JP5475068B2 - 無線通信のためのノイズ推定 - Google Patents

Description

関連出願

本出願は、“ＭＩＭＯ ＯＦＤＭ ＭＭＳＥ スペーシャル受信機のノイズフロア推定器”と題して２００６年４月１７日に出願された米国特許仮出願番号６０／７９２，８７４号の優先権の利益を主張する。

本開示は、一般に、通信に係り、特に無線通信システムにおける受信機のノイズ推定のための技術に関する。

無線通信システムにおいて、送信機は主として送信データを処理（例えば符号化およびシンボルマッピングなど）してデータ用の変調シンボルなどのデータシンボルを生成する。送信機はこのデータシンボルを処理して変調信号を生成し、この信号を無線チャンネルを介して送信する。無線チャンネルはこの送信される信号をチャンネル応答によって歪曲させ、更にこの信号の品位をノイズと干渉によって低下させる。受信機はこの送信されてきた信号を受信して処理し、データシンボルの推定(estimates)を取得する。この推定は送信データシンボルの推定である。受信機はこのデータシンボルの推定を処理（例えば復調および復号化）して復号化されたデータを取得する。

この受信された信号は無線チャンネルからのノイズおよび干渉に加えて受信機からのノイズも含む。これらのすべてを以下の説明では「ノイズ」と総称することにする。受信信号中のこのノイズはデータシンボル推定の品位を低下させるとともに、復号化されたデータの信頼性にも影響を与える。受信機ではこのノイズに配慮した検出、復号化を行うことができる。ノイズの正確な推定はこの検出、復号化において良い結果をもたらすことになる。

従って、この技術分野では無線通信システムにおける良好なノイズ推定を取得することが必要となっている。

ここでは、無線通信システムにおけるデータ受信のためのノイズ推定の抽出と利用のための技術が開示される。ここで、一態様としてノイズ推定はデータ伝送における受信されたパケットの各々に対して抽出される。このノイズ推定はパケットと共に送信された複数の同一のサンプル列に基づき、あるいはパケットについての自動利得制御（ＡＧＣ）値に基づいて抽出することができる。データの検出はこのパケットのノイズ推定を用いて各パケットについて行われる。一つの実施形態においては、パケットのノイズ推定を用いて各パケットについて少なくとも一つの重みが抽出される。このパケットの少なくとも一つの重みを用いて各パケットについてのデータ検出が行われる。

他の態様において、例えばパケットの送信の期間に送られた複数の同一のサンプル列に基づいてノイズ推定が抽出される。データ受信に用いられる少なくとも１台の受信機から第一のサンプル列と第二のサンプル列とが取得される。この第一、第二のサンプル列は例えばＩＥＥＥ ８０２，１１パケットのプリアンブル中に含まれる二つのロングトレーニングシンボルに対応する。この受信機の第一のサンプル列に基づいて各受信機に対する第三のサンプル列が取得される。一つの実施形態において、第一、第二サンプル列間の位相オフセットが決定され、各受信機のための第一のサンプル列に与えられてこの受信機のための第三のサンプル列が取得される。他の実施形態において、各受信機の第一のサンプル列はこの受信機の第三のサンプル列として用いられる。いずれの場合にも、ノイズ推定が少なくとも一つの受信機のための第二、第三のサンプル列に基づいて抽出される。

以下、種々の態様の実施形態を更に詳細に説明する。

図面を参照して種々の態様と実施形態の詳細が明らかに説明され、同一の部分には同様の参照文字が付されている。

送信局と受信局のブロック図を示す。 ＩＥＥＥ８０２．１１のパケットフォーマットを示す。 ノイズ推定器／プロセッサの一例を示す。 ノイズ推定器／プロセッサの他の例を示す。 パケットを受信するプロセスを示す。 パケットを受信する装置を示す。 ノイズ推定を行うプロセスを示す。 ノイズ推定を行うための装置を示す。

発明の詳細な説明

以下の説明において、「例証」は「例示、実証、実例」を意味する。ここで、「例証」として説明される実施例またはデザインはそれぞれ他の実施例またはデザインより望ましいもの、あるいは効果のあるものとして理解する必要はない。

ここで説明されたノイズ推定技術は種々の無線通信ネットワーク、例えば、無線広域ネットワーク（ＷＷＡＮｓ）、無線大都市エリアネットワーク（ＷＭＡＮｓ）、無線ローカルエリアネットワーク（ＷＬＡＮｓ）等に用いることができる。ここで、「ネットワーク」と「システム」という表現は場合によって互いに交換して使用される。この技術は更に、多くの多重接続ネットワーク、例えば周波数分割多重接続（ＦＤＭＡ）、符号分割多重接続（ＣＤＭＡ）、時間分割多重接続（ＴＤＭＡ）、スペーシャル分割多重接続（ＳＤＭＡ）、直交ＦＤＭＡ（ＯＦＤＭＡ）、シングルキャリアＦＤＭＡ（ＳＣ−ＦＤＭＡ）ネットワークに対して使用することができる。ＯＦＤＭＡネットワークは直交周波数分割多重（ＯＦＤＭ）を使用する。ＳＣ−ＦＤＭＡネットワークはシングルキャリア周波数分割多重（ＳＣ−ＦＤＭ）を使用する。ＯＦＤＭおよびＳＣ−ＦＤＭはシステムの帯域幅を複数（Ｋ）の直交サブキャリアに分割し、これらのサブキャリアはトーン、ビンなどとも呼ばれる。各サブキャリアはデータによって変調することができる。一般的に、変調記号はＯＦＤＭによる周波数ドメインあるいはＳＣ−ＦＤＭによる時間ドメイン内で送信される。

ノイズ推定技術は更に、シングル入力シングル出力（ＳＩＳＯ）、シングル入力多重出力（ＳＩＭＯ）、多重入力シングル出力（ＭＩＳＯ）、多重入力多重出力（ＭＩＭＯ）通信のために用いることができる。シングル入力は一つの送信アンテナに関し、多重入力は複数の送信アンテナに関してデータ送信を行う。シングル出力は一つの受信アンテナに関し、多重出力は複数の受信アンテナに関してデータ受信を行う。分かり易くするために以下の説明ではＩＥＥＥ８０２．１１ａ，８０２．１１ｇおよび／または８０２．１１ｎを用いるＷＬＡＮの技術を用いて説明を行う。これらはすべてＯＦＤＭを使用している。

図１は、無線通信ネットワーク１００の二つの局１１０、１５０の実施形態のブロック図を示す。ダウンリンク（またはフォワードリンク）通信の場合、局１１０は、アクセスポイント、基地局、ノードＢまたは他のネットワーク装置の一部であり、これらの装置の機能の一部または全部を有する。また、局１５０は、端末、移動局、ユーザ装置、加入者装置、あるいは他の装置の一部であり、一部またはこれらすべての機能を有する。アップリンク（またはリバースリンク）通信の場合、局１１０は、端末、移動局、ユーザ装置などの一部であり、局１５０はアクセスポイント、基地局、ノードＢなどの一部である。局１１０はデータ通信の送信機であり、多重アンテナ（Ｔ）が設けられている。局１５０はデータ通信の受信機であり、多重アンテナ（Ｒ）が設けられている。各送信アンテナと受信アンテナはフィジカルアンテナあるいはアンテナアレイである。

送信局１１０において、送信（ＴＸ）データプロセッサ１２０は通信データを一つまたはそれ以上のレートに従って処理（例えばフォーマット、符号化、インターリーブ及びシンボルマップなどの）を行う。この明細書ではデータシンボルはデータに対するシンボルであり、パイロットシンボルはパイロットに対するシンボルであり、このシンボルは典型的には複素数の値を有する。データシンボルとパイロットシンボルはＰＳＫまたはＱＡＭのような変調スキームによる変調シンボルとして用いることができる。パイロットは送信機および受信機の双方によるプリオリ（priori)が知られているデータである。

ＴＸスペーシャルプロセッサ１３０はデータシンボルとパイロットシンボルとを多重化し、この多重化されたデータシンボルとパイロットシンボルに対して送信機スペーシャル処理を行い、Ｔ出力シンボル列をＴＯＦＤＭ変調器（Ｍｏｄ）１３２ａ〜１３２ｔに供給する。各ＯＦＤＭ変調器１３２はその出力記号列に対してＯＦＤＭ変調を行い、これらのＯＦＤＭ記号列を対応する送信機（ＴＭＴＲ）１３４に供給する。各送信機１３４はそのＯＦＤＭ記号を処理（例えばアナログ変換、フィルタ、増幅、アップコンバート）を行い、変調信号を生成する。送信機１３４ａ〜１３４ｔからのＴ変調信号はアンテナ１３６ａ〜１３６ｔから夫々送信される。

受信局１５０においては、Ｒアンテナ１５２ａ〜１５２ｒが送信局１１０からのＴ変調信号を受信し、各アンテナ１５２は受信信号を対応する受信機（ＲＣＶＲ）１５４に供給する。各受信機１５４はその受信信号を処理（例えば、フィルタ、増幅、ダウンコンバート、二値化）し、入力サンプルを対応するＯＦＤＭ復調器（Ｄｅｍｏｄ）１５６とノイズ推定器／プロセッサ１６０に供給する。各ＯＦＤＭ復調器１５６はその入力サンプルに対してＯＦＤＭ復調を行い、受信した記号を受信（ＲＸ）スペーシャルプロセッサ１７０に供給する。プロセッサ１６０は以下に説明するようにして入力サンプルに基づいてノイズの推定を行い、ノイズ推定をＲＸスペーシャルプロセッサ１７０に供給する。プロセッサ１７０は受信したパイロットシンボルに基づいてＭＩＭＯチャンネル応答を推定し、受信したデータシンボルに対してチャンネル推定とノイズ推定とを用いて検出動作を行い、データシンボル推定を供給する。ＲＸデータプロセッサ１７０は更にこのデータシンボル推定を処理（例えば逆インターリーブ、復号化）して復号データを生成する。

コントローラ／プロセッサ１４０、１８０は局１１０、１５０の動作を夫々制御する。メモリ１４２、１８２は局１１０、１５０におけるデータおよびプログラムコードを夫々記憶する。

ＩＥＥＥ８０２．１１ａ／ｇはサブキャリア構造を用いてシステムバンド幅をＫ＝６４個のサブキャリアに分割する。このサブキャリアは−３２〜＋３１までに割り当てられる。これらの全６４個のサブキャリアのうち、±｛１，．．．,６，８，．．．,２０，２２，．．．，２６｝で示される４８個のサブキャリアがデータ伝送に用いられ、データサブキャリアと称される。±｛７，２１｝で示される４個のサブキャリアがパイロットに用いられ、パイロットサブキャリアと称される。インデックス０で示されるＤＣサブキャリア及び残りのサブキャリアは使用されない。このようなサブキャリアの構成は一般に入手可能な状態で、１９９９年９月のＩＥＥＥ標準８０２．１１ａに“パート１１：無線ＬＡＮ媒体アクセスコントロール（ＭＡＣ）と物理レイヤー（ＰＨＹ）説明：５ＧＨｚバンドにおける高速物理レイヤー”に記載されている。ＩＥＥＥ８０２．１１ｎは、±｛１，．．．,６，８，．．．,２０，２２，．．．，２８｝で示される５２個のデータサブキャリアと±｛７，２１｝で示される４個のパイロットサブキャリアとを用いる。

図２はＩＥＥＥ８０２．１１におけるパケットフォーマット２００を示す。ＩＥＥＥ８０２．１１に対するプロトコルスタック内の物理（ＰＨＹ）レイヤーにおいて、データはＰＨＹサブレイヤーサービスデータユニット（ＰＳＤＵｓ）として処理される。ＰＳＤＵ２２０は、このＰＳＤＵ用に選択された符号および変調スキームに基づいて符号化され、変調される。ＰＳＤＵ２２０はＰＬＣＰヘッダー２１０を有し、これは図２に示すように６個のフィールドを持ち、ＩＥＥＥ８０２．１１ａ標準に記載されている。ＰＳＤＵ２２０と対応するフィールドとは３つのセクションを有するＰＨＹプロトコルデータユニット（ＰＰＤＵ）２３０により送信される。プリアンブルセクション２３２はＯＦＤＭシンボル期間の４個分の長さを持ち、１０個のショートトレーニングシンボル２３６とそれに続く２個のロングトレーニングシンボル２３８とを有する。これらのトレーニングシンボルはＡＧＣ、タイミング取得、粗、密の周波数取得、チャンネル推定及び他の用途のために受信局において用いられる。信号セクション２３４はＰＬＣＰヘッダー２１０の最初の５個のフィールドに対して１個のＯＦＤＭ記号を有する。データセクション２４０は、ＰＬＣＰヘッダー２１０のサービスフィールド、ＰＳＤＵ２２０およびこれに続くテールおよびパッドフィールドに対して可変数のＯＦＤＭ記号を持つ。ＰＰＤＵ２３０はまた、パケット、フレーム又は他の幾つかの名称で呼ばれることもある。

この実施形態においては、ノイズ推定は各パケットに対して抽出され、あるいはパケットを検出するために用いられる。各パケットに対してノイズ推定を抽出することにより、受信局ではＫ個のサブキャリアとＲ個の受信機によるノイズ偏差について良好な補償を行うことができる。従って、これによって改良されたパフォーマンスが実現できる。

このノイズ推定は色々な方法によって抽出することができる。一つの実施形態においては、ノイズ推定はＡＧＣ値に基づいて抽出される。受信機のノイズフロアはサーマルノイズと受信機の利得とにより決定される。サーマルノイズはノイズ形態によりその量を決定することができる。受信機の利得は所望あるいは固定の信号レベルを得るために受信機の利得を調整するのに使用されるＡＧＣ値によって与えられる。利得の調整が（例えば工場において）、受信機出力において異なるＡＧＣ値に対するノイズを確認するために行われる。ノイズ対ＡＧＣ値のルックアップテーブルを受信局内に格納することができる。これにより、受信機の現在のＡＧＣ値がこのルックアップテーブルに与えられて、この受信機に対する対応するノイズ推定が抽出される。

他の実施形態において、ノイズ推定がプリアンブル内に送信された２個のロングトレーニングシンボルに基づいて抽出される。各ロングトレーニングシンボルは、（１）５２個の特定のパイロットシンボルを送信に用いられる５２個のサブキャリアにマッピングすることにより、（２）信号値ゼロの１２個のゼロ記号を残りの１２個のサブキャリアにマッピングすることにより、あるいは（３）５２個のパイロットシンボルと１２個のゼロシンボルとに対して６４ポイントインバースＦＦＴを行って６４個のタイムドメインサンプル列を形成することにより生成することができる。このように、各ロングトレーニングシンボルは特定のサンプル列である。これらの２個のロングトレーニングシンボルは同じ方法で形成され、従って、同一の内容を持つものである。

ＳＩＳＯまたはＭＩＳＯ送信のために、受信局１５０は単一の受信機、例えば図１の受信機１５４ａからの単一の入力サンプル列を取得する。受信局１５０は以下に説明するようにして２個のロングトレーニングシンボルに対する入力サンプルに基づいてノイズ推定を行うことができる。

一実施形態において、２個のロングトレーニングシンボル間の位相オフセットは以下のようにして抽出することができる。

および

ここで、
ｐ（ｎ）は第一のロングトレーニングシンボルに対する入力サンプル、
ｑ（ｎ）は第二のロングトレーニングシンボルに対する入力サンプル、
Ｃ_ｓは相関結果、
Ｚ_ｓは第一、第二ロングトレーニングシンボル間の位相オフセット、
Ｌはロングトレーニングシンボルの長さ、
“＊”は複素共役
である。

ＬはＩＥＥＥ８０２．１１ａ／ｇ内のロングトレーニングシンボルであって６４に等しいが、ノイズ推定のために使用される他の列の値であってもよい。

数式（１）は第一のロングトレーニングシンボルに対する入力サンプルと第二のロングトレーニングシンボルに対する入力サンプルとの間の相関を求める。数式（２）はこの相関の結果をノーマライズして位相オフセットを取得する。この位相オフセットは受信局１５０における周波数誤差に起因するものである。この周波数誤差は送信機と受信局のクロック間の誤差に基づいて発生し、受信局１５０におけるダウンコンバージョン周波数が送信局１１０におけるアップコンバージョン周波数と異なる原因となる。この周波数誤差はさらにドップラー効果あるいは他のファクターによっても生じる。この位相オフセットは周波数誤差とロングトレーニングシンボルの長さとの積に等しい。この位相オフセットは更に、位相誤差、位相差などとも呼ばれる。

一実施形態において、ノイズ偏差は以下のようにして抽出することができる。

および

ここで、
ｐ^〜（ｎ）は第一のロングトレーニングシンボルに対する位相補正されたサンプル、
Ｎ_ｓはサンプル当たりのノイズ偏差である。

数式（３）において、サンプルｐ（ｎ）はＺ_ｓ ^＊と積算されて位相オフセットを除去して位相補正サンプルｐ^〜（ｎ）を得る。位相オフセットはあるいはサンプルｐ（ｎ）の代わりにサンプルｑ（ｎ）から除去されることもできる。数式（４）において、サンプルｑ（ｎ）はサンプル毎にサンプルｐ^〜（ｎ）から除算される。各サンプル毎の差は２乗され、ロングトレーニング記号内のすべてのＬサンプルに対するこの２乗された差の値は累積されて合計の差電力が取得される。この合計の差電力はｐ^〜（ｎ）列とｑ（ｎ）列間の差の電力である。この合計の差電力は２Ｌにより除算され、サンプル毎のノイズ偏差Ｎ_ｓが得られる。２Ｌの係数は（１）累積されるＬ個のサンプルに対する係数Ｌと、（２）数式（４）内の差分計算からの変化を２倍するための係数２とを含む。ノイズ偏差はノイズフロア推定あるいは他の用語によって表現することもできる。

受信局１５０はＫ個の全部のサブキャリアにまたがって非平坦な周波数応答を有することがある。この非平坦な周波数応答は受信局１５０におけるフィルタや他の回路ブロックに起因する。この周波数応答は（例えば工場における測定あるいは外部での測定により）特定させることができ、ルックアップテーブルに格納することができる。一実施形態において、各サブキャリアに対するノイズ偏差は以下のようにして抽出することができる。

ここで、Ｇ（ｋ）はサブキャリアｋに対するスケールファクタ、
Ｎｓ（ｋ）はこのサブキャリアｋに対するノイズ偏差である。

スケールファクタＧ（ｋ）は対象サブキャリア（例えばデータサブキャリア）に対して決定することができ、これらのサブキャリアの周波数応答の計算に使用することができる。スケールファクタのレンジは周波数応答のピークツウピーク変化によって決定される。例えば、ピークツウピーク変化が±６ｄＢであるときは、スケールファクタは正であり、ピーク値４を有する。このスケールファクタは、例えば受信局１５０の受信機の周波数応答が未知であるときは、すべてのサブキャリアに対して１．０に設定することができる。

ノイズ偏差は他の方法によっても抽出することができる。Ｎ_ｓ、Ｎ_ｓ（ｋ）及び他のノイズ偏差はパケットに対するノイズ推定として用いることができる。

一実施形態において、受信局１５０は最小平均２乗誤差（ＭＭＳＥ）技術に基づいてデータ検出（または等化）を以下のようにして行う。

ここで、
Ｒ（ｋ）はサブキャリアｋに対して受信したデータシンボル、
Ｈ（ｋ）はサブキャリアｋに対するチャンネル利得、
Ｓ^（ｋ）はサブキャリアｋに対するデータシンボル推定である。

受信局１５０は６４個すべてのサブキャリアに対して６４個の受信記号を得るために、パケットのデータ部の間に各ＯＦＤＭシンボルについて６４個の入力サンプル上で６４ポイントＦＦＴを行うことができる。受信局１５０はロングトレーニングシンボルに基づいてデータサブキャリアのチャンネル利得の推定を行うことができる。簡単のために、以下の説明ではチャンネル推定誤差はないものとして扱う。受信局１５０は、例えば数式（６）に示したように、チャンネル利得Ｈ（ｋ）とノイズ偏差Ｎ_ｓ（ｋ）を有するデータサブキャリアに対する受信データ記号Ｒ（ｋ）についてＭＭＳＥ検出を行うことができる。受信局１５０はまた、同じノイズ偏差Ｎ_ｓをすべてのデータサブキャリアに対して用いることができる。

ＳＩＭＯまたはＭＩＭＯ送信のために、受信局１５０はＲ個の受信機１５４ａ〜１５４ｒからのＲ個の入力サンプル列を、一つの入力サンプル列を各受信機からというようにして得る。受信局１５０は、以下のようにして２個のロングトレーニングシンボルに対する入力サンプルに基づいてノイズ推定を行うことができる。

一実施形態において、２個のロングトレーニングシンボル間の位相オフセットは以下のようにして抽出できる。

および

ここで、
ｐｉ（ｎ）は第一のロングトレーニングシンボルに対する受信機ｉからの入力サンプル、
ｑｉ（ｎ）は第二のロングトレーニングシンボルに対する受信機ｉからの入力サンプル、
Ｃ_ｍはＲ個のすべての受信機に対する相関、
Ｚ_ｍは第一、第二ロングトレーニングシンボル間の位相オフセットである。

一実施形態において、ノイズ偏差は各受信機に対して以下のようにして抽出される。

および

ここで、
Ｎ_ｉは受信機ｉに対するサンプル当たりのノイズ偏差である。

一実施形態において、ノイズ偏差は各受信機の各サブキャリアに対して以下のようにして抽出することができる。

ここで、
Ｇ_ｉ（ｋ）は受信機ｉのサブキャリアｋに対するスケールファクタ、
Ｎ_ｉ（ｋ）は受信機ｉのサブキャリアｋに対するノイズ偏差である。

他の実施形態において、すべての受信機に対するノイズ偏差は以下のようにして求められる。

ここで、Ｎ_ｔはすべての受信機に対する平均ノイズ偏差である。各受信機の各サブキャリアに対するノイズ偏差は数式（１１）に示したようにして、Ｎ_ｉをＮ_ｔに置き換えることにより求められる。

更に他の実施形態において、すべての受信機の各サブキャリアに対するノイズ偏差が以下のようにして求められる。

ここで、Ｎ（ｋ）はサブキャリア当たりのノイズ偏差である。

このノイズ偏差は更に他の方法によっても求めることができる。Ｎ_ｉ，Ｎ_ｉ（ｋ），Ｎ（ｋ），Ｎ_ｔおよび他のノイズ偏差をノイズ推定として用いることができる。

上記の各実施形態において、位相オフセットを決定して、ｐ（ｎ）またはｐｉ（ｎ）サンプルに与えられる。受信局１５０は異なる幾つかの送信局からパケットを受信するが、これらのパケットは夫々異なるクロック周波数を持っている場合がある。ＩＥＥＥ８０２．１１ａ／ｇは１００万分の±２０（ｐｐｍ）のクロック精度を定めている。このことは、５．８ＧＨｚに対して２３０ＫＨｚのオフセットを意味する。受信局１５０は各受信したパケットの周波数誤差を推定して取り除き、検出パフォーマンスを向上させることができる。

数式（７）〜数式（１０）に示した各実施形態において、Ｒ個のすべての受信機に対して単一の位相オフセットが決定され、各受信機に対するノイズ偏差を取得するために使用される。他の実施形態においては、各受信機に対して夫々位相オフセットが決定され、その受信機に対するノイズ偏差を求めるために使用される。この実施形態は、例えば各受信機に対して異なるオシレータが用いられる場合に用いられる。更に他の実施形態においては位相オフセットの算出は行われず、従って入力サンプルに対してそれを適用することもない。このような実施形態は例えば同じ送信局から複数のパケット列を受信するような場合に用いることができる。

送信局１１０は以下のようにして各データサブキャリアに対する送信スペーシャル処理を行うことができる。

ここで、
ｓ（ｋ）はサブキャリアｋに対するデータシンボルのＴ×１ベクトル、
Ｖ（ｋ）はサブキャリアｋに対するＴ×Ｔ送信マトリックス、
ｘ（ｋ）はサブキャリアｋに対する出力シンボルのＴ×１ベクトルである。

Ｖ（ｋ）はＭＩＭＯチャンネルのエイゲンモード（eigenmode)上に各データシンボルを送信するビーム形成マトリックス、Ｔ個のすべての送信アンテナから各データシンボルを送信するスペーシャルスプレッディングマトリックス、各データシンボルを一つの送信アンテナにマッピングする同一マトリックス、または他のマトリックスである。しかしながら、スペーシャルスプレッディングおよびビーム形成は用いられることはないのでシステムからは除外することができる。

一実施形態において、受信局１５０はＭＭＳＥ技術に基づいてＭＩＭＯ検出を行う。受信局１５０は以下のようにしてデータサブキャリアの各々に対してスペーシャルフィルタマトリックスを取り出すことができる。

ここで、
Ｈ（ｋ）はサブキャリアｋに対するＲ×ＴのＭＩＭＯチャンネル応答マトリックス、
Ｈ _ｅｆｆ（ｋ）＝Ｈ（ｋ）・Ｖ（ｋ）はサブキャリアｋに対する実効チャンネル応答マトリックス、
Ｎ（ｋ）はサブキャリアｋに対するＲ×Ｒのノイズマトリックス、
Ｄ（ｋ）＝[diag{H _eff ^H(k)・[H _eff(k)・H _eff ^H(k)+N(k)]^-1・H _eff(k)}]^-1
及び
Ｍ（ｋ）はサブキャリアｋに対するＴ×Ｒのスペーシャルフィルタマトリックスである。

Ｄ（ｋ）はデータ記号のノーマライズ推定を得るためのスケーリング値の対角マトリックスである。受信局１５０はＴ個のすべての送信アンテナから送信局１１０により送信されたＭＩＭＯパイロットに基づいてＨ（ｋ）またはＨ _ｅｆｆ（ｋ）を推定することができる。

受信局１５０は以下のようにしてＮ（ｋ）を取得することができる。

ここで、Ｎ（ｋ）の対角要素は上述のようにして求めることができる。受信局１５０は更に、Ｎ（ｋ）＝Ｎ（ｋ）・ＩまたはＮ（ｋ）＝Ｎ_ｔ・Ｉ、ここで、Ｉは同一のマトリックスである。

受信局１５０は以下のようにしてＭＩＭＯ検出を行うことができる。

ここで、
ｒ（ｋ）はサブキャリアｋに対する受信データシンボルのＲ×１のベクトル、
ｓ^（ｋ）はサブキャリアｋに対するデータシンボル推定のＴ×１のベクトル、
ｎ（ｋ）はＭＩＭＯ検出後のノイズベクトルである。

このノイズ推定は更に、ゼロ−フォーシング（ＺＦ）、最大見込み列推定（ＭＬＳＥ）、最大見込み（ＭＬ）復号化、リスト範囲復号化（ＬＳＤ）、マルチユーザ検出（ＭＵＤ）等の他の検出技術のために使用することができる。このノイズ推定は更に、例えばログ−見込みレシオ（ＬＬＲｓ）または他の見込み動作の計算のような復号化のために使用することができる。

図３は図１に示したノイズ推定器／プロセッサ１６０の一実施形態のノイズ推定器／プロセッサ１６０ａのブロック図を示す。受信機ｉのノイズ推定器３１０内において、デマルチプレクサ（Ｄｅｍｕｘ）３１２は受信機ｉからの入力サンプルを受信し、第一のロングトレーニング記号のための入力サンプルｐｉ（ｎ）を積算器３１４、３３０に供給し、第二のロングトレーニング記号のための入力サンプルｑｉ（ｎ）をユニット３１６と加算器３３２とに供給する。ユニット３１６は各入力サンプルの共役化を行う。積算器３１４は各ｐｉ（ｎ）サンプルと対応するｑｉ^＊（ｎ）サンプルとの積算を行う。アキュムレータ（ＡＣＣ）３１８は積算器３１４の出力をロングトレーニング記号の期間累積して受信機ｉに対する相関結果を生成する。加算器３２０はＲ個すべての受信機の相関結果を加算する。ユニット３２２は加算器３２０の出力を正規化して位相オフセットＺ_ｍを生成する。ユニット３２４はユニット３２２の出力の共役化を行い、Ｚ_ｍ ^＊を生成する。

積算器３３０は各ｐｉ（ｎ）サンプルとＺ_ｍ ^＊との積算を行い、対応する位相補正サンプルｐｉ~（ｎ）を生成する。加算器３３２は各ｑｉ（ｎ）サンプルを対応するｐｉ~（ｎ）サンプルから減算する。ユニット３３４は加算器３３２の出力の２乗演算を行う。アキュムレータ３３６はユニット３３４の出力をロングトレーニング記号の期間内で累積して受信機ｉのためのノイズ偏差Ｎ_ｉを生成する。

一実施形態において、ノイズ推定はロングトレーニング記号（トレーニングに基づく方法）或いはＡＧＣ値（ＡＧＣに基づく方法）に基づいて行われる。トレーニングに基づく方法は例えば、受信機が高精度のノイズ推定が有効な干渉の多い環境で用いられる場合などに使用される。ＡＧＣに基づいた方法は例えば、受信機が高性能であり、ＡＧＣの測定結果の精度が高く、ハードウエアの節約が非常に望めるような場合に使用することができる。一つのノイズ推定方法を選択信号により選択することができる。

ＡＧＣに基づいた方法では、ルックアップテーブル（ＬＵＴ）３３８が受信機ｉに対するＡＧＣ値を受け、この受信機ｉに対するノイズ偏差Ｎ_ｉ’を生成する。ルックアップテーブル３３８に格納された値は適切なスケーリングを行って生成することができ、ＡＧＣ値により生成されたノイズ偏差Ｎ_ｉ’はロングトレーニング記号に基づいて生成されたノイズ偏差Ｎ_ｉに匹敵するものである。マルチプレクサ（Ｍｕｘ）３４０はノイズ偏差Ｎ_ｉおよびＮ_ｉ’を受け取り、選択信号に基づいてＮ_ｉまたはＮ_ｉ’を出力する。積算器３４２はマルチプレクサ３４０からのノイズ偏差を各サブキャリアｋに対するスケールファクタＧ_ｉ（ｋ）と積算し、受信機ｉのサブキャリアに対するノイズ偏差Ｎ_ｉ（ｋ）を生成する。ルックアップテーブル３４４は受信機ｉに対するすべての対象となるサブキャリア（例えばデータサブキャリア）についてのスケールファクタを格納している。これらのスケールファクタは受信機ｉの周波数応答を示し、ノイズ偏差がＭＩＭＯ検出器の入力における信号レベルに関係する適切なレベルを持つように選択することができる。これらのスケールファクタの調整の幅は±６ｄＢまたはそれ以下であり、ピーク値４を持つ正の値である。

簡単のために、図３では一つの受信機ｉに対するノイズ推定を示している。このノイズ推定は他のすべての受信機についても同様に行うことができる。加算機と積算器とは所望の精度を得るために十分なビット数を用いるように構成される。例えば、８ビットの積算器が０．２５ｄＢの精度を達成するために用いられる。これより大きいビット数または小さいビット数で構成することもできる。

図３の実施形態において、ノイズ推定方法のいずれにおいても、ノイズ偏差が各受信機に対して決定され、例えば数式（１１）に示したように、サブキャリアについて知られている変化を補償するようにスケールファクタと積算される。他の実施形態において、ノイズ偏差が例えば数式（１２）に示されたようにすべての受信機に対して決定され、次いで、例えば数式（１１）で示されたように、各受信機に対するスケールファクタに適用される。これらのノイズ偏差は更に他の方法によっても決定することができる。

図４は図１に示されたノイズ推定器／プロセッサ１６０の他の実施形態であるノイズ推定器／プロセッサ１６０ｂのブロック図を示す。プロセッサ１６０ｂはＲ個のすべての受信機に対するノイズ推定を、共通に用いられるハードウエアを用いて時間分割多重（ＴＤＭ）法により行う。各受信に１５４はＩＥＥＥ８０２．１１ａ／ｇによりｆ_ｓ＝２０ＭＨｚのサンプル速度で入力サンプルを与える。プロセッサ１６０ｂ内のハードウエアはＲ・ｆ_ｓで、即ち２０・ＲＭＨｚで動作することができる。

マルチプレクサ４１２はＲ個のすべての受信機１５４ａ〜１５４ｒからの入力サンプルを受け取る。各サンプル期間において、マルチプレクサ４１２はＲ個の受信機に対して動作し、各受信機からの入力サンプルをシフトレジスタ４１４、積算器４１６、サンプルバッファ４２４に供給する。各サンプル期間ｎにおいて、Ｒ個のすべての受信機からの入力サンプルはＴＤＭ、例えばｑ_１（ｎ）,ｑ_２（ｎ）, ．．,ｑ_Ｒ（ｎ）である。シフトレジスタ４１４は十分な量の遅延（例えばＩＥＥＥ８０２．１１ａ／ｇにおいて一つのロングトレーニング記号に対して６４サンプル期間）を与えるもので、第一のロングトレーニング記号に対する入力サンプルと際にロングトレーニング記号に対する入力サンプルの時間を一致させるために用いる。サンプルバッファ４２２はレジスタ４１４の出力を受けてすべてのＲ個の受信機からの第一ロングトレーニング記号に対してｐｉ（ｎ）サンプルを記憶する。サンプルバッファ４２４はすべてのＲ個の受信機からの第二ロングトレーニング記号に対してｑｉ（ｎ）サンプルを記憶する。

積算器４１６はレジスタ４１４からの各サンプルと、マルチプレクサ４１２からの対応する共役サンプルとの積算を行う。アキュムレータ４１８はＬ個のサンプルとＲ個の受信機とに関するすべての結果を累積して相関結果Ｃ_ｍを生成する。座標回転デジタルコンピュータ（ＣＯＲＤＩＣ）プロセッサ４２０はＣ_ｍの位相を決定し、位相オフセットＺ_ｍ ^＊を生成する。積算器４２６はバッファ４２２からのｐｉ（ｎ）サンプルとＺ_ｍ ^＊との積算を行い、ｐｉ~（ｎ）サンプルを生成する。ユニット４２８はｐｉ~（ｎ）サンプルからｑｉ（ｎ）サンプルを減算し、この差の値を２乗した値を計算する。図４に示された実施形態において、アキュムレータ４３０はすべてのＬ個のサンプルとＲ個の受信機とに係るユニット４２８の出力を例えば数式（１０）と数式（１２）とに示されたようにして合算し、ノイズ偏差Ｎｔを生成する。積算器４３２はノイズ偏差Ｎ_ｔとルックアップテーブル４３４からの異なるサブキャリアと受信機とに対するスケールファクタとの積算を行い、各受信機の各サブキャリアに対するノイズ偏差Ｎ_ｉ（ｋ）を生成する。他の実施形態において、アキュムレータ４３０は各受信機に対するすべてのＬ個のサンプルにまたがるユニット４２８の出力を例えば数式（１０）のようにして加算し、各受信機に対するノイズ偏差Ｎ_ｉを生成する。更に他の実施形態において、マルチプレクサ４３２とルックアップテーブル４３４とを省略することができる。

ノイズ推定は取得プロセスの一部として行うことができる。一実施形態においては、位相オフセットＺｍは取得動作の間に各受信パケットに対して計算され、受信局１５０の周波数誤差の確認のために使用することができる。この周波数誤差はタイムドメイン入力サンプルに作用する数値制御発振器（ＮＣＯ）を介して送信局１１０と受信局１５０のクロック間の残留周波数誤差を除去するために用いることができる。取得のために計算された位相オフセットはノイズ推定のためにも使用することができる。この実施形態において、ノイズ推定のために追加されるプロセスは図３のユニット３３０から３４４までの構成による機能または図４のユニット４２２から４３４までの構成による機能を含むことができる。

上述の実施形態において、ノイズ推定はパケットとともに送信された二つのロングトレーニング記号に対する二つの同一のサンプル列に基づいて抽出することができる。一般に、ノイズ推定は色々な同一サンプル列または受信局に知られている種々のサンプル列に基づいて抽出することができる。このノイズ推定は二つ以上のサンプル列に基づいて抽出することができる。二つの連続するサンプル列間の差が決定され、一対の連続するサンプル列の差がノイズ推定を抽出するために使用することができる。

図５は一実施形態における受信パケットの処理５００を示す。データ送信のために少なくとも一つのパケットが受信される（ブロック５１２）。ノイズ推定が、例えばパケットと共に送信された複数の同一のサンプル列またはパケットに対するＡＧＣ値に基づいて各パケットについて抽出される（ブロック５１４）。このパケットに対するノイズ推定を用いて各パケットについてデータ検出が行われる（ブロック５１６）。ブロック５１６において、例えば数式（６）または数式（１５）に示されているように、パケットに対するノイズ推定を用いて各パケットについて少なくとも一つの重みが生成される。次いで、このパケットについての少なくとも一つの重みを用いて各パケットに対してデータ検出が行われる。

図６はパケットを受信するための装置６００の一実施形態を示す。装置６００はデータ送信のために少なくとも一つのパケットを受け取る手段（６１２）と、各パケットに対するノイズ推定を取得する手段（６１４）と、このパケットに対するノイズ推定を用いて各パケットのデータ検出を行う手段（６１６）とを含む。

図７は受信局においてノイズ推定を行うためのプロセス７００の一実施形態を示す。少なくとも一つの第一サンプル列（例えばｐ（ｎ）またはｐｉ（ｎ））と、少なくとも一つの第二サンプル列（例えばｑ（ｎ）またはｑｉ（ｎ））が少なくとも一つの受信機から得られる（ブロック７１２）。第三のサンプル列（例えばｐ~（ｎ）またはｐｉ~（ｎ））が受信機に対する第一サンプル列に基づいて各受信機に対して取得される（ブロック７１４）。少なくとも一つの受信機に対して第二、第三のサンプル列に基づいてノイズ推定が抽出される（ブロック７１６）。

ブロック７１４において、第一、第二サンプル列間の位相オフセットが決定されて各受信機に対する第一サンプル列に供給され、この受信機に対する第三サンプル列が取得される。位相オフセットは各受信機に対して第一サンプル列を第二サンプル列と相関させて、例えば数式（１）または数式（７）に示されているように、すべての受信機に対する相関結果を累積することができる。或いは、各受信機に対する第一サンプル列を第３サンプル列としてその受信機に対して使用することができる。

ブロック７１６において、各受信機に対して第二、第三サンプル列間の電力差が決定され、例えば数式（１０）に示されているように、各受信機に対するノイズ偏差がその受信機に対する電力差に基づいて抽出できる。或いは、例えば数式（１２）に示したように、すべての受信機に対する電力差を合計して合計差電力が取得でき、この合計差電力に基づいてすべての受信機に対するノイズ偏差を抽出することができる。いずれの場合においても、各受信機に対するノイズ偏差が複数のサブキャリアに対する複数のスケーリングファクタを用いてスケーリングでき、例えば数式（５）または数式（１１）に示すように、受信機の複数のサブキャリアに対するノイズ偏差を取得することができる。

図８はノイズ推定を行うための装置８００の一実施形態を示す。装置８００は少なくとも一つの受信機からの少なくとも一つの第一サンプル列と第二サンプル列とを生成する手段（ブロック８１２）と、その受信機に対する第一サンプル列に基づいて各受信機に対する第三サンプル列を生成する手段（ブロック８１４）と、少なくとも一つの受信機に対して第二、第三サンプル列に基づいてノイズ推定を生成する手段（８１６）とを含む。

ここで説明されているノイズ推定技術は比較的正確なノイズ推定である。前記のノイズ偏差は非バイアス値であり、正しい平均値を有する。信号対ノイズ比（ＳＮＲ）の値の広い範囲についてコンピュータによるシミュレーションが行われた。ノイズ偏差の標準的なずれが約０．５ｄＢであることが判明し、このことからノイズ偏差の正しい値が約０．５ｄＢであることが分かった。この精度は、受信機ごとにノイズ偏差を抽出しあるいはサブキャリア全体の知られている変化を補償するような調整を行うことにより更に良くすることができる。正確なノイズ推定により、例えば数式（６）または数式（１５）におけるＭＭＳＥ重みなどの改良された検出重みを実現することができる。これらの改良された検出重みにより、受信局１５０におけるデータ受信状態を更に改善することができ、また低いＳＮＲにおいてより高次の変調スキームを可能とすることにより全体のスループットを改善することができ、その他種々の利点が得られる。ここで説明されたノイズ推定はわずかなハードウエアやメモリを用いて簡単に実現することができる。

ここで説明されているノイズ推定は種々の手段により実施することができる。例えば、これらの技術はハードウエア、ファームウエア、ソフトウエア、またはこれらの組み合わせにより実現することができる。ハードウエアによる場合には、ノイズ推定を行うための処理ユニットは一つまたはそれ以上のアプリケーションスペシフィックインテグレーテッド回路（ＡＳＩＣｓ）、デジタルシグナルプロセッサ（ＤＳＰｓ）、デジタルシグナルプロセッシングデバイス（ＤＳＰＤｓ）、プログラマブルロジックデバイス（ＰＬＤｓ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡｓ）、プロセッサ、コントローラ、マイクロコントローラ、マイクロプロセッサ、エレクトロニックデバイス、ここで説明されている機能を果たすように構成された他の電子ユニット、あるいはこれらの組み合わせ、などのひとつまたは組み合わせにより実現することができる。

ファームウエアまたはソフトウエアによる場合には、ノイズ推定技術はここで説明された機能を果たすように構成されたモジュール（例えば手順、機能など）によって実現できる。ファームウエア及びソフトウエアコードはメモリ（例えば図１のメモリ１８２）に記憶され、プロセッサ（例えばプロセッサ１８０）によって実行される。このメモリはプロセッサ内またはプロセッサ外部に設けることができる。

一つまたは複数の実施形態では、各説明された機能はハードウエア、ソフトウエア、ファームウエア、またはこれらの組み合わせにより実現することができる。もしソフトウエアで実現する場合には、これらの機能はコンピュータにより読み取り可能な一つまたは複数の媒体上に一つまたは複数の命令またはコードとして記憶される。コンピュータによる読み取り可能な媒体は、コンピュータに内蔵された媒体およびコンピュータプログラムを一つの場所から他の場所に移動させる種々の通信媒体を含む。記憶媒体はコンピュータによってアクセス可能ないかなる媒体であってもよい。例えば、限定はされないが、そのようなコンピュータにより読み取り可能な媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭまたは他の光ディスク、磁気ディスク、または他の磁気記憶装置、または命令形式またはデータ構造のプログラムコードの形式を有しコンピュータによりアクセス可能な所望のプログラムコードを保持できるいかなる媒体であってもよい。さらに、いかなる接続もコンピュータにより読み取り可能な媒体として称することができる。例えば、もしソフトウエアがウエブサイト、サーバ、または他の遠隔のソースから同軸ケーブル、光ファイバーケーブル、ツイステッドペア、デジタル加入者線（ＤＳＬ）、または無線技術、例えば赤外線、ラジオ、マイクロウエーブなどを用いて送信されるときは、これらの同軸ケーブル、光ファイバーケーブル、ツイステッドペア、ＤＳＬ，または赤外線、ラジオ、マイクロウエーブのような無線技術などは媒体としての定義の中に含まれることになる。ここで用いられるディスクは、コンパクトディス（ＣＤ）、レーザーディスク（登録商標）、光ディスク、デジタルバーサタイルディスク（ＤＶＤ）、フロッピー（登録商標）、ブルーレイディスク（登録商標）などであり、ディスク（disk)は通常、データを磁気的に再生するが、ディスク（disc）はデータをレーザーを用いて光学的に再生する。上記のいかなる媒体の組み合わせもコンピュータによる読み取り可能な媒体の中に含まれるべきである。

上述の実施形態は当業者により製造しあるいは使用できるように記述されている。これらの実施形態の種々の変形も当業者にとって自明であり、ここで定義された原理は記載された技術範囲から逸脱せずに他の実施形態にも適用することができる。したがって、ここに開示された記載内容に限定されることなく、記載された実施形態に限定されることなく、原理の範囲内および新規な特徴に従って最も広く解釈されるべきである。

Claims (27)

1. 少なくとも一つのプロセッサと、
   前記プロセッサに結合されたメモリと、
   を具備する装置であって、
   前記少なくとも一つのプロセッサは、
   第一のサンプル列と第二のサンプル列との間の位相オフセットを決定し、なお、前記第一のサンプル列及び前記第二のサンプル列は、前記位相オフセットを決定する前は互いに実質的に同一であったものである、
   前記位相オフセットを前記第一のサンプル列に与えて第三のサンプル列を取得し、
   前記第二のサンプル列及び前記第三のサンプル列に基づいてノイズ推定を抽出し、
   パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出し、
   前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行するように構成された、
   装置。
2. 前記少なくとも一つのプロセッサは、パケットと共に送られた第一及び第二のロングトレーニング記号に対して前記第一及び第二のサンプル列を取得するように構成された、請求項１に記載の装置。
3. 前記少なくとも一つのプロセッサは、前記第二及び第三のサンプル列間の電力差を決定し、この電力差に基づいてノイズ偏差を抽出するように構成され、前記第一のノイズ推定は多重サブキャリアに対するノイズ偏差を有する、請求項１に記載の装置。
4. 前記少なくとも一つのプロセッサは多重サブキャリアに対する多重スケーリングファクタによってノイズ偏差をスケーリングするように構成され、前記第一のノイズ推定は多重サブキャリアに対するノイズ偏差を有する、請求項３に記載の装置。
5. 第一のサンプル列及び第二のサンプル列の間の位相オフセットを決定することと、なお、前記第一のサンプル列及び前記第二のサンプル列は、前記位相オフセットを決定する前は互いに実質的に同一であったものである、
   前記位相オフセットを前記第一のサンプル列に与えて第三のサンプル列を取得することと、
   前記第二及び第三のサンプル列に基づいてノイズ推定を抽出することと、
   パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出することと、
   前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行することと、
   を具備する方法。
6. 前記ノイズ推定を抽出することは、
   前記第二及び第三のサンプル列間の電力差を決定することと、
   前記電力差に基づいてノイズ偏差を抽出することと、なお、前記ノイズ推定は前記ノイズ偏差を備える、請求項５に記載の方法。
7. 前記ノイズ推定を抽出することは更に多重サブキャリアに対する多重スケーリングファクタによってノイズ偏差をスケーリングすることを備え、前記ノイズ推定は前記多重サブキャリアに対するノイズ偏差を有する、請求項６に記載の方法。
8. 第一のサンプル列と第二のサンプル列との間の位相オフセットを決定するための手段と、なお、前記第一のサンプル列及び前記第二のサンプル列は、前記位相オフセットを決定する前は互いに実質的に同一であったものである、
   前記位相オフセットを前記第一のサンプル列に与えて第三のサンプル列を取得するための手段と、
   前記第二及び第三のサンプル列に基づいてノイズ推定を抽出するための手段と、
   パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出するための手段と、
   前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行するための手段と、
   を具備する装置。
9. 前記ノイズ推定を抽出するための手段は、
   前記第二及び第三のサンプル列間の電力差を決定する手段と、
   前記電力差に基づいてノイズ偏差を取得する手段と、なお、前記ノイズ推定は前記ノイズ偏差を備える、
   を具備する、請求項８に記載の装置。
10. 前記ノイズ推定を抽出するための手段は、さらに、多重サブキャリアに対する多重スケーリングファクタを用いてノイズ偏差をスケーリングするための手段を備え、前記ノイズ推定は前記多重サブキャリアに対するノイズ偏差を備える、請求項９に記載の装置。
11. 少なくとも一つのプロセッサと、
    前記少なくとも一つのプロセッサに結合されたメモリと、
    を具備する装置であって、
    前記少なくとも一つのプロセッサは、
    少なくとも一つの受信機から少なくとも一つの第一のサンプル列及び少なくとも一つの第二のサンプル列を取得し、なお、前記第一のサンプル列及び前記第二のサンプル列は、受信の前は互いに実質的に同一であったものである、
    前記受信機に対する前記第一のサンプル列に基づいて各受信機に対する第三のサンプル列を取得し、
    前記少なくとも一つの受信機に対する前記第二及び第三のサンプル列に基づいてノイズ推定を抽出し、
    パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出し、
    前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行する、
    ように構成された、
    装置。
12. 前記少なくとも一つのプロセッサは、前記少なくとも一つの受信機に対して前記第一及び第二のサンプル列間の位相オフセットを決定し、前記位相オフセットを各受信機に対する前記第一のサンプル列に与えて前記受信機に対する第三のサンプル列を取得するように構成された、請求項１１に記載の装置。
13. 前記少なくとも一つのプロセッサは、各受信機に対して前記第一のサンプル列を前記第二のサンプル列と相関させ、少なくとも一つの受信機に対する少なくとも一つの相関を累積し、前記少なくとも一つの受信機に対する少なくとも一つの相関の結果を累積して前記位相オフセットを取得するように構成された、請求項１２に記載の装置。
14. 前記少なくとも一つのプロセッサは、各受信機に対する前記第一のサンプル列を前記受信機の前記第三のサンプル列として用いるように構成された、請求項１１に記載の装置。
15. 前記少なくとも一つのプロセッサは、各受信機の前記第二及び第三のサンプル列の電力差を決定し、前記受信機に対する前記電力差に基づいて各受信機のノイズ偏差を抽出するように構成され、前記ノイズ推定は前記少なくとも一つの受信機に対する少なくとも一つのノイズ偏差を備える、請求項１１に記載の装置。
16. 前記少なくとも一つのプロセッサは、多重サブキャリアに対する多重スケーリングファクタを用いて各受信機のノイズ偏差をスケーリングするように構成され、前記ノイズ推定は前記少なくとも一つの受信機の前記多重サブキャリアのノイズ偏差を備える、請求項１５に記載の装置。
17. 前記プロセッサは、各受信機の前記第二及び第三のサンプル列間の電力差を決定し、前記少なくとも一つの受信機の前記電力差を加算して合計電力差を取得し、前記合計電力差に基づいてノイズ偏差を抽出するように構成され、前記ノイズ推定は前記ノイズ偏差を備える、請求項１１に記載の装置。
18. 前記プロセッサは、各受信機の多重サブキャリアの多重スケーリングファクタを用いてノイズ偏差をスケーリングするように構成され、前記ノイズ推定は前記少なくとも一つの受信機の前記多重サブキャリアのノイズ偏差を有する、請求項１７に記載の装置。
19. 少なくとも一つの受信機から少なくとも一つの第一のサンプル列と第二のサンプル列とを取得することと、なお、前記第一のサンプル列及び前記第二のサンプル列は、受信の前は互いに実質的に同一であったものである、
    前記受信機の前記第一サンプル列に基づいて各受信機のための第三のサンプル列を取得することと、
    前記少なくとも一つの受信機の前記第二及び第三のサンプル列に基づいてノイズ推定を抽出することと、
    パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出することと、
    前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行することと、
    を具備する方法。
20. 前記各受信機のための前記第三サンプル列を取得することは、
    前記少なくとも一つの受信機のための前記第一及び第二のサンプル列間の位相オフセットを決定することと、
    前記位相オフセットを各受信機の前記第一サンプル列に適用して各受信機の第三のサンプル列を取得することと、
    を具備する、請求項１９に記載の方法。
21. 前記ノイズ推定を抽出することは、
    各受信機の前記第二及び第三のサンプル列間の電力差を決定することと、
    前記受信機の前記電力差に基づいて各受信機のノイズ偏差を抽出することと、なお、前記ノイズ推定は前記少なくとも一つの受信機に対する少なくとも一つの前記ノイズ偏差を備える、
    を具備する、請求項１９に記載の方法。
22. 前記ノイズ推定を抽出することは、
    各受信機の前記第二及び第三のサンプル列間の電力差を決定することと、
    前記少なくとも一つの受信機の前記電力差を加算して合計電力差を取得することと、
    前記合計電力差に基づいてノイズ偏差を抽出することと、なお、前記ノイズ推定は前記ノイズ偏差を備える、
    を具備する、請求項２１に記載の方法。
23. 少なくとも一つの受信機から少なくとも一つの第一のサンプル列と第二のサンプル列とを取得する手段と、なお、前記第一のサンプル列及び前記第二のサンプル列は、受信の前は互いに実質的に同一であったものである、
    前記受信機の前記第一のサンプル列に基づいて各受信機のための第三のサンプル列を取得する手段と、
    前記少なくとも一つの受信機の前記第二及び第三のサンプル列に基づいてノイズ推定を抽出する手段と、
    パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出する手段と、
    前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行する手段と、
    を具備する装置。
24. 前記各受信機のための前記第三のサンプル列を取得する手段は、
    前記少なくとも一つの受信機の前記第一及び第二のサンプル列間の位相オフセットを決定する手段と、
    各受信機の前記位相オフセットを前記第一サンプル列に適用して前記受信機に対する第三サンプル列を取得する手段と、
    を具備する、請求項２３に記載の装置。
25. 前記ノイズ推定を抽出する手段は、
    各受信機の前記第二及び第三のサンプル列間の電力差を決定する手段と、
    前記受信機の前記電力差に基づいて各受信機のノイズ偏差を抽出する手段と、なお、前記ノイズ推定は前記少なくとも一つの受信機に対する少なくとも一つの前記ノイズ偏差を備える、
    を具備する、請求項２３に記載の装置。
26. 前記ノイズ推定を抽出する手段は、
    各受信機の前記第二及び第三のサンプル列間の電力差を決定する手段と、
    前記少なくとも一つの受信機の電力差を加算して合計の電力差を取得する手段と、
    この合計電力差に基づいてノイズ偏差を抽出する手段と、
    を具備し、
    前記ノイズ推定はノイズ偏差を有する、請求項２３に記載の装置。
27. 少なくとも一つの受信機から少なくとも一つの第一サンプル列と第二サンプル列とを取得するための第一の命令と、なお、前記第一のサンプル列及び前記第二のサンプル列は、受信の前は互いに実質的に同一であったものである、
    前記受信機の前記第一のサンプル列に基づいて各受信機の第三サンプル列を取得するための第二の命令と、
    前記少なくとも一つの受信機の前記第二及び第三のサンプル列に基づいてノイズ推定を抽出するための第三の命令と、
    パケットに対する前記ノイズ推定及びチャンネル利得を用いて、各パケットについて受信データシンボルに対する少なくとも一つの重みを最小平均平方根誤差法（ＭＭＳＥ法）に基づいて抽出するための第四の命令と、
    前記パケットに対する前記少なくとも一つの重みを用いて、各パケットに対するデータ検出を実行するための第五の命令と、
    を備える命令が記憶された、コンピュータにより読み取り可能な記憶媒体。

Images