基于迭代滤波的单天线干扰消除技术研究

梁文桥， 许翰， 周小林

(复旦大学 信息科学与工程学院通信系，上海 200433)

基于迭代滤波的单天线干扰消除技术研究

梁文桥， 许翰， 周小林

(复旦大学 信息科学与工程学院通信系，上海 200433)

多模多频移动通信芯片设计是当前国内外研究的热点之一,其中，具备较低复杂度的抗多小区同频干扰的GGE系统优化算法设计是多模芯片的重要发展目标。针对GGE下行链路，研究了基于线性均衡的单天线干扰滤波器；提出了考虑链路多时延模型的改进方案，以及延长训练序列的两次滤波算法。针对这些改进算法，分别进行了数值仿真并分析了系统性能。结果表明，优化的方案具有较低的计算复杂度，可获得良好的同频干扰抑制效果，具有实用性。

单天线干扰消除； 多时延滤波； 迭代滤波

0 引言

多模多频是现代手机通信领域的发展热潮，国内外芯片厂商的入局挑动起激烈的竞争。在同频网GGE(GSM、GPRS、EDGE)系统下，传统均衡方案对抗定时偏差影响以及同频干扰的能力都比较弱。众所周知，GGE系统的频率复用因子越小，小区分配的频段资源越丰富，所容纳的用户数越多。但是，当前GGE系统移动终端通常只能采用一根接收天线。在单天线条件下同时消除同道干扰和频率选择性衰落信道造成的符号间干扰，是当前设计GGE下行链路的挑战之一[1]。同频道小区间的距离越近，同频干扰的恶化作用就会加剧，导致极高的呼叫丢失率、严重影响语音通话质量和数据传输速率。据统计，单天线干扰消除(SAIC，single antenna interference cancellation)能够提升系统70%至80%的用户容量，带有SAIC功能移动终端芯片可以获得理想的抗干扰增益[2]。为了高质服务于庞大GGE用户群体，尤其是在城市密集型区域，GGE网络优化亟需改进。多模芯片中GGE网络优化目的之一就是增强移动终端抗同频干扰的能力。本文的研究工作属于03国家科技重大专项“新一代宽带无线移动通信网：多模多频智能终端单芯片研发课题”中子课题任务——同频干扰条件下GGE系统均衡方案设计研究。

目前常规的SAIC方法有联合检测、线性滤波、非线性均衡[3]等几大类方法。在单天线条件下同时消除同频干扰和衰落信道造成的符号间干扰，最优解法是采用联合最大似然序列检测(JMLSE，joint maximum likelihood sequence estimation)算法[4～6]。JMLSE抑制干扰能力强，但是复杂度高随同频信号多径总数和信道模型阶数呈指数增长[7]，实现起来十分困难。项目工程实现中，新型抗同频干扰技术不仅要具有良好的性能、较低的复杂度，并且需要适应当前系统的结构及硬件设施，最终能够直接应用到移动终端的芯片中。因此所研究的抗同频网算法必需要有可接受的复杂度及良好的性能，能够很好地减少终端芯片运算处理的压力。

本文首先研究了基本的线性滤波器。同时，相比与传统单次未考虑时延的线性滤波[8]，我们推导了多时延滤波方案，提出了利用两次迭代的延长训练序列的算法，对比分析了其复杂程度，实现了优于传统滤波器[8]的性能。

1 研究内容

1.1 线性均衡滤波

当GGE信号采用高斯最小频移键控(GMSK，Gaussian Filtered Minimum Shift Keying)调制，调制通过信道后，分成实虚两路信号。由于信号的实值性，可以对实部和虚部进行滤波合并改善性能。线性滤波均衡的基本结构,如图1所示。

图1 线性滤波基本原理

设接收信号解旋转后采用如下模型表示,如式(1)。

(1)

其中，r(k)为接收信号的样本数据，d(k)为期望信号，h(l)为期望信号信道冲激响应，长度为L,hi(l),i∈[0,I-1]为第i个干扰信号的信道冲激响应。n(k)为高斯白噪声。

对于接收信号，为了消除干扰信号，先得到一组滤波系数，来对信号进行滤波，消除干扰。利用GGE的训练序列，对训练序列对应的接收信号进行滤波就可以得到训练序列的估计值，并且利用其与训练序列的误差最小为代价函数，就可以得到滤波器系数。比如对第k个训练序列的估计采用下列滤波器公式,如式(2)。

(2)

定义代价函数，并且由GMSK的实值性，滤波后信号只取实部,如式(3)。

(3)

考虑滤波器实部和虚部，写成矩阵形式,如式(4)。

(4)

考虑合并矩阵的实部和虚部，为了简便起见，这样取接收信号矩阵。

此时滤波器列向量为：f=[fr(0)…fr(l),fi(0)…fi(l)]T。

利用最小二乘原理对式(2.3)和(2.4)求解，可以得到最优的滤波,如式(5)。

fLS=(rTr)-1rTd。

(5)

1.2 多时延滤波改进

由(5)得到了SAIC滤波器的求解，但是这种模型存在于信号时延k0固定的情况。在实际信号中，由于同步位置可能发生在参考同步位置的前后区间，信号时延可能发生变动，为了提高解调性能，考虑信号的多时延，将每个时延对应的解调软值相加送给译码器。

最后接受信号,为式(6)。

(6)

(7)

具体分析下同步位置前后各两个时延分析，5个时延的情况，即k0=0,1,2,3,4。

由于时延改变，在基本的线性均衡中，每次时延对应不同的接收矩阵rn(n=0,1,2,3,4)为了简化计算，减少求逆的次数，降低系统复杂度。取各个矩阵相同部分rs,为式(8)。

(8)

(9)

利用上述矩阵，和接收信号，可以完成对多时延情形的有效估计。

1.3 两次迭代延长训练序列

线性滤波均衡的改进，算法上主要在各个接收矩阵和参数的选取上。采用在结构上对滤波器进行改进。对接收样本数据进行两倍的过采样，过采样后的数据进行奇偶分流，将分流后的两路数据分别进行线性滤波均衡环节，软比特结果进行叠加，增加软比特值可靠性。

对奇偶两路进行第一次滤波后，对合并的软值进行判决，判决之后再进行第二次滤波,如图2所示。

图2 两次迭代训练序列

(10)

接收数据矩阵r也融入了对应可靠软值的样本数据值：

第一次迭代利用训练序列接收矩阵r1，第二次迭代根据可靠软比特的接受矩阵r2，由公式(5)求解第两次迭代的滤波器系数。

由于矩阵r2的数据融入了可靠软比特对应样本数据的实部和虚部，当判决阈值D选取过大时，则可靠软比特值的个数N=0，此时的r，d就与第一次迭代完全相同，即没有选取可靠值；如果阈值D选取过小，则矩阵维数会比较高，滤波效果也不会改善，实际中故对阈值D可进行试验取值。

1.4 改进算法的复杂度分析

根据最大似然准则，对于JMLSE算法，其在联合Trellis图上会搜寻与接受信号最小的路径为检测结果[4]。如果信号多径总数为N，那么JMLSE算法图中状态连接有22(N-1)种转移分支，检测复杂度为O(22N)。当N很大时，复杂度会显著性升高，导致在实际的移动终端上实现困难。

对于基本线性滤波方案，算法的复杂度主要来源于对矩阵求逆的操作，如果信号多径数为N，矩阵大小为(2N)2，其求逆的复杂度为O((2N)3)。优化的多时延方案会进行时延个数次求逆，迭代滤波方案会进行前后两次求逆，他们的复杂度都在O((2N)3)。相比于JMLSE指数级的算法，其在移动终端工程实现起来更加容易。

2 仿真和分析

为了验证方案的可行性，本文进行了相关的系统仿真，在实际的通信链路平台上进行实现。仿真在3GPP(3rd Generation Partner Project)协议中的TU50(城市小区，移动速度50 km/h)信道下完成。

对于系统中主要存在同频干扰的情况，得到的结果，如图3所示。

仿真结果对比了同频干扰下各个算法的性能。其中Orignal代表采用最大似然检测(MLSE，maximum likelihood sequence estimation)的原有方案链路，LE是基本线性滤波链路，DelayLE是考虑多时延情形的优化的多时延滤波器，ExTsLE是代表两次迭代算法优化滤波器。横轴是同频干扰的信噪比(SIR，Signal to Interference Ratio)，纵轴是误码率(BER，Bit Error Rate)。

图3 同频干扰下各算法性能

在0.05误码率处，对比各个算法的性能。基本线性均衡链路在CCI干扰存在下相比于MLSE方案增益有15 dB左右，而多时延相比传统线性滤波器有1～2 dB的增益，延长训练序列相比原线性滤波有3 dB左右的增益。

这是由于两次迭代延长训练序列相当于对整个序列求最优滤波器系数，所以在CCI性能表现上是最好的，多次时延的算法对于同步位置产生偏移的情况做了优化，因此性能也好于基本线性均衡，但是没有延长序列的优化来的直接。

如果系统中存在50%信号延时时，如图4所示。

图4 0.5时偏下各算法性能

此时期望的信号一半被干扰，污染了训练序列数据，导致增益会下降。仿真结果对比了在同频干扰下，%50信号延时，下各个算法的性能。结果显示，两次迭代滤波器获得了最好的性能。这是由于两次迭代滤波通过扩展训练序列，可以降低由训练序列污染损耗的性能。

3 总结

针对单天线GGE系统终端特点，本文设计了优化的线性均衡滤波算法。其主要考虑了同步位置发生偏移的多时延滤波器，改进了线性滤波器的结构，通过两次迭代延长训练序列，对整个序列求解最优滤波器系统，获得了更好的同频抑制性能。改进算法滤波器只需要两次对滤波器阶数级矩阵求逆，由于求逆的复杂度为滤波阶数的三次方关系，远小于最优联合最大似然检测的随滤波阶数指数上升的复杂度。

仿真结果显示，基本线性均衡在CCI干扰存在下相比于原有MLSE方案增益有10 dB左右，多时延改进方案提高线性均衡1～2 dB的性能，两次迭代方案提高了线性均衡3 dB的抗同频干扰性能。

[1] Wen Wei, Xiaofei Zhang, Jingchun Li, et al. A single antenna interference cancellation by sequential importance sampling[C]// International Conference on Systems and Informatics. IEEE, 2014:844-848.

[2] 姚勇. 3GPP R6增强语音新技术提升GSM网络容量能力分析[J]. 电脑与电信,2009,01:71-72.

[3] Hoeher P. A., Badri-Hoeher S.; Shiyang Deng, Krakowski C., Wen Xu, et al. Single-antenna co-channel interference cancellation for TDMA cellular radio systems[J]. IEEE Wireless Communications, 2005, 12(2):30-37.

[4] Giridhar K., Shynk J. J., Mathur A., Chari S., Gooch R. P., et al. Nonlinear techniques for the joint estimation of cochannel signals[J]. IEEE Transactions on Communications, 1997, 45(4):473-484.

[5] Etten van.Maximum likelihood receiver for multiple channel transmission systems[J]. IEEE Transactions on Communications, 1976, 24(2):276-283.

[6] Giridhar K., Shynk J. J., Mathur A., Chari S., Gooch R. P., et al. Joint estimation algorithms for cochannel signal demodulation[C]// Technical Program, Conference Record, IEEE International Conference on Communications, Geneva, 1993:1497-1501.

[7] Ranta P. A., Hottinen A., Honkasalo Z. C.Co-channel interference cancelling receiver for TDMA mobile systems[C]// IEEE International Conference on Communications, 1995. ICC '95 Seattle, 'Gateway To Globalization. 1995:17-21.

[8] Olivier J. C., Kleynhans W. Single antenna interference cancellation for synchronised GSM networks using a widely linear receiver[J]. Iet. Communications, 2007, 1(1):131-136.

Research on SAIC Technology Based on Iterative Filtering

Liang Wenqiao,Xu Han,Zhou Xiaolin

(School of Information Science and Technology,Fudan University,Shanghai 200000,China)

The design of multi-mode multi-frequency mobile chip is a hot research topic right now. The algorithm with low complexity and improvement of mobile performance in the single frequency interference situation is an important goal in the GGE optimization. In this paper, firstly, the LS single antenna interference cancellation filter is studied. Secondly, we improve the algorithm concerned with the uncertain delay of downlink. Thirdly, a filter structure through double iterations to extern the training sequence is proposed. The numerical results reveal that the proposed scheme can provide a better bit error rate (BER) performance with low complexity.

Single antenna interference cancellation(SAIC); Multi-delay filtering; Iterative filtering

03国家科技重大专项项目(2014ZX03001003)，国家自然科学基金(61571135)

梁文桥(1992-)，男，天门人。硕士研究生,研究方向:无线通信,量子通信,上海 200433

周小林(1973-)，男，上海市人,博士,副教授，研究方向:无线通信,量子通信,上海 200433

1007-757X(2017)02-0001-04

TP393

A

2016.05.24)