CN103999417A

CN103999417A - 软件数字前端信号处理

Info

Publication number: CN103999417A
Application number: CN201280060788.4A
Authority: CN
Inventors: K·阿扎德特; 李承舟; A·莫利纳; J·H·奥斯莫; S·C·皮纳尤尔特; 于盟林; J·威廉姆斯; R·S·皮雷茨; 陈建国
Original assignee: Infineon Technologies North America Corp
Current assignee: Intel Corp
Priority date: 2011-10-27
Filing date: 2012-10-26
Publication date: 2014-08-20
Anticipated expiration: 2032-10-26
Also published as: US8897388B2; CN103999078A; CN107276936B; US20140086361A1; US20130117342A1; JP6662815B2; CN103975564A; KR102001570B1; EP2758896A4; WO2013066756A2; EP2783492A4; KR20140085556A; US9280315B2; KR102015680B1; US20130114761A1; EP2758867A4; JP2015504622A; EP2772033A4; KR20140084292A; EP2783492B1

Abstract

本发明提供了软件数字前端(SoftDFE)信号处理技术。通过在处理器上执行一个或多个特殊化指令以对信号执行一个或多个数字前端(DFE)函数而用软件对信号执行所述一个或多个数字前端(DFE)函数，其中，处理器具有由线性和非线性指令中的一个或多个组成的指令集。可选地形成由多个数据样本组成的样本块并对样本块执行数字前端(DFE)函数。该特殊化指令可以包括矢量卷积函数、复指数函数、x^k函数、矢量比较指令、矢量max()指令、矢量乘法指令、矢量加法指令、矢量sqrt()指令、矢量1/x指令以及用户定义非线性指令。

Description

软件数字前端信号处理

相关申请的交叉引用

本申请要求的2011年10月27日提交的题为“软件数字前端(SoftDFE)信号处理”美国专利临时申请序号61/552,242的优先权，其被通过引用结合到本文中。

技术领域

本发明涉及数字信号处理技术，并且更具体地涉及用于通信设备中的数字前端处理的技术。

背景技术

在通信系统中，术语“前端”最初描述与天线接近的接收机或发射机的模拟部分。前端以中频(IF)向后端传送模拟信号以用于数字处理。近年来，术语“前端”已扩展至包括先前在模拟域中对最近终端或基站系统中的数字处理部件执行的某些信号调节。

数字前端(DFE)现在是用于BB处理器与模拟基带/RF电路之间的电路的通称。在接收机中，DFE包括处理RF解调数字化信号的部件，其可包含也可不包含中频(取决于接收机是零IF还是非零IF)。在接收机侧，DFE以数字方式从数字IF信号提取在各种IF频率的不同信道(GSM、WCDMA、LTE或这些技术的组合)(用来在前代系统中在模拟域中执行的操作)。

在发射机中，DFE包括在数字域中处理用于各种信道的基带信号并提供上变频数字信号的部件。此上变频信号还可经历附加信号调节，诸如RF功率放大器非线性响应的波峰因数降低和数字预失真，并且最后被应用于数模转换器(DAC)。

数字前端由于上述多载波多标准无线电信号的高采样速率而通常使用硬接线逻辑来实现。虽然此类基于硬件的DFE技术有效地处理通信信号，其遭受许多限制，如果被克服的话可以进一步改善DFE系统的效率和灵活性。例如，现有的基于硬件的DFE技术缺少灵活性，并且针对新的RF设计而修改DFE设计是昂贵、耗时且具有挑战性的，因为DFE ASIC(专用集成电路)的设计是昂贵且耗时的(通常是两年的循环)。

已经提出或建议了用于用软件来实现DFE系统的各部分的许多技术。例如，在现场可编程门阵列(FPGA)上实现的DFE部分，而DFE的其他部分是硬接线的，并且其他部分是在ASIC中实现的。FPGA包含称为“逻辑块”的可编程逻辑部件。然而，基于FPGA的技术因成本和功率消耗过高而令人望而却步。

用软件来实现各种DFE函数是可能的。然而，例如，对于几百兆赫兹的现有采样率而言，在标准数字信号处理器或者甚至矢量处理器上不可实现实时DFE软件实现。因此需要高效的基于软件的DFE技术。

发明内容

一般地，提供了软件数字前端(SoftDFE)信号处理技术。根据本发明的一个方面，通过在处理器上执行一个或多个特殊化指令以对信号执行一个或多个数字前端(DFE)函数而用软件对信号执行所述一个或多个数字前端(DFE)函数，其中，处理器具有由线性和非线性指令中的一个或多个组成的指令集。该处理器可以是例如数字信号处理器或矢量处理器。

特殊化指令可以包括矢量卷积函数，其接收N1+N2-1个样本的输入矢量并处理输入矢量N1的N1个样本的时移版本和系数，并且针对每个时移版本产生FIR输出值。另外，该特殊化指令可以包括用于矢量x的复指数函数和/或x^k函数。

可以逐个样本或作为数据样本块来处理信号。根据本发明的另一方面，形成由多个数据样本组成的样本块，并且对该样本块执行数字前端(DFE)函数。

针对示例性通道滤波DFE函数，所述特殊化指令包括矢量卷积函数。针对示例性数字上变频DFE函数，该特殊化指令包括复指数指令。

针对示例性波峰因数降低DFE函数，用于(i)峰值检测的特殊化指令包括矢量比较指令和矢量max()指令中的一个或多个；用于(ii)峰值抵消的特殊化指令包括矢量乘积累加指令、矢量乘法指令和矢量加法指令中的一个或多个；并且用于(iii)极性削波操作的特殊化指令包括矢量x^-0.5指令、矢量sqrt()指令和矢量1/x指令中的一个或多个。

针对示例性数字预失真DFE函数，该特殊化指令包括一个或多个用户定义非线性指令。用户定义非线性指令包括至少一个用户指定参数。响应于用于具有至少一个用户指定参数的至少一个非线性函数的软件指令中的至少一个，执行以下步骤：(i)调用至少一个功能单元，其实现所述至少一个软件指令以对输入值x应用非线性函数；以及(ii)生成对应于用于输入值x的非线性函数的输出。可以将该用户指定参数从存储器加载到至少一个寄存器中。用户指定参数包括例如查找表，其存储用于有限数目的输入值的非线性函数的值。

通过参考以下详细描述和附图，将获得本发明的更透彻理解以及本发明的更多特征和优点。

附图说明

图1图示出其中可采用本发明的各方面的示例性通信系统的各部分；

图2图示出将单独数据样本转换成数据块的块生成过程；

图3是能够用来实现图1的块的示例性通道滤波器和数字上变频级的示意性框图；

图4A是图3的数字上变频器滤波器的示意性框图；

图4B是图3的内插滤波器的示意性框图；

图5图示出用于通道滤波器和数字上变频级的示例性伪代码；

图6图示出用于能够被图1的波峰因数降低级采用的适当波峰因数降低算法的示例性伪代码；

图7图示出根据本发明的实施例的块处理波峰因数降低；

图8图示出用于根据本发明的实施例的波峰因数降低的块处理；

图9图示出图6的波峰因数降低算法的示例性硬削波阶段；

图10是根据本发明的实施例的用于同时地处理一个或多个数字的示例性基于矢量数字信号处理器的示意性框图；

图11图示出其中可采用本发明的各方面的替换示例性发射机的各部分；

图12图示出用以使用用户定义非线性指令f_m,l在矢量处理器上用软件实现DPD函数的示例性伪代码；

图12A是用于所述用户定义非线性指令f_m,l的示例性功能框图的图形说明；

图12B是用于所述用户定义非线性指令f_m,l的示例性替换功能框图的图形说明；

图13A图示出作为x(n)的函数的单独用户定义非线性函数f_m,l；

图13B图示出图13A的单独用户定义非线性函数f_m,l的示例性近似；

图14图示出泰勒和计算块；

图15是根据本发明的实施例的同时地评估用于一个或多个复数的用户定义非线性函数的示例性基于矢量数字处理器的示意性框图；

图16是用于自适应预失真的第一系统的示意图；

图17是用于自适应预失真的直接形式系统的示意图；

图18图示出可被本文所述的许多滤波操作所采用的矢量卷积函数；以及

图19是能够用来实现图1的IQ/均衡化块的示例性均衡化/IQ不平衡修正(IQIC)级的示意性框图。

具体实施方式

图1图示出其中可采用本发明的各方面的示例性通信系统100的各部分。如图1中所示，示例性通信系统100包括具有通道滤波器和数字上变频(DUC)级110、波峰因数降低(CFR)级120、数字预失真(DPD)级130和均衡化/IQ不平衡修正140的发射部分。一般地，如下面结合图3—5进一步讨论的，通道滤波器和数字上变频级110使用例如有限脉冲响应(FIR)滤波器和数字上变频来执行通道滤波以将数字化基带信号转换成射频(RF)。如下面结合图6—10进一步讨论的，波峰因数降低级120限制发射信号的PAR。如下面在图11—15中进一步讨论的，数字预失真级130将功率放大器线性化以改善效率。

如下面结合图9进一步讨论的，均衡化/IQ不平衡修正140执行IQ修正并采用RF通道均衡以缓解通道损伤。

如图1中所示，来自模数转换器(ADC)的数字信号被存储在片上存储器170中以用于DPD参数估计160，如下面结合图16和17进一步讨论的。然后在ISO级修改DPD抽头，例如使用中央处理单元(CPU)、通用处理器(GPP)数字信号处理器(DSP)或矢量处理器。

如图1中所示，示例性通信系统100还包括具有从模数转换器(ADC)接收信号并向RX接口提供基带信号的通道滤波器/通道数字下变频(DDC)块180的接收部分。

根据本发明的一个方面，用软件来实现图1的通信系统100的数字前端(DFE)的块中的一个或多个。如下面所讨论的，SoftDFE块获取单独样本或样本块以产生上采样和上变频样本并输出样本(通常是样本块)。使用矢量处理器的特殊化特征用软件来实现SoftDFE函数中的一个或多个。应注意的是能够在不同的矢量处理器中执行不同天线数据的处理。另外，能够在不同矢量处理器中或在同一矢量处理器中处理不同的SoftDFE函数。

图2图示出将单独数据样本210转换成数据块250的块生成过程200。如图2中所示，使用输入周期性定时器事件220来读入单独数据样本210。如230所示，处理时间可以在处理器，诸如矢量引擎(VE)中改变。如上文所指示的，根据本发明的各方面的块处理允许保持等待时间，独立于处理负荷。因此，使用输出周期性定时器事件240来读出数据块250。

数据块250被可选地存储在缓冲器中。在一个示例性实施方式中，每次可以将两个数据块250存储在缓冲器中。因此，缓冲器具有至少两个块长度的尺寸。

通道滤波器和数字上变频级110

如上文所指示的，通道滤波器和数字上变频级110使用例如有限脉冲响应(FIR)滤波器和数字上变频来执行通道滤波以将数字化基带信号转换成射频(RF)。如下面所讨论的，在被使用矢量乘法、矢量加法和减法或者替换地矢量卷积指令加速的一个或多个矢量处理器上用软件来实现通道滤波器和数字上变频级110的一个或多个函数。数字上变频例如要求将输入信号乘以复指数(矢量乘法，即两个矢量、信号和旋转子矢量的逐个分量乘积)，并且本发明的一个方面采用加速复指数函数。可选地使用基于复指数(作为矢量计算)的数值控制振荡器(NCO)来执行数字调制。

图3是能够用来实现图1的块110的示例性通道滤波器和数字上变频级300的示意性框图。如图3中所示，示例性通道滤波器和数字上变频级300包括例如具有每秒3.84兆样本(MSPS)的示例性采样速率的示例性WCDMA信号310(或者多标准无线电(MSR)中的另一示例性技术的信号)。然后将WCDMA信号310应用于数字上变频滤波器320，如下面结合图4A进一步讨论的，以将信号上变频至30.72MSPS的示例性采样速率。然后将上变频信号应用于内插滤波器330，如下面结合图4B进一步讨论的，其将信号进一步上变频至307.2MSPS的示例性采样速率。

将内插滤波器330的输出应用于乘法器340并乘以复指数函数exp(jω₀n)。针对复指数函数exp(jω₀n)的更详细讨论，参见与本文同时提交并被通过引用结合到本文中的题为“Digital Processor HavingInstruction Set With Complex Exponential Non-Linear Function”的国际专利申请序号No.PCT/____。

然后将各种通道聚合并应用于图1的CFR120。

图4A是图3的数字上变频器滤波器320的示意性框图。如图4A中所示，数字上变频器滤波器320包括执行2倍上采样的根升余弦(RRC)滤波器410、每个执行2倍上采样的两个半带滤波器420、430。

下表描述图4A的滤波器410、420、430的示例性实施方式。

本发明认识到可以使用下面结合图18进一步讨论的矢量卷积函数来加速本文所述的滤波操作，包括滤波器410、420、430的滤波操作。同样参见与本文同时提交并通过引用结合到本文中的题为“VectorProcessor Having Instruction Set With Vector Convolution FunctionFor FIR Filtering”的国际专利申请序号No.PCT/____。

图4B是图3的内插滤波器330的示意性框图。如图4B中所示，内插滤波器330包括两个滤波器450、560。针对10的总上采样比，滤波器450执行2倍上采样且滤波器460执行5倍上采样。

下表描述图4B的滤波器450、460的示例性实施方式。

图5图示出用于通道滤波器和数字上变频级110的示例性伪代码500。示例性伪代码500处理输入复数数据块并产生输出复数数据块。针对每个滤波级来处理循环以执行上采样和内插滤波。另外，对样本块执行数字上变频(中频调制f_IF)。

波峰因数降低级120

如上文所指示的，波峰因数降低级120限制发射信号的PAR。如下面所讨论的，波峰因数降低要求峰值检测和峰值抵消。峰值检测能够利用(leverage)矢量比较指令或特殊化max()指令。同样地，峰值抵消涉及到矢量的乘法和加法，并且硬削波涉及到比较阈值和缩放比例(对于逐个矢量分量而言1/x)的包络计算(矢量sqrt()和矢量(x*conj(x))，其能够使用矢量处理器来加速。另外能够使用矢量x^-0.5运算/指令来组合和执行sqrt()和1/x运算。

图6图示出用于能够被图1的波峰因数降低级120采用的适当波峰因数降低算法的示例性伪代码600。应注意的是还可以采用任何替换波峰因数降低算法。如图6中所示，示例性波峰因数降低算法600包括三个部分，即峰值搜索阶段610、脉冲抵消阶段640和硬削波阶段680。

可以可选地迭代地执行示例性峰值因数降低算法600以解决峰值再生长。例如，迭代数目N_iter可以具有在1和4之间的典型值。一般地，由于在脉冲(该脉冲在传统上被设计为具有多个抽头的线性相位对称FIR滤波器)两侧的振铃，当在抵消其他峰值时引入新的峰值时导致峰值再生长。在中心抽头的两侧都存在抽头。因此，能够在当前或过去样本值中引入峰值。为了解决在过去样本中引入的峰值，现有CFR算法要求多次迭代以抵消所有峰值。

在峰值搜索阶段610期间，通过该信号执行搜索以确定峰值的数目、其位置和在阈值水平以上的量值。示例性波峰因数降低算法600最初计算天线样本量值。然后识别在阈值以上的样本值。例如，可以基于PAR目标来建立阈值。然后，可以例如使用矢量max()指令来识别峰值位置。该峰值检测能够可选地利用矢量比较指令或特殊化矢量max()指令。

在脉冲抵消阶段640期间，将抵消脉冲布置在每个峰值处，然后从峰值减去所有脉冲。示例性波峰因数降低算法600计算脉冲抵消增益(例如，阈值除以所检测峰值的量值)。然后，示例性波峰因数降低算法600进入循环以单独地处理每个峰值。针对每个峰值，例如使用矢量乘法指令来生成脉冲，并且然后例如使用矢量加法指令从天线抵消脉冲。峰值抵消涉及到矢量的乘法和加法，其能够在矢量处理器上被加速。

在硬削波阶段680期间，示例性波峰因数降低算法600例如使用用于量值逆的非线性运算对输出波形进行硬削波。削波阈值水平R是基于PAR目标而设定的。可例如使用极性削波技术来执行硬削波。一般地，极性削波涉及到计算|x|，将|x|与阈值R相比较并按R/|x|进行缩放。如果|x|大于R，则用R来替换x。再次地，可以使用矢量x^-0.5运算/指令在矢量处理器上高效地执行1/|x|。

在另一变体中，可以在频域中执行波峰因数降低。

如上文所指示的，本发明的一个方面认识到能够对数据块执行CFR处理以改善效率。例如，可以采用矢量引擎(VE)来对数据块执行CFR。例如，在软件实施方式中，块处理允许使等待时间保持恒定，独立于处理器负荷。另外，在软件实施方式中，块处理通过在整个数据块而不仅仅是单独数据样本310范围内摊还开销来改善效率。

图7图示出根据本发明的实施例的块处理波峰因数降低。如图7中所示，可以将数据块700应用于图6的波峰因数降低算法600。然而，如果在块700的边缘附近检测到诸如峰值705、715之类的峰值，则当相应抵消脉冲710、720的抽头延伸至数据块400之外时将存在边缘效应。

因此，根据本发明的另一方面，使用一个或多个光标(cursor)前和/或光标后块样本来确保数据块之间的处理的连续性。图8图示出用于根据本发明的实施例的波峰因数降低的块处理800。如图8的示例性实施例中所示，在应用于图6的示例性波峰因数降低算法之前，将两个光标前810-1、810-2放置在正在被处理的当前块850之前，并将单个光标后块860附加在当前块850的末端处。以这种方式，能够在不引入否则将由块处理引起的边缘效应的情况下处理块850的开头和结尾。

在一个示例性实施例中，将每个光标块810、860的尺寸选择成近似等于抵消脉冲710、720的一半的尺寸。另外，为了保持适当的开销量，每个数据块850的尺寸应明显大于每个光标块810、860的尺寸。一般地，每个数据块850的尺寸越大，所需存储器越大且等待时间越高。

用来自在先数据块的结尾的输入数据来填充光标前块810并用来自后续数据块的开头的输入数据来填充光标后块860。

在一个示例性实施例中，在块850中且在第一光标前块810-1中而不在光标后块860中检测并抵消峰值，因为光标后数据将在下一块的处理期间被处理。与光标后块860相关联的光标后输入样本只须抵消块850内部的峰值。

另外，当抵消块850的左边缘处的峰值时，在第一光标前块810-1中发生峰值再生长。因此，为了抵消第一光标前块510-1中的这些新峰值，需要第二光标前块810-2(但在第二光标前块810-2中不执行抵消)。

图9图示出图6的波峰因数降低算法600的示例性硬削波阶段680。如上文所指示的，示例性波峰因数降低算法600例如使用用于量值逆的非线性运算对输出波形进行硬削波。基于峰值与平均值比(PAR)目标来设定削波阈值水平。可例如使用极性削波加速技术来执行硬削波，如图9中所示。一般地，极性削波涉及到计算|x|，将|x|与阈值R(由半径设定)相比较并按R/|x|进行缩放。如果|x|大于R，则用R来替换x。

硬削波涉及到比较阈值和缩放比例(对于逐个矢量分量而言1/x)的包络计算(矢量sqrt()和矢量(x*conj(x))，其能够使用矢量处理器来加速。可以使用矢量乘法器以及矢量平方根运算来加速这些复数乘法。

另外，本发明的各方面认识到可以使用(x*conj(x))^-0.5来直接计算1/|x|，可以使用特殊化矢量指令x^k(vec_x_pow_k)来将其加速。

图10是根据本发明的实施例的用于同时地处理一个或多个数字的示例性基于矢量数字信号处理器1000的示意性框图。一般地，图10的基于矢量实施方式同时地执行许多进程。因此，基于矢量数字信号处理器1000包含用于x^K个函数的多个功能单元1010-1至1010-N。

到基于矢量数字信号处理器1000的输入是由被并行地处理的多个标量数x_n组成的矢量x。例如，假设基于矢量数字信号处理器1000支持用于矢量x的x^K函数，其中，x由标量数x1至x4组成。可如下表示示例性x^K函数：

Pow_vec4(x₁,x₂,x₃,x₄,K).

还参见被通过引用结合到本文中的题为“Digital Signal ProcessorHaving Instruction Set with an x^k Function Using Reduced Look-UpTable”的1/30/09提交的美国专利申请序号12/362,874。

可以将示例性基于矢量数字处理器1000实现为16路矢量处理器以使用如下实现的pow(x,K)来计算32个x^K运算：

vec_pow(x₁,x₂,..,x₃₂,K)，其中，K值是例如0.5、-0.5、-1。

以这种方式，基于矢量数字处理器1000可以执行16个此类运算并在单个循环中可将其进行组合。

数字预失真级130

如上文所指示的，数字预失真级130使功率放大器线性化以改善效率。如下面所讨论的，数字预失真涉及到计算用于矢量的非线性函数。该非线性函数可以是多项式或另一基函数。这可以使用将查找表与泰勒级数组合的非线性指令来计算。

可以如下实现图1的数字预失真级130.

图11图示出其中可采用本发明的各方面的替换示例性发射机1100的各部分。如图11中所示，示例性发射机部分1100包括两个脉冲成形和低通滤波器(LPF)级1110-1、1110-2和两个数字上变频器1120-1、1120-2，其处理复信号I、Q。图11的示例性发射机部分1100不包括图1的波峰因数降低级120，但可选择地包括CFR级。复数输入(I、Q)然后应用于图11的数字预失真器1130。下面例如结合图12和13来进一步讨论图11的数字预失真器1130。

将数字预失真器1130的输出并行地应用于两个数模转换器(DAC)1140-1、1140-2，并且然后由进一步将信号上变频成RF信号的正交调制级1150来处理模拟信号。

将正交调制级1150的输出1155应用于功率放大器1160，诸如多尔蒂放大器或漏极调制器。如上文所指示的，数字预失真器1130使功率放大器1160线性化以改善功率放大器1160的效率。

在反馈路径1165中，功率放大器1160的输出在被应用于将信号下变频至基带的解调级1180之前被应用于衰减器1170。将下变频信号应用于模数转换器(ADC)1190以使信号数字化。然后由生成用于数字预失真器1130的参数w的复数自适应算法1195来处理数字化样本。复数自适应算法1195在本申请的范围之外。可以采用诸如最小二乘法(LS)或递归最小二乘法(RLS)之类的已知技术来生成用于数字预失真器1130的参数。

数字预失真器的非线性滤波器实施方式

可以使用非线性系统的沃尔泰拉(Volterra)级数模型来将数字预失真器1130实现为非线性滤波器。沃尔泰拉级数是以与泰勒级数类似的方式用于非线性性质的模型。沃尔泰拉级数在其捕捉“记忆”效应的能力方面不同于泰勒级数。可以使用泰勒级数来近似非线性系统对给定输入的响应，如果此系统的输出在该给定时间严格地依赖于输入的话(静态非线性性)。在沃尔泰拉级数中，非线性系统的输出取决于在其他时间到系统的输入。因此，沃尔泰拉级数允许捕捉设备的“记忆”效应。

一般地，可以将具有存储器的因果线性系统表示为：

y (t) = {&Integral;}_{- \infty}^{\infty} h (τ) x (t - τ) dτ

另外，可以使用多项式表达式对没有记忆的静态弱非线性系统进行建模：

y (t) = Σ_{k = 1}^{\infty} a_{k} {[x (t)]}^{k}

可以将沃尔泰拉级数视为两者的组合：

y (t) = Σ_{k = 1}^{K} y_{k} (t)

y_{k} (t) = {&Integral;}_{- \infty}^{\infty} . . . . {&Integral;}_{- \infty}^{\infty} h_{k} (τ_{1}, . . . ., τ_{k}) x (t - τ_{1}) . . . x (t - τ_{k}) d τ_{1} . . . . d τ_{k}

在离散域中，可以如下表示沃尔泰拉级数

：

y (n) = Σ_{k = 1}^{K} y_{k} (n)

y_{k} (n) = Σ_{m_{i} = 0}^{M - 1} . . . . Σ_{m_{k} = 0}^{M - 1} h_{k} (m_{1}, . . . ., m_{k}) Π_{l =}^{k} x (n - m_{l})

沃尔泰拉级数的复杂性可以呈指数增长，使得其使用在许多常见应用中是不切实际的，诸如DPD。因此，已提出了用于非线性系统的许多简化模型。例如，记忆多项式是常用模型：

\begin{matrix} y_{MP} (n) = Σ_{k = 1}^{K} Σ_{m = 0}^{M - 1} h_{k} (m, . . . ., m) x^{k} (n - m) \\ = Σ_{k = 0}^{K - 1} Σ_{m = 0}^{M - 1} h_{km} x (n - m) {| x (n - m) |}^{k} \end{matrix}

可以如下表示称为广义化记忆多项式模型的另一简化模型(其中，M指示记忆深度且K指示多项式阶)：

y (n) = Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M - 1} Σ_{k = 0}^{K - 1} h_{k, m, l} {| x (n - l) |}^{k} x (n - m)

y (n) = Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M - 1} x (n - m) Σ_{k = 0}^{K - 1} h_{k, m, l} {| x (n - l) |}^{k}

可以如下表示具有叉积的广义化记忆多项式的等效表达式：

y (n) = Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M = 1} x (n - m) \cdot f_{m, l} (| x (n - l) |) - - - (1)

其中：

f_{m, l} (| x (n - l) |) = Σ_{k = 0}^{K - 1} h_{k, m, l} {| x (n - l) |}^{k} - - - (2)

其中，f(x)是具有被假定为根据本发明的一方面使用下面讨论的用户定义非线性指令vec_nl来加速的一个或多个用户指定参数的非线性函数。应注意的是可以有用于非线性分解的除x^k之外的其他基函数。

如下面所讨论的，可以例如由矢量处理器来处理用户定义非线性指令f_m,l。f_m,l是非线性函数的m×l阵列。每个非线性函数可以具有用户指定参数，诸如查找表或系数。该查找表可以是用户定义非线性指令f_m,l的多项式近似。如下面结合图15进一步讨论的，可以将用于m×l阵列中的每个用户定义非线性指令f_m,l的查找表存储在存储器中，并在由处理器处理指令时加载到与功能单元相关联的寄存器中。然后可以对m×l阵列中的单独非线性指令f_m,l评估输入样本。

图12图示出用以使用等式(1)的用户定义非线性指令f_m,l来在16分量矢量的矢量处理器上用软件实现DPD函数的示例性伪代码1200。示例性伪代码1200包括用以计算输入x的量值的第一部分1204。在行1206中，可以将用于m×l阵列中的单独非线性指令的查找表加载到寄存器中。然后，示例性伪代码1200包括用以实现等式(1)的部分1208(例如，输入样本，对样本执行平方运算，计算非线性函数且然后对结果进行乘积累加)。

图12A是实现等式(1)的示例性功能框图1210的图形说明。在本文所述示例性实施例中，使用|x|^2k而不是|x|^k。如图12A中所示，示例性电路1210包括多个延迟元件，诸如将生成等式(1)的x(n-m)项的延迟元件1215-1至1215-5和将通过延迟平方运算1212的输出而生成等式(2)的|x(n-l)|²项的延迟元件1215-6至1215-9。另外，示例性功能框图1210包括接收适当|x(n-l)|²项并实现等式(2)的功能单元阵列1220-1,1至1220-4,4。示例性功能框图1210还包括多个乘法器(x)，其接收适当的x(n-m)项并将其与相应m,l功能单元1220的输出相乘。每行中的乘法的输出被加法器(+)1230相加，给定行中的每个加法器1230的输出被相应的加法器1240加和而生成输出y(n)。

图12B提供了用数目减少的乘法运算来实现等式(1)的替换示例性功能框图1250的图形说明1250。如图12B中所示，示例性电路1250包括多个延迟元件，诸如将生成等式(1)的x(n-m)项的延迟元件1255-1至1255-5和将通过延迟平方运算1260的输出而生成等式(2)的|x(n-l)|²项的延迟元件1255-7至1255-9。另外，示例性功能框图1250包括接收适当|x(n-l)|²项并实现等式(2)的功能单元阵列1270-1,1至1270-4,4。加法器1280计算非线性增益(输入的量值的非线性函数的和)。

示例性功能框图1250还包括多个乘法器(x)1275，其接收适当的x(n-m)项并将其与相应m,l功能单元1270的列的相加和输出的输出相乘。以这种方式，将来自加法器1280的非线性增益应用于输入数据(复数乘积累加(CMAC)运算)。乘法的输出被加法器(+)1285相加而生成输出y(n)。

图13A图示出作为x(n)的函数的单独用户定义非线性函数f_m,l1300。图13B图示出图13A的单独用户定义非线性函数f_m,l的示例性近似1350。图13B的示例性近似1350使用分段泰勒级数查找表。非线性函数f_m,l1300被分解成j个段。与每个段相关联的样本1360-1至1360-j被存储在查找表中。如果对于给定x而言样本被存储在查找表中，则可以从查找表检索样本并直接在非线性函数评估中采用。如果期望的x在查找表中的2个值之间，则在功能单元内用硬件来执行线性内插或更一般地基于泰勒级数的内插以获得结果，如下面结合图15进一步讨论的。以这种方式，可以用输入信号1350的不同段中的泰勒级数系数来描述非线性数字预失真运算。在具有32个段的一个示例性实施方式中个，对于使用4个三次多项式近似系数表示的系数而言，在查找表中，存在128个复数条目(16位复数和16位实数)。在具有128个段且每个段一个参数的另一变体中，存在用于线性内插的128个复数系数(16位复数和16位实数)。

如上文所指示的，如果期望的x值不在查找表中而是在查找表中的2个值之间，则在功能单元内用硬件来执行线性内插以获得结果。可以执行泰勒级数计算作为三次内插以评估小三次多项式，如下：

f(ε)＝a₀+a₁·ε+a₂·ε²+a₃·ε³

其中，系数a是从查找表获得的。然而，这种表示的复杂性是显著的(具有许多乘法器要执行乘法和平方运算)。

可以使用Horner算法(因数分解)来降低复杂性，使得能够如下计算f(ε)。还参见被通过引用结合到本文中的题为“Digital SignalProcessor With One Or More Non-Linear Functions Using FactorizedPolynomial Interpolation”的11/28/08提交的美国专利申请序号12/324,934。

f(ε)＝((b₃·ε+b₂)·ε+b₁)·ε+b₀ (3)

等式(3)中的复杂性已被降低至仅3个乘法和3个加法运算，f(ε)是与存储在查找表中的值的偏移。

图14图示出实现等式(3)的泰勒和计算块1400。从查找表1450检索系数b0、b1、b2、b3。泰勒和计算块1400用仅3个乘法(1410)运算和3个加法(1420)运算来实现等式(3)。

图15是根据本发明的实施例的同时地评估用于一个或多个复数的用户定义非线性函数的示例性基于矢量数字处理器1500的示意性框图。一般地，图15的基于矢量实施方式同时地执行不同的操作。因此，基于矢量数字处理器1500包含用于评估用户定义非线性函数的多个功能单元1510-1至1510-N。

一般地，基于矢量数字处理器1500处理输入矢量x并生成输出矢量y(n)。示出了用于16路矢量处理器n1指令的示例性基于矢量数字处理器1500，其被实现为：

vec_n1(x1,x2,..,x16)，x[k]的范围为从0至1

以这种方式，基于矢量数字处理器1500可以执行16个此类非线性运算并在单个循环中将其线性地组合。例如，可以将用户定义非线性函数表示为：

f (x) = Σ_{k = 0}^{15} a_{k} x^{k}

应注意的是在更一般情况下，可对矢量处理器的矢量数据的每个分量应用不同函数f₀()、f₁()、…、f₁₅()。

如图15中所示，功能单元1510从存储器接收用户规范，诸如查找表或系数，以便存储在寄存器中。

DPP参数估计160

如上文所指示的，来自模数转换器(ADC)的数字信号被存储在片上存储器170中以用于OPD参数估计160。如下面所讨论的，DPD参数估计涉及到计算包含诸如x.|y|^k之类的非线性项的矩阵。包络运算涉及到类型x*conj(x)和矢量sqrt()的矢量运算，可以使用矢量处理器来将其加速。矩阵的乘法可以使用矢量乘法、加法和减法。可以使用矢量卷积指令来加速卷积。

图16是用于自适应预失真的第一系统1600的示意图。一般地，使用功率放大器1620的逆模型来实现自适应预失真1610。可以以上文针对图1的DPD130所述的方式来实现预失真级1610。首先，使用放大器1620的输出用估计算法1650来识别逆放大器模型以估计其输入。自适应滤波器1640应产生信号^x(n)，其应等效于在延迟1625之后的预失真级1610的输出。因此，估计算法1650目的是使由加法器1630计算的误差最小化。

然后，将由估计算法1650生成的逆模型的系数w拷贝到预失真器1610以使到放大器1620的输入预失真。

图17是用于自适应预失真的直接形式系统1700的示意图。一般地，使用功率放大器1720的反演模型来实现自适应预失真1710。可以以上文针对图1的DPD130所述的方式来实现预失真级1710。首先，使用放大器1720的输出用自适应估计算法1750来识别逆放大器模型以估计其输入。应等效于在延迟1725之后的预失真级1710的延迟输入的信号y(n)。因此，自适应估计算法1750目的是使由加法器1735计算的误差最小化。

然后，将由估计算法1750生成的逆模型的系数w提供给预失真器1710以使到放大器1720的输入预失真。

可以将DFE输出表示为z(n)，并且可以将观察信号PA反馈接收机输入表示为y(n)。期望功率放大器1620、1720的逆模型。需要用于所有r、p和q的相关：

C(r，p，q)＝E(|y(n-p)|^ry^*(n-q)·z(n))

C (r, p, q) = E ({| y (n - p) |}^{r} y^{*} (n - q) \cdot Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M - 1} Σ_{k = 0}^{K - 1} h_{k, m, l} {| y (n - l) |}^{k} y (n - m))

其中，h_k，m，l是用于功率放大器1620、1720的逆模型的期望系数。

C (r, p, q) = Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M - 1} Σ_{k = 0}^{K - 1} h_{k, m, l} E ({| y (n - p) |}^{r} \cdot {| y (n - l) |}^{k} y^{*} (n - q \cdot y (n - m))

因此，还必须计算下式：

B(k，r，l，m，p，q)＝E(|y(n-p)|^r·|y(n-l)|^ky^*(n-q)·y(n-m))

获得下式：

C (r, p, q) = Σ_{m = 0}^{M - 1} Σ_{l = 0}^{M - 1} Σ_{k = 0}^{K - 1} B (r, k, l, m, p, q) \cdot h_{k, m, l}

通过将索引重排序/重命名：

C (k) = Σ_{l = 0}^{K - 1} B (k, l) \cdot h_{l}

可以使用矩阵求逆(在CPU中执行)来计算h：

h＝B^-1C

h被用于DPD系数。

数学期望的估计：

c_{k} = E (y_{k}^{*} \cdot z) = \frac{1}{N_{s}} Σ_{n = 0}^{N_{s} - 1} y_{k}^{*} (n) \cdot z (n) &RightArrow; N_{s} \cdot N_{taps} CMACs

b_{k, l} = E (y_{k}^{*} \cdot y_{l}) = \frac{1}{N_{s}} Σ_{n = 0}^{N_{s} - 1} y_{k}^{*} (n) \cdot y_{l} (n) &RightArrow; N_{s} \cdot N_{taps}^{2} CMACs

矢量卷积

图18图示出可被本文所述的许多滤波操作所采用的矢量卷积函数1800。一般地，矢量卷积函数1800计算N位复数数据(N/2位实数和N/2位虚数)和复数对映(antipodal)数据(例如系数)的卷积。矢量卷积函数1800通常接收N1+N2-1个样本的输入矢量并处理输入矢量1810N1(沿着轴1830)的N1个样本的时移型式1820和系数，并且针对每个时移型式(每个时滞，包括零偏移型式)产生FIR输出值1825。输出矢量1860由N2个输出值组成。

在图18的示例性实施例中，输入矢量1810包括实数或复数数据(例如32位实数和32位虚数)的N1+N2-1个样本，并且存在N2个时移型式1820(包括零移位型式)，其具有被用系数求卷积的N1个样本(16位实数和16位虚数)。该系数每个可以是二进制值(例如或2位、4位等)。

公开的矢量卷积函数(vec_conv())在矢量卷积函数1800内将FIR滤波器加速，其中，系数是例如二进制值(例如2位、4位等)。另外，可以使用用于系数的足够位数、诸如81位在单个循环中进一步加速和执行该运算。一般地，每个时移运算包括移位输入值1820和系数的FIR滤波。

针对具有2位值的示例性卷积，可以如下写出FIR滤波器/卷积运算：

y (n) = Σ_{k = 0}^{N - 1} h (k) x (n - k)

h (k) = Σ_{j = 0}^{N_{b} - 1} ({h^{'}}_{j, k} + 2 {h^{''}}_{j, k}) \cdot 4^{j}

其中：

h′_j，k∈{0，1}and h″_j，k∈{0，1}

y (n) = Σ_{j = 0}^{N_{b} - 1} 4^{j} (Σ_{k = 0}^{N - 1} (h_{j, k}^{'} + 2 h_{j, k}^{''}) \cdot x (n - k))

其中，h(k)指示系数且x(n-k)指示时移输入值。在多相滤波器的情况下，可以针对滤波器的每个相改变系数h_k。

可以如下写出由具有脉冲响应h的滤波器进行的输入信号x的卷积：

y_{n} = Σ_{k = 1}^{Ntups} h_{k} x_{n - k}

可以如下写出输入信号x与输入信号y的相关或互相关(其中，信号x和/或信号y可以是已知参考信号，诸如导频信号或CDMA二进制/二极代码)：

c_{n} = Σ_{k = 1}^{N} x_{k} y_{n + k}

针对具有系数的12位表示的示例性卷积，存在将计算FIR滤波器输出的6次迭代(6倍2位值)。

关于用于矢量处理器的卷积指令的更详细讨论，参见例如与本申请同时提交并通过引用结合到本文中的题为“Vector ProcessorHaving Instruction Set With Vector Convolution Function for FIRFiltering”的国际专利申请序号No.PCT/_。

均衡化/IQ不平衡修正140

如上文所指示的，均衡化/IQ不平衡修正140执行IQ修正并采用RF通道均衡以缓解通道损伤。如下面所讨论的，可以使用矢量乘法、加法和减法或卷积指令来实现RF通道均衡和/或I/Q不平衡修正。同样地，能够使用矢量乘法/加法/减法或相关指令来实现。在示例性实施例中，在均衡化/IQ不平衡修正140中将RF通道均衡化和I/Q不平衡修正进行组合。

图19是能够用来实现图1的IQ/Eq块140的示例性均衡化/IQ不平衡修正(IQIC)级的1900示意性框图。如图19中所示，可以如下将组合的RF均衡器和IQ不平衡修正(IQIC)级300实现为两个并行FIR滤波器1900-1、1900-2：

y_{n} = Σ_{k = 1}^{N} a_{k} \cdot x_{n - k} + Σ_{k = 1}^{N} b_{k} \cdot x_{n - k}^{*} - - - (4)

例如，可以将每个FIR滤波器1900实现为在307.2MSPS的采样速率下具有32个抽头的FIR滤波器。两个并行FIR滤波器1900-1、1900-2可以具有复数输入和复数系数。在图19的示例性实施例中，将输入信号x应用于第一FIR滤波器1900-2并将输入信号x的共轭x*应用于第二FIR滤波器1900-2。因此，可以将IQ不平衡修正表示为具有被加法器1910组合的输出的2个复数滤波器1900。

因此，使用具有输入x和x的共轭的两个FIR滤波器来执行频率相关I/Q不平衡修正，其中，x是到I/Q不平衡修正处理的输入。

可以使用矢量处理器中的卷积指令用硬件或用软件来实现组合的RF均衡器和IQ不平衡修正(IQIC)级1900，如上文结合图18进一步讨论的。

通道滤波器/通道数字下变频(DDC)块180

可以以与图1的通道滤波器和数字上变频级110类似的方式来实现通道滤波器/通道数字下变频(DDC)块180，以使用例如有限脉冲响应(FIR)滤波器和数字下变频在接收路径中执行通道滤波以将射频(RF)转换成数字化基带信号。

结合申请

关于许多非线性函数和本文所讨论的其他函数的更详细讨论，参见例如题为“Digital Signal Processor Having Instruction Set with Oneor More Non-Linear Complex Functions”的11/28/08提交的美国专利申请序号12/324,926；题为“Digital Signal Processor HavingInstruction Set With One Or More Non-Linear Functions UsingReduced Look-Up Table”的11/28/08提交的美国专利申请序号12/324,927；题为“Digital Signal Processor With One Or More Non-Linear Functions Using Factorized Polynomial Interpolation”的11/28/08提交的美国专利申请序号12/324,934；题为“Digital SignalProcessor Having Instruction Set With An Xk Function UsingReduced Look-Up Table”的1/30/09提交的美国专利申请序号12/362,874；题为“System and Method for Providing MemoryBandwidth Efficient Correlation Acceleration”的8/3/10提交的美国专利申请序号12/849142；和/或Lei Ding等人在IEEE Transactions onCircuits and Systems,Vol.55,No 1390-97(Feb.2008)中的“Compensation of Frequency-Dependent Gain/Phase Imbalance inPredistortion Linearization Systems”，每个被通过引用结合到本文中。

结论

虽然已相对于数字处理器内的数字逻辑块和存储器表描述了本发明的示例性实施例，如对于本领域的技术人员而言将显而易见的，但可用软件程序、由电路元件或状态机用硬件或用软件和硬件两者的组合在数字域中将各种功能实现为处理步骤。此类软件可在例如数字信号处理器、专用集成电路或微控制器中采用。可在集成电路内实现的电路内体现此类硬件和软件。

因此，可以以方法和用于实施那些方法的设备的形式来体现本发明的功能。例如，可以以伪代码的形式来体现本发明的一个或多个方面，无论是存储在存储介质中、加载到机器中和/或由机器执行，其中，当程序代码被加载到诸如处理器之类的机器中并由机器执行时，机器变成用于实施本发明的设备。当在通用处理器上实现时，程序代码段与处理器组合以提供与特定逻辑电路类似地操作的设备。还可以在集成电路、数字处理器、微处理器以及微控制器中的一个或多个中实现本发明。

应理解的是在本文中所示和所述的实施例和变体仅仅说明本发明的原理，并且在不脱离本发明的范围和精神的情况下可以由本领域的技术人员实现各种修改。

Claims

1.一种用于以软件对信号执行一个或多个数字前端(DFE)函数的方法，包括：

在处理器上执行一个或多个特殊化指令以对所述信号执行所述一个或多个数字前端(DFE)函数，其中，所述处理器具有由线性指令和非线性指令中的一个或多个组成的指令集。

2.如权利要求1的方法，其中，所述处理器包括数字信号处理器和矢量处理器中的一个或多个。

3.如权利要求1的方法，其中，来自多个处理器的多个信号中的每一个信号在单独处理器上被处理。

4.如权利要求1的方法，其中，多个所述数字前端(DFE)函数中的每一个函数在单独处理器上被处理。

5.如权利要求1的方法，其中，所述特殊化指令包括矢量卷积函数。

6.如权利要求5的方法，其中，所述矢量卷积函数接收N1+N2-1个样本的输入矢量并处理输入矢量N1的N1个样本的时移版本和系数，并且针对每个时移版本产生FIR输出值。

7.如权利要求1的方法，其中，所述特殊化指令包括复指数函数。

8.如权利要求1的方法，其中，所述特殊化指令包括用于矢量x的x^k函数。

9.如权利要求1的方法，其中，所述信号被逐个样本地或作为数据样本块中的一个或多个来处理。

10.如权利要求1的方法，还包括形成由多个数据样本组成的样本块的步骤，并且其中，对所述样本块执行所述一个或多个数字前端(DFE)函数。

11.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括通道滤波函数，并且其中，所述一个或多个特殊化指令包括矢量卷积函数。

12.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括将所述信号乘以复指数的数字上变频函数，并且其中，所述一个或多个特殊化指令包括复指数指令。

13.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于波峰检测的所述一个或多个特殊化指令包括矢量比较指令和矢量max()指令中的一个或多个。

14.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于波峰抵消的所述一个或多个特殊化指令包括矢量乘积累加指令、矢量乘法指令和矢量加法指令中的一个或多个。

15.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于极性削波运算的所述一个或多个特殊化指令包括矢量x^-0.5指令、矢量sqrt()指令和矢量1/x指令中的一个或多个。

16.如权利要求1的方法，其中，所述一个或多个数字前端(DFE)函数包括数字预失真函数，并且其中，所述一个或多个特殊化指令包括一个或多个用户定义非线性指令。

17.如权利要求16的方法，其中，所述一个或多个用户定义非线性指令包括至少一个用户指定参数。

18.如权利要求17的方法，其中，响应于用于具有至少一个用户指定参数的至少一个非线性函数的所述软件指令中的至少一个，执行以下步骤：

调用至少一个功能单元，所述功能单元执行所述至少一个软件指令以对输入值x应用所述非线性函数；以及

生成对应于用于所述输入值x的所述非线性函数的输出。

19.如权利要求17的方法，还包括将所述至少一个用户指定参数从存储器加载到至少一个寄存器中的步骤。

20.如权利要求17的方法，其中，所述用户指定参数包括存储用于有限数目的输入值的所述非线性函数的值的查找表。

21.一种用于以软件对信号执行一个或多个数字前端(DFE)函数的处理器，包括：

存储器；以及

被耦合到所述存储器的至少一个硬件设备，可操作用于：

执行一个或多个特殊化指令以对所述信号执行所述一个或多个数字前端(DFE)函数，其中，所述处理器具有由线性指令和非线性指令中的一个或多个组成的指令集。

22.如权利要求21的处理器，其中，所述处理器包括数字信号处理器和矢量处理器中的一个或多个。

23.如权利要求21的处理器，其中，来自多个处理器的多个信号中的每一个信号在单独处理器上被处理。

24.如权利要求21的处理器，其中，多个所述数字前端(DFE)函数中的每一个函数在单独处理器上被处理。

25.如权利要求21的处理器，其中，所述特殊化指令包括矢量卷积函数。

26.如权利要求25的处理器，其中，所述矢量卷积函数接收N1+N2-1个样本的输入矢量并处理输入矢量N1的N1个样本的时移版本和系数，并且针对每个时移版本产生FIR输出值。

27.如权利要求21的处理器，其中，所述特殊化指令包括复指数函数。

28.如权利要求21的处理器，其中，所述特殊化指令包括用于矢量x的x^k函数。

29.如权利要求21的处理器，其中，所述信号被逐个样本地或作为数据样本块中的一个或多个来处理。

30.如权利要求21的处理器，其中，所述至少一个硬件设备还被配置成形成由多个数据样本组成的样本块，并且其中，对所述样本块执行所述一个或多个数字前端(DFE)函数。

31.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括通道滤波函数，并且其中，所述一个或多个特殊化指令包括矢量卷积函数。

32.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括将所述信号乘以复数指数的数字上变频函数，并且其中，所述一个或多个特殊化指令包括复数指数指令。

33.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于波峰检测的所述一个或多个特殊化指令包括矢量比较指令和矢量max()指令中的一个或多个。

34.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于波峰抵消的所述一个或多个特殊化指令包括矢量乘积累加指令、矢量乘法指令和矢量加法指令中的一个或多个。

35.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括波峰因数降低函数，并且其中，用于极性削波运算的所述一个或多个特殊化指令包括矢量x^-0.5指令、矢量sqrt()指令和矢量1/x指令中的一个或多个。

36.如权利要求21的处理器，其中，所述一个或多个数字前端(DFE)函数包括数字预失真函数，并且其中，所述一个或多个特殊化指令包括一个或多个用户定义非线性指令。

37.如权利要求36的处理器，其中，所述一个或多个用户定义非线性指令包括至少一个用户指定参数。

38.如权利要求37的处理器，其中，响应于用于具有至少一个用户指定参数的至少一个非线性函数的所述软件指令中的至少一个，执行以下步骤：

生成对应于用于所述输入值x的所述非线性函数的输出。

39.如权利要求37的处理器，其中，所述至少一个硬件设备还被配置成将所述至少一个用户指定参数从存储器加载到至少一个寄存器中。

40.如权利要求37的处理器，其中，所述用户指定参数包括存储用于有限数目的输入值的所述非线性函数的值的查找表。