CN101019396A - 调制类型检测 - Google Patents

Abstract

本发明涉及调制类型检测。可以在不使用嵌入在信号内的显式表示的情况下将GMSK信号与8PSK信号区分开来。对I信道与Q信道之间的相关性进行检测，并据此来确定调制类型。

Description

调制类型检测

技术领域

本发明总体上涉及对接收的通信信号进行处理，具体来说，涉及在对接收信号的调制类型进行检测的过程中的干扰消除。

背景技术

响应于对无线业务的不断增长的需求，无线提供商持续不断地探索增大当前无线网络容量的新方式。一种通常被称为频率重用的增大网络容量的方式，涉及对无线网络上的相同频率进行重用。当无线网络采用频率重用时，该无线网络内的多个小区对预定射频进行重用，来在各小区的边界内发送/接收无线信号。理想的是，无线网络中的每个小区都对相同的频率进行重用，以使网络容量最大化。然而，该1/1频率重用方案会导致干扰效应显著增大，尤其会导致同信道和相邻信道干扰效应显著增大。这些效应导致语音质量差、数据吞吐量低、呼叫丢失等。结果，当前的无线网络可能宁愿使用1/4频率重用方案，以降低干扰同时仍然获得一些网络容量改进。

在针对不同种类的业务或者为了实现不同数据速率等而使用不同通信信号格式的通信网络中，由于频率重用而产生的干扰变得尤其成问题。例如，GSM/EDGE(全球移动通信***/全球演进增强型数据速率)网络既使用高斯最小频移键控(GMSK)调制又使用八进制相移键控(8PSK)调制。期望这种网络中的给定接收器对到来接收信号的调制类型进行检测，从而对它的接收信号处理进行恰当的调节。

将这种检测称为“盲”检测，因为在不向接收器提供任何显式指示的情况下期望接收器确定接收信号的调制类型。接收器方的错误推测的代价很高，因为使用错误的调制类型假定对接收信号进行处理会导致无意义的结果。重要的是，接收信号干扰(包括由于较大程度的频率重用而产生的同信道和相邻信道干扰)会严重损害常规盲检测处理。在单天线接收器中这种损害可能尤其成问题。

发明内容

本发明包括用于进行作为接收信号处理的一部分的干扰消除的方法和设备，具体来说，包括用于基于接收信号的同相分量与正交分量之间的相关性对接收信号的调制类型进行盲检测的方法和设备。根据本发明，无线接收器中的盲检测电路通过确定接收信号的同相分量与正交分量之间的相关性，针对两种或更多种假定调制类型中的每一个表征接收信号的损害分量。利用所述相关性，盲检测电路对接收信号的调制类型进行识别。

在一个或更多个示例性实施例中，盲检测电路基于所表征的损害分量来识别调制类型。盲检测电路可以包括测度生成器，该测度生成器被设置成基于所表征的损害分量而生成针对各假定调制类型的假定测度。在对这些假定测度进行评估之后，评估电路将与最佳假定测度相对应的假定调制类型识别为接收信号的调制类型。

在另一示例性实施例中，盲检测电路通过基于接收信号的同相分量与正交分量之间的空间相关性针对两个或更多个假定调制类型中的每一个表征干扰效应，来表征损害分量。所述盲检测电路利用表征的干扰来降低针对各假定调制类型所确定的假定测度中的干扰。

根据本发明的另一实施例，盲检测电路通过对接收信号应用针对各假定调制类型的特征相位去旋转，以生成针对各假定调制类型的去旋转信号，来表征损害分量，然后通过对各去旋转信号的同相分量与正交分量进行空间和时间相关，来确定各去旋转信号的干扰相关性。利用这些干扰相关性，盲检测电路降低假定调制类型的损害分量中的干扰，使得与正确的假定调制类型相对应的计算测度在性能上优于与不正确的假定调制类型相对应的计算测度。

附图说明

图1例示了根据本发明的示例性移动终端。

图2例示了图1的移动终端中的示例性无线接收器。

图3例示了图2所示的无线接收器中的盲检测电路的示例性实施例。

图4例示了图3所示的盲检测电路中的减扰电路/测度生成器。

图5例示了根据本发明的示例性盲调制检测技术。

图6例示了根据本发明的另一示例性盲调制检测技术。

具体实施方式

图1例示了根据本发明的示例性移动终端100。如这里使用的那样，术语“移动终端”可以包括蜂窝电话、卫星电话、个人通信业务(PCS)装置、个人数据助理(PDA)、掌上型计算机、膝上型计算机、寻呼机等。此外，本领域的技术人员应当注意，按涉及GSM/EDGE无线通信网络的一个或更多个示例性实施例对本发明进行描述，但是这种描述并不是限制性的。因此，应当明白，本发明具有宽范围的可应用性，包括其他无线通信标准(包括但并不限于通用移动电信***(UMTS)、TIA/EIA-136、码分多址(CDMA)、cdmaOne、cdma2000以及宽带CDMA)。

如例示的那样，移动终端100包括发送器110、接收器120、天线开关160、***控制器170以及用户接口172。在示例性实施例中，***控制器170存储并执行对发送器110、接收器120以及天线开关160进行控制的程序指令。此外，***控制器170将通信电子装置(发送器110和接收器120)与用户接口172连接起来。当天线开关160将发送器110连接到天线122时，发送器110根据预定义通信标准发送无线通信信号。类似地，当天线开关160将接收器120连接到天线122时，接收器120根据预定义通信标准对无线通信信号进行接收和处理。

图2例示了图1所示的无线通***120的示例性实施例。接收器120包括前端124、信道估计器125、解调器126、附加处理器128以及盲检测电路130。前端124使用滤波器、放大器、模数转换器等对在天线122处接收到的期望信号和一个或更多个干扰信号进行处理，以向盲检测电路130提供接收到的基带信号r(n)，如本领域中公知的那样。盲检测电路130实现根据本发明的示例性盲调制检测算法，该盲调制检测算法利用在接收信号中包括的训练序列来识别接收信号r(n)的调制类型，这将在下面进一步讨论。

例如，可以将接收器120构造成使得盲检测电路130将接收信号的调制类型识别为高斯最小频移键控(GMSK)调制或八进制相移键控(8PSK)调制。基于这种检测，解调器126接着对接收信号进行正确的解调。然而，本领域的技术人员应当理解，本发明并不限于这两种调制类型，应当明白，针对盲检测使用的调制假定可以包括其他或不同的调制格式。

信道估计器125基于由盲检测电路130识别的调制类型，根据接收信号来生成信道估计。另选地，信道估计器对由盲检测电路130生成的信道估计进行改进。在任何情况下，解调器126都基于由盲检测电路130识别出的调制类型和所提供的信道估计对接收信号r(n)进行解调。另选地，解调器126基于由盲检测电路130识别出的调制类型和所提供的信道估计对由盲检测电路130提供的去旋转的接收信号进行解调。即，检测电路130可以对接收信号应用特征信号去旋转作为它的检测操作的一部分，并且可以将与所检测到的调制类型相对应的去旋转信号提供给解调器126，或者解调器126可以直接对接收信号进行操作。尽管图1和图2例示了带有单独信道估计器125的接收器120，但是本领域的技术人员应当理解：由于盲检测电路130可以向解调器126提供信道估计，因此信道估计器125是可选的，从而可以被略去。

无论如何，如果需要的话，接着在附加处理器128中对由解调器126生成的解调值进行进一步的处理。例如，附加处理器128可以包括卷积解码器或turbo解码器(未示出)，该卷积解码器或turbo解码器基于由解调器126提供的解调值执行纠错，以确定信息比特值。

如上所述，盲检测电路130执行盲调制检测算法，以对接收信号r(n)的调制类型进行识别。可以将提供给盲检测电路130的接收信号r(n)建模为以下两者之和：损害v(n)；和无线电信道h(n)与发送码元s(n)的卷积，如公式1所示：

$r\left(n\right)=e^{\mathrm{j\φn}}\underset{k=0}{\overset{L}{\mathrm{\Σ}}}\underset{\·}{h}\left(k\right)s(n-k)+v\left(n\right)$ (公式1)

其中损害v(n)包括白噪声和由于在天线122处接收到的干扰信号而产生的干扰分量，其中L+1表示由接收器120建模的信道路径的数量，其中r(n)、h(n)以及v(n)是复数值，并且其中φ表示针对使用的特定调制的特征旋转角。例如，对于GMSK(GSM)，φ＝π/2；对于8PSK(EDGE)，φ＝3π/8。当在人口稠密地区发送信号s(n)时，损害v(n)以同信道干扰为主，其可能与期望信号一样大。因此，与接收信号r(n)相关联的信噪比(SNR)非常低，导致盲检测电路130不正确识别接收信号r(n)的调制类型的可能性很高。通过减小与损害v(n)相关联的能量，将改进盲检测电路130的性能，因此改进接收器120的性能。

可以将损害v(n)建模为K阶自回归(AR)过程(见公式2)。

$v\left(n\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}a\left(k\right)v(n-k)+e\left(n\right)$ (公式2)

如公式2所示，AR过程利用K个先前损害值加上复数值白噪声e(n)来预测当前损害v(n)，因此，只对v(n)在时域中的相关性进行建模。可以将公式2改写成：

$v\left(n\right)-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}a\left(k\right)v(n-k)=e\left(n\right)$ (公式3)

这说明通过使用标准有限冲激响应(FIR)滤波器对损害v(n)进行滤波，可以根据损害v(n)来生成白噪声e(n)。结果，FIR滤波器是白化滤波器。

由于AR过程只对v(n)在时域中的相关性进行建模，因此公式3的白化滤波器是时间白化滤波器，其只从损害v(n)中消除掉带有强时间相关性的干扰分量。结果，白化后的噪声e(n)可能仍然包括来自干扰信号的在时域中弱相关的干扰分量，如同信道干扰信号。

本发明对在“空间”域中强相关的干扰(如由同相(I)和正交(Q)分量定义的干扰)进行处理，而且对在时域中相关的干扰进行处理。通过利用损害v(n)内的这种相关性，可以显著地减小损害能量。具体来说，本发明根据单个复数接收信号r(n)来生成两个信号，即同相(I)和正交(Q)分量信号。因此，可以将公式1改写成：

$r\left(n\right)=\left(\begin{array}{c}{r}_1\left(n\right)\\ r_Q\left(n\right)\end{array}\right)={\mathrm{\Φ}}^n\underset{k=0}{\overset{L}{\mathrm{\Σ}}}\left(\begin{array}{c}{h}_I\left(k\right)\\ h_Q\left(k\right)\end{array}\right)s(n-k)+\left(\begin{array}{c}{v}_I\left(n\right)\\ v_Q\left(n\right)\end{array}\right)$ 公式(4)

其中 $\mathrm{\Φ}\≡\left(\begin{array}{cc}\cos \mathrm{\φ}& -\sin \mathrm{\φ}\\ \sin \mathrm{\φ}& \cos \mathrm{\φ}\end{array}\right)$ 并且 $r\left(n\right)=r_1\left(n\right)+r_Q\left(n\right)\sqrt{-1}.$ 公式4说明可以使用接收信号的I分量r₁(n)或接收信号的Q分量r_Q(n)来对发送信号s(n)进行估计。结果，公式4表明在接收信号r(n)的I分量与Q分量之间存在强相关性。由于在数学上可以将接收信号的I分量和Q分量处理成来自两个不同天线的两个接收信号，因此将接收信号的I分量与Q分量之间的相关性称为空间相关性，因而这允许本发明的单天线接收器实施例仍然可以利用用于降低干扰的空间相关性处理。

利用2阶向量自回归(VAR)过程，可以如公式5所示地对损害v(n)的I分量和Q分量进行建模。

v_I(n)＝a_0，0(1)v_I(n-1)+a_0，1(1)v_Q(n-1)+a_0，0(2)v_I(n-2)+a_0，1(2)v_Q(n-2)+e_I(n)

v_Q(n)＝a_1，0(1)v_I(n-1)+a_1，1(1)v_Q(n-1)+a_1，0(2)v_I(n-2)+a_1，1(2)v_Q(n-2)+e_Q(n)

(公式5)

公式5说明被建模损害的I分量v_I(n)既取决于它自己的先前值(时间相关性)又取决于Q分量的先前值(空间相关性)。类似地，被建模损害的Q分量v_Q(n)既取决于它自己的先前值(时间相关性)又取决于I分量的先前值(空间相关性)。因此，公式5在时间和空间上对损害v(n)的I分量和Q分量的相关性进行了建模。

当改写成公式6时，被建模损害(n)看起来与公式3的被建模损害非常相似，只是由对应的I/Q向量(n)和

代替了复数值损害v(n)和白噪声e(n)，并由2×2滤波器系数矩阵A(k)(k＝1，2)代替了复数值滤波器系数a(k)。

$\stackrel{..}{V}\left(n\right)-\underset{k=1}{\overset{2}{\mathrm{\Σ}}}A\left(k\right)\stackrel{..}{V}(n-k)=\stackrel{..}{E}\left(n\right)$ (公式6)

其中 $\stackrel{..}{V}\left(n\right)=\left(\begin{array}{c}{v}_I\left(n\right)\\ v_Q\left(n\right)\end{array}\right),$ $A\left(k\right)=\left(\begin{array}{cc}{a}_{\mathrm{0,0}}\left(k\right)& a_{\mathrm{0,1}}\left(k\right)\\ a_{\mathrm{1,0}}\left(k\right)& a_{\mathrm{1,1}}\left(k\right)\end{array}\right)$ 并且 $\stackrel{..}{E}\left(n\right)=\left(\begin{array}{c}{e}_I\left(n\right)\\ e_Q\left(n\right)\end{array}\right)$ 结果，公式6还表示通过具有以下滤波器抽头的矩阵FIR滤波器对向量值损害(n)进行的FIR滤波：

$W\left(0\right)=\left(\begin{array}{cc}1& 0\\ 0& 1\end{array}\right),$ $W\left(1\right)=\left(\begin{array}{cc}{a}_{\mathrm{0,0}}\left(1\right)& a_{\mathrm{0,1}}\left(1\right)\\ a_{\mathrm{1,0}}\left(1\right)& a_{\mathrm{1,1}}\left(1\right)\end{array}\right),$ 并且 $W\left(k\right)=\left(\begin{array}{cc}{a}_{\mathrm{0,0}}\left(2\right)& a_{\mathrm{0,1}}\left(2\right)\\ a_{\mathrm{1,0}}\left(2\right)& a_{\mathrm{1,1}}\left(2\right)\end{array}\right)$ (公式7)

由于公式6中的FIR滤波器在空间和时间上对损害进行滤波，并且由于滤波后的结果是通常比(n)具有更低功率的白化噪声向量

，因此公式6的FIR滤波器是空间-时间白化滤波器。因此，除了消除相邻信道干扰以外，公式6的FIR滤波器还消除了同信道干扰。换句话说，可以利用公式5的向量值损害模型的空间和时间性质来降低在由单天线接收器120接收到的接收信号中存在的同信道干扰和相邻信道干扰。

以上公式说明了：将复数值损害v(n)分离成它的I分量和Q分量，如何通过使用该I分量和Q分量来生成对各假定调制类型的白化噪声估计，并对所得白噪声估计进行比较以确定哪个噪声具有较小的能量(因而具有较低的干扰)，来降低来自接收信号的损害分量中的在空间和时间上相关的干扰。盲检测电路130可以利用该结果来对接收信号的调制类型进行检测。换句话说，盲检测电路130通过利用接收信号的I分量与Q分量之间的空间和时间相关性，获得了对接收信号中的损害分量v(n)的大为改进的表征，从而提高了盲检测电路130的准确度。此外，在一个或更多个实施例中，可以利用由此获得的对干扰的表征来使在解调器126中进行的解调受益。

图3例示了根据本发明的盲检测电路130的示例性实施例。盲检测电路包括信号旋转器132、信道估计器134、评估电路136以及损害表征单元140。尽管示出为分立组件，但是本领域的技术人员应当理解，可以将这些组件中的两个或更多个组合到同一功能电路中。此外，本领域的技术人员应当理解，可以将这些电路中的一个或更多个实现在硬件和/或软件(包括固件、软件、微代码等)中，所述硬件和/或软件包括专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。

信号旋转器132对接收信号r(n)应用与假定调制类型相对应的预定相位去旋转。在示例性实施例中，信号旋转器132将接收信号r(n)去旋转π/2以生成GMSK假定接收信号r_G(n)，并将接收信号r(n)去旋转3π/8以生成8PSK假定接收信号r₈(n)。使用该去旋转信号，信道估计器134对与GMSK假定接收信号r_G(n)和8PSK假定接收信号r₈(n)中的每一个相关联的无线电信道h(n)进行估计。

基于这些信道估计和假定(去旋转)接收信号，损害表征单元140通过确定GMSK假定接收信号r_G(n)的I分量与Q分量之间的空间-时间相关性，来表征GMSK假定接收信号r_G(n)的损害分量v_G(n)。类似地，损害表征单元140通过确定8PSK假定接收信号r₈(n)的I分量与Q分量之间的空间-时间相关性，来表征8PSK假定接收信号r₈(n)的损害分量v₈(n)。评估电路136对表征的损害分量进行评估，以识别接收信号r(n)的调制类型，这将在下面进一步讨论。

为了表征针对各假定接收信号的损害分量，损害表征单元140包括I/Q分离器142和减扰电路/测度生成器144。基于信道估计和假定接收信号，I/Q分离器142将各假定接收信号中的至少一部分分离成它们的I分量和Q分量。减扰电路/测度生成器144通过确定I分量和Q分量中的空间和时间相关性来对假定接收信号的损害分量进行表征。

一旦根据假定接收信号的损害分量对干扰进行了抑制，减扰电路/测度生成器144就生成针对各假定调制类型的假定测度，该假定测度对各损害表征中存在的能量进行量化。评估电路136对所得假定测度进行比较，以确定接收信号的调制类型。通常，由于较低的损害分量能量表示更好的干扰消除，因此评估电路136将与最小假定测度相对应的假定调制类型识别为接收信号的调制类型。

图4所示的根据本发明的示例性减扰电路/测度生成器144包括白化电路146、白化滤波器生成器148以及测度生成器150。根据示例性实施例，白化滤波器生成器148基于I分量与Q分量之间的空间和时间相关性来生成白化滤波器。白化电路146将该白化滤波器应用于接收信号，以利用在公式5到7中描述的VAR损害模型来减小来自信道估计和损害分量中的干扰。由于对于与正确的调制类型相对应的假定接收信号来说干扰信号的空间和时间相关性更强，因此与正确的调制类型相对应的白化噪声估计应当比与不正确的调制类型相对应的“白化”噪声估计具有更小的能量。因此，可以利用白化噪声估计来生成由评估电路136使用的假定测度，以对接收信号的调制类型进行识别。

总之，盲检测电路130通过利用各假定接收信号的I分量与Q分量之间的空间和时间相关性，针对各假定调制类型来表征接收信号的损害分量，以降低来自损害分量的干扰。通过基于空间和时间相关性来降低来自各表征损害分量的干扰，盲检测电路130生成与各假定调制类型相对应的假定测度，并将与最佳假定测度相对应的调制类型识别为接收信号的调制类型。

图5和6例示了用于实现本发明的盲检测处理的示例性调制检测方法200、200a。如上所述，盲检测电路130利用它对发送信号中的训练序列的知识来识别接收信号的调制类型。因此，在执行任一盲检测方法之前，都将训练序列信息存储在***控制器170中。在示例性实施例中，存储以下数据：

●8个26-码元二进制训练序列{s_i(n)_n＝0 ²⁵:i＝0，1，...7}；

●在训练序列中的可能起始同步位置m的窗口

W＝{61，62，63，64，65，66，67，68，69}；以及

●8个L×(26-L)训练序列矩阵 $\{T_i={\left(S_i^H{S}_i\right)}^{-1}{S}_i^H:i=\mathrm{0,1}...7\},$ 每个训练序列一个L×(26-L)训练序列矩阵，其中S_i是根据以下公式计算出来的：

$S_i=\left[\begin{array}{cccc}{s}_i\left(L\right)& s_i(L-1)& \·\·\·& s_i\left(0\right)\\ s_i\left(\text{L+1}\right)& s_i\left(L\right)& \·\·\·& s_i\left(1\right)\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ s_i\left(25\right)& s_i\left(24\right)& \·\·\·& s_i(25-L)\end{array}\right]$ (公式8)

根据在图5中例示的第一方法200，信号旋转器132将接收信号{r(n)}_n＝0 ¹⁵⁵去旋转π/2(乘法器202)，以生成GMSK假定接收信号：

$r_G\left(n\right)=r\left(n\right)e^{-j\frac{\mathrm{\π}}{2}n}$ (公式9)

对于同步窗口中的每个可能同步位置m∈W，信道估计器134利用最佳同步位置m^*来计算信道估计，以根据以下处理来确定损害估计(块204)。首先，信道估计器134根据以下公式来计算针对各同步位置m的候选信道估计 ${\stackrel{\→}{h}}_m={(h_m\left(0\right),h_m\left(1\right),...,h_m\left(L\right))}^T:$

${\stackrel{\→}{h}}_m=T_i{\stackrel{\→}{y}}_m$ (公式10)

其中 ${\stackrel{\→}{y}}_m={(r_G(m+L),r_G(m+L+1),...,r_G(m+25))}^T.$ 基于这些候选信道估计

信道估计器134计算对应的损害扰动估计：

${\mathrm{\α}}_{i,m}^2={\left|\right|{\stackrel{\→}{y}}_m-S_i{\stackrel{\→}{h}}_m\left|\right|}^2$ (公式11)

根据下式选择最佳同步位置m^*： $m^{*}=\underset{m\∈W}{\arg \min }{\mathrm{\α}}_{i,m}^2$ (公式12)

然后信道估计器134根据下式利用最佳同步位置m^*生成针对GMSK假定接收信号的初始GMSK信道估计：

${\stackrel{\→}{h}}_G={(h_{m^{*}}\left(0\right),h_{m^{*}}\left(1\right),...,h_{m^{*}}\left(L\right))}^T$ (公式13)

并根据下式计算GMSK损害估计抽样{v(n)}_n＝0 ^25-L：

$v\left(n\right)=r_G(m^{*}+L+n)-\underset{k=0}{\overset{L}{\mathrm{\Σ}}}{\stackrel{\→}{h}}_G\left(k\right)s_i(n-k+L)$ (公式14)

I/Q分离器142将损害估计抽样分离成它们的I分量和Q分量(块206)：

v_I(n)＝Re{v(n)}

v_Q(n)＝Im{v(n)}  (公式15)

接着减扰电路/测度生成器144根据以下处理生成GMSK假定测度。首先，减扰电路/测度生成器144根据下式来计算针对k＝{0，1，2}的协方差矩阵C(k)：

$C\left(k\right)=\underset{n=L+k}{\overset{25}{\mathrm{\Σ}}}\left(\begin{array}{c}{v}_I\left(n\right)\\ v_Q\left(n\right)\end{array}\right)\left[v_I(n-k)v_Q(n-k)\right]$ (公式16a)

如以上公式5所示，将I/Q损害建模成VAR过程，得到：

$\left|\begin{array}{c}{v}_I\left(n\right)\\ v_Q\left(n\right)\end{array}\right|+A_1\left|\begin{array}{c}{v}_I(n-1)\\ v_Q(n-1)\end{array}\right|+A_2\left|\begin{array}{c}{v}_I(n-2)\\ v_Q(n-2)\end{array}\right|=e\left(n\right)$ (公式16b)

接着，减扰电路/测度生成器144根据以下步骤迭代利用Whittle-Wiggins-Robison算法(WWRA)对GMSK VAR系数矩阵进行估计：

●对WWRA算法进行初始化D₀＝C(0)，S₀＝C(0)

●计算VAR(1)滤波器系数：

A₁(1)＝-C(1)C^-1(0)    (公式17a)

B₁(1)＝C^T(1)C^-1(0)    (公式17b)

D₁＝D₀+A₁(1)C^T(1)以及 (公式17c)

$S_1=S_0+C^T\left(1\right)B_1^T\left(1\right),P_1=C\left(2\right)+C\left(1\right)B_1^T\left(1\right)$ (公式17d)

●计算VAR(2)系数：

$A_2\left(2\right)=p_1{S}_1^{-1}$ (公式18a)

A₂(1)＝A₁(1)+A₂(2)B₁(1)以及    (公式18b)

$D_2=D_1+A_2\left(2\right)P_1^T$ (公式18c)

本领域的技术人员应当理解矩阵D₂表示“白化噪声估计”。通过取D₂的行列式，测度生成器150生成公式19所示的GMSK假定测度λ_GMSK，评估电路136可以利用该GMSK假定测度λ_GMSK来识别正确的调制类型。

λ_GMSK＝det(D₂)                (公式19)

针对8PSK假定调制类型来重复与公式9到19相关联的以上处理。具体来说，信号旋转器132将接收信号{r(n)}_n＝0 ¹⁵⁵去旋转3π/8(乘法器220)，以生成8PSK假定接收信号(公式20)：

$r_8\left(n\right)=r\left(n\right)e^{-j\frac{3\mathrm{\π}}{8}n}$ (公式20)

利用公式10到12，信道估计器134利用最佳同步位置m^*来计算针对8PSK假定接收信号的信道估计(块222)，得到：

${\stackrel{\→}{h}}_8={(h_{m^{*}}\left(0\right)h_{m^{*}}\left(1\right),...,h_{m^{*}}\left(L\right))}^T$ (公式21)

并根据下式计算8PSK损害估计抽样{v(n)}_n＝0 ^25-L(块222)：

$v\left(n\right)=r_8(m^{*}+L+n)-\underset{k=0}{\overset{L}{\mathrm{\Σ}}}{\stackrel{\→}{h}}_8\left(k\right)s_i(n-k+L)$ (公式22)

8PSK路径接着还可以将初始8PSK损害去旋转π/8(乘法器224)。为了理解该附加去旋转的好处，考虑以下情况。假设期望信号和干扰信号都是经GMSK调制的，对接收信号r(n)应用π/2去旋转会正确地去除期望信号和损害中的旋转。然而，当乘法器220对接收信号应用3π/8去旋转时，期望信号和损害都具有π/8的剩余旋转。由此，与按π/2去旋转后的信号相对应的假定测度将比与按3π/8去旋转后的信号相对应的假定测度好。结果，盲检测电路130检测到正确的调制类型(GMSK)。

然而，当期望信号是8PSK并且干扰信号是GMSK时，对接收信号应用π/2去旋转会在期望信号中留下剩余旋转，并从干扰信号中正确地去除旋转，而对接收信号应用3π/8去旋转会从期望信号中去除旋转，并在干扰信号中留下剩余旋转。由于8PSK路径中的干扰信号中存在剩余旋转，因此按π/2去旋转后的信号会比按3π/8去旋转后的信号产生更好的假定测度的可能性会增大，从而导致不正确的调制类型检测。为了减小该可能性，8PSK路径还可以将损害估计抽样去旋转π/8(乘法器224)，以根据下式生成修改后的损害估计抽样{v′(n)}_n＝0 ^25-L：

$v^{\′}\left(n\right)=v\left(n\right)e^{-j\frac{\mathrm{\π}}{8}(n+m^{*}+L)}$ (公式23)

以使GMSK损害针对随后的干扰消除稳定。

I/Q分离器142将修改后的损害估计抽样分离成它们的I分量和Q分量(块226)：

v_I(n)＝Re{v′(n)}

v_Q(n)＝Im{v′(n)}    (公式24)

接着减扰电路/测度生成器144根据公式16到18，使用公式24的I分量和Q分量来生成8PSK VAR系数矩阵。与GMSK VAR系数矩阵一样，D₂只是针对8PSK假定接收信号的白化噪声估计。通过取D₂的行列式，测度生成器150生成公式25所示的8PSK假定测度λ_8PSK，评估电路136可以利用该8PSK假定测度λ_8PSK来识别正确的调制类型。

λ_8PSK＝det(D₂)                         (公式25)

根据图6所示的第二调制检测方法200a，如公式9和20所示(乘法器202和220)，信号旋转器132将接收信号{r(n)}_n＝0 ¹⁵⁵去旋转π/2和3π/8，以分别生成GMSK和8PSK假定接收信号。利用公式10到12，信道估计器134生成针对各同步位置的假定GMSK和8PSK信道估计，以确定针对各假定接收信号的最佳同步位置m^*(块204和222)。

利用最佳同步位置m^*，将已知训练序列上的假定接收信号r_x(n)(其中x表示调制类型)提供给I/Q分离器136，在I/Q分离器136中将各假定接收信号分离成它们各自的I分量和Q分量(块205和225)，如公式26a和26b所示。

r₈(m^*+n)＝[r_8，I(m^*+n) r_8，Q(m^*+n)]^T    (公式26a)

r_G(m^*+n)＝[r_G，I(m^*+n) r_G，Q(m^*+n)]^T    (公式26b)

基于假定接收信号的I分量和Q分量，减扰电路/测度生成器144构造针对各假定接收信号的假定接收码元R_x(n)的向量，如公式27a和27b所示。

R₈(n)＝[r_8，I(n-1) r_8，Q(n-1) r_8，I(n-2) r_8，Q(n-2)]^T(公式27a)

R_G(n)＝[r_G，I(n-1) r_G，Q(n-1) r_G，I(n-2) r_G，Q(n-2)]^T(公式27b)

利用假定接收信号r_x(n)＝[r_x，I(n) r_x，Q(n)]^T、假定接收码元R_x(n)的向量以及已知发送训练序列码元的向量，

S₈(n)＝[s₈(n) s₈(n-1)…s₈(n-L-2)]^T和    (公式28a)

S_G(n)＝[s_G(n) s_G(n-1)…s_G(n-L-2)]^T      (公式28b)

减扰电路/测度生成器144根据如公式29a到29c所示的间接广义最小二乘(iGLS)算法来计算协方差矩阵，以测度在假定接收信号r_x(n)、所生成的假定接收码元R_x(n)的向量以及所生成的已知发送训练序列码元的向量之间的相关性的强度(块207和227)。

$C_{\mathrm{rr}}=\frac{1}{26-L-2}\underset{n=L+2}{\overset{25}{\mathrm{\Σ}}}(m^{*}+n)r_x^T(m^{*}+n)$ (公式29a)

$C_{\mathrm{rz}}=\frac{1}{26-L-2}\underset{n=L+2}{\overset{25}{\mathrm{\Σ}}}{r}_x(m^{*}+n){\left[\begin{array}{c}{R}_x(m^{*}+n)\\ S(m^{*}+n)\end{array}\right]}^T$ (公式29b)

$C_{\mathrm{zz}}=\frac{1}{26-L-2}\underset{n=L+2}{\overset{25}{\mathrm{\Σ}}}\left[R_x(m^{*}+n)S(m^{*}+n)\right]{\left[\begin{array}{c}{R}_x(m^{*}+n)\\ S(m^{*}+n)\end{array}\right]}^T$ (公式29c)

然后减扰电路/测度生成器144针对各假定调制类型根据公式30来计算噪声协方差矩阵D。

$D=C_{\mathrm{rr}}-C_{\mathrm{rz}}{C}_{\mathrm{zz}}^{-1}{C}_{\mathrm{rz}}^T$ (公式30)

应当理解，公式29a到29c以及30的数学运算用于同时对白化信道估计和白化滤波器系数进行估计。与第一调制检测方法200的矩阵D₂一样，矩阵D对应于白化噪声估计。通过取D的行列式，测度生成器150生成如公式19和25所示的GMSK假定测度λ_GMSK和8PSK假定测度λ_GMSK。

与使用的调制检测方法200、200a无关，评估电路136对假定测度进行评估以识别接收信号的调制类型(块210)。例如，如果λ_GMSK＜λ_8PSK，则评估电路136将GMSK识别为接收信号的调制类型(块212)。如果λ_GMSK≥λ_8PSK，则评估电路136将8PSK识别为接收信号的调制类型(块214)。在任一情况下，盲检测电路130都向解调器126提供调制类型指示符。在某些实施例中，如图2所示，盲检测电路还可以向解调器提供去旋转信号(r_x(n)(其中当调制类型为GMSK时x＝G，当调制类型为8PSK时x＝8))和/或白化信道估计，以进一步使得便于进行解调处理。

如上所示，图5的第一调制检测方法200通过确定接收信号中的损害分量的I分量与Q分量之间的空间相关性，来表征与GMSK和8PSK假定接收信号中的每一个相对应的接收信号的损害分量(见公式16到18)。类似地，图6的第二调制检测方法200a也通过确定接收信号的I分量与Q分量之间的空间相关性，来表征与GMSK和8PSK假定接收信号中的每一个相对应的接收信号的损害分量(见公式29到30)。由此，两种方法都针对各假定调制类型通过确定接收信号的I分量与Q分量之间的空间相关性来表征接收信号的损害分量，其中I分量和Q分量可以是接收信号的I分量和Q分量，或者可以是接收信号的损害部分的I分量和Q分量。

第一调制检测方法200利用初始信道估计和原始接收信号来计算损害，利用所计算出的损害的I分量和Q分量将损害建模成VAR过程，以对初始信道估计进行白化，并利用WWRA算法针对白化后的噪声估计进行求解。由于第一调制检测方法200涉及简单的2×2矩阵运算，因此第一调制检测方法200在计算上是高效的。

与之对照的是，第二调制检测方法200a针对各调制类型使用接收信号r(n)的I分量和Q分量，来利用iGLS算法同时生成白化信道估计和空间-时间白化滤波器系数(VAR系数)，使得对信道和VAR系数的估计都可以受益于干扰消除。由于第二调制检测方法200a涉及大协方差矩阵(例如，当L＝6时是13×13矩阵)，因此第二调制检测方法200a在计算上更复杂。然而，由于同时进行估计和干扰消除，因此从第二调制检测方法200a得到的识别调制类型通常更准确。

对本发明的示例性调制检测方法200、200a的仿真针对以下信号干扰情形对第一和第二方法进行了评估：

●情形1：经GMSK调制的期望信号和干扰

●情形2：经8PSK调制的期望信号、经GMSK调制的干扰；

●情形3：经GMSK调制的期望信号、经8PSK调制的干扰；

●情形4：经8PSK调制的期望信号和干扰

这些仿真表明：对于情形1，与使用常规盲检测方法的当前接收器的性能相比，使用第一调制检测方法200时接收器性能改进了大约1.2dB，而使用第二调制检测方法200a时接收器性能改进了3dB以上。事实上，这些仿真表明：使用第二调制检测方法200a，针对情形1的接收器性能接近具有完美盲调制检测的接收器的性能。结果，对于情形1，调制检测方法200、200a都改进了接收器120的性能，而在情形1下，盲检测限制了常规接收器的性能。

以上针对EDGE***中的单天线接收器描述了示例性盲调制检测方法。然而，本领域的技术人员应当理解，本发明并不受此限制，因此可以针对多天线接收器和/或其他调制类型使用本发明。

当然，在不脱离本发明的基本特征的情况下，可以按与这里具体阐述的方式不同的其他方式来实现本发明。目前的实施例应被视为在所有方面都是例示性而非限制性的，并且落在所附权利要求的意义和等同范围内的所有变化都应被包括于此。

Claims (37)

1、一种对接收信号的调制类型进行盲检测的方法，该方法包括以下步骤：

生成步骤，其基于所述接收信号针对两个或更多个假定调制类型中的每一个生成假定接收信号；

表征步骤，其通过确定各假定接收信号的同相分量与正交分量之间的空间相关性，表征各假定接收信号的损害分量；以及

检测步骤，其基于表征损害分量检测所述接收信号的调制类型。

2、根据权利要求1所述的方法，其中，所述检测步骤包括以下步骤：

测度生成步骤，其基于所述表征损害分量生成针对各假定调制类型的测度，从而降低所述测度中的干扰效应；以及

测度评估步骤，其对所述测度进行评估，以识别所述接收信号的调制类型。

3、根据权利要求2所述的方法，其中，所述测度评估步骤包括对与最佳测度相对应的假定调制类型进行识别的步骤。

4、根据权利要求1所述的方法，其中，所述生成步骤包括去旋转步骤，该去旋转步骤针对各假定调制类型将所述接收信号去旋转一不同相位旋转，并且其中，所述表征步骤包括去旋转信号损害分量表征步骤，该去旋转信号损害分量表征步骤通过确定各去旋转信号的同相分量与正交分量之间的空间相关性，表征各去旋转信号的损害分量。

5、根据权利要求4所述的方法，其中，所述去旋转步骤还包括以下步骤：针对一个所述假定调制类型对先前去旋转的接收信号应用附加去旋转，以使得所述干扰稳定。

6、根据权利要求4所述的方法，其中，所述去旋转步骤包括以下步骤：

针对假定高斯最小频移键控调制类型，将所述接收信号去旋转π/2；和

针对假定八进制相移键控调制类型，将所述接收信号去旋转3π/8。

7、根据权利要求6所述的方法，其中，针对所述假定八进制相移键控调制类型的所述表征步骤还包括将所述表征损害分量去旋转π/8的步骤。

8、根据权利要求1所述的方法，其中，所述检测步骤包括以下步骤：

白化噪声估计确定步骤，其基于所述表征损害分量来确定针对各假定调制类型的白化噪声估计，以由此降低所述表征损害分量中的干扰效应；和

调制类型检测步骤，其基于所述白化噪声估计来检测所述接收信号的调制类型。

9、根据权利要求8所述的方法，其中，所述调制类型检测步骤包括以下步骤：

基于所述针对各假定接收信号的白化噪声估计，生成测度；和

对所述测度进行评估，以识别所述接收信号的调制类型。

10、根据权利要求8所述的方法，该方法还包括白化滤波器生成步骤，该白化滤波器生成步骤基于所述表征损害分量生成针对各假定调制类型的白化滤波器，其中，所述白化噪声估计确定步骤还包括以下步骤：使用与各假定接收信号相对应的白化滤波器，对针对各假定接收信号的噪声估计进行滤波，以降低所述噪声估计中的干扰效应。

11、根据权利要求10所述的方法，其中，所述白化滤波器生成步骤包括根据Whittle-Wiggins-Robison算法生成所述白化滤波器的步骤。

12、根据权利要求8所述的方法，其中，所述白化噪声估计确定步骤包括白化信道估计和白化滤波器系数生成步骤，该白化信道估计和白化滤波器系数生成步骤基于对应的表征损害分量生成白化信道估计，同时生成白化滤波器系数，以针对各调制类型根据所述白化信道估计和所述白化滤波器系数来降低干扰效应。

13、根据权利要求12所述的方法，其中，所述白化信道估计和白化滤波器系数生成步骤包括以下步骤：根据间接广义最小二乘算法生成所述白化信道估计，同时生成所述白化滤波器系数。

14、根据权利要求1所述的方法，其中，所述表征步骤包括干扰分量表征步骤，该干扰分量表征步骤通过确定所述接收信号的同相分量与正交分量之间的空间和时间相关性，针对各假定调制类型表征各假定接收信号的干扰分量。

15、根据权利要求14所述的方法，其中，所述检测步骤包括以下步骤：

干扰降低步骤，其基于表征干扰来降低针对各假定调制类型而确定的假定测度中的干扰；和

调制类型检测步骤，其通过识别与所述假定测度中的最佳测度相对应的调制类型，来检测所述接收信号的调制类型。

16、根据权利要求1所述的方法，其中，所述表征步骤包括以下步骤：

针对各假定调制类型将所述接收信号去旋转一特征相位旋转值，以生成针对各假定调制类型的去旋转信号；和

通过对各去旋转信号的同相分量与正交分量进行空间和时间相关，确定针对各去旋转信号的干扰相关性。

17、根据权利要求16所述的方法，其中，所述表征步骤还包括以下步骤：

利用所述干扰相关性来降低未消除干扰；和

基于所述干扰相关性计算针对各去旋转信号的测度。

18、根据权利要求17所述的方法，其中，所述检测步骤包括以下步骤：对所述测度进行评估，以识别所述接收信号的调制类型。

19、根据权利要求1所述的方法，其中，所述假定调制类型包括八进制相移键控和高斯最小频移键控。

20、根据权利要求1所述的方法，该方法包括以下步骤：确定针对各假定接收信号的白化信道估计，并将与所识别的调制类型相对应的白化信道估计提供给解调器，该解调器利用检测出的调制类型和所述白化信道估计对所述接收信号进行解调。

21、根据权利要求1所述的方法，该方法还包括以下步骤：根据检测出的调制类型，对所述接收信号进行解调。

22、一种无线通***中的盲检测电路，该盲检测电路用于确定接收信号的调制类型，该盲检测电路包括损害表征单元，该损害表征单元被构造成通过针对两个或更多个假定调制类型中的每一个对所述接收信号的同相分量与正交分量进行空间相关，针对各假定调制类型来表征所述接收信号的损害分量，并且该损害表征单元被构造成基于表征损害分量来确定所述接收信号的调制类型。

23、根据权利要求22所述的盲检测电路，该盲检测电路还包括测度生成器，该测度生成器被构造成基于所述表征损害分量来生成针对各假定调制类型的假定测度，以降低所述假定测度中的干扰效应。

24、根据权利要求22所述的盲检测电路，其中，所述损害表征单元包括干扰表征电路，该干扰表征电路被构造成基于所述表征损害分量来降低所述假定测度中的干扰效应。

25、根据权利要求24所述的盲检测电路，其中，所述干扰表征电路包括白化电路，该白化电路用于基于所述表征损害分量针对各假定调制类型确定所述接收信号的白化噪声估计，并且其中，所述盲检测电路基于所述白化噪声估计来检测所述接收信号的调制类型。

26、根据权利要求25所述的盲检测电路，其中，所述干扰表征电路还包括滤波器生成器，该滤波器生成器生成白化滤波器系数，而所述白化电路基于所述表征损害分量来确定白化信道估计，以针对各调制类型根据所述白化信道估计和所述白化滤波器系数来降低干扰效应。

27、根据权利要求26所述的盲检测电路，其中，所述干扰表征电路利用间接广义最小二乘算法来生成所述白化信道估计和所述白化滤波器系数。

28、根据权利要求25所述的盲检测电路，其中，所述干扰表征电路还包括滤波器生成器，该滤波器生成器用于基于所述表征损害分量来生成白化滤波器，并且其中，减扰电路利用所述白化滤波器对针对所述接收信号的噪声估计进行滤波，以降低来自针对各假定调制类型的噪声估计的干扰效应。

29、根据权利要求28所述的盲检测电路，其中，所述滤波器生成器基于Whittle-Wiggins-Robison算法生成所述白化滤波器。

30、根据权利要求22所述的盲检测电路，其中，所述盲检测电路还包括评估电路，该评估电路被构造成对所述假定测度进行评估并对与最佳假定测度相对应的调制类型进行识别。

31、根据权利要求22所述的盲检测电路，其中，所述盲检测电路还包括信号旋转器，该信号旋转器针对各假定调制类型将所述接收信号去旋转一不同相位旋转。

32、根据权利要求31所述的盲检测电路，其中，所述信号旋转器针对假定高斯最小频移键控调制类型将所述接收信号去旋转π/2相位旋转，并且其中，所述信号旋转器针对假定八进制相移键控调制类型将所述接收信号去旋转3π/8相位旋转。

33、根据权利要求32所述的盲检测电路，其中，所述信号旋转器对与所述假定八进制相移键控调制类型相对应的所述表征损害分量应用附加的π/8相位去旋转。

34、根据权利要求22所述的盲检测电路，其中，所述损害表征单元被构造成通过针对所述两个或更多个假定调制类型中的每一个对所述接收信号的同相分量与正交分量进行空间和时间相关，针对各假定调制类型来表征所述接收信号的损害分量。

35、根据权利要求22所述的盲检测电路，其中，所述无线通***还包括解调器，该解调器用于基于由所述盲检测电路确定的调制类型来对所述接收信号进行解调。

36、根据权利要求35所述的盲检测电路，其中，所述损害表征单元包括白化电路，该白化电路用于基于所述表征损害分量来确定针对所述接收信号的白化信道估计，并且其中，所述盲检测电路将与由所述盲检测电路确定的调制类型相对应的白化信道估计提供给所述解调器。

37、根据权利要求22所述的盲检测电路，其中，所述无线通***被设置在移动站中。

Images