处理CDMA搜索器中的导频和非导频信道

摘要

通过使用导频和非导频信道，可以加速在CDMA接收器中获得扰频码相位偏差。相关的结果被组合起来处理检测概率，所述概率与漏检测阈值和误报警阈值进行比较。还降低了概率计算的复杂性。

说明书

技术领域

本发明涉及处理码分多址(CDMA)搜索器中的非导频信道。

CDMA通信技术可以应用于无线通信系统中，如蜂窝电话系统。该系统可包括多个基站，所述多个基站通过利用相同的频率的多个通信信道与多个移动台进行通信。在这样的系统中，给每个移动台分配一个扩频序列(在现在的CDMA网络中是n×n的Walsh矩阵的行(n＝64、128、256))和一个扰频(scrambling)序列(位于当前CDMA网络中的基站或网络本地的长伪随机或金(gold)序列)，这些序列用来对输入信号的序列进行扩频，并将其滤波成所分配的带宽以恢复传输的信息。此外，每个基站传输一个由所有本地移动台接收的导频信道(通常传输不带信息的基站扰频序列)。同一地区中的每个网络基站使用相同的导频码，但具有不同的时间偏差，以使每个移动台能够识别出从多个不同基站传输来的信号。

为了使移动台通过通信网络使用通信信道并进行通信，移动台需要利用导频信道在时标上与附近的基站同步。通常，每个移动台内的搜索器接收器(searcher receiver)通过使移动台产生的扰频序列与输入的采样信号序列相关来试图与基站同步。

附图说明

图1是通信系统的一个方框图。

图2是搜索器接收器的一个方框图。

图3是据此操作该搜索器接收器的方法的一个流程图。

具体实施方式

如图1所示，通信系统10包括多个基站(如基站12)，所述多个基站被设置为用于与一个或多个的移动台(如移动台14)进行无线电通信。移动台14被设置为传输并接收CDMA网络中的信息，因此该移动台14可与基站12进行通信。

基站12将包含有数据的信号传输给移动台14。在一个CDMA实施方案中，基站12使用用于传输数据的扩展频谱技术，该扩展频谱技术所占用的带宽比传统的技术通常所需要的带宽要大。这种技术利用与数据无关的码序列来调制被传输的数据。该码的共轭(conjugate)被用来在接收端对数据进行解调。在公知为沃尔什覆盖(Walsh covering)的过程中，利用扩频码，如正交Walsh码，对通信信道上的数据进行扩频。每个基站都分配一个唯一的正交Walsh码给每个移动台。

使用Walsh码使得传输给每个移动台的符号相对于每个其它的移动台都是正交的。每个移动台用分配给它们各自的Walsh码来处理采样输入信号的序列，而分配给每个移动台的Walsh码都对应于分配给它的通信信道和本地扰频序列。

除了通信信道，基站12还广播导频信道、同步信道和寻呼信道(或多个信道)。导频信道是通过传输由Walsh码0覆盖的全零数据序列而形成的，所述Walsh码0是由全部1组成的。该导频信道可以被在范围内的所有移动台接收，并由移动台使用，以识别CDMA基站的存在、初始的系统探测(acquisition)、空闲模式切换，以及对同步、寻呼和通信信道进行解调。同步信道用来使移动台与基站定时同步。寻呼信道用来将寻呼信息从基站12发送到包括移动台14在内的多个移动台。

除了沃尔什覆盖，还利用扰频序列对基站传输的多个信道进行扩频，该扰频序列如伪随机噪声(PN)序列或金序列，还称为导频序列。通过利用用于扰频序列的起始相位，也称为起始时间、相移或时间偏差，通信系统10中的每个基站12可以被唯一地识别。扩展导频信道对射频(RF)载波进行调制，并被传输到基站12所服务的地理区域内的多个移动台。扰频序列可以是包括同相(I)和正交(Q)分量的复数。因此，下面所描述的导频信号的所有处理都可能涉及I和Q分量。

移动台14包括天线26、前端电路16、搜索器接收器20和控制逻辑22。天线26接收来自基站12和附近其它基站的RF信号。

通过天线26将接收到的RF信号转换成要发送到前端电路16的电信号。前端电路16对该电信号进行滤波，并将该电信号转换成用于进一步由搜索器接收器20处理的数字数据流。

搜索器接收器20检测由移动台14从多个基站(如基站12)接收到的导频信号。搜索器接收器20将包括导频信号和非导频信号的数字数据流存储到缓冲器内，并编组成称为符号的数据组。搜索器接收器20通过使输入的符号与本地扰频序列(通常为PN或金)和扩频序列(通常为Walsh)相关来产生相关符号。

产生相关符号后，搜索器接收器20利用相关符号进行概率计算。计算得到的概率取决于这样一个事件，即所考虑的选定时间偏差近似为移动台时钟和基站时钟之间的时间差(或者，该事件完成)。如果计算得到的概率不满足预定的阈值，则利用来自缓冲器的新采样值重复上述过程。如果满足了误报警阈值，则移动台14可以利用选定时间偏差与基站14同步，并随后与其进行通信。

前端电路16也能将控制逻辑22产生的电信号转换成RF信号，该RF信号随后可从移动台14被传输到基站12。控制逻辑22包括存储元件和用来控制移动台14工作的处理逻辑。

如图2中所示，搜索器接收器20包括缓冲器30、导频符号相关器32和相应的扰频序列码发生器34。接收器20还包括一个或多个非导频符号相关器36和相应的扩频序列码发生器38。概率引擎(engine)40和判定逻辑42也是搜索器接收器20的组成部分。

搜索器接收器20检测导频信号，以获得用于使移动台14与基站12同步的系统定时。搜索器接收器20以某个采样速率对从前端电路16接收到的输入信号进行采样，并将产生的采样值发送到缓冲器30的输入侧31。可以通过耦合到缓冲器30输入侧31的模数(A/D)转换器来进行该采样处理。然后，缓冲器30将采样信号存储为单元，所述单元被称为符号。每个符号都可以是2的多次幂(a multiple of the power two)，如32、64、128、256。缓冲器30可以存储的符号的数量根据设计标准可以从1变化到N，所述的设计标准可以是，如成本和使用性能之间的权衡。

每个符号都包含多个码片(chips)(在CDMA IS-95中是64个，在CDMA2000中是128个，以及在宽带(WB)CDMA中是256个)，其中每个码片都是反映出在给定的CDMA系统中所使用的频率的时间周期。在一个实施方案中，缓冲器30的存储容量是36个网络符号，每个码片被采样一次或两次。例如，在WB-CDMA系统中的存储量大约为256×36＝9216个采样值，或者，如果每个码片采样两次，则为该数量的两倍。

这样的一个CDMA系统可以包括直接序列CDMA(DS-CDMA)系统，例如，如在电讯工业协会(Telecommunications Industry Association(TIA/EIA))暂行标准IS-95，“用于双模宽带扩频蜂窝系统的移动台-基站兼容性标准”(IS-95)(“Mobile Station-Base-StationCompatibility Standard for Dual-Mode Wideband Spread Spectrum Cellular System”(IS-95))中所定义的那样。在这样的DS-CDMA系统中，每个序列的长度都是256个码片，它们是以每秒钟1.2288兆码片的码片速率产生且每26又2/3毫秒重复一次。最小的时间间隔是64个码片长度，这允许有总共512个不同的PN码相位分配给多个基站。

导频符号相关器32耦合到缓冲器30的输出端33，并且导频符号相关器32能从缓冲器中取回采用组(如符号)的形式的数据采样值。导频符号相关器32可以包括标准数字信号处理元件，如乘法元件32a和加法元件32b。乘法元件32a产生乘积结果，该乘积结果是通过将来自符号的每个采样值与扰频序列码发生器34产生的扰频序列码相乘而得到的。扰频序列码发生器34产生扰频序列码数组，该数组通过在计算过程中用到的时间偏差范围来进行标引(indexed)。所述时间偏差中的每一个都代表与导频信号相关联的时间偏差的估计值。加法元件32b将由乘法计算产生的每个乘积结果累加起来，以产生相关导频符号z₀。

类似地，非导频符号相关器36耦合到缓冲器30的输出端33，并且非导频符号相关器36能从缓冲器中取回采用组(如符号)的形式的数据采样值。相关器36也可以包括标准元件，如乘法元件36a和加法元件36b。乘法元件36a产生乘积结果，该乘积结果是通过将符号的每个采样值与扩频序列码发生器38生成的扩频序列码相乘而产生的。扩频序列码发生器38产生扩频序列码数组，该数组通过在计算过程中用到的时间偏差范围来进行标引。所述时间偏差中的每一个都代表与导频信号相关的时间偏差的估计值。加法元件36b将每个乘积结果累加起来，以产生相关非导频符号z₁。尽管上面仅讨论了一个相关器36，但搜索器接收器20可以包括多个非导频相关器，这些相关器中的每一个都能够产生相关非导频符号(z₁到z_n)。

概率引擎40耦合到导频符号相关器32的输出端和非导频符号相关器36的输出端。概率引擎40包括用于计算概率P的逻辑，所述计算是利用相关导频符号z₀和相关非导频符号(如z₁到z_n)来进行的。概率P表示假定或假设选定的时间偏差近似为与导频信号相关的时间偏差。

判定逻辑模块42耦合到概率引擎40的输出端，以计算由所述引擎产生的概率P。将概率P与阈值相比较，所述阈值可以基于，例如，工业标准或设计上的考虑。如果阈值比较的结果表明该假定不正确，则利用缓冲器中的下一个符号产生新的一组相关值和概率计算结果。重复这个过程，直到所述阈值得到满足或达到超时条件为止。

如图3所示，搜索器接收器20将包含有导频信号和非导频信号的100个数据存储到缓冲器内。可以将缓冲器30内的数据编组成一个或多个数据采样值组，如包含256个数据采样值的符号。

一旦数据存储到了缓冲器30内，导频符号相关器32就会产生相关导频符号z₀(步骤102)，其中z₀＝∑_k(扰频序列[k+d]^*x[k])。扰频序列[k+d]表示扰频序列数组中的第[k+d]个元素。项x[k]表示从缓冲器中取回的信号采样值数据数组{x[k]}中的第k个元素。数据数组可以是与扰频序列元素相似的复数。标记(index)d表示选定时间偏差，它是由搜索器来检查或探查的。导频符号相关器32从缓冲器30中取回采样值x[k]。数据数组中的每个采样值x[k]都乘以扰频序列中一个对应的第(k+d)个元素(在当前的网络中它是±1±j)。累加乘积结果产生相关导频符号z₀。

然后，搜索器接收器20产生相关非导频符号如z₁(步骤104)，其中z₁＝∑(扰频序列码[k+d]^*x[k]^*扩频序列码[i，k])，且其中扰频序列码[k+d]表示如上面所讨论的扰频序列码数组。类似地，如上面所讨论的，项x[k]表示从缓冲器中取回的符号数据数组中的第k项，标记d表示用作与导频信号相关的所期望时间偏差的选定时间偏差。但是，在这个计算过程中，使用扩频序列码数组，并用特定的通信信道标记i对其进行标引。对系统中每个通信信道i，可以存在单独的扩频序列码数组。扩频序列相关器36从缓冲器30中取回符号x[k]。符号x[k]中的每个采样值k都乘以扰频序列码[k+d]中的每个元素，以产生中间结果。然后每个中间结果都乘以每个扩频序列码[i+k]以产生最终的结果。累加每个最终结果以产生相关导频符号z₁。由每个非导频符号相关器36执行这个过程，以产生扰频序列符号z₁到z_n。

然后概率引擎40通过利用相关导频符号z₀和相关非导频符号z₁到z_n产生概率P(步骤106)。概率P取决于这样的假设，即在相关处理过程中选择的选定时间偏差d近似为与导频信号相关的时间偏差，该导频信号是由移动台接收的。概率计算包括条件概率算法。

在一个实施方案中，在给定的迭代(有时称为静态(dwell))过程中，移动台搜索器中概率引擎的输入是相关符号z＝(z₀，z₁，...，z_n)的数组，其中z₀表示几个符号的导频信道和。该假设的概率为在相关处理过程中所选择的选定时间偏差d近似为移动台和基站之间的实际时间偏差。这个概率是个估计值，并且由相关符号z＝(z₀，z₁，...，z_n)的输入数据决定。

概率引擎40根据下面的模式进行操作。假定是在不正确假设的情况下，z₀，z₁，...，z_n为独立零均值复数高斯随机变量(r.v.)，该独立零均值复数高斯随机变量(r.v.)表征z_i的实数和虚数部分的方差为σ²_i的噪声。在正确假设的情况下，信道和被传输的比特(bits)可以呈现在接收的数据中。在正确假设的情况下，增加了表示信道(乘以一常数)的复数零平均值高斯随机变量(r.v.)h。在这种情况下，该处理过程包含n+2个独立的零均值复数高斯随机变量(r.v.)h，N₀，N₁，...N_n，并且由下式给出符号：

z_i＝t_i·s_ih+N_i

其中s_i是集合(set)U＝def＝{1，-1，j，-j}中的复数数据比特，并且：

t_i＝2^*·(专用于信道的能量部分)^1/2(符号的长度)。

用σ_n+1²＝σ²表示h的实数和虚数部分的方差。

给定s₀＝1(即在导频信道上没有发送数据)，并且对于n≥i＞0，从集合U中以均匀分布随机选择s_i，而且s_i与所有其它的s_j，j≠i无关。用下式表示所有比特配置的集合：

V＝V(n)＝{s＝(1，s₁，...，s_n)：s₁，...，s_n∈U}。

通常，存在已知的概率函数P给每种比特配置s＝(1，s₁，...，s_n)都分配一个值，其中s₁，...，s_n∈U，用P(s)表示。均匀分布是一种特殊的情况，其中对于所有的s＝(1，s₁，...，s_n)，P(s)＝4^-n。

设定A表示所考虑的假设是不正确的事件，而B＝A^c则是正确的。然后在给定观察值(observations)下，A(和B)的概率由下式给出，其中给定条件是相关符号z＝(z₀，z₁，...，z_n)：

P(A|z)＝(1+(p(z|B)/p(z|A))·((P(A)^-1-1))^-1

P(B|z)＝1-P(A|z)

所需要的是一个写成观察值向量z的函数的项。这一点在接下来的步骤中完成，其中在p(z|B)/p(z|A)中给出这样的项，然后传递到P(A|z)。为了便于讨论，将该函数展开成几个表达式。(通过对信道的积分来进行验证)。

设定P为所有(被传输的)n个符号的集合，V，的分布，并定义为

c＝∑_0≤i≤n+1t_i²/(2σ_i²)，v_i＝z_it_i/(2·c^1/2·σ_i²)，i＝0，1，.........，n，v＝(v₀，........，v_n)：

g_P，n(v)＝def＝∑_s∈V(n) P(s)·exp(|(v，s)|²)。

然后：

p(z|B)/p(z|A)＝c^-1·σ^-2g_P，n(v)。

这里，根据惯例，用标准的w^*＝x-j·y表示复数w＝x+j·y的复共轭，并且(s，v)代表标准内积，也即为：

(v，s)＝∑_iv_i·s_i^*，另外，|v|²＝(v，v)。

复标量V₀，...，V_n被认为是标准化(normalized)的相关符号。在实践中，对于所有的比特配置s，比特分布可以是均匀的，P(s)＝4^-n。在这种情况下，g_n(v)＝g_P，n(v)。在项g_n(v)的表达式中，和的大小为指数4ⁿ，因此，对于相当少的未知比特量n，仅以小的计算负载可以直接并精确地计算。对于更大的n，可以使用由低复杂性的算法获得的g_n(v)近似值。下面详细地讨论这些近似值。接下来的讨论描述了g_n(v)的近似值，或者相当于是p(z|B)/p(z|A)的近似值，并且指出，如果这是作为上限或下限，无论何时适用，因为这些就是可以被用来进行进一步增强的特性。

函数g_n(v)的某些近似方法可能需要使用本文下面在复线性空间上定义的范数。对于v＝(v₀，...，v_n)∈Cⁿ⁺¹，定义该范数为：

[v]＝max{|∑_0≤i≤nv_i·s_i^*|：(s₀，........，s_n)∈Uⁿ⁺¹}。

本文中称该范数为MBR(Max-Bit-Reconstruction，最大-比特-重建)范数。下面描述计算该范数的一种有效的方法。

在一个实施方案中，下面的过程可以被用来计算该MBR范数(本文中称为MBR过程)，以作为估计g_n(v)的概率引擎的一部分。这种过程的输入是n维复数数组v＝(v₁，...，v_n)，其中每个复数以笛卡儿坐标z_i＝x_i+j·y_i给出，并且输出为MBR范数[v]。

步骤1：对于每个i＝1，2，......，n，该过程分别单独找到U＝{1，-1，j，-j}中唯一的u_i，使得

Re(u_i^*·z_i)＞0和Im(u_i^*·z_i)≥0，并且插入v’i＝v_i·u_i^*。

这一步骤的复杂性在于包括2n次实数与0的比较。

步骤2：该过程找出排列π∈S_n，其满足：

y’_π(1)/x’_π(1)≤y’_π(2)/x’_π(2)≤...≤y’_π(n)/x’_π(n)

并且对于每个i＝1，2，...，n插入：z_i＜----z’_π(i)

这一步骤的复杂性在于包括n次实数除法，n·log(n)次比较，n次实数插入。

步骤3：该过程计算：h₀＝(-j)·∑_1≤p≤nz’_p，并插入Max＝|h₀|²。

这一步骤的复杂性在于包括2·n次实数加法。

步骤4：对于i＝1到n，计算

h_i＝h_i-1+(1+j)·z’_i

如果(|h_i|²＞Max)：Max＝|w_i|²

这一步骤的复杂性在于包括5·n次实数加法，2n次实数乘积。

该过程返回值：[z]＝Max^1/2。

在另一个实施方案中，本文中被称为Upper-Bound 1(UB1)(上限1)的g_n(v)的上限近似值基于下面的数学不等式：

g_u1，n(v)＝def＝(exp(|[v]|²)≥g_n(v₀，...，v_n)。

可以利用下面的步骤解这个不等式：

步骤1：通过如上所述的MBR码计算[v]。

步骤2：通过查指数表计算(exp(|[v]|²)。

另外，在某些实施方案中，计算下面在本文中被称为Lower-Bound 1(LB1)(下限1)的g_n(v)的下限近似值。对于v＝(v₀，...，v_n)，它基于下面的数学不等式：

g_n(v)≥exp(|v|²)＝def＝g_L1，n(v)。

可以使用接下来的步骤解该近似值：

步骤1：以直接的标准方式计算|v|²。

步骤2：通过查指数表计算(exp(|v|²)。

此外，在另一个实施方案中，计算接下面在本文中被称为Upper-Bound 2(UB2)(上限2)的g_n(v)的上限近似值。它是基于下面的数学不等式，设定α＝def＝(8^1/2-2)/2，然后：

$>>>g>>u>2>>>>(>v>)>>=>def>=>>4>>->n>>>>\pi >>0>\le >i>\le >n>>>>(>>\Sigma >>>s>i>>\in >U>>>exp>>(>[>v>]>·>>(>Re>>(>>v>i>>·>>>s>i>>*>>)>>\alpha >·>Im>>(>>v>i>>·>>>s>i>>*>>)>>)>>)>>>>>$

$>>+>>4>>->n>>>>\pi >>0>\le >i>\le >n>>>>(>>\Sigma >>>s>i>>\in >U>>>exp>>(>[>v>]>·>>(>Re>>(>>v>i>>·>>>s>i>>*>>)>>->\alpha >·>Im>>(>>v>i>>·>>>s>i>>*>>>)>>)>>)>>\ge >>g>n>>>(>>v>0>>,>.>.>.>,>>v>n>>)>>>>$

可以使用接下来的伪码解该近似值：

r＝[v]；

a＝(sqrt(8)-2)/2；

product1＝1；

product2＝1；

for(i＝0；i＜＝n；i++)

{

    u[0]＝r^*(Re_V[i]+a^*Im_V[i])；    /^*s＝1^*/

    u[1]＝-u[0]；                    /^*s＝-1^*/

    u[2]＝r^*(-Im_V[i]+a*Re_V[i])；   /^*s＝j^*/

    u[3]＝-u[2]；                    /^*s＝-j^*/

    v[0]＝r^*(Re_V[i]-a^*Im_V[i])；

    v[1]＝-v[0]；

    v[2]＝r^*(-Im_V[i]-a^*Re_V[i])；

    v[3]＝-v[2]；

    U＝0；

    V＝0；

    for(k＝0；k＜4；k++)

    {

        U＝U+exp(u[k])；

        V＝V+exp(v[k])；

      }

      product1＝product1^*U/4；

      product2＝product2^*V/4；

  }

  Return x＝4^*(product1+product2)。

可以通过利用下面的数学近似不等式估计函数g_n(v)，或者可以与MBR过程一起估计：

设定v＝(v₀，...，v_n)∈Cⁿ⁺¹，且0＜k≤n。设置u＝(v₀+v₁+...+v_k-1)/k。

然后其适用于y＝(u，u...(k次)...u，v_k，...，v_n)，其中：

g_n(v₀，...，v_n)≥g_n(u，u...u，v_k，...，v_n)

可以通过计算函数g_L2，n(v)确定这个不等式，函数g_L2，n(v)是g_n(v)的下限，按如下所述来定义并产生：

1.设定v＝(v₀，...，v_n)为标准化相关符号的数组，并设定s＝(s₀，...，s_n)∈Uⁿ⁺¹满足：

[v]＝|∑_0≤i≤nv_i·s_i^*|

其中[v]代表MBR范数，U＝{1，-1，j，-j}，并且可以用MBR过程来求出[v]和s。

进一步定义：

2.w′_i＝v_i·s_i^*适合于0≤i≤n，

3.u’＝(w’₁+w’₂+...+w’_n)/n，

4.y＝u’^*/|u’|，

5.w₀＝y·w’₀，

6.u＝y·u’，

7.x₀＝Re(w₀)，

8.y₀＝Im(w₀)，

9.y＝(w₀，u，u，...，u)，

并且，最后定义：

g_L2，n(v)＝g_n(y)。

可以利用下面的方法计算g_L2，n(v)：

步骤1：计算上面定义的等式1-9。

步骤2：对于每个-n≤p≤n，处理器计算(或者通过采用查表)下面的数组a[]和b[]，并将所述数组a[]和b[]存储在存储器内：

a[p]＝exp((x₀+u·p)²)，b[p]＝exp((y₀+u·p)²)，

步骤3：通过使用下面的恒等式计算所需的输出：

$>>>g>n>>>(>y>)>>=>>4>>->n>>>>\Sigma >>0>\le >m>\le >n>>>\begin{array}{}>>n>\; >>m>\; >\; >>(>>\Sigma >>0>\le >k>\le >m>>>\begin{array}{}>>m>\; >>k>\; >\; >a>[>2>k>->m>]>)>>·>>(>>\Sigma >>0>\le >i>\le >n>->m>>>\begin{array}{}>>n>->m>\; >>i>\; >\; >b>[>m>+>2>i>->n>]>)>>>>\end{array}\end{array}\end{array}$

步骤1的复杂性在于包括大约n·log(n)次算术运算。步骤2的复杂性在于包括需要4n+2的指数(通过查表来执行)次乘积和加法运算。可以利用查表来进行的步骤3的复杂性包括n²+2n次乘积和加法运算，以及相同次数的二项式查表。

此外，可以通过通用似然比测试(GLRT)或通过其它估算量估计信道h。然后可以使用下面的概率项，或等同项，

$>>p>>(>z>|>B>)>>/>p>>(>z>|>A>)>>=>exp>>(>->C>·>|>h>>|>2>>)>>·>>\pi >>0>\le >i>\le >n>>>>(>1>/>4>>\Sigma >>>s>i>>\in >U>>>exp>>(>Re>>(>>>z>*>>i>>·>>t>i>>·>>s>i>>·>h>)>>/>>>\sigma >i>>2>>)>>)>>>>$

其中：

C＝∑_0≤i≤n t_i²/(2σ_i²)

在另一个实施方案中，可以计算该公式的自然对数，并将该结果与适当的阈值相比较。从而，我们得到：

log(p(z|B)/p(z|A))＝-C·|h|²+∑_0≤i≤n log(∑_s∈U exp(Re(z_i·t_i·s^*·h^*)/σ_i²))

在步骤108中检查所述假设的不正确的计算概率(基于观察值Z的向量)、或者这个概率的一个或几个近似值，以确定是否一个或多个预定的阈值被满足了。例如，可以将该概率与漏检测阈值和误报警阈值相比较。误报警阈值表示，当事实上选定的时间偏差假设不正确时，该选定的时间偏差假设正确的似然性。另一方面，漏检测阈值表示，当实际上当前选定的时间偏差假设是正确时，该当前选定的时间偏差假设是错误的似然性。

如果概率P小于误报警阈值，则基于选定的时间偏差的假设是正确的，并且可以利用步骤110选定的时间偏差与基站同步，并与基站进行通信。如上面所讨论的，该假设是基于选定的时间偏差近似为与导频信号相关的时间偏差的概率。

另一方面，如果该概率大于漏检测阈值，则认为基于选定的时间偏差的假设是不正确的。可以利用新的时间偏差d和缓冲器30中的下一个符号重复前面的过程。在下一次相关和概率/假设计算过程中使用新的时间偏差。

类似地，如果该概率大于误报警阈值，但小于漏检测阈值，则重复上面的过程。利用缓冲器中接下来的符号，并计算新的相关导频符号和非导频符号，以产生新的概率。将该新的概率与一个阈值(或多个阈值)进行比较。当重复该过程时，选择并利用新的时间偏差d来估计导频信号中存在的实际时间偏差，其中该导频信号是从基站传输来的。此外，如果在处理过程中用完所有的符号而没有成功地找到正确的时间偏差，则利用新的符号来进行该过程。在每次相关计算过程中，持续累加相关结果，以用在下一次概率计算过程中。重复上面的过程，并当用完时间偏差d之后删除以前的累加的结果。以相似的方式，当处理完缓冲器中的符号之后，重复上面的过程。

利用前述技术，可以改进使移动台与基站同步的整个过程。因为利用非导频信号数据以及导频信号数据来获得同步，所以可以减少同步所需的时间。使用非导频数据可以提供用于同步的其它的信息。结果，可以减少采样值的数量、计算次数和同步所需的时间。

可以在硬件、软件或硬件和软件的组合中实现本发明的各种特征。例如，可以在可编程序计算机上执行的计算机程序中实现该系统的某些方面。可以用高级程序语言或面向对象程序设计语言来实现每个程序，以与计算机系统进行通信。此外，每个这种计算机程序都可以存储到存储介质上，用于当计算机读该存储介质以执行上述功能时配置并操作该计算机，所述存储介质如可以被通用或专用可编程序的计算机或处理器读取的只读存储器(ROM)。

其它实施方式都落在下面的权利要求书的范围内。