JP4490265B2 - 同一チャネル干渉受信機 - Google Patents

Description

（省益の説明書）
本発明の部分は、政府の財政的支援とともに行われた可能性があり、政府には特定の権利がある可能性がある。

（関連出願）
本願は、２００２年７月２４日に出願された米国仮出願第６０／３９８，４５１号の利点を主張する。本願は、２００２年４月１６日に出願された米国仮出願第６０／３７２，９５６号に対する優先権を主張する２００２年８月２６日に提出された米国出願第１０／２２８，７８７号の一部継続出願である。本願は２００２年３月２５日に提出された米国出願第１０／１０５，９１８号の一部継続出願でもある。本願は「マルチユーザ検出のための周波数不一致補償（Ｆｒｅｑｕｅｎｃｙ Ｍｉｓｍａｔｃｈ Ｃｏｍｐｅｎｓａｔｉｏｎ ｆｏｒ Ｍｕｌｔｉｕｓｅｒ Ｄｅｔｅｃｔｉｏｎ）」（弁護士事件整理番号２００２００２８−ＵＳ）と題される２００３年４月２５日に出願された米国出願（番号未定）に関連する。本願は、「過飽和状態の通信用の延期されたＤｅｃｏｒｒｅｌａｔｉｎｇ決定フィードバック検出器（Ｄｅｆｅｒｒｅｄ Ｄｅｃｏｒｒｅｌａｔｉｎｇ Ｄｅｃｉｓｉｏｎ−Ｆｅｅｄｂａｃｋ Ｄｅｔｅｃｔｏｒ Ｆｏｒ Ｓｕｐｅｒｓａｔｕｒａｔｅｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）」（弁護士事件整理番号Ｄ４６２５−ＵＳ）と題される２００３年４月２５日に提出された米国出願（番号未定）に関連している。これらの出願のそれぞれは全体として参照によりここに組み込まれる。

本発明は無線通信に関し、さらに詳しくは、同様に変調された干渉信号からの同一チャネル干渉により壊されたデジタル信号の回復が望ましい応用例用の無線デジタル信号受信機に関する。

無線ネットワークは、携帯電話とコンピュータのような多様な装置間の通信のために利用されている。バイナリ位相偏移変調された信号及び直角位相偏移変調された信号などのデジタル変調された信号はネットワークのノード間で送信される。例は、端末が衛星トランスポンダを通って送信する衛星通信ネットワーク、端末が中継塔を通して伝送する地上システム、及び端末が中央中継要素を通って送信する屋内ローカルエリアネットワークを含む。

これらのネットワークに接続されるコンピュータ要素は、種々のユーザサービスを提供する。例はデジタル音声符号化を使用する電話トラフィック、ビデオ会議、広域コンピュータネットワーク接続性、及びインターネットサービスを含む。このような応用例では、干渉と雑音の存在下で指定された帯域幅でネットワークトラフィック容量を最大にすることが望ましい。

その目的のため、ネットワーク要素を通信チャネルに効率的に分割するための種々の方式が存在している。例えば、周波数領域多元接続（ＦＤＭＡ）方式は各ネットワーク端末を別個の重複しない周波数帯に割り当てる。時間領域多元接続（ＴＤＭＡ）方式は、各端末を別個の重複しないタイムスロットに割り当てる。符号分割多元接続（ＣＤＭＡ）方式は、各端末間の相互相関がごくわずかであるように各端末を別個の変調波形に割り当てる。

このような方式は、十分な信号対雑音比またはコード化冗長性を考慮すると、干渉の存在下で信号を復調するための手段だけではなく、過剰な信号マージンを検出するための手段も備える場合に、さらに多くの通信機構が割り当てられた帯域幅を使用できるという点で効率的ではない。要するに、無線送信及び受信における進歩にも関わらず、従来のシステムは、干渉とマルチパスの問題などの信号の劣化を被る現実世界の無線通信信号を適切に捕らえていない。

さらに具体的には、現実世界のマルチユーザシステムは同時に信号を送信する多数の独立したユーザを含んでいる。これらの伝送のそれぞれは、受信された信号の中で現れるマルチパスと同一チャネル(co-channel)干渉というリアルタイムの問題に関連付けられている。マルチパスは、受信機がさまざまな無作為に変化する遅延と振幅を有するエコーに遭遇するように、一つではなく多くの経路に沿って信号が受信機に進むときに発生する。同一チャネル干渉は、他のユーザから受信される信号を指す。

マルチユーザ検出（ＭＵＤ）受信機は、同一チャネル干渉デジタル信号をいっしょに復調するために使用できる。一般的には、ＭＵＤは非直交マルチプレックスでのデータの検出を指す。ＭＵＤ処理はチップごとに使用可能な情報ビット数または干渉が制限されたシステムのためのシグナリング次元を増加する。最大尤度原則に基づいた最適ＭＵＤは、受信機で受信される波形を生じさせるために、送信機群で発生したかもしれない可能性の全体数に、受信された信号を比較することにより動作する。

しかしながら、さらに大きな容量の信号を調べるマルチユーザ検出器にとって、計算は
複雑であり、時間を要し、従ってリアルタイム動作を実行不可能にする。従来のツリープ
ルーニング(tree-pruning)アルゴリズムに基づいた複雑さが低減された手法はある程度ま
で役に立つ。しかしながら、このようなマルチユーザ検出アルゴリズムの性能は、パラメ
ータＭ（プルーニング(pruning)係数）が減少するにつれて劣化するが、Ｍは必要とされ
る計算数を支配する。したがって、不適切なプルーニングに対抗するには、基本的なツリ
ープルーニングが、Ｍが十分に大きいことを確実にしなければならない。その結果、従来
のプルーニング方法は、特に干渉信号の数が中程度から大であるときに、依然として計算量の多い高い複雑性と関連している。

したがって、必要とされているのは、複数のユーザが同じ通信チャネルで動作できるよ
うにする技法である。このような技法は、同一チャネル信号を正確に分離し、複雑な処理
を削減しなければならない。
〔発明が解決しようとする課題〕
本発明は、ツリープルーニング・アルゴリズムに基づくマルチユーザ検出と比較して、より計算量の少ないマルチユーザ検出法を提供することを目的とする。

本発明の一実施形態は、同一チャネル干渉受信機を提供する。該受信機はＫ個の同一チャネル干渉信号からの情報を含む合成(complex)信号を受信するように適応されるマルチユーザ検出器モジュールを含む。該受信機はさらに、該合成信号を受信し、該Ｋ個の同一チャネル干渉信号のそれぞれの推定シグナチャ(signature)波形を生成するように適応されるパラメータ推定モジュールを含む。該推定されたシグナチャ波形はマルチユーザ検出器に与えられ、それによりＫ個の同一チャネル干渉信号の復調を可能にする。マルチユーザ検出器モジュール及びパラメータ推定モジュールがそれぞれ複数の合成信号を受信するように適応できることに注意せよ。

マルチユーザ検出器モジュールは、例えば、部分的に量子化された過去の情報を有するアルゴリズムと動作するように構成される。代替として、マルチユーザ検出器モジュールは事前白色化された(prewhitened)データに基づいたアルゴリズムと動作するように構成される。代りに、受信機は両方のアルゴリズムと動作するように構成されてよい。１つのこのような実施形態では、部分的に量子化された過去の情報を有するアルゴリズムは低複雑性線形(low complexity linear)ＭＭＳＥアルゴリズムである。別のこのような実施形態では、事前白色化されたデータに基づくアルゴリズムは、Ｍ−アルゴリズムとＴ−アルゴリズムの１つである。

受信機は、さらに、マルチユーザ検出器モジュールとパラメータ推定モジュールに動作可能に結合されるアナログフロントエンド(analog front end)を含んでもよい。該アナログフロントエンドは、それぞれ複数の送信機からの１つまたは複数の合成波形信号を受信し、それぞれの受信された合成波形信号を対応する合成信号に変換するように適応される。１つのこのような実施形態では、アナログフロントエンドは、それぞれが受信された合成波形をデジタル波形に変換するように適応される１または複数のアナログ／デジタル変換器を含み、それぞれがそれぞれのアナログ／デジタル変換器に動作可能に結合され、受信された合成波形に関連する周波数をさらに低い周波数に変換するように適応される１または複数のダウンコンバータも含む。

アナログフロントエンドは、さらに、それぞれが複数の送信機から対応する合成波形信号を受信するように構成される１または複数のアンテナを含んでもよい。１つのこのような実施形態では、該１または複数のアンテナは単一偏向アンテナである。代替として、該１または複数のアンテナは２つの偏向ポートと適応された二重偏向アンテナであり、それにより偏向(polarization)として、該１または複数のアンテナは、それぞれが２つの偏向ポートで適応される２または３以上の二重偏向アンテナを含み、それにより空間ダイバシティと偏向ダイバシティを提供する。

マルチユーザ検出器モジュールが部分的に量子化された過去の情報を有する低複雑性線形ＭＭＳＥアルゴリズムと動作するように構成される実施形態では、マルチユーザ検出器モジュールは、ターボＭＵＤモジュールと、コンバイナモジュールと、エラー訂正モジュールと、スレッショルド（ｔｈｒｅｓｈｏｌｄｉｎｇ）モジュールとを含む。該ターボＭＵＤモジュールはＫ個の同一チャネル干渉信号のそれぞれに個々のビットの推定値を提供するように適応される。ビットに関連する誤り率が所定の数字以下に低下するまで、該推定値はエラー訂正モジュールを含むフィードバックループで反復適用される。該コンバイナモジュールはターボＭＵＤに動作可能なように結合され、ターボＭＵＤにより出力される再計算されたビット推定値を次の反復で量子化されたビット値と結合するように適応される。該スレッショルドモジュールは、エラー訂正モジュールの出力に動作可能なように結合され、所定の閾値を超える各ビット推定値に量子化された値を割り当て、コンバイナモジュールまでそれらの量子化されたビット値を通過し、それにより部分的に量子化された過去の情報を有効にする。１つのこのような実施形態では、以後のそれぞれの反復プロセスでの該エラー訂正モジュールは、ターボＭＵＤにより出力された再計算されたビット推定値とスレッショルドモジュールにより出力される量子化されたビット値の組み合わせを処理し、スレッショルドモジュールを通してターボＭＵＤにその出力を戻し、それにより反復ごとの不確かなビット推定値の数を削減する。

マルチユーザ検出器モジュールが事前白色化されたデータに基づいた低複雑性Ｍアルゴリズムと動作するように構成される実施形態では、マルチユーザ検出器モジュールは整合(matched)フィルタと、ホワイトナデザイナ(whitener designer)モジュールと、非同期ホワイトナモジュールと、シンボル仮説試験(symbol hypothesis testing)モジュールとを含む。該整合フィルタは受信機により受信される合成信号を事前白色化するように適応され、それにより多元接続干渉からユーザを部分的に減結合する(decoupling)。該ホワイトナデザイナモジュールはパラメータ推定器に動作可能に結合され、パラメータ推定器からのパラメータ推定値に基づいた各受信合成信号のモデルを作成し、整合フィルタにより出力されるフィルタリングされたデータを白色化する非同期ホワイトナモジュールを計算するように適応される。該シンボル仮説試験モジュールはホワイトナデザイナモジュールに動作可能に結合され、非同期ホワイトナモジュールにより出力される白色化されたデータを受信するように構成される。シンボル仮説試験モジュールは、仮説の尤度を特徴付ける測定基準(metric)の連続した評価に基づきシンボル仮説試験を実施するように適応される。１つのこのような実施形態では、ホワイトナデザイナモジュールは平方根因数分解を利用する。例えば、ホワイトナデザイナモジュールは白色化モジュールでの白色化のために使用され、シンボル仮説試験モジュールの仮説試験でも使用される対角線上で(diagonally)でロードされる(loaded)コレスキー因数分解(Cholesky Factorization)を計算するためにパラメータ推定モジュールにより提供される相関行列(correlation matrix)を活用する。代替として、ホワイトナデザイナモジュールは、ハウスホルダ変換(Householder transformations)を使用するＱＲ因数分解を利用する。さらに、ホワイトナデザイナモジュールは受信されたエネルギー及び／または位相がシンボル期間の間でしか変化しないときに非同期ホワイトナモジュールを効率的に更新するために双曲線ハウスホルダ(Hyperbolic Householder)変換を利用できる。

パラメータ推定モジュールのパラメータ推定値は、それぞれの受信された複合信号と関連付けられるチャネルをモデル化するために使用でき、それにより整合フィルタの適用及び非同期デコレレイト(decorrelating)フィルタバンクの作成を可能にする。一実施形態では、パラメータ推定モジュールはトレーニングシーケンスロケータモジュールと、雑音推定器モジュールと、シグナチャ波形推定器モジュールと、アクティブユーザテスタモジュールと、変換行列リビルダ(rebuilder)モジュールとを含む。該トレーニングシーケンスロケータモジュールは、受信された合成信号の各フレーム内のトレーニングシーケンスロケーション指数を推定するように適応される。該雑音推定器モジュールは、該トレーニングシーケンスロケーション指数に従って該受信された合成信号内の平均雑音電力の推定値を計算するように適応される。該シグナチャ波形推定器モジュールは、該トレーニングシーケンスロケーション指数と変換行列に従って該受信された合成信号内の各ユーザに一意のシグナチャ波形を推定するように適応される。アクティブユーザテスタモジュールは、雑音推定器モジュールの出力と、シグナチャ波形推定器モジュールの出力とに動作可能に結合され、受信された合成信号に関連付けられるアクティブユーザの数を判断するように適応される。該変換行列リビルダモジュールは、ユーザテスタモジュールと、ユーザごとに事前に記憶された既知のトレーニングシーケンスとに動作可能に結合され、シグナチャ波形推定モジュールにより使用される変換行列を生成するように適応される。

本発明の別の実施形態は、Ｋ個の同一チャネル干渉信号からの情報を含む合成信号を受信するための方法を提供する。該方法は、該Ｋ個の同一チャネル干渉信号のそれぞれのシグナチャ波形を推定することと、部分的に量子化された過去の情報を有する低複雑性線形ＭＭＳＥアルゴリズムと、事前白色化されたデータに基づいた低複雑性Ｍアルゴリズムの少なくとも１つでシグナチャ波形に基づいた合成信号を処理することを含む。１つのこのような実施形態では、部分的に量子化された過去の情報を有する低複雑性線形ＭＭＳＥアルゴリズムは、それぞれの処理反復から所定の閾値を上回る推定値を有するそれらのビットの検討を排除することを含み、閾値を上回るビット推定値は確実と考えられる。別のこのような実施形態では、事前白色化されたデータに基づいた低複雑性Ｍアルゴリズムは合成信号をフィルタリングすることを含み、それによりユーザを多元干渉から部分的に切り離し(decoupling)、事前白色化されたデータを提供する。方法は、パラメータ推定値に基づいて受信された合成信号のモデルを作成することと、事前白色化されたデータを白色化するためのモデルに基づき非同期ホワイトナを計算することと、仮説の尤度を特徴付ける測定基準の連続した評価に基づいて記号仮説試験を実施することに進む。

ここに説明されている特徴及び優位点は包括的ではなく、特に多くの追加の機能及び優位点は、図面、明細書及び請求項を考慮して当業者に明らかとなるであろう。さらに、明細書で使用される言語がおもに読みやすさと教育上の目的のために選択され、本発明の主題の範囲を制限するためではないことが注意されなければならない。

今日の通信システムでは、セントラルコントローラは、通常、通信チャネルセットアップ期間の間に１つの通信機構をそれぞれのチャネルに割り当てる。チャネルはタイムスロット、周波数及び拡散コードのなんらかの組み合わせであってよい。大部分のシステムにおいて、チャネルは離れた地域で再利用され、それにより同一チャネル(co-channel)干渉を引き起こす。再利用が発生する地域の間に大きな距離がある場合には、信号減衰は同一チャネル干渉を許容できるレベルまで削減する。従来の受信機は、かなりの同一チャネル干渉の存在下では信号を復調することができないため、これは必要な結果である。

本発明の原理に従って構成される同一チャネル干渉受信機は、同じチャネル上で送信される２つまたは３つ以上の信号をいっしょに復調できる。同一チャネル干渉受信機の実施形態を活用するシステムは類似するチャネルセットアップフォーマットを使用できるであろうが、チャネル割り当ては任意の指定領域内のチャネルごとに単一通信機構(communicator)に制限されないであろう。さらに具体的には、すべての使用可能なチャネルがチャネルごとに一人のユーザで満たされると、セントラルコントローラは新しい通信機構をすでに占有されているチャネルに追加することによって新しいチャネル要求を満たし始めることができる。

これは第１の通信機構のビット誤り率をわずかに劣化させるであろう。セントラルコントローラはオプションでこのチャネル上の送信機にビット誤り率を下げるために送信電力を増加するように命令してもよい。代わりに、セントラルコントローラは、オプションでこのチャネル上の送信機と受信機に帯域幅を減少し、ビット誤り率を下げるように命令してもよい。

さらに、本発明の受信機は空間的にダイバースアンテナ及びまたは偏向ダイバースアンテナを使用してデータを受信するように構成される。単一アンテナの使用だけではなく、両方の概念とも本発明の範囲内にある。複数の偏向ポートを包含することにより、送信機は両方の偏向で、及びかなりのマルチパスまたは電磁散乱の場合にも送信できるようになり、たとえ１つだけが送信されたとしても両方の偏向とも受信、処理されてもよい。偏向及び／または空間ダイバシティが信号空間の次元数を増加し、配列点間の距離を効果的に拡大する。結果として、ビット誤り率は改善される。

本発明の実施形態は複数の応用例で使用できる。１つのこのような応用例は、システムが、ほぼ同一の搬送周波数で同様に変調されたデータを送信する複数の独立した通信網から信号を同時に受信する空地（ａｉｒｂｏｒｎｅ−ｔｏ−ｇｒｏｕｎｄ）通信用同一チャネル通信システムである。主要なビームエリアカバレージは低密度（例えば、１０，０００平方キロメートル）または高密度（例えば１００平方キロメートル）である場合がある。例えば、２８の基地局をカバーする主要ビームと、基地局あたり８人のユーザがいて、基地局の内の４つが同じ周波数で動作している、７という周波数再利用係数を考えてみる。このようなシステムは２２４人までのユーザのダウンリンク信号を受信し、多様なソースから生じる種々の信号タイプは単一受信機により処理される必要があるであろう。

同一チャネルシステムの別の応用例は、周波数再利用を利用する同じ通信網の要素から信号を同時に受信する地上周波数通信受信機である。通信網は例えばパケット無線ネットワーク、携帯電話網、または無線ローカルエリアネットワークである場合がある。ネットワーク要素の不注意な位置決めのために、ネットワークは干渉により質が落ちる。

ここでの説明は無線通信応用例を説明しているが、本発明の原理は通信回線に接続されたケーブルシステム及びローカルエリアネットワーク、ディスクドライブまたは他の記憶装置の読み書き動作、衛星通信、及び多くの複数のソースの中からデジタルデータを操作することから恩恵を受けるどんなアプリケーションにも等しく適用可能である。

同一チャネル干渉受信機
図１を参照すると、マルチユーザ検出（ＭＵＤ）受信機１２と、同じ名目(nominal)データレートを有する、デジタル位相偏移変調(phase shift key)（ＰＳＫ）または直角位相振幅変調（ＱＡＭ）信号などのすべて同種の変調方式を使用して、同一チャネル干渉デジタル信号をすべて同じ周波数で同時に送信している複数のユーザ送信機１１_１から１１_Ｋを備える通信システム１０のシステムブロック図が示されている。

ユーザ送信機１１_１から１１_Ｋのそれぞれは一意の既知のトレーニングシーケンスを有する。該トレーニングシーケンスは、受信機アンテナ１３で受信されるように大まかに位置合わせされ、その結果トレーニングシーケンスは大部分重複する。この種の同期は、通常、ＭＵＤ受信機１２と同じ場所に配置される装置から送信される同期信号を使用することにより通信システム内で実現される。シンボル遷移の位置合わせは必要とされない。

この特定の実施形態では、ＭＵＤ受信機１２、アンテナ１３、信号サンプラ１４、ダウンコンバータ１６を含むアナログフロントエンド、及びダウンコンバータ１６の出力（例えばベースバンド信号または受信信号の他のより低い周波数バージョン）がマルチユーザ検出器１８と、ユーザごとにシグナチャ波形を推定するパラメータ推定器２０にフィードされる。

ユーザ送信機１１_１〜１１_ＫからのＫ個の信号はアンテナ１３により送信機１１_１〜１１_Ｋからの信号の合計として受信される。アンテナ１３は、信号サンプラ１４への信号接続を備える単一偏向アンテナである。この接続は、例えば伝送線路または１のアンテナ１３から１の信号サンプラ１４に接続する導波管２２によって行われる。

信号サンプラ１４は、アナログ／デジタル変換器（Ａ／Ｄ）により実現されてもよい。信号サンプラ１４の出力は、アンテナ１３から受信されたサンプリング波形（Ｒ）のスナップショット１５であり、このスナップショット１５は少なくともデータの２個のフレーム内のサンプル数から構成される。代わりに、スナップショット１５はデータの複数のフレーム内のサンプル数から構成されてもよい。スナップショット１５は、通常、受信信号Ｒの周波数をベースバンドに変換するためにデジタル無線で使用されるダウンコンバータ１６にフィードされる。ダウンコンバータ１６の出力１７は、同じ周波数と時空間のＫ個すべての同一チャネル干渉信号からの情報を含む複合ベースバンド信号、ｒ（ｎ，１）である。

ベースバンド信号ｒ（ｎ，１）は、パラメータ推定器２０に送信される。マルチユーザ検出器１８は、パラメータ推定器２０により提供される情報を使用して、同一チャネル干渉デジタル信号をいっしょに復調する。パラメータ推定器２０はユーザ送信機１１_１から１１_Ｋにより送信され、該Ｋ個の信号のシグナチャ波形について解決するためにコンポジット受信信号ｒ（ｎ，１）内に含まれる一意のトレーニングシンボルの（メモリ１９に記憶される）知識を使用する。用語「シグナチャ波形」はここで、信号が通過するチャネルのインパルス応答を示すために使用される。用語「チャネル」はここで、伝搬チャネルとアンテナの影響だけではなく、送信機１１_１から１１_Ｋと受信機１２フロントエンドで使用されるどんなフィルタリングも含むために使用される。さらに直接シーケンススペクトル拡散システムでは、それは拡散符号も含むであろう。

最適マルチユーザ検出器１８は、受信信号と、それらの一意のシグナチャ応答により変換される各ユーザの送信データシンボルの考えられるすべての組み合わせの間の平均平方誤差を最小限に抑える検出器である。この最適マルチユーザ検出器１８は、以下のとおりに数学的に表現することが可能であり、

ここでΩ＝送信されたデータシンボルの考えられるすべての組み合わせの制約セットである。多くの低複雑性ＭＵＤアルゴリズムがここに説明される。

パラメータ推定器２０の目的はマルチユーザ検出器１８に式１を解くために必要とされる情報を与えることである。各ユーザ及び各ダイバシティポートに一意であるシグナチャ波形３０は、各ユーザの送信済みのシンボルの変換を、それらが送信機１１_１〜１１_Ｋから受信機１２に伝搬するに従って説明する。これは、送信機１１_１から１１_Ｋでのパルス形状フィルタリングと、受信機１２での受信機フィルタリングを含む。いくつかのマルチユーザ検出器は同期のためにデータの各フレーム内のトレーニングシーケンスのロケーションについての情報も必要とし、それらはユーザごとに送信されたシンボルのさらに優れた推定を行うために受信信号内での雑音電力についての情報もまた必要としてもよい。パラメータ推定器２０はこのようなパラメータを計算するように構成されてもよく、したがってこれらの入力を必要とするどんなマルチユーザ検出器１８とも動作する。

一実施形態では、パラメータ推定器２０はスナップショットあたり１度発生する出力を生成し、そのスナップショットの中のデータのフレームごとにパラメータ推定値を含む。これらのパラメータ推定値は、各ダイバシティポート（ｐ）、フレーム（ｍ）、及びアクティブユーザ（ｋ_ａ）について、推定されたシグナチャ波形３０、

を含む。出力はまた、雑音の平均電力を表すスカラーである推定雑音電力２６

及びスナップショット１５の各フレームのトレーニングシーケンスのロケーションに対するポインタであるトレーニングシーケンス指数２８τ_ＴＳを含む。出力はまた各ユーザｋの状態を含むアクティブユーザベクタ２９（ｕ（ｋ））も含む。状態は、ユーザが「アクティブに送信している」または「送信していない」ことを指す。

パラメータ推定器２０の出力は、ｒ（ｎ，１）ベースバンド信号１７も受信し、送信機１１_１〜１１_Ｋにより送信されるＫ個の同一チャネル干渉信号のそれぞれに対応する信号１、信号２、信号Ｋまでについて、送信機１シンボル３９から送信機Ｋシンボル３８の別々のストリームを生成するＭＵＤ１８に送信される。システムは、さらに、周波数不一致補償モジュール、ブロックエラー復号モジュール、逆多重化モジュールまたはでデパケッタイジング（ｄｅｐａｃｋｅｔｉｚｉｎｇ）モジュール、及びルーティングモジュールなどのＭＵＤ１８の出力を受け取るように適応された追加のＭＵＤ後（ｐｏｓｔ−ＭＵＤ）処理構成部品（不図示）も含んでもよい。

偏向ダイバシティＭＵＤ
図２は、本発明の別の実施形態に従って二重偏向アンテナを有するマルチユーザ検出受信機を描いている。二重偏向アンテナ４０を含むと、さらに優れたシンボル決定を行い、それによりシンボル誤り率を削減するためにマルチユーザ検出器１８にさらに多くの情報が与えられる。この余分な情報は、直交偏向されたアンテナポートにより受信される信号が実質的には異なるチャネルを通って移動するという事実から引き出される。パラメータ推定器２０は、マルチユーザ検出器１８に、両方のアンテナポート（ｐ＝１，２）が受信するユーザ「ｋ」ごとのシグナチャ波形３０を提供する。したがって、マルチユーザ検出器１８に渡されるＫｘ２のシグナチャ波形３０があるであろう。したがって、ＭＵＤ１８はただ１つの偏向と比較して２倍多くの式を有するが、解くための同数のシンボルを有するであろう。

二重偏向アンテナの使用は、例えば以下の２つのケースで有利である。つまり、第１に、信号が二重直交偏向で送信されるケース、第２に、ただ１つの偏向だけが送信されたとしても、電磁散乱によりかなりの相互偏向されたエネルギーが受信アンテナ４０で受信されるケースである。

空間と偏向ダイバシティＭＵＤ
図３は、本発明の別の実施形態に従って各アンテナが１つまたは２つの偏向を有する複数のアンテナを有するマルチユーザ検出受信機を描いている。余分なアンテナポートを含むと、ＭＵＤ１８になおさらに多くの情報が与えられ、さらによいシンボル決定を下し、それによりシンボル誤り率を削減することを可能にする。追加の利点を提供するために、余分なアンテナは空間ダイバースでなければならない。言い換えると、アンテナは大幅に異なる伝搬チャネルを提供するほど十分に離間されなければならない。このケースでは、パラメータ推定器２０が、ｐ＝１，２．．．Ｐである信号ｒ（ｎ，ｐ）を処理し、ＭＵＤ１８に渡すためのＫｘＰのシグナチャ波形３０を生成する。

フレーム構造及びトレーニングシーケンススライド式検索ウィンドウ
図４は、各フレームセグメントの同じロケーションで受信された複合トレーニングシーケンスβ（ｎ，ｐ）を有するフレーム（ｆｒａｍｅｄ）セグメントｆ_ｍ（ｎ，ｐ）のシーケンスを示す、指定されたダイバシティポート信号「ｐ」について複数（Ｋ個）の同一チャネル干渉信号のケースについて受信されたベースバンド信号ｒ（ｎ，ｐ）の下にあるフレーム構造の図であり、トレーニングシーケンスロケータで使用するためのトレーニングシーケンススライド式検索ウィンドウ（ｌ_ｍ（τ，ｐ））もまた示す。

一実施形態では、受信された複合トレーニングシーケンス、β（ｎ，ｐ）は、付加的なガウス白色雑音、ｗ（ｎ、ｐ）を加えたそのそれぞれのシグナチャ波形S_ｋ（ｎ，ｐ）で（アスタリスクによって示される）畳み込まれる（ｃｏｎｖｏｌｖｅｄ）各ユーザのトレーニングシーケンスの合計ｂ_ｋ（ｎ）の複雑なベースバンドバージョンとして定義される。この関係は数学的には以下のとおりに定義される。

図４は、トレーニングシーケンスロケータ内で使用するためのトレーニングシーケンススライド式検索ウィンドウ１_ｍ（τ、ｐ）もまた示す。特に、トレーニングシーケンススライド式検索ウィンドウは、トレーニングシーケンスロケータ５６（図６）の一部である検出統計計算機９０_ｐにより使用される。これらのスライド式検索ウィンドウはＬサンプル長であり、ここでＬは受信された複合トレーニングシーケンスβ（ｎ，ｐ）でのサンプル数である。各スライド式検索ウィンドウの第１の指数はＦ個のサンプルによって分離され、ここでＦはデータのフレーム内のサンプル数である。各スライド式検索ウィンドウ１ｍ（τ，ｐ）は受信データ、ｆ_ｍ（ｎ，ｐ）の対応するフレームを横切って移動し、Ｆ個のサンプルシフトの合計について一度に１サンプルづつシフトされる。サンプルシフトτごとに、各スライド式検索ウィンドウ１_ｍ（τ、ｐ）内のデータは、検出統計の対応する値を計算するために検出統計計算機９０により使用される。

パラメータ推定
図５は、本発明の一実施形態に従って構成されるパラメータ推定器のブロック図である。パラメータ推定器２０は、トレーニングシーケンスロケータ５６と、雑音推定器５２と、信号推定器ループ５７と、初期変換行列ビルダ６３とを含むソフトウェアモジュールを備えて図示されている。該信号推定器ループ５７は、さらにシグナチャ波形推定器５８と、アクティブユーザテスタ６０と、変換行列セレクタ６１と、変換行列リビルダ６２とを含む。代替実施形態及び構成は類似する機能性を実現してよい。

トレーニングシーケンスロケータ５６は、複合受信トレーニングシーケンスβ（ｎ，ｐ）の受信データｆ_ｍ（ｎ，ｐ）の各フレーム内でロケーション指数τ_ＴＳを推定するために使用され、雑音推定器５２はダイバシティポートｐごとに受信信号ｒ（ｎ，ｐ）内の平均雑音電力

の推定値を計算するために使用される。シグナチャ波形推定器５８は、各ユーザＫに一意の特徴的なシグナチャ波形

及び受信されたスナップショット内のフレームｍごとに各ダイバシティポートｐを推定するために使用される。

シグナチャ波形推定器５８の出力は、どのユーザ信号が指定されたスナップショットに存在するのかを検出するアクティブユーザテスタ６０にフィードされ、シグナチャ波形推定器５８で使用される変換行列

を再構築する変換行列リビルダ６２に出力を提供する。この行列はアクティブユーザテスタ６０により計算されるようにアクティブユーザのトレーニングシーケンス、ｂ_ｋ（ｎ）だけを使用することにより再構築される。

変換行列リビルダ６２の出力は，シグナチャ波形推定器５８に送信するために初期変換行列ビルダ６３から出力

または変換行列リビルダ６２から出力

を選択する変換行列セレクタ６１にフィードされる。この特定の実施形態では、変換行列セレクタ６１は、指定されたスナップショット内でのシグナチャ波形の初期推定値につねに

を選択し、データの同じスナップショットのシグナチャ推定値のすべての以後の再計算に

を選択する。これにより、シグナチャ波形推定器５８は、アクティブユーザテスタ６０により決定されるようにアクティブなユーザのためだけに特徴的なシグナチャ波形

のさらによい推定値を計算できるようになる。

シグナチャ波形推定器５８を動作する、アクティブユーザテスタ６０を実行する、及び変換行列リビルダ６２を動作するこのプロセスはシグナチャ推定ループ５７と呼ばれる。シグナチャ推定ループ５７は、過去の反復で計算されたアクティブユーザテスタ６０の出力が現在の反復でのアクティブユーザテスタ６０の出力に等しくなるまで繰り返すことができる。パラメータ推定２０構成要素内のシグナチャ推定器ループ５７の最大数を設定することもまた可能である。

このループ５７を通して反復のたびに、シグナチャ波形推定器５８の出力でのシグナチャ波形の数が過去の反復で計算されたアクティブユーザの数に等しいことに注意せよ。さらに、第１の反復で、シグナチャ推定の数が考えられるユーザの総数Ｋに等しいことに注意せよ。いったんアクティブユーザの最終的なシグナチャ推定値が計算されると、結果として生じる波形は、どのユーザが現在のスナップショットでアクティブであるのかを報告するユーザ状態ベクタ、ｕ（ｋ）とともにパラメータ推定器２０の出力として渡される。

初期変換行列ビルダ６３は、ユーザごとに、例えばマルチユーザ検出受信機１２のメモリ１９に事前に記憶されてよい、既知のトレーニングシーケンスデータ、ｂ_ｋ（ｎ）を受け取る。各ユーザのトレーニングシーケンスデータは、変換行列セレクタ６１にフィードされる初期変換行列

を構築するために使用される。

雑音推定器５２は、すべてのｐ＝１，２，．．．Ｐ、ダイバシティポートについて入信信号、ｒ（ｎ，ｐ）の雑音電力を推定し、アクティブユーザテスタ６０とＭＵＤ１８に情報をフィードする。この推定は、通常、スナップショットあたり１回行われ、該スナップショットは少なくとも、２つのフレームの中のサンプル数であるが、雑音電力がゆっくりと変化する、あるいはまったく変化しない場合には頻繁に行われる必要はない。雑音推定器５２の精度は、複合トレーニングシーケンス推定値の数、

が増加するにつれ改善する。複合トレーニングシーケンス推定値の数を増加するためには、受信された合成ベースバンド信号ｒ（ｎ，ｐ）の中のフレームの数、ｆ_ｍ（ｎ，ｐ）が増加しなければならない。この結果スナップショットサイズが拡大する。代わりに、トレーンニングシーケンスセレクタ５６は、受信されたデータの複数のスナップショットについて複合トレーニングシーケンス推定値、

を記憶し、記憶された複合トレーニングシーケンス推定値

の合計数を使用して推定される雑音電力を計算しなければならない。

トレーニングシーケンスロケータ５６は、受信されたスナップショットベクタ、ｒ（ｎ，ｐ）の各フレーム、ｆ_ｍ（ｎ，ｐ）内のトレーニングシーケンスの位置を決定し、サンプル指数、トレーニングシーケンスロケーション指数２８と呼ばれるτ_ＴＳの形式でこの情報をＭＵＤ１８にフィードする。加えて、受信されたスナップショットの中のトレーニングシーケンスの位置は雑音推定器５２に、及びそれぞれ平均雑音電力推定値

及びシグナチャ推定値

を決定するためにｒ（ｎ，ｐ）内の各フレーム、ｆ_ｍ（ｎ，ｐ）のどのセクションを処理するのかを決定することが使用されるシグナチャ波形推定器５８にフィードされる。シグナチャ波形推定器５８は、ダイバシティポートｐごとに、コンポジット受信入力信号、ｒ（ｎ，ｐ）内のそれぞれＫ個の個々の同一チャネル干渉信号の各フレームｍのシグナチャ波形

を推定し、アクティブユーザテスタ６０とＭＵＤ１８にこの情報を出力する。

図６は、本発明の一実施形態に従って構成されるトレーニングシーケンスロケータ構成要素のフローチャートである。トレーニングシーケンスロケータ５６構成要素は、受信データの２つのフレームの最小値を処理する、各ダイバシティポート（ｐ＝１，２．．．Ｐ）から受信される、受信合成ベースバンド信号、ｒ（ｎ，ｐ）内でトレーニングシーケンスの位置を見つけるように構成される。データ（Ｆ）の送信フレーム内のサンプル数は受信機に既知であるため、各受信フレーム、ｒ（ｎ、ｐ）内のｆ_ｍ（ｎ，ｐ）はデータの送信フレームと同じタイムレートで反復する。したがって、複合トレーニングシーケンス、β（ｎ，ｐ）のロケーションは、受信されたデータの各フレーム、ｆ_ｍ（ｎ，ｐ）について同じとなる。しかしながら、データの送信フレームと受信フレームは当初同期していないため、データの送信フレームの始まりは受信されたデータのフレーム、ｆ_ｍ（ｎ，ｐ）の始まりで開始しない可能性がある。これは、受信されたデータの各フレームの中のトレーニングシーケンスのロケーションもまた各フレームの始まりで開始しない可能性があることを意味する。

トレーニングシーケンスロケータ５６は、受信されたデータの各フレームの中のトレーニングシーケンスのロケーションを見つける。これを行うために、Ｌサンプル長（受信された複合トレーニングシーケンスと同じ長さ）であるスライド式検索ウィンドウベクタ、ｌ_ｍ（τ，ｐ）が受信データの各フレームを通して同時に適用され、ウィンドウ表示のフレームの各組み合わせの間の相互関係が計算され、次に検出統計計算機９０で平均化される。結果は、まさに受信データのフレームの長さ（Ｆサンプル長）である検出統計、ｄ_ｐ（τ）である。ペイロードデータはフレームごとに無相関であるため、スライド式検索ウィンドウが各フレームのペイロードデータの上にあるときには検出統計は非常に低い値を有する。他方、複合トレーニングシーケンス、β（ｎ，ｐ）はフレームごとにきわめて相関性がある。したがって、スライド式検索ウィンドウが各フレーム内の複合トレーニングシーケンス上にあるとき、検出統計は非常に高くなる。したがって、検出統計ｄ_ｐ（τ）のピークのロケーションτ_ｐは、各フレームシーケンスｆ_ｍ（ｎ，ｐ）の中のトレーニングシーケンスのロケーションとなろう。

トレーニングシーケンスロケータ５６構成要素に対する入力は、各ダイバシティポート、（ｐ＝１，２，．．．Ｐ）からの合成ベースバンド受信信号ｒ（ｎ，ｐ）である。トレーニングシーケンスロケーション指数τ_ｐの推定値は、検出統計計算機９０によりダイバシティポート信号ｒ（ｎ，ｐ）ごとに別個に計算される。トレーニングシーケンスロケーション指数τ_ｐを推定する上での第１のステップは、その受信信号を使用して検出統計ｄ_ｐ（τ）を計算するために検出統計計算機９０に受信信号ｒ（ｎ，ｐ）を提供することである。前述されたように、この検出統計の各要素は、指定されたトレーニングシーケンスサンプル指数τのためのスライド式検索ウィンドウのそれぞれの組み合わせについて、相互関係係数

を計算することにより生成される。いったん相互関係係数の各組み合わせが計算されると、それらは平均され、τという特定された値について、検出統計ｄ_ｐ（τ）の値として出力される。本発明の一実施形態に従ってこのプロセスを実行するために必要とされる段階的な計算は以下のとおりである。

ステップ１．指定された検索ウィンドウサンプル指数τについて、指定された信号ｒ（ｎ，ｐ）の中の受信データの各フレームのためのスライド式検索ウィンドウ、ｌ_ｍ（τ，ｐ）を定める。

ステップ２．各スライド式検索ウィンドウ、ｌ_ｍ（τ，ｐ）のエネルギーｅ_ｍ（τ，ｐ）を計算する。

ステップ３．スライド式検索ウィンドウのそれぞれの組み合わせについて、相互関係係数

を計算する。

ステップ４．対応する相互関係係数を平均化することにより、ダイバシティポートｐのための指定された検索ウィンドウサンプル指数、τについて検出統計ｄ_ｐ（τ）を計算する。

このプロセス（ステップ１から４）は、検索ウィンドウサンプル指数｛τ＝１，２．．．Ｆ｝ごとに、及びダイバシティポート｛ｐ＝１，２．．．Ｐ｝ごとに繰り返される。

図６を参照すると、いったんダイバシティポート受信信号ｒ（ｎ，ｐ）ごとの検出統計ｄ_ｐ（τ）が計算されるたびに、それは、ダイバシティポート信号ごとにトレーニングシーケンスの推定されたロケーションτ_ｐが、検出統計を最大にするスライド式検索ウィンドウ指数τを検出することにより計算されるトレーニング指数ファインダ９２にフィードされる。トレーニング指数ファインダ９２は、検出統計ｄ_ｐ（τ）ごとに次の式を計算する。

次に、信頼測定基準計算機９４が、各検出統計から信頼測定基準を計算する。これは、各検出統計のピーク対ｒｍｓ値を計算することにより行われる。このプロセスは、例えば検出統計ｄ_ｐ（τ）ごとに次の計算を実行することにより実現できる。

前述されたように、この検出プロセス全体が各ダイバシティポートｐの受信信号ｒ（ｎ，ｐ）に別個に適用される。いったん信号ごとにトレーニングシーケンスロケーション、τ_ｐが推定され、信頼測定基準ｃ_ｐが計算されると、どの推定値を使用するのかを決定するために決定試験が適用される。比較器(comparator)９６は、各信頼測定基準の値を比較し、最高の信頼測定基準ｃ_ｐを有する推定されたトレーニングシーケンスτ_ｐに等しい出力トレーニングシーケンスロケーションτ_ＴＳを設定することによりこの決定試験を実行する。このプロセスは、以下の式の中にて数学的に説明される。

図７は、本発明の一実施形態に従って構成される雑音推定器構成要素のブロック図である。パラメータ推定器２０の雑音推定器５２は、各ダイバシティポートｐから受信信号ｒ（ｎ，ｐ）内の平均雑音電力の正確な推定値を計算する。通常、おもな雑音ソースは、信号サンプラ１４の中の低雑音増幅器（ＬＮＡｓ）の第１段により生成される熱雑音である。この雑音は合成ゼロ平均付加ガウス白色雑音（ＡＷＧＮ）として正確にモデル化できる。

各ダイバシティポートｐはＬＮＡの独自の段を含むため、受信信号ｒ（ｎ，ｐ）の雑音電力はポートごとにわずかに異なる場合がある。したがって、ダイバシティポートｐごとに雑音電力の別々の推定値を取得することが重要である。雑音は付加的であるため、複合トレーニングシーケンス、β（ｎ，ｐ）を含む受信データ、ｒ（ｎ，ｐ）の各フレームのセクションは付加的な白色雑音、ｗ_ｍ（ｎ，ｐ）を加えられた複合トレーニングシーケンスとしてモデル化できる。また、この雑音は、受信されたデータとは統計的に無関係であると考えられる。前記に説明されたように、トレーニングシーケンスロケータ５６構成要素は、複合トレーニングシーケンスを含む受信データの各フレームｆ_ｍ（ｎ，ｐ）の中のロケーション指数を決定する。これにより、雑音推定器５２は、受信された複合トレーニングシーケンス

の推定値を含む、各フレームのセクションを抽出できる。

トレーニングシーケンスセレクタ７０は、受信データのフレームごとの受信トレーニングシーケンスに対応するその信号のセクションを出力するルーチンの中にダイバシティポートｐに対する合成ベースバンド信号ｒ（ｎ，ｐ）を受け入れる。トレーニングシーケンスセレクタ７０はまた、トレーニングシーケンス指数τ_TS２８と、このような出力を選択する上で使用するための受信信号ｒ（ｎ，ｐ）内で捕捉されたデータのフレーム数Ｍを受信する。Ｍは、受信信号ｒ（ｎ，ｐ）のサイズとフレームあたりの既知のサンプル数、Ｆに基づいて計算される。

トレーニングシーケンスセレクタ７０は、（ｍ＝１，２，．．．Ｍ）について、複合トレーニングシーケンス

の優れた表現を獲得するために、ベクタ

のそれぞれの平均値を計算するアベレージャ７２にフィードされる、

を出力する。この特定の実施形態では、アベレージャ(averager)７２は、加算ルーチン７４と１／Ｍ乗算器(multiplier)７６を備える。

推定された信号

は、各ベクタ

の中に含まれる、推定される雑音信号、

を取得するために加算器(summer)７８_１、７８_２、．．．７８_Ｍ内の各ベクタ

から差し引かれる。次に、各雑音信号、

が、各フレームＭの中の平均雑音電力

の推定値を取得するために各雑音信号の分散が計算される分散計算機８０_１，８０_２，．．．８０_Ｍにフィードされる。各フレーム内の平均雑音電力

は、ダイバシティポートｐについて受信された信号ｒ（ｎ，ｐ）内の平均雑音電力

の推定値を決定するアベレージャ８２にフィードされる。複数のダイバシティポートがある場合には、各ダイバシティポート（ｐ＝１，２．．．Ｐ）によって受信される受信信号ｒ（ｎ，ｐ）の雑音電力推定値を取得するために前記プロセスは繰り返される。

受信された複合トレーニングシーケンス

の正確な推定値は、各ダイバシティポートｐから受信信号ｒ（ｎ，ｐ）の雑音電力推定値を別々に取得するために使用される。ダイバシティポートｐの受信された信号、ｒ（ｎ，ｐ）の中の雑音電力を推定する際の第１のステップは、トレーニングシーケンスセレクタ７０が、トレーニングシーケンスロケーション指数（τ_ＴＳ）、フレーム（Ｆ）あたりのサンプル数、処理するための各受信トレーニングシーケンス内のサンプル数（Ｎ_ｗ）、及び使用するための各受信トレーニングシーケンス（δ_ｗ）へのオフセットに基づいて、受信データの各フレームの中の推定された複合トレーニングシーケンス

を抽出することである。Ｎ_ｗとδ_ｗの両方が，トレーニングシーケンスセレクタ７０のメモリに記憶されるパラメータであり、したがって受信された複合トレーニングシーケンスの任意のセクションを選択するために修正できることに注意せよ。これらの値は、通常、各複合受信トレーニングシーケンスの中心部分が受信信号ｒ（ｎ，ｐ）から抽出されるように設定されるであろう。該トレーニングシーケンスセレクタ７０は、数学的に以下のとおりに説明される。

いったん受信データのフレームｍごとの推定された受信トレーニングシーケンス

が受信信号ｒ（ｎ，ｐ）から抽出されると、それらはすべて、受信されたトレーニングシーケンスの各推定値に追加される雑音ベクタ、ｗ_ｍ（ｎ，ｐ）の影響を最小限にするためにアベレージャ７２によって互いと平均化される。これにより、実際の受信されたトレーニングシーケンス

のより正確な推定値が生じる。このプロセスは、数学的に以下のとおりに説明される。

いったんこれが行われると、推定された受信トレーニングシーケンス

はそれぞれに含まれる雑音信号

の推定値を取得するために各ベクタ

から差し引かれる。

次に、各フレームの中の平均雑音電力の推定値

を取得するために、各雑音信号の分散が分散計算機８０_１から８０_Ｍによって計算される。この計算は以下のとおりに表現される。

次に、これらの雑音電力推定値

のそれぞれは受信信号ｒ（ｎ，ｐ）の中の平均雑音電力の推定値

を取得するためにアベレージャ８２の中で平均化される。この平均化は、数学的には以下のとおりに実行される。

各受信信号ｒ（ｎ，ｐ）の雑音電力推定値を取得するために、このプロセス全体がダイバシティポートｐごとに繰り返される。

図８は、本発明の一実施形態に従って構成されるシグナチャ波形推定器構成要素のフローチャートである。シグナチャ波形推定器５８構成要素は、受信データの各フレームｍの受信トレーニングシーケンス

を行列乗算器(Matrix Multiplier)６６_ｍに提供するトレーニングシーケンスセレクタ６４を含む。シグナチャ波形推定器５８は、各ダイバシティポートｐ及び受信データの各フレームｍについて各ユーザの伝送信号を、それが送信機から受信機に伝搬するにつれて変換する特徴的なシグナチャ波形

を推定する。この変換は、数学的には以下のとおりに表現される。

この式は、ダイバシティポート（ｐ）から受信された合成ベースバンド信号が、ユーザｋ、及び付加的な白色雑音、ｗ（ｎ，ｐ）が追加されるダイバシティポートｐにとって一意であるサンプルあたりＴ_ｎ秒でサンプリングされた対応する特徴的なシグナチャ波形、ｓ_ｋ（ｎＴ_ｎ，ｐ）で畳み込まれる(convolved)（アスタリスクにより示される）各ユーザの伝送信号、ｄ_ｋ（ｎ）の合計であることを示している。この式は以下のように行列形式で書き直すことができ、

ここで

である。

指定されたダイバシティポートｐの場合、これらのシグナチャ応答を推定するために使用される手法は、複合トレーニングシーケンスβ（ｎ，ｐ）を含む受信信号の部分を、各ユーザｋ＝１，２，．．．Ｋにより送信される実際の既知のトレーニングシーケンス、ｂ_ｋ（ｎ）と比較することである。これは、各ユーザから送信されたトレーニングシーケンスｂ_ｋ（ｎ）が受信機１２により知られているため、及び受信された複合トレーニングシーケンス、β（ｎ，ｐ）の推定値がトレーニングシーケンスロケータ５６を使用して受信された信号、ｒ（ｎ，ｐ）から抽出できるために達成できる。このケースでは、

である。

各ユーザｋ、及び各ダイバシティポートｐの特徴的なシグナチャ波形

の最大尤度推定値は、受信された複合トレーニングシーケンス、β（ｎ，ｐ）とその対応するシグナチャ波形

で畳み込まれる各ユーザのトレーニングシーケンスの合計の間の平方誤差を集合的に最小限に抑えるものである。最大尤度推定値は、数学的に以下のとおりに行列形式で表され、

ここでΩはｓの考えられるすべての組み合わせの集合に等しい。

最大尤度手法を使用すると、シグナチャ推定値はゼロ強制(zero forcing)基準を使用することにより解決できる。これは、以下のとおりにゼロに等しい最小の内側で式を設定することにより行われる。

いったんこれが行われると、特徴的なシグナチャ波形ベクタは、以下のとおりにｓ_ＭＬ（ｐ）の一次(linear)方程式の前記集合を解くことにより計算できる。

前記最大尤度式の解に基づき、第１のステップは、シグナチャ波形推定器５８内のトレーニングシーケンスセレクタ６４が、フレームｍごとに、そのフレームの中の受信された複合トレーニングシーケンス

を含む受信信号ｒ（ｎ，ｐ）の部分を抽出することである。これは、トレーニングシーケンスセレクタ（ステップ６４）で行われ、トレーニングシーケンスτ_ＴＳのロケーション、フレーム、Ｆあたりのサンプル数、選択するための受信トレーニングシーケンスのサンプル数、Ｎ_β、及び使用するための各受信トレーニングシーケンスδ_βへのオフセットに基づいている。

Ｎ_βが（Ｎ_ｓ＋Ｎ_ｂ−１）に等しく、Ｎ_ｓはシグナチャ推定値ごとに使用するためのサンプル数であり、Ｎ_ｂは既知のトレーニングシーケンスの中のサンプル数であることに注意せよ。さらに、Ｎ_ｓとδ_βがこのトレーニングシーケンスセレクタ６４のメモリに記憶されるパラメータであり、したがって各フレーム内の受信複合トレーニングシーケンスの任意の部分を選択するために修正できることに注意せよ。これらの値は、通常、複合受信トレーニングシーケンス全体が受信信号ｒ（ｎ，ｐ）から抽出されるように設定されるであろう。トレーニングシーケンスセレクタステップ６４は、以下のとおりに数学的に説明される。

シグナチャ波形を推定する際の次のステップ６６_１から６６_Ｍは、以下のとおりに行列乗算器ステップ６６_１から６６_Ｍを使用して、変換行列セレクタ６１から受信される変換行列

を、ｍ＝１，２，．．．Ｍのフレームｍごとに複合受信トレーニングシーケンス推定値、

を含む受信された合成ベースバンド信号の部分で乗算することである。

ここで

Ａがアクティブなユーザの総数に等しく、ｋ_ａがａ番目のアクティブなユーザの指数に等しいことに注意せよ。したがって、最初の反復の場合、Ｋ人すべてのユーザがアクティブであると仮定されるため、シグナチャ推定ループを通る最初の反復の場合、ｋ_ａ＝ｋ、ｋ−１，２．．．Ｋの場合はＡ＝Ｋである。

シグナチャ波形推定値の初期計算時、変換行列、

は、変換行列セレクタ６１ルーチンを経由して初期変換行列ビルダ６３からシグナチャ波形推定器５８に渡される。指定された合成ベースバンド受信信号ｒ（ｎ，ｐ）のためのシグナチャ波形のすべての以後の推定値では、変換行列

が、変換行列セレクタルーチン６１を経由して変換行列リビルダ６２からシグナチャ波形推定器５８に渡される。これは、アクティブなユーザ（ｋ_ａ）のシグナチャ推定値だけが計算されるように行われる。変換行列

の次元が、それぞれの特徴的なシグナチャ推定値、

の中のサンプル数（Ｎｓ）、現在アクティブなユーザの推定数（Ａ）、及びそれぞれの受信複合トレーニングシーケンス推定値

のサンプル数（Ｎ_β）の関数であることに注意せよ。

図９は、本発明の一実施形態に従って構成されるアクティブユーザテスタ構成要素のフローチャートである。アクティブユーザテストの目的は、受信されたデータ、ｒ（ｎ，ｐ）の各スナップショットの情報をどのユーザが送信しているのかを判断することである。この試験は、シグナチャ推定ループの反復のたびに一度実行される。これは、各ダイバシティポートｐにわたって、受信されたデータの各フレームｍの中のユーザｋ_ａごとのシグナチャ推定値

に基づいてユーザ信号の中の平均受信電力を計算することにより行われる。これらの電力推定値

は、各フレームｍにわたり平均され、結果、

が推定された雑音フロア

に関して設定される所定の閾値ｒ_ｔｈに比較される。

アクティブユーザテストを実行するために、シグナチャ推定値

は、ダイバシティポート「ｐ」用のアクティブテストと呼ばれるステップ１００ｐによって別々にダイバシティポートｐごとに処理される。このステップの出力は、長さ（Ｋ）要素である１とゼロのシーケンス、ｕ_ｐ（ｋ）である。ｕ_ｐ（ｋ）＝０の場合には、ユーザｋは「非アクティブ」であると推定され、ｕ_ｐ（ｋ）＝１の場合には、ユーザｋはダイバシティポートｐのためのシグナチャ推定値に基づいて「アクティブに送信している」と推定される。この出力シーケンスｕ_ｐ（ｋ）は、ダイバシティポートｐのアクティブユーザテスト結果シーケンスと呼ばれる。

いったん各ダイバシティポートについてこのテスト結果シーケンスが計算されると、該シーケンスは論理「ＯＲ」演算子１０２に渡される。この論理「ＯＲ」関数はＰｕ_ｐ（ｋ）シーケンスのどれかが、ｋ＝｛１，２，．．．Ｋ｝である場合、ｋの各値について１に等しい場合に、結合されたアクティブユーザテスト結果シーケンス、ｕ（ｋ）を１に等しく設定する。したがって、結合されたアクティブユーザテスト結果シーケンスｕ（ｋ）は、ｕ_ｐ（ｋ）シーケンスのどれかが１に等しい場合に１に等しくなり、それ以外の場合、各ユーザｋ＝１，２．．．Ｋの場合ｕ（ｋ）は０に等しくなる。

図１０は、本発明の一実施形態に従ってダイバシティポート「ｐ」用のアクティブユーザテストのフローチャートである。指定されたダイバシティポートｐについて、アクティブユーザテスト結果、ｕ_ｐ（ｋ_ａ）が、以下のプロセスを実行することにより、シグナチャ推定ループの過去の反復でアクティブであるために計算された指定されたユーザｋ_ａについて計算される。

第１のステップ１０４_１から１０４_ｐは、図１０に示されるようにｋ_ａ＝ｋ_１，ｋ_２．．．ｋ_Ａである場合にフレームｍごと及びユーザｋ_ａごとに推定された特徴的なシグナチャ応答、

を使用してユーザ（ｋ_ａ）ごとに平均受信信号電力を推定することであり、それは以下のように計算され、

ここでＦ_ｓｙｍはシンボルあたりのサンプル数に等しい。

いったん信号電力

がユーザｋ_ａごとに推定されると、各フレームからの結果は以下のとおりに平均される。

次のステップ１０６_１から１０６_ｐでは、ユーザ、（ｋ_ａ＝ｋ_１，ｋ_２，．．．ｋ_Ａ）ごとのこれらの推定されたシグナチャ電力が、推定された雑音フロア、

に関して検出閾値、ｒ_ｔｈに比較される。ユーザｋ_ａのための推定されたシグナチャ電力、

が、推定雑音フロア

で相対閾値ｒ_ｔｈの積以上である場合には、そのユーザｋ_ａについてアクティブユーザ試験結果、ｕ_ｐ（ｋ_ａ）は１に設定される。それ以外の場合、それは０に設定される。このテストは数学的に以下のとおりに表される。

結合結果ステップ１０８では、ｕ_ｐ（ｋ_ａ）の結果のすべてが以下のとおりにオリジナルユーザ状態ベクタｕ_ｐ（ｋ）と結合される。

図５を参照すると、変換行列リビルダ６２は、各ユーザｋ、ダイバシティポートｐ及びフレームｍについて、シグナチャ応答を推定するためにシグナチャ波形推定器５８により使用される変換行列

を再構築するためにアクティブユーザテスタ６０の結果を使用する。この変換行列は、トレーニングシーケンス行列、

内の、非アクティブユーザに対応する部分行列、

を削除することにより再構築される。これは、アクティブユーザｋａのシグナチャ応答を推定するためだけに使用される更新された変換行列

を作成するために実行される。このプロセスは、数学的に以下のとおりに表現され、

ここでｋ_ａは、以下のアルゴリズムを使用して定義できる。

更新された変換行列

は、変換行列セレクタ６１を経由してシグナチャ波形推定器５８に渡される。シグナチャ波形推定器５８の内側では、更新された変換行列

が、アクティブユーザのためだけにさらに正確なシグナチャ波形推定値を計算するために、各ダイバシティポートｐ及び各フレームｍについて推定された受信トレーニングシーケンス

に適用し直される。

初期変換行列ビルダ６３は、各考えられるユーザ（ｋ＝１，２，．．．Ｋ）について長さＮｂサンプルである既知のトレーニングシーケンス（ｂ_ｋ（ｎ））に基づき初期の変換行列

を計算する。この変換行列は以下のとおりに計算される。

最初に、既知のトレーニングシーケンス合成積行列（ｃｏｎｖｏｌｕｔｉｏｎ ｍａｔｒｉｘ）

が求められる。

第２に、変換行列

は以下のように計算される。

初期変換行列

は、変換行列セレクタ６１を経由してシグナチャ波形推定器５８に渡され、各ダイバシティポートｐにわたり考えられる各ユーザｋ及び受信データの各フレームｍについて初期シグナチャ波形推定値

を計算するために使用される。また、既知のトレーニングシーケンス合成積行列は、部分行列

が、シグナチャ推定ループの反復のたびに再生される必要がないように、変換行列リビルダ６２に渡される。

変換行列セレクタ６１構成要素は、どの変換行列がシグナチャ波形推定器５８に渡されるのかを選択するために使用される。合成ベースバンド受信信号ｒ（ｎ，ｐ）の指定されたスナップショットについて、初期シグナチャ波形推定値

は、初期変換行列

を使用して計算される。したがって、このケースでは、変換行列セレクタは、その出力

を

に等しく設定することにより、シグナチャ波形推定器５８に

を渡す。いったんシグナチャ波形推定器５８がユーザごとにシグナチャ波形を推定すると、結果はどのユーザが現在アクティブであるのかを判断するためにアクティブユーザテスタ６０に渡される。これらの結果は、次に、アクティブなユーザについて既知のトレーニングシーケンス合成積行列

だけを使用して変換行列を再構築するために変換行列リビルダ６２に渡される。したがって、初期シグナチャ波形推定値が計算された後、変換行列セレクタ６１は、その出力

を

に設定することにより、再構築された変換行列

をシグナチャ波形推定器５８に渡す。

低複雑性ＭＵＤアルゴリズム
過去の情報を備える従来の最小平均二乗誤差(Minimum Mean Squared Error)（ＭＭＳＥ）マルチユーザ検出器が一般にターボ設定で現れる。ユーザの集合全体（通信チャネル）について同時に線形演算子を計算するために、代数的な手段が使用される。これは、時間の特定の瞬間ごとに、過去の情報、または情報の各ユーザのビットのありそうな値に関する知識を活用することにより行われる。しかしながら、このような従来のマルチユーザ検出器は、オーバロードされた通信システム向けに設計されていなかったため、不合理な計算の複雑性だけではなく数値の不安定性にもさらされる。

本発明の原理を使用して、従来の検出器の不安定性の問題は解決される。この解決策は現在利用可能な、あるいは出現しつつある多くの種々のマルチユーザ検出器で役立ち、ターボ検出器のマルチユーザ検出器ブロックで必要とされる計算の数を劇的に削減し、その結果信頼できる演算がリアルタイムインプリメンテーションで達成できる。一実施形態では、ＭＵＤモジュールはＭＭＳＥ検出器内の確率(probability)データの部分的な量子化を利用する。ＭＭＳＥ検出及びハイブリッド取り消しは、ターボ検出器での可変サイズ行列演算だけではなく、同じマルチユーザ検出ブロックでも可能にされる。

部分的に量子化された過去の情報を備える低複雑性ＭＵＤの例の実施形態は、図１１から図１５Ｃを参照して説明される。事前白色化された(prewhitened)データに基づいた低複雑性ＭＵＤの別の例の実施形態は図１６から図１７に関して説明される。

部分的に量子化された過去の情報を備える低複雑性ＭＵＤ
図１１は、本発明のある実施形態に従ったターボＭＵＤ内の入信データストリームの反復処理の図表示である。各ストリームは異なるユーザに対応する。例えば、任意の１つのストリームは同じ周波数上で動作し、同時に送信しており、干渉信号を生じさせる複数のＣＤＭＡ携帯電話からである場合がある。ストリームは、再び同じ周波数上で、同時にヘッドエンドシステムと通信している多くのケーブルボックスからである場合もある。代りに、ストリームが８０２．１１無線ローカルエリアネットワークの複数のユーザから、あるいは超ワイドバンドネットワークからである場合がある。代りに、ストリームは、読み取られるヘッドが極めて濃密なトラックの１つまたは複数の重複しているデジタル記憶装置ディスク上の隣接するトラックからの干渉信号である場合がある。とにかく、発生する事実は、１１０でここで描かれている多くのパケットまたはデータの塊が同時に送信され、各パケットが例えば数百ビットを含んでいるということである。

干渉信号を析出するためには、入信信号は時間間隔単位で入信信号を処理し、１１６で描かれているように、ユーザごとに個々のビットの最も妥当だとされる数字、つまり推定値を提供するターボＭＵＤ１１４に、矢印１１２により描かれるように適用される。これらの最も妥当だとされる数字または推定値は、次に、特定のビットがそうなると考えられているものとなる尤度を高めるために、フィードバックループ内でＭＵＤに適用される。これは、誤り率のような時間が所定値を下回ることが統計的に既知となるまで反復プロセスで行われる。それが下回ると、デジタル入信ストリームに対応するビットは、入信データがターボＭＵＤ１１４により分離された干渉信号で回復されるように出力される。

図１２は、本発明の一実施形態に従って構成されたターボマルチユーザ検出器を描くブロック図である。この実施形態は、例えば、図１から３のマルチユーザ検出器１８を実現するために使用できるであろう。ここでは、ＭＵＤモジュールからのソフト出力がエラー訂正器を通して、特定の確実度を有するそれらの推定値が確かめられ、フィードバックループ内を通ってＭＵＤに戻されないようにスレッショルドされる（ｔｈｒｅｓｈｏｌｄｅｄ）最良の推定値平均と結合し直される。むしろ、それらの推定値は、相対的な確実度のそれらのビットを無視することによって実質的に削減されるＭＤＵによる処理を使用してコンバイナ内で活用される。

さらに詳細には、ＭＵＤ１１４は、Ｌ時間間隔の間に例えば数百ビットがあることを示すためにＬが使用されるビットストリーム内の独立したビットを処理するように適応される。該Ｌ時間間隔は、波形１２２により描かれている干渉信号の入信データストリームの一部を描写するために１２０で描かれている。ＭＵＤ１１４は、ここで１２４によって示されるように一度にこれらの入信信号のビットサイズ部分だけを考え、その瞬間にユーザのそれぞれからビットの最善の推定値の数を生成するためにこれらの信号を処理する。ここでは、第１のユーザの最善の推定値は列１２４に、第２のユーザは列１２６で示されている。

「ソフト」ＭＵＤ出力と呼ばれる実数に関してのこれらの推定値は、各ユーザの先行するビットと続いて起こるビットのウィンドウに基づいて、一実施形態においてビットが１または０のどちらかであるという尤度を判断する１２９で示されるように、エラー訂正機能を実行するエラー訂正装置１２８に結合される。したがって、ビット１３１は、先行するウィンドウ１３３と続いて起こるウィンドウ１３５内のビットにより決定される。エラー訂正装置の出力は、ある特定のビットがそれがそうなるといわれているものとなる尤度を高めるためのビットの反復処理を可能にするように、ＭＵＤ１１４に適用し直される。

この反復処理は、ユーザのそれぞれからのビットのそれぞれについての膨大な数の可能性のために状況の中の最良な状況の元でさえ法外な時間量を要することである。本発明の一実施形態は、ＭＵＤの次の反復の間の考慮から、ほとんど確実であると判断されるそれらのビットを排除する。

例えば、１０個のビットの中から、３個が確実であると仮定すると、ＭＵＤによる次の反復での処理は、前回の反復の間の処理の１２％に削減できる。これを行うためには、スレッショルドモジュール１３０がＭＵＤ１１４に戻されることから、それらが一実施形態では−１または＋１のどちらかを割り当てられるほど十分に確実であると判断されるそれらのビットを排除する。このスレッショルドモジュール１３０は、線路１３２上の相対的に不確実なビット推定値を通過し、線路１３４と１３６上でそれらの量子化された値、＋１または−１として、次の反復でＭＵＤ１１４からの再計算された最も妥当とされる数字とこれらの確実なビットを結合する結合装置１３８まで相対的に確実なビット推定値を通過する。

結果は、次の反復でエラー訂正モジュール１２８に提供される情報が該確実なビットと、ビットの残りについて再計算された最も妥当とされる数字も考慮に入れる。エラー訂正装置１２８はこれらの結合された推定値を処理する。エラー訂正装置１２８の出力は、スレッショルド装置１３０を通して再びＭＵＤ１１４にフィードバックされ、その結果、この次の通過で、なおさらに多くのビットが確実と宣言でき、次の反復は残された不確実なビット推定値だけを検討し、再びこれ以後の反復で劇的な処理の優位性をもたらす。エラー訂正装置１２８の出力が所定の数未満の誤り率を有すると予測されるときには、反復は停止して、出力は分離され復調された信号として線路１４０で使用できる。

図１３は、図１２のシステムにより実行される例のスレッショルド（ｔｈｒｅｓｈｏｌｄｉｎｇ）の図表示である。この特定の例では、−１と−．９５の間にあるビットには−１の値が割り当てられるのに対し、．９５と＋１の間にあるビットには＋１の値が与えられる。他のビット推定値が、矢印１３２により示されるように通過する一方、該スレッショルド装置３０は、例えば、それぞれ−１と＋１を戻す、正しいという−１と−．９５の確率の間、及び正しいという＋．９５と＋１の間の確率などのそれらのビット推定値を求める。分かるように、スレッショルドは、１４４と１４６で示されている閾値のどちらかの側に存在するそれらのビット推定値だけが、コンバイナ１３８に直接的に結合されるそれらの「確実な」ビットとなるほどであるのに対し、残りのビット推定値はＭＵＤ１１４まで通過する推定値である。

図１４は、図１２のシステムにより実行される例のスレッショルドと結合を描くブロック図である。分かるように、Ｋ掛けるＬの行列を考慮すると、本発明のある実施形態に従ったスレッショルドはＭＵＤ１１４にとっての処理優位点を生じさせる。Ｋ掛けるＬの行列の所定の部分集合１５０は限られた数のユーザと限られた数のビットを反映する。

図１５Ａは、確実な値を有する図１４の例のＫ掛けるＬの行列内のビットの内の２つの概略図である。分かるように、この部分集合は３人のユーザｋ_１、ｋ_２及びｋ_３と、３つの時間間隔ｌ_１、ｌ_２及びｌ_３を含んでいる。スレッショルド装置１３０のスレッショルド動作のために、ｋ_３ｌ_１ビット（１５２と示される）とｋ_２ｌ_３ビット（１５４と示される）が確実であると見なされる。ＭＵＤ１１４による次の反復では、不確実なままであるビット推定値がＭＵＤ１１４により処理されるのに対し、量子化され、ＭＵＤ１１４によってさらに処理されない（つまり未処理）ビット推定値は通過する。

行列からの値のこの処理は、ＭＵＤ１４がフィードバックループの（１６０として示される）最良のビット推定値の７つを処理することを示す図１５Ｂにさらに明確に示されている。２つの確実な値（１６２として示される）は通過する。図１５Ｃは、エラー訂正装置１３０に適切な推定値を与えるために、未処理信号と結合される次の反復で処理されるＭＵＤ信号の概略図である。

処理されたビットと未処理のビットは、エラー訂正器１２８に結合される結果が１６４で図示されるようであるようにそれ以後１３８で結合される。理解されるように、スレッショルドの後、エラー訂正器１２８へ次の反復で通過されたものが、確実なビットとともに、ビットがどうなるべきかの新しい最善の推定値である。これにより、エラー訂正器１２８は、コンバイナ１３８からの出力をさらによく処理し、スレッショルド回路１３０を通してさらに優れた推定値をＭＵＤ１１４に提供できるようになる。結果的に、最終的なビット推定値がより迅速に確かめられ、処理時間を劇的に短縮することになる。したがって、オリジナルの入信干渉信号は、より少ない反復とより少ない計算でさらに迅速に回復される。

量子化ターボＭＵＤ
部分的に量子化された過去の情報アルゴリズムを有する低複雑性Ｍｕｄに根拠を与える数学的な背景がここに説明される。ターボＭＵＤプロセッサのＭＵＤ処理ブロックが、それが以下の尤度関数を直接的に最大にするときにその究極の性能に達することは、文献の中で周知である。

この尤度の２つの部分は、候補ビット（第１の項）に対するデータの適合、及びビットが何であったのか（第２の項）に関する過去の知識のための尤度貢献のためである。ターボＭＵＤでは、これらの過去の尤度は未知数（等しくありそうな０または１）として開始し、以後ループが反復するにつれ、最後の反復からの尤度にすぎなくなる。第２の項の尤度貢献が相互に無関係であると仮定することは典型的であり、それは以下のように書き直すことができる。

部分的に量子化された過去の情報を備えた低複雑性Ｍｕｄでは、式３６はその極値に対する第２の尤度貢献を量子化することによりほぼ解かれる。実際に、ビットの過去の尤度が完全に未知である場合には、それが１または０である確率は等しく（式３６に影響を与えない）、過去の尤度が完全に既知である場合には、正しい選択の場合確率は１であり、間違った選択の場合は０である。これが、そのビットのありそうもないあるいは間違った推測について−∞の、式３６に対する貢献を強制する。

尤度関数の式３６のこの単純化または量子化は、ターボ反復でのその点におけるビット決定が２つの部分Ｓ＝［Ｓ_１Ｓ_２］、ｂ^ｔ＝［ｂ_１ ^ｔ ｂ_２ ^ｔ］、つまり「既知」と「未知」に分けることができることを数学的に暗示している。これは尤度を以下のように簡略化し、

ここで最適化が未知のビット（２の下付き数字）に対してだけ実施され、既知のビット（１の下付き数字）は入力として計算に渡されることが理解される。さらに、尤度式、したがって未知のビットのための式３８によって暗示される処理は、通常のＭＵＤ処理に同等であり、データを修正されたデータｒ−Ｓ_１ｂ_１で置換する。

この実施形態では、任意の数のＭＵＤアルゴリズムが置換できるが、ＭＭＳＥ ＭＵＤアルゴリズムが式３８を計算するために使用される。ＭＭＳＥ演算子は

となり、以下のアルゴリズム的なステップを使用して計算できる。

１）

を入力し、ビット推定値が正しい確率を決定し、確実なビットと不確実なビットとを生成する。
２）ｒ、ＳＡを入力し、残留

を計算する。
３）

を計算する。
４）

を計算する。
５）

を計算する。
６）

を通過する。

部分的に量子化された過去の情報アルゴリズムを有する低複雑性Ｍｕｄは、例えば図１２に描かれている実施形態によって実施できる。

事前白色化されたデータに基づく低複雑性Ｍ−アルゴリズム
ＭＵＤにより処理されるデータは、多元接続干渉からユーザを部分的に切り離すように事前白色化(prewhitened)することが可能で、これが性能を劇的に改善する。図１６は、本発明のある実施形態に従って事前白色化されたデータに基づくＭ−アルゴリズムを実現する。この実施形態のモジュール２０５、２０８、２１０及び２１３は、例えば、図１から図３のマルチユーザ検出器を実現するために使用できるであろう。

ここで図１６の装置がさらに詳細に説明される。潜在的に複雑なデータストリーム２００はなんらかのソースから受信される。符号分割多元接続（ＣＤＭＡ）通信方式のケースでは、データストリームはチップレートのなんらかの倍数でサンプリングされる。ＴＤＭＡ通信方式の場合、データストリームはシンボルレートのなんらかの倍数でサンプリングされる。

データ２００は、なんらかのレート（例えば、シンボルレート）で転送されるデータのベクタを表す。このデータ２００は整合フィルタ２０５に送信される。加えて、同じベクタ２００は、パラメータ推定モジュール２９２に渡される。パラメータ推定モジュールの目的は、伝送チャネルのタイミング、信号振幅、位相、偏向及び識別を推定することである。パラメータの推定値は整合フィルタバンク２０５を設計するために渡され、パラメータの推定値は対応するホワイトナ２０８を設計するためにも渡される。

図１６の２１３で実施されるシンボル仮説試験は、以下として数学的に表される最大尤度検出器を含むことができるであろう。

式３９は、受信されたサンプルを送信されたビット、ｂ及びＳで定義されたチャネルのモデルに関して定義する、

により描かれている受信されたサンプルの線形モデルに基づいている。最大尤度検出器は、網羅的な検索を必要とする強引な手法である。最大尤度の解は、ビットシーケンスの考えられるあらゆる仮説を使用して、受信されたサンプルとサンプルの線形モデルの間のユークリッド距離を網羅的に評価することから構成される。多数のユーザまたはマルチパスからの厳しいシンボル間干渉の有する問題のためにはそれは計算集約的すぎる。ここで検討される該手法は、過飽和の環境で同じ性能をほぼ達成し、計算数で大きな節約を行う最大尤度検出器の簡略化されたバージョンから構成される。この手法は、以下のとおりに説明される。

最大尤度解は以下のように書き直され

ここでΣは雑音、Ｎ_Ｗの共分散を表す。雑音が白色であるとき、式４１の加重最小二乗法の解は式３９の最大尤度検出器に同一である。任意の行列Ｗについて、式４０の加重最小二乗法の解は以下の解に同一であり、

ここでｗ＝Ｗｒ及びΣ_Ｗ＝ＷΣＷ^Ｈである。受信データの線形組み合わせを探求する動機は、特定の変換がより可能性が高いビット仮説のさらに効率的な検索を可能にするためである。式４１から４２の表記法はすべてのユーザの存在に基づいた受信波形のサンプルのための線形行列表現に基づいている（式４０を参照すること）。

とし、次に行列Ｗで定められるフィルタバンクはデコレレイタ(decorrelator)受信機で使用されるフィルタバンクである。該デコレレイタ受信機は、それが最適に多元接続干渉を削減するが、有色雑音を説明しないため魅力的である。具体的には、既知の相互関係行列を仮定して多元接続干渉は排除されるが、白色雑音成分は（シグナチャ波形が直交でないときに）着色されている。さらに適切なフィルタバンクは相互関係行列の平方根の逆数を含む。この組み合わせの結果、多元接続干渉を部分的に減結合するが、無相関の雑音成分を維持するフィルタバンクが生じる。平方根フィルタと整合フィルタのカスケードは、シグナチャ波形に対して最小二乗の意味で最も近いフィルタの直交セットを表す。相関行列のコレスキー(Cholesky)因数分解を使用して定められる平方根フィルタバンクはより魅力的な平方根因数分解の１つである。相関行列は、以下

により式４３で表現される。

相関行列Ｈのコレスキー因数分解は、

により定められ、ここでＦは上三角行列である。したがって、白色化フィルタは、下三角行列であるＦ^−Ｈとして定められる。したがって、式４３でデコレレイトフィルタバンクを活用するより、

として定められる以下の部分的なデコレレイトフィルタバンクは、加重最小二乗法の解の効率的な検索により適している。この特定の平方根因数分解の魅力は、以下

で示されている。

同一チャネル干渉の部分的な減結合は、Ｆｂであると定められる白色化された出力、ｗによって描かれており、ここでＦは上三角(upper triangular)行列である。列ベクタｂを、一番上の行が第１のユーザを表し、一番下の行がＫ番目のユーザを表すようにユーザにより並べ替えさせる。Ｆｂの中の項を計算すると、Ｋ番目のユーザが他のすべてのユーザのビット仮説から完全に切り離されていることを示す。また、（Ｋ−１）番目のユーザビット仮説はユーザＫのビット仮説とだけ結合される。用語部分的な減結合は、（Ｋ−ｍ）人のユーザのための決定が、第１の１人から（Ｋ−ｍ−１）人のユーザの知識が後の（Ｋ−ｍ）人のユーザに対する決定を下すために必要とされないように、他のユーザのどれかから切り離されるため、使用される。

このようにして続行すると、任意のユーザのための測定が任意の「将来の」ユーザの実際のビットからどのようにして切り離されたのかが示される。ユーザｋの項「将来」が、すべてのユーザ１からｋ−１までを指すことに注意せよ。

雑音は、

によって定められる部分的なデコレレイタを使用して白色化される。白色雑音は、

によって示され、ここでＩは識別行列を表し、Ｅはランダム変数の期待値を表す。斜めの共分散(diagonal covariance)行列は、雑音が式４８に定められる部分的にデコレレイトするフィルタバンクを使用して白色化されたことを証明している。式４８の中のデコレレイトフィルタバンクを式４２に代入すると、同じ最大尤度解が生じる。

式４２の最大尤度表現は

によって示される測定基準Ω（ｂ）に関して書き直され、
ここで、

式５１を使用すると、ビットの最適集合のための検索が、ユーザｋのためのビット仮説の尤度を特徴付ける測定基準、ｂ_ｋが構成要素、

で表現されるデシジョンツリー(decision tree)に関して再公式化することができる。

項ｂ_ｋは、ユーザｋのビット仮説を表し、項ｗ_ｋは、ユーザＫによって使用されるシグナチャ波形に一致されたフィルタｋのフィルタバンク出力を表す。項Ｆ_ｊｋはユーザｊとユーザｋについて定められたコレスキー係数を表す。ＭＬ測定基準の連続的な性質は以下の式によりさらに明確に示される。総和（式５２を参照）の各構成要素は、デシジョンツリーのＫ個の段階の１つと見なすことができる。以下の式は、デシジョンツリーの最初の３つの段階の構成要素に相当する距離測定基準の最初の３つの項を描いている。

これらの最初の３つの段階で測定基準を評価することは、ＱＰＳＫアルファベットについて図１７で示されている。第１の段階では、第１の構成要素

がユーザＫのための４つの考えられる状態の尤度を評価する。図１７により示されるように、この尤度測定基準は他のユーザのビットに関する他の決定に依存していない。第２の段階では、（Ｋ−１）番目のユーザのビットｂ_{（Ｋ−１）}の推定値は、

に基づいている。第２段階での決定は、ユーザｂ_{（Ｋ−１）}に対応するフィルタリングされたデータだけに依存し、決定はＫ番目のユーザのために下される。同様に、（Ｋ−２）番目のユーザの推定値は、過去の２つの決定に依存する距離測定基準の第３の構成要素を使用して第３の段階で評価される。これは、これらの構成要素のすべてＫについて続行する。傾向は、ユーザのビットに関する初期の決定が、残りのユーザのビットのために下される「将来の」決定から切り離されることを示している。

ＭＬ測定基準全体がこれらの構成要素の内のＫの総和であるため、デシジョンツリーに対するＫ個の段階がある。結合して最適な決定は、デシジョンツリーの枝のそれぞれの枝を探索することを必要とする。デシジョンツリー手法は、マルチパスがないＱＰＳＫケースについて４^Ｋの仮説が評価されることをまた必要とする。デシジョンツリーに関して問題を表現することにより、Ｍ−アルゴリズムまたはＴ−アルゴリズムなどのプルーニング技法の探求が可能になる。

過飽和状態の通信の問題に対しては、統計学的に独立した次元より多くのユーザが存在するため、相関行列が半正値(positive semidefinite)（つまり、反転可能ではない）となるように、過少決定(underdetermined)された問題がある。相関行列は反転可能ではないため、式４８の部分的なデコレレイタ(decorrelator)は、チャネル間の相互関係のためにもはや存在していない。

マルチ共直線性（multicolinearity）に対抗するための回帰分析で一般的に使用される技法がリッジ回帰(ridge regression)と呼ばれる。マルチ共直線性は、独立変数間の高い相互関係から生じ、この特定のケースではユーザの送信済み波形に相当する。単に置かれた（Ａ^ＨＳ^ＨＳＡ）は大きな非対角(off-diagonal)項を有し、高い条件数の不安定な相関行列を生じさせる（つまり、最大固有値対最低固有値の比）。回帰分析では、これは非常に高い共分散の推定値を生じさせる。これは、推定値の中の分散を最小限にするために小さなバイアスを受け入れることで解決される。これは、相関行列を（Ａ^ＨＳ^ＨＳＡ）から（Ａ^ＨＳ^ＨＳＡ＋γＩ）に変換することにより行われ、ここでγは対角ロードを表す。これが最小の固有値を上昇させ、回帰分析のバイアスがかけられた推定値を犠牲にして、さらに安定した相関行列を生じさせる。

ここで検討される手法は、デシジョンツリーで固有の非線形決定プロセスにより重大となる推定値の分散を削減することを目的として、相関行列を対角でロードし、このようにして意図的にバイアスを生じさせることにより部分的にデコレレイト(decorrelating)するフィルタバンクを改変することである。具体的には、新しい部分的なデコレレイトフィルタバンクは、

で定められ、ここで対角にロードされた相関行列のコレスキー因数分解は、

ほどである。

前述されたように、リッジ回帰の概念は、推定値の分散を削減する意図をもってバイアスを意図的に導入することから構成されている。式５４で定められる部分的にデコレレイトするフィルタバンクを受信されたサンプルに適用すると、Ｋ個の要素の列ベクタｗにより定められるフィルタバンクの中からベクタＫ個のサンプルが生じる。式５４を受信されたサンプルに適用することは、

で表される。

式４０に定められる受信されたサンプルの行列モデル表現を代入すると、結果として生じる簡略化が実現される。

ここで相関行列Ｈは式４４で定められる。式５７に基づき、雑音分散を使用して対角ロードを通して意図的に導入されたバイアスが、

であることは明らかである。

対角にロードする相関行列のコレスキー因数分解は、以下

により定められる式５７の雑音の項の共分散により示されるように雑音を完全に白色化しない。

妥当な信号対雑音比、及び穏当な対角ロードのケースでは、対角にロードされた基底付きの（based）部分的なデコレレイタを適用した後の雑音共分散は

により近似される。加えて、小さな対角ロードにとって、そのバイアスは小さいと考えられるこれらの近似に基づいて、加重最小２乗法の解は

により近似される。

前記のように、最大尤度の解は、

で表され、ここで

である。

式６２を評価するための手順は、

により記述される個々の測定基準がデシジョンツリーの各ノードで評価される図１７に説明される手法と一貫している。図１７を参照すると、デシジョンツリーの過去の段階から現在の段階への遷移は、デシジョンツリーの経路に沿った個別測定基準の発生から構成されている。Ｍ−アルゴリズムとＴ−アルゴリズムのような多様な次善のプルーニング手法は、許容できる誤り率のデシジョンツリーを効率的に横切るために使用できる。

図１６は、式５５、５６、６１及び６２に記述されるアルゴリズムを実現する。式５６は、整合フィルタバンクの適用に続いて対角ロードされた相関行列のコレスキー因数分解を適用することから構成される。したがって、式５６に記述される整合フィルタバンクは２０５で適用される。部分的にデコレレイトするフィルタバンクを完成するために、オーバロードした非同期ホワイトナ(whitener)応用２１０がフィルタリングされたデータ２０７に適用される。２１０の非同期ホワイトナは、式５５に記述される対角にロードされた相関行列のコレスキー因数分解を適用することから構成される。

パラメータ推定モジュール２０２の目的は、アクティブチャネルのタイミング、信号振幅、位相、偏向及び識別を推定することである。該パラメータの推定値は、整合フィルタの適用及び非同期デコレレイトフィルタバンクの作成に必要とされるチャネルをモデル化するために使用される。パラメータ推定モジュールはチャネルモデル２０６及び相関行列２０３を提供する。

該２０８の目的は、ボックス２１０で使用されるホワイトナを設計することである。ボックス２０８は、式５５に記述される対角でロードされるコレスキー因数分解を計算するためにパラメータ推定モジュールによって提供される相関行列２０３を活用する。因数分解はボックス２１０で白色化に使用され、ボックス２１３で仮説試験に使用される。この手法はデコレレイト決定フィードバック検出の拡張であるため、「受信エネルギーを減少する」ことによりユーザを順序付けるという概念は、最強のユーザが最初に評価されるように維持される。この順序付けは、平方根行列の型を定め、仮説試験モジュール２１３で維持されなければならない。変形物は、ＳＮＲベース及び尤度ベースなどの他の順序付け技法を含む。ボックス２０８で使用される手法は、相関行列のブロックバンド（ｂｌｏｃｋ−ｂａｎｄｅｄ）構造を利用する非同期因数分解を含む。記号同期の問題は退化したケースであり、したがって本発明の実施形態により対処され得る。ウィンドウ化ベースの技法もまたここで利用されてよい。

ボックス２０８は、語長を削減し、処理速度を改善するためにも適用されてよい。例えば、対角行列で増補されたシグナチャ波形行列から構成される、行列で実現されるハウスホルダ変換を使用するＱＲ因数分解は、対角にロードされる相関行列のコレスキー因数分解より少ない語長を必要とする。少ない語長を使用するアルゴリズムインプリメンテーションは、固定点処理ハードウェア構成により適している。加えて、本発明の一実施形態は、受信エネルギー及び／または位相だけがシンボル期間の間に変化するときにホワイトナを効率的に更新するためにボックス２０８での双曲線ハウスホルダ(Hyperbolic Householder)変換の使用を含む。

ボックス２０８内で生成される相関行列の平方根因数分解はボックス２１０でデータを白色化するために使用される。本発明の実施形態は、整合フィルタリングされたデータを白色化する２つの手法をカバーするように適用できる。第１の手法は、平方根行列の共役転置の逆数により定められるフィルタのバンクを適用することに基づくことができる。平方根は三角形構造で定められているため、後方置換を使用する白色化手順を実現できる。この代替手法が必要とする演算の数はより少ない。

白色化されたデータストリームはボックス２１０を出て、線路２１２上でボックス２１３に渡される。ボックス２０８に定められる平方根因数分解は、線路２１１上でボックス２１３に渡される。この因数分解は、Ｍ−アルゴリズムまたはＴ−アルゴリズムなどの横幅第１(breadth-first)技法を使用して実現できるデシジョンツリー内でビット仮説を連続して評価するための測定基準で使用される。相関行列因数分解及び白色化フィルタを定義するために使用されるユーザ順序付けがシンボル仮説試験モジュール、ボックス２１３で維持されることを思い出せ。

ボックス２１３の目的は、Ｋ人すべてのユーザについてより可能性が高いビット仮説を効率的に調査することである。一実施形態では、ボックス２１３で実施されるシンボル仮説試験が、図１７に記述される仮説の尤度を特徴付ける測定基準の順次評価に基づいている。この評価は等式６１と６２に記述される測定基準に基づいている。

デシジョンツリー内の段階である特定のユーザのビット仮説に対応する測定基準がここで言葉で説明される。該測定基準は、線路２１２に沿った白色化フィルタの１つの出力と問題のユーザのためのビット仮説と過去に試験されたユーザのために選択された仮説に対応する平均信号エネルギーに基づいて仮定される平均信号エネルギーの間のユークリッド距離から構成される。この平均信号エネルギーは、ボックス２０８で計算され、線路２１１の上で提供される対角にロードされる相関行列のコレスキー因数分解に基づいている。図１７に描かれているデシジョンツリーの各ノードでの測定基準は、過去の決定に対応する測定基準の蓄積を含む。

決定フィードバック手法とは異なり、決定は直ちに下されない。しかしながら、ここで検討される手法は、決定フィードバック技法の汎用化であり、したがって決定フィードバック技法を含む。この連続した概念は、すべてのフィルタバンクサンプルと任意のビット仮説に基づいた仮定された平均信号の間のユークリッド距離の項を拡大することにより、図１７と式５３で観察された。ボックス２１３の出力は、線路２１４で報告される重要なシンボル期間でのすべてのユーザのためのシンボルの抑制された推定値である。

多様な効率的なデシジョンツリー検索戦略は、ボックス２１３で利用できる。例えば、Ｍ−アルゴリズムは各段階での仮説の数を固定数に制限する１つのこのような手法である。Ｔ−アルゴリズムは事実上Ｍ−アルゴリズムに類似しているが、それは発生した測定基準を閾値に比較することで仮説の数を制限する。デシジョンツリー検索に対するこの手法及び他の効率的な手法の変形物はこの開示を鑑みて明らかとなるであろう。

本開示を鑑みて明らかになるであろう、本発明の原理に従って構成される同一チャネル干渉受信機のための多数の代替実施形態がある。例えば、ＭＵＤは多様なターボＭＵＤ設計に準拠し、ＭＵＤコアとエラー訂正デコーダのためのさまざまな組み合わせを可能にする。ＭＵＤコアは、多様なＭ−アルゴリズムインプリメンテーションだけでなくＭＭＳＥ ＭＵＤ、ウィンドウ化した最適ＭＵＤを備えることがある。さらに、ターボループ内の畳み込みエラー訂正デコーダは、とりわけソフト出力ビタビ(Viterbi)またはソフト出力ＢＣＪＲを備える場合がある。

本発明の実施形態は、ソフトウェア、ハードウェア、ファームウェアまたはその任意の組み合わせで実現されてよい。例えば、パラメータ推定モジュールとＭＵＤモジュールは、デジタル信号プロセッサで実行中の命令の集合で、あるいは他の適当な処理環境で実現されてよい。代わりに、モジュールは専用のシリコン（例えば、ＡＳＩＣ、ＦＰＧＡ、または他のチップ上システム設計）で実現できる。

本発明の実施形態の前記説明は、図解及び説明のために提示されてきた。網羅的となる、あるいは開示されている正確な形式に本発明を制限することは意図されていない。本開示を鑑みて多くの修正及び変形が考えられる。本発明の範囲がこの詳細な説明によってではなくむしろここに添付される請求項によって制限されることが意図される。

本発明の一実施形態に従って構成されるマルチユーザ検出受信機を有する通信システムのシステムブロック図である。 本発明の別の実施形態に従って二重偏向アンテナを有するマルチユーザ検出受信機を示す図である。 本発明の別の態様に従ってそれぞれのアンテナが１つまたは２つの偏向を有する、複数のアンテナを有するマルチユーザ検出受信機を示す図である。 指定されたダイバシティポート信号のための２つまたは３つ以上の同一チャネル干渉信号のケースについて受信されたベースバンド信号の下にあるフレーム構造の図であり、本発明の一実施形態に従ってトレーニングシーケンスロケータで使用するためのトレーニングシーケンススライド式検索ウィンドウも示す図である。 本発明の一実施形態に従って構成されるパラメータ推定器のブロック図である。 本発明の一実施形態に従って構成されるトレーニングシーケンスロケータ構成要素のフローチャートである。 本発明の一実施形態に従って構成される雑音推定器の構成要素のブロック図である。 本発明の一実施形態に従って構成されるシグナチャ波形推定器構成要素のフローチャートである。 本発明の一実施形態に従って構成されるアクティブユーザテスタ構成要素のためのフローチャートである。 本発明の一実施形態に従ってダイバシティポート「ｐ」用のアクティブユーザテストのフローチャートである。 本発明の一実施態様に従ったターボＭＵＤの中の入信データストリームの反復処理の図表示である。 本発明の一実施形態に従って構成されるターボＭＵＤシステムを描くブロック図である。 図１２のシステムにより実行される例のスレッショルド（ｔｈｒｅｓｈｏｌｄｉｎｇ）の図表示である。 図１２のシステムにより実行される例のスレッショルド及び結合を描くブロック図である。 特定の値を有する図１４の例のＫ掛けるＬの行列内のビットの２つの概略図である。 図１４の行列からの値の例の処理の概略図である。 図１４のエラー訂正装置に適切な推定値を提供するために、未処理信号と結合される次の反復で処理されるＭＵＤ信号の概略図である。 本発明の実施形態に従って事前白色化されたデータに基づいたＭアルゴリズムを実現する図である。 本発明のある実施形態に従って仮説の尤度を特徴付ける測定基準の順次評価に基づいたシンボル仮説試験を立証する図である。

Claims (19)

1. Ｋ個の同一チャネル干渉合成信号を受信する同一チャネル干渉受信機であって、
   前記受信機により受信される前記合成信号を事前に白色化するように構成され、多元接続干渉からユーザを部分的に切り離すように動作可能な整合フィルタと、
   Ｋ個の同一チャネル干渉信号からの情報を含む前記合成信号を受信するように構成され、前記Ｋ個の同一チャネル干渉信号を復調するために、前記事前に白色化されたデータに基づいた計算量の少ないＭ−アルゴリズムで動作するように構成されたマルチユーザ検出器モジュールと、
   前記合成信号を受信し、前記Ｋ個の同一チャネル干渉信号のそれぞれの推定シグナチャ波形を生成して、前記Ｋ個の同一チャネル干渉信号を復調する前記マルチユーザ検出器モジュールに、前記推定シグナチャ波形を提供するように構成されるパラメータ推定モジュールと、
   前記パラメータ推定モジュールに動作可能に結合され、前記パラメータ推定モジュールからのパラメータ推定値に基づいてそれぞれの受信合成信号のモデルを作成し、前記整合フィルタにより出力されるフィルタリングされたデータを白色化する非同期ホワイトナモジュールを計算するように構成されるホワイトナデザイナモジュールと、
   前記ホワイトナデザイナモジュールに動作可能に結合され、前記非同期ホワイトナモジュールにより出力される白色化されたデータを受信するように構成され、仮説の尤度を特徴付ける測定基準の連続した評価に基づいてシンボル仮説試験を実施するように構成されるシンボル仮説試験モジュールと、
   を含む、同一チャネル干渉受信機。
2. 前記ホワイトナデザイナモジュールは、前記パラメータ推定モジュールにより提供される相関行列を活用し、前記非同期ホワイトナモジュールでの白色化のために使用され、前記シンボル仮説試験モジュールでの仮説試験にも使用される対角にロードされるコレスキー因数分解を計算する、請求項１に記載の受信機。
3. 前記ホワイトナデザイナモジュールは、ハウスホルダ変換を使用するＱＲ因数分解を利用する、請求項１に記載の受信機。
4. 前記ホワイトナデザイナモジュールは、受信されたエネルギー及び／または位相だけがシンボル期間の間に変化するときに前記非同期ホワイトナモジュールを効率的に更新する
   ために双曲線ハウスホルダ変換を利用する、請求項１に記載の受信機。
5. 前記ホワイトナデザイナモジュールは平方根因数分解を利用する、請求項１に記載の受信機。
6. 前記非同期ホワイトナモジュールはデータを白色化するために前記ホワイトナデザイナモジュールにより生成される相関行列平方根因数分解を利用する、請求項１乃至５の何れか１項に記載の受信機。
7. 前記非同期ホワイトナモジュールは、前記相関行列平方根因数分解の共役転置の逆数により定められるフィルタのバンクを利用する、請求項６に記載の受信機。
8. 前記相関行列平方根因数分解は三角形構造を有し、前記非同期ホワイトナモジュールは後方置換を利用する、請求項７に記載の受信機。
9. 前記シンボル仮説試験モジュールは、横幅第１技法を使用して実現されるデシジョンツリー内で前記ビット仮説を連続して評価するために測定基準に前記ホワイトナデザイナモジュールにより生成される相関行列平方根因数分解を利用する、請求項１に記載の受信機。
10. 前記パラメータ推定モジュールはパラメータ推定値を提供し、前記パラメータ推定値は、各受信合成信号と関連付けられるチャネルをモデル化するために使用され、前記整合フィルタの適用及び非同期デコレレイトフィルタバンクの作成を可能にする、請求項１乃至９の何れか１項に記載の受信機。
11. 前記パラメータ推定モジュールは、
    前記受信合成信号の各フレーム内でトレーニングシーケンスロケーション指数を推定するように構成されるトレーニングシーケンスロケータモジュールと、
    前記トレーニングシーケンスロケーション指数に従って前記受信合成信号の平均雑音電力の推定値を計算するように構成される雑音推定器モジュールと、
    前記トレーニングシーケンスロケーション指数及び変換行列に従って前記受信合成信号内で各ユーザに一意のシグナチャ波形を推定するように構成されるシグナチャ波形推定器モジュールと、
    前記雑音推定器モジュールの出力と、前記シグナチャ波形推定器モジュールの出力とに動作可能に結合され、前記受信合成信号に関連付けられるアクティブユーザの数を決定するように構成されるアクティブユーザテスタモジュールと、
    前記アクティブユーザテスタモジュールと、各ユーザの事前に記憶された既知のトレーニングシーケンスとに動作可能に結合され、前記シグナチャ波形推定モジュールにより使用される前記変換行列を生成するように構成される変換行列リビルダモジュールと、
    を含む、請求項１乃至１０の何れか１項に記載の受信機。
12. 前記マルチユーザ検出器モジュール及び前記パラメータ推定モジュールに動作可能に結合され、複数の送信機からそれぞれ１つまたは複数の複合波形信号を受信し、それぞれの受信された複合波形信号を対応する合成信号に変換するように構成されるアナログフロントエンドをさらに含む、請求項１乃至１１の何れか１項に記載の受信機。
13. 前記アナログフロントエンドは、
    それぞれが受信された複合波形をデジタル波形に変換するように構成される１または複数のアナログ／デジタル変換器と、
    それぞれがそれぞれのアナログ／デジタル変換器に動作可能に結合され、受信された複合波形に関連付けられる周波数をさらに低い周波数に変換するように構成される１または複数のダウンコンバータと、
    を含む、請求項１２に記載の受信機。
14. 前記アナログフロントエンドは、
    それぞれが前記複数の送信機から対応する複合波形信号を受信するように構成された１または複数のアンテナを含む、請求項１２又は１３に記載の受信機。
15. 前記１または複数のアンテナは単一偏向アンテナである、請求項１４に記載の受信機。
16. 前記１または複数のアンテナは、２つの偏向ポートと構成される二重偏向アンテナであり、それにより偏向ダイバシティを提供する、請求項１５に記載の受信機。
17. 前記１または複数のアンテナは、それぞれが２つの偏向ポートと構成される２以上の二重偏向アンテナを含み、それにより空間ダイバシティ及び偏向ダイバシティを提供する、請求項１４に記載の受信機。
18. 前記パラメータ推定モジュールは、アクティブチャネルのタイミング、信号振幅、位相、偏向及び識別のうちの少なくとも１つを含む信号パラメータを推定するように構成される、請求項１乃至１７の何れか１項に記載の受信機。
19. Ｋ個の同一チャネル干渉信号からの情報を含む少なくとも１つの合成信号を受信する方法であって、
    ａ）前記少なくとも１つの合成信号をフィルタリングして、多元接続干渉からユーザを部分的に切り離し、事前に白色化されたデータを提供するステップと、
    ｂ）前記Ｋ個の同一チャネル干渉信号のそれぞれのシグナチャ波形を推定するステップと、
    ｃ）事前に白色化されたデータに基づく計算量の少ないＭ−アルゴリズムで、前記推定されたシグナチャ波形に基づいて前記少なくとも１つの合成信号を処理するステップと、
    ｄ）前記少なくとも１つの合成信号のモデルをパラメータ推定値に基づいて作成するステップと、
    ｅ）前記事前に白色化されたデータを白色化するための前記モデルに基づいて非同期ホワイトナを計算するステップと、
    ｆ）仮説の尤度を特徴付ける測定基準の連続した評価に基づいてシンボル仮説試験を実施するステップと、
    ｇ）Ｋ個の同一チャネル干渉信号についての情報を提供するために、前記少なくとも１つの合成信号を復調するステップと
    を含む、方法。

Images