CN114969631A - 基带芯片、信道估计方法、数据处理方法及设备 - Google Patents

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由分段线性拟合函数对非线性函数的拟合运算；存储模块，用于存储所述分段线性拟合函数的线性拟合参数；其中，所述非线性函数在自变量的第一区间为连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，在所述第一区间，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差最小。本申请实施例基于最大相对误差最小化，对非线性函数进行分段线性拟合后用于信道估计，只需要存储各子区间线性拟合的斜率和截距参数，有助于节省存储资源。

Description

基带芯片、信道估计方法、数据处理方法及设备

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非线性函数的计算，而非线性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，通常采用级数展开法、查表法等来近似计算非线性函数。而级数展开法和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非线性函数相关的运算，且所述非线性函数由分段线性拟合函数拟合；存储模块，用于存储所述分段线性拟合函数的线性拟合参数；其中，所述非线性函数在自变量的第一区间为连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，在所述第一区间，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点。

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非线性函数相关的运算，且所述非线性函数由分段线性拟合函数拟合，其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点；存储模块，用于存储所述分段线性拟合函数的线性拟合参数；所述信道估计方法包括：利用所述分段线性拟合函数进行所述信道估计。

第三方面，提供一种数据处理的方法，包括：获取信道估计模型中的非线性函数；计算连接所述非线性函数在所述第一区间的两个端点的直线的斜率和截距；计算所述非线性函数在所述第一区间的相对误差极大值点；根据所述直线的斜率和截距以及所述极大值点，计算所述最大相对误差以及所述第一线性拟合函数的斜率和截距。

第四方面，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非线性函数；计算模块，用于执行以下操作：计算连接所述非线性函数在所述第一区间的两个端点的直线的斜率和截距；计算所述非线性函数在所述第一区间的相对误差极大值点；根据所述直线的斜率和截距以及所述极大值点，计算所述最大相对误差以及所述第一线性拟合函数的斜率和截距。

第五方面，提供一种数据处理设备，包括：计算电路，用于执行非线性函数相关的运算，且所述运算是基于所述非线性函数的分段线性拟合函数进行的；存储电路，用于存储所述分段线性拟合函数的线性拟合参数；其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点。

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，用于执行非线性函数相关的运算，且所述运算是基于所述非线性函数的分段线性拟合函数进行的，其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点；存储电路，用于存储所述分段线性拟合函数的线性拟合参数；所述处理数据的方法包括：利用所述分段线性拟合函数进行处理数据。

本申请实施例基于区间内的最大相对误差最小化，对信道估计中的非线性函数进行分段线性拟合，利用非线性函数的分段拟合结果进行信道估计。本申请实施例在满足要求精度的条件下，只需要存储各子区间线性拟合的斜率和截距参数，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是本申请实施例中对非线性函数任一区间线性拟合的流程示意图。

图3是本申请实施例对一个非线性函数线性拟合的示意图。

图4是本申请实施例提供的信道估计方法的流程示意图。

图5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6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7是图6所示方法的一种可能的实现方式的流程示意图。

图8是图6所示方法的另一种可能的实现方式的流程示意图。

图9是图6所示方法的再一种可能的实现方式的流程示意图。

图10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11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，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(linear minimummean square error，LMMSE)算法。LS信道估计算法实现简单，但忽略了噪声的影响，在低信噪比时估计精度较差。LMMSE信道估计算法利用信道相关性对LS算法的估计结果进行滤波，性能明显优于LS算法，因此5G等无线通信接收设备中主要应用LMMSE信道估计算法。

信道估计算法中经常涉及非线性函数的计算，而非线性函数的计算往往比较复杂，难以求出精确值。以LMMSE信道估计算法举例说明。

假设LS算法的信道估计结果为

则LMMSE算法的信道估计结果可以表示为：

W＝R_hh′(R_h′h′+σ²I)^―1

其中，W为滤波系数矩阵，R_hh′为导频与信号子载波之间的互相关矩阵，R_h′h′为导频之间的自相关矩阵，σ²表示噪声功率。

滤波系数矩阵W的计算通常可以基于LDL分解实现。令Φ＝R_h′h′+σ²I＝LDL^H，则WLDL^H＝R_hh′，首先根据DL^H和R_hh′求出WL，然后根据WL求出W。

其分解公式为：

其中，d_j是对角矩阵D的对角线上的元素，

是共轭对称矩阵Φ的元素，l_ij是下三角矩阵L的元素，u_ij是中间变量矩阵U＝LD的元素。

可见，在LDL矩阵分解中，除了乘法和加减法，还存在除法的计算。除法可以转化成一次倒数运算和一次乘法运算，即

由于d_j≠0，可将其表示成d_j＝x*2^y的形式，满足0.5≤x<1，y为整数，则

除法运算的关键归结为求倒数函数

0.5≤x<1的值。

倒数函数

是一种非线性函数，而非线性函数的实现通常比较复杂，难以求出精确值，实际应用场景中只需求出满足一定精度的近似值。

传统方法通常采用级数展开法、查表法等来计算非线性函数。级数展开法是将函数进行泰勒级数展开，利用展开式的前几项来近似计算。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。

级数展开法需要较多的乘法器，计算复杂度高，资源消耗大。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，上文提及非线性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非线性函数计算占用存储资源大的任意类型的场景。

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线性函数和非线性函数相关的运算，其中，在满足一定精度的条件下，非线性函数可以由线性拟合函数分段拟合。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。在精度要求不太高的时候，拟合函数通常可以采用简单的线性函数，此时只需要存储斜率和截距参数。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。

对非线性函数在自变量的区间进行分段线性拟合时，自变量的区间被划分为多个子区间，各个子区间应为连续凹函数或连续凸函数，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，第二区间可以为非线性函数的连续凹区间或连续凸区间。在一些实施例中，各个子区间对应的第一区间为连续凹区间或连续凸区间，而第二区间可以为非连续凹区间或非连续凸区间。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。

对各个子区间利用分段线性拟合函数进行拟合，各个子区间对应的线性拟合函数的斜率和截距参数可能不同，任一子区间对应的线性拟合函数也可称为第一线性拟合函数。

信道估计模块110可以利用分段线性拟合函数的拟合参数对非线性函数进行近似计算。本申请实施例中，分段线性拟合函数是基于最大相对误差最小化的准则计算拟合参数的。在第一区间，第一线性拟合函数对非线性函数拟合的最大相对误差的点为第一区间的两个端点以及非线性函数在第一区间的相对误差极大值点，下面对线性拟合函数的机理进一步说明。

假设非线性函数f(x)在区间[a,b]上连续，且在(a,b)内具有二阶导数f″(x)。如果对于任意自变量x∈(a,b)，恒有f″(x)<0，则函数f(x)是区间[a,b]上的严格凸函数，区间[a,b]称为函数f(x)的严格凸区间，区间[a,b]也可以作为第一区间。如果对于任意自变量x∈(a,b)，恒有f″(x)>0，则函数f(x)是区间[a,b]上的严格凹函数，区间[a,b]称为函数f(x)的严格凹区间。

值得说明的是，后文所述凸函数(或凹函数)都指的是严格凸函数(或凹函数)，所述凸区间(或凹区间)都指的是严格凸区间(或凹区间)。例如区间[0,0.25]是正弦函数sin(2πx)的一个凸区间，又比如区间[0.5,1]是倒数函数

的一个凹区间。

假设函数f(x)在区间[a,b]内是凸函数(或凹函数)，并且在区间内满足f(x)>0(也适用于f(x)<0的情况，此时可将函数取反变成―f(x)处理)。又假设f(x)在区间[a,b]的线性拟合函数为g(x)＝kx+c，则拟合相对误差函数可以写为:

为使区间[a,b]内的最大相对误差最小化，相当于求解如下最优化问题：

当最大相对误差最小时，应满足x在区间两端点和区间内相对误差极大值点的拟合相对误差最大并且相等，即e(a)＝e(b)＝e(x^*)，其中x^*是区间(a,b)内相对误差取极大值时的自变量值。

根据e(a)＝e(b)＝e(x^*)和f(x)>0，可以计算出区间[a,b]两个端点连线的直线斜率和截距，可以计算非线性函数在区间的相对误差极大值点。根据相对误差极大值点，可以计算最大相对误差以及线性拟合函数的斜率和截距。下面对计算过程进一步说明。

根据e(a)＝e(b)＝e(x^*)和f(x)>0，可以令最大相对误差参数ε为：

易知，对于凸函数，ε>0；对于凹函数，―1<ε<0。

将g(x)＝kx+c代入ε的表达式可得：

解上述方程组可得：

令

其中，k₁和c₁分别是区间[a,b]两个端点连线的直线斜率和截距，则拟合直线的斜率和截距可写为：

k＝(1+ε)k₁

c＝(1+ε)c₁

区间[a,b]内相对误差极大值点x^*可以通过求导的方法计算。相对误差函数中含有绝对值符号，计算不方便，可以令损失函数h(x)＝(e(x))²。相对误差函数e(x)的极大值点和损失函数h(x)的极大值点相同，其一阶导数应满足h′(x)＝0，即

当g(x)―f(x)＝0时，h(x)取极小值而不是极大值，所以极大值点x^*应满足：

方程中含有非线性函数f(x)及其一阶导数f′(x)，可以采用数值解法计算。采用的数值解法可以为有限元法、数值逼近和插值法等。

另外，可以推导：

以非线性函数f(x)在区间[a,b]上的线性拟合为例，在最大相对误差最小化的准则下，示例性介绍非线性函数的线性拟合过程。图2是本申请实施例对非线性函数在任一区间内线性拟合的流程示意图，结合图2，线性拟合的参数和最大相对误差的具体计算可分为以下步骤：

步骤S210：计算函数f(x)在区间[a,b]两个端点连线的直线斜率k₁和截距c₁。

步骤S220：计算区间(a,b)内相对误差极大值点x^*。在区间(a,b)内，相对误差极大值点x^*应满足方程：

k₁f(x^*)＝(k₁x^*+c₁)f′(x^*)

方程中含有非线性函数f(x)及其一阶导数f′(x)，可以采用数值解法计算。解方程可得到极大值点x^*。

步骤S230：根据极大值点，计算最大相对误差ε_m以及线性拟合函数的斜率k和截距c。

ε_m＝|ε|

k＝(1+ε)k₁

c＝(1+ε)c₁

可见，已知凸区间(或凹区间)的两个端点，可以求出非线性函数在凸区间(或凹区间)的最大拟合相对误差，并且是唯一的。在最大相对误差最小化的准则下，非线性函数在凸区间(或凹区间)上线性拟合的相对误差均小于极大值点的相对误差。采用最大相对误差最小化的准则，可以避免一些场景下：如非线性函数在一个区间内的函数值相差较大时采用绝对误差或绝对误差平方和最小作为准则时引起的偏小函数值处的信息失真严重或丢失的问题。

图3是本申请实施例提供的倒数函数的线性拟合的示意图，如图3所示，非线性函数f(x)为倒数函数，虚线为倒数函数

在其凹区间[0.5,1]内的线性拟合直线。可见，函数

在其凹区间[0.5,1]内的线性拟合的最大相对误差为两端点和区间内相对误差极大值点处。

存储模块120用于存储分段线性拟合函数的各段的线性拟合参数，供信道估计模块110在非线性函数计算时调用。

在一些实现方式中，可以在信道估计模块110之外的运算系统中，例如计算机中对信道估计模型中的非线性函数进行分段线性拟合，求得分段线性拟合函数的线性拟合参数，再将线性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相对误差值计算的分段线性拟合函数参数，信道估计模块110对非线性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，在任意一个子区间对应的最大相对误差小于或等于设定的最大相对误差的情况下，使得第二区间划分出的子区间的数量最少，可以利用最小分段数下的分段线性拟合函数。在一些实现方式中，可以利用根据设定的最大相对误差和设定分段要求计算的分段线性拟合函数参数，信道估计模块110对非线性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，使得多个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相对误差最小且相等。有关分段线性拟合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，利用基于最大相对误差最小化准则的分段线性拟合函数，信道估计模块对非线性函数在凸区间(或凹区间)进行近似计算，可以使最大相对误差最小，需要存储的线性拟合参数少，有助于节省存储资源。

上文结合图1至图3，详细描述了本申请的基带芯片的装置实施例，下面结合图4，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4是本申请实施例提供的信道估算方法的流程示意图。图4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，信道估计模型包含非线性函数相关的运算，且非线性函数由分段线性拟合函数拟合；存储模块，用于存储所述分段线性拟合函数的线性拟合参数。其中，非线性函数为第一区间上的连续凹函数或连续凸函数，分段性拟合函数基于第一线性拟合函数在第一区间对非线性函数进行拟合。第一线性拟合函数对非线性函数拟合的最大相对误差的点为第一区间的两个端点以及非线性函数在第一区间的相对误差极大值点。

图4的方法可以包括步骤S410和步骤S420，下面对这些步骤进行详细地举例说明。

在步骤S410，基于最大相对误差最小化的准则，利用分段线性拟合函数的拟合参数对非线性函数在凸区间(或凹区间)进行近似计算。

在一些实施例中，在利用分段线性拟合函数进行信道估计之前，还对非线性函数在第一区间进行线性拟合，具体步骤包括：计算非线性函数在第一区间的两个端点的连线的直线的斜率和截距；计算非线性函数在第一区间的相对误差极大值点；根据直线的斜率和截距以及极大值点，计算最大相对误差以及第一线性拟合函数的斜率和截距。

在一些实施例中，可以根据设定的最大相对误差值对非线性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大相对误差小于或等于设定的最大相对误差的情况下，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相对误差和设定分段要求对非线性函数在第二区间进行分段线性拟合。将第二区间划分为多个子区间，使得多个子区间的数量为设定的分段数的情况下，第二区间对应的最大相对误差最小，且多个子区间对应的最大相对误差相等。

在步骤S420，信道估计模型利用对非线性函数的拟合结果进行信道估计。

图5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510和计算模块520。

获取模块510用于获取信道估计模型中的非线性函数。

计算模块520用于执行如下操作：计算连接非线性函数在第一区间的两个端点的直线的斜率和截距；计算非线性函数在第一区间的相对误差极大值点；根据直线的斜率和截距以及极大值点，计算最大相对误差以及第一线性拟合函数的斜率和截距。

前文介绍了线性拟合函数对非线性函数在第一区间线性拟合的原理和具体方法，下面对分段线性拟合函数的应用进一步说明。

在一些实现方式中，计算模块520可以根据设定的最大相对误差值对非线性函数在第二区间进行线性拟合。计算模块520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大相对误差小于或等于设定的最大相对误差的情况下，使得第二区间划分出的子区间的数量最少，可以求得线性拟合的最小分段数。下面结合操作过程，对本申请实施例进一步说明。

设定的最大相对误差ε_set>0，若函数f(x)在凸区间(或凹区间)[a,b]上的最大拟合相对误差ε_m≤ε_set，则最小分段数N_min＝1。若最大拟合相对误差ε_m>ε_set，则需要对区间[a,b]进一步分段，区间[a,b]即为第二区间，使每段的最大拟合相对误差不超过ε_set。

假设[x_s,x_e]是函数f(x)的凸区间(或凹区间)[a,b]的任一子区间，即为第一区间，则a≤x_s<x_e≤b，并且函数f(x)在子区间[x_s,x_e]上满足f(x)>0。最大拟合相对误差ε_m＝ε_set，根据上文的推导公式，子区间左端点x_s和右端点x_e应满足如下方程组：

对于凸函数而言，第二个方程中的ε＝ε_set；对于凹函数而言，第二个方程中的ε＝―ε_set。上述方程组中包含3个未知数，分别是左端点x_s、右端点x_e和相对误差极大值点x^*。

前文介绍了已知区间的两个端点，可以求出区间的最大拟合相对误差，并且是唯一的。在区间[a,b]内，当子区间左端点固定时，线性拟合的最大相对误差随着右端点的增大而单调递增。当子区间右端点固定时，线性拟合的最大相对误差随着左端点的减小而单调递增。所以，已知子区间其中一个端点和最大拟合相对误差时，可以求出子区间的另一个端点，并且是唯一的。

上述方程组含有非线性函数和一阶导数，可以采用数值解法计算。数值求解通常需要设定解的搜索范围来保证解的正确性和收敛性，因为函数f(x)在其凸区间(或凹区间)[a,b]外的凸性(或凹性)无法保证，所以为了确保能正确求解，可以将搜索范围限制在区间[a,b]内。

在一些实现方式中，当函数f(x)在其凸区间(或凹区间)[a,b]的最大拟合相对误差ε_m>ε_set时，可以固定最后一个子区间的右端点b，在区间(a,b)内求出其左端点x_ref，使函数f(x)在子区间[x_ref,b]的最大拟合相对误差ε_m＝ε_set。此左端点x_ref可以作为后续计算收敛判定的参考点。

从第一个子区间左端点x₀＝a开始，依次向后计算各子区间的右端点并与参考点x_ref比较，直到某个子区间的右端点大于或等于x_ref―δ为止。其中δ是精度控制参数，通常取一个很小的正数。

具体地，初始化迭代计数n＝1，x₀＝a，取第n个子区间的左端点为x_n―1，在区间(x_n―1,b)内求出其右端点x_n，使函数f(x)在子区间[x_n―1,x_n]的最大拟合相对误差ε_m＝ε_set。当x_n<x_ref―δ时，迭代计数n的值加1，继续计算下一个子区间端点。当x_n≥x_ref―δ时，停止迭代计算，此时可得到满足误差要求的最小分段数N_min＝n+1。

在一些实现方式中，当函数f(x)在其凸区间(或凹区间)[a,b]的最大拟合相对误差ε_m>ε_set时，也可以固定最前一个子区间的左端点a，在区间(a,b)内求出其右端点x_ref，使函数f(x)在子区间[a,x_ref]的最大拟合相对误差ε_m＝ε_set。此右端点x_ref可以作为后续计算收敛判定的参考点。从最后一个子区间右端点x₀＝b开始，依次向前计算各子区间的左端点并与参考点x_ref比较，直到某个子区间的左端点小于或等于x_ref+δ为止。其中δ是精度控制参数，通常取一个很小的正数。

本申请实施例中，在满足最大相对误差不大于设定相对误差的情况下，计算模块对非线性函数进行分段线性拟合，可以使分段数最少，需要存储的线性拟合参数也最少，有助于节省存储资源。

在一些实现方式中，计算模块520可以根据设定分段要求对非线性函数在第二区间进行分段线性拟合。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相对误差最小，且多个子区间对应的最大相对误差相等。其中，第二区间整体对应的最大相对误差的最小值，为其多个子区间的最大相对误差的最大值。因此，当第二区间对应的最大相对误差最小时，多个子区间对应的最大相对误差应最小且相等。下面对根据设定分段数进行线性拟合的操作过程进行示例性说明。

在一些实施例中，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N_seg可以取最小分段数。在一些实现方式中，如果有特殊的要求，则按要求根据最小分段数计算出实际分段数N_seg。例如，若要求分段数必须是2的幂，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。最优分段时各段的最大拟合相对误差应小于初定相对误差ε_set，所以，可以令最优分段时最大相对误差上限的初始值ε_high＝ε_set，下限的初始值ε_low＝0，则最优分段时的最大相对误差ε_m应满足：ε_low<ε_m<ε_high。

为了求出最优分段点，需要在误差初始范围(ε_low,ε_high)内搜索计算最优分段时的最大相对误差值，可以分为如下操作步骤：

步骤S10：在误差搜索范围(ε_low,ε_high)内选取一个值作为新的目标相对误差ε_t。选取方法可以采用二分法或加权法。二分法中：

加权法中：ε_t＝wε_low+(1―w)ε_high(其中w为权值)。

步骤S20：固定最后一个子区间的右端点b，在区间(a,b)内求出其左端点x_ref，使函数f(x)在子区间[x_ref,b]的最大拟合相对误差ε_m＝ε_t。以此左端点x_ref作为后续计算收敛判定的参考点。

步骤S30：从第一个子区间开始依次计算各子区间的右端点并与参考点进行比较。

步骤S31：初始化n＝1,x₀＝a。

步骤S32：第n个子区间左端点取为x_n―1，在区间(x_n―1,b)内求出右端点x_n，使函数f(x)在子区间[x_n―1,x_n]的最大拟合相对误差ε_m＝ε_t。若n<N_seg―1，执行步骤S33；若n＝N_seg―1，执行步骤S40。

步骤S33：n<N_seg―1，目前分段数小于设定分段数，说明当前目标相对误差ε_t仍然偏大，更新误差搜索范围上限ε_high＝ε_t，回到步骤S10；否则，将n取值加1，回到步骤S32。其中δ是精度控制参数。

步骤S40：目前分段数等于设定分段数，若第N_seg―1个子区间的右端点满足

则当前目标相对误差ε_t仍然偏大，更新误差搜索范围上限ε_high＝ε_t，回到步骤S10。若

则当前目标相对误差ε_t仍然偏小，更新误差搜索范围下限ε_low＝ε_t，回到步骤S10。若

则各子区间右端点正好是区间[a,b]的最优分段点，对应子区间分别为

每段的最大拟合相对误差ε_m＝ε_t，拟合计算结束。

得到最优分段点和各子区间后，可以求出各子区间的线性拟合函数。记第n个子区间的拟合直线的斜率和截距分别为k_n和c_n，则分段线性拟合函数为g_n(x)＝k_nx+c_n。各子区间的分段点以及各子区间拟合直线的斜率和截距可以存储在存储器中，如存储器的查找表中。计算非线性函数值时，根据分段点查找自变量x所处的子区间序号，假设自变量x在第n个子区间内，即x_n―1≤x≤x_n，查表得到第n个子区间的拟合直线的斜率和截距。从而，可以求得非线性函数f(x)的近似值g_n(x)＝k_nx+c_n，其最大拟合相对误差满足ε_m<ε_set。

本申请实施例中，在设定分段数的情况下，计算模块对非线性函数在凸区间(或凹区间)进行分段线性拟合，可以使分段线性拟合的最大相对误差最小，需要存储的线性拟合参数少，可以节省存储资源，在不增加实现成本和复杂度的前提下提高了计算精度。

在一些实现方式中，计算模块520可以根据设定的最大相对误差和设定分段要求对非线性函数在第二区间进行分段线性拟合。例如，若根据设定相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相对误差最小且相等。其中，第二区间整体对应的最大相对误差的最小值，为其多个子区间的最大相对误差的最大值。下面对根据设定的最大相对误差和设定分段要求进行线性拟合的操作过程进行示例性说明。

基于最大相对误差最小化的准则，对非线性函数f(x)在凸区间(或凹区间)[a,b]进行分段线性拟合的主要步骤如下：

步骤一：计算函数f(x)在区间[a,b]上的最大拟合相对误差ε_m，若ε_m≤设定的最大相对误差ε_set，则最小分段数N_min＝1，转入步骤三；若最大拟合相对误差ε_m>设定的最大相对误差ε_set，则执行步骤二。

步骤二：计算满足最大拟合相对误差ε_m≤ε_set要求的最小分段数N_min。

步骤三：按照设定分段的要求，根据最小分段数N_min计算实际分段数N_seg。

步骤四：令相对误差上限初始值ε_high＝ε_set，下限初始值ε_low＝0，参照上文，在误差取值范围(ε_low,ε_high)内确定目标相对误差ε_t，根据目标相对误差ε_t和实际分段数N_seg，搜索计算最优分段时的最大相对误差ε_m的最小值和对应最优分段点

步骤五：根据最优分段点求出各子区间的线性拟合函数g_n(x)＝k_nx+c_n，1≤n≤N_seg。将各子区间的分段点以及各子区间拟合直线的斜率和截距存储在存储器的查找表中。计算非线性函数值时，根据分段点查找自变量x所处的子区间序号n，查表得到第n个子区间的拟合直线的斜率和截距，从而求得非线性函数f(x)的近似值g_n(x)＝k_nx+c_n。

图6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6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：获取模块和计算模块。获取模块用于获取信道估计模型中的非线性函数。计算模块用于执行如下操作：计算连接非线性函数在第一区间的两个端点的直线的斜率和截距；计算非线性函数在第一区间的相对误差极大值点；根据直线的斜率和截距以及极大值点，计算最大相对误差以及第一线性拟合函数的斜率和截距。

结合图6，本申请实施例的数据处理方法对非线性函数的线性拟合的具体步骤可分为：

在步骤S610，获取信道估计模型中的非线性函数f(x)。

在步骤S620，计算非线性函数f(x)在第一区间两个端点连线的直线斜率k₁和截距c₁。

在步骤S630，计算第一区间内相对误差极大值点x^*。在第一区间内，相对误差极大值点x^*应满足方程：

k₁f(x^*)＝(k₁x^*+c₁)f′(x^*)

方程中含有非线性函数f(x)及其一阶导数f′(x)，可以采用数值解法计算。

在步骤S640，根据极大值点，计算最大相对误差ε_m以及线性拟合函数的斜率k和截距c。

图7是图6所示方法一种可能的实现方式的示意性流程图。如图7所示，根据设定的相对误差对非线性函数在第二区间进行线性拟合，该方法包括步骤S710至步骤S720。

在步骤S710，根据设定相对误差值，将非线性函数的第二区间分为多个子区间，使多个子区间的最大相对误差小于或等于设定的相对误差值。

在步骤S720，确定最小分段数和各子区间的分段点，对非线性函数进行分段线性拟合。

图8是图6所示方法另一种可能的实现方式的示意性流程图。如图8所示，根据设定分段要求对非线性函数f(x)在第二区间[a,b]进行线性拟合，该方法包括步骤S810至步骤S850。

在步骤S810，确定实际分段数N_seg，确定目标相对误差选取的上限值ε_high和下限值ε_low，初定迭代计算的目标相对误差ε_t。

在步骤S820，固定最后一个子区间的右端点，根据目标相对误差，计算出该子区间的左端点x_ref并作为后续计算收敛判定的参考点。其中，函数f(x)在子区间[xref,b]的最大拟合相对误差ε_m＝ε_t。进入步骤S830。

在步骤S830，从第一个子区间开始依次计算，使各子区间的最大相对误差等于目标相对误差，迭代计算出第N_seg-1个子区间的右端点。进入步骤S840。

在步骤S840，若第N_seg-1个子区间的右端点与参考点x_ref的差值超出精度控制范围，调整目标相对误差，继续计算；直至第N_seg-1个子区间的右端点与参考点x_ref的差值在精度控制范围内。

若第N_seg-1个子区间的右端点超出参考点的上限值，则说明当前目标相对误差ε_t仍然偏大，更新误差搜索范围上限ε_high＝ε_t；若第N_seg-1个子区间的右端点超出参考点的下限值，则说明当前目标相对误差ε_t仍然偏小，更新误差搜索范围下限ε_low＝ε_t，参考点的上限值和下限值可以结合精度控制参数δ设置。根据误差搜索范围，更新新的目标相对误差ε_t，具体迭代计算方法可参见前文介绍。

在步骤S850，确定各子区间的分段点，确定各子区间的拟合斜率和截距，求出分段线性拟合函数。对非线性函数进行分段线性拟合。

图9是图6所示方法的再一种可能的实现方式的示意性流程图。如图9所示，根据设定的最大相对误差值和设定的分段要求对非线性函数在第二区间进行线性拟合，该方法包括步骤S910至步骤S950。

在步骤S910，计算非线性函数在第二区间上的最大拟合相对误差，确定是否根据设定相对误差计算最小分段数。进入步骤S920。

在步骤S920，根据设定的最大相对误差，计算出最小分段数。将非线性函数的第二区间分为多个子区间，其中，各子区间的最大相对误差小于或等于设定的最大相对误差。进入步骤S930。

在步骤S930，按照设定分段的要求，根据最小分段数计算实际分段数N_seg。进入步骤S940。

在步骤S940，根据实际分段数N_seg，确定目标相对误差ε_t，迭代计算最优分段时的最大相对误差ε_m的最小值和对应最优分段点

初始计算时，可以令相对误差上限初始值ε_high＝ε_set，下限初始值ε_low＝0，在误差取值范围(ε_low,ε_high)内确定目标相对误差ε_t，具体的迭代计算方法可参见上文介绍，此处不再赘述。进入步骤S950。

在步骤S950，确定各子区间的分段点和线性拟合的斜率和截距，确定最大相对误差值，求出线性拟合函数g_n(x)＝k_nx+c_n，1≤n≤N_seg。对非线性函数进行分段线性拟合。

本申请实施例在各子区间内的最大拟合相对误差是相等的，而相对误差最大时的自变量取值位于各子区间的端点以及子区间内相对误差极大值点处。分段拟合后，也可以对非线性函数各子区间内的最大拟合相对误差进行检测验证。对于一个非线性函数的分段线性拟合处理后，可以在其自变量的取值范围内均匀采样足够多的数作为输入，计算并记录输出值与函数精确值的相对误差。判断各个输入自变量对应的相对误差与按本申请实施例计算的相对误差是否基本相等。在一些检测方式中，输入自变量取各子区间的端点以及相对误差极大值点时，计算并记录输出值与函数精确值的相对误差，判断端点和相对误差极大值点的相对误差是否基本都相等，并且最大。

图10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1010和存储电路1020。

计算电路1010用于执行非线性函数相关的运算，且该运算是基于非线性函数的分段线性拟合函数进行的。其中，非线性函数为第一区间上的连续凹函数或连续凸函数，分段性拟合函数基于第一线性拟合函数在第一区间对非线性函数进行拟合，第一线性拟合函数对非线性函数拟合的最大相对误差的点为第一区间的两个端点以及非线性函数在第一区间的相对误差极大值点。其中，第一区间与第一线性拟合函数的解释如前文所述。

存储电路1020用于存储所述分段线性拟合函数的线性拟合参数，供计算电路1010在执行非线性函数相关的运算时调用。

图11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11的方法可应用于图10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，用于执行非线性函数相关的运算，且该运算是基于非线性函数的分段线性拟合函数进行的，其中，非线性函数为第一区间上的连续凹函数或连续凸函数，分段性拟合函数基于第一线性拟合函数在第一区间对非线性函数进行拟合，第一线性拟合函数对非线性函数拟合的最大相对误差的点为第一区间的两个端点以及非线性函数在第一区间的相对误差极大值点；存储电路，用于存储分段线性拟合函数的线性拟合参数。

图11的方法可以包括步骤S1110和步骤S1120，下面对这些步骤进行举例说明。

在步骤S1110，基于最大相对误差最小化准则，利用分段线性拟合函数对非线性函数在凸区间(或凹区间)进行分段线性拟合。

在一些实施例中，在利用分段线性拟合函数进行数据处理之前，还对非线性函数在第一区间进行线性拟合，具体步骤包括：计算非线性函数在第一区间的两个端点的连线的直线的斜率和截距；计算非线性函数在第一区间的相对误差极大值点；根据直线的斜率和截距以及极大值点，计算最大相对误差以及第一线性拟合函数的斜率和截距。

在一些实施例中，可以根据设定的最大相对误差值对非线性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大相对误差小于或等于设定的最大相对误差的情况下，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相对误差和设定分段数对非线性函数在第二区间进行分段线性拟合。将第二区间划分为多个子区间，使得多个子区间的数量为设定的分段数的情况下，第二区间对应的最大相对误差最小，且多个子区间对应的最大相对误差相等。

在步骤S1120，利用分段线性拟合函数对非线性函数进行近似计算，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 (10)

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非线性函数相关的运算，且所述非线性函数由分段线性拟合函数拟合；

存储模块，用于存储所述分段线性拟合函数的线性拟合参数；

其中，所述非线性函数在自变量的第一区间为连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，在所述第一区间，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点。

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非线性函数相关的运算，且所述非线性函数由分段线性拟合函数拟合，其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点；

存储模块，用于存储所述分段线性拟合函数的线性拟合参数；

所述信道估计方法包括：

利用所述分段线性拟合函数进行所述信道估计。

3.一种数据处理的方法，其特征在于，包括：

获取信道估计模型中的非线性函数；

计算连接所述非线性函数在所述第一区间的两个端点的直线的斜率和截距；

计算所述非线性函数在所述第一区间的相对误差极大值点；

根据所述直线的斜率和截距以及所述极大值点，计算所述最大相对误差以及所述第一线性拟合函数的斜率和截距。

4.根据权利要求3所述的方法，其特征在于，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所述最大相对误差小于或等于设定的最大相对误差的情况下，所述第二区间划分出的子区间的数量最少。

5.根据权利要求3所述的方法，其特征在于，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所述最大相对误差最小，且所述多个子区间对应的所述最大相对误差相等。

6.一种数据处理设备，其特征在于，包括：

获取模块，用于获取信道估计模型中的非线性函数；

计算模块，用于执行以下操作:

计算所述非线性函数在所述第一区间的两个端点的连线的直线的斜率和截距；

计算所述非线性函数在所述第一区间的相对误差极大值点；

根据所述直线的斜率和截距以及所述极大值点，计算所述最大相对误差以及所述第一线性拟合函数的斜率和截距。

7.根据权利要求6所述的数据处理设备，其特征在于，所述第一区间为第二区间中任意一个子区间，所述计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所述最大相对误差小于或等于设定的最大相对误差的情况下，所述第二区间划分出的子区间的数量最少。

8.根据权利要求6所述的数据处理设备，其特征在于，所述第一区间为第二区间中任意一个子区间，所述计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所述最大相对误差最小，且所述多个子区间对应的所述最大相对误差相等。

9.一种数据处理设备，其特征在于，包括：

计算电路，用于执行非线性函数相关的运算，且所述运算是基于所述非线性函数的分段线性拟合函数进行的；

存储电路，用于存储所述分段线性拟合函数的线性拟合参数；

其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点。

10.一种处理数据的方法，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，用于执行非线性函数相关的运算，且所述运算是基于所述非线性函数的分段线性拟合函数进行的，其中，所述非线性函数为第一区间上的连续凹函数或连续凸函数，所述分段性拟合函数基于第一线性拟合函数在所述第一区间对所述非线性函数进行拟合，所述第一线性拟合函数对所述非线性函数拟合的最大相对误差的点为所述第一区间的两个端点以及所述非线性函数在所述第一区间的相对误差极大值点；

存储电路，用于存储所述分段线性拟合函数的线性拟合参数；

所述处理数据的方法包括：

利用所述分段线性拟合函数进行处理数据。

Images