FI100150B - Vastaanottomenetelmä ja vastaanotin - Google Patents

Description

100150

Vastaanottomenetelmä ja vastaanotin

Tekniikan ala

Keksinnön kohteena on vastaanottomenetelmä, jossa 5 vastaanotettu signaali käsittää useita summautuneita sig-naalikomponentteja, joista ainakin jotkut komponentit ovat tuntemattomia, ja josta vastaanotetusta signaalista otetaan näytteitä, jotka näytteet muodostavat informaatiovek-torin, ja jossa vastaanotettuja signaaleja estimoidaan yh-10 dellä tai useammalla moniulotteisella suodattimena.

Tekniikan taso

Tiedonsiirtojärjestelmien suunnittelussa ja toteutuksessa eräs keskeinen ongelma on useiden samanaikaisten käyttäjien signaalien yhtäaikainen lähetys ja vastaanotto 15 siten, että signaalit häiritsevät toisiaan mahdollisimman vähän. Tämän sekä muiden siirtokanavassa aiheutuvien häiriöiden sekä myös käytettävän siirtokapasiteetin takia on kehitetty useita erilaisia siirtoprotokollia sekä monikäyttömenetelmiä, joista erityisesti matkapuhelinliiken-20 teessä yleisimmät ovat FDMA-, TDMA-menetelmät sekä viime aikoina myös CDMA-menetelmä.

Kaikissa yllämainituissa menetelmissä esiintyy häi-:'.(i riöitä hieman erityyppisinä, ja häiriöihin liittyviä on- : gelmia on pyritty ratkaisemaan eri menetelmissä eri ta- .',.125 voin. TDMA:ssa merkittävä häiriötekijä on symbolien keski-. näishäiriö (ISI, intersymbol interference) ja CDMA:ssa vastaavasti monikäyttöhäiriö (MAI, multiple access inter- • · » *·* * ference) . Yleisesti sanottuna halutun signaalin ilmaisussa pyritään etsimään halutut symbolit signaalista, johon on • t • *··30 summautunut ylimääräistä informaatiota. Eri monikäyttöme- • · · 5t·’ : netelmissä tähän päämäärään pyritään eri tavoilla.

:·[ CDMAtssa on ehdotettu monen käyttäjän samanaikaista ilmai- • · · sua ja TDMA:ssa erityyppisiä taajuuskorjaimia.

Taajuuskorjaimet, jotka pyrkivät lievittämään aika-,,'j'35 tasossa tapahtuvaa signaalin hajoamista, on periaatteessa 2 100150 kahta tyyppiä: lineaarisia ja epälineaarisia. Lineaariset korjaimet, kuten esimerkiksi Wiener-suodattimet, ovat yksinkertaisia toteuttaa, mutta eivät toimi riittävän hyvin kaikissa tilanteissa, koska moduloitu aaltomuoto on luon-5 teelta epälineaarista. Epälineaarisia korjaimia ovat esimerkiksi Viterbi-korjäin sekä päätöstakaisinkytketyt korjaimet .

Vastaavasti CDMA:ssa MUD-menetelmät ovat joko lineaarisia tai epälineaarisia. Edellisistä voidaan mainita 10 esimerkkinä dekorreloiva vastaanotin ja jälkimmäisistä Vi-terbi ja päätöstakaisinkytkentä. Dekorreloivaa vastaanotinta on selostettu tarkemmin esimerkiksi julkaisussa A. Hottinen: Self-organizing multiuser detection, Proc of IEEE ISSSTA ’94, July 1994, Oulu, Finland.

15 On myös tunnettua käyttää ns. ei-ohjattuja adaptii visia algoritmeja korjaimissa ja ilmaisussa. Ei-ohjatulla algoritmilla tarkoitetaan sitä, että adaptiosääntö ei ota huomioon signaalin polaariteetteja eli opetusjaksoa ei tarvita saattamaan vastaanotin oikeaan tilaan. Ei-ohjattu-20 ja menetelmiä on esitetty CDMA:n yhteydessä, esimerkiksi viitteessä S. Verdu: Adaptive multiuser detection, Proc of : IEEE ISSSTA ’94, July 1994, Oulu, Finland.

·]'·,. Kaikissa yllämainituissa menetelmissä, myös epäline- .·, : aarisissa, on se haittapuoli, että häiritsevien signaalien •.25 lukumäärän kasvaessa, jolloin laskenta-avaruuden dimensio . kasvaa, tarvittava laskentamäärä optimaalisen ilmaisun • » · • · · suorittamiseksi kasvaa jyrkästi. Koska optimaalinen ilmai- • · ♦ *·* * su on osoittautunut täten vaikeaksi, on käytetty aliopti- maalisia menetelmiä, josta on seurannut vastaanotetun in- • · : *··30 formaation häviämistä, joka näkyy heikentyneenä signaalin • · « · laatuna ilmaisimessa.

«

Keksinnön tunnusmerkit • · ·

Esillä olevan keksinnön tarkoituksena onkin toteut-taa menetelmä, jonka avulla voidaan vastaanotettu häiriöi-35 ta käsittävä signaali ilmaista alioptimaalisesti, vaikka 3 100150 signaalin malli ei ole tunnettu. Keksinnön tarkoituksena on edelleen toteuttaa adaptiivinen menetelmä, joka tarvitsee vähän tietoa häiriösignaaleista ja kohinasta, ja joka pystyy ilmaisemaan halutun signaalin luotettavasti pienel-5 lä informaatiomäärällä myös häiriöllisessä etenemisympä-ristössä.

Tämä saavutetaan johdannossa esitetyn tyyppisellä menetelmällä, jolle on tunnusomaista, että signaalin suodatus tapahtuu adaptiivisesti muodostamalla vastaanotetulle) le signaalille malli signaalin epälineaarisuuksia kuvaavan kustannusfunktion avulla, jolla suodatinfunktio optimoidaan, ja että datan ilmaisu suoritetaan optimoitujen suodatinfunktioiden avulla siten, että ennen ilmaisua infor-maatiovektorin dimensio pienenee.

15 Keksinnön kohteena on myös vastaanotin järjestelmäs sä, jossa vastaanotetut signaalit käsittävät useita summautuneita signaalikomponentteja, joista ainakin jotkut komponentit ovat tuntemattomia, ja joka vastaanotin käsittää välineet ottaa vastaanotetusta signaalista näytteitä 20 ja muodostaa näytteistä informaatiovektori, ja välineet estimoida vastaanotettuja signaaleja yhdellä tai useammal-, · la moniulotteisella suodattimena. Keksinnön mukaiselle : , vastaanottimelle on tunnusomaista, että vastaanotin käsit- .·. : tää välineet muodostaa vastaanotetulle signaalille malli ” ‘.25 signaalin epälineaarisuuksia kuvaavan kustannusfunktion • · . avulla, ja optimoida suodatinfunktio, ja välineet suorit- lii taa datan ilmaisu optimoitujen suodatinfunktioiden avulla • · · *·' * siten, että ennen ilmaisua informaatiovektorin dimensio pienenee.

• · • *··30 Keksinnön mukaisella menetelmällä ja vastaanottimel- ij*: la saavutetaan useita etuja. Keksinnön mukaisessa vastaan- ;/ ottomenetelmässä sovelletaan ns. projektiohakua, ja se ♦ »· kykenee tehokkaasti poistamaan symbolien keskinäishäiriön ;· ja monikäyttöhäiriön vaikutusta ja yleensäkin epälineaari suus siä häiriöitä ilmaistavassa signaalissa. Sitä voidaan so-

I I

4 100150 veltaa sekä FDMA:n, TDMA:n että CDMA:n yhteydessä. Edelleen sitä voidaan käyttää myös moniasteisessa vastaanotti-messa jonain myöhempänä asteena. Esimerkiksi CDMA:n yhteydessä voi ensimmäisenä asteena olla tavanomainen hajo-5 tuskoodeihin sovitetuilla suodattimilla toteutettu vas-taanotinaste, jonka ulostulosignaalia keksinnön mukainen vastaanotinaste käsittelee. Suuri laskentamäärä, joka liittyy tunnettuihin menetelmiin, voidaan keksinnön mukaisessa ratkaisussa välttää rajoittamalla estimointi joi-10 hinkin valittuihin aliavaruuksiin menettämättä kuitenkaan tärkeää informaatiota. Edelleen menetelmä mahdollistaa myös sen, että moniasteisessa ilmaisimessa ei tarvitse olla korrelaattoria häiritseville käyttäjille.

Keksinnön mukaisessa ratkaisussa hyödynnetään siis 15 ns. projektiohakumenetelmää, jota voidaan käyttää signaalin prosessointiin tarvittavien ideaalisten suodattimien etsimiseen. Projektiohaku soveltaa yleistä projektioindek-siä eli kustannusfunktiota, jonka avulla haetaan signaalin tärkeimmät ominaisuudet kertova aliavaruus. Menetelmän mu-20 kaisesti vastaanotin edelleen hakee joukon aliavaruuksia, jotka yhdessä keräävät informaatiota aika- tai koodikorre-: ; loidusta signaalista ja jota informaatiota käytetään il- maisussa hyväksi. Projektiohakumenetelmä on sinänsä tun- .·. : nettu tilastotieteestä, ja sitä on kuvattu esimerkiksi '.25 julkaisussa P. Huber: Projection Pursuit, Annals of Sta- . tistics, Voi. 13, No. 2, pp. 435-475, 1985, joka otetaan • · ♦ tähän viitteeksi. Keksinnön mukaisessa menetelmässä pro- • · · *·* * jektiohakua kuitenkin sovelletaan uudella tavalla tieto liikennesovelluksessa, jossa menetelmän avulla signaalin • ♦ • *··30 epälineaariset piirteet voidaan havaita.

Kuvioiden selitys

Seuraavassa keksintöä selitetään tarkemmin viitaten • · • · · oheisten piirustusten mukaisiin esimerkkeihin, joissa kuvio 1 esittää solukkoradiojärjestelmää, jossa kek- ,/:35 sinnön mukaista menetelmää voidaan soveltaa, 5 100150 kuvio 2 havainnollistaa esimerkkiä keksinnön erään toteutusmuodon toteuttavan vastaanottimen rakenteesta, kuvio 3 havainnollistaa BPSK-signaalijoukon proji-sointia x-akselille ja 5 kuvio 4 havainnollistaa esimerkkiä projektiohaun to teutuksesta .

Edullisten toimintamuotojen kuvaus

Kuviossa 1 havainnollistetaan esimerkinomaisesti tyypillistä solukkoradiojärjestelmää, jossa keksinnön mu-10 kaista vastaanottomenetelmää voidaan soveltaa. Tässä käytetään esimerkkinä CDMA-järjestelmää, mutta keksintöä voidaan soveltaa muidenkin monikäyttömenetelmien yhteydessä, kuten alan ammattimiehelle on selvää.

Järjestelmä käsittää tukiaseman 100, sekä joukon 15 tilaajapäätelaitteita 102 - 106, jotka ovat yhteydessä 108 112 tukiasemaan. CDMA-järjestelmän ollessa kyseessä kaikki päätelaitteet 102 - 106 ovat yhteydessä tukiasemaan 100 samaa taajuuskaistaa käyttäen. Päätelaitteiden lähetykset erotetaan toisistaan valesatunnaisella hajotuskoo-20 dilla. Vaikka eri yhteyksillä käytettävät hajotuskoodit pyritään valitsemaan siten, että ne eivät ideaalisesti ; j korreloi keskenään, eli eivät häiritse toisiaan, käytän- : . nössä vastaanotettaessa haluttua signaalia toiset yhteydet . näkyvät monikäyttöhäiriönä. Häiriöt voivat tulla joko sa- ‘.25 masta tai ympäröivistä soluista. Keksinnön mukaista menetelmää voidaan soveltaa sekä tukiaseman että päätelaitteen • · · *···' vastaanottimessa.

• ·· V * Seuraavassa kuvataan aluksi esimerkinomaisesti eräs tä asynkronista CDMA-järjestelmää, jossa keksinnön mukais-:\.30 ta menetelmää voidaan soveltaa. Keksintö soveltuu sovel- :*·*: lettavaksi vastaavasti myös synkronisessa järjestelmässä, kuten on selvää alan ammattimiehelle.

• · * ** Oletetaan, että asynkronisessa BPSK CDMA-järjestel- '··' mässä on K käyttäjää, josta jokaiselle on annettu hajo- ••35 tusaaltomuoto 6 100150

N

s,(t) = Es;»n, (t-JTC) .7 = 1 missä ic:nnen käyttäjän hajotusaaltomuodon j: s chippi eli bitti saadaan 5

Stui e {-1,1}, k = l, . . .,K.

Yllä Tc on chipin pituus ja N hajotusaaltomuodon chippien lukumäärä. Käyttäjän hajotuskoodille ei aseteta mitään 10 rajoituksia. Käyttäjät lähettävät informaation moduloimalla hajotusaaltomuotoja datasymboleilla b[kn e A, missä A on symboliaakkosto, BPSK:n tapauksessa {-1,1}. CDMA:ssa kaikki käyttäjät lähettävät siis samalla taajuudella samaan aikaan. Vastaanottimen tehtävänä on täten demoduloida sum- 15 mattu signaali r(t) = Σ Σ ^ sk(t-iT) + n (t) , missä n(t) edustaa valkoista Gaussin kohinaa, jolla teho- 20 spektritiheys N0/2, 2P+1 merkitsee datapaketin pituutta, hk(t) merkitsee k:nnen käyttäjän fyysisen kanavan impulssi- . : vastetta, Ek tarkoittaa krnnen käyttäjän lähetysvoimakkuut- ta. Symboli 1 tarkoittaa konvoluutiota. Signaali etenee *. . monitiekanavan läpi, ja kanavan impulssivastetta hk(t) voi- « · ' 125 daan kuvata kaavalla · · i-0 • · ♦ « missä /c:nnen käyttäjän I: s kanavakerroin eli kanavatappi :1\.30 on hkrl e C ja τ vastaava viive. Kun kerroin on ajan mukai- sesti vaihteleva Rayleigh-jakautuneesti, kanavaa kutsutaan ,/ Rayleigh-kanavaksi. Kun hkΛ on vakio, niin kanavaa kutsu- • · • " taan Gauss-kanavaksi (olettaen, että kohina n(t) on Gaus- sin kohinaa).

••35 Vastaanotin vastaanottaa signaalin r(t), ja korreloi I · t · • < 4 7 100150 signaalia vastaanotinsuodattimella wt(l), eli 5 missä T merkitsee symboli-intervallin pituutta. CDMA:ssa tyypillisesti suodatin on sovitettu lähetettyyn aaltomuotoon, eli wk s sk.

Jotta vastaanotetusta signaalista voitaisiin muodostaa matriisimalli, kootaan k:nnen käyttäjän sovitettujen 10 suodattimien ulostulot vektoriin 7 (i) _ / _ (i) 7 {i))

Zk 1 Zk, 1 ' * * * > Zk, 1 > · kaikkien K:n käyttäjän suodattimien ulostulot vektoriin z!i) = (z^1, . . ., zAUl) , ja lopulta sovitettujen suodattimien ulostulosekvenssit 15 vektoriin z = (z -p, . . ., z p) 7 .

Amplitudia, joka liittyy i:nteen symboliin krnnen käyttäjän l:nnessä polussa, merkitään symbolilla aj/j . Amplitudien 20 a N -y^.i oletetaan olevan vakiot symboliaikavälin aikana, ja . .· = dkfl{t) , iT< t < {i+1) T.

.\ Kootaan k:nnen käyttäjän kanavakertoimien amplitudit ♦ · « • ; i:nnellä aikaintervallilla muotoon i25 <} = » · . Määritellään vielä kaikkien K:n käyttäjän vastaanotettujen • · · ·“* signaalien amplitudien matriisi {.: : A{i) = diag (a{i!, . . .,α^1) .

Korrelaatio k:nnen käyttäjän l:nnen monitie-edenneen ·♦ • *..30 signaalikomponentin ja k': nnen käyttäjän l':nnen monitie- edenneen signaalikomponentin välillä saadaan kaavasta ·· 00 lOi.i' = / "klt-'k.i' s'kAt-xk,rll + nT)dt.

·:·35 Kokoamalla nämä termit matriiseihin 8 100150 D ( M ) D ( n )

*1.1 - *1 ,K

R(nl = ··. I

p ( n I p l n I

K, 1 ΛΚ, K

5 ja p(0) Rl2N) RN = ; - : pt-2 N) p(0| 10 voimme esittää vastaanotetun signaalin muodossa z = RAb + n, 15 missä R = RN, A = diag (A(~2N|, . . . ,A(2N)) ja b = (b('P1, . . ., biP|)T, jossa bu> = {b,[ 1) 1 T, . . ., b\l 11 T) . Tässä 1 = (1,...,1)1 on L- vektori. Kohinan oletetaan olevan Gaussin kohinaa kova-rianssilla R.

Vastaanotetun signaalin parametrit, kuten viiveet ja 20 amplitudit estimoidaan vastaanottimessa, ja olettaen signaalin edenneen Gaussin kanavassa tunnetun tekniikan mu-; ] kaiset parametriset ilmaisimet, kuten ML (Maximum Likeli- ; . _ hood)-ilmaisin ratkaisee yhtälön • 25 bopt = arg min ||z - Rab||2c/ * ; b | 1 ·

Hl missä ||y||2c = yHCy ja C on painomatriisi. Tässä yhteydessä *·! ·* C = (R+52A)''.

Yllä kuvattujen kaavojen mukaisesti tunnetun teknii- ·· :230 kan mukainen vastaanotin ilmaisee halutun signaalin häi-··· ϊ riösignaalien joukosta, mikäli laskentakuorma ei kasva liian suureksi tai mikäli signaalin malli on tunnettu.

2 • ·· *... Keksinnön mukainen menetelmä soveltuu erityisesti käytet- 'C täväksi silloin, kun malli tunnetaan vain osittain (jokin ,.";'35 R:n alimatriisi) tai jos kohina ei ole Gauss-jakautunutta 9 100150 kohinaa.

Tarkastellaan seuraavaksi keksinnön mukaista adaptiivista menetelmää. Todettakoon, että melkein kaikki vastaanottimet ovat jossakin mitassa adaptiivisia. Erilaiset 5 adaptiiviset ominaisuudet määräytyvät sen mukaan, mitä tietoja vastaanotin olettaa tietävänsä signaalista etukäteen, mitä sen tulee oppia vastaanotetusta signaalista, ja mitä se tekee oppimillaan tiedoilla. Keksinnön mukainen ratkaisu nojautuu siihen, että tilastollinen päätösteoria 10 perustuu kriteeriin, joka on riippuvainen signaalin toden-näköisyystiheysfunktiosta. Jos vastaanotin tuntee tiheys-funktion, se pystyy tekemään optimaalisen päätöksen esimerkiksi ML-, MAP (Maximum A Posteriori)- tai yleisen Bayes-kriteerin mukaan. Keksinnön eräs olennainen piirre 15 on, että todennäköisyystiheydet estimoidaan suoraan vastaanotetusta signaalista.

Projektiohakumenetelmässä vastaanotettua signaalia prosessoidaan yhdellä tai useammalla moniulotteisella suodattimena, ja vastaanotin etsii adaptiivisesti vastaan-20 otettavalle signaalille suodatinfunktiot kustannusfunktion avulla, joka erottaa signaalista epälineaariset piirteet, esimerkiksi ei-gaussimaiset piirteet tai kasautumat. Vas-: , taanotin koostuu tyypillisesti useasta asteesta, jossa . kukin aste voi suorittaa dimension pienennystä ja signaa- ' :25 Iin ilmaisua. Ilmaisin voidaan toteuttaa usealla eri tavalla, esimerkiksi ei-parametrisen tiheysestimoinnin avul- | · · .!·* la. Ei-parametrinen menetelmä voidaan toteuttaa tehokkaas- ·«· V · ti Fourier-muunnosta (FFT) hyväksikäyttäen.

Kuviossa 2 havainnollistetaan keksinnön mukaisen me- :*\.30 netelmän toteuttavan vastaanottimen etupään yksinkertais- .*;*· tettua rakennetta lohkokaavion avulla. Antenniin 200 on ..· toiminnallisesti kytketty muunninvälineet 202, radiotaa- • · * ** juusvälineiden välityksellä { ei kuvassa). Vastaanotettu *··' signaali 216 viedään muuntimelle 202, joka muuntaa signaa- ·:·35 Iin digitaaliseen muotoon ottamalla siitä näytteitä halu- 10 100150 tulla näytteenottotaajuudella. Näytteistetty signaali 210 viedään muistielementtiin 204. Näytteet luetaan muistiele-mentistä 204 ja viedään signaalikäsittelyprosessorille 206, joka suorittaa näytteille jonkin lineaarisen muunnok-5 sen, esimerkiksi permutaation, lomituksen alustavan dimension pienennyksen tai dekoodauksen. Permutaatio voi olla esimerkiksi lähetysvaiheessa suoritetun permutaation inversio. Prosessointivälineiltä 206 voidaan näytteitä ottaa ulos halutussa tahdissa. Dimension pienennys voidaan to-10 teuttaa siten, että prosessointivälineiden ulostulonopeus on pienempi kuin sisäänmenonopeus. Muistielementti 204 ja prosessointivälineet 206 eivät kuitenkaan ole välttämättömiä ja keksinnön mukainen ratkaisu voidaan toteuttaa myös ilman niitä.

15 Prosessointivälineiltä 206 signaali 214 viedään pro- jektiohakuvälineille 208, joka prosessoi, ilmaisee ja estimoi yksittäiset symbolit ja parametrit joko parametri-sesti tai ei-parametrisesti tai näiden yhdistelmällä. Ei-parametrisellä estimoinnilla tarkoitetaan tässä menetel-20 mää, jossa signaalin mallista, häiriölähteestä tai tiheys-estimaatista ei tehdä alustavaa arvausta. Jälkimmäinen ; ] tapa on tehoton suurilla dimensioilla, joten aliavaruuses- ; , timointia käytetään dimension pienentämiseen. Keksinnön ,·, ; mukainen vastaanotin käsittää luonnollisesti myös muita 125 komponentteja, kuten suodattimia, kuten alan ammattimie- « * . helle on selvää. Selvyyden takia niitä ei tässä kuitenkaan I . .

·|·* käsitellä keksinnön kannalta epäoleellisina komponenttei- : na.

Olkoon {Pm}, m= Ι,.,.,Μ joukko projektio-operaatto- • '••30 reita aliavaruuteen {Lm e C'*'"}, m=l,...,M, d=l,...,D ja d dimensio. Tässä aliavaruudet voivat olla eri dimensioisia ♦ ja ne voidaan implementoida joukolla £d„ suodattimia, jotka • · · voivat olla adaptiivisia tai kiinteitä. Menetelmää voidaan ·;· kuvata seuraavin askelin: i * · 11 100150 • Etsitään annetusta vastaanotetusta signaalista joukko alhaisen dimension aliavaruuksia käyttäen sopivaa kriteeriä tai kustannusfunktiota.

• Estimoidaan signaalin r* tunnusluvut alhaisen dimen- 5 sion avaruudessa (tiheys tai tiheyden tunnusluvut).

• Poistetaan informaatio alhaisen dimension avaruudessa (käyttäen aiemmin estimoituja funktioita ja/tai signaalin muunnosparametrejä) jolloin saadaan prosessoitu signaali ri+1.

10 · Yhdistetään aiempien dimensioiden ja vastaanotinas- teiden tunnusluvut.

• Mennään takaisin toiseen askeleeseen.

Olennaista on siis alhaisen dimension aliavaruuden 15 L löytäminen. Keksinnön mukaisessa projektiohakumenetel-mässä käytetään kustannusfunktiota, joka paljastaa informaatiossa olevat epälineaariset piirteet. Tyypillisiä epälineaarisia piirteitä ( eli ei-gaussityyppisiä signaaleita) muodostuu esimerkiksi moduloituun dataan. Esimerkiksi, 20 kun BPSK-signaalijoukko projisoidaan x-akselille, muodos tuu kasautunut datajoukko, koska se on yhdistelmä kahdesta ; Gauss-jakautuneesta jakautumasta, joilla on poikkeavat ; , _ keskiarvot. Tätä havainnollistaa kuvio 3. Sama periaate ·. ·, pätee korkeammissakin dimensioissa. Tietoliikennesovelluk- _ | 25 sessa korkeampia dimensioita syntyy, kun data hajoaa esi- . merkiksi ajassa kanavan impulssivasteen mukaisesti tai | « · **;* symbolitasossa (kuten CDMA:ssa).

| · · ·* * Projektiohaku mahdollistaa menetelmän kerätä infor maatiota monidimensioisesta signaalista etsimällä signaa- * · • '••30 Iin ominaispiirteet ja yhdistämällä ne tehokkaasti. Omi- naispiirteet löydetään suodattimien avulla, jotka suodatti timet optimoidaan adaptiivisesti käyttäen erilaisia kus- « · · *,,, tannusfunktioita kuin yleisesti käytetään tietoliiken- ‘ i · ·;·' nesovelluksissa.

;:'35 Kustannusfunktio on määriteltävä siten, että signaa- i * 12 100150

Iin kiintoisat piirteet saadaan esille. On kaksi periaatteellista tapaa valita kustannusfunktio: tiheyden tilastolliset ominaisuudet (esimerkiksi momentit, kumulatiivit) tai tiheysestimaatti sellaisenaan. Tiheyttä voidaan puo-5 lestaan estimoida tunnusluvuista tai tunnuslukujen funktioista parametrisella tiheysestimoinnilla tai näytteistä suoraan ei-parametrisella tiheysestimoinnilla.

Useita tiheyksien välisiä etäisyysmittoja voidaan käyttää kustannusfunktioina. Eräs mitta on ns. F-diver-10 genssi. F-divergenssiä voidaan käyttää kustannusfunktiona adaptiivisessa projektiohakuvastaanottimessa.

Esimerkiksi jos f(u) = ulog(u), niin

Fuiogu = fp1loq(El)dK, 15 missä ρτ ja p2 ovat tiheyksiä, jolloin F-divergenssi on sama kuin Kullback-Leibler -etäisyys.

Toisena esimerkkinä jos f (u) = |l-u1/p|p, niin 20 Hp = f |Pj1/p - p.i'T’dA, ' jolloin F-divergenssi on sama kuin Hellinger-etäisyys,

Myös muita mittoja voidaan käyttää kustannusfunktio-'· . na riippuen niistä piirteistä, joita signaalista halutaan ' ‘25 selvittää. Muita mittoja kuvattu esimerkiksi aiemmin mai- * « »· · nitussa P. Huberin julkaisussa.

| « « ·*»* Jos tarkastellaan erityisesti CDMA-järjestelmää sekä V : monenkäyttäjän ilmaisua, niin signaalin ei-gaussimaiset piirteet on nähtävissä esimerkiksi jäännössignaalista, Γ\.30 josta on poistettu tunnetun häiriön vaikutus. Tuntematto-?'«**. man häiriön vaikutus voidaan estimoida sopivan kustannus- funktion avulla häiriön aiheuttaman epälineaarisuuden pe- • *·· ·,,, rusteella. Häiriönpoistoa voidaan siis suorittaa ilman, ·;·’ että häiriöbittejä tarvitsee ilmaista.

:35 Tarkastellaan vielä keksinnön mukaista projektioha- i > > 13 100150 kumenetelmää toisen esimerkin avulla. Olkoon haluttu ali-avaruus Lmax ja vastaava projektiomatriisi P max Edelleen oletetaan, että M näytettä on talletettu matriisiin Z = (zm, . . ., z(M1) . m on ns. ydin, eli todennäköisyystiheysfunk-5 tio. Jotta aliavaruus voitaisiin määritellä, täytyy ensin määritellä kustannusfunktio Q(.) joka etsii halutut piirteet. Epälineaarisuuksien ollessa kyseessä kustannusfunktion Q on oltava epävariantti affiineille kuvauksille, Q, (AZ+m) = Qa (Z). Af fiinillä kuvauksella tarkoitetaan yhden 10 tai useamman yhdensuuntaisprojektion yhteistulosta. Tämä kustannusfunktioluokka voi etsiä korkeamman asteen piirteitä datasta. Kustannusfunktiot, jotka tyydyttävät yhtälön Q, (AZ+m) = AQ2(Z)+m ovat soveliaita etsimään ensimmäisen asteen informaatiota (keskiarvo, sijainti), ja ne 15 funktiot, jotka tyydyttävät yhtälön Q, (AZ+m) = AQ3(Z) ovat herkkiä toisen asteen informaatiolle (kovarianssi).

Tarkastellaan esimerkkialgoritmia projektiohaun käytöstä. Merkitään Z(0)=Z ja Q(.)s Q,. f on tuntematon d-di-mensioinen todennäköisyystiheysfunktio, 20 1) Aseta Z(i+1) = Valkoistettu(Z(i)).

2) Ratkaise Pmax (i ) = argmaxpQ (PZ (i + 1) ) .

3) Aseta Y (i+1) = PmaxZ(i+l).

’ , 4) Päivitä mallia fi+1 = fihi+1 (Y (i+1) ) .

« ;25 5) Generoi näyte uudesta mallista Z(i + 1) ~ fi+J.

* ' 6) Mene askeleeseen 1.

• « · « · » l«« ··· ! Ensimmäinen askel on optionaalinen eikä vaikuta va litun kustannusfunktioluokan optimisaatioon. Valkaisun :\,30 etuna on se, että sen jälkeen marginaalisilla tiheyksillä ,'J·. on varianssi 1 ja ainoastaan korkeamman asteen informaatio jää dataan. Tämä on hyödyllistä toteutettaessa laskennal-f ** lisesti askelta 2. Askeleet 1 ja 5 voidaan toteuttaa i i t usealla eri tavalla. Voidaan käyttää esimerkiksi Monte t :,35 Carlo -näyte uudesta mallista kuten analyyttisessa projek- 14 100150 tiohaussa tai uusi näyte voidaan ottaa käyttäen epälineaarista muunnosta. Häiriönpoisto moniasteisessa ilmaisimessa on eräs epälineaarinen menetelmä datan saattamiseksi gaus-simaiseksi. Häiriönpoiston jäännössignaali z-RAb(m) on 5 gaussimainen nolla keskiarvolla, jos häiriönpoisto on onnistunut .

Projektiohaulla voidaan etsiä moniulotteisesta datasta sellainen projektiotaso, jossa signaali on ei-gaus-simainen ja kyseisessä aliavaruudessa voidaan saattaa data 10 gaussimaisemmaksi päätöstakaisinkytkennällä, kuten häi-riönpoistossa, Monte Carlo-menetelmällä tai epälineaarisella muunnoksella. Tätä on selostettu esimerkiksi julkaisussa J. Friedman: Exploratory projection pursuit, J. American Statistical Assosiation, Voi. 82, no. 397, pp. 15 249-266, March 1987.

Tarkastellaan ylläkuvatun algoritmin toteutusta vas-taanottimessa kuvion 4 lohkokaavion avulla. Kuviossa on esitetty kuinka signaali viedään projektiohaun ensimmäisessä asteessa 400 ensin adaptiiviselle suodattimelle 402, 20 joka voi olla esimerkiksi rake-tekniikalla toteutettu. Suodattimesta signaali viedään prosessorille 404, jossa • ' suoritetaan signaalin valkaisu. Valkaistu signaali viedään : prosessorille 406, joka etsii epälineaarisia piirteitä, · eli laskee Pmax:n. Seuraavaksi päivitetään tiheysestimaattia 25 prosessorissa 408 ja generoidaan näyte uudesta mallista . .·. prosessorissa 410. Näin saatu näyte z(l) viedään toiseen • · · asteeseen 402, jossa proseduuri toistuu ja saadaan uusi • · · • näyte z{2) jne. Yllä mainitut prosessorit voidaan luonnollisesti käytännössä korvata yhdellä signaaliprosessorilla, • · • ”30 johon tarvittava algoritmi on tallennettu. Yllä mainittu • · · V * valkaisu lohkossa 404 ei ole keksinnön kannalta välttämä- •\t tön. Tiheysfunktion estimaattia korjataan datan z(0), t .···. z(l),..,z(n) perusteella.

·’ Ilmaisussahan on yleisesti kyse käyttäjän bittien • 35 tunnistamisesta vastaanotetusta signaalista ulkopuolisten 15 100150 häiriöiden joukosta. Ilmaisu perustuu signaaliin z ja estimoituun tiheyteen peräkkäisistä sekvensseistä z,,...,zM. Kun tiheydet on estimoitu, käytetään ilmaisussa optimaalista Bayes-sääntöä.

5 Vaikka keksintöä on edellä selostettu viitaten oheisten piirustusten mukaisiin esimerkkeihin, on selvää, ettei keksintö ole rajoittunut siihen, vaan sitä voidaan muunnella monin tavoin oheisten patenttivaatimusten esittämän keksinnöllisen ajatuksen puitteissa.

« • · · • · · • ·· • m · • · · • · · • · • · • · · • · « « · · • 1 · · • · * · · «

Claims (13)

100150 Patenttivaatimukset :

1. Vastaanottomenetelmä, jossa vastaanotettu signaali käsittää useita summautuneita signaalikomponentteja, 5 joista ainakin jotkut komponentit ovat tuntemattomia, ja josta vastaanotetusta signaalista otetaan näytteitä, jotka näytteet muodostavat informaatiovektorin, ja jossa vastaanotettuja signaaleja estimoidaan yhdellä tai useammalla moniulotteisella suodattimena (208) , tunnettu 10 siitä, että signaalin suodatus tapahtuu adaptiivisesti muodostamalla vastaanotetulle signaalille malli signaalin epälineaarisuuksia kuvaavan kustannusfunktion avulla, jolla suodatinfunktio optimoidaan, ja että 15 datan ilmaisu suoritetaan optimoitujen suodatinfunk tioiden avulla siten, että ennen ilmaisua informaatiovektorin dimensio pienenee.

2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että tiedonsiirrossa käytetään koodija- 20 komonikäyttöä ja että moniulotteisen suodattimen alkuarvot lasketaan kullakin yhteydellä käytettyjen hajotuskoodeihin • sovitettujen suodattimien avulla.

3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että ennen suodatusta signaalin ..,.25 tunnetulle osalle suoritetaan parametrinen ilmaisu ja että • · tämä informaatio vähennetään vastaanotetusta signaalista. • i

· !!! 4. Patenttivaatimuksen 3 mukainen menetelmä, t u n - • * i * n e t t u siitä, että parametrinen ilmaisu käsittää de-korreloivan ilmaisun. • · : '*30

5. Patenttivaatimuksen 1 mukainen menetelmä, t u n - t · f V · n e t t u siitä, että kustannusfunktio erottaa signaalis- ta ei-gaussimaisia piirteitä.

• · · "· 6. Patenttivaatimuksen 1 mukainen menetelmä, tun nettu siitä, että signaalin mallin avulla estimoidaan 35 ainakin yhden haluttua signaalia häiritsevän signaalin 100150 tiheysfunktio ja että tiheysfunktion estimointi tapahtuu suodatinfunktioiden määräämillä aliavaruuksilla ja että ilmaisin yhdistää aliavaruuksien tiheysfunktiot.

7. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, 5 tunnettu siitä, että ennen moniulotteista suodatusta signaalille suoritetaan lineaarinen muunnos.

8. Patenttivaatimuksen 7 mukainen menetelmä, tunnettu siitä, että lineaarinen muunnos käsittää sig-naalinäytteiden tallettamisen muistielementtiin (204) ja 10 näytteiden lukemisen muistielementistä tallennuksesta poikkeavassa järjestyksessä.

9. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että moniulotteiselle datalle etsitään kustannusfunktion avulla sellainen aliavaruus, jossa data 15 on ei-gaussimaista, ja että kyseisessä aliavaruudessa datan jakauma gaussimaistetaan.

10. Vastaanotin järjestelmässä, jossa vastaanotetut signaalit käsittävät useita summautuneita signaalikom-ponentteja, joista ainakin jotkut komponentit ovat tunte- 20 mattomia, ja joka vastaanotin käsittää välineet (202) ottaa vastaanotetusta signaalista näytteitä ja muodostaa • ·' näytteistä informaatiovektori, ja välineet (208) estimoida • 1 2 3 · vastaanotettuja signaaleja yhdellä tai useammalla mo- :1· ; niulotteisella suodattimena, tunnettu siitä, että ·. )25 vastaanotin käsittää . .·. välineet (208) muodostaa vastaanotetulle signaalille • « « malli signaalin epälineaarisuuksia kuvaavan kustannusfunk- • · · tion avulla, ja optimoida suodatinfunktio, ja .. välineet (208) suorittaa datan ilmaisu optimoitujen • · "30 suodatinfunktioiden avulla siten, että ennen ilmaisua in-«·· 9 2 • · · 3 formaatiovektorin dimensio pienenee.

11. Patenttivaatimuksen 10 mukainen vastaanotin, tunnettu siitä, että vastaanotin käsittää välineet ·, (402) suorittaa signaalille adaptiivinen suodatus, väli- ·;;; 35 neet (404) valkaista suodatettu signaali, välineet (406) 100150 etsiä signaalista epälineaarisuudet, välineet (408) laskea ja päivittää tiheysestimaattia ja välineet (410) generoida uusi näyte päivitetyn tiheysestimaatin avulla.

12. Patenttivaatimuksen 10 mukainen vastaanotin, 5 tunnettu siitä, että vastaanotin käsittää välineet (204,206) suorittaa näytteistetylle signaalille (210) lineaarinen muunnos ennen moniulotteista suodatusta (208).

13. Patenttivaatimuksen 10 mukainen vastaanotin, tunnettu siitä, että välineet (208) käsittävät yhden tai useamman estimointiasteen (400,402). • · • · · • · · • ·· • · · • · · i i · * • ♦ • · • · · • · · I » * • · * • · • · • · · » « « 100150