CN1564499A - 码分多址低扩频下的基于自相关匹配的均衡方法和发送接收装置 - Google Patents

Abstract

本发明为码分多址(CDMA)低扩频下的基于自相关匹配的均衡方法和发送接收装置。其基本构成包括发送端的预滤波序列发生器、多序列低扩频器，接收端的自相关估计器、互相关估计器、线性均衡器、用户区分和预滤波去除以及瑞利慢衰落信道模块。通过首先在发送端叠加预滤波序列，使发送信号具有自相关特性，而在接收端训练均衡器系数，通过最小化输出信号的互相关和限制自相关的宽度来消除用户间干扰和码间干扰，最后级联实现用户区分和去除预滤波模块。计算机仿真和试验结果表明，该方法和装置能有效的改善第三代移动通信系统的高速数据传输性能。特别适合于低扩频下的CDMA系统。

Description

码分多址低扩频下的基于自相关匹配的均衡方法和发送接收装置

技术领域

本发明属于码分多址(CDMA)蜂窝通信系统中实现信道均衡和多用户检测的技术领域，具体涉及一种码分多址低扩频下的基于自相关匹配的均衡方法和发送接收装置。

背景技术

CDMA蜂窝通信系统是第三代移动通信的重要技术，它具有频率规划简单，系统容量大，抗多径能力强，发射功率小等特点受到了日益广泛的关注。移动通信系统中存在多径衰落现象，会造成严重的多径干扰，产生相邻符号干扰(ISI)，导致信道畸变，使数据无法准确传输。在扩频比较大时，由于干扰信号能量较小，可以忽略，但随着码率的提高，扩频比的减小，这种干扰就必须考虑了。传统的方法通过接收带有确知信息的导频(pilot)信号，通过对多径信号幅度和相位的估计，来处理多径衰落，也就是RAKE接收机(抽头延时线接收机)，它一般被用来利用多径效应的分集(Multi-path Diversity)。RAKE接收机假设不同用户之间的扩频码是完全正交的。但是，当发送波形经过扩频后的带宽超过信道本身的带宽时，扩频序列的正交性就会被破坏。多用户干扰(MAI)的问题就会出现，并会对传统RAKE接收机性能造成影响，因此需要使用信道均衡技术。传统的方法，可以通过使用训练码来估计信道参数，得到均衡器参数，但训练码也占用了带宽。而盲信道均衡的方法仅利用发送信号的各种统计特性，来估计信道参数，由于其无需训练码带宽和对无线局域网中某些特性的满足，得到了广泛的研究。

在使用盲均衡的方法时通常都假设用户输入信号为白色的情况，然后利用包括最小均方和子空间分解等的方法计算出信道参数，但这些方法有的对信道阶数估计敏感，有的在低信噪比时性能会恶化，同时它们都要求不可约的(irreducible)的信道条件，这都使他们的应用得到了限制，因此能有效消除MAI和ISI的信道均衡技术是支持高速数据业务的扩频系统的关键。

发明内容

本发明的目的是提出一种码分多址低扩频下的基于自相关匹配的均衡方法及发送接收装置，以便能有效消除MAI和ISI，且无须训练码，并在低信噪比时性能不恶化。

本发明提出的码分多址低扩频下的基于自相关匹配的均衡方法，是先在发送端对每一路发送信号叠加预滤波序列，使发送信号具有自相关特性；再通过瑞利慢衰落信道，在接收端训练线性均衡器系数，以满足迫零条件，通过最小化输出信号的互相关和限制自相关的宽度来消除用户间干扰和码间干扰；最后级联实现用户区分和去除预滤波模块。

本发明中，发送端叠加的预滤波序列，可通过由随机产生的白噪声经过具有不同零点设定的有限冲击响应(FIR)滤波器并周期性扩展后直接叠加在用户已扩频的序列上实现，从而达到自相关域上多用户复用的目的。接收端均衡器的训练是通过最小化关于均衡器输出间的互相关和限制均衡器输出的自相关宽度来达到；具体而言，线性均衡器的训练可采用最速下降法，来最小化关于均衡器输出信号间的互相关和自相关序列的目标函数，得到的均衡器在无噪声的情况下满足迫零条件；级联实现的用户区分和去预滤波是通过分辨不同用户输出的自相关序列特性，再在载波同步后去除相应的预滤波序列完成。

基于自相关匹配的发送接收装置由发送端装置和接收端装置两部分组成，其中，发送端装置包括预滤波序列发生器(B1)、多序列低扩频器(B2)组成，接收端装置包括自相关估计器(A1)、互相关估计器(A2)、线性均衡器(A3)、区分用户和去除预滤波模块(A4)。多序列低扩频器(B1)的输入端连接用户基带采样信号，输出端信号和预滤波序列发生器的输出序列信号相叠加后串连到瑞利慢衰落信道模块(C)和线性均衡器。信道输出进入接收端装置处理，首先进入线性均衡器(A3)，均衡器的输出再分别进入自相关估计器(A1)、互相关估计器(A2)，以及用户区分和去预滤波模块(A4)，同时自相关、互相关估计器的估计结果将作为均衡器的输入来调整均衡器参数。用户区分后的数据可进入解信道编码的维特比算法模块。

基于自相关匹配的均衡方法和发送接收装置，无须训练序列，利用在自相关域上的用户复用提高了频段的利用率，同时具有很好的抗白噪声的性能，并且使用多天线(MultipleElement Array)技术进一步提高了信道利用率。为了消除多径效应引起的ISI和MAI，系统利用了自相关匹配(Autocorrelation Matching)原理，匹配输入信号和输出信号的自相关特性来进行信号的鉴别和信道的均衡。

本发明所提出的码分多址低扩频下的基于自相关匹配的均衡方法和发送接收装置，适用于CDMA系统中扩频比较低的情况下，利用满足迫零条件的线性均衡器，能有效的消除多径干扰和多用户干扰，具有很好地接收性能。

本发明的主要优点在于，可抗加性噪声干扰，均衡器满足迫零条件，所以能抗远近效应，同时对原有的CDMA发送方案改动较小，并由于使用的是基于二阶统计量的盲均衡方法，所以不需要训练码和信号的同步。通过实现自相关匹配原理，我们的方法不需要利用到所有用户的信息，也即不需要用到多用户检测。与RAKE接收机类似，这样可以大大简化接收机的算法，因此本发明能有效的满足高速数据业务的要求。

附图说明

图1是码分多址低扩频下的基于自相关匹配的发送接收装置的总框图。其中发送端装置包括预滤波序列发生器(B1)，多序列低扩频器(B2)。接收端装置包括自相关估计器(A1)，互相关估计器(A2)，线性均衡器(A3)，用户区分和去除预滤波模块(A4)，瑞利慢衰落信道模块(C1)

图2是多天线信道模型示意图。

图3是使用线性均方方法的比较。

具体实施方式

以下对发明中的各个组成分别加以描述，从而进一步给出本发明的具体实施方式。

1、预滤波序列发生器(B1)

预滤波器序列发生器，是为了使每个用户发送的序列具有独特的自相关特性。低扩频输出的用户序列可被认为已经满足了白化条件，所以最终发送信号的自相关特性仅仅取决于我们所要叠加的预滤波序列，可表示为

        s_i(t)＝c_i(t)+v_i(t)， $E\{s_i\left(t\right)\×{\stackrel{\‾}{s}}_i(t-\mathrm{\τ})\}=E\{v_i\left(t\right)\×{\stackrel{\‾}{v}}_i(t-\mathrm{\τ})\},$              [公式1a]

此时需满足对每个用户叠加的预滤波序列的信号{v_i(l)i＝1，2，…，N}互不相关，并且它们的自相关函数  r_vi(τ)满足线性独立条件，也即以下这组函数集线性独立：{r_vi(k+j_i)|i＝1，2，…，N；j_i＝0，±1，…±L_H；k≥SF}，其中SF是扩频增益，L_H是信道的阶数。使用如下的一种方法：对于某个给定的SF，用随机产生的白噪声通过第i个用户预滤波器为：

$F_i\left(z\right)=1+z^{-[\mathrm{SF}+L_G+(2L_G+1)(i-1)]},i=\mathrm{1,2},\·\·\·,N,$ [公式1b]

其中L_G＝L_W+L_H，L_W为均衡器的阶数。可以证明，当这些滤波器的输入是不相关的白噪声信号时，它们的自相关函数将满足线性独立条件。

2、多序列低扩频器(B2)

CDMA中使用Wash码进行低扩频，扩频后每个用户的信号变为：

$s_i\left(t\right)=\underset{i=l}{\overset{P}{\mathrm{\Σ}}}\underset{l=-\∞}{\overset{+\∞}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}\left(l\right)\×c_j(t-l\·\mathrm{SF})+v_i\left(t\right)$

[公式2]

假设第i个用户的发射信号s_i(t)由P个信息序列组成。第i个发射信号的第j个信息序列定义为s_ij(l)，并且假设为白噪声序列。每一个信息序列由正交码(Wash code)c_j(t)扩频调制。SF表示扩频增益。可以看到，由于Wash码的正交性，如果在接收端s_i(t)能得到恢复，通过通常的CDMA方法，所有的P个信息序列将都能得到恢复。

3、瑞利慢衰落信道(C1)

使用如图2所示模型参数来仿真瑞利慢衰落信道，从任一发送天线i到任一接收天线i的信道将可以用一有限冲击响应滤波器H_ij(z)表征，滤波器最大阶数设为L_H，滤波器的系数满足瑞利分布。所叠加的噪声为高斯白噪声。如假设移动信道为频率选择性慢衰落信道模型，则可认为在一个信道估计区间内，信道参数为常数。

4、自相关估计器(A1)

由自相关匹配原理可以知道，当输入信号满足线性移不变条件时，如果均衡器输出的自相关序列值同某个用户发送序列的自相关序列相同的话，即

$r_y\left(k\right)=r_{v_i}\left(k\right)$ 对于k≥SF，            [公式4a]

那么，迫零条件就得到了满足。使用增强的自相关匹配原理，使均衡器输出信号间的互相关为零，并限制输出的自相关序列的宽度为2×L_s，L_s为预滤波器的阶数时，这样均衡器就能满足迫零条件。自相关估计器的计算数公式为

Rx_ij(τ，L)＝[Rx_ij(-L+τ)Rx_ij(-L+l+τ)…Rs_ij(+L+τ)]^T，    [公式4b]其中 ${\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ})\}=\frac{1}{N-\mathrm{\τ}}\underset{t=\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}{x}_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ}),$ x_i(t)为t时刻第i个接收天线上的信号，同时可以有计算递推式

${\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ})\}=\frac{N-1-\mathrm{\τ}}{N-\mathrm{\τ}}\×{\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N-1)+\frac{1}{N-\mathrm{\τ}}\×x_i\left(N\right)\×{\stackrel{\‾}{x}}_i(N-\mathrm{\τ}),$

[公式4c]

5、互相关估计器(A2)

为了使均衡器满足迫零条件，必须使均衡器输出信号问的互相关为零，这需要估计输出信号间的互相关。互相关估计器的计算公式为

Rx_ij(τ，L)＝[Rx_ij(-L+τ)Rx_ij(-L+l+τ)…Rs_ij(+L+τ)]^T，    [公式5a]其中 ${\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_j(t-\mathrm{\τ})\}=\frac{1}{N-\mathrm{\τ}}\underset{i=\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}{x}_i\left(t\right){\stackrel{\‾}{x}}_j(t-\mathrm{\τ}),$ x_i(t)为t时刻第i个接收天线上的信号，同时可以有计算递推式

${\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ})\}=\frac{N-1-\mathrm{\τ}}{N-\mathrm{\τ}}\×{\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N-1)+\frac{1}{N-\mathrm{\τ}}\×x_i\left(N\right)\×{\stackrel{\‾}{x}}_i(N-\mathrm{\τ})$

[公式5b]

因此为计算互相关的而增加的计算量仍然是可以接受的。

6、线性均衡器(A3)

均衡器需要满足迫零条件，也就是对于等价的M输入M输出系统的等价传递函数需要满足：G(z)＝diag(f₁(z)，f₂(z)，…，f_M(z))，若f_i(z)为一多项式，则此时均衡器已经消除了用户间的多址干扰(MAI)，但多径干扰(ISI)仍未被完全消除。理想的情况是使f_i(z)＝z^-l，l∈N，也就是对每个用户的输出只存在一个延迟项，这样整个系统传递函数就是透明的了，也满足了迫零条件。为达到这个目的，我们最小化关于自相关宽度的目标函数：

$J_1\left(w\right)=\underset{\mathrm{\τ}=0}{\overset{\mathrm{Ls}}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1,j\≠i}{\overset{N}{\mathrm{\Σ}}}\left|\right|w_i\×{\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)\×w_j^T\left|\right|,$ [公式6a]

和关于互相关的目标函数

$J_2\left(w\right)=\underset{\mathrm{\τ}=L_s+1}{\overset{L_s+L_w}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|\right|w_i\×{\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)\×w_i^T\left|\right|,$  [公式6b]

并添加限制条件‖w_i‖＝1，最小化以上目标函数，就可以得到关于均衡器系数的训练公式

$w_i(t+1)=w_i\left(t\right)-{\mathrm{\μ}}_1\frac{\∂J_1\left(w_i\right)}{\∂w_i}-{\mathrm{\μ}}_2\frac{\∂J_2\left(w_i\right)}{{\∂w}_i},$ [公式6c]

其中 $\frac{\∂J_1\left(w_i\right)}{\∂w_i}=\underset{r=0}{\overset{L_s}{\mathrm{\Σ}}}{w}_i\×\{R_X\left(\mathrm{\τ}\right)\×w_j\×R_X^T\left(\mathrm{\τ}\right)\}+\underset{\mathrm{\τ}=0}{\overset{L_s}{\mathrm{\Σ}}}{w}_i\×\{R_X^T\left(\mathrm{\τ}\right)\×w_j\×R_X\left(\mathrm{\τ}\right)\}$ [公式6d]

$\frac{{\∂J}_2\left(w_i\right)}{{\∂w}_i}=\underset{r=L_s+1}{\overset{L_s+L_w}{\mathrm{\Σ}}}[(w_i\×R_X\left(\mathrm{\τ}\right)\×w_i^T)\×w_i\×R_X^T\left(\mathrm{\τ}\right)]+\underset{\mathrm{\τ}=L_s+1}{\overset{L_s+L_w}{\mathrm{\Σ}}}[(w_i\×R_X\left(\mathrm{\τ}\right)\×w_i^T)\×w_i\×R_X\left(\mathrm{\τ}\right)]$ [公式6e]

对于有噪声的情况，由于白噪声经过均衡器，它的自相关的宽度(非零项的个数)最大为L_w(为均衡器的阶数)。所以我们只需最小化τ≥L_w处自相关函数的值，所得的方法就能抗白噪声的影响。对于均衡器的阶数的选取，使用如下的公式确定

$L_w>\frac{{\mathrm{NL}}_h}{M-N}-1$ [公式6f]

7、用户区分和预滤波去除(A4)

根据自相关匹配原理，尽管满足迫零条件的均衡器可以很好地消除用户间干扰和多径干扰，但还存在用户在输出端位置可以交换的不确定性。这时就需要区分用户，我们的方法是通过计算估计出的自相关序列值来判断用户对应输出端的位置，无须额外的计算量。对于预滤波序列的去除，一种简单的方法是当叠加的预滤波序列能量很小时，直接再作一次量化就可以去除预滤波序列，另一种更好也更复杂的方法是对应已经判断出的用户，减去相应的预滤波序列，但这需要在发送端使用固定的白噪声序列来进行预滤波，同时还需要确保同步。

根据本发明的方法，可将其应用于任何低扩频比CDMA移动通信系统中，包括3GPPWCDMA和3GPP2 cdma2000系统。图1给出了该方法应用于3GPP2 cdma2000系统的装置详细结构示意图。预滤波序列发生模块(B1)产生[公式1]所需的各个用户预滤波序列。多序列低扩频模块(B2)完成[公式2]指示的低扩频运算。瑞利慢衰落信道模块(C1)模拟具有多径慢衰落特性的信道。自相关估计器(A1)使用[公式4b][公式4]估计均衡器训练所需的自相关序列的值。互相关估计器(A2)使用[公式5a][公式5b]估计均衡器训练所需的互相关序列的值。线性均衡器(A3)根据[公式6c][公式6d][公式6e]训练出满足迫零条件的均衡器。用户区分和预滤波去除模块(A4)再量化鉴别用户和恢复用户序列。

具体的信号处理过程共分为5个部分，分别详细描述如下：

1、在发送端，将待发送的每个用户的信号经过多序列低扩频模块(B2)后产生低扩频后的用户序列

2、在发送端，将随机产生的白噪声序列经过预滤波序列发生器(B1)得到预滤波序列。

3、叠加用户序列和预滤波序列后送到各个天线发送，也就是进入瑞利慢衰落模块(C1)

4、在接收端，信号通过基带滤波和A/D变换后同时进入自相关估计器，互相关估计器和线性均衡器，自相关估计器和互相关估计器迭代的计算自相关和互相关序列值再来迭代的训练和更新均衡器的系数，以适应信道参数的缓慢变化。

5、均衡器的输出将进入用户区分和预滤波去除模块，已经辨识和去除预滤波的用户信号可作为随后解信道编码的维特比算法的输入。

具体的仿真条件如下：

在对CDMA的仿真中，考虑两个用户(N＝2)和四个接收天线(M＝4)的情况。扩频因子设为SF＝8。线性均衡器的阶数为1。那么根据[公式1b]，预滤波器可以设计为

F₁(z)＝1-z^-10，F₂(z)＝1-z^-15

比的定义为所有天线上的信噪比的平均值：

$\mathrm{SNR}=\frac{1}{M}\underset{i=1}{\overset{1}{\mathrm{\Σ}}}(\mathrm{SNR}{)}_t$

其中M＝4。调制方法采用BPSK。我们把基于自相关匹配原理的均衡方法同传统的最小均方方法在衰落环境下做了性能比较。总共传送20个Block。我们用BER曲线来衡量系统的性能，BER曲线通过在2,000,000点上的Monte-Carlo运算得到。

从图3中可以看到，系统的性能有一个较大的提高，这一点在高信噪比的情况下显得尤为明显。但同时我们的系统在接收时不需要知道所有用户的信息，这意味着传统意义上的多用户检测并没有被使用。而且由于盲的方法不需要运用训练码，它的频谱利用率要比非盲的方法要高。

Claims (12)

1、一种码分多址低扩频下的基于自相关匹配的均衡方法，其特征在于先在发送端对每一路发送信号叠加预滤波序列，使发送信号具有自相关特性；再通过瑞利慢衰落信道，在接收端训练线性均衡器系数，以满足迫零条件，通过最小化输出信号的互相关和限制自相关的宽度来消除用户间干扰和码间干扰；最后级联实现用户区分和去除预滤波模块。

2、根据权利要求1所述的码分多址低扩频下的基于自相关匹配的均衡方法，其特征在于发送端叠加的预滤波序列，通过由随机产生的白噪声经过具有不同零点设定的有限冲击响应滤波器并周期性扩展后直接叠加在用户已扩频的序列上实现。

3、根据权利要求1或2所述的码分多址低扩频下的基于自相关匹配的均衡方法，其特征在于线性均衡器的训练使用最速下降法，来最小化关于均衡器输出信号间的互相关和自相关序列的目标函数，得到的均衡器在无噪声的情况下满足迫零条件。

4、根据权利要求1或2所述的码分多址低扩频下的基于自相关匹配的均衡方法，其特征在于对线性均衡器的输出符号序列进行用户区分是通过分辨不同用户输出的自相关序列特性，再在载波同步后去除相应的预滤波序列实现的。

5、一种码分多址低扩频下的基于自相关匹配的发送接收装置，由发送端装置和接收端装置组成，其特征在于发送端装置包括预滤波序列发生器(B1)、多序列低扩频器(B2)，接受端装置包括自相关估计器(A1)、互相关估计器(A2)、线性均衡器(A3)、用户区分和去除预滤波模块(A4)和瑞利慢衰落信道(C1)；发送端装置的多序列低扩频器的输入端和用户基带采样信号输出端相连，输出端信号和预滤波序列发生器的输出序列信号相叠加后串连瑞利慢衰落信道和线性均衡器，均衡器的输出分别进入自相关估计器、互相关估计器，以及用户区分和去除预滤波模块，同时自相关估计器、互相关估计器的输出也作为均衡器的输入；用户区分后的数据用作解信道编码的维特比算法的输入。

6、根据权利要求5所述的发送接收装置，其特征在于所述的预滤波序列发生器(B1)为：

$F_1\left(z\right)=1+z^{-[\mathrm{SF}+L_G+({2L}_G+1)(t-1)]},i=\mathrm{1,2},\·\·\·,N,$ [公式1b]

其中L_G＝L_W+L_H，L_W为均衡器的阶数，L_H为信道阶数，SF为扩频增益。

7、根据权利要求5所述的发送接收装置，其特征在于所述的多序列低扩频模块(B2)实施下述运算：

$S_i\left(t\right)=\underset{j=1}{\overset{P}{\mathrm{\Σ}}}\underset{l=-\∞}{\overset{+\∞}{\mathrm{\Σ}}}{s}_{\mathrm{ij}}\left(l\right)\×c_j(t-l\·\mathrm{SF})+v_i\left(t\right)$ [公式2]

其中，s_i(t)为第i个用户的发射信号，由P个信息序列组成，s_ij(l)为第i个发射信号的第j个信息序列，且为白噪声序列，c_j(t)为正交码，SF为扩频增益，V_i(t)为预滤波序列信号。

8、根据权利要求5所述的发送接收装置，其特征在于所述的瑞利慢衰落信道模块(C1)，从任一发送天线i到任一接收天线j的信道采用有限冲击响应滤波器H_ij(Z)表征，其最大阶数为L_H，滤波器系数满足瑞利分布。

9、根据权利要求5所述的发送接收装置，其特征在于所述的自相关估计器(A1)采用下式公式估计均衡器训练所需的自相关序列的值：

Rx_ii(τ，L)＝[Rx_ii(-L+τ)Rx_ii(-L+1+τ)…Rs_ii(+L+τ)]^T，[公式4b]

其中 ${\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)=\stackrel{.}{E}\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ})\}=\frac{1}{N-\mathrm{\τ}}\underset{t=\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}{x}_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ}),$ x_i(t)为t时刻第i个接收天线上的信号，同时有计算递推式

$R_{\mathrm{xii}}(\mathrm{\τ},N)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_i(t-\mathrm{\τ})\}=\frac{N-1-\mathrm{\τ}}{N-\mathrm{\τ}}\×{\mathrm{Rx}}_{\mathrm{ii}}(\mathrm{\τ},N-1)+\frac{1}{N-\mathrm{\τ}}\×x_i\left(N\right)\×{\stackrel{\‾}{x}}_i(N-\mathrm{\τ}),$ [公式4c]

10、根据权利要求5所述的发送接收装置，其特征在于所述的互相关估计器(A2)使用下式估计训练所需的互相关序列的值：

Rx_ij(τ，L)＝[Rx_ij(-L+τ)Rx_ij(-L+1+τ)…Rs_ij(+L+τ)]^T，[公式5a]

其中 ${\mathrm{Rx}}_{\mathrm{ij}}\left(\mathrm{\τ}\right)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_j(t-\mathrm{\τ})\}=\frac{1}{N-\mathrm{\τ}}\underset{t=\mathrm{\τ}}{\overset{N}{\mathrm{\Σ}}}{x}_i\left(t\right)\×{\stackrel{\‾}{x}}_j(t-\mathrm{\τ}),$ x_i(t)为t时刻第i个接收天线上的信号，同时可以有计算递推式

${\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N)=E\{x_i\left(t\right)\×{\stackrel{\‾}{x}}_j(t-\mathrm{\τ})\}=\frac{N-1-\mathrm{\τ}}{N-\mathrm{\τ}}\×{\mathrm{Rx}}_{\mathrm{ij}}(\mathrm{\τ},N-1)+\frac{1}{N-\mathrm{\τ}}\×x_i\left(N\right)\×{\stackrel{\‾}{x}}_j(N-\mathrm{\τ})$ [公式5b]。

11、根据权利要求5所述的发送接收装置，其特征在于所述的线性均衡器(A3)使用下述公式训练出满足迫零条件的均衡器：

$w_i(t+1)=w_i\left(t\right)-{\mathrm{\μ}}_1\frac{{\∂J}_1\left(w_i\right)}{{\∂w}_i}-{\mathrm{\μ}}_2\frac{{\∂J}_2\left(w_i\right)}{{\∂w}_i},$ [公式6c]

其中

[公式6d]

[公式6e]。

12、根据权利要求5所述的发送接收装置，其特征在于所述的用户区分和预波波去除模块(A4)，是通过计算估计出的自相关序列来判断用户地应输出端的位置，来区分用户；当叠加的预滤序列能量很小时，直接再作一次量化以去除预滤波序列。

Images