本发明涉及通信领域，具体是一种无线通信多模终端系统的通用均衡算法。
背景技术：
：基带芯片是手机芯片里面的制高点，一直是国际巨头的必争之地。不少厂商如德州仪器、英伟达等，最终因缺乏竞争力的基带芯片而被手机市场所淘汰，而高通却凭借基带芯片坐上移动芯片市场的龙头宝座。因此，基带终端芯片才是厂商最核心的竞争力，甚至决定了生死存亡。一般用户都会认为手机CPU的性能体现在处理速度和功耗，其实在智能手机时代还有一层最基础、最关键的需求-手机信号质量。手机信号质量主要由基带终端芯片决定，另外，基带终端芯片也同时决定了手机上网速度。目前大家最喜欢的手机是全网通的手机，而能否全网通，也是手机基带芯片决定的。目前多模接收机存在的问题如下：首先，各单模帧结构之间有如下几点主要不同点：1)接入方式的差异。主要有如下三种：时分、码分和频分，还有混合方式；2)支持多小区情况。有些模式同时有几个小区会给终端发送相同的信息；而有些模式仅在小区切换时，才有控制信道会同时接收不同小区信息，而数据信道不会同时接收不同小区信息；3)导频连续性；导频主要分：连续导频和非连续导频；4)导频长度不同；各种模式的导频长度各不相同；5)数据长度差异；各种模式的数据长度各不相同。其次各单模接收机算法上有如下几点主要不同点：1)各模式所采用的信道估计算法不尽相同，主要集中在LS、相关、MMSE、LMS、FFT-SIC；2)是否支持多小区，对信道估计与均衡器也产生不同的影响；3)信道跟踪问题；非连续导频采用插值或者PSP等方式来跟踪信道变化所影响的CIR变化；4)干扰消除；是否支持同频与邻频干扰，各个模式采用的方式均不相同；5)帧结构与接入方式等差异，导致均衡器的方式也各不相同。而通用结构与算法要同时支持上述这些差异与场景，是一个相对较为困难的工作。通用的信道估计算法困难主要集中在：连续导频与非连续导频；接入方式的差异；导频长度的差异；多小区问题。通用的均衡算法困难主要集中在如下几个方面：接入方式的差异；数据长度的差异；多小区问题；干扰消除问题。技术实现要素：本发明的目的在于提供一种无线通信多模终端系统的通用均衡算法，以解决上述
背景技术：
中提出的问题。为实现上述目的，本发明提供如下技术方案：一种无线通信多模终端系统的通用均衡算法，其特征在于，判决反馈均衡器在进行符号检测和判决时进行三次迭代计算，通过调用前向滤波器和反向滤波器实现码间干扰的减弱，反向滤波器的输入是判决反馈均衡器中判决器的先前输出，其中前向滤波器需要调用3次，反向滤波器需要调用2次，其具体的迭代计算算法如下：假定信号模型的频域表达形式为：R＝H·S+N；MMSE-DFE均衡包含两部分：一部分为前向滤波器系数{Fq}，q＝0,1，...,Q-1；其中Q为FFT长度，抑或子载波个数；另一部分为反向滤波器系数{Bd}，d＝0,1，...,Q-1；则前向滤波器的输出Z，反向滤波器的输出V为：Zq＝Fq·Rq表示上次迭代FD的输出。则总体输出信号U为：总体输出信号U的MSE可以表征为：对上等式求导，然后经过一系列数学处理后可以得到：Bq＝-η×[HqFq-HF]其中和作为本发明的进一步方案：所述IQ缓冲器与前向滤波器的输入端电连接，前向滤波器的输出端通过反馈环与判决器输入端电连接；所述判决器设置有两个两个输出端，其中一个判决器输出端与外部输出器电连接，另一个判决器输出端与反向滤波器的输入端电连接；所述反向滤波器也设置有两个输出端，其中一个反向滤波器输出端与前向滤波器的输入端电连接，另一个反向滤波器输出端通过反馈环与判决器输入端电连接。作为本发明的进一步方案：判决反馈均衡器进行迭代计算时，将前向与反向的系数进行如下归一化的处理，为了防止在迭代过程中，信号出现异常现象，从另外一个层面上讲，因为MMSE是一个有偏估计，对高阶或者幅度调制相关的系统有部分性能损失，特别是对反馈系统。作为本发明的进一步方案：判决反馈均衡器在双天线的应用时，双天线与过采样不共存，考虑双接收天线场景，加上两倍过采样，矩阵维度成指数增加，为了降低双接收天线的实现复杂度，引入如下限制条件：双天线与过采样不共存，即单天线场景下，采用过采样；双天线场景下，采用单采样，从而保证两种场景下，复杂度一致，且性能损失不大。作为本发明的进一步方案：所述判决反馈均衡器三次迭代的过程通过用户MMSE-DFE-OSR框架图体现，且用户MMSE-DFE-OSR框架图中包括Decision模块，Decision模块具有判决和信号重构的功能，且Decision模块对于不同模式其内部结构有所不同，即非码分系统对判决出来的信号进行软重构或者硬重构即可，而码分系统对本小区内有多少其他码道与本用户共存、其他邻小区的相关信息均未知。与现有技术相比，本发明的有益效果是：本产品能够较好的抵抗部分多径干扰和小区间干扰，可以同时消除小区内的多径之间的部分干扰，和小区间的多用户干扰，从而达到性能有较大增益的目的。附图说明图1为判决反馈均衡器结构图。图2为NotchFilter整体框架图。图3为ICU内部结构图。图4为灵敏度场景下MMSE-DFE-IC与传统JD-Chol以及JD-GS性能对比图。图5为干扰场景下MMSE-DFE-IC与传统JD-Chol以及JD-GS性能对比图。图6为灵敏度场景下MMSE-DFE与传统MLSE以及SAIC-MLSE性能对比图。图7为灵敏度场景下MMSE-DFE-Modi与传统MLSE以及SAIC-MLSE性能对比图。图8为干扰场景下MMSE-DFE-Modi与传统MLSE以及SAIC-MLSE性能对比图。图9为干扰场景MMSE-DFE与传统MLSE以及SAIC-MLSE性能对比图。图10为干扰场景下MMSE-DFE-IC与传统RAKE以及Notch-IC-RAKE性能对比图。图11为干扰场景下JMMSE-DFE传统RAKE以及Notch-IC-RAKE性能对比图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。请参阅图1～11，本发明实施例中，一种无线通信多模终端系统的通用均衡算法，其特征在于，判决反馈均衡器在进行符号检测和判决时进行三次迭代计算，通过调用前向滤波器和反向滤波器实现码间干扰的减弱，反向滤波器的输入是判决反馈均衡器中判决器的先前输出，其中前向滤波器需要调用3次，反向滤波器需要调用2次，其具体的迭代计算算法如下：假定信号模型的频域表达形式为：R＝H·S+N；MMSE-DFE均衡包含两部分：一部分为前向滤波器系数{Fq}，q＝0,1，...,Q-1；其中Q为FFT长度，抑或子载波个数；另一部分为反向滤波器系数{Bd}，d＝0,1，...,Q-1；则前向滤波器的输出Z，反向滤波器的输出V为：Zq＝Fq·Rq表示上次迭代FD的输出。则总体输出信号U为：总体输出信号U的MSE可以表征为：对上等式求导，然后经过一系列数学处理后可以得到：Bq＝-η×[HqFq-HF]其中和为了防止在迭代过程中，信号出现异常现象，将前向与反向的系数进行如下归一化的处理，从另外一个层面上讲，因为MMSE是一个有偏估计，对高阶或者幅度调制相关的系统有部分性能损失，特别是对反馈系统。考虑双接收天线场景，加上两倍过采样，矩阵维度成指数增加，为了降低双接收天线的实现复杂度，引入如下限制条件：双天线与过采样不共存，即单天线场景下，采用过采样；双天线场景下，采用单采样，从而保证两种场景下，复杂度一致，且性能损失不大。所述判决反馈均衡器三次迭代的过程通过用户MMSE-DFE-OSR框架图体现，且用户MMSE-DFE-OSR框架图中包括Decision模块，Decision模块具有判决和信号重构的功能，且Decision模块对于不同模式其内部结构有所不同，即非码分系统对判决出来的信号进行软重构或者硬重构即可，而码分系统对本小区内有多少其他码道与本用户共存、其他邻小区的相关信息均未知，为了更好的重构未知码道的信号，一般通过FHT变换得到所有码道上的功率，再通过NoiseNulling操作将小功率码道上数值清零，然后IFHT变换获得未知码道重构信号。对于基于MMSE-DFE传统干扰消除算法SIC、PIC均仅考虑单小区，没有将用户联合起来考虑，这样也就损失了部分的信息量。为此，本实用将MMSE-DFE扩展到多用户，并考虑了多用户之间的相关性，扩展成两用户的形式，如下等式所示：其中标号j表示MMSE-DFE中的迭代次数，k表示用户Index，q表示频域子载波Index，其矩阵向量形式可以写成：代价函数为：通过推导可以获得前向与反向滤波器系数为：其中，可以观察上式中非对角元素为非零，即表征为多用户之间的互相关信息，进一步提高的反馈消除的有用信息量，进而提高系统性能。为了防止在迭代过程中，信号出现异常现象，将前向与反向的系数进行如下归一化的处理(从另外一个层面上讲，因为MMSE是一个有偏估计，对高阶或者幅度调制相关的系统有部分性能损失，特别是对反馈系统)，由于整数倍均衡有如下两个主要缺点：1)对定时相位偏差敏感；2)对幅度特性、群时延特性较差的信道，性能不好。为了克服这两个缺点，本实用进一步扩展成多用户的两倍过采样形式：其中标号j表示MMSE-DFE中的迭代次数，k表示用户Index，q表示频域子载波序号；中p表示采样点序号；其矩阵向量形式可以写成：代价函数为：通过推导可以获得前向与反向滤波器系数为：其中和如果考虑双接收天线场景，加上两倍过采样，矩阵维度成指数增加，为了降低双接收天线的实现复杂度，引入如下限制条件：双天线与过采样不共存。即单天线场景下，采用过采样；双天线场景下，采用单采样。这样就能保证两种场景下，复杂度一致，且性能损失不大。为了更好的重构未知码道的信号，一般通过FHT变换得到所有码道上的功率，再通过NoiseNulling操作将小功率码道上数值清零，然后IFHT变换获得未知码道重构信号。NoiseNulling操作可能会由于门限选择不合适，导致一些有用的码道也被清理掉，进而导致重新信号不完整。为了更好的优化重构信号，避免NoiseNulling操作带来的误操作现象，可码道能量加权方式来替换NoiseNulling模块。均衡之后的信号可以表征为：r＝S·d+n其中S为WALSH矩阵，d为发送调制符号，则发生信号的MMSE估计值为：因此，对于服务小区的已知码道，将其进行软信息重构，即不需要进行码域加权处理；而对于非服务小区的码道或者服务小区的未知码道，则需要乘以一个加权系数然后进行重构。从表达式可看出，码道所对应的能量越高，该系数越高；反之能量低的码道，其加权系数也越低，通过这样加权处理后，就可以有效的避免了NoiseNulling处理方式带来的码道误判的情况。传统干扰抵消技术均是从时域或者频域的角度进行信号处理，而本实用从码域层面提出另一种干扰抵消技术。多小区接收信号可以表示成向量形式：其中Hn是第n个小区的信道冲激响应矩阵；Sn为第n个小区的PN信号；n为第n个小区的功率；Nc为小区个数。假定第j个cell为目标小区，则上式可以写成，为了简化分析，假定在单径的信道场景下，上等式可以写成：第i个非目标小区对应的码域信号，从干扰小区的码域信号ui中提取第j个目标小区的符号dj，采用正交定理可得，通过一定数学处理后，可得到滤波器系数为，其中并定义Ruu＝Γj。通过上式可以得到从ui中提取目标小区的符号Sj估计，对上式进行如下解析：将接收信号变化到第i个小区的码域上；将第i个小区的码域的所有码道上的信号进行Notch处理，即该输出为没有第i个小区的信号；进行码域反变换处理，此时的信号里面对第i个小区的信号进行了抑制处理；将抑制处理后的信号变化到第j个小区所对应的码域；在第j个小区的码域里面，对信号进行均衡、相位的处理，输出目标小区的符号估计；将上式中的部分，定义为抑制第i个小区的信号，为了将rwo,i信号与原始接收信号的刻度匹配，需要对Notch-FilterΓ-1进行归一化处理，引入变量β＝tr(Γ-1)，则：将原始信号减去rwo,i，则可以得到第i个小区的信号，其中那么目标小区j的信号可以获得，获得目标小区的信号外还可以用如下IC方法获得，为了能同时在高低信噪比情况下获得折中的增益，将两者进行加权得到最终的目标信号：计算的时候，(如图3)直接利用的输入信号，如果为了更高的估计精度，可以利用来自IC之后的信号经过Despreader和FHT之后的uj来获得该方案有如下优点：1)可以同时消除小区内的多径之间的部分干扰，和小区间的多用户干扰；2)计算复杂度，较其他IC方案要低；3)适用于扩频因子较高的系统，例如WCDMA的部分业务和1xRTT系统。实施例(1)LAB测试，LAB测试需要的仪器：E4438C信号发生器、SignalStudio软件、N5115A信道衰落仿真工具(BasebandStudio信道衰落功能)和PC电脑。为了评估通用算法性能，本实用比较了灵敏度和干扰场景下三种算法性能：1)本文所提出的JMMSE-DFE；2)传统基于Chol分解的JD接收机，图中标注为JD-Chol(即单模TD-SCDMA系统性能)；3)本文提出的基于Gauss-Seidel的JD检测方案。具体参数如下表所示：系统TD-SCDMA业务DPCH调制方式QPSK信道2-tap多径信道速度8km/h干扰小区个数1(干扰场景)、0(灵敏度场景)信道估计迭代方式实现的结构化LS估计均衡器1)本文提出的基于Gauss-Seidel的JD检测参阅图4，LAB测试为灵敏度场景下三种接收机性能对比，结果显示：1)JD-GS方案性能最优，因为该方案在迭代过程中引入了激活码道检测模块ACD和Clipping非线性操作，使得收敛速度更快以及估计精度更高，因此较JD-Chol直接矩阵分解后求解方程组性能要优；2)MMSE-DFE-IC同样引入了ACD和Clipping非线性操作，以及DFE反馈操作，使得其性能也较JD-Chol优；3)MMSE-DFE-IC从某种意义上讲，也是一种基于PIC的JD算法。但是因为在实现过程中做了某些近似，因此在灵敏度情况下较JD-GS稍微差一点。参阅图5，LAB测试为干扰场景下三种接收机性能对比，结果显示：1)MMSE-DFE-IC方案性能最优，该方案在干扰场景体现出了更优的性能，主要有如下几个原因：a)在迭代过程中引入了激活码道检测模块ACD，尽量减少了本用户或者其他用户的虚假码道；b)在迭代过程中引入了Clipping非线性操作，使得收敛速度更快以及估计精度更高；c)引入了DFE非线性操作，进一步消除ISI和其他码道或者用户带来的干扰；d)引入了解调过程中干扰用户与服务用户之间的相关性，和反馈的可靠性；2)在干扰场景下，JD-GS比JD-Chol的增益更大，说明ACD在干扰场景下能够发挥更大的作用，以及干扰场景下解调出来的信号方差较大，通过Clipping操作，使得信号回归收敛，更快地迭代收敛。(2)采用GSM/EDGE系统，从干扰场景和灵敏度场景两方面来评估三种算法的性能对比：1)传统MLSE，不带干扰消除模块，图中标注convMLSE；2)传统MLSE，带干扰消除模块SAIC，图中标注SAIC-MLSE；3)通用方案，CHE与EQ均带干扰消除功能，图中标注MMSE-DFE。其中还评估了硬判决和软判决的性能对比，途中标注JMMSE-DFE-Soft/Hard。具体仿真参数如下表所示：参阅图6，仿真为灵敏度场景下三种接收机性能对比，结果显示：convMLSE最优，SAIC-MLSE在高信噪比(大于10.3dB)较MMSE-DFE略好，在低信噪比下较MMSE-DFE差。这可以说明：1)序列估计MLSE在白噪声情况下，性能是最优的；2)SAIC抑制干扰模块，在无干扰情况下，对性能有一定恶化，SAIC-MLSE在高SNR情况下比MMSE-DFE好，原因主要来自于MLSE，而不是SAIC；3)MMSE-DFE在低SNR情况下，将噪声的抑制考虑进去，进而提高了低SNR情况下的性能；4)软判决较硬判决有0.2dB左右的增益。如果在前端加入场景检测模块，可以在无干扰的场景，将信号不经过SAIC模块，这样可以进一步提高系统性能。但是序列估计与符号估计之间的性能差异，无法通过相关方法来解决，只能让这个性能损失客观存在。但是这个损失大约有1.2dB，相对来说还是比较大。为了进一步减少这个差距，对GMSK调制的MMSE-DFE进行了进一步的优化操作。基于GMSK调制的特殊性，GMSK在进行解旋转、匹配以及均衡之后，其信号与BPSK等效，因此，本实用将判决信号进行限幅和虚部清零的操作，通过仿真(如图7所示)结果可以看出，该方案能将这个损失控制在0.4dB以内。接下来，再看看干扰场景下的性能。图8和图9仿真为干扰场景下三种性能对比，结果显示：SAIC-MLSE性能最优，MMSE-DFE次之，convMLSE最差。可以得到如下结论：1)序列估计MLSE理论上是最优的，在有干扰的场景下，其性能恶化较为厉害；2)在干扰场景下，SAIC能够很好的抑制干扰，加之与最优序列估计MLSE相结合，使之得到最优的系统性能；3)MMSE-DFE在干扰抑制方面也体现了较强的功能，比传统MLSE性能有3dB以上的增益，与最优的SAIC-MLSE性能相差0.8dB左右，经过部分优化(与上面相同处理方式)后，可以将这个差距进一步收紧到0.5dB以内。(3)采用xRTT/WCDMA系统，1xRTT与WCDMA系统在没有干扰的场景，如果采用MMSE-DFE方案，其性能肯定比传统方案要好，因此，本实用仅需要评估干扰场景下系统性能。为了评估通用方案对1xRTT与WCDMA系统的适用度，本实用比较了干扰场景下三种算法的性能；1)本实用所提出的JMMSE-DFE；2)传统RAKE接收机；3)本实用提出的基于Notch-IC的干扰消除方案。由于1xRTT与WCDMA有相似的结构，本实用以1xRTT的FCH和SCH信道为例进行相关仿真。具体仿真参数如下表所示：参阅图10，仿真为SCH业务信道干扰场景下三种接收机性能对比，结果显示：1)JMMSE-DFE方案性能最优，因为该方案不仅消除了多径之间的ISI和多用户/小区之间的干扰，还引入了DFE反馈机制，进一步提高了系统性能；2)Notch-Filter如果仅消除小区间干扰而不消除ISI，其性能较RAKE性能优，但是较MMSE性能差：3)Notch-Filter如果同时消除小区间干扰和ISI，其性能较MMSE性能优，但是较JMMSE-DFE差，因为Notch-Filter没有完全消除ISI和小区间干扰；4)JMMSE-DFE随着迭代次数的增加，增益较大，特别是第一次迭代增益。这是因为第一次迭代才引入小区间的干扰，将小区间干扰进行部分消除后，性能自然会有较大增益：5)在没有经过小区干扰消除或者仅消除较少的干扰，高SNR下会出现平台效应。参阅图11，为FCH业务信道干扰场景下三种接收机性能对比，其结论与SCH业务信道相同。尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3