CN1137551C - 在直接序列扩频通信系统中用于多径延时估计的方法和设备 - Google Patents

Abstract

在一个多径衰落信道中传送的直接序列扩频(DS-SS)信号的多径延时估计是通过测量信号包络以确定新的延时估值的方法实现的。延时估值也通过减去较强射线对较弱射线的影响，按射线强度次序得到。这种相减方法可迭代地进行，以便能进一步改进延时估值。延时估值也可通过将被测的相关函数和被模拟的相关函数之间的均方误差(MSE)为最小来确定。最小均方误差(MMSE)方法可迭代地进行，以进一步改进延时估值。最大似然率(ML)延时估值也可通过利用有关发送和接收脉冲形状的边信息来获取。

Description

在直接序列扩频通信系统中用于 多径延时估计的方法和设备

                      发明领域

本发明涉及一种用于估计多径无线电信号传输延时的方法和设备，更具体而言涉及一种在使用直接序列扩频技术的远程通信系统中用于估计多径信号延时的方法和设备

                      发明背景

因为更多的无线电谱对于商用已可得到，蜂窝电话也已十分平常，无线电通信的领域正在以非凡的速度扩展。另外，当前有一种从模拟通信向数字通信的演变。在数字通信中，语音由一系列被调制并从基站发送到电话的位来表达。电话将接收到的波形解调以恢复这些位，然后被变回到语音。对于数据服务也有不断增长的需要，例如电子邮件和因特网接入，这些都需要数字通信。

有许多类型的数字通信系统，传统上，频分多址(FDMA)被用于将频谱分成许多相应于不同载波频率的无线电信道。可将这些载波进一步分为时隙，一种称为时分多址(TDMA)的技术，正如在D-AMPS，PDC，和GSM数字蜂窝系统中所做的那样。

如果无线电信道足够宽，利用扩频(SS)技术和码分多址(CDMA)，多个用户可以使用相同的信道。IS-95和JSTD-008是CDMA标准的例子。利用直接序列扩频(DS-SS)，信道符号可由称为片的符号序列来表示。这样在频带上扩展信息符号。在接收机上，将对片序列的相关用来恢复该信息符号。扩频允许系统工作在低的片信噪比(SNR)上。如果热噪音并不太大，则来自其他用户的噪音是可容许的和多个用户的信号可以在相同的时间上占据相同的带宽。

无线电信号被从各种物体上反射和散射，引起多径传播。结果，信号的多重图象到达接收机天线。当这些图象具有相对于片周期大体上相同的延时时，则它们引起衰落。衰落发生是因为这些图象相加有时相长，有时相消。当这些图象以相对于片周期不同的延时到达时，它们可被看作信号的回波并经常被称为“可分辨多径”，“射线”，或简称为“多径”。

为了有效和可靠地通信，接收机应该通过从不同的多径收集信号能量来利用多径衰落信道。这是通过采用一种RAKE接收机达到的，这种接收机利用相关方法单独地检测每个回波信号，校正不同的时延，并且将检测到的回波信号相干地组合起来。RAKE接收机包括许多处理部件或“手指”。接收机必须估计多径的延时并给每个延时分配一个手指。然后该手指将信号图象去扩频。手指的输出是梳状的，是通过将它们加权并迭加在一起组合而成的。

对于移动通信，电话或环境是移动的，以致多径延时是随时间变化的。为了保持性能，延时估计步骤必须能够跟踪多径延时。传统的延时跟踪方法是提前/滞后门和tau-dither方法。利用这些方法，在所估计的延时的稍前和稍后测量该信号能量。当所估计的延时是正确的情况下，提前和滞后测量应该近似相等，因为片脉冲波形围绕其峰值对称地减少，当检测到不平衡时，为了恢复平衡要调节延时估值。

尤其是，用于每个RAKE接收机手指的是提前-滞后门(ELG)操作如下，每个ELG被提供有信道路径之一的初始延时估值τ_est。用于每个路径的初始延时估值，在典型情况下是离该路径的精确延时τ_exact半个伪噪音(PN)码片之内，即，|τ_exact-τ_est|≤0.5T_C。ELG在本地PN码和接收到的DS-SS信号之间做两个相关。一个相关利用延时τ_est+δ，即，提前相关，而另一个利用延时，τ_est-δ，即，滞后相关。典型情况下δ值是0.5T_C，或稍小些。图1示出接收到的SS信号对τ的相关函数的一个例子。分别用C(τ_est+δ)和C(τ_est-δ)给出提前和滞后相关。

提前和滞后相关的结果，将C(τ_est+δ)和C(τ_est-δ)比较并更新初始估值τ_est。例如，在图1中提前相关结果C(τ_est+δ)大于滞后相关结果C(τ_est-δ)。因此，将初始分配的延时τ_est增加一个小的值∈＜δ，新的估值成为τ_estlnew＝τ_estlold+∈。此过程被连续地重复。最后，所估计的延时τ_est在多次迭代以后收敛到精确的信道路径延时τ_exact。在这种情况下，即当τ_est＝τ_exact时，提前和滞后相关的结果成为相等，τ_est不再改变。ELG依赖于这样的事实，即由发送的SS码和本地码的相关产生的相关函数是对称的。因此，当τ_est＝τ_exact时，在τ_est+δ和τ_est-δ上的提前和滞后相关结果是相等的。当在图3中由方框304所示的信道是一个单路径时就是这种情况。图1示出在这种情况下相关函数的一个例子。然而，当在图3中的方框304所示的信道是一个多径衰落信道时，该相关函数不再是对称的。

例如，图2示出一个两路径衰落信道中的相关函数。由两路径组合的总相关函数由虚线给出。如果信道在延时τ_1.exact和τ_2.exact上有两个路径，其中τ_1exact＜τ_2exact，那末被分配跟踪第二路径的ELG，在τ_2est+δ上的提前相关和在τ_2.est-δ上的滞后相关，即使τ_2.est＝τ_2.exact，也将具有不同的相关值。滞后相关受来自其他路径干扰的影响要比提前相关多。因此，如图2中所示，即使τ_2.est＝τ_2.exact，提前和滞后相关并不相等，τ_2.est将用∈增加或减少直到提前和滞后相关相等为止。当提前和滞后相关相等时，τ_2.est＝τ_2.exact。因此，在一个多径衰落信道中，通常的ELG不能够精确地跟踪多径延时。在下文中报告了这种缺点，“Frequencyselective Propogation Effects on Spread Spectrum ReceiverTracking”，by Robert L.Bogusch，Fred W.Guigliano，Dennis L.Knepp，and Allen H.Michelet ，Proceedings of theIEEE，Vol.69，No.7，July 1981，但未提供解决办法。

在下文中给出对于ELG方法的一种替代方案，Baier et al.，“Design Study for a CDMA-based third-generation mobile radiosystem”，IEEE Journal on Selected Areas in Communications，Vol.12，pp.733-743，May 1994。在这篇文章中，每个片周期对基带信号采样两次。在逐帧的基础上估计延时，利用数据有关的去扩频序列和匹配滤波器(滑动相关器)对数据去扩频。这种方法提供一种对应于间隔为Tc/2的延时的相关值序列，其中Tc是片周期。取此序列的幅度平方，然后与其他的测量值作平均，提供一个估计的延时功率谱。然后对于最强的射线搜寻这种延时功率谱。

人们关心这种方法是在于，当片脉冲形状是相当宽时，将找到几个互相挨着的峰值，它们实在对应的只是一条射线。每片要取较多样本时这个问题会更明显。

另一个关注的问题，也是对于ELG方法关注的问题，是路径间的干扰，这可能使得所选取的峰值并不对应于实际的延时。

                        发明概述

本发明解决了当一个直接序列扩频(DS-SS)信号在一个多径衰落信道中传送时的多径延时估计问题。在一种实施方案中，测量关于延时估值的信号包络并用于确定新的延时估值。在另一种实施方案中，减去较强射线对较弱射线的影响，按射线强度次序获得延时估值。相减的方法可被迭代地执行，以便进一步地改进延时估值。也可通过最小化或最大化度量来确定延时估值。基于度量的方法也可被迭代地执行。尤其考虑两种度量；最小均方误差(MMSE)和最大似然率(ML)。

                         附图简述

通过以下结合附图阅读最佳实施方案的详述，将使本发明的其他目的和优点对于本领域的技术人员来说变得更加明显。在附图中相同的部件用相同的标号来标记。

图1用作说明对应于单一路径信道的相关函数；

图2用作说明对应于双路径衰落信道的相关函数；

图3按照本发明的一种直接序列扩频通信系统的方框图；

图4更详细地示出图3的基带处理器的方框图；

图5用作说明在本发明的一种实施方案中两个相关器的相关结果；

图6按照本发明执行基于包络估计的一种系统的方框图；

图7按照本发明，执行基于包络估计带减法的一种系统的方框图；

图8按照本发明，执行基于包络估计带减法和迭代的一种系统的方框图；

图9按照本发明，执行基于度量的延时估计的一种系统的方框图；

图10用作说明，按照本发明，执行基于度量的延时估计的过程；

图11按照本发明，执行基于迭代度量的延时估计的一种系统的方框图；

图12用作说明，按照本发明，执行基于迭代度量的延时估计的过程；和

图13按照本发明，一种最大似然率估计系统的方框图信号模型。

                         发明详述

现在连同一个基于导频信道的系统如IS-95下行，来描述本发明。对于这样一种系统的导频信道是未调制的。然而，本发明也可应用到其他系统，例如采用已调制的导频信道，导频符号，或根本无导频信号的系统。本发明也被描述在延时跟踪的正文中。可见，本发明也可应用于初始延时估计，在其中没有以前已估计的延时要更新。

一种采用本发明的DS-SS通信系统被示于图3中。DS-SS发射机303通过无线电信道304发送DS-SS信号，它被由RF部分301和基带处理器402组成的接收机接收。RF部分将此信号放大，滤波，并下混频为基带频率，典型情况下为OH_E，此信号典型情况下也被采样和量化，产生数据样本，对于用作说明的目的，我们假定每个片周期Tc有N个样本。

基带处理器402详细地示于图4中，基带信号被供给延时搜索器421，延时估值器422和RAKE接收机423。延时搜索器421作多径延时的初始，粗略估计并给延时估值器422提供这些初始估值。RAKE接收机423包括许多解调手指，每个RAKE接收机手指需要与信道路径之一连续同步。这意味着在此手指中使用的本地去扩频码和接收到的信道路径之一的去扩频码之间的不一致必须接近零。因此，RAKE接收机必须被提供此信道中多径的延时。

延时估值器422改进由延时搜索器提供的多径延时估值，并继续跟踪这些延时，给RAKE接收机手指提供精确的延时估值。延时估值器422是本发明的主体。

为表达的目的，我们一般假定一个有精确延时τ₁，τ₂，…，τ_M的M路径的多径衰落信道。在大多数的解决办法中，我们假定RAKE接收机有数量L≤M的相关器来估计最强的L路径。相关器号l被分配一个相应于信道路径号l的初始估计延时τ_1.est，其中l＝1，2，…或L。这个初始分配是由图4的延时搜索器方框421执行的。

相关器号l执行围绕τ_1.est的延时上的许多相关。例如，可以在延时λ₁(n)＝τ_1.est+n∈，上执行N+1相关，其中l＝1，2，…L，∈是如图5所示的采样周期。在这种表达中，我们假定N是偶数，n在[-N/2，N/2]范围内。这意味着N+1个相关是以在已估计的延时，τ_1.est上的相关为中心的。图5示出对于L＝M＝2和N＝8(即，9个相关)的情况下相关的例子。因此，相关结果C₁(n)是在延时λ₁(n)上，并由相关器号l执行。因此，如图5中的垂直箭头所示，我们有(N+1)个相关结果。这些相关结果，C₁(n)，被存储和处理。在本文中，我们描述本发明的实施方案，用于处理相关结果并对于最强的L路径得出信道延时τ₁的精确估值，其中1≤l≤L。替代的方案是，我们可以利用相关结果来找出所有信道延时τ₁的精确估值，其中1≤l≤M，并且只利用相应于最强的L路径的L延时供解调之用。在本文中的表达假定第一情况，即1≤l≤L。

在第一最佳实施方案中，利用基于包络的估值，对于基于包络的估值，|C₁(n)|²的最大L值被成功地选出，给出由最小延时分隔，典型情况下是一个片周期Tc的数量级，隔开的相应延时λ₁(n)。相应的延时λ₁(n)被分配给L相关器作为对于τ_1，est的新的估值。

图6示出执行这些操作的一种系统的方框图。来自L方框661的每个方框在延时λ₁(n)上执行N+1个相关以产生结果C₁(n)。这些相关结果被存储在方框662中。一旦所有的相关被完成，方框663选择所有|C₁(n)|²中的最大者，其中1≤l≤L和-N/2≤n≤N/2，并且将第一(最强的)延时估值τ_1，est修改为相应的λ₁(n)。方框663也删除以所选的值λ₁(n)为中心的D个相关(即设置为零)。这就保证下一个所选的延时至少离第一延时估值D∈/2，这样就防止延时估值成群。例如，D∈/2的值可被选为等于一个片周期，半个半周期，或另一个适当的值，方框664重复在方框663执行的相同过程以找出下一个延时估值τ_2，est。该过程被重复L次直到第L个方框665找到估值τ_1，est。

新的估值被回送到方框666，将它们分派给RAKE手指和相关器方框661。该过程以新的相关继续重复，利用新的估值，提供延时估值并跟踪多径信号。为了避免对信道跟踪有不利影响的延时突变，现有的延时可被调节，朝新的延时移动每个延时更新周期∈大小的一步或多步。

在图6中，L个相关器661的方框提供所需的L(N+1)个相关。每个相关器可以是一个简单的积分和转储相关器，所以每次N+1个相关中只有一个被执行。相关器也可以是一个滑动相关器，它较快地产生N+1个相关。最后，L个相关器661的方框可由一个单一的滑动相关器来代替，在最早到达的射线以前的N/2个样本到最后到达的射线以后N/2个样本期间的窗中产生相关。在这种情况下，选择设备663，664和665具有一个相邻的相关集和，代替一个L集，可能不相邻的N+1相关子集一起工作。同样利用一个单一的，滑动相关器应用到所有后继的实施方案。

将D个相关置零有效地使有关的D延时值免于被考虑。一种替代的办法是并不使相关值置零，而是在一个相关值子集上执行搜寻最大相关值。该子集排除围绕以前所选值为中心的那些延时值。

第二最佳实施方案利用基于包络的估值带减法，对于基于包络的估计带减法，利用发送信号和本地PN码之间相关函数的已知特性，相关函数最好是片脉冲形状自相关函数或发送和接收滤波器的响应，它也可包括扩频码的影响，相关函数是一种形式的边信息，边信息是帮助延时估计过程的信息。在一个多径衰落信道中，在信道中的每个路径产生相关函数之一。所有路径的相关函数互相干扰，如上所述，图2示出在一个两路径衰落信道中的相关函数的一个例子。每个单独路径产生的相关函数在形状方面与图1所示的对于单一路径信道的类似。然而，实际上两路径互相干扰，纯粹的相关函数在图2中由虚线所示，虽然对于一个路径的相关函数的形状是事先已知的，但纯粹的相关函数事先并不知道，因为它取决于路径延时和增益，这些是事先不知道的。

本实施方案的目的是利用对于每个单独信道路径的相关函数形状的知识，除去路径间干扰，路径间干扰是相关器号l接收来自其他路径，即，路径≠l的干扰。如果该信道只有一个单位增益的路径，让接收到的DS-SS信号和本地PN码之间的相关函数标记为P(τ)。此P(τ)示于图1中并是事先已知的，或者是当只有一个路径存在时被估计的。

在本方法中的步骤如下：

1.参考图7，方框771和772执行图6中方框661和662相同的功能，对每个延时λ₁(n)找出C₁(n)。然而并不做删除D相关的工作。

2.也和第一实施方案中那样，方框773找出最大的|C₁(n)|²和相应的延时λ₁(n)，此延时被用作第一估值并标记为τ_1.est，相应的相关值被标记为C_1，est。例如，参考图5，|C₁(3)|²是最大的。因此τ_1.est＝λ₁(3)和C_1，est＝C₁(3)。

3.我们假定此第一估值是精确的，利用它从所有其他相关结果中减去一个路径相关函数的影响。因此，我们执行减法：

          C₁(n)|_new＝C₁(n)|_old-C_1，estp[λ₁(n)-τ_1.est]

对于l和n的所有值的所有被计算的相关值C₁(n)。例如，因为第一估值是C_1，est＝C₁(3)和τ_1.est＝λ₁(3)对，我们从对于l和n所有值的所有被计算的相关值C₁(n)减去函数C₁(3)P[λ₁(n)-λ₃(3)]。利用这种方法，并参看图2，我们试图从由虚线所示的纯粹相关函数减去最强的路径，路径1的相关函数。如果第一估值是精确的，用精确的权在精确的位置中执行减法，余数将是路径2的相关函数。因为第一估值是利用最强路径完成的，第一估值具有高的正确概率。

4.在方框774上第一减法以后，在方框775最大的|C₁(n)|²再次被选取，相应的延时λ₁(n)被找到。比如说，|C₂(1)|²是最大的。然后第二估值被宣布为τ_2.est＝λ₂(1)和相应的相关结果C_2.est＝C₂(1)。

5.然后，在方框776中以下的减法被执行：

       C₁(n)|_new＝C₁(n)|_old-C_2.estp[λ₁(n)-τ_2.est]

此减法是对于所有值的所有相关结果|C₁(n)|old(已经经受过第一减法)执行的，其中

          1≤l≤L和-N/2≤n≤N/2

6.利用跟随方框776的方框，此过程被重复，直到在方框779中L个被选的延时λ₁(n)被作为新的估值τ_1.est分派到相关器。在对所有的L个路径估值以后此过程用新的相关继续重复以提供延时估值和跟踪多径信号。

第三最佳实施方案利用基于包络带减法和迭代。在本方法中，以前方法之一或任何其他估计方法首先被用于作所有L个延时的初始估值。然后，这些延时并未被方框666或779分派到RAKE手指或相关器。或者，原来的，未被减的相关结果C₁(n)被迭代地用于更多的减法迭代，以便在将它们分派到RAKE手指和相关器以前改进延时估值。

参考图8，迭代过程如下：

1.所有原来的，未被减的相关结果C₁(n)被存储。这些在此将被标记为C₁(n)|orig。在方框881中完成。方框881可代表任何延时估计方法。相关结果的复制品，C₁(n)|orig被发送并存储在每个方框882，883，…至884中，使得每个方框有其自己的复制品，利用以上方法之一(或者现有技术方法)也产生初始延时估值τ_1.est和相应的相关结果C_1.est，其中1≤l≤L。

2.开关885首先被设置到上面的连接点，初始延时估值被发送到方框882，883，…至884作为迭代的开始值。以后，开关885被设置到下面的位置。

3.L个方框882，883，…至884中每一个被用于为一个路径重新估计延时。对于用作重新估计一个相应的路径号f(在方框882中f＝1，而在方框883中f＝2，等等)的每个方框，以下的减法被执行以重新估计路径号f的延时τ_f.est。利用所有存储在此方框中的原来的相关结果C₁(n)|orig执行减法，对于1≤l≤L和-N/2≤n≤N/2的所有值进行操作。

在所有方框中同时完成。事实上，这种减法抵消或除去由其他路径，即所有路径≠f，引起的对路径f的干扰。原来的，未被减的C₁(n)|orig的值的复制品也被保留。

4.在相减以后，被更新的|C₁(n)|new|²的最大值被找到，其相应的延时λ₁(n)被选τ_f.est的一个新的估值。此过程对于1≤f≤L的所有值在方框882至884中完成。

5.新的估值被通过开关885回送，相同的步骤被再次重复多次以改进估值。减法始终在保留在存储器中的原来的C₁(n)|orig值上执行。

例如，设L＝3和由以前的方法估计的延时为τ_1.est，τ_2.est和τ_3.est。为了改进τ_1.est的估值，即f＝1，我们执行以下对C₁(n)的减法：

从所有的l和n值，对所有的原来的相关值的C₁(n)|orig进行操作。这个过程减去由信道路径2和3引起的干扰。然后，|C₁(n)|new|²的最大值被找到，其相应的延时λ₁(n)被选作τ_1.est的一个新的估值。类似的减法同时对第二和第三延时执行，新的延时估值可用于更多的减法迭代以进一步改进估值。

在本发明的第四最佳实施方案中，我们寻找使一种度量为最小的延时，例如，在相关值和加权的，延时的相关函数P(τ)之和之间的均方误差。通常，度量是一种成本函数，它对一个特定的问题提供对于不同解决办法的性能量度。因此，一种度量可被评估以确定满足特定性能水平或特性的一种解决办法。

参考图9，方框991和992执行与图6的方框661和662以及图7的方框771和772相同的功能。对于L个相关器中每一个有产生相关结果的N+1个候选延时。因此，有总共(N+1)^L个可能的候选延时组合。对于每种组合，对于每个组合，方框993计算一种代表在相关值和加权的，延时的相关函数之和之间的平方误差的度量。方框994存储最佳的度量，在这种情况下是最小度量。在对所有的可能组合计算度量以后，方框994将只保留最小的度量和相应的延时组合。这些延时被送到方框995，方框995将这些延时分派给RAKE接收机和相关器方框991以产生新的(N+1)L个相关。例如，假定L＝3，目的是找出使度量J最小的j，k和m的组合：

其中-N/2≤j≤N/2，-N/2≤k≤N/2和-N/2≤m≤N/2。

在方框993中对于所有的j，k和m组合计算该度量。方框994只保留使此度量最小的j，k和m组合。设所选的组合被标记为

和 然后由方框994产生的延时估值为 ${\mathrm{\τ}}_{1.\mathrm{est}}={\mathrm{\λ}}_1\left(\hat{j}\right),$ ${\mathrm{\τ}}_{2.\mathrm{est}}={\mathrm{\λ}}_2\left(\hat{k}\right),$ 和 ${\mathrm{\τ}}_{3.\mathrm{est}}={\mathrm{\λ}}_3\left(\hat{m}\right),$

对于L的通值，以上描述的度量可被适当地扩展。注意，因为j，k和m中的每一个取值从-N/2到N/2，同样的度量被计算(N+1)^L次。

因为利用以前的方法，计算不需要对L个可能非收敛的相关值子集进行。替代的办法是，此方法可被应用到一个收敛相关值的窗或甚至是多重窗。对于K个样本的单一窗，会有K！/(L！(K-L)！)可能的L个延时的组合，其中“！”表示阶乘(例如，4！＝4×3×2×1)。为了减少复杂性，可以希望利用另一种延时估计技术来获得初始延时估值，然后只考虑落在靠近初始集的延时。图10示出上述过程的流程图，它可发生在，例如，图3的基带处理器402内，更具体而言，在图4的延时估值器422中。在图10中，该过程在步骤1000开始并进行到步骤1002。在步骤1002中，相关值被产生和存储，从步骤1002，该过程进行到步骤1004，在其中选择一个新的延时组合。从步骤1004该过程进行到步骤1006，在其中对于所选的延时组合计算一种度量。从步骤1006该过程进行到步骤1008，在其中确定是否被计算的度量比以前计算的和已存储的度量好。如果新被计算的度量优于已存储的度量，那末该过程从步骤1008进行到步骤1010，在其中存储新被计算的度量和相应的延时组合。从步骤1010该过程进行到步骤1012。如果新被计算的度量并不优于已存储的度量，那末该过程从步骤1008进行到步骤1012。在步骤1012中确定是否最近计算的度量是对于最新可能的候选延时组合。如果不是，那末该过程回到步骤1004。如果是的，则过程从步骤1012进行到步骤1014。在步骤1014中，已存储的对应于最优度量的延时组合被分派给RAKE接收机和相关器方框991。从步骤1014该过程进行到步骤1002，并且重复此循环。

在第五最佳实施方案中，通过利用，例如，MMSE估值执行迭代计算减少为计算此度量所需的计算量。在本方法中，参考图11，我们有L种不同的最小化度量。每种度量被用于估计一个路径的延时。方框1111和1112对应于图9的方框991和992，并执行类似的功能。方框1113应用第一度量L(N+1)次，对应于L个相关器(方框1111)中的N+1个延时，方框1114存储最优度量和相应的延时。此延时是第一估值，该过程以对每级不同的度量在方框1115到1118中重复L次。

例如，考虑L＝3，方框1113对于对应f和j值的(N+1)L个组合估计第一度量，其中1≤f≤L和-N/2≤j≤N/2。这些f和j值被用于扫掠所有可能的延时λf(i)并使该度量最小：

方框1114选择使此度量最小的f和j的组合，设被选取的组合是

和

，它对应于第一延时估值。然后该度量被延伸，方框1115对于h和k的值对它进行估值，其中1≤h≤L和-N/2≤k≤N/2，对于所选的对应于第一延时估值的组合除外，这些h和k值被用于扫掠所有可能的延时λ_n(k)并使该度量最小：

方框1116选择使该度量最小的h和k组合。设被选的组合是

和

对应于第二延时估值。然后该度量被延伸，方框1117对于s和m的值进行评估，其中1≤S≤L和-N/2≤m≤N/2，对应于以前延时估值的所选组合除外。这些S和m值被用于扫掠所有可能的延时λ_s(m)并使该度量为最小：

方框1118选择使该度量为最小的s和m的组合。设被选的组合是和 由此，最后的延时估值是 ${\mathrm{\τ}}_{1.\mathrm{est}}={\mathrm{\λ}}_f\left(\hat{j}\right),$ ${\mathrm{\τ}}_{2.\mathrm{est}}={\mathrm{\λ}}_{f1}\left(\hat{k}\right),$ 和 ${\mathrm{\τ}}_{1.\mathrm{est}}={\mathrm{\λ}}_{\hat{s}}\left(\hat{m}\right).$ 这些延时估值被方框1119分派给RAKE接收机和相关器方框1111以产生新的相关。

计算复杂性的减少取决于如何限制延时。在以前的描述中。延时不允许是相同的。利用这种限制，被计算的度量的数量是：

L(N+1)+[L(N+1)-1]+...+[L(N+1)-L+1]＝L²(N+1)-L(L-1)/2

然而，第一L(N+1)度量被下一个L(N+1)-1度量简单，依次类推。通过要求在长度N+1的L个间隔中每个只有一个延时估值，可以作进一步的限制。对于这种情况，被计算的度量数为：

L(N+1)+(L-1)(N+1)+...+(N+1)＝L(L+1)(N+1)/2

度量再次具有不同的复杂性。注意，在度量之间的公共项可被存储在存储器中并被重新使用。对于L的通值，上述的度量也可被适当地扩展。

图12示出以上所描述过程的流程图。它可发生在，例如，图3的基带处理器402内，更具体而言，在图4的延时估值器422内。

在图12中，过程在步骤1200开始并进行到步骤1202，其中1被设置为零。值1标记L个度量中一个特定值，从步骤1202该过程进行到步骤1204，在其中相关值被产生并存储。从步骤1204该过程进行到步骤1206，在其中1被增量以表明L个度量中的下一个。在这种情况下l等于一表明L个度量中的第一个。从步骤1206，该过程进行到步骤1208，在其中对于取决于新的和以前的延时估值的度量选择一个新的延时估值。从步骤1208该过程进行到步骤1210，在其中计算该度量。从步骤1210该过程进行到步骤1212，在其中确定是否新计算的度量优于以前计算的度量。如果不是，则该过程进行到步骤1216。如果是的，则该过程进行到步骤1214，在其中最优的度量和相应的延时被存储。从步骤1214，该过程进行到步骤1216，在其中确定是否该延时是对该度量最新可能的延时。如果不是，该过程进行到步骤1208，在其中对该度量选择一个新的延时。如果是的，则该过程进行到步骤1218，在其中确定是否该度量是L个度量中最后的一个。如果不是，则该过程进行到步骤1206，在其中1被增量以选择下一个度量。如果是的，则该过程进行到步骤1220，在其中L个被存储的延时估值，即对于L个度量中每一个最佳的延时，被分派给RAKE接收机和相关器。从步骤1220，该过程进行到步骤1202，并重复。

在描述图9-12中，应用MMSE度量。替代办法是，最大似然率估计可被用于寻找最可能的延时值，需要给出接收到的样本和假定噪音(干扰加热噪音)是高斯型的。大体上，接收到的数据的对数似然率函数被最大化。这种办法的副产品包括最大似然率(ML)信道系数估值，可被用于将一个信道系数估值器初始化。

在图13中示出信号模型，示出的是一般情况，其中被用于估计信道的信号具有数据调制a(k)。注意，对于导频信道或导频符号a(k)是已知的，而对数据信道a(k)需要被检测。每种现存的处理技术可被采用，以致对于一个数据信道来说，a(k)是被假定的。扩频序列被标记为P_k(n)，片脉冲形状被标记为f(t)，基带等效发送波形被标记为u(t)，媒介被作为一个带有延时d_j和系数c_j的射线或可分辨的多径的有限集来模型化。噪音被标记为w(t)和接收到的信号被标记为y/(t)。

如图13的信号模型中所示，在方框1302中提供一个具有数据调制a(k)的信息源，在方框1304中被用扩频序列P_k(n)扩频，然后提供给方框1306。在方框1306中，扩频信号被利用脉冲形状f(t)进行处理以产生基带等效发送波形u(t)，然后通过传输媒介1308发送，传输媒介被如上所述带有延时d_j和系数c_j模型化。在方框1310中噪音w(t)被引入信号，最后在方框1312中信号被接收机接收。

我们假定对应于k个符号值的数据被用于估计或更新延时(k＝1，典型值)，使似然率为最大等效于使以下的对数似然率函数为最大： $J\left(\right\{{\hat{c}}_j,{\hat{d}}_j\left\}\right)=\∫-{|y\left(t\right)-\hat{y}\left(t\right)|}^2\mathrm{dt}......\left(1\right)$

其中 $\hat{y}\left(t\right)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}a\left(k\right)\underset{n}{\mathrm{\Σ}}{p}_k\left(n\right)\underset{j}{\mathrm{\Σ}}{\hat{c}}_{j}f(t-{\mathrm{nT}}_c-{\hat{d}}_j-{\mathrm{kN}}_c{T}_c)......\left(2\right)$

其中N_c是每个符号的片数。这种成本函数或度量可通过对基带处理器可得到的量来表达，并假定：

1.在RF和可能的基带部分中的滤波非常近似与脉冲形状f(t)匹配的滤波；和

2.去扩频与扩频序列P_k(n)匹配。

延时估计有赖于去扩频值X_k(t)，其中t被采样。例如，每个片周期8次。这些去扩频值是通过将基带样本r(n)与扩频码的共轭P_k ^*(n)，相关得到的，即 $x_k\left({\hat{d}}_j\right)=\underset{n}{\mathrm{\Σ}}{p_k}^{*}\left(n\right)r({\mathrm{nT}}_c+{k{N}_{c}T}_c+{\hat{d}}_j)......\left(3\right)$

在以上的假定之下，可以看出以上给出的度量等效于度量：

其中信道系数估值是延时估值和脉冲形状自相关函数r_ff(τ)的函数。特别是， $R\hat{c}=x......\left(5\right)$

其中 $R=\left[\begin{array}{cccc}{r}_{\mathrm{ff}}\left(0\right)& r_{\mathrm{ff}}({\hat{d}}_1-{\hat{d}}_2)& r_{\mathrm{ff}}({\hat{d}}_1-{\hat{d}}_3)& \…\\ r_{\mathrm{ff}}({\hat{d}}_2-{\hat{d}}_1)& r_{\mathrm{ff}}\left(0\right)& r_{\mathrm{ff}}({\hat{d}}_2-{\hat{d}}_3)& \…\\ r_{\mathrm{ff}}({\hat{d}}_3-{\hat{d}}_1)& r_{\mathrm{ff}}({\hat{d}}_3-{\hat{d}}_2)& r_{\mathrm{ff}}\left(0\right)& \…\\ ..& ..& \…& \…\end{array}\right]......\left(6\right)$ $\hat{c}={[{\hat{c}}_0\…{\hat{c}}_{f-1}]}^T......\left(7\right)$ $x={[\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{a}^{*}\left(k\right)x_k\left({\hat{d}}_0\right)\…\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{a}^{*}\left(k\right)x_k\left({\hat{d}}_{f-1}\right)]}^T......\left(8\right)$

因此，要考虑候选延时估值，对于每个候选集，可确定信道系数估值并估计度量。使度量最大的候选估值可成为被估计的延时。这示于图9和图10中，度量是ML度量的除外。

度量的各种替代形式是可能的。例如，信道系数估计表达式可被替换到度量表达式中以得到只取决于相关值和脉冲形状自相关函数的度量。脉冲形状自相关函数也可被预先计算并存储在存储器中。

实际上，粗略的或初始的延时估值可通过其他方法得到。然后，通过搜寻初始估值可以组成候选延时估值，以致没有太多的候选者可被考虑。

一种亚-最佳的迭代变型是假定

只包括一个路径，我们通过使度量为最小来估计此路径的延时，这个任务大体上就成为寻找峰值相关。然后，我们选定第一被估延时并假定

包括两个路径，第一已被估值的路径加上第二，未知的延时，我们考虑候选集，具有被设置给第一路径的被估延时的第一延时，但改变第二路径的延时。使度量为最小的第二路径的延时给出第二路径的被估延时。对于最多的延时估计该过程被重复。一旦这种亚最佳方法被完成，通过考虑靠近第一估值集的候选延时集可以执行最佳方法。这示于图11和12中，ML度量被替代使用者除外。

本发明也可应用于多重天线接收，利用分集天线，相控阵，和可能的波束形成技术来实现。在M个输入信道的每一个上执行延时估计。或者每个信道有L个手指或者LM个手指自由地分布在信道之间。联合ML或MMSE度量，以及信号强度选择可被采用。

原理，最佳实施方案和本发明的操作模式已经在上面的技术说明中作了描述。然而，不能将指望被保护的本发明解释为限于所公开的特定实施方案。而在此描述的实施方案应认为是用作说明而不是限制。可通过采用其他的等同物来进行变更和改变，这样做并不偏离本发明的精神。例如，可将ML或MMSE以外的度量用于估计多径延时。因此，明显地在权利要求中规定的本发明的精神和范围内的所有这样的变型，改变和等效物都被包含在内。

Claims (36)

1.一种用于估算在多径信道中的路径延时的系统，包括：

用于产生对应于多个延时值的相关值的装置；和

根据所产生的相关值，为该多径信道的路径产生延时估值，以便提供对不同路径进行信道跟踪中所用的不同延时估值的装置，其中通过基于至少一个包络的对延时值的估算或选择一组延时估算值来产生这些延迟估值。

2.根据权利要求1的系统，其中利用基于包络的对延时值的估值来产生延时估值的装置包括：

用于产生一组延时估值的装置；

根据该组延时估值修改相关值，以处理这些相关值来产生处理的相关值的装置；和

用于利用这些处理的相关值来改进这些延时估值的装置。

3.根据权利要求2的系统，其中用于处理的装置和用于改进的装置包括：

用于计算第一最大相关值的装置；

利用与该最大相关值相关的延时值来产生第一延时估值的装置；

通过修改至少一个相关值来处理这些相关值，从而产生处理的相关值的装置；

用于计算最大的处理相关值的装置；和

利用与该最大处理相关值相关的延时来产生第二延时估值的装置。

4.根据权利要求3的系统，其中该产生装置只为处于包含延时估值的间隔之内的那些延时值产生相关值。

5.根据权利要求3的系统，其中该产生装置为邻近组之内的延时值产生相关值。

6.根据权利要求3的系统，其中该处理装置通过将其设置为零来修改至少一个相关值。

7.根据权利要求3的系统，其中该处理装置通过减去一个与延时值相关的分量来修改至少一个相关值，其中该延时值与该最大相关值相关。

8.根据权利要求7的系统，其中的减法是利用相关值和辅助信息执行的。

9.根据权利要求8的系统，其中该辅助信息是关于片脉冲形状(chip pulse shape)。

10.根据权利要求8的系统，其中该辅助信息是关于扩频序列。

11.根据权利要求3的系统，其中该系统包括一个接收机，还包括利用第一和第二延时估值来检测信息符号的数据检测装置。

12.根据权利要求1的系统，其中利用选择一组延时估计值来产生延时估值的装置包括：

用于产生多个候选延时估值组的装置；

用于计算与每个候选延时估值组相关的度量的装置；

利用该计算的度量从该多个候选延时估值组之中选择一个延时估值组的装置；和

利用所选的延时估值组来产生多个延时估值的装置。

13.根据权利要求12的系统，其中用于产生多个候选延时估值的装置、用于计算度量的装置、用于选择一个延时估值组的装置和用于产生多个延时估值的装置包括：

用于产生候选的第一延时估值的装置；

用于计算与该候选第一延时估值相关的第一度量组的装置；

用于从第一度量组中选择最佳度量以产生第一延时估值的装置；

用于产生候选的第二延时估值的装置；

用于计算与该候选第二延时估值相关的第二度量组的装置；和

用于从第二度量组中选择最佳度量以产生第二延时估值的装置。

14.根据权利要求12的系统，其中相关值仅仅为靠近至少一个初始延时估值的延时而产生的。

15.根据权利要求12或13的系统，其中，

每个度量代表在相关值和相关函数的加权和之间的平方误差，其中的相关函数是利用该多个候选延时估值之一延时了的。

16.根据权利要求12或13的系统，其中每个度量是最大可能的估计度量。

17.根据权利要求12或13的系统，其中每个度量使用与该候选延时估值组之一中的候选延时估值相关的相关值。

18.根据权利要求12或13的系统，其中每个度量使用信道系数估值。

19.根据权利要求12或13的系统，其中每个度量使用脉冲形状信息。

20.一种估计多径信道中的路径延时的方法，包括：

产生对应于多个延时值的相关值；和

根据所产生的相关值为多径信道的路径产生延时估值，以便通过基于至少一个包络的延时值的估算或选择一组延时估计值来为不同路径提供不同延时估值。

21.根据权利要求20的方法，其中产生延时估值的步骤包括步骤：

产生一组延时估值；

通过根据该组延时估值修改该相关值，来处理这些相关值，以产生处理的相关值；

利用该处理的相关值来改进该延时估值。

22.根据权利要求21的方法，还包括重复该处理和改进的步骤。

23.根据权利要求21的方法，还包括将该处理和改进的步骤重复进行，直到多个延时估值中的每一个都被改进了为止。

24.根据权利要求21的方法，其中该处理步骤包括通过减去与该组延时估值集之中的延时相关的至少一个分量来修改至少一个相关值。

25.根据权利要求21的方法，其中该处理相关值和改进该延时估值的步骤包括步骤：

从产生的相关值中选择最大的相关值；

利用对应于该最大相关值的延时来产生第一估值；

通过修改至少一个相关值来处理这些相关值，从而产生处理的相关值；

选择最大的处理相关值；和

利用与该最大处理相关值相关的延时来产生第二延时估值。

26.根据权利要求21的方法，其中该处理步骤包括通过将其设置为零来修改至少一个相关值。

27.根据权利要求26的方法，其中该处理步骤包括通过减去与延时有关的一个分量来修改至少一个相关值，而此延时与最大相关值相关。

28.根据权利要求27的方法，其中该减法使用已知的相关函数。

29.根据权利要求26的方法，其中将选择、更新和处理的这些步骤进行重复，直到将预定数目的延时估值更新为止。

30.根据权利要求29的方法，其中按射线强度的次序来执行这些重复步骤。

31.根据权利要求20的方法，其中该产生延时估值的步骤包括步骤：

在多个延时上产生相关值；

产生多个候选延时估值组；

计算与每个候选延时估值组相关的度量，以产生一些计算结果；

选择这些计算结果之一；和

利用对应于所选的计算结果的候选延时估值组来产生多个延时估值。

32.根据权利要求31的方法，其中产生多个候选延时估值组、计算度量、选择计算结果之一和产生多个延时估值的步骤包括步骤：

产生多个候选第一延时估值；

计算与该候选第一延时估值相关的第一度量组，以产生第一计算结果；

根据该第一计算结果产生第一延时估值；

产生多个候选第二延时估值；

计算与该候选第二延时估值相关的一组第二度量，以产生第二计算结果；和

根据该第二计算结果产生第二延时估值。

33.根据权利要求31或32的方法，其中：该度量代表在这些相关值与相关函数的加权和之间的平方误差，其中的相关函数被利用多个候选延时估值之中的几个进行了延时。

34.根据权利要求31或32的方法，其中利用相关值计算每个度量，而此相关值与在候选延时估值组之一中的候选延时估值有关。

35.根据权利要求31或32的方法，其中利用信道系数估值来计算每个度量。

36.根据权利要求31或32的方法，其中利用脉冲形状信息来计算每个度量。

Images