JP2012147455A - ノイズの多い推定値をフィルタリングして推定誤差を低減するための方法および装置 - Google Patents

Abstract

【課題】ノイズの多い推定値をフィルタリングして推定誤差を低減する。
【解決手段】入力値系列（例えば、初期チャネルインパルス応答推定値（ＣＩＲＥ）に対する）は、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングされ、出力値系列（例えば、フィルタリングされたＣＩＲＥに対する）を取得する。（複数の）係数は、適応フィルタ、１バンクの予測フィルタ、または正規化された変化量の技術により入力値系列に基づき更新される。適応フィルタにより（複数の）係数を更新するために、予測値系列は、入力値系列に基づいて導き出される。予測値系列と入力値系列との間の予測誤差が決定され、フィルタリングされて、フィルタリングされた予測誤差が得られる。次いで、ＩＩＲフィルタの（複数の）係数は、予測誤差およびフィルタリングされた予測誤差に基づいて更新される。
【選択図】図３

Description

本開示は、一般的に通信に関し、より詳細には、フィルタリング技術に関する。

無線通信システムでは、送信機は、典型的には、トラヒックデータを処理して（例えば、符号化し変調して）、データ符号を生成する。コヒーレントシステムでは、送信機は、パイロット符号をデータ符号と多重化し、多重化されたデータ符号およびパイロット符号を処理して無線周波数（ＲＦ）信号を生成し、無線チャネルを介してＲＦ信号を送信する。無線チャネルでは、チャネル応答により送信ＲＦ信号に歪みが生じ、さらに、ノイズと干渉により信号が劣化する。

受信機は、送信ＲＦ信号を受信し、受信ＲＦ信号を処理して、サンプルを取得する。コヒーレントデータ検波では、受信機は、受信されたパイロットに基づき無線チャネルの応答を推定し、チャネル推定を導き出す。次いで、受信機は、チャネル推定を使ってサンプルに対しデータ検波（例えば、等化）を実行し、送信機により送信されたデータ符号の推定である、符号推定を取得する。次いで、受信機は、符号推定を処理し（例えば、復調および復号を行い）、復号されたデータを取得する。

チャネル推定の品質は、データ検波性能に大きな影響を及ぼし、また符号推定の品質とともに復号されたデータの信頼性にも影響を与える可能性がある。したがって、当業では、無線通信システムにおいて高品質のチャネル推定を導き出す技術が必要である。

本出願は、本発明の譲受人に譲渡され、参照により本明細書に組み込まれる、２００５年１１月１５日に出願された「Ｐｒｅｄｉｃｔｉｏｎ Ｂａｓｅｄ Ｏｐｔｉｍａｌ Ａｄａｐｔａｔｉｏｎ ｏｆ Ｐｉｌｏｔ Ｆｉｌｔｅｒ Ｃｏｅｆｆｉｃｉｅｎｔｓ ｆｏｒ Ｉｍｐｒｏｖｅｄ Ｃｈａｎｎｅｌ Ｅｓｔｉｍａｔｉｏｎ」という表題の米国仮出願第６０／７３７，２５６号の優先権を主張する。

ノイズの多い推定値をフィルタリングし、推定誤差を低減し、より高品質の推定値を得る技術について、以下で説明する。これらの技術は、様々な用途に使用することができ、またノイズの多い推定値としては、スカラー、ベクトル、または行列がある。これらの技術の例示的な一用途は、通信チャネルの時間領域応答である、チャネルインパルス応答（ＣＩＲ）のノイズの多い推定値をフィルタリングするものである。

一実施形態では、入力値系列が、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングされ、出力値系列を取得する。入力値系列は、初期チャネルインパルス応答推定値（ＣＩＲＥ）に対するものとしてよく、出力値系列は、フィルタリングされたＣＩＲＥに対するものとしてよい。ＩＩＲフィルタの（複数の）係数は、本明細書で説明されている更新技術のうちの１つを使って入力値系列に基づき更新される。ＩＩＲフィルタは、アルファと呼ばれる単一の係数を持つことができる。

一実施形態では、ＩＩＲフィルタの（複数の）係数は、適応フィルタに基づいて更新される。この実施形態では、予測値系列は、入力値系列に基づいて導き出され、出力値系列の遅延された形態に等しいものとしてよい。予測値系列と入力値系列との間の予測誤差が決定され、フィルタリングされて（例えば、ＩＩＲフィルタの（複数の）係数により）、フィルタリングされた予測誤差が得られる。次いで、ＩＩＲフィルタの（複数の）係数は、予測誤差およびフィルタリングされた予測誤差に基づいて更新される。

他の実施形態では、ＩＩＲフィルタの（複数の）係数は、１バンクの予測フィルタバンクに基づいて更新される。この実施形態では、入力値系列が複数の予測フィルタによりフィルタリングされ、複数の予測値系列を取得する。それぞれの予測フィルタは、少なくとも１つの係数からなる異なる係数集合を有する。複数の予測フィルタのうち予測誤差が最小である予測フィルタが識別される。識別された予測フィルタに対する（複数の）係数の集合は、入力値系列のフィルタリングに使用できるように選択される。

さらに他の実施形態では、ＩＩＲフィルタの（複数の）係数は、正規化された変化量の技術に基づいて更新される。この実施形態では、実際のサンプル系列の変化量（例えば、ＣＩＲ）は、入力値系列に基づいて推定される。これは、入力値系列のエネルギーを推定し、入力値系列内のノイズを推定し、入力サンプル系列の変化量を推定することにより得られる。次いで、実際のサンプルの系列の変化量は、入力値系列の推定されたエネルギー、推定されたノイズ、および推定された変化量に基づいて推定されうる。ＩＩＲフィルタの（複数の）係数は、例えば、ルックアップテーブルを使用するか、または直接的な計算により、実際のサンプルの系列の推定された変化量に基づいて決定される。

以下では、本発明の様々な態様および実施形態について、さらに詳しく説明する。

本発明の特徴および特性は、類似の参照文字は図全体を通して対応する形で識別する図面と併せて以下で述べる詳細な説明を読むとさらに明らかになるであろう。

無線通信システムの送信を示す図。 基地局および無線デバイスを示すブロック図。 無線デバイスのイコライザを示すブロック図。 チャネルＩＩＲフィルタを示すブロック図。 ３つの速度に関するシナリオに対するスループットとアルファに関するグラフを示す図。 適応フィルタに基づいてアルファを更新するユニットを示す図。 １バンクの予測フィルタに基づいてアルファを更新するユニットを示す図。 正規化された変化量の技術に基づいてアルファを更新するユニットを示す図。 ノイズの多い推定値をフィルタリングするプロセスを示す図。 適応フィルタに基づいてアルファを更新するプロセスを示す図。 １バンクの予測フィルタに基づいてアルファを更新するプロセスを示す図。 正規化された変化量の技術に基づいてアルファを更新するプロセスを示す図。

「例示的な」という単語は、本明細書では、「一実施例、事例、または例示として使用する」ことを意味するために使用される。本明細書で「明示的」と説明されている実施形態または設計は、必ずしも、他の実施形態または設計よりも好ましい、または有利であると解釈されるべきではない。

図１は、無線通信システムの例示的な送信を示している。話を簡単にするため、図１は、１つの基地局１１０と１つの無線デバイス１２０のみを示している。基地局は、一般的に、無線デバイスと通信する固定局であり、ノードＢ、アクセスポイント、ベーストランシーバ基地局（ＢＴＳ）、または他の何らかの専門用語の名称で呼ぶことができる。無線デバイスは、固定式でも移動式でもよく、これもまた、ユーザ装置（ＵＥ）、移動局、ユーザ端末、加入者ユニット、または他の何らかの専門用語の名称で呼ぶことができる。無線デバイスは、携帯電話、携帯情報端末（ＰＤＡ）、無線モデムカード、ハンドヘルドデバイス、または他の何らかのデバイスもしくは装置とすることができる。

基地局１１０は、ＲＦ信号を無線デバイス１２０に送信する。ＲＦ信号は、直接的経路および／または反射路を含むことができる、１つまたは複数の経路を介して無線デバイス１２０に到達しうる。反射路は、無線環境内の障害物（例えば、建物、樹木、車両、および他の構造物）による電波の反射により生じる。無線デバイス１２０は、送信ＲＦ信号の複数のインスタンスまたはコピーを受信することができる。それぞれの受信信号インスタンスは、異なる信号経路を介して得られ、特定の複素利得、およびその信号経路により決定される特定の時間遅延を有する。無線デバイス１２０の受信ＲＦ信号は、受信信号インスタンスのすべての重ね合わせである。無線デバイス１２０は、さらに、図１の破線により示されている、他の送信局からの干渉伝送を受信する可能性がある。

本明細書で説明されているフィルタリング技術は、符号分割多元接続（ＣＤＭＡ）システム、時分割多元接続（ＴＤＭＡ）システム、周波数分割多元接続（ＦＤＭＡ）システム、直交周波数分割多元接続（ＯＦＤＭＡ）システム、単一搬送波ＦＤＭＡ（ＳＣ−ＦＤＭＡ）システムなどの様々な通信システムに使用することができる。ＣＤＭＡシステムは、広帯域ＣＤＭＡ（Ｗ−ＣＤＭＡ）、ｃｄｍａ２０００などの１つまたは複数の無線技術を実装することができる。ｃｄｍａ２０００は、ＩＳ−２０００、ＩＳ−８５６、およびＩＳ−９５標準に対応している。ＴＤＭＡシステムでは、グローバル移動体通信システム（ＧＳＭ（登録商標））などの無線技術を実装することができる。これらの様々な無線技術および標準は、当業で知られている。Ｗ−ＣＤＭＡおよびＧＳＭは、「第三世代パートナーシッププロジェクト」（３ＧＰＰ）という名前の組織から出されている文書において説明されている。ｃｄｍａ２０００は、「第三世代パートナーシッププロジェクト２」（３ＧＰＰ２）という名前の組織から出されている文書において説明されている。３ＧＰＰおよび３ＧＰＰ２文書は、公開されている。ＯＦＤＭＡシステムは、ＯＦＤＭを使用し、直交する副搬送波上で周波数領域の変調符号を送信する。ＳＣ−ＦＤＭＡシステムは、直交する副搬送波上で時間領域の変調符号を送信する。

本明細書で説明されているフィルタリング技術は、無線デバイスに使用できるが、もちろん基地局にも使用できる。分かりやすくするため、これらの技術は、以下では、Ｗ−ＣＤＭＡシステムまたはｃｄｍａ２０００システムであるとしてよい、ＣＤＭＡシステム内の無線デバイスに関して説明されている。

図２は、基地局１１０および無線デバイス１２０のブロック図を示している。基地局１１０では、送信（ＴＸ）データプロセッサ２１０は、サービスを受ける無線デバイスのトラヒックデータを受信し、そのトラヒックデータを処理（例えば、符号化、インターリーブ、および符号マップ）して、データ符号を生成する。本明細書で使用されているように、データ符号は、データ用の変調符号であり、パイロット符号は、パイロット用の変調符号であり、変調符号は、（例えば、Ｍ−ＰＳＫ、Ｍ−ＱＡＭに対する）信号点配置内の１つの点に対する複素値であり、パイロットは、基地局と無線デバイスの両方により先験的に知られているデータである。ＣＤＭＡ変調器２２０は、データ符号およびパイロット符号を処理し、出力チップを送信機（ＴＭＴＲ）２３０に送る。送信機２３０は、出力チップを処理し（例えば、アナログに変換し、増幅し、フィルタリングし、高い周波数に変換し）、アンテナ２３２から送信される、ＲＦ信号を生成する。

無線デバイス１２０で、アンテナ２５２は、直接路および／または反射路を介して送信ＲＦ信号を受信し、受信ＲＦ信号を受信機（ＲＣＶＲ）２５４に送る。受信機２５４は、受信ＲＦ信号を処理し（例えば、フィルタリングし、増幅し、低い周波数に変換し、デジタイズし）、受信サンプルを取得する。受信機２５４は、受信サンプルに対し前処理を実行し、入力サンプルをイコライザ／レーキ受信機２６０に送る。この前処理は、例えば、自動利得制御（ＡＧＣ）、周波数修正、デジタルフィルタリング、サンプルレート変換などを含むことができる。イコライザ／レーキ受信機２６０は、入力サンプルを（例えば、イコライザまたはレーキ受信機により）処理し、出力サンプルを送る。ＣＤＭＡ復調器（Ｄｅｍｏｄ）２７０は、ＣＤＭＡ変調器２２０による処理を補完する形で出力サンプルを処理し、基地局１１０により無線デバイス１２０に送信されるデータ符号の推定値である、符号推定値を与える。レーキ受信機およびＣＤＭＡ復調器は、さらに組み合わせることもできる。受信（ＲＸ）データプロセッサ２８０は、符号推定値を処理し（例えば、符号逆マップし、逆インターリーブし、復号し）、復号されたデータを与える。一般に、ＣＤＭＡ復調器２７０およびＲＸデータプロセッサ２８０による処理は、基地局１１０で、それぞれＣＤＭＡ変調器２２０およびＴＸデータプロセッサ２１０による処理を補完するものである。

コントローラ／プロセッサ２４０および２９０は、それぞれ、基地局１１０および無線デバイス１２０における様々な処理ユニットのオペレーションを指令する。メモリ２４２および２９２は、それぞれ、基地局１１０および無線デバイス１２０用のデータおよびプログラムコードを格納する。

無線デバイス１２０において、受信機２５４からの入力サンプルは、

として表すことができ、ただし、
ｘ（ｋ）は、無線デバイス１２０に対する注目する信号成分であり、
ｐ（ｋ）は、基地局１１０からのパイロットであり、
ｈ（ｋ）は、基地局１１０と無線デバイス１２０との間の無線チャネルの時間領域インパルス応答であり、
ｗ（ｋ）は、ｘ（ｋ）およびｐ（ｋ）により観察される全ノイズおよび干渉であり、
ｙ（ｋ）は、無線デバイス１２０における入力サンプルであり、
記号

は畳み込みを表す。

式（１）では、ｘ（ｋ）は、無線デバイス１２０において注目すべき物理的チャネルの信号成分としてよい。ｗ（ｋ）は、基地局１１０からの他の物理チャネル、様々なソースからのノイズ、および他の送信局からの干渉に対する信号成分を含むことができる。話を簡単にするため、ｗ（ｋ）は、平均が０で分散がσ^２である加法的白色ガウスノイズ（ＡＷＧＮ）と仮定する。入力サンプルｙ（ｋ）は、イコライザにより処理され、これにより望ましい信号ｘ（ｋ）の推定値を取得することができる。

図３は、図２のイコライザ／レーキ受信機２６０の一実施形態である、イコライザ２６０ａのブロック図を示している。この実施形態では、受信機２５４からの入力サンプルｙ（ｋ）は、チャネル推定器３１０およびデータ有限インパルス応答（ＦＩＲ）フィルタ３６０に送られる。チャネル推定器３１０は、基地局１１０と無線デバイス１２０との間の無線チャネルに対するチャネルインパルス応答推定値（ＣＩＲＥ）

を導き出す。計算ユニット３５０は、ＣＩＲＥ

を受け取り、これに基づき、また例えば、線形最小平均２乗誤差（ＬＭＭＳＥ）、最小平均２乗（ＬＭＳ）、再帰最小２乗（ＲＬＳ）、直接行列反転（ＤＭＩ）、ゼロ強制、または他の何らかの技術を使用してイコライザ係数を導き出す。ＦＩＲフィルタ３６０は、イコライザ係数で入力サンプルｙ（ｋ）をフィルタリングし、望ましい信号ｘ（ｋ）の推定値である、出力サンプル

を与える。

基地局１１０と無線デバイス１２０との間の時間領域チャネルインパルス応答（ＣＩＲ）は、Ｌを任意の値、例えば、Ｌ＝６４とし、Ｌ個のチャネルタップｈ（１）からｈ（Ｌ）までを有するものとして考えることができる。それぞれのチャネルタップｈ（ｌ）（ｌ＝１，．．．，Ｌ）は、特定の複素利得および特定の時間遅延を有し、両方とも無線環境により決められる。ＣＩＲは、

のようなベクトル形式で与えることができ、ただし、
ｈ _ｎは、時間間隔ｎにおけるＣＩＲに対するＬ×１ベクトルであり、
「^Ｔ」は、転置を表す。

無線デバイス１２０は、ＣＩＲにおけるＬ個のチャネルタップの正確な推定値を導き出そうとする。チャネル推定器３１０内では、初期チャネル推定器３２０が、基地局１１０から受信したパイロットに基づいて初期ＣＩＲＥを導き出す。一実施形態では、初期ＣＩＲＥは、

として導き出せるが、ただし、

は、時間間隔ｎのチャネルタップｈ（ｌ）の初期推定値であり、
Ｋは、累積長であり、
「^＊」は、複素共役を表す。

式（３）において「ｌ−１」であるのは、インデックスｌが０でなく１から始まるからである。

式（３）では、チャネルタップｈ（ｌ）は、時間オフセットｌ−１のパイロット系列ｐ（ｋ）により時間領域内の入力サンプルｙ（ｋ）を逆拡散することにより推定される。Ｌ個の異なるチャネルタップは、Ｌ個の異なる時間オフセットにより推定されうる。それぞれの時間オフセットに対する逆拡散は、その時間オフセットに対する入力サンプルｙ（ｋ）に複素共役パイロットチップｐ^＊（ｋ）を乗算し、Ｋ個のチップについて結果を累算することにより得られる。Ｋは、パイロットに使用される直交符号の長さの整数倍数である。パイロット直交符号は、Ｗ−ＣＤＭＡでは２５６チップ長であり、ｃｄｍａ２０００では１２８チップ長である。Ｋは、１パイロット符号、複数のパイロット符号、１スロット、複数のスロット、１フレーム、または他の何らかの持続時間に等しいものとしてよい。１スロットは、Ｗ−ＣＤＭＡでは、２５６０チップおよび１０パイロット符号に対応し、ｃｄｍａ２０００では、７６８チップおよび６パイロット符号に対応する。

初期ＣＩＲＥは、それぞれ時間間隔ｎについて導き出すことができる。時間間隔は、スロット、フレーム、または他の何らかの時間長としてよい。初期ＣＩＲＥは、Ｌ個のチャネルタップ推定からなり、

として与えられうる。初期ＣＩＲＥは、推定誤差およびノイズを含むため、複数の時間間隔にわたってフィルタリングすることで、推定誤差およびノイズを低減することができる。

図３に示されている一実施形態では、チャネルＩＩＲフィルタ３３０は、

のように初期ＣＩＲＥをフィルタリングするが、ただし、

は、時間間隔ｎにおけるフィルタリングされたＣＩＲＥに対するＬ×１ベクトルであり、
α_ｎは、時間間隔ｎに対する係数である。

式（４）のＩＩＲフィルタリングは、Ｌ個のチャネルタップのそれぞれについて個別に実行される。係数計算ユニット３４０は、ＩＩＲフィルタ３３０に対する係数α_ｎを導き出す。

図４は、図３のチャネルＩＩＲフィルタ３３０の一実施形態のブロック図を示している。この実施形態では、チャネルＩＩＲフィルタ３３０は、Ｌ個のチャネルタップについてＬ個の１タップＩＩＲフィルタ４１０ａから４１０ｌを含む。それぞれのＩＩＲフィルタ４１０は、１つのタップインデックスについてフィルタリングを実行する。タップインデックスｌ（ｌ∈｛１，．．．，Ｌ｝）に対する１タップＩＩＲフィルタにおいて、乗算器４１２は、係数α_ｎを持つ初期チャネルタップ推定値

を受け取って、乗算する。加算器４１４は、係数α_ｎを１．０から差し引いて、（１−α_ｎ）を出力する。乗算器４１６は、レジスタ４２０からの遅延チャネルタップ推定値

と（１−α_ｎ）とを乗算する。加算器４１８は、乗算器４１２および４１６の出力を加算し、フィルタリングされたチャネルタップ推定値

を与える。次の時間間隔で使用するために、レジスタ４２０はフィルタリングされたチャネルタップ推定値

を格納する。

式（４）のフィルタリングで、ノイズを低減し、推定精度を改善する。したがって、フィルタリングされたＣＩＲＥ

は、一般的に、ＣＩＲ ｈ _ｎの改善された推定値である。係数α_ｎは、フィルタリングの量を決定する。一般に、大きなα_ｎは小さなフィルタリングに対応して１＞α_ｎ＞０であり、またその逆も成り立つ。以下の説明では、係数α_ｎは、アルファと呼ばれる。

改善された性能は、異なる動作シナリオにおいて初期ＣＩＲＲＥに対する異なる量のフィルタリングにより実現されうることはわかる。アルファに適した値は、速度、受信信号品質、および場合によっては他の因子に依存しうる。

図５は、３つの異なる速度に関するシナリオに対するスループットとアルファに関するグラフを示す。グラフ５１０は、１２０Ｋｍ／時の高速シナリオに対するスループットとアルファの関係を示し、グラフ５１２は、３０Ｋｍ／時の中速シナリオに対するスループットとアルファの関係を示し、グラフ５１４は、３Ｋｍ／時の低速シナリオに対するスループットとアルファの関係を示す。これらのグラフは、最高のスループットは、高速シナリオでは０．８から１．０までのアルファについて達成され、中速シナリオでは０．５から０．７までのアルファについて達成され、低速シナリオでは０．２から０．３までのアルファについて達成されうることを示している。

図５は、アルファのよい選択は、移動性に依存することを示している。ゆっくり変化するチャネルに対しては、アルファは小さい（フィルタリングが強い）ほどよく、速く変化するチャネルに対しては、アルファは大きい（フィルタリングが弱い）ほどよい。アルファのよい選択は、さらに、受信信号品質にも依存することがわかる。所定の速度に関して、受信信号品質が低い場合には、アルファは小さい（フィルタリングが強い）ほどよく、受信信号品質が高い場合には、アルファは大きい（フィルタリングが弱い）ほどよい。図５のグラフで示唆されるように、性能は、アルファに不適切な値が使用されると著しく低下しうる。

本明細書で説明されているフィルタリング技術により、推定誤差が低減され、様々な動作シナリオに対しよい性能を実現できる。これらの技術は、予測ベースの技術および正規化された変化量の技術を含む。予測ベースの技術は、適応フィルタまたは１バンクの予測フィルタにより実装されうる。

予測ベースの技術の一実施形態では、アルファは、適応フィルタを使っていくつかの小さなステップで更新される。一実施形態では、式（４）のＩＩＲフィルタは、さらに、次の時間間隔でチャネルタップを予測する予測フィルタとして使用される。したがって、時間間隔ｎ−１で、ＩＩＲフィルタにより生成されるフィルタリングされたＣＩＲＥ

は、時間間隔ｎに対する予測されたＣＩＲＥとして使用される。

初期ＣＩＲＥと予測されたＣＩＲＥとの間の予測誤差は、

で表すことができ、ただし、
ｅ _ｎ＝［ｅ_ｎ（１） ｅ_ｎ（２）．．．ｅ_ｎ（Ｌ）］^Ｔは、時間間隔ｎにおけるＬ個の予測チャネルタップに対する予測誤差のＬ×１ベクトルである。

アルファは、

のようにそれぞれの時間間隔ｎで適応可能なように更新することができ、ただし、
‖ｅ _ｎ‖^２は、予測誤差ベクトルのノルムの平方であり、
χは、アルファに対する適応率を決定する係数である。

式（６）では、最小平均平方誤差（ＭＭＳＥ）を求めるために予測誤差のノルムの平方を最小にするようにアルファを更新する。偏導関数項∂‖ｅ_ｎ‖^２／∂αは、誤差勾配を示す。アルファは、予測誤差のノルムの平方の勾配に基づき、またその勾配の反対方向に更新される。適応の速度は、良好な性能となるように選択されうる係数χにより決定される。係数χは、０．０１または他の何らかの値に設定できる。

式（６）の偏導関数項は、

で表すことができ、ただし、
「^Ｈ」は、共役転置を表す。

式（７）の項

は、

で表すことができ、ただし、
ｆ _ｎ＝［ｆ_ｎ（１） ｆ_ｎ（２）．．．ｆ_ｎ（Ｌ）］^Ｔは、時間間隔ｎにおけるＬ個のチャネルタップに対するフィルタリングされた予測誤差のＬ×１ベクトルである。

式（７）は、項

が、現在の時間間隔ｎで計算された予測誤差ｅ _ｎおよび現在の時間間隔ｎに対するフィルタリングされた予測誤差ｆ _ｎに基づいて導き出されうることを示している。

次いで、式（６）の偏導関数項は、

で表すことができる。

次いで、アルファは、

として更新されうる。

式（６）から（１０）で示されている実施形態では、単一のアルファは、Ｌ個のチャネルタップすべてに使用され、このアルファは、Ｌ個のチャネルタップすべてに基づいて更新される。他の実施形態では、別のアルファが、それぞれのチャネルタップについて使用され、

および

のように、そのチャネルタップに対する予測誤差に基づいて更新されうる。

アルファは、以下のように適応フィルタに基づいて更新できる。最初に、フィルタリングされたＣＩＲＥ

およびフィルタリングされた予測誤差ｆ _ｎは、ゼロに初期化される。アルファは、大半の動作シナリオに対し良好な性能を有する値、例えば、α_ｎ＝０．６に初期化できる。これ以降、アルファは、以下のように、それぞれの時間間隔ｎで更新することができる。

１．初期ＣＩＲＥ

を、例えば、式（３）に示されているようにして取得する。

２．式（５）に示されているように予測誤差ｅ _ｎを計算する。

３．式（９）に示されているように、予測誤差ｅ _ｎおよびフィルタリングされた予測誤差ｆ _ｎに基づいて偏導関数項∂‖ｅ _ｎ‖^２／∂αを計算する。

４．式（１０）に示されているように偏導関数項およびステップサイズχに基づいてアルファを更新する。

５．式（８）に示されているように、予測誤差ｅ _ｎおよび更新されたアルファα_ｎ＋１に基づいてフィルタリングされた予測誤差を更新する。

更新されたアルファα_ｎ＋１は、次の時間間隔で初期ＣＩＲＥをフィルタリングするために使用できる。

図６は、適応フィルタでアルファを更新する係数計算ユニット３４０ａの一実施形態を示している。チャネルＩＩＲフィルタ３３０は、現在のアルファα_ｎで初期ＣＩＲＥ

をフィルタリングし、フィルタリングされたＣＩＲＥ

を与える。ユニット３４０ａ内で、予測誤差計算ユニット６１０は、初期ＣＩＲＥ

および予測されたＣＩＲＥ

をレジスタ６１６から受け取る。ユニット６１０は、式（５）に示されているように予測誤差ｅ _ｎを計算する。アルファ更新ユニット６１４は、予測誤差ｅ _ｎおよびフィルタリングされた予測誤差ｆ _ｎを受け取り、式（９）および（１０）に示されているようにアルファを更新し、更新されたアルファα_ｎ＋１を次の時間間隔で与える。フィルタ６１２は、式（８）に示されているように予測誤差ｅ _ｎをフィルタリングし、フィルタリングされた予測誤差を次の時間間隔で与える。レジスタ６１６は、次の時間間隔で予測されたＣＩＲＥとして使用される、フィルタリングされたＣＩＲＥ

を受け取って格納する。

適応フィルタを使用してアルファを更新することには、様々な利点があると考えられる。第１に、フィルタリングされたＣＩＲＥ、フィルタリングされた予測誤差、およびアルファは、比較的少ない計算量および少ないメモリ容量で導き出すことができる。第２に、フィルタリングされた予測誤差は、式（８）に示されているように、可変ＩＩＲフィルタに基づいて得られるため、収束速度を速くすることができる。第３に、適応速度は、係数χに対し適当な値を選択することにより制御できる。

予測ベースの技術の他の実施形態では、アルファは、異なるアルファを有する１バンクの予測フィルタから選択される。この実施形態では、初期ＣＩＲＥは、

のようにＭ個の異なる予測フィルタによりフィルタリングすることができ、ただし、

は、時間間隔ｎにおける予測フィルタｍからの予測されたＣＩＲＥに対するＬ×１ベクトルであり、
α^（ｍ）は、予測フィルタｍに対するアルファである。

Ｍ個の異なるアルファは、Ｍ個の予測フィルタに使用することができ、ただし、一般に、Ｍ＞１である。一実施形態では、Ｍ個のアルファは、０から１までの間に均等に分散され、例えば、ａ^（ｍ）＝ｍ／Ｍである。例えば、Ｍは、１０に等しく、１０個の予測フィルタは、０．１、０．２、．．．、１．０の１０個の等しい間隔で並ぶアルファにより実装できる。Ｍ個のアルファは、さらに、他の値に設定でき、例えば、無線でバイスが動作すると予測されるある範囲内により集中する。

それぞれの予測フィルタに対する予測誤差は、

で表すことができ、ただし、

は、時間間隔ｎにおける予測フィルタに対する予測誤差のＬ×１ベクトルである。

それぞれの時間間隔ｎで、Ｍ個のアルファのうちの１つを使用するため、

のように選択でき、ただし、
Ｅ｛ ｝は、期待値演算を表し、

は、予測フィルタｍに対する予測平均平方誤差（ＭＳＥ）であり、
ｍ_ｎは、予測ＭＳＥが最小である予測フィルタのインデックスである。

式（１３）では、Ｌ個のチャネルタップすべてに対する最小の予測ＭＳＥを与える予測フィルタが選択される。式（１４）において、選択された予測フィルタのアルファは、初期ＣＩＲＥをフィルタリングするために使用されるアルファとして与えられる。

予測ＭＳＥは、それぞれの予測フィルタｍについて、

のようにして推定することができるが、ただし、

は、時間間隔ｎにおける予測フィルタｍに対する推定された予測ＭＳＥであり、
ηは、予測ＭＳＥに対する平均する量を決定する係数である。係数ηは、０．０５または他の何らかの値に設定できる。

アルファは、以下のように１バンクの予測フィルタに基づいて導き出すことができる。最初に、Ｍ個の予測フィルタのそれぞれに対する予測されたＣＩＲＥ

および推定された予測ＭＳＥ

は、ゼロに初期化される。これ以降、アルファは、以下のように、それぞれの時間間隔ｎで選択することができる。

１．初期ＣＩＲＥ

を、例えば、式（３）に示されているようにして取得する。

２．式（１２）に示されているように、それぞれの予測フィルタについて予測誤差

を計算する。

３．式（１５）に示されているように、それぞれの予測フィルタについて推定された予測誤差ＭＳＥ

を、予測誤差

に基づいて計算する。

４．式（１３）および（１４）に示されているように、推定された予測ＭＳＥが最小である予測フィルタのアルファを選択する。

５．式（１１）に示されているそれぞれの予測フィルタを更新する。

図７は、１バンクの予測フィルタに基づいてアルファを導き出す係数計算ユニット３４０ｂの一実施形態を示している。ユニット３４０ｂは、Ｍ個の異なるアルファに対するＭ個の処理セクション７１０ａから７１０ｍ、検出器７２０、およびセレクタ７３０を備える。

それぞれの処理セクション７１０内で、予測フィルタ７１２は、式（１１）に示されているように、割り当てられたアルファα^（ｍ）で初期ＣＩＲＥ

をフィルタリングし、フィルタリングされたＣＩＲＥ

を供給する。レジスタ７１４は、次の時間間隔で予測されたＣＩＲＥとして使用される、フィルタリングされたＣＩＲＥ

を格納する。ユニット７１６は、初期ＣＩＲＥ

および予測されたＣＩＲＥ

を受け取り、式（１２）に示されているように予測誤差

を計算する。ＭＳＥ推定器７１８は、式（１５）に示されているように、予測誤差

に基づいて推定された予測誤差ＭＳＥを導き出す。

検出器７２０は、Ｍ個のＭＳＥ推定器７１８ａから７１８ｍまでのすべてから推定された予測ＭＳＥを受け取り、最小の推定された予測ＭＳＥを有する最良の予測フィルタを識別し、次の時間間隔のアルファα_ｎ＋１として最良の予測フィルタに対するアルファを与える。セレクタ７３０は、最良の予測フィルタからのフィルタリングされたＣＩＲＥをフィルタリングされたＣＩＲＥ

として与える。

一実施形態では、別のチャネルＩＩＲフィルタが保持され、このＩＩＲフィルタに対するアルファは、それぞれの時間間隔で最良の予測フィルタのアルファに基づいて更新される。他の実施形態では、最良の予測フィルタからのフィルタリングされたＣＩＲＥは、フィルタリングされたＣＩＲＥ

として与えられる。この実施形態では、予測フィルタの１つは、それぞれの時間間隔でチャネルＩＩＲフィルタとして動作する。

１バンクの予測フィルタを使用してアルファを更新することには、いくつかの利点があると考えられる。第１に、フィルタバンクは、最良のアルファ値に素早く整定する。第２に、フィルタバンクは、式（１５）において予測ＭＳＥを推定するために使用されるＩＩＲフィルタに依存する収束遅延とともに変化するチャネル状態に適応することができる。しかし、フィルタバンクは、一般に、上述の適応フィルタに比べて使用する計算量が多く、また使用するメモリ容量も大きい。

正規化された変化量の技術の一実施形態では、アルファは、無線チャネルの推定された変化量に基づいて導き出される。無線チャネルは、初期ＣＩＲＥに対するフィルタリングの時定数に関係する、「メモリ」を有するようにモデル化されうる。無線チャネルの変化量は、チャネルのメモリに反比例する。したがって、アルファのよい値を決定するために、チャネルの変化量またはチャネルのメモリを推定し、使用することができる。

初期ＣＩＲＥは、ＣＩＲのノイズの多い推定値であり、

で表すことができ、ただし、
ｗ _ｎは、時間間隔ｎにおけるノイズおよび推定誤差のＬ×１ベクトルである。

無線チャネルの正規化された変化量は、

として定義でき、ただし、
Ｅ｛‖ｈ _ｎ−ｈ _ｎ−１‖^２｝は、時間間隔ｎにおけるＣＩＲの期待される差であり、
Ｅ｛‖ｈ _ｎ‖^２｝は、時間間隔ｎにおける期待されるチャネルエネルギーであり、
ＮＶは、無線チャネルの正規化された変化量である。

式（１７）の正規化された変化量は、

と書き直すことができ、ただし、

は、時間間隔ｎにおける初期ＣＩＲＥの期待される差であり、

は、時間間隔ｎにおける初期ＣＩＲＥの期待されるエネルギーであり、
Ｅ｛‖ｗ _ｎ‖^２｝は、時間間隔ｎにおける期待されるノイズエネルギーである。

式（１８）の中の３つの異なる期待量はそれぞれ、初期ＣＩＲＥに基づいて推定されうる。値

を推定するために、量

をまず最初に

として計算することができるが、ただし、

は、時間間隔ｎおよびｎ−１に対する初期チャネルタップ推定値間の差のノルムの平方である。

差のノルムの平方

は、

のようにしてフィルタリングすることができ、ただし、

は、

の推定値であり、
μは、

に対する平均の量を決定する係数である。

係数μは、０．５または他の何らかの値に設定できる。

を推定するために、量

をまず最初に

として計算することができるが、ただし、

は、時間間隔ｎに対する初期チャネルタップ推定値のノルムの平方である。

チャネルのノルムの平方

は、

のようにしてフィルタリングすることができ、ただし、

は、

の推定値である。

Ｅ｛‖ｗ _ｎ‖^２｝を推定するために、初期ＣＩＲＥの一端または両端のいくつかのチャネルタップは、純粋なノイズを含み、信号を含まないと仮定することができる。次いで、時間間隔ｎに対するノイズエネルギーは、

と表されるが、

として推定することができる。

式（２３）では、第１のＡ初期チャネルタップ推定値は、最後のＢ初期チャネルタップ推定値はもちろんのこと、純粋なノイズである。ＡおよびＢは、良好なノイズ推定性能をもたらすように選択できる。一実施形態では、Ｌ＝６４およびＡ＝Ｂ＝４である。Ｌ、Ａ、およびＢに、他の値を使用することもできる。ノイズエネルギーも、他の方法で、例えば、低エネルギーの初期チャネルタップ推定値に基づいて推定することができる。

ノイズエネルギー

は、

のようにしてフィルタリングすることができ、ただし、

は、Ｅ｛‖ｗ _ｎ‖^２｝の推定値である。

同じ係数μを、それぞれ、式（２０）、（２２）、および（２４）に示されているように、３つの量

および

のすべてを導き出すために使用できる。それとは別に、異なる量に対し、異なる係数を使用することができる。

無線チャネルは、

のように、ガウス・マルコフチャネルモデルにより表すことができ、ただし、
γ∈［０，１］は、無線チャネルのメモリとみなすことができ、
ｕ _ｎは、互いに独立で同一の分布に従う（ｉ．ｉ．ｄ．）ガウス確率変数のＬ×１ベクトルである。

チャネルメモリγは、無線チャネルにおけるドップラー効果をパラメータ化するもう１つの手段となる。γの値が大きいほど、無線チャネルは、より長いメモリを有し、これは、より強いフィルタリングに対応する。

式（１７）と（２５）を組み合わせることで、正規化された変化量は、

として与えられうる。

次いで、チャネルメモリは、

として表すことができる。

式（１８）の中の正規化された変化量の３つの期待量は、上述のように推定できる。次いで、チャネルメモリは、

のように推定することができ、ただし、

は、時間間隔ｎにおける推定されたチャネルメモリである。

一実施形態では、アルファは、チャネルメモリγまたは正規化された変化量ＮＶの異なる値について決定され（例えば、コンピュータシミュレーション、計算、および／また経験による測定に基づいて）、ルックアップテーブルに格納される。これ以降、チャネルメモリまたは正規化された変化量は、上述のように推定され、ルックアップテーブルに送られるようにできる。次いで、ルックアップテーブルでは、初期ＣＩＲＥをフィルタリングするために使用するアルファ値を返す。

他の実施形態では、アルファは、直接計算される。フィルタは、

のように定義されうるが、ただし、
ａおよびｂは、２つの係数である。値

、Ｅ｛‖ｗ _ｎ‖^２｝、およびγが与えられると、ａおよびｂの値は、期待される推定誤差

が最小になるように決定できる。

上記の基準に対する解は、以下のようにして導き出せる。変数ｒおよびρは、

として定義できる。

次いで、上記基準を満たすａおよびｂの値は、

として与えることができる。

次いで、アルファは、

として表すことができる。

アルファは、以下のように正規化された変化量の技術に基づいて導き出すことができる。最初に、量

および

は、ゼロに初期化される。これ以降、アルファは、以下のように、それぞれの時間間隔ｎで導き出すことができる。

１．初期ＣＩＲＥ

を、例えば、式（３）に示されているようにして取得する。

２．式（１９）から（２４）に示されているように、初期ＣＩＲＥに基づいて、

および

を計算する。

３．式（２８）に示されているように、チャネルメモリの推定値

を計算する。

４．ｒの推定値を

として計算する。

５．式（３１）に示されているようにρの推定値を計算する。

６．式（３２）および（３３）に示されているようにａおよびｂの推定値を計算する。

７．式（３４）に示されているように、アルファを計算する。

計算されたアルファα_ｎ＋１は、次の時間間隔で初期ＣＩＲＥをフィルタリングするために使用できる。

図８は、正規化された変化量の技術に基づいてアルファを導き出す係数計算ユニット３４０ｃの一実施形態を示している。ユニット３４０ｃ内において、初期ＣＩＲＥ

は、ユニット８１０、８１２、および８１４ならびにレジスタ８１６に送られる。レジスタ８１６は、

を格納し、

を供給する。ユニット８１０は、式（２１）および（２２）に示されているように、

の推定値を導き出し、この推定値を

として与える。ユニット８１２は、式（２３）および（２４）に示されているように、Ｅ｛‖ｗ _ｎ‖^２｝の推定値を導き出し、この推定値を

として与える。ユニット８１４は、さらに、レジスタ８１６から

を受け取り、式（１９）および（２０）に示されているように、

の推定値を導き出し、この推定値を

として与える。

一実施形態では、チャネルメモリ推定器８２０は、式（２８）に示されているように

および

に基づいてチャネルメモリを推定し、推定されたチャネルメモリ

を与える。ルックアップテーブル８２２は、推定されたチャネルメモリを受け取り、次の時間間隔でアルファα_ｎ＋１を与える。他の実施形態では、計算ユニット８３０は、

および

を受け取り、式（３０）から（３４）に示されているように、アルファα_ｎ＋１を計算する。

わかりやすくするため、フィルタリング技術は、特に推定誤差を低減するため初期ＣＩＲＥをフィルタリングすることについて説明されている。一般に、これらの技術は、任意のタイプのスカラー、ベクトル、および行列をフィルタリングするために使用することができる。例えば、パラメータｉの異なる値についてベクトルｖ _ｉの列を取得することができる。パラメータｉは、時間、周波数などについてのパラメータであってよい。ベクトルｖ _ｉの列を、上述の技術のいずれかに基づいてフィルタリングすることで、推定誤差を低減し、特性の改善されたベクトルの出力列を取得することができる。

図９は、ノイズの多い推定値をフィルタリングするプロセス９００の一実施形態を示す。入力値系列が、少なくとも１つの係数を有するＩＩＲフィルタによりフィルタリングされ、出力値系列を取得する（ブロック９１０）。一実施形態では、入力値系列は、初期ＣＩＲＥに対するものであり、出力値系列は、フィルタリングされたＣＩＲＥに対するものである。他の実施形態では、入力値系列は、初期周波数領域チャネル周波数応答推定値に対するものであり、出力値系列は、フィルタリングされたチャネル周波数応答推定値に対するものである。入力値および出力値は、他の量に関するものであってもよい。ＩＩＲフィルタの少なくとも１つの係数は、例えば本明細書で説明されている技術のうちのどれかを使って、入力値系列に基づき更新される（ブロック９２０）。

図１０は、適応フィルタでＩＩＲフィルタの少なくとも１つの係数を更新するプロセス９２０ａの一実施形態を示している。プロセス９２０ａは、図９のブロック９２０に使用されうる。予測値系列は、入力値系列に基づいて導き出される（ブロック１０１２）。予測値系列は、適宜遅延された、出力値系列に等しくてもよい。予測値系列と入力値系列との間の予測誤差が決定される（ブロック１０１４）。予測誤差は、フィルタリングされ（例えば、ＩＩＲフィルタの（複数の）係数を使って）、フィルタリングされた予測誤差が得られる（ブロック１０１６）。ＩＩＲフィルタの（複数の）係数は、予測誤差およびフィルタリングされた予測誤差に基づいて更新される（ブロック１０１８）。予測誤差の誤差勾配は、さらに、他の方法でも決定することができ、ＩＩＲフィルタの（複数の）係数は、誤差勾配に基づいて更新されうる。

図１１は、１バンクの予測フィルタでＩＩＲフィルタの少なくとも１つの係数を導き出すプロセス９２０ｂの一実施形態を示している。プロセス９２０ｂは、さらに、図９のブロック９２０にも使用されうる。入力値系列が複数の予測フィルタによりフィルタリングされ、複数の予測値系列を取得する（ブロック１１１２）。それぞれの予測フィルタは、少なくとも１つの係数からなる異なる係数集合を有する。複数の予測フィルタのうち予測誤差が最小である予測フィルタが識別される。これは、それぞれの予測フィルタについて入力値系列と予測値系列との間の誤差を計算し（ブロック１１１４）、予測フィルタに対する誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定し（ブロック１１１６）、平均平方誤差が最小の予測フィルタを識別する（ブロック１１１８）ことにより実行できる。識別された予測フィルタに対する少なくとも１つの係数の集合は、入力値系列のフィルタリングに使用できるように選択される（ブロック１１２０）。

図１２は、正規化された変化量の技術に基づきＩＩＲフィルタの少なくとも１つの係数を更新するプロセス９２０ｃの一実施形態を示している。プロセス９２０ｃは、さらに、図９のブロック９２０にも使用されうる。入力サンプル系列は、実際の値の系列のノイズの多い推定値である。実際のサンプル系列の変化量は、入力値系列に基づいて推定される。これは、入力値系列のエネルギーを推定し（ブロック１２１２）、入力値系列内のノイズを推定し（ブロック１２１４）、入力サンプル系列の変化量を推定する（ブロック１２１６）ことにより実行できる。次いで、実際のサンプルの系列の変化量は、入力値系列の推定されたエネルギー、推定されたノイズ、および推定された変化量に基づいて推定されうる（ブロック１２１８）。ＩＩＲフィルタの少なくとも１つの係数は、例えば、ルックアップテーブルを使用するか、または直接的な計算により、実際のサンプルの系列の推定された変化量に基づいて決定される（ブロック１２２０）。

本明細書で説明されているフィルタリング技術は、様々な手段により実装することができる。例えば、これらの技術は、ハードウェア、ファームウェア、ソフトウェア、またはこれらの組合せで実装することができる。ハードウェア実装では、フィルタリングおよび更新を実行するために使用される処理ニットは、１つまたは複数の特定用途向け集積回路（ＡＳＩＣ）、デジタルシグナルプロセッサ（ＤＳＰ）、デジタル信号処理デバイス（ＤＳＰＤ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プロセッサ、コントローラ、マイクロコントローラ、マイクロプロセッサ、電子デバイス、本明細書で説明されている機能、またはこれらの組合せを実行するように設計された他の電子ユニット内に実装することができる。

ファームウェアおよび／またはソフトウェア実装では、これらの技術は、本明細書で説明されている機能を実行するモジュール（例えば、プロシージャ、関数など）で実装されうる。ファームウェアおよび／またはソフトウェアのコードは、メモリ（例えば、図２のメモリ２９２）に格納され、プロセッサ（例えば、プロセッサ２９０）により実行されうる。メモリは、プロセッサ内に、またはプロセッサの外部に実装することができる。

開示されている実施形態を前記のように提示したのは、当業者が本発明を製作または使用することができるようにするためである。これらの実施形態に対し様々な修正を加えられることは、当業者にとっては明白であろうし、また本明細書で定義されている一般原理は、本発明の精神または範囲から逸脱することなく他の実施形態にも適用することができる。したがって、本発明は、本明細書に示されている実施形態に限定されることを意図されておらず、本明細書で開示されている原理および新規性のある特徴と一致する最も広い範囲を適用されることを意図されている。

開示されている実施形態を前記のように提示したのは、当業者が本発明を製作または使用することができるようにするためである。これらの実施形態に対し様々な修正を加えられることは、当業者にとっては明白であろうし、また本明細書で定義されている一般原理は、本発明の精神または範囲から逸脱することなく他の実施形態にも適用することができる。したがって、本発明は、本明細書に示されている実施形態に限定されることを意図されておらず、本明細書で開示されている原理および新規性のある特徴と一致する最も広い範囲を適用されることを意図されている。
なお、以下の記載は出願当初の特許請求の範囲の記載と実質的に一致するものである。
［１］
少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタで入力値系列をフィルタリングして出力値系列を取得し、前記入力値系列に基づき前記少なくとも１つの係数を更新するように構成されている少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに結合されたメモリとを備える装置。
［２］
前記入力値系列が、初期チャネルインパルス応答推定値（ＣＩＲＥ）に対するものであり、前記出力値系列が、フィルタリングされたＣＩＲＥに対するものである［１］に記載の装置。
［３］
前記ＩＩＲフィルタが、単一の係数を有する［１］に記載の装置。
［４］
前記少なくとも１つのプロセッサが、前記入力値系列に基づき予測値系列を導き出し、前記予測値系列と前記入力値系列との間の予測誤差を決定し、前記予測誤差に基づき前記少なくとも１つの係数を更新するように構成されている［１］に記載の装置。
［５］
前記少なくとも１つのプロセッサが、前記出力値系列を前記予測値系列として使用するように構成されている［４］に記載の装置。
［６］
前記少なくとも１つのプロセッサが、前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得し、前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新するように構成されている［４］に記載の装置。
［７］
前記少なくとも１つのプロセッサが、前記予測誤差を前記ＩＩＲフィルタの前記少なくとも１つの係数でフィルタリングして前記フィルタリングされた予測誤差を取得するように構成されている［６］に記載の装置。
［８］
前記少なくとも１つのプロセッサが、前記予測誤差の誤差勾配を決定し、前記誤差勾配に基づき前記少なくとも１つの係数を更新するように構成されている［４］に記載の装置。
［９］
前記少なくとも１つのプロセッサが、それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得し、前記複数の予測フィルタのうち最小の予測誤差を有する予測フィルタを識別し、前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を使用して前記入力値系列をフィルタリングするように構成されている［１］に記載の装置。
［１０］
前記少なくとも１つのプロセッサが、それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算し、前記予測フィルタに対する前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定し、平均平方誤差が最小の前記予測フィルタを識別するように構成されている［９］に記載の装置。
［１１］
それぞれの予測フィルタが、単一の係数を有し、前記複数の予測フィルタが、異なる複数の係数を有する［９］に記載の装置。
［１２］
前記入力サンプル系列が、実際の値の系列のノイズの多い推定値であり、前記少なくとも１つのプロセッサが、前記入力値系列に基づき前記実際のサンプルの系列の変化量を推定し、前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定するように構成されている［１］に記載の装置。
［１３］
前記少なくとも１つのプロセッサが、前記入力値系列のエネルギーを推定し、前記入力値系列中のノイズを推定し、前記入力サンプル系列の変化量を推定し、前記推定されたエネルギー、前記推定されたノイズ、および前記入力値系列の前記推定された変化量に基づき前記実際のサンプルの系列の前記変化量を推定するように構成されている［１２］に記載の装置。
［１４］
前記少なくとも１つのプロセッサが、前記実際のサンプルの系列の前記推定された変化量に基づき、ルックアップテーブルを使用して、前記少なくとも１つの係数を決定するように構成されている［１２］に記載の装置。
［１５］
前記入力サンプル系列が、実際の値の系列のノイズの多い推定値であり、前記少なくとも１つのプロセッサが、前記入力値系列に基づき通信チャネルのメモリを推定し、前記推定されたチャネルメモリに基づき前記少なくとも１つの係数を決定するように構成されている［１］に記載の装置。
［１６］
入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得すること、および、
前記入力値系列に基づき前記少なくとも１つの係数を更新することを備える方法。
［１７］
前記少なくとも１つの係数を前記更新することが、
予測値系列を前記入力値系列に基づき導き出すこと、
前記予測値系列と前記入力値系列との間の予測誤差を決定すること、
前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得すること、および、
前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新することを備える［１６］に記載の方法。
［１８］
前記少なくとも１つの係数を前記更新することが、
それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得すること、
前記複数の予測フィルタのうち予測誤差が最小である予測フィルタを識別すること、および、
前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を前記少なくとも１つの係数として選択することを備える［１６］に記載の方法。
［１９］
前記最小の予測誤差を有する前記予測フィルタを前記識別することが、
それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算すること、
前記予測フィルタの前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定すること、および、
最小の平均平方誤差を有する前記予測フィルタを識別することを備える［１８］に記載の方法。
［２０］
前記少なくとも１つの係数を前記更新することが、
実際のサンプルの系列の変化量を前記入力値系列に基づき推定すること、および、
前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定することを備える［１６］に記載の方法。
［２１］
前記実際のサンプルの系列の前記変化量を前記推定することが、
前記入力値系列のエネルギーを推定すること、
前記入力値系列中のノイズを推定すること、
前記入力サンプル系列の変化量を推定すること、および、
前記実際のサンプルの系列の前記変化量を前記入力値系列の前記推定されたエネルギー、前記推定されたノイズ、および前記推定された変化量に基づいて推定することを備える［２０］に記載の方法。
［２２］
入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得するための手段と、
前記入力値系列に基づき前記少なくとも１つの係数を更新するための手段とを備える装置。
［２３］
前記少なくとも１つの係数を更新するための手段が、
予測値系列を前記入力値系列に基づき導き出すための手段と、
前記予測値系列と前記入力値系列との間の予測誤差を決定するための手段と、
前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得するための手段と、
前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新するための手段とを備える［２２］に記載の装置。
［２４］
前記少なくとも１つの係数を更新するための手段が、
それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得するための手段と、
前記複数の予測フィルタのうち予測誤差が最小である予測フィルタを識別するための手段と、
前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を前記少なくとも１つの係数として選択するための手段とを備える［２２］に記載の装置。
［２５］
前記最小の予測誤差を有する前記予測フィルタを識別するための手段が、
それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算するための手段と、
前記予測フィルタの前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定するための手段と、
最小の平均平方誤差を有する前記予測フィルタを識別するための手段とを備える［２４］に記載の装置。
［２６］
前記少なくとも１つの係数を更新するための手段が、
実際のサンプルの系列の変化量を前記入力値系列に基づき推定するための手段と、
前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定するための手段とを備える［２２］に記載の装置。
［２７］
前記実際のサンプルの系列の前記変化量を推定するための手段が、
前記入力値系列のエネルギーを推定するための手段と、
前記入力値系列中のノイズを推定するための手段と、
前記入力サンプル系列の変化量を推定するための手段と、
前記実際のサンプルの系列の前記変化量を前記入力値系列の前記推定されたエネルギー、前記推定されたノイズ、および前記推定された変化量に基づいて推定するための手段とを備える［２６］に記載の装置。
［２８］
入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得し、
前記入力値系列に基づき前記少なくとも１つの係数を更新するように無線デバイス内で動作可能な命令を格納するためのプロセッサ可読媒体。
［２９］
係数を有する無限インパルス応答（ＩＩＲ）フィルタで初期チャネルインパルス応答推定値（ＣＩＲＥ）をフィルタリングしてフィルタリングされたＣＩＲＥを取得し、初期ＣＩＲＥに基づいて予測されたＣＩＲＥを導き出し、前記初期ＣＩＲＥと前記予測されたＣＩＲＥとの間の誤差を決定し、前記誤差をフィルタリングしてフィルタリングされた誤差を取得し、前記誤差および前記フィルタリングされた誤差に基づき前記係数を更新するように構成されている少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサに結合されたメモリとを備える装置。
［３０］
前記少なくとも１つのプロセッサが、前記フィルタリングされたＣＩＲＥを前記予測されたＣＩＲＥとして使用し、前記誤差を前記ＩＩＲフィルタの前記係数でフィルタリングして前記フィルタリングされた予測誤差を取得するように構成されている［２９］に記載の装置。
［３１］
前記少なくとも１つのプロセッサが、異なる時間オフセットで擬似乱数（ＰＮ）列により入力サンプルを逆拡散することで初期ＣＩＲＥを導き出すように構成されている［２９］に記載の装置。

Claims (31)

1. 少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタで入力値系列をフィルタリングして出力値系列を取得し、前記入力値系列に基づき前記少なくとも１つの係数を更新するように構成されている少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサに結合されたメモリとを備える装置。
2. 前記入力値系列が、初期チャネルインパルス応答推定値（ＣＩＲＥ）に対するものであり、前記出力値系列が、フィルタリングされたＣＩＲＥに対するものである請求項１に記載の装置。
3. 前記ＩＩＲフィルタが、単一の係数を有する請求項１に記載の装置。
4. 前記少なくとも１つのプロセッサが、前記入力値系列に基づき予測値系列を導き出し、前記予測値系列と前記入力値系列との間の予測誤差を決定し、前記予測誤差に基づき前記少なくとも１つの係数を更新するように構成されている請求項１に記載の装置。
5. 前記少なくとも１つのプロセッサが、前記出力値系列を前記予測値系列として使用するように構成されている請求項４に記載の装置。
6. 前記少なくとも１つのプロセッサが、前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得し、前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新するように構成されている請求項４に記載の装置。
7. 前記少なくとも１つのプロセッサが、前記予測誤差を前記ＩＩＲフィルタの前記少なくとも１つの係数でフィルタリングして前記フィルタリングされた予測誤差を取得するように構成されている請求項６に記載の装置。
8. 前記少なくとも１つのプロセッサが、前記予測誤差の誤差勾配を決定し、前記誤差勾配に基づき前記少なくとも１つの係数を更新するように構成されている請求項４に記載の装置。
9. 前記少なくとも１つのプロセッサが、それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得し、前記複数の予測フィルタのうち最小の予測誤差を有する予測フィルタを識別し、前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を使用して前記入力値系列をフィルタリングするように構成されている請求項１に記載の装置。
10. 前記少なくとも１つのプロセッサが、それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算し、前記予測フィルタに対する前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定し、平均平方誤差が最小の前記予測フィルタを識別するように構成されている請求項９に記載の装置。
11. それぞれの予測フィルタが、単一の係数を有し、前記複数の予測フィルタが、異なる複数の係数を有する請求項９に記載の装置。
12. 前記入力サンプル系列が、実際の値の系列のノイズの多い推定値であり、前記少なくとも１つのプロセッサが、前記入力値系列に基づき前記実際のサンプルの系列の変化量を推定し、前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定するように構成されている請求項１に記載の装置。
13. 前記少なくとも１つのプロセッサが、前記入力値系列のエネルギーを推定し、前記入力値系列中のノイズを推定し、前記入力サンプル系列の変化量を推定し、前記推定されたエネルギー、前記推定されたノイズ、および前記入力値系列の前記推定された変化量に基づき前記実際のサンプルの系列の前記変化量を推定するように構成されている請求項１２に記載の装置。
14. 前記少なくとも１つのプロセッサが、前記実際のサンプルの系列の前記推定された変化量に基づき、ルックアップテーブルを使用して、前記少なくとも１つの係数を決定するように構成されている請求項１２に記載の装置。
15. 前記入力サンプル系列が、実際の値の系列のノイズの多い推定値であり、前記少なくとも１つのプロセッサが、前記入力値系列に基づき通信チャネルのメモリを推定し、前記推定されたチャネルメモリに基づき前記少なくとも１つの係数を決定するように構成されている請求項１に記載の装置。
16. 入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得すること、および、
    前記入力値系列に基づき前記少なくとも１つの係数を更新することを備える方法。
17. 前記少なくとも１つの係数を前記更新することが、
    予測値系列を前記入力値系列に基づき導き出すこと、
    前記予測値系列と前記入力値系列との間の予測誤差を決定すること、
    前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得すること、および、
    前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新することを備える請求項１６に記載の方法。
18. 前記少なくとも１つの係数を前記更新することが、
    それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得すること、
    前記複数の予測フィルタのうち予測誤差が最小である予測フィルタを識別すること、および、
    前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を前記少なくとも１つの係数として選択することを備える請求項１６に記載の方法。
19. 前記最小の予測誤差を有する前記予測フィルタを前記識別することが、
    それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算すること、
    前記予測フィルタの前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定すること、および、
    最小の平均平方誤差を有する前記予測フィルタを識別することを備える請求項１８に記載の方法。
20. 前記少なくとも１つの係数を前記更新することが、
    実際のサンプルの系列の変化量を前記入力値系列に基づき推定すること、および、
    前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定することを備える請求項１６に記載の方法。
21. 前記実際のサンプルの系列の前記変化量を前記推定することが、
    前記入力値系列のエネルギーを推定すること、
    前記入力値系列中のノイズを推定すること、
    前記入力サンプル系列の変化量を推定すること、および、
    前記実際のサンプルの系列の前記変化量を前記入力値系列の前記推定されたエネルギー、前記推定されたノイズ、および前記推定された変化量に基づいて推定することを備える請求項２０に記載の方法。
22. 入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得するための手段と、
    前記入力値系列に基づき前記少なくとも１つの係数を更新するための手段とを備える装置。
23. 前記少なくとも１つの係数を更新するための手段が、
    予測値系列を前記入力値系列に基づき導き出すための手段と、
    前記予測値系列と前記入力値系列との間の予測誤差を決定するための手段と、
    前記予測誤差をフィルタリングしてフィルタリングされた予測誤差を取得するための手段と、
    前記予測誤差および前記フィルタリングされた予測誤差に基づき前記少なくとも１つの係数を更新するための手段とを備える請求項２２に記載の装置。
24. 前記少なくとも１つの係数を更新するための手段が、
    それぞれが少なくとも１つの係数の異なる集合を有する複数の予測フィルタで前記入力値系列をフィルタリングして複数の予測値系列を取得するための手段と、
    前記複数の予測フィルタのうち予測誤差が最小である予測フィルタを識別するための手段と、
    前記識別された予測フィルタに対する少なくとも１つの係数の前記集合を前記少なくとも１つの係数として選択するための手段とを備える請求項２２に記載の装置。
25. 前記最小の予測誤差を有する前記予測フィルタを識別するための手段が、
    それぞれの予測フィルタについて前記入力値系列と前記予測値系列との間の誤差を計算するための手段と、
    前記予測フィルタの前記誤差に基づきそれぞれの予測フィルタについて平均平方誤差を決定するための手段と、
    最小の平均平方誤差を有する前記予測フィルタを識別するための手段とを備える請求項２４に記載の装置。
26. 前記少なくとも１つの係数を更新するための手段が、
    実際のサンプルの系列の変化量を前記入力値系列に基づき推定するための手段と、
    前記実際のサンプルの系列の前記推定された変化量に基づき前記少なくとも１つの係数を決定するための手段とを備える請求項２２に記載の装置。
27. 前記実際のサンプルの系列の前記変化量を推定するための手段が、
    前記入力値系列のエネルギーを推定するための手段と、
    前記入力値系列中のノイズを推定するための手段と、
    前記入力サンプル系列の変化量を推定するための手段と、
    前記実際のサンプルの系列の前記変化量を前記入力値系列の前記推定されたエネルギー、前記推定されたノイズ、および前記推定された変化量に基づいて推定するための手段とを備える請求項２６に記載の装置。
28. 入力値系列を、少なくとも１つの係数を有する無限インパルス応答（ＩＩＲ）フィルタによりフィルタリングして出力値系列を取得し、
    前記入力値系列に基づき前記少なくとも１つの係数を更新するように無線デバイス内で動作可能な命令を格納するためのプロセッサ可読媒体。
29. 係数を有する無限インパルス応答（ＩＩＲ）フィルタで初期チャネルインパルス応答推定値（ＣＩＲＥ）をフィルタリングしてフィルタリングされたＣＩＲＥを取得し、初期ＣＩＲＥに基づいて予測されたＣＩＲＥを導き出し、前記初期ＣＩＲＥと前記予測されたＣＩＲＥとの間の誤差を決定し、前記誤差をフィルタリングしてフィルタリングされた誤差を取得し、前記誤差および前記フィルタリングされた誤差に基づき前記係数を更新するように構成されている少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサに結合されたメモリとを備える装置。
30. 前記少なくとも１つのプロセッサが、前記フィルタリングされたＣＩＲＥを前記予測されたＣＩＲＥとして使用し、前記誤差を前記ＩＩＲフィルタの前記係数でフィルタリングして前記フィルタリングされた予測誤差を取得するように構成されている請求項２９に記載の装置。
31. 前記少なくとも１つのプロセッサが、異なる時間オフセットで擬似乱数（ＰＮ）列により入力サンプルを逆拡散することで初期ＣＩＲＥを導き出すように構成されている請求項２９に記載の装置。

Images