CN114900257B - 基带芯片、信道估计方法、数据处理方法及设备 - Google Patents
基带芯片、信道估计方法、数据处理方法及设备 Download PDFInfo
- Publication number
- CN114900257B CN114900257B CN202210582724.6A CN202210582724A CN114900257B CN 114900257 B CN114900257 B CN 114900257B CN 202210582724 A CN202210582724 A CN 202210582724A CN 114900257 B CN114900257 B CN 114900257B
- Authority
- CN
- China
- Prior art keywords
- interval
- polynomial
- function
- channel estimation
- objective function
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 26
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 222
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3912—Simulation models, e.g. distribution of spectral power density or received signal strength indicator [RSSI] for a given geographic region
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Signal Processing (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Complex Calculations (AREA)
Abstract
提供了一种基带芯片、信道估计方法、数据处理方法及设备。该基带芯片包括:信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。本申请实施例基于最佳一致逼近多项式函数,对目标函数进行分段拟合后用于信道估计,只需要存储分段拟合函数各子区间的多项式系数,有助于节省存储资源。
Description
技术领域
本申请实施例涉及无线通信领域,并且更为具体地,涉及一种基带芯片、信道估计方法、数据处理方法及设备。
背景技术
信道估计是决定无线通信设备性能的关键技术之一,其估计精度是影响整个通信系统误码性能的重要参数。信道估计算法中涉及许多复杂函数的计算,这些复杂函数包括初等函数和非初等函数,而复杂函数的计算往往比较复杂,难以求出精确值。在满足一定精度的情况下,通常采用查表法来近似计算复杂函数。而查表法计算复杂度高,占用基带芯片的存储资源大。
发明内容
本申请实施例提供了一种基带芯片、信道估计方法、数据处理方法及设备,下面对本申请涉及的各个方面进行介绍。
第一方面,提供一种基带芯片,包括:信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
第二方面,提供一种信道估计方法,所述信道估计方法应用于基带芯片,所述基带芯片包括:信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;所述信道估计方法包括:利用所述最佳一致逼近多项式的分段拟合函数进行所述信道估计。
第三方面,提供一种数据处理设备,包括:获取模块,用于获取信道估计模型中的目标函数;运算模块,用于执行以下操作:构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为所述第一多项式的阶数;计算所述第一多项式在第一区间的最佳一致逼近误差点;计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
第四方面,提供一种数据处理的方法,包括:获取信道估计模型中的目标函数;构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为所述第一多项式的阶数;计算所述第一多项式在第一区间的最佳一致逼近误差点;计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
第五方面,提供一种数据处理设备,包括:计算电路,用于执行目标函数相关的运算,且所述目标函数由第一多项式的分段拟合函数进行分段拟合;存储电路,用于存储所述目标函数的分段拟合函数的拟合参数;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
第六方面,提供一种处理数据的方法,其特征在于,应用于数据处理设备,所述数据处理设备包括:计算电路,用于执行目标函数相关的运算,且所述目标函数由第一多项式的分段拟合函数进行分段拟合;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;存储电路,用于存储所述目标函数的分段拟合函数的拟合参数;所述处理数据的方法包括:利用所述最佳一致逼近多项式的分段拟合函数进行处理数据。
本申请实施例基于最佳一致逼近多项式,对信道估计中的目标函数进行分段拟合,利用目标函数的近似计算结果进行信道估计。本申请实施例中多项式分段拟合的最大绝对误差最小,在满足要求精度的条件下,只需要存储分段拟合函数各子区间的多项式系数,有助于占用较少的基带芯片存储资源。
附图说明
图1是本申请实施例提供的基带芯片的结构示意图。
图2是本申请实施例提供的信道估计方法的流程示意图。
图3是本申请实施例提供的一种数据处理设备的结构示意图
图4是图3中运算模块对目标函数任一区间拟合的流程示意图。
图5是本申请实施例提供的一种数据处理的方法的流程示意图。
图6是图5所示方法的一种可能的实现方式的流程示意图。
图7是图5所示方法的另一种可能的实现方式的流程示意图。
图8是图5所示方法的再一种可能的实现方式的流程示意图。
图9是本申请实施例提供的另一种数据处理设备的结构示意图。
图10是本申请实施例提供的一种处理数据的方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。
近年来,随着通讯技术的发展,无线通信设备的应用越来越广泛,无线通信设备也在不断地迭代更新。应理解,无线通信设备可以是指向用户提供语音和/或数据连通性的设备,可以用于连接人、物和机,例如具有无线连接功能的手持式设备、车载设备等。本申请的实施例中的无线通信设备例如可以是手机(mobile phone)、平板电脑(Pad)、笔记本电脑、掌上电脑、移动互联网设备(mobile internet device,MID)、可穿戴设备,虚拟现实(virtual reality,VR)设备、增强现实(augmented reality,AR)设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程手术(remote medical surgery)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等。本申请实施例对此并不限定。
无线通信设备通常包括基带芯片和射频系统。基带芯片用于合成即将发射的基带信号,或对接收到的基带信号进行解码,由CPU处理器、信道编码器、数字信号处理器、调制解调器和接口模块组成。射频系统用于将基带信号转换成射频信号,从而通过天线将射频信号发射至无线信道中。
能否获得详细的信道信息,从而在接收端准确地解调出发射信号,是衡量一个无线通信系统性能的重要指标。在无线通信设备接收端和发射端,如基带芯片中,信道估计是决定性能的关键技术之一,其估计精度是影响整个无线通信系统误码性能的重要参数。常用的信道估计算法包括最小二乘法(least squares,LS)算法和线性最小均方误差(linearminimummean square error,LMMSE)算法等。信道估计算法中经常涉及许多复杂函数的计算,例如,在信道参数估计时会涉及到三角函数和贝塞尔函数。复杂函数的计算往往比较复杂,通常不能求出精确值,并且软件或硬件的实现难度很大,实际应用中只能也只需要求出满足一定精度的近似值。
传统方法通常采用查表法等来计算复杂函数。查表法是把自变量的每个值所对应的函数值保存到查找表中,计算时根据自变量的值直接查表得到结果。查表法需要占用很大的存储资源,其计算精度和输入数据精度及存储函数值的精度有关,计算精度的提高将导致存储资源的大幅增加。
需要说明的是,上文提及复杂函数计算的基带芯片信道估计仅是一个示例,本申请实施例可应用于复杂函数计算占用存储资源大的任意类型的场景,如基带芯片在功率或信噪比计算时会涉及到对数和指数等复杂函数。
因此,如何在满足要求计算精度的条件下,开发一种计算简单、占用存储资源少的信道估计方案是亟待解决的问题。
针对上述问题,本申请实施例提出一种基带芯片,下面对本申请实施例进行详细描述。
图1是本申请实施例提供的一种基带芯片的结构示意图,该基带芯片可以包括:信道估计模块110和存储模块120。
信道估计模块110用于利用信道估计模型进行信道估计。信道估计技术的实现需要知道无线信道的信息,如信道的阶数、多普勒频移、多径时延和信道的冲激响应等参数,从而在接收端准确地解调出发射信号。因此,信道估计是实现无线通信系统的一项关键技术。
信道估计模型可以包含简单函数的运算,也可以包含目标函数的运算,目标函数可以指包括初等函数和非初等函数的复杂函数,本申请中目标函数与复杂函数不作区分。初等函数是由幂函数、指数函数、对数函数、三角函数、反三角函数与常数经过有限次的有理运算(加、减、乘、除、有理数次乘方、有理数次开方)及函数复合所产生,并且能用一个解析式表示的函数。非初等函数是指凡不是初等函数的函数,非初等函数的研究与发展极大拓展了数学在各个领域的应用。目标函数的计算往往比较复杂,通常不能求出精确值,实际应用中只能也只需要求出满足一定精度的近似值。
在满足一定精度的条件下,复杂函数可以由拟合函数分段拟合。分段拟合法是将自变量的取值区间划分为多个子区间,对每个子区间用一个简单函数进行拟合来逼近原函数,例如可以利用多项式函数来逼近。分段的方法可以采用均匀分段或非均匀分段,在满足相同精度的条件下,非均匀分段划分的段数通常比均匀分段少很多,从而可以减少需要存储的参数。
对复杂函数在自变量的区间进行分段拟合时,自变量的区间被划分为多个子区间,各个子区间应为连续区间,任一子区间也可称为第一区间。
由多个子区间组成的自变量的区间也可称为第二区间,第二区间可以为复杂函数的连续区间。在一些实施例中,各个子区间对应的第一区间为函数的连续区间,而第二区间可以为非连续区间。在满足要求精度的条件下,第二区间只分为一个子区间时,第一区间也可以为第二区间。
对各个子区间利用最佳一致逼近多项式函数进行拟合,各个子区间对应的最佳一致逼近多项式函数的拟合参数可能不同,任一子区间对应的n次最佳一致逼近多项式函数可称为最佳一致逼近多项式函数,也可称为第一多项式函数,也可简称为第一多项式,或称为n阶最佳一致逼近多项式函数。
信道估计模块110可以利用最佳一致逼近多项式函数的拟合参数对复杂函数进行近似计算。在第一区间,第一多项式对复杂函数拟合的最大绝对误差的最小值为第一区间的最佳一致逼近误差。下面对最佳一致逼近多项式函数的拟合机理进一步说明。
假设复杂函数f(x)是区间[a,b]上的连续函数,pn(x)∈Hn,其中Hn为次数不超过n次的全体多项式函数的集合,若/>的最大逼近误差En满足:
则称是f(x)在区间[a,b]上的n次最佳一致逼近多项式,并且在Hn中总是存在唯一的最佳一致逼近多项式。En称为最佳一致逼近误差,也称为n次最佳一致逼近误差。从最佳一致逼近多项式的定义可知,利用它来计算函数近似值可以在基于多项式逼近时取得最小的最大绝对误差。
复杂函数f(x)是区间[a,b]上的连续函数,其n次最佳一致逼近多项式可以表示为 多项式系数cj *可以通过Remez(或称列梅兹)算法迭代计算得到。下面对Remez算法展开说明。
在区间[a,b]中选择一组初始参考点集,满足:
a≤x0<x1<…<xn<xn+1≤b
例如,可以等距地选取为0≤i≤n+1。在一些实现方式中,也可以采用切比雪夫多项式的极值点选取。
则设定区间[a,b]内的最佳一致逼近多项式系数和最佳一致逼近误差的主要计算步骤如下。
步骤一:构造(n+1)元一次线性方程组
求解得到初步的多项式系数cj,0≤j≤n。
步骤二:计算误差函数在区间[a,b]上取得最大绝对值的点/>即满足/>若/>则迭代结束,此时求得的系数cj即为最佳一致逼近多项式系数cj *=cj,0≤j≤n,误差/>即为最佳一致逼近误差否则,继续执行下一步。其中δr是判断计算收敛的精度控制参数。
步骤三:求出误差函数r(x)在区间(xi―1,xi)内的根zi(1≤i≤n+1),即满足r(zi)=0,xi―1<zi<xi。并令z0=a,zn+2=b。
步骤四:令σi=sgn(r(xi)),0≤i≤n+1,在区间[zi,zi+1]上找出使σir(y)取最大值的点yi,即满足其中,/>
步骤五:根据步骤二和步骤四求得的误差进行判断,若则新的参考点集为{y0,y1,…,yn+1}。若/>则先将/>放入点集{y0,y1,…,yn+1}中合适的位置,使各点取值按从小到大的顺序排列,再从点集中去掉一个合适的yi,使各点处的误差值正负交错排列,得到新的参考点集{y0,y1,…,yn+1}。用新参考点集{y0,y1,…,yn+1}代替原参考点集{x0,x1,…,xn+1},返回步骤一继续迭代计算。
通过上述计算,可以求出在设定区间的最佳一致逼近误差和最佳一致逼近多项式函数的系数。
存储模块120用于存储最佳一致逼近多项式函数各子区间的拟合参数,供信道估计模块110在目标函数计算时调用。
在一些实现方式中,可以在信道估计模块110之外的运算系统,例如计算机中对信道估计模型中的目标函数进行分段拟合,求得最佳一致逼近多项式函数的分段拟合参数,再将拟合参数存储于存储模块120中,供信道估计模块110使用时调用。
在一些实现方式中,可以利用根据设定的最大绝对误差计算的最佳一致逼近多项式函数参数,信道估计模块110对目标函数在第二区间进行近似计算。在这种情况下,第二区间被划分为多个子区间,任意一个子区间对应的最佳一致逼近误差小于或等于设定误差,且可以使第二区间划分出的子区间的数量最少。在一些实现方式中,可以利用根据设定误差和设定分段要求计算的最佳一致逼近多项式函数参数,信道估计模块110对目标函数在第二区间进行近似计算。第二区间被划分为多个子区间,使得子区间的数量小于或等于设定的分段数的情况下,多个子区间对应的最大绝对误差最小且相等,也既是多个子区间对应的最佳一致逼近误差最小且相等。多个子区间对应的最佳一致逼近误差相等也可以是在要求精度控制范围内相等。有关最佳一致逼近多项式函数的分段拟合的具体方法,后文再作详细介绍。
本申请实施例中,基于最佳一致逼近多项式的分段拟合函数,信道估计模块对复杂函数进行近似计算,可以使最大绝对误差最小,需要存储的多项式拟合参数少,有助于节省存储资源。同时判断自变量所处子区间的比较次数也少,有助于提高计算效率。
上文结合图1,详细描述了本申请的基带芯片的装置实施例,下面结合图2,详细描述本申请的信道估算方法的实施例。应理解,方法实施例的描述与装置实施例的描述相互对应,因此,未详细描述的部分可以参见前面装置实施例。
图2是本申请实施例提供的信道估算方法的流程示意图。图2的方法可应用于前文任一实施例提及的基带芯片。
该基带芯片可以包括:信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;所述信道估计方法包括:利用所述最佳一致逼近多项式的分段拟合函数进行所述信道估计。
图2的方法可以包括步骤S210和步骤S220,下面对这些步骤进行详细地说明。
在步骤S210,基于最大绝对误差最小化,即最佳一致逼近误差,利用最佳一致逼近多项式函数的拟合参数对目标函数在连续区间进行近似计算。
在一些实施例中,在利用最佳一致逼近多项式函数进行信道估计之前,还对复杂函数在第一区间进行拟合,包括:构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为第一多项式的阶数;计算第一多项式在第一区间的最佳一致逼近误差点;计算在第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;其中,第一多项式为目标函数在第一区间的最佳一致逼近多项式。
在一些实施例中,可以根据设定的最大绝对误差值对目标函数在第二区间进行拟合。将第二区间划分为多个子区间,使得多个子区间的任意一个子区间对应的最大绝对误差小于或等于设定的最大绝对误差的情况下,第二区间划分出的子区间的数量最少。
在一些实施例中,可以根据设定误差和设定分段要求对目标函数在第二区间进行分段拟合。将第二区间划分为多个子区间,使得多个子区间的数量为设定的分段数的情况下,第二区间对应的最大绝对误差最小,且多个子区间对应的最佳一致逼近误差相等。多个子区间对应的最佳一致逼近误差相等也可以是在要求精度控制范围内相等。
在步骤S220,信道估计模型利用对目标函数的拟合结果进行信道估计。
图3是本申请实施例提供的一种数据处理设备的示意图。该数据处理设备可以包括:获取模块310和运算模块320。
获取模块310用于获取信道估计模型中的目标函数。
运算模块320可以用于执行以下操作:在连续区间中选择一组初始参考点集,构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为第一多项式的阶数。而后计算第一多项式函数在第一区间的最佳一致逼近误差点,计算在第一区间的最佳一致逼近误差和最佳一致逼近多项式系数,其中,第一多项式为目标函数在第一区间的最佳一致逼近多项式。
图4是图3中的运算模块320对目标函数在第一区间拟合的流程示意图。设目标函数f(x)是第一区间上的连续函数,则其n次最佳一致逼近多项式可以表示为结合图4,最佳一致逼近多项式对目标函数f(x)在第一区间拟合的主要步骤如下:
在步骤S410,在连续区间中选择一组初始参考点集,构造(n+1)元一次线性方程组,求解初步的多项式系数。
在步骤S420,迭代计算复杂函数在第一区间的最佳一致逼近误差点。计算误差函数 在第一区间上取得最大绝对值的点/>即满足/>
在步骤S430,计算最佳一致逼近误差以及最佳一致逼近多项式系数。
前文介绍了最佳一致逼近多项式函数对目标函数在第一区间拟合的原理和具体方法,下面对最佳一致逼近多项式的分段拟合函数进一步说明。
设定区间左端点可以求最佳一致逼近误差不大于设定误差的最大右端点。对于区间[a,b]的子区间[sl,sr],满足a≤sl<sr≤b,当子区间的左端点sl固定时,最佳一致逼近误差随着右端点sr的增大而单调非减。当子区间的右端点sr固定时,最佳一致逼近误差随着左端点sl的减小而单调非减。所以在设定误差为Eset时,总可以在区间(sl,b]内找到唯一的最大右端点sr,使函数在区间[sl,sr]上的最佳一致逼近误差En≤Eset。则复杂函数在区间上多项式拟合的绝对误差均小于或等于最佳一致逼近误差。具体地,最大右端点sr可以通过迭代搜索方法求出,其主要步骤如下。
步骤一:计算函数f(x)在区间[sl,b]上的最佳一致逼近误差En。若En≤Eset,则最大右端点sr=b,计算结束;否则,设置搜索范围(slow,shigh)的初始值为(sl,b)。
步骤二:在搜索范围(slow,shigh)内选取一个值作为右端点st。选取方法可以采用二分法或加权法等。二分法中:加权法中:st=wsslow+(1―ws)shigh,其中ws为权值。
步骤三:计算函数f(x)在区间[sl,st]上的最佳一致逼近误差En。若En>Eset,则说明当前右端点st取值偏大,更新搜索范围上限shigh=st。若En≤Eset,则说明当前右端点st取值可能偏小,更新搜索范围下限slow=st。
步骤四:若|shigh―slow|<δs,计算结束,最大右端点sr=slow;否则,回到步骤二继续搜索。其中,δs为判断右端点收敛的精度控制参数。
在一些实现方式中,可以设定右端点求最佳一致逼近误差不大于设定误差的最小左端点。可以从最后一个子区间的右端点b开始,依次向前计算各子区间的最小左端点,并与函数取值区间左端点a进行比较来控制计算步骤的跳转和判断计算的结束。其中,设定右端点sr,在区间[a,sr)内求解满足最佳一致逼近误差En≤Eset的唯一最小左端点sl,可以采用如下迭代搜索方法,主要步骤如下。
步骤一:计算函数f(x)在区间[a,sr]上的最佳一致逼近误差En。若En≤Eset,则最小左端点sl=a,计算结束;否则,设置搜索范围(slow,shigh)的初始值为(a,sr)。
步骤二:在搜索范围(slow,shigh)内选取一个值作为左端点st。选取方法可以采用二分法或加权法等。二分法中:加权法中:st=wsslow+(1―ws)shigh(其中ws为权值)。
步骤三:计算函数f(x)在区间[st,sr]上的最佳一致逼近误差En。若En>Eset,则当前左端点st取值偏小,更新搜索范围下限slow=st。若En≤Eset,则当前左端点st取值可能偏大,更新搜索范围上限shigh=st。
步骤四:若|shigh―slow|<δs,计算结束,最小左端点sl=shigh;否则,回到步骤二继续搜索。其中,δs为判断左端点收敛的精度控制参数。
在一些实现方式中,运算模块320可以根据设定的最大绝对误差值对复杂函数在第二区间进行分段拟合。运算模块320将第二区间划分为多个子区间,在任意一个子区间对应的最佳一致逼近误差小于或等于设定的最大绝对误差的情况下,使得第二区间划分出的子区间的数量最少,设定的最大绝对误差也称为设定误差。下面结合操作过程,对本申请实施例进一步说明。
在设定误差为Eset时,若按前文所述的方法计算得到函数f(x)在区间[a,b]上的最佳一致逼近误差En≤Eset,则最小分段数Nmin=1;若最佳一致逼近误差En>Eset,则要对区间[a,b]进一步分段,使每段的最佳一致逼近误差不超过Eset。
可以从第一个子区间左端点s0=a开始,依次向后计算满足最佳一致逼近误差En≤Eset的各子区间的最大右端点,直到某个子区间的右端点等于b为止,从而可以得到最小的分段数。具体地,初始化迭代计数值k=1,s0=a,令第k个子区间的左端点为sk―1,在区间(sk―1,b]内求出其最大右端点sk,使函数f(x)在子区间[sk―1,sk]上的最佳一致逼近误差En≤Eset。当sk<b时,迭代计数值k加1,继续计算下一个子区间右端点。当sk=b时,计算结束,此时可得到满足误差要求的最小分段数Nmin=k。
上述方法在计算最小分段数的过程中,从第一个子区间的左端点a开始,依次向后计算各子区间的最大右端点,并与函数取值区间右端点b进行比较来控制计算步骤的跳转和判断计算的结束。在一些实现方式中,可以从最后一个子区间右端点b开始,依次向前计算各子区间的最小左端点,并与函数取值区间左端点a进行比较来控制计算步骤的跳转和判断计算的结束。
本申请实施例中,在满足最大相对误差不大于设定误差的情况下,运算模块对目标函数进行分段拟合,可以使分段数最少,需要存储的多项式拟合参数也最少,有助于节省存储资源。同时判断自变量所处子区间的比较次数也少,有助于提高计算效率。
在一些实现方式中,运算模块320可以根据设定分段要求对复杂函数在第二区间进行分段线性拟合。运算模块320将第二区间划分为多个子区间,使得多个子区间的数量小于或等于设定的分段数的情况下,第二区间对应的最大绝对误差最小,且多个子区间对应的最佳一致逼近误差相等,最佳一致逼近误差相等也可以是在要求精度控制范围内相等。其中,第二区间整体对应的最大绝对误差的最小值,为其多个子区间的最大绝对误差的最大值。因此,当第二区间对应的最大绝对误差最小时,多个子区间对应的最大绝对误差应最小且相等,多个子区间对应的最大绝对误差即为多项式最佳一致逼近误差。下面对根据设定分段数进行多项式拟合的操作过程进行示例性说明。
在满足最大拟合相对误差不大于设定相对误差的情况下,如果对分段数没有特殊要求,实际分段数Nseg可以取最小分段数。在一些实施例中,如果有特殊的要求,则按设定分段要求根据最小分段数计算出实际分段数Nseg。例如,若要求分段数必须是2的幂,则可以令 若要求分段数必须是偶数,则可以令/>
在一些实现方式中,有设定分段数要求,如果没有设定相对误差,可以初定一个合适的相对误差值。因为最优分段时各段的最佳一致逼近误差应不大于设定误差Eset,所以可以令最优分段时最佳一致逼近误差上限的初始值Ehigh=Eset,下限的初始值Elow=0,则最优分段时除最后一段外,其余各段的最佳一致逼近误差应满足Elow<En≤Ehigh。
为了求出最优分段点,需要在误差初始范围(Elow,Ehigh]内搜索计算最优分段时的最佳一致逼近误差,具体计算可以分为如下步骤:
步骤S10:在误差搜索范围(Elow,Ehigh]内选取一个值作为目标误差Et。选取方法可以采用二分法或加权法等。二分法中:加权法中:Et=wEElow+(1―wE)Ehigh,其中wE为权值。
步骤S20:从第一个子区间开始依次计算各子区间的最大右端点,直到子区间右端点等于b或者计算到第Nseg个子区间为止。
步骤S21:初始化k=1,s0=a。
步骤S22:第k个子区间的左端点取为sk―1,在区间(sk―1,b]内求出最大右端点sk,使函数f(x)在子区间[sk―1,sk]上的最佳一致逼近误差En≤Et。若k<Nseg,执行步骤S23;若k=Nseg,跳到步骤S30。
步骤S23:若第k个子区间的右端点sk<b,计数值k加1,回到步骤S22;若sk=b,说明当前目标误差Et偏大,更新误差搜索范围上限Ehigh=Et,回到步骤S10。
步骤S30:若第Nseg个子区间的右端点则当前目标误差Et可能偏大,更新误差搜索范围上限Ehigh=Et,并更新对应子区间分段点/>若/>则当前目标误差Et偏小,更新误差搜索范围下限Elow=Et。
步骤S40:若|Ehigh―Elow|≥δE,则返回步骤S10,其中,δE为判断最佳一致逼近误差收敛的精度控制参数。若|Ehigh―Elow|<δE,则计算结束,此时的子区间分段点 就是区间[a,b]的最优分段点,对应子区间分别为/> 前(Nseg―1)个子区间的最佳一致逼近误差En=Ehigh,第Nseg个子区间的最佳一致逼近误差En≤Ehigh。
步骤S50:根据最优分段点求出各子区间的最佳一致逼近多项式系数。得到最优分段点和各子区间后,可以求出各子区间的最佳一致逼近多项式系数。记第k个子区间的最佳一致逼近多项式系数为则最佳一致逼近多项式可以表示为/>
将各分段点以及各子区间系数存储在存储单元中,如存储器的查找表中,计算f(x)函数值时,根据分段点查找自变量x所在的子区间序号,假设sk―1≤x≤sk,则自变量x位于第k个子区间内。在查找表中查出第k个子区间的最佳一致逼近多项式系数,从而可以求得函数f(x)的近似值其最大绝对误差满足En≤Ehigh≤Eset。
本申请实施例中,在设定分段数的情况下,运算模块对目标函数在连续区间进行分段拟合,可以使多项式分段拟合的最大绝对误差最小。在满足要求的最大绝对误差的情况下,可以使多项式分段拟合函数的阶数最少。本申请实施例适用于各种连续复杂函数的多项式近似计算,需要存储的多项式函数的拟合参数少,有助于节省存储资源,在不增加实现成本和复杂度的前提下有助于提高计算精度。
在一些实现方式中,运算模块320可以根据设定的最大绝对误差和设定分段要求对复杂函数在第二区间进行分段线性拟合。例如,若根据设定的最大绝对误差求出的最小分段数小于设定分段数时,实际分段数可以取设定分段数。如果对分段数有特殊的要求,比如,若要求分段数必须是2的幂,则可以令实际分段数将第二区间划分为多个子区间,使得多个子区间的数量小于或等于实际分段数的情况下,多个子区间对应的最大绝对误差最小,且多个子区间对应的最佳一致逼近误差相等。最佳一致逼近误差相等也可以是在要求精度控制范围内相等。下面对根据设定的最大绝对误差和设定分段要求进行分段拟合的操作过程进行示例性说明。
在设定误差Eset时,对在区间[a,b]上的连续函数f(x)的分段近似计算的主要步骤为:
步骤一:计算函数f(x)在区间[a,b]上的最佳一致逼近误差En,若En≤Eset,则最小分段数Nmin=1,转入步骤三;若En>Eset,则执行步骤二。
步骤二:计算满足误差要求En≤Eset的最小分段数Nmin,具体计算步骤可参见前文介绍,不再详述。
步骤三:按照对分段数的要求,根据最小分段数Nmin计算实际分段数Nseg。
步骤四:令误差上限初始值Ehigh=Eset,下限初始值Elow=0,在误差取值范围(Elow,Ehigh]内搜索计算最优分段时的最佳一致逼近误差En和对应最优分段点具体计算可参见前文介绍。
步骤五:根据最优分段点求出各子区间的最佳一致逼近多项式1≤k≤Nseg。
将各分段点以及各子区间系数存储在存储单元中,如存储器的查找表中。近似计算f(x)函数值时,根据分段点查找得到自变量x所在的子区间序号k,然后在查找表中查出第k个子区间的最佳一致逼近多项式系数,从而可以求得函数f(x)的近似值
图5是本申请实施例提供的一种数据处理方法的流程示意图,图5的方法可应用于前文任一实施例提及的数据处理设备。
数据处理设备可以包括获取模块和运算模块。获取模块用于获取信道估计模型中的目标函数。运算模块用于执行以下操作:构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为第一多项式的阶数;计算所述第一多项式在第一区间的最佳一致逼近误差点;计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
结合图5,本申请实施例的数据处理方法对目标函数在第一区间的多项式拟合的主要步骤可分为:
在步骤S510,获取信道估计模型中的目标函数f(x)。
在步骤S520,在连续区间中选择一组初始参考点集,构造(n+1)元一次线性方程组,求解初步的多项式系数。
在步骤S530,迭代计算目标函数在第一区间的最佳一致逼近误差点。计算误差函数 在第一区间上取得最大绝对值的点y,即满足/>
在步骤S540,计算最佳一致逼近误差以及最佳一致逼近多项式系数。 时求得的系数cj即为最佳一致逼近多项式系数cj *=cj,0≤j≤n,误差/>即为最佳一致逼近误差/>其中,δr是判断计算收敛的精度控制参数。
图6是图5所示方法一种可能的实现方式的流程示意图。如图6所示,根据设定误差对目标函数在第二区间进行线性拟合,该方法主要包括步骤S610至步骤S620。
在步骤S610,根据设定误差,将目标函数的第二区间分为多个子区间,使多个子区间的最大绝对误差小于或等于设定误差值,即多个子区间的最佳一致逼近误差小于或等于设定误差值。
在步骤S620,确定最小分段数和各子区间的分段点,确定各子区间的最佳一致多项式系数,对目标函数进行多项式分段拟合。
图7是图5所示方法另一种可能的实现方式的示意性流程图。如图7所示,根据设定分段要求对目标函数f(x)在第二区间[a,b]进行线性拟合,该方法主要包括步骤S710至步骤S740。
在步骤S710,根据设定分段要求确定实际分段数Nseg,确定目标误差选取的上限值Ehigh和下限值Elow,初定迭代计算的目标误差Et。进入步骤S720。
在步骤S720,从第一个子区间开始依次计算,使各子区间的最佳一致逼近误差小于或等于目标误差,迭代计算出第Nseg个子区间的右端点。进入步骤S730。
在步骤S730,根据第Nseg个子区间的右端点与区间右端点b的关系,调整更新目标误差,进行迭代计算,使多个子区间误差的上限值Ehigh和下限值Elow的差值在误差收敛的精度控制范围内。
在|Ehigh―Elow|≥δE时,其中,δE为判断最佳一致逼近误差收敛的精度控制参数。若第Nseg个子区间的右端点则说明当前目标误差Et可能偏大,更新误差搜索范围上限Ehigh=Et。若/>则说明当前目标误差Et偏小,更新误差搜索范围下限Elow=Et。具体迭代计算方法可参见前文介绍,不再详述。进入步骤S740。
在步骤S740,确定各子区间的分段点和最佳一致逼近多项式系数,求出各子区间的最佳一致逼近多项式1≤k≤Nseg。
图8是图5所示方法的再一种可能的实现方式的示意性流程图。如图8所示,根据设定的最大绝对误差和设定的分段要求对目标函数在第二区间进行分段拟合,该方法包括步骤S810至步骤S850。
在步骤S810,计算目标函数在第二区间上的最佳一致逼近误差,确定是否根据设定误差计算最小分段数。进入步骤S820。
在步骤S820,根据设定误差,计算出最小分段数。将目标函数的第二区间分为多个子区间,其中,各子区间的最佳一致逼近误差小于或等于设定误差。进入步骤S830。
在步骤S830,按照设定分段的要求,根据最小分段数计算出实际分段数Nseg。进入步骤S840。
在步骤S840,根据实际分段数Nseg,在误差取值范围(Elow,Ehigh]内搜索计算最优分段时的最佳一致逼近误差和对应最优分段点。初始计算时,可以令误差上限初始值Ehigh=Eset,下限初始值Elow=0,在误差取值范围(Elow,Ehigh]内确定目标相对误差Et。具体的计算方法可参见前文介绍,此处不再详述。进入步骤S850。
在步骤S850,确定各子区间的分段点和最佳一致逼近多项式系数,确定最佳一致逼近误差值,求出各子区间的最佳一致逼近多项式1≤k≤Nseg。
将各分段点以及各子区间系数存储在存储单元中,如存储器的查找表中。近似计算f(x)函数值时,根据分段点查找得到自变量x所在的子区间序号k,然后在查找表中查出第k个子区间的最佳一致逼近多项式系数,从而可以求得函数f(x)的近似值
本申请实施例在各子区间内的对目标函数的最大拟合绝对误差是相等的,且最大拟合绝对误差为最佳一致逼近误差。分段拟合后,也可以对目标函数各子区间内的最大拟合绝对误差进行检测验证。在一些检测方式中,对于一个复杂函数的近似计算模块,可以在复杂函数自变量的取值范围内采样足够多的数据作为输入,记录输出值并计算与函数精确值的绝对误差,判断各个输入自变量对应的绝对误差与按本申请实施例采用最佳一致逼近多项式拟合计算的绝对误差是否基本相等。
图9是本申请实施例提供的另一种数据处理设备的结构示意图,该数据处理设备可以包括:计算电路910和存储电路920。
计算电路910用于执行目标函数相关的运算,且所述目标函数由第一多项式的分段拟合函数进行分段拟合。其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。第一区间与第一多项式的解释如前文所述。
存储电路920用于存储所述第一多项式的线性拟合参数,供计算电路910在执行目标函数相关的运算时调用。
图10是本申请实施例提供的一种处理数据方法的流程示意图。图10的方法可应用于图9中任一实施例提及的数据处理设备。
数据处理设备可以包括:计算电路,用于执行目标函数相关的运算,且所述目标函数由第一多项式的分段拟合函数进行分段拟合;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;存储电路,用于存储所述第一多项式的分段拟合函数的拟合参数。
图10的方法可以包括步骤S1010和步骤S1020,下面对这些步骤进行进一步说明。
在步骤S1010,基于最大绝对误差最小化准则,利用最佳一致逼近多项式函数对目标函数在连续区间进行分段拟合。
在一些实施例中,在利用最佳一致逼近多项式函数进行数据处理之前,还对目标函数在第一区间进行拟合,具体包括:构造(n+1)元一次线性方程组,求解第一多项式的分段拟合函数初步的多项式系数,其中n为第一多项式的阶数;计算所述第一多项式在第一区间的最佳一致逼近误差点;计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式。
在一些实施例中,可以根据设定的最大绝对误差值对目标函数在第二区间进行线性拟合。将第二区间划分为多个子区间,使得多个子区间的任意一个子区间对应的最佳一致逼近误差小于或等于设定的最大绝对误差的情况下,第二区间划分出的子区间的数量最少。
在一些实施例中,可以根据设定的最大绝对误差和设定分段要求对复杂函数在第二区间进行分段拟合。将第二区间划分为多个子区间,使得多个子区间的数量为设定的分段数的情况下,第二区间对应的最佳一致逼近误差相等且最小,最佳一致逼近误差相等也可以是在要求精度控制范围内相等。
在步骤S1020,利用最佳一致逼近多项式函数对目标函数进行近似计算,进行数据处理。
应理解,在本申请的各种实施例中,“第一”、“第二”等是用于区别不同的对象,而不是用于描述特定顺序,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
在本申请所提供的几个实施例中,应该理解到,当称某一部分与另一部分“连接”或“相连”时,其意味着该部分不仅可以“直接连接”,而且也可以“电连接”,同时另一个元件介入其中。另外,术语“连接”也意指该部分“物理地连接”以及“无线地连接”。另外,当称某一部分“包含”某一元件时,除非另行加以陈述,否则,其意味着该某一部分可以包括另一元件,而不是排除所述另一个元件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基带芯片,其特征在于,包括:
信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;
存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;
其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
所述信道估计模块利用最佳一致逼近多项式函数参数对所述目标函数在第二区间进行近似计算,所述第二区间被划分为多个子区间,所述第一区间为第二区间中任意一个子区间;
其中,当所述最佳一致逼近多项式函数参数是根据设定的最大绝对误差计算的时,所述任意一个子区间对应的最佳一致逼近误差小于或等于试所述设定的最大绝对误差且所述第二区间被划分出的子区间的数量最少,当所述最佳一致逼近多项式函数参数是根据设定的分段数计算的时,所述多个子区间的数量小于或等于所述设定的分段数的情况下,所述第二区间对应的最佳一致逼近误差最小,且所述多个子区间对应的最佳一致逼近误差相等。
2.一种信道估计方法,其特征在于,所述信道估计方法应用于基带芯片,所述基带芯片包括:
信道估计模块,用于利用信道估计模型进行信道估计,所述信道估计模型包含目标函数相关的运算;其中,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
存储模块,用于存储所述目标函数的分段拟合函数的拟合参数;
所述信道估计模块利用最佳一致逼近多项式函数参数对所述目标函数在第二区间进行近似计算,所述第二区间被划分为多个子区间,所述第一区间为第二区间中任意一个子区间;
其中,当所述最佳一致逼近多项式函数参数是根据设定的最大绝对误差计算的时,所述任意一个子区间对应的最佳一致逼近误差小于或等于试所述设定的最大绝对误差且所述第二区间被划分出的子区间的数量最少,当所述最佳一致逼近多项式函数参数是根据设定的分段数计算的时,所述多个子区间的数量小于或等于所述设定的分段数的情况下,所述第二区间对应的最佳一致逼近误差最小,且所述多个子区间对应的最佳一致逼近误差相等;
所述信道估计方法包括:
利用所述最佳一致逼近多项式的分段拟合函数进行所述信道估计。
3.一种数据处理设备,其特征在于,包括:
获取模块,用于获取信道估计模型中的目标函数,所述信道估计模型用于进行信道估计,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
运算模块,用于执行以下操作:
构造(n+1)元一次线性方程组,求解所述第一多项式的分段拟合函数初步的多项式系数,其中n为所述第一多项式的阶数;
计算所述第一多项式在所述第一区间的最佳一致逼近误差点;
计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;
其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
所述第一区间为第二区间中任意一个子区间,所述运算模块还用于执行以下操作:
将所述第二区间划分为多个子区间,使得所述多个子区间的任意一个子区间对应的最佳一致逼近误差小于或等于设定的最大绝对误差的情况下,所述第二区间划分出的子区间的数量最少;或者
将所述第二区间划分为多个子区间,使得所述多个子区间的数量小于或等于设定的分段数的情况下,所述第二区间对应的最佳一致逼近误差最小,且所述多个子区间对应的所述最佳一致逼近误差相等。
4.一种数据处理的方法,其特征在于,包括:
获取信道估计模型中的目标函数,所述信道估计模型用于进行信道估计,所述目标函数在自变量的第一区间为连续函数,所述目标函数在所述第一区间基于第一多项式进行分段拟合,且所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
构造(n+1)元一次线性方程组,求解所述第一多项式的分段拟合函数初步的多项式系数,其中n为所述第一多项式的阶数;
计算所述第一多项式在所述第一区间的最佳一致逼近误差点;
计算在所述第一区间的最佳一致逼近误差和最佳一致逼近多项式系数;
其中,所述第一多项式为所述目标函数在所述第一区间的最佳一致逼近多项式;
所述第一区间为第二区间中任意一个子区间,所述方法还包括:
将所述第二区间划分为多个子区间,使得所述多个子区间的任意一个子区间对应的最佳一致逼近误差小于或等于设定的最大绝对误差的情况下,所述第二区间划分出的子区间的数量最少;或者
将所述第二区间划分为多个子区间,使得所述多个子区间的数量小于或等于设定的分段数的情况下,所述第二区间对应的最佳一致逼近误差最小,且所述多个子区间对应的所述最佳一致逼近误差相等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582724.6A CN114900257B (zh) | 2022-05-26 | 2022-05-26 | 基带芯片、信道估计方法、数据处理方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210582724.6A CN114900257B (zh) | 2022-05-26 | 2022-05-26 | 基带芯片、信道估计方法、数据处理方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114900257A CN114900257A (zh) | 2022-08-12 |
CN114900257B true CN114900257B (zh) | 2024-05-14 |
Family
ID=82725868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210582724.6A Active CN114900257B (zh) | 2022-05-26 | 2022-05-26 | 基带芯片、信道估计方法、数据处理方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114900257B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442188A (zh) * | 2022-08-19 | 2022-12-06 | 哲库科技(北京)有限公司 | 一种信道估计方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457680A (zh) * | 2013-08-20 | 2013-12-18 | 重庆邮电大学 | 卫星通信中基于全数字接收的定时同步误差检测方法 |
CN104484703A (zh) * | 2014-12-30 | 2015-04-01 | 合肥工业大学 | 一种基于列梅兹逼近算法的sigmoid函数拟合硬件电路 |
CN108537332A (zh) * | 2018-04-12 | 2018-09-14 | 合肥工业大学 | 一种基于Remez算法的Sigmoid函数硬件高效率实现方法 |
CN112765550A (zh) * | 2021-01-20 | 2021-05-07 | 重庆邮电大学 | 一种基于Wi-Fi信道状态信息的目标行为分割方法 |
-
2022
- 2022-05-26 CN CN202210582724.6A patent/CN114900257B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457680A (zh) * | 2013-08-20 | 2013-12-18 | 重庆邮电大学 | 卫星通信中基于全数字接收的定时同步误差检测方法 |
CN104484703A (zh) * | 2014-12-30 | 2015-04-01 | 合肥工业大学 | 一种基于列梅兹逼近算法的sigmoid函数拟合硬件电路 |
CN107247992A (zh) * | 2014-12-30 | 2017-10-13 | 合肥工业大学 | 一种基于列梅兹逼近算法的sigmoid函数拟合硬件电路 |
CN108537332A (zh) * | 2018-04-12 | 2018-09-14 | 合肥工业大学 | 一种基于Remez算法的Sigmoid函数硬件高效率实现方法 |
CN112765550A (zh) * | 2021-01-20 | 2021-05-07 | 重庆邮电大学 | 一种基于Wi-Fi信道状态信息的目标行为分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114900257A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Msechu et al. | Sensor-centric data reduction for estimation with WSNs via censoring and quantization | |
CN114900257B (zh) | 基带芯片、信道估计方法、数据处理方法及设备 | |
US10057383B2 (en) | Sparsity estimation for data transmission | |
CN104067619A (zh) | 视频解码器、视频编码器、视频解码方法以及视频编码方法 | |
CN108347301B (zh) | 数据的传输方法和装置 | |
Bilal et al. | FPGA design for statistics-inspired approximate sum-of-squared-error computation in multimedia applications | |
CN114390519B (zh) | 一种无线信道密钥生成方法、装置、设备及存储介质 | |
TW201635736A (zh) | 一種信號檢測方法及裝置 | |
CN114567396A (zh) | 无线通信方法、非线性函数的拟合方法、终端及设备 | |
CN114969631B (zh) | 基带芯片、信道估计方法、数据处理方法及设备 | |
KR101609297B1 (ko) | 이웃 셀 위치 평균 | |
KR102504863B1 (ko) | 검출 방법 및 장치 | |
CN109391358B (zh) | 极化码编码的方法和装置 | |
CN108880565B (zh) | 极化码的编译码方法和通信设备 | |
CN113726416B (zh) | 一种卫星通信载波同步方法、装置及通信设备 | |
CN115484002A (zh) | 信息的处理方法、装置、电子设备及计算机可读介质 | |
US8068535B2 (en) | Robust iterative linear system solvers | |
CN115314130A (zh) | 一种基线校准方法、装置、网络侧设备及存储介质 | |
US9979576B2 (en) | Drift robust convolutional induced reception scheme with noise prediction | |
KR101831198B1 (ko) | 통신 신호에 대한 감소된 연산량을 가지는 2-단계 tdoa/fdoa 정보 추정 방법 | |
KR100842817B1 (ko) | Mdsa를 이용한 저 연산량 mimo 수신방식 | |
JP2003008552A (ja) | アンテナベリフィケーション方法及びアンテナベリフィケーション処理装置 | |
CN113273085A (zh) | 信道解码中的数据处理 | |
CN117319161B (zh) | Chirp信号的解调方法、装置、计算机设备和存储介质 | |
CN110097491B (zh) | 一种基于片上系统的图像数据处理方法、系统及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |