CN105763493A - 一种信号干扰抑制方法和装置 - Google Patents

Abstract

本发明公开了一种信号干扰抑制方法，该方法包括：对接收信号向量和信道矩阵进行白化滤波；对白化滤波后的接收信号向量和信道矩阵进行多输入多输出MIMO检测。本发明还公开了一种信号干扰抑制装置。

Description

一种信号干扰抑制方法和装置

技术领域

本发明涉及无线通讯领域，尤其涉及一种信号干扰抑制方法和装置。

背景技术

在长期演进(LTE，LongTermEvolution)***中，不可避免的存在邻小区同频干扰的问题，如何抑制邻区干扰、提高小区边缘用户的性能，是目前LTE***中普遍关注的问题。

目前解决小区同频干扰的主要方法有：

(1)小区间干扰协调、回避，通过相邻小区基站之间的协调，对使用的下行资源做出一定的限制，避免相邻小区同时使用产生干扰的资源进行通信，通过资源的合理调度或分配来避免干扰的发生；

(2)小区间干扰随机化，通过在相邻小区的干扰信号加上伪随机扰动使干扰信号在到达小区边缘时统计特性接近于白噪声，从而改变干扰信号的统计特性；

(3)小区间干扰抑制消除，在用户设备(UE，UserEquipment)端基于对接收信号进行相关处理，利用干扰的统计特性，对干扰进行抑制，即干扰抑制合并算法(IRC，InterferenceRejectionCombining)。

IRC算法是一种被广泛使用的干扰抑制处理算法，与最大比合并算法不同，IRC算法考虑了干扰信号的统计特性，将干扰和噪声看作一个等效的色噪声，利用干扰噪声协方差矩阵对接收信号进行处理，提高信干噪比(SINR，SignaltoInterferenceplusNoiseRatio)。

但是，在LTE***中引入IRC机制后，首先需要估计出噪声向量相关矩阵R，然后，需要对现有的多输入多输出***(MIMO，Multiple-InputMultiple-Output)标准解调算法进行修改，算法复杂度较高，导致芯片面积增加，开发和维护成本高。并且，通常R矩阵估计的准确度不高，从而导致干扰抑制性能损失，因此需要对R矩阵做修正，但是，现有对R矩阵进行修正的对角加载方法并不是适用于所有的场景，特别是在干扰较大信道变化快时，干扰抑制的性能反而下降。

发明内容

为解决现有存在的技术问题，本发明实施例提供一种干扰抑制方法和装置。

本发明实施例提供了一种信号干扰抑制方法，该方法包括：

对接收信号向量和信道矩阵进行白化滤波；

对白化滤波后的接收信号向量和信道矩阵进行多输入多输出MIMO检测。

其中，所述对接收信号向量和信道矩阵进行白化滤波，包括：

对接收信号所包含的噪声向量相关矩阵进行估计；

在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵；

基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理。

其中，对接收信号所包含的噪声向量相关矩阵进行估计，包括：

基于本小区的小区特定参考信号CRS和解调参考信号DMRS的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

其中，r(k,l)＝y(k,l)-H(k,l)*d(k,l)；

其中，l表示正交频分复用OFDM符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示噪声向量相关矩阵的累加个数。

其中，所述在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵，包括：

在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R：

$R\left(n\right)=(1-\mathrm{coef})*\tilde{R}(n-1)+\mathrm{coef}*\tilde{R}\left(n\right);$

采用Cholesky分解法对平滑滤波后的矩阵R进行分解，得到上三角矩阵V；对所述V共轭求逆，得到白化矩阵U＝(V^-1)^H。

其中，基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un，

H_w＝UH；

所述y是接收信号向量，H是信道矩阵，x是发射信号向量，n是噪声向量。

其中，在所述对接收信号向量和信道矩阵进行白化滤波之前，该方法还包括：

根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，则对接收信号向量和信道矩阵进行白化滤波；如果否，则直接对接收信号向量和信道矩阵进行MIMO检测。

其中，采用MIMO标准解调算法进行MIMO检测；

所述MIMO标准解调算法包括以下至少之一：最大比合并MRC算法、最小均方误差MMSE算法、最大似然检测ML算法和SD算法。

本发明实施例还提供了一种信号干扰抑制装置，该装置包括：

白化滤波器，用于对接收信号向量和信道矩阵进行白化滤波；

MIMO模块，用于对白化滤波后的接收信号向量和信道矩阵进行MIMO检测。

其中，所述白化滤波器包括：矩阵估计子模块、矩阵优化子模块和白化处理子模块，

所述矩阵估计子模块，用于对接收信号所包含的噪声向量相关矩阵进行估计；

所述矩阵优化子模块，用于在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵；

所述白化处理子模块，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理。

其中，所述矩阵估计子模块，还用于基于本小区的小区特定参考信号CRS和解调参考信号DMRS的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

其中，r(k,l)＝y(k,l)-H(k,l)*d(k,l)；

其中，l表示正交频分复用OFDM符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示噪声向量相关矩阵的累加个数。

其中，所述矩阵优化子模块，还用于在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R：并采用Cholesky分解法对平滑滤波后的矩阵R进行分解，得到上三角矩阵V；对所述V共轭求逆，得到白化矩阵U＝(V^-1)^H。

其中，所述白化处理子模块，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un，

H_w＝UH；

所述y是接收信号向量，H是信道矩阵，x是发射信号向量，n是噪声向量。

其中，该装置还包括：

控制模块，用于根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，则控制所述白化滤波器对接收信号向量和信道矩阵进行白化滤波；如果否，则控制所述MIMO模块直接对接收信号向量和信道矩阵进行MIMO检测。

其中，该装置还包括：自适应开关，用于根据所述控制模块的控制，打开或关闭所述白化滤波器。

本发明实施例提供的一种干扰抑制方法和装置，在采用MIMO标准解调算法前，对接收信号向量y和信道矩阵H进行白化滤波，滤波后的接收信号向量和信道矩阵采用任一MIMO标准解调算法解调。因为经过滤波后的噪声是不相关的，因此，采用MIMO标准解调算法就能达到最优性能。本发明实施例所提供的方案，不需改动现有核心算法，利用目前接收机接中已有的算法模块，只需增加一个白化滤波步骤，就可以实现简化IRC算法，大大降低了算法实现、维护以及演进的成本，并且可以减小芯片面积，同时还达到了抑制干扰的目的。

附图说明

图1为本发明实施例提供的干扰抑制实现过程示意图；

图2为本发明实施例一提供的干扰抑制方法示意图；

图3为本发明实施例一提供的白化滤波方法示意图；

图4为本发明实施例二提供的干扰抑制方法示意图；

图5为本发明实施例三提供的干扰抑制装置结构示意图；

图6为本发明实施例四提供的干扰抑制装置结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。

LTE***中，假设接收天线为M个，发射天线为N个，则MIMO信号模型为：y＝Hx+n。

其中，y是接收信号向量，H是信道矩阵估计值，x是发射信号向量，n是噪声向量(包含干扰和白噪声)。

3GPPLTE标准Release10和Release10以前的版本中，MIMO接收机一般假设噪声向量相关矩阵R可以表示为噪声平均功率(N₀)乘以一个M*M的单位矩阵，即：

R＝N₀I_M。

在噪声向量相关矩阵R可近似为N₀乘单位矩阵条件下，各种MIMO标准解调算法基本公式如下：

最大比合并(MRC，MaximumRatioCombining)算法：

${\hat{x}}_{\mathrm{MRC}}=H^{H}y;$

最小均方误差(MMSE，MinimumMeanSquareError)算法：

${\hat{x}}_{\mathrm{MMSE}}={(H^{H}H+N_{0}I)}^{-1}{H}^{H}y;$

最大似然检测(ML，MaximumLikelihood)算法：

其中，C为所有可能的发射信号向量集合；

球面检测(SD，SphereDecoding)算法：其中，Ω为C的一个子集合。

其中，表示检测出来的发射信号向量。

为抑制同频干扰，MIMO接收机需要对R矩阵进行估计，并根据R矩阵进行干扰抑制。为了在LTE***中引入IRC机制，一种办法是对所有现有MIMO标准解调算法进行修改，则修改后的各个解调算法的基本公式为：

$\mathrm{MRC}-\mathrm{IRC}:{\hat{x}}_{\mathrm{IRC}}=H^H{R}^{-1}y;$

$\mathrm{MMSE}-\mathrm{IRC}:{\hat{x}}_{\mathrm{MMSE}-\mathrm{IRC}}={(H^H{R}^{-1}H+I)}^{-1}{H}^H{R}^{-1}y$

$\mathrm{ML}-\mathrm{IRC}:{\hat{x}}_{\mathrm{ML}}=\arg \underset{x\∈C}{\min }{(y-\mathrm{Hx})}^H{R}^{-1}(y-\mathrm{Hx}),$ 其中，C为所有可能的发射信号向量集合；

$\mathrm{SD}-\mathrm{IRC}:{\hat{x}}_{\mathrm{SD}}=\arg \underset{x\∈\mathrm{\Ω}}{\min }{(y-\mathrm{Hx})}^H{R}^{-1}(y-\mathrm{Hx}),$ 其中，Ω为C的一个子集合。

同比MIMO标准解调算法，引入IRC机制后，首先需要估计出R矩阵，然后需要对所有MIMO标准解调算法进行修改，算法复杂度较高，导致芯片面积增加，开发和维护成本高。并且，R矩阵估计是否正确与信道矩阵H的准确度密切相关，在主小区和干扰小区的参考信号位置重叠的情况下，通常H计算的准确度不高，如此会导致R矩阵估计不准确从而引起干扰抑制性能损失，因此需要对R矩阵做修正。目前已有的算法中都是采用对角加载的方法对R矩阵进行修正，但本申请的发明人在实际应用中经过仿真发现，此方法并不是所有场景都适合，在干扰较大信道变化快时，干扰抑制性能反而下降。

为了解决上述技术问题，本发明实施例提出了一种信号干扰抑制方案，利用噪声向量相关矩阵R，对接收信号(y)和信道矩阵(H)进行白化滤波，滤波后的接收信号向量和信道矩阵采用任一MIMO标准解调算法解调，从而达到干扰抑制的目的，其过程如图1所示。

下面基于通过具体的实施例来说明图1所示的干扰抑制过程的技术方案。

实施例一

如图2所示，本发明实施例提供的基于IRC的干扰抑制方法包括：

步骤201，对接收信号向量和信道矩阵进行白化滤波；

步骤202，对白化滤波后的接收信号向量和信道矩阵估计进行MIMO检测。

其中，上述步骤201的实现过程如图3所示，包括：

步骤301，对接收信号所包含的噪声向量相关矩阵进行估计。

该步骤中，基于本小区的小区特定参考信号(CRS，Cell-specificReferenceSignals)、解调参考信号(DMRS，DeModulationReferenceSignal)的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

r(k,l)＝y(k,l)-H(k,l)*d(k,l)

其中，l表示正交频分复用(OFDM，OrthogonalFrequencyDivisionMultiplexing)符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示R累加个数。

步骤302，在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵。

在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R：

$R\left(n\right)=(1-\mathrm{coef})*\tilde{R}(n-1)+\mathrm{coef}*\tilde{R}\left(n\right).$

为解决现有IRS算法中信道矩阵H估计误差引起的干扰抑制性能损失，该实施例中，采用时域方向做滤波的方法，以提高噪声向量相关矩阵R估计的正确度和稳定性，实现了R的优化。

本发明实施例中，采用Cholesky分解法(也称为平方根法)对平滑滤波后的矩阵R进行分解、即R＝V^HV，得到上三角矩阵V；

对所述V共轭求逆(对V求逆后再作Hermitian矩阵)，得到白化矩阵U＝(V^-1)^H。

步骤303，基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un；

H_w＝UH；

需要说明的是，白化滤波后，接收信号所包含的噪声向量相关矩阵为单位矩阵I。

则上述步骤202中，需要对白化滤波后的接收信号向量y_w＝Uy＝U(Hx+n)＝H_wx+Un和信道矩阵H_w＝UH进行MIMO检测，以达到干扰抑制的目的。该步骤中，采用MIMO标准解调算法进行MIMO检测，此处所述的MIMO标准解调算法包括但不限于以下至少之一：MRC算法、MMSE算法、ML算法和SD算法。

本发明实施例中，在采用MIMO标准解调算法前，对y和H进行白化滤波，滤波后的接收信号向量和信道矩阵采用任一MIMO标准解调算法解调。因为经过滤波后的噪声是不相关的，因此，采用MIMO标准解调算法就能达到最优性能。需要说明的是，上述步骤201可以由一个专门的白化滤波器执行，步骤202可以由接收机原有的MIMO模块来执行。由此可见，本发明实施例利用目前接收机接中已有的算法模块，只需增加一个白化滤波器，就可以实现简化IRC算法、降低实现复杂度、并达到抑制干扰的目的。

基于本发明上述实施例提供的干扰抑制方法，不需改动现有核心算法(即MIMO标准解调算法)，而只需对白化滤波器做一次定点化，因此可以大大降低算法实现、维护以及演进的成本，并且可以减小芯片面积。

另外，如果采用现有IRC的直接算法实现，则每个子载波都要计算一次(y-Hx)^HR^-1(y-Hx)，计算量较大；而采用白化滤波方法，只需要对R做一次Cholesky分解，在每个子载波上将白化矩阵U分别乘以y和H，由此可见，算法复杂度大大降低，从而降低了功耗。

实施例二

本发明实施例还提出了一种信号干扰抑制方法，如图4所示，在步骤201之前，该方法包括：

步骤401，根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，执行步骤201-202；如果否，执行步骤402。

步骤402，如果未达到预设的白化滤波条件，则直接对接收信号向量和信道矩阵进行MIMO检测。

其中，上述白化滤波条件可以根据邻小区干扰强度来设置，例如，可以预设一个干扰强度门限值，根据当前接收信号，如果确定邻小区干扰强度大于等于预设的干扰强度门限值时，则满足预设的白化滤波条件；否则不满足。

基于该实施例，可以实现算法的统一控制和调度：本发明实施例提出的基于白化滤波的IRC算法不能取代MIMO标准解调算法，因为有些场景下，采用MIMO标准解调算法达到的干扰抑制性能较好，比如在没有邻区干扰或邻区干扰很小的情况下，所以，应该根据干扰情况自适应地采用MIMO标准解调算法或基于白化滤波IRC算法，以便在任何场景都获得最优干扰抑制性能，为此，该实施例提出了判断是否满足白化滤波条件的操作，依次为依据，决定采用MIMO标准解调算法或基于白化滤波IRC算法。

另外，为了达到该目的，可以在白化滤波器前设置一个自适应开关。如果干扰不满足白化滤波条件，则控制自适应开关关闭，跳过白化滤波器，等效于在执行MIMO标准解调算法；否则打开，通过白化滤波器执行白化滤波操作。

实施例三

根据上述实施例提供的干扰抑制方法，如图5所示，本发明实施例提出了一种信号干扰抑制装置，该装置可应用于接收机中，包括：

白化滤波器10，用于对接收信号向量和信道矩阵进行白化滤波；

MIMO模块20，用于对白化滤波后的接收信号向量和信道矩阵进行MIMO检测。

所述白化滤波器10包括：矩阵估计子模块11、矩阵优化子模块12和白化处理子模块13，其中：

所述矩阵估计子模块11，用于对接收信号所包含的噪声向量相关矩阵进行估计；

所述矩阵优化子模块12，用于在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵；

所述白化处理子模块13，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理。

所述矩阵估计子模块11，还用于基于本小区的CRS和DMRS的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

其中，r(k,l)＝y(k,l)-H(k,l)*d(k,l)；

其中，l表示正交频分复用OFDM符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示噪声向量相关矩阵的累加个数。

所述矩阵优化子模块12，还用于在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R：并采用Cholesky分解法对平滑滤波后的矩阵R进行分解，得到上三角矩阵V；对所述V共轭求逆，得到白化矩阵U＝(V^-1)^H。

所述白化处理子模块13，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un，

H_w＝UH；

所述y是接收信号向量，H是信道矩阵，x是发射信号向量，n是噪声向量。

实施例四

本发明实施例还提供了一种信号干扰抑制装置，如图6所示，在实施例三的基础上，该装置还包括：控制模块30和自适应开关40。

控制模块30，用于根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，则控制所述白化滤波器10对接收信号向量和信道矩阵进行白化滤波；如果否，则控制所述MIMO模块20直接对接收信号向量和信道矩阵进行MIMO检测。

自适应开关40，用于根据所述控制模块30的控制，打开或关闭所述白化滤波器10。打开白化滤波器10后执行白化滤波操作；关闭白化滤波器10后，控制模块30控制所述MIMO模块20直接对接收信号向量和信道矩阵进行MIMO检测。

综上所述，本发明实施例在采用MIMO标准解调算法前，对接收信号向量y和信道矩阵H进行白化滤波，滤波后的接收信号向量和信道矩阵采用任一MIMO标准解调算法解调。因为经过滤波后的噪声是不相关的，因此，采用MIMO标准解调算法就能达到最优性能。本发明实施例所提供的方案，不需改动现有核心算法，利用目前接收机接中已有的算法模块，只需增加一个白化滤波步骤，就可以实现简化IRC算法，大大降低了算法实现、维护以及演进的成本，并且可以减小芯片面积，同时还达到了抑制干扰的目的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种信号干扰抑制方法，其特征在于，该方法包括：

对接收信号向量和信道矩阵进行白化滤波；

对白化滤波后的接收信号向量和信道矩阵进行多输入多输出MIMO检测。

2.根据权利要求1所述信号干扰抑制方法，其特征在于，所述对接收信号向量和信道矩阵进行白化滤波，包括：

对接收信号所包含的噪声向量相关矩阵进行估计；

在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵；

基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理。

3.根据权利要求2所述信号干扰抑制方法，其特征在于，对接收信号所包含的噪声向量相关矩阵进行估计，包括：

基于本小区的小区特定参考信号CRS和解调参考信号DMRS的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

其中，r(k,l)＝y(k,l)-H(k,l)*d(k,l)；

其中，l表示正交频分复用OFDM符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示噪声向量相关矩阵的累加个数。

4.根据权利要求3所述信号干扰抑制方法，其特征在于，所述在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵，包括：

在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R：

$R\left(n\right)=(1-\mathrm{coef})*\tilde{R}(n-1)+\mathrm{coef}*\tilde{R}\left(n\right);$

采用Cholesky分解法对平滑滤波后的矩阵R进行分解，得到上三角矩阵V；对所述V共轭求逆，得到白化矩阵U＝(V^-1)^H。

5.根据权利要求4所述信号干扰抑制方法，其特征在于，基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un，

H_w＝UH；

所述y是接收信号向量，H是信道矩阵，x是发射信号向量，n是噪声向量。

6.根据权利要求1至5任一项所述的信号干扰抑制方法，其特征在于，在所述对接收信号向量和信道矩阵进行白化滤波之前，该方法还包括：

根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，则对接收信号向量和信道矩阵进行白化滤波；如果否，则直接对接收信号向量和信道矩阵进行MIMO检测。

7.根据权利要求1所述信号干扰抑制方法，其特征在于，采用MIMO标准解调算法进行MIMO检测；

所述MIMO标准解调算法包括以下至少之一：最大比合并MRC算法、最小均方误差MMSE算法、最大似然检测ML算法和SD算法。

8.一种信号干扰抑制装置，其特征在于，该装置包括：

白化滤波器，用于对接收信号向量和信道矩阵进行白化滤波；

MIMO模块，用于对白化滤波后的接收信号向量和信道矩阵进行MIMO检测。

9.根据权利要求8所述信号干扰抑制装置，其特征在于，所述白化滤波器包括：矩阵估计子模块、矩阵优化子模块和白化处理子模块，其中：

所述矩阵估计子模块，用于对接收信号所包含的噪声向量相关矩阵进行估计；

所述矩阵优化子模块，用于在时域方向对估计得到的矩阵进行平滑滤波，并基于所述平滑滤波后的矩阵得到白化矩阵；

所述白化处理子模块，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理。

10.根据权利要求9所述信号干扰抑制装置，其特征在于，

所述矩阵估计子模块，还用于基于本小区的小区特定参考信号CRS和解调参考信号DMRS的子载波位置，估计接收信号所包含的噪声向量相关矩阵，得到：

其中，r(k,l)＝y(k,l)-H(k,l)*d(k,l)；

其中，l表示正交频分复用OFDM符号索引，k表示子载波位置，y(k,l)表示第l个符号的子载波位置k上的接收信号向量，H(k,l)表示第l个符号子载波位置k的信道矩阵，d为本小区的CRS或DMRS的本地序列，N表示噪声向量相关矩阵的累加个数。

11.根据权利要求10所述信号干扰抑制装置，其特征在于，

所述矩阵优化子模块，还用于在时域方向对估计得到的噪声向量相关矩阵进行平滑滤波，得到矩阵R： $R\left(n\right)=(1-\mathrm{coef})*\tilde{R}(n-1)+\mathrm{coef}*\tilde{R}\left(n\right);$ 并采用Cholesky分解法对平滑滤波后的矩阵R进行分解，得到上三角矩阵V；对所述V共轭求逆，得到白化矩阵U＝(V^-1)^H。

12.根据权利要求11所述信号干扰抑制装置，其特征在于，

所述白化处理子模块，用于基于所述白化矩阵对接收信号向量和信道矩阵进行白化处理，得到：

y_w＝Uy＝U(Hx+n)＝H_wx+Un，

H_w＝UH；

所述y是接收信号向量，H是信道矩阵，x是发射信号向量，n是噪声向量。

13.根据权利要求8至12任一项所述信号干扰抑制装置，其特征在于，该装置还包括：

控制模块，用于根据接收信号判断邻小区同频干扰是否达到预设的白化滤波条件，如果是，则控制所述白化滤波器对接收信号向量和信道矩阵进行白化滤波；如果否，则控制所述MIMO模块直接对接收信号向量和信道矩阵进行MIMO检测。

14.根据权利要求13所述信号干扰抑制装置，其特征在于，该装置还包括：自适应开关，用于根据所述控制模块的控制，打开或关闭所述白化滤波器。