CN101232303A - 扩频通信***中基于迭代干扰删除的低复杂度均衡方法 - Google Patents

Abstract

本发明涉及扩频通信***中基于迭代干扰删除的低复杂度均衡方法，属于无线通信的技术领域；该方法包括：在接收信号的导频阶段，使用滑动相关或最小二乘等方法进行信道估计，得到复合信道响应的估计值；对每一个复合信道响应，从KN_c条径中选取幅值最大的L条径，把其它径的值赋为零；以码元长度为周期对信道响应分段，每一段里的N_c条径构成一个信道响应矢量，由M个同属第k段的矢量构成信道响应矩阵；初始化相关值寄存器和临时判决量寄存器；在接收信号的数据码元阶段，按接收到数据码元顺序，进行迭代干扰删除，得到发射码元的最终判决值。本发明大大降低了抽头选择和系数训练的计算量，但是其性能却超过了按最大径位置放置抽头的线性均衡方法。

Description

扩频通信***中基于迭代干扰删除的低复杂度均衡方法

技术领域

本发明属于无线通信的技术领域，特别涉及扩频通信***中的低复杂度均衡方法。

背景技术

无线通信***使用电磁波完成信息在空间不同位置上的传输，它一般包括发射和接收两个部分。在发射部分，待传输的信息比特经过纠错编码、扩频、调制等基带处理，最后转变成射频发射信号。发射信号在到达接收端之前会受到无线信道中各种破坏性因素的影响，如多径干扰、多用户干扰、信道时变等。因此在接收部分，要先对采样下来的基带信号进行处理，如使用均衡方法抑制多径干扰等，然后才能解调出发射端送来的信息比特，完成整个信息传输过程。

扩频技术是无线通信***中常用的一种信息传输技术，它通过扩展发射信号的频谱宽度来提高***的性能。扩频发射信号占用的带宽一般远大于传输信息所需要的最小带宽，并且使用的扩频码独立于待传输信息。

由于频谱展宽，在发射功率不变的情况下，扩频信号的功率谱密度大大降低，甚至可低于白噪声的功率谱密度，即信号淹没在噪声之中，这大大降低了它被检测或截获的概率。随着信号带宽的增加，原来传播信道中不可分辨的多径逐渐变得可分辨，从而接收端可以进行频率分集，降低多径衰落对***性能的影响。原来可能影响整个信号频段的窄带干扰，现在只能影响信号的部分频段，因此对***性能的影响也大大降低。扩频技术可以容许多个用户同时共用一个频段，互相叠加的信号在接收端通过各种信号处理技术可以有效地加以分离。由于带宽的增加，扩频信号还具有更高的时间分辨率和定位能力。

在无线通信当中，扩频技术的应用非常广泛。很多国际标准，如第三代(3G)移动通信的三大标准WCDMA、CDMA2000和TD-SCDMA，无线局域网的标准IEEE 802.11b，无线个域网的标准IEEE 802.15.4等都使用了扩频技术作为核心的信息传输技术。目前正在蓬勃发展的一些新兴技术，如超宽带通信等，也大都采用了扩频技术。

基本的扩频方法包括直序(DS)、跳时(TH)、跳频(FH)和线性调频(Chirp)等四种。其中直序和跳时***通过在码元中引入周期更短的码片来达到扩频的目的，而跳频和线性调频***则通过引入更多的载波频点来达到扩频的目的。在直序扩频***中，一个用户可以只有一个扩频码，也可以有多个扩频码。当使用多个扩频码时，每个码元根据待传输的比特选择使用其中的一个扩频码，这样扩频码本身即携带着信息，频谱利用率更高。如果把扩频后整个码元的波形看作是一个脉冲波形，数据比特直接调制在这一波形上，则只使用一个扩频码的传输方式可以看作是单波形调制，而使用多个扩频码的传输方式可以看作是多波形调制。显然，单波形调制只是多波形调制的一个特例。常用的多波形调制方法有多元正交调制(MOK)和多元双正交调制(MBOK)等，MOK只根据发射比特选择扩频码，而MBOK在选择扩频码后还根据其它发射比特调制整个扩频码的相位。

跳时扩频***是基于脉冲调制的***，发射信号具有低占空比，从而脉冲的位置可以灵活改变。在这样的***中，除了脉冲幅度调制，脉冲位置调制也常常使用，从而提高***的频谱利用率。跳时码定义了一个码元内脉冲的发射时间，而根据此跳时码生成的整个码元的脉冲波形可以认为是一个扩频波形，有时也叫做特征波形。脉冲位置调制以后，从整个码元的角度来看也可以认为是使用了另一个扩频波形，即跳时扩频***中的脉冲位置调制也可以看成是一种多波形调制。因此，从多波形调制的角度出发，直序扩频和跳时扩频的各种发射信号可以用统一的方法来处理。

一般认为，扩频***具有较好的抗多径干扰的能力，但那只是多径时延相对较短时的结论。当最大多径时延小于一个码元周期时，根据扩频序列良好的自相关特性，解扩以后多径干扰可以得到有效地抑制。如果使用最大比合并(MRC)Rake接收机，还可以搜集合并接收到的多径能量，进一步提高***的性能。但是，当多径时延超过一个码元周期后，解扩和MRC-Rake都不能解决码元间多径干扰的问题，***性能会急剧恶化。

这种长多径干扰的情况在水声通信、数字电视广播、3G/超3G CDMA通信***以及超宽带通信***中都会出现。但是所谓长多径干扰并不是指多径时延的绝对长度，而是指相对发射信号码元周期的相对长度，如果多径干扰覆盖了多个信号码元，即属于长多径干扰。例如，在第三代移动通信TD-SCDMA***中，采用3.84Mcps的码片速率和长度为8的扩频码，码元周期约为2us，在小区半径为3公里时，多径时延可达10us，因此多径干扰覆盖五个码元。而在室内超宽带通信***中，多径时延最大只有约100ns，如果码元周期为20ns，则多径干扰也能覆盖五个码元。

长多径干扰只能通过均衡方法来进行抑制。均衡方法可以分为线性和非线性两大类，线性均衡使用一个横向滤波器对接收信号加以处理，滤波器的系数可以根据迫零(ZF)或最小均方误差(MMSE)等准则计算或训练得到。非线性均衡则有各种不同的实现形式，极大似然序列检测是一种最优的均衡方法，它根据信道估计值使用维特比算法直接估计整个发射比特序列。判决反馈均衡使用一个前馈滤波器和一个反馈滤波器，其中前馈滤波器进行白化匹配滤波，反馈滤波器删除码元间多径干扰，其性能要优于线性均衡方法。

均衡方法的实现复杂度包括两个部分，一部分在其系数训练过程，另一部分在数据检测过程，不同的均衡方法其复杂度在这两部分间的分布差别很大。线性均衡需要很大的计算量来训练滤波器的系数，但是在数据检测时，其计算量与MRC-Rake相同。而极大似然序列检测只需要信道估计值，不需要训练滤波器系数，但是在数据检测时其复杂度随码间干扰的长度呈指数增长，所以在实际***中一般不使用极大似然序列检测。判决反馈均衡因为包含一个线性的前馈滤波器，所以也要很大的计算量来训练滤波器的系数。在长多径干扰的情况，不论是滤波器系数训练还是数据检测都变得相当复杂。另外，对于多波形调制的***，接收端需要多个滤波器来进行数据检测，因此需要训练多组滤波器系数，这会进一步增加均衡过程的复杂度。

在扩频通信***中，现有的降低均衡复杂度的方法主要有两类。第一类是把码片级均衡转化为码元级均衡，即接收信号先进行多径信道的匹配滤波，再以码元速率下采样，然后对下采样后的信号进行均衡。这种方法降低了均衡系数训练的复杂度，但是数据检测部分的复杂度却有所升高，因为多径信道匹配滤波和下采样的过程实际上等价于一个MRC-Rake接收机，只是这一部分的复杂度已经相当于码片级均衡，何况后面还有一级码元级均衡。

第二类降低均衡复杂度的方法是减少滤波器的抽头数目。在一般的室外传输环境中，因为反射体的密度较低，多径信道往往表现出相当稀疏的特性。利用这一特性，滤波器可以只在适当的位置放置抽头，这样可以大大减少抽头的数目。而在室内超宽带信道中，多径一般是分簇到达的，虽然簇内是密集的，但簇间往往表现出一定的稀疏特性，因此也可以减少滤波器抽头的数目。对于线性均衡而言，最佳抽头位置选择问题是一个多维联合搜索问题，其计算复杂度往往是难以承受的。在最大径位置处放置抽头虽然简单，但是性能却受到一定影响。

对于传统的判决反馈均衡而言，接收信号经过前馈滤波器以后，多径信道的稀疏特性会被破坏，导致反馈滤波器不能采用稀疏抽头。采用反序的判决反馈均衡可以解决这一问题，即让信号先经过反馈滤波器删除部分干扰，再经过前馈滤波器，这样反馈滤波器可以采用稀疏抽头，并且反馈滤波以后码间干扰的长度显著缩短，从而可以降低前馈滤波器的复杂度。但是，这种做法只解决了复杂度的问题，却没有考虑对接收性能的影响。因为反馈滤波器提前删除掉很大一部分多径能量，所以码元判决时的信噪比会有较大下降，当接收信号的信噪比较低时，***的误比特率会比较高。

发明内容

本发明的目的是为克服已有技术的不足之处，提出一种基于迭代干扰删除的均衡方法，以抑制直序和跳时扩频***中的长多径干扰。它继承了判决反馈均衡在干扰删除和抽头选择方法上的优点，但是避免了其损失多径能量的缺点。与线性均衡相比，本发明的方法完全不需要计算均衡系数，只需要信道估计值就可以抑制码元间多径干扰，并且在抽头选择时，最大径位置即是最佳位置，大大降低了抽头选择算法的计算量。在数据检测部分，本发明方法的计算量与选择性抽头MRC-Rake接收相当，但是其性能却超过了按最大径位置放置抽头的线性均衡方法。

本发明提出的扩频通信***中基于迭代干扰删除的低复杂度均衡方法，包括以下步骤：

1)在接收信号的导频阶段，使用滑动相关或最小二乘等方法进行信道估计，得到复合信道响应的估计值h_m[i]，m＝0，1，…，M-1，i＝0，1，…，KN_c-1，其中M表示通信***使用的扩频波形的个数，K表示复合信道响应覆盖的码元个数，N_c表示一个码元周期内的采样点数；

2)对每一个复合信道响应h_m[i]，i＝0，1，…，KN_c-1，从KN_c条径中选取幅值最大的L条径，把其它径的值赋为零；这里，0＜L≤KN_c；

3)以码元长度为周期对信道响应分段，每一段里的N_c条径构成一个信道响应矢量，其中第k个信道响应矢量h_k，m＝[h_m[kN_c]，h_m[kN_c+1]，…，h_m[(k+1)N_c-1]]^T，k＝0，1，…，K-1，m＝0，1，…，M-1，[·]^T表示矩阵或矢量的转置；由M个同属第k段的矢量h_k，m构成信道响应矩阵H_k＝[h_k，0，h_k，1，…，h_k，M-1]，k＝0，1，…，K-1；

4)初始化相关值寄存器c_reg(n，m)＝0，n＝0，1，…，N+K-2，m＝0，1，…，M-1和临时判决量寄存器 ${\tilde{a}}_n=0,$ n＝-K+1，…，0，…，N+K-2。这里N表示一个数据包中的码元个数，

是一个M维的矢量，其中

是

的第m个元素；

5)在接收信号的数据码元阶段，按接收到数据码元顺序，从y₀，y₁到y_N+K-2，进行迭代干扰删除，得到发射码元a₀，a₁到a_N-1的最终判决值，解调出发射端送来的信息比特，完成整个信息传输过程。进行迭代干扰删除的具体步骤如下：

(1)当接收到数据码元y₀时，执行以下三个步骤的操作：

a.把数据包前端导频码元序列中的已知码元a_-1，a_-2，…，a_-K+1写入临时判决量寄存器

从接收信号中删除这些码元对a₀信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{\mathrm{0,0}}=y_0-\underset{k-1}{\overset{K-1}{\mathrm{\Σ}}}{H}_k{\tilde{a}}_{-k}$

b.分别计算干扰删除后信号

与M个信道响应矢量的相关值，写入相关值寄存器c_reg(0，m)：

$c_{\mathrm{reg}}(0,m)={\stackrel{\‾}{y}}_{\mathrm{0,0}}^T{h}_{0,m}$

其中，m＝0，1，…，M-1；

c.从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(0,m)\left|\right\}$

根据m′的值和c_reg(0，m′)的符号写入临时判决量寄存器

${\tilde{a}}_0={[{\tilde{a}}_{\mathrm{0,0}},{\tilde{a}}_{\mathrm{0,1}},\·\·\·,{\tilde{a}}_{0,M-1}]}^T$

${\tilde{a}}_{0,m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(0,m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

(2)当接收到数据码元y_n，1≤n≤N+K-2时，对n′＝n，n-1，…n-K+1(0≤n′≤N-1)分别执行以下三个步骤的操作：

a.根据临时判决量

从接收信号中删除其它码元的信号对a_n′信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{n^{\′},n}=y_n-\underset{k\≠n-n^{\′}}{\overset{K-1}{\underset{k=0}{\mathrm{\Σ}}}}{H}_k{\tilde{a}}_{n-k}$

b.分别计算干扰删除后信号

与M个信道响应矢量的相关值，写入相关值寄存器c_reg(n′，m)：

$c_{\mathrm{reg}}(n^{\′},m)=\{\begin{array}{cc}{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& n^{\′}=n\\ c_{\mathrm{reg}}(n^{\′},m)+{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& \mathrm{otherwise}\end{array}$

其中，m＝0，1，…，M-1；

c.从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(n^{\′},m)\left|\right\}$

根据m′的值和c_reg(n′，m′)的符号写入临时判决量寄存器

${\tilde{a}}_{n^{\′}}={[{\tilde{a}}_{n^{\′},0}{,\tilde{a}}_{n^{\′},1},\·\·\·,{\tilde{a}}_{n^{\′},M-1}]}^T$

${\tilde{a}}_{n^{\′},m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(n^{\′},m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

如果n′＝n-K+1，得到发射码元的最终判决值：

$a_{n-K+1}={\tilde{a}}_{n-K+1}$

本发明的这种方法的原理是基于迭代多用户检测和迭代均衡。在扩频***中，一个码元周期内的接收信号是几个发射码元多径信号的叠加，因此多径干扰可以看成是几个虚拟用户之间的多用户干扰。干扰删除算法可以用来抑制这些虚拟多用户干扰。但是，因为同一个发射码元会在相邻的几个码元内都造成多径干扰，即这些码元内相应的虚拟用户的信号来源于同一个发射信息，因此前面码元处得到的临时判决值可以作为后面码元检测时的先验信息，而后面码元新合并的信号分量又可以改善这些临时判决值。通过不断的迭代，有关发射码元的先验信息会越来越准确。最终判决统计量合并了所有接收到的多径能量，又避免了码间干扰的影响，因此具有很好的检测性能。

本发明具有以下优点：

(1)实现复杂度低，不需要计算或训练均衡器系数，整体的实现复杂度和最大比合并Rake接收相当；

(2)性能好，本发明方法的性能远优于反序的判决反馈均衡方法；当在全部多径位置放置均衡器抽头时，本发明方法的性能和线性最小均方误差均衡器的性能相当，当只在部分最大径位置放置均衡器抽头时，本发明方法的性能优于线性最小均方误差均衡器的性能；

(3)适应性广，可以用于单波形或多波形调制的宽带扩频通信***，也可以用于脉冲幅度或位置调制的超宽带通信***。

附图说明

图1是直序扩频***中发射波形的示意图。

图2是跳时扩频***中发射波形的示意图。

图3是本发明方法与其它方法在全抽头时的性能比较。

图4是本发明方法与其它方法在部分抽头时的性能比较。

具体实施方式

本发明提出的扩频通信***中基于迭代干扰删除的低复杂度均衡方法结合附图及实施例详细说明如下。

本发明方法包括以下步骤：

首先在接收信号的导频阶段，使用滑动相关或最小二乘等方法进行信道估计，得到复合信道响应的估计值h_m[i]，m＝0，1，…，M-1，i＝0，1，…，KN_c-1，其中M表示通信***使用的扩频波形的个数，K表示复合信道响应覆盖的码元个数，N_c表示一个码元周期内的采样点数；

对每一个复合信道响应h_m[i]，i＝0，1，…，KN_c-1，从KN_c条径中选取幅值最大的L条径，把其它径的值赋为零，这里，0＜L≤KN_c(L越大***的复杂度越高，因此其值的大小可以根据实际应用时***所能承受的复杂度而定，也可以按最大径能量占信道响应总能量的百分比而定)；

以码元长度为周期对信道响应分段，每一段里的N_c条径构成一个信道响应矢量，其中第k段里的N_c条径构成信道响应矢量h_k，m＝[h_m[kN_c]，h_m[kN_c+1]，…，h_m[(k+1)N_c-1]]^T，这里k＝0，1，…，K-1，m＝0，1，…，M-1，[·]^T表示矩阵或矢量的转置；由M个同属第k段的矢量h_k，m构成信道响应矩阵Hk＝[h_k，0，h_k，1，…，h_k，M-1]，这里k＝0，1，…，K-1；

然后初始化相关值寄存器c_reg(n，m)＝0，n＝0，1，…，N+K-2，m＝0，1，…，M-1和临时判决量寄存器 ${\tilde{a}}_n=0,$ n＝-K+1，…，0，…，N+K-2，这里N表示一个数据包中的码元个数，

是一个M维的矢量，其中

是

的第m个元素；

最后在接收信号的数据码元阶段，按接收信号的数据码元顺序，从y₀，y₁到y_N+K-2，进行迭代干扰删除，得到发射码元a₀，a₁到a_N-1的最终判决值，解调出发射端送来的信息比特，完成整个信息传输过程。

上述进行迭代干扰删除的具体方法为：

当接收到数据码元y₀时，把数据包前端导频码元序列中的已知码元a_-1，a_-2，…，a_-K+1写入临时判决量寄存器

从接收信号中删除这些码元对a₀信号的干扰，得到干扰删除后信号 ${\stackrel{\‾}{y}}_{\mathrm{0,0}}=y_0-\underset{k-1}{\overset{K-1}{\mathrm{\Σ}}}{H}_k{\tilde{a}}_{-k};$ 分别计算干扰删除后信号

与M个信道响应矢量的相关值，写入相关值寄存器 $c_{\mathrm{reg}}(0,m)={\stackrel{\‾}{y}}_{\mathrm{0,0}}^T{h}_{0,m},$ 这里m＝0，1，…，M-1；从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号 $m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(0,m)\left|\right\}$ 根据m′的值和c_reg(0，m′)的符号写入临时判决量寄存器

${\tilde{a}}_0={[{\tilde{a}}_{\mathrm{0,0}},{\tilde{a}}_{\mathrm{0,1}},\·\·\·,{\tilde{a}}_{0,M-1}]}^T$

${\tilde{a}}_{0,m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(0,m^{\′})\right\}& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array};\right.$

当接收到数据码元y_n，1≤n≤N+K-2时，对n′＝n，n-1，…n-K+1，0≤n′≤N-1分别执行三个步骤的操作：

根据临时判决量

从接收信号中删除其它码元的信号对a_n′信号的干扰，得到干扰删除后信号 ${\stackrel{\‾}{y}}_{n^{\′},n}=y_n-\underset{k\≠n-n^{\′}}{\overset{K-1}{\underset{k=0}{\mathrm{\Σ}}}}{H}_k{\tilde{a}}_{n-k};$

分别计算干扰删除后信号

与M个信道响应矢量的相关值，写入相关值寄存器

这里m＝0，1，…，M-1；

从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′： $m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(n^{\′},m)\left|\right\},$ 根据m′的值和c_reg(n′，m′)的符号写入临时判决量寄存器 ${\tilde{a}}_{n^{\′}}={[{\tilde{a}}_{n^{\′},0}{,\tilde{a}}_{n^{\′},1},\·\·\·,{\tilde{a}}_{n^{\′},M-1}]}^T,{\tilde{a}}_{n^{\′},m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(n^{\′},m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

当n′＝n-K+1时，得到发射码元的最终判决值 $a_{n-K+1}={\tilde{a}}_{n-K+1}.$

本发明提出的扩频通信***中基于迭代干扰删除的低复杂度均衡方法，适用于各种直序或跳时扩频的通信***。它可以用于单波形或多波形调制的宽带扩频通信***，也可以用于脉冲幅度或位置调制的超宽带通信***。

考虑一般的扩频通信***，其发射信号可以表示为

$s\left(t\right)=\sqrt{E_s}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{m=0}{\overset{M-1}{\mathrm{\Σ}}}{a}_{n,m}{\mathrm{\φ}}_m(t-n{T}_s)$

其中E_s表示发射码元的能量，N表示发射的码元个数，M表示可能的波形数目，a_n，m表示第n个码元中第m个发射波形上调制的幅度。在一个码元中只会选择一个波形进行发射，假设在第n个码元中被选择的波形是第d_n个，则对m＝0，…，M-1，只有当m＝d_n时a_n，m的值才不为0。φ_m(t)是第m个可能的发射波形，它的能量是归一化的，即 ${\∫}_0^{\mathrm{Ts}}{\mathrm{\φ}}_m^2\left(t\right)=1,$ T_s表示码元周期。一般而言，a_n，m是双极性的，即它的取值为+1或-1，可以调制1个比特，而波形选择可以调制log₂M个比特，因此每个码元可以调制(1+log₂M)个比特，***的数据率为R_b＝(1+log₂M)/T_s。

这样一个表达式反映了各种可能的调制和扩频方式，其中扩频码、跳时码以及成形脉冲的信息都包含在发射波形φ_m(t)里。图1给出了直序扩频***中发射波形的一个例子，其中波形数目M＝4，直序扩频码的长度是8，成形脉冲是矩形脉冲，这里波形1到波形4即对应上面公式中的φ₀(t)到φ₃(t)。图2给出了跳时扩频***中发射波形的一个例子，其中波形数目M＝4，跳时扩频码的长度是4，成形脉冲是二阶高斯脉冲，同样图中的波形1到波形4即对应上面公式中的φ₀(t)到φ₃(t)。从图2可以看出，实际上脉冲之间的相对位置并没有改变，只是因为脉冲位置调制使码元波形发生了整体平移，因此脉冲位置调制可以看作是多波形调制的一个特例。当然，不同的调制波形可以具有不同的跳时码，这时只要把跳时码信息反映到φ_m(t)中就可以了。当M＝1时，这一表达式就反映了只有一个扩频码的直序扩频***或者是只有脉冲幅度调制的跳时扩频***。

如果定义发射幅度矢量

a_n＝[a_n，0，a_n，1，…，a_n，M-1]^T

其中[·]^T表示矩阵或矢量的转置，定义发射波形矢量

(t)＝[φ₀(t)，φ₁(t)，…，φ_M-1(t)]^T

则发射信号可以表示为另一种更紧凑的形式

下面以一个短脉冲超宽带通信***为例来说明本发明方法的具体实施方式。根据发射信号的表达式，设置发射码元的能量E_s＝1，每个数据包的发射码元个数N＝1000，扩频波形数目M＝4。采用脉冲位置调制结合脉冲幅度调制的方式，首先用二个待发射比特选择四个可能的脉冲发射位置，从码元波形的角度来看，不同的脉冲发射位置即代表了不同的扩频波形；然后再以一个待发射比特调制脉冲的极性，因此每一个码元可以传输三个比特。设置码元周期T_s＝20ns，脉冲宽度T_p＝1ns，可以得到扩频增益为G＝T_s/T_p＝20，***数据率为R_b＝(1+log₂M)/T_s＝150Mbps。

假设多径信道的冲激响应表示为h(t)，接收机匹配滤波器的冲激响应为p(t)，则可以定义复合信道响应

h_m(t)＝φ_m(t)*h(t)*p(t)

其中符号“*”表示卷积运算，复合信道响应反映了发射波形、多径信道以及接收机匹配滤波的共同影响。因为现代接收机的基带信号处理一般都是数字化的，所以匹配滤波以后的接收信号首先会经过采样和量化变成数字信号。这样从基带信号的角度来看，等效的信道响应也是离散的，即

h_m[i]＝h_m(iT_c)，i＝0，1，…，KN_c-1

其中T_c表示采样间隔，K表示复合信道响应的长度为K个码元周期，N_c＝T_s/T_c表示一个码元周期内的采样点数。对于短脉冲超宽带通信***而言，T_c一般取脉冲宽度，这时N_c也可以认为是所有可能的脉冲位置数目。

为了评估本发明方法的性能，通过计算机仿真产生一组超宽带多径信道的冲激响应，然后统计数据包经过多径信道后接收端的平均误比特率。仿真使用IEEE 802.15.4a信道模型，它是基于Saleh-Valenzuela分簇信道模型和实际测量数据而建立的。应用其中的“CM2”环境，也就是无直射路径居住场所，一共产生1000次信道实现以统计平均误比特率(BER)。在此环境下，多径信道的均方根时延扩展为19ns，最大时延扩展为100ns，因此码间干扰覆盖5个码元。

把h_m[i]以码元长度为周期分段，其中第k段的N_c条径组成信道响应矢量

h_k，m＝[h_m[kN_c]，h_m[kN_c+1]，…，h_m[(k+1)N_c-1]]^T

M个同属第k段的信道响应矢量组成信道响应矩阵

H_k＝h_k，0，h_k，1，…，h_k，M-1」

因此接收信号可以写成矢量形式

$y_n=\underset{k=0}{\overset{K-1}{\mathrm{\Σ}}}{H}_k{a}_{n-k}+z_n,n=\mathrm{0,1},\·\·\·,N+K-2$

其中y_n表示第n个码元的接收信号矢量，z_n表示第n个码元的噪声矢量，它们都包含N_c个元素。z_n服从零均值的高斯分布，其协方差阵为

IN_c，其中

是接收机前端热噪声的双边功率谱密度，它的值根据仿真时的信噪比来给定，IN_c是N_c×N_c维的单位阵。因为多径时延的原因，N个发射码元可以在接收端得到N+K-2个码元的接收信号。在这个表达式中，对于a_n-k的取值而言，当n-k＜0时，a_n-k应该取数据包前端导频码元的值，而当n-k＞N-1后，因为不再有发射码元，所以a_n-k应该取全零矢量，这时接收到的全都是多径信号。

应用本发明提出的基于迭代干扰删除的低复杂度均衡方法对接收信号进行处理，包括以下步骤：

1)在接收信号的导频阶段，使用滑动相关或最小二乘等方法进行信道估计，得到复合信道响应的估计值h_m[i]，m＝0，1，2，3，i＝0，1，…，99；

2)对每一个复合信道响应h_m[i]，i＝0，1，…，99，从100条径中选取幅值最大的L条径，把其它径的值赋为零，在此实施例中，分别取L＝100，32，16进行了性能仿真，当L＝100时，实际上所有的多径都参与了数据解调；

3)以码元长度为周期对信道响应分段，每一段里的20条径构成一个信道响应矢量，其中第k个信道响应矢量h_k，m＝[h_m[20k]，h_m[20k+1]，…，h_m[20(k+1)-1]]^T，k＝0，1，…，4，m＝0，1，2，3，[·]^T表示矩阵或矢量的转置。由4个同属第k段的矢量h_k，m构成信道响应矩阵H_k＝[h_k，0，h_k，1，h_k，2，h_k，3]，k＝0，1，…，4；

4)初始化相关值寄存器c_reg(n，m)＝0，n＝0，1，…，1003，m＝0，1，2，3和临时判决量寄存器 ${\tilde{a}}_n=0,$ n＝-4，…，0，…，1003。这里， ${\tilde{a}}_n={[{\tilde{a}}_{n,0},{\tilde{a}}_{n,1},{\tilde{a}}_{n,2},{\tilde{a}}_{n,3}]}^T$ 是一个4维的矢量，其中

是

的第m个元素；

5)在接收信号的数据码元阶段，按接收到数据码元顺序，从y₀，y₁到y₁₀₀₃，进行迭代干扰删除，得到发射码元a₀，a₁到a₉₉₉的最终判决值，解调出发射端送来的信息比特，完成整个信息传输过程。进行迭代干扰删除的具体步骤如下：

(1)当接收到数据码元y₀时，执行以下三个步骤的操作：

a.把数据包前端导频码元序列中的已知码元a_-1，a_-2，a_-3，a_-4写入临时判决量寄存器

从接收信号中删除这些码元对a₀信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{\mathrm{0,0}}=y_0-\underset{k=1}{\overset{4}{\mathrm{\Σ}}}{H}_k{\tilde{a}}_{-k}$

b.分别计算干扰删除后信号

与4个信道响应矢量的相关值，写入相关值寄存器c_reg(0，m)：

$c_{\mathrm{reg}}(0,m)={\stackrel{\‾}{y}}_{\mathrm{0,0}}^T{h}_{0,m}$

其中，m＝0，1，2，3；

c.从4个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(0,m)\left|\right\}$

根据m′的值和c_reg(0，m′)的符号写入临时判决量寄存器

${\tilde{a}}_0={[{\tilde{a}}_{\mathrm{0,0}},{\tilde{a}}_{\mathrm{0,1}},{\tilde{a}}_{\mathrm{0,2}},{\tilde{a}}_{\mathrm{0,3}}]}^T$

${\tilde{a}}_{0,m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(0,m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

(2)当接收到数据码元y_n，1≤n≤1003时，对n′＝n，n-1，…n-4(0≤n′≤999)分别执行以下三个步骤的操作：

a.根据临时判决量

从接收信号中删除其它码元的信号对a_n′信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{n^{\′},n}=y_n-\underset{k\≠n-n^{\′}}{\overset{4}{\underset{k=0}{\mathrm{\Σ}}}}{H}_k{\tilde{a}}_{n-k}$

b.分别计算干扰删除后信号

与4个信道响应矢量的相关值，写入相关值寄存器c_reg(n′，m)：

$c_{\mathrm{reg}}(n^{\′},m)=\left\{\begin{array}{cc}{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& n^{\′}=n\\ c_{\mathrm{reg}}(n^{\′},m)+{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& \mathrm{otherwise}\end{array}\right.$

其中，m＝0，1，2，3；

c.从4个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(n^{\′},m)\left|\right\}$

根据m′的值和c_reg(n′，m′)的符号写入临时判决量寄存器

${\tilde{a}}_{n^{\′}}={[{\tilde{a}}_{n^{\′},0},{\tilde{a}}_{n^{\′},1},{\tilde{a}}_{n^{\′},1},{\tilde{a}}_{n^{\′},3}]}^T$

${\tilde{a}}_{n^{\′},m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(n^{\′},m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

如果n′＝n-4，得到发射码元的最终判决值：

$a_{n-4}={\tilde{a}}_{n-4}$

也就是说a_n的最终判决值要等到接收码元y_n+4的解调完成以后才能得到。根据矢量a_n的值，可以知道发射端在每个码元里调制的位置和极性，从而可以解调出调制位置的二个比特和调制极性的一个比特。当得到a₉₉₉的最终判决值并解调出所有比特以后，整个数据包的信息传输过程结束。

可以看出，在本发明提出的低复杂度均衡方法中，主要的计算量是迭代干扰删除过程中的相关运算，即计算干扰删除后信号与M个信道响应矢量的相关值，因为检测每个发射码元需要K次干扰删除操作，所以每个码元处总的相关运算是MK个。在求相关值的过程中，主要的计算量是乘法运算，在上面的例子中，如果L＝KN_c＝100，即不使用稀疏抽头，则每个码元处需要400个乘法；如果采用稀疏抽头，如L＝16，则每个码元处只需要64个乘法。当采用相同的抽头个数时，迭代干扰删除均衡方法的乘法计算量与MRC-Rake接收是相同的。线性MMSE均衡在数据检测时计算量也是这么多，但是它在抽头选择和系数训练阶段要消耗大量的计算量。例如，使用匹配追击算法来选择16个抽头，其计算量约为16²×100＝25600次乘法的量级；使用最小均方算法(LMS)自适应地训练均衡器系数，如果迭代100次后完成系数训练，则其计算量约为1600次乘法的量级。反序判决反馈均衡方法的计算量取决于反馈部分删除干扰的长度，当反馈部分删除所***元间干扰时，前馈部分在每个码元处只需要进行4个相关运算，不进行抽头选择也只需要80次乘法，但是下面将会看到，因为浪费了过多的多径能量，这种均衡方法的性能很不好。在超宽带通信***当中，信道估计部分的计算量可以做到非常小，如果设计导频码元处没有脉冲间干扰，则只用简单的平均就可以得到信道估计值。

图3给出了本发明提出的迭代干扰删除均衡方法与其它接收方法的性能比较，其中“菱形”记号的实线表示反序判决反馈均衡方法(Rev-DFE)的性能曲线，“上三角”记号的虚线表示最大比合并Rake接收方法(MRC-Rake)的性能曲线，“十字”记号的实线表示迭代干扰删除均衡方法(IIC)的性能曲线，“圆圈”记号的虚线表示线性MMSE均衡方法(MMSE-EQU)的性能曲线，“矩形”记号的实线表示匹配滤波界(MFB)，它是指没***间干扰时信道匹配滤波所能得到的最好接收性能，这是理想条件下的最优性能，是各种均衡方法的性能上界(误码率下界)。图中横坐标是以E_b/N₀形式定义的信噪比，E_b表示每比特的发射能量，N₀表示噪声的单边功率谱密度，纵坐标是误比特率(BER)。在这张图的仿真里，各种方法都使用了全部多径位置放置抽头，抽头数目为100个。可以看出，反序判决反馈均衡的误比特率最高，其次是最大比合并Rake接收，迭代干扰删除均衡与线性MMSE均衡的性能相当，远好于最大比合并Rake接收以及反序判决反馈均衡的性能。

图4给出了选择最大径位置作为抽头位置时几种方法的性能比较，其中“星形”记号的实线表示抽头数为16的最大比合并Rake接收方法(MRC-Rake-16)的性能曲线，“下三角”记号的虚线表示抽头数为32的最大比合并Rake接收方法(MRC-Rake-32)的性能曲线，“十字”记号的实线表示抽头数为16的线性MMSE均衡方法(MMSE-EQU-16)的性能曲线，“圆圈”记号的虚线表示抽头数为16的迭代干扰删除均衡方法(IIC-16)的性能曲线，“菱形”记号的实线表示抽头数为32的线性MMSE均衡方法(MMSE-EQU-32)的性能曲线，“上三角”记号的虚线表示抽头数为32的迭代干扰删除均衡方法(IIC-32)的性能曲线，“矩形”记号的实线仍然表示匹配滤波界(MFB)，并且匹配滤波器界还是使用全部100个抽头，代表各种方法的性能上界。因为反序判决反馈均衡方法的性能不好，所以没有再仿真它在抽头选择时的性能。在做抽头选择时，因为最优的多维联合搜索方法计算量太大，在实际***中不能实现，所以我们使用了以最大径位置作为抽头位置的方法。图中横坐标是以E_b/N₀形式定义的信噪比，纵坐标是误比特率。从图中可以看出，使用抽头选择以后，在相同的抽头数目条件下，迭代干扰删除均衡方法的性能要优于线性MMSE均衡方法，更优于最大比合并Rake接收方法。从与附图3的对比可以看出，当使用32个抽头的时候，几种方法都可以接近它们在使用全部抽头时的性能。综合而言，本发明提出的迭代干扰删除均衡方法兼具低复杂度和高性能的特点，适合各种形式的扩频通信***，具有良好的应用价值和潜力。

Claims (2)

1.一种扩频通信***中基于迭代干扰删除的低复杂度均衡方法，其特征在于，包括以下步骤：

1)在接收信号的导频阶段，使用滑动相关或最小二乘等方法进行信道估计，得到复合信道响应的估计值h_m[i]，m＝0，1，…，M-1，i＝0，1，…，KN_c-1，其中M表示通信***使用的扩频波形的个数，K表示复合信道响应覆盖的码元个数，N_c表示一个码元周期内的采样点数；

2)对每一个复合信道响应h_m[i]，i＝0，1，…，KN_c-1，从KN_c条径中选取幅值最大的L条径，把其它径的值赋为零；其中，0＜L≤KN_c；

3)以码元长度为周期对信道响应分段，每一段里的N_c条径构成一个信道响应矢量，其中第k个信道响应矢量h_k，m＝[h_m[kN_c]，h_m[kN_c+1]，…，h_m[(k+1)N_c-1]]^T，k＝0，1，…，K-1，m＝0，1，…，M-1，[·]^T表示矩阵或矢量的转置；由M个同属第k段的矢量h_k，m构成信道响应矩阵H_k＝[h_K，0，h_k，1，…，h_k，M-1]，k＝0，1，…，K-1；

4)初始化相关值寄存器c_reg(n，m)＝0，n＝0，1，…，N+K-2，m＝0，1，…，M-1和临时判决量寄存器 ${\tilde{a}}_n=0,$ n＝-K+1，…，0，…，N+K-2。这里N表示一个数据包中的码元个数，

是一个M维的矢量，其中

是

的第m个元素；

5)在接收信号的数据码元阶段，按接收到数据码元顺序，从y₀，y₁到y_N+K-2，进行迭代干扰删除，得到发射码元a₀，a₁到a_N-1的最终判决值，解调出发射端送来的信息比特，完成整个信息传输过程。

2.如权利要求1所述方法，其特征在于，所述步骤5)中进行迭代干扰删除的具体步骤如下：

(1)当接收到数据码元y₀时，执行以下三个步骤的操作：

a.把数据包前端导频码元序列中的已知码元a_-1，a_-2，…，a_-K+1写入临时判决量寄存器

从接收信号中删除这些码元对a₀信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{\mathrm{0,0}}=y_0-\underset{k-1}{\overset{K-1}{\mathrm{\Σ}}}{H}_k{\tilde{a}}_{-k}$

b.分别计算干扰删除后信号

与M个信道响应矢量的相关值，写入相关值寄存器c_reg(0，m)：

$c_{\mathrm{reg}}(0,m)={\stackrel{\‾}{y}}_{\mathrm{0,0}}^T{h}_{0,m}$

其中，m＝0，1，…，M-1；

c.从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(0,m)\left|\right\}$

根据m′的值和c_reg(0，m′)的符号写入临时判决量寄存器

${\tilde{a}}_0={[{\tilde{a}}_{\mathrm{0,0}},{\tilde{a}}_{\mathrm{0,1}},\·\·\·,{\tilde{a}}_{0,M-1}]}^T$

${\tilde{a}}_{0,m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(0,m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

(2)当接收到数据码元y_n，1≤n≤N+K-2时，对n′＝n，n-1，…n-K+1(0≤n′≤N-1)分别执行以下三个步骤的操作：

a.根据临时判决量

从接收信号中删除其它码元的信号对a_n′信号的干扰，得到干扰删除后信号

${\stackrel{\‾}{y}}_{n^{\′},n}=y_n-\underset{k\≠n-n^{\′}}{\overset{K-1}{\underset{k=0}{\mathrm{\Σ}}}}{H}_k{\tilde{a}}_{n-k}$

b.分别计算干扰删除后信号与M个信道响应矢量的相关值，写入相关值寄存器c_reg(n′，m)：

$c_{\mathrm{reg}}(n^{\′},m)=\left\{\begin{array}{cc}{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& n^{\′}=n\\ c_{\mathrm{reg}}(n^{\′},m)+{\stackrel{\‾}{y}}_{n^{\′},n}^T{h}_{n-n^{\′},m},& \mathrm{otherwise}\end{array}\right.$

其中，m＝0，1，…，M-1；

c.从M个相关值里搜索最大值，从而得到最大相关值所对应的扩频波形的编号m′：

$m^{\′}=\underset{m}{\arg \max }\left\{\right|c_{\mathrm{reg}}(n^{\′},m)\left|\right\}$

根据m′的值和c_reg(n′，m′)的符号写入临时判决量寄存器

${\tilde{a}}_{n^{\′}}={[{\tilde{a}}_{n^{\′},0}{,\tilde{a}}_{n^{\′},1},\·\·\·,{\tilde{a}}_{n^{\′},M-1}]}^T$

${\tilde{a}}_{n^{\′},m}=\left\{\begin{array}{cc}\mathrm{sign}\left\{c_{\mathrm{reg}}(n^{\′},m^{\′})\right\},& m=m^{\′}\\ 0,& \mathrm{otherwise}\end{array}\right.$

如果n′＝n-K+1，得到发射码元的最终判决值：

$a_{n-K+1}={\tilde{a}}_{n-K+1}$

Images