JP2007336588A - 受信機 - Google Patents

Abstract

【課題】無線通信における同一チャネル干渉阻止を改善し、使用周波数に対し、通信チャネル数を増加することを可能にする。
【解決手段】受信した送信信号の同相I信号、直交Q信号のブランチを該受信信号の入力として用い、二次統計量を利用し、無線通信における同一チャネル干渉を適応的に阻止する。なお、前記信号には、事前に粗同期及び粗周波数オフセット補償が実施されている。本発明は、デローテーション手段、分離手段、フィルタ手段、推定手段受信信号において送信シンボルを検出する手段を備えるものである。
【選択図】図２

Description

本発明は、二次統計量を利用し無線通信における同一チャネル干渉を適応的に阻止する方法及び受信機に関する。

現代の無線システムにおいては、同時ユーザー数が同一チャネル干渉によって制限されており、無線通信システムの同一チャネル干渉を効果的に阻止する技術が極めて重要になっている。最近、この干渉阻止に時空間処理を使用できるよう、アンテナアレイによって更なる自由度を得る方法が提案されているが、アンテナアレイの使用が不可能であったり魅力に欠けるケースも存在する。

このような干渉阻止技術分野における研究の活性化は、無線システムのユーザー数の増加によってもたらされたものである。同一チャネル信号の干渉抑制には、通常、受信信号における自由度が利用されており、このような自由度は、基地局で複数の受信アンテナを使用したり、通信信号の時間構造を利用することによって得ることができる。

無線システムにおけるアンテナアレイの使用に関する研究は最近精力的に行われており、その詳細については、１９９５年８月発行の「車両技術に関するＩＥＥＥトランザクション（IEEE Transactions on Vehicular Technology）」の４４（３）：６５１〜６６０のＰ．ゼッターバーグ（P. Zetterberg）及びＢ．オッターステン（B. Ottersten）による「空間選択伝送用基地局アンテナアレイシステムのスペクトル効率（The spectrum efficiency of a base station antenna array system for spatially selective transmission）」、並びに１９９７年４月のパリにおけるＩＥＥＥの「無線通信における信号処理の進歩（Signal Processing Advances in Wireless Communications(APAWC)）」会議議事録３０９〜３１２頁のＦ．ピポン（F. Pipon）、Ｐ．シュバリエ（P. Chevalier）、Ｐ．ビラ（P. Vila）、及びＪ．Ｊ．モノット（J. J. Monot）による「シンボル間干渉を伴うチャネルの時空間等化−基地局アンテナアレイの理論及び実験結果（Joint spatial and temporal equalisation for channels with ISI-theoretical and experimental results for a base station antenna array）」、或いは、１９９８年９月８日〜１１日にギリシャのロードス島で開催された「第９回欧州信号処理会議（IX European Signal processing Conference (EUSIPCO-98)）」のＤ．アッツェリ（D. Asztely）及びＢ．オッターステン（B. Ottersten）による「アンテナアレイとＭＬＳＥ及び時空間干渉阻止の組み合わせ（MLSE and spatio-temporal interference rejection combining with antenna array）」を参照されたい。

多次元アンテナアレイ信号処理は、従来、アレイ出力データにおける空間次元の利用に焦点が当てられており、時間次元（遅延スプレッド）については最近まで別の回路（チャネル等化）で取り扱われてきた。１９９６年のニューヨークにおけるＩＥＥＥのＧｌｏｂｅｃｏｍ関連の「通信理論ミニコンファレンス（Communications Theory Mini-Conference）」の２１４〜１２８頁のＤ．Ｔ．Ｍ．スロック（D. T. M. Slock）による「干渉キャンセルマルチチャネルマッチドフィルタ（An interference cancelling multichannel matched filter）」、並びに１９９７年の「ＩＥＥＥ信号処理マガジン（IEEE Signal Processing Magazine）」の１４（６）：４９〜８３のＡ．Ｊ．ポーレイ（A. J. Paulray）及びＣ．Ｂ．パパディアス（C. B. Papadias）による「無線通信の時空間処理（Space-time processing for wireless communications）」に述べられているような時空間処理は、干渉を阻止する非常に効果的な受信機の方法を構築した場合に有利となる。アンテナアレイの欠点は、ハードウェアが増加することと移動局における実装が難しいことである。本発明は、１つ又は複数のアンテナを使用し、同一チャネル干渉を適応的に阻止する方法及び受信機に関するものである。

尚、本発明による方法及び受信機は添付の独立クレームによって示され、本発明の更なる実施例は添付の従属クレームによって示される。

（発明の要約）
本発明は、二次統計量を利用し無線通信における同一チャネル干渉を適応的に阻止する同一チャネル干渉阻止体系を有する方法及び受信機に関するものである。本発明では、特定信号点配置（signal constellations ）の特性を利用し、干渉を阻止する強力なアルゴリズムの適用を可能にする更なる自由度を得ている。この方法は１つ又は複数のコヒーレントな無線チャネル、或いは１つ又は複数のアンテナに適用可能であり、この信号点配置の例には、ＰＡＭ、ＢＰＳＫ、ＭＳＫ、及びＧＭＳＫが含まれる。受信した送信信号のデジタル的にＩ（同相）及びＱ（直交）のブランチを受信機の入力として使用しており、この信号には事前に粗同期及び粗周波数オフセット補償が実行されている。本発明による受信機は、デローテーション（derotation）、分離、フィルタ処理、推定、及び受信信号において送信シンボルを検出する手段を有している。

デローテーション手段における信号のデローテーションにより、変調形態が一次元の場合に受信信号の複素値離散時間ベースバンド表現を出力し、変調形態が多次元の場合には２つのベクトル値信号シーケンスから複素値信号を出力し、この複素値信号が分離手段において実数部と虚数部に分離され、送信信号、同一チャネル干渉ユーザー信号、付加雑音、及びその他の発生し得る障害を含むベクトルが出力される。

本発明による方法は、分離手段、フィルタ処理手段、及び検出手段からの出力を入力として使用し推定手段において推定するステップと；微細同期、微細周波数オフセット推定／補償、又はデータモデル推定の中の１つ又は複数を実行するステップと；これらの結果をフィルタ処理、及び検出の各手段に出力するステップと；を有している。

フィルタ処理手段におけるフィルタ処理により、分離手段からの実数値出力と推定手段から出力されたデータモデルの係数を使用し、信号に対してノイズ及び同一チャネル干渉の二次統計量特性を考慮した白色化操作が実行され、フィルタ処理済み信号が推定及び検出の各手段に出力される。このフィルタ処理手段は、ノイズ及び同一チャネル干渉の二次統計量特性を考慮した白色化を実行している。

検出手段における送信シンボルの検出は、フィルタ処理手段からの出力と推定手段からのデータモデルを利用しており、これによって無線通信における同一チャネル干渉阻止機能を改善することにより、使用周波数のチャネル数の増加を可能にしている。

本発明の一実施例においては、通信チャネルのモデルは線形ＦＩＲチャネルである。

本発明の別の実施例においては、干渉及びノイズのモデルは線形ベクトル値移動平均プロセスであり、更に別の実施例では、干渉及びノイズのモデルはベクトル値自己回帰プロセスである。

本発明の更なる実施例では、フィルタ処理したチャネル及び残差共分散行列により白色化シーケンスを使用してシーケンス推定を実行する。別の実施例においては、スカラー入力信号に基づいてシンボル毎に二分決定（binary decision ）することにより検出を実行する。更に別の実施例では、白色化シーケンスを使用して実行する演算量削減シーケンス推定により検出を実行する。更なる別の実施例では、線形等化を実行した後にシンボルごとの検出を行う。

本発明の一実施例では、トレーニングデータを使用してデータモデルパラメータを推定する。別の実施例では、推定シンボルを使用してデータモデルパラメータを推定する。

本発明の更に別の実施例では、モデル次数（model order ）を事前に指定する。別の実施例では、モデル次数選択基準に従ってモデル次数を選択する。更に別の実施例では、チャネル上での誤り率に従って通信の際にモデル次数を適合させる。

更に別の実施例では、フィルタ処理手段及び検出手段において複数のモデルを推定及び使用し、結果的に最も誤り率が低いモデルによりシンボル推定を実行する。

本発明の更に別の実施例では、トレーニングデータを使用してタイミング推定を実行する。別の実施例では、推定シンボルを使用してタイミング推定を実行可能である。更に別の実施例では、トレーニングデータを使用してデータモデルパラメータを推定する際に同時にタイミング推定を実行する。

更なる実施例では、トレーニングデータを使用して周波数オフセット推定を実行する。別の実施例では、推定シンボルを使用して周波数オフセット推定を実行可能である。

更に別の実施例では、トレーニングデータを使用してデータモデルパラメータを推定する際に同時に周波数オフセット推定を実行する。

別の実施例では、トレーニングデータを使用して周波数オフセット推定を実行する。推定シンボルを使用して周波数オフセット推定を実行することも可能である。

別の実施例では、トレーニングデータを使用してデータモデルパラメータを推定する際に同時に周波数オフセット推定を実行する。

更に別の実施例では、フィルタ処理手段はベクトル値線形ＩＩＲ（無限長インパルス応答）フィルタを有している。このフィルタ処理手段は、ノイズ及び同一チャネル干渉の二次統計量特性を考慮した白色化操作を実行し、ビタビアルゴリズムをこの白色化シーケンスに適用することにより、マルチチャネル最尤シーケンス推定を実行可能である。

（発明の好適な実施例の詳細な説明）
本発明は、二次統計量を利用し無線通信における同一チャネル干渉を適応的に阻止するための同一チャネル干渉阻止体系を有する方法及び受信機に関するものである。本発明を説明するために、ＧＳＭ用の無線受信機について説明するが、特定構造を有する信号点配置を使用するその他のデジタル変調体系への拡張も本発明に含まれている。通常、通信信号は非常に構造化されており、例えば、符号分割多元接続（ＣＤＭＡ）における送信信号の時間形状はユーザー固有の符号によって制御されており、これらによって同時発生のチャネルユーザーを分離している。

従って、この場合、通信信号は不必要な信号の抑制に極めて有用であり、タイミングオフセットや信号強度などに応じ、その程度は異なるが、この符号化によってユーザーが効果的に分離される。本明細書では、時分割多元接続システムを使用して本発明を説明するが、本発明による適応干渉阻止機能を有する受信機は、特定構造（例：ＢＰＳＫ）を有する信号点配置を使用するＣＤＭＡシステムにも実装可能である。又、二相ＰＳＫ（ＢＰＳＫ）、パルス振幅変調（ＰＡＭ）、最小偏位変調（ＭＳＫ）、及びガウス最小偏位変調（ＧＭＳＫ）の通信信号構造を利用して処理自由度数を増加させる方法も示している。又、一次元シンボルサンプリング通信システムから始めて二次元システムを得ることができることが証明されており、この詳細については、１９９６年１１月のカリフォルニア州パシフィックグローブ（Pacific Grove）での「第３０回信号、システム、及びコンピュータに関するアシロマー会議（30th Asilomar Conference on Signal, Systems and Computers）」議事録のＭ．クリステンセン（M. Kristensson）、Ｄ．Ｔ．スロック（D. T. Slock）、及びＢ．オッターステン（B. Ottersten）による「ＢＰＳＫ通信チャネルのブラインドサブスペース識別（Blind subspace identification of a BPSK communication channel）」を参照されたい。これは、対象ユーザーを検出する際の強力な時空間アルゴリズムの使用を促進するものであり、利用可能なアンテナが１つだけであり、時間的オーバーサンプリングを使用していない場合にもこれは適用される。

図１は、周知の最近のデジタル受信機に使用されている手順を示している。実際の実装及び順序は様々な形態を取ることができるが、フィルタ処理及びダウンコンバージョンが段階的且つしばしばデジタル的に実現されている。この図は、無線受信機における最初のいくつかのアナログブロックの概要を示しており、これらのブロックにより、受信信号ｒ（ｔ）がフィルタ処理１４、１０され、ダウンコンバージョン及びサンプリング１２される。

本発明では、受信信号をデジタル的にサンプリングしたＩ（同相）及びＱ（直交）のブランチ（ｒ_I（ｋ）１６及びｒ_Q（ｋ）１８として示されているもの）を受信機で利用可能であることを前提としている。

又、本発明では、事前に粗同期及び粗周波数オフセット補償が実行されていることを前提としており、インデックスｋは、時間を表し、シンボル間隔を有していると仮定している。ｒ_I（ｋ）及びｒ_Q（ｋ）は、複数アンテナの場合にはベクトル値であり、且つ／又はシンボル時間に対してオーバーサンプリングであってよい。このベクトルの次元数は、アンテナの数とオーバーサンプリング係数の積に等しく、これは、しばしば離散時間デジタルベースバンド通信信号と呼ばれている。受信機のこの最初のブロックにおけるサンプリングレートはシンボルレートよりも高速であってよく、シンボル周期に対するオーバーサンプリングが許容されている。

以下に、変調形態を利用して干渉を阻止する本発明による方法に必要なデジタル受信機内のブロックについて説明する。以下の各ブロックは、本発明の中心をなすものであり、図２に描かれている。

送信信号の変調形態に応じ、デローテーションブロック２０は２つの方法のいずれかで機能する。

まず、送信変調形態が一次元であれば（例：１つの基本関数のみで表現可能）、図２のデローテーションブロックの出力ｙ（ｋ）３０は、受信信号１６、１８の複素値離散時間ベースバンド表現である。即ち、この複素値信号ｙは次の式によって表される。

（１） ｙ（ｋ）＝ｒ_I（ｋ）＋ｉｒ_Q（ｋ） ｋ＝１，２，．．．

ここで、ｉはｉ²＝−１で定義される虚数単位であり、このｙ（ｋ）３０は、しばしばマルチチャネル離散時間デジタルベースバンド通信信号と呼ばれている。このような変調体系の例としては、ＢＰＳＫ（二相ＰＳＫ）及び一次元の振幅変調が挙げられる。一方、送信変調形態がＭＳＫ又はＧＭＳＫの場合には、デローテーションブロックへの入力信号がデローテーションされる。このデローテーション操作は、次のように機能する。まず、２つのベクトル値シーケンスを形成する。

これが形成された複素値シーケンスであり、次に、デローテーションシーケンスを構築する。

これが第２のケースのデローテーションブロック２０からの出力である。

そして、図２のデローテーションブロックからのこの出力が分離ブロック２２に入力される。この分離ブロック２２は、入力信号を次のように実数部と虚数部に分離する。

ここで、Ｒｅ｛．｝及びＩｍ｛．｝は、当該数値のそれぞれ実数部と虚数部を表している。このｙ（ｋ）３０の実数部及び虚数部から形成されるベクトルｘ（ｋ）３２が分離ブロック２２からの出力である。

このベクトル値シーケンスｘ（ｋ）３２には、送信信号、同一チャネル干渉ユーザー、付加雑音、及びその他の障害が格納されている。

図２の推定器ブロック２８は、分離２２、フィルタ２４、及び検出器２６の各ブロックの出力を入力として取得する。この推定器ブロック２８は、微細同期、微細周波数オフセット推定／補償、データモデル推定、チャネル及び干渉パラメータ推定の中の１つ又は複数を実行する。そして、これらの結果の１つ又は複数が、デローテーション２０、フィルタ２４、及び検出器２６の各ブロックに出力される。この推定手順では、送信シンボルにおける冗長性に関する知識を使用して未知の内容を決定している。この送信シンボルシーケンスにおける冗長性は、トレーニングシーケンス、プリアンブル、同期シンボル、既知のペイロードなどの形態であってよい。尚、後述するように、これら推定器及び検出器ブロックの実施例はいくつかのものが可能である。フィルタ処理ブロック２４は、分離ブロック２２からの実数値ベクトルｘ（ｋ）３２と推定器ブロックからのデータモデル（ｈ，Ｗ，Ｑ）の係数を入力として受信する。

このフィルタ処理ブロック２４は、マルチチャネル白色化操作を実行する。これは、ノイズ及び同一チャネル干渉の二次統計量特性を考慮したものであり、従来の白色化フィルタではない。このフィルタ処理ブロック２４の出力は、検出器２６及び推定器２８の各ブロックに入力される。

以下に、干渉の阻止を実現するマルチチャネル線形受信機について説明する。シーケンス推定においては、対象ユーザーに対する離散時間チャネルをＦＩＲフィルタとしてモデル化する。干渉及びノイズは共にベクトル値自己回帰（ＶＡＲ）システムとしてモデル化されるが、これについては、１９９８年９月８日〜１１日にギリシャのロードス島で開催された「第9回欧州信号処理会議（IX European Signal Processing Conference(EUSIPCO-98)）」のＤ．アッツェリ（D. Asztely）及びＢ．オッターステン（B. Ottersten）による「アンテナアレイとＭＬＳＥ及び時空間干渉阻止の組み合わせ（MLSE and spatio-temporal interference rejection combining with antenna array）」、並びに１９８９年３月発行の「通信に関するＩＥＥＥトランザクション（IEEE Transactions on Communications）」の３７（３）：２７７〜２８８のＲ．Ａ．イルティス（R. A. Iltis）による「結合チャネル推定及び干渉抑制のためのＧＬＲＴに基づいたスペクトル拡散受信機（A GLRT-based spread-spectrum receiver for joint channel estimation and interference suppression）」を参照されたい。又、干渉を時間的に有色の非循環性のものとしてモデル化することにおける重要性は、１９９７年４月のパリにおけるＩＥＥＥのＧｌｏｂｅｃｏｍ関連の「通信理論ミニコンファレンス（Communications Theory Mini-Conference）」の３０９〜３１２頁のＤ．Ｔ．Ｍ．スロック（D. T. M. Slock）による「干渉キャンセルマルチチャネルマッチドフィルタ（An interference cancelling multichannel matched filter）」に述べられている。

受信データサンプルを白色化した後、この白色化シーケンスにビタビアルゴリズムを適用することにより、最尤シーケンス検出（又は、演算量削減シーケンス推定）を実行する。

本発明による方法の新規性は、受信機構造と信号点配置の利用の効果的な組み合わせにある。この方法による利得は、信号点配置を利用しない最尤検出と比べると非常に大きい。従って、本明細書で提示する方法及び考え方は、アンテナアレイを使用せず、変調波形が非循環的な受信機に適用することが可能であり、周知のＧＳＭシステムがその例の１つである。

アンテナアレイを利用する方法とは対照的に、本発明による方法の場合にはハードウェアの変更が不要である。無論、本発明は、アンテナアレイを使用すると共に／又はシンボル周期に対する時間的オーバーサンプリングを使用する受信機の性能を改善するのにも使用可能である。本無線受信機内のいくつかのブロックの性能をエンハンスするためにＧＳＭなどのいくつかの移動体通信用システムの変調体系を利用することが可能であり、干渉ユーザーが支配的な障害源となっている環境では最大の性能改善効果が得られる。

一実施例において、マルチチャネルフィルタブロック２４は、ベクトル値線形ＩＩＲ（無限長インパルス応答）フィルタである。好適な実施例においては、フィルタブロック２４は、次のＺ変換を有する多次元ＦＩＲフィルタである。

このフィルタの出力をＸ’（ｋ）３４で表すと、このフィルタは次の操作を実行する。

尚、上述のあらゆるデータはすべて実数値であることに留意されたい。

検出器ブロックは、フィルタブロック２４からのｘ’（ｋ）３４と推定器ブロック２８からのデータモデル（ｈ，Ｗ，Ｑ）を入力として取得する。この検出器ブロック２６の出力は送信シンボルの推定値であり、この検出器ブロック２６にはいくつかの実施例が可能である。

一実施例においては、二分決定を取得することにより検出を実行しており、例えば、次のようにスカラー入力信号ｘ’（ｋ）に基づいてシンボルごとに二分決定を行う。

（９） ｘ’（ｋ）≧０ 「１」が送信された。
（１０） ｘ’（ｋ）＜０ 「０」が送信された。

一方、好適な実施例では、検出にマルチチャネル最尤シーケンス推定器（ＭＬＳＥ）を使用する。これにより、適切にデータモデル（ｈ，Ｗ，Ｑ）を考慮して推定値として最尤シンボルが生成される。ＭＬＳＥは、周知のビタビアルゴリズムによって実装するか、又はその演算量削減バージョンで近似することができる。

以下に、推定器２８、フィルタ２４、及び検出器２６の各ブロックの実施例について説明する。簡単のため、受信信号のデータモデルをまず導入する。離散時間領域における通信チャネルの一般的な線形モデルは、送信機から受信機への線形ＦＩＲチャネルである。ベクトル値及び実数値信号ｘ（ｋ）用のこのモデルは、本明細書では次のように与えられる。

ここで、ｎ（ｋ）は、受信機ノイズ、モデルの不一致、及びその他のユーザーからの干渉を含むノイズである。尚、式（１１）は、受信通信信号の実数値及びベクトル値表現である。後述するように、この表現はより一般的であり、次元が半分の複素値システムよりも干渉抑制が促進される。対象シンボルｓ（ｋ）を検出するには、チャネルとノイズ特性が既知である必要がある。次に、ノイズ特性について説明する。

式（１１）のノイズの項の時間相関には特別な注意を払うべきだが、しばしばこの相関は無視される。これは、干渉が存在しないか又はチャネルの遅延スプレッドが小さい場合には適切なモデルであるが、遅延スプレッドが大きい場合には、干渉ユーザー信号は（それら自体も（１１）のような式を満足するために）時間相関する。一実施例においては、このノイズｎ（ｋ）は、付加ノイズ入力を有するベクトル値移動平均（ＭＡ）プロセスとしてモデル化される。そして、このＭＡプロセスのパラメータを推定した後に、ｎ（ｋ）を白色化し、ビタビアルゴリズムにより白色化受信シーケンスを使用して送信シーケンスを推定する。この検出器は優秀な性能を備えているが、このような手順に伴う欠点は、ビタビ等化器における状態数が送信シンボル数の増加に伴って際限なく拡大することであり、ブロック長が長い場合には、これは実用的な方法ではない。

好適な実施例においては、干渉及びノイズは、次の式で示す次数がＫのベクトル値自己回帰プロセスＶＡＲ（Ｋ）としてモデル化される。

ここで、ｅ（ｋ）は、次の空間共分散を有する時間的に白色でガウス分布のプロセスである。

（１３） Ｅ｛ｅ（ｔ）ｅ^T（ｔ）｝＝Ｑ

一実施例においては、モデル次数をいくつかの周知のモデル次数選択基準の中の１つを使用して決定する。別の実施例では、モデル次数は受信機の設計パラメータであり事前に指定された値に固定されている。更に別の実施例では、モデル次数は、チャネル上のビット誤り率に従って通信の際に適合される。更に別の実施例においては、フィルタ処理及び検出の段階で、複数のモデルを推定及び使用し、最も低いビット誤り性能を示したモデルによりシンボル推定値を生成する。

尚、ビット誤り性能は、誤り検出及び／又は誤り訂正符号によって評価可能であり、これらはデジタル通信システムでは一般的なものである。

上述のノイズモデルは、無論、ノイズ及び干渉を有する実際の環境の近似でしかないが、このノイズモデルを選択する利点は、シンボル検出が比較的容易なことである。

送信シンボルを推定するための最尤法は、モデルのパラメータに関する知識を前提にしている。ここで、例えば、トレーニングシーケンスなどの既知のシンボルシーケンスを有するシステムでパラメータを推定する方法について概説する。このトレーニングシーケンスにおいて、チャネル及びノイズパラメータの両方を推定する。尚、通信システムに関して設定する前提事項は、対象信号と干渉がバースト同期していること、及びトレーニング期間で推定したパラメータが情報バースト全体を通じて有効となるようにシナリオが時不変であることである。

ＧＳＭはこのようなシステムの例であり、基地局が同期している。無論、同期していない基地局のケースで本受信機を使用することも可能であるが、多少性能損失が発生する。又、同期していない基地局のケースを処理するべく、本方法を拡張することも可能であるが、その場合には、情報バーストにおいてＶＡＲモデルを再帰的に更新する必要がある。ＶＡＲモデルの適応推定手順は、当技術分野において周知である。

この推定手順を概説するために、後述の式（２６、２７）及び（３１）を組み合わせると次のような関係になる。

この関係は、Ｗ（１），…，Ｗ（Ｋ）及びＨの両方において線形であることに留意されたい。計測された受信シーケンスｘ（ｋ）及びデータシンボルｓ（ｋ）は、トレーニングシーケンスにおいていずれも既知である。これは、Ｗ（１），…，Ｗ（ｋ）においてＶＡＲパラメータ、Ｈにおいてチャネル係数を同時に推定する際に、次のような簡単な最小二乗法フィットとなる。

ここで、Ｎは最小化を実行するサンプル数であり、ＷはモデルパラメータＷ（１），…，Ｗ（ｋ）を表している。Ｑの推定値は、残差（residual）のサンプル共分散ε（ｋ）によって与えられる。

大部分のシステムにおいて、送信機と受信機の周波数はわずかに異なっている。受信機にとってこれが障害となるため、この周波数オフセットを推定し補償しなければならない。当技術分野において周知の技術により事前に信号ｒ_I（ｋ）及びｒ_Q（ｋ）が粗周波数オフセット補償されていることを前提とし、微細周波数オフセット推定を推定器ブロックにおいて実行することができる。フィルタブロック２４からの出力は干渉が軽減されているため、この方法の方が干渉が考慮されていない方法よりも性能が優れている。式（６）と同様に、ベクトルｘ’（ｋ）は分割され、次のように表される。

同様に、分割された式（１４）に対応する次の表記が導入される。

周波数オフセットの推定値Ｗ_Oは、式（２０）を最小化することにより次のように得ることができる。

ここで、Ｎ’は、最小化を実行するデータのバッチである。一実施例においては、式（２０）のチャネル行列Ｈ_r及びＨ_iはチャネル推定手順から得られた推定チャネル行列から分割され、フィルタ処理行列Ｗはチャネル推定手順から得られ、推定シンボルは検出器ブロックの出力である。

別の実施例においては、トレーニングデータを使用して最小化を実行する。この場合、最小化は、次のようにＷ、Ｈ_r、Ｈ_i及びω_Oにわたって同時に実行される。

別の実施例では、トリビアルなチャネル及びフィルタを仮定し、トレーニングデータを使用して周波数オフセット推定を実行する（一致操作）。更に別の実施例では、前述の基準の周知の適応バージョンを使用し、周波数オフセット推定を適応的に実行する。通常、周波数オフセット推定の適応速度は、データモデルパラメータの適応速度よりも低速である。周波数オフセットは、次のように検出ブロック２０において補償することができる。

データ検出を実行できるよう、同期即ちタイミング推定を実行しなくてはならない。尚、ｒ_I（ｋ）及びｒ_Q（ｋ）が粗同期していることが前提であり（即ち、トレーニングデータの位置が概略的に判明している）、この粗同期は当技術分野で周知の方法によって実行する。

微細タイミング推定は推定ブロックにおいて実行可能である。フィルタブロックからの出力は干渉が軽減されているため、この方法の方が干渉が考慮されていない方法よりも性能が優れている。タイミングの推定値τ_Oは、次のように最小化することにより得ることができる。

ここで、Ｎ’は最小化を実行するデータのバッチである。一実施例においては、式（２３）のチャネル行列Ｈ及びフィルタ処理行列Ｗは、粗タイミングによってチャネル推定手順から得られる。式（２３）の推定シンボルは、検出器ブロック２６の出力である。

本発明の別の実施例においては、トレーニングデータを使用してタイミング推定を実行する。この場合、最小化は、次のようにＷ、Ｈ、及びτ_Oにわたって同時に実行される。

別の実施例では、トリビアルなチャネル及びフィルタを仮定し（一致操作）、トレーニングデータを使用してタイミング推定を実行する。更に別の実施例においては、前述の基準の周知の適応バージョンを使用してタイミングを適応的に推定する。通常、タイミング推定の適応速度はデータモデルパラメータの適応速度よりも低速である。本節及び以下の節では、データモデル（ｈ，Ｗ，Ｑ）の係数が既知であるか又は推定されることを前提としており、＾表記を省略している。

前述の通り、一実施例においては、検出器は時間的白色化フィルタから構成されており、この後に、この時間的に白色化されたノイズプロセス用に構築されたＭＬＳＥが続いている。ノイズ及び干渉は共にＶＡＲプロセスとしてモデル化されているため、白色化フィルタは、次のＺ変換を有する多次元ＦＩＲフィルタである。

この白色化されたプロセスを数学的に定式化するために、白色化フィルタの出力を次のようにｘ’（ｋ）として表す。

白色化フィルタの出力は次の式を満足する。

ここで、ｅ（ｋ）は障害のＶＡＲモデル内のプロセスノイズである。新しいチャネルｈ’は、次数がＭ＋Ｋのものであり、元のチャネルとＶＡＲモデルの畳み込みである。従って、新しいチャネルｈ’は、次のとおりである。

ここで、Ｗ（０）＝Ｉである。尚、新しいチャネルは有限次数の多次元ＦＩＲフィルタであり、以上が受信データの白色化の説明である。

ＭＬＳＥを定式化するために、次の式による２ｘ（Ｍ＋Ｋ）チャネル行列Ｈを構築する。

シンボルベクトルは次のとおりである。

（３０） ｓ（ｋ）＝［ｓ（ｋ）．．．ｓ（ｋ−Ｍ−Ｋ）］^T

これらの表記により、（２７）の白色化された二次元システムは次のようにコンパクトに記述される。

（３１） ｘ’（ｋ）＝Ｈ’ｓ（ｋ）＋ｅ（ｋ）

最後に、受信シーケンスの最尤推定値は、次のようになる。

初期及び／又は最終の状態を提供するため、検出するすべてのシンボルｓ（ｌ）について加算を実行する（提供されている場合には、トレーニングデータも含まれる）。最小化は、ビタビアルゴリズムによって実行するのが望ましく、これは当技術分野では周知である。

検出器からの出力ｓ（ｋ）は、入力データシンボルｓの硬推定値又は軟推定値である。これらの硬判定又は軟判定に対してデインターリーブ処理及び誤り訂正／検出を行った後に最終的な情報シンボルが推定される。

従来技術による受信機を概略的に示している。 本発明による受信機を概略的に示している。

Claims (44)

1. 二次統計量を利用し無線通信における同一チャネル干渉を適応的に阻止するデジタル受信機用の方法であって、受信した送信信号のデジタル的にＩ（同相）及びＱ（直交）のブランチを該受信機への入力として有し、前記信号には事前に粗同期及び粗周波数オフセット補償が実行されており、デローテーション手段と、分離手段と、フィルタ処理手段と、推定手段と、受信信号において送信シンボルを検出する手段と、を有する受信機用の方法において、
   前記デローテーション手段で前記信号をデローテーションするステップであって、変調形態が一次元の場合に前記受信信号の複素値離散時間ベースバンド表現を出力し、変調形態が多次元の場合には２つのベクトル値信号シーケンスから複素値信号シーケンスを構築して該複素値信号を出力するステップと、
   前記の出力信号を前記分離手段でその実数部と虚数部に分離するステップであって、送信信号、同一チャネル干渉ユーザー信号、付加ノイズ、及びその他の発生し得る障害を含むベクトルを出力するステップと、
   前記分離手段、前記フィルタ処理手段、及び前記検出手段からの出力を入力として使用して前記推定手段で推定するステップであって、少くともデータモデル推定を実行し、この結果を前記フィルタ処理手段及び検出手段に出力するステップと、
   前記分離手段からの実数値出力と前記推定手段から出力されたデータモデルの係数を使用して前記フィルタ処理手段においてフィルタ処理を行うステップであって、ノイズ及び同一チャネル干渉の二次統計量特性を考慮して前記信号に白色化操作を実行し、フィルタ処理済みの信号を前記推定手段及び検出手段に出力するステップと、
   前記フィルタ処理手段からの出力と前記推定手段からのデータモデルを使用して前記検出手段で送信シンボルを検出するステップであって、その検出により無線通信における同一チャネル干渉阻止機能を改善し、これにより、使用周波数のチャネル数を増加させるステップと、
   を有することを特徴とする方法。
2. 前記フィルタ処理手段は、前記ノイズ及び同一チャネル干渉の二次統計量特性を考慮した白色化操作を実行することを特徴とする請求項１記載の方法。
3. スカラー入力信号に基づいて、シンボル毎に二分決定することにより前記検出を実行することを特徴とする請求項１又は２記載の方法。
4. 線形等化を実行した後にシンボルごとの検出を実行することを特徴とする請求項１又は２記載の方法。
5. 前記白色化シーケンスを使用してシーケンス推定を実行することを特徴とする請求項１又は２記載の方法。
6. 前記シーケンス推定は、フィルタ処理されたチャネル及び残差共分散行列を使用することにより実行することを特徴とする請求項５記載の方法。
7. 前記検出は、前記白色化シーケンスを使用して実行する演算量削減シーケンス推定によって実行されることを特徴とする請求項１又は２記載の方法。
8. 通信チャネルのモデルは線形ＦＩＲチャネルであることを特徴とする請求項１〜７のいずれか１項記載の方法。
9. 干渉及びノイズのモデルは線形ベクトル値移動平均プロセスであることを特徴とする請求項１〜８のいずれか１項記載の方法。
10. 干渉及びノイズのモデルはベクトル値自己回帰プロセスであることを特徴とする請求項１〜８のいずれか１項記載の方法。
11. データモデルパラメータは、トレーニングデータを使用して推定することを特徴とする請求項１〜１０のいずれか１項記載の方法。
12. データモデルパラメータは、推定シンボルを使用して推定することを特徴とする請求項１〜１０のいずれか１項記載の方法。
13. モデル次数を事前に指定することを特徴とする請求項１〜１２のいずれか１項記載の方法。
14. モデル次数は、モデル次数選択基準に従って選択することを特徴とする請求項１〜１２のいずれか１項記載の方法。
15. モデル次数は、前記チャネル上での誤り率に従って通信の際に適合させることを特徴とする請求項１〜１２のいずれか１項記載の方法。
16. 前記フィルタ処理手段及び検出手段において複数モデルを推定及び使用し、最も誤り率が低いモデルにより前記シンボル推定を実行することを特徴とする請求項１〜１２のいずれか１項記載の方法。
17. トレーニングデータを使用してタイミング推定を実行することを特徴とする請求項１〜１６のいずれか１項記載の方法。
18. 推定シンボルを使用してタイミング推定を実行することを特徴とする請求項１〜１６のいずれか１項記載の方法。
19. トレーニングデータを使用してデータモデルパラメータを推定する際に同時にタイミング推定を実行することを特徴とする請求項１〜１６のいずれか１項記載の方法。
20. トレーニングデータを使用して周波数オフセット推定を実行することを特徴とする請求項１〜１９のいずれか１項記載の方法。
21. 推定シンボルを使用して周波数オフセット推定を実行することを特徴とする請求項１〜１９のいずれか１項記載の方法。
22. トレーニングデータを使用してデータモデルパラメータを推定する際に同時に周波数オフセット推定を実行することを特徴とする請求項１〜１９のいずれか１項記載の方法。
23. 二次統計量を利用し無線通信における同一チャネル干渉を適応的に阻止するデジタル受信機であって、受信した送信信号のデジタル的にＩ（同相）及びＱ（直交）のブランチを入力として有し、前記信号には事前に粗同期及び粗周波数オフセット補償が実行されており、デローテーション手段と、分離手段と、フィルタ処理手段と、推定手段と、受信信号において送信シンボルを検出する手段と、を有する受信機において、
    前記信号をデローテーションし、変調形態が一次元の場合に前記受信信号の複素値離散時間ベースバンド表現を出力し、変調形態が多次元の場合に２つのベクトル値信号シーケンスから複素値信号シーケンスを構築して該複素値信号を出力するデローテーション手段と、
    前記デローテーションされた出力信号をその実数部と虚数部に分離し、送信信号、同一チャネル干渉ユーザー信号、付加ノイズ、及びその他の発生し得る障害を含むベクトルを出力する分離手段と、
    前記分離手段、前記フィルタ処理手段、及び前記検出手段からの出力を入力として使用し、少くともデータモデル推定を実行し、この結果を前記フィルタ処理手段及び検出手段に出力する推定手段と、
    前記分離手段からの実数値出力と前記推定手段から出力されたデータモデルの係数を使用し、ノイズ及び同一チャネル干渉の二次統計量特性を考慮して前記信号に白色化操作を実行し、このフィルタ処理済みの信号を前記推定手段及び検出手段に出力するフィルタ処理手段と、
    前記フィルタ処理手段からの出力と前記推定手段からのデータモデルを使用し、前記信号において送信シンボルを検出することにより無線通信における同一チャネル干渉阻止機能を改善し、これにより、使用周波数の通信チャネル数を増加させる検出手段と、
    を有することを特徴とする受信機。
24. 前記フィルタ処理手段は、前記ノイズ及び同一チャネル干渉の二次統計量特性を考慮した白色化操作を実行することを特徴とする請求項２３記載の受信機。
25. スカラー入力信号に基づいたシンボル毎に二分決定することにより前記検出を実行することを特徴とする請求項２３又は２４記載の受信機。
26. 線形等化を実行した後にシンボル毎の検出を実行することを特徴とする請求項２３又は２４記載の受信機。
27. 前記白色化シーケンスを使用してシーケンス推定を実行することを特徴とする請求項２３又は２４記載の受信機。
28. 前記シーケンス推定は、フィルタ処理されたチャネル及び残差共分散行列を使用することにより実行することを特徴とする請求項２７記載の受信機。
29. 前記検出は、前記白色化シーケンスを使用して実行する演算量削減シーケンス推定によって実行されることを特徴とする請求項２３又は２４記載の受信機。
30. 通信チャネルのモデルは線形ＦＩＲチャネルであることを特徴とする請求項２３〜２９のいずれか１項記載の受信機。
31. 干渉及びノイズのモデルは線形ベクトル値移動平均プロセスであることを特徴とする請求項２３〜３０のいずれか１項記載の受信機。
32. 干渉及びノイズのモデルはベクトル値自己回帰プロセスであることを特徴とする請求項２３〜３０のいずれか１項記載の受信機。
33. データモデルパラメータは、トレーニングデータを使用して推定することを特徴とする請求項２３〜３２のいずれか１項記載の受信機。
34. データモデルパラメータは、推定シンボルを使用して推定することを特徴とする請求項２３〜３２のいずれか１項記載の受信機。
35. モデル次数を事前に指定することを特徴とする請求項２３〜３４のいずれか１項記載の受信機。
36. モデル次数は、モデル次数選択基準に従って選択することを特徴とする請求項２３〜３４のいずれか１項記載の受信機。
37. モデル次数は、前記チャネル上での誤り率に従って通信の際に適合させることを特徴とする請求項２３〜３４のいずれか１項記載の受信機。
38. 前記フィルタ処理手段及び検出手段において複数モデルを推定及び使用し、最も誤り率が低いモデルにより前記シンボル推定を実行することを特徴とする請求項２３〜３４のいずれか１項記載の受信機。
39. トレーニングデータを使用してタイミング推定を実行することを特徴とする請求項２３〜３８のいずれか１項記載の受信機。
40. 推定シンボルを使用してタイミング推定を実行することを特徴とする請求項２３〜３８のいずれか１項記載の受信機。
41. トレーニングデータを使用してデータモデルパラメータを推定する際に同時にタイミング推定を実行することを特徴とする請求項２３〜３８のいずれか１項記載の受信機。
42. トレーニングデータを使用して周波数オフセット推定を実行することを特徴とする請求項２３〜４１のいずれか１項記載の受信機。
43. 推定シンボルを使用して周波数オフセット推定を実行することを特徴とする請求項２３〜４１のいずれか１項記載の受信機。
44. トレーニングデータを使用してデータモデルパラメータを推定する際に同時に周波数オフセット推定を実行することを特徴とする請求項２３〜４１のいずれか１項記載の受信機。

Images