在相位域中的最大似然序列檢測的制作方法
【專利說明】在相位域中的最大似然序列檢測
【背景技術】
[0001] 低功率無線傳感器和執行器網絡化P-WSAN)標準要求低功耗和簡化的協議。圖4示 出低功率無線傳感器和執行器網絡400具有傳感器410和執行器420。傳感器是在短距離中 通信不受限制的多功能設備。執行器是具有較高的處理和傳輸能力的資源豐富的 (resource-rich)設備，并且收集和處理傳感器信息，并基于收集到的信息來執行操作。
[0002] LP-WSAN的低功率和簡化協議的要求使得，如分組錯誤率(P邸)的性能折衷。在藍 牙低功耗(BT-LE)標準中，例如，如果有一個分組錯誤，則需要發送兩個額外的分組一一個 分組通知先前發送的分組沒有被正確地接收到，而另一個分組進行重復操作。其結果是每 個有效傳輸的比特(bit)的平均能量增加。
[0003] 許多LP-WSAN是基于連續相位調制(CPM)的。相對于在每一符號開始處載波相位突 然被重置到零的其他相位調制技術，CPM是一種對信息調制的方法，其載波相位被連續調 審IJ。為了使CPM接收器具有較低的PER，需要調制參數的完美知識。然而，當構建接收機時由 于松弛（laxity),對等發送設備的調制參數是未知的，另外，該調制參數在設備之間變化。 運使得利用載波相位的知識并且最大化BER(誤碼率)/pm?性能的相干檢測器的結構變的復 雜。
[0004] 對于CPM使其性能最大化的最佳檢測方案是最大似然序列檢測(MLSD) dMLSD是一 種用于從接收到的CPM信號中去除CPM噪聲而最優地提取出有用信息的數學算法。當且僅當 添加到接收到的CPM信號的噪聲是白噪聲和高斯噪聲時，MLSD是最優的。根據接收到的信號 的調制指數，實施CPM信號的MLSD的復雜性源自依賴于接受到信號的調制指數的該CPM信號 的結構。調制指數確定檢測方案的拓撲結構，即網格結構，并且調制指數能夠指數級地增加 在網格中的狀態數量。此外，調制指數的估計和均衡是非線性的，使得具有可變調制指數能 力的MLSD的實施并不可行。
【附圖說明】
[0005] 圖1示出無線設備的示意圖。
[0006] 圖2示出通用的非線性濾波器解調器的示意圖。
[0007] 圖3示出無線通信方法的流程圖。
[000引圖4示出低功率無線傳感器和執行器網絡的示意圖。
【具體實施方式】
[0009] 本公開設及無線設備，其配置成將接收到的信號的同相和正交（I/Q)分量非相干 地轉換成相位域信號，基于同相和正交（I/Q)分量W及相位域信號來估計和校正相干參數， 然后相干地檢測在相位域信號中的信息。如果最佳相干檢測是所期望的，則相位域信號的 調制指數可被估計和均衡為預定的調制指數，從而在相位域中能夠實現最大似然序列檢測 (MLSD)O
[0010] 圖1示出無線設備100的示意圖。
[0011] 無線設備100包括接收器（110,120和130)、非線性濾波器解調器140、調制指數估 計器150、調制指數均衡器160和檢測器170。接收器包括相干獲取模塊110、模擬和數字前端 120和采樣器/校準器130。
[0012] 模擬和數字前端120配置成接收CPM模擬信號，將該信號的頻率轉換為低頻，并且 確定性地過濾掉不期望的頻帶。模擬和數字前端120的輸出是數字基帶信號，其具有零中頻 (ZIF) W及同相和正交分量。模擬和數字前端120還接收來自相干獲取模塊110的輸入，即載 波頻率偏移(CF0)、載波相位偏移(CPO)和I/Q不均衡，運些是W已知方式配置在模擬域的參 數。模擬和數字前端120配置成校正CFO和CPO，盡管本公開不限于運一方面。CFO和CPO可W 在另一部件中進行校正。
[0013] 重新采樣器/校準器130由相干獲取單元110指示，重新采樣器/較準器基于定時參 數W所需的采樣率并在相對于符號邊界的最佳位置來校準采樣時刻。運里被公開的重新采 樣器/校準器130位于模擬和數字前端120和非線性濾波器解調器140之間，但是本公開不限 于運一方面。該重新采樣/校準也是已知的，并且不需要在此進一步說明。
[0014] 非線性濾波器解調器140配置成解調接收到的I/Q基帶信號使其轉換成相位信號。 如果非線性濾波器解調器140是最佳的，則在其輸出端的噪聲是白噪聲和高斯噪聲。加性高 斯白噪聲(AWGN)是模擬在自然界發生的隨機過程效果的基本噪聲模型。該修飾語表示特定 特征："加性"，因為它是與信號線性地求和；"白"，因為它在整個頻段具有統一的功率；W及 "高斯"，因為它具有為高斯或正態的概率密度函數。
[0015] 由非線性濾波器解調器140接收到的I/Q基帶信號由如下的方程1表示：
[0016] S"助=cos[0(t)] + js i r[0(t). I 二 cos[h(p(t) ] + jsir{h(p(t)](方程 I)
[0017] 其中0 (t)是CPM調制信號，h是調制指數，W及材t)是歸一化的CPM調制信號。從I/Q 基帶信號，非線性濾波器解調器140執行非相干角度解調，即瞬時相位估計。該解調不需要 定時、相干獲取或由相位承載的信息。非線性濾波器解調器140估計作為時間的函數的相 位。在方程(1)的輸出函數是可逆的，所W相位是可觀察的。隨著非線性濾波器解調器140變 得接近最優，估計誤差變得更加白性和高斯性。因此，解調會導致具有白高斯噪聲的理想相 位調制信號，如由W下方程2所指示：
[0019] 其中0(t)是CPM調制信號W及n(t)是高斯白噪聲。另外，作為非線性濾波的直接結 果，在相位域(輸出）的信噪比（SNR)高于在I/Q域(輸入)的SNR。
[0020] 相干獲取模塊110使用由非線性濾波器解調器140輸出的信號相位W確定信號定 時，即比特發送開始和結束的時間，并且該信息被饋送到采樣器/校準器130。相干獲取(即， CF0、CP0校正、符號定時恢復、調制指數均衡等)和定時獲取在相位域中被更容易的執行W 及具有更好的性能。
[0021] 調制指數估計器150配置成估計接收信號的調制指數。調制指數指定由于調制而 偏離載波頻率的最大頻率偏移。因為信號現在是在相位域，所W現在估計調制指數是簡單 的線性問題。估計可W是用于對未知線性系數的線性估計技術，如最小平方法、遞歸最小平 方法，約束最小平方法、最大似然估計等。可替代的，如果調制指數預期在分組內變化，其他 線性方法可能產生更好的調制指數的連續估計。
[0022] 調制指數均衡器160配置成將估計出的調制指數motidx均衡成預定的調制指數。 預定義的調制指數可W是例如0.5,其是提高性能和最小化復雜性的一個值，因為它表示具 有少量狀態的網格。在相位域中將調制指數均衡到預定的調制指數是非常簡單的線性問 題。
[0023] 檢測器170是最大似然序列檢測器(MLSD)，并且配置成檢測信號中的信息。因為該 信號是在相位域中，所WMLSD可W被使用，該信號具有已知的調制指數、加性高斯白噪聲和 比在I/Q域內的原始SNR更好的SNR。在相位域中執行的MLSD使得復雜性減少一半，因為僅分 析一個信號(相位信號)而不是兩個信號（I及Q信號）。調制指數的預定值被選擇W盡量減少 在MLSD實現中的復雜性，同時仍然保證了良好的BER/P邸性能。
[0024] 圖2示出通用的非線性濾波器解調器200的示意圖，其使用馬爾可夫隨機過程模型 來構建圖1的非線性濾波器解調器140。
[0025] 通用的非線性濾波器解調器結構200包括加法器210、校正模型220、隨機狀態空間 演化模型230和非線性輸出方程240。通過概述的方式，該結構200具有根據輸出估計誤差e 隨時間變化的反饋功能。基于狀態空間模型而非輸入/輸出模型的估計是更合適的，因為在 CPM中的輸出非線性地設及信息信號。
[0026] 基于馬爾可夫過程理論的非線性濾波首先需要創建隨機狀態空間演化模型230， 其將目標信號（瞬時相位)和測量信號(ZIF信號)表示達到濾波器要求的統計階數。一般的 馬爾可夫過程模型被方程(3)-(5)表示，具體如下：
[0027] 義二 f(X) +S(X)Wp (方程3)
[0028] Z = Mx)(方程 4)
[0029] y = z+Wm (方程 5)
[0030] 其中Wp和Wm是獨立的高斯白噪聲，即分別為處理噪聲和測量噪聲，X是演化方程的 處理狀態向量，Z是輸出，W及y是測量。測量噪音Wm是被過濾掉的噪聲。
[0031] 通過利用CPM信號的特性，CPM馬爾可夫模型的廣義結構能夠W如下方式構建：
[0032] 1)因為理想的接收信號將具有方程（1)的形式，并且用于沒有測量噪聲的干凈輸 出的馬爾可夫模型應符合式方程(4)，目標信號0(t)應該是狀態矢量X的一部分。
[0033] 2)S組狀態變量被用于一般的CPM信號的狀態空間模型。上述方程(3)的狀態X由 運=組變量構成，即=組變量為一組輔助變量Xl、一組瞬時頻率變量X2和一組瞬時相位變量 X3，其在下面進行更詳細的描述。
[0034] 2a)第一組狀態變量Xi是輔助變量，其用于創建多項式(或具有每種模式的稀疏擴 散的多模型(poly-modal with thin spread))分布W模擬信息源。xi(t)是具有非常短的 相關時間的高斯相關過程。
[00巧]2b)第二組狀態變量X2模擬瞬時頻率：
[0036] 乂2(口叫誠怕（方程6)
[0037] 2c)第=組狀態變量X3是瞬時頻率的積分，并且模型瞬間相位：
[003引 乂3的蘭地)（方程7)
[0039] 3)推導狀態向量的演化方程：
[0040] 3a)作為一組狀態變量的xi(t)提供準噪聲過程。從用于高斯-馬爾可夫過程的 Doob定理，具有線性漂移fi ? Xi和恒定擴散（constant diffusion)gi的單組狀態變量需要 產生指數相關的高斯過程，相關可W具有任意的松弛時間（relaxation time)。因此，可W 構造任意接近A-相關(delta-correlated)過程。出于運個原因，用于準噪聲過程的演化方 程如下：
[0041] 夫i=fi.Xi+gi.Wp (方程 8)
[0042] 3b)xi的變換函數提供X2的演化P(Xi) ,P(Xi)被需要W用于在CPM調制器的輸入端 來統計構建M元符號過程(M-模態）。非線性靜態，即無存儲(memory-less)，的功能，具有有 限的一組輸出值，該功能將使準噪聲過程分布變換成M-模態(或多項式）的準白色過程，而 不壓印存儲器到該功能。一個運樣的功能是符號函數，例如，二進制調制具有對于+1和-1值 具有相同概率的二項式分布，該二項式分布可W利用應用于準噪聲過程的符號函數來進行 建模。可替代地，平滑函數可W被用作sigmoid函數和logistic