專利名稱：一種聯(lián)合檢測的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及移動通信技術(shù)領(lǐng)域，特別涉及一種聯(lián)合檢測的方法及裝置。
背景技術(shù)：
隨著GSM終端用戶的不斷增長，各運營商面臨著系統(tǒng)擴容的壓力，小區(qū)分裂是提 高GSM系統(tǒng)容量的傳統(tǒng)方法，而最近3GPP正著手制定的一個時隙上的自適應(yīng)多用戶語音業(yè) 務(wù)(VAMOS, Voice services over Adaptive Multi-user channels on One Slot)技術(shù)也 是一種革命性的擴容手段。VAMOS和傳統(tǒng)的擴容方法有本質(zhì)上的區(qū)別，它可以在同一頻點同一時隙同時承載 兩路不相關(guān)的兩個終端用戶，以達到2倍的擴容目的。但是，目前的上行解調(diào)算法只具有單 終端用戶檢測功能，對于這種需要同時解調(diào)出互為干擾的兩路終端用戶信息是不能夠勝任 的?，F(xiàn)有的檢測終端用戶的技術(shù)比如串行干擾抵消(SIC，Successive Interference Cancellation)，是利用具有一定干擾抑制能力的單終端用戶檢測算法，串行的檢測出兩個 終端用戶信號。具體包括接收的上行信號中，當(dāng)從上行信號中，解調(diào)終端用戶0時，終端 用戶1的信號就作為干擾信號，這樣，對終端用戶0的解調(diào)性能有一定影響，同樣，解調(diào)終端 用戶1的時候，終端用戶0的信號也被看作了同頻干擾，使得終端用戶1的解調(diào)性能也有損 失?？梢?，現(xiàn)有的檢測終端用戶的方法，雖然也能夠解調(diào)出兩路終端用戶信息，但由于 只能串行的檢測出兩個終端用戶信號，并且檢測過程，解調(diào)性能有損失，從而導(dǎo)致估計出的 信號不夠準(zhǔn)確。

發(fā)明內(nèi)容
本發(fā)明實施例提供一種聯(lián)合檢測的方法及裝置，用以在多終端用戶信號同時解調(diào) 的過程中，具有最優(yōu)的解調(diào)性能，提高信號序列估計的準(zhǔn)確度。本發(fā)明實施例提供一種聯(lián)合檢測的方法，包括獲取接收到的混合信號對應(yīng)的匹配濾波信號；根據(jù)所述匹配濾波信號，估算每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積 度量；其中，所述聯(lián)合狀態(tài)包含每個終端用戶對應(yīng)時刻的各個彌散信道的信號序列估計；根據(jù)估算的所述每個累積度量，獲取每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量， 以及每個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計；根據(jù)所述每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及每個聯(lián)合狀態(tài)中每個終 端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，獲得每個終端用戶的信號序列估計。本發(fā)明實施例中，所述估算每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度 量包括根據(jù)所述每個匹配濾波信號，進行聯(lián)合的最大似然序列估計JMLSE，獲得每個時刻到達每個聯(lián)合狀態(tài)的每個路徑的分支度量；將每個路徑的分支度量疊加到該路徑對應(yīng)的源聯(lián)合狀態(tài)的累積度量上，獲得每個 時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度量。所述獲取每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及每個聯(lián)合狀態(tài)中每個終 端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計包括從到達當(dāng)前聯(lián)合狀態(tài)所有路徑的累積度量中，確定最大累積度量為當(dāng)前聯(lián)合狀態(tài) 的幸存累積度量；將所述幸存累積度量對應(yīng)的源聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號 序列估計，確定為當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估 計。所述獲得每個終端用戶的信號序列估計包括以下步驟A、確定當(dāng)前時刻為最大時刻，并將當(dāng)前時刻中的最大幸存累積度量對應(yīng)的聯(lián)合狀 態(tài)確定為當(dāng)前聯(lián)合狀態(tài)；B、將確定的當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的最近彌散信道的信號序列估計 作為對應(yīng)終端用戶當(dāng)前時刻的信號序列估計，并根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng) 的幸存最遠彌散信道的信號序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新，獲得更新后的聯(lián)合狀 態(tài)；C、對當(dāng)前時刻進行遞減，并判斷遞減后的時刻是否大于零，若是，則將更新后的聯(lián) 合狀態(tài)作為當(dāng)前聯(lián)合狀態(tài)，返回步驟B，否則，執(zhí)行步驟D ；D、組合每個終端用戶每個時刻的信號序列估計，獲得每個終端用戶的信號序列估 計。本發(fā)明實施例中根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的最遠彌散信道的信號 序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新包括將當(dāng)前聯(lián)合狀態(tài)根據(jù)彌散信道由遠到近進行一次移位；將所述當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計， 作為移位后的當(dāng)前聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號序列估計。本發(fā)明實施例提供一種聯(lián)合檢測的裝置，包括匹配濾波單元，用于獲取接收到的混合信號對應(yīng)的匹配濾波信號；估算單元，用于根據(jù)所述匹配濾波信號，估算每個時刻到達每個聯(lián)合狀態(tài)的每個 路徑對應(yīng)的累積度量；其中，所述聯(lián)合狀態(tài)包含每個終端用戶對應(yīng)時刻的各個彌散信道的 信號序列估計；第一獲取單元，用于根據(jù)估算的所述每個累積度量，獲取每個時刻中每個聯(lián)合狀 態(tài)的幸存累積度量，以及每個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序 列估計；第二獲取單元，用于根據(jù)所述每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及每 個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，獲得每個終端用戶 的信號序列估計。其中，所述估算單元包括分支度量估算子單元，用于根據(jù)所述每個匹配濾波信號，進行聯(lián)合的最大似然序列估計JMLSE，獲得每個時刻到達每個聯(lián)合狀態(tài)的每個路徑的分支度量；累積度量估算子單元，用于將每個路徑的分支度量疊加到該路徑對應(yīng)的源聯(lián)合狀 態(tài)的累積度量上，獲得每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度量。所述第一獲取單元包括幸存累積度量確定子單元，用于從到達當(dāng)前聯(lián)合狀態(tài)所有路徑的累積度量中，確 定最大累積度量為當(dāng)前聯(lián)合狀態(tài)的幸存累積度量；幸存信號序列估計確定子單元，用于將所述幸存累積度量對應(yīng)的源聯(lián)合狀態(tài)中每 個終端用戶的最遠彌散信道的信號序列估計，確定為當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的 幸存最遠彌散信道的信號序列估計。所述第二獲取單元包括信號序列估計確定單元，用于將當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的最近彌散信 道的信號序列估計作為對應(yīng)終端用戶當(dāng)前時刻的信號序列估計；更新子單元，用于根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的 信號序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新，獲得更新后的聯(lián)合狀態(tài)；組合子單元，用于組合每個終端用戶每個時刻的信號序列估計，獲得每個終端用 戶的信號序列估計。所述更新子單元，還用于將當(dāng)前聯(lián)合狀態(tài)根據(jù)彌散信道由遠到近進行一次移位， 將所述當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，作為移位 后的當(dāng)前聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號序列估計。本發(fā)明實施例提供的聯(lián)合檢測方法中，獲取接收到的混合信號對應(yīng)的匹配濾波信 號，根據(jù)所述匹配濾波信號，進行最大似然序列估計，獲得每個終端用戶的信號序列估計， 這樣，能同時從接收到的混合信號解調(diào)出每個終端用戶的信號序列估計。


圖1為本發(fā)明實施例中蝶形遞推的示意圖；圖2為本發(fā)明實施例中聯(lián)合檢測的流程圖；圖3為本發(fā)明實施例一中聯(lián)合檢測的流程圖；圖4為本發(fā)明實施例中聯(lián)合檢測裝置的結(jié)構(gòu)圖。
具體實施例方式本發(fā)明實施例提供的聯(lián)合檢測的方法是一種基于最大似然序列估計(MLSE， Maximum Likelihood Sequence Estimation)的聯(lián)合檢測技術(shù)，能夠最大限度的利用每路 終端用戶的先驗信息，同時得到每個期望終端用戶的信號序列估計。本發(fā)明實施例中所用的技術(shù)為聯(lián)合的最大似然序列估計(JMLSE，JointMaximum Likelihood Sequence Estimation)或聯(lián)合檢測(JD，Joint Detection)算法，下面以兩個 終端用戶為例對該技術(shù)的原理進行簡單介紹。聯(lián)合檢測的信號模型如公式⑴所示y(k) = Yj x{0) (A - )Λ(0) ( ) +1； x(1) (A; - ( ) + n(k)( 1)
；7=0 0
6
其中，y (k)表示接收到的含有終端用戶0和1信息的混合信號。x(°) (k)和x(1) (k) 分別表示終端用戶O和1的信息，h(°) (η)和h(1) (η)分別表示終端用戶0和終端用戶1對應(yīng) 的信道沖激響應(yīng)，理論上無限長，即η oc +⑴。由公式⑴可得基于最大似然準(zhǔn)(MLSE)則的代價函數(shù)如公式(2)所示
權(quán)利要求
1.一種聯(lián)合檢測的方法，其特征在于，包括獲取接收到的混合信號對應(yīng)的匹配濾波信號；根據(jù)所述匹配濾波信號，估算每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度 量；其中，所述聯(lián)合狀態(tài)包含每個終端用戶對應(yīng)時刻的各個彌散信道的信號序列估計；根據(jù)估算的所述每個累積度量，獲取每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及 每個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計；根據(jù)所述每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及每個聯(lián)合狀態(tài)中每個終端用 戶對應(yīng)的幸存最遠彌散信道的信號序列估計，獲得每個終端用戶的信號序列估計。
2.如權(quán)利要求1所述的方法，其特征在于，所述估算每個時刻到達每個聯(lián)合狀態(tài)的每 個路徑對應(yīng)的累積度量包括根據(jù)所述每個匹配濾波信號，進行聯(lián)合的最大似然序列估計(JMLSE)，獲得每個時刻到 達每個聯(lián)合狀態(tài)的每個路徑的分支度量；將每個路徑的分支度量疊加到該路徑對應(yīng)的源聯(lián)合狀態(tài)的累積度量上，獲得每個時刻 到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度量。
3.如權(quán)利要求1所述的方法，其特征在于，所述獲取每個時刻中每個聯(lián)合狀態(tài)的幸存 累積度量，以及每個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計包 括從到達當(dāng)前聯(lián)合狀態(tài)所有路徑的累積度量中，確定最大累積度量為當(dāng)前聯(lián)合狀態(tài)的幸 存累積度量；將所述幸存累積度量對應(yīng)的源聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號序列 估計，確定為當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計。
4.如權(quán)利要求1所述的方法，其特征在于，所述獲得每個終端用戶的信號序列估計包 括以下步驟A、確定當(dāng)前時刻為最大時刻，并將當(dāng)前時刻中的最大幸存累積度量對應(yīng)的聯(lián)合狀態(tài)確 定為當(dāng)前聯(lián)合狀態(tài)；B、將確定的當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的最近彌散信道的信號序列估計作為 對應(yīng)終端用戶當(dāng)前時刻的信號序列估計，并根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存 最遠彌散信道的信號序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新，獲得更新后的聯(lián)合狀態(tài)；C、對當(dāng)前時刻進行遞減，并判斷遞減后的時刻是否大于零，若是，則將更新后的聯(lián)合狀 態(tài)作為當(dāng)前聯(lián)合狀態(tài)，返回步驟B，否則，執(zhí)行步驟D ；D、組合每個終端用戶每個時刻的信號序列估計，獲得每個終端用戶的信號序列估計。
5.如權(quán)利要求4所述的方法，其特征在于，所述根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對 應(yīng)的最遠彌散信道的信號序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新包括將當(dāng)前聯(lián)合狀態(tài)根據(jù)彌散信道由遠到近進行一次移位；將所述當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，作為 移位后的當(dāng)前聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號序列估計。
6.一種聯(lián)合檢測的裝置，其特征在于，包括匹配濾波單元，用于獲取接收到的混合信號對應(yīng)的匹配濾波信號；估算單元，用于根據(jù)所述匹配濾波信號，估算每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度量；其中，所述聯(lián)合狀態(tài)包含每個終端用戶對應(yīng)時刻的各個彌散信道的信號 序列估計；第一獲取單元，用于根據(jù)估算的所述每個累積度量，獲取每個時刻中每個聯(lián)合狀態(tài)的 幸存累積度量，以及每個聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估 計；第二獲取單元，用于根據(jù)所述每個時刻中每個聯(lián)合狀態(tài)的幸存累積度量，以及每個聯(lián) 合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，獲得每個終端用戶的信 號序列估計。
7.如權(quán)利要求6所述的裝置，其特征在于，所述估算單元包括分支度量估算子單元，用于根據(jù)所述每個匹配濾波信號，進行聯(lián)合的最大似然序列估 計(JMLSE)，獲得每個時刻到達每個聯(lián)合狀態(tài)的每個路徑的分支度量；累積度量估算子單元，用于將每個路徑的分支度量疊加到該路徑對應(yīng)的源聯(lián)合狀態(tài)的 累積度量上，獲得每個時刻到達每個聯(lián)合狀態(tài)的每個路徑對應(yīng)的累積度量。
8.如權(quán)利要求6所述的裝置，其特征在于，所述第一獲取單元包括幸存累積度量確定子單元，用于從到達當(dāng)前聯(lián)合狀態(tài)所有路徑的累積度量中，確定最 大累積度量為當(dāng)前聯(lián)合狀態(tài)的幸存累積度量；幸存信號序列估計確定子單元，用于將所述幸存累積度量對應(yīng)的源聯(lián)合狀態(tài)中每個終 端用戶的最遠彌散信道的信號序列估計，確定為當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存 最遠彌散信道的信號序列估計。
9.如權(quán)利要求6所述的裝置，其特征在于，所述第二獲取單元包括信號序列估計確定單元，用于將當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的最近彌散信道的 信號序列估計作為對應(yīng)終端用戶當(dāng)前時刻的信號序列估計；更新子單元，用于根據(jù)當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號 序列估計對所述當(dāng)前聯(lián)合狀態(tài)進行更新，獲得更新后的聯(lián)合狀態(tài)；組合子單元，用于組合每個終端用戶每個時刻的信號序列估計，獲得每個終端用戶的 信號序列估計。
10.如權(quán)利要求9所述的裝置，其特征在于，所述更新子單元，還用于將當(dāng)前聯(lián)合狀態(tài)根據(jù)彌散信道由遠到近進行一次移位，將所 述當(dāng)前聯(lián)合狀態(tài)中每個終端用戶對應(yīng)的幸存最遠彌散信道的信號序列估計，作為移位后的 當(dāng)前聯(lián)合狀態(tài)中每個終端用戶的最遠彌散信道的信號序列估計。
全文摘要
本發(fā)明公開了一種聯(lián)合檢測的方法和裝置，用以在多終端用戶信號同時解調(diào)的過程中，具有最優(yōu)的解調(diào)性能，提高信號序列估計的準(zhǔn)確度。該方法包括獲取接收到的混合信號對應(yīng)的匹配濾波信號，根據(jù)所述匹配濾波信號，進行最大似然序列估計，獲得每個終端用戶的信號序列估計。
文檔編號H04B1/7105GK102098075SQ200910259260
公開日2011年6月15日 申請日期2009年12月15日 優(yōu)先權(quán)日2009年12月15日
發(fā)明者陳亮 申請人:中興通訊股份有限公司