3矩阵的复杂性可 以看出，这是确定性4个运算处理（计算矩阵和子式矩阵，把它转换成辅助因子矩阵，形成 伴随矩阵，并通过1/决定数相乘）。
[0105] 数值方法都存在，但计算开销随着级数显著增加。
[0106] 该莱文森算法可以用来递归解决尤尔〃沃克公式。列文森算法是能够有效地提取 自回归模型的系数的算法的例子。莱文森算法也是库的形式可用，可以使用而不需要理解 它的推导。然而简要推导被包括此处，因为它可以是有益的。
[0107] 预测误差可以定义，其中m是不是尤尔〃沃克方程的级数的索引。
[0108] 对于M= 0,尤尔-沃克方程给出
[0109] e〇=rxx(0)公式 12
[0110] 简单地，没有作用于白噪声的过滤器或系统。
[0111] 对于级m= 1，我们可以返回到尤尔-沃克公式，给出
[0112] rxx[0]ai=rxx[l]公式 13
[0113] 所B
[0114] 和e工=rxx[0]+a1；rxx[l]公式 15
[0115] 一般地，列文森（或更适当的列文森_杜宾）算法可以通过利用m-1阶托普利兹 矩阵的求解而解决m级的尤尔沃克公式。
[0116] 该矩阵R是To印litz矩阵的形式，其通常被写为
[0117]
[0118] 该莱文森-德宾算法在第一动作中进行，以形成"向前"和"向后"向量。
[0119] 前向向量是满足条件的长度为m的向量：
[0120]
[0121] 其中ei是零填充的向量，除了其具有一的值的第i个位置。
[0122] 类似地，后向矢量0是满足如下条件的长度为m的向量：
[0123]
[0124] 可以通过增加行和列（根据需要）延伸矩阵和向量，使得
[0125]
[0126] 在延伸矩阵中，当零用于扩展正向向量时，添加到矩阵的额外列不改变或扰乱该 求解。同样不适用于额外的行，它不扰乱求解，并为n次幂创建前向误差ef，因此使用符号 巧。
[0127] 后向矢量可被类似地扩展
[0128]
[0129] 而且这也产生了误差项。
[0130] 该误差项可以用于基本上彼此抵消：
[0131] LG/」
L1」
[0132] 对于一些操作，已知的是：
[0135] 这些方程可以被操纵来导出：
[0133]
[0134]
[0136]
[0137] 中间的零不做出贡献，所以这可以推导为
[0138]
公式25和解决，例如使用克莱姆2X2逆矩 阵式。
[0139] 该方法对于m的低级数是快速的。
[0140] 也可以使用其他的数字技术或算法，诸如巴雷斯算法、Schur分解和Cholesky分 解。其它技术也存在。
[0141] 在电信系统的上下文中，如上述所指出的，要被接收的信号可以存在许多信号，其 可干扰想要信号的接收。这些其他信号通常被称为干扰信号、干扰、阻断信号或阻断剂，并 且正如之前，有利的是知道阻断信号的存在，使得可以采取行动以减轻其效果或它们的效 果。
[0142] 可认为：提供接收到的符号的序列/数据到参量引擎（诸如，自回归模型）就可使 每个潜在阻断信号的幅度和频率将被确定。
[0143] 然而，本发明人认识到，这种假设是没有根据的，因为这样的过程的大量计算成 本。
[0144] 如以上所指出的，由于反相依次大型矩阵的操作，容许参量引擎中较大阶数M的 计算成本迅速增加。然而，发明人认识到，未规范的（低M)参量引擎的性能可被利用以提 供计算上简单的系统，用于识别输入数据流的参量表示的极点。
[0145] 本发明人观察到，如果参量引擎被约束为具有低的级数，例如一或两级，但被要求 来参量化具有三个或多个极点的系统，则该引擎趋于放置其极点位置估计邻近于输入信号 中的最大极或两极的位置。因此，虽然结果不完全正确，但这是合理的近似最终结果。这可 被利用来在随后的迭代中由带宽限制输入信号缩小频率搜索空间（即测试范围），以便它 不包括不那么显著的极点，但它包括了更多的显著极点。这使得矩阵求逆或其它的计算成 本要显著降低。然而，还希望在可能的情况该过滤器的复杂性和成本也简化。这就表明使 用利用相对简单的带通特性的滤波器。将这些特性考虑在内，发明者认识到合适的性能可 以用低阶参量引擎来实现，例如单顺序参量引擎以迭代或递归的方式操作，以搜索围绕从 前迭代的所估计极点频率的较小频率空间。
[0146] 低阶但具有顺序大于1的参量引擎也可以比较容易地实现。单个级数的参量引擎 的例子示于图5,其中关于图4已描述了的部件被给予相同的参考标号。相关器160具有 布置成形成复自相关xnx=的第一部分180和布置成形成n和随后的样本n-1的共轭之间 的自相关的第二部分182,表不为XjjXjjh。输出分别被指定第一部分180和第二部分182的 r0和rl，被提供到角度确定单元184,其可与比率rl至r0进行比较，以确定由％表示的相 量图上的角位移，这如前所述被提供给积分器148,用于控制数字控制振荡器150。图5中 的电路是执行等式14的单一级数（M= 1)引擎。这在计算上是简单的。
[0147] 图5的电路在图6中重复，连同提供到相关块180和182以及也到滤波器抽头查 找表190的定时和复位信号的图形表示，其用于寻址和变化电路的连续迭代之间的抽头系 数，以逐渐降低所述滤波器144的通带，直到当作为潜在干扰信号的位置以足够的精度估 计。因此，在图6所示的电路操作以迭代估计阻断信号的频率，然后使用降频转换器/频率 转换器和过滤器，以放大阻断信号和以更高的精度估计它的频率。
[0148] 如前所述，单级引擎是相对容易实现的，但是在本公开中不限定于使用第一级参 量引擎。
[0149] 图8示出与第二谐波减速器200通信的无线电接收机10的的示意图。无线电接 收器10类似于相对于图7描述的。无线接收器10可以包括低噪声放大器14以放大接收 的信号。该信号然后可以通过带宽限制滤波器15被提供给混频器20,其混合该信号和本地 振荡器信号（未示出）以将感兴趣的输入RF信号转换为基带或低中频，其然后通过低通滤 波器22滤波和由模数转换器24(或50在图1中）数字化。这个过程应该是线性的，但小 的增益误差可存在，并且可以例如通过功率方面进行建模。为了除去这些非非线性，其通常 通过谐波信号的产生表现出来，在图8中提供第二谐波减速器200,其包括平方器202、校正 信号发生器204和加法器206。鉴于该二次谐波减速器200对ADC24的数字化输出的作 用（在本例中），则该平方器202可在硬件中被实现为两输入数字乘法器。平方器202的输 出被提供给接收估计校正系数七的校正信号发生器。&的符号可以被抵消，使得向加法器 206从ADC24的相应数字字加上乘法器104的输出，形成另一输出：
[0150]
[0151] 进一步的分析将示出通带外的第三高次谐波的HD3= -a2以3和低于接收机的 噪声底的第四阶谐波HD4 = 422A2:/。
[0152] 第二谐波的残留量取决于估计s2的准确性以减少a2-a2。
[0153] 图9是与无线电接收机关联的第二谐波降低电路的框图，如可能在移动接收机或 基站中找到。减速器200(其可以连接图8来描述）与图1至图3C或4至6所描述的阻断 信号检测引擎210相关联，阻断信号检测引擎210被连接到适配引擎220,其可以以硬件、由 处理器或者是两者的混合物执行的软件来实现。
[0154] 该减速器200连续运行，而ADC24输出数据，而阻挡检测引擎210和适配引擎220 可间歇性地运行。
[0155] 校正信号发生器204(图8)可以被实现为缓冲器或延迟线，用于保持来自ADC 24(或在图1中的50)的最近N个输出词语的记录。第二高次谐波降低电路对同相和正交 信号工作。许多应答或传递特性可以在降低电路实现，它在它的构造上类似于包含R延迟 元件的有限脉冲响应（FIR)滤波器。适配引擎220被布置为使用阻断信号检测器210的输 出，以适应用于过滤其接收DE输入信号的过滤器的操作，一个输入是被提供到谐波减速器 200的信号，以及其他输入是谐波减速器200的输出，并从这些信号中选择阻断信号，并寻 求调节校正信号发生器的系数，以减少阻塞信号的影响。
[0156] 图10是构成本发明的实施例的搜索算法的流程图，用于例如图1和2中所示的装 置。搜索过程开始于块300。控制然后被传递给操作302,其中设置最初的振荡器频率。这 可包括不设置振荡器运行，使得在第一遍没有执行频率转换。当滤光器66的带宽被设置为 初始值时，控制随后传递到操作304。该过滤器可被设置为它的最大带宽或可查相称的带宽 的频率范围。控制随后被转到操作306,其中设定初始抽取速率D。初始抽取速率可以包括 根本不执行任何抽取，使得从模拟到数字转换器50的每个样本被传递到抽取器69的输出。
[0157] 然后，控制被传递到操作310,其中在N点缓冲器72捕获抽取器输出的N个样本。 一旦这已经完成，则控制被传递到操作312,其中FFT引擎74执行它的转换。控制随后被 转到操作314,其中FFT引擎74的输出被检查以找到具有最大振幅（由电路元件76在图2 中所示）的FFT区间。控制随后被转到操作316,其中决定FFT区间的幅度是否已经被减小 到一定程度，使得通过FFT引擎输出的任何结果具有所需的分