CN101512997A - 均衡结构和均衡方法 - Google Patents

Abstract

本发明包括一种用于无线通信***的接收设备的均衡结构(10)，在其中，从一个或多个发射机并行发射的两个或多个发射信号在代表两个或多个接收数据流的接收信号矢量中被接收，所述信号包含了根据调制方案而被调制到载波信号上的信息，其中所有可能的发射信号都是由所述调制方案的信号星座图中的候选星座值表示的，包括：处理器(19)，它适于计算接收信号的星座值估计，并且在所述信号星座中确定所述估计星座值附近的多个候选星座值；量度值计算器(17)，它适于根据所述接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值，每一个候选信号矢量都包含用于所述两个或多个发射信号中的每一个的候选星座值，其中所述量度值是为所述数量的星座值以及所述估计星座值中的每一个星座值计算的，以及最大似然检测器(16)，它适于根据所述量度值来检测与相应的接收信号矢量具有最小欧几里得距离的所述候选信号矢量之一，以此作为最有可能的发射信号矢量。本发明还包括一种相应的均衡方法以及一种执行所述方法的计算机程序。

Description

均衡结构和均衡方法

本发明涉及一种用于无线通信***中的接收设备的均衡结构和一种无线通信***的均衡方法，在该无线通信***中，两个或多个发射信号是从一个或多个发射机并行发射并且在代表两个或多个接收数据流的接收信号矢量中被接收的，所述信号包括根据调制方案而被调制到载波信号上的信息，其中所有可能的发射信号都是用所述调制方案的信号星座图中的候选星座值表示的。

本发明尤其涉及一种可以在遭遇到多用户或多信道干扰的无线通信***的接收机中使用或是用于该接收机的均衡结构和方法。举例来说，在不同用户和/或不同信道占用相同频率和时隙分配的通信***中将会遭遇这种干扰。虽然这种干扰在通信***中通常是不期望的，但在某些***中使用了这种干扰来提高数据速率、频谱效率和/或***吞吐量或数据速率。特别地，关于这种***的实例是所谓的多输入多输出(MIMO)***、码分多址(CDMA)***、正交频分复用码分多址(OFDM-CDMA)***等等。

MIMO***通常包括两个或多个并行信道，这些信道占用了相同的频率和时隙，以便提高数据速率和传输范围。对OFDM-CDMA***而言，举例来说，该***是为***电信***提出的。在这种情况下，OFDM是与频域扩展一起使用的，并且不同的用户或信道使用的是不同的码。

在此类***中，接收机中使用的某些均衡结构和均衡方法使用了最大似然检测(MLD)，以便识别和区分两个或多个用户和/或在两个或多个通信信道中并行发射的数据符号，例如在相同时隙和相同频段发射的数据符号。对复杂度降低的最大似然检测而言，其例子例如在Z.Ley、Y.Dai、S.Sun于2005年九月11～14在德国柏林发表于IEEEPIMRC 2005 Conference的“Near Optimal List MIMO Detection”中公开。

本发明的目的是提供一种用于无线通信***中的接收设备的均衡结构和一种用于无线通信***且复杂度降低的均衡方法。上述目标是由根据权利要求1的、用于无线通信***的接收设备的均衡结构实现的，在该***中，从一个或多个发射机并行发射的两个或多个发射信号是在代表两个或多个接收数据流的接收信号矢量中被接收的，所述信号包含了根据调制方案而被调制到载波信号上的信息，其中所有可能的发射信号都是由所述调制方案的信号星座图中的候选星座值表示的。本发明的均衡结构包括：适于计算接收信号的星座值估计并且在所述信号星座中确定所述估计星座值附近的多个候选星座值的处理器，适于根据所述接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值(metric value)的量度值计算器，每一个候选信号矢量都包含用于所述两个或多个发射信号中的每一个的候选星座值，其中所述量度值是为所述数量的星座值中的每一个星座值以及所述估计星座值计算的，以及最大似然检测器，它适于根据所述量度值来检测具有至相应接收信号矢量的最小欧几里得距离的所述候选信号矢量之一，作为最可能的发射信号矢量。

上述目标还可以通过根据权利要求10的均衡方法来实现。更进一步，上述目标是通过根据权利要求19的、可直接加载到用于在无线通信***中接收信息信号的接收设备的内部存储器中的计算机程序来实现的，其中该计算机程序包括软件代码，当所述软件代码在所述接收设备中运行时，所述软件代码适于执行本发明的方法权利要求之一的步骤。

本发明的均衡结构和均衡方法允许降低处理复杂度，同时仍旧保持很高的性能。有利的是，在本发明的均衡结构中，处理器适于根据信道估计值以及所述接收信号来为所述星座值计算所述估计。由此，处理器有利地适于根据所述信道估计值矩阵与所述接收信号矢量的乘积来为所述星座值计算所述估计。由此，该处理器有利地适于根据所述信道估计值的伪逆矩阵与所述接收信号矢量的乘积来为所述星座值计算所述估计。

有利的是，该处理器适于根据信道估计值、信噪值估计以及所述接收信号来为所述星座值计算所述估计。由此，该处理器有利地适于根据包含所述信道估计值和所述信噪值估计的逆值(inverse value)的矩阵与所述接收信号的乘积来为所述星座值计算所述估计。由此，该处理器有利地适于根据包含所述信道估计值和所述信噪值估计的逆值的伪逆矩阵与所述接收信号的乘积来为所述星座值计算所述估计。

更为有利的是，在为接收信号矢量的每一个星座值计算了所述估计之后，该处理器有利地适于根据传输质量来选择所述星座值估计之一，以及在所述信号星座中确定处于所述被选估计星座值附近的多个候选星座值。

更为有利的是，该处理器适于在所述信号星座中确定所述估计星座值附近的多个候选星座值，其中所述确定是通过在一个所述估计星座值周围的所述信号星座中选择所述数量的候选星座值作为所有可用星座值的子集来完成的。

在相应的其他从属权利要求中更进一步定义了有利特征。

本发明在后续结合附图的优选实施例描述中被更详细地说明，其中

图1示出的是实施了根据本发明的均衡结构和均衡方法的MIMO通信***实例的示意性框图；

图2示意性说明了用于最大似然检测的处理步骤；

图3示意性示出了根据本发明的均衡结构的框图；

图4示意性示出了具有比特映射(bitmapping)的16QAM星座方案的实例；

图5示意性示出了具有比特映射的64QAM星座方案的实例；

图6示意性示出了用于根据本发明的16QAM实例的软判决值的输出的分类量度表实例；

图7示出具有由围绕估计星座值的16个星座点组成的子集实例的16QAM星座方案的实例；

图8示出具有由围绕估计星座点的25个星座点组成的子集实例的64QAM星座方案的实例；

图9示出具有由围绕估计星座点的32个星座点组成的子集实例的64QAM星座方案的实例；

图10示出具有由围绕估计星座值的36个星座点组成的子集实例的64QAM星座方案的实例；

图11示出根据本发明的局部Hs预计算处理的示意性实例。

如上所述，本发明涉及一种用于无线通信***中的接收设备的均衡结构，以及一种用于无线通信***的均衡方法。该无线通信***可以是依照当前已知或未来的调制方案而将信息调制到载波信号的任何类型的无线通信***，其中所有可能的发射信号都是由调制方案的同一星座中的候选星座值表示的。由此，调制方案(也被称为信号星座方案)中的每一个星座点都被分配了一个比特映射值或星座值，其中所述值是一个代表了实数或复数值的数字值。

该无线通信***可以是其中有一个或多个发射设备与一个或多个接收设备进行通信的任何类型的无线通信***。举例来说，该发射和接收设备可以是任何可用类型或是具有任何功能的移动设备或装备、固定设备或装备。

由此，本发明特别涉及这样一种无线通信***，在该***中，从一个或多个发射机并行发射的两个或多个信号，在包含了根据本发明的均衡结构的接收机中在代表两个或多个接收数据流的接收信号矢量中被接收。由此，举例来说，并行发射的两个或多个发射信号是在相同的时隙和频段中发射的。例如，一个发射机可以从两个或多个相应发射天线并行发射两个或多个发射信号，或者各自具有一个天线的两个或多个发射机可以以彼此并行的方式发射相应的发射信号。在接收侧，例如在一个具有一个、两个或多个接收天线的接收机中，两个或多个接收数据流在所谓的接收信号矢量中被接收，其中接收信号矢量代表两个或多个接收数据流。由此，本发明的均衡结构和均衡方法用于从接收信号矢量中分离和估计两个或多个实际发射的信号。

如上所述，本发明并不局限于特定的无线通信***。但是在下文中，本发明结合作为非限制性实例的MIMO***来说明，并且其示意性图示是在图1中示出的。

通常，MIMO***具有nT发射天线(每一个都发射不同的数据符号)以及nR个接收天线。这种***具有一个最大可实现数据速率，该数据速率比等价的非MIMO***的数据速率大nT倍。例如，在具有例如两个发射天线(nT＝2)和例如两个接收机天线(nR＝2)的MIMO***中，最大可实现数据速率比非MIMO***中的高两倍。图1示出了用于并行发射两个独立符号发射信号的这种MIMO***的示意性框图。

图1所示的示例性MIMO***包括根据正交频分复用(OFDM)来进行无线通信的接收机1和发射机20。接收机1包括射频(RF)部分2以及基带部分3。射频部分2具有两个天线4和5，其中每一个天线分别与低噪声放大器/下变换(downconversion)单元6和7相连。应该指出的是，接收机1例如可以是纯接收设备的一部分，或者可以是接收和发射设备的一部分。在后一种情况中，天线4和5例如可以是接收和发射天线。来自单元6和7的、经过下变换的信号分别由快速傅里叶变换(FFT)单元8和9进行转发和处理。来自傅里叶变换单元8和9的已转换信号被转发到根据本发明的均衡结构10以及信道估计器11。该信道估计器11根据包含了训练序列(前导码(preamble)部分)的接收信号(突发)来执行信道估计，其中该信道估计器11使用训练序列来推导信道估计。来自信道估计器11的信号被提供给均衡结构10。该均衡结构10通过执行最大似然检测来确定距离接收到的信号矢量具有最小欧几里得距离的、调制方案中信号星座的候选信号矢量(星座点)，作为最可能的接收信号矢量。在下文中进一步说明了具体的处理。在均衡处理之后，这些信号分别在解调器/信道解码器12和13中被进一步处理。来自解调器/信道解码器12和13的输出信号分别被转发到并/串处理单元14，该单元则输出接收到的数据比特流。

在图1中示意性示出的示例OFDM发射机20包括射频部分21和基带部分22。在基带部分22中，发射数据由串/并转换器23分成两个并行数据比特流。从转换器23输出的这两个并行数据比特流分别被提供给信道编码器/调制器24和25。经过编码和调制的信号被分别供应给逆快速傅里叶变换(IFFT)单元26和27，它们则将变换信号分别提供给相应的数/模转换器(DAC)和滤波器单元28和29。然后，经过模拟滤波的信号分别转发到相应的上变换/功率放大单元30和31，其分别将经放大的信号经由相应的发射天线32和33发射。应该指出的是，发射机20可以是发射和接收设备的一部分，并且天线32和33例如可以是接收以及发射天线。

如图1的虚线所示，并行发射的信号将会相互干扰。对常规的MIMO***或其他任何类似***来说，用于每一个符号的接收信号列矢量都是由具有n_R个行的x给出的，其中该矢量的每一行都代表了针对每一个接收天线的接收信号。接收信号x则是如下给出的：

x＝Hs+n                            (1)

其中s是发送信号的列矢量(n_Tx1)，H是代表了从每一个发射机天线到接收天线的信道响应的信道矩阵(n_Rxn_T)，n则是噪声矢量(n_Rx1)。

对OFDM***(其实例是在图1中示出的)来说，我们将子载波数量表示为M。我们将处于子载波m(m＝1，...，M)的接收到的基带信号表示为接收列矢量x_m(n_Rx1)。该矢量的每一个列元素都是来自FFT输出的信号，其中所述FFT输出与用于接收机上的每一个接收机输出的第m个子载波相对应。由此，接收机矢量x_m可以表述为：

x_m＝H_mS_m+n_m              (2)

其中s_m是发送信号矢量(n_Tx1)，H_m是信道矩阵(n_Rxn_T)，并且n_m是噪声矢量(n_Rx1)。发送信号矢量s_m的每一个行元素都与对应于每一个发射机的第m个子载波的IFFT输入信号相对应。信道矩阵H_m的元素对应的是从被发射的矢量的元素到被接收的矢量的元素的不同信道响应。由此，它是IFFT、多径信道以及FFT的组合。它顾及了IFFT、多径信道和FFT的组合效果。众多周知，对OFDM***来说，这种组合将会导致产生信道矩阵H_m，该矩阵的元素h_m，ij(i＝1...n_R，j＝1..n_T)是单复数值。对图1所示的具有两个发射天线32、33以及两个接收天线4、5的实例来说，载波m的接收信号可以写为：

$x_m=\left[\begin{array}{c}{x}_{m,1}\\ x_{m,2}\end{array}\right]=\left[\begin{array}{cc}{h}_{m,11}& h_{m,12}\\ h_{m,21}& h_{m,22}\end{array}\right]\left[\begin{array}{c}{s}_{m,1}\\ s_{m,2}\end{array}\right]+\left[\begin{array}{c}{n}_{m,1}\\ n_{m,2}\end{array}\right]---\left(3\right)$

对每一个子载波m来说，包含在均衡器10中的最大似然检测器将会搜索整个可能的发射信号集合s_m∈A(其中A是所有可能的发射矢量的集合)，以便决定有利于与接收矢量x_m具有最小欧几里得距离的发射信号矢量

${\hat{s}}_m=\arg \underset{s_m\∈A}{\min }{\left|\right|x_m-H_m{s}_m\left|\right|}^2---\left(4\right)$

包含了所有可能的发送信号矢量的可能发射信号集合A的大小取决于来自每一个天线的可能发送符号的数量(该数量取决于调制星座大小)以及发射天线n_T，的数量。可能发送信号矢量的数量是如下给出的：

由此，对具有两个以上的天线的高级调制方案来说，集合大小有可能极大，并且需要在等式(4)中为每一个子载波执行的比较次数是如下给出的：

概括地说，表1示出了在等式(4)中必须为常用调制方案BPSK、QPSK、16QAM以及64QAM的每一个子载波执行的比较的次数。

表1：对于MLD算法为每一个子载波执行比较的次数

当然，比较次数仅仅是复杂度的一个量度。其他量度包括乘法、加法和减法的数量。乘法的确切数量取决于实施方式。但是，对于在数据部分之前的前导码变瘦的通信***中的最大似然检测器的实施方式来说，一旦信道矩阵H例如在前导码周期期间借助信道估计被已知，则可以形成矢量乘积的完整集合Hs。这意味着在数据部分或数据区段的接收过程中，所需要计算的是仅仅是在图2中示出的比较，该图示出用于最大似然检测的处理步骤。在接收前导码部分的过程中，用于Hs的乘法和加法被计算，由此在接收数据部分的过程中，所需要计算的仅仅是针对每一个数据符号的、‖r-Hs‖²。的减法和比较。

如果我们假设矩阵H和矢量s只具有实数值(它有可能具有实数值或复数值)，那么产生Hs所需要的乘法数量是如下给出的：

或者如果矩阵H和矢量s具有复数值，那么产生Hs所需要的乘法数量是如下给出的：

列表最大似然检测

对更高级的调制方案来说，上述最大似然检测算法将会变得非常复杂。在下文中将会描述均衡方法或均衡结构的一个替换实施例，其中该实施例与最大似然检测器的解决方案的相类似，但是它具有大为降低的复杂度，并且由此非常适合更高级的调制方案，这样则能够在接收设备中实现一种最优化的实施方式。在图3中示出了这种改进的最大似然检测算法的实施方式实例。在本实例中的、结合图1示出和说明的均衡器10包括：选择器14，它适于选择两个(或多个)发射信号之一；估计器15，它适于通过干扰消除计算来针对所选择的发射信号的至少一些候选星座值计算所述一个或多个发射信号中的一个或多个未被选择的信号的估计星座值；最大似然检测器16，它包括量度值计算器17，该量度值计算器适于根据接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值，由此，该最大似然检测器适于根据该量度值来检测距相应接收信号矢量具有最小欧几里得距离的候选信号矢量之一，作为最可能的发射信号矢量；以及软判决值计算器18，它适于根据至少一些量度值的候选信号矢量来为最可能的候选信号矢量计算软判决值。可选地，该均衡器10还可以包括处理器19，它适于为接收信号的星座值计算估计并且在信号星座中确定所述估计星座值附近的多个候选星座值，由此可以减少在最大似然检测器16中执行的星座数量。在下文中将会更详细地说明选择器14、估计器15、检测器16、量度值计算器17、软值计算器18以及处理器19的功能。必须指出的是，这些部件和单元既可以作为软件或硬件单元来实施，或者可以采用与相应的预期功能相适应的方式作为软硬件的混合来实施。

在下文中将会描述上述最大似然检测的上述替换实施例，其中该实施例也被称为列表最大似然检测，并且它是在选择器14、估计器15以及具有量度值计算器17的最大似然检测器16中实现的。

应该指出的是，均衡器10没有必要包括图3所示的所有部件和单元，而是可以只具有这些部件的一个减小的选集，这一点将会在下文中被进一步说明。

这种列表最大似然检测(列表MLD)算法的第一个步骤是针对所要检测第一数据流建立一个候选列表。由此，术语“数据流”指的是从发射天线之一发射的信号。从这个意义上讲，候选列表是可以从发射天线之一发送的可能发送的候选信号矢量或星座点的列表。由此，选择器14根据相应地选择的判据来选择第一或第二数据流之一(两个或多个发射信号之一)，例如以此作为传输质量最差例如接收信号噪声比最低的数据流，这是根据从信道估计器11接收的、相应的信道估计信息来实施的。然后，估计器15适于为所选数据流建立候选列表，也就是候选星座值，并且适于根据干扰计算来计算对于一个或多个未选数据流的估计。举例来说，如果使用了图4中示意性示出的16QAM调制方案来传输信息或数据，那么候选列表由此会包含16个可能星座值中的每一个(候选星座值)并且具有列表长度L＝调制星座大小＝16，由此每一个星座点都被表示成在同相和正交平面上指示其位置的复数。相应地，在使用图5中示意性示出的64QAM调制方案来执行传输时，候选列表将会包含64个可能星座值中的每一个(星座值是分配给该星座方案中的每一个星座点的比特映射)并且将会具有列表长度L＝64。

通过考虑列表中的每一个星座值，可以转而使用干扰消除(IC)处理来产生其他数据流(发射机)的星座值。由此，对于一个发射机的列表中的每一个点i(i＝1，...，L)来说，我们具有完整的发送矢量s_i(候选信号矢量)

$s_i=\left(\begin{array}{c}{s}_{1,i}\\ \·\\ \·\\ s_{\mathrm{Tx},i}\end{array}\right)---\left(8\right)$

该矢量包含了来自用于一个或多个发射机的列表的一个值以及从IC中获得的、关于其他发射机的其他值。然后，在等式(4)中将会测试L个不同的s_i矢量，以便发现具有最低量度并且由此与最有可能发送的符号矢量相对应的矢量。

为了使用这种列表MLD算法来获得最优性能，重要的是，将发射机信号之一、优选将具有最低接收噪声比(SNR)的那个信号指定成是第一个流，以及由此通过干扰消除来获得具有最高接收噪声比(SNR)的发射机信号。这是重要的，因为干扰消除步骤对噪声效应是很敏感的。

如下给出的是一种用于为我们的二发射机实例做出这个判决的简单方式：

如果 ${\left|\right|\begin{array}{c}{h}_{11}\\ h_{21}\end{array}\left|\right|}^2>{\left|\right|\begin{array}{c}{h}_{12}\\ h_{22}\end{array}\left|\right|}^2$ (它是关于SNR的估计)，则从该列表中产生发射

机2的值，并且使用IC来推导发射机1的估计；

否则，

从列表中产生发射机1的值，以及使用IC来推导

发射机2的估计。

为了更详细地说明均衡器10，我们应使用2发射机***作为示例，在该***中，第二发射机具有较高的接收SNR，由此选择器14选择第一发射机，并且估计器15为第一发射机值建立候选星座列表，并且计算相应的第二发射机值的估计。

对来自该列表的、针对流1的每一个星座点s_1，i(i＝1，...，L)，针对流2的估计信号

如下地在估计器15中获得，

$x_{c,i}=x-s_{1,i}\left(\begin{array}{c}{h}_{11}\\ h_{21}\end{array}\right)---\left(9\right)$

其中x是接收信号矢量(n_Rx1)(参见等式3)，并且x_c，i是消除之后的接收信号矢量。然后，x_c，i的最小均方误差是作为x_mmse，i计算的，即：

$x_{\mathrm{mmse},i}=\left(\begin{array}{c}{x}_{c,i}\\ 0\\ 0\end{array}\right)---\left(10\right)$

此后，第二个流(流2)的估计s_2，i是如下获得的：

${\tilde{s}}_{2,i}={\left(\begin{array}{c}{h}_{21}\\ h_{22}\\ 1/\mathrm{SNR}\\ 0\end{array}\right)}^{+}{x}_{\mathrm{mmse},i}---\left(11\right)$

其中SNR是信噪比，例如平均信噪比，并且(.)+是摩尔彭罗斯伪逆(Moore Penrose pseudo inverse，PINV)函数。应该理解的是，使用摩尔彭罗斯伪逆函数仅仅是一个实例，并且其他适当的伪逆函数也是可以使用的。

最终，软输出信号

会在估计器15中被量化，以获得最终的硬判决估计

${\hat{s}}_{2,i}=Q\left({\tilde{s}}_{2,i}\right)---\left(12\right)$

其中Q(.)代表与所选择的调制方案相对应的量化函数。

然后，这两个值s_1，i和

(它们形成了候选信号)被提供给最大似然检测器16，并且在MLD等式中被使用，量度m_i的值在量度值计算器17中被计算：

$m_i={\left|\right|x-\mathrm{Hs}\left|\right|}^2={\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)\left(\begin{array}{c}{s}_{1,i}\\ {\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2---\left(13\right)$

该处理(等式9～13)针对所有候选星座值s_1，i(i＝1，...，L)被重复执行。对具有完整列表大小的16QAM方案来说，由于有16个候选星座值，因此，该处理被重复16次，并且产生16个m_i(i＝1，...，L)值。同样，对于具有完整列表大小的64QAM来说，该处理被重复64次，并且产生64个m_i(i＝1，...，L)值。

对列表MLD的每一次重复来说，在最大似然检测器16中只保持最低的m_i值。这个最低值对应于最有可能已被发送的星座值

和s_1，i，并且由此是检测器16的硬输出。与最先描述的MLD算法相比，由于只需将等式13执行与列表大小L相对应的次数，因此该算法在复杂度方面具有优势。对完整列表，L＝调制星座大小。另一方面，最先描述的MLD必须将等式4执行与

相对应的次数。

在下文中将描述用于本发明的均衡结构和均衡方法的附加有利实施可能性，这些可能性改进了性能，降低了复杂度，并且简化了实施方式。

软判决值计算：

在选择器14、估计器15和检测器16中实施的上述列表MLD算法(等式9～13)产生了与最有可能发送了哪些星座值相关的硬判决。由此，该列表MLD算法在与这些星座值相关联的比特上输出硬判决(在图4和图5所示的例子16QAM和64QAM星座上的星座点旁边可以看到示例关联比特图案)。

对很多通信***(尤其是使用了‘软’判决信道解码的通信***)来说，如果均衡器产生具有软信息的比特，其中所述软信息指示了均衡器关于其正负号(sign)的置信程度，那么将可以实现很大的性能改进。由此，我们在这里提出了一种用于产生软比特的方法和结构，即软判决值计算器18。

为了产生用于列表MLD均衡器的软比特，与在使用等式9～13处理用于流1的每一个星座值s_1，i(i＝1，...，L)时只保留最低m_i不同，随着量度m_i(i＝1，...，L)从量度值计算器17中被计算出，将所有量度全都存入表格。此外，对于每一个i来说，与

和s_1，i相关联的关联比特图案被保存。然后，在计算器18中以行为基础、关于升序量度值来对这些量度及其关联比特图案进行排序，以使最低量度处于表格底部。

在图6中示出了一个对于16QAM的完整列表(L＝16)排序了的示例表格。为了计算每一个比特的软信息，在计算器18中将具有最低量度的(放置在表格底部的)比特图案与处于列表中的逐行中的比特图案进行比较。当比特发生变化时(从1到0或是从0到1)，最低量度与比特变化首次发生处的次最低量度之间的差值被作为该比特的软信息。在图6中示出了该计算的两个实例。

如果在该列表的最高的行中没有发现指定比特发生变化，那么该比特的软输出将被设置成是与列表大小L相关的预定值，指示高置信度。

其他实施变型也可以使用，但是在这里提出的是使用最低量度与比特发生变化处的次最低量度之间的最低差值的一般原理。应该理解的是，所描述的、在计算器18中执行的软判决值计算还可以与最先描述的最大似然检测相结合，而不是与列表MLD相结合。

总的来说，软判决值计算器18适于根据至少一些量度值的候选信号矢量来计算最有可能的候选信号矢量的软判决值。有利的是，软判决值计算器适于根据至少一些量度值的候选信号矢量之间的差值来计算软判决值。更为有利的是，最大似然检测器16适于通过选择最低的量度值来检测最有可能的候选信号矢量，其中所述软判决值计算器18适于根据最低量度值的最有可能的候选信号矢量与其他量度值的候选信号矢量之间的差值来计算最有可能的候选信号矢量的软判决值。由此，软判决值计算器18有利地适于根据最低量度值与次最低量度值的候选信号矢量之间的差值来计算所述软判决值，在所述次最低量度值中，与最低量度值的候选信号矢量相关的相应候选信号矢量发生改变。由此，软判决值计算器18有利地适于计算所述软判决值，其中所述软判决值和最低量度值与次最低量度值之间的差值成比例，在所述次最低量度值中，与最低量度值的候选信号矢量相关的相应候选信号矢量发生改变。由此，软判决值计算器判决值计算器18有利地适于计算所述软判决值，作为最低量度值与次最低量度值之间的差值，其中在所述次最低量度值中，次最低量度值的候选信号矢量发生变化。有利的是，候选信号矢量包括比特图案，其中软判决值计算器适于针对最有可能的候选信号矢量的比特图案中的每个比特来计算软判决值。

降低欧几里得距离计算的复杂度

等式(13)是在检测器16中计算的所谓的MLD等式，它计算接收信号x和与信道矩阵H相乘的可能发射信号矢量s之间的欧几里得距离。需要执行关于归一化运算‖(.)‖²的计算。如果我们假设该变量代表等式(13)中的复数信号，那么等式(13)可以扩展成如下形式：

${\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)\left(\begin{array}{c}{s}_{1,i}\\ {\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2={\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{c}{\mathrm{HS}}_{1,i}\\ {\mathrm{HS}}_{2,i}\end{array}\right)\left|\right|}^2$

$={(x_{1\left(\mathrm{real}\right)}-{\mathrm{HS}}_{1,i,\left(\mathrm{real}\right)})}^2+{(x_{1\left(\mathrm{imag}\right)}-{\mathrm{HS}}_{1,i,\left(\mathrm{imag}\right)})}^2$

$+{(x_{2\left(\mathrm{real}\right)}-{\mathrm{HS}}_{2,i,\left(\mathrm{real}\right)})}^2+{(x_{2\left(\mathrm{imag}\right)}-{\mathrm{HS}}_{2,i,\left(\mathrm{imag}\right)})}^2$

                                          (14)

在这里，下标(real)和(imag)代表的是复数信号的I(同相)和Q(正交相位)分量。在(14)中可以看出，该计算包括4个平方函数(.)²。这些平方函数需要将相关项相乘。由于等式(14)必须执行多次，并且由于乘法是在硬件中实施的成本很高的操作，因此，在这里可以修改量度计算器17和检测器18，并且可以将其适配成使用如下近似来计算(14)：

${\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)\left(\begin{array}{c}{s}_{1,i}\\ {\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2={\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{c}{\mathrm{HS}}_{1,i}\\ {\mathrm{HS}}_{2,i}\end{array}\right)\left|\right|}^2$

$\≈\mathrm{abs}(x_{1\left(\mathrm{real}\right)}-{\mathrm{HS}}_{1,i,\left(\mathrm{real}\right)})+\mathrm{abs}(x_{1\left(\mathrm{imag}\right)}-{\mathrm{HS}}_{1,i,\left(\mathrm{imag}\right)})$

$+\mathrm{abs}(x_{2\left(\mathrm{real}\right)}-{\mathrm{HS}}_{2,i,\left(\mathrm{real}\right)})+\mathrm{abs}(x_{2\left(\mathrm{imag}\right)}-{\mathrm{HS}}_{2,i,\left(\mathrm{imag}\right)})$

                                     (15)

其中abs(.)函数是绝对值函数。由于该绝对值函数只需要指示了所要移除的正负号信息(正负号比特)的比特，因此，它例如很容易在硬件中实施。

总的来说，量度值计算器17适于使用绝对值计算、根据所述接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值。有利的是，量度值计算器17由此适于根据对于接收信号矢量以及信道估计值与候选信号矢量的乘积之间的差值的绝对值计算来计算每个所述量度值。由此，量度值计算器17有利地适于根据对于每个接收数据流的接收信号和信道估计值与该数据流的相应候选星座值的乘积之间的每个差值的绝对值计算来每个量度值。由此，量度值计算器17有利地适于根据为每个差值计算的绝对值的总和来计算每个量度值。

应该指出的是，刚刚描述的、经过修改的量度计算器17和检测器16既可以与列表MLD算法相结合，也就是与选择器14以及估计器15相结合，或者可以与最先描述的最大似然检测相结合。此外，经过修改的量度计算器17和检测器16既可以与软判决值计算器18相结合，也可以不与之结合。

MMSE/ZF预处理步骤

到现在为止，针对列表MLD，已经描述了使用和计算候选星座值的完整列表，对该列表MLD来说，它是一个L＝调制星座地点的列表。由于在估计器15和检测器16中执行的、用于列表MLD的主要处理包括将等式(9)～(13)处理L次，因此，如果减小列表大小L，则可以极大降低复杂度。由此，在这里提出使用一种预处理结构，也就是处理器19，该结构提供了关于最有可能发送的符号矢量可能在的地方的信息。

在处理器19中实施的是MMSE(最小均方误差)或ZF(迫零)算法。为了说明该算法，又使用二发射机实例：

对MMSE算法的情况来说，该处理器适于执行下列步骤。

步骤1：根据信道估计值、信噪比以及接收信号矢量来推导MMSE解，即接收信号矢量估计：

$\left(\begin{array}{c}{\tilde{s}}_1\\ {\tilde{s}}_2\end{array}\right)={\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\\ 1/\mathrm{SNR}& 0\\ 0& 1/\mathrm{SNR}\end{array}\right)}^{+}\left(\begin{array}{c}{x}_1\\ x_2\\ 0\\ 0\end{array}\right)---\left(16\right)$

其中(.)⁺是摩尔彭罗斯伪逆(PINV)函数(其他伪逆函数也是可以使用的)，并且SNR是估计信噪比。值

和

代表的是软值。

步骤2：量化MMSE解

软值

和

则被量化，以便适合

${\tilde{s}}_1=Q\left({\tilde{s}}_1\right)---\left(17\right)$

${\tilde{s}}_2=Q\left({\tilde{s}}_2\right)---\left(18\right)$

其中Q(.)代表的是用于调制方案的量化函数，并且它做出的是关于很可能发送的哪些星座值的硬判决。

步骤3：形成尺寸减小的列表(L<调制星座大小)

根据在处理器19中将哪一个发射机识别成具有最高信号功率，来选择或

以使其处于包括在该列表中所要包含的点的区域或面积的中心(或是偏移或接近于该中心)。图7～图10示出的是与列表大小L＝16、25、32和36个点分别对应的示例区域。在这些图上示出的是用十字标记的MMSE解，用阴影星座点标记的量化MMSE解，以及将会包含在该列表中的周围的点。区域的确切大小和形状是特定于实施方式的，并且这些附图仅仅说明可能的实例。区域(和区域内部的连续点的数量)越大，性能就会越好，但是复杂度也会越高。

对迫零解来说，第一个步骤将被替换为“推导ZF解步骤”，在该步骤中，为了估计2发射机实例的接收信号矢量，可以只根据信道估计值以及接收信号矢量来进行计算：

$\left(\begin{array}{c}{\tilde{s}}_1\\ {\tilde{s}}_2\end{array}\right)={\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{21}\end{array}\right)}^{+}\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)---\left(19\right)$

通常，处理器19适于计算接收信号的星座值估计并且在信号星座中确定估计星座值附近的多个候选星座值。由此，处理器19有利地适于根据信道估计值以及接收信号来计算星座值估计。更为有利的是，处理器19适于根据信道估计值矩阵与接收信号矢量的乘积来计算星座值估计。此外，处理器19有利地适于根据信道估计值的伪逆矩阵与接收信号矢量的乘积来计算星座值估计。作为替换，处理器19适于根据信道估计值、信噪值估计以及接收信号来计算所述星座值估计。由此，处理器19有利地适于根据包含了信道估计值和信噪值的逆值的矩阵与接收信号的乘积来计算星座值估计。更为有利的是，该处理器19适于根据包含所述信道估计值和信噪值估计的逆值的伪逆矩阵与接收信号的乘积来计算星座值估计。

在针对接收信号矢量的每个数据值计算了星座值估计、也就是为接收信号矢量的每个接收数据流的每个数据值计算了星座值估计之后，处理器19有利地适于根据传输质量来选择所述星座值估计之一，并且在所述信号星座中确定被选估计星座值附近的候选星座值的数量。此外，该处理器19有利地适于在所述信号星座中确定所述估计星座值附近的多个候选星座值，其中所述确定是通过在一个所述估计星座值周围的信号星座中选择该数量的候选星座值作为所有可用星座值的子集来实现的。

应该理解的是，在均衡器10中的处理器9的实施方式可以与软判决值计算器18的实施方式和/或经过修改的检测器16以及量度值计算器17的实施方式相结合。

新颖特征4：伪逆计算和局部Hs预计算

如先前所述，标准的列表MLD算法针对列表中的每个s_1，i(i＝1，...，L)执行等式9～13。由此，在选择器14、估计器15以及检测器16中将等式(9)～(13)计算了L次。

提出的是，为前导码部分后跟随了数据时隙(参见图2)的***和/或信道变化很慢的***降低复杂度，这是通过仅当新信道信息可从信道估计器11获得时才在量度值计算器17中执行的、由等式(11)中的(.)⁺运算所指明的、必要的伪逆计算来实现的。对具有图2所示的帧结构的***来说，这意味着在前导码阶段或前导码阶段末端或是数据阶段的开端，在计算器17中只计算等式11中的伪逆值。

这意味着与针对目前技术中的均衡器的每个符号计算L次伪逆相比，在这里仅仅计算了一次伪逆。由此，复杂度将会降低。

此外，对前导码部分之后跟随了数据时隙(参见图2)的***和/或信道变化很慢的***来说，在数据时隙中，等式(13)(或等式(15)，如果实施的话)所需要的一些处理还可以再分配给前导码时隙。这一点可以通过如下扩展和分解等式(13)来看出：

$m_i={\left|\right|x-\mathrm{Hs}\left|\right|}^2={\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{cc}{h}_{11}& h_{12}\\ h_{21}& h_{22}\end{array}\right)\left(\begin{array}{c}{s}_{1,i}\\ {\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2-{\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{c}{h}_{11}{s}_{1,i}+h_{12}{\hat{s}}_{2,i}\\ h_{21}{s}_{1,i}+h_{21}{\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2={\left|\right|\left(\begin{array}{c}{x}_1\\ x_2\end{array}\right)-\left(\begin{array}{c}{A}_i+h_{12}{\hat{s}}_{2,i}\\ B_i+h_{21}{\hat{s}}_{2,i}\end{array}\right)\left|\right|}^2$

                                                  (20)

由于信道元素hi_j(i＝1，...n_R，j＝1，...，n_T)不会改变(只有在得到新的信道估计值时才需要对其重新计算)并且由于s_1，i(i＝1，...，L)的完整集合、即被选择的发射信号的候选星座值是已知的。因此，在前导码阶段期间或是在其末端、或是在数据阶段开端，可以针对所有的i计算由A_i和B_i表示的部分乘积项。在图11中对此进行了图示。

这意味着在前导码阶段，在计算器17中只需要为每个i值计算一次A_i和B_i，而不需要为每个新符号重新进行计算。

通常，选择器14适于选择两个或多个发射信号(或数据流)之一。更进一步，估计器15适于通过干扰消除计算来针对所选择的发射信号的至少一些候选星座值计算关于一个或多个发射信号的一个或多个未选择信号的估计星座值，以便为所述至少一些候选星座值中的每一个获得候选信号矢量，其中每个候选信号矢量都包括该被选择的发射信号的所述至少一些候选星座值之一以及一个或多个所述发射信号中的对应的一个或多个未选信号的估计星座值，其中只有在得到新的信道估计值情况下，在干扰消除计算和/或最大似然检测(参见等式(13)和/或(15)中使用的信道估计值才会被更新。有利的是，在所述干扰消除计算中计算消除信号矢量与信道估计矢量之间的乘积，其中所述信道估计矢量包括一个或多个所述发射信号中的一个或多个未被选择的信号的所述信道估计值。由此，只有在得到了关于一个或多个所述发射信号中的一个或多个未被选择的信号的新信道估计值时，信道估计矢量才会更新。更进一步，有利的是根据接收信号矢量和与该被选择的发射信号的信道估计值相乘的相应候选星座值之间的差值来计算消除信号矢量，由此，只有在得到新的信道估计值时，关于被选择的发射信号的信道估计值才会被更新。这样，最大似然检测器16可以适于根据信道估计值与候选信号矢量的乘积来检测所述最有可能的发射信号矢量(等式(13)和/或等式(15)的实施方式)，其中只有在得到新的信道估计值时，与用于所述被选择的发射信号的候选星座值相乘的信道估计值才会被更新。

Claims (19)

1.一种用于无线通信***的接收设备的均衡结构(10)，在该无线通信***中，从一个或多个发射机并行发射的两个或多个发射信号在代表两个或多个接收数据流的接收信号矢量中被接收，所述信号包含了根据调制方案被调制到载波信号上的信息，其中所有可能的发射信号都是由所述调制方案的信号星座中的候选星座值表示的，包括：

处理器(19)，它适于计算接收信号的星座值的估计，并且在所述信号星座中确定所述估计星座值附近的多个候选星座值，

量度值计算器(17)，它适于根据所述接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值，每个候选信号矢量都包含用于所述两个或多个发射信号中的每一个的候选星座值，其中所述量度值是针对所述数量的候选星座值和所述估计星座值中的每一个星座值来计算的，以及

最大似然检测器(16)，它适于根据所述量度值来检测距相应的接收信号矢量具有最小欧几里得距离的所述候选信号矢量之一，来作为最有可能的发射信号矢量。

2.根据权利要求1的均衡结构(10)，

其中所述处理器(19)适于根据信道估计值以及所述接收信号来为所述星座值计算所述估计。

3.根据权利要求2的均衡结构(10)，

其中所述处理器(19)适于根据所述信道估计值矩阵与所述接收信号矢量的乘积来为所述星座值计算所述估计。

4.根据权利要求3的均衡结构(10)，

其中所述处理器(19)适于根据所述信道估计值的伪逆矩阵与所述接收信号矢量的乘积来为所述星座值计算所述估计。

5.根据权利要求1的均衡结构(10)，

其中所述处理器(19)适于根据信道估计值、信噪值估计以及所述接收信号来为所述星座值计算所述估计。

6.根据权利要求5的均衡结构(10)，

其中所述处理器(19)适于根据包含所述信道估计值和所述信噪值估计的逆值的矩阵与所述接收信号的乘积来为所述星座值计算所述估计。

7.根据权利要求6的均衡结构(10)，

其中所述处理器(19)适于根据包含所述信道估计值和所述信噪值估计的逆值的伪逆矩阵与所述接收信号的乘积来为所述星座值计算所述估计。

8.根据权利要求1～7之一的均衡结构(10)，

其中在为接收信号矢量的每一个数据值计算了所述星座值估计之后，所述处理器(19)适于根据传输质量来选择所述星座值估计之一并且在所述信号星座中确定处于所述被选估计星座值附近的多个候选星座值。

9.根据权利要求1～8之一的均衡结构(10)，

其中所述处理器(19)适于在所述信号星座中确定所述估计星座值附近的多个候选星座值，其中所述确定通过在一个所述估计星座值周围在所述信号星座中选择所述数量的候选星座值作为所有可用星座值的子集来进行。

10.一种用于无线通信***的均衡方法，在该无线通信***中，从一个或多个发射机并行发射的两个或多个发射信号在代表两个或多个接收数据流的接收信号矢量中被接收，所述信号包含根据调制方案被调制到载波信号上的信息，其中所有可能的发射信号都由所述调制方案的信号星座中的候选星座值表示，包括以下步骤：

计算接收信号的星座值的估计，并且在所述信号星座中确定所述估计星座值附近的多个候选星座值，

根据所述接收信号矢量以及信道估计值与候选信号矢量的乘积来计算量度值，每一个候选信号矢量都包含用于所述两个或多个发射信号中的每一个的候选星座值，其中所述量度值是为所述数量的候选星座值以及所述估计星座值中的每一个星座值计算的，以及

根据所述量度值来检测距相应的接收信号矢量具有最小欧几里得距离的所述候选信号矢量之一，来作为最有可能的发射信号矢量。

11.根据权利要求10的均衡方法，

其中根据信道估计值以及所述接收信号来计算所述星座值的所述估计。

12.根据权利要求11的均衡方法，

其中根据所述信道估计值的矩阵与所述接收信号矢量的乘积来计算所述星座值的所述估计。

13.根据权利要求12的均衡方法，

其中根据所述信道估计值的伪逆矩阵与所述接收信号矢量的乘积来计算所述星座值的所述估计。

14.根据权利要求10的均衡方法，

其中根据信道估计值、信噪值估计以及所述接收信号来计算所述星座值的所述估计。

15.根据权利要求14的均衡方法，

其中根据包含所述信道估计值和所述信噪值估计的逆值的矩阵与所述接收信号的乘积来计算所述星座值的所述估计。

16.根据权利要求15的均衡方法，

其中根据包含所述信道估计值和所述信噪值估计的逆值的伪逆矩阵与所述接收信号的乘积来计算所述星座值的所述估计。

17.根据权利要求10～16之一的均衡方法，

其中在对接收信号矢量的每一个数据值计算了所述星座值估计之后，根据传输质量来选择所述星座值估计之一，并且在所述信号星座中确定处于所述被选估计星座值附近的多个候选星座值。

18.根据权利要求10～17之一的均衡方法，

其中通过在一个所述估计星座值周围的所述信号星座中选择多个候选星座值作为所有可用星座值的子集，在所述信号星座中确定所述估计星座值附近的所述数量的候选星座值。

19.一种计算机程序，该程序可以加载到用于在无线通信***中接收信息信号的接收设备的内部存储器中，其包括当在所述接收设备中运行时适于执行权利要求10～18之一的步骤的软件代码。

Images