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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。