專利名稱：利用奇異值分解進行信道脈沖響應(yīng)估算的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及CDMA接收機中CIR(信道脈沖響應(yīng))和SINR(信號對干擾加噪聲比)的估算。具體地說，本發(fā)明涉及一種確定通信系統(tǒng)的信道脈沖響應(yīng)(CIR)比如數(shù)字移動無線網(wǎng)(GSM網(wǎng))的無線信道的CIR的方法。本發(fā)明尤其涉及確定這樣的CIR，它基于已知訓(xùn)練序列的接收。本發(fā)明還可應(yīng)用于干擾消除和用于CDMA接收機中。
為了確定CIR，必須知道一部分發(fā)射信號。對于GSM網(wǎng)，同步脈沖串(SB)是信號的有用部分。這些SB從每個基站以至少一個信道發(fā)送，并以規(guī)則碼型發(fā)送。沒有必要對GSM協(xié)議進行解碼。無論SB中的數(shù)據(jù)還是與其共存的碼型是不變的，并且對所有基站而言基本相同。
用這種SB來確定CIR的優(yōu)點在于，它們可以表示一個較長的類噪聲的預(yù)定發(fā)射信號。通常，在一段237μs的時間內(nèi)發(fā)射64比特。因此，CIR的確定要求對接收信號中的脈沖串進行充分同步，以便能提取SB，然后對這些SB進行處理以確定CIR。
該處理采用估算技術(shù)來實現(xiàn)。為了估算CIR，發(fā)送一種已知的訓(xùn)練序列Stx(t)，在產(chǎn)生接收信號Srx(t)之前，該序列在通信信道中會受影響而惡化。估算CIR時的問題是要確定FIR濾波器(該濾波器用來近似CIR)的各權(quán)分量{α}，以便已知的Stx(t)經(jīng)該濾波器后盡可能接近于所接收信號Srx(t)。
假定，發(fā)射信號Stx(t)和接收信號Srx(t)已知，則根據(jù)下述量來估算CIR1.已知的發(fā)射信號的抽樣Tk＝Stx(t0+kτ)，-Nc≤k＜N(注意，N+Nc個抽樣表示整個訓(xùn)練序列，該編號已被安排從已知的接收信號的干凈(clean)抽樣開始，在訓(xùn)練序列開始后它們有Nc個抽樣)，和2.測量到的接收信號的抽樣Rk＝Srx(t0+kτ)，0≤k＜N(訓(xùn)練序列的頭Nc個抽樣假定受影響而惡化并被忽略)。
權(quán)分量{αk}用簡單的相關(guān)確定如下αK=Σj=0N-1T‾j-kRj0≤k≤Nc---(2.1)]]>這種算法取決于發(fā)射信號的類噪聲特性，據(jù)此，其自相關(guān)函數(shù)應(yīng)具有低時間旁瓣。然而，由于訓(xùn)練序列的“干凈”部分的相關(guān)特性和由于對后面的權(quán)只完成了局部的相關(guān)，因此這種算法的旁瓣特性受限。
US 5,473,632采用“最小二乘方方法”來估算CIR，其中復(fù)脈沖響應(yīng)(CIR)通過使信道的實際輸出與所估算的預(yù)測模型的輸出之間的誤差的平方最小化來推算。這種方法給出了US 5,473,632中第6專欄第35行的方程，這種方程可從各種課本中看到。
應(yīng)考慮到US 5,473,632方法存在一個問題。US 5,473,632大體上提出了一種矩陣，但實際上，問題是如何用這種矩陣來計算CIR。
在US 5,473,632中，參照第5專欄第27至61行及其權(quán)利要求2，在矩陣求逆前先將“因數(shù)α”加到該矩陣，加進“因數(shù)α”后再對矩陣求逆。實際上，在計算CIR時，可以看到矩陣求逆會帶來一些問題。
本發(fā)明的目的是要減輕現(xiàn)有技術(shù)中確定CIR和SINR所遇到的問題。
本發(fā)明大體上基于這樣的事實通過先將網(wǎng)絡(luò)分析所得到的矩陣變換為“對角矩陣”，再對所得到的對角矩陣求逆，可以減輕現(xiàn)有技術(shù)中存在的問題。因此不必加“因數(shù)α”。
利用對角矩陣的一個優(yōu)點在于，可以去除或忽略一些本征值(如一些小的有問題的本征值)，這樣，在矩陣求逆時，可避免US5,473,632中放大的誤差和噪聲。
利用對角矩陣的另一個優(yōu)點在于對角矩陣的性質(zhì)，也就是說，可以通過只求對角元素的倒數(shù)來求得矩陣的逆陣。這暴露了小本征值所引起的困難——這些小本征值會導(dǎo)致逆陣中有很大的元素。
然而，忽略或去除某些本征值，會帶來又一問題，如

圖1所示，即產(chǎn)生一些大旁瓣。
因此，本申請公開了進一步的發(fā)明，該發(fā)明減輕了產(chǎn)生大旁瓣的問題。
該進一步的發(fā)明對上面所述的發(fā)明作了改進，并且基于，不是棄掉小本征值(這是上面所述的方法)，而是代之以將逆陣中本征值的倒數(shù)乘以一個遞減的數(shù)，直至這些旁瓣被去掉或很小以致沒有什么影響。
下面，將參照附圖來描述以上所公開的發(fā)明的優(yōu)選實施方式，其中圖1示出了采用US 5,473,632中公開的算法并取ε＝200、S/N＝0dB時所估算的CIR，圖2示出了采用US 5,473,632中公開的算法并取ε＝400、無噪聲時所估算的CIR，圖3示出了利用SVD并計及10個最大本征值所估算的CIR，圖4示出了利用SVD并計及16個最大本征值所估算的CIR，圖5示出了利用SVD并計及25個最大本征值所估算的CIR，圖6示出了利用SVD并計及36個最大本征值所估算的CIR，圖7示出了利用SVD并利用n1＝4、n2＝25的斜坡函數(shù)且無附加噪聲時所估算的CIR，圖8示出了利用SVD并利用n1＝4，n2＝25的斜坡函數(shù)且S/N-0dB時所估算的CIR，
圖9示出了利用SVD并利用n1＝4、n2＝20的斜坡函數(shù)且無噪聲時所估算的CIR，圖10示出了利用SVD并利用n1＝4、n2＝20的斜坡函數(shù)且S/N＝0dB時所估算的CIR，圖11示出了利用SVD并利用n1＝1、n2＝25斜坡函數(shù)且無噪聲時所估算的CIR，圖12示出了利用SVD并利用n1＝1、n2＝25的斜坡函數(shù)且S/N＝0dB時所估算的CIR，圖13示出了利用SVD并利用n1＝1、n2＝64的斜坡函數(shù)且無噪聲時所估算的CIR(注意dB標(biāo)到-60dB)，圖14示出了利用SVD并利用n1＝1、n2＝64的斜坡函數(shù)且S/N-40dB時所估算的CIR，圖15示出了利用SVD并利用n1＝1、n2＝25的斜坡函數(shù)且S/N＝40dB時所估算的CIR，圖16示出了利用SVD并利用n1＝1、n2＝25的斜坡函數(shù)且無噪聲時所估算的CIR，軌跡1在6.9μs 0dB處，軌跡2在18.5μs-20dB處，軌跡3在29.5μs-10dB處，圖17示出了利用SVD并利用n1＝1、n2＝25的斜坡函數(shù)且S/N-20dB時所估算的CIR，軌跡1在6.9μs-10dB處，軌跡2在18.5μs0dB處，軌跡3在29.5μs 0dB處，軌跡4在40.4μs-6dB處，和圖18示出了利用SVD并利用n1＝1、n2＝25的斜坡函數(shù)且無噪聲時所估算的CIR，軌跡1在6.9μs 0dB處，軌跡2在12.2μs 0dB處。
估算權(quán)分量的一種方法是要確定這樣一些權(quán)，它們可以預(yù)測最精確地與所測量的信號相符的接收信號。
假定發(fā)射信號Stx(t)具有已知抽樣Tk＝Stx(t0+kτ)，-M≤k＜N(M為CIR的虛構(gòu)的拓延——“臟(dirty)”抽樣數(shù))而接收信號Srx(t)具有所測量抽樣
Rk＝Srx(t0+kτ)，0≤k＜N所要求的FIR權(quán)分量(αk)可這樣來估算要求使測量到的接收信號與接收信號的估算(即通過近似信道的FIR的已知發(fā)射信號)之間的累積平方誤差最小化，即，使下式最小ϵ2=ΣK=0N-1|Rk-Σj=0M-1αjTk-j|2---(2.2)]]>這可以簡化為下列方程組Σj=0M-1(αiΣk=0N-1Tn-jT‾n-i)=Σk=0N-1RkT‾k-i0≤i≤M--(2.3)]]>或采用矩陣形式Ac＝TR(2.4)其中，矩陣A是M×M相關(guān)矩陣，由下式給出αi,j=Σn=0N-1Tn-jT‾n-i---(2.5)]]>T是M×N的共軛延時信號的矩陣ti，j＝Tij0≤i≤M 0≤j≤N(2.6)而矢量c是所要求的CIR(αk)注意，簡單相關(guān)可表示為c＝TR(2.7)矩陣方程(2.4)有下列形式解c＝(A-1T)R(2.8)這表明，采用簡單的矩陣乘法運算，便可根據(jù)接收信號的抽樣來確定CIR。
采用US 5,473,632進行最小二乘方估算方程(2.8)等同于US 5,473,632中第6專欄第35行所公開的方程。
如果采用這種方程，在直接解這些方程時會帶來復(fù)雜問題，這是因為它們通常是病態(tài)的。事實上，可以看到，對于SB中的GSM訓(xùn)練序列而言，矩陣的本征值在超出了1010的范圍內(nèi)變化。應(yīng)當(dāng)注意，矩陣求逆時極易受到舍入誤差的影響，并且結(jié)果也極易受到測量信號中噪聲的影響。
可以看到，如果采用常規(guī)技術(shù)來求這種矩陣的逆陣或解這些方程，即便采用IEEE雙精度運算，也得不到好的結(jié)果。
US 5,473,632公開了一種算法，這種算法可使矩陣的逆陣穩(wěn)定并得到不易受噪聲影響的結(jié)果。US 5,473,632用下式來估算CIRc＝((A+εl)-1T)R(2.9)其中，l是單位矩陣，而ε是一個常數(shù)(它們稱為噪聲項)。這一方程等同于US 5,473,632中第6專欄第44行所公開的方程。采用這種算法的結(jié)果如下這種算法的特性關(guān)鍵取決于變量ε的選擇。對于具有192個對角元素的矩陣A，后面的圖說明了US 5,473,632算法的特性，其中在確定含有單個軌跡的CIR時采用不同的ε值。
例如參照圖1和2，可以看到，在分辨力(主瓣寬度)與噪聲特性之間有一個折衷。約為-18dB的旁瓣電平看來是這種算法的特征。
取ε≡100，我們得到最類似的特性，據(jù)此與US 5,473,632進行比較。
采用SVD進行最小二乘方估算在本發(fā)明中，我們已選定將奇異值分解(SVD)運用于病態(tài)矩陣，以實現(xiàn)最小二乘方估算。這樣，可以看到，我們把要被求逆的矩陣變換為對角矩陣，再對新產(chǎn)生的對角矩陣求逆。
采用該SVD，矩陣A(正數(shù)限定)可以表示為A＝USVt(2.10)其中，U和V是正交矩陣，而S是對角矩陣。事實上，S的對角元素是A的本征值(均為正)并按遞減次序排列
s1，1≥s2，2≥..≥sn，n(2.11)如果該矩陣是奇異的，則某些對角元素為零。那么，A的逆陣為A-1＝VS-1Ut(2.12)其中，S-1是通過求S的(對角)元素的倒數(shù)得到。這里，病態(tài)矩陣的影響很明顯，(幾乎為零)的本征值的倒數(shù)對逆陣有很大的影響。它們會放大噪聲。
傳統(tǒng)的SVD技術(shù)僅求一些本征值的倒數(shù)，到某處便停止。本發(fā)明不是將1/λ1置入S的逆陣中，而是用零來取而代之。這些技術(shù)的特性及其他情況綜述如下。
方程(2.8)中矩陣中的系數(shù)純粹是已知訓(xùn)練序列的函數(shù)，因此，可以預(yù)先計算出。對這一矩陣可求一次逆，此后，求解中隨時都要進行矩陣乘法運算。因此，為了根據(jù)一組信號抽樣得到CIR估算，要進行M*N次復(fù)數(shù)乘法和M*(N-1)次復(fù)數(shù)加法，總共要進行6*M*N+2*M*(N-1)步運算。
SVD在超定的最小二乘方問題中的應(yīng)用，只要求涉及該矩陣的偽逆陣中N個最大的本征值的作用。這樣，矩陣被模擬時，它有64維，因此，N在1至64范圍內(nèi)。后面的圖說明了N＝10，16，25，36時SVD算法的特性。增加本征值個數(shù)的作用是為了提高估算量的分辨力，即減小主瓣寬度。
盡管沒有示出，進行一些模擬可以看到，在10至20個本征值的范圍內(nèi)，噪聲特性迅速下降。
在有噪聲情況下，當(dāng)使偽逆陣的秩最小化時，本SVD方法將取得良好的特性。結(jié)果中最為麻煩的問題是持久的約為-13dB的時間旁瓣。以傅里葉原理進行類推，其中截短的時間波形將給出-13dB的頻率旁瓣，可以發(fā)現(xiàn)，不是在某一數(shù)目后進行簡單的截斷而是斜坡降低連續(xù)本征值的影響，將很有利于在時間旁瓣上進行控制。
有若干種斜坡函數(shù)可以采用，例如Bartlett、Blackman-Harris、Poisson、Riesz、Hamming、Kaiser-Bessel、Lanczos、Tukey和其他眾所周知的窗口函數(shù)。本實施方法中所選的函數(shù)從Hanning窗導(dǎo)出，盡管下面所定義的升余弦斜坡被證明最為成功
其中，Wi權(quán)對應(yīng)于第i個本征值的作用。作為例子，圖7示出了n1＝4、n2＝25的結(jié)果。
注意，-13dB的旁瓣已被降至約-22dB(大大好于US 5,473,632的特性)。主瓣寬度也比ε＝100時US 5,473,632算法得到的窄，并具有較低的旁瓣。圖8中示出了S/N值為0dB的特性。
這一特性類似于ε＝100時US 5,473,632方案所得到特性，不過注意其主瓣更窄，這將降低噪聲特性。
以波瓣寬度為代價可改善噪聲特性，如圖9和10所示，其中n1＝4、n2＝20。
經(jīng)過大量的試驗，得出了令人滿意的方案。目標(biāo)是*大于20dB的動態(tài)范圍(最好25dB)，以得到超過US 5,473,632的特性的有效邊沿*類似于與S/N-0dB相應(yīng)的噪聲特性。(也就是說，不想使該方案毫無必要地放大噪聲的影響)。
以上所確定的結(jié)果利用了n1＝1、n2＝25時所得到的加權(quán)因數(shù)，其特性如圖11和12所示。
下面馬上將看到在更復(fù)雜的CIR情況下本算法的特性。所關(guān)心的是，斜坡算法能提供多大的動態(tài)范圍，如圖13中的例子所示。
這一例子對噪聲極為敏感。圖14示出了S/N＝40dB時的特性?？煽吹剑踔吝@樣小量的噪聲也被大大地放大了。同樣大小的噪聲在優(yōu)選的如以上所確定的結(jié)果中產(chǎn)生的噪聲不明顯，如圖15所示。
圖16和17示出了一些更復(fù)雜的CIR情況的結(jié)果。
還可以看到，本實施方式能使該算法進行峰間辨別，而圖18示出了近的峰峰間隔，時間間隙大于約5μs。
在干擾消除的內(nèi)容中，當(dāng)估算信道脈沖響應(yīng)矢量h時，也需要上述矩陣的逆陣Φh＝ψ(2.14)其中，Φ為本地產(chǎn)生的信號之間的互相關(guān)矩陣，而ψ為本地產(chǎn)生的信號與所接收信號之間的互相關(guān)矩陣。在這一方案中，同樣可以采用上述原理和方法。
類似地，在干擾受限的環(huán)境中，通常利用從多個傳感器(天線陣)接收到的信號的最佳組合來應(yīng)用CDMA。最佳組合使信號對干擾加噪聲比(SINR)最大。對于天線陣，為了使SINR最大，其權(quán)矢量例如可用下式得到w＝αR-1Ud*(2.15)其中，w是天線元的權(quán)矢量，α是一個常數(shù)，R是所接收的干擾加噪聲相關(guān)矩陣，而Ud*是所需信號矢量的共軛。我們已經(jīng)知道通過先計算CIR來得到權(quán)矢量的有效方法。一些最佳組合技術(shù)先計算出CIR(和噪聲協(xié)方差矩陣Q)，然后將其應(yīng)用于多維的MLSE，以對來自天線陣的信號進行組合。通常，在移動無線信道中，矩陣求逆會成問題。上述實施方式可直接應(yīng)用于矩陣求逆。為得到權(quán)矢量或要利用Q的逆陣，就要對信號進行最佳組合。
總之，當(dāng)本申請要完成一些選擇和變形時，所公開的本發(fā)明的優(yōu)選實施方法是，采用方程(2.8)所指定的矩陣乘法來得到CIR，然后用SVD來確定矩陣A的逆陣。根據(jù)n1＝1、n2＝25時的方程(2.13)，使逆陣中所含的本征值成斜坡(被加權(quán))。
權(quán)利要求
1.一種估算通信系統(tǒng)的信道脈沖響應(yīng)(CIR)的方法，通過通信系統(tǒng)的估算預(yù)測模型來應(yīng)用，該方法包括以下步驟通過使所測量的接收信號與所述接收信號的預(yù)估算之間的誤差的平方最小化來推算CIR，所述估算基于無線信道的近似；產(chǎn)生所述CIR的第一矩陣形式；將所述第一矩陣變換為對角矩陣；和對所述對角矩陣求逆。
2.如權(quán)利要求1所述的方法，其特征在于，將奇異值分解(SVD)運用于第一矩陣，來得到對角矩陣。
3.如權(quán)利要求1或權(quán)利要求2任一所述的方法，在緊隨矩陣求逆步驟之后，還包括以下步驟斜坡降低求逆后的對角矩陣中所含的過大的本征值的影響。
4.如權(quán)利要求3所述的方法，其特征在于，用窗口函數(shù)來斜坡減小過大的本征值。
5.如權(quán)利要求4所述的方法，其特征在于，用Bartlett、Blackman、Harris、Gaussian、Poisson、Riesz、Hanning(升余弦)、Kaiser-Bessel、Lanczos、Tukey和其他類似的眾所周知的窗口函數(shù)的任意之一來斜坡減小所述過大的本征值。
6.如上述權(quán)利要求任一所述的方法，可用于GSM網(wǎng)、干擾消除或CDMA接收機中。
全文摘要
本發(fā)明涉及CDMA接收機中CIR(信道脈沖響應(yīng))和SINR(信號對干擾加噪聲比)的估算。具體地說,本發(fā)明涉及一種確定通信系統(tǒng)的信道脈沖響應(yīng)(CIR)比如數(shù)字移動無線網(wǎng)(GSM網(wǎng))的無線信道的CIR的方法。本發(fā)明尤其涉及確定這樣的CIR,它基于已知訓(xùn)練序列的接收。本發(fā)明還可應(yīng)用于干擾消除和用于CDMA接收機中。本發(fā)明基于這樣的事實:通過先將網(wǎng)絡(luò)分析所得到的矩陣變換為“對角矩陣”,再對所得到的對角矩陣求逆,可以減輕現(xiàn)有技術(shù)中存在的問題。進一步的發(fā)明是將逆陣中本征值的倒數(shù)乘以一個遞減的數(shù),直至這些旁瓣被去掉或很小以致沒有什么影響。
文檔編號H04L25/02GK1248370SQ98802802
公開日2000年3月22日 申請日期1998年2月23日 優(yōu)先權(quán)日1997年2月25日
發(fā)明者彼特·約翰·懷特 申請人:諾基亞電信公司