用于无线通信网络中的干扰估计的方法和装置与流程

本发明的各方面大体上涉及无线通信系统，且具体来说涉及无线通信链路中的干扰估计。

背景技术：

例如蜂窝电话、智能电话和平板设备的现代无线通信设备的盛行伴随着对大量用户设备(user equipment，UE)或移动台的大型多媒体数据功能的需求增加。这些多媒体数据可以包含UE处的流式传输无线电、在线游戏、音乐和TV。为了支持这种对较高数据速率的不断增加的需求，基于多种传输技术，例如时分多址(time division multiple access，TDMA)、码分多址(code division multiple access，CDMA)、频分多址(frequency division multiple access，FDMA)、正交频分多址(orthogonal frequency division multiple access，OFDMA)和单载波FDMA(single carrier FDMA，SC_FDMA)来部署多址接入网络。还开发了用于无线网络的新标准。这些较新标准的实例包含由第三代合作伙伴计划(third partnership project，3GPP)开发的长期演进(Long Term Evolution，LTE)和LTE-高级(LTE-Advanced，LTE-A)、由电气电子工程师协会(the Institute of Electric and Electronic Engineers，IEEE)维持的无线宽带标准的802.11和802.16族、WiMAX、根据WiMAX论坛的IEEE 802.11标准的实施方案，以及其它标准。基于这些标准的网络提供多址接入，从而通过共享可用的网络资源来支持多个同时存在的用户。

这些较新标准中的许多标准支持位于基站和UE两者处的多个天线。这些多天线配置在多输入多输出(multi-input multi-output，MIMO)处提及并且提供改进的频谱效率，从而引起数据速率增加。然而，这些改进会在发射器和接收器处增加复杂性和计算需求的成本。

对无线服务的需求增加促使安装小型小区来增强蜂窝式网络的覆盖范围。小型小区是具有减小的功率和覆盖区域的基站或eNodeB，并且通常被称为微微小区或毫微微小区来指示其与用于常规蜂窝式网络中的典型宏小区或宏eNodeB相比减小的功率电平。小型小区可以用于扩展或增强例如大型建筑内部的覆盖区域，或者小型小区可以用于增加例如购物中心或火车站的高业务区域中的网络容量。包含宏小区和小型小区的混合的通信网络可以被称为异构网络。

例如异构网络的无线通信网络包含多个基站以支持与多个UE的下行和上行通信。从UE发送到基站的信息被称为上行通信，而从基站发送到UE的信息被称为下行通信。在异构网络中，小型小区的覆盖区域通常与网络中的其它小区的覆盖区域重叠，从而引起将受其它小区、UE或RF发射器的传输干扰的上行和下行传输。如果未在接收器中得到恰当解决，此干扰可以显著降低通信网络的性能。

可以通过产生无线信道的估计并且使用这些估计来支持接收器处的数据符号的检测而解决接收信号中的干扰和其它失真。获得这些估计的常用方法是在穿插有传输数据的预定资源单元中发送被称为导频符号或参考符号的已知符号。资源单元(resource element，RE)是在一个符号周期期间由一个子载波组成的无线频谱的最小可用部分，并且具有频率和时间的维度。可以基于接收信号和导频符号的知识进行无线信道的估计。由特定基站发送的导频符号可以被称为参考信号，并且由所有基站发送的参考信号可以统称为共同参考信号(common reference signal，CRS)。CRS使接收器能够确定其主要数据信道、无线信道两者以及任何干扰信道的信道估计，所述CRS通过所述主要数据信道、无线信道接收数据。

接收器可以准确地检测所传输数据符号的可靠性高度取决于无线信道的准确估计。作为接收器与发射器之间的无线信道的主要无线信道的估计可提高接收器用于检测正传输的数据符号的能力，所述接收器从在本文中被称为数据信道的主要无线信道中接收其数据。在本文中被称为干扰信道的在接收器与干扰发射器之间的无线信道的估计使接收器能够补偿由干扰发射器引起的数据信号的失真。较佳的干扰信道估计会引起改进的数据检测。因此，需要用于估计无线通信网络中的干扰无线信道的改进方法和装置。

技术实现要素：

本发明的目标是提供用于提供对在异构网络环境中操作的接收器的干扰的准确估计的方法和装置。本发明的另一目标是提供用于以减小的计算需求确定准确干扰估计的有效方法和装置。

根据本发明的第一方面，通过用于在异构网络中接收无线通信信号的装置来获得上述和其它目标以及优点。所述装置包含用于接收数字通信信号的处理器，其中所述数字通信信号包含共同参考信号和传输数据。所述处理器基于共同参考信号的信道估计确定第一干扰小区的第一干扰信道矩阵，并且通过评估最大似然度量估计所述第一干扰小区的第一功率偏移率和第一有效预编码矩阵。最大似然度量基于第一干扰信道相关性。所述处理器随后基于所估计的第一功率偏移率和第一有效预编码矩阵重构信道协方差矩阵，并且基于所述重构后的信道协方差矩阵检测传输数据。

在根据第一方面的装置的第一可能实施形式中，所述处理器用于基于平均协方差矩阵评估最大似然度量。平均协方差矩阵的使用会减少评估最大似然度量的计算复杂性。

在根据第一方面本身或第一方面的第二可能实施形式的装置的第二可能实施形式中，所述处理器用于通过使用第一干扰信道相关性的乔里斯基分解生成三角形矩阵、反转三角形矩阵以及基于反转三角形矩阵的频谱分解和信道相关性评估最大似然度量来评估所述最大似然度量。因式分解和分解的使用会产生准确且具有显著减小的计算成本的近似值。

在根据第一方面本身或第一方面的任一前述第一或第二可能实施形式的装置的第三可能实施形式中，所述处理器用于估计与可能有效预编码矩阵的集合对应的功率偏移率集合，其中所述功率偏移率集合中的每个功率偏移率对应于所述可能有效预编码矩阵集合中的一个可能有效预编码矩阵，并且其中所述功率偏移率集合是并行确定。

在根据第一方面本身或第一方面的前述第一至第三可能实施形式中的任一个的装置的第四可能实施形式中，所述处理器用于通过评估每个有效预编码矩阵与每个有效预编码矩阵的共轭转置的乘积以及当对应所评估乘积与对应于所述有效预编码矩阵集合中的另一有效预编码矩阵的所评估乘积相同时从所述有效预编码矩阵集合中清除有效预编码矩阵来减小所述有效预编码矩阵集合的大小。

在根据第一方面本身或第一方面的第三或第四实施形式的装置的第五可能实施形式中，所述处理器用于基于最大似然度量从所述功率偏移率中选择第一功率偏移率。

在根据第一方面本身或第一方面的前述第一至第五可能实施形式中的任一个的装置的第六可能实施形式中，所述处理器用于估计对应于第二干扰小区的第二功率偏移率和第二有效预编码矩阵。所述处理器评估最大似然度量，其中所述最大似然度量基于第一干扰信道相关性和第二干扰信道相关性，并且基于所估计的第一功率偏移率、第二功率偏移率、第一有效预编码矩阵和第二有效预编码矩阵重构信道协方差矩阵。

在根据第一方面本身或第一方面的第六可能实施形式的装置的第七可能实施形式中，所述处理器用于通过基于最大似然度量估计第一功率偏移率以及基于第一功率偏移率与第二功率偏移率之间的线性关系估计第二功率偏移率来近似第一功率偏移率和第二功率偏移率的联合检测。

在根据第一方面本身或第一方面的第七可能实施形式的装置的第八可能实施形式中，所述处理器用于基于第一干扰小区的干扰功率和第二干扰小区的干扰功率选择第一功率偏移率，其中第一干扰小区的干扰功率大于第二干扰小区的干扰功率。

在根据第一方面本身或第一方面的前述第六至第八可能实施形式中的任一个的装置的第九可能实施形式中，所述处理器用于在第一干扰小区和第二干扰小区具有基本上相同的干扰功率时，选择具有更佳信道估计准确度的干扰小区作为第一干扰小区。

在根据第一方面本身或第一方面的前述第一至第九可能实施形式中的任一个的装置的第十可能实施形式中，所述处理器用于基于干扰抑制合并式接收器检测传输数据。

在根据第一方面本身或第一方面的前述第一至第十可能实施形式中的任一个的装置的第十一可能实施形式中，所述处理器用于从可能功率偏移率集合中选择第一功率偏移率，其中所述可能功率偏移率集合包含零值。在所考虑的功率偏移率集合中包含零值功率偏移率允许在估计功率偏移率的同时实现干扰的检测，由此消除对单独检测步骤的需求。

根据本发明的第二方面，通过用于估计数字通信信号中的干扰的方法获得上述和其它目标以及优点，其中所述数字通信信号包含共同参考信号和传输数据。所述方法包含：基于共同参考信号的信道估计确定第一干扰小区的第一干扰信道矩阵；以及通过评估最大似然度量估计第一干扰小区的第一功率偏移率和第一有效预编码矩阵，其中所述最大似然度量基于第一干扰信道相关性。所述方法随后基于所估计的第一功率偏移率和第一有效预编码矩阵重构信道协方差矩阵，并且基于所述重构后的信道协方差矩阵检测传输数据。

在根据第二方面的方法的第一可能实施形式中，通过使用第一干扰信道相关性的乔里斯基分解生成三角形矩阵、反转三角形矩阵以及基于反转三角形矩阵的频谱分解和信道相关性评估最大似然度量来实现评估最大似然度量。

根据本发明的第三方面，通过包括程序代码的计算机程序获得上述和其它目标以及优点，在由处理器执行时，所述计算机程序执行根据第二方面本身或第二方面的第一可能实施形式的方法。

根据结合附图考虑的本文中所描述的实施例，示例性实施例的这些和其它方面、实施形式和优点将变得显而易见。然而，应理解，描述和图式仅出于说明的目的而设计，且不作为对本发明的限制的定义，所附权利要求书应对其作出参考。以下说明将阐明本发明的额外方面和优点，并且这些方面和优点的一部分将在说明中显而易见，或者可以通过实践本发明习得。此外，本发明的方面和优点可以通过由所附权利要求书所特别指出的仪器和组合来实现和获得。

附图说明

在本发明的以下详细部分中，本发明将参考图式中示出的实例实施例进行更详细解释，在图式中：

图1说明其中可以有利地采用所揭示实施例的无线网络；

图2说明并入有本发明的各方面的干扰分配图案的图形表示；

图3说明并入有所揭示实施例的各方面的用于单个主要干扰源的基于ML的功率比检测过程的流程图；

图4说明并入有所揭示实施例的各方面的用于两个主要干扰源的基于ML的功率比检测过程的流程图；

图5说明并入有本发明的各方面的移动设备的框图；

图6说明根据实施例的用于估计数字通信信号中的干扰的方法的流程图。

具体实施方式

图1说明其中可以有利地采用本文中所揭示的干扰估计实施例的无线网络100，例如，LTE-A或其它多址接入无线网络。无线网络100包含多个接入节点104、106、108、112、118、124，所述接入节点可以为演进型NodeB(evolved NodeB，eNodeB)、基站或用于向用户设备(user equipment，UE)提供无线接入的其它合适类型的无线接入节点或需要来自无线网络100的服务的移动台114、120、126。每个接入节点104、106、108、112、118、124用于在由接入节点服务的相关地理区域(或覆盖区域)102、110、116、122中提供对UE 114、120、126的网络覆盖。具有相对较高功率的接入节点，例如接入节点104向相对大的物理区域或覆盖区域102提供服务并且通常包含一个或多个无线电塔。术语“小区”取决于使用术语“小区”的上下文可以指接入节点的覆盖区域102、110、116、122或覆盖区域102、110、116、122和相关联接入节点104、112、118、124两者。通常无线网络100内的宏小区(例如，与接入节点104相关联的小区102)无法很好地服务无线网络100内的某些区域，例如，大型办公楼以及例如购物中心或火车站的高业务区域的内部。为了将覆盖范围扩展到覆盖不佳的区域或者为了增加高业务区域中的容量，通常部署较低功率接入节点112、118、110、116，所述较低功率接入节点可以被称为小型小区以指示所述小区的功率低于宏小区。这些小型小区可以参考各种术语，包含微微小区或毫微微小区，以指示其与宏小区相比减小的功率电平。这些小型小区110、116、122通常具有彼此重叠和/或与宏小区102的覆盖区域重叠的覆盖区域110、116、122。当无线网络100包含多个小区102、110、116、122时，并且尤其当小区102、110、116、122与同宏小区102重叠的小型小区110、116、118一样重叠并且其中小型小区110和116彼此重叠时，可能存在大量小区间干扰(inter-cell interference，ICI)。

例如，与接入节点110通信的UE 120可以从宏小区接入节点104接收干扰信号。类似地，在小型小区110的小区边缘区域处的UE 114可以从重叠的宏小区102和相邻小型小区116两者接收干扰。此ICI可以显著降低UE 114、120的吞吐量。

在例如LTE网络中的下行链路的下行链路中，eNodeB通过将不同时频资源调度到不同用户而提供多址接入。最小的单独可调度无线资源可以被称为物理资源块(physical resource block，PRB)并且由多个资源单元(resource element，RE)组成。例如，在一个LTE实施方案中，PRB在14个时隙期间可以跨越12个子载波，从而在每个PRB中产生168个RE。接入节点与UE之间的物理链路被组织成多个物理信道，所述物理信道映射到物理无线链路的不同部分，即不同时间/频率资源。

在LTE网络中，信道包含用于提供小区的初始接入必需的若干基本参数的物理广播信道(physical broadcast channel，PBCH)、用作主要数据传送信道的物理下行共享信道(physical downlink shared channel，PDSCH)、用于提供UE特定的资源指配的物理下行控制信道(physical downlink control channel，PDCCH)，以及其它物理信道。使用与用于LTE型无线网络中的无线信道一致的术语呈现本文所揭示的某些实施例，然而这仅有助于理解并且本领域技术人员将容易认识到，在不偏离本发明的精神和范围的情况下所揭示的方法和装置可以有利地用于其它类型的无线网络中。

用于将数据发送到每个UE的传输功率可以不同，从而在每个PRB中产生变化的干扰量。图2说明用于例如UE 114的UE的干扰分配图案的图形表示200。在图形200中，沿着横轴202表示时间并且沿着竖轴204表示频率，其中每个正方形，例如正方形206、208、210用于单独地表示调度后的PRB。在某些PRB 206期间，UE 114不受任何其它UE 120、126干扰，并且在其它PRB 208期间，UE 114受UE 120干扰，并且在某些PRB 210期间，UE 114受UE 126干扰。

当UE处于其从多个小区接收信号的位置，例如从宏小区102和小型小区116两者接收信号的UE 120时，需要用于补偿来自干扰小区的信号的能力。通过PDCCH提供个别UE的传输参数并且因此对干扰小区的PDCCH信息进行解码将有助于消除干扰。然而，尝试对传输到干扰小区中的用户的PDCCH信息进行解码会引起所有可能PDCCH位置的详尽搜索。此外，由于缺乏对用于干扰小区中的个别UE的标识符的了解，因此对PDCCH信息进行解码是不可行的。因此，不存在与干扰接收器处可用的干扰源的分配图案有关的信息，并且需要以PRB为基础单独对处理干扰。

可以基于CRS通过小区搜索和信道估计技术获得服务小区，即UE从其接收数据的小区和干扰小区的信道估计。然而，即使当可获得准确估计时，估计基于其的CRS与由干扰小区传输的数据之间的功率比也是不确定的。在LTE网络，例如，基于描述用于演进型通用陆地无线接入(Evolved Universal Terrestrial Radio Access，E-UTRA)的物理层过程的3GPP技术规范36.213的网络中，干扰小区的CRS与数据之间的此功率比通常通过两个参数P_A和P_B确定。这些可以使用两个参数发现：ρ_B表示PDSCH数据与携载CRS的OFDM符号处的CRS之间的功率比，以及ρ_A表示PDSCH数据与不携载CRS的OFDM符号处的CRS之间的功率比，并且P_B变成：P_B＝ρ_B/ρ_A，其为干扰小区的未知小区特定参数。然而，一旦已知ρ_A和P_B，就可以计算出ρ_B。ρ_A等于P_A加上由干扰小区的较高信令层配置的偏移。因此，干扰估计集中于UE特定功率比P_A的估计。假设已知更易于基于接收到的干扰信号检测到的小区特定比率P_B。

干扰估计所需的另一未知量是干扰小区的传输模式。可以通过对物理广播信道(physical broadcast channel，PBCH)进行解码获得干扰小区的带宽和天线数目。不同传输模式中的每一个可以使用到达天线端口映射矩阵的不同有效层。如本文所使用的术语“有效预编码矩阵”是指在传输之前在接入节点或eNodeB处的所有矩阵运算，例如，例如循环延迟分集矩阵、预编码矩阵、大延迟分集矩阵等的矩阵运算。另一实例是在描述用于E-UTRA的物理信道和调制的3GPP技术规范36.211中定义的矩阵运算。在此物理信道中，2×2多输入多输出(multi-input multi-output，MIMO)传输具有2个发射天线和2个接收天线。在具有等级2的用于空频块码(space frequency block coding，SFBC)的传输模式2、用于开环空间复用(open loop spatial multiplexing，OLSM)的模式3以及用于闭环空间复用(闭合回路spatial multiplexing，CLSM)的模式4下，有效预编码矩阵是单式的。然而，在具有等级1的传输模式3和4下，有效预编码矩阵不是满秩矩阵。因此，为了准确地模型化用于估计的干扰，需要联合地检测有效预编码矩阵和功率比。

一个主要干扰源

取决于UE和无线网络拓扑的位置，接收器可能经受来自一个或多个主要干扰源的干扰。在第一示例性实施例中，估计来自单个主要干扰源的干扰并且与热噪声一起处理剩余干扰，如果存在。下文将呈现将方法和装置扩展成两个或多于两个主要干扰源的另外的示例性实施例。等式1示出用于一个主要干扰源和热噪声的线性接收信号模型：

在等式1中，n是RE指数并且N是可用于干扰估计的RE的总数目。Y(n)是用于PDSCH数据传输的第n个RE的接收到的列向量，H是用于服务小区的信道矩阵并且G是用于干扰小区的信道矩阵。服务小区的功率比和有效预编码矩阵是已知的并且包含在服务小区信道矩阵H中。对于干扰小区，可以基于CRS估计干扰小区信道矩阵G，但是表示为β的功率比值以及表示为W的有效预编码矩阵是未知的。需要检测的服务小区数据表示为X，并且未知的干扰小区数据表示为T。热噪声与来自其它小区的其它干扰一起表示为V并且假设遵从高斯分布N(0,σ²I)，其中I是单位矩阵。

在某些干扰分配图案，例如上文描述的干扰分配图案200中，在一些PRB中可以不存在干扰。当不存在干扰时，功率比值β可以模型化为具有零值：β＝0。通过此建模定义，干扰检测，即是否存在干扰以及干扰估计问题被统一成单个问题。

在常规系统中，干扰的检测和估计基于接收信号功率。用于这些常规系统中的方法通过平均化单个PRB内的多个RE位置计算接收信号的相关矩阵，如等式2中所示：

其中R_yy表示接收信号的相关性或数据相关性，E(·)是期望值函数，例如取平均值，并且上标^H表示埃尔米特共轭转置运算符。在等式2中，服务小区信道相关性是R_H＝E(H(n)H(n)^H)，并且干扰小区信道相关性是其中上标^W和下标G指示干扰小区信道相关性取决于干扰小区信道矩阵G和预编码矩阵W。随后将所得数据相关性R_yy与信道相关性R_H相比较以检测是否存在干扰，如等式3中所说明：

随后基于与阈值的比较在数据相关性R_yy与信道相关性R_H之间选择用于均衡的协方差矩阵，如等式3中所示。在选择相关性R之后，可以基于干扰消除合并数据估计，等式4中所说明：

其中是传输数据的估计。干扰抑制合并(Interference rejection combining，IRC)是通过访问大致信道状态信息和/或失真分布知识的检测器的加权策略。通过等式5给出IRC之后的噪声协方差矩阵：

随后可以在传递到解码器中之前基于所估计符号和有效噪声计算比特对数似然比(likelihood ratio，LLR)。

此方法的缺点是数据协方差矩阵R_yy的准确度。由于检测基于单个PRB，因此可用数目个RE产生未良好保存的近似值E(H(n)X(n)X(n)^HH(n)^H)≈E(H(n)H(n)^H)，尤其对于例如具有16或64星座点的正交振幅调制(QAM-16或QAM-64)的高阶符号调制方案，从而导致估计误差和降低的性能。例如，在某些LTE无线网络中，PRB具有总共168个RE。在移除用于CRS和PDCCH的RE之后，保留用于计算期望值的RE的数目显著小于168并且可能太少而无法进行可靠估计。

除了估计误差之外，由于功率比值β和有效预编码矩阵W是未知的，因此难以确定阈值。为了提高性能，必须考虑功率比值β和有效预编码矩阵W。可以使用误差矩阵获得更佳标准，如通过等式6所示：

可以通过基于误差矩阵最小化度量来获得最佳功率比值β和有效预编码矩阵W，如等式7中所示：

此处，f(·)是例如矩阵树、Frobenius范数或Taxicab范数的适当度量函数。然而，与下文描述的基于最大似然的方法相比，此方法的性能是次优的。

IRC数据估计技术的基本部分是信道协方差矩阵估计R的准确度。信道协方差矩阵估计R来自功率偏移率值β、热噪声功率σ²和干扰小区信道相关性如等式8中所示：

基于来自CRS的信道估计假设干扰信道矩阵G和热噪声功率σ²是已知的。一个未知值是PDSCH符号与CRS之间的功率偏移率β，并且第二未知量是与传输模式有关的有效预编码矩阵。信道协方差矩阵估计R的质量强烈地取决于这两个未知量。在已确定这些未知值之后，可以使用等式8确定协方差矩阵R。

因为不存在可用于干扰分配图案，例如上文描述的干扰分配图案200的信息，所以仅单个PRB一次可以基于功率偏移率β和有效预编码矩阵W的估计。通过等式1中所示的用于每个RE位置n的接收信号模型，确定接收信号的概率分布函数(probability distribution function，PDF)P(Y₀,Y₁,...,Y_N-1)，如等式9中所示：

其中det(·)是矩阵行列式运算，exp(·)表示欧拉常数(e)的次方(·)，∏是在这种情况下表示N个概率P(Y_n)的乘积的乘积运算符，K是接收天线的数目，并且N是PRB中含有数据符号的RE的总数目。在等式9中，通过等式10给出用于特定功率比值β和有效预编码矩阵W的第n个RE的协方差矩阵

获取接收信号的概率分布函数P(Y₀,Y₁,...,Y_N-1)的自然对数会产生如等式11中所示的结果：

其中ln表示自然对数运算符，∑是表示N个值的集合的总和的求和运算符，并且∝表示比例。可以如等式12中所示定义最大似然(maximum likelihood，ML)或最大对数似然(maximum log likelihood，MLL)度量γ(β,W)：

随后可以基于等式13中所示的ML标准检测功率比值β和有效预编码矩阵W：

其中Ω是可能功率比值β的集合。例如，在由3GPP定义的某些无线网络中，存在8个可能功率比值{-6,-4.77,-3,-1.77,0，1,2,3}，其中所述值具有单位分贝(dB)。在某些PRB中，可以基本上不存在干扰，例如在LTE/LTE-A中的几乎空白子帧(Almost Blank Sub-frame，ABS)情形中，其中传输干扰小区的CRS，但不传输数据。为了说明不存在干扰的ABS或PRB，将表示与β＝0的线性比值对应的负无穷大dB的额外值{-inf}添加到集合Ω。等式14中示出用于上述3GPP实例的所得功率比集合Ω：

Ω＝{-inf,-6,-4.77,-3,-1.77,0,1,2,3}dB。 等式14

归因于低端UE的受限计算功能以及功率消耗两者，计算复杂性是一个值得关注的问题。为了减小计算复杂性，平均协方差矩阵R(β,W)可以用于简化ML度量γ(β,W)的计算。等式15说明与等式15中所示的更复杂ML度量成比例的具有减小复杂性的ML度量γ(β,W)的导出：

在等式15中，可以如等式16中所示定义平均协方差矩阵R(β,W)：

通过等式16中所示的定义，可以如等式17中所示获得信道相关性R_H、干扰信道相关性和接收数据的相关性R_yy：

目前可以使用等式15、16和17中所示的减小复杂性计算来针对所有可能功率比值β∈Ω计算ML度量γ(β,W)，并且可以如等式13中所说明选择用于给定预编码矩阵W的ML意义上的最佳功率比β。

如等式15、16和17中所说明，直接计算ML度量γ(β,W)可能是非常复杂的，因为对于每一可能功率比值β需要反转平均相关矩阵R(β,W)。例如，在先前存在的LTE实例中，平均相关矩阵R(β,W)需要反转9次，针对等式14中所示的每个功率比值以及针对每个预编码矩阵值反转一次。当存在多个预编码矩阵概率，如在例如4×4MIMO或更大的MIMO配置中时，复杂性变得很高。

因式分解和分解技术可以用于减小矩阵求逆的复杂性。通过还称为乔里斯基分解的乔里斯基因式分解，干扰信道相关性可以重写为两个三角形矩阵的乘积，如等式18中所示：

其中L是上三角矩阵。接下来，假设量L^-1(R_H+σ²I)(L^-1)^H的频谱分解，如等式19中所说明：

V∑V^H＝L^-1(R_H+σ²I)(L^-1)^H， 等式19

其中V是单式矩阵并且∑是由本征值λ形成的对应对角矩阵：∑＝diag(λ₀ λ₁ … λ_K-1)。通过等式18和等式19所示的假设，可以找到反转平均相关矩阵R(β,W)^-1，如等式20中所示：

现在可以简化ML度量计算，如等式21中所说明：

其中是矩阵D_yy＝V^HL^-1R_yy(L^-1)^eV的第i个对角元素。在ML意义上，可以选择用于给定预编码矩阵的最佳功率比估计如等式22中所说明：

因为本征值λ_i和对角元素取决于预编码矩阵W，而不取决于功率比β，所以对于有效预编码矩阵WW^H的每个可能相关性结果仅需要计算一次本征值和对角元素。因此，从等式15中所示的直接矩阵求逆显著减小计算ML度量γ(β,W)的复杂性。对于每个可能功率比值β∈Ω，若干标量运算是如等式22中所示完成ML度量的计算所需的所有运算。

每个预编码矩阵的功率比值仅取决于对应预编码矩阵值，由此可以并行选择每个有效预编码矩阵值的功率比。例如，当存在可能有效预编码矩阵{W^p}_{p＝0,1,…,P-1}的P个不同假设时，可以针对每个不同假设并行完成所述过程。每个有效预编码矩阵假设的并行处理会减少完成估计所需的时间量。有时，还可以通过减少需要考虑的有效预编码矩阵假设的数目来减少所需的处理量。在估计值的计算期间，有必要形成每个有效预编码矩阵假设与其厄米特转置的乘积，即W^P(W^P)^H。如果有效预编码矩阵假设中的两个具有此乘积W^P(W^P)^H的相同值，仅需要计算其中一个的估计值。因此，当多于一个有效预编码矩阵假设具有此乘积W^P(W^P)^H的相同值时，不需要计算相关联估计值。因此，并行处理的数目将通过消除这些重复而相应地减小。

图3说明在根据本发明的实施例的装置用于单个主要干扰源的情况下由处理器执行的基于ML的功率比检测过程300的示例性实施例的流程图。对接收到的射频信号进行下变频和适当预处理，随后例如通过模/数转换器对所得基带信号进行数字取样以产生接收到的数字通信信号302。基于CRS的信道抽头和噪声功率估计用于提取304噪声功率估计σ²和信道估计332。接下来，提取306用于检测的位置的信道估计332和接收数据310，并且计算308数据相关性R_yy和信道相关性R_H。由P个检测单元330-1至330-P的集合表示每个预编码矩阵值的单独处理，其中P是如上文描述所考虑的有效预编码矩阵假设的数目。每个检测单元330-1至330-P接收来自数字通信信号302的噪声功率估计σ²、信道估计332、数据相关性R_yy和信道相关性R_H，并且所有检测单元330-1至330-P使用相同过程来确定每个有效预编码矩阵假设W^p的功率比估计例如，如等式17中所说明，基于特定的有效预编码矩阵假设W^p计算312干扰信道相关性执行334乔里斯基分解以产生三角形矩阵L，如等式18中所说明。随后反转314三角形矩阵L以产生反转矩阵L^-1。将频谱分解316应用于如等式19中所说明的信道相关性R_H、噪声功率σ²和反转三角形矩阵L^-1，以产生单式矩阵V和对应对角线矩阵∑。根据接收数据相关性R_yy和单式矩阵V计算318有效数据相关性D_yy。随后可以对数据相关性D_yy和对角线矩阵∑执行度量运算320，如等式21中所说明。随后基于度量运算320选择322在ML意义上的最佳功率比估计最后，通过最小化ML度量找到324最佳有效预编码矩阵如等式23中所说明：

在确定最佳有效预编码矩阵和相关联最佳功率比估计之后，可以重构信道协方差矩阵，如等式24中所示：

随后可以使用重构后的信道协方差矩阵实施IRC。这提供IRC接收器的更准确协方差矩阵估计并且因此提供更佳数据检测性能。

两个主要干扰源

在某些情形中，在例如上述无线网络100的异构无线网络中操作的UE可以经受来自两个或多于两个强烈干扰源的干扰。在这些情况下，需要估计和抑制来自多个源的干扰。可以基于上文呈现的单个干扰源实施例产生用于估计和抑制来自两个强烈干扰源的干扰的示例性实施例(即，方法和装置)。本领域技术人员将容易认识到，可以扩展本文所揭示的方法以与所说明的扩展到两个干扰源类似的方式估计三个或多于三个强烈干扰源。

用于两个主要干扰源的干扰估计显著比用于一个主要干扰源的干扰估计更复杂。这是因为对于正被估计的所有参数的联合ML估计，复杂性按指数规律增加。为了减小增加的复杂性，两个主要干扰源实施例采用近似ML检测方法。每个主要干扰源需要检测不同功率比值，使得在两个功率比值之间构建线性关系并且所述线性关系用于决定将首先估计哪个功率比值。随后，可以基于选定的一个功率比值和对应于两个干扰源的两个有效预编码矩阵粗略估计ML度量。对于两个有效预编码矩阵的每个组合，使用上文针对单个主要干扰源描述的技术简化选定功率比的ML估计。通过最小化ML度量，在所有可能性中找到两个有效预编码矩阵的最佳估计。随后可以基于第一功率比估计和两个功率比之间的线性关系估计第二功率比值。此近似方法与准确ML相比提供显著减小的复杂性并且呈现良好性能。

两个主要干扰源实施例使用接收信号模型，如等式25中所示：

其中下标0和1对应于正考虑的第一和第二主要干扰源。通过此接收信号模型，需要联合地估计两个功率比参数(β₀,β₁)和两个有效预编码矩阵W₀,W₁。对于具有两个主要干扰源的实施例，先前在等式16和等式17中定义的ML度量改变，如等式26中所示：

针对两个主要干扰源情形定义平均相关矩阵R(β₀,β₁,W₀,W₁)，如等式27中所示：

通过等式27的平均相关矩阵R(β₀,β₁,W₀,W₁)定义，等式28中示出信道相关性R_H、第一干扰信道相关性和第二干扰信道相关性以及接收数据的相关性R_yy：

仅需要计算一次接收数据相关性R_yy。因此，计算ML度量的大部分复杂性由计算等式26的矩阵求逆部分：产生。准确ML检测需要在四个未知值的所有可能组合上搜索，以便找到最小化ML度量γ(β₀,β₁,W₀,W₁)的解，所述未知值包含两个功率比值和两个有效预编码矩阵(β₀,β₁,W₀,W₁)。然而，这可能需要大量计算并且可能太复杂而无法用于低成本UE中。然而，可以通过使用如下所述的近似ML方法避免大量复杂性。

通过查看等式29中所示的关系开始开发近似ML方法：

其中M是接收天线的数目并且N是用于干扰估计的接收数据样本的数目。通过以上近似法，可以如等式30中所示表达两个功率比值(β₀,β₁)之间的关系：

β_1-i≈κ₁(i)-κ₂(i)β_i，i＝0,1， 等式30

其中如等式31中所示定义常数：

通过使用此线性关系，可以通过首先估计功率比值中的一个，随后用等式30中所示的线性关系近似第二功率比值来近似两个功率比值(β₀,β₁)的联合检测。通过等式31中所示的定义可以看出，第二值κ₂(i)测量两个干扰源之间的干扰功率。首先用较高干扰功率估计干扰源是有益的，由此表示为β_t的待估计第一功率比满足等式32中所示的情况，其中下标t等于0或1以指示第一或第二主要干扰源：

在某些情形中，κ₂(0)＝κ₂(1)＝1指示两个干扰小区具有相等或基本上相等的功率。当出现此情况时，其它标准可以用于选择将估计的干扰小区功率比。在这些情况下，以具有更佳信道估计准确度的干扰小区开始是有益的。

使用上述假设，现在可以使用如等式33中所示的近似平均相关矩阵R(β₀,β₁,W₀,W₁)计算ML度量γ(β₀,β₁,W₀,W₁)：

其中

上文参考单个主要干扰源描述的矩阵运算还可以应用于两个主要干扰源的ML度量以减小与所需矩阵求逆相关联的计算复杂性。通过将乔里斯基分解应用于如等式34中所示的干扰信道相关性开始：

接下来假设频谱分解：V∑V^H＝L^-1Δ(L^-1)^H，其中V是单式矩阵并且∑是由本征值λ形成的对应对角矩阵：∑＝diag(λ₀ λ₁ … λ_K-1)。使用这些分解，矩阵求逆可以如等式35中所示写为：

通过以上假设，可以如等式36中所示近似ML度量γ(β₀,β₁,W₀,W₁)：

其中D_i是矩阵D＝V^HL^-1R_yy(L^-1)^HV的第i个对角元素，并且R_yy表示如上所述在所有N个样本上平均化的接收信号相关矩阵。因为仅需要计算一次D_i和第i个本征值λ_i，所以可以使用等式36计算出计算第一功率比β_t的所有可能值的ML度量γ(β₀,β₁,W₀,W₁)的复杂性。在等式37中示出度量γ(β₀,β₁,W₀,W₁)相对于第一功率比β_t的偏导数：

当接收天线的数目M等于2时，可以获得封闭式解。当M大于2时，可以针对所有功率比值直接计算ML度量γ(β₀,β₁,W₀,W₁)并且可以找到最小值。功率比值总是正的，指示β_1-t＝κ₁(t)-κ₂(t)β_t≥0，从而产生等式38中所示的关系：

β_t≤κ₁(t)/κ₂(t)。 等式38

因此，仅需要评估不大于κ₁(t)/κ₂(t)的β_t值。

图4说明根据并入有所揭示实施例的各方面的本发明的实施例的可以由装置(例如，由装置的处理器)执行的基于ML的功率比检测过程400的示例性实施例的流程图。功率比检测过程400可以有利地用于经受来自两个主要干扰源的UE中。对接收到的射频信号进行下变频和适当预处理，以产生例如通过模/数转换器进行数字取样的基带信号，从而产生接收到的数字通信信号402。基于CRS的信道抽头和噪声功率估计用于提取404噪声功率估计σ²和信道估计432。提取406用于检测的位置的信道估计和接收数据410，并且计算408数据相关性R_yy和信道相关性R_H。

给定预编码矩阵假设的功率比值的计算与其它预编码矩阵假设无关。因此，可以并行完成确定用于有效预编码矩阵假设中的每一个的功率比值的过程。通过检测单元430-1至430-PQ的集合表示每个预编码矩阵值的单独处理。将考虑可能有效预编码矩阵的不同假设的有限集：其中P_i(i＝0,1)指示第一或第二干扰源，p是第一干扰源的有效预编码矩阵假设的数目并且q是有效预编码矩阵假设或第二干扰源的数目。因此，将存在q个单独检测单元430-1至430-PQ的p倍。针对每个有效预编码矩阵假设产生单独的检测单元430-1至430-PQ，其中每个预编码矩阵假设包含一对有效预编码矩阵一个用于第一干扰源且一个用于第二干扰源W₁^q。每个检测单元430-1至430-PQ接收来自接收到的数字通信信号402的噪声功率估计σ²、信道估计432、数据相关性R_yy和信道相关性R_H，并且所有检测单元430-1至430-PQ使用相同过程来确定每个有效预编码矩阵假设的功率比估计如等式32中所示确定428k1和k2常数并且基于如上所述具有较高干扰功率或更佳估计准确度的干扰源选择第一主要干扰源。如例如在等式28中所示，基于特定的有效预编码矩阵假设计算412第一主要干扰源的干扰信道相关性执行434乔里斯基分解以产生三角形矩阵L，如等式34中所说明。随后反转414三角形矩阵L以产生反转矩阵L^-1。将频谱分解416应用于如等式35中所说明的信道相关性R_H、噪声功率σ²和反转三角形矩阵L^-1，以产生单式矩阵V和对应对角线矩阵∑。根据接收数据相关性R_yy和单式矩阵V计算418有效数据相关性D_yy。随后可以对数据相关性D_yy和对角线矩阵∑执行度量运算420，如等式36中所说明。随后基于度量运算420选择422在ML意义上的最佳功率比估计

每个检测单元430-1至430-PQ基于ML标准选择422对应于有效预编码矩阵的一个集合的最佳功率比估计如等式39中所示：

随后基于ML标准在由检测单元430-1至430-PQ产生的估计434集合之间选择424第一干扰源的最佳估计功率比和有效预编码矩阵的集合，如等式40中所示：

基于等式41中所示的标准选择426第二干扰源的估计功率比：

在已如上所述找到功率比值的最佳估计以及有效预编码矩阵之后，可以使用等式42重构最佳信道协方差矩阵R：

其中信道相关性R_H与上文定义的相同，并且基于最佳有效预编码矩阵计算第一和第二干扰信道相关性如等式43中所示：

随后可以基于信道协方差矩阵R实施IRC。因为重构后的协方差矩阵R具有改进的准确度，所以UE将在经受ICI时经受增加的吞吐量。

装置

图5说明并入有本发明的各方面的移动设备500的框图。移动设备500适于实施上述干扰估计过程。所说明的移动设备500包含处理器502，所述处理器耦合到存储器504、射频(radio frequency，RF)单元506、用户接口(user interface，UI)508和显示器510。装置500适于用作一种移动设备，所述移动设备可以是各种类型的无线通信用户设备中的任一种，例如蜂窝电话、智能电话或平板设备。

处理器502可以是单个处理设备，或可以包括多个处理设备，所述多个处理设备包含专用设备，例如其可以包含数字信号处理(digital signal processing，DSP)设备、微处理器或其它专用处理设备，以及一个或多个通用计算机处理器。处理器用于执行上文提及的干扰估计过程。处理器502耦合到存储器504，所述存储器可以是各种类型的易失性和/或非易失性计算机存储器的组合，例如只读存储器(read only memory，ROM)、随机存取存储器(random access memory，RAM)、磁盘或光盘，或其它类型的计算机存储器。存储器504存储计算机程序指令，所述计算机程序指令可以由处理器502存取和执行以使处理器502执行各种合乎需要的计算机实施过程或方法。存储在存储器504中的程序指令可以被组织成程序指令组或程序指令集合，本领域技术人员使用各种术语来指代所述程序指令，例如程序、软件组件、软件模块、单元等，其中每一程序可以是认可型，例如操作系统、应用程序、设备驱动或其它常规认可型的软件组件。存储器504还包含程序数据和数据文件，这些程序数据和数据文件通过计算机程序指令来存储和处理。

RF单元506耦合到处理器502并且用于基于与处理器502交换的数字数据512传输和接收RF信号。RF单元506用于传输和接收可以符合现今使用的无线通信标准中的一个或多个的无线信号，所述标准例如LTE、LTE-A、Wi-fi以及许多其它标准。RF单元506可以从一个或多个天线接收无线信号、下变频接收到的RF信号、执行合适的滤波和其它信号调节操作，随后通过使用模/数转换器进行取样而将所得基带信号转换成数字信号。随后，将在本文中也被称为数字通信信号的数字化基带信号发送512到处理器502。

UI 508可以包含一个或多个用户接口元件，例如触摸屏、小键盘、按钮、语音命令处理器以及用于与用户交换信息的其它元件。UI 508还可以包含显示单元510，所述显示单元用于显示适于移动设备或UE 500的各种信息，并且可以使用任何合适的显示器类型实施，例如有机发光二极管(organic light emitting diode，OLED)、液晶显示器(liquid crystal display，LCD)以及例如LED或指示灯等的较不复杂元件。在某些实施例中，显示单元510并入有接收来自移动设备500的用户的信息的触摸屏。移动设备500适于实施本文所揭示的装置和方法的实施例。

图6示出根据实施例的用于估计数字通信信号中的干扰的方法600的流程图，其中数字通信信号包括共同参考信号和传输数据。

方法600包括：基于共同参考信号的信道估计确定第一干扰小区的第一干扰信道矩阵的步骤601；通过评估最大似然度量估计第一干扰小区的第一功率偏移率和第一有效预编码矩阵的步骤603，其中最大似然度量基于第一干扰信道相关性；基于所估计的第一功率偏移率和第一有效预编码矩阵重构信道协方差矩阵的步骤605；以及基于重构后的信道协方差矩阵检测传输数据的步骤607。可以通过图5中所示的装置500执行方法600。可以如结合图3和4所描述执行估计功率偏移率和有效预编码矩阵的步骤603。换句话说，图3和4中所示的过程提供步骤603的可能实施方案。

因此，尽管已经展示、描述和指出应用到本发明的例示性实施例的本发明的基本新颖特征，但应理解，本领域技术人员可以在不脱离本发明的精神和范围的情况下，对所说明的设备和方法的形式和细节以及它们的操作作出各种省略、替代和改变。此外，明确希望以基本上相同的方式实施基本上相同的功能以获得相同的结果的那些元件的所有组合也在本发明的范围内。此外，应认识到与任何所揭示的本发明的形式或实施例结合展示和/或描述的结构和/或元件可以作为一般设计选择情况而并入在任何其它所揭示或描述或建议的形式或实施例中。因此，意图将本发明仅限于由随附权利要求书所指示的范围。