SE521766C2 - Metod och anordning för att undertrycka störningar - Google Patents

Description

25 ~ 521 766 2 utom åverkad av brus och störning. Signalen återskapas och demoduleras i mottagaren. Den återskapade signalen bearbetas av kanal- och källavkodare för att erhålla en kopia av den utsända källsigiialen.

I en mottagare med endast en antenn söker demodulatom normalt sett bekämpa distorsion orsakad av kommunikationskanalen och brus men försummar effekter orsakade av störning.

För att erhålla effektiva algoritmer anses bruset normalt sett vara vitt. Om bruset inte är vitt, kan ett filter användas som gör det mer vitt, men detta görs normalt sett inte eftersom bru- sets färg är okänd.

Filterstrukturer kan användas för att undertrycka störning. Adaptiva eller icke-adaptiva algo- ritrner kan användas för att justera parametrarna i dessa filtrerstrtilcturer så att den önskade signalen kan skattas. Demodulatorer demodulerar den skattade eftersökta signalen efter fil- terstrukturerna.

Det finns två metodklasser för att välja pararnetervärdena. Konventionella metoder är base- rade på kännedom om träningssekvenserna vilka finns inbäddade i de önskade signalerna, denna kunskap används för att välja en initial inställning av koefficientemas värden, typiskt enligt ett minsta kvadratfelskriterium. Då anpassning sker med hjälp av en träningssekvens, används mottaget data för att utvinna parametrarna. Blinda metoder använder en eller flera egenskaper hos störningen eller de önskade signalema i stället för träningssekvenser. Kon- ventionella metoder som använder en känd träningssignal är välkända för en fackman inom området Signalbehandling och finns beskrivna i den öppet tillgängliga litteraturen för adap- tiv Signalbehandling och adaptiv filtrering.

Den önskade signalen skattas av en sekvensestimator, vilken finns realiserad i flera kända versioner. Dessa estimatorer använder algoritmer för att matematiskt beräkna den önskade signalen med hjälp av filterparametrar.

Den vanligast förekommande sekvensestimatom som används i mottagarstrukturer är ”MLSE-sekvensestimatom” (Maximum Likelihood Sequence Estimator). Denna realiseras företrädesvis med den s.k. Viterbialgoritrnen. En version av denna algoritm är den s.k. " SOVA-algoritmen”, (Soft Output Viterbi Algorithm), som förbättrar prestanda för signalens efterföljande kanalavkodning. ”MAP-algoritmen" (Maximum A Posteriori) ger bättre pres- 10 15 20 25 *521 766 3 tanda, men är beräkningsmässigt svårare. I ”DFE-equalizern” (Decision Feedback Equali- zer) används tidigare bestämda symboler för att bestämma nuvarande symbol. En kompro- miss mellan MLSE och DFE vad gäller prestanda är ”DFSE-estirnatorn" (Decision Feed- back Sequence Estimator), för vilken det är möjligt att göra en kompromiss mellan beräk- ningsmässig komplexitet och prestanda. I fallet med mer än en antenn kan vissa mottagare även beakta störningar.

Den huvudsakliga bristen hos existerande lösningar vilka använder en antenn är att algorit- mema endast beaktar brus, medan många kommunikationssystem begränsas av störning.

Problemet är att då störningens egenskaper inte passar den brusmodell enligt vilken motta- garen konstruerats, försämras mottagarens prestanda avsevärt.

”IRC-mottagaren” (Interference Rejection Combining) kombinerar samman utsignalema från antennerna under det att den söker minimera inverkan av brus och störning. Det finns en algoritm beskriven i litteraturen som betraktar störningen såsom en färgad process. Den- na algoritm har tagits fram under antagandet att bruset kan beskrivas såsom en vit sekvens vilken passerat genom ett AR-filter (Auto Regressive).

Nedanstående patentskrifter presenteras här såsom lösningar enligt teknikens ståndpunkt vad gäller undertryckandet av störning med hjälp av olika filterstrulaurer och för skattning av den önskade signalen genom val av lämpliga filterparametrar för filterstrukturema.

WO 98/ 16021 beskriver en lösning enligt teknikens ståndpunkt för att utvinna en önskad signal från ett flertal digitala datasignaler, vilka överlappar varandra spektralt och tidsmäs- sigt. Anordningen enligt denna lösning omfattar olika filter vilka producerar tidsförskjutna utsignaler, firekvensförskjuma utsignaler och organ för att linjärt kombinera och addera nämnda utdatasignaler och för att producera en skattning av nämnda önskade signal.

WO 97/11544 använder en °”NPML-datadetekteringsmetod” (Noise-Predictive Maximum- Likelihood), vilken arbetar med signalsarnpel erhållna från en equalizer i form av ett filter.

EP O 782 260 A2 beskriver en equalizerkonfiguration för att bearbeta komplexa och icke- komplexa signalsampel. 10 15 20 25 *521 766 4 Utvecklingen av mobil kommunikation går idag mot fler och fler användare, vilket leder till ökande stöming. Detta innebär att det är viktigt att fortlöpande finna bättre metoder för att undertrycka och utplåna stömingar och att varje förbättring inom detta område är använd- bar.

SAMMANFATTNING AV UPPFINNINGEN Målet med uppfinningen är att få fram en bättre metod och anordning för att undertrycka störning, vilken erbjuder förbättringar avseende prestanda i förhållande till metoder enligt teknikens ståndpunkt.

Metoderna och anordningarna enligt uppfinningen, vilka väljer parametervärdena i filter- strukturerna, är förbättrade metoder i förhållande till teknikens ståndpunkt i det att väsentli- gen förbättrade prestanda erhålls. Metoden arbetar med en eller flera antenner såväl som med eller utan översampling.

Uppfinningens metod kännetecknas främst av att signalen mottas såsom en kombination av brus, stöming och den distorderade önskade signalen från en eller flera antenner. Den mot- tagna signalen separeras i en realdel och en imaginärdel och bruset och störningskompo- nenten moduleras såsom en filtrerad process. Genom att använda den kombinerade struktu- ren hos den således erhållna signalen, skapas en ekvation för den mottagna signalen såsom en funktion av den önskade signalen distorderad av kommunikationskanalen, bruset och störningskomponenten. Filterparametrarnas värden kan sedan väljas i ekvationen, och där- efter kan den önskade signalen skattas genom beräkningar från ekvationen med hjälp av de valda filterparametrama.

Anordningen kännetecknas främst av a) organ för att motta en signal såsom en kombination av brus, störning och den distorde- rade önskade signalen från en eller flera antenner, b) organ för att dela upp den mottagna signalen i en realdel och en imaginärdel, c) organ för att modulera bruset och störningskomponenten såsom en filtrerad process, d) organ för att skapa en ekvation för den mottagna signalen såsom en funktion av den önskade signalen distorderad av kommunikationskanalen, bruset och störningskornpo- nenten genom att använda signalstrukturen erhållen i stegen b) och c), 10 15 20 521 766 5 e) organ för att välja filterpararnetrarnas värden i nämnda ekvation, t) organ för att skatta den önskade signalen genom beräkningar med användning av nämn- da ekvation och nämnda filterparametrar. l fallet då symbolen som skall sändas är endimensionellt modulerad i det komplexa talpla- net, löser föreliggande uppfinning stömingsproblemet genom att använda denna inneboende signalstruktur.

Den önskade signalen har modulerats endirnensionellt och utsänts av en sändare, och har därefter passerat genom en komplex kommunikationskanal.

Det är känt att den mottagna signalen utgör en kombination av den utsända önskade signa- len, brus och störning. Distorsionen kan således tas i beaktande då den önskade signalen skattas. Distorsionen orsakad av kommunikationskanalen kan modelleras matematiskt.

Denna modell kan inkludera distorsionen av den önskade signalen såväl som överlagrat/d brus/störning. Distorsionen kan således tas i beaktande genom att modellera kanalen såsom ett linjärt ñlter i nämnda ekvation så att filtrets utsignal består av en produkt av filtervektorn och signalvektom utgörande insignal, såsom i följande ekvation š(z)=ša(f)+å(f) i vilken de diakritiska tecknen betecknar komplexvärda storheter/variabler. Den mottagna signalen separeras i en realdel och en imaginärdel, så att den mottagna signalen kan uttryck- as såsom en funktion av tiden ti följande form x(t) = hd(t) + n(t) där kanalmatrisen har följande form och 10 15 20 521 766 6 Redo» know» Reošo» 1m> x(t) = , n(t) = och där x(t) är den mottagna signalen, d är den önskade signalen och n är den kombinerade brus- och störningstermen och matrisen h innehåller kanalkoefficientema. Kanalkoefficien- tema modellerar distorsionen orsakad av kommunikationskanalen.

Bruset kan modelleras såsom en filtrerad process, t.ex. såsom en AR-process, i vilken bruset beskrivs på följande sätt K n(t) = Z Aknu -k)+e(f) k=l där A representerar filterparametrama, K antalet filterpararnetrar, t är tiden och e är en vit brusvektor.

Uppfinningen kan även använda andra filterprocesser, t.ex. MA-processen, den kända ma- tematiska ekvationen som återfinns i den allmänt tillgängliga litteraturen som beskriver fil- ICIPIOCCSSCI.

Kanalens koefficienter och filtrets parametrar i den modellerade processen för den önskade signalen och bruset beräknas med hjälp av en känd träningssekvens från ekvationen baserad på ktmskap om data sänt av signalen i träningssekvensen och med kännedom om bruskom- ponenten ezs statistiska egenskaer. Det finns matematiska algoritmer med vars hjälp h och A kan beräknas fiån ovanstående ekvation då x är känd (varande den mottagna signalen) och då ers statistiska egenskaper är kända. Exempel på sådana algoritmer inkluderar minsta kva- drat och maximum likelihoodmetoder.

Efter att ha valt ut filtrets parametrar och kanalens koefficienter, skattas den önskade signa- len matematiskt med hjälp av en utjämningsmetod som använder samma typ av algoritmer som nänmts ovan.

Utj ämningsmetoderna utförs på ett for en fackman på onrrådet känt sätt och kan tex. utföras med hjälp av en sekvensestimator. I matematiska tenner kan den önskade signalen t.ex. lO 15 20 25 30 >521 766 7 skattas med hjälp av en maximum-likelihoodskattning av ekvationen, som ger den mottagna signalen, i vilken det värde för den mottagna signalen som ger det minsta felet kan erhållas med hjälp av en matematisk algoritm. Då Viterbialgoritmen används kan den önskade sig- nalen erhållas utan att behöva beräkna den mottagna signalen för alla olika värden hos den önskade signalen. Det matematiska angreppssättets idé är att den mottagna signalen återska- pas med hjälp av kanalens koefficienter och filtrets utvalda parametrar och olika värden för den önskade signalen, varefter det återskapade värdet för den mottagna signalen järnförs med dess sarma värde för att erhålla felvärden för den mottagna signalen. Den önskade sig- nalen skattas därefter genom att välja den sekvens som ger minst fel för den mottagna sig- nalen.

Uppfinningens metod kan repeteras för varje mottagen symbolsekvens.

Såsom nänmts tidigare, kan uppfinningen använda olika kända ñlterprocessmodeller för att modellera brussignalen. Dessa processer kan utväljas bland filterprocesser vilka vanligtvis används för att skatta den önskade signalen själv. I en MA-modell är signalen en viktad summa av fördröjda ingångskomponenter, medan signalen i en AR-process är en viktad summa av föregående utgångsvärden. Bruset modelleras företrädesvis såsom vitt brus ge- nom ett AR-filter, men även andra filterprocesser kan användas. Ett exempel på ett armat alternativ är MA-filterprocessen.

Valet av antalet filterkoefñcienter värda att ta i beaktande, dvs. AR-processens ordningstal, kan skattas på ett anpassningsbart sätt med hjälp av kända algoritmer. Ett enkelt angrepps- sätt att skatta ordningstalet är att välja det största ordningstal som ger en väsentlig minsk- ning av skattningsfelet. Ett annat sätt att välja lämpligt ordningstal hos modellen är att an- vända varje skattad modell för att skatta ett antal överförda symboler och motsvarande fel.

Felet för olika modeller med olika ordningstal kan beräknas rekursivt, dvs. parametrarna vilka beräknats i nuvarande steg kan använda parametrar, vilka beräknats i föregående steg i syfte att förenkla beräkningens komplexitet.

Uppfinningens metod kan göras beräkningsmässigt mindre komplex med hjälp av förfiltre- ring. Det huvudsakliga syftet med förfiltrering är att minska kanalens tidsmässiga spridning, vilket således minskar sekvensestimatoms komplexitet. Förfiltreringen kan utföras med hjälp av kända metoder. 10 15 20 25 f 521 766 s Det är möjligt att erhålla förbättrade prestanda om översampling används. Översampling innebär att samplingen sker snabbare än bithastigheten eller symbolhastigheten. Genom att introducera översarnpling erhåller vi fler kanaler, eftersom vi får fler sampel och matema- tiskt kan detta faktum användas i ekvationen i termen som beskriver kanalens längd och mängd av sampel.

Tidigare kännedom om filterstrukturerna kan även användas för att minska mängden para- metrar. Det handlar då främst om de fysiska egenskaper hos kanalen som används i ekvatio- Den.

Riktningsbeslut är också en välkänd metod för att förbättra systemets prestanda. Konceptet baseras på idén att då väl alla eller några av de överförda symbolema har skattats, används värdena i en förnyad skattning av kanalen och filtrets parametrar. Dessa skattningar används sedan för förnyad skattning av de överförda symbolerna.

Den mottagna signalen skall helst moduleras linjärt med en endimensionell uppsättning, enligt uppfinningens metod, men om den mottagna signalen har modulerats icke-linjärt, kan signalen i vissa fall vridas tillbaka för att uppnå en linjär modulation. Ett exempel på en mo- dulationsmetod som kan vridas tillbaka år MSK (Minimum Shift Keying). Ett annat exem- pel är GMSK (Gaussian MSK), vilket är den modulation som används i GSM. Även om GMSK är en icke linjär modulation och ej kan omfonnas till att bli linjär, är det bevisat att den approximativt kan anses vara linjär med god noggrannhet.

Genom omfattande simuleringar har det observerats att mottagaren beskriven i föreliggande uppfinning erbjuder väsentligt förbättrade prestanda i en miljö med störningar, främst i form av lägre bitfelstakt, BER (Bit Error Rates), vilketi sin tur möjliggör ett handhavande med mycket lägre signal-till-brusförhållande, CIR (Carrier to Interference Ratios).

SIMULERINGSRESULTAT Uppfimiingens metod har simulerats med olika värden för AR-processens ordningstal, näm- ligen K=l och K=2. Uppfinningen har även simulerats för en utföringsform enligt uppfin- ningen, i vilken ordningstalet är anpassningsbar. Kanalen är en typisk urban kanal beskriven i GSM-specifikationen, och det är även GSM-systemet som används för kommunikationen. 10 15 20 25 §s21 766 9 Vitt Gaussiskt brus har även adderats med ett Eb/NO-värde av 25 dB, där Eb är energin per bit och N0 är brusspektrumets effekt.

Simuleringsresultaten visas i fig. 1, där uppfinningens prestanda jämförs med en konventio- nell mottagare. Resultatet visas såsom bitfelstakten, BER, såsom en funktion av signal-till- brusförhållandet, CIR. Den konventionella mottagaren som används är en Viterbialgoritin med fem uttag. Denna konventionella mottagare är väldigt lik de som används i de flesta lösningar enligt teknikens ståndpunkt. Den uppfyller kraven enligt GSM-specifikationen med en 2 dB marginal. Vid en bitfelstaktsnivå av 3% erhålls en förbättring om ca 7 dB då uppfinningens metod används. Det skall noteras att detta är en extremt stor förbättring.

Normalt sett anses en förbättring av en del av en dB värdefull. Den beräkningsmässiga komplexiteten då K=2 är ungefär fyra gånger den konventionella mottagarens. I fallet då K=l är förbättringen mindre än 2 dB. Den anpassningsbara metoden, vilken automatiskt välj er ordningstalet K, har även mycket bra prestanda.

Nedan beskrivs några föredragna utföringsformer för uppfinningen med hjälp av figurer och specifika matematiska beräkningsalgoritmer. Det är uppenbart för en fackman att uppfin- ningen även kan utföras med andra utjämningsmetoder och filterprocesser än de beskrivna i figurerna och att ekvationerna för maximum likelihoodkriteriet kan variera. Med andra ord, uppfinningens detaljer kan variera inom patentkravens skyddsomf°ang.

KORT RITNINGSBESKRIVNING ocH BESKRIVNING Av FÖREDRAGNA UTFöRINGsFoRn/IER F ormlerna 1-23 beskriver en skattning av den önskade signalen enligt en föredragen utfö- ringsforrn av uppfmningen. Uppfinningens prestanda järnfört med en konventionell motta- gare visas i fig. 1. De huvudsakliga särdragen för föreliggande uppfinning visas schematiskt i fig. 2.

BESKRIVNING AV FÖREDRAGNA UTFÖRINGSFORMER Ett exempel på en detaljerad matematisk modell för skattningen av den önskade signalen kommer nu att presenteras med hjälp av formlema l-23. De matematiska beräkningarna i sig är kända för en fackman och används i uppfinningen i vilken den önskade signalen 10 15 20 25 t521 766 10 skattas genom att dela upp signalen i en realdel och en imaginärdel och genom att modellera bruset såsom en filtrerad process.

En utsänd signal d(t), vilken mottas enligt uppfinningens metod, har modulerats linjärt och passerat genom en komplex kommunikationskanal h. Kommunikationskanalen ger upphov till distorsion hos den önskade signalen, och eftersom den mottagna signalen är en kombi- nation av den distorderade önskade signalen, bruset och störningskomponenten, kan den komplexa signalen x(t) uttryckas såsom i ekvation 1.

De diakritiska tecknen markerar att motsvarande storhet/variabel är komplex och n(t) be- tecknar det överlagrade bruset och störningen. I ekvation 1 har vektorn h formen enligt ek- vation 2, där indexen r och i betecknar koefficienternas real- respektive imaginärdel, och L är kommunikationskanalens längd uttryckt i bitperioder.

Vektom d(t) i ekvation 1 innehåller de fördröjda samplen för transmissionssymbolerna och kan uttryckas såsom i ekvation 3 där T betecknar transponat.

Genom att dela upp ekvation 1 i dess realdel och imaginärdel och behandla dessa var för sig får vi ekvation 4, där h kan uttryckas såsom en matris enligt ekvation 5, och x(t) och n(t) såsom i ekvationerna 6a respektive 6b.

Det skall noteras att ekvation 4 är helt reell. Modellen enligt ekvation 4 har en ingång och två utgångar. Om h inte innehåller nollvärda element, t.ex. ej är identiskt lika med noll, kan d(t) skattas från såväl den reala som den imaginära delen av den mottagna signalen (den första och den andra raden i ekvation 4). Det är således klart att om d(t) är reell, finns det en inneboende redundans i den mottagna signalen. Det är denna redundans som används for att konstruera en störningsundertryckande mottagare.

I denna utfóringsforin väljer vi att modellera bruset och störningen såsom en AR-process enligt ekvation 7, där e(t) är vitt brus med kovariansmatrisen uttryckt såsom i ekvation 8.

Ekvation 7 kan skrivas om såsom ekvation 9, där N(t) kan uttryckas såsom i ekvation 10 och MA såsom i ekvation ll. 10 15 20 25 =521 766 11 En ekvation för den mottagna signalen skall nu skapas. Ekvation 4 kan skrivas i allmän form enligt ekvation 12, där X(t) kan definieras på likartat sätt som i ekvation 10 så att D(t) skrivs såsom i ekvation 13 och H såsom i ekvation 14.

Genom att multiplicera ekvation 12 med MA erhålls ekvation 15.

Om MA och H är kända, kan källsignalen skattas genom att minimera maximum likelihood- kriteriet enligt ekvation 16. Olika utjänmingsmetoder existerar for denna skattning, och vanligtvis sker detta med hjälp av en s.k. sekvensestimator, känd enligt teknikens stånd- punkt. Den nämnda MLSE-estimatorn (Maximum Likelihood Sequence Estimator) realise- ras med hjälp av en matematisk algoritm, företrädesvis Viterbialgoritrnen (eller SOVA).

I praktiken är MA och H inte kända och måste således skattas. Om vi har en tränings- sekvens, som sänds i samband med den önskade signalen och som är känd av mottagaren, dvs. d(t) är känd för vissa tidsindex, kan kriteriet i ekvation 17 användas för att finna para- metrarna i MA och H såväl som i Q. Generellt sett är detta en icke-linjär minimering som kan vara numeriskt besvärlig.

Utföringsforrner med andra filterstrukturer och med andra ordningstal för processen skall nu beskrivas. Brus och störning har ovan beskrivits såsom en AR-process. Om en definition enligt ekvation 18 görs utan att ta hänsyn till Bzs struktur, kan parametrarna i stället skattas såsom i ekvation 19. Dessa skattningar och ekvation 20 kan sedan användas för att skatta de okända överförda symbolerna. Minimeringsproblemet i ekvation 19 är ett enkelt linjärt minsta kvadratproblem, väl beskrivet i litteraturen. Då vi introducerar förenklingen i ekva- tion 18 får vi en s.k. ARX-modell för den mottagna signalen. Enligt definitionen i ekvation 18 är Bzs ordningstal fixerat till L+K. I en utföringsform är Bzs ordningstal ej nödvändigtvis fixerat till L+K. Normalt sett är M 2 L, men uppfinningen är inte begränsad till detta fall.

En utföringsform som använder en adaptiv metod för att välja filterprocessens ordningstal skall nu beskrivas. Antag till exempel att mottagaren arbetar i en ren brusmiljö, så att A1=A2=0, eller ekvivalent n(t) = e(t). Då är det önskvärt att sätta AR-modellens ordnings- tal till K=O i syfte att inte beskriva processen med alltför många parametrar. Med andra ord vill vi undvika att problemet övfer-paraxneteriseras, vilket skulle lnxrina leda till en värre situ- ation än för den korrekta modellen. En version av uppfinningen i vilken modellens ord- 10 15 20 25 30 i521 766 Q ningstal är adaptiv. Det finns många metoder beskrivna i litteraturen som används för att bestärmna modellens ordningstal. De flesta baseras på något kriterium för hur stort skatt- ningsfelet får vara. Dessa residualer visar hur väl modellens ordningstal passar datat som används för skattningen. Om vi ökar modellens ordningstal, minskar alltid residualernas storlek. Det behövs ett test för att avgöra huruvida denna minskning är signifikant eller inte.

I denna utföringsform ges residualemas storlek av normen hos det skattade brusets kovari- ansmatris Q. Många skattningsprocedurer med olika ordningstal finns beskrivna i litteratu- ren, vilka kan tillämpas av föreliggande uppfinning. Maximum likelihoodrnetoder, såsom ”FPE” (Final Prediction Error), ”AIC” (Akaike's Inforrnation Criterion), och dess varianter (såsom de s.k. ”BIC” och ”CIC”) och ”MDL” (Minimum Description Length) kan alla till- lämpas för problemet som föreliggande uppfinning behandlar. Även kvasioptimala metoder existerar. Dessa metoder baseras på det faktum att kovariansmatrisen för den mottagna sig- nalen har en viss rangstruktur som kan användas för att dra slutsatser angående systemets ordningstal, vilket system skall identifieras. En stor nackdel med skattningsmetodema för att skatta ordningstalet är deras beräkningsmässiga komplexitet, varför realiseringar sker med hjälp av mer praktiska metoder. En enkel algoritm som skattar modellens ordningstal be- skrivs övergripligt enligt nedan. Algoritmen ges för fallet M=K+L men kan generaliseras till generella ARX-modeller. l) sätt K=0, r.| = oändligheten 2) skatta systemets pararnetrar med nuvarande ordningstal för modellen 3) beräkna rK=||Q|| 4) om rK/rjç; är väsentligen mindre än 1 och K 5) välj det K som gav den minsta väsentliga minskningen av rK Uttrycket "väsentligen/väsentliga" i ovanstående algoritm definieras av en viss tröskelnivå.

Denna tröskelnivå är en kompromiss mellan prestanda i brus och störningsmiljöer. Ju mind- re tröskelnivå desto bättre prestanda i brusmiljö.

En metod enligt ett annat koncept är att välja det adekvata ordningstalet för modellen är att använda varje skattad modell för att avgöra ett antal överförda symboler. Det resulterande mätvärdet som beskriver Viterbialgoritmens skattningsfel från kan sedan användas i stället för residualen. Fördelen med denna metod är att den tillhandahåller en giltighet för model- lens ordningstal, som är oberoende av det data som används då modellen beräknats. 10 15 20 25 30 f 76613 Ett annat sätt att få adaptivt val av ordningstalet år att realisera identifieringsalgoritmen re- kursivt i ordningen. För skalära system kallas denna metod ofta för Levinson- Durbinalgoritmen (LDA). Genom att utöka den konventionella LDA:n till flerdimensionella system, kan den användas i föreliggande uppfinning, vilket resulterar i ett väsentligt mindre antal beräkningssteg jämfört med standardtekniker. Den rekursiva algoritrnen stoppas då residualema är tillräckligt små, vilket således minimerar antalet nödvändiga operationer.

Föreliggande uppfinning är beräkningsrnässigt mer komplex än en konventionell MLSE- mottagare, dvs. en mottagare i vilken en utjärnriingsmetod används. Om det är nödvändigt att minska den beräkningsmässiga komplexiteten, används förfiltrering. Som illustration beaktas M=K+L och en generell ARX-modell används. Idén är att koncentrera Bzs huvud- sakliga energi till färre uttag, dvs. minska filtrets tidsdispersion och sedan använda modellen i equalizern. Den första raden i ekvation 15 uttrycks sedan som ekvation 21, där den intro- ducerade skrivsättet har uppenbara definitioner och q* är fördröjningsoperatom. Ett förfilter F (q'1) introduceras och filtret i ekvation 21 och ekvation 22 erhålls. De kvarvarande radema hos ekvation 15 omvandlas på liknande sätt. Valet av antalet kvarvarande väsentliga uttag beror av och utgör en kompromiss mellan hur mycket vi behöver minska den beräknings- mässiga komplexiteten och brusförstärkningen. Metoder för att bestämma detta finns väl beskrivna i signalbehandlingslitteratiiren.

En av uppfinningens utföringsformer är att kombinera modellen i ekvation 15 med andra mottagarstrukturer för att minska den beräkningsmässiga komplexiteten, under det att pres- tandaförluster hålls på en förhållandevis låg nivå. Ett exempel är DFSE-algoritrnen som nämnts tidigare. DFSE finns väl beskriven i litteraturen, och är direkt tillämpbar på ekvation 15 för en fackman. i Uppfinningen kan användas med en eller flera antenner. I ekvation l skulle då E vara en m x L+l matris, där m är antalet antenner. På motsvarande sätt i ekvation 4 skulle h vara en 2m x L+l matris, och x(t) skulle ha 2m element.

Det är möjligt att få ytterligare förbättrade prestanda om översampling används. Översamp- ling innebär i detta fall att sampla snabbare än bithastigheten. Översamplingsfaktom, be- tecknad med P, är typiskt sett lika med 2 eller 4, men andra värden är förstås tänkbara. Ut- ökningen att handha fallet med översampling är väldigt likt utökningen med flera antenner 10 15 20 25 30 521 reg, beskriven ovan. Om översampling sker med en faktor P, skulle H i ekvation 1 bli en P x L+1 matris. Raden k i ekvation l skulle motsvara samplen k, k+P, k+2P,.... På motsvarande sätt skulle h i ekvation 4 vara en 2P x L+1 matris och vektom x(t) skulle ha ZP element.

Genom att införa översampling får vi fler kanaler än med symboltaktssampling, vilket ger en större potential för att undertrycka störningar. Å andra sidan, ju högre översamplings- faktor, desto högre blir korrelationen mellan närliggande kanaler (i h). Därför finns en gräns för den prestandaförbättring som är möjlig att erhålla med översarnpling.

I en av uppfinningens utföringsformer beaktas kännedom och kimskap om mottaga- ren/sändaren och det pulsformande filtret. Generellt sett vid linjär modulation är kanalen en faltning mellan den fysiska kanalen och en kombination av mottagaren, sändaren och puls- formande filter. Dessa sistnämnda kombinerade filter är kända av mottagaren, och det är möjligt att använda denna information i dernoduleringsprocessen. Det har visats att den sammansatta kanalvektom kan skrivas såsom i ekvation 23, där G är en matris bestämd av de kända filtren och c är en vektor med den fysiska kanalens parametrar. Denna formulering är speciellt användbar då vi använder översampling såsom beskrivits ovan. Anledningen är att de olika kanalema alla består av samma fysiska kanal och att de skiljer sig åt endast ge- nom matrisen G som kan beräknas på förhand. Vi har således avsevärt minskat antalet pa- rametrar för problemet. Mottagare som använder ett flertal antenner kan även dra fördel av denna typ av modellering. I detta fall gör problemets stora dimension det viktigt att hålla antalet parametrar till ett minimum.

Riktningsbeslut är en välkänd metod för att förbättra en mottagares prestanda i ett kommu- nikationssystem. Konceptet baseras på idén att när vi väl har skattat alla (eller ett visst antal) överförda symboler, tar vi ett hårt beslut angående dessa symboler och använder besluten till att återigen skatta modellens parametrar med förbättrad noggrannhet. Detta angreppssätt, som kan repeteras ett önskat antal gånger, finns väl beskrivet i litteraturen. I kombination med uppfmningens metod är riktningsbeslut speciellt användbar. Anledningen är att i de flesta faktiska kommunikationssystemen är antalet träningssymboler lågt för att inte slösa med bandbredd. I föreliggande uppfmning finns det fler parametrar att skatta än i en kon- ventionell mottagare, därför kan parametrarnas skattningskvalitet avsevärt förbättras om riktningsbeslut används. 10 15 20 25 30 i521 766 15 Uppfinningens töredragen uttöringsform finns beskriven i fig. 2. Den möjligtvis över- samplade komplexvärda signalen, mottagen med hjälp av en eller flera antenner, delas upp i sin realdel respektive imaginärdel för att erhålla vektom i ekvation 4. Denna vektor matas till sekvensestimatom som fastställer de överförda symbolerna genom att använda skatt- ningar av filtrens parametrar och parametrarna i modellen enligt ekvationerna 15-18. Dessa skattningar erhålls genom att använda en tillgänglig träningssekvens, och antalet parametrar för filtren erhålls såsom utdata från algoritmen som skattar ordningstalet. Modellens ord- ningstal kan erhållas på ett flertal sätt. En metod beskriven i föreliggande uppfmning litar på ett test (beskrivet i 1-5 ovan) vilket utförs på pararneterskattningens residualer, en annan metod är riktningsbeslut från det erhållna mätvärdet, vilket erhållits såsom utdata från se- kvensestimatom; det ordningstal för modellen som ger det minsta mätvärdet då det används på träningssekvensen används för att skatta datat. 1 šnpåanflåa) 2 13- hm +fh.t 11,. +fh.. - hl +fhtl 3 du) = [dm dy -1) du -L)]T 4 m) = han) + nu) 5 h _ hrO hrl hrL _ hiO hil hll. 6 w) = [Redmü 3 m.) z [Reoïraifl I1I1(x(f)) 11110103) K 7 n(f)=ZA,,n(f-k)+e(f) k=l s 1z{e(f)ef(r)}= Q 9 M AN(t) = e(t) 30 35 50 11 18 20 22 23 '521 766 16 n(t) N(t) = ' n(t - K) MA :ll *A1 -AKJ xu) = Hua) + Na) D(f)=[d(f) 40-1) dU-L-Kflf hrO hr! hrL 0 0 hio hi! ' hiL 0 0 0 hrO hr] . I I hrL 0 H = q hIO hfl hlL 0 0 hro hfl "' hfl. _ 0 O hIO hl] hlL _ MAxm = MAHDQ) + eu) {d(f)} = arg min||MAX(f) - MAHD(f)||2Q-~ {MA , H,Q} = arg min||MAX(f) - MAHD(:)||2Q-- B = MAH {M A ,B, Q} = arg min|]M,,x(f)-ßD(z]|2Q-- {d = arg minHM A X(t) - BDQÅF Q* y(f) = B1(<1" )d(f)+ 210) Fffflßfi)=Pfq")ßl(q"l)d(f)+F(q“)fl(f) Gc

Claims (29)

« 521 766 17 PATENTKRAV

1. l. Metod för att undertrycka brus och störning från en mottagen kombinationssignal genom att skatta den önskade signalen som förutom överlagrat brus och störning har distorderats av en kommunikationskanal genom vilken den utsända, modulerade, önskade signalen har passerat, kännetecknad av följande steg a) att motta en signal såsom en kombination av brus, störning och den distorderade önskade signalen medelst en eller flera antenner, b) att separera den mottagna signalen i dess realdel och imaginärdel, c) att modellera brus- och stömingskomponenten såsom en filtrerad process med hjälp av modeller för färgat brus, d) att skapa en ekvation för den mottagna signalen såsom en funktion av den önskade signalen distorderad av kommunikationskanalen och brus- och stömingskomponenten genom att använda signalstriikttiren erhållen stegen b) och c), e) att utvälja filterparametrarnas värden i nämnda ekvation, f) att skatta den önskade signalen genom beräkningar med användande av nämnda ekvation och nämnda filterparametrar utvalda i föregående steg.

2. Metod enligt krav 1, kännetecknad av att nämnda distorsion orsakad av kommunikationskanalen i steget d) beaktas genom att modellera kanalen såsom en linjär filterkoefficient i nämnda ekvation.

3. Metod enligt krav 2, känneteeknad av att nämnda filterparametrar och kanalkoefficient beräknas med hjälp av en känd träningssekvens och ekvationen skapad i steget d) med kunskap om den sända signalens data i nämnda träningssekvens och med kunskap om bruskomponentens statistiska egenskaper, varpå den önskade signalen skattas matematiskt med hjälp av en utjämningsmetod.

4. Metod enligt krav 3, kännetecknad av att utjämningsmetoden utförs med hjälp av en sekvensestimator vilken använder en matematisk algoritm för skattningen.

5. Metod enligt krav 3, kännetecknad av att antalet parametrar i den matematiska algoritmen för filterpararnetrama och kanalkoefficienten väljs med hjälp av en skattningsprocedur som skattar ordningstalet. 521 7661 §v4::fætra:.wf 8

6. Metod enligt något av kraven 3-5, kännetecknad av att den önskade signalen skattas matematiskt med användande av maximum likelihoodmetoden för ekvationen som ger den mottagna signalen, i vilken det mottagna signalvärde som ger det minsta felet kan erhållas utan att tvingas beräkna den mottagna signalen för olika värden av den önskade signalen.

7. Metod enligt något av kraven 3-5, kännetecknad av att den mottagna signalen återskapas med hjälp av en skattning av kanalen och filterpararnetrarna samt olika värden för den önskade signalen, det återskapade värdet för den mottagna signalen jämförs med den mottagna signalens sanna värde för att erhålla felvärden för den mottagna signalen, den önskade signalen skattas genom att välja den som ger det minsta felet för den mottagna signalen.

8. Metod enligt något av kraven 1-7, kännetecknad av att metoden repeteras för varje mottagen symbolsekvens.

9. Metod enligt något av kraven 1-8, kännetecknad av att bruset och störningen i steget c) modelleras såsom en AR-filterprocess.

10. Metod enligt något av kraven 1-8, kännetecknad av att bruset och störningen och kanalen i stegen c) och d) modelleras så att den mottagna kanalen beskrivs av en ARX-modell.

11. Metod enligt krav 9, kännetecknad av att antalet filterparanietrar värda att beakta i AR- processen skattas adaptivt med hjälp av kända algoritmer.

12. Metod enligt något av kraven 1-11, kännetecknad av att den mottagna signalen har modulerats linjärt.

13. Metod enligt något av kraven 1-11, kännetecknad av att den mottagna signalen har modulerats icke-linjärt och att signalen vridits tillbaka efter steget a).

14. Metod enligt något av kraven 1-11, kännetecknad av att den mottagna signalen har modulerats icke-linjärt och att signalen efter steget a) approximeras med en linjärt modulerad signal, med hjälp av tillbakavridning. f 521 766 19

15. Metod enligt något av kraven 5-14, kännetecknad av att den adaptiva urvalsmetoden för att utvälja processens ordningstal används.

16. Metod enligt något av kraven 5-14, kännetecknad av att en kvasioptimal metod används för att skatta den önskade signalen.

17. Metod enligt krav 15, kännetecknad av att i nämnda adaptiva urvalsmetod för att välja ordningstal skattas ordningstalet genom att residualema tröskelvärdetestas.

18. Metod enligt krav 15, kännetecknad av att varje skattad modell med olika ordningstal används för att utjämna ett antal symboler och bestämma motsvarande mätvärde och att nämnda mätvärde används för att välja nämnda ordningstal för modellen.

19. Metod enligt något av kraven 17-18, kännetecknad av att den adaptiva urvalsmetoden för att välja ordningstalet är en rekursiv realisering av identifieringsalgoritmen.

20. Metod enligt kravet 1-19, kännetecknad av att förfiltrering används före filterprocessen, vilket realiseras i utjämningsmetoden.

21. Metod enligt något av kraven 1-20, kännetecknad av att översampling används i syfte att erhålla fler kanaler som därmed ger större potential för systemet.

22. Metod enligt något av kraven 1-21, kännetecknad av att information angående filtret tas i beaktande vid demodulationen, för linjärt modulerade system.

23. Metod enligt något av kraven 1-22, kännetecknad av att mottagarens prestanda förbättras med hjälp av riktníngsbeslut, varigenom besluten angående de mottagna symbolerna används för att på nytt skatta desamma.

24. Anordning för att undertrycka brus och störning från en mottagen kombinationssignal som har skattningsfinildioner för att skatta den önskade signalen som förutom brus och störning har distorderats av en kommunikationskanal genom vilken den utsända, modulerade, önskade signalen har passerat. kännetecknad av a) mottagningsorgan för att ta emot en signal såsom en kombination av brus, stöming och den distorderade önskade signalen från en eller flera antenner, 521 766 b) organ tör att separera den mottagna signalen i dess realdel och imaginärdel, c) organ för att modellera bruset och stömingskomponenten såsom en filtrerad process mrd hjälp av modeller för färgat brus, d) organ för att skapa en ekvation fór den mottagna signalen såsom en fiinktion av den önskade signalen distorderad av kommunikationskanalen, bruset och stömingskomponenten genom att använda signalstrukturen erhällen i stegen b) och c), e) organ fór att välja filtrens parametervärden i nämnda ekvation, t) organ fór att skatta den önskade signalen genom att utföra beräkningar med användande av nämnda ekvation och nämnda filterparainenar.

25. Anordning enligt krav 24, kännetecknad av att nänmda distorsion orsakad av kommunikationskanalen tas i beaktande i nämnda ekvation av nämnda organ fór skapandet av ekvationen genom att modellera kanalen såsom en linjär filterkoefficient.

26. Anordning enligt krav 25, kännetecknad av att nämnda organ för att välja filtrens parametervärden i nämnda ekvation inkluderar organ fór att beräkna filterpararnetrama och kanalkoefficienten med hjälp av en känd träningssekvens och ekvationen med kärmedom om det data som signalen sänt i nämnda träningssekvens och med kunskap om bruskomponentens statistiska egenskaper, organen fór att skatta den önskade signalen från nämnda ekvation med hjälp av nämnda filterpararnetrar beräknar den önskade signalen med hjälp av en sekvensestimator.

27. Anordning enligt krav 26, kännetecknad av att sekvensestimatorn använder en matematisk algoritm för skattningen.

28. Anordning enligt något av kraven 24-27, kännetecknad av att organen för att modellera bruset och störningar använder en AR-filterprocess.

29. Anordning enligt krav 28, kännetecknad av att organen vilka modellerar bruset och störningar använder en AR-filterprocess omfattande organ för att skatta antalet filterparametrar värda att tas i beaktande med användning av kända adaptiva algoritmer.