CN1943155B - 用于提供发射序列的估计的设备和方法 - Google Patents

Abstract

从接收序列提供发射序列的估计的设备具有用于对接收序列进行处理以获取置换的过滤序列的处理器(101)，其中，处理器(101)用于使用信道信息和置换信息对接收序列进行处理。该设备进一步包括用于提供有关与发射序列的估计关联的估计误差的信息的装置(109)、用于使用估计误差来计算置换信息的装置(111)，其中，用于计算的装置(111)用于计算置换信息，以便置换的过滤序列值处于这样的顺序，以便与发射序列的估计的值关联的估计误差值以预先确定的顺序排列，干扰消除器(107)，用于通过使用置换的过滤序列执行减法运算来减少干扰，以提供发射序列的估计。本发明的估计方案同时降低了复杂性，并减少了估计误差。

Description

用于提供发射序列的估计的设备和方法

技术领域

本发明涉及电信领域，具体来说，涉及在多输入情况下的均衡问题的技术领域，在所述多输入情况下，接收器从一个以上的发射天线接收信号。

背景技术

对当今和未来移动无线应用所需的高数据速率的稳定增长的需求，导致需要能够有效地利用可用带宽(或换言之，能达到的信道容量)的高数据速率传输技术。因此，多个输入端多个输出端(MIMO)传输系统近年来获得了相当大的重视。MIMO系统使用了多个发射点，每一个发射点都具有发射天线，以及多个接收点，每一个接收点都具有接收天线，用于接收多个发射点通过不同通信信道传输的信号。

例如，在丰富的散射环境中的多个输入端多个输出端信道上，可以实现大容量增长。容量增长与发射天线的数量成线性关系，除非它超过接收天线的数量。为了在这样的系统中实现高度可靠的通信，最大似然法检测将是最佳方式，然而，随着发射天线的数量增大，接收器的复杂性也会令人生畏。

之所以接收器复杂性伴随发射天线的数量增大而增加，是由于要考虑通信信道的数量增大，以便从由另外的若干个接收天线接收到的信号中检测由若干个发射天线发射的信息。在P.W.Wolniansky、G.J.Foschini、G.D.Golden和R.A.Valenzuela所著的“V-Blast：AnArchitecture for Realizing Very High Data Rates Over theRich-Scattering Wireless Channel”(发表于1998年9月的URSIInternational Symposium on Signals，Systems，and Electronics，第295-300页)中，公开了具有较低复杂性的垂直-贝尔实验室分层空时(V-Blast)检测方案。通过按连续的方式彼此清除其他层的干扰，在接收器中检测与不同发射天线关联的独立的数据流(叫做“层”)。

此外，还有人建议，执行最佳检测排序，这对于连续的干扰消除是非常重要的，从而，在每一检测阶段，提供了与最小的估计误差关联的发射信号值估计。

上文所提及的V-Blast检测方案基于迫零(ZF)标准计算清零矢量。S.B

ro、G.Bauch、A.Pavlic以及A.Semmerl.所著的“Improving BLAST Performance using Space-Time Block Codes andTurbo Decoding”(发表于Proc.IEEE Global TelecommunicationsConference(GLOBECOM 2000)，第2卷，2000年11月/12月，第1067-1071页)，A.Benjebbour、H.Murata和S.Yoshida.所著的“Comparison of Ordered Successive Receivers for Space-TimeTransmissions”(发表于Proc.IEEE Vehicular TechnologyConference(VTC 2001-Fall)，美国，大西洋城，2001年10月，第2053-2057页)说明了最小均方误差(MMSE)标准用于改进了性能的V-Blast体系结构的检测方案。这些检测方案需要在每一个检测阶段，即，在层检测的每一步骤中，计算矩阵的伪逆矩阵(ZF V-Blast)或逆矩阵(MMSE V-Blast)，对于大量的数据流，从计算角度来看成本非常高，也难以做到。因此，与上文所提及的检测方案关联的估计复杂程度是巨大的。

对于ZF标准，降低复杂性是可能的。在D.Wübben，R.B

hnke，J.Rinas，V.Kühn和K.D.Kammeyer所著的“Efficient Algorithm for Decoding Layered Space-Time Codes”(发表于2001年10月IEE Electronics Letters，第37卷，no.22，第1348-1350页)中，以及在D.Wübben，J.Rinas，R.Bhnke，V.Kühn和K.D.Kammeyer所著的“Efficient Algorithm for Decoding LayeredSpace-Time Codes”(发表于2002年1月的Proc.Of 4.ITGConference on Source and Channel Coding，Berlin第399-405页)中，提出了具有次最佳检测排序的基于队列请求分解的减少计算量的方案。

在w.zha和S.D.Blostein所著的“Modified DecorrelatingDecision-Feedback Detection of BLAST Space-Time System”(发表于2002年4月/5月在美国纽约的Proc.IEEE Int.Conference onCommunications(ICC 2002)第1卷，第335-339页)说明了Cholesky因式分解，在每一个检测阶段，该Cholesky因式分解通过幺正变换与重新排序一起，产生了最佳排序。

在R.B

hnke，D.Wübben，V.Kühn，和K.D.Kammeyer所著的“Reduced Complexity MMSE Detection for BLAST Architecture”(发表于2003年12月美国旧金山，Proc.IEEE GlobalTelecommunications Conference(GLOBECOM 2003)，第4卷，第2258-2262页)中说明了基于MMSE标准的队列请求分解的类似的影响。该文说明的排序是次最佳的，其导致的检测误差增多。

在B.Hassibi所著的“An Efficient Square-Root Algorithm forBLAST”(发表于Proc.IEEE Int.Conference on Acoustics，Speech，and Signal Processing.(ICASSP′00)，2000年6月，伊斯坦布尔，第2卷，第II737-II740页)中，说明了用于重新排序的幺正变换。在E.Biglieri、G.Tariceo和A.Tulino所著的“DecodingSpace-Time Codes With BLAST Architectures”(发表于2002年10月IEEE Transactions on Signal Processing第50卷，no.10，第2547-2552页)中，说明了Cholesky因式分解，然而，它没有涉及排序策略，因此，不会产生最佳性能。

换句话说，现有技术方法说明了降低与次最佳检测排序关联的复杂性，这会导致估计误差增多，或者用于减少估计误差的最佳重新排序，代价是复杂性增大。

图10显示了MIMO信道的系统模型。系统配备有N_T个发射天线和N_R个接收天线，其中，N_T≤N_R。下面，假设信号是窄频带，以便存在非分散的衰落信道。此外，图10显示了等效复杂的基带中的离散时间系统模型。

信道输入x_i，i＝1，...，N_T是复值基带信号，并同时从N_T个天线传输。换句话说，每一个发射天线都发射信道输入序列的信道输入值。从发射天线i到接收天线j的信道分接头增益由h_j，i来表示。

这些信道分接头是独立的相等的方差E[|h_j，i|²]＝1的零平均复杂高斯变量。如果天线间隔足够大，并且如果系统被丰富的散射环境所包围，则此独立路径的假设成立。接收天线j上的信号可以表达为

$y_j=\underset{i=1}{\overset{N_r}{\mathrm{\Σ}}}{h}_{j,i}{x}_i+n_j,$

其中，y＝Hx+n是接收天线j中的外加噪声。通过为NR个接收天线收集由上述公式确定的接收信号值，接收信号可以简明地以矩阵形式来表达

y＝Hx+n_j

其中

$y={[y_1,...,y_{N_R}]}^T,x={[x_1,...,x_{N_t}]}^T,n={[n_1,...,n_{N_R}]}^T,$ 和(·)^T表示换位。

图11显示了V-Blast的检测过程。接收信号y＝y₁(是矢量)，由具有系数f_k1 ^H的过滤器进行过滤，以估计第k₁个数据流，这是x个所有N_T个项中的最可靠的估计，即，在此第一级中具有最小MSE。输出端被Q(·)量化，并就x_k1作出确定。假设此确定是正确的 $({\hat{x}}_{k_1}=x_{k_1}),$ 通过将x_k1乘以对应信道脉冲响应h_k1(是矢量，H的第k₁列)，减去x_k1对接收信号y₁的影响。将此过程重复N_T次，直到检测了x的所有项。

下面将描述根据上述现有技术方法的详细的过滤器计算和排序策略。

线性过滤器F^H的误差信号被表达为

∈＝F^Hy-x

通过应用正交原理，即，E[∈ y^H]＝0，可以求出线性MMSE过滤器。根据上述等式，由下列公式给出一个解

F^H＝Φ_xxH^H(HΦ_xxH^H+Φ_nn)^-1，

其中信道输入和噪声的协方差矩阵被定义为

Φ_xx＝E[xx^H]undΦ_nn＝E[nn^H].

假设上述公式中的协方差矩阵是可逆的，则对于线性过滤器的上述公式可以以下列替代形式来表示 $F^H={({\mathrm{\Φ}}_n^{-1}+H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}{H}^H)}^{-1}{H}^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}$

其中，应用了两次已知的矩阵求逆引理，获得了上述公式。根据上述公式，误差协方差矩阵读作

${\mathrm{\Φ}}_{\∈\∈}=E\left[{\∈\∈}^H\right]={({\mathrm{\Φ}}_{\mathrm{xk}}^{-1}+H^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}H)}^{-1}.$

值得注意的是，Φ_∈∈的对角线项是MSE，即， $E\left[{|x_i-{\hat{x}}_i|}^2\right]$ i＝1，...，N_T。如此，具有Φ_∈∈的最小对角线项的第k₁个数据流可以被视为MMSE意义上的最可靠的一个，必须在第一级中检测，以便避免误差传播，这对应于上文所提及的最佳排序。

对应的过滤器f_k1 ^H对应于F^H的第k₁行。在第二级，由于已经检测了x的第k₁项，因此，可以忽略信道矩阵H的第k₁列，导致只具有N_T-1个发射天线的更新的系统。

为了概括该过程，引入了缩小的信道矩阵H⁽ⁱ⁾，其中，对于i＝2....，N_T和 $H^{\left(i\right)}\stackrel{\mathrm{\Δ}}{=}H,$ H的列k₁，...，k_i-1被零替代。在第i级，通过将H替换为H⁽ⁱ⁾，根据上述公式计算Φ_∈∈ ⁽ⁱ⁾和F^(i).H。然后，最佳检测方案可以被描述为

$k_1=\underset{k\∈\{k_1,...,k_{i-1}\}}{\arg \min }{e}_k^T{\mathrm{\Φ}}_{\∈\∈}^{\left(i\right)}{e}_k$

$f_{k_1}^H=e_{k_1}^T{F}^{\left(i\right).H}=e_{k_1}^T{\mathrm{\Φ}}_{\∈\∈}^{\left(i\right)}{H}^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1},$

其中，e_k是大小为N_T的单位矩阵的第k列，最后一个步骤遵循上文所提及的公式。因此，对于每一个接收序列，MMSE-V-Blast重复该过程，并需要N_T次矩阵求逆计算，从计算角度来看成本非常高。换句话说，上文所讨论的检测方案应用了最佳排序，以便所产生的估计误差减少。然而，此错误减少却存在巨大的计算难度。

在E.Bigliei、g.Taricco和A.Tulino所著的“DecodingSpace-Time Codes With BLAST Architectures”(发表于2002年10月的IEEE Transactions on Signal Processing，第50卷，第10期，第2547-2552页)和G.Ginis和J.M.Cioffi所著的“On theRelation Between V-BLAST and the GDFE”(发表于2001年9月的IEEE Communications Letters，第5卷，第9期，第364-366页)中，通过一对前向和后向阻塞过滤器描述了V-Blast体系结构，对后向过滤器结构有某些约束。图12显示了所产生的方框图。

图12所示的序列估计器包括前向过滤器1201，该前向过滤器1201具有若干个对应于若干个接收天线的输入端，以及若干个连接到减法器1203的输出端。减法器1203具有若干个输出端1205和若干个另外的输入端1207。换句话说，过滤器1201是前面提及的前向过滤器。减法器1203的若干个输出端1205连接到用于执行硬确定的量化器1209。量化器具有若干个对应于若干个发射天线的(或若干个信道输入端)的输出端1211。若干个输出端1211被反馈到后向过滤器1213、该后向过滤器1213具有若干个对应于若干个接收天线的输出端。后向过滤器1213的若干个输出端连接到减法器1203的若干个另外的输入端1207。

发射序列的估计是通过量化器1209的若干个输出端1211提供的。由量化器1209检测到的估计被后向过滤器1213进行过滤，从由前向过滤器1201所提供的已过滤的值中减去已过滤的检测到的估计，以便减少符号间干扰。因此，图12所示的结构可以被视为确定-反馈均衡器(DFE)结构，相当于图11的结构。

反馈过滤器B^H必须是单位下(或上)三角形，以便不从已经检测到的信号中减去B^H-1的输出端。这是因果关系约束，这是正确地描述连续的干扰消除过程所必需的。关于这一点，单位下(上)三角形矩阵是沿着主对角线具有一(“1”)值的下(上)三角形矩阵。

然而，上文所讨论的方法却存在缺点：没有考虑到检测排序。换句话说，图12所示的方法假设检测排序已经是最佳，但并不是在所有情况下都是这样。虽然与图12所示的结构关联的检测方案相对于图11的估计方案复杂性降低，但是，在非最佳确定排序的情况下，即，在输入序列值没有以这样的方式重新排序以便确定排序是最佳的情况下，它会导致估计误差增大。

发明内容

本发明的目的是提供以较低的复杂性和最佳的检测排序估计发射序列的有效概念。

此目的是通过根据权利要求1所述的用于提供发射序列的估计的设备或通过根据权利要求28所述的用于提供发射序列的估计的方法或通过根据权利要求29所述的计算机程序来实现的。

本发明基于这样的结论：当为了优化估计方案，而显式包括置换信息时，可以获得有效的估计方案，或者换句话说，有效的检测方案，所述置换信息表示一组值中的值的重新排序以便能够取得最佳检测排序。

根据本发明，置换信息是由有关与发射序列的估计关联的估计误差的信息派生而来的，其中，发射序列的估计是从发射序列的接收到的版本(即，接收序列)获取的。由于用于对要检测的值进行置换(即，重新排序)的置换信息是从有关估计误差的信息派生而来的，因此，可以执行最佳置换，导致产生最佳检测排序。例如，有关估计误差的信息包括与发射序列的估计的每一个值关联的均方误差。如上文所提及的，当与要检测的随后的值关联的估计误差处于升序时，即，第一误差值小于在第一误差值之后的第二误差值，获得了最佳检测排序。因此，置换信息可以直接从误差信息派生而来，以便在检测之前重新排序要待排序的值，以便取得所需的最佳检测排序。

与图12的实施例不同，图2显示了包括置换的本发明的结构。当(只作为示例)通过显式使用由置换矩阵203和205表示的置换信息同时计算和优化前向过滤器201的系数和后向过滤器207的系数，以便可以同时实现降低复杂性并取得最佳检测排序，即估计误差降低时，可以同时减少估计误差和降低复杂性。仍参考图2的实施例，只作为示例，联合地优化前向和后向过滤器以及最佳检测排序。例如，显式包括了由置换信息(可以是置换矩阵)表示的排序，用于前馈过滤器和包括图2所示的后向过滤器的干扰消除器的优化公式化。

一般而言，本发明提供了在多个输入端多个输出端情况下从接收序列估计发射序列的概念。根据本发明，接收序列由处理器进行处理，以便获得置换的过滤序列。例如，本发明的处理器同时执行过滤和置换操作。优选情况下，过滤任务是使用信道信息执行的，而置换任务是使用置换信息执行的。因此，处理器不是传统意义上的过滤器，因为执行了由置换信息和过滤确定的值重新排序。

为了获得置换信息，本发明提供了用于提供有关与发射序列的估计关联估计误差的信息的装置。估计误差(可以被表示为包括与发射序列的估计的值关联的多个估计误差值的矢量)，举例来说可以从基于上文所提及的正交原理的解决方案中获取，其中，在最小均方误差意义上对维纳最佳化方程进行求解(只作为示例)。在此情况下，估计误差取决于例如发射信号功率、噪声功率、以及例如由描述MIMO信道的信道矩阵表示的通信信道。因此，可以事先确定估计误差，而无需知道发射序列的估计，原因如下。对于一个给定通信系统，通常先验地知道发射信号功率。例如，噪声功率可以在接收器上根据接收序列的协方差(始终可以估计到)来确定。有关通信信道的信息，例如，上文所提及的信道矩阵通常在接收器上由信道估计器来进行估计。例如，信道估计器根据出于信道估计目的从发射点发射到接收点的引导序列来提供信道矩阵的估计。

为了计算取得最佳检测排序并使复杂性降低所需要的置换信息，本发明进一步提供了用于优选情况下只使用估计误差来计算置换信息的装置。例如，用于计算置换信息的装置被用来计算可以与过滤矩阵结合的置换矩阵，以便由本发明的处理器所提供的置换的过滤序列值处于这样的顺序，以便取得最佳检测排序，即，处于这样的顺序，以便与发射序列的估计的值关联的估计误差值以预先确定的顺序排列，例如，按照前面所提及的升序排列。

由于由本发明的处理器所提供的置换的过滤序列事实上代表了发射序列的可能的估计，因此，可以提供简单的硬决定检测器，以便对发射序列的估计的值作出确定。

然而，上文所提及的所检测的值可以进一步包括由通信信道所引起的另一个发射信号值的干扰。此干扰事实上包括在由处理器所提供的置换的过滤序列中。为了减少干扰并提供与上文所提及的发明方法相比具有更少的估计误差的发射序列的估计，本发明进一步提供了干扰消除器，用于通过使用置换的过滤序列执行减法运算来减少干扰，以提供发射序列的估计。具体来说，通过减法来降低干扰所需的所有操作数都是从置换的过滤序列派生而来的。例如，干扰消除器包括反馈回路，以便从置换的过滤序列中减去发射序列的估计或其加权的版本。

本发明的优点是，与现有技术方法相比，本发明的估计方案的复杂性降低，同时，估计误差也减少，因为通过引入置换信息，可以获得最佳检测排序。

此外，当允许次最佳检测排序时，复杂性可以进一步降低。

然而，本发明的复杂性降低并没有导致性能损坏，与依赖最佳检测排序的现有技术方法相比，在大大地降低复杂性的情况下，可以取得相同性能。

附图说明

下面将参考图形详细描述本发明的其他实施例，其中：

图1显示了根据本发明的第一个实施例的用于提供发射序列的估计的设备的方框图；

图2显示了根据本发明的另一个方面的用于提供发射序列的估计的设备的方框图；

图3显示了对于图2的实施例的情况的使用置换信息的联合最佳化；

图4显示了最佳检测排序情况下本发明的方法；

图5显示了次最佳检测排序情况下本发明的方法；

图6a-6d显示了置换信息和过滤参数的联合确定；

图7显示了根据本发明的另一个实施例的用于提供发射序列的估计的本发明设备的方框图；

图8显示了本发明干扰消除器的实施例；

图9a、9b显示了本发明的方法的性能；

图10显示了MIMO信道的系统模型；

图11显示了V-Blast结构；以及

图12显示了块DFE结构。

具体实施方式

图1所示的设备包括具有N_R个输入端的处理器101，其中，N_R是接收点的数量，每一个接收点都包括接收天线。处理器进一步包括第一输入端103、第二输入端105以及若干个输出端。

处理器101的若干个输出端连接到干扰消除器107，其中，干扰消除器107具有若干个输出端，其中，干扰消除器107的若干个输出端对应于处理器101的若干个输出端。

图1的设备进一步包括用于提供有关估计误差的信息的装置109。用于提供信息的装置109具有连接到用于计算置换信息的装置111的输出端。用于计算的装置111具有连接到处理器101的第二输入端的输出端。

如图1所描述的，提供到处理器101的输入端的接收序列包括N_R个接收序列值，其中，每一个接收序列值都提供到处理器101的不同输入端。此外，接收序列是可从N_T个发射点发射到图1中所描述的N_R接收点的发射序列的版本。每一个接收点都包括接收天线和若干个模拟和数字处理装置，例如，带通滤波器，以及模拟到数字转换器(图1中没有显示该装置)，以便提供接收序列。

具体来说，发射序列值可以由N_T个发射点中的一个通过多个通信信道中的一个通信信道发射到N_R个接收点中的一个接收点，其中，通信信道从发射点延伸到接收点。然而，接收点还接收可以由另一个发射点通过从另一个发射点延伸到接收点的另一个通信信道传输的另一个发射序列值，从而发生了干扰。因此，接收序列包括发射序列值的干扰和信道影响。此外，接收序列还会被信道噪声损坏。

如上文所描述的，处理器101用于处理接收序列，以便获取置换的过滤序列，其中，处理器101被用来使用信道信息和置换信息对接收序列进行处理。信道信息是通过第一输入端103提供的，置换信息由用于计算的装置111进行计算，从而，使用有关与发射序列的估计关联的估计误差的信息。用于计算的装置111用于计算置换信息，以便置换的过滤序列值处于这样的顺序，以便与由干扰消除器107提供的发射序列的估计的值关联的估计误差值以预先确定的顺序排列，例如，按照升序或按照降序排列。

如前面所描述的，干扰消除器107接收由处理器101所提供的置换的过滤序列，并通过使用置换的过滤序列执行减法运算，以通过若干个输出端提供发射序列的估计，减少干扰。

根据本发明，有关估计误差的信息可以以误差矩阵(例如，误差协方差矩阵)的元素的形式，作为有关估计误差的信息提供，以便误差矩阵的对角线包括估计误差值。关于这一点，如上文所提及的，估计误差值表示与发射序列的估计的值关联的估计误差，其中，每一个估计误差值可以是均方误差(MSE)或最小均方误差(MMSE)值。因此，用于提供有关估计误差的信息的装置109被用来根据置换的过滤序列和发射序列的估计之间的平均MSE的最小值计算误差矩阵，以便估计误差值是MSE值。如上文所提及的，可以计算有关估计误差的信息，例如，误差矩阵，而无需参考传输的序列的估计。此问题将在稍后解决。

下面将说明发明构思。

具体来说，用于提供有关估计误差的信息的装置109用于计算误差矩阵，以便误差矩阵包括发射序列协方差矩阵，其中，发射序列协方差矩阵包括发射序列功率，或包括噪声功率的噪声协方差矩阵或包括从发射点到接收点延伸的多个通信信道的信道脉冲响应的信道矩阵。

下面将详细描述发明构思，为了清楚和一致性起见，图12所示的现有技术结构将充当派生本发明的优化估计方案的起点。

如上文所说明的，与图12所示的方法不同，本发明在优化公式化中显式包括检测排序。

图2显示了用于MMSE块确定反馈均衡器的子序列推导的系统模型，并考虑了由置换矩阵P表示的确定排序，其中，置换矩阵表示了置换信息。

图2的设备包括对应于上文所讨论的处理器101的过滤器201。过滤器201具有若干个用于接收“接收序列”y的输入端，以及多个连接到减法器1203的输出端。减法器1203的多个输出端连接到用于置换的装置203。用于置换的装置203具有多个输出端，连接到(只作为示例)决定器1209。决定器1209的多个输出端通过另一个用于置换的装置205和用于加权的装置207被反馈到减法器，其中，装置207可以执行过滤操作，如参考图12的实施例所说明的。

如上文所提及的，图2所示的设备显式利用由置换矩阵P给出的置换信息。如图2所描述的，另一个用于置换的装置205将置换矩阵P应用到发射序列的估计中。与之相反，置换装置203应用矩阵P的转置来进行置换，即，重新排序由减法器1203所提供的一组值中的值。

关于这一点，置换矩阵P是其行重新排序了的单位矩阵，其中，下列关系成立：

PP^T＝P^TP＝1

下面，将确定本发明的过滤器201的系数、由用于加权的装置207所使用系数以及置换矩阵P的系数。

如上文所提及的，P用于表达检测排序。根据本发明，估计的信号

被优化，可以被表达为

${\hat{x}}_p=F^{H}y-(B^H-1)P\hat{x},$

其中，下标p声明，变量由置换矩阵P置换。

的所需信号是信道输入x，但它已被置换。因此，误差矢量读作

${\∈}_p=\mathrm{Px}-{\hat{x}}_p=B^H\mathrm{Px}-F^{H}y.$

根据正交原理，即，E[∈_p y^H]＝0可以被视为是前馈过滤器的过滤器201的系数，可以用反馈过滤器表达为

$F^H=B^{H}P{\mathrm{\Φ}}_{\mathrm{xy}}{\mathrm{\Φ}}_{\mathrm{yy}}^{-1}$

其中，协方差矩阵被定义为

Φ_xy＝E[xy^H]＝Φ_xxH^H

Φ_yy＝E[yy^H]＝HΦ_xxH^H+Φ_nn

根据上述等式，误差矩阵，在此情况下，是具有顺序的误差协方差矩阵，被表达为

${\mathrm{\Φ}}_{\∈\∈,p}=E\left[{\∈}_p{\∈}_p^H\right]=B^{H}P{\mathrm{\Φ}}_{\∈\∈}{P}^{T}B$

对角线项Φ_∈∈，p表示排序的数据流的MSE。

由于Φ_∈∈是对称的，假设它还是正定的，则存在置换矩阵P_o，单位下三角形矩阵L，以及对角矩阵D，它们具有下列关系：

$P_o{\mathrm{\Φ}}_{\∈\∈}{P}_o^T={\mathrm{LDL}}^H$

值得注意的是，上述等式作为关键方程声明，表示本发明的置换信息的置换矩阵P_o，一般是可以利用对称置换，从对Φ_∈∈的Cholesky因式分解而派生出来。1996年约翰霍普金大学出版社出版的G.H.Golub和C.F.V.Loan所著的“Matrix computations”第3版中描述了Choleskv因式分解。

利用上述等式，具有顺序的误差协方差矩阵可以被改写为

${\mathrm{\Φ}}_{\∈\∈,p}=B^H{\mathrm{PP}}_o^T{\mathrm{LDL}}^H{P}_o{P}^{T}B$

根据本发明，检测排序和反馈过滤器的系数(即，本发明的用于加权的装置207所使用的系数)的下列选择，

P＝P_o und B^H＝L^-1，

导致白色的误差协方差矩阵，

${\mathrm{\Φ}}_{\∈\∈,p}=D=\mathrm{diag}(d_1,...,d_{N_T})$

对角线项d₁...，d_NT是排序的数据流的MSE。

可以反复对用于确定置换矩阵的系数的关键方程进行求解。

在图3中，概括了上文所描述的发明构思。本发明的目的是联合地优化F^H、B^H和P。为了确定包括置换信息P的误差协方差矩阵，考虑关键方程。关键方程的最优解，即，上文所提及的检测排序和反馈过滤器的选择，导致本发明的最佳检测排序，并使复杂性降低。为了确定P_o和L，对位于关键方程的左侧的矩阵进行因式分解，以便获取数据流的MSE。根据本发明，执行因式分解，以便在每次对关键方程进行迭代时都能求出最小d_i。

在图3中，显式描述了迭代方向。如上所述，可以反复对关键方程进行求解，以便在若干个迭代步骤之后获得对角矩阵D。为了获得对角矩阵D，本发明进一步提供了稍后将讨论的因式分解方案。

根据上述公式，按如下方式计算前馈过滤器201的系数

$F^H={\mathrm{DL}}^H{P}_o{H}^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}$

为了获得置换的过滤序列，通过与信道匹配的噪声解相关器过滤接收信号，根据本发明的最佳检测排序，置换信号。此外，执行在前向上的通过L^H的加权处理，其中，L^H是上三角形。然后，通过真值对角矩阵D来控制增益。在反馈部分，在适当的排序之后，执行反方向上的干扰消除，其中，L^-1-1是严格的下三角形。

根据本发明，用于提供有关估计误差的信息的装置109被用来根据下列公式计算误差协方差矩阵Φ_∈∈

${\mathrm{\Φ}}_{\∈\∈}={({\mathrm{\Φ}}_{\mathrm{xx}}^{-1}+H^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}H)}^{-1}$

其中，Φ_xx ^-1表示发射序列协方差矩阵的逆矩阵，Φ_nn ^-1表示噪声协方差矩阵的逆矩阵，H表示信道矩阵，其中，(·)^H表示共轭和换位。

为了求出最优解，用于提供有关估计误差的信息的装置109被用来执行出现在上述公式中的矩阵求逆。然而，对于每个接收序列，只进行一次此矩阵求逆。如果发射序列可以被视为是不相关的过程，那么，发射序列协方差矩阵是对角矩阵。在此情况下，计算发射序列协方差矩阵的逆矩阵从计算角度来看不是那么太昂贵。相同的考虑也适用于噪声协方差矩阵的逆矩阵。

根据本发明的另一个方面，用于提供有关估计误差的信息的装置109被用来根据预先计算的误差协方差矩阵或根据其逆矩阵以及根据有关信道矩阵或有关发射序列协方差矩阵或有关信道噪声协方差矩阵的更新信息，反复计算误差协方差矩阵或其逆矩阵。因此，误差协方差矩阵将用于当前接收序列，是前面的接收序列的预先计算出的误差协方差矩阵的更新。

如上文所说明的，本发明的用于计算置换信息的装置111被用来基于上文所说明的关键方程来计算置换矩阵P_o作为置换信息，即

$P_o{\mathrm{\Φ}}_{\∈\∈}{P}_o^T={\mathrm{LDL}}^H$

或被用来基于下列公式计算置换信息

$P_o{\mathrm{\Φ}}_{\∈\∈}^{-1}{P}_o^T={\mathrm{LDL}}^H$

其中，Φ_∈∈ ^-1表示误差协方差矩阵(误差矩阵)的逆矩阵作为有关估计误差的信息，L表示包括对角线中的那些元素的下三角形矩阵，D表示包括预先确定的顺序的估计误差值的对角矩阵，如上文所描述的。

根据本发明，当逆误差矩阵被用作有关估计误差的信息时，也可以获得置换信息。在此情况下，可以省略上文所提及的矩阵求逆，以便可以更进一步地降低复杂性。由于此方法不同于使用误差矩阵作为信道信息的上文所描述的最佳检测排序方法，因此，它在下面将被称为“次最佳方法”。下面将详细地讨论此问题。

所提出的使用误差协方差矩阵的基于矩阵因式分解的最佳顺序方法，导致计算前面提及的矩阵求逆，以便确定误差协方差矩阵。通过前面所提及的Cholesky方法来进行因式分解。为了避免此矩阵求逆，矩阵因式分解，具有对称置换的Cholesky因式分解

${\mathrm{\Φ}}_{\∈\∈}^{-1}={\mathrm{\Φ}}_{\mathrm{xx}}^{-1}+H^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}H,$

即

$P_o^{\′}{\mathrm{\Φ}}_{\∈\∈}^{-1}{P}_o^{\′T}=R^H{D}^{\′}R$

其中，R是单位上三角形。上述公式对应于前面所提及的公式 $P_o{\mathrm{\Φ}}_{\∈\∈}^{-1}{P}_o^T={\mathrm{LDL}}^H,$ 其中，R表示L^H，D′表示D，P_o′表示P_o。这里应该指出的是，通过对上述公式进行因式分解所获得的矩阵R可能不同于在最佳检测排序情况下计算出的矩阵L^H。

如果假设图2所示的用于加权的装置207所使用的反馈过滤器B^H是单位上三角形而不是单位下三角形，那么，以与上文所描述的类似的方式的，可以按如下方式求出最佳反馈和检测排序

B^H＝R und P＝P_o′

本发明的用于执行处理的前馈过滤器是

$F^H=D^{\′-1}{R}^{H,-1}{P}_o^{\′}{H}^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}$

具体来说，上述公式确定了由本发明的处理器101执行的处理方案，以便为次最佳情况提供置换的过滤序列。

利用R和P的上述选择，具有排序的误差协方差矩阵(误差矩阵)读作

${\mathrm{\Φ}}_{\∈\∈,p}=D^{\′-1}=\mathrm{diag}(d_1^{\′-1},...,d_{N_T}^{\′-1})$

再者，上述公式中的对角线项表示数据流的MSE。例如，具有对称置换的Cholesky因式分解的迭代算法确定了从d₁′开始的对角线项。然而，反馈过滤器的上三角形结构建议从最后一个检测有序数据流。因此，优化的方向被颠倒。与最佳情况(最小化最差的MSE(首先检测数据流))相反，本发明的次最佳情况最大化了最好的MSE(最后检测的数据流)，因为最后一个数据流不会导致误差传播到其他。因此，虽然此方法需要少得多的计算，但是，它不会导致最佳检测排序。然而，可以通过幺正变换，执行额外的重新排序，以便以较低的额外的计算成本进一步改进性能。

图4概述了最佳情况本发明的方法。首先，计算误差协方差矩阵。在下一步骤中，利用对称置换执行Cholesky因式分解。在下一步骤中，计算L的逆矩阵。在图4中，此算法具有计算难度，但也如图4所显示的，没有原来复杂性那么大。

图5显示了最佳情况和次最佳情况本发明方法之间的差别。使用误差矩阵的逆矩阵来代替误差矩阵，以便对于包括误差协方差矩阵的逆矩阵的矩阵执行具有对称置换的Cholesky因式分解。在下一步骤中，计算矩阵L的逆矩阵。

用于计算置换信息的装置111可以用于计算置换矩阵Po，以便对角矩阵D包括按升序或降序作为预先确定的顺序的估计误差值，如上文所提及的。下面将解决此问题。

1996年约翰霍普金大学出版社出版的G.H.Golub和C.F.V.Loan所著的“Matrix Computations”第3版中描述了用于执行矩阵因式分解的迭代算法。该文所说明的算法求出了每一次迭代时的最大对角线项，从d1开始，以及对应的必需的置换。此最大对角线项的选择旨在确保数字稳定性，以便计算半正定的系统的因式分解。然而，本发明的方法与之相反。由于在本发明的系统中所使用的矩阵D的对角线项是排序的数据流的MSE，因此，本发明的选择是相反的。具体来说，在每一次迭代时，选择了对应于最小MSE的最小对角线项。

图6a、6b、6c以及6d显示了本发明的矩阵因式分解方法。

图6a显示了利用最佳情况的检测排序的块DFE过滤器的计算。首先，确定误差协方差矩阵，如附图标记601所描述的。在附图标记602表示的下一步骤中，设置了置换矩阵和矩阵D的初始值。在下一步骤中，执行N_T次迭代。在603表示的迭代的开始，搜索误差协方差矩阵中的最小对角线项。在下一个步骤604中，在单位矩阵中第i行和第q行交换。在下一个步骤中，更新置换矩阵，如附图标记605表示的行中所表示的。在由附图标记606表示的下一步骤中，更新误差协方差矩阵。在下一个步骤607中，从更新的误差协方差矩阵的第i对角线项中获取矩阵D的第i对角线项。在下一个步骤608中，再次通过除以矩阵D的第i对角线项，更新已经更新过的误差协方差矩阵。在下一个步骤609中，计算新的误差协方差矩阵，其中，新的误差协方差矩阵充当进一步的迭代步骤中的实际误差协方差矩阵。在N_T次迭代之后，获得矩阵L，作为误差协方差矩阵的下三角形部分，由610表示。在下一步骤611中，计算过滤器的系数。

图6b显示了根据本发明的最佳情况的块DFE检测，其中，检测是通过N_T次迭代执行的(只作为示例)。在第一次迭代步骤612中，在置换矩阵中搜索第i项(该项等于1)，获得表示该项的位置的索引q。在下一步骤613中，通过应用于包括发射序列的估计的一组值的硬确定来获得第q个估计。关于这一点，Q表示确定运算。

在下一步骤614中，执行上文所提及的干扰消除减法运算。

图6c显示了利用次最佳情况的检测排序的块DFE过滤器的计算，其中，为了简明起见，只显示了与图6a的实施例的差别。首先，计算误差协方差矩阵的逆矩阵。然后，由误差协方差矩阵的逆矩阵替代其所有表现形式。在步骤13中，计算矩阵R作为误差协方差矩阵的逆矩阵的上三角形部分。在步骤14中，计算过滤器的系数和用于加权的装置的系数。

图6d显示了利用次最佳情况的检测排序的块DFE过滤器的计算，其中，为了简明起见，只描述了与图6b的实施例的差别。具体来说，从N_T开始，以1结束，向上计数迭代变量i。

如上文所描述的，通过执行Cholesky因式分解，可以反复地确定置换信息。然而，根据本发明，为了获得置换矩阵，可以执行任何矩阵因式分解。

根据本发明的另一个方面，用于计算置换信息的装置111被用来根据矩阵的因式分解(可以是Cholesky因式分解)计算置换矩阵，以便D包括按升序作为预先确定的顺序的估计误差值。具体来说，在此情况下，用于计算置换信息的装置111包括最小搜索器，用于搜索待因式分解的矩阵中的最小对角线项，还包括用于对矩阵进行重新排序以提供重新排序的矩阵，以使得重新排序的矩阵中的第一对角线项是最小对角线项的装置，还包括用于对重新排序的矩阵进行因式分解的装置。

请再参看本发明的处理器111，可以通过组合上文所确定的矩阵来确定本发明过滤器的系数。由于本发明过滤器执行过滤置换的操作，因此，此操作定义了要由本发明处理器执行的处理规则。然而，处理规则可以通过只部分地应用本发明的结果而产生。具体来说，本发明的处理器可以根据本发明的另一个方面用于过滤和置换接收序列，以便根据下列处理规则提供置换的过滤序列

P_oH^H

其中，H是用于过滤的信道矩阵，包括多个通信信道的信道脉冲响应，包括信道信息，其中，P_o是包括置换操作的置换矩阵。

此外，本发明的处理器101还可以用于执行按如下方式定义的处理规则

DL^HP_oH^H

其中，D是包括按升序或降序作为预先确定的顺序的估计误差值，其中，矩阵L是上文所提及的矩阵。

此外，本发明的处理器111可以进一步包括过滤器，用于使用由H^H确定的过滤系数来过滤接收序列，以便提供过滤序列，置换器，用于使用由P_o确定的置换系数对过滤序列进行置换，以提供置换的序列，用于使用由L^H定义的加权系数对置换的序列进行加权处理以提供加权的序列的装置，以及使用由D定义的加权系数对加权序列进行加权处理以提供置换的过滤序列的装置。

此外，处理器111可以被用来使用噪声信息根据如下定义的处理规则来过滤接收序列

${\mathrm{DL}}^H{P}_o{H}^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}$

换句话说，本发明的处理器101是具有包括由上述公式确定的过滤系数的过滤器的过滤器。

然而，本发明的处理器101可以进一步包括噪声过滤器(它是噪声解相关过滤器)，用于过滤接收序列，以便作为接收序列提供过滤了噪声的序列，其中，所述噪声过滤器被用来使用由下列公式确定的过滤系数来过滤接收序列

Φ_nn ^-1，

该公式是噪声协方差矩阵的逆矩阵。

此外，本发明的处理器101还可以进一步包括用于确定过滤系数的装置，这是用于计算过滤系数的以上所述的表达式的装置。

如上文所提及的，要去除的干扰是由多个通信信道对发射序列值的影响所造成的，以便可由接收点接收的接收序列值包括可通过通信信道从发射点发射到接收点的发射序列值，其中，发射序列值被可通过另一个通信信道从另一个发射点发射到接收点的另一个发射序列值干扰。

干扰消除器包括减法器，用于从置换的过滤序列(由用于减少干扰的本发明的处理器提供)中减去反馈序列，以提供减少了干扰的序列，以及决定器，用于从减少了干扰的序列中提供发射序列的估计，其中，所述决定器被用来从减少了干扰的序列中的值确定发射序列的估计中的估计值。此外，干扰消除器还可以包括反馈元件，用于对由决定器提供的发射序列的估计进行加权处理，以便提供用于减少干扰的减法器所需的反馈序列。

决定器可以进一步包括置换器(用于进行置换的装置)，以便将由处理器执行的置换操作考虑在内。具体来说，所述用于进行置换的装置被用来对减少了干扰的序列进行置换，以便使用置换操作提供置换的减少了干扰的序列。决定器可以进一步包括用于从置换的减少了干扰的序列值中检测发射序列值以提供发射序列的估计的检测器。

反馈元件可以包括另一个用于进行置换的装置(另一个置换器)，以便使用置换信息对发射序列的估计(即，由估计构成的值)进行置换(重新排序)，以便提供发射序列的置换的估计。反馈元件可以进一步包括用于对发射序列的置换的估计进行加权处理的装置，以便提供反馈序列。

由决定器构成的检测器可以是硬决定检测器，也可以是软决定检测器。优选情况下，检测器是硬决定检测器。

图7显示了根据本发明的另一个实施例的用于提供发射序列的估计的设备。

图7所示的设备包括噪声解相关过滤器707，该过滤器具有输入端，用于在用于向过滤器709(被用来使用由H^H表示的信道信息进行过滤)提供解相关的序列的输出端接收“接收序列”。过滤器709具有连接到用于进行置换的装置711的输出端，其中，用于进行置换的装置使用置换矩阵P_o作为置换信息。用于进行置换的装置711具有连接到用于进行加权处理的装置713的输出端，其中，用于进行加权处理的装置713使用由矩阵L^H定义的加权系数。用于进行加权处理的装置713具有连接到另一个用于进行加权处理的装置715的输出端，其中，另一个用于进行加权处理的装置715使用由矩阵D确定的加权系数。另一个用于进行加权处理的装置715具有输出端，用于提供置换的过滤序列。

值得注意的是，元件707、709、711、713以及715由本发明的处理器构成。

图7所示的设备进一步包括干扰消除器，其中包括减法器717，该减法器另外具有若干个输入端，用于接收反馈序列，还具有若干个输出端，连接到用于进行加权处理的装置719。用于进行加权处理的装置719被用来使用置换矩阵(该矩阵是相对于置换矩阵P_o的转置矩阵)对由减法器所提供的减少了干扰的序列进行加权处理。用于进行置换的装置719连接到检测器721，检测器721具有输出端，用于提供发射序列的估计。

值得注意的是，元件719和721由上文所提及的本发明的决定元件构成。

干扰消除器进一步包括反馈回路，该反馈回路包括另一个用于进行置换的装置722，而该装置722又具有若干个输入端，检测器721的若干个输出端与这些输入端进行连接。用于进行置换的装置722被用来使用由本发明的置换矩阵P_o确定的置换系数来进行置换。用于进行置换的装置722的若干个输出端连接到用于进行加权处理的装置723，该装置723具有若干个输出端，这些输出端连接到减法器717的另外若干个输入端，以便提供反馈序列。用于进行加权处理的装置723被用来将由另一个用于进行置换的装置722所提供的发射序列的置换的估计乘以由下列公式定义的矩阵

L^-1-1

其中，L^-1是上文所提及的矩阵L的逆矩阵。

为了获得矩阵L的逆矩阵，用于提供发射序列的估计的设备可以进一步包括反演器，用于对矩阵L求逆，以便提供其逆矩阵。

图8显示了根据本发明的另一个实施例的干扰消除器的图。在图8中，为了简明起见，考虑了置换的过滤序列包括三个置换的序列值。然而，下列说明一般适合于任意数量的置换的过滤序列值。

图8干扰消除器的包括具有输入端和输出端的第一检测器801、具有输入端和输出端的第二检测器803，以及具有输入端和输出端的第三检测器805。一般而言，干扰消除器包括N个检测器，其中，N在此情况下等于3。

第一检测器801的输出端连接到乘法器807，而乘法器807又具有另外的连接到减法器809的输入端和输出端。减法器809具有连接到第二检测器803的输入端的输入端和输出端。而延迟元件811的输出端又连接到减法器809的输入端，其中，延迟元件811具有输入端。

此外，第一检测器801的输出端还通过乘法器813连接到减法器815。减法器815具有连接到减法器817的输入端的输出端，减法器817具有连接到第三检测器801的输出端。减法器815还具有另一个输入端，另一个延迟元件819的输出端与该输入端连接。另一个延迟元件819也具有输入端。

第二检测器803的输出端通过另一个乘法器821连接到减法器817的另一个输入端，而减法器817又具有连接到第三检测器805的输出端。

检测器801、803和805被用来并行地检测发射序列的估计的值。与上述实施例相反，干扰消除器不显式执行置换。相反，图8所示的本发明的接线图考虑了置换，结果，可以取得相同的效果。乘法器807、813和821被用来将发射序列的估计的相应的值乘以加权矩阵L^-1-1的系数，为了清楚起见，在图8中也描述了加权矩阵L^-1-1。

引入延迟元件811和819是为了将处理延迟考虑在内，以便所产生的系统是有原因的。一般而言，图8中所描述的乘法器由反馈元件构成。对于要检测的减少了干扰的N个值的情况，反馈元件可以包括(N²-N)/2个乘法器，用于将发射序列的估计的开头N-1个值乘以加权系数，以便提供反馈序列，再提供到图8所示的减法器。按如上所述的方式确定加权系数。

置换的过滤序列的第一个值被直接提供到检测器801，因为置换的过滤序列被重新排序，以便提供最佳检测排序。因此，发射序列的估计的第一个值与最小的MSE关联。

如果反馈序列包括N个值，那么，减法器被用来从置换的过滤序列的最后N-1个值中减去反馈序列的N个值，以便提供要检测的减少了干扰的序列。图8中描述了此情况。反馈序列包括第一反馈序列值、第二反馈序列值和第三反馈序列值，其中，第一反馈序列值是通过将反馈序列的估计的第一值乘以第一加权系数而产生的，其中，第二反馈序列值是通过将发射序列的估计的第一值乘以第二加权系数而产生的，其中，第三反馈序列值是通过将发射序列的估计的第二值乘以第三加权系数而产生的。如图8所描述的，减法器包括第一减法元件，用于从第二置换的过滤序列值(已延迟)中减去第一反馈序列值，以及第二和第三减法元件，用于从第三置换的过滤序列值(可能会延迟)减去第二反馈序列值和第三反馈序列值，如图8所示。

图9a和9b显示了计算机性能模拟，其中，图9a显示了N_T等于2以及N_R等于2的比特误码率性能比较。图9b显示了N_T等于8以及N_R等于8的比特误码率(BER)性能比较。

在计算机模拟中，假设总输入和噪声为白色，即， ${\mathrm{\Φ}}_{\mathrm{xx}}={\mathrm{\σ}}_x^{2}1$ 以及 ${\mathrm{\Φ}}_{\mathrm{nn}}={\mathrm{\σ}}_n^{2}1.$ 为进行性能评估，对于E_b/N₀计算比特误码率(BER)，其中，E_b和N₀分别是每个信息位的平均接收到的能量和单面的噪声功率谱密度。信噪比(SNR)被定义为总的接收功率与总噪声功率的比率，即，

$\mathrm{SNR}\stackrel{\mathrm{\Δ}}{=}\frac{E\left[{\left|\right|\mathrm{Hx}\left|\right|}_2^2\right]}{E\left[{\left|\right|n\left|\right|}_2^2\right]}=\frac{N_T{\mathrm{\σ}}_x^2}{{\mathrm{\σ}}_n^2}$

那么，它与E_b/N₀的关系为

$\frac{E_b}{N_0}=\mathrm{SNR}\frac{N_R}{N_{T}M}=\frac{N_R{\mathrm{\σ}}_x^2}{M{\mathrm{\σ}}_n^2}$

其中，M是每个信道输入的位数。

图9a和9b所示的模拟结果是针对在发射器和接收器端都分别有2和8个天线的情况。从这些图可以看出，所提出的最佳排序Cholesky方法的性能与最佳MMSE V-BLAST的性能一样好。虽然次最佳排序Cholesky方法对于两个天线执行同样好的最佳方法，对于8个天线和高SNR，每一种方法的性能下降都会增大，但当与不排序的Cholesky方法相比时，仍可以看出由于排序而有一个优点。对于低SNR，最佳方法和次最佳方法之间的性能差距变小，因此，复杂性进一步降低的次最佳方法在这样的环境下可能是最佳选择。

本发明的方案使得计算量显著降低。最初提出的V-BLAST方案需要两个计算出的矩阵(伪)求逆N次，其中，N是发射天线或数据流的数量。矩阵(伪)求逆的复杂性约为N³(执行N次)，因此，V-BLAST的总复杂性约为N⁴，而本发明的方案的复杂性约为N³。

此外，本发明的估计方案比2003年12月D.Wubben等人所著的MMSE Extension of V-Blast based on sorted QRDecomposition，Proceedings IEEE Vehicular Technology Conference(VTC′2003-Fall)中所说明的已知最快的现有技术方案更快。在该文中，说明了分类的队列请求分解(SQRD)和PSA算法。具体来说，所提出的Cholesky次最佳方案大约是次最佳SQRD的速度的两倍，而对于两个方案，性能相同(次最佳)。本发明的Cholesky最佳方案大约为上文所提及的文档中所说明的最佳SQRD+PSA的速度的两倍，而性能对于两者是最佳(复杂性与MMSE V-BLAST相同)。此外，本发明的Cholesky最佳方法比次最佳SQRD更快。

当与已知的SQRD和SQRD+PSA方法相比时，本发明的方案的复杂性是比较低的。

对于不相关的噪声和N_T＝N_R的情况，已知SQRD和SQRD+PSA方案的复杂性是

SQRD：2N_T ²N_R+2N_T ³(4N_T ³)

SQRD+PSA： $2N_T^2{N}_R+\frac{11}{3}{N}_T^3\left(\frac{17}{3}{N}_T^3\right)$

与之相反，本发明的次最佳Cholesky方案和最佳cholesky方案的复杂性是

次最佳Cholesky：

$2N_T^2{N}_R+\frac{2}{3}{N}_T^3\left(\frac{5}{3}{N}_T^3\right)$

最佳Cholesky：

$2N_T^2{N}_R+\frac{5}{3}{N}_T^3\left(\frac{8}{3}{N}_T^3\right)$

对于相关噪声，已知SQRD和SQRD+PSA方案的复杂性是

SQRD： $2N_T^2{N}_R+2N_T^3+\frac{2}{3}{N}_R^3+N_T{N}_R^2\left(\frac{17}{3}{N}_T^3\right)$

SQRD+PSA： $\frac{2}{3}{N}_R^3+N_T{N}_R^2+2N_T^2{N}_R+\frac{23}{6}{N}_T^3\left(\frac{15}{2}{N}_T^3\right)$

与之相反，本发明的次最佳Cholesky方案和最佳cholesky方案的复杂性是

$\frac{2}{3}{N}_R^3+N_R^2{N}_T+\frac{1}{2}{N}_T^2{N}_R+\frac{2}{3}{N}_T^3\left(\frac{17}{6}{N}_T^3\right)$

最佳Cholesky：

$\frac{2}{3}{N}_R^3+N_R^2{N}_T+\frac{1}{2}{N}_T^2{N}_R+\frac{5}{3}{N}_T^3\left(\frac{23}{6}{N}_T^3\right)$

对于两种情况，复杂性顺序是：

本发明的Cholesky次最佳＜本发明的Cholesky最佳＜SQRD＜SQRD+PSA(最坏情况)

本发明的Cholesky次最佳方案的性能对应于SQRD方案的性能。相应地，本发明的Cholesky最佳方案、SQRD+PSA方案、MMSE V-BLAST方案的性能相同，虽然本发明的Cholesky最佳方案的复杂性较低。

尽管计算量显著降低，本发明的方案的性能与V-BLAST相同，如上文所提及的。计算机模拟没有观察到性能降低，因此，大容量的优点仍然存在。根据本发明的所产生的接收器结构更简单，从而可以采用简单和成本低的硬件实现方式。

取决于本发明的方法的某些实现要求，同样可以以硬件或软件来实现。可以使用数字存储介质，特别是，在其上存储了以电子方式可读取的控制信号的磁盘或CD，来实现，这种数字存储介质可以与可编程计算机系统合作，从而可以执行本发明的方法。因此，一般而言，本发明是在机器可读取的载体上存储了程序代码的计算机程序产品，当计算机程序产品在计算机上运行时，程序代码用于执行本发明的方法。因此，换句话说，本发明的方法是具有程序代码的计算机程序，用于当计算机程序在计算机上运行时执行本发明的方法。

Claims (26)

1.从接收序列提供发射序列的估计的设备，发射序列包括N_T个发射序列值，其中，发射序列值可由N_T个发射点中的一个通过多个通信信道中的一个通信信道发射到N_R个接收点中的一个接收点，其中，通信信道从发射点延伸到接收点，其中，接收序列包括发射序列值的干扰，该设备包括：

用于提供有关与发射序列的估计关联的估计误差的信息的装置(109)；

用于使用有关估计误差的信息来计算置换信息的装置(111)；

用于对接收序列进行处理以获取具有置换的过滤序列值的置换的过滤序列的处理器(101)，其中，处理器(101)用于使用信道信息进行过滤，并使用置换信息进行置换，其中所述置换的过滤序列值处于这样的顺序，使得与发射序列的估计的值关联的估计误差值以预先确定的顺序排列，发射序列的估计的值由干扰消除器使用所述置换的过滤序列值来确定；

所述干扰消除器(107)用于使用置换的过滤序列和置换信息减少干扰，以提供发射序列的估计，所述干扰消除器包括减法器，用于从置换的过滤序列中减去反馈序列，以便减少干扰，以提供减少了干扰的序列，决定器，用于从减少了干扰的序列中提供发射序列的估计，以及反馈元件，用于对发射序列的估计进行加权处理，以便提供反馈序列。

2.根据权利要求1所述的设备，其中，用于提供有关估计误差的信息的装置(109)用于计算误差矩阵作为有关估计误差的信息，以便误差矩阵的对角线包括估计误差值，其中，估计误差值表示与发射序列的估计的值关联的估计误差。

3.根据权利要求2所述的设备，其中，用于提供有关估计误差的信息的装置(109)用于计算误差矩阵，以便误差矩阵包括发射序列协方差矩阵、噪声协方差矩阵和信道矩阵，所述信道矩阵包括多个通信信道的信道脉冲响应。

4.根据权利要求3所述的设备，其中，用于提供有关估计误差的信息的装置(109)被用来根据下列公式计算误差协方差矩阵Φ_GG

${\mathrm{\Φ}}_{\mathrm{cc}}={({\mathrm{\Φ}}_{\mathrm{xx}}^{-1}+H^H{\mathrm{\Φ}}_{\mathrm{nn}}^{-1}H)}^{-1},$

其中，Φ_xx ^-1表示发射序列协方差矩阵的逆矩阵，Φ_nn ^-1表示噪声协方差矩阵的逆矩阵，H表示信道矩阵，其中，(·)^H表示共轭和转置。

5.根据权利要求3所述的设备，用于提供有关估计误差的信息的装置(109)被用来根据预先计算的误差协方差矩阵或根据其逆矩阵以及根据有关发射序列协方差矩阵或信道矩阵或噪声协方差矩阵的信息 的更新，反复计算误差协方差矩阵或其逆矩阵。

6.根据权利要求1所述的设备，其中，用于计算置换信息的装置(111)被用来基于下列公式

$P_o{\mathrm{\Φ}}_{\mathrm{cc}}{P}_o^T={\mathrm{LDL}}^H$

或基于下列公式

$P_o{\mathrm{\Φ}}_{\mathrm{cc}}^{-1}{P}_o^T={\mathrm{LDL}}^H$

计算置换矩阵P_o作为置换信息，

其中，Φ_cc ^-1表示误差矩阵的逆矩阵作为有关估计误差的信息，L表示包括下三角形矩阵的对角线中的那些元素的下三角形矩阵，D表示包括预先确定的顺序的估计误差值的对角矩阵。

7.根据权利要求6所述的设备，其中，用于计算置换信息的装置(111)用于计算置换矩阵P_o，以便D包括按升序或降序作为预先确定的顺序的估计误差值。

8.根据权利要求6所述的设备，其中，用于计算置换信息的装置(111)被用来根据矩阵的因式分解计算置换矩阵，以便D包括按升序作为预先确定的顺序的估计误差值，其中，用于计算置换信息的装置(111)包括：

最小搜索器，用于搜索所述矩阵中的最小对角线项；

用于对所述矩阵进行重新排序以提供重新排序的矩阵，以使得重新排序的矩阵中的第一对角线项是最小对角线项的装置；以及

用于对重新排序的所述矩阵进行因式分解的装置。

9.根据权利要求1所述的设备，其中，处理器(101)用于过滤和置换接收序列，以根据按如下方式定义的处理规则提供置换的过滤序列：

P_oH^H

其中，H是用于过滤的信道矩阵，包括多个通信信道的信道脉冲响应，包括信道信息，其中，(·)H表示转置和共轭，其中，P_o是包括置换信息的置换矩阵。

10.根据权利要求1所述的设备，其中，处理器(101)被用来根据按如下方式定义的处理规则对接收序列进行过滤、置换和加权处理

DL^HP_oH^H

其中，H是用于过滤的信道矩阵，包括多个通信信道的信道脉冲响应，包括信道信息，其中，(·)^H表示转置和共轭，其中，P_o是包括置换信息的置换矩阵，其中，D是包括按升序或降序作为预先确定的顺序的估计误差值的对角矩阵，其中，L是包括下三角形矩阵的对角线中的那些元素的下三角形矩阵。

11.根据权利要求10所述的设备，其中，处理器(101)包括过滤器，用于使用由H^H定义的过滤系数来过滤接收序列，以便提供过滤序列，置换器，用于使用由P_o定义的置换系数对过滤序列进行置换，以提供置换的序列，用于使用由L^H定义的加权系数对置换的序列进行加权处理以提供加权的序列的装置，以及另一个使用由矩阵D定义的加权系数对加权序列进行加权处理以提供置换的过滤序列的装置。

12.根据权利要求1所述的设备，其中，处理器(101)用于使用噪声信息根据按如下方式定义的处理规则对接收序列进行过滤

DL^HP_oH^HΦ_nn ^-1

其中，H是用于过滤的信道矩阵，包括多个通信信道的信道脉冲响应，包括信道信息，其中，(·)^H表示转置和共轭，其中，P_o是包括置换信息的置换矩阵，其中，D是包括按升序或降序作为预先确定的顺序的估计误差值的对角矩阵，其中，L是包括下三角形矩阵的对角线中的那些元素的下三角形矩阵，并且其中，Φ_nn ^-1表示噪声协方差矩阵的逆矩阵。

13.根据权利要求11所述的设备，其中，处理器(101)进一步包括用于过滤接收序列，以作为接收序列提供过滤了噪声的序列的噪声过滤器，所述噪声过滤器被用来使用由噪声协方差矩阵的逆矩阵定义的过滤系数来过滤接收序列。

14.根据权利要求12所述的设备，其中，处理器(101)包括过滤器，该过滤器包括用于过滤接收序列以提供置换的过滤序列的过滤系数，以及用于确定过滤系数的装置，所述用于确定过滤系数的装置被用来根据下列表达式计算过滤系数

DL^HP_oH^HΦ_nn ^-1。

15.根据权利要求1所述的设备，其中，决定器包括用于进行置换的装置，所述用于进行置换的装置被用来对减少了干扰的序列进行置换，以便使用置换信息提供置换的减少了干扰的序列；以及

用于从置换的减少了干扰的序列值中检测发射序列值以提供发射序列的估计的检测器。

16.根据权利要求15所述的设备，其中，所述用于进行置换的装置被用来将减少了干扰的序列乘以矩阵，该矩阵是置换矩阵P_o的转置。

17.根据权利要求1所述的设备，其中，反馈元件包括用于使用置换信息对发射序列的估计进行置换以提供发射序列的置换的估计的另一个装置，以及用于对发射序列的置换的估计进行加权处理以提供反馈序列的装置。

18.根据权利要求17所述的设备，其中，用于对发射序列的估计进行置换的装置用于将发射序列的估计乘以置换矩阵P_o，所述置换矩阵包括置换信息。

19.根据权利要求17所述的设备，其中，用于对发射序列的置换的估计进行加权处理的装置用于将发射序列的置换的估计乘以由下列公式定义的矩阵

L^-1-1

其中，L^-1是包括下三角形矩阵的对角线中的那些元素的下三角形矩阵L的逆矩阵，其中，1表示单位矩阵。

20.根据权利要求19所述的设备，进一步包括反演器，用于对下三角形矩阵L求逆，以便提供其逆矩阵。

21.根据权利要求19所述的设备，其中，干扰消除器用于通过使用置换的过滤序列执行减法运算来减少干扰。

22.根据权利要求1所述的设备，其中，减少了干扰的序列包括N个值，其中，决定器包括用于检测发射序列的估计的N个值的N个检测器。

23.根据权利要求22所述的设备，其中，反馈元件包括

(N²-N)/2

个乘法器，用于将发射序列的估计的开头N-1个值乘以加权系数，以提供反馈序列，其中，加权系数是矩阵L^-1-1的系数，

其中，L^-1是包括下三角形矩阵的对角线中的那些元素的下三角形矩阵L的逆矩阵。

24.根据权利要求23所述的设备，其中，反馈序列包括N个值，其中，减法器用于从置换的过滤序列的最后N-1个值中减去反馈序列的N个值，以提供减少了干扰的序列。

25.根据权利要求24所述的设备，其中，反馈序列包括第一反馈序列值、第二反馈序列值以及第三反馈序列值，其中，第一反馈序列值是通过将反馈序列的估计的第一值乘以第一加权系数而产生的，其中，第二反馈序列值是通过将发射序列的估计的第一值乘以第二加权系数而产生的，其中，第三反馈序列值是通过将发射序列的估计的第二值乘以第三加权系数而产生的，其中，减法器包括第一减法元件，用于从第二置换的过滤序列值中减去第一反馈序列值，以及第二和第三减法元件，用于从第三置换的过滤序列值减去第二反馈序列值和第三反馈序列值。

26.从接收序列提供发射序列的估计的方法，发射序列包括N_T个发射序列值，其中，发射序列值可由N_T个发射点中的一个通过多个通信信道中的一个通信信道发射到N_R个接收点中的一个接收点，其中，通信信道从发射点延伸到接收点，其中，接收序列包括发射序列值的干扰，该方法包括下列步骤：

提供有关与发射序列的估计关联的估计误差的信息；

使用有关估计误差的信息来计算置换信息；

对接收序列进行处理，以便使用信道信息和置换信息获取具有置换的过滤序列值的置换的过滤序列，所述处理包括使用信道信息进行过滤，并使用置换信息进行置换，其中所述置换的过滤序列值处于这样的顺序，使得与发射序列的估计的值关联的估计误差值以预先确定的顺序排列，发射序列的估计的值由干扰消除步骤使用所述置换的过滤序列值来确定；

干扰消除，以便使用置换的过滤序列和置换信息减少干扰，以提供发射序列的估计，干扰消除包括从置换的过滤序列中减去反馈序列，以便减少干扰，以提供减少了干扰的序列，通过从减少了干扰的序列中的值确定发射序列的估计中的估计值，从减少了干扰的序列中提供发射序列的估计，以及对发射序列的估计进行加权处理，以便提供反馈序列。

Images