MXPA05000707A - Metodo y aparato para la ecualizacion de retroalimentacion de decision hibrida. - Google Patents

Abstract

Un metodo y aparato para un ecualizador de retroalimentacion de decision, un donde se emplea un termino de correccion para compensar los errores del fraccionador, evitando asi la propagacion de los errores; se seleccionan coeficientes de filtro para el ecualizador para reducir al minimo una funcion de costo para el ecualizador, incluyendo un termino de correccion como una funcion de la energia de los coeficientes de filtro; el ecualizador incluye un generador de coeficientes que responden al termino de correccion; una modalidad calcula un simbolo transmitido desde una muestra recibida como una funcion de Relacion Senal-a-Interferencia y Ruido (SINR) de la muestra recibida; la muestra recibida se cuantifica y mapea a una region de un rejilla que yace sobre la constelacion del simbolo transmitido; la region puede corresponder a un valor calculado del simbolo o se puede procesar adicionalmente para obtener un valor calculado del simbolo.

Description

METODO Y APARATO PARA LA ECUALIZACION DE RETROALIMENTACION DE DECISION HIBRIDA CAMPO DE LA INVENCION La presente invención se refiere generalmente a la ecualización de una señal recibida, y muy específicamente a la ecualización de r etroalimentacion de decisión híbrida.

ANTECEDENTES DE LA INVENCION La transmisión de información digital típicamente emplea un modulador que mapea la información digital en formas de onda análogas. El mapeo generalmente se realiza en bloques de bits contenidos en la secuencia de información que se va a transmitir. Las formas de onda pueden diferir en amplitud, fase, frecuencia o una combinación de las mismas. La información se transmite entonces como la forma de onda correspondiente. El procedimiento de mapeo del dominio digital al dominio análogo se conoce como modulación. En un sistema de comunicación inalámbrico, la señal modulada se transmite sobre un canal de radio. Después un receptor desmodula la señal recibida para extraer la secuencia de información digital original. En el receptor, la señal transmitida está sujeta a distorsiones lineales introducidas por el canal, asi como a ruido aditivo externo e interferencia. Las características del canal generalmente varían en tiempo y, por lo tanto, el receptor no tiene conocimiento de ellas con anticipación. Los receptores compensan la distorsión y la interferencia introducidas por el canal en una variedad de formas. Un método para compensar la distorsión y reducir la interferencia en la señal recibida emplea un ecualizador. La ecualización generalmente abarca métodos empleados para reducir los efectos de la distorsión en un canal de comunicación. Desde la señal recibida, un ecualizador genera cálculos de la información digital original. Los métodos de ecualización actuales se basan en las suposiciones consideradas para la señal recibida. Dichas suposiciones generalmente no son correctas en una variedad de escenarios de codificación, modulación y transmisión y, por lo tanto, estos ecualizadores no funcionan bien bajo muchas condiciones. Adicionalmente , los ecualizadores actuales que emplean la retroalimen ación de decisión con frecuencia sufren de efectos de propagación de error que amplifican el efecto de los errores de decisión aislada. Adicionalmente, el proceso de ret roalimentación de decisión involucra decisiones difíciles respecto a cada símbolo y no considera la probabilidad de que una decisión de símbolo sea correcta. Por lo tanto, existe la necesidad en la técnica de un método de ecualización que reduzca la distorsión lineal en una señal recibida sobre una variedad de condiciones operativas. Adicionalmente todavía, existe la necesidad de reducir la propagación de errores en un ecualizador de retroalimentación de decisión. Adicionalmente, existe la necesidad de proveer una medida de probabilidad para el procedimiento de retroalimentación de decisión.

BREVE DESCRIPCION DE LAS FIGURAS La figura 1A es un diagrama en bloques de componentes en un sistema de comunicación. La figura IB es una porción detallada del sistema de comunicación, tal como en la figura 1A.

La figura 2 es un modelo conceptual de un ecualizador de retroaliment ación de decisión dentro de un sistema de comunicación. La figura 3 es un diagrama en bloques de un ecualizador de ret roalimentación de decisión, tal como en la figura 2. La figura 4 es un modelo matemático de un fraccionador de nivel. La figura 5 es un algoritmo para optimizar los coeficientes del filtro en un ecualizador de retroalimentación de decisión. La figura 6 es un algoritmo de filtrado adaptivo de Media Cuadrática Mínima para optimizar los coeficientes del filtro en un ecualizador de retroalimentación de decisión. La figura 7 es un algoritmo de filtrado adaptivo de Media Cuadrática Mínima para optimizar los coeficientes del filtro en un ecualizador de retroalimentación de decisión para un sistema que emplea una señal piloto de ráfaga periódica. La figura 8A es una constelación que mapea para la manipulación por desviación de 8 fases (PSK) . La figura 8B ilustra las regiones de rejilla que se utilizan para las decisiones del fraccionador suave, tal como yacen sobre el mapeo de constelación de la figura 8B. La figura 9A es un mapeo de constelación para un caso de manipulación por desviación de fase binaria (BPSK) ó 2-PSK. La figura 9B ilustra las regiones de rejilla que se utilizan para las decisiones del fraccionador suave, tal como yacen sobre el mapeo de constelación de la figura 9A. La figura 10 es un ecualizador de retroalimentación de decisión que implementa un proceso de decisión de "fraccionamiento suave" La figura 11 es un procedimiento para un proceso de decisión de "fraccionamiento suave". La figura 12 es un procedimiento para un proceso de decisión de "fraccionamiento suave" que aplica el cálculo de la serie de Taylor. La figura 13 es un diagrama en bloques de un "fraccionador suave". La figura 14 es un diagrama en bloques de un "fraccionador suave" que aplica un cálculo de la serie de Taylor.

DESCRIPCION DETALLADA DE LA INVENCION En la presente invención, la palabra "ejemplar" se utiliza para "servir como un ejemplo, caso o ilustración'". Cualquier modalidad que se describa en la presente invención como "ejemplar" no necesariamente se interpretará como preferida o mejor sobre las otras modalidades. La figura 1A ilustra una porción de los componentes de un sistema de comunicación 100. Se pueden incorporar otros bloques y módulos en un sistema de comunicación además de aquellos bloques que se ilustran. Los bits producidos por una fuente (que no se muestra) son encuadrados, codificados y después mapeados a símbolos en una constelación de señalización. La secuencia de dígitos binarios provista por la fuente, se refiere como la secuencia de información. La secuencia de información es codificada por el codificador 102, el cual emite una secuencia de bits. La salida del codificador 102 se provee a la unidad de mapeo 104, la cual sirve como la interfaz para el canal de comunicación. La unidad de mapeo 104 mapea la secuencia de la salida del codificador en símbolos y(n) en una constelación de señalización valorada compleja. El procesamiento de transmisión adicional, incluyendo los bloques de modulación, asi como el canal de comunicación y el procesamiento del receptor análogo, son modelados por la sección 120. La figura IB ilustra algunos de los detalles que se incluyen dentro de la sección 120 de la figura 1A. Como se ilustra en la figura IB, los símbolos complejos y (n) están modulados en un impulso de señal análoga, y la forma de onda de banda base compleja resultante es sinusoidalmente modulada en las ramificaciones de cuadratura de fase y en fase de una señal portadora. La señal análoga resultante es transmitida por una antena RF (que no se muestra) sobre un canal de comunicación. Se puede ejecutar una variedad de esquemas de modulación de esta manera, tal como la Manipulación por Desviación de Fase M-ario (M-PSK) , Modulación de Amplitud de Cuadratura 2M-ario (2MQA ), etc. Cada esquema de modulación tiene una "constelación de señalización" asociada que mapea uno o más bits a un símbolo complejo único. Por ejemplo, en la modulación 4-PSK, dos bits codificados son mapeados en uno de cuatro valores complejos posibles {1, i, -1, -i}. Por lo tanto, cada símbolo complejo y(n) puede asumir cuatro valores posibles. En general, para -PSK, los bits codificados log2M se mapean a uno de M valores complejos posibles que yacen en el círculo de la unidad compleja. Continuando con la figura IB, en el receptor, la forma de onda análoga es sub-convertida, filtrada y muestreada, tal como en un múltiplo adecuado del índice de Nyquist. Las muestras resultantes son procesadas por el ecualizador 110, el cual corrige las distorsiones de señal así como otro ruido e interferencia introducidos por el canal, tal como se muestra en la sección 120. El ecualizador 110 emite los cálculos de los símbolos transmitidos y (n) . Los cálculos del símbolo son entonces procesados por un decodificador para determinar los bits de la información original, es decir, los bits fuente que son la entrada al codificador 102. La combinación de un impulso-fil ro, un modulador I-Q, el canal, y un procesador análogo en el extremo frontal del receptor, tal como se ilustra en las figuras 1A y IB, está modelada por un filtro lineal 106 que tiene una respuesta de impulso {hk} y una z-transformada H(z) , en donde la interferencia y el ruido introducidos por el canal son modelados como Ruido Gaussiano Blanco Aditivo (AWGN) . La figura IB detalla la sección de procesamiento 120, esta incluye una unidad de procesamiento de extremo frontal 122 acoplado a los filtros de banda base 126 y 128 para el procesamiento de los componentes en-fase (I) y de Cuadratura (Q), respectivamente. Cada filtro de banda base 126, 128 se acopla entonces a un multiplicador para la multiplicación con una portadora respectiva. Las formas de onda resultantes se suman en el nodo de suma 134 y se transmiten sobre el canal de comunicación al receptor. En el receptor, una unidad de pre-procesamiento análoga 142 recibe la señal transmitida, la cual es procesada y pasada a un filtro ajustado 144. La salida del filtro ajustado 144 se provee entonces a un convertidor Análogo/Digital (A/D) 146. Se puede observar que se pueden ejecutar otros módulos de acuerdo con los criterios de diseño y de operación. Los componentes y elementos de las figuras 1? y IB se proveen para brindar un entendimiento del siguiente análisis y no se pretende que constituyan una descripción completa de un sistema de comunicación. Como se analizó anteriormente, la secuencia de símbolos transmitidos se identifica como {y(n)j. Para la presente descripción, se debe asumir que los símbolos (y(n) } están normalizados para tener una energía de unidad media, es decir, E\ya\2=l. Si la salida del canal se filtrara y muestreara al índice del símbolo (que puede ser o no el índice de Nyquist), la salida del canal se proporciona como: en donde ?? es el ruido Gaussiano blanco con fluctuación {ES\N0)~X ¦ El ecualizador generalmente se ejecuta como un filtro lineal con coeficientes (fk¡ y se define por una z-trans formada F(z). Se puede decir que yn denota la salida del ecualizador, en donde yn es proporcionado por: donde G (z) =F (z) H (z) (2a) Se puede observar que el segundo término dentro de los corchetes cuadrados, [...], de la ecuación (2) representan la In erferencia Int ersimbólica (ISI) y el ruido. El primer término de la ecuación (2) corresponde a la interferencia asociada con los símbolos anteriores, mientras que el segundo término corresponde a la interferencia asociada con los símbolos futuros. El primer término con frecuencia se conoce como ISI "causal", mientras que el segundo término con frecuencia se conoce como ISI "anti-causal " . Si el diseñador asume que los símbolos pasados se detectan correctamente, se puede eliminar el término ISI causal. En un caso ideal, si el ecualizador tiene conocimiento de los símbolos de la constelación yn-i, Yn~2r K, es decir, los símbolos de la constelación transmitidos antes del tiempo n , cuando se determine el cálculo ynr el ecualizador puede eliminar parte de la interferencia ínter simbólica restando el primer término de [ ... ] de la ecuación (2) . Sin embargo, en sistemas prácticos, el ecualizador únicamente tiene conocimiento de los cálculos de símbolo previamente generados, tales como n_i, ??-?, K. Si la interferencia y el ruido son lo suficientemente pequeños, resulta razonable esperar que las decisiones de símbolo en el cálculo yn producirán el símbolo de constelación transmitido original yn . Un dispositivo que toma dichas decisiones de símbolo se conoce como un wf raccionador" y su operación se denota por s(.)- El receptor podría entonces formar un cálculo del ISI causal utilizando la secuencia de decisiones de símbolo del fraccionador , y podría restar este cálculo de la salida del ecualizador para producir: ?£* (2c: yn-k +?£-*?+*+?7'„ ?g--^«+¿+77'„ (3) suponiendo o(y„-i) s7IÍ-Í. Esta es el principio clave de la Ecualización de Retroalimentación de Decisión, en donde . ISI causal se elimina filtrando causalmente las decisiones de símbolo tomadas por un fraccionador de nivel de símbolo que opera en la salida del ecualizador. La figura 3 ilustra un sistema de comunicación 350 que emplea un Ecualizador de Retroaliment ación de Decisión (DFE) 340. El sistema de comunicación 350 está modelado como que tiene un canal lineal equivalente 352, el cual filtra la secuencia de símbolos yn. El ruido y la interferencia, ??, se agregan en el nodo de suma 354, y la salida, xn, denota las muestras de señal, tal como se reciben después del procesamiento de extremo frontal y. del muestreo en el receptor. Los El DFE 340 procesa xn, y filtra xn para generar el cálculo yn. El DFE 340 está modelado para tener un filtro de alimentación de avance lineal 356 y un filtro de retroalimentación lineal 358. El filtro de alimentación de avance 356 tiene coeficientes de derivación designados como {fk) e incluye la z-transformada F(z) . El DFE 340 también incluye un filtro de ret roaliment ación puramente causal 358 acoplado a un fraccionador 360 formando un bucle de retroalimentación que genera un cálculo del ISI causal. En otras palabras, el filtro de retroalimentación 358 retira esa parte del ISI del cálculo de símbolo presente provocado por los símbolos previamente detectados. El cálculo del ISI causal a partir del filtro de retroalimentación 358 es provisto a un nodo de suma 308 que resta el cálculo del ISI causal de la salida del filtro de alimentación de avance 356. La salida resultante del nodo de suma 308 es la salida del ecualizador yn. La salida del ecualizador yn también es un cálculo del símbolo transmitido yn y se provee al decodificador 364 para determinar la secuencia de información original. El fraccionador 360 procesa la salida del ecualizador a partir del nodo de suma 308 y, en respuesta, toma una decisión en lo que respecta al símbolo original yn. La salida del fraccionador 360 se provee entonces al filtro de retroalimentación puramente causal 358. El filtro de alimentación de avance 356 también se refiere en la presente invención como un Filtro de Avance de Alimentación (FFF) . El filtro de retroalimentación 356, también se refiere en la presente invención como un Filtro de Realimentación (FBF) . En un DFE, la optimización de los coeficientes del filtro, tanto el filtro de alimentación de avance 356 como el filtro de retroalimentación 358, afecta directamente el rendimiento del ecualizador. El dispositivo que realiza esta optimización está diseñado como un Optimizador de Coeficiente 362 en la figura 3. Existe una variedad de métodos disponibles para optimizar los coeficientes de filtro.

Tradicionalmente, los coeficientes del FFF y FBF se optimizan bajo la suposición implícita de que las decisiones de símbolo del fraccionador son perfectamente confiables y que el ISI causal, es decir, la interferencia de los símbolos anteriores, es eliminada perfectamente por el FBF. Bajo esta suposición, los coeficientes de FFF se optimizan para que el término de ruido e interferencia residual en la ecuación (3) sea pequeño. De manera más precisa, la z -t rans formada del FFF, F(z), se optimiza para que yn en la ecuación (3) se aproxime a yn en un sentido de media cuadrática. En la práctica, el FFF y FBF con frecuencia se ejecutan a través de filtros de Respuesta de Impulso Finito (FIR) y durante un periodo de instrucción/preámbulo/adaptación, el FFF y FBF son "entrenados" en símbolos piloto asumiendo el funcionamiento perfecto del fraccionador, es decir, o{yn)=yn- Esto se logra desviando el fraccionador y retroalimentando los símbolos piloto localmente generados (y por lo tanto correctos) , en lugar de decisiones de símbolo piloto seccionadas (por lo tanto, posiblemente erróneas), en el FBF. Se puede ejecutar una variedad de algoritmos para la optimización del coeficiente de filtro durante el periodo de instrucción, incluyendo los algoritmos adaptivos, tales como Media Cuadrática Mínima (LMS), Cuadráticas Mínimas Recursivas (RLS), inversión de matriz directa, así como otros. Una vez que se completa el periodo de instrucción, el fraccionador 360 se acopla y los símbolos de datos seccionados se retroalimentan a través del FBF. Los algoritmos de optimización DFE convencionales introducen una variedad de problemas potenciales. Para los sistemas que emplean codificación resistente, las decisiones del fraccionador con frecuencia tienen un Indice de Error de Símbolo grande (SER). Por ejemplo, un SER del 25% o más resulta común para un sistema que emplea una constelación de tamaño mediano, tal como 16-QAM, y un código turbo de baja velocidad, tal como un índice de 1/3, cuando está operando al 1% del punto de índice de error de paquete. Por otra parte, los coeficientes FFF y FBF del DFE se optimizan convencionalment e bajo la suposición incorrecta de que las decisiones del fraccionador son perfectamente confiables. Adicionalmente, los coeficientes de FFF y FBF se optimizan suponiendo que el ISI causal se remueve perfectamente. Como resultado, el ISI anti-causal se reduce a expensas de un ISI causal mayor. Los algoritmos de optimización DFE convencionales, en términos de las ecuaciones provistas en la presente invención (específicamente, las ecuaciones (l)-(3)), conducen a valores gk, los cuales tienden a ser grandes para k>0, pero pequeños para k<0. Sin embargo, cuando el SER del fraccionador no es insignificante, decisiones de símbolos erróneos infectan el FBF y, por lo tanto, se substraen incorrectamente. Cuando los valores gk para k>0 son grandes, la inte ferencia residual se amplifica, posiblemente - dando como resultado errores adicionales del fraccionador en los símbolos posteriores. Este fenómeno se denomina propagación de errores . Entre los intentos para mitigar la propagación de errores se incluyen los símbolos piloto seccionados de retroalimentación durante la instrucción, en contraposición con la instrucción de FFF y FBF mediante la retroalimentación de las muestras piloto localmente generadas (por lo tanto correctas) . Los símbolos piloto seccionados ocasionalmente están en error, forzando al FFF y FBF a que se ajusten de manera conveniente. Este método no carece de problemas. Los símbolos piloto seccionados y los símbolos de datos seccionados pueden incurrir en índices de error muy diferentes, ya que los símbolos piloto típicamente se transmiten a través de BPSK, es decir, 2-PSK, (u otra constelación más pequeña), pero los símbolos de datos típicamente se transmiten a través de una constelación más grande. Como resultado, el SER de los símbolos piloto y los símbolos de datos puede ser bastante diferente. En este caso, conforme se optimizan los coeficientes FFF y FBF con base en los símbolos piloto seccionados, el efecto de esos coeficientes al momento del procesamiento de los símbolos de datos da como resultado un desempeño sub-opcional . Estos problemas se resuelven optimizando los coeficientes FFF y FBF para considerar los errores provocados por el fraccionador 360 de la figura 3. En otras palabras, el Optimizador de Coeficiente 362 se modifica para reconocer que el ISI causal puede no removerse perfectamente debido a errores del fraccionador. Este enfoque difiere de los métodos anteriores que implícitamente asumen que el fraccionador está libre de errores y, por lo tanto, que el ISI causal se remueve perfectamente. La teoría detrás de una modalidad es modelar la operación del fraccionador mediante un "canal" independiente, idénticamente distribuido (i.i.d.) , etiquetado Q(y\y) . El "canal" se supone independiente del proceso de ruido designado como {??\ en la ecuación (0) , y la secuencia de símbolos transmitida designada como {yn}. Este "canal" está completamente caracterizado por su densidad condicional Q(y\y) , en donde y y y denotan la salida del fraccionador y el símbolo transmitido real,' respectivamente. La suposición de dicho canal es la causa de los errores del símbolo en el FBF. En la práctica, los errores de símbolo ocurren en ráfagas, debido a que un error del fraccionador en el símbolo de corriente implica que los siguientes símbolos pueden tener una probabilidad incrementada de ser seccionados incorrectamente. En el modelo de fraccionador simplificado considerado en la presente invención, los errores del fraccionador se asumen i . i . d . La figura 2 ilustra un modelo conceptual 300 de un sistema de comunicación con un ecualizador de retroalimentación de decisión. Los símbolos que se transmiten a través del canal de comunicación 302 modelados por la función de transferencia H ( z ) están viciados por el ruido aditivo en el nodo de suma 304. La señal resultante es filtrada por FFF 306. ün cálculo del símbolo original transmitido se genera restando un término de error en el nodo de suma 308. El cálculo del símbolo original transmitido está disponible para el decodif i cador 316. El término de error es generado por un Filtro de- Retroalimentación causal 310, con función de transferencia B(z) , que filtra las salidas del "canal" Q(y)y) 314. El término de error generado por el Filtro de Ret roalimentación 310 representa un cálculo del ISI causal presente en la salida del FFF 306. El "canal" Q{y\y) imita el comportamiento estadístico del fraccionador 360 en la figura 3, es decir, la relación estadística entre la entrada y la salida del canal 314 es idéntica a la relación estadística entre el símbolo transmitido yn y la salida correspondiente del fraccionador 360. El optimi zador de coeficiente 320 es responsable de la optimización de los coeficientes del filtro para el FFF 306 y el FBF 330. Se puede observar que la diferencia principal entre la figura 3 y la figura 2 es el reemplazo del fraccionador 360 con el modelo conceptual de "canal" Q(y|y) 314. Como se mencionó anteriormente, el fraccionador se modela en la figura 2 seleccionando "canal" Q(yly) para modelar el comportamiento estadístico de un fraccionador real mientras se ignora la dependencia estadística en tiempo de los errores del fraccionador. Debido a que el fraccionador real opera en la salida del ecualizador, resulta el caso de que la estadística marginal relevante involucra la interferencia residual. Se puede decir que SINR representa la relación Señal-a-Inte ferencia-a-Ruido en la salida del ecualizador, es decir, en la salida del nodo de suma 308 en la figura 2. Suponiendo que el ruido y la interferencia residual en la salida del ecualizador pudiera ser modelada como una variable aleatoria Gaussiana compleja de media cero Z con partes reales e imaginarias independientes, cada una con una variante al, en donde: 2(SINR) (6) Las estadísticas marginales son proporcionadas por el canal equivalente Q(y|y), en donde: Q(y\y) =Pr{ a(y+Z) =y} (7) en donde s() denota una función de fraccionamiento de distancia mínima proporcionada como: ff(j>)^arg min ¡$> -)>f „ (8) y & Y y Z en la ecuación (7) es la variable aleatoria Gaussiana compleja de media cero, modelando la interferencia residual con las propiedades que se describieron anteriormente. La figura 4 ilustra el canal Q(yly) modelado de acuerdo con las suposiciones y ecuaciones provistas anteriormente. Específicamente, la descripción matemática de Q(y|y) 314 en la figura 2 se ilustra como el sistema 380. La entrada al fraccionador 384 se denota por y y está modelada como el símbolo transmitido y, viciado por la interferencia y el ruido aditivo. El ruido y la interferencia son modelados por la variable aleatoria Gaussiana compleja Z. El fraccionador 384 ejecuta una función de f accionamiento de distancia mínima, tal como se describió en la ecuación (8), dando como resultado que la salida del fraccionador se marque como y. Las estadísticas conjuntas que conectan y y y constituyen la descripción matemática completa del modelo para el "canal" Q(yly) . La construcción del canal Q(y\y) r que se ilustra en la figura 4, es novedosa y difiere de los métodos en que el ruido Z puede tener una variación no cero. Métodos anteriores implícitamente asumen que Z es idénticamente igual a cero. Por lo tanto, se supone este modelo para el fraccionador para hacer los errores de decisión, en contraste con métodos anteriores que suponen que el fraccionador está libre de error. Volviendo a la figura 2, ÍQ y bQ denotan los coeficientes FFF y FBF que se seleccionan para reducir al mínimo el error de media cuadrática entre el símbolo transmitido yn (la entrada del canal 302) y el cálculo del símbolo yn (la salida del nodo de suma 308) . En otras palabras, los coeficientes fQ y bQ son la "óptima MSE de Wiener". Por motivos que quedarán más claros posteriormente, estos coeficientes se conocen como los coeficientes "DFE Híbridos de Wiener". Los coeficientes fQ y bQ se pueden determinar mediante una optimización estándar de Wiener-Hopf y · se definen con la siguiente ecuación: RF PQRF,B (4) En donde RF denota la covariante de los contenidos de la FFF, RB denota la covariante de los contenidos de la FBF, RF,B denota la covariante transversal de los contenidos de la FFF y de la FBF, y pF denota la covariante transversal entre los contenidos de la FFF y el símbolo transmitido. Estas covariantes y covariantes transversales dependen del canal lineal 302 descrito por H(z) . Suponiendo que los símbolos en Y, es decir, la constelación de transmisión, se utilizan con igual probabilidad, entonces pQ se define como: Po=^?? [y*y]Q(SMy) en donde /Y/ denota la cardinalidad de Y, es decir, el número de posibles símbolos en la constelación de transmisión. Por lo tanto, para un Q(y\y) determinado y canal con z -tr ans f ormada H(z) , los coeficientes MMSE fQ y bQ se determinan mediante la aplicación de la ecuación (4) y la ecuación (5) . Se debe recordar que Q(y\y) se definió de acuerdo con la ecuación (6) y la ecuación (7) haciendo una hipótesis de un valor de SI R en la salida del ecualizador. La aplicación de la ecuación (4) y la ecuación (5) entonces conduce a los coeficientes MMSE fQ y bQ. Cuando estos valores para los coeficientes FFF y FBF se utilizan en el FFF 306 y el FBF 310 en la figura 2, la SINR resultante en la salida del ecualizador puede ser diferente del valor SINR originalmente conjeturado. Por lo tanto, el valor SINR supuesto puede ser o no consistente. Sin embargo, un valor SINR consistente, y por lo tanto, un conjunto consistente de coeficientes MMSE fQ y bQr se puede encontrar mediante repetición, es decir, utilizando el valor SINR recientemente encontrado para definir un nuevo "canal" Qiyly) , encontrando un nuevo conjunto de coeficientes MMSE correspondientes, etc. Este proceso iterativo se puede representar esquemáticamente de la siguiente manera: {SINR) °?{fo,b0)->(SINR) 1? ( f , b ) ? ( SINR) 2...

En particular, se puede utilizar un algoritmo iterativo para calcular el DFE Híbrido de Weiner. El algoritmo de la presente modalidad se ilustra en la figura 5. El proceso 400 comienza estableciendo n=0 en el paso 402 y seleccionando SINR0 arbitrariamente. El proceso continua determinando SINRn y calculando p{SINRn) aplicando las ecuaciones (5) , (6) y (7) en el paso 404. Los coeficientes del filtro fn,bn se calculan en el paso 406 utilizando la ecuación (4) . De acuerdo con la presente invención, el proceso calcula SINRn+1=SINR(fnrbn,SINRn) en el paso 408. Se puede observar que SINR(f, br x) denota la SINR en la salida del ecualizador con los coeficientes FFF f, y los coeficientes FBF b, y un canal de fraccionador con SINR x. El canal del fraccionador está definido por la ecuación (6) y la ecuación (7) . Si el proceso converge en el diamante de decisión 410, el procesamiento continúa con el paso 412 para establecer los coeficientes de filtro. Si el proceso no ha convergido, el procesamiento retorna al paso 404. Se debe observa que, tal como se describió en el algoritmo iterativo de la figura 5, el valor de SINR0 se puede elegir arbitrariamente. Los dos extremos, SINR°=0, SINR°=8, corresponden al inicio con un fraccionador totalmente inestable o un fraccionador perfecto, respectivamente. Se puede apreciar que p representa la correlación entre la salida del fraccionador y el símbolo real transmitido, y como tal, p es una función de la SINR de la salida del ecualizador. Si la salida del ecualizador es muy ruidosa, la correlación es pequeña. En este caso, las decisiones de símbolo del fraccionador son extremadamente inestables y no es posible un cálculo preciso del ISI causal. En este caso, tal como se esperaba, el algoritmo de la figura 5 converge para los coeficientes FFF y FBF que se parecen mucho a aquellos de un Ecualizador Lineal, es decir, uno en donde los coeficientes FBF están restringidos a un valor de cero. Por otra parte, cuando la salida del ecualizador es casi silenciosa, la correlación del fraccionador p tiende a ser casi uno. En este caso, el algoritmo de la figura 5 converge para los coeficientes FFF y FBF que se parecen mucho a aquellos de un DFE "ideal", es decir, un DFE con un fraccionador perfectamente confiable. En medio de estos extremos, el algoritmo de la figura 5 converge para los coeficientes FFF y FBF que son un "híbrido" de estos dos extremos límite. Esta "hibridización" se logra automáticamente con el algoritmo iterativo. Por este motivo, los coeficientes del FFF y FBF así obtenidos se refieren como coeficientes "DFE Híbridos" . Las modalidades que se han descrito hasta este momento requieren un conocimiento explícito del canal H(z) para construir las diversas covariantes y covariantes transversales de la ecuación (4) . Los coeficientes FFF y FBF Híbridos de Wiener entonces se determinan resolviendo la ecuación (4) para fQ,bQ. Sin embargo, en la práctica, H(z) típicamente no se conoce en el receptor, por lo que es deseable un método alternativo para determinar los coeficientes DFE Híbridos de Wiener para FFF y FBF. Una modalidad alternativa, referida como DFE Híbrida Adaptiva, no requiere un conocimiento explícito del canal H(z) . Primero, definir el Error Medio Cuadrático (MSE) como : MSE=E\yn-yn\2 (9) =E\yn-fHXn-bH (Zn+ñn) ]2 en donde Xn son los contenidos del FFF en el tiempo n, Zn son los contenidos de FBF suponiendo una retroalimentación libre de error, y ?? son los errores de símbolos de retroaliment ación introducidos por el "canal" Q(yl ) - Conforme los errores introducidos por Q(yly) son asumidos i.i.d. e independientes, la ecuación (9) se puede escribir como : MSE=E\ yn-fHfn-bHZn I z+hHe ( AnAHn ) b { 9&, 2 en donde EQ denota "expectativa" con respecto a Q(yly) · Utilizando el hecho de que la constelación de transmisión se normaliza para la energía de unidad y la definición de pQ en la ecuación (5) , da como resultado: EQ \\ y\\ z+ EQ \\y\\ 2~2EQy *y =1+?( "2 £ (9b) en donde Al combinar la ecuación (9b) con la ecuación (9a) , se obtiene : (9c) Se puede observar que ||b||2 que aparece en la ecuación (9c) se puede interpretar como la "energía" en los coeficientes FBF. La ecuación (9c) es el punto de inicio para derivar una variedad de algoritmos adaptivos. Por ejemplo, para derivar un algoritmo adaptivo con base en el método de Cuadráticas Mínimas Recursivas (RLS), una nueva función de costo se define reemplazando la expectativa estadística con un medio de muestra sobre, por ejemplo, n=l,...,iV. Las técnicas estándar entonces se aplican para derivar un optimizador recursivo de esta función de costo. Una modalidad ejecuta un optimizador RLS de una función de costo que se define de la siguiente manera: En donde: aQ=l +ÁQ2-2pQ (9e) Se puede observar que a se puede referir como una "medida modificada de energía de los coeficientes de filtro de retroaliment ación" o una "término de corrección de error". La optimización RLS se puede realizar en los símbolos piloto presentes en la transmisión .

Algoritmo de Media Cuadrática Mínima: Otra modalidad que optimiza la ecuación (9c) se basa en el algoritmo de Media Cuadrática Mínima (LMS) . El algoritmo de Media Cuadrática Mínima (LMS) recursivamente ajusta los coeficientes FFF y FBF del DFE Híbrido para reducir al mínimo el MSE que se define en la ecuación (9c) . Para un canal fijo Q{y\y) r las actualizaciones de un algoritmo de Media Cuadrática Mínima (LMS) son proporcionadas como : ¡dMSE) ¦µ? db. (10b) En donde MSE se define en la ecuación (9c) , µ es el tamaño gradual de LMS y E~ denota la caída de la expectativa estadística en la definición de la ecuación (9c) . El cálculo de los derivados parciales da como resultado: fB+1=fn+pXfle*n; (11) bn+ (12) = {l-jiaQ)bn+ pZne*n (12a) eB=yn-fD%-b z„. (13) Cuando el valor de µ se elige pequeño de manera conveniente, la secuencia de iteraciones definidas por la ecuación (11) a la ecuación (13) es estable y converge para el conjunto de coeficientes que resuelven la ecuación (4) . Se debe observar que esta secuencia de iteraciones no requiere calcular explícitamente las covariantes y covariantes transversales en la ecuación (4) . La figura 6 ilustra un algoritmo LMS de acuerdo con una modalidad. El algoritmo 500 inicia con la selección de un valor SINR0 inicial en el paso 502. Adicionalmente, el Índice k se inicia como k=0. En el paso 504, el valor SINRk se calcula y a ( SINRK) se calcula o determina a partir de un cuadro de búsqueda previamente calculado (LUT) . La ecuación (11) a la ecuación (13), que se proporcionaron ante iormen e, se calcula iterativamente, con base en los símbolos piloto en la transmisión, hasta que se cumple con un criterio de convergencia en el paso 506. El resultado de dicha iteración determina los valores para (fjt,bjt) . En el paso 508 , el proceso calcula SINRK+1, que es la SINR en la salida del ecualizador cuando los coeficientes FFF y FBF son (fjt,b¿) . El cálculo se puede realizar utilizando los símbolos piloto en la transmisión. El proceso entonces incrementa el índice k. En la convergencia de SINRk en el diamante de decisión 510, el proceso continúa con el paso 512 para aplicar los coeficientes de filtro. Además, el procesamiento retorna al paso 504.

Algoritmo con Ráfagas de Señales Piloto Periódicas : De acuerdo con otra modalidad, un sistema de comunicación incorpora ráfagas piloto periódicamente transmitidas que son utilizadas por los receptores para ajusfar los coeficientes de filtro en el ecualizador de los receptores. Dicho ajuste se conoce con frecuencia como "instrucción del ecualizador". Un ejemplo de dicho sistema es un sistema que soporta una Alta Velocidad de Datos (HDR) tal como se define en " T IA/EIA- 1 S- 856 CDMA2000 Especificación de Interfaz de Aire de Datos en Paquete de Alta Velocidad" (el estándar IS-856) . En un sistema HDR, se transmiten 96 símbolos piloto cada 0.833ms. Cada grupo de 96 símbolos piloto se refiere como una "ráfaga piloto". En medio de las ráfagas piloto, el sistema HDR transmite símbolos de datos destinados a los receptores. La figura 7 ilustra un algoritmo para aplicar un DFE híbrido basado en LMS en dicho sistema. "El algoritmo 600 inicialmente configura SI R0 como igual a 0 ó 8 en el paso 602. La elección inicial de SINR no está designada y puede no ser crítica , aunque para la que la convergencia sea más rápida se puede preferir SINR0 igual a 8. El Índice k también se inicia y configura igual a 0. En el paso 604 el algoritmo determina SINRk, y calcula a(SINRk) o determina el valor necesario consultando un cuado de búsqueda previamente calculado. Los valores iniciales para f y b se configuran como fo=0 y i>o= 0 en el paso 606. Durante la ráfaga piloto (k+l)-th, el proceso repite las ecuaciones (11) a (13) para todos los circuitos integrados de la ráfaga piloto y se guardan los valores finales de f y b. En el paso 610, el proceso calcula SINRK+1, utilizando 96 circuitos integrados de la ráfaga piloto anterior. Durante la porción de datos que siguen a la ráfaga piloto (k+1) , los valores guardados de f y b se cargan en el FFF y FBF y los símbolos de datos se ecualizan en el modo de retroalimentación de decisión estándar. En el paso 614, el proceso calcula el valor de a ( SINR *1 ) e incrementa k. El proceso sigue incrementando el algoritmo durante las operaciones de desmodulación. El algoritmo de la figura 7 es adaptivo para los canales que varían lentamente en tiempo, tal como SINRk en estado casi estable, y por lo tanto, a(SINRk) , no se espera que varié mucho durante el tiempo de convergencia del algoritmo LMS .

Fraccionador suave: Tal como se analizó anteriormente, la propagación de error limita significativamente el uso de los DFE en los sistemas de comunicación que emplean la codificación de canal. Debido a que el ISI causal es cancelado por las decisiones de ret roalirtient ación en símbolos individuales, un solo error de decisión aislado puede conducir a una ráfaga de errores de decisión posteriores, incrementando tremendamente la interferencia residual en la salida del ecualizador. Si el código de canal es fuerte, la probabilidad de un error de decisión de símbolo no es insignificante (típicamente en el orden del 25 por ciento) y la propagación de error puede tener serios efectos en el rendimiento del DFE. ün método para evitar los efectos ocasionados por dicha propagación de error es reconocer que el fraccionador de "distancia mínima" usual anexa un nivel no confidencial a las decisiones de símbolo. En otras palabras, las decisiones del fraccionador convencional no proveen medidas de la seguridad o exactitud de las decisiones de símbolo. Si se sospechara que una decisión tiene una precisión cuestionable, sería mejor evitar la cancelación de la contribución de ese símbolo para la terminal post-cursor, en lugar de arriesgar la composición de la interferencia residual sustrayendo una decisión incorrecta. En otras palabras, las decisiones de símbolo de baja precisión no se deberían incluir el bucle de retr oaliment ación que cancela el ISI causal. Una modalidad de un fraccionador que incorpora un nivel de confidencialidad en el proceso de decisión se conocerá en la presente invención como un "fraccionador suave". Un fraccionador suave se describe con el modelo matemático que se explica a continuación. Primero, se asume que el símbolo de entrada al fraccionador es proporcionado por: Y=y+n (1 ) en donde y es el símbolo ransmitido que pertenece a la constelación ?, y n consta del ruido residual y de la interferencia intersimbólica. Suponer que y está distribuido uniformemente sobre ? para que todos los puntos de la constelación se transmitan con igual probabilidad. Se puede permitir que L(y, y) sea una función perdida que mida la pérdida incurrida cuando un fraccionador decida y cuando el símbolo transmitido es y. Un fraccionador óptimo s y?y, en donde "óptimo" se refiere a un fraccionador que reduce al mínimo la pérdida esperada, es proporcionado por la Regla de Bayes: Para la función de pérdida de Probabilidad de Error Mínimo (MEP) proporcionada como: la pérdida esperada da como resultado: E{ L ( Yry) \ í} =Pr { Y?y \ ?} <17) =1-Pr { ?= \ ?} y, por lo tanto: a(†) = aig max Pr{r= y|} (18) Adiciorialmente , suponiendo que la interferencia n es una variable aleatoria Gaussiana con media cero y una variación o2, entonces: yeT (19) · independiente de s2. Este es un fraccionador de "distancia mínima" tradicional, y aunque es "Bayes-óptimo" para la función de pérdida de la ecuación (16) , el fraccionador puede conducir a la propagación de error por los motivos que se analizaron anteriormente. Un diseño del fraccionador alternativo considera la función de pérdida cuadrática: (20) i(y,y) = ||y-y||2 que, a diferencia de la función de pérdida MEP, penaliza errores más grandes de manera más significativa que los errores más pequeños. Después de la ecuación (15) : =E{Y\ Y} y la media condicional iguala: Una observación importante es que, a diferencia del fraccionador de la ecuación (19), el fraccionador de la ecuación (22) requiere un cálculo de la variación de ruido e interferencia a2(ei s2 = - 2(SINR) ' También se debe observar que el fraccionador de la ecuación (22) corresponde al centroide de una distribución a posteriori en los símbolos de constelación, es decir, el centroide del término en los corchetes cuadrados [...] en la ecuación (22) . Por lo tanto si s2 es elevado, la suposición de una distribución previa uniforme en una constelación simétrica implica una distribución posterior casi uniforme y, por lo tanto, el centroide es casi cero. Por otra parte, cuando s2 es reducido, la distribución posterior tiene su masa concentrada en el símbolo transmitido real y en los puntos de su constelación circundante; por lo tanto, el centroide se aproxima al símbolo transmitido. Por lo tanto, el fraccionador en la ecuación (22) se refiere como un "f accionador suave". El fraccionador suave se puede utilizar en el DFE Híbrido adaptivo con una modificación mínima. Los coeficientes de FFF y FBF se eligen para optimizar la siguiente definición de MSE: MSE=E\ yn-fHXn-bHZn\¿+ (l + 2pQ~AzQ) \\b\\2 (23) En donde PQ=EQ{f*Y} (24a) Similar a la ecuación (5) , y Q2 se define como A2Q=EQ{ \y\2} (24b) El "canal" Q{y\y) se define como: (25) Q(y|y)=Pr{a(y+Z)=y} En donde s(.) representa el fraccionado! suave que se define en la ecuación 22 y Z es el ruido Gaussiano complejo que se define exactamente de la misma forma que en la ecuación (7) . Siguiendo un desarrollo análogo del esquema de optimización basado en el algoritmo LMS, se puede descubrir que las ecuaciones (11) , (12) y (13) no modificadas, excepto aquella para el hecho de que aQ=l+ XQ2-2pQ se calcula con base en las ecuaciones (24a) , (24b) y el fraccionador suave que se define en la ecuación (25) . Como se mencionó anteriormente, el factor de fuga (l-2pQ+ÁQ2) depende de SINR y se puede determinar a través del cuadro de búsqueda. El algoritmo basado en LMS, tal como se describió anteriormente, no requiere cambios adicionales. Durante la porción piloto/instrucción de la ranura, la adaptación se realiza como se mencionó anteriormente; durante la porción de datos de la ranura, se emplea el fraccionador de media condicional en lugar del fraccionador de distancia mínima "resistente". Los cálculos involucrados en el fraccionador suave, principalmente la ecuación (22) , pueden resultar demasiado complicados para algunas ejecuciones prácticas. Una modalidad simplifica el diseño del fraccionador para restringir la salida del fraccionador a asumir, máximo N valores. De manera equivalente, esto sirve para restringir la entrada del fraccionador a asumir, máximo N valores. En otras palabras, la entrada del fraccionador ? se cuantifica a uno de N puntos utilizando un cuantif icador definido por: Q: ??{ ??, ... ?N} · Entonces, para K=1, ...,N, s (Y) se calcula como: - - (26) o(Y)=akl si Q{Y)=Yk En donde (27) o -E{ Y\ YeQ'1 ( Yk) } .

La operación del fraccionador cuantificado se puede resumir como: 1) cuantificar Y a uno de valores posibles; y 2) utilizar este valor y conocimiento de la SINR como índices en un cuadro de búsqueda para determinar ?=s{?) . Debido a que la complejidad en este diseño yace en el paso 1), una simplificación adicional sería restringir fír ... , fN para yacer en una rejilla cuadrada uniforme y después cuantificar Y mediante la cuantificación de sus partes reales e imaginarias por separado, utilizando un criterio de "vecino más cercano". Dicha funcionalidad del fraccionador se puede ejecutar con una lógica simple, es decir, calculando primero el conjunto más cercano de vecinos con base en la coordenada real de Y, calculando después el vecino más cercano en este subconjunto basado en la coordenada imaginaria de Y. Adicionalmente , el cuadro de búsqueda puede ser bastante ordinario en SINR, con graduaciones de ldB suficiente para la mayoría de las ejecuciones. Por ejemplo, los cuadros de biisqueda { ak} determinados para SINR=5 dB y SINR=6 dB, los valores ok apropiados para un valor SINR intermedio de, por ejemplo 5.4 dB, se puede determinar mediante interpolación adecuada entre dos LUT. En otras palabras, los valores s* apropiados en valores SINR intermedios se pueden generar dentro del dispositivo fraccionador , reduciendo asi los requisitos de memoria/almacenamiento necesarios. Como una ilustración de la aplicación de un fraccionador suave para un DFE híbrido (HDFE) , se pueden considerar las figuras 8A y 8B. La figura 8A ilustra una constelación 8-PSK, en donde 8 símbolos complejos representan los 3 bits codificados mapeados para modulación. Como se ilustra, los círculos representan los puntos de constelación que se utilizan para la modulación en el transmisor. Las marcas ??" indican que las muestras, tal como se reciben en el receptor e incluyen el ruido y la interferencia que se introduce durante la transmisión. Se puede observar que las muestras recibidas no necesariamente coinciden con los símbolos reales de la constelación. En este caso, el receptor decide cuál es el símbolo de la constelación que realmente se envió. Por lo regular, los puntos recibidos se concentran alrededor de los símbolos de la constelación realmente transmitidos. Un método para determinar el símbolo transmitido desde las muestras recibidas consiste en dividir el mapa de la constelación en rebanadas, tal como se ilustra en la figura -8B. Aqui, el mapa de la constelación se divide en 8 rebanadas, 702, 704 , 706, 708, 710, 712, 714 y 716. Por ejemplo, las rebanadas se determinan de acuerdo con una métrica de distancia mínima; dicha métrica emplea la distancia Euclidiana o separación entre dos puntos de la constelación para seleccionar un limite. Existe un problema cuando la muestra recibida es aproximadamente equidistante (es decir, aproximadamente en el limite) entre dos puntos de la constelación. En este caso, si el proceso de decisión seleccionara el símbolo de constelación erróneo, este error se propagaría en el bucle de retroalimen ación de un DFE. Para evitar dichos errores así como la amplificación asociada en un DFE, se aplica un fraccionador suave que emite un valor no necesariamente en un símbolo de constelación. El fraccionador suave implícitamente determina un nivel de confidencialidad a partir de las muestras recibidas. El nivel de confidencialidad provee al sistema una guía para la evaluación de las muestras. El nivel de confidencialidad provee al sistema con una guía para evaluar la muestra. Si el nivel de confidencialidad es bajo, es decir, es probable que ocurra un error, la muestra no es acentuada en la porción de retroaliment ación del ecualizador. Si el nivel de confidencialidad es alto, la muestra se considera confiable, y por lo tanto, un cálculo de símbolo adecuado derivado del mismo se puede emplear en la porción de retroaliment ación del ecuali zado . La figura 9? ilustra un mapa de constelación 2-PS . Se puede apreciar que las decisiones tomadas con base en la distancia mínima de un símbolo de constelación pueden dar como resultado errores para las muestras recibidas, tal como aquel que se marca con la "x". La aplicación de un fraccionador suave, de acuerdo con una modalidad, divide el mapa de constelación en rectángulos, tal como se ilustra en la figura 9B. Tal como se trazan, los rectángulos, tal como el rectángulo 720, son semi-infinitos en la dirección-y y no todos los rectángulos abarcan los símbolos de la constelación. Cuando la muestra de entrada del fraccionador cae dentro de uno de los rectángulos semi-infinitos , se asigna un valor de media condicional. De manera efectiva, todos los puntos dentro del rectángulo están mapeados a un valor común. Este -valor representa la media condicional del símbolo transmitido, ya que la muestra de entrada del fraccionador cae dentro del rectángulo de interés . El mapeo de cada rectángulo a un valor de media condicional correspondiente es una función de la Relación de Señal a Interferencia y Ruido (SINR) . Por ejemplo, un rectángulo determinado se puede mapear a s para SINR en un primer nivel, por ejemplo, SINR=4dB. El mismo rectángulo se puede mapear a o' para SINR en un segundo nivel, por ejemplo, SINR=5dB. El mapeo y los valores de media condicional asociados se almacenan en los cuadros de búsqueda para una fácil recuperación. Una modalidad alternativa calcula el valor de media condicional de acuerdo con un algoritmo predeterminado. Se puede apreciar que una rejilla cuadrada o rectangular se puede ejecutar fácilmente y se puede extender a constelaciones más comple as . La figura 10 ilustra un ecualizador 800 que utiliza un fraccionador suave. El ecualizador 800 incluye un FFF 802 acoplado a un nodo de suma 804. El FFF 802 es controlado por un algoritmo de ecualización adaptivo 808. La unidad de control adaptivo 808 responde a una unidad de cálculo SINR 816. En una modalidad alternativa, la unidad de cálculo SINR 816 se puede ejecutar como una unidad de cálculo MSE. La unidad de cálculo SINR 816 provee un cálculo SINR para un cuadro de búsqueda (LUT) 810. El cálculo SINR se utiliza junto con los valores almacenados en LUT 810 para determinar aQ(SINR)=l+ ÁQ2-2pQ que se define de acuerdo con las ecuaciones (24a), (24b) y (25) . El algoritmo de ecualización adaptivo 808 emplea el valor Q producido a partir de LUT 810 para actualizar los coeficientes del FFF 802 y el FBF 806, copiando las ecuaciones (11) , (12) y (13) . Se debe recordar que las ecuaciones (11), (12) y (13) se basaron en el algoritmo LMS y se diseñaron para optimizar la función de costo MSE que se define en la ecuación (23) . En una modalidad alternativa, el algoritmo de ecualización adaptivo 808 puede ejecutar otro algoritmo de filtrado adaptivo, tal como RLS, para optimizar la función de costo MSE que se define en la ecuación (23) . El FBF 806 emite un cálculo del ISI causal presente en la salida del FFF 802. La salida del FBF 806 está acoplada al nodo de suma 804 en donde es sustraída de la salida del FFF 802. La salida del nodo de suma 804, es decir, el cálculo del símbolo transmitido, se provee entonces a un decodificador 820, la unidad de cálculo SINR/MSE 816, y al fraccionador suave 812. El fraccionador suave 812 recibe el cálculo SINR/MSE de la unidad de cálculo SINR/MSE 816 y genera un cálculo adicional del símbolo transmitido, y emite este cálculo de símbolo adicional para que se filtre en FBF 806. La figura 11 es un diagrama de flujo de un procedimiento del fraccionador suave que incorpora un fraccionador suave de acuerdo con una modalidad de la presente invención. El procedimiento primero determina una región, tal como un cuadro o rectángulo en rejilla en el mapa de la constelación, que corresponde a una cuantificación de la muestra de entrada del fraccionador y, en el paso 902. Se realiza la determinación del valor SINR en el paso 904. En el paso 906, el procedimiento selecciona un mapeo adecuado como una función del valor SINR. De acuerdo con una modalidad, porciones separadas de un dispositivo de almacenamiento de memoria almacenan cuadros de búsqueda separados. Se puede tener acceso a los cuadros de acuerdo con el valor SINR. En el paso 908, se determina un valor de media condicional a partir del mapeo adecuado y éste es la salida del fraccionador. Otra modalidad de fraccionador suave aplica una rejilla cuadrada al mapa de constelación, y utiliza una expansión Taylor para generar un valor de media condicional más preciso. En esta modalidad, múltiples cuadros de búsqueda más pequeños almacenan los valores que corresponden a cada uno de los valores SINR. El procedimiento 920 se ilustra en la figura 12. La región de la entrada del fraccionador suave y se determina en el paso 921. En el paso 922 se determina un valor SINR. El valor SINR se utiliza para determinar los mapeos adecuados s { · ) y s2 { ¦ ) en el paso 924. La región del paso 920 se mapea a un valor s [ ) , en donde i corresponde a la región. Después se realiza un segundo mapeo en el paso 922 consistente con el valor SINR y la región del paso 920 para obtener s2 . En el paso 928 se obtiene un valor de media condicional aproximado como {y± ) +o~2 ( ¿ ) . Los mapeos s? ( ¦ ) y s? { · ) están estrechamente relacionados con cero-th y los primeros derivados de s(·) que se definen en la ecuación (22) . La figura 13 ilustra un fraccionador suave 954 de acuerdo con una modalidad. Un estimador SINR 952 recibe uno o más cálculos de símbolo y emite un 5? valor aproximado SINR, SINR(n) . La SINR{n) se puede cuantificar en un cuantif icador opcional 956, y se provee al almacenamiento de memoria 960, tal como un LUT . Un cálculo de símbolo que corresponde a la entrada del fraccionador suave también se provee a un cuant ificador 956, en donde el cálculo del símbolo se cuantifica y el valor cuantificado se utiliza junto con el cálculo de SINR para determinar un valor correspondiente almacenado en el almacenamiento de memoria 960. Se puede observar que en una modalidad, la información se almacena en filas y columnas, en donde las filas corresponden a los valores SINR y las columnas corresponden a los valores de símbolo. Sin embargo, modalidades alternativas pueden almacenar la información en cualquiera de una variedad de formas, en donde la información es recuperable con base en un valor SINR y un valor de símbolo. Los valores almacenados en el almacenamiento de memoria 960 pueden ser la media condicional del símbolo de la constelación real, dado el cálculo de entrada del fraccionador suave, tal como se define en las ecuaciones (22) , (26) y (27) . La figura 14 ilustra un fraccionador suave 980, de acuerdo con una modalidad alternativa que implementa un cálculo de la serie Taylor. Corno se ilustró, uno o más símbolos recibidos se proveen a un estimador SINR 982 y un cálculo de símbolo, que corresponde a la entrada del fraccionador suave, también se provee directamente al fraccionador suave 980. Se puede observar que los símbolos recibidos son corrompidos por el canal de transmisión y, por lo tanto, en la presente invención también se conocen como "muestras" recibidas. El estimador SINR 982 provee un cálculo SINR, SINR(n) al fraccionador suave 980. La SINR(n) se puede proveer a un cuantificador opcional 986. La SINR(n|, cuantificada o no, se provee a dos unidades de almacenamiento de memoria, A 988 y B 990. El cálculo del símbolo de entrada del fraccionador suave se provee a un cuantificador 984, cuya salida también se provee a las unidades de almacenamiento de memoria ? 988 y B 990. Las unidades de almacenamiento de memoria A 988 y B 990 almacenan la información que se utiliza para calcular los valores de media condicional del símbolo de la constelación real, dado el cálculo del símbolo de entrada del fraccionador suave. Dichos valores pueden ser el cero y primer derivados de la media condicional del símbolo de la constelación real, dado el cálculo del símbolo de entrada del fraccionador suave, tal como los que se proporcionan en las ecuaciones (22), (26) y (27) . El valor SINR(n) y el valor del símbolo cuantificado se utilizan para identificar los valores correspondientes en el almacenamiento de memoria ? 988 y B 990. Se utiliza una unidad de suma 992 para ejecutar el cálculo de la serie Taylor. El cálculo del símbolo de entrada del fraccionador suave, así como el valor cuantificado, se proveen a la unidad de suma 992. Además, los valores almacenados en las unidades de almacenamiento de memoria A 988 y B 990 también se proveen a la unidad de suma 992. La unidad de suma 992 utiliza las entradas para calcular una salida que es un cálculo de la media condicional del símbolo de constelación real. Aunque la presente invención se ha descrito con respecto a un sistema de comunicación inalámbrico, dicho sistema se provee únicamente como un ejemplo. Los conceptos que se describen en la presente invención se pueden aplicar a una variedad de sistemas de comunicación, incluyendo, pero no limitado a sistemas de comunicación alámbricos, tal como la ejecución en un módem alámbrico, etc. La presente invención se puede aplicar a un sistema de comunicación de alta velocidad de datos, y permite la optimización de los recursos y de la capacidad en un sistema de comunicación de datos incrementando la sensibilidad del receptor e incrementando la velocidad de los datos de comunicación. Aquellos expertos en la técnica entenderán que la información y señales se pueden representar utilizando cualquiera de una variedad de tecnologías y técnicas diferentes. Por ejemplo, los datos, instrucciones, comandos, información, señales, bits, símbolos, y circuitos integrados, a los que se puede hacer referencia en la descripción anterior, se pueden representar mediante voltajes, corrientes, ondas electromagnéticas, campos o partículas magnéticas, campos o partículas ópticas, o cualquier combinación de los mismos. Aquellos expertos en la técnica además apreciarán que los diversos bloques lógicos, módulos, circuitos, y pasos de algoritmo ilustrativos que se describieron en relación con las modalidades que se muestran en la presente invención, se pueden ejecutar como hardware electrónico, software de computadora, o una combinación de ambos. Para ilustrar con claridad esta capacidad de intercambio de hardware y software, varios componentes, bloques, módulos, circuitos y pasos ilustrativos se han descrito anteriormen e de forma general en términos de su funcionalidad. El hecho de que dicha funcionalidad se implemente como hardware o software, depende de la aplicación particular y de las rest icciones de diseño impuestas en el sistema en general. Aquellos expertos en la técnica pueden ejecutar la f ncionalidad descrita en una variedad de formas para cada aplicación particular, pero dichas decisiones de ejecución no se deberían interpretar como que se apartan del alcance de la presente invención . Los diversos bloques lógicos, módulos y circuitos ilustrativos que se describen en relación con las modalidades que se muestran en la presente invención se pueden ejecutar o realizar con un procesador de propósito general, un procesador de señal digital (DPS), un circuito integrado de aplicación especifica (ASIC), una disposición de puerta de campo programable (FPGA) u otro dispositivo lógico programable, puerta discreta o transistor lógico, componentes de hardware discretos, o cualquier combinación de los mismos diseñada para realizar las funciones que se describen en la presente invención. Un procesador de propósito general puede ser un microprocesador, pero en la alternativa, el procesador puede ser cualquier procesador convencional, controlador, microcontrolador o máquina de estado. Un procesador también se puede ejecutar como una combinación de dispositivos de cómputo, por ejemplo, una combinación de un DSP y un microprocesador, una pluralidad de microprocesadores, uno o más microprocesadores en conjunto con un DSP central, o cualquiera otra configuración. Los pasos de un método o algoritmo que se describen en conjunto con las modalidades que se muestran en la presente invención, se pueden incorporar directamente en el hardware, en un módulo de software ejecutado por un procesador, o en una combinación de los dos. Un módulo de software puede residir en una memoria RAM, memoria instantánea, memoria ROM, memoria EPROM, memoria EEPROM, registradores, disco duro, o disco removible, un CD-ROM, o cualquier otra forma de medio de almacenamiento conocido en la técnica. Un medio de almacenamiento ejemplar se acopla al procesador para que el procesador pueda leer la información del medio de almacenamiento, y escribir información en el mismo. En la alternativa, el medio de almacenamiento puede ser integral con el procesador. El procesador y el medio de almacenamiento pueden residir en un ASIC. El ASIC puede residir en una terminal de usuario. En la alternativa, el procesador y el medio de almacenamiento pueden residir como componentes discretos en una terminal de usuario. La descripción previa de las modalidades descritas se provee para permitir a aquellos expertos en la técnica realizar o utilizar la presente invención. Resultarán aparentes para aquellos expertos en la técnica varias modificaciones a estas modalidades, y los principios genéricos que aqui se definen se pueden aplicar a otras modalidades sin apartarse del espíritu o alcance de la invención. Por lo tanto, la presente invención no queda limitada a las modalidades que aquí se muestran, sino que se le otorgará el alcance más amplio consistente con los principios y características novedosas que de describen en la presente invención.

Claims (51)

NOVEDAD DE LA INVENCION Habiendo descrito el presente invento, se considera como una novedad y, por lo tanto, se reclama como prioridad lo contenido en las siguientes : REI INDICACIONES

1.- Un método para la ecualización de ret oalimentación de decisión híbrida determinando los coeficientes de filtro en un ecualizador de retroalimentación de decisión que tienen un filtro de alimentación de avance y un filtro de alimentación de retorno, cada uno definido por una pluralidad de coeficientes, el método comprende: seleccionar una función de costo para el ecualizador de retroalimentación de decisión, la función de costo es el Error Medio Cuadrático (MSE) entre la salida del ecualizador suponiendo una retroalimentación libre de error y la salida de un ecualizador objetivo más una medición modificada de la energía de los coeficientes del filtro de retroalimentación; y ajustar la pluralidad de coeficientes hasta alcanzar una condición de convergencia, en donde la condición de convergencia es para reducir al mínimo la función de costo.

2. - El método de conformidad con la reivindicación 1, caracterizado porque la pluralidad de coeficientes corresponde a una pluralidad de derivaciones de filtro, y en donde la medición de energía modificada es una función por lo menos de una de las derivaciones de filtro.

3. - El método de conformidad con la reivindicación 1, caracterizado porgue la función de costo es un SE que se provee como: MSE = JLyL _f»X -b"Z en donde yn es un símbolo transmitido, N corresponde a un número de símbolos recibidos, Xn son los contenidos del filtro de alimentación de avance en el tiempo n, Zn son los contenidos del filtro de retroalimentación suponiendo una retroalimentación libre de error, f son los coeficientes de filtro para el filtro de alimentación de avance, b son los coeficientes de filtro para el filtro de retroalimentación, y a||£>||2 es la medición de energía modificada de los coeficientes del filtro de retroalimentación.

4.- El método de conformidad con la reivindicación 3, caracterizado porque la medición modificada a se provee como: a=l+A2e-2pQ, en donde, pQ es una medición de la relación transversal de la entrada y la salida de un modelo de fraccionador , y en donde X2Q es una medición de la energía de salida de media de un modelo de fraccionador .

5.- El método de conformidad con la reivindicación 3, caracterizado porque la función de costo se reduce al mínimo utilizando un algoritmo de Media Cuadrática Mínima.

6. - El método de conformidad con la reivindicación 3, que además comprende: generar un cálculo del MSE entre la salida de un ecualizador y la salida de un ecualizador objetivo; y seleccionar como una función del cálculo del MSE.

7. - El método de conformidad con la reivindicación 3, que además comprende: generar un cálculo de la Relación de Señal-a-Interferencia y Ruido (SINR) en una salida del ecualizador; y seleccionar como una función del cálculo del SINR.

8.- El método de conformidad con la reivindicación 3, caracterizado porque a=2m , m = entero .

9. - El método de conformidad con la reivindicación 3, caracterizado porque la medición modificada a se define como: a=l+Á2Q-2pQ en donde : en donde: en donde Q{y\y) es un modelo de canal de f raccionador , y es una salida del fraccionador y y es una entrada del fraccionador.

10. - El método de conformidad con la reivindicación 9, caracterizado porque el modelo de canal de fraccionador se define como: Q(y\y)=Pr{o(y+Z)=y] en donde s(.) denota una función de f accionamiento de distancia mínima, Z es una variable aleatoria Gaussiana de media cero, y es una entrada de fraccionador, y y es una salida de fraccionador.

11. - El método de conformidad con la reivindicación 9, que además comprende: calcular la Relación Señal-a-Interf erencia y Ruido (SINR) de una señal piloto en una salida de un ecualizador.

12.- El método de conformidad con la reivindicación 3, caracterizado porque las optimizaciones de la función de costo comprenden: utilizar un algoritmo de Media Cuadrática Mínima (LMS) para determinar los coeficientes del filtro y un término de error e, iterativamente, calcular las ecuaciones : bn+I= ( 1-µa) 1??+µ???*?; y &n~Yn~£ n 2Cn~bn %n, En donde f representa los coeficientes de filtro del filtro de alimentación de avance, b representa los coeficientes de filtro del filtro de alimentación de retorno, X representa los contenidos del filtro de alimentación de avance, a representa un factor que modifica la energía de los coeficientes del filtro de retroalimentación, e representa el término de error, Z representa los contenidos del filtro de retroalimentación suponiendo una retroalimentación libre de error, y representa un símbolo deseado, y µ representa la magnitud del paso LMS .

13. - El método de conformidad con la reivindicación 3, caracterizado porque la función de costo se ve reducida al mínimo utilizando un algoritmo de Cuadráticas Mínimas Recursivas.

14. - Un ecualizador de ret roalimentación de decisión híbrido, que comprende: un filtro de alimentación de avance que tiene una pluralidad de derivaciones de filtro, las derivaciones de filtro tienen coeficientes de filtro correspondientes; un filtro de retroalimentación que tiene una pluralidad de derivaciones de filtro, las derivaciones de filtro tienen coeficientes de filtro correspondientes; un generador de coeficiente acoplado al filtro de alimentación de avance y al filtro de alimentación de retorno, adaptado para actualizar los coeficientes de filtro del filtro de alimentación de avance y del filtro de alimentación de retorno para reducir al mínimo una función de costo predeterminada, en donde la función de costo es un Error de Media Cuadrática (MSE) entre la salida de un ecualizador, suponiendo una retroalimentación libre de error, y la salida de un ecualizador objetivo, más una medición de energía modificada de los coeficientes del filtro de ret r oaliment ación ; un nodo de suma acoplado a una salida del filtro de alimentación de avance y una salida del filtro de retroalimentación, el nodo de suma configurado para sustraer la salida del filtro de retroalimentación de la salida del filtro de alimentación de avance, para generar un cálculo de un símbolo transmitido original; y un fraccionador acoplado al nodo de suma, el fraccionador adaptado para recibir el cálculo y determinar el símbolo original transmitido.

15.- El ecualizador de retroalimentación de decisión de conformidad con la reivindicación 14, caracterizado porque el generador de coeficiente está adaptado para: calcular una Relación Señal-a-Interferencia y Ruido (SINR) de una señal piloto en una salida del ecualizador de ret oalimentación de decisión; y determinar una medición modificada a definida como: =l+Á2Q-2pQ en donde : en donde ysY yeY en donde Q{y\y) es un modelo de canal de fr accionador , y es una salida del fraccionador, en donde el modelo de canal de fraccionador está definido como: Q(yly)=Pr{a(y+Z)=y} en donde s(.) denota una función de fraccionamiento de distancia mínima, Z es una variable aleatoria Gaussiana de media cero, y es una entrada de fraccionador, y es una salida de fraccionador.

16.- El ecualizador de retroalimentación de decisión de conformidad con la reivindicación 15, caracterizado porque el generador de coeficiente además está adaptado para: determinar la medición modificada utilizando un dispositivo de almacenamiento de memoria que almacena las mediciones modificadas como una función de SINR.

17.- El ecualizador de retroalimentación de decisión de conformidad con la rei indicación 15, caracterizado porque el generador de coeficiente está adaptado para: calcular un Error de Media Cuadrática (MSE) entre una salida de ecualizador, suponiendo que la retroalimentación está libre de error y una salida del ecualizador objetivo; y determinar una medición modificada a definida como: a=l+A2Q-2pQ en donde: en donde

18. - El ecualizador de retroalimentación de decisión de conformidad con la reivindicación 17, caracterizado porque el generador de coeficiente además está adaptado para: determinar la medición modificada utilizando un dispositivo de almacenamiento de memoria que almacena las mediciones modificadas como una función de MSE.

19. - Un método para determinar los coeficientes de filtro en un ecualizador de retroalimentación de decisión, el ecualizador de retroalimentación de decisión tiene un filtro de alimentación de avance y un filtro de retroalimentación, cada uno definido por una pluralidad de coeficientes, el método comprende: seleccionar una función de costo para el ecualizador de retroalimentación de decisión, la función de costo es el Error de Media Cuadrática (MSE) entre una salida del ecualizador, suponiendo una retroalimentación libre de error, y la salida de un ecualizador objetivo más una medición modificada de energía de los coeficientes de filtro de retxoalimentación; y ajustar la pluralidad de coeficientes de acuerdo con un algoritmo de Cuadráticas Mínimas Recursivas (RLS) .

20.- ün aparato ecualizador de retroalimentación de decisión híbrido, que comprende: una unidad de procesamiento; y una unidad de almacenamiento de memoria acoplada a la unidad de procesamiento, la unidad de almacenamiento de memoria almacena las instrucciones legibles por computadora, incluyendo: un primer conjunto de instrucciones para determinar los coeficientes de filtro en un ecualizador de retroalimentación de decisión que tiene un filtro de alimentación de avance y un filtro de alimentación de retorno, cada uno definido por una pluralidad de coeficientes, seleccionando una función de costo para el ecualizador de retroalimentación de decisión, la función de costo está definida como el Error de Media Cuadrática (MSE) entre la salida del ecualizador, suponiendo una retroalimentación libre de error, y la salida de un ecualizador objetivo más una medición de energía modificada de los coeficientes del filtro de retroalimentación; y un segundo conjunto de instrucciones para ajustar la pluralidad de coeficientes hasta alcanzar una condición de convergencia, en donde la condición de convergencia es para reducir al mínimo la función de costo.

21.- Un aparato ecualizador de retroalimentación . de decisión híbrido, que comprende: una unidad de procesamiento; y una unidad de almacenamiento de memoria acoplada a la unidad de procesamiento, la unidad de almacenamiento de memoria almacena las instrucciones legibles por computadora, incluyendo: un primer conjunto de instrucciones para determinar los coeficientes de filtro de un ecualizador de retroalimentación diferencial que tiene un filtro de alimentación de retorno y un filtro de alimentación de avance, y un término de error mediante la aplicación de un algoritmo de Media Cuadrática Mínima (LMS) para calcular iterativamente las ecuaciones: n+i= ( 1 + 2µ (1-pg) ) bn+pZne*n; y e_n=yn-£nHXn-bnHZn, en donde f representa los coeficientes de filtro del filtro de alimentación de avance, b representa los coeficientes de filtro del filtro de alimentación de retorno, X representa los contenidos del filtro de alimentación de avance, p representa una correlación entre una salida de fraccionador del ecualizador de retroalimentación diferencial y una señal transmitida, e representa el término de error, Z representa los contenidos del filtro de retroalimentación suponiendo una retroalimentación libre de error, y representa una muestra recibida, y µ representa la magnitud del paso LMS .

22. - Un método para calcular un símbolo transmitido, el símbolo transmitido se mapea a un mapa de constelación, el método comprende: recibir una muestra; calcular la Relación Señal-a-Interferencia-y-Ruido (SINR) de la muestra; calcular el símbolo transmitido con base en la SINR y la muestra.

23. - El método de conformidad con la reivindicación 22, caracterizado porque el cálculo del símbolo transmitido comprende: calcular la variación de la muestra recibida definida por la relación : s2 = 2(SfMR) ' y evaluar una media condicional como: en donde ? representa la muestra de entrada para el fraccionador suave y y representa los símbolos transmitidos que pertenecen al mapeo de constelación ?.

24. - El método de conformidad con la reivindicación 22, caracterizado porque los valores calculados se almacenan en la unidad de almacenamiento de memoria, y en donde cada región del mapa de constelación tiene un valor estimado cor espondien e .

25. - El método de conformidad con la reivindicación 24, que además comprende: cuantificar el símbolo para generar un primer valor para una región del mapa de constelación; y determinar un valor calculado que corresponda a la región del mapa de constelación.

26. - El método de conformidad con la reivindicación 25, que además comprende: cuantificar el símbolo de un primer valor seleccionado de un conjunto de N valores; determinar una entrada de la unidad de almacenamiento de memoria -que corresponde al primer valor y a la SINR.

27. - El método de conformidad con la reivindicación 26, caracterizado porque la cuantificación del simbolo comprende: cuantificar el simbolo utilizando un criterio de Distancia Euclidiana Mínima.

28. - El método de conformidad con la reivindicación 25, caracterizado porque los valores calculados se almacenan en la unidad de almacenamiento de memoria para un conjunto de valores SINR, y en donde el método además comprende: interpolar las entradas en la unidad de almacenamiento de memoria para determinar un primer valor calculado para un primer valor SI R, en donde el primer valor SINR no es el conjunto de valores SINR.

29. - El método de conformidad con la reivindicación 25, caracterizado porque cada región es un rectángulo.

30. - El método de conformidad con la reivindicación 24, caracterizado porque la unidad de almacenamiento de memoria incluye entradas identificadas por SINR y el valor calculado.

31. - El método de conformidad con la reivindicación 22, que además comprende: determinar un primer cálculo con base en la SINR y la muestra recibida; y determinar un segundo cálculo con base en una combinación del primer cálculo, la SINR, y la muestra recibida.

32. - El método de conformidad con la reivindicación 31, carac erizado porque el primer cálculo se calcula utilizando un fraccionador de distancia mínima.

33. - El método de conformidad con la reivindicación 31, caracterizado porque el segundo cálculo es igual al primer cálculo más un término de corrección.

34. - El método de conformidad con la reivindicación 31, car cterizado porque el primer cálculo se define como: ?? {yi) , y el segundo cálculo se proporciona como: oí {yi) + (y-yi) s?{??) , en donde cada s representa un mapeo único de un valor muestra para un valor calculado, y representa la muestra recibida, y y± es una versión cuantificada de la muestra recibida.

35. - El método de conformidad con la reivindicación 34, caracterizado porque la determinación del primer cálculo comprende: cuantificar la muestra recibida para formar una muestra cuantificada; generar un primer cálculo con base en la muestra cuantificada; y generar un segundo cálculo con base en el primer cálculo.

36. - Un método para determinar los coeficientes de filtro en un ecualizador de retroalimentación de decisión, el ecualizador de retroaliment ación de decisión tiene un filtro de alimentación de avance y un filtro de alimentación de retorno, cada uno está definido por una pluralidad de coeficientes, el método comprende: seleccionar una función de costo para el ecualizador de retroalimentación de decisión, la función de costo es el Error' de Media Cuadrática (MSE) entre la salida del ecualizador, suponiendo una retroalimentación libre de error, y la salida de un ecualizador objetivo más una medición de energía modificada de los coeficientes del filtro de retroalimentación; y ajusfar la pluralidad de coeficientes hasta que se cumpla una condición de conve gencia, en donde la condición de convergencia es para reducir al mínimo la función de costo, en donde MSE es proporcionado como: en donde yn es un símbolo recibido, N corresponde a un número de puntos en la constelación de mapeo, Xn son los contenidos del filtro de alimentación de avance en el tiempo n, Zn son los contenidos del filtro de retroalimentación, suponiendo una retroal imentación libre de error, f son los coeficientes de filtro para el filtro de alimentación de avance, b son los coeficientes de filtro para el filtro de retroalimentación, y a es la medición de energía modificada de los coeficientes del filtro de alimentación, en donde la medición modificada se define como: a=l+Á2Q-2pQ en donde yeY y<=Y en donde Q( ly) es un modelo de canal de fraccionador , y es una salida del fraccionador , y es una entrada del fraccionador , en donde un modelo de canal de fraccionador está definido como: Q{y\y) =Pr { a(y+Z) =y} en donde s(.) denota una función de fraccionamiento suave, Z es una variable aleatoria Gaussiana de media cero, en donde la variación está definida por la relación: u 2(.SINR) ' en donde la interferencia residual y el ruido están modelados como una variable aleatoria Gaussiana compleja de media cero Z con partes independientes reales e imaginarias, cada una con una variación o2.

37. - Un aparato para calcular un símbolo transmitido, el símbolo transmitido son puntos en una constelación, el método comprende: medios para recibir una muestra; medios para calcular la Relación Señal-a-Ruido (SINR) de la muestra; medios para calcular el símbolo transmitido con base en la SINR y la muestra.

38. - El aparato de conformidad con la rei indicación 37, caracterizado porque los medios para calcular el símbolo transmitido además comprenden: medios para calcular la variación de la muestra recibida que está definida por la relación: en donde la interferencia residual y el ruido están modelados como una variable aleatoria Gaussiana compleja de media cero Z con partes independientes reales e imaginarias, cada una con una variación o1 y, evaluar una media condicional como: en donde Y representa la muestra de entrada al fraccionador suave y y representa los símbolos transmitidos que pertenecen al mapeo de constelación ?.

39. - El aparato de conformidad con la reivindicación 37, caracterizado porque los valores calculados se almacenan en una unidad de almacenamiento de memoria, y en donde cada región del mapa de la constelación tiene un valor calculado correspondiente.

40. - El aparato de conformidad con la reivindicación 39, que además comprende: medios para cuantificar el símbolo para generar un primer valor para una región del mapa de la constelación; y medios para determinar un valor calculado que corresponda a la región del mapa de la constelación .

41.- El método de conformidad con la reivindicación 40, que además comprende: medios para cuantificar el símbolo a un primer valor seleccionado de un conjunto de N valores; medios para determinar una entrada de la unidad de almacenamiento de memoria que corresponda al primer valor y a la SINR.

42. - El aparato de conformidad con la reivindicación 41, caracterizado porque los medios para cuantificar el símbolo comprenden: medios para cuantificar el símbolo utilizando un criterio de Distancia Euclidiana Mínima.

43. - El método de conformidad con la reivindicación 40, caracterizado porque los valores calculados se almacenan en la unidad de almacenamiento de memoria para un conjunto de valores SINR, y en donde el aparato además comprende: medios para interpolar las entradas en la unidad de almacenamiento de memoria para determinar un primer valor calculado para un primer valor SINR, en donde el primer valor SINR no es el conjunto de valores SINR.

44. - El aparato de conformidad con la reivindicación 40, caracterizado porque cada región del mapa de la constelación tiene una forma rectangular.

45. - El aparato de conformidad con la reivindicación 39, caracterizado porque la unidad de almacenamiento de memoria incluye entradas identificadas por SINR y el valor calculado.

46. - El aparato de conformidad con la reivindicación 37, que además comprende: medios para determinar un primer cálculo con base en la SINR y la muestra recibida; y medios para determinar un segundo cálculo con base en una combinación del primer cálculo, la SINR, y la muestra recibida.

47. - El aparato de conformidad con la reivindicación 46, caracterizado porque el primer cálculo se realiza utilizando un fraccionador de distancia mínima.

48. - El aparato de conformidad con la reivindicación 46, caracterizado porque el segundo cálculo es igual al primer cálculo más un término de corrección.

49. - El método de conformidad con la reivindicación 46, caracterizado porque el primer cálculo se define como: s% yi) , y el segundo cálculo se proporciona como: ?? [yi) + {y-yi) s2{??) , en donde cada s representa un mapeo único de un valor muestra para un valor calculado, y representa la muestra recibida, y y¿ es una versión cuantificada de la muestra recibida.

50.- El método de conformidad con la reivindicación 49, caracterizado porque los medios para determinar el primer cálculo comprenden: medios para cuantificar la muestra recibida para formar una muestra cuantificada; medios para generar un primer cálculo con base en la muestra cuantificada; y medios para generar un segundo cálculo con base en el primer cálculo.

51.- Un aparato que comprende: un dispositivo de almacenamiento de memoria; y una unidad de procesamiento acoplada al dispositivo de almacenamiento de memoria y adaptada para: recibir una muestra que corresponda a un símbolo transmitido, el símbolo transmitido se mapea a un mapa de constelación; calcular una Relación Señal- a-Ruido (SINR) de la muestra; calcular el símbolo transmitido con base en la SINR y en la muestra.