用于无源互调产物的处理的方法与流程

1.各种示例实施例涉及计算机网络，并且更具体地涉及用于无源互调产物的处理的方法。


背景技术：

2.当两个或更多不同频率的信号沿着包括具有非线性传输特性的分量的信号路径被传输时，可能会在无线系统中生成互调产物；这些产物的频率与生成它们的信号不同，并且可能对其他信号造成干扰。


技术实现要素：

3.示例实施例提供了一种方法，该方法包括：从通信系统的发送器接收信号的集合，该通信系统具有系统配置，根据系统配置提供机器习得参数(machine learned parameters)的第一集合和一个或多个机器习得参数的第二集合，使用机器习得参数的第一集合对接收到的信号进行加权，组合经加权的信号以生成复合信号，使用机器习得参数的第二集合对复合信号进行加权，从而估计由信号的集合在通信系统的接收器处引起的干扰信号。
4.根据另外的示例实施例，一种装置包括：估计电路系统，该估计电路系统被配置为从通信系统的发送器接收信号的集合，该通信系统具有系统配置，使用机器习得参数的第一集合对接收到的信号进行加权；组合经加权的信号以生成复合信号，用一个或多个机器习得参数的第二集合对复合信号进行加权，从而估计由信号的集合在通信系统的接收器处引起的干扰信号。
5.根据另外的示例实施例，一种计算机程序包括存储在其上的用于执行至少以下操作的指令：从通信系统的发送器接收信号的集合，该通信系统具有系统配置，根据系统配置提供机器习得参数的第一集合和一个或多个机器习得参数的第二集合，使用机器习得参数的第一集合对接收的信号进行加权，组合经加权的信号以生成复合信号，用机器习得参数的第二集合对复合信号进行加权，从而估计由信号的集合在通信系统的接收器处引起的干扰信号。
附图说明
6.包括附图以提供对示例的进一步理解，并且附图被并入并且构成本说明书的一部分。在附图中：
7.图1描绘了通信系统的示意图；
8.图2描绘了根据本主题的示例的收发器系统的图；
9.图3描绘了根据本主题的示例的估计电路系统的框图；
10.图4描绘了根据本主题的示例的估计电路系统的框图；
11.图5是根据本主题的示例的估计无源互调(pim)校正信号的方法的流程图；
12.图6是根据本主题的示例的用于针对不同pim问题估计pim校正信号的方法的流程图；
13.图7是用于学习参数的第一集合和参数的第二集合的最优值的方法的流程图。
14.图8示出了用真实数据进行学习中的不同迭代步骤中目标函数的值。
15.图9是示出根据本主题的pim消除的结果的图。
16.图10是示出根据本主题的示例的装置的示例的框图。
具体实施方式
17.在以下描述中，出于解释而非限制的目的，阐述了诸如特定架构、接口、技术等具体细节，以便提供对示例的透彻理解。然而，本领域技术人员很清楚，所公开的主题可以在背离这些具体细节的其他说明性示例中实践。在一些情况下，省略了对众所周知的设备和/或方法的详细描述，以免不必要的细节混淆本说明书。
18.本主题可以实现对pim校正信号的准确估计。本主题可以实现无线系统中频率的灵活选择，而不管互调频率的存在。随着对带宽、输出功率和多种无线电标准(诸如2g、3g、4g和5g)共存的要求不断提高，这可能特别有利。
19.根据一个示例，该方法还包括通过使用干扰信号来校正在接收器处被接收的信号。
20.机器习得参数的第一集合和机器习得参数的第二集合的值可以分别是参数的第一集合和参数的第二集合的优化值。例如，pim信号或干扰信号可以建模为复合信号的函数，其中参数的第二集合是模型的参数。建模可以基于系统配置或可以使用系统配置。
21.接收器和发送器的并行操作可能会引起干扰，这可能会特别限制接收器的灵敏度。例如，当考虑例如高功率宽带多标准多载波fdd系统时，系统性能和灵敏度可能会受到落入接收频带的发送器引发(transmitter induced)互调产物的影响，例如在rx信道处。该示例可以减轻影响在接收器处被接收的信号的失真效应。
22.根据一个示例，信号的校正包括从正在被接收的信号中对干扰信号的减法处理。
23.根据一个示例，该方法还包括在加权之前根据由系统配置引起的延迟来对准信号的集合。信号的集合中的每个个体信号可以与接收到的信号相关，以产生表示每个个体信号的相关性的相关性数据。相关性数据可以用于定义要在对准步骤中使用的延迟。延迟可以是通信系统内部的传播延迟。
24.该示例可以进一步增加pim校正信号的估计精度并且可以减少估计电路系统内部的存储器使用。
25.根据一个示例，对准被执行使得所估计的干扰信号指示特定阶互调(im)产物。例如，对于每个im的频率位置，pim问题可以通过在接收器链中观察到的pim(pim波形)的模型来描述。该模型可以包括一阶或多阶im产物。例如，可以针对im3位置建模pim，以只考虑im3产物，如下所示：b3＊ts(n).＊(ts(n).＊conj(ts(n)))其中ts是复合信号，conj(ts(n))是ts(n)的复共轭，b3形成参数的第二集合。在另一示例中，针对于im3位置，可以对pim建模，以考虑im3和im5产物，如下：b3＊ts(n).＊(ts(n).＊conj(ts(n)))+b5＊ts(n).＊(ts(n).＊conj(ts(n)))^2。因此，每个pim问题可以与相应延迟、机器习得参数的第一集合和机器习得参数的第二集合相关联。
26.根据一个示例，该方法还包括重复提供、加权、组合和加权步骤，其中对准被执行使得所估计的干扰信号指示不同于上述阶im产物的另一阶im产物。
27.本主题考虑的非线性行为可能更复杂，例如包括高阶项，如5阶或7阶，或涉及分段非线性输入输出映射，因为可能只需要使用和建模单个块以执行本方法。单个块可以是用于对(单个)复合信号加权的块。该示例可以使具有不同延迟补偿输入数据的通用pim结构变为原来的两倍/三倍，以解决多个并发pim问题。
28.根据一个示例，机器习得参数的第一集合是复参数，其中接收到的信号中的每个信号的加权是使用复参数中的相应单个复参数来执行的。加权可以被执行以修改信号的特性。该特性例如可以包括信号的增益和相位中的至少一项。例如，信号的集合中的每个个体信号可以经由单个复系数在增益和相位方面被修改。
29.根据一个示例，每个接收到的信号的加权使用包括复参数的抽头的线性滤波器而被执行，滤波器的抽头的复参数是机器习得参数的第一集合。使用线性抽头滤波器可以使得能够使用更复杂的参数来对信号进行加权。这可以进一步提高pim校正信号估计的准确性。
30.这些加权示例可以实现根据本主题的加权的灵活实现。
31.根据一个示例，接收到的信号的加权、复合信号的组合和加权定义了一种估计方法，该方法估计该组接收到的信号的集合的干扰信号。该方法还包括在由参数的第一集合和参数的第二集合定义的多维空间中优化目标函数。优化包括：提供参数的第一集合和参数的第二集合的值的初始集合，迭代地修改参数的第一集合和参数的第二集合的值，直到获取目标函数的最优值为止，其中在每次迭代中，该方法包括接收训练发送信号的集合，执行估计方法，并且评估目标函数。目标函数将在接收器处接收的训练接收信号与经校正的信号相关，该经校正的信号通过以下而被获取：由训练发送信号的集合引起的干扰信号来校正所接收的训练接收信号。优化产生机器习得参数的第一集合和机器习得参数的第二集合。在一个示例中，可以在每次迭代中使用训练发送信号的相同集合。这可以节省处理资源，否则使用训练发送信号的不同集合将需要这些资源。在另一示例中，可以针对每次迭代使用训练发送信号的不同集合。这可以改善训练，因为它可以减少在使用相同输入进行多次迭代时可能引入的潜在偏差。
32.该示例实现了一种用于学习参数的第一集合和参数的第二集合的最优值的训练方法，该训练方法可以在实时系统中使用以执行pim校正信号的估计和消除。例如，训练可以在执行pim校正信号的估计和消除的相同或不同装置中执行。由于相同装置用于训练和应用阶段，因此在同一装置中执行训练可以准确确定机器习得参数的第一集合和机器习得参数的第二集合。在不同装置中执行训练可以使得能够以集中方式并且一致地针对可以执行本方法的不同目标装置生成机器习得参数的第一集合和机器习得参数的第二集合。在一个示例中，训练方法可以使用计算机程序而被执行，该计算机程序对装置的元件进行建模并且使用建模的装置执行训练方法。
33.在一个示例中，机器习得参数的第一集合和机器习得参数的第二集合的值可以被重新用作参数的第一集合和参数的第二集合的新起始值，以用于重复训练方法，例如在稍后的时间点。例如，这可以使得机器习得参数的第一集合和机器习得参数的第二集合能够在运行模式期间适应pim变化。这可以减少优化中所需要的重复迭代次数。
34.根据一个示例，训练发送信号的集合中的每个集合信号是不相关信号，并且信号的集合中的每个信号具有用于最大带宽使用和功率的所有资源块。这可以改进训练过程，并且因此所得到的机器习得参数的第一集合和机器习得参数的第二集合可以具有可以用于更好地估计pim校正信号的最优值。
35.根据一个示例，目标函数是10log(rms(rxb)/rms(rxa))，其中优化包括最大化目标函数，其中rxb是在接收器处被接收的信号，并且rxa是由于从rxb中减去干扰信号而产生的经校正的信号。成本函数的优化可以例如使用“nelder mead”方法或基于梯度的方法来执行。基于梯度的方法可能具有更好的转换速度。
36.根据一个示例，系统配置指示发送器和接收器的频率以及pim的一个或多个源中的至少一项。
37.系统配置是对通信系统的描述。通信系统可以包括装置。例如，系统配置可以定义发送器的数目、发送器的位置、接收器和pim的(多个)源等。例如，通信系统的相同系统配置可以用于执行训练和使用所得到的机器习得参数的第一集合和机器习得参数的第二集合来估计干扰信号(例如，在实时系统中)。
38.例如，所接收的信号的集合可以包括信号s1、s2......s10。可以使用机器习得参数的第一集合对该信号进行加权。按照示例，参数的第一集合可以包括参数a1、a2、a3......a10。所接收的信号的集合中的每个信号sj(j＝1...10)可以由相应参数aj加权。参数中的每个参数可以是复参数aj＝c1j+i＊c2j。参数中的每个参数aj可以用于对其相应信号sj进行加权，使得可以相应地改变信号sj的增益和相位。经加权的信号aj*sj可以被组合，例如求和，以获取复合信号ts，例如，ts＝a1＊s1+a2＊s2+....a10＊s10。
39.例如，可以针对im3位置建模pim问题，以考虑im3和im5产物，如下：b3＊ts(n).＊(ts(n).＊conj(ts(n)))+b5＊ts(n).＊(ts(n).＊conj(ts(n)))^2，其中n是时间。在这种情况下，b3和b5是参数的第二集合。在另一示例中，可以仅使用具有不同延迟的im3产物针对im3位置建模pim问题，如下：b3＊ts(n).＊(ts(n).＊conj(ts(n)))+b13＊ts(n).＊(ts(n-1).＊conj(ts(n-1)))+b23＊ts(n).＊(ts(n).＊conj(ts(n)))+b33＊ts(n+1).＊(ts(n+1).＊conj(ts(n+1)))。在这种情况下，b3和b13、b23和b33是参数的第二集合。
40.机器习得参数的第一集合和机器习得参数的第二集合分别是参数的第一集合(例如，a1
……
a10)和参数的第二集合(b3和b5)的优化值。参数的第一集合和参数的第二集合的值被优化，使得它们可以用于估计干扰信号。值a1
……
a10和b3-b5可以在由a1
……
a10和b3-b5定义的多维空间中使用公共成本函数一起估计。
41.值a1
……
a10和b3-b5可以在另一优化中被重新用作参数的第一集合和参数的第二集合的新起始值。例如，这可以使得机器习得参数的第一集合和机器习得参数的第二集合能够在运行模式期间适应pim变化。这可以减少优化中需要的重复迭代次数。
42.根据一个示例，该装置还包括减法电路系统，该减法电路系统被配置为通过使用干扰信号来校正在接收器处被接收的信号。
43.根据一个示例，减法电路系统被配置为通过从正在被接收的信号中对干扰信号进行减法处理来校正信号。
44.根据一个示例，估计电路系统还被配置为在加权之前根据由系统配置引起的延迟来对准信号的集合。
n和接收器210(本文中也称为主接收器)。
59.发送器203a-n中的每个包括如图所示连接的数模(d/a)转换器204a-n和pa 205a-n。发送器203a-n中的每个操作以处理例如可以是数字基带信号的相应数字输入信号tx1-txn以输出射频发送信号。发送器203a-n中的每个的射频发送信号通过双工器214到达天线215，使得射频发送信号由收发器系统201传输。
60.在由发送器203a-n输出之后，射频发送信号通过图2中由“x”指示的pim的源。如结合天线215所示，发生失真(例如，pim效应)的位置可以位于那里(用“x”表示)，但应当注意，可以有一个以上的位置发生对应失真(pim效应)，例如如图1所示。
61.由于pim的源的非线性，pim可以被引入在天线215处接收的射频接收信号中。pim可以包括射频发送信号的im产物。im产物包括三阶im产物、五阶im产物等。
62.例如，接收器210可以包括诸如lna、滤波器、下变频电路系统、模数转换器等接收器组件。接收器210操作以处理(例如，放大、滤波、下变频和模数转换)经由双工器214从天线215接收的射频接收信号以输出数字输出信号220，数字输出信号220在本文中称为主接收器输出信号220。
63.由pim的源产生的落在接收器210的通带内的射频发送信号的im产物在由接收器210输出的主接收器输出信号中产生pim失真。
64.生成pim失真的估计，该pim失真是本文中称为pim校正信号或干扰信号的数字信号，并且该估计被提供给减法电路系统211。减法电路系统211操作以在数字域中从主接收器输出信号220中减去pim校正信号以提供经校正的输出信号221，经校正的输出信号221称为im清洁的rx主信号221。pim校正信号被生成使得与主接收器输出信号220中的pim失真相比，经校正的输出信号中的pim失真被最小化或至少显著减少。
65.pim校正信号由估计电路系统212生成。估计电路系统212和减法电路系统211可以称为pim校正系统。根据本主题，pim校正系统可以针对fdd系统实现通用mimo pim消除。
66.估计电路系统212被配置为接收数字输入信号tx1
……
txn并且根据本主题估计pim校正信号。在一个示例中，估计电路系统212可以使用fpga或asic实现来提供。
67.如本技术中使用的，术语“电路系统”可以指代以下中的一项或多项或全部：
68.a)仅硬件电路实现(诸如仅使用模拟和/或数字电路系统的实现)，以及
69.b)硬件电路和软件的组合，诸如(如适用)：
70.i.模拟和/或数字硬件电路与软件/固件的组合，以及
71.ii.具有软件的硬件处理器(包括数字信号处理器)、软件和存储器的任何部分，这些部分一起工作以引起装置(诸如移动电话或服务器)执行各种功能，以及
72.c)硬件电路和/或处理器，诸如微处理器或微处理器的一部分，其需要软件(例如，固件)进行操作，但在操作不需要时软件可以不存在。
73.该电路系统的定义适用于该术语在本技术中的所有使用，包括在任何权利要求中。作为另一示例，如在本技术中使用的，术语电路系统还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或它们的)随附软件和/或固件的实现。例如，如果适用于特定权利要求元素，术语电路系统还涵盖用于移动设备的基带集成电路或处理器集成电路、或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。
74.图3描绘了根据本主题的示例的估计电路系统312的框图。
75.估计电路系统312包括第一加权块320。第一加权块320被配置为通过相应复系数(a1
……
an)对所接收的信号的集合tx1
……
txn(例如，从发送器203a-n接收的)进行加权以生成经加权的信号的集合。复系数a1、a2、
……
an是机器习得参数的第一集合(统称为附图标记330)的值。如估计电路系统312的块322所示，经加权的信号可以被组合(例如，相加)。经加权的信号的组合产生在第二加权块324(其可以称为非线性(nl)块)处接收的复合信号。第二加权块324可以使用特定阶n im产物的pim模型的权重/值bm，其中n＝3、5或7等。可以在第二加权块324处使用机器习得参数的第二集合(统称为附图标记331)的值(bm)对复合信号进行加权。机器习得参数的第一集合和机器习得参数的第二集合的an和bm的值可以在数据的相同集合上一起学习。机器习得参数的第一集合330和机器习得参数的第二集合331的值可以使用根据本主题的训练方法来获取。加权复合信号可以是由接收到的信号tx1、
……
、txn引起的所估计的pim校正信号。
76.在一个示例中，接收到的信号可以可选地在通过机器习得参数的第一集合330被加权之前被预处理。预处理包括使用多个延迟以通过将延迟应用于信号的集合tx1
……
txn来生成延迟的发送信号。延迟可以如下获取。信号的集合中的每个个体信号可以与接收到的信号相关，以产生表示每个个体信号的相关性的相关性数据。相关性数据可以用于定义延迟。相关性可以通过具有两个自变量的互相关函数(xcorr)来获取，其中自变量中的一个是接收到的信号rx，而另一自变量可以是信号tx或特定阶im产物。例如，相关性可以被获取为xcorr(abs(tx)，abs(rx))相关性或为im3相关性xcorr(im3(tx1，tx2)，rx)。互相关函数确定诸如abs(tx)和abs(rx)等一对信号(或一对离散时间序列)之间的互相关，其中abs(tx)返回数组x中的每个元素的绝对值。
77.图4描绘了根据本主题的示例的估计电路系统412的框图。估计电路系统412能够解决若干并发pim问题。
78.估计电路系统412包括多个估计电路系统312a-m。多个估计电路系统312a-m中的每个是参考图3描述的估计电路系统，其中估计电路系统312a-m中的每个接收同信号的集合tx1
……
txn。然而，每个集合信号使用不同延迟值被单独预处理。此外，多个估计电路系统312a-m中的每个包括其自己的机器习得参数的第一集合330a-m和机器习得参数的第二集合331a-m，这些参数是针对使用估计电路系统的pim问题而获取的。
79.由于可能仅需要对单个nl块(即，324)进行建模，因此本主题可以使用如参考图4描述的估计电路系统来处理更复杂的nl行为，包括高阶项，如5阶和7阶项。
80.图5是根据本主题的示例的用于估计pim校正信号的方法的流程图。为了说明的目的，该方法可以在前面的图1至图4所示的系统中实现，但不限于这种实现。例如，该方法可以使用估计电路系统312来执行。例如，可以针对特定pim问题估计pim校正信号，例如，仅涉及三阶im产物。pim问题可以通过pim信号模型来描述，其中参数的第二集合是模型的参数。这表示，估计电路系统312可以被相应地配置，例如机器习得参数的第一集合330和机器习得参数的第二集合331可能已经通过针对该特定pim问题的训练而获取。
81.在步骤501中，可以从发送器203a-n接收信号的集合tx1
……
txn。信号的集合tx1
……
txn可以在估计电路系统312处接收。
82.估计电路系统312可以例如接收若干信号，其中信号的集合tx1
……
txn可以从若干信号中选择。估计电路系统312可以基于确定所接收的若干信号的哪些信号频率可以产
生可能落入承载接收到的信号的接收器210的信道内的im产物来选择信号的集合tx1
……
txn。该确定可以使用信号频率与从这些频率产生的im产物的频率之间的关系来执行。基于该确定，可以选择信号的集合tx1
……
txn。
83.信号的集合tx1
……
txn可以通过具有步骤503至507的估计方法来处理，以便估计由信号的集合引起的干扰信号。
84.例如，可以在步骤503中对信号的集合tx1
……
txn中的每个个体接收到的信号进行加权。例如，个体信号的加权可以通过修改信号的特性来执行。信号的特性可以是信号的增益和相位中的至少一种。例如，修改可以经由单个复系数330来执行。例如，如果机器习得参数的第一集合包括n个复系数的向量a，则该步骤503可以涉及将该向量与接收到的信号的集合相乘，如下：an*txn。
85.在另一示例中，个体信号的加权可以使用包括复参数的抽头的线性滤波器而被执行，使得可以使用k抽头滤波器对信号的集合tx1
……
txn中的每个个体信号进行滤波。在这种情况下，步骤503可以涉及如下卷积操作：conv(ak*txn)，其中ak是具有n*k个抽头复数滤波器系数的向量。因此，问题复杂度可以仅线性地取决于tx信号的数目n、滤波器系数的数目k和nl块的所需复杂度。最简单的nl块可以涉及三阶im产物，具有m＝1存储器(例如，一个bm值)和n＝10、k＝1、11个复系数的im3可以用于机器习得参数的第一集合和机器习得参数的第二集合。
86.从步骤503产生的经加权的信号在步骤505中在块322处被组合以便生成复合信号。经加权的信号的组合可以包括经加权的信号的求和。所获取的复合信号通过具有系数bm的第二加权块324被馈送。在步骤507中使用系数bm对复合信号进行加权。加权复合信号可以是接收器210处由信号的集合tx1
……
txn引起的干扰信号的估计。
87.所估计的干扰信号可以是pim校正信号，该pim校正信号例如可以用于测试目的以准确量化pim问题并且测量通信系统100中的pim影响。在另一示例中，pim校正信号可以用于校正主接收器输出信号220。
88.图6是根据本主题的示例的用于针对不同pim问题估计pim校正信号的方法的流程图。为了便于说明，不同pim问题可以包括两个pim问题，但不限于此。例如，第一pim问题可以涉及3阶im产物，而第二pim问题可以涉及3阶和5阶im产物。
89.在步骤601中，可以在图4的两个估计电路系统312a和312m的每个估计电路系统处从发送器203a-n接收信号的集合tx1
……
txn。例如，估计电路系统312a可以被配置为针对第一pim问题估计干扰信号，估计电路系统312m可以被配置为针对第二pim问题估计干扰信号。
90.在步骤603中，可以根据针对相应pim问题而确定的延迟来将在每个估计电路系统312a和312m处接收的信号的集合对准。这产生与相应估计电路系统312a和312m相关联的对准信号的多个集合。
91.该估计方法可以在步骤605中在相应估计电路系统312a和312m处针对对准信号的集合中的每个集合来执行。这可以产生多个估计pim校正信号。
92.图7是用于学习参数的第一集合和参数的第二集合330-331的最优值的方法的流程图。
93.在步骤701中，可以提供参数的第一集合和参数的第二集合330-331的值的初始集
合。值的初始集合是参数的第一集合和参数的第二集合的当前值。例如，估计电路系统312可以被配置为在步骤701中以这些当前值进行操作。
94.在步骤703中，可以在估计电路系统312处接收训练发送信号的集合。训练发送信号的集合是不相关信号，并且训练发送信号的集合中的每个信号具有用于最大带宽使用和功率的所有资源块。
95.该估计方法可以在步骤705中对所接收的训练发送信号的集合执行以使用参数的第一集合和参数的第二集合的当前值来估计pim校正信号。
96.可以在步骤707中评估目标函数。目标函数将在接收器210处接收的训练接收信号与经校正的信号相关，该经校正的信号通过以下而被获取：由该组训练发送信号引起的干扰信号来校正所接收的训练接收信号。例如，目标函数可以是以下成本函数，增益＝10log(rms(rxb)/rms(rxa))，其中rb是在接收器处被接收的信号，rxa是从从来自rxb减去干扰信号而得到的经校正的信号，rms是指均方根功率计算。在另一示例中，可以在成本函数中使用接收器总宽带功率(rtwp)方法来代替rms。
97.在一个示例中，rxa可以定义为rxa＝rx
b-nl(∑an＊txn)，其中a是具有n个复系数的向量。在该示例中，n个复系数是学习机器参数的第一集合330。nl(∑an＊txn)可以是由估计电路系统(nl)获取的干扰信号。
98.在另一示例中，并且在使用线性滤波器执行接收到的信号的加权的情况下，rxa可以定义如下，rxa＝rx
b-nl(∑conv(ak＊txn))，其中ak是具有n*k个标签复滤波器系数的向量。在该示例中，n*k个复滤波器系数是机器习得参数的第一集合330。nl(∑conv(ak＊txn))可以是由估计电路系统(nl)获取的干扰信号。
99.可以确定(查询步骤709)是否获取了目标函数的最优值。如果不是，则可以修改参数的第一集合和参数的第二集合的当前值。经修改的值变成用于步骤703-709的下一次迭代的参数的第一集合和参数的第二集合的当前值。目标函数的最优值可以是成本函数的最大值。
100.如果确定获取了目标函数的最优值，则参数的第一集合和参数的第二集合的当前值是机器习得参数的第一集合和机器习得参数的第二集合的值。并且机器习得参数的第一集合和机器习得参数的第二集合可以在步骤711中提供。
101.步骤701、707、709和711可以由优化器执行，并且步骤703-705可以由估计电路系统执行。
102.图7的方法可以使用例如“nelder mead”方法或基于梯度的方法在由参数的第一集合和参数的第二集合定义的多维空间中优化目标函数。可以使用基于梯度的方法获取更高收敛速度，同时根据准牛顿算法计算海赛矩阵，例如，这可以使用名为“fminunc”的函数来执行。这产生了一个优化问题，即，以成本函数优化最大pim噪声校正的方式调节复系数an和bm。参考图7描述的优化过程是机器驱动的迭代和学习，其产生数值最优。
103.图8示出了根据准牛顿算法使用基于梯度的方法利用真实数据在学习的不同迭代步骤中目标函数的值(例如，如参考图7描述的)。
104.图9示出了根据本主题的pim消除的结果。图9示出了主接收器输出信号220和im清洁的rx主信号221的分布。图8的结果是使用“测试”数据获取的，以指示所获取的最终抵消增益。
105.图10是示出根据本主题的示例的装置的示例的框图。
106.在图10中，示出了说明装置1070的配置的电路框图，该装置1070被配置为实现本主题的至少一部分。应当注意，除了下面描述的之外，图10所示的装置1070还可以包括若干另外的元件或功能，为了简单起见，这里省略了它们，因为它们对于理解不是必需的。此外，该装置还可以是具有类似功能的另一设备，诸如芯片组、芯片、模块等，其也可以是装置的一部分或作为单独的元件附接到该装置等。装置1070可以包括处理功能或处理器1071，诸如cpu等，处理功能或处理器1071执行由与流控制机制相关的程序等给出的指令。处理器1071可以包括如下所述专用于特定处理的一个或多个处理部分，或者该处理可以在单个处理器中运行。例如，用于执行这种特定处理的部分也可以被提供作为离散元件或在一个或多个另外的处理器或处理部分内，诸如在一个物理处理器(如cpu)或若干物理实体中。附图标记1072表示连接到处理器1071的收发器或输入/输出(i/o)单元(接口)。i/o单元1072可以用于与一个或多个其他网络元件、实体、终端等进行通信。i/o单元1072可以是包括面向若干网络元件的通信设备的组合单元，或者可以包括具有用于不同网络元件的多个不同接口的分布式结构。附图标记1073表示例如可用于存储要由处理器1071执行的数据和程序和/或作为处理器1071的工作存储器的存储器。
107.处理器1071被配置为执行与上述主题相关的处理。特别地，装置1070可以被配置为执行结合图7描述的方法的至少一部分。
108.处理器1071被配置为使用根据本主题的估计电路系统来在由参数的第一集合和参数的第二集合330-331定义的多维空间中优化目标函数。优化被执行以获取可以实时用于使用估计电路系统来估计pim校正信号的机器习得参数的第一集合和机器习得参数的第二集合的值。