CN116208292A - 信号处理器优化方法、信号处理器及计算机可读存储介质 - Google Patents
信号处理器优化方法、信号处理器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116208292A CN116208292A CN202111448356.8A CN202111448356A CN116208292A CN 116208292 A CN116208292 A CN 116208292A CN 202111448356 A CN202111448356 A CN 202111448356A CN 116208292 A CN116208292 A CN 116208292A
- Authority
- CN
- China
- Prior art keywords
- maximum likelihood
- likelihood estimation
- tap coefficient
- input signal
- signal
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0054—Maximum-likelihood or sequential decoding, e.g. Viterbi, Fano, ZJ algorithms
-
- 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
- H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Power Engineering (AREA)
- Error Detection And Correction (AREA)
Abstract
本发明涉及通信领域,公开了一种信号处理器优化方法、信号处理器及计算机可读存储介质。其中,信号处理器优化方法,应用于包括最大似然估计模型的信号处理器,包括:获取输入信号;通过最大似然估计模型对所述输入信号进行运算、获得输出信号;计算所述输出信号和所述输入信号的误差值,根据所述误差值调整所述最大似然估计模型的抽头系数。与现有技术相比,本发明实施方式所提供的信号处理方法、装置及计算机可读存储介质具有准确度高的优点。
Description
技术领域
本发明涉及信号处理领域,特别涉及一种信号处理器优化方法、信号处理器及计算机可读存储介质。
背景技术
在未来高速无源光网络中,随着带宽需求不断提升,光网络单元和光线路终端设备将会受限于光上和电上硬件器件带宽、非线性和光纤信道中的色散影响,接收端接收到的信号会因此产生极大的码间串扰和信号功率衰减。这么多重失真源的存在,也对接收侧正确地恢复出发送信号提出了严峻的挑战。以50G系统为例,目前接收端考虑使用的均衡算法就包括前向反馈均衡、判决反馈均衡、最大似然估计、人工神经网络算法等等。这些在数字域的信号处理算法都是尽可能地消除信道中产生的干扰和对信道中的中高频分量进行补偿来实现信号均衡。
现有技术中的信号处理器中通常包括一个最大似然估计算法模型,最大似然估计算法模型的抽头系数(即串扰系数)一般定义为过去信号对当前时刻采样值的串扰。往往一个最大似然估计算法模型中,抽头系数的设置是一个经验值,而靠经验值对抽头系数进行设定不仅对专业人员的专业度的要求较高,而且靠经验值设定的抽头系数不准确的可能性较高,降低了最大似然估计算法对数据处理的准确度,也造成了信号处理器对信号处理结果的准确度降低。
发明内容
本发明实施方式的目的在于提供一种信号处理器优化方法、信号处理器及计算机可读存储介质,可以提升信号处理器对信号处理结果的精准度。
为解决上述技术问题,本发明的实施方式提供了一种信号处理器优化方法,应用于包括最大似然估计模型的信号处理器,包括:获取输入信号;通过最大似然估计模型对所述输入信号进行运算、获得输出信号;计算所述输出信号和所述输入信号的误差值,根据所述误差值调整所述最大似然估计模型的抽头系数。
本发明的实施方式还提供了一种信号处理器,包括:最大似然估计模块,所述最大似然估计模块用于对输入信号进行最大似然估计运算;误差计算模块,所述误差计算模块用于计算所述最大似然估计模块的输出信号和输入信号之间的误差值;系数调整模块,所述参数调整模块用于根据所述误差值对所述最大似然估计模块中的抽头系数进行调整以降低所述误差值。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如前述的信号处理器优化方法。
本发明实施方式相对于现有技术而言,在使用信号处理器中的最大似然估计模型对输入信号进行最大似然运算之后,通过计算输出信号和输入信号的误差值,根据误差值调整最大似然估计模型的抽头系数,使得调整抽头系数后的最大似然估计模型的输出信号和输入信号的误差值更小,即表明对输入信号的信号处理结果更为精准,从而有效的提高了信号处理器对后续输入信号的信号处理结果的精准度。
附图说明
图1是本发明第一实施方式所提供的信号处理器优化方法的程序流程图;
图2是本发明第一实施方式所提供的信号处理器优化方法的一种应用场景的程序流程图;
图3是本发明第一实施方式所提供的信号处理器优化方法的另一种应用场景的程序流程图;
图4是本发明第一实施方式中举例说明的系数优化仿真示意图;
图5是本发明第二实施方式所提供的信号处理器优化方法的程序流程图;
图6是本发明第二实施方式所提供的信号处理器中滤波模型的程序流程图;
图7是本发明第三实施方式所提供的信号处理器的结构示意图;
图8是本发明第三实施方式所提供的信号处理器的结构示意图;
图9是本发明第四实施方式所提供的信号处理器的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种信号处理器优化方法,应用于包括最大似然估计模型的信号处理器,具体流程如图1所示,包括:
步骤S101:获取输入信号。
具体的,由于本发明应用场景主要应用于光纤通信领域光接入网络中,因此,本实施方式中以光纤通信领域中常见的数字采样信号为例,设定输入信号为最大似然估计模型接收到的数字采样信号。可以理解的是,前述输入信号为数字采样信号仅为本实施方式中一种具体的举例说明,并不构成限定,在实际应用中,由于最大似然估计算法在诸多领域也均有应用,如无线通信网络,卫星通信,机械控制领域等等,因此,输入信号也可以是其它类型的信号,具体可以根据实际需要处理的信号类型进行实际的应用。
步骤S102:通过最大似然估计模型对输入信号进行运算、获得输出信号。
具体的,在本步骤中,将获取的输入信号输入到已有的最大似然估计模型中,最大似然估计模型对输入信号进行最大似然估计运算,并输出最大似然估计运算结果作为输出信号。
下面,以数字采样信号为输入信号为例,对最大似然估计模型对输入信号进行最大似然估计运算的整体过程进行举例说明。
首先,最大似然估计运算最核心思想是基于维特比算法下计算数字采样信号各个序列之间的最大似然概率,而序列的最大似然概率通常情况下等价为序列采样点间的欧式距离的大小。可理解的是,本实施方式中不限定对于最大似然概率的计算方式,除欧式距离外还可采用曼哈顿距离、切比雪夫距离等其它方法计算序列之间的最大似然概率。
然后,根据前一步计算的欧式距离,基于维特比算法思想,考虑累加前面采样点的最短距离,选择出当前符号位的最优路径。这里以欧式距离为例,n阶最大似然估计模块寻找最优路径的公式为公式(1),公式(1)如下:
其中,D(xk)为在第k个符号位的最短距离,rk为当前输入信号,xk为标准星座点的输出电平,n为最大似然估计模型的抽头系数深度,αi为抽头系数。
再然后,对基于前述公式和维特比算法选择出来的幸存路径节点进行回溯译码的相关操作,挑选出最佳的译码值。
最后,将幸存路径下的译码值判决输出,既可以获得输出信号。如此,即完成了对输入信号的一次最大似然估计运算的过程。
可以理解的是,前述仅为本实施方式中对输入信号的一次最大似然估计运算的过程的举例说明,并不构成限定。
步骤S103:计算输出信号和输入信号的误差值。
具体的,在本步骤中,根据输出信号与输入信号,计算每拍的误差值。具体计算步骤为计算输出信号与抽头系数的内积;计算内积结果与输入信号的差值;将差值的平方作为误差值,计算公式表示为公式(2),公式(2)如下:
其中,x为输出信号中的译码值,rk为输入信号,输出信号中的译码值与最大似然估计模型的抽头系数αi内积后再与输入值进行比对,计算误差值J。
步骤S104:根据误差值调整最大似然估计模型的抽头系数。
具体的,在本步骤中,根据最优化算法对误差值进行计算,得到新的抽头系数。这里的最优化算法包括但不仅限于:最小均方算法、递归最小二乘算法、最速下降算法、随机梯度下降算法等等。本实施方式中以最小均方算法为例对误差计算进行说明,计算公式(3)如下:
其中,μ为更新步长。
根据公式(3)计算得到新的抽头系数之后,调整最大似然估计模型中原本的抽头系数为新的抽头系数,将调整抽头系数后的最大似然估计模型作为目标模型。
与现有技术相比,本发明实施方式所提供的信号处理方法中在使用最大似然估计模型对输入信号进行最大似然估计运算之后,通过计算输出信号和输入信号的误差值,根述误差值调整最大似然估计模型的抽头系数,使得调整抽头系数后的最大似然估计模型的输出信号和输入信号的误差值更小,即表明对输入信号的信号处理结果更为精准,从而有效的提高了信号处理器对后续输入信号的信号处理结果的精准度。
具体的,在本发明的实施方式中,信号处理器的输入信号可以是样本训练信号,也可以是实际需要处理的信号。即在本发明的不同应用场景中,可以是预先使用样本训练信号对信号处理器进行训练、直至信号处理器中最大似然估计模型的抽头系数不再变化,即信号处理器训练完成后,再将训练完成后的信号处理器投入使用。将信号处理器训练完成后再投入使用可以便于对信号处理器进行统一的训练。以固定的训练样本信号作为输入信号为例,具体的训练过程如图2所示,包括以下步骤:
似然估计模型的信号处理器,具体流程如图1所示,包括:
步骤S201:获取输入信号。
步骤S202:通过最大似然估计模型对输入信号进行运算、获得输出信号。
步骤S203:计算输出信号和输入信号的误差值。
步骤S204:根据误差值调整最大似然估计模型的抽头系数。
可以理解的是,步骤S201至步骤S204与前述的步骤S101至步骤S104大致相同,具体可以参照前述实施方式的具体说明,在此不再赘述。
步骤S205:判断调整后的抽头系数与调整前的抽头系数是否的差值是否小于一预设阈值,若是,执行步骤S206;若否,执行步骤S202。
可以理解的是,在一实施方式中,所述预设阈值可以依据调整前的抽头系数来设置,例如可以判断调整后的抽头系数与调整前的抽头系数是否的差值是否小于调整前的抽头系数的3%。当然,该设置方式仅为本实施方式中一种具体的判定条件的举例说明,并不构成限定,在本发明的其它实施方式中,也可以是判断调整后的抽头系数与调整前的抽头系数是否的差值是否小于调整前的抽头系数的2%、4%、5%…等其它判断条件,具体可以根据实际需要进行灵活的设置。所述预设阈值的设置主要用于保证调整后的抽头系数与调整前的抽头系数之间的变化量小于一预设值即可。
步骤S206:判定信号处理器训练完成。
可以理解的是,前述将信号处理器训练完成后,再将训练完成后的信号处理器投入使用仅为本发明的一种具体的应用场景的举例说明,并不构成限定,在本发明的其它应用场景中,也可以是直接将信号处理器投入使用,在使用的过程中,信号处理器会重复获取新的输入信号,每获取一次新的输入信号,即根据前述的步骤S101至步骤S104对信号处理器中最大似然估计模型的抽头系数进行一次调整,直至信号处理器中最大似然估计模型的抽头系数不再发生变化为止,具体步骤如图3所示,包括:
步骤S301:获取输入信号。
步骤S302:通过最大似然估计模型对输入信号进行运算、获得输出信号。
步骤S303:计算输出信号和输入信号的误差值。
步骤S304:根据误差值调整最大似然估计模型的抽头系数。
可以理解的是,步骤S301至步骤S304与前述的步骤S101至步骤S104大致相同,具体可以参照前述实施方式的具体说明,在此不再赘述。
步骤S305:判断调整后的抽头系数与调整前的抽头系数是否的差值是否小于预设阈值,若是,执行步骤S306;若否,执行步骤S307。
步骤S306:判定信号处理器训练完成。
步骤S307:获取新的输入信号。
步骤S308:通过最大似然估计模型对新的输入信号进行运算、获得输出信号。
在信号处理器的使用过程中,根据信号处理器接收的输入信号对信号处理器中最大似然估计模型的抽头系数进行调整,可以使得调整后的抽头系数与当前信号处理器所需要处理的数据更为契合,进而提升信号处理器的信号处理结果的精准度。
如图4所示为本发明第一实施方式所提供的信号处理器优化方法的仿真结果图,仿真条件为预设一个n=3维的抽头系数,初始值设置为[0.5,0,0]。可以看出随着输入信号输入次数的逐渐增加,大概在500次左右,三个系数逐渐趋近于稳定,此时得到最大似然估计模型的全局最佳值。
本发明的第二实施方式涉及一种信号处理器优化方法,应用于包括最大似然估计模型和滤波模型的信号处理器,具体流程如图5所示,包括:
步骤S401:获取输入信号。
步骤S402:将输入信号输入滤波模型进行滤波处理。
具体的,在本实施方式中,滤波模型例如是前向反馈均衡滤波模型,可以理解的是,在本发明的其它实施方式中,滤波模型也可以是例如卷积滤波模型、递归滤波模型等。滤波模型结构如图6所示,其中,Xk为输入滤波模型的采样点信号,T为符号周期,T/n为采样点时间间隔,ω0-ωn为滤波模型的抽头系数,yk为滤波模型的输出数据。
步骤S403:通过最大似然估计模型对进行滤波处理后的输入信号进行运算、获得输出信号。
步骤S404:计算输出信号和输入信号的误差值。
步骤S405:根据误差值调整最大似然估计模型的抽头系数。
步骤S406:根据误差值调整所述滤波模型的抽头系数。
与现有技术相比,本发明第二实施方式所提供的信号处理器优化方法在应用于包括最大似然估计模型和滤波模型的信号处理器时,通过输出信号和输入信号的误差值对最大似然估计模型和滤波模型两个模型中的抽头系数分别进行调整,调整后的滤波模型和最大似然估计模型的输出信号和输入信号的误差值更小,即对输入信号的信号处理结果更为精准,从而进一步的提高了信号处理器对信号处理结果的精准度。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种信号处理器,如图7所示,包括:
最大似然估计模块61,最大似然估计模块61用于对输入信号进行最大似然估计运算;
误差计算模块62,误差计算模块用于计算最大似然估计模块61的输出信号和输入信号之间的误差值;
系数调整模块63,参数调整模块63用于根据误差值对最大似然估计模块61中的第一抽头系数进行调整以降低误差值。
与现有技术相比,本发明第三实施方式所提供的信号处理器中额外设置误差计算模块62和系数调整模块63根据输入信号对最大似然估计模块61的抽头系数进行调整,降低最大似然估计模块61的输出信号和输入信号之间的误差值,误差值的降低即表明了输出信号的准确度的提高。
具体的,在本实施方式中,如图8所示,最大似然估计模块61包括:路径计算子模块611、最优路径选择子模块612、路径回溯/管理子模块613和判决输出子模块616。其中,路径计算子模块611用于基于维特比算法下计算输入信号各个序列之间的最大似然概率;最优路径选择子模块612用于累加前面采样点的最短距离,选择出当前符号位的最优路径;路径回溯/管理子模块613用于对选择出来的幸存路径节点进行回溯译码的相关操作,挑选出最佳的译码值;判决输出子模块616用于将幸存路径下的译码值判决输出,既可以获得输出信号。可以理解的是,前述计算步骤与第一实施方式中的计算步骤大致相同,具体可以参照前述实施方式的具体说明,在此不再赘述。
其中,误差计算模块62通过误差算法计算得到误差值;误差算法包括:计算输出信号与抽头系数的内积,计算内积结果与输入信号的差值,将差值的平方作为误差值或者将差值的绝对值作为误差值。
系数调整模块63通过最优化算法对误差值进行计算,得到新的抽头系数;最优化算法为最小均方算法、递归最小二乘算法、最速下降算法、随机梯度下降算法中的一种。
不难发现,本实施方式为与第一实施方式相对应的系统实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明第四实施方式涉及一种信号处理器。第四实施方式与第三实施方式大致相同,主要区别之处在于:在第四实施方式中,如图9所示,还包括:滤波模块66;滤波模块66用于对输入信号进行滤波处理,并将滤波处理后的输入信号传输至最大似然估计模块61;系数调整模块63还用于根据误差值对滤波模块66中的第二抽头系数进行调整以降低误差值。
与现有技术相比,本发明第四实施方式所提供的信号处理器中通过系数调整模块63对滤波模块66中的第二抽头系数进行调整,从而进一步的提升信号处理器的输出值的准确度,也能够提高对于接收信号的均衡恢复能力。
由于第二实施方式与本实施方式相互对应,因此本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节在本实施方式中依然有效,在第二实施方式中所能达到的技术效果在本实施方式中也同样可以实现,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第二实施方式中。
本发明第五实施方式涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种信号处理器优化方法,应用于包括最大似然估计模型的信号处理器,其特征在于,包括:
获取输入信号;
通过最大似然估计模型对所述输入信号进行运算,以获得输出信号;
计算所述输出信号和所述输入信号的误差值;
根据所述误差值调整所述最大似然估计模型的抽头系数。
2.根据权利要求1所述的信号处理器优化方法,其特征在于,所述计算所述输出信号和所述输入信号的误差值,包括:
计算所述输出信号与所述抽头系数的内积;
计算内积结果与所述输入信号的差值;
将所述差值的平方作为所述误差值,或者将所述差值的绝对值作为所述误差值。
3.根据权利要求1所述的信号处理器优化方法,其特征在于,所述根据所述误差值调整所述最大似然估计算法中的抽头系数,包括:
根据最优化算法对所述误差值进行计算,得到新的抽头系数;
修改所述最大似然估计算法中的抽头系数为所述新的抽头系数;
其中,所述最优化算法为最小均方算法、递归最小二乘算法、最速下降算法、随机梯度下降算法中的一种。
4.根据权利要求1所述的信号处理器优化方法,其特征在于,所述根据所述误差值调整所述最大似然估计模型的抽头系数后,还包括:
判断调整后的抽头系数与调整前的抽头系数是否的差值是否小于预设阈值;
在所述差值大于或等于预设阈值时,通过调整所述抽头系数后的所述最大似然估计模型再次对所述输入信号进行运算、获得新的输出信号,计算所述新的输出信号和所述输入信号的误差值作为新的误差值,根据所述新的误差值调整所述最大似然估计模型的抽头系数,并再次判断调整后的抽头系数与调整前的抽头系数的差值是否小于所述预设阈值。
5.根据权利要求1所述的信号处理器优化方法,其特征在于,所述根据所述误差值调整所述最大似然估计模型的抽头系数后,还包括:
判断调整后的抽头系数与调整前的抽头系数的差值是否小于预设阈值;
在所述差值大于或等于所述预设阈值,获取新的输入信号,通过调整所述抽头系数后的所述最大似然估计模型再次对所述新的输入信号进行运算,获得新的输出信号,计算所述新的输出信号和所述新的输入信号的误差值作为新的误差值,根据所述新的误差值调整所述最大似然估计模型的抽头系数,并再次判断调整后的抽头系数与调整前的抽头系数的差值是否小于所述预设阈值,直至所述调整后的抽头系数与调整前的抽头系数的差值小于所述预设阈值。
6.根据权利要求1所述的信号处理器优化方法,其特征在于,所述通过最大似然估计模型对所述输入信号进行运算前,还包括:
将所述输入信号输入信号处理器的滤波模型进行滤波处理。
7.根据权利要求6所述的信号处理器优化方法,其特征在于,还包括:根据所述误差值调整所述滤波模型的抽头系数。
8.一种信号处理器,其特征在于,包括:
最大似然估计模块,所述最大似然估计模块用于对输入信号进行最大似然估计运算;
误差计算模块,所述误差计算模块用于计算所述最大似然估计模块的输出信号和所述输入信号之间的误差值;
系数调整模块,所述参数调整模块用于根据所述误差值对所述最大似然估计模块中的抽头系数进行调整以降低所述误差值。
9.根据权利要求8所述的信号处理器,其特征在于,还包括:滤波模块;
所述滤波模块用于对所述输入信号进行滤波处理,并将滤波处理后的所述输入信号传输至所述最大似然估计模块;
所述系数调整模块还用于根据所述误差值对所述滤波模块中的抽头系数进行调整以降低所述误差值。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的信号处理器优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448356.8A CN116208292A (zh) | 2021-11-30 | 2021-11-30 | 信号处理器优化方法、信号处理器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111448356.8A CN116208292A (zh) | 2021-11-30 | 2021-11-30 | 信号处理器优化方法、信号处理器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116208292A true CN116208292A (zh) | 2023-06-02 |
Family
ID=86508160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111448356.8A Pending CN116208292A (zh) | 2021-11-30 | 2021-11-30 | 信号处理器优化方法、信号处理器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116208292A (zh) |
-
2021
- 2021-11-30 CN CN202111448356.8A patent/CN116208292A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2677750B2 (ja) | 受信システム | |
US7006564B2 (en) | Adaptive equalizer | |
EP1365554A1 (en) | Computation of coefficients for a decision feedback equaliser with variable delay | |
JPH04291522A (ja) | 少なくとも2つの受信ブランチからなる受信器 | |
US7139312B2 (en) | System and method for improving coding gain performance within gigabit phy viterbi decoder | |
CN105610517A (zh) | 相干光接收机的迭代后均衡 | |
US10574263B2 (en) | Method for implementing turbo equalization compensation, turbo equalizer and system | |
CA2300072A1 (en) | Method and arrangement for demodulating data symbols | |
US20090187807A1 (en) | Method for optimizing block coding parameters, a communications controller employing the method and a communications node and link employing the controller | |
CN114389751B (zh) | 一种用于误码测试设备的自动均衡方法和系统 | |
US10237096B2 (en) | Processing of a faster-than-Nyquist signaling reception signal | |
CN116208292A (zh) | 信号处理器优化方法、信号处理器及计算机可读存储介质 | |
JP2000295145A (ja) | 決定帰還等化器及び決定帰還等化方法 | |
KR100415939B1 (ko) | 무선 수신기에서 채널 디코딩을 위한 확실성 정보를발생시키는 방법 및 해당하는 무선 수신기 | |
US7016405B2 (en) | Signal circulation for adaptive signal equalization in digital communication systems | |
JP2560893B2 (ja) | データ信号受信装置 | |
US8868019B2 (en) | Forward filter training scheme | |
CN113938199A (zh) | 一种信号的处理方法及装置、存储介质、电子装置 | |
CN113630667B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN108616466B (zh) | 信道并行均衡方法及装置 | |
US7349489B2 (en) | Pulse shaping filter with minimal intersymbol interference | |
EP4340304A1 (en) | Method and apparatus for an equalizer based on viterbi algorithm | |
CN108449120B (zh) | 一种基于差分度量低复杂度qam-mimo检测方法 | |
KR20100066668A (ko) | Snr 적응성 스피어 디코더 및 디코딩 방법과, 이를 이용한 무선 수신 장치 | |
San José-Revuelta et al. | Neuro Bayesian blind equalization with BER estimation in digital channels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |