CN1943195A - 多尺度无线通信 - Google Patents

Abstract

针对典型的无线通信系统考查了其中使用了对发送信号进行时间频率调节的多尺度通信，其中调制小波与具体的信道条件相匹配。运用了紧支撑的小波基，而且基于它们的参数化而选择了将无线信道条件最佳地特征化的小波。

Description

多尺度无线通信

技术领域

本发明的领域是无线通信领域，特别是在时域和频域中均采用分离的波包系统领域。

背景技术

无线通信在通过移动信道进行发送之前包含若干形式的信号调制。在无线调制中包含的处理类型的一些例子包括时间处理(例如扩频)、频谱处理(例如正交频分复用，即OFDM)和空间处理(例如空间-时间编码)。这类处理在单个维度(例如，时间、频率或空间)上发生，而且有时称作单尺度调制。通常包含的处理类型常常是基于所经历的移动信道条件类型来选择的。例如，不提供分集(例如单路径衰落)的移动信道有时是使用空间处理来寻址的。另一方面，经历多径(例如频率选择性衰落)的移动信道可以使用比如OFDM这样的频谱调制来更好地加以处理。

多尺度调制包含在两个维度也就是时间和频率上处理信号。因此，多尺度调制器的输出是通过时间范围(temporal range)和频率槽(frequency bin)二者来编索引的。这类信号调节具有与无线信道的两个维度而不是一个维度相匹配的潜力。

多尺度调制可以使用时间-频率拼贴图(tiling diagram)来可视化。从下面的参考文献(1)导出的采样拼贴在图1中有所描绘。在这一例子中，由频率为f₀的正弦曲线和脉冲t₀组成的波形的时间-频率平铺在时间-频率域中与f₀和t₀二者相交的所有子带中产生能量。可以使用小波分解来获得信号的时间-频率表示。

先前的工作已经解决了将小波分解应用于数字通信中。例如，Wornell(8)已经发展出用于多尺度通信的分形调制(fractal modulation)的概念。另外，在比如(9)和(10)这样的著作中，选择了优化小波分解以解决具体类型的信道条件或者发送器缺点。在多尺度通信领域中大量先前工作所存在的特定问题在于，多径信道在接收器处的均衡问题常常没有具体地解决。这最有可能是由于尝试在两个维度中自适应地均衡信道的难度。因此，将希望能够用接收器与发送器之间最少量的交互(即反馈)将特定小波与瞬时信道条件相匹配。然而，先前的工作还没有解决对庞大的小波家族的紧致实现进行利用，以便基于对一个或多个标量值的选择来将小波与无线信道条件相匹配。在这一工作中，基于众所周知的紧致小波分解，开发了参数化的小波调制方法，其中将参数选择为与无线信道条件最佳地匹配。

小波分解通常是在连续域中定义的，其中先从下面的参考文献(2)、(3)中导出所谓的尺度函数(x)，

φ(x)＝∑c_kφ(2x-k)                     (1)

其中{c_k}是实序列。序列{c_k}是偶数长度的而且必须满足下式：

∑c_k＝2                                 (2)

∑c_kc_k+2m＝2δ(m)

小波的另一重要特征是消失矩(vanishing moments)的数目，该特征确定了由{c_k}定义的序列“平滑度”或连续性。如果小波具有M(M≥1)个消失矩，则下式成立：

∑(-1)^kk^mc_k＝0，m＝0，1，(M-1)          (3)

对应的小波现在可以定义如下：

ψ(x)＝∑d_kψ(2x-k}                     (4)

其中：

d_km(-1)^kc_1-k                            (5)

因此小波函数的胀缩和平移形成标准正交基：

$\left\{\sqrt{2^l}\mathrm{\ψ}(2^{l}x-k)\right\}---\left(6\right)$

由于小波具有紧支撑，所以序列{c_k}长度有限，假设序列长度是2N。然后离散小波变换可以定义为始于两个等长序列{c_k}和{d_k}。这两个序列也可以认为是滤波器；它们共同地形成理想的重构滤波器组。

在下面的参考文献(3)和(4)中提出过用于小波的参数化构造和具有M≤N个消失矩的用于任意N值的尺度滤波器。假设对于N值而言，滤波器系数现在标示为{c_k ^N}。给定长度为N的小波参数集{a_i}(-π≤a_i＜π，0≤i＜N)，可以通过递归导出系数{c_k ^N}：

${c_0}^0=\frac{1}{\sqrt{2}}$

${c_1}^0=\frac{1}{\sqrt{2}}$

${c_k}^n=\frac{1}{2}[({c_{k-2}}^{n-1}+{c_k}^{n-1})(1+\cos {\mathrm{\α}}_{n-1})+({c_{2(n+1)-k-1}}^{n-1}+{c_{2(n+1)-k-3}}^{n-2}){(-1)}^k\sin {\mathrm{\α}}_{n-1}]$

(7)

在参数集一般无法在[-π，π]^N闭联集上加以定义而仍然产生具有至少一个消失矩的小波这一意义上，参考文献(7)中的小波构造具有局限性。然而，Pollen证实了对于任意N可以在闭联集[-π，π]^N上定义小波(以平滑度为代价)。为了考查对于给定N的此类构造，定义滤波器组矩阵F_N如下：

$F_N=\left[\begin{array}{ccc}{c}_0& \·\·\·& c_{2N-1}\\ d_0& \·\·\·& d_{2N-1}\end{array}\right]---\left(8\right)$

则对于N＝1的滤波器组矩阵是：

$F_1=\frac{1}{\sqrt{2}}\left[\begin{array}{cc}{\cos \mathrm{\α}}_0& {-\sin \mathrm{\α}}_0\\ \sin {\mathrm{\α}}_0& \cos {\mathrm{\α}}_0\end{array}\right]---\left(9\right)$

参考文献(9)中的矩阵有时也称为Givens旋转矩阵。类似地，对于N＝2的滤波器组矩阵是(6)：

$F_2=\frac{1}{\sqrt{8}}\left[\begin{array}{cccc}1-\cos {\mathrm{\α}}_0+\sin {\mathrm{\α}}_0& 1+\cos {\mathrm{\α}}_0+\sin {\mathrm{\α}}_0& 1+\cos {\mathrm{\α}}_0-\sin {\mathrm{\α}}_0& 1-{\cos {\mathrm{\α}}_0-\sin \mathrm{\α}}_0\\ 1-\cos {\mathrm{\α}}_0-{\sin \mathrm{\α}}_0& -(1+\cos {\mathrm{\α}}_0-{\sin \mathrm{\α}}_0)& 1+{\cos {\mathrm{\α}}_0+\sin \mathrm{\α}}_0& -(1-\cos {\mathrm{\α}}_0+{\sin \mathrm{\α}}_0)\end{array}\right]---\left(10\right)$

由于Pollen先提出这两个表示(见参考文献(7))，所以对于N＝2和N＝3的滤波器组表达式有时也称为Pollen滤波器。类似地，滤波器组矩阵F₁在a₀＝π/4时变成Haar矩阵，而滤波器组矩阵F₂在a₀＝π/6时为Daubechies 4抽头的滤波器组。尽管滤波器选择性随着N的增大而提高，但这是以必须确定更大的参数集来对小波进行定义为代价换来的。可以在对于{c_k ³}的参数化表达中看到这一点：

${c_0}^2=\frac{1}{4}[(1+\cos {\mathrm{\α}}_0+\sin {\mathrm{\α}}_0)(1-\cos {\mathrm{\α}}_1-\sin {\mathrm{\α}}_1)+2\cos {\mathrm{\α}}_0\sin {\mathrm{\α}}_1]$

${c_1}^3=\frac{1}{4}[(1-\cos {\mathrm{\α}}_0+\sin {\mathrm{\α}}_0)(1+\cos {\mathrm{\α}}_1-\sin {\mathrm{\α}}_1)-2\cos {\mathrm{\α}}_0\sin {\mathrm{\α}}_1]$

${c_2}^3=\frac{1}{2}[1+\cos ({\mathrm{\α}}_0-{\mathrm{\α}}_1)+\sin ({\mathrm{\α}}_0-{\mathrm{\α}}_1)]$

${c_3}^3=\frac{1}{2}[1+\cos ({\mathrm{\α}}_0-{\mathrm{\α}}_1)-\sin ({\mathrm{\α}}_0-{\mathrm{\α}}_1)]$

${c_3}^3=1-{c_2}^3-{c_0}^3$

${c_3}^3=1-{c_3}^3-{c_1}^3$ (11)

现在，在指定滤波器组之前必须确定两个参数。事实上，尽管滤波器选择性随着系数数目的增加而提高，但是在设置必要参数以形成滤波器组时包含的复杂度也增大。

现在可以根据一系列的滤波器组和重采样级来指定小波分解。给定输入序列a_i(n)，则可以按照在图2中描绘的处理来导出输出序列。

在现代技术中，滤波器过程是利用比如通用计算机这样的计算系统或者适用于数字信号处理的集成电路来数字地执行的。

小波分解中的重采样级数目有时称作胀缩数目。这一处理也可以表示为酉矩阵(unitary matrix)对输入序列的变换。假设时间下标i处的输入序列a_i(n)具有(偶数)长度K(即0≤n＜K)，而且想要为特定的滤波器组矩阵F_N定义大小为K×K的离散小波变换(DWT)矩阵T_K。另外，假设在变换中希望有P次胀缩。则使用所引用的构造，可以找到用于导出变换矩阵的迭代方法。将时间尺度下标定义为l(0≤l≤P)，能够为每个时间尺度定义K×K的滤波器组矩阵：

$R=\left\{\begin{array}{cc}0& l=0\\ \underset{l=1}{\overset{P}{\mathrm{\Σ}}}\frac{K}{2^l}& l>0\end{array}\right.$

在(12)中，0_m×n是m行n列的零矩阵，而I_R是R行R列的恒等矩阵。对于每次胀缩，置换矩阵P_v(1≤v≤P)也可以定义如下：

$P_v=\left[\begin{array}{cc}\left.\begin{array}{cccccccc}1& 0& ...& 0& 0& 0& 0& 0\\ 0& 0& 1& 0& ...& 0& 0& 0\\ 0& 0& 0& 0& 1& 0& ...& 0\\ \·& & \·& & & \·& & \·\\ \·& & \·& & & \·& & \·\\ \·& & \·& & \·& \·& & \·\end{array}\right\}& \left(\frac{K-R}{2}\right)\mathrm{rows}\\ \left.\begin{array}{cccccccc}0& 1& 0& ...& 0& 0& 0& 0\\ 0& 0& 0& 1& 0& ...& 0& 0\\ 0& 0& 0& 0& 0& 1& ...& 0\\ \·& & \·& & & \·& & \·\\ \·& & \·& & & \·& & \·\\ \·& & \·& & & \·& & \·\end{array}\right\}& \left(\frac{K-R}{2}\right)\mathrm{rows}\\ 0_{\mathrm{RxR}}& I_R\end{array}\right]---\left(13\right)$

$R=\left\{\begin{array}{cc}0& l=0\\ \underset{l=1}{\overset{P}{\mathrm{\Σ}}}\frac{K}{2^l}& l>0\end{array}\right.$

因此，对于P次胀缩，酉变换矩阵T_K(P)可以确定如下：

T_K(P)＝C_PP_P...C₁P₁C₀                     (14)

这一矩阵现在可以用来调制输入矢量a_i＝[a_i(0)...a_i(K-1)]^T(i是符号下标)。作为说明，输入信号矢量a_i的元素是在代表例如语音这样的数据的基函数集上的系数。

因此，作为矩阵矢量乘法x_i＝T_K ^T(P)a_i的结果，可以形成这种调制的输出序列。如上所述，单个净矩阵T_K(P)代表小波与数据的P次内积。如果假设F_N源自于小波的紧致实现，则也可以假设T_K(P)是小波参数集{a_i}的函数，即x_i＝T_K(P，{a_i})a_i。

发明内容

本发明涉及一种自适应地选择与信道条件相匹配的小波集的多载波通信系统。

本发明的特征是对紧致参数化的使用，它允许使用比如胀缩次数和滤波器参数这样的有限参数集来生成无限数目的小波和尺度滤波器对。

本发明的另一特征是通过改变小波的参数以预先补偿改变的信道条件而省略了接收器中的均衡器。

附图说明

图1示出了波包系统中的时间频率关系。

图2示出了小波发送系统的框图。

图3示出了量化噪声特征。

图4示出了2抽头的小波系统中的反馈效应。

图5示出了4抽头的小波系统中的反馈效应。

图6示出了2抽头的小波系统中的胀缩效应。

图7示出了4抽头的小波系统中的胀缩效应。

图8比较了小波与OFDM系统之间的BER(比特错误率)。

图9比较了固定式小波系统与2抽头自适应小波系统的BER。

图10比较了固定式小波系统与4抽头自适应小波系统的BER。

图11示出了各种系统中的BER。

具体实施方式

可以从输入矢量a_i＝[a_i(0)...a_i(K-1)]^T开始，并以与OFDM系统相似的方式形成输出矢量x_i＝T_K ^T(P，{a_i})a_i，来形成基于小波的发送系统。然而，与OFDM系统不同，OFDM可以通过使用底层离散傅立叶变换调制的循环卷积性质来运用简单的均衡结构，而基于小波的系统可能对频率选择性无线信道是敏感的，因此对于小波的均衡问题可能变得复杂。

串行地发送输出矢量x_i。如果假设可以通过L抽头的信道矢量h_i＝[h_i(0)...h_i(L-1)]^T(假设h_i具有单位范数)来描述无线信道，则接收信号y_i的元素可以表示为(假设L＜K)：

$y_i\left(k\right)=\underset{m=0}{\overset{k}{\mathrm{\Σ}}}{h}_i\left(m\right)x_i\left(m\right)(k-m)+\underset{m=k+1}{\overset{L-1}{\mathrm{\Σ}}}{h}_i\left(m\right)x_{i-1}(K+k-m)+n_i\left(k\right),$ 0≤k≤L-1   (15)

$=\underset{m=0}{\overset{L-1}{\mathrm{\Σ}}}{h}_i\left(m\right)x_i(k-m)+n_i\left(k\right),L\≤k\≤K-1$

在(15)中，n_i(k)是加性噪声项。用于此类接收信号的典型均衡技术是有判决辅助的，要求对先前发送的符号a_i-1的估计以计入符号间干扰(ISI)，还要求对单独条目x_i的估计以计入载波间干扰。这一表达式也可以用矩阵-矢量的格式来表达：

y_i＝H_ix_i+H_{ISI_i}x_i-1+n_i                             (16)

在等式(16)中，H_i、H_{ISI_i}和n_i描述如下：

$H_i=\left[\begin{array}{ccccccccc}{h}_0& 0& ...& 0& 0& 0& 0& 0& 0\\ h_1& h_0& 0& ...& 0& 0& 0& 0& 0\\ h_2& h_1& h_0& 0& ...& 0& 0& 0& 0\\ \·& & & & \·& & & & \·\\ \·& & & & \·& & & & \·\\ \·& & & & \·& & & & \·\\ 0& ...& 0& 0& 0& h_{0-1}& ...& h_1& h_0\end{array}\right]$

n_i＝[n_i(0)n_i(1)...n_i(K-1]^T

取而代之，提出了利用小波的紧致参数化对信道进行预均衡。换句话说，如果有对于将接收信号质量最大化的给定滤波器组矩阵F_N的参数集的估计，则此信息可以用来修改调制矩阵T_K。如果假设有充足的训练数据用以在接收器 处形成信道估计，则利用附加的训练数据和K×K的信道估计矩阵可以找到最佳的小波参数化集。

${\hat{H}}_i=\left[\begin{array}{ccccccccc}{\hat{h}}_0& 0& ...& 0& 0& 0& 0& 0& 0\\ {\hat{h}}_1& {\hat{h}}_0& 0& ...& 0& 0& 0& 0& 0\\ {\hat{h}}_2& {\hat{h}}_1& {\hat{h}}_0& 0& ...& 0& 0& 0& 0\\ \·& & & & \·& & & & \·\\ \·& & & & \·& & & & \·\\ \·& & & & \·& & & & \·\\ 0& ...& 0& 0& 0& {\hat{h}}_{L-1}& ...& {\hat{h}}_1& {\hat{h}}_0\end{array}\right]---\left(17\right)$

显然，应用酉变换将不会减少加性高斯噪声的功率；然而，比如DWT这样的酉变换可以用来最小化多载波系统在频率选择性信道中发现的两个干扰源，即ICI和ISI。使用这一信道估计矩阵，对于给定的P将ICI最小化的优化小波参数化集可以获得如下：

可以建立附加准则以最小化ISI。这将包含对小波变换的选择，该小波变换将致使从任何给定小波符号对后继小波符号的ISI贡献可以忽略不计。基于(15)中显然的ISI贡献，定义K×K的信道矩阵如下：

因此，将ISI最小化的另一优化准则可以考虑如下：

除了对最小化ICI和ISI的小波进行的选择之外，小波本身无法被视为已经近似地均衡了信道，除非沿着所得对角线的能量已被最大化。这直接地造成将接收的信号能量最大化。将沿着对角线的能量最大化的准则(假设∧是对角算子)如下：

无法假设单个参数集将在最大化所恢复的信道能量的同时最小化ISI和ICI。因此，小波参数选择应当基于将所有残留干扰最小化的准则：

$\frac{1}{\left|\right|\mathrm{\Λ}\left({T_K}^T\left(P_r\right\{{\mathrm{\α}}_r\left\}\right){\hat{H}}_t{T}_K\left(P_r\right\{{\mathrm{\α}}_r\left\}\right)\right)\left|\right|}$ (22)

最后，小波发送方法如图2中所示。

总而言之，根据本发明的过程是：

从估计的信道矩阵和指定了初始小波的初始参数集α(假设P是固定的)开始。

将训练信号从发送器(基站)发送到接收器。

在接收器中迭代(或者另外地计算)将ICI、ISI和总残留干扰最小化的调整后的小波参数的值。

将调整后的参数沿着反馈路径发送回到发送器。

在对于下一时段的发送中使用经调制的参数，直至下一次调整为止。

应当注意，即使在小波选择之后仍然可能有残留干扰。这可能源自于比如与信道的相干时间有关的反馈等待时间、减少的参数搜索空间等效应。结果，某一有限形式的干扰消除即使在小波与信道条件最佳地相匹配时仍然可能是必要的。另外，使用等式(22)中的度量没有最大化在系统中发现的分集；它仅优化ICI和ISI。

参数化小波的设计对于为了在接收器必须将与信道条件有关的信息传达到发送器的系统中的无线发送而进行自适应的波形设计提出了经典问题：如何最小化如下吞吐量，该吞吐量是为了准确的波形选择而将必要的信息从接收器中继到发送器时所需要的。这在时分双工(TDD)系统中通常不是问题，因为一般假设TDD发送器可以在没有反馈时对于在TDD接收器处发现的信道条件进行估计。然而，频带成对的系统一般没有在给定收发器所使用的发送频率与接收频率之间的充分的相关性。因此最小化为了波形选择而要由接收器中继到发送器的信息量是关键的。

然而，小波滤波器组矩阵选择性显然地随着阶次2N的增加而提高。这就要求更大的参数化，因此潜在地增加所需的反馈信息。因此给定最大的反馈数据有效载荷R(比特)，在增加滤波器组选择性与减小反馈参数的量化噪声之间存在有权衡。如果假设参数集{a_i}中的每个值在0与π之间统一地加以量化，则可以发现平均量化误差如下：

${{\mathrm{\σ}}_s}^2=\frac{1}{12}{\left(\frac{\mathrm{\π}}{2^{\left[\frac{u}{w}\right]}}\right)}^2---\left(23\right)$

在等式(23)中，量化误差是根据对统一分布随机变量的统一量化的经典结果来导出的。遗憾的是，它本身的这一误差方差可能无法充分地了解由于小波参数选择反馈的吞吐量限制所造成的基于小波的通信系统的降级。然而，它可以提供在给定的具体反馈限制时对优化的滤波器组阶次的指示。对于滤波器阶次为2和4的量化噪声在图4中示出。在曲线的左边区域中，量化噪声随着滤波器阶次的增加而增大到不可接受的水平。然而，在曲线的右边区域中，量化噪声趋于随着滤波器阶次的增加而跌落到不可接受的水平以下(尽管量化噪声对于任何给定的R值仍然随着滤波器阶次的增加而恶化)。这一点并不令人惊讶，因为显而易见，增加吞吐量有效载荷将允许对数目越来越多的小波参数的更准确量化，因此允许更高阶次的滤波器组。

有关的问题在于是什么构成了量化噪声的“不可接受的水平”，因为显而易见，对于给定的R值，应当选择的滤波器阶次是降到这一水平以下的最大阶次。

图2图示了产生给定小波的系数的形成过程。在左边输入代表语音或者其它数据的信号系数集a_i而且(例如，由通用计算机系统)对其进行处理以生成最终系数，该最终系数定义了在发送器中使用的特定小波。

在操作中，在根据本发明的系统中，发送器定期地将参考信号(训练信号)发送到接收器。接收器将已知的算法应用于接收的信号以估计信道矩阵。接收器然后使用各种试验参数对信道矩阵进行变换而且选择参数，该参数给出最符合准则的结果，该准则比如是将ICI和ISI最小化的在等式22中表达的准则。

“最符合的”参数沿着具有有限比特数目的反馈信道被中继到发送器。

发送器然后使用接收器在该时段的持续时间内发送到该发送器的参数来预备包。

针对若干不同类型的小波分解来进行对具体信道分布(profile)的测试，以考查基于小波的参数化将小波适配于瞬时信道条件的可行性。假设有通过方形小波变换矩阵调制的维度为32的输入矢量，以250kHz的小波符号速率对发送系统进行测试(符号速率在这一情况下是指从单一输入矢量获得的所有32个小波系数被发送的速率)。在假设有5GHz的载波频率和3km/hr的速度时，针对在多径衰落信道([.8.1.1]的信道抽头功率分布)中的BPSK信令的性能来考查(9)和(10)的两抽头和四抽头的小波模型。在系统建模中，每50个符号就选择小波参数。在这些条件之下，分别地在图5和图6中给出了与反馈量化相关的2抽头和4抽头小波的性能。

在这些条件之下，增加反馈的收益自然地随着比特数目的增加而变得不那么有优势。在这一环境中，尽管增加的反馈将使得量化噪声减轻6dB，但是这显然不能转化为整体性能方面的相同收益。也应当注意，在原始BPSK比特错误率方面图示了结果；附加的纠错代码可以转化为反馈比特数目增加收益就减少。另一注意事项在于2抽头和4抽头的小波系统的性能大致地相同。

此外，胀缩次数可能影响所提出的小波发送方法的性能。同样，分别地在图7和图8中提供了假设有3比特反馈量化时对于2抽头和4抽头小波的结果。增加胀缩次数对于提高系统性能乏善可陈。这最可能地归因于如下事实：所考虑的信道条件在频率中和在时间中已经相当地紧致；这一方法的最大性能提高在于改变基本的小波滤波器组而不是改变发送的信号的时间频率分解。

为了更好地理解多尺度通信的最大可实现收益，使用相同的信道条件和相同的输入矢量大小来对OFDM系统进行仿真。在图9中给出了与具有一个比特反馈的2抽头的小波的比较。发现因小波调制而带来的性能增强为3dB。考虑到OFDM系统是正交发送的而小波系统不要求用于BPSK信令的正交发送，显然的是小波系统的频谱效率潜在地比OFDM系统高得多。

与使用固定式方法相比(在这一情况下是Haar基和Daubechies 4抽头)，在衰落信道中对于自适应方法而言获得了多一些的结果。使用[.8.2]的信道抽头分布以及125kHz的符号速率和64的输入矢量大小，在5GHz的载波频率和150km/hr的速度的衰落条件之下比较固定式方法和自适应方法。使用了比率1/2的卷积代码，意味着将32比特的输入段编码为具有64个二进制符号的输入矢量(BPSK信令)。在图10和图11中示出了结果。

两种方法似乎收敛于低的SNR。这归因于AWGN在这一操作区域中优先于错误源；在这样的条件之下，自适应无法增强链路。此外，请注意两种方法确实产生了错误底限。对于固定的情况，这归因于用于发送的次优小波。在自适应的情况下，这部分地归因于有限反馈的使用。然而，即使假设有对参数化空间的无限精确量化，仍然应当重申的是所选小波将是对均衡变换的逼近。

上面给出的小波选择方法，特别是在等式(22)中给出的准则，是相较于[.5.3.1.1]的静态信道分布中的固定式方法来考查的。在这一情况下，反馈量化增加到5比特，以便更准确地考查小波选择实际上是否选择了最佳小波。更具体来说，在粗量化的假设之下，使用小波选择方法来挑选恰当小波的可能性增加；因此这一方法的准确性在这样的条件下是不容易评价的。在图12中给出了对于2抽头方法的结果。请注意，小波选择方法保持了自适应方法与使用固定式小波相比较而言的获益。也请注意，虽然比特错误率处于10^-4与10^-3之间，但是错误底限仍然存在。

尽管已经针对数目有限的实施例描述了本发明，但是本领域技术人员将理解可以在所附权利要求的精神和范围之内构造其它实施例。

(1)Vetterli，Martin and Jelena Kovacevic.Wavelets and SubbandCoding.Englewood Cliffs，NJ：Prentice-Hall Inc.，1995.

(2)Strang，Gilbert and Truong Nguyen.Wavelets and Filter Banks.Wellesley，MA：Wellesley-Cambridge Press，1996.

(3)Zou，Hehong and Ahmed H.Tewfik.″Parameterization ofCompactly Supported Orthonormal Wavelets.″IEEE Transactions onSignal Processing.Vol.41.No.3.March 1993.pp.1428-1431.

(4)Schneid，J.and S.Pittner.″On the Parameterization of theCoefficients of Dilation Equations for Compactly Supported Wavelets.″Computing.Vol.51.May 1993.pp.165-173.

(5)Vidakovic，Brani.″Pollen Bases and Daubechies-LagariasAlgorithm in MATLAB.″Jacket′s Wavelets website.http：//www.isye.gatech.edu/～brani/datasoft/DL.pdf.

(6)Silva，Vitor and Luis de Sa.″Analytical Optimization of CQFFilter Banks.″IEEE Transactions on Signal Processing.Vol.44.No.6.June 1996.pp.1564-1568.

(7)Pollen，D.″Parameterization of Compactly Supported Wavelets.″Aware Inc.technical report AD890503.May 1989.

(8)Wornell，Gregory W.″Emerging Applications of Multirate SignalProcessing and Wavelets in Digital Communications.″Proceedings of theIEEE.Vol.84.No.4.April 1996.pp.586-603.

(9)Lindsey，Alan R.″Wavelet Packet Modulation for OrthogonallyMultiplexed Communication.″IEEE Transactions on Signal Processing.Vol.45.No.5.May 1997.pp.1336-1339.

(10)Wong，K.-M.，Wu，J.，Davidson，T.N.and Jin，Q″Wavelet PacketDivision Multiplexing and Wavelet Packet Design under Timing ErrorEffects.″IEEE Transactions on Signal Processing.Vol.45.No.12.December 1997.pp.2877-2890.

Claims (41)

1.一种电信系统，包括：

用于接收输入矢量信号的装置；

可控变量变换装置，用于利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

并行到串行装置，用于将所述并行数据集转换成串行数据集；

发送装置，用于沿着信道发送所述串行数据集；

接收装置，用于接收所述串行数据集；

串行到并行装置，用于将接收的串行数据转换成并行数据；以及

反变换装置，用于根据所述紧致参数表示来解调所述并行数据。

2.根据权利要求1所述的系统，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

3.根据权利要求1所述的系统，其中所述接收装置包含用于对测试数据进行处理以提取用于指定所述调制矩阵的参数的装置。

4.根据权利要求3所述的系统，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

5.根据权利要求3所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将包括ISI和ISI的残留干扰最小化的参数。

6.根据权利要求3所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将ICI最小化的参数。

7.根据权利要求3所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将ISI最小化的参数。

8.一种电信系统，包括：

用于接收输入矢量信号的装置；

可控变量变换装置，用于利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

并行到串行装置，用于将所述并行数据集转换成串行数据集；

发送装置，用于沿着信道发送所述串行数据集；

接收装置，用于接收所述串行数据集；

串行到并行装置，用于将接收的串行数据转换成并行数据；

反变换装置，用于根据所述紧致参数表示来解调所述并行数据；以及

调整装置，用于响应于改变的信道条件来调整所述参数集。

9.根据权利要求8所述的系统，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

10.根据权利要求8所述的系统，其中所述接收装置包含用于对测试数据进行处理以提取用于指定所述调制矩阵的参数的装置。

11.根据权利要求10所述的系统，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

12.根据权利要求10所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将包括ISI和ISI的残留干扰最小化的参数。

13.根据权利要求10所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将ICI最小化的参数。

14.根据权利要求10所述的系统，其中所述用于对测试数据进行处理以提取参数的装置搜寻将ISI最小化的参数。

15.一种操作电信系统的方法，包括步骤：

接收输入矢量信号；

在可控变量变换装置中利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

将所述并行数据集转换成串行数据集；

沿着信道发送所述串行数据集；

接收所述串行数据集；

将接收的串行数据转换成并行数据；以及

根据所述紧致参数表示来解调所述并行数据。

16.根据权利要求15所述的方法，其中所述接收装置对测试数据进行处理以提取用于指定所述调制矩阵的参数。

17.根据权利要求15所述的方法，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

18.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将包括ISI和ISI的残留干扰最小化的参数。

19.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ICI最小化的参数。

20.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ISI最小化的参数。

21.一种操作电信系统的方法，包括步骤：

接收输入矢量信号；

在可控变量变换装置中利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

将所述并行数据集转换成串行数据集；

响应于改变的信道条件来调整所述参数集；

沿着信道发送所述串行数据集；

接收所述串行数据集；

将接收的串行数据转换成并行数据；以及

根据所述紧致参数表示来解调所述并行数据。

22.根据权利要求21所述的方法，其中所述接收装置对测试数据进行处理以提取用于指定所述调制矩阵的参数。

23.根据权利要求21所述的方法，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

24.根据权利要求21所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将包括ISI和ISI的残留干扰最小化的参数。

25.根据权利要求21所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ICI最小化的参数。

26.根据权利要求21所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ISI最小化的参数。

27.一种包括可由计算机读取的程序存储介质的制造产品，该介质包含可由该计算机执行的用于进行包括以下步骤的操作电信系统的方法步骤的指令：

接收输入矢量信号；

在可控变量变换装置中利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

将所述并行数据集转换成串行数据集；

沿着信道发送所述串行数据集；

接收所述串行数据集；

将接收的串行数据转换成并行数据；以及

根据所述紧致参数表示来解调所述并行数据。

28.根据权利要求15所述的方法，其中所述接收装置对测试数据进行处理以提取用于指定所述调制矩阵的参数。

29.根据权利要求15所述的方法，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

30.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将包括ISI和ISI的残留干扰最小化的参数。

31.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ICI最小化的参数。

32.根据权利要求15所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ISI最小化的参数。

33.一种包括可由计算机读取的程序存储介质的制造产品，该介质包含可由该计算机执行的用于进行包括以下步骤的操作电信系统的方法步骤的指令：

接收输入矢量信号；

在可控变量变换装置中利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述变换装置具有并行输出数据集；

将所述并行数据集转换成串行数据集；

响应于改变的信道条件来调整所述参数集；

沿着信道发送所述串行数据集；

接收所述串行数据集；

将接收的串行数据转换成并行数据；以及

根据所述紧致参数表示来解调所述并行数据。

34.根据权利要求33所述的方法，其中所述接收装置对测试数据进行处理以提取用于指定所述调制矩阵的参数。

35.根据权利要求33所述的方法，其中所述调制过程是通过将代表输入数据的矢量与代表该变换的调制矩阵相乘来实现的。

36.根据权利要求33所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将包括ISI和ISI的残留干扰最小化的参数。

37.根据权利要求33所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ICI最小化的参数。

38.根据权利要求33所述的方法，其中所述对测试数据进行处理以提取参数的步骤搜寻将ISI最小化的参数。

39.一种发送器，包括：

输入端口，用于接收待发送的输入矢量信号；

调制器，用于利用变换来调制所述输入信号，该变换具有包含P次胀缩而且还以参数集为其特征的紧致参数表示，所述调制器提供并行输出数据集；

并行到串行转换器，用于将所述并行数据集转换成串行数据集；以及

发送天线，用于沿着信道发送所述串行数据集。

40.一种接收器，包括：

接收天线，用于通过信道接收串行数据集；

串行到并行转换器，用于将所述接收的串行数据转换成并行数据；以及

解调器，用于根据具有P次胀缩的紧致参数表示来解调所述并行数据，所述表示还以参数集为其特征。

41.根据权利要求40所述的接收器，还包括：

控制器，用于响应于改变的信道条件来调整所述参数集。

Images