JP2007520971A - 通信システムのためのチャネル推定を行なう方法および装置 - Google Patents
通信システムのためのチャネル推定を行なう方法および装置 Download PDFInfo
- Publication number
- JP2007520971A JP2007520971A JP2006552069A JP2006552069A JP2007520971A JP 2007520971 A JP2007520971 A JP 2007520971A JP 2006552069 A JP2006552069 A JP 2006552069A JP 2006552069 A JP2006552069 A JP 2006552069A JP 2007520971 A JP2007520971 A JP 2007520971A
- Authority
- JP
- Japan
- Prior art keywords
- impulse response
- channel impulse
- estimate
- training sequence
- channel
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0212—Channel estimation of impulse response
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
- H04L25/0244—Channel estimation channel estimation algorithms using matrix methods with inversion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03178—Arrangements involving sequence estimation techniques
- H04L25/03248—Arrangements for operating in conjunction with other apparatus
- H04L25/03292—Arrangements for operating in conjunction with other apparatus with channel estimation circuitry
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0226—Channel estimation using sounding signals sounding signals per se
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Communication Control (AREA)
- Time-Division Multiplex Systems (AREA)
Abstract
通信システムのためのチャネル推定を行なう方法および装置が示される。
Description
本発明は、通信システムのためのチャネル推定を行なう方法および装置に関する。
マルチ入力マルチ出力(MIMO)システムは、複数の通信媒体を単一の通信チャネルとして取り扱うことを含む。例えば、MIMOシステムは、信号ケーブル内で結束された複数の個別のツイスト・ペア銅線を、マルチ入力およびマルチ出力を有する単一の通信チャネルとして取り扱う。しかしながら、与えられた銅線を通して送信された情報は、隣接した銅線を通して送信された情報からの干渉を受けやすい。この状態は、典型的には「漏話(crosstalk)」と呼ばれる。
MIMOシステムの性能は、MIMOチャネルの漏話量を低減することにより著しく向上する。漏話の低減を促進する1つの技術は、MIMOチャネルのチャネル推定を行なうことである。チャネル推定が改善されると、結果としてMIMOシステム性能が改善される。従って、装置またはネットワーク内において、かかる技術の改善に対する要求がある。
実施例に関する主題は、明細書の最終部分で特に指摘され明確に要求される。しかしながら、実施例は、その目的、機能、および利点と共に、構成および動作方法の両方に関して、以下の詳細な説明を添付図面と合わせて読むことにより、最も良く理解されるであろう。
実施例は、通信システムのためのチャネル推定を行なう方法および装置について示される。チャネル推定技術は、例えば、銅線のツイスト・ペア、無線周波数(RF)および他の媒体のような全二重通信媒体を利用する通信システムにおいて漏話を抑制するために用いられる。漏話の例として、近端漏話(NEXT)および遠端漏話(FEXT)が含まれる。一実施例では、例えば、チャネル推定技術は、符号間干渉(ISI)チャネルまたは非ISIチャネルのいずれかを使用するマルチ入力マルチ出力(MIMO)の全二重ワイヤードまたはワイヤレス通信システムのためのチャネル推定を行なうために用いられる。
一実施例において、チャネル推定技術は、トレーニング・ベースのチャネル推定の閾値スキーム(threshold scheme)を含む。チャネル・インパルス応答(CIR)推定は、最尤(ML)推定を予測し、次に、閾値スキーム用いてML推定の精度を高め、または改善することにより見出だされる。その結果が、MIMOチャネルのための改善されたCIR推定である。
一実施例において、CIR推定は、MIMOシステムの漏話を低減または消去するための漏話抑制スキームで用いられる。漏話抑制スキームは、例えば、帯域制限チャネル内の漏話を抑制し、さらに、最終漏話抑制レベルを提供する等化から漏話抑制問題を分離する。その結果、本実施例は、漏話抑制スキームの全ての出力に対して同一の等化器を使用することができる。
本発明の実施例について完全な理解を提供するために、ここでは多数の特定の詳細について説明される。しかしながら、本発明の実施例は、これらの特定の詳細な説明の範囲を越えて実施されることがあることを、当業者は理解するであろう。他の例としては、周知の方法、手順、要素、および回路については、本発明の実施例を不明瞭にしないために詳細に記述されない。ここに示された特定の構造および機能の詳細は代表的なものであり、必ずしも本発明の範囲を制限するものではないと理解すべきである。
「一実施例」または「ある実施例」についての明細書中での言及は、実施例に関して記述された特定の機能、構造、または特性が、少なくとも1つの実施例に含まれることを意味することに注目されたい。明細書中の様々な箇所で「一実施例において」という語句が使用されるが、それらは必ずしも明細書中の同一の実施例を意味するものではない。
さて、全図にわたる参照番号によって指定された図面を参照して詳細に説明すると、図1では、一実施例を実行するために適切なシステムが示される。図1は、システム100のブロック図である。システム100は、複数のネットワーク・ノードを含む。ここで使用される用語「ネットワーク・ノード」とは、1またはそれ以上のプロトコルに従って情報を通信することができる任意のノードを称する。ネットワーク・ノードの例としては、コンピュータ、サーバ、スイッチ、ルータ、ブリッジ、ゲートウエイ、個人用デジタル情報処理端末、モバイル装置、コール端子等を含む。ここで使用される用語「プロトコル」とは、情報が通信媒体上でどのように通信されるかを制御するための命令のセットを称する。
一実施例において、システム100は、多様なネットワーク・ノード間で多様なタイプの情報を通信する。例えば、1つのタイプの情報には、「媒体情報」が含まれる。媒体情報とは、ユーザのために内容を表現する任意のデータを称する。内容の例としては、例えば、音声会話からのデータ、テレビ会議、ストリームビデオ、電子メール(email)のメッセージ、ボイスメールのメッセージ、英数字記号、グラフィックス、イメージ、ビデオ、テキスト等を含む。音声会話からのデータは、例えば、スピーチ情報、沈黙時間、バックグラウンド・ノイズ、コンフォート・ノイズ、トーン等である。他のタイプの情報は「制御情報」を含むことがある。制御情報とは、自動システムのためにコマンド、命令、または制御ワードを表現する任意のデータを称する。例えば、制御情報は、ネットワークを通して媒体情報をルートするため、あるいは、予め定められた方法で媒体情報を処理するためのネットワーク・ノードに命令するために使用される。媒体情報および制御情報の両方は、2またはそれ以上の端点間のデータ・ストリーム内で通信される。ここで使用される用語「データ・ストリーム」とは、データ通信セッション中に連続して送られるビット、バイト、または記号の収集を称する。
一実施例では、1またはそれ以上の通信媒体がノードを接続する。ここで使用される用語「通信媒体」とは、情報信号を運ぶことができる任意の媒体を称する。通信媒体の例としては、金属リード、半導体材料、ツイスト・ペア線、同軸ケーブル、光ファイバ、RFスペクトラム等を含む。本文脈において、用語「接続」または「相互接続」、およびそれらのバリエーションは、物理的接続および/または論理的接続を称する。
一実施例において、例えば、ネットワーク・ノードは、セルラまたはモバイル・システムのようなワイヤレス・ネットワークのためのRFスペクトラムを含む通信媒体によって接続される。この場合、システム100に示されるネットワーク・ノードおよび/またはネットワークは、さらに、ワイヤ通信媒体から運ばれた信号をRF信号に変換するための装置およびインターフェイスを含む。このような装置およびインターフェイスの例としては、無指向性アンテナおよびワイヤレスRF送受信機を含む。本実施例は、この文脈に制限されない。
一実施例において、ネットワーク・ノードは、パケットの形で互いに情報を通信する。この文脈において、パケットとは、典型的にはビットまたはバイトに関して表わされる長さであって、制限された長さの情報のセットを称する。パケット長さの一例は、1000バイトである。パケットは、1またはそれ以上のパケット・プロトコルに従って通信される。例えば、一実施例において、パケット・プロトコルは、伝送制御プロトコル(TCP)およびインターネット・プロトコル(IP)のような1またはそれ以上のインターネット・プロトコルを含む。本実施例はこの文脈に制限されない。
再び図1に関し、システム100は、MIMO通信チャネルを使用するワイヤードまたはワイヤレス通信システムを含む。一実施例において、例えば、システム100は、例えば、ギガビット・イーサネット1000Base−T通信システム(「ギガビット・イーサネット」)、アドバンスド10GBase−T通信システム等の、米国電気電子学会(IEEE)802.3シリーズ規格によって定義されるような通信プロトコルに基づいた1またはそれ以上のイーサネットに従って動作するローカル・エリア・ネットワーク(LAN)を含む。一実施例が、例示のためにギガビット・イーサネット・システムについての文脈内で示されるが、MIMOチャネルを使用する任意のタイプの通信システムを使用することが可能であり、かつ、これはいまだ実施例の意図する範囲内であることが理解されるであろう。
図1は、ギガビット・イーサネット・システム100の構造を示す。図1で示されるように、システム100は、ネットワーク・ノード120,122を含む。ネットワーク・ノード120,122は、それぞれギガビット・イーサネット装置を有する処理システムを表わす。例えば、ギガビット・イーサネット装置は、ネットワーク・インターフェイス・カード(NIC)の一部として実施される。より詳しくは、ネットワーク・ノード120は、等化器(1−N)のセット102、CFM(CFM)104、送信機/受信機(送受信機)(1−N)のセット106、およびチャネル推定器116を含む。ネットワーク・ノード122は、ネットワーク120と同様の構造を有し、等化器(1−M)のセット114、CFM112、送受信機(1−M)のセット110、およびチャネル推定器118を含む。典型的な実施例では、MとNは通常等しいが、本実施例はこの文脈に制限されない。ネットワーク・ノード120,122は、MIMOチャネル108を使用して、相互間で情報を通信する。明瞭化する目的ために、図1には2つのネットワーク・ノードおよび1つのMIMOチャネルのみが示されるが、任意の数のネットワーク・ノードおよびMIMOチャネルを使用することも可能であり、かつ、それは本実施例の範囲内であることが理解されるであろう。
システム100は、約1000メガビット/秒(Mbps)の通信速度でネットワーク・ノード120,122間で情報を通信するために動作する。1000Mbpsの全二重データ処理能力は、MIMOチャネル108を使用して達成される。MIMOチャネル108は、例えば、カテゴリ5(CAT−5)ケーブル内で束にされた4対のツイスト・ペア銅線を含む。各対は、4次元5レベルのパルス振幅変調(4−D PAM−5)の信号配置にエンコードされた250のMbpsのデータ・ストリームを送信する。本質的には、4対のCAT−5非シールド・ツイスト・ペア(UTP)配線は、4つの入力および4つの出力で1つのチャネルとして取り扱われる。従って、各ネットワーク・ノードは、4台の同様な送受信機、1本は物理的な線の各対のためにある。例えば、送受信機1−Nの送信機のそれぞれは、送受信機1−Mの対応する受信機と対になる。ハイブリッド回路(図示せず)は、同一線上での双方向データ伝送を促進する。
システム100の初期化中に、対になった送受信機は、MIMOチャネル108を特徴付ける試みを行なうトレーニング・フェーズに入ることができる。チャネル推定器116,118は、トレーニング・フェーズにおいて制御または支援する。信号は、それぞれの送信機および受信機の間で通信され、また、MIMOチャネル108の少なくとも1つの特徴は、チャネル・インパルス応答、振幅レベル、信号の形、信号の歪み、漏話インパルス応答、一時的なシフトおよび遅延等によって判断される。受信装置によって受信された通信信号は予め定められた信号であり、期待値からの逸脱は、受信装置によって示される。
逸脱する結果を招く1つの要因は漏話ノイズである。1つの通信経路またはデータ・ストリーム中の信号からのエネルギーが、1またはそれ以上の他の通信経路またはデータ・ストリーム中の信号に干渉するとき、FEXTノイズのような漏話ノイズが生じる。すなわち、漏話ノイズは、対の送信端から受電端への信号伝播のような2またはそれ以上の送信対間における望ましくない結合を意味する。漏話ノイズは、受信機が特定のデータ・ストリームを解読する能力に影響を与え、さらに、MIMOチャネル108の速度または帯域幅を害するおそれがある。
一実施例において、チャネル推定器116,118は、MIMOチャネル108のためにチャネルの特徴づけを行なうために使用され、潜在的な漏話ノイズを推定する。チャネル推定器116,118は、MIMOチャネル108のために複数のチャネル・インパルス応答値を推定する。チャネル推定器116,118は、各送信機と各受信機の間のチャネル・インパルス応答値を推定する。従って、N個の送信機およびM個の受信機を有するMIMOシステムについては、N×Mのインパルス応答はトレーニング・フェーズの後で獲得されるべきである。その後、これらのチャネル・インパルス応答は、MIMOチャネル・インパルス応答行列を構築するために使用される。従って、チャネル推定器116,118は、チャネル・インパルス応答値をそれぞれCFM104,112へ送る。CFM104,112は、漏話ノイズを抑制するための適切なフィルタの作成を支援するために、チャネル・インパルス応答値を使用する。チャネル推定スキームは、図5から図9に関してより詳細に述べられる。
一実施例において、例えば、CFM104,112は、チャネル推定器116,118からCIR推定をそれぞれ受信する。各CFMは、MIMOチャネル108に結合された受信機において漏話ノイズを低減または消去することを支援するためのフィルタを合成または生成するためにCIR推定を用いる。したがって、一実施例において、フィルタはトレーニング・フェーズの後で合成される。CFM104,112は、図2に関してより詳細に述べられる。
チャネル・フィルタリング
図2は一実施例に従ったCFMを示す。図2はCFM200を示す。CFMは、例えばCFM104,112で表わされる。一実施例において、CFM200は、1またはそれ以上のモジュールを含む。例えば一実施例において、200は、チャネル・インパルス応答(CIR)行列生成器202、漏話抑制フィルタ(CSF)行列生成器204、およびフィルタ206を含む。これらのモジュールは例示のために記述されたものであるが、それより多い数または少ない数のモジュールが使用されてもよく、それはいまだ本実施例の範囲内であると理解される。さらに、本実施例は記述を容易にするために「モジュール」に関して述べるが、モジュールの一つ、いくつか、あるいは全ての代わりに、1またはそれ以上の回路、コンポーネント、レジスタ、プロセッサ、ソフトウェア・サブルーチン、またはそれらの任意の組合せを用いることができる。
図2は一実施例に従ったCFMを示す。図2はCFM200を示す。CFMは、例えばCFM104,112で表わされる。一実施例において、CFM200は、1またはそれ以上のモジュールを含む。例えば一実施例において、200は、チャネル・インパルス応答(CIR)行列生成器202、漏話抑制フィルタ(CSF)行列生成器204、およびフィルタ206を含む。これらのモジュールは例示のために記述されたものであるが、それより多い数または少ない数のモジュールが使用されてもよく、それはいまだ本実施例の範囲内であると理解される。さらに、本実施例は記述を容易にするために「モジュール」に関して述べるが、モジュールの一つ、いくつか、あるいは全ての代わりに、1またはそれ以上の回路、コンポーネント、レジスタ、プロセッサ、ソフトウェア・サブルーチン、またはそれらの任意の組合せを用いることができる。
図2で示されるように、CIR行列生成器202は、チャネル推定器116,118のようなチャネル推定器から、1またはそれ以上の測定値(例えば、測定されたチャネル・インパルス応答)を受け取る。CIR行列生成器202は、測定値を使用してCIR行列を構築する。
一実施例において、CIR行列は、MIMOチャネル108のような通信媒体が、ネットワーク・ノード120,122のような2つの端点間で送信されている信号をどのように変更するのかについての記述を表わす。任意の実際のチャネルにとって、不可避のフィルタリング効果は、通信チャネルを通過する個々のデータ記号を拡張をもたらすであろう。CIR行列は、送信信号の伝播が受信機でどのように信号を誘起するかを特徴づけ、または記述することを試みる。インパルス応答に関してチャネルを表現することは可能である、すなわち、受信される信号は、送信されるインパルスである。一実施例において、例えば、CIR行列は、MIMOチャネル108を、行列形式で表現されたP−タップの有限インパルス応答(FIR)フィルタで構成された一般的なN個入力およびM個出力のMIMOシステムであると特徴づける。一旦CIR行列が生成されると、CIR行列生成器202は、生成されたCIR行列をCSF行列生成器204へ送る。
一実施例において、CSF行列生成器204はCIR行列を受け取る。CSF行列生成器204は、受け取ったCIR行列を使用してCSF行列を生成する。CSF行列は、FIRフィルタによって概算されたCIR値を使用して構築された行列フィルタを意味する。CSF行列は、MIMOチャネル108ために漏話を低減または除去する目的で、CIR行列を使用して合成される。一旦CSF行列が生成されると、CSF行列生成器204は生成されたCSF行列をフィルタ206に送る。
一実施例において、フィルタ206はCSF行列を受け取る。フィルタ206はCSF行列を用いて、MIMOチャネル108を使用して通信された1またはそれ以上のデータ・ストリームからの漏話ノイズをフィルタする。CIR行列、CSF行列、およびフィルタ206は、図3および図4に関してより詳細に記述される。
システム100,200の動作は、図3および図4に関して実施例と共にさらに記述される。ここで示される図は、特定のプログラミング・ロジックを含むが、プログラミング・ロジックは、ここに記述された一般的な機能性をどのように実行することができるかという例を単に提供するものであると理解されたい。さらに、与えられたプログラミング・ロジックは、特に示されない限り、必ずしも記述された順番に実行する必要はない。さらに、与えられたプログラミング・ロジックは、ここでは上記のモジュール内で実行されるものとして記述されるが、このプログラミング・ロジックはシステム内のいかなる場所においても実行することができ、かつ、それはいまだ実施例の範囲内であることを理解されたい。
図3は、1つの実施例に従ってCFMのプログラムするロジック300を示す。プログラミング・ロジック300に示されるように、CIR行列はブロック302で推定される。CSF行列は、ブロック304でCIR行列に基づいて作成される。CIR行列およびCSF行列は、類似の構造および行列次元を有する。MIMOシステムのためにチャネルを介して受信された複数のデータ・ストリームは、ブロック306で、漏話を低減するためにCSF行列を用いてフィルタされる。データ・ストリームは、それぞれ、例えばISIまたは非ISI信号を含む。その後、フィルタされたデータ・ストリームは、同一または類似する等化パラメータを使用して、1またはそれ以上の等化器によって等化される。
一実施例において、CIR行列は、MIMOチャネルのための少なくとも1つのチャネル特性を推定することによって推定される。複数のチャネル・インパルス応答要素は、チャネル特性に基づいて推定される。CIR行列は、チャネル・インパルス応答要素を使用して作成される。
図3および図4で示されるシステム100,200の動作およびプログラミング・ロジックは、実施例によって一層よく理解することができる。上述のように、CFM200はCIR行列を推定し、次に、MIMOチャネル108のようなMIMOチャネルからの漏話ノイズをフィルタする際に使用するためのCSF行列を合成する。この例示目的のために、システム100に示されるような、4つの入力および4つの出力を備えたMIMOチャネルを有する双方向のギガビット・イーサネット・システムを仮定する。m0入力およびm0出力を備えた、線形の、分散的な、雑音のあるデジタル通信MIMOシステムの一般的な事例を考える。j番目のチャネル出力(1≦j≦m0)での信号は標準形式を有する。
ここで、yi(t)はi番目のチャネル出力、hij(t)はj番目の入力とi番目の出力との間のチャネル・インパルス応答、sj(t)はj番目のチャネル入力信号、ni(t)はi番目の出力でのノイズである。
展開形式では、方程式(1)は次のように書き直すことができる。
ここで、hij(m)は、j番目の入力とi番目の出力との間の等価離散時間型チャネルの有限インパルス応答のタップ利得係数であって、そのメモリはLijによって表示される。sj(m)ni(m)yi(m)は、それぞれsj(t)、ni(t)、yi(t)のサンプリングされたバージョンである。
すべてのm0チャネル出力から列ベクトルy(t)への受信信号をグループ化することによって、方程式(1)は行列形式で表現される。
ここで、y(t)は受信信号のm0×1ベクトル、H(t)はm0×m0MIMOチャネル・インパルス応答行列、s(t)は送信信号のm0×1ベクトル、n(t)はノイズ・ベクトルである。
展開形式では、方程式(3)は次のように書くことができる。
ここで、vは全てのm0×m0チャネル・インパルス応答の最大の長さ、すなわち、v=maxi,jLijである。これらの表記において、CIR行列H(t)の非対角要素は望ましくない漏話インパルス応答を表わし、隣接する対(あるいはワイヤレス通信システムのための並列空間チャネル)から有効信号への望ましくない干渉(すなわち漏話)を導入し、さらにこれらの干渉がCFM200によって除去されることに注意されたい。
この例において、システム100は、以下の動作を実行することによって漏話ノイズを低減すると仮定する。最初の問題として、システム100の全体的なチャネル特性が定義されるべきである。チャネル特性を定義するために、任意のチャネル推定技術を使用することができる。与えられたインプリメンテーションに使用される特定のチャネル推定技術は、所望の漏話抑制レベルによって定義することができ、それはまた、推定の精度プロパティに依存する。
一旦チャネル推定動作が完了すると、完全なCIR行列H^(t)が受信機端で構築される。この行列は、FIRフィルタによって概算されたCIR行列値のセットを含み、それは以下のように表わされる。
各チャネル出力における漏話を抑制するために、漏話抑制フィルタQ(t)が受信信号を処理するために適合される。このフィルタは、CIR行列H^(t)を使用して合成される。
漏話フィルタQ(t)計算のアルゴリズムは、いくつかのステージを含む。以下の動作によって、漏話抑制フィルタの要素qij(t)i,j=1,...,m0が計算される。
1. CIR行列H^(t)が転置される。CIR行列の転置は、行と列を入れ替えることにより計算される。
2. 得られた行列の各要素は、その小行列式上で置換される。小行列式計算中に、乗算動作の代わりにたたみこみ動作が適合される。
3. 小行列式値のためのサインが決定される。小行列式値のためのサインは、指数(インデックス)の奇数の合計とともに、小行列式のために+(プラス)から−(マイナス)まで変化する。
上記動作の結果、m0×m0漏話抑制フィルタが構築される。
2. 得られた行列の各要素は、その小行列式上で置換される。小行列式計算中に、乗算動作の代わりにたたみこみ動作が適合される。
3. 小行列式値のためのサインが決定される。小行列式値のためのサインは、指数(インデックス)の奇数の合計とともに、小行列式のために+(プラス)から−(マイナス)まで変化する。
上記動作の結果、m0×m0漏話抑制フィルタが構築される。
このように、行列Q(t)が漏話抑制フィルタを含む方法が得られる。以上に示されるように、漏話抑制フィルタの性能は、測定されたチャネル特性に依存する。完全なチャネル知識を仮定して、CFM200は、完全にMIMOチャネル108から漏話ノイズを除去する。ノイズの無いチャネルでは、漏話抑制フィルタの出力は次のように書くことができる。
ここでm0×m0行列フィルタG(t)は、主要な対角線上に同一要素g(t)を備えた対角線形式を有する。したがって、行列漏話抑制フィルタの出力は、漏話の無い信号である。
さらにシステム100の動作について説明するために、ノイズを除外した、2つの入力および2つの出力を有するMIMOシステムのより複雑でないケースについて考える。この場合、方程式(1)は、次の形式で入力および出力信号間の関係を与える。
方程式(9)からわかるように、出力信号は漏話の無い信号である。両方の出力の完全なインパルス応答は、ほぼ等しいことに注意されたい。これは、同一の等化器が漏話抑制フィルタの出力で適合されることを意味する。
図4は、一実施例に従ってCFM性能を示すグラフである。図4は、遮蔽なしツイスト・ペア銅媒体CAT−5ケーブルを含むMIMOチャネルを使用するCFMの性能を示す。図4は、4対のツイストペア・ケーブルを有するイーサネットLANシステムのために作図された。かかるシステムでは、フリーの送信機は、受信機端で同時に漏話を引き起こす。曲線402は、CFMを使用する前の、漏話に対する有効信号の比率の合計を示す。曲線404は、CFMを使用した後の、漏話に対する有効信号の比率の合計を示す。図4によって示されるように、CFMの使用によって漏話の抑制が提供され、残余の漏話ノイズがチャネル・ノイズ・フロアよりも小さくなる。
チャネル推定
上述のように、チャネル推定器116,118は、チャネル推定技術を使用し、MIMOチャネル108のような1またはそれ以上のチャネルの特性を推定する。例えば、チャネル推定器116,118は、CIR推定を推定する。その後、CIR推定は、フィルタを合成するためにCFM104およびCFM112のような漏話フィルタ・モジュールによって使用され、MIMOチャネル108に結合された受信機で漏話ノイズを低減または消去することを支援する。CFMの性能は、CIR推定の精度に従って向上する。図5から図9は、そのような改善されたチャネル推定技術について説明する。
上述のように、チャネル推定器116,118は、チャネル推定技術を使用し、MIMOチャネル108のような1またはそれ以上のチャネルの特性を推定する。例えば、チャネル推定器116,118は、CIR推定を推定する。その後、CIR推定は、フィルタを合成するためにCFM104およびCFM112のような漏話フィルタ・モジュールによって使用され、MIMOチャネル108に結合された受信機で漏話ノイズを低減または消去することを支援する。CFMの性能は、CIR推定の精度に従って向上する。図5から図9は、そのような改善されたチャネル推定技術について説明する。
一実施例において、チャネル推定器116,118は、トレーニング・ベースのチャネル推定のための閾値スキームを含むチャネル推定技術を使用する。CIR推定は、ML推定の推定によって見出され、次に、閾値スキームを用いてML推定の精度を高め、または改善する。その結果が、MIMOチャネル108のようなMIMOチャネルのための改善されたCIR推定である。
ML推定は、最小分散の不偏推定値であることが知られている。しかしながら、ML推定は複数の理由により不十分である。例えば、チャネルのML推定は、チャネル長Lを提供しない。予め定められたチャネル長がない状態で、ML推定は最大可能なチャネル長を使用する。しかしながら、実際のチャネルは、多くの場合最大可能なチャネル長よりも短くなる。この場合、ML推定は、チャネル・ノイズによる偽タップを有する。CIR推定の精度における偽タップの影響は、実際のチャネル長と最大可能なチャネル長との差が増加するにつれて増加する。他の例では、ML推定は、ノイズがガウスのホワイト・ノイズである場合に推定エラーの最小分散を提供する。しかしながら、実際には、背景のチャネル・ノイズはガウスのホワイト・ノイズとは異なる。例えば、ケーブル束内のエイリアン・ノイズは、他のケーブルからの信号によって引き起こされるので、ガウスのホワイト・ノイズを含まない。
一実施例は、これらおよび他の問題を補償するようなチャネル推定スキームを含む。このチャネル推定スキームは、閾値スキームを用いてML推定の精度を高める。その結果、チャネル推定器116,118は、既存の技術に関連するより正確なCIR推定を生成する。CIR推定は、MIMOチャネル108のようなMIMOチャネルを使用して、通信システム内の漏話ノイズを低減するために使用される。
図5は、一実施例に従ってチャネル推定器のブロック図を示す。図5はチャネル推定器500を示す。一実施例において、チャネル推定器500は、例えばチャネル推定器116,118に相当する。チャネル推定器500は、複数モジュールを含む。しかしながら、これらのモジュールは例示のために記述されるものであり、これよりも多くの、または少ない数のモジュールを使用することが可能であり、また、それはいまだ本実施例の範囲内であると理解されたい。さらに、本実施例は記述を簡易化するために「モジュール」に関して記述されるが、モジュールのうちの一つまたはいくつか、あるいは全ての代わりに、1またはそれ以上の回路、コンポーネント、レジスタ、プロセッサ、ソフトウェア・サブルーチン、またはそれらの任意の組合せを用いることができる。
一実施例において、チャネル推定器500は、ML推定器520を含む。ML推定器520は、行列トランスフォーマ504に接続されたフィルタ502をさらに含む。ML推定器520は、トレーニング・シーケンス(TS)テーブル506にアクセスする。ML推定器520は、さらに閾値生成器508および候補CIR生成器510に接続され、それらの両方が互いに接続される。候補CIR生成器510は、フィルタ512に接続される。フィルタ512は、さらにTSテーブル506にアクセスする。フィルタ512は、距離計算器514に接続される。距離計算器514は、最小セレクタ516に接続される。最小セレクタ516は、CIRセレクタ518に接続される。チャネル推定器500の動作は、図6から図9に関してさらに記述される。
図6は、一実施例に従ってチャネル推定器によって実行されたプログラミング・ロジックのブロック・フローチャートである。図6はプログラミング・ロジック600を図示する。プログラミング・ロジック600は、チャネル推定を実行するための動作を示す。例えば、第1トレーニング・シーケンスがブロック602で受信される。チャネル・インパルス応答のML推定が、ブロック604で、第1受信トレーニング・シーケンスを用いて推定される。第2トレーニング・シーケンスがブロック606で受信される。少なくとも1つのCIR推定が、ブロック608で、ML推定および第2受信トレーニング・シーケンスを用いて推定される。
一実施例において、ML推定は、フィルタを使用して、第1受信トレーニング・シーケンスをフィルタすることにより推定される。フィルタは、第1受信トレーニング・シーケンスと一致する。フィルタの出力は、行列のためのベクトルの第1セットである。行列は、ML推定を形成するために変形される。
一実施例において、CIR推定はML推定を受信することにより推定される。閾値のセットは、ML推定を用いて生成される。候補CIR推定ベクトルのセットは、閾値を使用して生成される。CIR推定は、候補CIR推定ベクトルから選択される。
一実施例において、閾値のセットは次の方程式を解くことにより生成される。
ここで、t=[t1,...,tN]は閾値のセットであり、j=1,...,Nであり、Lはチャネル・インパルス応答長を表わし、h^MLは前記ML推定を表わし、h^k MLは前記チャネル・インパルス応答のML推定のk番目のタップを表わし、k=0,...,L−1である。
一実施例において、候補CIR推定ベクトルは次の方程式を解くことにより生成される。すなわち、
ここで、h^(j)=[h^(1),...,h^(N)]は候補CIR推定のセットであり、j=1,...,Nであり、h^k (j)はj番目の候補CIR推定ベクトルのk番目のタップであり、t=[t1,...,tN]は閾値のセットであり、h^MLは前記ML推定を表わす。
一実施例において、CIR推定は、候補CIR推定ベクトルから選択される。第1受信トレーニング・シーケンスは、受信機に関して知られているが、候補CIR推定ベクトルを使用してフィルタされ、ベクトルの第2セットを形成する。ベクトルの第2セットと第2受信トレーニング・シーケンスとの間の距離値のセットが決定される。最小の距離値が距離値のセットから選択される。CIR推定ベクトルは、最小の距離値を用いて選択される。
一実施例において、CIR推定は、例えば、MIMOチャネル108のような通信チャネルからの漏話をフィルタするために使用される。CIR推定は、CFMで受信され、CIR行列を形成する。CSF行列は、CIR行列に基づいて作成される。MIMO出力システムのためにチャネルを介して受信された複数のデータ・ストリームは、CSF行列を用いて、データ・ストリーム間の漏話を低減するためにフィルタされる。
システム500の動作、および図6で示されるプログラミング・ロジックは、例示によって一層よく理解することができる。図1から図3に関して記述された例を継続して、CFM200はCIR行列を推定し、次に、MIMOチャネル108のようなMIMOチャネルからの漏話ノイズをフィルタする際に使用するためのCSF行列を合成する。CIR行列は、チャネル推定器500によって生成されたCIR推定を用いて推定される。
本実施例において、チャネル推定器500は、トレーニング・ベースのチャネル推定のための閾値スキームを実行する。CIR推定は、ML推定に由来する。一旦ML推定が生成されると、それは閾値技術を用いて改善される。スキームはトレーニング・ベースであるので、CIR推定は、既知のトレーニング・シーケンスおよびそれに応答する観察を用いて得られる。一実施例において、閾値スキームは、少なくとも2回、同一のトレーニング・シーケンスを送信および受信する。トレーニング・シーケンスは、ML推定のために最適に使用される既知のトレーニング・シーケンスである。
1回目に送信されるTSの受信記号は次のとおりである。
ここで、sj(j=1,...,M)はトレーニング・シーケンスの記号であり、hk(k=0,...,L−1)はCIRのタップであり、LはCIR長であり、ni (1)は付加的なチャネル・ノイズのサンプルである。
2回目に送信されるトレーニング・シーケンスの受信記号は次のとおりである。
ここで、ni (2)はチャネル・ノイズの他の実現である。
方程式(10)および(11)を比較することによって、受信トレーニング・シーケンスが主にノイズ実現において相違することが理解されるであろう。さらに以下で記述されるように、これは、閾値技術性能を評価するときに特に有用である。
方程式(10)は、次のような行列ベクトル形式で書き直すことができる。
ここで、h=[h0,...,hL−1]Tは未知のCIRであって、それは推定されるべきものであり、また、n(1)はノイズ・ベクトルであり、Sは、エントリSij=sL+(i−j)を有する(M−L+1)×L次元の行列であり、y(1)は受信信号のベクトルである。
第1受信トレーニング・シーケンスy(1)は、CIR hの最尤推定(MLE)を得るために用いられる。表記法(12)を使用して、CIRのML推定は[10,11]によって付与される。
再び図5に関し、ML推定器520のフィルタ502は、第1トレーニング・シーケンスを受信する。第1ベクトルSTy(1)は、フィルタ502の出力として見出される。フィルタ502は、トレーニング・シーケンスに適切に一致したフィルタである。行列トランスフォーマ504は、フィルタ502の出力を受信し、行列変換(STS)−1を適用する。行列(STS)−1は、第1受信トレーニング・シーケンスのみの機能である。したがって、それは受信機で既知であり、したがって予め計算される。ML推定器520の出力は、ML推定h^MLである。
CIRのML推定h^MLが得られた後、閾値生成器508は、次の方程式に従って閾値t=[t1,...,tN]のセットを生成する。
候補CIR生成器510は、閾値のセットを受信し、それらを使用してCIR推定[h^(1),...,h^(N)]のセットを形成する。各推定h^(j)は、次の規則を使用して得られる。
その後、候補CIR生成器510は、生成されたN個のCIR推定のセットを出力する。例えば、CIR推定はベクトルの形をしている。
その後、チャネル推定器500は、生成されたCIR推定のセットから最良のCIR推定の選択を行なう。フィルタ512は、候補CIR推定を受信し、次の方程式に従ってトレーニング・シーケンスで各々を巻き込む。
したがって、ベクトル[b(1),...,b(N)]のセットが生成される。
距離計算器514は、ベクトル[b(1),...,b(N)]のセットを受信し、次の方程式に従って、得られたベクトル[b(1),...,b(N)]と第2受信トレーニング・シーケンスy(2)との間の距離[d1、...dN]を計算する。
最小セレクタ516は、得られたベクトル間の距離[d1,...,dN]を受信し、次の方程式に従って、最小の距離dj0を有するベクトルb(j0)を選択する。
値d2 j0は、最小残留パワーの検出を有し、それは、トレーニング・シーケンスの残留パワーおよびノイズ・パワーの合計である。CIRセレクタ518は、h^=h^(j0)に従ってCIRの最終推定h^を生成するが、それは生成されたセットからの最も正確な推定を提供する。
図7は、一実施例に従って、チャネル推定器の性能を示す第1のグラフである。図7は、グラフ700を示す。グラフ700は、残留パワーd2 jと閾値指標jの関係を例示する。より低い指標は、より小さい閾値に対応する。点線のカーブは、距離djが(17)の代わりにdj=‖b(j)−y(1)‖として計算される場合を示す。この場合、y(1)は、ML CIR推定を得るために使用されたので、最小距離は見出せない。実線のカーブは、djが(17)のように計算される場合を示す。他のノイズ実現により、最小距離を常に見出すことができる。
図8は、一実施例に従ってチャネル推定器の性能を示す第2のグラフである。図8はグラフ800を示す。グラフ800は、ML推定および閾値スキームを用いて改善されたML推定の両方を使用して、UTPケーブルのNEXTのためのインパルス応答の推定精度を示す。本実施例の目的のために、トレーニング・シーケンス長は3047であり、また、CIR長は1024である。図8で示されるように、閾値技術を用いて修正されたML推定は、特に低い信号対雑音比に対して、ML推定技術を単独で用いるよりも正確なCIR推定を提供する。
図9は、一実施例に従ってチャネル推定器の性能を示す第3のグラフである。図9は、グラフ900を示す。グラフ900は、ML推定および閾値スキームを用いて改善されたML推定の両方を用いて、UTPケーブルのFEXTのためのインパルス応答の推定精度を示す。3047の同一のトレーニング・シーケンス長および1024のCIR長を仮定して、グラフ900は、単独で使用されたML推定技術に関連する閾値スキームを用いて修正されたML推定技術の、より高い精度を示す。
上述されたチャネル推定技術のバリエーションに従って、他の実施例は、改善された最終CIR推定を得ようとして、最終CIR推定をさらに正確にする。前述のように一旦第1最終CIR推定が得られると、チャネル推定技術は第2最終CIR推定の生成を2回繰り返す。しかしながら、2回目の反復中に、第1および第2の受信トレーニング・シーケンスが交換される。例えば、第2ML推定は、第2受信トレーニング・シーケンスを使用して、2回目の反復中に得られる。第2ML推定は、閾値、候補CIR推定、およびベクトルの第2セットを生成するために使用される。距離のセットは、生成されたベクトルの第2のセットと第1受信トレーニング・シーケンスとの間で計算される。最小距離は、候補CIR推定の第2の生成されたセットから第2の最終CIR推定を選択するために用いられる。その後、第1および第2最終CIR推定は、正確になった最終CIR推定を見出すために共に平均化される。
上述されたチャネル推定技術の他のバリエーションに従って、他の実施例は、最終CIR推定を生成するために2個を越える受信トレーニング・シーケンスを用いる。例えば、一実施例において、受信機はM個のトレーニング・シーケンスを受信するが、ここで、M≧2である。i番目の最終CIR推定は、すべての受信トレーニング・シーケンスのために得られる。これは、i番目の受信トレーニング・シーケンスを用いて、CIRのML推定を得ることにより遂行される。閾値のセットは、ML推定を用いて生成される。閾値のセットは、候補CIR推定のセットを生成するために使用される。ベクトルのセットは、候補CIR推定を通じてトレーニング・シーケンスをフィルタすることにより生成される。平均化された受信トレーニング・シーケンスは、他のM−1受信トレーニング・シーケンスの平均化により見出され、そこでは、最後のもの以外の受信トレーニング・シーケンスの全てが平均を見出すために用いられる。距離のセットは、平均化されたトレーニング・シーケンスとベクトルのセットとの間で計算される。最小距離は、距離のセットから見出される。i番目の最終CIR推定は、最小距離に対応する候補CIR推定のセットから選択される。最終CIR推定は、M個の最終CIR推定の平均化により見出される。
本実施例は、所要の計算率、電力レベル、耐熱性、処理サイクル予算、入力データ率、出力データ率、メモリー・リソース、データ・バス速度、および他のパフォーマンス制限のような要因の数に従って変化するアーキテクチャを使用して実行される。例えば、一実施例は、プロセッサによって実行されたソフトウェアを使用して実行される。プロセッサは、例えばIntel(登録商標)Corporationによって製作されたプロセッサのような汎用または専用のプロセッサである。ソフトウェアは、計算機プログラムのコード・セグメント、プログラミング・ロジック、命令、またはデータを含む。ソフトウェアは、マシン、コンピュータ、または他の処理システムによってアクセス可能な媒体上に格納される。利用可能な媒体の例としては、リード・オンリ・メモリ(ROM)、ランダム・アクセス・メモリ(RAM)、プログラマブルROM(PROM)、消去可能PROM(EPROM)、磁気ディスク、光ディスク等のようなコンピュータ読取り可能媒体を含む。一実施例において、媒体は、プロセッサによって実行される前にインストーラによってコンパイルまたはインストールされなければならない命令と同様に、プログラミング命令を圧縮または暗号化したフォーマットで格納する。他の例として、一実施例は、特定用途向け集積回路(ASIC)、プログラム可能論理回路(PLD)またはデジタル信号プロセッサ(DSP)、および付随するハードウェア構造のような専用ハードウェアとして実行される。他の例として、一実施例は、プログラムされた汎用計算機コンポーネントおよびカスタム・ハードウェア・コンポーネントの任意の組合せによっても実行される。本実施例は、この文脈には制限されない。
ここで記述されたように、本発明の実施例の特定の機能が示されたが、当業者は、多くの修正、代替、変更、および均等を想起するであろう。そしたがって、添付の請求項は、本発明の実施例の真なる精神に該当する限り、これらの修正および変更をすべてカバーすることを意図するものであると理解すべきである。
Claims (21)
- 第1トレーニング・シーケンスを受信する段階と、
前記第1受信トレーニング・シーケンスを用いて、チャネル・インパルス応答の最尤推定を推定する段階と、
第2トレーニング・シーケンスを受信する段階と、
前記最尤推定および前記第2受信トレーニング・シーケンスを用いて、少なくとも1つのチャネル・インパルス応答推定を推定する段階と、
から成ることを特徴とするチャネル推定を行なう方法。 - 前記最尤推定を推定する段階は、
前記第1受信トレーニング・シーケンスに一致するフィルタを用いて前記第1受信トレーニング・シーケンスをフィルタし、行列のためのベクトルの第1セットを形成する段階と、
前記行列を変形して前記最尤推定を形成する段階と、
を含むことを特徴とする請求項1記載の方法。 - 前記チャネル・インパルス応答推定を推定する段階は、
前記最尤推定を受信する段階と、
前記最尤推定を用いて閾値のセットを生成する段階と、
前記閾値を用いて候補チャネル・インパルス応答推定ベクトルのセットを生成する段階と、
前記候補チャネル・インパルス応答推定ベクトルから前記チャネル・インパルス応答推定を選択する段階と、
を含むことを特徴とする請求項1記載の方法。 - 前記選択する段階は、
前記候補チャネル・インパルス応答推定ベクトルを用いて前記第1受信トレーニング・シーケンスをフィルタし、ベクトルの第2セットを形成する段階と、
ベクトルの前記第2セットと前記第2受信トレーニング・シーケンスとの間の距離値のセットを決定する段階と、
前記距離値のセットから最小距離値を選択する段階と、
前記最小距離値を用いて前記チャネル・インパルス応答推定ベクトルを選択する段階と、
から成ることを特徴とする請求項3記載の方法。 - 漏話フィルタ・モジュールで前記チャネル・インパルス応答推定を受信し、チャネル・インパルス応答行列を形成する段階と、
前記チャネル・インパルス応答行列に基づいて、漏話抑制フィルタ行列を作成する段階と、
マルチ入力マルチ出力システムのためにチャネルを介して受信された複数のデータ・ストリームをフィルタし、前記漏話抑制フィルタ行列を用いて前記データ・ストリーム間の漏話を低減する段階と、
をさらに含むことを特徴とする請求項1記載の方法。 - 第1受信トレーニング・シーケンスを用いて最尤推定を生成するための最尤推定器と、
前記最尤推定器に結合するためのチャネル・タップ推定器であって、前記チャネル・タップ推定器は、前記最尤推定および第2受信トレーニング・シーケンスを受信し、また、前記チャネル・タップ推定器は、前記最尤推定および前記第2受信トレーニング・シーケンスを使用して少なくとも1つのチャネル・インパルス応答推定を生成する、チャネル・タップ推定器と、
から構成されることを特徴とするシステム。 - 前記最尤推定器は、
前記第1受信トレーニング・シーケンスを受信するためのフィルタであって、前記フィルタは、第1受信トレーニング・シーケンスをフィルタし、行列のためのベクトルの第1セットを形成する、フィルタと、
前記行列を変形し、前記最尤推定を形成するための行列トランスフォーマと、
から構成されることを特徴とする請求項8記載のシステム。 - 前記チャネル・タップ推定器は、
前記最尤推定を受信し、かつ前記最尤推定を用いて閾値のセットを生成するための閾値生成器と、
前記閾値を受信し、かつ前記閾値を用いて候補チャネル・インパルス応答推定ベクトルのセットを生成するための候補チャネル・インパルス応答生成器と、
前記候補チャネル・インパルス応答推定ベクトルおよび最小距離値を受信するためのチャネル・インパルス応答セレクタであって、前記チャネル・インパルス応答セレクタは、前記候補チャネル・インパルス応答推定ベクトルおよび前記最小距離値を用いて前記チャネル・インパルス応答推定を選択する、チャネル・インパルス応答セレクタと、
から構成されることを特徴とする請求項8記載のシステム。 - 前記第1受信トレーニング・シーケンスおよび前記候補チャネル・インパルス応答推定ベクトルを受信するフィルタであって、前記フィルタは、前記候補チャネル・インパルス応答推定ベクトルを用いて前記第1受信トレーニング・シーケンスをフィルタし、ベクトルの第2セットを形成する、フィルタと、
第2トレーニング・シーケンスおよび前記ベクトルの第2セットを受信する距離計算器であって、前記距離計算器は、前記ベクトルの第2セットと前記第2受信トレーニング・シーケンスとの間の距離値のセットを決定する、距離計算器と、
前記距離値を受信し、前記距離値のセットから最小距離値を選択し、前記チャネル・インパルス応答セレクタに前記最小距離値を出力するための最小セレクタと、
をさらに含むことを特徴とする請求項8記載のシステム。 - 通信媒体と、
前記通信媒体に接続された複数の送信機であって、各送信機は通信チャネルを使用して前記通信媒体を介してデータ・ストリームを送信する、送信機と、
前記通信媒体に接続された複数の受信機であって、前記複数の受信機は前記通信チャネルから前記データ・ストリームを受信する、受信機と、
前記複数の受信機に接続された漏話フィルタ・モジュールであって、前記漏話フィルタ・モジュールは、前記チャネル・インパルス応答推定を受信し、かつ前記チャネル・インパルス応答推定を用いて前記データ・ストリームをフィルタし、前記送信中に前記データ・ストリームによって生じた漏話信号を低減する、漏話フィルタ・モジュールと、
を含むことを特徴とする請求項8記載のシステム。 - 前記フィルタ・モジュールに接続された複数の等化器をさらに含み、前記等化器は、ほぼ同一の等化パラメータのセットを使用して前記フィルタされたデータ・ストリームを等化することを特徴とする請求項12記載のシステム。
- 前記漏話フィルタ・モジュールは、
チャネル・インパルス応答行列を生成するチャネル・インパルス応答行列生成器と、
前記チャネル・インパルス応答行列を用いて漏話抑制フィルタ行列を生成するための漏話抑制フィルタ行列生成器と、
前記漏話抑制フィルタ行列を用いて前記データ・ストリームをフィルタするためのフィルタと、
を含むことを特徴とする請求項12記載のシステム。 - 格納媒体を含み、
前記格納媒体は格納された命令を含み、プロセッサによって実行されたとき、第1トレーニング・シーケンスを受信し、前記第1受信トレーニング・シーケンスを用いてチャネル・インパルス応答の最尤推定を推定し、第2トレーニング・シーケンスを受信し、前記最尤推定および前記第2受信トレーニング・シーケンスを用いて少なくとも1つのチャネル・インパルス応答推定を推定することによって、チャネル推定を実行する、
ことを特徴とする物品。 - 前記格納された命令は、プロセッサによって実行されたとき、さらに、前記第1受信トレーニング・シーケンスに一致したフィルタを用いて前記第1受信トレーニング・シーケンスをフィルタして行列のためのベクトルの第1セットを形成し、前記行列を変形して前記最尤推定を形成することによって、前記最尤推定を推定することを特徴とする請求項15記載の物品。
- 前記格納された命令は、プロセッサによって実行されたとき、さらに、前記最尤推定を受信し、前記最尤推定を用いて閾値のセットを生成し、前記閾値を用いて候補チャネル・インパルス応答推定ベクトルのセットを生成し、前記候補チャネル・インパルス応答推定ベクトルから前記チャネル・インパルス応答推定を選択することによって、前記チャネル・インパルス応答推定を推定することを特徴とする請求項15記載の物品。
- 前記格納された命令は、プロセッサによって実行されたとき、さらに、前記候補チャネル・インパルス応答推定ベクトルを用いて前記第1受信トレーニング・シーケンスをフィルタしてベクトルの第2セットを形成し、前記ベクトルの第2セットと前記第2受信トレーニング・シーケンスとの間の距離値のセットを決定し、距離値の前記セットから最小距離値を選択し、前記最小距離値を用いて前記チャネル・インパルス応答推定ベクトルを選択することによって、前記選択を行うことを特徴とする請求項17記載の物品。
- 前記格納された命令は、プロセッサによって実行されたとき、さらに、漏話フィルタ・モジュールで前記チャネル・インパルス応答推定を受信してチャネル・インパルス応答行列を形成し、前記チャネル・インパルス応答行列に基づいて漏話抑制フィルタ行列を生成し、マルチ入力マルチ出力システムのためにチャネルを介して受信された複数のデータ・ストリームをフィルタし、前記漏話抑制フィルタ行列を用いて前記データ・ストリーム間の漏話を低減することを特徴とする請求項15記載の物品。
- 前記第2受信トレーニング・シーケンスを用いてチャネル・インパルス応答の第2最尤推定を推定する段階と、
前記第2最尤推定および前記第1受信トレーニング・シーケンスを用いて第2チャネル・インパルス応答推定を推定する段階と、
平均チャネル・インパルス応答推定を見出すために前記チャネル・インパルス応答推定を平均する段階と、
をさらに含むことを特徴とする請求項1記載の方法。 - i番目のトレーニング・シーケンスを受信する段階と、
前記i番目のトレーニング・シーケンスを用いてM個のチャネル・インパルス応答推定を推定する段階と、
平均チャネル・インパルス応答推定を見出すために前記M個のチャネル・インパルス応答推定を平均する段階と、
をさらに含むことを特徴とする請求項1記載の方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/RU2004/000037 WO2005076555A1 (en) | 2004-02-05 | 2004-02-05 | Method and apparatus to perform channel estimation for a communication system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007520971A true JP2007520971A (ja) | 2007-07-26 |
Family
ID=34836922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006552069A Pending JP2007520971A (ja) | 2004-02-05 | 2004-02-05 | 通信システムのためのチャネル推定を行なう方法および装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20070160010A1 (ja) |
EP (1) | EP1714449B1 (ja) |
JP (1) | JP2007520971A (ja) |
CN (1) | CN1898924B (ja) |
AT (1) | ATE427610T1 (ja) |
DE (1) | DE602004020389D1 (ja) |
WO (1) | WO2005076555A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012519421A (ja) * | 2009-02-27 | 2012-08-23 | イカノス テクノロジー リミテッド | 自己誘導遠端クロストークを緩和するためのシステムおよび方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4775288B2 (ja) | 2006-04-27 | 2011-09-21 | ソニー株式会社 | 無線通信システム、無線通信装置及び無線通信方法 |
JP4924107B2 (ja) | 2006-04-27 | 2012-04-25 | ソニー株式会社 | 無線通信システム、並びに無線通信装置及び無線通信方法 |
JP4356756B2 (ja) | 2006-04-27 | 2009-11-04 | ソニー株式会社 | 無線通信システム、並びに無線通信装置及び無線通信方法 |
JP4924106B2 (ja) | 2006-04-27 | 2012-04-25 | ソニー株式会社 | 無線通信システム、並びに無線通信装置及び無線通信方法 |
US8179774B2 (en) * | 2009-01-30 | 2012-05-15 | Lantiq Deutschland Gmbh | Cross-talk coefficient updating in vector transmission |
US8270522B2 (en) * | 2009-04-13 | 2012-09-18 | Altobridge Limited | Joint channel estimation and modulation detection |
US9712276B2 (en) * | 2009-11-10 | 2017-07-18 | Lantiq Beteiligungs-GmbH & Co. KG | Error reporting in multi-carrier signal communication |
CN102355436B (zh) * | 2011-07-26 | 2014-06-18 | 北京邮电大学 | 一种vdsl***中下行串扰消除方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03195129A (ja) * | 1989-12-22 | 1991-08-26 | Mitsubishi Electric Corp | 最尤系列推定装置 |
GB2247812B (en) * | 1990-09-06 | 1994-08-31 | Motorola Inc | Equalizer for linear modulated signal |
JP2621685B2 (ja) * | 1991-05-29 | 1997-06-18 | 日本電気株式会社 | 適応型最尤系列推定装置 |
US6978015B1 (en) * | 1999-11-11 | 2005-12-20 | Tokyo Electron Limited | Method and apparatus for cooperative diagnosis of impairments and mitigation of disturbers in communication systems |
JP3714910B2 (ja) * | 2001-02-20 | 2005-11-09 | 株式会社エヌ・ティ・ティ・ドコモ | ターボ受信方法及びその受信機 |
US6771706B2 (en) * | 2001-03-23 | 2004-08-03 | Qualcomm Incorporated | Method and apparatus for utilizing channel state information in a wireless communication system |
US7092436B2 (en) * | 2002-01-25 | 2006-08-15 | Mitsubishi Electric Research Laboratories, Inc. | Expectation-maximization-based channel estimation and signal detection for wireless communications systems |
US7197084B2 (en) * | 2002-03-27 | 2007-03-27 | Qualcomm Incorporated | Precoding for a multipath channel in a MIMO system |
US7239679B2 (en) * | 2002-05-29 | 2007-07-03 | Zenith Electronics Corporation | Adaptive thresholding algorithm for the noise due to unknown symbols in correlation based channel impulse response (CIR) estimate |
JP4242606B2 (ja) * | 2002-06-20 | 2009-03-25 | 株式会社エヌ・ティ・ティ・ドコモ | 通信制御システム、通信制御方法、移動局及び基地局 |
WO2004015946A1 (en) * | 2002-08-13 | 2004-02-19 | Koninklijke Philips Electronics N.V. | Joint channel and noise variance estimation in a wideband ofdm system |
-
2004
- 2004-02-05 WO PCT/RU2004/000037 patent/WO2005076555A1/en not_active Application Discontinuation
- 2004-02-05 JP JP2006552069A patent/JP2007520971A/ja active Pending
- 2004-02-05 US US10/597,735 patent/US20070160010A1/en not_active Abandoned
- 2004-02-05 EP EP04775197A patent/EP1714449B1/en not_active Expired - Lifetime
- 2004-02-05 CN CN2004800361502A patent/CN1898924B/zh not_active Expired - Fee Related
- 2004-02-05 DE DE602004020389T patent/DE602004020389D1/de not_active Expired - Lifetime
- 2004-02-05 AT AT04775197T patent/ATE427610T1/de not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012519421A (ja) * | 2009-02-27 | 2012-08-23 | イカノス テクノロジー リミテッド | 自己誘導遠端クロストークを緩和するためのシステムおよび方法 |
Also Published As
Publication number | Publication date |
---|---|
US20070160010A1 (en) | 2007-07-12 |
EP1714449A1 (en) | 2006-10-25 |
CN1898924B (zh) | 2011-09-07 |
ATE427610T1 (de) | 2009-04-15 |
EP1714449B1 (en) | 2009-04-01 |
CN1898924A (zh) | 2007-01-17 |
DE602004020389D1 (de) | 2009-05-14 |
WO2005076555A1 (en) | 2005-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070183301A1 (en) | Method and apparatus to reduce crosstalk in a mimo communication system | |
JP4694750B2 (ja) | 通信信号内の信号外乱を白色化する方法と受信装置とシステム | |
US7113540B2 (en) | Fast computation of multi-input-multi-output decision feedback equalizer coefficients | |
EP1183840B1 (en) | Optimization of channel equalizer | |
JP2008532354A (ja) | 向上されたブロック等化を提供する無線通信装置及び関連する方法 | |
CN108712353B (zh) | 软迭代信道估计方法 | |
JP2008530906A (ja) | 過去、現在及び/又は将来の自己相関マトリクスの予測値に基づいてブロック等化を実行する無線通信装置及び関連する方法 | |
JPH06197032A (ja) | 適応型等化器 | |
Daly et al. | Minimum mean-squared error impulse response shortening for discrete multitone transceivers | |
US8189705B2 (en) | Method and apparatus to perform equalization and decoding for a communication system | |
JP2004007693A (ja) | キガビットphyビタビデコーダー内の符号化利得性能を改善するシステム及び方法 | |
JP2007520971A (ja) | 通信システムのためのチャネル推定を行なう方法および装置 | |
Miller et al. | Estimation of co-channel signals with linear complexity | |
Mannerkoski et al. | Blind equalization using least-squares lattice prediction | |
JP3424723B2 (ja) | 適応等化器 | |
KR100839243B1 (ko) | 크로스토크 감소 방법, 장치, 제조물 및 다중 입력 다중출력 시스템 | |
CN108521311B (zh) | 一种基于格雷序列的信噪比估计方法 | |
Bisaglia et al. | Channel modeling and system performance for HomePNA 2.0 | |
US20050089101A1 (en) | Sub-block domain transformation multiple signal processing | |
JP2002540728A (ja) | 適応フィルタ等化技術 | |
EP1475931B1 (en) | Method and apparatus for iterative estimation of channel- or filter-coefficients | |
Mertins | Memory truncation and crosstalk cancellation in transmultiplexers | |
EP1475933B1 (en) | Method for interference cancellation using iterative semi-blind channel estimation | |
Gerstacker et al. | Equalization for WLAN IEEE 802.11 b | |
Tuna | Comparison of BER performances of MMSE equalizer and viterbi algorithm for the MLSE solution in 60 GHz communication channel |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090309 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090609 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100118 |