在无线接收机内估测比特 差错率的方法和相应的无线接收机 本发明涉及一种在无线接收机内估测比特差错率的方法和相应的无线接收机，尤其是移动无线接收机。
移动无线系统的传输信道的特点在于其与时间有关的多径接收，运种多径接收在数字传输系统内会导致符号间干扰。为了克服这类符号间干扰，在接收侧需要均衡所接收的数据。由于快速变化的传输条件和为了抑制蜂窝网内的相邻信道干扰及同信道干扰，需传输的数据在发射侧通常是在经扰码(交织)和信道编码之后被传输的(譬如在按照GSM移动无线标准的语音传输中)。然后在接收机内均衡之后对接收数据进行相应的解码。
在图4中示出了这类移动无线系统的典型传输模型，其中描绘了经信道6相互通信的移动无线发射机1和移动无线接收机7。
在发射机1中，需传输的诸如语音信息等信息首先被源编码器2转换成数字信号、也即二进制符号序列，然后以源编码的数据字或数据矢量被输出。由信道编码器3把每个数据字映射成一个码字，其符号由交织器4进行排列、也即扰码。在理想情况下，交织是如此地进行地，使得码字的任意两个符号被映射到交织器4的两个不同的输出字上。最后，格式化器5在交织器4的每个码字的首尾加入一定数量的已知符号(所谓的尾符号)，并输出一些经高频信道6被传输给接收机7的发射数据字或发射矢量c。图1所示的信道6还包括发射机1的调制器和放大器、原本的高频信道(传输信道)、以及接收机7的预接收级、输入滤波器和A/D转换器。
在接收机7内设有均衡器8、解交织器9和信道解码器10，其共同的任务是借助接收序列z用最大可能的可靠性确定出原来的发射序列c。为此，借助所谓的软判定来产生信道解码器10的可靠性信息q，该可靠性信息为每个接收的符号给出如下的先验概率，即所接收的符号譬如是基于发射的‘-1’还是‘+1’。为了产生该可靠性信息，对信道6进行模型化，并且用相应的格子图来描述由此所产生的信道模型，其中，所述的格子图以状态过渡的形式来描述信道的特性。然后，通过应用所谓的Viterbi算法，借助格子图以概率数据的形式求出上述的可靠性信息q。对于借助Viterbi算法求取可靠性的详细细节，可以参看“数字通信”，Proakis，J.G，McGraw-Hill，纽约，1983或“Optimum AndSub-Optimum Detection Of Coded Data Disturbed By Time-VaryingIntersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，Wolfgang Koch和Alfred Baier，1990 IEEE。
除了较高的传输安全性之外，传输信道编码的数据还具有如下优点，即借助信道编码还可以获得关于比特差错率(BER)的信息p。因此，譬如在解码中使用卷积码的情况下可以轻易地求出通过解码所校正的差错数目，使得可以充分地估测比特差错率。
但如下的移动无线系统也是公知的，其中数据不编码地进行传输，并由此取消图4所示的信道编码器3和信道解码器10(譬如在GPRS系统中)。因此在该情形下必须用其它的方式和方法来估测比特差错率。
因此本发明所基于的任务在于，提供一种用于在无线接收机中估测比特差错率的方法和相应的无线接收机，以便即使在不编码地传输数据的情况下也能可靠地估测比特差错率。
根据本发明，该任务由具有权利要求1特征的方法或具有 8特征的无线接收机来解决。从属权利要求定义了本发明的优选和有利的实施方案。
根据本发明，从如下的可靠性信息中导出关于接收信号的比特差错率的信息，该可靠性信息在无线接收机内尤其是以所谓的软判定信息的形式存在的，而且无论如何都是会产生的。因此可以用简单的方式在接收机内计算出与一个完整的脉冲串相对应的比特差错率。
如果通过描述相应无线信道的格子图的最佳“+1”路径和最佳“-1”或“0”路径的路径度量来近似所述的可靠性信息，那么就能够实现简化并由此降低费用。
本发明尤其适用于在移动无线系统中、譬如在GSM移动无线系统中进行比特差错率估测，并且也可以应用于多值的码元字母表，譬如这种多值的码元字母表被设于遵照GMS扩展方案EDGE的EGPRS系统中。
下面参考附图并借助优选实施例来详细讲述本发明。其中：
图1以简单框图的形式示出了具有本发明移动无线接收机的移动无线传输模型，
图2示出了图1所示移动无线系统的信道模型，
图3A和3B示出了用于解释在格子图中进行度量计算的图示，
图4以简单框图的形式示出了具有本发明移动无线接收机的移动无线传输模型，以及
图5示出了用于解释借助本发明在比特差错率估测中可获得较好结果的图示。
本发明是基于如下假设，即在接收机内借助已按图4所阐述的均衡器来均衡接收信号，该均衡器以所谓的软判定信息的形式输出关于其执行的均衡的可靠性信息。下面来简短地讲述获取该可靠性信息的原理，它们对理解本发明是必要的。
如上文所述，该可靠性信息涉及通过所谓的软判定所获得的信息。与只使用固定判定阈值的硬判定相反，在软判定中使用了许多判定阈值，并由此大大提高了判定的可靠性。均衡器譬如可以应用在GSM接收机中，也可以按照未来的GSM移动无线标准的扩展方案EDGE来设定，因此该均衡器一方面必须足够地均衡接收信号，另一方面还必须提供上述的可靠性信息。
为了推导和阐述本发明所基于的原理，下面参考上文所提及的文献“Optimum And Sub-Optimum Detection Of Coded Data Disturbed ByTime-Varying Intersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，Wolfgang Koch和AlfredBaier，1990 IEEE，并尤其参考图1所示的本发明移动无线系统的传输模型，其中示出了经信道6相互通信的移动无线发射机1和移动无线接收机7。与图4相反，图1所示的移动无线系统没有设立信道编码和信道解码。
如上文所述，在发射机1内由源编码器2把需传输的信息转换成数字式的数据字，并由交织器4进行排列、也即扰码。由格式化器5在交织器4的每个数据字的首尾加入L个已知的符号(所谓的尾符号)，以便预给定下面所详细讲述的信道模型的预定首尾状态。因此，从格式化器5输出发射字或发射矢量c，其中，c＝(C1-L，…，c1，c2，…，cM)以及M＝I+L，I表示由交织器4输出的数据字的长度。
图1所示的信道6另外还包括发射机的调制器和放大器、原本的高频信道(传输信道)、以及接收机的输入滤波器及A/D转换器，该信道6可以用图2所示的信道模型来描述。该信道模型对应于一种具有L个存储级的状态机，其各个中间存储的发射符号cm…cm-L通过乘法器12后经减法器13相加。系数h0…hL对应于信道脉冲响应的系数。在该模型中也考虑了在传输信道中出现的噪声，其形式是功率为σ2的加性高斯白噪声(AWGN)，它借助减法器14叠加在减法器13的输出信号上，使得最后获得接收机的接收符号zm。
在接收机7内，均衡器8另外还有个任务是借助所述(被均衡过的)接收序列z用尽可能大的可靠性确定出原来的发射序列c。为此借助软判定来产生可靠性信息q，该信息为每个接收信息给出了所述接收符号是基于发射的‘+1’还是‘-1’的先验概率。
一种优化的MAP(‘最大先验概率’)均衡器以软判定信息的形式为每个(两值的)发射符号cn提供了值q(cn)=lnP{z‾n|cn=+1}P{z‾n|cn=-1}---(1)]]>
如果从具有
cn＝(cn，1，…，cn，m)
(2)
和
cn，i∈{+1，-1} (3)
的高位值的码元字母表出发，则可以为每个比特单独地计算出所述的软判定信息：q(cn,j)=lnP{z‾n|cn,j=+1}P{z‾n|cn,j=-1}---(4)]]>
譬如在GSM扩展方案EDGE(用于GSM估测的增强型数据业务)就采用高位值的码元字母表。
在统计上利用其概率密度按下式来描述每个接收矢量z：P{z‾n|c‾}=12πσ2Mexp(-Σμ=1M|zμ-Σl=0Lcμ-1h1|22πσ2---(5)]]>
从式子(5)中可以推导出接收矢量c的各个符号的P{zn|cn}。
q(cn)的正负符号对应于cn的最大可能的信息内容，q的绝对值是该信息内容的可靠性量度。
为了产生该可靠性信息q(cn)，通过相应的格子图来描述图2中所示的信道模型，该格子图以状态过渡的下式描述了信道的特性。在此，该格子根据新符号cm为信道的每个瞬时状态给出了新状态，其中，下文用Sμ来表示在时间点时μ的格子状态，并用来定义。
可以给每个状态变换分配一个度量用的增量，继而在稍后分析处理该增量以评价该状态变换的概率，并通过下式来定义：λ(Sμ-1,Sμ)=|zμ-Σl=0Lcμ-1h1|2/σ2---(6)]]>
根据等式(1)用对数求出软判定信息有个优点，就是无需变换就可以进行由MAP算法给出的状态度量。
现在，通过采用该度量公式(6)便可以分析处理与图2所示的信道6相应的格子，以便在每个状态Sμ为每个格子或时间步进μ计算出相应的概率。在理想状况下，此处的格子既在后向又在前向上运行。下面来详细阐述用于处理接收字z的算法，该算法譬如作为“最大似然顺序估测”算法(MLSE)而在“Optimum And Sub-Optimum Detection Of CodedData Disturbed By Time-Varying Intersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，WolfgangKoch和Alfred Baier，1990 IEEE中讲述过。
在考虑格子的后向运行时，可以通过采用如下递归为每个格子步进μ(μ＝M～μ＝L)和每个格子状态Sμ计算出一个后向度量Λb(Sμ)：
Λb(Sμ-1)＝-ln{exp(-Λb(S′μ)-λ(Sμ-1，S′μ))+exp(-Λb(S″μ)-λ(Sμ-1，S″μ))} (7)
两个状态S’μ和S”μ通过在出现状态值cμ＝+1或cμ＝-1时的状态来定义。
以类似的方式和方法通过采用如下递归为每个格子状态Sμ计算出一个前向度量Λf(Sμ)：
Λf(Sμ)＝-ln{exp(-Λf(S′μ-1)-λ(S′μ-1，Sμ))+exp(-Λf(S″μ-1)-λ(S″μ-1，Sμ))}(8)
在该情形下，两个状态和通过在出现状态值或时的状态Sμ来定义。
对于格子的每个状态过渡此时可以把度量、λ和Λb(Sμ)相加，并分开地针对和在整个状态Sμ上累加其倒置的指数：u(cμ-L)=-ln{ΣSμexp(-Λf(Sμ-1)-λ(Sμ-1,Sμ)-Λb(Sμ))}---(9)]]>
借助在式子(9)中所描述的表达式，最后可以通过如下方式在时间点μ为比特计算出软判定值即针对和而把所述用公式(9)计算出的值彼此设成如下关系：
q(cμ-L)＝u(cμ-L＝+1)-u(cμ-L＝-1) (10)
为了阐明以上的式子(9)，在图3A中示出了对应于图2所示信道模型的、L＝2和cm＝+1时的一部分格子，而在图3B中则示出了cm＝-1时的一部分同样的格子。在此，在图3A和图3B中均只示出了格子的、在该实施例中对公式(9)的总和起作用的路径。此外，在图3A和图3B中还分别绘出了所述的度量和Λb(Sμ)。
由于借助上述方案获得了最佳的软判定值作为可靠性信息，所以该算法在“Optimum And Sub-Optimum Detection Of Coded DataDisturbed By Time-Varying Intersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，Wolfgang Koch和Alfred Baier，1990 IEEE中被称为“最佳软判定均衡算法(OSDE)”。
因为该算法需要许多存储器位置和较大的计算费用，所以需要一种简化的算法，一方面其复杂性被大大降低，另一方面又仍然能提供尽可能准确的可靠性信息。
据此，在“Optimum And Sub-Optimum Detection Of Coded DataDisturbed By Time-Varying Intersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，Wolfgang Koch和Alfred Baier，1990 IEEE中首先建议简化公式(9)中的指数计算。该公式(9)一般地包含有形式为-ln(e-x+e-y)的表达式，但该表达式适合于如下关系：
-ln(e-x+e-y)＝min(x，y)-ln(1+e-|y-x|) (11)
因此，对于x＜＜y和x＞＞y，可以通过求最小值min(x，y)来近似所述的表达式-ln(e-x+e-y)，而且只有可忽略的误差。另一种简化可以按如下方式来实现，即取消格子的后向运行，并由此在公式(9)中把所有状态Sμ的度量Λb(Sμ)设为0。
因此，按公式(10)针对时间点μ-L来计算时间点μ时的可靠性信息可以简化如下：q(cμ-L)=minSμ|cμ-L=+1(Λf(Sμ-1)+λ(Sμ-1,Sμ))-minSμ|cμ-L=-1(Λf(Sμ-1)+λ(Sμ-1,Sμ))---(12)]]>
从而，与古典Viterbi算法的主要区别只在于，为计算软判定值只需要从2L个度量的群中选出两个最小值。因此在“Optimum AndSub-Optimum Detection Of Coded Data Disturbed By Time-VaryingIntersymbol Interference(受时变符号间干扰而干扰的编码数据的最佳和次最佳的检测)”，Wolfgang Koch和Alfred Baier，1990 IEEE中，这种次最佳的算法被称为“软判定Viterbi均衡器(SDVE)”。
尤其可以从公式(12)中看出，根据所述的次最佳算法，软判定值一方面取决于在时间点μ-L时针对值+1具有最佳的路径度量的路径(“最大1路径”，MOP)，另一方面还取决于在时间点μ-L时针对值-1(或0)具有最佳的路径度量的路径(“最小0路径”，MOP)。
在上文事先讲述过软判定信息q(cn)的求取之后，下面来详细讲述本发明所建议的根据该软判定信息估测比特差错率(BER)。
如图1所示，接收机7具有一个比特差错率估测器15，由它接收从均衡器8求出的软判定信息或可靠性信息q(cn)，并根据它产生关于比特或符号差错率的信息p。
如公式(1)或(4)所示的软判定信息q(cn)被量化成K个类或级，也即适合映射：
q(cn)|→qk]]>其中k＝0…K-1 (13)
对于K个类中的每一个，可以按照公式(1)或(4)计算出类差错率pk，其中类k的所有符号适合：qk=lnP{cn=+1}P{cn=-1}=ln1-pkpk]]>
在公式(14)中，qk表示类k的符号差错率，pk＝P{cn＝-1}(以及由此P{cn＝+1}＝1-pk)。
然后针对一个类的符号差错率pk从公式(14)中得出：pk=11+exp(qk)---(15)]]>
现在，所述关于整个脉冲串的符号差错率的估测信息p可以由图1所示的比特差错率估测器15按照下式从各个类差错率pk中计算出来，其中nk表示相应类k中的估测符号的数量：p=Σk=0K-1(nkpk)Σk=0K-1nk,---(16)]]>
因此，为了计算p而根据公式(16)用脉冲串的符号数量除所述脉冲串的所有符号差错率的总和。
如果假定通过上述次最佳算法来获得所述的软判定信息q(cn)，则可以简化比特差错率的估测。因为q(cn)=lnP{z‾n|cn=+1}P{z‾n|cn=-1}=ln(P{z‾n|cn=+1})-ln(P{z‾n|cn=-1})---(17)]]>
所以可以通过比较公式(12)而进行如下的近似：
2σ2ln(P{zn|cn＝+1})≈MOP (18)
2σ2ln(P{zn|cn＝-1})≈MZP (19)
如上文所述，MOP是表示在上述次最佳算法的范围内所计算出的、格子图的在时间点μ-L时为值+1的最佳路径的路径度量，而MZP则是表示格子图的、在时间点μ-L时为值-1的最佳路径的路径量度(参见公式(12))。
因此，根据公式(18)和(19)的近似，所述均衡器8的软判定信息q(cn)可与按公式(1)相一致地近似表达如下：q(cn)=CMOP-MZP2σ2---(20)]]>
在此，C表示一个比例常数。利用该方法进行近似的软判定信息可以象上文所述的那样被划分为多个类，也就是说被量化，其中典型的8个类(K＝8)对于二进制数据传输已足够了。于是根据公式(15)可以针对每个类从qk中计算出相应的类差错率pk。整个脉冲串的比特差错率p可以按公式(16)从各个类差错率pk中得出。
因此，对于具有116个符号和K＝8的典型GSM脉冲串的比特差错估测，可以得出：p=Σk=07(nkpk)116---(21)]]>
上述通过采用值MOP和MZP来估测比特差错率的措施已经用仿真进行了试验。仿真结果如图5所示，其中在图5中绘出了在C/I比(各载波信号与信令信道干扰之比)上的比特差错率(BER)，并假定接收信号是涉及TU50信号，而相邻信道干扰是涉及TU50相邻信道。在图5中，特性曲线(a)对应于在该条件下所测量的比特差错率的曲线，而特性曲线(b)和(c)对应于借助上述方法针对C＝1.1或C＝1.3所估测的比特差错率的曲线。从图5可以看出，借助该近似的估测方法可以较好地估测出实际的比特差错率。
上述比特差错率估测显然也可以应用于多值的码元字母表。