DE60032963T2

DE60032963T2 - Schnelle Entzerreranpassung in Mehrtonübertragungssystemen

Info

Publication number: DE60032963T2
Application number: DE60032963T
Authority: DE
Inventors: Lucio Pessoa
Original assignee: Freescale Semiconductor Inc
Current assignee: NXP USA Inc
Priority date: 1999-05-19
Filing date: 2000-05-17
Publication date: 2007-05-24
Anticipated expiration: 2020-05-18
Also published as: EP1054538A3; EP1054538B1; JP2001007746A; US6535552B1; DE60032963D1; EP1054538A2; JP4588168B2

Description

Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich allgemein auf schnelle Anpassung von Entzerrern in DMT- (Discrete Multi Tone) Systemen und insbesondere auf Mehrton- (Mehrträger-) Systeme und die schnelle Anpassung von Vorentzerrern für Hochgeschwindigkeitskommunikatianen über stark verzerrte und/oder sehr lange Kanalleitungen/Schleifen.
Hintergrund der Erfindung
In der Telekommunikationsindustrie wird Information über nicht perfekte Kommunikationsleitungen, wie etwa Kupferdrähte, TV-Kabel, Faseroptiken, verdrehte Aderpaare und dergleichen übertragen. Solche Übertragungen erfolgen auch unter nicht perfekten Bedingungen und in nicht perfekten Umgebungen. Im Allgemeinen zeigen jeder und alle Kommunikationskanäle, sogar drahtlose Systeme, die Signale durch die Luft senden, unerwünschte Parasitäreigenschaften (z.B. Interferenz, Leitungswiderstand, Leitungskapazität, Signalreflexion etc.) und externe Einflüsse (z.B. Nebensprechen von anderen Kommunikationsquellen). Solche Parasitärstörungen und Einflüsse führen zur Dispersion eines gesendeten Signals und zum Verschmieren benachbarter Datenwerten übereinander in der Zeitdomäne. Solch ein Dispersionsphänomen, bezeichnet als Intersymbolinterferenz (ISI), ist in 1 illustriert.
1 zeigt eine Kommunikationsleitung oder einen Kommunikationskanal 10. Innerhalb des Kastens, der den Kanal 10 repräsentiert, ist eine Zeitdomänen-Impulsantwort 12 für einen typischen Kanal 10 dargestellt. Speziell gilt, dass, wenn der Kanal 10 einer gesendeten Impulseingabe δ(t) von sehr kurzer Zeitdauer (die z.B. für eine Zeitdauer von nur einem Sample-Intervall bei einer gegebenen Sampling-Frequenz f_S andauert) unterworfen würde, die verzerrte Antwort 12 am empfangenden Ende des Kanals 10 resultieren würde. Aufgrund der unerwünschten Parasitärstörungen des Kanals 10 und externer Störungen ist die Antwort 12 ein Signal, das über v Sampling-Intervalle gespreizt ist, wobei v größer ist als ein Sampling-Intervall, in dem das Sendesignal δ(t) ursprünglich enthalten war. Kurz gesagt zeigt die Antwort 12 an, dass die am Ende des Kanals 10 als Antwort auf einen Impuls kurzer Dauer zur Zeit 0 erzeugte Energie eine verschmierte und verzerrte Antwort ist, die sich über v Sampling-Intervalle erstreckt. Solch eine Dispersion ei nes Signals ist bei allen Kommunikationskanälen unter verschiedenen Bedingungen üblich. 1 illustriert daher, dass, selbst wenn ein einzelnes Datenbit (ein einzelner binärer 1-Wert) über den Kanal 10 von einer Sendeseite an eine Empfangsseite (unter Verwendung irgendeines Modulationsschemas) kommuniziert wird, die Empfangsseite ein weit zeitdispergiertes und verzerrtes "Bild" des einen gesendeten binären 1-Wertes empfängt.
1 illustriert weiter den Einfluss, den die Antwort 12 auf Kommunikationsdaten hat, wenn ADSL-(asymmetric digital subscriber line: asymmetrische, digitale Teilnehmerleitung) Datensymbole über den Kanal 10 gesendet werden. In einem ADSL-System werden Daten in diskreten Paketen gesendet, die viele frequenzcodierte, digitale Bits enthalten. Jedes der frequenzcodierten Pakete wird von dem Sende-/Empfangsgerät für eine Zeitdauer von etwa 250 Mikrosekunden gesendet, wobei jedes Paket unter Verwendung von entweder 32 Trägern (Aufwärtsrichtung, d.h. von der entfernten zur Zentralstellen- (CO-: central office) Seite) oder 256 Trägern (Abwärtsrichtung , d.h. von der Zentralstelle zur entfernten Seite) moduliert wird. Die Pakete werden seriell in der Zeit, eines nach dem anderen gesendet, um größere Blöcke von aufeinander bezogenen Daten, Sprache, Video, Klang oder anderer Information zwischen Benutzern zu kommunizieren. Jedes Paket, auch als Symbol bezeichnet, wird physikalisch über den Kanal unter Verwendung eines Digital-zu-Analog-Wandlers auf der Sendeseite gesendet und unter Verwendung eines Analog-zu-Digital-Wandlers am Empfängerende abgerufen. Aufgrund der Impulsantwort 12 von 1 sind die alle 250 Mikrosekunden gesendeten Symbole 14a und 16a am Empfängerende über eine längere Zeitspanne als die erwünschte 250 Mikrosekunden-Dauer verzerrt und/oder verschmiert. 1 illustriert die verschmierten Symbole 14b und 16b, die am Empfängerende des Kanals 10 bereitgestellt werden.
In den meisten Fällen werden benachbarte, verschmierte Symbole 14b und 16b einander in der Zeit überlappen, wodurch eine Intersymbol-Interferenz- (ISI-) Region 18, wie in 1 gezeigt, verursacht wird. Die ISI-Region ist eine Zeitspanne, in der Daten von Symbol 14b durch das Symbol 16b verzerrt werden und umgekehrt. Eine Lösung für das ISI-Problem ist es, alle ISI-verzerrten Daten, die innerhalb der ISI-Region 18 liegen, zu verwerfen. Eine andere Lösung ist es, die Symbole 14a und 14b durch Verwendung einer größeren Totzeitperiode zwischen den Symbolen am Senderende in der Zeit weiter von einander zu spreizen. Durch Senden von weniger nahe beieinander liegenden Symbolen ist es möglich, die ISI-Region 18 am Empfängerende zu eliminieren oder ihre Größe zu reduzieren. Beide dieser "Lösungen" reduzieren die verfügbare Datenübertragungsrate erheblich und können die Bitfehlerrate (BER) des Empfangssignals erhöhen. Weder reduzierte Datenrate noch erhöhte BER sind in der Industrie erwünscht.
Weiter sind einige Kanalleitungen so nachteilig Parasitärstörungen unterworfen, dass ein einzelnes 250 Mikrosekunden ADSL-Symbol so in der Zeit verschmiert wird, dass es zu einem Empfangssymbol führt, welches eine Zeitdauer von mehr als einem Symbol überspannt. Auf andere Weise betrachtet kann es sein, dass jedes einzelne ADSL-Symbol am Empfangsende eine Interferenz von mehreren anderen ADSL-Symbolen erfährt. Zu dem Problem der Datenwiederherstellung und -Integrität trägt weiter bei, dass ein ADSL-Kanal, der eine Einheit Anfangsleistung am Senderende sendet, diese Leistung leicht auf 10^–6 Leistungseinheiten oder weniger zu der Zeit, zu der das Signal das Empfangsende des Kanals 10 erreicht, abschwächt. Die Kombination von ISI und Signalabschwächung macht die ADSL-Datenübertragung und -wiederherstellung komplex.
Eine übliche Weise, die ISI zu reduzieren, ist es, festverdrahtete Zeitdomänen-Entzerrer (TEQ: time domain equalizer) 20 seriell in Reihe mit dem Kanal 10 zu platzieren. Solch ein TEQ-basiertes System ist in 2 gezeigt. Das hauptsächliche Ziel des Zeitdomänen-Entzerrers (TEQ) 20 von 2 ist es, die Kanaldispersion und die resultierende Intersymbol-Interferenz (ISI) zu reduzieren, indem die Kanalimpulsantwort in der Zeit (siehe Antwort 12 von 1) verkürzt wird, bevor Daten-Samples verworfen werden. Mit anderen Worten wird der Kanal 10 anfänglich analysiert, um seine Impulsantwort herauszufinden, und der TEQ 20 wird dann mit festen Filterkoeffizienten, die eine nahezu Inverse der Impulsantwort erzeugen, festverdrahtet. Mit diesem Kanal mit fester Länge und festem TEQ eliminiert die Kombination (Faltung) der Kanalimpulsantwort und der Antwort des TEQ 20 einen wesentlichen Teil der ISI, wodurch nur die tatsächlichen Symboldaten intakt von der Senderseite zur Empfangsseite überleben.
Im Allgemeinen wird die Reduzierung der ISI beim Stand der Technik durch Kaskadieren des Kanals 10 (der eine Im pulsantwort h mit v Samples aufweist) mit einem FIR – (finite impulse response: finite Impulsantwort) Filter w der Länge N_w, der als der TEQ-Filter 20 bekannt ist, wobei N_w eine endliche ganze Zahl ist, die die Anzahl von Daten-Samples repräsentiert. Hierbei werden unterstrichene Variablennamen verwendet, um die Signale oder Filter-Taps in einer Vektor-Notation zu repräsentieren. Die FIR-Filterantwort w ist als Antwort auf Daten, die durch saubere Signalanalyse des Kanals 10 empfangen werden, festverdrahtet, so dass die Kombination von h und w eine Zielimpulsantwort (TIR: Target Impulse Response) 22, wie in 2 gezeigt, aufweist. Man beachte, dass die Antwort 22 zeitlich kürzer ist als die ungefilterte Antwort 12 von 1 (d.h. die Samples v über die sich die Antwort 12 erstreckt, ist größer als die Anzahl von Samples N_b, über die sich die Antwort 22 erstreckt). Die erwünschte TIR 20 ist ein FIR-Filter b der Länge N_b, wobei N_b von 2 viel kleiner ist als die Länge v der Kanalimpulsantwort h von 1 (wobei h eine Design-Zwangsbedingung aufgrund parasitärer und externer Störung ist). Durch Hinzufügen des festen TEQ 20 in 2 ist die nachteilige ISI von 2 in einem Fenster von N_b Samples enthalten, wobei N_b << v (siehe v in 1), sodass weniger ISI auftritt und reduziertes Verwerfen von Daten benötigt wird, um die Originaldaten 14a und 14b effektiv zum Empfangsende zu senden.
Bei diskreter Mehrton- (DMT-) Modulation wird die ISI im Allgemeinen über dem zyklischen Präfix- (CP-: cyclic prefix) Bereich der Daten (der ein datenfreier Überhang im ADSL-Symbol/Paket ist) auftreten. Da der CP in dem System ein datenfreier Überhang ist, kann die CP-Information über dem ISI-Intervall von N_CP Samples einfach verworfen werden ohne Leistungsverschlechterung. wenn N_b kleiner oder gleich N_CP ist, wenn der CP-Bereich aus den Daten herausgenommen wird, ist die ISI der Symboldaten mittels des Systems von 2 vollständig eliminiert.
Ein limitierender Faktor des festen TEQ-Filteransatzes ist, dass die meisten Telekommunikationsanwendungen keine Kopplung eines Senders oder Empfängers mit einem Kommunikationskanal fester Länge für alle Zeiten aufweisen. Außerdem werden selbst Kommunikationsleitungen fester Länge in ihrer Impulsantwort mit der Zeit aufgrund externer Störungen, thermischer Veränderungen etc. variieren. Der TEQ 20 von 2 kann daher anstatt einen TEQ 20 mit einem festen Kanal 10 fest zu verdrahten, ausgelegt werden, bei Initiierung einer Trainingsperiode über den Kanal 10 konfigurierbar zu sein. Sobald eine Trainingsphase fester Zeitspanne initiiert wird, passt der TEQ 20 iterativ den TEQ 20 mit der Zeit an, um die ISI über die Trainingsphase fester Zeit progressiv zu reduzieren. Ein Blockdiagramm eines üblichen Zeitdomänen-Entzerrer- (TEQ-) Trainingssystems, welches sich während eines Trainingszyklus selbst anpasst, ist in 3 gezeigt.
In 3 wird eine bekannte Trainingssequenz x über den Kanal 10 (oder den Kanal h, wie in 3 bezeichnet) vom Sender 24 gesendet. Der Empfänger 26 verwendet intern dieselbe Trainingssequenz, um den TEQ-Filter w zu trainieren. Im Allgemeinen ist die Trainingssequenz x ein bekanntes Signal endlicher zeitlicher Länge, welches von einer speziellen Telekommunikationsspezifikation festgelegt ist (z.B. die Spezifikationen für eine oder mehrere aus V.90, V.34, Leistungsmodems, ADSL, ISDN, etc.), sodass die Trainingssequenz leicht in einer wiederholbaren Weise sowohl vom Sender 24 als auch vom Empfänger 26 zu implementieren ist. Der Empfänger 26 verzögert die Bereitstellung der Trainingssequenz x über eine Verzögerungsschaltung 30, sodass die Signale r und z in dem Empfänger zeitlich an den Eingängen der Addiererschaltung 32 zusammenfallen. Mit anderen Worten ist die Verzögerung Δ, die von der Schaltung 30 erzeugt wird, gleich der physikalischen Verzögerung im Kanal 10. Das Zielimpulsantwort- (TIR-) Filter 28 ist ein finites Impulsantwort- (FIR-) Filter b der Länge N_b. Die Filter w und b sind auch bekannt als Vorwärtssteuerungs- bzw. Rückkopplungsfilter. Bei Betrieb werden Koeffizienten des TEQ-Filters w und des TIR b mittels eines unten diskutierten Prozesses adaptiv angepasst, um das mittlere Fehlerquadrat |e|² zu minimieren, wobei der Ausgabefehler (e) rechts in 3 gezeigt ist. Der Wert e ist die Differenz zwischen dem intern verwendeten Trainingssignal der Empfängerseite z und dem Signal r, welches vom Sender her über den aktuellen Kanal 10 und den TEQ 20 empfangen wird. Ein Fehler e nahe Null bedeutet, dass die ISI auf N_b Samples reduziert wurde, die letztendlich im Empfänger 26 verworfen werden.
Der iterative Rückkopplungsprozess, der in 3 benutzt wird, um iterativ die Filterkoeffizienten in dem TEQ 20 während der Trainingsperiode zu erzeugen, wird als ein herkömmlicher LMS- (least mean squares: kleinste Fehlerquadrate) Ansatz bezeichnet. Das grundlegende Ziel der LMS-Methode ist es, rekursiv das mittlere Fehlerquadrat |e(i)|² unter Verwendung der Ausgangsdatensequenz y(i), gemessen für jeden Rahmen/jedes Symbol und instantane Gradientenschätzwerte, zu minimieren. Dieses Verfahren, ursprünglich offenbart von Chow et al. im US-Patent Nr. 5,285,474 erteilt am 08.02.1994 und betitelt mit "Method for Equalizing a Multicarrier Signal in a Multicarrier Communication System", weist einige unten diskutierte Beschränkungen auf. Die LMS-Methode nach dem Stand der Technik wird üblicherweise heute wie folgt benutzt:

1. Gegeben sei die Trainingsfrequenz x; Ermittele die Kanalausgabe y(l) (Signal y zur Zeit l) und Initialisiere w für einige Startwerte. For i = 1 to N_l (Schleife über die Zeitspanne der Trainingsphase, wobei N_l die Maximalzahl an Iterationen ist, die von der endlichen und festgelegten Trainingszeitspanne erlaubt sind) Y(i) = FFT(y(i)), X(i) = FFT(x(i)), W(i) = FFT(w) (Berechne schnelle Fouriertransformation der Zeitdomänensignale y, x und w) B(i) = Y(i).W(i)/X(i) (Finde B aus den bekannten Werten Y, W, und X; für einen erwünschten Fehler e = 0, B.X = Y.W, sodass B = Y.W/X) b = [IFFT(B(i))]⁺ _Nb (Finde das Fenster der IFFT (B) mit N_b Elementen und maximaler Energie B(i) = FFT(b) (Finde ein neues B unter Verwendung des ausgewählten Fensters von N_b Samples) Berechne den Fehler: E(i) = X(i).B(i) – Y(i).W(i) (siehe Addierer 32 von 3) Aktualisiere: W: W(i + 1)= W(i) + E(i).Y(i)* (Aktualisierung von W unter Verwendung der bekannten LMS-Routine, wobei eine feste positive ganze Zahl ist und über die Zeit unverändert bleibt) w = [IFFT(W(i + 1))]⁺ _Nw (Finde Fenster der IFFT (W) mit N_w Elementen und maximaler Energie) Next i (Wiederholen, solange es die Trainingszeitspanne erlaubt oder bis der Fehler bestmöglich innerhalb der Trainingszeitspanne minimiert ist)
3. Starte Versenden von Daten auf dem Kanal mit aktivem TEQ.

Der obige Algorithmus erfordert üblicherweise eine große Anzahl von Iterationen (N_l), um zu einem Optimalsatz von TEQ-Koeffizienten zu konvergieren, wenn er für einen typischen Drahtleitungskanal verwendet wird. Außer dass er sehr langsam ist, kann der oben diskutierte LMS-Algorithmus mit einem großen Restfehler oder einer Fehlanpassung (was die Differenz zwischen dem minimalen Fehlerquadrat des LMS-Algorithmus und dem minimalen Fehlerquadrat der optimalen theoretischen Lösung ist) am Ende der endlichen Trainingsperiode enden. Dieses nicht optimale Ergebnis des LMS-Algorithmus ist verursacht durch die Tatsache, dass die Trainingszeitspanne von Standards festgesetzt ist und nicht eine hinreichend lange Zeitspanne ist, um es einer langsamen LMS-Methode zu gestatten, zu optimalen TEQ-Koeffizienten zu konvergieren. Da der oben angedeutete Algorithmus langsam ist, konvergiert er nicht zu einer optimalen TEQ-Einstellung in der bei den meisten Telekommunikationsstandards zugestandenen Trainingszeitspanne. Bei Verwendung der obigen Methode wird daher die volle Datenübertragungsrate nicht erreicht und es kann sein, dass die maximal zulässige Leitungslänge aufgrund der nicht optimalen Konvergenz des LMS-Algorithmus von 3 nach dem Stand der Technik reduziert werden muss.
Zusätzlich zu den obigen Punkten ist die Zeitdomänen-Fensterbildung- (Projektion [.]⁺ _n) Operation von b und w eine intrinsische numerische Beschränkung der obigen LMS-Methode. Tatsächlich hat einer der Autoren des LMS-TEQ-Trainingsalgorithmus kürzlich offenbart, dass ihr Algorithmus zu einer schlechteren Leistung führen könnte, wenn die Anzahl von Iterationen erhöht wird. Mit anderen Worten kann es sein, dass der LMS-Algorithmus nach dem Stand der Technik während der Trainingsoperation tatsächlich divergiert, wodurch die Verwendung des LMS-korrigierten TEQ sogar schlechter ist, als wenn das System den Kanal schlicht in Ruhe und den vollen parasitären Effekten unterworfen gelassen hätte. Siehe Pal et al. "A New Method of Channel Shortening with Applications to Discrete Multitone (DMT) Systems", Proc. of the IEEE International Conference on Communications, Band 2, Seiten 763–768, Juni 1998.
Benötigt wird daher ein neues Konvergenzverfahren, um auf intelligentere und effektivere Weise die ISI zu reduzieren oder zu eliminieren, wobei der Algorithmus schnell zu einer optimalen LMS-Lösung konvergiert. Der Algorithmus sollte eines oder mehrere der folgenden Merkmale erlauben: (1) mehr zu sendende Daten pro Symbol oder Paket; (2) zuverlässigere und/oder einfachere Datenwiederherstellung; (3) dichtere Packung von Symbolen über die Zeit, um die Übertragungsrate zu verbessern; (4) verbessertes Signal-zu-Rausch- (S/N-: signal to noise) Verhältnis und/oder (5) die Verwendung längerer Kanalleitungslängen. Dieses neue Verfahren zum Trainieren eines TEQ-Systems sollte einen oder mehrere der hauptsächlichen Schwächen des herkömmlichen LMS-TEQ-Trainingsalgorithmus überwinden, welches sind: (1) mangelnde Konvergenzgeschwindigkeit (oder die Notwendigkeit längerer Trainingszeiten in Standards); (2) langsamere Konvergenz oder fehlende Konvergenz für lange Kanallängen; (3) Potenzial für Divergenz von der optimalen Lösung und/oder (4) Versagen zur optimalen Lösung innerhalb aktuell festgesetzter Standardtrainingszeiten zur konvergieren, wodurch die aktuelle Telekommunikationsleistung verschlechtert wird.
Kurze Beschreibung der Zeichnungen
Die Merkmale und Vorteile der vorliegenden Erfindung werden klarer verstanden werden aus der nachfolgenden, detaillierten Beschreibung in Verbindung mit den begleitenden Zeichnungen, in den sich gleiche Bezugszeichen auf gleiche oder korrespondierende Teile beziehen und wobei:
1 illustriert in einem Blockdiagramm das Problem gemäß Stand der Technik der Intersymbolinterferenz (ISI), die aus inhärenter Kanaldispersion, Interferenz, Verzerrung und/oder leitungsparasitären Störungen resultiert.
2 illustriert in einem Blockdiagramm die Kombination nach dem Stand der Technik eines nicht perfekten Kanals mit einer festverdrahteten TEQ-Schaltung, die zusammen dazu gedacht ist, eine Gesamtkanalantwort (Zielimpulsantwort) zu erzeugen, die gegenüber der Kanalantwort, die sich ergibt, wenn kein TEQ verwendet wird, wie in 1, verbessert ist.
3 illustriert in einem Blockdiagramm eine TEQ-Traningsprozedur nach dem Stand der Technik, wobei die Kombination des Originalkanals und des TEQ iterativ verarbeitet wird, um die TEQ-Filterkoeffizienten langsam auf eine optimale Einstellung hin konvergieren zu lassen.
4 illustriert in einem Blockdiagramm ein FLMS- (fast least mean squares: schnelles Kleinste Fehlerquadrate-) Entzerrungssystem, wobei (1) die TEQ- und TIR-Filter adaptiv über dynamische Verstärkungsskalare und/oder -vektoren (μ) eingestellt werden und (2) das Empfangssignal y einer Signalnormalisierung unterworfen wird, um das mittlere Fehlerquadrat |e(i)|² bei einer sehr schnellen Rate zu minimieren.
5 illustriert in einem Flussdiagramm ein Verfahren zum Durchführen einer schnellen LMS- (FLMS-) Entzerrung in einem System ähnlich dem System von 4.
6 illustriert in einem Blockdiagramm mehr Details, die eine iterative Verarbeitung des Verstärkungswertes (μ), ausgedrückt als Vektor/Skalar mit Schrittgröße (μ), eingeführt in 5, betreffen.
7 illustriert in einem X-Y-Plot eine typische Leitungsübertragungsverbesserung, die erfahren wird, wenn das neue Verfahren der 5 bis 7 verwendet wird, gegenüber dem besten Verfahren nach dem Stand der Technik gemäß 3 in einem bestehenden digitalen Teilnehmerleitungs- (DSL-: digital subscriber line) Empfangsgerät.
Beschreibung einer bevorzugten Ausführungsform
Allgemein lehren die hiesigen 4 bis 7 einen schnellen Kleinstes-Fehlerquadrat- (FLMS-) Algorithmus und eine Vorrichtung zum schnellen Konvergieren von TEQ- Filterkoeffizienten zu optimalen oder nahezu optimalen Einstellungen gut innerhalb der endlichen und nicht einstellbaren Trainingszeitspannen, die für derzeitige Telekommunikationssysteme verwendet werden. Die hier gelehrten Algorithmen arbeiten bei ATM, ADSL, ISDN, V.90, V.34, DSL, optischer Kommunikation, drahtlos, Leistungsmodems, Kabelmodems und anderen Telekommunikationssystemen, die mit Leitungsabschwächung und/oder Signalverzerrung zu tun haben. Außerdem kann der hier gelehrte Ansatz ohne weiteres angewendet werden auf mehrere andere Probleme, die schnelles adaptives Training/Tracking in entweder der Zeit- oder Frequenzdomäne erfordern, wie etwa Interferenzlöschung, Systemidentifikation, Vorhersage und Inversmodellierung und dergleichen. Allgemein erzielt das hier gelehrte Verfahren seine verbesserte Konvergenzrate gegenüber dem Stand der Technik durch: (1) Skalieren des Empfangstrainingssignals y gemäß der Kanalabschwächung, um größere Anpassungsschrittveränderungen pro Konvergenziteration zu erlauben; und (2) Verwenden eines Verstärkungswertes (μ) oder eines Schrittgrößenvektors (μ), wobei jede Komponente in dem Vektor (μ), in jeder Iteration für jeden Träger/jedes Kriterium in der Frequenzdomäne individuell und einzigartig angepasst wird.
Dieser verbesserte Algorithmus sollte ein oder mehrere der folgenden Punkte gestatten: (1) mehr zu sendende Daten pro Symbol oder pro Zeiteinheit; (2) zuverlässigere und/oder einfachere Datenwiederherstellungsverfahren; (3) dichtere Packung von Datensymbolen auf einem Kanal über die Zeit, um die Bitübertragungsrate zu verbessern; (4) verbessertes Signal-zu-Rausch- (S/N) Verhältnis und/oder (5) die Verwendung längerer Kanalleitungslängen zum Zwecke reduzierter Infrastrukturkosten und größerer Dienstabdeckungs gebiete. Da das hier gelehrte FLMS-Verfahren wahrscheinlich viel schneller als herkömmliche LMS-Verfahren konvergiert, ist es wahrscheinlicher, dass eine optimale TEQ-Einstellung innerhalb fester Trainingsperioden erreicht wird, wenn FLMS im Gegensatz zu bestehenden LMS-Techniken verwendet wird. Weiter konvergieren die FLMS-Algorithmen der 5 bis 9 gleich schnell für lange Leitungslängen und kurze Leitungslängen, wobei die Leistung für problematische, jedoch erwünschte, lange Leitungslängen signifikant verbessert wird. Allgemein profitieren alle Leitungslängen gleichermaßen von dem hier gelehrten Algorithmus, anders als bei Verfahren nach dem Stand der Technik, die dazu neigen, nur kürzere Leitungslängen auf Kosten der erwünschteren, längeren Leitungslängen zu begünstigen. Weiter wurde niemals gefunden, dass der hiesige FLMS-Algorithmus unter Umständen, die bei bestehenden LMS-Algorithmen Divergenz verursacht haben, divergiert.
Der FLMS-Algorithmus kann unter spezieller Bezugnahme auf die hiesigen 4 bis 7 besser verstanden werden.
4 illustriert ein adaptives schnelles LMS (FLMS-) System für das schnelle Training von Vorentzerrern in einer Hochgeschwindigkeits-Kommunikationsinfrastruktur, die stark verzerrte und/oder sehr lange Kanalleitungen verwendet. 4 illustriert den Kanal 10 und das Trainingssignal x. Der Kanal 10 ist eine Kanalleitung oder Schleife, die parasitäre Störungen und Verzerrungen aufweist, ähnlich dem unter Bezugnahme auf 1 diskutierten Kanal. Daher muss in dem System von 4, wie dies auch in 1 der Fall war, eine Intersymbolinterferenz (ISI) eliminiert oder reduziert werden, um ein akzeptables Leistungsniveau zu erreichen. Solche Eliminierung oder Reduktion der ISI wird in 4 erreicht durch die Verwendung eines Trainingssignals x, welches von irgendeiner Standardisierungsorganisation für eine spezielle Technologie (z.B. V.90, ADSL, etc.) festgelegt wird. Das Signal x wird von dem Sender 24 bereitgestellt oder erzeugt und über den Kanal 10 gesendet, während dasselbe Signal x in dem Empfänger 26, wie gezeigt, erzeugt oder auf es zugegriffen wird.
4 illustriert einen Addierer 21, der ein Rauschsignal NEXT + AWGN auf das gesendete Signal x aufkoppelt, um das Empfangssignal y zu erzeugen. Der Addierer 21 und seine Eingänge sind keine physikalischen Komponenten des tatsächlichen Systems; stattdessen simulieren der Addierer und seine Rauscheingänge das Rauschen der realen Welt, das üblichen Kommunikationsleitungen typischerweise innewohnt. Mit anderen Worten ist der Addierer 21 keine echte Komponente des Systems, sondern ist in 4 nur vorhanden, um zu illustrieren, dass eine übliche Kommunikationsleitung inhärenter Weise Verzerrungen einbringen wird. Solches Rauschen ist typischerweise ein Nahnebensprech- (NEXT: Near- End Cross Talk) Rauschen zwischen benachbarten Kommunikationsleitungen und additives weißes Gauß-Rauschen (AWGN: Additive White Gaussian Noise), bedingt durch thermische Änderungen in der Leitung über die Zeit.
Das Empfangssignal y wird in einen Zeitdomänen-Entzerrer (TEQ) 20 eingespeist, der über die Zeit trainiert wird, um die Intersymbolinterferenz (ISI) mit einer schnellen Konvergenzrate aufgrund eines adaptiven schnellen LMS-TEQ-Aktualisierungsalgorithmus 34 (in größerem Detail diskutiert in den 5 bis 6) zu reduzieren. Der TEQ 20 wird adaptiv durch die Verwendung einer Normalisierung des Signals y und über iterative Anwendung eines dynamischen Verstärkungsvektors (μ) eingestellt, wobei jedes Element in dem Verstärkungsvektor unabhängig von allen anderen Elementen in dem Vektor geändert werden/konvergieren kann (siehe die spätere Diskussion unter Bezugnahme auf die 5 bis 6).
Zusätzlich zu dem Signal x, das über den Kanal 10 gesendet wird, wird auch auf der Empfängerseite 26 ein Trainingssignal x erzeugt oder es wird auf es zugegriffen und es wird durch eine Verzögerungsschaltung 30 geschickt. Die Verzögerung Δ, durch die Verzögerungsschaltung 30 stimmt im Wesentlich mit der Zeitverzögerung vom Senderende zum Empfängerende entlang des Kanals 10 überein. Das Zielimpulsantwort- (TIR-) Filter 28 wird von dem FLMS-Algorithmus gesteuert, der über die Einheit 34 ausgeführt wird, um ein Trainingsreferenzsignal z zu erzeugen. Für den erwünschten Fall des Fehlers e = 0 und ein vernachlässigbares Rauschen, ist b (mit geeigneter Verzögerung) gleich der Faltung h*w, wobei r = z, sodass die Ausgabe des Addierers 32 Null ist. Um bei einem Fehler e = 0 zu konvergieren, stellt der von der Einheit 34 durchgeführte FLMS-Algorithmus iterativ b und/oder w ein, bis e = 0 oder bis der Fehler innerhalb der zugestandenen Standardtrainingszeitspanne minimiert ist.
5 illustriert das FLMS- (fast least mean squares) Verfahren 100, welches benutzt wird, um das Filter 20 zu trainieren, um eine verbesserte Filtercharakteristik gegenüber dem Stand der Technik zu erreichen. In 5 empfängt ein Schritt 102 zuerst einen Bereich der Trai ningssequenz y aus dem Kanal 10. Der Schritt 102 ist auch in 4 gezeigt, wo y das Empfangssignal anzeigt, welches aus der Übertragung der Trainingssequenz x über den Kanal 10 resultiert. Software, ein Mikrocomputer (CPU oder MPU), ein Mikrocontroller (MCU), ein digitaler Signalprozessor (DSP) oder ein derartiges Steuersystem innerhalb der Einheit 34 initialisiert die TEQ-Filterkoeffizienten w, auf Anfangs- oder Startwerte in Schritt 104. Zusätzlich initialisiert die Einheit 34 über Schritt 104 von 5 die realen und imaginären Vorzeichenindikatoren R ₁ und I ₁, die verwendet werden (wie in den Schritten 134 bis 138 in 5 und 6 angegeben). Der Schritt 104 initialisiert auch den Verstärkungsskalar μ (bei einer Ausführungsform ist der Wert μ eine skalare Größe) oder den Verstärkungsvektor μ (bei einer anderen Ausführungsform ist der Wert μ ein Vektor) auf Start/Vorgabewerte. In Schritt 106 wird der Schleifenzähler i auf 1 oder einen sinnvollen Startwert initialisiert.
In Schritt 108 von 5 wird das Empfangssignal y abgetastet, um den gesampelten Punkt des Signals y zu finden, der den größten Absolutwert hat (d.h. max |y(i)|). Schritt 110 berechnet den Logarithmus zur Basis 2 (d.h. log₂) des Wertes |y(i)|, um einen binären Schiebewert N_S zu bestimmen. Der Schiebewert N_S wird verwendet, um die Anzahl von Bitpositionen zu bestimmen, um die die eingehenden Daten nach links verschoben werden, um das Signal y zu einem Signal größeren Betrags zu verstärken oder zu multiplizieren. Dieses Signal y größeren Betrags wird als das normalisierte Signal y am Empfängerende bezeichnet und es ist ein Signal, das grob dieselbe Stärke hat wie das Signal, das ursprünglich vom Senderende des Kanals 10 her gesendet wurde. Als ein Beispiel kann eine sehr kurze Kanallänge das Sendersignal um grob das Zehnfache abschwächen. In diesem Fall des kurzen Kanals wird eine Linksverschiebung von grob drei bis vier Bitpositionen das digitale Empfangssignal auf einen Maximalbetrag wandeln, der nahe dem Maximalbetrag des ursprünglich gesendeten Signals ist, da ein Wert um 2³ oder 2⁴ grob gleich dem dezimalen Abschwächungswert von 10 ist. Gleichermaßen kann eine lange Kanallänge das Sendesignal um das Fünfhundertfache abschwächen. In diesem Fall wird eine Linksverschiebung von grob 9 Bits benötigt, um das Empfangssignal y anzupassen, um seinen Maximalverstärkungspunkt in die Nähe des Maximalverstärkungspunktes des Sendesignal x zu bringen. Bei einer Ausführungsform kann der in Schritt 110 berechnete Linksverschiebungswert um einen konstanten Randwert verringert werden (z.B. N_S = N_S – m; wobei m eine endliche positive ganze Zahl ist, die grob zwischen 1 und 5 liegt), um sicherzustellen, dass das Signal y nicht zu stark verstärkt wird und da der Wert max |y(i)| auf einem gesampelten Punkt eines kontinuierlichen Signals basiert, wobei die Signalpunkte den wahren Maximalwert für das Signal y verfehlen können. Bei einer anderen Form kann der Wert N_S um einen Prozentsatz verringert werden (z.B. N_S = INT(N_S*o,7); wobei INT die Basis-Integer-Funktion ist, die den Wert bei seinem Dezimalkomma trunkiert, wobei eine Rundung, soweit benötigt, implementiert sein kann. Kurz gesagt wird der in den Schritten 108–110 gefundene Wert N_S von Schritt 116 verwendet, um das Signal y auf eine normalisierte Größe zu normalisieren.
Der bekannte Stand der Technik hat das Signal y nicht auf ein normalisiertes Signal wie in Schritt 116 von 5 verstärkt oder normalisiert. Solch eine Verstärkung in 5 hat signifikante Vorteile. Bei dem unverstärkten oder nicht normalisierten Stand der Technik basierte die iterative Einstellung oder Anpassung der Filterkoeffizienten auf dem sehr kleinen Signalwert y(i), insbesondere für lange Kanalleitungen oder lange Schleifenlängen, die signifikante Abschwächung aufweisen. Wenn der Stand der Technik daher die Koeffizienten w in einer Iteration durch die Gleichung W(i + 1) = W(i) + μE(i).Y(i)* angepasst hat, resultierten die Werte y(i), sogar multipliziert mit einem großen festen Verstärkungswert μ, in einer sehr kleinen Anpassung der Parameter in jeder Iteration. Wenn der Algorithmus weit entfernt von der Konvergenz war, waren diese kleinen Schritte bei jeder Iteration keineswegs dabei in adäquater Weise zu optimalen Filterkoeffizienten innerhalb der zugestandenen Standardtrainingsperiode zu konvergieren. Insbesondere für lange Kanäle werden daher bei LMS-Routinen nach dem Stand der Technik sehr viele Iterationen benötigt, um die Filterkoeffizienten zu einer optimalen Einstellung konvergieren zu lassen. Aufgrund dieser langsamen Konvergenz endet die Trainingszeitspanne normalerweise, bevor der Algorithmus von 3 einen adäquaten Satz von Filterkoeffizientenwerten finden kann, wodurch die ISI in dem System nicht effektiv reduziert werden kann. Zusammengefasst gelang es dem LMS-Algorithmus nach dem Stand der Technik nicht, zu optimalen Filterkoeffizienten zu konvergieren, wenn eine solche Konvergenz am meisten benötigt wurde, da lange Kommunikationsleitungen im Allgemeinen stärker unter parasitärer Verzerrung leiden als kurze Leitungen. Wenn die LMS-Techniken nach dem Stand der Technik die kleinen Werte von y(i) kompensieren müssten, indem μ auf große numerische Werte erhöht würde, würde die Konvergenz der Filterkoeffizienten für lange Kanalleitungen verbessert. Wenn jedoch dasselbe Modem, das den großen festgelegten μ-wert aufweist, dann mit einer Verbindung kurzer Kanallänge gekoppelt wird, verursacht der große μ-Wert zusammen mit den größeren werten von y(i) in dem Produkt μE(i).Y(i)* einen Mangel an optimaler Konvergenz oder sogar in manchen Fällen eine Divergenz. Dies bedeutet, dass eine kurze Kanallänge mit einem für lange Kanäle kompensierten Algorithmus nach dem Stand der Technik nicht besser gemacht wird. In einem schlimmeren Fall kann es sein, dass das System, welches gelegentlich kurze Schleifen/Kanäle verwendet, durch die Verwendung der Trainingsprozedur, die die LMS-Techniken nach dem Stand der Technik für lange Kanäle überkompensiert, verschlechtert wird.
Die obigen Schwierigkeiten des Standes der Technik werden durch die Verwendung der Normalisierungswerte von y, abgeleitet über die Schritte 108–116 von 5, vermieden. Wenn das Signal auf einen normalisierten Leistungswert normalisiert wird, der grob gleich oder geringfügig kleiner ist als seine in Schritt 116 gesendete Leistung, wird das Signal y, das in allen nachfolgenden Berechnungen verwendet wird, einheitlich und unabhängig von der Kanallänge für alle Kanallängen gestaltet. Filterkoeffizienten für irgendeine Kanallänge werden daher mit gleicher Geschwindigkeit und optimalem Effekt konvergieren. Zusätzlich kann eine Divergenz vollständig vermieden werden in Bereichen, wo Divergenz im Stand der Technik auftritt, da eine Überkompensie rung des festen Wertes von μ nach dem Stand der Technik in keiner Anwendung benötigt wird.
Nach dem Initialisieren der Computer-Variablen und dem Auffinden des Normalisierungs- oder Verschiebewertes N_S wird der iterative Filterkoeffizienten-Trainingsalgorithmus von den Schritten 114–146 durchgeführt. Zuerst wird eine Schleifenkonstruktion von 1 bis N_l in Schritt 114 initialisiert, um eine iterative Konvergenz der Filterkoeffizienten w durchzuführen. Das Empfangssignal y, wie oben diskutiert, wird in Schritt 116 normalisiert, indem eine Linksverschiebung auf dem eingehenden digitalen Signal y um N_S Bitpositionen durchgeführt wird. In einem Schritt 118 führt der Empfänger schnelle Fouriertransformationen (FFTs) auf den Zeitdomänensignalen von x, y (wie von Schritt 116 normalisiert) und w in die Frequenzdomäne, wobei die Frequenzdomäne durch große Referenzbuchstaben (z.B. X, Y und W) repräsentiert wird. Die Filterparameter B, die zu dem Filter 28 von 4 gehören, werden aktualisiert unter der Annahme, dass der Fehler E = 0 = B.X – Y.W (siehe den Addierer 32 von 4). Gegeben dieses Verhältnis B.X – Y.W = 0, B = Y.W/X wie in Schritt 120 angezeigt (Multiplikationen und Divisionen werden auf einer komponentenweisen Basis durchgeführt), kann B in Schritt 120 iterativ angepasst werden.
Nach dem Auffinden der Werte von B für E = 0 in Schritt 120 führt Schritt 124 eine inverse schnelle Fouriertransformation (IFFT) durch, um zu den Zeitdomänenwerten von b zu gelangen. Die Komponenten von b sind wahrscheinlich über einen weiten Zeitbereich gespreizt. Schritt 126 wird verwendet, um den weiten Zeitbereich, der von dem Signal b ü berspannt wird, abzutasten, um dasjenige Zeitfenster in b zu finden, welches N_b Samplingpunkte enthält, wobei diese N_b Samplingpunkte des Signal b die maximale Energie über alle Fenster der Größe N_b innerhalb b enthalten. Dieses Fenster maximaler Gesamtleistung mit N_b Datenelementen aus der größeren Domaine von b und ohne alle außerhalb des Fenster liegenden Daten wird dann in eine Frequenzdomäne B FFT-rückprozessiert, wie in Schritt 128 gezeigt. Nach dem FFT-Schritt 128 wird der Fehler E(i) berechnet (Schritt 130) und zwar unter Verwendung des normalisierten Y-Wertes, des X-Wertes, des durch das Fenster begrenzten B-Wertes aus Schritt 128 und des bestehenden W-Wertes (siehe Addierer 32 von 4).
Schritt 132 von 5 wird dann verwendet, um einen Gradientenvektor G zu finden, der der Vektor E multipliziert mit dem komplex Konjugierten von Y (repräsentiert als Y(i)*) ist. Diese Multiplikation des Vektors E und des Vektors Y* wird auf einer komponentenweisen Basis durchgeführt, um zu dem Vektor G führt, der ebenfalls mehrere Komponenten aufweist. Obgleich dies in 5 nicht angezeigt wird, kann der Gradientenvektor G ebenfalls hochskaliert werden (durch irgendeine geeignete Linksverschiebung), falls die Konvergenzgeschwindigkeit sehr kritisch ist (insbesondere für lange Leitungen/Schleifen). Der Real- und Imaginärteil jeder Komponente innerhalb des Vektors G wird in Schritt 134 analysiert. In Schritt 134 wird das Vorzeichen jeder aktuellen oder jüngsten realen Komponente im Vektor G und das Vorzeichen jeder aktuellen oder jüngsten imaginären Komponente im Vektor G gefunden. Die aktuellen (d.h. jüngsten oder neuen Vorzeichen) werden als R ₂ und I ₂ in den 5 bis 6 bezeichnet. Die alten Vorzeichen aus einer oder mehreren vorangehenden Iterationen der Schritte 114 bis 146 werden ebenfalls von dem System gespeichert, wobei die alten Vorzeichen (oder die Vorgabevorzeichen bei der ersten Iteration oder den ersten paar Iterationen) werden als R ₁ und I ₁ in den 5 bis 6 bezeichnet. In Schritt 136 sind die aktuellen und alten Vorzeichen von I ₁, I ₂, R ₁ und R ₂, bekannt, wobei sie entweder –1 oder 1 sind. In diesem Schritt 136 wird das Minimum der zwei Produkte I ₁.I ₂, und R ₁.R ₂ aufgefunden. Wenn eine Komponente von entweder I ₁.I ₂ oder R ₁.R ₂ –1 ist, wird die entsprechende Komponente von S in Schritt 136 –1 sein. Wenn eine Komponente sowohl in I ₁.I ₂, als auch R ₁.R ₂ 1 ist, wird die entsprechende Komponente von S in Schritt 136 1 sein.
In Schritt 138 wird jede Komponente in dem Verstärkungsvektor μ durch Multiplizieren des Vorzeichenvektors S aus Schritt 136 mit einer Änderungsrate α des Vorzeichenvektors und durch Hinzuaddieren zu dem Ergebnis des konstanten Vektors aktualisiert, wie als l in 5 illustriert. Der Prozess der Schritte 132–138 wird in größerem Detail unter Bezugnahme auf 6 erläutert werden. Das Ergebnis von Schritt 138 in 5 ist, dass jede Komponente des Vektors μ auf ihre eigene Initiative hin erhöht oder verringert wird, damit die verschiedenen Komponenten des Wertes W mit ihrer eigenen optimalen Rate in einer sehr effizienten Weise konvergieren. Als ein einfaches Beispiel seien die Startwerte von 0,5 für alle drei μ-Komponenten, eine Schrittgröße der Änderungsrate von α = 0,05 und eine additive Konstante von l wie in den 5 bis 6 angenom men; dann kann der Fortschritt des Dreikomponentenvektors μ wie folgt geschehen:
μ₁: 0,50->0,53->0,55->0,58 ...
μ₂: 0,50->0,48->0,45->0,43 ...
μ₃: 0,50->0,53->0,50->0,52 ...
Nach Einstellung des Vektors μ in Schritt 138 (siehe 6 für mehr Details) wird der neue Wert von μ in Schritt 140 verwendet, um die Filterkoeffizienten W für das Filter 20 (siehe 4) auf einer komponentenweisen Basis zu aktualisieren. Nach der iterativen Modifikation der W-Komponenten in Schritt 138 werden die neuen Vorzeichenwerte R ₂ und I ₂ auf die alten Vorzeichenwert R ₁ und I ₁ für die nächste Iteration in Schritt 142 eingestellt. Außerdem wird, ähnlich der Berechnung von b, der Frequenzdomänenvektor W in eine Zeitdomänensequenz w mittels eines Schrittes 142 rückgewandelt. In einem Schritt 144 wird ein endliches Fenster von N_w-Elementen der Sequenz w identifiziert, wobei dieses Fenster von N_w-Elementen eine maximale Energie über alle Fenster der Größe N_w innerhalb der Sequenz w aufweist. Dieses Fenster w von N_w-Elementen wird als der nächste w-Wert für die nächste Iteration der Schritte 114–146 verwendet, bis die Schleifenvariable von i = N_l erreicht ist oder bis die Konvergenz nicht weiter verbessert werden kann.
Die neue FLMS-Technik kann daher wie folgt zusammengefasst werden:
FLMS-TEQ Trainingsalgorithmus

1. Gegeben sie die Trainingssequenz; ermittle die Kanalausgabe y(1) und initialisiere unter w, R ₁ = I ₁ = 0, _ = ₀.l.
2. Finde den maximalen Absolutwert M_y des Emfpangssignals y(1) und berechne N_S = |Fix(log₂(M_y))| – m, wobei m ein ganzzahliger Rand ist, der entsprechend der speziellen zu verwendenden Architektur ausgewählt ist.
3. For i = 1 to N_l Normalisiere y(i):y(i) = 2^Ns.y(i) X(i) = FFT(x(i)), Y(i) = FFT(y(i)), W(i) = FFT(w) B(i) = Y(i).W(i)/X(i) b = [IFFT(B(i))]⁺ _Nb = Fenster mit N_b Elementen und maximaler Energie B(i) = FFT(b) Berechne den Fehler: E(i) = X(i).B(i) – Y(i).W(i) G(i) = E(i).Y(i) R ₂ = Sign[Real(G(i))], I ₂ = Sign[Imag(G(i)] S = Min{R ₁.R ₂, I ₁.I ₂} Aktualisiere_:_(i + 1) = [(l + .S)._(i)]⁺ = Max{Min{l + .S)._(i), max l}, min.l} Aktualisiere W:W(i + 1) = W(i) + _i + 1 .G(i) R ₁ = R ₂.I ₁ = I ₂ w = [IFFT(W(i + 1))]⁺ _Nw = Fenster mit N_w Elementen und maximaler Energie Next i

In dem obigen detaillierten FLMS-Algorithmus bedeutet Fix(t) die Rundung von t auf die nächste ganze Zahl Richtung Null. Die tatsächliche Berechnung von N_S wird auf effiziente Weise mittels digitaler Signalprozessoren (DSPs) mit Bruchzahl-Datenrepräsentation durchgeführt, wie etwa der Motorola DSP56300 Familie, indem die Anzahl führender Null-Bits gezählt wird, bevor eine 1 erlangt wird und in dem dann der Rand m subtrahiert wird. Für diese DSPs kann das Skalieren des Empfangssignals y(i) aufgrund des begrenzten Dynamikbereichs der Zahlen, die in deren arithmetischen Logikeinheiten repräsentiert werden können, eine notwendige Operation sein. Schließlich bestehen alle Vektormultiplikationen in der Zeit- oder Frequenzdomäne aus parallelen (komponentenweisen) Multiplikationen, die in den meisten DSP-Architekturen ebenfalls sehr effizient durchgeführt werden. Auf ähnliche Weise entsprechen die Min/Max-Blöcke in dem obigen Pseudocode parallelen Operationen, die in modernen DSP-Maschinen leicht durchgeführt werden können. Der hier gelehrte Algorithmus kann daher in vielen kommerziell erhältlichen DSP-Maschinen sehr effizient durchgeführt werden.
Unter Verwendung ortsfester (in place) Berechnung und spektraler Hermite-Symmetrie ist die erforderliche zusätzliche Komplexität pro Iteration für den FLMS-Algorithmus:

• 3N + 1 Multiplikationen/Verschiebungen, um das Empfangssignal zu skalieren und Schrittgrößen zu aktualisieren.
• 2(N + 1) Vergleiche, um sicherzustellen, dass die Schrittgrößen innerhalb annehmbarer Grenzen sind (Projektionsoperation [.]⁺).
• 3N + 1 Speicherpositionen, um die Gradientenschätzwerte (Real- und Imaginärteile) sowie Schrittgrößen zu speichern.

Solch geringfügige Erhöhung im Berechnungsaufwand wurde als akzeptabel angesehen, um die mit der genauen und schnellen Konvergenz des FLMS-Algorithmus verbundenen Vorteile zu erreichen.
6 illustriert in größerem Detail den von den Schritten 132–138 von 5 durchgeführten Prozess. In dem Software- und/oder Hardware-Diagramm von 6 werden die komplex Konjugierte des normalisierten FFT-Empfangssignals Y (gezeigt als Y(i)*) und das Fehlersignal E wie in Schritt 130 von 5 berechnet, einer Multiplizierer-Einheit oder Multiplizierer-Routine 150 zur Verfügung gestellt. Die Werte Y* und E werden von dem Multiplizierer 150 in 6 zusammenmultipliziert, um einen Gradienten G zu bilden (dieser Schritt ist auch in Schritt 132 von 5 illustriert). Der Gradient G(i), der von der Einheit 150 ausgegeben wird, ist der neue Gradient oder jüngste Gradient, der zu der aktuellen Iteration gehört. Zusätzlich zu dem neuen Gradienten wird/werden auch der alte Gradient/alte Gradienten aus einer oder mehreren vorangehenden Iterationen (im Allgemeinen ist dies nur eine Gradientengröße aus der unmittelbar vorangehenden Iteration) in einem computerlesbaren Speicher als G(i – 1) in 6 gespeichert. Mit anderen Worten ist die Einheit 151 von 6 eine Speichereinheit, die einen oder mehrere alte Gradientenwerte aus einer oder mehreren vorangehenden Berechnungen speichert (wobei 6 insbesondere nur einen alten Gradienten aus der unmittelbar vorangehenden Iteration G(i – 1) illustriert). Für die spezielle Spezifikation von 6 kann, falls die Implementierung unter Verwendung eines Allzweck-DSP durchgeführt wird, derselbe Speicherblock verwendet werden, um sowohl G(i – 1) als auch G(i) zu speichern, wodurch die alten Komponenten von G aus vorangegangener/n Iteration(en) sequenziell durch die neueren Komponenten unter Verwendung ortsfester Berechnungen ersetzt werden.
Nachdem die Einheit 150 den Gradienten G(i) berechnet, werden der neue Gradient G(i) und der alte Gradient G(i – 1) in ihre realen und imaginären mathematischen Komponenten mittels Berechnungs- oder Speichereinheiten 152, 154, 156 und 158 zerlegt. Die alten und neuen Realkomponenten (R) und die alten und neuen Imaginärkomponenten (I) werden jeweils miteinander durch Multiplikationsfunktionen oder Multiplikationseinheiten 160 und 162 miteinander multipliziert. Die Multiplikationseinheiten 150, 160 und 162 können viele verschiedene, dedizierte Multiplikationseinheiten und/oder -funktionen sein oder sie können eine Multiplikationseinheit oder eine Funktion sein, die zeitlich zwischen den Multiplikationsfunktionen 150, 160, 162 aufgeteilt wird und ebenfalls von anderen in 6 gezeigten Multiplikationsfunktionen verwendet wird. Als ein Beispiel der Operation des Multiplizierers 150 während einer Iteration wäre, falls nur eine der Realkomponenten aus den Einheiten 152 und 154 negativ und die andere positiv wäre, das Produktresultat aus der Einheit 160 negativ. Wenn beide Werte aus den Einheiten 152 und 154 entweder negativ oder positiv wären, wäre die Ausgabe der Einheit 160 positiv. Die multiplizierten Werte aus den Einheiten 160 und 162 werden dann separat Vorzeichenerkennungseinheiten oder -routinen 164 und 166 zur Verfügung gestellt. Die zwei Ausgabewerte aus den Einheiten 164 und 166 sind entweder 1 oder –1 und werden zu einer Minimumerkennungseinheit 168 geleitet, wodurch die Einheiten 164–168 die in Schritt 136 von 5 gezeigte Operation durchführen. Die Einheiten 152, 154, 156 und 166 von 6 führen implizit den in 5 gezeigten Schritt 134 durch (man beachte, dass das Vorzeichen einer Multiplikation gleich der Multiplikation der Vorzeichen ist).
In 6 und nachdem S von der Einheit 168 in 6 ausgegeben wurde, wird der Wert von S und ein oder mehrere alte Schrittgrößenskalare oder -vektoren μ (abhängig von der verwendeten Ausführungsform) an eine Schrittgrößenaktualisierungseinheit oder -routine 170 geliefert. In der Einheit 170 wird jede Komponente von S (die entweder 1 oder –1 ist) mittels eines Multiplizierers 171 mit einer Änderungsrate α des Verstärkungsvektors μ multipliziert. Der Wert von α kann als Korrekturfaktor angesehen werden. Im Allgemein ist er eine kleine Größe zwischen 0 und 1 und wird auf unterschiedliche weise von dem Schaltungsdesigner und/oder dem Benutzer ausgewählt, abhängig von der Anwendung und der erwünschten Konvergenzrate. Nach der Multiplikationsoperation mittels der Einheit 171 wird eine Addierereinheit oder -routine 172 benutzt, um eine ganzzahlige Konstante, wie etwa einen Vektor l zu der Ausgabe des Multiplizierers 171 hinzu zu addieren. Nach Addition des konstanten Vektors l mittels des Addierers 172 nimmt ein weiterer Multiplizierer 173 die Ausgabe des Addierers 172 und ein oder mehrere ältere gespeicherte Werte des Skalars oder Vektors μ aus einer Speichereinheit 174 auf und führt eine weitere Multiplikation oder mathematische Operation durch.
Die komponentenweise Vektorausgabe oder Skalarausgabe des Multiplizierers 173, die die neue μ-Komponente ist, die während der nächsten iterativen Berechnung verwendet wird, wird einer Ober- und Unterbegrenzereinheit 176 (Projektionsstufe) zur Verfügung gestellt. Der Begrenzerbereich 177 innerhalb der Einheit 176 vergleicht den neuen μ-Wert mit einem oberen Grenzwert in einer komponentenweisen Weise, einer Vektorweise oder skalaren Weise (abhängig von der Ausführungsform) und begrenzt die Größe μ auf eine obere Grenze, basierend auf μ _max, falls ein oberer Schwellenwert überschritten wird. Auf ähnliche Weise vergleicht der Begrenzerbereich 178 der Einheit 176 den neuen μ-Wert mit einem unteren Grenzwert in einer komponentenweisen Weise in einer Vektorweise oder skalaren weise (abhängig von der Ausführungsform) und begrenzt die Größe μ auf eine untere Grenze, basierend auf μ _min falls der untere Schwellenwert überschritten wird. Die Ausgabe des Begrenzers 176, die der schlussendliche, neue μ-Wert ist, wird in der nächsten Iteration verwendet und wird in der alten Speichereinheit 174 zur Verwendung in einer oder mehreren nachfolgenden Iterationen, wie unter Bezugnahme auf 5 diskutiert, gespeichert. Wenn eine Vektorschrittgröße nicht benutzt wird oder aufgrund von Berechnungsbeschränkungen nicht implementiert werden kann, kann der Vektor μ auf viele unterschiedliche Weisen in einen Skalar umgewandelt werden; zum Bei spiel kann der Vorzeichenvektor S in einen Skalar gewandelt werden, indem der Mittelwert seiner Komponenten genommen und verwendet wird, um die Einheit 170 in 6 eine skalare Schrittgröße zu aktualisieren (der Einheitsvektor l wird ein einzelner Skalar). Die Verwendung einer Vektorverstärkung μ war eine bevorzugte Ausführungsform des TEQ-Adaptationsdesigns, da die mit der LMS-Aktualisierung verbundene Eigenwertspreizung für die meisten in der Praxis verwendeten Kommunikationskanäle recht groß ist. 6 illustriert daher in größerem Detail die spezielle Weise, in der die Größe μ bei jeder Iteration dynamisch verändert wird.
7 illustriert einen Vorteil der Verwendung der in den 4 bis 6 skizzierten Technik gegenüber der Lösung nach dem Stand der Technik, der unter Bezugnahme auf eine oder mehrere der 1 bis 3 diskutiert wurde. Ein oberer Bereich von 7 illustriert einen ersten X-Y-Graphen 500. Im Graph 500 repräsentiert die X-Achse eine Kanalleitungslänge oder Schleifenlänge für ein ADSL-System und die Y-Achse repräsentiert die Abwärtsbitkapazität (in Kilobits pro Sekunde – kbps), die über eine gegebene Leitungslänge kommuniziert wird. Im Plot 500 wurden verschiedene, unterschiedliche Leitungslängen identischer Kupferleitungen unter identischen Umgebungsbedingungen getestet, und zwar ohne Verwendung von Zeitdomänen-Entzerrertechniken (bezeichnet als eine Impuls- oder IMP-Konfiguration), die bekannten LMS- (least mean squares) Techniken und die hier gelehrte schnelle LMS- (FLMS-) Technik. Die filterlose Technik liefert Kommunikationsbitraten als eine Funktion der Leitungslänge, wie mittels der Kurve 502 von 7 gezeigt. Die LMS-Technik im besten Fall (einem, der nicht diskutiert, wie im Abschnitt "Hintergrund" oben diskutiert) erzielt eine Verbesserung gegenüber der Bitkapazität von Kurve 502 um etwa 5–10%, wie in der LMS-Kurve 504 in 7 gezeigt. Wie jedoch mit der Kurve 506 von 7 gezeigt, kann die Bitkommunikationsrate für alle möglichen Leitungslängen unter Verwendung der FLMS-Technik sogar mehr als mit LMS-Techniken nach dem Stand der Technik verbessert werden.
Der Graph 600 von 7 vergleicht den prozentualen Anstieg in der Abwärtsbitkapazität als eine Funktion der Leitungslänge für LMS-Techniken nach dem Stand der Technik und der neuen FLMS-Technik, die hier diskutiert wird. Die besten LMS-Resultate ergeben Verbesserungen der Bitrate des Kanals um grob 10% gegenüber derselben Leitung, die keine TEQ-Behandlung verwendet. Man beachte, dass die 10-prozentige Verbesserung, die eine LMS-Technik nach dem Stand der Technik gegenüber einem System ohne TEQ bietet, relativ unabhängig von der Leitungslänge ist (siehe Kurve 602). Mit anderen Worten arbeiten die LMS-Techniken nach dem Stand der Technik auf den problematischeren langen Leitungslängen nicht besser als auf den einfacheren, von Parasitärstörungen weniger betroffenen kurzen Leitungslängen. Die FLMS-Technik ist jedoch in der Lage, Verbesserungen gegenüber LMS-Techniken nach dem Stand der Technik für alle Leitungslängen zu erzielen. Weiter ist bewiesen, dass die FLMS-Technik über 40% effektiver beim Erhöhen der Bitkapazität für eine Leitung bei langen Leitungslängen von der Größenordnung von 15.000 Fuß bis 20.000 Fuß ist. Diese Verbesserung, die auftritt, wenn FLMS benutzt wird, geht teil weise zurück auf die Tatsache, dass die Normalisierung des Empfangssignals (y) und die dynamische Anpassung des Verstärkungsskalars oder Verstärkungsvektors μ es erlaubt, dass die FLMS-Technik den TEQ-Filter innerhalb der festgelegten Trainingszykluszeitspanne weiter optimiert als dies unter Verwendung der langsamer konvergierenden LMS-Technik möglich ist. Die Normalisierung des Signals y während des Trainings stellt sicher, dass längere Kanalleitungen besser optimiert werden, indem die starke Leitungsabschwächung, die mit langen Leitungslängen verbunden ist, bei den Berechnungen der Schritte 130, 132 und 140 von 5 entfernt wird. Diese Abschwächung in dem LMS-Algorithmus reduziert die Fähigkeit des Algorithmus bei einer angemessenen Geschwindigkeit zu konvergieren und somit wurde das Problem bei der hier gelehrten FLMS-Technik gelindert oder vollständig vermieden.
Daher reduziert oder eliminiert das hier gelehrte FLMS-Verfahren auf intelligentere und effektivere Weise die Symbolinterferenz (ISI). FLMS-Techniken konvergieren bei einer optimalen LMS-Lösung, wohingegen es LMS-Techniken nach dem Stand der Technik nicht gelingt, innerhalb der Trainingszeitspannen vollständig zu konvergieren oder sie divergieren unter manchen Umständen. FLMS hat einen oder mehrere weitere Vorteile. Beispielsweise können mehr Daten pro Symbol gesendet werden, wenn der hier in 7 gezeigte FLMS-Ansatz verwendet wird. Da der FLMS-Algorithmus ISI-Interferenz besser reduziert als die meisten anderen Algorithmen kann ein zuverlässigerer und/oder einfacherer Datenwiederherstellungsalgorithmus eingesetzt werden (aufgrund der schnelleren Konvergenz kann es sein, dass weniger DSP MIPS benötigt werden, um dieselbe Dateneinheit aufzunehmen). Außerdem kann, wenn die Leitungsübertragungsraten schneller werden, die FLMS-Technik eine dichtere Packung von Datensymbolen über die Zeit erlauben, um die Übertragungsrate zusätzlich zu der oben erwähnten Verbesserung der Bitdichte pro Symbol zu erhöhen. Es kann möglich sein, gleichzeitig das Signal-zu-Rausch- (S/N-) Verhältnis zu verbessern und/oder ein System mit längeren Kanalleitungslängen einzusetzen, wodurch mehr bewohntes Gebiet die Vorzüge höherer Kommunikationsgeschwindigkeit bei niedrigeren Kosten erhalten kann (d.h. es wird eine reduzierte Anzahl von Wiederholern oder Basiseinheiten benötigt).
Einer weiterer Vorteil ist, dass die hier gelehrten FLMS-Systeme und -Algorithmen in vielen verschiedenen Anwendungen benutzt werden können. Der Zeitdomänen-Entzerrer (TEQ) der in modernen Kommunikationssystemen benutzt wird, ist hier die primär diskutierte Anwendung. Der FLMS-TEQ-Trainingsalgorithmus wurde unter Verwendung der Motorola 56300 DSP in einem bestehenden DSL-(digital subscriber line) System implementiert und getestet und hat signifikante Verbesserungen gegenüber der früheren LMS-Methode gezeigt (siehe 7). Selbst obwohl die zusätzlich Anzahl von Verarbeitungsschritten des neuen Verfahrens eine Reduzierung bei der verfügbaren Anzahl von Iterationen für das TEQ-Training in manchen DSP-Architekturen bedeuten kann, erzeugen die schlussendlichen Resultate nach dem Training üblicherweise signifikant bessere Leistung im Hinblick auf die ISI-Reduzierung und zwar sowohl für Abwärts- als auch für Aufwärtsverbindungen. Der Vorteil war für lange Schleifen (siehe 7) besonders ausgeprägt. Dies ist wichtig, da Telekommunikationsgesellschaften einen ständigen Bedarf an längeren Leitungs-/Schleifenlängen haben, um die Systeminfrastrukturkosten zu reduzieren (z.B. Reduzierung der Anzahl von benötigten Verstärkern oder Basisstationen und/oder die Größe des Kundendienstgebietes pro Basiseinheit zu vergrößern.
Die hier gelehrte FLMS-Methode und Struktur kann in Frequenzdomänenentzerreranwendungen verwenden werden. Der Frequenzdomänenentzerrer (FEQ: frequency domain equalizer) ist im Allgemeinen eine kritische Anwendung in diskreten Mehrton- (DMT-) Systemen. Sobald der optimale TEQ-Filter designed oder trainiert ist, muss die äquivalente Kanalimpulsantwort des Empfangspfades entzerrt werden, bevor die Sendedaten von dem Empfänger decodiert werden können. Wenn H die Frequenzdomänenrepräsentation der Empfangskanalimpulsantwort (einschließlich TEQ) ist, ist die typische Wahl des FEQ einfach F = l/H. Auf der anderen Seite muss, nachdem das System im regulären Betrieb ist (in "show time") das DMT-Sende-/Empfangsgerät Variationen des Kanals über die Zeit verfolgen. Üblicherweise werden die FEQ-Taps über den FLMS-Algorithmus auf ähnliche Weise angepasst, wie bei dem hier gelehrten FLMS-TEQ-Training. Skalieren des Empfangssignals y und Verwendung eines Verstärkungswertes μ in der Form eines adaptiven Schrittgrößenvektors μ verbessert die Frequenzdomänenentzerrungsleistung, weil der Trainingsprozess unabhängig von der Schleifenlänge sein wird, was optimale Konvergenzraten für jeden Träger/BIN und/oder verbesserte numerische Stabilität des Systems (z.B. kleinerer Restfehler) liefert.
Die FLMS-Routinen und/oder Hardware können auch in Frequenzdomänen-Echolöscher- (FREC-: frequency domain echo canceller) Schaltungen und/oder derartigen Software-Verfahren verwendet werden. Der Frequenzdomänen-Echolöscher (FREC) ist eine wichtige Anwendung für DMT-Sende-/Empfangsgeräte, die eine spektrale Überlappung implementieren. Spektrale Überlappung ist, wenn ein Abwärts- und ein Aufwärtssignal von einem Sende-/Empfangsgerät über ein überlappendes Frequenzband kommuniziert werden. Spektraler Überlapp ist erwünscht, da er die maximale Frequenz des Kommunikationssystems reduziert, wodurch sogar längere Leitungslängen unterstützt werden können. Die Reduzierung der maximalen, auf der Leitung kommunizierten Frequenz erlaubt längere Leitungslängen, da die parasitären Störungen des Kanals üblicherweise eine direkte Funktion der Frequenz sind (d.h. je höher die Frequenz desto schlimmer die parasitären Störungen). Bei FREC ist es die Idee, die Frequenz- und Zeitdomäne der DMT-Daten zu erforschen und eine Frequenzdomänenaktualisierung der adaptiven FREC-Filterkoeffizienten zu designen. Ein effizientes Verfahren für FREC-Adaptivdesign wurde offenbart von Ho et al. im US-Patent Nr. 5.317,596, erteilt am 31.05.1994 und betitelt mit "Method an Apparatus for Echo Cancellation with Discrete Multitone Modulation" Auf ähnliche Weise kann die tatsächliche Aktualisierung der FREC-Filterkomponenten auf dem FLMS-Algorithmus mit einer ähnlichen Struktur basieren, wie bei dem hier gelehrten FLMS-TEQ-Training. Verwendung eines adaptiven Schrittgrößenskalars oder -vektors μ verbessert die Echolöschungsleistung, da der Trainingsprozess optimale Konvergenzraten für jeden Träger/BIN bietet und/oder eine verbesserte nummerische Stabilität liefert. Es gibt daher viele praktische Anwendungen für die hier gelehrten FLMS-Algorithmen.

Claims

Verfahren zum Trainieren eines Empfängers, wobei das Verfahren die Schritte umfasst: Empfangen eines Empfangssignals (102); Auffinden eines maximalen Absolutwertes des Empfangssignals über eine spezifizierte Zeitspanne (108); gekennzeichnet durch: Normalisieren des Empfangssignals auf ein normalisiertes Empfangssignal Y unter Verwendung des aus dem Empfangssignal abgeleiteten Wertes (116); Verwenden des normalisierten Empfangssignals Y, um einen Satz adaptiver Filterkoeffizienten zur Verwendung durch den Empfänger beim Empfangen nachfolgender Daten zu erzeugen (118–146).
Verfahren wie in Anspruch 1 beansprucht, wobei der Schritt des Verwendens des normalisierten Empfangssignals, um einen Satz adaptiver Filterkoeffizienten zu erzeugen, umfasst a. Aktualisieren eines Verstärkungswertes als eine Funktion eines Fehlersignals und des normalisierten Empfangssignals;
Verwenden des Verstärkungswertes, um adaptive Filterkoeffizienten in dem Empfänger einzustellen, wobei das Verwenden des Verstärkungswertes weiter umfasst: Verändern der Filterkoeffizienten W durch iteratives Aktualisieren der adaptiven Filterkoeffizienten mittels der Beziehung: W new = W old + μ.G wobei W _new neue adaptive Filterkoeffizienten repräsentiert, W _old zuvor berechnete adaptive Filterkoeffizienten repräsentiert, μ den Verstärkungswert repräsentiert und G ein Vektor ist, der mit dem normalisierten Empfangssignal Y in Beziehung steht; und c. Wiederholen der Schritte (a)–(b) eine Mehrzahl von Malen, um schlussendliche Filterkoeffizienten zur Verwendung durch den Empfänger zu erhalten.
Verfahren wie in Anspruch 1 beansprucht, wobei der Schritt des Verwendens des normalisierten Empfangssignals gekennzeichnet ist durch: Verändern der adaptiven Filterkoeffizienten W durch iteratives Aktualisieren der Filterkoeffizienten mittels der Beziehung: W new = W old + μ.Gwobei W _new neue adaptive Filterkoeffizienten repräsentiert, W _old zuvor berechnete adaptive Filterkoeffizienten repräsentiert, μ einen Verstärkungswert repräsentiert und G ein Vektor ist, der mit dem normalisierten Empfangssignal Y in Beziehung steht.
Verfahren nach Anspruch 2 oder 3, wobei der Verstärkungswert μ entweder ein skalarer Wert ist, der sich bei jeder Iteration ändert oder ein Vektor, wobei sich jede Komponente des Vektors unabhängig von anderen Komponenten in dem Vektor bei jeder Iteration ändert.
Verfahren nach Anspruch 2, 3 oder 4, wobei der Wert G die Multiplikation einer komplex Konjugierten des Empfangssignals (Y*) mit einer Fehlergröße (E) ist.
Verfahren nach Anspruch 2, 3, 4 oder 5, wobei der Verstärkungswert μ unter Verwendung der imaginären und realen Komponenten der Größe G aktualisiert wird.
Verfahren nach Anspruch 2, 3, 4, 5 oder 6, wobei das Vorzeichen sowohl der realen als auch der imaginären Komponenten von G und eines älteren Wertes von G aus einer vorangehenden Iteration benutzt werden, um den Verstärkungswert μ zu aktualisieren.
Verfahren nach Anspruch 2, 3, 4, 5, 6 oder 7, wobei die Größe S = MIN{I ₁.I ₂, R ₁.R ₂} verwendet wird, um den Verstärkungswert μ zu aktualisieren, wobei MIN eine Minimumfunktion ist, I ₁ ein älteres Imaginärkomponentenvorzeichen des älteren Wertes von G ist, I ₂ ein neueres Imaginärkomponentenvorzeichen von G ist, R ₁ ein älteres Realkomponentenvorzeichen des älteren Wertes von G ist, R ₂ ein neueres Realkomponentenvorzeichen von G ist.
Verfahren nach Anspruch 2, 3, 4, 5, 6, 7 oder 8, wobei der neue μ-Wert μ _new = (l + α.S).μ_old ist, wobei α eine Änderungsrate des Verstärkungswertes ist, S ein Vorzeichen vektor ist, l ein konstanter Vektor ist und μ _old ein älterer μ-Wert aus einer vorangehenden Iteration ist.