在实际的WCDMA、TD-SCDMA等通信系统中，各个用户设备(User Equipment，UE)信号之间存在一定相关性，这是多址干扰(Multiple Access Interference，MAI)存在的主要原因。由个别UE产生的MAI虽然很小，可 是随着UE数目的增加或信号功率的增强，MAI就成为通信系统中一个主要 干扰，采用多用户联合检测技术能够有效的抵抗小区内MAI。但是，由于基 站(NodeB)无法为联合检测提供相邻小区UE的特征序列，单独运用联合检 测无法消除相邻小区的MAI。而智能天线(Smart Antenna，SA)技术充分利 用UE信号的空时特性，可以有效消除MAI，这也是当今将联合检测技术和 智能天线技术进行结合来抑制MAI干扰的原因所在。除了MAI干扰外，通信 系统中还存在码间干扰(Inter Symbol Interference，ISI)和噪声，它们也是联 合检测技术抑制的对象。
目前，利用联合检测进行干扰抑制主要是通过将UE有用数据和干扰同时 纳入联合检测对象，从而达到抑制干扰的目的，对噪声的抑制则采用维纳均 衡的方式进行。而利用智能天线进行干扰和噪声的抑制，则主要是利用赋形 接收来提高信噪比，并在赋形加权过程中通过引入干扰空间协方差矩阵改变 天线方向图副瓣和零陷位置。在现有的联合检测和智能天线相结合的技术中， 上述过程是同时进行的。目前，在NodeB设备中的基带信号处理器中完成全 部基带数字信号的处理功能，包括自适应波束赋形算法和联合检测算法的实 现。此基带信号处理器使用软件无线电的概念，主要工作是在单片机(MCU)、 数字信号处理器(DSP)和可编程逻辑器件(FPGA或CPLD)等通用硬件平 台上完成。
目前联合检测算法包括匹配滤波(matched filter MF)、迫零(zero-forcing， ZF)和最小均方误差估计(minimum mean square error，MMSE)算法等，下 面通过例子对它们进行具体分析。假设在TD-SCDMA系统中，接收信号为e， 系统矩阵为A，噪声方差为σ2，干扰和噪声协方差为Rn，发送数据的协方差 矩阵为Rd：
(1)MF算法
MF算法严格来说不属于多用户联合检测的范畴，因为它仍然把MAI当 作噪声处理，但是由于它简单易行，而且是ZF和MMSE两种算法的基础， 所以它具有一定的重要性。MF算法表达式为：
$d_{\mathrm{mf}}=A^H{R}_n^{-1}e$ .................................................公式1
这里(·)H表示共轭转置。
(2)ZF算法
ZF算法的核心思想是迫零滤波，能够解决ISI和MAI造成干扰的问题， 但是它对噪声没有抑制能力。ZF算法表达式为：
$d_{\mathrm{zf}}={\left(A^H{R}_n^{-1}A\right)}^{-1}{A}^H{R}_n^{-1}e$ .......................................公式2
(3)MMSE算法
在ZF基础上，MMSE不仅能抑制MAI和ISI，而且还具有一定的噪声抑 制能力，假设发送数据归一化，且各符号之间不相关，则有Rd＝I，其表达式 为：
$d_{\mathrm{mmse}}={(I+{\left(R_d{A}^H{R}_n^{-1}A\right)}^{-1})}^{-1}{\left(A^H{R}_n^{-1}A\right)}^{-1}{A}^H{R}_n^{-1}e={(A^H{R}_n^{-1}A+I)}^{-1}{A}^H{R}_n^{-1}e$ ...公式3
理论上，通过上述各公式，特别是公式3，可以很好抑制干扰和噪声，但 是，由于公式3中要求对Rn和(AHRn -1A+I)求逆，计算量非常之大，通过目前 通信系统硬件水平很难实现；对于公式1和公式2也存在类似问题。
所以，为了通过硬件实现，现有算法必须简化Rn和(AHRn -1A+I)等的求逆 过程。现有的简化做法是，假设干扰和噪声是时间平稳、各态历经的、零均 值高斯过程，那么，干扰信号和噪声的协方差矩阵Rn可以认为是空间协方差 矩阵Rn，s和时间协方差矩阵Rn，t的克罗内克(Kronecker)积的形式：
$R_n=R_{n,s}\otimes R_{n,t}$ ....................................................公式4
其中，Rn，s是在各天线上接收信号的协方差矩阵，即干扰空间协方差矩 阵，Rn，t是干扰信号的时间协方差矩阵。由于假设干扰信号在时域上是平稳的、 各态历经的且为零均值的高斯过程，这样干扰信号的时域协方差矩阵Rn，t可以 用单位阵表示，即Rn，t＝σ2I；如果再进一步假设干扰信号在空间上各天线接收 干扰信号不相关，且每个天线接收的干扰信号功率相同，则干扰空间协方差 矩阵Rn，s也可以看作是一个单位矩阵。
这样，通过公式1、公式2、公式3分别和公式4结合，就可实现采用 MF、ZF和MMSE进行联合检测的目的。
可见，现有联合检测方法为了硬件实现方便，简单的认为干扰和噪声是 时间平稳的，没有对非时间平稳干扰进行有效抑制。如果系统中干扰和噪声 的统计特性非常接近时间平稳，即可以近似认为时间平稳，则利用现有检测 方法不会对系统性能造成较大损失。但是，如果系统中干扰和噪声的统计特 性不是时间平稳的，那么势必给系统性能带来较大损失。参见图1，为某通信 系统某时隙干扰分布情况示意图，典型的非时间平稳干扰实例如，TD-SCDMA 系统中，当由于传播延时或者是特殊需要导致上行同步码SYNC_UL序列在 业务时隙发送时，业务时隙就要受SYNC_UL序列的干扰。这时，SYNC_UL 序列只对业务时隙的一小部分造成严重干扰，从整个时隙看来，这种干扰是 非时间平稳的，如果利用现有简化的联合检测方法，势必造成检测的不准确， 给系统性能带来较大损失。

有鉴于此，本发明提供一种改进联合检测性能的方法，同时对平稳和非 平稳干扰进行有效抑制；
同时，本发明还提供一种基带信号处理器以及一种基站设备，实现对平 稳干扰和非平稳干扰有效抑制。
为此，本发明实施例采用如下技术方案：
一种改进联合检测性能的方法，其特征在于，包括步骤：对待检测数据 进行干扰估计；依据数据各部分受干扰情况，将数据进行分段；对各段数据 分别进行检测；合并各段数据的检测结果。
优选地，按照以下步骤将数据进行分段：计算所述干扰估计获得的干扰 信号的每个位置的平均功率；将所述干扰信号每个位置的平均功率与预置的 功率门限值进行比较，将平均功率大于所述门限值的数据作为一段，其余作 为另一段。
或者，按照以下步骤将数据进行分段：对所述干扰估计获得的干扰信号 各个位置进行来波方向盲估计；将来自同一方向范围的干扰信号所在数据作 为一段，其余作为另一段。
或者，按照以下步骤将数据进行分段：获取表征突发干扰的先验信息； 利用先验信息，将与突发干扰邻近的数据作为一段，其余数据作为另一段。
上述利用先验信息分段进一步还包括：对利用先验信息分段后的各段数 据中干扰信号进行功率计算，比较干扰信号每个位置的平均功率与预置的功 率门限值，将平均功率大于所述门限值的数据进一步细分为一段，其余作为 另一段；或者，对利用先验信息分段后的各段数据中干扰信号进行来波方向 盲估计，将来自同一方向范围的干扰信号所在数据进一步细分为一段，其余 作为另一段。
或者，按照以下步骤将数据进行分段：利用数据中包含的特殊位置，作 为数据分段的边界。
所述门限值是指一级门限值或多级门限值；所述方向范围是指一个或多 个方向范围。
所述先验信息是指通过测量、仿真或理论分析，得到的关于突发干扰处 于数据中的位置的信息。
所述方法还包括：对所述干扰估计得到的干扰信号作迭代处理。
所述迭代处理的过程是：对已检测的数据重新进行干扰估计；判断重新 干扰估计得到的干扰信号与上次得到的干扰信号之间是否满足预置的中止条 件：若是，以重新干扰估计作为后续所述分段、分段检测和各段检测合并的 基础，并退出；否则，以重新干扰估计作为后续所述分段、分段检测和各段 检测合并的基础后，返回执行所述重新对经检测的数据进行干扰估计。
优选地，将数据分段的边界设置在数据所在时隙的边界上。
优选地，所述干扰估计采用信号消除法实现。
所述信号消除法包括步骤：获取待检测数据的初步估计值；对所述初步 估计值进行解调硬判决，再作调制和数据信号重构处理，获得重构数据；计 算原始数据与重构数据之差，作为干扰估计的输出。
或者，所述干扰估计采用插值法或分段插值法实现。
所述对各段数据分别进行检测，是采用匹配滤波、迫零或最小均方误差 估计算法实现的。
一种基带信号处理器，包括：干扰估计单元：用于对待检测数据进行干 扰估计，获得干扰信号；分段单元：用于依据待检测数据各部分所受干扰情 况，对数据进行分段；分段检测单元：对分段单元确定的每段数据，分别利 用干扰估计单元估计的每段数据的干扰信号，采用联合检测算法进行检测； 合并单元：将分段检测单元获得的各段数据检测输出进行合并，作为数据最 终的检测结果。
一种基站，包括基带信号处理器，所述基带信号处理器启包括：干扰估 计单元：用于对待检测数据进行干扰估计，获得干扰信号；分段单元：用于 依据各部分数据所受干扰情况，对数据进行分段；分段检测单元：对分段单 元确定的每段数据，分别利用干扰估计单元估计的每段数据的干扰信号，采 用联合检测算法进行检测；合并单元：将分段检测单元获得的各段数据检测 结果进行合并，作为数据最终的检测结果。
所述基带信号处理器还包括功率计算单元和功率门限值预置单元；所述 功率计算单元，对所述干扰估计单元提供的干扰信号进行计算，得到干扰信 号每个位置的平均功率；所述功率门限值预置单元，保存有功率门限值；所 述分段单元，比较所述每个位置平均功率和功率门限值，依据功率门限值选 择数据分段边界。
所述基带信号处理器还包括来波方向估计单元；所述来波方向估计单元， 对所述干扰估计单元提供的干扰信号每个位置进行来波方向盲估计，确定各 段数据中干扰信号的来波方向；所述分段单元，依据数据中干扰信号的来波 方向不同，对数据进行分段。
所述基带信号处理器还包括先验信息获取单元；所述先验信息获取单元， 获取用于表征数据中包含的突发干扰的先验信息；所述分段单元，利用所述 先验信息，对数据进行分段。
所述基带信号处理器还包括中止条件预置单元和迭代控制单元；中止条 件预置单元，保存有中止条件；迭代控制单元，控制所述合并单元提供的输 出信息重新作为所述干扰估计单元的输入，并判断重新干扰估计得到的干扰 信号与所述干扰估计单元之前提供的干扰信号之间是否满足中止条件，若是， 输出中止指示；否则，输出迭代指示；所述基带信号处理器，在得到迭代指 示时，基于新的干扰信号对数据进行重新检测；在得到中止指示时，退出。
对于上述技术方案的技术效果分析如下：
本发明不同于现有技术，不是简单地认为干扰具有时间平稳特性，而是 按照受干扰情况不同对数据进行分段处理，对每段数据进行干扰和噪声消除， 抑制干扰的能力更强。
而且，本发明实现并不复杂，仅在现有简化检测算法上增加很少计算量， 不会增加硬件负担，很容易实现；而且，对数据的分段处理可采用多种方式， 非常灵活。
特别地，应用本发明能够非常有效地抑制与业务时隙重叠发送的上行导 频时隙(UpPTS)的干扰，以及远端NodeB的下行导频时隙(DwPTS)等延 伸到业务时隙的干扰，这对于解决TD-SCDMA系统的广覆盖和远端干扰等问 题具有非常重要的意义，对于提高TD-SCDMA系统容量提升业务服务质量 (QoS)具有很好的实现价值。
附图说明
图1为现有技术非时间平稳干扰示意图；
图2为本发明实施例一分段示意图；
图3为本发明实施例一流程图；
图4为本发明实施例一门限分段示意图；
图5为本发明实施例二某时隙数据结构示意图；
图6为本发明实施例二干扰边界示意图；
图7为本发明实施例四数据结构示意图；
图8为本发明实施例四线性插值示意图；
图9为本发明实施例四分段线性插值示意图；
图10为本发明基带信号处理器结构示意图一；
图11为本发明基带信号处理器结构示意图二；
图12为本发明基带信号处理器结构示意图三；
图13为本发明基带信号处理器结构示意图四；
图14为本发明基带信号处理器结构示意图五。

本发明通过合理运用联合检测技术和智能天线技术对干扰的抑制能力， 针对数据各处所受干扰特性差异，分段进行不同程度或不同方向的抑制，从 而在尽量减少计算量的前提下达到有效抑制干扰的效果。下面结合附图，对 本发明各实施例进行详细阐述。
首先，介绍本发明实施例一：
在通信系统中，由于干扰功率强度不同，或由于干扰来波方向不同，往 往导致数据各处受到的干扰有所差异。
设接收的数据为r(ka，i)，ka＝1，2，...，Ka，i＝0，1，...，N-1，其中，ka为天线 编号，Ka为总的天线数，N为数据总长度。接收数据中包含的干扰和噪声可 以看作是多个干扰和噪声分量之和。又设接收数据中可以看作是具有时间平 稳、各态历经的且为零均值的高斯过程的干扰分量为n1(ka，i)，ka＝1，2，...，Ka， i＝0，1，...，N-1，这可以看作是图1中的持续性干扰，其对应于实际系统中的高 斯噪声和邻区干扰等；剩余干扰分量n2(ka，i)，ka＝1，2，...，Ka，i＝0，1，...，N-1， 在整个时隙中不具有时间平稳特性，可对应于图1中的突发干扰。而实际系 统中，即使是对整个时隙而言不具有时间平稳特征的干扰，其在局部看来也 是具有时间平稳的特征的。
例如，在TD-SCDMA中，特殊情况下，可能会导致SYNC_UL序列同业 务数据重叠发送，此时，考察业务数据受到SYNC_UL序列的干扰，可以认 为其在SYNC_UL序列的128chip内具有时间平稳、各态历经的且为零均值的 高斯过程的特性。这样，对发送SYNC_UL序列的数据和未发送SYNC_UL 序列的数据完全可以采用不同的检测方式，并对最终各段检测结果作合并。 对于图1所示的非平稳干扰，可以通过分段近似平均，如图2所示分成三段， 每段分别近似为时间平稳的。
参见图3，为本发明实施例一流程图。
实施例一包括：
步骤301：对接收的数据r(ka，i)中各个位置的干扰情况进行分析和测量， 也即进行干扰估计过程；
这里的分析和测量方式可根据系统特性，进行选取和改进。例如，可以 采用信号消除法。由于联合检测过程中可以获得系统的信道估计，那么就可 以通过一次不考虑非时间平稳干扰的影响的数据检测，检测出所有数据，设 为数据d，然后利用数据和信道估计进行接收信号恢复，恢复完的数据信号为 er(ka，i)，ka＝1，2，...，Ka，i＝0，1，...，N-1，则此时整个时隙内干扰可以通过信 号消除的方法得到干扰信号为：
n(ka，i)＝e(ka，i)-er(ka，i).....................................公式5
步骤302：根据数据受干扰情况不同，确定需要分段检测的边界；
具体分段方式可根据系统特性灵活选择，下面介绍几种典型的分段方式：
1)利用先验信息进行分段
所述先验信息，是指通过测量、仿真或理论分析，得到的关于突发干扰 处于数据中的位置的信息。即预先可获知的一些信息，这些信息可在一定程 度上表明待检测数据各段受干扰情况。如在TD-SCDMA中，如果为了回避远 端干扰而让SYNC_UL序列同业务数据重叠发送，则SYNC_UL序列可能发 送的位置系统是系统预置的，此时，可以将SYNC_UL序列可能发送位置作 为一段，其余位置作为另一段或另几段。或者，对接收到的数据进行SYNC_UL 码检测，得到其发送具体位置，则可以认为包含SYNC_UL序列的为一段， 不包含SYNC_UL序列为另一段。
2)利用步骤301估计的干扰信号n(ka，i)进行分段
利用n(ka，i)进行分段，具体而言又可细分为依据干扰功率或来波方向确 定：
①干扰功率
对n(ka，i)求功率平均值Pn(i)，对Pn(i)进行分析从而确定如何进行具体分 段。
其中，Pn(i)的计算过程是，首先对n(ka，i)按天线求功率，得到：
Pn(ka，i)＝n(ka，i)n(ka，i)*.....................................公式6
n(ka，i)*是n(ka，i)的复共轭，然后将所有天线功率求平均：
$\overline{P_n}\left(i\right)=\frac{1}{\mathrm{Ka}}\underset{k=1}{\overset{\mathrm{Ka}}{\Sigma }}{P}_n(\mathrm{ka},i)$ ..........................公式7
对Pn(i)进行分析确定具体分段可结合设定门限值的方式。参见图4，设定 了两级干扰功率门限值Г1和Г2，且Г1＞Г2，那么，对于所有满足i|Pn(i)＞Г1的作 为第一段L1，将所有满足i|Г1≥Pn(i)≥Г2的作为第二段L2，其余也就是 i|Pn(i)＜Г2的作为第三段L3。
②来波方向
对于多天线系统，n(ka，i)包含每根天线上的干扰和噪声之和，此时，对 n(ka，i)来波方向进行盲估计，得到各点i位置干扰的来波方向后，对干扰来自 同一个方向范围或者比较接近的作为一段，其余为另一段。出于计算量考虑， 也可只挑选几个典型位置进行来波方向估计。
3)先验信息与利用干扰信号n(ka，i)结合的方式
也就上述方式1)和2)进行结合，从而更加准确的进行基于干扰情况 不同的分段处理。
4)利用数据中包含的特殊位置，作为数据分段的边界
例如，为了实现方便，对于类似TD-SCDMA系统，可以简单对数据前后 分成两段分别进行联合检测。
假设通过步骤302，对某时隙的数据分成了M段，其中，各段长度依次 为Lj，j＝0，1，...，M。
步骤303：对步骤202中分成的M段分别进行数据检测；
此时，认为各段数据在其时间范围内，具有时间平稳、各态历经的且为 零均值的高斯过程的特性，所以可以认为是白噪声，从而可以利用简化的联 合检测算法，也就是利用公式4分别与公式1、公式2或公式3结合，实现采 用不同算法，对干扰进行抑制。
以第m段数据为例，设其长度为Lm且从Nm到Nm+Lm，则此时对应于第m 段内数据中干扰空间协方差矩阵Rn，s m可按照下述公式求得：
$R_{n,s}^m=\frac{1}{L_m}\underset{i=N_m-1}{\overset{L_m+N_m-1}{\Sigma }}n(k,i)\times n^{*}(l,i)$ ..................................公式8
其中，k＝1，2，...，Ka，l＝0，1，...，N-1；而正如前面分析，第m段数据内噪 声时间协方差矩阵Rn，t m可以看作是一单位矩阵，如若采用MMSE算法，则可 以利用公式4和公式3结合，得到第m段数据的符号输出，设为dm。如果采 用MF或ZF，则利用公式4和公式1结合、或利用公式4和公式2结合。
按照上述步骤对其他数据段作同样处理，并对干扰情况完全相同的段可 以合并到同一次联合检测中处理。这样可以得到M段符号输出为dm， m＝0，1，...，M。
步骤304：对步骤303中得到的M段符号输出作相应合并，即为最终联合 检测输出的结果。
至此，通过上述四个步骤，完成了对非时间平稳的干扰进行有效的联合 检测。实际上，对于具有时间平稳特性的干扰，也可看作本实施例的一个特 例，不过是将整个数据段作为一段处理即可。
采用实施例一方式进行联合检测，能够很好地利用简化的联合检测算法 来抑制非平稳的干扰；同时，当数据分段不是很多时，其计算量也没有太大 增加，具有很强的可实现性。
下面介绍本发明实施例二：
实际上，实施例一提供的联合检测改进方法适合于所有使用联合检测的 系统，但是为了使本发明更加易于理解，实施例二具体介绍在TD-SCDMA系 统中，UpPTS与业务数据重叠发送时，利用本发明实现提高数据检测性能的 方案。
在TD-SCDMA系统中，UE通过发送UpPTS用以随机接入、建立上行同 步。而UpPTS长度只有128chip，而一个时隙仅数据部分就有704chip。故当 UpPTS和业务时隙重叠发送时，在UpPTS发送的位置和非UpPTS发送位置， 数据所受干扰的强度和干扰方向不完全相同。这样就可以通过如上分段联合 检测方式对干扰进行抑制。
参见图5，现假设UpPTS到TS1后半部分发送，其发送位置位于TS1后 半部分数据的后265chip。当然实际中并不限于此位置，这里仅作一例作详细 说明。
设接收的TS1数据为 $e=\left[\begin{array}{c}{e}_1\\ e_2\\ ...\\ e_{\mathrm{Ka}}\end{array}\right],$ 其中ei，i＝1，2，...，Ka为各天线接收信号 列向量；并假设依据各天线接收信号构建的对应于每根天线的信道响应矩阵 为Ai，i＝1，2，..，Ka；并假设根据信道估计计算得到的噪声功率为σ2。
以MMSE算法为例，则改进的联合检测具体包括以下步骤。对于MF和 ZF也同样适用，此处不分别赘述。
(1)对当前时隙所受干扰情况进行估计；
采用实施例一中提到的信号消除法进行干扰估计的过程是：
a)假设当前时隙所受干扰具有白噪声特性，具有时间平稳、各态历经的 且为零均值的高斯过程的特性，则利用公式3和公式4，即利用简化的MMSE 算法，得到为解调数据初步估计值dmmse；
b)对初步估计的dmmse进行解调硬判决，得到二进制数据
c)对按照发送端数据调制方式处理，获得调制数据d′，对d′按照系统 矩阵A进行数据重构，得到重构信号：er＝Ad′；令er(ka，i)为向量er对应于第 ka根天线，第i个chip的信号。
这里：
$A=\left(\begin{array}{c}{A}_1\\ A_2\\ .\\ .\\ .\\ A_{\mathrm{Ka}}\end{array}\right)$
d)利用原信号和重构信号得到干扰信号：n(ka，i)＝e(ka，i)-er(ka，i)。
(2)依据干扰情况对数据进行分段；
正如实施例一步骤202中介绍的，分段方式可采用先验信息、利用n(ka，i)， 以及上述两种方式相结合。
针对图5所示例子，可采用：
A)预先获知UpPTS位置或编号
对于系统预先设置UpPTS发送位置的情况，可以直接将UpPTS可能发 送的位置作为一段，其它位置作为另一段。例如，已知UpPTS在592～848 位置发送，则可以认为这里的数据所收干扰不同于其他位置的数据，则将 592～848作为一段，其余作为另一段。
B)通过对UpPTS进行检测确定分段
如果预先不能获知UpPTS位置，如果能够检测到UpPTS，则可以确定其 发送的具体位置，进而可以确定其相对于数据的具体位置。确定了UpPTS的 具体位置后，显然，其发送位置数据所受干扰情况就不同于其他位置了，这 样就可以直接令对应于UpPTS发送位置的数据为一段，其他位置再另为一段。 假设现检测出UpPTS位于第592chip到720chip，则可以将592～(720+W- 1)为一段，此处考虑到信道的延时，将信道估计长度W考虑进去，而1～352、 496～591、(720+W)～(848+W)作为一整段进行处理。
C)以midamble为界限分段
为了实现简单，可将midamble前的数据作为一段，后面的作为另一段。 对于类似TD-SCDMA的系统，也可采用这样的简化处理方式。
上述A)、B)属于前面介绍的利用先验信息来确定如何分段的情形；C) 属于简化分段的方式。
D)利用n(ka，i)分段
这种处理方式的具体实现参见实施例一中的步骤302中的2)部分，可采 用干扰功率或来波方向确定如何分段。
E)先验信息与n(ka，i)结合的分段方式
比如，在上述B)中，通过检测UpPTS，确定了其位置是592～720chip， 可以认为592～(720+W-1)为一段，而其余部分则可以继续利用n(ka，i)， 按照干扰功率或来波方向进一步细分为几段。对于592～720chip部分，也可 以进一步利用干扰功率或来波方向进一步细分。
需要说明的是，为了后续对各段合并的方便，这里的分段边界可以尽可 能的取一个符号的边界，具体是，考虑到现有简化的联合检测算法中数据检 测总是按照扩频因子为16的虚码道进行的，也就是16个chip对应一个符号， 所以在实际操作中，应尽量将分段边界设置在符号边界。参见图6，通过某分 段方式确定的干扰边界，但是其不处于某符号n的边界，这是，可以将其移 至n符号的左边界或右边界，在图中，可将干扰边界移至离其较近的符号n 的右边界。
(3)分别对各段进行联合检测；
正如实施例一步骤303中描述的，此时认为各数据段受干扰具有时间平 稳、各态历经的且为零均值的高斯过程的特性，所以，利用公式8，以及结合 公式3和公式4，可以获得各段符号输出dm，m＝0，1，...，M。
(4)对各段符号输出dm，m＝0，1，...，M进行合并，得到联合检测的最终结 果。
通过上述四个步骤，即可实现对干扰不具备时间平稳特性时的 TD-SCDMA系统进行联合检测，这对于解决TD-SCDMA系统的广覆盖和远 端干扰等问题具有非常重要的意义，对于提高TD-SCDMA系统容量提升QoS 具有很好的实现价值。
下面介绍本发明实施例三：
实施例三在实施例一或实施例二的基础上，通过迭代的方式，增加干扰 估计的准确性。
以实施例二为例，具体迭代方式是，利用步骤304的结果作为步骤301 干扰估计的输入，重新计算干扰值，如此迭代多次，直到满足预置的中止条 件。
例如，nm(ka，i)，ka＝1，2，…，Ka，i＝0，1，…，N-1表示第m次迭代后多天线所受 干扰，Ka表示天线单元数，N表示时隙内信号长度，并且初始条件n0(ka，i)＝0 。则迭代m次，直到：
$\underset{i=0}{\overset{N-1}{\Sigma }}{\left|\right|n^m(\mathrm{ka},i)-n^{m-1}(\mathrm{ka},i)\left|\right|}^2\le \delta ,\mathrm{ka}=\mathrm{1,2},...,\mathrm{Ka}$ .......................公式9
δ为一中止条件；这里‖·‖2表示取模的平方。
这样，利用已分段抑制的数据，可以更加准确的估计干扰，进而提高数 据检测的准确性。此外，实现中，为了防止迭代过程不收敛，还可以设定迭 代次数上限M。
下面介绍本发明实施例四：
与上述三个实施例采用信号消除法不同，本实施例采用插值法来进行干 扰估计。
插值法的主要思路是通过估计出一个时隙头部、中间、尾部等位置的干 扰情况，然后利用插值函数，对其他点的干扰进行插值，从而得到整个时隙 的干扰情况。
例如，对如图7所示时隙结构，假设现要估计TS(i)时隙内干扰情况，设 TS(i-1)和TS(i)之间保护间隔为GP(1)，TS(i)和TS(i+1)之间保护间隔为GP(2)， GP(1)和GP(2)内接收信号表示为：
rGP(j)(ka，i)，ka＝1，2，…，Ka，i＝0，1，…，L(j)-1，j＝1，2..................公式10
这里L(1)和L(2)分别表示GP(1)和GP(2)的长度。
这里认为GP内所受干扰即为其接收信号，即：
nGP(j)(ka，i)＝rGP(j)(ka，i)，ka＝1，2，…，Ka，i＝0，1，…，L(j)-1，j＝1，2...........公式11
对其求时间平均得：
${\bar{n}}_{\mathrm{GP}\left(j\right)}\left(\mathrm{ka}\right)={\bar{r}}_{\mathrm{GP}\left(j\right)}\left(\mathrm{ka}\right)=\frac{1}{L_{\left(j\right)}}\underset{i=0}{\overset{L_{\left(j\right)}-1}{\Sigma }}{r}_{\mathrm{GP}\left(1\right)}(\mathrm{ka},i),\mathrm{ka}=\mathrm{1,2},...,\mathrm{Ka},j=\mathrm{1,2}$ .........公式12
并认为TS(i)前端所受干扰同于GP(1)，即为：
nTS(i)(ka，0)＝nGP(1)(ka)，ka＝1，2，…，Ka；
TS(i)后端所受干扰同于GP(2).，即为：
nTS(i)(ka，N-1)＝nGP(2)(ka)，ka＝1，2，…，Ka。
这里N为TS(i)的长度。这样可以通过插值函数f得到TS(i)各处干扰情况， 即：
nTS(i)(ka，k)＝f(nTS(i)(ka，0)，nTS(i)(ka，N-1)，k).......................公式13
这里的插值函数f可以根据实际系统而定，最简单的可以选择一种线性插 值，如图8即：
$n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},k)=f(n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0),n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N-1),k)=n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0)-k\frac{n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0)-n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N-1)}{N}$
.......................................................公式14
如果实际系统中具有训练序列并且训练序列在时隙中间，如TD-SCDMA 系统，则还可以通过训练序列获得TS(i)中部的干扰，设为 nTS(i)(ka，N/2-1)，ka＝1，2，…，Ka。则可以利用k＝0，k＝N/2，k＝N的三个位置插值得到 整个时隙的干扰情况。即有：
nTS(i)(ka，k)＝f(nTS(i)(ka，0)，nTS(i)(ka，N/2-1)，nTS(i)(ka，N-1)，k)............公式15
这里的插值函数f可以根据实际系统而定，最简单的也可以选择一种分段 线性插值如图9，即k＝0到k＝N/2-1之间线性插值，k＝N/2-1到k＝N线性插值。 即：
$n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},k)=f(n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0),n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N/2-1),n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N-1),k)$
$=\left\{\begin{array}{c}{n}_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0)-k\frac{n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},0)-n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N/2-1)}{N/2};0\le k\le N/2\\ n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N/2-1)-k\frac{n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N/2-1)-n_{\mathrm{TS}\left(i\right)}(\mathrm{ka},N-1)}{N/2};N/2<k\le N\end{array}\right.$ ........公式16
ka＝1，2，…，Ka，k＝0，1，…，N-1
以上只是给出了插值法的两个实例，实际中只要是通过预先估计出一个时 隙某几个位置的干扰，并通过某些内插的方法估计出整个时隙的干扰都可以 看作是插值法。
需要说明的是，本方法的有效性很大程度取决于GP的长度，并且由于信 道时延的影响，GP中信号还包含前面时隙数据的拖尾，故实际中如果能够去 除GP中前一个时隙信号的拖尾影响，则利用公式12计算得到的干扰会更加 准确。这可以结合应用信号消除法的思想，根据前一个时隙的检测结果和信 道估计信息，对其拖尾进行恢复，然后从GP中减去拖尾信号，这样可以去除 时隙前GP中数据信号拖尾，对时隙后GP，则可以对其前一个或几个符号的 数据进行类似于信号消除法的初检测，再利用初检测结果恢复其数据信号拖 尾，然后从GP中减去数据信号拖尾。
如果GP足够长，则还可以按照下式：
${\bar{n}}_{\mathrm{GP}\left(j\right)}\left(\mathrm{ka}\right)={\bar{r}}_{\mathrm{GP}\left(j\right)}\left(\mathrm{ka}\right)=\frac{1}{L_{\left(j\right)}-W}\underset{i=W}{\overset{L_{\left(j\right)}-1}{\Sigma }}{r}_{\mathrm{GP}\left(1\right)}(\mathrm{ka},i),\mathrm{ka}=\mathrm{1,2},...,\mathrm{Ka},j=\mathrm{1,2}$ ..............公式17
求得GP内干扰时间平均值，这里W为信道响应长度。显然，这里要求 L(j)＞W，j＝1，2。
总之，本发明旨在提供一种改进联合检测性能的方法，而且这种方法适合 于联合检测的各种应用系统，对于干扰估计的过程，根据系统固有特征也会 有不同方法，并不限于本发明提供的信号消除法以及插值法。此外，根据系 统实际需要，对估计的干扰还可以对连续的子帧作平滑处理，以提高干扰估 计的准确性。
与上述改进联合检测性能的方法相对应，本发明还提供一种执行上述方 法的实体：基带信号处理器。如前已述，基带信号处理器是在DSP、MCU、 FPGA或CPLD等硬件平台上实现的一种设备，存在于通信系统的NodeB中。
与现有基带信号处理器最大不同之处在于，本发明中的基带信号处理器 对待检测数据进行分段处理，然后再利用现有的简化联合检测算法，对每段 数据分别检测，最后将各段检测的输出进行合并，作为检测结果。这种基带 信号处理器特别适合检测受突发干扰影响的数据，例如，对TD-SCDMA系统 中受UpPTS影响的业务数据的检测。
参见图10，为本发明提供的基带信号处理器内部结构示意图，它包括：
干扰估计单元1001：用于对待检测数据进行干扰估计，获得干扰信号；
分段单元1002：用于依据待检测数据各部分所受干扰情况，对数据进行 分段；
分段检测单元1003：对分段单元确定的每段数据，分别利用干扰估计单 元1001估计的每段数据的干扰信号，采用联合检测算法进行检测；
合并单元1004：将分段检测单元获得的各段数据检测输出进行合并，作 为数据最终的检测结果。
其中，干扰估计单元1001可采用信号消除法、插值法或分段插值法对数 据进行干扰估计，具体实现方式与方法部分相同，在此不再赘述；分段检测 单元1003对每段数据进行联合检测，仍采用现有的MF、ZF或MMSE算法。
对于分段单元1002具体的分段操作，可以利用干扰估计单元1001的估 计结果，也可以利用先验信息，或者二者结合。
下面介绍的图11和图12所示的基带信号处理器，是在图10的基础上， 分段单元1002利用干扰估计单元1001的估计结果进行分段的例子。
参见图11，基带信号处理器还包括：
功率计算单元1005，对所述干扰估计单元提供的干扰信号进行计算，得 到干扰信号的平均功率；
功率门限值预置单元1006，保存有功率门限值；
分段单元1004，比较平均功率和功率门限值，依据功率门限值选择数据 分段边界。
参见图12，基带信号处理器还包括：
来波方向估计单元1007，对干扰估计单元1001提供的干扰信号进行来波 方向盲估计，确定各段数据中干扰信号的来波方向；
分段单元1004，依据数据中干扰信号的来波方向不同，对数据进行分段。
下面介绍的图13所示的基带信号处理器，是在图10的基础上，分段单 元1002利用先验信息进行分段的例子。
参见图13，基带信号处理器还包括：
先验信息获取单元1008，获取用于表征数据中包含的突发干扰的先验信 息；
分段单元1004，利用所述先验信息，对数据进行分段。
为了使干扰估计更加准确，可对干扰信号进行迭代处理。参见图14，基 带信号处理器还包括：
中止条件预置单元1009，保存有中止条件；
迭代控制单元1010，控制合并单元1004提供的输出信息重新作为所述干 扰估计单元1001的输入，并判断重新干扰估计得到的干扰信号与干扰估计单 元1001之前提供的干扰信号之间是否满足中止条件，若是，输出中止指示； 否则，输出迭代指示；
基带信号处理器，在得到迭代指示时，基于新的干扰信号对数据进行重 新检测；在得到中止指示时，退出。
需要说明两点：
①图11-14中虚线表示是在图10的基础上增加的单元及其关系。
②包含干扰信号迭代功能的基带信号处理器，也即图14，除了可以在图 10的基础上实现，还可以基于图11-图13的基带信号处理器上实现。
与上述提供的联合检测改进方法以及基带信号处理器相对应，本发明还 提供一种NodeB设备，它与现有NodeB不同之处在于，包含一种能够有效检 测受非平稳干扰信号干扰的数据的基带信号处理器。这种基带信号处理器的 内部结构图参见图10-图14，具体介绍与本文之前对基带信号处理器的介绍 相同，在此不再赘述。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普 通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润 饰，这些改进和润饰也应视为本发明的保护范围。