处理信号的收发机设备和方法与流程

各种实施例总体涉及处理信号的收发机设备和方法。

背景技术：

许多常规无线设备既执行无线发射又执行无线接收，因此包含发射机组件和接收机组件二者(即，收发机)。收发机设计可以包括被布置为彼此邻近的这类发射机和接收机组件，并且在这些组件之间经常可能存在一定程度的间接或共享耦合。结果，许多收发机设计可能易受发射机链和接收机链之间的泄漏的影响。

泄漏在单个天线系统或共享天线系统中可能尤其普遍，其中发射机链和接收机链二者可能都被耦合至双工电路。因此，从发射机链到接收机链的泄漏可能导致自干扰，其中意图被发射的信号施加影响于被接收的信号。

由于被发送的信号在发射机处是已知的，有可能模拟出在发射机链和接收机链之间的路径以便于在接收机处消除信号中的泄漏信号。

技术实现要素：

根据本发明的一个方面，公开了一种处理信号的方法，包括：基于输入信号向量和输出信号向量计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量表示输入信号向量和输出信号向量之间的关系；计算线性系统的解以生成具有多个元素的被降低的参数更新向量，其中线性系统是基于参数向量的多个关键元素、协方差矩阵和相关向量；使用被降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量，其中被降低的参数更新向量具有比参数向量更少的元素；以及使用被更新的参数向量处理与输入信号向量相关联的一个或多个信号。

根据本发明的另一方面，公开了一种收发机设备，包括：被配置为发射一个或多个发射信号的发射链；配置为接收一个或多个接收信号的接收链；以及处理器，被配置为：基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量表示一个或多个发射信号和一个或多个接收信号之间的关系；计算线性系统的解以生成具有多个元素的被降低的参数更新向量，其中线性系统是基于多个关键元素、协方差矩阵和相关向量；使用被降低的参数更新向量来更新参数向量以生成被更新的参数向量，其中被降低的参数更新向量具有比参数向量更少的元素；以及使用被更新的参数向量来处理一个或多个发射信号中的至少一个信号。

根据本发明的又一方面，公开了一种收发机设备，包括：被配置为发送一个或多个发射信号的发射链；被配置为接收一个或多个接收信号的接收链；以及处理器，被配置为：基于一个或多个发射信号和一个或多个接收信号，计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量描述了一个或多个发射信号和一个或多个接收信号之间的关系；使用共轭梯度估计来计算线性系统的解以生成具有多个元素的被降低的参数更新向量，其中线性系统是基于多个关键元素、协方差矩阵和相关向量；使用被降低的参数更新向量更新参数向量以生成被更新的参数向量，其中被降低的参数更新向量具有比参数向量更少的元素；以及通过向一个或多个发射信号应用被更新的参数向量生成估计的泄漏信号；以及利用估计的泄漏信号来消除接收信号中的至少一个接收信号中的泄漏信号。

附图说明

在附图中，相似的参考字符一般指代在不同图示中的相同部分。附图不一定按照比例绘制，反而重点通常被放在示出本发明的原理。在下面的说明中，参照下面的附图对本发明的各种实施例进行了描述，其中：

图1示出对应于移动设备的框图；

图2示出选择性优化过程的流程图；

图3示出通信终端的内部组件的框图；以及

图4示出处理信号的方法的流程图。

具体实施方式

下面的详细描述涉及以示意性的方式示出了具体细节的附图以及可在其中实践本发明的实施例。

词语“示例性”这里被用于表示“用作示例、实例或者说明”。这里被描述为“示例性”的任何实施例或设计不必被解释为相对于其他实施例或设计是优选的或者有利的。

说明书和权利要求书中的词语“多”和“多个”(如果存在的话)被用于明确指代多于一个的数量。因此，明显引用上述词语、指代一些对象的任何短语(例如，“多个[对象]”、“多项[对象]”)旨在明确地表达这些对象不止一个。说明书和权利要求书中的术语“群组”、“集”、“集合”、“系列”、“序列”、“组”、“选择”等等(如果存在的话)被用于指代等于或多于一个的数量，即一个或多个。因此，这里所用的与一些对象相关的短语“一组[对象]”、“[对象]的集”、“[对象]的集合”、“一系列[对象]”、“系列[对象]”、“[对象]的群组”、“[对象]的选择”、“[对象]群组”、“[对象]集”、“[对象]集合”、“[对象]系列”、“[对象]序列”、“[对象]群”、“[对象]选择”等等旨在指代这些对象的一个或多个的数量。应当认识到，除非使用清楚称述的复数量(例如，“两个[对象]”、“三个[对象]”、“十个或更多个[对象]”、“至少四个对象”等等)或者词语“多”、“多个”或类似短语的明确使用来直接指代，对于对象的数量的引用旨在指代一个或多个对象。

应当认识到，这里利用的任何向量和/或矩阵表示在本质上是示例性的，并且仅被用于解释说明的目的。因此应当理解，本公开中详细描述的方法不限于仅使用向量和/或矩阵来实现，并且相关联的处理和时间可针对数据、观测结果、信息、信号等等的集合、序列、群组等等同样被执行。

另外，应当理解的是对“向量”的引用可能指的是任何大小或方向的向量，也就是说包括1x1向量(例如，标量)、1xM向量(例如，行向量)和Mx1向量(例如，列向量)。类似地，应当理解的是对“矩阵”的引用可能指的是任何大小或方向的矩阵，也就是说包括1x1矩阵(例如，标量)、1xM矩阵(例如，行矩阵)和Mx1矩阵(例如，列矩阵)。

如本文所用，“电路”可以被理解为任意类型的逻辑实现实体，其可以是专用电路或执行在存储器中存储的软件、固件或它们的任何组合的处理器。另外，“电路”可以是硬连线的逻辑电路或诸如可编程处理器之类的可编程逻辑电路，例如微处理器(比如，复杂指令集计算机(CISC)处理器或精简指令集计算机(RISC)处理器)。“电路”还可以是执行软件(比如，任意类型的计算机程序(例如使用诸如Java之类的虚拟机代码)的计算机程序)的处理器。将在下文被更详细描述的相应功能的任何其他类型的实现也可以被理解为“电路”。还可以理解的是任意两个(或更多个)所述电路可以被合并为一个电路。

关于移动通信网络的接入点使用的术语“基站”可被理解为宏基站、微基站、节点B、演进节点B(eNB)、家庭eNodeB、远程无线电头端(RRH)、中继节点等等。

如本文所用，在通信的上下文中的“小区”可被理解为由基站服务的扇区(sector)。因此，小区可以是与基站的特定分区相对应的地理上位于相同位置的天线的集合。基站因此可服务一个或多个“小区”(或扇区)，其中每个小区由不同的通信信道来表征。另外，术语“小区”可用于指代宏小区、微小区、微微小区、毫微微小区等等中的任一者。

图1示出说明移动设备100的内部组件的框图。移动设备100可以是例如被配置为通过无线电接入网执行无线通信的移动终端设备。例如，移动设备100可以被配置为根据第三代合作伙伴计划(3GPP)无线网络(诸如，全球移动通信系统(GSM)网络、通用移动通信系统(UMTS)网络或长期演进(LTE)网络)操作。移动设备100还可以被配置为根据多种其他无线电接入技术操作，从而应当理解的是本文的详细公开可以被应用到任意数量的不同无线电接入技术。

移动设备100可以包括天线102、双工器104、接收机(RX)链106、发射机(TX)链108、建模逻辑110、消除逻辑112以及参数估计逻辑114。如图1中所示，天线102可以在RX链106和TX链108之间被共享以便于执行无线接收和无线发送两者。尽管天线102被示为单个天线，但是应当理解的是天线102可以被类似地实现为包括多个天线的天线阵列。

移动设备100的前述组件和逻辑电路可以被实现为独立的硬件组件或独立的电路(例如，作为独立的集成电路)，如图1所示。然而，应当理解的是部分或全部电路可以由通用可编程处理器(例如，微处理器)来实现。因此，前述组件中的一个或多个组件的部分或全部功能可以被整合到单个硬件组件中。还应当理解的是移动设备100可以包括多个附件组件，包括硬件、处理器、存储器和其他专用或通用硬件/处理器/电路等等，以便于支持无线无线电通信的各种附加操作。移动设备100可以附加地包括核心硬件，诸如专用于执行和/或支持移动通信应用的一个或多个处理器。移动设备100还可以包括各种用户输入/输出设备，诸如显示器、小键盘、触摸屏、扬声器、外部按键等等。

双工器104可以被利用以便于通过天线102促进RX链106进行的无线接收和TX链108进行的无线发送。例如，天线102可以无线地接收一个或多个下行链路信号并将产生的下行链路信号提供至双工器104。双工器104可以将下行链路信号提供至RX链106。RX链106可以例如利用低噪声放大器(LNA)、自动增益控制器(AGC)和下变频器/模拟-数字转换器(ADC)来处理下行链路信号，并且可以输出产生的信号y(t)。

TX链108可以提供上行链路信号至双工器104，然后双工器104可以提供该上行链路信号至天线102以用于无线传输。例如，TX链可以接收意图用于上行链路传输的信号X(t)，并且在其上例如利用处理电路和功率放大器来执行传输处理和放大。然后，TX链108可以提供产生的信号至双工器104以用于由天线102进行后续的无线传输。应当理解的X(t)可以是例如奇异值或一组多个奇异值，诸如表示多个二进制位的传输符号。

因此，RX链106和TX链108二者可以共享到双工器104的公用连接以便于分别接收下行链路信号和发送上行链路信号。由于不完善的隔离，由TX链108提供的上行链路信号可能泄漏到RX链106中，从而潜在地使RX链106产生的接收信号恶化。如图1所示，RX链106可以输出信号y(t)，其中y(t)＝y₁(t)+y_DL(t)，y₁(t)是对应于X(t)的泄漏信号，并且y_DL(t)是对应于由天线102接收的期望的下行链路信号的所接收的下行链路信号。应当理解的是TX链108和RX链106之间可能存在额外的泄漏路径。

因此，作为RX链106的输出y(t)可以包含两个不同的组分y_DL(t)和y₁(t)，其中y_DL(t)对应于所接收的、包含期望的信息的下行链路信号，而y₁(t)对应于从TX链108泄漏的信号X(t)。因而，y(t)可能由于y₁(t)的存在而恶化。

泄漏y₁(t)(也被称为“自干扰”)的存在可能在接收机侧导致显著的性能退化。应当理解的是诸如y₁(t)的泄漏甚至能够在利用独立的发射频带和接收频带的频率双工系统或者在独立的时间段期间进行发射和接收的时间双工系统中导致这样的自干扰。潜在的自干扰问题同样未能通过使用专用(即，非共享的)天线得以解决，这是因为泄漏仍可以通过RX和TX链之间的各种间接耦合路径发生。

由TX链泄漏造成的自干扰可以通过估计在RX链所产生的信号处的泄漏(即，y(t)中的y₁(t))并消除该估计的泄漏来得到解决。由于泄漏源信号X(t)在移动设备100处是已知的，因此它有可能对从TX链108至RX链106的路径进行建模以便于估计来自x(t)的y₁(t)，从而获得泄漏估计参数化的线性模型可以被用于对X(t)和y₁(t)之间的关系建模。基于模型的输出，通过使用泄漏估计可以从RX链信号y(t)消除泄漏信号y₁(t)。

如图1所示，TX链输入信号X(t)可以被提供至建模逻辑110。建模逻辑110可以输出泄漏估计至消除逻辑112，然后消除逻辑112可以基于所提供的泄漏估计从RX链输入信号y(t)中消除泄漏。建模逻辑110可以通过利用参数向量W来对输入信号X(t)和泄漏信号y₁(t)之间的关系建模以确定泄漏估计参数估计逻辑114可以持续更新建模逻辑110的参数向量W的模型参数以便于实时提供准确的模型表征，从而使移动设备110能够获得泄漏信号y₁(t)的准确估计

建模逻辑110可以使用参数向量W来对X(t)和y₁(t)之间的关系进行如下建模以产生泄漏估计

${\hat{y}}_1\left(t\right)=W^{\′}\mathrm{\φ}\left(X\right(t\left)\right)---\left(1\right),$

其中W’是W的变换，并且φ(X(t))是被包含在RX链输入信号向量X(t)＝{X(t)，X(t-1)，...X(t-T₀)}中的当前和过去输入样本的函数，其中T₀是模型的记忆长度(memory length)。如前面详述的，X(t)可以表示奇异值或者可以是一组多个奇异值，诸如传输符号。

函数Ф可以是“核心化”或“映射”函数，并且可以被利用以便于补偿y₁(t)和TX链输入信号X(t)之间的非线性关系。由于任何数量的源(诸如，不同的发射频带和接收频带、诸如功率放大器之类的非线性组件以及诸如滤波器和延迟之类的多个附加的组件)，该非线性可能被引入从TX链108至RX链106的泄漏路径。因此，泄漏信号y₁(t)可以是当前和过去TX链输入信号X(t)：＝(X(t)，X(t-1)，...X(t-T₀))的非线性函数。

因此，核心化函数φ(X(t))可以被用于将原始的(即，未经映射的)输入信号X(t)，X(t-1)，...X(t-T₀)转化为对应于泄漏信号y₁(t)的线性空间。然后，基于参数向量W的估计的参数化的线性模型可以被利用以便于基于等式1从X(t)估计

因此，通过参数向量W的线性参数估计可以提供自干扰消除问题的解决方案。维持准确表征TX链输入信号X(t)和泄漏信号y₁(t)之间的关系的参数向量W，从而提供了估计泄漏估计的有效方式。由于X(t)和y₁(t)之间的关系很复杂，参数向量W可以包含上百个参数。W必须基于对TX链输入信号X(t)和RX链输入信号Y(t)的观测被不断地更新以便于维持充分全面的模型。

诸如线性均方(LMS)和递归线性平方(RLS)之类的传统方法可以被利用以便于在X(t)通过核心化函数φ(X(t))被转换到y₁(t)的线性域中之后估计参数向量W。然而，这些传统方法可能受到关于这些传统方法的收敛速度、复杂度和功率消耗要求的各种担忧。LMS提供了简单的实现(即，相对低的复杂度)，但是遭受较慢的收敛速度。相反，RLS提供了较快的收敛速度但是证明对于许多实时实现来说过于复杂。

针对RLS方法已经提出了若干简化以便于减小对实践层面的复杂度。然而，在诸如所提出的自干扰消除情形之类的动态情形中，这些简化面临着若干缺陷。提供了大规模降低复杂度的方法通常证明过于简单以致于不能避免估计和/或消除中的尖波，而较全面的方法过于复杂并且需要精确的离线参数设置。

例如，坐标下降法(CD)在上述传统方法上提供了复杂度的急剧降低。与更新W中的每一个参数不同，CD算法仅更新单个参数。尽管此方法提供了复杂度的可预测的减小，但是收敛速度可能慢得难以接受。

对传统方法所提出的另一简化是共轭梯度(CG)，其中对W的每一个参数更新是基于二次成本函数并且以基于线性系统的假设而确定的最优步长沿着优化方向下降。由于优化的更新方向性，CG可以在各种实现中提供快速收敛。然而，在许多情况下，总体复杂度将与RLS类似。

因此，移动设备100对无线信号的接收可以通过对用于估计泄漏信号y₁(t)的参数向量W的参数更新方案的实现来得到改善，其中该参数更新方案提供了高精确度、相对快的收敛速度和降低的复杂度。

给出TX链输入信号X(t)和RX链输入信号Y(t)的每一个新的观测对W的更新可能是必要的。如前面详述的，模型化来自TX链输入信号X(t)的估计的泄漏的关系可以被表示为(参见等式1)，其中φ(X(t))是将当前和过去的TX链输入信号X(t)：＝(X(t)，X(t-1)，...X(t-T₀))映射至的线性域的Nx1向量。Ф的每个元素可以是X(t)的一个或多个过去的TX链输入信号的非线性函数。因此，X(t)的每一个新的观测(即，每一个后续发送的TX链输入信号)可能需要对向量φ(X(t))的更新，这是因为φ(X(t))的一个或多个元素可能取决于最近刚被发送的TX链信号X(t)。

为了清晰起见，u(t)可以被用于表示φ(X(t))。在给定时间t处，等式1可以被表示如下：

u(t)’W＝y₁(t)

u(t-1)’W＝y₁(t-1)

…

u(1)’W＝y₁(1)

这可以使用矩阵U(t)和Y₁(t)被写成如下紧凑形式：

U(t)’W＝Y₁(t) (2)，

其中U(t)：＝(u(t)，...，u(1))并且Y₁(t)：＝(y₁(t)，...，y₁(t))’。

实现最小均方误差(MMSE)的参数向量W通常是最优解。可以示出实现MMSE的向量W还是如下等式(3)的解：

U(t)U(t)’W＝U(t)Y₁(t) (3)

然后R(t)可以被定义为R(t)：＝U(t)U(t)’＝u(t)u(t)’+u(t-1)u(t-1)’+…+u(1)u(1)’，它是核心化的输入信号向量(Ф(X(k))，k＝1，2，...t)的经验协方差矩阵，其中向量X(k)＝(X(k)，X(k-1)，...，X(k-T₀))。类似地，β(t)可以被定义为β(t)＝U(t)Y₁(t)，它是核心化的输入信号向量Ф(X(k))和观测向量Y₁之间的相关性。

然后，等式(3)可以使用R(t)和β(t)被改写为：

R(t)W＝β(t) (4).

因此，等式(4)可以针对W求解以便于获得准确地模型化Ф(X(k))和y₁(t)之间的关系的参数向量W，从而提供了用于估计泄漏的模型以便于有效地从RX链输入信号y(t)中消除泄漏。从而W可以被用于估计和消除将来的传输中的泄漏。

等式(4)中W的潜在解可以通过计算R(t)的逆矩阵来实现。然而，R(t)具有大于100x100的维度，从而它呈现出越来越复杂的逆运算。因此，上述参数估计方法(诸如LMS、RLS、CD和CG)被提出作为提供了降低复杂度的替代方法。

例如，CG可以被利用以便于计算满足等式(4)的W，其涉及基于二次成本函数和最优步长来更新W的每一个元素。然而，这种方法可能过于复杂，因为W通常将具有大于100x1的维度，并因此将需要同等数量的更新以便于完成CG估计。

如前面详述的，CD仅涉及对W的单个元素的更新。然而，一旦结果被应用，复杂度的急剧降低可能导致泄漏的估计和/或消除对尖波的增加的敏感性。

图2详述了示出用于执行对参数向量W的更新的方法200的流程图。应当理解的是尽管将涉及在自干扰消除应用中估计泄漏来描述方法200，但是本文详述的方法和实施方式可以被用于各种不同的应用中。例如，应当理解的是这类方法可以被应用至要求类似的线性估计问题的任意数量的系统。因此，方法200可以被应用为LMS、RLS、CD或CG等多种参数估计方法的替代方法。

方法200可以开始于诸如等式4中的系统。在自干扰消除中，方法200可以旨在于找出参数向量W以准确估计核心化的输入信号向量Ф(X(k))和泄漏y₁(t)之间的关系，如关于图1所详述的。因此，适于系统y₁(t)＝W′φ(X(t))的W可以通过找出解出系统R(t)W(t)＝β(t)的解W(t)来获得，其中R(t)是核心化的RX链输入信号向量Ф(X(k))的协方差矩阵，并且β(t)是核心化的TX链输入信号向量Ф(X(k))和RX链输入信号向量Y₁(t)之间的相关度。

方法200可以被实现为迭代算法，并且可以基于新的观测对参数向量W执行连续更新。例如，方法200可以在每次迭代期间接收针对X(t)和Y(t)的新的观测，并且随后可以基于每次迭代期间的新的观测在参数向量W上执行更新。

从而，方法200可以在时间t处利用过去的值R(t-1)、β(t-1)和W(t-1)(即，利用来自方法200的上一次迭代的R、β和W的值)开始执行。在202处，方法200可以获得新的观测X(t)和y(t)。例如，方法200可以观测到被调度用于经由TX链108进行传输的下一TX信号，即X(t)。然后，方法200可以更新输入信号向量X(t)以包括下一TX信号X(t)，并且随后更新核心化的输入信号向量Ф(X(k))。方法200还可以接收观测y(t)并且更新观测向量Y(t)。

因此，方法200可以在204中即通过将最新的观测x(t)(以Ф(X(k))的形式)和y(t)应用至R(t-1)和β(t-1)来更新协方差矩阵R(t)和相关向量β(t)。因此，方法200必须基于W(t-1)、R(t)和β(t)确定被适当更新的W(t)。所以，方法200可以试图获得准确的当前的W(t)以便于将W(t)应用至线性关系从而使能够生成用于自干扰消除的泄漏估计

与更新W中的每一个元素相反，方法200可以替代地选择W中的元素的子集来更新。换句话说，方法200可以标识W的多个关键元素来更新。然后方法200可以针对W的每一个关键元素确定并应用适当的更新。方法200可以在每次迭代期间确定更新向量δW并且在时间t处按照W(t)＝W(t-1)+δW更新W。更新向量δW可以仅在D个位置处为非零值，因此W的D个位置可以在方法200的每次迭代期间被更新。因此，W的总共D个关键元素可以在方法200的每次迭代期间被更新。参数D可以根据系统动态来选择，诸如D＝2，4，6等等。较大的D值可能需要增加的复杂度(这是由于要被更新的W的元素的数量增加)，但是可以提升准确度。相反，较小的D值可能降低复杂度但是同样地降低了准确度，从而使自干扰消除易受尖波影响。

因此，方法200可以旨在于标识W的D个关键元素来更新。从而，D可以是预定义的数量，其确定要被更新的W的关键元素。为了标识W的D个关键元素，204可以按照r(t)＝R(t)W(t-1)-β(t-1)确定“余数”向量r(t)。因此，余数向量r(t)可以具有Nx1的维度，对应于R(t)(NxN)、β(t)(Nx1)和W(t-1)(Nx1)的维度。

在确定了余数向量r(t)之后，206可以根据预定义的标准排列r(t)的N个项。预定义的标准可以是例如量值，并且因此r(t)的每一个元素可以根据每一个元素的绝对值进行排列。应当理解的是可以利用多种不同的排列标准来标识r(t)的最高排位的元素。

在排列r(t)的元素之后，208可以选择对应于最高排位的D个元素的r(t)的项。换句话说，在预定义的标准为量值的实施方式中208可以选择r(t)中具有最大量值的D个项。

因此，可以选择对应于r(t)中的最高排位的D个元素的W(t-1)的项进行更新，也就是说W(t-1)中对应于r(t)中的最高排位的D个元素的项可以被标识为W的关键元素。应当理解的是206和208可以作用于标识W(t-1)的关键元素，即W(t-1)中对更新有最大需求的元素。因此，W(t-1)的关键元素可以被选择用于更新以得出W(t)，而W(t-1)中不那么必要的元素可以不被更新。从而，方法200可以降低针对W的更新过程所涉及的总体复杂度，同时保证完成必要的更新。

在基于余数向量r(t)标识出W的D个关键元素之后，方法200可以进行至计算它们对应的更新。如前面所详述的，方法200可以通过计算更新向量δW，并且随后按照W(t)＝W(t-1)+δW计算W(t)来将W从W(t-1)更新为W(t)。从而，可以获得具有D个非零项的更新向量δW以与W的要被更新的D个关键元素相一致。

210因而可以基于在208中标识出的D个关键元素，从R(t)确定相应的DxD的子矩阵R_D(t)，并且从r(t)确定相应的Dx1的子向量r_D(t)。具体来说，如果在r(t)中位置(j₁，j₂，...，j_D)被选择为用以产生r_D(t)的关键，则其后R_D(t)将由R(t)中的{(a，b)，其中a和b处于(j₁，j₂，...，j_D)}项组成。

因此，210可以产生R_D(t)和r_D(t)。然后，212可以应用所确定的子矩阵R_D(t)和子向量r_D(t)以生成如下维度降低的新系统：

R_D(t)δW_D＝r_D(t) (5)，

其中δW_D是Dx1的未知向量。应当理解的是δW_D的D个元素中的每一个元素都对应于W(t)的D个关键元素中的一个元素。

然后，212可以诸如通过使用线性估计算法针对δW_D对等式5的等式系统求解。由于等式5中的元素被认为基本上是线性的，因此可以应用任何数量的线性估计方法以便于确定等式5的可行解。例如，前述CG算法可以被应用至等式5的D维系统。尽管CG可以证明对于100+维度的系统R(t)W＝β(t)来说过于复杂，但是具有被适当选择的D(诸如2、4、6等等)的等式5的系统可能同等地易于管理。当对相当小的系统应用优化时，相较于对全维度系统R(t)W＝β(t)操作的优化算法，方法200可以提供复杂度的大幅降低。应当理解的是可以类似地应用任何数量的替代优化算法，诸如各种线性估计方法中的任何方法(包括CD、RLS、LMS等等)。

在212中对等式5应用CG从而可以确定解δW_D，其中解δW_D被认为是等式5的线性系统的近似解。然后，214可以将δW_D的全部D个项映射至δW_D的对应的D个关键元素。具体来说，δW最初可以被定义为δW＝0_Nx1。然后δW的项可以按照δW(j_k)＝δW_D(k)，k＝1，...，D来构成，从而将δW_D的D个项映射至δW。因此，δW_D的其余N-D个项将被设置为零，因为根据被应用至余数向量r(t)的排位标准，这些项将不会被208选择作为W的关键项。

然后，216可以使用在214中获得的更新向量δW，按照W(t)＝W(t-1)+δW来执行对参数向量W的更新。因此，W的D个元素将在方法200的单次迭代中被更新，也就是说利用诸如CG之类的优化算法被更新，其中D个元素已经被标识为对更新有关键需求的关键项。因为CG仅被应用至D维的系统，复杂度被大幅度地降低。然而，W的关键项仍可能根据每一观测进行更新，从而在参数向量W的更新中保持高程度的准确度。

方法200然后可以应用被更新的W以便于根据等式6估计针对自干扰消除的泄漏：

${\hat{y}}_1(t+1)=\mathrm{\φ}{\left(X\right(t+1\left)\right)}^{\′}W\left(t\right)---\left(6\right),$

其中是对应于要通过TX链108发送的下一发射符号X(t+1)的泄漏估计，Ф(X(t+1))是基于新的观测X(t+1)的被更新的核心化输入信号向量，以及W(t)是如216中确定的被更新的参数向量W。

泄漏估计然后可以被利用以便于从所接收的信号X(t)中消除源自TX链108的、由TX信号X(t+1)的后续传输造成的泄漏。因此，泄漏信号y₁(t+1)可以从所接收的信号y(t)被基本消除或显著地降低，从而允许接收基本上由所期望的下行链路信号y_DL(t+1)组成的经净化的信号。

如图2所示，方法200可以被实现为迭代处理，并且可以在时间t+1，t+2，...处不断重复，以便于不断降低移动设备中的自干扰。因此，在每次迭代期间W中的D个位置可以被选择并且随后使用降低的D维系统来更新，如前所述。应当理解的是，根据206和208所执行的排位和选择，选择用于更新的W中的D个关键项将可能针对每次迭代而变化。

尽管方法200中的每次迭代可以利用复杂的优化算法(诸如，CG)来计算更新向量δW_D，但是由于所应用的系统的维度降低了，复杂度可以保持为易于管理的。因此，方法200可以被简单地集成到各种设备(诸如，常规的智能电话、平板和其他移动设备)中。

应当理解的是D可以是动态地，并且因此可以是自适应的。例如，诸如移动设备100之类的、实现上文详述的选择性优化处理的移动设备可以被配置为诸如通过基于所接收的信号y(t)定期地测量信噪比或分析误差校正来测量接收特征。然后，移动设备100可以确定接收质量较差，并且因此可以将D的值增加到较高的值以便于潜在地获得针对自干扰消除的更加准确的泄漏估计可替代地，移动设备100可以确定接收质量较高，并且因此可以降低D的值以便于进一步降低优化算法处理所涉及的处理要求。方法200因此可以被修改为根据需要包括这样的对接收质量的分析和对D的相应的更新。

图3示出通信终端300。通信终端300可以包括至少天线302、包含发射链306和接收链308的收发机304、处理电路310、核心中央处理单元(CPU)312、存储器314以及用户输入/输出316。

通信终端300可以使用天线302和收发机304来发送和接收无线信号。具体来说，收发机304的发射链306和接收链308可以利用天线302例如通过双工电路分别从通信终端300发送信号并且在通信终端300处接收信号。应当理解的是天线302可以是单个天线或者可以是由多个天线组成的天线阵列。

通信终端300可以被配置为根据多种不同无线电接入技术中的任意一种技术来执行无线通信。例如，通信终端300可以被配置为根据蜂窝通信协议(诸如，3GPP无线网络(例如，GSM、UMTS或LTE))来执行无线通信。通信终端300可以附加地或替代地被配置为根据短距离通信协议(诸如，WiFi或者蓝牙)来执行无线通信。

核心CPU 312可以被用于诸如通过支持一种或多种无线电接入技术来支持通信终端300的核心功能。因此，核心CPU 312可以被配置为根据一个或多个支持的无线电接入技术来执行协议栈。核心CPU 312可以包括音频处理电路，诸如音频编码和/或音频解码电路。核心CPU 312可以充当控制器，并且可以被配置为控制通信终端300的一个或多个附加组件。核心CPU 312可以被实现为例如微处理器或任意其他类型的可编程逻辑。在本公开的示范性方面中，处理电路310可以被合并为核心CPU 312的一部分。

如图3所示，通信终端300还可以包括存储器314。存储器314可以由例如只读存储器(ROM)和/或随机存取存储器(RAM)组成。另外，存储器314可以由若干独立实施的存储器组件组成，并且可以供通信终端300的一个或多个其他组件使用。存储器314可以附加地存储一组或多组程序代码，诸如用于控制核心CPU 312和/或处理电路310的程序代码。存储器314可以附加地被用于存储无线通信数据，诸如由接收链308接收的数据和/或意图由发射链306发送的数据。

通信终端314可以附加地包括用于与用户交互的组件，诸如用户输入/输出316。用户输入/输出316可以包括一个或多个输入和/或输出设备，诸如小键盘、物理按键、显示器、触摸敏感显示器、扬声器、麦克风、照相机等等。

通信终端300的内部组件可以经由一条或多条线路，诸如一条或多条数据总线与彼此耦合。因此，通信终端300的一个或多个内部组件可以通过互相交换数据来与彼此交互。通信终端300的内部组件内的数据交换可以由例如核心CPU 312控制。

类似于移动设备100，通信终端300可能受到从发射链306至接收链308的泄漏的影响。因此，通信终端300可以被配置为从接收链308接收的信号中减轻和/或消除发射链泄漏。

通信终端300可以因此被配置为基于意图通过发射链306传输的信号生成估计的泄漏信号。然后，通信终端300可以利用估计的泄漏信号来从接收链308接收的信号中减轻和/或消除实际的泄漏信号。

因此，通信终端300可以被提供有处理电路310，其可以与发射链306和接收链308交互以便于从接收链308接收的信号中减轻和/或消除泄漏。

发射链306可以因此被配置为发送一个或多个发射信号。接收链308可以被配置为接收一个或多个接收信号。

处理电路310可以被配置为实现对参数向量的选择性优化(诸如方法200的选择性优化处理)以估计发射链306和接收链308之间的泄漏。具体来说，处理电路310可以被配置为基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵。具体来说，处理电路310可以被配置为首先标识包括一个或多个发射信号的发射信号向量。处理电路310然后可以在发射信号向量中的一个或多个发射信号上应用核心化函数以生成核心化发射信号向量。然后，处理电路310可以计算协方差矩阵以作为核心化发射信号向量的协方差矩阵。

处理电路310还可以标识包括一个或多个接收信号的接收信号向量。处理电路310然后可以生成核心化发射信号向量和接收信号向量之间的相关向量。处理电路310还通过确定核心化发射信号向量的元素和接收信号向量的元素之间的相关度来计算相关向量。

处理电路310可以基于获得由发射链306最近发送的信号和有接收链308最近接收的信号来持续计算新的协方差矩阵和新的相关向量。换句话说，处理电路310可以基于从发射链306和接收链308中的一者或两者接收到新的观测来计算被更新的协方差矩阵和被更新的相关向量。处理电路310可以基于获得新的发射信号观测来更新核心化发射信号向量并且可以基于接收新的接收信号观测来更新接收信号向量。

为了近似于从发射链306至接收链308的泄漏，处理电路310可以确定表示发射信号向量和接收信号向量之间的关系(诸如发射信号向量和与接收信号向量相关联的目标信号组分之间关系)的参数向量。处理电路310可以确定近似于核心化发射信号向量和包含在接收信号向量中的信号泄漏之间的线性关系的参数向量。

处理电路310可以随着时间类似地对参数向量执行持续更新以反映来自发射链306和接收链308的新的观测。处理电路310可以通过基于来自发射链306和接收链308的新的观测首先更新协方差矩阵和相关向量来更新参数向量。处理电路310然后可以利用被更新的参数向量来估计发射链306和接收链308之间的泄漏，并且随后使用估计的泄漏来消除在接收链308所接收的信号中出现的实际泄漏。

为了更新参数向量来计算被更新的参数向量，处理电路310可以标识现有参数向量的多个关键元素以进行更新。为了标识多个关键元素，处理电路310可以基于现有参数向量、被更新的协方差矩阵和被更新的相关向量来计算参数余数向量。处理电路310可以利用协方差矩阵和相关向量以及现有参数向量以便于计算参数余数向量，诸如通过将参数余数向量计算为协方差矩阵、相关向量和现有参数向量的线性组合。

处理电路310然后可以利用预定义的标准以便于估计参数余数向量。处理电路310可以利用预定义的排位标准以便于对参数余数向量的元素进行排位，诸如基于量值对参数余数向量的元素进行排位。处理电路310然后可以选择多个最高排位的元素，其中多个最高排位的元素的最高排位的元素的数量是预定义的。例如，处理电路310可以选择参数余数向量的整数数量的最高排位的元素作为多个最高排位的元素。

处理电路310然后可以基于参数余数向量的多个最高排位的元素的指数来标识参数向量的多个关键元素。例如，处理电路310可以选择多个关键元素中的每一个关键元素以使得多个关键元素中的每一个的指数对应于参数余数向量的多个最高排位的元素中的一个的指数。因此，处理电路310可以标识参数向量的要被更新的多个关键元素。

处理电路310然后可以计算线性系统的解以确定针对参数向量的适当更新。线性系统可以是参数余数向量的多个最高排位的元素和协方差矩阵中的对应元素之间的线性关系。处理电路310因此可以生成降低的协方差矩阵，该降低的协方差矩阵包括协方差矩阵的相应元素。参数余数向量的多个最高排位的元素中的每一个可以对应于参数向量的多个关键元素中的一个。处理电路310可以使用线性估计方法(诸如CG、CD、RLS、LMS等等)对线性系统求解。处理电路310可以生成降低的参数更新向量以作为线性系统的解。

当线性系统具有对应于多个关键元素中的关键元素的数量的维度时，线性系统相较于核心化发射信号向量和接收信号向量之间的原始线性系统具有降低的维度。因此，线性系统可能需要少得多的处理。

处理电路310然后可以使用被确定为线性系统的解的降低的参数更新向量来更新参数向量，其中降低的参数更新向量具有比参数向量更少的元素。处理电路310可以通过将降低的参数更新向量映射至多个关键元素中的相应元素来更新参数向量。处理电路310可以例如对参数向量的多个关键元素中的相应的关键元素执行逐元素地添加降低的参数更新向量的每一个元素。处理电路310可以获得被更新的参数向量。

处理电路310然后可以应用被更新的参数向量以便于从接收链308消除信号泄漏。例如，处理电路310可以获得被调度用于由发射链308发送的下一发射信号。然后，处理电路310可以基于下一发射信号来更新核心化发射信号向量，并且其后可以例如通过对核心化发射信号向量和参数向量执行向量乘法来向被更新的核心化发射信号向量应用被更新的参数向量。

因此，处理电路310可以获得估计的泄漏信号。处理电路310然后可以由接收链308接收下一接收信号，并且可以利用估计的泄漏信号来从下一接收信号中消除实际泄漏以产生干净的接收信号。处理电路310然后可以向通信终端300的一个或多个附加组件(例如，向核心CPU 312)提供干净的接收信号以用于进一步处理。

因此，处理电路310可以有效地从接收链308接收的信号中消除泄漏。当用来近似于发射信号和接收信号之间的关系的线性估计被执行在维度降低的系统上时，处理要求可以被大幅降低。然而，对参数向量的要被更新的关键元素的适当标识可以允许处理电路310准确地估计发射链到接收链的泄漏关系，并且因此有效地减轻和/或消除信号泄漏。

应当理解的是通信终端300可以包括多于一个收发机，例如出了收发机304之外的一个或多个收发机。一个或多个收发机可以与不同的无线电接入技术相关联，并且因此通信终端300可以被配置为根据多种无线电接入技术操作。应当理解的是如上文详述的信号泄漏可能在不同的无线电接入技术之间，诸如在针对第一无线电接入技术的收发机的发射链和针对第二无线电接入技术的收发机的接收链之间发生，其中第一无线电接入技术不同于第二无线电接入技术。通信终端300可以类似地应用上文详述的方法，诸如通过选择性地更新描述了由针对第一无线电接入技术的收发机到针对第二无线电接入技术的收发机导致的信号泄漏之间的关系的参数向量，以便于减轻和/或消除任何产生的信号泄漏。

图4示出了说明方法400的流程图。方法400可以是根据本公开的方面的处理信号的方法。

方法400可以在402中基于输入信号向量和输出信号向量计算协方差矩阵和相关向量。具体来说，方法400可以通过向输入信号向量应用预定义的非线性映射函数来计算核心化输入信号向量。方法400可以计算协方差矩阵以作为核心化输入信号向量的协方差矩阵，并且可以计算相关向量以作为核心化输入信号向量和输出信号向量之间的相关向量。

方法400可以在404中基于预定义的标准标识参数向量的多个关键元素。参数向量可以表示输入信号向量和输出信号向量之间的关系。具体来说，参数向量可以表示核心化输入信号向量和输出信号向量的目标信号组分之间的线性关系。在信号泄漏应用中，参数向量可以描述核心化输入信号向量和包含在输出信号向量中的信号泄漏之间的线性关系。

方法400可以将参数余数向量计算为参数向量、协方差矩阵和相关向量的线性组合，以便于确定多个关键元素。方法400然后可以执行在参数余数向量的元素上执行逐元素的分析以根据预定义的标准标识出参数向量的相应的关键元素。

例如，预定义的标准可以是基于量值。404可以相应地标识参数余数向量中具有最大量值的、预定义数量的元素。404然后可以基于预定义数量的元素，诸如通过选择将在降低的参数余数向量中的预定义数量的元素中的每一个来生成降低的参数余数向量。

方法400然后可以在406中利用降低的参数余数向量对线性系统求解，以便于确定降低的参数更新向量，其中降低的参数更新向量具有比参数向量更少的元素。降低的参数向量还具有多个元素。方法400可以通过标识对应于参数向量的多个关键元素的协方差矩阵的元素来生成降低的协方差矩阵，其可以相应地对应于降低的参数余数向量的元素。

线性系统因此可以包括降低的参数余数向量和降低的协方差矩阵。406可以估计线性系统的解以生成降低的参数更新向量，其中降低的参数更新向量是线性系统的解。

406可以使用任何线性逼近方法以估计线性系统的解。例如，406可以利用CG、CD、LMS、RLS等等，以便于到达线性系统的解。

在406中确定了降低的参数更新向量之后，方法400可以在408中使用降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量，其中降低的参数更新向量具有比参数向量更少的元素。408可以仅更新参数向量的多个关键元素以生成被更新的参数向量，而被更新的参数向量的其余元素与参数向量保持一致。

方法400然后可以在410中使用被更新的参数向量来处理与输入信号向量相关联的一个或多个信号。一个或多个信号可以源于与输入信号向量的输入信号相同的来源。

例如，输入信号向量可以基于由收发机的发射链此前发送的一个或多个发射信号，并且输出信号向量可以基于由收发机的接收链此前接收的一个或多个接收信号。参数向量可以描述一个或多个发射信号和包含在一个或多个接收信号中的信号泄漏之间的关系，诸如基于输入信号向量和信号泄漏描述了核心化输入信号向量之间的线性关系。

参数向量因而可以被利用以便于估计从发射链到接收链的信号泄漏。方法400因此可以在410中向核心化输入信号向量应用参数向量以估计一个或多个接收信号中的信号泄漏。然后，410可以使用信号泄漏估计来执行处理以减轻或消除信号泄漏。

由于406中运算的线性系统对应于多个关键元素已经降低了维度，因此方法400能够利用更少的处理能力来获得线性系统的解。因此，与对线性系统求解以更新参数向量的每一个元素相反，方法400可以替代地仅标识参数向量的关键元素并且对被降低维度的线性系统求解以便于在这些关键元素上执行更新。应当理解的是调整参数余数向量的预定义数量的元素可以确定线性系统的维度，从而类似地影响了对线性系统求解所涉及的复杂度。

应当理解的是上文详述的选择性优化方法可以被扩展至任意数量的优化情景。例如，尽管上面的公开关注于自干扰消除方法，但是将理解的是可以通过对参数向量的选择性更新来改善任意数量的优化应用。例如，上文详述的选择性优化方法可以被应用于估计采用与等式1类似的形式的任何非线性方程系统，其中诸如Ф之类的映射函数可以被用于估计线性关系。另外，上文详述的选择性优化方法可以附加地被应用于估计线性方程系统，诸如已知参数为线性的，从而诸如Ф之类的线性映射函数可以是非必要的。因此，应当理解的是可以利用本公开的选择性优化方法来估计任何数量的等式方程的解。利用CG或CD的估计情景可能尤其相关，因为本文详述的选择性优化方法可以在CG上提供减小的复杂度，同时避免了与CD相关联的棘手的尖波。因此，选择性优化可以被应用以提供理想的收敛时间并伴随稳健的估计结果。

下面的示例属于本公开的进一步的方面：

示例1是一种处理信号的方法。该方法包括：基于输入信号向量和输出信号向量计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量表示输入信号向量和输出信号向量之间的关系；计算线性系统的解以生成具有多个元素的、被降低的参数更新向量，其中线性系统是基于参数向量的多个关键元素、协方差矩阵和相关向量；使用被降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量，其中被降低的参数更新向量具有比参数向量更少的元素；以及使用被更新的参数向量处理与输入信号向量相关联的一个或多个信号。

在示例2中，示例1的主题可选择地包括，其中基于预定义的标准标识参数向量的多个关键元素包括：将参数向量的预定义数量的元素选择作为多个关键元素。

在示例3中，示例2的主题可选择地包括，其中使用被降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量包括：仅更新参数向量的多个关键元素。

在示例4中，示例1至3中任意一项的主题可选择地还包括：利用收发机的发射链，发送一个或多个发射信号；以及利用收发机的接收链，接收一个或多个接收信号，其中输入信号向量是基于一个或多个发射信号，并且输出信号向量是基于一个或多个接收信号。

在示例5中，示例4的主题可选择地包括，其中使用被更新的参数向量来处理与输入信号向量相关联的一个或多个信号包括：向意图被收发机的发射链发送的新的输入信号应用被更新的参数向量以生成估计的泄漏信号，其中估计的泄漏近似于从收发机的发射链到接收链的信号泄漏；以及利用估计的泄漏信号来从收发机的接收链接收的接收信号中消除实际泄漏信号。

在示例6中，示例5的主题可选择地包括，其中向意图被收发机的发射链发送的新的输入信号应用被更新的参数向量以生成估计的泄漏信号包括：基于新的输入信号更新输入信号向量以生成被更新的输入信号向量；向被更新的输入信号向量应用映射函数以生成核心化的输入信号向量，其中参数向量描述了核心化输入信号向量和信号泄漏之间的线性关系；以及向核心化输入信号向量应用被更新的参数向量以生成估计的泄漏信号。

在示例7中，示例1至6中任意一项的主题可选择地包括，其中基于预定义的标准标识参数向量的多个关键元素包括：基于参数向量、协方差矩阵和相关向量生成参数余数向量；向参数余数向量应用预定义的标准以标识参数余数向量中的多个最高排位的元素；以及将分别对应于参数余数向量的多个最高排位的元素中的相应元素的参数向量的元素选择作为参数向量的多个关键元素。

在示例8中，示例1至7中任意一项的主题可选择地还包括：向输入信号向量应用预定义的映射函数以生成核心化输入信号向量。

在示例9中，示例8的主题可选择地包括，其中向输入信号向量应用预定义的映射函数以生成核心化输入信号向量包括向输入信号向量应用非线性的预定义的映射函数，其中参数向量描述了核心化输入信号向量和与输出信号向量相关联的目标信号组分之间的线性关系。

在示例10中，示例9的主题可选择地还包括：利用收发机的发射链发送一个或多个发射信号，并且利用收发机的接收链接收一个或多个接收信号，其中输入信号向量是基于由收发机的发射链发此前发送的一个或多个发射信号，并且输出信号向量是基于由收发机的接收链此前接收的一个或多个接收信号。

在示例11中，示例10的主题可选择地包括，其中参数向量表示核心化输入信号向量和包含在一个或多个接收信号中的信号泄漏之间的线性关系。

在示例12中，示例8的主题可选择地包括，其中协方差矩阵是核心化输入信号向量的协方差矩阵，并且相关向量是核心化输入信号向量和输出信号向量之间的相关向量。

在示例13中，示例1至12中任意一项的主题可选择地包括，其中基于预定义的标准标识参数向量的多个关键元素包括：通过在参数向量、协方差矩阵和相关向量上执行线性运算以生成参数余数向量，根据预定义的标准选择参数余数向量中的预定义数量的最高排位的元素，以及选择分别对应于预定义数量的最高排位的元素中的相应的最高排位的元素的选择参数向量的元素以作为参数向量的多个关键元素。

在示例14中，示例13的主题可选择地包括，其中根据预定义的标准选择参数余数向量的预定义数量的最高排位的元素包括：选择参数余数向量的预定义数量的最高排位的元素，其中该预定义数量比参数向量中的元素数量少。

在示例15中，示例13的主题可选择地包括：预定义的标准是基于量值，并且其中根据预定义的标准选择预定义数量的最高排位的元素包括：选择参数余数向量中的具有最大量值的预定义数量的元素作为预定义数量的最高排位的元素。

在示例16中，示例13的主题可选择地还包括：选择参数余数向量的预定义数量的最高排位的元素以生成降低的参数余数向量，其中降低的参数余数向量仅包含参数余数向量的预定义数量的最高排位的元素。

在示例17中，示例16的主题可选择地还包括：选择对应于参数向量的多个关键元素的协方差矩阵的元素以生成降低的协方差矩阵。

在示例18中，示例17的主题可选择地包括，其中计算线性系统的解以生成具有多个关键元素的降低的参数更新向量包括：计算包括降低的参数余数向量和降低的协方差矩阵的线性系统的解。

在示例19中，示例18的主题可选择地包括，其中线性系统描述了降低的参数余数向量和与降低的协方差矩阵之间的线性关系，并且其中计算线性系统的解以生成降低的参数更新向量包括：执行线性逼近来获得降低的参数更新向量以作为线性系统的解。

在示例20中，示例19的主题可选择地包括，其中执行线性逼近来获得降低的参数更新向量以作为线性系统的解包括：在线性系统上执行共轭梯度估计。

在示例21中，示例19的主题可选择地包括，其中使用降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量包括：使用降低的参数更新向量来仅更新参数向量的多个关键元素以生成被更新的参数向量。

在示例22中，示例1至21中任意一项的主题可选择地包括，其中使用降低的参数更新向量来更新参数向量的多个关键元素以生成被更新的参数向量包括：使用降低的参数更新向量来仅更新参数向量的多个关键元素以生成被更新的参数向量。

在示例23中，示例1至22中任意一项的主题可选择地包括，其中基于预定义的标准标识参数向量的多个关键元素包括：基于参数向量、协方差矩阵和相关向量生成参数余数向量，向参数余数向量应用预定义的标准以标识参数余数向量的多个最高排位的元素，以及选择分别对应于参数余数向量的多个最高排位的元素中的相应元素的参数向量的元素以作为参数向量的多个关键元素。

在示例24中，示例23的主题可选择地包括，其中选择分别对应于参数余数向量的多个最高排位的元素中的相应元素的参数向量的元素以作为参数向量的多个关键元素包括：选择多个关键元素，其中参数向量的多个关键元素分别具有对应于参数余数向量的多个最高配位的元素中的相应最高排位的元素的向量指数的向量指数。

在示例25中，示例23的主题可选择地包括，其中预定义的标准是基于量值，并且其中向参数余数向量应用预定义的标准以标识参数余数向量的多个最高排位的元素包括：选择参数余数向量的具有最高量值的预定义数量的元素作为参数余数向量的多个最高排位的元素。

在示例26中，示例23的主题可选择地包括，其中线性系统描述了降低的参数余数向量和对应于降低的参数余数向量的元素的协方差矩阵的多个元素之间的线性关系，并且其中计算线性系统的解以生成具有比参数向量更少的元素的降低的参数更新向量包括：应用共轭梯度估计来获得降低的参数更新向量以作为线性系统的解。

在示例27中，示例1的主题可选择地还包括：通过向输入信号向量的一个或多个元素应用预定义的映射函数以生成核心化输入信号向量，其中参数向量描述了核心化输入信号向量和输出信号向量的目标信号组分之间的本质上的线性关系。

在示例28中，示例27的主题可选择地还包括，其中基于输入信号向量和输出信号向量来计算协方差矩阵和相关向量包括：计算协方差矩阵以作为核心化输入信号向量的协方差矩阵，并且计算相关向量以作为核心化输入信号向量和输出信号向量之间的相关向量。

在示例29中，示例1的主题可选择地包括，其中使用被更新的参数向量处理与输入信号向量相关联的一个或多个信号包括：基于输入信号向量生成经映射的输入信号向量，其中被更新的参数向量描述了经映射的输入信号向量和与输入信号向量相关联的目标信号组分之间的线性关系，并且向映射的输入信号向量应用被更新的参数向量以便于估计与输出信号向量相关联的目标信号组分。

在示例30中，示例29的主题可选择地包括，其中输入信号向量是基于由收发机的发射链此前发送的一个或多个发射信号，并且输出信号向量是基于由收发机的接收链此前接收的一个或多个接收信号，并且其中被更新的参数向量描述了经映射的输入信号向量和包含在一个或多个接收信号中的信号泄漏组分之间的线性关系。

示例31是一种收发机设备。该收发机设备包括：被配置为发送一个或多个发射信号的发射链；被配置为接收一个或多个接收信号的接收链；以及处理器，被配置为：基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量表示一个或多个发射信号和一个或多个接收信号之间的关系；计算线性系统的解以生成具有多个元素的、降低的参数更新向量，其中线性系统是基于多个关键元素、协方差矩阵和相关向量；使用降低的参数更新向量来更新参数向量以生成被更新的参数向量，其中降低的参数更新向量具有比参数向量更少的元素；以及使用更新的参数向量来处理一个或多个发射信号中的至少一个信号。

在示例32中，示例31的主题可选择地包括，其中处理器被配置为通过从参数向量选择多个元素作为多个关键元素来标识参数向量的多个关键元素，其中多个关键元素的数量少于参数向量的元素的数量，并且其中处理器被配置为使用降低的参数更新向量来更新参数向量以通过仅更新参数向量的多个关键元素来生成被更新的参数向量。

在示例33中，示例31的主题可选择地包括，其中参数向量的多个关键参数中的每一个关键参数对应于降低的参数更新向量的相应元素，并且其中处理器被配置为通过以下操作更新参数向量：使用降低的参数更新向量来仅更新参数向量的多个关键元素以生成被更新的参数向量。

在示例34中，示例33的主题可选择地包括，其中处理器被配置为通过以下各项操作基于预定义的标准标识参数向量的多个关键元素：基于参数向量、协方差矩阵和相关向量生成参数余数向量；根据预定义的排位标准，标识参数余数向量中的具有最高量值的预定义数量的元素；以及将对应于参数余数向量的预定义数量的元素的参数向量的元素选择作为参数向量的多个关键元素。

在示例35中，示例34的主题可选择地包括，其中处理器被配置为：选择参数余数向量的预定义数量的元素以生成降低的参数余数向量，其中降低的参数余数向量由参数余数向量的预定义数量的元素组成。

在示例36中，示例35的主题可选择地包括，其中处理器被配置为选择对应于参数向量的多个关键元素的协方差矩阵的元素以生成降低的协方差矩阵。

在示例37中，示例36的主题可选择地包括，其中线性系统包括降低的参数余数向量和降低的协方差矩阵，并且其中线性系统表示降低的参数余数向量和降低的协方差矩阵之间的线性关系，并且其中处理器被配置为通过以下操作计算线性系统的解以生成降低的参数更新向量：执行线性逼近以获得降低的参数更新向量来作为线性系统的解。

在示例38中，示例37的主题可选择地包括，其中处理器被配置为：通过在线性系统上执行共轭梯度估计来执行线性逼近，以获得降低的参数更新向量来作为线性系统的解。

在示例39中，示例37的主题可选择地包括，其中处理器被配置为通过以下操作使用降低的参数更新向量来更新参数向量以生成被更新的参数向量：使用降低的参数更新向量来仅更新参数向量的多个关键元素以生成被更新的参数向量。

在示例40中，示例34的主题可选择地包括，其中处理器被配置为生成参数余数向量作为参数向量、协方差矩阵和相关向量的线性组合。

在示例41中，示例31至40中任何一项的主题可选择地包括，其中处理器被配置为基于预定义的标准通过以下操作来标识参数向量的多个关键元素：通过标识参数向量的预定义数量的元素以作为参数向量的多个关键元素。

在示例42中，示例31至41中任何一项的主题可选择地包括，其中被更新的参数向量估计发射链和接收链之间的信号泄漏，并且其中处理器被配置为使用被更新的参数向量通过以下各项操作来处理一个或多个发射信号中的至少一个发射信号：向包括一个或多个发射信号的输入信号向量应用被更新的参数向量以生成估计的泄漏信号；以及向一个或多个接收信号中的至少一个接收信号应用估计的泄漏信号以便于减轻一个或多个接收信号中的至少一个接收信号中的信号泄漏。

在示例43中，示例31至42中任何一项的主题可选择地包括，其中处理器被配置为通过以下操作来计算线性系统的解以生成降低的参数更新向量：向线性系统应用共轭梯度估计以获得降低的参数更新向量来作为线性系统的解。

在示例44中，示例31至43中任何一项的主题可选择地包括，其中处理器还被配置为：通过向一个或多个发射信号中的至少一个发射信号应用预定义的映射函数来生成核心化输入信号向量，其中参数向量表示核心化输入信号向量和包含在一个或多个接收信号中的信号泄漏之间的线性关系。

在示例45中，示例44的主题可选择地包括，其中处理器被配置为：通过向一个或多个发射信号中的至少一个发射信号应用非线性的预定义的映射函数来生成核心化输入信号向量。

在示例46中，示例44的主题可选择地包括，其中处理器被配置为：基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵和相关向量通过以下操作来计算协方差矩阵和相关向量：计算协方差矩阵以作为核心化输入信号向量的协方差矩阵，计算相关向量以作为核心化输入信号向量和包括一个或多个接收信号中的至少一个接收信号的输出信号向量之间的相关向量。

示例47是一种收发机设备。该收发机设备包括：被配置为发送一个或多个发射信号的发射链；被配置为接收一个或多个接收信号的接收链；以及处理器，被配置为：基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵和相关向量；基于预定义的标准标识参数向量的多个关键元素，其中参数向量描述了一个或多个发射信号和一个或多个接收信号之间的关系；使用共轭梯度估计来计算线性系统的解以生成具有多个元素的、降低的参数更新向量，其中线性系统是基于多个关键元素、协方差矩阵和相关向量；使用降低的参数更新向量来更新参数向量以生成被更新的参数向量，其中降低的参数更新向量具有比参数向量更少的元素；以及通过向一个或多个发射信号应用被更新的参数向量生成估计的泄漏信号；以及利用估计的泄漏信号来消除接收信号中的至少一个接收信号中的泄漏信号。

在示例48中，示例47的主题可选择地包括，其中处理器被配置为基于预定义的标准通过以下操作标识参数向量的多个关键元素：通过选择参数向量的多个关键中的预定义数量的关键元素。

在示例49中，示例47的主题可选择地包括，其中处理器被配置为通过以下操作使用降低的参数更新向量来更新参数向量以生成被更新的参数向量：仅更新参数向量的多个关键元素。

在示例50中，示例47的主题可选择地包括，其中处理器被配置为通过使用降低的参数更新向量来仅更新参数向量的多个关键元素来更新参数向量以生成被更新的参数向量。

在示例51中，示例47至50中任何一项的主题可选择地包括，其中处理器被配置为通过以下各项操作来生成估计的泄漏信号：使用一个或多个发射信号中的新的发射信号计算经映射的输入信号向量，其中参数向量描述了经映射的输入信号向量和从发射链至接收链的信号泄漏之间的本质上的线性关系；以及向经映射的输入信号向量应用被更新的参数向量以生成估计的泄漏信号。

在示例52中，示例47至51中任何一项的主题可选择地包括，其中处理器被配置为通过以下各项操作来标识参数向量的多个关键元素：基于参数向量、协方差矩阵和相关向量生成参数余数向量；向参数余数向量应用预定义的标准以标识参数余数向量中的多个最高排位的元素；以及将参数向量的多个关键元素选择作为对应于参数余数向量的多个最高排位的元素的参数向量的元素。

在示例53中，示例52的主题可选择地包括，其中预定义的标准是基于量值，并且其中处理器被配置为通过以下操作来向参数余数向量应用预定义的标准以标识参数余数向量的多个最高排位的元素：选择参数余数向量中的具有最高量值的预定义数量的元素作为参数余数向量的多个最高排位的元素。

在示例54中，示例47的主题可选择地包括，其中处理器还被配置为向一个或多个发射信号应用预定义的映射函数以生成核心化发射信号向量，其中参数向量描述了一个或多个发射信号和包含在一个或多个接收信号中的信号泄漏之间的线性关系。

在示例55中，示例54的主题可选择地包括，其中处理器被配置为通过向一个或多个发射信号应用非线性的预定义的映射函数来向一个或多个发射信号应用预定义的映射函数以生成核心化发射信号向量。

在示例56中，示例54的主题可选择地包括，其中处理器被配置为通过以下操作来基于一个或多个发射信号和一个或多个接收信号计算协方差矩阵和相关向量：计算协方差矩阵以作为核心化发射信号向量的协方差矩阵，并且计算相关向量以作为核心化发射信号向量和包括一个或多个接收信号中的至少一个接收信号的接收信号向量之间的相关向量。

在示例57中，示例47至56中任何一项的主题可选择地包括，其中处理器被配置为基于预定义的标准通过以下操作来标识参数向量的多个关键元素：选择参数向量的预定义数量的元素作为参数向量的多个关键元素。

在示例58中，示例47的主题可选择地包括，其中处理器被配置为基于预定义的标准通过以下各项操作来标识参数向量的多个关键元素：通过在参数向量、协方差矩阵和相关向量上执行线性运算来生成参数余数向量，根据预定义的标准标识参数向量中具有最大量值的预定义数量的元素，并且标识分别对应于参数余数向量的预定义数量的元素中的相应元素的参数向量的元素作为参数向量的多个关键元素。

在示例59中，示例47的主题可选择地包括，其中处理器还被配置为选择参数余数向量的预定义数量的元素以生成降低的参数余数向量，并且选择对应于参数向量的多个关键元素的协方差矩阵的多个元素以生成降低的协方差矩阵，其中线性系统包括降低的参数余数向量和降低的协方差矩阵。

在示例60中，示例59的主题可选择地包括，其中线性系统描述了降低的参数余数向量和降低的协方差矩阵之间的线性关系，并且其中处理器被配置为使用共轭梯度估计通过以下操作来计算线性系统的解以生成降低的参数更新向量：在线性系统上执行共轭梯度估计来获得降低的参数更新向量以作为线性系统的解。

在示例61中，示例59的主题可选择地包括，其中处理器被配置为通过以下操作生成降低的参数余数向量：通过选择参数余数向量的预定义数量的元素以作为降低的参数余数向量。

在示例62中，示例47至61中任何一项的主题可选择地包括，其中处理器被配置为通过以下操作向一个或多个发射信号应用被更新的参数向量以生成估计的泄漏信号：基于一个或多个发射信号通过向发射信号向量应用被更新的参数向量以生成估计的泄漏信号。

在示例63中，示例62的主题可选择地包括，其中处理器被配置为通过向一个或多个发射信号应用预定义的映射函数以生成发射信号向量，其中参数向量描述了发射信号向量和泄漏信号之间的本质上的线性关系。

在示例64中，示例47的主题可选择地包括，其中处理器被配置为通过以下操作利用估计的泄漏信号来消除接收信号中的至少一个接收信号中的泄漏信号：利用估计的泄漏信号来消除接收信号中的至少一个接收信号中的、由发射链产生的泄漏信号。

尽管已经参考具体的实施例详细示出和描述了本发明，但是本领域的技术人员应当理解的是在不背离由所附权利要求限定的本发明的精神和范围的情况下可以对此做出各种形式和细节上的改变。因此，本发明的范围由所附权利要求指定，并且意图涵盖落入到权利要求的等同含义和范畴内的所有改变。