CN1136667C - 一种数据选择方法及装置 - Google Patents

Abstract

本发明为一种数据选择方法及装置，其方法是把所要选择的数据分为若干段，分别计算每一段数据的目标数据选择数、实际数据选择数及两者的差值、当前绝对门限值，并用噪声功率估计环路送过来的参考噪声功率相乘，用当前绝对门限值来对当前累积进行数据选择，直至对所有各段数据选择完毕；装置包括线性运算、第一求模平方、动态门限数据选择、速率匹配、平均功率估计模块，不需要大量的存储器来存储数据，并且不需要进行很费运算量的多遍扫描来寻找最大值的过程，选择出来的数据方差小、效果好。

Description

一种数据选择方法及装置

技术领域

本发明涉及电通信技术，更具体地是指一种数据选择方法及装置。

背景技术

在通信中，特别是无线扩频通信中，经常会碰到需要对一组随机数据根据其幅值或能量的大小进行选择，挑出符合条件的有用数据。

典型的情况是，在无线扩频通信中的反向接入过程中，基站要搜索的范围很大，搜索的相位也就很多，得到的搜索数据同样也很多，这往往超出硬件可以处理的能力，因此，就需要有一种数据选择方法，能够把不大可能的相位或数据剔除出去，留下那些较为可能的相位和数据，这样就可以大大减少对硬件处理能力的需求。

假设我们要从一组随机数据中挑出最大的N个数据(如果是挑最小的，只需稍做修改就可以了)。设随机数据为x_i(i＝0...L-1，概率密度函数为p(x)，则，一般有如下的几种选择方法：

1)直接选取法：最为直接的方法是多遍扫描，直接挑选出最大的N个数信，即： $\{y_1,y_2\·\·\·y_N\}=\stackrel{N}{\max }\left\{x_i\right\}---(i=0...L-1)---\left(1\right)$

这种方法可以达到很好的选择效果，但是，它在硬件上需要存储数据，并且需要多遍扫描，才能得到结果，在大数据量和实时性要求较高的情况下，硬件的存储资源和运算速度要求太大，往往不能实现。

这样，就需要寻求另外的大大下降对硬件资源和运算速度需求且数据选择效果下降有限的方法。

2)固定门限法：设置某一门限θ，当大于此门限θ时，选择出来，否则去掉。即：

         {y₁，y₂…y_n}＝{x_i|x_i＞θ}    (i＝0…L-1)    (2)

这种方法的运算量就大大下降，特别是当利用外接参考平均功率值时，不需要硬件存储资源，每个数据只需进行一次比较就可以做出抉择，运算量降到了最低。但是，选择出来的数值个数n也是一个随机变量，并且方差较大，往往会严重影响到数据选择的效果和性能。

发明内容

为此，本发明的目的是针对上述二种数据选择方法存在的缺点，提出另一种数据选择方法及装置，以得到较好的数据选择效果及最大限度地降低对硬件资源和速度的需求。

为了实现上述目的，

本发明的数据选择方法采用如下步骤：

a，把所要选择的数据分为若干段并计算出每一段数据的目标数据选择数，设置当前的数据选择数据段数的计数器为零；

b，求出从第一段到当前段的累积的实际数据选择数和目标数据选择数；

c，对求出的当前累积实际数据选择数和目标数据选择数进行计算得出两者的差值；

d，根据上述两者的差值，计算归一化固定门限改变值，并对归一化固定门限的改变值进行限幅，以计算出门限调整值，在计算当前规一化门限改变值时，使后面的预选择数的调整值的数学期望值与当前的实际数据选择数的差值相等；

e，将归一化固定基准门限值与限幅后的归一化门限调整值相加，以求出当前的归一化门限值；

f，用噪声功率估计环路送过来的参考噪声功率与当前归一化门限值相乘，计算出当前绝对门限值；

g，最后用当前绝对门限值来对当前段进行数据选择，当前数据选择数据段数计数器累加计数，如果仍有数据段没有进行选择，就回到步骤b进行下一段数据的选择。

本发明的数据选择装置包括

线性运算模块、第一求模平方模块、动态门限数据选择模块、速率匹配模块、平均功率估计模块，输入数据通过线性运算模块线性运算后进入求模平方模块进行求模平方运算，得到的能量信号进入动态门限数据选择模块做为其第一输入端口信号；另一方面，输入数据通过平均功率估计模块进行平均功率估计并输入到动态门限数据选择模块作为其第二输入端口信号；动态门限数据选择模块进行动态门限的数据选择，得到一动态的数据数的选择数据，进入速率匹配模块进行速率匹配，得到恒定数据数的数据输出，动态门限数据选择模块还包括一比较电路、二个计数器、一计算电路、一限幅电路、一加法电路和一乘法电路，比较电路对输入的数据进行比较并选择大于门限的数据输出，二个计数器分别计数比较电路的选择输出以及初始数据输入的数据个数，然后送到计算电路进行计算归一化门限调整值，此调整值再送入限幅电路并输出经过限幅后的归一化门限调整值，调整值在加法电路与归一化固定门限基准θ相加，得到调整过的归一化门限，该门限又在乘法电路中与参考噪声功率相乘得到绝对门限并反馈到比较电路。

由于本发明采用上述的方法和装置，在数据选择时，不需要大量的存储器来存储数据，并且不需要进行很费运算量的多遍扫描来寻找最大值的过程，因此，与现有的直接选取法相比，本发明可以大大节省硬件资源和运算量；另一方面，由于本发明还采用对数据进行分段及动态调整门限，选择出来的数据量个数的方差比固定门限法小得多，因此，数据选择效果也好得多的。

附图说明

下面结合附图和实施例，对本发明作一详细地说明：

图1为本发明的数据选择装置原理框图。

图2为本发明的数据选择装置的平均功率估计模块原理框图。

图3为本发明的数据选择装置的动态门限数据选择模块原理框图。

具体实施方式

在对本发明的数据选择的方法描述前，我们先定义几个概念：

目标数据选择数：在L个数据中，最终要选出N个数据，此N大小就是目标数据选择数。

调整目标数据选择数：由于门限选择法其选择出的数据个数n是个随机变量，又由于实际系统中n大于或小于N的代价是不一样的，所以引入一调整目标数据选择数N’，它与目标数据选择数N有一差值ΔN(为正或负整数)，即：

         N’＝N-ΔN                       (3)

归一化固定门限6：它与输入平均功率估计值P_ref的乘积为绝对门限。设数据x_i(i＝0...L-1)的概率密度函数为p(x)，则6满足： ${\∫}_{{\mathrm{\θP}}_{\mathrm{ref}}}^{+\∞}p\left(x\right)\mathrm{dx}=N^{\′}/L---\left(4\right)$

有了上述的定义，本发明的方法步骤为：

a，把所要选择的数据分为若干段并计算出每一段数据的目标数据选择数，设置当前的数据选择数据段数的计数器为零；

b，求出从第一段到当前段的累积的实际数据选择数和目标数据选择数；

c，对求出的当前累积实际数据选择数和目标数据选择数进行计算得出两者的差值；

d，计算归一化固定门限改变值，并对归一化固定门限的改变值进行限幅，以计算出门限调整值；

e，将归一化固定基准门限值与限幅后的归一化门限调整值相加，以求出当前的归一化门限值；

f，用噪声功率估计环路送过来的参考噪声功率与当前归一化门限值相乘，计算出当前绝对门限值；

g，最后用当前绝对门限值来对当前段进行数据选择，当前数据选择数据段数计数器累加计数，如果仍有数据段没有进行选择，就回到步骤b进行下一段数据的选择。

所述步骤f中所述的参考噪声功率依次通过抽样、数据积分、求模平方、数据平均、Alpha滤波、线性调整步骤而得到。

即，

把数据分为K段(可以为等长分段，也可以为不等长分段)。并设每一段的长度为L_k(k＝0...K-1)，显然， $\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}{L}_k=L.$

根据公式4计算每一段数据的目标数据选择数：

           N′_k＝(L_k/L)*L    (k＝0...K-1)     (5)

设当前的数据选择数据段数计数器Count＝0；

计算从第一段到当前段的累积实际数据选择数，设每段的数据预选择N_k″，则当前的实际数据选择数为： $S_{\mathrm{Count}}^{\′\′}=\underset{k=0}{\overset{\mathrm{Count}-1}{\mathrm{\Σ}}}{N}_k^{\′\′}---(\mathrm{Count}=0...K-1)---\left(6\right)$

计算从第一段到当前段的累积的目标数据选择数，为： $S_{\mathrm{Count}}^{\′}=\underset{k=0}{\overset{\mathrm{Count}-1}{\mathrm{\Σ}}}{N}_k^{\′}---(\mathrm{Count}=0...K-1)---\left(7\right)$

计算当前累积实际数据选择数和目标数据选择数的差值：

    ΔS_Cout＝S_Count″-S_Count′    (Count＝0...K-1)    (8)

计算门限调整值。设归一化数据门限改变大小与数据选择数改变大小的数学期望的关系为： $\mathrm{\Δ\θ}=f(\mathrm{\θ},T,\mathrm{\Δ}\hat{S})---\left(9\right)$

其中，6为固定门限基准，T为剩下还没有进行数据选择的数据数， 为选择数据期望值的改变值。

我们使后面的预选择数的调整值的数学期望值 与当前的实际数据选择数和目标数据选择数的差值ΔS_Coont相等，则当前归一化门限改变值为： ${\mathrm{\Δ\θ}}_{\mathrm{Count}}=f(\mathrm{\θ},T_{\mathrm{Count}},{\mathrm{\Δ}\hat{S}}_{\mathrm{Count}})$ $=f(\mathrm{\θ},\underset{k=\mathrm{Count}}{\overset{L-1}{\mathrm{\Σ}}}{L}_k,\mathrm{\Δ}{S}_{\mathrm{Count}})---\left(10\right)$

接着，我们对归一化门限调整值进行限幅：

   Δθ_Count′＝Δθ_Upper，如果Δθ_Count＞Δθ_Upper；

              ＝Δθ_Count，如果Δθ_Lower＜ΔC_ount≤Δθ_Upper；    (11)

              ＝Δθ_Lower，如果Δθ_Count≤Δθ_Lower

其中，Δθ_Upper和Δθ_Lower分别为门限调整的最大最小门限值，可以通过参数来进行设置。

计算当前的归一化门限值θ″：

       θ″＝θ+Δθ_count′                                       (12)

计算当前绝对门限T_Count：

T_Count＝θ″P_ref  (13)

其中P_ref为噪声功率估计环路送过来的参考噪声功率。

以当前绝对门限值T_Count对k＝Count的当前段进行数据选择，Count加1，当Count为K时，退出，否则回到计算当前的实际数据选择数。

所述步骤f中所述的参考噪声功率依次通过抽样、数据积分、求模平方、数据平均、Alpha滤波、线性调整步骤而得到。

所述步骤a中选择数据的分段为等长或不等长。

请参阅图1、图2所示，依上述方法，本发明的数据选择装置包括线性运算模块1、第一求模平方模块20、动态门限数据选择模块2、速率匹配模块3、平均功率估计模块40。平均功率估计模块40(见图2所示)进一步包括抽样模块4、P个数据积分模块5、求模平方模块6、求M个数据平均值模块7、Alpha滤波模块8、线性增益调整模块9、一方面，数据通过线性运算模块1的任何线性运算后进入求模平方模块20进行求模平方运算，得到的能量信号进入动态门限数据选择模块2做为其第一输入端口信号。另一方面，输入数据依次通过平均功率估计模块40(见图2所示)中的各模块4～9进行平均功率估计：数据在抽样模块4进行隔Q样点抽样，抽样值每P个在积分模块5进行积分，结果值在求模平方模块6求模平方，然后在求平均模块7对M个平方值求平均，进入Alpha滤波模块8进行Alpha滤波，然后进入线性增益调整模块9进行一线性增益调整得到模块2输入数据的能量估计值。然后输入到动态门限数据选择模块2，做为动态门限数据选择模块2的第二输入端口信号。动态门限数据选择模块2进行动态门限的数据选择，得到一动态的数据数的选择数据，进入速率匹配模块3进行速率匹配，得到恒定数据数的数据，结果输出。

请继续参阅图3所示，所述的动态门限数据选择模块还包括一比较电路10、二个计数器11、12、一计算电路13、一限幅电路14、一加法电路15和一乘法电路16，输入的数据与反馈回来的绝对门限T_count在比较电路10进行比较，选择大于门限的数据输出。计数器11、12分别计数比较电路10选择的输出及初始数据输入的数据个数，然后送到计算电路13进行计算归一化门限调整值Δθ_Count，此调整值再送入限幅电路14，输出经过限幅的归一化门限调整值，此数值在加法电路15与归一化固定门限基准6相加，得到调整过的归一化门限θ″，此门限在乘法电路16与参考噪声功率P_ref相乘，得到绝对门限，然后反馈到比较电路10。

Claims (5)

1、一种数据选择方法，其特征在于，该方法采用如下步骤：

a，把所要选择的数据分为若干段并计算出每一段数据的目标数据选择数，设置当前的数据选择数据段数的计数器为零；

b，求出从第一段到当前段的累积的实际数据选择数和目标数据选择数；

c，对求出的当前累积实际数据选择数和目标数据选择数进行计算得出两者的差值；

d，根据上述两者的差值，计算归一化固定门限改变值，并对归一化固定门限的改变值进行限幅，以计算出门限调整值，在计算当前归一化门限改变值时，使后面的预选择数的调整值的数学期望值与当前的实际数据选择数的差值相等；

e，将归一化固定基准门限值与限幅后的归一化门限调整值相加，以求出当前的归一化门限值；

f，用噪声功率估计环路送过来的参考噪声功率与当前归一化门限值相乘，计算出当前绝对门限值；

g，最后用当前绝对门限值来对当前段进行数据选择，当前数据选择数据段数计数器累加计数，如果仍有数据段没有进行选择，就回到步骤b进行下一段数据的选择。

2、如权利要求1所述的数据选择方法，其特征在于：所述步骤f中所述的参考噪声功率依次通过抽样、数据积分、求模平方、数据平均、Alpha滤波、线性调整步骤而得到。

3、如权利要求1所述的数据选择方法，其特征在于：所述步骤a中选择数据的分段为等长或不等长。

4、一种数据选择装置，其特征在于：该数据选择装置包括线性运算模块、第一求模平方模块、动态门限数据选择模块、速率匹配模块、平均功率估计模块，输入数据通过线性运算模块线性运算后进入求模平方模块进行求模平方运算，得到的能量信号进入动态门限数据选择模块做为其第一输入端口信号；另一方面，输入数据通过平均功率估计模块进行平均功率估计并输入到动态门限数据选择模块作为其第二输入端口信号；动态门限数据选择模块进行动态门限的数据选择，得到一动态的数据数的选择数据，进入速率匹配模块进行速率匹配，得到恒定数据数的数据输出，动态门限数据选择模块还包括一比较电路、二个计数器、一计算电路、一限幅电路、一加法电路和一乘法电路，比较电路对输入的数据进行比较并选择大于门限的数据输出，二个计数器分别计数比较电路的选择输出以及初始数据输入的数据个数，然后送到计算电路进行计算归一化门限调整值，此调整值再送入限幅电路并输出经过限幅后的归一化门限调整值，调整值在加法电路与归一化固定门限基准θ相加，得到调整过的归一化门限，该门限又在乘法电路中与参考噪声功率相乘得到绝对门限并反馈到比较电路。

5、如权利要求4所述的数据选择装置，其特征在于：所述的平均功率估计模块进一步包括抽样模块、数据积分模块、第二求模平方模块、数据平均值模块、Alpha滤波模块、线性增益调整模块、抽样模块对输入数据进行样点抽样，抽样值在积分模块中进行积分，将得到的积分结果值在求模平方模块求模平方，然后对模平方值求平均并进入Alpha滤波模块进行Alpha滤波，滤波后进入线性增益调整模块进行线性增益调整即为输入数据的能量估计值。

Images