FI98177C - Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi - Google Patents
Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi Download PDFInfo
- Publication number
- FI98177C FI98177C FI952674A FI952674A FI98177C FI 98177 C FI98177 C FI 98177C FI 952674 A FI952674 A FI 952674A FI 952674 A FI952674 A FI 952674A FI 98177 C FI98177 C FI 98177C
- Authority
- FI
- Finland
- Prior art keywords
- interference
- estimate
- signal
- sample
- map
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
Landscapes
- Noise Elimination (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Description
98177
Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi
Keksinnön kohteena on menetelmä ja piirijärjestely signaalin sisältämän häiriökom-ponentin kompensoimiseksi digitaalisessa tiedonsiirtojärjestelmässä, kuten matka-5 viestin-, radio- tai televisiojärjestelmässä.
Tiedonsiirtojärjestelmissä siirrettävään signaaliin summautuu häiriökomponentteja, hyötysignaalin viiveellisiä komponentteja sekä kohinaa. Tiedonsiirtojärjestelmissä ollaan siirtymässä digitaalisiin modulaatiomenetelmiin, joista erityisesti monitilaiset 10 modulaatiomenetelmät ovat herkkiä em. signaaliin summautuneille komponenteille, jotka voivat aiheuttaa virheitä vastaanotetun signaalin ilmaisussa. Tämä on merkittävä ongelma sekä radiotekniikkaan perustuvissa tiedonsiirtojärjestelmissä, kuten matkaviestinjärjestelmissä, ettäjohdollisissa tiedonsiirtojärjestelmissä, kuten kaa-pelitelevisiojärjestelmissä.
15
Hyötysignaalin viiveelliset komponentit aiheutuvat pääasiassa siitä, että hyötysig-naali kulkee lähettimestä vastaanottimeen useita reittejä pitkin. Häiriösignaalin lähteenä voivat olla tiedonsiirtojärjestelmä itse eli "hyötyjärjestelmä" tai muu tiedonsiirtojärjestelmä tai sähkölaite.
20
Esimerkiksi matkaviestinjärjestelmissä käytettävien tiedonsiirtokanavien määrä on rajallinen ja sen vuoksi samoja kanavia joudutaan käyttämään useissa järjestelmän soluissa. Tällöin läheisyydessä olevissa saman järjestelmän soluissa tapahtuva saman kanavan lähetystoiminta aiheuttaa häiriötason kasvua.
25
Toiseksi, koska käytettävissä olevalle taajuusalueelle pyritään sijoittamaan mahdollisimman paljon taajuuskanavia, on vierekkäisten kanavien taajuusero pieni ja siten häiriöitä aiheutuu myös viereisellä kanavalla tapahtuvasta lähetystoiminnasta. Tällöin häiritsevä signaali voi olla peräisin saman jäijestelmän samasta tai muusta 30 solusta.
Edellä mainittuja vastaavia häiriöitä voi aiheutua myös muusta samalla taajuusalueella toimivasta tiedonsiirtojärjestelmästä, jos järjestelmien etäisyys käytettyyn lähetystehoon nähden ei ole riittävä. Muillakin taajuusalueilla toimivat radiolähetti-35 met saattavat lähettää häiritseviä taajuuskomponentteja niiden toimintataajuudesta poikkeavilla taajuuksilla. Häiriöitä voi tiedonsiirtokanavalle aiheutua myös sähkölaitteista, joita ei ole tarkoitettu radiosignaalien lähettämiseen. Järjestelmän uiko- 98177 2 puolisten häiriöiden esiintyminen ja luonne vaihtelevat ja ovat siten vaikeasti ennustettavissa.
Ennestään tunnetaan menetelmiä, joissa häiriösignaalia kompensoidaan lineaarisella 5 suodatuksella. Tällaisista ratkaisuista mainittakoon ns. Kalman-suodatus. Näissä ratkaisuissa häiriösignaalin luonne kuitenkin edellytetään tunnetuksi. Yleensä häiriösignaalin lähteen oletetaankin olevan samanlainen järjestelmä kuin hyötyjär-jestelmä. Lisäksi eräissä menetelmissä vaaditaan, että häiriösignaalin ja hyötysig-naalin symbolinopeudet ovat samat tai että häiriö- ja hyötysignaalin kellotahdit ovat 10 toisiinsa lukitut. Näin tällaisten ratkaisujen käyttöalue rajoittuu lähinnä samassa jäijestelmässä syntyvän saman kanavan häiriön tai viereisen kanavan häiriön kompensoimiseen. Lineaaristen ennustusmenetelmien haittana on lisäksi kohinan huomattava kasvu.
15 Viiveellisten signaalikomponenttien korjaamiseksi on ennestään tunnettua käyttää poikittaiskorjainta tai päätöstakaisinkytkettyä korjainta. Tällaisia korjaimia on kuvattu esim. julkaisuissa [1] Proakis, J.G.: Advances in Equalization for Intersymbol Interference, Advances in Communication Systems Theory and Applications, Voi 4, Academic Press, 1975 20 ja [2] Proakis, J.G.. Digital communications (1989) McGraw-Hill, Inc., New York, 905 s.
Lisäksi on tunnettua käyttää edellä mainittujen korjaimien yhteydessä itseorganisoi-tuvaan karttaan SOM (Self Organizing Map) perustuvaa ilmaisua, joka on kuvattu 25 patenttijulkaisussa [3] Henriksson, Raivio, Kohonen: Vastaanottomenetelmä ja vastaanotin diskreeteille signaaleille, FI 85548.
Viiveellisten signaalikomponenttien korjaamiseen käytetyt korjaimet eivät kuitenkaan pysty kompensoimaan häiriöitä, jotka eivät korreloi hyötysignaalin kanssa.
30
Keksinnön tarkoituksena on luoda menetelmä ja piirijärjestely, jonka avulla on mahdollista kompensoida signaalin sisältämää häiriökomponenttia häiriölähteestä riippumatta. Tarvittaessa keksinnön mukaiseen ratkaisuun voidaan yhdistää myös viiveellisten hyötysignaalikomponenttien korjaus.
Keksinnön eräänä ajatuksena on, että häiriösignaalia kuvaava päätösvirhe luokitellaan adaptiivisella menetelmällä ja muodostetaan taulukko luokiteltuja päätös-virheitä vastaavista häiriöestimaateista. Näin edellisten päätösvirheiden perusteella 35 98177 3 saadaan seuraavaa signaalinäytettä vastaava häiriöestimaatti, joka vähennetään signaalinäytteestä ennen ajankohtaista päätöstä. Adaptiivinen menetelmä on edullisesti neuraalinen menetelmä kuten itseorganisoituva kartta.
5 Keksinnön mukaisen ratkaisun avulla voidaan kompensoida häiriösignaalit, joilla on sisäistä korrelaatiota, mutta joilla ei ole olennaista korrelaatiota hyötysignaalin kanssa. Siten ratkaisun avulla on mahdollista kompensoida myös sellaiset taajuuskaistaltaan rajoitetut häiriösignaalit, joiden alkuperää tai signaalin luonnetta ei tunneta. Koska häiriökompensointi adaptoituu häiriön suuruuteen, on kompensoinnin 10 aiheuttama kohinan kasvu mahdollisimman vähäistä.
Keksinnön mukaiselle menetelmälle on tunnusomaista, että mainittu häiriöestimaatti muodostetaan adaptiivisella menetelmällä vähintään yhden aikaisemman päätöksen ja vähintään yhden aikaisemman häiriökompensoimattoman signaalinäytteen 15 funktiona. Keksinnön mukaiselle piirijärjestelylle on tunnusomaista, että se käsittää välineet häiriöestimaatin määrittämiseksi adaptiivisesti vähintään yhden häiriökompensoimattoman signaalinäytteen ja vähintään yhden aikaisemman päätöksen perusteella.
20 Seuraavassa keksintöä selostetaan oheisten piirustusten avulla, joissa kuviossa 1 on esitetty esimerkki hyötysignaaliin summautuneesta häiriösignaalista, kuvio 2 esittää eräällä keksinnön ensimmäisellä ja toisella suoritusmuodolla saavu-25 tettavaa bittivirhesuhdetta häiriö/signaali-suhteen funktiona, kuvio 3 esittää keksinnön mukaisen ratkaisun ensimmäistä suoritusmuotoa lohko-kaaviona, 30 kuvio 4 esittää keksinnön mukaisen ratkaisun toista suoritusmuotoa lohkokaaviona, kuvio 5 esittää erästä kaksiulotteista itseorganisoituvaa karttaa, kuvio 6 esittää häiriönäytteen luokittelua itseorganisoituvan kartan avulla ja 35 kuvio 7 esittää keksinnön ensimmäisen suoritusmuodon mukaisen estimointilohkon rakennetta.
98177 4
Kuvioissa on käytetty seuraavaa lohkojen numerointia: 1 Poikittaiskorjaimen FIR-suodin 2, 3, 5, 6 Summain 5 4 Päätöspiiri 7 Itseorganisoituva kartta (SOM) 8 Estimointilohko 9 Päätöstakaisinkytketyn korjaimen FIR-suodin 10 Siirtorekisteri 10 11 Indeksimuunnin 12 Kombinaatiokartta 13 Estimaattirekisteri 14 Luettavan estimaatin valitsin 15, 16 Yksikköviivepiiri 15 17, 19 Kertojayksikkö 18 Summain 20 Päivitettävän estimaatin valitsin 21 Siirtorekisteri 22 Itseorganisoituva kartta (SOM) 20 23 Estimointilohko
Seuraavassa selostetaan ensin keksinnön mukaisen ratkaisun toimintaperiaatetta yleisesti (kuviot 1 ja 2) sekä keksinnön kaksi edullista suoritusmuotoa (kuviot 3 ja 4). Tämän jälkeen esitetään keksinnön kannalta olennaisen itseorganisoituvan kartan 25 toimintaperiaate ja sen soveltaminen keksinnön mukaisessa ratkaisussa (kuviot 5 ja 6) ja lopuksi selostetaan estimointilohkon toiminta (kuvio 7).
Kuviossa 1 on esitetty esimerkki mahdollisesta hyötysignaaliin summautuneesta häiriösignaalista. Häiriösignaalin luonnetta seurataan ottamalla siitä näytteitä tasa-30 välein hetkinä ti, t2 jne. Kaistarajoitettu häiriösignaali käyttäytyy siten, että edellisten näytteiden, esimerkiksi kolmen (esim. tj, t2>, t3) edellisen näytteen, avulla on mahdollista ennustaa seuraava arvo (t4), jolloin ennusteen tarkkuus riippuu häiriö-signaalin sisäisestä korrelaatiosta. Kun häiriösignaali on jonkin muun järjestelmän tiedonsiirtosignaali, sillä on yleensä suuri sisäinen korrelaatio, tyypillisesti esim. 0,9, 35 arvon 1,0 tarkoittaessa täydellistä korrelaatiota. Käytännössä hyvään kompensointi-tulokseen on mahdollista päästä jo pienemmällä häiriösignaalin korrelaatioarvolla, kuten 0,8.
. 98177 5
Keksinnön mukainen häiriökompensointi suoritetaan digitaalisen signaalin, kuten QAM (Quadrature Amplitude Modulation) tai PAM (Pulse Amplitude Modulation) -moduloidun hyötysignaalin ilmaisun yhteydessä, jolloin signaalista tehdään peräkkäisiä päätöksiä vähintään hyötysignaalin symbolinopeudella. Keksinnön mukai-5 sessa ratkaisussa vastaanottimessa voidaan mitata häiriönäytteiden arvot olettamalla signaalin digitaalisessa ilmaisussa tehdyt päätökset oikeiksi. Tällöin tehdyn päätöksen ja tulosignaalinäytteen erotus eli päätösvirhe sisältää kolmen tyyppisiä komponentteja: hyötysignaalin kanssa korreloivat komponentit eli pääasiassa hyötysignaalin viiveelliset komponentit, hyötysignaalin kanssa korreloimattomat kompo-10 nentit eli häiriösignaali sekä kohina. Koska hyötysignaalin kanssa korreloivat komponentit on mahdollista korjata ennestään tunnetuilla menetelmillä, on korjatun signaalin päätösvirhe hyvä mittausarvo häiriösignaalinäytteille edellyttäen, että kohina on olennaisesti häiriösignaalia pienempi.
15 Edellisten häiriösignaalinäytteiden mittausarvoja voidaan käyttää ennustamaan seu-raava häiriönäytteen arvo. Keksinnön mukaisesti pyritään luokittelemaan mahdolliset häiriösignaalin tyyppitransitiot ja perustamaan ennustaminen näihin. Luokitteluun on edullista käyttää neuraalista menetelmää, erityisesti itseorganisoituvaa karttaa (SOM), jolloin saavutetaan itseoppiminen ja adaptoituminen mielivaltaiseen 20 kaistarajoitettuun häiriöön. Ennustettu häiriönäytteen estimaatti vähennetään signaalista ennen lopullista päätöksentekoa.
Häiriöestimaatti määritellään usean, esim. kolmen, edellisen häiriönäytteen perusteella. Jos häiriöestimaatin määrittelyyn käytetään N kappaletta edellisiä häiriönäyt-25 teitä, voidaan häiriönäytteiden luokittelu tehdä jokaiselle häiriönäytteelle erikseen ja käyttää N kappaletta viimeistä luokittelutulosta estimaatin valintaan. Vaihtoehtoisesti voidaan suorittaa luokittelu keskitetysti N kappaleesta näytteitä muodostettavalle vektorille ja käyttää saatavaa N-ulotteista luokittelutulosta estimaatin valintaan. Mainittu ensimmäinen menettely on keksinnön ensimmäinen suoritusmuoto ja 30 toinen menettely on keksinnön toinen suoritusmuoto.
Kuviossa 2 on esitetty eräs tulos hakijan suorittamista kokeista, joissa keksinnön mukaisen menetelmän vaikutusta on mitattu. Kuviossa on esitetty ilmaistun signaalin bitti-virhesuhde BER (Bit-Error Ratio) häiriö-signaalisuhteen SIR (Signal-Inter-35 ference Ratio) funktiona ilman häiriökompensointia (kuvaaja A), ensimmäisen suoritusmuodon mukaista kompensointia käytettäessä (kuvaaja B) sekä toisen suoritusmuodon mukaista kompensointia käytettäessä (kuvaaja C). Häiriösignaalin sisäinen korrelaatio on mittauksessa ollut 0,9.
98177 6
Kuviossa 3 on esitetty lohkokaavio eräästä keksinnön ensimmäisen suoritusmuodon mukaisesta ratkaisusta, jossa jokainen häiriönäyte luokitellaan erikseen. Järjestelmässä vastaanotetaan kompleksisia signaalinäytteitä rk, jossa k esittää näytteiden 5 järjestystä ajallisesti. Nämä suodatetaan normaalilla adaptiivisella, lineaarisella poikittaissuodattimella 1, edullisesti FIR (Finite Impulse Response) -suotimella, jonka tappikertoimet määritetään summaimesta 5 saadun päätösvirheen perusteella. Suodatustulos Xk sisältää edelleen jonkin verran hyötysignaalin sisäistä keskinäis-vaikutusta sekä suodatettua häiriötä.
10
Signaalissa jäljellä olevat viiveelliset komponentit korjataan päätöstakaisinkytke-tyllä korjaimella DFE (Decision Feedback Equalizer), joka koostuu summaimista 2 ja 5 sekä FIR (Finite Impulse Response) -suotimesta 9. Signaalista xk vähennetään päätöstakaisinkytketyn korjaimen vastahaaran termi summaimessa 2. Korjattu sig-15 naali yk summaimen ulostulossa edustaa tavanmukaista DFE-korjattua signaalia.
Summaimessa 3 vähennetään tästä signaalista aikaisempien näytteiden avulla laskettu häiriösignaalin estimaattiarvo ek ja saadaan tulos ζ*. Päätöksenteko suoritetaan päätöspiirissä 4, jolloin päätös voi olla yksibittinen ns. kova päätös, useammalla 20 bitillä tehty ns. pehmeä päätös tai itseorganisoituvan kartan avulla tehty adaptiivinen päätös. Summaimessa 5 lasketaan päätöspiirin lähdön ja tulon välinen erosignaali 5k = zk-sk, jota käytetään sekä poikittaissuotimessa että DFE-korjaimessa.
Sinänsä tunnettujen poikittaissuotimen, päätöstakaisinkytketyn korjaimen ja pää-25 töspiirien toimintaa on kuvattu aiemmin mainituissa julkaisuissa [ 1 ] ja [2], Itse-organisoituvaa karttaa soveltava menetelmä päätöksen tekemiseksi on kuvattu aiemmin mainitussa patenttijulkaisussa [3].
Summaimessa 6 suoritetaan keksinnön mukaiselle ratkaisulle tyypillinen erosuureen 30 sk = yk-sk laskenta, joka edustaa häiriön ja kohinan summa-arvoa hetkellä k. Keksinnön ensimmäisessä suoritusmuodossa kukin näyte sk sovitetaan itseorganisoituvaan karttaan 7 ja tehdään kvantisoitu päätös mk kartan avulla. Kartasta saadut luokittelu-tulokset syötetäään siirtorekisteriin 10, jonka lähtöinä saadaan N viimeistä luokitte-lutulosta. Kuviossa 2 luvulla N on arvo 3, mutta se voi olla edullisesti välillä 2...5 35 sovelluksesta riippuen. Estimointilohkossa 8 viimeisten luokittelutulosten kombinaatioon liitetään estimaatti seuraavasta häiriönäytteestä ek+] .
. 98177 7
Kuviossa 4 on esitetty keksinnön toisen suoritusmuodon mukainen lohkokaavio. Lohkoja 21, 22 ja 23 lukuunottamatta se vastaa toiminnaltaan edellä selostettua ensimmäistä suoritusmuotoa. Toisessa suoritusmuodossa kerätään ensin N-ulottei-nen näytevektori kompleksisista näytteistä Ek siirtorekisteriin 21 ennen itseorganisoi-5 tuvaa karttaa 22. Tälle vektorille tehdään luokittelu kartalla 22. Kutakin kartan luokittelupistettä {mk, mk.,,... mk.vastaa estimaatti ek+1 estimointilohkossa 23 ja tämä estimaattiarvo vähennetään näyttestä yk+] summaimessa 3. Kun seuraava näyte ek+J saapuu siirtorekisteriin 22, jää vanhin arvo pois, ja kartalta haetaan lähinnä oleva piste perustuen siirtorekisterin uuteen sisältöön.
10
Ensimmäinen ja toinen suoritusmuoto eroavat siis itseorganisoituvan kartan määrittelyn ja käytön osalta. Ensimmäisessä suoritusmuodossa päätös tehdään ja karttaa päivitetään yhden näytteen sk perusteella. Tehdyistä päätöksistä muodostetaan vektori, josta estimaatti ek+i päätellään. Tämän menettelyn etuna on, että kartan päivit-15 tämiseen saadaan enemmän aineistoa suhteessa karttapisteiden määrään. Kartan pisteiden määrä voi olla pieni, kuten 16 tai vain 9.
Toisessa suoritusmuodossa kerätään N-ulotteinen vektori päätöksentekoa varten. Tällöin pisteiden lukumäärä kartassa voi olla esim. 3-ulotteisessa tapauksessa 20 163=4096 kpl. Tällöin yhden pisteen päivitykseen saadaan melko harvoin aineistoa ja kartan päivittyminen voi kestää kauan. Tätä voidaan jonkin verran kompensoida määrittämällä naapuristo, jossa päivitys kulloinkin suoritetaan, laajemmaksi. Etuna tällä menettelyllä on häiriöiden luonteen tarkempi seuranta ensimmäiseen suoritusmuotoon verrattuna. Toisaalta ensimmäisen suoritusmuodon mukaisessa menette-25 lyssä kartan edellyttämä muistin ja laskentakapasiteetin tarve on huomattavasti pienempi ja se on siten esim. matkaviestin-ja televisiojärjestelmäsovelluksiin ensisijainen suoritusmuoto.
Seuraavassa selostetaan itseorganisoituvan kartan (SOM) toimintaperiaatetta kuvion 30 5 avulla, jossa on esitetty 16 pisteen 2-ulotteinen kartta. SOM-algoritmi käsittää kaksi vaihetta; näytteen luokittelun (I) ja kartan päivityksen (II): (I) Jokaisella diskreetillä ajanhetkellä n, haetaan kartalta "lähin piste" c, jonka parametrivektori m^n), on lähinnä vastaanotettua signaalinäytettä x(n), eli ||*(«) - mc(n) I = min {|x(/»> - m,(n) ||} (2) 35 (II) parametrivektorit lähimmän pisteen c naapuristossa Nc päivitetään: - 98177 8 mt{n +1) = Wj(w) +α [x(«) - m,(n)] i = c mXn + 1) = m,(n) + β [x(«) - m,(«)] ieNc,i*c (3) m,(n + 1) = w,(n), i eNc Tässä a ja β ovat lähimmän pisteen c ja sen naapureiden opetuskertoimet; ||...|| on euklidinen etäisyys. Naapuristo Nc voidaan määritellä esim. siten, että se sisältää lähimmän pisteen c ja sen viereiset pisteet, joiden topologinen etäisyys lähimmästä 5 pisteestä c on korkeintaan sama kuin naapuriston topologian dimension neliöjuuri. Tämä on esim. matkaviestinsovelluksessa edullinen naapuriston määrittely, koska tarvittava laskentakapasiteetti on pieni, mutta yleisesti voidaan käyttää myös esim. mainitun määrittelyn kerrannaisia.
10 Tarkasteltavan naapuriston Nc säde P eli lähimmän pisteen naapuriston reunapisteen välinen topologinen etäisyys on kuvion 5 esimerkissä suuruudeltaan 1, mutta myös suuremmat kokonaisluvut ovat mahdollisia. Reunanaapureiden a topologinen etäisyys lähimmästä pisteestä c on määritelmän mukaisesti 1. Kulmanaapureiden b topologinen etäisyys on tällöin suuruudeltaan topologian dimension neliöjuuri. Jos 15 esimerkiksi naapuriston topologia on 1-dimensioinen, on reunanaapureita kaksi. Vastaavasti kuvion 5 esittämässä 2-dimensioisessa naapuristossa Nc on neljä reunanaapuria aja neljä kulmanaapuria b. Kun dimensio on suurempi kuin 3, on lähimmällä pisteellä myös muita naapureita kuin em. reuna-ja kulmanaapurit. Tarkasteltava naapuristo on n-ulotteinen hyperkuutio, jonka keskellä on lähin piste c.
20 Kuviossa 5 naapuriston Nc leveys ja pituus L on kuhunkin suuntaan 3, kun naapuriston säde P on 1. Vastaavasti esim. sädettä 2 vastaisi pituus 5 kuhunkin suuntaan.
Erilaisten naapurien lukumäärä on esitetty oheisessa taulukossa:
Naapuriston Naapurin topologinen etäisyys lähimmästä pis- Kaikkiaan teestä ja ko. naapurien lukumäärä dimensio 1 -Jl 4Ϊ pisteitä 1 2 3 2 4 4 9 3 6 12 8 27 n 2n ... ... 2" 3" 98177 9
Taulukossa on esitetty tilanne, jossa lähin piste, jonka naapureita tarkastellaan, on ns. kartan sisäpiste, jolloin kaikki mahdolliset naapurit ovat olemassa. Mikäli piste on kartan reunapiste, on naapureita vähemmän kuin yllä olevassa taulukossa. Naapuristo voidaan vaihtoehtoisesti määritellä esim. siten, että siihen kuuluvat vain 5 reunanaapurit a eli pisteet, joiden etäisyys on 1.
Käytettäessä itseorganisoituvaa karttaa häiriön poistamiseen, on vastaanotettava PAM-signaali 1-dimensioinen ja QAM-signaali vastaavasti 2-dimensioinen, koska QAM-signaali käsittää valheellisen komponentin I sekä kvadratuurikomponentin Q. 10 Siten ensimmäisen suoritusmuodon mukaisessa ratkaisussa itseorganisoituva kartta on 1-ulotteinen PAM-moduloitua signaalia vastaanotettaessa ja 2-ulotteinen QAM-moduloitua signaalia vastaanotettaessa.
Kuviossa 6 on esitetty eräs QAM-moduloidun signaalin yhteydessä käytettävä 15 häiriönäytepisteistö, jossa on 16 luokittelupistettä. Siinä mitattu häiriönäyte £k on luokiteltu pisteeseen mk , johon häiriövektorin euklidinen etäisyys hk on pienin. Kuviossa 6 luokittelupisteet sijaitsevat symmetrisesti, mikä saattaa olla edullinen alkutilanteen sijoittelu. Karttaa päivitettäessä pisteiden sijainti kuitenkin muuttuu ja ne lähestyvät usein esiintyviä häiriönäytearvoja.
20
Toisen suoritusmuodon tilanteessa luokittelu suoritetaan usealle häiriönäytteelle kerrallaan. Tämä voidaan toteuttaa niin, että annetaan kullakin ajanhetkellä siirtore-kisteriin tallennettavalle häiriönäytteelle oma dimensio karttaan. Tällöin kaikkia näytteitä voidaan käsitellä yhtäaikaisesti ja siten, että niillä on tasavertainen asema. 25 Jos siis siirtorekisterin pituus on 2, vaatii PAM 2-ulotteisen kartan ja QAM 4-ulot-teisen kartan. Edelleen, kun siirtorekisterin pituus on 3, vaatii PAM 3-ulotteisen kartan ja QAM 6-ulotteisen kartan.
Seuraavaksi tarkastellaan estimointilohkon 8 toimintaa kuvion 7 avulla. Kuviossa 7 30 esitetty järjestely on keksinnön ensimmäisen suoritusmuodon mukainen, mutta esti mointilohkon 23 toiminta keksinnön toisessa suoritusmuodossa voi olla oleellisesti samanlainen kuin lohkon 8.
Virhenäytteet £k johdetaan itseorganisoituvaan karttaan 7, joka luokittelee saapuvan 35 näytteen lähimpään kartan pisteeseen c, jolloin virhenäyte muunnetaan luokittelutu-lokseksi mk. Luokittelutulokseen mk liittyy sen arvon lisäksi pisteen paikkaindeksi Mj. Esim. QAM-modulaatiota käytettäessä luokittelutuloksen arvo on kompleksi- 98177 10 luku sisältäen I-ja Q-haarojen tiedot. Luokittelun jälkeen karttaa päivitetään SOM-algoritmin mukaisesti.
Kartan luokittelutulos mk johdetaan siirtorekisteriin 10, jossa kaikkiaan on N kpl 5 edeltävien häiriönäytteiden luokittelutulokset mk, mk_i,... mk.(M.i). Arvojen ollessa kompleksilukuja siirtorekisteri käsittää erilliset kaksi haaraa arvojen I- ja Q-kom-ponentteja varten.
Taulukko 12 sisältää kaikki mahdolliset kombinaatiot (J kpl), jotka voidaan muodos-10 taa ottamalla N kpl kartan pisteitä m;. Kuhunkin kombinaatioon liittyy sille ominainen indeksi, joka saa arvot 1...J. Kuhunkin N-mittaiseen kombinaatiovektoriin liittyy estimaattiarvo e} estimaattirekisterissä 13. Olkoon j:s kombinaatio (Μ(Ν.^ , M0j), joka vastaa siirtorekisterin 10 hetken k sisältöä. Vertailuyksikkö 11 antaa siirtorekisterin 10 luokitustietojen ja taulukon 12 avulla lähtönään indeksiarvon j.
15 Tätä indeksiarvoa nimitetään jk+1 , koska sitä käytetään estimoimaan seuraavan häiriönäytteen arvoa signaalinäytteessä. Valitsin 14 valitsee indeksiä jk+1 vastaavan arvon ij ulostuloksi ek+i. Tämä arvo vähennetään signaalinäytteestä yk+( sum-maimessa 3 (kuvio 3).
20 On huomattava, että luokitustulosten arvoilla ei sinänsä ole merkitystä estimaatin valinnassa, vaan luokitustuloksen indeksillä eli kartan pisteen järjestyksellä suhteessa muihin pisteisiin. Taulukko 12 kuvaa kombinaatioiden, indeksin j ja estimaattien liittymistä toisiinsa, ja se voi olla fyysinen vertailuyksikköä 11 ja estimaat-tirekisteriä 13 ohjaava yksikkö, tai taulukon tiedot voivat olla vertailuyksikköön ja 25 estimaattirekisteriin sisältyviä.
Edellä mainitut itseorganisoituva kartta ja estimointilohkon osat voidaan toteuttaa prosessorilla tai yksittäiskomponenteilla, esim. logiikkapiireillä, ASIC-piireilläja RAM (Random Access Memory) -muistipiireillä.
30
Estimaattiarvojen ej päivitys voidaan tehdä edellisen häiriöestimaatin ek ja edellisen indeksin jk avulla. Koska arvo ck vastaa likimäärin todellista häiriön näytearvoa, voidaan estimaattia eJk päivittää esimerkiksi gradienttimenetelmällä.
ejk = (1 -A)ek + A-sk , (1) 35 jossa Δ on pieni verrannollisuuskerroin, edullisesti 0,01< Δ < 0,1. Tällöin kuhunkin kombinaatioon j liittyvä estimaatti keskiarvoistuu, mikä puolestaan johtaa pienim-pään neliövirheeseen. Kaavan (1) mukainen estimaatin laskenta on estimointiloh- 98177 11 kossa 8 toteutettu kertojayksiköillä 17 ja 19 sekä summaimella 18. Valitsin 20 syöttää uuden estimaattiarvon estimaattitaulukkoon 13. Koska estimaatin päivitys suoritetaan vasta, kun päätös on tehtyjä uusi häiriönäyte ε on käytettävissä, on indeksi jk ja estimaatti ek tallennettava yksikköviivepiireihin 15 ja 16.
5
Toinen vaihtoehto on käyttää SOM-algoritmia myös estimaattien päivitykseen. Erityisesti QAM-signaalia käsiteltäessä estimaattien määrä kasvaa suureksi, jolloin suurinta osaa estimaateista käytetään harvoin. SOM-algoritmin avulla useampi estimaatti päivittyy estimaatin käytön yhteydessä, jolloin estimaatit päivittyvät nope-10 ämmin ja luotettavammin.
Edellä esitetyissä suoritusmuodoissa kaikkia tilakombinaatioita vastaavat estimaatit taulukoidaan. Tarvittavan taulukon pienentämiseksi voidaan taulukoida vain niitä tiloja vastaavat estimaattiarvot, joissa estimaattiarvot ovat suurimmat. Niihin kom-15 binaatioihin, joihin ei liity estimaattia, voidaan liittää nollaestimaatti. Tällöin muistin tarve on pienempi, mutta toisaalta estimaattien päivitysalgoritmi on monimutkaisempi.
Keksinnön mahdollisia suoritusmuotoja on edellä esitetty yleisen kompleksisen 20 QAM-signaalin yhteydessä. Menetelmää voidaan luonnollisesti soveltaa myös muun tyyppisille signaaleille. Erityisesti PAM-moduloitua signaalia varten ratkaisu voidaan toteuttaa korvaamalla signaalinäytteeseen liittyvät kompleksiluvut reaaliluvuilla, jolloin voidaan käyttää vain yhtä signaalihaaraa.
25 Kuviossa 3 ja 4 esitetyt piirijärjestelyt käsittävät tavanomaisen poikittaiskorjaimen ja DFE-korjaimen. Nämä eivät ole välttämättömiä keksinnön mukaisessa ratkaisussa, vaikka ne tehostavatkin keksinnön käyttöä useimmissa sovelluksissa. On myös mahdollista käyttää muita, sekä lineaarisia että epälineaarisia korjaimia sovelluksesta riippuen.
30
Edellä kuvatut keksinnön suoritusmuodot on toteutettu itseorganisoituvan kartan avulla. Keksintö ei kuitenkaan rajoitu itseorganisoituvan kartan tai SOM-algoritmin käyttöön vaan keksinnön mukainen ratkaisu on toteutettavissa muillakin adaptiivisilla menetelmillä, erityisesti neuraalisilla menetelmillä. Muista luokitteluun soveltu-35 vista neuraalisista menetelmistä mainittakoon MLP (Multilayer Perceptron) -menetelmä ja RBF (Radial Basis Function) -menetelmä. Neuraalisia menetelmiä on kuvattu yksityiskohtaisemmin seuraavassa julkaisussa: 98177 12 [4] Simon Haykin, Neural Networks, A comprehensive Foundation, Macmillan Publishing Company, 866 Third Avenue, New York, 1994.
Edellä on kuvattu keksinnön mukaisen ratkaisun käyttöä tiedonsiirtojärjestelmissä, 5 joissa tiedonsiirto tapahtuu erillisten laitteiden, kuten matkaviestimen ja tukiaseman välillä. Keksintö on kuitenkin sovellettavissa laajasti kaikkiin laitteisiin ja järjestelmiin, joissa käsitellään digitaalisia signaaleja. Keksintöä voidaankin soveltaa esimerkiksi digitaalisissa mittalaitteissa tai lukulaitteissa kompensoimaan laitteen ulkoisia ja sisäisiä häiriöitä, jolloin mittauksen luotettavuutta voidaan parantaa 10 erityisesti häiriöllisissä ympäristöissä.
Claims (25)
1. Menetelmä digitaalista hyötysignaalia siirtävän signaalin (rk+1) sisältämän häiriö-signaalin kompensoimiseksi, jossa menetelmässä häiriösignaalin seuraava näytearvo • 5 ennustetaan muodostamalla mainitulle häiriösignaalm näytearvolle häiriöestimaatti (ek+i) ja tämä häiriöestimaatti (ek+i) vähennetään mainitusta signaalista (^^johdetusta signaalinäytteestä (yk+I), minkä jälkeen tehdään päätös (sk+]) häiriökompensoi-dun signaalin (zk+1) näytearvosta, tunnettu siitä, että mainittu häiriöestimaatti (ek+t) muodostetaan adaptiivisella menetelmällä vähintään yhden aikaisemman päätöksen 10 (sk) ja vähintään yhden aikaisemman häiriökompensoimattoman signaalinäytteen (yk) funktiona.
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että mainittu adaptiivinen menetelmä on neuraalinen menetelmä. 15
3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että aikaisempi häiriönäyte (sk) mitataan laskemalla mainitun aikaisemman päätöksen (sk) ja sitä vastaavan häiriökompensoimattoman signaalinäytteen (y^) välinen erotus tai siihen olennaisesti verrannollinen arvo. 20
4. Patenttivaatimuksen 3 mukainen menetelmä, tunnettu siitä, että häiriönäytteet (ek, ek.i,... sk.(N.i)) sovitetaan itseorganisoituvaan karttaan (7, 22) häiriönäytteiden muuntamiseksi eli luokittelemiseksi luokitustuloksiksi (mk, mk.,,... mk.(N_i)).
5. Patenttivaatimuksen 4 mukainen menetelmä, tunnettu siitä, että häiriönäytteiden (ek , sk.i ,... Ek.(N.D) muuntaminen luokitustuloksiksi (mk , mk.i,... käsittää seuraavat vaiheet: - häiriönäyte (sk) syötetään itseorganisoituvaan karttaan (7, 22), - häiriönäyte sovitetaan sellaiseen kartan pisteeseen (1%), johon häiriönäytteen 30 euklidinen etäisyys on pienin, - luokitustulos (m^ syötetään ensimmäiseen siirtorekisteriin (10) viimeisten luoki-tustulosten (mk, mk_i ,... m^.i)) tallentamiseksi ja . - kartta päivitetään.
6. Patenttivaatimuksen 4 tai 5 mukainen menetelmä, tunnettu siitä, että ainakin osa itseorganisoituvan kartan (7, 22) pisteiden kombinaatioista (M^.,^ , M0j) liitetään loogisesti niitä vastaaviin estimaattirekisteriin (13) tallennettuihin estimaattei-hin (ej). 98177
7. Patenttivaatimuksen 6 mukainen menetelmä, tunnettu siitä, että viimeisistä häiriönäytteistä (ek , Ek.i,... sk.(N.|)) saatujen luokitustulosten (mk, mk.i,... m^M.,)) karttapisteisiin (Mk, Mk.j,... Mk_(N_i)) loogisesti liittyvää estimaattitaulukon (13) 5 estimaattia (6j) käytetään seuraavanahäiriöestimaattina (ek+i).
8. Patenttivaatimuksen 4 mukainen menetelmä, tunnettu siitä, että häiriönäytteiden (sk, Ek_i,... ε^.])) muuntaminen luokitustuloksiksi (mk, mk.i,... m^.,)) käsittää seuraavat vaiheet:
9. Patenttivaatimuksen 8 mukainen menetelmä, tunnettu siitä, että ainakin osa 20 itseorganisoituvan kartan pisteistä liitetään loogisesti niitä vastaaviin estimaatti- rekisterin (13) estimaatteihin (¾).
10. Patenttivaatimuksen 9 mukainen menetelmä, tunnettu siitä, että viimeisille häiriönäytteille (sk, Ek.:,... ε^.ΐ)) saadun luokitustulosvektorin (mk, mk.,,... 25 mic^.i)) karttapistettä vastaavaa estimaattitaulukon estimaattia (ej+i) käytetään seu-raavana häiriöestimaattina (ek+i).
10. N kappaletta viimeisiä häiriönäytteitä (ek , sk.j,... sk.(N.,)) tallennetaan toiseen siirto- rekisteriin (21), - siirtorekisteriin tallennetuista häiriönäytteistä muodostetaan häiriönäytevektori (sk, Ek.,,... Ek.(N.,)), joka syötetään N-ulotteiseen itseorganisoituvaan karttaan (7, 22), - karttaan syötetty häiriönäytevektori sovitetaan sellaiseen kartan pisteeseen, johon 15 häiriönäytevektorin euklidinen etäisyys on pienin, häiriönäytevektorin muuntamiseksi luokitustulosvektoriksi (mk , mk.i,... mk.(M.i)), - kartta päivitetään.
11. Patenttivaatimuksen 7 tai 10 mukainen menetelmä, tunnettu siitä, että häiriö-estimaattina käytetyn estimaatin (eJ+i) arvoa päivitetään ennen seuraavaa häiriöesti- 30 maatin valintaa.
12. Patenttivaatimuksen 11 mukainen menetelmä, tunnettu siitä, että estimaatti-arvon päivitys suoritetaan olennaisesti gradienttimenetelmällä.
13. Patenttivatimuksen 12 mukainen menetelmä, tunnettu siitä, että estimaattitau- lukko muodostaa kartan, ja valitun estimaatin (ej+1) naapuriston estimaattiarvot päivitetään olennaisesti SOM-algoritmilla. 98177
14. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että itseorganisoituva (7, 22) kartta päivitetään olennaisesti SOM-algoritmilla.
15. Jonkin edellisen patenttivaatimuksen mukainen menetelmä, tunnettu siitä, että 5 ennen häiriökompensointia signaalille suoritetaan viiveellisten hyötysignaalikompo- nenttien koqaus.
16. Piirijärjestely digitaalista hyötysignaalia siirtävän signaalin (r^) sisältämän häi-riösignaalin kompensoimiseksi, jossa on välineet häiriöestimaatin (ek+i) muodos- 10 tamiseksi ja välineet (3) mainitun häiriöestimaatin vähentämiseksi mainitusta signaalista (yk+i)ja päätöspiiri (4) päätöksen (sk+1) suorittamiseksi häiriökompensoi-dusta signaalista (zk+1), tunnettu siitä, että mainitut välineet häiriöestimaatin (ek+]) muodostamiseksi käsittävät välineet (6, 7, 8, 10, 21, 22, 23) häiriöestimaatin (ek+]) määrittämiseksi adaptiivisesti vähintään yhden häiriökompensoimattoman signaali-15 näytteen (yk) ja vähintään yhden aikaisemman päätöksen (s^ perusteella.
17. Patenttivaatimuksen 16 mukainen piirijäijestely, tunnettu siitä, että se käsittää - välineet (6) häiriönäytteen (ek) mittaamiseksi - välineet (7,22) häiriönäytteen (sk) adaptiiviseksi luokittelemiseksi, jolloin häiriö-20 näyte (sk) muunnetaan luokitustulokseksi (m^ ja - välineet (8, 23) seuraavan häiriöestimaatin (ek+i) määrittämiseksi luokitustuloksen (mj/) funktiona.
18. Patenttivaatimuksen 17 mukainen piirijärjestely, tunnettu siitä, että mainitut 25 välineet (7, 22) häiriönäytteen (Ek) adaptiiviseksi luokittelemiseksi käsittävät itseor- ganisoituvan kartan.
19. Patenttivaatimuksen 17 tai 18 mukainen piirijärjestely, tunnettu siitä, että se käsittää ensimmäisen siirtorekisterin (10) viimeisten luokitustulosten (mk, mk.i,... 30 mk.(M.i)) tallentamiseksi häiriöestimaatin (ek+1) määrittämistä varten.
20. Patenttivaatimuksen 18 mukainen piirijärjestely, tunnettu siitä, että se käsittää toisen siirtorekisterin (21) viimeisten häiriönäytteiden (sk , Ek.i,... ε^.ΐ)) tallentamiseksi ja itseorganisoitu kartta (23) käsittää dimensiot kahta tai useampaa siirtorekis- 35 teriin (21) tallennettua häiriönäytettä varten.
21. Jonkin patenttivaatimuksen 17-20 mukainen menetelmä, tunnettu siitä, että se käsittää 98177 - estimaattirekisterin (13), johon on tallennettu estimaattiarvoja (ej) ja - välineet (11) estimaatin (6j) valitsemiseksi estimaattirekisteristä (13) yhden tai useamman aikaisemman luokitustuloksen (mk) perusteella häiriöestimaatiksi (ek+i).
22. Patenttivaatimuksen 21 mukainen piirijärjestely, tunnettu siitä, että se käsittää välineet (15, 16, 17, 18, 19, 20) estimaattirekisteriin (13) tallennettujen estimaattien (ej) päivittämiseksi.
23. Jonkin patenttivaatimuksen 16-22 mukainen piirijärjestely, tunnettu siitä, että se 10 käsittää FIR-suotimen (1) viiveellisten hyötysignaalikomponenttien korjaamiseksi ennen häiriösignaalin kompensointia.
24. Jonkin patenttivaatimuksen 16-23 mukainen piirijärjestely, tunnettu siitä, että se käsittää päätöstakaisinkytketyn korjaimen (2, 5, 9) viiveellisten hyötysignaalikom- 15 ponenttien korjaamiseksi, joka edelleen käsittää - välineet (5) päätöspiirin tulon ja lähdön erotuksen eli päätösvirheen muodostamiseksi, - FIR-suotimen (9) aikaisempien päätösten painotetun summan eli korjausarvon muodostamiseksi päätösvirheen ja päätösarvon perusteella ja 20. välineet (2) korjausarvon vähentämiseksi signaalista ennen häiriösignaalin kom pensointia ja päätöstä.
25. Jonkin patenttivaatimuksen 1-15 mukaisen menetelmän tai patenttivaatimuksen 16-24 mukaisen piirijärjestelyn käyttö digitaalisesti moduloitua signaalia siirtävässä 25 tiedonsiirtojärjestelmässä, kuten matkaviestin-, radio- tai televisiojäijestelmässä.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI952674A FI98177C (fi) | 1995-06-01 | 1995-06-01 | Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi |
EP96660022A EP0746097B1 (en) | 1995-06-01 | 1996-05-28 | Method and circuit arrangement for processing a signal containing interference |
DE69617102T DE69617102T2 (de) | 1995-06-01 | 1996-05-28 | Methode und Schaltungsanordnung zur Verarbeitung Signale mit Interferenz |
US08/655,633 US6754293B1 (en) | 1995-06-01 | 1996-05-30 | Method and circuit arrangement for processing a signal containing interference |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI952674 | 1995-06-01 | ||
FI952674A FI98177C (fi) | 1995-06-01 | 1995-06-01 | Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi |
Publications (3)
Publication Number | Publication Date |
---|---|
FI952674A0 FI952674A0 (fi) | 1995-06-01 |
FI98177B FI98177B (fi) | 1997-01-15 |
FI98177C true FI98177C (fi) | 1997-04-25 |
Family
ID=8543515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI952674A FI98177C (fi) | 1995-06-01 | 1995-06-01 | Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi |
Country Status (4)
Country | Link |
---|---|
US (1) | US6754293B1 (fi) |
EP (1) | EP0746097B1 (fi) |
DE (1) | DE69617102T2 (fi) |
FI (1) | FI98177C (fi) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7274762B2 (en) * | 2002-03-22 | 2007-09-25 | Infineon Technologies Ag | Calculation circuit for calculating a sampling phase error |
WO2004075469A2 (en) * | 2003-02-19 | 2004-09-02 | Dotcast Inc. | Joint, adaptive control of equalization, synchronization, and gain in a digital communications receiver |
US7552154B2 (en) * | 2005-02-10 | 2009-06-23 | Netzer Moriya | System and method for statistically separating and characterizing noise which is added to a signal of a machine or a system |
US7724848B2 (en) * | 2005-07-26 | 2010-05-25 | Data Device Corporation | Predictive signal cancellation for extracting 1 Mb/s MIL-STD-1553 component from composite high performance 1553 signal |
US10162782B2 (en) | 2006-05-22 | 2018-12-25 | Edgewater Computer Systems, Inc. | Data communications system and method of data transmission |
US7907690B2 (en) * | 2006-10-17 | 2011-03-15 | Edgewater Computer Systems, Inc. | Interference cancellation system and method using impulse response |
US7822126B2 (en) * | 2006-08-10 | 2010-10-26 | Edgewater Computer Systems, Inc. | Interference cancellation system and method |
US20080205504A1 (en) * | 2007-02-26 | 2008-08-28 | Yih-Ming Tsuie | Decision feedback equalizers and equalizing methods thereof |
US8249540B1 (en) * | 2008-08-07 | 2012-08-21 | Hypres, Inc. | Two stage radio frequency interference cancellation system and method |
US8576903B2 (en) * | 2011-10-18 | 2013-11-05 | Transwitch Corporation | Techniques for adaptively adjusting decision levels of a PAM-N decision feedback equalizer |
US20160071003A1 (en) * | 2014-09-10 | 2016-03-10 | Qualcomm Incorporated | Multilayer Perceptron for Dual SIM Dual Active Interference Cancellation |
US20160072543A1 (en) | 2014-09-10 | 2016-03-10 | Qualcomm Incorporated | Methods and Systems for Multi-Model, Multi-Layer Perceptron Based Non-Linear Interference Management in Multi-Technology Communication Devices |
CN105162434B (zh) * | 2015-09-22 | 2017-11-03 | 哈尔滨工业大学 | 基于时频分析的时变滤波参数产生与实现***及方法 |
CN111934796B (zh) * | 2020-07-15 | 2022-06-17 | 山东建筑大学 | 一种lte上行干扰自动标注方法及*** |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE461308B (sv) * | 1988-06-03 | 1990-01-29 | Ericsson Telefon Ab L M | Adaptivt digitalt filter omfattande en icke rekursiv del och en rekursiv del |
FI85201C (fi) | 1988-08-16 | 1992-03-10 | Nokia Mobira Oy | En kombinerad analog/digital frekvensmodulator. |
FI83005C (fi) | 1988-08-19 | 1991-05-10 | Nokia Mobira Oy | Kretsanordning foer generering av i,q-vaogformer. |
FI85548C (fi) * | 1990-06-14 | 1992-04-27 | Nokia Oy Ab | Mottagningsfoerfarande och mottagare foer diskreta signaler. |
DE69227752T2 (de) * | 1991-06-20 | 1999-07-22 | Motorola, Inc., Schaumburg, Ill. | Einrichtung zur einstellung von signalpunkten, entzerrerverstärkungen und dergleichen |
FI96072C (fi) | 1991-08-27 | 1996-04-25 | Nokia Mobile Phones Ltd | Modulaattorin vaiheistuksen säätö |
FI90165C (fi) | 1991-12-13 | 1993-12-27 | Nokia Mobile Phones Ltd | I/q-modulator och demodulator |
JP2762836B2 (ja) * | 1992-04-09 | 1998-06-04 | 日本電気株式会社 | 干渉波除去装置 |
FI90705C (fi) * | 1992-06-12 | 1994-03-10 | Nokia Oy Ab | Adaptiivinen ilmaisumenetelmä ja ilmaisin kvantittuneille signaaleille |
US5231364A (en) | 1992-06-24 | 1993-07-27 | Nokia Mobile Phones, Ltd. | Phaseshift network for an IQ modulator |
US5371481A (en) | 1993-03-24 | 1994-12-06 | Nokia Mobile Phones Ltd. | Tuning techniques for I/Q channel signals in microwave digital transmission systems |
US5392460A (en) | 1993-04-23 | 1995-02-21 | Nokia Mobile Phones Ltd. | Dual mode radiotelephone terminal selectively operable for frequency modulated or phase modulated operation |
GB2281830B (en) | 1993-09-11 | 1998-08-12 | Nokia Mobile Phones Ltd | I/q-modulator and i/q-demodulator |
US5604769A (en) * | 1994-10-13 | 1997-02-18 | Lucent Technologies Inc. | Hybrid equalizer arrangement for use in data communications equipment |
-
1995
- 1995-06-01 FI FI952674A patent/FI98177C/fi active
-
1996
- 1996-05-28 DE DE69617102T patent/DE69617102T2/de not_active Expired - Lifetime
- 1996-05-28 EP EP96660022A patent/EP0746097B1/en not_active Expired - Lifetime
- 1996-05-30 US US08/655,633 patent/US6754293B1/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
DE69617102T2 (de) | 2002-07-11 |
DE69617102D1 (de) | 2002-01-03 |
EP0746097A1 (en) | 1996-12-04 |
US6754293B1 (en) | 2004-06-22 |
FI952674A0 (fi) | 1995-06-01 |
FI98177B (fi) | 1997-01-15 |
EP0746097B1 (en) | 2001-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI98177C (fi) | Menetelmä ja piirijärjestely häiriöllisen signaalin käsittelemiseksi | |
US5191598A (en) | System for reducing the affects of signal fading on received signals | |
CA2251921C (en) | Receiver with frequency offset correcting function | |
US5537443A (en) | Interference signal cancelling method, receiver and communication system using the same | |
US5465276A (en) | Method of forming a channel estimate for a time-varying radio channel | |
CA2084034C (en) | Adaptive receiver apparatus | |
CA1221749A (en) | Fractionally spaced equalization using nyquist-rate coefficient updating | |
CA2032867C (en) | Maximum likelihood sequence estimation apparatus | |
JP4314099B2 (ja) | Ofdm受信装置 | |
US4580275A (en) | Adaptive equalizer for binary signals and method of operating same | |
JPH06510414A (ja) | デジタル信号送信において受信機で送信シンボルを予測する方法及び構成 | |
WO1994007311A1 (en) | Adaptative equalizing receiver and maximum likelihood sequence estimation receiver | |
EP0453814B1 (en) | Adaptive channel impulse response estimation system using maximum likelihood sequence estimation | |
JPH0511449B2 (fi) | ||
EP0510756A2 (en) | Sample tuning recovery for receivers using Viterbi processing | |
EP0092570B1 (en) | Method of providing adaptive echo cancellation in transmission of digital information in duplex, and apparatus for performing the method | |
KR100309688B1 (ko) | 수신기 | |
US5828701A (en) | Method and circuit arrangement for compensating for delayed components in transmission signal | |
WO2017112072A1 (en) | Joint noncoherent demodulation and carrier frequency offset correction based on non-linear filtering | |
Cid-Sueiro et al. | Recurrent radial basis function networks for optimal blind equalization | |
Marrero et al. | Adaptive blind MPSK constellation recovery and equalization for cognitive radio applications | |
KR100947723B1 (ko) | 브릿지드텝에 의한 널의 적응적 보상필터를 갖는초고속디지털가입자망 모뎀 | |
JP3462000B2 (ja) | 適応符号化器及び適応等化方法 | |
KR20030040447A (ko) | 정보 기호의 코딩 및 디코딩 방법 | |
US6865223B1 (en) | Equalizer adapter for a pulse amplitude modulation receiver |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
BB | Publication of examined application |