多小区联合信道估计、多小区联合检测装置及方法

摘要

本发明提供一种多小区联合信道估计方法和装置以及多小区联合检测的方法和装置，主要包括：估计每个相邻小区和本小区的信道冲击响应，根据每个相邻小区的信道估计结果从所有相邻小区用户对应的多径信号中选择N个强信号径，根据本小区的信道估计结果，从本小区用户对应的多径信号中选择M个强信号径；利用所选择的N+M个强信号径进行多小区联合信道估计，得到多小区联合CIR列向量。进一步可以利用上述多小区联合信道估计结果进行多小区联合检测。由于进行多小区联合信道估计所选择的多径信号均为功率较强的强信号径，因此，本发明所述的多小区联合信道估计以及多小区联合检测可以获得很好的CIR估计性能及较大联合检测增益。

说明书

技术领域

本发明涉及到无线通信技术，特别涉及无线通信系统中的多小区联合信道估计装置、多小区联合信道估计方法以及多小区联合检测装置和多小区联合检测方法。

背景技术

目前，在第三代合作伙伴项目(3GPP)时分双工低码片速率和高码片速率(3GPP TDD LCR和HCR)系统中通常使用单小区联合检测技术来提高系统上行链路信号检测的性能。然而，单小区的联合检测技术仅能用于消除小区内干扰，而不能用于消除小区间干扰。多小区联合检测技术就是为了同时消除小区内干扰和小区间干扰而提出的上行链路信号检测技术。现有的多小区联合检测需要首先从相邻小区内选择若干对本小区信号干扰较强的强干扰用户，然后再利用所选择的相邻小区内强干扰用户的所有多径信号以及本小区内用户的所有多径信号进行上行链路信号检测，信号检测过程主要包括导频(midamble)域多小区联合信道估计以及数据域多小区联合检测两个过程。

在实际的应用中，现有的多小区联合检测技术仍存在如下缺点：

首先，如果本小区内用户的所有多径信号已经占用了midamble码的所有偏移(shift)，则在midamble域多小区联合信道估计过程中将不能够再引入相邻小区内强干扰用户的多径信号了，在这种情况下，midamble域多小区联合信道估计将退化为单小区信道估计，从而丧失多小区联合检测所带来的检测增益；

其次，已知在每个用户的信道冲击响应(CIR，Channel Impulse Response)窗口中，无论是本小区内用户还是相邻小区内用户，并不是其所有多径信号都是强信号径，并且由于在midamble域多小区联合信道估计以及数据域多小区联合检测中弱信号径所带来的增益要比强信号径小很多，而弱信号径消耗的计算资源和强信号径相当，因而，在midamble域多小区联合信道估计以及数据域多小区联合检测过程中使用本小区用户的所有多径信号以及相邻小区中所选择强干扰用户的所有多径信号进行多小区联合检测并不合理；

最后，由于相邻小区中弱干扰用户的强信号径很有可能比相邻小区内强干扰用户或本小区内用户的弱信号径具有更高的功率，因此，如果在midamble域多小区联合信道估计以及数据域多小区联合检测中利用相邻小区内弱干扰用户的强信号径将会获得更大的增益，但是现有多小区联合检测方法并未考虑相邻小区内的弱干扰用户的多径信号。

发明内容

为了解决现有技术中的问题，本发明提供了多小区联合信道估计装置及方法以获得更好的信道估计性能。

本发明还提供了多小区联合检测装置及方法，以获得更大的检测增益。

本发明所述多小区联合信道估计方法，包括：

估计每个相邻小区和本小区的信道冲击响应CIR；

根据每个相邻小区的CIR从所有相邻小区用户对应的多径信号中选择N个强信号径，根据本小区的CIR，从本小区用户对应的多径信号中选择M个强信号径，其中，N和M为自然数；

利用所选择的N+M个强信号径进行多小区联合信道估计，得到多小区联合信道冲击响应CIR列向量。

其中，根据本发明的一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：计算所有相邻小区内每个多径信号的功率，从中选择N个功率最强的多径信号作为所述N个强信号径。

根据本发明的另一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：计算每个CIR的功率，并计算所有CIR的功率平均值及方差；根据计算的所有CIR功率的平均值及方差确定一个门限值，从所述相邻小区的所有CIR中选择功率大于所述门限的CIR；从所选择的功率较强的CIR中选择N个功率最强的多径信号作为所述N个强信号径。

根据本发明的又一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：确定一个CIR中强信号径的数目，并根据确定的每个CIR中强信号径的数目确定待选择的强干扰CIR的个数N_shift；根据每个CIR的功率，从相邻小区的所有CIR中选择功率最强的N_shift个CIR；从所选择的N_shift个CIR所对应的所有多径信号中选择N个功率最强的多径信号作为所述N个强信号径，其中，N_shift为自然数。

另外，从本小区用户对应的多径信号中选择M个强信号径的步骤包括：计算本小区内每个多径信号的功率，从中选择M个功率最强的多径信号作为所述M个强信号径。

所述选择M个功率最强的多径信号作为所述M个强信号径的步骤包括：

令其中，K_m，C+1为本小区的midamble偏移；

如果N_local，path＞W_C+1，则令N_local，path＝W_C+1，其中W_C+1为本小区的CIR窗长；

如果N_{local，shift}＝M-K_m，C+1·N_local，path＞0并且N_local，path＜W_C+1，则在k_m＝0，...，N_{local，shift}-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}}+1,$而在k_m＝N_{local，shift}，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}};$否则，在k_m＝0，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}};$

根据计算的所有多径信号的功率，从本小区每个midamble偏移所对应的CIR的所有多径信号中选择个功率最强的多径信号；

利用公式$M=\underset{k_m=0}{\overset{K_{m,C+1}-1}{\Sigma }}{N}_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}$更新M。

利用所选择的N+M个强信号径进行多小区联合信道估计的步骤包括：生成多小区联合信道估计所需的多小区联合信道估计矩阵，并利用生成的多小区联合信道估计矩阵进行midamble域多小区联合信道估计，得到多小区联合CIR列向量。

根据本发明的另一个优选方案，利用所选择的N+M个强信号径进行多小区联合信道估计的步骤包括：生成多小区联合信道估计所需的多小区联合信道估计矩阵，从中选择L′行向量重新生成简化的多小区联合信道估计矩阵，利用所述简化的多小区联合信道估计矩阵进行midamble域多小区联合信道估计，得到多小区联合CIR列向量，其中，N+M≤L′≤L_mid-W_max，c+1，L_mid表示每个midamble块的长度，W_max，c表示信道冲击响应窗的最大可能长度。

本发明所述多小区联合信道估计装置，包括：相邻小区强信号径选择模块、本小区强信号径选择模块、多小区联合信道估计模块及至少一个信道估计模块；其中，

每个信道估计模块分别用于估计相邻小区及本小区中指定小区的信道冲击响应CIR，得到每个相邻小区和本小区的CIR；

所述相邻小区强信号径选择模块用于根据对应相邻小区的信道估计模块输出的CIR从相邻小区内所有用户的所有多径信号中选择N个强信号径；

所述本小区强信号径选择模块用于根据对应本小区的信道估计模块输出的CIR从本小区所有用户的所有多径信号中选择M个强信号径；

所述多小区联合信道估计模块用于根据相邻小区强信号径选择模块和本小区强信号径选择模块选择的N+M个强信号径进行多小区联合信道估计。

本发明所述的多小区联合检测方法，包括：

估计每个相邻小区和本小区的信道冲击响应CIR；

根据每个相邻小区的CIR从所有相邻小区用户对应的多径信号中选择N个强信号径，根据本小区的CIR，从本小区用户对应的多径信号中选择M个强信号径，其中，N和M为自然数；

利用所选择的N+M个强信号径进行多小区联合信道估计，得到多小区联合CIR列向量；

利用多小区联合信道估计的结果生成系统矩阵；

根据所生成的系统矩阵以及接收的第一和第二数据块信号进行数据域多小区联合检测，得到第一和第二数据块承载的数据。

其中，根据本发明的一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：计算所有相邻小区内每个多径信号的功率，从中选择N个功率最强的多径信号作为所述N个强信号径。

根据本发明的另一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：计算每个CIR的功率，并计算所有CIR的功率平均值及方差；根据计算的所有CIR功率的平均值及方差确定一个门限值，从所述相邻小区的所有CIR中选择功率大于所述门限的CIR；从所选择的功率较强的CIR中选择N个功率最强的多径信号作为所述N个强信号径。

根据本发明的又一个优选方案，从所有相邻小区用户对应的多径信号中选择N个强信号径的步骤包括：确定一个CIR中强信号径的数目，并根据确定的每个CIR中强信号径的数目确定待选择的强干扰CIR的个数N_shift；根据每个CIR的功率，从相邻小区的所有CIR中选择功率最强的N_shift个CIR；从所选择的N_shift个CIR所对应的所有多径信号中选择N个功率最强的多径信号作为所述N个强信号径，其中，N_shift为自然数。

另外，从本小区用户对应的多径信号中选择M个强信号径的步骤包括：计算本小区内每个多径信号的功率，从中选择M个功率最强的多径信号作为所述M个强信号径。

所述选择M个功率最强的多径信号作为所述M个强信号径的步骤包括：

令其中，K_m，C+1为本小区的midamble偏移；

如果N_local，path＞W_C+1，则令N_local，path＝W_C+1，其中W_C+1为本小区的CIR窗长；

如果N_{local，shift}＝M-K_m，C+1·N_local，path＞0并且N_local，path＜W_C+1，则在k_m＝0，...，N_{local，shift}-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}}+1,$而在k_m＝N_{local，shift}，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}};$否则，在k_m＝0，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}};$

根据计算的所有多径信号的功率，从本小区每个midamble偏移所对应的CIR的所有多径信号中选择个功率最强的多径信号；

利用公式$M=\underset{k_m=0}{\overset{K_{m,C+1}-1}{\Sigma }}{N}_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}$更新M。

利用所选择的N+M个强信号径进行多小区联合信道估计的步骤包括：计算多小区联合信道估计所需的多小区联合信道估计矩阵参数，并利用生成的多小区联合信道估计矩阵进行导频midamble域多小区联合信道估计，得到多小区联合CIR列向量。

根据本发明的另一个优选方案，所述利用所选择的N+M个强信号径进行多小区联合信道估计的步骤包括：生成多小区联合信道估计所需的多小区联合信道估计矩阵，从中选择L′行向量重新生成简化的多小区联合信道估计矩阵，利用所述简化的多小区联合信道估计矩阵进行midamble域多小区联合信道估计，得到多小区联合CIR列向量，其中，N+M≤L′≤L_mid-W_max，c+1，L_mid表示每个midamble块的长度，W_max，c表示信道冲击响应窗的最大可能长度。

利用多小区联合信道估计的结果生成系统矩阵的步骤包括：根据多小区联合信道估计结果更新相应的小区联合CIR；根据更新后的小区联合CIR计算用户设备UE的特定CIR，并进行信道估计后处理；根据信道估计后处理后的对应特定UE的CIR计算特定虚拟资源单元VRU的CIR；确定参与多小区联合检测的VRU的数量，并选择相应数量的VRU；计算对应每个本地VRU以及特定相邻小区中所选择的VRU的联合CIR，并根据计算的对应特定VRU的联合CIR生成系统矩阵。

在生成系统矩阵之后进一步包括：从所生成的系统矩阵中选择L_A个行向量生成新的矩阵，其中，L_A大于或等于所述系统矩阵的列数且小于或等于所述系统矩阵的行数，将新生成的矩阵作为系统矩阵。

在根据所生成的系统矩阵以及接收的第一和第二数据块信号进行数据域多小区联合检测之前，进一步包括：利用多小区联合信道估计的结果对接收的第一和第二数据块信号进行处理，消除在传输过程中midamble块信号对所述第一和第二数据块信号的干扰，得到干净的第一和第二数据块信号，并利用干净的第一和第二数据块信号进行数据域多小区联合检测。

消除在传输过程中midamble块信号对所述第一和第二数据块信号的干扰包括：估计本小区midamble码对两个数据块的干扰，分别从接收到的第一和第二数据块的基带信号中减去本小区midamble码对两个数据块的干扰；估计相邻小区的midamble码对两个数据块的干扰，分别从已经消除了本小区midamble码干扰的第一和第二数据块的基带信号中减去相邻小区的midamble码对两个数据块的干扰。

本发明所述的多小区联合检测装置，包括：导频midamble域多小区联合信道估计单元和数据域多小区联合检测单元；其中，

所述midamble域多小区联合信道估计单元用于估计每个相邻小区和本小区的信道冲击响应CIR，根据每个相邻小区的CIR，在相邻小区内每个用户的所有多径信号中选择N个强信号径，根据本小区的CIR，从本小区每个用户的所有多径信号中选择M个强信号径，再利用所选择的N+M个强信号径进行midamble域多小区联合信道估计，其中，N和M均为自然数；

所述数据域多小区联合检测单元用于利用midamble域多小区联合信道估计单元输出的midamble域多小区联合信道估计结果生成系统矩阵，并根据所生成的系统矩阵以及接收的第一和第二数据块信号进行数据域多小区联合检测，得到第一和第二数据块承载的数据。

其中，midamble域多小区联合信道估计单元包括：相邻小区强信号径选择模块、本小区强信号径选择模块、多小区联合信道估计模块及至少一个信道估计模块；其中，

每个信道估计模块分别用于估计相邻小区及本小区中指定小区的信道冲激响应CIR，得到每个相邻小区和本小区的CIR；

所述相邻小区强信号径选择模块用于根据对应相邻小区的信道估计模块输出的CIR从相邻小区内所有用户的所有多径信号中选择N个强信号径；

所述本小区强信号径选择模块用于根据对应本小区的信道估计模块输出的CIR从本小区所有用户的所有多径信号中选择M个强信号径；

所述多小区联合信道估计模块用于根据相邻小区强信号径选择模块和本小区强信号径选择模块选择的N+M个强信号径进行多小区联合信道估计。

数据域多小区联合检测单元包括：多小区联合系统矩阵生成模块以及最小均方误差MMSE检测模块；其中，

所述多小区联合系统矩阵生成模块用于根据多小区联合信道估计模块输出的多小区联合信道估计结果生成数据域多小区联合检测所需的系统矩阵；

所述MMSE检测模块用于根据多小区联合系统矩阵生成模块生成的系统矩阵以及接收第一和第二数据块信号进行多小区联合检测，得到第一和第二数据块数据。

数据域多小区联合检测单元进一步包括：midamble干扰消除模块，用于消除本小区和相邻小区使用的midamble码对本小区所接收同一突发包内两个数据块的干扰，生成干净的第一和第二数据块的接收基带信号并输出到所述MMSE检测模块。

由此可以看出，本发明实施例所述的多小区联合信道估计过程首先在相邻小区内每个用户的所有多径信号中选择信号较强的强信号径，同时还在本小区内每个用户的所有多径信号中选择信号较强的强信号径，然后再利用所选择的相邻小区和本小区内用户的强信号径进行midamble域多小区联合信道估计，由此可以获得很好的CIR估计性能。

另外，由于本发明实施例所述的数据域多小区联合检测单元利用midamble域多小区联合信道估计单元的输出进行数据域多小区联合检测，因而也能够获得较大联合检测增益。

附图说明

下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：

图1显示了本发明实施例所述多小区联合检测装置内部结构；

图2为本发明实施例所述相邻小区强信号选择模块选择强信号径的方法1流程图；

图3为本发明实施例所述相邻小区强信号选择模块选择强信号径的方法2流程图；

图4为本发明实施例所述相邻小区强信号选择模块选择强信号径的方法3流程图；

图5为本发明实施例所述本小区强信号选择模块选择强信号径的方法流程图；

图6为本发明实施例所述多小区联合信道估计的方法流程图；

图7为本发明实施例所述生成系统矩阵的方法流程图；

图8为本发明实施例所述多小区联合信道估计和多小区联合检测方法流程图。

具体实施方式

为了解决上述技术问题，本发明提供了实现多小区联合信道估计和多小区联合检测的装置及实现多小区联合信道估计和多小区联合检测方法。

本发明所述的多小区联合信道估计和多小区联合检测的装置及方法首先在相邻小区内每个用户的所有多径信号中选择信号较强的强信号径，同时还在本小区内每个用户的所有多径信号中选择信号较强的强信号径，然后再利用所选择的相邻小区和本小区内用户的强信号径进行midamble域多小区联合信道估计。由于上述midamble域多小区联合信道估计过程利用的是相邻小区内用户和本小区内用户的所有多径信号中的强信号径，因此，与现有多小区联合检测技术相比，本发明提供的midamble域多小区联合信道估计过程可以获得更好的CIR估计性能。并且，由于本发明所述的数据域多小区联合检测是在midamble域多小区联合信道估计的基础之上进行的，midamble域多小区联合信道估计的输出将作为数据域多小区联合检测的输入，因而，随着CIR估计性能的提高，数据域多小区联合检测也可以获得更好的联合检测增益。

下面结合附图及本发明的实施例对本发明的技术方案作进一步详细说明。

图1为本发明实施例所述多小区联合检测装置内部结构示意图。如图1所示，本实施例所述多小区联合检测装置主要包括：midamble域多小区联合信道估计单元和数据域多小区联合检测单元两个部分。

其中，所述midamble域多小区联合信道估计单元用于在相邻小区内每个用户的所有多径信号中选择强信号径，同时从本小区每个用户的所有多径信号中选择强信号径，然后再利用所选择的强信号径进行midamble域多小区联合信道估计；

所述数据域多小区联合检测单元用于根据midamble域多小区联合信道估计单元输出的midamble域多小区联合信道估计结果进行数据域多小区联合检测。

如图1所示，所述midamble域多小区联合信道估计单元包括：至少一个信道估计模块(CHE)、相邻小区强信号径选择模块(SPC-AC)、本小区强信号径选择模块(SPC-LC)、多小区联合信道估计模块(MC-JCHE)。具体而言，所述信道估计模块用于估计指定小区的CIR；所述相邻小区强信号径选择模块用于根据对应相邻小区信道估计模块的信道估计结果从相邻小区内所有用户的所有多径信号中选择确定个数的信号较强的强信号径；所述本小区强信号径选择模块用于根据本小区的信道估计模块的信道估计结果从本小区所有用户的所有多径信号中选择确定个数的信号较强的强信号径；所述多小区联合信道估计模块用于根据相邻小区强信号径选择模块和本小区强信号径选择模块选择的强信号径进行多小区联合信道估计。

上述信道估计模块、相邻小区强径选择模块、本小区强径选择模块以及多小区联合信道估计模块共同实现了midamble域多小区联合信道估计功能。本领域的技术人员可以理解，上述midamble域多小区联合信道估计单元还可以作为分立的多小区联合信道估计设备单独使用。

如图1所示，所述数据域多小区联合检测单元包括：多小区联合系统矩阵生成模块、midamble干扰消除模块(MIC)以及最小均方误差(MMSE)检测模块。具体而言，所述多小区联合系统矩阵生成模块用于根据多小区联合信道估计模块输出的多小区联合信道估计结果生成数据域多小区联合检测所需的系统矩阵；所述midamble干扰消除模块用于消除本小区和相邻小区使用的midamble码对本小区所接收同一突发包内两个数据块的干扰，生成干净的(clean)第一和第二数据块的接收基带信号；MMSE检测模块用于根据多小区联合系统矩阵生成模块生成的系统矩阵以及midamble干扰消除模块输出的第一和第二数据块进行多小区联合检测，得到第一和第二数据块数据。

上述多小区联合系统矩阵生成模块、midamble干扰消除模块以及MMSE检测模块共同实现了数据域多小区联合检测功能。

下面将结合附图进一步详细说明上述各个模块的处理过程。

1.信道估计模块

如前所述，所述信道估计模块主要用于对指定小区进行信道估计，确定该小区对应的CIR。本实施例所述多小区联合检测装置中所使用的信道估计模块的个数将对应于需要进行信道估计的小区的个数，即本小区和相邻小区的总数。如图1所示，本实施例所述信道估计模块共有C+1个，其中，C个信道估计模块分别对应于C个相邻小区，分别用于这C个相邻小区的信道估计，另外一个信道估计模块对应于本小区，将用于本小区的信道估计。为了表述方便用小区c表示第c个相邻小区，其中，c＝1，2，...，C；而用小区C+1表示本小区。

下面将以小区c对应的信道估计模块为例，详细说明每个信道估计模块的操作流程。

为了表述方便，假设由小区c内接收端的天线k_a接收的码片级基带序列表示为，其中，k_a＝0，...，K_a-1，K_a表示接收端天线的总数目；i＝0，1，...，L_bu-1，L_bu表示一个突发包的长度，例如，在时分双工-同步码分多址(TD-SCDMA)系统中L_bu＝848；r代表“接收”，表示该信号为接收信号。通常情况下，每个突发包包括两个数据块以及一个位于两个数据块之间的midamble块。所述信道估计模块就是利用接收信号中的midamble块进行信道估计的。假设每个数据块的长度为L_data，在TD-SCDMA系统中L_data＝352；另外，假设每个midamble块的长度为L_mid，在TD-SCDMA系统中L_mid＝144。

已知输入对应小区c的信道估计模块码片级基带序列可表示为${\underset{‾}{e}}_{m,c,i}^{\left(k_a\right)}={\underset{‾}{e}}_{r,i+L_{\mathrm{data}}+W_{\max ,c}}^{\left(k_a\right)},$i＝0，...，L-1。其中，定义W_max，c∈N为信道冲击响应窗的最大可能长度，并且令L＝L_mid-W_max，c+1。进一步可以将写成列向量的形式。

另外，假设小区c的联合(combined)CIR为可以得到${\underset{‾}{h^{\prime \prime }}}_c^{\left(k_a\right)}={[{\underset{‾}{h^{\prime \prime }}}_c^{(k_a,0)T}{\underset{‾}{h^{\prime \prime }}}_c^{(k_a,1)T}...{\underset{‾}{h^{\prime \prime }}}_c^{(k_a,k_m)T}...{\underset{‾}{h^{\prime \prime }}}_c^{(k_a,K_{m,c}-1)T}]}^T,$k_a＝0，...，K_a-1，其中，为小区c中midamble偏移为k_m时天线k_a的CIR估计，中的T代表的转置，且K_m，c表示小区c中的midamble偏移。

可以进一步表示为${\underset{‾}{h^{\prime \prime }}}_c^{(k_a,k_m)}={[{\underset{‾}{h^{\prime \prime }}}_{c,1}^{(k_a,k_m)}{,\underset{‾}{h^{\prime \prime }}}_{c,2}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,W_c}^{(k_a,k_m)}]}^T,$其中，代表第i径的衰落系数，W_c为小区c的CIR窗长。

对于对应小区c的信道估计模块来讲，输入的码片级基带序列还可以表示为${\underset{‾}{e}}_{m,c}^{\left(k_a\right)}={\underset{‾}{G}}_c{\underset{‾}{h^{\prime \prime }}}_c^{\left(k_a\right)}+{n_c}^{\left(k_a\right)},$c＝1，2，...，C+1。其中，G_c是小区c的信道估计矩阵，为小区c中天线k_a的噪声列向量。

从上述描述可以看出，对应小区c的信道估计模块的主要功能是根据输入的码片级基带序列计算优选地，所述信道估计模块可以使用迫零(ZF，zero-forcing)检测器或MMSE检测器计算

如果信道估计模块使用ZF检测器，并且假设小区c中天线k_a的噪声列向量的协方差是σ_c²I，其中，I为单位矩阵(unitary matrix)，σ_c²为的噪声功率。所述信道估计模块可以通过如下公式(1)计算得到对应小区的联合CIR。

${\underset{‾}{h^{\prime \prime }}}_c^{\left(k_a\right)}={\left({{\underset{‾}{G}}_c}^H{\underset{‾}{G}}_c\right)}^{-1}{{\underset{‾}{G}}_c}^H{\underset{‾}{e}}_{m,c}^{\left(k_a\right)},k_a=0,...,K_a-1---\left(1\right)$

如果信道估计模块使用MMSE检测器，并且假设小区c中天线k_a的噪声列向量的协方差是σ_c²I，所述信道估计模块可以通过如下公式(2)计算得到对应小区的联合CIR。

${\underset{‾}{h^{\prime \prime }}}_c^{\left(k_a\right)}={({{\underset{‾}{G}}_c}^H{\underset{‾}{G}}_c+{\sigma }_c^{2}I)}^{-1}{{\underset{‾}{G}}_c}^H{\underset{‾}{e}}_{m,c}^{\left(k_a\right)},k_a=0,...,K_a-1---\left(2\right)$

如果G_c为循环方阵(即矩阵中的每一列包含的元素相同，并且每一列为下一列元素向上移动一个元素后得到的向量)，此时，对应小区c的信道估计模块可以通过如下公式(3)计算得到小区c的联合CIR。

${\underset{‾}{h^{\prime \prime }}}_c^{\left(k_a\right)}=\mathrm{IDFT}({\left({\underset{‾}{G}}_{\mathrm{DFT}.c}\right)}^{-1}·\mathrm{DFT}\left({\underset{‾}{e}}_{m,c}^{\left(k_a\right)}\right)),k_a=0,...,K_a-1---\left(3\right)$

其中，运算符DFT()表示离散傅立叶变换，IDFT()表示逆离散傅立叶变换，(G_DFT.c)^-1表示G_DFT.c的逆。G_DFT.c为对角向量是$\underset{‾}{g}=\mathrm{DFT}\left({\underset{‾}{m}}_p^c\right).$的对角矩阵，${\underset{‾}{m}}_P^c=({\underset{‾}{m}}_1^c,{\underset{‾}{m}}_2^c,...,{\underset{‾}{m}}_P^c)$表示小区c的基本midamble码。

通过上述公式可以看出，在已知小区c的信道估计矩阵G_c时可以根据输入的码片级基带序列计算得到小区c的联合CIR。

下面将给出获取小区c的信道估计矩阵G_c的方法。

假设用${\underset{‾}{m}}_P^c=({\underset{‾}{m}}_1^c,{\underset{‾}{m}}_2^c,...,{\underset{‾}{m}}_P^c)$表示小区c的基本midamble码(该码每个分量为复数)，其中，P为所述基本midamble码的长度。在i＝(P+1)，...，L_max，L_max＝L_mid+(K_m，c-1)W_c时，令${\underset{‾}{m}}_i^c={\underset{‾}{m}}_{i-P}^c,$可以根据m_p^c生成${\underset{‾}{m}}^c=({\underset{‾}{m}}_1^c,{\underset{‾}{m}}_2^c,...,{\underset{‾}{m}}_P^c,...,{\underset{‾}{m}}_{L_{\max }}^c).$

进一步假设且

考虑到在i＝(P+1)，...，L_max时，令${\underset{‾}{m}}_i^c={\underset{‾}{m}}_{i-P}^c,$可以重新由m_i^c，i＝1，2，...，P表示为：

由此可以得到G_Temp，c，将G_Temp，c的前W_max，c-1行删除后，即可以生成G_c了。由此可以看出，G_c是(L_mid-W_max，c+1)×W_cK_m，c维矩阵，其中，W_max，c需要满足条件W_cK_m，c≤L_mid-W_max，c+1，且若L_mid-W_cK_m，c≥W_c-1，则W_max，c＝W_c，否则，W_max，c＝L_mid-W_cK_m，c+1。

另外，G_DFT.c为对角向量是$\underset{‾}{g}=\mathrm{DFT}\left({\underset{‾}{m}}_p^c\right)$的对角矩阵。

通过上述计算过程可以看出，信道估计矩阵G_c与小区c使用的基本midamble码相关联，因此，在已知小区c的基本midamble码的情况下，信道估计矩阵G_c也是已知的。因此，本实施例所述的信道估计模块可以根据已知的信道估计矩阵G_c以及输入信号，通过上述公式(1)，(2)或(3)计算出小区c的联合CIR

2.相邻小区强信号径选择模块

如前所述，所述相邻小区强信号径选择模块主要用于根据对应小区的信道估计模块输出的各个相邻小区的联合CIR在相邻小区的所有多径信号中选择确定个数的(例如N个)强信号径。

在实际应用中，相邻小区强信号径选择模块可以采用多种方法从所有多径信号中选择强信号径。本实施例具体给出了以下三种从相邻小区的所有多径信号中选择N个强信号径的优选方法。

方法1：根据各个相邻小区的联合CIR从相邻小区的所有多径信号中选择N个最强的多径信号。其具体过程如图2所示，主要包括：

步骤201：计算所有相邻小区内每个多径信号的功率。

在本步骤中，所述相邻小区每个多径信号的功率可以通过如下公式(4)计算得到：

$v_{c,i}^{k_m}=\frac{1}{K_a}\underset{k_a=0}{\overset{K_a-1}{\Sigma }}{\left|\right|{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)}\left|\right|}^2,$i＝1，2，...，W_c，k_m＝0，...，K_m，c-1，c＝1，2，...，C    (4)

步骤202：根据步骤201计算的所有相邻小区内每个多径信号的功率，从中选择N个最强的多径信号。

为了实现上述步骤，定义如果一个多径信号的功率高于另一个多径信号，则称该多径信号为较强信号径。根据以上定义，就可以根据所有相邻小区内每个多径信号的功率，从所有多径信号中选择N个功率最强的多径信号，即所选择的多径信号的功率值应当为所有多径信号功率值中最大的N个。

方法2：首先选择功率较强的CIR，并在所选择的CIR对应的多径信号中选择N个最强的多径信号。该方法可以通过减少搜索范围节约相邻小区强信号径选择模块搜索N个最强信号径所占用的资源。其具体方法如图3所示，主要包括：

步骤301：计算每个CIR的功率，即计算每个CIR对应的所有多径信号的功率和。

本步骤所述每个CIR的功率可以利用如下公式(5)计算得到：

$v_c^{k_m}=\underset{i=1}{\overset{W_c}{\Sigma }}\underset{k_a=0}{\overset{K_a-1}{\Sigma }}{\left|\right|{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)}\left|\right|}^2,k_m=0,...,K_{m,c}-1,c=\mathrm{1,2},...,C---\left(5\right)$

步骤302：计算所有CIR的功率平均值及方差。

其中，CIR的功率平均值和方差的计算公式分别如公式(6)和(7)所示。

${\mu }_v=\frac{1}{K_{m,\mathrm{Total}}}\underset{c=1}{\overset{C}{\Sigma }}\underset{k_m=0}{\overset{K_{m,c}-1}{\Sigma }}{v}_c^{k_m},$$K_{m,\mathrm{Total}}=\underset{c=1}{\overset{C}{\Sigma }}{K}_{m,c}---\left(6\right)$

${\sigma }_v^2=\frac{1}{K_{m,\mathrm{Total}}}\underset{c=1}{\overset{C}{\Sigma }}\underset{k_m=0}{\overset{K_{m,c}-1}{\Sigma }}{(v_c^{k_m}-{\mu }_v)}^2---\left(7\right)$

步骤303：根据步骤302所确定的CIR的功率平均值及方差在所述相邻小区内的所有CIR中选择功率较强的CIR。

在本步骤中，选择的方法具体包括以下步骤：

首先，根据步骤302计算的所有CIR功率的平均值及方差确定一个门限值α＝μ_v+βσ_v，其中，β≥0，为预先确定的门限系数，例如，β＝1。

然后，根据确定的门限值从所述相邻小区的所有CIR中选择$v_c^{k_m}>\alpha$的CIR。在此所选择的CIR即为本步骤所述功率较强的CIR。

步骤304：从所选择的功率较强的CIR中选择N个功率最强的多径信号。

在本步骤中，如果步骤303所选择的CIR所包含的所有多径信号的总数小于或等于N，则将N更新为步骤303所选择的CIR所包含的多径信号的数目。在这种情况下，每个所选择的功率较强的CIR所包含的所有多径信号均为本步骤所选择的N个最强的多径信号。

由此可以看出，方法2首先通过步骤301-303从所有CIR中选择功率较强的CIR，然后再从所选择的功率较强的CIR所包含的多径信号中选择N个功率最强的多径信号，将N个最强信号径的搜索范围从所有多径信号减小为功率较强的CIR所包含的多径信号，从而大大减小了N个最强信号径的搜索范围，降低了计算量。

方法3：首先选择功率较强的CIR，并在所选择的CIR中选择N个最强的多径信号。方法3也可以通过减小搜索N个最强信号径的范围节省搜索N个最强多径信号所需的资源。其具体方法如图4所示，主要包括：

步骤401：令$N_{\mathrm{shift}}=\left|\frac{N}{N_{\mathrm{path}}}\right|,$其中，N_path表示一个CIR中的强信号径的数目，并且N_path应当满足大于1且$\frac{N}{K_{m,\mathrm{Total}}}\le N_{\mathrm{path}}\le \underset{c=\mathrm{1,2},...C}{\min \left\{W_c\right\}}$的条件。例如，令N_path＝4。

步骤402：从所有相邻小区的所有CIR中选择N_shift个CIR，其中，每个所选择的CIR的功率应当是所有CIR功率中最强的N_shift个。

步骤403：在步骤402所选择的N_shift个CIR中选择N个功率最强的多径信号。

与方法2类似，方法3首先通过步骤401和402从所有CIR中选择N_shift个功率最强的CIR，然后再从所选择的CIR所包含的多径信号中选择N个功率最强的多径信号，将N个最强信号径的搜索范围从所有多径信号减小为N_shift个CIR所包含的多径信号，从而大大减小了N个最强信号径的搜索范围，降低了计算量。

在所述相邻小区强信号径选择模块从相邻小区内的所有多径信号中选择出N个最强信号径之后，这N个所选择的最强信号径将被发送到多小区联合信道估计功能模块。为了表述方便，所选择的最强信号径将使用由多径索引i，midamble偏移索引k_m以及小区索引c组成的三元组(i，k_m，c)标识。

${\underset{‾}{h^{\prime \prime }}}_c^{(k_a,k_m)}={[{\underset{‾}{h^{\prime \prime }}}_{c,1}^{(k_a,k_m)},{\underset{‾}{h^{\prime \prime }}}_{c,2}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,W_c}^{(k_a,k_m)}]}^T$中对应每个所选择的多径信号(i，k_m，c)的衰落系数将在后续的数据域多小区联合检测过程中得到更新。

3、本小区强信号径选择模块

如前所述，所述本小区强信号径选择模块主要用于在本小区内的所有多径信号中选择确定个数的(例如M个)功率最强的多径信号。由该模块完成的强信号径选择过程如图5所示，主要包括：

步骤501：计算本小区内每个多径信号的功率。

本步骤中，本小区内每个多径信号的功率可以通过如下公式(8)计算得到：

$v_{C+1,i}^{k_m}=\frac{1}{K_a}\underset{k_a=0}{\overset{K_a-1}{\Sigma }}{\left|\right|{\underset{‾}{h^{\prime \prime }}}_{C+1,i}^{(k_a,k_m)}\left|\right|}^2,$i＝1，2，...，W_C+1，k_m＝0，...，K_m，C+1-1    (8)

步骤502：根据步骤501计算的本小区内每个多径信号的功率，从中选择M个功率最强的多径信号。

在本步骤中，选择M个功率最强的多径信号的方法具体包括如下步骤：

首先，令如果N_local，path＞W_C+1，则令N_lcal，path＝W_C+1。如果N_{local，shift}＝M-K_m，C+1·N_local，path＞0并且N_local，path＜W_C+1，则在k_m＝0，...，N_{local，shift}-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}}+1,$而在k_m＝N_{local，shift}，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}}.$否则，在k_m＝0，...，K_m，C+1-1时，令$N_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}=N_{\mathrm{local},\mathrm{path}}.$

然后，根据步骤501计算的所有多径信号的功率从本小区每个midamble偏移所对应的CIR中的所有多径信号中选择个功率最强的多径信号。

最后，利用公式$M=\underset{k_m=0}{\overset{K_{m,C+1}-1}{\Sigma }}{N}_{\mathrm{local},\mathrm{path}}^{\left(k_m\right)}$更新M。

在所述本小区强信号径选择模块从本小区内所有多径信号中选择出M个最强信号径之后，这M个所选择的最强信号径将被发送到多小区联合信道估计功能模块。为了表述方便，所选择的最强信号径将使用由多径索引i，midamble偏移索引k_m以及小区索引C+1组成的三元组(i，k_m，C+1)标识。

${\underset{‾}{h^{\prime \prime }}}_{C+1}^{(k_a,k_m)}={[{\underset{‾}{h^{\prime \prime }}}_{C+1,1}^{(k_a,k_m)},{\underset{‾}{h^{\prime \prime }}}_{C+1,2}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{C+1,}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{C+1,W_{C+1}}^{(k_a,k_m)}]}^T$中对应每个选择的多径信号(i，k_m，C+1)的衰落系数将在后续数据域多小区联合检测过程中得到更新。

4、多小区联合信道估计模块

如前所述，该多小区联合信道估计功能模块主要用于根据来自相邻小区强信号径选择模块的N个强信号径和来自本小区强信号径选择模块的M个强信号径进行多小区联合信道估计。

本实施例所述多小区联合信道估计，在相邻小区内选择的强信号径的个数N和在本小区内选择的强信号径个数需要满足如下条件：

(1)(N+M)≤L

(2)0＜M≤K_m，C+1W_C+1

(3)0＜N≤L-M

由本实施例所述多小区联合信道估计模块实现的多小区联合信道估计的具体过程如图6所示，主要包括：

步骤601：计算多小区联合信道估计所需的多小区联合信道估计矩阵等参数。

在本步骤中，已知，多小区联合信道估计模块的输入为输出应当为多小区联合CIR列向量为了进行midamble域多小区联合信道估计，多小区联合信道估计模块需要首先获知对应天线k_a＝0，...，K_a-1的多小区联合信道估计矩阵JG。

已知JG在midamble域多小区联合信道估计过程中所起的作用与G_c在单小区信道估计过程中所起的作用基本相同。并且，在midamble域多小区联合信道估计过程中所起的作用与在单小区信道估计过程中所起的作用也基本相同。

由于每个所选择的多径信号的多径信号索引i，midamble偏移索引k_m以及小区索引c或C+1将被发送给本多小区联合信道估计模块。多小区联合信道估计模块将所选择的多径信号重新编号为1至N+M多径信号。

以下，使用i，k_m以及c分别表示经过重新排列的第l′个多径信号的多径信号索引，midamble偏移索引以及小区索引。可以将矩阵G_Temp，c的第l列复制到矩阵JG_temp的第l′列，其中，l＝W_ck_m+i并且l′＝1，...，N+M。如此，得到矩阵JG_temp。然后，再删除JG_temp中的前W_max，C+1-1行生成JG。

除此之外，还可以将列向量的第l行复制到的第l′行，其中，k_a＝0，...，K_a-1，得到列向量用于后续的数据域多小区联合检测。

且第l′个多径信号的功率可以通过以下公式(9)计算得到。

$V_{l^{\prime }}=v_{c,i}^{k_m}=\frac{1}{K_a}\underset{k_a=0}{\overset{K_a-1}{\Sigma }}{\left|\right|{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)}\left|\right|}^2,$l′＝1，...，N+M    (9)

步骤602：利用生成的多小区联合信道估计矩阵进行midamble域多小区联合信道估计，得到多小区联合CIR列向量

该步骤所述的联合信道估计主要根据${\underset{‾}{e}}_m^{\left(k_a\right)}=\underset{‾}{\mathrm{JG}}{\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)}+{\underset{‾}{\mathrm{Jn}}}^{\left(k_a\right)}$计算得到其中，为在midamble域多小区联合信道估计过程中天线的k_a的噪音向量。

优选地，本步骤所述的midamble域多小区联合信道估计可以使用ZF检测器或MMSE检测器估计出

当使用MMSE检测器时，多小区联合信道估计模块可以通过如下公式(10)计算

${\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)}={({\underset{‾}{\mathrm{JG}}}^H{\left(R_{\mathrm{Jn}}^{\left(k_a\right)}\right)}^{-1}\underset{‾}{\mathrm{JG}}+{\left(R_{\mathrm{Jh}}^{\left(k_a\right)}\right)}^{-1})}^{-1}{\underset{‾}{\mathrm{JG}}}^H{\left(R_{\mathrm{Jn}}^{\left(k_a\right)}\right)}^{-1}{\underset{‾}{e}}_{m,C+1}^{\left(k_a\right)},$k_a＝0，...，K_a-1    (10)

其中，为的协方差矩阵并且，为的协方差矩阵。

当$R_{\mathrm{Jn}}^{\left(k_a\right)}={\sigma }_{\mathrm{Jn}}^{2}I,$并且σ_Jn²表示中每个元素的噪声功率时，可以进一步表示为${\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)}={({\underset{‾}{\mathrm{JG}}}^H\underset{‾}{\mathrm{JG}}+{\sigma }^2{\left(R_{\mathrm{Jn}}^{\left(k_a\right)}\right)}^{-1})}^{-1}{\underset{‾}{\mathrm{JG}}}^H{\underset{‾}{e}}_{m,C+1}^{\left(k_a\right)},$k_a＝0，...，K_a-1，其中

$R_{\mathrm{Jh}}^{\left(k_a\right)}=E\left({\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)}{\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)H}\right)=E\left\{\frac{1}{K_a}\underset{k_a=0}{\overset{K_a-1}{\Sigma }}\left({\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)}{\underset{‾}{{\mathrm{Jh}}^{\prime \prime }}}^{\left(k_a\right)H}\right)\right\}=\left(\begin{array}{cccc}{V}_1& 0& 0...& 0\\ 0& V_2& 0...& 0\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 0& 0& 0& V_{N+M}\end{array}\right),$并且，V_l′，l′＝1，...，N+M，表示第l′个多径信号的功率。

通过上述步骤601和602可以估计出多小区联合CIR列向量

为了简化上述计算过程，降低多小区联合信道估计的计算复杂度，本发明的另一实施例还给出了一种简化的多小区联合信道估计方法，其主要过程包括：

在midamble域多小区联合信道估计过程中，如果(N+M)＜L，可以适当减少多小区联合信道估计矩阵JG和的行数，以实现减少计算复杂度的目的。具体来讲，可以首先从多小区联合信道估计矩阵JG和中选择L′行作为更新后的JG和其中，N+M≤L′≤L。更新后的矩阵JG和与更新前的矩阵JG和相比，所选择的各行保持不变，而没有选择的行被删除了。此后，多小区联合信道估计模块利用更新后的矩阵_JG和通过前面所述的方法进行midamble域多小区联合信道估计。

由于更新后的多小区联合信道估计矩阵JG和与更新前的矩阵相比行数大大减少了，因此相应地，计算复杂度也大大降低了。

5、多小区联合系统矩阵生成模块

本实施例所述的数据域多小区联合检测可以利用MMSE检测算法实现。基于MMSE的联合检测算法中使用的系统模型为e＝Ad+n，其中，e是所接收的码片级序列，d为数据符号序列，n为码片级噪声序列，A为系统矩阵。

根据以上系统模型，为了实现数据域联合检测，获得数据符号序列，必须要首先获知系统矩阵A。本多小区联合系统矩阵生成模块的主要功能就在于生成系统矩阵A。

本实施例给出的生成系统矩阵的方法如图7所示，主要包括：

步骤701：根据多小区联合信道估计结果更新相应的CIR。

具体来讲，在本步骤中，所述更新相应CIR的方法为，对于所选择的第l′个多径信号(i，km，c)，使用中的第l′个元素更新${\underset{‾}{h^{\prime \prime }}}_c^{(k_a,k_m)}={[{\underset{‾}{h^{\prime \prime }}}_{c,1}^{(k_a,k_m)},{\underset{‾}{h^{\prime \prime }}}_{c,2}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,i}^{(k_a,k_m)},...,{\underset{‾}{h^{\prime \prime }}}_{c,W}^{(k_a,k_m)}]}^T$中的其中，l′＝1，2，...，N+M。

步骤702：计算每个UE的特定(专有)CIR。

本步骤中，采用如下公式(11)计算所述每个UE的特定CIR。

${\underset{‾}{h^{\prime \prime }}}_{\mathrm{av},c}^{(k_a,k_m)}=\frac{\sqrt{K_{\mathrm{VRU}}^{\left(k_m\right)}}}{\underset{\underset{\mathrm{same>}}{\mathrm{all}{k}_m\mathrm{of}}}{\Sigma }{K}_{\mathrm{VRU}}^{\left(k_m\right)}}\underset{\underset{\mathrm{same>}}{\mathrm{all}{k}_m\mathrm{of}}}{\Sigma }\sqrt{K_{\mathrm{VRU}}^{\left(k_m\right)}}{\underset{‾}{h^{\prime \prime }}}_c^{(k_a,k_m)}---\left(11\right)$

其中，为使用midamble偏移k_m的虚拟资源单元(VRU，Virtual Resource Unit)的数目，例如，在SF＝8时，K_VRU＝2。通常情况下，一个VRU可以提供的资源与一个SF为16的RU相同。

步骤703：进行信道估计后处理。

在本步骤中，利用如下公式(12)进行所述信道估计后处理：

${\underset{‾}{h^{\prime }}}_{c,i}^{(k_a,k_m)}=\left(\begin{array}{c}{\underset{‾}{h^{\prime \prime }}}_{\mathrm{av},c,i}^{(k_a,k_m)};\frac{1}{K_a}\underset{\mathrm{all}{k}_a}{\Sigma }{\left|\right|{\underset{‾}{h^{\prime \prime }}}_{\mathrm{av},c,i}^{(k_a,k_m)}\left|\right|}^2\ge \Gamma \\ 0;\mathrm{else}\end{array}\right),$i＝1，...，W_c，k_a＝0，...，K_a-1，k_m＝0，...，K_m，c-1    (12)

在进行上述信道估计后处理之后，CIR将更新为然后，将被输出到midamble干扰消除模块。其中，Γ表示用于删除CIR窗口中噪声多径信号的噪声门限。较佳地可以设置Γ为噪声功率加上3dB。

步骤704：计算特定VRU的CIR。

在本步骤中，利用如下公式(13)计算特定VRU的CIR。

${\underset{‾}{h}}_c^{(k_a,k_u)}=\sqrt{\frac{\left(\frac{16}{S{F}^{\left(k_{\mathrm{ru}}\right)}}\right)}{K_{\mathrm{VRU}}^{\left(f\left(k_{\mathrm{ru}}\right)\right)}}}{\underset{‾}{h^{\prime }}}_c^{(k_a,f\left(k_{\mathrm{ru}}\right))},$k_ru＝0，...，K_ru，c-1，i＝1，...，W_c    (13)

其中，f(k_ru)表示号码为k_ru的RU所使用的midamble偏移，表示该RU的扩频系数，且K_ru，c表示小区c内所有相关的RU的数量。

步骤705：确定参与多小区联合检测的VRU的数量。

假设系统矩阵A的行数为K_a(L_data+W_C+1-1)，列数为K_ruN₁₆，其中N₁₆＝22，K_ru为可以参与多小区联合检测的VRU的数目。由于K_ruN₁₆≤K_a(L_data+W_C+1-1)，因此有

步骤706：从所述相邻小区中选择K_{ru，adjacent}＝K_ru-K_ru，C+1个VRU，其中，K_ru，C+1为本小区中激活的VRU的数目。

定义$u(c,k_{\mathrm{ru}})=\underset{k_a=0}{\overset{K_a-1}{\Sigma }}{\left|\right|{\underset{‾}{h}}_c^{(k_a,k_{\mathrm{ru}})}\left|\right|}^2$为小区c中VRUk_ru的功率，其中k_ru＝0，1，...，K_ru，c-1且c＝1，2，...，C。因而，可以根据相邻小区中所有VRU的功率u(c，k_ru)选择K_{ru，adjacent}个功率最大值对应的VRU作为所选择的VRU。

步骤707：计算每个本地VRU以及特定相邻小区中所选择的VRU的联合CIR。

考虑到扰码和信道码，所述对应特定VRU的联合CIR为${\underset{‾}{b}}_c^{(k_a,k_{\mathrm{ru}})}={\underset{‾}{h}}_c^{(k_a,k_{\mathrm{ru}})}*{\underset{‾}{c}}_c^{\left(k_{\mathrm{ru}}\right)},k_a=0,...,K_a-1,$其中，为小区c中VRUk_ru的扰码和信道码的乘积。

步骤708：根据步骤707计算得到系统矩阵A。

首先，利用公式生成对应每个天线的矩阵

根据上述公式，包含N₁₆＝22偏移的其中，每次向下移动Q个元素，例如Q＝16，同时向右移动K_ru个元素。包括所有本地VRU和所选择的相邻小区内VRU的所有K_ru个VRU从1至K_ru排列。前K_ru，C+1个VRU为本地VRU，后面的K_{ru，adjacent}个VRU来自相邻小区。如果第l个对应VRU的联合CIR为则为的第l列。

接下来，通过计算公式$A=\left(\begin{array}{c}{A}^{\left(0\right)}\\ .\\ .\\ .\\ A^{(K_a-1)}\end{array}\right)$得到系统矩阵A。该系统矩阵A将作为多小区联合系统矩阵生成模块的输出。

6、midamble干扰消除模块

所述midamble干扰消除模块的主要功能是消除本小区和相邻小区的midamble码对两个数据块的干扰。所述midamble干扰消除模块可以估计本小区midamble码对两个数据块的干扰，然后分别从接收到的第一和第二数据块的基带信号中将该干扰减掉。除此之外，所述midamble干扰消除模块还可以估计相邻小区的midamble码对两个数据块的干扰并从已经消除了本小区midamble码干扰的第一和第二数据块的较纯净的基带信号中将该干扰减掉，得到进一步纯净的第一和第二数据块的基带信号。

假设，所接收的第一数据块的基带信号为${\underset{‾}{e}}_{r1,i}^{\left(k_a\right)}={\underset{‾}{e}}_{r,i}^{\left(k_a\right)},$i＝0，1，..，L_data+W_C+1-2，所接收的第二数据块的基带信号为${\underset{‾}{e}}_{r2,i}^{\left(k_a\right)}={\underset{‾}{e}}_{r,i+L_{\mathrm{data}}+L_{\mathrm{mid}}}^{\left(k_a\right)},$i＝0，1，..，L_data+W_C+1-2。

使用已知的小区c的midamble码以及UE特定的CIR重构(rebuild)小区c的midamble码对两个数据块的干扰，然后分别从第一和第二数据块的基带信号中减掉本小区和相邻小区的midamble码的干扰的估计结构，得到第一和第二数据块的干净的基带信号和

构建如下两个列向量$e_1=\left(\begin{array}{c}{\underset{‾}{e}}_1^{\left(0\right)}\\ .\\ .\\ .\\ \underset{‾}{{\underset{‾}{e}}_1^{(K_a-1)}}\end{array}\right)$和$e_2=\left(\begin{array}{c}{\underset{‾}{e}}_2^{\left(0\right)}\\ .\\ .\\ .\\ \underset{‾}{{\underset{‾}{e}}_2^{(K_a-1)}}\end{array}\right).$并将构建的列量e₁和e₂作为midamble干扰消除模块的输出。

7、MMSE检测模块

利用来自多小区联合系统矩阵生成模块的系统矩阵A以及来自midamble干扰消除模块的干净的数据块信号e₁和e₂，进行MMSE多小区联合检测。

具体而言，所述MMSE检测模块通过执行如下矩阵运算公式(14)从所述数据块信号e₁和e₂中计算得到第一数据块d₁和第二数据块d₂。

$d_l={(A^H{R}_{n,l}^{-1}A+R_{d,l}^{-1})}^{-1}{A}^H{R}_{n,l}^{-1}{e}_l---\left(14\right)$

其中，l＝1代表第一数据块，l＝2代表第二数据块，e_l＝Ad_l+n_l，R_n，l为噪声序列n_l的协方差矩阵，R_d，l为d_l的协方差矩阵。在此，$R_{d,l}=I_{K_{\mathrm{ru}}{N}_{16}}$并且$R_{n,l}={\sigma }^2{I}_{K_a(L_{\mathrm{data}}+W_{C+1}-1)},$其中，I_D代表D×D维的单位矩阵(unitary matrix)且σ_n，l²为n_l的噪声的方差，在本实施例中假设σ_n，l²已知。

d_l中的第jK_ru+i个元素其中，j＝0，...，N₁₆-1并且i＝0，1，...，K_ru，C+1-1，代表本小区第l个数据块的第i+1个VRU的第j+1个符号。l＝1代表第一数据块，l＝2代表第二数据块。d_l的元素从0开始排列。

由此可以看出，在已知系统矩阵A和数据块信号e₁和e₂的情况下，通过上述矩阵运算，可以得到发送端发送的一个突发包中的第一数据块d₁和第二数据块d₂，从而实现多小区联合检测。

从上述描述可以看出，本实施例所述的mdamble域多小区联合信道估计单元首先在相邻小区内每个用户的所有多径信号中选择信号较强的强信号径，同时还在本小区内每个用户的所有多径信号中选择信号较强的强信号径，然后再利用所选择的相邻小区和本小区内用户的强信号径进行midamble域多小区联合信道估计，可以获得很好的CIR估计性能。本实施例所述的数据域多小区联合检测单元利用midamble域多小区联合信道估计单元的输出进行数据域多小区联合检测，因而能够获得更好的联合检测增益。

上述实施例所述的多小区联合系统矩阵生成模块使用VRU特定的联合CIR来生成系统矩阵A。其中，系统矩阵A的维数是K_a(L_data+W_C+1-1)×K_ruN₁₆。这样，当K_{ru，adjacent}比较大时，为获得本小区的数据块将需要很大的计算量。

为此，本发明的另一个实施例提供了一种改进的系统矩阵生成模块，用于产生一个小规模的系统矩阵A，也就是，改进的系统矩阵生成模块通过减少系统矩阵A的行数和/或列数来降低计算量。

为了减少系统矩阵A的列数，应当首先在相邻小区中选择适当的VRU。如果将系统矩阵A的维数限定为K_a(L_data+W_C+1-1)×K_ru，fixN₁₆，且K_ru，C+1≤K_ru，fix≤K_ru，可以从相邻小区的所有VRU中选择K_{ru，fix，adjacent}＝K_ru，fix-K_ru，C+1个VRU。其中，所选择的VRU应当是所有相邻小区所有VRU中功率最高的K_{ru，fix，adjacent}个VRU。

接下来，使用在相邻小区中选择的VRU的特定的联合CIR(c≠C+1)和本小区所有VRU的特定CIR$({\underset{‾}{b}}_c^{(k_a,k_{\mathrm{ru}})},c=C+1)$来生成系统矩阵A。本实施例所生成的系统矩阵A称为用于降低计算量的改进的系统矩阵A。

在本实施例中，将所有所选择的K_ru，fix个VRU重新从1到K_ru，fix排列，其中前K_ru，C+1个VRU为本地VRU，后面的K_{ru，fix，adjacent}个VRU来自相邻小区。如果所选择的第l个VRU的特定的联合CIR为则的第l列将为其中，l＝1，2，..，K_ru，fix。

此时，可以利用公式$A=\left(\begin{array}{c}{A}^{\left(0\right)}\\ .\\ .\\ .\\ A^{(K_a-1)}\end{array}\right)$计算得到改进的系统矩阵A，其中，与前一实施例相比，每次向下移动Q个元素，同时向右移动K_ru，fix个元素。

利用所述改进的系统矩阵A，MMSE检测模块仍可以通过公式(14)，$d_l={(A^H{R}_{n,l}^{-1}A+R_{d,l}^{-1})}^{-1}{A}^H{R}_{n,l}^{-1}{e}_l$计算出d_l。其中，d_l中的第jK_ru，fix+i个元素j＝0，...，N₁₆-1，i＝0，...，K_ru，C+1-1，代表本小区第l个数据块中第i+1个VRU对应的第j+1个符号。l＝1代表第一数据块，l＝2代表第二数据块。

在K_ru，fix＝K_ru，C+1时，改进的多小区联合系统矩阵生成模块将生成单小区系统矩阵，该矩阵包含本小区所有的对应VRU的联合CIR。由此，改进的多小区联合系统矩阵生成模块将退化为单小区系统矩阵生成模块。相对应的，MMSE检测模块也将执行单小区联合检测。

为了进一步降低计算复杂度，还可以进一步降低系统矩阵A的行数，例如，MMSE检测模块可以从系统矩阵A中选择L_A行生成简化的系统矩阵A，从而将系统矩阵A的行数限定为L_A，其中L_A满足条件K_ru，fixN₁₆≤L_A≤K_a(L_data+W_C+1-1)。

利用所述进一步简化的系统矩阵A，MMSE检测模块仍可以通过公式(14)$d_l={(A^H{R}_{n,l}^{-1}A+R_{d,l}^{-1})}^{-1}{A}^H{R}_{n,l}^{-1}{e}_l,$计算得到d_l。其中，d_l中的第jK_ru，fix+i个元素j＝0，...，N₁₆-1，i＝0，...，K_ru，C+1-1，代表本小区第l个数据块中第i+1个VRU对应的第j+1个符号。l＝1代表第一数据块，l＝2代表第二数据块。

除上述多小区联合检测装置之外，本发明的实施例还给出了多小区联合信道估计的方法以及基于该多小区联合信道估计方法的多小区联合检测方法。

下面将结合附图8详细说明本实施例给出的多小区联合信道估计的方法以及多小区联合检测方法。如图8所示，本实施例所述多小区联合信道估计方法主要包括：

步骤801：分别对所有相邻小区进行信道估计，得到每个相邻小区的联合CIR，并根据得到的每个相邻小区的联合CIR从所有相邻小区的多径信号中选择确定个数，例如N个，强信号径。

本步骤所述对相邻小区进行信道估计的方法和上述实施例中信道估计模块进行信道估计的方法相同。另外，本步骤所述从所有相邻小区的多径信号中选择确定个数的强信号径的方法也可以使用上述实施例中相邻小区强信号径选择模块从所有相邻小区的多径信号中选择确定个数的强信号径的方法，即图2、图3或图4所示的方法。

步骤802：对本小区进行信道估计，得到本小区的CIR，根据本小区的CIR，从本小区的多径信号中选择确定个数，例如M个，强信号径。

本步骤所述对本小区进行信道估计的方法可以采用上述信道估计模块进行信道估计的方法，并且所述从本小区的多径信号中选择确定个数的强信号径的方法也可以采用上述本小区强信号径选择模块从本小区的所有多径信号中选择强信号径的方法，即图5所示的方法。

需要说明的是，本实施例对步骤801和802并没有执行顺序的限制，即步骤801和802可以并行执行也可以以任意顺序先后顺序执行。

步骤803：利用步骤801和802选择的强信号径进行多小区联合信道估计，得到对应每个小区的联合CIR以及多小区联合CIR列向量。

该步骤所述进行多小区联合信道估计的方法可以采用上述实施例中多小区联合信道估计模块进行多小区联合信道估计的方法，即图6所示的方法。

由此可以看出，通过执行上述步骤801-803，可以完成多小区联合信道估计，得到对应每个小区的联合CIR和多小区联合CIR列向量。并且在本实施例中用于多小区联合信道估计的多径信号是相邻小区和本小区内所有多径信号中强信号径，因此，上述多小区联合信道估计可以获得很好的CIR估计性能。

在执行完上述步骤803之后，还可以进一步执行如下步骤804。

步骤804：利用多小区联合信道估计的结果生成系统矩阵，然后再根据所生成的系统矩阵以及接收的第一和第二数据块信号进行数据域多小区联合检测，得到第一和第二数据块承载的数据。

在本步骤中，生成系统矩阵的方法既可以参照上述实施例中多小区联合系统矩阵生成模块生成系统矩阵的方法，即图7所示的方法，还可以参照上述实施例中改进的多小区联合系统矩阵生成模块生成改进系统矩阵的方法。而所述数据域多小区联合检测的方法则可以参照上述实施例中MMSE模块进行数据域多小区联合检测的方法。

另外，在上述步骤804中，为了进一步提高多小区联合检测增益还可以在进行数据域多小区联合检测之前先利用多小区联合信道估计的结果对接收的第一和第二数据块信号进行处理，消除在传输过程中midamble块信号对所述第一和第二数据块信号的干扰，得到干净的第一和第二数据块信号。并且在后续操作中，对干净的第一和第二数据块信号进行多小区联合检测。

由于在步骤804中，系统矩阵是根据步骤801-803得到的多小区联合信道估计结果得到的，因此，在CIR估计性能较好的情况下，得到的系统矩阵也就更加真实，从而可以获得更大的多小区联合检测增益。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。