CN114073021A - 具有基于神经网络的信道估计的传输系统 - Google Patents

具有基于神经网络的信道估计的传输系统 Download PDF

Info

Publication number
CN114073021A
CN114073021A CN201980098148.4A CN201980098148A CN114073021A CN 114073021 A CN114073021 A CN 114073021A CN 201980098148 A CN201980098148 A CN 201980098148A CN 114073021 A CN114073021 A CN 114073021A
Authority
CN
China
Prior art keywords
symbols
received
receiver
channel
bits
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.)
Pending
Application number
CN201980098148.4A
Other languages
English (en)
Inventor
S·韦泽曼
陈晔健
T·维尔德
J·莫哈玛迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Technologies Oy
Original Assignee
Nokia Technologies Oy
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nokia Technologies Oy filed Critical Nokia Technologies Oy
Publication of CN114073021A publication Critical patent/CN114073021A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0204—Channel estimation of multiple channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0045—Arrangements at the receiver end
    • H04L1/0047—Decoding adapted to other signal detection operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0057—Block codes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
    • H04L1/0056—Systems characterized by the type of code used
    • H04L1/0061—Error detection codes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/021—Estimation of channel covariance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/022—Channel estimation of frequency response
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/0224—Channel estimation using sounding signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0256—Channel estimation using minimum mean square error criteria
    • 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
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

描述了一种装置、方法和计算程序，包括：接收一个或多个接收符号和一个或多个接收比特，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处被接收；将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及提供训练数据对，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。

Description

具有基于神经网络的信道估计的传输系统
技术领域
本说明书涉及传输系统，诸如传输系统的训练和使用。
背景技术
简单的传输系统包括发送器、传输信道(例如，传播信道)和接收器。这样的传输系统的元件中的一个或多个元件可以例如基于所生成的训练数据来训练。尽管已经取得了进展，但该领域仍有进一步发展的空间。
发明内容
在第一方面，本说明书提供了一种装置，该装置包括：用于接收(例如，在训练数据生成器的输入处)一个或多个接收符号和一个或多个接收比特的部件，其中接收符号在传输系统的接收器处(例如，在传输系统的接收器终端的基站处、在用户设备处、在控制节点处等)接收，传输系统包括发送器、信道(例如，一个或多个信道)和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；用于将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号的部件；用于(至少部分)基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数的部件；以及用于提供训练数据对的部件，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素(例如，经解相关的接收数据，诸如经解相关并且经平均的接收符号，该数据可以与接收符号和估计传输符号相关)。传输系统可以是多输入多输出(MIMO)传输系统。
传输系统的信道可以用任意维数的阵列来描述(例如，多个发送天线、多个接收天线和多个子载波情况下的传播可以用3维复数阵列来描述)。但是，如果信道估计器不利用多个信道之间的任何关系(诸如协方差)，则可以单独处理信道；也就是说，不是作为多维阵列。
用于将接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号的部件可以包括调制模块，诸如用于将比特(诸如经编码的比特，例如经LEDP编码的比特)转换为经调制的符号(例如，QAM符号或一些其他符号)的调制模块。备选地或另外地，用于将接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号的部件可以包括用于将经调制的比特符号与导频符号组合的复用器。可以对经调制的符号执行复用。
一些实施例还包括用于确定所接收的传输比特是否被认为正确的部件。所述部件可以是奇偶校验模块。
用于生成估计信道传递函数的部件可以包括信道估计器。
一些实施例还包括用于存储所述训练数据对的数据库。
在第二方面，本说明书提供了一种装置，该装置包括：用于初始化传输系统(例如，多输入多输出(MIMO)传输系统)的接收器的信道估计器模块(例如，基于神经网络的信道估计器模块)的可训练参数的部件，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；用于基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数的部件，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素(例如，经解相关的接收数据，诸如经解相关并且经平均的接收符号，该数据可以与接收符号和估计传输符号相关)，其中用于生成经更新的参数的部件包括用于最小化损失函数(例如，使用随机梯度下降或某种类似算法)的部件；以及用于基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数的部件。第二方面的训练数据对可以使用如上面参考第一方面描述的装置来提供。
一些实施例还包括用于控制使用用于生成经更新的参数的部件对经更新的参数的重复生成和使用用于更新可训练参数的部件对所述可训练参数的重复更新的部件。经更新的参数的生成可以重复直到达到第一条件。这样的第一条件的示例包括定义的迭代次数或定义的性能水平。备选地或另外地，该算法可以在接收到新的训练数据时重复。用于控制经更新的参数的重复生成和所述可训练参数的重复更新的部件响应于经更新的训练数据(诸如给定数目的附加训练数据点)而进行操作。
在第一方面或第二方面，所述训练数据对的第二元素可以包括经解相关的接收数据。所述经解相关的接收数据可以包括经解相关并且经平均的接收符号。
一些实施例还包括用于存储所述训练数据对的数据库。
在第三方面，本说明书提供了一种装置，该装置包括：用于在包括发送器、信道(例如，一个或多个信道)和接收器的传输系统(例如，多输入多输出(MIMO)传输系统)的接收器处接收一个或多个符号的部件，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法(该发送算法可以包括导频符号插入、编码或调制中的一种或多种)并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法(例如，包括导频符号提取、解调或解码中的一种或多种)；用于将接收符号分离(例如，使用解复用器)为接收数据符号和接收导频符号的部件；用于使用传输系统的接收器的信道估计器模块(例如，基于神经网络的信道估计器)处理接收导频信号的部件，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；用于根据所述信道估计器模块的输出来处理接收数据符号的部件；以及用于将经处理的接收数据符号转换为接收数据比特的部件。
传输系统的信道可以用任意维数的阵列来描述(例如，多个发送天线、多个接收天线和多个子载波情况下的传播可以用3维复数阵列来描述)。但是，如果信道估计器不利用多个信道之间的任何关系(诸如协方差)，则可以单独处理信道；也就是说，不是作为多维阵列。
用于转换经处理的接收数据符号的部件可以包括解调模块和/或解码器模块。
传输系统的接收器可以接收包括多个层的输入。
传输系统的接收器可以形成移动通信基站的一部分。备选地或另外地，传输系统的接收器可以形成用户设备的一部分。
在第一方面至第三方面，信道估计器可以使用神经网络来实现，诸如卷积网络。卷积神经网络可以包括多个层(例如，两个层)并且可以包括激活层(例如，softmax或ReLu激活)。
在第一方面至第三方面，一个或多个接收符号可以被包括在多个数据层中。用于处理接收数据符号的部件可以包括干扰消除模块。干扰消除模块可以被配置为消除与多个数据层中的一个或多个不想要的数据层相对应的符号的接收信号贡献以允许对来自相应的想要的数据层的接收符号的处理。
在第四方面，本说明书提供了一种方法，该方法包括：接收一个或多个接收符号和一个或多个接收比特，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处接收，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及提供训练数据对，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。
将接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号可以包括将比特(诸如经编码的比特，例如经LEDP编码的比特)转换为经调制的符号(例如，QAM符号或一些其他符号)。备选地，将接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号可以包括将经调制的比特符号与导频符号组合。
该方法可以包括确定所接收的传输比特是否被认为正确。所述部件可以是奇偶校验模块。
可以提供用于存储所述训练数据对的数据库。
在第五方面，本说明书描述了一种方法，该方法包括：初始化传输系统的接收器的信道估计器模块的可训练参数，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成经更新的参数的部件包括用于最小化损失函数(例如，使用随机梯度下降或某种类似算法)的部件；以及基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数。在一个示例中，信道估计器模块使用诸如卷积网络等神经网络来实现。卷积神经网络可以包括多个层(例如，两个层)并且可以包括激活层(例如，softmax或ReLu激活)。
第五方面的训练数据对可以使用上面参考第四方面描述的方法来提供。
一些实施例还包括控制使用用于生成经更新的参数的部件对经更新的参数的重复生成和使用用于更新可训练参数的部件对所述可训练参数的重复更新。经更新的参数的生成可以重复直到达到第一条件(诸如定义的迭代次数或定义的性能水平)。备选地或另外地，所述可训练参数的更新可以响应于经更新的训练数据(诸如给定数目的附加训练数据点)而重复。
在第六方面，本说明书描述了一种方法，该方法包括：在包括发送器、信道和接收器的传输系统的接收器处接收一个或多个符号，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收符号分离为接收数据符号和接收导频符号；使用传输系统的接收器的信道估计器模块处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；根据所述信道估计器模块的输出来处理接收数据符号；以及将经处理的接收数据符号转换为接收数据比特。信道估计器模块可以实现为神经网络。
接收符号可以被包括在一个或多个层中。
处理接收数据符号可以包括干扰消除模块，例如用于消除与多个数据层中的一个或多个不想要的数据层相对应的符号的接收信号贡献以允许对来自相应的想要的数据层的接收符号的处理的干扰消除模块。
传输系统的接收器可以接收包括多个层的输入。
传输系统的接收器可以形成移动通信基站的一部分。备选地或另外地，传输系统的接收器可以形成用户设备的一部分。
在第七方面，本说明书描述了一种被配置为执行参考第四方面至第六方面描述的任何方法的装置。
在第八方面，本说明书描述了一种计算机可读指令，该计算机可读指令在由计算装置执行时使计算装置执行参考第四方面至第六方面描述的任何方法。
在第九方面，本说明书描述了一种计算机程序，该计算机程序包括用于使装置至少执行以下操作的指令：接收一个或多个接收符号和一个或多个接收比特，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处接收，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及提供训练数据对，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。
在第十方面，本说明书提供了一种计算机程序，该计算机程序包括用于使装置至少执行以下操作的指令：初始化传输系统的接收器的信道估计器模块的可训练参数，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成经更新的参数的部件包括用于最小化损失函数(例如，使用随机梯度下降或某种类似算法)的部件；以及基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数。信道估计器模块可以实现为神经网络。
在第十一方面，本说明书描述了一种计算机程序，该计算机程序包括用于使装置至少执行以下操作的指令：在包括发送器、信道和接收器的传输系统的接收器处接收一个或多个符号，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收符号分离为接收数据符号和接收导频符号；使用传输系统的接收器的信道估计器模块处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；根据所述信道估计器模块的输出来处理接收数据符号；以及将经处理的接收数据符号转换为接收数据比特。信道估计器模块可以实现为神经网络。
在第十二方面，本说明书描述了一种计算机可读介质，该计算机可读介质上存储有用于至少执行以下操作的程序指令：接收一个或多个接收符号和一个或多个接收比特，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处接收，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及提供训练数据对，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。
在第十三方面，本说明书描述了一种计算机可读介质，该计算机可读介质上存储有用于至少执行以下操作的程序指令：初始化传输系统的接收器的信道估计器模块的可训练参数，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成经更新的参数的部件包括用于最小化损失函数的部件；以及基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数。
在第十四方面，本说明书描述了一种计算机可读介质，该计算机可读介质上存储有用于至少执行以下操作的程序指令：在包括发送器、信道和接收器的传输系统的接收器处接收一个或多个符号，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收符号分离为接收数据符号和接收导频符号；使用传输系统的接收器的信道估计器模块处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；根据所述信道估计器模块的输出来处理接收数据符号；以及将经处理的接收数据符号转换为接收数据比特。
在第十五方面，本说明书描述了一种装置，该装置包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该计算机程序代码在由至少一个处理器执行时使该装置：接收一个或多个接收符号和一个或多个接收比特，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处接收，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及提供训练数据对，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。
在第十六方面，本说明书描述了一种装置，该装置包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该计算机程序代码在由至少一个处理器执行时使该装置：初始化传输系统的接收器的信道估计器模块的可训练参数，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成经更新的参数的部件包括用于最小化损失函数的部件；以及基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数。
在第十七方面，本说明书描述了一种装置，该装置包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该计算机程序代码在由至少一个处理器执行时使该装置：在包括发送器、信道和接收器的传输系统的接收器处接收一个或多个符号，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；将接收符号分离为接收数据符号和接收导频符号；使用传输系统的接收器的信道估计器模块处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；根据所述信道估计器模块的输出来处理接收数据符号；以及将经处理的接收数据符号转换为接收数据比特。
在第十八方面，本说明书描述了一种装置，该装置包括：用于接收一个或多个接收符号和一个或多个接收比特的输入(例如，接收器存储器)，其中接收符号在包括发送器、信道和接收器的传输系统的接收器处接收，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；用于将接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号的转换器模块(诸如编码器和/或调制器)；用于基于估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数的信道估计器；以及用于提供训练数据对的输出，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素。
在第十九方面，本说明书提供了一种装置，该装置包括：用于初始化传输系统的接收器的信道估计器模块(例如，基于神经网络的信道估计器模块)的可训练参数的初始化模块，其中传输系统包括发送器、一个或多个信道和接收器，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中接收器的信道估计器模块生成所述信道的传递函数的估计；用于基于所存储的训练数据对针对接收器的信道估计器模块生成经更新的参数的参数模块，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成经更新的参数的部件包括用于最小化损失函数的部件；以及用于基于所述生成的经更新的参数来更新接收器的信道估计器模块的可训练参数的更新模块。
在第二十方面，本说明书提供了一种装置，该装置包括：用于在包括发送器、信道和接收器的传输系统的接收器处接收一个或多个符号的输入，其中发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法并且接收器包括用于将一个或多个接收符号转换为一个或多个接收比特的接收器算法；用于将接收符号分离为接收数据符号和接收导频符号的解复用器；用于使用传输系统的接收器的信道估计器模块处理接收导频信号的信道估计器模块，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；用于根据所述信道估计器模块的输出来处理接收数据符号的第一处理器(例如，干扰抑制组合器)；以及用于将经处理的接收数据符号转换为接收数据比特的输出模块。
附图说明
现在将参考以下示意图以非限制性示例的方式描述示例实施例，在附图中：
图1是根据示例实施例的示例端到端通信系统的框图；
图2是示出算法的流程图，该算法示出了图1的系统的示例使用；
图3是可以在图1的系统中使用的示例发送器的框图；
图4是示出算法的流程图，该算法示出了图3的发送器的示例使用；
图5是根据示例实施例的可以在图1的系统中使用的示例接收器的框图；
图6是示出根据示例实施例的算法的流程图，该算法示出了图5的接收器的示例使用；
图7是根据示例实施例的系统的框图；
图8是示例实施例中的可以在图7的系统中使用的神经网络的框图；
图9是示出根据示例实施例的算法的流程图；
图10是根据示例实施例的系统的框图；
图11是示出算法的流程图，该算法示出了图10的训练数据生成器的示例使用；
图12是示出根据示例实施例的算法的流程图；
图13是根据示例实施例的系统的框图；
图14是根据示例实施例的系统的框图；
图15是根据示例性实施例的系统的组件的框图；以及
图16A和图16B示出了有形介质，分别为可移动存储器单元和光盘(CD)，该有形介质存储计算机可读代码，该计算机可读代码在由计算机运行时执行根据实施例的操作。
具体实施方式
各种实施例的所寻求的保护范围由独立权利要求规定。说明书中描述的不属于独立权利要求的范围的实施例和特征(如果有)将被解释为对理解本发明的各种实施例有用的示例。
在描述和附图中，相同的附图标记始终指代相同的元素。
图1是根据示例实施例的示例端到端通信系统的框图，该系统总体上由附图标记1指示。系统1包括发送器2、信道4和接收器6。从系统层面看，系统1将在发送器2的输入处接收的输入比特流B(t)转换为接收器6的输出处的输出比特流B(t)。更具体地，发送器2将输入比特流B(t)转换为用于通过信道4传输的发送符号X(t)，并且接收器6根据从信道4接收的符号Y(t)生成输出比特流B(t)。
图2是示出算法的流程图，该算法总体上由附图标记10表示，该算法示出了通信系统1的示例使用。
算法10开始于操作11，其中由发送器2使用信道4向接收器6发送数据。在操作12，在接收器6处接收所发送的数据。因此，数据符号X(t)可以在操作1中被发送并且数据符号Y(t)可以在操作12中被接收，从中可以得出对原始数据流B(t)的估计。
在算法10的操作13处，确定在接收器6处接收的数据是否正确(例如，在接收器处估计的数据比特是否与所发送的数据流的比特匹配)。例如，这可以使用奇偶校验或类似算法来实现。如果认为数据不正确，则在操作14处拒绝数据，然后算法10在操作16处终止。如果认为数据正确，则在操作15处传递数据(例如，以在别处使用)并且算法10在操作16处终止。
在算法10的一个示例使用中，在操作14处拒绝接收比特会触发错误接收的比特的重传。在一些示例4G和5G传输系统中，链路自适应的目标误块率(其决定调制阶数和码率)为10％；也就是说，10个上行链路传输中的9个应当被正确解码。
图3是可以在上述通信系统1中使用的示例发送器2的框图。如图3所示，发送器2包括编码器和调制模块22以及复用器(MUX)24。
图4是示出算法的流程图，该算法总体上由附图标记30表示，该算法示出了图3的发送器2的示例使用。
算法30开始于操作32，其中编码器和调制模块22的编码器对信息比特序列B(t)进行编码(例如，使用LDPC信道编码，但其他信道编码方案也是可能的)。在操作34，通过编码器和调制模块22的调制器将经编码的比特映射到传输符号。例如，经编码的比特可以被映射到QAM符号Xd(t)。当然，可以提供备选调制方案。
在操作36，使用复用器24将经调制的符号Xd(t)与导频符号Xp(t)复用。结果信号X(t)(发送器2的输出)在操作38中通过接收器6的信道4进行发送。
图5是根据示例实施例的可以在上述通信系统1中使用的示例接收器的框图，该接收器总体上由附图标记6指示。如图5所示，接收器6包括解复用器42、信道估计器44、干扰抑制组合器(IRC)46以及解调器和解码器模块48。
图6是示出根据示例实施例的算法的流程图，该算法总体上由附图标记50指示，该算法示出了图5的接收器6的示例使用。
在操作51，接收器6从信道4接收信号Y(t)。在操作52使用解复用器42将接收信号Y(t)解复用为导频符号Yp(t)和数据符号Yd(t)。
在操作53，使用信道估计器44生成信道传递函数的估计
Figure BDA0003452004770000141
信道传递函数估计是从接收导频符号Yp(t)(由解复用器42提供给信道估计器44)中得出的。
在操作54，使用信道传递函数的估计
Figure BDA0003452004770000142
均衡接收数据符号Yd(t)(例如，使用干扰抑制组合器(IRC)46，尽管可以使用备选均衡布置)。在操作55中，通过解调器和解码器模块48对均衡的数据符号
Figure BDA0003452004770000143
进行解调和解码以生成原始信息比特B(t)的估计。
如果解码成功(例如，通过成功的CRC校验而确定的)，则接受信息比特B(t)(例如，通过切换到层2(MAC)并且使基站确认对数据的正确接收)。如上所述，如果解码不成功，则基站可以触发数据的重传。
信道估计器44可以采用多种形式。提高信道估计质量的一种可能方法是将关于信道模型的假定包含到估计器的设计中。例如，我们可以假定3GPP信道模型中有一个非常大的阵列和单个到达信号功率集群。具有未知信道协方差矩阵的信道的最优估计(在最小均方误差MMSE的意义上)因此在计算上变得易于处理并且可以产生比简单的最小二乘估计器更好的估计。
图7是根据示例实施例的系统的框图，该系统总体上由附图标记60指示，该系统示出了信道估计器的实现。系统60包括信道估计器模块61、神经网络62、离线学习模块63和样本协方差模块64。
信道估计器模块61可以用于计算时间t的信道向量估计
Figure BDA0003452004770000144
并且因此可以用于实现上述接收器6的信道估计器44。
样本协方差模块64生成(基于接收的和经解相关/经平均的导频信号Yr(t))神经网络62的输入信号，该神经网络生成由信道估计器模块61使用的信道估计器W(t)。神经网络62由通过离线学习模块63提供的参数集a和b参数化。当部署基站时，通常设置默认参数集(例如，通过计算机模拟获取的)(因为来自实际部署的训练数据通常不可用)。然而，一旦基站开始成功地解码传输(例如，上行链路传输)，就开始编译训练数据库，该数据库由离线学习模块63使用以生成新的/改进的参数集a和b。
来自观察时间t＝1，...，T的经解相关的接收上行链路导频向量Yr(t)可以由样本协方差模块64采样。变量
Figure BDA0003452004770000151
表示来自观察时间t＝1，...，T的经解相关的接收(上行链路)导频向量Yr(t)的(向量化)缩放样本协方差矩阵；即，
Figure BDA0003452004770000152
图8是可以在系统60中使用的神经网络62的示例实现的框图。
神经网络62包括卷积神经网络(CNN)，该CNN包括第一CNN层71、求和模块72、softmax激活层73、以及第二CNN层74和第二求和模块75。第一CNN层71包括神经网络权重a1，第一求和模块72接收神经网络权重b1，第二CNN层74包括神经网络权重a2，并且第二求和模块75接收神经网络权重b2。神经网络62可以采用多种形式。例如，神经网络可以包括多个层(例如，两个层)和激活函数(例如，softmax或ReLu激活)；然而，技术人员将意识到可以使用的很多可能的备选神经网络配置。
神经网络62的输出
Figure BDA0003452004770000153
包括(MMSE)最优信道估计器的(向量化)权重，该权重用于计算时间t的信道向量估计
Figure BDA0003452004770000154
对于上述场景(单个集群，非常大的ULA/URA)，CNN的常数(例如，权重向量θ＝(a1，b1，a2，b2))通过解析表达式以封闭形式给出。
然而，为了使这种基于模型的方法稳健，使得其仍然适用于修改后的模型参数或更一般的信道模型，针对所考虑的特殊情况出现在最优估计器中的一些常数(例如，权重向量θ＝(a1，b1，a2，b2))可以解开(untied)成为优化变量，并且这些变量可以通过机器学习方法进行训练。结果是在更一般的3GPP传播信道模型中工作良好的估计器，其中全局最优估计器将不再易于处理。
图9是示出根据示例实施例的总体由附图标记80指示的算法的流程图。算法80可以用于上述神经网络62的训练。
算法80开始于操作82，其中获取训练数据。如下所述，训练数据可以在通信系统(诸如上述系统1)的操作期间获取。
在操作84，响应于所获取的训练数据而更新神经网络(例如，神经网络62)。在操作86，使用经更新的神经网络例如产生来自接收器的一部分的信道估计器的权重。
算法80可以返回到操作82，其中获取另外的训练数据并且进一步更新神经网络。
使用算法80训练神经网络权重是一个学习问题，它可以用随机梯度方法解决，以找到变量的(局部)最优值。神经网络估计器通常需要(无噪声)信道实现和对应的(有噪声)观察的数据集{(H(1)，Yr(1))，(H(2)，Yr(2))，...}来优化变量。因此，还可以从测量活动中获取信道向量和观察的样本，以学习“真实”信道模型的NN-MMSE估计器。然而，这要求测量活动期间的SNR明显大于操作中的SNR。
图10是根据示例实施例的系统的框图，该系统总体上由附图标记90指示。系统90提供用于生成训练数据的机制，该训练数据例如用于训练上述神经网络。
系统90包括上行链路接收链92(其与上述接收器6有一些相似之处)、训练数据生成器100和训练算法108。如下文详细描述的，训练算法108用于基于由训练数据生成器100生成的训练数据来训练上行链路接收链92的信道估计器95。
如图10所示，上行链路接收链92包括解复用器(DEMUX)93、解相关和平均模块94、信道估计器95、干扰抑制组合器(IRC)96以及解调器和解码器模块97。
接收器链92从信道4接收一个或多个符号Y(t)。
接收信号Y(t)通过解复用器93被解复用(即，分离)为接收导频符号Yp(t)和接收数据符号Yd(t)。
解相关和平均模块94实现接收和发送的导频符号的逐符号划分(Yp(t)/Xp(t))并且对这些值求平均(例如，使用窗函数)以生成提供给信道估计器95的符号Yr(t)。该符号向量用于计算如上面等式(1)中给出的缩放样本协方差矩阵，该矩阵然后被馈送到基于神经网络的信道估计器95，该信道估计器95用于计算时间t的信道估计
Figure BDA0003452004770000171
以这种方式，使用信道估计器95处理接收导频信号Yp(t)。如下文详细描述的，信道估计器模块95包括被配置为生成信道的传递函数的估计的可训练算法。
信道传递函数的估计
Figure BDA0003452004770000172
由IRC 96使用以将接收数据符号Yd(t)均衡(或以其他方式处理)为所生成的经处理的数据符号
Figure BDA0003452004770000173
当接收数据符号Yd(t)被包括在多个数据层中时，IRC 96可以例如被配置为消除与多个数据层中的一个或多个不想要的数据层相对应的符号的接收信号贡献以允许对来自相应的想要的数据层的接收符号的处理。
经处理的数据符号
Figure BDA0003452004770000174
由解调器和解码器模块97解调和解码。因此，数据符号被转换为接收数据比特B(t)。
如果解码成功(例如，通过成功的CRC校验确定的)，则接受信息比特B(t)(例如，通过切换到层2(MAC)并且使系统90确认对数据的正确接收)。如上所述，如果解码不成功，则基站可以触发数据的重传。
用于确定接收传输比特是否被认为正确的部件(诸如奇偶校验模块)可以例如被提供作为上行链路接收链92的一部分(例如，作为解调和解码器模块97的一部分)或作为单独模块。
如图10所示，训练数据生成器100包括输入接口101、编码器和调制模块102、复用器103、信道估计器104、解相关和平均模块105以及数据库106。数据库106作为训练数据生成器100的输出接口。
输入接口101针对所有(或一部分)成功解码的上行链路传输存储一些或全部以下信息(以分组数据集的形式)：
·接收符号Y(t)；
·信息B(t)；以及
·上行链路控制信息(UCI)，例如，其经由PDCCH(其包含有关编码和资源映射的信息)发信号通知给UE。
编码器和调制模块102重新编码信息比特B(t)以生成数据符号Xdxt)。数据符号与导频信号Xp(t)复用(由复用器103)以重新生成UE发送信号X(t)。应当注意，由于信息比特B(t)已经被确定为正确，因此UE发送信号X(t)应当与原始发送信号匹配。
基于X(t)和Y(t)，信道估计器104产生信道传递函数的改进估计
Figure BDA0003452004770000181
信道估计器104可以采用多种形式，诸如经典的最小二乘信道估计器。然而，利用从解码器97获取的可靠性信息(例如，软比特)的信道估计器可以用于提高估计性能。还应当注意，在具有类型2的双符号DMRS配置的5G中，每个物理资源块(PRB)只有12个导频符号Xp(t)可用于信道估计。使用重新生成的UE发送信号X(t)，每个PRB可以使用156个符号进行信道估计，这将信道估计中的归一化均方误差NMSE减少约11dB。因此，可以实现NMSE为-20dB到-30dB数量级的信道估计，这对于将这些估计视为真正的信道传递函数来说已经足够高了。
解相关和平均模块105接收X(t)和Y(t)两者并且生成经解相关并且经平均的接收符号
Figure BDA0003452004770000182
模块105可以以多种方式实现。例如，符号
Figure BDA0003452004770000183
可以仅从导频符号中获取(产生与上行链路接收链92中的信道估计模块中相同的Yr(t))或者可以备选地从导频和(重新生成的)数据符号中获取。对于后一种情况，
Figure BDA0003452004770000184
包括相同信道实现H(t)的多个噪声观察
Figure BDA0003452004770000191
在任何情况下，符号
Figure BDA0003452004770000192
应当包含噪声和干扰，其统计数据与上行链路接收链92中的信道估计器95所见的统计数据相同。
由信道估计器104输出的改进估计
Figure BDA0003452004770000193
与由解相关和平均模块105输出的经解相关并且经平均的接收符号
Figure BDA0003452004770000194
共同存储在数据库106中。数据库106用作训练数据生成器100到训练算法108的输出接口。下面详细描述训练算法108的操作。
图11是示出算法的流程图，该算法总体上由附图标记110指示，该算法示出了图10的训练数据生成器100的示例使用。
算法110开始于操作112，其中在训练数据生成器100的输入处接收一个或多个接收符号Y(t)和一个或多个接收比特B(t)。如上所述，训练数据生成器100可以形成包括发送器、信道和接收器(诸如上述系统1的发送器、信道和接收器)的传输系统的接收器的一部分。
在操作114，被认为正确的一个或多个接收比特B(t)被转换为一个或多个估计传输符号，从而重新生成最初发送符号X(t)。操作114可以通过编码和调制接收数据比特(使用模块102)以及使用复用器103将经调制的符号与导频符号复用(例如，在5G传输系统中)来实现。调制(形成编码和调制模块102的一部分)可以例如将经编码的比特(例如，经LDPC编码的比特)转换为经调制的符号(例如，QAM符号或一些其他符号)。复用器103因此可以将经调制的(和经编码的)比特与所述导频符号组合。
在操作116，至少部分基于估计的传输符号X(t)和对应的接收符号Y(t)中的一个或多个来生成(例如，使用信道估计器104)估计信道传递函数
Figure BDA0003452004770000195
在操作118，(向数据库106)提供训练数据对。每个训练数据对包括基于估计信道传递函数
Figure BDA0003452004770000196
的第一元素和基于对应接收符号(例如，由模块105输出的经解相关的接收数据)的第二元素。
图12是示出根据示例实施例的算法的流程图，该算法总体上由附图标记120指示。算法120提供用于在上述系统90的训练算法108的控制下训练信道估计器95的示例布置。
算法120开始于操作121，其中初始化传输系统(诸如系统1)的信道估计器95的可训练参数。传输系统的信道最初可能是未知信道。因此，初始化可以在不知道信道的特性的情况下执行。
在操作122，基于由数据库106存储的训练数据对生成用于信道估计器95的经更新的参数。由训练数据生成器100生成的训练数据对基于由相关传输系统发送的真实数据。因此，算法120实现在线训练。如上所述，每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号(例如，经解相关并且经平均的接收符号)的第二元素。操作122可以通过最小化损失函数来实现。因此，信道估计器95的可训练参数可以使用机器学习原理来更新。
因此，用于信道估计器的神经网络训练算法可以基于由训练数据生成器100提供的数据库106内的数据(例如，
Figure BDA0003452004770000201
操作122可以例如使用随机梯度方法来实现。例如在上述示例神经网络62的训练中，可以使用随机梯度下降来寻找权重向量θ＝(a1，b1，a2，b2)的(局部)最优值，从而寻求确定信道估计器的(经更新的)参数的优化值。
在操作123，基于在操作122中生成的所述经更新的参数来更新信道估计器95的可训练参数。
在操作124，确定算法120是否完成，从而提供用于控制经更新的参数的重复生成的机制。如果算法120完成，则算法在操作125处终止。否则，算法返回到操作122并且生成另外的经更新的参数。
如果第一条件满足，则操作124可以确定算法完成。示例条件包括定义的迭代次数和定义的性能水平中的一种或多种。另一示例条件是，在定义的迭代次数内参数的变化没有超过阈值量。在一些实施例中，算法120可以响应于经更新的训练数据可用(例如，当定义数目的附加训练数据点已经生成时)而执行。
在运行的无线网络中针对基于神经网络的信道估计器95(例如，来自实际部署的高SNR信道实现)获取真实世界训练数据并不简单。上行链路信道估计过程通常是受噪声和干扰限制的，因此所获取的信道信息受到扰乱，并且不能代表神经网络训练所需要的真实信道。这对于小区边缘用户尤其如此，由于传输功率限制，其信道探测期间的功率谱密度可能非常低。
本文中描述的在线训练算法从上行链路中的接收信号生成高SNR信道信息。这允许利用来自具体部署的信道信息来训练信道估计器95，而无需先前的信道测量活动。此外，基于神经网络的信道估计器可以适应部署环境的变化，并且收集不断增长的训练数据池，随着时间的推移，这可以改进信道估计性能。
本文中描述的原理适用于各种各样的通信系统。例如，为了充分发挥大规模MIMO通信系统的潜力，具有良好的信道信息可能很重要。
图13是根据示例实施例的系统的框图，该系统总体上由附图标记130指示。系统130包括移动通信系统的节点132(诸如基站、eNB、gNodeB、gNB等)。在使用中，节点132与多个用户设备(未示出)通信。
如图13所示，节点132包括可以用于与一个或多个用户设备通信的多个波束(诸如波束133)。因此，系统130可以用于在节点132与一个或多个用户设备之间实现波束网格类型通信。在一个示例实现中，基站132和用户设备133使用毫米频带(例如，30至300GHz数量级)中的无线电频率进行通信。然而，可以使用其他频率范围(例如，较低频率)。
如果准确的信道信息可用，则基站可以形成去往系统130的期望用户的尖锐波束以避免用户间干扰，并且受益于大的天线阵列的阵列增益。
在波束成形传输的上下文中，具有多个发送天线的用户设备可以在上行链路中对其数据层进行波束成形(例如，可以使用波束成形权重向量将DMRS导频和相关数据符号映射到多个发送天线)。传输波束成形在接收天线相关性和相干带宽方面影响有效传播信道的传播统计数据(例如，从基站中的上行链路接收器链92来看)。在一个示例实现中，可以维护单独的数据库(例如，DnonBF、DBF)和单独的神经网络权重向量集(例如，θnonBF和θBF)，一个用于非波束成形传输(其可以包括发送天线切换方案)，一个用于波束成形传输。作为一种潜在扩展，还可以针对不同发送天线配置(发生在无线网络中)实现专用的数据库和神经网络权重集。
上述基于神经网络的信道估计器95可以存储多个神经网络权重向量。此外，可以向信道估计器95提供附加输入参数，该附加输入参数将指示应当用于信道估计的权重向量(其索引)。
处理多个神经网络的训练复杂性的更详细的方案是使用多个神经网络的叠加。由于本文中描述的神经网络可以学习信道的元特征，例如散点(scatterers)集群，因此可以假定在具有不同输入和输出数目的同一信道上训练的神经网络彼此共享大量信息。因此，可以训练适合最大数目的多天线输入输出配置的一个大型神经网络。引入了附加选择参数，该参数负责选择神经网络应当适应的MIMO配置。该配置由用户设备或上下文先验地共享，作为神经网络的附加输入参数。
为简单起见，以上描述仅限于与无线网络的上行链路中的单层传输相关的实施例。如下面的另外的实施例中概述的，本文中描述的原理可以应用于其他实施例，例如：
·在无线网络的下行链路中的UE侧(潜在的好处是具有非常低
复杂性的类似MMSE的信道估计器)；
·从单个或多个UE发送的多个(空间)层；和/或
·带和不带波束成形数据层的多天线发送器。
在示例实施例中，一个或多个接收符号被包括在多个数据层中，例如L个数据层。L个数据层可以(基本同时)由单个或多个用户发送(即，单用户或多用户MIMO)。第l数据层的发送信号可以由X1(t)表示。此外，L个发送信号中的每个可以传递通过不同(可能是波束成形的)传播信道H1(t)。
由于使用(代码/时间/频率)正交导频序列(例如，解相关和平均操作将来自不同层的导频信号分开)，多层传输对于基于神经网络的信道估计器(在上行链路接收链92内)是透明的。
对于想要的数据层的数据符号，例如层1，接收均衡器(例如，干扰抑制组合器)减轻来自其他不想要的数据层的干扰，使得对应信息比特Bl(t)可以在可能90％的所有传输中成功解码。这些信息比特可以用于重新生成该特定层的发送符号Xl(t)。然而，高级信道估计模块(其利用重新生成的数据符号Xl(t))可能无法直接适用，因为接收信号Y(t)包含来自其他不需要的(共同调度的)数据层的干扰(即，对于高级信道估计
Figure BDA0003452004770000231
需要包含仅来自层1的信号部分的接收信号Yl(t))。为了消除这种干扰，可以使用干扰消除(IC)模块。如果所有传输层都已经成功解码，则IC模块可以减去一个或多个不想要的数据层的接收信号贡献，使得包含来自所想要的数据层(层l)的接收符号的结果接收信号Yl(t)可以被处理。结果信号Yl(t)可以与层1的重新生成的发送信号Xl(t)一起使用以执行高级信道估计(利用数据载波)，以产生
Figure BDA0003452004770000232
图14是根据示例实施例的系统的框图，该系统总体上由附图标记140指示。系统140示出了以上针对两个(数据)层的情况描述的机制。所示出的机制可以很容易地扩展到L个层的一般情况。
此外，虚线指示可能的扩展，其中改进的信道估计
Figure BDA0003452004770000233
和
Figure BDA0003452004770000234
被反馈到干扰消除模块以生成改进的无干扰信号。
应当注意，这个训练数据生成器的计算复杂度并没有起到很大的作用，因为没有实时限制。它可以在例如通用处理器上运行。
除了提供改进的信道估计(其用于神经网络训练)，本文中描述的信道估计器还可以为接收信号Y(t)内的噪声加(小区间)干扰I(t)的协方差矩阵RI(t)提供改进的估计。通过从接收信号Y(t)中减去重新生成的接收信号
Figure BDA0003452004770000235
可以很容易地获取来自噪声加干扰的信号贡献I(t)；即，
Figure BDA0003452004770000236
改进的干扰加噪声协方差矩阵可以例如用于针对给定信道实现
Figure BDA0003452004770000237
生成(即，合成)附加噪声观察
Figure BDA0003452004770000238
这可以改进神经网络训练。
第一仿真结果表明，通过使用SNR特定的神经网络权重向量θ，可以提高基于神经网络的信道估计器的性能。因此，建议基于接收SNR对接收数据传输进行分类(例如，SNR等级可以是{低，中，高}，其由SNR上限定义，例如-10dB、0dB和10dB)。对于每个SNR等级s，必须实现和维护专用数据库Ds和神经网络权重向量θs。
上述上行接收链中的基于神经网络的信道估计器模块可以存储多个神经网络权向量。此外，基于神经网络的信道估计器可以获取新的输入参数s，该参数将指示当前接收的SNR等级，使得模块应用正确的NN权重向量θs。SNR等级s可以在经解相关的经平均的导频符号Yr(t)的帮助下确定。
为完整起见，图15是先前描述的一个或多个示例实施例的组件的示意图，该组件在下文中统称为处理系统300。处理系统300例如可以是在以下权利要求中提及的装置。
处理系统300可以具有处理器302、紧密耦合到处理器并且包括RAM 314和ROM 312的存储器304、以及可选的用户输入310和显示器318。处理系统300可以包括用于到网络/装置的连接的一个或多个网络/装置接口308，例如，可以是有线或无线的调制解调器。接口308也可以作为与其他装置(诸如不是网络侧装置的设备/装置)的连接来操作。因此，无需网络参与的设备/装置之间的直接连接是可能的。
处理器302连接到其他组件中的每个以控制其操作。
存储器304可以包括非易失性存储器，诸如硬盘驱动器(HDD)或固态驱动器(SSD)。存储器304的ROM 312尤其存储操作系统315并且可以存储软件应用316。存储器304的RAM314由处理器302使用用于数据的临时存储。操作系统315可以包含在由处理器执行时实现上述算法10、30、50、80、110和120的各方面的代码。注意，在小型设备/装置的情况下，存储器最适合小尺寸使用，即，并不总是使用硬盘驱动器(HDD)或固态驱动器(SSD)。
处理器302可以采用任何合适的形式。例如，它可以是一个微控制器、多个微控制器、一个处理器或多个处理器。
处理系统300可以是独立的计算机、服务器、控制台或其网络。处理系统300和所需要的结构部件可以全部在设备/装置内，诸如IoT设备/装置，即，嵌入到非常小的尺寸。
在一些示例实施例中，处理系统300还可以与外部软件应用相关联。这些可以是存储在远程服务器设备/装置上的应用，并且可以部分或专门在远程服务器设备/装置上运行。这些应用可以称为云托管应用。处理系统300可以与远程服务器设备/装置通信以便利用存储在那里的软件应用。
图16A和图16B示出了有形介质，分别为可移动存储器单元365和光盘(CD)368，该有形介质存储计算机可读代码，该计算机可读代码在由计算机运行时可以执行根据上述示例实施例的方法。可移动存储器单元365可以是记忆棒，例如，USB记忆棒，该记忆棒具有存储计算机可读代码的内部存储器366。内部存储器366可以由计算机系统经由连接器367访问。CD 368可以是CD-ROM或DVD等。可以使用其他形式的有形存储介质。有形介质可以是能够存储数据/信息的任何设备/装置，其中数据/信息可以在设备/装置/网络之间交换。
本发明的实施例可以以软件、硬件、应用逻辑、或者软件、硬件和应用逻辑的组合来实现。软件、应用逻辑和/或硬件可以驻留在存储器或任何计算机介质上。在示例实施例中，应用逻辑、软件或指令集被维护在各种常规计算机可读介质中的任何一种上。在本文档的上下文中，“存储器”或“计算机可读介质”可以是任何非暂态介质或装置，该介质或装置可以包含、存储、传送、传播或传输指令以供指令执行系统、装置或设备(诸如计算机)使用或与其相结合使用。
在相关情况下，对“计算机可读介质”、“计算机程序产品”、“有形体现的计算机程序”等或“处理器”或“处理电路系统”等的引用应当理解为不仅涵盖具有不同架构(诸如单/多处理器架构和定序器/并行架构)的计算机，而且涵盖专用电路，诸如现场可编程门阵列FPGA、应用指定电路ASIC、信号处理设备/装置和其他设备/装置。对计算机程序、指令、代码等的引用应当被理解为将用于可编程处理器固件的软件(诸如硬件设备/装置的可编程内容)表达为用于处理器的指令或者用于固定功能设备/装置、门阵列、可编程逻辑器件/装置等的配置的或配置设置。
如果需要，本文中讨论的不同功能可以以不同顺序和/或彼此同时执行。此外，如果需要，上述功能中的一个或多个可以是可选的或者可以组合。类似地，还应当理解，图2、图4、图6、图9、图11和图12的流程图仅是示例，并且其中描述的各种操作可以省略、重新排序和/或组合。
应当理解，上述示例实施例纯粹是说明性的并且不限制本发明的范围。通过阅读本说明书，本领域技术人员将明白其他变化和修改。
此外，本申请的公开应当被理解为包括本文中明确或隐含地公开的任何新颖特征或特征的任何新颖组合或其任何概括，并且在本申请或从其衍生的任何申请的实施期间，新的权利要求可以被制定以涵盖任何这样的特征和/或这样的特征的组合。
尽管在独立权利要求中阐述了本发明的各个方面，但本发明的其他方面包括来自所描述的示例实施例和/或从属权利要求的特征与独立权利要求的特征的其他组合，而不仅仅是权利要求中明确给出的组合。
本文中还应当注意，虽然以上描述了各种示例，但不应当将这些描述视为限制性的。相反，在不脱离如所附权利要求所限定的本发明的范围的情况下，可以进行多种变化和修改。

Claims (26)

1.一种装置，包括：
用于接收一个或多个接收符号和一个或多个接收比特的部件，其中所述接收符号在传输系统的接收器处被接收，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
用于将所述接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号的部件；
用于基于所述估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数的部件；以及
用于提供训练数据对的部件，每个训练数据对包括基于所述估计信道传递函数的第一元素和基于所述对应接收符号的第二元素。
2.根据权利要求1所述的装置，其中用于将所述接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号的所述部件包括调制模块。
3.根据权利要求1或权利要求2所述的装置，其中用于将所述接收比特中被认为正确的所述一个或多个接收比特转换为一个或多个估计传输符号的所述部件包括用于将经调制的比特符号与导频符号组合的复用器。
4.根据权利要求1至3中任一项所述的装置，还包括用于确定所接收的所述传输比特是否被认为正确的部件。
5.根据前述权利要求中任一项所述的装置，其中用于生成所述估计信道传递函数的所述部件包括信道估计器。
6.一种装置，包括：
用于初始化传输系统的接收器的信道估计器模块的可训练参数的部件，其中所述传输系统包括发送器、一个或多个信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中所述接收器的所述信道估计器模块生成所述信道的传递函数的估计；
用于基于所存储的训练数据对针对所述接收器的所述信道估计器模块生成经更新的参数的部件，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成所述经更新的参数的所述部件包括用于最小化损失函数的部件；以及
用于基于所生成的所述经更新的参数来更新所述接收器的所述信道估计器模块的所述可训练参数的部件。
7.根据权利要求6所述的装置，还包括用于控制使用用于生成经更新的参数的所述部件对经更新的参数的重复生成和使用用于更新可训练参数的部件对所述可训练参数的重复更新的部件。
8.根据权利要求7所述的装置，其中用于控制经更新的参数的重复生成和所述可训练参数的重复更新的所述部件响应于经更新的训练数据而进行操作。
9.根据权利要求6至8中任一项所述的装置，其中所述训练数据对使用根据权利要求1至5中任一项所述的装置而被提供。
10.根据前述权利要求中任一项所述的装置，其中所述训练数据对的所述第二元素包括经解相关的接收数据。
11.根据权利要求10所述的装置，其中所述经解相关的接收数据包括经解相关并且经平均的接收符号。
12.根据前述权利要求中任一项所述的装置，还包括用于存储所述训练数据对的数据库。
13.一种装置，包括：
用于在传输系统的接收器处接收一个或多个符号的部件，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
用于将所述接收符号分离为接收数据符号和接收导频符号的部件；
用于使用所述传输系统的所述接收器的信道估计器模块来处理接收导频信号的部件，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；
用于根据所述信道估计器模块的输出来处理所述接收数据符号的部件；以及
用于将经处理的接收数据符号转换为接收数据比特的部件。
14.根据权利要求13所述的装置，其中所述一个或多个符号被包括在多个数据层中。
15.根据权利要求14所述的装置，其中用于处理所述接收数据符号的所述部件包括干扰消除模块，以用于消除与所述多个数据层中的一个或多个不想要的数据层相对应的符号的接收信号贡献，以允许对来自相应的想要的数据层的接收符号的处理。
16.根据权利要求13至15中任一项所述的装置，其中用于转换所述经处理的接收数据符号的所述部件包括解调模块和/或解码器模块。
17.根据前述权利要求中任一项所述的装置，其中所述传输系统包括多输入多输出(MIMO)传输系统。
18.根据前述权利要求中任一项所述的装置，其中所述传输系统的所述接收器接收包括多个层的输入。
19.根据前述权利要求中任一项所述的装置，其中所述传输系统的所述接收器形成移动通信基站的一部分。
20.根据前述权利要求中任一项所述的装置，其中所述传输系统的所述接收器形成用户设备的一部分。
21.一种方法，包括：
接收一个或多个接收符号和一个或多个接收比特，其中所述接收符号在传输系统的接收器处被接收，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
将所述接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；
基于所述估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及
提供训练数据对，每个训练数据对包括基于所述估计信道传递函数的第一元素和基于所述对应接收符号的第二元素。
22.一种方法，包括：
初始化传输系统的接收器的信道估计器模块的可训练参数，其中所述传输系统包括发送器、一个或多个信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中所述接收器的所述信道估计器模块生成所述信道的传递函数的估计；
基于所存储的训练数据对针对所述接收器的所述信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成所述经更新的参数的所述部件包括用于最小化损失函数的部件；以及
基于所生成的所述经更新的参数来更新所述接收器的所述信道估计器模块的所述可训练参数。
23.一种方法，包括：
在传输系统的接收器处接收一个或多个符号，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
将所述接收符号分离为接收数据符号和接收导频符号；
使用所述传输系统的所述接收器的信道估计器模块来处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；
根据所述信道估计器模块的输出来处理所述接收数据符号；以及
将经处理的接收数据符号转换为接收数据比特。
24.一种计算机程序，包括用于使装置至少执行以下操作的指令：
接收一个或多个接收符号和一个或多个接收比特，其中所述接收符号在传输系统的接收器处被接收，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
将所述接收比特中被认为正确的一个或多个接收比特转换为一个或多个估计传输符号；
基于所述估计传输符号和对应接收符号中的一项或多项生成估计信道传递函数；以及
提供训练数据对，每个训练数据对包括基于所述估计信道传递函数的第一元素和基于所述对应接收符号的第二元素。
25.一种计算机程序，包括用于使装置至少执行以下操作的指令：
初始化传输系统的接收器的信道估计器模块的可训练参数，其中所述传输系统包括发送器、一个或多个信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法，并且其中所述接收器的所述信道估计器模块生成所述信道的传递函数的估计；
基于所存储的训练数据对针对所述接收器的所述信道估计器模块生成经更新的参数，其中每个训练数据对包括基于估计信道传递函数的第一元素和基于对应接收符号的第二元素，其中用于生成所述经更新的参数的所述部件包括用于最小化损失函数的部件；以及
基于所生成的所述经更新的参数来更新所述接收器的所述信道估计器模块的所述可训练参数。
26.一种计算机程序，包括用于使装置至少执行以下操作的指令：
在传输系统的接收器处接收一个或多个符号，所述传输系统包括发送器、信道和所述接收器，其中所述发送器包括用于将一个或多个传输比特转换为一个或多个传输符号的发送器算法，并且所述接收器包括用于将所述一个或多个接收符号转换为一个或多个接收比特的接收器算法；
将所述接收符号分离为接收数据符号和接收导频符号；
使用所述传输系统的所述接收器的信道估计器模块来处理接收导频信号，其中所述信道估计器模块包括被配置为生成所述信道的传递函数的估计的可训练算法；
根据所述信道估计器模块的输出来处理所述接收数据符号；以及
将经处理的接收数据符号转换为接收数据比特。
CN201980098148.4A 2019-07-03 2019-07-03 具有基于神经网络的信道估计的传输系统 Pending CN114073021A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/067806 WO2021001032A1 (en) 2019-07-03 2019-07-03 Transmission system with channel estimation based on a neural network

Publications (1)

Publication Number Publication Date
CN114073021A true CN114073021A (zh) 2022-02-18

Family

ID=67220791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980098148.4A Pending CN114073021A (zh) 2019-07-03 2019-07-03 具有基于神经网络的信道估计的传输系统

Country Status (6)

Country Link
US (1) US12021667B2 (zh)
EP (1) EP3994811A1 (zh)
JP (1) JP7412461B2 (zh)
KR (1) KR20220019828A (zh)
CN (1) CN114073021A (zh)
WO (1) WO2021001032A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210266875A1 (en) * 2020-02-24 2021-08-26 Qualcomm Incorporated MACHINE LEARNING FOR ADDRESSING TRANSMIT (Tx) NON-LINEARITY
US20220303158A1 (en) * 2021-03-19 2022-09-22 NEC Laboratories Europe GmbH End-to-end channel estimation in communication networks
CN115347976A (zh) * 2021-05-12 2022-11-15 华为技术有限公司 一种编译码方法、通信装置以及系统
US20230021835A1 (en) * 2021-07-26 2023-01-26 Qualcomm Incorporated Signaling for additional training of neural networks for multiple channel conditions
EP4125245A1 (en) * 2021-07-29 2023-02-01 Nokia Solutions and Networks Oy Apparatus and method for generating an estimate of a channel frequency response
EP4149068A1 (en) 2021-09-13 2023-03-15 Nokia Technologies Oy Multiple channel csi recreation
EP4283935A1 (en) * 2022-05-27 2023-11-29 Nokia Solutions and Networks Oy Interference rejection combining with reduced complexity
CN115395991B (zh) * 2022-07-13 2023-08-25 北京信息科技大学 一种非线性多输入多输出信道估计方法和估计系统
CN116915555B (zh) * 2023-08-28 2023-12-29 中国科学院声学研究所 一种基于自监督学习的水声信道估计方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060068714A1 (en) * 2004-09-27 2006-03-30 Naresh Sharma Method and apparatus for generating a channel estimate using a non-pilot portion of a signal
EP2757750A1 (en) * 2013-01-16 2014-07-23 Alcatel Lucent Apparatuses, methods, and computer programs for a channel estimator and a base station transceiver

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0770970B2 (ja) 1991-01-23 1995-07-31 富士通株式会社 適応等化器
US5914959A (en) * 1996-10-31 1999-06-22 Glenayre Electronics, Inc. Digital communications system having an automatically selectable transmission rate
US7239672B2 (en) * 2002-09-05 2007-07-03 Silicon Integrated Systems Corp. Channel estimator for WLAN
US8446999B2 (en) * 2008-04-18 2013-05-21 Sharp Kabushiki Kaisha Receiving apparatus and communication system
EP2597797B1 (en) * 2011-11-25 2017-07-26 Sequans Communications Interference cancellation method with multiple data layer MIMO transmission
JP6097609B2 (ja) 2013-03-21 2017-03-15 Kddi株式会社 受信機および受信方法
KR102284447B1 (ko) * 2015-04-10 2021-08-02 삼성전자 주식회사 이동 통신 시스템에서 기지국의 채널 추정 방법 및 장치
FR3038801B1 (fr) * 2015-07-09 2017-07-21 Stmicroelectronics Rousset Procede d'estimation d'un canal de transmission temporellement invariant, et recepteur correspondant
US11575544B2 (en) * 2018-10-29 2023-02-07 Board Of Regents, The University Of Texas System Low resolution OFDM receivers via deep learning
CN113169804B (zh) * 2018-12-18 2024-03-22 瑞典爱立信有限公司 受损天线分支的处置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060068714A1 (en) * 2004-09-27 2006-03-30 Naresh Sharma Method and apparatus for generating a channel estimate using a non-pilot portion of a signal
EP2757750A1 (en) * 2013-01-16 2014-07-23 Alcatel Lucent Apparatuses, methods, and computer programs for a channel estimator and a base station transceiver

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AHMED ABOUTALEB: "Symbol Detection and Channel Estimation Using Neural Networks in Optical Communication Systems", 《ICC 2019 - 2019 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS (ICC)》, 20 May 2019 (2019-05-20), pages 1 - 6, XP033581954, DOI: 10.1109/ICC.2019.8761449 *
MATHEW GEORGE: "Neural Network Estimation for MIMO-OFDM Receivers", 《NEURAL NETWORK ESTIMATION FOR MIMO-OFDM RECEIVERS》, 5 March 2015 (2015-03-05), pages 1329 - 1331 *

Also Published As

Publication number Publication date
EP3994811A1 (en) 2022-05-11
KR20220019828A (ko) 2022-02-17
US12021667B2 (en) 2024-06-25
JP2022539163A (ja) 2022-09-07
JP7412461B2 (ja) 2024-01-12
US20220376956A1 (en) 2022-11-24
WO2021001032A1 (en) 2021-01-07

Similar Documents

Publication Publication Date Title
JP7412461B2 (ja) ニューラルネットワークに基づくチャネル推定を使用する伝送システム
US9954596B2 (en) Interference rejection combining method, device and storage medium
KR101381130B1 (ko) 다중 사용자 프리코딩 및 스케줄링 방법 및 이를 구현하는 기지국
CN104618061B (zh) 一种大规模多天线系统中多用户信号的检测方法
WO2015101017A1 (zh) 一种基于部分干扰对齐的协调波束赋形方法及装置
JP5133007B2 (ja) 送信装置、及びビームフォーミング行列生成方法
US20120071153A1 (en) Receive Signal Processing In Wireless Networks
WO2016150246A1 (zh) 一种信号检测方法及装置
WO2015112883A1 (en) System and method for early termination in iterative null-space directed singular value decomposition for mimo
JP2009153139A (ja) Ｍｉｍｏ下りリンクにおけるプリコーディング処理方法、装置及び基地局
KR101800959B1 (ko) 예측 기반 mmse 간섭 제거 기법을 적용한 비직교 다중 접속 방법
EP1349297A1 (en) A closed loop multiple antenna system
FI20205980A9 (en) Communication system
JP5859913B2 (ja) 無線受信装置、無線送信装置、無線通信システム、プログラムおよび集積回路
CN107094124B (zh) 一种下行多用户多天线数据传输方法、装置及系统
JP5990199B2 (ja) 複数の宛先デバイスの中の少なくとも１つの宛先デバイスによって受信される信号の品質を高めるための方法
WO2012159266A1 (zh) 自适应多流波束赋形方法和基站
KR101556482B1 (ko) 다중안테나 간섭채널에서 slnr 최대화를 통한 간섭정렬 방법 및 장치
CN108418619B (zh) 一种信号检测方法及装置
KR20200001397A (ko) 기지국장치 및 기지국장치의 동작 방법
Chen et al. Interference neutralization for separated multiuser uplink-downlink with distributed relays
US11018744B2 (en) Block-diagonalization based beamforming
JP2010118905A (ja) 受信装置、及び信号処理方法
WO2016123510A1 (en) Distributed uplink coordinated multipoint transmission via symmetric two-stage equalization
Järmyr MIMO transceiver design for multi-antenna communications over fading channels

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