关 键 词：

机械毕业设计

资源描述：

基于宽带无线通信系统的仿真链路设计,机械毕业设计

内容简介：

WWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :03-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :03-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :03-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :03-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0ntsSimulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :03-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-6 -4.9 -3.8 -2.7 -1.6 -0.5 0.6 1.7 2.8 3.9 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :mmseSelected SNR :-6 -3 0 3Selected N_block :100 120 140 160MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfntsSelected SNR :5Selected N_block :3MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :mmseSelected SNR :-6 -3 0 3Selected N_block :100 120 140 160MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :3UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :mfSelected SNR :-6 -3 0 3Selected N_block :100 120 140 160MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :3UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-6 -3 0 3Selected N_block :100 120 140 160MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :04-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :3ntsUE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :mmseSelected SNR :-6 -3 0 3Selected N_block :100 120 140 160MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :05-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :1UE Speed (km/h) :3Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :06-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :0UE Speed (km/h) :0Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :zfSelected SNR :-15 -13 -11 -9 -7 -5 -3 -1 1 3 5Selected N_block :500 550 600 650 700 750 800 850 900 950 1000MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWWsimulation date :06-Jun-2006Mapping type :convolution12.2RU Assignment :51Q8Multipath type :6UE Speed (km/h) :120Standard Deviation (dB) :0Vector Channel Type :0Simulation Link :ulChannel Estimation Type :SJ_PPJoint Detection Algorithm :nts zfSelected SNR :-8 0Selected N_block :10 20MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMnts 设计（论文）题目 ： TD-SCDMA 多用户检测技术 nts 第 II 页 TD-SCDMA 多用户检测技术 摘 要 多用户检测技术是最近十年以来移动通信领域的研究热点之一，这与 CDMA 蜂窝移动通信系统的应用有 着 直接的关系 。 由于 CDMA 系统实际所采用扩频码的不完全正交，导致 CDMA 系统存在严重的 多址 干扰 （ MAI） ，这使得系统的性能和容量都不如人意。 多用户检测 在传统检测的基础上，充分利用 扩频码的已知结构信息和统计信息来 联合检测单个用户的信号 ，具有 优良的抗干扰能力， 解决了远近效应问题，使系统性能和容量得到显著 提高。 本文详细介绍了 TD-SCDMA 系统中的多用户检测技术，并 使用 Matlab 软件 对 传统匹配滤波器 法和 几种多用户检测 算法 进行了仿真 。 通过 在不同条件下 与传统检测技术的对比，可以看出多用户检测技术对 TD-SCDMA 系统性能的改进。在此 仿真平台的 基础上， 我们 还引入了智能天线技术，使之与多用户检测技术相结合，达到了 大大 提高 系统性能的效果。 关键词 ： 多用户检测 ， 扩频码 ， 多址干扰 ， TD-SCDMA 系统 nts 第 III 页 Multi-User Detection in TD-SCDMA system Abstract Multi-user Detection has been one of mobile communication domain research hot spots for recent ten years, this has the direct relations with the application of CDMA cellular mobile communication system. Because the CDMA system actually uses the spread frequency code which is not orthogonal completely, the CDMA system exists serious Multi-Access Interference(MAI) which brings on the performance and the capacity of the system is all unsatisfactory. Multi-user Detection fully uses the known structure information and the statistical information of the spread frequency code to detect single-user signal on the basis of the conventional detection. It has the fine anti-inteference ability ,and has solved far- near problem, and brings on the remarkable enhancement of the system performance and the capacity. This article introduced Multi-user Detection in the TD-SCDMA system in detail, and used the Matlab software has carried on the simulation for the conventional matched filter method and several kinds of the Multi-user Detection algorithms. Through contrasting with the conventional detection technology in deferent condition, may see the improvement which Multi-user Detection acts on the TD-SCDMA system performance. On the basis of this simulation platform, we have introduced the smart antenna technology unified with Multi-user Detection, and achieved the effect enhanced the system performance greatly. Key words: Multi-User Detection， Spread frequency code， Multi-Access Interference，TD-SCDMA system nts 第 III 页 目 录 1 绪 论 . 1 1.1 课题的背景和目的 . 1 1.2 课题的国内外研究现状 . 2 1.3 课题的研究方法 . 3 1.4 论文的主要内容和组织结构 . 4 2 多用户信号检测概述 . 5 2.1 多用户检测技术分类 . 5 2.2 多用户检测基本原理 . 6 2.2.1 干扰抵消 （ IC） 基本思想 . 6 2.2.2 CDMA系统离散时 间传播模型 . 6 2.2.3 联合检测 (JD)的基本原理 . 9 2.3 小结 . 11 3 线性联合检测的各种算法和仿真实现 . 12 3.1 线性联合检测器的结构 . 12 3.2 解相关匹配滤波器（ DMF）法 . 13 3.3 迫零线性块均衡（ ZF-BLE）法 . 14 3.4 最小均方误差线性块均衡（ MMSE-BLE）法 . 15 3.5 线性联合检测的仿真实现 . 16 3.5.1 线性联合检测的仿真实现流程 . 17 3.5.2 仿真子程序 . 18 3.5.3 界面参数说明 . 19 3.5.4 全局变量的介绍 . 21 3.6 仿真结果分析 . 24 3.7 线性联合检测各种算法的比较 . 28 3.8 联合检测技术与智能天线的结合 . 29 3.9 小结 . 31 nts 第 IV 页 4 多用户检测技术的改进和研究方向 . 32 4.1 多用户检测 与 其他技术 的结合 . 32 4.2 多用户检测 的研究方向 . 33 4.3 小结 . 34 结 论 . 35 致 谢 . 36 参考文献 . 37 nts 第 1 页 1 绪 论 1.1 课题的背景和目的 自 20 世纪 80 年代以来，移动通信在全球范围内得到了迅速发展。截止到 2002 年底，全球移动通信用户数已经达到 11.3 亿。移动通信的发展经历了两代，第二代的 GSM和窄带 CDMA 移动通信系统是正在全世界营运的主要移动通信系统。目前，移动通信又进入一个新的发展时期，主题就是人们普遍关注的第三代移动通信。早在 1985 年，国际电联就提出了第三代移动通信的概念，许多国家和地区的著名电信设备商先后提出了十多种无线接口建议。经过充分协商和融合，最后形成了三大主流标准，即欧洲与日本提出的 WCDMA、 美国提出的 CDMA2000 和中国提出的 TD-SCDMA。 TD-SCDMA 是由大唐电信集团（电信科学技术研究院）代表中国提出的第三代移动通信系统标准，并且已经被世界上许多运营商和设备厂家所接受。这是近百年来我国通信史上的第一次，是中国电信界的一大壮举，标志着我国在移动通信技术领域已经进入世界先进行列。 TD-SCDMA 是第一个使用时分双工方式的第三代移动通信系统标准，同时采用了同步 CDMA、智能天线、多用户检测、接力切换、低码片速率和软件无线电等一系列高新技术。因此在性能方面具有明显的竞争优势：系 统容量大，抗干扰能力强，频谱利用率高，单载波仅占 1.6MHz，利用 5MHz 带宽就可以组网。不需要成对的工作频段，这对缓解当前移动通信频率资源紧张的矛盾是极为重要的。由于节约了大量昂贵的频谱资源，同时采用低码片速率，以及对基站射频部件设计采取有效措施，显著地降低了硬件设备制造的技术难度，整个网络的投资费用大幅度降低。 TD-SCDMA 能够提供第三代移动通信系统标准所规定的各种业务，包括高质量的语音、宽带数据和多媒体业务，尤其适合今后将迅速发展的 IP 等非对称数据业务。 CDMA 技术是以扩频技术为基础的。所谓扩频 （ Spread Spectrum） 就是将待传送的信息数据用伪随机编码调制，实现频谱扩展后再传输，接收端则采用同样的编码进行解调及相关处理，从而恢复原始信息数据。扩频通信系统的基本工作方式主要有四种：直接序列扩频 （ Direct Sequence Spread Spectrum） 方式，跳变频率 （ Frequency Hopping）nts 第 2 页 方式，跳变时间 （ Time Hopping） 方式和宽带线性调频 （ Chirp Modulation） 方式。目前在码分多址蜂窝通信系统中使用较多的扩频技术是直接序列扩频，简称直扩 （ DS） 。 本文下面讨论的都是 TD-SCDMA 系统。在 CDMA 通信系统中，不同用户传输信息所用的信号不是靠频率不同或时隙不同来区分的，而是用各不相同的编码序列来区分。如果从频域或时域来观察，多个 CDMA 信号是重叠的。接收机用相关器可以在多个 CDMA 信号中选出使用特定码型的信号，而其他使用不同码型的信号不能被解调，它们的存在类似于在信道中引入了干扰，这就是多址干扰 （ Multiple Access Interference， MAI） 。由个别用户产生的多址干扰虽然很小，但随着用户数的增多或信号功率的增大，多址干扰就成了宽带 CDMA 系统中的一个主要干扰，它对系统容量起着制约的作用。传统的检测技术完全按照经典直接序列扩频理论对每个用户的信号分别进行扩频码匹配处理，因而抗多址干扰能力较差；多用户检测 （ Multi-User Detection， MUD） 技术在传统检测技术的基础上，利用造成多址干扰的所有用户信号信息对单个用户的信号进行检测，从而具有优良的抗干扰性能，解决了远近效应问题，降低了系统对功率控制精度的要求，因此可以更加有效地利 用上行链路频谱资源，显著提高系统容量。因此有必要对多用户检测技术做深入的研究。 联合检测是 TD-SCDMA 技术中创新的多用户检测方案 ，也就是本课题的研究重点 。联合检测可消除或将所有用户的多址干扰降至最低，使载波的用户负载量得到提高。需要说明的是，由于平行用户数量的增长使计算复杂度呈指数型提高，换言之，联合检测只在平行用户数量相对较少的环境下才有效。 因此 本课题的目的 就是 （ 1） 通过 进行 物理层的链路级 仿真 ， 看出多用户检测技术对 TD-SCDMA 系统性能的改善， 根据 不同的环境中 的仿真结果 比较分析 各种检测算法 ,确定 对多用户检测产生影响的因素 ， 发现 多用户检测技术在实际运用中 时所遇到的一些问题 。 （ 2） 在 多用户检测的 基础上 引 入 智能天线技术 ，使这两种技术结合起来使用， 达到进一步提高系统性能的作用。 1.2 课题的国内外研究现状 CDMA系统的干扰受限特征与其他多址方式比较而言尤为突出，其干扰主要来源于多址干扰（ MAI） 。在现有 CDMA系统（ IS-95）中，所采用的抗干扰技术主要有： RAKE接收 、 快速功率控制 、软切换、语音激活（ VAD）以及不连续发射 (DTX)等技术。上述nts 第 3 页 措施均是针对某一用户进行信号检测而将其他的用户作为噪声加以处理，即单用户检测（ SUD），其结果导致信噪比恶化，系统性能和容量不如人意。为了进一步提高 CDMA系统容量，人 们探索将其他用户的信息联合加以利用，也就是多个用户同时检测的技术，来降低或消除多址干扰，以改善系统性能，提高系统容量。 Schneider于 1979年首先提出了多用户检测的想法。 1986年 Verdu提出了最佳多用户检测算法 ，认为 MAI是具有一定信息结构的有效信息。采用最大似然检测可以逼近单用户性能，并有效克服“远近效应”，大大提高系统容量。但由于 ML检测的复杂度太高，无法实现，因此人们开始研究各种次优的多用户检测，目标是寻找一个在实现中性能和复杂度都可以接受的检测技术。 主要次优检测有最小均方误差检测（ MMSE）、线性检测、多级检测、判决反馈检测和干扰抵消检测等。 1993年以前主要是各种多用户检测器提出的时期，近些年的研究工作主要是在这些多用户检测结构下，如何使之走向实用化。由于第三代移动通信系统IMT-2000的提出，各国一致希望在 IMT-2000的候补建议中采用多用户检测技术。日本主要研究多级干扰抵消检测，美国主要研究自适应检测， 欧洲标准协会 (ESA)则在卫星通信系统 IMT-2000的候补建议中，提出前向链路采用 MMSE检测。中国的 TD-SCDMA系统上行链路 早期 采用的是迫零线性 块 均衡（ ZF-BLE）法 ， 随着硬件设备性能的提高，目前采用的是最小均方误差线性块均衡 （ MMSE-BLE） 法 。 我国现在已经具备了第二代移动通信系统的整体开发能力，但在第三代移动通信系统的研究方面还刚刚起步。当前最为迫切的任务就是进行宽带 CDMA通信系统的关键技术的研究工作，努力形成自己的专利技术，提高中国电信业的独立性和与外国电信厂商竞争的能力。 1.3 课题的研究方法 本课题的研究方法 ： 首先 通过理论 学习 ， 对 TD-SCDMA 系统 中 多用户检测技术有一个深入的了解，然后利用 Matlab 仿真软件 采用蒙特卡罗仿真法 对 传统 匹配滤波器法和 多种多用户检 测 关键 算法 进行 仿真 ， 并 在此 将多用户检测 技术 与智能天线技术结合起来使用 。 然后 分析总结不同条件下的 仿真 结果 ， 以此 来达到本课题的研究目的 。 值得说明的是，由于下行链路过程是上行链路过程的一个特例，所以在链路级仿真中只对上行链路过程进行了仿真实现。 nts 第 4 页 1.4 论文的主要内容和组织结构 本论文 主要分为四个部分 : 首先是绪论部分，主要是对本课题的相关背景，国内外的研究现状，本课题的研究目的 和 方法进行一些简要的介绍 。 其次，是多用户检测基础 部分，主要对多用户检测的 基本 概念 、技术 分类 、实际应用、 基本原理 以及 CDMA 系统离散时间传播模 型 做一个较为详细的介绍，使读者对TD-SCDMA 系统中多用户检测技术有一个全面的了解，同时也为论文的下一部分打下理论 基础。 然后 ,是本论文的最关键的部分 ,这部分中我们介绍了三种线性联合检测算法以及对 几种常见的检测算法 的仿真实现 。为了让读者更好地理解 和使用 仿真程序，本 章还介绍了仿真实现流程、子程序、用户界面参数和全局变量。接下来分析了仿真结果，确定对多用户检测产生影响的因素并 对 几种算法进行了一个大概的比较 和分析总结 。 这部分的最后，我们对单独采用多用户检测技术与单独采用智能天线技术所遇到的问题进行了总结，说明了 智能天线和多用户检测技术相结合的原理和方法，通过仿真实现，得出了仿真结果。 最后 , 是论文的结尾部分。 由 于在 实际应用 中 ， 单独使用 多用户检测技术会 遇到 一些 问题， 为了能够解决这些问题， 所以， 4.1 节中 讨论了 多用户检测技术 与其他几种技术的结合 使用 ，以 求 达到进一步 提高系统的性能 。 同时， 在 4.2 节 介绍了多用户检测 技术 的研究方向及 实际应用 前景。 nts 第 5 页 2 多用户信号检测技术概述 多用户检测是宽带 CDMA通信系统中抗干扰的关键技术。 它的定义为： 联合考虑同时占用某个信道的所有用户或某些用户，消除或减弱 其它用户对任一用户的影响，并同时检测出所有这些用户或某些用户的信息的一种信号检测方法 。 在实际的 CDMA通信系统中，各个用户信号之间存在一定的相关性，这就是多址干扰 (MAI)存在的根源。由个别用户产生的 MAI固然很小，可是随着用户数的增加或信号功率的增大， MAI就成为宽带CDMA通信系统的一个主要干扰。传统的检测技术完全是按照经典直接序列扩频理论对每个用户的信号进行扩频码匹配处理，因而抗 MAI的能力较差；多用户检测（ MUD）技术在传统检测技术的基础上，充分利用造成 MAI的所有用户信号信息对单个用户的信号进行检 测，从而具有优良的抗干扰性能，解决了远近效应问题，降低了系统对公里厂控制精度的要求，因此可以更加有效地利用上行链路频谱资源，显著提高系统容量 。 2.1 多用户检测技术分类 从信息论角度来看， CDMA 系统是一个多入多出 (MIMO)的系统，采用传统的单入单出 (SISO)检测方式（如匹配 滤波器 ） ，不能充分利用用户间的边信息，由于将多址干扰认为是高斯白噪声，因此大大降低了系统容量。 1986 年， Verdu 提出了多用户检测算法，认为多址干扰是具有一定信息结构的有效信息。由于理论上证明了最大似然序列检测 (MLSD)可以逼近单用 户接受性能，并有效克服远近效应，大大提高系统容量，因而开始了对多用户检测的广泛研究。 多用户检测（ MUD）包括联合检测（ JD）和干扰抵消（ IC）。联合检测（ JD）的性能优于干扰抵消（ IC），但 JD 复杂度高于 IC，因此，一般基站采用 JD 较好，而终端采用 IC 更合适。 干扰抵消按处理方式不同，可以分为串行干扰抵消和并行干扰抵消。由于多用户检测算法的复杂度，实际上我们主要考虑次优联合检测器。次优联合检测器可以分为线性和非线性两类。所谓线性与非线性，即是判断算法的输出是否是输入的线性变换。 线性联合检测器是在判决之前对 相关器的输出矩阵进行线性变换，各用户检测复杂度只是用nts 第 6 页 户数的线性函数。线性联合检测算法主要包括：解相关匹配滤波器（ DMF）法 、迫零线性块均衡（ ZF-BLE）法和最小均方误差线性块均衡（ MMSE-BLE）法等。非线性联合检测算法主要有迫零判决反馈块均衡（ ZF-BDFE）法和最小均方误差判决反馈块均衡（ MMSE-BDFE）法等。非线性联合检测算法的效果优于线性联合检测算法，但是实现复杂度方面，非线性联合检测算法则高一些，因此实际系统倾向于用线性联合检测算法，本 课题 也 只 是对线性联合检测算法进行了仿真实现。 2.2 多用户 检测基本原理 在 2.1 节 中我们已经知道，多用户检测可分为：联合检测（ JD）和干扰抵消（ IC）。干扰抵消主要是应用于终端， 而 本课题主要研究上行链路过程（终端到基站） 中的信号检测 ，所以对干扰抵消不作重点研究，在此仅仅说明其基本思想，其后面的部分完全是对联合检测技术的研究。 2.2.1 干扰抵消 的 基本思想 干扰抵消的基本思想是判决反馈，首先从总的接收信号中解调并判决出其中的部分数据，然后根据部分数据和用户扩频码重构出这部分数据对应的信号 ，再从总接收信号中减去（抵消）重构的信号，如此循环 下去 ，直到预先设定的条件得到满足后停止 。 IC技术并没有完全利用多用户信息，在判断信号的时候，其他没有被抵消的信号仍然被 看作 噪声 来 处理，但与单用户检测相比，确实有进步。 干扰抵消分为串行干扰抵消和并行干扰抵消。 串行干扰抵消指的是先检测某个用户的信号，然后将这个用户的影响消除，依次逐个消除每 个 用户的影响，直至所有用户的信号被检测出来。串行干扰抵消在各个用户的功率相差较大时作用较好，这时可以按照功率大小排列来顺序进行干扰消除。并行干扰抵消指的是首先用一个单用户信号检测阵列得到所有的用户信号估值，根据判决后的结果，可以重构其他用户对某一特定用户的干扰。 将这些干扰抵消后再利用单用户信号检测阵列得到新用户信号估值，如此循环下去，直到达到一定的精度或次数要求。 2.2.2 CDMA 系统离散时间传播模型 在介绍联合检测的基本原理之前，我们 先 要 清楚 CDMA 系统离散时间传播模型，nts 第 7 页 这样 可以 很好地理解 联合检测是如何把原始信号从所接收的信号中分离出来的。 首先， 定义等效信道冲激响应为： ( ) ( )( ) ( ) ( ) ( )kke f f c eh g h g （ 2.1） ()cg 是码片的冲激响应， ()()kh 空间信道的冲激响应， ()eg 为实际系统接收端添加的一个滤波器的冲激响应，用来减少邻道干扰。 等效信道冲激响应 ()()keffh 在时间上是无穷尽的，从移动通信的实际出发，可以认为它是时间受限的，并且是因果关系。那么对 ()()keffh 在 时刻 ( 1)cwT处抽样，可以得到有限个非零值： ( ) ( )( ( 1 ) )kkw e f f ch h w T， w=1,2, ,W (2.2) 根据抽样定理，如果 ()()keffh 的带宽不大于 采样频率 1/cT，那么 ()kwh完全可以恢复出 ()()keffh 。这样就要求时间受限的 ()()keffh 也是频域受限的。理论上来说，时域受限和频域受限 是不可兼得的。在实际系统中，通过采用各种带宽有效的数据调制和码片调制方案，可以使得发射信号 ()()kst的能量几乎都集中在宽度为 1/cT的频段中。此时可以认为 ()()keffh 同时是时域受限和频域受限的。 W 代表了信道的多径时延扩展特性。 基于以上的假设，导出 CDMA 系统的离散时间模型： ( ) ( ) ( ) ( ) ( )1111NQ Wk k k k ki v i v i w wvwe s h s h （ 2.3） 当 wW 时， () 0kwh ; 当 vNQ 时， () 0kvs ; 当 iNQ+W-1 时， () 0kie ; 根据离散时间传播模型， ()kie可以表示如下： ( ) ( ) ( ) ( ) ( ) ( ) ( )( 1 ) 1 ( 1 ) 11 1 1 1QQNNk k k k k k ki n q i n Q q n i n Q w wn q n qe d c h d c h （ 2.4） nts 第 8 页 其中， ()knd表示用户发送的数据符号， ()kqc表示码片值。 令 ( ) ( ) ( ) ( ) ( )1111QWk k k k kl i w w q l qwqb c h c h 则 ( ) ( ) ( )( 1 )1Nk k ki n i n Qne d b （ 2.5） ()klb 的第一个求和号可以表示成为一个矩阵 (k)C 和一个向量 ()hk 的乘积： ( k ) ( ) ( ) ( ) ( ) ( )1 2 1( , , , )k k k T k kQWb b b b C h（ 2.6） 其中，矩阵 (k)C 可以表示如下： ( ) ( ),kklwCCl=1,Q+W -1; w=1,W 当 l l-w+1 Q 时 ( ) ( ),1kkl w l wc C其他情况 下 (), 0klwC向量 ()kh 由下式表示： ( k ) ( ) ( ) ( )12( , , , )k k k TWh h h h （ 2.7） ()kh 被称为用户 k 的信道冲激响应，称 (k)b 为用户 k 的合并信道冲激响应。 式（ 2.5）中的和式可以表示为一个矩阵 (k)A 和一个向量 (k)d 的乘积。 ( k ) ( ) ( ) ( ) ( ) ( )1 2 1( , , , )k k k T k kN Q We e e e A d （ 2.8） 其中，矩阵 ()kA 可以表示为 ( ) ( ),kkinAAi=1, NQ+W-1; n=1, ,N 当 l i-(n-1)Q Q+W-1 时 =( k ) ( k )bi , nl - ( n - 1 ) QA其他情况下 (), 0kinA向量 (k)d 为： ( k ) ( k ) ( k ) ( k ) T1 2 N= ( d , d , . . . , d )d nts 第 9 页 (k)e 是用户 k 对接收机接收到的总信号的贡献。有了以上一些矩阵和向量， 那么接收机接收到的总信号可表示为： ( ) ( ) ( )1 2 111( , , , ) KKT k k kN Q Wkke e e e e n A d n （ 2.9） 其中，向量 n 表示噪声： 1 2 1( , , , )TN Q Wn n n n式（ 2.9）可进一步写成如下的矩阵和向量形式： e A d n=+ （ 2.10） 矩阵 A 称为系统的传输矩阵，显然它是由 K 个用户的扩频码以及信道冲激响 应决定的。联合检测的目的就是根据式（ 2-10）中的 A 和 e 估计用户发送的 d 。 2.2.3 联合检测的基本原理 由上一节 我们知道，一个 CDMA系统的离散模型可以用下式来表示： e A d n=+ 其中， d 是发射的数据符号序列， e 是 接收的数据序列， n 是噪声， A 是与扩频码 C和信道脉冲响应 h有关的矩阵。 图 2.1 联合检测原理示意图 只要接收端知道 A （扩频码 c和信道脉冲响应 h），就可以估计出符号序列 d 。 . 扩频码 C已知； . 信道脉冲响应 h 可以利用突发结构中的训练序列 midamble 求解出。 nts 第 10 页 图 2.2 TD-SCDMA 突发结构中的 Midamble 在 TD-SCDMA系统中，帧结构中设置了用来进行信道估计的训练序列 Midamble，根据接收到的训练序列部分信号和我们已知的训练序列就可以估算出信道冲激响应，而扩频码也是确知的，那么我们就可以达到估计用户原始信号的目的。 在 TD-SCDMA系统中，训练序列 Midamble是用来区分相同小区、相同时隙内的不同用户的。在同一小区的同一时隙内所有用户具有相同的 Midamble码本（基本序列），不同用户的 Midamble序列只是码本的不同移位。在 TD-SCDMA技术规范中，共有长度为 128位的 Midamble码 128个。训练序列 Midamble安排在每个突发的正中位置，长度为144chips。之所以将 Midamble安排在每个突发的正中位置，是出于对可靠信道估计的考虑。可以认为在整个突发的传输过程中，尤其是在慢变信道中，信道所受到的畸变是基本相同的。所以，对位于突发正中的 Midamble进行信道估计相当于是对整个突发信道变化进行了一次均值，从而能可靠地消除信道畸变对整个突发的影响。 下面我们用一种更简单、 直观 的方法 来表示系统传输矩阵 A。 令 ( 1 ) ( 2 ) ( )( , , , )k V b b b 在上一节我们知道 ( k ) ( ) ( ) ( ) ( ) ( )1 2 1( , , , )k k k T k kQWb b b b C h 这样，矩阵 A 与矩阵 V 之间的关系就可以很直观地表示出来： 图 2.3 系统传输矩阵 A 的表达形式 2.3 小结 nts 第 11 页 在前面两个小节中， 首先 介绍了多用户检测技术的分类， 为了更好得理解联合检测的原理，我们又讨论了 CDMA 系统的离散是时间传播模型，接下来就 对 联合检测技术原理作了一个概要的分析。此时 ，我们已经对 TD-SCDMA 系统多用户信号检测技术 有了 基本 的了解 。 第三章中将介绍线性 联合 检测的各种算法以及仿真实现，这是本课题的研究重点， 也是本论文最关键的部分 。 nts 第 12 页 3 线性 联合 检测的各种算法和仿真实现 基于 判决反馈的检测是非线性联合检测，存在误差扩散，因此，考虑线性联合检测不仅能降低复杂度，而且能克服误差扩散问题。 线性联合检测算法主要包括：解相关匹配滤波器（ DMF）法 、迫零线性块均衡（ ZF-BLE）法和最小均方误差线性块均衡（ MMSE-BLE）法等。 关于线性联合检 测各算法的详细内容在下面的各小节中会讲到。 3.1 线性联合检测器的结构 线性联合检测器的一般结构如图所示： 图 3.1 线性联合检测器的结构 在线性联合检测器中，首先用线性块均衡器 M 对接收 信号进行检测，得到 K 个 用户发送符号的连续值估计。然后用 K 个量化器对这些连续值估计进行量化。得到对用户发送符号的离散值估计。上述过程可以用公式表示如下： c , l i nd M e Ql i n c , l i ndd其中 Q 表示量化过程。 将式代入到 （ 2.10）中，得到： c , l i nd M A d + M n （ 3.1） 令 F = MA ， 有 ： (k) (k)(1)c,lindc,lindc,lindlind(k)e 量化器 k 量化器 K 线性块均衡器 M 量化器 1 lind(1)(k) lindnts 第 13 页 ( ) ( )d i a g d i a g c , l i nd F d F d M n （ 3.2） 其中 ()diag Fd 是我们希望得到的符号， ()diag Fd 为多址干扰 (MAI)与码间干扰（ ISI）， Mn 为噪声。 因此式（ 3.2）指出了线性联合检测的方向，即根据一定的准则选取 M 矩阵，使得式 中的后两项，即 MAI+ISI 和噪声对估计值的影响尽可能小。 3.2 解相关匹配滤波器（ DMF）法 解相关匹配滤波器法严格来说 不属于联合检测的范畴。因为它 们 仍然把 MAI 当做噪声处理，但是由于它简单易行，而且 是 迫零线性块均衡（ ZF-BLE）法和最小均方误差线性块均衡（ MMSE-BLE）法 的基础，所以仍然具有一定的重要性 。我们在这里对它做 了较为详细的介绍，并对其优缺点进行了细致的分析，这主要是为了让读者更好地 理解迫零线性块均衡（ ZF-BLE）法和最小均方误差线性块均衡（ MMSE-BLE）法，因此，并没有对它 进行仿真实现 。 DMF 的结构可以用下图来表示。 图 3.2 解相关匹配滤波器（ DMF） 的结构 解相关匹配滤波器（ DMF） 由解相关滤波器和匹配滤波器组成，用公式表示如下：1 1 1 1 1c , D M F ( ( ) ) ( ( ) ) ( )H H H Hnnd i a g d i a g d d R A A R e A R A L A L e（ 3.3） 其中，矩阵nR是噪声向量 n 的协方差矩阵， nR HE nn矩阵 L 是矩阵 -1nR的 Cholesky 分解： *-1 Tn R L L 将式 (3.3)写成式（ 3.1）的形式，得到： 11c , D M F ( ( ) ( ( )H - 1 H - 1 H - 1 H - 1n n nd i a g d i a g d d i a g ( ) ) A R A )d d A R A A R A A R n解相关匹配滤波器（ DMF） 1 1 1( ( ) )HHnd i a g A R A A R去相关滤波器 L 匹配滤波器（ MF） 11( ( ) ) ( )HHnd i a g A R A L A nts 第 14 页 （ 3.4） 由上式可以清晰看到，用 DMF 法进行检测，无法完全解决 ISI 和 MAI 的干扰。但是某些特殊场合，假如噪声 n 可以看成是白噪声，即协方差矩阵满足下式时： 2-1n R I式（ 3.4）可以写成： 2N( ( )HHc , D M F d i a g )R Id A A A e-1 （ 3.5） 它的计算量非常小，在实际信道不是特别恶劣的情况下具有一定的实用价值。 解相关匹配滤波器法最初由 K.S.Schneider 在 1979 年提出，被 Lupas Verdu 广泛分析，并显示出许多优点，最重要的是： （ 1） 在多数情况下与传统检测器比较，显示出本质的性能 /容量增益。 （ 2） 不需要估计接收信号幅度，且性能与干扰用户的功率无关（注意到有用信号和噪声功率都不依赖于干扰用户的功率）。与之相反，需要估计幅度的检测器通常对于估计的误差都非常敏感（注意到多数 多用户检测器可以用非相干解调来避免估计接收信号的相位）。 （ 3） 计算复杂度低。每比特的计算复杂度与用户数呈线性关系（逆矩阵映射的计算在内）。 解相关匹配滤波器法还有一些其他的特点： （ 1） 具有独立于信号能量的错误概率。这将简化错误概率的分析并使解相关检测器能抵抗远近效应，产生最佳的抵抗远近效应的性能界。 （ 2） 解相关检测器的缺点是加强了噪声。 （ 3） 解相关检测器产生了发送和接收幅度联合的最大似然序列估计。 3.3 迫零线性块均衡（ ZF-BLE）法 为解决 ISI 和 MAI 的问题，人们在 DMF 法的基础上提出了迫零线 性块均衡（ ZF-BLE）法。 ZF-BLE 法的核心思想是迫零滤波 ，所以它能够解决 ISI 和 MAI 造成干扰的问题，基于 Gau-Markov 估计 ZF-BLE 法可以表示为： nts 第 15 页 ,c Z F B L E d e A d R e A dH ( ) )-1n( ( - ) -argmin ， KNdC （ 3.6） 上式进一步表示为： , H - 1 - 1 H - 1c Z F B L E nn() d A R A A R e 11( ) ( ) ( ( ) )H H - 1 H - 1 H - 1Z F Z F n n nd i a g d i a g H H A R A A R A A R e-1（ 3.7） 其中 矩阵 1ZFH是矩阵 * -1TnA R A的 Cholesky 分解。 迫零线性块均衡（ ZF-BLE）法 的结构如下图所示： 图 3.3 ZF-BLE 结构 可以将式 （ 3.7） 改写成式 （ 3.1） 的形式： , H - 1 - 1 H - 1c Z F B L E nn) d d A R A A R n(+ （ 3.8） 很显然， ZF-BLE 法所得到的估计值不含 ISI 和 MAI，即消除了 ISI 和 MAI。对于CDMA 移动通信系统来说，消除 ISI 和 MAI 就意味着消除了大部分的干扰。 因此 ZF-BLE法非常适合在第三代移动通信系统中使用。假设噪声 n 可以看成是白噪声，这对于一般的移动通信系统来说都是成立的，那么此时利用 ZF-BLE 法所得到的估计值可表示为： N-1, HHc Z F B L E () 2R Id A A A e （ 3.9） 由于矩阵 HAA是一个稀疏矩 阵，同时也是一个 Hermitian 矩阵，因此可以用简化方法来对它求逆，使得 ZF-BLE 法完全可以在实际系统中应用。 TD-SCDMA 上行链路 早期 采用的就是 迫零线性块均衡 （ ZF-BLE） 法。 H -1 -1 H -1n()A R A A R ZF-BLE ISI 和 MAI抑制器 1ZFH 白化滤波器（ WF） 1()RZFH 解相关匹配滤波器 1( ( ) )H -1 H -1nnd ia g A R A A R正规算子 -1()H ndiag A R Ants 第 16 页 3.4 最小均方误差线性块均衡 （ MMSE-BLE） 法 在 ZF-BLE 法的基础上，人们提出了性能更好的 MMSE-BLE 法 。其结构可以用下图表示： 图 3.4 MMSE-BLE 的结构 其中dR是数据符号向量 d 的协方差矩阵，即 Hd ER d d。 当满足dR=I 和 n 是白噪声时，利用 MMSE-BLE 法所得的估计值为： n, H 2 - 1 Hc M M S E B L E (d =2R IRId A A + I ) A e （ 3.10） 将式（ 3.9）与式（ 3.10） 比较可知， MMSE-BLE 法需要得到噪声方差的估计， ZF-BLE法则不需要。 实际运用中 MMSE-BLE 法比 ZF-BLE 法的性能更高，但 早期 考虑到在TD-SCDMA 系统中使用了智能天线技术，多根天线进行分集接收可以大大抑制噪声的干扰，此时 MMSE-BLE 法的性能比 ZF-BLE 高不了多少， 却需要付出噪声误差估计的代价 ，所以使用的是 迫零线性块均衡 （ ZF-BLE） 法 。但随着硬件设备性能的提高，且MMSE 法得到进一步的改善， 所以目前 TD-SCDMA 系统上行链路采用的是 MMSE 信号检测 方 法。 3.5 线性联合检测的仿真实现 首先 要说明的是：对多用户检测技术的仿真是基于 TD-SCDMA 系统物理层链路 ,采用的是蒙特卡罗（ Monto Carlo）仿真法。所谓蒙特卡罗（ Monto Carlo）仿真法就是通过对数据进行大量的统计来计算某一事物出现的概率，在这里就是对大量通过信道的数据块进行统计，以此来计算系统的误码率，评价系统的误码性能。因为在 TD-SCDMA系统物理层链路仿真中有大量的迭代，以及多用户检测部分有多处需要对大型矩阵进行复杂运算，所以需要较长的 运算 时间 。这样每个数据块通过物理层链路的时间就比较长，如果要对大量数据块 进行统计，就需要很长的一段时间，一般情况下都需要数小时，而最小均方误差线性块均衡器 H - 1 - 1 - 1 H - 1n d n( A R A + R ) A RZF-BLE 均衡器 H - 1 - 1 H - 1nn( A R A ) A R 维纳估计器 H - 1 - 10 d nW = ( I + ( R A R A ) ) nts 第 17 页 且随着系统用户数的增加，仿真时间越长。 同时，因为发射端信噪比越大，系统的性能越好，出现误码的概率就越小，因此对应的统计数据块就要越大，这样才能保证统计结果的正确性。 最后要补充说明的是： TD-SCDMA 发射端的信噪比最大可以达到 30DB。 通过对以上几节的学习，我们知道在d =RI和 2n R I的条件下， 几种 联合检测的算法可以表示为： T-1() *=d T A e T= *T A A ZF-BLE T2*=T A A I MMSE-BLE 为了与传统的信号检测器形成对比， 我们对传统匹配滤波器检测（ MF-BLE）法进行了仿真。 MF-BLE 的表达式如下： T *=d A e MF-BLE 除此之外，还 在 MMSE_BLE 的基础上加以改进 ,形成方法 MMSE-BLE1。MMSE-BLE1 与 MMSE-BLE 的算法表达式是相同的，只是它的噪声功率通过信道估计来确定 , 而 MMSE-BLE 的 噪 声 功 率 是 利 用 信 噪 比 与 噪 声 功 率 的 函 数 关 系(noise_power=10(-(SNR+3)/10)来求得的 。 3.5.1 线性联合检测的仿真实现 框图 线性 联合检测的系统框图如图 3.5所示 。 从此图可以看出，联合检测模块在实现过程中分为如下几大基本流程：数据分割（ burst spliter）、信道估计（ channel estimator）、训练序列干扰抵消（ MIC）、 b向量生成（ b generator）、匹配滤波（ match filter）、 ARA矩阵生成（ ARA generator）、最大功率比合并（ maximum ratio combiner）、联合检测（ joint detection）。 nts 第 18 页 图 3.5 线性联合检测的系统框图 3.5.2 仿真子程序 表 3.1 函数名 基本功能 基本变量 输入 输出 receiver_BS 基站接收机的主程序 BS_received_burst ：接收的含噪码片信号 R_TS_BS：解调后的比特 B20：接收信号功率 midamble_cancel 训练序列干扰抵消程序 received_mid：接收的含噪训练序列 ch_est_mid3：后处理信道响应 mode：调制模式 data_field(data_field2)：第 1（ 2）个数据块的干净码片信号 joint_detection 联合检测算法的主程序（运用 AA 模块） data_field1(data_field2) ch_est_vc3：后处理码道响应 sigma:噪声功率的根 JD1(JD2)：第 1（ 2）个数据块的检测数据 B20 gen_block_V 生成 V 矩阵 ch_est_vc3 block_V： V 矩阵 gen_matrix_A 生成 A 矩阵 block_V A：系统传输矩阵 滤波 & 取样 数据分 割 训练序列干扰抵消 匹配滤 波 ARA矩阵生成 B 向量生 成 信道估 计 波束成 形 最大功率比合并 联合检 测 nts 第 19 页 generate_AA 生成HAA矩阵 block_V AA：HAA矩阵 R_TS_data QPSK 解调 JD1(JD2) mode R_TS_BS 3.5.3 界面参数说明 仿真平台搭建完毕后，打开 start.m 文件并运行 ，会出现这样一个界面，如下图： 图 3.6 仿真平台界面 如上面的界面所示，整个界面是由 用户分配信息表 、 信道环境 、 终止条件 、 系统配置 四 部分组成。各部分的含义如下： 系统分配 信息表：用 于设置系统的 分配 信息表，点击 浏览 按钮可选 择不同的信息配置 dat文件，基本形式为 system_info_xxxxx.dat，该系统分配信息表（输入文件system_info_xxxxx.dat）见表 3.1 所示。其中， xxxxx 的命名方法为： abQc，字母“ a”代表用户数（取值范围： 1 c），字母“ b”代表 系统 分配的码道数（取值范围： 1 c/a），字母“ c”代表扩频系数（取值范围：上行 c 1、 2、 4、 8、 16，下行 c 16）。例如，81Q8表示 8个用户各占用扩频系数为 8 的 1个码道。如果各用户占用的码道数和扩频系数不同，则字母“ b”、“ c”根据用 户数演化为字符串“ b1 b2ba ”、“ c1 c2ca ”。例如， 21Q28表示 2个用户，其中用户 1 占用扩频系数为 2 的 1 个码道，用户 2 占用扩频系数为 8的 1个码道； 282Q8表示 2个用户，其中用户 1 占用扩频系数为 16的 8个码道，用户 2 nts 第 20 页 占用扩频系数为 8的 2个码道。 由于这是上行链路的仿真，而且编码类型是卷积码。所以系统分配 信息表必须选择形如 system_info_xxQ8.dat的文件。 表 3.2 User ID SF OVSF ID Window Length Active State 1 8 1 8 1 1 8 2 0 1 2 8 3 16 1 3 8 4 16 1 3 16 9 0 1 4 16 10 16 1 5 16 12 8 1 6 16 14 16 1 1 2 22 用户信息共分为 5列： User_ID是用户标识序号。其最大数字等于用户数，由 1 到最大数字顺序排列，同一用户的多个码道连续排列； SF列表示某个码道对应的真实扩频因子。 OVSF_ID是在真实扩频因子下 OVSF code的编号。在上 混合码道时，其选择要注意。 Window_Length为估计窗长 W；若一个用户（ User ID） 占用多个码道，且分配同一个估 计窗时，则其它码道上的 W=0。总长度 128 的窗长和 OVSF 码的个数共同确定一个时隙中可以传送的码道数。本码道的 midamble码是由前一个码道的 midamble码按前一个码道的窗长移位后得到的。当 W=0时，本码道的 midam