权计算器。

图4为根据本发明优选实施例的图1的接收机工作流程图。

具体实施方式

在高度频率选择性传播信道中，精确跟踪信道频率响应变化的能力对任何干扰抑制算法的正确工作至关重要。本发明的方法与设备提供一种改善的技术来合并多个接收天线的输出，以抑制干扰。本发明的方法与设备可集成至通信接收设备、基站或用户单元。本发明中，术语“设备”可以指任何类型的通信设备，例如基站、用户单元或者其他通信接收机或发射机。

根据本发明的优选实施例，这里提供一种在通信系统中降低干扰的方法与装置。方法包括的步骤为：接收信号y(n)，此处y(n)包括所需信号s(n)和共道干扰信号i(n)，其中，s(n)和i(n)不时间同步；将y(n)转换为频域信号Y(k)；计算加权矢量W(k)，其中，W(k)基于s(n)和i(n)，还基于存在于s(n)和i(n)间的时间偏移T；并将W(k)应用于Y(k)以均衡所需信号s(n)，降低共道干扰i(n)。对于非同步系统，基于所需信号和干扰的定时偏移计算W(k)，该定时偏移来自在接收机处保持的时间参考。

现转向附图，其中，相同的数字代表相同的元件，图1是根据本发明优选实施例的接收机100的框图。接收机100采用OFDM通信系统协议，然而，在本发明替换实施例中，也可采用其他系统协议。所述其他系统协议包括，但不限于，具有循环前缀的频域均衡单载波系统(称为循环前缀单载波)、具有循环前缀码分多址系统(称为循环前缀CDMA)、多载波CDMA系统和扩展OFDM系统。因此，本发明可在OFDM系统、CP单载波系统、CP-CDMA系统和任何其他类似或混合的系统中有效应用。如同所示出的，接收机100包括至少一个天线101、循环前缀消除器103、快速傅立叶变换器(FFT)105和信道估计器107。如本领域所知，根据接收机同时接收的信道数量，上述元件的确切数目将会变化。简单起见，只示出两个接收信号：s(n)为从所需发射机(接收机试图估计其数据的发射机)接收的信号，i(n)为从干扰发射机接收的信号。所需发射机也称为所需信号或所需用户。s(n)与i(n)均为经各自信道衰落后从各自发射机接收的信号。应当注意，在本发明的优选实施例中，s(n)与i(n)可同步至，也可不同步至公共时间源。

不论同时接收多少个信号，接收机100包括加权计算器109与合并器111。在本发明的优选实施例中，接收机100与发明人为Thomas等、发明名称为“METHOD AND DEVICE FOR CHANNEL ESTIMATION，EQUALIZATION，AND INTERFERENCE SUPPRESSION”(信道估计、均衡和干扰抑制的方法与设备)的美国专利No.6,141,393中描述的接收机类似，并在此引用该专利。如在’393专利中所述，准确跟踪通信系统频率响应的方法与设备有利于实现高效的干扰抑制。为了完成此任务，加权计算器109计算适当的信道权值，应用于接收信号y(n)，以均衡所需信号s(n)，并降低共道干扰i(n)。然而，与’393专利不同，本发明的接收机100既可抑制同步干扰，也可抑制异步干扰。还与’393专利不同，在均衡所需信号时，本发明的接收机100既考虑了所需信号的同步部分也考虑了所需信号的异步部分。下面参考图1和图2，更详细地解释了如何实现。

图2说明根据本发明优选实施例的典型帧结构200。在优选实施例中，多个发射设备同时向具有多个天线101的接收机100发送信息。在本发明的优选实施例中，所有发射设备以突发(burst)形式发送信息，突发包括三部分：循环前缀201、数据块203和训练(导频)序列205。然而，在替换实施例中，可去除循环前缀201。帧结构200可分为多个符号块，符号块由长度为L_cp的循环前缀201和长度均为N的数据符号块203或导频符号块205构成。图中，第一个符号块x(n，b)，-L_cp≤n≤N-1，为具有N+L_cp个符号的块，称为块b，只含有数据符号。第二个符号块(块b+1)x(n，b)，-L_cp≤n≤N-1，为另一个具有N+L_cp个符号的块，只含有导频符号。在优选实施例中，循环前缀201中包含的信息包括符号块最后L_cp(此处L_cp≥0)个时域符号的重复。这种重复以方程形式可表示为x(n，b)＝x(n+N，b)，-L_cp≤n≤-1。

在本发明的其他实施例中，循环前缀可包含已知符号，例如训练符号或空符号。此外，其他实施例可具有插入在符号块的开始与结束间的循环前缀(或空前缀，或其他形式的循环冗余)。所需发射机与干扰可具有不同长度的循环前缀，因此使用L_cp ^d和L_cp ⁱ分别表示所需信号的循环前缀长度和干扰的循环前缀长度。L_cp ^d和L_cp ⁱ均大于或等于零，此处，零值意味着不采用循环前缀。在训练间隔205中发送的信息包含发射设备和接收机100都已知内容和持续期的导频符号序列。注意，帧结构200在不同的符号块207中，而不是在所示的只包含数据符号的块203中包含导频符号块205。在替换实施例中，包含在块203中的所示数据符号可与包含在块205中的所示导频符号混和在一起，构成既包括导频符号，又包括数据符号的符号块，这里，导频与数据符号存在于时间或频率域。所需发射机的符号表示为x_d(n，b)，是接收机试图恢复的符号。干扰的符号表示为X_i(n，b)。

在工作期间，M×1信号y(n)(这里，M为接收天线数量，n表示时间采样索引)进入至少一个天线101，以公式的形式给出y(n)：

y(n)＝s(n)+i(n)+e(n)，    (1)

这里，e(n)是功率为σ_n ²的M×1接收机噪声矢量，e(n)也可包含任何i(n)中没有包括的干扰信号。s(n)和i(n)为：

这里，L_d为所需用户的时域信道的长度，L_i为干扰的时域信道的长度，h_l ^d(0≤l≤L_d-1)为滞后所需用户l的M×1时域信道矢量，h_l ⁱ(0≤l≤L_i-1)为滞后干扰l的M×1时域信道矢量，T_d为所需用户的定时偏移，T_i为干扰的时间偏移，(n)_N表示n对N取模，「n」表示小于或等于n的最大整数。

信号y(n)包括M×1的所需信号s(n)、也为M×1的所有干扰信号i(n)和噪声e(n)。在符号时间b，解调y(n)，并通过循环前缀消除器103去除部分y(n)(即不考虑偏移T_d，将接收机同步至所需信号)，该部分对应于所需信号s(n)的循环前缀部分。从而得到M×1信号r(n，b)，0≤n≤N-1。以公式的形式给出r(n，b)：

$r(n,b)=\left[\begin{array}{c}{r}_1(n,b)\\ .\\ .\\ .\\ r_M(n,b)\end{array}\right]=y((b-1)(N+L_{\mathrm{cp}}^d)+n)----\left(4\right)$

消除循环前缀后，通过FFT运算105，将信号转换为频域信号Y(k，b)，这里，k表示频率(或子载波)索引，以公式的形式给出Y(k，b)：

$Y(k,b)=\left[\begin{array}{c}{Y}_1(k,b)\\ .\\ .\\ .\\ Y_M(k,b)\end{array}\right]=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}r(n,b)e^{-j2\mathrm{\πkn}/N}----\left(5\right)$

频域信号Y(k，b)，在时间索引为b时，对应导频间隔，进入信道估计器107，此处为所需信号和所有干扰进行信道估计。更特别地(简单起见，假设只有单个干扰)，估计所需信号与干扰的M×1时域信道，分别记为h_l ^d与h_l ⁱ，和所需信号与干扰的各自信道长度，分别记为L_d与L_i，与噪声功率σ_n ²和所需信号与干扰的定时偏移，分别记为T_d与T_i。为了简化合并权值W(k)的计算，假设所需信号与干扰的时域信道不随时间变化。在其他实施例中，信道估计器根据信道变化，跟踪时间变化与合并权值的改变。

与接收的时域信号y(n)类似，频域信号Y(k，b)还可表示为所需信号、干扰和噪声之和，如下：

Y(k，b)＝S(k，b)+I(k，b)+E(k，b)    (6)

这里，

$S(k,b)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}s((b-1)(N+L_{\mathrm{cp}}^d)+n)e^{-j2\mathrm{\πkn}/N}----\left(7\right)$

$I(k,b)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}i((b-1)(N+L_{\mathrm{cp}}^d)+n)e^{-j2\mathrm{\πkn}/N}---\left(8\right)$

$E(k,b)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}e((b-1)(N+L_{\mathrm{cp}}^d)+n)e^{-j2\mathrm{\πkn}/N}----\left(9\right)$

如专利‘393所述，加权计算器109计算合适的权值，并应用于数据203，从而均衡所需用户的频域信号S(k，b)，并降低或消除频域干扰信号I(k，b)，而不明显增加频域噪声E(k，b)。更特别地，在所需用户的训练间隔205中，采用信道估计器107的输出计算M×1权值W(k)，如下所述。与现有技术不同，在本发明的优选实施例中，计算W(k)，从而消除异步和同步干扰。通过考虑干扰的异步部分和干扰的同步部分，在频率域为干扰进行适当的建模，可实现干扰消除。利用计算W(k)中的适当模型，可优化地消除干扰。还与现有技术不同，在本发明的优选实施例中，计算W(k)，从而考虑所需信号的异步部分和同步部分。通过考虑所需信号的异步部分，可计算得到比现有技术更好的合并权值W(k)。

在时隙200的数据部分中，将W(k)应用于Y(k，b)，使得干扰降低，并得到所需用户的频域信号的估计。以公式形式给出合并运算：

${\hat{X}}_d(k,b)=W^H\left(k\right)Y(k,b)----\left(10\right)$

这里，^H为共轭转置运算符，

为所需用户的频域符号X_d(k，b)的估计，这里，X_d(k，b)为所需用户的时域符号x_d(k，b)的FFT，如下：

$X_d(k,b)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_d(n,b)e^{-j2\mathrm{\πkn}/N}----\left(11\right)$

如上所述，与现有干扰抑制技术不同，在本发明的优选实施例中，确定W(k)，从而消除异步与同步干扰。更特别地，现有的大多数通信系统并不试图抑制来自其他小区的干扰，而简单地将其视为噪声。通过抑制干扰，可使系统容量获得显著的提高。

在循环前缀通信系统中，将异步干扰定义为这样的信号，其循环前缀不与所需信号的循环前缀在时间上对齐(也就是T_i≠0)。这意味着在频率域，在给定子载波上，不能将异步干扰建模为将该子载波上的干扰信道乘以数据符号。因此，需要准确的异步干扰信号的频域模型。此外，若T_d≠0或L_cp ^d＞L_d，需要准确的所需信号的频域信号模型。对于随后的分析，假设0≤T_d≤N-L_cp ^d且0≤T_i≤N-L_cp ⁱ。为了简化随后的分析，假设b＝0。接收的所需用户和干扰的M×1时域信号(M为接收天线数量)可表示为(仅适用于以上假设且0≤n≤N-1)：

$\tilde{s}\left(n\right)=\underset{l=0}{\overset{L_d-1}{\mathrm{\Σ}}}{h}_l^d{z}_d(n-l-T_d)---\left(12\right)$

$\tilde{i}\left(n\right)=\underset{l=0}{\overset{L_i-1}{\mathrm{\Σ}}}{h}_l^i{z}_i(n-l-T_i)---\left(13\right)$

这里，用‘～‘说明这些信号与s(n)和i(n)不同，因为它们仅在0≤n≤N-1上定义。采用z_d(n)与z_i(n)来简化分析：

$z_d\left(n\right)=\left\{\begin{array}{c}{x}_d(n,0),n\&GreaterEqual;-L_{\mathrm{cp}}^d\\ x_d(n,-1),n<-L_{\mathrm{cp}}^d\end{array}\right.---\left(14\right)$

$z_i\left(n\right)=\left\{\begin{array}{c}{x}_i(n,0),n\&GreaterEqual;-L_{\mathrm{cp}}^i\\ x_i(n,-1),n<-L_{\mathrm{cp}}^i\end{array}\right.---\left(15\right)$

注意，所需信号与干扰都具有插入的循环前缀，所以，z_d(n)＝z_d(n+N)，-L_cp ^d≤n≤-1，且z_i(n)＝z_i(n+N)，-L_cp ⁱ≤n≤-1。尽管所述分析假设所需信号与干扰信号都具有循环前缀，但该分析对下面将讨论的没有循环前缀的信号仍然成立。接收信号可表示为：

$\tilde{s}\left(n\right)=\underset{l=0}{\overset{\max (L_{\mathrm{cp}}^d+1-T_d,0)-1}{\mathrm{\&Sigma;}}}{h}_l^d{z}_d(n-l-T_d)+\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d}{\mathrm{\&Sigma;}}}{h}_l^d{z}_d(n-l-T_d)---\left(16\right)$

$\tilde{i}\left(n\right)=\underset{l=0}{\overset{\max (L_{\mathrm{cp}}^i+1-T_i,0)-1}{\mathrm{\&Sigma;}}}{h}_l^i{z}_d(n-l-T_i)+\underset{l=\max (L_{\mathrm{cp}}^d+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{z}_i(n-l-T_i)---\left(17\right)$

(16)与(17)中的第一项表示信号的同步部分，(16)与(17)中的第二项对应于异步部分。注意，若T_d(T_i)足够大，所需信号(干扰)的同步部分将为零。对于没有循环前缀的所需信号(干扰)，仅存在异步部分，且将T_a(T_i)设为L_cp ^d+1(L_cp ⁱ+1)。

与

的N点FFT为：

$\tilde{S}\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\tilde{S}\left(n\right)e^{-j2\mathrm{\&pi;kn}/N}---\left(18\right)$

$\tilde{I}\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\tilde{i}\left(n\right)e^{-j2\mathrm{\&pi;kn}/N}---\left(19\right)$

将(16)代入(18)，(17)代入(19)，并化简，可将

与表示为：

$\tilde{S}\left(k\right)=e^{-j2\mathrm{\&pi;k}{T}_d/N}{H}_s^d\left(k\right)Z_d\left(k\right)+\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_l^d{z}_d(n-l{-T}_d)e^{-j2\mathrm{\&pi;kn}/N},---\left(20\right)$

${\tilde{I}\left(k\right)=e}^{-j2\mathrm{\&pi;k}{T}_i/N}{H}_s^i\left(k\right)Z_i\left(k\right)+\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{z}_d(n-l{-T}_i)e^{-j2\mathrm{\&pi;kn}/N},--\left(21\right)$

这里：

H_s ^d(k)与H_s ⁱ(k)分别为所需用户信道和干扰信道的同步部分的FFT，这里；

$H_s^d\left(k\right)=\underset{l=0}{\overset{\max (L_{\mathrm{cp}}^d+1-T_d,0)-1}{\mathrm{\&Sigma;}}}{h}_l^d{e}^{-j2\mathrm{\&pi;kl}/N}---\left(22\right)$

$H_s^i\left(k\right)=\underset{l=0}{\overset{\max (L_{\mathrm{cp}}^i+1-T_i,0)-1}{\mathrm{\&Sigma;}}}{h}_l^i{e}^{-j2\mathrm{\&pi;kl}/N}--\left(23\right)$

h_l ^d为所需用户的时域信道；

h_l ⁱ为干扰的时域信道，且

Z_d(k)与Z_i(k)为分别为所需用户的时域符号和干扰的时域符号的FFT，这里

$Z_d\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_d\left(N\right)e^{-j2\mathrm{\&pi;kn}/N}---\left(24\right)$

$Z_i\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i\left(N\right)e^{-j2\mathrm{\&pi;kn}/N}.---\left(25\right)$

注意，如果所需信号(干扰)完全异步，那么，H_s ^d(k)(H_s ⁱ(k))为零。还需注意，在H_s ^d(k)与H_s ⁱ(k)的定义中不存在

最小均方差(MMSE)合并权值W(k)需要子载波k上所需用户的空间相关矩阵R_d(k)、子载波k上干扰的空间相关矩阵R_I(k)和噪声的空间相关矩阵R_E(k)。(通常， $R_E\left(k\right)={\mathrm{\&sigma;}}_n^2{I}_M,$ 这里，I_M为M×M单位阵)。解下列方程可得到合并权值W(k)：

W(k)＝argmin{Ex(w(k)^HY(k，b)-X_d(k，b)}     (26)

这里，Ex()为期望运算符，W(k)的解可表示为：

W(k)＝(R_d(k)+R_I(k)+R_E(k))^-1p(k)  (27)

这里，所需用户和干扰的M×1互相关矢量p(k)和空间相关矩阵为：

$p\left(k\right)=\mathrm{Ex}\left\{\tilde{S}\left(k\right)X^{*}(k,b)\right\}=\mathrm{Ex}\left\{\tilde{S}\left(k\right)Z_d^{*}\left(k\right)\right\}---\left(28\right)$

$R_d\left(k\right)=\mathrm{Ex}\left\{\tilde{S}\left(k\right){\tilde{S}}^H\left(k\right)\right\}---\left(29\right)$

$R_I\left(k\right)=\mathrm{Ex}\left\{\tilde{I}\left(k\right){\tilde{I}}^H\left(k\right)\right\}---\left(30\right)$

注意，式(27)中的合并权值W(k)假设存在干扰。本发明在无干扰存在时，通过考虑所需信号的异步和同步部分，还可提高现有技术的均衡能力。与现有技术不同，在本发明的优选实施例中，计算得到W(k)，从而当无干扰信号时，在均衡接收信号时，考虑所需用户的频域信号的异步和同步分量。对于无干扰的情况，合并权值为：

W(k)＝(R_d(k)+R_E(k))^-1p(k)  (31)

为了求出p(k)，R_d(k)，和R_I(k)，可将 (k)与

(k)分解为同步部分，分别为S_s(k)与I_s(k)，和异步部分，分别为S_a(k)与I_a(k)，如下：

$\tilde{S}\left(k\right)=S_s\left(k\right)+S_a\left(k\right),---\left(32\right)$

$\tilde{I}\left(k\right)=I_s\left(k\right)+I_a\left(k\right),---\left(33\right)$

这里：

$S_s\left(k\right)=e^{-j2\mathrm{\&pi;k}{T}_d/N}{H}_s^d\left(k\right)Z_d\left(k\right),---\left(34\right)$

$I_s\left(k\right)=e^{-j2\mathrm{\&pi;k}{T}_i/N}{H}_s^i\left(k\right)Z_i\left(k\right),---\left(35\right)$

$S_a\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_l^d{z}_d(n-l-T_d)e^{-j2\mathrm{\&pi;kn}/N}---\left(36\right)$

$I_a\left(k\right)=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{z}_i(n-l-T_i)e^{-j2\mathrm{\&pi;kn}/N},---\left(36\right)$

可用S_s(k)与S_a(k)将p(k)表示为如下形式：

$p\left(k\right)=\mathrm{Ex}\left\{S_s\left(k\right)Z_d^{*}\left(k\right)\right\}+\mathrm{Ex}\left\{S_a\left(k\right)Z_d^{*}\left(k\right)\right\}--\left(38\right)$

现可用S_s(k)与S_a(k)将R_d(k)表示为如下形式：

$R_d\left(k\right)=\mathrm{Ex}\left\{S_s^H\left(k\right)S_s^H\left(k\right)\right\}+\mathrm{Ex}\left\{S_a\left(k\right)S_a^H\left(k\right)\right\}+\mathrm{Ex}\left\{S_s\left(k\right)S_a^H\left(k\right)\right\}+\mathrm{Ex}\left\{S_a\left(k\right)S_s^H\left(k\right)\right\}--\left(39\right)$

现可用I_s(k)与I_a(k)将R_I(k)表示为如下形式：

$R_I\left(k\right)=\mathrm{Ex}\left\{I_s^H\left(k\right)I_s^H\left(k\right)\right\}+\mathrm{Ex}\left\{I_a\left(k\right)I_a^H\left(k\right)\right\}+\mathrm{Ex}\left\{I_s\left(k\right)I_a^H\left(k\right)\right\}+\mathrm{Ex}\left\{I_a\left(k\right)I_s^H\left(k\right)\right\}$

(40)

为了评估(38)、(39)和(40)中各项，必须定义所需用户与干扰的时域符号相关性，分别为R_zz ^d(n，m)与R_zz ⁱ(n，m)；所需用户与干扰的频域符号相关性，分别为R_ZZ ^d(k)与R_ZZ ⁱ(k)；和所需用户与干扰的频域与时域符号的互相关性，分别为R_Zz ^d(k，m)与R_Zz ⁱ(k，m)。这些相关性将取决于采用的调制类型(例如：OFDM或单载波)。定义这些相关性为：

$R_{\mathrm{zz}}^d(n,m)=\mathrm{Ex}\left\{z_d^{*}\left(n\right)z_d\left(m\right)\right\}--\left(41\right)$

$R_{\mathrm{zz}}^d(n,m)=\mathrm{Ex}\left\{z_d^{*}\left(k\right)z_d\left(k\right)\right\}---\left(42\right)$

$R_{\mathrm{Zz}}^d(k,m)=\mathrm{Ex}\left\{z_d^{*}\left(k\right)z_d\left(m\right)\right\}--\left(43\right)$

$R_{\mathrm{zz}}^i(n,m)=\mathrm{Ex}\left\{z_i^{*}\left(n\right)z_i\left(m\right)\right\}--\left(44\right)$

$R_{\mathrm{zz}}^i\left(k\right)=\mathrm{Ex}\left\{Z_i^{*}\left(k\right)Z_i\left(k\right)\right\}--\left(45\right)$

$R_{\mathrm{Zz}}^i(k,m)=\mathrm{Ex}\left\{Z_i^{*}\left(k\right)z_i\left(m\right)\right\}---\left(46\right)$

可用时域符号的相关性将频域与时域符号的互相关性表示为如下形式：

$R_{\mathrm{Zz}}^d(k,m)=\mathrm{Ex}\left\{\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_d^{*}\left(n\right)e^{j2\mathrm{\&pi;kn}/N}{z}_d\left(m\right)\right\}=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{R}_{\mathrm{zz}}^d(n,m)e^{j2\mathrm{\&pi;kn}/N}--\left(47\right)$

$R_{\mathrm{Zz}}^i(k,m)=\mathrm{Ex}\left\{\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{z}_i^{*}\left(n\right)e^{j2\mathrm{\&pi;kn}/N}{z}_i\left(m\right)\right\}=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{R}_{\mathrm{zz}}^i(n,m)e^{j2\mathrm{\&pi;kn}/N}--\left(48\right)$

利用相关函数，可将(38)、(39)和(40)中的不同项表示为：

$\mathrm{Ex}\left\{S_s\left(k\right)Z_d^{*}\left(k\right)\right\}=e^{-j2\mathrm{\&pi;k}{T}_d/N}{H}_s^d\left(k\right)---\left(49\right)$

$\mathrm{Ex}\left\{S_a\left(k\right)Z_d^{*}\left(k\right)\right\}=\frac{1}{\sqrt{N}}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (0,L_{\mathrm{cp}}^d+1-T_d)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_t^d{R}_{\mathrm{Zz}}^d(k,n-l-T_d)e^{-j2\mathrm{\&pi;kn}/N}--\left(50\right)$

$\mathrm{Ex}\left\{S_s\left(k\right)S_s^H\left(k\right)\right\}=H_s^d\left(k\right){\left(H_s^d\left(k\right)\right)}^H{R}_{\mathrm{ZZ}}^d\left(k\right)--\left(51\right)$

$\mathrm{Ex}\left\{S_a\left(k\right)S_s^H\left(k\right)\right\}=\frac{1}{\sqrt{N}}{e}^{j2\mathrm{\&pi;k}{T}_d/N}\left(\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (0,L_{\mathrm{cp}}^d+1-T_i)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_l^d{R}_{\mathrm{Zz}}^d(k,n-l-T_d)e^{-j2\mathrm{\&pi;kn}/N}\right){\left(H_s^d\left(k\right)\right)}^H$

(52)

$\mathrm{Ex}\left\{S_s\left(k\right)S_a^H\left(k\right)\right\}={\left(\mathrm{Ex}\right\{S_a\left(k\right)S_s^H\left(k\right)\left\}\right)}^H---\left(53\right)$

$\mathrm{Ex}\left\{S_a\left(k\right)S_a^H\left(k\right)\right\}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{m=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}\underset{p=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_p^d{\left(h_l^d\right)}^H{R}_{\mathrm{zz}}^d(n-l-T_d,m-p-T_d)e^{j2\mathrm{\&pi;k}(m,n)/N}--\left(54\right)$

$\mathrm{Ex}\left\{I_s\left(k\right)I_s^H\left(k\right)\right\}=H_s^i\left(k\right){\left(H_s^i\left(k\right)\right)}^H{R}_{\mathrm{zz}}^i\left(k\right)---\left(55\right)$

$\mathrm{Ex}\left\{I_a\left(k\right)I_s^H\left(k\right)\right\}=\frac{1}{\sqrt{N}}{e}^{j2\mathrm{\&pi;k}{T}_i/N}\left(\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (0,L_{\mathrm{cp}}^i+1-T_i)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{R}_{\mathrm{Zz}}^i(k,n-l+T_i)e^{-j2\mathrm{\&pi;kn}/N}\right){\left(H_s^i\left(k\right)\right)}^H--\left(56\right)$

$\mathrm{Ex}\left\{I_s\left(k\right)I_a^H\left(k\right)\right\}={\left(\mathrm{Ex}\right\{I_a\left(k\right)I_s^H\left(k\right)\left\}\right)}^H--\left(57\right)$

$\mathrm{Ex}\left\{I_a\left(k\right)I_a^H\left(k\right)\right\}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{m=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}\underset{p=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_p^i{\left(h_l^i\right)}^H{R}_{\mathrm{zz}}^i(n-l-T_i,m-p-T_i)e^{j2\mathrm{\&pi;k}(m-n)/N}--\left(58\right)$

对于所需用户的相关函数，一般有如下假设：

$R_{\mathrm{zz}}^d(n,m)=\mathrm{Ex}\left\{z_d^{*}\left(n\right)z_d\left(m\right)\right\}=\mathrm{\&delta;}(n-m)--\left(59\right)$

$R_{\mathrm{zz}}^d\left(k\right)=E\left\{Z_d^{*}\left(k\right)Z_d\left(k\right)\right\}=1---\left(60\right)$

这里：

由于相关性仅用于所需用户的异步部分，所以(59)中的相关性并没有考虑循环前缀和块中最后几个符号的相关性。

对于干扰的相关函数，一般有如下假设：

$R_{\mathrm{zz}}^i(n,m)=\mathrm{Ex}\left\{z_i^{*}\left(n\right)z_i\left(m\right)\right\}=\mathrm{\&delta;}(n-m)---\left(62\right)$

$R_{\mathrm{zz}}^i\left(k\right)=\mathrm{Ex}\left\{Z_i^{*}\left(k\right)Z_i\left(k\right)\right\}=1---\left(63\right)$

这里：

由于相关性仅用于干扰的异步部分，所以(62)中的相关性并没有考虑循环前缀和块中最后几个符号的相关性。

利用(59)和(60)中的假设，p(k)可表示为：

$p\left(k\right)=e^{-j2\mathrm{\&pi;k}{T}_d/N}[H_s^d\left(k\right)+\frac{1}{N}\underset{l=\max (0,L_{\mathrm{cp}}^d+1-T_d)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}(N-T_d-l)h_l^d{e}^{-j2\mathrm{\&pi;kl}/N}]---\left(65\right)$

利用(59)和(60)中的假设，R_d(k)可表示为：

$R_d\left(k\right)=H_s^d\left(k\right){\left(H_s^d\left(k\right)\right)}^H+H_a^d\left(k\right){\left(H_a^d\left(k\right)\right)}^H-R_c^d\left(k\right)-{\left(R_c^d\left(k\right)\right)}^H+R_x^d\left(k\right)+{\left(R_x^d\left(k\right)\right)}^H---\left(66\right)$

这里，M×1的H_a ^d(k)，M×M的R_c ^d(k)，和M×M的R_x ^d(k)为：

$H_a^d\left(k\right)=\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_l^d{e}^{-j2\mathrm{\&pi;kl}/N}---\left(67\right)$

$R_c^d\left(k\right)=\frac{1}{N}\underset{n=0}{\overset{L_d-2}{\mathrm{\&Sigma;}}}\underset{p=\max (L_{\mathrm{cp}}^d+2-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,p+n+1)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}{h}_l^d{\left(h_p^d\right)}^H{e}^{-j2\mathrm{\&pi;k}(l-p)/N}---\left(68\right)$

$R_x^d\left(k\right)=\frac{1}{N}{H}_s^d\left(k\right)\underset{l=\max (L_{\mathrm{cp}}^d+1-T_d,0)}{\overset{L_d-1}{\mathrm{\&Sigma;}}}\max (0,N-T_d-l+L_{\mathrm{cp}}^d){\left(h_l^d\right)}^H{e}^{j2\mathrm{\&pi;kl}/N}---\left(69\right)$

R_x ^d(k)项需要考虑(20)的同步部分和异步部分间的互相关性。利用(62)和(63)中的假设，R_I(k)可表示为：

$R_I\left(k\right)=H_s^i\left(k\right){\left(H_s^i\left(k\right)\right)}^H+H_a^i\left(k\right){\left(H_a^i\left(k\right)\right)}^H-R_c^i\left(k\right)-{\left(R_c^i\left(k\right)\right)}^H+R_x^i\left(k\right)+{\left(R_x^i\left(k\right)\right)}^H--\left(70\right)$

这里，M×1的H_a ⁱ(k)、M×M的R_c ⁱ(k)和M×M的R_x ⁱ(k)为：

$H_a^i\left(k\right)=\underset{l=\max (L_{\mathrm{cp}}^i+1-T,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{e}^{-j2\mathrm{\&pi;kl}/N}---\left(71\right)$

$R_c^i\left(k\right)=\frac{1}{N}\underset{n=0}{\overset{L_i-2}{\mathrm{\&Sigma;}}}\underset{p=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}\underset{l=\max (L_{\mathrm{cp}}^i+1-T_i,p+n+1)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}{h}_l^i{\left(h_p^i\right)}^H{e}^{-j2\mathrm{\&pi;k}(l-p)/N}---\left(72\right)$

$R_x^i\left(k\right)=\frac{1}{N}{H}_s^i\left(k\right)\underset{l=\max (L_{\mathrm{cp}}^i+1-T_i,0)}{\overset{L_i-1}{\mathrm{\&Sigma;}}}\max (0,N-T_i-l+L_{\mathrm{cp}}^i){\left(h_l^i\right)}^H{e}^{j2\mathrm{\&pi;kl}/N}---\left(73\right)$

R_x ⁱ(k)项需要考虑(21)的同步部分和异步部分间的互相关性。应当注意，与现有技术不同，R_d(k)与R_i(k)都在式中包含异步与同步分量。此外，R_d(k)包含异步与同步频域所需信号的互相关性，R_I(k)包含异步与同步频域干扰信号的互相关性。

图3为根据本发明优选实施例的图1的加权计算器109的框图。如图所示，加权计算器109包括用于计算相关矩阵R_d(k)与R_I(k)的逻辑电路301，用于计算互相关矩阵p(k)的逻辑电路303，和用于计算噪声相关矩阵R_E(k)的逻辑电路305，以及用于计算W(k)的逻辑电路307。

根据本发明优选实施例的加权计算器109的工作如图4所示进行。逻辑流程始于步骤401，逻辑电路301在此计算子载波k上的所需用户的空间相关矩阵(R_d(k))，和子载波k上的干扰的空间相关矩阵(R_I(k))。如上所述，R_d(k)定义于上式(66)，且基于所需用户的同步频域信道H_s ^d(k)、所需用户的异步频域信道H_a ^d(k)、所需用户的相关矩阵R_c ^d(k)和所需用户的互相关矩阵R_x ^d(k)。与现有技术不同，在优选实施例中，在计算MMSE合并权值W(k)时，同时考虑所需用户的异步部分与同步部分。此外，R_I(k)定义于上式(70)，且基于干扰的同步频域信道H_s ^d(k)、干扰的异步频域信道H_a ⁱ(k)、干扰的相关矩阵R_c ⁱ(k)和干扰的互相关矩阵R_x ⁱ(k)。与现有技术不同，在优选实施例中，在计算MMSE合并权值W(k)时，同时考虑干扰信号的异步部分与同步部分。

接着，在步骤403计算p(k)。p(k)定义于式(65)，且基于所需用户的定时偏移T_d、所需用户频域信道的同步部分H_s ^d(k)和所需用户在所有滞后l下的时域信道h_l ^d。与现有技术不同，在优选实施例中，当计算MMSE合并权值W(k)时，我们考虑了所需信道的异步部分(如果存在的话)。

接着，在步骤405计算噪声的空间相关矩阵R_E(k)(通常， $R_E\left(k\right)={\mathrm{\&sigma;}}_n^2{I}_M,$ 这里，I_M为M×M单位阵)。如上所述，在优选实施例中，R_E(k)仅基于噪声功率σ_n ²。

最后，在步骤407计算W(k)。如上所述，W(k)＝(R_d(k)+R_I(k)+R_E(k))^-1p(k)。由于W(k)基于同步和异步共道干扰，因而极大地降低了共道干扰，并提高了通信系统的效率与可靠性。

尽管参考特定实施例表示和描述了本发明，本领域的技术人员将理解，可在形式与细节上做多种改变而不脱离本发明的精神与范围。例如，以上说明详细描述了具有多个干扰设备的情况，在这种情况下，每个发射源根据式(3)建模。以上技术也可应用于干扰发射机具有多于一个天线的情况，在这种情况下，发射设备上的每个附加发射天线根据式(3)建模。以上说明也可应用于具有多个所需发射设备的情况，这是空分多址，即SDMA的情形。以上技术也可应用于所需用户以空间复用方式通过多个发射天线发射的情况，这是多输入多输出，即MIMO的情形。因此，本发明的替换实施例可应用于MIMO、SDMA或MIMO与SDMA的组合。在MIMO或SDMA的情况下，形成多个合并权值，与每个入射所需信号一一对应。当为这些入射所需信号之一计算合并权值时，所有其他入射信号均视为干扰，无论这些信号是否从多个所需设备发出(SDMA情况)或来自相同位置的发射天线发射的其他信号(MIMO情况)。这些变化将落入所附权利要求的范围。

Claims (10)

1.一种用于降低通信系统中的干扰的装置，该装置包括：

天线，接收信号y(n)，这里y(n)包括所需信号s(n)和共道干扰信号i(n)，其中，s(n)与i(n)不时间同步；

变换器，将y(n)变换为频域信号Y(k)；

加权计算器，输出加权矢量W(k)，其中，W(k)基于s(n)与i(n)，还基于存在于s(n)与i(n)间的时间偏移T；以及

信号合并器，将W(k)应用于Y(k)，以降低共道干扰i(n)。

2.权利要求1所述的装置，其中，W(k)还基于子载波k上的所需信号的空间相关矩阵R_d(k)。

3.权利要求2所述的装置，其中，W(k)还基于子载波k上的干扰的空间相关矩阵R_I(k)。

4.权利要求3所述的装置，其中，W(k)还基于噪声的空间相关矩阵R_E(k)。

5.权利要求4所述的装置，其中，W(k)＝(R_d(k)+R_I(k)+R_E(k))^-1p(k)，其中，p(k)为M×1互相关矢量。

6.一种用于在通信系统中降低干扰的方法，该方法包括的步骤为：

接收信号y(n)，这里y(n)包括所需信号s(n)和共道干扰信号i(n)，其中，s(n)与i(n)不时间同步；

将y(n)变换为频域信号Y(k)；

计算加权矢量W(k)，其中，W(k)基于s(n)与i(n)，还基于存在于s(n)与i(n)间的时间偏移T；以及

将W(k)应用于Y(k)，以降低共道干扰i(n)。

7.权利要求6所述的方法，其中，计算W(k)的步骤包括基于子载波k上的所需信号的空间相关矩阵R_d(k)计算W(k)的步骤。

8.权利要求6所述的方法，其中，计算W(k)的步骤包括基于子载波k上的干扰的空间相关矩阵R_I(k)计算W(k)的步骤。

9.权利要求6所述的方法，其中，计算W(k)的步骤包括基于噪声的空间相关矩阵R_E(k)计算W(k)的步骤。

10.权利要求6所述的方法，其中，计算W(k)的步骤计算W(k)＝(R_d(k)+R_I(k)+R_E(k))^-1p(k)的步骤，其中，p(k)为M×1互相关矢量。

Images