CN102884729A - 用于在dsm3环境中实施多传感器接收机的系统和方法 - Google Patents

Abstract

根据一个实施例，在矢量化系统中实施一种方法以改善系统中受害线上的远端发送信号的信噪比（SNR）。该方法包括由所述矢量化系统基于自FEXT减轻系数减轻所述受害线上的自感应远端串扰（自FEXT）以及由第二传感器接收与以下至少一项相关的信息：矢量化系统的自FEXT、外部噪声和远端发送信号。所述方法还包括在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数以及基于所学习的系数从所述第二传感器移除自FEXT。在从所述第二传感器移除自FEXT后，学习被配置成组合与所述受害线和所述第二线相关的信息的线性组合器。

Description

用于在DSM3环境中实施多传感器接收机的系统和方法

对相关申请的交叉引用

本申请要求享有2010年3月23日提交的名称为“Dual SensorXtalk Canceller in a DSM3Environment”的美国临时专利申请No.61/316,606的优先权和权益，通过引用将其全文并入。

技术领域

本公开总体上涉及数字用户线系统，且具体涉及双传感器串扰消除的实施。

背景技术

近年来，响应于对高速因特网访问的需求，数字用户线（xDSL）技术已经发展起来。xDSL技术利用了原先存在的电话系统的通信介质。于是，对于xDSL兼容的客户驻地来说，普通的老式电话系统（POTS）和xDSL系统都共享公共线。类似地，其他业务，例如时间压缩多路复用（TCM）综合业务数字网络（ISDN）也能够与xDSL和POTS共享公共线。

根据业务请求在电话线缆之内分配导线对通常导致导线对利用的随机分布，很少有实际配置的精确记录。因为成束的线缆物理上接近（由于对绞、线缆分支、线缆编接等原因），由相邻线之间的电磁干扰导致的串扰常常是传输环境中的主要噪声源。此外，由于发生线缆分支和编接的线缆中的对绞，导线对可能在其长度的不同部分中与很多不同导线对密切接近。在电话CO（中心局）处，密切接近的导线对可以利用各种调制方案承载多种业务，其中尤其对于长度相当不同的导线对而言，信号电平（和接收机灵敏度）有显著差异。

一般有两种所表征的串扰机制，一种是FEXT，另一种是近端串扰（NEXT）。FEXT是指在被干扰的导线对上的接收机位于作为进行干扰的导线对的发射机的通信线的远端时发生的电磁耦合。自感应远端串扰（自FEXT）一般是指由为与受影响线或“受害线”相同类型的业务提供的相邻线导致的干扰。与之相对照的是，NEXT源于连接在导线对一端处的干扰源，该导线对在与干扰源相同的端处的消息信道中造成干扰。当前解决串扰的方法有各种能察觉到的缺点。尽管矢量化系统在解决诸如自FEXT的干扰方面是有效的，但诸如射频干扰（RFI）、电力线通信（PLC）、共模噪声和脉冲噪声的各种干扰仍然是问题。

发明内容

描述了各实施例。一个实施例是一种在矢量化系统中实施以改善所述系统中受害线上的远端发送信号的信噪比（SNR）的方法。所述方法包括：由所述矢量化系统基于自FEXT减轻系数减轻所述受害线上的自感应远端串扰（自FEXT）；以及由第二传感器接收与以下至少一项相关的信息：所述矢量化系统的自FEXT、外部噪声和所述远端发送信号。所述方法还包括：在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数；以及基于所学习的系数从所述第二传感器移除自FEXT。在从所述第二传感器移除自FEXT后，学习被配置成组合与所述受害线和第二线相关的信息的线性组合器。所述方法还包括：应用所学习的线性组合器；以及在应用所学习的线性组合器之后，重新调节所述自FEXT减轻系数以移除所述受害线上的任何残留自FEXT。

根据另一实施例，一种用于改善系统中的受害线上的远端发送信号的信噪比（SNR）的方法包括：由所述受害线接收如下至少一项：所述矢量化系统的自感应远端串扰（自FEXT）、外部噪声和所述远端发送信号；以及由第二传感器接收以下至少一项：所述矢量化系统的自FEXT、外部噪声和所述远端发送信号。所述方法还包括：在所述受害线处学习与耦合到主线中的自FEXT相关的系数，其中，基于所述系统中发送的已知训练模式序列执行学习；以及在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数，其中，基于所述系统中发送的已知训练模式序列执行学习。所述方法还包括：在所述受害线处基于所学习的系数从所述主线移除自FEXT；以及在所述第二传感器处基于所学习的系数从所述第二传感器移除自FEXT。在从所述主线和所述第二传感器都移除自FEXT后，学习线性组合器，所述线性组合器被配置成组合与所述受害线和所述第二传感器相关的信息。所述方法还包括应用所学习的线性组合器；以及学习自FEXT减轻系数并在所述受害线上执行噪声减轻以消除所述受害线上的自FEXT。

另一实施例是一种被配置成改善受害线上的远端发送信号的信噪比（SNR）的矢量化系统，其包括：远端串扰（FEXT）减轻器，其被配置成基于自FEXT减轻系数减轻所述受害线上的自感应远端串扰（自FEXT）；耦合到所述受害线的第一传感器；以及第二传感器，所述第二传感器被配置成接收与以下至少一项相关的信息：所述矢量化系统、外部噪声和所述受害线上的所述远端发送信号。所述第二传感器还被配置成学习与耦合到所述第二传感器中的自FEXT相关的系数并基于所学习的系数移除自FEXT。所述系统还包括被配置成在从所述第二传感器移除自FEXT后进行学习的线性组合器，其中，所述线性组合器被配置成组合与所述受害线和所述第二线相关的信息，其中，所述FEXT减轻器还被配置成在应用所学习的线性组合器之后，重新调节所述自FEXT减轻系数以移除所述受害线上的任何残留自FEXT。

另一实施例是一种在客户端设备（CPE）中实施以改善受害线上的远端发送信号的信噪比（SNR）的方法。所述方法包括：由所述受害线接收如下一项或多项：所述远端发送信号、矢量化系统的自感应远端串扰（自FEXT）和外部噪声。所述方法还包括由第二传感器接收如下一项或多项：所述远端发送信号、矢量化系统的自感应远端串扰（自FEXT）和外部噪声。基于自FEXT的存在，在所述受害线处学习与耦合到所述受害线中的自FEXT相关的系数。所述方法还包括在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数。响应于自FEXT的存在，基于所学习的系数从所述受害线移除自FEXT。基于所学习的系数从所述第二传感器移除自FEXT。在从所述第二传感器移除自FEXT后，学习被配置成组合与所述受害线和第二线相关的信息的线性组合器。所述方法还包括应用所学习的线性组合器。

另一实施例是一种用于改善受害线上的远端发送信号的信噪比（SNR）的矢量化系统中的客户端设备（CPE）单元。所述CPE包括耦合到所述受害线的第一传感器，所述第一传感器被配置成学习与耦合到所述第一传感器中的自感应远端串扰（自FEXT）相关的系数并基于所学习的系数移除自FEXT。所述CPE还包括第二传感器，其被配置成接收与如下至少一项相关的信息：所述矢量化系统、外部噪声和所述受害线上的所述远端发送信号，所述第二传感器还被配置成学习与耦合到所述第二传感器中的自FEXT相关的系数以及基于所学习的系数移除自FEXT。所述CPE还包括线性组合器，其被配置成在从所述第一传感器和所述第二传感器移除自FEXT后进行学习，其中，所述线性组合器被配置成组合与所述受害线和所述第二传感器相关的信息。

在研究以下附图和详细描述后，本公开的其他系统、方法、特征和优点对于本领域的技术人员而言将是显而易见的或者将变得显而易见。意图在于，使所有这样的额外系统、方法、特征和优点包括在本说明书之内、在本公开的范围之内并受到所附权利要求的保护。

附图说明

参考以下附图可以更好地理解本公开的很多方面。附图中的部件未必成比例，相反重点放在清楚地说明本公开的原理上。此外，在附图中，全部几幅图中类似的附图标记表示对应的部分。

图1示出了实施双传感器配置的实施例的通信系统。

图2是图1的系统中所示的CPE的实施例。

图3是图2中所示的接收机的实施例。

图4A示出了第二传感器的实施例，其包括耦合到与受害线在相同束中的另一线的差模传感器。

图4B示出了第二传感器的替代实施例，其包括耦合在包括双绞线对的受害线和地之间的公共传感器。

图5是用于利用双传感器配置减轻外来噪声或组合各种接收信息的根据一个实施例的流程图。

图6是用于利用双传感器配置减轻外来噪声或组合各种接收信息的根据另一实施例的流程图。

图7是用于利用双传感器配置减轻外来噪声或组合各种接收信息的根据又一实施例的流程图。

具体实施方式

已经总结了本公开的各方面，现在将详细参考附图中所示的公开的描述。尽管将结合这些图描述本公开，但并非意图将其限制到这里公开的实施例。相反，意图要涵盖由所附权利要求限定的本公开的精神和范围之内包括的所有替代方案、修改和等同方案。

公开了各种实施例，涉及在矢量环境中的接收机处使用第二传感器，其中接收机实现于中心局（CO）或在客户端设备（CPE）处。根据一些实施例，在第二传感器捕获的信息与噪声相关时，第二传感器与噪声消除器一起使用。在第二传感器承载的信息与有用发送信息相关时，也可以在分集接收机的背景中使用第二传感器。应当进一步强调的是，第二传感器也可以在由该传感器接收的信息与外部噪声和有用信号相关时被使用。针对位于下游数据路径的客户端设备（CPE）处的外来噪声消除器描述双传感器接收机的实施例。不过，要注意，所描述的概念可以扩展到分集接收机或基于第二传感器的任何其他类型的联合接收机配置。还可以将概念扩展到接收机位于CO侧的上游路径。最后，还应当指出，也可以将与一个传感器和一个受害线相关的概念扩展，以应用于由同一接收机使用的多个受害线和多个传感器。就此而言，可以对这里描述的实施例做出变化和修改而不脱离本公开的原理。

在甚高速数字用户线（VDSL）系统中，串扰一般是很大的关注点。尽管通过构造往往可以忽略近端串扰（NEXT），但自感应远端串扰（自FEXT）通常是VDSL系统中的主要大频带噪声。虽然如此，已经通过引入束间的矢量解解决了自FEXT。参考图1，其示出了矢量环境中的通信系统。一种矢量化方法例如涉及减少多输入多输出（MIMO）数字用户线（xDSL）系统中的自感应远端串扰（自FEXT）。

由于VDSL2系统一般共享同样的双绞线对线缆束，所以可以减轻自FEXT噪声。对于上游方向，通过在频率均衡器（FEQ）前或后在频域中在中心局（CO）处的每音调联合消除器执行自FEXT减轻。可以在2008年5月20日提交的名称为“System and Method forMitigating the Effects of Upstream Far-End Cross-Talk”的美国专利No.7,835,368中找到关于自FEXT噪声减轻技术的额外细节，在此通过引用将其全文并入。对于下游路径中的自FEXT消除，使用联合消除器是不相关的，因为客户端设备（CPE）不共址。结果，通常选择预编码方法，这意味着通过预补偿在发射机处消除自FEXT噪声。在2007年8月25日提交的名称为“Systems and Methods for MIMOprecoding in an xDSLSystem”的美国申请No.11/845,040中描述了关于xDSL系统中的MIMO预编码的额外细节，在此也通过引用将其全文并入。出于本公开的目的，自FEXT减轻一般涉及矢量化系统中的矢量化自FEXT噪声消除技术。

尽管矢量化系统在解决诸如自FEXT的干扰方面是有效的，但诸如非矢量化VDSL2FEXT、射频干扰（RFI）、电力线通信（PLC）、共模噪声和脉冲噪声的各种干扰仍然是问题，因为矢量化对于减轻这些干扰源而言并不有效。这样的干扰源一般位于频谱中，并且通信系统一般经受这些干扰源中的一个或两个。在双绞线对共享同一线缆束时，矢量化系统并非始终达到最佳性能（优化以解决背景噪声问题），因为外部噪声也可以影响系统。

为了消除或补偿这种噪声，可以结合由第二传感器接收的信息使用每音调双传感器接收机（DSR），其中DSR工作于频域中，以解决外部干扰源。如上所述，也可以将与一个传感器相关的概念扩展，以应用于由同一接收机使用的多个传感器。有可能具有都同时受到同一噪声影响的主受害路径和第二路径。该第二传感器例如可以是与受害线或共模传感器在相同束中的差模双绞线对空闲线。为了进一步说明，参考图4A和4B。图4A示出了耦合到与受害线在相同束中的另一线的差模传感器。图4B示出了耦合在包括受害线的双绞线对和地之间的公共传感器。在2001年3月15日提交的名称为“System and Methodfor Canceling Crosstalk”的美国专利No.6,999,504中公开了关于使用共模信号以获得可用于更好地近似发送信号的额外信息的额外细节，在此通过引用将其全文并入。上述双传感器接收机的一个限制是超过一个或两个干扰源的存在在信号开始呈现出类似于白噪声的属性时变成问题，这导致接收机处的分集减少。这最终导致性能降低。由于噪声通常位于特定频谱中，通常建议使用频率方法（或FFT算符之后的每个音调）。

图1中的CPE 110包括FEXT减轻器106和接收机204，其中接收机204被配置成在140b、c的自FEXT干扰下从CO 130处的收发器140a接收数据。参考图3，图3提供了图1中的接收机204的详细视图。这里描述的频率方法一般需要以比主流信息适当的方式处理由第二传感器（例如共模传感器）接收的信息，直到输出快速傅里叶变换（FFT）算符为止。按照该次序，保存数据流的同步，并从而一般维持两个流上的信号的相关性。在一些特定情况下，如在分集接收机的情况下，需要对时域信号去同步，以便使信噪比（SNR）最大化。

如图3中所示，接收机204包括各种模块。向接收信号应用滤波器302a、302b（例如模拟和数字的），以便增加有用频带中的接收信号的动态范围。由于信道可以引入大量的符号间干扰（ISI），接收机204还包括时间均衡器（TEQ）304a，其被配置成将信道脉冲响应缩短到循环扩展长度。TEQ 304a被学习并应用于下游直接路径。然后在第二传感器（TEQ 304b）的处理路径上再现这个TEQ 304a。在利用循环扩展模块306a、306b移除两个接收信号上的循环扩展之后，由FFT块308a、308b执行FFT运算，并将接收信号转发到双传感器接收机（DSR）310并继续转发到解码器312。

图2示出了图1中的CPE 110的实施例。除了接收机204和第二传感器206之外，CPE 110还可以包括处理器202、可以包括易失性和/或非易失性存储部件的存储部件212以及诸如海量存储器的数据存储器228，其通过本地接口210通信耦合。本地接口210可以包括其他元件，例如控制器、缓存（高速缓冲存储器）、驱动器、中继器和接收机，以能够进行通信。此外，本地接口210可以包括地址、控制和/或数据连接，以在上述部件202、212、228之间实现适当的通信。

CPE 110中的处理器202被配置成执行在有形存储介质上存储的软件，该有形存储介质例如是存储部件212。处理器202可以是任何定制或市售的处理器、中央处理单元（CPU）、若干处理器之间的辅助处理器、基于半导体的微处理器（形式为微芯片或芯片组）、宏处理器或一般为用于执行软件指令的任何装置。存储部件212可以包括易失性存储元件（例如，随机存取存储器（RAM，如DRAM、SRAM、SDRAM等））和/或非易失性存储元件（例如ROM、硬盘驱动器、磁带、CDROM等）的任一种或组合。此外，存储部件212可以包含电子、磁、光和/或其他类型的存储介质。应当指出，存储部件212的一些实施例可以具有分布式架构（其中各部件彼此远离），但可以由处理器202存取。

在存储部件212上存储的软件可以包括一个或多个独立的程序，每个程序包括用于实施逻辑功能的可执行指令的有序列表。例如，存储部件中的软件可以包括操作系统214。此外，存储器中驻留的软件可以包括专用软件216，其被配置成执行与这里描述的双传感器系统相关联的一些或全部功能。应当指出，可以在软件、硬件或软件和硬件的组合中实施这些模块。在软件中实施时，模块被存储在非暂态计算机可读介质上并由处理器202执行。操作系统214可以被配置成控制其他计算机程序的执行并提供调度、输入输出控制、文件和数据管理、存储器管理以及通信控制与相关业务。

体现为软件的系统部件和/或模块也可以被解读为源程序、可执行程序（目标代码）、脚本或包括要执行的一组指令的任何其他实体。在被解读为源程序时，通过可以被包括或不被包括在存储部件之内的编译器、汇编器、解释器等翻译该程序，以便结合操作系统适当工作。

通过下式表示由主受害线上的典型VDSL2接收机接收的信号：

Y_m[q，t]＝H_m[q]X[q，t]+S_m+W_m[q，t]，

其中，信号是在频域中经过快速傅里叶变换（FFT）运算之后针对DMT符号t在频域对于音调q的。H项表示直接信道；X是发送的信息；S表示来自矢量化系统的自FEXT噪声；W表示外部噪声，例如背景噪声、脉冲噪声、PLC等。

由于矢量化系统中的所有线都是同步的，所以能够容易地识别自FEXT干扰源，就此而言，也可以使用其他技术来识别自FEXT信道。就此而言，结合了矢量化的VDSL2系统通常通过自FEXT减轻来提供无自FEXT环境。在给定束中，例如，通过对用于下游传输的数据预编码以消除自FEXT，可以减轻自FEXT效应，而在上游方向上，可以部署联合消除。打开矢量化之后受害线上接收的信号被表示为如下：

Y_m[q，t]＝H_m[q]X[q，t]+W_m[q，t]，

其中Y表示经过FFT运算之后频域中的信号。

在仍然有外部噪声源（例如外部噪声干扰源），例如非矢量化VDSL2FEXT、射频干扰（RFI）、电力线通信（PLC）、共模噪声和脉冲噪声时，可以结合工作于频域中的第二传感器信息使用双传感器接收机（DSR），以如下所述地解决外部干扰源。在外部噪声消除器的背景中，由下式表示经过FFT运算之后针对DMT符号t在频域对于音调q由第二传感器接收的信号：

Y_s[q，t]＝S_s+W_s[q，t]。

第二传感器充当噪声独自参考（NAR）。第二传感器（无论是共模传感器还是差模传感器）在捕获与噪声源相关的信息方面是有效的。在频域中，于是能够使用与两个路径（对应于受害线和第二传感器）上的接收机相关的信息的线性组合来减少或补偿外部干扰源，由此改善性能。利用外部噪声消除器，使信噪比（SNR）最大化，并利用每音调算法补偿频域中的噪声。具体而言，这是利用根据诸如最小均方误差、迫零、最大似然（ML）或其他类型准则的这种准则最佳地学习的每音调线性组合器执行的。在这种情况下，将输出信息表示为：

$\tilde{X}[q,t]=F_m{Y}_m[q,t]+F_s{Y}_s[q,t],$ 其中Y表示接收的信号，F表示线性组合器系数。要注意，线性组合器不限于两个系数（F），因为线性组合器也可以每音调q仅使用一个系数F，即使在受害线或第二传感器上的接收信号上也是如此。

上述双传感器接收机的一个限制是超过一个或两个干扰源的存在破坏了接收信号之间的相关性，并且这导致接收机处的分集减少。在当前的矢量化系统情形中，第二传感器并非是通过构造而无自FEXT的。于是，这里利用第二传感器的一个问题是，第二传感器不仅受到诸如RFI和PCL的这种干扰，而且受到未被预编码器补偿且可能是最强接收信号的自FEXT效应，由此减小了噪声独自参考（NAR）的性质。这导致差的性能，并且一般没有噪声消除。

于是描述了各种实施例，以结合第二传感器使用DSR，由此移除第二传感器上的自FEXT，以使得在每音调线性组合器训练期间能够有效地利用信息。在称为同步符号的DMT符号上，针对训练模式和数据模式中的特定接收序列，能够在本地移除与第二传感器上的自FEXT相关的分量。实际上，同步符号是已知的训练DMT符号，其发生于每257个符号的数据模式中，并且在此期间，通过利用例如Hadamard序列的正交键，例如，矢量化系统的每个用户都具有签名。在那种特定背景中，能够在接收机处估计来自每个发射机的自FEXT的贡献，并且因此减轻自FEXT。这项技术充当前述矢量化系统的基础。要注意，在同步符号顶部，在所有接收机都共址（在CO处通常是这种情况）时，也可以使用用于估计自FEXT减轻系数的判决引导的技术（利用数据模式符号）。在该背景中并且基于矢量化系统的每个键序列的CPE处的本地知识（例如CPE默认知道的或由CO在专有字段中发送的），接收机能够从第二传感器移除自FEXT的贡献：

${\tilde{Y}}_s[q,t]=Y_s[q,t]-{\tilde{S}}_s=W_s[q,t],$

其中

是第二传感器中的自FEXT的估计。然后使用最后的分量作为真实的外部噪声独自参考，并且可以优化线性组合器以进行噪声消除训练。在这些条件下，实现了真实的无FEXT环境，因为主受害线由于其存在于矢量化系统中而无FEXT：

Y_m[q，t]＝H_m[q]X[q，t]+W_m[q，t]。

一旦第二传感器无自FEXT，噪声消除器就进行学习过程，以便优化噪声消除器，以减轻一个或多个外部干扰源。在噪声消除器完成学习过程后，停止从第二传感器接收通道移除自FEXT。具体而言，在已经学习了线性组合器系数F时，由下式表示数据模式期间的接收信号：

$\tilde{X}[q,t]=F_m{Y}_m[q,t]+F_s{Y}_s[q,t]=X[q,t]+F_s{S}_s[q,t]+\tilde{W}.$

于是将第二传感器受到的自FEXT调入（fold）主受害线中。根据早前使用的相同自FEXT减轻算符，减轻受害线上现在存在的这一调入的自FEXT，以减轻主受害线上的自FEXT。

于是，来自噪声消除器的接收信号受到自FEXT，因为矢量化系统仅补偿主线上原始感测到的自FEXT。就此而言，现在将来自第二传感器的自FEXT“调入”主线中。然后，在矢量化系统中，通过简单地重新调节自FEXT消除器（例如预编码器或上游消除器）并利用使用外部噪声消除器之后估计的误差，容易地移除或补偿主线上的这一调入的自FEXT。要注意，尽管在客户端设备（CPE）的背景下描述了这里的实施例，但也可以在中心局（CO）处扩展和实施这些实施例。

应当强调的是，也可以将上述技术扩展到分集接收机，其利用具有不同信道特性的超过一个通信信道来接收与受害线上的发送信号相关的信息，在这里将其称为发送信息或有用信息。实际上，在VDSL系统中，通过FEXT信道或以公共模式，通过双绞线对发送的发送信息一般会通过其他信道泄露，例如，其他信道是同一束的相邻双绞线对。还有可能在特定功率约束下在差模线的共模信道上发送信息。在两种情况下，可以在第二传感器上接收远端发送信息，并且可以利用线性组合器，对来自第二传感器的这一有用信息到主线中的调入加以利用，并从而提高系统的SNR。在利用第二传感器的分集接收机实施例中，由下式表示经过FFT运算之后针对DMT符号t在频域对于音调q由第二传感器接收的远端发送信号：

Y_m[q，t]＝H_m[q]X[q，t]+S_s+W_m[q，t]。

由于使用了矢量化系统，所以第二传感器也受到自FEXT影响。因为自FEXT分量可能很强，所以不能训练在频域中在接收机处使用的线性组合器，因为训练将被自FEXT偏置。如在外部噪声消除器的背景下早前描述的其他实施例那样，在利用正交键的知识在已知符号期间在本地学习自FEXT消除器之后，可以首先从接收机处的第二传感器移除自FEXT。组合器然后以最佳方式进行学习阶段，因为其不再被来自第二传感器的自FEXT偏置。于是，对于分集接收机实施例，在无自FEXT环境中学习线性组合器系数F：

Ym[q，t]＝Hm[q]X[q，t]+Wm[q，t] ${\tilde{Y}}_s[q,t]=Y_s[q,t]-{\tilde{S}}_s=H_s\left[q\right]X[q,t]+W_s[q,t]$

再次如在同步符号发送期间或任何其他正交训练序列期间在矢量化系统中在本地估计的那样，估计分量

在已经学习系数F之后，在数据模式期间的接收信号是： $\tilde{X}[q,t]=F_m{Y}_m[q,t]+F_s{Y}_s[q,t]=X[q,t]+F_s{S}_s[q,t]+\tilde{W},$

其中，再次将来自第二传感器的自FEXT调入主受害线中。然后利用用于主线的相同减轻算符减轻这一调入的自FEXT（例如，矢量化下游预编码器或上游消除器）。在应用线性组合器时，将自FEXT从第二传感器调入主线中。矢量化系统然后适于调入的自FEXT，从而在主线上移除或补偿调入的自FEXT。

通过实施这里描述的各种双传感器配置，DSR 310（图3中）能够在移除自FEXT之后减少诸如射频干扰（RFI）和电力线通信（PLC）的这种源造成的任何残留外部噪声。还需要考虑在第二传感器上接收的与外部噪声相关的信息和有用信息的混合组合。在那种情形下，可以训练DSR以使噪声的影响最小化，同时使有用信号/信息的调入最大化。

根据基于双传感器配置的外部噪声减轻和分集接收机的实施例，现在结合图5描述用于减少受害线经受的噪声和SNR增益的在通信系统中实施的方法。尽管图5的流程图500示出了具体的执行次序，但应理解执行次序可以不同于图示的次序。在方框510中，矢量化系统运行其算法，以便从主受害线消除任何自FEXT贡献。引入第二传感器，其承载关于残留外部噪声的信息和/或有用信息。自FEXT噪声也出现于第二传感器上，并可能影响DSR接收机的性能。在方框520中，在基于干扰源线上的发送信息（即，已知符号）和正交序列的知识的已知符号期间学习第二传感器的自FEXT耦合系数。也可以使用其他技术来估计自FEXT耦合。

在学习阶段之后，在方框530中，从第二传感器接收信号移除每个已知符号上的估计的自FEXT。在方框540中，在无自FEXT的环境中学习线性组合器。在线性组合器的学习阶段之后，在数据模式符号期间应用线性组合器（方框550），并将来自第二传感器的自FEXT调入主受害线中。为了补偿自FEXT的这一残留分量，在方框560中重新调节矢量化算法。

应当强调的是，在方框560中对自FEXT减轻系数的重新调节是可预测的，因为调入的噪声与已知符号期间用于从第二传感器移除自FEXT的自FEXT消除器系数和线性组合器系数直接相关。于是，可以实现基于那些先前基元（例如线性组合器系数、自FEXT减轻系数）的自FEXT减轻系数的快速更新。对于下游方向的自FEXT减轻，也可以通过专有字段向CO发送有用信息。最后，要注意，在没有外部噪声时（如在分集接收机情形中那样），在无自FEXT的环境中学习的线性组合器利用在第二传感器上接收的有用信息。

结合图5的流程图500描述的实施例涉及一种矢量化系统。简述的阶段都可以在接收机（例如，位于CO侧的上游接收机）本地执行。在下游信道的背景下，将通过例如预编码器技术在CO侧执行矢量化的自FEXT减轻任务。将在CPE接收机处执行第二传感器上的自FEXT的本地减轻以及线性组合器的学习和线性组合器的应用。

如果体现为软件，图5中所示的每个方框都表示代码的模块、片段或部分，其包括存储于非暂态计算机可读介质上以实施指定逻辑功能的程序指令。就此而言，程序指令可以体现为包括以编程语言编写的语句的源代码或包括可以由适当的执行系统识别的数值指令的机器代码的形式，该适当的执行系统例如计算机系统中的处理器或诸如图2中所示的CPE 110的其他系统。可以从源代码等转换机器代码。如果体现为硬件，每个方框都可以表示电路或若干互连电路，以实施指定的逻辑功能。该技术利用了如下事实：一般能够使用FEXT耦合的确切知识来改善性能和性能增益的可预测性。如第三级动态频谱管理（DSM3）那样，可以利用分配给下游已知符号序列的对准正交序列的互相关来推导主线和第二传感器线上的串扰信道的精确识别。要注意，已知符号序列的完美正交集的使用允许确定并定期更新自FEXT减轻系数，从而以类似于上游DSM3串扰消除器的方式消除识别的主要（或非主要）串扰源。这解决了针对其他双传感器方法识别的不完美相关问题。

根据替代实施例，可以在DSM3自FEXT噪声减轻之前进行DSR训练。参考图6。尽管图6的流程图600示出了具体的执行次序，但应理解执行次序可以不同于图示的次序。在非DSM3环境中，针对主受害线利用已知符号（方框610）的已知正交序列在CPE 110c本地估计自FEXT干扰源信道系数。在方框620中，利用已知正交序列和估计的信道系数在已知符号期间从受害线移除自FEXT干扰源。在方框630中，利用已知符号的已知正交序列，在接收机处估计与第二传感器相关的自FEXT干扰源信道系数。于是从第二传感器移除了自FEXT贡献（方框640）。在方框650中，因为发送干扰源信息是接收机已知的，在已知符号周期期间完成对线性组合器的训练。在方框660中，应用线性组合器以移除数据符号上的公共相关噪声或将有用信息构造性地调入主线中，并由此将任何自FEXT残留噪声调入受害线中。在方框670中，确定DSM3系数以减少调入的自FEXT以及受害线经受的原始自FEXT。

应当再次强调的是，对自FEXT减轻系数的学习是可预测的，因为调入的噪声与已知符号期间用于从第二传感器移除自FEXT的自FEXT消除器系数和线性组合器系数直接相关。于是，可以实现基于那些先前基元（例如线性组合器系数、自FEXT减轻系数）的自FEXT减轻系数的快速更新。对于下游方向的自FEXT减轻，也可以通过专有字段向CO发送有用信息。最后，要注意，在没有外部噪声时（如在分集接收机情形中那样），在无自FEXT的环境中学习的线性组合器利用在第二传感器上接收的有用信息。

根据其他实施例，可以执行DSR训练，以减少外部干扰源的影响，该影响大于主受害线经受的自FEXT但不如第二传感器经受的自FEXT强。对于这样的情形，不需要DSM3噪声减轻模块。参考图7。尽管图7的流程图700示出了具体的执行次序，但应理解执行次序可以不同于图示的次序。针对主受害线和第二传感器在已知符号（方框710）期间利用已知正交序列在CPE 110c本地估计自FEXT干扰源信道系数（方框710）。在已知符号上从受害线和第二传感器移除自FEXT干扰源，并且在这种无自FEXT的环境中训练线性组合器（方框720）。然后应用线性组合器以移除数据符号上的公共相关噪声或将有用信息构造性地调入主线中（方框730），并由此将任何自FEXT残留噪声从第二传感器增加到主受害线中。要注意，仅在来自第二传感器的调入的自FEXT的效应仍然小于当前消除的外部噪声的情况下，这在其当前形式中才是有用的。一旦消除了外部噪声，受害线的性能就受到自FEXT噪声的限制，可以利用矢量化技术来减轻这种限制。还要注意，在没有外部噪声时（如在分集接收机情形中那样），在无自FEXT的环境期间学习的线性组合器利用在第二传感器上接收的有用信息。

可以将结合图7所述的实施例扩展到如下情况：使用DSR而不应用任何自FEXT减轻技术且没有外部噪声。在这种情况下，由最主要的自FEXT干扰源（或一组最主要的自FEXT干扰源）构成的第一组可以被认为相当于外部噪声（例如前述外部噪声），并从而利用外部噪声消除器被减轻。在已知符号上的线性组合器的训练周期期间，接收机估计并然后移除由来自主线和第二传感器的非主要自FEXT噪声构成的第二组自FEXT。在补偿阶段之后，可以学习线性组合器，以使得线性组合器仅减轻第一组主要自FEXT干扰。在学习阶段之后，将线性组合器应用到数据符号，并通过将（未减轻的）第二组自FEXT调入主受害线中来驱动执行。

应当强调的是，上述实施例仅仅是可能实施方式的范例。可以对上述实施例做出很多变化和修改而不脱离本公开的原理。意图将所有这样的修改和变化在此包括在本公开的范围之内并受所附权利要求的保护。

Claims (39)

1.一种在矢量化系统中实施以改善所述系统中受害线上的远端发送信号的信噪比SNR的方法，包括：

由所述矢量化系统基于自FEXT减轻系数减轻所述受害线上的自感应远端串扰，即自FEXT；

由第二传感器接收与以下至少一项相关的信息：矢量化系统的自FEXT、外部噪声和远端发送信号；

在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数；

基于所学习的系数从所述第二传感器移除自FEXT；

在从所述第二传感器移除自FEXT后，学习被配置成组合与所述受害线和第二线相关的信息的线性组合器；

应用所学习的线性组合器；以及

在应用所学习的线性组合器之后，重新调节所述自FEXT减轻系数以移除所述受害线上的任何残留自FEXT。

2.根据权利要求1所述的方法，其中，根据以下准则之一执行学习线性组合器：最小均方误差、迫零和最大似然ML。

3.根据权利要求1所述的方法，其中，学习与耦合到所述第二传感器中的自FEXT相关的系数是根据在一个或多个干扰源线上发送的导致所述自FEXT进入所述受害线中的已知序列执行的。

4.根据权利要求3所述的方法，其中，利用一个或多个正交序列进一步执行学习与耦合到所述第二传感器中的自FEXT相关的系数。

5.根据权利要求1所述的方法，其中，在发送数据模式符号期间执行学习与耦合到所述第二传感器中的自FEXT相关的系数。

6.根据权利要求1所述的方法，其中，接收与所述矢量化系统相关的信息包括接收与由如下至少一项构成的外部噪声相关的信息：未矢量化的甚高速数字用户线VDSLFEXT、射频干扰RFI、电力线通信PLC、共模噪声和脉冲噪声。

7.根据权利要求1所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与外部噪声相关的情况下减轻该外部噪声。

8.根据权利要求1所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与所述远端发送信号相关的情况下将所述远端发送信号从所述第二传感器构造性地调入所述受害线中。

9.根据权利要求1所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与所述远端发送信号和外部噪声都相关的情况下将所述远端发送信号从所述第二传感器构造性地调入所述受害线中并减轻该外部噪声。

10.根据权利要求1所述的方法，其中，所述线性组合器对于每个音调根据一个或两个系数而工作。

11.根据权利要求1所述的方法，其中，基于先前学习的自FEXT减轻系数或所述自FEXT减轻系数的另一初始状态执行重新调节所述自FEXT减轻系数。

12.一种用于改善系统中的受害线上的远端发送信号的信噪比SNR的方法，包括：

由所述受害线接收如下至少一项：矢量化系统的自感应远端串扰、即自FEXT，外部噪声和所述远端发送信号；

由第二传感器接收以下至少一项：矢量化系统的自FEXT、外部噪声和远端发送信号；

在所述受害线处学习与耦合到主线中的自FEXT相关的系数，其中，基于所述系统中发送的已知训练模式序列执行学习；

在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数，其中，基于所述系统中发送的已知训练模式序列执行学习；

在所述受害线处基于所学习的系数从主线移除自FEXT；

在所述第二传感器处基于所学习的系数从所述第二传感器移除自FEXT；

在从主线和第二传感器都移除自FEXT后，学习线性组合器，该线性组合器被配置成组合与受害线和第二传感器相关的信息；

应用所学习的线性组合器；以及

学习自FEXT减轻系数并在所述受害线上执行噪声减轻以移除所述受害线上的自FEXT。

13.一种被配置成改善受害线上的远端发送信号的信噪比SNR的矢量化系统，包括：

远端串扰FEXT减轻器，其被配置成基于自FEXT减轻系数减轻所述受害线上的自感应远端串扰，即自FEXT；

耦合到所述受害线的第一传感器；

第二传感器，所述第二传感器被配置成接收与以下至少一项相关的信息：矢量化系统、外部噪声和受害线上的远端发送信号；

所述第二传感器还被配置成学习与耦合到所述第二传感器中的自FEXT相关的系数并基于所学习的系数移除自FEXT；以及

线性组合器，其被配置成在从所述第二传感器移除自FEXT后进行学习，其中，所述线性组合器被配置成组合与所述受害线和所述第二线相关的信息；

其中，所述FEXT减轻器还被配置成在应用所学习的线性组合器之后，重新调节所述自FEXT减轻系数以移除所述受害线上的任何残留自FEXT。

14.根据权利要求13所述的系统，其中，所述第二传感器被配置成根据涉及所述系统中的另一双绞线对的差模或基于所述受害线的共模而工作。

15.根据权利要求13所述的系统，其中，根据以下准则之一执行学习线性组合器：最小均方误差、迫零和最大似然ML。

16.根据权利要求13所述的系统，其中，与外部噪声相关的信息包括如下一项或多项：未矢量化的甚高速数字用户线VDSL FEXT、射频干扰RFI、电力线通信PLC、共模噪声和脉冲噪声。

17.根据权利要求13所述的系统，其中，在由所述第二传感器接收的信息与外部噪声相关的情况下，所学习的线性组合器减轻该外部噪声。

18.根据权利要求13所述的系统，其中，在由所述第二传感器接收的信息与所述远端发送信号相关的情况下，所学习的线性组合器将所述远端发送信号从所述第二传感器构造性地调入所述受害线中。

19.根据权利要求13所述的系统，其中，在由所述第二传感器接收的信息与所述远端发送信号和外部噪声都相关的情况下，所学习的线性组合器将所述远端发送信号从所述第二传感器构造性地调入所述受害线中并减轻该外部噪声。

20.根据权利要求13所述的系统，其中，所述线性组合器对于每个音调根据一个或两个系数工作。

21.根据权利要求13所述的系统，其中，基于先前学习的自FEXT减轻系数或所述自FEXT减轻系数的初始状态，所述FEXT减轻器重新调节所述自FEXT减轻系数。

22.一种在客户端设备CPE中实施以改善受害线上的远端发送信号的信噪比SNR的方法，包括：

由所述受害线接收如下一项或多项：远端发送信号，矢量化系统的自感应远端串扰、即自FEXT，和外部噪声；

由所述第二传感器接收如下一项或多项：远端发送信号、矢量化系统的自感应远端串扰、即自FEXT，和外部噪声；

基于自FEXT的存在，在所述受害线处学习与耦合到所述受害线中的自FEXT相关的系数；

在所述第二传感器处学习与耦合到所述第二传感器中的自FEXT相关的系数；

响应于自FEXT的存在，基于所学习的系数从所述受害线移除自FEXT；

基于所学习的系数从所述第二传感器移除自FEXT；

在从所述第二传感器移除自FEXT后，学习被配置成组合与所述受害线和第二线相关的信息的线性组合器；以及

应用所学习的线性组合器。

23.根据权利要求22所述的方法，其中，根据以下准则之一执行学习线性组合器：最小均方误差、迫零和最大似然ML。

24.根据权利要求22所述的方法，其中，学习与耦合到所述受害线和第二传感器中的自FEXT相关的系数是根据在一个或多个干扰源线上发送的导致所述自FEXT进入所述受害线中的已知序列执行的。

25.根据权利要求24所述的方法，其中，利用一个或多个正交序列进一步执行学习与耦合到所述受害线和第二传感器中的自FEXT相关的系数。

26.根据权利要求22所述的方法，其中，在发送数据模式符号期间执行学习与耦合到所述受害线和第二传感器中的自FEXT相关的系数。

27.根据权利要求22所述的方法，其中，接收与所述矢量化系统相关的信息包括接收与由如下一项或多项构成的外部噪声相关的信息：未矢量化的甚高速数字用户线VDSL FEXT，射频干扰FRI、电力线通信PLC、共模噪声和脉冲噪声。

28.根据权利要求22所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与外部噪声相关的情况下减轻该外部噪声。

29.根据权利要求22所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与远端发送信号相关的情况下将所述远端发送信号从所述第二传感器构造性地调入所述受害线中。

30.根据权利要求22所述的方法，其中，应用所学习的线性组合器包括在由所述第二传感器接收的信息与所述远端发送信号和外部噪声都相关的情况下将所述远端发送信号从所述第二传感器构造性地调入所述受害线中并减轻该外部噪声。

31.根据权利要求22所述的方法，其中，所述线性组合器对于每个音调根据一个或两个系数工作。

32.一种用于改善受害线上的远端发送信号的信噪比SNR的矢量化系统中的客户端设备CPE单元，包括：

耦合到所述受害线的第一传感器，所述第一传感器被配置成学习与耦合到所述第一传感器中的自感应远端串扰、即自FEXT相关的系数并基于所学习的系数移除自FEXT；

第二传感器，其被配置成接收与如下至少一项相关的信息：矢量化系统、外部噪声和受害线上的远端发送信号，所述第二传感器还被配置成学习与耦合到所述第二传感器中的自FEXT相关的系数以及基于所学习的系数移除自FEXT；以及

线性组合器，其被配置成在从所述第一传感器和所述第二传感器移除自FEXT后进行学习，其中，所述线性组合器被配置成组合与所述受害线和第二线相关的信息。

33.根据权利要求32所述的CPE，其中，所述第二传感器被配置成根据涉及所述系统中的另一双绞线对的差模或基于所述受害线的共模而工作。

34.根据权利要求32所述的CPE，其中，所述线性组合器根据以下准则之一进行学习：最小均方误差、迫零和最大似然ML。

35.根据权利要求32所述的CPE，其中，由所述第二传感器接收的与外部噪声相关的信息包括以下一项或多项：未矢量化的甚高速数字用户线VDSLFEXT，射频干扰RFI，电力线通信PLC，共模噪声和脉冲噪声。

36.根据权利要求32所述的CPE，其中，在由所述第二传感器接收的信息与外部噪声相关的情况下，所学习的线性组合器减轻该外部噪声。

37.根据权利要求32所述的CPE，其中，在由所述第二传感器接收的信息与所述远端发送信号相关的情况下，所学习的线性组合器将所述远端发送信号从所述第二传感器构造性地调入所述受害线中。

38.根据权利要求32所述的CPE，其中，在由所述第二传感器接收的信息与所述远端发送信号和外部噪声都相关的情况下，所学习的线性组合器将所述远端发送信号从所述第二传感器构造性地调入所述受害线中并减轻该外部噪声。

39.根据权利要求32所述的CPE，其中，所述线性组合器对于每个音调包括一个或两个系数。

Images