Search International and National Patent Collections
Some content of this application is unavailable at the moment.
If this situation persists, please contact us atFeedback&Contact
1. (WO2017097077) DATA PROCESSING METHOD AND APPARATUS
Document

说明书

发明名称 0001   0002   0003   0004   0005   0006   0007   0008   0009   0010   0011   0012   0013   0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059   0060   0061   0062   0063   0064   0065   0066   0067   0068   0069   0070   0071   0072   0073   0074   0075   0076   0077   0078   0079   0080   0081   0082   0083   0084   0085   0086   0087   0088   0089   0090   0091   0092   0093   0094   0095   0096   0097   0098   0099   0100   0101   0102   0103   0104   0105   0106   0107   0108   0109   0110   0111   0112   0113   0114   0115   0116   0117   0118   0119   0120   0121   0122   0123   0124   0125   0126  

权利要求书

1   2   3   4   5   6   7   8   9   10   11   12   13   14   15   16   17  

附图

0001   0002   0003   0004  

说明书

发明名称 : 一种数据处理的方法及装置

技术领域

[0001]
本发明涉及通讯领域,尤其涉及一种接收端数据处理的方法及装置。

背景技术

[0002]
长期演进技术(Long Term Evolution,简称LTE)是4G(4th Generation Mobile Communication System,第四代移动通信系统)的无线蜂窝通信技术。LTE采用OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)技术,子载波和OFDM符号构成的时频资源组成LTE系统的无线物理时频资源。目前OFDM技术在无线通信中已经应用比较广了。由于采用了循环前缀(Cyclic Prefix,简称CP),CP-OFDM系统能很好的解决多径时延问题,并且将频率选择性信道分成了一套平行的平坦信道,这很好地简化了信道估计方法,并有较高的信道估计精度。然而,CP-OFDM系统性能对相邻子带间的频偏和时偏比较敏感,这主要是由于该系统的频谱泄漏比较大,因此容易导致子带间干扰。而且,CP也占用了时间资源,降低了频谱效率。
[0003]
现在各大公司在开始研究无线通信5G(Fifth Generation Mobile Communication System,第五代移动通信系统)技术,其中GFDM(Generalized Frequency Division Multiplexing,广义频分复用技术)有可能在5G中采用。GFDM系统以一个子帧(或数据块)为单位,在发射端进行编码调制处理和在接收端进行解码解调处理。一般一个子帧包含有多个子载波和多个符号,假设子载波数为K,符号数为L,则一个子帧的数据为N=K×L。由于GFDM系统子载波间和符号间是非正交的,因此,一个子帧内的各数据间是相互作用和相互干扰的。在接收端,接收到的一个子帧的数据信号是这N个数据相互作用后的数据信号,这些数据信号需要进行干扰处理后才能分离出这N个数据来。接收端如何进行更好的干扰处理是仍然需要解决的问题。
[0004]
最近一些文献提出了GFDM系统接收端的一些处理方法,其中一种方法是:计算出发射端等效的基带处理矩阵,然后采用ZF(Zero Forcing,迫零)算法或MMSE(Minimum Mean Squared Error,最小均方误差估计)算法对矩阵求逆,从而分离出这N个数据,由于矩阵的维度比较高,而且随着一个子帧数据的增加而增加,因此接收端运算量比较大,复杂度比较高。另一种方法是:采用串行干扰消除的方法来分离出这N个数据,这种方法的复杂度就更高了。因此在GFDM系统的接收端提出一种复杂度低并且性能还比较好的处理方法是当前技术需要解决的一个重要问题。
[0005]
在其他新型多载波系统中,也需要一种复杂度低并且性能还比较好的处理方法。因此我们希望在接收端能提出一种好的处理方法,尽可能适合在以时频物理资源为基础的多种系统中通用。
[0006]
发明内容
[0007]
本发明要解决的技术问题是提供一种数据处理的方法及装置,以克服多载波系统中的接收端现有数据处理技术中存在的运行量大,复杂度高的缺陷。
[0008]
为了解决上述技术问题,本发明提供了一种数据处理的方法,运用于多载波系统,所述方法包括:
[0009]
接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;及
[0010]
对处理后的数据信号进行快速傅里叶变换操作。
[0011]
上述方法还具有下面特点:所述接收到数据信号后,所述方法还包括:
[0012]
将所述数据信号进行数模转换成离散数据信号,再通过指定处理算法对所述离散数据信号进行线性处理。
[0013]
上述方法还具有下面特点:所述通过指定处理算法对所述离散数据信号进行线性处理,包括:
[0014]
对所述离散数据信号进行分组;
[0015]
使用所述指定处理算法构造出多个矩阵,分别对各个组的所述离散数据信号进行线性操作。
[0016]
上述方法还具有下面特点:所述对所述离散数据信号进行分组包括:
[0017]
对所述离散数据信号进行抽样分组。
[0018]
上述方法还具有下面特点:所述通过指定处理算法对所述数据信号进行线性处理后,所述方法还包括:
[0019]
对每组的数据信号进行插值和移位叠加操作,输出多个符号的时域数据。
[0020]
上述方法还具有下面特点:所述对处理后的数据信号进行快速傅里叶变换操作,所述方法包括:
[0021]
对每个符号的时域数据分别进行快速傅里叶变换操作,输出多个符号的频域数据。
[0022]
上述方法还具有下面特点:所述对处理后的数据信号进行快速傅里叶变换操作之后,所述方法还包括:
[0023]
通过指定检测算法对快速傅里叶变换操作后的频域数据进行检测;
[0024]
对所述频域数据进行解调。
[0025]
上述方法还具有下面特点:所述指定检测算法包括:最小均方误差估计算法或迫零算法。
[0026]
上述方法还具有下面特点:
[0027]
所述离散数据信号为离散时域数据信号,包含有多个符号的数据信号。
[0028]
上述方法还具有下面特点:
[0029]
所述指定处理算法包括:最小均方误差估计算法或迫零算法。
[0030]
为了解决上述问题,本发明还提供了一种数据处理的装置,其中,包括:
[0031]
第一处理模块,设置为接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;
[0032]
第二处理模块,设置为对处理后的数据信号进行快速傅里叶变换操作。
[0033]
上述装置还具有下面特点:
[0034]
所述第一处理模块,接收到数据信号后还设置为:将所述数据信号进行数模转换成离散数据信号,再通过指定处理算法对所述离散数据信号进行线性处理。
[0035]
上述装置还具有下面特点:
[0036]
所述第一处理模块,通过指定处理算法对所述离散数据信号进行线性处理包括:对所述离散数据信号进行分组;使用所述指定处理算法构造出多个矩阵,分别对各个组的所述离散数据信号进行线性操作。
[0037]
上述装置还具有下面特点:
[0038]
所述第一处理模块,对所述离散数据信号进行分组包括:对所述离散数据信号进行抽样分组,所述离散数据信号为离散时域数据信号,包含有多个符号的数据信号。
[0039]
上述装置还具有下面特点:
[0040]
所述第一处理模块,通过指定处理算法对所述数据信号进行线性处理后,还设置为:对每组的数据信号进行插值和移位叠加操作,输出多个符号的时域数据。
[0041]
上述装置还具有下面特点:
[0042]
所述第二处理模块,对处理后的数据信号进行快速傅里叶变换操作包括:对每个符号的时域数据信号分别进行快速傅里叶变换操作,输出多个符号的频域数据。
[0043]
上述装置还具有下面特点:
[0044]
所述第二处理模块,对处理后的数据信号进行快速傅里叶变换操作之后还设置为:通过指定检测算法对快速傅里叶变换操作后的频域数据进行检测;对所述频域数据进行解调,所述指定检测算法包括:最小均方误差估计算法或迫零算法。
[0045]
综上,本发明提供一种数据处理的方法及装置,可以使一个大矩阵的操作变换成多个小维度的矩阵进行操作,减少了接收端的运算处理复杂度;而且本发明方法使接收端的处理可以兼容其他更多的发射方案。

附图说明

[0046]
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的具体实施方式一起用于解释本发明,并不构成对本发明的限制。在附图中:
[0047]
图1为本发明实施例的数据处理的方法的流程图;
[0048]
图2为本发明实施例的接收端对离散数据信号的进行线性操作的示意图;
[0049]
图3为本发明实施例的接收端对离散数据信号进行矩阵线性操作的示意图;
[0050]
图4为本发明实施例的一种数据处理的装置的示意图。

具体实施方式

[0051]
正如背景技术提到的,GFDM系统的接收端对整个子帧或数据块进行矩阵线性操作,然后获得整个子帧的频域数据。获得整个子帧的频域数据之后,接收端再使用MMSE或者ZF算法的检测操作,然后经过解调模块之后输出发射端的数据。这种操作使用的矩阵的维度非常大,因此运算量非常大,复杂度高。
[0052]
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
[0053]
图1为本发明实施例的数据处理的方法的流程图,如图1所示,本实施例的方法包括:
[0054]
S11、接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;
[0055]
S12、对处理后的数据信号进行快速傅里叶变换操作。
[0056]
其中,所述指定处理算法可以包括MMSE(Minimum Mean Squared Error,最小均方误差估计)算法或者ZF(Zero Forcing,迫零)算法。
[0057]
关于对整个子帧或数据块进行矩阵线性操作,本发明实施例提出采用分步的方法,分成2类不同特性的操作,即MMSE算法(或者ZF算法)的线性操作和FFT(Fast Fourier Transform,快速傅里叶变换)操作。接收端接收到数据信号之后,先进行MMSE算法或者ZF算法的线性操作,然后进行FFT操作。
[0058]
分成2类不同特性的操作的好处是:
[0059]
(1)通过抽样分组,可以使用多个小维度的矩阵进行操作,减少运算复杂度;
[0060]
(2)分成2类不同的操作之后,可以在这2类操作之间再增加其他类型的操作,有利于在GFDM系统的发射端采用新的方案进行发射数据(比如,GFDM系统数据信号的每个符号是没法加CP的,采用本实施例的方案之后,发射端的数据信号的每个符号就可以增加CP,以提高抗多径信道能力,在接收端,就可以在本实施例提出的2类操作之间增加去CP的操作)。也就是说,分成2类不同的操作之后,使接收端的处理可以兼容其他更多的发射方案。
[0061]
(3)使用多个小维度的矩阵进行操作,还可以减少数据间干扰误差的传递,从而提高接收端的数据解调性能。
[0062]
所述MMSE算法为最小均方差算法,MMSE也称为LMMSE(Linear Minimum Mean Square Error,线性最小均方误差估计),本发明实施例中所指的MMSE算法包括了MMSE、MMSE-IRC、EMMSE-IRC算法。其中,MMSE-IRC(Linear Minimum Mean Square Error-Interference Rejection Combining)是指干扰抑制合并的MMSE算法,就是当数据间存在干扰时,通过一些方法获取干扰相关的信息,在MMSE算法的线性操作里使用了这些干扰相关信息,可以起到抑制干扰的作用。EMMSE-IRC(Enhanced Linear Minimum Mean Square Error-Interference Rejection Combining)是 指增强的干扰抑制合并的MMSE算法,就是通过更好的方法获取的干扰相关信息更准确,这样可以更好地起到抑制干扰的作用。
[0063]
步骤S11中的所述数据信号为接收端对接收到的信号进行数模转换之后的离散数据信号。
[0064]
所述MMSE算法或者ZF算法的线性操作为对数据信号使用矩阵进行线性操作,具体为:先对离散数据信号进行分组,然后使用多个矩阵分别进行线性操作。
[0065]
其中,所述多个矩阵是通过MMSE算法或者ZF算法构造出来的。
[0066]
在一优选实施例中,所述对离散数据信号进行分组,具体为:对离散数据信号进行抽样分组。
[0067]
在一优选实施例中,所述离散数据信号为离散时域数据信号,包含有多个符号的数据。
[0068]
在一优选实施例中,所述数据信号经过所述MMSE算法或者ZF算法的线性操作之后,输出多个符号的时域数据。
[0069]
在一优选实施例中,所述数据信号经过所述MMSE算法或者ZF算法的线性操作之后,对每组的数据再进行插值和移位叠加操作,输出多个符号的时域数据。
[0070]
在一优选实施例中,所述FFT操作为对每个符号的时域数据分别进行FFT操作,输出多个符号的频域数据。
[0071]
在一优选实施例中,所述FFT操作之后的频域数据,再经过指定检测算法(例如MMSE算法或者ZF算法)的检测操作,然后经过解调输出发射端的数据。
[0072]
下面以具体实例进行说明。
[0073]
实施例一
[0074]
假设GFDM系统的一个子帧(或一个数据块)包含K个子载波和L个符号,发射端在一个子帧上发射的数据系列为d,d为N行1列的矩阵或者称为矢量(包含有N个元素的矢量),并且有K乘以L等于N,即K×L=N。数据系列经过GFDM系统的基带处理之后,变为A*d,“*”为矩阵乘法运算,A为M行N列的GFDM系统基带处理的等效矩阵,M和N都为正整数(如果基带处理时有经过采样,那么M>N;如果没有经过采样,那么M=N。本实例中,假定没有经过采样,因此可以令M=N=K×L)。假设无线信道为AWGN(Additive White Gaussian Noise,加性高斯白噪声)信道。发射的数据经过AWGN信道后,接收端接收的数据系列r为:
[0075]
r=A*d+n
[0076]
其中,r为M行1列的矩阵,为接收端接收到的数据信号,所述数据信号为接收端对接收到的信号进行数模转换之后的离散数据信号。n为M行1列的矩阵,为噪声矢量。
[0077]
对数据系列r(i)先进行抽样分组,抽样倍数为S=M/L,采用逐步位移分别进行抽样的方法,如图2所示。图2中,先对数据系列r(i)使用S倍进行抽样,获得第 1组数据系列E1(j),然后对数据系列r(i)移一位后,再使用S倍进行抽样,获得第2组数据系列E2(j),然后对移了一位的数据系列r(i)再移一位后,再使用S倍进行抽样,获得第3组数据系列E3(j),以此类推,可以获得共S组数据系列:E1(j)、E2(j)、…、ES(j)。
[0078]
从GFDM系统基带处理的等效矩阵A中分解出S个小维度的矩阵a1、a2、…、aS,这S个矩阵的维度为L,采用MMSE算法构造获得的S个矩阵分别为:
[0079]
MMSE-a1=a1 H*(a1*a1 H+(1/SNR)*I) -1
[0080]
MMSE-a2=a2 H*(a2*a2 H+(1/SNR)*I) -1
[0081]
[0082]
MMSE-aS=aS H*(aS*aS H+(1/SNR)*I) -1
[0083]
其中,MMSE-a1表示使用a1采用MMSE算法获得的线性操作矩阵,同理,MMSE-a2和MMSE-aS分别表示使用a2和aS采用MMSE算法获得的线性操作矩阵。上标H表示对矩阵进行共轭转置运算。SNR表示接收端接收数据信号的信噪比。I表示单位矩阵。上标-1表示对矩阵求逆。
[0084]
然后对获得的S组数据系列F1(j)、F2(j)、…、FS(j)分别使用S倍速率进行插值,然后再移位相加,最后输出数据系列O(i)。
[0085]
数据系列O(i)长度为M,为依次包含有L个符号的时域数据,然后使用FFT算法依次对每个符号的时域数据段进行操作,最后获得每个符号的频域数据。
[0086]
所述FFT操作之后的频域数据,再经过频域均衡,再经过MMSE(或者ZF)算法的检测操作,然后经过解调输出发射端的数据。通常频域均衡与MMSE(或者ZF)算法的检测操作合在一起进行操作。
[0087]
实施例二
[0088]
假设GFDM系统的一个子帧(或一个数据块)包含K个子载波和L个符号,发射端在一个子帧上发射的数据系列为d,d为N行1列的矩阵或者称为矢量(包含有N个元素的矢量),并且有K乘以L等于N,即K×L=N。数据系列经过GFDM系统的基带处理之后,变为A*d,“*”为矩阵乘法运算,A为M行N列的GFDM系统基带处理的等效矩阵,M和N都为正整数(如果基带处理时有经过采样,那么M>N;如果没有经过采样,那么M=N。本实例中,假定没有经过采样,因此可以令M=N=K×L)。假设无线信道为AWGN信道。发射的数据经过AWGN信道后,接收端接收的数据系列r为:
[0089]
r=A*d+n
[0090]
其中,r为M行1列的矩阵,为接收端接收到的数据信号,所述数据信号为接收端对接收到的信号进行数模转换之后的离散数据信号。n为M行1列的矩阵,为噪 声矢量。
[0091]
对数据系列r(i)先进行抽样分组,抽样倍数为S=M/L,采用逐步位移分别进行抽样的方法,如图2所示。图2中,先对数据系列r(i)使用S倍进行抽样,获得第1组数据系列E1(j),然后对数据系列r(i)移一位后,再使用S倍进行抽样,获得第2组数据系列E2(j),然后对移了一位的数据系列r(i)再移一位后,再使用S倍进行抽样,获得第3组数据系列E3(j),以此类推,可以获得共S组数据系列:E1(j)、E2(j)、…、ES(j)。
[0092]
从GFDM系统基带处理的等效矩阵A中分解出S个小维度的矩阵a1、a2、…、aS,这S个矩阵的维度为L,采用ZF算法构造获得的S个矩阵分别为:
[0093]
ZF-a1=a1 -1
[0094]
ZF-a2=a2 -1
[0095]
[0096]
ZF-aS=aS -1
[0097]
或者
[0098]
ZF-a1=(a1 H*a1) -1*a1 H
[0099]
ZF-a2=(a2 H*a2) -1*a2 H
[0100]
[0101]
ZF-aS=(aS H*aS) -1*aS H
[0102]
然后,S组数据系列:E1(j)、E2(j)、…、ES(j)分别使用矩阵MMSE-a1、MMSE-a2、…、MMSE-aS进行线性操作,获得S组数据系列F1(j)、F2(j)、…、FS(j),即:
[0103]
F1(j)=MMSE-a1*E1(j),
[0104]
F2(j)=MMSE-a2*E2(j),
[0105]
[0106]
FS(j)=MMSE-aS*ES(j)。
[0107]
然后对获得的S组数据系列F1(j)、F2(j)、…、FS(j)分别使用S倍速率进行插值,然后再移位相加,最后输出数据系列O(i)。
[0108]
数据系列O(i)长度为M,为依次包含有L个符号的时域数据,然后使用FFT算法依次对每个符号的时域数据段进行操作,最后获得每个符号的频域数据。
[0109]
所述FFT操作之后的频域数据,再经过频域均衡,再经过MMSE(或者ZF)算法的检测操作,然后经过解调输出发射端的数据。
[0110]
实施例三
[0111]
本实施例与实施例一的区别在于,如图2中的移位、抽样分组、插值、移位相加的操作,在具体实现时使用矩阵的一些操作来等效,如图3所示。
[0112]
对于数据系列r(i),依次截取K(K=M/L)个数据组成矩阵的列,这样就构造成了K行L列的矩阵R(K,L)。这个操作类似于Matlab里的reshape函数的操作。这个矩阵R(K,L)的每一行数据相当于图2中抽样后的每一组数据系列,比如第1行就是数据系列E1(i)。矩阵的行数K等于组数S(S=K=M/L)。然后对矩阵R(K,L)的每一行依次使用MMSE-a1、MMSE-a2、…、MMSE-aS矩阵进行线性操作,获得矩阵的新的每一行,因此就获得新的矩阵R’(K,L),然后再将矩阵R’(K,L)的每一列数据依次连接成数据系列O(i),这个操作也类似于Matlab里的reshape函数的操作。将矩阵R’(K,L)的每一列数据依次连接成数据系列O(i),就相当于图2中的插值和移位相加操作。其他与实施一相同。
[0113]
本实施例的接收端处理方案除了可以在GFDM系统中,还可以使用在其他多载波系统里。
[0114]
本发明的接收端处理方法可以使一个大矩阵的操作变换成多个小维度的矩阵进行操作,减少了接收端的运算处理复杂度;而且本发明方法使接收端的处理可以兼容其他更多的发射方案。
[0115]
图4为本发明实施例的一种数据处理的装置的示意图,如图4所示,本实施例的装置,包括:
[0116]
第一处理模块,设置为接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;
[0117]
第二处理模块,设置为对处理后的数据信号进行快速傅里叶变换操作。
[0118]
在一优选实施例中,所述第一处理模块,接收到数据信号后还设置为:将所述数据信号进行数模转换成离散数据信号,再通过指定处理算法对所述离散数据信号进行线性处理。
[0119]
在一优选实施例中,所述第一处理模块,通过指定处理算法对所述离散数据信号进行线性处理包括:对所述离散数据信号进行分组;使用所述指定处理算法构造出多个矩阵,分别对各个组的所述离散数据信号进行线性操作。
[0120]
在一优选实施例中,所述第一处理模块,对所述离散数据信号进行分组包括:对所述离散数据信号进行抽样分组,所述离散数据信号为离散时域数据信号,包含有多个符号的数据信号。
[0121]
在一优选实施例中,所述第一处理模块,通过指定处理算法对所述数据信号进行线性处理后,还设置为:对每组的数据信号进行插值和移位叠加操作,输出多个符号的时域数据。
[0122]
在一优选实施例中,所述第二处理模块,对处理后的数据信号进行快速傅里叶变 换操作包括:对每个符号的时域数据信号分别进行快速傅里叶变换操作,输出多个符号的频域数据。
[0123]
在一优选实施例中,所述第二处理模块,对处理后的数据信号进行快速傅里叶变换操作之后还设置为:通过指定检测算法对快速傅里叶变换操作后的频域数据进行检测;对所述频域数据进行解调,所述指定检测算法包括:最小均方误差估计算法或迫零算法。
[0124]
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
[0125]
以上仅为本发明的优选实施例,当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

工业实用性

[0126]
本发明适用于通讯领域,用以实现使一个大矩阵的操作变换成多个小维度的矩阵进行操作,减少了接收端的运算处理复杂度,且本发明方法使接收端的处理可以兼容其他更多的发射方案。

权利要求书

[权利要求 1]
一种数据处理的方法,运用于多载波系统,所述方法包括: 接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;及 对处理后的数据信号进行快速傅里叶变换操作。
[权利要求 2]
如权利要求1所述的方法,其中,在所述接收到数据信号后,所述方法还包括: 将所述数据信号进行数模转换成离散数据信号,再通过指定处理算法对所述离散数据信号进行线性处理。
[权利要求 3]
如权利要求2所述的方法,其中,所述通过指定处理算法对所述离散数据信号进行线性处理,包括: 对所述离散数据信号进行分组; 使用所述指定处理算法构造出多个矩阵,分别对各个组的所述离散数据信号进行线性操作。
[权利要求 4]
如权利要求3所述的方法,其中,所述对所述离散数据信号进行分组包括: 对所述离散数据信号进行抽样分组。
[权利要求 5]
如权利要求3或4所述的方法,其中,所述通过指定处理算法对所述数据信号进行线性处理后,所述方法还包括: 对每组的数据信号进行插值和移位叠加操作,输出多个符号的时域数据。
[权利要求 6]
如权利要求5所述的方法,其中,所述对处理后的数据信号进行快速傅里叶变换操作,包括: 对每个符号的时域数据分别进行快速傅里叶变换操作,输出多个符号的频域数据。
[权利要求 7]
如权利要求6所述的方法,其中,在所述对处理后的数据信号进行快速傅里叶变换操作之后,所述方法还包括: 通过指定检测算法对快速傅里叶变换操作后的频域数据进行检测; 对所述频域数据进行解调。
[权利要求 8]
如权利要求7所述的方法,其中, 所述指定检测算法包括:最小均方误差估计算法或迫零算法。
[权利要求 9]
如权利要求2所述的方法,其中, 所述离散数据信号为离散时域数据信号,包含有多个符号的数据信号。
[权利要求 10]
如权利要求1-4、6-9中任一项所述的方法,其中: 所述指定处理算法包括:最小均方误差估计算法或迫零算法。
[权利要求 11]
一种数据处理的装置,包括: 第一处理模块,设置为接收到数据信号后,通过指定处理算法对所述数据信号进行线性处理;及 第二处理模块,设置为对处理后的数据信号进行快速傅里叶变换操作。
[权利要求 12]
如权利要求11所述的装置,其中, 所述第一处理模块,接收到数据信号后还设置为:将所述数据信号进行数模转换成离散数据信号,再通过指定处理算法对所述离散数据信号进行线性处理。
[权利要求 13]
如权利要求12所述的装置,其中, 所述第一处理模块,通过指定处理算法对所述离散数据信号进行线性处理包括:对所述离散数据信号进行分组;使用所述指定处理算法构造出多个矩阵,分别对各个组的所述离散数据信号进行线性操作。
[权利要求 14]
如权利要求13所述的装置,其中, 所述第一处理模块,对所述离散数据信号进行分组包括:对所述离散数据信号进行抽样分组,所述离散数据信号为离散时域数据信号,包含有多个符号的数据信号。
[权利要求 15]
如权利要求13或14所述的装置,其中, 所述第一处理模块,通过指定处理算法对所述数据信号进行线性处理后,还设置为:对每组的数据信号进行插值和移位叠加操作,输出多个符号的时域数据。
[权利要求 16]
如权利要求15所述的装置,其中, 所述第二处理模块,对处理后的数据信号进行快速傅里叶变换操作包括:对每个符号的时域数据信号分别进行快速傅里叶变换操作,输出多个符号的频域数据。
[权利要求 17]
如权利要求16所述的装置,其中, 所述第二处理模块,对处理后的数据信号进行快速傅里叶变换操作之后还设置为:通过指定检测算法对快速傅里叶变换操作后的频域数据进行检测;对所述频域数据进行解调,所述指定检测算法包括:最小均方误差估计算法或迫零算法。

附图

[ 图 0001]  
[ 图 0002]  
[ 图 0003]  
[ 图 0004]