CN112425127A - 分布式无线电系统 - Google Patents
分布式无线电系统 Download PDFInfo
- Publication number
- CN112425127A CN112425127A CN201980040903.3A CN201980040903A CN112425127A CN 112425127 A CN112425127 A CN 112425127A CN 201980040903 A CN201980040903 A CN 201980040903A CN 112425127 A CN112425127 A CN 112425127A
- Authority
- CN
- China
- Prior art keywords
- matrix
- updated
- data
- basic
- spreading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 255
- 239000013598 vector Substances 0.000 claims abstract description 99
- 230000007480 spreading Effects 0.000 claims abstract description 95
- 238000003892 spreading Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000004891 communication Methods 0.000 claims abstract description 50
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 75
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 36
- 230000005540 biological transmission Effects 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 5
- 230000002441 reversible effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 18
- 239000000872 buffer Substances 0.000 description 15
- 238000007792 addition Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000003139 buffering effect Effects 0.000 description 4
- 229940050561 matrix product Drugs 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007493 shaping process Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000013001 matrix buffer Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 102000003800 Selectins Human genes 0.000 description 1
- 108090000184 Selectins Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007334 memory performance Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- AAEVYOVXGOFMJO-UHFFFAOYSA-N prometryn Chemical compound CSC1=NC(NC(C)C)=NC(NC(C)C)=N1 AAEVYOVXGOFMJO-UHFFFAOYSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2602—Signal structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/022—Site diversity; Macro-diversity
- H04B7/024—Co-operative use of antennas of several sites, e.g. in co-ordinated multipoint or co-operative multiple-input multiple-output [MIMO] systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2626—Arrangements specific to the transmitter only
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Transmission System (AREA)
Abstract
提供了用于合成无线通信信号的系统、方法和装置。生成基本扩展矩阵,其中,该基本扩展矩阵的每一行的值之和产生基本信号向量。更新该基本扩展矩阵的至少一列中的值以生成更新的扩展矩阵。将该更新的扩展矩阵的每一行的值相加以产生更新的信号向量。该更新的信号向量通过无线信道传输。
Description
相关申请的交叉引用
本申请要求在2018年6月17日提交的美国专利申请序列号为62/686,083的优先权。
技术领域
本申请的各方面大体涉及通信网络,更具体地,涉及计算有效的信号合成和信号分析。
背景技术
无线通信系统(例如,无线网络)提供各种电信服务,例如电话、视频、数据、消息收发和广播。无线通信系统可以使用能够通过共享可用系统资源(例如,时间、频率、功率)来支持与多个用户进行通信的多址技术。这种多址技术的示例包括码分多址(CDMA)、时分多址(TDMA)、频分多址(FDMA)、正交频分多址(OFDMA)、单载波频分多址(SC-FDMA)和离散傅里叶变换扩展正交频分复用(DFT-s-OFDM)。应当理解的是,SC-FDM和DFT-s-OFDM是本质上类似的技术(称为载波干涉法(Carrier Interferometry,CI))的两个名称。但是,DFT-s-OFDM是3GPP规范中使用的术语。
这些多址技术已被多种电信和无线网络标准所采用。例如,正在开发的第五代(5G)(也称为新无线电(NR))无线接入考虑了三个广泛的用例族:增强型移动宽带(Enhanced Mobile Broadband,eMBB),大规模机器类通信(Massive Machine-TypeCommunications,mMTC)和低延迟高可靠通信(Ultra-Reliable Low-LatencyCommunications,URLLC)。超5G是指对下一代无线通信(例如5G-Advanced,5G-Extreme,6G)的愿景,它们将实现高带宽、低延迟、大容量和大规模连接的突破。
发明内容
以下是一个或多个方面的简化概述,以便提供对这些方面的基本理解。该概述不是对所有预期方面的广泛概述,其既不旨在标识所有方面的关键或重要要素,也不旨在描绘任何或所有方面的范围。其唯一目的是以简化的形式呈现一个或多个方面的一些概念,作为随后更详细描述的序言。
为实现5G和超5G,正在开发新的网络技术,首先是大规模多输入多输出(Multiple-Input Multiple Output,MIMO)、协作MIMO、毫米波通信、非正交多址接入(Non-Orthogonal Multiple Access,NOMA)和经由邻近服务(Proximity Services,ProSe)的设备到设备(D2D)。5G可能演变为包括移动中继和机载中继。许多基础设施功能可以被推送到网络边缘,以减少延迟、扩展覆盖范围、增强通用性并利用大量用户设备的计算资源。例如软件定义的网络和雾计算(Fog Computing)之类的新范例正在出现。例如深度学习神经网络之类的人工智能(AI)可以开发用于许多网络功能,并且可以得到大量的云雾资源,从而催生新的行业。协作式AI可以被开发用于态势感知(situational awareness)、安全、威胁减轻、导航、金融服务、环境监控。
网络设备通常执行线性代数计算。矩阵乘积是线性代数计算应用中的核心运算。对于基本算法,它们的计算复杂度为O(n3)(对于n×n矩阵)。对于渐近最快的算法,复杂度为O(n2.373)。这种非线性复杂性意味着矩阵乘积通常是许多算法的关键部分。使网络设备中的处理器能够更有效地计算矩阵乘积的技术可用于本公开中提及的网络、应用程序和用例族中的一个或多个,因为降低延迟,提高功率效率,提高计算效率,和/或其组合是期望的。
本公开的各方面可以被配置为与本文提到的多址技术、网络技术、用例族以及电信和无线网络标准中的任何一种一起运作。AI技术可以与所公开的各方面集成,例如与在网络设备的调制解调器中的信号编码/解码集成。所公开的各方面可以在以下网络中出现:移动自组织网络(Mobile Ad Hoc Network,MANET)、对等网络、车载自组织网络(VehicularAd Hoc Network,VANET)、智能电话自组织网络(Smart Phone Ad Hoc Network,SPAN)、云中继网络、飞行自组织网络(Flying Ad Hoc Network,FANET)、分布式天线系统(Distributed Antenna System,DAS)、无线传感器网络(Wireless Sensor Network,WSN)、无线个人局域网(Wireless Personal Area Network,WPAN)、无线异构网络(WirelessHeterogeneous Network,HetNet)、互联网区域网络(Internet Area Network,IAN),近我区域网(Near-Me Area Network,NAN)或其任意组合。
网络设备可以包括一个或多个基站、一个或多个用户设备(UE)、一个或多个中继站和/或各种类型的接入终端。网络设备可以包括虚拟机、虚拟天线阵列、分布式软件定义无线电、虚拟无线电收发器、雾、云或其组合。
在一些示例中,基站可以包括或被本领域技术人员称为基地收发站、无线电基站、接入点、接入节点、无线电收发器、NodeB、eNodeB(eNB)、gNodeB(gNB)、家庭NodeB、家庭eNodeB、家庭gNodeB、中继或其他一些合适的术语。UE可以包括或被本领域技术人员称为移动站、用户站、移动单元、用户单元、无线单元、远程单元、移动设备、无线设备、无线通信设备、远程设备、移动用户站、接入终端、移动终端、无线终端、远程终端、手机、用户代理、移动客户端、客户端、调制解调器或其他一些合适的术语。UE可以包括或称为物联网(Internet-of-Thing,IoT)设备、车联网(Internet of Vehicles,IoV)设备、机器对机器(Machine-to-Machine,M2M)设备或无线传感器网络中的传感器或数据聚集点(Data AggregationPoint,DAP)。
在本公开的一方面,一种无线通信的方法可以包括合成通信信号并通过无线信道发送所述通信信号。所述合成可以包括:生成具有多个行和多个列的基本扩展矩阵,其中,每行中的值之和产生基本信号向量;更新所述基本扩展矩阵的至少一列中的值以产生更新的扩展矩阵;对所述更新的扩展矩阵的每一行的值求和以产生更新的信号向量。所述更新的信号向量可以是在无线通信网络中通过所述无线信道发送的通信信号。所述无线通信的方法可以与文中所公开的任何方面结合执行。
在本公开的一方面,网络设备包括存储器和与所述存储器通信的至少一个处理器。所述至少一个处理器可以被配置为执行上述无线通信的方法。所述至少一个处理器可以被配置为结合文中所公开的任何方面来执行上述无线通信的方法。
在本公开的一方面,计算机可读介质存储可由处理器执行的用于使计算机实现上述无线通信方法的计算机代码。所述代码可以被配置为结合文中所公开的任何方面执行上述无线通信的方法。所述计算机可读介质和所述代码可以被称为计算机程序产品。
在本公开的一方面,网络设备(例如,无线通信设备)可以包括用于合成通信信号的装置和通过无线信道发送所述通信信号的装置。用于合成的装置可以包括:生成具有多个行和多个列的基本扩展矩阵的装置,其中,每行中的值之和产生基本信号向量;更新所述基本扩展矩阵的至少一列中的值以生成更新的扩展矩阵的装置;对所述更新的扩展矩阵的每一行中的值求和以产生更新的信号向量的装置。所述更新的信号向量可以是通过所述无线信道发送的通信信号。所述无线通信设备可以进一步被配置为执行本文所公开的任何方面。
作为示例而非限定,用于生成扩展矩阵的装置可以包括:物理数据存储介质,例如(但不限于)随机存取存储器、硬盘驱动器、虚拟存储器等;并且可以包括例如数据缓冲器,以及用于组织和/或操作数据缓冲器中的数据并且可选地提供用于管理I/O操作的数据处理器。用于生成扩展矩阵的装置可以提供为实现或方便本文所公开的计算处理所设计的数据输出格式和/或存储器访问方案。虽然对基本扩展矩阵的每一行中的元素求和可以产生基本信号向量,该求和描述了基本扩展矩阵的特征,但不是生成基本扩展矩阵的必需步骤。
作为示例但不限于,用于更新的装置可以包括电路、处理器或与通用处理器结合的计算机程序代码(作为软件和/或固件存储在存储器中),该通用处理器被配置为对扩展矩阵的数据值执行乘法和/或算术更新运算。在一些方面,更新可以被配置为对所述数据执行位运算。更新运算可以用于移位、交换或以其他方式重新排列存储器中的数据值。
文中所公开的方面可以包括独立数据更新时间表,相关数据更新时间表及其组合。在一些方面,独立数据更新时间表中的待更新的参数是随机选择的。这方面可以采用随机部分更新算法。在一个示例中,待更新的参数被划分为总参数集的多个子集,然后在每次迭代中随机选择要更新的子集。在一些方面,在每次迭代中提供待更新的参数的预定时间表。
文中所公开的更新算法可以被配置为减少生成传输信号(例如具有一个或多个期望特性的信号)或处理接收到的信号所需的计算数量。该更新算法可以考虑程序和数据存储器的成本。例如,执行周期数的减少可能会被中间步骤中存储数据所需的附加周期所抵消。因此,通过算法优化的处理量可以包括这些成本的任意组合。
确定用于更新的步长以提供期望的条件,例如收敛条件和/或稳定性。该步长可以是恒定的,也可以根据一个或多个测量标准而变化。在一些方面,导出步长参数的条件以提供均值和均方根形式上的收敛。
作为示例但不限于,用于求和的装置可以包括程序代码,该程序代码配置为使处理器从存储器读取数据,以便将所读取的数据分组为与矩阵的行相对应的块,然后对每行中的数据值求和。各种计算机电路和/或逻辑可以被配置有I/O控制器以实现这种算术运算。CPU的累加器(例如,用作累加器的通用寄存器)可用于此类算术运算,并且结果可以被写入存储器以生成更新的向量。
在一些方面,更新包括由数据符号矩阵和权重矩阵在乘法下进行交换而展开的运算,从而从所述运算中去除所述数据符号矩阵及其逆矩阵。例如,数据符号值和权重值可以在功能上被配置为包括至少在乘法运算下相互交换的矩阵结构。这些矩阵结构可以用作运算符和/或运算数。在一些方面,数据符号矩阵与权重矩阵的逆矩阵进行交换。在一些方面,权重矩阵与数据符号矩阵的逆矩阵进行交换。在一些方面,通过将基本权重矩阵(其可以是初始权重矩阵或先前更新的权重矩阵)设置为单位矩阵来去除基本权重矩阵的逆矩阵。这可以隐式或显式地完成。在一方面,初始权重矩阵被设置为单位矩阵。在一方面,当前数据符号矩阵被设置为等于先前权重矩阵与先前数据符号矩阵的乘积。在一方面,将先前更新的扩展矩阵指定为当前基本扩展矩阵。
在一些方面,计算系统基于对扩展数据的一种或多种机器学习算法或过程的应用来学习和/或检测基本数据和/或更新数据的特征,和/或提供更新。
在本公开的一方面,用于生成的装置,用于更新的装置和用于求和的装置包括处理器;所述网络设备还包括耦合到处理器的存储器。所述处理器可以被配置为结合文中所公开的任何方面来执行上述无线通信的方法。
为了完成前述及相关目的,一个或多个方面包括在以下充分描述并在权利要求中特别指出的特征。以下描述和附图详细阐述了一个或多个方面的某些说明性特征。但是,这些特征仅说明可采用各种方面的原理的各种方式中的一些方式,本发明旨在包括所有这些方面及其等同物。
附图说明
下文将结合附图来描述所公开的方面,提供的附图是为了说明而不是限制所公开的方面,其中,相同的附图标记表示相同的元件,附图中:
图1A和图2至图8是根据本公开的各方面的示例性方法、装置的功能组件和软件模块的流程图,其可用于对无线网络中通过无线信道传输的至少一个信号进行合成。
图1B是根据本公开的各方面的示例方法、装置的功能组件和软件模块的流程图,并且可以由文中所公开的任何方面来实现。
图9是根据本公开的各方面配置的如UE的网络设备的示例组件的示意图。
图10是根据本公开的各方面配置的如基站的网络设备的示例组件的示意图。
图11A根据本公开的各方面配置的用于信号处理功能的计算机处理器(如图形处理单元(Graphics Processing Unit,GPU))架构中的示例组件的示意图。
图11B是描述本公开一些方面的流程图。
可以预期的是,在某一方面中描述的元素可以在其他方面被有益地利用,而无需具体叙述。
具体实施方式
以下描述包括体现本公开技术的示例性系统、方法、技术、指令序列和计算机程序产品。然而,应当理解的是,在没有这些具体细节的情况下,所描述的各方面可以被实践。在以下描述中示出了装置和方法,该装置和方法在附图中通过各种框图、模块、组件、电路、步骤、过程、算法等(统称为“元素”)进行了说明。这些元素可以使用电子硬件、计算机软件、固件或其任意组合来实现。
根据本公开的一些一般方面,在网络设备中处理数据序列(用长度为N的向量d=[d0,…,dN-1]表示)以生成长度为N或更长的、用于在通信网络中传输的离散时间信号(用向量x表示):
x=FEDCBAd
其中:A、B、C、D、E、F表示对d执行的任意数量的运算。该运算可以包括矩阵乘法、可逆变换运算和/或其他线性运算。本文所使用的术语“矩阵”可以理解为包括张量。该运算可以包括扩展、多址编码、变换预编码、资源单元映射、层映射、选择性映射、滤波、脉冲整形、空间(和/或频率)预编码、可逆变换(例如,FFT、短时傅立叶变换、分数阶傅立叶变换、时空傅立叶变换、几何傅立叶变换、离散余弦变换、Gabor变换、拉普拉斯变换、Mellin变换、Borel变换、小波变换、常数Q变换、Newland变换、(快速)S变换、Z变换、Chirplet变换、Wigner变换、积分变换、线性正则变换以及多维变换)和/或其他。
一方面,A可以是扩展矩阵(例如,一个或多个扩展码向量),B可以是扩展DFT运算符(例如FFT),C可以是脉冲整形滤波器,D可以是MIMO预编码矩阵,E可以是OFDM子载波映射,F可以是OFDM调制(例如IFFT)。可以将两个或多个连续的运算(例如,A、B、C、D、E、F)组合成单个运算符,从而应用矩阵乘法的结合律。运算的次数可以大于或小于这里所描述的运算的次数。此外,d可能包括数据的变换、矩阵乘积和/或编码版本。
文中所公开的一些方面大体涉及计算对x的更新(对x的更新表示为x(u),其中,更新指数u>0),该更新通过配置初始或先前的向量x(可以表示为x(0)或x(u-1))的矩阵扩展并对该矩阵扩展执行运算,从而对d(或涉及d的乘积或转换)执行更新运算。这可以避免重复一个或多个运算(例如,A、B、C、D、E、F)的计算,从而降低了计算复杂度(例如,复杂乘法的次数)。因此,该更新可以独立地执行一个或多个运算(例如,A、B、C、D、E、F)。例如,取而代之的是,可以用x(0)或x(u-1)的矩阵扩展来执行对d的矩阵扩展的更新运算,而无需考虑任何运算(例如,A、B、C、D、E、F)如何影响向量d的更新。
在一示例中,对d执行的更新可以表示为长度为N的权重向量w(u) 与d的Hadamard乘积。对应于初始或先前的d的权重向量表示为w(0)(u=0)。Hadamard乘积(也称为Schur乘积或逐项乘积(entrywise product))是二进制运算,它采用相同维数的两个矩阵并生成与操作数维数相同的另一矩阵,其中,每个元素i、j是两个原始矩阵的元素i、j的乘积。对于具有相同维数m×n的两个矩阵X和Y,Hadamard乘积是与运算数维数相同的矩阵,其元素为:
Hadamard乘积是可结合和可分配的。与矩阵乘积不同,Hadamard乘积是可交换的。因此,在一些方面,可交换的矩阵形式及其运算可以被配置为提供类似于两个向量的Hadamard乘积的结果。例如,可以采用对角矩阵或Toeplitz矩阵。所公开的利用该特征和其他特征的方面可以提供用于合成和/或分析数据通信中所使用的信号的有利方案。这些方面可以改善计算机处理器的功能和文中所公开的相关技术过程。此外,文中所公开的数据结构可以改善在无线通信中用于信号处理应用的计算机处理器在存储器中存储和检索数据的方式。所公开方面的一些益处包括更快的处理时间、改进的更新信号特征的灵活性,以及对计算机如何存储和读取来自存储器的数据以执行信号处理的改进。在一些方面,网络设备包括具有信号处理组件的调制解调器,该信号处理组件包括信号编码/解码方案,该信号编码/解码方案被配置为根据附图和描述生成、发送或者接收信号。
本公开提供的示例,并不限制权利要求中所述的范围、适用性或示例。在不脱离本公开范围的情况下,可以对所讨论的要素的功能和设置进行改变。各种示例可以适当地省略、替代或添加各种程序或组件。例如,可以按不同于所描述的顺序来执行所描述的方法,可以添加、省略或组合各种步骤。另外,一些示例描述的特征可以在其他示例中组合使用。
图1A示出了本公开各方面的一些方法和装置。输入数据符号可以被格式化(或以其他方式在功能上实现)102以生成对角扩展矩阵可以对该数据符号进行处理以在无线通信网络中传输。根据一些方面,数据向量d在功能上可以实现为以对角元素设置为d中的元素的NXN对角矩阵
这称为d的对角扩展矩阵。
例如,可以对d的对角扩展矩阵(或其等价表征)执行一个或多个运算(例如多个运算A,……,F(104.A-104.F)),以生成一个扩展矩阵该扩展矩阵可以是扩展的离散时间矩阵。在一些方面,可以明确地对数据执行初始加权w(0)(未示出)。在一些方面,任何先前的加权的影响都被并入到数据值中。
运算A,……,F(104.A-104.F)可以包括向量、矩阵和/或张量,并且可以经由包括快速变换的变换运算来实现。一方面,运算符A通常可以包括向量a与向量d的Hadamard乘积,但是在本文中被配置为与所公开的扩展矩阵一起运算。例如,可以将a转换为对角扩展矩阵然后,矩阵乘法生成NXN对角矩阵,该对角矩阵的对角元素为Hadamard乘积a°d的值。然后对该对角扩展矩阵执行一个或多个后续运算(例如B,……,F),以生成扩展的离散时间矩阵该扩展的离散时间矩阵可以是初始的(指数u=0)或更新的(u>0)的扩展的离散时间矩阵。
文中所公开的关于数学运算和矩阵(任何矩阵,包括向量和张量)结构的方法和装置方面在功能上可以实现以影响所公开的运算和结构。这种实现可能没有明确包含此结构。例如,可以通过计算机代码中的各种数据结构和算法、存储器中的数据存储方案、电路设计、处理器架构等实现扩展矩阵、对角矩阵及这些矩阵的运算。
在一些方面,运算符(例如,运算104.F)可以包括插值函数,例如插值滤波器。在一些方面,运算符可以采用Vandermonde矩阵。可以根据来计算NXN(或更大的:例如,MNXMN)扩展更新的离散时间矩阵运算符F可以是M·N点变换(其中,M是大于1的整数),该M·N点变换被配置为对例如通过输入“零填充(zero stuffing)”或“零塞入(zero padding)”构造的MNXMN矩阵执行运算。在一个示例中,离散时间信号向量x(u)的每个第n个元素可以通过对矩阵中相对应的第n行的元素求和(例如,行求和110.0-110.U)来生成,其中,第n行表示为:
因此,向量中的每个元素是长度为MN的离散时间向量x(u)的第n个值的加数。一方面,运算符F是MN点插值滤波器,该MN点插值滤波器对MNXMN零填充的运算矩阵进行运算以产生MNXMN扩展的离散时间矩阵并且该是长度为MN的向量。
其中,(u=0)表示初始和并且(u>0)表示第U次更新。项是可选的权重矩阵(在图1A中未明确示出,但是可以在运算符A中或运算符A之前执行),其可以是与相乘的对角展开矩阵。在一些方面,可以是对更新权重矩阵执行运算的运算符。
图1B示出了一些方面,其中,可以从(或者)的计算中去除基本权重矩阵(其可以是初始权重矩阵的逆矩阵,或者是先前更新权重矩阵的逆矩阵)的逆矩阵。在一方面,基本权重矩阵被设置为单位矩阵151,可以经由先前数据d(0)(例如,初始或先前的数据向量)的矩阵扩展(例如,在152中)提供当前扩展数据矩阵例如,先前数据d(0)可以被指定为当前数据d。在一方面,利用初始或先前权重和数据(w(0)和d(0))执行Hadamard乘积154(或等效运算),随后进行矩阵扩展156,这有效地将权重w(0)合并到当前扩展数据中。在一方面,先前数据d(0)和先前权重w(0)被扩展(分别为157和158),且扩展矩阵在159中彼此相乘。在一些方面,从先前迭代的更新扩展矩阵中选择新的在一方面,可以对该新的基本进行后续更新计算,而不使用任何先前基本的逆权重。文中所公开的各方面可以被配置用于乘法和加法的更新。
对的更新108.1-108.U被描述为每个更新都包括与(u=1,…,U)之一的矩阵相乘产生然而,更新108.1-108.U应该被理解为包括对的等效运算。一些方面提供了对中的值的有利地简单更新108.1-108.U。例如,中等于1的值不需要更新对应的值,中等于0的对角线值(即对角矩阵是稀疏矩阵)可以提供删除值或跳过后续涉及对应值的计算,中等于负一的值会改变对应值的符号,π/2相移可以包括对中实数值和虚数值的符号更新。在一些方面,更新可以实现为位运算(例如,位移,位置换等)。
每个扩展矩阵(u=0,…,U)都通过行求和运算(110.0-110.U)进行运算,其中,的每一行中的值被求和,因此将MN的列(即,行元素)的数量减少到1以产生对应的离散时间信号向量x(u)(u=0,…,U)。在一方面,将N’XN”矩阵的每一行(n’=0,…,N’-1)中的元素相加,从而将转换为N’X1矩阵(即,向量)x(u)。例如,可以表示为:
由该变换产生的离散时间信号向量可以表示为:
这种变换可以看作是数据从高维空间到更低维空间的转换。这可以称为特征投影或特征提取,并且可以通过各种方式实现。该方法可以用更高维的数据结构(例如张量)来实现,并且可以将维数降低到低维张量(例如,包括矩阵或向量)。这种变换可以是线性的或非线性的。
在一些方面,x(u)是信号向量,例如离散时间信号、频域信号或天线阵列(例如,空间域)信号向量。信号向量x(u)可以被合成,并且选择一个或多个信号x(u)在无线网络中的无线信道上传输。所公开的各方面可以对扩展矩阵形式的信号向量进行更新,以调整或选择生成的信号向量中一些预定的可测量信号参数。这样的信号参数可以包括信号幅度模式、稀疏模式等。对扩展矩阵的更新可以被配置为改变与扩展矩阵对应的信号向量中的信号参数,例如信号向量的数据符号值(例如用户数据、控制数据、参考信号数据等)、动态范围、扩展码、预编码、资源元素映射、层映射和/或脉冲波形。在一些方面,向量x(u)可能是在给定时间间隔中由一个天线阵列发送或接收的一组信号值。相应的可测量参数可以从指示MIMO性能的相应扩展矩阵的分析(例如,主分量(Principal Component),独立分量(IndependentComponent)等)中得到。对扩展矩阵的更新可以提供用于选择和/或取消选择发射和/或接收天线,以便改善候选MIMO天线的固定子集的MIMO性能。MIMO性能可以通过以下各项来表征:总速率、平均每个用户的速率、频谱效率、能量效率(例如,总速率与系统总能量消耗之比)、基于特征值的条件数、误码率、信噪比(SINR)、中断概率、空间子信道之间的相关性度量、最小方差索引,并且可能进一步有CSI估计开销、空间复用的计算复杂性以及由于传播信道的可变性引起的固有限制。
在一些方面,经由文中所公开的任何技术可以执行各种更新,以在高维空间中生成U个候选数据集。通过示例的方式,更新权重可以影响MIMO阵列中的发射天线和/或接收天线的选择,尽管在其他示例中可以替代地采用其他混合矩阵。降维可以在数据矩阵上执行,或者在每次更新的数据矩阵的协方差矩阵或相关矩阵上执行。可以采用主分量分析(Principal Component Analysis,PCA),以将原始空间缩小为由几个特征向量组成的空间。在MIMO示例中,这可以用于选择MIMO阵列参数。在一方面,其目的是减少有源天线的数量,从而减少空间复用的计算复杂度和/或减小发射功率。可以通过对更新扩展的矩阵进行奇异值分解(Singular Value Decomposition,SVD)或对由更新扩展的矩阵或更新向量生成的协方差矩阵或相关矩阵进行特征值分解(Eigenvalue Decomposition,ED)来执行PCA。一些方面可以采用核PCA。例如,可以使用核方法进行模式分析。本文可以实现的算法包括核感知器、支持向量机(Support Vector Machines,SVM)、高斯过程、PCA、典型相关分析、岭回归(ridge regression)、频谱聚类和线性自适应滤波器。一些方面对更新的数据进行模式分析,以确定数据集中的关系类型(例如,聚类、排列、主分量、相关性、分类)。对数据的后续更新可以基于这种关系,称为数据驱动更新。可以采用的各种非线性技术包括流形学习,例如等距映射、局部线性嵌入(Locally Linear Embedding,LLE)、Hessian LLE、Laplacian特征映射和基于切线空间分析的方法。
在一方面,每个向量x(u)可以被处理用于传输(112)。传输处理112可以包括将信号耦合到至少一个天线,并通过无线信道传输该信号。可以同时或顺序地处理(112)多个向量x(u)(u=0,…,U;或u=1;…;U)。在一些方面,处理112被通信地耦合119到权重生成器106,使得至少一个或多个向量x(u)的第一集合的处理112也可以选择或适配更新(例如,权重生成106),以产生一个或多个向量x(u)的后续集合。这可能涉及对权重的迭代更新,因此也涉及向量x(u)。因此,由附图描绘的各方面的逻辑和物理实施方式可以包括并行和/或流水线处理配置。在一些方面,外部数据配置权重生成106。
如图2所示,在一些方面,更新权重矩阵包括对先前权重矩阵(例如)的加法更新 加法更新可以是对角线上的稀疏矩阵,其中,一个或多个对角线值是零。加法更新可以改变值甚至在一些方面可以擦除值。应当理解的是,擦除数据的运算在通常意义上是不可逆的。在一些方面,可以使用构造器运算符来重构所擦除的数据。在一些方面,在采用的表达式的推导取决于奇异矩阵的逆矩阵时,可以采用矩阵伪逆。Moore-Penrose方法是示例性技术。对于稀疏对角矩阵,可以将每个对角零值替换为非零变量γk,随后推导涉及矩阵逆的表达式,然后计算每个γk趋于零时的极限表达式。这种方法模仿了用于围绕奇点积分的残差定理。
在一方面,和的每一行中的元素可以被求和110.0-110.U,其中,是更新扩展的矩阵,由此得到的基本向量x(0)和更新向量Δx(u)在合并处理212中相加并可以被处理以用于进一步更新119或被用于以用于传输112。合并处理212可以产生向量x(0)和Δx(u)的多个(U')不同的组合,和/或可以将多个Δx(u)向量组合在一起以生成多个U’候选x(u)。在另一方面,合并212和求和110.0-110.U的顺序可以更换。在合并212扩展矩阵的过程中,该更新可以执行为其中,第u次更新扩展的矩阵。每个的每一行中的元素可以求和110.0-110.U以产生向量x(u)。
文中所公开例如乘法更新和加法更新的更新可以在发射器和/或接收器中实现。例如,d可以包括接收信号向量(例如,接收信号的数字样本)。可以在所接收到的信号上执行各种运算(例如解码、变换等)以生成d。在对角扩展矩阵上执行一个或多个运算104.A-104.F,以生成基本扩展矩阵其中,在通过行求和110.0执行运算时,提供数据序列x(0)。因此,可以被认为是基本扩展的数据序列矩阵或基本扩展的数据矩阵。可以对进行乘法更新和/或加法更新(例如,使用权重和/或),以对数据序列x(0)(例如,x(u),u=1,…,U)进行一个或多个更新,而无需重复一个或多个运算104.A-104.F。在一些方面,权重(例如和/或)可以包括滤波权重、解码权重或其组合。
图3描述了方法和装置的方面,其中,可以采用多个迭代或多个阶段来生成用于传输的离散时间信号。将多个向量x(u)(u=0,...,U或u=1,...,U)与基于通过更新处理改善的信号的至少一个期望特征的一些度量进行比较312。这可以包括测量或计算每个向量的x(u)的特征,并将这些特征与度量进行比较。该度量可以基于这些特征来更新。基于该特征,可以选择314用于更新的一个或多个x(u),然后可以以与相同的方式来更新对应的例如,处理系统可以具有被配置为存储数据(例如扩展矩阵向量x(u),权重特征和/或度量)的存储器;并且该数据可以从存储器中读取并用于其他处理。可选地,适配权重316可以被执行用于后续迭代。该适配316可以基于当前迭代的x(u)特征,和/或基于特征测量、权重和/或权重变化的历史。在满足至少一个标准(例如,阈值特征测量,预定次数的迭代等)之后,选择x(u)中的至少一个,随之x(u)可以被进一步处理以进行传输。
在一示例中,计算环境内运行的计算系统可以接收信号,该信号包括与以下各项中至少一项有关的当前数据:基本扩展的离散时间矩阵,基本离散时间信号向量,更新扩展的离散时间矩阵和更新离散时间信号向量。响应于接收到的信号,计算系统可以从存储单元加载表征先前的基本扩展的离散时间矩阵、基本离散时间信号向量、更新扩展的离散时间矩阵和/或更新离散时间信号向量的历史数据。例如,上述当前数据和/或历史数据可能包括矩阵和/或向量的特征。此外,基于当前数据以及部分历史数据,计算系统可以计算产生或改善更新的矩阵和/或向量中的一个或多个特征的更新。该系统可以采用监督学习、非监督学习或这两者来确定与无线网络中的一个或多个期望信号特性相对应的特征,例如,低MIMO条件数、高于阈值的特征值的数量、低峰值平均功率比(Peak-To-Average-PowerRatio,PAPR)、低误码率、高带宽效率、低计算复杂度等。该系统可以学习哪些更新方案增强了这些特征(并因此增强了相应的期望信号特性)。所公开的各方面可以将数据配置为扩展矩阵,并且为自适应滤波和/或分类的目的向该扩展矩阵提供更新。
在一些方面,计算系统可以基于一种或多种机器学习算法或过程的应用来学习和/或检测特征,和/或提供更新,以输入数据,该数据包括但不限于当前数据以及部分历史数据。一种或多种机器学习算法或过程的示例包括但不限于:关联规则算法(例如Apriori算法、Eclat算法或FP-growth算法);聚类算法(例如层次聚类模块、k均值算法或其他统计聚类算法);协同滤波算法(例如基于内存或模型的算法);或人工智能算法(例如,人工神经网络)。
在图4中,例如运算F(104.F)的其中一个运算可以是IFFT。在一些方面,对104.F的输入可以包括预编码的数据符号,例如用NXN预编码运算符S预编码的数据符号d=[d0 d1… dN-1]T,该NXN预编码运算符S可以包括:变换预编码、CDMA预编码、Zadoff-Chu编码、空时分组编码、空间复用(例如,MIMO)预编码、SVD MIMO预编码、发射分集预编码、空时分组编码或其任意组合。IFFT(例如104.F)的输出是扩展的离散时间矩阵对的权重更新提供了一组更新扩展的离散时间矩阵由上述矩阵可以生成候选离散时间信号x(u)。在一些方面,权重可以提供以下各项的任意组合:选择性映射、部分传输序列(PartialTransmit Sequence,PTS)方案、虚拟符号插入(例如,在任何资源单元,如音调,MIMO信道,多址编码等)、数据符号交换、改变数据符号的顺序、符号星座偏移(symbol constellationoffset)(例如,抖动、扰动、缩放、映射、偏移、变换、变形、相移和/或旋转符号星座)。为每个候选计算峰值平均功率比(PAPR)测量值412,具有最佳PAPR测量值(例如,最低的PAPR)的候选信号x(u)可以被选择414进行处理416,以生成离散-时间传输信号。
信号xn(t)的PAPR可以由如下计算得到:
其中,E[·]表示期望值。互补累积分布函数(Complementary cumulativeDistribution Function,CCDF)是PAPR经常使用的性能指标,这是信号的PAPR超过给定阈值PAPR0的概率,其可以被表示为CCDF=Pr(PAPR>PAPR0)。可以使用PAPR其他性能指标,例如峰值振幅、波峰因子或相对于成形增益归一化的PAPR。此处所使用的PAPR可以指文中所公开的任何PAPR性能指标或基于PAPR的度量。PAPR的降低使得系统可以使用相同的硬件每秒传输更多位,或者使用更低功率和/或更便宜的硬件每秒传输相同的位。例如,对于给定的处理约束条件,一些方面可以产生更多的候选离散时间信号,从而增加了发现具有低PAPR信号的可能性。
在图5中,MIMO-OFDM发射器将一个或多个(K)数据流映射501到多达Nt个层。MIMO-OFDM发射器可以包括:其上具有多个天线的单终端设备、位于多个终端上的分布式天线系统,或其某种组合。MIMO-OFDM发射器可以包括:UE(例如,具有多个天线的UE和/或被配置为协作阵列的UE,其中,UE可以例如经由D2D、近场和/或其他链路被联网在一起和/或被联网到集线器);网络基础设施终端(例如,基站、gNodeB、远程无线头端、继电器、中继器、集线器、网关和/或其他服务器端和/或中间网络设备);或其某种组合。
每层中的数据都映射502.1-502.Nt到NSC的子载波频率(例如OFDM音调)。对于每个频率(f1,…,fNsc),数据被设置503.1-503.Nt在Nt个符号的块中。发射器可以采用信道状态信息(CSI)来计算预编码矩阵。例如,对于NSC频率(fn)中的每一个频率,可以计算(510)NtXNt预编码矩阵s(fn)。这些预编码矩阵可以将来自过程503.1-503.Nt中的每一个过程的数据块相乘504.1-504.Nt,并且可以包括如下步骤:将每个NSC预编码矩阵划分514为Nt个符号的Nt个块。乘法504.1-504.Nt包括数据和预编码值的逐个元素的乘法,以生成扩展的预编码数据值对应于天线1的扩展的预编码数据(包含NSC行)由第一M·NSC点IDFT 505.1运算,以生成初始扩展矩阵该初始扩展矩阵是对应于天线1的长度为M·NSC的离散时间向量的扩展。其他Nt-1天线也执行类似的操作。例如,为天线Nt生成初始扩展矩阵权重生成器516为每个天线生成候选权重集合以及对于每个天线的相应权重和初始扩展矩阵的乘法506.1-506.Nt生成更新(候选)的扩展矩阵对该更新的扩展矩阵的每一个矩阵的行求和507.1-507.Nt,以生成离散时间信号的候选集。此处所描述的处理可以适用于并行、顺序和/或部分更新技术。应当理解的是,文中所公开的矩阵的元素可以各自包括矩阵(即,子矩阵)。
每个天线(例如,天线1)的更新MIMO-OFDM信号具有以下形式:
这是通过将数据符号和权重格式化为在乘法下可交换的矩阵(分别为和)而实现的。这些矩阵可以是对角矩阵或Toeplitz矩阵(例如,循环矩阵)。对每个天线执行行求和以产生每个更新的离散时间(MIMO-)OFDM信号x(u)。对于每个更新(候选)的权重矩阵集,存在可以从Nt天线传输的一组相应的更新(候选)MIMO-OFDM信号。信号的特性(例如,MIMO性能,PAPR等)可以被测量或被计算,并将其与阈值进行比较,然后可以基于比较结果来选择候选信号。
在一方面,针对至少一个Nt天线计算离散时间MIMO-OFDM信号x(u)的PAPR。基于PAPR的度量可以根据PAPR测量值来计算出来。可以针对多个权重矩阵集来比较PAPR或基于PAPR的度量,然后可以选择具有最佳的PAPR或基于PAPR的度量的权重矩阵集(和/或离散时间信号x(u))。可以对某些天线执行降低PAPR。在一些方面,度量可以是多个天线的PAPR的函数(例如,最大值、均值、平均值等)。基于上述选择,发射MIMO-OFDM信号被合成并从Nt天线发射。
在一些方面,权重矩阵可以提供加法更新(包括采用稀疏矩阵的技术)。因此,可以用生成候选MIMO-OFDM信号的部分更新的方法来配置权重矩阵。权重矩阵可以提供对预编码、数据符号或这两者的更新。权重矩阵可以更新层映射和/或资源映射。例如,权重矩阵可以更新如何将数据符号映射到资源单元和/或层的预定集合。更新技术可以包括更新天线选择,例如选择激活天线阵列(例如,MIMO阵列)中的哪些天线。
在图6中,提供了一种用于更新对输入数据d执行编码运算104.A的方法和装置。在一个示例中,数据符号di通过编码运算104.A以在功能上等同于以下数学运算的方式使用长度为N的代码向量aj进行编码(例如,扩展)。数据符号di被重复N次以生成长度为N的数据向量d。运算104.A可以执行Hadamard乘积然后对该乘积进行对角矩阵扩展,其中,扩展矩阵的对角元素为xa (0)的值。
可以对扩展矩阵执行加法运算(例如104.F)以产生这是编码数据的扩展矩阵。提供606(例如,从存储器生成或检索)一个或多个(U)代码更新并使用该代码更新对从存储器中生成和/或检索的基本或先前的扩展矩阵执行更新:
应当理解的是,代码更新可以被称为权重。在一些方面,代码更新可以包括标量乘法器,该标量乘法器实现对数据符号di的更新,例如将di从一个符号值变为另一符号值。在其他方面,可以独立于代码更新来执行对数据的更新。涉及代码更新的所公开的方面可以在采用代码索引调制的发射器中实现。在一方面,代码aj具有以OFDM音调(子载波频率)的稀疏模式表征的频域签名(frequency-domain signature),并且更新可以被配置为更新传输的频域签名。该方面可以用于实现OFDM索引调制。
举例来说,二进制编码被有效地更新,因为-1代码值仅使符号在扩展矩阵中变为的相应值,而+1值则没有更改。在一些方面,代码更新606可以在加法更新系统中实现,例如如图2所示出的。因此,代码更新可以包括对角线稀疏矩阵,其中,一个或多个对角线值是零。例如,在三进制编码的情况下,加法或乘法更新可以是稀疏对角矩阵。
文中所公开的各方面可以采用Gray代码、逆Gray代码、Walsh代码、Gold代码、Golay代码、CI代码、最大长度序列、Barker代码、Kasami代码、Zadoff-Chu代码、线性调频代码、Reed-Muller代码、二次剩余代码、双素数、三元代码、四元代码、高阶代码、向量信号代码、极化代码及其改编,例如级联、截断、循环移位、叠加、通过元素方式乘法组合和/或插入零至上述任何代码中。稀疏代码可以有从正交或非正交码字典中得出的非零元素,该字典可以包括文中提到的任何代码。
在一些方面,运算104.A之后是DFT扩展,该DFT扩展输出频域符号。这些符号被映射到IFFT的输入频率区间(input frequency bins),从而生成扩展的离散时间矩阵在这种情况下,xa (0)是时域序列。在一些方面,有利地是在一个域(例如,时域)中执行运算以影响另一域(例如,频域)中的运算,这些域运算之间的关系由变换特性限定。例如,可以通过将编码序列x[n](或代码序列)乘以相移来实现频移:
其中,ω是X()的对应频域样本的频率,表示施加到代码序列或编码序列x[n]的相移,该相移将引起X()样本的频率偏移。相移可以是代码更新。在公开的各方面中,代码更新可以在扩展的离散时间矩阵上运算以实现期望的频域运算,因此无需重复DFT扩展、资源元素映射和IFFT的需要。这降低了计算复杂度。
在一方面,对的权重更新可以在相应的频域符号中提供循环移位。这对使用接收器在频域中执行解码的系统里是有用的,由于一些公开的方面可以通过对扩展的离散时间信号更新、对扩展的离散时间信号空间的加法更新以及在扩展的离散时间信号空间中的其他运算,来有效地改变传输频域代码。在一些方面,代码序列aj有稀疏的对应频域代码空间αj(即,αj的一个或多个值是零),并且对代码更新提供对稀疏频域代码αj的更新。代码序列aj可以被配置为在频域中具有第一预定稀疏模式(即,非零元素的模式),并且对的更新可以被配置为提供具有第二频域稀疏性模式的更新序列(例如,x(u))。稀疏模式可以相同或不同。对的相移更新可用于将DFT扩展符号重新映射(即,改变其映射)到IFFT输入,这有效地更新了资源单元(例如,资源元素)映射。
其他变换特性可以以与文中所公开的类似的方式被使用,包括但不限于与以下各项相关联的变换特性:时移、卷积、相关、乘法、调制、缩放和滤波。文中所公开的各个方面可以根据本文提到的傅里叶变换和/或其他变换的任何变换来配置。
在图7中,可以执行如稀疏代码多路访问(Sparse Code Multiple Access,SCMA)的NOMA方案。将每一层中的多个数据位b映射702到数据符号或映射702到一个或多个代码序列aj,其中,输出可以被格式化为对角矩阵扩展映射702可以采用一个或多个码本。例如,每个层可以具有其自己的码本。数据可以包括由一个或多个代码序列扩展的一个或多个数据符号。运算A-F(104.A-104.F)可以包括DFT扩展,随后是资源元素映射,然后是IFFT。代码序列aj可以被选择使得其频域代码空间αj实际上是SCMA码字。IFFT的输出(例如运算F(104.F))是离散时间SCMA信号的扩展的离散时间矩阵可以从存储器中生成或读取代码序列aj的更新(706),以及相应的SCMA码字αj的更新。在所公开各方面中对执行的乘法更新108.1-108.U(或加法更新212)可以有效地改变SCMA码字。SCMA接收器可以解调接收到的OFDM-SCMA信号(例如,利用FFT),并且基于消息传递算法、连续干扰消除或其他高级接收器设计来解调频域符号。UE码本可以帮助接收器解码接收到的信号。所公开的各方面可以被配置用于在NOMA接收器中进行解码运算。
在一方面,每一层采用的码字具有特定层的稀疏模式,该特定层的稀疏模式可以不同于与其他层相关联的稀疏模式。可以选择代码序列aj以向x(0)提供与第一层(例如,第一码本)相对应的SCMA稀疏模式,并且对基本扩展的离散时间矩阵的代码更新706能够提供具有相同SCMA稀疏模式的更新的离散-时间序列x(u)。一方面,将具有预定SCMA稀疏性模式(例如,对应层1的码本)的基本代码序列a0提供给运算104.A-104.F,以产生基本扩展的离散时间矩阵当发射器接收第1层的数据位时,发射器将位排列成块,并且位到代码序列映射702调节每个块的矩阵扩展更新的生成(或选择)706,这将产生具有与a0相同稀疏模式的离散时间序列x(u)。这可以构成码字映射。这可以在串行和/或并行下执行。在一些方面,每个块被映射到一个以上码字。在一些方面,可以对码字求和,这可以通过对两个或两个以上的离散时间序列x(u)求和来实现。执行更新108.1-108.U:接下来是行求和110.1-110.U和处理112。发射器可以被配置为生成针对多个层的SCMA信号。在一些方面,由702和706实现的符号到码字的映射可以包括提供使更新的稀疏模式(例如,对于x(u))与基本稀疏模式(例如,对于x(0))不同的更新。当码本改变或当码本要求更改层的稀疏模式时,可以这样做以配置发射器来处理不同的层。
在一些方面,图7可以被配置为实现代码序列调制索引,其中,代码序列可以被配置具有SCMA频域签名。在一些方面,图7可以被配置为通过提供代码序列索引调制来实现OFDM索引调制(OFDM Index Modulation,OFDM-IM),其中,代码序列被设计为具有不同的频域稀疏模式。这些稀疏模式可以包括不同的有源OFDM音调模式,其中包括不同数量的有源OFDM音调模式(子载波数索引调制)。举例来说,映射702可以执行位到代码索引映射,每个代码索引被输入到更新706以生成代码更新。该更新可以采用代码序列更新的形式,这间接地影响了SCMA代码更新或稀疏模式更新而无需重复IFFT(以及可能的其他函数)。这样可以显著地提高计算效率。该更新可以经由文中所公开的乘法和/或加法更新来实现更新。在一些方面,一些数据位被映射到数据符号(例如,在702中),然后通过产生或选择的更新代码706,将这些数据符号有效地调制到SCMA码字的索引调制选择或OFDM-IM中的单个音调上。例如,可以在706中通过配置生成或选择的更新来合并数据符号调制和代码索引调制,所述更新使得具有期望的频域签名(即,SCMA码字或OFDM-IM音调具有在其上调制的数据符号)的离散时间序列x(u)。在其他方面,数据符号调制可以与索引调制分开执行(例如,在索引调制之后执行)。
图8示出了可以被配置为生成数据调制波形以用于传输和/或其他可能的用途的方法和装置方面。举例来说,位到符号映射802可以将数据位b的初始块映射到一个或多个数据符号,该一个或多个数据符号由一个或多个处理块104.A-104.F处理以产生至少一个基本扩展矩阵例如基本扩展的离散时间矩阵。位到符号映射802可以将一个或多个数据位b的后续块映射到一个或多个后续数据符号,其中,符号更新模块806可以用于生成一个或多个符号更新(这可以被称为权重)。在一些方面,位到符号映射802将位直接映射到符号更新可以在一个或多个乘法更新108.1-108.U(和/或加法更新)中采用符号更新以产生一个或多个更新的扩展矩阵行求和110.0-110.U可以位于其他处理之前,例如传输处理112。
公开的各方面可以组合。例如,本文所公开的更新可以实现对离散时间信号x(0)的多个信号参数的更新(通常称为更新权重),该更新包括:对在其上调制的数据符号值和运算104.A-104.F中的之一运算的更新,以及对运算104.A-104.F中的多个运算的更新。在一些方面,可以通过将更新权重应用到扩展矩阵(例如)来同时进行多个更新。在其他方面,可以迭代或串行地进行多个更新,例如对第一扩展矩阵采用第一(乘法和/或加法)更新以产生第一更新的扩展矩阵,然后对该第一更新的扩展矩阵采用至少第二(乘法和/或加法)更新以产生至少第二更新的扩展矩阵。在一些方面,可以重新排列所公开的运算的顺序。在一方面,数据调制跟随波形产生。
在一些方面,网络设备(例如,UE、基站、中继站或其群组)采用具有信号编码/解码组件(结合一个或多个处理器、存储器、收发器,RF前端和天线)的运算信号处理组件,基于在无线通信网络中待发送的数据或基于网络中接收信号的样本来生成基本扩展矩阵;更新基本扩展矩阵的至少一列中的值以产生更新的矩阵;然后将该更新的矩阵的每一行中的值相加,以产生一个信号向量。在发射模式下,信号向量可以作为离散时间信号进行传输处理。替代地,在接收模式下,信号向量可以被进一步处理,以提供去多路复用、解码、滤波等。
图9是UE的实现示例,UE可以包括各种组件,例如经由一个或多个总线944进行通信的以下各项:一个或多个处理器912、存储器916和收发器902,这些组件可以与调制解调器940、信号处理组件950、信号编码/解码组件952配合以实现本文描述的一个或多个功能。一个或多个处理器912、调制解调器914、存储器916、收发器902、RF前端988和一个或多个天线986可被配置为在一种或多种无线电访问技术中支持通信(同时或不同时)。在一些实施方式中,RF前端988、发射器908和调制解调器940中的至少一个可以包括或形成用于发射通信信号的装置的至少一部分。在一些实施方式中,RF前端988、接收器968、调制解调器940中的至少一个可以包括或形成用于接收通信信号的装置的至少一部分。
在一方面,一个或多个处理器912可以包括使用一个或多个调制解调处理器的调制解调器914。与信号处理组件950和信号编码/解码组件952有关的各种功能可以包括在调制解调器140和/或处理器1212中,并且一方面各种功能可以由单个处理器执行。在其他方面,不同的功能可以通过两个或两个以上不同的处理器的组合来执行。例如,在一方面,一个或多个处理器912可以包括以下各项的任一项或任意组合:调制解调处理器、基带处理器、数字信号处理器、发射处理器、接收处理器,或与收发器902相关联的收发处理器。在其他方面,与信号处理组件950和信号编码/解码组件952相关联的一个或多个处理器912和/或调制解调器940的一些特征可以由收发器902执行。
存储器916可以被配置为存储在此使用的数据和/或本地应用程序975版本或由至少一个处理器912执行的信号处理组件950本和/或其子组件中的一个或多个。存储器916可以包括可由计算机或至少一个处理器912使用的任何类型的计算机可读介质,例如随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、磁带、磁盘、光盘、易失性存储器、非易失性存储器及其任意组合。例如,在一方面,存储器916可以是非暂时性计算机可读存储介质,当UE操作至少一个处理器912以执行信号处理组件950和/或其子组件中的一个或多个时,该非暂时性计算机可读存储介质存储了一个或多个计算机可执行代码,该代码限定了信号处理组件950和/或其子组件中的一个或多个。
收发器902可以包括至少一个接收器906和至少一个发射器908。接收器906可以包括由处理器执行的用于接收数据的硬件、固件和/或软件代码,该代码包括指令并且被存储在存储器(例如,计算机可读介质)中。接收器906例如可以是射频(Radio Frequency,RF)接收器。在一方面,接收器906可以接收由至少一个基站发送的信号。另外,接收器906可以处理上述接收到的信号,并且还可以获得信号的测量,例如但不限于Ec/Io、SNR、RSRP、RSSI等。发射器908可以包括由处理器执行的用于发送数据的硬件、固件和/或软件代码,该代码包括指令并且被存储在存储器(例如,计算机可读介质)中。发射器908的合适示例可以包括但不限于是RF发射器。
此外,在一方面,UE可以包括RF前端988,其可以与一个或多个天线965和用于接收和发送无线电传输的收发器902进行通信。RF前端988可以被连接到一个或多个天线965,并且可以包括:一个或多个低噪声放大器(Low-Noise Amplifier,LNA)990、一个或多个开关992、一个或多个功率放大器(Power Amplifier,PA)998以及一个或多个滤波器996,以用于发送和接收RF信号。
RF前端988可以使用一个或多个PA 998,以将RF输出信号放大到期望的输出功率水平。一方面,RF前端988可以使用一个或多个开关992以选择特定的PA 998并基于特定应用程序的期望增益值来选择特定的增益值。在一个方面,一个或多个PA 998可以具有可编程的(或可选的)回退(back-off value)值。一个或多个处理器912可以基于针对离散时间发射信号(例如,x(u))的计算的PAPR来选择一个或多个PA 998回退。
同样,举例来说,RF前端988可以使用一个或多个滤波器996对接收到的信号滤波,以获得输入RF信号。类似地,在一方面,例如,相应的滤波器996可以对来自相应的PA 998的输出进行滤波,以产生用于传输的输出信号。在一方面,每个滤波器996可以被连接到特定的LNA 990和/或PA 998。在一方面,基于收发器902和/或处理器912特定的配置,RF前端988可以使用一个或多个开关992来选择使用特定的滤波器996、LNA 990和/或PA 998的发送或接收路径。
这样,收发器902可以被配置为使用经由RF前端988的一个或多个天线965来发送和接收无线信号。在一方面,收发器可以被调谐到特定的频率下运行,使得UE可以与例如一个或多个基站或一个或多个无线网络进行通信。在一方面,例如,调制解调器940可以基于UE的配置和调制解调器940所使用的通信协议,配置收发器902以在特定的频率和功率水平下运行。
在一方面,调制解调器940可以是多频带多模式调制解调器,其可以处理数字数据并与收发器902通信,使得使用收发器1202来发送和接收数字数据。在一方面,调制解调器140可以是多频带的,并且被配置为支持特定通信协议的多个频带。在一方面,调制解调器140可以是多模式的,并且被配置为支持多个操作网络和通信协议(例如,无线电接入技术)。在一方面,调制解调器940可以基于特定的调制解调器配置来控制UE的一个或多个组件(例如,RF前端988、收发器902)以使得能够从网络发送和/或接收信号。在一方面,调制解调器配置可以基于调制解调器的模式和使用的频带。在另一方面,调制解调器配置可以基于由网络提供的与UE相关联的UE配置信息。
图10是基站的实施方式示例,其中可能包含各种组件,其中一些组件已经在上面进行了描述,还包括经由一个或多个总线1044进行通信的以下组件:一个或多个处理器1012、存储器1016和收发器1002,这些组件可以与调制解调器1040、信号处理组件1050以及信号编码/解码组件1052配合以实现本文描述的一个或多个功能。
收发器1002、接收器1006、发射器1008、一个或多个处理器1012、存储器1016、应用程序1075、总线1044、RF前端1088、LNA 1090、开关1092、滤波器1096、PA 1098和一个或多个天线1065可以与上面所描述的UE的相应组件相同或相似,但是被配置或其他方式被编程用于与UE操作相反的基站操作。在一些实施方式中,RF前端1088、发射器1008和调制解调器1040中的至少一者可以包括或形成用于发射通信信号的装置的至少一部分。在一些实施方式中,RF前端1088、接收器1068、调制解调器1040中的至少一者可以包括或形成用于接收通信信号的装置的至少一部分。
图11A示出了一种图形处理单元(Graphics processing unit,GPU)架构,该架构可以优化文中所公开的信号处理功能。硬件和/或软件可以优化扩展矩阵处理运算和部分更新,其中包括各种针对稀疏处理的优化方案。GPU架构可以适用于优化全局存储器访问、优化共享存储器访问以及利用重用性和并行性。优化稀疏处理运算可以包括表征存储器访问成本、访问模式、存储器类型和等级以及利用数据本地化。利用重用性可以包括将每个元素缓存在片上存储器中,利用并行性可以包括采用无同步并行性。
文中所公开的各方面可以提供使用模型驱动的编译和运行时策略来优化图形处理单元上的密集和/或稀疏运算(包括稀疏矩阵-矩阵乘法、稀疏变换和涉及或基于对角展开矩阵和/或展开的离散时间矩阵的其他运算)。通过图示的方式,图11A描绘了GPU并行计算架构,该架构包括NSM级的流式多处理器(Streaming Multiprocessor,SM)1110.1-1110.N(SM 1,SM 2,……,SM NSM),每个都包括:共享存储器组件1112;一级M个寄存器1114.1-1114.M;一级流处理器(Streaming Processor,SP)1116.1-1116.M(SP 1,SP 2,……,SPM);指令单元1118;常数缓存组件1120和纹理缓存组件1122。GPU中有各种可用的存储器,可以按混合缓存和本地存储层次结构进行组织。这些存储器可以包括片外全局存储器、片外本地存储器、片上共享存储器、具有片上高速缓存的片外常数存储器、具有片上高速缓存的片外纹理存储器以及片上寄存器。片外设备存储器组件1124可以包括全局存储器和/或常数和纹理存储器。GPU架构可以包括或可通信地耦合1101到CPU 1104和CPU存储器1106,该存储器可以适于存储计算机可读指令和用于执行CPU 1104活动的数据。CPU 1104可以经由总线、网络或一些其他通信耦合与GPU架构的组件或类似组件进行有效通信。CPU 1104可以影响由GPU架构执行的过程或功能的启动和调度。
共享存储器1112存在于每个SM610.1-610.NSM中,并且可以组织成存储区。当同时访问属于同一存储区的多个地址时,可能会出现存储区冲突。每个SM1110.1-1110.N还具有一组寄存器1114.1-1114.M。常量和纹理存储器是全局存储器空间中的只读区域,它们具有片上只读缓存。访问常数高速缓存1120很快,但是它只有一个端口,因此对多个处理器内核从高速缓存加载相同的值时是有益的。纹理缓存器1124比常数缓存器1120具有更高的延迟,但是当存储器读取访问不规则时,纹理缓存器不会受到很大的影响,并且对于访问具有二维(2D)空间局部性的数据也是有益的。
GPU计算架构可以采用单指令多线程(Single Instruction Multiple Thread,SIMT)执行模型。内核中的线程在称为warp的分组中执行,warp是执行的单元。SM中的标量SP共享一个指令单元,并且warp的线程在SP上执行。warp的所有线程都执行相同的指令,并且每个warp都有自己的程序计数器。每个线程可以访问层次结构中不同级别的存储器,并且这些线程具有专用的本地存储器空间和寄存器空间。线程块中的线程可以共享一共享存储器空间,并且内核中的所有线程都可以访问GPU动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)。
对于如矩阵-矩阵乘法之类的受存储器限制的应用程序,优化存储器性能是有利的,例如减少存储器占用和实现更好地容忍存储器访问延迟的处理策略。例如,已经开发了许多优化策略来处理稀疏运算(例如稀疏矩阵向量乘法(Sparse Matrix VectorMultiplication,SpMV))的间接和不规则存储器访问。特定SpMV优化在很大程度上取决于稀疏矩阵的结构特性,该问题通常被表述为仅在运行时间才知道的这些特性的问题。然而,在本公开的一些方面,稀疏矩阵具有在运行时间之前已知的具有明确定义的结构,并且该结构可以对许多数据集保持相同。这简化了问题,从而实现性能更好的方案。例如,文中所公开的权重更新运算可以被建模为具有对应的稀疏运算符矩阵的SpMV。如果稀疏运算符矩阵的结构特性在运行时间之前已知,则可以更精确地限定硬件和软件加速策略。
最佳存储器访问模式还取决于为线程被映射用于计算的方式,还取决于全局存储器访问中涉及的线程数,因为涉及更多线程可以帮助隐藏全局存储器访问延迟。因此,线程映射方案可以改善存储器访问。存储器优化可以基于CSR格式,并且可以调整CSR存储格式以适合GPU架构。
一些方面可以利用非同步并行性。在SpMV计算中,跨行可用的并行性使对应的一行或一组行的计算分配到线程块中,而不是分配一个线程来执行对应的一行的计算,而分配一个线程块来处理一组行的计算。当半warp的连续线程访问连续元素时,对全局存储器有用的访问策略是硬件优化的合并访问模式。例如,当半warp的线程请求的所有字节都位于同一存储器段内时,如果连续线程访问连续的字节,则半warp的所有存储器请求被合并到一个存储器事务中。
每行映射多个线程的策略使得连续线程以循环方式访问行中连续非零元素,以计算与非零元素相对应的部分乘积。映射到行的线程可以通过并行和归约(parallel sumreduction)来从部分乘积计算与该行对应的输出向量元素。部分乘积可以存储在共享存储器中,因为它们只能由线程块中的线程访问。
一些技术可以利用数据局部性和重用性。输入和输出向量可以在SpMV计算中显示数据重用。输出向量元素的重用可以通过利用具有优化线程映射的无同步并行性来实现,这确保了每个输出向量元素仅通过一组特定的线程来计算,并且最终值仅写入一次的部分贡献。输入向量元素的重用模式取决于稀疏矩阵的非零访问模式。
利用线程内或线程块内的线程之间的输入向量元素的数据重用性可以通过将这些元素缓存在片上存储器中来实现。片上存储器例如可以是纹理(硬件)高速缓存器、寄存器或共享存储器(软件)高速缓存器。利用寄存器或共享存储器来缓存输入向量元素可以包括识别向量的被重用的部分,这又需要识别稀疏矩阵中的密集子块。对于一组预定的稀疏权重向量,此信息是已知的。可以执行对稀疏矩阵的预处理以提取密集子块,并且可以实现适合GPU架构(例如,允许细粒度的线程级并行性)的块存储格式。如果数据符号的序列长度不变,则子块大小保持不变,这避免了SpMV优化中通常需要的读取块大小和块索引的存储器访问损失。
本文描述的技术可以包括调整配置参数,例如改变用于执行的每个线程块的线程数和/或改变处理行的线程数。为了实现高并行度并满足延迟约束,SpMV可以包含多个缓冲区。一方面,SpMV可以包括两个稀疏矩阵缓冲区、两个指针缓冲区和两个输出缓冲区。例如,两个稀疏矩阵缓冲区以交替缓冲区模式被配置用于缓冲稀疏矩阵系数;两个指针缓冲区以交替缓冲区模式被配置用于在稀疏矩阵的每一列中缓存表示非零系数起始位置的指针;以及两个输出缓冲区以交替缓冲模式被配置成从一个输出缓冲区输出计算结果,而另一输出缓冲区则用于缓存计算结果。
图11B是根据本发明的各方面的方法、装置的功能组件以及计算机程序的代码段的流程图。处理数据符号以生成1151具有多个行和多个列的基本扩展矩阵,其中,每行中的值的和可以产生基本信号向量,例如离散时间信号。基本扩展矩阵的至少一列中的值被更新1152以产生更新的扩展矩阵。将更新的扩展矩阵的每一行的值相加1153以产生更新的信号向量。
更新的扩展矩阵和/或更新的信号向量的至少一个特征可以被测量1154。如果仅更新的扩展矩阵被测量1154,则该图可以直接从更新1152流到测量1154。如果在1154中更新的扩展矩阵满足至少一个测量标准,则可以对扩展矩阵的行求和1153。一方面,至少部分地使用1154中的测量来控制更新运算1152。在一方面,在1154中的测量被至少部分地用于指定至少一个更新的扩展矩阵为在1151中基础扩展矩阵,该基础扩展矩阵可以随后例如在迭代过程中被更新1152。
一些方面可以在人工神经网络(Artificial Neural Networks,ANN)中实现,例如具有动态生成滤波器的ANN。在一方面,滤波生成网络产生以输入为条件的滤波器。输入可以包括输入数据d到1151,并且滤波器可以包括在1152中采用的w(u)的权重值。在一方面,动态滤波层将所生成的滤波器应用于另一输入。输入可以包括输入数据d到1151,并且滤波器可以应用在1151和/或1152。可以使用任何可区分的架构(例如多层感知器或卷积网络)来实现生成滤波的网络。元件1154可以作为决策网络,如用于选择特定样本特征、学习新的滤波器和/或用作预测网络(例如,分类器)运行。
在一个方面,图11B示出给定一个特定样本的特征向量d可以生成滤波器。该滤波器可以包括基本和/或更新的权重值w(u),该权重值可以被存储在滤波器资源库中,并且被称为基本过滤器。该过程可以被配置为学习矩阵,该矩阵将特征向量d映射到一组系数,这些系数将用于在资源库中线性组合基本滤波器以生成新的滤波器。例如,这可以构成加法更新。例如在文中所公开的技术中,该组系数可以被实现为更新权重矩阵(与基本滤波器组合)。在另一方面,可以直接由特征向量d生成新的滤波器。一方面,系统学习将用于滤波器生成的特定样本的特征。
在一些方面,滤波器组可以对应于输入信号的已知物理特性,例如调制、编码、光谱特征、带宽、CSI、SNR等,并且这些特性可以用来训练网络以将这些特性表征为特征向量。但是,可能存在其他特性的输入,并且系统可以通过采用文中所公开的更新技术以无监督的方式学习映射。一方面,该系统学习特定样本的特征以用于滤波器生成;从输入数据中提取特征;将特征向量映射到一组滤波器;然后采用预测网络进行例如检测、识别、分类等的高级任务,该预测网络采用相同输入数据和生成的滤波器。
上述结合附图阐述所做的详细说明描述了示例,并不代表可以实现的或在权利要求的范围内的唯一示例。在本说明书中使用的术语“示例(example)”是指“用作示例、实例或说明”,而不是“优选”或“优于其他示例”。详细描述包括用于提供对所描述技术的理解的具体细节。然而,可以在没有这些具体细节的情况下实现这些技术。在一些实例中,以框图形式示出了众所周知的结构和装置,以避免使所描述的示例概念模糊。
可以使用多种不同的技术和方法中的任何一种来表示信息和信号。例如,在整个说明书中,可能引用的数据、指令、命令、信息、信号、位、符号和芯片可以通过以下各项表示:电压、电流、电磁波、磁场或粒子、光场或粒子、计算机可执行代码或存储在计算机可读介质上的指令或其任何组合。
结合本公开所描述的各种说明性的块和组件可以用专门编程的设备来实现或执行以实现文中所描述的功能,该专门编程的设备例如但不限于:处理器、数字信号处理器(Digital Signal Processor,DSP)、ASIC、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件或其任意组合。专门编程的处理器可以是微处理器,但可替代地,该处理器可以是任何常规处理器、控制器、微控制器或状态机。专门编程的处理器还可以作为计算设备的组合来实现,例如,DSP和微处理器的组合、多个微处理器、与DSP核心结合的一个或多个微处理器、或任何其他这样的配置的组合。
本文描述的功能可以用硬件、由处理器执行的软件、固件或其任意组合来实现。如果在由处理器执行的软件中实现,则这些功能可以作为一个或多个指令或代码在非暂时性计算机可读介质上存储或通过非暂时性计算机可读介质进行传输。其他示例和实施方式在本公开和所附权利要求的范围和精神内。例如,由于软件的性质,上面描述的功能可以使用以下各项来实现:硬件、固件、硬接线、由专门编程的处理器所执行的软件、或这些中的任何组合。实现功能的特征还可以物理地位于各种位置,包括分布使得功能的各部分在不同的物理位置处实现。另外,如本文包括权利要求中所使用的,在以“至少一个”开头的项目列表中使用的“或”表示析取性的列表,例如,“A、B或C中的至少一个”列表表示A或B或C或AB或AC或BC或ABC(即A和B和C)。
计算机可读介质包括计算机存储介质和通信介质,通信介质包括有助于将计算机程序从一个地方传输到另一地方的任何媒介。存储介质可以是由通用或专用计算机访问的任何可用介质。作为示例而非限制,计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁性存储设备、或可以用于以指令或数据结构形式携带或存储所需程序代码并且可以由通用或专用计算机或通用或专用处理器访问的任何其他介质。而且,任何连接都恰当地称为计算机可读介质。例如,如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或无线技术(如红外、无线电和微波)从网站、服务器或其他远程资源来传输软件,则媒介的限定包括同轴电缆、光纤电缆、双绞线、DSL或诸如红外、无线电和微波之类的无线技术。本文使用的磁盘和光盘包括激光唱片(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中磁盘通常以磁性方式再现数据,而光盘则通过激光光学再现数据。上述的组合也包括在计算机可读介质的范围内。
提供本公开的前述描述使本领域技术人员能够制造或使用本公开。对本公开的各种修改对本领域技术人员而言将是显而易见的,并且在不脱离本公开的精神或范围的情况下,本文中限定的通用原理可以适用于其他变型。此外,尽管可以用单数形式描述或要求所描述方面和/或实施例的元件,但是可以想到复数形式,除非明确说明了对单数形式的限制。另外,除非另有说明,否则任何方面和/或实施例的全部或一部分可以与任何其他方面和/或实施例的全部或一部分一起使用。因此,本公开不限于本文描述的示例和设计,而是应被赋予与本文所公开的原理和新颖性特征相一致的最广泛的范围。
Claims (16)
1.一种无线通信的方法,包括:
合成通信信号;
通过无线信道发送所述通信信号(112);所述合成的特征在于:
生成具有多个行和多个列的基本扩展矩阵(102,104.A-104.F),其中,每行中的值之和生成基本信号向量;
更新所述基本扩展矩阵的至少一列中的值以生成更新的扩展矩阵(108.1-108.U);
将所述更新的扩展矩阵的每行的值相加(110.1-110.U)以生成更新的信号向量。
2.根据权利要求1所述的方法,其特征还在于,所述更新包括运算,其中,数据矩阵和权重矩阵被配置为能够在乘法下交换(102,106),从而从所述运算中去除所述数据矩阵及其逆矩阵。
3.根据权利要求2所述的方法,其特征还在于,通过将初始权重矩阵设置成单位矩阵(151)或将所述数据矩阵设置成等于先前权重矩阵与先前数据矩阵的乘积(154-156,或159)或将所述基本扩展矩阵设置成等于先前更新的扩展矩阵来去除所述运算中的基本权重矩阵的逆矩阵。
4.根据权利要求1至3中任一项所述的方法,其特征还在于,基于至少所述更新的扩展矩阵的峰值平均功率比(PAPR)和多输入多输出(MIMO)性能中的至少一项,选择所述更新的扩展矩阵(314)以用于进一步更新或在所述无线信道上传输。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基本扩展矩阵的至少一列中的所述更新值包括以下至少一项:所述基本扩展矩阵与权重矩阵相乘;改变所述基本扩展矩阵中的选定值的符号;删除所述基本扩展矩阵中的多个选定值;对所述基本扩展矩阵中的选定值执行相移;对所述基本扩展矩阵中的多个选定值执行位运算;对所述基本扩展矩阵执行加法更新;以及对所述基本信号向量执行加法更新。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述基本扩展矩阵的至少一列中的所述更新值改变所述基本信号向量中的至少一个信号参数,所述至少一个信号参数包括:数据符号值、资源单元映射、层映射、天线选择、扩展码、选择性映射权重、虚拟符号值、预编码权重、脉冲形状、混合矩阵、稀疏模式,或数据序列中的数据符号的顺序。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述更新包括将机器学习算法应用于以下各项中的至少一项:所述基本扩展矩阵、所述基本信号向量、所述更新的扩展矩阵以及所述更新的信号向量;并且其中,所述机器学习算法包括:关联规则机器学习算法、聚类算法、k-均值算法、协同滤波算法、人工智能算法、人工神经网络算法、滤波器生成网络、动态滤波层或预测网络。
8.根据权利要求1至7中任一项所述的方法,其中,生成所述基本扩展矩阵包括对数据符号的矩阵扩展执行矩阵乘法和可逆变换运算(104.A-104.F)中的至少一项。
9.一种计算机程序产品,其特征在于:
计算机可读介质,包括:
使计算机实现权利要求1至8中任一项所述的方法的代码。
10.一种在无线通信系统中操作的网络设备,包括:
用于合成通信信号的装置;
用于通过无线信道发送所述通信信号(112)的装置;所述用于合成的装置的特征在于:
用于生成具有多个行和多个列的基本扩展矩阵(102,104.A-104.F)的装置,其中,每行中的值之和生成基本信号向量;
用于更新所述基本扩展矩阵的至少一列中的值以生成更新的扩展矩阵(108.1-108.U)的装置;以及
用于将所述更新的扩展矩阵的每行的值相加(110.1-110.U)以生成更新的信号向量的装置。
11.根据权利要求10所述的网络设备,其特征还在于,通过所述用于更新的装置执行运算,其中,数据矩阵和权重矩阵被配置为能够在乘法下交换(102,106),从而从所述运算中去除所述数据矩阵及其逆矩阵。
12.根据权利要求11所述的网络设备,其特征还在于,通过将初始权重矩阵设置成单位矩阵(151)或将所述数据矩阵设置成等于先前权重矩阵与先前数据矩阵的乘积(154-156,或159)或通过将所述基本扩展矩阵设置成等于先前更新的扩展矩阵来去除所述运算中的基本权重矩阵的逆矩阵。
13.根据权利要求10至12中任一项所述的网络设备,其特征还在于,所述用于传输的装置被配置为:基于至少所述更新的扩展矩阵的峰值平均功率比(PAPR)和多输入多输出(MIMO)性能中的至少一项,选择所述更新的扩展矩阵(314)以在所述无线信道上进行传输。
14.根据权利要求10至13中任一项所述的网络设备,其特征在于,所述基本扩展矩阵的至少一列中的更新值改变所述基本信号向量中的至少一个信号参数,所述至少一个信号参数包括:数据符号值、资源单元映射、层映射、天线选择、扩展码、选择性映射权重、虚拟符号值、预编码权重、脉冲形状、混合矩阵、稀疏模式,或数据序列中的数据符号的顺序。
15.根据权利要求10至14中任一项所述的网络设备,其特征还在于,将机器学习算法应用于以下各项中的至少一项:所述基本扩展矩阵、所述基本信号向量、所述更新的扩展矩阵和所述更新的信号向量;并且其中,所述机器学习算法包括:关联规则机器学习算法、聚类算法、k-均值算法、协同滤波算法、人工智能算法、人工神经网络算法、滤波器生成网络、动态滤波层或预测网络。
16.根据权利要求10至15中任一项所述的网络设备,其特征在于,所述用于生成的装置、所述用于更新的装置和所述用于求和的装置包括处理器;以及所述网络设备还包括耦合到所述处理器的存储器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862686083P | 2018-06-17 | 2018-06-17 | |
US62/686,083 | 2018-06-17 | ||
PCT/US2019/037399 WO2019245931A1 (en) | 2018-06-17 | 2019-06-15 | Distributed radio system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112425127A true CN112425127A (zh) | 2021-02-26 |
CN112425127B CN112425127B (zh) | 2024-09-20 |
Family
ID=68838788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980040903.3A Active CN112425127B (zh) | 2018-06-17 | 2019-06-15 | 分布式无线电系统 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10756790B2 (zh) |
EP (1) | EP3808046A4 (zh) |
CN (1) | CN112425127B (zh) |
WO (1) | WO2019245931A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676287A (zh) * | 2021-07-07 | 2021-11-19 | 杭州红岭通信息科技有限公司 | 简化5g nr中rm码算法和提高csi置信度的方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6897796B2 (ja) * | 2017-12-14 | 2021-07-07 | 日本電気株式会社 | 無線送信装置、ベースバンド処理装置、無線送信方法、及び無線受信装置 |
CN112534864A (zh) * | 2018-07-19 | 2021-03-19 | 诺基亚技术有限公司 | 用于认知功能的网络状态的环境建模和抽象 |
US20200293894A1 (en) * | 2019-03-12 | 2020-09-17 | Samsung Electronics Co., Ltd. | Multiple-input multiple-output (mimo) detector selection using neural network |
US11240069B2 (en) * | 2020-01-31 | 2022-02-01 | Kabushiki Kaisha Tokai Rika Denki Seisakusho | Communication device, information processing method, and storage medium |
US11563614B2 (en) * | 2020-03-03 | 2023-01-24 | Qualcomm Incorporated | Spectral efficiency for tone reservation peak-to-average power ratio reduction |
CN111966404B (zh) * | 2020-07-03 | 2022-08-05 | 北京航空航天大学杭州创新研究院 | 一种基于gpu的规则稀疏码分多址scma高速并行译码方法 |
US10985962B1 (en) * | 2020-07-16 | 2021-04-20 | University Of South Carolina | Method and system for wideband index modulation based on chirp signals |
US11995149B2 (en) * | 2020-12-17 | 2024-05-28 | Advanced Micro Devices, Inc. | Sparse matrix-vector multiplication |
CN112737986A (zh) * | 2020-12-25 | 2021-04-30 | 杭州电子科技大学 | 一种改进的近似复指数基扩展的联合反馈k-means信道估计方法 |
US20240048190A1 (en) * | 2020-12-29 | 2024-02-08 | Ntt Docomo, Inc. | Terminal and base station in communication system |
CN113300993B (zh) * | 2021-05-28 | 2022-08-26 | 天津大学 | 比特域叠加伪随机序列与稀疏级联编码的传输方法 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007068214A1 (fr) * | 2005-12-16 | 2007-06-21 | Huawei Technologies Co., Ltd. | Procede et appareil de detection de signaux et procede et appareil de decomposition de matrice |
US20080075188A1 (en) * | 2006-09-21 | 2008-03-27 | Sharp Laboratories Of America, Inc. | Systems and methods for obtaining an optimum transmission format of reference signals to maximize capacity and minimize peak to average power ratio |
US20090112551A1 (en) * | 2007-10-30 | 2009-04-30 | Micron Technology, Inc. | Matrix modeling of parallel data structures to facilitate data encoding and/or jittery signal generation |
US20090213969A1 (en) * | 2008-02-27 | 2009-08-27 | Fujitsu Limited | Wireless Communication Device, Equalizer, Computer-Readable Medium Storing Program for Obtaining Weight Coefficients in the Equalizer, and Process for Obtaining Weight Coefficients in the Equalizer |
CN101622797A (zh) * | 2007-04-26 | 2010-01-06 | 三星电子株式会社 | 无线通信系统中的传输分集 |
CN102025665A (zh) * | 2009-09-18 | 2011-04-20 | 上海贝尔股份有限公司 | 一种传输方法及其设备 |
US8090000B2 (en) * | 2010-02-26 | 2012-01-03 | Kochi University Of Technology | Communication system and its method |
CN102891815A (zh) * | 2012-09-19 | 2013-01-23 | 北京航空航天大学 | 一种时分双工多基站协作系统中的低复杂度信道估计方法 |
CN103039047A (zh) * | 2010-06-23 | 2013-04-10 | 皇家飞利浦电子股份有限公司 | 用于操作从站的方法 |
US20130198590A1 (en) * | 2010-04-21 | 2013-08-01 | Lg Electronics Inc. | Method of reducing peak-to-average power ratio, cubic metric and block error rate in ofdm systems using network coding |
US8538159B2 (en) * | 2007-05-04 | 2013-09-17 | Imec | Method and apparatus for real-time/on-line performing of multi view multimedia applications |
CN103414678A (zh) * | 2013-08-02 | 2013-11-27 | 浙江大学 | 基于Vector OFDM的双选择性信道的变换域均衡方法 |
WO2014199989A1 (ja) * | 2013-06-10 | 2014-12-18 | シャープ株式会社 | 基地局装置、端末装置、無線通信システム、集積回路 |
US20150117558A1 (en) * | 2013-10-25 | 2015-04-30 | Samsung Electronics Co., Ltd. | Orthogonal frequency-division multiplexing (ofdm) peak to average power ratio (papr) reduction using low complexity transformations |
CN105101434A (zh) * | 2010-01-18 | 2015-11-25 | 瑞典爱立信有限公司 | 无线电基站和用户设备以及其中的方法 |
US20160254889A1 (en) * | 2002-05-14 | 2016-09-01 | Genghiscomm Holdings, LLC | Spreading and Precoding in OFDM |
CN105978655A (zh) * | 2016-06-16 | 2016-09-28 | 中国科学技术大学 | 一种无线网络中的小包数据传输方法及系统 |
WO2016172875A1 (zh) * | 2015-04-29 | 2016-11-03 | 华为技术有限公司 | 传输信息的方法、网络设备和终端设备 |
EP3118573A1 (en) * | 2015-07-16 | 2017-01-18 | Hand Held Products, Inc. | Dimensioning and imaging items |
US20170126458A1 (en) * | 2002-05-14 | 2017-05-04 | Genghiscomm Holdings, LLC | Pre-Coding in Multi-User MIMO |
WO2017077848A1 (en) * | 2015-11-02 | 2017-05-11 | Sony Corporation | Transmission device and reception device using noma technique |
WO2018031709A1 (en) * | 2016-08-10 | 2018-02-15 | Idac Holdings, Inc. | Spatial modulation for next generation wireless systems |
Family Cites Families (87)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3181440B2 (ja) * | 1993-07-30 | 2001-07-03 | 松下通信工業株式会社 | Cdma方式通信装置 |
US6686879B2 (en) | 1998-02-12 | 2004-02-03 | Genghiscomm, Llc | Method and apparatus for transmitting and receiving signals having a carrier interferometry architecture |
US7076168B1 (en) | 1998-02-12 | 2006-07-11 | Aquity, Llc | Method and apparatus for using multicarrier interferometry to enhance optical fiber communications |
US7430257B1 (en) | 1998-02-12 | 2008-09-30 | Lot 41 Acquisition Foundation, Llc | Multicarrier sub-layer for direct sequence channel and multiple-access coding |
US7787514B2 (en) | 1998-02-12 | 2010-08-31 | Lot 41 Acquisition Foundation, Llc | Carrier interferometry coding with applications to cellular and local area networks |
US5955992A (en) | 1998-02-12 | 1999-09-21 | Shattil; Steve J. | Frequency-shifted feedback cavity used as a phased array antenna controller and carrier interference multiple access spread-spectrum transmitter |
US7406261B2 (en) | 1999-11-02 | 2008-07-29 | Lot 41 Acquisition Foundation, Llc | Unified multi-carrier framework for multiple-access technologies |
US7391804B2 (en) | 2000-04-04 | 2008-06-24 | Lot 41 Acquisition Foundation, Llc | Spread spectrum communication method and system using diversity correlation and multi-user detection |
US7418043B2 (en) | 2000-07-19 | 2008-08-26 | Lot 41 Acquisition Foundation, Llc | Software adaptable high performance multicarrier transmission protocol |
US8670390B2 (en) | 2000-11-22 | 2014-03-11 | Genghiscomm Holdings, LLC | Cooperative beam-forming in wireless networks |
US20080095121A1 (en) | 2002-05-14 | 2008-04-24 | Shattil Steve J | Carrier interferometry networks |
US9225471B2 (en) | 2002-05-14 | 2015-12-29 | Genghiscomm Holdings, LLC | Cooperative subspace multiplexing in communication networks |
US8929550B2 (en) | 2013-02-01 | 2015-01-06 | Department 13, LLC | LPI/LPD communication systems |
US8942082B2 (en) | 2002-05-14 | 2015-01-27 | Genghiscomm Holdings, LLC | Cooperative subspace multiplexing in content delivery networks |
US7317750B2 (en) * | 2002-10-31 | 2008-01-08 | Lot 41 Acquisition Foundation, Llc | Orthogonal superposition coding for direct-sequence communications |
EP1563659B1 (en) | 2002-11-07 | 2009-04-15 | Telefonaktiebolaget LM Ericsson (publ) | PAPR reduction |
US6927728B2 (en) * | 2003-03-13 | 2005-08-09 | Motorola, Inc. | Method and apparatus for multi-antenna transmission |
US7286604B2 (en) | 2003-05-27 | 2007-10-23 | Aquity Llc | Carrier interferometry coding and multicarrier processing |
KR100754794B1 (ko) | 2004-05-29 | 2007-09-03 | 삼성전자주식회사 | 이동통신시스템에서 셀 식별 코드 송수신 장치 및 방법 |
WO2006009411A1 (en) * | 2004-07-22 | 2006-01-26 | Industry Academic Cooperation Of Kyunghee University | Multi-carrier cdma transmitting device and method using block-based multi-carrier spreading |
KR101118772B1 (ko) | 2004-12-02 | 2012-03-21 | 뉴저지 인스티튜트 오브 테크놀로지 | Papr의 감소를 위한 방법 및/또는 시스템 |
US8019006B2 (en) | 2005-05-19 | 2011-09-13 | Samsung Electronics Co., Ltd. | Apparatus and method for FT pre-coding of data and control signals to reduce PAPR in a multi-carrier wireless network |
US20070183386A1 (en) | 2005-08-03 | 2007-08-09 | Texas Instruments Incorporated | Reference Signal Sequences and Multi-User Reference Signal Sequence Allocation |
US8885628B2 (en) | 2005-08-08 | 2014-11-11 | Qualcomm Incorporated | Code division multiplexing in a single-carrier frequency division multiple access system |
KR101084144B1 (ko) | 2005-11-09 | 2011-11-17 | 엘지전자 주식회사 | Ofdm 또는 ofdma 통신 시스템에서의 첨두전력 대평균전력비 개선 방법 및 그 장치 |
KR101100209B1 (ko) * | 2005-12-27 | 2011-12-28 | 엘지전자 주식회사 | 다수의 반송파를 이용하여 데이터를 전송하는 장치 및 방법 |
US20070206686A1 (en) * | 2006-01-05 | 2007-09-06 | Vook Frederick W | Method and apparatus for performing cyclic-shift diversity with beamforming |
KR101227490B1 (ko) | 2006-03-13 | 2013-01-29 | 엘지전자 주식회사 | 최대 전력 대 평균 전력 제어 방법 및 장치 |
KR20080022033A (ko) * | 2006-09-05 | 2008-03-10 | 엘지전자 주식회사 | 프리코딩 정보 피드백 방법 및 프리코딩 방법 |
US8077805B1 (en) * | 2007-04-27 | 2011-12-13 | Marvell International Ltd. | MIMO equalizer method and apparatus |
KR100878720B1 (ko) | 2007-05-29 | 2009-02-05 | 재단법인서울대학교산학협력재단 | 직교 주파수 분할 다중화 시스템에서의 최대전력 대평균전력의 비를 줄이기 위한 방법 |
BR122019003652A8 (pt) * | 2007-09-28 | 2023-01-31 | Panasonic Corp | Método de codificação, codificador estruturado para criar um código convolucional de verificação de paridade de baixa densidade e decodificador que decodifica um código convolucional de verificação de paridade de baixa densidade |
TW200926655A (en) | 2007-12-10 | 2009-06-16 | Univ Nat Taiwan | Method of using unitary transformation to solve high peak-to-average power ratio problem for multi-carrier modulation communication system |
US8169959B2 (en) | 2008-04-30 | 2012-05-01 | Intel Corporation | System aided PAPR reduction scheme based on TR algorithm |
KR101513044B1 (ko) | 2008-08-05 | 2015-04-17 | 엘지전자 주식회사 | Papr을 줄이기 위한 무선 접속 방식 |
EP2159950B1 (en) * | 2008-08-11 | 2016-04-27 | LG Electronics Inc. | Method and apparatus for transmitting uplink signals using multi antenna |
KR101549021B1 (ko) * | 2008-08-20 | 2015-09-01 | 엘지전자 주식회사 | 상향링크 papr을 줄이기 위한 프리코딩 방법 및 이를 위한 장치 |
EP2345221B1 (en) | 2008-10-31 | 2012-09-19 | Telecom Italia S.p.A. | PAPR reduction in multi-carrier transmission |
US8264946B2 (en) | 2008-12-31 | 2012-09-11 | Qualcomm Incorporated | Methods and systems for PAPR reduction in SC-FDMA systems |
JP5576081B2 (ja) * | 2009-09-28 | 2014-08-20 | 京セラ株式会社 | 無線通信システムおよび無線通信方法 |
US8509705B2 (en) * | 2009-11-02 | 2013-08-13 | Motorola Mobility Llc | Differential closed-loop transmission feedback in wireless communication systems |
WO2011140977A1 (en) * | 2010-05-14 | 2011-11-17 | Zte Wistron Telecom Ab | Method and apparatus for frequency offset compensation for an ofdma uplink |
US8374074B2 (en) | 2010-05-15 | 2013-02-12 | Ralink Technology Corp. | Phase rotation method for reducing PAPR |
US9054929B2 (en) | 2010-08-11 | 2015-06-09 | Qualcomm Incorporated | Constructing very high throughput signal (VHT-SIG) fields for reduced peak-to-average power ratio (PAPR) |
WO2012044088A2 (ko) * | 2010-09-29 | 2012-04-05 | 엘지전자 주식회사 | 다중 안테나 지원 무선 통신 시스템에서 효율적인 피드백 방법 및 장치 |
EP2442454A3 (en) * | 2010-10-14 | 2014-01-01 | Electronics and Telecommunications Research Institute | Continuous orthogonal spreading code based ultra-high performance array antenna system |
JP5596498B2 (ja) * | 2010-11-02 | 2014-09-24 | シャープ株式会社 | 基地局装置、移動局装置及びそれらを用いた無線通信システム |
KR20120099838A (ko) | 2011-03-02 | 2012-09-12 | 삼성전자주식회사 | 방송통신시스템에서 피크 전력 대 평균 전력의 비를 감소시키기 위한 장치 및 방법 |
US9350505B2 (en) | 2011-04-24 | 2016-05-24 | Broadcom Corporation | Peak to average power ratio (PAPR) reduction for repetition mode within single user, multiple user, multiple access, and/or MIMO wireless communications |
US9237050B2 (en) | 2011-05-20 | 2016-01-12 | Broadcom Corporation | High peak to average power ratio (PAPR) mitigation in high speed data networks using symbol mapping adjustment |
US8467363B2 (en) * | 2011-08-17 | 2013-06-18 | CBF Networks, Inc. | Intelligent backhaul radio and antenna system |
KR102127836B1 (ko) | 2012-05-08 | 2020-06-29 | 한국전자통신연구원 | 엘티이기반 이동통신시스템에서 낮은 피에이피알을 가지는 향상된 하향링크 전송 방법 |
CN103582101B (zh) * | 2012-07-31 | 2017-07-28 | 华为技术有限公司 | 调整基站天线发射功率的方法、装置及基站 |
US20150227747A1 (en) * | 2012-10-22 | 2015-08-13 | Donatello Gassi | Information security based on eigendecomposition |
US9153230B2 (en) * | 2012-10-23 | 2015-10-06 | Google Inc. | Mobile speech recognition hardware accelerator |
US8798181B1 (en) | 2013-01-15 | 2014-08-05 | John David Terry | Method and apparatus for controlling multi-dimensional peak-to-average-power-ratio (PAPR) with constraints |
FR3003107A1 (fr) | 2013-03-08 | 2014-09-12 | France Telecom | Procede de transmission d'un signal multiporteuse, dispositif de transmission et programme d'ordinateur correspondants |
US9960942B2 (en) * | 2013-04-22 | 2018-05-01 | Beijing Institute Of Technology | Low complexity method for reducing PAPR in FRFT-OFDM systems |
EP2843894A1 (en) | 2013-09-02 | 2015-03-04 | Denis Julien Gilles Mestdagh | A method for generating a built symbol for PAPR reduction and a method for demodulating a received symbol |
US9928212B2 (en) * | 2013-11-03 | 2018-03-27 | Brian G. Agee | Subspace-constrained partial update method for high-dimensional adaptive processing systems |
US20150304153A1 (en) | 2014-04-21 | 2015-10-22 | Harris Corporation | Wireless communications device providing peak-to-average power ratio (papr) reduction based upon walsh transformation matrix permutations and related methods |
US9635529B2 (en) | 2014-06-05 | 2017-04-25 | Empire Technology Development Llc | PAPR adjustment using precoder data |
US9537697B2 (en) | 2014-08-12 | 2017-01-03 | Bae Systems Information And Electronic System Integration Inc. | Constrained optimization approach to compander design for OFDM PAPR reduction |
CN104202285B (zh) | 2014-08-26 | 2015-06-03 | 江苏中兴微通信息科技有限公司 | 一种用于无线通信系统的低papr序列设计方法 |
US9479375B1 (en) | 2015-04-02 | 2016-10-25 | University Of South Florida | Joint physical layer security and PAPR mitigation in OFDM systems |
US20180062904A1 (en) | 2015-04-16 | 2018-03-01 | Lg Electronics Inc. | Symbol-mapping method and radio device for decreasing papr |
US9800365B2 (en) | 2015-05-19 | 2017-10-24 | Samsung Electronics Co., Ltd. | Transmitting apparatus and mapping method thereof |
US9742608B2 (en) | 2015-05-29 | 2017-08-22 | Huawei Technologies Co., Ltd. | Low PAPR waveform for mmW |
WO2016200187A1 (en) | 2015-06-09 | 2016-12-15 | Samsung Electronics Co., Ltd. | Method for determining reserved tones and transmitter for performing papr reduction using tone reservation |
US9432079B1 (en) * | 2015-06-10 | 2016-08-30 | Rajendra Kumar | Frequency hopped frequency modulation spread spectrum (FHFMSS) multiple accessing communication systems and methods |
JP2017531347A (ja) | 2015-06-25 | 2017-10-19 | 株式会社東芝 | Ofdmのためのハイブリッドpapr低減 |
IL256934B (en) | 2015-07-27 | 2022-07-01 | Genghiscomm Holdings Llc | Airborne relays in cooperative multiple input and multiple output systems |
US9819526B2 (en) | 2015-11-05 | 2017-11-14 | Huawei Technologies Co., Ltd. | Apparatus and methods for low PAPR transmission in MIMO systems |
US10187239B2 (en) | 2015-11-05 | 2019-01-22 | Huawei Technologies Co., Ltd. | Systems and methods to reduce the peak-to-average power ratio (PAPR) of signals in channel bonding |
US9686757B1 (en) | 2015-11-11 | 2017-06-20 | Newracom, Inc. | Peak to average power ratio (PAPR) reduction in a wireless network |
US9870341B2 (en) * | 2016-03-18 | 2018-01-16 | Qualcomm Incorporated | Memory reduction method for fixed point matrix multiply |
KR20170110822A (ko) | 2016-03-24 | 2017-10-12 | 한국전자통신연구원 | 계층분할다중화 시스템에서 피크전력 대 평균전력비를 감소시키는 장치 및 방법 |
US10084631B2 (en) | 2016-06-06 | 2018-09-25 | Ramot At Tel-Aviv University Ltd. | Technique for PAPR reduction in communication channel |
US10262336B2 (en) * | 2016-09-12 | 2019-04-16 | Accelerize Inc. | Non-converting publisher attribution weighting and analytics server and method |
US9985811B2 (en) | 2016-09-23 | 2018-05-29 | Intel IP Corporation | PAPR reduction for IQ RFDAC |
US9847897B1 (en) | 2016-12-13 | 2017-12-19 | Futurewei Technologies, Inc. | System and method for DFT-S-OFDM PAPR reduction |
US10567205B2 (en) | 2017-01-26 | 2020-02-18 | Qualcomm Incorporated | Frequency and time domain multiplexing for low peak-to-average power ratio (PAPR) waveform design with multiple streams |
US10250313B2 (en) * | 2017-03-09 | 2019-04-02 | Samsung Electronics Co., Ltd. | Method and apparatus for covariance matrix feedback in advanced wireless communication systems |
KR102206068B1 (ko) * | 2017-03-24 | 2021-01-21 | 삼성전자주식회사 | 무선 통신 시스템에서 상향링크 전송을 위한 장치 및 방법 |
CN108696304A (zh) * | 2017-04-06 | 2018-10-23 | 索尼公司 | 无线通信方法和无线通信装置 |
KR102282868B1 (ko) * | 2017-04-25 | 2021-07-28 | 삼성전자주식회사 | 무선 통신 시스템에서 채널 추정을 위한 방법 및 장치 |
US20180350351A1 (en) * | 2017-05-31 | 2018-12-06 | Intel Corporation | Feature extraction using neural network accelerator |
-
2019
- 2019-06-15 EP EP19822936.1A patent/EP3808046A4/en active Pending
- 2019-06-15 WO PCT/US2019/037399 patent/WO2019245931A1/en unknown
- 2019-06-15 US US16/442,493 patent/US10756790B2/en active Active
- 2019-06-15 CN CN201980040903.3A patent/CN112425127B/zh active Active
-
2020
- 2020-07-18 US US16/932,755 patent/US11606233B2/en active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170126458A1 (en) * | 2002-05-14 | 2017-05-04 | Genghiscomm Holdings, LLC | Pre-Coding in Multi-User MIMO |
US20160254889A1 (en) * | 2002-05-14 | 2016-09-01 | Genghiscomm Holdings, LLC | Spreading and Precoding in OFDM |
WO2007068214A1 (fr) * | 2005-12-16 | 2007-06-21 | Huawei Technologies Co., Ltd. | Procede et appareil de detection de signaux et procede et appareil de decomposition de matrice |
US20080075188A1 (en) * | 2006-09-21 | 2008-03-27 | Sharp Laboratories Of America, Inc. | Systems and methods for obtaining an optimum transmission format of reference signals to maximize capacity and minimize peak to average power ratio |
CN101622797A (zh) * | 2007-04-26 | 2010-01-06 | 三星电子株式会社 | 无线通信系统中的传输分集 |
US8538159B2 (en) * | 2007-05-04 | 2013-09-17 | Imec | Method and apparatus for real-time/on-line performing of multi view multimedia applications |
US20090112551A1 (en) * | 2007-10-30 | 2009-04-30 | Micron Technology, Inc. | Matrix modeling of parallel data structures to facilitate data encoding and/or jittery signal generation |
US20090213969A1 (en) * | 2008-02-27 | 2009-08-27 | Fujitsu Limited | Wireless Communication Device, Equalizer, Computer-Readable Medium Storing Program for Obtaining Weight Coefficients in the Equalizer, and Process for Obtaining Weight Coefficients in the Equalizer |
CN102025665A (zh) * | 2009-09-18 | 2011-04-20 | 上海贝尔股份有限公司 | 一种传输方法及其设备 |
CN105101434A (zh) * | 2010-01-18 | 2015-11-25 | 瑞典爱立信有限公司 | 无线电基站和用户设备以及其中的方法 |
US8090000B2 (en) * | 2010-02-26 | 2012-01-03 | Kochi University Of Technology | Communication system and its method |
US20130198590A1 (en) * | 2010-04-21 | 2013-08-01 | Lg Electronics Inc. | Method of reducing peak-to-average power ratio, cubic metric and block error rate in ofdm systems using network coding |
CN103039047A (zh) * | 2010-06-23 | 2013-04-10 | 皇家飞利浦电子股份有限公司 | 用于操作从站的方法 |
CN102891815A (zh) * | 2012-09-19 | 2013-01-23 | 北京航空航天大学 | 一种时分双工多基站协作系统中的低复杂度信道估计方法 |
WO2014199989A1 (ja) * | 2013-06-10 | 2014-12-18 | シャープ株式会社 | 基地局装置、端末装置、無線通信システム、集積回路 |
CN103414678A (zh) * | 2013-08-02 | 2013-11-27 | 浙江大学 | 基于Vector OFDM的双选择性信道的变换域均衡方法 |
US20150117558A1 (en) * | 2013-10-25 | 2015-04-30 | Samsung Electronics Co., Ltd. | Orthogonal frequency-division multiplexing (ofdm) peak to average power ratio (papr) reduction using low complexity transformations |
WO2016172875A1 (zh) * | 2015-04-29 | 2016-11-03 | 华为技术有限公司 | 传输信息的方法、网络设备和终端设备 |
EP3118573A1 (en) * | 2015-07-16 | 2017-01-18 | Hand Held Products, Inc. | Dimensioning and imaging items |
WO2017077848A1 (en) * | 2015-11-02 | 2017-05-11 | Sony Corporation | Transmission device and reception device using noma technique |
CN105978655A (zh) * | 2016-06-16 | 2016-09-28 | 中国科学技术大学 | 一种无线网络中的小包数据传输方法及系统 |
WO2018031709A1 (en) * | 2016-08-10 | 2018-02-15 | Idac Holdings, Inc. | Spatial modulation for next generation wireless systems |
Non-Patent Citations (4)
Title |
---|
AMNART BOONKAJAY ET AL.: "A Blind Selected Mapping Technique for Low-PAPR Single-Carrier Signal Transmission", 2015 10TH ICICS, 28 April 2016 (2016-04-28) * |
IBRAHIM MOHAMMAD HUSSAIN: "Low Complexity Partial SLM Technique for PAPR Reduction in OFDM Transmitters", INTERNATIONAL JOURNAL ON ELECTRICAL ENGINEERING AND INFORMATICS, vol. 5, no. 1, 31 March 2013 (2013-03-31), XP055664369, DOI: 10.15676/ijeei.2013.5.1.1 * |
张彦奎;巴斌;王大鸣;: "基于空间扩展的分布式秩损MIMO检测算法", 信号处理, no. 11, 25 November 2016 (2016-11-25) * |
曾玖贞;王超;王彦;邓贤君;王明华;: "基于NSFC-OFDM的非协作式虚拟MIMO", 重庆邮电大学学报(自然科学版), no. 03, 15 June 2017 (2017-06-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676287A (zh) * | 2021-07-07 | 2021-11-19 | 杭州红岭通信息科技有限公司 | 简化5g nr中rm码算法和提高csi置信度的方法 |
CN113676287B (zh) * | 2021-07-07 | 2024-06-11 | 杭州红岭通信息科技有限公司 | 简化5g nr中rm码算法和提高csi置信度的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3808046A1 (en) | 2021-04-21 |
US20190386717A1 (en) | 2019-12-19 |
US20200350966A1 (en) | 2020-11-05 |
WO2019245931A1 (en) | 2019-12-26 |
EP3808046A4 (en) | 2022-02-23 |
CN112425127B (zh) | 2024-09-20 |
US11606233B2 (en) | 2023-03-14 |
US10756790B2 (en) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112425127B (zh) | 分布式无线电系统 | |
JP7208917B2 (ja) | Ofdmおよびmimo-ofdmのための効率的なピーク対平均電力低減 | |
Wei et al. | An AMP-based network with deep residual learning for mmWave beamspace channel estimation | |
Yu et al. | DS-NLCsiNet: Exploiting non-local neural networks for massive MIMO CSI feedback | |
Guo et al. | Deep learning for joint channel estimation and feedback in massive MIMO systems | |
CN113259298B (zh) | Otfs信号处理方法、装置、设备及存储介质 | |
CN109951214A (zh) | 一种适用于大规模mimo系统的信号检测方法 | |
CN114826832B (zh) | 信道估计方法、神经网络的训练方法及装置、设备 | |
KR20220066936A (ko) | 초대형 클래스의 고속 유니터리 변환들을 갖는 매우 큰 다중-입력 다중-출력(mimo) 안테나 시스템들을 사용하는 통신 시스템 및 방법들 | |
Sivalingam et al. | Deep learning-based active user detection for grant-free SCMA systems | |
Zhang et al. | Efficient residual shrinkage CNN denoiser design for intelligent signal processing: Modulation recognition, detection, and decoding | |
CN111988069B (zh) | 大规模mimo广义特征向量结构预编码求解方法、装置 | |
CN107615804B (zh) | 用于设备通信的新传输方案 | |
Elahi et al. | Suppression of mutual interference in noncontiguous orthogonal frequency division multiplexing based cognitive radio systems | |
Liu et al. | Adversarial training for low-complexity convolutional neural networks using in spectrum sensing | |
Ivanov et al. | Hybrid noise-resilient deep learning architecture for modulation classification in cognitive radio networks | |
Alam et al. | DCsiNet: Effective Handling of Noisy CSI in FDD Massive MIMO System | |
He et al. | Compressive sensing based random access for machine type communications considering tradeoff between link performance and latency | |
Saleh et al. | 5G: Performance on the Enhancement of the Asymmetric Arithmetic Coding with Space Time Frequency Block Coding MIMO | |
KR101599189B1 (ko) | 대규모 mimo 시스템에서의 채널 추정 방법 | |
CN111836383B (zh) | 基于波束域信道的scma码本调度方法 | |
CN108123742A (zh) | 一种数据处理方法、数据发送装置以及数据接收装置 | |
CN115314084B (zh) | 基于Cayley空时码的无线传输方法及装置 | |
Kabaoglu et al. | Iterative receiver with low complexity for downlink multicarrier communications over rapidly time‐varying channels | |
Gizzini et al. | Deep Neural Network Augmented Wireless Channel Estimation for Preamble-based OFDM PHY on Zynq System on Chip |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |