对随机过程建模的设备和方法技术

在此公开一种对随机过程建模的设备和方法。所述设备包括：自相关处理器，被配置为产生或估计随机过程的长度m的自相关性，其中，m为整数；最小二乘(LS)估计处理器，连接到自相关处理器，并被配置为通过使用LS回归估计p阶自回归(AR)参数来对随机过程建模，其中，p为远小于m的整数。所述方法包括：由自相关处理器产生随机过程的长度m的自相关性，其中，m为整数；由最小二乘估计处理器通过使用最小二乘(LS)回归估计p阶自回归(AR)参数对随机过程建模，其中，p为远小于m的整数。

Equipment and methods for modeling random processes

A device and method for modeling stochastic processes is disclosed. The device includes: an autocorrelation processor configured to generate or estimate the autocorrelation of the length m of a random process, in which m is an integer; the least squares (LS) estimation processor is connected to the autocorrelation processor and is configured to model the random process by using the LS regression estimation of the P order autoregressive (AR) parameters, where p is An integer far less than m. The methods described include the autocorrelation of the length m of a random process generated by the autocorrelation processor, in which the M is an integer; the least square estimation processor models the random process by using the least square (LS) regression estimation of the P order autoregressive (AR) parameters, in which the P is far smaller than the integer of the M.

【技术实现步骤摘要】
对随机过程建模的设备和方法本申请要求于2017年1月11日提交到美国专利商标局的第62/445,054号美国临时专利申请以及于2017年3月21日提交到美国专利商标局的第15/465,181号美国非临时专利申请的优先权，所述专利申请的全部内容通过引用合并于此。
本公开整体涉及一种用于对随机过程建模的系统和方法，更具体地，涉及一种用于使用减小长度的最小二乘(LS)自回归(AR)参数估计对随机过程建模的系统和方法。
技术介绍
AR模型可在信号处理期间被用作随机过程的类型的代表或模型，以描述特定的时变过程。AR模型指定输出变量线性取决于它自身的之前值和随机项，因此AR模型为随机差分方程的形式。对于随机过程的自协方差或自相关函数，获取AR参数的典型方法是通过求解尤尔沃克(Yule-Walker，YW)方程。使用这个方法，具有滞后p的AR模型能够使用直至长度p的相同的相关性准确地再现随机过程，其中，p为整数。假设使用p阶AR模型，一种典型的AR参数估计方法能够准确地匹配直至长度p的自相关性。因此，为了对长相关性建模，需要大的p，这通常指示增加的复杂性和低效率。
技术实现思路
根据一个实施例，一种用于对随机过程建模的设备包括：自相关处理器，被配置为产生或估计随机过程的长度m的自相关性，其中，m为整数；最小二乘估计处理器，连接到自相关处理器，并被配置为通过使用LS回归估计p阶AR参数来对随机过程建模，其中，p为小于m的整数。根据一个实施例，一种用于对随机过程建模的方法包括：由自相关处理器产生或估计随机过程的长度m的自相关性，其中，m为整数；由最小二乘估计处理器通过使用LS回归估计p阶AR参数来对随机过程建模，其中，p为小于m的整数。根据一个实施例，一种制造用于对随机过程建模的设备的方法包括：将所述设备与至少一个其他设备形成在晶片或封装件上，其中，所述设备包括自相关处理器和被配置为通过使用LS回归估计p阶自回归参数来对由长度m的自相关性表示的随机过程建模的LS估计处理器；测试所述设备，其中，测试所述设备的步骤包括使用一个或多个电光转换器、一个或多个将光信号分割成两个或更多个光信号的分光器、以及一个或多个光电转换器来测试所述设备。根据一个实施例，一种构建集成电路的方法包括：针对所述集成电路的层的特征的集合产生掩模布局，其中，掩模布局包括用于包括用于对随机过程建模的设备的一个或多个电路特征的标准单元库宏，所述设备包括自相关处理器和LS估计处理器，LS估计处理器被配置为通过使用LS回归估计p阶自回归参数来对由长度m的自相关性表示的随机过程建模，其中，p为整数且p小于m；在产生掩模布局期间忽略宏的相关位置以符合布局设计规则；在产生掩模布局之后，检查符合布局设计规则的宏的相关位置；在检测到所述宏中的任何宏不符合布局设计规则时，通过将各个不符合的宏修改为符合布局设计规则来修改掩模布局；根据针对所述集成电路的层的特征的集合的修改的掩模布局，产生掩模；根据掩模制造所述集成电路层。附图说明通过下面的结合附图的详细描述，本公开的特定实施例的上述和其他方面、特征和优点将更加清楚，其中：图1示出根据一个实施例的用于对随机过程建模的设备的示例性框图；图2示出根据一个实施例的对随机过程建模的方法的示例性流程图；图3示出根据一个实施例的从估计的AR参数得到的卡尔曼(Kalman)滤波器的示例性框图；图4示出根据一个实施例的构建卡尔曼滤波器的方法的示例性流程图；图5示出根据一个实施例的用于信道估计的设备的示例性框图；图6示出根据一个实施例的信道估计的方法的示例性流程图；图7示出根据一个实施例的制造用于对随机过程建模的设备的方法的示例性流程图；图8示出根据一个实施例的构建集成电路的方法的示例性流程图。具体实施方式在下文中，参照附图详细描述本公开的实施例。应注意，即使相同的元件在不同的附图中被示出，它们也将由相同的参考标号指定。在下面的描述中，仅提供具体细节(诸如，详细配置和组件)以帮助全面理解本公开的实施例。因此，本领域技术人员应清楚，在不脱离本公开的范围的情况下，可对这里描述的实施例做出各种改变和修改。此外，为了清楚和简洁，公知的功能和结构的描述被省略。下面描述的术语是考虑本公开的功能而限定的术语，并且可根据用户、用户的意图或习惯而不同。因此，术语的定义应基于贯穿说明书的内容来确定。本公开可具有各种修改和各种实施例，其中，参照附图在以下详细描述实施例。然而，应理解，本公开不限于实施例，而是包括本公开的范围内的所有修改、等同物和替换物。虽然包括序数(诸如，第一、第二等)的术语可用于描述各种元件，但是结构元件不被这些术语限制。这些术语仅用于将一个元件与另一元件区分。例如，在不脱离本公开的范围的情况下，第一结构元件可被称为第二结构元件。类似地，第二结构元件也可被称为第一结构元件。如在此使用的，术语“和/或”包括一个或多个相关项的任何组合和所有组合。在此使用的术语仅用于描述本公开的各种实施例，而不意图限制本公开。除非上下文明确地另有指示，否则单数形式也意图包括复数形式。在本公开中，应理解，术语“包括”或“具有”指示特征、数量、步骤、操作、结构元件、部件或它们的组合的存在，但不排除一个或多个其他特征、数量、步骤、操作、结构元件、部件或它们的组合的存在或添加的可能性。除非不同地定义，否则在此使用的所有术语具有与本公开所属领域的技术人员所理解的含义相同的含义。除非在本公开中明确定义，否则如在通用字典中定义的这样的术语将被解释为具有与相关领域的语境含义相同的含义，而不被解释为具有理想的或过于形式的含义。本公开的一个实施例涉及一种使用减小长度的LSAR参数估计拟合较长的相关性来对随机过程建模的设备和方法。本公开的一个实施例涉及一种使用从减小长度的LSAR参数估计获取的AR模型的卡尔曼滤波器的设备和方法。本公开的一个实施例涉及一种基于减小长度的LSAR参数估计使用卡尔曼滤波器估计信道的设备和方法。本设备和方法利用具有减少数量的参数的长相关性来降低复杂性。本设备和方法提供LS公式以在使用“短”AR过程拟合“长”相关性时估计AR参数。根据一个实施例，本设备和方法使用p阶AR过程对具有已知的自相关性的随机过程建模。本设备和方法提供LS估计以对具有远大于p的长度的自相关性建模。根据一个实施例，本设备和方法还可应用基于减小长度的LS的AR参数来实现卡尔曼滤波器，并使用卡尔曼滤波器用于信道估计(CE)，以提高缓慢变化的信道的CE质量。本设备和方法还可使用AR过程得到其他控制方法，诸如，动态控制。本设备和方法可应用基于减小长度的LS的AR参数估计对具有长相关性的任何随机过程建模。图1示出根据一个实施例的用于对随机过程建模的设备的示例性框图。参照图1，设备100包括自相关处理器101和LS估计处理器103。自相关处理器101包括输入端和输出端。自相关处理器101被配置为接收关于随机过程的数据，产生随机过程的长度m的自相关性(其中，m为整数)，并输出自相关性。LS估计处理器103包括连接到自相关处理器101的输出端的输入端以及输出端。LS估计处理器103被配置为通过使用LS回归估计p阶AR参数对由自相关性表示的随机过程建模，其中，p为整数且p远小于m。图2示出根据一个实施例的本文档来自技高网...

【技术保护点】
1.一种用于对随机过程建模的设备，包括：自相关处理器，被配置为产生或估计随机过程的长度m的自相关性，其中，m为整数；最小二乘LS估计处理器，连接到自相关处理器，并被配置为通过使用LS回归估计p阶自回归AR参数来对随机过程建模，其中，p为小于m的整数。

【技术特征摘要】
2017.01.11 US 62/445,054;2017.03.21 US 15/465,1811.一种用于对随机过程建模的设备，包括：自相关处理器，被配置为产生或估计随机过程的长度m的自相关性，其中，m为整数；最小二乘LS估计处理器，连接到自相关处理器，并被配置为通过使用LS回归估计p阶自回归AR参数来对随机过程建模，其中，p为小于m的整数。2.如权利要求1所述的用于对随机过程建模的设备，还包括：卡尔曼滤波器系统参数产生处理器，连接到LS估计处理器，并被配置为使用估计的p阶AR参数，产生包括自相关处理器、LS估计处理器和卡尔曼滤波器系统参数产生处理器的卡尔曼滤波器的系统参数。3.如权利要求2所述的用于对随机过程建模的设备，还包括：基于初始导频的信道估计处理器；自相关处理器，连接到基于初始导频的信道估计处理器；信道插值处理器，连接到卡尔曼滤波器系统参数产生处理器，并被配置为：从卡尔曼滤波器接收参考信号资源元素RE的信道估计，并对参考信号RE执行信道插值，以提供关于数据RE的信道估计。4.如权利要求1所述的用于对随机过程建模的设备，其中，AR参数为和BBH，和BBH如下计算：其中，Ri是自相关性，i是整数。5.如权利要求2所述的用于对随机过程建模的设备，其中，卡尔曼滤波器的系统参数包括如下的C和G：G＝[B,0k,…,0k]T其中，Ai和B是AR参数，Ik是单位矩阵，0k是零矩阵，i和k是整数。6.如权利要求3所述的用于对随机过程建模的设备，其中，卡尔曼滤波器还被配置为：在第n次迭代，更新误差协方差预测、新息、卡尔曼滤波器增益、状态估计以及误差协方差估计，其中，n为整数。7.如权利要求3所述的用于对随机过程建模的设备，其中，信道插值处理器还被配置为在每次迭代中执行如下的信道估计其中，Ik是单位矩阵，0k是零矩阵，xn是状态估计。8.如权利要求3所述的用于对随机过程建模的设备，其中，卡尔曼滤波器还被配置为接收信道观测Yn和噪声方差其中，n和u是整数。9.如权利要求3所述的用于对随机过程建模的设备，其中，卡尔曼滤波器还被配置为通过x0和Σ0被如下初始化：x0＝0kp其中，Σ0是自相关序列Ri的矩阵，k、p和i是整数。10.一种用于对随机过程建模的方法，包括：由自相关处理器产生或估计随机过程的长度m的自相关性，其中，m为整数；由最小二乘LS估计处理器通过使用LS回归估计p阶自回归AR参数来对随机过程建模，其中，p为小于m的整数。11.如权利要求10所述的用于对随机过程建模的方法，还包括：由连接到LS估计处理器的卡尔曼滤波器系统参数产生处理器使用估计的p阶AR参数来产生包括...

【专利技术属性】
技术研发人员：庄斌南，裴东运，李正元，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR