用于选择传输信道处理和具有天线分集的信号的接收机

摘要

一种为了促成传输信道传送具有最小二进制误码率的传输信道，从具有天线分集的OFDM接收机的几个传输信道中选择传输信道的方法，该方法通过将表示传输信道的频率响应的数据RFC输入每一个传输信道，估算二进制误码率。

说明书

技术领域

本发明涉及一种具有天线分集、且使用OFDM(代表正交频分调制)型调制的无线数字通信系统。天线分集促成改善在可靠性和稳定性方面的传输链路质量。这样的通信系统用于例如使用突发传输的IEEE 802.11a或者Hiperlan2型的局域无线网中。

背景技术

为了找到更多与使用OFDM型调制的传输有关的知识，本领域的技术人员可以查阅：在1987年8月《UER-Technique journal》的第24期的第168-190页由Allard M.et LASSALLE R.所写的《Principes demodulation et de codage canal en radiodiffusion numérique vers desmobiles》[Principles of modulation and channel coding in digital radiobroadcasting to mobiles]；在1993年10月BBC RD的《BBC Research andDevelopment Report》由M.C.D.Maddocks所写的《An introduction to digitalmodulaion and OFDM techniques》；在1995年6月的《Proceedings of theIEEE》卷83第6期的第982-996页由Le Floch B.，Alard M.and Berrou C所写的《Coded Orthogonal Frequency Division Multiplex》。

更具体地说，本发明涉及一种为了促成传送信号的传输信道在解码后产生最低的二进制误码率，从在具有天线分集的OFDM无线信号的输入可用到的几个天线中选择一个天线的方法。

为了计算传输信道上的二进制错码率，通常会利用在通过信道传输的无线信号中发送的每一个帧的一定比特数的前同步码(premable)。然而，由于需要对大量的比特进行解码，因此，该计算在时间上的花费非常大，并且该方法不适合于必须经历接收天线的临时频率变化的天线分集接收机。

发明内容

本发明的目的是提出一种更适合于选择天线分集接收机的接收天线的方法。

出于这个目的，依据本发明，该方法通过将表示传输信道的频率响应的数据输入到神经网络，估算每一个传输信道的二进制误码率。可以由用于计算快速傅立叶变换的模块提供表示传输信道的频率响应的数据，其中所述的模块已经存在于OFDM信号接收机的信号处理链(signalprocessing chain)中。傅立叶变换计算模块配备有可以计算与同步码对应的序列的信道频率响应的装置。当接收到无线信号中的帧的前同步码时，用于计算快速傅立叶变换的该模块计算传输信道的频率响应，并且由均衡器使用该响应来计算每一个均衡系数的初始值。依据传输信道的频率响应、以及在输入接收到的信号的功率电平，神经网络可以估算与传输信道对应的二进制误码率。

为了促成神经网络形成简单的结构、特别是依据多层感知器模型(perceptron model)的结构，已经经过了学习的神经网络依据表示传输信道的响应的数据，估算为了获得预定的二进制比特误码率，例如10-4的标准误码率所需要的在输入端的信号功率电平，神经网络的输出与在输入端接收到的信号的实际功率被一起使用，以便估算该传输信道的二进制误码率。

本发明可扩展到用于实现上述方法的天线分集接收机。

附图说明

在单一的图中说明了依据本发明的方法，该图显示了具有天线分集的OFDM信号接收机的信号处理链。

具体实施方式

在图中，作为非限定性实例，接收机包括：两个传输信道1和2，两个传输信道中的每一个由天线组成。所述的信道通过切换装置3，与接收机的信号处理链的输入端连接。

接收机的信号处理链根据传统的方式按顺序地包括：变频器4，用于降低输入无线信号的频率；模拟/数字转换器5，尤其用于估算接收的信号的功率电平P；快速傅立叶变换计算模块6；均衡器7；以及解调器/解码器8。

输入无线信号传输被组织为分组的比特，每一个分组以预定的前同步码开始。在模块6中，使用每一个分组的前同步码的比特来计算RFC传输信道的频率响应，然后在均衡器7中使用这些RFC数据，以便计算初始均衡系数。同时，将表示传输信号的频率响应的RFC数据转向(divert)到用于计算选择的传输信道的二进制误码率的神经网络9。依据对每一个传输信道1和2的二进制误码率进行估算，自动控制切换装置3的转换，以便促成信道产生具有最低二进制误码率的解码后的信号。

按照功率，对RFC数据进行归一化。这是为什么在神经网络9中获得的结果表示需要的功率，以便获得给定的误码率的原因。

在图中表示的块10控制切换装置3的转换。该块接收在接收机的输入接收到的信号的功率电平P、以及神经网络9的输出，其中神经网络9是依据多层感知器模型构造的神经网络。

已知该模型在微电路中被简单地实现，并且由于该模型使用的学习算法，还已知该模型是误差向后传播型的模型。

已经经过了学习的神经网络9依据表示传输信道响应的RFC数据，估算为了在解调器/解码器8的输出获得预定二进制误码率，例如10-4的误码率，所需要的传输信道的信号功率电平。用于神经网络的学习的数据库包括：按照功率归一化的一组信道响应；以及针对一组信道响应中的每一个，为了在与传输信号上使用的码率匹配的Viterbi解码器的输出上获得10-4的二进制错码率，在接收机的输入(在天线级)所需要的信号功率。所述的“所需要的功率”表示接收机的敏感度。通过仿真或者通过测量，可以获得数据库的每一个元件。仿真的优点在于可以得到可靠和精确的结果，但是需要大量的计算时间。测量可以非常快地获得非常大量的元件，但是必须特别仔细地进行测量以便获得可靠的结果，而且测量获得的结果的精度是有限的。为了确保足够的学习等级，在数据库中包括的元件的数量必须为几百个。此外，这些元件必须在敏感度级尽可能均匀地分布。作为实例，已经使用了与可以自动测量的空间定位器和软件工具连接的单天线接收机来产生数据库。为了确保传输信道的稳定以便获得最可靠的可能结果，在晚上于缺乏人类活定的环境中进行测量。

依据神经网络9的输出，即估算的所需的信号功率电平，以及在天线级接收到的信号的实际功率电平P，在块10中可以使用计算算法进行传输信号的二进制错码率的估算。当已经估算了两个传输信道的二进制错码率时，块10可以控制切换装置1，以便将接收机的信号处理链的输入连接到用于传送最小估算错码率的OFDM信号的天线。

更简单地说，还可以将由神经网络估算的需要功率与接收到的功率进行比较，以便获得针对每一个天线的安全裕度，并且因而获得针对每一个传输信道的安全裕度。依据最大的安全裕度对天线进行选择。

还可以进行其他不同的实施例。作为实例，可以使用不同于RFC数据的用于表示传输信道的频率响应的数据。例如可以使用均衡器的量化系数，但是实现起来会有更大的花费。

还可以将表示输入功率的数据项并入神经网络。在这种情况下，神经网络直接提供相关信道的信息选择。然而，最好只在神经网络中使用相似的数据，以便简化学习。