CN104683282A - 一种支持发射分集的干扰抑制合并方法和装置 - Google Patents

Abstract

本发明公开了一种支持发射分集的干扰抑制合并方法和装置，将发射分集下N(N>＝3)个接收天线在小区参考信号(CRS)资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵对；对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到最小均方误差-干扰抑制合并(MMSE-IRC)的处理结果；本发明同时还公开了一种支持发射分集的干扰抑制合并装置。

Description

一种支持发射分集的干扰抑制合并方法和装置

技术领域

本发明涉及无线通信技术，尤其涉及一种支持发射分集的干扰抑制合并方法和装置。

背景技术

在3GPP增强长期演进(LTE-A，LTE-Advanced)***下行发送中，下行物理控制信道(PDCCH)和下行物理共享信道(PDSCH)都会配置发射分集的传输模式，在无线传输信道下***可获得分集增益来提高接收性能。

对于LTE-A***中发射分集的主要物理层处理流程如图1所示，信息比特经过编码器后形成码字(Codeword)后加掩码(Scrambling)，再经过调制映射器(Modulation mapper)形成发射符号，然后经过层映射器(Layer mapper)到预编码(Precoding)，预编码的传输模式可配置为发射分集模式，最后通过资源映射(Resource mapping)和正交频分复用(OFDM，Orthogonal Frequency DivisionMultiplexing)调制信号从多个发射天线端口(antenna ports)发出去。

相应的接收端处理如图2所示。接收信号经过OFDM解调、解资源映射、信道估计到发射分集处理单元处理后，再到解层映射，解调和解码，最后输出信息比特。

在LTE-A中，特别是为了支持Release 11版本异构网下复杂干扰的环境，接收机一般要采用干扰抑制合并(IRC，Interference Rejection Combining)技术，以对抗邻区的强干扰。常规方法是3GPP的技术报告中所述的最小均方误差-干扰抑制合并(MMSE-IRC，Minimum Mean Square Error-IRC)。然而，当在LTE-A中为支持大于2层的多输入多输出(MIMO，Multiple Input Multiple Output)传输时，接收天线的数目可以达到4个，那么如果按常规MMSE-IRC的处理就面临IRC要对8x8矩阵求逆，接收机的处理会很复杂。

发明内容

为解决现有存在的技术问题，本发明主要提供一种支持发射分集的干扰抑制合并方法和装置。

本发明的技术方案是这样实现的：

本发明提供一种支持发射分集的干扰抑制合并方法，该方法包括：

将发射分集下N(N>＝3)个接收天线在小区参考信号(CRS)资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；

将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到最小均方误差-干扰抑制合并(MMSE-IRC)的处理结果。

其中，所述将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵包括：

将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵。

其中，所述Cholescy分解及上三角阵求逆并行进行。

其中，所述将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵包括：

将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0。

其中，所述根据所述噪声白化矩阵对接收信号和信道估计值进行白化包括：

根据噪声白化矩阵U对接收信号进行白化为对信道估计值进行白化为其中，Y表示接收信号，H表示信道估计值矩阵。

本发明还提供一种支持发射分集的干扰抑制合并装置，该装置包括：生成模块、第一获得模块、白化模块、第二获得模块；其中，

生成模块，用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

第一获得模块，用于对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵，将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

白化模块，用于根据所述噪声白化矩阵对接收信号和信道估计值进行白化；

第二获得模块，用于利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果。

其中，所述生成模块，具体用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵。

其中，所述第一获得模块，具体用于对所述NxN维干扰和噪声协方差矩阵并行进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵。

其中，所述第一获得模块，具体用于将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0。

本发明还提供一种接收机，该接收机包括本发明所述的干扰抑制合并装置。

本发明提供了一种支持发射分集的干扰抑制合并方法和装置，将发射分集下N(N>＝3)个接收天线在小区参考信号(CRS，cell reference signal)资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果；如此，降低了干扰抑制合并的复杂度，并可以提高硬件的运行速度。

附图说明

图1为LTE-A***中发射分集的主要物理层处理流程示意图；

图2为接收端处理流程示意图；

图3为本发明实施例提供的支持发射分集的干扰抑制合并方法的流程示意图；

图4为本发明实施例提供的支持发射分集的干扰抑制合并方法的原理示意图；

图5为本发明实施例提供的支持发射分集的干扰抑制合并装置的结构示意图；

图6为常规的MMSE-IRC接收机与本发明的接收机的吞吐量性能的仿真示意图。

具体实施方式

假设第2i个子载波的发射信号为x₀，第2i+1个子载波的发射信号为x₁，i为任意PDSCH数据位置的子载波编号，信道估计值矩阵为H，邻区干扰为I，噪声为N，接收天线数为4，任意前后2个子载波的发射信号为X，任意前后2个子载波的接收信号Y为：

$Y=\left[\begin{array}{c}{r}_0\left(2i\right)\\ r_1\left(2i\right)\\ r_2\left(2i\right)\\ r_3\left(2i\right)\\ r_0^{*}\left(2i\right)\\ r_1^{*}\left(2i\right)\\ r_2^{*}\left(2i\right)\\ r_3^{*}\left(2i\right)\end{array}\right]=\mathrm{HX}+I+N=\frac{1}{\sqrt{2}}\left[\begin{array}{cc}{h}_{00}\left(2i\right)& {-h}_{01}\left(2i\right)\\ h_{10}\left(2i\right)& {-h}_{11}\left(2i\right)\\ h_{20}\left(2i\right)& {-h}_{21}\left(2i\right)\\ h_{30}\left(2i\right)& {-h}_{31}\left(2i\right)\\ h_{01}^{*}(2i+1)& h_{00}^{*}(2i+1)\\ h_{11}^{*}(2i+1)& h_{10}^{*}(2i+1)\\ h_{21}^{*}(2i+1)& h_{20}^{*}(2i+1)\\ h_{31}^{*}(2i+1)& h_{30}^{*}(2i+1)\end{array}\right]\left[\begin{array}{c}{x}_0\\ x_1^{*}\end{array}\right]+I+N---\left(1\right)$

针对发射分集的IRC处理，常规的MMSE-IRC是这样实现的：

$\hat{X}=H^H{(H^{H}H+R)}^{-1}Y=(H^H{R}^{-1}H+I)H^H{R}^{-1}Y---\left(2\right)$

表达式(2)中的R为干扰和噪声的协方差矩阵，R的表达式应该为：

$R=\tilde{r}{\tilde{r}}^{*}=\left[\begin{array}{cc}\tilde{r}\left(2i\right){\tilde{r}}^{*}\left(2i\right)& \tilde{r}\left(2i\right)\tilde{r}(2i+1)\\ {\tilde{r}}^{*}(2i+1){\tilde{r}}^{*}\left(2i\right)& {\tilde{r}}^{*}(2i+1)\tilde{r}(2i+1)\end{array}\right]=\left[\begin{array}{cc}{R}_{00}& R_{01}\\ R_{10}& R_{11}\end{array}\right]---\left(3\right)$

其中

$\tilde{r}=Y-\mathrm{HX}$

$R_{00}=\left[\begin{array}{cccc}{\tilde{r}}_0\left(2i\right){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_0\left(2i\right){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_0{\left(2i\right)\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_0\left(2i\right){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_1\left(2i\right){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_2\left(2i\right){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_3{\left(2i\right)\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_3^{*}\left(2i\right)\end{array}\right]$

$R_{01}=\left[\begin{array}{cccc}{\tilde{r}}_0\left(2i\right){\tilde{r}}_0(2i+1)& {\tilde{r}}_0\left(2i\right){\tilde{r}}_1(2i+1)& {\tilde{r}}_0{\left(2i\right)\tilde{r}}_2(2i+1)& {\tilde{r}}_0\left(2i\right){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_1\left(2i\right){\tilde{r}}_0(2i+1)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_1(2i+1)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_2(2i+1)& {\tilde{r}}_1\left(2i\right){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_2\left(2i\right){\tilde{r}}_0(2i+1)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_1(2i+1)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_2(2i+1)& {\tilde{r}}_2\left(2i\right){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_3{\left(2i\right)\tilde{r}}_0(2i+1)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_1(2i+1)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_2(2i+1)& {\tilde{r}}_3\left(2i\right){\tilde{r}}_3(2i+1)\end{array}\right]$

$R_{10}=\left[\begin{array}{cccc}{\tilde{r}}_0^{*}(2i+1){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_0^{*}(2i+1){\tilde{r}}_1^{*}\left(2i\right)& {{\tilde{r}}_0^{*}(2i+1)\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_0^{*}(2i+1){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_3^{*}\left(2i\right)\\ {\tilde{r}}_3^{*}{(2i+1)\tilde{r}}_0^{*}\left(2i\right)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_1^{*}\left(2i\right)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_2^{*}\left(2i\right)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_3^{*}\left(2i\right)\end{array}\right]$

$R_{11}=\left[\begin{array}{cccc}{\tilde{r}}_0^{*}(2i+1){\tilde{r}}_0(2i+1)& {\tilde{r}}_0^{*}(2i+1){\tilde{r}}_1(2i+1)& {{\tilde{r}}_0^{*}(2i+1)\tilde{r}}_2(2i+1)& {\tilde{r}}_0^{*}(2i+1){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_0(2i+1)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_1(2i+1)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_2(2i+1)& {\tilde{r}}_1^{*}(2i+1){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_0(2i+1)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_1(2i+1)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_2(2i+1)& {\tilde{r}}_2^{*}(2i+1){\tilde{r}}_3(2i+1)\\ {\tilde{r}}_3^{*}{(2i+1)\tilde{r}}_0(2i+1)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_1(2i+1)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_2(2i+1)& {\tilde{r}}_3^{*}(2i+1){\tilde{r}}_3(2i+1)\end{array}\right]$

这样，在表达式(2)中的MMSE-IRC就面临着求8x8矩阵的逆，计算复杂度很大，并且，在PDSCH的数据位置如果有邻区强干扰存在，一般无法通过数据解调得到干扰和噪声的协方差矩阵R。

因此，如果将R₀₀和R₁₁中的元素做近似等价处理，这样，对干扰和噪声协方差矩阵R的求解就可以简化为通过计算R₀₀进行求解，R₀₀可以根据输入的CRS得到，设在CRS位置k∈CRS的接收信号Y(k)为：

$Y\left(k\right)=H_0\left(k\right)s_0\left(k\right)+I+N=\left[\begin{array}{c}{h}_{00}\left(k\right)\\ h_{10}\left(k\right)\\ h_{20}\left(k\right)\\ h_{30}\left(k\right)\end{array}\right]s_0+I+N---\left(4\right)$

R₀₀通过将每个资源块(RB，resource block)的所有CRS资源位置的本小区信号消减，然后再平均得到：

$\tilde{r}\left(k\right)=\left[\begin{array}{c}{\tilde{r}}_0\left(k\right)\\ {\tilde{r}}_1\left(k\right)\\ {\tilde{r}}_2\left(k\right)\\ {\tilde{r}}_3\left(k\right)\end{array}\right]=Y\left(k\right)-H_0\left(k\right)s_0\left(k\right)---\left(5\right)$

$R_{00}=\frac{1}{N_{\mathrm{sp}}}\underset{k\∈\mathrm{CRS}}{\mathrm{\Σ}}\tilde{r}\left(k\right){\tilde{r}}^H\left(k\right)=\frac{1}{N_{\mathrm{sp}}}\underset{k\∈\mathrm{CRS}}{\mathrm{\Σ}}\left[\begin{array}{cccc}{\tilde{r}}_0\left(k\right){\tilde{r}}_0^{*}\left(k\right)& {\tilde{r}}_0\left(k\right){\tilde{r}}_1^{*}\left(k\right)& {\tilde{r}}_0{\left(k\right)\tilde{r}}_2^{*}\left(k\right)& {\tilde{r}}_0\left(k\right){\tilde{r}}_3^{*}\left(k\right)\\ {\tilde{r}}_1\left(k\right){\tilde{r}}_0^{*}\left(k\right)& {\tilde{r}}_1\left(k\right){\tilde{r}}_1^{*}\left(k\right)& {\tilde{r}}_1\left(k\right){\tilde{r}}_2^{*}\left(k\right)& {\tilde{r}}_1\left(k\right){\tilde{r}}_3^{*}\left(k\right)\\ {\tilde{r}}_2\left(k\right){\tilde{r}}_0^{*}\left(k\right)& {\tilde{r}}_2\left(k\right){\tilde{r}}_1^{*}\left(k\right)& {\tilde{r}}_2\left(k\right){\tilde{r}}_2^{*}\left(k\right)& {\tilde{r}}_2\left(k\right){\tilde{r}}_3^{*}\left(k\right)\\ {\tilde{r}}_3{\left(k\right)\tilde{r}}_0^{*}\left(k\right)& {\tilde{r}}_3\left(k\right){\tilde{r}}_1^{*}\left(k\right)& {\tilde{r}}_3\left(k\right){\tilde{r}}_2^{*}\left(k\right)& {\tilde{r}}_3\left(k\right){\tilde{r}}_3^{*}\left(k\right)\end{array}\right]---\left(6\right)$

其中，N_sp为一个RB内所有的CRS端口的样本个数，比如2端口(port0,port1)就有16个样本。

这样， $R=\left[\begin{array}{cc}{R}_{00}& 0\\ 0& R_{00}^{*}\end{array}\right],$ 然后对R进行Cholescy分解，就可以通过对R₀₀的Cholescy分解完成：

$\mathrm{chol}\left(R\right)=\left[\begin{array}{cc}\mathrm{chol}\left(R_{00}\right)& 0\\ 0& \mathrm{chol}\left(R_{00}^{*}\right)\end{array}\right]=\left[\begin{array}{cc}{V}_{00}^H{V}_{00}& 0\\ 0& {\left(V_{00}^{*}\right)}^H{V}_{00}^{*}\end{array}\right]=V^{H}V---\left(7\right)$

其中 $V=\left[\begin{array}{cc}{V}_{00}& 0\\ 0& V_{00}^{*}\end{array}\right],$ 仍然为上三角阵，对所述上三角阵进行求逆操作，得到噪声白化矩阵U：

$U={\left(V\right)}^{-H}\left[\begin{array}{cc}{V}_{00}^{-H}& 0\\ 0& V_{00}^{-1}\end{array}\right]=\left[\begin{array}{cc}{U}_{00}& 0\\ 0& U_{00}^{*}\end{array}\right]---\left(8\right)$

假设 $R_{00}=\left[\begin{array}{cccc}{r}_{00}& r_{01}& r_{02}& r_{03}\\ r_{10}& r_{11}& r_{12}& r_{13}\\ r_{20}& r_{21}& r_{22}& r_{23}\\ r_{30}& r_{31}& r_{32}& r_{33}\end{array}\right],V_{00}=\left[\begin{array}{cccc}{v}_{00}& v_{01}& v_{02}& v_{03}\\ 0& v_{11}& v_{12}& v_{13}\\ 0& 0& v_{22}& v_{23}\\ 0& 0& 0& v_{33}\end{array}\right],U_{00}=\left[\begin{array}{cccc}{u}_{00}& 0& 0& 0\\ u_{10}& u_{11}& 0& 0\\ u_{20}& u_{21}& u_{22}& 0\\ v_{30}& u_{31}& u_{32}& u_{33}\end{array}\right]$ 在进行cholescy分解和上三角阵求逆过程中，采用如下算法：

cholescy分解：

$v_{\mathrm{ii}}=\sqrt{r_{\mathrm{ii}}-\underset{k=0}{\overset{i-1}{\mathrm{\Σ}}}{v}_{\mathrm{ki}}^{\′}{v}_{\mathrm{ki}}},i=0,...,3---\left(9\right)$

$v_{\mathrm{ij}}=\frac{1}{v_{\mathrm{ii}}}(r_{\mathrm{ij}}-\underset{k=0}{\overset{i-1}{\mathrm{\&Sigma;}}}{v}_{\mathrm{ki}}^{\&prime;}{v}_{\mathrm{kj}}),i<j---\left(10\right)$

上三角阵求逆：

$u_{\mathrm{ii}}=\frac{1}{v_{\mathrm{ii}}},i=0,...,3---\left(11\right)$

$u_{\mathrm{ij}}={\left({-u}_{\mathrm{ii}}\underset{k=j}{\overset{i-1}{\mathrm{\&Sigma;}}}{u}_{\mathrm{kj}}^{\&prime;}{v}_{\mathrm{ki}}\right)}^{*},i>j---\left(12\right)$

对于i＝0,...,3每列的计算可以依次进行：

v₀₀，u₀₀，(v₀₁,v₀₂,v₀₃)，v₁₁，u₁₁，(v₁₂,v₁₃,u₁₀)，v₂₂，u₂₂，(v₂₃,u₂₁,u₂₀)，v₃₃，u₃₃，(u₃₂,v₃₁,u₃₀)

其中括号内的各项都可以并行计算出来，而且对于(10)和(11)的求倒数的计算步骤可以复用。这样可以避免先求cholescy分解和再求上三角阵求逆，因为是可以复用的，只需要比cholescy分解多一步处理(u₃₂,v₃₁,u₃₀)，就可以完成求cholescy分解和上三角阵求逆的操作。

根据表达式(7)和(8)对表达式(2)进行变换可以得到：

$\begin{array}{c}\hat{X}=(H^H{R}^{-1}H+I)H^H{R}^{-1}Y\\ =[H^H{(V^H*V)}^{-1}H+I]H^H{(V^H*V)}^{-1}Y\\ =(H^H{U}^H\mathrm{UH}+I)H^H{U}^H\mathrm{UY}\\ =({\tilde{H}}^H\tilde{H}+I){\tilde{H}}^H\tilde{Y}\end{array}---\left(10\right)$

其中，对接收信号进行白化为对信道估计值进行白化为

从上述推导可以看出，通过对R₀₀进行Cholescy分解及上三角阵求逆，可以得到噪声白化矩阵U，利用噪声白化矩阵U对接收信号和信道估计值进行白化，最终可以得到MMSE-IRC的处理结果。

本发明实施例中，将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果。

下面通过附图及具体实施例对本发明做进一步的详细说明。

本发明实施例实现一种支持发射分集的干扰抑制合并方法，如图3和4所示，该方法包括以下几个步骤：

步骤301：将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

具体的，将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵R₀₀。

本步骤中，所述CRS资源位置可以通过接收CRS获得。

步骤302：对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；

具体的，对R₀₀进行Cholescy分解为：

$\mathrm{chol}\left(R_{00}\right)=V_{00}^H{V}_{00}---\left(11\right)$

对V₀₀进行求逆操作，得到分块矩阵U₀₀：

$U_{00}=V_{00}^{-H}---\left(12\right)$

本步骤中，所述Cholescy分解和上三角阵求逆并行进行。

步骤303：将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

具体的，将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0；

噪声白化矩阵U为：

$U=\left[\begin{array}{cc}{V}_{00}^{-H}& 0\\ 0& V_{00}^{-1}\end{array}\right]=\left[\begin{array}{cc}{U}_{00}& 0\\ 0& U_{00}^{*}\end{array}\right]---\left(13\right).$

步骤304：根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果；

例如：根据噪声白化矩阵U对接收信号进行白化为对信道估计值进行白化为其中，Y表示接收信号，H表示信道估计值矩阵，根据表达式得到MMSE-IRC的处理结果。

本步骤还包括：将MMSE-IRC的处理结果输出到界面或后续的解调模块或设备。

对于上述本发明的方法的执行主体，一般可以是接收机。

为了实现上述方法，本发明还提供一种支持发射分集的干扰抑制合并装置，如图5所示，该装置包括：生成模块51、第一获得模块52、白化模块53、第二获得模块54；其中，

生成模块51，用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

第一获得模块52，用于对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵，将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

白化模块53，用于根据所述噪声白化矩阵对接收信号和信道估计值进行白化；

第二获得模块54，用于利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果。

其中，所述生成模块51，具体用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

所述第一获得模块52，具体用于对所述NxN维干扰和噪声协方差矩阵并行进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；

所述第一获得模块52，具体用于将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0。

所述白化模块53，具体用于根据噪声白化矩阵U对接收信号进行白化为对信道估计值进行白化为其中，Y表示接收信号，H表示信道估计值矩阵；

所述第二获得模块55，具体用于通过表达式得到MMSE-IRC的处理结果，其中，I为邻区干扰。

在实际应用中，所述生成模块51、第一获得模块52、白化模块53、第二获得模块54的功能可由位于接收机内的中央处理器(CPU)、或微处理器(MPU)、或数字信号处理器(DSP)、或可编程门阵列(FPGA)实现。

基于上述的装置，本发明还提供一种接收机，该接收机包括所述装置。

下面通过对LTE-A***(Release 11)接收机的仿真来说明本发明的优势。具体仿真条件参照3GPP标准[3]中的对于发射分集的测试例：8.2.1.2.4-1:Transmit diversity Performance(FRC)with TM3interference model，主要参数是：10M带宽，信道EVA70，主小区传输模式TM2，MCS＝6，cell ID＝0，2个干扰小区传输模式TM3，干扰小区80％的概率为Rank1，20％的概率为Rank2，cellID＝1/2，70％吞吐量(Throughput)处SINR要求-1.4dB。

比较常规的MMSE-IRC接收机与本发明的接收机的吞吐量性能，仿真结果如图6所示，其中代表常规的MMSE-IRC接收机的吞吐量性能，代表本发明的接收机的吞吐量性能，两者性能相同。

这里，还统计了两者的计算复杂度，如表1所示，常规的MMSE-IRC接收机中相对于MMSE的H^HR^-1操作是每个子载波都要做的，本发明的接收机中相对于MMSE增加的左乘U的白化操作UY和UH每个子载波都要做，而cholescy分解和上三角求逆只是每个RB进行一次。可以看出，虽然增加了少量RB级的开方和求倒运算，本发明的接收机比常规的MMSE-IRC接收机乘法数量减少约一半，总体复杂度得以很大的降低。

	乘法	加法	求倒	开方
					MMSE-IRC	2688	2304	2	0

白化MMSE

1229

917

4

4

表1 每个RB内相对于MMSE接收机所增加的计算量统计

本发明实施例所述支持发射分集的干扰抑制合并方法如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。

相应的，本发明实施例还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行本发明实施例的支持发射分集的干扰抑制合并方法。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种支持发射分集的干扰抑制合并方法，其特征在于，该方法包括：

将发射分集下N(N>＝3)个接收天线在小区参考信号(CRS)资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵；

将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

根据所述噪声白化矩阵对接收信号和信道估计值进行白化，利用白化后的接收信号和信道估计值得到最小均方误差-干扰抑制合并(MMSE-IRC)的处理结果。

2.根据权利要求1所述的干扰抑制合并方法，其特征在于，所述将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵包括：

将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵。

3.根据权利要求1所述的干扰抑制合并方法，其特征在于，所述Cholescy分解及上三角阵求逆并行进行。

4.根据权利要求1所述的干扰抑制合并方法，其特征在于，所述将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵包括：

将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0。

5.根据权利要求1所述的干扰抑制合并方法，其特征在于，所述根据所述噪声白化矩阵对接收信号和信道估计值进行白化包括：

根据噪声白化矩阵U对接收信号进行白化为Y＝UY，对信道估计值进行白化为其中，Y表示接收信号，H表示信道估计值矩阵。

6.一种支持发射分集的干扰抑制合并装置，其特征在于，该装置包括：生成模块、第一获得模块、白化模块、第二获得模块；其中，

生成模块，用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号生成对应1个子载波的NxN维干扰和噪声协方差矩阵；

第一获得模块，用于对所述NxN维干扰和噪声协方差矩阵进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵，将所述NxN维分块矩阵扩展成2Nx2N维的噪声白化矩阵；

白化模块，用于根据所述噪声白化矩阵对接收信号和信道估计值进行白化；

第二获得模块，用于利用白化后的接收信号和信道估计值得到MMSE-IRC的处理结果。

7.根据权利要求6所述的干扰抑制合并装置，其特征在于，所述生成模块，具体用于将发射分集下N(N>＝3)个接收天线在CRS资源位置的接收信号减去对应信道估计值与CRS符号的乘积，所得信号做自相关，生成对应1个子载波的NxN维干扰和噪声协方差矩阵。

8.根据权利要求6所述的干扰抑制合并装置，其特征在于，所述第一获得模块，具体用于对所述NxN维干扰和噪声协方差矩阵并行进行Cholescy分解及上三角阵求逆，得到NxN维分块矩阵。

9.根据权利要求6所述的干扰抑制合并装置，其特征在于，所述第一获得模块，具体用于将所述NxN维分块矩阵及所述NxN维分块矩阵的共轭组成2Nx2N维的噪声白化矩阵，其中主对角为所述NxN维分块矩阵和所述NxN维分块矩阵的共轭，非对角为0。

10.一种接收机，其特征在于，该接收机包括权利要求6至9任一项所述的干扰抑制合并装置。