干扰信号的调制方案的盲分类的制作方法

本专利文件根据35U.S.C.§119(a)和巴黎公约要求于2016年12月21日提交的国际专利申请号PCT/CN2016/111343的权益。前述专利申请的全部内容通过引用作为本专利申请的公开内容的一部分并入。

技术领域

本文件大体上涉及数字通信接收机中的信号处理。

背景

随着无线用户设备的数量增加，对于无线传输频谱的使用也在增加。通常，来自多个通信网络的信号在特别是人口密集的地区和公共场所的地点处可接收。许多传统的数据接收技术不足以能够处理其中来自其他相邻设备和网络的干扰可能使正在被接收的期望信号的质量降级的情况。

概述

本文件尤其公开了用于盲分类干扰信号的调制方案的复杂度降低的方法。

实施例可以基于可能的调制方案上的多个假设内的近最大似然算法的欧几里德距离来估计干扰的星座。由于在多输入多输出(MIMO)技术中增加了更多的天线来提高频谱效率，因此调制分类算法的复杂度呈指数级增长，特别是当每一层被允许独立地具有更高的调制阶数时。基于QR分解和固定球形解码的对于星座点的经验搜索过程可用于探测以接收的符号为中心的球体内所有星座点以用于进行分类度量计算。具有低复杂度的近似最佳的基于似然的调制分类对于具有多层传输的MIMO系统是特别有效的。

利用所公开的搜索过程，复杂度显著降低，而不会有明显的性能损失。考虑到通常在其他参数检测之前进行调制分类，并将调制分类的结果用于其他参数的检测，所公开的技术在实际应用中可以用于与其他参数的联合盲检测。

所公开的技术可以用于在具有对于实际干扰受限系统(例如用于高级网络辅助干扰消除和抑制(NAICS)接收机)的干扰消除(IC)能力的接收机处重构干扰信号。

在一个示例方面中，公开了一种用于在无线网络中的接收机处执行的无线信号处理的技术。该技术包括：由无线接收机在来自无线网络的共享下行链路信道上接收正交频分复用(OFDM)信号，其中OFDM信号包括来自服务小区信号和至少一个干扰信号的贡献；获得服务小区信号的估计；通过从OFDM信号中减去服务小区信号的估计来计算残差信号；通过白化残差信号来生成白化的残差信号；通过对白化的残差信号执行基于似然的盲分类来获得至少一个干扰信号的调制方案的估计；以及使用至少一个干扰信号的调制方案的估计来执行对服务小区信号的另外的接收机侧处理。

在另一个示例方面中，公开了一种用于无线接收机装置的技术，该无线接收机装置包括：接收机电路，该接收机电路在来自无线网络的共享下行链路信道上接收包括来自服务小区信号和至少一个干扰信号的贡献的正交频分复用(OFDM)信号；并且包括处理器，该处理器通过以下操作来处理所接收的OFDM信号：获得服务小区信号的估计，通过从OFDM信号中减去服务小区信号的估计来计算残差信号，通过白化残差信号来生成白化的残差信号，通过对经白化的残差信号执行基于似然的盲分类来获得至少一个干扰信号的调制方案的估计，以及使用至少一个干扰信号的调制方案的估计对服务小区信号执行另外的接收机侧处理。

在另一个示例方面中，公开了一种用于在无线网络中的接收机处执行无线信号处理的技术。该技术包括：接收包括携带要接收的信息的期望信号和作为叠加在期望信号上的非期望信号的干扰信号；通过从接收信号中减去期望信号来获得残差信号；以及基于具有与残差信号的星座点的最小距离的第一候选调制方案的某些星座点并且基于最接近该候选调制方案的第一星座点的第二候选调制方案的对应星座点来使用似然计算过程确定干扰信号的调制方案。这些程序还包括用于在确定干扰信号的调制方案之前白化残差信号的指令。似然计算过程通过在多个调制方案假设上使用经验搜索过程来执行。此处，可以通过利用使用了指示调制方案的预先计算的查找表的搜索过程来确定干扰信号的调制方案。干扰信号的调制方案可以通过以下方式来确定：搜索最小化残差信号的星座点与第一候选调制方案的星座点之间的欧几里得距离的星座点，针对第二候选调制方案选择最接近第一候选调制方案的星座点，计算对于每个候选调制方案的似然性，以及选择具有最大似然性的调制方案。另外，在计算似然性之前，确定干扰信号的调制方案还可以包括：针对第三候选调制方案，选择基于第一和第二候选调制方案中的至少一个的星座点使用固定球形解码技术所获得的星座点。

在另一示例方面中，该技术可以体现为由无线接收机装置的处理器实现的过程。

在另一个示例方面中，该技术可以体现为处理器可执行代码。在又一个示例方面中，处理器可执行代码可以被存储在计算机可读存储器中。

在本专利文件中描述了这些和其他特征。

附图说明

图1示出了无线通信系统的示例。

图2是无线通信装置的示例的框图。

图3是用于无线通信的接收机的示例的框图。

图4是用于干扰信号的调制方案的盲分类的示例处理的流程图。

图5是无线通信的示例方法的流程图。

图6是无线通信装置的示例的框图。

图7是用于在无线网络中的接收机处执行的无线信号处理的示例方法的流程图。

详细描述

由于新一代的无线设备(如智能手机、平板电脑)以及由于从以语音和数据为中心到以多媒体为中心的应用的基本发展，近年来无线数据业务需求已经大幅增长。为了应对数据业务的指数级增长，在频谱管理中更加灵活和积极且提高了小区频谱效率的技术将在未来的无线部署中非常有用。已经表明，与增加的空间秩序或增加的频谱带宽相比，通过增加更多小区来的空间频率复用提供了更大的容量增益。诸如长期演进(LTE)的高级和更高级别的行业标准预计将通过使用小型小区技术来利用频谱效率，并且还被设计用于其中所有小区使用相同频率的所谓的频率复用操作。实际上，在相邻小区中使用相同的频带会造成高级别的小区间干扰，特别是在小区边缘处。因此，对于靠近小区边缘的用户设备(UE)的区域，可以预期高水平的干扰、低的信号与干扰加噪声比(SINR)和差的接收机性能。在这种情况下，大多数最近的无线系统都是干扰受限而不是噪声受限的。

了解和缓解干扰有助于无线网络的性能改进。通常，干扰信号包括小区内干扰信号和/或小区间干扰信号。小区内干扰来自多用户多输入多输出(MU-MIMO)传输到与受害UE(例如，受干扰的UE)相同的服务小区中的其他UE。由于专用于相同UE的空间MIMO流的非正交性而引起的流间干扰可以被称为单用户MIMO干扰和用户间干扰，其可以在服务于相同小区中并且共享相同资源的UE之间出现，可以称为MU-MIMO干扰。位于不同小区的UE之间发生的干扰可以称为小区间干扰。消除或抑制干扰可能会大大提高对于小区容量和干扰受限系统的覆盖范围。通过使用反馈信道状态信息可以在演进节点B(eNodeB)处避免MU-MIMO相关的内部干扰。通常借助于在LTE/LTE-A中的频域小区间干扰协调方案(ICIC)来解决小区间干扰问题。一些ICIC方法已经用LTE标准的版本8/9引入。

与发送侧处的协调相反，干扰也可以在接收机侧被抑制或消除，以提供显著的性能增益。例如，服务小区的流间干扰可以利用连续IC(SIC)算法来消除。用于流间干扰抑制的SIC算法已被广泛用于实际系统。在版本11中已经规定了用于下行链路干扰受限系统的基于接收机的解决方案。干扰抑制组合(IRC)有效地对接收到的信号进行线性最小均方误差(LMMSE)滤波，以减小干扰在空间域中的贡献。已经表明，IRC实现了最佳的性能-复杂度折衷。然而，在较高的干扰水平下，在一些实现中观察到IRC与干扰感知接收机(IAR)相比的显著的性能损失。为了在UE处实现有效的干扰缓解，最近已经研究了基于最大似然(ML)标准的最优简化IAR。基本思想在于如果UE接收机能够连续地解码和减去干扰数据流(例如，小区间码字消除)，则可以实现无干扰(或干扰最小化)性能。然而，需要关于干扰调制、编码方案和资源分配等的信息，这对UE是不可用的。为了克服IAR的这个缺点，在IAR之前的干扰信息估计器必须由这样的实现来实现。

网络辅助使得能够使用更先进的接收机，包括积极的非线性结构，其与版本11的链级仿真下的IRC相比获得了有希望的性能增益。由第三代合作伙伴项目标准(3GPP)提出的包括增强线性MMSE-IRC(E-LMMSE-IRC)、符号级干扰消除(SLIC)、码字干扰消除(CWIC)和简化复杂度最大似然(R-ML)接收机的NAICS具有向UE提供附加信息以支持其干扰消除(IC)能力的潜在优点。通过利用网络的可能帮助探索干扰知识的程度，证明了接收机处的小区内和小区间干扰缓解的性能增强。尽管小区间CWIC能够在所有方案中实现最高的吞吐量，但是由于其高度复杂以及其对于更严格的参数的需求(诸如编码方案和加扰干扰的比特流的规则)，这在UE侧处非常困难，因此其从讨论中被除去。SLIC具有最佳的性能-复杂度折衷，对干扰信号具有合理的参数要求。一般来说，3GPP使用SLIC算法作为NAICS的基线接收机以用于性能比较。

与其中直接抑制干扰并将其作为背景噪声的干扰抑制原理相反，用于处理对于NAICS接收机的IC通常有两种处理过程：干扰信息提取和从接收到的信号的干扰重构。在充分了解干扰的情况下，链级仿真表明带有IC的NAICS接收机带来了显著的性能提高。然而，不同的IC算法基于对干扰信号知识的不同假设，可能需要不同的网络辅助信息。显然，在削减之前获得干扰信号的精确估计(包括其传输结构和信道信息的知识)是有益的。因此，可靠的估计可以在取得有希望的性能方面发挥重要作用。

在3GPP的NAICS研究项目中，确定了有助于IC的各种参数候选。例如，按传输会话所配置的较高层的参数(例如，传输模式、小区ID、MBSFN子帧、CRS天线端口，Pa/Pb)；在传输会话期间动态发信号的参数(例如，CFI、PMI、RI、MCS、资源分配、DMRS)；以及其他部署相关参数(例如，同步、CP、子帧/时隙对准)。这些参数通常在UE侧处不可用。有可能让接收机盲检测与干扰信号相关联的那些参数，而没有任何信令的帮助，但是复杂度可能是不切实际的高。然而，由于每个物理资源块(PRB)和每个传输时间间隔(TTI)的干扰特性可能发生变化，因此所有这些参数的动态信令也是不可行的。另外，在NAICS操作期间，服务基站仍然应该向受害UE发送信号信息，不仅用于小区间信息，而且还用于由于MU-MIMO传输而导致的小区内信息。接收机必须盲检测这些参数中的至少一些，而没有或具有最小的网络辅助。一般来说，对于诸如SLIC等的目标接收机的参数包括天线端口数、信道估计、调制方案、TM、Pa等等。

盲估计通常使用所发送和接收的假设数据之间的相关性，而不知道确切传输数据的信息。盲估计方案通常实现指定的算法，并使用足够数量的接收样本来执行统计分析和回归。例如，盲调制检测的目的是确定在接收样本内使用的调制方案的类型。只有由接收到的噪声样本提供的经验数据是所有使用的调制方案的最接近合法星座点的距离。假设所有其他参数都能可靠地估计，则通过计算接收样本与所有可能的调制方案的所有合法星座点之间的欧几里得距离的差，利用似然分类算法来检测调制方案。

为了不限制在eNodB处的调度的灵活性，干扰参数被假定根据频率中的每PRB对粒度和时域中每TTI而变化。由于物理信道的快速改变的信息内容，因此盲检测可能遭遇比期望的更高的复杂度，以及比期望的更低的可靠性。另外，由于3GPP的要求，即NACIS应该能够经由先进的接收机处理来增强链路和系统级性能，同时确保在增益不可用时与Rel-11接收机性能相比的鲁棒性，对于盲检测的准确性和可靠性存在最坏情况的限制。干扰参数的盲检测当然是敏感的过程，因为任何参数误检测都会导致干扰信号的错误识别，并且甚至会给实际应用带来性能代偿，因为消除错误信息可能会具有噪声放大效应。因此，该系统和方法需要增加盲检测的可靠性，同时降低复杂度。对于UE NACIS接收机设计来说，这不是一件不重要的事情。

调制分类是识别在检测信号的发射机处采用的调制方案的任务，其对于各种军事和民用应用是有用的。调制分类技术可以分为两个类别：取决于统计特性的基于特征的分类，以及基于似然的方法的ML分类。基于特征的方法通常容易实现，但是性能会根据应用和选择的特征而显著变化。本文件主要关注后一种方法。ML分类器对于同等概率调制最小化决策错误的平均概率，困难在于对数似然计算的复杂度。此外，尽管MIMO技术中的更多天线导致频谱效率的增加，但是复杂度呈指数级增长，尤其是当每个层被允许独立地具有更高的调制阶数时。对于解调，选择仅使用从最接近的星座点到接收信号的距离来最小化平均对数似然的次优方案。对于不考虑由于对于较高调制方案存在更多数量的更接近合法点(这将产生更低的错误率)的事实而使用的实际调制，对于更高阶调制方案通常存在偏见。调制分类也是对于其他参数检测的前提步骤，复杂度降低的调制分类算法为实际应用中的其他参数开发对于联合盲检测的高级算法提供了可能性。

除了其它技术之外，本文件还公开了用于盲分类干扰信号的调制方案的复杂度降低的方法。该技术可用于利用干扰消除(IC)能力在接收机处预处理干扰信号重构，用于实际的干扰受限系统。为了应对无线系统中数据业务的指数级增长，我们需要更加灵活和积极的频谱管理来提高小区频谱效率。

在3GPP LTE-A版本12中已经提出了网络辅助干扰消除和抑制(NACIS)以至少部分地抗干扰且显著地增强干扰受限系统中的小区边缘用户设备(UE)的性能。然而，增强是在假设通过网络广播信令或UE盲检测使UE知道干扰传输的知识的情况下进行的。知识的详细参数包括UE指定的业务量-导频功率比(Pa/Pb)、秩指示符(RI)、预编码的矩阵指示符(PMI)、调制方案，取决于高级接收机的类型的可能更多的参数。

诸如符号级干扰消除(SLIC)、降低复杂度最大似然性(R-ML)和码字干扰消除(CWIC)的算法可被用作目标接收机的类型，并在NAICS环境下由3GPP进行彻底的评估。此后，由于CWIC的高度复杂度，并且因为它需要更严格的参数，所以它被放弃了讨论。SLIC由于其在性能增益、复杂度和所需辅助参数之间的可达成的折衷而成为最可行的算法。SLIC是一个连续的基于IC的接收机，它通过在符号级处依次应用线性检测、重构和干扰信号的消除来工作。SLIC接收机的性能取决于干扰信号被重构得有多么好。SLIC需要一系列可靠的干扰信号参数，并且其中的少数几个、至少传输模式(TM)和调制方式，由于受限的网络资源导致的网络无法向UE发送所有需要的参数而必须要盲检测。

盲检测当然是具有挑战性的预处理步骤，因为用于盲检测的接收信号由期望信号和干扰信号两者叠加。理想情况下，通过利用所允许的参数组合的模式具有相等的概率的假设来最小化决策错误的平均概率，可以在一个ML框架中联合最优地检测多个参数。但是，最佳性伴随有由于大量的模式而产生的高计算复杂度，并且需要在应用中在每个PRB和每个传输时间间隔(TTI)粒度上实现。降低对于实际应用的计算复杂度势在必行。使用本文件中公开的技术的一些实施方式集中于用于干扰信号的调制方案的分类的复杂度降低的算法。它基于在对可能的调制方案的多个假设内的欧几里得距离最大似然算法，以估计干扰的星座。

该文件公开了基于QR分解和固定球形解码的星座点的经验搜索过程，以探索以接收的符号为中心的球内的所有星座点用于分类度量计算。利用所公开的搜索过程，复杂度显著降低而不损失性能。考虑到调制分类是对于其他参数检测的基本算法。所公开的技术提供了在实际应用中连同其他参数来开发用于联合盲检测的高级算法的可能性。

图1示出了无线通信网络或系统的示例。该无线通信网络可以包括一个或更多个基站(BS)105、107和一个或更多个无线设备110。基站105、107可以在被称为下行链路(DL)信号的前向链路(FL)上向一个或更多个无线设备110发送信号。无线设备110可以在反向链路(RL)(称为上行链路(UL)信号)上向一个或更多个基站105、107发送信号。无线通信系统可以包括一个或更多个核心网络125以控制一个或更多个基站105、107。一个或更多个基站形成无线电接入网络。由于其为无线设备提供无线接入的性质，基站可以被单独地或者与一个或更多个其他基站组合地称为接入点(AP)、接入网络(AN)或eNodeB。可以实现本技术和系统的无线通信系统的示例尤其包括基于码分多址(CDMA)的无线通信系统，诸如，CDMA2000 1x、高速分组数据(HRPD)、长期演进(LTE)、通用陆地无线接入网(UTRAN)和全球互通微波接入(WiMAX)。

图2示出了用于实施无线设备、基站或其他无线通信模块的无线电收发机站200的示例。无线电台的各种示例包括图2中的基站和无线设备。诸如基站或无线设备的无线电台205可以包括处理器电子设备210，诸如实现诸如在本文件中提出的技术的一种或更多种的方法的微处理器。无线电台205可以包括收发机电子设备215，以通过诸如天线220的一个或更多个通信接口发送和/或接收无线信号。无线电台205可以包括用于发送和接收数据的其他通信接口。在一些实现中，无线电台205可以包括一个或更多个有线通信接口以与有线网络进行通信。无线电台205可以包括被配置为存储诸如数据和/或指令的信息的一个或更多个存储器225。在一些实现中，处理器电子设备210可以包括收发机电子设备215的至少一部分和存储器225。

在一些实现中，无线电台205可以基于正交频分复用(OFDM)空中接口彼此通信。在一些实现中，无线电台205可以使用诸如Wi-Fi、WiMAX、LTE和LTE-A的一个或更多个无线技术进行通信。所公开的技术可以在图2所描绘的无线电台205和系统中实现。

由于频谱稀缺性，大多数的LTE/LTE-A部署当前在相邻小区上重复使用相同的载波频率。另外，多用户MIMO可以通过为多于一个用户分配相同的时频资源来实现高频谱效率。在这种情况下，大多数的最近的无线通信系统是干扰受限的而不是噪声受限的。在LTE-A版本-12增强中，具有IC能力的高级接收机被提出以用于在小区边缘处的LTE-A系统，以与强大的多小区干扰作斗争，并与版本11IRC相比提高系统容量。通过以可能的网络辅助从盲参数估计增加干扰传输知识的程度来实现性能增益。为了实现LTE-A系统中的实际性能改进，准确且可靠的参数估计对于有效实现IC至关重要。对于现实中部署的大规模LTE网络，信道条件、从周边时间同步和/或非同步小区生成的干扰源的数目随时间动态变化。具有动态ON/OFF统计特性的干扰小区的数据传输高度依赖于相邻小区中的动态调度行为。因此，NAICS接收机的IC有时可行，而有时不可行，这取决于来自盲参数估计的可达到的干扰传输知识的程度。

例如，可以使用在可能的调制方案上的多个假设内的欧几里得近最大似然算法来估计干扰的星座。一些实施例使用基于QR分解和固定球形解码的星座点的经验搜索过程来探索以接收符号为中心的球内的所有星座点以用于分类度量计算。近似最优的低复杂度基于似然的调制分类对于多层传输下的MIMO系统是特别有效的。

由于在MIMO技术中增加了更多的天线来提高频谱效率，调制分类算法的复杂度呈指数级增长，尤其是当每一层被允许独立地具有更高的调制阶数时。利用所公开的搜索过程，复杂度显著降低，而不会有明显的性能损失。考虑到调制分类是对于其他参数的基本算法。

为了说明简单，可以使用3GPP TR 36.388中规定的相邻干扰模型和一般性描述。令同时发送的小区的数目是N，包括服务小区。接收的信号由所有N个单元、包括服务单元的发送信号的叠加给出，

在上述表示中，信号的业务量与导频功率之比βi从第i个小区被发送，Hik是在第k个RE上的第i个小区的信道矩阵，xik是在第k个副载波上由第i个小区发送的并且被假定具有平均的单位功率的调制的符号。此外，k＝0，1，2，...，，K-1，Pi是由第i个小区所使用的空间预编码矩阵。K是观察到的副载波的总数。假设小区1和小区2分别是服务小区和支配干扰小区，则小区的数目是N，具有一个服务小区和N-1个干扰。在一些实施例中，UE尝试取消小区2上的数据传输。类似地，由接收机实现的信号处理算法试图稳定地提取小区2的传输信息结构。

假设在接收机处只明确地考虑了期望信号和一个单个支配干扰，接收的信号可以被重写为：

不失一般性，假设服务小区信号强于干扰小区信号，首先应用E-LMMSE-IRC来抑制干扰信号并估计期望的服务小区信号。这里，代表信道估计，代表业务量与导频功率比，表示对于服务小区和支配干扰小区的每个副载波的调制符号，表示空间预编码矩阵。预处理的接收符号可以用于在对期望信号进行后消除之后的支配干扰信息提取，

为了简单起见，对于目标UE和干扰UE都只假定一个层传输。通过使用几种众所周知的信道估计技术中的一种，可从参考符号获得对于期望信号和干扰信号的可靠信道估计。残留的期望信号和所有其他信号被视为有色高斯，然后与背景噪声一起被白化以用于干扰信号信息检测。检测的粒度可以被选择为每个子帧内的一个PRB对。

在操作的一个步骤中，干扰信号是要盲检测的期望信号。可以应用几种传统的检测算法来确定支配干扰。更精细的方法是计算接收且预处理的信号与乘以信道估计的最接近的星座点之间的差值以及信号的业务量与导频功率的比。联合估计的映射符号、预编码矩阵和信号的业务量与导频功率的比是星座点其通过采用硬式决定最小化：

然而，众所周知，基于从最近星座点到近似干扰信号的最小距离的检测不是最佳的。

盲检测和IC实现的示例

为了便于说明，对于盲检测和IC实现的简要总结如下给出：

为简单起见，假定SLIC是目标接收机类型。但是下面出于教导目的讨论了仅仅针对TM4的盲检测以及具有单层和两层的MIMO系统的调制方案。为简洁起见，省略其他参数检测。

原始的接收信号通过期望的信号和干扰信号被叠加。在预处理期间，从接收的信号中减去或抑制期望信号，使得剩余的信号具有干扰加上具有小的残留期望信号的噪声。然后，在有色高斯的假设下进行对残留期望信号加噪声的频谱白化，然后进行基于似然的干扰调制分类。

假设与干扰信号相关的所有其他参数都可靠地已知，则可以基于在可能的调制方案上的多个假设内的欧几里得距离近最大似然算法来进行调制分类。

对于两层传输模式，存在两个码字(CW)。他们可能有不同的调制方案。在一些实施例中，可以联合实现两个层的盲调制分类以获得最佳性能，但是以增加的复杂度为代价。

在一个TTI期间，基于每个PRB的下行链路物理层参数是相同的。因此，在一些实施例中，在时域中的每个TTI和频率中的每个PRB对粒度上实现盲检测。作为示例，在每个PRB对上来自3个OFDM符号的总共36个接收信号被用于盲检测。

利用盲检测到的干扰信息，NAICS接收机的基本实现是对符号进行软干扰估计，然后消除由这些符号对期望符号造成的干扰。

ML分类器使在每个TTI的每个PRB处的对于同样可能的下行链路调度事件(调制方案和TM的组合)的决策错误的平均概率最大化。确定调制方案、RI和PMI的目标函数可以联合表述为：

在上面的等式中，Cn代表已知的调制星座，Nb代表了若干个资源元素，RI代表对于数据中的至少一个的秩。PMI代表对于相应秩的PMI集合，以及是每个资源元素上的噪声方差。

为了简化说明，本文件基于TM4和其他调制方案的联合检测来讨论实施例。假定从一些其他盲检测算法可靠地知道业务量与导频功率的比。为了简单起见，具有上述假设的目标函数可以被重新表述为：

这里，已知的调制方案Cn的示例包括QPSK、16QAM和64QAM。对于基于CRS的TM4，所允许的秩指示符/预编码矩阵指示符(RI/PMI)集合是：对于RI＝1，PMI＝0、1、2和3，并且对于RI＝2，PMI＝1和2。请注意，上面的等式除去了对于接收信号的索引“i”，并假定接收到的是干扰信号，且有效信道估计对于一层和两层传输分别是和

对于在一个指定的RI/PMI对处的每个接收到的样本，似然性的计算对于一层如下表示为：

对于具有两层的MIMO传输，存在两个码字。两个码字的调制方案通常是独立的；对于两个码字的调制分类可以联合实现如下：

其中，xi对应于星座符号，而总和在调制方案的所有星座点上。由于对数和指数运算，计算可能在计算上是昂贵的，特别是对于64-QAM。

最优的基于似然的调制分类决定了调制方案，其具有在可能的调制方案的多个假设内的最大似然性，并且通过估计干扰信号的星座的基于欧几里德距离的似然性来对这些可能的调制方案执行假设测试。尽管随着发射天线的数量和星座集大小的增加，其可以以高计算复杂度的代价实现最佳性能。然而，通过仅考虑有限数量的星座点，例如仅列举以接收符号为中心的超球面内的格点的探索，通过类似于近最大似然检测的MIMO系统中类似的高级算法，可以降低复杂度。

为了减少计算从各个星座点到接收信号的距离的指数函数的总和的复杂度，可以使用下面概述的经验搜索过程：

对于一层传输的欧几里得距离表示为：

d＝(|y0-h0x|²+|y1-h1x|²) (10)

对于不同调制方案的似然性的计算步骤可以包括搜索最佳的x以用于最小化在QPSK的四个星座点中的d，并且计算对于QPSK的度量作为-d/σ2并且将具有最小d的最佳星座表示为

计算步骤可以包括搜索最佳星座x以用于最小化在16QAM的最接近的四个星座点内的d，并将具有最小d的最佳星座表示为计算步骤还可以包括计算16QAM的最接近于的仅四个星座点的似然度量的总和。

计算步骤可以包括根据预先计算的表格找到具有约0.35的半径以为中心的球体内的64QAM的星座点的数目和索引，并且仅将这些星座点包括在对于64QAM的似然计算的总和中。表1列出了对于16-QAM的每个星座的在0.35的球半径中包括的64QAM的星座索引的示例。

表1

针对两层传输的不同调制的似然性的计算步骤如下：

QR分解

为了降低复杂度，信道矩阵被分解成正交矩阵Q和上三角矩阵R，其被给出为H＝QR，是正交矩阵，即，Q^H＝Q^-1满足条件Q^HQ＝I，I是单位矩阵。是上三角矩阵，那么，

Q的推导如下：

其中：r＝|h00|²+|h10|²。

接下来，Y被Q^H旋转

通过使用以下关系式，

Q^HY＝Q^HQRX+Q^Hn＝RX+Q^Hn (15)

以下等式可被导出：

所以，距离度量可以等效地表示为：

将与两个旋转的接收信号有关的两个变量定义为：

对于两层传输的MIMO系统进行QR分解后，不变量似然计算表示为：

示例搜索过程

在一些实施例中，可以使用以下搜索过程来估计似然函数。

在步骤1中，x0通过搜索最佳的来近似估计，以最小化在对于64QAM的六十四个星座点中的以及x0的估计被表示为

在步骤2中，利用固定的假设来搜索使对于QPSK的四个星座点中的d0+d1最小化的最佳x1并且x1的估计被表示为随后，计算对于CW-1的QPSK的对数似然性。

在步骤3中，搜索使对于16-QAM的4个星座点中的d0+d1最小化的最佳的x1，其是在固定处最接近于的。x1的估计被表示为随后，仅对16-QAM的那四个消除点计算似然性的总和。

在步骤4中，从预先计算的表格中找到具有约0.35的半径的、以为中心的球体内的64QAM的星座点的数量和索引。

在步骤5中，通过仅使用在前一步骤中找到的64-QAM的星座点来计算对于64QAM的似然性的总和。对于16QAM的每个星座的最接近的64QAM星座的数目是

{12,10,10，8，12,10,10，8，12,10,10,8}. (20)

星座索引被预先搜索并保存在表格中。以16-QAM的最佳星座点为中心的超球面内的平均星座数目在十个左右。

利用对于CW-1的似然计算程序，通过如下重写接收的样本得出对于CW-0的计算相对简单：

因此，通过在列滑动矩阵(column swiped matrix)上的QR分解来计算CW-0的似然度量，并且以交换索引重复以上过程，以分别用于QPSK、16-QAM和64-QAM的调制方案。

在每个接收样本的对数似然性的计算之后，基于每个PRB对上的3个OFDM符号的三十六个接收样本的平均值由下式给出：

在计算对TM4的所有可能的RI/PMI以及调制方案之后，结果是平均似然度量的集合，{对于RI＝1，{12(4×3)度量；对于RI＝2，18(2×3×3)度量}。这些可以通过找到具有最大似然平均度量的TM(RI/PMI)和调制方案对来用于TM4和调制方案的同步检测。

与TM和调制方案之间的连续检测相比，联合检测可以避免误码传播，以在ML意义上的重构软符号与接收样本之间的欧几里得距离的最小差异方面获得最优检测性能。在实际应用中，这种最优性伴随有具有调制分类的足够低的复杂度算法的条件。对于上述公开的技术中的MIMO系统的球尺寸可以是影响技术性能的经验参数。较大的半径在总和中包括更多的星座，基于似然的调制分类的近最佳的更好的近似，但具有呈指数级增长的复杂度。基于具有球面尺寸为0.35的系统级仿真，复杂度降低了97％，并且性能损失小于0.2dB。在各种实施例中，可以使用0.3和0.4之间的球尺寸。

图3示出了无线信号接收机装置300的一部分的示例性框图，其中本文件中公开的用于干扰信息和SINR估计技术的盲检测中的一些可以用于处理接收到的无线信号。如本文所描述的，接收机装置300可以体现在无线接收机110或接收机200中。在装置300中，信号由UE接收机301接收并被转换为样本流302。所接收的样本可以对应于每个RE，并且可以包括来自服务小区的信号和所有干扰小区信号的贡献。服务小区信号由模块314使用信号估计算法(例如利用E-LMMSE-IRC)、使用对于服务和干扰小区的信道估计的可用性来估计。然后模块304从接收到的样本中消除服务小区信号，输出其主要贡献可能来自支配干扰小区信号的残差样本。白化模块306可以执行白化残留的干扰和噪声信号的功能。在块308处，每个副载波的干扰信息被从残差样本盲检测。得到的输出被后处理，然后用于干扰信号重构和消除310和MIMO检测312。指示在块308处生成的盲检测的可靠性的度量被提供给干扰信号重构和消除块310，然后将得到的度量提供给MIMO检测块。

图4示出了处理无线通信接收机中的接收信号的方法400的流程图。在402处，将用于盲检测的参数输入到方法400。干扰信号的信道估计在404处执行，并且在406处生成预处理的干扰信号。在408、410、412和414处，测试用于RI和PMI的不同组合的各种有效信道矩阵，其中在416处输出用于调制方案识别。当RI＝2时，对于PMI＝1(418)和PMI＝2(426)的两种特定情况，可以针对码字W0(420)和CW1(428)两者执行QR分解以获得CW0(424)和CW1(432)的对应的调制分类。随后可以生成对于CW0和CW1(430)的似然性度量。在422处，执行传输模式和调制方案检测，并且将结果用于重构干扰信号的估计。

图5示出了在无线网络中的接收机处执行的无线信号处理的示例方法500的流程图。

方法500包括在502处由无线接收机在来自无线网络的共享下行链路信道上接收正交频分复用(OFDM)信号，其中OFDM信号包括来自服务小区信号和至少一个干扰信号的贡献。

方法500包括在504处获得服务小区信号的估计。可以使用用于估计导频或参考信号的存在或功率的任何公知的盲估计技术来执行服务小区信号的估计。

方法500包括在506处通过从OFDM信号中减去服务小区信号的估计来计算残差信号。在一些实施例中，可以使用专用硬件以数字方式执行残留计算操作。可选地或附加地，处理器可以被编程为执行消减操作。

方法500包括在508处通过白化残差信号来生成白化的残差信号。

方法500包括在510处通过对白化的残差信号执行基于似然的盲分类来获得至少一个干扰信号的调制方案的估计。在一些实施例中，基于似然的盲分类可以使用测试多个调制假设并选择最佳假设的一个的经验搜索过程来执行。例如，如关于等式6到等式10所描述的，经验搜索过程可以包括制定目标函数并使目标函数的值最小化。如前所讨论的，在一些实施例中，搜索过程可以在多个接收到的信号符号上实现。例如，在一些实施例中，三个连续的OFDM符号可以用于搜索过程。在评估用于各种候选符号估计的目标函数时，可以选择具有函数的最小值的一个作为由干扰信号发送的符号。

如本文所述，在一些实施例中，经验搜索过程可以包括执行信道矩阵的QR分解，例如在MIMO接收机的情况下。

在一些实施例中，调制方案的估计可以利用使用预先计算的查找表的搜索过程。使用预先计算的查找表的示例实施例关于等式(19)到等式(22)来描述。在一些实施例中，可以使用固定球形解码技术来估计符号星座。在各种实施例中，在固定球形解码期间使用的半径参数可以被选择为0.325和0.375之间的数字。在一些实施例中，半径可以是0.35，因为发明人的仿真显示该半径值特别适合于结果。

方法500包括在512处使用至少一个干扰信号的调制方案的估计来执行服务小区信号的另外的接收机侧处理。进一步的处理可以包括接收机链操作，诸如纠错解码等等。

在一些实施例中，无线通信接收机装置可以包括存储器、处理器以及用于接收OFDM信号的一个或更多个天线。处理器可编程以从存储器读取指令并且实施如关于方法400或500所描述的方法。

图6示出了无线信号接收机装置600的一部分的示例框图。装置600包括接收正交频分复用(OFDM)信号的模块602。装置600包括估计服务小区信号的模块604。例如，可以使用E-LMMSE-IRC来估计期望的服务小区信号。装置600包括通过从OFDM信号中减去服务小区信号的估计来计算残差信号的模块606。装置600包括模块608，其通过白化残差信号来生成白化的残差信号。装置600包括使用基于似然的盲分类来估计调制方案的模块610。在一些实施例中，可以使用对于多个调制方案假设的经验搜索过程来估计调制方案。例如，调制方案的估计可以基于在可能的调制方案上的多个假设内的欧几里德距离最大似然算法来估计干扰的星座。装置600包括执行另外的接收机侧信号处理的模块612。

图7示出了在无线网络中的接收机处执行的无线信号处理的示例方法700的流程图。方法700包括在702处接收包括携带打算被接收的信息的期望信号和作为叠加在期望信号上的不期望信号的干扰信号的信号。方法700包括在704处通过从接收的信号中减去期望信号来获得残差信号。方法700包括在706处使用似然计算过程、基于具有与残差信号的星座点具有最小距离的第一候选调制方案的某些星座点并且基于最接近第一候选调制方案的星座点的第二候选调制方案的对应的星座点来确定干扰信号的调制方案。该程序还包括用于在确定干扰信号的调制方案之前白化残差信号的指令。似然计算过程通过在多个调制方案假设上使用经验搜索过程来执行。在此处，可以通过利用使用了指示调制方案的预先计算的查找表的搜索过程来确定干扰信号的调制方案。干扰信号的调制方案可以通过以下方式来确定：搜索最小化残差信号的星座点与第一候选调制方案之间的欧几里得距离的星座点，针对第二候选调制方案选择最接近第一候选调制方案的星座点的星座点，计算对于每个候选调制方案的似然性，以及选择具有最大似然性的调制方案。另外，在计算似然性之前，确定干扰信号的调制方案还可以包括：针对第三候选调制方案，基于第一和第二候选调制方案中的至少一个的星座点，使用固定球形解码技术来获得星座点。

将认识到，用于盲分类干扰信号的调制方案的复杂度减少的方法被公开用于干扰信号重构和干扰消除。已知基于欧几里得距离的ML方法对于调制分类是最优的，但是最优性伴随有高计算复杂度，尤其是对于在MIMO系统中增加更多的天线来提高频谱效率并且允许每个层独立地具有更高的调制阶数。复杂度是由于在决策度量的列举计算期间对于所有允许的调制方案的所有星座点的对数似然计算。然而，通过仅考虑有限的星座点，通过类似于近ML检测的MIMO系统中的类似的高级算法，可以降低复杂度。

利用所公开的搜索过程，证明了特别对于具有不同调制方案的多层MIMO系统中的多码字的联合分类，复杂度大大降低，而没有明显的性能损失。考虑到调制分类是对于诸如传输模式、信号的业务量与导频功率的比的其他参数检测的基本算法。所公开的技术提供了开发用于联合多个参数盲检测的高级算法以避免在实际应用中的顺序检测中存在错误传播的可能性。

本文件中描述的公开的和其他实施例、模块和功能操作和模块可在数字电子电路中或在包含本文件中所公开的结构及其结构等价物的计算机软件、固件或硬件中或在它们中的一个或更多个的组合中实现。所公开的和其他实施例可被实现为一个或更多个计算机程序产品，即，计算机程序指令中的一个或更多个模块，其被编码在计算机可读介质上以用于被数据处理装置执行或用于控制数据处理装置的操作。计算机可读介质可以是机器可读存储设备、机器可读存储衬底、存储器设备、实现机器可读传播信号的物质组合物或它们中一个或更多个的组合。术语“数据处理装置”包含用于处理数据的所有装置、设备和机器，例如包括可编程处理器、计算机或多个处理器或计算机。除了硬件之外，该装置还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或者它们中的一个或更多个的组合的代码。所传播的信号是人工生成的信号，例如，机器生成的电、光或电磁信号，其被生成以对信息进行编码，从而传输到合适的接收机装置。

计算机程序(又称为程序、软件、软件应用、脚本或代码)能够以任何形式的编程语言编写，编程语言包含编译或解释语言，且它能够以任何形式部署，包含作为独立程序或作为模块、部件、子例程或适合在计算环境中使用的其他单元。计算机程序不一定对应于文件系统中的文件。程序可在文件中的保存其他程序或数据(例如，在标记语言文档中存储的一个或更多个脚本)的一部分中、在专用于所讨论的程序的单一文件中或在多个协调文件(例如，存储一个或更多个模块、子程序或代码的部分的文件)中存储。计算机程序可被部署为在一个计算机或在处于一个地点或分布于多个地点且由通信网络相互连接的多个计算机上执行。

本文件中所描述的过程和逻辑流可由一个或更多个可编程处理器实施，可编程处理器执行一个或更多个计算机程序，以便通过对输入数据进行操作和生成输出来执行功能。过程和逻辑流也可被专用逻辑电路实施，且装置也可被实现为专用逻辑电路，该专用逻辑电路例如为FPGA(现场可编程门阵列)或ASIC(专用集成电路)。

适于执行计算机程序的处理器包括例如，通用微处理器和专用微处理器以及任何类型的数字计算机的任何一个或更多个处理器。通常，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的关键元件是用于执行指令的处理器和用于存储指令和数据的一个或更多个存储器设备。通常，计算机还将包括用于存储数据的一个或更多个大容量存储设备(例如，磁盘、磁光盘或光盘)或被可操作地耦合以从用于存储数据的一个或更多个大容量存储设备接收数据或向其传递数据或两者兼有。然而，计算机不需要具有这种设备。适用于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，包括例如：半导体存储器设备，例如，EPROM、EEPROM和闪存设备；磁盘，例如，内部硬盘或可移动盘；磁光盘；以及CD ROM和DVD-ROM盘。处理器和存储器可被专用逻辑电路补充或合并到专用逻辑电路中。

虽然本文件包含很多具体说明，但这些不应该被解释为是对要求保护的本发明的范围或可要求保护的内容的限制，而应该解释为是对特定于具体实施例的特征的描述。在单独的实施例的背景下，本文件中所描述的某些特征也可在单个实施例中结合实施。相反地，也可以在多个实施例中单独地或以任何合适的子组合实现在单一实施例的背景下描述的各种特征。此外，尽管特征在上文中可被描述为作用在特定组合中并甚至起初如此要求保护，但是来自所要求保护的组合的一个或更多个特征可在一些情况下从组合中删除，且所要求保护的组合可针对子组合或子组合的变体。类似地，虽然在附图中以特定顺序描绘操作，但这不应该被理解成为了获得满意的结果，要求以所示特定顺序或以序列顺序进行这种操作或者进行所有所示操作。

仅公开了几个示例和实施方式。可以基于所公开的内容对所描述的示例和实施方式以及其他实施方式做出变型、修改和增强。

尽管为了指导目的已经结合具体的NAICS应用描述了几个实施例，但是其不限于此。例如，该方法适用于多用户MIMO系统中的多用户连续IC的调制分类和对于未来无线电接入的非正交多址接入。因此，可以在不脱离本发明的范围的情况下实践描述的各种特征的各种修改，调节和组合。