CN102158199A - 时变系统中预存储滤波器系数组的选择方法及装置 - Google Patents

时变系统中预存储滤波器系数组的选择方法及装置 Download PDF

Info

Publication number
CN102158199A
CN102158199A CN2010106242970A CN201010624297A CN102158199A CN 102158199 A CN102158199 A CN 102158199A CN 2010106242970 A CN2010106242970 A CN 2010106242970A CN 201010624297 A CN201010624297 A CN 201010624297A CN 102158199 A CN102158199 A CN 102158199A
Authority
CN
China
Prior art keywords
scene
groups
filter coefficients
filter
quantification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010106242970A
Other languages
English (en)
Other versions
CN102158199B (zh
Inventor
许百成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ST Ericsson Semiconductor Beijing Co Ltd
Original Assignee
ST Ericsson Semiconductor Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ST Ericsson Semiconductor Beijing Co Ltd filed Critical ST Ericsson Semiconductor Beijing Co Ltd
Priority to CN201010624297.0A priority Critical patent/CN102158199B/zh
Publication of CN102158199A publication Critical patent/CN102158199A/zh
Priority to PCT/CN2011/084904 priority patent/WO2012089140A1/zh
Application granted granted Critical
Publication of CN102158199B publication Critical patent/CN102158199B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03HIMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00Networks using digital techniques
    • H03H17/02Frequency selective networks
    • H03H17/0294Variable filters; Programmable filters
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03HIMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00Networks using digital techniques
    • H03H17/02Frequency selective networks
    • H03H17/04Recursive filters
    • H03H2017/0477Direct form I

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提供了一种时变系统中预存储滤波器系数组的选择方法及装置。其中所述选择方法通过两次选择的方式,首先选择出一组待选择的滤波器系数组,进而利用遍历方式,从待选择的滤波器系数组中选择出预存储的滤波器系数组,由于待选择的滤波器系数组的数量要小于量化场景的数量,从而可能的预存储的滤波器系数组的组合也就大大减少,因此本发明实施例可以极大地降低遍历运算量,提高预存储的滤波器系数组的选择效率。

Description

时变系统中预存储滤波器系数组的选择方法及装置
技术领域
本发明涉及无线通信和数字信号处理技术领域,特别涉及一种应用于时变系统的预存储滤波器系数组的选择方法和装置。
背景技术
滤波器广泛地应用于无线通信和数字信号处理技术领域,其特性由滤波器结构和滤波系数决定。在无线通信系统和数字信号处理领域中,滤波器应用的场景在很多时候是时变的,也就是说一组滤波器系数组往往不能满足所有场景的需求。于是,人们研究出了自适应的滤波器,即滤波器的系数组是实时计算并调整的。这样,自适应滤波器可以灵活地应对各种情况。然而,自适应滤波器在实际应用中也有其不可忽视的缺点,自适应滤波器的计算量往往比较大,这对设备的省电性能是非常不利的,同时还要占用额外的计算资源和存储资源,增加了硬件成本。
实际上,较为常用的一种折中的方法是,预存储几组不同的滤波器系数组,根据不同的场景选择相应的一组系数组,这样既降低了计算量又能满足不同场景的需求。应用这种方法所需要解决两个主要问题是:i)预存储哪几组系数;ii)预存储系数与各种场景之间的映射关系。
在实际选择过程中,如果采用比较直观的遍历式检测的方法进行选择,其运算量是非常巨大的。以LTE系统中的频域信道估计为例,在给定滤波器结构的情况下,最优的滤波器系数取决于当前信道的时延扩展和信噪比,也即,其应用场景由时延扩展和信噪比共同决定,如果将所有可能的时延扩展和信噪比分别进行量化:i)按照时延扩展对应的RMS Delay(均方根时延)量化为50∶50:(表示以50ns为起始点,50ns为步长进行量化),则1000ns的时延扩展范围量化后得到一共21个值。ii)信噪比SNR量化为-5∶2.5:(表示以-5dB为起始点,2.5为步长进行量化),则30dB的信噪比的范围量化后得到一共15个值。由任一时延扩展的量化参数和任一信噪比的量化参数组成的组合,可以定义一个量化场景,这样,一共可以得到21×15=315个量化场景。这315个量化场景对应着最优的315组滤波系数组。如果在实际应用中预存储8组滤波器系数组,就需要从315组中选择出8组滤波器系数组来覆盖所有的场景,那么可能的组合共有
Figure BSA00000415782800021
种,将超过200万亿种情况。对于如此巨大的数字,如果采用直观的遍历式检验的方式进行选择,巨量运算将耗费大量时间,在实际应用中几乎是不可行的。
发明内容
本发明所要解决的技术问题是提供一种应用于时变系统的预存储滤波器系数组的选择方法和装置,能够以较低的滤波性能损失来覆盖所有的应用场景,并能够极大地降低选择预存储滤波器系数组时的运算量,提高选择效率。
为解决上述技术问题,本发明提供方案如下:
一种时变系统中预存储的滤波器系数组的选择方法,包括:
步骤A,对所述时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数;
步骤B,根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失;
步骤C,根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组;
步骤D,通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
优选地,上述选择方法中,所述步骤D之后还包括:
步骤E,针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
优选地,上述选择方法中,所述步骤A具体包括:
根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
优选地,上述选择方法中,所述步骤B具体包括:
对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组;
根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器;
针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。
优选地,上述选择方法中,
所述确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失,具体是通过滤波仿真或根据滤波器系数生成过程通过理论计算得到的。
优选地,上述选择方法中,所述步骤C具体包括:
生成一滤波性能损失的损失矩阵,所述损失矩阵的元素li,j表示第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失;
对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中;
在所述行号集合中行号的数量大于预存储的滤波器系数组的组数时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
优选地,上述选择方法中,
在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数时,减小所述预定的性能损失容忍门限后,返回所述对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零的步骤。
优选地,上述选择方法中,所述步骤D具体包括:
根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合;
针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值;
选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
本发明还提供了一种时变系统中预存储的滤波器系数组的选择装置,包括:
场景量化器,用于对所述时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数;
性能损失生成器,用于根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失;
滤波器系数组初始选择器,用于根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组;
滤波器系数组二次选择器,用于通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
优选地,上述的选择装置中,还包括:
映射表生成器,用于针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
优选地,上述的选择装置中,
所述场景量化器具体用于:
根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
优选地,上述的选择装置中,
所述性能损失生成器具体用于:
对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组;
根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器;
针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。
优选地,上述的选择装置中,
优选地,所述性能损失生成器进一步用于通过滤波仿真或根据滤波器系数生成过程通过理论计算,得到所述滤波性能损失。
优选地,上述的选择装置中,
所述滤波器系数组初始选择器具体用于:
生成一滤波性能损失的损失矩阵,所述损失矩阵的元素li,j表示第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失;
对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中;
在所述行号集合中行号的数量大于预存储的滤波器系数组的组数时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
优选地,上述的选择装置中,
所述滤波器系数组初始选择器进一步用于在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数时,减小所述预定的性能损失容忍门限后,返回所述对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零的步骤。
优选地,上述的选择装置中,
所述滤波器系数组二次选择器具体用于:
根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合;
针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值;
选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
从以上所述可以看出,本发明提供的预存储滤波器系数组的选择方法和装置,通过两次选择的方式,首先选择出一组待选择的滤波器系数组,进而利用遍历方式,从待选择的滤波器系数组中选择出预存储的滤波器系数组,由于待选择的滤波器系数组的数量要小于量化场景的数量,从而可能的预存储的滤波器系数组的组合也就大大减少,因此本发明实施例可以极大地降低遍历运算量,提高预存储的滤波器系数组的选择效率。并且,本发明实施例在首次选择时根据滤波性能损失是否满足容忍门限来选择出待选择的滤波器系数组,再基于该待选择的滤波器系数组选择出预存储的滤波器系数组,从而能够较低的性能损失来覆盖所有的量化场景,并且能够给出预存储滤波器系数组和所有量化场景之间的映射关系。
附图说明
图1为本发明实施例所述的预存储滤波器系数组的选择方法的流程图;
图2为本发明实施例中引用的通用的滤波器结构的示意图;
图3为本发明实施例所述预存储滤波器系数组的选择装置的结构示意图。
具体实施方式
本发明提供了一种预存储滤波器系数组的选择方法,通过两次筛选的方式进行预存储滤波器系数组选择,在完成相同任务的情况下,极大地降低了运算量,并能够给出M组滤波器系数和所有场景之间的映射关系,以较低的性能损失来覆盖所有的时变场景。
为不失一般性和便于后文描述,首先进行以下定义或说明:
1、假设最终保留的预存储的滤波器系数组的数目为M。
2、假设时变场景由由p1,p2,…pP共P个参数定义,最优的滤波器系数将根据这P个参数生成。即这P个参数既唯一地定义了一个特定的时变场景,也唯一地定义了对应于这一个时变场景的一组最优滤波器系数。
3、如何根据P个参数生成滤波器系数组可以利用现有技术的方法,为节约篇幅,本文中不再赘述。
请参照图1,本发明实施例所述的应用于时变系统的预存储滤波器系数组的选择方法,具体包括以下步骤:
步骤11,对时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数。
步骤12,根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失。
步骤13,根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组。
步骤14,通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
通过以上步骤,本实施例采用两次筛选的方式,最终确定预存储的滤波器系数组,其中第一次筛选是从所有量化场景对应的滤波器系数组中,筛选出数量大于所述第一组数(假设为M)的待选择的滤波器系数组;然后,通过第二次筛选,从待选择的滤波器系数组中,筛选出数量为所述第一组数的预存储的滤波器系数组。可以看出,第二次筛选,是基于第一次筛选所得到的待选择的滤波器系数组进行,其可能的组合共有
Figure BSA00000415782800081
个。而现有技术从所有量化场景对应的滤波器系数组中选择,其可能的组合共有个,N表示所有量化场景的数量。由于待选择的滤波器系数组的数量要小于量化场景的数量,从而可能的预存储的滤波器系数组的组合也就大大减少,因此本实施例可以极大地降低步骤14中的遍历运算量,提高预存储的滤波器系数组的选择效率。
在上述步骤14之后,本实施例还可以进一步包括以下步骤:
步骤15,针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
也就是说,对于一个量化场景,该量化场景所映射的滤波器系数组,是在预存储的滤波器系数组中对于该量化场景具有最小滤波性能损失的滤波器系数组。这样,通过以上步骤15,本实施例给出了M组滤波器系数组和所有量化场景之间的映射关系,进而可以保存这些映射关系,以便于在实际滤波中据此选择合适的滤波器系数组。
为了帮助理解上述步骤,以下对上述步骤做进一步的说明。
上述步骤11具体包括:
步骤111,根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
步骤112,根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
本实施例中,可以根据每个量化场景的量化参数组,生成该量化场景对应的滤波器系数组,确定该量化场景对应的滤波器。
对于时变场景来说,通过P个参数可以定义无限多个时变场景,然而在实际的预存储滤波器系数组选择过程中,只能对有限个场景进行处理。本实施例通过以上步骤11,对可能的时变场景进行量化,得到量化场景,具体来说,是对用于定义时变场景的各个参数进行量化。即对于参数pk,k∈[1,P],将其可能值从小到大依次量化为k∈[1,P],为其最小可能值,
Figure BSA00000415782800093
为其最大可能值,Nk表示参数pk量化后能够得到的量化值的个数。每一个量化场景由nk∈[1,Nk],k=1,2,…P唯一确定。籍此,可将所有可能场景量化为
Figure BSA00000415782800095
个场景。
例如,以LTE系统中的频域信道估计为例,在给定滤波器结构的情况下,最优的滤波器系数取决于当前信道的时延扩展和信噪比,也即,其时变场景由时延扩展和信噪比这两个参数共同决定。每个参数都有一个取值范围,例如,小区半径决定了时延扩展的取值范围,基于现有技术中的小区半径,时延扩展的取值范围大概在0~5000ns(该时延扩展对应的RMS delay大约在0~1000ns)。再例如,对于当前信道的信噪比,则可以根据系统正常工作时要求的最低信噪比,作为信噪比的下限(最低信噪比可以根据相关技术标准或设备参数查找的);再根据没有噪声的理想情况下(可以考虑电路板的热噪声)信道的信噪比,来确定最高信噪比,作为信噪比的上限。对于其它各种参数,本领域技术人员都能够根据影响该参数的因素或相关技术标准,确定该参数的一个可能的取值范围,此处不再一一赘述。
对于LTE系统中的频域信道估计,如果:i)按照时延扩展RMS Delay量化为50∶50:(表示以50ns为起始点,50ns为步长进行量化),则0~1000ns的时延扩展范围量化后得到一共21个值。ii)信噪比SNR量化为-5∶2.5:(表示以-5dB为起始点,2.5为步长进行量化),则-5dB~25dB的信噪比的范围量化后得到一共15个值。每个量化场景由任一时延扩展的量化参数和任一信噪比的量化参数组成的组合所定义,这样可以定义得到21×15=315个量化场景,每个量化场景唯一对应于一组量化参数组。
上述步骤12具体包括:
步骤121,对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组。这里,根据量化参数组,确定对应的滤波器系数组,可以按照现有技术的根据参数确定对应的滤波器系数的方式进行确定。
步骤122,根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器。
步骤123,针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。这里,滤波性能损失可以通过滤波仿真或根据滤波器系数生成过程通过理论计算得到的,以下分别举例说明:
假设li,j,i,j∈[1,N]表示用第i个场景对应的滤波器对第j个场景进行滤波所引起的滤波性能损失。所谓通过仿真得到性能损失矩阵,可按照如下方式得到:
1)使用第i个量化场景对应于滤波器系数对第j个量化场景进行滤波,得到滤波输出的信噪比为SNRi,j,i,j∈[1,N];使用第j个量化场景对应于滤波器系数对第j个量化场景进行滤波,得到滤波输出的信噪比为SNRj,j,j∈[1,N]。
2)如果信噪比用dB表示,则li,j=SNRj,j-SNRi,j,i,j∈[1,N];如果信噪比用线性值表示,则
Figure BSA00000415782800101
i,j∈[1,N]
所谓根据滤波器系数生成过程通过理论计算得到,请参考图2所示的通用的滤波器结构,其中包括多个延迟单元22和多个加法器21,用于对输入信号X(n)进行滤波处理,得到滤波后的输出信号Y(n)。图2中,a1、a2...ap为反馈环路的系数,b1、b2...bQ为前向通路的系数,这里,ap中的下标P表示滤波器中横向结构网络的阶数,即横向结构网络由P个前向通路构成,需要P个延迟单元22,bQ中的下标Q表示滤波器中反馈网络的阶数,即反馈网络由Q个反馈环路构成,需要Q个延迟单元22。图2表示以下的滤波过程,可以用以下公式表示:
Y ( n ) = Σ p = 1 P b p · X ( n - p ) + Σ q = 1 Q a q Y ( n - q )
通过理论计算具体可按照如下方式得到:
1)计算使用第i个量化场景对应的滤波器对第j个量化场景进行滤波所引起的误差ei,j
e i , j = E [ | h - h ^ | 2 ]
= E [ | h - W ( i ) · X | 2 ]
= E [ | h | 2 ] - 2 Re ( E [ h * W ( i ) · X ] ) + E [ | W ( i ) · X | 2 ]
= 1 - 2 Re ( W ( i ) · ( R OI ( j ) ) H ) + ( W ( i ) ) H ( R II ( j ) ) W ( i )
i,j∈[1,N]
上式中:h表示滤波样点Y(n)对应的理想值,
Figure BSA00000415782800116
表示滤波样点的实际滤波输出的值,即图2中的Y(n);X表示输入信号X(n);W(i)表示用于第i个量化场景对应的滤波器系数组;W(i)=[b1,b2,…bP,a1,a2,…aQ],这里表示为一个行向量;
Figure BSA00000415782800117
表示第j个量化场景下用于计算输出Y(n)的输入样点的自相关矩阵,即
Figure BSA00000415782800118
这里列向量I=[X(n),X(n-1),…X(n-P),Y(n-1),Y(n-2),…Y(n-Q)]T,(·)l表示转置运算;
Figure BSA00000415782800119
表示第j个量化场景下向量I与h的互相关向量,
Figure BSA000004157828001110
是一个列向量。
2)
Figure BSA000004157828001111
i,j∈[1,N],li,j可以使用线性值,也可进一步转化为dB值。
上述步骤13具体包括:
步骤131,生成一滤波性能损失的损失矩阵L,所述损失矩阵的元素li,j,i,j∈[1,N]表示位于损失矩阵L第i行第j列的元素,其含义为第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失。
步骤132,对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:
从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;
在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中。
步骤133,在所述行号集合中行号的数量大于预存储的滤波器系数组的组数(M)时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
步骤134,在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数(M)时,减小所述预定的性能损失容忍门限后,返回步骤132。
步骤13根据性能损失矩阵L和容忍门限ρ来确定出初始的M′(M′通常会大于M)组滤波器系数组。这里的容忍门限ρ是指,用第i个量化场景对应的滤波器对第j个量化场景进行滤波时,所能容忍的的最大的滤波性能损失。该门限是用来保证通过初始选择得到的M′组滤波器系数在覆盖所有量化场景时,所引入的最大性能损失不会超过ρ。这里,上述步骤131~134具体可以通过以下的矩阵操作来实现:
步骤1,定义一个标志矩阵F,其大小为N×N,标志矩阵中的元素fi,j,i,j∈[1,N]表示位于标志矩阵F第i行第j列的元素。根据损失矩阵L和容忍门限ρ对标志矩阵中的元素进行初始置位,当li,j小于容忍门限ρ时,即用第i个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失小于容忍门限ρ时,将标志矩阵中的相应位置的fi,j置1,反之则置0。具体可用如下伪代码表示:
Figure BSA00000415782800131
步骤2,选择初始的M′组的待选择的滤波器系数组,步骤2具体又可以包括以下步骤:
步骤A,判断标志矩阵F中是否存在不为0的元素,若是,则进入步骤B;否则进入步骤D;
步骤B,从标志矩阵F中选择出具有最大的元素和值Q的一行,将该行的行号记录到行号集合iniIdxArray(m)中,并将该行上所有不为0的元素的列号记录到列号集合idxMapped中,然后进入步骤C。
步骤C,根据列号集合记录的列号,对标志矩阵F中的元素进行置位处理,所述置位处理包括:将标志矩阵F中列号等于列号集合记录的列号的列上的所有元素置0,以及将标志矩阵F中行号等于列号集合记录的列号的行上的所有元素置0,然后返回步骤A。
步骤D,判断行号集合中记录的行号的数量是否大于预存储的滤波器系数组的组数(M),若是,则进入步骤E,否则,减小所述容忍门限ρ后返回步骤1。
这里,减小容忍门限ρ,可以使得行号集合中记录的行号的数量增加。由于行号集合中记录的行号的数量即是待选择的滤波器系数组的数量M′,M′越大,后续的运算量也就越大,即容忍门限ρ越大,滤波性能要求就越低,而后续计算量越小;容忍门限ρ越小,滤波性能要求就越高,而后续计算量越大。因此,可以综合考虑系统的滤波性能需求和后续的运算量来设定。
步骤E,确定行号集合中记录的行号对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。例如,在行号集合中记录的行号记录的行号包括3、5、27、122等行号时,则这些行号对应的量化场景包括第3、5、27、122等量化场景,于是可以根据这些量化场景的量化参数组,确定这些量化场景对应的滤波器系数组,得到待选择的滤波器系数组。
上述步骤2具体可用如下伪代码表示:
Figure BSA00000415782800141
通过滤波器系数组初始选择器,M′个待选择的滤波器系数组的序号记录在数组iniIdxArray中。如果M′小于M可以将容忍门限换成一个更小的值,重复步骤1和2,直至M′大于或等于M。
上述步骤14具体包括:
步骤141,根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合。
步骤142,针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值。
步骤143,选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
上述步骤14是从M′个滤波器系数组中选出M组用于预存储,因此共有
Figure BSA00000415782800142
种可能的组合方式。这里通过对所有可能的组合进行遍历式检验,找到最佳的M个用于预存储的滤波器系数组。具体过程可用如下伪代码表示如下:
这样,通过以上步骤14进行滤波器系数组的二次筛选,最佳的M个预存储的滤波器系数组就被选择出来了。
上述步骤15用以生成量化场景与预存储的滤波器系数组中的滤波器系数组之间的映射关系,该映射关系可以根据性能损失矩阵L确定下来,也即在预存储的滤波器系数组中,找到对于每一个量化场景的滤波性能损失最小的一组的滤波器系数组,作为该量化场景所映射的滤波器系数组。这里通过映射表T的形式表示出来。具体可用如下伪代码表示如下:
for j=1:N
kmm=arg min(lk,j),k∈idxArrayBest
T(j)=kmm
end
以上介绍了本实施例所述的时变系统中预存储滤波器系数组的选择方法,基于以上选择方法,本发明实施例还提供了一种时变系统中预存储滤波器系数组的选择装置,请参照图3,所述选择装置具体包括:
场景量化器,用于对所述时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数;
性能损失生成器,用于根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失;
滤波器系数组初始选择器,用于根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组;
滤波器系数组二次选择器,用于通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
优选地,所述选择装置还可以包括:映射表生成器,用于针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
优选地,所述场景量化器具体用于:
根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
优选地,所述性能损失生成器具体用于:
对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组;
根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器;
针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。
优选地,所述性能损失生成器进一步用于通过滤波仿真或根据滤波器系数生成过程通过理论计算,得到所述滤波性能损失。
优选地,所述滤波器系数组初始选择器具体用于:
生成一滤波性能损失的损失矩阵,所述损失矩阵的元素li,j表示第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失;
对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中;
在所述行号集合中行号的数量大于预存储的滤波器系数组的组数时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
优选地,所述滤波器系数组初始选择器进一步用于在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数时,减小所述预定的性能损失容忍门限后,返回所述对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零的步骤。
优选地,所述滤波器系数组二次选择器具体用于:
根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合;
针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值;
选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
以上所述仅是本发明的实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (16)

1.一种时变系统中预存储的滤波器系数组的选择方法,其特征在于,包括:
步骤A,对所述时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数;
步骤B,根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失;
步骤C,根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组;
步骤D,通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
2.如权利要求1所述的选择方法,其特征在于,所述步骤D之后还包括:
步骤E,针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
3.如权利要求1所述的选择方法,其特征在于,所述步骤A具体包括:
根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
4.如权利要求3所述的选择方法,其特征在于,所述步骤B具体包括:
对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组;
根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器;
针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。
5.如权利要求4所述的选择方法,其特征在于,
所述确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失,具体是通过滤波仿真或根据滤波器系数生成过程通过理论计算得到的。
6.如权利要求1所述的选择方法,其特征在于,所述步骤C具体包括:
生成一滤波性能损失的损失矩阵,所述损失矩阵的元素li,j表示第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失;
对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中;
在所述行号集合中行号的数量大于预存储的滤波器系数组的组数时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
7.如权利要求6所述的选择方法,其特征在于,
在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数时,减小所述预定的性能损失容忍门限后,返回所述对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零的步骤。
8.如权利要求1所述的选择方法,其特征在于,所述步骤D具体包括:
根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合;
针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值;
选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
9.一种时变系统中预存储的滤波器系数组的选择装置,其特征在于,包括:
场景量化器,用于对所述时变系统中定义时变场景的每个参数进行量化,获得由量化参数组所定义的量化场景,每个量化参数组包括有所述每个参数量化后得到的量化参数;
性能损失生成器,用于根据所获得的量化场景和预定的滤波器结构,确定每一量化场景对应的滤波器系数组,以及采用具有该滤波器系数组的滤波器对所有量化场景分别进行滤波所引起的滤波性能损失;
滤波器系数组初始选择器,用于根据所述滤波性能损失,选择出数量大于预存储的滤波器系数组的第一组数的待选择的量化场景,将该待选择的量化场景对应的滤波器系数组作为待选择的滤波器系数组;
滤波器系数组二次选择器,用于通过遍历方式,从待选择的滤波器系数组中选择出针对所有量化场景具有最佳滤波性能的、组数等于所述第一组数的滤波器系数组,作为所述预存储的滤波器系数组。
10.如权利要求9所述的选择装置,其特征在于,还包括:
映射表生成器,用于针对每一量化场景,通过遍历方式,获得采用所述预存储的滤波器系数组中的每一滤波器系数组对应的滤波器,对该量化场景分别进行滤波所能够获得的最小滤波性能损失,进而建立该最小性能损失对应的滤波器系数组与该量化场景之间的映射关系。
11.如权利要求9所述的选择装置,其特征在于,
所述场景量化器具体用于:
根据所述时变系统中定义时变场景的每个参数的取值范围,对每个参数分别进行量化,得到量化后的量化参数;
根据量化后的量化参数,确定由量化参数组所定义的量化场景,其中,每个量化参数组唯一对应于一个量化场景。
12.如权利要求11所述的选择装置,其特征在于,
所述性能损失生成器具体用于:
对于预定的滤波器结构,根据每个量化场景对应的量化参数组,确定每个量化场景对应的滤波器系数组;
根据每个量化场景对应的滤波器系数组,确定每个量化场景对应的滤波器;
针对每一量化场景,确定采用任一量化场景对应的滤波器对该每一量化场景进行滤波,相对于采用该每一量化场景对应的滤波器对该每一量化场景进行滤波所引起的滤波性能损失。
13.如权利要求12所述的选择装置,其特征在于,
优选地,所述性能损失生成器进一步用于通过滤波仿真或根据滤波器系数生成过程通过理论计算,得到所述滤波性能损失。
14.如权利要求9所述的选择装置,其特征在于,
所述滤波器系数组初始选择器具体用于:
生成一滤波性能损失的损失矩阵,所述损失矩阵的元素li,j表示第i个量化场景对应的滤波器对第j个量化场景进行滤波,相对于第j个量化场景对应的滤波器对第j个量化场景进行滤波所引起的性能损失;
对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零,其中,每次选择处理具体包括:从损失矩阵中剔除列号集合所涉及的所有列上的元素,以及剔除与所述列号集合的值相等的所有行上的元素,得到本次选择处理的选择基础;在本次选择处理的选择基础上,选择出具有最多的、符合预定的性能损失容忍门限要求的元素的行,将该行的行号增加到行号集合中,同时将该行上符合所述性能损失容忍门限要求的所有元素的列号增加到列号集合中;
在所述行号集合中行号的数量大于预存储的滤波器系数组的组数时,确定所述行号集合中所有行号所对应的量化场景的集合,进而根据所述量化场景的集合中所有量化场景的量化参数组,确定对应的滤波器系数组,得到一组待选择的滤波器系数组。
15.如权利要求14所述的选择装置,其特征在于,
所述滤波器系数组初始选择器进一步用于在所述行号集合中行号的数量小于或等于预存储的滤波器系数组的组数时,减小所述预定的性能损失容忍门限后,返回所述对选择基础进行一次以上的选择处理,直至选择基础中符合预定的性能损失容忍门限要求的元素的数目为零的步骤。
16.如权利要求9所述的选择装置,其特征在于,
所述滤波器系数组二次选择器具体用于:
根据预存储的滤波器系数组的组数,从所述待选择滤波器系数组选择出预存储的滤波器系数组的所有可能的组合;
针对每一组合,通过遍历方式,确定该每一组合中的每一滤波器系数组对应的滤波器对每一量化场景分别进行滤波所能够获得的最小性能损失,计算该每一组合针对所有量化场景所能获得的最小性能损失的和值;
选择出最小的所述和值所对应的组合,作为预存储的滤波器系数组。
CN201010624297.0A 2010-12-31 2010-12-31 时变系统中预存储滤波器系数组的选择方法及装置 Expired - Fee Related CN102158199B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201010624297.0A CN102158199B (zh) 2010-12-31 2010-12-31 时变系统中预存储滤波器系数组的选择方法及装置
PCT/CN2011/084904 WO2012089140A1 (zh) 2010-12-31 2011-12-29 时变系统中预存储滤波器系数组的选择方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010624297.0A CN102158199B (zh) 2010-12-31 2010-12-31 时变系统中预存储滤波器系数组的选择方法及装置

Publications (2)

Publication Number Publication Date
CN102158199A true CN102158199A (zh) 2011-08-17
CN102158199B CN102158199B (zh) 2014-02-19

Family

ID=44439425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010624297.0A Expired - Fee Related CN102158199B (zh) 2010-12-31 2010-12-31 时变系统中预存储滤波器系数组的选择方法及装置

Country Status (2)

Country Link
CN (1) CN102158199B (zh)
WO (1) WO2012089140A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012089140A1 (zh) * 2010-12-31 2012-07-05 意法·爱立信半导体(北京)有限公司 时变系统中预存储滤波器系数组的选择方法及装置
CN106330133A (zh) * 2016-08-11 2017-01-11 哈尔滨工业大学 一种时变数字滤波器的实现方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107733830B (zh) * 2016-08-12 2021-12-10 中兴通讯股份有限公司 一种多载波信号产生的方法、装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6778601B2 (en) * 2000-02-17 2004-08-17 Alpine Electronics, Inc. Adaptive audio equalizer apparatus and method of determining filter coefficient
CN101065909A (zh) * 2004-12-09 2007-10-31 美商内数位科技公司 低复杂性适应信道估算
CN101156123A (zh) * 2005-04-04 2008-04-02 大动力公司 具有预置滤波器系数的数字脉宽调制控制器
CN101315772A (zh) * 2008-07-17 2008-12-03 上海交通大学 基于维纳滤波的语音混响消减方法
CN101702696A (zh) * 2009-11-25 2010-05-05 北京天碁科技有限公司 信道估计的实现方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158199B (zh) * 2010-12-31 2014-02-19 意法·爱立信半导体(北京)有限公司 时变系统中预存储滤波器系数组的选择方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6778601B2 (en) * 2000-02-17 2004-08-17 Alpine Electronics, Inc. Adaptive audio equalizer apparatus and method of determining filter coefficient
CN101065909A (zh) * 2004-12-09 2007-10-31 美商内数位科技公司 低复杂性适应信道估算
CN101156123A (zh) * 2005-04-04 2008-04-02 大动力公司 具有预置滤波器系数的数字脉宽调制控制器
CN101315772A (zh) * 2008-07-17 2008-12-03 上海交通大学 基于维纳滤波的语音混响消减方法
CN101702696A (zh) * 2009-11-25 2010-05-05 北京天碁科技有限公司 信道估计的实现方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012089140A1 (zh) * 2010-12-31 2012-07-05 意法·爱立信半导体(北京)有限公司 时变系统中预存储滤波器系数组的选择方法及装置
CN106330133A (zh) * 2016-08-11 2017-01-11 哈尔滨工业大学 一种时变数字滤波器的实现方法
CN106330133B (zh) * 2016-08-11 2019-03-26 哈尔滨工业大学 一种时变数字滤波器的实现方法

Also Published As

Publication number Publication date
CN102158199B (zh) 2014-02-19
WO2012089140A1 (zh) 2012-07-05

Similar Documents

Publication Publication Date Title
CN110190879B (zh) 基于低精度adc大规模mimo系统的能效优化方法
Karagiannidis et al. Equal-gain and maximal-ratio combining over nonidentical Weibull fading channels
CN101667896B (zh) 基于码本的多用户mimo通信系统的用户选择方法
CN1097358C (zh) 通信系统中利用相干解调和判决引导信道估计的方法和设备
CN102232319B (zh) 多址接入通信系统的方法和装置
CN103997395B (zh) 基于mimo雷达通信一体化信号的变进制编解码方法
CN104980389A (zh) 适用非正交多址系统的新用户差异性选择接入方法
CN106878226B (zh) 一种多用户多载波稀疏扩频序列的优化设计方法及系统
DE20211598U1 (de) Apparat für die Steuerung der Übertragungsleistung in einem Kommunikationssystem
CN108600999A (zh) Fd-d2d基于信道分配与功率控制联合优化方法
CN102158199B (zh) 时变系统中预存储滤波器系数组的选择方法及装置
CN108777855A (zh) 应用于das的功率分配方法、装置及计算机可读存储介质
CN105959004B (zh) 一种基于大规模mimo的单精度adc自适应门限量化方法
CN103227819B (zh) 机器类通信中业务数据的传输方法及系统、基站和ue
CN103297112A (zh) 一种利用分布式天线接收数据的方法及装置
CN112822138B (zh) 一种cpg资源的调度方法和装置
CN107196722B (zh) 一种自适应压缩频谱感知方法
KR101968704B1 (ko) 다중 안테나 통신 시스템에서의 전송 파워 결정 방법 및 장치
CN110247693B (zh) 一种信号处理方法、多级分布式天线系统及存储介质
CN103051420A (zh) 一种mimo系统码本生成方法
CN1688119A (zh) 基于加权展开的ds-cdma系统多用户检测方法
CN106230755B (zh) 一种mimo系统信道估计方法和装置
CN104321973A (zh) 无线通信方法、用户设备、基站及系统
CN100591058C (zh) 一种信号削波装置及方法
CN103825848A (zh) 一种电力线通信系统中信号干扰噪声比的盲估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140219

Termination date: 20181231