CN1393061A - 传输分集条件下直接序列码分多址信号的最小均方差接收 - Google Patents

Abstract

导频信号输入到第一MMSE接收器(201)，而第二信号则输入到第二MMSE接收器(202)。第一MMSE接收器(201)对接收到的导频信号进行信道估计，决定该导频信号的均方差，并通过不断更新加权向量使导频估计值的均方差最小。第一MMSE接收器(201)输出导频信道的估计值。同时，MMSE加权向量(206)输入到第二MMSE接收器(202)，并加到第二信道。MMSE接收器(202)输出码元估计值(或者在其他的实施例中，芯片估计值)到信道电路(204)。信道电路进行正常的信道处理。

Description

传输分集条件下直接序列码分多址信号的最小均方差接收

发明领域

本发明一般涉及一种关于码分多址(CDMA)接收器，特别涉及一种接收直接序列(DS)CDMA信号的方法和设备。

发明背景

因为传输分集减轻了由信号衰落而导致前向链路的衰退，所以是有利的。简单地说，可以认为传输分集是用多个天线发送信号到接收器。一般来说，分集可以分别在发送器和接收器端实现，或者同时在发送器端和接收器端实现。另外，分集方法可以与用户端到发送器端的反馈结合起来。我们定义带有反馈的分集方法为闭环方法，而不带有反馈的分集方法为开环方法。开环传输分集方法是我们所希望的，因为这些方法对用户复杂性影响最小。

已经包括在第三代标准中的三种开环传输分集方法是正交传输分集(OTD)，时空扩展(STS)，和时空传输分集(STTD)。前两种方法，OTD和STS，已经包括在第三代合作项目过渡标准2000(IS20003GPP2标准)的现行版本中，而STTD是第三代宽带CDMA合作项目(3GPP标准)的一部分。

目前接收CDMA信号的方法使用匹配滤波接收器，有时称匹配滤波接收器为瑞克(RAKE)接收器。然而，最近人们主张使用最小均方差(MMSE)接收器来接收CDMA信号。MMSE接收器使得码元估计的均方差最小。这种接收器在非传输分集条件下的应用在论文“Adaptive interference Suppression for Direct-Sequence CDMA Systemswith Long Spreading Codes(用长扩展码对直接序列的CDMA***的自适应干扰抑制)”(Colin D.Frank and Eugene Visotsky，In Proceedings ofthe Allerton Conference on Communications，Control and Computing，Monticello，Illinois，Sept.23-25，1998，pp.411-420)中有详细的描述。尽管MMSE接收器在非传输分集的环境中接收CDMA信号已经有所描述，但是目前还不存在能在传输分集的条件下接收CDMA信号的MMSE接收器。因此需要存在一种MMSE接收器，该接收器能够使用传输分集来接收DS-CDMA信号。

附图简介

图1表示用于STTD的MMSE接收器和匹配滤波接收器的相对性能。

图2是按照本发明的优选实施例的MMSE接收器的方框图。

图3表示图2中按照本发明的优选实施例的接收器的工作流程图。

图4至图10表示按照本发明的几个实施例的MMSE接收器。

具体实施方式

为了满足在传输分集条件下能够接收DS-CDMA信号的MMSE接收器的需要，这里给出几种MMSE接收器。具体来说，在此提供三种不同的MMSE接收器：一种是OTD接收器，一种是STS接收器，一种是STTD接收器。

在本发明的另一个实施例中，MMSE接收器采用基于导频的自适应技术。具体来说，第一个导频信号进入第一个MMSE接收器，第二个信号进入第二个MMSE接收器。第一个MMSE接收器对接收到的导频信号进行信道估计，确定导频信号的均方差，通过不断地更新加权向量，使得导频估计值的均方差最小。导频信道估计值从第一个MMSE接收器中输出。MMSE加权向量也输入到第二个MMSE接收器，并加到第二个信道。码元估计值(或者在其他的实施例，芯片估计值)从第二个MMSE接收器中出来并进入信道电路，在信道电路中进行正常的信道处理。

由于导频信道的数据是已知的，我们可以使用所测量出的导频估计值误差来更新用于接收导频信道数据的MMSE接收器。然而，由于MMSE接收器对于导频信道和其他信道来说是相同的，导频信道的MMSE接收器可用来解调第二个信道，并且该接收器可以得到该数据信码的最小均方差估计值。

本发明包括一种设备，该设备包含两个最小均方差(MMSE)接收器，第一个MMSE接收器把一个信号作为输入信号，该信号是采用传输分集方法传送的，第二个MMSE接收器也把该信号作为输入信号。

另外，本发明包括一种最小均方差(MMSE)接收信号的方法。本方法包括下列步骤：MMSE接收器端接收导频信号对接收到的导频信号进行信道估计，决定导频信号估计值的均方差。不断更新导频信号估计值的加权向量以使导频信号估计值的均方差最小，并且把该加权向量加到第二信道。

本发明还包括一种最小均方差(MMSE)接收器，该最小均方差接收器包括导频信道信号输入，第二信道输入，其中一个输出导频信道的估计值，而导频信道估计值取决于加到导频信道的加权向量；第二输出端包括第二信道的估计值，第二信道估计值取决于加到第二信道的加权向量。

为了满足传输分集条件下能够接收DS-CDMA信号的MMSE接收器的需要，在这里描述一下MMSE接收器。下面的论述中，匹配滤波接收器和MMSE接收器是针对全部的三种传输分集方法设计的。信噪比表达式可以同时用于滤波接收器和MMSE接收器，这些表达式用于比较不同分集方法的性能。然后讨论对于三种形式的传输分集自适应MMSE接收器的实现。

用于正交传输分集(OTD)的匹配滤波接收器和MMSE接收器

在二天线正交传输分集中，把已编码的交织码元分成码元对。令s₀和s₁表示每个码元对的两个码元。OTD有几种变化形式。尽管所有形式的OTD能够采用与这里描述的相似的方法来分析，在这里我们还是把注意力限制在以下的OTD具体实施方案上。令w为分派给相关用户的沃尔什(Walsh)码，令N为这个代码的长度。对于这种OTD的实施方案，s₀类型的码元使用派生码w⁰＝(w，-w)通过第一个天线发送，s₁类型的码元使用派生码w¹＝(w，w)通过第二个天线发送。请注意这些派生码之间相互正交并且与Walsh码集正交。还有，按分配给该用户的Walsh代码个数来测量，使用OTD的用户所占的带宽并不比没有使用传输分集的用户大。最后，使用这种实现OTD方法的码元速率与没有使用传输分集的码元速率是相等的。

令K为区域用户的个数，令P_i为分配给第i个用户的全部能量。令α_i为分配给第i个用户的两个天线中的每一个天线的能量分数，对于采用正交传输分集的用户，α_i等于，对于没有采用传输分集的用户，α_i等于0或者1。

用户接到的信号在采样以前经过过滤并转换成基带信号。如果接收到的信号以芯片频率采样{nT_c+τ}次，其中n为整数，接收器的性能一般对采样相位τ比较敏感，为了避免与特定采样相位τ₀相关的差的性能出现，接收到的信号通常在多倍的芯片频率下采样。由于附加采样的需要很容易理解，这一问题就不在该文中论述。这样，用户端接收到的信号经过滤波，转换成基带，在芯片频率下采样产生序列{r_k}，解调器只允许通过该芯片时间间隔的{r_k}序列。

令f₀和f₁分别为第一个和第二个天线和相关的用户之间的信道。由于接收到的信号在芯片频率下采样，向量元素由信道脉冲响应中的芯片时间间隔的采样值组成。为了简化分析，在长度为M的区间外，认为f₀和f₁是0，因此

f_i，j＝0如果j＜0或者j＞M-7

通过使用服务基站的复合扩展码{c_k}对该序列{r_k}进行解扩，以及通过与相关的代码信道之间的关联分析，则将{r_k}序列约化为观测向量集R₀和R₁。定义向量R₀和R₁为： $R_{0,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i^0=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i$ $R_{1,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+1}{c}_i^{*}{w}_i^1=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i,$

这里l在区间[0，M-1]上，因此这些向量长度为M。更一般地，定义R₀和R₁在非连续的也可以是在区间[0，M-1]之外的一些延迟上集。这种更一般的定义可以用MMSE组合关系来评价Rake结构的性能，或者用于决定MMSE接收器的性能与均衡器长度之间的函数关系。然而，对于本文的剩余部分的讨论将使用最初的定义。

我们的目的是确定和评价码元s₀和s₁的匹配滤波接收器和MMSE接收器的性能。匹配滤波接收器和MMSE接收器都分别得到了码元s₀和s₁的估计值，公式为： ${\hat{s}}_0=v_0^H{R}_0$         ${\hat{s}}_1=v_1^H{R}_1.$

然而，在滤波接收器和MMSE接收器出现以前，观测向量R₀和R₁的平均值和协方差必须先估算出来。如果Walsh码w对应第一个码信道，那么平均向量为 ${\mathrm{\μ}}_{R_0}\left(s_0\right)=E\left(R_0{s}_0^{*}\right)=2N\sqrt{P_1/2}{f}_0$ ${\mathrm{\μ}}_{R_1}\left(s_1\right)=E\left(R_1{s}_1^{*}\right)=2N\sqrt{P_1/2}{f}_1.$

向量R₀的相关矩阵为： ${\mathrm{\Γ}}_{R_0}=E\left(R_0{R}_0^H\right)=2N\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+{2N}^2{P}_1{f}_0{f}_0^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$

这里矩阵ψ^i，j的元素为 ${\mathrm{\Ψ}}_{l,m}^{i,j}=\underset{k\≠l}{\mathrm{\Σ}}{f}_{i,k}{f}_{j,m-l+k}^{*}=\underset{k}{\mathrm{\Σ}}{f}_{i,k}{f}_{j,m-l+k}^{*}-f_{i,l}{f}_{j,m}^{*},$ Φ表示其他单元干扰和噪声的协方差矩阵。参数I_0c表示其他单元干扰和噪声的能量，这样Φ的对角线元素的值定义为1。类似地，向量R₁的相关矩阵为： ${\mathrm{\Γ}}_{R_1}=E\left(R_1{R}_1^H\right)=2N\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+2N^2{P}_1{f}_1{f}_1^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$ 令I_or表示芯片从服务基站得到的能量，则 $I_{\mathrm{or}}=\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\left|\right|f}_0{\left|\right|}^2+\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\left|\right|f}_1{\left|\right|}^2$ 还有，令Ω表示R₀和R₁的归一化协方差矩阵，则： $\mathrm{\Ω}=({\mathrm{\Γ}}_{R_0}-{\mathrm{\μ}}_{R_0}\left(s_0\right){\mathrm{\μ}}_{R_0}^H\left(s_0\right))/\left(2N{I}_{\mathrm{or}}\right)=({\mathrm{\Γ}}_{R_1}-{\mathrm{\μ}}_{R_1}\left(s_1\right){\mathrm{\μ}}_{R_1}^H\left(s_1\right))/\left(2N{I}_{\mathrm{or}}\right)$ $=\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right)I_{\mathrm{or}}^{-1}{\mathrm{\Ψ}}^{\mathrm{0,0}}+\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right)I_{\mathrm{or}}^{-1}{\mathrm{\Ψ}}^{\mathrm{1,1}}+(I_{\mathrm{oc}}/I_{\mathrm{or}})\mathrm{\Φ}.$ 对于任意组合的向量v，从第一个天线发送的码元s₀的信噪比为 ${\mathrm{SNR}}_{\mathrm{OTD}\_v\_s_0}=\frac{N(P_1/I_{\mathrm{or}})\left|\right|f_0^{H}v{\left|\right|}^2}{v^H\mathrm{\Ωv}}.$

给出对于从第一个天线发送的码元s₀的匹配滤波接收器频率是f₀，匹配滤波接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_0}=\frac{N(P_1/I_{\mathrm{or}})\left|\right|f_0{\left|\right|}^2}{f_0^H\mathrm{\Ω}{f}_0}.$

类似地，给出对于从第二个天线发送的码元s₁的匹配滤波接收器频率是f₁，匹配滤波接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_1}=\frac{N(P_1/I_{\mathrm{or}})\left|\right|f_1{\left|\right|}^2}{f_1^H\mathrm{\Ω}{f}_1}$ s₀的MMSE接收器满足下列关系：

这里可以用矩阵求逆引理证明后者的关系。s₀的MMSE接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0}=N(P_1/I_{\mathrm{or}})f_0^H{\mathrm{\Ω}}^{-1}{f}_0$

类似地，从第二个天线接收到的码元s1的MMSE接收器满足下列关系： $v_{\mathrm{OTD}\_\mathrm{MMSE}\_s_1}\∝{\mathrm{\Ω}}^{-1}{f}_1,$ s₁的MMSE接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_1}=N(P_1/I_{\mathrm{or}})f_1^H{\mathrm{\Ω}}^{-1}{f}_1.$

我们注意到如果正交传输分集用于所有的码信道，可以得到对于所有的i有α_i＝1/2，单元内的干扰能量I_or变为 $I_{\mathrm{or}}=\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i\right)({\left|\right|f}_0{\left|\right|}^2+{\left|\right|f}_1{\left|\right|}^2),$ 干扰协方差矩阵Ω变为 $\mathrm{\Ω}=(I_{\mathrm{or}}^{-1}\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i/2)({\mathrm{\Ψ}}^{\mathrm{0,0}}+{\mathrm{\Ψ}}^{\mathrm{1,1}})+(I_{\mathrm{oc}}+I_{\mathrm{or}})\mathrm{\Φ}.$

恰当地归一化能量{P_i}，可认为信道f₀和f₁的总能量是1，因此P₁/I_or等于基站分配给第一码信道的能量分数。这样，利用正交传输分集对所***信道归一化，我们有 $P_1/I_{\mathrm{or}}=P_1/\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i,$ 和Ω＝(Ψ^0，0+Ψ^1，1)/2+(I_oc/I_or)Φ.

时空传输分集和时空扩展的匹配滤波接收器和MMSE接收器

时空传输分集(STTD)和时空扩展(STS)是紧密相关的传输分集形式，Alamouti第一次在“无线通信中一种简单的传输分集技术(ASimple Transmit Diversity Technique for Wireless Communications)”IEEE Journal on Selected Area in Communications，vol.16，pp 1451-1458，October 1998中描述时空传输分集，并包括在3GPP标准中。时空扩展其实是已引入3GPP2标准中的STTD的一个变体。实际上，如果使用一套特别的Walsh派生码，STS通过一种简单的码元映像与STTD相关。

STTD和STS二者都将已编码的交织的码元分成码元对s₀和s₁。对于STTD，使用一个Walsh码就可以在两个时隙内发送码元对。相反，对于STS，使用两个Walsh码只能在一个时隙内发送码元对。表1是用于STTD和STS的映象。

                        表1：STTD和STS的调制格式

	STTD		STS
					时间1	时间2	码1	码2
	天线1	s0	-s1 *	s0					-s1 *
天线2					s1	s0 *	s1	s0 *

因为STS需要两个Walsh码而STTD只用一个Walsh码，在比较这两种分集方法性能的时候需要小心。在一个公正的STTD和STS的比较中，必须分配给每一种方法相同数目的Walsh码(相同带宽)，两种方法的总码元速率一必须相等。对于STS，使用派生的Walsh码可以满足相同的带宽和相同的码元速率。因此在如果在实现STTD的过程中将Walsh码w分派给一个特定的用户，那么在实现STS过程中将Walsh码派生码w⁰＝(w，-w)和w¹＝(w，w)分派给同一个用户。在这种分派下，STS使用单个的Walsh码w，两个码元s₀和s₁在两个Walsh码元中发送。我们还注意到，由于两个派生Walsh码在STS的实现过程中是同时发送的，因此分配给每个码信道的能量必须等于在实现STTD过程中分派给单个码信道能量的一半。

根据以上STS和STTD的描述，对于这两种分集方法的每种方法，可以定义解调码元s₀和s₁中使用的观测向量R₀和R₁。对于STTD，向量R₀和R₁分别由接收到的序列{r_k}与服务基站复合的扩展码的相互关系以及第一个时间间隔和第二个时间间隔的相关码信道得到。具体而论，我们把向量R₀和R₁分别定义为 $R_{0,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i$ $R_{1,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i,$ 其中l在[0，M-1]区间上。对于STS，向量R₀和R₁分别由接收到的序列{r_k}和服务基站复合的扩展码的相互关系以及第一个和第二个派生Walsh码得到。因此，如果第一个和第二个码信道分别为w⁰＝(w，-w)和w₁＝(w，w)，则定义R₀和R₁为 $R_{0,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i^0=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i$ $R_{1,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i^1=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i,$

其中l在[0，M-1]区间上。更一般地，对于STTD和STS，在非连续的并且也可以是在区间[0，M-1]之外的一些延迟集上来定义向量R₀和R₁，然而，本文的剩余部分将使用上述的定义。

匹配滤波接收器和MMSE接收器二者都能显示出STTD和STS完全一样的性能。而且，除了一些很微小的差异，对两种分集方法而言，匹配滤波接收器和MMSE接收器的分析是一样的。因此，在本文的以下部分我们只采用STTD来分别讨论匹配滤波接收器和MMSE接收器以及他们的各自性能。

令Q表示两个向量R₀和R₁的垂直级联，则有 $Q=\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right]$ Q与s₀和s₁的共轭值之积的期望值分别为： ${\mathrm{\μ}}_0\left(s_0\right)=E\left(Q{s}_0^{*}\right)=N\sqrt{P_1/2}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]$ ${\mathrm{\μ}}_Q\left(s_1\right)=E\left(Q{s}_1^{*}\right)=N\sqrt{P_1/2}\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]$ Γ_Q的相关矩阵为： ${\mathrm{\Γ}}_Q=E\left({\mathrm{QQ}}^H\right)=E\left\{\left[\begin{array}{cc}{R}_0{R}_0^H& R_0{R}_1^T\\ R_1^{*}{R}_0^H& R_1^{*}{R}_1^T\end{array}\right]\right\}$ 这里 $E\left(R_0{R}_0^H\right)=N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+N^2(P_1/2)(f_0{f}_0^H+f_1{f}_1^H)+N{I}_{\mathrm{oc}}\mathrm{\Φ},$ $E\left(R_1{R}_1^H\right)=N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+N^2(P_1/2)(f_0{f}_0^H+f_1{f}_1^H)+N{I}_{\mathrm{oc}}\mathrm{\Φ},$ 并且 $E\left(R_0{R}_1^T\right)=N^2(P_1/2)(f_0{f}_1^T-f_1{f}_0^T),$ $E\left(R_1^{*}{R}_0^H\right)=N^2(P_1/2)-(-f_0^{*}{f}_1^H+f_1^{*}{f}_0^H)$

矩阵ψ^0，0，ψ^1，1和Φ在第二部分给出定义。矩阵Ω也在第二部分给出定义，我们注意到，跟以前一样，每个芯片从服务基站接收到的能量I_or为： $I_{\mathrm{or}}=\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\left|\right|f}_0{\left|\right|}^2+\left(\underset{j=0}{\overset{K-1}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\left|\right|f}_1{\left|\right|}^2$ 由这些定义，归一化的相关矩阵表示为： $\frac{{\mathrm{\Γ}}_Q}{{\mathrm{NI}}_{\mathrm{or}}}=\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& {\mathrm{\Ω}}^{*}\end{array}\right]+\frac{{\mathrm{NP}}_1}{{2I}_{\mathrm{or}}}(\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]{\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]}^H+\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]{\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]}^H)$ 码元s₀的匹配滤波接收器为： $v_{\mathrm{STTD}\_\mathrm{MF}\_s_0}=\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]$ 该匹配滤波接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_0}=\frac{({\mathrm{NP}}_1/2I_{\mathrm{or}}){(f_0^H{f}_0+f_1^H{f}_1)}^2}{{\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]}^H\frac{\mathrm{\Γ}}{{\mathrm{NI}}_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]-\frac{{\mathrm{NP}}_1}{2I_{\mathrm{or}}}(f_0^H{f}_0+f_1^H{f}_1{)}^2}$ $=\frac{N(P_1/2I_{\mathrm{or}})(f_0^H{f}_0+f_1^H{f}_1{)}^2}{f_0^H\mathrm{\Ω}{f}_0+f_1^H\mathrm{\Ω}{f}_1}$ 类似地，s₁的匹配滤波接收器为： $v_{\mathrm{STTD}\_\mathrm{MF}\_s_1}=\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right],$ 该匹配滤波接收器的信噪比为： ${\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_1}=\frac{({\mathrm{NP}}_1/2I_{\mathrm{or}}){(f_1^H{f}_1+f_0^H{f}_0)}^2}{{\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]}^H\frac{\mathrm{\Γ}}{N{I}_{\mathrm{or}}}\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]-\frac{{\mathrm{NP}}_1}{2I_{\mathrm{or}}}{(f_0^H{f}_0+f_1^H{f}_1)}^2}$ $=\frac{N(P_1/2I_{\mathrm{or}}){(f_1^H{f}_1+f_0^H{f}_0)}^2}{f_1^H\mathrm{\Ω}{f}_1+f_0^{H*}{\mathrm{\Ω}}^{*}{f}_0^{*}}$ $={\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_0}$

因此，检测s₀和s₁的匹配滤波的信噪比表达式是一样的。

在一般的情况下，码元s₀和s₁的接收信噪比相等是很容易描述的。令码元s₀和s₁的接收器为： $v_{s_0}=\left[\begin{array}{c}{v}_{s_0}^u\\ v_{s_0}^l\end{array}\right],$           $v_{s_1}=\left[\begin{array}{c}{v}_{s_1}^u\\ v_{s_1}^l\end{array}\right]$ 从上面的对于Q的平均值和方差给出的表达式，可以利用等信噪比得到这些接收器的决定统计值的充分条件。该充分条件为： $v_{s_1}^u={\left(v_{s_0}^l\right)}^{*},v_{s_1}^l=-{\left(v_{s_0}^u\right)}^{*}$ s₀的MMSE接收器满足如下关系： $v_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0}\∝\frac{{\mathrm{\Γ}}^{-1}}{{\mathrm{NI}}_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]$ $\∝\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right].$

这里重复使用矩阵求逆引理可以证明后者的关系。由这个表达式，MMSE接收器的信噪比可写为： $=N(P_1/{2I}_{\mathrm{or}})(f_0^H{\mathrm{\Ω}}^{-1}{f}_0+f_1^H{\mathrm{\Ω}}^{-1}{f}_1)$ 类似地，s₁的MMSE接收器满足如下关系： $v_{\mathrm{STTD}\_\mathrm{MMSE}\_s_1}=\frac{{\mathrm{\Γ}}^{-1}}{{\mathrm{NI}}_{\mathrm{or}}}\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]$ $\∝\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]$ s₁使用MMSE接收器得到的信噪比为：

$=N(P_1/{2I}_{\mathrm{or}})(f_0^H{\mathrm{\Ω}}^{-1}{f}_0+f_1^H{\mathrm{\Ω}}^{-1}{f}_1)$ $={\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0},$

因此s₀和s₁的MMSE接收器的信噪比相等。

以上的分析稍加改动我们可以看出STTD MMSE接收器与上面给出的STS MMSE接收器的表达式是相同的。即： ${\hat{s}}_0={\left(v_{\mathrm{STS}\_\mathrm{MMSE}\_s_0}\right)}^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right]$         ${\hat{s}}_1={\left(v_{\mathrm{STS}\_\mathrm{MMSE}\_s_1}\right)}^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right],$ 这里 $v_{\mathrm{STS}\_\mathrm{MMSE}\_s_0}\∝\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right],$ 并且 $v_{\mathrm{STS}\_\mathrm{MMSE}\_s_1}\∝\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]$

当然，正如以前所说的，对于STS和STTD，R₀和R₁的定义稍有不同。

图1给出了对于STTD的、MMSE接收器和匹配滤波接收器相对性能的分析实例。在该例中，第一个信道有两个非零元素，该信道由f₀＝{0，…，0，0.5，0.5，0，…，0}给出，而第二个信道只有一个非零元素，由f₁＝{0，…，0，0.71，0，0，…，0}给出。我们注意到这两个信道的能量都是1/2，我们还认为其他单元的干扰是值为{…，0，0.4，1，0.4，0，…}的相关函数。

在这个例子中，给每个发送天线分配一个独立的15分支(15-tap)的MMSE均衡器。图1用比率函数I_oc/I_or来表示MMSE接收器相对于匹配滤波接收器信噪比的增益，在此例中，MMSE接收器性能比匹配滤波接收器性能好1.5dB到2dB。

       STTD/STS和OTD的性能比较

根据上一部分得到的信噪比表达式，我们可以对OTD和STTD/STS的相对性能得到几种观察值。OTD和STTD 10STS的匹配滤波信噪比性能可以概括成如下的表达式： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_0}=\frac{N(P_1/I_{\mathrm{or}}){\left(f_0^H{f}_0\right)}^2}{f_0^H\mathrm{\Ω}{f}_0}$ ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_1}=\frac{N(P_1/I_{\mathrm{or}}){\left(f_1^H{f}_1\right)}^2}{f_1^H\mathrm{\Ω}{f}_1}$ ${\mathrm{SNR}}_{\mathrm{STS}\_\mathrm{MF}\_s_0}={\mathrm{SNR}}_{\mathrm{STS}\_\mathrm{MF}\_s_1}=\frac{N(P_1/2I_{\mathrm{or}}){(f_0^H{f}_0+f_1^H{f}_1)}^2}{f_0^H\mathrm{\Ω}{f}_0+f_1^H\mathrm{\Ω}{f}_1}$

由上面的表达式，很容易证得： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_0}+{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_1}\≥{\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_0}+{\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_1}$ $=2{\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MF}\_s_0},$ 当且仅当下式成立时相等。 $\left(f_0^H{f}_0\right)\left(f_1^H\mathrm{\Ω}{f}_1\right)=\left(f_1^H{f}_1\right)\left(f_0^H\mathrm{\Ω}{f}_0\right)$

此不等式的意思是OTD匹配滤波接收的总信噪比总是大于或者等于STTD/STS匹配滤波接收的总信噪比。这个结果多少有些令人意外，因为一般认为STTD/STS比OTD性能要好。这里对这个结果有两种可能的解释。第一种解释是OTD总信噪比比STTD/STS总信噪比要好是因为OTD创造了一个更好的干扰环境。第二种解释是OTD匹配滤波接收比STTD或者STS匹配滤波接收更接近最优。根据下面给出的MMSE接收器的结果，正确的解释似乎是OTD匹配滤波接收比STTD或者STS匹配滤波接收器更接近最优。

对于未编码的二进制调制，如果满足下面的不等式STTD/STS的平均比特错误率比OTD小。 $Q\left({\left(2{\mathrm{SNR}}_{\mathrm{STS}\_\mathrm{MF}\_s_0}\right)}^{\frac{1}{2}}\right)\≤\frac{1}{2}Q\left({\left({2\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_0}\right)}^{\frac{1}{2}}\right)+\frac{1}{2}Q\left({\left(2{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_1}\right)}^{\frac{1}{2}}\right)$

STTD/STS的平均未编码比特错误率比OTD平均未编码比特错误率小的必要(但不充分)条件为如下： $\min \{{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_0},{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MF}\_s_1}\}\≤{\mathrm{SNR}}_{\mathrm{STS}\_\mathrm{MF}\_s_0}$

一般说来，这种微弱的不等式，似乎并不总是满足。然而，这两个不等式对于大多数的信道对f₀和f₁都可能满足。

OTD和STTD/STS接收器的信噪比性能可以概括为如下的表达式： ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0}=N(P_1/I_{\mathrm{or}})\left(f_0^H{\mathrm{\Ω}}^{-1}{f}_0\right)$ ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0}=N(P_1/I_{\mathrm{or}})\left(f_1^H{\mathrm{\Ω}}^{-1}{f}_1\right)$ ${\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0}={\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_1}=N(P_1/{2I}_{\mathrm{or}})(f_0^H{\mathrm{\Ω}}^{-1}{f}_0+f_1^H{\mathrm{\Ω}}^{-1}{f}_1)$

因此，对于MMSE接收器 ${\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0}+{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_1}=2{\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0},$

并且OTD总信噪比性能与STTD/STS总信噪比性能完全相等。由于两个STTD/STS子信道有相同的信噪比，所以下面的不等式对于所有的信道对f₀和f₁均成立： $\min \{{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0},{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_1}\}\≤{\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0}$

类似地，对于MMSE接收器，STTD/STS的平均未编码比特错误概率(二进制调制)小于或等于OTD的平均未编码比特错误概率。因此 $Q\left({\left({2\mathrm{SNR}}_{\mathrm{STTD}\_\mathrm{MMSE}\_s_0}\right)}^{\frac{1}{2}}\right)$ $\≤\frac{1}{2}Q\left({\left(2{\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_0}\right)}^{\frac{1}{1}}\right)+\frac{1}{2}Q\left({\left({2\mathrm{SNR}}_{\mathrm{OTD}\_\mathrm{MMSE}\_s_1}\right)}^{\frac{1}{2}}\right)$ 传输分集条件下MMSE接收器的可替换实施方案

对于OTD，STS和STTD，实现MMSE接收器有两种基本结构。在第一种实施方案中，我们称之为相关器实施方案，接收器使接收到的信号的延迟类型与长扩展码和Walsh码或者相关数据信道的相应码的乘积相关联。这些关联通常由与信道引入的多路延迟集对应的一组延迟来实现。对于每个数据子信道s₀和s₁，相关向量(前面描述的数据子信道的观测向量)传送到该子信道的MMSE接收器。在本实施方案中，MMSE接收器采用复合值MMSE加权向量，该加权向量的长度与观测向量的长度相等。通过对MMSE加权向量和观测向量做内积，MMSE接收器形成子信道数据码元的估计值。按照定义，选择MMSE加权向量(如以前得到的那样)从而使码元估计值的均方差最小。

MMSE接收器的第二种实施方法称之为滤波器实施的方法。滤波器实现MMSE接收器的方法是通过互换相关性(或解扩)运算顺序和使用MMSE加权向量来实现的。在该实施方案中，接收到的信号使用逆时序MMSE加权向量来滤波。对于OTD，每个数据子信道需要一个滤波器。对于STTD和STS，每个数据子信道需要两个滤波器，但是这两个数据子信道需要的两个滤波器必须是相同的(因此可以共享)。这些滤波器的输出序列与长扩展码序列和相关的码信道(一个或多个)的乘积有关。对于OTD，这两个子信道可以通过总共两个相关器来解调，每个相关器的长度为2N。对于STTD和STS，两个子信道总共要四个相关器来解调，每个相关器的长度分别为N(STTD)和2N(STS)。

MMSE接收器的滤波器实施方案的优点在于，解调附加的数据信道几乎没有增加复杂性。不需要额外的滤波器来解调附加的码信道。对于OTD，滤波器实现MMSE接收器允许用两个相关器解调每个附加的数据信道，每个相关器的长度为2N。滤波器实现STTD和STS允许用四个相关器来解调每个附加的数据信道。每个相关器的长度分别为N(STTD)和2N(STS)。相对而言，相关器实现MMSE接收器的复杂性与解调的数据信道的个数大约成线性关系。

    OTD的MMSE接收器的有效实施方案

在前面分析OTD过程中，通过使用服务基站的复合的扩展码{c_k}进行解扩，以及通过与相关的代码信道之间的关联分析，我们将{r_k}序列约化为向量对R₀和R₁。回顾R₀和R₁的定义： $R_{0,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+1}{c}_i^{*}{w}_i^0$ $R_{1,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+1}{c}_i^{*}{w}_i^1$

其中l在[0，M-1]区间上，因此这些向量的长度为M。更一般地，对于STTD和STS，可以根据可能是非连续的并且也是在区间[0，M-1]之外的一组延迟定义向量R₀和R₁。

上面的定义适用于一种特定的Walsh码和一种特定的时间区间。更一般的，我们考虑任意的Walsh码和任意的码元区间。令R₀(m，n)和R₁(m，n)为第m个Walsh码和第n个时间区间的观测向量，令w_i，j表示第i个Walsh码的第j个单元，我们给出观测向量R₀和R₁的元素： $R_{0,l}(m,n)=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0$ $R_{1,l}(m,n)=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^l.$

在第n个时间区间内，用第m个Walsh码发送码元的MMSE估计值如下： ${\hat{s}}_0(m,n)={\left({\mathrm{\Ω}}^{-1}{f}_0\right)}^H{R}_0(m,n)$           ${\hat{s}}_1(m,n)={\left({\mathrm{\Ω}}^{-1}{f}_1\right)}^H{R}_1(m,n).$

上述表达式 (m，n)和 (m，n)描述了对于OTD的MMSE接收器的相关形式。正如上面的定义表示的，为了计算向量R₀(m，n)和R₁(m，n)，必须知道长度为2N的2M个相关函数。 (m，n)和 (m，n)的MMSE估计值是通过计算相应的观测向量R₀(m，n)和R₁(m，n)MMSE的加权向量Ω^-1f₀和Ω^-1f₁的内积形成的。

滤波器实现OTD接收器是简便的。令g₀＝Ω^-1f₀，并且注意到，可将

(m，n)的表达式写为： ${\hat{s}}_0(m,n)=\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{R}_{0,k}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}\left(\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0\right)$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0\left(\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{r}_{2\mathrm{nN}+i+l}\right)$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0({\tilde{g}}_0*r(2\mathrm{nN}+i))$ 这里

^*表示卷积。类似地，令g₁＝Ω^-1f₁注意到： ${\hat{s}}_1(m,n)=\underset{k=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{R}_{1,k}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}\left(\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1\right)$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1\left(\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{r}_{2\mathrm{nN}+i+l}\right)$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1({\tilde{g}}_0*r(2\mathrm{nN}+i))$

这里

根据上面的表达式，很明显，首先分别用Ω^-1f₀和Ω^-1f1的逆时序共轭过滤接收序列{r_k}，然后使滤波的输出与Walsh码信道和相关的子信道(s₀和s₁)相关联，从而可计算估计值 (m，n)和 (m，n)。注意，滤波实施方案更好，因为它大大降低了解调多个Walsh码信道的复杂性。如果必须解调附加的码信道，例如导频信道和附加的数据信道，每个附加信道可以使用两个附加的2N长的相关运算来解调(一个用于子信道s₀，一个用于子信道s₁)。相反地，在相关实施方案中，每一个解调的附加码信道需要2M个相关运算。图4和图5表示滤波器实现MMSE OTD接收器。

    STTD的MMSE接收器的有效实施方案

在以前的STTD分析中，序列{r_k}约化成一对向量R₀和R₁，如下所示： $R_{0,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i$ $R_{1,l}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{N+i+l}{c}_{N+i}^{*}{w}_i,$

其中l在[0，M-1]区间上，因此这些向量的长度是M更一般地，对于STTD和STS，根据可能是非连续的也是在区间[0，M-1]之外的一些延迟来定义R₀和R₁。上面的定义适用于一种特定的Walsh码和一种特定的时间区间。更一般地，我们考虑任意的Walsh码和任意的码元区间。令R₀(m，n)和R₁(m，n)为第m个Walsh码和第n个时间区间的观测向量，令w_i，j表示第i个Walsh码的第j个单元，我们给出观测向量R₀(m，n)和R₁(m，n)的元素： $R_{0,l}(m,n)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}$ $R_{1,l}(m,n)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{(2n+1)N+i+l}{c}_{(2n+1)N+i}^{*}{w}_{m,i}.$

在第n个时间区间内，用第m个Walsh码发送码元的MMSE估计值如下： ${\hat{s}}_0(m,n)=(\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]{)}^H\left[\begin{array}{c}{R}_0(m,n)\\ R_1^{*}(m,n)\end{array}\right]$ ${\hat{s}}_1(m,n)=(\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_1\\ -f_0^{*}\end{array}\right]{)}^H\left[\begin{array}{c}{R}_0(m,n)\\ R_1^{*}(m,n)\end{array}\right]$

上述表达式 (m，n)和

(m，n)描述了对于STTD的MMSE接收器的相关形式。正如上面的定义表示的，为了计算向量R₀(m，n)和R₁(m，n)，必须知道长度为N的2M个相关函数。 (m，n)和 (m，n)的MMSE估计值是通过计算相应的长度为2M的观测向量与长度为2M的MMSE的加权向量的内积而形成的。

滤波器实现OTD接收器是简便的。与前面一样，令g₀＝Ω^-1f₀，和g₁＝Ω^-1f₁。注意

(m，n)可以写为： ${\hat{s}}_0(m,n)=g_0^H{R}_0(m,n)+{\left(g_1^H\right)}^{*}{R}_1^{*}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}+\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{(2n+1)N+i+l}^{*}{c}_{(2n+1)N+i}{w}_{m,i}$ $=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{r}_{2\mathrm{nN}+i+l}+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{(2n+1)N+i}{w}_{m,i}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}{r}_{(2n+1)N+i+l}^{*}$ $=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}({\tilde{g}}_0*r(2\mathrm{nN}+i))+(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{(2n+1)N+i}^{*}{w}_{m,l}({\tilde{g}}_1*r((2n+1)N+i){\left)\right)}^{*}$ 这里

和

如先前的定义。类似地，有 ${\hat{s}}_1(m,n)=g_1^H{R}_0(m,n)-{\left(g_0^H\right)}^{*}{R}_1^{*}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}^{*}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}-\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{r}_{(2n+1)N+i+l}^{*}{c}_{(2n+1)N+i}{w}_{m,i}$ $=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}^{*}{r}_{2\mathrm{nN}+i+l}-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{(2n+1)N+i}{w}_{m,i}\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}{r}_{(2n+1)N+i+l}^{*}$ $=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}({\tilde{g}}_1*r(2\mathrm{nN}+i))-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c}_{(2n+1)N+i}^{*}{w}_{m,i}({\tilde{g}}_0*r((2n+1)N+i))\right)}^{*}$

我们注意到，两个码元估计值 (m，n)和 (m，n)能够借助卷积 ^*r(.)和 ^*r(.)完全写出来，正如OTD，滤波器实施方案更好，因为它大大降低了解调多个Walsh码信道的复杂性。图6表示滤波器实现MMSESTTD接收器。

            STS的MMSE接收器有效实施方案

在前面的STTD分析中，我们将序列{r_k}约化成一对向量R₀和R₁，如下所示： $R_{0,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i^0$ $R_{1,l}=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{i+l}{c}_i^{*}{w}_i^1,$

其中l在[0，M-1]区间上，因此这些向量的长度为M。更一般地，根据可能是非连续的并也可以是在区间[0，M-1]之外的一组延迟来定义R₀和R₁。上面的定义适用于一种特定的Walsh码和一种特定的时间区间。更一般地，我们考虑任意的的Walsh码和任意的码元区间。令R₀(m，n)和R₁(m，n)为第m个Walsh码和第n个时间区间的观测向量。如上述，令w_i，j表示第i个Walsh码的第j个单元，我们给出观测向量R₀(m，n)和R₁(m，n)元素： $R_{0,l}(m,n)=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0$ $R_{1,l}(m,n)=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1,$

在第n个时间区间内，用第m个Walsh码发送码元的MMSE估计值如下： ${\hat{s}}_0(m,n)=(\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]{)}^H\left[\begin{array}{c}{R}_0(m,n)\\ R_1^{*}(m,n)\end{array}\right]$ ${\hat{s}}_1(m,n)=(\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& 0\\ 0& {\left({\mathrm{\Ω}}^{-1}\right)}^{*}\end{array}\right]\left[\begin{array}{c}{f}_1\\ {-f}_0^{*}\end{array}\right]{)}^H\left[\begin{array}{c}{R}_0(m,n)\\ R_1^{*}(m,n)\end{array}\right]$

上述表达式 (m，n)和 (m，n)描述了对于STS的MMSE接收器的相关形式。正如上面定义表示的，为了计算向量R₀(m，n)和R₁(m，n)，必须知道长度为2N的2M个相关函数。 (m，n)和 (m，n)的MMSE估计值是通过计算相应的长度为2M的观测向量与长度为2M的MMSE的加权向量的所表示的内积而形成的。

滤波器实现STTD接收器是简便的。如上述，令g₁＝Ω^-1f₁，和g₁＝Ω^-1f₁。注意， (m，n)可以写为： ${\hat{s}}_0(m,n)=g_0^H{R}_0(m,n)+{\left(g_1^H\right)}^{*}{R}_1^{*}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0+\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}^{*}{c}_{2\mathrm{nN}+i}{w}_{m,i}^1$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}^{*}{r}_{2\mathrm{nN}+i+l}+\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}{w}_{m,i}^1\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}{r}_{2\mathrm{nN}+i+l}^{*}$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0({\tilde{g}}_0*r(2\mathrm{nN}+i))+{\left(\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1({\tilde{g}}_1*r(2\mathrm{nN}+i))\right)}^{*}$

这里

和

如先前定义的。类似地，令我们有 ${\hat{s}}_1(m,n)=g_1^H{R}_0(m,n)-{\left(g_0^H\right)}^{*}{R}_1^{*}(m,n)$ $=\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}^{*}\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0-\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{r}_{2\mathrm{nN}+i+l}^{*}{c}_{2\mathrm{nN}+i}{w}_{m,i}^1$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{1,l}^{*}{r}_{2\mathrm{nN}+i+l}-\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}{w}_{m,i}^1\underset{l=0}{\overset{M-1}{\mathrm{\Σ}}}{g}_{0,l}{r}_{2\mathrm{nN}+i+l}^{*}$ $=\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^0({\tilde{g}}_1*r(2\mathrm{nN}+i))-{\left(\underset{i=1}{\overset{2N}{\mathrm{\Σ}}}{c}_{2\mathrm{nN}+i}^{*}{w}_{m,i}^1({\tilde{g}}_0*r(2\mathrm{nN}+i))\right)}^{*}$

我们注意到两个码元估计值 (m，n)和 (m，n)能够借助卷积

^*r(.)和

^*r(.)完全写出来。正如OTD，注意卷积方案更好，因为它大大降低了与解调多个Walsh码信道相关的复杂性。图6表示MMSE STTD接收器的卷积实施方案。

   开环传输分集的自适应MMSE接收器

估计信号相关矩阵Γ₀和信道脉冲相应f₀和f₁并且直接由这些估计值计算MMSE答案，可以实现MMSE接收器。我们利用时间平均值直接估计相关矩阵 ${\mathrm{\Γ}}_Q\≈\underset{n}{\mathrm{\Σ}}Q\left(n\right)Q^H\left(n\right)=\underset{n}{\mathrm{\Σ}}\left[\begin{array}{c}{R}_0\left(n\right)\\ R_1^{*}\left(n\right)\end{array}\right]{\left[\begin{array}{c}{R}_0\left(n\right)\\ R_1^{*}\left(n\right)\end{array}\right]}^H,$

这里n是码元附标。在一个覆盖信道传送时延的时延范围内，我们将接收到的信号与第一个天线和第二个天线各自发送的导频信号相关联，然后再对结果做低通滤波运算，就可以估算出信道脉冲响应f₀和f₁。

由于计算复杂性，直接实现OTD，STTD或STS MMSE接收器不可行。计算样本相关矩阵的时间平均值时，每个码元需要M(M-1)/2次复数和乘法运算。显著的复杂性与平均值向量μ_Q(s₀)和μ_Q(s₁)在逆矩阵(Γ_a)^-1上的投影相联系。由于这个原因，对每一种发射分集方法自适应地实现MMSE接收器是迫切希望的。一般来说，由于自适应算法的错误传播的效果，面向决定的自适应实施方法效果不好。使用导频信号的自适应算法不会受错误传播的影响。

支持传输分集的每一个标准为每一个分集天线提供一个独立的导频信号。这些标准中，未解调的Walsh码通过每一个分集天线发送。只有当导频码的MMSE接收器在业务流信道MMSE接收器的比例因子内的时候，才有可能实现MMSE接收器的基于导频的自适应实施方案。

从OTD，STTD和STS MMSE接收器回顾，码元s₀和s₁的MMSE接收器，除了相乘的常数外，不依赖于用于给定业务信道的特定Walsh码。因此，不管业务流信道的个数，接收器端只需要这两个均衡器。如果导频的MMSE接收器表示得到这两个均衡器，可以采用基于导频的MMSE接收器的自适应实施方案。

对于OTD，码元s₀和s₁的MMSE接收器分别与Ω^-1f₀和Ω^-1f₁成正比。由于导频信号和码元一样方式编码(即，每个天线的一个码元，和每个天线的一个导频信号)，如图4那样，独立地使用码元s₀和s₁均衡器。而且，在没有编码的时候没有理由不独立地使用这两个均衡器。

对于OTD，子信道s₀和s₁的MMSE均衡器可以独立使用，也可以联合起来使用。图4和图5分别表示独立和联合使用OTD MMSE接收器。正如前面所说，子信道s₀和s₁的信噪比一般不相等。因此，子信道一般在输入端独立地缩放至信道解码器。对于各自从第一个和第二个天线发送的码元s₀和s₁，利用每个OTD采用的天线导频独立地使用MMSE接收器。图4表示独立的使用方法，子信道s₀和s₁用它们各自测量的均方差倒数加权。

图5表示两个OTD子信道s₀和s₁联合使用的MMSE接收器。在下面的解释中，我们将用于OTD的每个天线的导频看作是导频码元s的编码，其值为1。导频码元s用第一个导频码通过第一个天线发送。同时，导频码元s用第二个导频码通过第二个天线发送。尽管分析很容易扩展到任何一个正交导频码对，我们认为导频码是派生的形式为(w，-w)和(w，w)的Walsh导频码。令向量R₀表示由接收到的信号和第一个导频码的相互关联得到的分离多径指针输出向量(长度为M)。令向量R₁表示由接收到的信号和第二个导频码的相互关联得到的向量。令Q′表示R₀和R₁的垂直级联，我们有 $E\left(Q^{\′}{s}^{*}\right)=E\left(\left[\begin{array}{c}{R}_0\\ R_1\end{array}\right]s^{*}\right)=2N\sqrt{P_0/2}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right],$

这里P₀为分配给导频信号的全部能量。注意，我们还有Γ_Q′的协方差矩阵为： ${\mathrm{\Γ}}_{Q^{\′}}=E\left\{\left[\begin{array}{cc}{R}_0{R}_0^H& R_0{R}_1^H\\ R_1{R}_0^H& R_1{R}_1^H\end{array}\right]\right\},$ 这里 $E\left(R_0{R}_0^H\right)=2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+2N^2{P}_0{f}_0{f}_0^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$ $E\left(R_1{R}_1^H\right)=2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+2N^2{P}_0{f}_1{f}_1^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$ 并且 $E\left(R_0{R}_1^H\right)=2N^2{P}_0{f}_0{f}_1^H,$ $E\left(R_1{R}_0^H\right)=2N^2{P}_0{f}_1{f}_0^H.$ 因此， $\frac{{\mathrm{\Γ}}_{Q^{\′}}}{2N{I}_{\mathrm{or}}}=\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& \mathrm{\Ω}\end{array}\right]+\frac{{\mathrm{NP}}_0}{I_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]{\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]}^H$ 因此导频码元s的MMSE估计量正比于 ${\left(\frac{{\mathrm{\Γ}}_{Q^{\′}}}{2N{I}_{\mathrm{or}}}\right)}^{-1}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]=(\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& \mathrm{\Ω}\end{array}\right]+\frac{{\mathrm{NP}}_0}{I_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]{\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]}^H{)}^{-1}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]$ $\∝{\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& \mathrm{\Ω}\end{array}\right]}^{-1}\left[\begin{array}{c}{f}_0\\ f_1\end{array}\right]=\left[\begin{array}{cc}{\mathrm{\Ω}}^{-1}& f_0\\ {\mathrm{\Ω}}^{-1}& f_1\end{array}\right].$

由于以前所说的s₀和s₁的MMSE接收器是α₀Ω^-1f₀和α₁Ω^-1f₁，对于任意正的常实数α₀和α₁，我们可以证明这种联合使用得到了两个子信道的MMSE接收器。为了信道解码器性能最优，两个子信道必须在输入端相应地缩放至信道解码器。对于MMSE接收器的联合使用，两个子信道最优缩放比例因子是联合导频估计值的测量均方差的倒数。图5表示最优缩放比例。

可以证实：s的联合MMSE估计值能够得到适当缩放的子信道s₀和s₁的MMSE估计值。

对于STTD和STS，s₀类型码元的MMSE接收器正比于 $\left[\begin{array}{c}{\mathrm{\Ω}}^{-1}{f}_0\\ {\left({\mathrm{\Ω}}^{-1}\right)}^{*}{f}_1^{*}\end{array}\right].$

可以看出，该MMSE估计值与用每个天线导频码发送的码元MMSE估计值相同。

假设用第一个导频码在第一个天线处发送导频码元s(＝1)。同时用第二个导频码在第二个天线处发送导频码元s^*。尽管分析很容易应用于任何正交导频码对，我们认为导频码是派生的形式为(w，-w)和(w，w)的Walsh导频。令向量R₀表示由接收到的信号和第一个导频码的相互关联得到的分离多径指针输出向量(长度为M)。令向量R₁表示由接收到的信号和第二个导频码的相互关联得到的向量。令Q表示R₀和R₁的垂直级联，我们有 $E\left(Q{s}^{*}\right)=E\left(\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right]s^{*}\right)=2N\sqrt{P_0/2}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right],$

这里P₀为分配给导频信号的全部能量。还要注意，协方差矩阵Γ_Q为： ${\mathrm{\Γ}}_Q=E\left\{\left[\begin{array}{cc}{R}_0{R}_0^H& R_0{R}_1^T\\ R_1^{*}{R}_0^H& R_1^{*}{R}_1^T\end{array}\right]\right\}.$ 这里 $E\left(R_0{R}_0^H\right)=2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+2N^2{P}_0{f}_0{f}_0^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$ $E\left(R_1{R}_1^H\right)=2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i{\mathrm{\α}}_i\right){\mathrm{\Ψ}}^{\mathrm{0,0}}+2N\left(\underset{j=1}{\overset{K}{\mathrm{\Σ}}}{P}_i(1-{\mathrm{\α}}_i)\right){\mathrm{\Ψ}}^{\mathrm{1,1}}$ $+2N^2{P}_0{f}_1{f}_1^H+2N{I}_{\mathrm{oc}}\mathrm{\Φ},$ 并且 $E\left(R_0{R}_1^T\right)=2N^2{P}_0{f}_0{f}_1^T,$ $E\left(R_1^{*}{R}_0^H\right)=2N^2{P}_0{f}_1^{*}{f}_0^H.$ 因此， $\frac{{\mathrm{\Γ}}_Q}{{\mathrm{NI}}_{\mathrm{or}}}=\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& {\mathrm{\Ω}}^{*}\end{array}\right]+\frac{{\mathrm{NP}}_0}{I_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]{\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]}^H$ s的MMSE估计量正比于 ${\left(\frac{{\mathrm{\Γ}}_Q}{{\mathrm{NI}}_{\mathrm{or}}}\right)}^{-1}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]=(\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& {\mathrm{\Ω}}^{*}\end{array}\right]+\frac{{\mathrm{NP}}_0}{I_{\mathrm{or}}}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]{\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]}^H{)}^{-1}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]$ $\∝{\left[\begin{array}{cc}\mathrm{\Ω}& 0\\ 0& {\mathrm{\Ω}}^{*}\end{array}\right]}^{-1}\left[\begin{array}{c}{f}_0\\ f_1^{*}\end{array}\right]=\left[\begin{array}{c}{\mathrm{\Ω}}^{-1}{f}_0\\ {\mathrm{\Ω}}^{*-1}{f}_1^{*}\end{array}\right].$

因此，导频码元s的MMSE接收器与子信道s₀的MMSE接收器相同。s₀的MMSE接收器直接为s₁提供MMSE估计值。MMSE接收器

上面所说的MMSE接收器不依赖具体的码信道。因此，对于导频码元的MMSE接收器与已经发送的数据(即，业务信道数据)的MMSE接收器相同。由于在接收器端的导频信号是已知的，所以可以测量出导频码元误差估计值并且自适应地更新和改善导频码元的MMSE接收器。得到的MMSE接收器用于解调业务信道数据。在本发明的优选实施例中，通过自适应地使导频码元估计值的均方差最小(或者等价于使信噪比最大)，然后将加权向量加到业务信道数据中，MMSE接收器决定了正确的加权向量。

图2是按本发明优选实施例的接收器200的方框图。为了说明的目的，我们用两个MMSE接收器201和202来代表接收器200，本领域的普通技术人员认为接收器200，可以使用同时具有导频码解扩向量和数据码解扩向量作为输入的单个接收器。如图所示，接收器200包括：两个MMSE接收器，其中第一个MMSE接收器201有导频信号输入，第二个MMSE接收器202有第二信道输入、信道电路203、信道电路204、导频误差测量电路207。

按本发明优选实施例的接收器200是如下工作的。导频信号(导频码解扩输入向量)进入MMSE接收器201，第二个信号(数据码解扩输入向量)进入MMSE接收器202。MMSE接收器201对接收到的导频码进行信道估计，决定导频信号的均方差，并通过不断的更新加权向量，使得导频信号的均方差最小。具体而论，导频估计误差(由电路207测得)反馈给MMSE接收器201(通过反馈205)，并用于更新由MMSE接收器201加到导频信道的加权向量。MMSE接收器201输出导频信道估计值。把MMSE加权向量206输入给MMSE接收器202，并加到第二个信道(即，数据码解扩向量流)。码元估计值(或者在其他的实施例中，芯片估计值)离开MMSE接收器202并进入信道电路204，在这里进行正常的信道处理。

正如上面所描述的，由于导频信道的数据是已知的，我们可以使用测量得到的导频估计值误差更新用于导频信道数数据的MMSE接收器。然而，由于MMSE接收器对于导频信道和数据信道来说是相同的，用于导频信道的MMSE接收器可用于解调数据信道，并且该接收器可以得到数据信码的最小均方差估计值。

图3是按本发明优选实施例的接收器200的运行流程图。如上面讨论的那样，为了说明的目的，我们用两个MMSE接收器201和202来代表接收器200。然而，本领域的普通技术人员认为，接收器200可以使用同时有导频码解扩向量和数据码解扩向量作为输入的单个接收器。

逻辑流从步骤301开始，在这一步，MMSE接收器201接收到了第一个信道数据。在优选实施例中，第一个信道是导频信道，但在替换实施例中，第一信道可以是任何其他的CDMA信道(即第一数据信道，同步信道，等等)。在步骤303中，通过改变加权或组合向量使得所测量的导频误差信号最小，MMSE接收器201自适应地最小化导频信号估计值的均方差。在305步，加权向量206被输入到第二个MMSE接收器202。接收器202把加权向量206加到数据信道(307步)，并且把码元和芯片估计值输出到CDMA信道电路204(步骤309)。

图4和图5阐明了用于OTD调制方式的MMSE接收器的自适应实现方式。注意，MMSE OTD接收器对于两个子信道s₀和s₁采用独立的均衡器。图4所示的是子信道均衡器独立自适应的情形，而图5所示的是两个子信道联合自适应的情形。

图4为按照本发明的第一种实施例实现的用于接收OTD信号的接收器400的框图。按照第一实施例，两个子信道s₀和s₁采用独立的自适应技术。在采用OTD的***中，两个传送天线中每个传送天线都分配了一个独立的导频信道(码)。在OTD中，我们曾说过，当码元s₀从第一条天线传送而码元s₁通过第二条天线传送时，需要两个独立的MMSE接收器。对于独立自适应技术，从第一和第二导频信道传送过来的码元形成独立的估计值。第一导频信道的导频估计值误差被用来更新和改进子信道s₀的MMSE接收器。类似地，第二导频信道的导频估计值误差被用来更新和改进子信道s₁的MMSE接收器。注意，标准的自适应调整MMSE接收器的方法有两种：最小均方自适应法(LMS)和递归最小平方自适应法(RLS)。

如图4所示，所接收到的CDMA信号(包括数据和导频信道流)输入到两个MMSE接收器(接收器401和402)。在一个CDMA通信***里，所有的基站通常在同一频带里同时传输。所以，用户所接收到的信号是从一个或多个基站向该用户单元传送的信号(这些信号在时间和频率上都有某种程度的重合)的叠加。这些信号中的每一个都按照同样的射频(RF)同时传输，每个信号只能被它自己所对应的特定的扩频和编码(信道)所识别。也就是说，在基站和远端单元接收器上接收到的信号是一个混合信号，只有经过解码后才能从这个混合信号中区分出各个单独的信号。

对于OTD，类型为s₀的码元使用扩展码(w，-w)在第一条天线上传送，而类型为s₁的码元使用扩展码(w，w)在第二条天线上传送。MMSE接收器401使得采用扩展码(w，-w)扩频的码元的码元估计值均方差最小，而MMSE接收器402则使得采用扩展码(w，w)扩频的码元的码元估计值均方差最小。也就是说，对于

和

所有的估计值器v₀和v₁，MMSE接收器401和402用于最小化均方误差 $\&lang;{\left|\right|\hat{s}}_0-s_0|{|}^2\&rang;\mathrm{and}\&lang;{\left|\right|\hat{s}}_1-s_1|{|}^2\&rang;$ (<·>代表期望值)，这里

和

具有以下形式： ${\hat{s}}_0=v_0^H{R}_0$                 ${\hat{s}}_1=v_1^H{R}_1,$

其中R₀和R₁见前面OTD中定义。

通过解扩器405和406进行长码解扩后，得到的解扩码经过Walsh解扩器407-410进一步解扩。导频信道的错误信号是由加法器411和412通过从导频估计值中减去已知的导频信号(1的字符串)决定的。错误信号通过反馈信号403和404各自反馈到MMSE接收器401和402中。在本发明的优选实施例中，反馈信号用于更新和改善加权向量206，加权向量206用于最优地解调图2所描述的数据信道。典型的更新接收器(相等于加权向量，组合向量)的方法是最小均方和(LMS)自适应和递归最小平方(RLS)自适应。

请注意MMSE接收器401和402各自同时接收导频和数据信道。通过自适应地最小化导频码元估计值的均方差，决定数据信道码元的MMSE加权向量。然后使用所得到的MMSE加权向量来解调出数据信道码元。

图5所示为按照第二实施例来接收OTD信号的MMSE接收器。按第二实施例，采用联合自适应方法。由于从两个发射天线里传过来的导频码元序列(1的序列)是相同的，MMSE接收器对两个子信道s₀和s₁进行联合自适应是可能的。然而，应注意，导频码元虽然采用同样的长扩频码传输，却采用不同的Walsh码。在联合自适应方法中，对于第一和第二两个导频信道的导频估计值被叠加在一起形成单个联合导频估计值。然后利用从所测到的联合导频估计值中的误差，对两个子信道s₀和s₁的接收器(等效地，加权向量和组合向量)进行自适应更新和改进。典型地，利用对联合导频估计值所测得的误差，可以用LMS或RLS自适应算法更新这两个子信道的接收器。

MMSE接收器501和502接收的输入信号包括导频信道和数据信道。对于 和 所有的估计器v₀和v₁，MMSE接收器501和502可以最小化均方差： $\&lang;\left|\right|{\hat{s}}_0-s_0|{|}^2\&rang;\mathrm{and}\&lang;{\left|\right|{\hat{s}}_1-s_1\left|\right|}^2\&rang;$ (<·>代表期望值)，这里 和

具有以下形式： ${\hat{s}}_0=v_0^H{R}_0$                ${\hat{s}}_1=v_1^H{R}_1,$

其中R₀和R₁见前面OTD中定义。所以，MMSE接收器501和502同图4中的MMSE接收器401和402相同。图4和5中的接收器的唯一不同之处在于：为子信道s₀和s₁更新MMSE接收器使用的自适应方法不同。

MMSE接收器501和502的输出分别由解扩器503和504进行长码解扩。解扩器505-508再对每个解扩器503和504的输出进行Walsh解扩。把第一和第二导频信道的估计值加在一块就得到了联合导频估计值。在加法器509处，从联合导频估计值减去已知的导频信号就得到误差信号。误差信号然后(通过反馈线510)反馈给MMSE接收器501-502用于更新和改进导频信道的加权向量(通常采用LMS或RLS自适应算法)。接收器501和502分别再用第一和第二导频信道的加权向量来接收(或解调)子信道s₀和s₁的数据。

图6所示为用于接收STTD信号的MMSE接收器600。STTD和STS都把已编码和交错的码元分成码元对s₀和s₁。采用STTD，该码元对用单个Walsh码在两个时隙传输。对于

和

所有的估计器v₀和v₁，MMSE接收器601和602可以最小化均方差： $\&lang;{\left|\right|{\hat{s}}_0-s_0\left|\right|}^2\&rang;\mathrm{and}\&lang;{\left|\right|{\hat{s}}_1-s_1\left|\right|}^2\&rang;$ (<·>代表期望值)，这里 和

具有以下形式： ${\hat{s}}_0=v_0^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right]$             ${\hat{s}}_1=v_1^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right],$

其中R₀和R₁见前面STTD中定义。

如图6所示，MMSE接收器601和602接收CDMA信号。长码经过解扩器603和604的解扩后，将最终的信号传送给Walsh和导频解扩器605-608。经过适当的解扩，导频估计值就产生了(通过加法器609)，导频估计值误差则在加法器610测量。如前所述，因为接收器预先知道导频信号，所以导频误差可以测量出来。导频估计值误差则通过反馈线713反馈给MMSE接收器601-602，用于自适应更新和改进接收器601-602(通常采用LMS或RLS自适应算法)。再把MMSE接收器601-602加到业务信道数据中就可以得到最优的码元

和 估计值。

图7所示为用于接收STS信号的MMSE接收器700。STTD和STS都把已编码的和交错的码元分成码元对s₀和s₁。采用STTD，该码元对用两个Walsh码在一个时隙传输。表1列出了STS所采用的映射。如图6所示，MMSE接收器701和702接收CDMA信号。对于

和所有的估计值v₀和v₁，MMSE接收器701和702可以最小化均方差： $\&lang;{\left|\right|{\hat{s}}_0-s_0\left|\right|}^2\&rang;\mathrm{and}\&lang;{\left|\right|{\hat{s}}_1-s_1\left|\right|}^2\&rang;$ (<·>代表期望值)，这里

和

具有以下形式： ${\hat{s}}_0=v_0^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right]$            ${\hat{s}}_1=v_1^H\left[\begin{array}{c}{R}_0\\ R_1^{*}\end{array}\right],$ 其中R₀和R₁见前面STS中定义。

长码经过解扩器703和704的解扩后将最终的信号传送给Walsh和导频解扩器705-710。经过适当的解扩，导频估计值就产生了(通过加法器711)，导频估计值误差则在712测量。如前所述，因为接收器预先知道导频信号，所以导频误差可以测量出来。导频估计值误差则通过反馈线713反馈给MMSE接收器701-702，用于自适应更新和改进接收器701-702(通常采用LMS或RLS自适应算法)。再将MMSE接收器701-702加到业务信道数据中，就可以得到最优的码元

和

估计值。

在本发明的另一个替换实施例中，OTD，STTD和STS的MMSE接收器可以不像图4-7所描述地那样自适应地实现。相反地，MMSE接收器可以从先前所定义的传播信道f₀和f₁，以及先前定义相关矩阵Γ_Q，即： ${\mathrm{\&Gamma;}}_Q=E\left({\mathrm{QQ}}^H\right)=E\left\{\left[\begin{array}{cc}{R}_0{R}_0^H& R_0{R}_1^T\\ R_1^{*}{R}_0^H& R_1^{*}{R}_1^T\end{array}\right]\right\}.$

直接计算出来。

这种实现方式见图8-10。如前所述，传播信道f₀和f₁，及相关矩阵Γ_Q可使用每个天线的导频信号估算得到。通常，MMSE接收器的直接计算比自适应实现的计算量大。然而，在快速衰减的环境里，直接计算MMSE答案完成的MMSE接收器比自适应实现的效果好。在图4-7里，在解码器的输入端，导频信号用于自适应更新MMSE接收器和计算码元估计值(

和

)的最佳加权。在解码器之前必须进行码元加权有两个原因：

第一：对于OTD，两个码元 和 的信噪比(SNR)不同。解码器为了最优解码，需要知道这个信息。对STS和STTD，两个估计值

和

的信噪比总是相同。所以这两种码元的加权始终相同。如果信道不随时间变化，STS和STTD不需要设立加权函数。

第二，对于随时间变化的信道，估计值

和

的信噪比(SNR)随时间变化(对于OTD，STS，STTD都是这样)。要想进行最优解码，解码器必须获得这个信息(解码器赋予高信噪比的码元较大的权重)。所以当信道随时间变化时(对于OTD，STS，STTD都一样)，对于码元估计值 和

需要施加加权函数。

如图8所示，信号801进入到两个MMSE接收器(802和803)。如前所述，MMSE接收器用于最小化均方差，并且不依靠从导频信号推出来的加权向量。然后，用扇区特定长码及Walsh码(通过解扩器804和806)解扩所得到的信道估计值。然后对解扩得到的信号求和(808-809)，以得到估计值

和

。图9和图10分别表示的是STTD分集和STS分集中的类似的接收器。

虽然这里我们参照一个具体的实施例阐述本发明，本领域普通技术人员可以理解，这些实施方案的形式和细节可以在不背离本发明的精神和范围内做各种改动。希望所有此类改变均落于下述权利要求的范围内。

Claims (10)

1.一种设备，该设备包括：

第一最小均方差(MMSE)接收器有一输入信号，该信号是采用传输分集方案传送的；和

第二MMSE接收器，其将所述信号作为输入信号。

2.根据权利要求1所述的设备，进一步包括第一解扩器，该解扩器将第一MMSE接收器的输出作为输入，并使用扇区特定长码解扩第一MMSE接收器的输出，从而产生第一解扩输出。

3.根据权利要求2所述的设备，进一步包括第二解扩器，该解扩器将第二个MMSE接收器的输出作为输入，并使用第一扇区特定长码解扩输出，从而产生第二解扩输出。

4.根据权利要求2所述的设备，进一步包括第二解扩器，该解扩器将第二MMSE接收器的输出作为输入，使用扇区特定长码解扩输出，从而产生第二解扩输出。

5.根据权利要求2所述的设备，进一步包括第三解扩器，该解扩器将第一解扩的输出作为输入，并使用第一沃尔什码进一步对第一个解扩输出进行解扩。

6.根据权利要求5所述的设备，进一步包括第四解扩器，该解扩器将第二解扩输出作为输入，并使用第二沃尔什码进一步对第二解扩输出进行解扩。

7.根据权利要求5所述的设备，进一步包括第四解扩器，该解扩器将第二解扩的输出作为输入，并使用第一沃尔什码进一步对第二解扩输出进行解扩。

8.一种最小均方差(MMSE)接收信号的方法，该方法包括以下步骤：

在MMSE接收器端接收导频信号；

对接收到的导频信号进行信道估计；

确定所述导频信号估计值的均方差；

更新所述导频信号的估计值加权向量，从而使所述导频信号估计值的均方差最小，并

将所述导频信号估计值的加权向量加到第二个信道。

9.根据权利要求8所述的方法，其中在MMSE接收器处接收所述导频信号的步骤包括在MMSE接收器端接收码分多址即CDMA导频信号的步骤。

10.根据权利要求9所述的方法，其中将所述加权向量加到第二信道的步骤包括将所述加权向量加到业务信道的步骤。

Images