在相位域中的最大似然序列檢測的制作方法
【專利說明】在相位域中的最大似然序列檢測
【背景技術】
[0001] 低功率無線傳感器和執(zhí)行器網(wǎng)絡化P-WSAN)標準要求低功耗和簡化的協(xié)議。圖4示 出低功率無線傳感器和執(zhí)行器網(wǎng)絡400具有傳感器410和執(zhí)行器420。傳感器是在短距離中 通信不受限制的多功能設備。執(zhí)行器是具有較高的處理和傳輸能力的資源豐富的 (resource-rich)設備，并且收集和處理傳感器信息，并基于收集到的信息來執(zhí)行操作。
[0002] LP-WSAN的低功率和簡化協(xié)議的要求使得，如分組錯誤率(P邸)的性能折衷。在藍 牙低功耗(BT-LE)標準中，例如，如果有一個分組錯誤，則需要發(fā)送兩個額外的分組一一個 分組通知先前發(fā)送的分組沒有被正確地接收到，而另一個分組進行重復操作。其結果是每 個有效傳輸?shù)谋忍?bit)的平均能量增加。
[0003] 許多LP-WSAN是基于連續(xù)相位調制(CPM)的。相對于在每一符號開始處載波相位突 然被重置到零的其他相位調制技術，CPM是一種對信息調制的方法，其載波相位被連續(xù)調 審IJ。為了使CPM接收器具有較低的PER，需要調制參數(shù)的完美知識。然而，當構建接收機時由 于松弛（laxity),對等發(fā)送設備的調制參數(shù)是未知的，另外，該調制參數(shù)在設備之間變化。 運使得利用載波相位的知識并且最大化BER(誤碼率)/pm?性能的相干檢測器的結構變的復 雜。
[0004] 對于CPM使其性能最大化的最佳檢測方案是最大似然序列檢測(MLSD) dMLSD是一 種用于從接收到的CPM信號中去除CPM噪聲而最優(yōu)地提取出有用信息的數(shù)學算法。當且僅當 添加到接收到的CPM信號的噪聲是白噪聲和高斯噪聲時，MLSD是最優(yōu)的。根據(jù)接收到的信號 的調制指數(shù)，實施CPM信號的MLSD的復雜性源自依賴于接受到信號的調制指數(shù)的該CPM信號 的結構。調制指數(shù)確定檢測方案的拓撲結構，即網(wǎng)格結構，并且調制指數(shù)能夠指數(shù)級地增加 在網(wǎng)格中的狀態(tài)數(shù)量。此外，調制指數(shù)的估計和均衡是非線性的，使得具有可變調制指數(shù)能 力的MLSD的實施并不可行。
【附圖說明】
[0005] 圖1示出無線設備的示意圖。
[0006] 圖2示出通用的非線性濾波器解調器的示意圖。
[0007] 圖3示出無線通信方法的流程圖。
[000引圖4示出低功率無線傳感器和執(zhí)行器網(wǎng)絡的示意圖。
【具體實施方式】
[0009] 本公開設及無線設備，其配置成將接收到的信號的同相和正交（I/Q)分量非相干 地轉換成相位域信號，基于同相和正交（I/Q)分量W及相位域信號來估計和校正相干參數(shù)， 然后相干地檢測在相位域信號中的信息。如果最佳相干檢測是所期望的，則相位域信號的 調制指數(shù)可被估計和均衡為預定的調制指數(shù)，從而在相位域中能夠實現(xiàn)最大似然序列檢測 (MLSD)O
[0010] 圖1示出無線設備100的示意圖。
[0011] 無線設備100包括接收器（110,120和130)、非線性濾波器解調器140、調制指數(shù)估 計器150、調制指數(shù)均衡器160和檢測器170。接收器包括相干獲取模塊110、模擬和數(shù)字前端 120和采樣器/校準器130。
[0012] 模擬和數(shù)字前端120配置成接收CPM模擬信號，將該信號的頻率轉換為低頻，并且 確定性地過濾掉不期望的頻帶。模擬和數(shù)字前端120的輸出是數(shù)字基帶信號，其具有零中頻 (ZIF) W及同相和正交分量。模擬和數(shù)字前端120還接收來自相干獲取模塊110的輸入，即載 波頻率偏移(CF0)、載波相位偏移(CPO)和I/Q不均衡，運些是W已知方式配置在模擬域的參 數(shù)。模擬和數(shù)字前端120配置成校正CFO和CPO，盡管本公開不限于運一方面。CFO和CPO可W 在另一部件中進行校正。
[0013] 重新采樣器/校準器130由相干獲取單元110指示，重新采樣器/較準器基于定時參 數(shù)W所需的采樣率并在相對于符號邊界的最佳位置來校準采樣時刻。運里被公開的重新采 樣器/校準器130位于模擬和數(shù)字前端120和非線性濾波器解調器140之間，但是本公開不限 于運一方面。該重新采樣/校準也是已知的，并且不需要在此進一步說明。
[0014] 非線性濾波器解調器140配置成解調接收到的I/Q基帶信號使其轉換成相位信號。 如果非線性濾波器解調器140是最佳的，則在其輸出端的噪聲是白噪聲和高斯噪聲。加性高 斯白噪聲(AWGN)是模擬在自然界發(fā)生的隨機過程效果的基本噪聲模型。該修飾語表示特定 特征："加性"，因為它是與信號線性地求和；"白"，因為它在整個頻段具有統(tǒng)一的功率；W及 "高斯"，因為它具有為高斯或正態(tài)的概率密度函數(shù)。
[0015] 由非線性濾波器解調器140接收到的I/Q基帶信號由如下的方程1表示：
[0016] S"助=cos[0(t)] + js i r[0(t). I 二 cos[h(p(t) ] + jsir{h(p(t)](方程 I)
[0017] 其中0 (t)是CPM調制信號，h是調制指數(shù)，W及材t)是歸一化的CPM調制信號。從I/Q 基帶信號，非線性濾波器解調器140執(zhí)行非相干角度解調，即瞬時相位估計。該解調不需要 定時、相干獲取或由相位承載的信息。非線性濾波器解調器140估計作為時間的函數(shù)的相 位。在方程(1)的輸出函數(shù)是可逆的，所W相位是可觀察的。隨著非線性濾波器解調器140變 得接近最優(yōu)，估計誤差變得更加白性和高斯性。因此，解調會導致具有白高斯噪聲的理想相 位調制信號，如由W下方程2所指示：
[0019] 其中0(t)是CPM調制信號W及n(t)是高斯白噪聲。另外，作為非線性濾波的直接結 果，在相位域(輸出）的信噪比（SNR)高于在I/Q域(輸入)的SNR。
[0020] 相干獲取模塊110使用由非線性濾波器解調器140輸出的信號相位W確定信號定 時，即比特發(fā)送開始和結束的時間，并且該信息被饋送到采樣器/校準器130。相干獲取(即， CF0、CP0校正、符號定時恢復、調制指數(shù)均衡等)和定時獲取在相位域中被更容易的執(zhí)行W 及具有更好的性能。
[0021] 調制指數(shù)估計器150配置成估計接收信號的調制指數(shù)。調制指數(shù)指定由于調制而 偏離載波頻率的最大頻率偏移。因為信號現(xiàn)在是在相位域，所W現(xiàn)在估計調制指數(shù)是簡單 的線性問題。估計可W是用于對未知線性系數(shù)的線性估計技術，如最小平方法、遞歸最小平 方法，約束最小平方法、最大似然估計等?？商娲模绻{制指數(shù)預期在分組內變化，其他 線性方法可能產(chǎn)生更好的調制指數(shù)的連續(xù)估計。
[0022] 調制指數(shù)均衡器160配置成將估計出的調制指數(shù)motidx均衡成預定的調制指數(shù)。 預定義的調制指數(shù)可W是例如0.5,其是提高性能和最小化復雜性的一個值，因為它表示具 有少量狀態(tài)的網(wǎng)格。在相位域中將調制指數(shù)均衡到預定的調制指數(shù)是非常簡單的線性問 題。
[0023] 檢測器170是最大似然序列檢測器(MLSD)，并且配置成檢測信號中的信息。因為該 信號是在相位域中，所WMLSD可W被使用，該信號具有已知的調制指數(shù)、加性高斯白噪聲和 比在I/Q域內的原始SNR更好的SNR。在相位域中執(zhí)行的MLSD使得復雜性減少一半，因為僅分 析一個信號(相位信號)而不是兩個信號（I及Q信號）。調制指數(shù)的預定值被選擇W盡量減少 在MLSD實現(xiàn)中的復雜性，同時仍然保證了良好的BER/P邸性能。
[0024] 圖2示出通用的非線性濾波器解調器200的示意圖，其使用馬爾可夫隨機過程模型 來構建圖1的非線性濾波器解調器140。
[0025] 通用的非線性濾波器解調器結構200包括加法器210、校正模型220、隨機狀態(tài)空間 演化模型230和非線性輸出方程240。通過概述的方式，該結構200具有根據(jù)輸出估計誤差e 隨時間變化的反饋功能。基于狀態(tài)空間模型而非輸入/輸出模型的估計是更合適的，因為在 CPM中的輸出非線性地設及信息信號。
[0026] 基于馬爾可夫過程理論的非線性濾波首先需要創(chuàng)建隨機狀態(tài)空間演化模型230， 其將目標信號（瞬時相位)和測量信號(ZIF信號)表示達到濾波器要求的統(tǒng)計階數(shù)。一般的 馬爾可夫過程模型被方程(3)-(5)表示，具體如下：
[0027] 義二 f(X) +S(X)Wp (方程3)
[0028] Z = Mx)(方程 4)
[0029] y = z+Wm (方程 5)
[0030] 其中Wp和Wm是獨立的高斯白噪聲，即分別為處理噪聲和測量噪聲，X是演化方程的 處理狀態(tài)向量，Z是輸出，W及y是測量。測量噪音Wm是被過濾掉的噪聲。
[0031] 通過利用CPM信號的特性，CPM馬爾可夫模型的廣義結構能夠W如下方式構建：
[0032] 1)因為理想的接收信號將具有方程（1)的形式，并且用于沒有測量噪聲的干凈輸 出的馬爾可夫模型應符合式方程(4)，目標信號0(t)應該是狀態(tài)矢量X的一部分。
[0033] 2)S組狀態(tài)變量被用于一般的CPM信號的狀態(tài)空間模型。上述方程(3)的狀態(tài)X由 運=組變量構成，即=組變量為一組輔助變量Xl、一組瞬時頻率變量X2和一組瞬時相位變量 X3，其在下面進行更詳細的描述。
[0034] 2a)第一組狀態(tài)變量Xi是輔助變量，其用于創(chuàng)建多項式(或具有每種模式的稀疏擴 散的多模型(poly-modal with thin spread))分布W模擬信息源。xi(t)是具有非常短的 相關時間的高斯相關過程。
[00巧]2b)第二組狀態(tài)變量X2模擬瞬時頻率：
[0036] 乂2(口叫誠怕（方程6)
[0037] 2c)第=組狀態(tài)變量X3是瞬時頻率的積分，并且模型瞬間相位：
[003引 乂3的蘭地)（方程7)
[0039] 3)推導狀態(tài)向量的演化方程：
[0040] 3a)作為一組狀態(tài)變量的xi(t)提供準噪聲過程。從用于高斯-馬爾可夫過程的 Doob定理，具有線性漂移fi ? Xi和恒定擴散（constant diffusion)gi的單組狀態(tài)變量需要 產(chǎn)生指數(shù)相關的高斯過程，相關可W具有任意的松弛時間（relaxation time)。因此，可W 構造任意接近A-相關(delta-correlated)過程。出于運個原因，用于準噪聲過程的演化方 程如下：
[0041] 夫i=fi.Xi+gi.Wp (方程 8)
[0042] 3b)xi的變換函數(shù)提供X2的演化P(Xi) ,P(Xi)被需要W用于在CPM調制器的輸入端 來統(tǒng)計構建M元符號過程(M-模態(tài)）。非線性靜態(tài)，即無存儲(memory-less)，的功能，具有有 限的一組輸出值，該功能將使準噪聲過程分布變換成M-模態(tài)(或多項式）的準白色過程，而 不壓印存儲器到該功能。一個運樣的功能是符號函數(shù)，例如，二進制調制具有對于+1和-1值 具有相同概率的二項式分布，該二項式分布可W利用應用于準噪聲過程的符號函數(shù)來進行 建模。可替代地，平滑函數(shù)可W被用作sigmoid函數(shù)和logistic