SE517039C2 - Anordning och metod för kanalinterferensdämpning - Google Patents

Description

30 35 517 039 2 -- n o n u n ø ; . u . .- är ökningen av hårdvara och svårigheten att bygga in dem i mobila stationer. Föreliggande uppfinning beskriver ett forfarande och en mottagare för anpassningsbar kanalinterferensdämpning med användning av en eller flera antenner.

Förfarandet och mottagaren enligt föreliggande uppfinning frarnhävs i de bifogade huvudkraven. Vidare utföringsfonner av uppfinningen frarnhävs i de bifogade underkraven.

SAMMANFATTNING AV UPPFINNINGEN Föreliggande uppfinning avser ett förfarande och en mottagare med ett schema för dämpning av kanalinterferens som utnyttjar statistik av andra ordningen för en anpassningsbar kanalinterferensdärnpning inom trådlösa kommunikationer. Den patentsökta uppfinningen utnyttjar egenskaperna hos vissa signalkonstellationer för att erhålla extra fiihetsgrader som möjliggör tillämpning av kraftfulla algoritmer för interferensdämpning. Detta förfarande kan tillämpas på en eller flera koherenta radiokanaler eller en eller flera antenner. Bland exemplen på signalkonstellationer ingår PAM, BPSK, MSK, men även GMSK. Digitala I-grenar (i fas) och Q-grenar (kvadratur) hos en mottagen Överförd signal används som inmatning till en mottagare, varvid en grov synkronisering och en grov frekvensändringsutjämning har utförts på nämnda signal. En mottagare enligt den patentsökta uppfinningen innefattar derotationsorgan, separeringsorgan, filtrerorgan, estimeringsorgan och organ för detektering av överförda tecken i den mottagna signalen.

Genom derotation av signalen i nämnda derotationsorgan erhålls en komplex tidsuppskattad diskret basbandsåtergivning av den mottagna signalen om den använda moduleringsfonnen är endimensionell. Om den använda moduleringsfonnen är flerdimensionell, från eventuellt två vektorestimerade signalsekvenser, separeras en komplex estimerad signal i nämnda separeringsorgan i dess reella och imaginära delar, vilken vektor matas ut från nämnda separeringsorgan innehållande den överförda signalen, kanalinterfererande använda signaler, tilläggsbrus och andra eventuella stömingar.

Förfarandet enligt den patentsökta uppfinningen innefattar följ ande steg : Estimering i nämnda estimeringsorgan, med användning av utmatningama från nämnda separeringsorgan, filtreringsorgan, och från nämnda detekteringsorgan som imnatning, och utförande av en eller flera av de följande kvantitetema : finsynkronisering, finfrekvensändringsestimering utjämning, eller datamodellestimering, utmatning av en eller flera av nämnda kvantiteter till nämnda organ för derotation, filtrering och detektering; Filtrering i nämnda filtreringsorgan, med användning av realvärdesutmatningen från nämnda separeringsorgan och koefficienter i nämnda datamodellutmatning från estimeringsorganen och utförande av en vitningsoperation på signalen under beaktande av egenskapema av andra ordningen hos brus och kanalinterferens, varvid den filtrerade signalen matas till organen för estimering och detektering. Nämnda filtreringsorgan utför en vitningsoperation som beaktar de statistiska egenskapema av andra ordningen hos brus och kanalinterferens. 10 15 20 25 30 35 517 039 3 Detektering av de överförda tecknen i nämnda detekteringsorgan, med användning av utmatningen från nämnda filtreringsorgan och datamodellen från estimeringsorganen, varvid kanalinterferensdämpning vid trådlös kommunikation förbättras, vilket på så sätt gör det möjligt att öka antalet kanaler för de använda fiekvensema.

Vid en kommunikationskanalen en linjär FIR-kanal. utföringsform av föreliggande uppfinning är modellen för Vid en annan utföringsfonn av uppfinningen är en modell för interferens och brus en linjär vektoruppskattad rörlig genomsnittsprocess.

Vid en annan utföringsform är en modell för interferens och brus en vektoruppskattad sj älvregressiv process.

Vid ytterligare en annan utföringsform av föreliggande uppfinning sker sekvensestimering på den vitnade sekvensen med användning av en filtrerad kanal och en restkovariansmatris. Vid en annan utföringsform sker detektering genom fattande av ett binärt beslut, tecken för tecken, baserat på en skalär insignal. Vid ytterligare en annan utföringsfonn sker defekter-ingen genom sekvensestimering med reducerad komplexitet vilken utförs på den vitnade sekvensen. Vid ytterligare en annan utföringsfonn sker linjär utjämning följt av en tecken för tecken-detektering.

Vid en utföringsform av uppfinningen uppskattas datamodellparametrar med användning av träningsdata. Vid en annan utföringsforrn uppskattas datamodellparametrar med användning av uppskattade tecken.

Vid ytterligare en arman utföringsforrn av uppfinningen är modellordningen specificerad i förväg. Vid en annan utföringsforrn väljs modellordningen allt efter ett kriterium för val av modellordning. Vid ytterligare en utföringsfonn anpassas modellordningen under kommunikation allt efter felfrekvens i kanalen.

Vid ytterligare en arman utföringsfonn uppskattas multimodeller och används i filtrer- och detekteringsorganen, van/id den resulterande modellen vid den lägsta felfrekvensen ger teckenestimeringama.

I Vid ytterligare en arman utföringsform av uppfinningen sker taktestimeringen på träningsdata. Vid en annan utföringsfonn kan tidestimering utföras med användning av uppskattade tecken. Vid ytterligare en annan utföringsform sker taktestimeringen samtidigt som datamodellparametrarna uppskattas med användning av träningsdata.

Vid ytterligare en arman utföringsfonn förutses att frekvensändringsestimeringen sker på träningsdata. Vid en arman utföringsform kan frekvensändringsestimeringen utföras med användning av uppskattade tecken.

Vid ytterligare en arman utföringsfonn sker frekvensändringsestimeringen samtidigt som datamodellparametrama uppskattas med användning med träningsdata.

Vid en annan utföringsform utförs frekvensändringsestimering på träningsdata.

Frekvensändringsestimering kan utföras med användning av uppskattade tecken.

Vid en arman utföringsfonn sker frekvensändringsestimering samtidigt som 10 15 20 25 30 35 517 039 o | ø ~ a Q ø u n .o 4 datamodellparametrama uppskattas med användning av träningsdata.

Vid ytterligare en annan utföringsform innefattar nämnda ñlterorgan ett vektoruppskattat linjärt IIR-filter (oändligt impulssvar). Nämnda filtreringsorgan ger en vitningsoperation som beaktar statistiska egenskaper av andra ordningen hos brus och kanalinterferens. En sekvensestimering för maximal sannolikhet vid flera kanaler kan utformas genom tillämpning av en Viterbi-algoritm på den vitnade sekvensen.

KORTFATTAD BESKRIVNING AV FIGURERNA Figur 1 illustrerar schematiskt en mottagare enligt tidigare känd teknik; och Figur 2 illustrerar schematiskt en mottagare enligt föreliggande uppfinning.

DETALJERAD BESKRIVNING Av FÖREDRAGNA UTFöRINGsFoRMER Av UPPFINNINGEN Föreliggande uppflnning avser ett förfarande och en mottagare med ett schema för kanalinterferensdäinpning som utnyttjar statistik av andra ordningen för anpassningsbar kanalinterferensdärnpning i trådlösa kommunikationer. För att illustrera uppfinningen beskrivs en radiomottagare för GSM. Utvidgningar till andra digitala modulationsscheman som utnyttjar signalkonstellationer med den specificerade strukturen ingår i föreliggande uppflnning. Kommunikationssignaler är i allmänhet mycket strukturerade, t ex den speciella tidsformen för en överförd signal i schemana multipelåtkomst med koddelning (Code Division Multiple Access schemes = CDMA), som styrs genom olika användarspecifika koder vilka används för att separera konkurrerande kanalanvändare.

Kommunikationssignalen är sålunda i detta fall ytterst användbar för att undertrycka oönskade signaler. Beroende på tidförskjutningar, signalstyrka etc separerar kodningen användarna på ett mer eller mindre effektivt sätt. Härvidlag används tidsdelade system med multipelåtkomst för att illustrera uppfinningen. För CDMA-system där signalkonstellationer med specificerad struktur används (t ex BPSK) kan även mottagare med anpassningsbar interferensdämpning enligt uppfinningen utföras. Det har även påvisats hur inom strukturen hos binär fasskiftsmodulering (BPSK), pulsamplitudmodulering (Pulse Amplitude Modulation = PAM), minimal skiftsmodulering (Minimum Shift Keying = MSK) och gaussisk minimal skiftsmodulering (Gaussian Minimum Shifi Keying = GMSK) kommunikationssignaler kan utnyttjas för att öka antalet frihetsgrader vid behandling. Det har påvisats att utgående från ett endimensionellt teckensamplat kommunikationssystem kan ett tvådimensíonellt system erhållas, se M Kristensson, D T Slock och B Ottersten, "Blind subspace identification of a BPSK communication channel" ("Blind delutrymmesidentifiering av en BPSK-kommunikationskanaP), i skrifier från den 30-nde Asilomar-konferensen för signaler, system och datorer, Pacific Grove, Kanada, november 1996. Detta underlättar användningen av kraftfulla rum-tidalgoritmer när ifrågavarande användare detekteras; detta även i det fall då det endast finns en enda tillgänglig antenn och ingen tidsöversampling 10 15 20 25 30 35 517 039 en ou används.

I figur 1 illustreras ett förfarande som är väl känt och som används i de flesta moderna digitala mottagarna. Det verkliga utförandet och ordningen kan anta många olika former, eftersom filtreringen och nedåtomformningen kan utföras i steg, ibland digitalt.

Figuren visar en överblick över de första analoga blocken i en radiomottagare. Dessa blockfilter 14, 10 nedåtomfonnar och sarnplar 12 en mottagen signal r(t).

Vid föreliggande uppfinning antas att de digitalt samplade I-grenarna (i fas) och Q- grenarna (kvadratur) hos den mottagna signalen återges med r,(k) 16 och rQ(k) 18 föreligger i mottagaren.

Enligt föreliggande uppfinning antas att en grov synkronisering och en grov frekvensändringsutjärnning har utförts. Ett index, k, representerar tiden och antas vara med teckenmellanrum. Kvantitetema r,(k) och rQ(k) kan vara vektoruppskattade i fall av multipla antenner och/eller Översampling med avseende på teckentiden. Vektoremas dimension är lika med produkten av antalet antenner och översarnplingsfaktorn. Till detta refereras ofia som till den tidsdiskreta, digitala basbandskommunikationssignalen. Samplingsfrekvensen i det första blocket i mottagaren kan vara snabbare än teckenfrekvensen. Översampling med avseende på teckenperioden tillåts.

Här nedan ingår blocken i den digitala mottagaren i förfarandena enligt föreliggande uppfinning för att utnyttja moduleringsformen för den beskrivna interferensdämpningen. De följande blocken är centrala för uppfinningen och återges i figur 2.

Beroende på moduleringen av den överförda signalen fungerar derotationsblocket 20 på två olika sätt.

För det första, om den överförda moduleringsforrnen är endimensionell, t ex att den endast behöver en basfimktion för att beskrivas, så är utmatningen från derotationsblocket 20 i figur 2, y(k) 30, den komplexa tidsuppskattade diskreta basbandframställningen av den mottagna signalen 16, 18. Detta betyder att ( 1) y(k) = r1(k) + irQ(k) k = 1,2, beskriver den eventuella vektoruppskattade signalen y. Här är i den imaginära enheten som Kvantiteten y(k) 30 hänvisas ofta till multikanalstidsdiskreta digitala basbandkommunikationssignalen. Exempel på sådana definieras genom i2 = -1. som den moduleringsscheman är BPSK (Binary Phase Shifi Keying) och endimensionell amplitudmodulering. Om den överförda moduleringsformen är MSK eller GMSK deroteras insignalema till derotationsblocket. Derotationen fungerar enligt följ ande. Först bildas från de två möjliga vektoruppskattade sekvensema (2) y(k)=r,(k)+ir,,(k) k= 1,2, den konstruerade komplexa uppskattade sekvensen. Därefter sker uppbyggnad av den 10 15 20 25 30 35 517 039 deroterade sekvensen (3) y(k) = i* y(k) k = 1,2, som är utmatningen från derotationsblocket 20 i det andra fallet.

Utmatningen från derotationsblocket 20 i figur 2 är inmatningen till ett separeringsblock 22. Separeringsblocket 22 separerar insignalen i dess reella och imaginära delar : <4, S) x,=Rß {y(k)}, xrk) =1m {y(1<)} Här anges genom Re och Im de reella och imaginära delama av den respektive angivna kvantiteten. Vektom x(k) 32, vilken är bildad av de reella och imaginära delama av y(k) 30 utgör utmatningen från separeringsblocket 22 : X=i::::i> Den vektoruppskattade sekvensen x(k) 32 innehåller den överförda signalen, kanalinterfererande användare, tilläggsbrus och andra störningar.

Ett estimeringsblock 28 i figur 2 tar emot utmatningama från separeringsblocket 22, filterblocket 24 och detektorblocket 26 i fonn av inmatningar. Nämnda estimeringsblock 28 utför en eller flera av följande funktioner: finsynkronisering, estimering/kompensering av finfrekvensändringsutjämning, datamodellestimering, estimering av kanal- och interferenspararnetrar. En eller flera av dessa kvantiteter matas ut till derotationsblocket 20, filterblocket 24 och detektorblocken 26. Vid estimeringsförfarandet utnyttjas kunskap om redundans hos de överförda tecknen för att fastställa de okända kvantitetema. Redundansen i den överförda teckensekvensen kan vara i fonn av en träningssekvens, en inledning, synkroniseringstecken, känd betalningsladdning etc. Det finns flera olika möjliga utföringsformer för estimerings- och detektorblocken enligt vad som beskrivs här nedan. Ett filtrerblock 24 tar som inmatning emot den reella uppskattade vektom, x(k) 32, från separeringsblocket 22 och koefficientema i datamodellen (h, W, Q) från estimeringsblocket.

Filtrerblocket 24 utför en vitningsoperation(vittbrussättning) på flera kanaler. Detta är inte något klassisk vitningsfilter efiersom det beaktar egenskaperna av andra ordningen hos bruset och kanalinterferensen. En utmatning från filtrerblocket 24 matas in i detektorblocket 26 och estimeringsblocket 28.

Här nedan beskrivs en linjär flerkanalsrnottagare som uppnår interferensdämpning.

För sekvensestimeringen modelleras den tidsdiskreta kanalen till ifrågavarande användare som ett FIR-filter. Interferens och brus modelleras tillsammans som ett vektoruppskattat 10 15 20 25 30 35 .-.=s:: -nøoo 517 039 P: o ø c » nu 7 självregressivt system (VAR), se D Asztély och B Ottersten, "MLSE and spatio-temporal interference ("MLSE tidsinterferensdämpning i kombination med riktantenner"), från IX European Signal Processing Conference (Europeiska signalbehandlingskonferensen) (EUSIPCP-98), Rhodos, Grekland, 8-11 september 1998 och R A Iltis, "A GLRT-based spread-spectrum receiver for joint channel estimation and interference suppression" ("En GLRT-baserad mottagare med rejection combining with antenna arrays" och rums- spritt spektrum för förbindelsekanalestimering och interferensundertryck), i IEEE Transactions on Communications, 37(3) : 277-288, mars 1989. Vikten av modellering av interferensen som tidsfärgad och icke cirkulär har noterats av D T M Slock i "An interference cancelling multichannel matched filter" ("Multikanalanpassat filter för interferensdäinpning"), vid minikonferensen för kommunikationsteori i samband med Globecom, sidorna 309-312, Paris, april 1997, IEEE.

Efier vitning (vittbrussättning) av de mottagna datasamplen utförs en sekvensdetektering med maximal sannolikhet eller en sekvensestimering med reducerad komplexitet genom tillämpning av en Viterbi-algoritm på den vitnade sekvensen.

Det nya i metoden enligt föreliggande uppfinning ligger i en effektiv kombination av mottagarstrukturen och utnyttjandet av signalkonstallationen. En förstärkning med metoden jämfört med den maximala sannolikhetsdetekteringen utan utnyttjande av signalkonstallationen är signifikant. De förfaranden och idéer som återges här kan således tillämpas på mottagare där riktantenner inte används och där moduleringsvågforinen är icke cirkulär. Ett GSM-system är, enligt vad som är väl känt, ett sådant specifikt exempel.

I motsats till de förfaranden där utnyttjandet av riktantenner tillämpas kräver förfarandet enligt uppfinningen inte någon ändring av hårdvaran. Föreliggande uppfinning kan naturligtvis även användas för att ytterligare förbättra prestanda hos mottagare där riktantenner används och/eller tidsöversampling tillämpas med avseende på teckenpeiioden.

För att förbättra prestanda hos flera block i radiomottagaren kan moduleringsschemat i flera olika system för mobil kommunikation, såsom GSM, utnyttjas. I miljöer där interfererande användare är den dominerande stömingsterrnen erhålls stora förbättringar av prestanda.

Vid en utföringsform är flerkanalfilterblocket 24 ett vektoruppskattat linjärt IIR-filter (Infinite Impulse Response). Vid en föredragen utföringsform är flerkanalfilterblocket 24 ett flerdimensionellt PIR-filter med Z-transfonnen. (7) W(z) =i+ ÉWUQZ* k=l Utmatningen från filtret betecknas med x'(k) 34. Filtret utför följ ande operation : (s) x'(k) = xuf) + i W(1)x(k -1) . l=l 10 15 20 25 30 35 517 059 o . . n ø o n Q n ; nu 8 Lägg märke till att alla ovan nämnda kvantiteter är realuppskattade.

Detektorblocket tar som inmatningar emot x'(k) 34 från filterblocket 24 och datamodellen (h, W, Q) från estimeringsblocket 28. Utmatningama från detektorblocket 26 är estimeringar av de överförda tecknen. Detektorblocket 26 kan uppvisa flera olika utföringsformer.

Vid en utföringsform sker detekteringen genom fattande av ett binärt beslutstecken för tecken baserat på en skalär insignal x'(k) 34, t ex : x'(k) 2 en "l" har överförts (9, lO) x'(k) < 0 en "O" har överförts Vid en föredragen utföringsform används en estimeringsanordning för en maximal sannolikhetssekvens för flera kanaler (MLSE) före detekteringen. Den beaktar på lämpligt sätt datamodellen (h, W, Q) och avger ett uppskattat mest sannolikt tecken. MLSE kan utföras med den välkända Viterbi-algoritmen eller kan approximeras genom versioner med reducerad komplexitet av densamma.

Här nedan beskrivs utföringsformer för estimeringsblocket 28, filterblocket 24 och detektorblocket 26. För att förenkla utvecklingen införs först en datamodell för den mottagna signalen. En vanlig linjär modell för kommunikationskanalema är, inom det diskreta tidsområdet, en linjär FIR-kanal från sändaren till mottagaren. Denna modell för vektorn och den realuppskattade signalen x(k) anges här som (ll) x(k) = Éh(l)s(k - l) + n(k), där n(k) är bruset inkl mottagarbruset, modellmissanpassning, och interferensen från andra användare. Lägg märke till att (ll) är en real- och vektoruppskattad beskrivning av en mottagen kommunikationssignal. Enligt vad som förklaras här nedan är denna beskrivning mer allmän och underlättar en större interferensundertryckning än ett komplext uppskattat system med halva dimensionen. För att detektera ifrågavarandetecken, s(k), bör kanalen och brusets egenskaper företrädesvis vara kända. Här nedan följer nu en beslqivning av brusegenskapema.

Tidskorrelationen för brusterrnen i (ll) förtjänar en särskild uppmärksamhet. För det mesta försummas denna korrelation. Detta är en lämplig modell när inte någon interferens liten. När emellertid fördröjningsspridningen är signifikant kommer signalen från de interfererande användarna att föreligger eller när kanalens fördröjningsspridning är vara tidskorrelaterad efiersom även de satisfierar en ekvation liknande (ll). Vid en utföringsform modelleras bruset, n(k), som en vektoruppskattad rörlig genomsnittsprocess (MA) med extra brusinmatning. Så snart som parametrarna i MA-processen har uppskattats vitnas n(k) och den överförda sekvensen uppskattas med användning av Viterbi-algoritmen på 10 15 20 25 30 35 517 039 :a :sea 9 den vitnade mottagna sekvensen. Denna detektor uppvisar utmärkta prestanda, men nackdelen med ett sådant förfarande är emellertid att antalet tillstånd i Viterbi-utjänmaren kommer att växa gränslöst allt eftersom antalet överförda tecken ökar. För långa blocklängder är detta inte någon praktisk metod.

Vid den föredragna utföringsformen modelleras interferens och brus som en vektoruppskattad sj älvregressiv process av storleksordningen K, VAR(K), enligt (12) n(k) + ÉW(l)n(k -l) = e(k), där e(k) är tidsmässigt vit och den gaussiska fördelade processen med rumskovarians (ß) Ek@ä0fl=Q Vid en utföringsfonn fastställs modellordningen med användning av ett av flera välkända kriterier för val av modellordning. Vid ytterligare en uttöringsform är modellordningen en mottagarutfonnningsparaineter och är fastställd till ett i förväg specificerat värde. Vid ytterligare en annan utföringsfonn anpassas modellordningen under kommunikation allt efter bitfelfrekvensen i kanalen. Vid ytterligare en annan utíöringsfonn uppskattas multimodeller och används i filtrerings- och detekteringsstegen, varvid den modell som ger prestanda med lägsta bitfel kommer att avge teckenestimeringama.

Bitfelprestanda kan uppskattas genom feldetektering och/eller felkorrigeringskoder, vilka är vanliga i digitala kommunikationssystem.

Ovanstående brusmodell är naturligtvis endast en approximation av den verkliga miljön med brus och interferens. Fördelen med detta särskilda val av brusmodell är att detekteringen av tecknen är relativt direktinriktad.

Ett förfarande med maximal sannolikhet för estimering av de överförda tecknen förutsätter kunskap om parametrarna i modellen. Här sammanfattas hur estimeringen skall ske av parametrarna i ett system med en känd teckensekvens, t ex en träningssekvens. Under träningssekvensen skall både kanalparametrarna och brusparametrarna uppskattas.

Antaganden som gjorts om kommunikationssystemet är att ifrågavarande signal och interfererama är skursynkroniserade och att scenariot är tidsoberoende så att parametrarna som uppskattas under träningsperioden är giltiga under hela infonnationsskuren.

Ett exempel på ett sådant system är ett GSM-system där basstationema är synkroniserade. Det är naturligtvis möjligt att använda den beskrivna mottagaren i fallet med osynkroniserade basstationer, varvid en viss förlust av prestanda kommer att märkas. Det är även möjligt att bygga ut förfarandet för att även hantera fallet med osynkroniserade basstationer. I detta fall krävs emellertid en rekursiv uppdatering av VAR-modellen under informationsskuren. Anpassningsbara estimeringsförfaranden för VAR-modellen är kända på detta område.

För att utföra estimeringen kombineras ekvationema (26, 27) och (31) vid förfarande 10 15 20 25 30 517 059 n na as s; :=.= 10 och relationen (14) x(k) + ÉW(l)x(k - l) = Hs(k) + n(k). z=1 Man kan lägga märke till att relationen är linjär både i W(1), ..., W(K) och H. Den uppmätta mottagna sekvensen x(k) och datatecknen s(k) är båda kända kvantiteter under träningssekvensen. Detta resulterar i en enkel minsta kvadrateninpassning när en samtidig estimering sker av VAR-parametrarna i W(1), ..., W(K) och kanalkoefficienterna i H. 2 å k-l arg fgšg šllflkllz arg Iæig x(k) + f; W(1)x(k - 1) - Hs(k) (15, 16) där N är antalet sampel for vilka minimeringen har skett och W betecknar modellparametrarna W(1), ..., W(K). En estimering av Q ges genom sampelkovariansen hos resten, s(k). (17) Vid de flesta system skiljer sig sändar- och mottagarfrekvensen något från varandra.

Efiersom detta stör mottagaren måste frekvensändringen uppskattas och kompenseras. Här antas att signalerna r,(k) och rQ(k) genomgår en grov frekvensändringsutjämning enligt vad som är känt på detta område. En fin frekvensändringsestimering kan utföras i estimeringsblocket. Utmatningen från filterblocket 24 kommer att uppvisa en reducerad interferens och därför kommer denna metod att ge bättre resultat än metoder som inte tar interferensen i beaktande. I likhet med (6) är vektom x'(k) delad och betecknas : . z »fm x(k) ia--ooi På liknande sätt införs följande notering motsvarande den delade ekvationen (14) : (13) (19) [Xiffkq = x(k) + ÉWapqk-l) = + nya x: (k) En estimering av frekvensändringen, Wo, kan nu erhållas genom minimeringen 10 15 20 25 30 35 517 039 ll r . N' X,'(k) Hfš(1<)<=°S (wok) (20) ÛJO = arg rrårn å [Xi ' [His (k) sin (wokil där N' är datasatsen över vilken minimeringen utförs. Vid en utföringsform är kanalmatrisema H, och Ho i (20) delade från den uppskattade kanalmatrisen som erhålls från kanalestimeringsproceduren, filtrermatrisema W erhålls från kanalestimeringsproceduren och de uppskattade tecknen utgör utmatningen från detektorblocket.

Vid en alternativ utföringsform sker minimeringen genom användning av varvid träningsdata. I detta fall utförs minimeringen samtidigt över W, Ho, Ho och wo. u Som ett alternativt sker frekvensändringsestimeringen på träningsdata med antagande av en banal kanal och filter (identitetsoperation). Vid ytterligare en annan utföringsform uppskattas frekvensändringen på ett anpassningsbart sätt med användning av kriterier. I allmänhet är anpassningstakten för frekvensändringsestimeringen lägre än hos datarnodellparametrarna. välkända anpassningsbara versioner av ovanstående Frekvensändringen kan kompenseras i derotationsblocket 20 genom att låta (22) y(1<) =(fI(1<) +ifo(1<))e'*°°°* = 1,2, ...k Synkronisering eller tidsestimering måste ske för att det skall vara möjligt att utföra datadetektering. Här antas att signalema r1(k) och ro(k) är grovt synkroniserade, dvs att lokaliseringen av träningsdata är i stort sett känd. Denna grova synkronisering utförs enligt vad som är väl känt på detta område.

En noggrann tidsestimering kan utföras i estimeñngsblocket. Utmatníngen från filterblocket kommer att ha minskat interferensen och sålunda kommer detta förfarande att ge bättre resultat än de förfaranden som inte beaktar interferensen. En estimering av taktningen, ro, kan nu erhållas genom minimering (23) ro = arg min Éflx' (k, ro. )- Hš (kmz ° k=i där N' är den datasats över vilken minimeringen utförs. Vid en utföringsfonn erhålls kanalmatrisen H och filtrermatrisema W i (23) från kanalestimeringsproceduren med en grov taktning. De uppskattade tecknen (23) är utmatningen från detektorblocket 26.

Vid en föreliggande taktningsestimeringen med användning av träningsdata. I detta fall utförs minimeringen altemativ utföringsform av uppfinning utförs samtidigt över W, H och ro. 10 15 20 25 30 517 039 øn--uue : a. - ø . o n ø u n u a u o ~ c o oo 12 2 (24) k(k, f0)+Éw(1)x(k-1,f0 )-Hs(k)f l=l min N W, H, ro å Som ett altemativ sker taktestimeringen på träningsdata med antagande av en banal kanal och filter (identitetsoperation). Vid ytterligare en annan utföringsform uppskattas taktningen på ett anpassningsbart sätt med hjälp av välkända anpassningsbara versioner av ovan nämnda kriterier. I allmänhet är anpassningstakten hos taktestimeringen lägre än hos datamodellparametrama. I detta och det följande avsnittet antas att koefficientema i datamodellen (h, W, Q) är kända/uppskattade och begreppet ^ kan utelämnas.

Enligt vad som tidigare nämnts består detektorn vid en uttöringsfonn av ett tidsvitningsfilter som följs av en MLSE vilken konstruerats för en tidsmässigt vit brusprocess.

Eftersom bruset och interferensen rnodelleras tillsammans som en VAR-process är vitningsflltret ett flerdimensíonellt FIR-filter med Z-transformen (25) w(z) =1+ i W (k).-f* För att matematiskt formulera den vitnade processen lägges det märke till utmatningen från vitningsflltret med x'(k), dvs (26) »e(k) = k(k) + i W (1)x (k - 1) l=l Utmatningen från vitningsflltret satisfierar ekvationen (27) »e(k) = Niin' (1)s (k -1)+ e (k), där e(k) är processbruset i VAR-modellen för stömingen. Den nya kanalen, h', är av ordningen M+K och utgör konvolutionen av den ursprungliga kanalen med VAR-modellen.

Följaktligen är den nya kanalen h' (28) h'(k) = ÉW (1)h (k -1), k = o, M +VK där W(O) = I. Lägg märke till att den nya kanalen är ett flerdimensíonellt FIR-filter med bestämd ordning. Detta avslutar diskussionen om vitningen av mottagna data.

För att formulera MLSE bygges 2 x (M + K) kanalmatrisen H upp enligt (29) H' = [n'(o) h'(M + K)] och teckenvektom 5 10 15 517 039 z ø=»a o ~ o Q | . . o | nu 13 (30) s(k) = [s(k) s(k - M - K)]T.

Med dessa begrepp kan det vitnade tvådimensionella systemet i (27) skrivas på kompakt sätt (31) x'(k) = H's(k) + e(k) Slutligen är den maximala sannolikhetsestimeringen av den mottagna sekvensen (32) {§(1<)}=afgg¿g; Z(X-(1)-H-s(1)f Q-1(x-(1)-H-s(1)) I Summering sker för alla tecken s(l) som skall detekteras och även ingående delar av träningsdata (om sådana finns tillgängliga) för att ge de initiala och/eller slutgiltiga förhållandena. Minimering sker företrädesvis med Viterbi-algoritrnen, vilken är väl känd på detta område.

Utmatningama från detektorn, s(k), är antingen hårda eller mjuka estimeringar av tecknen i inmatningsdata. Dessa hårda eller mjuka beslut används vid avintersekvensering, felkorrigering/-detektering innan de slutgiltiga informationsteclmen uppskattas.

Claims (44)

10 15 20 25 30 35 517 039 s s: a a o o ø | u n ø oo 14 Patentkrav

1. F örfarande för en digital mottagare som utnyttjar statistik av andra ordningen för anpassningsbar kanalinterferensdämpning inom trådlös kommunikation, innefattande en digital I-gren, i fas, och en digital Q-gren, kvadratur, hos en mottagen Överförd signal som grov synkronisering och en grov frekvensändringsutjämning har utförts på nämnda signal, och innefattande ett organ för inmatning till mottagaren, varvid en derotation, organ för separering, organ för filtrering, organ för estimering och organ för detekteñng av överförda tecken i den mottagna signalen, k ä n n e t e c k n at a v att det innefattar följ ande steg : derotation av signalen i nämnda derotationsorgan, utmatning av en komplexuppskattad tidsdiskret basbandsframställning av den mottagna signalen om den om den använda modelleringsformen är en flerdimensionell från eventuellt två vektoruppskattade signalfrekvenser, en komplexuppskattad signalsekvens, och utmatning av använda modelleringsformen är endimensionell, och annars form uppbyggs, nämnda komplexuppskattade signal; separering av nämnda utmatningssignal i närnnda organ för att separera den i dess reella och imaginära delar, vars vektor matas ut från nämnda separeringsorgan som innehåller den överförda signalen, kanalinterfererande användarsignaler, tilläggsbrus och andra eventuella störningar; Estimering i nämnda estimeringsorgan, med användning av utmatningarna från nämnda separeringsorgan, filtreringsorgan, och från nämnda detekteringsorgan som imnatning, och utförande av en eller flera av de följande kvantitetema : finsynlcronisering, finfrekvensändringsestimering eller -utjämning, eller datarnodellestimering, utmatning av en eller flera av nämnda kvantiteter till nämnda organ för derotation, filtrering och detektering; filtrering i nämnda filtreringsorgan, med användning av realvärdesutmatningen från nämnda separeringsorgan och koefficienter i nämnda datamodellutmatning i från estimeringsorganen och utförande av en vitningsoperation på signalen under beaktande av egenskaper av andra ordningen hos brus och kanalinterferens, varvid den filtrerade signalen matas till organen för estimering och detektering; och detektering av de överförda tecknen i nämnda detekteringsorgan, med användning av utmatningen från nämnda ñltreringsorgan och datamodellen från estimeringsorganen, varvid kanalinterferensdärnpning vid trådlös kommunikation förbättras, vilket på så sätt gör det möjligt att öka antalet kanaler för de använda frekvensema.

2. Förfarande enligt patentkrav 1, k ä n n e t e c k n at a v att nämnda filtreringsorgan utför en vitningsoperation som beaktar statistiska egenskaper av andra ordningen hos bruset och kanalinterferens.

3. Förfarande enligt patentkrav 1 - 2, k ä n n e t e c k n at a v att detekteringen utförs genom fattande av ett binärt beslut, tecken för tecken, baserat på en skalär insignal.

4. Förfarande enligt patentkrav 1 - 2, k ä n n e t e c k n at a v att den linjära 10 15 20 25 30 35 517 059 u n . - . | . « . .s 15 utj ämningen sker följt av en detektering tecken för tecken.

5. Förfarande enligt patentkrav 1 - 2, k ä n n e t e c k n at a v att en sekvensestimering utförs på den vitnade sekvensen.

6. Förfarande enligt patentkrav 5, k ä n n c t e c k n at a v att sekvensestimeringen utförs med användning av en filtrerad kanal och en restkovariansmatris.

7. Förfarande enligt patentkrav 1 - 2, k ä n n e t e c k n at a v att detekteringen sker genom en sekvensestimering med reducerad komplexitet som utförs på den vitnade sekvensen.

8. Förfarande enligt patentkraven 1 - 7, k ä n n e t e c k n at a v att en modell för en kommunikationskanal är en linjär PIR-kanal.

9. Förfarande enligt patentkraven 1 - 8, k ä n n e t e c k n at a v att en modell för interferens och brus är en linjär vektoruppskattad rörlig genomsnittsprocess.

10. Förfarande enligt patentkraven 1 - 8, k ä n n e t e c k n at a v att en modell för interferens och brus är en vektoruppskattad sj älvregressiv process.

11. ll. Förfarande enligt patentkraven 1 - 10, k ä n n e t e c k n at a v att datamodellparametrarna uppskattas med användning av träningsdata.

12. Förfarande enligt patentkraven 1 - 10, k ä n n e t e c k n at a v att datamodellparametrama uppskattas med användning av uppskattade tecken.

13. Förfarande enligt patentkraven 1 - 12, k ä n n e t e c k n at a v att modellordningen är specificerad i förväg.

14. Förfarande enligt patentkraven 1 - 12, k ä n n e t e c k n at a v att modellordningen väljs enligt ett kriterium för val av modellordning.

15. Förfarande enligt patentkraven l - 12, k ä n n et e c k n at a v att modellordningen anpassas under kommunikation allt efter felfrekvens i kanalen.

16. Förfarande enligt patentkraven 1 - 12, k ä n n e t e c k n at a v att multimodeller uppskattas och används i filtrerings- och detekteringsorganen, varvid modellen som resulterar av den lägsta felfrekvensen ger teckenestimeringama.

17. Förfarande enligt patentkraven 1 - 16, k ä n n e t e c k n at a v att taktningsestimering sker på träningsdata.

18. Förfarande enligt patentkraven 1 - 16, k ä n n e t e c k n at a v att taktningsestimering utförs med användning av uppskattade tecken.

19. Förfarande enligt patentkraven 1 4- 16, k ä n n e t e c k n at a v att taktningsestimering sker samtidigt som datamodellparametrarna uppskattas med användning av träningsdata.

20. Förfarande enligt patentkraven 1 - 19, k ä n n e t e c k n at a v att frekvensändringsestimeringen utförs på träningsdata.

21. Förfarande enligt patentkraven 1 - 19, k ä n n e t e c k n at a v att frekvensändringsestimeringen utförs med användning av uppskattade tecken. 10 15 20 25 30 35 u. u. - . n - . . . . - . I. Z 'Z u. . . . - . . e - u - . . . ø e . l 0 I b I 05! All lb 517 n s » | ; nn 16

22. Förfarande enligt patentkraven 1 - 19, k ä n n e t e c kn at a v att frekvensändringsestimeringen utförs samtidigt som datamodellparametrarna uppskattas med användning av träningsdata.

23. Mottagare som 'utnyttjar statistik av andra ordningen för anpassningsbar kanalinterferensdämpning vid trådlös kommunikation, med en digital I-gren, i fas, och en digital Q-gren, kvadratur, hos en mottagen överförd signal som inmatning till mottagaren, varvid en grov synkronisering och en grov frekvensändringsutjämning har utförts på nämnda signal, och innefattande ett derotationsorgan, separeringsorgan, filtrerorgan, estimeringsorgan och organ för detektering av överförda tecken i den mottagna signalen, k ä n n e t e c k n a d a v att den innefattar: derotationsorgan för derotation av signalen och utrnatning av en komplexuppskattad tidsdiskret basbandframställning av den mottagna signalen om en använd modelleringsfonn är endimensionell, annars om en använd modelleringsfonn är flerdimensionell uppbyggs, från möjligen två vektoruppskattade signalfrekvenser, en komplexuppskattad signalsekvens, och utmatning av nämnda komplexuppskattade signal; separeringsorgan för separering av den deroterade utsignalen i dess reella och imaginära delar, vars vektor matas ut från nämnda separeringsorgan innehållande den överförda signalen, kanalinterfererande användarsignaler, tilläggsbrus och andra eventuella störningar; estimeringsorgan som använder utmatningama från nämnda separeringsorgan, filtreringsorgan, och från nämnda detekteringsorgan som inmatning, och som utför en eller av följande kvantiteter : finsynkronisering, finfrekvensändringsestimering eller -utjämning, eller datamodellestimering, utrnatning av en eller flera av nämnda kvantiteter till nämnda organ för derotation, filtrering och detektering; filtrerorgan som utnyttjar det reella värdet som matats ut från nämnda från estimeringsorganen och utför en vitningsoperation på signalen under dessutom beaktande av separeringsorgan och koefficienter i närrmda datamodell som matas ut egenskaper av andra ordningen hos brus och kanalinterferens, varvid den filtrerade signalen matas ut till organen för estimering och detektering; och detekteringsorgan för överförda tecken i signalen, med användning av utmatningen från nämnda filtrerorgan och datamodellen från estimeringsorganen, vilket därigenom förbättrar kanalinterferensdämpningen vid trådlös kommunikation och på så sätt möjliggör ökning av antalet kommunikationskanaler för de använda frekvenserna.

24. Mottagare enligt patentkrav 23, k ä n n e t e c k n a d a v att nämnda filtrerorgan utför en vitningsoperation som beaktar de statistiska egenskapema av andra ordningen hos bruset och kanalinterferensen.

25. Mottagare enligt patentkrav 23 - 24, k ä n n et e c k n a d a v att detekteringen utförs genom fattande av ett binärt beslut tecken för tecken baserat på en skalär insignal. 10 15 20 25 30 35 517 059 17

26. Mottagare enligt patentkrav 23 - 24, k än n e t e c k n a d a v att den linjära utjämningen utförs följt av en detektering tecken för tecken.

27. Mottagare enligt patentkrav 23 - 24, k ä n n e t e c k n a d a v att en sekvenestimering utförs på den vitnade sekvensen.

28. Mottagare patentkrav 27, sekvenestimeringen utförs genom användning av kännetecknad av att en filtrerad kanal och en enligt restkovariansmatris.

29. Mottagare enligt patentkrav 23 - 24, k ä n n e t e c k n a d a v att detekteringen sker genom sekvenestimering med reducerad komplexitet som utförs på den vitnade sekvensen.

30. Mottagare enligt patentkraven 23 - 29, k ä n n e t e c k n a d a v att en modell för en kommunikationskanal är en linjär FIR-kanal.

31. Mottagare enligt patentkraven 23 - 30, k ä n n e t e c k n a d a v för interferens och brus är en linjär vektoruppskattad rörlig genomsnittsprocess.

32. Mottagare enligt patentkraven 23 - 30, k ä n n e t e c k n a d a v att en modell att en modell för interferens och brus är en vektoruppskattad sj älvregressiv process.

33. Mottagare enligt patentkraven 23 - 32, k ä n n e t e c k n a d a v att datamodellparametrama uppskattas med användning av träningsdata.

34. Mottagare enligt patentkraven 23 - 32, k ä n n e t e c k n a d a v att datamodellparametrarna uppskattas med användning av uppskattade tecken.

35. Mottagare enligt patentkraven 23 - 34, k ä n n e t e c k n a d a v att modellordningen är specificerad i förväg.

36. Mottagare enligt patentkraven 23 - 34, k ä n n e t e c k n a d a v att modellordningen väljs i enlighet med kriterier för val av modellordning.

37. Mottagare enligt patentkraven 23 - 34, k ä n n et e c k n a d a v att modellordningen anpassas under kommunikation allt efter felfrekvens på kanalen. I

38. Mottagare enligt patentkraven 23 - 34, k ä n n e t e c k n a d a v att multimodeller uppskattas och används i filtrer- och detekteringsorganen, varvid den resulterande modellen vid den lägsta felfrekvensen ger de uppskattade tecknen.

39. Mottagare enligt patentkraven 23 - 38, k ä n n e t e c k n a d a v att taktningsestimering sker på träningsdata.

40. Mottagare enligt patentkraven 23 '- 38, k ä n n e t e c k n a d a v att taktningsestimering sker med användning av uppskattade tecken.

41. Mottagare enligt patentkraven 23 - 38, k ä n n et e c k n a d a v att taktningsestimering sker samtidigt som datamodellparametrama uppskattas med användning av träningsdata.

42. Mottagare enligt patentkraven 23 - 41, k ä n n e t e c k n a d a v att frekvensändringsestimering utförs på träningsdata. 517 039 :":-:fj§j§§f 18

43. Mottagare enligt patentkraven 23 - 41, k ä n n e t e c k n a d a v att frekvensändringsestimering sker med användning av uppskattade tecken.

44. Mottagare enligt patentkraven 23 - 41, k ä n n e t e c k n a d a v att - -frekvensändringsestimering sker samtidigt som datamodellparaxnetrama uppskattas med 5 användning av träningsdata.