CN1898924B - 为通信系统执行信道估计的方法和装置 - Google Patents

Abstract

公开了一种为通信系统执行信道估计的方法和装置。

Description

为通信系统执行信道估计的方法和装置

背景技术

多输入多输出(MIMO)系统涉及处理多个通信介质作为单个通信信道。例如，MIMO系统可以将多条独立的双绞线铜导线捆扎成单根电缆作为具有多个输入和多个输出的单个通信信道。然而在给定铜导线上传输的信息易受在邻近铜导线上传播信息的干扰。这种情况通常被称为“串扰”。

通过降低MIMO信道内的串扰量就能够大幅提高MIMO系统的性能。有助于降低串扰的一种技术是对MIMO信道执行估计。改善的信道估计可以导致改善的MIMO系统性能。因此，可能在设备或网络中就需要这些技术的改进。

附图说明

在说明书的结论部分尤其指出并明确声明了本发明的主题。然而通过参考随后的详细描述并结合阅读附图可以最佳地理解作为组织和操作方法的本发明以及它的对象、特征和优点，所述附图包括：

图1示出了适于实施一个实施例的MIMO系统；

图2示出了根据一个实施例的串扰滤波模块(CFM)的框图；

图3示出了根据一个实施例用于CFM的可编程逻辑300；

图4是根据一个实施例示出的CFM性能图示；

图5示出了根据一个实施例的信道估计器的框图；

图6是根据一个实施例示出的由信道估计器执行的可编程逻辑的流程框图；

图7是根据一个实施例示出的信道估计器性能的第一图示；

图8是根据一个实施例示出的信道估计器性能的第二图示；

图9是根据一个实施例示出的信道估计器性能的第三图示；

具体实施方式

各实施例涉及为通信系统执行信道估计的方法和装置。信道估计技术例如可用于抑制使用全双工通信介质(诸如铜导线双绞线、射频(RF)和其他介质)的通信系统内串扰。串扰的实例包括近端串扰(NEXT)和远端串扰(FEXT)。例如在一个实施例中，信道估计技术可用于为使用码间串扰(ISI)或非ISI信道的多输入多输出(MIMO)全双工有线或无线通信系统执行信道估计。

在一个实施例中，信道估计技术可以包括基于训练信道估计的阈值方案。可以通过估计最大似然(ML)估计并在随后使用阈值方案定义或改进ML估计而找出信道脉冲响应(CIR)估计。所得结果是用于MIMO信道的改进CIR估计。

在一个实施例中，可由串扰抑制方案使用该CIR估计以降低或消除MIMO系统的串扰。串扰抑制方案可以抑制例如带限信道内的串扰，并从提供最终串扰抑制电平的均衡中分离出串扰抑制问题。结果是，该实施例对串扰抑制方案的所有输出使用相同的均衡器。

为了能够全面理解本发明将在随后的详细描述中阐述多个指定细节。然而本领域普通技术人员应该理解无需这些具体细节也可实践本发明。在其他实例中，未对周知的方法、过程、组件和线路做出详尽描述从而防止淡化了本发明的主题。应该认识到在此公开的特定结构和功能细节是代表性的并不限制本发明的范围。

应该注意到在说明书中对“某个实施例”、“一个实施例”的任何参考意指在至少本发明的一个实施例中包括了联系实施例而描述的特定特征、结构或性能。出现在说明书各处的短语“在一个实施例中”无需全部指代同一实施例。

现在参考其中类似的部分通篇由类似的编号指代的附图，首先图1示出了适于实现一个实施例的系统。图1是系统100的框图。系统100可以包括多个网络节点。术语“网络节点”在此指代能够根据一个或多个协议通信信息的任何节点。网络节点的实例包括计算机、服务器、交换机、路由器、网桥、网关、个人数字助理、移动设备、呼叫终端等等。在此使用的术语“协议”指代控制信息如何在通信介质上通信的一组指令。

在一个实施例中，系统100可以在各网络节点间通信各种类型的信息。例如，一种信息类型可以包括“媒体信息”。媒体信息指代对用户有意义的任何数据。内容的实例可以包括例如来自语音会话、视频会议、视频流、电子邮件(“email”)消息、语音邮件消息、字母数字码元、图形、图像、视频、文本等等的数据。来自语音会话的数据例如可以是演讲信息、静默阶段、背景噪声、舒适噪声、音调等等。其他类型的信息可以包括“控制信息”。控制信息指代表示对自动化系统有意义的命令、指令或控制字的任何数据。例如，控制信息可用于路由通过网络的信息或指示网络节点以预定的方式处理媒体信息。可以在两个或多个端点之间的数据流中通信媒体和控制信息。在此使用的术语“数据流”指代在数据通信会话期间连续发送的比特、字节或码元的集合。

在一个实施例中，可以将一个或多个通信介质连接至节点。在此使用的术语“通信介质”指代能够携带信息信号的任何介质。通信介质的实例包括金属线、半导体材料、双绞线、同轴电缆、光纤、RF频谱等等。术语“连接”或“互连”及其变化在本文中指代物理连接和/或逻辑连接。

例如在一个实施例中，网络节点可由包括RF频谱的通信介质连接，其中的RF频谱可用于诸如蜂窝或移动系统的无线网络。在此情况下，在系统100中示出的网络节点和/或网络还包括将来自有线通信介质的信号转换成RF信号的设备和接口。这些设备和接口的实例可包括全方向天线、无线RF收发机等等。本文中的实施例不限于此。

在一个实施例中，网络节点以分组的形式进行相互的信息通信。本文中的分组指代一组长度有限的信息，而其长度通常以比特或字节的形式表示。分组长度的一个实例可以是1000字节。可以根据一个或多个分组协议与分组通信。例如在一个实施例中，分组协议可以包括一个或多个因特网协议，诸如传输控制协议/因特网协议(TCP)和互联网协议(IP)。本文中实施例不限于此。

再次参考图1，系统100可以包括使用MIMO通信信道的有线或无线通信系统。例如在一个实施例中，系统100可以包括根据一个或多个基于以太网的通信协议而运转的局域网(LAN)，其中所述通信协议是由电气和电子工程师协会(IEEE)802.3系列标准定义，诸如千兆比特以太网1000Base-T通信系统(″GigabitEthernet″)和高级10GBase-T通信系统等等。虽然本文的一个实施例中是在于兆比特以太网系统环境中示出的，但是应该认识到也可使用任何利用了MIMO信道的其他类型的通信系统，并且这些系统仍落入实施例的范围内。

图1示出了千兆比特以太网系统100的结构。如图1所示，系统100包括网络节点120和122。网络节点120和122都表示具有千兆比特以太网设备的处理系统。千兆比特以太网设备可以实现作为网络接口卡(NIC)的一部分。例如更具体地，网络节点120可以包括一组均衡器(1-N)102、CFM(CFM)104、一组发射机/接收机(“收发机”)(1-N)106和信道估计器116。网络节点122可以具有类似于网络节点120的结构，并可包括一组均衡器(1-M)114、CFM(CFM)112、一组收发机(1-M)110和信道估计器118。在典型实现中，M和N通常相等，但是实施例不限制在本文中。网络节点120和122使用MIMO信道108在相互之间通信信息。虽然为了简洁仅在图1中示出了两个网络节点和一个MIMO信道，但是应该认识到可以使用任何数量的网络节点和MIMO信道并仍落在各实施例的范围内。

系统100能够以约1000兆比特每秒(Mbps)的通信速度在网络节点120和122之间进行信息通信。使用MIMO信道108就可实现1000Mbps全双工数据吞吐量。MIMO信道108例如可以包括捆束在5类(CAT-5)电缆内的四对双绞线铜导线。每对导线都可发送编码成4维5级脉幅调制(4-D PAM-5)信号星座图的205Mbps数据流。大体上可将CAT-5的四对未屏蔽双绞线(UTP)看成是带有4输入4输出的一个信道。由此，每个网络节点可包含四个类似的收发机，各自用于每对物理导线。例如，收发机1至N的每个发射机可以与相应的收发机1至M的接收机成对。混合电路(未示出)有助于相同导线上的双向数据传输。

在系统100的初始化过程中，成对的收发机通过训练阶段尝试表征MIMO信道108。信道估计器116和118可以控制或辅助训练阶段。信号可以在各自的发射机和接收机之间通信，并且可以测量MIMO信道108的至少一个特性，诸如信道脉冲响应、幅度电平、信号形状、信号失真、串扰脉冲响应、时间切换和延迟等等。由接收设备接收的通信信号是预定信号，而且期望值的偏差也由接收设备记录。

造成偏差的一个因素是串扰噪声。诸如FEXT噪声的串扰噪声可由来自一通信路径或数据流的信号能量与在一个或多个其他通信路径或数据流中的信号相互干扰所引起的。也就是说，串扰噪声表示当信号从发送端传播至接收端时在两对或更多传输对之间的非期望耦合。串扰噪声会影响接收机解码特定数据流的能力，还会影响MIMO信道108的速率或带宽。

在一个实施例中，为了估计潜在的串扰噪声可以使用信道估计器116和118来执行MIMO信道108的信道表征。信道估计器116和118可以估计在每个发射机和每个接收机之间的信道脉冲响应值。因此对于有N个发射机和M个接收机的MIMO系统，在训练阶段之后应获取N×M个脉冲响应。这些信道脉冲响应随后可用于构建MIMO信道脉冲响应矩阵。因此，信道估计器116和118分别将信道脉冲响应值送入CFM 104和112。CFM 104和112可以使用信道脉冲响应值来帮助创建用于抑制串扰噪声的合适滤波器。随后就参考图5-9详细讨论信道估计方案。

例如在一个实施例中，CFM 104和112分别可以接收来自信道估计器116和118的CIR估计。每个CFM可以使用CIR估计来合成或创建有助于降低或对消耦合至MIMO信道108的接收机处串扰噪声的滤波器。因此在一个实施例中，可以在训练阶段之后合成滤波器。随后就参考图2详细讨论CFM 104和112。

信道滤波

图2根据一个实施例示出了一个CFM。图2可以示出CFM 200。例如，CFM可表示CFM 104和112。在一个实施例中，CFM 200包括一个或多个模块。例如在一个实施例中，200包括信道脉冲响应(CIR)矩阵发生器202、串扰抑制滤波(CSF)矩阵发生器204和滤波器206。虽然能够以实例的方式描述这些模块，但应该认识到可以使用更多或更少的模块数并仍处于实施例范围之内。此外，虽然为方便描述以术语“模块”描述了实施例，但是一个或多个电路、组件、寄存器、处理器、软件子程序或者它们的任何组合都可以代替上述组件的一个、几个或全部。

如图2所示，CIR矩阵发生器202接收来自信道估计器(诸如信道估计器116和118)的一个或多个测量值(例如，测得的信道脉冲响应)。CIR矩阵发生器202可以使用这些测量值来构建CIR矩阵。

在一个实施例中，CIR矩阵描述通信介质(诸如MIMO信道108)如何改变在两个端点(诸如网络节点120和122)之间传输的信号。对于任何实际信道，无法避免的滤波效果会引起通过通信信道的独立数据码元的发散。CIR矩阵尝试表征或描述传输信号的传播是如何在接收机处感应出信号的。该信道的表达可以根据脉冲响应，即将要接收的信号是要传输的脉冲。例如在一个实施例中，CIR矩阵可以将MIMO信道108表征为由以矩阵形式表达的P-抽头有限脉冲响应(FIR)滤波器所组成的一般N-输入和M输出MIMO系统。一旦生成CIR矩阵，CIR矩阵发生器202就把生成的CIR矩阵发送给CSF矩阵发生器204。

在一个实施例中，CSF矩阵发生器204接收CIR矩阵。CSF矩阵发生器204使用接收到的CIR矩阵生成CSF矩阵。CSF矩阵可以表示使用由FIR滤波器近似的CIR值所构造的矩阵滤波器。使用CIR矩阵合成CSF矩阵以尝试减轻或移除MIMO信道108的串扰。一旦生成了CSF矩阵，CSF矩阵发生器204就把生成的CSF矩阵发送给滤波器206。

在一个实施例中，滤波器206接收CSF矩阵。滤波器206使用CSF矩阵从使用MIMO信道108通信的一个或多个数据流中滤除串扰噪声。CIR矩阵、CSF矩阵和滤波器206可以参考图3和图4进一步地描述。

可以参考图3和图4以及相关实例进一步的描述系统100和200的操作。虽然在此示出的附图包括特定的编程逻辑，但应该认识到编程逻辑仅提供如何实现在此描述的大致功能的实例。而且对给定的编程逻辑除非特别指出否则无需以描述的顺序执行。此外，虽然可将在此描述的给定编程逻辑在上述模块中实现，但应该认识到编程逻辑可以在系统内的任何地方实现，并仍处于实施例的范围内。

图3示出了根据一个实施例用于CFM的编程逻辑300。如编程逻辑300所示，在框302处估计一CIR矩阵。在框304处，可以基于该CIR矩阵创建CSF矩阵。CIR矩阵和CSF矩阵可以具有类似的结构和矩阵维度。在框306处，可以使用CSF矩阵对经由MIMO系统一信道接收的多个数据流滤波以降低串扰。每个数据流都例如可包括ISI或非ISI信号。随后一个或多个均衡器可以使用相同或类似的均衡参数来均衡这些经滤波的数据流。

在一个实施例中，通过估计用于MIMO信道的至少一个信道特性就可估计CIR矩阵。基于信道特性可以估计多个信道脉冲响应元素。可以使用信道脉冲响应元素创建CIR矩阵。

通过实例可以更好的理解系统100和200的操作以及图3和图4中所示的编程逻辑。如前所述，CFM 200可以估计CIR矩阵，随后合成CSF矩阵用于滤除来自MIMO信道(诸如，MIMO信道108)的串扰噪声。出于该实例的目的，假设双向千兆比特以太网系统具有如系统100所示的4输入和4输出。考虑普通情况，即带有m₀输入和m₀输出的线性、弥散和有噪声的数字通信MIMO系统。在第j个(1≤j≤m₀)信道输出的信号标准形式为：

$y_i\left(t\right)=\underset{i=1}{\overset{m_0}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(t\right)\⊗s_j\left(t\right)+n_i\left(t\right)---\left(1\right)$

其中y_i(t)是第i个信道输出，h_ij(t)是第j个输入和第i个输出间的信道脉冲响应，s_j(t)是第j个信道输入信号，n_i(t)是在第i个输出处的噪声。

以离散的形式可将方程式(1)重写为：

$y_i\left(k\right)=\underset{j=1}{\overset{m_0}{\mathrm{\Σ}}}\underset{m=0}{\overset{L_{\mathrm{ij}}}{\mathrm{\Σ}}}{h}_{\mathrm{ij}}\left(m\right)\·s_j(k-m)+n_i\left(k\right)---\left(2\right)$

其中h_ij(m)是第j个输入和第i个输出间等价离散时间信道的有限脉冲响应的抽头增益系数，而它的存储器由L_ij表示，s_j(m)、n_i(m)、y_i(m)分别是s_j(t)、n_i(t)、y_i(t)的采样形式。

通过将从全部m₀信道输出的接收信号分组成列向量，则方程式(1)可用矩阵形式表示为：

y(t)＝H(t)

s(t)+n(t)           (3)

其中y(t)是接收信号的m₀×1向量，H(t)是m₀×m₀的MIMO信道脉冲响应矩阵，s(t)是传输信号的m₀×1向量，n(t)是噪声向量。

以离散的形式可将方程式(3)重写为：

$y\left(k\right)=\underset{m=0}{\overset{v}{\mathrm{\Σ}}}H\left(m\right)\·s(k-m)+n\left(k\right)---\left(4\right)$

其中v是所有m₀×m₀信道脉冲响应的最大值，即v＝max_i，jL_ij。注意到CIR矩阵H(t)的非对角线元素的码元表示了非期望的串扰脉冲响应，将不想要的干扰(即，串扰)从邻近对(或无线通信系统的并行空间信道)引入有用信号并且由CFM200移除这些干扰。

在此实例中，假设系统100通过执行随后的操作降低串扰噪声。首先就要定义系统100的总体信道特性。可以使用任何给定的信道估计技术来定义信道特性。可由依赖于估计精确属性的期望串扰抑制水平来定义用于给定实现的特定信道估计技术。

一旦完成信道估计操作，就在接收机端构造CIR矩阵

该矩阵包含由FIR滤波器近似的一组CIR矩阵值，并可表示为如下：

$\hat{H}\left(t\right)=\left(\begin{array}{ccccc}{\hat{h}}_{11}\left(t\right)& \·\·\·& {\hat{h}}_{1j}\left(t\right)& \·\·\·& {\hat{h}}_{{1m}_0}\left(t\right)\\ \·& & \·& & \·\\ \·& \·\·\·& \·& \·\·\·& \·\\ \·& & \·& & \·\\ {\hat{h}}_{i1}\left(t\right)& \·\·\·& {\hat{h}}_{\mathrm{ij}}\left(t\right)& \·\·\·& {\hat{h}}_{{\mathrm{im}}_0}\left(t\right)\\ \·& & \·& & \·\\ \·& \·\·\·& \·& \·\·\·& \·\\ \·& & \·& & \·\\ {\hat{h}}_{m_{0}1}\left(t\right)& \·\·\·& {\hat{h}}_{m_{0}j}& \·\·\·& {\hat{h}}_{m_0{m}_0}\left(t\right)\end{array}\right)---\left(5\right)$

为了抑制每个信道输出中的串扰，可应用串扰抑制滤波器Q(t)来处理接收到的信号。可以使用CIR矩阵

来合成该滤波器。

计算串扰滤波器Q(t)的算法可以包括几个步骤。随后的操作可以计算串扰抑制滤波器的元素q_ij(t)i，j＝1，...，m₀：

1.可转置CIR矩阵

可以通过行列互换来计算CIR矩阵的转置。

2.获取矩阵的每个元素都可由它的镜像代替。在镜像计算期间，使用卷积操作代替乘法操作。

3.可确定用于镜像值的码元。下标值之和为奇数的镜像值码元从+(正)变为-(负)。

上述操作的结果就是可以构造出m₀×m₀串扰抑制滤波器。

以此方式获取的矩阵Q(t)包括串扰抑制滤波器。如上所示，串扰抑制滤波器的性能依赖于被测信道特性。假设已完全知晓信道知识，则CFM 200就可从MIMO信道108中完全消除串扰噪声。在没有噪声的信道内，串扰抑制滤波器的输出可表示为：

x(t)＝Q(t)y(t)＝Q(t)

H(t)

s(t)＝G(t)

s(t)    (6)

其中m₀×m₀矩阵滤波器G(t)的主对角线上具有相同的元素。因此，串扰抑制滤波器的输出矩阵是无串扰信号：

x_j(t)＝g(t)

s_j(t)                                (7)

为了进一步讨论系统100，就考虑更简单的具有2输入2输出并且无噪声的MIMO系统的情况。在此情况下，方程式(1)给出如下的输入和输出信号之间的关系：

y₁(t)＝h₁₁(t)

s₁(t)+h₁₂(t)s₂(t)；              (8)

y₂(t)＝h₂₁(t)

s₁(t)+h₂₂(t)s₂(t)；

CIR矩阵可由 $H\left(t\right)=\left[\begin{array}{cc}{h}_{11}\left(t\right)& h_{12}\left(t\right)\\ h_{21}\left(t\right)& h_{22}\left(t\right)\end{array}\right]$ 表示。假设完全的信道估计，则串扰抑制滤波器可由 $Q\left(t\right)=\left[\begin{array}{cc}{h}_{22}\left(t\right)& -h_{12}\left(t\right)\\ -h_{21}\left(t\right)& h_{11}\left(t\right)\end{array}\right]$ 表示。该滤波器的输出信号可由如下方程式描述：

x₁(t)＝[h₂₂(t)

h₁₁(t)-h₁₂(t)

h₂₁(t)]

s₁(t)    (9)

x₂(t)＝[h₁₁(t)

h₂₂(t)-h₂₁(t)

h₁₂(t)]s₂(t)

如方程9所示，输出信号是无串扰信号。应该注意到两个输出的完全脉冲响应是基本相等的。这就意味着可以在串扰抑制滤波器的输出处应用相同的均衡器。

图4是根据一个实施例示出了CFM性能的图示。图4示出了使用包括了未屏蔽双绞线铜介质CAT-5电缆的MIMO信道的CFM性能。图4是为带有4对双绞线电缆的以太网LAN系统所标绘的。在该系统中，自由发射机会同时引发接收机端的串扰。曲线402示出了使用CFM之前总串扰对有用信号的比率。曲线404示出了使用CFM之后总串扰对有用信号的比率。如图4所示，CFM的使用提供了串扰抑制，使得残留串扰噪声小于信道噪声底限。

信道估计

如前所述，信道估计器116和118可以使用信道估计技术来估计一信道(例如，MIMO信道108)的一个或多个特性。例如，信道估计器116和118可以估计CIR估计。随后串扰过滤模块(诸如CFM 104和CFM 112)使用该CIR估计合成一滤波器，用于减轻或对消与MIMO信道108耦合的接收机处的串扰噪声。图5至图9讨论了这些改进的信道估计技术。

在一个实施例中，信道估计器116和118可以使用包括了基于训练的信道估计阈值方案的信道估计技术。通过估计ML估计并在随后使用阈值方案精细化或改进ML估计就可找出CIR估计。所得结果是用于MIMO信道(诸如，MIMO信道108)的改进的CIR估计。

已知ML估计是最小方差无偏估计。然而，由于很多原因使得ML估计不尽如人意。例如，对信道的ML估计不提供信道长度L。在缺乏预定信道长度的情况下，ML估计可使用最大可能信道长度。然而真实的信道通常要短于最大可能信道长度。在此情况下，ML估计就会具有由信道噪声引起的虚假抽头。虚假抽头对CIR估计精度的影响将增加实际信道和最大可能信道之间的差值。在另一个实施例中，若噪声是高斯白噪声，则ML估计可以提供估计误差的最小方差。例如电缆束中由其他电缆信号感应出的外来噪声就不包括高斯白噪声。

一个实施例可以包括补偿这些和其他问题的信道估计方案。信道估计方案可以使用阈值方案精细化一个ML估计。结果是，信道估计器116和118可以生成比现有技术更为精确的CIR估计。可以使用CIR估计来降低使用MIMO信道(诸如MIMO信道108)的通信系统中的串扰噪声。

图5示出了根据一个实施例的信道估计器框图。图5示出了信道估计器500。在一个实施例中，信道估计器500例如可以表示信道估计器116和118。信道估计器500可以包括多个模块。虽然是以实例的形式描述这些模块，但应该认识到可以使用更多或更少的模块数并仍处于实施例范围之内。此外，虽然为方便描述以术语“模块”描述了实施例，但是一个或多个电路、组件、寄存器、处理器、软件子程序或者它们的任何组合都可以代替上述组件的一个、几个或全部。

在一个实施例中，信道估计器500可以包括ML估计器520。ML估计器520还可以包括连接至矩阵转换器504的滤波器502。ML估计器520可以访问训练序列(TS)表格506。ML估计器520还可以连接至彼此相互连接的阈值发生器508和候选CIR发生器510。候选CIR发生器510可以连接至滤波器512。滤波器512可以访问TS表格506。滤波器512可以连接至距离计算器514。距离计算器514可以连接至最小选择器516。最小选择器516可以连接至CIR选择器518。随后将参考图6至图9进一步描述信道估计器500的操作。

图6是由根据一个实施例的信道估计器执行的编程逻辑的流程框图。图6示出了编程逻辑600。编程逻辑600示出了执行信道估计的操作。例如，可以在框602处接收第一训练序列。在框604处使用第一接收训练序列来估计信道脉冲响应的ML估计。在框606处，接收第二训练序列。在框608处使用ML估计和第二接收训练序列来估计至少一个CIR估计。

在一个实施例中，通过使用滤波器滤波第一接收训练序列来估计ML估计。该滤波器必须与第一接收训练序列匹配。滤波器的输出是矩阵的第一组向量。必须转换该矩阵以形成ML估计。

在一个实施例中，通过接收ML估计来估计CIR估计。使用该ML估计生成一组阈值。使用这些阈值生成一组候选CIR估计向量。从候选的CIR估计向量中选出CIR估计。

在一个实施例中，通过解如下的方程式生成阈值组：

$t_j=\frac{\underset{k=0,L-1}{\max }\left|{\hat{h}}_k^{\mathrm{ML}}\right|}{N}j$

其中t＝[t₁，...，t_N]是一组阈值，j＝1，...，N，L表示信道脉冲响应长度，

表示所述ML估计，而

表示所述信道脉冲响应ML估计的第k个抽头，并且k＝0，...，L-1。

在一个实施例中，通过解如下的方程式生成候选的CIR估计向量：

其中 ${\hat{h}}^{\left(j\right)}=[{\hat{h}}^{\left(1\right)},...,{\hat{h}}^{\left(N\right)}]$ 是一组候选的CIR估计，j＝1，...，N，

表示第j个候选CIR估计向量的第k个抽头，t＝[t₁，...，t_N]是一组阈值，而

表示所述ML估计。

在一个实施例中，可以从候选的CIR估计向量中选出CIR估计。可以使用候选的CIR估计向量滤波对接收机已知的第一接收训练序列以形成第二组向量。可以确定第二组向量和第二接收训练序列之间的一组距离值。从该组距离值中选出最小距离值。使用该最小距离值选择CIR估计向量。

在一个实施例中，CIR估计可用于滤波来自通信信道(诸如MIMO信道108)的串扰。在CFM处接收CIR估计以形成CIR矩阵。基于该CIR矩阵可创建一CSF矩阵。可以滤波通过MIMO输出系统的信道而接收的多个数据流以使用CSF矩阵降低数据流之间的串扰。

通过实例可以更好地理解系统500的操作以及图6所示的编程逻辑。继续参考图1至图3描述实例，CFM 200可以估计CIR矩阵，并合成CSF矩阵用于滤除来自MIMO信道(诸如MIMO信道108)的串扰噪声。使用由信道估计器500生成的CIR估计来估计CIR矩阵。

在此实施例中，信道估计器500可以为基于训练的信道估计执行阈值方案。可以从ML估计中导出CIR估计。一旦生成ML估计，就可使用阈值技术对其进行改进。因为该方案是基于训练的，所以可以使用已知的训练序列及其相应的观察来获取CIR估计。在一个实施例中，阈值方案发射和接收相同的训练序列至少两次。训练序列是已知的用于ML估计的最佳训练序列。

接收到的第一次发射的TS码元是：

$y_i^{\left(1\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{s}_{i-k+L-1}{h}_k+n_i^{\left(1\right)},i=1,...,M-L+1---\left(10\right)$

其中s_j(j＝1，...，M)是用于训练序列的码元，h_k(k＝0，...，L-1)是CIR的抽头，L是CIR的长度而n_i ⁽¹⁾是加性信道噪声的采样。

接收到的第二次发射的训练序列码元是：

$y_i^{\left(2\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{s}_{i-k+L-1}{h}_k+n_i^{\left(2\right)},i=1,...M-L+1---\left(11\right)$

其中n_i ⁽²⁾是信道噪声的另一个实现。

通过比较方程(10)和(11)可以发现接收到的训练序列主要是在噪声实现上不同。而这在评价如下将详述的阈值技术性能时特别有用。

可以矩阵-向量的形式重写方程(10)为：

y⁽¹⁾＝Sh+n⁽¹⁾                                     (12)

其中h＝[h₀，...，h_L-1]^T是应被估计的未知CIR，n⁽¹⁾是噪声向量，S是带有项S_ij＝s_L+(i-j)的(M-L+1)×L-维矩阵，y⁽¹⁾是接收信号的向量。

第一接收训练序列y⁽¹⁾用于获取CIR h的最大似然估计(MLE)。通过使用记号(12)CIR的ML估计可由[10，11]给出：

${\hat{h}}^{\mathrm{ML}}={\left(S^{T}S\right)}^{-1}{S}^T{y}^{\left(1\right)}---\left(13\right)$

重新参考图5，ML估计器520的滤波器502接收第一训练序列。找出第一向量S^Ty⁽¹⁾作为滤波器502的输入。滤波器502是与该训练序列大致匹配的滤波器。矩阵变换器504接收滤波器502的输出，并且应用矩阵变换(S^TS)^-1。矩阵(S^TS)^-1仅是第一接收训练序列的函数，因此可以在接收器处知晓并由此进行预计算。ML估计器520的输出是ML估计

在获取了CIR的ML估计之后，阈值发生器508就根据如下的方程式生成阈值组t＝[t₁，...，t_N]：

$t_j=\frac{\underset{k=0,L-1}{\max }\left|{\hat{h}}_k^{\mathrm{ML}}\right|}{N}j,j=1,...N---\left(14\right)$

候选的CIR发生器510接收该组阈值并使用它们以形成一组CIR估计

使用如下的规则获取每个估计

候选CIR发生器510随后就输出生成的一组N个CIR估计。CIR估计例如可以是以向量的形式。

信道估计器500随后就处理以从生成的CIR估计组中选取最好的CIR估计。滤波器512可以接收候选CIR估计并根据下列方程式将每一个与训练序列卷积：

$b_i^{\left(j\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{s}_{i+k-L-1}{\hat{h}}_k^{\left(j\right)},j=1,...N;i=1,...,M-L+1---\left(16\right)$

这就可生成一组向量[b⁽¹⁾，...，b^(N)]。

距离计算器514可以接收该组向量[b⁽¹⁾，...，b^(N)]并根据如下方程式计算获取的向量[b⁽¹⁾，...，b^(N)]与第二接收训练序列y⁽²⁾之间的距离[d₁，...，d_N]：

d_j＝‖b^(j)-y⁽²⁾‖  j＝l，...，N                              (17)

最小值选择器516接收所获向量之间的距离[d₁，...，d_N]并选择向量b^(j0)，该向量根据如下方程式具有最小距离d_j0：

$j_0=\arg \underset{j}{\min }{d}_j---\left(18\right)$

值d_j0 ²可以具有最小残余功率的意义，这是训练序列残余功率和噪声功率之和。CIR选择器518根据 $\hat{h}={\hat{h}}^{\left(j_0\right)}$ 生成CIR的最终估计这就提供了来自所生成组的最精确估计。

图7是根据一个实施例示出信道估计器性能的第一图示。图7示出了图700。图700示出了残余功率d_j0 ²和阈值指标j之间的关系。指标越小，对应的阈值就越小。虚线示出了由d_j＝‖b^(j)-y⁽¹⁾‖代替(17)计算距离d_j的情况。在此情况下可能无法找到最小距离，因为是使用y⁽¹⁾来获取ML CIR估计。实线涉及使用(17)计算距离d_j的情况。由于其他噪声实现，通常可以找出最小距离。

图8是根据一个实施例示出信道估计器性能的第二图示。图8示出了图800。图800示出了使用ML估计和使用阈值方案改进的ML估计两者而对UTP电路的NEXT做出的脉冲响应估计精确度。为了此实例的目的，训练序列的长度可以是3047而CIR的长度可以是1024。如图8所示，使用阈值技术修正ML估计就可提供比单独使用ML估计技术更为精确的CIR估计，特别是在低信噪比的情况下。

图9是根据一个实施例示出信道估计器性能的第三图示。图9示出了图900。图900示出了使用ML估计和使用阈值方案改进的ML估计两者而对UTP电路的FEXT做出的脉冲响应估计精确度。假设相同的训练序列长度3047和CIR长度1024，图9示出了与单独使用ML估计技术相比，大为精确的使用阈值方案的修正ML估计的技术。

根据上述信道估计技术的变化，另一个实施例可进一步精细化最终CIR估计以尝试获取改善的最终CIR估计。一旦如前所述获取了第一最终CIR估计，就可第二次重复信道估计技术以产生第二最终CIR估计。然而在第二次迭代期间可以交换第一和第二接收训练序列。例如可以在第二次迭代期间使用第二接收训练序列获取第二ML估计。第二ML估计可用于生成第二组阈值、候选CIR估计和向量。可以计算第二组生成向量和第一接收训练序列之间的一组距离。可以使用最小距离从第二次生成的候选CIR估计组中选择第二最终CIR估计。随后可以一并平均第一和第二最终CIR估计以找出精确的最终CIR估计。

根据上述信道估计技术的另一个变化，另一个实施例可以使用多于两个接收的训练序列以生成最终CIR估计。例如在一个实施例中，接收机接收M个训练序列，其中M≥2。可以为每个接收到的训练序列获取第i个最终CIR估计。这可以通过使用第i个接收到的训练序列获取CIR的ML估计来实现。使用该ML估计生成一组阈值。该组阈值则用于生成一组候选CIR估计。通过候选CIR估计来过滤训练序列可生成一组向量。通过平均其他的M-1个接收到的训练序列可找到平均接收训练序列，即使用除了最后一个的所有接收训练序列以找出均值。可以计算平均训练序列和向量组之间的一组距离。从该组距离中找出最小距离。从候选CIR估计组中选出对应于最小距离的第i个最终CIR估计。通过平均M个最终CIR估计来找出最终CIR估计。

各实施例可以使用根据任何数目因素变化的结构来实现，这些因素例如包括计算率、功率电平、热容限、处理周期预算、输入数据率、输出数据率、存储器资源、数据总线速度和其他性能限制。例如，可以使用由处理器执行的软件来实现一个实施例。处理器可以是通用或专用处理器，例如由Intel

公司制造的处理器。软件可包括程序代码段、编程逻辑、指令或数据。软件存储在可由机器、计算机或其他处理系统访问的介质上。可接受介质的实例包括计算机可读介质，诸如只读存储器(ROM)、随机存取存储器(RAM)、可编程ROM(PROM)、可擦除PROM(EPROM)、磁盘、光盘等等。在一个实施例中，介质以压缩和/或加密形式来存储编程指令，并且这些指令在由处理器执行之前需要被编译或由安装程序进行安装。在另一个实施例中，可使用专用硬件来实现实施例，诸如应用专用集成电路(ASIC)、可编程逻辑器件(PLD)或数字信号处理器(DSP)和相关的硬件结构。在又一个实施例中，可使用编程通用计算机组件和用户硬件组件的任何组合来实现相关的硬件结构。实施例不限于这种环境中。

虽然在此示出并描述了本发明的某些特性，但是本领域普通技术人员可以领悟许多修改、代替、改变和等效。因此应该理解所附权利要求意欲覆盖所有这些修改和变换，它们都落在本发明的真正精神之内。

Claims (18)

1.一种执行信道估计的方法，包括：

接收第一训练序列；

使用所述第一接收训练序列来估计信道脉冲响应的最大似然估计；

接收第二训练序列；以及

使用所述最大似然估计和所述第二接收训练序列来估计至少一个信道脉冲响应估计，包括

接收所述最大似然估计；

使用所述最大似然估计来生成一组阈值；

使用所述阈值生成一组候选信道脉冲响应估计向量；并且

从所述候选信道脉冲响应估计向量中选择所述信道脉冲响应估计。

2.如权利要求1所述的方法，其特征在于，估计所述最大似然估计包括：

使用与所述第一接收训练序列匹配的滤波器来滤波所述第一接收训练序列以形成用于一矩阵的第一组向量；以及

变换所述矩阵以形成所述最大似然估计。

3.如权利要求1所述的方法，其特征在于，生成所述阈值组求解了如下的方程式：

$t_j=\frac{\underset{k=0,L-1}{\max }\left|{\hat{h}}_k^{\mathrm{ML}}\right|}{N}j$

其中t＝[t₁，...，t_N]是一组阈值，j＝1，...，N，L表示信道脉冲响应长度，

表示所述最大似然估计，

表示所述信道脉冲响应的最大似然估计的第k个抽头，并且k＝0，...，L-1。

4.如权利要求1所述的方法，其特征在于，生成所述候选信道脉冲响应估计向量求解了如下的方程式：

其中是一组候选的信道脉冲响应估计，j＝1，...，N，

表示第j个候选信道脉冲响应估计向量的第k个抽头，t＝[t₁，...，t_N]是一组阈值，表示所述信道脉冲响应的最大似然估计的第k个抽头，并且k＝0，...，L-1，其中L表示信道脉冲响应长度。

5.如权利要求1所述的方法，其特征在于，所述选择包括：

通过使用所述候选信道脉冲响应估计向量，来滤波所述第一接收训练序列以形成第二组向量；

确定所述第二组向量和所述第二接收训练序列之间的一组距离值；

从所述距离值组中选出最小距离值；并且

使用所述最小距离值选择所述候选信道脉冲响应估计向量。

6.如权利要求1所述的方法，其特征在于，还包括：

在串扰滤波模块处接收所述信道脉冲响应估计以形成信道脉冲响应矩阵；

基于所述信道脉冲响应矩阵创建一串扰抑制滤波矩阵；并且

滤波通过多输入多输出系统的信道而接收的多个数据流以使用所述串扰抑制滤波矩阵降低所述数据流之间的串扰。

7.一种系统，包括：

使用第一接收训练序列生成最大似然估计的最大似然估计器；以及

耦合至所述最大似然估计器的信道抽头估计器，所述信道抽头估计器接收所述最大似然估计和第二接收的训练序列，所述信道抽头估计器使用所述最大似然估计和所述第二接收的训练序列生成至少一个信道脉冲响应估计，

其中所述信道抽头估计器包括：

接收所述最大似然估计并使用所述最大似然估计来生成一组阈值的阈值发生器；

接收所述阈值并使用所述阈值生成一组候选信道脉冲响应估计向量的候选信道脉冲响应发生器；

接收所述一组候选信道脉冲响应估计向量并且从所述候选信道脉冲响应估计向量中选择所述信道脉冲响应估计的信道脉冲响应选择器。

8.如权利要求7所述的系统，其特征在于，所述最大似然估计器还包括：

接收所述第一接收训练序列的滤波器，所述滤波器滤波所述第一接收训练序列以形成用于一矩阵的第一组向量；以及

变换所述矩阵以形成所述最大似然估计的矩阵变换器。

9.如权利要求7所述的系统，其特征在于，所述信道抽头估计器包括：

接收所述第一接收训练序列和所述候选信道脉冲响应估计向量的滤波器，所述滤波器使用所述候选信道脉冲响应估计向量来滤波所述第一接收训练序列以形成第二组向量；

接收所述第二训练序列和所述第二组向量的距离计算器，所述距离计算器确定所述第二组向量和所述第二接收的训练序列之间的一组距离值；以及

最小值选择器，它接收所述距离值，从所述距离值组中选出最小距离值；

其中，所述信道脉冲响应选择器接收所述候选信道脉冲响应估计向量和最小距离值，所述信道脉冲响应选择器使用所述候选信道脉冲响应估计向量和所述最小距离值来选取所述信道脉冲响应估计。

10.如权利要求7所述的系统，其特征在于，还包括：

通信介质；

连接至所述通信介质的多个发射机，其中每个发射机都使用通信信道在所述通信介质上发射数据流；

连接至所述通信介质的多个接收机，所述多个接收机接收来自所述通信信道的所述数据流；以及

连接至所述多个接收机的串扰滤波模块，所述串扰滤波模块接收所述信道脉冲响应估计并使用所述信道脉冲响应估计来滤波所述数据流以降低由所述数据流在传输期间所引发的串扰信号。

11.如权利要求10所述的系统，其特征在于，还包括连接至所述串扰滤波模块的多个均衡器，所述均衡器使用一组大致类似的均衡参数来均衡所述经滤波的数据流。

12.如权利要求10所述的系统，其特征在于，所述串扰滤波模块包括：

生成信道脉冲响应矩阵的信道脉冲响应矩阵发生器；

使用所述信道脉冲响应矩阵生成串扰抑制滤波矩阵的串扰抑制滤波矩阵发生器；以及

使用所述串扰抑制滤波矩阵滤波所述数据流的滤波器。

13.一种执行信道估计的设备，包括：

用于接收第一训练序列的装置；

用于使用所述第一接收训练序列来估计信道脉冲响应的最大似然估计的装置；

用于接收第二训练序列的装置；以及

用于使用所述最大似然估计和所述第二接收训练序列来估计至少一个信道脉冲响应估计的装置，包括：

用于接收所述最大似然估计的装置；

用于使用所述最大似然估计来生成一组阈值的装置；

用于使用所述阈值生成一组候选信道脉冲响应估计向量的装置；以及

用于从所述候选信道脉冲响应估计向量中选取所述信道脉冲响应估计的装置。

14.如权利要求13所述的设备，其特征在于，所述用于估计所述最大似然估计的装置包括：

用于使用与所述第一接收训练序列匹配的滤波器来滤波所述第一接收训练序列以形成用于一矩阵的第一向量组的装置；以及

用于变换所述矩阵以形成所述最大似然估计的装置。

15.如权利要求13所述的设备，其特征在于，所述用于选取的装置包括：

用于使用所述候选信道脉冲响应估计向量来滤波所述第一接收的训练序列以形成第二组向量的装置；

用于确定所述第二组向量和所述第二接收训练序列之间的一组距离值的装置；

用于从所述距离值组中选出最小距离值的装置；以及

用于使用所述最小距离值选择信道脉冲响应估计的装置。

16.如权利要求13所述的设备，其特征在于，还包括：

用于在串扰滤波模块处接收所述信道脉冲响应估计以形成信道脉冲响应矩阵的装置；

用于基于所述信道脉冲响应矩阵创建一串扰抑制滤波矩阵的装置；以及

用于滤波通过多输入多输出系统的信道而接收的多个数据流以使用所述串扰抑制滤波矩阵降低所述数据流之间的串扰的装置。

17.如权利要求1所述的方法，其特征在于，还包括

使用所述第二接收的训练序列估计信道脉冲响应的第二最大似然估计；

使用所述第二最大似然估计和所述第一接收训练序列估计第二信道脉冲响应估计，包括

接收所述第二最大似然估计；

使用所述第二最大似然估计来生成第二组阈值；

使用所述第二组阈值生成第二组候选信道脉冲响应估计向量；以及

从所述第二组候选信道脉冲响应估计向量中选择所述第二信道脉冲响应估计；以及

平均所述至少一个信道脉冲响应估计和所述第二信道脉冲响应估计以找出平均的信道脉冲响应估计。

18.如权利要求1所述的方法，其特征在于，还包括：

接收M个训练序列；

使用来自所述M个训练序列的第i个训练序列，估计第i个信道脉冲响应最大似然估计；

使用所述第i个最大似然估计生成第i组阈值；

使用所述第i组阈值生成第i组候选信道脉冲响应估计矢量；

使用所述第i组候选信道脉冲响应估计矢量过滤所述第i个训练序列以形成第i个第二组矢量；

平均其它M-1个训练序列以找到平均训练序列；

确定所述第i个第二组矢量与所述平均训练序列之间的第i组距离值；

从所述第i组距离值选择最小距离值；

从所述第i组信道脉冲响应估计矢量中选择对应于所述最小距离值的第i个信道脉冲响应估计；以及

平均所有M信道脉冲响应估计以找出平均的信道脉冲响应估计。

Images