JP2677750B2

JP2677750B2 - 受信システム

Info

Publication number: JP2677750B2
Application number: JP5023891A
Authority: JP
Inventors: フランシスコ・ガズー
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1992-04-10
Filing date: 1993-02-12
Publication date: 1997-11-17
Anticipated expiration: 2012-11-17
Also published as: JPH0661877A; US5432816A; EP0564849A1

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はマルチメディア、モデ
ム、光学記憶装置、磁気記憶装置及び無線システムのよ
うな応用例における音声及びデータ通信で使用される受
信機に関する。特に本発明はチャネル不整合条件下のロ
バスト・シーケンス推定のシステムと方法に関する。

【０００２】

【従来の技術】はじめに、本明細書における略語の意味
は次の通りである。ＡＷＧＮとは、付加ホワイト・ガウ
ス雑音のことをいう。ＢＥＲとは、ビット誤り率のこと
をいう。ＢＬＳＣＥとは、バッチ最小二乗チャネル推定
装置のことをいう。ＢＬＳＳＥとは、バッチ最小二乗シ
ーケンス推定装置のことをいう。チャネルとは、送信機
と受信機とを接続するための任意の物理的媒体又は他の
媒体のことをいう。送信機或いは受信機が有する機能も
チャネルの一部とみなすことができる。物理的媒体とは
空気、電線、ケーブル、光ファイバ、磁気ディスク、そ
の他をいう。ＤＦＥ（Ｌ、Ｍ）とは、全てがＭＳＥ判定
基準で最適化されると仮定するＬ個のフォワード・タッ
プとＭ個のフィードバック・タップとを有する決定フィ
ードバック等化回路のことをいう。等化回路とは、チャ
ネル通信のＩＳＩ受信機形式のことをいう。ＫＦＥと
は、カルマン・フィルタ等化回路のことをいう。ＩＳＩ
とは、符号間干渉のことをいう。ＩＳＩ受信機とは、符
号間干渉を除去可能な受信機のことをいう。ＬＦＥ
（Ｌ、Ｍ）とは、全てがＭＳＥ判定基準で最適化される
と仮定するＬ個のフォワード・タップとＭ個のフィード
バック・タップとを有する線形等化回路のことをいう。
不整合とは、１つのチャネルに対して最適化された受信
機がそのままの状態で異なるチャネルで動作する不一致
の状態のことであり、このことをチャネル不整合状態で
動作するという。ＭＳＥとは、平均二乗誤差のことをい
う。ＰＡＭとは、パルス振幅変調のことをいう。ＲＬＳ
とは、帰納的最小二乗のことをいう。ＲＬＳＣＥとは、
帰納的最小二乗チャネル推定のことをいう。ＲＬＳＳＥ
とは、帰納的最小二乗シーケンス推定のことをいう。Ｒ
ＬＳＳＥ（Ｌ、Ｄ）とは、繰返し毎に決定深さＬ及びＤ
ビットが制約される帰納的最小二乗シーケンス推定装置
のことをいう。これは図６に示されている。ＳＮＲと
は、信号対雑音比のことをいう。また本明細書におい
て、

【数９】は「ハットＸ」と記載し、

【数１０】は「ティルドＸ」と記載する。

【０００３】移動細胞状通信、衛星通信、屋内無線ネッ
トワーク及びマルチメディア応用例（例えば大容量記憶
装置）等、その他の多数の応用例に使用できる受信機が
提供されるならば利用価値は大である。これらのシステ
ムの物理的チャネルは多くの変化に影響を受けやすいの
で、受信機は常に不正確なチャネル推定のもと動作して
いる。従って、受信機の確実性はこれらの応用例におい
て非常に重要である。本発明の受信機は低複雑性、且つ
高性能の実行特性であるロバスト・シーケンス推定能力
を提供する。本発明の受信機はＲＬＳＳＥ受信機と称す
る。本発明のＲＬＳＳＥ受信機が非常に効率的な方法で
実行されることを詳細に説明する前に、チャネル推定タ
スク及びシーケンス推定タスクの両方に対して、同一の
基本アルゴリズムが使用できるので、ある程度、過去の
開発について要約を述べる。

【０００４】カルマン・フィルタ等化回路（ＫＦＥ）に
ついて説明する。基本的なＲＬＳＳＥ構造は分散的ＦＩ
Ｒチャネルを通して送信される２進入力シーケンスを予
測するために、離散的カルマン・フィルタを利用した
R．E．LawrenceとH．Kaufmanによって最初に提案され
た、カルマン・フィルタ等化回路（ＫＦＥ）に関連す
る。R．E．LawrenceとH．Kaufmanはまた、状態ベクトル
を拡張しチャネル・タップ係数を含めることによってチ
ャネル推定問題を処理した。この（非線形）拡張された
カルマン・フィルタ（ＥＫＦ）方式はトレーニング・シ
ーケンスを利用しないので、ブラインド等化のカテゴリ
に分類される。

【０００５】シーケンス推定に関してはＫＦＥ方式に続
いて多くの努力がなされた。J．W．Markは疑似決定フィ
ードバック方式によってチャネル・タップ利得を予測す
ることにより、R．E．LawrenceとH．KaufmanのＥＫＦ方
式以外による状態ベクトルの初期化を簡潔に述べる。
S．B．Kleibanov 他はまた、同じカルマン等化回路を調
査しさらにその収束特性を調べて、チャネル・フィルタ
長さを越えるフィルタの大きさを増加させる利点を示し
た。A．LuvisonとG．Piraniはまた、LawrenceとKaufman
の方法にもとづく方式を提案し、リアル・タイム制約
下のＫＦＥの担体回復、タイミング抽出及び制限を始め
とする項目を追加している。

【０００６】ＫＦＥの実際的考慮をも含めて、ＫＦＥの
広範囲な要約がS．BenedettoとE．Biglieriの共著で述
べられている。S．BenedettoとE．Biglieriは理論を相
関データの全体まで拡張し、またチャネル不整合に対す
るＫＦＥの感度を論証するために幾つかの例を提供して
いる。B．MulgrewとC．F．N．Cowanはまた、最小／非最
小位相チャネルを介して信号を送るためのＫＦＥの詳細
な状態空間分析を述べている（１９８５年９月の英国特
許第８５２３２８６号参照）。ウィーナ・フィルタ理論
を利用することによって、B．MulgrewとC．F．N．Cowan
はカルマン・フィルタ等化回路（ＫＦＥ）の性能を結合
し、有限インパルス応答横方向フィルタの収束性及びＭ
ＳＥの性能とＫＦＥの性能とは、大体において同じであ
ることを示す。B．MulgrewとC．F．N．Cowanはまた、Ｋ
ＦＥは典型的に低いオーダではあるが全体的に低い複雑
性を必然的に構成しないことを発見した。

【０００７】S．PrasadとS．S．Pathak は状態空間方式
の利用という点において同じ分析を開発した。しかしな
がら、S．PrasadとS．S．Pathak は地震学からの平滑化
方法を用い、低複雑性制約下におけるカルマン・フィル
タよりも僅かに性能がよいと述べている。最近になって
M．K．YurtsevenとM．M． KumarはKalman の考えを再吟
味し、拡張された状態ベクトルの推定のために確率的ニ
ュートン・アルゴリズムを当てはめた。M．K．Yurtseve
nとM．M．KumarはＥＫＦ方式を改善したと主張するけれ
ども、その収束性には問題がある。ＥＫＦチャネル推定
装置を改善するための同様な努力は、またE．Delle Mes
eとG．Corsiniの著書にも見られる。

【０００８】ＫＦＥ受信機の制約について説明する。上
述のＫＦＥ方式は理論的に信頼でき特定の応用例では有
用であるが、２つの基本的制約を有する。第１にカルマ
ン・フィルタ構造を十分に利用するには、図１のｎ_k ４
０で表される雑音統計値の正確な推定を把握しなければ
ならない。これはシステムの複雑性（雑音変化推定装置
を稼働させねばならない）を増やすだけでなく、ＫＦＥ
受信機を雑音不整合に感じ易くさせる。第２により重要
なことには、カルマン・フィルタは性質上、線形フィル
タであるという事実がスペクトル空白状態であるチャネ
ル全体の性能を雑音増加によって著しく劣化させる。実
際に全てのＫＦＥ受信機の性能は、ＭＳＥ判定基準で最
適化された従来の線形等化回路よりも悪い。この基本的
制約が雑音不整合問題とあいまって、多数の実用チャネ
ルにおいて既存のＫＦＥ方式を使用させにくくさせてい
る。

【０００９】ＲＬＳＳＥ受信機の開発動機について説明
する。ここに提案されたＲＬＳＳＥ受信機は３つの実用
的な必要性によって開発を動機づけられた。低複雑性、
チャネル不整合に対する感度の減少、及びスペクトル空
白状態における十分な性能である。本発明の受信機は幾
つかの基本的な点からＫＦＥ方式とは異なる。第１にＲ
ＬＳＳＥ方式で使用される誤差判定基準は、平均最小二
乗判定基準ではなく最小二乗判定基準にもとづく。最小
二乗方法は雑音４０の統計値に関して何れの仮定もしな
いので、ＲＬＳＳＥアルゴリズムは白色ガウス雑音不整
合に影響されず、且つ雑音変化の予測が必要ないので、
複雑性が非常に小さいことがわかった。

【００１０】他の基本的な相違は提案されたＲＬＳＳＥ
アルゴリズムのあるクラスは非線形であることである。
従って、最も簡単である線形アルゴリズムは性能におい
て線形等化回路、即ち、ＫＦＥ受信機の性能に相当し、
制約つきＲＬＳＳＥアルゴリズムはスペクトル空白状態
におけるチャネルに対処できる。最後に、実用的見地か
ら多分最も重要なことには、本発明のアルゴリズムはチ
ャネル推定タスクとシーケンス推定タスクが、ＲＬＳＳ
Ｅ方式によって十分に活用される双対関係を有するので
非常に効率的に実行される。

【００１１】

【発明が解決しようとする課題】受信信号の評価及びそ
の評価の費用を減らすのに必要とされる品質をもたらす
ために、受信信号に影響を及ぼす２種類の要素を評価す
る共通の方法を提供する。情報シーケンス及びチャネル
・フィルタ効果は両方とも評価を必要とする。本発明は
受信信号を評価する受信機を提供する。評価（２つの信
号シーケンスを含み、一方は未知情報シーケンスであ
り、他方は未知チャネル・フィルタ効果である）を必要
とする特性を有する受信信号を入力するための入力ポー
トにおいて、信号が本受信機システムに入力される。受
信システムは未知情報シーケンスの出力推定と、シーケ
ンス推定装置の機能を実行する受信信号を評価するため
の共通機能評価ユニットと、チャネル推定をもたらすた
めの手段とを提供する。共通の機能ステップを使用する
ことによって共通機能ユニットがもたらされ、単一のチ
ップに組込みできる。

【００１２】本発明では符号間干渉（ＩＳＩ）チャネル
におけるシーケンス推定の問題に対して、帰納的最小二
乗（ＲＬＳ）アルゴリズムの理論を適用する。特に本発
明は、共通であるＲＬＳアルゴリズムの変化にもとづく
低複雑性のＩＳＩ受信機の新しいファミリを提案する。
本発明が帰納的最小二乗シーケンス推定（ＲＬＳＳＥ）
アルゴリズムとして集合的に述べるこれらの新しいアル
ゴリズムは、線形／ＤＦＥ受信機の品質を向上させる性
能と低複雑性をもたらし、さらに１９９２年３月５日、
米国特許第０７／８４６６５１号の線形／ＤＦＥ受信機
の問題点であった雑音不整合を始めとする実際的な現象
に無感度である。

【００１３】本発明に従れば、低複雑且つ高性能の実行
特性であるロバスト・シーケンス推定能力をもたらすシ
ステムと方法が提供される。

【００１４】本発明の受信機は離散時間等価チャネル・
フィルタ（またチャネル・インパルス応答としても知ら
れる）の係数を予測するチャネル推定装置と、離散時間
等価チャネルを介して送信された情報シーケンスの推定
をもたらすシーケンス推定装置とを有する。

【００１５】本発明のチャネル推定装置とシーケンス推
定装置によって使用されるアルゴリズムは、簡単な小型
のコンピュータ、及び大容量のメインフレーム・システ
ムを含む様々なコンピュータで支障なく実行された。こ
れらのシステムの性能にもとづく一般の汎用プロセッサ
によるリアル・タイムな応用例における本発明の実施が
非常に期待できる。

【００１６】本発明は移動細胞状通信、衛星通信、屋内
無線ネットワーク及びマルチメディア応用例（例えば大
容量記憶装置）等の分野を含む多数の応用例において重
要である。

【００１７】

【実施例】本発明の好ましい実施例を詳細に検討する前
に、簡単に理論的展開を復習し簡単な試験例を検討す
る。

【００１８】最初に表記法の導入とＲＬＳＳＥアルゴリ
ズムの重要な点であるチャネル推定問題を考える。線形
ＲＬＳＳＥアルゴリズムの構造を展開し、それからより
一般的な非線形ＲＬＳＳＥ受信機に進展する。最後に線
形受信機の理論的解析が行われ、線形及び非線形バージ
ョンの詳細な経験的性能分析が行われる。次に実行の検
討が簡単に行われ、それから要約と最終注意事項が検討
される。

【００１９】最小二乗チャネル推定について説明する。
最小二乗チャネル推定装置９０の開発に関してはよく知
られているが、本発明のＲＬＳＳＥの開発はこのよく知
られている装置に由来するので、ここでこの装置につい
て簡単に説明する。ＲＬＳＳＥ受信機の性能を予期でき
るようにその機構を展開して、最小二乗チャネル推定装
置９０のバッチ及び帰納的形態を導き出す。さらにチャ
ネル・フィルタ２０における係数の可能な変化に対処す
るために、最小二乗性能指標では指数加重を用いる。

【００２０】バッチ最小二乗チャネル推定装置（ＢＬＳ
ＣＥ）について説明する。概略的に離散時間等価チャネ
ル・フィルタ２０のダイナミックは、数式１１によって
与えられる有限順序差分方程式によって説明できる。

【００２１】

【数１１】

【００２２】ここにおいてｘ_k及びｙ_kは無雑音チャネル
・フィルタ入力１０及び無雑音チャネル・フィルタ出力
２０のそれぞれを表し、Ｍ及びＬはモデルのオーダを表
す。従ってｙ_k ３０は単に過去のＭ個の出力及びＬ個の
入力だけにもとづいて帰納的に計算できることは明らか
であり、本発明は特別のＦＩＲのケース（即ちＭ＝０）
を適用する。

【００２３】数式１１の実際のチャネル・フィルタ係数
はそれぞれの大きさがＭ×１及びＬ×１であるａ、ｂに
よって定義でき数式１２によって得られる。

【００２４】

【数１２】

【００２５】ここにおいて［．］^T は移項を表す。表記
法の簡略化のために（Ｍ＋Ｌ）×１の係数ベクトルが導
入され、数式１３によって定義される。

【００２６】

【数１３】

【００２７】ベクトルｃは実際のチャネル・フィルタ２
０を完全に指定するので、チャネル推定関数は最小二乗
センスのｃに近似する推定ティルドｃを見つけることに
なる。ベクトルｚの実際の値（ソフトウェア）の推定値
はティルドｚとして表される。シーケンス推定装置７０
の展開において、ハットｚは２進（ハードウェア）推定
値を表す。また状況によって表記できない場合は小文字
の太字記号がベクトルを表し、大文字の太字記号が行列
を表す。時間ｋにおける実際のチャネル・フィルタ２０
及びその推定値はそれぞれｃ_k及びティルドｃ_k９５によ
って表される。

【００２８】Ｎ＋１記号の既知トレーニング・シーケン
スが送信されると仮定すると数式１４の測定可能な対の
Ｎ＋１入出力となる。

【００２９】

【数１４】

【００３０】一意な解を保証するためにｎ＝ｍａｘ
（Ｌ、Ｍ）として定義し、Ｎ＞ｎとする。ベクトルｑ_k
を数式１５のように（Ｍ＋Ｌ）×１のトレーニング・ベ
クトル３３０として定義する。ＩＩＲチャネル（Ｍ＞
０）においてｑ_k の最初のＭ個の要素は既知トレーニン
グ信号であっても測定できない。ｑ_k の推定値、例えば
数式１５は実行中に使用されなければならない。この関
連性は適度のＳＮＲにおいて重要でないとはいえ、一般
に出力誤差公式にもとづくＩＩＲ適応フィルタの偏った
チャネル推定に導く。従って、本発明の好ましい実施例
ではＦＩＲチャネル・フィルタ・モデルを利用する。

【００３１】

【数１５】

【００３２】本発明では推定誤差ｅ_k 、数式１６を実際
のチャネル出力（即ち期待応答）と推定チャネル出力と
の差として定義する。

【００３３】

【数１６】

【００３４】本発明では上述の数式のベクトル形式を数
式１７として使用する。

【００３５】

【数１７】

【００３６】ここにおいてｒ_N２３０及びｅ_Nはそれぞれ
測定可能な（Ｎ−ｎ＋１）×１及び誤差ベクトルであ
り、Ｑ_N は（Ｎ−ｎ＋１）×（Ｍ＋Ｌ）のトレーニング
行列である。これらは数式１８によって与えられる。

【００３７】

【数１８】

【００３８】加重最小二乗性能指標の費用Ｊは、数式１
９によって表すことができる。

【００３９】

【数１９】

【００４０】ここにおいてｗ_k は指数加重用語として定
義される。

【００４１】

【数２０】

【００４２】本発明の費用数式を行列形式で表すため
に、要素が数式２１によって与えられる加重行列、Ｗ_N
を定義する。

【００４３】

【数２１】

【００４４】従って本発明の費用関数は数式２２に公式
化できる。

【００４５】

【数２２】

【００４６】ここで勾配演算子を使用してティルドｃ_N
に関する数式２２を最小にすると数式２３が得られる。

【００４７】

【数２３】

【００４８】ここにおいて、０は全てがゼロのベクトル
の場合である。ティルドｃ_N を解くと最適加重最小二乗
チャネル推定が得られる。

【００４９】最適加重最小二乗推定量

【００５０】

【数２４】

【００５１】数式２４を調べると測定可能なベクトルｒ
２３０及びトレーニング行列Ｑを連続的に更新すること
によって、本発明のチャネル推定が対応して更新される
ことが分かる。これはｒ_k ２３０を数式２５で更新する
ことによって得られる。

【００５２】

【数２５】

【００５３】ここにおいて数式２６によって定義される
初期化ベクトルｇ２００を導入する。

【００５４】

【数２６】

【００５５】そして、シフト行列Ｓ２１０が数式２７に
よって与えられる。

【００５６】

【数２７】

【００５７】ＢＬＳＣＥ構造のブロック図（図の実線は
スカラー値を表し、破線はベクトル量を表す）が図２に
示されている。測定可能なベクトルｒ２３０の連続更新
は明白に示されているが、トレーニング行列Ｑの連続更
新は図示なしであることに注意されたい。ここでバッチ
・シーケンス推定装置７０の展開と比較するのに有用な
ＢＬＳＣＥ構造に関する幾つかの観測を行うことができ
る。

【００５８】ＢＬＳＣＥの特徴は次の３つである。１．線形推定装置である。測定可能なベクトル２３０の
全ての動作は線形動作なので、ＢＬＳＣＥ構造は明らか
に線形推定装置であることがわかる。

【００５９】２．時間変化する。ｑ^T _k及びＱ^T _kは新しい
トレーニング記号毎に変化するので、図に示されるフィ
ルタは時変構造である。チャネルの時間変化の有無に関
わらず真であることに注意されたい。

【００６０】３．高複雑性である。ＢＬＳＣＥフィルタ
は時間変化であることが保証されているので、図に示さ
れる逆動作は新しいサンプル毎に実行されなければなら
ない。当然これは非常に効率が悪いので、従って帰納形
式であることが望ましい。

【００６１】帰納的最小二乗チャネル推定装置（ＲＬＳ
ＣＥ）について説明する。数式２４の帰納的実行は図３
で行われる。図３は数式２８の形式の推定を強制する線
形帰納的推定装置を示す。

【００６２】

【数２８】

【００６３】ここにおいてη_kは推定誤差を表し、ｋ_k３
１０は利得ベクトルを表す。従って帰納的解の考えは最
小二乗推定を生む利得ベクトルを見つけることにある。

【００６４】ＲＬＳＣＥアルゴリズムの重要な数式の要
約は表１に与えられている。アルゴリズムは初期の推測
によってティルドｃ_k ９５の初期化を必要とし、同様に
悪条件の性質を整えるために、逆相関行列Ｐ^-1 _k＝Ｑ^T _k
Ｗ_k Ｑ_k の起点で初期化を必要とする。また中間変数Ｕ
_k及びｖ_kは計算を減らすために導入される。

【００６５】最小二乗シーケンス推定について説明す
る。ＲＬＳＳＥアルゴリズムに進む前に後戻りし、チャ
ネルとシーケンスの推定問題を対比することが重要と思
われる。ＲＬＳＳＥ受信機開発の動機はこれらの２つの
問題に存在する強い双対関係を知ることにより明白にな
る。

【００６６】チャネル推定とシーケンス推定との双対関
係について説明する。理論的に受信機は信号｛ｘ_k｝が
インパルス応答｛ｈ_k｝の線形フィルタを通ったか、又
は｛ｈ_k｝がインパルス応答｛ｘ_k｝のフィルタを通った
かどうかの知識はない。チャネル出力はチャネル・フィ
ルタ入力１０とチャネル・フィルタ２０の単に雑音を含
む重ねである。

【００６７】

【数２９】

【００６８】システム同定フレーム・ワークに両方の問
題を置くことによって、二重適応フィルタリング・タス
クとして２つの問題を説明できる。即ちチャネル推定プ
ロセスは未知チャネルを識別するために既知情報シーケ
ンスを使用し、他方シーケンス推定プロセスは未知シー
ケンスを識別するために「既知」チャネル・フィルタ２
０を使用する。

【００６９】チャネル推定とシーケンス推定との固有の
類以性は、数式２９から明白な事実である。注意する幾
つかの特徴は次の通りである。１．チャネル推定とシーケンス推定の両方の問題は、悪
条件として知られる互いに相反する問題（特に複雑性を
解き明かす問題）である。

【００７０】２．一般に｛ｈ_k｝２０を正確に知るには
｛ｘ_k｝１０を予測することが必要で、及びその逆も必
要である。

【００７１】３．任意の｛ｈ_k｝２０を正確に予測する
には永続的に発生する既知シーケンス｛ｘ_k｝１０を使
用する必要があり、その逆も必要である。

【００７２】チャネル推定とシーケンス推定の両方の問
題は、これらの類似性を共有しているが｛ｈ_k｝２０は
実数のフィールドで指定され、｛ｘ_k｝１０は２進フィ
ールドで指定される事実がある。従って、チャネル推定
は実数値のパラメータの有限数の推定を扱い、シーケン
ス推定は２進値のパラメータの無限数の推定を扱う。

【００７３】バッチ最小二乗シーケンス推定装置（ＢＬ
ＳＳＥ）について説明する。上述の双対関係は幾つかの
修正を施すことにより、同じ構造の推定装置が使用でき
ることを示唆する。ここでバッチ・チャネル推定装置９
０を再び調べ適切な変更を実行することにする。

【００７４】最初に未知情報シーケンスの適切なモデル
を見つけねばならない。｛ｘ_k｝１０は符号化されてい
ないシーケンス（このモデルは既知線形フィルタによっ
てコード化されるシーケンスに対して簡単に修正可能で
ある）であると仮定すると、任意のＬ長さメッセージ・
シーケンスのｚ変換は単純なＦＩＲモデルによって与え
られる。

【００７５】

【数３０】

【００７６】従って、チャネル推定展開後における同じ
ネーミングの取決めを用いることによって、係数ベクト
ル及びそのソフトウェアによる推定が数式３１で与えら
れることが分かる。

【００７７】

【数３１】

【００７８】次に測定可能の入出力対の項目を再び調べ
る必要がある。チャネル推定装置９０の展開において、
既知トレーニング・シーケンスの使用が必要であったこ
とを思い出す。シーケンス推定にも同様に適用する。し
かしながら、ここでは「既知」トレーニング信号はチャ
ネル・フィルタ２０の推定である。従ってトレーニング
・ベクトル３３０はここでは（Ｌ×１）ベクトルによっ
て与えられる。

【００７９】

【数３２】

【００８０】ここにおいてチャネル・フィルタ２０の推
定サンプルは数式３３によって求められる。

【００８１】

【数３３】

【００８２】ここにおいてδ_k-1はディラックのデルタ
関数であり、パラメータティルドａ_{1及びティルドｂ} ₁
はチャネル推定装置９０によって見つけられたものであ
る。トレーニング行列はまた数式１８で定義された新し
いｑ_k で変化することに注意されたい。

【００８３】これらの重要な変数の要約及びチャネル推
定プロセスの対応が表２で示されている。

【００８４】上述の双対関係を利用し及び数式２４に直
接に代入する。

【００８５】

【数３４】

【００８６】これにより非制約の最小二乗の解、即ち、
最小二乗センスの実際のパラメータ・ベクトルに近似す
る実数値のパラメータ・ベクトルを得る。しかしなが
ら、本発明は無限長の２進値シーケンスに関心があるこ
とを思い出してもらいたい。これを達成するには数式３
５を得るために、最初にパラメータ・ベクトルにフィル
タをかけることによってティルドｃ_k ９５の第１要素を
抽出する。

【００８７】

【数３５】

【００８８】ここにおいてピック・オフ・ベクトルｆ４
００は数式３６によって定義される。

【００８９】

【数３６】

【００９０】このソフトウェアによる決定は単純なスレ
ッショルド装置４２０を介してハードウェアによる決
定、ハットｘ_k-(L-1)８０、即ち数式３７を生み出す。

【００９１】

【数３７】

【００９２】上述のプロセスはＢＬＳＣＥ構造で実行さ
れたｒ_k の要素を単にシフトすることによって続けら
れ、数式２４によって与えられた最小二乗の解を再計算
する。ＢＬＳＳＥ受信機のブロック図は図４に示されて
いる。

【００９３】ＢＬＳＳＥの特徴について述べる。１．バッチ・チャネル推定装置に対して構造が同じであ
る。図４で示されるピック・オフ・ベクトルｆ４００ま
で、ＢＬＳＳＥとＢＬＳＣＥの構造はその形式が同じで
ある。これによりトレーニング・ベクトル３３０の内容
を単に再定義することによって、チャネル・シーケンス
及び未知シーケンスを予測するために同じアーキテクチ
ャを使用できる。

【００９４】２．線形推定装置である。ＢＬＳＣＥ構造
にあっては、ソフトウェアによる推定は測定可能なベク
トル２３０の線形関数である。故にスレッショルド装置
４２０までＢＬＳＳＥ推定装置は線形受信機である。

【００９５】３．時不変チャネルの時不変受信機であ
る。バッチ・チャネル推定装置９０は固定チャネル・フ
ィルタであっても、時変であることを思い出す。チャネ
ル・フィルタが時間と共に変化するならば、ＢＬＳＳＥ
受信機もまた時変である。しかしながら、チャネル・フ
ィルタが時不変であるならば、トレーニング・ベクトル
ｑ^T _k３３０、及び、故にＢＬＳＳＥ受信機のＱ^T _kは新し
いトレーニング記号毎には変化しないだろう。従って一
度、記号の初期のバーストが送り出されたならばシーケ
ンス推定装置は定常状態に到達し、故に固定状態とな
る。

【００９６】４．適度の複雑性。シーケンス推定装置７
０は時不変チャネル・フィルタ２０に対して時不変であ
るので、行列［Ｑ^T _k Ｗ_k Ｑ_k］^-1 Ｑ^T _k Ｗ_k は１度
だけ計算されなければならない。故にバッチ形式そのも
のの効率はＢＬＳＣＥ構造と同程度である。しかしなが
ら、ＢＬＳＳＥ構造が時不変条件下のＢＬＳＣＥ対応よ
りいっそう効率的であっても、時変チャネル・フィルタ
２０を扱う能力は帰納的形式を必要とする。

【００９７】帰納的最小二乗シーケンス推定装置（ＲＬ
ＳＳＥ）について説明する。最小二乗シーケンス推定装
置７０の帰納的形式は、帰納的チャネル推定装置９０の
正確な派生に続く。唯一のその差はシフト及びスレッシ
ョルド４２０の動作を適応させるために、次に述べる事
項が各繰返しの終わりに生じなければならない。

【００９８】１．ピック・オフ及び制約ソフトウェア推
定。係数ベクトルの要素をシフトするに先立ち、「最も
古い」記号、即ち、ティルドｘ_k-(L-1) の推定を最初に
抽出しなければならない。これは解析的に数式３６で定
義されたピック・オフ・ベクトルｆ４００によって、パ
ラメータ・ベクトルにフィルタをかけることによって実
行できる。一度、このソフトウェアの推定が係数ベクト
ルから抽出されるとそれを制約し、最終的推定を行う。

【００９９】２．シフト及びティルドｃ_k の初期化。パ
ラメータ・ベクトルの形式を考察するに、各繰返し後に
おいて、既に数式２７で定義されたシフト行列Ｓ２１０
を使用して要素を左へ単にシフトすることによって、パ
ラメータ・ベクトルの新しい初期推定が得られることは
明らかである。さらに全てのＲＬＳアルゴリズムは開始
時点で係数ベクトルの初期推定を要求するが、本発明の
ＲＬＳＳＥ方式は係数ベクトルの現（右端）記号の連続
する初期化を要求する。これはシフトされた係数ベクト
ルをティルドｘ_kが現記号の初期の推測である、量をテ
ィルドｘ_kｇだけ増すことによって自明的に得られる。
本発明の同一的な２進モデルではｘ_k ＝０であるが概略
化、且つコード化方式に拡張可能にするためにアルゴリ
ズムに重要なステップとして残すことに注目されたい。

【０１００】シフト行列は分析の目的のために有用な線
形動作であるが、実際問題として特定のベクトルの要素
を右から左へ単に伝播するトリビアルなメモリ・シフト
であることに注目されたい。従って、長さ５のフィルタ
においては非制約のパラメータ・ベクトル及びそのシフ
トされて初期化されたバージョンは、一般に数式３８で
表される。

【０１０１】

【数３８】

【０１０２】３．Ｐ_k をシフトし初期化する。逆分散行
列は、また係数ベクトルとの同期を維持するためにシフ
ト（上方へ及び左へ）されなければならない。これはＳ
２１０が以前に定義されたシフト行列である変換Ｓ^T Ｐ
Ｓによって、分散行列にフィルタをかけることによって
得られる。この共分散シフトは同様にｋ_k ３１０の要素
をも効果的にシフトすることに注目されたい。

【０１０３】新しい記号に対応するＰ_k の「新しい」要
素は、また着信記号毎に初期化されなければならない。
この初期化はエントリが値ε^-1を有する下方の右の要素
を除いて全てが０である行列ε^-1ｇｌで上記のシフトさ
れた共分散行列を増すことによって行われる。例えば任
意の３×３行列Ｐをシフト且つ初期化すると数式３９に
なる。

【０１０４】

【数３９】

【０１０５】線形ＲＬＳＳＥ受信機のブロック図は、図
５に示されている。次の節で明らかになるようにこの受
信機はＲＬＳＳＥ（Ｌ、０）受信機と呼ばれる。

【０１０６】推定量を制約するＲＬＳＳＥ（Ｌ、Ｄ）ア
ルゴリズムについて説明する。ＤＦＥは明らかに最も人
気がある非線形受信機であり、スペクトル空白であるチ
ャネルを介して低複雑性、且つ合理的な性能を実現す
る。さらにＤＦＥは線形フィードバック等化回路の単に
非線形の変形であるので、本発明は厳しいＩＳＩでもっ
て複数の実用的チャネルを介して、その性能を改善する
努力の中で線形ＲＬＳＳＥ推定装置の非線形変形を作成
した。

【０１０７】非線形変形の端部の方の、図５に示された
過去のシーケンス推定のティルドｃ_k-1 ３２０の役割を
考察する。各繰返し毎にベクトルは、誤差３００及び利
得ベクトル３１０にもとづいて補正される初期推測とし
て働く。しかしながら、ティルドｃ_k-1３２０は真の係
数ベクトルｃ_kのソフトウェアによる推定を表すことに
注意されたい。しかし、一般にこのことが正しくないこ
とは織込み済みである。従って次の繰返しで使用される
前に、これらのソフトウェアによる推定を制約すること
は当然のことである。これらの決定が正しいならば、テ
ィルドｃ_k ９５は同様に補正される良い機会を得る。し
かしながら、これらの要素の幾つかは僅かなサンプルの
ためにだけＲＬＳＳＥのデコーディング・ウィンドウに
在り、且つ雑音を含んでいるので不正確な決定が行われ
る可能性がある。しかしながら、ティルドｃ_k-1 ３２０
の最左端の要素は最も信頼できる推定値とみなすことが
できる。即ちＲＬＳＳＥウィンドウの全長さを通って伝
播され、あるポイントにおいてこの要素を制約すること
によって、全体の性能が改善されるようにある程度まで
等化できると仮定することは合理的に思える。

【０１０８】この考え方で本発明は、線形ＲＬＳＳＥ受
信機を図６に示されるようなＲＬＳＳＥ（Ｌ、Ｄ）受信
機と呼ばれる新しい非線形構造にまで拡張した。

【０１０９】図６における全要素はフィードバック経路
に挿入された新しいＤスレッショルド装置６００を除い
て、図５で見られる要素と同じである。この装置の下方
の右端にある「Ｄ」は最左端の記号だけが制約されるこ
とを表す。従って、ＲＬＳＳＥ（Ｌ、０）は既に説明し
たように線形受信機であり、他方、正反対にＲＬＳＳＥ
（Ｌ、Ｌ）受信機は全制約つきの推定を使用する。Ｄス
レッショルド装置６００の拡大図が図７で示され、ＲＬ
ＳＳＥ（Ｌ、Ｄ）アルゴリズムのステップの要約が表３
及び表４で示されている。

【０１１０】ＲＬＳＳＥ（Ｌ、Ｄ）受信機の特徴。１．非直線性の角度を変える。最終のソフトウェアによ
る推定は測定可能なベクトル２３０では線形であること
を再び考察するにＤ＝０において、ＲＬＳＳＥはスレッ
ショルド装置４２０までは線形推定装置であることに注
意されたい。しかしながら、非直線性の角度を増やすた
めにＲＬＳＳＥウィンドウの長さまでＤを高めることが
できる。

【０１１１】２．ＲＬＳＣＥと同じコア・アルゴリズム
である。ＲＬＳＳＥアルゴリズムのステップ０−８によ
って要求される処理は、ＲＬＳＣＥアルゴリズムで見ら
れる処理と同一であることを知ることは重要であるが、
ｑ_k の定義は変化している。さらにステップ０−８は実
質的に全てが重要な処理であることを表す。この重要な
事実はＲＬＳＳＥベースの受信機が、大規模な実験で確
認されたチャネル及びシーケンスの推定タスクの両方に
おいて、同じコア・アーキテクチャを利用できることを
示唆する。

【０１１２】３．適度の複雑性に対して低レベルであ
る。表３及び表４で示されるようにＲＬＳＳＥアルゴリ
ズムは時変チャネルを処理できるので、ｑ_k は新しいチ
ャネル推定だけで更新されなければならない。表３及び
表４で示される複雑な分析から時変チャネルにおける最
悪のケースの複雑性は、Ｏ（Ｎ² ）であることがわか
る。しかしながらチャネルが時不変の場合、利得ベクト
ルは急速に定常状態値に近よる。従って厄介なタスク計
算Ｐ_k は不要となり、そのためステップ２−７及びステ
ップ１２は避けることができ、Ｏ（Ｎ）アルゴリズムと
なる。

【０１１３】４．同期動作である。Ｌ記号の初期バース
トの受信後、アルゴリズムは同期的に推定を生成する。
従って、複数の受信機によって同時に要求されるバッフ
ァ管理のオーバヘッドが避けられる。

【０１１４】理論的性能分析について説明する。非線形
ＲＬＳＳＥ（Ｌ、Ｄ）受信機の有益な理論的分析は非現
実的な仮定なしで実行可能とは思えない。それ故、コン
ピュータ・シミュレーションが一般的なＲＬＳＳＥ
（Ｌ、Ｄ）受信機の性能を確立するために使用される。
しかしながら、無変化及びエルゴードの条件を仮定する
ことによって、線形ＲＬＳＳＥ（Ｌ、０）構造の理論的
性能は下記に示すように簡単に求めることができる。

【０１１５】完全なチャネル知識。チャネル推定装置９
０がチャネル・フィルタ２０の完全な推定を生成したと
仮定するならば、線形ＲＬＳＳＥ（Ｌ、０）構造の平均
二乗誤差（ＭＳＥ）性能は容易に確かめられる。最小二
乗誤差及び平均最小二乗誤差はＡＷＧＮにおいて漸近的
に等しいので、完全なチャネル知識におけるＲＬＳＳＥ
（Ｌ、０）構造の漸近的性能は数式４０で求められるＭ
ＳＥ判定基準で最適化された全線形受信機の性能であ
る。

【０１１６】白色ガウス雑音におけるＲＬＳＳＥ（∞、
０）受信機のＭＳＥ。

【０１１７】

【数４０】

【０１１８】ここにおいて、｜Ｈ（ｅ^jω）｜²はチャネ
ル・フィルタ２０の離散パワー・スペクトルを表し、Ｎ
₀ は雑音４０の変化である。

【０１１９】白色ガウス雑音不整合。雑音４０のデュリ
ング・トレーニングの変化がデュリング・デコーディン
グと異なるならば、雑音不整合条件が存在する。しかし
ながら、ＲＬＳＳＥ方式は明に又は暗に雑音統計値に依
存しないことを思い出してもらいたい。ＲＬＳＳＥ方式
はチャネル推定に厳密な意味でもとづく。従って、チャ
ネル推定が片寄らない解に集中するようにトレーニング
・シーケンスが十分に長い限り、ＲＬＳＳＥ（Ｌ、Ｄ）
アルゴリズムのデュリング・デコーディングの性能は雑
音変化デュリング・トレーニングから独立している。そ
れ故、ＲＬＳＳＥ（Ｌ、Ｄ）受信機は白色ガウス雑音不
整合に無感度であり、数式４０で与えられたＭＳＥ性能
は雑音不整合の特別のケースにおいて有効である。この
雑音不整合に対する不感度は、米国特許第０７／８４６
６５１号で示された線形フィードバック等化回路又は決
定フィードバック等化回路によって提供されていない重
要な利点である。

【０１２０】任意のチャネル不整合。雑音４０が白色及
びガウスに制約される限り、同じ論拠を任意のチャネル
不整合の場合に適用できる。従って、米国特許第０７／
８４６６５１号記載の任意のチャネル不整合の例を使
用、及び雑音４０を白色に制約することによってＲＬＳ
ＳＥ（Ｌ、０）受信機の漸近の性能が数式４１によって
与えられることがわかる。

【０１２１】チャネル不整合及び白色ガウス雑音におけ
るＲＬＳＳＥ（∞、０）のＭＳＥ。

【０１２２】

【数４１】

【０１２３】ここにおいてＨ_T（ｅ^jω）及びＨ（ｅ
^jω）はチャネル・フィルタ２０のデュリング・トレー
ニング及びデュリング・デコーディングのそれぞれのス
ペクトルである。ここで関連特許の米国特許第０７／８
４６６５１号からの任意の不整合の結果を利用すること
によって、ＲＬＳＳＥ（Ｌ、０）受信機の性能を白色ガ
ウス雑音のチャネル不整合条件下の線形／決定フィード
バック等化回路に直接に比較することができる。この比
較は白色ガウス雑音不整合の場合は表５で、及び白色ガ
ウス雑音の任意のチャネル・フィルタ不整合の一般の場
合は表６で示されている。

【０１２４】ＲＬＳＳＥ受信機とＬＦＥ受信機の理論的
性能の比較では、理想的条件で同一であるが、ＲＬＳＳ
Ｅ受信機は白色ガウス不整合の場合に性能か優位である
ことが明らかである。これはまた、ほとんどの実際的な
任意チャネル不整合ケースの場合にも真である。次に述
べる試験結果においてこの重要な結論が確証される。

【０１２５】試験結果。試験チャネル２０における理論
的予測及びシミュレーションの結果は図８乃至図１２で
示されている。他のよく知られているチャネルの試験結
果も同様な結論となることに注目されたい。

【０１２６】図８は本発明の試験で使用された典型的な
試験チャネルの振幅スペクトルを示す。

【０１２７】図９はどんな不整合も存在しない、即ち理
想的条件下における図８の試験チャネルを介してのＲＬ
ＳＳＥ受信機の性能を示す。比較として、ＬＦＥ及びＤ
ＦＥ受信機における実験データも示されている。

【０１２８】図１０は白色ガウス雑音不整合が存在する
場合の図８で示される試験チャネルを介してのＲＬＳＳ
Ｅ受信機の性能を示す。比較として、ＬＦＥ受信機とＤ
ＦＥ受信機の実験データも示されている。

【０１２９】図１１はチャネル・フィルタ不整合が存在
する場合の図８で示される試験チャネルを介してのＲＬ
ＳＳＥ受信機の性能を示す。比較として、ＬＦＥ受信機
とＤＦＥ受信機の実験的データも示されている。

【０１３０】図１２は雑音変化が不整合な場合の図３で
示される試験チャネルにおける本発明の理論的予測の正
確度を示す。図１０のＢＥＲ曲線から導き出された同じ
結論が、図１２のＭＳＥ曲線に対しても得られることに
注目されたい。

【０１３１】試験結果と実際的関連性。ここで述べた理
論及び試験結果から幾つかの一般的な考察ができる。本
発明が実行されるとチャネル不整合条件下において、ロ
バスト・シーケンス推定がもたらされる。理論及び実験
データは不整合条件下の標準の線形／ＤＦＥ受信機に対
する本発明の性能の優越を明白に示す。

【０１３２】１．ＲＬＳＳＥ（Ｌ、０）は従来の線形等
化回路に優る性能を有する。理論及び試験結果は、ＲＬ
ＳＳＥ（Ｌ、０）の性能が不整合のない（理想）条件下
の標準線形等化回路の性能に匹敵可能なことを示す。雑
音不整合が存在する場合、ＲＬＳＳＥ（Ｌ、０）の性能
はある苛酷な不整合のケースにおいては、ＤＦＥ受信機
だけでなくＬＦＥ受信機の性能をもはるかに越える。

【０１３３】２．ＲＬＳＳＥ（Ｌ、０）は非常に確実で
ある。線形／ＤＦＥ受信機はトレーニング遅延の単調で
遅い最適化を必要としたが、線型ＲＬＳＳＥ（Ｌ、０）
受信機では何れのこのような遅延は不要であり及び使用
しない。従って、チャネル不整合及びアルゴリズム・パ
ラメータ（Ｌ、ε及びγ）に関するその確実性は非常に
良好であった。

【０１３４】３．ＲＬＳＳＥ（Ｌ、Ｄ）はある実用チャ
ネルにおいて、ほとんどＤＦＥに等しい。最小の予測に
おける幾つかのチャネルにおいて、十分に制約されたＲ
ＬＳＳＥ（Ｌ、Ｌ）受信機は理想的条件下の性能におい
てＤＦＥに匹敵し、これらのチャネルに雑音不整合が存
在する場合には実質的に性能が優れている。Ｄの最適化
は、また他のチャネルでも実行でき、チャネル推定プロ
セスの遅延の組込み及び／又は予測を和らげるために前
置フィルタを組込むことによってさらに改善が達成でき
る。

【０１３５】４．ＲＬＳＳＥ受信機は非常に効率的な方
法で実行できる。同じコア・アルゴリズムがチャネル推
定とシーケンス推定の両方の機能に使用されている。Ｒ
ＬＳＳＥでは単一のチップにチャネル推定装置９０とシ
ーケンス推定装置７０の両方を組込むことが可能であ
り、携帯通信、マルチメディア、無線ネットワーク及び
他の小型／軽量／低価格に抑えられたシステムを始めと
する応用例に非常に有利である。

【０１３６】好ましい実施例のシステム実現。本発明の
実施例は帰納的最小二乗チャネル推定装置（ＲＬＳＣ
Ｅ）アルゴリズム及び帰納的最小二乗シーケンス推定装
置（ＲＬＳＳＥ）アルゴリズムを例示する表１及び表３
及び表４で詳細に説明されているので参照されたい。こ
のコードはシーケンス推定装置７０及びチャネル推定装
置９０の実行において、ソフトウェア、ファームウェア
及びハードウェアで実行できることが理解されよう。各
ステップを説明する前に、各機能の「＋」、「−」、
「＊」及び「／」はそれぞれ加算、減算、乗算及び除算
の手段を表すことに注意されたい。

【０１３７】チャネル推定装置について説明する。表１
のアルゴリズムはチャネル・フィルタ２０を予測するた
めに最初に使用される。好ましい実施例ではチャネル応
答を予測するために既知トレーニング・シーケンスを使
用するが、同様に他の実施例でも使用可能である。

【０１３８】表１のステップ０は、チャネル推定ベクト
ルと逆分散行列の初期化を行う。

【０１３９】表１のステップ１は、信号ｒ_k ６０の実際
の受信を行う。

【０１４０】表１のステップ２は、トレーニング・ベク
トルｑ_k ３３０の生成を行う。

【０１４１】表１のステップ３は、逆分散行列Ｐ_k と指
数加重パラメータγの逆数との積である中間変数Ｕ_k の
生成を行う。このステップは全体の複雑性を減らすため
に導入されるが、γ＝１ならば必要でない。

【０１４２】表１のステップ４は、中間変数Ｕ_kとトレ
ーニング・ベクトルｑ_k３３０との積である中間変数ｖ_k
の生成を行う。

【０１４３】表１のステップ５は、中間変数ｖ_k及びト
レーニング・ベクトルｑ_k３３０の関数である利得ベク
トルの計算を行う。

【０１４４】表１のステップ６は、新用語η_k ３００の
計算を行う。

【０１４５】表１のステップ７は、中間変数Ｕ_k、ｖ_k及
び利得ベクトルｋ_k ３１０の関数として相関行列の逆数
の計算を行う。

【０１４６】表１のステップ８は、過去のチャネル推
定、ティルドｃ_k-1 ３２０、利得ベクトルｋ_k３１０及
び新用語η_k３００の関数としてチャネル推定ティルド
ｃ_k ９５の計算を行う。

【０１４７】チャネル推定装置の好ましい実施例では既
知トレーニング・シーケンスの各ビットにおいて、表１
のステップ１−８を繰返すことになる。このトレーニン
グ・シーケンスは期間がチャネル・フィルタ係数の変化
率によって決まる周期的間隔で、情報シーケンスに挿入
される。

【０１４８】シーケンス推定装置について説明する。既
知トレーニング信号を介してチャネル推定が見つかる
と、受信機はデコード・モードに切換える。即ち、未知
データが送信され表３及び表４の帰納的最小二乗シーケ
ンス推定（ＲＬＳＳＥ）アルゴリズムが、該データを予
測するために使用される。

【０１４９】表３及び表４のステップ０は、シーケンス
推定ベクトルと逆分散行列の初期化を行う。

【０１５０】表３及び表４のステップ１は、信号ｒ_k ６
０の実際の受信を行う。

【０１５１】表３及び表４のステップ２は、トレーニン
グ・ベクトルｑ_k ３３０の生成を行う。このステップと
表１のステップ２との唯一の相違は、表１のステップ８
から見つけられたチャネル推定係数を現在含んでいるデ
ータ・ベクトルの内容を示すことに注目する。

【０１５２】表３及び表４のステップ３は、逆分散行列
Ｐ_k と指数加重パラメータγの逆数との積である中間変
数Ｕ_k の生成を行う。このステップは全体の複雑性を減
らすために導入されるが、γ＝１ならば必要でない。

【０１５３】表３及び表４のステップ４は、中間変数Ｕ
_kとトレーニング・ベクトルｑ_k３３０との積である中間
変数ｖ_k を生成する。

【０１５４】表３及び表４のステップ５は、中間変数ｖ
_kとトレーニング・ベクトルｑ_k３３０の関数である利得
ベクトルの計算を行う。

【０１５５】表３及び表４のステップ６は、新用語の計
算を行う。

【０１５６】表３及び表４のステップ７は、中間変数Ｕ
_k、ｖ_k及び利得ベクトルｋ_k ３１０の関数として相関行
列の逆数の計算を行う。

【０１５７】表３及び表４のステップ８は、過去のシー
ケンス推定、ティルドｃ_k-1 ３２０、利得ベクトルｋ_k
３１０及び新用語η_k３００の関数としてシーケンス推
定ティルドｃ_k ９５の計算を行う。表１と表３及び表４
のティルドｃ_k の唯一の相違はソフト・シーケンス推定
を現在与えるその内容であることに注意されたい。

【０１５８】表３及び表４のステップ９は、最も古い推
定をピッキング・オフし、決定の宣言を制約する。

【０１５９】表３及び表４のステップ１０は、シーケン
ス推定をシフトして最も新しく受信されたビットの最初
の予測を与える。

【０１６０】表３及び表４のステップ１１は、シーケン
ス推定ベクトルの最も古いＤビットを制約する。

【０１６１】表３及び表４のステップ１２は、逆分散行
列Ｐ_k をシフトして初期化する。

【０１６２】ＲＬＳＳＥ受信機は新しい受信ビット毎に
表３及び表４のステップ１−１２をプロセスし、正確な
チャネル推定を維持するために必要な表１のステップ１
−８をプロセスする。

【０１６３】表１のステップ１−８と表３及び表４のス
テップ１−８は同一ステップであり、全処理工程の主要
なステップであることを理解することが重要である。従
って、好ましい実施例ではチャネル推定装置９０又はシ
ーケンス推定装置７０によって呼出しできる１つのコア
・アルゴリズム（ステップ１−８）を実行する。

【０１６４】さらに、利得ベクトルｋ_k ３１０が時不変
チャネルにおいて定常状態に到達するので、表３及び表
４のステップ２−７及びステップ１２は情報の初期ブロ
ックの後では必要ない。従って、好ましい実施例では一
度、利得ベクトルが収束すると、これらのステップを無
視する。さらに時変又は時間と共にゆっくり変化するチ
ャネル（例えば、モデム、マルチメディア及びある無線
のチャネル）における実際の応用例では低複雑性で処理
されるように、この収束性が非常に速く生じることを理
解されたい。

【０１６５】

【表１】

【０１６６】

【表２】

【０１６７】

【表３】

【表４】

【０１６８】

【表５】

【０１６９】

【表６】

【発明の効果】受信機は非直線性の変化度を有し低複雑
性である。チャネル不整合が存在する場合は線形／決定
フィードバック等化回路よりも性能は確実である。

【図面の簡単な説明】

【図１】本発明によって想定される一般の離散時間等価
通信システム・モデルの系統的な概要を示し、チャネル
推定装置及びシーケンス推定装置を有する受信システム
を示す図である。

【図２】図１のチャネル推定装置９０の詳細を示し、特
にチャネル・フィルタ２０の予測を与えるバッチ最小二
乗チャネル推定装置（ＢＬＳＣＥ）と称される特定のチ
ャネル推定装置を示す図である。

【図３】図２で示されるＢＬＳＣＥ装置の、より効率的
なバージョンを示す。この特定のチャネル推定装置は本
発明のチャネル推定装置の好ましい実施例である帰納的
最小二乗チャネル推定装置（ＲＬＳＣＥ）を示す図であ
る。

【図４】図１のシーケンス推定装置７０の詳細を示し、
特にバッチ最小二乗シーケンス推定装置（ＢＬＳＳＥ）
と称される特定のシーケンス推定装置を示す図である。

【図５】図４で示される線形ＢＬＳＳＥ装置のさらに効
率的なバージョンを示す図である。この帰納的シーケン
ス推定装置は線形帰納的最小二乗シーケンス推定装置と
称され、ＲＬＳＳＥ（Ｌ、０）で表される。

【図６】本発明のシーケンス推定装置の好ましい実施例
を示す図である。このシーケンス推定装置は図５の線形
受信機を有し、非線形ケースまで拡張される。この受信
機はＲＬＳＳＥ（Ｌ、Ｄ）として表される。

【図７】図６で示されるＤスレッショルド装置６００の
拡大機能図を示す図である。

【図８】パラメータａの関数として特定の離散時間等価
チャネル・フィルタ２０の振幅スペクトルを示す図であ
る。

【図９】チャネル不整合が存在しない場合の図３で示さ
れる試験チャネルを介しての線形／ＤＦＥ受信機に対す
る本発明の性能を比較する図である。

【図１０】白色ガウス雑音不整合が存在する場合の図３
で示される試験チャネルを介しての線形／ＤＦＥ受信機
に対する本発明の性能を比較する図である。

【図１１】チャネル・フィルタ不整合が存在する場合の
図３で示される試験チャネルを介しての線形／ＤＦＥ受
信機に対する本発明の性能を比較する図である。

【図１２】白色ガウス雑音不整合が存在する場合の本発
明の理論と試験性能とを比較する。ＬＦＥ受信機とＤＦ
Ｅ受信機における理論的及び実験的な結果も示す図であ
る。

【符号の説明】

２０チャンネル・フィルタ７０シーケンス推定装置９０チャネル推定装置２３０測定可能なベクトル３３０トレーニング・ベクトル

Claims

(57)【特許請求の範囲】

【請求項１】線形チャネル・フィルタと付加白色ガウス
雑音を有する離散時間等価チャネルから受信された入力
信号ｒ_k に応答して、出力信号ハットｘ_k-(L-1) を与え
るための適応受信機で使用される受信システムであっ
て、チャネル推定を与えるための手段によって決められるＬ
係数を持つチャネル・フィルタ推定と受信信号ｒ_k とを
入力するための入力と、及び次式の再帰的関係に従って
送信情報シーケンスｘ_kの推定であるハードウェアによ
る決定ハットｘ_k-(L-1) を出力するための出力とを有す
るシーケンス推定装置とチャネル推定を与えるための手
段とを有する受信システム。【数１】ここにおいてγはシーケンス推定のための期待指数加重
パラメータ、Ｐ_k-1 はε^-1ｌに初期化されたＬ相関行列
の逆数のＬ、ｌはＬ単位行列によるＬ、εはシーケンス
推定のための期待初期化パラメータ、ｓｇｎ（ｚ）は２
進スレッショルド装置を示しパラメータｚが０以上の場
合は＋１に戻り、ｚが０未満の場合は−１に戻り、ティ
ルドｃ_k は任意のベクトルに初期化された受信シーケン
スのソフトウェアによる推定ベクトル、ｓｇｎ_D （ｚ）
はｓｇｎ関数をベクトルｚの左端のＤビットに当てはめ
るＤスレッショルド装置を表し、ｆは次式によって与え
られるＬ長ピック・オフ・ベクトルである。【数２】
【請求項２】係数が過去のＬ既知トレーニング・ビット
ｘ_k であるトレーニング・ベクトルｑ^T _kと受信信号ｒ_k
とを入力するための入力と次式との関係において、チャ
ネル・フィルタ推定ティルドｃ_k を出力するための出力
とを有するチャネル推定装置であるチャネル推定を与え
るための手段を有する請求項１記載の受信機システム。【数３】ここにおいてγはチャネル推定のための期待指数加重パ
ラメータ、Ｐ_k-1 はε^-1ｌに初期化されたＬ相関行列の
逆数のＬ、εはチャネル推定のための期待初期化パラメ
ータ、ティルドｃ_k は実行中に予想される通常のチャネ
ル・フィルタに対応するベクトルに、開始時点で初期化
されるチャネル・フィルタ係数の現在の推定である。
【請求項３】次式との再帰的関係によって定義された余
関数を実行するために、同一のソフトウェア／ハードウ
ェアを利用するチャネル推定とシーケンス推定を与える
ための手段を有する請求項１記載の受信機システム。【数４】
【請求項４】シーケンス推定装置が２進データ以外のデ
ータのシーケンス推定を提供するために修正される請求
項１記載の受信システム。
【請求項５】チャネル推定装置が下記の関係式によって
バッチ形式で実行される請求項１記載の受信システム。【数５】ここにおいて、測定可能なベクトルｒ_kは過去のＬ受信
信号ｒ_kにおけるＬ長さベクトルを表し、トレーニング
行列Ｑは横列が過去のＬ既知トレーニング・ビットによ
って与えられる内容を有する過去のＬ既知トレーニング
・ベクトルｑ^T _kであるＬ行列によるＬであり、Ｗ_kは任
意の加重行列であり、ｒ_kは下記の関係式によって新ビ
ット毎に更新される測定可能なベクトルである。【数６】
【請求項６】シーケンス推定装置が下記の関係式によっ
てバッチ形式で実行される請求項１記載の受信システ
ム。【数７】ここにおいて、測定可能なベクトルｒ_kは過去のＬ受信
信号ｒ_kにおけるＬ長さベクトルを表し、トレーニング
行列Ｑは横列がチャネル推定装置によって与えられる内
容を有する過去のＬトレーニング・ベクトルｑ^T _kである
Ｌ行列によるＬであり、Ｗ_kは任意の加重行列であり、
ｒ_kは下記の関係式によって新ビット毎に更新される測
定可能なベクトルである。【数８】
【請求項７】ＲＬＳＳＥアルゴリズムが線形フィルタリ
ング、重畳コード及び格子状コード化変調技術及びその
他の方式によってコード化された送信データのシーケン
ス推定に使用される請求項１記載の受信システム。
【請求項８】演算記号Ｓ、ｆ及びｇがメモリのシフト動
作用としてソフトウェア／ハードウェアで実行される請
求項１記載の受信システム。
【請求項９】チャネル推定をもたらすための手段がチャ
ネル推定を更新するために、既知トレーニング信号の代
わりに過去の決定を使用するチャネル推定装置である請
求項１記載の受信システム。
【請求項１０】一方が未知情報シーケンスであり、他方
が未知チャネル・フィルタ効果である２つの信号シーケ
ンスを含む、評価を必要とする特性を有する受信信号の
ための入力ポートと、前記入力ポートに接続されたシー
ケンス推定装置の機能を実行する受信信号を評価するた
めの共通の機能評価ユニットと、前記入力ポート及び前
記機能評価ユニットに接続されたチャネル推定をもたら
すための手段と、前記機能評価ユニットに接続された未
知情報シーケンスの推定をもたらすための出力を有する
受信信号を評価するための受信システム。
【請求項１１】チャネル推定を与える手段は外部の以前
の評価によってもたらされ、及びチャネル推定装置は受
信信号のチャネル・フィルタ効果の推定をもたらす機能
ユニットである請求項１０記載の受信システム。
【請求項１２】チャネル推定を与えるための手段は受信
システムの内部チャネル推定装置部によってもたらさ
れ、受信システムが受信信号のチャネル・フィルタ効果
の推定と、及び受信信号のチャネル・フィルタ効果推定
の評価のために共通のステップで上記情報シーケンスの
評価のために、ステップを利用する情報シーケンスの推
定とをもたらす、共通の機能ユニットを提供するための
上記チャネル推定装置部と組合わせられたシーケンス推
定装置部を有する請求項１０記載の受信システム。