CN113497647A - 由通信网络中的电子装置执行的方法和电子装置 - Google Patents

Abstract

提供了一种由通信网络中的电子装置执行的方法和电子装置。所述方法包括：针对信号估计通信网络中的信道；提取与估计的所述信道相关的至少一个信道特征；确定RI和CQI对；向MLP网络输入提取的所述至少一个信道特征以及所述RI和CQI对；针对所述RI和CQI对中的每一个RI和CQI对，接收所述MLP网络的输出，其中，所述MLP网络的所述输出指示针对所述电子装置的吞吐量或频谱效率；以及基于接收到的所述输出来选择所述RI和CQI对中的RI和CQI对。

Description

由通信网络中的电子装置执行的方法和电子装置

本申请基于并要求于2020年4月3日在美国专利商标局提交的第63/004,620号美国临时专利申请以及于2020年6月19日在美国专利商标局提交的第16/906,254号美国专利申请的优先权，其全部内容通过引用合并于此。

技术领域

本公开总体上涉及准确的信道状态信息(CSI)反馈，并且更具体地，涉及一种用于使用多层感知器(MLP)算法来将信道特征映射到秩指示符(RI)和/或信道质量指示符(CQI)以进行CSI反馈的设备和方法。

背景技术

为了有效地利用可用资源、使误块率(BLER)最小化同时使吞吐量最大化，基站(例如，gNodeB(gNB))需要准确的CSI反馈。通常，使用表格来将信道特征映射到候选CQI和候选RI。该表格包括用于针对不同CQI和RI的信道特征的阈值的集合，并且被设计为仅针对一个信道(通常是加性高斯白噪声(AWGN)信道)。因此，必须根据不同的信道条件频繁地更新表格。

当UE正在其他信道中被使用的同时，表格被更新以进一步改善CQI和RI决策。然而，用于更新表格的处理通常是缓慢且不准确的，从而可能导致性能的显著损失。

另外，由于存在许多不同的信道类型，因此使用多个表格(即，针对每一个信道使用一个表格)在实践中是不可行的。

因此，存在对一种改进的用于准确CSI反馈的方法和装置的需求。

发明内容

做出本公开以至少解决上述问题和/或缺点，并且至少提供下述优点。

本公开的一个方面在于改善CSI反馈的质量；具体地，RI和/或CQI。

本公开的另一方面在于提供一种利用MLP网络来将信道特征映射到RI和/或CQI的系统和方法。MLP网络可估计RI、CQI或者同时估计RI和CQI两者。

本公开的另一方面在于利用强化学习(RL)来训练MLP网络。

本公开的另一方面在于提供一种用于细化MLP网络决策的在线自适应(OA)算法。

根据本公开的一个方面，提供了一种用于反馈CSI的方法。所述方法包括：针对信号估计通信网络中的信道；提取与估计的信道相关的至少一个信道特征；确定秩指示符(RI)和信道质量指示符(CQI)对；将提取的所述至少一个信道特征以及所述RI和CQI对输入到多层感知器(MLP)网络；针对所述RI和CQI对中的每一个RI和CQI对，接收所述MLP网络的输出，其中，所述MLP网络的所述输出指示针对所述电子装置的吞吐量或频谱效率；以及基于接收到的所述输出来选择所述RI和CQI对中的RI和CQI对。

根据本公开的另一方面，提供了一种用于反馈CSI的装置。所述装置包括：收发器；多层感知器MLP网络；以及处理器，被配置为：针对信号估计通信网络中的信道，提取与估计的所述信道相关的至少一个信道特征，确定秩指示符(RI)和信道质量指示符(CQI)对，向所述MLP网络输入提取的所述至少一个信道特征以及RI和CQI对，针对所述RI和CQI对中的每一个RI和CQI对接收所述MLP网络的输出，其中，所述MLP网络的所述输出指示针对所述电子装置的吞吐量或频谱效率，以及基于接收到的所述输出来选择所述RI和CQI对中的RI和CQI对。

附图说明

根据以下结合附图的详细描述，本公开的某些实施例的上述和其他方面、特征和优点将更加明显，其中：

图1示出根据实施例的使用训练的MLP网络计算Q函数的方法；

图2示出根据实施例的MLP网络；

图3示出根据实施例的MLP网络；

图4示出根据实施例的用于MLP训练的数据收集方法；

图5示出根据实施例的利用针对不同的反馈延迟和RS周期的相应奖励对状态进行排序的方法；

图6示出根据实施例的具有降低的复杂度的MLP网络；

图7示出根据实施例的对Q函数进行加权的方法；以及

图8示出根据实施例的网络环境中的电子装置的框图。

具体实施方式

在下文中，参照附图详细描述本公开的实施例。应当注意的是，尽管相同的元件在不同的附图中被示出，但它们将由相同的附图标号表示。在以下描述中，仅提供诸如详细配置和组件的特定细节以帮助全面理解本公开的实施例。因此，对于本领域技术人员显而易见的是，在不脱离本公开的范围的情况下，可对这里所描述的实施例进行各种改变和修改。此外，为了清楚和简明，省略了对公知的功能和结构的描述。下面描述的术语是考虑到本公开中的功能而定义的术语，并且可根据用户、用户的意图或习惯而不同。因此，术语的定义应基于贯穿本说明书的内容来确定。

本公开可具有各种修改和各种实施例，下面参照附图详细描述它们中的实施例。然而，应当理解的是，本公开不限于这些实施例，而是包括在本公开的范围内的所有修改、等同物和替代方案。

尽管可使用包括诸如第一、第二等序数的术语来描述各种元件，但结构元件不受这些术语的限制。这些术语仅用于将一个元件与另一元件区分开。例如，在不脱离本公开的范围的情况下，第一结构元件可被称为第二结构元件。类似地，第二结构元件也可被称为第一结构元件。如这里所使用的，术语“和/或”包括一个或更多个相关项的任何和所有组合。

这里所使用的术语仅用于描述本公开的各种实施例，而不意在限制本公开。除非上下文另有清楚说明，否则单数形式旨在包括复数形式。在本公开中，应当理解的是，术语“包括”或“具有”指示存在特征、数字、步骤、操作、结构元件、部件或特征、数字、步骤、操作、结构元件、部件的组合，并且不排除存在一个或更多个其他特征、数字、步骤、操作、结构元件、部件或者一个或更多个其他特征、数字、步骤、操作、结构元件和组件的组合或者添加一个或更多个其他特征、数字、步骤、操作、结构元件、组件或者一个或更多个其他特征、数字、步骤、操作、结构元件、组件的组合的可能性。

除非不同地定义，否则这里所使用的所有术语具有与本公开所属领域的技术人员所理解的含义相同的含义。诸如在通常使用的字典中定义的那些术语应被解释为具有与相关领域中的上下文含义相同的含义，并且不应被解释为具有理想或过于正式的含义，除非在本公开中明确定义。

根据实施例的电子装置可以是各种类型的电子装置中的一种。电子装置可包括便携式通信装置(例如，智能电话)、计算机、便携式多媒体装置、便携式医疗装置、相机、可穿戴装置或家用电器。然而，电子装置不限于上述那些电子装置。

在本公开中所使用的术语不意在限制本公开，而是意在包括相应实施例的各种改变、等同形式或替换形式。关于附图的描述，类似的附图标号可被用于指代类似或相关的元件。除非相关上下文另有明确指示，否则与项目相应的名词的单数形式可以包括一个或更多个事物。如这里所使用的，诸如“A或B”、“A和B中的至少一个”、“A或B中的至少一个”、“A、B或C”、“A、B和C中的至少一个”以及“A、B或C中的至少一个”的短语中的每一个可包括在短语中的相应一个短语中一起列举的项的所有可能组合。如这里所使用的，诸如“第1”、“第2”、“第一”和“第二”的术语可被用于将相应的组件与另一组件区分开，但不意在在其他方面(例如，重要性或顺序)限制组件。其意图是，如果元件(例如，第一元件)被称为在具有或不具有术语“可操作地”或“可通信地”的情况下“与”另一元件(例如，第二元件)“结合”、“结合到”另一元件(例如，第二元件)、“与”另一元件(例如，第二元件)“连接”或者“连接到”另一元件(例如，第二元件)，则指示该元件可直接(例如，有线)、无线地或经由第三元件与所述另一元件结合。

如这里所使用的，术语“模块”可包括以硬件、软件或固件实现的单元，并且可与其他术语(例如，“逻辑”、“逻辑块”、“部分”或“电路”)可互换地使用。模块可以是被适配为执行一个或更多个功能的单个集成组件或者是该单个集成组件的最小单元或其部分。例如，根据实施例，可以以专用集成电路(ASIC)的形式来实现模块。

本公开包括使用RL来训练MLP网络以估计CQI、RI或者RI和CQI两者，收集捕获多个CSI报告周期和多个反馈延迟的数据样本，在多个信道状况和多个系统配置下根据天线、参考信号(RS)端口等的数量选择用于准确CSI估计的特征的集合，以及修改所收集的数据样本以便训练网络以选择仅使频谱效率最大化或者使频谱效率最大化且满足另一约束(诸如BLER约束)的RI和/或CQI。

因为被训练为使均方误差(MSE)最小化的MLP网络可能无法保证在吞吐量或BLER方面的足够的性能，所以本公开还描述在利用不同的随机种子训练的网络中的网络选择标准。

本公开提供一种用于在实际系统中部署MLP网络时利用的以在线方式对MLP网络决策进行调整的OA算法。如果在实践中遇到在训练阶段未被观察到的信道，则OA算法将调整网络决策。可基于当前信道状况和解码成功/失败概率来更新网络的决策。所公开的OA算法还可被用于控制不同RI和/或CQI的BLER。

在现有方法中，UE使用表格来将信道特征中的一个映射到候选CQI和候选RI。该表格包括用于针对不同的CQI和RI的信道特征的阈值的集合。该表格通常是基于简单的AWGN信道而设计的。在UE正在其他信道中被使用的同时，该表格被更新以进一步改善CQI和RI决策。

然而，与传统算法相比，所公开的算法提供更好的从当前信道状况到RI和CQI的映射。与无法一次映射许多个特征的常规方法不同的是，该算法可一次处理许多个信道特征。

由于不存在如同常规方法中那样的表格，因此使用根据本公开的实施例的算法不需要更新存储在表格中的阈值。

使用该算法还使得基于解码失败或成功来进一步调整MLP网络决策。另外，通过使用OA算法可容易控制诸如BLER的其他特性。

图1示出根据实施例的从训练的MLP网络计算Q函数的方法。

参照图1，在步骤101，从估计的RS的信道提取至少一个特征“f”。然后将这些特征馈送到MLP网络，在步骤103，MLP网络估计针对所有的(RI，CQI)组合的不同值的预期的吞吐量(或频谱效率)。MLP网络表示从输入(特征和(RI，CQI))到预期的吞吐量的函数。该函数被称为Q函数。

更具体地，将表示RI和CQI估计的(RI，CQI)的不同值输入到MLP网络以生成不同的输出Q，其中，Q是对预期的吞吐量(或频谱效率)的估计，其中，预期的吞吐量(或频谱效率)是基于输入的特征和输入的(RI，CQI)估计而得到的。MLP网络的对Q的确定可基于输入的信道特征和输入的RI估计、CQI估计来对用于gNB的资源分配的预期的吞吐量进行建模。

系统选择在Q函数具有最大值的情况下的(RI，CQI)，所述(RI，CQI)是针对给定的输入的信道特征的最佳(RI，CQI)估计(例如，MLP网络的最佳输出)。因此，MLP网络在使用最准确的RI和CQI估计(即，最佳地反映信道状态的RI和CQI估计)时将输出最高Q。

图2示出根据实施例的MLP网络。具体地，图2示出被用作回归估计器的MLP网络。

参照图2，除了RI和CQI之外，MLP网络还包括P个输入特征。MLP网络还具有其中具有N个节点的一个隐藏层。MLP网络仅有一个输出估计的频谱效率的输出节点。训练的MLP网络将在图2中所示出的边缘中的每一个之间具有适当的权重。节点通常具有非线性函数。

也可以以不同的方式实现MLP网络。MLP网络可使用多个隐藏层而不是一个隐藏层，或者可使用在减少输入的同时具有更多个输出的MLP。

另外，MLP网络可从MLP输入去除CQI，并且在输出处同时计算针对CQI＝{1，...，CQI_max}的Q函数，其中，CQI_max表示CQI的最大值。类似地，系统可去除RI而不是CQI，或者可同时针对RI和CQI两者进行相同的操作。

图3示出根据实施例的MLP网络。具体地，图3示出从MLP输入去除CQI和RI并且在输出处同时计算针对CQI＝{1，...，CQI_max}和RI＝{1，...，RI_max}的Q函数，其中，RI_max表示RI的最大值。

一个网络可能比另一网络多一些优点。例如，在图2中所示出的网络可具有更少数量的节点，而在图3中所示出的网络同时并行地计算所有输出。

系统离线地(例如，使用RL方法)训练MLP网络。系统可从不同的状态、动作和相应的频谱效率尽可能收集足够多的经验，然后使用收集到的经验来训练MLP网络。例如，使用RL，根据离线收集的先前的经验来训练MLP网络。

图4示出根据实施例的用于MLP训练的数据收集的方法。

参照图4，可针对5种不同的信道状态收集经验。针对每一种不同的状态，系统保存频谱效率(SE)、RI、CQI和状态标识符。SE是在某个信道上在UE处成功接收到的比特数。

系统可利用针对不同的反馈延迟和RS周期的相应奖励对状态进行排序。

图5示出根据实施例的利用针对不同的反馈延迟和RS周期的相应奖励对状态进行排序的方法。

参照图5，系统利用针对反馈延迟为2和RS周期为2的相应奖励(也就是说，针对反馈延迟＝2和RS周期＝2的数据生成)对状态进行排序。

可执行针对不同状态(不同信道、不同信噪比(SNR)、不同层数、不同天线配置等)的数据收集，并且可记录接收到的SE(或吞吐量)。网络可使用收集到的经验进行离线训练。例如，可针对2种情况进行训练：无约束情况和约束情况。

无约束情况：系统将使目标(例如，吞吐量或频谱效率)最大化的基本情况。针对每一个时隙，可使用等式(1)来表示时隙t处的奖励(即经验)。

r(s_t，RI_t，CQI_t)＝SE(s_t，RI_t，CQI_t)...(1)

受约束情况：如果系统具有对性能(例如，BLER)的附加约束，则系统应当使预期的频谱效率最大化，并且还应当满足BLER约束。系统可将针对每一个样本的奖励修改为具有与BLER相应的一些附加项，如等式(2)所示：

r(s_t，RI_t，CQI_t)＝SE(s_t，RI_t，CQI_t)-μ_i，k(e_t(i)-P_e，th)...(2)

在等式(2)中，SE(st，RI_t，CQI_t)是当在使用RI_t，CQI_t的同时观察到状态st时的SE，i是针对从(例如，与信道、CQI索引、CSI-RS周期、反馈延迟等相应的)用于神经网络训练的整个数据划分出的数据集的索引。P_e，th是针对BLER定义的误差阈值，e_t(i)是使用MLP网络产生的BLER，并且μ_i，k是用于对BLER约束进行加权(控制)的因子。将μ_i，k初始化为大于零的数μ_i，0。可如等式(3)所示更新等式(2)：

在等式(3)中，k是针对使用等式(3)执行的更新的次数的索引，以及选择使得μ_i，k+1＞0的α。

特征提取

可将由系统用于MLP的特征划分为2个部分。可从估计的RS的信道获得第一部分。可直接从系统参数和操作模式获得第二部分。系统引入可从估计的RS的信道估计的特征。通常，存在可以从RS的信道提取的许多个特征。然而，并非所有特征都与CQI/RI估计相关。

系统从估计的信道提取的特征的集合可包括以下内容：

(1)跨不同资源元素(RE)观察到的平均SNR，其中，可使用等式(4)来计算平均SNR：

在等式(4)中，N_RSlayers表示RS层的数量，N_RE表示RE的数量，E_s表示信号幅度的平均值。σ表示噪声标准差。W是由预编码矩阵指示符(PMI)选择算法或任何其他算法决定的候选预编码器矩阵，并且H_k是第k个RE处的RS的信道估计。SNR估计被用于指示操作点。针对高SNR，分配较高的调制编码方案(MCS)(以及等效地较高的CQI)，而在较低的SNR，通常分配较低的MCS(以及等效地较低的CQI)。类似地，RI与SNR成比例地增加。

(2)估计的信道的延迟扩展。延迟扩展控制在信道中存在多少符号间干扰(ISI)(如果有的话)。针对具有高ISI的一些信道，无法使用较高的RI和CQI。

(3)估计的多普勒频率。多普勒频率表示信道随时间变化的速度。因为在估计CQI的实例与将使用的实例之间存在延迟，所以当估计CQI时使用多普勒频率。多普勒频率将有助于估计在稍后时间预期信道差异，并且因此反馈合适的CQI和/或RI。

还存在可用于准确CSI估计的其他特征。这些特征不是从信道中被提取的，而是可从系统配置中被获得的。从系统参数提取的特征可包括：

(1)RS的端口数量。RS的端口数量改变如在接收器所观察到的有效SNR的分布。随着端口数量的增加，预期在平均值附近更集中的分布。

(2)UE接收天线的数量。UE接收天线的数量改变如在接收器所观察到的有效SNR的分布。随着UE接收天线的数量的增加，预期在平均值附近更集中的分布。

(3)CSI报告周期。CSI报告周期表示发送器可多久基于所报告的RI/CQI改变一次MCS/秩。如果CSI报告周期太长，则预期UE应当仅报告平均CSI指标(RI和/或CQI)。然而，如果CSI非常频繁，则UE将通过报告瞬时CSI指标来提高吞吐量。

(4)反馈延迟。反馈延迟表示当CSI到达发送器时CSI将过时多久。如果向发送器报告CSI的延迟相对较长，则预期UE应当仅报告平均CSI指标(RI和/或CQI)。然而，如果CSI以非常小的延迟到达发送器，则如果UE报告瞬时CSI指标，则UE将提高吞吐量。

网络训练、选择和范围

训练MLP网络的步骤可包括使用不同的损失函数。在下面的等式(5)中示出使用MSE的示例。

在等式(5)中，M是所收集的样本的数量。θ是权重矢量。Q(RI_t，CQI_t，θ)是基于权重矢量和输入的(RI，CQI)估计的Q函数。

然而，系统在选择MLP网络时无法依赖于MSE指标L(θ)。问题在于该指标不能直接反映此MLP网络的真实性能。因此，系统训练许多个MLP网络，其中，每一个MLP网络具有不同的随机种子。此后，可在实际系统中部署多个MLP网络，然后可选择具有最佳性能的一个MLP网络。可以以许多方式对性能进行量化。例如，一些指标可包括：

(1)最高吞吐量：可使用等式(6)针对第j个MLP网络来测量最高吞吐量。

在等式(6)中，通过不同的RE获得SNR，并且从RS层提取信道(channels)。N_SNRs表示SNR的数量，N_channels表示channels的数量，

是基线阈值(例如，使用穷举搜索算法获得的基线阈值)，并且

是从第j个MLP网络得到的吞吐量。理想吞吐量可以是任何参考曲线，或者是通过穷举搜索获得的吞吐量。

(2)在RI和/或CQI决策方面最一致，即，MLP网络不频繁改变所报告的RI和/或CQI。由于网络装置(尤其是UE)不想要非常频繁地改变RI和/或CQI，因此该指标是重要的。等式(7)给出了用于对针对第j个MLP网络的RI报告改变量进行量化的示例。

在等式(7)中，时隙(time slots)是用于估计RI和/或CQI的时间段。N_timeslots表示时隙的数量。系统还可使用如等式(8)所示出的两个或更多个指标之间的组合。

j^*＝argmin MSE_Tput(j)+αΔRI_avg(j)...(8)

在等式(8)中，可选择具有不同值的α以调整吞吐量的MSE与针对网络的RI报告改变量之间的权重。j^*是用于实际部署的最佳网络。

一旦MLP网络被适当地训练，系统将具有如等式(9)中给出的Q函数。

然后可使用等式(10)来选择(RI，CQI)。

在等式(10)中，

表示状态s的集合。在实践中，可如表格1所示计算argmax。具体地，表格1示出用于计算Q函数的argmax的算法。

表格1

降低算法的复杂度

系统可搜索可能的RI和CQI的子集。例如，一种方法可以是保存先前报告的RI和CQI，然后在下一个报告时刻，仅计算在先前报告的RI和CQI附近的Q函数，诸如：

RI、RI+/-x，其中，x可以是RI范围内的任意整数。

CQI、CQI+/-y，其中，y可以是CQI范围内的任意整数。

通常，可根据实际设置来选择x和y，但对于大多数情况，1或2可能就足够了。

除了减少搜索之外，系统还可通过将附加存储器用于实施来进一步降低计算复杂度。

图6示出根据实施例的具有降低的复杂度的MLP网络。

参照图6，当在不同的RI/CQI上循环时，前P个输入几乎不会改变。此外，针对同一RI，系统应当尝试2y+1个不同的CQI值，使得RI的输入也不会非常频繁地改变，因此可能不需要每次都进行计算。针对每一个RI，系统可一次计算前5个输入的输出，然后在4次连续迭代中的每一次中仅更新最后一个输入节点的输出。当系统搜索超过2x+1个不同的RI时，该步骤将重复2x+1次。

训练的MLP网络的在线自适应

为了基于信道行为细化MLP网络决策，系统可对MLP网络(即，Q函数)的输出应用权重。权重可以是估计的确认(ACK)的概率的函数。

图7示出根据实施例的对Q函数进行加权的方法。

参照图7，类似于图1，从估计的RS的信道提取至少一个特征，然后将所述至少一个特征馈送到MLP网络，其中，在步骤701，MLP网络估计所有的(RI，CQI)组合的不同值的预期的吞吐量(或频谱效率)。MLP网络表示从输入(特征和(RI，CQI))到预期的吞吐量的函数。该函数被称为Q函数。系统选择在Q函数具有最大值的情况下的(RI，CQI)。

另外，在步骤703，计算针对估计的RS的信道的权重。然后在步骤705，将这些权重应用于Q函数。

可使用下面的等式(11)来计算最优(RI，CQI)。

在等式(11)中，W(RI，CQI)是为了对由不同的RI和CQI产生的Q函数进行加权的(RI，CQI)的函数。可例如使用如下表格2所示出的算法来调整W(RI，CQI)以控制可允许的BLER。

表格2

表格2中的步骤6可被用于在信道状况改善(例如，SNR增加)时重新设置估计的BLER。步骤3利用高于阈值的估计的BLER概率对(RI，CQI)的Q值进行加权。否则，系统将用零代替权重，从而导致去除了由算法选择的(RI，CQI)。

图8示出根据一个实施例的网络环境800中的电子装置801的框图。

参照图8，网络环境800中的电子装置801可经由第一网络898(例如，短距离无线通信网络)与另一电子装置802通信，或者经由第二网络899(例如，长距离无线通信网络)与另一电子装置804或服务器808通信。电子装置801还可经由服务器808与电子装置804通信。电子装置801可包括处理器820、存储器830、输入装置850、声音输出装置855、显示装置860、音频模块870、传感器模块876、接口877、触觉模块879、相机模块880、电源管理模块888、电池889、通信模块890、用户识别模块(SIM)896或天线模块897。在一个实施例中，可从电子装置801中省略组件中的至少一个组件(例如，显示装置860或相机模块880)，或者可将一个或更多个其他组件添加到电子装置801。在一个实施例中，一些组件可被实现为单个集成电路(IC)。例如，传感器模块876(例如，指纹传感器、虹膜传感器或照度传感器)也可被嵌入在显示装置860(例如，显示器)中。

处理器820可运行例如软件(例如，程序840)来控制电子装置801的与处理器820结合的至少一个其它组件(例如，硬件组件或软件组件)，并可执行各种数据处理或计算。作为所述数据处理或计算的至少部分，处理器820可将从另一组件(例如，传感器模块876或通信模块890)接收到的命令或数据加载到易失性存储器832中，对存储在易失性存储器832中的命令或数据进行处理，并将结果数据存储在非易失性存储器834中。处理器820可包括主处理器821(例如，中央处理器(CPU)或应用处理器(AP))以及与主处理器821在操作上独立的或者相结合的辅助处理器823(例如，图形处理器(GPU)、图像信号处理器(ISP)、传感器中枢处理器或通信处理器(CP))。另外地或者可选择地，辅助处理器823可被适配为比主处理器821耗电更少，或者执行特定功能。可将辅助处理器823实现为与主处理器821分离，或者实现为主处理器821的部分。

在主处理器821处于未激活(例如，睡眠)状态时，辅助处理器823(而非主处理器821)可控制与电子装置801的组件之中的至少一个组件(例如，显示装置860、传感器模块876或通信模块890)相关的功能或状态中的至少一些，或者在主处理器821处于激活状态(例如，运行应用)时，辅助处理器823可与主处理器821一起来控制与电子装置801的组件之中的至少一个组件(例如，显示装置860、传感器模块876或通信模块890)相关的功能或状态中的至少一些。根据实施例，可将辅助处理器823(例如，ISP或CP)实现为在功能上与辅助处理器823相关的另一组件(例如，相机模块880或通信模块890)的部分。

存储器830可存储由电子装置801的至少一个组件(例如，处理器820或传感器模块876)使用的各种数据。所述各种数据可包括例如软件(例如，程序840)以及针对与其相关的命令的输入数据或输出数据。存储器830可包括易失性存储器832或非易失性存储器834。

可将程序840作为软件存储在存储器830中，并且程序840可包括例如操作系统(OS)842、中间件844或应用846。

输入装置850可从电子装置801的外部(例如，用户)接收将由电子装置801的另一组件(例如，处理器820)使用的命令或数据。输入装置850可包括例如麦克风、鼠标或键盘。

声音输出装置855可将声音信号输出到电子装置801的外部。声音输出装置855可包括例如扬声器或接收器。扬声器可被用于诸如播放多媒体或播放唱片的通用目的，并且接收器可被用于接收呼入呼叫。根据实施例，可将接收器实现为与扬声器分离，或实现为扬声器的部分。

显示装置860可向电子装置801的外部(例如，用户)视觉地提供信息。显示装置860可包括例如显示器、全息装置或投影仪以及用于控制显示器、全息装置和投影仪中的相应一个的控制电路。根据一个实施例，显示装置860可包括被适配为检测触摸的触摸电路或被适配为测量由触摸引起的力的强度的传感器电路(例如，压力传感器)。

音频模块870可将声音转换为电信号，反之亦然。根据一个实施例，音频模块870可经由输入装置850获得声音，或者经由与电子装置801直接(例如，有线)或无线结合的外部电子装置802的耳机或声音输出装置855输出声音。

传感器模块876可检测电子装置801的操作状态(例如，功率或温度)或电子装置801外部的环境状态(例如，用户的状态)，然后产生与检测到的状态相应的电信号或数据值。传感器模块876可包括例如手势传感器、陀螺仪传感器、大气压力传感器、磁性传感器、加速度传感器、握持传感器、接近传感器、颜色传感器、红外(IR)传感器、生物特征传感器、温度传感器、湿度传感器或照度传感器。

接口877可支持将用来使电子装置801与外部电子装置802直接(例如，有线地)或无线连接的一个或更多个特定协议。根据实施例，接口877可包括例如高清晰度多媒体接口(HDMI)、通用串行总线(USB)接口、安全数字(SD)卡接口或音频接口。

连接端878可包括连接器，其中，电子装置801可经由所述连接器与外部电子装置802物理连接。根据一个实施例，连接端878可包括例如HDMI连接器、USB连接器、SD卡连接器或音频连接器(例如，耳机连接器)。

触觉模块879可将电信号转换为可被用户经由触觉或动觉识别的机械刺激(例如，振动或运动)或电刺激。根据一个实施例，触觉模块879可包括例如电机、压电元件或电刺激器。

相机模块880可捕捉静止图像或运动图像。根据一个实施例，相机模块880可包括一个或更多个透镜、图像传感器、ISP或闪光灯。

电力管理模块888可管理供应给电子装置801的电力。电力管理模块888可被实现为例如电力管理集成电路(PMIC)的至少一部分。

电池889可对电子装置801的至少一个组件供电。根据一个实施例，电池889可包括例如不可再充电的原电池、可再充电的蓄电池、或燃料电池。

通信模块890可支持在电子装置801与外部电子装置(例如，电子装置802、电子装置804或服务器808)之间建立直接(例如，有线)通信信道或无线通信信道，并且经由所建立的通信信道执行通信。通信模块890可包括可独立于处理器820(例如，AP)操作并且支持直接(例如，有线)通信或无线通信的一个或更多个CP。

根据实施例，通信模块890可包括如上所述的MLP网络。

根据实施例，通信模块890可包括无线通信模块892(例如，蜂窝通信模块、短距离无线通信模块或全球导航卫星系统(GNSS)通信模块)或有线通信模块894(例如，局域网(LAN)通信模块或电力线通信(PLC)模块)。这些通信模块中的相应的一个通信模块可经由第一网络898(例如，短距离通信网络，诸如蓝牙^TM、无线保真(Wi-Fi)直连或红外数据协会(IrDA)标准)或第二网络899(例如，远程通信网络，诸如蜂窝网络、互联网或计算机网络(例如，LAN或广域网(WAN)))与外部电子装置通信。这些各种类型的通信模块可被实现为单个组件(例如，单个IC)，或者可被实现为彼此分离的多个组件(例如，多个IC)。无线通信模块892可使用存储在用户识别模块896中的用户信息(例如，国际移动用户身份(IMSI))来识别和认证通信网络(诸如第一网络898或第二网络899)中的电子装置801。

天线模块897可将信号或电力发送到电子装置801的外部(例如，外部电子装置)或者从电子装置801的外部(例如，外部电子装置)接收信号或电力。根据一个实施例，天线模块897可包括一个或更多个天线，并且可由例如通信模块890(例如，无线通信模块892)选择所述一个或更多个天线中的适合于在通信网络(诸如第一网络898或第二网络899)中使用的通信方案的至少一个天线。随后可经由所选择的至少一个天线在通信模块890和外部电子装置之间发送或接收信号或电力。

上述组件中的至少一些可经由外设间通信方案(例如，总线、通用输入输出(GPIO)、串行外设接口(SPI)或移动工业处理器接口(MIPI))相互连接并在它们之间通信地传送信号(例如，命令或数据)。

根据一个实施例，可经由与第二网络899结合的服务器808在电子装置801与外部电子装置804之间发送或接收命令或数据。电子装置802和电子装置804中的每一个可以是与电子装置801相同类型的装置，或者是与电子装置801不同类型的装置。将在电子装置801运行的全部操作或一些操作可在外部电子装置802、外部电子装置804或服务器808中的一个或更多个上运行。例如，如果电子装置801应该自动执行功能或服务或者应该响应于来自用户或另一装置的请求执行功能或服务，则电子装置801可请求所述一个或更多个外部电子装置执行所述功能或服务中的至少部分，而不是运行所述功能或服务，或者电子装置801除了运行所述功能或服务以外，还可请求所述一个或更多个外部电子装置执行所述功能或服务中的至少部分。接收所述请求的所述一个或更多个外部电子装置可执行所述功能或服务中的所请求的所述至少部分，或者执行与所述请求相关的另外功能或另外服务，并将执行的结果传送到电子装置801。电子装置801可在对所述结果进行进一步处理的情况下或者在不对所述结果进行进一步处理的情况下将所述结果提供作为对所述请求的至少部分答复。为此，可使用例如云计算技术、分布式计算技术或客户机-服务器计算技术。

可将一个实施例实现为包括存储在可由机器(例如，电子装置801)读取的存储介质(例如，内部存储器836或外部存储器838)中的一个或更多个指令的软件(例如，程序840)。例如，在处理器的控制下，电子装置801的处理器可在使用或无需使用一个或更多个其它组件的情况下调用存储在存储介质中的所述一个或更多个指令中的至少一个指令并运行所述至少一个指令。因此，机器可被操作用于根据所调用的至少一个指令执行至少一个功能。所述一个或更多个指令可包括由编译器产生的代码或能够由解释器运行的代码。可以以非暂时性存储介质的形式来提供机器可读存储介质。术语“非暂时性”指示所述存储介质是有形装置，并且不包括信号(例如，电磁波)，但是该术语并不在数据被半永久性地存储在存储介质中与数据被临时存储在存储介质中之间进行区分。

根据一个实施例，可在计算机程序产品中包括和提供本公开的方法。计算机程序产品可作为产品在销售者与购买者之间进行交易。可以以机器可读存储介质(例如，紧凑盘只读存储器(CD-ROM))的形式来发布计算机程序产品，或者可经由应用商店(例如，PlayStore^TM)在线发布(例如，下载或上传)计算机程序产品，或者可直接在两个用户装置(例如，智能电话)之间分发(例如，下载或上传)计算机程序产品。如果是在线发布的，则计算机程序产品中的至少部分可以是临时产生的，或者可将计算机程序产品中的至少部分至少临时存储在机器可读存储介质(诸如制造商的服务器、应用商店的服务器或转发服务器的存储器)中。

根据一个实施例，上述组件中的每一个组件(例如，模块或程序)可包括单个实体或多个实体。可省略上述组件中的一个或更多个组件，或者可添加一个或更多个其它组件。可选择地或者另外地，可将多个组件(例如，模块或程序)集成为单个组件。在这种情况下，该集成组件可仍旧按照与所述多个组件中的相应一个组件在集成之前执行一个或更多个功能相同或相似的方式，执行所述多个组件中的每一个组件的所述一个或更多个功能。由模块、程序或另一组件所执行的操作可顺序地、并行地、重复地或以启发式方式来执行，或者所述操作中的一个或更多个操作可按照不同的顺序来运行或被省略，或者可添加一个或更多个其它操作。

根据上述实施例，提供了一种系统和方法，其利用MLP网络将信道特征映射到RI和/或CQI。算法可估计RI、CQI或者同时估计RI和CQI两者。该算法可同时将许多个信道特征映射到相应的RI和/或CQI。利用更多个特征，到RI和/或CQI的映射将更精确。通常，由于生成这些表格的复杂度而导致在基于表格的方法中不能将许多个特征映射到RI和/或CQI。

尽管已经在本公开的具体实施方式中描述了本公开的某些实施例，但是在不脱离本公开的范围的情况下，可以以各种形式修改本公开。因此，本公开的范围不应仅基于所描述的实施例来确定，而是基于所附权利要求及其等同物来确定。

Claims (20)

1.一种由通信网络中的电子装置执行的方法，所述方法包括：

针对信号估计通信网络中的信道；

提取与估计的所述信道相关的至少一个信道特征；

确定多个秩指示符RI和信道质量指示符CQI对；

将提取的所述至少一个信道特征以及所述多个RI和CQI对输入到多层感知器MLP网络；

针对所述多个RI和CQI对中的每一个RI和CQI对接收所述MLP网络的输出，其中，所述MLP网络的所述输出指示针对所述电子装置的吞吐量或频谱效率；以及

基于接收到的所述输出来选择所述多个RI和CQI对中的RI和CQI对。

2.根据权利要求1所述的方法，其中，基于接收到的所述输出来选择所述多个RI和CQI对中的RI和CQI对的步骤包括：选择所述多个RI和CQI对中的与接收到的所述输出中的最佳输出相应的RI和CQI对。

3.根据权利要求1所述的方法，还包括：接收基于选择的RI和CQI对的对资源的指示。

4.根据权利要求3所述的方法，还包括：使用指示的所述资源发送所述信号。

5.根据权利要求3所述的方法，还包括：使用指示的所述资源处理所述信号。

6.根据权利要求2所述的方法，还包括：

计算估计的所述信道的权重；以及

在选择所述多个RI和CQI对中的与接收到的所述输出中的最佳输出相应的RI和CQI对之前，将所述权重应用于接收到的所述输出。

7.根据权利要求6所述的方法，其中，所述权重包括估计的确认ACK的概率的函数。

8.根据权利要求6所述的方法，其中，使用以下等式选择所述多个RI和CQI对中的RI和CQI对：

其中，Q^*(s，RI，CQI)是当观察到状态s并且使用RI、CQI时来自MLP网络的估计的Q函数，W(RI，CQI)是用于对得到的Q函数进行加权并且在满足预定条件的情况下修改MLP网络决策的RI和CQI的函数，并且

是状态s的集合。

9.根据权利要求8所述的方法，还包括：通过调整W(RI，CQI)来控制误块率BLER。

10.根据权利要求1所述的方法，其中，使用用于使所述吞吐量最大化的无约束情况或考虑对性能的附加约束的受约束情况中的至少一个来对所述MLP网络进行离线建模。

11.根据权利要求10所述的方法，其中，所述对性能的附加约束包括误块率BLER约束。

12.根据权利要求1所述的方法，其中，使用用于使所述吞吐量最大化的无约束情况或考虑对性能的附加约束的受约束情况中的至少一个来对所述MLP网络进行离线训练。

13.根据权利要求1所述的方法，其中，与估计的所述信道相关的所述至少一个信道特征包括以下各项中的至少一项：平均信噪比SNR、估计的延迟扩展和估计的多普勒频率。

14.根据权利要求1所述的方法，其中，所述MLP网络的所述输出基于以下各项中的至少一项：用于所述信号的端口的数量、接收天线的数量、信道状态信息CSI报告周期和反馈延迟。

15.根据权利要求1所述的方法，其中，所述多个RI和CQI对被包括在从所有可能的RI和CQI对中选择的RI和CQI对的子集中。

16.一种用于在通信网络中使用的电子装置，所述电子装置包括：

收发器；

多层感知器MLP网络；以及

处理器，被配置为：

针对信号估计通信网络中的信道，

提取与估计的所述信道相关的至少一个信道特征，

确定多个秩指示符RI和信道质量指示符CQI对，

向所述MLP网络输入提取的所述至少一个信道特征以及所述多个RI和CQI对，

针对所述多个RI和CQI对中的每一个RI和CQI对接收所述MLP网络的输出，其中，所述MLP网络的所述输出指示针对所述电子装置的吞吐量或频谱效率，以及

基于接收到的所述输出来选择所述多个RI和CQI对中的RI和CQI对。

17.根据权利要求16所述的电子装置，其中，所述处理器还被配置为：选择所述多个RI和CQI对中的与接收到的所述输出中的最佳输出相应的RI和CQI对。

18.根据权利要求16所述的电子装置，其中，所述处理器还被配置为：使用基于选择的RI和CQI对向所述电子装置指示的资源经由所述收发器发送所述信号。

19.根据权利要求16所述的电子装置，其中，所述处理器还被配置为：使用基于选择的RI和CQI对向所述电子装置指示的资源来处理所述信号。

20.如权利要求17所述的电子装置，其中，所述处理器还被配置为：

计算估计的所述信道的权重，以及

在选择所述多个RI和CQI对中的与接收到的所述输出中的最佳输出相应的RI和CQI对之前，将所述权重应用于接收到的所述输出。

Images