CN114208065A - 用于接收机的噪声消除设备和方法 - Google Patents

Abstract

本发明涉及使用均衡来应对强符号间干扰的系统中的噪声消除。具体地，本发明提出了一种用于接收机的噪声消除(NC)设备和方法。该NC设备被配置为将信号的多个样本保持在缓冲器中。此外，该NC设备被配置为对相继设置在缓冲器中的N≥1个样本中的每个的调制电平做出决策，其中对N个样本中的给定样本做出决策是基于：该给定样本；第一预测噪声样本，其是从设置在缓冲器中该给定样本之前的K≥1个其他样本中预测的样本；以及第二预测噪声样本，其是从设置在缓冲器中该给定样本之后的M≥1个其他样本中预测的样本。该NC设备可以具有低延迟和低复杂度。

Description

用于接收机的噪声消除设备和方法

技术领域

本发明涉及使用均衡来应对强符号间干扰的系统中的噪声消除。具体地，本发明提出了用于接收机的噪声消除(noise cancelling，NC)设备、多级NC设备以及NC方法。

背景技术

下一代超高速短距离光纤链路(ultra-high-speed short reach optical fiberlinks)将使用小型、廉价和低功耗的收发机。所有这些要求主要是由于数据中心设备的空间限制而提出的。这些收发机应分别支持从几百米到几十公里的数据中心内和数据中心间的连接。

优选解决方案是每个波长传输100+Gbit/s，当需要非常廉价的方案时，这将非常有挑战性。相干方法需要高功率和昂贵的设备。因此，强度调制(intensity modulation，IM)和直接检测(direct detection，DD)方案是优选。对于非相干系统中广泛使用的成熟的开关键控调制格式，还曾针对每波长速度100+Gbit/s的应用进行了研究。然而，这样的解决方案将需要昂贵的高带宽光学器件和电子器件。

为克服此缺点，已经研究了由数字信号处理(digital signal processing，DSP)支持的高级调制格式作为支持100-G的替代技术，其中最有前景的候选方法是双二进制脉冲幅度调制(duobinary pulse amplitude modulation，DB-PAM-n)，离散多音调制(discrete multi-tone modulation，DMT)和无载波幅度和相位调制(carrier-lessamplitude and phase modulation，CAP)。所有上述候选方法在IM-DD系统中都提供类似的性能。但是，DB-PAM更具吸引力，因为它只需要一个简单的DSP。

图8相应地示出了基于光学收发机的IM-DD PAM传输系统的示例。用于数据中心的光学收发机通常使用非常廉价的组件，例如直接调制激光器(directly modulated laser，DML)和电吸收调制器(electro absorption modulator，EML)。DSP的消耗和延迟非常关键，实际产品中仅实现了基本的DSP功能。光信号的功率几乎与调制激光器的电信号成正比。

如图8所示，在发送机端，前向纠错(Forward-error correction，FEC)在更高的数据速率下是必需的。FEC代码通常是标准化的，但也可以是专有的。将位从FEC映射到PAM信号后，可以对PAM信号进行预均衡以提高性能。然后，数模转换器(digital-to-analogconverter，DAC)将其转换为通常由调制器驱动器(modulator driver，MD)放大的模拟电信号，然后再提供给EML/DML。EML/DML输出光信号，该光信号可能会在较长的链路中受到色散(chromatic dispersion，CD)的影响。因此，在某些系统中，将色散补偿光纤(dispersioncompensation fibers，DCF)或色散补偿模块(dispersion compensation modules，DCM)用于补偿CD。

在接收机一侧，光电检测器/二极管(photo detector/diode，PDet)检测传输的光信号。PDet输出与光信号功率成正比。通过使用跨阻放大器(transimpedance amplifier，TIA)对PDet输出进行放大。PDet和TIA可以集成在接收光学组件(receive opticalsubassembly，ROSA)中，该组件可以包括自动增益控制电路(automatic gain controlcircuit，AGC)，在使用电子均衡时该AGC用于将电信号调整为模数(analog-to-digital，ADC)输入。ADC将信号输出到均衡器。接收机可以具体使用前馈均衡器(feed-forwardequalizer，FFE)，决策反馈均衡器(decision feed-back equalizer，DFE)，最大似然序列估计器(maximum likelihood sequence estimator，MLSE)或这些均衡器的组合。FFE受到噪声增强的影响，DFE受到误差增加的影响，而MLSE代表最佳和最复杂的解决方案。PAM解映射器在均衡器之后对信号进行解映射，最后，通常在PAM解映射器之后使用硬FEC。

图9更详细地示出了包括时序恢复(timing recovery，TR)块的基本接收机(basicreceiver，Rx)块的示例。AGC块监视信号功率变化，并且产生适合ADC输入范围的几乎恒定的信号摆幅。以此方式，可以有效地使用ADC。然后，均衡器恢复受到噪声和符号间干扰(intersymbol interference，ISI)影响的信号。但是，在激活均衡器之前，本地振荡器必须锁定到输入信号，即必须锁定到负责数据计时的发送器振荡器。这两个振荡器必须同步。由于不可能完美地跟踪发送器时钟源，因此允许小的相位偏差。相位检测器(phasedetector，PD)启用时钟提取，该相位检测器(PD)输出采样时钟是快还是慢的信息。由于此信息是嘈杂的，受到模式相关噪声、放大器引起的噪声、组件缺陷等的影响，因此在进入/控制接收机振荡器之前必须对时序信息进行滤波，该接收机振荡器通常被实现为压控振荡器(voltage-controlled oscillator，VCO)。

时序信息可以由ADC输出信号导出。为此，TR块包括PD、低通滤波器和VCO。可以通过使用采样相位调整(sampling phase adjustment，SPA)电路来调整VCO时钟相位。FEC解码器还可以支持采样相位优化，其提供了一定数量的FEC输入误差(已校正误差的数目)。最佳采样相位应将此数量最小化。

如图10所示，可以对任何传输系统进行建模。传输的信号x通过n个设备D的传递函数进行修改。这些设备D可以是DAC、调制器驱动器、二极管等。每个设备D可以由传递函数表示，该传递函数可以是线性的、或非线性的、或线性与非线性的组合。有源设备通常会增加噪声n，例如，可以是高斯噪声。通常，噪声不是高斯的，并且系统是非线性的。通常，总传递函数可以由具有加性高斯噪声的线性系统来近似。输出信号是信号x与系统脉冲响应h的卷积：

在这种情况下，可以使用线性和非线性的均衡器。前馈均衡器在具有低信噪比(signal to noise ratio，SNR)的频率处引入噪声放大。为了减小这种影响，可以使用噪声消除技术。

图11示出了接收机侧的NC块的示例。具体地，接收机使用均衡器来修复受传输系统影响的信号x。由于低延迟和复杂度，优选的均衡器是FFE。通常，均衡器可以是非线性的，例如，它可以是Volterra滤波器。为了抑制均衡器噪声，可以使用反馈噪声消除器(feedback noise canceler，FBNC)。FBNC使用前一决策，并由前一决策计算噪声样本w，通过系数为a_i,j＝1,2,…,K的噪声滤波器对这些噪声样本w滤波。然后将由滤波后的噪声样本w计算的预测噪声样本n_p添加到信号y，并通过在DEC块中实现的限幅器做出新的决策。系数w通过使用自相关函数并求解一组Yule-Walker方程的算法计算得出。

在ASIC中，数据在大小为N的并行块中处理。数据存储在缓冲器中，并且大多数块(例如均衡器)是并行完成的。就是说，N个均衡器同时并行工作。ASIC FBNC的示例如图5所示。在处理均衡数据的当前块之前，必须事先知道前一块的K个决策。这是该架构的第一个缺点。可以通过插入要求额外冗余(更高符号率)的已知数据来解决。解决此问题的另一种方法是将缓冲器大小增加M个符号(重叠)，并使ASIC块独立，但是，这会增加复杂度。该架构的第二个缺点是延迟。假设ASIC在一个ASIC时钟内只能处理单个符号，则总延迟等于N²。对于N＝256，延迟为65536个符号，这在许多应用中是不可接受的。

发明内容

鉴于上述缺点，本发明实施例旨在改善均衡器性能，特别是NC性能。目的是提供一种在均衡系统中实现延迟减少的NC设备和方法。为此，该NC设备和方法不应要求任何反馈连接，以降低关键延迟系统中的延迟。该NC设备和方法应进一步提高均衡系统中的误码率BER。此外，该NC设备和方法不应要求训练符号和大量开销，这在FBNC中是常见的。该NC设备和方法的复杂度应较低。

该目的是通过如所附独立权利要求中所述的本发明实施例来实现的。在从属权利要求中进一步定义了本发明实施例的有利实现方式。

本发明的第一方面提供了一种用于接收机的NC设备，该NC设备被配置为：将信号的多个样本保持在缓冲器中，以及对相继设置在缓冲器中的N≥1个样本中的每个的调制电平做出决策，其中对N个样本中的给定样本做出决策是基于：该给定样本；第一预测噪声样本，其是从设置在缓冲器中该给定样本之前的K≥1个其他样本中预测的样本；以及第二预测噪声样本，其是从设置在缓冲器中该给定样本之后的M≥1个其他样本中预测的样本。

第一方面的NC设备以前馈方式实现，因而不需要反馈连接。因此，该NC设备不必等待前一决策，从而大大减少了延迟。该NC设备在均衡系统中显示出改进的BER。此外，该NC设备不需要训练符号和大量开销。最后，该NC设备不是非常复杂。总体上，提供了一种用于均衡系统的改进的NC设备。

在第一方面的一种实现形式中，该NC设备被配置为：基于对设置在缓冲器中给定样本之前的K个其他样本中的每个的调制电平的决策来确定第一预测噪声样本；以及基于对设置在缓冲器中给定样本之后的M个其他样本中的每个的调制电平的决策来确定第二预测噪声样本。

在第一方面的一种实现形式中，该NC设备被配置为：对其他样本的调制电平做出一个或多个决策；和/或从另一个NC设备获得对其他样本的调制电平的一个或多个决策。

在第一方面的一种实现形式中，NC设备被配置为：调整一个或多个阈值，基于该阈值做出对其他样本的调制电平的决策。

在第一方面的一种实现形式中，该NC设备被配置为：为其他样本中的每个计算噪声样本；基于针对设置在缓冲器中给定样本之前的K个其他样本计算的噪声样本的总和确定第一预测噪声样本；以及基于针对设置在缓冲器中给定样本之后的M个其他样本计算的噪声样本的总和确定第二预测噪声样本。

在第一方面的一种实现形式中，该NC设备被配置为：通过从对给定其他样本的调制电平的决策中减去给定其他样本来计算给定其他样本的噪声样本。

在第一方面的一种实现形式中，该NC设备被配置为：在计算噪声样本的总和之前，基于滤波器系数对每个计算的噪声样本进行滤波。

在第一方面的一种实现形式中，该NC设备被配置为：计算对给定样本的调制电平做出决策的误差，以及基于计算的误差和梯度算法来确定用于对噪声样本进行滤波的一个或多个系数。

在第一方面的一种实现形式中，该NC设备被配置为：调整阈值，基于该阈值做出对给定样本的调制电平的决策。

在第一方面的一种实现形式中，该NC设备被配置为：基于属于缓冲器中的当前块的N个样本、属于设置在缓冲器中N个样本之后的后一块的M个样本以及属于设置在缓冲器中N个样本之前的前一块的K个样本，对N个样本的调制电平做出决策。

在第一方面的一种实现形式中，用于预测第一预测噪声样本的K个其他样本包括属于前一块的样本和/或属于当前块的样本；用于预测第二预测噪声样本的M个其他样本包括属于后一块的样本和/或属于当前块的样本。

本发明的第二方面提供了一种多级NC设备，包括多个NC设备，每个NC设备根据第一方面或其任何实现形式来配置，其中每个NC设备形成多级NC设备中的多个级之一。

多级NC设备提高了每个级的性能。因此，一定数量的级可以使均衡系统中的NC得到优化。

在第二方面的一种实现形式中，根据第一方面的一种实现形式来配置每个NC设备，第一级NC设备被配置为对属于后一块的M个样本中的每个和属于前一块的K个样本中的每个的调制做出决策；以及，每个其他级NC设备被配置为从该第一级NC设备获得对属于后一块的M个样本和属于前一块的K个样本的调制电平的决策。

在第二方面的一种实现形式中，多级NC设备被配置为确定每个NC设备的噪声参数。

在第二方面的一种实现形式中，如果为一NC设备确定的噪声参数与为先前的NC设备确定的噪声参数之间的偏差低于阈值，则该多级NC设备被配置为绕过该NC设备。

在第二方面的一种实现形式中，多级NC设备被配置为基于确定的噪声参数计算用于对一个或多个NC设备中的噪声样本进行滤波的一个或多个滤波器系数。

本发明的第三方面提供了一种用于接收机的NC方法，该方法包括：将信号的多个样本保持在缓冲器中，以及对相继设置在缓冲器中的N≥1个样本中的每个的调制电平做出决策，其中对N个样本中的给定样本做出决策是基于：该给定样本；第一预测噪声样本，其是从设置在缓冲器中该给定样本之前的K≥1个其他样本中预测的样本；以及第二预测噪声样本，其是从设置在缓冲器中该给定样本之后的M≥1个其他样本中预测的样本。

在第三方面的一种实现形式中，该NC方法包括：基于对设置在缓冲器中给定样本之前的K个其他样本中的每个的调制电平的决策来确定第一预测噪声样本，以及基于对设置在缓冲器中给定样本之后的M个其他样本中的每个的调制电平的决策来确定第二预测噪声样本。

在第三方面的一种实现形式中，该NC方法包括：对其他样本的调制电平做出一个或多个决策；和/或从另一个NC设备获得对其他样本的调制电平的一个或多个决策。

在第三方面的一种实现形式中，该NC方法包括：调整一个或多个阈值，基于该阈值做出对其他样本的调制电平的决策。

在第三方面的一种实现形式中，该NC方法包括：针对每个其他样本计算噪声样本；基于针对设置在缓冲器中给定样本之前的K个其他样本计算的噪声样本的总和确定第一预测噪声样本；以及基于针对设置在缓冲器中给定样本之后的M个其他样本计算的噪声样本的总和确定第二预测噪声样本。

在第三方面的一种实现形式中，该NC方法包括：通过从对给定其他样本的调制电平的决策中减去给定其他样本来计算给定其他样本的噪声样本。

在第三方面的一种实现形式中，该NC方法包括：在计算噪声样本的总和之前，基于滤波器系数对每个计算的噪声样本进行滤波。

在第三方面的一种实现形式中，该NC方法包括：计算对给定样本的调制电平做出决策的误差，以及基于计算的误差和梯度算法来确定用于对噪声样本进行滤波的一个或多个系数。

在第三方面的一种实现形式中，该NC方法包括：调整阈值，基于该阈值做出对给定样本的调制电平的决策。

在第三方面的一种实现形式中，该NC方法包括：基于属于缓冲器中的当前块的N个样本、属于设置在缓冲器中N个样本之后的后一块的M个样本以及属于设置在缓冲器中N个样本之前的前一块的K个样本，对N个样本的调制电平做出决策。

在第三方面的一种实现形式中，用于预测第一预测噪声样本的K个其他样本包括属于前一块的样本和/或属于当前块的样本；用于预测第二预测噪声样本的M个其他样本包括属于后一块的样本和/或属于当前块的样本。

第三方面的方法实现了第一方面的设备的所有优点。

本发明的第四方面提供了一种计算机程序，当由计算机执行该计算机程序时，该计算机程序执行第三方面或其任何实现形式的方法。

必须注意，本申请中描述的所有设备、元件、单元和装置可以以软件或硬件元件或其任何种类的组合来实现。由本申请中描述的各类实体执行的所有步骤以及描述为由各类实体执行的功能旨在表示相应的实体适于或被配置为执行各个步骤和功能。即使，在以下具体实施例的描述中，由外部实体执行的具体功能或步骤未在执行该具体步骤或功能的该实体的具体的详细元素的描述中反映出来，但是对于本领域技术人员来说，其应该清楚可以在相应的软件或硬件元件或其任何种类的组合中实现这些方法和功能。

附图说明

本发明的上述方面和实现形式将在以下关于附图的具体实施方式的描述中进行说明，其中

图1示出了根据本发明实施例的NC设备。

图2示出了根据本发明实施例的NC设备。

图3在(a)中示出了根据本发明实施例的NC设备的单个NC块，并且在(b)中示出了基于多个NC块的分块NC。

图4示出了滤波器系数的FFE计算。

图5示出了根据本发明实施例的多级NC设备。

图6示出了根据本发明实施例的多级NC设备。

图7示出了根据本发明实施例的NC方法。

图8示出了IM-DD PAM传输系统的示例。

图9示出了包括TR块的基本Rx块的示例。

图10示出了包括n个设备的传输系统的示例。

图11示出了NC块的示例。

图12示出了FBNC ASIC实现方式的示例。

具体实施方式

根据本发明实施例的NC设备包括处理电路，该处理电路被配置为执行、管理或启动本文描述的NC设备的各种操作。该处理电路可以包括硬件和软件。该硬件可以包括模拟电路或数字电路，或模拟电路和数字电路。该数字电路可以包括诸如专用集成电路(application-specific integrated circuit，ASIC)，现场可编程阵列(field-programmable arrays，FPGA)，数字信号处理器(digital signal processors，DSP)或多功能处理器之类的组件。在一实施例中，该处理电路包括一个或多个处理器以及连接到该一个或多个处理器的非暂时性存储器。该非暂时性存储器可以携带可执行程序代码，当该可执行程序代码由该一个或多个处理器执行时，该可执行程序代码使NC设备执行、管理或启动本文所述的操作或方法。

图1示出了根据本发明实施例的NC设备100。NC设备100适合用于传输系统的接收机，尤其是均衡系统的接收机。

NC设备100被配置为将信号的多个样本101保持在缓冲器102中，即，NC设备100包括缓冲器102。进一步地，NC设备100被配置为对相继设置在缓冲器102中的N≥1个样本101中的每个的调制电平做出决策103。该决策将决定每个样本101的一个(估计的)调制电平。N≥1个决策103可以在彼此之后或并行做出。每个决策103可以由NC设备的一个NC块来做出。

NC设备100(给定的NC块)对缓冲器102中的N个样本101中的给定样本101c做出决策103是基于：给定样本101c；第一预测噪声样本104a，其从设置在缓冲器102中该给定样本101c之前的K≥1个其他样本101a中预测；第二预测噪声样本104b，其从设置在缓冲器102中该给定样本101c之后的M≥1个其他样本101b中预测。

图2示出了根据本发明实施例的NC设备100，其建立在图1所示的实施例之上。这就是说，图2示出了NC设备100的更多的可选的细节。图2和图1中的相同元件具有相同的附图标记，并且具有相同的功能。

具体地，图2示出了NC设备100被配置为：基于对设置在缓冲器102中给定样本101c之前的K个其他样本101a的每个的调制电平的决策200a，确定第一预测噪声样本104a。此外，NC设备100同样被配置为：基于对设置在缓冲器102中给定样本101c之后的M个其他样本101b的每个的调制电平的决策200b，确定第二预测噪声样本104b。NC设备100可以自己做出这些决策200a和200b中的一个或多个或全部。可替代地，它可以从另一个NC设备100获得这些决策200a和200b中的一个或多个，或者如果在多级NC设备中实施，则可以从另一级获得。NC设备100还可以调整一个或多个阈值，基于该阈值做出对其他样本101a和101b的调制电平的决策200a和200b。可以单独调整针对每个决策200a、200b的阈值。为此，NC设备100可以包括DEC优化块203，其可以优化DEC块(即，做出决策200a和200b的块)。DEC优化块203可以在这些DEC块的每个中设置最优电平和阈值。举个例子，在PAM-N信号的情况下，其中电平L(i),i＝0,..,N-1可以是0,1,...,N-1，DEC优化块203可以提供电平Lopt(i)＝L(i)+Δ(i)，并且可以使用处于DEC电平中间的优化阈值电平。

更具体地，NC设备100被配置为针对每个其他样本101a、101b计算噪声样本201a、201b。基于上述决策200a、200b来计算噪声样本201a、201b。例如，可以通过从对给定其他样本101a、101b的调制电平的决策200a、200b中减去给定其他样本101a、101b来计算给定其他样本101a、101b的噪声样本201a、201b。然后，NC设备100可以基于针对K个其他样本101a计算的所有噪声样本201a的多个的总和来确定第一预测噪声样本104a，该K个其他样本101a设置在缓冲器102中给定样本101c之前。进一步地，NC设备100可以基于针对M个其他样本101b计算的多个或全部噪声样本201b的总和来确定第二预测噪声样本104b，该M个其他样本101b设置在缓冲器102中给定样本101c之后。进一步地，在计算噪声样本201a、201b的这些总和之前，NC设备100可以(例如基于滤波器系数202a、202b)对每个计算的噪声样本201a、201b进行滤波。NC设备100可以进一步包括DEC CONV块204，其将Lopt电平转换为L电平。Δ(i)值是期望值L(i)与估计的均衡器的输出电平Lopt(i)之间的差。Lopt值可以通过对L电平左右的样本求平均值来找到。仅在L(i)-δ和L(i)+δ范围内的样本可用于估计电平Lopt(i)，其中δ<0.5。它们可以通过具有极低转折频率的一阶无限冲激响应(infiniteimpulse response，IIR)滤波器来求平均值。软FEC 205可以可选地使用改善FEC性能的决策d和diff值。还可以设置硬FEC206。

值得注意的是，图2示例性地示出了的NC设备100的特定NC块(与图3相比)，其被配置为对给定样本101c做出(由于考虑到预测噪声样本104a和104b而改进的)决策103。然而，NC设备100可以包括多个这样的NC块(例如并行工作的)，其中NC设备100的每个NC块被配置为对作为给定样本101c的缓冲器102中的样本101中的另一个的调制电平做出改进的决策103。最后，可以获得并输出针对缓冲器102中的多个或每个样本101的改进的决策103。每个NC块使用其他符号样本101a和101b做出决策103，该其他符号样本101a和101b分别设置在所考虑的给定符号样本101c的之前和之后。

在均衡器之后，NC设备100的NC块不必等待前一决策以对噪声进行去相关。NC设备100以单纯的前馈方式实现。因此，NC设备100实现了延迟的明显减少。

图3在(a)中示意性地示出了NC设备100的单个NC块300，其被配置为对缓冲器102中的给定样本101c做出改进的决策103。也就是说，它代表单个(每个样本的)NC。单个NC块300使用K+M+1个样本101对噪声滤波(如图2所示)，并实现更可靠(即，改进的)的决策do(0)(决策103)。

图3还在(b)中示出了NC设备100的多个这样的NC块300的并行实现方式，每个NC块300被配置为对不同的给定样本101c的调制电平做出决策103。如图3(b)所示，并行实现方式(具体是对N+K+M个样本101的块)执行相同的操作以便传递N个决策。设备100可以缓冲当前块301的N个样本101、前一块302的K个样本101和后一块303的M个样本101(所有块都是样本101的块)。

然后，NC设备100对当前块301的N个样本101的调制电平做出N个决策103可以基于：属于当前块301的N个样本101；属于设置在当前块301的N个样本101之后的后一块303的M个样本101；属于设置在在当前块301的N个样本101之前的前一块302的K个样本101。具体地，NC设备100可以使用K个其他样本101a来预测第一预测噪声样本104a，其中，K个其他样本101a包括属于前一块302的样本101和/或属于当前块303的样本101。此外，其可以使用M个其他样本101b来预测第二预测噪声样本104b，其中，M个其他样本包括属于后一块301的样本101和/或属于当前块303的样本101。

以此方式，可以获得由向量do(1)表示的N个新的改进的决策。值得注意的是，在多级NC设备500中(如见图5)，在第一级(以及对各级的改进)，从当前块301获得对样本101的决策do(0)。对后一块301和前一块302的样本101的决策200a和200b仅在第一级中完成，然后在所有级中使用(即，这些决策在各级中没有得到改进)。

图4示出了滤波器系数的FFE计算，如上所述，该系数可以被NC设备100用来对噪声样本201a和201b进行滤波。

常规的NC设备使用值w来计算自相关函数，生成一组线性方程，并且使用诸如Levinson-Durbin算法之类的一些方程求解器对其进行求解。相反，NC设备100使用梯度算法来计算后驱系数a(j),j＝1.2,…,K。该算法使用例如信号y(0)+nr(给定样本101c加上第一预测噪声样本104a)做出决策103，并计算误差400。通过决策定向最小均方算法(decision-directed least mean square algorithm，DD-LMS)更新系数a(j)

a(j)＝a(j)-μ·e(0)w(-j),j＝1,2,..,K,

其中，μ是小于1的较小值，用于控制更新速度。由于此过程非常缓慢，因此该电路可以忽略复杂度，以非常低的速度工作。系数a(j),j＝-1,…,-M，其中，K≥M是基于先前计算的系数得出的。第一步是针对j＝1,...,M时，进行赋值a(-j)＝a(j)。为了节省复杂度，可以将M设置为非常低的值，例如如果它没有严重牺牲BER，则M＝1(或甚至M＝0)。可以对该系数进行加权，使其保持a(-j)＝r·a(j)，其中，r<1。当传递函数为线性且平滑时，后驱系数很重要，而前驱系数可以忽略。然而，在实验中，传递函数是非线性的，必须同时使用两组系数。

通常，NC设备100因此被配置为：计算对给定样本101c的调制电平做出决策103的误差400，然后可以基于计算的误差400和梯度算法401来确定用于对噪声样本201a、201b进行滤波的一个或多个系数202a、202b。

图5示出了根据本发明实施例的多级NC设备500。多级NC设备500包括多个NC设备100，每个NC设备100根据以上描述来配置。每个NC设备100形成多级NC设备500的多个级之一。

多级NC设备500可以由P个级100(见图5)组成。每个级100可以改善性能。在某些情况下，仅需要几个级100。在这种情况下，可以绕过冗余级100以节省复杂度并降低延迟。NC优化块601可以收集来自每个级100的噪声偏差，并且可以决定需要哪个级100。如果为该级100确定的噪声参数600和为前一级100确定的噪声参数600之间的噪声偏差低于阈值(δ)，则块601可以为每个级100确定噪声参数600(σ)，并且可以绕过级100。

例如，如果σk-σk+1<δ，则级K+1将被禁用。参数δ取决于下一级100所需的BER的改善。如果级K+1的贡献忽略不计，则将不会使用它。当a(-j)＝r·a(j)时，应优化参数r。改变该参数，并且NC优化块601收集噪声变化。最佳值r使最后一个NC的σj最小。这并不意味着来自r的增益将在NC1之后立即可见。该增益可以在j个NC块之后被强调。可以通过使用图2所示的值diff(0)获得参数σ。每个NC级100之后的决策由do(j),j＝1,…,P表示。

与图12所示的FBNC相比，由于在几个NC级100之后改进达到了饱和，所以多级设备500的架构显著降低了延迟。缺点是，复杂度会通过NC级100的数量的增加而线性增加。另一方面，不需要开销或较大的重叠。另外，在受到强ISI和非线性的影响的实际系统中，多级NC设备500总是比FBNC表现更好。由于以非常低的速度被使用，因此NC优化和计算块的复杂度可以忽略。例如，在这两个块中，只能使用每个ASIC块的一个符号。D表示ASIC块延迟。

每个新的NC级100会改进N个决策103。如上所述，来自后一块302的M个决策和来自前一块301的K个决策没有得到改进。这不会导致任何明显的性能下降。较高级的NC级100将使用来自前一NC级100的N个改进决策103和M+K个旧决策103。如图6所示，在NC级100未使用相邻符号的情况下，决策块使用新的决策(来自前一NC级100的决策do(k))。第一NC块使用来自后一块302的M个未改进的决策以及来自当前块303的K个改进的决策，第二NC块使用来自后一块302的M-1个未改进的决策以及来自当前块303的M个改进的决策，而最后一个NC块使用来自当前块303的M个改进决策和来自前一块301的K个未改进决策。

接下来，对多级NC设备500和FBNC的复杂度和延迟进行估计并比较。假设ASIC块有N个符号、后驱抽头K、前驱抽头M、P个MSNC级，并且所有NC操作都可以在L＝2ASIC时钟内完成。FBNC将具有N×N×L个符号的延迟，而P级设备500的延迟是P×N×L。因此，延迟变短N/P倍。但是，对于设备500其倍增数量是2P倍。另一方面，FBNC需要更多的缓冲器用于数据和决策，总计为N×N×L。另一方面，设备500需要用于数据和决策的2PN个缓冲器。表1中分析了两种情况。设备500可以大大降低延迟并提高性能。这由更多的乘法器和决策电路负责。另一方面，通过使用设备500，所需缓冲器的数量显著减少。但是，FBNC需要较大的开销或使用设备500不需要的导频符号。

设备500执行的算法可以归纳为以下步骤：

1、确定阈值和决策电平。通常，决策电平是实数。在动态和准静态信道中，此步骤始终处于激活状态。

2、在第一NC级后计算前驱NC系数。设置前驱系数和后驱系数。

3、优化前驱加权参数r。

4、除去无关的前驱系数。前驱系数的数量为k₁。

5、除去无关的后驱系数。后驱系数的数量为k2≥k1。

6、查找相关的NC级。所需的NC级的数量为R。NC级的总数为P。

7、绕过P-M个NC级。不使用P-M个NC级。

8、将无关的前驱和后驱的多层输出设置为0。对不相关的系数不执行乘法运算。

9、在动态信道中，定期执行步骤2至步骤6，并在步骤9中修改MSNC。

已经结合各种实施例以及实现方式作为示例描述了本发明。但是，根据对附图、本公开和独立权利要求的研究，本领域技术人员和对要求保护的发明的实践使得其他变型可以被理解和实现。在权利要求书以及说明书中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个元件或其他单元可以实现权利要求中所述的几个实体或项目的功能。在互不相同的从属权利要求中记载某些措施的仅有事实并不表示不能在有利的实现方式中使用这些措施的组合。

Claims (18)

1.一种用于接收机的噪声消除NC设备(100)，其中，所述NC设备(100)被配置为：

将信号的多个样本(101)保持在缓冲器(102)中，以及

对相继设置在所述缓冲器(102)中的N≥1个样本(101)中的每个的调制电平做出决策(103)，其中，对N个样本(101)的给定样本(101a)做出所述决策(103)是基于

-所述给定样本(101c)，

-第一预测噪声样本(104a)，其从设置在所述缓冲器(102)中所述给定样本(101c)之前的K≥1个其他样本(101a)中预测，以及

-第二预测噪声样本(104b)，其从设置在所述缓冲器(102)中所述给定样本(101c)之后的M≥1个其他样本(101b)中预测。

2.根据权利要求1所述的NC设备(100)，被配置为：

基于对设置在所述缓冲器(102)中所述给定样本(101c)之前的K个其他样本(101a)中的每个的调制电平的决策(200a)，确定所述第一预测噪声样本(104a)，以及

基于对设置在所述缓冲器(102)中所述给定样本(101c)之后的M个其他样本(101b)中的每个的调制电平的决策(200b)，确定所述第二预测噪声样本(104b)。

3.根据权利要求1或2所述的NC设备(100)，被配置为：

对所述其他样本(101a，101b)的调制电平做出一个或多个决策(200a，200b)，和/或

从另一个NC设备(100)获得对所述其他样本(101a，101b)的调制电平的一个或多个所述决策(200a，200b)。

4.根据权利要求3所述的NC设备(100)，被配置为：

调整一个或多个阈值，基于所述阈值对所述其他样本(101a，101b)的调制电平做出所述决策(200a，200b)。

5.根据权利要求2至4中的一项所述的NC设备(100)，被配置为：

为所述其他样本(101a，101b)中的每个计算噪声样本(201a，201b)，以及

基于针对设置在所述缓冲器(102)中所述给定样本(101c)之前的所述K个其他样本(101a)计算的噪声样本(201a)的总和，确定所述第一预测噪声样本(104a)，以及

基于针对设置在所述缓冲器(102)中所述给定样本(101c)之后的M个其他样本(101b)计算的噪声样本(201b)的总和，确定所述第二预测噪声样本(104b)。

6.根据权利要求5所述的NC设备(100)，被配置为：

通过从对给定其他样本(101a，101b)的调制电平的所述决策(200a，200b)中减去所述给定其他样本(101a，101b)来计算所述给定其他样本(101a，101b)的噪声样本(201a，201b)。

7.根据权利要求5或6所述的NC设备(100)，被配置为：

在计算所述噪声样本(201a，201b)的总和之前，基于滤波器系数(202a，202b)对每个计算的所述噪声样本(201a，201b)进行滤波。

8.根据权利要求7所述的NC设备(100)，被配置为：

计算对所述给定样本(101c)的调制电平做所出述决策(103)的误差(400)，以及

基于计算的所述误差(400)和梯度算法(401)，确定用于对所述噪声样本(201a，201b)进行滤波的一个或多个系数(202a，202b)。

9.根据权利要求1至8中的一项所述的NC设备(100)，被配置为：

调整阈值，基于所述阈值对所述给定样本(101c)的调制电平做出所述决策(103)。

10.根据权利要求1至9中的一项所述的NC设备(100)，被配置为：

对所述N个样本(101)的调制电平做出所述决策(103)是基于

-属于所述缓冲器(102)中当前块(301)的所述N个样本(101)，

-属于设置在所述缓冲器(102)中所述N个样本(101)之后的后一块(303)的M个样本(101)，以及

-属于设置在所述缓冲器(102)中所述N个样本(101)之前的前一块(302)的K个样本(101)。

11.根据权利要求10所述的NC设备(100)，其中：

用于预测所述第一预测噪声样本(104a)的所述K个其他样本(101a)包括属于所述前一块(302)的样本(101)和/或属于所述当前块(303)的样本(101)；并且

用于预测所述第二预测噪声样本(104b)的所述M个其他样本(101b)包括属于所述后一块(301)的样本(101)和/或属于所述当前块(303)的样本(101)。

12.一种多级NC设备(500)，包括：

多个NC设备(100)，每个NC设备(100)根据权利要求1至11中的一项配置。

其中每个NC设备(100)形成所述多级NC设备(500)的多个级之一。

13.根据权利要求12所述的多级NC设备(500)，其中：

每个NC设备(100)根据权利要求10或11配置，

第一级NC设备(100)被配置为对属于后一块(301)的M个样本(101)中的每个和属于前一块(302)的K个样本(101)中的每个的调制做出决策(200a，200b)，并且

每个其他级的NC设备(100)被配置为从所述第一级NC设备(100)获得对所述属于后一块(301)的所述M个样本(101)和属于所述前一块(302)的所述K个样本(101)的调制电平的所述决策(200a，200b)。

14.根据权利要求12或13所述的多级NC设备(100)，被配置为：

确定每个NC设备(100)的噪声参数(600)。

15.根据权利要求14所述的多级NC设备(500)，被配置为：

如果为NC设备(100)确定的噪声参数(600)与为先前的NC设备(100)确定的噪声参数(600)之间的偏差低于阈值，则绕过所述NC设备(100)。

16.根据权利要求14或15所述的多级NC设备(500)，被配置为：

基于所确定的噪声参数(600)，计算用于对一个或多个NC设备(100)中的噪声样本(201a，201b)进行滤波的一个或多个滤波器系数(202a，202b)。

17.一种用于接收机的噪声消除方法(700)，所述方法(700)包括：

将信号的多个样本(101)保持(701)在缓冲器(102)中，以及

对相继设置在所述缓冲器(102)中的N≥1个样本(101)中的每个的调制电平做出决策(702)，其中，对N个样本(101)中的给定样本(101c)做出所述决策(103)是基于

-所述给定样本(101c)，

-第一预测噪声样本(104a)，其从设置在所述缓冲器(102)中所述给定样本(101c)之前的K≥1个其他样本(101a)中预测，以及

-第二预测噪声样本(104b)，其从设置在所述缓冲器(102)中所述给定样本(101c)之后的M≥1个其他样本(101b)中预测。

18.一种计算机程序，当由计算机执行所述计算机程序时，所述计算机程序执行权利要求17所述的方法(700)。

Images