信号处理方法、设备、装置和计算机可读存储介质与流程

本公开的实施例涉及通信领域，更具体地涉及信号处理方法、设备、装置和计算机可读存储介质。

背景技术：

近年来，10gbps以上速率的高速无源光网络(pon)技术是国际电信联盟电信标准分局(itu-t)研究的重点。高速pon旨在于提供强度调制/直接检测(im/dd)的每波长25/50gbps的服务。

在高速pon中，由于发射端和接收端组件的带宽限制引起的符号间串扰(isi)、光纤传输中的色散引起的isi以及针对光网络单元(onu)缺乏公共的均衡配置，会导致信号质量恶化，甚至导致接收端的0和1检测失败。因此，期望一种改进的信号处理方案来解决高速pon中的上述问题。

技术实现要素：

总体上，本公开的实施例提供信号处理方法、设备、装置和计算机可读存储介质。

在本公开实施例的第一方面，提供一种第一设备。该第一设备包括：至少一个处理器，以及存储计算机程序代码的至少一个存储器。所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起促使所述第一设备：接收来自第二设备的信号；确定所述信号的至少一个特征的数值统计分布；基于所述数值统计分布，根据将数值统计分布映射到均衡器抽头系数的预定模型，确定与所述信号对应的均衡器抽头系数；以及基于所述均衡器抽头系数，对所述信号进行均衡处理。

在本公开实施例的第二方面，提供一种信号处理方法。该方法包括：在第一设备处，接收来自第二设备的信号；确定所述信号的至少一个特征的数值统计分布；基于所述数值统计分布，根据将数值统计分布映射到均衡器抽头系数的预定模型，确定与所述信号对应的均衡器抽头系数；以及基于所述均衡器抽头系数，对所述信号进行均衡处理。

在本公开实施例的第三方面，提供一种信号处理装置。该装置包括：用于在第一设备处接收来自第二设备的信号的部件；用于确定所述信号的至少一个特征的数值统计分布的部件；用于基于所述数值统计分布、根据将数值统计分布映射到均衡器抽头系数的预定模型来确定与所述信号对应的均衡器抽头系数的部件；以及用于基于所述均衡器抽头系数来对所述信号进行均衡处理的部件。

在本公开实施例的第四方面，提供一种计算机可读存储介质。该计算机可读存储介质包括机器可执行指令，所述机器可执行指令在由设备执行时使所述设备执行上述根据本公开实施例的第二方面的方法。

根据本公开实施例的方案，可以改进pon系统中的信号均衡处理，确保接收信号质量，提高整体系统性能。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开实施例可在其中实施的示例通信场景的示意图；

图2示出了根据本公开一个实施例的信号处理方法的流程图；

图3示出了根据本公开另一实施例的信号处理方法的流程图；

图4示出了根据本公开另一实施例的信号处理过程的示意图；

图5示出了根据本公开又一实施例的信号处理方法的流程图；

图6示出了根据本公开又一实施例的信号处理过程的示意图；

图7示出了在根据本公开实施例的方案与已有方案之间的性能比较的示意图；

图8示出了根据本公开实施例的电子设备的示意结构框图；以及

图9示出了根据本公开实施例的计算机可读存储介质的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中示出了本公开的一些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在此使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。

应理解，尽管本文可以使用术语“第一”和“第二”等来描述各种元件，但这些元件不应受到这些术语的限制。这些术语仅用于区分一个元件和另一个元件。例如，第一元件可以称为第二元件，同样，第二元件可以称为第一元件，而不脱离实施例的范围。如本文所用，术语“和/或”包括一个或多个所列术语的任何和所有组合。

在此使用的术语“电路”是指以下的一项或多项：

(a)仅硬件电路实现方式(诸如仅模拟和/或数字电路的实现方式)；以及

(b)硬件电路和软件的组合，诸如(如果适用)：(i)模拟和/或数字硬件电路与软件/固件的组合，以及(ii)硬件处理器的任意部分与软件(包括一起工作以使得诸如光线路终端(olt)或其他计算设备等装置执行各种功能的数字信号处理器、软件和存储器)；以及

(c)硬件电路和/或处理器，诸如微处理器或者微处理器的一部分，其要求软件(例如固件)用于操作，但是在不需要软件用于操作时可以没有软件。

电路的定义适用于此术语在本申请中(包括任意权利要求中)的所有使用场景。作为另一示例，在此使用的术语“电路”也覆盖仅硬件电路或处理器(或多个处理器)、或者硬件电路或处理器的一部分、或者其随附软件或固件的实现方式。例如，如果适用于特定权利要求元素，术语“电路”还覆盖基带集成电路或处理器集成电路或者olt或其他计算设备中的类似的集成电路。

如本文所用，术语“通信网络”是指遵循任何适当通信标准的网络，例如lte、lte高级(lte-a)、宽带码分多址(wcdma)、高速分组访问(hspa)、窄带物联网(nb-iot)等等。此外，终端设备和通信网络中的网络设备之间的通信可以根据任何合适的一代通信协议执行，包括但不限于第一代(1g)、第二代(2g)、2.5g、2.75g、第三代(3g)、第四代(4g)、4.5g、未来第五代(5g)通信协议和/或目前已知或将来开发的任何其他协议。本发明的实施例可应用于各种通信系统。考虑到通信技术的快速发展，当然也会有未来类型的通信技术和系统，本发明可能会与之结合。不应将其视为将本公开的范围仅限于上述系统。

图1示出了本公开实施例可在其中实施的示例通信场景100的示意图。如图1所示，系统100可以包括第一设备110和与第一设备110通信的第二设备120。第一设备110(本文中也可以称为接收设备)可以从第二设备120(本文中也可以称为发送设备)接收信号并处理该信号。根据本公开的一些实施例，第一设备110可以为光线路终端(olt)，并且第二设备120可以为光网络单元(onu)。根据本公开的一些备选实施例，第一设备110可以为onu，并且第二设备120可以为olt。

应理解到，第一设备110和第二设备120的数目并不限于图1所示的示例，而是可以包括更多的数目。此外，它们的实施也不限于上述具体示例，而是可以以任意合适的方式实施。

如前面提及的，在高速pon中，由于发射端和接收端组件的带宽限制引起的isi、光纤传输中的色散引起的isi以及针对onu缺乏公共的均衡配置，会导致信号质量恶化，甚至导致接收端的0和1检测失败。对此，已经提出基于最小均方法(lms)的自适应前馈均衡(affe)方案。在均衡器抽头系数被正确配置的情况下，该方案在操作上的有效性、可重配置性和数字信号处理(dsp)复杂度方面是有利的。然而，affe在均衡器抽头系数的确定中存在dsp复杂且无法通用于pon下行链路中的各onu的问题。

具体而言，在目前的affe方案中，是通过重复的迭代方式学习到整个抽头系数集合，并且在每个迭代中执行类似于梯度下降法的计算，以将来自随机选择的初始状态的抽头系数集合演进为最佳状态。这种迭代式梯度下降法计算所涉及的数字信号处理的复杂度在一些预算紧张的点到点数字串行通信情况中可能是可接受的，但是对于点到多点的pon下行链路中的onu而言是很难接受的。

鉴于此，根据本公开的实施例，提出了一种改进的信号处理方案，其中基于预定的训练模型来确定均衡器抽头系数，从而能够快速且准确地对信号进行均衡处理，同时降低接收端处的数字信号处理的复杂度。为便于理解，下面结合图2进行详细说明。图2示出了根据本公开的一个实施例的信号处理方法200的流程图。方法200可以在接收设备(例如第一设备110处)实施。例如，在pon的上行方向上，方法200可以olt处实施。在pon的下行方向上，方法200可以在例如onu处实施。

如图2所示，在框210，第一设备110接收来自第二设备120的信号。由于光纤信道的影响，与从第二设备120发送的原始信号相比，由第一设备110接收到的信号将存在失真。为了恢复失真的信号，需要对接收到的信号进行均衡处理，下面对此进行描述。

在框220，第一设备110确定接收到的信号的至少一个特征的数值统计分布。根据本公开的一些实施例，第一设备110可以对接收到的信号进行量化，并且基于经量化的信号来生成数值统计分布。在一些实施例中，第一设备110可以以高于第一预定值的采样率来对接收到的信号进行量化。例如，第一设备110可以通过100gs/s的高采样率的模数转换器来对信号进行量化。

在一些备选实施例中，第一设备110可以以低于第二预定值的采样率来对接收到的信号进行量化。例如，第一设备110可以通过5gs/s的低采样率的模数转换器(adc)来对信号进行量化。应理解到，本申请对采样率并不做任何限制。

根据本公开的一些实施例，信号的特征可以包括信号的幅度、功率、能量和频谱中的至少一项。应理解到，信号的特征不限于此，而是可以包括任何其他合适的已有或未来开发的衡量信号的参数。

根据本公开的一些实施例，第一设备110可以确定与信号的特征相关联的直方图。根据本公开的一些备选实施例，第一设备110可以确定与信号的特征相关联的眼图。根据本公开的一些备选实施例，第一设备110可以确定与信号的特征相关联的频谱图，例如快速傅里叶变换(fft)信息。应理解到，数值统计分布的形式并不限于上述示例，而是可以包括任何其他合适的已有或未来开发的形式。

例如，针对经量化的信号，第一设备110可以统计该信号在量化点处的幅度值，并生成直方图。该直方图的横坐标为幅度值，纵坐标为量化点个数。应理解到，这仅为示例，本申请并不限于此。

在框230，第一设备110基于数值统计分布，根据将数值统计分布映射到均衡器抽头系数的预定模型，来确定与信号对应的均衡器抽头系数。根据本公开的一些实施例，以数值统计分布作为预定模型的输入，通过预定模型的输出可以直接确定与信号对应的均衡器抽头系数。例如，预定模型的输入的宽度与直方图的条(bin)的数量相同，例如40，并且预定模型的输出的大小与抽头系数的数量相同，例如20。

根据本公开的一些实施例，预定模型可以是通过以在不同信道条件下获取的大量样本信号为输入进行训练的。在一些实施例中，样本信号可以从信道的不同发送端条件下获取，例如在发送端的不同带宽响应条件下获取。在一些备选实施例中，样本信号可以从信道的不同接收端条件下获取，例如在接收端的不同带宽响应条件下获取。在一些其它备选实施例中，样本信号可以在不同信道特性下获取，例如在不同光纤长度下获取。应理解到，这些仅为示例，其它合适方式的样本信号也是可行的。

根据本公开的一些实施例，可以以样本信号的特征的数值统计分布为输入，并以与该样本信号对应的通过affe确定的抽头系数为输出，训练该预定模型。应理解到，也可以采用其他方式确定的精确的均衡器抽头系数作为输出来进行模型的训练，本申请对此并不做特别限制。

根据本公开的一些实施例，预定模型可以是预先得到的。例如，在一些实施例中，预定模型可以被预先训练好并存储在第一设备110处。应理解到，可以采用任何合适的神经网络训练该预定模型，本申请对此并不做任何限制。

在确定了均衡器抽头系数之后，在框240，第一设备110基于均衡器抽头系数对信号进行均衡处理。根据本公开的一些实施例，第一设备110可以以高于预定值的采样率(例如通过100gs/sadc)，对接收到的信号进行量化，并且基于确定好的均衡器抽头系数，对经量化的信号进行均衡处理。例如，假设经量化的信号为x(.)，并且均衡器抽头系数为w(.)，则均衡后的信号y(.)＝x^t(.)w(.)。在一些备选实施例中，第一设备110可以基于均衡器抽头系数，对接收到的信号进行模拟均衡处理，并且继而对经模拟均衡处理的信号进行时钟和数据恢复(cdr)处理。

至此描述了根据本公开实施例的信号处理方案的基本构思。与affe重复迭代的方式相比，根据本公开实施例的预定模型的方式，可以即时地确定均衡器抽头系数，无需迭代并且也无需矩阵乘法运算以外的运算，接收设备处的dsp复杂度大大降低。此外，由于预定模型是通过大量样本数据作为输入、基于神经网络训练而成，均衡器抽头系数的匹配度或准确度将大大提高。

此外，根据本公开实施例的方案，可以快速生成均衡器抽头系数，继而可以将该参数用于传统ffe芯片或方案，因此，在加速均衡的同时，使得可以重用传统ffe芯片或方案而无需对其进行改变。

为便于理解，下面结合图3至图6描述更具体的实施例。图3示出了根据本公开另一实施例的信号处理方法300的流程图。图4示出了根据该实施例的信号处理过程的示意图400。该方法300可以在接收设备(例如图1的第一设备110)处实施。例如，在pon的上行方向上，方法300可以olt处实施。在pon的下行方向上，方法300可以在例如onu处实施。

在框310，第一设备110可以以高于预定值的采样率，对接收到的信号(如图4的401所示)进行量化(如图4的402所示)，以得到经量化的信号x(.)。例如，可以通过例如100gs/s的高速adc对到达光检测器的光信号进行量化。在框320，第一设备110可以基于经量化的信号生成数值统计分布。如图4的403所示，可以生成包含40个条的直方图。

在框330，第一设备110可以基于数值统计分布，根据将数值统计分布映射到均衡器抽头系数的预定模型(如图4的404所示)，确定与信号401对应的均衡器抽头系数。如图4的405所示，以40个条为输入，确定出20个抽头系数w(.)。

在框340，第一设备110可以基于确定的均衡器抽头系数(w(.))，对经量化的信号(x(.))进行均衡处理。如图4的406所示，经均衡的信号y(.)＝x^t(.)w(.)，从而恢复来自第二设备的原始信号。

在结合图3和图4描述的实施例中，实现了一种基于高速adc的数字均衡机制。以此方式，可以更加快速且准确地执行信号均衡处理。

图5示出了根据本公开另一实施例的信号处理方法500的流程图。图6示出了根据该实施例的信号处理过程的示意图600。该方法500可以在接收设备(例如图1的第一设备110)处实施。例如，在pon的上行方向上，方法500可以olt处实施。在pon的下行方向上，方法500可以在例如onu处实施。

在框510，第一设备110可以以低于预定值的采样率，对接收到的信号(如图6的601所示)进行量化(如图6的602所示)。例如，可以通过例如5gs/s的低速adc对到达光检测器的光信号进行量化。在框520，第一设备110可以基于经量化的信号生成数值统计分布。如图6的603所示，可以生成包含40个条的直方图。

在框530，第一设备110可以基于数值统计分布，根据将数值统计分布映射到均衡器抽头系数的预定模型(如图6的604所示)，确定与信号601对应的均衡器抽头系数。如图6的605所示，以40个条为输入，确定出20个抽头系数w(.)。

在框540，第一设备110可以基于确定的均衡器抽头系数(w(.))，对接收到的信号(x’(.))进行模拟均衡处理。如图6的606所示，经均衡的信号y’(.)＝x’^t(.)w(.)。在框550，第一设备110可以对经模拟均衡处理的信号(y’(.))进行cdr处理，如图6的607所示，从而恢复来自第二设备的原始信号。

在结合图5和图6描述的实施例中，可以实现一种基于低速adc的模拟均衡机制。以此方式，可以更加低成本且准确地执行信号均衡处理。

发明人对本公开实施例的方案进行了验证。其中通过2000个不同的信道传送2000个训练序列的50gb/snrz数据，从而收集到数值统计分布与均衡器系数的训练数据对。图7示出了在根据本公开实施例的方案与已有方案之间的性能比较的示意图700。如图7所示，710表示本公开实施例的方案(即时神经网络(nn))的ber性能，720表示已有方案(lms)的ber性能。可见，本方案的ber性能非常接近于lms的ber性能。这种差距可以通过进一步增加训练样本而进一步缩小。

与上述方法相对应，本公开的实施例还提供相应的装置。能够执行方法200、300和500的装置可以包括用于执行方法200、300和500各个步骤的相应部件。这些部件可以任意适当方式实现。例如，可以通过电路或者软件模块来实现。在一些实施例中，该装置可以在接收设备上实施。

在一些实施例中，该装置可以包括用于在第一设备处接收来自第二设备的信号的部件；用于确定所述信号的至少一个特征的数值统计分布的部件；用于基于所述数值统计分布、根据将数值统计分布映射到均衡器抽头系数的预定模型来确定与所述信号对应的均衡器抽头系数的部件；以及用于基于所述均衡器抽头系数来对所述信号进行均衡处理的部件。

在一些实施例中，用于确定数值统计分布的部件可以包括：用于对信号进行量化的部件；以及用于基于经量化的所述信号来生成所述数值统计分布的部件。

在一些实施例中，用于进行均衡处理的部件可以包括：用于以高于预定值的采样率对所述信号进行量化的部件；以及用于基于所述均衡器抽头系数对经量化的所述信号进行均衡处理的部件。

在一些备选实施例中，用于进行均衡处理的部件可以包括：用于基于所述均衡器抽头系数对所述信号进行模拟均衡处理的部件；以及用于对经模拟均衡处理的所述信号进行时钟和数据恢复处理的部件。

图8是适合于实现本公开的实施例的设备800的简化框图。可以提供设备800以实现通信设备，例如图1所示的第一设备110。如图所示，设备800包括一个或多个处理器810、耦合到处理器810的一个或多个存储器820以及耦合到处理器810的一个或多个通信模块840。

通信模块840用于双向通信。通信模块840具有例如至少一个光纤pon接口以便于通信。通信接口可以表示与其他网络元件通信所必需的任何接口。

处理器810可以是适合于本地技术网络的任何类型，并且作为限制性示例，可以包括以下中的一个或多个：通用计算机、专用计算机、微处理器、数字信号处理器和基于多核处理器架构的处理器。设备800可以具有多个处理器，例如专用集成电路芯片，其在时间上从属于与主处理器同步的时钟。

存储器820可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的示例包括但不限于只读存储器(rom)824、电可编程只读存储器(eprom)、闪存、硬盘、光盘(cd)、数字视频盘(dvd)和其他磁存储和/或光存储装置。易失性存储器的示例包括但不限于随机存取存储器(ram)722和不会在断电持续时间中持续的其他易失性存储器。

计算机程序830包括由关联的处理器810执行的计算机可执行指令。程序830可以存储在rom820中。处理器810可以通过将程序830加载到ram820中来执行任何合适的动作和处理。

可以借助于程序830来实现本公开的实施例，使得设备800可以执行如参考图2至图6所讨论的本公开的任何处理。本公开的实施例还可以通过硬件或通过软件和硬件的组合来实现。

在一些实施例中，程序830可以有形地包含在计算机可读介质中，该计算机可读介质可以包括在设备800中(诸如在存储器820中)或者可以由设备800访问的其他存储设备。可以将程序830从计算机可读介质加载到ram822以供执行。计算机可读介质可以包括任何类型的有形非易失性存储器，例如rom、eprom、闪存、硬盘、cd、dvd等。图9示出了cd或dvd形式的计算机可读介质900的示例。计算机可读介质上存储有程序830。

一般而言，本公开的各种示例实施例可以在硬件或专用电路、软件、逻辑，或其任何组合中实施。某些方面可以在硬件中实施，而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本公开的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时，将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备，或其某些组合中实施。可用来实现本公开实施例的硬件器件的示例包括但不限于：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑器件(cpld)，等等。

作为示例，本公开的实施例可以在机器可执行指令的上下文中被描述，机器可执行指令诸如包括在目标的真实或者虚拟处理器上的器件中执行的程序模块中。一般而言，程序模块包括例程、程序、库、对象、类、组件、数据结构等，其执行特定的任务或者实现特定的抽象数据结构。在各实施例中，程序模块的功能可以在所描述的程序模块之间合并或者分割。用于程序模块的机器可执行指令可以在本地或者分布式设备内执行。在分布式设备中，程序模块可以位于本地和远程存储介质二者中。

用于实现本公开的方法的计算机程序代码可以用一种或多种编程语言编写。这些计算机程序代码可以提供给通用计算机、专用计算机或其他可编程的数据处理装置的处理器，使得程序代码在被计算机或其他可编程的数据处理装置执行的时候，引起在流程图和/或框图中规定的功能/操作被实施。程序代码可以完全在计算机上、部分在计算机上、作为独立的软件包、部分在计算机上且部分在远程计算机上或完全在远程计算机或服务器上执行。

在本公开的上下文中，计算机程序代码或者相关数据可以由任意适当载体承载，以使得设备、装置或者处理器能够执行上文描述的各种处理和操作。载体的示例包括信号、计算机可读介质等等。

信号的示例可以包括电、光、无线电、声音或其它形式的传播信号，诸如载波、红外信号等。

机器可读介质可以是包含或存储用于或有关于指令执行系统、装置或设备的程序的任何有形介质。机器可读介质可以是机器可读信号介质或机器可读存储介质。机器可读介质可以包括但不限于电子的、磁的、光学的、电磁的、红外的或半导体系统、装置或设备，或其任意合适的组合。机器可读存储介质的更详细示例包括带有一根或多根导线的电气连接、便携式计算机磁盘、硬盘、随机存储存取器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、光存储设备、磁存储设备，或其任意合适的组合。

另外，尽管操作以特定顺序被描绘，但这并不应该理解为要求此类操作以示出的特定顺序或以相继顺序完成，或者执行所有图示的操作以获取期望结果。在某些情况下，多任务或并行处理会是有益的。同样地，尽管上述讨论包含了某些特定的实施细节，但这并不应解释为限制任何发明或权利要求的范围，而应解释为对可以针对特定发明的特定实施例的描述。本说明书中在分开的实施例的上下文中描述的某些特征也可以整合实施在单个实施例中。反之，在单个实施例的上下文中描述的各种特征也可以分离地在多个实施例或在任意合适的子组合中实施。

尽管已经以特定于结构特征和/或方法动作的语言描述了主题，但是应当理解，所附权利要求中限定的主题并不限于上文描述的特定特征或动作。相反，上文描述的特定特征和动作是作为实现权利要求的示例形式而被公开的。