CN1953343B - 线性联合检测输出生成信道译码器软比特的方法 - Google Patents

Abstract

本发明公开了一种线性联合检测输出生成信道译码器软比特的方法，该方法包括：获取无线系统的线性联合检测结果信号；对所述线性联合检测结果信号中的噪声功率进行还原，生成信道译码所需的软比特；将生成的软比特输出给信道译码器。利用本发明，可以将解调信号的质量反映到解调信号的幅度上，有效地提高信号译码性能。

Description

线性联合检测输出生成信道译码器软比特的方法 

技术领域

本发明涉及移动通信技术领域，具体涉及一种线性联合检测输出生成信道译码器软比特的方法。 

背景技术

第三代移动通信系统采用CDMA(宽带码分多址)技术，它具有抗干扰、容量大、保密性好以及软越区切换等性能，但由于扩频码一般不严格正交，其非零互相关系数会引起各用户之间的相互干扰，即MAI(多址干扰)。MAI的存在使得系统容量受到限制，并且带来“远近效应”，严重影响系统性能。例如，TD-SCDMA(时分-同步码分多址)系统综合运用了时分多址TDMA、频分多址FDMA和码分多址CDMA三种复用技术来提高系统容量。然而，由于无线传输环境的复杂性，处于同一频率同一时隙但采用不同OVSF(正交可变步长)码调制的各用户在到达接收端时，其信号的正交性受到破坏，而且由于多径时延和其他用户的干扰，造成了符号间干扰ISI和多址干扰MAI。 

为了消除多址干扰和符号间干扰，在TD-SCDMA系统中，基站和终端都采用了联合检测技术。联合检测技术是在传统检测技术的基础上，充分利用造成MAI干扰的所有用户信号及其多径的先验信息(如确知的用户信道码和训练序列、各用户的信道估计等)，把用户信号的分离当作一个统一的相互关联的联合检测过程来完成，从而具有优良的抗干扰性能，降低了系统对功率控制精度的要求，因此可以更加有效地利用上行链路频谱资源，显著地提高系统容量。 

联合检测算法的具体实现方法有多种，大致分为非线性算法、线性算法和判决反馈算法等三大类。其中，线性联合检测算法主要有ZF-BLE(迫零线性块均衡)和MMSE-BLE(最小均方误差线性块均衡)两种。 

在这两种算法中，线性联合检测后的软比特输出中，噪声功率都被不同程度地放大了，而且，由于移动通信信道具有多径传播以及多普勒频移特性，当终端快速移动时，多普勒频移加大，会引发信道的快速衰落，导致联合检测输出噪声功率在子帧/时隙之间相差很大，这种现象将造成信道译码性能的严重恶化。因为信道译码的处理单元是1个TTI(传输时间间隔)，而1个TTI包含n个子帧，对于TD-SCDMA系统来说，n的取值可以为2、4、8、16。信道译码是将n个子帧的数据作为一个整体进行处理的，而n个子帧间噪声功率的起伏波动从某种程度上破坏了这个整体的一致性或相关性，从而恶化了信道译码的性能。 

发明内容

本发明的目的是提供一种线性联合检测输出生成信道译码器软比特的方法，以克服现有技术线性联合检测后的软比特输出中放大的噪声功率影响信道译码性能的缺点，降低软比特中的噪声功率，提高信道译码性能。 

为此，本发明提供如下的技术方案： 

一种线性联合检测输出生成信道译码器软比特的方法，包括步骤： 

A、获取无线系统的线性联合检测结果信号； 

B、对所述线性联合检测结果信号中经过联合检测被放大了的噪声功率进行还原，生成信道译码所需的软比特；具体包括： 

B1、获得线性联合检测过程中得到的相关矩阵C的逆矩阵C ^-1 对角线元素D＝diag(C ^-1 )的近似结果，当采用迫零线性块均衡算法时C＝A^H·A，当采用最小均方误差线性块均衡算法时C＝A^H·A+σ²I，其中，A为系统矩阵，σ²表示噪声功率，I表示单位阵； 

B2、根据逆矩阵C ^-1 对角线元素D的近似结果按以下方式对所述线性联合检测结果信号的幅度进行加权，生成信道译码所需的软比特： 

其 中，D_j，j表示矩阵对角线第j个元素， 

为第j个解调输出的数据， 为第j个软比特输出数据； 

C、将生成的软比特输出给信道译码器。 

所述步骤A包括： 

当采用迫零线性块均衡算法时，线性联合检测结果信号为： 

其中，A为系统矩阵，R_n为序列n的协方差矩阵R_n＝E{n·n^H}，e为总的接收信号，d为总的编码数据向量； 

当采用最小均方误差线性块均衡算法时，线性联合检测结果信号为： 

其中，R_d是用户数据d的协方差矩阵，R_d＝E{d·d^H}，I为单位阵。可选地，所述步骤B1包括： 

B1-11、抽取相关矩阵C的子矩阵R，并求出子矩阵R的逆矩阵S； 

B1-12、根据子矩阵R的逆矩阵S对相关矩阵C的逆矩阵进行重复近似，获得相关矩阵C的近似逆矩阵 

B1-13、取近似逆矩阵 的对角线元素作为逆矩阵C ^-1 对角线元素D的近似结果。 

可选地，所述步骤B1包括： 

B1-21、抽取相关矩阵C的子矩阵R，并对其进行乔里氏分解获取下三角矩阵 

B1-22、根据子矩阵R的下三角矩阵 

对相关矩阵C进行近似分解，获得分解矩阵L； 

B1-23、取分解矩阵L的对角线元素的模平方的倒数作为对角线元素D的近似结果。 

可选地，所述步骤B2具体为： 

直接取相关矩阵C的对角线元素的倒数作为逆矩阵C ^-1 对角线元素的近似结果，生成信道译码所需的软比特。 

一种线性联合检测输出生成信道译码器软比特的方法，包括步骤： 

A′、获取无线系统的线性联合检测结果信号； 

B′、对所述线性联合检测结果信号中经过联合检测被放大了的噪声功率进行还原，生成信道译码所需的软比特；具体包括： 

B1′、对线性联合检测结果信号进行解调； 

B2′、根据信号解调结果获得各码道的信噪比； 

B3′、根据所述各码道的信噪比对所述信号解调结果进行幅度加权处理，生成信道译码所需的软比特； 

C′、将生成的软比特输出给信道译码器。 

所述步骤A′包括： 

当采用迫零线性块均衡算法时，线性联合检测结果信号为： 

其中，A为系统矩阵，R_n为序列n的协方差矩阵R_n＝E{n·n^H}，e为总的接收信号，d为总的编码数据向量； 

当采用最小均方误差线性块均衡算法时，线性联合检测结果信号为： 

其中，R_d是用户数据d的协方差矩阵，R_d＝E{d·d^H}，I为单位阵。 

所述步骤B2′包括： 

B21′、通过下式获取各码道的信号功率： 

${\stackrel{\‾}{b}}^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}\left|b_n^{\left(k\right)}\right|$

S^(k)＝|b^(k)|²

其中，b_n ^(k)表示第k个码道的第n个解调比特，b^(k)为中间变量，S^(k)为第k个码道的信号功率； 

B22′、通过下式获取各码道的噪声平均功率： 

$N^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}{\left(\right|b_n^{\left(k\right)}|-{\stackrel{\‾}{b}}^{\left(k\right)})}^2$

其中，N^(k)为第k个码道的噪声功率，N为22； 

B23′、根据获得的各码道的信号功率及噪声平均功率计算各码道的信噪比。 

由以上本发明提供的技术方案可以看出，本发明针对线性联合检测算法对噪声放大的特点，以及当终端快速移动时，线性联合检测器输出噪声产生剧烈波动的现象，对噪声功率进行还原，生成高信噪比的软比特，有效地提高了终端快速移动下的信道译码性能，从而可以降低发送功率，进而增大下行链路的通信容量。在对噪声功率还原的过程中，根据ZF-BLE和MMSE-BLE对噪声功率的放大倍数与系统矩阵A的关系，以及(A^H·A)^-1和(A^H·A+σ²I)^-1所具有的带状稀疏性质、Herimitian性质以及Block-Toeplitz性质，对于相关矩阵A^H·A和A^H·A+σ²I的逆矩阵进行近似，进一步降低了本发明实现的复杂度。 

附图说明

图1是TD-SCDMA系统的基带模型； 

图2是TD-SCDMA系统的突发结构示意图； 

图3是本发明方法的实现流程图； 

图4是相关矩阵C的结构示意图； 

图5是相关矩阵C的子矩阵的逆矩阵的结构示意图； 

图6是对相关矩阵C近似求逆后的示意图； 

图7是相关矩阵C的子矩阵的乔里氏分解矩阵的结构示意图； 

图8是相关矩阵C近似乔里氏分解后的矩阵的结构示意图； 

图9示出了将本发明应用于AWGN情况下的译码仿真结果； 

图10至图12分别是将本发明应用于不同信道环境下的译码仿真结果。 

具体实施方式

本发明的核心在于针对线性联合检测算法对噪声放大的特点，以及当终端快速移动时，线性联合检测器输出噪声产生剧烈波动的现象，对噪声功率进行还原，生成高信噪比的软比特，从而提高信道译码性能。在对噪声功率进行还原时，为了降低实现的复杂度，根据ZF-BLE和MMSE-BLE对噪声功率的放大倍数与系统矩阵A的关系，以及(A^H·A)^-1和(A^H·A+σ²I)^-1所具有的带状稀疏性质、Herimitian性质以及Block-Toeplitz性质，对于相关矩阵A^H·A和A^H·A+σ²I的逆矩阵进行近似，获得噪声还原的值，从而减小子帧间噪声功率的波动。 

为了使本技术领域的人员更好地理解本发明方案，下面首先对现有技术中的线性联合检测算法做简单描述。 

参照图1，图1示出了TD-SCDMA系统的基带模型： 

其中，d^(k)为码道k的发射数据，c^(k)为码道k的信道码，h^(k)为码道k所经历的信道冲激响应，c^(k)和h^(k)的组合可以看作组合信道码b^(k)，各个用户的数据最终叠加在一起，然后再叠加上噪声的影响，形成接收信号e。 

TD-SCDMA系统的基本物理信道，也可以称之为无线资源单元，即突发，其结构如图2所示：由前后两个大小相同的数据块(352个码片)、居中的训练序列Miamble(144个码片)、以及16个码片的GP(保护间隔)组成。突发由 时隙来承载，一个时隙承载一个突发块。同步时分系统中的联合检测是通过对已知的Midamble进行信道估计，对多码道信号联合处理来进行的。 

为了描述方便，进行如下定义： 

N：每个用户在前后每个数据块内的数据符号的数目； 

Q：扩频因子； 

K：每个突发同时激活的用户(即接入占用相同频率相同时隙的信道的用户)的数目； 

W：信道估计窗长； 

对用户k而言，接收机收到的总信号e可以表示如下： 

e＝Ad+n＝(e₁，e₂，L，e_N·Q+W-1)^T(1) 

e是一个(N·Q+W-1)×1维的向量。其中， 

A为系统矩阵，A＝(A_i，j)i＝1L N·Q+W-1，j＝1L K·N，其中， 

$A_{Q\·(n-1)+1,n+N\·(k-1)}=\left\{\begin{array}{ccc}{b}_l^{\left(k\right)}& \mathrm{for}& k=1\mathrm{LK},n=1\mathrm{LN},l=1\mathrm{LQ}+W-1\\ 0& \mathrm{else}& \end{array}\right.$

d为总的编码数据向量，维数为NK×1，即： 

$d={(d^{{\left(1\right)}^T},d^{{\left(2\right)}^T},L,d^{{\left(K\right)}^T})}^T={(d_1,d_2,L,d_{K\·N})}^T$ ，k＝1L K，其中， 

$d_j\stackrel{\mathrm{def}}{=}{d}_n^{\left(k\right)}$ ，j＝n+N·(k-1)，k＝1L K，n＝1L N； 

d^(k)为用户k的编码数据向量，维数为N×1，即： $d^{\left(k\right)}={(d_1^{\left(k\right)},d_2^{\left(k\right)},L,d_N^{\left(k\right)})}^T,$  k＝1L K。 

根据上述基带模型，总的接收信号为：e＝Ad+n。 

1.ZF-BLE算法是基于Gauss-Markov定理的最佳加权最小二乘估计，通过使： 

${\left|\right|e-A{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}\left|\right|}^2\→0---\left(2\right)$

或者使正定式： 

$Q\left({\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}\right)={(e-A{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}})}^H{R_n}^{-1}(e-{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}})\→0---\left(3\right)$

将上式对 

求偏导可得到无偏估计： 

${\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}={\left(A^H{R_n}^{-1}A\right)}^{-1}{A}^H{R_n}^{-1}e$

上式中的R_n表示序列n的协方差矩阵R_n＝E{n·n^H}。 

由该式可以看出，ZF-BLE算法完全消除了ISI和MAI，因此均衡器(A^HR_n ^-1A)^-1A^HR_n ^-1被称为迫零(ZF)均衡器。ZF-BLE假设A^HR_n ^-1A为非奇异方阵，实际情况中，A^HR_n ^-1A为奇异方阵的概率为零，故该方阵的逆总是存在的。 

假设R_n＝σ²I、R_d＝I，这时ZF-BLE算法的输出如式(5)所示： 

${\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}{|}_{R_n={\mathrm{\σ}}^{2}I}={\left(A^{H}A\right)}^{-1}{A}^{H}e$ (5) 

经过ZF-BLE之后，每个数据符号的信噪比为： 

${\mathrm{\γ}}_{\mathrm{ZF}-\mathrm{BLE}}(k,n)=\frac{1}{{\mathrm{\σ}}^2{\left[{(A^H\·A)}^{-1}\right]}_{j,j}}$

j＝n+N·(k-1)(6) 

k＝1…K，n＝1…N 

由该式可以看出，经过联合检测之后，噪声功率被放大了，噪声功率放大的倍数为[(A^H·A)^-1]_j，j。 

2.MMSE-BLE算法是从信号估计理论移植到多用户检测领域的一个概念。 

MMSE-BLE算法通过使： 

$E\left({\left|\right|d-{\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}}\left|\right|}^2\right)\→0---\left(7\right)$

或者使正定式： 

$Q\left({\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}}\right)=E\left\{{(d-{\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}})}^H(d-{\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}})\right\}\→0---\left(8\right)$

得到MMSE-BLE的估计值为： 

${\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}}={(A^H{R_n}^{-1}A+{R_d}^{-1})}^{-1}{A}^H{R_n}^{-1}e$

$\stackrel{\mathrm{def}}{=}{W}_0\·{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}$

上式中的R_d是用户数据d的协方差矩阵，R_d＝E{d·d^H}。上式得到的结果可以看作是用一个维纳估计器W₀对ZF-BLE算法的扩展。维纳估计器是一个最佳线性滤波器，它能克服ZF-BLE对噪声功率增强的缺陷，在消除ISI和MAI与不增强噪声功率之间取得了折衷。当噪声功率较小即高信噪比时，MMSE-BLE等价于ZF-BLE，当噪声功率远高于信号功率即低信噪比时，MMSE-BLE相当于传统的匹配滤波器。 

同样假设R_n＝σ²I、R_d＝I，这时MMSE-BLE算法的输出如式(10)所示： 

${\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}}{|}_{\begin{array}{c}{R}_n={\mathrm{\σ}}^{2}I\\ R_d=I\end{array}}={(A^{H}A+{\mathrm{\σ}}^{2}I)}^{-1}{A}^{H}e$ (10) 

经过MMSE-BLE之后，每个数据符号的信噪比为： 

${\mathrm{\γ}}_{\mathrm{MMSE}-\mathrm{BLE}}(k,n)=\frac{{\left[{(I+{\mathrm{\σ}}^2{(A^H\·A)}^{-1})}^{-1}\right]}_{j,j}}{1-\left[\right(I+{\mathrm{\σ}}^2{{(A^H\·A)}^{-1}{)}^{-1}]}_{j,j}}$

j＝n+N·(k-1)(11) 

k＝1…K，n＝1…N 

根据矩阵求逆原理，上式可以进一步简化为： 

${\mathrm{\γ}}_{\mathrm{MMSE}-\mathrm{BLE}}(k,n)=\frac{{\left[{(I+{\mathrm{\σ}}^2{(A^H\·A)}^{-1})}^{-1}\right]}_{j,j}}{{\mathrm{\σ}}^2{\left[{(A^H\·A+{\mathrm{\σ}}^{2}I)}^{-1}\right]}_{j,j}}$

j＝n+N·(k-1)(12) 

k＝1L K，n＝1L N 

由该式可以看出，经过联合检测之后，噪声功率被放大了，噪声功率放大的倍数为[(A^H·A+σ²I)^-1]_j，j。 

由上述的分析可见，ZF-BLE和MMSE-BLE对噪声的放大倍数与系统矩阵A紧密相关。 

本技术领域人员知道，系统矩阵A描述的是扩频、加扰以及传输信道对发送的数据符号d的影响，其中会改变发送信号幅度或功率的只有传输信道。接收信号e中随传输信道的衰落变化而变化的只有Ad，噪声是不受传输信道影响的。 

由于线性联合检测的目的就是去除或者消弱系统矩阵A对数据符号d的影响，以便尽可能地恢复数据符号d。但该恢复过程同时也影响了噪声n，而且如果发送信号经过传输信道受到了衰落，那么联合检测后输出的噪声会被增强，影响随后的信道译码性能。 

从另一个角度来说，由于移动通信信道具有多径传播以及多普勒频移的特性，当终端快速移动时，多普勒频移加大，由此会引发信道的快速衰落。在快速衰落信道中，信道冲激响应在子帧与子帧或者时隙与时隙之间变化很快，反映在接收信号上，即是子帧/时隙之间数据的衰落幅度差别很大，导致了联合检测输出噪声功率在子帧/时隙之间相差很大。子帧/时隙之间噪声功率的波动虽然不会影响联合检测的性能，但却会造成信道译码性能的恶化。 

本发明即针对线性联合检测后噪声功率的放大或者终端快速移动时噪声功率产生剧烈波动，影响信道译码性能的特点，通过对线性联合检测器的输出噪声进行还原处理，从而有效地提高终端在快速移动下的信道译码性能。 

参照图3，图3示出了本发明方法的实现流程，包括以下步骤： 

步骤301：获取无线系统的线性联合检测结果信号。 

根据前面的介绍可知， 

如果采用ZF-BLE算法进行线性联合检测，则得到的检测结果为： 

${\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}={\left(A^H{R_n}^{-1}A\right)}^{-1}{A}^H{R_n}^{-1}e$

上式中的R_n表示序列n的协方差矩阵R₀＝E{n·n^H}。而且经过ZF-BLE之后，每个数据符号的信噪比为： 

${\mathrm{\γ}}_{\mathrm{ZF}-\mathrm{BLE}}(k,n)=\frac{1}{{\mathrm{\σ}}^2{\left[{(A^H\·A)}^{-1}\right]}_{j,j}}$

j＝n+N·(k-1) 

k＝1…K，n＝1…N 

即经过联合检测之后，噪声功率被放大了，噪声功率放大的倍数为[(A^H·A)^-1]_j，j。 

如果采用ZF-BLE算法进行线性联合检测，则得到的检测结果为： 

${\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}}={(A^H{R_n}^{-1}A+{R_d}^{-1})}^{-1}{A}^H{R_n}^{-1}e$

$\stackrel{\mathrm{def}}{=}{W}_0\·{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}$

而且经过MMSE-BLE之后，每个数据符号的信噪比为： 

${\mathrm{\γ}}_{\mathrm{MMSE}-\mathrm{BLE}}(k,n)=\frac{{\left[{(I+{\mathrm{\σ}}^2{(A^H\·A)}^{-1})}^{-1}\right]}_{j,j}}{{\mathrm{\σ}}^2{\left[{(A^H\·A+{\mathrm{\σ}}^{2}I)}^{-1}\right]}_{j,j}}$

j＝n+N·(k-1) 

k＝1L K，n＝1L N 

即经过联合检测之后，噪声功率被放大了，噪声功率放大的倍数为[(A^H·A+σ²I)^-1]_j，j。 

为了保证随后的译码质量，需要对检测结果中的噪声功率进行还原，即消除在联合检测过程中系统矩阵A对噪声放大的影响。 

步骤302：对线性联合检测结果信号中的噪声功率进行还原，生成信道译码所需的软比特。 

步骤303：将生成的软比特输出给信道译码器。 

根据上述公式(6)，将噪声放大的倍数去除掉，即可得到在ZF-BLE算法下噪声功率还原(NPR)的表达式： 

${\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}-\mathrm{NPR}}{|}_{\begin{array}{c}{R}_n={\mathrm{\σ}}^{2}I\\ \end{array}}(k,n)=\frac{{\hat{d}}_{\mathrm{ZF}-\mathrm{BLE}}(k,n)}{\sqrt{{\left[{(A^H\·A)}^{-1}\right]}_{j,j}}}$

j＝n+N·(k-1)(13) 

k＝1L K，n＝1L N 

由上述公式(12)，将噪声放大的倍数去除掉，即可得到在MMSE-BLE算法下噪声功率还原的表达式： 

${\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}-\mathrm{NPR}}{|}_{\begin{array}{c}{R}_n={\mathrm{\σ}}^{2}I\\ R_d=I\end{array}}(k,n)=\frac{{\hat{d}}_{\mathrm{MMSE}-\mathrm{BLE}-\mathrm{NPR}}(k,n)}{\sqrt{{\left[{(A^H\·A+{\mathrm{\σ}}^{2}I)}^{-1}\right]}_{j,j}}}$

j＝n+N·(k-1)(14) 

k＝1L K，n＝1L N 

由于(A^H·A)^-1和(A^H·A+σ²I)^-1都是NK×NK维的复矩阵，也就是说噪声还原需要对一个NK×NK维的复数矩阵进行求逆运算。以TD-SCDMA系统来 说，N为22，K的最大值可以为16，即需要求逆的复数矩阵的维数最大可以是352×352，这个计算量是非常大的，实现起来很复杂。 

考虑到A^H·A和A^H·A+σ²I所具有的带状稀疏性质、Herimitian(共轭对称)性质以及Block-Toeplitz(块状拓扑)性质，可以通过以下几种方式进行简化近似计算，以简单可行地实现本发明。 

设定采用迫零线性块均衡算法的系统相关矩阵为 ${\underset{\‾}{C}}_{\mathrm{ZF}}=A^H\·A,$ 采用最小均方误差线性块均衡的联合检测算法，其系统相关矩阵为  ${\underset{\‾}{C}}_{\mathrm{MMSE}}=A^H\·A+{\mathrm{\σ}}^{2}I.$ 相关矩阵C的结构如图4所示： 

其中，每个用户在前/后数据块内的数据符号的数目N＝22。 

相关矩阵C由三个矩阵R0，R1，R1′重复生成。 

为了简化实现，本发明提供了几种噪声功率还原的简化实现方法，下面结合附图和实施方式作详细说明。 

简化方式1： 

步骤1：部分求逆： 

抽取相关矩阵C的子矩阵R，利用乔里氏分解求其逆矩阵S，图5给出了两块近似的示意图，多块求逆与此类似。 

步骤2：近似求逆： 

根据子矩阵的逆矩阵，对相关矩阵C的逆矩阵 

进行重复近似，图6给出了两块近似的示意图，多块求逆于此相类似。 

步骤3：取对角线： 

取逆矩阵 

的对角线元素s_jj，j＝n+N·(k-1)。 

步骤4：噪声还原： 

${\hat{d}}_{\mathrm{NPR}}{|}_{R_n={\mathrm{\σ}}^{2}I}(k,n)=\frac{\hat{d}(k,n)}{\sqrt{S_{j,j}}}j=n+N\·(k-1)k=1\mathrm{LK},n=1\mathrm{LN}$

简化方式2： 

步骤1：部分分解： 

抽取相关矩阵C的子矩阵R，进行乔里氏分解得到下三角矩阵 

，图7给出了两块近似的示意图，多块分解与此类似。 

步骤2：近似分解： 

根据子矩阵的逆矩阵，对相关矩阵C的乔里氏分解矩阵 

进行重复近似，图8给出了两块近似的示意图，多块近似与此相类似。 

步骤3：取对角线： 

取分解矩阵 

的对角线元素l_jj，j＝n+N·(k-1)。 

步骤4：噪声还原： 

${\hat{d}}_{\mathrm{NPR}}{|}_{R_n={\mathrm{\σ}}^{2}I}(k,n)={\hat{d}}_{(k,n)}*\mathrm{Re}\left(l_{j,j}\right)j=n+N\·(k-1)k=1\mathrm{LK},n=1\mathrm{LN}.$

简化方式3： 

步骤1：取对角线： 

直接取相关矩阵C的对角线元素c_jj，j＝n+N·(k-1)。 

步骤2：噪声还原： 

${\hat{d}}_{\mathrm{NPR}}{|}_{R_n={\mathrm{\σ}}^{2}I}(k,n)={\hat{d}}_{(k,n)}*\sqrt{\mathrm{Re}\left(c_{j,j}\right)}j=n+N\·(k-1)k=1\mathrm{LK},n=1\mathrm{LN}.$

简化方式4： 

步骤1：将线性联合检测器的输出符号按码道排列并解调(TD-SCDMA系统采用的是正交相移键控QPSK调制方式)得到软比特。具体公式如式(15)所示： 

$b_{2i}^{\left(k\right)}=\mathrm{Re}\left({\hat{d}}_{2i}^{\left(k\right)}\right)+\mathrm{Im}\left({\hat{d}}_{2i}^{\left(k\right)}\right),i=0L2N-1$ (15) 

$b_{2i+1}^{\left(k\right)}=\mathrm{Im}\left({\hat{d}}_{2i}^{\left(k\right)}\right)-\mathrm{Re}\left({\hat{d}}_{2i}^{\left(k\right)}\right),i=0L2N-1$

上式中的k表示码道，i表示符号，N表示一个突发前/后数据块内的符号 数(对于TD-SCDMA系统来说为22)。 

其中，第一个公式表示的是偶数比特的解调算法；第二个公式表示的是奇数比特的解调算法。 

步骤2：计算各码道的信号功率噪声平均功率，如式(16)所示： 

${\stackrel{\‾}{b}}^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}\left|b_n^{\left(k\right)}\right|$ (16) 

$S^{\left(k\right)}={\left|{\stackrel{\‾}{b}}^{\left(k\right)}\right|}^2$

其中，b_n ^(k)表示第k个码道的第n个解调比特， 为中间变量，S^(k)为第k个码道的信号功率； 

步骤3：计算各码道的噪声平均功率，如式(17)所示： 

$N^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}{\left(\right|b_n^{\left(k\right)}|-{\stackrel{\‾}{b}}^{\left(k\right)})}^2---\left(17\right)$

其中，N^(k)为第k个码道的噪声功率，对于TD-SCDMA系统，N为22；步骤4：按码道对软比特进行噪声功率归一化处理，计算公式如下所示： 

$b_n^{\′\left(k\right)}=b_n^{\left(k\right)}\sqrt{\frac{S^{\left(k\right)}}{N^{\left(k\right)}}},n=0L4N-1---\left(18\right)$

为了进一步验证本发明对改善信道译码性能的效果，图9、图10、图11、图12分别示出了本发明在不同应用环境情况下的仿真结果。 

在3GPP(第三代伙伴组织计划)中给出了适用于TD-SCDMA系统的多径衰落环境的传播条件，如下表所示： 

其中，Case1和Case2下，终端都是低速移动的(3km/h)，因此可以推测噪声功率的还原对这两种情况下信道译码性能的改善不是很明显，而在Case3下，终端高速移动(120km/h)，因此可以推测噪声功率的还原在这种情况下对信道译码性能将有明显的改善。 

当信道为AWGN(加性高斯白噪声)信道时，信道不具有衰落性，可以推测此时噪声功率的还原对信道译码性能将没有影响。但在实现系统中，由于信道估计存在误差，因此经过线性联合检测后，由于子帧间的噪声功率存在着较小的波动，本发明同样对信道译码的性能会有所改善。 

图9示出的是将本发明应用于AWGN情况下的译码结果； 

图10至图12分别是将本发明应用于上表所列Case1、Case2和Case3三种情况下的译码结果。 

仿真环境为：在TD-SCDMA系统下行链路中，假设5个用户占用10个码道，每个用户占用2个码道，估计窗长为16，且所有码道的发送功率相同。 

由仿真结果可以看出，本发明在Case3下对信道译码性能的改善是非常显著的。当CC BLER(误块率)为10^-2时，使用本发明对信道译码性能的增益对于MMSE-BLE接近1dB。 

由以上的描述可见，本发明针对线性联合检测算法对噪声放大的特点，以及当终端快速移动时，线性联合检测器输出噪声产生剧烈波动的现象，对噪声功率进行还原，生成高信噪比的软比特，从而减小了子帧间噪声功率的波动。通过仿真结果进一步表明了本发明能够显著地提高终端快速移动下的信道译码性能，从而可以降低发送功率，进而增大下行链路的通信容量。 

在对噪声功率还原的过程中，根据ZF-BLE和MMSE-BLE对噪声功率的放大倍数与系统矩阵A的关系，以及(A^H·A)^-1和(A^H·A+σ²I)^-1所具有的带状稀疏性质、Herimitian性质以及Block-Toeplitz性质，对于相关矩阵A^H·A和A^H·A+σ²I的逆矩阵进行近似，进一步降低了本发明实现的复杂度。 

虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。 

Claims (8)

1.一种线性联合检测输出生成信道译码器软比特的方法，其特征在于，包括步骤：

A、获取无线系统的线性联合检测结果信号；

B、对所述线性联合检测结果信号中经过联合检测被放大了的噪声功率进行还原，生成信道译码所需的软比特；具体包括：

B1、获得线性联合检测过程中得到的相关矩阵C的逆矩阵C ^-1 对角线元素D＝diag(C ^-1 )的近似结果，当采用迫零线性块均衡算法时C＝A^H·A，当采用最小均方误差线性块均衡算法时C＝A^H·A+σ²I，其中，A为系统矩阵，σ²表示噪声功率，I表示单位阵；

B2、根据逆矩阵C ^-1 对角线元素D的近似结果按以下方式对所述线性联合检测结果信号的幅度进行加权，生成信道译码所需的软比特：

其中，D_j，j表示矩阵对角线第j个元素，

为第j个解调输出的数据，

为第j个软比特输出数据；

C、将生成的软比特输出给信道译码器。

2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：

当采用迫零线性块均衡算法时，线性联合检测结果信号为：

其中，A为系统矩阵，R_n为序列n的协方差矩阵R_n＝E{n·n^H}，e为总的接收信号，d为总的编码数据向量；

当采用最小均方误差线性块均衡算法时，线性联合检测结果信号为：

其中，R_d是用户数据d的协方差矩阵，R_d＝E{d·d^H}，I为单位阵。

3.根据权利要求1所述的方法，其特征在于，所述步骤B1包括：

B1-11、抽取相关矩阵C的子矩阵R，并求出子矩阵R的逆矩阵S；

B1-12、根据子矩阵R的逆矩阵S对相关矩阵C的逆矩阵进行重复近似，获得相关矩阵C的近似逆矩阵

B1-13、取近似逆矩阵的对角线元素作为逆矩阵C ^-1 对角线元素D的近似结果。

4.根据权利要求1所述的方法，其特征在于，所述步骤B1包括：

B1-21、抽取相关矩阵C的子矩阵R，并对其进行乔里氏分解获取下三角矩阵

B1-22、根据子矩阵R的下三角矩阵对相关矩阵C进行近似分解，获得分解矩阵L；

B1-23、取分解矩阵L的对角线元素的模平方的倒数作为对角线元素D的近似结果。

5.根据权利要求1所述的方法，其特征在于，所述步骤B2具体为：

直接取相关矩阵C的对角线元素的倒数作为逆矩阵C ^-1 对角线元素的近似结果，生成信道译码所需的软比特。

6.一种线性联合检测输出生成信道译码器软比特的方法，其特征在于，包括步骤：

A′、获取无线系统的线性联合检测结果信号；

B′、对所述线性联合检测结果信号中经过联合检测被放大了的噪声功率进行还原，生成信道译码所需的软比特；具体包括：

B1′、对线性联合检测结果信号进行解调；

B2′、根据信号解调结果获得各码道的信噪比；

B3′、根据所述各码道的信噪比对所述信号解调结果进行幅度加权处理，生成信道译码所需的软比特；

C′、将生成的软比特输出给信道译码器。

7.根据权利要求6所述的方法，其特征在于，所述步骤A′包括：

当采用迫零线性块均衡算法时，线性联合检测结果信号为：

其中，A为系统矩阵，R_n为序列n的协方差矩阵R_n＝E{n·n^H}，e为总的接收信号，d为总的编码数据向量；

当采用最小均方误差线性块均衡算法时，线性联合检测结果信号为：

其中，R_d是用户数据d的协方差矩阵，R_d＝E{d·d^H}，I为单位阵。

8.根据权利要求6所述的方法，其特征在于，所述步骤B2′包括：

B21′、通过下式获取各码道的信号功率：

${\stackrel{\‾}{b}}^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}\left|b_n^{\left(k\right)}\right|$

$S^{\left(k\right)}={\left|{\stackrel{\‾}{b}}^{\left(k\right)}\right|}^2$

其中，

表示第k个码道的第n个解调比特，

为中间变量，S^(k)为第k个码道的信号功率；

B22′、通过下式获取各码道的噪声平均功率：

$N^{\left(k\right)}=\frac{1}{4N}\underset{n=0}{\overset{4N-1}{\mathrm{\Σ}}}{\left(\right|b_n^{\left(k\right)}-{\stackrel{\‾}{b}}^{\left(k\right)}\left|\right)}^2$

其中，N^(k)为第k个码道的噪声功率，N为22；

B23′、根据获得的各码道的信号功率及噪声平均功率计算各码道的信噪比。

Images