CN1446409A - 一族线性多用户检测器(muds) - Google Patents

Abstract

每个解扩信号(由解扩器产生的)具有循环和信道变化。解扩器库解扩发射信号来产生解扩信号，而处理器接收所述的解扩信号并分别处理循环和信道变化。处理器包括循环变化处理器和信道变化处理器。循环变化处理器通常处理发射信号的循环变化，而信道变化处理器与循环变化处理器通信并处理至少发射信号的信道变化。循环变化处理器包括一个加权算子和一个抽头加权生成器，其中加权算子用至少一个抽头加权对发射信号加权，抽头加权生成器至少从循环码生成至少一个抽头加权。

Description

一族线性多用户检测器(MUDS)

                      本发明背景

在码分多址(CDMA)蜂窝式电话中，移动电话和基站通信，其中每个用户和每个基站具有它自己的“扩展码”，用于发射信号的调制和分离相应于不同用户/订户的不同信号。典型地，接收机拾取发射信号的多个回波(多径反射)，每个回波具有不同的并且随机变化的延迟和幅度。在这种情况中，原先设计为在不同用户间会正交的扩展码不再正交并且用户不再被区分。结果，移动单元在试图仅检测单个用户时将所有其它信道用户(包括来自其它基站的信号)看作是干扰的制造者。一个典型的单用户多径检测器是将不同信道路径合并为发射信号的单个复制品的瑞克接收机。

瑞克接收机在将来自其它用户的干扰视为背景噪声的同时检测感兴趣的信号。另一方面，多用户检测(MUD)方案合并干扰上的各种级别先验信息(a-priori information)，并且可以显著地优于瑞克接收机(或任何其它的单用户接收机)。最大级别的先验信息在干扰信号对接收机来说是完全已知的时候发生，如US6,034,986中的情况。在过去的二十年中，根据先验信息利用的不同级别开发了许多用于多用户检测的方法并而且这些方法导致各种级别的接收机复杂度。

遗憾地，多用户检测方案比单用户的显著地复杂。不仅多用户检测要求(明确地或隐含地)用解扩器库(a bank of despreaders)(每个解扩器匹配不同的用户)处理接收的信号，而且该解扩器库的输出必须按照某种先验准则被进一步处理，例如最大似然准则，其复杂度与用户数目呈指数关系。

指数复杂度是难以容忍的，除非用户数目非常小，但这不是蜂窝式通信中的情况。因此，次优的，线性MUD方案被开发，其中有去相关器和/或最小均方误差(MMSE)接收机。依然，线性MUD要求符号差交叉关联矩阵或其重新标定的(rescaled)版本对到达的每个新符号/字块求逆。这在计算上太繁重以致于不能由移动单元来执行。最近提出了许多用于逼近矩阵求逆的方法，例如Verdu的一阶近似(每个用户每符号的0(K)运算)。

现有的对长码DS-CDMA(其中扩展码横跨一个以上的符号)的MUD方案的另一个弱点是没有简单的途径将它们变成合乎需要的自适应算法的形式，因为码率自适应算法不能跟踪交叉关联矩阵的码率变化。实际上，对长码DS-CDMA的自适应算法的问题在科学文献中被视为公开问题。

指定给本发明的共同受让人的US专利公开WO 00/18030认识到扩展码是循环的，并且描述了一种通过将循环扩展码划分为多个段来处理接收信号的方法。每段被分配不同的价格函数和用于最小化有关价格函数的各自接收机参数组。由相同码段扩展了的接收信号的多个部分被一起处理，从而动态地更新接收机参数的有关组。

                      附图简述

发明的主题在说明书的结束部分被特别指出并清楚地要求。但是，本发明关于组构和操作方法，可以和其目的、特征以及优点一起，在结合相应附图阅读时通过参考下面的详细描述而被最好地理解，其中：

图1是按照本发明第一实施例的多用户检测器(MUD)的示意图；

图2是按照本发明第二实施例的多符号的MUD的示意图；和

图3是使用本发明和常规MUD的两级MUD的示意图。

应当认识到，为了说明的简单和清楚，图中所示的元素不一定按比例画出。例如，为了清楚起见，一些元素的尺寸可能相对于其它元素而被放大。另外，其中，附图标记可以在图中重复来指示相应或类似的元素，这认为是合适的。

                    优选实施例详述

在以下的详细说明中，许多特定的细节被阐明以便彻底理解发明。但是，本领域的技术人员应当理解，没有这些特定细节本发明可以实行。在其它实例中，对公知的方法、过程、部件和电路没有详细说明，这不会使本发明模糊不清。

以下详细说明的一些部分按照对计算机存储器内的数据位或二进制数字信号的运算算法和符号表示来进行说明。这些算法的说明和表示可以是数据处理领域技术人员使用的、将他们工作的实质传达给本领域的其他技术人员的技术。

这里，算法一般被认为是带来希望结果的作用(act)或运算的自相容的序列。这些活动或运算包括物理量的物理处理。通常，虽然不一定，但是这些量采用能被存储、转移、合并、比较和其它操作的电或磁信号的形式。主要是由于通用的原因，将这些信号称为位、值、元素、符号、字符、项、数等已经多次证明是方便的。但是，应当理解，所有这些和类似的术语要和适当的物理量关联，并且只是用于对这些量的方便标注。

除非另外特别说明，如以下讨论可见，应当认识到在整个说明书中，使用术语例如“处理”、“计算处理”、“计算”、“确定”等的讨论是指计算机或计算***或类似电子计算装置的活动和/或处理，这些装置处理和/或将计算***的寄存器和/或存储器内表示为物理量例如电子量的数据转换为为计算***的存储器、寄存器或其它这种信息存储、发射或显示装置内类似地表示为物理量的其它数据。

这里本发明的实施例可以包括用于执行运算的装置。该装置可以为了希望的目的而被特别地构成，或者它可以包括一个通用计算机，该通用计算机由存储在计算机中的计算机程序选择性地激励或重新配置。这种计算机程序可以存储在计算机可读存储介质中，例如，软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)，电可擦除可编程只读存储器(EEPROM)、磁或光卡，或其它任何类型的适合存储电子指令并能够连接到计算机***总线的介质，但不限于上面这些类型。

常规扩频信号可以被看作窄带信息承载信号s[n]和无信息的宽带“扩展”信号PN[n]混频的结果，其中扩展信号是伪噪声(PN)序列。接收机使进入的信号与PN[n]的本地产生的版本PN₀[n]同步，并将接收的信号和本地产生的PN序列PN₀[n]混频，从而从该信号中去除原先的PN序列PN[n]，并将该信号“叠并(collapsing)”为信息承载信号s[n]。

扩展信号PN[n]主要是某种编码序列，例如伪随机编码。比如，蜂窝式通信的IS-95标准采用64码片的Walsh码(旨在区分每个基站的64个不同的用户)与周期性PN序列(旨在区分不同的基站)的乘积，即主要是512*64码片(或512符号)的“长码”。每个用户的扩展信号是合并了其基站的PN序列的当前64码片的Walsh码。PN码为有限的，从而被循环使用。

本发明包括一族线性、多用户检测器，这些检测器对由循环扩展码的相同段或码的相邻段(例如扩展相邻符号n-1、n、n+1的码)扩展的部分接收信号一同处理。如以下详细说明的，本发明的接收机结构将循环变化(来自PN序列)的处理从信道变化(归因于信号的发射)是分离。因此，例如，本发明通常避免需要象常规方法所要求的由于信道和PN变化的实时矩阵求逆。

用所提出的方法，保持用户的特征交叉矩阵的PN相关项一般独立于瞬时信道条件(它非常依赖于信道的长时间的平均特性)，因此，相关的矩阵求逆可以先验(或离线)计算。本发明还包括一族用于长码DS-CDMA的自适应MUD算法。

现在参考图1，图1说明了可在N_F个指针(finger)上操作的本发明的检测器的第一实施例。注意，多个指针j表示相同信号的不同传输路径并且因此相互延迟。

图1的检测器包括N_F个解扩器库10，N_F个循环变化处理器12，每个指针上一个，单信道变化处理器14，抽头加权生成器16和信道估计器18。

两种类型的处理器12和14都具有瑞克型的形状，其中处理器的每个信号，一个指针上一个，以某种方式乘以与那个指针关联的计算值，并且合成的信号被加在一起。

第j个解扩器库10用于在下变频和滤波之后解扩数字化天线信号，产生第j个指针的解扩器输出矢量 Y^j(n)。通常， Y^j(n)是K个元素的矢量，其第1个元素相应于感兴趣的用户的解扩版本，而另外的K-1个元素是一些其他用户的解扩版本。这K-1个附加用户被解扩并且在处理第1个用户的信号时被使用，以便改善希望用户的发射信号的检测。库10内的每个解扩器具有和第i个用户(1≤i≤K)关联的扩展码，且并为每个符号n产生该用户的估计信号。

每个循环变化处理器12包括多个矢量乘法器20和一级加法器22，而信道变化处理器14包括多个标量乘法器24和二级加法器26。注意，矢量乘法器20产生矢量 X和 Y之间的内积 $<\stackrel{\&OverBar;}{X},\stackrel{\&OverBar;}{Y}>\&equiv;\underset{i}{\mathrm{\&Sigma;}}{X}_i\&CenterDot;Y_i.$

在每个循环变化处理器12中，每个矢量乘法器20产生第j个指针的解扩器输出矢量 Y^j(n)与每处理器、每指针抽头加权矢量(n mod L)之间的内积，其中抽头加权是循环的，并且周期长度是L，即符号中的PN序列的长度。抽头加权通过抽头加权生成器16从解扩器输出矢量 Y(n)产生，下面对此更详细地讨论。一级加法器22将矢量乘法器20的输出相加，产生第i个指针的信号Z_i(n)。数学上，由下列公式给出： $z_i\left(n\right)=\underset{j=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}_{i,j}{\left(n\mathrm{mod}L\right)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^j\left(n\right)$

                      方程式1

其中⁺表示共轭转置算符。

信道变化处理器14进行如下运算：第i个乘法器24将第i个信号Z_i(n)乘以第i个信道抽头估计 (来自信道估计器18)。二级加法器26将乘法器24的输出相加，从而产生用户输出信号r(n)。数学上，由下列公式给出： $r\left(n\right)\&equiv;\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}\&CenterDot;z_i\left(n\right)$

                      方程2

应当认识到，生成抽头加权

(n mod L)是为了强调多个用户中的第1个用户，从而用户输出信号r(n)具有来自其他K-1个用户的最小噪声和串道(cross-talk)。为了这样做，抽头加权生成器16试图优化所定义的关于用户输出r(n)的一些性能准则，如在下面更详细讨论的。

如何选择其他的那些K-1个用户的问题将不说明，因为这是本领域公知的，但要注意的是人们通常是选择强烈干扰希望用户的那些用户。还要注意的是信道估计器18是常规信道估计器，因此将不详细讨论，但要注意的是它将估计的信道系数提供给抽头加权生成器16。

然后，为了进一步的处理，信号r(n)被传送给符号检测器(未示出)或被传送给去交织器，然后在编码通信的情况下被传送给解码器(也未示出)，这些都是本领域公知的。

还应当注意的是，方程2对应于公知的最大比率合并，但是其它的合并准则也可以利用，例如选择准则，选择准则将r(n)设置为等于方程2的和取最大值时的元素。在这情况下，计算的复杂度被显著减少，因为仅一个循环变化处理器12需要被激活。

还要指出的是，常规的瑞克接收机被作为以上的特例而获得，其中对于全部≤i≤N_F，除了 (n mod L)的第1个元素被设置为1以外，

(n mod L)的所有元素被设置为零。1的值是希望用户号。在该情况下，其他K-1个用户的输出被完全忽略。

与经常将多用户瑞克输出作为MUD输入的常规实践相反，本发明直接在解扩输出上进行操作。可以从解扩器输出产生瑞克接收机输出库。但是，解扩器输出组比瑞克输出库冗余得多(通过一因子N_F²)。这将意味着本发明要求比常规方法更大的维数。然而，如下面讨论的，这个较为冗余的方法有许多优点。

本发明还合并了多符号MUD检测器，如现在将参考的图2中所示。该检测器包括N_F个多符号解扩器库30，级联器32，N_F个矢量乘法器34，每指针上一个，N_F个乘法器36，加法器38，抽头加权生成器16和信道估计器18。

如前所述，对于一个指针，每个解扩器库30在下变频和滤波以后对数字化天线信号进行解扩。但是，在该实施例中，每个解扩器库30每次在中间符号n周围产生多个符号。现在第j个解扩器输出是：

                      方程式3

其中D是设计参数。例如，D可以设置为1。为了简化符号的目的，所有解扩器库输出的级联矢量仍然和前面的例子一样由Y(n)表示。

级联器32级联多符号解扩器库30的输出来产生解扩器输出矢量 Y(n)，输出矢量 Y(n)作为对每个矢量乘法器34的输入。后者产生解扩器输出矢量与每指针抽头加权矢量

(n mod L)的内积。相关的乘法器36用其关联信道估计

乘以每个矢量乘法器34的输出，并且加法器38将这些结果合并为用户信号r(n)。如在前面的实施例中一样，抽头加权

(n mod L)被生成来强调多个用户中的一个用户，从而该用户输出信号r(n)具有来自其它用户的最小噪声和干扰串道。

进一步要注意的是，

(n mod L)是前述实施例的抽头加权的级联，如下所示： ${\stackrel{\&OverBar;}{C}}_i\left(\mathrm{nModL}\right)=[{\stackrel{\&OverBar;}{C}}_{i,0}{\left(\mathrm{nModL}\right)}^T,{\stackrel{\&OverBar;}{C}}_{i,1}{\left(\mathrm{nModL}\right)}^T,...,{\stackrel{\&OverBar;}{C}}_{i,N\_F-1}{\left(\mathrm{nModL}\right)}^T{]}^T$

                      方程式4

输出信号r(n)由下式给出： $r\left(n\right)\&equiv;\underset{i=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}^i{\left(\mathrm{nModL}\right)}^{+}\&CenterDot;({{\hat{h}}_i}^{+}\&CenterDot;\stackrel{\&OverBar;}{Y}\left(n\right))$ $=(\underset{i=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}^i{\left(\mathrm{nModL}\right)}^{+}\&CenterDot;{{\hat{h}}_i}^{+})\&CenterDot;\stackrel{\&OverBar;}{Y}\left(n\right)$

                      方程式5

本申请的以下部分讨论一些不同的抽头加权生成器16。随后的部分讨论本发明的一些不同使用。附录A详述如何产生在以下讨论中使用的一个元素，权利要求在附录A之后。

                      抽头加权生成器

MMSE抽头加权生成器

用上述MUD的前端，现在我们考虑公知的最小均方误差性能准则。假设， $e\left(n\right)\&equiv;s_l\left(n\right)\&CenterDot;\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\left|{\hat{h}}_j\right|}^2-r\left(n\right)$ $=s_l\left(n\right)\&CenterDot;\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\left|{\hat{h}}_j\right|}^2-\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}_j{\left(\mathrm{nModL}\right)}^{+}\&CenterDot;{{\hat{h}}_j}^{+}\&CenterDot;\stackrel{\&OverBar;}{Y}\left(n\right)$

                      方程式6

其中s₁(n)是感兴趣用户的发射信号，而项 仅为了增益归一化的目的而被使用。然后，MMSE准则旨在最小化：

                   MSE＝E{|e(n)|²

                      方程式7

其中E{·}代表关于发射符号、信道噪声和信道抽头所采用的期望算子(operator)。注意，常规惯例是将信道抽头作为确定和已知的量，从而将它们排除在期望算子以外。另一方面，本发明包括信道抽头，因此MMSE的解可以被认为是使整个信道集合的均方误差最小化的解。

将方程式6代入方程式7，并且对 (n)微分，得到用于所建议的接收机前端的如下一组标准方程式： $E\{\stackrel{\&OverBar;}{Y}\left(n\right)\&CenterDot;{{\hat{h}}_i}^{+}\&CenterDot;{e\left(n\right)}^{+}\}=0---i=\mathrm{0,1},...,N\_F-1$

                      方程式8

再代入方程式6，得到 $\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}E\{\stackrel{\&OverBar;}{Y}\left(n\right)\&CenterDot;{{\hat{h}}_i}^{+}\&CenterDot;{\hat{h}}_j\&CenterDot;\stackrel{\&OverBar;}{Y}{\left(n\right)}^{+}\}\&CenterDot;{\stackrel{\&OverBar;}{C}}_j\left(\mathrm{nModL}\right)$ $=E\{\stackrel{\&OverBar;}{Y}\left(n\right)\&CenterDot;{{\hat{h}}_i}^{+}\&CenterDot;\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\left|{\hat{h}}_j\right|}^2\&CenterDot;s_l{\left(n\right)}^{+}\}---i=\mathrm{0,1},...,N\_F-1$

                      方程式9

以上这组标准方程式依赖于信道抽头(和它们的估计器)的联合概率分布。可以做以下假设：

●假设1：

较佳的信道知识，即 ${\hat{h}}_i=h_i---\&ForAll;i$

                      方程式10

和对信道抽头的联合分布的以下非常适度的假设

●假设2：

                   E{h_i}＝0      i

                      方程式11

●假设3：

              E{|h_i|²},E{|h_i|⁴}＜∞     i

                      方程式12

●假设4：

              E{h_i ^a·(h_i ⁺)^b·h_j ^c·(h_j ⁺)^d}

               ＝E{h_i ^a·(h_i ⁺)^b}·E{h_j ^c·(h_j ⁺)^d}    i≠j，0≤a，b，c，d＜4

                      方程式13

●假设5：

                   E{h_i|²·h_i ⁺}＝0      i

                      方程式14

应当注意的是，以上假设可以满足许多常用的多径信道模式，例如，随独立多径分量呈瑞利衰落的蜂窝式信道中的惯例。但是，可以用通常可达四阶的信道抽头的任何给定(和有限)的联合矩量(joint moment)导出MMSE解。实际上，可以使用信道估计器来测量这些矩并因此求解，而不用引入任何关于信道抽头的联合概率分布的先验假设。还应当注意的是，仿真结果揭示了对以上这组假设的整体性能的低灵敏度。

在执行必要的期望运算之后，方程式9可以写为： ${\stackrel{\&OverBar;}{C}}^{\mathrm{MMSE}}\left(\mathrm{nModL}\right)={\left[\begin{array}{c}{\stackrel{\&OverBar;}{C}}_0^{\mathrm{MMSE}}\left(\mathrm{nModL}\right)\\ ...\\ {\stackrel{\&OverBar;}{C}}_{N-F-1}^{\mathrm{MMSE}}\left(\mathrm{nModL}\right)\end{array}\right]}_{(N\_F^2\&CenterDot;N\_K)x1}$ $=A_{\mathrm{MMSE}}{\left(\mathrm{nModL}\right)}^{-1}\&CenterDot;{\stackrel{\&OverBar;}{b}}_{\mathrm{MMSE}}$

                      方程式15

其中，对于图1的单符号模式，N_K＝K，而对于图2的多符号模式，N_K＝3K，或者如果更多的符号同时使用则更大。对于2个指针(即N_K＝2)，矩阵A_MMSE(n Mod L)由下式给出： $\&times;\left[\begin{array}{cc}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}& \underset{.}{\overset{.}{.}}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]$

                      方程式16

其中

是N_Kx N_K个零的矩阵，并且 $k_i\&equiv;\frac{E\left\{\right|h_i{|}^4\}}{E\left\{\right|h_1{|}^2\}\&CenterDot;E\{|h_2{|}^2}$

                      方程式17 ${\mathrm{\&eta;}}_i\&equiv;\frac{E\left\{\right|h_i{|}^2\}\&CenterDot;N^2}{E\{\stackrel{\&OverBar;}{w}{(n\&CenterDot;N)}^{+}\&CenterDot;\stackrel{\&OverBar;}{w}(n\&CenterDot;N)}\&CenterDot;G^{+}\&CenterDot;G$

                      方程式18

其中，矢量w(n.N)表示假设为i.i.d(独立并均匀地分布)的N个连续信道噪声抽样，N是处理增益(或码片与符号的关系)，G是个人用户增益的平方对角矩阵，而且G⁺·G和用户功率电平成比例。应当认识到，η_i是第i个指针的保持各用户信噪比(SNR)的平方对角矩阵。如果噪声抽样不是i.i.d并且/或者噪声统计和/或用户增益对接收机是未知的，那么SNR矩阵η₁和η₂可以使用常规技术来估计然后***方程式16。

矩阵M(n Mod L)是使各用户的发射符号与不同解扩器的输出联系起来的(PN的)串道矩阵。在附录A中对单符号和多符号实施例都进行了定义，但是在两种情况下它都独立于信道抽头或它们的统计。

对于图1的单符号模式，就N_F＝2，4Kx1矢量 b_mmse是其第1个元素(涉及感兴趣的用户)为+k₁而其第2K+K+1个元素为+k₂的矢量。b_mmse的所有其它元素为零。

对于图2的多符号模式，2Kx1矢量 b_mmse是其第k+1个元素为+k₁而其第9·K+K+1个元素为+k₂的矢量。 b_mmse的所有其它元素为零。在该实施例中，矩阵G应当被级联三次来生成用于“虚拟”3K个用户(或者如果三个以上的符号被同时使用则更多，即D＞1)的3Kx3K的SNR矩阵。

应当认识到，本发明的MMSE的解(由方程式16所表示的)独立于实际信道估计 。相反，抽头加权 C^MMSE(n mod L)依赖于信道估计的联合矩(即信道的统计)。在许多情况下，信道是随时间变化的，但是它的统计是固定不变的。由于矩阵A_MMSE(n Mod L)仅依赖于信道的固定统计，所以它的求逆可以离线执行一次。

因此，对每个PN序列的L相位，作为矩阵A_MMSE(n Mod L)的函数的抽头加权 C^MMSE(n mod L)可以用计算机计算一次，尤其是在离线时。抽头加权 C^MMSE(n mod L)在操作期间可以被连续使用。

应当认识到，由于方程式15和方程式16的矩阵求逆发生一次，从而C^MMSE(n mod L)的L个值被固定，所以本发明可以在移动单元上被实现。

去相关器抽头加权生成器

去相关器的解通过去除他们的特征之间的交叉关联性来分离用户。典型地，MMSE的解在高SNR比的情形下(即，其中几乎没有加性噪声并且主要干扰项是用户间的串道)收敛为去相关器的解。本发明的去相关器的解可以通过让方程式16中的噪声方差趋近于零来得到。在该情形下，SNR矩阵η_i收敛为无穷大，从而方程式16中的矩阵收敛为：

                      方程式19

将方程式19代入方程式15产生去相关器解，其中，为了简单起见，我们给出N_F＝2时的解： ${\stackrel{\&OverBar;}{C}}^{\mathrm{DEC}}\left(\mathrm{nModL}\right)={\left[\begin{array}{c}{{\stackrel{\&OverBar;}{C}}_1}^{\mathrm{DEC}}\left(\mathrm{nModL}\right)\\ {{\stackrel{\&OverBar;}{C}}_2}^{\mathrm{DEC}}\left(\mathrm{nModL}\right)\end{array}\right]}_{(4\&CenterDot;N\_K)x1}$ $=\left[\begin{array}{cc}M{\left(\mathrm{nModL}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}\underset{.}{\overset{.}{.}}& {M\left(\mathrm{nModL}\right)}^{+}\end{array}\right]x\left[\begin{array}{c}{\stackrel{\&OverBar;}{e}}_l\\ {\stackrel{\&OverBar;}{e}}_{K+l+1}\end{array}\right]$

                      方程式20

其中 e_i是其第i个元素为1，而所有其它元素为零的(2·N_K)x1的标准基矢。如前所述，1被设置为希望的用户号。

应当认识到，方程式20中的解一般独立于信道估计(和它们的统计)。它仅依赖于串道矩阵M(n Mod L)。因此，如在MMSE的情况下一样，对所有信道条件，去相关器解可以用计算机被计算一次。

近似MMSE抽头加权生成器

通过矩阵G，SNR矩阵η_i是由基站分配给每个移动用户的功率电平的函数。由于这些功率函数可以随时间变化，所以每当任何一个用户的发射功率被修改时，MMSE抽头加权就应当被重新计算。可以利用以下对MMSE的解的高SNR近似来避免矩阵求逆运算。

方程式16可以重写为以下形式： $A_{\mathrm{MMSE}}\left(\mathrm{n\; Mod\; L}\right)\&equiv;[\mathrm{\&alpha;}+\mathrm{\&beta;}{\left(\mathrm{n\; Mod\; L}\right)}^{-1}]\&times;$ $\left[\begin{array}{cc}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}& \underset{.}{\overset{.}{.}}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]$

                      方程式21

其中

                      方程式22

并且

                      方程式23

现在，应用简单的高SNR一阶近似，得到下式： ${[\mathrm{\&alpha;}+\mathrm{\&beta;}{\left(\mathrm{n\; Mod\; L}\right)}^{-1}]}^{-1}\&ap;{\mathrm{\&alpha;}}^{-1}-\mathrm{\&beta;}{\left(\mathrm{n\; Mod\; L}\right)}^{-1}\&times;{\mathrm{\&alpha;}}^{-2}$

                      方程式24

将上式代入方程式15，得到以下MMSE解的高SNR近似： ${\stackrel{\&OverBar;}{C}}^{\mathrm{MMSE}}\left(\mathrm{n\; Mod\; L}\right)$ $\&ap;{\left[\begin{array}{cc}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}& \underset{.}{\overset{.}{.}}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]}^{-1}\&times;{\mathrm{\&alpha;}}^{-1}\&times;{\stackrel{\&OverBar;}{b}}^{\mathrm{MMSE}}$ $-{\left[\begin{array}{cc}M{\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}\underset{.}{\overset{.}{.}}& M{\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]}^{-1}\&times;\mathrm{\&beta;}{\left(\mathrm{n\; Mod\; L}\right)}^{-1}\&times;{\mathrm{\&alpha;}}^{-2}\&times;{\stackrel{\&OverBar;}{b}}^{\mathrm{MMSE}}$ $\&equiv;{\stackrel{\&OverBar;}{C}}^{\mathrm{DEC}}\left(\mathrm{n\; Mod\; L}\right)$ $-{\left[\begin{array}{cc}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}\underset{.}{\overset{.}{.}}& {M\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]}^{-1}\&times;\mathrm{\&beta;}{\left(\mathrm{n\; Mod\; L}\right)}^{-1}\&times;{\mathrm{\&alpha;}}^{-2}\&times;{\stackrel{\&OverBar;}{b}}^{\mathrm{MMSE}}$ $\&ap;{\stackrel{\&OverBar;}{C}}^{\mathrm{DEC}}\left(\mathrm{n\; Mod\; L}\right)-{\mathrm{\&eta;}}^{-1}\&times;\stackrel{\&OverBar;}{\mathrm{\&Delta;}}\left(\mathrm{n\; Mod\; L}\right)$

                      方程式25

其中，在向方程式25的最后一行的转换中，利用了简单近似M(n)^-1≈I，并且其中：

                      方程式26

并且 $\stackrel{\&OverBar;}{\mathrm{\&Delta;}}\left(\mathrm{n\; Mod\; L}\right)\&equiv;{\left[\begin{array}{cc}{M\left(\mathrm{n\; Mod\; L}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}& \underset{.}{\overset{.}{.}}{\left(\mathrm{n\; Mod\; L}\right)}^{+}\end{array}\right]}^{-1}\&times;{\mathrm{\&alpha;}}^{-2}\&times;{\stackrel{\&OverBar;}{b}}^{\mathrm{MMSE}}$

                      方程式27

应当认识到，实现该近似MMSE解是相对简单的。去相关器MUD的矢量和Δ(n Mod L)被用计算机计算一次。从该点起，通常用户的功率和信道噪声变化的所有方差是通过SNR矩阵η而被考虑进去的。不需要另外的计算工作量(即MIPS)，除了所必须的对CDEC(n Mod L)-η-1x Δ(n Mod L)进行的更新，这很简单，因为η是对角的。

应当注意的是，从方程式25，它还遵循： ${\stackrel{\&OverBar;}{C}}^{\mathrm{MMSE}}\left(\mathrm{nModL}\right)\&ap;{\stackrel{\&OverBar;}{C}}^{\mathrm{DEC}}\left(\mathrm{nModL}\right)-\left[\begin{array}{cc}{M\left(\mathrm{nModL}\right)}^{+}\underset{.}{\overset{.}{.}}& \stackrel{=}{0}\\ \stackrel{=}{0}& {M\left(\mathrm{nModL}\right)}^{+}\end{array}\right]{\mathrm{\&eta;}}^{-1}\&times;\stackrel{\&OverBar;}{\mathrm{\&Delta;}}\left(\mathrm{nModL}\right)$

                      方程式28

这是在用户功率变化时能够使用的另一个近似解。

自适应抽头加权生成器

前面的实施例要求离线矩阵求逆。下面的自适应抽头加权生成器不要求矩阵求逆并且它们典型地在有限时间内收敛为解。典型地，象这样的自适应解要求将抽头加权矢量 C^adaptive(n mod L)初始化为某个简单的值，例如除了C_i，i′的第1个元素以外全部为零。

用于将方程式7的MSE准则最小化的最小均方(LMS)算法通过在方程式8中反复迭代标准方程式来给出。所得算法为， ${\stackrel{\&OverBar;}{C}}_i\left(t\right)={\stackrel{\&OverBar;}{C}}_i(t-1)+\mathrm{\&mu;}\&CenterDot;\stackrel{\&OverBar;}{Y}\left(n\right)\&CenterDot;{e(n;t-1)}^{+}\&CenterDot;{{\hat{h}}_i}^{+}$ $0\&le;i\&le;N\_F-1$

                      方程式29

其中μ是步长参数，t是循环时标(cyclic time index)，t由下式给出：

t＝(n Modulo L)t-1＝((n-L)Modulo L)

                      方程式30

而误差项e(n；t-1)由下式给出： $e(n;t-1)\&equiv;s_l\left(n\right)\&CenterDot;\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\left|{\hat{h}}_j\right|}^2-r(n;t-1)$ $=s_l\left(n\right)\&CenterDot;\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\left|{\hat{h}}_j\right|}^2-\underset{j=0}{\overset{N\_F-1}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}_j{(t-1)}^{+}\&CenterDot;{{\hat{h}}_j}^{+}\&CenterDot;\stackrel{\&OverBar;}{Y}\left(n\right)$

                      方程式31

应当认识到，本发明合并其它的自适应算法，例如可以类似地导出的归一化LMS(NLMS)或递归最小二平方(RLS)和其变型。

对于图1的前端，方程式29简化为： ${\stackrel{\&OverBar;}{C}}_{i,j}\left(t\right)={\stackrel{\&OverBar;}{C}}_{i,j}(t-1)+\mathrm{\&mu;}\&CenterDot;{\stackrel{\&OverBar;}{Y}}_j\left(n\right)\&CenterDot;{e(n;t-1)}^{+}\&CenterDot;{{\hat{h}}_i}^{+}$ $0\&le;i,j\&le;N\_F-1$

                      方程式32

其中e(n；t-1)通过将关于r(n)的方程式1和方程式2代入方程式31导出。

以上算法的缺点是用于存储抽头加权矢量的内存的大小为：

                  L·Dim{ C_i，j}·N_F²

                      方程式33

为了减少该内存要求(但是以性能为代价)，可以用基矢e₁代替 (t)。所得算法仍由方程式32给出，除了在该实施例中仅有i≠j的项之外。MUD输出在该情况中由下式给出： $r(n;t-1)\&equiv;\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}[{{\stackrel{\&OverBar;}{e}}_l}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^i\left(n\right)+\underset{j=1,j\&NotEqual;i}{\overset{N\_F}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{C}}_{i,j}{(t-1)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^j\left(n\right)]$

                      方程式34

并且方程式32的误差项e(n；t-1)因此而被计算。还能够用带有标量g_i，i(n)的 e_l·g_i，i(n)代替 (t)，标量g_i，i(n)被类似地适应并且作为每指针的自动增益控制(AGC)。

循环和非循环方法

试图降低内存要求的另一个实施例包括最初计算通常固定的循环矢量，而在运行期间用非循环加权 d_i，j(n)修正它们。对于图1的结构，每个

(t)由下式来替换： ${\stackrel{\&OverBar;}{D}}_{i,j}(t,n)\&equiv;\mathrm{Diag}\left\{R_{j,i}{\left(t\right)}^{\left(l\right)}\right\}\&CenterDot;{\stackrel{\&OverBar;}{d}}_{i,j}\left(n\right)$

                      方程式35

其中R_j，i(t)⁽¹⁾是交叉关联矩阵R_j，i(t)的第1行。因此，R_j，i(t)⁽¹⁾是从希望(第1个)用户的指针j至指针i的串道项。在该实施例中，循环时间t＝n Mod L被用于交叉关联矩阵R，但是常规符号定时(即非循环)被用于自适应加权 d_i，j(n)的矢量。应当认识到，对于所有L相位有单独一个矢量 d_i，j(n)。因此，就存储来说，我们完全消除了方程式33中的乘以L。

自适应加权 d_i，j(n)的矢量由下式生成： ${\stackrel{-}{d}}_{i,j}\left(n\right)={\stackrel{-}{d}}_{i,j}(n-1)+\mathrm{\&mu;}\&CenterDot;\mathrm{Diag}\left\{R_{j,i}{\left(t\right)}^{\left(l\right)}\right\}\&CenterDot;{\stackrel{-}{Y}}_j\left(n\right)\&CenterDot;{e(n;t)}^{+}\&CenterDot;{{\hat{h}}_i}^{+}$ $0\&le;i,j\&le;N\_F-1$

                      方程式36

应当认识到，非循环自适应被执行，因此递归是在整个时标n上而不是在循环时标t上。

MUD输出由下式给出： $r(n;t)$ $\&equiv;\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}[{\stackrel{\&OverBar;}{D}}_{i,i}{(t,n-1)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^i\left(n\right)+\underset{j=1,j\&NotEqual;i}{\overset{N\_F}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{D}}_{i,j}{(t,n-1)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^j\left(n\right)]$ $=\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}[d_{i,i}{(n-1)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^i\left(n\right)$ $+\underset{j=1,j\&NotEqual;i}{\overset{N\_F}{\mathrm{\&Sigma;}}}{d}_{i,j}{(n-1)}^{+}\&CenterDot;\mathrm{Diag}\{R_{j,i}{\left(t\right)}^l{\}}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^j\left(n\right)]$

                      方程式37

并且方程式36的误差项如上文所述得出，但是是使用矢量C的矩阵D。注意，在向方程式37的第三行的转换中，使用了R_i，i(t)是单位矩阵的事实。

如在先前的实施例中一样， d_i，j(n)可以以性能降低为代价用e₁替换。所得的MUD算法输出仍然由方程式36给出，除了仅对i≠j使用自适应以外。MUD输出由下式给出， $r(n;t)$ $\&equiv;\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}[{{\stackrel{\&OverBar;}{e}}_l}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^i\left(n\right)+\underset{j=1,j\&NotEqual;i}{\overset{N\_F}{\mathrm{\&Sigma;}}}{\stackrel{\&OverBar;}{D}}_{i,j}{(t,n-1)}^{+}\&CenterDot;{\stackrel{\&OverBar;}{Y}}^j\left(n\right)]$ $=\underset{i=1}{\overset{N\_F}{\mathrm{\&Sigma;}}}{{\hat{h}}_i}^{+}[{{\stackrel{\&OverBar;}{e}}_l}^{+}{\stackrel{\&OverBar;}{Y}}^i\left(n\right)+\underset{j=1,j\&NotEqual;i}{\overset{N\_F}{\mathrm{\&Sigma;}}}{d}_{i,j}{(n-1)}^{+}\mathrm{Diag}\{R_{j,i}{\left(t\right)}^{\left(l\right)}{\}}^{+}{\stackrel{\&OverBar;}{Y}}^j\left(n\right)]$

                      方程式38

应当认识到，本发明还可以使用其它类型的最小平方计算来研究，例如递归最小平方(RLS)和归一化最小均方。

循环和非循环方法

能够表明，当加权 d_i，j(n)被允许循环并且有以下选择：

d_i，j(t)＝ C_i，i(t)并且 d_i，j(t)＝Diag{R_j，i(t)^(l)}^-1· C_i，j(t)

时，方程式32和方程式36的MUD算法的输出一般是类似。因此，两者都可以收敛为相同的MMSE解。考虑到这个，两个方法可以合并，其中非循环方法使用较少的内存而循环方法提供更好的性能。两个方法的合并允许价格/性能折衷。

                   本发明的多种使用

如先前所讨论的，由于本发明不连续对矩阵求逆(它或者离线地间歇地求逆或者自适应地产生逆矩阵)，本发明可以用作在计算上受限制的移动单元中的多用户检测器。

本发明还可以在联合解调多用户的基站中使用。在这样的设置中，有些计算对所有用户是共同的。例如，在方程式15的MMSE解中，矩阵A^MMSE的求逆对所有用户都需要。每个用户的分离解只是矢量b_mmse的函数，该矢量 b_mmse在第1的位置中具有非零元素并且对每个用户来说1是变化的。因此，MMSE，多用户解将分担对矩阵A^MMSE求逆的主要计算负荷。

甚至当只有一个希望用户时，利用本发明来解调多用户仍然可能是有利的。一旦解调，这些多用户的较干净的版本能够被进一步处理，以便通过例如非线性常规最大似然MUD或者通过要求逐个符号矩阵求逆的常规MMSE MUD，来生成希望用户的更干净的版本。但是这些矩阵将是较低的维数的矩阵。

后面的实施例在现在要参考的图3中示出。解扩信号 Y(n)被提供给两个干扰处理器40和42，这两个干扰处理器40和42用于确定对希望用户1的最强干扰用户。第一干扰处理器40主要通过选择具有最高功率电平的那些用户来确定预处理值K₁。第二干扰处理器42例如通过对第1个用户的MSE进行计算并选择对MSE的最强贡献者的K₂个用户来确定后处理值K₂。MSE通过将方程式15的MSE解再代入方程式6然后将结果代入方程式7来计算。

解扩信号 Y(n)还提供给本发明的产生多个“更干净”信号的接收机，一种是希望用户1的，一种是每个K₂用户的。对于每个处理，K₁个用户是串道源。然后，K₂+1个“更干净”信号被提供给希望用户1的常规MUD46。

在另一个实施例中，在本发明处理所有信号之后，常规MMSE接收机处理少量的强干扰用户。

最后，本发明甚至在有多个天线时也可以使用。在后面这个实施例中，多指针对应于不同天线的多径分量，但本发明对这些多个的指针进行简单的操作。注意，天线阵列可以用于使基站到达的信号无效(null out)，这些信号未经移动单元或运行本发明MUD的基站进行处理。这样，例如能够使用本发明的MUD来减少来自同一信元中其他用户的干扰，而使用天线阵列来减少来自其它小区的干扰。

虽然本发明的某些特征已经在这里图示说明并被描述，但是现在本领域技术人员可以想到许多修改、替换、变化和等效物。因此，应当理解，在附录后所附的权利要求将所有这样的修改和变化覆盖在本发明真正宗旨的范围内。

                      附录A：串道矩阵

(用于单符号实现的)串道矩阵被定义为： $M\left(\mathrm{n\; Mod\; L}\right)\&equiv;{\left[\begin{array}{cc}I& \underset{.}{\overset{.}{.}}{R}_{\mathrm{1,0}}\left(\mathrm{n\; Mod\; L}\right)\\ R_{\mathrm{0,1}}\left(\mathrm{n\; Mod\; L}\right)\underset{.}{\overset{.}{.}}& I\end{array}\right]}_{2K\&times;2K}$

                      方程式39

其中I是K乘K的单位矩阵，而R_k，i是如下定义的交叉关联矩阵： $R_{k,i}\left(n\right)\&equiv;\underset{j=-J}{\overset{J}{\mathrm{\&Sigma;}}}[\mathrm{Rp}({\mathrm{\&Delta;}}_{k,i}+j,n)+\mathrm{Rn}({\mathrm{\&Delta;}}_{k,i}+j,n)\&CenterDot;\mathrm{\&rho;}(j\&CenterDot;\mathrm{OS}+{\mathrm{\&Omega;}}_{k,i})$

                      方程式40

其中J是预定值。

变量ρ(t)是以OS乘码片的速率抽样得到的合并发射和接收滤波响应： $\mathrm{\&rho;}\left(t\right)\&equiv;\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}{h}_{\mathrm{Tx}}(t\&CenterDot;T_c/\mathrm{OS}-\mathrm{\&tau;})\&CenterDot;h_{\mathrm{Rx}}\left(\mathrm{\&tau;}\right)\&CenterDot;\mathrm{d\&tau;}$

                      方程式41

其中h_Tx和h_Rx分别是发射和接收滤波响应，而T_c是码片周期。实际中，ρ(t)迅速降为零，因此，有限数目的元素J能够用在方程式40 $R_{k,i}\&equiv;\underset{j=-J}{\overset{J}{\mathrm{\&Sigma;}}}[\mathrm{Rp}({\mathrm{\&Delta;}}_{k,i}+j,n)+\mathrm{Rn}({\mathrm{\&Delta;}}_{k,i}+j,n)\&CenterDot;\mathrm{\&rho;}(j\&CenterDot;\mathrm{OS}-{\mathrm{\&Omega;}}_{k,i})$ 中。

应当注意的是，Δ_k，i≡[(d_k-d_i)/OS]，而d_k是与第k个多径分量相关的延迟(在抽样中)，即Δ_k，i是多个码片中第k和第i个指针之间的延迟差。Ω_k，i是这些指针之间的分数延迟，并因此由d_k-d_i-Δ_k，i·OS给出。不失一般性，下面假设：

                      0＝d₀＜d₁＜…＜d_k

                           d_k＜N

                          |Δ_k，i|＜N

                      方程式42

对于d＞0，该交叉关联性矩阵由下式给出： $\mathrm{Rp}(d,n)\&equiv;\frac{1}{N}{P(n\&CenterDot;N)}^{+}\&CenterDot;(I\left(N\right)-I\left(d\right))\&CenterDot;P(n\&CenterDot;N-d)$

                      方程式43 $\mathrm{Rn}(d,n)\&equiv;\frac{1}{N}{P(n\&CenterDot;N)}^{+}\&CenterDot;I\left(d\right)\&CenterDot;P(n\&CenterDot;N-d)$

                       方程式44

对于d≤0，该交叉关联性矩阵由下式给出： $\mathrm{Rp}(d,n)\&equiv;\frac{1}{N}{P(n\&CenterDot;N)}^{+}\&CenterDot;I(N-|d\left|\right)\&CenterDot;P(n\&CenterDot;N+|d\left|\right)$

                      方程式45 $\mathrm{Rn}(d,n)\&equiv;\frac{1}{N}{P(n\&CenterDot;N)}^{+}\&CenterDot;(I\left(N\right)-I(N-|d\left|\right))\&CenterDot;P(n\&CenterDot;N+|d\left|\right)$

                      方程式46

其中：

                      方程式47

表示用于扩展第i个用户的第n个符号的N个码片的序列，其中N是扩展因子。注意，在蜂窝术语中，PN_i(k)是第i个用户的合并的PN序列和Walsh/Hadamard码。

                      方程式48

是保持所有K个用户的第n个符号的扩展码的NxK特征矩阵。

矩阵I(d)是NxN的对角矩阵，其主对角上的第一个d元素为一而所有其它元素都为零(因此，I(N)仅是单位矩阵。P(n·N-d)是其第i列如下表示的矩阵

                       方程式49

对于图2的多符号模式，串道矩阵M由下式给出： $M\left(\mathrm{n\; Mod\; L}\right)\&equiv;$

                       方程式50

其中，为了符号的简短，“(n Mod L)”被省略而用来自矩阵分量的“n”来代替，并且 表示KxK的零矩阵。现在给出交叉关联矩阵： ${\mathrm{Rp}}_{k,i}\left(n\right)\&equiv;\underset{j=-J}{\overset{J}{\mathrm{\&Sigma;}}}\mathrm{Rp}({\mathrm{\&Delta;}}_{k,i}+j,n)\&CenterDot;\mathrm{\&rho;}(j\&CenterDot;\mathrm{OS}-{\mathrm{\&Omega;}}_{k,i})$

                      方程式51 ${\mathrm{Rn}}_{k,i}\left(n\right)\&equiv;\underset{j=-J;\mathrm{Sign}\{{\mathrm{\&Delta;}}_{k,i}+j\}=\mathrm{Sign}\left\{{\mathrm{\&Delta;}}_{k,i}\right\}}{\overset{J}{\mathrm{\&Sigma;}}}\mathrm{Rn}({\mathrm{\&Delta;}}_{k,i}+j,n)\&CenterDot;\mathrm{\&rho;}(j\&CenterDot;\mathrm{OS}-{\mathrm{\&Omega;}}_{k,i})$

                      方程式52

其余的元素在上文中被定义。

Claims (30)

1、一种发射信号的多用户检测器，每个信号具有循环和信道变化，该检测器包括：

解扩器库，解扩所述的发射信号来产生解扩信号；和

处理器，接收所述的解扩信号并分别处理所述的循环和信道变化。

2、按照权利要求1的多用户检测器，其中所述的处理器包括：

循环变化处理器，通常处理所述发射信号的循环变化；和

信道变化处理器，与所述循环变化处理器通信，处理至少所述发射信号的信道变化。

3、按照权利要求2的多用户检测器，其中所述的循环变化处理器包括：

加权算子，用至少一个抽头加权对所述解扩信号加权；和

抽头加权生成器，至少从一循环码产生所述的至少一个抽头加权。

4、按照权利要求3的多用户检测器，其中所述的抽头加权生成器执行最小均方误差性能准则并且利用产生所述信道变化的信道统计。

5、按照权利要求3的多用户检测器，其中所述的抽头加权生成器是去相关器。

6、按照权利要求3的多用户检测器，其中所述的抽头加权生成器执行近似最小均方误差性能准则并且利用产生所述信道变化的信道统计。

7、按照权利要求3的多用户检测器，其中所述的抽头加权生成器是自适应的。

8、按照权利要求1的多用户检测器，其中所述发射信号是直接序列、码分多址(DS-CDMA)信号并且所述循环变化至少部分是由于横跨一个以上符号的扩展码。

9、按照权利要求3的多用户检测器，其中所述的抽头加权生成器包括一初始化装置和一执行装置，该初始化装置生成通常的固定循环矢量，该执行装置用非循环加权修改所述的循环矢量。

10、按照权利要求8的多用户检测器，其中所述的处理器每次处理一个符号。

11、按照权利要求8的多用户检测器，其中所述的处理器每次处理一个以上的符号。

12、按照权利要求2的多用户检测器，其中所述的信道变化处理器利用平均信道效应。

13、按照权利要求2的多用户检测器，其中所述的信道变化处理器利用测量的信道效应。

14、按照权利要求1的多用户检测器，其中所述的处理器解调一个发射信号。

15、按照权利要求1的多用户检测器，其中所述的处理器解调一个以上的发射信号。

16、按照权利要求1的多用户检测器，其中所述的信道变化处理器在输出上连接到另一个多用户检测器。

17、按照权利要求16的多用户检测器，其中所述的处理器在来自K1个用户的信号上操作而所述的另一个多用户检测器在由所述处理器产生的K2+1个信号上操作，其中K2＜K1。

18、按照权利要求3的多用户检测器，其中所述的循环变化处理器包括多个指针处理器，每个所述发射信号的每指针一个，其中每个所述指针处理器包括：

多个抽头加权矢量乘法器，每指针一个，其中矢量乘法器用每个所述指针对抽头加权的矢量进行矢量相乘，每个指针和每个指针处理器一个；和

加法器，将所述抽头加权矢量乘法器的输出相加。

19、按照权利要求18的多用户检测器，其中所述的信道变化处理器包括：

多个信道乘法器，每指针处理器一个，每个乘法器用其相关信道估计乘以一个指针；和

加法器，将所述信道乘法器的输出相加。

20、按照权利要求3的多用户检测器，其中所述的抽头加权是循环的。

21、在蜂窝式通信***的移动单元中的一种发射信号的多用户检测器，每个信号具有循环和信道变化，该检测器包括：

解扩器库，解扩所述的发射信号来产生解扩信号；和

处理器，接收所述的解扩信号并分别处理所述循环和所述信道变化来解调一个所述发射信号。

22、按照权利要求21的多用户检测器，其中所述的处理器包括：

循环变化处理器，通常处理所述发射信号的循环变化；和

信道变化处理器，与所述循环变化处理器通信，处理至少所述发射信号的信道变化。

23、按照权利要求22的多用户检测器，其中所述的循环变化处理器包括：

加权算子，用至少一个抽头加权对所述发射信号加权；和

抽头加权生成器，至少从循环码产生所述至少一个抽头加权。

24、在蜂窝式通信***的基站中的一种发射信号的多用户检测器，每个信号具有循环和信道变化，该检测器包括：

解扩器库，解扩所述的发射信号来产生解扩信号；和

处理器，接收所述的解扩信号并分别处理所述循环和所述信道变化来解调一个以上的所述发射信号。

25、按照权利要求24的多用户检测器，其中所述的处理器包括：

循环变化处理器，通常处理所述发射信号的循环变化；和

信道变化处理器，与所述循环变化处理器通信，处理至少所述发射信号的信道变化。

26、按照权利要求25的多用户检测器，其中所述的循环变化处理器包括：

加权算子，用至少一个抽头加权对所述发射信号加权；和

抽头加权生成器，至少从一循环码产生所述至少一个抽头加权。

27、在具有多个天线的蜂窝式通信***中的一种由所述天线接收的信号的多用户检测器，每个信号具有循环和信道变化，该检测器包括：

解扩器库，解扩所述的接收信号来产生解扩信号；和

处理器，接收所述的解扩信号并分别处理所述循环和所述信道变化。

28、按照权利要求27的***，其中所述的循环变化至少部分归因于具有基站部分和用户部分的扩展码，其中所述信号被合并来减少来自其扩展码不同于所述循环变化中发现的扩展码的基站的干扰。

29、按照权利要求1的多用户检测器，其中所述的循环变化至少部分归因于具有基站部分和用户部分的扩展码，其中所述发射信号来自具有相同基站部分的多个用户。

30、按照权利要求1的多用户检测器，其中所述的循环变化至少部分归因于具有基站部分和用户部分的扩展码，其中所述发射信号来自多个用户，但该多个用户中至少一个用户具有不同于其余用户的基站部分。

Images