CN1934838B - 用于在蜂窝tdma通信系统中消除冲突的方法和通信装置 - Google Patents

Abstract

本发明涉及用于对被接收数据(y)进行冲突消除的一种方法，其中该被接收数据在蜂窝通信系统(GSM)中通过一个通信信道(s1，s2，...)被接收并具有相应的信道脉冲响应系数(h)，所述方法所包含的步骤有：对所述被接收数据(y)的线性滤波(S1)，之后通过非线性信号处理执行非线性检测以获得被检测数据(

)。根据优选的实施方案，提供有确定滤波器系数(

)的步骤，用于对所述被接收数据(y)进行线性滤波，以在对所述被接收数据进行滤波时抑制非高斯冲突。另外，优选的方法包含有通过非线性检测来处理被预滤波的数据(z)的步骤，以得到被检测的数据(

)。

Description

用于在蜂窝TDMA通信系统中消除冲突的方法和通信装置

技术领域

本发明涉及一种根据权利要求1的前序部分在蜂窝TDMA(时分多址)通信系统中消除冲突的方法。本发明还涉及一种根据权利要求14的前序部分在蜂窝TDMA通信系统中消除冲突的通信装置。

背景技术

当前，单天线共信道冲突消除(SAIC)正是一个热门的课题，特别对于全球移动通信系统/增强数据(GSM/EDGE)的下行链路。在领域跟踪中，尤其对于城区中的同步网络已经证实有巨大的容量获得，[1]3GAmericas“SAIC and synchronized networks for increased GSM capacity(用于增加GSM容量的SAIC和同步网络)”www.3gamericas.org，2003年9月。因此，即将到来的GSM/EDGE版本将在冲突解除方面更为紧迫。

特别是如果由于造价、容量、功率消耗和设计方面，只有一个接收天线，那么冲突消除器的设计是最具挑战性的任务之一。如果接收天线的数目不超过共信道的数目，那么多数冲突消除器都会失败，[2]J.H.Winters的“Optimun combining in digital mobile radio withco-channel interference(在数字移动无线电中与共信道冲突的最佳结合)”IEEE J.Sel.Areas Commun.Vol.2，no.4，528-539页，1984，[3]A.M.Kuzminskiy和D.Hatzinakos的“Semiblind estimation of spatio-temporal filter coefficients based on a training-like approach(基于类似训练的途径对时间-空间滤波器系数的半盲估计)”IEEE SignalProcessing Letters，5卷，9号，231-233页，1998年9月，[4]A.M.Kuzminskiy、C.Luschi和P.Strauch的“Comparison of linear andMLSE-spatio-temporal interference rejection combining with an antennaarray in a GSM System(在GSM系统中与一个天线阵列相结合的线性与MLSE时间-空间冲突解除的比较)”在Proc.IEEE Veh.Techn.，Conf.`00，日本东京，172-176页，2000年5月。

在[5]D.Giancola、U.Girola、S.Parolari、A.Picciriello、U.Spagnolini和D.Vincenzoni的“Space-time processing for time varyingco-channel interference rejection and channel estimation in GSM/DCSsystem(在GSM/DCS系统中用于时间变化的共信道冲突消除和信道估计的空间-时间处理)”在Proc.IEEE Veh.Techn.，Conf.`99例会，1999年5月，[6]S.Ariyavistakul、J.H.Winters和N.R.Sollenberger的“Jointequalization and interference suppression for high data rate wirelesssystems(用于高数据速率无线系统的连接均衡和冲突抑制)”IEEE J部分，Commun区，18卷，7号，1214-1220页，2000年7月，[7]R.Friedman和Y.Bar-Ness的“Combined channel-modified adaptive array MMSEcanceller and Viterbi equalizer(组合的信道变化的自适应阵列MMSE消除器和维特比均衡器)”在Proc.IEEE Veh.Techn.，`01例会，209-213页，2001年，[8]A.L.F.de Almeifa、C.M.Panazio、F.R.P.Cavalcanti和C.E.R.Fernandes的“Space-time processing with a decoupled delayeddecision-feedback sequence estimator(利用一种去耦延迟判决回馈序列估计器的空间-时间处理)”在Proc.IEEE Veh.Techn.，`02例会，美国阿拉巴马州伯明翰，2002年5月，[9]K.Kim和G.L.Stüber的“Interferencecancelling receiver for range extended reception in TDMA cellularsystems(在TDMA蜂窝系统中用于范围扩展接收的冲突消除接收器)”在Proc.IEEE Veh.Techn.，`03例会，2003年10月，中已经研究采用多个接收天线利用线性滤波和去耦非线性检测的一种接收器构造。对于多个接收天线的情况，在[10]B.R.Petersen和D.D.Palconer的“Suppression of adjacent-channel，co-channel，and intersymbolinterference by equalizers and linear combiners(通过均衡器和信息组合器对相邻信道、共信道和符号间冲突的抑制)”IEEE Commun.学报，42卷，12号，3109-3118页，1994年12月，[11]H.Trigui和D.T.M.Slock的“Cochannel interference cancellation within the current GSMstandard(在当前GSM标准内的共信道冲突消除)”在Proc.IEEE ICUPC′98，511-515页，1998，[3]和[4]中已经研究了利用非记忆检测器在连接中进行线性滤波的一种特殊情况。另外，在K.D.Kammeyer的“Timetruncation of channel impulse responses by linear filtering：A methodto reduce the complexity of Viterbi equalization(通过线性滤波缩短信道脉冲响应的时间：一种用于降低维特比均衡的复杂度的方法)”AEU，48卷，5号，237-243页，1994，公开了Kammeyer的预滤波器，该滤波器被设计用于断开一个单独的符号间冲突(ISI)信道，但没考虑共信道冲突(CCI)。对于高斯噪音加冲突的情况，在[13]N.Al-Dhahir和J.M.Cioffi的“MMSE decision feedbackequalizers：Finite-length results(MMSE判决回馈均衡器：有限长度的结果)”IEEE Trans.Inform.Theory，41卷，4号，961-975页，1995年7月，中也由Dhahir和Cioffi推荐了类似的预滤波器。在当前情况中，重点应当在于一些主要冲突源，这在蜂窝网络中是典型的情况，也即，重点在于非高斯冲突。[14]2002年7月出版的R.Meyer、R.Schober和W.Gerstacker的IP 1221780A1公开一种具有实值处理的预滤波器，该滤波器根据[11]中所证实的原理来设计。

发明内容

本发明的目的在于改进一种用于在蜂窝TDMA通信系统中消除冲突的方法和通信装置。

本发明的目的是通过一种根据权利要求1的特征部分所述的用于在蜂窝TDMA(时分多址)通信系统中消除冲突的方法而得到解决。另外，本发明的目的通过一种根据权利要求14的特征部分所述的用于在蜂窝TDMA通信系统中消除冲突的通信装置而得到解决。

根据优选实施方案，提供有一种用于对在蜂窝通信系统中通过一个通信信道接收的并且具有相应信道系数的、特别是具有信道脉冲响应系数的被接收数据进行冲突消除的方法，所述方法所包含的步骤有：对所述被接收数据的线性滤波和之后执行的检测，特别是非线性检测，以通过特殊的非线性信号处理来获得被检测的数据。另外，当对所述被接收的数据进行滤波时，用于对所述被接收的数据进行预滤波以抑制非高斯冲突的滤波系数被确定。

另外，根据该优选实施方案，提供有一个通信装置，以用于在蜂窝通信网络中与另一装置通信，所述通信装置包括一个接收器单元，以用于接收从所述另一装置通过一个通信信道发送的数据，并用于接收从至少一个其他装置通过一个干扰的、特别是通过一个冲突的信道发送的数据，其中所述信道具有相应的信道系数，所述通信装置还包括至少一个处理单元，以用于对所述被接收数据进行冲突消除，并用于对所述被接收数据进行线性滤波，并之后用于通过特殊的非线性信号处理进行检测、特别是非线性检测以获得被检测的数据。另外，当对所述被接收数据进行滤波时，所述至少一个处理单元中的至少一个被设计用于确定对所述被接收数据进行线性预滤波以抑制非高斯冲突的滤波器系数，其中所述处理单元被设计尤其用于执行一种根据任何前述权利要求所述的方法。

有利的实施方案是从属权利要求的主题。

有利地提供有一种方法，该方法包括对预滤波的数据的处理步骤，通过非线性检测获得被检测的数据、特别是获得被检测的符号。

有利地提供有一种方法，该方法包括的步骤为确定最佳信道系数并把这些最佳信道系数用作判决回馈均衡中的系数，以获得被检测的数据。当在数据预滤波步骤之后执行所述的判决回馈均衡时，这样一种方法是优选的。另外，当所述最佳信道系数从所述滤波器系数和所述信道系数中被确定，特别是被确定为所述滤波器系数和所述信道系数之间的卷积时，这样一种方法是优选的。

有利地提供有一种方法权利要求，该权利要求包括的步骤为对所述的被接收的数据执行自动相关，并在一系列所述被接收数据和一系列已知符号之间执行交叉相关，以用于对所述滤波器系数进行确定。特别是当所述已知符号序列是对应于所述被接收数据的一部分的发送数据的一部分，或者所述已知符号序列从所述被接收数据中被确定时，这样的方法是优选的。

根据一个第一子情况，优选地有一种方法，该方法所包括的步骤为：使用至少一个传输期望数据的期望信道的知识，并使用至少一个传输干扰数据的干扰的、特别是冲突的信道的知识来计算一个自动相关矩阵，其中所述的知识通过信道估计来确定。

根据一个第二子情况，优选地有一种方法，该方法包括的步骤为：仅使用至少一个传输期望数据的期望信道的知识来计算一个自动相关矩阵，其中所述的知识通过信道估计来确定。

根据一个第三子情况，优选地有一种方法，该方法包括的步骤为：使用被接收的样本，而不是使用传输期望数据的期望信道的知识，也不是使用传输干扰数据的干扰信道、特别是冲突信道的知识，来计算一个自动相关矩阵。

有利地提供有一种方法，该方法包括的步骤为：通过滤波器系数与最初估计的期望数据的信道系数的卷积，来为非线性均衡器确定最佳信道系数。

有利地提供有一种方法，该方法包括的步骤为：使用预滤波的信号并使用信道估计，来为非线性均衡估计最佳信道系数。

有利地提供有一种方法，该方法包括的步骤为：使用一种非记忆的检测器，使用一种MMSE-DFE(MMSE-DFE：Minimum Mean Square Error-Decision-Feedback Equalizer，最小均方差判决回馈均衡器)的反向滤波器与非记忆检测器相连接，或使用一种非线性均衡器，来对预滤波的数据进行处理。

优选地有一种通信装置和相应的方法，其中所述的至少一个处理单元被设计为前面一个抑制非高斯冲突的线性预滤波器，后面一个用于消除符号间冲突的非线性检测器。

特别优选地有一种接收器构造，该接收器构造在蜂窝TDMA网络中适合于消除单个天线共信道冲突。该接收器由前面一个新颖的线性预滤波器和后面一个非线性检测器组成。该预滤波器的任务是抑制非高斯冲突，特别是抑制共信道冲突，而该非线性检测器的任务是消除符号间冲突。该预滤波器根据最小均方差判决回馈均衡的原理来设计，而不解决特征值的问题。该非线性检测器可以是一个任意的非线性均衡器，在最简单的情况中只是一个非记忆检测器。该均衡器构造在不计共信道干扰时与通常的TDMA接收器相兼容。接收器和相应的方法可应用于蜂窝通信系统，比如GSM。

重点尤其在于一种接收器构造，其中共信道冲突(CCI)降低与符号间冲突(ISI)抑制相分离。通过前面一个时域线性滤波器、后面一个非线性检测器来进行CCI降低，以执行期望的用户信道的ISI抑制。比如，非线性滤波器被构造为网格布置的、树状布置的、曲线状布置的均衡器或被构造为判决回馈均衡器的回馈滤波器。除了冲突抑制之外，该线性滤波器还能够缩短全部的信道脉冲响应，这通过后面的非线性检测器会看到。有利地，该接收器构造在不计CCI时与通常的TDMA(Time DivisionMultiple Access，时分多址)接收器相兼容。

该方法和接收器构造在一些方面是有利的。一个线性共信道消除器与一个基于多用户的共信道冲突消除器相比在模型失配方面典型地较不敏感。模型失配可能是由于异步冲突、不完美的信道估计、GSM环境中的EDGE冲突源或反之亦然、等。

除了冲突抑制之外，该线性滤波器还能够缩短全部的信道脉冲响应，这通过后面的去耦的非线性检测器会看到。全部信道脉冲响应的存储长度是一个设计参数。

由于该非线性检测器仅与可能被缩短的期望的用户信道相匹配，所以它比基于多用户的共信道冲突消除器要简单得多。

与[5]、[6]、[7]、[8]、[9]中使用多个接收天线得类似接收器构造相反，优选得实施方案得重点在于单个天线的冲突消除，这比空间-时间处理要更苛刻。但是，根据优选实施方案的设计，也可选择多个天线。所述优选的预滤波器可以被认为是Kammeyer的预滤波器[12]的概括，其中所述的Kammeyer的预滤波器被设计用于缩短一个单个的ISI信道，但并不考虑CCI。根据优选的实施方案，重点在于一些主要冲突源，这在蜂窝网络中是典型的情况，也即，重点在于非高斯冲突、特别是在于共信道冲突。

附图说明

下面将参照附图更详细地描述一个实施方案。

附图1示出了一个蜂窝通信网络和一个移动站，该移动站从一个第一小区的一个基站接收数据并从一个第二基站接收共信道冲突信号；

附图2示出了移动站的部件，用于随后对被接收数据进行估计；

附图3示出了用于执行去耦线性滤波和非线性检测的一个优选方法的流程图；

附图4示出了一个去耦线性滤波和非线性检测，其中在一个简单的情况中使用一种非记忆检测器来作为非线性检测器；

附图5示出了一个微小间距的最小均方差(MMSE)判决回馈均衡器；

附图6示出了一个相对于信道冲突(C/I)的期望用户的原始误码率，其中使用了GSM的TU50信道模型、共同的最小平方(LS)信道估计和一个同步GSM网络；

附图7示出了一个相对于C/I的期望用户的原始误码率，其中使用了一个TU50模型、共同的LS信道估计和一个同步GSM网络；

附图8示出了一个相对于C/I的期望用户的原始误码率，其中使用了一个TU0模型、理想的信道知识和一个同步GSM网络；

附图9示出了一个相对于C/I的期望用户的原始误码率，其中使用了一个TU50模型、为期望用户的LS信道估计和一个同步GSM网络；

附图10示出了一个相对于C/I的期望用户的原始误码率，其中使用了一个TU50模型、无信道估计和一个同步GSM网络；以及

附图11示出了一个相对于C/I的期望用户的原始误码率，其中使用了一个TU50模型、无信道估计和一个异步GSM网络。

具体实施方式

优选的实施方案涉及一种通过去耦线性滤波和尤其是非线性检测用于对消息TDMA网络进行单天线冲突消除的方法和通信装置。

从附图1中可以看出，用作用户站的一个移动站MS通过一个无线信道于蜂窝通信网络GSM的一个第一基站BS1通信。该移动站位于第一基站BS1周围的一个第一无线小区c1中。有一些对象干扰移动站MS和基站BS1之间的通信。一个第一对象0中断了第一基站BS1和移动站MS之间的直线信道路径s1。第二对象0布置在所述直线通信路径旁边用作无线电波的反射器。因此，一个第二通信路径s2传输由第一基站BS1发送并通过第二对象0反射的无线电波。因此，移动站通过一个第一通信路径s1接收第一数据，并通过一个第二通信路径s2接收第二数据。通过不同通信路径s1、s2接收的数据的信号强度相互不同。另外，在第二通信路径s2上接收的数据比通过直线第一通信路径s1接收的数据要晚一段时间被接收。

该通信网络还提供有均具有一个通信小区c2、c3的基站BS2、BS3，其中所述的通信小区c1-c3以重叠的方式布置。从一个第一小区c1移动到一个第二小区c2的一个移动站MS1在到达重叠小区的一个交接区域ho之后从一个第一基站BS1变换到一个第二基站BS2。但是，在到达一个交接区域ho之前，该移动站MS从其他基站BS2、BS3接收到冲突的信号i11、i12、i21。特别是，这些冲突信号是从其他基站BS2、BS3在其通信小区c2、c3中在同一信道上发送至更远的移动站MS*、MS`的信号。因此，该移动站接收共信道冲突，该冲突干扰了从它自己的第一基站BS1接收的数据。另外，该移动站MS1接收了噪音n，特别是白高斯噪音。

通常，蜂窝通信网络的基站BS1-BS3通过一个基站控制器BSC连接到该通信网络的其他部件上。为了避免共信道冲突，基站控制器BSC给相邻的小区c1-c3分配不同的信道。根据一个优选的实施方案，在相邻的小区中应当使用相同的信道。在下文中提议使用序列估计，在GSM的情况中，使用延迟的判决回馈序列估计，以改善由移动站MS1所接收的数据的重建来降低共信道冲突。

由移动站MS接收的数据y(k)可以写为：

$y\left[k\right]=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{h}_l\left[k\right]a[k-l]+\underset{j=1}{\overset{J}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{g}_{j,l}\left[k\right]b_j[k-l]+n\left[k\right],0\≤k\≤K-1.---\left(1\right)$

第一项描述了通过通信路径、也即通过通信信道s1、s2从第一基站BS1接收的信号s1、s2。这些信号成分s1、s2应当用于序列估计，以对最初由第一基站BS1发送的数据进行重建。为了执行该序列估计，使用了一个信道脉冲响应h₁。该信道脉冲响应h₁可以从被接收的数据或从被接收的特殊符号、也即一个训练序列来确定。

第二个和以及第二项对应于通过冲突通信路径i11、i12、i21同第二和第三基站BS2、BS3接收的信号成分。这些冲突信号成分i11、i12、i21和另外附加的噪音成分n(k)必须由序列估计过程来区分。特别是，信号成分s1、s2和冲突信号成分i11、i12、i21已经作为冲突数据bj由相应的基站BS1、BS2、BS3使用一个共信道、特别是使用相同的频率f(s1)＝f(i_j，1)＝f(n)而被发送。为了执行这种序列估计，使用了一个信道脉冲响应g_j，1。该信道脉冲响应g_j，1可以从被接收的数据或从被接收的特殊符号、也即一个训练序列来确定。

从附图2可以看出，移动站MS包括多个部件。一个发送器或至少一个接收器单元TX/RX接收信号y⁽¹⁾(k)。一个出来单元C用于操作移动站MS并用于运行数字信号处理过程。该处理器单元C的一个部件是一个维特比解码器VIT。所示的维特比解码器VIT使用K＝4个状态来用于数据处理。另外，移动站MS包括一个存储器M，其中该存储器用于存储要被处理的数据y、正被处理的数据a以及用于处理数据的过程和程序。另外，移动用户站MS还包括一个微小间距的最小均方差判决回馈均衡器MMSE DFE，来用于被接收数据y的预滤波和数据a的估计。移动站MS的部件通过一个数据总线B相连接。

从附图2可以看出，移动用户站MS接收包括几个信道脉冲响应成分的接收数据y(k)。与附图1相比较，该信道脉冲响应h由一个第一信号成分组成，其中该第一信号成分具有一个中间强度并源自从第一基站BS1发送的期望数据a的直线信号路径s1。之后，在一个较晚的时间t，用户站MS通过第二信号路径s2从第一基站BS1发送的期望数据中接收一个响应信道成分。作为正常强度的一个可能的例外，第二信道脉冲响应的信号强度大于第一成分的信号强度，这是因为在直线信号路径s1中有一个对象0降低了信号强度。另外，信道脉冲响应成分可能来自第二和第三基站BS2、BS3，也即这些是共信道冲突成分。典型地示出，信道脉冲响应h不适于用作判决回馈均衡器DFE的信道系数。

根据优选的实施方案，确定、特别是计算出滤波器系数

从附图5中可以看出，该滤波器系数用于过滤被接收信号y的成分，使得被预滤波的数据z[k]最适合于进一步的信号处理。这些被预滤波的数据z[k]可以直接用于在非线性检测器VIT中的进一步的信号处理。另外，该预滤波的数据z[k]可以通过判决回馈均衡器DFE来进行处理。在估计之后被检测的数据、也即特别是被估计的数据a[k-k₀]可以被用作进一步的信号处理，并可以被传送给诸如维特比解码器VIT。被检测的数据尽可能与被传输的数据相对应，并也可以称作被传输的数据。

另外，被估计的数据a[k-k₀]在判决回馈均衡器DFE中与最佳信道脉冲响应 $\hat{h}=({\hat{h}}_{l,w},...,{\hat{h}}_{L,b})$ 一起被用于进一步的处理。被估计的数据通过延迟单元z^-1延迟直到L次。被延迟一次的被估计的数据a与第一成分一起进行处理，被延迟二次的被估计的数据a与最佳信道脉冲响应

的第二成分一起进行处理，以此类推。以这种方式被处理的数据全部相加。在下一估计步骤之前从下一预滤波的数据值z[k]中减去这个相加后的数据。

总之，如附图4和5所示，天线接收的信号r(t)通过一个前端单元被预处理，以获得具有不利信道脉冲响应h的接收信号y。通过最小化一个成本函数C，可以从不利信道脉冲响应h中确定、特别是计算出滤波器系数

之后，被接收的数据y用所计算的作为线性预滤波器的滤波器系数被滤波。之后，预滤波的数据z[k]通过一个非线性检测器被处理。该非线性检测器使用一个最佳信道脉冲响应

，其中所述的最佳信道脉冲响应

尤其从被接收的信号y和预滤波器系数中进行计算。

从附图3中可以看出，在开始步骤S0中被接收的数据具有信道脉冲响应h的不利分布。之后，在一个第一处理步骤S1中，使用比如被接收信号y和已知符号的自动相关和交叉相关来计算滤波器系数之后，在第二处理步骤S2中，执行卷积 $y_w:={\hat{w}}^{h}y$ 以获得预滤波的数据z。在第三处理步骤s3中，以被卷积的信号的特别是卷积的方式执行一个LS(最小平方)信道估计，以被估计的符号a。在第四步骤S4中，使用被卷积的数据y_w和被估计的符号a来执行一个最低限度的最小平方估计MLSE。在所有被接收的数据的处理之后，在S5处理结束。

下面介绍等效的离散时间信道模型来进行考虑，并简要描述了用于根据[5]、[7]、[8]实现一个线性滤波器的通常的设计规则。那么，在存在非高斯冲突的情况中提供了根据优选实施方案用于实现线性滤波器的一个设计规则，该规则简单得多并且带来更深切的领会。特别是提供了三个不同的选项来训练滤波器。最后提供了数字结果并绘出了结论。

所设想的等效离散时间信道模型为

$y^{\left(i\right)}\left[k\right]=\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{h}_l^{\left(i\right)}\left[k\right]a[k-l]+\underset{j=1}{\overset{J}{\mathrm{\Σ}}}\underset{l=0}{\overset{L}{\mathrm{\Σ}}}{g}_{j,l}^{\left(i\right)}\left[k\right]b_j[k-l]+n^{\left(i\right)}\left[k\right],0\≤k\≤K-1,---\left(1\right)$

其中y⁽ⁱ⁾[k]∈C是第i个多相信道的第k个波特率输出样本，L是离散时间ISI信道模型的有效存储长度，y₁ ⁽ⁱ⁾[k]∈C是一个期望用户MS(E{h‖h⁽ⁱ⁾[k]²‖}＝1)的第i个多相信道的信道系数，g_j，1 ⁽ⁱ⁾[k]∈C是第j个干扰信号的第i个多相信道的信道系数，J是干扰信号的数目，a[k]和b_j[k]分别是期望用户和第j个干扰信号的第k个独立等同分布数据符号，均从M-ary字母表中随机抽取(E{a[k]}＝E{b_j[k]}＝0，E{a[k]²}＝E{b_j[k]²}＝1)，n⁽ⁱ⁾[k]∈C是高斯噪音处理的第k个样本(E{n⁽ⁱ⁾[k]}＝0，E{n⁽ⁱ⁾[k]²}＝N₀/E_j)，k是时间指数，并且k是每个脉冲的M-ary数据符号的数目。所有的随机处理假定是相互独立的。如果信号带宽不超过两倍的尼奎斯特带宽，那么每个符号两个样本是足够的。在下文中假定了这种情形。相应的多相信道相应被标为i＝1和i＝2。信道系数h⁽ⁱ⁾[k]：＝[h₀ ⁽ⁱ⁾[k]，…，h_L ⁽ⁱ⁾[k]]^T和g_j ⁽ⁱ⁾[k]：＝[g_j，0 ⁽ⁱ⁾[k]，…g_j，L ⁽ⁱ⁾[k]^T包括脉冲形状、相应物理信道、模拟接收滤波、采样相位和采样频率。不失一般性，有效存储长度L假定对于所有共信道都是相同的。有些系数可能为零。在平方根尼奎斯特接收滤波和波特率采样中，所有多相信道的高斯噪音处理是空白的。在下文中假定是这种情况。等效离散时间信道模型均适合于同步以及异步TDMA网络，因为时变信道系数是被考虑过的。

线性滤波器的常规设计具有明显的差别并根据优选的实施方案来介绍其设计。为了简化，在下文中为了滤波器设计的目的而假定一个同步TDMA网络和低速站MS。结合频率跳跃，所述第二个假定对应于一个所谓的阻塞衰退信道模型。相应地，时间指数k通常可以去掉。在异步脉冲的情况下，信道系数仅在单个方式下是恒定的，也即时间系数不能被去掉。

作为线性滤波器的设计判据，比如在线性滤波器的输出上选择信号与冲突加噪音之比(SINA)的最大值：

$\mathrm{Max}-\mathrm{SINR}=\underset{\tilde{w},{\tilde{h}}_w}{\max }\frac{E\left\{{\left|{\tilde{w}}^{H}y\right|}^2\right\}}{E\left\{\right|{{\tilde{w}}^{H}y-{\tilde{h}}_w^{H}n|}^2\}}---\left(2\right)$

其中最大值与滤波器系数

和包括期望用户的滤波的全部信道系数

共同有关。

滤波器系数以向量形式可以写为 $\hat{w}={[{\hat{w}}^{\left(1\right)T},{\hat{w}}^{\left(2\right)T}]}^T,$ 其中每个多相信道的滤波器系数由 $\hat{w}\left(i\right)={[{{\hat{w}}_0}^{\left(i\right)},{{\hat{w}}_1}^{\left(i\right)},...,{{\hat{w}}_{\mathrm{Lw}}}^{\left(i\right)}]}^T,$ 并且L_w是每个多相信道的滤波器顺序。不失一般性，假定用两个因数之一来进行重复采样，也即i∈{1，2}。

要注意的是，与增加接收天线的数目相比，进一步的重复采样不会导致任何性能改善。特别是分集程度不会进一步增强。

模拟接收滤波器的输出样本以向量形式可以写为y＝[y^(1)T，y^(2)T]^T，其中y⁽ⁱ⁾＝[y⁽ⁱ⁾[k]，y⁽ⁱ⁾[k-1]，…，y⁽ⁱ⁾[k-L_w]]^T，且0≤k≤K-1。

包括期望用户滤波的全部信道系数的假定被表示为

${\hat{h}}_w={[{\hat{h}}_{0,w},{\hat{h}}_{1,w},...,{\hat{h}}_{L`,w}]}^T,$ 其中L`是有效存储长度。要注意的是是符号间距。如果该滤波器长度L_w足够大，那么该滤波器缩短或者能够缩短全部的脉冲响应，也即L`≤L。如在描述优选实施方案时所讨论的，对于一个设计优良的滤波器协同一个合适的非线性检测器，比如一个网格布置的、树状布置的、曲线状布置的均衡器，L`是一个设计参数。它可以被理解为全部脉冲响应的期望存储长度。

相应的数据向量由a＝[a[k-k₀]，a[k-k₀-1]，…，a[k-k₀-L`]]^T来给出，其中k₀是该线性滤波器的判决延迟，它通常被选作k₀＝(L_w+1)/2。

回想线性滤波器的系数和信道系数

被共同优化。该最佳滤波器和信道系数关于最大SINR而相应地被表示为和

。根据优选的实施方案，这些最佳滤波器和信道系数和必须相应地被确定。

(2)的取最大值对应于成本函数的取最大值，该成本函数为

$C:=E\left\{{|{\tilde{w}}^{H}y-{\tilde{h}}_w^{H}a|}^2\right\},---\left(3\right)$

也即

$C_{\min }:=\underset{\tilde{w},{\tilde{h}}_w}{\min }\left\{C\right\}=\underset{\tilde{w},{\tilde{h}}_w}{\min }E\left\{{({\tilde{w}}^{H}y-{\tilde{h}}_w^{H}a)({\tilde{w}}^{H}y-{\tilde{h}}_w^{H}a)}^H\right\}.---\left(4\right)$

当适用以下条件时获得C的最小值：

$\frac{\∂C}{\∂\tilde{w}}=0^T$ 且 $\frac{{\∂}^{2}C}{{\∂\tilde{w}}^2}\≥0.---\left(5\right)$

当对成本函数实施Wirtinger求导时得到

$\frac{\∂C}{\∂\tilde{w}}={\tilde{w}}^H{R}_{\mathrm{yy}}-{\tilde{h}}_w^H{R}_{\mathrm{ya}}.---\left(6\right)$

R_yy：＝E{yy^H}表示被接收样本的2(L_w+1)×2(L_w+1)自动相关矩阵，R_ya：＝E{ay^H}表示在数据序列和被接收样本之间的(L`+1)×2(L_w+1)交叉相关矩阵。组合(5)和(6)，在最小化成本函数C的情况下得到最佳滤波器系数为

${\hat{w}}^H={\hat{h}}_w^H{R}_{\mathrm{ya}}{R}_{\mathrm{yy}}^{-1}.---\left(7\right)$

通过把(7)代入(4)，得到

$C_{\min }={\hat{h}}_w^H[R_{\mathrm{aa}}-R_{\mathrm{ya}}{R}_{\mathrm{yy}}^{-1}{R}_{\mathrm{ya}}^H]{\hat{h}}_w,---\left(8\right)$

其中R_aa：＝E{aa^H}＝I是数据符号a[k]的(L`+1)×(L`+1)交叉相关矩阵，由于i.i.d数据的假定该矩阵是一个单位矩阵，0≤k≤K-1。

按照传统的概念，等式(8)导致一个特征值问题：

$[I-R_{\mathrm{ya}}{R}_{\mathrm{yy}}^{-1}{R}_{\mathrm{ya}}^H]{\hat{h}}_w={\mathrm{\λ}}_{\min }{\hat{h}}_w,---\left(9\right)$

其中λ_min是矩阵[I-R_yaR_yy ^-1R_ya ^H]的最小特征值。最佳信道系数向量

等于与矩阵[I-R_yaR_yy ^-1R_ya ^H]的最小特征值λ_min相对应的特征向量。为了去除无价值的结果 ${\hat{h}}_w=0,$ 必须定义某一限制。通常，全部脉冲响应(i)被选为首项系数是一，也即 ${\hat{h}}_{0,w}=1,$ 或者(ii)按照 ${\left|\right|{\hat{h}}_w\left|\right|}^2=1$ 被标准化。但是在编码系统中可能更适合使用带放大的线性滤波器。

把信道系数

代入到(7)中得到最佳滤波器系数因此，按照惯例在第一步骤中计算信道系数，在第二步骤中计算滤波器系数。符号间距信道系数

被提供给去耦非线性检测器。

目前所讨论的传统滤波器设计的主要问题是计算的复杂度。解决特征值问题(9)非常困难，即使通过[5]中所提议的Cholesky因式分解。

根据优选的实施方案，下面作为选择而提供了另一种滤波器设计，该设计更加简单地解决问题并带来更深切的领会。

用于计算线性滤波器的系数的一种优选的方法是基于一个MMSE-DFE均衡器。下文示出微小间距的MMSE-DFE均衡器的前馈滤波器等同于期望的线性滤波器。该解决方案可以写为紧凑的形式。计算复杂度比解决相应的特征值问题的方法要更加简单。该滤波器设计针对脉冲响应截短方面提出了观点。

所提议的解决方法综合了[12]中所公布的已知的接收器，其中该接收器没有考虑冲突消除器，并使用了一个符号间距前馈滤波器。

为了得到滤波器系数，考虑了附图5中所示的微小间距MMSE-DFE。微小间距前馈滤波器的任务除了抑制冲突外还用于缩短全部的脉冲响应。在合适的滤波之后，有效地保留了L`+1个信道系数。剩余的信道系数的L`个通过符号间距回馈滤波器被除。因此，连接到前馈滤波器的非线性检测器应当能够处理L`+1个信道系数。比如，可以采用具有K＝M<sup>L`</sup>个状态的维特比检测器或相关的技术。在附图5中所描述的回馈滤波器和非记忆检测器不必真正被实施。它们仅用于概念性的目的，并可以由任何非线性均衡器来替代。

如果正确的判决被假定，那么对前馈滤波器和MMSE-DFE的反馈滤波器进行调整，使得成本函数

$C:=E\left\{{\left|z^{\&prime;}\right[k]-a[k-k_0\left]\right|}^2\right\}$

$=E\left\{{|{\tilde{w}}^{H}y-{\tilde{h}}_w^{H}a-a[k-k_0\left]\right|}^2\right\}$                     (10)

关于和

而被最小化。向量

和y与上文所定义的相同，数据序列被定义为a＝[a[k-k₀-1]，…，a[k-k₀-L`]]<sup>T</sup>，期望用户的全部信道系数被定义为 ${\hat{h}}_w={[{\hat{h}}_{1,w},{\hat{h}}_{2,w},...,{\hat{h}}_{L`,w},]}^T.$ 参数k₀是判决延迟，L`是期望用户的全部脉冲响应的有效存储长度。k<sub>0</sub>和L`是设计参数。注意，如果全部脉冲响应是首项系数为一的，比较(3)和(10)，那么MMSE设计准则与上文所考虑的SINR的取最大值相同。

使成本函数最小化的Wirtinger偏导如下给出：

$\frac{\&PartialD;C}{\&PartialD;\tilde{w}}=0^T$ 且 $\frac{\&PartialD;C}{\&PartialD;{\tilde{h}}_w}=0^T.---\left(11\right)$

假定i.i.d.数据，在一些计算之后得到以下的关系式：

${\hat{w}}^H{R}_{\mathrm{yy}}={\hat{h}}_w^H{R}_{\mathrm{ya}}+r_{\mathrm{ya}}^H\mathrm{and}---\left(12\right)$

${\hat{h}}_w^H={\hat{w}}^H{R}_{\mathrm{ya}}^H.---\left(13\right)$

如前面所定义的，R_yy：＝E{yy^H}表示被接收样本y⁽ⁱ⁾(t)的2(L_w+1)×2(L_w+1)自动相关矩阵，R_ya：＝E{ay^H}表示在数据a⁽ⁱ⁾和被接收样本y⁽ⁱ⁾(t)之间的L`×2(L_w+1)交叉相关矩阵，2(L_w+1)向量被定义为r_ya＝[r_ya[k₀]，r_ya[k₀-1]….，r_ya[k₀-2L_W]]^T：＝E{a^*[k-k₀]y}。把(13)代入(12)后得到最佳滤波器系数为

${\hat{w}}^H=r_{\mathrm{ya}}^H{[R_{\mathrm{yy}}-R_{\mathrm{ya}}^H{R}_{\mathrm{ya}}]}^{-1}.---\left(14\right)$

相应的信道系数向量h通过把(14)代入(13)而得到。因此，在所提议的解决方案中，滤波器系数早于信道系数而被计算。符号间距信道系数

被提供给去耦非线性检测器。根据(13)、(17)和(18)，全部信道系数

可以被写为滤波器系数和信道系数h的卷积。

目前所讨论的解决方案适合于复数符号字母表，比如8-PSK(PSK：Phase Shift Keying，相移键控)对于诸如M-PAM(M-ary-PulseAmplitude Modulation，M-ary脉冲幅度调制)或废除的GMSK(Gaussian Minimum Shift Keying，高斯最小偏移键控)的一维符号字母表，如[11]中所提议的通过采用实数值的处理可以改善性能。

根据第一情况(A)，在获得信道估计的情况下进行相关矩阵的计算。

在传统的解决方案中以及在所提议的优选解决方案中，尤其必须为每个脉冲计算自动相关矩阵和交叉相关矩阵R_yy：＝E{yy^H}和R_ya：＝E{ay^H}。可以以直接了当的方式通过采用期望值E{yy^H}和E{ay^H}而不使用任何信道知识就可以进行该计算。

但是，在i.i.d.数据的情况下，如果使用了信道估计，那么与使用短训练序列相比，就可以观察到明显的性能改善。根据该第一情况，假定对于期望用户以及对于干扰信号的信道估计是可获得的。该假定适合于比如使用定义的训练序列的同步TDMA网络。根据一个第二情况，假定信道估计仅针对期望的用户是可获得的，也即是更适合于异步TDMA网络的一种情况。根据一个第三情况，假定信道估计针对滤波器设计是不可获得的。

考虑把自动相关矩阵R_yy定义为

$R_{\mathrm{yy}}:=E\left\{{\mathrm{yy}}^H\right\}=\left[\begin{array}{cccc}{r}_{\mathrm{yy}}\left(\mathrm{0,0}\right)& r_{\mathrm{yy}}\left(\mathrm{0,1}\right)& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{yy}}(\mathrm{0,2}{L}_w+1)\\ r_{\mathrm{yy}}\left(\mathrm{1,0}\right)& r_{\mathrm{yy}}\left(\mathrm{1,1}\right)& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{yy}}(\mathrm{1,2}{L}_w+1)\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ r_{\mathrm{yy}}({2L}_w+\mathrm{1,0})& r_{\mathrm{yy}}({2L}_w+\mathrm{1,1})& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{yy}}({2L}_w+{\mathrm{1,2}L}_w+1)\end{array}\right].---\left(15\right)$

在i.i.d.数据的情况下，2(L_w+1)×2(L_w+1)自动相关矩阵的元素可以按照如下来计算：

$r_{\mathrm{yy}}(i,j)=\left\{\begin{array}{c}\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(1\right)}{\left(h_{l+i-j}^{\left(1\right)}\right)}^{*}+\underset{m=1}{\overset{J}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{g}_{m,l}^{\left(1\right)}{\left(g_{m,l+i-j}^{\left(1\right)}\right)}^{*}+{\mathrm{\&sigma;}}_n^2{\mathrm{\&delta;}}_{j-i},0\&le;i,j\&le;L_w\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(1\right)}{\left(h_{l+i-j}^{\left(2\right)}\right)}^{*}+\underset{m=1}{\overset{J}{\mathrm{\&Sigma;}}}\underset{l=1}{\overset{L}{\mathrm{\&Sigma;}}}{g}_{m,l}^{\left(1\right)}{\left(g_{m,l+i-j}^{\left(2\right)}\right)}^{*}+{\mathrm{\&sigma;}}_n^2{\mathrm{\&delta;}}_{j-i},0\&le;i\&le;L_w,L_w+1\&le;j\&le;{2L}_w+1\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(2\right)}{\left(h_{l+i-j}^{\left(1\right)}\right)}^{*}+\underset{m=1}{\overset{J}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{g}_{m,l}^{\left(2\right)}{\left(g_{m,j+i-j}^{\left(1\right)}\right)}^{*}+{\mathrm{\&sigma;}}_n^2{\mathrm{\&delta;}}_{j-i},L_w+1\&le;i\&le;{2L}_w+\mathrm{1,0}\&le;j\&le;L_w\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(2\right)}{\left(h_{l+i-j}^{\left(2\right)}\right)}^{*}+\underset{m=1}{\overset{J}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{J}{\mathrm{\&Sigma;}}}{g}_{m,l}^{\left(2\right)}{\left(g_{m,l+i-j}^{\left(2\right)}\right)}^{*}+{\mathrm{\&sigma;}}_n^2{\mathrm{\&delta;}}_{j-i},L_w+1\&le;i,j\&le;{2L}_w+1\end{array}\right.---\left(16\right)$

其中σ_n ²是噪音方差。相应地，L`×2(L_w+1)交叉相关矩阵

$R_{\mathrm{ya}}:=E\left\{{\mathrm{ay}}^H\right\}=\left[\begin{array}{cccc}{r}_{\mathrm{ya}}\left(\mathrm{1,0}\right)& r_{\mathrm{ya}}\left(\mathrm{1,1}\right)& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{ya}}(\mathrm{1,2}{L}_w+1)\\ r_{\mathrm{ya}}\left(\mathrm{2,0}\right)& r_{\mathrm{ya}}\left(\mathrm{2,1}\right)& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{ya}}(\mathrm{2,2}{L}_w+1)\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ r_{\mathrm{ya}}(L^{\&prime;},0)& r_{\mathrm{ya}}(L^{\&prime;},1)& \&CenterDot;\&CenterDot;\&CenterDot;& r_{\mathrm{ya}}(L^{\&prime;}{,2L}_w+1)\end{array}\right].---\left(17\right)$

的元素r_ya(i，j)可以被计算为

$r_{\mathrm{ya}}(i,j)=\begin{array}{c}\left\{\begin{array}{c}{\left(h_{k_0+i-j}^{\left(1\right)}\right)}^{*},1\&le;i\&le;L^{\&prime;},0\&le;j\&le;L_w\\ {\left(h_{k_0+i-j}^{\left(2\right)}\right)}^{*},1\&le;i{\&le;L}^{\&prime;},L_w+1\&le;j\&le;{2L}_w+1\end{array}\right..---\left(18\right)\end{array}$

最后，交叉相关向量r_ya的元素可以被计算为

$r_{\mathrm{ya}}\left(i\right)=\left\{\begin{array}{c}{h}_{k_0-i}^{\left(1\right)},0\&le;i\&le;L_w\\ h_{k_0-i}^{\left(2\right)},L_w+1\&le;i\&le;{2L}_w+1\end{array}\right..---\left(19\right)$

注意，对于h和g_j的每个脉冲估计，1≤j≤J以及噪音变化σ_n ²的估计在接收机处必须是已知的。但是如果假定一个恒定的噪音变化，比如σ_n ²＝0.001，那么这种降级是小的。尽管不必需要对数据的清楚了解，但是训练序列为了计算信道估计也是有益的。

第二情况(B)所考虑的是在不能为干扰信号获得信道估计的情况下相关矩阵的计算。

尤其在异步TDMA网络中，对干扰信号的信道系数的估计是困难的。如果对期望用户的信道系数的估计是可得到的，但是对干扰信号的信道系数的估计是不能得到的，那么自动相关矩阵R_yy就大概如下：

主要想法是以如下形式把R_yy进行划分

$R_{\mathrm{yy}}=E\left\{y_d{y}_d^H\right\}+E\left\{y_{l+n}{y}_{l+n}^H\right\}=R_{\mathrm{yy}}^d+R_{\mathrm{yy}}^{i+n},---\left(20\right)$

其中y_d ⁽ⁱ⁾[k]，

$y_d^{\left(i\right)}\left[k\right]=\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(i\right)}\left[k\right]a[k-l],---\left(21\right)$

对应于期望的用户，而y_i+n ⁽ⁱ⁾[k]

$y_{i+n}^{\left(i\right)}\left[k\right]=\underset{m=1}{\overset{J}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{g}_{m,l}^{\left(i\right)}\left[k\right]b_m[k-l]+n^{\left(i\right)}\left[k\right]---\left(22\right)$

在两个干扰信号i∈{1，2}的情况下对应于干扰信号加噪音。该自动相关矩阵R_yy ^d的元素可以针对几种可能的情况来确定，并可以写为

$r_{\mathrm{yy}}^d(i,j)=\left\{\begin{array}{c}\underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(1\right)}{\left(h_{l+i-j}^{\left(1\right)}\right)}^{*},0\&le;i,j\&le;L_w\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(1\right)}{\left(h_{l+i-j}^{\left(2\right)}\right)}^{*},0\&le;i\&le;L_w,L_w+1\&le;j\&le;{2L}_w+1\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(2\right)}{\left(h_{l+i-j}^{\left(1\right)}\right)}^{*},L_w+1\&le;i\&le;{2L}_w+\mathrm{1,0}\&le;j\&le;L_w\\ \underset{l=0}{\overset{L}{\mathrm{\&Sigma;}}}{h}_l^{\left(2\right)}{\left(h_{l+i-j}^{\left(2\right)}\right)}^{*},L_w+1\&le;i,j\&le;{2L}_w+1\end{array}\right..---\left(23\right)$

该自动相关矩阵R_yy ⁱ⁺ⁿ的元素可以近似相应的写为

$r_{\mathrm{yy}}^{i+n}(i,j)\&ap;\left\{\begin{array}{c}\frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}{+k}_0-1}{\mathrm{\&Sigma;}}}{y}_{i+n}^{\left(1\right)}[k-i]{\left(y_{i+n}^{\left(1\right)}\right[k-j\left]\right)}^{*},0\&le;i,j\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}_{i+n}^{\left(1\right)}[k-i]{\left(y_{i+n}^{\left(2\right)}\right[k-j\left]\right)}^{*},0\&le;i\&le;L_w,L_w+1\&le;j\&le;{2L}_w+1\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}_{i+n}^{\left(2\right)}[k-i]{\left(y_{i+n}^{\left(1\right)}\right[k-j\left]\right)}^{*},L_w+1\&le;i\&le;{2L}_w+\mathrm{1,0}\&le;j\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}_{i+n}^{\left(2\right)}{[k-i]\left(y_{i+n}^{\left(2\right)}\right[k-j\left]\right)}^{*},L_w+1\&le;i,j\&le;{2L}_w+1\end{array}\right.,---\left(24\right)$

其中y_i+n ⁽ⁱ⁾[k]：＝y⁽ⁱ⁾[k]-y_d ⁽ⁱ⁾[k]。如果为了计算R_yy ⁱ⁺ⁿ而使用了训练符号，那么参数K`就是该训练序列的长度。如果为了计算R<sub>yy</sub> <sup>i+n</sup>而使用了推测判决，那么参数K`就是脉冲长度。要注意的是不需要附加的噪音变化估计。

第三情况(C)所考虑的是在没有信道估计的情况下对相关矩阵的计算。

在共信道冲突强烈的情况下，在同步和异步网络中为期望的用户进行信道估计是很少的。而且在异步网络中干扰信号的信道估计也是难以得到的。出于这些原因，提议了以下的新颖的解决方案，其中不需为线性滤波器的设计而进行信道估计和噪音变化的估计。在第一步骤中计算滤波器系数

${\hat{w}}^H=r_{\mathrm{ya}}^H{[R_{\mathrm{yy}}-R_{\mathrm{ya}}^H{R}_{\mathrm{ya}}]}^{-1},---\left(25\right)$

其中R_yy、R_ya和r_ya ^H按照如下来计算。

再一次，自动相关矩阵的元素可以近似为

$r_{\mathrm{yy}}(i,j)\&ap;\left\{\begin{array}{c}\frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}{+k}_0-1}{\mathrm{\&Sigma;}}}{y}^{\left(1\right)}[k-i]{\left(y^{\left(1\right)}\right[k-j\left]\right)}^{*},0\&le;i,j\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}^{\left(1\right)}[k-i]{\left(y^{\left(2\right)}\right[k-j\left]\right)}^{*},0\&le;i\&le;L_w,L_w+1\&le;j\&le;{2L}_w+1\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}^{\left(2\right)}[k-i]{\left(y^{\left(1\right)}\right[k-j\left]\right)}^{*},L_w+1\&le;i\&le;{2L}_w+\mathrm{1,0}\&le;j\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{y}^{\left(2\right)}{[k-i]\left(y^{\left(2\right)}\right[k-j\left]\right)}^{*},L_w+1\&le;i,j\&le;{2L}_w+1\end{array}\right..---\left(26\right)$

参数K`是训练序列的长度，如果为了计算R<sub>ya</sub>而使用了训练符号，那么参数K`就是该训练序列的长度。如果为了计算R_ya而使用了推测判决，那么参数K`就是脉冲长度。

相应地，该交叉相关矩阵R_ya的元素可以近似为

$r_{\mathrm{ya}}(i,j)\&ap;\left\{\begin{array}{c}\frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}a[k-k_0-i]{\left(y^{\left(1\right)}\right[k-j\left]\right)}^{*},1\&le;i\&le;L^{\&prime;}\mathrm{,0}\&le;j\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{a[k-k_0-i]\left(y^{\left(2\right)}\right[k-j\left]\right)}^{*},1\&le;i\&le;L^{\&prime;},L_w+1\&le;j\&le;{2L}_w+1\end{array}\right..---\left(27\right)$

最后，交叉相关向量r_ya的元素可以近似为

$r_{\mathrm{ya}}\left(i\right)\&ap;\left\{\begin{array}{c}\frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}a[k-k_0]{\left(y^{\left(1\right)}\right[k-i\left]\right)}^{*},1\&le;i\&le;L_w\\ \frac{1}{K^{\&prime;}}\underset{k=k_0}{\overset{K^{\&prime;}+k_0-1}{\mathrm{\&Sigma;}}}{a[k-k_0]\left(y^{\left(2\right)}\right[k-i\left]\right)}^{*},L_w+1\&le;j\&le;{2L}_w+1\end{array}\right.---\left(28\right)$

在第二步骤中，执行卷积

y_w：＝w^Hy    (29)

在第三步骤中，已知y_w和a，就可以实现常规的LS信道估计。由于冲突抑制，信道估计误差是相当小的。最后，已知y_w和被估计的信道系数，就可以实现期望用户的MLSE。

对于附图6-附图11中所提供的数字结果，以下的常规情形被假定为同步或异步GSM网络，其具有J＝1个主要干扰信号，针对期望的用户和干扰信号具有均匀分布的训练序列代码(TSC)，具有与期望用户的TSC不同的主要干扰信号的TSC，其中这可以由网络操作员来管理，使用根据GSM的TU0和TU50信道模型，设置L＝3，使用去耦MMSE滤波器/维特比检测器，所提议的接收器与常规的GSM接收器相兼容，并在MMSE滤波器中用实数值的处理。

在附图6和附图7中，L_w＝11对应于48个实数值的滤波器系数。在附图8到附图11中，L_w＝4对应于20个实数值的滤波器系数。另外，L`＝L＝3，也即没有进行截短，也即M<sup>L`</sup>＝8个状态的维特比检测器。

附图6和附图7示出了根据第一情况A的相关矩阵的计算，附图8和附图9示出了根据第二情况B的计算，附图10和附图11示出了根据第三情况C的计算。另外，还使用了单独统计的脉冲。其中示出了期望用户的信号成分的误码率与以dB为单位的C/I的关系曲线。

空心圆点和空心方框示出了根据优选的实施方案执行信号处理的值。作为参照，还包括有带实心圆点和实心方框的常规接收器性能结果。性能/复杂度的权衡是值得注意的。要特别注意的是在附图10和11中没有使用信道估计。

针对流行的GSM系统，所示的数字结果说明了有明显的性能改善。(i)通过迭代处理和(ii)通过引入一个权重因数ρ结合以下公式可以进一步改善性能，其中该权重因数ρ是SINR的函数，

$R_{\mathrm{yy}}=R_{\mathrm{yy}}^d+\mathrm{\&rho;}{R}_{\mathrm{yy}}^{i+n}---\left(30\right)$

为了避免在高SINR时与常规的接收器相比性能的降级。该权重因数可以通过查表来获得。尽管假定了重复采样，但是在符号间距执行的情况下降级并不严重。

当确定、也即计算自动相关矩阵时，可以使用至少一个期望信道的知识，并使用至少一个干扰、特别是冲突信道的知识，其中该期望信道从第一基站BS1传输期望数据，而冲突信道从比如第二和第三基站BS2、BS3传输干扰数据，所述知识在判决回馈均衡器DFE中通过信道估计来确定。根据第二情况B，自动相关矩阵的计算仅使用传输期望数据的至少一个期望信道的知识来进行。根据第三情况C，自动相关矩阵的计算既不使用传输期望数据的期望信道的知识，也不使用传输干扰数据的干扰、特别是冲突信道的知识来进行。

当为预滤波设计滤波器系数时，可以仅考虑一个或多个接收天线。另外，滤波器系数可以考虑根据符号的同步而被接收的数据，或者可以考虑重复采样。滤波器系数可以被设计为实数或复数系数。另外，用于预滤波的滤波器系数可以通过一种迭代方法来改善。

而且，可以估计SINR来控制滤波器系数的设计，以避免在高SINR的情况下与常规接收器相比而降级。

另外，通过使用非记忆检测器、使用MMSE-DFE均衡器连同非记忆检测器一起组成的后向滤波器，比如网格布置的、树状布置的、曲线状布置的均衡器，可以对预滤波过程的输出信号、也即被预滤波的数据z进行处理。

特别是，优选地使用信道系数，尤其是与MMSE-DFE后向滤波器的系数相对应的、非线性均衡器的信道脉冲响应的系数。

有利地，非线性均衡器的信道系数可以通过预滤波器的系数与期望信号的最初估计的信道系数相卷积来确定或计算。另外，可以借助一个信道估计器从被预滤波的接收数据估计非线性均衡器的信道系数。

总之，一种去耦线性滤波器/非线性检测器已被研制出来。微小间距线性滤波器的目的是抑制CCI并用于缩短全部脉冲响应。非线性滤波器的目的是为期望用户抑制ISI。该接收器构造与常规的TDMA接收器相兼容。

所提议的解决方法综合了[12]中所公布的已知的接收器。独特的重点在于线性滤波器的匹配技术，其中考虑了期望用户的信道知识和或者干扰信号的信道知识。同样，在无信道估计的情况下，为了设计的目的也考虑该线性滤波器。

Claims (7)

1.用于对被接收数据(y)进行冲突消除的方法，其中该被接收数据在蜂窝通信系统中通过通信信道(s1，s2)被接收并具有期望用户的相应信道系数所述方法包含骤：

-对所述被接收数据(y)进行线性滤波(S1)，以及

-之后通过信号处理执行非线性检测以获得被检测数据

其特征在于

-为了对所述被接收数据(y)进行线性预滤波而确定线性滤波器系数以在滤波所述被接收数据(y)时抑制非高斯冲突，

-确定最佳信道系数，

-使用所述最佳信道系数作为非线性检测的输入以获得被检测数据

2.根据权利要求1所述的方法，还包含步骤：

-确定所述线性滤波器系数

和最佳信道系数其中所述最佳信道系数关于信号与冲突加噪音之和的比的最大化来进行优化。

3.根据权利要求2所述的方法，其中确定所述最佳信道系数

是

-通过在所述线性滤波器系数

和期望用户的信道系数

之间的卷积来进行，或

-通过一种信道估计器使用被预滤波的数据来进行。

4.根据任一前述权利要求所述的方法，包含步骤：通过所述线性滤波器系数与最初估计的期望数据的信道系数相卷积，来确定非线性均衡器的最佳信道系数

5.根据前述权利要求1-3中任一个所述的方法，包含步骤：使用所述被预滤波的信号(z)并使用信道估计来估计非线性均衡的最佳信道系数

6.根据前述权利要求1-3中任一个所述的方法，包含步骤：使用非记忆检测器、使用最小均方差判决回馈均衡器的后向滤波器与非记忆检测器相结合、或者使用非线性均衡器，来处理所述被预滤波的数据(z)。

7.用于在蜂窝通信网络(GSM)中与另一装置(BS1)通信的通信装置(MS)，其中所述通信装置(MS)包括

-接收器单元(TX/RX)，用于接收从所述另一装置(BS1)通过通信信道(s1，s2)发送的数据(y)，并接收从至少一个其他的装置(BS2，BS3)通过冲突的信道(i11，i12，i21)发送的数据，其中所述信道(s1，s2，i11)具有期望用户的相应信道系数以及

-至少一个处理器(C)，用于对所述被接收数据(y)进行冲突消除，并用于对所述被接收数据(y)进行线性滤波，并之后用于供非线性检测器通过非线性信号处理来获得被检测数据

其特征在于

-所述至少一个处理器(C)被设计用于确定用于所述被接收数据(y)的预滤波的线性滤波器系数以在滤波所述被接收数据(y)时抑制非高斯冲突，其中所述处理器被设计用于执行根据任一前述权利要求所述的方法，后面跟着一个非线性检测器以消除符号间冲突。

Images