CN106487726A - 决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 - Google Patents
决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 Download PDFInfo
- Publication number
- CN106487726A CN106487726A CN201510526278.7A CN201510526278A CN106487726A CN 106487726 A CN106487726 A CN 106487726A CN 201510526278 A CN201510526278 A CN 201510526278A CN 106487726 A CN106487726 A CN 106487726A
- Authority
- CN
- China
- Prior art keywords
- iteration
- interative computation
- cir
- feed forward
- iterationses
- 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.)
- Pending
Links
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明揭露一种基于快速横向递归最小平方算法计算一最小均方误差决策反馈均衡器中的一前馈均衡器的一前馈均衡器系数的方法,其中该前馈均衡器的长度为LF,LF为正整数,该方法包含一外层迭代运算,该外层迭代运算的迭代次数为LF,且该外层迭代运算包含一内层迭代运算,该内层迭代运算的迭代次数为n,其中n为0~(LF-2)中的一整数。
Description
技术领域
本发明是关于决策反馈均衡器,尤其是关于决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置。
背景技术
图1系一种已知决策反馈均衡器(Decision Feedback Equalizer,DFE)的功能方块图。传送信号x(n)经过信道10以及受噪声r(n)影响后形成决策反馈均衡器100的输入信号y(n),其中n代表时间索引(time index)。决策反馈均衡器100包含前馈均衡器110、决策器120、反馈均衡器130、信道估测器140、前馈均衡器系数计算单元150以及反馈均衡器系数计算单元160。前馈均衡器(FeedForward Equalizer,FFE)110的主要功能在于处理输入信号y(n)中的前导干扰(pre-cursor inter symbol interference)信号与一部分的后滞干扰(post-cursorinter symbol interference)信号,而反馈均衡器(Feed Backward Equalizer,FBE)130的主要功能在于处理输入信号y(n)中的后滞干扰信号,之后决策器120再依据前馈均衡器110及反馈均衡器130的滤波结果来产生决策信号x’(n)。
其中,前馈均衡器120操作时所需的前馈均衡器系数f以及反馈均衡器130操作时所需的反馈均衡器系数b系分别由前馈均衡器系数计算单元150及反馈均衡器系数计算单元160产生。前馈均衡器系数计算单元150依据信道估测器170根据输入信号y(n)所产生的信道脉冲响应估测向量(Channel ImpulseResponse,CIR)h来产生前馈均衡器系数f,而反馈均衡器系数计算单元160则依据信道脉冲响应估测向量h以及前馈均衡器系数f来产生反馈均衡器系数b。
发明内容
本发明的一目的在于提供一种决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法,以提升决策反馈均衡器的效能。
本发明揭露一种基于快速横向递归最小平方算法计算一最小均方误差决策反馈均衡器中的一前馈均衡器的一前馈均衡器系数的方法,其中该前馈均衡器的长度为LF,LF为正整数,该方法包含:(a)依据该前馈均衡器的一输入信号产生一信道脉冲响应估测向量h;(b)依据该信道脉冲响应估测向量h及一前向预测系数向量w,产生一先验前向预测误差;(c)提供一前向预测的最小成本;(d)依据该前向预测系数向量w、该前向预测的最小成本及该先验前向预测误差,产生一已正规化的增益向量c;(e)提供一后验前向预测误差;(f)依据该后验前向预测误差及该已正规化的增益向量c,更新该前向预测系数向量w;(g)提供一转换因子;以及(h)依据该转换因子及该已正规化的增益向量c,产生该前馈均衡器系数;其中:步骤(a)至步骤(g)整体为一第一迭代运算,该第一迭代运算的迭代次数为LF;步骤(d)本身为一第二迭代运算,该第二迭代运算的迭代次数为n,其中n为0~(LF-2)中的一整数。
本发明另揭露一种基于快速横向递归最小平方算法的前馈均衡器系数计算装置,应用于计算一最小均方误差决策反馈均衡器中的一前馈均衡器的一前馈均衡器系数,其中该前馈均衡器的长度为LF,LF为正整数,该前馈均衡器系数计算装置包含:一先验前向预测误差计算模块,用来依据一信道脉冲响应估测向量h及一前向预测系数向量w,产生一先验前向预测误差;一前向预测的最小成本计算模块,用来提供一前向预测的最小成本α;一已正规化的增益向量计算模块,用来依据该前向预测系数向量w、该前向预测的最小成本α及该先验前向预测误差φ,产生一已正规化的增益向量c;一后验前向预测误差计算模块,用来提供一后验前向预测误差ψ;一前向预测系数向量计算模块,用来依据该后验前向预测误差ψ及该已正规化的增益向量c,更新该前向预测系数向量w;一转换因子计算模块,用来提供一转换因子γ;一控制模块,用来控制上述各模块的动作顺序以完成一第一迭代运算,并依据该转换因子及该已正规化的增益向量c,产生该前馈均衡器系数;其中,该第一迭代运算的迭代次数为LF,且该已正规化的增益向量计算模块执行一第二迭代运算,该第二迭代运算的迭代次数为n,其中n为0~(LF-2)中的一整数。
本发明的决策反馈均衡器的快速前馈均衡器系数的计算方法简化计算过程中的迭代运算,藉由减少迭代次数来加速计算前馈均衡器系数及反馈均衡器系数的过程,因此决策反馈均衡器的效能得以提升。
有关本发明的特征、实作与功效,兹配合图式作实施例详细说明如下。
附图说明
图1为已知决策反馈均衡器的功能方块图;
图2为本发明决策反馈均衡器的一实施方式的功能方块图;
图3为本发明快速前馈均衡器系数计算单元的一实施例的功能方块图;
图4为本发明计算前馈均衡器系数f的一实施例的流程图;
图5为本发明快速前馈均衡器系数计算单元以硬件电路实作的其中一种功能方块图;
图6为本发明的乘法的计算量与乘法器阵列的关系图;
图7为已知与本发明对于更新先验前向预测误差的计算量的比较图;
图8A为信道脉冲响应估测向量h的波形图;以及
图8B为前馈均衡器系数f的波形图。
符号说明:
110 信道
200、600 决策反馈均衡器
120、210 前馈均衡器
130、230 反馈均衡器
140、220 决策器
150 前馈均衡器系数计算单元
160、260 反馈均衡器系数计算单元
170、240 信道估测器
250 快速前馈均衡器系数计算单元
251、510 控制模块
252 先验前向预测误差计算模块
253 后验前向预测误差计算模块
254 前向预测的最小成本计算模块
255 转换因子计算模块
256 已正规化的增益向量计算模块
257 前向预测系数向量计算模块
520 存储器
530 乘法器
540 加法器
550、560 多工器
S310~S360 步骤
具体实施方式
在实施为可能的前提下,本领域普通技术人员能够依本说明书的揭露内容来选择等效的元件或步骤来实现本发明,亦即本发明的实施并不限于后叙的实施例。
图2为本发明决策反馈均衡器的一实施方式的功能方块图。决策反馈均衡器200包含前馈均衡器210、决策器220、反馈均衡器230、信道估测器240、快速前馈均衡器系数计算单元250以及反馈均衡器系数计算单元260。决策反馈均衡器200系为一最小均方误差决策反馈均衡器(Minimum Mean SquareError Decision Feedback Equalizer,MMSE-DFE),其至少具有不会放大噪声r(n)的优点,而快速前馈均衡器系数计算单元250与反馈均衡器系数计算单元260则利用快速横向递归最小平方(Fast Transversal Recursive Least Squares,FT-RLS)算法来计算前馈均衡器系数f与反馈均衡器系数b,其优点为收敛速度快,本发明进一步降低其计算量。在FT-RLS算法中,前馈均衡器系数f及反馈均衡器系数b可以分别表示如下:
b=HH×f (2)
其中,信道脉冲响应估测向量(Channel Impulse Response,CIR)h=[h(Δ)h(Δ-1)…h(Δ-LF+1)],Δ代表决策延迟(decision delay),LF为前馈均衡器120的长度(length),前馈均衡器120为一第(LF-1)阶均衡器且LF为一正整数,Φhh代表信道自相关(channel autocorrelation)矩阵,代表噪声能量,I代表单位矩阵,而信道脉冲响应估测矩阵H可以表示如下:
其中LB为反馈均衡器130的长度(length),反馈均衡器130为一第(LB-1)阶均衡器,LB同样为一正整数。
快速横向递归最小平方算法在计算上式(1)的前馈均衡器系数f时,会进行以下的迭代运算,迭代次数取决于前馈均衡器120的长度LF,为LF:
1.更新先验前向预测误差(a priori forward prediction error)φ;
2.更新后验前向预测误差(a posteriori forward prediction error)ψ;
3.更新前向预测的最小成本(minimum cost of the forward predictor)α;
4.更新转换因子(conversion factor)γ;
5.更新已正规化的增益向量(normalized gain factor)c;以及
6.更新前向预测系数向量(forward predictor coefficient vector)w。
上述的迭代运算可以用以下的伪码(pseudo code)来表示,其中「//」及其右侧的文字代表程序中的批注,参数i用来控制迭代的进行:
上述包含步骤1~6的迭代运算在进行LF次(i=0~LF-1)后,便可依据已正规化的增益向量c及转换因子γ来更新前馈均衡器系数f。上述的步骤2、3、4的计算方法为本领域普通技术人员可得知,因此在上述的伪码中不列出其详细步骤。
上述的伪码包含2层的迭代运算,外层的迭代运算包含上述的步骤1~6,而步骤1、步骤5及步骤6本身各自为内层的迭代运算。由于步骤2、3、4本身为不涉及迭代的纯量运算,所以计算复杂度(computation complexity)较低;而步骤1、5、6本身为涉及迭代的向量运算(由参数j控制迭代的进行),因此为影响上述伪码的计算复杂度的关键。进一步来说,步骤1的内层迭代的迭代次数与参数i的值有关,其计算复杂度约为步骤5、6的内层迭代的迭代次数与前馈均衡器120的长度LF的值有关,各自的计算复杂度约为而步骤2、3、4的计算复杂度总和约为O(LF),所以以快速横向递归最小平方计算前馈均衡器系数f的总计算复杂度约为如果能降低前馈均衡器系数计算单元的计算复杂度,则能有效提升决策反馈均衡器的效能。
经分析后发现,计算已正规化的增益向量c的步骤5以及计算前向预测系数向量w的步骤6涉及许多0的运算。更详细地说,已正规化的增益向量c及前向预测系数向量w在不同次的外层迭代运算中分别如表1及表2所示,其中「x」仅用以代表不为0的数值,不代表所有的x为同一数值。
表1:
表2:
由表1及表2可以发现,在外层迭代运算的第一次迭代后(i=0),在已正规化的增益向量c中,除了元素c[0]外,其余的元素皆为0,在前向预测系数向量w中,全部的元素则均为0;外层迭代运算的第2次迭代后(i=1),在已正规化的增益向量c中,除了元素c[0]与c[1]外,其余的元素皆为0,在前向预测系数向量w中,除了元素w[0]外,其余的元素皆为0;依此类推,在外层迭代运算的第LF次迭代后(i=LF-1),在已正规化的增益向量c中,全部的元素均不为0,在前向预测系数向w中,仅有元素w[LF-1]为0。请注意,在此例中,i=0对应前述的外层迭代运算的第一次迭代,i=1对应前述的外层迭代运算的第二次迭代,依此类推;然而在其他的实作方法中,参数i的初始值及在连续两次的迭代中的变化量可能有所不同,故第N次迭代应以实际上迭代的发生次数为准。
依据以上的分析,在进行步骤5及步骤6的内层迭代运算时,可以只针对已正规化的增益向量c及前向预测系数向量w中不为0的元素做计算,而不计算已正规化的增益向量c及前向预测系数向量w中为0的元素,以节省前馈均衡器系数计算单元计算时间或硬件资源。更详细地说,内层迭代运算的迭代次数(与控制参数j有关)可以依据外层迭代运算正在进行的迭代次数N(即第N次迭代)做调整,来减少内层迭代运算的计算量,其中N=1~LF。调整后的步骤5的伪码如下:
其中,在第N次外层迭代中,步骤5的迭代次数由LF-1次减少为N-1次。更详细地说,在第一次外层迭代中(N=1),步骤5的迭代次数由LF-1减少为零(意即:不须进行计算);在第二次外层迭代中(N=2),步骤5的迭代次数由LF-1减少为1;在第三次外层迭代中(N=3),步骤5的迭代次数由LF-1减少为2;依此类推;在第LF-1次外层迭代中(N=LF-1),步骤5的迭代次数由LF-1减少为LF-2;在第LF次外层迭代中(N=LF),步骤5的迭代次数则维持不变仍为LF-1。由此可知,调整后用来计算已正规化的增益向量c的步骤5,其计算复杂度约由降为而快速前馈均衡器系数计算单元250的计算量约降为原来的一半。
类似地,调整后的步骤6的伪码如下:
其中,在第N次外层迭代中,步骤6的迭代次数由LF减少为N-1次。更详细地说,在第一次外层迭代中(N=1),步骤6的迭代次数由LF减少为0(意即:不须进行计算);在第二次外层迭代中(N=2),步骤6的迭代次数由LF减少为1;在第三次外层迭代中(N=3),步骤6的迭代次数由LF减少为2;依此类推;在第LF-1次外层迭代中(N=LF-1),步骤6的迭代次数由LF减少为LF-2;在第LF次外层迭代中(N=LF),步骤6的迭代次数由LF减少为LF-1。由此可知,调整后用来计算前向预测系数向量w的步骤6,其计算复杂度约由降为而快速前馈均衡器系数计算单元250的计算量约降为原来的一半。
请注意,其他的实作方法中,控制参数j的初始值及在连续两次的内层迭代中的变化量可能有所不同,其系依据循环内部的算式对应变化,此类变化为本领域普通技术人员所熟知,故本发明的实施方式不以上述的伪码为限。
图3为本发明快速前馈均衡器系数计算单元250的一实施例的功能方块图,包含控制模块251、先验前向预测误差计算模块252、后验前向预测误差计算模块253、前向预测的最小成本计算模块254、转换因子计算模块255、已正规化的增益向量计算模块256以及前向预测系数向量计算模块257。请一并参阅图4,其系本发明快速前馈均衡器系数计算单元250的控制模块的一实施例的流程图。首先控制模块251根据控制参数i是否满足预设的条件,来判断是否应该执行外层的迭代运算(步骤S310)。若外层迭代运算还已完成(步骤S310判断为否),则控制模块251可更新并输出前馈均衡器系数f(步骤S360);然而若外层迭代运算还未完成(步骤S310判断为是),控制模块251先令先验前向预测误差计算模块252初始先验前向预测误差φ,也就是设定先验前向预测误差φ的初始值等于h[i](步骤S315)(h代表信道脉冲响应(ChannelImpulse Response,CIR)估测向量),然后控制模块251再控制先验前向预测误差计算模块252、后验前向预测误差计算模块253、前向预测的最小成本计算模块254以及转换因子计算模块255分别更新前述的φ、ψ、α及γ等参数(步骤S320,对应伪码的步骤1~4)。之后的步骤S330、S332及S334为第一个内层迭代(对应伪码的步骤5),由控制模块251依据控制参数j来控制已正规化的增益向量计算模块256,以进行用来更新已正规化的增益向量c的迭代运算。请注意,控制模块251在步骤S332中判断是否执行此内层迭代时是将控制参数j与控制参数i做比较,隐含内层迭代的迭代次数实际上与外层迭代的迭代数N有关。之后的步骤S340、S342及S344为第二个内层迭代(对应伪码的步骤6),由控制模块251依据控制参数j来控制前向预测系数向量计算模块257,以进行用来更新前向预测系数向量w的迭代运算。最后在步骤S350中改变控制参数i。
实作上,图3的快速前馈均衡器系数计算单元250可由硬件电路来实现,请参考图5,其系图3的快速前馈均衡器系数计算单元250的其中一种硬件电路实作方式。控制模块510例如是以基于有限状态机(finite state machine)的硬件逻辑电路,用来控制图4的流程的进行。依据控制模块510所输出的控制信号Ctrl,多工器550及560选择将信道脉冲响应估测向量h或暂存于存储器520中的数值(例如上述的参数φ、ψ、α、γ、c以及w)分别输出至乘法器530及加法器540。乘法器530及加法器540分别用来执行各步骤中的乘法运算及加法运算。图3的各个模块藉由图5所示的硬件执行各自所对应的程序代码,以实现各自的功能。
由伪码可知,步骤S334实际上包含一个乘法运算及一个减法运算其中以乘法运算较花费硬件资源及时间,故以其为主要讨论对象。图5的快速前馈均衡器系数计算单元250的乘法器530实际上可以是一个乘法器阵列(包含多个乘法单元),来执行上述的乘法运算,请参考图6。图6显示本发明的乘法的计算量与乘法器阵列的关系图,此处以LF=19为例。在此假设乘法器530包含4个乘法单元,当N=3时,步骤S334会被执行两次(因为内层迭代的次数为N-1),所以乘法器530会用到其中2两个乘法单元(斜线部分);当N=9时,步骤S332会被执行八次,此时乘法器530会被用到两次(等效八个乘法单元)来完成所需的乘法运算,以此类推。在已知的方法中,无论第几次的外层迭代(即无论迭代数N为何),步骤S334皆会执行十八次,所以即使是第一次迭代(N=1,本发明无需使用乘法器530),乘法器530仍会被使用四次以上。两相比较之下可以发现,(1)在相同的硬件资源下,本发明中快速前馈均衡器系数计算单元250所需的计算时间只需已知的一半左右;或(2)若要在相同的时间内完成计算,本发明的快速前馈均衡器系数计算单元250的硬件成本只需已知的一半左右。
同样的推论适用步骤S340、S342及S344所对应的第二个内层迭代(即对应伪码的步骤6),亦即本发明在伪码的步骤6亦可省下一半的计算时间或是一半的硬件成本。因此在图4的流程中,当第一及第二内层迭代所需的迭代次数皆与外层迭代的迭代数N相关时,有助于节省前馈均衡器系数计算单元的计算时间,而着实大幅改善前馈均衡器系数计算单元的效能,不仅加快前馈均衡器系数f的产生速率也同时加快反馈均衡器系数计算单元产生反馈均衡器系数b的速率,使得判决反馈均衡器的整体效能得以提升;抑或是节省前馈均衡器系数计算单元的硬件资源。
事实上,上述用来计算先验前向预测误差φ的步骤1亦为一个迭代运算,减少其计算量有助于节省前馈均衡器系数计算单元的计算时间,而进一步提升决策反馈均衡器的效能,或节省前馈均衡器系数计算单元的硬件资源。由伪码的步骤1可以得知,先验前向预测误差φ=φ-h[j]×w[k],其中h[j]代表信道脉冲响应估测向量h的元素,信道脉冲响应估测向量h包含LF个元素,LF为前馈均衡器120的长度(length),信道脉冲响应估测向量h的LF个元素例如为h[0]、h[1]、…、h[LF-1]。此外,步骤1的的迭代次数为系取决于外层迭代运算正在进行的迭代次数N。举例来说,在第一次外层迭代中(N=1),步骤1的迭代次数为零(意即:不须进行计算);在第二次外层迭代中(N=2),步骤1根据h[0]进行迭代运算,其迭代次数为1;在第三次外层迭代中(N=3),步骤1根据h[1]~h[0]进行迭代运算,其迭代次数为2;在第四次外层迭代中(N=4),步骤1根据h[2]~h[0]进行迭代运算,其迭代次数为3;依此类推;在第LF-1次外层迭代中(N=LF-1),步骤1根据h[LF-2]~h[0]进行迭代运算,且其迭代次数为LF-2;在第LF次外层迭代中(N=LF),步骤1根据h[LF-1]~h[0]进行迭代运算,且其迭代次数则为LF-1。然而,在多数的情况下,信道脉冲响应估测向量h的LF个元素中仅有LCIR个元素大于一默认值(LCIR<LF),其余(LF-LCIR)个元素则小于该默认值而可以视为零,其中LCIR可视为信道脉冲响应估测向量h的长度。举例来说,若信道脉冲响应估测向量h的LF个元素为h[0]~h[LF-1],则其中LCIR个元素h[0]~h[LCIR-1]大于一默认值,其余(LF-LCIR)个元素h[LCIR]~h[LF-1]则小于该默认值而可以视为零。又根据步骤1中先验前向预测误差φ的计算公式φ=φ-h[j]×w[k]可知,当h[j]=0时,φ不变。
依据以上的分析,在进行步骤1的内层迭代运算时,可以仅针对信道脉冲响应估测向量h中大于一默认值的元素做计算(例如:h[0]~h[LCIR-1]),而不对信道脉冲响应估测向量h中小于该默认值而可以视为零的元素作计算,以节省前馈均衡器系数计算单元的计算时间或硬件资源。举例来说,当控制参数j小于信道脉冲响应估测向量h的长度LCIR时才执行计算。调整后的步骤1的伪码如下:
其所达成的效果如图7所示,不论外层迭代的迭代数N为何,步骤1的迭代次数总是不会超过信道脉冲响应估测向量h的长度LCIR,也就是说在整个外层迭代运算的过程中,调整后的步骤1可以省下横线区域的计算量。
除了调整方程式(1)的步骤1、5、6的计算方法以减少前馈均衡器系数计算单元的计算量之外,本发明亦可调整方程式(2)的计算方法以减少反馈均衡器系数计算单元的计算量。在一个范例中,如图8A及图8B分别显示信道脉冲响应估测向量h及前馈均衡器系数f的波形图,由图8A及图8B可以发现两者有大多数的地方为0,又由方程式(2)可知反馈均衡器系数b为以上两者的乘积(b=HH×f),因此反馈均衡器系数计算单元可仅在两者均非零时才计算反馈均衡器系数b,即可大幅降低反馈均衡器系数计算单元的计算量。
虽然本发明的实施例如上所述,然而该些实施例并非用来限定本发明,本领域普通技术人员可依据本发明的明示或隐含的内容对本发明的技术特征施以变化,凡此种种变化均可能属于本发明所寻求的专利保护范畴,换言之,本发明的专利保护范围须视本说明书的权利要求所界定者为准。
Claims (26)
1.一种基于快速横向递归最小平方算法计算一最小均方误差决策反馈均衡器中的一前馈均衡器的一前馈均衡器系数的方法,其中该前馈均衡器的长度为LF,LF为正整数,该方法包含:
(a)依据该前馈均衡器的一输入信号产生一信道脉冲响应估测向量h;
(b)依据该信道脉冲响应估测向量h及一前向预测系数向量w,产生一先验前向预测误差;
(c)提供一前向预测的最小成本;
(d)依据该前向预测系数向量w、该前向预测的最小成本及该先验前向预测误差,产生一已正规化的增益向量c;
(e)提供一后验前向预测误差;
(f)依据该后验前向预测误差及该已正规化的增益向量c,更新该前向预测系数向量w;
(g)提供一转换因子;以及
(h)依据该转换因子及该已正规化的增益向量c,产生该前馈均衡器系数;
其中:
步骤(a)至步骤(g)整体为一第一迭代运算,该第一迭代运算的迭代次数为LF;
步骤(d)本身为一第二迭代运算,该第二迭代运算的迭代次数为n,其中n为0~(LF-2)中的一整数。
2.如权利要求1所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算的迭代次数n为(N-1)~(LF-2)中的一整数,N为1~(LF-1)间的一整数。
3.如权利要求2所述的方法,其特征在于,该已正规化的增益向量c包含元素c[0]-c[LF],于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算包含计算元素c[1]-c[N-1],N为大于1的一整数。
4.如权利要求3所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算的迭代次数n=N-1,该第二迭代运算计算元素c[1]-c[N-1],并且不计算元素c[N]-c[LF]而直接设为0。
5.如权利要求4所述的方法,其特征在于,该于该第一迭代运算的LF次迭代中的第一次迭代中,不计算元素c[1]-c[LF]而直接设为0。
6.如权利要求1所述的方法,其特征在于,步骤(f)本身为一第三迭代运算,该第三迭代运算的迭代次数为m,其中m为0~(LF-1)间的一整数。
7.如权利要求6所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第M次迭代中,该第三迭代运算的迭代次数m为(M-1)~LF间的一整数。
8.如权利要求7所述的方法,其特征在于,该前向预测系数向量w包含元素w[0]-w[LF-1],于该第一迭代运算的LF次迭代中的第M次迭代中,该第三迭代运算包含计算元素w[0]-w[M-2],M为大于1的一整数。
9.如权利要求8所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第M次迭代中,该第三迭代运算的迭代次数m=M-1,该第三迭代运算计算元素w[0]-w[M-2],并且不计算元素w[M-1]-w[LF-1]而直接设为0。
10.如权利要求9所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第1次迭代中,不计算元素w[0]-w[LF]而直接设为0。
11.如权利要求1所述的方法,其特征在于,该信道脉冲响应估测向量h包含LF个元素,该信道脉冲响应估测向量h的长度为LCIR,LCIR为正整数且小于LF,步骤(b)本身为一第四迭代运算,该第四迭代运算的迭代次数为p,于该第一迭代运算的LF次迭代中的第P次迭代中,该第四迭代运算的迭代次数p为LCIR~(P-2)中的一整数,其中P为(LCIR+2)~LF间的一整数。
12.如权利要求11所述的方法,其特征在于,该信道脉冲响应估测向量h包含元素h[0]-h[LF-1],元素h[0]-h[LCIR-1]大于一默认值,元素h[LCIR]-h[LF-1]小于该默认值,于该第一迭代运算的LF次迭代中的第P次迭代中,该第四迭代运算包含根据元素h[0]-h[LCIR-1]进行运算,其中P为(LCIR+2)~LF间的一整数。
13.如权利要求12所述的方法,其特征在于,于该第一迭代运算的LF次迭代中的第P次迭代中,该第四迭代运算的迭代次数p=LCIR,其中P为(LCIR+2)~LF间的一整数,该第四迭代运算仅根据元素h[0]-h[LCIR-1]进行运算,而不根据元素h[LCIR]-h[LF-1]中任何的一元素进行运算。
14.一种基于快速横向递归最小平方算法的前馈均衡器系数计算装置,应用于计算一最小均方误差决策反馈均衡器中的一前馈均衡器的一前馈均衡器系数,其中该前馈均衡器的长度为LF,LF为正整数,该前馈均衡器系数计算装置包含:
一先验前向预测误差计算模块,用来依据一信道脉冲响应估测向量h及一前向预测系数向量w,产生一先验前向预测误差;
一前向预测的最小成本计算模块,用来提供一前向预测的最小成本α;
一已正规化的增益向量计算模块,用来依据该前向预测系数向量w、该前向预测的最小成本α及该先验前向预测误差φ,产生一已正规化的增益向量c;
一后验前向预测误差计算模块,用来提供一后验前向预测误差ψ;
一前向预测系数向量计算模块,用来依据该后验前向预测误差ψ及该已正规化的增益向量c,更新该前向预测系数向量w;
一转换因子计算模块,用来提供一转换因子γ;
一控制模块,用来控制上述各模块的动作顺序以完成一第一迭代运算,并依据该转换因子及该已正规化的增益向量c,产生该前馈均衡器系数;
其中,该第一迭代运算的迭代次数为LF,且该已正规化的增益向量计算模块执行一第二迭代运算,该第二迭代运算的迭代次数为n,其中n为0~(LF-2)中的一整数。
15.如权利要求14所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算的迭代次数n为(N-1)~(LF-2)中的一整数,N为1~(LF-1)间的一整数。
16.如权利要求15所述的前馈均衡器系数计算装置,其特征在于,该已正规化的增益向量c包含元素c[0]-c[LF],于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算包含计算元素c[1]-c[N-1],N为大于1的一整数。
17.如权利要求16所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第N次迭代中,该第二迭代运算的迭代次数n=N-1,该已正规化的增益向量计算模块于该第二迭代运算中计算元素c[1]-c[N-1],并且不计算元素c[N]-c[LF]而直接设为0。
18.如权利要求17所述的前馈均衡器系数计算装置,其特征在于,该于该第一迭代运算的LF次迭代中的第一次迭代中,该已正规化的增益向量计算模块不计算元素c[1]-c[LF]而直接设为0。
19.如权利要求14所述的前馈均衡器系数计算装置,其特征在于,该前向预测系数向量计算模块执行一第三迭代运算,该第三迭代运算的迭代次数为m,其中m为0~(LF-1)间的一整数。
20.如权利要求19所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第M次迭代中,该第三迭代运算的迭代次数m为(M-1)~LF间的一整数。
21.如权利要求20所述的前馈均衡器系数计算装置,其特征在于,该前向预测系数向量w包含元素w[0]-w[LF-1],于该第一迭代运算的LF次迭代中的第M次迭代中,该前向预测系数向量计算模块执行该第三迭代运算时包含计算元素w[0]-w[M-2],M为大于1的一整数。
22.如权利要求21所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第M次迭代中,该第三迭代运算的迭代次数m=M-1,该前向预测系数向量计算模块于该第三迭代运算中计算元素w[0]-w[M-2],并且不计算元素w[M-1]-w[LF-1]而直接设为0。
23.如权利要求22所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第1次迭代中,该前向预测系数向量计算模块不计算元素w[0]-w[LF]而直接设为0。
24.如权利要求14所述的前馈均衡器系数计算装置,其特征在于,该信道脉冲响应估测向量h包含LF个元素,该信道脉冲响应估测向量h的长度为LCIR,LCIR为正整数且小于LF,该先验前向预测误差计算模块执行一第四迭代运算,该第四迭代运算的迭代次数为p,于该第一迭代运算的LF次迭代中的第P次迭代中,该第四迭代运算的迭代次数p为LCIR~(P-2)中的一整数,其中P为(LCIR+2)~LF间的一整数。
25.如权利要求24所述的前馈均衡器系数计算装置,其特征在于,该信道脉冲响应估测向量h包含元素h[0]-h[LF-1],元素h[0]-h[LCIR-1]大于一默认值,元素h[LCIR]-h[LF-1]小于该默认值,于该第一迭代运算的LF次迭代中的第P次迭代中,该先验前向预测误差计算模块执行该第四迭代运算时,包含根据元素h[0]-h[LCIR-1]进行运算,其中P为(LCIR+2)~LF间的一整数。
26.如权利要求25所述的前馈均衡器系数计算装置,其特征在于,于该第一迭代运算的LF次迭代中的第P次迭代中,该第四迭代运算的迭代次数p=LCIR,其中P为(LCIR+2)~LF间的一整数,该先验前向预测误差计算模块仅根据元素h[0]-h[LCIR-1]进行运算,而不根据元素h[LCIR]-h[LF-1]中任何的一元素进行运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526278.7A CN106487726A (zh) | 2015-08-25 | 2015-08-25 | 决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510526278.7A CN106487726A (zh) | 2015-08-25 | 2015-08-25 | 决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106487726A true CN106487726A (zh) | 2017-03-08 |
Family
ID=58233280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510526278.7A Pending CN106487726A (zh) | 2015-08-25 | 2015-08-25 | 决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106487726A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109729028A (zh) * | 2017-10-30 | 2019-05-07 | 晨星半导体股份有限公司 | 无线通信系统及其信号处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515811A (zh) * | 2008-02-18 | 2009-08-26 | 瑞昱半导体股份有限公司 | 信号处理装置 |
WO2011014313A2 (en) * | 2009-07-30 | 2011-02-03 | Yang Lin | A novel equalzer for single carrier terrstrial dtv receiver |
CN102255622A (zh) * | 2010-05-17 | 2011-11-23 | 晨星软件研发(深圳)有限公司 | 信号选择装置及其方法 |
-
2015
- 2015-08-25 CN CN201510526278.7A patent/CN106487726A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515811A (zh) * | 2008-02-18 | 2009-08-26 | 瑞昱半导体股份有限公司 | 信号处理装置 |
WO2011014313A2 (en) * | 2009-07-30 | 2011-02-03 | Yang Lin | A novel equalzer for single carrier terrstrial dtv receiver |
CN102255622A (zh) * | 2010-05-17 | 2011-11-23 | 晨星软件研发(深圳)有限公司 | 信号选择装置及其方法 |
Non-Patent Citations (1)
Title |
---|
R.MERCHED,N.R.YOUSEF: "Fast Techniques for Computing Finite-Length MIMO MMSE Decision Feedback Equalizers", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109729028A (zh) * | 2017-10-30 | 2019-05-07 | 晨星半导体股份有限公司 | 无线通信系统及其信号处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ding | Decomposition based fast least squares algorithm for output error systems | |
Li et al. | Recursive identification of time-varying systems: Self-tuning and matrix RLS algorithms | |
CN106249599B (zh) | 一种基于神经网络预测的网络化控制系统故障检测方法 | |
Liu et al. | An algebraic fractional order differentiator for a class of signals satisfying a linear differential equation | |
TWI575910B (zh) | 決策回授等化器及其控制方法 | |
Hu et al. | An iterative least squares estimation algorithm for controlled moving average systems based on matrix decomposition | |
Saritha et al. | Pipelined Distributive Arithmetic-based FIR Filter Using Carry Save and Ripple Carry Adder | |
Yu et al. | Efficient SOR-based detection and architecture for large-scale MIMO uplink | |
Scarpiniti et al. | Spline adaptive filters: Theory and applications | |
CN106713194A (zh) | 决策回授均衡器及其控制方法 | |
Saidé et al. | Online kernel adaptive algorithms with dictionary adaptation for MIMO models | |
CN106487726A (zh) | 决策反馈均衡器的前馈均衡器系数及反馈均衡器系数的计算方法及装置 | |
Sun et al. | Nonnegative least mean mixed-norm algorithm: analysis and performance | |
CN110190831B (zh) | 一种混合范数非负自适应滤波器 | |
KR100473609B1 (ko) | 상호작용 적응형 필터 및 필터링 방법 | |
Kovalev et al. | Implementation approaches for 512-tap 60 GSa/s chromatic dispersion FIR filters | |
US9503292B1 (en) | Method and device for calculating coefficients of feed-forward equalizer and feed-backward equalizer in decision feedback equalizer | |
Alizadeh et al. | A low-latency QRD-RLS architecture for high-throughput adaptive applications | |
Vala et al. | Low-complexity architecture for cyber-physical systems model identification | |
CN108322410B (zh) | 时域均衡器及其信号处理方法 | |
Jamel et al. | Noise canceller using a new modified adaptive step size LMS algorithm | |
Pu et al. | Accelerated identification algorithms for rational models based on the vector transformation | |
CN113259284B (zh) | 一种基于Bagging和长短期记忆网络的信道盲均衡方法及系统 | |
Saranya et al. | Implementation of low complexity fast least mean square filter for noise cancellation application | |
CN107911322A (zh) | 一种低复杂度的判决反馈均衡算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170308 |
|
WD01 | Invention patent application deemed withdrawn after publication |