CN1703032A - 利用决策回馈的可调适性通道估测方法和系统 - Google Patents

Abstract

一种方法与其系统，根据软式决策值总合或是均衡器推导的BER值判断反复性通道估测回馈的时机。最初的通道脉冲响应是根据训练序列而估计的，被用作估测接收信号并且输出硬式决策值。将训练序列的BER值计算出来并给予评判，如果BER值太高，通道脉冲响应会根据回馈再次被估测，直到BER值比一个先前规定的数值小。如果BER于规定次数内仍无法小于此先前规定的数值，该传输通道会被认为太过吵杂，而终止这样的回馈动作。如果均衡器也可以输出软式决策值，软式决策值的总合可代替BER作为判断回馈是否合宜的指标。

Description

利用决策回馈的可调适性通道估测方法和系统

技术领域

本发明涉及一种适用于无线通信系统中的信道估测与均衡方法，特别是涉及一种利用决策回馈(decision feedback)的通道估测方法。

背景技术

泛欧数字式移动电话系统(Global System for Mobile；GSM)以及整体分组无线电服务(General Packet Radio System；GPRS)等通信网路中使用的调制技术为高斯连续相移键送(Gaussian Minimum Shift Keying；GMSK)，此种调制方法会使接收信号于一定速率取样(sample)时引起符号间干扰(inter-symbol interference；ISI)。在对符号进行译码时，ISI是其它邻近符号引发的残留影响，而此残留影响可解释为取样前与取样后之符号的脉冲，影响目前所欲取样得到的符号的脉冲。系统中无法避免的ISI会使接收端输出的判断装置做出错误的判断。因此，GSM或GPRS接收端与传送端中的滤波器，会特别设计而降低ISI的影响，让终端接收到的数字数据可以维持最小的误差率。均衡器(equalizer)是一种普遍用来补偿或降低ISI影响的解决方法。

无线通信系统中一个传输模型的范例显示于图1中。从传输端22传来的信号2l首先会被低通滤波器(Low Pass Filter；LPF)221过滤，之后于乘法器222乘上载波而转换为射频(Radio Frequency；RF)，最后于传送到通道24之前传递给处理单元223。处理单元223将信号中真实部分(real part)撷取出来。信道24的特质可由信道频率响应方块241以及信道噪声23仿真。信道噪声23通常被假设为可加性高斯白噪声(Additive White Gaussian Noise；AWGN)。接收器26的乘法器261会藉由乘上与载频相同的频率，将接收信号的频率转换回来。低通滤波器262接收被降频的信号，并输出一接收信号25。均衡器263于是将接收信号的ISI作补偿，并将估计信号27输出。接收信号r(t)25可以由公式[1]表示。

$r\left(t\right)=\underset{n}{\∑}{a}_{n}h(t-\mathrm{nT})+n\left(t\right)$ 公式[1]

h(t)代表系统的信道响应(channel response)，可藉由对传输端22的脉冲响应(impulse response)f_t(f)、接收端26的脉冲响应f_r(t)、以及信道模型响应g(t)执行回旋(convolution)运算得到，即h(t)＝f_t(t)*g(t)*f_r(t)。

信道噪声n(t)23在此假设是平均(mean)为零，变异数(variance)为N_o的静态高斯噪声。设{a_n}(即图1中的讯号21)为时间周期I之中传输脉冲振幅的假设序列。均衡器263假设是一个ML均衡器，判断{a_n}的最佳估计值为估计序列{_n}(即图1的信号27)。估计序列{α_n}＝{_n}是将如公式[2]所示的可能函数(likelihood function)的最大化(maximize)所导出的。

p[r(t)，t∈I|{α_n}]                          公式[2]

假设传输序列中0与1的机率相同，公式[2]可因此被重写为：

$p\left[\right\{{\mathrm{\α}}_n\left\}\right|r\left(t\right)]=\frac{p\left(r\left(t\right)\right|\left\{{\mathrm{\α}}_n\right\})p\left(\right\{{\mathrm{\α}}_n\left\}\right)}{p\left(r\left(t\right)\right)}$ 公式[3]

p[{α_n}|r(t)]也被称作事后验证(posteriori)机率。估计序列的机率p[{α_n}]与接收信号r(t)都被假设为常数(constant)。ML均衡器的目的是将如公式[2]所示的可能函数最大化，所以事后验证机率因此也必须被最大化。如果序列{α_n}为时间周期I之中脉冲振幅的真正序列，噪声n(t)的功率密度(powerdensity)函数可由公式[4]表示：

$n\left(t\right|\left\{{\mathrm{\α}}_n\right\})=r\left(t\right)-\underset{\mathrm{nT}\∈I}{\∑}{\mathrm{\α}}_{n}h(t-\mathrm{nT}),t\∈I$ 公式[4]

公式[2]的ML函数因此变成：

p(r(t)|{α_n})＝p[n(t)|{α_n}]

$={\left(\frac{1}{2\mathrm{\π}{N}_o}\right)}^N\exp (-\frac{1}{2N_o}\underset{k=1}{\overset{N}{\∑}}{|r}_k-\underset{n}{\∑}{\mathrm{\α}}_n{h}_{\mathrm{kn}}{|}^2)$ 公式[5]

ML函数p[r(t)|{α_n}]的机率与p[r(t)|{α_n}]的对数(logarithm)成比例，因此：

$-{\∫}_{\∞}^{\∞}|r\left(t\right)-\underset{n}{\∑}{\mathrm{\α}}_{n}h(t-\mathrm{nT}){|}^2\mathrm{dt}$

$=-{\∫}_{\∞}^{\∞}|r\left(t\right){|}^2\mathrm{dt}+2\mathrm{Re}\underset{n}{\∑}[{\mathrm{\α}}_n^{*}{\∫}_{\∞}^{\∞}r\left(t\right)h^{*}(t-\mathrm{nT})\mathrm{dt}]-\underset{n}{\∑}\underset{m}{\∑}{\mathrm{\α}}_n^{*}{\mathrm{\α}}_m{\∫}_{\∞}^{\∞}{h}^{*}(t-\mathrm{nT})h(t-\mathrm{mT})\mathrm{dt}$ 公式[6]

公式[6]的第一项为常数，因此可以在计算权值的时候被舍去。相对权值(correlation metric；MC)可如公式[7]所示通过先前所述的步骤而被推导出。

公式[7]

其中 $z_n=g_{\mathrm{MF}}\left(t\right)*r\left(t\right){|}_{t=\mathrm{nT}}=\underset{1}{\∑}{a}_{n-1}{s}_1+w_n$

$s_1=g_{\mathrm{MF}}\left(t\right)*h\left(t\right){|}_{t=1T}=s_{-1}^{*}$ 以及

g_MF(t)＝h^*(-t)

s₁在此为通道响应的自我相关值(autocorrelation)。

最大可能序列估计(Maximum Likelihood Sequence Estimation；MLSE)通过最大化公式[5]显示的可能函数，或是相同的，计算公式[8]显示的权值的最大化，以估计原本传输的序列{α_n}的最有可能的序列。

$J_n\left(\right\{{\mathrm{\α}}_I\left\}\right)=2\mathrm{Re}\underset{\mathrm{nT}\∈I}{\∑}\left({\mathrm{\α}}_n^{*}{Z}_n\right)-\underset{\mathrm{iT}\∈I}{\∑}\underset{\mathrm{kT}\∈I}{\∑}{\mathrm{\α}}_i^{*}{s}_{i-k}{\mathrm{\α}}_k$ 公式[8]

上述的MLSE算法为一种熟知的维特比(Viterbi)算法的改良版本。Viterbi算法是由反复的计算递归关系(recursive relation)而得。

$J_n(...,{\mathrm{\α}}_{n=1},{\mathrm{\α}}_n)=J_{n-1}(...,{\mathrm{\α}}_{n-1})+\mathrm{Re}\left[{\mathrm{\α}}_n^{*}(2Z_n-s_0{\mathrm{\α}}_n-2\underset{k\≤n-1}{\∑}{s}_{n-k}{\mathrm{\α}}_k)\right]$ 公式[9]

图2显示Viterbi均衡器的结构，其中接收信号r(t)是根据公式[1]而被估计。

图3显示执行反复式(iterative)通道估测与均衡的结构方块图。由信道估测器34估测的信道脉冲响应必须时常更新，以维持其估计的准确度。利用决策回馈电路估计出更准确的通道脉冲响应的一些著名技术，包括最小平方法(least square；LS)以及最小均方误差(minimum mean square error；MMSE)。如图3所示，将训练序列(training sequence)提供给通道估测器34，以取得最初的通道估测。当均衡器32将一笔数据均衡过后，其输出会提供给可调适性(adaptive)通道估测器34，为均衡器32产生更准确的估测值。这种估测与均衡步骤必须反复进行，才能适应变化多端的传输通道状况。均衡器32根据硬式输出维特比算法(Hard Output Viterbi Algorithm；HOVA)输出硬式决策(hard decision/hard values)，或是根据软式输出维特比算法(Soft Output ViterbiAlgorithm；SOVA)输出软式决策(soft decision/soft values)至通道估测器34与译码器36。

通道连接栓(tap)的数目假设为L，并且接收信号r包括N个取样样本。接收信号可以公式[10]表示：

r＝Bh+n                                          公式[10]

其中B为包括传输位的矩阵，h为信道，而n为信道噪声。矩阵乘积Bh代表b_k与h_k之间的回旋运算。通过LS算法，通道可以被估测为：

${\hat{h}}^{\mathrm{LS}}={\left(B^{H}B\right)}^{-1}{B}^{H}r$ 公式[11]

其中O^H代表共厄转置(Hermitian transpose)。

利用HOVA算法估计的通道为：

${{\hat{h}}_m}^{\mathrm{HO}\_\mathrm{LS}}={\left(B^{H}B\right)}^{-1}\underset{k=L-1}{\overset{N-1}{\∑}}{r}_k{b}_{k-m},b_k=\±1$ 公式[12]

而利用SOVA算法估计的通道为：

${{\hat{h}}_m}^{\mathrm{SO}\_\mathrm{LS}}={\left(B^{H}B\right)}^{-1}\underset{k=L-1}{\overset{N-1}{\∑}}{r}_k{b}_{k-m}$ 公式[13]

其中

$b_k=E\left\{b_k\right|r\}=2P\{b_k=+1\left|r\right\}-1=\tanh \left(\frac{L\left(b_k\right|r}{2}\right)$

$L\left(b_k\right|r)=\log \frac{\mathrm{Pr}(b_k=+1|r)}{\mathrm{Pr}(b_k=-1|r)}$

$\mathrm{Pr}(b_k=+1|r)=\frac{e^{L\left(b_k\right|r)}}{1+e^{L\left(b_k\right|r)}}$

许多类似的技术都着重于利用决策回馈得到更精准的通道脉冲估测。最小平方法(LS)技术在这里仅为一个例子，用来说明通道估测的操作，由于本发明并不是教导通道脉冲响应的估测方法，因此其它通道估测技术并不在此作说明。本发明的重点主要在于为通道估测器判断是否需要决策回馈，使均衡器能得到更精准的通道估测。

发明内容

本发明的目的在于判断是否需要决策回馈以得到更好的通道脉冲回馈，因而改进系统效能。

本发明提供一种方法与系统，用来判断何时提供回馈给通道估测器最为适当。本发明根据软式输出决策值的总合，或是由均衡器输出推导出的位错误率(Bit Error Rate；BER)判断回馈的时机。均衡器的结构可为软式输出维特比算法(Soft Output Viterbi Algorithm；SOVA)或硬式输出维特比算法(HardOutput Viterbi Algorithm；HOVA)实施的。SOVA均衡器输出硬式决策值(hardvalues)以及其对应的信赖程度值(reliability)，又称为软式决策值(soft values)，而HOVA均衡器仅输出硬式决策值。

在SOVA结构中，最初的通道脉冲响应是利用将接收信号与已知训练序列(training sequence)相比较(correlation)而得到的。信道脉冲响应被用来估计接收信号，以产生硬式决策值与对应的软式决策值。软式总合为所有软式决策值的相加总合，会与第一定限值比较。如果软式总合比第一定限值大，硬式决策值会被执行解交错(de-interleaving)与译码。否则，通道脉冲响应会根据软式决策值被更新，使得估计的通道脉冲响应更准确。本方法还包括设定一个计数器，用作计算软式总合小于第一定限值的次数，并当此计数器大于第二定限值，认定通道有太多干扰而过于吵杂，所以无法藉由更多次的反复通道估计得到改善。

在HOVA与SOVA的结构很类似，只不过HOVA只会产生硬式决策值，且训练序列的位错误率(BER)会被计算出来，作为通道估计准确度的指针。越小的BER值代表通道估计得越好。如果计算的BER值掉到比第三定限值更小的总次数不超过第四定限值，通道脉冲响应会藉由回馈硬式决策值而得到更新，因此改善通道估计的精准度。BER是根据已知训练序列与计算的硬式决策值之间的比较结果计算出的。

本发明提供的系统包括信道估测器、均衡器、回馈决策产生器、解交错器、以及译码器。信道估测器计算接收信号的信道脉冲响应，并将之传递至均衡器。均衡器利用最大可能序列估计(Maximum Likelihood SequenceEstimation；MLSE)维特比(Viterbi)算法估测接收信号，如果是实施SOVA，产生硬式决策值与其对应软式决策值，否则于实施NOVA时，只产生硬式决策值。回馈决策产生器连接于SOVA均衡器，并累加软化决策值得到软化总合，再根据此软化总合判断提供回馈给通道估测器是否为合适。NOVA结构中，回馈决策产生器连接至NOVA均衡器，用来计算训练序列的BER，并根据此计算出来的BER判断是否需要回馈。回馈决策产生器利用已知训练序列与均衡器计算出来的硬式决策值的比较结果计算BER。解交错器对硬式决策值进行解交错，而译码器则接收解交错器的输出，并对其输出进行译码。

为了使本发明的上述和其它目的、特征、和优点能更明显易懂，下文特举一较佳实施例，并结合附图详细说明如下。

附图说明

图1显示无线通信系统中传输模型的方块图。

图2显示Viterbi均衡器的结构方块图。

图3显示反复性通道估测与均衡的结构方块图。

图4显示软式总合与位错误率(BER)之间关系的模拟图。

图5显示根据本发明实施例的系统方块图。

图6A、6B显示根据本发明实施例的SOVA系统，利用回馈决策的反复性通道估测的流程图。

图7A、7B显示根据本发明实施例之NOVA系统，利用回馈决策的反复性通道估测的流程图。

附图符号说明

21～信号；

22～传输端；

23～信道噪声；

24～通道；

25、53～接收信号；

26～接收端；

27～估计信号；

32、54～均衡器；

34、52～通道估测；

36～译码器；

55～回馈；

56～回馈决策产生器；

58～解交错&解码。

具体实施方式

适用于无线通信系统中的最大可能序列估测(MLSE)均衡器的效能与估计的通道脉冲响应有直接关系。反复性通道估测利用回馈决策(decisionfeedback)为一种通用的方法，为要获得更准确的通道估测。本发明提供一种方法与系统，判断什么时候将决策回馈才是最适合的，目的在于同时兼顾运算复杂度与效能。

在SOVA结构中，根据观测仿真的结果，发现软式决策值的相加总合与估计通道脉冲响应的功率成正比。当信道中讯号变弱时，软式决策值的总合就会变小，而BER则会变大。图4显示软式决策值总合与BER之间的关系。为了要改善系统效能，通常是藉由提供更准确的通道脉冲响应给MLSE均衡器，增加软式决策值的总合或是减少BER。在SOVA系统中，软式总合”SoftSum”为判断是否将软式决策值回馈给通道估测器的指针。相同的，在HOVA系统中，训练序列的BER为判断是否将硬式决策值回馈给通道估测器的指针。

图5显示本发明的系统，为均衡器54判断回馈的决策。信道估测器52利用比对接收信号53与已知训练序列，估计最初的通道脉冲响应。估测通道脉冲响应于是传送至均衡器54。均衡器54利用MSLE Viterbi算法估测接收信号53，并输出所估测的硬式决策值。如果SOVA均衡器被使用在此系统中，同时会输出对应的信赖程度值(reliability)数据，被称为软式决策值。回馈决策产生器56按照均衡器54的种类(SOVA或NOVA)，决定应根据软式决策值总合或BER值，来判断回馈55是否为适当的。如果信道估测器52估测的通道脉冲响应为适当的，回馈决策产生器56就会将硬式决策值提供执行解交错并利用译码器58复原接收信号。

根据本发明的可调适性通道估测方法的详细说明如下。按照本发明实施的SOVA与NOVA系统流程图分别显示于图6与图7中。

SOVA系统最初会将计数器归零N＝0，然后将接收信号与已知序列做相互关连(correlation)比较，以得到最初通道脉冲响应h(t)。估计的通道脉冲响应于是被传给均衡器。接收信号是以MLSE Viterbi算法估计，其输出为硬式决策值以及其对应的信赖程度值，”软式决策值”。软式决策值将被累加而得到软式总合S。软式总合S会与一个先前定义的定限值Threshold_SoftSum比较，如果S比Threshold_SoftSum大，将所估计的硬式决策值执行解交错，然后利用Viterbi译码器译码，否则增加计数器的计数(N＝N+1)，并且将计数器N与一个先前定义的定限值Threshold_IterationA相比。如果N小于Threshold_IterationA，将软式决策值回馈给通道估测器，使通道估测器可再次估测，得到更精准的通道脉冲响应h’(t)，然后再将新估计的通道脉冲响应传递给均衡器。如果N的值超过了定限值Threshold_IterationA，系统会对估计的硬式决策值执行解交错，再通过Viterbi译码器对此讯号译码。

上述的两个参数Threshold_SoftSum与Threshold_IterativeA是用来判断终止反复性通道估测的时机。如果软式总合S超过了Threshold_SoftSum，可将硬式决策值传递给相关处理单元执行解交错与译码的动作。可是如果软式决策值的总合S掉到比Threshold_SoftSum小(即S＜Threshold_Sum)多达所限定的次数(即Threshold_IterationA次)，估计的通道便会被认定为太吵杂，且不能靠更多次的反复通道估测加以改善，因而终止该反复程序。

同样地，HOVA系统也会先将计数器归零，N＝0，并且将接收信号与已知训练序列相比得到最初通道脉冲响应h(t)。估计的通道脉冲响应于是被传至均衡器，接收信号在HOVA系统中也是利用MLSE Viterbi算法而估测的，只是这里只会输出硬式决策值。训练序列的BER也会与硬式决策值一起被计算出来，且BER被用来与一个先前定义的定限值Threshold_BER相比。如果BER比Threshold_BER小，代表通道还清晰，于是让估计的硬式决策值执行解交码，以及通过Viterbi译码器译码。如果BER超过Threshold_BER，计数器的计数会加1，N＝N+1，计数器N与另一个先前定义的定限值Threshold_IterationB也会被比较。如果N小于Threshold_IterationB，系统将硬式决策值回馈给通道估测器，以估测更精准的通道脉冲响应h”(t)，然后再次将估测的通道脉冲响应传递给均衡器。如果N超过Threshold_IterationB，代表放弃这样反复的通道估测，于是将估计的硬式决策值执行解交码，并通过Viterbi译码器译码。

这些上述的定限值被用作控制运算的复杂度以及系统效能之间的利益交换，例如，比较严格的Threshold_SoftSum(将此定限值设定为较高的值)或Threshold_BER(将此定限值设定为较低的值)准许系统执行较多次的通道脉冲响应估测动作，以提升系统效能，另一方面，这样的设定也同时增加运算的复杂度。

虽然本发明已以较佳实施例披露如上，然其并非用以限定本发明，本领域技术人员在不脱离本发明的精神和范围的前提下，可作若干更动与润饰，因此本发明的保护范围以本发明的权利要求为准。

Claims (20)

1.一种可调适性通道估测方法，利用决策回馈来均衡一接收信号，该方法包括下列步骤：

取得一通道脉冲响应并初始化一计数器；

根据该信道脉冲响应估计该接收信号的多个硬式决策值与其对应信赖程度值，称做软式决策值；

累加所述软式决策值，获得一软式总合；

将该软式总合与一第一定限值比较；

当该软式总合不超过该第一定限值时，增加该计数器的计数，并将该计数器与一第二定限值比较；以及

如果该计数器没有超过该第二定限值时，根据该软式决策值更新该通道脉冲响应，并重新计算所述硬式决策值与软式决策值。

2.如权利要求1所述的可调适性通道估测方法，其中该通道脉冲响应最初是按照该接收信号与一已知训练序列执行相关比较而获得。

3.如权利要求1所述的可调适性通道估测方法，其中该接收信号是利用最大可能序列估测的维特比算法估测的。

4.如权利要求1所述的可调适性通道估测方法，还包括：

解交错所述硬式决策值；以及

将所述被解交错的硬式决策值解码。

5.一种可调适性通道估测方法，利用决策回馈来均衡一接收信号，该方法包括下列步骤：

取得一通道脉冲响应并初始化一计数器；

根据该信道脉冲响应估计该接收信号，以运算出硬式决策值；

计算该接收信号的位错误率；

将该位错误率与一第三定限值做比较；

如果该位错误率超过该第三定限值，增加该计数器的计数，并将该计数器与一第四定限值比较；

如果该计数器没有超过该第二定限值时，根据所述硬式决策值更新该通道脉冲响应，并返回运算硬式决策值的步骤；以及

解交错所述硬式决策值。

6.如权利要求5所述的可调适性通道估测方法，其中该通道脉冲响应最初系按照该接收信号与一已知训练序列执行相关比较而获得。

7.如权利要求6所述的可调适性通道估测方法，其中该位错误率的值是根据比较该已知训练序列与计算得到的所述硬式决策值的结果而计算出来的。

8.如权利要求5所述的可调适性通道估测方法，其中该接收信号是利用最大可能序列估测之维特比算法估测的。

9.如权利要求5所述的可调适性通道估测方法，还包括将所述被解交错的硬式决策值解码。

10.一种处理一接收信号的系统，包括：

一信道估测器，估测该接收信号的一信道脉冲响应；

一均衡器，从该通道估测器接收该通道脉冲响应以估计该接收信号，于是计算多个硬式决策值与其对应信赖程度值，称做软式决策值；以及

一回馈决策产生器，储存两个定限值，t₁与t₂，并连接于该均衡器，以接收所述硬式决策值与软式决策值，累加所述软式决策值以得到一软式总合，用来与定限值t₁比较，如果该软式总合没超过定限值t₁的次数少于t₂次，提供决策回馈至该通道估测器，否则输出所述硬式决策值。

11.如权利要求10所述的处理系统，其中该信道估测器推导最初的通道脉冲响应，是按照该接收信号与一已知训练序列执行相关比较而获得。

12.如权利要求10所述的处理系统，其中该均衡器利用最大可能序列估测之维特比算法估测该接收信号。

13.如权利要求10所述的处理系统，还包括：

一解交错器，连接至该回馈决策产生器，按照所述硬式决策值被交错的顺序执行解交错；以及

一译码器，连接至该解交错器，用来将所述被解交错的硬式决策值解码。

14.如权利要求10所述的处理系统，其中该均衡器是由软式输出维特比算法实施的。

15.一种处理一接收信号的系统，包括：

一信道估测器，估测该接收信号的一信道脉冲响应；

一均衡器，从该通道估测器接收该通道脉冲响应以估计该接收信号，于是计算硬式决策值；

一回馈决策产生器，储存两个定限值，t₃与t₄，连接于该均衡器以接收所述硬式决策值，根据所述硬式决策值计算位错误率，将该位错误率与定限值t₃比较，如果该位错误率超过定限值t₃的次数少于t₄次，提供决策回馈至该通道估测器，否则输出所述硬式决策值；以及

一解交错器，连接至该回馈决策产生器，按照所述硬式决策值被交错的顺序执行解交错。

16.如权利要求15所述的处理系统，其中该信道估测器推导最初的通道脉冲响应，是按照该接收信号与一已知训练序列执行相关比较而获得。

17.如权利要求16所述的处理系统，其中该回馈决策产生器利用比较该已知训练序列与该均衡器计算的所述硬式决策值，计算该位错误率。

18.如权利要求15所述的处理系统，其中该均衡器利用最大可能序列估测的维特比算法估测该接收信号。

19.如权利要求15所述的处理系统，还包括一译码器，连接至该解交错器，用来将所述被解交错的硬式决策值解码。

20.如权利要求15所述的处理系统，其中该均衡器系由硬式输出维特比算法实施的。

Images