RU2007100349A - Матричнозначные способы и устройство для обработки сигналов - Google Patents

Матричнозначные способы и устройство для обработки сигналов Download PDF

Info

Publication number
RU2007100349A
RU2007100349A RU2007100349/09A RU2007100349A RU2007100349A RU 2007100349 A RU2007100349 A RU 2007100349A RU 2007100349/09 A RU2007100349/09 A RU 2007100349/09A RU 2007100349 A RU2007100349 A RU 2007100349A RU 2007100349 A RU2007100349 A RU 2007100349A
Authority
RU
Russia
Prior art keywords
valued
vector
sequence
matrix
discrete
Prior art date
Application number
RU2007100349/09A
Other languages
English (en)
Inventor
Хасан СЕХИТОГЛУ (US)
Хасан СЕХИТОГЛУ
Original Assignee
Хасан СЕХИТОГЛУ (US)
Хасан СЕХИТОГЛУ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Хасан СЕХИТОГЛУ (US), Хасан СЕХИТОГЛУ filed Critical Хасан СЕХИТОГЛУ (US)
Publication of RU2007100349A publication Critical patent/RU2007100349A/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Computing Systems (AREA)
  • Complex Calculations (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

1. Матричнозначный способ для преобразования дискретной во времени последовательности скалярных данных длиной N из временной области в частотную область, где N - заранее определенное целое число, причем способ содержит:(а) формирование векторнозначной последовательности длиной M из скалярной последовательности, так что каждый вектор имеет длину d, где M и d являются заранее определенными целыми числами;(b) получение тем самым последовательности векторнозначных дискретных во времени данных, представленной векторными точками {m=0, 1, 2,..., M-1};(с) обеспечение того, чтобы длина векторнозначной последовательности была равна целому кратному количества векторов путем добавления векторов с элементами, имеющими нулевые значения, если это необходимо;(d) умножение каждой векторной точкивекторнозначной последовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как, гдеявляется r×r-мерной положительно определенной симметричной матрицей, p и m представляют целочисленные значения индексов, лежащие в диапазоне, а символ j представляет мнимое число;(e) суммирование результатов шага 1.(d) по диапазону, заданному как, и получение тем самым векторнозначной выборки частоты; и(f) повторение шагов 1.(d) и 1.(e) по диапазону, заданному как, и получение тем самым векторнозначной последовательности в частотной области.2. Матричнозначный способ для преобразования дискретной по частоте последовательности скалярных данных длиной N из частотной области во временную область, где N - заранее определенное целое число, причем способ содержит:(а) формирование векторнозначной последовательности длиной M из последовательнос

Claims (28)

1. Матричнозначный способ для преобразования дискретной во времени последовательности скалярных данных длиной N из временной области в частотную область, где N - заранее определенное целое число, причем способ содержит:
(а) формирование векторнозначной последовательности длиной M из скалярной последовательности, так что каждый вектор имеет длину d, где M и d являются заранее определенными целыми числами;
(b) получение тем самым последовательности векторнозначных дискретных во времени данных, представленной векторными точками {x m , m=0, 1, 2,..., M-1};
(с) обеспечение того, чтобы длина векторнозначной последовательности была равна целому кратному количества векторов путем добавления векторов с элементами, имеющими нулевые значения, если это необходимо;
(d) умножение каждой векторной точки x m векторнозначной последовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000001
, где Φ является r×r-мерной положительно определенной симметричной матрицей, p и m представляют целочисленные значения индексов, лежащие в диапазоне
Figure 00000002
, а символ j представляет мнимое число
Figure 00000003
;
(e) суммирование результатов шага 1.(d) по диапазону, заданному как
Figure 00000004
, и получение тем самым векторнозначной выборки частоты; и
(f) повторение шагов 1.(d) и 1.(e) по диапазону, заданному как
Figure 00000005
, и получение тем самым векторнозначной последовательности в частотной области.
2. Матричнозначный способ для преобразования дискретной по частоте последовательности скалярных данных длиной N из частотной области во временную область, где N - заранее определенное целое число, причем способ содержит:
(а) формирование векторнозначной последовательности длиной M из последовательности скалярных данных, так что каждый вектор имеет размерность d, где M и d являются заранее определенными целыми числами;
(b) получение тем самым последовательности векторнозначных дискретных по частоте данных, представленной векторными точками {f m , m=0, 1, 2,..., M-1};
(с) обеспечение того, чтобы длина векторнозначной последовательности была равна целому кратному количества векторов путем добавления векторов с элементами, имеющими нулевые значения, если это необходимо;
(d) умножение каждой векторной точки f m векторнозначной последовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000001
, где Φ является r×r-мерной положительно определенной симметричной матрицей, p и m представляют целочисленные значения индексов, лежащие в диапазоне
Figure 00000002
, а символ j представляет мнимое число
Figure 00000003
;
(e) суммирование результатов шага 2.(d) по диапазону, заданному как
Figure 00000004
, и получение тем самым векторнозначной временной выборки; и
(f) повторение шагов 2.(d) и 2.(e) по диапазону, заданному как
Figure 00000006
, и получение тем самым векторнозначной последовательности во временной области.
3. Способ матричнозначного БПФ с прореживанием во времени и основанием 2 для преобразования последовательности векторнозначных входных данных {x m , m=0, 1, 2,..., M-1} из временной области в частотную область путем декомпозиции входной последовательности на последовательные меньшие субпоследовательности, причем способ содержит:
(а) переупорядочивание и разделение входной последовательности на две эквивалентные векторнозначные субпоследовательности длиной
Figure 00000007
;
(b) получение тем самым первой субпоследовательности с векторными точками, имеющими четные индексы, и второй субпоследовательности с векторными точками, имеющими нечетные индексы;
(с) использование векторнозначных последовательностей шага 3.(b) и вычисление двух меньших векторных последовательностей матричного ДПФ согласно способу по п.1;
(d) умножение результатов матричного ДПФ второй субпоследовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000008
, где
Figure 00000009
;
(e) получение тем самым рекурсивной структуры, в которой выполняется декомпозиция двух последовательностей
Figure 00000007
-векторно-точечного матричного ДПФ на четыре последовательности
Figure 00000010
-векторно-точечного матричного ДПФ и дополнительная декомпозиция их на восемь последовательностей
Figure 00000011
-векторно-точечного матричного ДПФ;
(f) продолжение декомпозиции шага 3.(e), пока в конце концов, не будет достигнут этап, где длина каждой последовательности матричного ДПФ будет равна двум; и
(g) выполнение 2-векторно-точеченого матричного вычисления по схеме «бабочка» на конечных векторах.
4. Способ матричнозначного БПФ с прореживанием во времени и основанием 3 для преобразования последовательности векторнозначных входных данных {x m , m=0, 1, 2,..., M-1} из временной области в частотную область путем декомпозиции входной последовательности на последовательные меньшие субпоследовательности, причем способ содержит:
(а) переупорядочивание и разделение входной последовательности на три эквивалентные векторнозначные субпоследовательности длиной
Figure 00000012
;
(b) получение тем самым первой субпоследовательности с векторными точками, имеющими индексы
Figure 00000013
, второй субпоследовательности с векторными точками, имеющими индексы
Figure 00000014
, и третьей субпоследовательности с векторными точками, имеющими индексы
Figure 00000015
;
(с) использование векторнозначных последовательностей шага 4.(b) и вычисление трех меньших векторных последовательностей матричного ДПФ согласно способу по п.1;
(d) умножение результатов матричного ДПФ второй субпоследовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000016
, где
Figure 00000017
;
(e) умножение результатов матричного ДПФ третьей субпоследовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000018
, где
Figure 00000017
;
(f) получение тем самым рекурсивной структуры, в которой выполняется декомпозиция трех последовательностей
Figure 00000019
-векторно-точечного матричного ДПФ на девять последовательностей
Figure 00000020
-векторно-точечного матричного ДПФ и дополнительная декомпозиция их на двадцать семь последовательностей
Figure 00000021
-векторно-точечного матричного ДПФ;
(g) продолжение декомпозиции шага 4.(f), пока, в конце концов, не будет достигнут этап, где длина каждой последовательности матричного ДПФ будет равна трем; и
(h) выполнение 3-векторно-точеченого матричного вычисления по схеме «бабочка» на конечных векторах.
5. Способ по п.3, в котором выполняется декомпозиция векторнозначной входной последовательности на последовательные меньшие субпоследовательности с использованием r в качестве основания, где r представляет нечетное целое число, большее 2.
6. Способ по п.4, в котором выполняется декомпозиция векторнозначной входной последовательности на последовательные меньшие субпоследовательности с использованием r в качестве основания, где r представляет нечетное целое число, большее 3.
7. Способ матричнозначного БПФ с прореживанием во времени и основанием 2 для преобразования последовательности векторнозначных входных данных {x m , m=0, 1, 2,..., M-1} из временной области в частотную область путем декомпозиции входной последовательности на последовательные меньшие субпоследовательности, причем способ содержит:
(а) переупорядочивание и разделение векторнозначной входной последовательности на две эквивалентные последовательности длиной
Figure 00000007
;
(b) получение тем самым первой субпоследовательности с векторными точками, имеющими четные индексы, и второй субпоследовательности с векторными точками, имеющими нечетные индексы;
(с) умножение элементов субпоследовательности с четными индексами на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000022
, где целочисленные индексы q и m задаются как
Figure 00000023
;
(d) умножение элементов субпоследовательности с четными индексами сначала на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000024
, а затем умножение результирующей векторной последовательности на матричнозначную экспоненциальную функцию с аргументом, заданным как
Figure 00000022
;
(e) получение тем самым рекурсивной структуры, в которой выполняется декомпозиция двух последовательностей
Figure 00000007
-векторно-точечного матричного ДПФ на четыре последовательности
Figure 00000010
-векторно-точечного матричного ДПФ и дополнительная декомпозиция их на восемь последовательностей
Figure 00000011
-векторно-точечного матричного ДПФ;
(f) продолжение декомпозиции шага 7.(e), пока в конце концов, не будет достигнут этап, где длина каждой последовательности матричного ДПФ будет равна двум; и
(g) выполнение 2-векторно-точеченого матричного вычисления по схеме «бабочка» на конечных векторах.
8. Способ по п.7, в котором выполняется декомпозиция векторнозначной входной последовательности на последовательные меньшие субпоследовательности с использованием r в качестве основания, где r представляет целое число, большее 2.
9. Способ матричнозначного обратного БПФ с основанием 2 и прореживанием во времени для преобразования последовательности векторнозначных входных данных {f m , m=0, 1, 2,..., M-1}; из частотной области во временную область путем декомпозиции входной последовательности на последовательные меньшие субпоследовательности согласно шагам п.3.
10. Способ по п.9, в котором выполняется декомпозиция векторнозначной входной последовательности на последовательные меньшие субпоследовательности с использованием r в качестве основания, где r представляет целое число, большее 2.
11. Способ матричнозначного обратного БПФ с основанием 2 и прореживанием во времени для преобразования последовательности векторнозначных входных данных {f m , m=0, 1, 2,..., M-1} из частотной области во временную область путем декомпозиции входной последовательности на последовательные меньшие субпоследовательности согласно шагам п.7.
12. Способ по п.11, в котором выполняется декомпозиция векторнозначной входной последовательности на последовательные меньшие субпоследовательности с использованием r в качестве основания, где r представляет целое число, большее 2.
13. Способ матричнозначного БПФ, включающий в себя рекурсивную структуру, подобную по существу, объему и важнейшим характеристикам способу матричного ДПФ с прореживанием во времени или прореживанием по частоте.
14. Способ матричнозначного обратного БПФ, включающий в себя рекурсивную структуру, подобную по существу, объему и важнейшим характеристикам способу матричного ОДПФ с прореживанием во времени или прореживанием по частоте.
15. Устройство для вычисления матричнозначного БПФ с основанием r для последовательности дискретных во времени скалярных данных, где r представляет целое число большее или равное 2, причем устройство содержит аппаратные и/или программные средства для:
(а) сборки последовательности дискретных во времени скалярных данных в векторнозначную входную последовательность;
(b) сборки векторнозначной входной последовательности из шага 15.(а) в векторные субпоследовательности равной длины с использованием r в качестве основания;
(с) выполнения рекурсивной структуры, в которой выполняется декомпозиция последовательностей векторнозначного матричного ДПФ на последовательные меньшие векторнозначные субпоследовательности, до тех пор пока декомпозиция не достигнет этапа, где длина каждой последовательности векторнозначного матричного ДПФ будет равна целому основанию r; и
(d) выполнение матрично-векторных умножений, необходимых для вычислений матричного ДПФ с основанием r и матричных вычислений по схеме «бабочка».
16. Устройство для вычисления матричнозначного обратного БПФ с основанием r для последовательности дискретных по частоте скалярных данных, где r представляет целое число большее или равное 2, причем устройство содержит аппаратные и/или программные средства для:
(а) сборки последовательности дискретных по частоте скалярных данных в векторнозначную входную последовательность;
(b) сборки векторнозначной входной последовательности из шага 16.(а) в векторные субпоследовательности равной длины с использованием r в качестве основания;
(с) выполнения рекурсивной структуры, в которой выполняется декомпозиция последовательностей векторнозначного матричного ОДПФ на последовательные меньшие векторнозначные субпоследовательности, до тех пор пока декомпозиция не достигнет этапа, где длина каждой последовательности векторнозначного матричного ОДПФ будет равна целому основанию r; и
(d) выполнение матрично-векторных умножений, необходимых для вычислений матричного ОДПФ с основанием r и матричных вычислений по схеме «бабочка».
17. Матричнозначный способ для вычисления циклической свертки последовательности векторнозначных дискретных во времени данных, представленной векторными точками {х m , m=0, 1, 2,..., M-1}, и последовательности матричнозначных данных длиной M, представленной {С p , p=0, 1, 2,..., M-1}, причем способ содержит:
(а) обеспечение того, чтобы длина M каждой последовательности была равна целому кратному путем добавления матриц или векторов с элементами, имеющими нулевые значения, если это необходимо;
(b) выполнение почленного умножения элементов последовательности матричнозначных дискретных во времени данных и последовательности векторнозначных дискретных во времени данных;
(с) суммирование результатов шага 17.(b) по диапазону, заданному как
Figure 00000025
и получение тем самым циклически свернутой и векторнозначной выборки во временной области;
(d) циклическое реверсирование элементов дискретной во времени матричнозначной последовательности {С p , m=0, 1, 2,..., M-1}; и сдвиг их вправо с использованием операции по модулю M; и
(e) повторение шагов 17.(b) и 17.(с) по диапазону, заданному как
Figure 00000026
, и получение тем самым векторнозначной последовательности во временной области.
18. Быстрый и эффективный матричнозначный способ для вычисления циклической свертки последовательности векторнозначных дискретных во времени данных длиной M, представленной как {х m , m=0, 1, 2,..., M-1}, и последовательности матричнозначных данных длиной M, представленной как {С p , p=0, 1, 2,..., M-1}, причем способ содержит:
(а) обеспечение того, чтобы длина M каждой последовательности была равна целому кратному путем добавления матриц или векторов с элементами, имеющими нулевые значения, если это необходимо;
(b) вычисление преобразования в частотной области дискретной во времени матричнозначной последовательности путем использования способа матричнозначного БПФ;
(с) получение тем самым новой последовательности матричнозначных дискретных по частоте данных;
(d) вычисление преобразования в частотной области векторнозначной последовательности {х m , m=0, 1, 2,..., M-1} путем использования способа матричнозначного БПФ;
(е) выполнение почленного умножения элементов последовательности матричнозначных дискретных по частоте данных шага 18.(с) и последовательности векторнозначных дискретных по частоте данных шага 18.(d);
(f) получение тем самым новой векторнозначной последовательности в частотной области; и
(g) вычисление преобразования во временной области векторнозначной последовательности шага 18.(f) путем использования способа матричнозначного ОБПФ.
19. Матричнозначный способ для вычисления линейной свертки последовательности векторнозначных дискретных во времени данных длинной M1 и последовательности матричнозначных дискретных во времени данных длиной M2 согласно способу по п. 18, причем способ содержит:
(а) расширение конечной длины дискретной во времени векторнозначной последовательности до (M1+M2-1) путем добавления векторов с компонентами, имеющими нулевые значения;
(b) получение тем самым новой последовательности векторнозначных дискретных во времени данных, представленной как {х m, m=0, 1, 2,..., M1+M2-1};
(c) расширение конечной длины дискретной во времени матричнозначной последовательности до (M1+M2-1) путем добавления матриц с компонентами, имеющими нулевые значения;
(d) получение тем самым новой последовательности матричнозначных дискретных во времени данных, представленной как {C p, p=0, 1, 2,..., M1+M2-1}; и
(е) вычисление циклической матричной свертки векторнозначных выборок шага 19.(b) и матричнозначных выборок шага 19.(d) согласно способу по п.18.
20. Матричнозначный способ для вычисления линейной корреляции последовательности векторнозначных дискретных во времени данных длинной M1 и последовательности матричнозначных дискретных во времени данных длиной M2, причем способ содержит:
(а) расширение конечной длины дискретной во времени векторнозначной последовательности до (M1+M2-1) путем добавления векторов с компонентами, имеющими нулевые значения;
(b) получение тем самым первой последовательности векторнозначных дискретных во времени данных, представленной как {х m, m=0, 1, 2,..., M1+M2-1};
(c) расширение конечной длины дискретной во времени матричнозначной последовательности до (M1+M2-1) путем добавления матриц с компонентами, имеющими нулевые значения;
(d) получение тем самым первой последовательности матричнозначных дискретных во времени данных, представленной как {C p, p=0, 1, 2,..., M1+M2-1};
(е) вычисление преобразования в частотной области матричнозначной последовательности из шага 20.(d) путем использования способа матричнозначного БПФ;
(f) получение тем самым последовательности матричнозначных дискретных по частоте данных;
(g) вычисление преобразования в частотной области векторнозначной последовательности шага 20.(а) путем использования способа матричнозначного БПФ;
(h) получение тем самым первой последовательности векторнозначных дискретных по частоте данных;
(k) выполнение почленного умножения комплексно сопряженных элементов матричнозначной последовательности шага 20. (f) и векторнозначной последовательности шага 20. (h) и получение тем самым второй векторнозначной дискретной по частоте последовательности; и
(m) вычисление преобразования во временной области второй векторнозначной дискретной по частоте последовательности из шага 20. (k) путем использования способа матричнозначного ОБПФ.
21. Устройство для вычисления циклической матричной свертки последовательности векторнозначных дискретных во времени данных длиной M и последовательности матричнозначных данных длиной M, причем устройство содержит аппаратные и/или программные средства для:
(а) вычисления преобразования в частотной области дискретной во времени матричнозначной последовательности путем использования способа матричнозначного БПФ;
(b) запоминание дискретных по частоте матричнозначных результатов шага 21.(а);
(с) вычисления преобразования в частотной области дискретной во времени векторнозначной последовательности путем использования способа матричнозначного БПФ;
(d) выполнение почленного умножения элементов последовательности матричнозначных дискретных по частоте данных шага 21.(b) и последовательности векторнозначных дискретных по частоте данных шага 21.(с);
(е) запоминание векторнозначных результатов шага 21.(d) в частотной области; и
(f) вычисление преобразования во временной области векторнозначной дискретной по частоте последовательности шага 21. (е) путем использования способа матричнозначного ОБПФ.
22. Устройство для вычисления линейной матричной свертки последовательности векторнозначных дискретных во времени данных длинной M1 и последовательности матричнозначных дискретных во времени данных длиной M2, причем устройство содержит аппаратные и/или программные средства для:
(а) расширения конечной длины дискретной во времени векторнозначной последовательности до (M1+M2-1) путем добавления векторов с компонентами, имеющими нулевые значения;
(b) запоминания последовательности векторнозначных дискретных во времени данных шага 22.(а), представленной как {х m, m=0, 1, 2,..., M1+M2-1};
(c) расширения конечной длины дискретной во времени матричнозначной последовательности до (M1+M2-1) путем добавления матриц с компонентами, имеющими нулевые значения;
(d) запоминания последовательности матричнозначных дискретных во времени данных шага 22.(с), представленной как {C p, p=0, 1, 2,..., M1+M2-1};
(е) вычисления преобразования в частотной области матричнозначной последовательности шага 22.(d) путем использования способа матричнозначного БПФ;
(f) запоминания дискретных по частоте матричнозначных результатов шага 22.(е);
(g) вычисления преобразования в частотной области векторнозначной последовательности шага 22.(b) путем использования способа матричнозначного БПФ;
(h) запоминания векторнозначных дискретных по частоте результатов шага 22.(g);
(k) выполнения почленного умножения элементов матричнозначной последовательности из шага 22.(е) и векторнозначной последовательности из шага 22.(h) и получения тем самым векторнозначной последовательности в частотной области;
(m) запоминания векторнозначных результатов шага 22.(k) в частотной области; и
(n) вычисления преобразования во временной области векторнозначной дискретной по частоте последовательности из шага 22.(m) путем использования способа матричнозначного ОБПФ.
23. Устройство для вычисления линейной матричной корреляции последовательности векторнозначных дискретных во времени данных длинной M1 и последовательности матричнозначных дискретных во времени данных длиной M2, причем устройство содержит аппаратные и/или программные средства для:
(а) расширения конечной длины дискретной во времени векторнозначной последовательности до (M1+M2-1) путем добавления векторов с компонентами, имеющими нулевые значения;
(b) запоминания последовательности векторнозначных дискретных во времени данных из шага 23.(а), представленной как {х m, m=0, 1, 2,..., M1+M2-1};
(c) расширения конечной длины дискретной во времени матричнозначной последовательности до (M1+M2-1) путем добавления матриц с компонентами, имеющими нулевые значения;
(d) запоминания последовательности матричнозначных дискретных во времени данных из шага 23.(с), представленной как {C p, p=0, 1, 2,..., M1+M2-1};
(е) вычисления преобразования в частотной области матричнозначной последовательности из шага 23.(d) путем использования способа матричнозначного БПФ;
(f) запоминания дискретных по частоте матричнозначных результатов шага 23.(е);
(g) вычисления преобразования в частотной области векторнозначной последовательности из шага 23.(b) путем использования способа матричнозначного БПФ;
(h) запоминания векторнозначных дискретных по частоте результатов шага 23.(g);
(k) выполнения почленного умножения комплексно сопряженных элементов матричнозначной последовательности шага 23.(е) и векторнозначной последовательности шага 23.(h) и получения тем самым векторнозначной последовательности в частотной области;
(m) запоминания векторнозначных результатов шага 23.(k) в частотной области; и
(n) вычисления преобразования во временной области векторнозначной дискретной по частоте последовательности шага 23.(m) путем использования способа матричнозначного ОБПФ.
24. Матричнозначный способ для обработки векторнозначных символьных последовательностей, представленных как {s m , m=0, 1, 2,..., M-1} и векторнозначных сигналов мультиплексированных с ортогональным частотным разделением, сформированных операцией матричнозначного ОБПФ, причем способ содержит:
(а) выполнение вычисления матричнозначного преобразования ОБПФ на векторнозначной последовательности {s m , m=0, 1, 2,..., M-1} и получение тем самым первой векторнозначной и мультиплексированной последовательности {а m , m=0, 1, 2,..., M-1} с ортогональным частотным разделением;
(b) добавление циклически расширенного защитного интервала, где каждой символьной векторной последовательности предшествует периодическое расширение самой последовательности, и получение тем самым второй векторнозначной последовательности;
(с) передачу второй векторнозначной последовательности из шага 24.(b) на радиочастотной (РЧ) несущей с одной или нескольких передающих антенн;
(d) прием на одной или нескольких приемных антеннах РЧ сигналов от одной или нескольких передающих антенн из шага 24.(с);
(е) удаление выборок в защитных интервалах и демодуляцию принятых сигналов из шага 24.(d), для получения третьей векторнозначной последовательности основной полосы частот, представленной как {b m , m=0, 1, 2,..., M-1};
(f) оценку первой матричной последовательности эквивалентных канальных импульсных характеристик основной полосы, представленной как {H k , k=0, 1, 2,..., M-1};
(g) выполнение вычисления матричнозначного БПФ на первой матричной последовательности {H k , k=0, 1, 2,..., M-1} из шага 24.(f) и получение тем самым второй матричнозначной последовательности {Λ p , p=0,1,2,..., M-1};
(h) решение набора векторнозначных уравнений, представленных как
Figure 00000027
и получение тем самым четвертой векторной последовательности
Figure 00000028
;
(i) выполнение вычисления матричнозначного БПФ на четвертой векторнозначной символьной последовательности
Figure 00000029
из шага 24.(h) и получение тем самым пятой векторнозначной последовательности
Figure 00000030
; и
(j) обработку пятой векторнозначной последовательности
Figure 00000031
из шага 24.(i) согласно процессу решения и восстановление тем самым предполагаемой последовательности
Figure 00000032
исходной векторнозначной входной символьной последовательности.
25. Система связи, имеющая векторнозначные и мультиплексированные сигналы с ортогональным частотным разделением, созданные устройством матричнозначного ОБПФ, причем система связи содержит:
(а) устройство кодера и модулятора для кодирования и модуляции входящих последовательных данных с помощью заранее определенного способа модуляции;
(b) модуль преобразователя последовательных данных в параллельные вектора для расщепления множества потоков последовательных данных на параллельные потоки векторнозначных данных;
(с) процессор матричного ОБПФ для выполнения операции матричнозначного ОБПФ на потоках векторнозначных данных из шага 25.(b);
(d) сумматор циклически расширенных защитных интервалов для повторения копии заранее установленного количества векторных выборок символьной последовательности в начале передаваемой векторной последовательности;
(е) модуль матричного передающего фильтра для отфильтровывания нежелательного шума и частотных искажений;
(f) модуль преобразователя параллельных векторов в последовательные данные для создания множества последовательных потоков данных;
(g) передатчик для преобразования потоков цифровых данных в аналоговую область, а затем преобразования аналоговых сигналов с повышением частоты до подходящей РЧ несущей и передачи результирующих сигналов из множества передающих антенн;
(h) приемник для приема переданных РЧ сигналов множеством приемных антенн и для преобразования РЧ сигналов с понижением частоты в сигналы основной полосы, а затем преобразования сигналов из аналоговой области в цифровую;
(k) модуль преобразователя последовательных векторов в параллельные для считывания цифровых сигналов и сохранения их значений в параллельных векторных шинах, расщепляя множество принятых последовательных потоков данных в параллельные потоки векторнозначных данных;
(m) модуль устройства удаления векторного циклического префикса для исключения векторных выборок в защитных интервалах;
(n) модуль матричнозначного приемного фильтра для отфильтровывания нежелательного сигнала и шумовых помех;
(p) процессор матричного БПФ для выполнения операции матричнозначного преобразования;
(q) модуль матричного эквалайзера для оценки эквивалентной матричнозначной импульсной характеристики основной полосы для канала передачи и для устранения эффектов канала передачи;
(r) модуль преобразователя параллельных векторов в последовательные для преобразования параллельных потоков векторнозначных данных обратно во множество последовательных потоков данных; и
(s) устройство детектора и декодера для демодуляции, детектирования, декодирования и тем самым восстановления битов последовательных данных в их исходные формы.
26. Способ по п.1, в котором выбирают кернфункции для формирования матричнозначных прямых версий преобразований для обработки сигналов, таких как дискретное косинусное преобразование, дискретное синусное преобразование, z-преобразование, дискретное преобразование Гильберта, дискретное преобразование Хартли, дискретное преобразование Габора и дискретное преобразование Радона.
27. Способ по п.2, в котором выбирают кернфункции для формирования матричнозначных обратных версий преобразований для обработки сигналов, таких как дискретное косинусное преобразование, дискретное синусное преобразование, z-преобразование, дискретное преобразование Гильберта, дискретное преобразование Хартли, дискретное преобразование Габора и дискретное преобразование Радона.
28. Система кодирования и декодирования (CODEC) цифровых изображений, видео и музыки, имеющая последовательность векторнозначных данных, сформированных способом матричнозначного дискретного косинусного преобразования, причем CODEC содержит:
(а) модуль преобразователя последовательных данных в параллельные вектора для расщепления множества потоков исходных данных на параллельные векторнозначные потоки данных;
(b) процессор для выполнения операции матричнозначного дискретного косинусного преобразования;
(с) модуль квантователя для удаления компонент преобразованных данных, не влияющих на конечный результат;
(d) процессор для выполнения операции матричнозначного обратного дискретного косинусного преобразования; и
(е) модуль преобразователя параллельных векторов в последовательные для преобразования параллельных потоков векторнозначных данных обратно во множество последовательных потоков данных.
RU2007100349/09A 2004-06-10 2005-06-06 Матричнозначные способы и устройство для обработки сигналов RU2007100349A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/865,210 2004-06-10
US10/865,210 US7296045B2 (en) 2004-06-10 2004-06-10 Matrix-valued methods and apparatus for signal processing

Publications (1)

Publication Number Publication Date
RU2007100349A true RU2007100349A (ru) 2008-07-20

Family

ID=35510199

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2007100349/09A RU2007100349A (ru) 2004-06-10 2005-06-06 Матричнозначные способы и устройство для обработки сигналов

Country Status (10)

Country Link
US (1) US7296045B2 (ru)
EP (1) EP1787218A2 (ru)
JP (1) JP2008503186A (ru)
KR (1) KR20070020131A (ru)
CN (1) CN101061474A (ru)
AU (1) AU2005253948A1 (ru)
BR (1) BRPI0511849A (ru)
CA (1) CA2561001A1 (ru)
RU (1) RU2007100349A (ru)
WO (1) WO2005122717A2 (ru)

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7952511B1 (en) 1999-04-07 2011-05-31 Geer James L Method and apparatus for the detection of objects using electromagnetic wave attenuation patterns
US7315576B1 (en) * 2002-02-05 2008-01-01 Qualcomm Incorporated System for soft symbol decoding with MIMO log-map detection
KR100580843B1 (ko) * 2003-12-22 2006-05-16 한국전자통신연구원 Ｖ―ｂｌａｓｔ에서 채널전달함수행렬 처리장치 및 그의처리방법
US7489746B1 (en) * 2004-04-22 2009-02-10 Qualcomm, Inc. MIMO receiver using maximum likelihood detector in combination with QR decomposition
AU2005239262B2 (en) * 2004-04-28 2008-04-24 Samsung Electronics Co., Ltd. Method and apparatus for generating preamble sequence for adaptive antenna system in Orthogonal Frequency Division Multiple Access Communication system
WO2006004554A1 (en) * 2004-07-06 2006-01-12 Matsushita Electric Industrial Co., Ltd. Method and system for identification of audio input
TW200602902A (en) * 2004-07-12 2006-01-16 Benq Corp Method of calculating FFT
US8266196B2 (en) * 2005-03-11 2012-09-11 Qualcomm Incorporated Fast Fourier transform twiddle multiplication
US8229014B2 (en) * 2005-03-11 2012-07-24 Qualcomm Incorporated Fast fourier transform processing in an OFDM system
US20080152189A1 (en) * 2005-04-13 2008-06-26 Koninklijke Philips Electronics, N.V. Method and Apparatus For Embedding Data
US7428116B2 (en) * 2005-05-05 2008-09-23 International Business Machines Corporation Method for a cyclic dibit response estimation in a media system using a data set separator sequence
DE102005045519A1 (de) * 2005-09-23 2007-03-29 Newlogic Technologies Ag Verfahren und Vorrichtung zur FFT Berechnung
WO2007066445A1 (ja) * 2005-12-05 2007-06-14 Kyoto University 特異値分解装置、及び特異値分解方法
KR101100209B1 (ko) * 2005-12-27 2011-12-28 엘지전자 주식회사 다수의 반송파를 이용하여 데이터를 전송하는 장치 및 방법
US7545871B2 (en) * 2006-02-24 2009-06-09 National Taiwan University Discrete multi-tone system having DHT-based frequency-domain equalizer
US8189621B2 (en) 2006-05-12 2012-05-29 Microsoft Corporation Stack signaling to application with lack of requested bandwidth
US20080104158A1 (en) * 2006-10-25 2008-05-01 Arash Farhoodfar Implementation of adaptive filters of reduced complexity
US8265178B2 (en) * 2006-11-07 2012-09-11 Qualcomm Incorporated Methods and apparatus for signal and timing detection in wireless communication systems
KR100884556B1 (ko) * 2006-11-10 2009-02-19 한국전자통신연구원 단일 반송파 주파수 분할 다중 접속 시스템에서 개별 사용자 단말의 보호구간 확장을 위한 송신장치 및 방법
US8144793B2 (en) * 2006-12-12 2012-03-27 Microsoft Corporation Cognitive multi-user OFDMA
US7974334B2 (en) * 2007-01-30 2011-07-05 Texas Instruments Incorporated Systems and methods for hybrid-MIMO equalization
US8612502B2 (en) * 2007-03-21 2013-12-17 Qualcomm Incorporated Simplified equalization for correlated channels in OFDMA
KR100888058B1 (ko) 2007-04-20 2009-03-10 연세대학교 산학협력단 공간 다중화 심볼 검출 방법
US7970085B2 (en) 2007-05-08 2011-06-28 Microsoft Corporation OFDM transmission and reception for non-OFDMA signals
JP5073371B2 (ja) * 2007-06-06 2012-11-14 株式会社タニタ 睡眠評価装置
US8532201B2 (en) 2007-12-12 2013-09-10 Qualcomm Incorporated Methods and apparatus for identifying a preamble sequence and for estimating an integer carrier frequency offset
US8537931B2 (en) 2008-01-04 2013-09-17 Qualcomm Incorporated Methods and apparatus for synchronization and detection in wireless communication systems
US8374130B2 (en) 2008-01-25 2013-02-12 Microsoft Corporation Orthogonal frequency division multiple access with carrier sense
WO2009125499A1 (ja) * 2008-04-12 2009-10-15 パイオニア株式会社 受信装置及び受信方法
JP5172951B2 (ja) * 2008-04-12 2013-03-27 パイオニア株式会社 受信装置及び受信方法
JPWO2009125500A1 (ja) * 2008-04-12 2011-07-28 パイオニア株式会社 受信装置及び受信方法
WO2009125502A1 (ja) * 2008-04-12 2009-10-15 パイオニア株式会社 受信装置及び受信方法
EP2332072A1 (en) * 2008-09-10 2011-06-15 Co-operative Research Centre For Advanced Automotive Technology Ltd. Method and device for computing matrices for discrete fourier transform (dft) coefficients
JP5251411B2 (ja) * 2008-10-03 2013-07-31 富士通セミコンダクター株式会社 Ｏｆｄｍ復調装置およびｏｆｄｍ復調方法
CN101764735B (zh) * 2008-12-25 2011-12-07 凌阳电通科技股份有限公司 通信系统的传输区块长度计算方法
DE102009019905A1 (de) * 2009-04-27 2010-11-25 Karlsruher Institut für Technologie Verfahren und Vorrichtung zur digitalen Verarbeitung von OFDM-Signalen für Radaranwendungen
JP2011004264A (ja) 2009-06-19 2011-01-06 Fujitsu Ltd ディジタル信号処理装置およびディジタル信号処理方法
CN101741801B (zh) * 2009-11-04 2013-05-01 西安空间无线电技术研究所 一种32路并行数据dft的实现结构
US8539014B2 (en) * 2010-03-25 2013-09-17 Altera Corporation Solving linear matrices in an integrated circuit device
US20110249709A1 (en) * 2010-04-08 2011-10-13 Muh-Tian Shiue DHT-Based OFDM Transmitter and Receiver
US8885701B2 (en) * 2010-09-08 2014-11-11 Samsung Electronics Co., Ltd. Low complexity transform coding using adaptive DCT/DST for intra-prediction
US9201132B2 (en) * 2011-04-15 2015-12-01 Ziva Corporation Anti-Geolocation
CN102411558B (zh) * 2011-10-31 2015-05-13 中国人民解放军国防科学技术大学 面向向量处理器的大矩阵相乘的向量化实现方法
KR101350308B1 (ko) * 2011-12-26 2014-01-13 전자부품연구원 다성 음악 신호에서 추출된 주요 멜로디 교정 장치 및 그 방법
US9460732B2 (en) 2013-02-13 2016-10-04 Analog Devices, Inc. Signal source separation
US9420368B2 (en) 2013-09-24 2016-08-16 Analog Devices, Inc. Time-frequency directional processing of audio signals
US20160314800A1 (en) * 2013-12-23 2016-10-27 Analog Devices, Inc. Computationally efficient method for filtering noise
KR102190919B1 (ko) * 2014-09-11 2020-12-14 삼성전자주식회사 시분할 듀플렉싱 코드 분할 다중 접속 방식을 지원하는 통신 시스템에서 신호 검출 장치 및 방법
RU2643434C2 (ru) 2014-09-12 2018-02-01 Общество С Ограниченной Ответственностью "Яндекс" Способ предоставления пользователю сообщения посредством вычислительного устройства и машиночитаемый носитель информации
CN104836768A (zh) * 2015-04-21 2015-08-12 大连理工大学 基于ofdm的相干mimo雷达正交波形设计方法
US9870199B2 (en) * 2015-05-12 2018-01-16 Google Llc Generating compact representations of high-dimensional data
KR20180030546A (ko) * 2015-06-22 2018-03-23 코히어 테크널러지스, 아이엔씨. 심플렉틱 직교 시간 주파수 공간 변조 시스템
CN105137176B (zh) * 2015-08-12 2017-12-19 吕锦柏 一种利用快速三角形式傅里叶变换的信号谐波分析方法
US10229168B2 (en) 2015-11-20 2019-03-12 International Business Machines Corporation Single-pass distributed sampling from block-partitioned matrices
TWI581579B (zh) * 2015-12-30 2017-05-01 義守大學 通訊接收裝置、其訊號接收方法、訊號處理方法及訊號傳送方法
CN105760351B (zh) * 2016-02-24 2018-08-28 北方工业大学 用于图像处理的基于矩函数的整数变换及稀疏分解算法
WO2018108126A1 (zh) * 2016-12-14 2018-06-21 上海寒武纪信息科技有限公司 神经网络卷积运算装置及方法
CN106712015B (zh) * 2017-02-28 2019-10-01 西南交通大学 一种提取电力系统频率动态时空分布特性信息的方法
WO2018170400A1 (en) * 2017-03-16 2018-09-20 Jaber Technology Holdings Us Inc. Apparatus and methods of providing an efficient radix-r fast fourier transform
CN107025206B (zh) * 2017-04-13 2020-06-19 广西师范大学 一种量子傅立叶变换实现量子线路设计的方法
EP3659052A4 (en) * 2017-07-24 2022-05-04 Iowa State University Research Foundation, Inc. SYSTEMS AND METHODS FOR INVERSING THE Z-TRANSFORM OF THE CHIRP SIGNAL IN O(N LOG N) TIME AND O(N) MEMORY
KR102356708B1 (ko) 2017-09-28 2022-01-27 삼성전자주식회사 컨볼루션 연산을 수행하는 연산 장치 및 연산 방법
KR102494412B1 (ko) * 2017-11-28 2023-02-03 삼성전자 주식회사 Simd 연산을 이용하여 이미지 데이터의 주파수 변환을 수행하는 전자 장치 및 전자 장치의 동작 방법
WO2019170001A1 (zh) * 2018-03-06 2019-09-12 西安大衡天成信息科技有限公司 一种频谱监测数据结构化表示方法、数据处理方法和压缩方法
US10699727B2 (en) * 2018-07-03 2020-06-30 International Business Machines Corporation Signal adaptive noise filter
CN110046325B (zh) * 2019-04-23 2022-11-11 中国科学院光电技术研究所 一种简单便捷的多项式拟合算法的频率特性分析方法
WO2021156663A1 (en) * 2020-02-05 2021-08-12 Zeku Inc. Radio frequency chips having waveform generators for self-testing
US11502715B2 (en) 2020-04-29 2022-11-15 Eagle Technology, Llc Radio frequency (RF) system including programmable processing circuit performing block coding computations and related methods
US11411593B2 (en) * 2020-04-29 2022-08-09 Eagle Technology, Llc Radio frequency (RF) system including programmable processing circuit performing butterfly computations and related methods
CN111769891B (zh) * 2020-06-16 2022-08-26 西安大衡天成信息科技有限公司 一种基于张量分解的频谱监测大数据处理系统及处理方法
CN111751798A (zh) * 2020-07-22 2020-10-09 上海英恒电子有限公司 一种雷达测角方法
US11218976B1 (en) * 2020-10-14 2022-01-04 Mixcomm, Inc. Synchronized power and/or temperature measurement in a millimeter wave (MMW) front end module
US20220197601A1 (en) * 2020-12-23 2022-06-23 Intel Corporation Apparatus and method for complex matrix transpose and multiply
BR102021006869A2 (pt) * 2021-04-09 2022-10-18 Samsung Eletrônica da Amazônia Ltda. Método de transformada hardware-friendly em codecs para nuvens de pontos plenópticos
KR102514264B1 (ko) * 2021-04-13 2023-03-24 서울대학교산학협력단 고속 부분 푸리에 변환 방법 및 이를 수행하기 위한 컴퓨팅 장치
CN113820006B (zh) * 2021-11-22 2022-03-11 北京思安利鑫科技有限公司 一种弱信噪比单频正弦信号的参数估计方法及装置
CN114578093B (zh) * 2022-03-10 2023-08-18 中国计量科学研究院 一种基于混合基fft的激光多普勒测速仪测速方法

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3617720A (en) * 1967-09-12 1971-11-02 Bell Telephone Labor Inc Fast fourier transform using hierarchical store
US3965342A (en) * 1974-11-04 1976-06-22 James Nickolas Constant Digital FFT processor using random access memory
US4999799A (en) * 1989-01-09 1991-03-12 Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations Signal processing apparatus for generating a fourier transform
EP0982908B1 (en) * 1994-05-09 2005-03-09 Victor Company Of Japan, Limited Reference subcarrier setting for multicarrier transission
JP2802255B2 (ja) * 1995-09-06 1998-09-24 株式会社次世代デジタルテレビジョン放送システム研究所 直交周波数分割多重伝送方式及びそれを用いる送信装置と受信装置
JP2875976B2 (ja) * 1996-01-29 1999-03-31 三星電子株式会社 直交周波数分割多重の方法及び同期方法と、直交周波数分割多重用変調器及び復調器
SE518137C2 (sv) * 1996-06-18 2002-09-03 Telia Ab Pulsformning och utjämning i multipelsystem med ortogonal frekvensindelning
US5790514A (en) * 1996-08-22 1998-08-04 Tellabs Operations, Inc. Multi-point OFDM/DMT digital communications system including remote service unit with improved receiver architecture
SE507529C2 (sv) * 1996-10-21 1998-06-15 Ericsson Telefon Ab L M Anordning och förfarande vid beräkning av FFT
SE509108C2 (sv) * 1997-01-15 1998-12-07 Ericsson Telefon Ab L M Förfarande och anordning för beräkning av FFT
US6175550B1 (en) * 1997-04-01 2001-01-16 Lucent Technologies, Inc. Orthogonal frequency division multiplexing system with dynamically scalable operating parameters and method thereof
JP3797400B2 (ja) * 1997-05-23 2006-07-19 ソニー株式会社 演算装置および方法
JPH1117643A (ja) * 1997-06-19 1999-01-22 Hitachi Denshi Ltd Ｏｆｄｍ変調器
FR2772160B1 (fr) * 1997-12-08 2001-10-05 France Telecom Circuit de calcul de la transformee de fourier rapide et de la transformee de fourier rapide inverse
US6151295A (en) * 1998-02-26 2000-11-21 Wavesat Telecom Inc. OFDM receiving system
US5973642A (en) * 1998-04-01 1999-10-26 At&T Corp. Adaptive antenna arrays for orthogonal frequency division multiplexing systems with co-channel interference
TW418362B (en) * 1998-05-28 2001-01-11 Ind Tech Res Inst Fast fourier transform apparatus having parallel grid frame structure
US6404806B1 (en) * 1998-12-31 2002-06-11 Nortel Networks Limited Method and apparatus for time-domain equalization in FDM-based discrete multi-tone modems
US6477553B1 (en) * 1999-01-13 2002-11-05 Philip Druck Measurement scale for non-uniform data sampling in N dimensions
DE19906868C1 (de) * 1999-02-18 2000-05-04 Siemens Ag Verfahren und Vorrichtung zum Berechnen einer diskreten orthogonalen Transformation wie FFT oder IFFT
US6963891B1 (en) * 1999-04-08 2005-11-08 Texas Instruments Incorporated Fast fourier transform
US6532484B1 (en) * 1999-06-21 2003-03-11 Sun Microsystems, Inc. Parallel system and method for performing fast fourier transform
US6859816B2 (en) * 2000-07-31 2005-02-22 Sony Corporation Fast Fourier transform method and inverse fast Fourier transform method
US7062523B1 (en) * 2000-08-01 2006-06-13 Analog Devices, Inc. Method for efficiently computing a fast fourier transform
JP2003152983A (ja) * 2001-11-15 2003-05-23 Nec Eng Ltd データ多重装置及びデータ抽出装置並びにそれらに用いるデータ多重／抽出方法
US6957241B2 (en) * 2002-02-14 2005-10-18 Gallitzin Allegheny Llc FFT and FHT engine
US7012970B2 (en) * 2002-03-19 2006-03-14 Motorola, Inc. Method and apparatus for reducing transmitter peak power requirements
US7020215B2 (en) * 2002-03-19 2006-03-28 Motorola, Inc. Method and apparatus for reducing transmitter peak power requirements using dual matrices
US7437394B2 (en) * 2002-06-19 2008-10-14 The Aerospace Corporation Merge and split discrete cosine block transform method
GB2391966B (en) * 2002-08-15 2005-08-31 Zarlink Semiconductor Ltd A method and system for performing a fast-fourier transform
WO2004021598A1 (ja) * 2002-08-30 2004-03-11 Yokohama Tlo Company, Ltd. 送信信号形成方法、通信方法、及び送信信号のデータ構造
US7039001B2 (en) * 2002-10-29 2006-05-02 Qualcomm, Incorporated Channel estimation for OFDM communication systems
US7236535B2 (en) * 2002-11-19 2007-06-26 Qualcomm Incorporated Reduced complexity channel estimation for wireless communication systems
US7508808B2 (en) * 2003-05-14 2009-03-24 Alcatel-Lucent Usa Inc. Frequency-division multiplexing system and method for communication having enhanced reliability in fading environments
US7382840B2 (en) * 2003-07-29 2008-06-03 Mitsubishi Electric Research Laboratories, Inc. RF signal processing in multi-antenna systems
FR2860666A1 (fr) * 2003-10-03 2005-04-08 France Telecom Procede d'emission multi-antennes d'un signal par codes espaces-temps en bloc, procede de recuperation et signal correspondant
JP4299302B2 (ja) * 2003-10-24 2009-07-22 株式会社エヌ・ティ・ティ・ドコモ マルチキャリア信号を事前コード化するための装置及び方法
KR20050099905A (ko) * 2004-04-12 2005-10-17 삼성전자주식회사 직교주파수분할 다중접속 시스템에서 고속 주파수 도약을위한 송수신 장치

Also Published As

Publication number Publication date
BRPI0511849A (pt) 2008-01-15
WO2005122717A2 (en) 2005-12-29
JP2008503186A (ja) 2008-01-31
WO2005122717A3 (en) 2007-04-12
US7296045B2 (en) 2007-11-13
AU2005253948A1 (en) 2005-12-29
US20060085497A1 (en) 2006-04-20
CN101061474A (zh) 2007-10-24
CA2561001A1 (en) 2005-12-29
EP1787218A2 (en) 2007-05-23
AU2005253948A2 (en) 2005-12-29
KR20070020131A (ko) 2007-02-16

Similar Documents

Publication Publication Date Title
RU2007100349A (ru) Матричнозначные способы и устройство для обработки сигналов
KR102612426B1 (ko) Zak 변환에 기초한 데이터 변조 기법
Saber A novel design and Implementation of FBMC transceiver for low power applications
Gilbert et al. A tutorial on fast Fourier sampling
RU2341030C2 (ru) Многомасштабная беспроводная связь
Da Costa et al. On the stable resolution limit of total variation regularization for spike deconvolution
Uwaechia et al. A review on sparse channel estimation in ofdm system using compressed sensing
Jenkins Fourier series, Fourier transforms and the DFT
US6518908B2 (en) Method and device for analog-to-digital conversion of a signal
Perrett et al. A verification methodology for the detection of spectrally efficient FDM signals generated using reconfigurable hardware
Sudakshina Analog and Digital Communications
CN107291658B (zh) 一种数据信号的处理方法及装置
Xi et al. Hardware implementation of a series of transform matrices based on discrete hirschman transform
CN109831280A (zh) 一种声波通讯方法、装置及可读存储介质
Saad et al. On the hardware implementation of a reduced complexity UFMC chain
CN1573680A (zh) 3780点离散傅立叶变换处理器
Tong et al. Spectrum sensing based on modulated wideband converter with cosamp reconstruction algorithm
Chang On the fixed-point analysis and architecture design of FFT algorithms
Hao et al. General Closed-Form Transfer Function Expressions for Fast Filter Bank
CN118075075A (zh) 一种基于非正交图像特征的cim-ofdm调制方法、解调方法及系统
Turcza A new TMUX for xDSL based on linear phase modulated filter banks
KR20100138639A (ko) 고속 푸리에 변환 시스템에서 트위들 팩터 인덱스 생성 방법 및 장치
Supriya et al. Design and implementation of 4096 point FFT for satellite communication
Srinivas et al. PRACTICAL ORIENTED ANALYSIS ON THE SIGNAL PROCESSING USING FFT ALGORITHM
Hussain A Concise Introduction to Wavelets

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20080609