在第三代合作伙伴项目(3GPP)宽带码分多址(WCDMA)前向链路中，多个专用信道(DCH)可被分别地编码和删除(puncture)，且然后被复用以便在同一个专用物理信道(DPCH)上传输(3GPP TS 25.212，“Technical Specification Group Radio Access Network；Multiplexingand Channel Coding(FDD)”，June 2005，Section 4)。对于每个DCH传送信道，可变数目的信息数据块可被编码并同时在DPCH上发送。每个传输的特定格式通常通过传送格式组合指示符(TFCI)用信号通知移动终端或用户设备(UE)，该指示符为每个DCH传送信道规定传送块尺寸(即，被包含在每个传送块中的比特数目)和所发送的传送块的数目(加上与删除(puncturing)和信道编码有关的附加参数)(3GPP TS25.302，“Technical Specification Group Radio Access Network；Services Provided by the Physical Layer”，September 2005)。然而，WCDMA标准要求在某些条件下UE能够推断用于传输的传送格式，而不用明显地用信号通知传送格式组合指示符TFCI。在这种情形下，用户设备UE应当依赖于特定的接收机信号处理功能以进行盲传送格式检测。当对于每个传送信道而言，可能的传送格式组只包含具有大于零的传送块的一个传送格式时，用户设备应当执行被称为单传送格式检测的特定处理功能(3GPP TS 25.212，“Technical SpecificationGroup Radio Access Network；Multiplexing and Channel Coding(FDD)”，June 2005，Section 4.3.1a)，其中用户设备只需要区分其中DCH传输包含零个还是包含一个传送块(数据速率等于零还是全速率)的情形。
在WCDMA系统中，传输是在一个或多个10ms无线帧的持续时间的传输时间间隔(TTI)中进行的。每个10ms无线帧被进一步细分成15个时隙，每个时隙包含2560个码片(chip)。在一个TTI内、在DPCH上发送的DCH数据能包含一个传送块或多个块。
一种用于盲单传送格式检测的方法是在3GPP TS 25.212，“Technical Specification Group Radio Access Network；Multiplexingand Channel Coding(FDD)”，June 2005，Annex A(Informative)：BlindTransport Format Detection，Section A.1.1中提出的。这个方法是基于专用物理数据信道DPDCH的每比特功率PDPDCH的估计，该PDPDCH可以对照专用物理控制信道DPCCH的每比特功率PDPCCH的估计进行比较。这两个功率估计都是按时隙计算的，并在一个10ms帧上进行平均。如果比值PDPDCH/PDPCCH超过某个阈值T，则断言已检测到全速率传送格式，否则断言已检测到零速率传送格式。
在其中不同的DCH传送信道的编码块被复用且在同一个DPCH信道上被发送的情形下，以上的方法需要识别对应于不同传送信道的DPCH时隙数据。

本发明的一个方面提供一种处理无线通信系统中的传输以检测传输单元是否包含所发送数据的方法，该方法包括：接收传输单元的多个样本；确定多个样本的平均信号-干扰比；为每个样本确定一个或多个比特可靠性指示符，该比特可靠性指示符与所发送比特是一还是零的概率有关；从多个接收的样本生成可靠性指示符的平均函数；以及应用使用可靠性指示符的平均函数和平均信号-干扰比的检验，以确定传输单元是否包含所发送数据。
本发明的另一个方面提供一种用于处理在数字通信系统中的传输以检测传输单元是否包含所发送数据的系统，该系统包括：用于接收传输单元的多个样本的装置；用于确定多个样本上的平均信号-干扰比的装置；用于为每个样本确定一个或多个比特可靠性指示符的装置，该比特可靠性指示符与所发送比特是一还是零的概率有关；用于从多个接收的样本生成比特可靠性的平均函数的装置；用于应用使用可靠性指示符的平均函数和平均信号-干扰比的检验以确定传输单元是否包含所发送数据的装置。
在优选实施例中，基于贝叶斯(Bayes)检验用公式表示所应用的检验。不像上面讨论的现有技术的盲单传送格式检测技术，在下面实施例中描述的方法不依赖于对DPCH时隙的不同部分的功率估计的比较。从接收的样本组的观测中检测规定特性的所发送信号的存在的问题是检测理论的经典问题，它已在噪声中的信号检测和假设检验的场合下被广泛研究(例如见H.L.Van Trees，Detection，Estimation，andmodulation Theory，John Wiley & Sons，1968；A.Papoulis，Probability，Random Variables and Stochastic Processes，McGray-Hill，1991，以及这些书中的参考文献)。所提出的方法是基于从与在经典的检测理论中所讨论的相同的原理导出的似然比检验，但不同于经典的解决方案，具有允许在大于考虑所规定的误差性能极限而选择的阈值的更宽信号噪声比范围上进行信号检测的特定优点。该方法具有通用的用途，但在3GPP WCDMA接收机中的单传送格式检测方面发现有特别的应用。
附图说明
为了更好地理解本发明和显示本发明如何可以付诸实现，现在将作为例子参考附图，在附图中：
图1是依据本发明的一个实施例的系统的示意性框图；
图2是最佳检测技术的示意性框图；
图3是近似检测技术的示意性框图；
图4是本发明的可替换实施例的示意性框图；以及
图5到9是表示本文所讨论的检测技术的性能的图。

图1中示出了包括依据本发明的实施例的WCDMA接收机的主要功能的框图。在图1中，附图标记2表示天线，该天线接收无线传输并以模拟形式把它提供到RF和IF级4，它们本身是本领域内已知的。接收机前端6包括模拟到数字转换的功能并接收根升余弦滤波，以及典型地由耙式接收机实现的信号检测器8，其对相关的下行链路码进行解扰和解扩。对于每个时隙，DPCH由专用物理数据信道(DPDCH)和专用物理控制信道(CPCCH)构成。DPCH时隙的DPDCH字段包含从不同DCH传送信道的码块得到的数据符号(用户数据)，而DPCCH字段包含控制信息(包括导频符号)，它总是与用户数据的存在独立地被发送。对应于导频字段的接收的样本被提供到功率估计块10，以及对应于数据字段的接收的样本被提供到LLR计算块12。信号检测后面是在块12中计算比特对数似然比(LLR)，它提供用于软输入信道解码的可靠性信息。接收机还包括去交织和解复用功能14。在去交织/解复用后，每个传送信道设有补删截(depuncture)与信道解码功能16和CRC(循环冗余码校验)功能18。接收机还包括盲传送格式检测功能20。检测功能20接收来自功率估计块10的信号功率估计Es和干扰估计N0以及来自LLR计算块12的LLR L(yk)。以本文要更全面描述的方式，盲传送格式检测功能对零传送块(数据速率等于零)与非零传送块(全速率数据)加以区分。只有检测算法识别了非零尺寸传送块的传输，才需要执行去交织、补删截、信道解码和CRC校验的操作。
现在将参照图2和3来讨论两个不同的检测过程。一个被称为最佳检测过程(图2)，而另一个被称为近似检测过程(图3)。这些检测过程的任一个或二者能在盲TF检测块20中实施。下面更全面地讨论选择实施哪个检测过程以及如果两个检测过程都被实施则选择在任何特定的情况下使用哪个过程。两个过程都由现在将讨论的检测算法导出。
单传送格式检测算法是基于用于检测噪声中的所发送信号的最佳Bayes检验(被称为似然比检验)的近似。下面的推导涉及与3GPPWCDMA的DPCH信道相关的正交相移键控(QPSK)调制信号的情形，但将会意识到，直截了当的修改允许算法扩展到不同的信号调制格式。
在发送信号的假设下，我们假定QPSK数据序列具有独立的相同分布的(i.i.d)同相和正交符号$a_k\in \{+1/\sqrt{2},-1/\sqrt{2}\}.$用yk表示第k个同相或正交接收信号样本，目的是要区分两种假设：
H0：yk＝nk
$H_1:y_k=a_k\sqrt{E_s^{\left(k\right)}}+n_k$
方程式(1)
其中Es(k)代表第k个接收的符号能量，以及nk是具有零均值和方差${\sigma }_n^2=N_0/2$的加性白高斯噪声过程。假设H0和H1被假定为具有相同的先验概率Pr(H0)＝Pr(H1)＝1/2。
令Λ(yk)表示量：
$\Lambda \left(y_k\right)=\ln \frac{\mathrm{Pr}\left(H_1\right|y_k)}{\mathrm{Pr}\left(H_0\right|y_k)}.$
方程式(2)
如果Λ(yk)＞0，则基于观察yk的Bayes检验选择假设H1，而如果Λ(yk)＜0，则选择假设H0。把方程式(1)中的H0和H1分别建模为事件{ak＝0}和$\{a_k=\pm 1/\sqrt{2}\},$方程式(2)能被重写为：
$\Lambda \left(y_k\right)=\ln \frac{\mathrm{Pr}(a_k=\pm 1/\sqrt{2}|y_k)}{\mathrm{Pr}(a_k=0|y_k)}.$
方程式(3)
然后，假设Pr(H0)＝Pr(H1)＝1/2，$\mathrm{Pr}(a_k=+1/\sqrt{2}|H_1)=\mathrm{Pr}(a_k=-1/\sqrt{2}|H_1)=1/2$并应用Bayes规则：
$\Lambda \left(y_k\right)=\ln \frac{(1/2)p\left(y_k\right|a_k=+1/\sqrt{2})+(1/2)p\left(y_k\right|a_k=-1/\sqrt{2})}{p\left(y_k\right|a_k=0)}$
$=\ln \frac{1}{2}+\ln \frac{\exp [-{(y_k-\sqrt{E_s^{\left(k\right)}}/\sqrt{2})}^2/N_0]+\exp [-{(y_k+\sqrt{E_s^{\left(k\right)}}/\sqrt{2})}^2/N_0]}{\exp [-y_k^2/N_0]}$
$=-\frac{1}{2}\frac{E_s^{\left(k\right)}}{N_0}+\ln \cosh \left(\sqrt{2}{y}_k\frac{\sqrt{E_s^{\left(k\right)}}}{N_0}\right)$
方程式(4)
且我们具有似然比检验：
$\ln \cosh \left(\sqrt{2}{y}_k\frac{\sqrt{E_s^{\left(k\right)}}}{N_0}\right)\stackrel{>}{<}\frac{1}{2}\frac{E_s^{\left(k\right)}}{N_0}$
方程式(5)
为了基于观察集合y＝{y0，y1，...，yN-1}推导Bayes检验，代替方程式(2)我们定义：
$\Lambda \left(y\right)=\ln \frac{\mathrm{Pr}\left(H_1\right|y_0,y_1,...,y_{N-1})}{\mathrm{Pr}\left(H_0\right|y_0,y_1,...,y_{N-1})}$
方程式(6)
在这种情形下，方程式(4)变为：
$\Lambda \left(y\right)=\ln \frac{\underset{k=0}{\overset{N-1}{\Pi }}[(1/2)p\left(y_k\right|a_k=+1/\sqrt{2})+(1/2)p\left(y_k\right|a_k=-1\sqrt{2})]}{\underset{k=0}{\overset{N-1}{\Pi }}p\left(y_k\right|a_k=0)}$
$=-\frac{1}{2}\underset{k=0}{\overset{N-1}{\Sigma }}\frac{E_s^{\left(k\right)}}{N_0}+\underset{k=0}{\overset{N-1}{\Sigma }}\ln \cosh \left(\sqrt{2}{y}_k\frac{\sqrt{E_s^{\left(k\right)}}}{N_0}\right)$
方程式(7)
所以，似然比检验$\Lambda \stackrel{>}{<}0$能被实施为：
$\frac{1}{N}\underset{k=0}{\overset{N-1}{\Sigma }}\ln \cosh \left(\sqrt{2}{y}_k\frac{\sqrt{E_s^{\left(k\right)}}}{N_0}\right)\stackrel{>}{<}\frac{1}{2}\frac{E_s}{N_0}$
方程式(8)
其中$E_s=(1/N){\Sigma }_{k=0}^{N-1}{E}_s^{\left(k\right)}$或等价地，令$L\left(y_k\right)=\sqrt{2}{y}_k\sqrt{E_s^{\left(k\right)}}/N_0$
$\frac{1}{N}\underset{k=0}{\overset{N-1}{\Sigma }}\ln \cosh \left[L\left(y_k\right)\right]\stackrel{>}{<}\frac{1}{2}\frac{E_s}{N_0}$
方程式(9)
应当指出，在其中每个噪声样本nk被建模为具有零均值和方差${\sigma }_{n\left(k\right)}^2=N_0^{\left(k\right)}/2$的高斯随机变量(非稳态噪声过程)的情形下，方程式(9)的量Es/N0和L(yk)应当被重新定义为$E_s/N_0=(1/N){\Sigma }_{k=0}^{N-1}(E_s^{\left(k\right)}/N_0^{\left(k\right)})$和$L\left(y_k\right)=\sqrt{2}{y}_k\sqrt{E_s^{\left(k\right)}}/N_0^{\left(k\right)}.$
方程式(9)的过程是图2中所示的最佳过程。为了实施最佳检验(9)，接收机包括除法功能30，除法功能30从功率估计块10接收每个接收样本的估计噪声N0(k)和所接收符号能量Es(k)的值。功能30取得每个样本的这些值的比值并把它们提供到估计块32，估计块32提供在N个样本(观察间隔)上平均的比值Es/N0。这样，估计功能30和平均块32推导在观察间隔N上的参数Es/N0的估计。(如果噪声是稳态的(即，如果$N_0^{\left(k\right)}=N_0$)，则在平均块32的输入处应用所接收符号能量Es(k)。块32的输出和估计的平均噪声N0然后被输入到功能30，功能30最后提供平均的比值Es/N0。)LLR计算块10从来自相同观察间隔的样本{y0，y1，...，yN-1}中计算对数似然比L(yk)。LLR值L(yk)被通过非线性lncosh(.)功能38传递，功能38可以借助于查找表来实施。然后可以通过在块40中对非线性的输出在观察集合上进行平均，来得到方程式(9)左侧的检测度量。
方程式9右侧的度量能通过使用乘法器34把求和的比值Es/N0与固定值1/2相乘来确定。然后可以在选择假设H0或H1的块36中确定不等式。
对于中等信号噪声比到高信号噪声比，根据方程式(7)，我们还写为：
$\Lambda \left(y\right)=\underset{k=0}{\overset{N-1}{\Sigma }}\{\ln \frac{1}{2}-\frac{1}{2}\frac{E_s^{\left(k\right)}}{N_0}+\ln \left(\exp \right[L\left(y_k\right)]+\exp [-L\left(y_k\right)\left]\right)\}$
$\approx N(\ln \frac{1}{2}-\frac{1}{2}\frac{E_s}{N_0})+\underset{k=0}{\overset{N-1}{\Sigma }}\left|L\left(y_k\right)\right|$
方程式(10)
以及最佳检验方程式(9)被近似为：
$\frac{1}{N}\underset{k=0}{\overset{N-1}{\Sigma }}\left|L\left(y_k\right)\right|\stackrel{>}{<}\frac{1}{2}\frac{E_s}{N_0}-\ln \frac{1}{2}$
方程式(11)
更一般地，近似检验可被写为：
$\frac{1}{N}\underset{k=0}{\overset{N-1}{\Sigma }}\left|L\left(k_y\right)\right|\stackrel{>}{<}\frac{1}{2}\frac{E_s}{N_0}+\eta$
方程式(12)
其中η是常数。图3示出了方程式12的近似检验。在图3中相同的数字表示与图2中相同的部分。代替ln cosh(.)功能38，把模函数42应用到LLR L(yk)。求和块40把观察间隔N上的LLR的绝对值相加并把结果值提供到选择块36。
代替把值(1/2)Es/N0直接提供到选择块36，该值在求和器44处与值η相加。量|L(yk)|+ln(1/2)是lncosh[L(yk)]针对Es/N0的中等值到高值的良好近似。然而，在低Es/N0处，|L(yk)|+ln(1/2)小于lncosh[L(yk)]。有可能看到，低于给定的Es/N0值，即使在存在所发送信号的情况下，函数(1/N)∑k＝0N-1|L(yk)|+ln(1/2)总是小于(1/2)Es/N0。这个行为减小了在其上有可能使用近似检验(方程式11)来执行检测的信号噪声比的范围。在3GPPWCDMA系统中，这在低信号噪声比时可能恶化接收机误差性能，并且它可能影响CPCH下行链路快速功率控制的正确运行。WCDMA下行链路功率控制是基于外环功率控制算法，它使用关于由循环冗余码校验(CRC)的通过或失败所确定的被成功和不成功解码的DCH数据块的数目的信息，该循环冗余码校验(CRC)的通过或失败依赖于在编码之前被附加到每个数据块的奇偶校验位。在外环功率控制算法中，CRC通过/失败被用来根据由网络设置的DCH质量(误块率)目标控制目标信号干扰比(SIR)。这个SIR目标然后被内环功率控制算法用来推导要在上行链路中发送的功率控制命令，该功率控制命令请求增加或减小下行链路DPCH功率。CRC失败就向上驱动SIR目标，从而使得用户设备请求增加发送的功率以试图朝目标误块率改善误差性能。为了这个算法正确地起作用，必须检测发送的块，不管它们随后是否能被成功地解码(CRC通过/失败)。对于低的Es/N0值，近似检验方程式(11)的使用导致一致不能检测块，这避免了识别未成功解码(CRC失败)的可能性。结果，外环功率控制将不能驱动发送到UE的DPCH下行链路功率的增加。为了避免这种病态情况，可以使用选择块46来选择方程式(12)中的适当常数η，以使得检测范围能扩展到低信号噪声比。
值得指出的是，根据所需要的检测范围所选择的η值可能恶化在较高的信号噪声比时假报警的概率。为了防止这个问题，能使得η成为所测量的Es/N0的函数，例如对于不同的Es/N0间隔设置η为不同的常数值。在这种情形下，对于大于适当阈值的所测量Es/N0值，η＝η(Es/N0)可被选择为等于-ln(1/2)。
在WCDMA接收机中，量Es/N0能从Es(k)和N0(k)的估计得到，该Es(k)和N0(k)是从每个下行链路DPCH时隙上发送的DPCCH专用导频符号导出的。如图1中所示，LLR L(yk)的集合能根据DPDCH信号样本集合{yo，y1，...，yN-1}以及对于在其中接收每个DPDCH符号的时隙的Es(k)和N0(k)的估计来计算。然后，传送格式检测算法使用L(yk)的集合来推导方程式(12)的检测度量(1/N)∑k＝0N-1|L(yk)|。一旦Es(k)、N0(k)和L(yk)被计算，该算法就不再需要实际接收的DPCH样本。
对于WCDMA接收机，在其中不同码块被复用并在同一个DPCH物理信道上被发送的情形下，采用图1中所示的方法，在去交织和码块解复用之前，每个时隙均采集要被用于传送格式检测的LLR L(yk)。这需要识别对应于不同码块的DPCH时隙的值yk。在这方面，如图4所示，在去交织和码块解复用后采集用于传送格式检测的LLR可能是有利的。这样做的理由在于LLR代表受传输条件影响的信号质量。所以，很可能是这样的情形：(从不同信道被复用的)相邻样本的特定子集仍然将具有类似的LLR，所述类似的LLR将不代表以后的样本。通过在取得LLR值前对信道进行去交织，这就保证了LLR被随机分布以便第一数目的样本(例如，32)的平均可被认为表示该块。
图4的实施方式的附加优点在于，它允许通过在给定码块的N个LLR值的子集N’上估计方程式(12)的检测度量来减小复杂性的简单方法。实际上，由于LLR是在去交织之后采集的，所以能计算(1/N′)∑k＝0N′-|L(yk)|，其中N’＜＜N能被选择为使得不明显影响所需要的检测性能。
近似检验方程式(12)的性能可以在检测概率PD和假报警概率PF方面被量化。使用近似检测测量$\gamma =(1/N){\Sigma }_{k=0}^{N-1}\left|L\left(y_k\right)\right|$和检测阈值θ＝(1/2)Es/N0+η，我们写出：
$P_D=\underset{0}{\overset{\infty }{\int }}p\left(y\right|H_1)\mathrm{d\gamma }$
方程式(13)
$P_F=\underset{0}{\overset{\infty }{\int }}p\left(y\right|H_0)\mathrm{d\gamma }$
方程式(14)
由于观察的数目N通常是相当大的，所以函数γ能被建模为高斯随机变量。在这个假定下，令d1＝E{γ|H1}和${\sigma }_1^2=E\left\{{(\gamma -E\{\gamma \left|H_1\right\})}^2\right|H_1\left|\right\},$我们有：
$P_D=\frac{1}{\sqrt{2{\mathrm{\pi \sigma }}_1}}\underset{0}{\overset{\infty }{\int }}\exp \left[\frac{{(\gamma -d_1)}^2}{2{\sigma }_1^2}\right]\mathrm{d\gamma }=\frac{1}{2}\mathrm{erfc}\left(\frac{\theta -d_1}{\sqrt{2{\sigma }_1}}\right)$
方程式(15)
并且令d0＝E{γ|H0}和${\sigma }_0^2=E\left\{{(\gamma -E\{\gamma \left|H_0\right\})}^2\right|H_0\},$
$P_F=\frac{1}{\sqrt{2{\mathrm{\pi \sigma }}_0}}\underset{0}{\overset{\infty }{\int }}\exp \left[\frac{{(\gamma -d_0)}^2}{2{\sigma }_0^2}\right]\mathrm{d\gamma }=\frac{1}{2}\mathrm{erfc}\left(\frac{\theta -d_0}{\sqrt{2{\sigma }_0}}\right)$
方程式(16)
使用方程式(15)和(16)计算的近似检验方程式(12)的性能的例子被示于图5和图6中。这些图对于不同的Es/N0值根据方程式(12)的常数η给出检测概率PD和假报警概率PF。图5的曲线是通过用N＝10和从-3dB到3dB的Es/N0值计算方程式(15)和方程式(16)而得到的，而图6假定N＝20和从-9dB到-6dB的Es/N0。根据图5的结果，修改的算法方程式(12)只使用N＝10个观察样本给出对于Es/N0≥0dB的1-PD和PF低于2×10-4的值。如图6所示，把观察的数目增加到N＝20，得到对于Es/N0≥-9dB的1-PD和PF低于2×10-4的概率。
图7-9中比较了最佳和近似检测算法方程式(9)和方程式(12)的性能。曲线是通过在假设H0和H1下用噪声功率N0/2＝1/2和对于平均符号能量Es的不同值生成信号样本yk而得到的。对于每个样本yk计算方程式(9)、方程式(11)和方程式(12)的检测度量，并把结果在N＝1000个观察上进行平均。
在图7中，在假设H0和H1下的最佳检测测量与阈值(1/2)Es/N0进行比较，而在图8和图9中，测量(1/N)∑k＝0N-1|L(yk)|分别与阈值(1/2)Es/N0-ln(1/2)和(1/2)Es/N0+0.5进行比较。如图8中所示，不具有可选择常数η的方程式(11)的修正检验不允许对Es/N0＜0dB进行信号检测，而根据图9，使用方程式(12)中的常数η＝0.5仅仅对Es/N0＜-2dB才禁止信号检测，因此给出更宽的信号噪声比范围，在该范围内外环功率控制能够正确运行。
虽然本发明已经在上述实施例的情况下进行了描述，但是我们明白备选方案是可能的且该发明的范围仅由所附权利要求限制。