5.4 改良:逆週期權重預處理(Period-Estimation Weighting, Ver3)

目的:在 Rx_freq(FFT+shift 後的 RX 頻域矩陣)計入「分段權重」以抑制低頻段(受直達路徑/硬體失真影響)並補償高頻段,使之在進入能量估計與暴力搜尋前恢復近似完整的餘弦週期。

5.4.1 獨立詳細流程架構(依據程式 dynamic_lowfreq_atten44)

輸入

暫態能量初估

  1. H_est0 = Rx_freq ./ data_subcarriers
  2. 取資料載波列:H_est0(data)
  3. $\bar H_0[k]=\frac{1}{N_{\rm sym}}\sum_m H\_{est0}[k,m]$
  4. $x_0[k]=|\bar H_0[k]|^2,\;x_0 \gets x_0/\text{mean}(x_0)-1$

平滑與峰/谷偵測

分段與基準

權重計算

頻域加權

$\widetilde{Y}[k,m] = \begin{cases} w[k]\cdot Y[k,m], & k\in \text{data\_indices}\\ Y[k,m], & \text{else} \end{cases}$

輸出 加權後Rx_freq → 進入 CFR 與能量估計/暴力搜尋

這裡貼上流程圖(Fig.:PEM-Weighting 詳細方塊圖)。

5.4.2 逆週期權重預處理的數學式(從 CFR 之後至暴力搜尋)

(a) 暫態能量初估
對加權前的 暫態 CFR 做能量估計,取得形狀參考 $x_0[k]$: \[ \bar H_0[k]=\frac{1}{N_{\rm sym}}\sum_{m=1}^{N_{\rm sym}}\frac{Y[k,m]}{X[k,m]},\quad x_0[k]=\frac{|\bar H_0[k]|^2}{\frac{1}{M}\sum_{u\in\mathcal K_{\rm data}}|\bar H_0[u]|^2}-1 \] 平滑:$s[k]=\mathrm{SG}(x_0[k])$;峰/谷集合 $\mathcal P,\mathcal T$;資料載波數 $M=|\mathcal K_{\rm data}|$。
(b) 分段與基準峰
由谷點 $t_1<\cdotsdont_care),可設定 $w_1=\alpha$(實作 $\alpha\!\approx\!0.3$)。
(c) 段權重函數
以中心段峰 $b^\star$ 為基準,對各段峰值 $p_i$ 設計權重 $w_i$。用一般化表示涵蓋程式邏輯(含上限/開根號緩和): \[ r_i=\frac{b^\star}{\max(\varepsilon,\,|p_i|)},\qquad \tilde w_i= \begin{cases} r_i+\delta, & p_i>0\ \text{且}\ |\,|p_i|-b^\star|>\gamma\\[2pt] 1, & |\,|p_i|-b^\star|\le \gamma\\[2pt] \phi(r_i), & p_i<0 \end{cases} \] \[ w_i= \begin{cases} \alpha, & i=1\ \text{且}\ dont\_care=1\\ \sqrt{\tilde w_i}, & \tilde w_i>1.2\\ \sqrt{0.5\,\tilde w_i}, & \tilde w_i>2\\ \tilde w_i, & \text{otherwise} \end{cases} \] 其中 $\delta\!\approx\!0.3,\ \gamma\!\approx\!0.3$ 為調整閾值,$\phi(\cdot)$ 為對負峰值的提升映射(程式採用平移與開根號壓縮實作),$\varepsilon\!>\!0$ 防除零。
(d) 頻域遮罩與加權
將段權重展成子載波權重遮罩 \[ w[k]=w_i,\quad k\in[b_i,\,b_{i+1}-1],\ i=1,\dots,S \] 並僅作用於資料載波列: \[ \widetilde{Y}[k,m]= \begin{cases} w[k]\cdot Y[k,m], & k\in\mathcal K_{\rm data}\\ Y[k,m], & \text{otherwise} \end{cases} \]
(e) CFR 與能量序列(加權後)
以加權後頻譜 $\widetilde{Y}$ 重新估計 CFR 與能量: \[ \hat H[k,m]=\frac{\widetilde{Y}[k,m]}{X[k,m]},\quad \bar H[k]=\frac{1}{N_{\rm sym}}\sum_m \hat H[k,m],\quad E_H[k]=|\bar H[k]|^2 \] \[ \tilde E_H=\frac{1}{M}\sum_{k\in\mathcal K_{\rm data}}E_H[k],\quad \bar E_H[k]=\frac{E_H[k]}{\tilde E_H},\quad x_m[k]=\bar E_H[k]-1 \] (此 $x_m[k]$ 即作為後續匹配之觀測序列)
(f) 三維暴力搜尋(距離估計)
估計模型 $\hat x[m]=A+B\cos(C+Dm)$,以最小平方殘差求 $\{A,C,\rho\}$: \[ \{A^\*,C^\*,\rho^\*\}=\arg\min_{A,C,\rho}\sum_{m}(A+B\cos(C+Dm)-x_m[m])^2 \] 其中 \[ D=\frac{4\pi f_s}{c_0 N}\,\rho\cdot\underbrace{\text{period\_compress}}\_{\displaystyle =\,1\ \text{或}\ \frac{BW}{N}\frac{N_{\rm data}}{f_s}} \] (當採用「載波數對齊 PH 係數」時,period_compress 取 $\frac{BW}{N}\frac{N_{\rm data}}{f_s}$;否則取 1)

這裡貼上:權重前/後的 $x_m$ 曲線疊圖、段界線與段權重標註、與最終擬合 $\hat x[m]$ 之比較圖。