CN104509031A - 选择对用于节点规模矢量化的系数进行压缩的参数的系统和方法 - Google Patents

Abstract

一般而言，本发明涉及用于优化预编码器系数压缩参数的方法和系统，以降低矢量化DSL系统的存储需求和其他需求。可结合各种现有的系数压缩技术(例如系数的量化和频率抽取)来实现本发明的实施例。根据某些方案，针对多个宏带中的每个宏带选择压缩参数(例如，Golomb模数和量化等级)，以使得可针对任何给定的信道条件优化系统的总数据速率。根据其他方案，计算压缩参数，以确保针对所有宏带的压缩参数不超过分配用于存储系数据的可用存储器。

Description

选择对用于节点规模矢量化的系数进行压缩的参数的系统和方法

技术领域

本发明一般涉及矢量化DSL通信系统的领域。

背景技术

数字订户线路(DSL)通信遭受到各种形式的干扰，包括串扰。已经开发出各种技术来对抗该干扰以及其对数据传输的影响，包括矢量化DSL。在上游调制解调器和下游调制解调器之间必须传输的矢量化相关数据的量对于矢量化DSL系统而言是大量的；上游设备(例如矢量化控制实体和/或其他矢量化模块)也必须对与串扰有关的矢量化数据进行存储、更新、操控和/或处理。

矢量化通过消除或预消除共址的收发机的矢量化组的信号中的串扰(即，FEXT)干扰来减轻双绞线DSL网络中固有的串扰。将来自和进入每个收发机的串扰描述为针对各个收发机所使用的每个音调(频率)的矩阵(信道矩阵)。为了执行消除，矢量处理系统必须具有对来自或去往参与到矢量化组中的每个收发机的信号的访问，且在描述信道矩阵的逆(或近似逆)的系数中体现消除信息。因为系数的数目随着DSL线路的数目的平方而增加，且因为早期系统已针对每个单元和频率存储了固定大小数目的系数，矢量化系统中的存储器要求随着较大的矢量化组而快速增加。

存在用于解决矢量化系统中的这些需求的某些传统方案。一个方案被称为部分消除。部分消除技术包括线路选择(即，仅针对主要干扰者DSL线路保留系数)和音调选择(即，仅针对主要干扰音调保留系数)，然而这些方法都要求用于监视正在消除的音调和/或线路的监管(例如，监管软件、固件)。因为网络特性和操作条件随着时间改变，必须在条件改变时维持这些监视功能。此外，根据定义，部分消除使非消除信道上的性能受到影响。

共同拥有的申请13/002,213和13/189,095(其内容通过整体引用并入本文)描述了用于减少矢量化DSL系统的存储器、传递和处理需求的各种有用且有价值的技术，且这些技术可被实现来管理针对所有可用受害者、干扰者和音调(即，节点规模的矢量化)的预编码器系数。然而，仍存在进一步改进的机会。

发明内容

一般而言，本发明涉及用于优化预编码器系数压缩参数的方法和系统，以降低矢量化DSL系统的存储需求和其他需求。可以结合共同待审的申请中公开的各种系数压缩技术来实现本发明的实施例。根据某些方案，针对每个宏带选择压缩参数(例如，Golomb模数和量化等级)，以使得可针对任何给定的信道条件优化系统的总数据速率。根据其他方案，计算压缩参数，以确保针对所有宏带的压缩的系数不超过分配用于存储系数数据的可用存储器。本发明的实施例提供了用于针对多个信道条件预计算最优压缩参数并将参数存储在查找表中的方式，该查找表的大小可以容易地适合常规VCE芯片使用的存储器。

在这些方案和其他方案的促进中，根据本发明的实施例的用于优化矢量化DSL系统的系数数据的方法包括：标识所述矢量化DSL系统中的多个宏带；针对所述宏带中的每个宏带选择相应系数数据压缩参数；利用所选择的系数数据压缩参数来评估所述矢量化DSL系统的性能；以及根据通过所述评估确定的期望系统性能，优化对相应系数数据压缩参数的选择。

在这些方案和其他方案的附加促进中，根据本发明的实施例的矢量化DSL系统包括VCE；以及一个或多个处理器，被配置为优化所述矢量化DSL系统的系数数据，所述优化包括：标识所述矢量化DSL系统中的多个宏带；针对所述宏带中的每个宏带选择相应系数数据压缩参数；利用所选择的系数数据压缩参数来评估所述矢量化DSL系统的性能；以及根据通过所述评估确定的期望系统性能，优化对相应系数数据压缩参数的选择。

附图说明

在回顾结合附图对本发明的特定实施例进行的以下描述时，对本领域普通技术人员来说，本发明的这些方面和特征以及其它方面和特征将变得显而易见，其中：

图1是(MIMO)DSL系统，在该系统中可实现本发明的实施例；

图2是来自电信公司线束线缆的、从0到30MHz的典型FEXT信道响应；

图3是根据本发明的一个或多个实施例的矢量化DSL系统的框图；以及

图4是根据本发明的实施例，获得针对矢量化DSL系统的最优压缩参数的示例性方法的流程图。

具体实施方式

现在将参考附图详细描述本发明，附图被提供来作为本发明的示意性示例，以使本领域技术人员能够实践本发明。要注意到的是，附图和下面的示例不意味着将本发明的范围限制到单个实施例，而是通过相互交换所描述或所示出的要素中的一些或全部，其他实施例是可能的。此外，在可以使用已知组件部分地或完全实现本发明的某些要素的情况下，将仅描述这些已知组件的对于理解本发明必要的那些部分，且将会省略对这些已知组件的其他部分的详细描述，以不使本发明含糊不清。除非在本文中另行规定，被描述为以软件实现的实施例不应被限于此，而是可以包括以硬件或软件和硬件的组合实现的实施例，且反之亦然，这对本领域技术人员而言会是显而易见的。在本说明书中，示出单一组件的实施例不应被视为限制，相反，除非在本文中另行明确说明，本发明意在包含包括多个相同组件的其他实施例，且反之亦然。此外，除非明确说明，申请人意在不认为说明书或权利要求中的任何术语具有不寻常或特殊的含义。此外，本发明包含了对本文中通过示意的方式涉及的已知组件的当前以及将来已知的等同替代。

一般而言，本发明的实施例使得矢量化数字订户线路(DSL)系统中的性能得到改进。

在没有串扰的情况下，在理论上，可以利用现有的铜质电话基础设施来使用离散多音调(DMT)DSL调制解调技术在上至大约5000英尺的距离上携带每秒几十到几百兆比特。DMT调制解调器将可用带宽划分为很多子载波(也称为“音调”、“频率”和/或“频率段”)，这些子载波是同步的，且被利用数字QAM数据来进行独立调制，以形成网络和订户之间的聚合通信信道。基于DMT的DSL系统通常使用频分复用(FDM)，并向下游(亦即，从DSLAM/CO到CPE/用户)或上游(从CPE/用户到DSLAM/CO)方向指派具体的子载波。该FDM策略限制了近端串扰(NEXT)。在存在射频干扰(RFI)和其他类型的频率选择性噪声(或干扰)或信道色散的情况下，DMT系统通常非常鲁棒，因为可利用适当量的数据和功率对每个子载波独立地进行调制以满足系统要求和期望误比特率。

典型的电话线束线缆通常包含10对到50对之间的未屏蔽铜质双绞线(这些线束然后被捆扎到较大的线缆中)。由于制造中的偏差和不完美的线缆安装(例如，弯曲等)，在线束内的每对双绞线之间(和在相邻线束之间)出现显著的FEXT电平，这是本领域技术人员众所周知的。作为典型的线缆构建、安装和部署技术的结果，在线缆中相当长的距离内，每对双绞线在物理上与其线束中(或外)的很多其他对双绞线相邻。在由于制造偏差而在FEXT电平中存在偏差时，最终结果是每个铜线对向线缆中的几乎每个其他铜线对施加某个量的FEXT。在很多情况下，FEXT在线路上可以比背景噪声电平高40dB之多，且串扰通常随着频率增加。线缆测量已经显示每个具体线路具有至少(且通常大于)5到10个影响线路性能的干扰者。因此，当在相对短的环路上在DMT DSL系统中实现高数据速率时，FEXT是主要的损害。

作为典型的线缆构建、安装和部署技术的结果，FEXT是当在很多环路上在DMT DSL系统中实现高数据速率时的主要损害。被称为“矢量化”的高级信号处理部分地或完全消除铜质电话线缆内的双绞线之间的FEXT，并允许高很多的数据速率。矢量化协调了电话线缆中的DSL线路之间的通信，这些DSL线路全部端接于被称为DSLAM(DSL接入复用器)的中心位置。为了高效地矢量化DSL调制解调器，DSL调制解调器必须被同步到相同的DMT符号时钟，并具有与预先配置的训练数据模式(对于每个调制解调器而言是唯一的)同步的训练/跟踪周期，以使得受害者调制调解器可以标识出具体的干扰者-受害者调制解调器对之间的串扰特性。本领域技术人员将会意识到的是，存在用于标识这种系统中的串扰的各种技术，包括在关于DSL系统及其实现的各种可应用标准中描述的一种或多种技术。

“串扰拓扑”或映射通常被表达为在训练、跟踪等期间确定的DSL线路之间的各种交互/串扰关系的矩阵。预补偿(例如，预编码)被用在下游方向(例如，从DSLAM到客户位置)上，并使用其他调制解调器(即，其FEXT影响到给定调制解调器的信号的调制解调器)的发射波形对调制解调器的发射波形进行预失真，使得当预失真的调制解调器信号到达其客户侧调制解调器时，干扰FEXT被抵消且其影响被消除或减少。在上游方向(例如，从客户位置到DSLAM)上，DSLAM处的MIMO(多输入多输出)空间滤波在上游接收侧消除上游FEXT。可以使用LMS(最小均方)自适应算法或其他最小平方类型的方法来标识和更新消除系数，这是众所周知的。

本文中公开并要求保护的减少存储器DSL的实施例利用了用于降低矢量化DSL系统中的“矢量化数据”(或“FEXT数据”等)存储、传递和处理需求(例如，存储、传输和/或处理给定DSL线路上的接收到的误差信号或作为FEXT的代理的其他信号、FEXT补偿滤波器系数、FEXT信道估计或系数、FEXT补偿矩阵G、传送这种信息的反向信道通信信号等)的技术和装置。根据初始化和训练期间DSL调制解调器的测量来导出FEXT耦合信息。在本文中描述的一些实施例中，仅针对音调的子集来估计FEXT耦合，然后通过重构、估计或通过其他方式处理系数来针对所有使用的音调消除FEXT。一些实施例涉及导致理想系数与重构系数之间的差异的信息丢失，这种重构误差作为未消除FEXT或残留FEXT出现，并在接收机中与背景噪声组合。比特分配(通常限制为15比特/音调)限制了支持可靠通信所需的信号噪声比(SNR)。此外，双绞线中不可避免的信号衰减随着频率而增加，因此可允许的残留FEXT电平(即，导致微小足够退化的FEXT的量，对于该微小足够退化，通过进一步的残留FEXT抑制得不到增益)随着音调频率而变化。在本文中的实施例中对量化的使用因此根据音调频率而变化；在一些实施例中，通过检查整个矢量化DSL系统的整体数据速率目标来导出量化间隔的集合。

本发明发明人认识到，针对给定的受害者/干扰者对，FEXT耦合在频率上是强相关的。该相关可被体现为线性预测滤波器，因此可使用某些频率处的FEXT耦合信息来预测其他频率处的耦合。如果计算预测误差，与FEXT耦合自身的变化相比，该预测误差的变化较小，因此起始音调处的FEXT耦合信息(与音调的较大集合上的预测误差序列一起使用)足够用于捕获音调的较大集合的FEXT耦合。因此，这种信息所需的存储器存储、传输和处理需求小于针对音调的集合的FEXT耦合的存储器存储、传输和处理需求。在这种实施例中，为了在每个音调处重构FEXT系数，利用线性预测滤波器的逆和起始状态一起来处理误差序列，例如，在预测滤波器中使用一阶差，其中，将前一音调处的系数值从当前音调处的值中减去。在其他实施例中，线性变换(例如，离散余弦变换)对FEXT耦合的可用估计的集合进行变换。FEXT耦合的估计中的强相关意味着变换后的估计的很多值将会较小，并可被对齐而对保真度造成最小损失。可以使用可调整阈值来选择要保留的变换值。因此，仍要在矢量化DSL系统中存储、传输和处理的量较少。在已经应用了一个或多个先前的方案之后，所产生的序列由具有非均匀的出现频率的符号(数字)组成。然后，一些实施例应用(无损的)可变长度熵编码，以进一步降低存储器存储、传输和处理需求(例如，算术编码、Huffman编码和Golomb编码，其涉及向码字指派符号，其中码字具有与该符号的出现频率成反比的长度--因为将较频繁的符号指派给较短的码字，存储器、带宽和/或处理优势自然增加了)。

作为高效的FEXT消除器或预编码器，系数应该反映物理环路设备的明显状态(调制解调器可感知到的)，该状态可随着时间变化。为了对此进行实现，使用特殊符号不时地进行信道测量，且计算对系数的加性更新(将更新与先前的系数相加，以针对给定的干扰者/受害者对和音调频率创建新的系数)。因为预测滤波器和变换方法都是线性的，将预测滤波器或变换应用到更新以简化实现，在这之后，将已滤波或变换的更新与先前的系数集合相加。对可变长度编码的使用使更新过程变得复杂，因为更新结果可能具有不同的存储要求(例如，新的系数集合可能太大而不能适合可用存储器)。为了保护系统免受溢出，本文中的减少存储器的矢量化DSL的实施例可以使用可调整参数，该可调整参数将保真度和存储器大小控制为：系统以保证系数适合可用存储器的参数组合开始，以及后续迭代将改善系数集合，直到达到预定限制为止。

因此，减少存储器的矢量化DSL的实施例产生：(1)针对从CPE侧FEXT数据收集器到DSLAM的数据传输，矢量化DSL系统具有减少的带宽负担，和/或(2)针对FEXT消除数据(例如，用来访问用于在DSLAM等中处理的FEXT数据)，矢量化DSL系统具有降低的DSLAM数据存储、传输和处理要求。

用于具有U个用户的矢量化组的“完全”FEXT消除方案(消除所有频率上所有干扰者的所有FEXT)针对每个DMT符号周期要求U²量级的计算。在具有近4096个音调并仅具有10个矢量化用户的DSL系统中，“完全”FEXT消除的复杂度等级是每秒几十亿次浮点运算(即，flop)的量级，且FEXT减轻设备中的功率耗散与FEXT减轻算法的复杂度成正比。本领域技术人员将会意识到，任何的完全FEXT消除中涉及的这种复杂度因此在当前是不切实际的。此外，由于在生成和更新消除系数中以及在这种系统中所使用的处理技术中的不完美，这种系统中的完美消除是不太可能的。

图1示出了示例性的矢量化组DSL系统80(例如，VDSL、VDSL2、ADSL等)，在系统80中可以实现减少存储器矢量化DSL的实施例，系统80包括上游端DSL设备(例如，CO侧DSLAM 82)以及经由双绞线84耦合到DSLAM 82的多个(U个)下游端DSL设备(例如，CPE 83)，双绞线84被捆扎在线束85中。DSLAM 82包括耦合到线路84的串扰预编码器87和串扰消除器88。矢量化控制实体(VCE)86耦合到预编码器87和消除器88，并经由一个或多个信道81耦合到CPE 83(CPE 83与VCE 86之间的信道可以是从CPE 83到DSLAM 82的上游逻辑数据路径，且与线路84在物理上可以不分隔)。消除器88、预编码器87和VCE 86的其他配置是已知的，且可在各种实施例中使用。CPE 83经由信道81向DSLAM 82发送FEXT消除数据(例如，误差信号、量化数据等)，DSLAM 82提取误差反馈信号并将其发送给VCE 86。可选地，DSLAM 82可以耦合到网络管理系统(NMS)89，NMS 89可以是处理与DSLAM 82交换的数据的网络管理结构。在其他实施例中，可修改DSLAM 82以包括分割器、滤波器、管理实体以及各种其他硬件、软件和功能。DSLAM 82包括在VCE 86、消除器88、预处理器87、NMS 89和/或线路84之间交换信号的多个DSL收发机(例如，VTU-O)。使用DSL收发机来接收和发送DSL信号，DSL收发机可以是调制解调器、调制解调卡、线路卡等。CPE 83各自包括用于经由线路84向DSLAM 82发送数据的DSL收发机(例如，VTU-R)。可以使用各种其他的上游端和下游端配置和DSL设备，以及图1的示例性配置不是限制，这是本领域技术人员将会认识到的。

预编码器87使用部分串扰消除对下游DSL传输中的串扰进行预消除，以减少下游信号串扰噪声，例如，使用具有多个下游频带和上游频带的典型DSL系统频带规划，该典型DSL系统频带规划可以与本文中的减少存储器矢量化DSL的实施例一起使用。可以通过从系统的每个输入到每个输出的系统(信道)响应来表征如图1的MIMO系统。对于线性系统，系统响应是线性函数。例如，从1到U的输入和从1到U的输出具有系统响应H_ij(对于i≠j，FEXT信道响应/系数，以及对于i＝j，直接信道响应/系数)，即H₁₁,H₁₂,...,H_1U,H₂₁,...,H_U1,H_U2,...,H_UU。因此，任何给定的Output_u是从每个输入(1到U)到该输出的聚合响应。为了标识系统响应H_ij(其中，i,j＝1:U)，可以利用测试信号输入数据(例如，导频和/或正交训练或跟踪序列)以及CPE调制解调器(即，下游端DSL设备)接收的、观察的、测量的和/或收集的系统测试信号输出数据来仿真输入。接收调制解调器接收到或计算的数据通常是误差信号。每个调制解调器都知道训练/跟踪数据输入是什么以及如果不存在串扰，该调制解调器应该接收到什么输出信号。接收调制解调器计算对所期望的传输输出和实际的(FEXT扰乱的)传输输出之间的差异进行表示的误差信号。可以向DSLAM等发送这些误差信号，作为对给定DSL线路的FEXT干扰的指示。DSLAM从所有相关的CPE调制解调器收集这些误差信号，并将该数据进行相关，以确定表示相关DSL线路中的串扰影响的H_ij(k)系数。

因此，每个子信道变为其信道响应可被独立(且同时)标识的独立MIMO系统。直接系统响应H_ii对应于针对来自每个调制解调器自身的双绞线的单个子信道的期望调制解调器响应信号，以及剩余项H_ij(i≠j)对应于来自相同或不同线缆中的其他线路的FEXT。这种系统在上游方向和下游方向上都存在，其中，音调组被指派给任意传输方向。在本文中结合耦合到多个CPE调制解调器的DSLAM描述了减少存储器矢量化DSL的各种实施例。然而，本领域技术人员意识到，可以在其他DSL传输以及矢量化设置和结构中使用其他实施例。例如，DSL线路可以将DSLAM耦合到中间DSL线路设备，例如，光网络终点站(ONT)、信号转发器等。同样地，DSL线路的上游端可端接于除DSLAM之外的设备或装置。亦即，可以在各种DSL设置中使用本发明的实施例，在该各种DSL设置中，DSL线路端接于下游收发机和上游收发机。

通过每个CPE调制解调器(例如基于从电信公司侧设备发送的训练数据)测量/收集针对DMT系统中的所有音调的FEXT响应，所执行的先前的DSLAM侧矢量化系统发送预编码，并(通过反向信道)向电信公司/DSLAM侧设备发送每个音调的所收集的测量以用于FEXT信道估计和进一步的处理。本领域技术人员已知，CPE在串扰训练之后向DSLAM发送的每个值可以作为H_ij的代理，而不是H_ij的值自身(不对这种通常使用并已知的符号或量中的变化进行详细描述)。备选地，CPE可以执行所需的FEXT信道估计处理，并通过反向信道向电信公司/DSLAM侧发送信道估计。因为FEXT信道特性可随时间变化，随着时间定期地跟踪和更新这些信道估计。在矢量化DSL系统中，FEXT数据的上游反向信道通信可能是明显的瓶颈，且FEXT数据的后续存储可能是严重的存储器负担。FEXT信道测量等的反向信道通信特别成问题，因为在该预启动时段期间(在完全的调制解调器训练和初始化之前)，仅低比特速率控制信道是可用的。该通信瓶颈可能减缓系统训练时间，并推迟有用的系统操作。反向信道通信在正常系统操作期间也是个问题，因为多数的DSL频带方案偏爱以较低的上游速率为代价来支持较高的下游速率(例如，以10:1的比率)。因此，反向信道通信可能是整个可用上游数据速率中显著的部分。如果没有分配充足的带宽以用于更新FEXT数据测量，更新可被放缓并阻碍了信道变化的及时跟踪。FEXT信道数据的存储是相关的问题。一般而言，针对每个DMT音调，具有U个用户的系统总共有U²个计算和存储的信道响应(U个期望直接信道响应和U*(U-1)个FEXT信道响应)。虽然一些优化技术降低了该负担，存储要求可能仍然非常大并且繁重。

如上所述，DSL线缆上的测量显示了相邻音调的FEXT系数之间的增量改变较小。这并非暗示FEXT在所有音调之间是大致恒定的，相反，暗示了从一个音调到下一个音调的相对平滑的FEXT改变。例如，图2示出了来自电信公司线束线缆的从0到30MHz的示例性FEXT信道响应曲线。基于DMT的DSL系统中的子频带间距通常是4到8kHz的量级。可以看出，邻近子信道之间的FEXT中的增量改变相对较小，尽管在整个0到30MHz频带上存在大的变化。在多数FEXT消除方案中，目标是这样的组合系统：在该系统中，针对下游矢量化将系统输入x和系统输出y之间的关系定义为y＝HGx+n，其中，G被预先应用到输入数据，矩阵乘积HG近似对角矩阵，H是包含上述MIMO系统传输数据值H_ij的矩阵，G是由该系统导出的FEXT预消除器系数G_ij的矩阵，以及n是噪声(或者信道或电子设备中的其他不相关的失真源)。对于上游矢量化，FEXT补偿被实现为后消除器，且y＝G(Hx+n)。针对下游矢量化或上游矢量化，以完全的精度(即，计算G_ij的每个完全精度系数值)导出G的一个方法利用了矩阵逆，以使得如果在音调k处用户i和用户j之间的FEXT系数是H_ij(k)，则预消除器或后消除器系数是G_ij(k)＝H_ij ^-1(k)。本领域技术人员意识到，存在用于计算这些串扰消除系数的其他方法。然而，从H_ij(k)到H_ij(k+1)的增量改变较小，且本文中的一些减少存储器矢量化DSL实施例利用了连续音调中G_ij(k)的较小增量变化。与下游矢量化以及CPE提供下游FEXT数据(即，由CPE收集并向上游发送给DSLAM以用于处理的误差数据)相结合提供的示例性实施例同样可应用于上游矢量化，其中，给定组的CPE将测试信号输入数据向上游发送给DSLAM(上游端设备)，以生成与上游传输有关的FEXT数据。唯一的实质性区别在于减少存储器传输的减少上游带宽使用的益处相对较少相关，因为FEXT误差信号是由DSLAM(或其他上游端设备)而不是CPE调制解调器接收、观察、测量和/或收集的。

实际的示例性矢量化DSL系统可具有使用2500个音调的128个用户，导致每个用户32个消除系数(针对每个用户，32个最显著的FEXT源)。这种以用于计算和实现逆矩阵G的完全精度来操作的系统要求存储1千万个系数，每个系数要求大约20-32个比特。本领域技术人员意识到，在这种系统中实质降低用于存储器、传输和处理系数的带宽和存储器代表了重大的益处。DSLAM侧设备中总的存储器存储能力/大小是关注点；然而系数存储器带宽可能是甚至更大的关注点。如果该系统使用4kHzDMT符号速率，要求40G字的存储器带宽(每个系数必须针对每个DMT符号来加载)。两个存储器选项(片上存储器和片下存储器)都具有对性能造成负面影响的缺陷。针对40MB的示例性存储器要求，ASIC或FPGA实现的片上存储器在管芯尺寸方面(ASIC)非常昂贵，或完全不可获得(FPGA)。利用片下的商用DRAM，该示例性存储器量是可能的，然而，存储器与矢量处理器之间的信道的带宽太慢，以至于不能支持矢量化(必须在每个DMT符号的250微秒持续时间内读取整个存储器内容)。

根据某些方案，本发明的实施例产生：(1)针对从CPE串扰数据收集器到DSLAM的数据传输，施加较少带宽负担的矢量化DSL系统，和/或(2)针对串扰消除系数和/或其他FEXT消除数据，在DSLAM侧具有改进的数据存储、传输和处理要求的矢量化DSL系统。

在一些实施例中，在DSL音调的“完全集合”(即，在DSL系统中使用的所有音调、所使用的所有下游音调、所使用的所有上游音调、下游或上游频带(其各自具有完全的音调集合)的数目等)中定义一个或多个微带。当在本文中提及“所有音调”时，该短语要被理解为“几乎所有的音调”，因为给定范围(特别是较大频率范围)内的少量的音调可能没有参与到数据传输中。每个微带可以具有数目相等或不等的音调(例如，微带中的音调的数目或间距可能基于频带位置而改变)。与较低的频率相比，较高的频率遭受不同的FEXT问题，因此可能在高频率范围内使用较小的微带大小，其他变型对于本领域技术人员而言将是显而易见的。在简单的示例中，一些实施例将DSL音调的完全集合(即，整个系统中256或4094个音调，或给定频带中的所有音调)划分为各自包含相同数目的音调的微带。在每个微带中使用少量的G_ij(k)完全精度值，可以对剩余音调的G_ij(k)值进行近似。因此，慎重选择近似模型降低了这种矢量化DSL系统中的反向信道通信和存储器存储需求。虽然将G_ij(k)用作用于确定完全精度值和近似值的示例性量，可以使用其他FEXT相关量/值(例如，H_ij(k)、调制解调器处的DSL线路输出误差信号)。

矢量化调制解调器与矢量化组(相同机架单元或多个机架单元)中的其他调制解调器交换实时FEXT信息。使用4kHz到8kHz范围内的典型DMT符号速率，必须在矢量化带宽上每次针对一个DMT符号进行FEXT消除(处理延迟是几个DMT符号(或更少)的量级)，以避免等待时间问题，导致复杂的数据网络，在该数据网络中，每个线路卡与(例如，其他线路卡、机架等上的)其他系统调制解调器中的每个系统调制解调器共享来自其调制解调器中的每个调制解调器的实时FEXT信息。在典型的DSLAM系统中，矢量化数据的传递可以是每秒几十G比特。当前的DSLAM底板不能应付该附加传递负荷，以及将来的DSLAM底板需要以合理的复杂度和操作性能来管理该数据传递流的实用方法。大量的FEXT耦合可来自于相邻线束或甚至不同的线缆，该不同的线缆由于在电信公司节点中使用“转换箱”或接线板而在相同电信公司节点中端接。这些接线板被用于将各个铜线对(可能来自于不同的线束或电信公司线缆)映射到DSLAM线路卡上的特定调制解调器端口。此外，当单个调制解调器端口不能提供期望数据速率时，将多个调制解调器端口绑定在一起可以增加客户数据速率(添加第二端口来提供附加服务，多端口DSL服务具有携带更多数据、更快速地操作等潜能)。一些系统要求将绑定的调制解调器端口连接到相同的线路卡；因为与线束组管理不切实际相同的原因，这对于一些电信公司而言是不切实际的。最后，DSL矢量化的计算需求(特别是与用户数据信号的实时串扰数据处理)造成数据传输瓶颈和处理问题。大量的数据需要被快速处理(以降低等待时间/延迟)，且必须被高效发送和处理。实施例提供了高效地应付和处理该大量数据而对正在矢量化的DSL线路的等待时间和/或性能造成很小负面影响的系统、装置、方法等。

矢量化DSL系统以及其中的测量受困于固有的噪声，且所估计FEXT数据中的误差使系统性能退化。可以通过时间平均(由相同量构成的很多测量)来减轻噪声影响；如果噪声破坏测量在统计上是稳定的，则测量可以更加精确，即使这花费了更多时间。数据聚集平滑(例如，去噪)技术移除噪声影响，而不要求用于进行噪声平均的额外时间。用于收集信道测量的有限时间还意味着估计仅在用于传输的音调的有限子集上是可用的(例如，对4个音调中的一个使用估计)。必须更加该有限测量集合导出针对每个音调的完整预编码器/消除器系数集合。已估计的耦合函数的子采样(或抽取)可以使它们与预编码器/消除装置速率兼容。希望高精度地了解FEXT数据，然而这些益处存在着极限，且事实上越高精度数据要求越多的存储存储器。仅保留得到低于某个阈值的量化误差所需的精度，以提供适当的系统性能和所可能的最小存储器，这是有益的。在一些实施例中使用均匀隔开的量化来控制相对于噪声(背景噪声、热噪声或其他不可避免的系统噪声)的信号对量化误差比中的损失，该均匀隔开的量化使用根据音调频率或微带而变化的量化间隔。

线性预测滤波器可以将FEXT耦合(或例如预编码器/消除系数)中的相关性以及对预测滤波器输出与实际的或所估计的FEXT耦合之间的误差序列的计算提取或定义为降低表示FEXT耦合(或例如预编码器/消除系数)的整数的绝对值平均的方式。备选地，可以使用离散余弦变换来变换针对一对干扰者/受害者的已量化FEXT数据。将已变换序列的绝对值与阈值进行比较，如果这些绝对值小于阈值，丢弃已变换序列的值，否则保留它们。

可变长度熵编码(例如，算术编码、Huffman编码或Golomb编码)可以进一步压缩FEXT数据，并与子采样、量化和预测一起使用。可以以更多的损失来初始化用于控制信息损失的可调整参数，以确保将已压缩FEXT数据适合可用存储器；然后接连改善估计以降低误差，直到存储器使用到达预定阈值。在计算预测误差时可使用对先前的已解压FEXT数据集合的加性更新来更新已压缩FEXT数据，然后对结果进行编码并存储为新的FEXT数据集合。将这种方案、技术等中的一种或多种单独使用或一起使用可以降低或消除否则将面对矢量化DSL系统的通信瓶颈。这种实施例是可缩放的，从小端口数的系统(例如，单线路卡系统)到大得多的系统(跨多个线路卡和/或机架展开的数千个端口)。这种实施例与两种光互连技术(在多机架系统的情况下，或线路卡升级到传统机架设备的情况下)一起使用，以及还与将来的铜互连技术一起使用，在将来的铜互连技术中，所有通信在铜质底板上的单个DSLAM中或使用高带宽铜互连流动。实施例还允许“虚拟绑定”，虚拟绑定使得电信公司可以跨多个线路卡和/或多个机架绑定调制解调器端口。

图3示出了矢量化数据通信系统100，在系统100中，线路卡110包含控制双绞线114上的通信的DSL调制解调器112(例如，多端口设备)。多个线路卡110经由高速通信装置(例如，图3中的XAUI线路108等)连接到矢量化控制实体(VCE)，VCE可以是或可以包括集中矢量化模块120(其例如可以是矢量化卡)。高速数据通信线路116将调制解调器112连接到线路卡矢量路由器组件(VRC-L)118。VRC-L 118形成调制解调器112的提取层，因为调制解调器112仅需要连接到一个VRC-L 118，且因此针对每个调制解调器112隐藏了该特定矢量化部署(例如，端口、线路卡等的数目)的复杂度。

从每个调制解调器112到其相应VRC-L 118的矢量化数据流包括用于下游通信和上游通信的频域采样，亦即，IFFT输入发送(TX)用于下游矢量化的数据，和/或FFT输出接收(RX)用于上游矢量化的数据。从矢量化模块120经由VRC-L 118返回每个调制解调器112的数据是调制解调器的已串扰调整(已矢量化)IFFT输入数据和/或FFT输出数据，该数据被调节和/或处理，以防止和/或移除来自其他vddg线路的串扰干扰。每个线路卡110中的VRC-L 118担当线路卡的调制解调器112与矢量化模块120之间的接口。高速线路108将每个线路卡110上的VRC-L 118联网到矢量化模块120上的同伴VRC-V 122。矢量化模块120上的VRC-V122将调制解调器矢量化数据流细分为微带，以用于一个或多个矢量处理器(VPC)124中的后续串扰消除，这是系统要求所定义的。矢量处理器也可被称为“矢量处理器组件”、“计算设备”等。亦即，在每个调制解调器中将数据从正常(即，未矢量化)数据流中移除，并将其重新组织到通过频率特性定义的数据束中，以使得可基于频率(例如，逐音调地、基于音调的组等)来对该数据进行串扰处理。一旦经过处理，从用于串扰移除处理的基于频率的束中再次重新组织数据，并重新组装该数据以用于调制解调器的传输/使用。

例如，上游频带和下游频带可以是由一个或多个VRC(例如，VRC-L/VRC-V对)路由到各个VPC的矢量。矢量路由器是出于在调制解调器与矢量处理器之间高效地移动矢量化数据以避免处理或者数据传输瓶颈的目的、实现专用的“私有”数据网络的专用数据联网设备或者子系统，该专用的“私有”数据网络可以与以太网类似。矢量化数据的分组可以包含首部和/或其他状态信息，使得能够在不需要在每个调制解调器与矢量处理器设备之间的专用链路的情况下在数据网络上高效地路由矢量化数据。为此，矢量路由器还将矢量数据分组从调制解调器容易提供的格式转换成矢量处理器天然利用的格式，然后在已经执行了矢量化(例如，对调制解调器矢量化数据流进行交织和去交织)之后再转换回去。取决于配置，该任务可以分在VRC-L与VRC-V上，或者仅在其中之一或另一个上执行。备选地，VPC指派可以基于均匀分隔的微带(与上游频带和下游频带分配无关)。矢量化模块120上的VRC-V 122与VPC 124之间的数据传输可以使用高速互连线路126来执行。

可以结合共同待审的申请中公开的各种系数压缩技术来实现本发明的实施例。例如，这些压缩技术包括通过音调来对系数进行抽取，且使用不同的编码技术(例如，Golomb编码)来执行插值。这些压缩技术还包括系数的量化。

本发明发明人认识到：在使用共同待审的申请的技术来压缩预编码器系数时，针对各个频带选择Golomb和量化参数可能对性能造成重大影响。本发明的实施例针对每个宏带i使用Golomb模数参数M_i和量化等级参数k_i的唯一集合。与共同待审申请的微带相反，且为本领域技术人员所意识到的，宏带是用于上游传输和下游传输的连续的音调组(例如，全部公共用于上游传输或下游传输的大约500-800个连续的音调)，并且通常由运营商设置。总的限制是：用于所有宏带的已压缩系数不能超过分配用于存储系数数据的可用存储器。

为系数存储分配的总的可用存储器是T。在一个非限制示例中，对于单个受害者、127个干扰者和1024个音调，T＝2¹⁷个比特被组织为128个1024比特的字。要注意到的是，该存储器需要能够存储所有宏带的已压缩系数。

给定针对给定宏带i分配的可用量T_i个比特的存储器，选择用于宏带的压缩参数的一个可能的方案是简单地以最小量化参数k_i开始，并找到用于该量化的最佳Golomb参数M_i。然后，量化等级根据需要增加，以将已压缩系数所需的存储量降低到T_i。然而，即使使用该简单的方案来为给定宏带i选择k_i和M_i，也不清楚如何为给定宏带选择T_i。在一个示例中，为了简洁，刚好在宏带之间均等划分总的存储器大小T。本发明发明人认识到虽然该简单的方案起作用，其在总的系统数据速率方面不必然是最佳解决方案。

根据某些方案，本发明的实施例选择用于优化针对给定信道条件在整个传输频谱(上游(US)和下游(DS))上发送的数据速率的压缩参数。亦即，用于宏带的T_i的相应值不是先验固定的。相反，选择为每个宏带分配的存储器量T_i(由针对每个宏带的系数压缩参数规定)，以最大化针对当前信道条件的数据速率。然而，本发明的实施例始终遵守总的存储器限制：∑T_i<T。

当然，该方案涉及更大的复杂度，且在事实上，其涉及解决非常复杂的优化问题。然而，本发明发明人已经认识到虽然该问题可能非常复杂，其在数学上是凸的(convex)，并因此是容易处理的。因此，本发明的实施例提供了解决该问题的方式，可能包括离线执行的处理(即，在与执行矢量化DSL通信的计算系统不同的计算系统中)。在这种离线实施例中，可以将结果存储在查找表中，该查找表的大小可以容易地适合常规VCE芯片使用的存储器(例如，Kraken和Micro VCE芯片的DDR存储器)中。因此，本发明的实施例以可管理的复杂度实现了吞吐量益处。

图4中示出了根据本发明的实施例选择压缩参数的示例方法。

在第一步骤S402中，确定可用于系数存储的存储器大小(T)。在如图4中示出的离线示例中，还标识可用于压缩参数查找表的存储器的可用大小。虽然为了本发明的清楚示出了该步骤，取决于所使用的矢量化设备和/或用于矢量化的具体配置(例如，每条线路的芯片等)，存储器大小可以是已知的或固定的。

在步骤S404中，标识要使用的宏带的数目i以及每个宏带中包括的音调的集合。虽然为了清楚示出该步骤，这些宏带可以是固定的，且是先验已知的(例如，5个宏带DS1、US1、DS2、US2和DS3)。例如，频带计划是由工业标准团体批准的，因此针对具体的部署，宏带定义将会是预定的。

在步骤S406中，给定存储器大小T，通过找到将由此定义针对每个宏带的存储器量T_i并优化整个传输频谱上的系统数据速率的压缩参数，找到针对每个宏带i的压缩参数集合。在备选实施例中，分别优化针对上游宏带和下游宏带的数据速率。在下面更详细地描述的一个可能的示例中，针对每个宏带i的压缩参数包括Golomb编码参数M_i和量化等级参数k_i。然而，本发明不限于该具体示例，且本领域技术人员将理解如何使用附加的或备选的压缩参数来实现本发明的方案。

对于图4中示出的离线实施例，在步骤408中，针对各种可能的信道条件计算针对每个宏带的最优压缩参数，并将其存储在查找表中。该步骤S408还包括对信道条件和压缩参数进行量化，使得查找表将会适合在步骤S402中确定的预定存储器大小。应该注意到的是，在一些实施例中，步骤S402至S408可在部署系统之前或者在需要更新系统时离线进行，且在此后，对于之后的步骤，查找表是固定的。

在步骤S410中，在需要计算和/或加载系数的适当时间处(例如，如下面进一步描述的，在系统启动时，以及之后周期性地更新)，确定当前信道条件。在一个实例离线实施例中，通过两个参数来表示用于查找表的信道条件：电长度，以及信道系数中的变化。可根据上游功率回退所需的信息来估计电长度。可以将信道系数中的变化计算为在预处理期间针对所有宏带中的一个受害者、所有干扰者和所有音调的已映射差之和。应该注意到的是，本发明不限于信道条件参数的该具体示例，且本领域技术人员将理解如何使用附加的或备选的信道条件参数来实现本发明的方案。

作为高效的FEXT消除器或预编码器，系数应该反映物理环路设备的明显状态(调制解调器可感知到的)，该状态可随着时间改变。为了对此进行实现，使用特殊符号不时地进行信道测量，且计算对系数的加性更新(将更新与先前的系数相加，以针对给定的干扰者/受害者对和音调频率创建新的系数)。例如，某些工业标准规定在数据符号集之间周期性地发送同步符号。这些符号被用于更新信道估计，并因此被用于更新预编码器/消除器参数。

在步骤S412中，使用所确定的当前信道条件来在查找表中查找针对于当前信道条件的最优压缩参数集合。

在步骤S414中，使用来自查找表的针对于每个宏带的压缩参数，对系数进行压缩并将其加载到存储器中。存储该压缩参数集合，且当准备好发送下游数据或对上游数据进行接收时，再次使用这些参数来解压从存储器获取的数据，以使得矢量化可以发生。

应该注意到的是，在图4中未示出的在线实施例中，可以针对当前已知的信道条件实时地计算最优压缩参数，并因此可以跳过图4中的步骤S408至S412。

现在将更详细地描述图4中示出的方法的各种可能的实现细节。

如上所述，在本发明的离线实施例中，构建包含要使用的压缩参数的查找表。通过线缆的电长度以及还通过表征信道系数中的变化的简单函数来对该表进行参数化。给定假设数目的可能信道条件，该查找表可能极大。然而，本发明的实施例能够将查找表适合于典型VCE芯片的可用存储器，而无需对解决方案精度做出大的妥协。在实施例中，这是通过非常仔细地量化电长度和信道变化参数来进行的。亦即，仅使用可能参数组合的子集，同时仍然在所限制的精度内优化系统的净吞吐量。也可以将构建该表的方法适配为对上游吞吐量和下游吞吐量进行各自优化。

如上进一步所述，在以下方面对离线过程要解决的优化问题进行了表述：针对每个宏带找到Golomb模式M和要量化的比特数目k，以使得可优化在整个传输频谱(DS和US)上发送的数据速率，同时遵守使针对单个受害者、所有干扰者和所有音调的已压缩系数适合大小为T个比特的存储器的限制。

优化解决方案的一个组成是为每个宏带找到最优SINR，其中，SINR是在利用针对给定信道条件由查找表提供的Golomb参数进行量化和矢量化之后宏带的预测性能。本发明发明人认识到：由于包括保护间隔在内最大比特负荷是15b/s/Hz，实现比产生频谱效率15的值更大的SINR并没有益处。该值是由通过信息理论论证所要求的57dB和用于从信息理论转换到实际通信系统的附加3dB保护间隔所确定。因此，SINR上限可以是60dB。在下面描述的实现中，这被称为SINR帽Γ，因此Γ＝60dB。

如上所述，构建查找表来为各种信道条件提供压缩参数。因此，需要提供各种可能的信道条件(例如，针对给定运营商的各个宏带的SNR)来作为优化算法的输入。本发明的实施例针对每个宏带使用一个代表性的SNR。例如，可以简单地通过取在宏带中的音调上测量的平均值或其估计来获得该代表性的SNR。因此，需要知道在每个线路的每个音调处应用的功率掩蔽(例如，来自于预计算表)。

优化算法可以在CO处运行，因此假设所有的US SNR已知是合理的。本发明发明人也已经认识到存在获知DS SNR的方式。例如，对于感兴趣的频率，通过电长度(其大致是恒定的)和功率掩蔽(预计算表)很好地确定信道响应。US SNR暗示了电长度，因此根据电长度和功率掩蔽可推断出DS SNR。

优化算法的一个目标是找到将会使得已压缩系数会适合于大小为T的存储器的压缩参数。在对与量化参数k(即，要量化的最小有效位的数目)和D(定义为2**(k+log₂M)，其中M是Golomb模数)的N个已映射差进行Golomb编码的情况下，已压缩参数占据的存储器是：

$\frac{8}{7}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{m_j}{D}+\frac{2^{k-1}}{D}+N(1+\log 2D-k)$

要注意到，2k<D，且代入β＝log 2D产生

$\frac{8}{7}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{m_j}{2^{\mathrm{\&beta;}}}+\frac{1}{2}+N(1+\mathrm{\&beta;}-k)$

因此，针对一个宏带i中的一个受害者、一个干扰者、所有已采样音调的Golomb编码的系数数据的上限为：

$\frac{8}{7}\underset{j=1}{\overset{\frac{{2S}_i}{f_{\mathrm{sub}.r}}}{\mathrm{\&Sigma;}}}\frac{m_j}{2^{{\mathrm{\&beta;}}_i}}+\frac{1}{2}+\frac{{2S}_i}{f_{\mathrm{sub}.r}}(1+{\mathrm{\&beta;}}_i-k_i)$

其中，S_i是宏带i中的音调的数目，以及f_sub,r是下采样速率。例如，当每四个音调对系数进行更新时，f_sub,r等于4。

为了找到针对宏带i中的一个受害者、所有干扰者和所有已采样音调的长度，本发明的实施例确保针对对应于单个差值化数据串的映射差保持以上界限。在存在多个干扰者时，在频率上对其数据彼此独立地进行差值化。因此，源自于残留量化误差的1/2项在干扰者之间累积，且以下表达式适用：

$\frac{8}{7}\underset{j=1}{\overset{V_i}{\mathrm{\&Sigma;}}}\frac{m_j}{2^{{\mathrm{\&beta;}}_i}}+\frac{N_d}{2}+V_i(1+{\mathrm{\&beta;}}_i-k_i)$

其中，V_i(等于2S_iN_d/f_sub,r，其中，N_d是干扰者的数目)是要针对宏带i中的一个受害者、所有干扰者和所有音调编码的值的数目。

因此，所有宏带(其中，N_b是宏带的数目，以及∑_i是针对所有值V_i的已映射差m_i的求和)上的已压缩系数的总长度是C，如：

$\frac{N_b{N}_d}{2}+\frac{8}{7}\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}(\mathrm{\&Sigma;}2**{\mathrm{\&beta;}}_i+V_i(1+{\mathrm{\&beta;}}_i-k_i))$

优化算法的另一组成部分包括开发针对SINR的公式。结合算法的该部分，在具体的音调上，由矢量Y表示每个线路上的接收信号，以及由矢量Y表示发送信号。具有表示线路i的直接信道增益的项(i,i)的对角矩阵被表示为H_d。将由矩阵C表示的串扰的效果包括在内，总的传递函数是H_d(I+C)，其中，H_d是对角矩阵，以及C沿着其对角具有0。因此，预编码器被表示为以及接收机处的噪声是功率为N₀的i.i.d.矢量N。

发送信号X由与预计算表中的值(功率频谱掩蔽A_d和保持单位功率的星座缩放因子)相乘的i.i.d.单位功率矢量R组成。A_d和是其项表示针对该线路的缩放的对角矩阵。A_d的对角项表示为α_i。是单位功率i.i.d.，但X＝A_dV不是。

为了导出SINR表达，将接收信号Y表示为

$Y=H_d(I+C)(I-\hat{C})A_{d}V+N$

令δc_ij表示针对第i个受害者和第j个干扰者的真实信道系数与已量化信道系数之间的差，以及将ΔC定义为其项是δc_ij的矩阵，产生

Y≈H_d(I+ΔC)A_dV+N

因此，V是i.i.d.单位功率，有下面的表达结果：

${\mathrm{SINR}}_i=\frac{{\left|h_i{\mathrm{\&alpha;}}_i\right|}^2}{N_0+{\left|h_i\right|}^2{\mathrm{\&Sigma;}}_{j\&NotEqual;i}{\left|{\mathrm{\&alpha;}}_j{\mathrm{\&delta;c}}_{\mathrm{ij}}\right|}^2}$

其中，h_i是线路i的信道传递函数。

最后，算法的实施例通过捕获信道误差对量化的量的依赖性的表达式来近似信道误差(即，|δc_ij|²≈2^-(30-2ki))，因此，可以对上述表达式进行以下简化

其中，最后的线路包括以下替换：

${\mathrm{\&gamma;}}_i={\mathrm{SNR}}_i{2}^{-30}{\mathrm{\&chi;}}_i$ 以及 ${\mathrm{\&chi;}}_i=\frac{{\mathrm{\&Sigma;}}_{j\&NotEqual;i}{\left|{\mathrm{\&alpha;}}_j\right|}^2}{{\left|{\mathrm{\&alpha;}}_i\right|}^2}$

要注意到的是，针对所有线路，SNR_i和|α_i|²的值需要是已知的。针对表的构建，本发明的实施例假设可根据线缆的电长度来确定对每个宏带的SNR的良好近似。

应该注意到的是，虽然算法的实施例包括近似每个宏带的SNR以得到SINR，因为这简化了优化，也有可能使用针对每个音调的SNR的评估所产生的速率。可根据电长度来估计针对每个音调的SNR。

如所提到的，在以下限制的情况下执行优化算法：已编码系数数据的总长度必须小于总的可用存储器T。此外，某些硬件限制强制要求η_i＝k_i–β_i<4以及k_i≤16。最后，存在明显的限制0≤k_i≤16和η_i≥0，以及k_i、η_i和β_i都是整数。

此外，如上所述，实现超过Γ的SINR没有益处，因此本发明的实施例条件限制

$\frac{{\mathrm{SNR}}_i}{1+2^{{2k}_i}{\mathrm{\&gamma;}}_i}\&le;\mathrm{\&Gamma;}$

对于SNR_i>Γ，将其重新布置为

$k_i\&GreaterEqual;\frac{1}{2}{\log }_2\left(\frac{1}{{\mathrm{\&gamma;}}_i}(\frac{{\mathrm{SNR}}_i}{\mathrm{\&Gamma;}}-1)\right)$

该约束可被简化为

k_i≥t_i，

算法的实施例解决了实数集上的问题，且因此将所产生的k_i和η_i的值取整到最近的有效整数。可说明的是，始终存在遵守这些限制的解决方案，因为进行足够激进(即，在允许的范围内增加k)的量化以使得在η_i＝0的情况下遵守存储器限制始终是可能的。换言之，在可行性区域中始终存在至少一个点。

优化算法的目标是解决：

$\underset{\{k_i,{\mathrm{\&beta;}}_i\}}{\min }\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}{S}_i{\log }_2\left(\frac{{\mathrm{SNR}}_i}{1+2^{{2k}_i}{\mathrm{\&gamma;}}_i}\right)$

受制于 $\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}(\frac{8}{7}{\mathrm{\&Sigma;}}_i{2}^{-{\mathrm{\&beta;}}_i}+V_i({\mathrm{\&beta;}}_i-k_i))\&le;T^{\&prime;}$

t_i≤k_i≤16

k_i≤β_i≤k_i+4.

如果如下修改目标，获得相同的解决方案

$\underset{\{k_i,{\mathrm{\&beta;}}_i\}}{\max }\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}{S}_i{\log }_2(1+2^{{2k}_i}{\mathrm{\&gamma;}}_i)$

算法的实施例使用障碍法来以数值方式解决问题。为了确保收敛，算法添加额外的限制，以确保问题为强凸。应该清楚，这些限制将不会改变原始问题的解决方案。具体地，示例实施例添加限制(1)：

$k_i^2\&le;{17}^2=289$ 以及 ${\mathrm{\&beta;}}_i^2\&le;{22}^2=484$

本领域技术人员应该清楚，最优k_i值和β_i值位于被限制的集合内。

障碍法的使用通过使用对数障碍函数强制该限制来将问题从受限制的优化(即，存在对搜索空间的限制)改变为不受限制的优化。附加限制(1)确保了收敛，因为它们强制二阶导数大于某些非负常数。一般参见S.Boyd and L.Vandenberg,“Convex Optimization,”CambridgeUniversity Press,2004。

如下通过参数t_bar来概括障碍的灵敏度。该方法优化

$\begin{array}{c}\underset{\{k_i,{\mathrm{\&beta;}}_i\}}{\min }\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}{t}_{\mathrm{bar}}{S}_i{\log }_2(1+2^{{2k}_i}{\mathrm{\&gamma;}}_i)-\log (16-k_i)-\log (k_i-t_i)-\log ({\mathrm{\&beta;}}_i-k_i)\\ -\log (k_i-{\mathrm{\&beta;}}_i+4)-\log ({-k}_i^2+289)-\log ({-\mathrm{\&beta;}}_i^2+484)\\ -\log (T^{\&prime;}-\underset{i=1}{\overset{N_b}{\mathrm{\&Sigma;}}}(\frac{8}{7}{\mathrm{\&Sigma;}}_i{2}^{-{\mathrm{\&beta;}}_i}+V_i({\mathrm{\&beta;}}_i-k_i))).\end{array}$

算法的实施例开始于任意值的t_bar，且通过数值方式将解近似到容限tolbar。然后，增加t_bar，以改进原始问题的解决方案的精度。然而，基于某些最优性界限，t_bar＝1相当精确。

针对t_bar的具体值，算法的实施例使用具有回溯线路搜索的梯度下降法来解决问题。亦即，搜索方向是目标的负梯度，且使用回溯线路搜索来确定步长。

本发明的实施例通过将t_bar、t_back、α和β设置为固定值并执行迭代搜索来解决该优化，其中，搜索方向取决于目标的梯度。梯度可表达如下：

$\begin{array}{c}\frac{\&PartialD;}{{\&PartialD;k}_i}\mathrm{objective}=t_{\mathrm{bar}}\frac{S_{i}2{\mathrm{\&gamma;}}_i{2}^{{2k}_i}}{1+{\mathrm{\&gamma;}}_i{2}^{{2k}_i}}-\frac{1}{k_i}+\frac{1}{16-k_i}-\frac{1}{k_i-t_i}+\frac{1}{{\mathrm{\&beta;}}_i-k_i}-\\ \frac{1}{k_i-{\mathrm{\&beta;}}_i+4}-\frac{{2k}_i}{k_i^2-289}+\frac{V_i}{T^{\&prime;}-{\mathrm{\&Sigma;}}_{i=1}^{N_b}(\frac{8}{7}{\mathrm{\&Sigma;}}_i{2}^{-{\mathrm{\&beta;}}_i}+V_i({\mathrm{\&beta;}}_i-k_i))}\end{array}$

$\frac{\&PartialD;}{{\&PartialD;\mathrm{\&beta;}}_i}\mathrm{objective}=-\frac{1}{{\mathrm{\&beta;}}_i-k_i}+\frac{1}{k_i-{\mathrm{\&beta;}}_i+4}-\frac{{2\mathrm{\&beta;}}_i}{{\mathrm{\&beta;}}_i^2-484}+\frac{\frac{8}{7}{\mathrm{\&Sigma;}}_i{2}^{-{\mathrm{\&beta;}}_i}\log 2+V_i}{T^{\&prime;}-{\mathrm{\&Sigma;}}_{i=1}^{N_b}(\frac{8}{7}{\mathrm{\&Sigma;}}_i{2}^{-{\mathrm{\&beta;}}_i}+V_i({\mathrm{\&beta;}}_i-k_i))}$

优选利用可行的点来发起该算法。可以看出，针对所有的i设置k_i＝15、β_i＝18是可行的(虽然很可能不是最优的)。

本发明发明人认识到在矢量化硬件上实时地针对给定设置(即，环路集合、功率掩蔽)如上所述地计算优化解决方案并非始终是可能的。由此，如上所述，实施例离线地解决优化(例如，使用在膝上型计算机或桌面计算机上运行的Matlab代码)，并将解决方案存储在可加载到VCE芯片的查找表中。因为M_i具有5个可能的值(可被编码为3个比特)且ki具有16个可能的值(可被编码为4个比特)，可以使用8个比特来对其二者进行编码。因此例如针对5个宏带，查找表将每个表条目需要5个字节来存储该解决方案。

还如上提到的，由于每个宏带基于环路长度和功率掩蔽可以具有不同的γ_i，且因为解决方案取决于宏带的SNR且还取决于每个宏带的∑_i的值，该表可能极大。因此，针对每个宏带，本发明的实施例使用N个值来量化每个γ_i值，且使用M个值来量化每个∑_i。在存在5个宏带的情况下，因而存在(MN)x5个所需表条目。针对宏带i，表中的每个条目具有压缩参数值{k_i,M_i}。

应该注意到，针对每个部署，功率掩蔽一般是固定的。因此，SNR_i仅取决于各个环路的电长度，且在宏带上可将其假设是恒定的。因此，本发明的实施例通过单个电长度而不是SNR的组来参数化该表。在假设标准的功率掩蔽并仿真电长度对γ_i的影响之后，在设置查找表的条目时，本发明的实施例将电长度限制为仅14个值的集合。此外，检查∑_i对解决方案的影响，可以看出可对该值进行相当粗略的量化，而不对解决方案造成太大影响。事实上，本发明的实施例在设置查找表的条目时可以仅使用7个值，即使某些典型的实现使用了大约250k的电长度和∑_i值。

本发明发明人进行了大量的仿真以看本发明的实施例可以实现多大的性能增益。该仿真将本发明的实施例与以下各项进行比较：(1)在宏带之间均等划分存储器，以及(2)向宏带分配存储器量的另一合理选择，该存储器量与该宏带的大小成正比。与这两个方案中的任一个相比，本发明实现了更高的数据速率。对于各种情况，其比其他方案超出30％以上。

虽然已经参考本发明的优选实施例对本发明进行了具体描述，对于本领域普通技术人员而言应该是显而易见的是，可进行形式和细节上的改变和修改而不背离本发明的精神和范围。意在所附权利要求包含这种改变和修改。

Claims (18)

1.一种用于优化矢量化DSL系统的系数数据的方法，包括：

标识所述矢量化DSL系统中的多个宏带；

针对所述宏带中的每个宏带选择相应系数数据压缩参数；

利用所选择的系数数据压缩参数来评估所述矢量化DSL系统的性能；以及

根据通过所述评估确定的期望系统性能，优化对所述相应系数数据压缩参数的选择。

2.根据权利要求1所述的方法，还包括：

标识系数数据的总可用大小，

其中，执行选择系数数据压缩参数，使得针对所述多个宏带中的所有宏带的压缩的系数数据不超过所述总可用大小。

3.根据权利要求1所述的方法，其中，评估性能包括标识对应的信道条件。

4.根据权利要求1所述的方法，其中，所述系数数据压缩参数包括Golomb模数。

5.根据权利要求1所述的方法，其中，所述系数数据压缩参数包括量化等级。

6.根据权利要求1所述的方法，还包括：

针对多个不同信道条件执行所述评估和优化；以及

在查找表中存储以所述多个不同信道条件来索引的最优系数数据压缩参数。

7.根据权利要求6所述的方法，还包括：

确定当前信道条件，

其中，选择包括在所述查找表中查找所述当前信道条件。

8.根据权利要求6所述的方法，其中，所述信道条件包括电长度。

9.根据权利要求6所述的方法，其中，所述信道条件包括映射的差值之和。

10.根据权利要求6所述的方法，还包括：

标识所述查找表的总可用大小；以及

根据所述总可用大小来量化可能的系数数据压缩参数和信道条件。

11.根据权利要求1所述的方法，其中，所述期望系统性能是所述矢量化DSL系统中上游通信和下游通信两者的总最大数据速率。

12.根据权利要求1所述的方法，其中，所述期望系统性能是所述矢量化DSL系统中上游通信和下游通信之一的总最大数据速率。

13.根据权利要求1所述的方法，还包括：

针对当前信道条件计算FEXT系数；

使用所选择的系数数据压缩参数来压缩所述FEXT系数；以及

存储压缩的FEXT系数。

14.根据权利要求13所述的方法，其中，压缩包括频率抽取和差值编码。

15.根据权利要求14所述的方法，其中，差值编码使用根据所选择的系数数据压缩参数获得的Golomb模数。

16.根据权利要求13所述的方法，其中，压缩包括量化。

17.根据权利要求16所述的方法，其中，量化使用根据所选择的系数数据压缩参数获得的量化等级。

18.一种矢量化DSL系统，包括：

VCE；

一个或多个处理器，被配置为优化矢量化DSL系统的系数数据，所述优化包括：

标识所述矢量化DSL系统中的多个宏带；

针对所述宏带中的每个宏带选择相应系数数据压缩参数；

利用所选择的系数数据压缩参数来评估所述矢量化DSL系统的性能；以及

根据通过所述评估确定的期望系统性能，优化对所述相应系数数据压缩参数的选择。