BRPI0312747B1 - método e equipamento para equalização de realimentação de decisão híbrida - Google Patents

Abstract

"método e equipamentopara equalização de realimentação de decisão híbrida" descreve-se um método e um equipamento para um equalizador de realimentação de decisão, nos quais um termo de correção é utilizado para compensar erros de corte, evitando-se assim a programação de erros. os coeficientes de filtro para o equalizador são selecionados de modo a se minimizar uma função de custo para o equalizador, que inclui um termo de correção como uma função da energia dos coeficientes de filtro. o equalizador inclui um gerador de coeficientes que responde ao termo de correção. uma modalidade estima um símbolo transmitido a partir de uma amostra recebida como uma função da relação sinal/interferência e ruído (sinr) da amostra recebida. a amostra recebida é quantizada e mapeada em uma região de uma grade sobreposta na constelação de símbolos transmitida. a região pode corresponder a um valor de estimativa de símbolo ou pode ser processada adicionalmente de modo a se obter um valor de estimativa de símbolo.

Description

"MÉTODO E EQUIPAMENTO PARA EQUALIZAÇÃO DE REALIMENTAÇÃO DE DECISÃO HÍBRIDA" FUNDAMENTOS

Campo A presente invenção refere-se de maneira geral à equalização de um sinal recebido e, mais especificamente, à equalização de realimentação de decisão híbrida.

Fundamentos A transmissão de informações digitais emprega tipicamente um modulador, que mapeia as informações digitais em formas de onda analógicas. 0 mapeamento é geralmente feito em blocos de bits contidos na sequência de informações a ser transmitida. As formas de onda podem diferir em amplitude, fase, freqüência ou uma combinação delas. As informações são em seguida transmitidas como a forma de onda correspondente. 0 processo de mapeamento do domínio digital para o domínio analógico é referido como modulação.

Em um sistema de comunicação sem fio, o sinal modulado é transmitido através de um canal de rádio. Um receptor em seguida demodula o sinal recebido de modo a extrair a sequência de informações digitais original. No receptor, o sinal transmitido está sujeito a distorções lineares introduzidas pelo canal, assim como a ruído e interferência aditivos externos. As características do canal são geralmente variáveis no tempo e, portanto, não conhecidas a priori do receptor. Os receptores compensam a distorção e a interferência introduzidas pelo canal de diversas maneiras. Um método para compensar a distorção e reduzir a interferência no sinal recebido emprega um equalizador. A equalização engloba geralmente métodos utilizados para reduzir efeitos de distorção em um canal de comunicação. A partir do sinal recebido, um equalizador gera estimativas das informações digitais originais.

Os métodos de equalização atuais são baseados em suposições referentes ao sinal recebido. Tais suposições não são geralmente corretas através de diversos cenários de codificação, modulação e transmissão e, portanto, estes equalizadores não têm bom desempenho em muitas condições. Além disto, os equalizadores atuais que empregam realimentação de decisão sofrem freqüentemente de efeitos de propagação de erros que amplificam o efeito de erros de decisão isolados. Além disto, o processo de realimentação de decisão envolve decisões permanentes referentes a cada símbolo e não considera a probabilidade de que uma decisão simbólica seja correta. Há portanto necessidade na técnica de um método de equalização que reduza a distorção linear em um sinal recebido através de diversas condições operacionais. Há também necessidade de reduzir a propagação de erros em um equalizador de realimentação de decisão. Há além disto necessidade de obter uma medida de probabilidade para o processo de realimentação de decisão.

BREVE DESCRIÇÃO DOS DESENHOS A figura IA é um diagrama de blocos de componentes de um sistema de comunicação. A figura 1B é uma parte detalhada do sistema de comunicação da figura IA. A figura 2 é um modelo conceituai de ura equalizador de realimentação de decisão dentro de um sistema de comunicação. A figura 3 é um diagrama de blocos de um equalizador de realimentação de decisão da figura 2. A figura 4 é um modelo matemático de um cortador de nível de símbolos. A figura 5 é um algoritmo para otimizar coeficientes de filtro em um equalizador de realimentação de decisão. A figura 6 é um algoritmo de filtragem adaptativo de Quadrado Médio Mínimo para otimizar os coeficientes de filtro em um equalizador de realimentação de decisão. A figura 7 é um algoritmo de filtragem adaptativo de Quadrado Médio Mínimo para otimizar os coeficientes de filtro em um equalizador de realimentação de decisão para um sistema que emprega um piloto de rajada periódico. A figura 8A é um mapeamento de constelação para Modulação por Deslocamento de Fase-8 (PSK). A figura 8B mostra regiões de grade (grid) utilizadas nas decisões suaves do cortador sobrepostas no mapeamento de constelação da figura 8A. A figura 9A é um mapeamento de constelação para um Modulação por Deslocamento de Fase Binária (BPSK) ou caso 2-PSK. A figura 9B mostra regiões de grade utilizadas em decisões suaves do cortador sobrepostas no mapeamento de constelação da figura 9A. A figura 10 é uma equalizador de realimentação de decisão que implementa um processo de decisão de "corte suave". A figura 11 é um processo para o processo de decisões de "corte suave". A figura 12 é um processo para um processo de decisões de "corte suave" que aplica uma computação em série de taylor. A figura 13 é um diagrama de blocos de um "cortador suave". A figura 14 é um diagrama de blocos de um "cortador suave" que aplica uma computação em série de taylor.

DESCRIÇÃO DETALHADA A palavra "exemplar" é utilizada aqui como significando "que serve como exemplo, ocorrência ou ilustração". Qualquer modalidade descrita aqui como "exemplar" não deve ser necessariamente entendida como preferida ou vantajosa comparada com outras modalidades. A figura IA mostra uma parte dos componentes de um sistema de comunicação, 100. Outros blocos e módulos podem ser incorporados a um sistema de comunicação além desses blocos mostrados. Os bits produzidos por uma fonte (não mostrada) são postos em quadros (frames), codificados e em seguida mapeados em símbolos em uma constelação de sinalização. A sequência de dígitos binários fornecida pela fonte é referida como sequência de informações. A sequência de informações é codificada pelo codificador 102, que dá saída a uma sequência de bits. A saída do codificador 102 é fornecida à unidade de mapeamento 104, que funciona como a interface com o canal de comunicação. A unidade de mapeamento 104 mapeia a sequência de saídas do codificador em símbolos y(n) em uma constelação de sinalização de valor complexo. 0 processamento de transmissão adicional, que inclui blocos de modulação, assim como o canal de comunicação e o processamento no receptor analógico, são modelados pela seção 120. A figura 1B mostra alguns dos detalhes incluídos na seção 120 da figura IA. Conforme mostrado na figura 1B, os símbolos complexos y(n) são modulados em um pulso de sinal analógico, e a forma de onda de banda base complexa resultante é modulada de maneira senoidal nas ramificações em fase e em fase-quadratura de um sinal portador. 0 sinal analógico resultante é transmitido por uma antena de RF (não mostrada) através de um canal de comunicação. Diversos esquemas de modulação podem ser implementados desta maneira, como a Modulação por Deslocamento de Fase M-ária (M-PSK), a Modulação de Amplitude pela Quadratura 2M-ária (2m QAM), etc.

Cada esquema de modulação possui uma "constelação de sinalização" associada que mapeia um ou mais bits em um símbolo complexo único. Por exemplo, em uma modulação 4-PSK, dois bits codificados são mapeados em um de quatro valores complexos possíveis, {1,i,—1,—i}. Consequentemente, cada símbolo complexo y(n) pode assumir quatro valores possíveis. Em geral, para M-PSK, os bits codificados log2M são mapeados em um de M valores complexos possíveis dispostos no círculo unitário complexo.

Continuando com a figura IA, no receptor a forma de onda analógica é convertida de maneira decrescente, filtrada e amostrada, como, por exemplo, a um múltiplo adequado da taxa de Nyquist. As amostras resultantes x(n) são processadas pelo equalizador 110, que corrige as distorções de sinal e demais ruídos e interferências introduzidos pelo canal, conforme modelado pela seção 120. 0 equalizador 110 dá saída a estimativas dos símbolos y (n) transmitidos. As estimativas dos símbolos são em seguida processadas por um decodificador, de modo a se determinarem os bits de informação originais, isto é, os bits da fonte que são introduzidos no codificador 102. A combinação de um filtro de pulsos, um modulador I-Q, o canal e um processador analógico no front-end do receptor, mostrado nas figura 1 A e figura 1B, é modelada por um filtro linear, 106, que tem uma resposta de impulso {Λκ} e uma transformada z H(z), em que a interferência e o ruído introduzidos pelo canal são modelados como Ruído Gaussiano Branco Aditivo (AWGN). A figura 1B detalha a seção de processamento 120 como incluindo uma unidade de processamento de front-end, 122, acoplada a filtros de banda base, 126 e 128, para processar os componentes em Fase (I) e em Quadratura (Q), respectivamente. Cada filtro de banda base 126, 128 é em seguida acoplado a um multiplicador 130 e 132, respectivamente, para multiplicação por uma respectiva portadora. As formas de onda resultantes são então somadas no nó de soma 134 e transmitidas ao receptor através do canal de comunicação. No receptor, uma unidade de pré-processamento analógica, 142, recebe o sinal transmitido, que é processado e passado para um filtro correspondente, 144. A saída do filtro correspondente 144 é em seguida enviada a um conversor Analógico/Digital (A/D), 146. Note-se que outros módulos podem ser implementados de acordo com critérios de projeto e operacionais. Os componentes e elementos das figuras IA e 1B são apresentados para o entendimento da discussão seguinte e não se destinam a ser uma descrição completa de um sistema de comunicação.

Conforme discutido acima, a sequência de símbolos transmitido é identificada como {y(n)}. Para a presente discussão, assuma-se que os símbolos (y(n)} são normalizados de modo a terem energia unitária média, isto é, I yη 12 — 1. Se a saída do canal fosse filtrada e amostrada à taxa de símbolos (que pode ou pode não ser a taxa de Nyquist), a saída do canal seria dada como: (0) onde T|né o ruído gaussiano branco com a variância (Es/NoJ"1. 0 equalizador é usualmente implementado como um filtro linear com os coeficientes {fk} e definido por uma transformada z F(z). Que yn denote a saída do equalizador, onde y„ é dado como: (1) (2) onde G(z) - F{z)H(z) e (2a) Note-se que o segundo termo com colchetes quadrados, [...], da Equação (2) representa a Interferência Inter-Símbolo (ISI) e o ruído. 0 primeiro termo da Equação (2) corresponde à interferência associada a símbolos passados, enquanto o segundo termo corresponde à interferência associada a símbolos futuros. 0 primeiro termo é freqüentemente referido como ISI "causai", ao passo que o segundo termo é freqüentemente referido como ISI "anti-causai". Se o projetista assumir que os símbolos passados são detectados corretamente, o termo ISI causai pode ser removido. Em um caso ideal, se o equalizador tiver conhecimento dos símbolos de constelação, yn-i, yn-2r K, isto é, os símbolos de constelação transmitidos antes do tempo n, quando se determina a estimativa yn , o equalizador pode remover parte da interferência inter-símbolo subtraindo o primeiro termo de [...] da Equação (2). Em sistemas práticos, contudo, o equalizador só tem conhecimento das estimativas de símbolos geradas anteríormente, como, por exemplo, y„_vy„_2, K. Se a interferência e o ruído forem pequenos o bastante, é razoável esperar que as decisões sobre símbolos na estimativa yn levarão à obtenção do símbolo de constelação transmitido original yn. Um dispositivo que tome tais decisões sobre símbolos é referido como "cortador" e seu funcionamento é denotado por σ(.) . 0 receptor pode em seguida formar uma estimativa da ISI causai, utilizando a sequência de decisões sobre símbolos do cortador, e subtrair esta estimativa da saída do equalizador, de modo a se obter: assumindo-se que . Este é o principio chave da Equalização de Realimentação de Decisão, na qual a ISI causai é removida filtrando-se de maneira causai as decisões sobre símbolos tomadas por um cortador de nível de símbolos que opera na saída do equalizador. A figura 3 mostra um sistema de comunicação, 350, que utiliza um Equalizador de Realimentação de Decisão (DFE), 340. 0 sistema de comunicação 350 é modelado como possuindo um canal linear equivalente, 352, que filtra a sequência de símbolos yn. 0 ruído e a interferência, ηη, são adicionados no nó de soma 354, e a saída, xn, denota as amostras de sinal recebidas após o processamento e amostragem de front-end no receptor. 0 DFE 340 processa xn e filtra xn de modo a gerar a estimativa yn. 0 DFE 340 é modelado como possuindo um filtro de alimentação direto linear, 356, e um filtro de realimentação linear, 358. O filtro de alimentação direto 356 possui coeficientes de derivação designados como ffjJ e implementa a transformada z F(z). O DFE 340 inclui também um filtro de realimentação puramente causai, 358, acoplado a um cortador, 360, formando-se uma malha de realimentação que gera uma estimativa da ISI causai. Em outras palavras, o filtro de realimentação 358 remove a parte da ISI da presente estimativa de símbolos causada por símbolos detectados anteriormente. A estimativa de ISI causai do filtro de realimentação 358 é enviada a um nó de soma, 308, que subtrai a estimativa de ISI causai da saída do filtro de alimentação direto 35β. A saída resultante do nó de soma 308 é a saída do equalizador yn . A saída do equalizador yn é também uma estimativa do símbolo transmitido yn e é enviada ao decodificador 364 para determinação da sequência de informações original. O cortador 360 processa a saída do equalizador a partir do nó de soma 308 e, em resposta, toma uma decisão com relação ao símbolo original yn. A saída do cortador 360 é em seguida fornecida ao filtro de realimentação puramente causai 358. O filtro de alimentação direto 356 é também referido aqui como Filtro de alimentação direto (FFF). O filtro de realimentação 358 é também referido aqui como Filtro de Realimentação (FBF). Em um DFE, a otimização dos coeficientes de filtro, tanto do filtro de alimentação direto 356 quanto do filtro de realimentação 358, afeta diretamente o desempenho do equalizador. O dispositivo que efetua esta otimização é projetado como Otimizador de Coeficientes, 362, na figura 3. Há diversos métodos disponíveis para otimizar os coeficientes de filtro. Tradicionalmente, os coeficientes de FFF e FBF são otimizados sob a suposição implícita de que as decisões sobre os símbolos do cortador são perfeitamente dignas de confiança e de que a ISI causai, isto é, a interferência de símbolos passados, é removida perfeitamente pelo FBF. Sob esta suposição, os coeficientes de FFF são otimizados de modo que o termo de interferência e ruído residuais na Equação (3) seja pequeno. Mais precisamente, a transformada z do FFF, F(z), é otimizada de modo que y„ na Equação (3) esteja próximo de yn no sentido do quadrado médio.

Na prática, o FFF e o FBF são freqüentemente implementados por filtros de Resposta de Impulso Finita (FIR) e, durante um período de treinamento/preâmbulo/adaptação, o FFF e o FBF são "treinados" em símbolos-piloto pela suposição de um desempenho perfeito do cortador, isto é, σ (y„) = y„· Isto é feito desviando-se do cortador e realimentando-se símbolos-piloto gerados localmente (e consequentemente corretos), em lugar de decisões sobre símbolos-piloto cortadas (consequentemente possivelmente incorretas), para o FBF. Diversos algoritmos podem ser implementados para otimização de coeficientes de filtro durante o período de treinamento, inclusive algoritmos adaptativos tais como Quadrado Médio Mínimo (LMS), Quadrados Mínimos Recursivos (RLS), inversão de matriz direta, bem como outros. Uma vez completado o período de treinamento, o cortador 360 é engatado e os símbolos de dados cortados são realimentados através do FBF.

Algoritmos de otimização de DFE convencionais introduzem diversos problemas potenciais. Para sistemas que utilizam codificação forte, as decisões do cortador têm freqüentemente um Taxa de Erros de Símbolos (SER) grande. Por exemplo, uma SER de 25% ou mais não é incomum para um sistema que utiliza uma constelação de tamanho médio, como, por exemplo, 16-QAM, e um código turbo de taxa baixa, como, por exemplo, uma taxa de 1/3, quando opera ao ponto de taxa de erros de pacote de 1%. Por outro lado, os coeficientes de FFF e FBF do DFE são convencionalmente otimizados sob a suposição incorreta de que as decisões do cortador são perfeitamente confiáveis.

Além disto, os coeficientes de FFF e FBF são otimizados assumindo-se que a ISI causai é perfeitamente removida. Consequentemente, a ISI anti-causal é reduzida às custas de uma ISI causai maior. Os algoritmos de otimização DFE convencionais, em termos das equações apresentadas aqui (especificamente, as Equações (1)-(3)), levam a gk valores que tendem a ser maiores para k > 0, porém pequenos para k < 0. Quando a SER do cortador não é negligenciável, contudo, decisões incorretas sobre símbolos infectam o FBF e são em seguida subtraídas incorretamente. Quando os gk valores para k > 0 são grandes, a interferência residual é assim amplificada, do que resultam possivelmente outros erros do cortador em símbolos subsequentes. A este fenômeno chama-se propagação de erros.

Tentativas para atenuar a propagação de erros incluem a realimentação de símbolos-piloto cortados durante o treinamento, em oposição ao treinamento do FFF e do FBF pela realimentação de amostras-piloto geradas localmente (consequentemente corretas). Os símbolos-piloto cortados são ocasionalmente incorretos, o que, por conseguinte, força o FFF e o FBF a fazerem ajustes. Este método não é sem problemas. Os símbolos-piloto cortados e os símbolos de dados cortados podem incorrer em taxas de erros muito diferentes uma vez que os símbolos-piloto são tipicamente transmitidos por meio de BPSK, isto é, 2-PSK (ou outra constelação menor), mas os símbolos de dados são tipicamente transmitidos por meio de uma constelação maior. Consequentemente, a SER dos símbolos-piloto e a dos símbolos de dados podem ser bem diferentes. Neste caso, uma vez que os coeficientes de FFF e FBF são otimizados com base nos símbolos-piloto cortados, o efeito desses coeficientes no processamento dos símbolos de dados resulta em um desempenho sub-ótimo.

Estes problemas são resolvidos pela otimização dos coeficientes de FFF e FBF de modo a se dar conta dos erros causados pelo cortador 360 da figura 3. Em outras palavras, o Otimizador de Coeficientes 362 é modificado de modo a reconhecer que a ISI causai pode não ser removida perfeitamente devido a erros do cortador. Esta abordagem difere dos métodos anteriores, que supõem implicitamente que o cortador está livre de erros e, portanto, que a ISI é perfeitamente removida. A teoria por trás de uma modalidade é a de modelar o funcionamento do cortador por um "canal" independente, identicamente distribuído (i.i.d), rotulado Q(y\y). O "canal" é supostamente independente do processo de ruído designado como {ηη) na Equação (0), e a sequência de símbolos transmitida designada como {yn}. Este "canal" é completamente caracterizado por sua densidade condicional Q(y\y), onde y e y denotam a saída do cortador e o símbolo transmitido efetivo, respectivamente. Assuma-se que tal canal é a causa de erros de símbolos no FBF. Na prática, os erros de símbolos ocorrem em rajadas, porque um erro do cortador no símbolo atual implica que os símbolos seguintes podem ter uma probabilidade maior de serem cortados incorretamente. No modelo de cortador simplificado considerado aqui, os erros do cortador são supostamente i.i.d. A figura 2 mostra um modelo conceituai, 300, de um sistema de comunicação com um equalizador de realimentação de decisão. Os símbolos transmitidos por meio do canal de comunicação 302 modelado pela função de transferência H(z) são danificados por ruído aditivo no nó de soma 304. O sinal resultante é filtrado pelo FFF 306. Uma estimativa do símbolo transmitido original é gerado subtraindo-se um termo de erro no nó de soma 308. A estimativa do símbolo transmitido original está disponível para o decodificador 316. O termo de erro é gerado por um Filtro de Realimentação causai, 310, com a função de transferência B(z), que filtra as saídas do "canal" 314. O termo de erro gerado pelo Filtro de Realimentação 310 representa uma estimativa da ISI causai presente na saída do FFF 306. 0 "canal" Q(y\y) imita o comportamento estatístico do cortador 360 da figura 3, isto é, a relação estatística entre a entrada e a saída do canal 314 é idêntica à relação estatística entre o símbolo transmitido yn e a saída correspondente y„=ff(y„) do cortador 360. O otimizador de coeficientes 320 é responsável pela otimização dos coeficientes de filtro do FFF 306 e do FBF 310. Note-se que a diferença principal entre a figura 3 e a figura 2 é a substituição do cortador 360 pelo modelo conceituai do "canal" Q(y\y) 314.

Conforme mencionado acima, o cortador é modelado na figura 2 pela seleção do "canal" 0(3^) de modo a se modelar o comportamento estatístico de um cortador real, ignorando-se contudo a dependência estatística no tempo dos erros do cortador. Uma vez que o cortador real opera sobre . a saída do equalizador, segue-se que as estatísticas marginais relevantes envolvem interferência residual. Que SINR represente a relação Sinal/Interferência e Ruído na saída do equalizador, isto é, na saída do nó de soma 308 da figura 2. Suponha-se que a interferência e o ruído residuais na saída do equalizador possam ser modelados como uma variável aleatória gaussiana complexa de média zero Z com partes reais e imaginárias independentes, cada uma delas com variância σ2, onde: (6) As estatísticas marginais sâo dadas pelo canal equivalente Q(j\y)i onde: (7) onde σ( ) denota uma função de corte de distância mínima dada como: (8) e Z na Equação (7) é a variável aleatória gaussiana complexa de média zero, que modela a interferência residual com as propriedades descritas acima. A figura 4 mostra o canal Q(y|y) modelado de acordo com as suposições e as Equações apresentadas acima. Especificamente, a descrição matemática do Q(y|y) 314 na figura 2 é mostrada como o sistema 380. A entrada para o cortador 384 é denotada por j e é modelada como o símbolo transmitido y, danificado por ruido e interferência aditivos. 0 ruído e a interferência são modelados pela variável aleatória gaussiana complexa Z. O cortador 384 implementa uma função de corte de distância mínima, conforme descrito na Equação (8), do que resulta em uma saída do cortador marcada y . As estatísticas conjuntas que ligam y e y constituem a descrição matemática . completa do modelo para o "canal" Q(y|y). A construção do canal Q(y|^) mostrada na figura 4 é inédita e difere dos métodos anteriores no sentido de que o ruído Z pode ter uma variância não zero. Os métodos anteriores supõem implicitamente que Z é identicamente igual a zero. Deste modo, supõe-se que este modelo para o cortador comete erros de decisão, em contraste com os métodos anteriores, que supõem que o cortador está livre de erros.

Novamente com referência à figura 2, que £q e bQ denotem os coeficientes de FFF e FBF selecionados de modo a se minimizar o erro quadrático médio entre o símbolo transmitido yn (a entrada do canal 302) e a estimativa de símbolos yn (a saída do nó de soma 308) . Em outras palavras, os coeficientes fQ e bQ são "ótimos em MMSE de Wiener". Por razões que se tornarão claras aqui a seguir, estes coeficientes são referidos como coeficientes de "DFE Híbrido de Wiener". Os coeficientes fQ e bQ podem ser determinados por uma otimização de Wiener-Hopf padrão e são definidos pela equação seguinte: (4) onde Rf denota a covariância do conteúdo do FFF, RB denota o covariância do conteúdo do FBF, RFrB denota a covariância· cruzada do conteúdo do FFF e do FBF, e pF denota a covariância cruzada entre os conteúdos do FFF e do símbolo transmitido. Estas covariâncias e covariâncias cruzadas dependem do canal linear 302 descrito por H(z), Supondo-se que os símbolos em Y, isto é, na constelação de transmissão, sejam utilizados com probabilidade igual, então ρϋ é definido da maneira seguinte: (5) onde lYl denota a cardinalidade de Y, isto é, o número de símbolos possíveis na constelação de transmissão. Deste modo, para um dado Q(y\y) e canal com transformada z H(z), os coeficientes MMSE fQ e bQ são determinados pela aplicação da Equação (4) e da Equação (5).

Lembre-se que Q(y\y) foi definido de acordo com a Equação (6) e a Equação (7) tomando-se como hipótese um valor de SINR na saída do equalizador. A aplicação da Equação (4) e da Equação (5) levam então aos coeficientes MMSE f0 e bQ. Quando estes valores para os coeficientes de FFF e FBF são utilizados no FFF 306 e no FBF 310 na figura 2, a SINR resultante na saída do equalizador pode ser diferente do valor de SINR tomada originalmente como hipótese. De modo que o valor de SINR tomado como hipótese pode ou pode não ser consistente. Entretanto, um valor de SINR consistente, e consequentemente um conjunto consistente de coeficientes MMSE fQ e bQ, podem ser encontrados pela iteração, isto é, pela utilização do valor de SINR recém-encontrado de modo a se definir um novo "canal" Q{y\y) r encontrando-se um novo conjunto de coeficientes MMSE correspondentes, etc. Este processo iterativo pode ser representado esquematicamente da maneira seguinte: [SINR)0 (f0 ,b0) (SINR)1 (SINR)2...

Em particular, um algoritmo iterativo pode ser utilizado para computar o DFE Híbrido de Wiener. O algoritmo da presente modalidade é mostrado na figura 5. O processo 400 começa fixando-se n = 0 na etapa 402 e selecionando-se SINR0 arbitrariamente. O processo continua determinando-se SINRn e computando-se piSINlf) pela aplicação das Equações (5), (6) e (7) nà etapa 404. Os coeficientes de filtro fn,bn são computados na etapa 406 pela utilização da Equação (4). De acordo com a presente modalidade, o processo computa SINRn+1 = SINR(fnrbn, SINRn) na etapa 408. Note-se que SINR (f, b, x) denota a SINR na saída do equalizador com os coeficientes de FFF f e os coeficientes de FBF jb, e um canal de corte Q(.|.) com SINR x. 0 canal de corte é definido pela Equação (6) e pela Equação (7). Se o processo convergir no diamante de decisão 410, o processamento continua até a etapa 412 de modo a se fixarem os coeficientes de filtro. Se o processo não tiver convergido, o processamento volta à etapa 404.

Note-se que, conforme descrito no algoritmo iterativo da figura 5, o valor da SINR0 pode ser escolhido arbitrariamente. Os dois extremos, SINR0 = 0, SINR0 = oo, correspondem ao inicio com um cortador totalmente não confiável ou um cortador perfeito, respectivamente.

Note-se que p representa a correlação entre a saída do cortador e o símbolo transmitido efetivo, e como tal, p é uma função da SINR de saída do equalizador. Se a saída do equalizador for muito ruidosa, a correlação é pequena. Neste caso, as decisões sobre símbolos do cortador são em grande parte não confiáveis e uma estimativa precisa da ISI causai não é possível. Conforme esperado, neste caso, o algoritmo da figura 5 converge para os coeficientes de FFF e FBF, que se assemelham intimamente aos de um Equalizador Linear, isto é, aquele onde os coeficientes de FBF estão limitados a serem zero. Por outro lado, quando a saída do equalizador é quase sem ruído, a correlação p do cortador tende a ficar perto de um. Neste caso, o algoritmo da figura 5 converge para os coeficientes de FFF e FBF, os quais se assemelham aos de um DFE "ideal", isto é, um D FE com um cortador perfeitamente confiável. Entre estes extremos, o algoritmo da figura 5 converge para os coeficientes de FFF e FBF, que são um "híbrido" destes dois extremos limitadores. Esta "hibridação" é obtida automaticamente pelo algoritmo iterativo. Por esta relação, os coeficientes de FFF e FBF assim obtidos são referidos como coeficientes de "DFE híbridos". A(s) modalidade(s) descritas até agora exigem conhecimento explícito do canal H(z) de modo a se construírem as diversas covariâncias e covariâncias cruzadas da Equação (4) . Os coeficientes de FFF e FBF Híbridos de Wiener são então determinados pela solução da Equação (4) para fQr bs. Na prática, contudo, H(z) não é tipicamente conhecido no receptor, de modo que é desejável um método alternativo para determinar os coeficientes de DFE Híbridos de Wiener para o FFF e o FBF. Uma modalidade alternativa, referida como o DFE Híbrido Adaptativo, não exige conhecimento explícito do canal H(z). Em primeiro lugar, defina-se o Erro Quadrático Médio (MSE) como: (9) onde Xn são o conteúdo do FFF no tempo n, Zn é o conteúdo do FBF supondo-se uma realimentação livre de erro, e Δ„ são erros de símbolos de realimentação introduzidos pelo "canal" Q(j[y) · Uma vez que se supõe que os erros introduzidos por 2(^) sejam i.i.d. e independentes, a Equação (9) pode ser escrita como: (9a) onde Eq denota "expectativa" com relação a Q(y\y). Utilizando-se o fato de que a constelação de transmissão é normalizada em energia unitária e a definição de pQ na Equação (5) resulta em: (9b) onde A combinação da Equação (9b) com a Equação (9a) resulta em: (9o) Note-se que ||ô||2 que aparece na Equação (9c) pode ser interpretado como a "energia" nos coeficientes de FBF. A Equação (9c) é o ponto de partida para obter diversos algoritmos adaptativos. Por exemplo, de modo a se obter um algoritmo adaptativo com base no método de Quadrados Mínimos Recursivos (RLS), uma nova função de custo é definida substituindo-se a expectativa estatística por uma média de amostras através, por exemplo, de η = 1 Técnicas padrão são então aplicadas de modo a se obter um otimizador recursivo desta função de custo. Uma modalidade implementa um otimizador RLS de uma função de custo definida como: (9d) onde: (9e) Note-se que oíq pode ser referido como uma "medida de energia modificada dos coeficientes de filtro de realimentação" ou um "termo de correção de erros". A otimização RLS pode ser efetuada nos símbolos-piloto presentes na transmissão.

Algoritmo de Quadrado Médio Mínimo; Outra modalidade que otimiza a Equação (9c) é baseada no algoritmo de Quadrado Médio Mínimo (LMS). 0 algoritmo de Quadrado Médio Mínimo (LMS) ajusta de maneira recursiva os coeficientes de FFF e FBF do DFE Híbrido, de modo a se minimizar o MSE definido na Equação (9c). Para um canal fixo Q(y\y), as atualizações de um algoritmo de Quadrados Médios Mínimos (LMS) são dadas como: (10a) (10b) onde MSE é definido na Equação (9c), μ é o tamanho de etapa LMS e K denota a queda da expectativa estatística na definição da Equação (9c). 0 cálculo das derivadas parciais resulta em: (11) (12) (12a) (13) Quando o valor de μ é escolhido como adequadamente pequeno, a sequência de iterações definidas pelas Equações de (11) a (13) é estável e converge para o conjunto de coeficientes que solucionam a Equação (4). Note-se que esta sequência de iterações não exige uma estimativa explícita das covariâncias e covariâncias cruzadas na Equação (4). A figura 6 mostra um algoritmo LMS de acordo com uma modalidade. 0 algoritmo 500 começa com a seleção de um valor de SINR0 inicial na etapa 502. Além disto, o índice k é inicializado como k=0. Na etapa 504, o valor de SINR* é estimado e p{SINRk) é calculado ou determinado a partir de uma Tabela de consulta (LUT) pré-calculada. As Equações de (11) a (13) apresentadas acima são calculadas iterativamente, com base nos símbolos-piloto na transmissão, até que um critério de convergência seja satisfeito na etapa 510. O resultado de tal iteração determina os valores para (f^b*) . Na etapa 508, o processo estima SINRk+1, que é a SINR na saída do equalizador quando os coeficientes de FFF e FBF são (f*, b*) . A estimativa pode ser feita utilizando-se os símbolos-piloto da transmissão. O processo incrementa então o índice k. Quando da convergência de SINRk no diamante de decisão 510, o processo continua até a etapa 512, para aplicação dos coeficientes de filtro. Caso contrário, o processamento retorna à etapa 504.

Algoritmo com Rajadas-Piloto Periódicas: De acordo com outra modalidade, um sistema de comunicação incorpora rajadas-piloto transmitidos periodicamente, que são utilizados pelos receptores para ajustar os coeficientes de filtro no equalizador os receptores. Tal ajuste é freqüentemente referido como "treinamento do equalizador". Um exemplo de tal sistema é um sistema que suporta Alta Taxa de dados (HDR) conforme definida na "Especificação de Interface aérea de Dados de Pacote de Alta Taxa TIA/EIA-IS-856 CDMA2000" (o padrão IS-856). Em um sistema HDR, 96 símbolos-piloto são transmitidos a cada 0,833 mseg. Cada grupo de 96 símbolos-piloto é referido como "rajada-piloto". Entre as rajadas-piloto, o sistema HDR transmite símbolos de dados destinados aos receptores. A figura 7 mostra um algoritmo para aplicar um DFE híbrido baseado em LMS em tal sistema. 0 algoritmo 600 estabelece inicialmente SINR0 como igual a 0 ou qo na etapa 602. A escolha inicial da SINR não é designada e pode não ser crítica, embora, para a convergência mais rápida, SINR0 igual a °o possa ser preferida. 0 índice k é também inicializado e fixado como igual a 0. Na etapa 604, o algoritmo determina SINRk e computa p{SINRk) ou determina o valor necessário pela consulta a uma Tabela de consulta pré-calculada. Os valores iniciais para f e b são fixados como fo=0 e Jbo=0 na etapa 606. Durante a (k+l)-ésima rajada-piloto, o processo repete as Equações de (11) a (13) para todos os chíps da rajada-piloto, etapa 608. No presente exemplo de HDR, o algoritmo 600 é repetido para 96 chíps na rajada-piloto e os valores finais de f e b são salvos. Na etapa 610, o processo estima SINRk+1, utilizando os 96 chips da rajada-piloto precedente. Durante a parte de dados que se segue à (k+1) rajada-piloto, os valores salvos de f e b são carregados no FFF e no FBF, e os símbolos de dados são equalizados à maneira de realimentação de decisão padrão (etapa 612). Na etapa 614, o processo computa o valor de p{SINRk+1) e incrementa k. 0 processo continua para implementar o algoritmo durante as operações de demodulação. 0 algoritmo da figura 7 é adaptativo para canais que variam lentamente no tempo, como SINRk de regime quase estável e, portanto, não se espera que p[SINRk) variem muito através do tempo de convergência do algoritmo LMS. Cortador Suave: Conforme discutido acima, a propagação de erros limita de maneira significativa a utilização de DFEs ém sistemas de comunicação que empregam codificação de canal. Uma vez que a ISI causai é cancelada pela realimentação de decisão sobre símbolos individuais, um único erro de decisão isolado pode provocar uma rajada de erros de decisão subsequentes, acentuando consideravelmente a interferência residual na saída do equalizador. Se o código de canal é forte, a probabilidade de um erro de decisão sobre símbolos é não negligenciável (tipicamente da ordem de 25 por cento), e a propagação de erros pode ter sérios efeitos sobre o desempenho do DFE. Um método para evitar os efeitos nos quais incorre tal propagação de erros consiste em reconhecer que o cortador de "distância mínima" usual não associa nenhum nível de confiança às decisões sobre símbolos. Em outras palavras, as decisões do cortador convencional não fornecem medida da exatidão ou correção de decisões sobre os símbolos. Se uma decisão fosse conhecida como sendo de exatidão questionável, podería ser melhor evitar o cancelamento da contribuição desse símbolo para a extremidade pós-cursor, em lugar de compor o risco da interferência residual pela subtração de uma decisão incorreta. Em outras palavras, as decisões sobre símbolos de baixa exatidão não devem ser incluídas na malha de realimentação que cancela a ISI causai.

Uma modalidade de cortador que incorpora um nível de confiança ao processo de decisão será referida aqui como "cortador suave". Um cortador suave é descrito por um. modelo matemático, conforme explicado a seguir. Em primeiro lugar, suponha-se que o símbolo de entrada para o cortador seja dado como: y-y+n (14) onde y é o símbolo transmitido pertencente à constelação ψ, e n consiste em ruído e interferência inter-símbolo residuais. Suponha-se que y seja distribuído de maneira uniforme através de ψ, de modo que todos os pontos da constelação sejam transmitidos com igual probabilidade. Que L(y,y) seja uma função de perda que mede a perda na qual se incorreu quando um cortador decide y quando o símbolo transmitido é y. Um cortador ótimo <T:y->y, onde "ótimo" se refere a um cortador que minimiza a perda Esperada, é dado pela Regra de Bayes: (15) Para a função de perda de Probabilidade de Erro Mínima dada como: (16) a perda esperada resulta em: (17) e portanto: (18) Além disto, assumindo-se que a interferência n seja uma variável aleatória gaussiana com média zero e variância o2, então: (19) ..independente de..... .o2..· Este é.um.cortador de "distância mínima" tradicional e, embora seja "ótimo de Bayes" para a função de perda da Equação (16), o cortador pode provocar propagação de erros pelas razões discutidas acima. Um projeto de cortador alternativo considera a função de perda quadrática: (20) que, diferentemente da função de perda MEP, penaliza erros maiores de maneira mais significativa que erros menores. Seguindo-se da Equação (15): (21) e a média condicional é igual a: (22) Uma observação importante é a de que, ao contrário do cortador da Equação (19), o cortador da Equação (22) exige uma estimativa da variância de interferência e ruído o2 (como, por exemplo, & = (SINR)). Note-se também que o cortador da Equação (22) corresponde ao centróide da distribuição a prioxi nos símbolos de constelação, isto é, o centróide do termo em colchetes [...] na Equação (22). Deste modo, se o2 for grande, a suposição de uma distribuição anterior uniforme em uma constelação simétrica implica uma distribuição posterior quase uniforme, e consequentemente o centróide é quase zero. Por outro lado, quando d é pequeno, a distribuição posterior tem sua massa concentrada nò“ slffiboTo transmitido.real e em seus pontos de constelação vizinhos; o centróide está, portanto, próximo do símbolo transmitido. 0 cortador na Equação (22) é assim referido como "cortador suave". 0 cortador suave pode ser utilizado no DFE Híbrido adaptativo com modificação mínima. Os coeficientes de FFF e FBF são escolhidos de modo a se otimizar a definição seguinte do MSE: (23) (23) onde (24a) semelhante à Equação (5), e A2q é definido como: (24b) 0 "canal" Q(3?[y) é definido como: (25) onde σ(.) representa o cortador suave definido na Equação (22) e Z é o ruído gaussiano complexo definido exatamente da mesma maneira que a Equação (7). Seguindo-se um desenvolvimento análogo do esquema de otimização baseado no algoritmo IMS, as Equações (11), (12) e (13) são encontradas inalteradas, exceto pelo fato de (Xq = 1+V - 2/¾ é computado com base nas Equações (24a), (24b) e no cortador suave definido na Equação (25) . Como antes, o fator de escapamento (1 - 2pQ + Xq) depende da SINR e pode ser determinado por uma tabela de consulta. 0 algoritmo baseado em LMS descrito acima. não exige alterações adicionais. Durante a parte de piloto/treinamento do slot, a adaptação é feita como antes; durante a parte de dados do slot, o cortador médio ..condicional·.é..utilizado.no- -lugar -do.cortador.de.di-scânci-a mínima "permanente".

As computações envolvidas no cortador suave, a saber, a Equação (22), podem ser complicadas demais para algumas implementações práticas. Uma modalidade simplifica o projeto do cortador de modo a restringir a saída do cortador à tomada de no máximo N valores. De maneira equivalente, isto significa a restringir a entrada do cortador à assunção de no máximo N valores. Em outras palavras, a entrada Y do cortador é quantizada em um de N pontos utilizando-se um quantizador definido por: 'Q:Y-> β...i}· Então, para k=l,..., N, σ(Υ) é computado como: (26) onde (27) A operação do cortador quantizado pode ser resumida da maneira seguinte: 1) quantizar Ϋ em um de N valores possíveis; e 2) utilizar este valor e o conhecimento da SINR como índices em uma tabela de consulta *** Λ de modo a se determinar Y = σ(Υ). Uma vez que a complexidade deste projeto reside na etapa 1), uma simplificação adicional seria restringir Y\,...,YN para que fiquem dispostos em uma grade quadrada uniforme e em A seguida quantizar Y pela quantização de suas partes Real e Imaginária separadamente, utilizando-se um critério de ''vizinho mais próximo". Tal funcionalidade de cortador pode·· ser implementada com lógica simples, isto é, primeiro computando-se o conjunto mais próximo de vizinhos com base na coordenada Real de Y, em seguida computando-se o vizinho mais próximo neste subconjunto com base em sua coordenada Imaginária de Y. Além disto, a tabela de consulta pode ser razoavelmente grosseira na SINR, com etapas de 1 dB suficientes para a maioria das implementações. Por exemplo, dadas {σ*} tabelas de consulta para SINR-5 dB e SINR=6 dB, os ak valores apropriados para um valor de SINR intermediário de, digamos, 5,4 dB, podem ser determinados interpolando-se adequadamente entre as duas LÜTs. Em outras palavras, os ak valores apropriados a valores de SINR intermediários podem ser gerados dentro do dispositivo cortador, reduzindo-se assim as exigências de memória/armazenamento necessárias.

Como ilustração da aplicação de um cortador suave a um DFE Híbrido (HDFE), considerem-se as figuras 8A e 8B. A figura 8A mostra uma constelação 8-PSK, na qual 8 símbolos complexos representam os 3 bits codificados mapeados para modulação. Conforme mostrado, os círculos representam os pontos de constelação utilizados para modulação no transmissor. As marcas de "x" indicam as amostras recebidas no receptor e incluem o ruído e a interferência introduzidos durante a transmissão. Note-se que as amostras recebidas não correspondem necessariamente aos símbolos de constelação reais. Neste caso, o receptor decide qual símbolo de constelação foi realmente enviado. Tipicamente, os pontos recebidos estão concentrados em volta dos símbolos de constelação transmitidos reais.

Um método para determinar o símbolo transmitido a partir das amostras recebidas consiste em dividir o mapa de constelação em fatias, conforme mostrado na figura 8B. Aqui, o mapa de constelação é dividido em 8 fatias, 702, 704, 706, 708, 710, 712, 714 e 716. As fatias são determinadas, por exemplo, de acordo com um critério de distância mínima, que utiliza a distância ou separação euclidiana entre dois pontos da constelação, de modo a se selecionar um limite. Existe problema quando a amostra recebida está aproximadamente eqüidistante (isto é, aproximadamente no limite) entre dois pontos da constelação. Neste caso, se o processo de decisão consistisse em selecionar o símbolo de constelação incorreto, este erro seria propagado na malha de realimentação de um DFE. Para evitar tais erros e a amplificação afim em um DFE, é aplicado um cortador suave que dá saída a um valor não necessariamente em um símbolo de constelação. O cortador suave determina implicitamente um nível de confiança a partir das amostras recebidas. O nível de confiança dá ao sistema orientação na avaliação da amostra. Se o nível de confiança for baixo, isto é, se um erro é provável, a amostra não é enfatizada na parte de realimentação do equalizador. Se o nível de confiança for elevado, a amostra é considerada confiável e, portanto, uma estimativa de símbolos adequada obtida dela pode ser utilizada na parte de realimentação do equalizador. A figura 9A mostra um mapa de constelação 2-PSK. Note-se que as decisões tomadas com base na distância mínima de um símbolo de constelação podem resultar em erros para as amostras recebidas, como, por exemplo, as marcadas por "χ". A aplicação de um cortador suavé de acordo com uma modalidade divide o mapa de constelação em retângulos, conforme mostrado na figura 9B. Representados graficamente, os retângulos, como o retângulo 720, são semi-infinitos na direção y, e nem todos os retângulos englobam símbolos de constelação. Quando a amostra de entrada do cortador cai dentro de um dos retângulos semi-infinitos, é atribuído um valor médio condicional. Efetivamente todos os pontos dentro do retângulo são mapeados em um valor comum, Este valor representa a média condicional do símbolo transmitido, dado que o amostra de entrada do cortador cai * dentro do retângulo de interesse. O mapeamento de cada retângulo em um valor médio condicional correspondente é uma função da Relação Sinal/Interferência e Ruído (SINR). Por exemplo, um dado retângulo pode ser mapeado em σ para SINR a um primeiro nível, como, por exemplo, SINR = 4 dB. O mesmo retângulo pode ser mapeado em σ' para SINR a um segundo nível, como, por exemplo, SINR = 5 dB. O mapeamento e os valores médios condicionais afins são armazenados em tabelas de consulta para fácil recuperação. Uma modalidade alternativa calcula o valor médio condicional de acordo com um algoritmo predeterminado. Note-se que uma grade quadrada ou retangular é facilmente implementada e extensível a constelações mais complexas. A figura 10 mostra um Equalizador, 800, que utiliza um cortador suave. 0 Equalizador 800 inclui um FFF, 802, acoplado a um nó de soma, 804. O FFF 802 é controlado por um algoritmo de equalização adaptativo, 808. A unidade de controle adaptativa 808 responde a uma unidade de estimativa de SINR, 816. Em uma modalidade alternativa, a unidade de estimativa de SINR 816 pode ser implementada como unidade de estimativa de MSE. A unidade de estimativa de SINR 816 fornece uma estimativa de SINR a uma tabela de consulta (LUT), 810. A estimativa de SINR é utilizada em conjunto com os valores armazenados na LUT 810 de modo a se determinar aQ(SINR) = 1 + ÁQ2 - ZpQ definida de acordo com as Equações (24a), (24b) e (25). O algoritmo de equalização adaptativo 808 utiliza o valor aQ produzido a partir da LUT 810 para atualizar os coeficientes do FFF 802 e do FBF 806, pela iteração das Equações (11), (12) e (13). Lembre-se que as Equações (11), (12) e (13) eram baseadas no algoritmo LMS..e..projetada s ... para.ot irr.i z ar.a .função. . de.... .custo.... M.S.E.

definida na Equação (23). Em uma modalidade alternativa, o algoritmo de equalização adaptativo 808 pode implementar outro algoritmo de filtragem adaptativo, como RLS, por exemplo, de modo a se otimizar a função de custo MSE definida na Equação (23) . O FBF 806 dá saida a uma estimativa da ISI causai presente na saida do FFF 802. A saída do FBF 806 é acoplada ao nó de soma 804, onde é subtraída da saída do FFF 802. A saída do nó de soma 804, isto é, a estimativa de símbolo transmitido, é então enviada a um decodificador, 820, à unidade de estimativa de SINR/MSE 816 e ao cortador suave 812. O cortador suave 812 recebe a estimativa de SINR/MSE da unidade de estimativa de SINR/MSE 816 e gera uma outra estimativa do símbolo transmitido, e dá saída a esta outra estimativa de símbolo para filtragem no FBF 806. A figura 11 é um fluxograma de um processo de cortador suave que incorpora um cortador suave de acordo com uma modalidade. O processo primeiro determina uma região, como um quadrado ou retângulo de grade no mapa de constelação, que corresponde a uma quantização da amostra de entrada do cortador, y, na etapa 902. Determina-se o valor de SINR na etapa 904. Na etapa 906, o processo seleciona um mapeamento apropriado como uma função do valor de SINR, De acordo com uma modalidade, partes separadas de um dispositivo de armazenamento em memória armazenam tabelas de consulta separadas. As tabelas são acessadas de acordo com o valor da SINR, Na etapa 908, um valor médio condicional é determinado a partir do mapeamento apropriado e esta é a saída do cortador.

Outra modalidade de cortador suave aplica uma grade quadrada ao mapa de constelação e utiliza uma expansão de Taylor de modo a gerar um valor médio condicional mais preciso. Nesta modalidade, várias tabelas de consulta menores armazenam valores correspondentes a cada valor de SINR. O processo 920 é mostrado na figura 12. A região da entrada y é determinada na etapa 921. Na etapa 922, é determinado um valor de SINR. O valor de SINR é utilizado para determinar os mapeamentos apropriados σι(.) e 02 (■) na etapa 924 . A região da etapa 920 é mapeada em um valor σι onde i corresponde à região. Um segundo mapeamento é então efetuado na etapa 926 compatível com o valor da SINR e a região da etapa 920 de modo a se obter oáCPí). valor médio condicional é aproximado na etapa 928 como σι(j),)+(>>-));)a2(j)f). Os mapeamentos σι(.) e σ2(.) estão intimamente relacionados com as zero-ésima e primeira derivadas de σ(.) definidas na Equação (22). A figura 13 mostra um cortador suave, 954, de acordo com uma modalidade. Um estimador de SINR, 952, recebe uma ou mais estimativas de símbolo e dá saída a um valor de estimativa de SINR, SINR(n). A SINR(n) pode ser quantizada em um quantizador opcional, 956, e é enviada ao armazenamento de memória 960, como uma LUT, por exemplo. Uma estimativa de símbolo correspondente à entrada do cortador suave é também enviada um quantizador 956, no qual a estimativa de símbolo é quantizada e o valor quantizado é utilizado em conjunto com a estimativa da SINR de modo a se determinar um valor correspondente armazenado no armazenamento de memória 960. Note-se que, em uma modalidade, as informações são armazenadas em linhas e colunas, em que as linhas correspondem a valores de SINR e as colunas correspondem a valores de símbolos. Modalidades alternativas, contudo, podem armazenar as informações de qualquer uma de diversas maneiras, em que as informações são recuperáveis com base em um valor de SINR e em um valor de símbolo. Os valores armazenados no armazenamento, de memória 960 podem ser a média condicional do símbolo de constelação real, dada a estimativa de entrada do cortador suave, como a definida nas Equações (22), (26) e (27). A figura 14 mostra um cortador suave, 980, de acordo com uma modalidade alternativa que implementa uma computação em série de taylor. Conforme mostrado, um ou mais símbolos recebidos são enviados a um estímador de SINR, 982, e uma estimativa de símbolo, correspondente à entrada do cortador suave, é também enviada diretamente ao cortador suave 980. Note-se que os símbolos recebidos são danificados pelo canal de transmissão e são, portanto, referidos aqui como "amostras" recebidas. O avaliador de SINR 982 fornece uma estimativa de SINR, SINR(n), ao cortador suave 980. A SINR(n) pode ser enviada a um quantizador opcional, 986. A SINR(n), quantizada ou não, é enviada a duas unidades de armazenamento em memória, A 988 e B 990. A estimativa de símbolo de entrada do cortador suave é enviada a um quantizador, 984, cuja saída é também fornecida às unidades de armazenamento em memória A 988 e B 990. As unidades de armazenamento em memória Δ 988 e B 990 armazenam informações utilizadas para computar os valores médios condicionais do símbolo de constelação real, dada a estimativa de símbolo de entrada do cortador suave. Tais valores podem ser as zero-ésima e primeira derivadas da média convencional do símbolo de constelação real, dada a estimativa de símbolo de entrada do cortador suave, como a dada nas Equações (22), (26) e (27). 0 valor da SINR(n) e o ■ valor de símbolo quantizado são utilizados para identificar os valores correspondentes no armazenamento de memória A 988 e B 990. Uma unidade de soma, 992, é utilizada para implementar a computação em série de Taylor. A estimativa de símbolo de entrada do cortador suave, assim como o valor quantizado, são enviados à unidade de soma 992. Além disto, os valores armazenados nas unidades de armazenamento em memória A 988 e B 900 são também enviados à unidade de soma 992. A unidade de soma 992 utiliza as entradas para computar uma saída que seja uma estimativa média condicional do símbolo de constelação real. Embora a presente invenção tenha sido descrita com relação a um sistema de comunicação sem fio, tal sistema é apresentado meramente como exemplo. Os conceitos descritos aqui são aplicáveis a diversos sistemas de comunicação, que incluem, mas não se limitam a, um sistema de comunicação cabeado, como a implementação em um modem cabeado, etc. A presente invenção é aplicável a um sistema de comunicação de alta taxa de dados e permite a otimização de recursos e capacidade em um sistema de comunicação de dados pelo aumento da sensibilidade do receptor e o aumento da taxa de dados de comunicação. Os versados na técnica entenderíam que as informações e os sinais podem ser representados utilizando-se qualquer uma de diversas tecnologias e técnicas diferentes. Por exemplo, os dados, instruções, comandos, informações, sinais, bits, símbolos e chips referidos ao longo da descrição acima podem ser representados por voltagens, correntes, ondas eletromagnéticas, campos ou partículas magnéticos, campos ou partículas ópticos, ou qualquer combinação deles.

Os versados na técnica entenderíam também que os diversos blocos, módulos, circuitos lógicos e etapas i algorítmicas ilustrativos descritos com relação às modalidades descritas aqui podem ser implementados como hardware eletrônico, software de computador ou combinações de ambos. Para se ilustrar claramente esta interpermutabilídade de hardware e software, diversos componentes, blocos, módulos, circuitos e etapas ilustrativos foram descritos acima genericamente em termos de sua funcionalidade. Se tal funcionalidade é implementada como hardware ou software depende da aplicação específica e das restrições de projeto impostas ao sistema como um todo. Os versados na técnica podem implementar a funcionalidade descrita de várias maneiras para cada aplicação específica, mas tais decisões de implementação não devem ser interpretadas como provocando um afastamento do escopo da presente invenção.

Os diversos blocos, módulos e circuitos lógicos ilustrativos descritos com relação às modalidades apresentadas aqui podem ser implementados ou executados com um processador para fins gerais, um processador de sinais digitais (DSP), um circuito integrado de aplicação específica (ASIC) , um arranjo de portas programável em campo (FPGA) ou outro dispositivo lógico programável, porta discreta ou lógica de transistor, componentes de hardware discretos ou qualquer combinação deles projetada para executar as funções descritas aqui. Um processador para fins gerais pode ser um microprocessador, mas, alternativamente, o processador pode ser qualquer processador, controlador, mícrocontrolador ou máquina de estado convencional. Um processador pode ser também implementado como uma combinação de dispositivos de computação, como, por exemplo, uma combinação de DSP e microprocessador, uma pluralidade de microprocessadores, uir ou mais microprocessadores em conjunto com um núcleo de DSP, ou qualquer outra configuração que tal.

As etapas de um método ou algoritmo descritas eir conexão com as modalidades apresentadas aqui podem ser corporificadas diretamente em hardware, em um módulo de software executado por um processador, ou uma combinação dos dois. Um módulo de software pode residir em memória RAM, em memória flash, em memória ROM, em memória EPROM, em memória EEPROM, em registros, disco rígido, disco removível, CD-ROM ou qualquer outra forma de meio de armazenamento conhecida na técnica. Um meio de armazenamento exemplar é acoplado ao processador de modo que' o processador possa ler informações do, e gravar informações no, meio de armazenamento. Alternativamente, o meio de armazenamento pode ser integrado ao processador. 0 processador e o meio de armazenamento podem residir em um ASIC. O ASIC pode residir em um terminal de usuário. Alternativamente, o processador e o meio de armazenamento podem residir em componentes discretos em um terminal de usuário. A descrição anterior das modalidades preferidas é apresentada para permitir que qualquer pessoa especializada na técnica crie ou faça uso da presente invenção. Diversas modificações nestas modalidades se tornarão prontamente evidentes aos versados na técnica, e os princípios genéricos definidos aqui podem ser aplicados a outras modalidades sem o uso da faculdade inventiva. Deste modo, a presente invenção não se destina a ser limitada às modalidades mostradas aqui, mas deve receber o mais amplo escopo compatível com os princípios e aspectos inéditos expostos aqui.

REIVINDICAÇÕES

Claims (44)

1. Método para determinação de coeficientes de filtro em um equalizador de realimentação de decisão, que tem um filtro de alimentação direto e um filtro de realimentação, cada um deles definido por uma pluralidade de coeficientes, o método sendo caracterizado por compreender as etapas de: selecionar uma função de custo para o equalizador de realimentação de decisão, a função de custo sendo o Erro Quadrático Médio (MSE) entre uma saída de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo mais uma medida modificada da energia dos coeficientes de filtro de realimentação; e ajustar a pluralidade de coeficientes até que uma condição de convergência seja satisfeita, em que a condição de convergência é para minimizar a função de custo.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de coeficientes corresponde a uma pluralidade de derivações de filtro, e no qual a medida modificada da energia é uma função de pelo menos uma das derivações de filtro.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a função de custo é um MSE dado como: onde yn é um símbolo transmitido, N corresponde ao número de símbolos recebidos, Xn é o conteúdo do filtro de alimentação direto no tempo η, Za é o conteúdo do filtro de realimentação, supondo-se uma realimentação livre de erros, f são os coeficientes de filtro para o filtro de alimentação direto, b são coeficientes de filtro para o filtro de realimentação, (Xq é uma medida modificada, e (XQpf é a medida modificada da energia dos coeficientes de filtro de realimentação.

4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a medida modificada aQ ê dada como: (Xq = 1 + λ2ο -2pQ, onde Po é uma medida da correlação cruzada da entrada e da saída de um modelo de cortador, e onde ã2q é uma medida da energia de saida média de um modelo de cortador.

5. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a função de custo é minimizada utilizando-se um algoritmo de Quadrado Médio Mínimo.

6. Método, de acordo com a reivindicação 3, caracterizado por compreender adicionalmente: gerar uma estimativa do MSE entre a saída de um ■ equalizador e a saída de um equalizador alvo; e selecionar 0¾ como uma função da estimativa do MSE.

7. Método, de acordo com a reivindicação 3, caracterizado por compreender adicionalmente: gerar uma estimativa de uma Relação Sinal/ Interferência e Ruído (SINR) em uma saída do equalizador; e selecionar aQ como uma função da estimativa da SINR.

8. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que <xq = 2m,m = número inteiro.

9. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a medida modificada oq é definida como: 5 onde onde 3 onde Q(y\y) é um modelo de canal de corte, y é uma saída de cortador e y é uma entrada de cortador.

10. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que o modelo de canal de corte é definido como: onde σ(.) denota uma função de corte de distância mínima, Z é uma variável aleatória gaussiana de média zero, y ê uma entrada de cortador e y é uma saída de cortador.

11. Método, de acordo com a reivindicação 9, ) caracterizado por compreender: estimar a Relação Sinal/Interferência e Ruído (SINR) de um sínal-piloto em uma saída de um equalizador.

12. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que as otimizações da função de i custo compreendem: utilizar um algoritmo de Quadrado Médio Mínimo (LMS) para determinar os coeficientes de filtro e um termo de erro e computar iterativamente as equações: onde f representa os coeficientes de filtro do filtro de alimentação direto, b representa os coeficientes de filtro do filtro de realimentação, X representa o conteúdo do filtro de alimentação direto, α representa um fator que modifica a energia dos coeficientes..........de filtro de realimentação, e representa o termo de erro, Z representa o conteúdo do filtro de realimentação, supondo-se uma realimentação livre de erros, y representa um símbolo desejado e μ representa o tamanho de etapa LMS.

13. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a função de custo é minimizada utilizando-se um algoritmo de Quadrados Mínimos Recursivos.

14. Equalizador de realimentação de decisão, caracterizado por compreender: um filtro de alimentação direto, que possui uma pluralidade de derivações de filtro, as derivações de filtro possuindo coeficientes de filtro correspondentes; um filtro de realimentação, que possui uma pluralidade de derivações de filtro, as derivações de filtro possuindo coeficientes de filtro correspondentes; um gerador de coeficientes acoplado ao filtro de alimentação direto e ao filtro de realimentação, adaptado para atualizar os coeficientes de filtro do filtro de alimentação direto e do filtro de realimentação de modo a se minimizar uma função de custo predeterminada, em que a função de custo é um Erro Quadrático Médio (MSE) entre uma saida de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo, mais uma medida de energia modificada dos coeficientes de filtro de realimentação; ' um nó de soma acoplado a uma saída do filtro de alimentação direto e a uma saída do filtro de realimentação, o nó de soma configurado para subtrair a saída do filtro de realimentação da saída do filtro de alimentação .direto, de modo a gerar uma estimativa do símbolo transmitido original; e um cortador acoplado ao nó de soma, o cortador adaptado para receber a estimativa e determinar o símbolo transmitido original.

15. Equalizador de realimentação de decisão, de acordo com a reivindicação 14, caracterizado pelo fato de que o gerador de coeficientes é adaptado para: estimar uma Relação Sinal/Interferência e Ruído (SINR) de um sinal-piloto em uma saída do equalizador de realimentação de decisão; e determinar uma medida modificada <xq definida como: onde e onde e onde Q(y\y) é um modelo de canal de corte, y é uma saída de cortador, onde o modelo de canal de corte é definido como: onde σ(.) denota uma função de corte de distância mínima, 2 é uma variável aleatória gaussiana de média zero, y é uma entrada de cortador e y é uma saída de cortador.

16. Equalizador de realimentação de decisão, de acordo com a reivindicação 15, caracterizado pelo fato de que o gerador de coeficientes é adicionalmente adaptado para: determinar a medida modificada utilizando um dispositivo de armazenamento em memória que armazena medidas modificadas como uma função da SINR.

17. Equal izador de realimentação de decisão, de acordo com a reivindicação 15, caracterizado pelo fato de que o gerador de coeficientes é adaptado para: estimar um Erro Quadrático · Médio (MSE) entre uma saída de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo; e determinar uma medida modificada aadefinida como: onde: e onde:

18. Equalizador de realimentação de decisão, de acordo com a reivindicação 17, caracterizado pelo fato de que o gerador de coeficientes é adicionalmente adaptado para: determinar a medida modificada utilizando um dispositivo de armazenamento em memória, que armazena medidas modificadas como uma função do MSE.

19. Método para determinar coeficientes de filtro em um equalizador de realimentação de decisão, o equalizador de realimentação de decisão possuindo um filtro de alimentação direto e um filtro de realimentação, cada um deles definido por uma pluralidade de coeficientes, o método sendo caracterizado por compreender as etapas de: selecionar uma função de custo para o equalizador de realimentação de decisão, a função de custo sendo o Erro Quadrático Médio (MSE) entre uma saída de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo mais uma medida modificada da energia dos coeficientes de filtro de realimentação; e ajustar a pluralidade de coeficientes de acordo com um algoritmo de Quadrados Mínimos Recursivos (RLS).

20. Equipamento de equalizador de realimentação de decisão híbrido, caracterizado por compreender: uma unidade de processamento; e uma unidade de armazenamento em memória acoplada à unidade de processamento, a unidade de armazenamento em memória armazenando instruções legíveis por computador, que compreendem: um primeiro conjunto de instruções para determinar os coeficientes de filtro em um equalizador de realimentação de decisão, que possui um filtro de alimentação direto e um filtro de realimentação, cada um deles definido por uma pluralidade de coeficientes, pela seleção de uma função de custo para o equalizador de realimentação de decisão, a função de custo definida como o Erro Quadrático Médio (MSE) entre uma saída de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo, mais uma medida modificada da energia dos coeficientes de filtro de realimentação; e um segundo conjunto de instruções para ajustar a pluralidade de coeficientes até que uma condição de convergência seja satisfeita, em que a condição de convergência é para reduzir ao mínimo a função de custo.

21. Equipamento de equalizador de realimentação de decisão híbrido, caracterizado por compreender: uma unidade de processamento; e uma unidade de armazenamento em memória acoplada à unidade de processamento, a unidade de armazenamento em memória armazenando instruções legíveis por computador, que compreendem: um primeiro conjunto de instruções para determinar os coeficientes de filtro de um equalizador de realimentação diferencial, que possui um filtro de realimentação e um filtro de alimentação direto, e um termo de erro pela aplicação de um algoritmo de Quadrado Médio Mínimo (LMS) de modo a computar iterativamente as equações: onde f representa os coeficientes de filtro do filtro de alimentação direto, b representa os coeficientes de filtro do filtro de realimentação, x representa o conteúdo do filtro de alimentação direto, p representa uma correlação entre uma saída de cortador do equalizador de realimentação diferencial e um sinal transmitido, e representa o termo de.._ erro, 2 representa o conteúdo do filtro de realimentação, supondo-se uma realimentação livre de erros, y representa uma amostra recebida e μ representa um tamanho de etapa LMS.

22. Método para estimar um símbolo transmitido, o símbolo transmitido sendo mapeado em um mapa de constelação, o método sendo caracterizado por compreender as etapas de: receber uma amostra; estimar a relação sinal / interferência e ruído (SINR) da amostra; estimar o símbolo transmitido com base na SINR e na amostra, em que a estimativa do símbolo' 'transmi-t-ide compreende: calcular a variância da amostra recebida definida pela relação: e avaliar uma média condicional como: onde Y representa a amostra de entrada para o cortador suave e y representa os símbolos transmitidos pertencentes ao mapeamento de constelação ψ.

23. Método para estimar um símbolo transmitido, o símbolo transmitido sendo mapeado para um mapa de constelação, o método sendo caracterizado por compreender as etapas de: receber uma amostra; estimar relação sinal / interferência e ruído (SINR) da amostra; estimar o símbolo transmitido com base na SINR e na amostra, em que os valores estimados são armazenados em uma unidade de armazenamento de memória, e em que cada região do mapa de constelação possui um valor estimado correspondente; quantizar o símbolo de modo a gerar um primeiro valor para uma região do mapa de constelação; e determinar um valor de estimativa correspondente à.região do mapa de constelação.

24. Método, de acordo com a reivindicação 23, caracterizado por compreender adicionalmente: quantizar o símbolo em um primeiro valor selecionado de um conjunto de N valores; determinar uma entrada da unidade de armazenamento em memória correspondente ao primeiro valor e à SINR.

25. Método, de acordo com a reivindicação 24, caracterizado pelo fato de que a quantização do símbolo compreende: quantizar o símbolo utilizando um critério de Distância Euclidiana Mínima.

26. Método, de acordo com a reivindicação 23, caracterizado pelo fato de que os valores de estimativas são armazenados na unidade de armazenamento em memória para um conjunto de valores de SINR, e no qual o método compreende adicionalmente: interpolar entradas na unidade de armazenamento em memória para determinar um primeiro valor de estimativa para um primeiro valor de SINR, em que o primeiro valor de SINR não está no conjunto de valores de SINR.

27. Método, de acordo com a reivindicação 23, caracterizado pelo fato de que cada região é um retângulo.

28. Método, de acordo com a reivindicação 23, caracterizado pelo fato de que a unidade de armazenamento em memória inclui entradas identificadas pela SINR e pelo valor de estimativa.

29. Método para estimar um símbolo transmitido, o símbolo transmitido sendo mapeado em um mapa de constelação, o método sendo caracterizado por compreender as etapas de: receber uma amostra; estimar relação sinal / interferência e ruído (SINR) da amostra; estimar o símbolo transmitido com base na SINR e na amostra; determinar uma primeira estimativa com base na SINR e na amostra recebida; e determinar uma segunda estimativa com base em uma combinação da primeira estimativa, da SINR e da amostra recebida, em que a primeira estimativa é definida como: σι CP,)/ e a segunda estimativa é dada como: σι (y^ + iy-y,)^(^), onde cada σ representa um .mapeamento único de um valor de amostra em um valor de estimativa, y representa a amostra recebida e yf é uma versão quantizada da amostra recebida.

30. Método, de acordo com a reivindicação 29, caracterizado pelo fato de que a primeira estimativa é calculada utilizando-se um cortador de distância mínima.

31. Método, de acordo com a reivindicação 29, caracterizado pelo fato de que a segunda estimativa é igual à primeira estimativa mais um termo de correção.

32. Método, de acordo com a reivindicação 29, caracterizado pelo fato de que a determinação da primeira estimativa compreende: quantizar a amostra recebida de modo a se formar uma amostra quantizada; gerar uma primeira estimativa com base na amostra quantizada; e gerar uma segunda estimativa com base na primeira estimativa.

33. Método para determinar os coeficientes de filtro em um equalizador de realimentação de decisão, o equalizador de realimentação de decisão possuindo um filtro de alimentação direto e um filtro de realimentação, cada um deles definido por uma pluralidade de coeficientes, o método sendo caracterizado por compreender as etapas de: selecionar uma função de custo para o equalizador de realimentação de decisão, a função de custo sendo o Erro Quadrático Médio {MSE) entre uma saída de equalizador, supondo-se uma realimentação livre de erros, e uma saída de equalizador alvo mais uma medida modificada da energia dos coeficientes de filtro de realimentação; e ajustar a pluralidade de coeficientes até que uma condição de convergência seja satisfeita, em que a condição de convergência é para minimizar a função de custo, em que o MSE é dado como: onde yn é um símbolo recebido, N corresponde ao número de pontos na constelação de mapeamento, Xn é o conteúdo do filtro de alimentação direto no tempo n, Zn é o conteúdo do filtro de realimentação, supondo-se uma realimentação livre de erros, f são os coeficientes de filtro para o filtro de alimentação direto, b são os coeficientes de filtro para o filtro de realimentação e <Xq é a medida modificada da energia dos coeficientes de filtro de realimentação, onde a medida modificada ag é definida como: Og = 1 + Xq - 2 pQ onde: no qual Q(y\y) é um modelo de canal de corte, y é uma saida de cortador, y é uma entrada de cortador, onde um modelo de canal de corte é definido como: onde σ(.) denota uma função de corte suave, Z é uma variável aleatória gaussiana de média zero, onde a variância é definida pela relação: onde a interferência e o ruido residuais são modelados como uma variável aleatória gaussiana complexa de média zero Z, com partes reais e imaginárias independentes, cada uma com variância o2.

34. Equipamento para estimar um símbolo transmitido, o símbolo transmitido sendo pontos em uma constelação, o equipamento sendo caracterizado por compreender: mecanismos para receber uma amostra; mecanismos para estimar a Relação Sinal/ Ruído (SINR) da amostra; mecanismos para estimar o símbolo transmitido com base na SINR e na amostra, em que o mecanismo para estimar o símbolo transmitido compreende adicionalmente.■ mecanismos para calcular a variância da amostra recebida definida pela relação: onde a interferência e o ruído residuais são modelados como uma variável aleatória gaussiana complexa de média zero Z, com partes reais e imaginárias independentes, cada uma delas com variância o2 e avaliar uma média condicional como: onde Y representa a amostra de entrada para o cortador suave e y representa os símbolos transmitidos pertencentes ao mapeamento de constelação ψ.

35. Equipamento para estimar um simbolo transmitido, o símbolo transmitido sendo pontos em uma constelação, o equipamento sendo caracterizado por compreender: mecanismos para receber uma amostra; mecanismos para estimar relação sinal / ruído (SINR) da amostra; mecanismos para estimar o simbolo transmitido com base na SINR e na amostra, em que pelo menos um símbolo ou valor de SINR é armazenado em uma unidade de armazenamento de memória, e em que cada região do mapa de constelação possui um valor estimado correspondente; mecanismos para quantizar o símbolo de modo a gerar um primeiro valor em uma região do mapa de constelação; e mecanismos para determinar um valor estimado correspondente à região do mapa de constelação.

36. Equipamento, de acordo com a reivindicação 35, caracterizado por compreender adicionalmente: mecanismos para quantizar o símbolo para um primeiro valor selecionado de um conjunto de N valores; mecanismos para determinar uma entrada da unidade de armazenamento em memória correspondente ao primeiro valor e à SINR.

37. Equipamento, de acordo com a reivindicação 36, caracterizado pelo fato de que o mecanismo para quantizar o símbolo compreende: mecanismos para quantizar o símbolo utilizando um critério de Distância Euclidiana Mínima.

38. Equipamento, de acordo com a reivindicação 35, caracterizado pelo fato de que os valores de estimativa são armazenados na unidade de armazenamento em memória para um conjunto de valores de SINR, e no qual o equipamento compreende adicionalmente: mecanismos para interpolar entradas na unidade de armazenamento em memória de modo a determinar um primeiro valor de estimativa para ura primeiro valor de SINR, em que o primeiro valor de SINR não está no conjunto de valores de SINR.

39. Equipamento, de acordo com a reivindicação 35, caracterizado pelo fato de que cada região do mapa de constelação possui uma conformação retangular.

40. Equipamento, de acordo com a reivindicação 35, caracterizado pelo fato de que a unidade de armazenamento em memória inclui entradas identificadas pela SINR e por um valor de estimativa.

41. Equipamento para estimar um símbolo transmitido, o símbolo transmitido sendo pontos em uma constelação, o equipamento sendo caracterizado por compreender: mecanismos para receber uma amostra; mecanismos para estimar relação sinal / ruído (SINR) da amostra; mecanismos para determinar uma primeira estimativa com base na SINR e na amostra recebida; mecanismos para determinar uma segunda estimativa com base em uma combinação da primeira estimativa, a SINR, e da amostra recebida, em que a primeira estimativa é definida como: σι (y,), e a segunda estimativa é dada como: σι (£,) + (7-^2 CP,), onde cada σ representa um mapeamento único de um valor de amostra em um valor de estimativa, y representa a amostra recebida e é uma versão quantizada da amostra recebida.

42. Equipamento, de acordo com a reivindicação 41, caracterizado pelo fato de que a primeira estimativa é calculada utilizando-se um cortador de distância mínima.

43. Equipamento, de acordo com a reivindicação 41, caracterizado pelo fato de que a segunda estimativa é igual à primeira estimativa mais um termo de correção.

44. Equipamento, de acordo com a reivindicação 41, caracterizado pelo fato de que 0 mecanismo para determinar a primeira estimativa compreende: mecanismos para quantizar a amostra recebida de modo a se formar uma amostra quantizada; mecanismos para gerar uma primeira estimativa com base na amostra quantizada; e mecanismos para gerar uma segunda estimativa com base na primeira estimativa.