CN1969517A - 通过反复干扰估计和空时白化实现单天线抗扰 - Google Patents

Abstract

本发明通过反复干扰估计和空时空白化实现单天线抗扰。用于单天线抗扰(SAIR)松弛的方法和设备。通过对接收信号进行同步和白化来减少接收信号中的干扰。该同步和白化包括执行以下步骤至少一次：1)对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；以及2)利用该干扰模型和输入信号来进行空时白化操作，以产生经更新的接收信号。当第一次执行进行同步和矢量噪声相关性估计的步骤时，该输入信号是该接收信号。当在第一次之后执行进行同步和矢量噪声相关性估计的步骤时，该输入信号是经更新的接收信号。

Description

通过反复干扰估计和空时白化实现单天线抗扰

技术领域

本发明总体上涉及数字时分多址通信系统中的单天线抗扰(SAIR)，更具体地，涉及根据全球移动通信系统(GSM)进行工作的通信系统中的SAIR。

背景技术

诸如根据GSM、增强型数据GSM服务(EDGE)以及先进数字移动电话服务(DAMPS)进行工作的无线数字时分多址(TDMA)通信系统中的接收器性能通常是受干扰限制的。例如，干扰可能来自于其他用户。相邻小区中的工作于相同载频上的用户可能会产生同信道干扰(CCI)，而工作于相邻载频上的用户可能会产生相邻信道干扰(ACI)。

通信系统的网络容量受到蜂窝频率规划的限制，蜂窝频率规划必须符合接收器的CCI和ACI性能。因此，对于接收器CCI或ACI性能的任何实质性提高都可以显著地提高网络容量。SAIR是用于增大网络容量的一种方法。

SAIR利用了例如GSM系统中的干扰的复数域中的一维特性。将复数接收信号的实部和虚部视为好像该实部和虚部来自于不同的传播信道。采用空时分集(diversity)来抑制干扰。

图1是表示当前SAIR处理的功能框图。在图1中，表示从属关系。图1中所示的变量如下：

r       接收信号

r′     经更新的接收信号

t       训练序列

h_(n+m} n+m抽头(tap)信道估计

A_{m+1} 干扰模型

p      同步位置

s      码元估计

SAIR处理100开始于同步块102处的接收信号r的突发同步(burstsynchronization)。在广义最小平方(GLS)信道空时白化(STW)估计块104处，执行干扰A_{m+1}的第m阶矢量化自动递归(VAR)模型和第(n+m)阶信道估计h_{n+m}的联合估计。将干扰模型A_{m+1}从GLS信道STW估计块104输出到STW滤波器块106。还将接收信号r输入到STW滤波器块106。使用矩阵多项式的系数通过STW滤波器块106对接收信号r进行滤波，以产生经更新的接收信号r′。

均衡器108也接收来自GLS信道STW估计块104的干扰模型A_{m+1}。均衡器108估计传输的数据码元并产生码元估计s。

在GSM系统中，例如，出于可识别性和复杂性的原因，干扰模型的阶必须充分的低(例如，m＜3)。处理100存在至少两个缺点。第一，通过处理100，用于该接收信号r的复合信道(即，从均衡器看到的信道)的范围从n个码元扩展为(n+m)个码元。对于决策反馈序列估计(DFSE)均衡器来讲，信道扩展不是严重的缺点，因为反馈范围扩展不会产生任何禁止的复杂性增大。然而，对于最大似然序列估计器(MLSE)均衡器来讲，由于处理100而导致的复杂性增大是指数形式的。如在许多公共平台中那样，如果使用专用硬件对用于MLSE均衡器的Viterbi处理器进行预构建，则如果可能的话，这种扩展使得处理100中所示的SAIR的实现变得非常困难。

第二，干扰模型A_{m+1}和n+m抽头信道估计h_{n+m}的联合GLS估计的计算量很大并且通常不准确。这种不准确性在许多信道条件下(例如，当不存在强干扰或者具有高电平背景噪声时)会影响接收器性能。背景噪声不仅可以由物理干扰(例如，热噪声)而导致，而且可以由非理想实现因素(例如，量化噪声)而导致。另外，联合估计的数值特性也可能是非常糟糕的，这会使该算法的固定点实现非常费力。在GLS估计中，必须解决非常大的矩阵(例如，达到13×13)的求逆。在实际信道条件下，该矩阵接近于奇异，这使得固定点计算由于舍入或截断误差而不稳定。

发明内容

通过本发明的实施例来克服这些和其他缺点，本发明提供了一种用于SAIR松弛的方法和设备。一种减少接收信号中的干扰的方法包括以下步骤：对接收信号进行同步，以产生同步位置；以及利用该同步位置和接收信号来确定经更新的接收信号。确定经更新的接收信号的步骤包括反复执行干扰模型估计和空时白化。确定经更新的接收信号的经更新的同步位置。利用经更新的同步位置和经更新的接收信号来确定信道估计。

一种用于减少接收信号中的干扰的方法包括对接收信号进行同步和白化的步骤。该同步和白化包括执行以下步骤至少一次：1)对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；以及2)利用该干扰模型和输入信号来进行空时白化操作，以产生经更新的接收信号。当在所述至少一次中的第一次执行进行同步和矢量噪声相关性估计的步骤时，输入信号是接收信号。当在所述至少一次中的第一次之后执行进行同步和矢量噪声相关性估计的步骤时，输入信号是经更新的接收信号。利用经更新的接收信号来确定信道估计。

一种用于减少接收信号中的干扰的设备包括：用于对接收信号进行同步，以产生同步位置的装置；以及用于利用该同步位置和接收信号来确定经更新的接收信号的装置。用于确定经更新的接收信号的装置包括用于反复执行干扰模型估计和空时白化的装置。该设备还包括：用于确定经更新的接收信号的经更新的同步位置的装置；以及用于利用经更新的同步位置和经更新的接收信号来确定信道估计的装置。

一种用于减少接收信号中的干扰的设备包括用于对接收信号进行同步和白化的装置。用于进行同步和白化的装置适于执行以下步骤至少一次：1)对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；以及2)利用该干扰模型和输入信号来进行空时白化操作，以产生经更新的接收信号。当在所述至少一次中的第一次执行进行同步和矢量噪声相关性估计的步骤时，输入信号是接收信号。当在所述至少一次中的第一次之后执行进行同步和矢量噪声相关性估计的步骤时，输入信号是经更新的接收信号。该设备还包括利用经更新的接收信号来确定信道估计的装置。

一种用于减少接收信号中的干扰的产品包括至少一个计算机可读介质和包含在该至少一个计算机可读介质中的处理器指令。这些处理器指令被构造为可以由至少一个处理器从所述至少一个计算机可读介质读取。所述处理器指令使得所述至少一个处理器进行操作，以：1)对接收信号进行同步，以产生同步位置；2)利用该同步位置和接收信号来确定经更新的接收信号；3)确定经更新的接收信号的经更新的同步位置；以及4)利用该经更新的同步位置和经更新的接收信号来确定信道估计。确定经更新的接收信号的步骤包括反复执行干扰模型估计和空时白化。

一种用于减少接收信号中的干扰的产品包括至少一个计算机可读介质和包含在该至少一个计算机可读介质中的处理器指令。这些处理器指令被构造为可以由至少一个处理器从所述至少一个计算机可读介质读取。使所述至少一个处理器进行操作，以对接收信号进行同步和白化。所述同步和白化包括执行以下步骤至少一次：1)对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；以及2)利用该干扰模型和输入信号来进行空时白化操作，以产生经更新的接收信号。当在所述至少一次中的第一次执行进行同步和矢量噪声相关性估计的步骤时，输入信号是接收信号。当在所述至少一次中的第一次之后执行进行同步和矢量噪声相关性估计的步骤时，输入信号是经更新的接收信号。还使所述至少一个处理器进行操作，以利用经更新的接收信号来确定信道估计。

附图说明

通过结合附图来阅读以下对于本发明的示例性实施例的详细说明，可以实现对本发明示例性实施例的更完整理解，其中在所有附图中使用类似的标号来表示相同或类似的特征：

图1在前面进行过说明，它是表示示例性SAIR处理的功能框图；

图2是表示根据本发明第一实施例的示例性SAIR处理的功能框图；

图3是表示根据本发明第二实施例的示例性SAIR处理的功能框图；以及

图4是表示根据本发明的原理，与基站进行通信的示例性GSMEDGE兼容移动台的图。

具体实施方式

为了有助于说明本发明的原理，在GSM移动台的环境下对该设备和方法进行介绍。并不旨在要将本发明的范围限制为在此介绍的示例。本领域的技术人员还可以将本发明的原理应用于许多其他类型的通信系统。

图2是表示根据本发明第一实施例的示例性SAIR处理的功能框图。在图2中，表示从属关系。图2中所示的变量如下：

r      接收信号

r″    经更新的接收信号

t      训练序列

p      同步位置

p′    经更新的同步位置

h_{n}  n抽头信道估计

ρ            噪声相关

A_{1}  干扰模型

s′    码元估计

SAIR处理200开始于在同步块102对接收信号r进行突发同步。还将接收信号r输入到空时白化设置&处理松弛块(STW块)202。在并行计算和本申请中使用术语“松弛”来描述对计算的数据依赖性的去耦。同步块102将同步位置p输出给STW块202。

将STW块202输出的经更新的接收信号r″提供给同步调节块204、信道估计块206和均衡器108。同步调节块204在STW块202之后对同步位置进行调节。由同步调节块204进行的同步点调节使得可以避免码元扩展。同步调节块204对由于强干扰而导致的任何易错同步进行矫正，并调节同步位置，以使得针对接收信号r″的具有指定范围的复合信道能够覆盖接收信号r的大部分能量。

在同步调节块204处的同步调节之后，在信道估计块206处进行n抽头信道估计。由于没有发生码元扩展，所以可以直接应用计算效率更高的最小平方(LS)估计。均衡器108接收经更新的接收信号r″和n抽头信道估计h_{n}，并估计传输的数据码元，以产生码元估计s′。

STW块202执行干扰模型估计和STW处理。与处理100(其中在执行集中STW处理之前，按照预定顺序执行集中模型估计)不同，采用了基于矢量化噪声相关性(VNC)的松弛方法。在STW&处理松弛块202处，反复执行第一阶VNC估计和STW处理过程m次。可以通过以下示例性伪代码(其中//表示非代码注释)来说明在STW设置&处理松弛块202中实现的处理：

SAIRRelaxation(m){

For(i＝0：m-1){

//通过信道估计进行的噪声估计

v＝EstNoise(r，t，n+i)；

//VNC

P_k＝E{ν^T(i)ν(i+k)}；

//干扰的第一阶VAR模型

$A\left(z\right)=I-P_0^{-1}{P}_1{z}^{-1};$

if(i＝m-1){

      //最后一次迭代中的空间去相关

$Q=P_0+P_1^T{A}_1;$

L·L^T＝Q；

A(z)＝LA(z)；

          }

          //STW滤波

            r＝r·A；

    }

}

通过SAIR处理200中的第二同步和信道估计，可以避免由于空时白化处理而导致的接收信号r的码元扩展。因此可以在下述的接收器构架中实现SAIR实施，在该接收器构架中，均衡器被构建为具有固定的复合信道范围的专用硬件。STW块202中采用的松弛方法显著地降低了计算复杂度，因为所有的矩阵运算都被限制为具有实元素的2×2矩阵。通过干扰模型估计对信道模型估计进行了去耦。由于估计条件得到了改善，所以所提出的SAIR算法在背景噪声处于实际性级别(realistic level)的信道条件下表现出了经提高的性能。

可以容易地将逐级适应(order-adaptation)引入到STW块202的循环中，因为停止使用经更新的噪声估计进行迭代的正确决策是更有可能的。在性能方面，图2所示的根据本发明实施例的方法与其他无噪声更新的逐级适应方法(例如，Whittle-Wiggins-Robinson算法)相比更好。

图3是表示根据本发明第二实施例的示例性SAIR处理的功能框图。在图3中，表示从属关系。图3中所示的变量如下：

r       接收信号

r     经更新的接收信号

t       训练序列

p       同步位置

h_{n}   n抽头信道估计

A＇_{1} 干扰模型

s″     码元估计

ν              噪声加干扰

SAIR处理300开始于通过开关308将接收信号r输入到同步和矢量噪声相关性估计块(SVNC估计块)302和STW处理块304。SVNC估计块302、STW处理块304、开关308、开关310和开关306构成了迭代控制循环。由于在该迭代控制循环中引入了同步，所以对每一次第一阶STW白化之后的同步位置进行调节。对同步位置的调节有效地避免了复合信道扩展。该迭代控制循环对在强干扰下获得的易错同步进行矫正并对同步位置进行调节，以使得具有指定范围的复合信道能够覆盖大部分信号能量。

在通过开关308将接收信号r输入到SVNC估计块302和STW处理块304之后，可以如图3所示，将开关308移动到第二位置。通过位于图3所示位置的开关308、位于图3所示位置的开关306以及连接至STW处理块304的开关310，使该迭代控制循环闭合，并且实现反复估计-白化处理。如果接收信号r已经充分白化，则通过将开关308设置为接收该接收信号r、将开关310设置为如图3所示，并且将开关306设置为与信道估计块206和均衡器108相连，可以将该接收信号r直接输入信道估计块206和均衡器108，而无需通过SVNC估计块302或STW处理块304。

本发明的实施例利用了如图3所示的反复估计白化处理，该处理可以表示为如下伪代码：

RelaxSAIR(K){

   Loop(K){

         noise＝maxEnergySynch(3，M)；

        VNC_estimation(1，noise)；

        STW_whitening(1，sig)；

    }

}

可以将复数基带接收信号建模到无线电信道的矢量值有限脉冲响应(FIR)模型中

$x\left(n\right)=\underset{m=0}{\overset{M}{\mathrm{\Σ}}}h\left(m\right)s(n-m)+\mathrm{\ν}\left(n\right)---\left(1\right)$

其中，在行矢量中，接收信号为x(n)＝[x_r(n)x_i(n)]，无线电信道为h(n)＝[h_r(n)h_i(n)]，而噪声加干扰为ν(n)＝[ν_r(n)ν_i(n)]。通过使用矩阵多项式(其中各个系数为2×2矩阵)对接收信号进行滤波来完成根据本发明的STW处理，该STW处理利用了来自同相和正交信道的干扰的自动和交叉相关性特性，所述矩阵多项式为

$y\left(n\right)=\underset{j=0}{\overset{K}{\mathrm{\Σ}}}{W}_{j}x\left(n\right)---\left(2\right)$

在现有技术的使用GLS的方法中，白化滤波器的矩阵系数W_j是通过联合复合信道/矩阵系数估计而获得的，但是根据本发明的原理，这些系数是通过简单得多的VNC估计来获得的。

可以将公式(1)中的空时有色噪声建模为矢量值自动回归(VAR)处理。第一阶VAR模型可以写为

         ν(n)A(D)＝A₀ν(n)+ν(n-1)A₁＝e(n)            (3)

其中，传递函数A(D)是具有表示为2×2恒等矩阵的首项单位抽头(leading unit tap)的延迟算子的矩阵多项式，

$A_0=I_2;A_k=\left[\begin{array}{cc}{a}_{\mathrm{rr}}\left(k\right)& a_{\mathrm{ri}}\left(k\right)\\ a_{\mathrm{ir}}\left(k\right)& a_{\mathrm{ii}}\left(k\right)\end{array}\right]---\left(4\right)$

e(n)＝[e_r(n)e_i(n)]是白噪声的矢量，并且

$Q=E\left\{e^T\left(n\right)e\left(n\right)\right\}=\left[\begin{array}{cc}{q}_{\mathrm{rr}}\left(k\right)& q_{\mathrm{ri}}\left(k\right)\\ q_{\mathrm{ir}}\left(k\right)& q_{\mathrm{ii}}\left(k\right)\end{array}\right]---\left(5\right)$

是表示来自同相和正交信道的噪声的空间相关性的协方差矩阵。对公式(3)左乘ν^T(n-k)并获得期望值。由于E{ν^T(n)e(n)}＝Q，E{ν^T(n-m)e(n)}＝0，所以获得了以下Yule-Walker公式：

                  P₀+P_-1A₁＝Q                       (6)

                  P₁+P₀A₁＝0

其中，

$P_k=E\left\{{\mathrm{\ν}}^T(n-k)\mathrm{\ν}\left(n\right)\right\}=E\left\{\left[\begin{array}{c}{\mathrm{\ν}}_r(n-k)\\ {\mathrm{\ν}}_i(n-k)\end{array}\right]\left[\begin{array}{cc}{\mathrm{\ν}}_r\left(n\right)& {\mathrm{\ν}}_i\left(n\right)\end{array}\right]\right\}=\left[\begin{array}{cc}{p}_{\mathrm{rr}}\left(k\right)& p_{\mathrm{ri}}\left(k\right)\\ p_{\mathrm{ir}}\left(k\right)& p_{\mathrm{ii}}\left(k\right)\end{array}\right]---\left(7\right)$

是来自同相和正交信道的噪声的自动和交叉相关性的矩阵。通过公式(6)，可以容易地获得第一阶时空白化滤波器的传递函数为

$W\left(z\right)=W_0+W_1{z}^{-1}=A_0+A_1{z}^{-1}=I_2+\left({-P}_0^{-1}{P}_1\right)z^{-1}---\left(8\right)$

集中VNC方法存在公式(1)中的噪声估计不精确的缺点，因为初始信道估计的质量由于存在强干扰而变差。然而，根据本发明的原理，如以上伪代码中所示，对接收信号执行连续的第一阶白化。该迭代改善了各次VNC估计的噪声样本，并由此提高了白化滤波器的质量。在重复STW处理之后，对噪声进行时间白化，并且空间去相关对于对来自I和Q信道的噪声进行去相关是必需的。可以通过利用Cholesky因数分解来将空间去相关与STW的最后一次迭代相结合。通过公式(6)中的第一个公式，可以将噪声相关性矩阵表示为

            Q＝P₀+P_-1A₁＝P₀+P^T ₁A₁            (9)

对噪声相关性矩阵的逆矩阵应用Cholesky因数分解，

            L·L^T＝Q^-1                            (10)

最后一次STW迭代的传递函数具有以下形式

            W_K(z)＝(W₀+W₁z^-1)L＝L+A₁Lz^-1      (11)

VNC处理开始于对噪声样本进行初始估计。根据本发明的原理，通过三码元同步过程来获得同步残留(residue)的估计。通过使训练序列与复数接收信号相关来执行该同步：

$\hat{h}\left(n\right)=\underset{j=0}{\overset{25}{\mathrm{\Σ}}}y(n+j)t\left(j\right)---\left(12\right)$

通过整个传播信道的范围的最大能量累积来确定该同步：

$n_p=\underset{n}{\arg \max }\left(\underset{j=0}{\overset{M}{\mathrm{\Σ}}}{\left|\hat{h}(n+j)\right|}^2\right),$  n＝-1，0，1                                      (13)

在公式(12)中使用了训练序列中的所有码元，而不考虑由多路径传播信道导致的码间干扰(ISI)。在SAIR的工作区域内，强干扰下的估计增益超过了由于相关性中包含了训练序列的首尾码元而导致的ISI损失。

公式(12)中的相关性结果还可以用作粗略的信道估计，该粗略的信道估计被认为在用于均衡时不够精确。然而，已经发现，在具有强干扰的信道中，可以使用该粗略信道估计来计算更好的同步残留：

$\widehat{\mathrm{\ν}}\left(n\right)=y\left(n\right)-\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\hat{h}\left(m\right)s(n-m)---\left(14\right)$

其中，M表示信道范围，其通常受到被实现为硬件的均衡器的限制。该同步残留已被证明比通过基于LS的估计(如目前的方法)而获得的噪声估计偏差更小。

使用同步残留的估计来代替噪声的估计仅稍微降低了计算复杂度，但是可以显著地减小代码大小，因为不再需要信道估计中的预先计算的回归量表，该回归量表必须针对各个训练序列和不同的信道范围进行存储。利用同步残留的另一个益处是，通过在三码元间隔上调节同步位置，可以使复合信道的范围保持恒定，这在选择迭代次数时提供了更大的自由度。

与当前的方法(其中在集中STW处理之前，按照预定顺序执行集中模型估计)不同，在处理300中，利用了基于矢量化噪声相关性(VNC)的松弛方法。在处理300的松弛方法中，对第一阶VNC估计/STW处理重复m次。可以使用以下伪代码来说明根据图3所示的本发明实施例的算法，其中//表示非代码注释：

SairRelaxation(m){

For(k＝0：m-1){

//通过3码元同步进行的噪声估计

ν＝syncNoise(r，t，n)；

//VNC

P_j＝E{ν^T(i)ν(i+j)}；

//干扰的第一阶VAR模型

$A\left(z\right)=I-P_0^{-1}{P}_1{z}^{-1};$

if(k＝m-1){

    //最后一次迭代中的空间去相关

$Q=P_0+P_1^T{A}_1;$

L·L^T＝Q；

A(z)＝LA(z)；

}

//STW滤波

r＝r·A；

}

 }

通过该迭代控制循环中的集中同步，避免了复合信道扩展，这允许在目前的接收器构架中实现SAIR，在目前的接收器构架中，均衡器被实现为仅适用于固定复合信道范围的专用硬件。根据处理300的松弛方法不仅显著降低了计算复杂度(因为所有的矩阵运算都被限制在2×2维度)，而且得到了比GLS模型估计中好得多的数值条件。由于估计条件得到了改善，所以SAIR处理300在背景噪声为实际性级别(例如，20dB＜SNR＜30dB)的信道条件下表现出经提高的性能。当背景噪声处于这种实际性级别时，由于存在太多要估计的参数而导致估计不精确，使得不能很好的进行GSL估计。相反，在根据本发明原理的松弛方法中，要估计的参数的数量要小得多。降低了干扰的级别，并在每次迭代之后对同步位置进行调节，从而得到更好的信道估计。根据本发明的实施例，使用同步残留估计来代替噪声估计，这提高了性能，而不会增加计算复杂度。

可以容易地将逐级适应引入到该迭代控制循环中，因为该迭代控制循环更有可能作出是否停止利用经更新的噪声估计进行迭代的正确决策。众所周知，当由于过度参数化而导致仅存在白噪声时，所有形式的白化都会影响均衡器性能。必须引入适应性来消除这种影响。根据本发明的原理，通过VNC估计/STW处理的迭代次数来确定SAIR的阶。因此，可以在该处理的第二次迭代中结合“无或全部(none or all)”调节。如果通过同步残留的能量减少而测得的STW增益不够大：

$\underset{j}{\mathrm{\Σ}}{\left|{\widehat{\mathrm{\ν}}}_1\left(j\right)\right|}^2>\mathrm{\η}\underset{j}{\mathrm{\Σ}}{\left|{\widehat{\mathrm{\ν}}}_0\right|}^2---\left(15\right)$

则终止STW滤波处理。当在STW滤波处理中确定要终止时，通过开关310(其设置在图3所示的位置)和开关306(其设置在使接收信号r与均衡器108和信道估计块206直接连接的位置)将接收信号r直接输入到信道估计块206和均衡器108。为了避免由于信号幅值变化而导致的同步残留估计误差，必须对STW滤波器的矩阵系数进行归一化。该归一化还降低了在固定点实现中的溢出的可能性。

在同步调节之后，通过开关306和310将经更新的接收信号r输出到信道估计块206和均衡器108。在信道估计块206处，执行第二n抽头信道估计。因为不必考虑白化处理，所以可以直接应用计算效率更高的LS估计。将n抽头信道估计h_{n}从信道估计块206输出到均衡器108。均衡器108对传输的数据码元进行估计并产生码元估计s″。

在性能方面，图3所示的根据本发明实施例的方法比其他无噪声更新的逐级适应方法更好。其他逐级适应方法的一个示例是Whittle-Wiggins-Robinson算法。

图4是表示根据本发明原理的与基站412进行通信的示例性GSMEDGE兼容移动台400的框图。移动台400用于以高达384kbit/s的速率提供可靠的数据通信。移动台400包括被分为以下几个部分的发送器402和接收器404：信号处理电路406；基带编解码器408；以及RF电路410。

在发送方向上，信号处理电路406用于保护数据，以便通过信道414提供从发送器402到基站412的可靠通信。使用由信道编码块416执行的多个处理来保护用户数据418，这些处理包括循环冗余编码(CRC)生成、卷积编码、交织以及脉冲组合(burst assembly)。将所得到的数据组合为脉冲，由此除了添加到脉冲中间的训练序列midamble以外，还添加了保护和跟踪码元。用户数据418和信令信息都要经过类似的处理。通过调制器420对经组合的脉冲进行调制。

在接收方向上，利用解调器422对基带编解码器408的输出进行解调。对解调器422的解调输出应用由信号处理电路406中的信道解码块424执行的多个处理。所执行的处理包括脉冲分解、根据本发明原理的减扰、均衡、去交织、卷积解码以及CRC校验。

基带编解码器408通过数模(D/A)转换器426和模数(A/D)转换器428将发送数据和接收数据分别转换为模拟信号和数字信号。D/A转换器426向RF电路部分410中的发送器430提供模拟基带I和Q信号。

在接收方向上，通过接收器电路432来接收由基站412通过信道414发送的信号。通过A/D转换器428将从接收器电路432输出的模拟信号I和Q转换回数字数据流。在将来自A/D转换器428的I和Q数字数据流输入到信道解码块424之前，通过解调器422对其进行滤波和解调。然后对解调器422的解调输出应用由信号处理电路406执行的多个处理。

移动台400还执行其他功能，例如，同步、频率和时间获取以及接收信号强度的跟踪、监控、测量。其他功能包括处理用户接口、移动台400和网络之间的信令、SIM接口等。尽管在移动台的环境下对本发明的实施例进行了说明，但是本发明的原理还可以应用于其他实体，例如基站。

本发明的实施例例如可以实现为集成电路或芯片组、无线应用以及接收器系统产品。例如，计算机可以执行适于执行本发明的解调技术的软件。软件适于驻留在计算机可读介质(例如，盘驱动单元内的磁盘)中。计算机可读介质还可以包括闪速存储卡、基于EEROM的存储器、磁泡存储器、ROM存储器等。适于根据本发明的原理来执行的软件还可以全部或部分地设置在处理器内的静态或动态主存储器或固件中(即，微控制器、微处理器或者微计算机内存中)。本发明的原理还适用于在集成电路、场式可编程门阵列(FPGA)、芯片组或专用集成电路(ASIC)、无线应用以及其他通信系统产品中实现。

尽管在附图中示出了本发明的实施例并且在以上详细说明书中进行了描述，但是应当理解，本发明并不限于所公开的实施例，而是可以在不脱离以下权利要求所限定的本发明的情况下，进行多种调整、修改和替换。

本专利申请的主题与以下申请相关，并且通过引用并入其全部公开内容：与本专利申请同日提交的美国专利申请No.10/684598、标题为“Method of and Apparatus for Noise Whitening Filtering(用于噪声白化滤波的方法和设备)”，代理所编号53807-00069USPT。

Claims (23)

1、一种用于减小接收信号中的干扰的方法，该方法包括以下步骤：

对所述接收信号进行同步，以产生同步位置；

利用所述同步位置和所述接收信号来确定经更新的接收信号，确定所述经更新的接收信号的步骤包括反复执行干扰模型估计和空时白化；

确定所述经更新的接收信号的经更新的同步位置；以及

利用所述经更新的同步位置和所述经更新的接收信号来确定信道估计。

2、根据权利要求1所述的方法，该方法还包括以下步骤：

将所述信道估计提供给均衡器；

将所述经更新的接收信号提供给所述均衡器；以及

通过所述均衡器输出码元估计。

3、根据权利要求1所述的方法，其中，确定所述经更新的接收信号的所述步骤包括逐级适应和执行第一阶矢量噪声相关性估计。

4、根据权利要求1所述的方法，其中，避免了所述接收信号的码元扩展。

5、根据权利要求1所述的方法，其中，在单天线抗扰应用中采用所述方法。

6、一种用于减小接收信号中的干扰的方法，该方法包括以下步骤：

对所述接收信号进行同步和白化，所述同步和白化包括执行以下步骤至少一次：

对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；

利用所述干扰模型和所述输入信号来进行空时白化操作，以产生经更新的接收信号；

其中，当在所述至少一次中的第一次执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述接收信号；并且

其中，当在所述至少一次中的第一次之后执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述经更新的接收信号；以及

利用所述经更新的接收信号来确定信道估计。

7、根据权利要求6所述的方法，该方法还包括以下步骤：

将所述信道估计提供给均衡器；

将所述经更新的接收信号提供给所述均衡器；以及

通过所述均衡器输出码元估计。

8、根据权利要求6所述的方法，其中，执行所述空时白化操作的步骤包括通过同步残留来执行第一阶矢量噪声相关性估计。

9、根据权利要求6所述的方法，其中，避免了所述接收信号的码元扩展。

10、根据权利要求6所述的方法，其中，在单天线抗扰应用中采用所述方法。

11、一种用于减小接收信号中的干扰的设备，该设备包括：

用于对所述接收信号进行同步，以产生同步位置的装置；

用于利用所述同步位置和所述接收信号来确定经更新的接收信号的装置，用于确定所述经更新的接收信号的所述装置包括用于反复执行干扰模型估计和空时白化的装置；

用于确定所述经更新的接收信号的经更新的同步位置的装置；以及

用于利用所述经更新的同步位置和所述经更新的接收信号来确定信道估计的装置。

12、根据权利要求11所述的设备，该设备还包括：

用于将所述信道估计提供给均衡器的装置；

用于将所述经更新的接收信号提供给所述均衡器的装置；以及

用于通过所述均衡器输出码元估计的装置。

13、根据权利要求11所述的设备，其中，用于确定所述经更新的接收信号的装置包括用于逐级适应的装置和用于执行第一阶矢量噪声相关性估计的装置。

14、根据权利要求11所述的设备，其中，避免了所述接收信号的码元扩展。

15、根据权利要求11所述的设备，其中，所述设备使用单天线抗扰。

16、一种用于减小接收信号中的干扰的设备，该设备包括：

用于对所述接收信号进行同步和白化的装置，用于同步和白化的所述装置适于执行以下步骤至少一次：

对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；

利用所述干扰模型和所述输入信号来进行空时白化操作，以产生经更新的接收信号；

其中，当在所述至少一次中的第一次执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述接收信号；并且

其中，当在所述至少一次中的第一次之后执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述经更新的接收信号；以及

用于利用所述经更新的接收信号来确定信道估计的装置。

17、根据权利要求16所述的设备，该设备还包括：

用于将所述信道估计提供给均衡器的装置；

用于将所述经更新的接收信号提供给所述均衡器的装置；以及

用于通过所述均衡器输出码元估计的装置。

18、根据权利要求16所述的设备，其中，进行空时白化操作的所述步骤包括通过同步残留来执行第一阶矢量噪声相关性估计。

19、根据权利要求16所述的设备，其中，避免了所述接收信号的码元扩展。

20、根据权利要求16所述的设备，其中，所述设备使用单天线抗扰。

21、根据权利要求16所述的设备，其中，响应于同步残留的能量降低不够大的确定，终止所述空时白化操作。

22、一种用于减小接收信号中的干扰的产品，该产品包括：

至少一个计算机可读介质；以及

包含在所述至少一个计算机可读介质中的处理器指令，所述处理器指令被构造为可以由至少一个处理器从所述至少一个计算机可读介质读取，由此使得所述至少一个处理器进行操作，以：

对所述接收信号进行同步，以产生同步位置；

利用所述同步位置和所述接收信号来确定经更新的接收信号，确定所述经更新的接收信号的所述步骤包括反复执行干扰模型估计和空时白化；

确定所述经更新的接收信号的经更新的同步位置；以及

利用所述经更新的同步位置和所述经更新的接收信号来确定信道估计。

23、一种用于减小接收信号中的干扰的产品，该产品包括：

至少一个计算机可读介质；以及

包含在所述至少一个计算机可读介质中的处理器指令，所述处理器指令被构造为可以由至少一个处理器从所述至少一个计算机可读介质读取，由此使得所述至少一个处理器进行操作，以：

对所述接收信号进行同步和白化，所述同步和白化包括执行以下步骤至少一次：

对输入信号进行同步和矢量噪声相关性估计，以产生干扰模型；

利用所述干扰模型和所述输入信号来进行空时白化操作，以产生经更新的接收信号；

其中，当在所述至少一次中的第一次执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述接收信号；并且

其中，当在所述至少一次中的第一次之后执行进行所述同步和矢量噪声相关性估计的步骤时，所述输入信号是所述经更新的接收信号；以及

利用所述经更新的接收信号来确定信道估计。

Images