CN102098075B - 一种联合检测的方法及装置 - Google Patents

Abstract

本发明公开了一种联合检测的方法和装置，用以在多终端用户信号同时解调的过程中，具有最优的解调性能，提高信号序列估计的准确度。该方法包括：获取接收到的混合信号对应的匹配滤波信号，根据所述匹配滤波信号，进行最大似然序列估计，获得每个终端用户的信号序列估计。

Description

一种联合检测的方法及装置

技术领域

本发明涉及移动通信技术领域，特别涉及一种联合检测的方法及装置。

背景技术

随着GSM终端用户的不断增长，各运营商面临着系统扩容的压力，小区分裂是提高GSM系统容量的传统方法，而最近3GPP正着手制定的一个时隙上的自适应多用户语音业务(VAMOS，Voice services over Adaptive Multi-user channels on One Slot)技术也是一种革命性的扩容手段。

VAMOS和传统的扩容方法有本质上的区别，它可以在同一频点同一时隙同时承载两路不相关的两个终端用户，以达到2倍的扩容目的。但是，目前的上行解调算法只具有单终端用户检测功能，对于这种需要同时解调出互为干扰的两路终端用户信息是不能够胜任的。

现有的检测终端用户的技术比如串行干扰抵消(SIC，Successive Interference Cancellation)，是利用具有一定干扰抑制能力的单终端用户检测算法，串行的检测出两个终端用户信号。具体包括：接收的上行信号中，当从上行信号中，解调终端用户0时，终端用户1的信号就作为干扰信号，这样，对终端用户0的解调性能有一定影响，同样，解调终端用户1的时候，终端用户0的信号也被看作了同频干扰，使得终端用户1的解调性能也有损失。

可见，现有的检测终端用户的方法，虽然也能够解调出两路终端用户信息，但由于只能串行的检测出两个终端用户信号，并且检测过程，解调性能有损失，从而导致估计出的信号不够准确。

发明内容

本发明实施例提供一种联合检测的方法及装置，用以在多终端用户信号同时解调的过程中，具有最优的解调性能，提高信号序列估计的准确度。

本发明实施例提供一种联合检测的方法，包括：

获取接收到的混合信号对应的匹配滤波信号；

根据所述匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量；其中，所述联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计；

根据估算的所述每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位；

根据所述每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

本发明实施例中，所述估算每个时刻到达每个联合状态的每个路径对应的累积度量包括：

根据所述每个匹配滤波信号，进行联合的最大似然序列估计JMLSE，获得每个时刻到达每个联合状态的每个路径的分支度量；

将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。

所述获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位包括：

从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量；

将所述幸存累积度量对应的源联合状态中每个终端用户的最远弥散信道的信号序列估计，确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

所述获得每个终端用户的信号序列估计包括以下步骤：

A、确定当前时刻为最大时刻，并将当前时刻中的最大幸存累积度量对应的联合状态确定为当前联合状态；

B、将确定的当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计，并根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态；

C、对当前时刻进行递减，并判断递减后的时刻是否大于零，若是，则将更新后的联合状态作为当前联合状态，返回步骤B，否则，执行步骤D；

D、组合每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

本发明实施例中根据当前联合状态中每个终端用户对应的最远弥散信道的信号序列估计对所述当前联合状态进行更新包括：

将当前联合状态根据弥散信道由远到近进行一次移位；

将所述当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为移位后的当前联合状态中每个终端用户的最远弥散信道的信号序列估计。

本发明实施例提供一种联合检测的装置，包括：

匹配滤波单元，用于获取接收到的混合信号对应的匹配滤波信号；

估算单元，用于根据所述匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量；其中，所述联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计；

第一获取单元，用于根据估算的所述每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位；

第二获取单元，用于根据所述每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

其中，所述估算单元包括：

分支度量估算子单元，用于根据所述每个匹配滤波信号，进行联合的最大似然序列估计JMLSE，获得每个时刻到达每个联合状态的每个路径的分支度量；

累积度量估算子单元，用于将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。

所述第一获取单元包括：

幸存累积度量确定子单元，用于从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量；

幸存信号序列估计确定子单元，用于将所述幸存累积度量对应的源联合状态中每个终端用户的最远弥散信道的信号序列估计，确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

所述第二获取单元包括：

信号序列估计确定单元，用于将当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计；

更新子单元，用于根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态；

组合子单元，用于组合每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

所述更新子单元，还用于将当前联合状态根据弥散信道由远到近进行一次移位，将所述当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为移位后的当前联合状态中每个终端用户的最远弥散信道的信号序列估计。

本发明实施例提供的联合检测方法中，获取接收到的混合信号对应的匹配滤波信号，根据所述匹配滤波信号，进行最大似然序列估计，获得每个终端用户的信号序列估计，这样，能同时从接收到的混合信号解调出每个终端用户的信号序列估计。

附图说明

图1为本发明实施例中蝶形递推的示意图；

图2为本发明实施例中联合检测的流程图；

图3为本发明实施例一中联合检测的流程图；

图4为本发明实施例中联合检测装置的结构图。

具体实施方式

本发明实施例提供的联合检测的方法是一种基于最大似然序列估计(MLSE，Maximum Likelihood Sequence Estimation)的联合检测技术，能够最大限度的利用每路终端用户的先验信息，同时得到每个期望终端用户的信号序列估计。

本发明实施例中所用的技术为联合的最大似然序列估计(JMLSE，JointMaximum Likelihood Sequence Estimation)或联合检测(JD，Joint Detection)算法，下面以两个终端用户为例对该技术的原理进行简单介绍。

联合检测的信号模型如公式(1)所示：

$y\left(k\right)=\underset{n=0}{\overset{\∞}{\mathrm{\Σ}}}{x}^{\left(0\right)}(k-n)h^{\left(0\right)}\left(n\right)+\underset{n=0}{\overset{\∞}{\mathrm{\Σ}}}{x}^{\left(1\right)}(k-n)h^{\left(1\right)}\left(n\right)+n\left(k\right)---\left(1\right)$

其中，y(k)表示接收到的含有终端用户0和1信息的混合信号。x⁽⁰⁾(k)和x⁽¹⁾(k)分别表示终端用户0和1的信息，h⁽⁰⁾(n)和h⁽¹⁾(n)分别表示终端用户0和终端用户1对应的信道冲激响应，理论上无限长，即n∝+∞。

由公式(1)可得基于最大似然准(MLSE)则的代价函数如公式(2)所示：

$J_{\mathrm{ML}}^{\′}=\underset{t\∈I}{\∫}{|y\left(t\right)-[\underset{n=0}{\overset{\∞}{\mathrm{\Σ}}}{r}_n^{\left(0\right)}{h}^0(t-\mathrm{nT})+\underset{n=0}{\overset{\∞}{\mathrm{\Σ}}}{r}_n^{\left(1\right)}{h}^{\left(1\right)}(t-\mathrm{nT})\left]\right|}^2\mathrm{dt}---\left(2\right)$

这样，在满足代价函数J′_ML

前提下，估计出发射原始信号序列r。

最后可以得到累积度量的递推公式，如公式(3)所示：

$J_k\left(s_k\right)$

$=J_{k-1}\left(s_{k-1}\right)+\mathrm{Re}\left\{r_k^{{\left(0\right)}^{*}}\right[Z_k^{\left(0\right)}-\underset{l=1}{\overset{L-2}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(0\right)}{S}_l^{\left(00\right)}\right)]-r_k^{{\left(0\right)}^{*}}{r}_{k-(L-1)}^{\left(0\right)}{S}_{L-1}^{\left(00\right)}\}$

$+\mathrm{Re}\left\{r_k^{{\left(0\right)}^{*}}\right[Z_k^{\left(1\right)}-\underset{l=1}{\overset{L-2}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(1\right)}{S}_l^{\left(11\right)}\right)]-r_k^{{\left(1\right)}^{*}}{r}_{k-(L-1)}^{\left(1\right)}{S}_{L-1}^{\left(11\right)}\}---\left(3\right)$

$-\mathrm{Re}(\underset{l=1}{\overset{L-1}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_{k-l}^{\left(1\right)}{S}_l^{\left(01\right)}+\underset{l=1}{\overset{L-1}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_l^{{\left(10\right)}^{*}}+r_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_0^{\left(01\right)})$

$S_l^{\left(00\right)}=\underset{t\∈I}{\∫}{h}^{{\left(0\right)}^{*}}(t-\mathrm{lT})h^{\left(0\right)}\left(t\right)\mathrm{dt},$ 终端用户0的信道自相关信号

$S_l^{\left(11\right)}=\underset{t\∈I}{\∫}{h}^{{\left(1\right)}^{*}}(t-\mathrm{lT})h^{\left(1\right)}\left(t\right)\mathrm{dt},$ 终端用户1的信道自相关信号

$S_l^{\left(01\right)}=\underset{t\∈I}{\∫}{h}^{{\left(0\right)}^{*}}(t-\mathrm{lT})h^{\left(1\right)}\left(t\right)\mathrm{dt},$ 终端用户0和1的信道互相关信号

$S_l^{\left(10\right)}=\underset{t\∈I}{\∫}{h}^{{\left(1\right)}^{*}}(t-\mathrm{lT})h^{\left(0\right)}\left(t\right)\mathrm{dt},$ 终端用户1和0的信道互相关信号

$Z_k^{\left(0\right)}=\underset{t\∈I}{\∫}{h}^{{\left(0\right)}^{*}}(t-\mathrm{kT})y\left(t\right)\mathrm{dt},$ 终端用户0的匹配滤波输出信号

$Z_k^{\left(1\right)}=\underset{t\∈I}{\∫}{h}^{{\left(1\right)}^{*}}(t-\mathrm{kT})y\left(t\right)\mathrm{dt},$ 终端用户1的匹配滤波输出信号

则分支度量可以定义为公式(4)所示：

$\mathrm{Branck}\_\mathrm{Metric}=\mathrm{Re}\left\{r_k^{{\left(0\right)}^{*}}\right[Z_k^{\left(0\right)}-\underset{l=1}{\overset{L-2}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(0\right)}{S}_l^{\left(00\right)}\right)]-r_k^{{\left(0\right)}^{*}}{r}_{k-(L-1)}^{{\left(0\right)}^{*}}{S}_{L-1}^{\left(00\right)}\}$

$+\mathrm{Re}\left\{r_k^{{\left(1\right)}^{*}}\right[Z_k^{\left(1\right)}-\underset{l=1}{\overset{L-2}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(1\right)}{S}_l^{\left(11\right)}\right)]-r_k^{{\left(1\right)}^{*}}{r}_{k-(L-1)}^{\left(1\right)}{S}_{L-1}^{\left(11\right)}\}---\left(4\right)$

$-\mathrm{Re}(\underset{l=1}{\overset{L-1}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_{k-l}^{\left(1\right)}{S}_l^{\left(01\right)}+\underset{l=1}{\overset{L-1}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_l^{{\left(10\right)}^{*}}+r_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_0^{\left(01\right)})$

此时，JMLSE的复杂度为M＝2^N(L-1)，N为终端用户个数，这里N＝2，L为信道弥散长度。这里，定义接收数据的长度为Len，即公式(1)中k的取值范围为0～Len-1，并定义两个终端用户的联合状态为State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)，联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计，其中，r_k ⁽⁰⁾，r_k ⁽¹⁾分别表示两个终端用户各自第k时刻的信号序列估计，终端用户0在高(L-1)位，终端用户1在低(L-1)位，共同组成一个2(L-1)位二进制表示的数，该数值即为状态数State_k。这样，State_k的取值范围为0～2^2(L-1)-1，设初始态State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)＝0＝(00…00b)，末尾态State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，……，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)＝2^2(L-1)-1＝(11...11b)。对于每次状态转移State_k-1(r_k-1 ⁽⁰⁾，r_k-2 ⁽⁰⁾，…，r_k-(L-2) ⁽⁰⁾，r_k-(L-1) ⁽⁰⁾，r_k-1 ⁽¹⁾，r_k-2 ⁽¹⁾，…，r_k-(L-2) ⁽¹⁾，r_k-(L-1) ⁽¹⁾)→State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，…r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)，只有r_k ⁽⁰⁾，r_k ⁽¹⁾以及r_k-(L-1) ⁽⁰⁾，r_k-(L-1) ⁽¹⁾发生了变化。其中，(r_k ⁽⁰⁾，r_k ⁽¹⁾)有(0，0)，(0，1)，(1，0)，及(1，1)4种可能取值组合，而(r_k-(L-1) ⁽⁰⁾，r_k-(L-1) ⁽¹⁾)也有(0，0)，(0，1)，(1，0)，及(1，1)4种可能取值组合。

利用这个特点，如图1所示的蝶形图，从左边的所有状态转移到右边的所有状态总共有16个分支度量，其中，图1左边所示的状态为源状态，分支度量由最大似然估计的代价函数得到，即上述公式(4)获得。把这16个分支度量分为4组，即将到达右边每一个状态的4个分支作为一组。然后4组各自为一个单元从中选择最大的一个分支作为幸存路径，保存此时幸存路径对应源状态的两个终端用户信号最远弥散信道的序列估计r_k-(L-1) ⁽⁰⁾和r_k-(L-1) ⁽¹⁾和两个终端用户的软信息，即目的状态的两个终端用户信号对应的幸存最远弥散信道的序列估计末位r_k-(L-1) ⁽⁰⁾和r_k-(L-1) ⁽¹⁾。并将幸存路径对应的累积度量作为当前状态的幸存累积度量。

遍历待估计的Len个符号的所有状态，然后从当前时刻k对应的所有幸存累积度量中找到最大累积度量，并获得该最大累积度量对应的状态，以该状态值为索引就能获得k时刻两个终端用户对应的幸存最远弥散信道信号序列估计以及各自的软信息，同时将当前状态的两个终端用户最近弥散信道的信号序列估计r_k ⁽⁰⁾和r_k ⁽¹⁾作为两个终端用户当前时刻的信号序列估计；

利用索引到的两个终端用户对应的幸存最远弥散信道的信号序列估计末位r_k-(L-1) ⁽⁰⁾和r_k-(L-1) ⁽¹⁾这两个值可以更新状态数，并以新的状态为索引再获得第k-1时刻的两个终端用户对应的幸存最远弥散信道信号序列估计以及各自的软信息，同时又获得新状态的当前时刻的信号序列估计r_k ⁽⁰⁾和r_k ⁽¹⁾，就这样重复直至直回索到第一个符号结束。这样，多终端用户信号每个时刻的信号序列估计完毕，输出获得的每个时刻的信号序列估计，从而得到两个终端用户的序列估计以及译码所用的软信息。

参见图2，本发明实施例中，联合检测的过程包括：

步骤201：接收混合信号。

这里，混合信号可以包括两个或多个终端用户信息，或者包括一个终端用户信息以及其他噪声。这样，本发明实施例不仅可以应用到多用户联合检测中，也可以应用到干扰抑制的场景中。

步骤202：对接收的混合信号进行信道估计，获取信道估计参数。

步骤203：根据信道估计参数，进行匹配滤波计算，获得对应的匹配滤波信号。

这里，根据信道估计参数的不同，获取的匹配滤波信号也不同，包括：每个终端用户的信道自相关信号，每个终端用户间的信道互相关信号，以及每个终端用户的信号匹配滤波输出信号。

步骤204：根据获取的匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量。

这里，设定所有终端用户的联合状态，例如：两个终端用户的联合状态为State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)，联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计。其中，终端用户0在高(L-1)位，终端用户1在低(L-1)位，共同组成一个2(L-1)位二进制表示的数，该数值即为状态数State_k。当然也可以State_k(r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾，r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾⁾)终端用户1在高(L-1)位，终端用户0在低(L-1)位。

根据上述的JMLSE原理，将获取的匹配滤波信号，代入公式(4)中，进行联合的最大似然序列估计JMLSE，获得每个时刻到达每个联合状态的每个路径的分支度量。

将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。其中，每个路径的起始状态为该路径对应的源联合状态。例如图1所示，到达右边所示的每个联合状态有4个路径，即左边所示的每一个联合状态都可以到达右边所示的每个联合状态，则每个路径对应的左边所示的联合状态为该路径对应的源联合状态。

本发明实施例中，可以每次估算到达一个联合状态的每个路径对应的累积度量，也可以每次估算到达多个联合状态的每个路径对应的累积度量。可以如图1所示，一次估算到达4个联合状态的每个路径对应的累积度量。

步骤205：根据估算的每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

这里，从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量，将该幸存累积度量对应的路径确定为幸存路径，该幸存路径对应的源联合状态为幸存状态。将该幸存状态中每个终端用户的最远弥散信道的信号序列估计确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

这样，获得每个时刻中每个联合状态中每个终端用户对应的幸存最远弥散信道信号序列估计，以及每个联合状态的幸存累积度量，从而，建立时刻，联合状态，每个终端用户对应的幸存最远弥散信道信号序列估计，以及幸存累积度量的对应关系。

步骤206：根据获得的每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

这里，将最后时刻作为当前时刻，从上述对应关系中，查找当前时刻中，幸存累积度量最大值对应的联合状态，将查找到的联合状态确定为当前联合状态。

将确定的当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计，并根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态。

则下一个当前时刻时，将更新后的联合状态作为当前联合状态，重复上述步骤，直至获得每个终端用户每个时刻的信号序列估计，组合输出每个终端用户每个时刻的信号序列估计，即得到每个终端用户的信号序列估计。

其中，根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新包括：

将当前联合状态根据弥散信道按照由远到近进行一次移位；然后将获得的当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为当前联合状态中每个终端用户的最远弥散信道的信号序列估计，从而得到了新的联合状态。

下面结合说明书附图对本发明实施例作进一步详细描述。

实施例1，终端用户个数N＝2，即终端用户0和终端用户1，信道弥散长度L＝6，接收数据的长度Len＝156。两个终端用户的联合状态为State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-(L-3) ⁽⁰⁾，r_k-(L-2) ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-(L-3) ⁽¹⁾，r_k-(L-2) ⁽¹⁾)，联合状态包含两个终端用户对应时刻的各个弥散信道的信号序列估计。其中，终端用户0在高(L-1)位，终端用户1在低(L-1)位，共同组成一个2(L-1)位二进制表示的数，该数值即为状态数State_k。这样，State_k的取值范围为0-1023。

这样，上述公式(3)、以及公式(4)可以分别简化为对应的公式(5)，

以及公式(6)。

$J_k\left(s_k\right)$

$=J_{k-1}\left(s_{k-1}\right)+\mathrm{Re}\left\{r_k^{{\left(0\right)}^{*}}\right[Z_k^{\left(0\right)}-\underset{l=1}{\overset{4}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(0\right)}{S}_l^{\left(00\right)}\right)]-r_k^{{\left(0\right)}^{*}}{r}_{k-5}^{\left(0\right)}{S}_5^{\left(00\right)}\}$ $+\mathrm{Re}\left\{r_k^{{\left(1\right)}^{*}}\right[Z_k^{\left(1\right)}-\underset{l=1}{\overset{4}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(1\right)}{S}_l^{\left(11\right)}\right)]-r_k^{{\left(1\right)}^{*}}{r}_{k-5}^{\left(1\right)}{S}_5^{\left(11\right)}\}---\left(5\right)$

$-\mathrm{Re}(\underset{l=1}{\overset{5}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_{k-l}^{\left(1\right)}{S}_l^{\left(01\right)}+\underset{l=1}{\overset{5}{\mathrm{\Σ}}}{r}_{k-l}^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_l^{{\left(10\right)}^{*}}+r_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_0^{\left(01\right)})$

$\mathrm{Branck}\_\mathrm{Metric}=\mathrm{Re}\left\{r_k^{{\left(0\right)}^{*}}\right[Z_k^{\left(0\right)}-\underset{l=1}{\overset{4}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(0\right)}{S}_l^{\left(00\right)}\right)]-r_k^{{\left(0\right)}^{*}}{r}_{k-5}^{{\left(0\right)}^{*}}{S}_5^{\left(00\right)}\}$

$+\mathrm{Re}\left\{r_k^{{\left(1\right)}^{*}}\right[Z_k^{\left(1\right)}-\underset{l=1}{\overset{4}{\mathrm{\Σ}}}\left(r_{k-l}^{\left(1\right)}{S}_l^{\left(11\right)}\right)]-r_k^{{\left(1\right)}^{*}}{r}_{k-5}^{\left(1\right)}{S}_5^{\left(11\right)}\}---\left(6\right)$

$-\mathrm{Re}(\underset{l=1}{\overset{5}{\mathrm{\Σ}}}{r}_k^{{\left(0\right)}^{*}}{r}_{k-l}^{\left(1\right)}{S}_l^{\left(01\right)}+\underset{l=1}{\overset{5}{\mathrm{\Σ}}}{r}_{k-l}^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_l^{{\left(10\right)}^{*}}+r_k^{{\left(0\right)}^{*}}{r}_k^{\left(1\right)}{S}_0^{\left(01\right)})$

这样，参见图3，联合检测的过程包括：

步骤301：接收包含两个终端用户信息的混合信号。

接收数据长度也为Len，即y＝[y(0)，y(1)，……，y(155)]。

步骤302：对接收的混合信号进行信道估计，获取信道估计参数。

这里，首先进行信号的反转，y_deroted(k)＝y(k)j^-k；然后进行位同步，计算终端用户0和1各自的时间提前量：TA₀，TA₁；最后进行信道估计，获取信道估计参数。这里，

其中，

Y＝[y(61+L-1)，y(61+L)，y(61+L+1)，…，y(61+N-1)]^T；

$M=[M^{\left(0\right)},M^{\left(1\right)}]=\left[\begin{array}{cccccccc}{m}^{\left(0\right)}(L-1)& m^0(L-2)& \·\·\·& m^{\left(0\right)}\left(0\right)& m^{\left(1\right)}(L-1)& m^{\left(1\right)}(L-2)& \·\·\·& m^{\left(1\right)}\left(0\right)\\ m^{\left(0\right)}\left(L\right)& m^{\left(0\right)}(L-1)& \·\·\·& \·\·\·& m^{\left(1\right)}\left(L\right)& m^{\left(1\right)}(L-1)& \·\·\·& \·\·\·\\ \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·\\ m^{\left(0\right)}(L-1)& m^{\left(0\right)}(N-2)& \·\·\·& m^{\left(0\right)}(N-L)& m^{\left(1\right)}(L-1)& m^{\left(1\right)}(N-2)& \·\·\·& m^{\left(1\right)}(N-L)\end{array}\right]$

H⁽⁰⁾＝[h⁽⁰⁾(0)，h⁽⁰⁾(1)，…，h⁽⁰⁾(L-1)]^T

H⁽¹⁾＝[h⁽¹⁾(0)，h⁽¹⁾(1)，…，h⁽¹⁾(L-1)]^T

H＝[H^(0)T，H^o)T]^T＝[h⁽⁰⁾(0)，h⁽⁰⁾(1)，…，h⁽⁰⁾(L-1)，h⁽¹⁾(0)，h⁽¹⁾(1)，…，h⁽¹⁾(L-1)]^T。

步骤303：根据获得的信道估计参数，进行匹配滤波计算，获得的两终端用户的信道自相关信号、互相关信号和信号匹配滤波输出信号分别为：

$S_l^{\left(00\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{h}^{\left(0\right)}\left(k\right)\·h^{{\left(0\right)}^{*}}(k-l)$

$S_l^{\left(11\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{h}^{\left(1\right)}\left(k\right)\·h^{{\left(1\right)}^{*}}(k-l)$

$S_l^{\left(01\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{h}^{\left(1\right)}\left(k\right)\·h^{{\left(0\right)}^{*}}(k-l)$

$S_l^{\left(10\right)}=\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{h}^{\left(0\right)}\left(k\right)\·h^{{\left(1\right)}^{*}}(k-l)$

$Z_k^{\left(0\right)}=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{y}_{\mathrm{deroted}}(k-n)\·h^{\left(0\right)*}\left(n\right)$

$Z_k^{\left(1\right)}=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{y}_{\mathrm{deroted}}(k-n)\·h^{\left(1\right)*}\left(n\right)$

本发明实施例中，如果是多天线接收系统则需要进行多天线合并，比较常见的技术有MRC。

步骤304：根据匹配滤波信号，进行联合的最大似然序列估计JMLSE，获得每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

具体实现过程如下：

4.1、当前的时刻K＝0，初始态State_k(r_k ⁽⁰⁾，r_k-1 ⁽⁰⁾，…，r_k-3 ⁽⁰⁾，r_k-4 ⁽⁰⁾，r_k ⁽¹⁾，r_k-1 ⁽¹⁾，…，r_k-3 ⁽¹⁾，r_k-4 ⁽¹⁾)＝0。

4.2、如图1所示，利用上述公式(6)计算从状态State_2i*32+2j，State_{2i*3 2+(2j+1)}，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}转移到State_i*32+j，State_{i*32+(j+1 6)}，State_(i+16)*32+j，State_{(i+16)*32+(j+16)}的16个分支度量。

其中，将这16个分支度量，分为4组，也即是1024状态中的4个状态，分别为：第1组为从状态State_2i*32+2i，State_2i*32+(2j+1)，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}转移到状态State_i*32+j的4个分支度量；第2组为从状态State_{2 i*32+2j}，State_2i*32+(2j+1)，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}转移到状态State_i*32+(j+16)的4个分支度量；第3组为从状态State_2i*32+2j，State_2i*32+(2j+1)，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}转移到状态State_(i+16)*32+j的4个分支度量；第4组状态State_2i*32+2j，State_2i*32+(2j+1)，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}转移到状态State_{(i+16)*32+(j+16)}的4个分支度量。其中，State_2i*32+2j，State_{2i*3 2+(2j+1)}，State_(2i+1)*32+2j，State_{(2i+1)*32+(2j+1)}为源联合状态。

4.3、从每组的4个分支度量累加到对应的源联合状态的累积度量上，获得每组每个路径对应的累积度量。

根据公式(5)获得每组每个路径对应的累积度量，即公式(5)中的J_k-1(s_k-1)分别为Metirc_Sum[State_2i*32+2j]，Metirc_Sum[State_2i*32+(2j+I)]，Metirc_Sum[State_(2i+1)*32+2j]，以及Metirc_Sum[State_{(2i+1)*32+(2j+1)}]。

4.4、比较每组每个路径对应的累积度量，将最大累积度量确定为当前联合状态的幸存累积度量，并将幸存累积度量对应的路径确定为幸存路径，将幸存路径对应的源状态为幸存状态，保存幸存状态的两个终端用户的最远弥散信道的信号序列估计，作为当前状态的两个终端用户对应的幸存最远弥散信道的信号序列估计末位。这里将幸存状态中每个终端用户对应的最低位r_k-(L-1) ⁽⁰⁾和r_{k-(L -1)} ⁽¹⁾保存到Path[k，Statei]中。

例如：图1中，i＝2，j＝1，那么，若达到State593的四个路径中，从State₁30转移到State₅₉₃路径的累积度量最大，则保存K，State₅₉₃，(0，0)，以及Metirc_Sum[State₅₉₃]的对应关系。

4.5、更新状态，State_k＝State_k+1，如果State_k≤2^N(L-1)/4，则返回步骤4.2，否则更新当前的时刻，将K+1，如果如果k≤(Len+L-1)则返回步骤4.2，否则，本次流程结束，获得了每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

本发明实施例中，每一次循环，即可获得每个时刻，4个状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。这样，极大的减少了循环的次数，提高了运算的速度。

步骤305：根据每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。具体包括：

5.1、当前的K＝Len+L-1，查找该K对应的最大幸存累积度量，确定该最大累积度量对应的状态为当前状态。例如：K＝Len+L-1时，最大幸存累积度量对应的状态为State₅₉₃，这样，State₅₉₃为当前状态。

5.2、将当前状态中每个终端用户的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计，这里，为每个终端用户的最高有效位。并将其分别保存到输出序列缓冲区Output_HardData0[k]和Output_HardData1[k]中，然后再取出SOVA_Data[k，State]中的软信息保存到Output_SoftData0[k]和Output_SoftData1[k]。

例如：State₅₉₃为当前状态State₅₉₃＝(10010，10001)，则终端用户0的最高有效位为“1”，而终端用户1的最高有效位也为“1”。这样，分别保存到输出序列缓冲区Output_HardData0[k]和Output_HardData1[k]中。

5.3、左移当前状态的值，将每个终端用户的最高有效位丢弃，并将当前状态两个终端用户对应的幸存最远弥散信道的信号序列估计末位，补入每个终端用户的最远弥散信道的信号序列估中，即最低有效位，获得新的状态。将该新的状态作为当前状态。

例如：State₅₉₃＝(10010，10001)，该状态两个终端用户对应的幸存最远弥散信道的信号序列估计末位为(0，0)，则更新后的序列为(00100，00010)，即为State₁₃₀。这样，State₁₃₀为当前状态。

5.4、更新K，即当前K＝K-1，当K＞0时，返回步骤5.2。否则，执行步骤5.5，可以获得每个终端用户对应时刻的信号序列估计。

5.5、输出每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

将输出序列缓冲区Output_HardData0[k]和Output_HardData1[k]中的数据输出，即可获得每个终端用户的信号序列估计。

根据上述联合检测的方法，可以构造一种联合检测的装置，参见图4，包括：匹配滤波单元100、估算单元200、第一获取单元300和第二获取单元400。其中，

匹配滤波单元100，用于获取接收到的混合信号对应的匹配滤波信号。

估算单元200，用于根据所述匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量；其中，所述联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计。

第一获取单元300，用于根据估算的所述每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

第二获取单元400，用于根据所述每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

估算单元200可以包括：分支度量估算子单元和累积度量估算子单元

分支度量估算子单元，用于根据所述每个匹配滤波信号，进行联合的最大似然序列估计JMLSE，获得每个时刻到达每个联合状态的每个路径的分支度量。

累积度量估算子单元，用于将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。

而第一获取单元300包括：幸存累积度量确定子单元和幸存信号序列估计确定子单元。

幸存累积度量确定子单元，用于从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量。

幸存信号序列估计确定子单元，用于将所述幸存累积度量对应的源联合状态中每个终端用户的最远弥散信道的信号序列估计，确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

第二获取单元400包括：信号序列估计确定单元、更新子单元和组合子单元。

信号序列估计确定单元，用于将当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计。

更新子单元，用于根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态。

组合子单元，用于组合每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

其中，更新子单元，还用于将当前联合状态根据弥散信道由远到近进行一次移位，将所述当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为移位后的当前联合状态中每个终端用户的最远弥散信道的信号序列估计。

综上所述，本发明实施例提供的联合检测方法中，获取接收到的混合信号对应的匹配滤波信号，根据所述匹配滤波信号，进行最大似然序列估计，获得每个终端用户的信号序列估计，这样，能同时从接收到的混合信号解调出每个终端用户的信号序列估计。并且，发明实施例不仅可以应用到多用户联合检测中，也可以应用到干扰抑制的场景中。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种联合检测的方法，其特征在于，包括：

获取接收到的混合信号对应的匹配滤波信号；

根据所述匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量；其中，所述联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计；

根据估算的所述每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位；

根据所述每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

2.如权利要求1所述的方法，其特征在于，所述估算每个时刻到达每个联合状态的每个路径对应的累积度量包括：

根据所述每个匹配滤波信号，进行联合的最大似然序列估计(JMLSE)，获得每个时刻到达每个联合状态的每个路径的分支度量；

将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。

3.如权利要求1所述的方法，其特征在于，所述获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位包括：

从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量；

将所述幸存累积度量对应的源联合状态中每个终端用户的最远弥散信道的信号序列估计末位，确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

4.如权利要求1所述的方法，其特征在于，所述获得每个终端用户的信号序列估计包括以下步骤：

A、确定当前时刻为最大时刻，并将当前时刻中的最大幸存累积度量对应的联合状态确定为当前联合状态；

B、将确定的当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计，并根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态；

C、对当前时刻进行递减，并判断递减后的时刻是否大于零，若是，则将更新后的联合状态作为当前联合状态，返回步骤B，否则，执行步骤D；

D、组合每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

5.如权利要求4所述的方法，其特征在于，所述根据当前联合状态中每个终端用户对应的最远弥散信道的信号序列估计对所述当前联合状态进行更新包括：

将当前联合状态根据弥散信道由远到近进行一次移位；

将所述当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为移位后的当前联合状态中每个终端用户的最远弥散信道的信号序列估计。

6.一种联合检测的装置，其特征在于，包括：

匹配滤波单元，用于获取接收到的混合信号对应的匹配滤波信号；

估算单元，用于根据所述匹配滤波信号，估算每个时刻到达每个联合状态的每个路径对应的累积度量；其中，所述联合状态包含每个终端用户对应时刻的各个弥散信道的信号序列估计；

第一获取单元，用于根据估算的所述每个累积度量，获取每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位；

第二获取单元，用于根据所述每个时刻中每个联合状态的幸存累积度量，以及每个联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，获得每个终端用户的信号序列估计。

7.如权利要求6所述的装置，其特征在于，所述估算单元包括：

分支度量估算子单元，用于根据所述每个匹配滤波信号，进行联合的最大似然序列估计(JMLSE)，获得每个时刻到达每个联合状态的每个路径的分支度量；

累积度量估算子单元，用于将每个路径的分支度量叠加到该路径对应的源联合状态的累积度量上，获得每个时刻到达每个联合状态的每个路径对应的累积度量。

8.如权利要求6所述的装置，其特征在于，所述第一获取单元包括：

幸存累积度量确定子单元，用于从到达当前联合状态所有路径的累积度量中，确定最大累积度量为当前联合状态的幸存累积度量；

幸存信号序列估计确定子单元，用于将所述幸存累积度量对应的源联合状态中每个终端用户的最远弥散信道的信号序列估计，确定为当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位。

9.如权利要求6所述的装置，其特征在于，所述第二获取单元包括：

信号序列估计确定单元，用于将当前联合状态中每个终端用户对应的最近弥散信道的信号序列估计作为对应终端用户当前时刻的信号序列估计；

更新子单元，用于根据当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位对所述当前联合状态进行更新，获得更新后的联合状态；

组合子单元，用于组合每个终端用户每个时刻的信号序列估计，获得每个终端用户的信号序列估计。

10.如权利要求9所述的装置，其特征在于，

所述更新子单元，还用于将当前联合状态根据弥散信道由远到近进行一次移位，将所述当前联合状态中每个终端用户对应的幸存最远弥散信道的信号序列估计末位，作为移位后的当前联合状态中每个终端用户的最远弥散信道的信号序列估计。

Images