CN114208051A

CN114208051A - 互易几何预编码

Info

Publication number: CN114208051A
Application number: CN202080055892.9A
Authority: CN
Inventors: 龙尼·哈达尼; 沙哈尔·昆斯
Original assignee: Cohere Technologies Inc
Current assignee: Cohere Technologies Inc
Priority date: 2019-06-05
Filing date: 2020-06-05
Publication date: 2022-03-18
Anticipated expiration: 2040-06-05
Also published as: EP3981082A4; CN114208051B; EP3981082A1; AU2020289462A1; US20220321181A1; US20230412219A1; WO2020247768A1; US11742909B2

Abstract

描述了用于互易几何预编码的方法、系统和设备。一种示例方法包括：由网络设备使用从多个用户设备接收的参考信号传输来确定上行链路信道状态；以及通过应用基于上行链路信道状态的预编码方案来生成经预编码的传输波形以传输到多个用户设备中的一者或多者，其中上行链路信道状态完全地定义预编码方案。在一些实施例中，参考信号传输和经预编码的传输波形使用时域复用或频域复用进行复用。

Description

互易几何预编码

相关申请的交叉引用

本文件要求2019年6月5日提交的美国临时申请62/857,757的优先权和权益。前述专利申请的全部内容以引用的方式并入作为本专利文件的公开的一部分。

技术领域

本文件涉及移动无线通信，并且更具体地，涉及基于稀疏信道表示的无线小区的分布式协作操作。

背景技术

由于无线用户设备的数量和这些设备可能产生或消费的无线数据量迅速增长，因此当前的无线通信网络迅速地用尽带宽以适应数据流量的这种高增长并且向用户提供高质量的服务。

电信行业正在做出各种努力以提出能够赶得上对无线设备和网络的性能需求的下一代无线技术。很多这样的活动涉及网络可能服务于大量用户设备的情形。

发明内容

本文件公开了可用于无线技术的实施例的技术，该技术基于针对无线网络中的反方向的传输确定的信道状态来执行仅对无线网络中的一个方向上的信号传输的预编码。

在一个示例方面，公开了一种无线通信方法。该方法包括：由网络设备使用从多个用户设备接收的参考信号传输来确定上行链路信道状态；以及通过应用基于上行链路信道状态的预编码方案来生成经预编码的传输波形以传输到多个用户设备中的一者或多者，其中上行链路信道状态完全地定义预编码方案。

在另一个示例方面，公开了实现上述方法的无线通信装置。

在又一个示例方面，所述方法可以体现为处理器可执行代码，并且可以存储在计算机可读程序介质上。

本文件中描述这些以及其他特征。

附图说明

本文中描述的附图用来提供进一步的理解并且构成本申请的一部分。附图的示例实施例和图示用来说明技术而不是限制其范围。

图1A示出了移动无线网络的示例。

图1B示出了固定无线接入网络的示例。

图1C示出了固定无线接入网络的另一个示例。

图2示出了蜂窝3扇区六边形模型的示例。

图3示出了无线网络中的干扰圆周的示例。

图4示出了分布式协作多点(COMP)群集的示例。

图5示出了无线网络中的链路、节点和群集的示例。

图6示出了COMP群集的大小设定的示例。

图7示出了阶段化COMP聚集的示例。

图8示出了阶段化COMP聚集的另一个示例。

图9示出了其中描绘具有三个节点的一个群集的示例。

图10示出了描绘一个群集和7个节点的无线网络的示例。

图11示出了描绘3个群集和16个节点的无线网络的示例。

图12示出了描绘7个群集和31个节点的无线网络的示例。

图13示出了第一无线终端(终端A)与第二无线终端(终端B)之间的无线信道的示例。

图14是检测树的说明性示例。

图15描绘了其中集线器为用户设备(UE)服务的示例网络配置。

图16描绘了其中将正交频分复用接入(OFDMA)方案用于通信的示例实施例。

图17示出了示例网络配置中的预编码的概念。

图18是无线通信信道的示例的频谱图。

图19示出了下行链路和上行链路传输方向的示例。

图20示出了信道预测操作的示例的频谱效应。

图21以图形示出了迫零预编码器(ZFP)的示例实施方式的操作。

图22以图形比较两种实施方式：ZFP实施方式和正规化ZFP实施方式(rZFP)。

图23示出了预编码系统的示例实施例的部件。

图24是预编码系统的示例的框图描绘。

图25示出了正交调幅(QAM)星座的示例。

图26示出了QAM星座的另一个示例。

图27用图形描绘了延迟-多普勒域与时频域之间的关系的示例。

图28是外推过程的示例的频谱图。

图29是外推过程的另一个示例的频谱图。

图30比较了一些预编码实施方式实施例中的实际和预测信道的频谱。

图31是用于计算预测滤波器和误差协方差的过程的框图描绘。

图32是示出信道预测过程的示例的框图。

图33是示例无线信道的信道几何的图形描绘。

图34A是示出预编码滤波器天线图案的示例的曲线图。

图34B是示出光学预编码滤波器的示例的曲线图。

图35是示出误差相关计算的示例过程的框图。

图36是示出预编码滤波器估计的示例过程的框图。

图37是示出应用最优预编码滤波器的示例过程的框图。

图38是示出晶格和QAM符号的示例的图。

图39以图形示出了扰乱示例的效应。

图40是示出集线器传输的示例的图。

图41是示出UE找到最近粗晶格点的过程的示例的图。

图42是示出UE通过减法来恢复QPSK符号的示例过程的图。

图43描绘了信道响应的示例。

图44描绘了信道估计的误差的示例。

图45示出了QAM信号的示例和被扰乱QAM信号的示例的能量分布的比较。

图46是示例误差度量与平均被扰乱QAM能量的比较的图形描绘。

图47是示出计算误差度量的示例过程的框图。

图48是示出计算扰乱的示例过程的框图。

图49是示出预编码滤波器的应用的示例的框图。

图50是示出UE消除扰乱的示例过程的框图。

图51是示出示例空间Tomlinsim Harashima预编码器(THP)的框图。

图52是不同的示例性脉冲幅度调制(PAM)矢量的预期能量误差的频谱图。

图53是示出空间THP的示例结果的图。

图54示出了包括具有L个天线的基站和多个用户的无线系统的示例。

图55示出了可以用来计算二阶统计以用于训练的子帧结构的示例。

图56示出了用于信道估计的预测训练的示例。

图57示出了用于信道估计的预测的示例。

图58示出了具有互易性的无线信道的示例。

图59示出了其中在网络侧设备处使用四个发射天线和四个接收天线的示例天线配置。

图60示出了用户侧通信设备中的示例天线配置。

图61示出了互易性计算的示例实现方式的框图。

图62是FDD系统中的预测设置的示例的框图。

图63是发射器和接收器的示例。

图64A、图64B和图64C示出了不同的宽带划分的示例。

图65示出了具有相同时间间隔的宽带划分的示例。

图66示出了具有不同时间间隔的宽带划分的示例。

图67示出了在相同时间间隔上的信道预测的示例。

图68示出了在不同时间间隔上的信道预测的示例。

图69示出了通信网络中的使用预编码的示例传输图案。

图70是无线通信的示例方法的流程图。

图71示出了无线收发器装置的示例。

具体实施方式

为了使本公开的目的、技术方案和优点更明显，下文参考附图详细地描述各种实施例。除非另外指明，否则本文件的实施例和实施例中的特征可以彼此组合。

章节标题用于本文件，包括附录，以提高描述的可读性并且绝不将讨论仅限于相应的章节。术语“集线器”和用户装备/设备用于指代传输的发射侧设备和接收侧设备，并且各自可以表现为基站、中继节点、接入点、小型小区接入点、用户装备等的形式。

在描述中，固定无线接入(FWA)系统的示例仅用于说明目的，并且所公开的技术可以应用于其他无线网络。

尽管这里的一些描述将具有正交时频空间(OTFS)的FWA系统称为调制/多路接入格式，但所开发的技术也适合于其他调制/多路接入格式，特别是正交频分复用(OFDM)或OFDM接入(OFDMA)。

1.简介

蜂窝无线服务提供商已经开始规划和开发下一代网络以支持部署更高带宽用户设备的更密集部署。此外，对无线连接的依赖日益增长提高了用户对到处的无线连接的服务质量和无缝可用性的期待。

云无线电接入网络(C-RAN)是基于集中式云的接入网络向无线终端提供无线连接的网络架构的一个示例。然而，C-RAN部署依赖于光纤基础设施的昂贵部署以将基站彼此连接并与中心网络控制器连接。此外，这种架构需要规划，并且部署可能因铺设光纤所需的劳动力和资源而相对较慢。因此，C-RAN和类似的解决方案是昂贵的，并且无法快速地部署(或拆卸)来满足无线服务的短期需求增加。此外，当这种部署达到其最大容量时，在不显著改变现有的基础设施的情况下，增量部署通常是不可能的。

本文件中描述的技术可以在无线网络实施例中用来克服此类问题。在一个示例方面，可以使用短程的高速毫米波链路来部署网络节点。这种安装具有最小的占用空间和功率要求，并且可以快速地部署和拆卸来满足无线服务的时间和地理特定的需求。

在另一个有益方面，本技术可以用来部署在基站或网络节点之间提供短链路的网络，从而在无线网络中提供减少的时延、抖动和前传流量。

在另一个有益方面，所公开的技术可以用来管理软切换，由此用户设备(UE)和N个邻近的基站(典型地，N＝3)构成协作多点(COMP)服务区。

在另一个有益方面，实施例可以得益于增加的网络性能而无需对塔上的现有天线进行任何改变或替换，例如，不需要设置新的毫米波链路或计算平台。本发明人的粗略计算已经表明，实施例有可能将网络容量增加至少两倍和至少5db的信号干扰噪声比(SINR)改善。

所公开的分布式COMP技术的一些实施例可以用于使用联合地处理群集中的全部塔的全部三个扇区的计算机平台来解决小区内和小区间干扰，或替代地扇区间干扰和小区边缘弱覆盖。一个优点在于，物理前端(例如，塔上的天线)可能不需要改变，而该技术可以被体现用于提升性能。

如本文件中进一步描述，在一些实施例中，分布式COMP可以包括小区塔组，其中全部的小区塔都携带远程无线电头端(RRH)的功能，而其中的一者携带用于群集的计算并且连接到用于TCP/IP业务的网络。换句话说，不需要网络的前传。可以使用本文件中描述的技术中的一者来执行群集形成。群集利用共享资源管理和负载平衡。

所公开的技术的实施例可以在示例系统中实施，如图1A、图1B和图1C所示。

图1A示出了移动无线网络100的示例。在该简化图中，由网络侧节点104向无线终端102提供无线连接。无线终端102可以是例如智能电话、平板电脑、物联网(IoT)设备、智能手表等。网络节点104可以是建立并操作无线通信的小区的基站。无线终端102与节点104之间的通信信道可以包括易于使去往和来自无线终端102的信号传输失真的反射器，诸如建筑物、树、移动物体(诸如车辆)。在操作期间，无线终端102可以移动远离节点104并且可能必须移交给另一个网络节点(图中未明确地示出)或与其共享连接性。在一些情况下，网络节点104可以与其他节点协作地操作以向无线终端102提供多点发射/接收，使得无线终端102的移动性不会妨碍与无线服务的连接。

图1B示出了固定无线接入系统130的示例。包括传输设施(诸如小区塔)的集线器102被配置为向多个位置104发送传输和从多个位置接收传输。例如，位置可以是用户房屋或办公楼。如贯穿本文件所描述，当与传统的固定接入技术比较时，所公开的实施例可以实现极高小区容量的固定无线接入。在实施方式中，本文所公开的一些技术可以体现在集线器102处或在位于位置104的收发器装置处。

图1C示出了固定接入无线通信系统160的又一个配置，其中使用跃点来接近用户。例如，一个小区塔可以从另一个小区塔进行发射/接收，这将在原理小区塔与用户之间中继传输，因此扩展固定无线接入系统的范围。回程可以将传输塔102与聚合路由器连接。例如，在一种配置中，可以使用10Gbps光纤连接在集线器处的基站与光纤集线器聚合路由器之间馈送数据。在一个有利方面，通过使用集线器/家庭接入点(AP)配置作为发射点，无需为难以到达的区域改变任何网络带宽特性就可以实现这种技术的部署。在实施方式中，本文所公开的一些技术可以体现在宏观塔102处或在位于其他位置的收发器装置处。

所公开的技术的实施例向无线网络和设备的操作提供各种改善，包括：

1)基于在有限带宽和短时间段上的瞬时测量进行的准确几何提取和多路径属性采集。例如，如在章节3中描述的稀疏信道表示技术提供了对信道进行建模和预测的计算高效方式。可以由网络设备代表多个基站执行计算，并且因此网络设备可以控制来自/去往多个基站的传输，使得无线装置可以在基站的覆盖区域之间自由地移动，而来自/去往基站的分布式协作区中的其他基站的传输没有产生任何干扰。

2)基于在有限带宽和短时间段上的瞬时测量在相同带宽或不同的邻近带宽上进行准确的信道预测，如在章节2-5中所描述。可以使用很少的参考信号传输来执行稀疏信道测量，并且因此可以快速地获取多个邻近小区中的信道条件并且在以协作方式控制分布式基站的操作的网络侧服务器处使用该信道条件。

3)使用预测的信道状态信息进行集中式和分布式MU-MIMO预编码。例如，章节2、4和5描述了用于在不同的时间实例、频率和空间位置处预测信道的某些技术。

4)使用预测的信道状态信息来确定调制和编码方案(MCS)属性(资源块位加载-调制阶数和前向纠错码)。

5)使用经预测的信道状态信息来确定重传以满足递送可靠性标准。例如，网络服务器可以在将来的时间或其他频率获得准确的信道估计，并且在无需等待ACK反馈的情况下，能够基于信道条件来决定重传策略。例如，可以将信道条件与阈值进行比较，并且当信道条件降至低于阈值时，可以使用重传。

6)基站群集和前传网络组织，以定义CoMP区域以及CoMP区域之间的软切换，如在章节2中所描述。

7)导频布置以最小化导频污染，如在章节6中所描述。区或群集中的全部基站的信道的中心意识允许网络侧上的群集控制器将来自不同基站的导频布置为就其传输资源而言不重叠。

8)信号处理以将导频混合物分开并且减轻污染。

2.分布式COMP架构

相应地，本文件描述了分布式COMP架构，其中将基站在UE之间发射和接收射频(RF)信号的功能与信道估计、预测、预编码和重传管理的功能分开。此外，可以在RF功能地点之间与移除或网络侧计算服务器之间建立毫米波链路，以交换与蜂窝网络的进行中操作相关的信息。

图2示出了蜂窝3扇区六边形模型的示例。在该模型中，基站收发器可以在每个小圆的中心操作，并且可以使用围绕基站跨越120度的三个空间扇区/射束提供无线连接。较大的同心圆示出了邻近小区，其中在中心的扇区中操作的UE可能因移动性而发生转变。同心圆还示出了干扰圆周，其中邻近扇区可能会影响彼此中的信号质量。

图3示出了图2所描绘的无线网络中的干扰圆周的放大视图。

图4示出了分布式协作多点(COMP)群集的示例。在该示例中，每个群集包括基站1至7，其中一个基站在中心并且其他基站是围绕中心基站的六边形的顶点。基站可以提供3扇区覆盖范围，如关于图2所描述。基站可以用无线连接(可能用视线)进行连接，该无线连接被描绘为将每个基站或节点1至7接合到邻近基站的直线。

图5示出了无线网络中的链路、节点和群集的示例。使用小写字母a、b、c……等来标记链路。使用数字来标记节点。使用大写字母A、B……等来标记群集。

图6示出了COMP群集的大小设定的示例。例如，单个网络侧资源可以处理给定的群集内的全部扇区的信道确定和预测任务。

以下计算可以用于网络中的资源规划：

#节点＝9n^2-3n+1

#群集＝3n^2-3n+1

#链路＝6(3n^2-3n+1)

3n(n-1)+1＝(R/D)^2

下表1示出了可以在一些实施例中使用的示例值。

n	小区	群集	R/D
				10	871	271	16.46
20	3541	1141	33.78
				30	8011	2611	51.10

图7示出了阶段化COMP聚集的示例。如在图7中所描绘，COMP区可以从区域的左上侧开始，并且就其协作操作而言可以逐渐地阶段化以变得越来越大。

图8示出了从区域的中心开始并且在向外方向上逐步增加的阶段化COMP聚集的另一个示例。

图9示出了其中描绘具有三个节点(基站)的一个群集的示例。三个节点可以使用RF链路(诸如以低时延方式操作的毫米波链路)彼此通信。

图10示出了描绘一个群集和7个节点的无线网络的示例。

图11示出了描绘3个群集和16个节点的无线网络的示例。

图12示出了描绘7个群集和31个节点的无线网络的示例。

以下章节(章节3)描绘可以用于确定信道几何并且基于反射器将其建模为稀疏表示的技术。还描述了使用稀疏表示和预测滤波器来预测在另一个频率或另一个时间或另一个空间位置的信道行为的技术。在一个有利方面，可以使用信道知识来执行预测性重传。例如，在经预测的信道被确定为具有足够高的质量的情况下，那么可以在经预测的信道具有极好质量的情况下对应地减少或者简单地消除重传和/或确认传输。

在一些实施例中，可以通过计算位于不同位置处的资源(例如基站、UE或可能不是始终与基站共位的另一个网络侧资源)来执行接收参考信号传输和计算预测性信号并且将预测的信道特性用于传输(例如，对传输信号进行预编码)的任务。

3.稀疏信道表示

设备的发射天线到另一个设备的接收天线之间的无线信道可以由源于发射设备的射线的几何模型描述，如图13所示。当天线之间存在视线(LoS)时，这些射线中的一些可以被另一个设备的天线直接接收，并且一些可以从物体反射并且然后仅被接收在天线之间的非视线(NLoS)迹线中。每个射线可以与关于接收天线的某一传播延迟、复杂增益和到达角(AoA)相关联。两个天线和/或反射物体可以不是固定的，从而导致众所周知的多普勒效应。接收设备可以使用多个天线(天线阵列)来接收发射信号。

更正式地，令α_i，τ_i，θ_i和υ_i分别表示射线i的复杂增益、延迟、AoA和多普勒。那么，对于N_r个射线(反射器)，r在时间t、空间s和频率f下的无线信道响应是

其中，将空间维度用于多个接收天线。

信道响应H可以被认为是全部接收天线的叠加。本专利文件描述了用于从H(t，s，f)提取值α_i，τ_i，θ_i和υ_i的方法，其中假设N_r较小(例如，典型的情形可以具有零至10个反射器)。获得这些值会给出等式(0)的稀疏且紧凑的信道表示，而不管频率、时间和空间维度有多大。

例如，通过16个天线、512个频率音和4个时间样本接收的具有3个NLoS反射器的信道将由3×4＝12个值(3个反射器的增益、延迟、角度和多普勒)描述，而不是16×512×4＝32768个值。

此外，在知道α_i，τ_i，θ_i和υ_i的值的情况下，可以为任何期望的频率、时间和空间实例构建信道R_HH的协方差矩阵。这可以应用于预测这些维度中的任一者中的信道响应。

本章节描述了用于根据稀疏信道假设来构建协方差矩阵的两种方法。这两种方法都使用凸优化技术。也可以使用这些方法的变型或替代方法。

假设分别针对N_t，N_s和N_f个时间、空间和频率网格点给出信道响应H。可以从自一个设备传输到另一个设备的已知参考信号获得该信道响应。

3.1方法1-射线(反射器)检测

以下算法对找到延迟、角度和多普勒维度中的矢量的复杂值的优化问题求解，所述维度在转换成频率、时间和空间之后将给出最接近信道响应H的经验测量的信道响应，其中假设这些矢量中的具有不可忽略的能量的元素数量较少(稀疏)。

更具体地，分别在延迟、角度和多普勒维度上定义M_τ，M_θ和M_υ个点的网格。这些网格表示这些维度的期望检测分辨率。另λ_τ，λ_θ和λ_υ为这些网格上的复杂值的矢量。构建的信道响应是

一般优化问题将||λ_τ||₁，||λ_θ||₁和||λ_υ||₁最小化，条件是

其中||·||₁是L1范数并且ε表示小值(其可以对应于信道的SNR)。

上述优化问题可能太复杂而无法直接求解。为了降低复杂性，一个可能的替代方案是针对不同的维度按顺序对问题求解。可以应用维度的任何次序。

例如，实施例可以以延迟维度开始并且对将||λ_τ||₁最小化的优化问题求解，条件是

其中

对于解，检测具有不可忽略的能量m_τ∈T的延迟指数，使得|λ_τ(m_τ)|²≥ε_λ，其中ε_λ表示能量检测阈值(其可以对应于信道的SNR)。然后，实施例可以继续对下一维度求解，例如，角度维度。对于下一优化问题，将来自M_τ个指数的延迟维度减少至指数的集合T。因此，对将||λ_τ，θ||₁最小化的优化问题求解，条件是

其中

应注意，优化矢量的大小现在是T·M_θ，并且m_τ，θ是该矢量的指数，这对应于T中的延迟指数和M_θ中的角度指数。对于该解，一些实施例可以检测具有不可忽略的能量m_τ，θ∈TΘ的延迟-角度指数，使得|λ_τ,θ(m_τ，θ)|²≥ε_λ并且继续到最终的维度(多普勒)。在这里，实施例可以对将||λ_τ，θ，υ||₁最小化的优化问题求解，条件是

其中

应注意，优化矢量的大小现在是TΘ·M_υ，并且m_τ，θ，υ是该矢量的指数，这对应于T中的延迟指数、Θ中的角度指数以及M_υ中的多普勒指数。最后，实施例可以检测具有不可忽略的能量m_τ，θ，υ∈TΘγ的多普勒指数，使得|λ_τ，θ，υ(m_τ，θ，υ)|²≥ε_λ。表示稀疏信道的最终信息现在是|TΘγ|个值的小集合。

现在对于由指数t′，s′和f′表示的时间、空间和频率网格的任何选择，可以使用这种表示来将信道的协方差构建为

3.2方法2-最大似然

以下算法对针对经验信道测量来找到最似然协方差矩阵的优化问题求解。考虑函数r(·)，该函数将来自延迟、角度或多普勒维度的协方差转换为频率、空间或时间维度

r(α，κ，x)＝sinc(κ·x)·e^j2παx

信道的协方差是由以下函数生成的托普利兹矩阵：

在上面的等式中，M_τ，M_θ和M_υ是延迟、角度和多普勒维度的期望解，κ_τ，κ_θ和κ_υ是常量，并且f，s和t是频率、空间和时间网格中的索引。变量λ_τ，λ_θ和λ_υ是需要针对这三个维度中的每个元素确定的未知非负权重。为了找到它们，一些实施例可以对找到协方差R的优化问题求解，该协方差将得到经验信道响应H的概率最大化。更正式地，找到

其中

对此求解的一种可能方法是针对等效最小化问题使用凸优化技术。稀疏信道表示的假设未被显式地用于将优化问题正式化。然而，延迟、角度和多普勒维度中的信道的几何物理模型隐式地暗示稀疏信道表示。

为了降低对这种优化问题求解的复杂性，有可能在维度上按顺序(按任何次序)以与针对方法1描述的方式类似的方式执行优化。首先，对维度中的一者求解，例如延迟。找到延迟协方差

该延迟协方差将以下概率最大化：

然后，一些实施例可以检测具有不可忽略的能量τ∈T的延迟指数，使得|λ_τ(τ)|²≥ε_λ，其中ε_λ表示能量检测阈值(其可以对应于信道的SNR)。然后，一些实施例可以继续对下一维度求解，例如，角度维度。一些实施例可以找到延迟-角度协方差矩阵，如下：

该协方差矩阵将以下概率最大化：

同样，一些实施例可以检测具有不可忽略的能量τ，θ∈TΘ的延迟-角度指数，使得|λ_τθ(τ，θ)|²≥ε_λ并且继续对最终的维度(多普勒)求解。一些实施例可以找到延迟确度-多普勒协方差矩阵

该协方差矩阵将以下概率最大化：

最后，一些实施例可以检测具有不可忽略的能量τ，θ，υ∈TΘγ的延迟-角度-多普勒指数，使得|λ_τθυ(τ，θ，υ)|²≥ε_λ并且使用它们来构建信道的协方差，以用于由指数f′，s′和t′表示的频率、空间和时间网格的任何选择：

3.3用于降低的复杂性的检测树

针对维度中的一者中的M个点的网格大小求解的优化问题可以通过在树结构中构建M个点来迭代地求解。例如，M＝8可以被构建为3层树，如图14所示。对于每个树层l，一些实施例可以针对m_l≤M来对优化问题求解。然后，一些实施例检测树中的分支，其中经优化的矢量的总能量小于阈值并消除它们。下一层将具有新的m_l值，这不包括被移除的分支。以此方式，当执行进入树的底层时，m_l的大小相对于M变得越来越小。总体而言，该技术显著降低复杂性，特别是在检测到的元素(反射器)的数量与检测分辨率M相比小得多时。

图14示出了M＝8的检测树示例。在每个树层中，对于每个有效节点，将检测到的能量与阈值进行比较。如果高于阈值，则后代树分支存活(实心节点)。如果低于阈值，则后代树分支被消除(虚线节点)并且它们的后代节点不再被处理(用叉标记)。第一树层处理两个节点并且保留它们。第二树层处理4个节点并且仅保留它们中的两者。第三树层处理4个节点并且保留它们中的两者，这对应于反射器的位置(箭头)。

本领域的从业者将了解，有可能将检测树用于上述两种方法1和2。

3.4预测滤波器示例

一旦检测到反射器(方法1)或确定了协方差权重(方差2)，就可以针对任何频率、空间和时间网格来构建协方差矩阵。如果将这些网格表示为元素的集合Y并且将X表示为Y的子集并且将用于信道的瞬时测量的网格元素表示为H_X，那么预测滤波器可以被计算为

C＝R_YX·(R_XX)^-1

并且预测的信道被计算为

矩阵R_YX和R_XX是信道构建的协方差矩阵的行被抽取和行-列被抽取的版本。这些矩阵被抽取到网格资源，由X表示。

3.5无线系统中的信道预测

所描述的技术可以用于预测时分双工(TDD)或频分双工系统(FDD)中的无线信道。这种系统可以包括基站(BS)和多个用户设备(UE)。这种技术适合于固定和移动UE两者。一般地，这些技术用来基于稀疏多维几何模型从相对少数量的观察(在频率、时间和空间中)计算表示无线信道的正确协方差矩阵。从该协方差矩阵，计算预测滤波器并将其应用于一些信道测量，以预测在一些或全部频率、空间和时间维度中的信道。UE的预测信道以及其他UE的其他预测信号可以用来生成从一个BS到多个UE(多用户MIMO，Mu-MIMO)或从若干个BS到多个UE(也被称为CoMP(协作多点)或分布式Mu-MIMO)的经预编码的下行链路传输。

应注意，尽管在以下段落中描述的大多数计算负载被分配到BS(或某一其他网络侧处理单元)，但在替代实施方式中，一些计算负载可以在UE中执行。

3.5.1TDD系统

在这种场景中，BS预测在将来的时间实例中从其天线到UE的无线信道。这可以用于生成经预编码的下行链路传输。UE可以在某些时间实例向BS传输参考信号，BS将据此来估计无线信道响应。应注意，典型地，少量的时间实例应是足够的，这使得其成为适合于移动系统的方法。然后，将估计的信道响应(全部或部分)与所描述的方法中的一者一起使用，以确定信道的协方差矩阵并计算预测滤波器。这种处理可以在基站本身中发生或者在远程或网络侧处理单元处发生(也被称为“云”处理)。预测滤波器可以应用于已经接收到的信道响应中的一些，或应用于一些其他估计的信道响应，以在将来的时间实例并且在期望的频率和空间网格上生成无线信道的预测。

3.5.2FDD系统

也在这种场景中，BS预测在将来的时间实例中从其天线到UE的无线信道。然而，UE到BS上行链路传输和BS到UE下行链路传输是在不同的频带上。预测滤波器的生成类似于TDD系统。UE可以在某些时间实例向BS传输参考信号，BS将据此来估计无线信道响应。然后，将估计的信道响应(全部或部分)与所描述的方法中的一者一起使用，以确定信道的协方差矩阵并计算预测滤波器。与此同时，在任何时间实例，BS可以向UE传输参考信号。UE将通过其上行链路向BS反馈接收到的参考信号中的一些(全部或部分)作为原始或经处理的信息(隐式/显式反馈)。如果需要，BS将从自UE接收到的信息生成对下行链路信道的估计的信道响应并且对其应用预测滤波器。结果就是处于下行链路频带且在将来的时间实例的预测信道。

3.5.3用于MCS估计的自预测

有用的是BS知道信道的预测质量以便正确地确定将哪个调制和编码(MCS)用于其经预编码的传输。信道由计算的协方差矩阵表示得越准确；就实现越高的预测质量，并且UE将具有更高的接收SNR。

4.OTFS中的多路接入和预编码

本章节涵盖在典型的OTFS系统中使用的多路接入和预编码协议。图15描绘了无线通信中的定性示例场景是集线器通过固定时间和带宽向若干个用户设备(UE)传输数据。例如：塔向若干个手机传输数据，或Wi-Fi路由器向若干设备传输数据。此类场景被称为多路接入场景。

正交多路接入

目前，用于多路接入的常用技术是正交多路接入。这意味着集线器将其时间和频率资源分成不相交的片段并将其分配给UE。图16中示出了示例，其中四个UE(UE1、UE2、UE3和UE4)得到四个不同的频率分配，并且因此信号彼此正交。

正交多路接入的优点在于每个UE都有其自己的私有信道，而没有干扰。缺点在于每个UE仅被分配可用资源的一小部分，并且因此与非正交情况相比通常具有低数据速率。

预编码多路接入

近来，已经针对多路接入提出更高级的技术(预编码)。在预编码中，集线器配备多个天线。集线器使用多个天线来产生单独的波束，然后该集线器使用所述波束来在整个带宽上向UE传输数据。图17中描绘了示例，该图示出集线器能够基于UE的位置来形成指向UE的定向RF能量的单独波束。

预编码的优点在于每个UE通过整个带宽接收数据，因此给出高数据速率。预编码的缺点是实施的复杂性。而且，由于功率约束和集线器无法产生完全不相交波束的噪声信道估计，因此UE将经历某一水平的残余干扰。

预编码的介绍

可以在四个步骤中实施预编码：信道获取、信道外推、滤波器构建、滤波器应用。

信道获取：为了执行预编码，集线器确定无线信号在从集线器行进到UE时如何失真。失真可以在数学上表示为矩阵：以从集线器天线传输的信号作为输入并且将UE接收到的信号作为输出，这个矩阵被称为无线信道。

信道预测：实际上，集线器首先在固定时间获取由s₁，s₂，...，s_n表示的信道。基于这些值，集线器然后预测在将传输经预编码的数据的一些将来时间信道将是什么，将这些时间表示为t₁，t₂，...，t_m。

滤波器构建：集线器使用在t₁，t₂，...，t_m预测的信道来构建预编码滤波器，所述预编码滤波器将UE接收到的干扰能量和噪声最小化。

滤波器应用：集线器向其想让UE接收的数据应用预编码滤波器。

信道获取

本章节给出用来描述信道的精确数学模型和符号的简要概述。

时间和频率槽：集线器在固定分配的时间和频率上向UE传输数据。本文件将分配的频率槽的数量表示为N_f并且将分配的时间槽的数量表示为N_t。

天线的数量：集线器处的天线的数量由L_h表示，UE天线的总数量由L_u表示。

发射信号：对于每个时间和频率槽，集线器发射由

表示的信号，其中f＝1，...，N_f并且t＝1，...，N_t。

接收信号：对于每个时间和频率槽，UE接收由

表示的信号，其中f＝1，...，N_f并且t＝1，...，N_t。

白噪声：对于每个时间和频率槽，将白噪声建模为具有均值零和方差N₀的iid高斯随机变量的矢量。本文件将噪声表示为

其中f＝1，...，N_f并且t＝1，...，N_t。

信道矩阵：对于每个时间和频率槽，无线信道被表示为矩阵并且由

表示，其中f＝1，...，N_f并且t＝1，...，N_t。

无线信道可以被表示为通过简单的线性方程将发射信号和接收信号相关的矩阵：

其中f＝1，...，N_f并且t＝1，...，N_t。图18示出了单个集线器天线与单个UE天线之间的无线信道的示例频谱图。以时间作为横轴且频率沿着纵轴来绘制该图。对区域加阴影以指示信道强或弱的地方，如图18所示的dB幅度标度所指示。

通常使用两种常用方式来获取集线器处的信道的知识：显式反馈和隐式反馈。

显式反馈

在显式反馈中，UE测量信道并且然后以数据包将测量到的信道传输回到集线器。显式反馈可以在三个步骤中完成。

导频传输：对于每个时间和频率槽，集线器发射由

表示的导频信号，其中f＝1，...，N_f并且t＝1，...，N_t。不同于数据，在集线器和UE两者处都知道导频信号。

信道获取：对于每个时间和频率槽，UE接收通过信道和白噪声失真的导频信号：

H(f，t)p(f，t)+w(f，t)， (2)

其中f＝1，...，N_f并且t＝1，...，N_t。由于UE知道导频信号，因此它们可以使用信号处理来计算信道的估计，由

表示。

反馈：UE将估计

量化为数据包。然后将包传输到集线器。

显式反馈的优点在于实施起来相对容易。缺点是将信道估计从UE传输到集线器的开销大。

隐式反馈

隐式反馈是基于将上行链路信道(UE向集线器传输)与下行链路信道(集线器向UE传输)相关的互易性的原理。图19示出了集线器与多个UE之间的上行链路和下行链路信道的示例配置。

具体地，分别用H_上和H来表示上行链路和下行链路信道，那么：

其中f＝1，...，N_f并且t＝1，...，N_t。其中

表示上行链路信道的矩阵转置。矩阵

和

表示硬件非理想因素。通过执行被称为互易性校准的过程，可以移除硬件非理想因素的影响，因此给出上行链路和下行链路信道之间的简单关系：

互易性的原理可以用来在集线器处获取信道知识。该过程被称为隐式反馈并且由三个步骤构成。

互易性校准：集线器和UE校准其硬件，使得等式(4)成立。

导频传输：对于每个时间和频率槽，UE发射由

信道获取：对于每个时间和频率槽，集线器接收通过上行链路信道和白噪声失真的导频信号：

H_up(f，t)p(f，t)+w(f，t) (5)

其中f＝1，...，N_f并且t＝1，...，N_t。由于集线器知道导频信号，因此它可以使用信号处理来计算上行链路信道的估计，由

表示。由于已经执行了互易性校准，因此集线器可以进行转置以得到下行链路信道的估计，由

表示。

隐式反馈的优点在于其允许集线器以极小的开销获取信道指示，缺点在于难以实施互易性校准。

信道预测

使用显式或隐式反馈，集线器获取在由s₁，s₂，...，s_n表示的某些时间下行链路无线信道的估计，使用这些估计，该集线器然后必须预测在将执行预编码时的将来时间信道将是什么，由t₁，t₂，...，t_m表示。图20示出了这个设置，其中估计信道的“快照”，并且基于估计的快照，关于在将来的时间的信道进行预测。如图20所描绘，可以按固定的时隙在频率上获得信道估计，并且基于这些估计，计算预测的信道。

在选择反馈时间s₁，s₂，...，s_n时存在权衡。

外推的时延：参考最后反馈时间s_n与第一预测时间t₁之间的时间距离以确定集线器需要预测信道的未来有多久。如果外推的时延较大，那么集线器在需要应用预编码滤波器之前具有良好的提前时间来计算预编码滤波器。另一方面，更大的时延会给出更难的预测问题。

密度：集线器经由反馈接收信道测量的频率决定反馈密度。更大的密度导致以更大开销的成本进行更准确的预测。

文献中存在很多信道预测算法。它们的不同之处在于它们对信道的数学结构所作的假设。假设越强，如果假设是真实的话，外推到未来的能力就越大。然而，如果假设是错误的，那么外推将失败。例如：

多项式外推：假设信道是光滑函数。如果真实的话，可以将信道外推至未来的极短时间≈0.5ms。

有限带宽外推：假设信道是有限带宽函数。如果真实的话，可以外推至未来的短时间≈1ms。

MUSIC外推：假设信道是波的有限和。如果真实的话，可以外推至未来的长时间≈10ms。

预编码滤波器计算和应用

使用外推，集线器在将传输经预编码的数据的时间内计算下行链路信道矩阵的估计。然后使用估计来构建预编码滤波器。通过在集线器想让UE接收的数据上应用滤波器来执行预编码。在进入细节之前，我们介绍符号。

信道估计：对于每个时间和频率槽，集线器具有由

表示的下行链路信道的估计，其中f＝1，...，N_f并且t＝1，...，N_t。

预编码滤波器：对于每个时间和频率槽，集线器使用信道估计来构建由

表示的预编码滤波器，其中f＝1，...，N_f并且t＝1，...，N_t。

数据：对于每个时间和频率槽，UE想要向UE发射数据的矢量，其由

表示，其中f＝1，...，N_f并且t＝1，...，N_t。

集线器能量约束

当将预编码器滤波器应用于数据时，集线器功率约束是重要的考虑因素。假设总集线器传输能量不能超过N_fN_tL_h。考虑经预编码的数据：

W(f，t)x(f,t)， (6)

其中f＝1，...，N_f并且t＝1，...，N_t。为了确保经预编码的数据满足集线器能量约束，集线器应用归一化，从而传输：

λW(f，t)x(f，t)， (7)

其中f＝1，...，N_f并且t＝1，...，N_t。其中归一化常数λ由下式给出：

接收器SNR

经预编码的数据然后通过下行链路信道传递，UE接收到以下信号：

λH(f，t)w(f，t)x(f，t)+w(f，t)， (9)

其中f＝1，...，N_f并且t＝1，...，N_t。UE然后移除归一化常数，从而给出数据的软估计：

其中f＝1，...，N_f并且t＝1，...，N_t。估计的误差由下式给出：

估计的误差可以分成两项。项H(f，t)W(f,t)-x(f，t)是UE经历的干扰，而项

给出UE经历的噪声。

当选择预编码滤波器时，在干扰与噪声之间进行权衡。现在综述两个最普遍的预编码器滤波器：迫零和正规化迫零。

迫零预编码器

集线器通过对其信道估计求倒数来构建迫零预编码器(ZFP)。

其中f＝1，...，N_f并且t＝1，...，N_t。ZPP的优点在于UE经历很少的干扰(如果信道估计是完美的，那么UE不经历干扰)。ZFP的缺点在于UE可能会经历大量的噪声。这是因为在信道估计

很小的时间和频率槽，滤波器W_ZF(f，t)将很大，从而导致归一化常数λ很小而给出很大的噪声能量。图21展示了SISO信道的这种现象。

正规化迫零预编码器(rZFP)

为了减轻信道零(信道具有极小能量的位置)的影响，采用信道估计的正规化倒数来构建正规化迫零预编码器(rZFP)：

其中f＝1，...，N_f并且t＝1，...，N_t。其中α＞0是归一化常数。rZFP的优点在于，与ZFP相比，噪声能量更小。这是因为rZFP在信道零中部署更少的能量，因此归一化常数入更大而给出更小的噪声能量。rZFP的缺点是与ZFP相比的更大的干扰。这是因为信道没有完全地倒过来(因为归一化常量)，因此UE将经历残余干扰。图22展示了SISO信道的这种现象。

如上所述，预编码系统存在三个部件：信道反馈部件、信道预测部件以及预编码过滤器部件。三个部件之间的关系在图23中显示。

OTFS预编码系统

讨论用于实施OTFS预编码系统的各种技术。一些公开的技术可以用来提供使传输信号的能量分布成形的能力。例如，能量分布可以使得信号的能量在信道信息和信道强度较强的时间频率和空间中将较高。相反，信号的能量在信道信息或信道强度较弱的时间频率和空间中将较低。

可以参考三个主要框来描述一些实施例，如图24所描绘。

信道预测：在信道预测期间，使用二阶统计来建立预测滤波器以及预测误差的协方差。

最优预编码滤波器：使用预测的信号和预测误差的协方差：集线器计算最优预编码滤波器。滤波器使传输信号的空间能量分布成形。

矢量扰动：使用预测的信号、预编码滤波器和预测误差的指示，集线器对传输信号进行扰动。通过这样做，集线器使传输信号的时间、频率和空间能量分布成形。

OTFS调制的综述

调制是通过时间和频率的固定分配来传输有限符号的集合(其对数据进行编码)的方法。当今使用的普遍方法是正交频分复用(OFDM)，其通过时间和频率的窄区域(例如，使用子载波和时隙)来传输每个有限符号。相反，正交时频空间(OTFS)通过时间和频率的整个分配来传输每个有限符号。在进入细节之前，我们介绍术语和符号。

将时间和频率的分配称为帧。用N_f来表示帧中的子载波的数量。用d_f来表示子载波间隔。用N_t来表示帧中的OFDM符号的数量。用dt来表示OFDM符号持续时间。将可能的有限符号的集合称为字母表，由A表示。

通过帧传输的信号(由f表示)可以由其在每个时间和频率槽中取得的值指定：

其中f＝1，...，N_f并且t＝1，...，N_t。

图25示出了沿着时间轴线(横轴)和频率轴线(纵轴)的帧的示例。图26示出了最常使用的字母表的示例：正交调幅(QAM)。

OTFS调制

假设发射器具有发射器想要通过帧传输的N_fN_t个符号的集合，由下式表示：

x(f，t)∈A， (15)

其中f＝1，...，N_f并且t＝1，...，N_t。OFDM通过经由单个时间频率槽传输每个QAM符号进行工作：

其中f＝1，...，N_f并且t＝1，...，N_t。OFDM的优点是其固有的并行性，这使得通信的很多计算方面非常容易实施。OFDM的缺点是退化，也就是说，无线信道对于某些时间频率槽来说可能很差。针对这些槽执行预编码非常困难。

使用延迟多普勒域来定义OTFS调制，该延迟多普勒域通过二维傅里叶变换与标准时频域相关。

延迟维度是频率维度的两倍。存在N_τ个延迟槽，其中N_τ＝N_f。多普勒维度是时间维度的两倍。存在N_v个多普勒槽，其中Nv＝N_t。

延迟多普勒域中的信号(由φ表示)由其在每个延迟和多普勒槽中取得的值定义：

其中τ＝1，...，N_τ并且v＝1，...，N_v。

给定延迟多普勒域中的信号φ，一些发射器实施例可以应用二维傅里叶变换来定义时频域中的信号

其中f＝1，...，N_f并且t＝1，...，N_t。其中F表示二维傅里叶变换。

相反，给定时频域的信号f，发射器实施例可以应用二维傅里叶逆变换来定义延迟多普勒域中的信号φ：

其中τ＝1，...，N_τ并且v＝1，...，N_ν。

图27描绘了延迟多普勒域与时频域之间的关系的示例。

OTFS的优点在于，每个QAM符号均匀地分布在整个时频域上(通过二维傅里叶变换)，因此每个QAM符号经历信道的全部好的和坏的区域，从而消除退化。OTFS的缺点在于，QAM扩展增加了计算复杂性。

MMSE信道预测

在集线器处通过将优化标准(例如，最小均方误差(MMSE)预测滤波器)应用于集线器的信道估计(通过隐式或显式反馈获取)来执行信道预测。以两个步骤来计算MMSE滤波器。第一，集线器计算信道的二阶统计的经验估计。第二，使用标准估计理论，集线器使用二阶统计来计算MMSE预测滤波器。在进入细节之前，我们介绍符号：

用L_h来表示集线器处的天线数量。用L_u来表示UE天线的数量。用u＝1，...，L_u来给UE天线加索引。用N_f来表示频率槽的数量。用n_past来表示反馈时间的数量。用n_future来表示预测时间的数量。图28示出了外推过程设置的示例。

对于每个UE天线，可以将全部的频率、集线器天线和反馈时间的信道估计相结合以形成单个N_fL_hn_past维度矢量。我们将此表示为：

同样地，＝可以将全部的频率、集线器天线和预测时间的信道值相结合以形成单个N_fL_hn_future维度矢量。我们将此表示为：

在典型的实施方式中，这些是超高维矢量，并且实际上，应使用某一形式的压缩。例如，主成分压缩可以是所使用的一种压缩技术。

经验二阶统计

针对每个UE天线按以下方式单独地计算经验二阶统计：

在固定时间，集线器通过反馈来接收

的N个样本和H_future(u)的估计。我们用以下来表示它们：

和

其中i＝1，...，N。

集线器计算

的协方差的估计，我们将其表示为

集线器计算H_future(u)的协方差的估计，我们将其表示为

集线器计算H_future(u)与

之间的关联的估计，我们将其表示为

在典型的无线场景(行人到高速公路速度)中，信道的二阶统计缓慢地改变(大约1至10秒)。因此，应相对不频繁地重新计算它们。另外，在一些情况下，可能更高效的是UE计算二阶统计的估计并且将它们反馈给集线器。

MMSE预测滤波器

使用标准估计理论，可以针对每个UE天线使用二阶统计来计算MMSE预测滤波器：

其中C(u)表示MMSE预测滤波器。集线器现在可以通过将反馈信道估计应用到MMSE滤波器中来预测信道：

预测误差方差

用ΔH_future(u)来表示MMSE预测误差，那么：

用R_error(u)来表示MMSE预测误差的协方差，其中：

使用标准估计理论，可以使用经验二阶统计来计算R_error(u)的估计：

模拟结果

现在呈现说明将MMSE滤波器用于信道预测的模拟结果。表1给出了模拟参数，并且图29示出了该示例的外推设置。

表1

子载波间隔	15kHz
		子载波的数量	512
延迟扩展	3μs
		多普勒扩展	600Hz
信道反馈估计的数量	5
		信道反馈估计的间隔	10ms
预测范围	未来的0至20ms

使用

和

的五十个样本来计算二阶统计的经验估计。二阶统计用来计算MMSE预测滤波器。图30示出了应用滤波器的结果。结果表明，预测在预测信道方面优良，甚至预测到未来的20ms。

框图

在一些实施例中，针对每个UE天线独立地执行预测。预测可以分成两步：

1)计算MMSE预测滤波器和预测误差协方差：可以不频繁地(大约数秒)执行计算。在图31中总结了计算。从图31的左侧开始，首先，收集反馈信道估计。接下来，计算过去、未来以及未来/过去相关矩阵。接下来，计算过滤器估计C(u)和误差估计。

2)信道预测：在每次执行预编码时执行。在图32中总结了过程。

最优预编码滤波器

使用MMSE预测，集线器在将传输经预编码的数据的时间和频率的分配内计算下行链路信道矩阵的估计。然后使用估计来构建预编码滤波器。通过在集线器想让UE接收的数据上应用滤波器来执行预编码。实施例可以得出“最优”预编码滤波器，如下。在进入细节之前，我们介绍符号。

帧(如先前定义)：在具有N_f个频率槽和个N_t时间槽的时间和频率的固定分配上执行预编码。用以下项来给频率槽加索引：f＝1，…，N_f用t＝i，…，N_t来给时间槽加索引。

信道估计：对于每个时间和频率槽，集线器具有由

表示的下行链路信道的估计。

误差相关：用ΔH(f，t)来表示信道估计的误差，那么：

用

来表示估计误差的预期矩阵相关，其中：

集线器可以容易使用先前计算的预测误差协方差矩阵来计算这些：

其中u＝1，...，L_u。

信号：对于每个时间和频率槽，UE想要向UE发射数据，其由

表示。

表示的预编码滤波器。

白噪声：对于每个时间和频率槽，UE经历由

表示的白噪声。假设白噪声是具有均值零和方差N₀的iid高斯。

集线器能量约束

当将预编码器滤波器应用于数据时，可以考虑集线器功率约束。假设总集线器传输能量不能超过N_fN_tL_h。考虑经预编码的数据：

W(f，t)s(f，t)， (31)

为了确保经预编码的数据满足集线器能量约束，集线器应用归一化，从而传输：

λW(f，t)s(f，t)， (32)

其中归一化常数1由下式给出：

接收器SINR

λH(f，t)W(f，t)s(f，t)+n(f，t)， (34)

UE然后移除归一化常数，从而给出信号的软估计：

估计的误差由下式给出：

误差可以分解成两个独立项：干扰和噪声。实施例可以计算总预期误差能量：

最优预编码滤波器

应注意，预期误差能量相对于预编码滤波器的系数是凸形且二次的。因此，可以使用微积分来得出最优预编码滤波器：

因此，OTFS预编码系统的一些实施例使用该滤波器(或其估计)进行预编码。

模拟结果

现在呈现说明最优预编码滤波器的使用的模拟结果。模拟场景是集线器向单个UE传输数据。信道是非视线，具有两个反射器群集：一个群集由静态反射器组成，另一个群集由移动反射器组成。图33示出了信道几何，其中横轴和纵轴以距离为单位。假设集线器具有关于静态群集的良好信道侧信息(CSI)和关于动态群集的不良CSI。将最优预编码滤波器与MMSE预编码滤波器进行比较。图34A显示了由MMSE预编码滤波器给出的天线图案。可以看出，能量集中在±45°，也就是说，朝向两个群集。UE SINR是15.9dB，SINR因为集线器对于动态群集的不良CSI而相对低。

图34B显示了由如上所述的最优预编码滤波器给出的天线图案，例如使用等式(38)。在该示例中，能量集中在-45°，也就是说，朝向静态群集。UE SINR是45.3dB，SINR因为集线器具有对于静态反射器的良好CSI而较高(与MMSE情况相比)。

图34A和图34B中描绘的模拟结果示出了最优预编码滤波器的优点。滤波器能够避免朝向不良信道CSI的空间区域(例如，移动区域)发送能量。

示例框图

针对每个时频槽独立地执行预编码。预编码可以分成三步：

[1]计算误差相关：不频繁地(大约数秒)执行计算。在图35中总结了计算。

[2]计算最优预编码滤波器：可以在每次执行预编码时执行。在图36中总结了计算。

[3]应用最优预编码滤波器：可以在每次执行预编码时执行。在图37中总结了过程。

OTFS矢量扰动

在介绍矢量扰动的概念之前，我们概述将最优预编码滤波器应用于OTFS。

OTFS最优预编码

在OTFS中，使用延迟-多普勒域中的QAM对要传输到UE的数据进行编码。用x来表示这个QAM信号，那么：

其中τ＝1，...，N_τ并且ν＝1，...，N_v。A表示QAM星座。使用二维傅里叶变换，可以在时频域中表示信号。我们将该表示表示为：

X(f，t)＝(Fx)(f，t)， (40)

其中f＝1，...，N_f并且t＝1，...，N_t。F表示二维傅里叶变换。集线器将最优预编码滤波器应用于X并且在空中传输滤波器输出：

λW_opt(f，t)X(f，t)， (41)

其中f＝1，...，N_f并且t＝1，...，N_t.λ表示归一化常数。UE移除归一化常数，从而给出X的软估计：

其中f＝1，...，N_f并且t＝1，...，N_t。项w(f，t)表示白噪声。用E来表示软估计的误差：

E(f，t)＝x_soft(f，t)-X(f，t)， (43)

其中f＝1，...，Nf并且t＝1，...，Nt。先前在本文件中得出预期误差能量：

其中：

我们将正定矩阵M_error(f，t)称为误差矩阵。

矢量扰动

在矢量扰动中，集线器传输QAM信号的扰动版本：

x(τ，ν)+p(τ，ν)， (46)

其中τ＝1，...，N_τ并且ν＝1，...，N_v。在这里，p(τ，ν)表示扰动信号。被扰动的QAM可以在时频域中表示：

X(f，t)+P(f，t)＝(Fx)(f，t)+(Fp)(f，t)， (47)

其中f＝1，...，N_f并且t＝1，...，N_t。集线器将最优预编码滤波器应用于扰动信号并且在空中传输结果。UE移除归一化常数，从而给出被扰动信号的软估计：

X(f，t)+P(f，t)+E(f，t)， (48)

其中f＝1，...，N_f并且t＝1，...，N_t。其中E表示软估计的误差。误差的预期能量由下式给出：

UE然后应用二维傅里叶逆变换以将软估计转换到延迟多普勒域：

x(τ，ν)+p(τ，ν)+e(τ,ν)， (50)

其中τ＝1，...，N_τ并且ν＝1，...，N_v。UE然后针对每个延迟多普勒槽移除扰动p(τ，ν)以恢复QAM信号x。

矢量扰动信号的集合

一个问题是：扰动信号的哪种集合应得到允许？当做出这个决定时，有两个冲突的标准：

1)扰动信号的集合应较大，使得预期误差能量可以大大降低。

2)扰动信号的集合应较小，使得UE可以容易移除它们(降低计算复杂性)：

x(τ,v)+p(τ,v)→x(τ， v) (51)

粗晶格扰动

延迟-多普勒域中的有效扰动信号系列在粗晶格中取得值：

其中τ＝1，...，N_τ并且ν＝1，...，N_ν。在这里，B表示粗晶格。具体地，如果QAM符号位于框中：[-r，r]×j[-r，r]则我们认为我们的扰动晶格是

现在用示例说明粗晶格扰动。

示例

考虑框[-2，2]×j[-2，2]中的QPSK(或4-QAM)符号。那么扰动晶格是

图38示出了符号和晶格。假设集线器想要向UE传输QPSK符号1+1j。然后，存在集线器可以传输的1+1j的无限数量的粗扰动。图39示出了示例。集线器选择可能的扰动中的一者并且在空中传输。图40示出了用单个实心圆描绘的所选择的被扰动符号。

UE接收被扰动的QPSK符号。UE然后移除扰动以恢复QPSK符号。为此，UE首先搜索最接近接收到的信号的粗晶格点。图41示出了这种情况。

UE将最接近的晶格点从接收到的信号中减去，由此恢复QPSK符号1+1j。图42示出了这个过程。

找到最优粗晶格扰动信号

最优粗晶格扰动信号p_opt是将预期误差能量最小化的信号：

可以使用不同的方法来计算最优粗晶格扰动信号。计算高效方法是涉及在集线器处应用DFE(判决反馈均衡)的一种形式的Thomlinson-Harashima预编码。

粗晶格扰动示例

现在呈现说明粗晶格扰动的使用的模拟结果。模拟场景是集线器天线向单个UE天线传输。表2显示了模拟参数。表3显示了该示例的信道参数。

表2

子载波间隔	30kHz
		子载波的数量	256
每帧的OFDM符号	32
		QAM阶数	无限(在单元框中一致)

表3

反射器的数量	20
		延迟扩展	2μs
多普勒扩展	1KHz
		噪声方差	-35dB

图43显示了时域(横轴)和频域(纵轴)中的信道能量。

由于这是SISO(单输入单输出)信道，因此对于每个时频槽，误差度量M_error(f，t)是正标量。通过对误差度量与被扰动的信号能量的乘积进行积分来给出预期能量误差：

图44显示了误差度量的示例。生成了十万个随机QAM信号。对于每个QAM信号，使用Thomlinson-Harashima预编码来计算对应的最优扰动信号。图45将QAM信号的平均能量与被扰动的QAM信号的平均能量进行比较。QAM信号的能量是白色的(均匀地分布)，而被扰动的QAM信号的能量是有色的(在一些时频区域中强且在其他时频区域中弱)。未被扰动的QAM信号的平均误差能量是-24.8dB。被扰动的QAM信号的平均误差能量是-30.3dB。可以通过将被扰动的QAM信号的能量分布与误差度量进行比较来解释误差能量的改善。

图46示出示例误差度量与平均被扰动的QAM能量的比较。被扰动的QAM信号在误差度量低的情况下具有高能量，相反地，在误差度量高的情况下具有低能量。

模拟说明了来自使用矢量扰动的增益：使信号的能量成形以避免误差度量高的时频区域。

框图

可以在三个步骤中执行矢量扰动。首先，集线器对QAM信号进行扰动。接下来，使用预编码滤波器在空中传输被扰动的信号。最后，UE移除扰动以恢复数据。

误差度量的计算：可以针对每个时频槽独立地执行计算。在图47中总结了计算。也参见等式(45)。如图所示，使用信道预测估计、最优编码滤波器和误差相关估计来计算误差度量。

扰动的计算：在整个延迟多普勒信号上执行扰动。在图48中总结了计算。如图所示，使用QAM信号和误差度量来计算扰动信号。将所计算的扰动信号附加地应用于QAM输入信号。

最优预编码滤波器的应用：可以针对每个时频槽独立地执行计算。在图49中总结了计算。通过二维傅里叶变换来处理被扰动的QAM信号以生成经2D变换的被扰动信号。将最优预编码滤波器应用于经2D变换的被扰动信号。

UE移除扰动：计算可以是图50。在UE处，通过2D傅里叶逆变换来变换所接收的输入信号。确定得到的经变换信号的最接近晶格点并且然后将其从经2D变换的被扰动信号移除。

空间Tomlinson Harashima预编码

本章节提供了实现空间预编码的附加细节以及使用Tomlinson Harashima预编码算法在延迟多普勒域中实施空间预编码的有益方面。实施例考虑平直信道(没有频率或时间选择性)。

线性预编码的综述

在预编码中，集线器想要向UE传输QAM的矢量。我们将该矢量表示为

集线器能访问以下信息：

下行链路信道的估计，表示为：

信道估计误差的矩阵协方差，表示为：

根据该信息，集线器计算“最优”预编码滤波器，其将UE所经历的预期误差能量最小化：

通过将预编码滤波器应用于QAM矢量，集线器构建信号以在空中传输：

其中λ是用来实施传输能量约束的常数。信号通过下行链路信道传递并由UE接收：

λHW_optx+w，

其中

表示AWGN噪声。UE移除归一化常数，从而给出QAM信号的软估计：

x+e，

其中

表示估计误差。可以使用误差度量来计算预期误差能量：

预期误差能量＝x^*M_errorx

其中M_error是通过下式计算的正定矩阵：

矢量扰动的综述

可以通过用矢量

对QAM信号进行扰动来大大减少预期误差能量。集线器现在传输

在移除归一化常数之后，UE得到被扰动的QAM信号的软估计。

x+v+e

同样，可以使用误差度量来计算预期误差能量：

预期误差能量＝(x+v)^*M_error(x+v)

最优扰动矢量将预期误差能量最小化：

v_opt＝argmin_v(x+v)^*M_error(x+v).

计算最优扰动矢量一般是NP难题，因此，在实践中反而计算最优扰动的近似。对于本文件的剩余部分，我们假设以下信号和扰动结构：

QAM位于框[-1，1]×j[-1，1]中

扰动矢量位于粗晶格：

空间Tomlinson Harashima预编码

在空间THP中，使用滤波器来计算“良好”的扰动矢量。为此，利用正定矩阵M_error的柯列斯基分解：

M_error＝U^*DU，

其中D是具有正条目的对角矩阵，并且U是单位上三角。使用该分解，预期误差能量可以被表达为：

其中z＝U(x+v)。我们注意到，将预期误差能量最小化等同于将z个条目的能量最小化，其中：

z(L_u)＝x(L_u)+v(L_u)，

其中n＝1，2，...，L_u-1。空间THP通过以下方式迭代地选择扰动矢量。

v(L_u)＝0

假设已经选择v(n+1)，v(n+2)，...，v(L_u)，那么：

其中

表示到粗晶格上的投影。我们注意到，通过构建，粗扰动矢量将z的条目的能量限制为二。图51显示了空间THP的框图。

模拟结果

现在呈现简单模拟的结果以说明空间THP的使用。表4总结了模拟设置。

表4：模拟设置

图52显示了不同PAM矢量的预期误差能量。我们注意到图的两个方面。

当传输到UE 1和UE 2的信号类似时，误差能量低。相反，当传输到UE的信号不类似时，误差能量高。当两个UE在空间上接近时，可以预期出现这种模式；在这些情况下，有利的是向两个UE传输相同的消息。

误差能量具有椭圆形的形状。椭圆的轴线由M_error的本征矢量限定。

生成PAM矢量的大量数据并且应用空间THP。图53示出了结果。应注意，被扰动的PAM矢量沿着具有低预期误差能量的轴线聚集。

5.OTFS系统的信道估计

本章节概述OTFS系统的信道估计，并且特别是针对大量用户的信道估计和调度的方面。在图54中示出了具有多天线基站和多个用户天线的无线系统。从用户天线到基站天线中的每一者(反之亦然)的每次传输都经历不同的信道响应(假设天线足够物理地分开)。为了高效通信，基站借助于预编码来改善用户的接收信号干扰噪声比(SINR)。然而，为了预编码，基站需要在传输时间期间对通向用户的线性链路信道进行准确估计。

在一些实施例中，并且当信道不是静态的时且当用户的数量极大时，这种预编码系统的一些挑战包括：

○准确且高效地估计全部需要的信道

○在下行链路传输时间期间预测信道的变化

假设少量用户和静态信道的系统中的典型解决方案是让每个用户从其每一个天线传输已知的导频符号(参考信号)。这些导频由全部的基站天线接收并用来估计信道。重要的是，这些导频符号不经历显著的干扰，使得信道估计质量高。由于这个原因，它们典型地以与其他传输正交的方式同时发送。由不同的方法来以正交(或几乎正交)方式打包多个导频，但这些方法通常受到可以打包在一起(取决于信道条件)而不会对彼此造成显著干扰的导频数量限制。因此，当用户天线的数量高且信道不是静态的时，很难具有高效的系统。上行链路导频所需的传输资源量可能会占用相当大量的系统容量或甚至使得其不可实施。对于信道的预测，通常假设信道是完全静态的并且在从经估计的时间开始到下行链路传输结束都不会改变。该假设通常致使非静态信道显著退化。

假设下行链路和上行链路信道是互易的，并且在校准之后，有可能补偿上行链路-下行链路和下行链路-上行链路信道响应的差异。在章节5中进一步讨论使用互易性的校准过程的一些示例实施例。

所公开的技术的实施例包括一种用于将多个非正交导频打包和分离的系统和方法，以及一种用于信道预测的方法。在这种系统中，与其他通常使用的方法相比，有可能将相当更大量的导频打包在一起，因此允许准确地预测信道来进行预编码。

二阶训练统计

系统包括初步训练步骤，其中全部用户向基站发送上行链路正交导频。尽管这些导频是正交的，但它们可以以极低的速率发送(诸如每秒一个)并且因此不会使系统过载太多。基站接收多个这样传输的这些导频，并且使用它们来计算每个信道的二阶统计(协方差)。

图55示出了这种系统的示例，其中长度1msec的子帧由下行链路部分(DL)、保护时段(GP)和上行链路部分(UL)组成。上行链路部分中的一些专用于正交导频(OP)和非正交导频(NOP)。每个特定用户被调度为在这些资源上每1000个子帧(这等同于1sec)发送其导频。在接收到具有导频的N_SOS个子帧(等同于N_SOS秒)之后，基站将计算该信道的二阶统计。

用于用户天线u的二阶统计的计算被定义为：

○对于具有正交导频的每个接收到的子帧i＝1，2，...，N_SOS并且对于L个基站接收天线中的每一者，从导频估计沿着整个频带(N_f个网格元素)的信道并且将其存储为具有维度(N_f·L)×N_SOS的矩阵H^(u)的第i-th列。

○计算协方差矩阵

其中(·)^H是厄米算子。

○对于信道H^(u)是非零均值的情况，应确定均值和协方差矩阵两者。

为了适应信道响应的可能的未来变化，在完成训练步骤之后，稍后可以更新二阶统计。可以通过再次发送N_SOS个正交导频从头重新计算，或者逐步地更新。一种可能的方法可以是移除H^(u)的第一列并且在末尾添加新的列，并且然后再次重新计算协方差矩阵。

需要重复这些正交导频的间隔取决于信道的平稳性时间，例如二阶统计保持大致恒定的时间。该时间可以被选择为系统确定的常数，或者可以适应于环境。特别地，用户可以通过观察二阶统计中的下行链路广播导频符号进行确定，并且当观察到显著变化时，请求资源来传输上行链路导频。在另一个实施例中，基站可以使用来自用户的重传请求来检测信道的变化，并且重新开始计算信道的二阶统计的过程。

为了减少计算负载，可能对

使用主成分分析(PCA)技术。我们计算{λ^(u)}、布置在对角矩阵

中的

的K^(u)个最具优势本征值以及对应的本征矢量矩阵V^(u)。通常，K^(u)将是大约沿着无线路径的反射器的数量。协方差矩阵然后可以近似为

非正交导频

对于用户天线u，非正交导频(NOP)P^(u)可以被定义为一组频率网格元素上的已知符号且大小为N_NOP的伪随机序列。基站可以调度很多用户在同一子帧使用重叠的时间和频率资源来传输其非正交导频。基站将能够分离这些导频并且使用下面描述的方法来获得对全部用户的高质量信道估计。

将大小(L·N_NOP)×1的矢量Y定义为在共享的非正交导频的频率网格元素处基站通过其全部天线接收的信号。令

为沿着第一维度(频率-空间)抽取到非正交导频的位置的本征矢量矩阵V^(u)。

基站可以应用最小均方误差(MMSE)估计器来分离每个用户天线的导频。

○对于每个用户天线u，计算

在本文中，⊙被定义为逐元素乘法。对于矩阵A和矢量B，A⊙B运算包括在应用逐元素乘法之前复制矢量B以匹配矩阵A的大小。

如果不使用主成分分析(PCA)，则协方差度量可以被直接计算为：

○对于在相同的资源上共享的用户天线集u∈U，计算

并且对其求倒数。应注意，在这里可能通过找到R_YY(

)的优势本征值及其对应的本征矢量矩阵(

)并且用

近似倒数来应用PCA。

○对于每个用户天线u，计算导频分离滤波器

○对于每个用户天线u，通过计算下式来分离其非正交导频

应注意，

是L个基站接收天线的非正交导频的频率网格元素上的响应。它也可以沿着频率外推以获得在整个带宽上的信道响应。

预测训练

将前一章节中描述的用于分离非正交导频的方法应用于训练不同的用户进行预测。在该步骤中，用户在连续子帧上发送上行链路非正交导频，所述子帧被分成3个不同的部分，如在图56的示例中所示。

1.过去-前N_past个子帧。这些子帧稍后将被用于预测未来的子帧。

2.时延-接下来的N_latency个子帧被用于预测和预编码计算所需的时延。

3.未来-最后N_future个子帧(通常是一个)，其中稍后将预测下行链路部分处的信道。

每个用户被调度N_PR次来在连续的N_past+N_latency+N_future个子帧上发送上行链路非正交导频。应注意，在子帧中的一个上行链路符号中，正交和非正交导频两者可以打包在一起(但正交导频的数量将显著低于非正交导频的数量)。基站将导频分离滤波器应用于每个用户的非正交导频并且计算

为了减少存储和计算，可以使用在二阶统计步骤中计算的本征矢量矩阵来压缩信道响应

对于作为“过去”部分的一部分的子帧，将

存储为矩阵

其中i＝1，2，...，N_PR。使用非正交导频的全部或部分来在“未来”子帧的下行链路部分的全部或部分上内插信道，使用

对其进行压缩并且将其存储为

计算以下协方差矩阵：

在已经调度全部的N_PR组预测训练子帧之后，计算每个用户的平均协方差矩阵

最后，针对每个用户，计算MMSE预测滤波器

以及其用于预编码器的误差方差

调度下行链路经预编码的传输

对于具有经预编码的下行链路传输的每个子帧，基站应调度该传输的全部用户在N_past个连续子帧内发送上行链路非正交导频，从而开始在其之前的N_past+N_latency个子帧，如图57所示。基站将每个用户的非正交导频分离、对其进行压缩并且将信道响应存储为

然后将应用预测滤波器来得到未来部分的压缩信道响应

最后，将未压缩的信道响应计算为

基站可以通过针对每个频率网格元素应用相位和幅度校正α(f)来校正互易信道的差异

然后，使用参与用户的

和

来计算用于下行链路传输的预编码器。

上行链路导频的调度

如果在帧期间，存在可用于导频传输的多个正交资源(例如，不同的时隙或不同的频率网格元素)，那么需要传输的一组上行链路导频可以分成多组，使得每一组在不同的资源上传输。分成多组的标准可以是例如可实现的导频SINR。非正交导频的传输导致可实现的导频SINR减少，包含来自不同的用户的相关矩阵的矢量空间的对准越强，这就越明显。因此，将用户布置成多组使得不同时传输具有非常相似的相关矩阵的两个导频提高了性能。然而，其他标准也是可能的。例如，对于在数据传输期间仅具有低SINR的用户，实现高导频SINR可能是浪费，因此实现导频SINR与数据SINR的最优“匹配”可以是另一个可能的标准。

本章节中描述的所公开的技术的实施例可以由以下特征标准，但不限于此：

○无线系统，其中无线网络执行支持大量用户的经预编码的下行链路传输，所述经预编码的下行链路传输由信道预测、互易性调整和基于信道的二阶统计的预编码组成。

○包括上行链路正交导频和非正交导频的混合的系统。

○基于正交导频来计算信道的二阶统计。

○使用二阶统计和信道估计的计算将来自多个用户的非正交导频分离。

○训练以预测信道估计。

○基于二阶统计来调度非正交上行链路导频。

○使用PCA来压缩信道响应

6.进行导频调度来减少传输开销

本章节涵盖调度导频以减少传输开销并且提高无线通信系统的吞吐量。一种可能的FWA系统设计是基于根据用户的角功率谱来将用户分开。例如，如果用户不在彼此的“波束”中产生“显著”干扰，则用户可以并行地操作。波束可以是例如伦伯(Luneburg)波束。预编码矢量也可以与波束图案相关联。然而，为了易于解释，本说明书中使用词语“预编码器图案”。将在90度扇区中具有8个波束的系统作为示例，使得任何两个相邻的波束具有重叠的波束图案，而索引差异至少为2的波束彼此正交。如果存在纯视线(LoS)或围绕LoS方向的小角度扩展，那么空间重复使用因子可能是2。例如，波束1、3、5和7可以并行地操作(并且类似地，波束2、4、6、8)。然而，多数的信道提供比这种配置可以处理的更大的角度扩展，使得只有具有更宽的角度分离的波束才可以使用相同的时间/频率资源；例如，可以实现大约4的重复使用因子。这意味着只有2个用户可以在一个扇区内的相同时间-频率资源上操作，使得整体性能增益与传统系统相比稍微受限制。

当用户分离是基于瞬时信道状态信息时，可以实现显著更好的空间重复使用，从而分别针对上行链路和下行链路来使用多个波束信号的联合接收处理和联合预编码。以具有N个天线(波束)端口的上行链路为例，可以将N个信号分离，使得N个用户可以同时活动(并且类似地对于下行链路也是这样)。实现这种情况的最简单方式是迫零，但它可能会遭受不良性能，特别是在用户紧密接近的情况下(用数学术语来说，如果其信道矢量几乎线性相关，则会发生这种情况)。诸如上行链路中的涡轮均衡和下行链路中的Tomlinson-Harashima预编码(THP)的更复杂技术可以进一步提高性能。此类实施方式可以为用户增加信号干扰加噪声比(SINR)，但可能不会增加自由度。

然而，尽管这些方法具有很大的优点，但它们依赖于知道用于处理的瞬时信道状态信息(CSI)，而可以通过时间平均(对于FWA)或二阶(对于移动装置)系统CSI来简单地执行基于波束的传输。该问题因两个事实而加重：

1)尽管N个用户可以并行地被服务(因为它们通过不同的瞬时CSI分开)，但导频无法以这种方式分离(因为在传输导频时尚不知道CSI，这是“鸡和蛋”的问题)。因此，导频可以基于其平均或二阶统计进行分离。

2)与例如OFDMA相比，OTFS调制可以因为在整个时间-频率平面上扩展信息而具有更高的导频开销，使得每个用户尝试确定整个带宽的CSI。

示例系统模型和基本分析

A.用于分析的假设

描述了示例系统并且为了易于描述，进行以下假设：

1)具有8个波束的伦伯透镜。相邻的波束具有重叠，通过至少1个另一波束分离的波束具有优于30dB的图案重叠分离。然而，一般来说，可以使用任何数量的波束。

2)对于上行链路，不使用连续导频。可以基于嵌入在数据包中的导频来估计信道。替代地，将包放置在队列中达比如4ms以允许在传输数据之前传输上行链路导频可以提高信道估计性能。

3)对于下行链路，每个UE观察广播导频，在该示例中，所述广播导频被周期性地或连续地发送，并且针对下一下行链路帧来外推信道。然后可以以量化形式将该信息发送到BS(对于使用显式信道状态反馈的情况)。

4)这里的讨论仅考虑导频音的基本自由度，而不考虑与延迟-多普勒相对于时频多路复用相关联的开销的细节。在一些实施例中，两者给出大约相同的开销。

5)使用具有1ms帧持续时间的帧结构。不同的用户可以在不同的帧中传输。假设在上行链路中并且对于下行链路的经预编码的导频，每用户传输两个导频，一个在帧开始时并且一个在帧结束时，使得可以完成外推。对于下行链路中的广播导频，可能无法做到这样，因为无论如何都将每帧传输一个，使得可能隐式地进行外内插和外推。

6)假设10MHz的系统带宽。

B.示例系统的效率

以下呈现了当全部波束中的导频保持完全正交时的导频开销的第一示例计算。例如，首先针对每个用户来计算导频的自由度。在10MHz带宽和1ms帧持续时间以及两个极化的情况下，一般存在可以用于数据传输或导频音传输的10,“可分解槽”(自由度)。传播信道具有200个自由度(可分解延迟槽100ns和5微秒的最大过度延迟意味着在两个极化中的每一者上，50个延迟系数表征信道加上每个信道内的两个可分解多普勒槽)。因此，每个用户的导频音构成总传输资源的2％的开销。由于在整个系统带宽和帧持续时间上扩展的OTFS的原理，导频音开销不依赖于分配到每个用户的资源的百分比，而是在全部资源上所占的百分比。这表明当具有每包少量字节的很多用户活动时开销较高。

如果使用户在空间和极化域中正交，那么导频开销与波束和极化的数量相乘。换句话说，为每个波束的导频保留单独的延迟-多普勒(或时间-频率)资源，这确保没有导频污染。因此，下行链路中的广播导频需要16％的总资源(假设扇区中的通信)或64％(对于整个圆形小区)。以下示例将主要集中于单个扇区。

类似地，对于上行链路导频，在每个波束中，正交导频可以用于每一个用户。这导致每用户16％的开销；在多个用户的情况下，这很快变得不可持续。

来自用户的数字化反馈的开销也可能是相当大的。由于存在200个信道自由度，因此对于每个用户，用24位(I和Q分支上各有12位)进行量化导致4.8兆位/s。等效地，如果假设平均16QAM(4位/s/Hz频谱效率)，则使用1200个信道自由度以从单个用户反馈量化信息。这表明，数字化信息的反馈比可以使用其信息的模拟上行链路导频的传输的频谱效率低6倍。此外，针对信道状态信息(CSI)，从每个BS天线元件向客户房屋设备(CPE)或用户设备发送反馈。尽管可以以允许联合检测的方式发送反馈，换句话说，不同波束中的来自用户的反馈信息可以同时地发送，但这种反馈的整体工作量似乎过分大。

另外，有用的是考虑用于下行链路的嵌入式导频的开销，其中所述导频以与数据相同的方式预编码地传输，并且因此用于解调。通过迫零预编码的特性，可以在每个波束上单独地传输导频。因此，嵌入式下行链路导频的开销是约2％的资源乘以每波束的平均用户数量。

对于显式反馈，还需要考虑另一因素，即，伴随反馈数据的传输的上行链路导频的开销。这往往是决定因素。在下一章节讨论开销减少方法。

开销减少方法

从上面的描述可以看出，开销减少是有用的。实际上，主要瓶颈是下行链路广播导频和上行链路导频，因为这些导频必须在不同波束中的不同时间-频率(或延迟/多普勒)资源上发送。然而，在一些情况下，用于反馈包的开销减少也很重要。在进入细节之前，值得重复的是为何发射器不能一直在全部波束上发射导频。UL导频或广播DL导频都没有预编码。为了将来自/去往不同用户的导频分开，发射器将必须进行波束形成，但为了波束形成，发射器必须知道信道，例如具有决定的导频。例如，连续传输导频会造成“导频污染”，例如，来自/去往采用相同导频的信号彼此干扰并且造成减少的导频SINR。由于导频质量决定对所接收的数据信号进行连贯解码的能力，因此减少导频SINR大致上与减少数据SINR一样有害。尽管诸如联合均衡和解码的对策是可能的，但它们大大增加了复杂性并且仍导致性能损失。

减少导频污染的一种有效方法是最小均方误差(MMSE)滤波，这通过将期望用户的导频投影到干扰用户的信道相关矩阵的零空间上来实现分离具有相同导频音的用户。这以降低期望用户的信号功率为代价来减少干扰。这种方法可以与下面描述的任何和全部方面相结合，并且在一些情形中，这种组合的方法将实现最佳性能。在一些实施例中，可以使用用于不同用户(而不是在一组内使用相同导频的多组用户，不同组中的导频彼此正交)的线性相关导频音。同样，这种白化方法可以与这里描述的方法结合使用。

A.导频调度

先前的推导假设不同波束中的下行链路广播和上行链路导频在正交的资源上，以便减少开销。当用户的角度谱充分分开时，可能不需要这种布置。最简单的假设是每个用户仅具有极小的角度扩展；那么在没有重叠的波束(波束1、3、5、……等)上的用户可以同时传输。对于较大的角度扩展，使用波束之间的较大间隔。另外，如果例如可以使用每4个波束，那么下行链路广播导频的整体开销例如在一个扇区中从32％减少至16％。同样重要的是，当从扇区移动到360度小区时，开销保持在16％。

然而，这种考虑仍假设存在对角度功率谱的紧凑支持，并且例如在0度的波束与60度的波束之间不存在“串扰”。通常，情况不是这样。在存在散射体的情况下，来自/去往不同用户设备的贡献方向的集合可以相当不同，而不是简单地彼此的转换(在角度域中)。如果简单地基于“最糟糕情况”进行波束重复使用，则可能得到完全正交化。因此，对于每种部署，有用的是单独地评估对于导频的空间重复使用来说最佳图案是什么。此后这被称为“导频调度”。

在描述导频调度实施例的一些示例之前，应注意，它是基于功率转移矩阵(PTM)的知识。PTM可以是K×M矩阵，其中M是BS处的波束的数量，并且K是UE的数量。那么，PMT的第(I，j)个条目就是当第i个UE以单位功率传输时到达第j个波束的功率量(在小尺度衰落或时间上进行平均)(在该示例性描述中，我们假设的一个简化是PTM对于两种极化是相同的，这是合理的，例如，当存在足够的频率选择性时，使得OTFS在其传输带宽上对小尺度衰落进行平均；在任何情况下，直接推广到不同的极化端口具有不同的PMT条目)。例如，在上行链路中，接收器(基站)应知道特定用户何时传输导频音，其中波束预期明显的能量。这可能又像是“鸡和蛋”问题，因为导频传输的目标是学习用户与BS之间的信道。然而，PTM是基于平均或二阶信道状态信息(CSI)的知识。由于信道的这个特性缓慢地改变(对于移动系统，大约数秒；对于FWA，大约数分钟或更多)，因此学习PTM不需要很大百分比的时间-频率资源。尽管协议中应规定适当的机制，但这些不构成根本困难，并且报告的剩余部分简单地假设PTM是已知的。

1)上行链路的导频调度：如上所述，PTM包含关于从第i个用户传送到第j波束的功率量的信息。现在，鉴于PTM，问题是：何时可以在相同的时间-频率资源上传输两个上行链路导频？

答案可以取决于后续数据传输，例如，如果标准是：“由非理想波束形成矢量引起的容量损失小于减少的导频开销的频率效率增益”。常规的技术不考虑这种标准。这个查询方面可以以很多有利的方式进行使用：

a)如果后续数据传输使用低阶QAM，则无论如何都没有必要具有高度准确(无污染)的导频。

b)导频调度取决于接收器类型。第一，不同的接收器允许不同的调制方案(甚至对于相同的SINR)。第二，具有迭代信道估计和数据解码的接收可能能够处理更多的导频污染，因为它处理经解码的数据(由前向纠错FEC保护)以改善信道估计并减少污染影响。

c)每当传输用户改变时，导频调度和导频重复使用可以改变。固定的调度(诸如波束1、5、9、……等)可能是高度不满意的。

d)鉴于上行链路导频的高开销，允许相当大的导频污染并且使用相关联的低SINR和调制编码方案(MCS)是合理的，特别是对于小数据包来说。

e)对于FWA系统，可能合理的是允许没有嵌入式导频的上行链路传输，从而使解调仅基于平均信道状态。然而，由于时钟漂移，仍可以使用用于相位/定时同步的一些导频，但导频不可以用于信道重新估计。对于那些短包，可以使用降阶MCS。替代地，短包可以在时间-频率资源的子带上传输，其中甚至可以选择子带来提供机会性调度增益。

最优调度器可能高度复杂，并且可以在所考虑的用户设备的组合改变时改变。由于不同波束中的大量可能的用户组合，甚至不可能提前为每个组合计算最优调度器且然后重复使用。因此，可能必须设计简化(且次优)的调度器。

2)用于下行链路的导频调度：用于下行链路广播导频的调度器与上行链路导频具有一些相似之处，因为它是基于PTM。然而，值得注意的一个不同之处是：调度器必须为系统的全部用户提供可接受水平的导频污染，因为全部用户都在监测广播导频并外推信道以便能够在需要时反馈外推的信道。因此，广播导频的重复使用因子比对于上行链路导频来说可能更大(这意味着重复使用更少)。对于导频调度的计算，可能要考虑几件事：

a)调度只有在活动的用户设备改变(例如，调制解调器进入睡眠或唤醒)时才改变。这比上行链路中的调度变化少得多，上行链路中的调度变化在实际传输的用户设备改变时就发生。

b)在下行链路导频中，可能不是确切地知道在何时需要什么样的导频质量(例如，所需的SINR)，因为尚不知道传输用户调度(例如，何时连续地传输导频)。因此，可以假设，数据传输可以在没有干扰的情况下进行(例如，全部其他波束都是安静的，因为没有数据要传输)，使得考虑中的用户的数据传输以SNR支持的MCS来进行。

c)在全部其他用户可以允许密集的重复使用时需要大重复使用因子的意义上，一个(或几个)用户设备可能会变成“瓶颈”。因此，有用的是考虑降低那些瓶颈用户设备的导频质量和减少用于数据传输的MCS的权衡，因为这可以导致和频谱效率增加，并且可以通过考虑最小(承诺的)服务质量约束来执行。

由于广播导频始终从BS传输并且可以被传输或不被传输(没有对其的功率控制)，因此可能的组合的数量是可管理的(2^8)，并且因此可能针对全部导频调度计算小区中的全部用户处的SINR，并且检查它们是否在全部用户处造成可接受的SNR，并且拾取最佳的一者。如上所述，不需要重新计算调度，除非一组活动的用户设备改变。当考虑该方案与MMSE接收器的组合时，调度应基于在MMSE滤波之后出现的SINR。

B.利用FWA的特性

减少开销的一种方式是利用FWA信道的特殊特性，也就是，瞬时信道是平均信道加小扰动。这可以用来减少重复使用因子以及进行更高效的量化。

1)减少重复使用因子导频音的目标是以一定的准确性来确定用于每个用户设备的CSI。考虑上行链路：对于第j个波束中的第i个用户，CSI可以被写为H^av _ij+ΔH_ij；功率比(ΔH_ij/H^av _ij)²是该特定链路K_ij的时间莱斯因子。现在知道基于H^av _ij的任何导频污染，并且可以通过干扰消除来移除。因此，表示PTM C_kj的第kj个条目，那么导频污染的朴素评估将认为第j个波束中的可实现导频SIR是C_ij/C_kj。然而，通过从整体接收的信号中减去已知的贡献H^av _kj，可以实现K_kjC_ij/C_kj。这样为每个用户改善SIR后，系统可以采用小得多的重复使用因子(也就是，减少开销)。实际上，这种方法很可能将重复使用因子减少到约1/2。同样的方法也可以在下行链路中应用。可以实现的改变在用户设备之间将不同，并且整体重复使用因子改善将由“瓶颈链路”(需要最大重复使用因子的链路)决定。如果有助于减少导频重复使用因子且因此减少开销的话，则一些实施例可以牺牲几个链路上的吞吐量，如上所述。当将该方法与MMSE滤波相结合时，该过程可以分两个步骤进行：首先，减去信道的时间不变部分。在MMSE滤波的帮助下来估计时间不变部分(采用时间不变部分的信道相关矩阵)，并且然后作为时间不变和由此估计的时间变换信道的总和来获得总信道。

2)改善的量化：另一个问题是在使用显式反馈的情况下要使用的量化水平。一般地，规则是对于分辨率的每个位，量化噪声为6dB。因此，上面针对CSI的反馈假设的12位分辨率足够地涵盖期望的信号量化噪声比和动态范围。然而，在固定无线系统中，实施方式不需要大的动态范围裕量(除了小变化外，接收功率水平保持不变)，并且围绕均值的任何变化都很小。因此，假设时间莱斯因子为10dB并且平均信号水平为-60dBm。这意味着信号的实际波动具有-70dBm的信号功率。4位量化提供-24dB量化噪声，使得量化噪声水平处于-94dBm，从而提供充裕的SIR。因此，实施例实际上可以将反馈位的量减少到1/3(从如上所假设的12位减少到4位)而没有明显的性能影响。

3)方法的自适应性：上述改善使用将信号分解成固定部分和时变部分，并且时间莱斯因子越大，改善越大。测量已经表明，时间莱斯因子在小区之间不同且甚至在UE之间不同，并且另外可以随时间改变。因此，难以提前确定重复使用因子的减少或合适的量化。对于重复使用因子的减少，作为导频调度设计的一部分可以照顾到莱斯因子在小区之间和在用户设备(诸如UE)之间的变化。时间莱斯因子的变化(例如，由于在夜间汽车流量减少或者因风速变化导致植被散射减少所引起)在活动的用户设置没有改变时可以触发导频的新调度。对于量化，协议应不包含固定数量的量化位，而是允许自适应设计，例如由反馈包在前导码中表明将多少位用于量化。

C.用于小包大小的减少方法

当在一个帧内调度大量的用户而每个用户都具有小包时会出现最成问题的情形。不论在上行链路和下行链路中出现，这种情形都成问题，因为任一种情况下的导频开销都很大。这个问题可以用两种方式来解决(如上所述)

1)减少分配给每个用户的带宽这偏离完全扩展的OTFS的原理，但很好地符合可以向特定用户且另外向各种形式的OFDMA分配子带的OTFS的其他实施方式。

该方法的两个设计权衡在于(i)它可以使用更复杂的调度器，该调度器现在也考虑频率选择性，以及(ii)它偏离上述简单传输结构，其中不同的用户被设计不同的时隙和/或延迟/多普勒槽。这两个问题都可以通过多子带方法(例如，4个等间隔的子带)来解决，但这可以权衡一些性能(与完全OTFS相比)并且保留一些显著的导频开销，因为至少必须传输4个所选择的子带中的CSI。

2)在没有任何导频的情况下传输小包，从而依赖于平均CSI来抑制波束间干扰。值得注意的是，对于下行链路，实施方式可以牺牲一些链路上的SIR(归因于导频污染)而不干扰其他链路。想象可获得用于UE j的精确CSI，而对于UE k不可获得。因此，实施方式可以确保k的传输恰好在j的零空间中，因为准确地直到CSI矢量hj＝[h_1j；h_2j；……]，并且因此也可以准确地确定其零空间。因此，如果到j的链路想要发送需要使用高阶MCS的大数据包，那么系统可以为该链路投入更多资源(例如，减少导频不精确)并且获得益处。

3)对于上行链路，方法2可能行不通：为了具有来自第j个用户的信号的高SINR，有利的是抑制来自平行地传输的全部其他用户的干扰。因此，实际上，一种方法可以是在需要低导频污染(通常是大包，使得来自传输导频的效率增益超过开销)的一组用户与不传输导频(或只传输同步导频)且因此高效的另一组用户(具有小包的用户)之间提供时间/频率(或延迟/多普勒)的正交化，但因为导频污染而必须与低阶MCS一起操作。必须注意，方法2和3仅对FWA系统有效，其中可以利用平均CSI来得到没有瞬时导频的合理信道估计。当转移到移动系统时，推荐移动到方法1。

可实现的增益的示例

本章节描述可以由所提议的方法相对于基线系统实现的增益的一些示例。应注意，取决于用户的数量、流量的类型以及特别是定向信道特性，增益将不同。存在其简单的正交化方法提供最优效率而使得可能无法实现增益的示例，以及增益可以超过一个数量级的其他示例。本章节将使用可以被认为是“典型”的示例。可以使用例如典型环境的射线跟踪数据和来自所部署的FWA或类似系统的流量数据来识别典型或代表性系统。

A.导频调度的增益

导频调度的一个目的是将导频放在不会彼此显著干扰或者通过将更多频谱资源用于导频引起的容量损失小于将从导频污染得到的损失的此类时间-频率资源上。在严格正交的系统中，不存在导频污染，但16％的全部频谱资源必须专用于下行链路导频，并且一小部分0.16*Nupb的资源用于上行链路导频，其中Nupb是上行链路中的每波束的用户数量。对于完整的360度小区，数量是64％和0.64*Nupb。

导频调度的可能最简单的形式就是在每P个波束中重复使用导频，其中P被选择为使得相隔P的两个波束是“可接受的”(可忽略不计，或者对数据流的容量的惩罚足够低)。该方案在完全同类的环境中实现36/P的增益。对于郊区LoS型环境，P通常是4，使得对于360度小区，导频开销可以减少到1/9(几乎是一个数量级)。等效地，对于上行链路导频，小区中的用户数量可以增加9倍(这假设上行链路导频的开销支配反馈开销，如上所讨论)。

简单的调度可能仅在具有同类信道和用户条件的环境中起作用。可以看出，具有覆盖P0波束的角度扩展的单个(上行链路)用户将引起角度重复使用因子变化到P0(假设使用用于全部用户的规则重复使用模式)，因此减少可实现的增益。环境越不规则，越难找到合理的规则重复使用因子，并且在极端情况下，规则重复使用模式可能需要完全正交化，而简单地找到用于在相同频谱资源上传输的用户的最佳组合的不规则调度可以提供大约10的角度重复使用因子。然而，在具有高角度分散的环境中(例如，街道峡谷中的微小区)，其中辐射从全部方向辐射在BS上，甚至自适应调度也无法提供优于正交化的显著优点。

总而言之，与完全正交化相比，导频调度提供导频开销的数量级减少，或等效地针对固定的导频开销可以容纳的大一个数量级的用户数量。与简单(规则)的导频重复使用相比，环境自适应调度保留大多数可能的增益，而规则调度开始失去其由于完全正交化的优点，因为环境变得更不规则。

B.利用FWA特性进行导频调度

如果保留与在“规则”方案中使用的相同重复使用因子P，但仅利用导频的更好信号干扰比(例如，减少的导频污染)，则对FWA特性的利用可以更容易量化。如在章节3.2中所述，导频污染的减少等于时间莱斯因子。假设15dB为典型值并且假设数据传输的容量由导频污染主导的足够高的SNR，因此每用户的SINR改善了15dB。由于3dB SNR改善提供频谱效率的1位/s/Hz增加，这意味着对于每个用户，容量增加了5位/s/Hz。假设32QAM为通常的调制方案，实施方式可以通过该方案将容量加倍。

另一种看待优点的方式是看看在保持导频SIR不变时每波束的用户数量可以增加多少。这可以取决于用户设备的角度频谱。然而，在对干扰的15dB抑制的情况下，可以猜想(通过合适的调度)，可实现P＝2且可能地甚至P＝1的重复使用因子。这表明，与实施方式不使用该特性的情况相比，用户的数量可能变成两倍或四倍(并且在高度分布的环境中甚至更多)。

总的来说，利用FWA的特性进行导频调度使容量变成两倍，或者使用户数量变成四倍。

C.利用FWA特性来减少反馈开销

如上所述，利用FWA特性允许将反馈从12位减少到4位，因此将开销减少到1/3。如果仅在具有小延迟的脉冲响应的部分中出现时间变换部分，则可以获得其他优点，如已经在实验上确定。然后，可以将反馈限制到发生时间变化的延迟范围。例如，如果该范围是500ns，那么反馈工作量进一步减少到1/10(500ns/5微秒)。总的来说，反馈开销可以减少到1/3或1/30。

7.通信信道的互易校准

本章节涵盖用于反向信道估计的通信信道的互易校准。近年来，为了满足对可用带宽的增长的需要，已经在无线通信中引入许多新技术。例如，近年来，在诸如长期演进(LTE)的普遍通信标准中，被测量为总数或每赫兹每秒数的位数的带宽量稳定地增长。由于智能电话和多媒体流服务的激增，预计这一趋势将进一步增长。

在无线网络中的可用带宽中，一些带宽通常被可以用于维持系统的操作效率的系统开销信令使用。开销信令的示例包括导频信号的传输、系统信息的传输等。由于移动端点之间的通信信道的时变性质，系统消息可能必须更频繁地交换并且开销最终可能变得显著。本文件中描述的实施例可以用来减轻这种带宽开销，并且解决无线通信系统中面临的其他问题。

图58示出了具有互易性的通信信道的示例框图。从A到B的复合无线信道可以表示为：

对于互易信道，假设对于复标量λ来说，

在非互易信道的情况下，具有模拟和RF分量、非互易模拟和RF分量：C_TX,A,C_RX,A,C_RX,B,C_TX,B，理想地为了简单起见，有益的是每个矩阵是对角矩阵。这种实施例还可以使用将Tx和Rx路径之间的耦合最小化的设计。

类似地，从B到A的复合信道由下式给出：

如果可以先验地估计全部的C矩阵，则可以从UE到BS信道来估计BS到UE信道。在这种情况下，可能不需要反馈用于传输波束形成的信道状态信息，从而使上游带宽可用于数据，而不是必须传输信道状态信息。C矩阵的估计还可以提高系统效率。在本文所公开的一些实施例中，可以通过在启动或预先指定的时间期间校准BS和UE侧的Tx和Rx来执行互易性校准。可以估计对角矩阵C_TX,A,C_RX,A,C_RX,B,C_TX,B。可以重新估计并周期性地更新这些矩阵。C矩阵的变化速率将典型地较慢并且可以与诸如用于Tx和Rx的电子器件的操作温度的因素相关。

简要讨论

在点到多点(P2MP)系统和固定无线接入(FWA)系统中，将多用户MIMO(MU-MIMO)用于增加系统吞吐量。MU-MIMO的部件中的一者是在基站(BS)发射器处的基于波束形成的传输预编码器。BS向全部的用户设备(UE)(比如它们中的n个)同时发送信号。

在操作中，意图用于n-1个单独UE的n-1个信号将充当对目标UE的干扰。传输预编码器取消由意图用于其他UE的n-1个无意信号在目标UE处产生的干扰。为了构建预编码器，使用下行链路信道状态信息(CSI)。

在固有的波束形成技术中，通过反馈上行链路信道将CSI从UE反馈到BS。然而，相当大量的数据BW用于此，因此影响整体系统吞吐量效率。

对于时分双工(TDD)系统，空中的物理信道(有时称为无线电信道)在信道相干时间内是互易的，例如，上行链路(UE到BS)和下行链路(BS到UE)相同的情况(在SISO(MIMO中的转置)中)。然而，当还考虑到收发器前端(FE)硬件时，信道互易性不再成立。这是因为RF硬件的非对称特性。它包括PA非线性、RF链串扰、相位噪声、LNA非线性和噪声因数、载波和时钟漂移等。

在一些实施例中，校准机制可以被设计为校准无线链路的非互易部件，使得实施例可以通过在这些校准系数的帮助下观察上行链路来估计下行链路。如果这是可行的，则不需要CSI反馈(如在外在的波束形成的情况下)，因此提高整体系统吞吐量效率。相关联的波束形成有时也被称为内在波束形成。本专利文件中公开的技术可以用来解决以上讨论的问题和其他问题。

符号

在本文的描述中，h_a1a2表示从发射器(TX)a1到接收器(RX)a2的信道。这个符号不同于常规MIMO信道符号。在常规方法中，这将被表示为h_a2a1。另外，复数的共轭用*来表示，例如，conj(h)＝h*。

用于预编码的互易校准

经预编码的传输是基于对由A表示的第一终端(通常是基站(BS))的发射天线到由B表示的第二终端(通常是消费者房屋设备(CPE)或用户设备(UE))的接收天线之间的确切信道响应的了解。该信道响应可以被认为是由三个不同的部分组成，如图3所示。第一，终端A中发射器的信道响应。第二，不同的反射器的信道响应。第三，终端B中的接收器的信道响应。发射器信道响应可以归因于传输链电路，诸如功率放大器、数模转换器(DAC)、频率上变频转换器等。接收器信道响应可以归因于接收器侧电路，诸如低噪声块(LNB)、频率下变频转换器、模数转换电路(ADC)。

终端A和B处的信道响应与无线信道反射器的信道响应之间有两个主要区别：

1.时分双工(TDD)系统中的无线信道反射器的信道响应是互易的，而终端的信道响应不是。

2.无线信道反射器的信道响应可以快速地改变(例如，在1至10毫秒内，取决于反射器和终端的多普勒)，但终端的信道响应缓慢地改变，主要随温度而变。

文献中描述了若干方法来获得从终端A到B的完整信道响应。例如，显式方法将从终端A向B发送已知的参考信号并且使终端B向终端A往回传输所接收的参考信号的值。这通常被称为显式反馈。然而，每个值必须用多个位来表示，并且在终端A具有多个天线的系统中，存在许多用户终端和显著的多普勒效应而引起传播信道快速地改变，需要传输的信息量可以严重降低整体系统效率。在具有高级多普勒的极端情况下，根据不可能足够快地反馈全部所需的信道状态信息(CSI)，从而导致陈旧的CSI和次优预编码。

相反，TDD系统可以使用被称为“互易性校准”的方法来获得以下两个传输方向上的信道响应的非互易部分之间的关系：AB(从A到B)和BA(从B到A)。终端B首先传输允许终端A计算AB信道响应的已知参考信号。使用非互易关系的知识，终端A可以调整BA信道响应以使得其适合于对回到终端B的传输进行预编码。

更正式地，对于使用多载波调制的多载波TDD系统，其中对于特定子载波(音)，信道可以被描述为频域中的复值，AB信道响应的三个分量可以被表示为

和

类似地，BA信道响应的三个分量是

和

整体下行链路(AB)信道响应为

并且整体上行链路(BA)信道响应为

根据H_AB和H_BA互易性校准因子可以被写为

因此，如果在终端A处已知H_BA，则可以计算H_AB＝αH_BA。剩余的问题是如何获得α。应注意，对于多载波系统，以上等式(55)至(57)将针对在其上传输参考信号的子载波来逐子载波地提供互易校准值和信道响应。

文献内存在不同方法来计算互易性校准因子。这些中的最直接方法是利用显式反馈，如上所述，但只有在重新计算α时才反馈H_AB。由于发射器和接收器信道响应相对慢地改变，因此反馈的速率通常是大约数分钟，并且因此表示适度数量的终端和天线的可忽略不计的开销。然而，当终端A中的天线数量和CPE(终端B)的数量较大时，如在具有许多订户的大规模多输入多输出(MIMO)系统中的情况可能是这样，反馈开销可以消费系统容量的相当大部分。

另一种方法是让终端A在其自己的天线之间传输参考信号并且仅针对

和

来计算校准因子。也就是说，获得：

这导致

终端A然后将使用终端B可以用来将其

和

贡献从全部的后续经预编码的传输移除的

对一个参考符号进行预编码。这种技术可以被称为相对校准。尽管这种方法完全不需要反馈H_BA，但需要终端A在校准过程期间向其本身传输且然后向可以位于几百米或甚至几千米远的CPE传输可能会产生动态范围挑战。通常期望在校准时的传输链中使用与用于传输的那些相同的硬件增益级，因为在校准与传输之间必须切换增益级可能会改变

知

的性质。

本文件描述了用于计算互易性校准因子的新方法，该方法避免了相对校准的动态范围问题，而在扩展至更大数量的天线和终端时维持高水平的效率。如本文所描述，被传输用于校准且处于与典型的信号传输相同的功率水平的参考信号因此更适合于捕获和校准由发射/接收电路引起的失真。

经由接收器侧反演进行的互易校准

使终端A通过多载波因的子集来传输已知的参考信号并且是在那些音中的一者处的特定参考信号。例如，终端A可以使用每M个子载波进行参考信号传输，其中M是整数。例如，在实际系统中，M可以是8或16。终端B接收

Y_B＝H_AB·P+W (60)

其中W是具有零均值和方差N₀的加性高斯白噪声。应注意，以上等式是标量等式，因为等式表示在单个子载波处的接收信号。对于在其上传输信号的每个子载波，将存在一个这样的等式。终端B从Y_B来估计H_AB并且将其反演。为了避免奇异性并且处理大动态范围，可以使用正规化迫零来计算反演。

终端B然后通过相同的音将

传输回到终端A。该传输应快速地跟随第一者，特别是在存在多普勒的情况下，以确保H^CH保持相对恒定。终端A然后接收

忽略可以在多个传输上平均的噪声项，可以看出Y_B是互易性校准因子的倒数：

由于这些是标量值，因此反演处理是针对H_AB和Y_B两者，并且是直接的。在这里，倒数互易性校准因子表示从终端B到终端A的电路信道与从终端A到终端B的电路信道的比。

在多载波系统中，上述过程可以在多个音上重复并且将结果内插以在感兴趣的带宽上产生全组校准因子。该全组可以例如通过在传输参考信号的子载波上将校准因子平均化或内插来获得。由于终端A和B两者的Tx和Rx贡献在频率上将相对平直，因此应可能将音的稀疏子网格与适当的内插一起使用来获得精确水平的校准。

如上所述的信道估计的结果可以与H^CH信道的信道估计相结合以获得整体信道H_AB和H_BA的估计。

示例实施例

A.根据上行链路信道和校准系数的下行链路信道估计

尽管所公开的技术更一般地适用，但为了易于解释，进行以下假设：

[1]TX-TX、RX-RX和TX-RX RF链之间的串扰可忽略不计

[2]天线互耦可忽略不计

[3]BS处的TX和RX以从相同PLL生成的时钟进行工作，使得载波和信号时钟在无线传输中在A或B处(并且不一定在A和B之间)的收发器之间同步。在这里，“A”和“B”表示在通信介质的两端处的通信设备。例如，A可以指代基站(或用户设备)，并且对应地，B可以指代用户设备(或基站)。作为另一个示例，A可以指代集线器并且B可以指代远程站。在不失一般性的情况下，从A到B的信道可以被称为下行链路(DL)信道，并且从B到A的信道可以被称为上行链路(UL)信道。参考例如图59和图60。

[4]关于UE的与上文相同的假设。

现有设备上的测量已经验证a)不同RF路径之间的耦合通常是大约-30dB。RF前端的精心设计可以确保甚至更低水平的串扰。b)天线的交叉极化之间的隔离是大约15至20dB。这意味着，如果在交叉极化天线的垂直极化上发送x dB功率的信号，则具有(x-15)dB功率的图像将出现在水平极化上。甚至在改善的天线设计下，这种隔离也没有改善很大。因此，为了下面的校准机制适当地工作，实施例应使用i)使用具有单一极化的天线，或者ii)如果使用双极化天线，则注意，两个极化上永远不会发生同时传输。

然而，这些假设可以放宽，如本文所述，并且也将呈现下面描述的校准算法的修改。如果双极化天线是设计选择，则在一些实施例中，可以使用对如本文所描述的所公开的算法的修改。

在本文中针对4×4MIMO系统描述了校准算法的一些实施例。这是为了保持描述简单且容易理解。同样的机制可以推广至具有任何数量的BS和UE天线的系统。

参考图59和图60，描绘了A处的四天线系统5900和B处的四天线系统6000。例如，A处的配置5900可以表示基站并且B处的配置6000可以表示UE(反之亦然)。令

表示从TXa1到RX a2的信道。它由2个分量构成：a)从天线a1到天线a2的互易无线电信号，和b)在TXa1和RX a2处的非互易分量。在分别对应于TX和RX的由t_a1和r_a2表示的两个无记忆复标量中捕获非互易分量。在本专利文件中，也展示了在涉及延迟时的修改。

因此，

可以被写为：

类似地，a2处的TX到a1处的RX之间的信道

可以被写为

取得

与

之间的比并且注意ha1a2和ha2a1相同，可以写出下式：

系数c_a1a2被称为从a1到a2的校准系数。类似地，从a2到a3的校准系数c_a2a3可以被写为：

从等式(67)可以看出，天线a2(TX)与天线a3(RX)之间的校准系数可以被写为参考天线a1的校准系数与a3和a2的校准系数的比。对于在图60的配置6000中描绘的在B处的TX和RX，可以得出类似的关系。涉及来自两个侧A和B的天线的校准系数的等式可以推导如下。

从等式(68)应明白，可以在以下方面写出A与B之间的任何无线信道：a)相对于A处的参考天线的校准系数，b)相对于B处的参考天线的校准系数，以及c)在A和B处的相同参考天线之间的校准系数。

类似地，可以在上游信道(UE-BS)和校准系数方面表示下游信道(BS-UE)。

类似地，

此外，

并且最后

使用来自等式(69)至(72)的结果并且将c_a1b1表示为ζ(复常数)，可以根据上行链路MIMO信道使用以下等式来表达下行链路MIMO信道：

等式(73)的右手侧可以进一步分解为：

等式(74)具有形式ζ.K_B.H_U.K_A。通过在A(BS)和B(UE)处执行的校准且稍后将UE系数传送到BS来获得校准系数矩阵K_A和K_B中的元素。应注意，BS处的校准系数估计可以涉及在BS天线之间发射和接收校准信号(亦称局部校准)。类似地，可以使用在UE天线之间局部发射和接收校准信号来执行UE处的校准系数估计。

在一些实施例中，设备(BS或UE)处的TX和RX定时可以从相同的PLL操作。这消除了通常与B处的用于来自A的RF传输(且反之亦然)的检测器相关联的载波和/或时钟偏移减损。这是因为A和B将一般地从2个不同的PLL(一个在A处且另一个在B处)得到其全部的内部时钟频率。如果这些减损是校准系数的一部分，例如，将其本身放大为时变相位旋转，那么除了其本身的时间可变性外，系数将因为时变载波或时钟误差而更频繁地变化。由于排他性地从BS或UE处的测量获得K_A和K_B(并且不使用从BS到UE的传输，反之亦然)，因此它们相对慢地变化。

因此，局部校准一般是稳定的并且在若干分钟(例如，30分钟)的时段内没有太大变化。

等式(74)进一步表明，反向MIMO信道可以在数学上被建模为以下项的组成：a)复标量，b)B处的校准系数，c)MIMO上行链路信道转移函数，以及d)A处的校准系数。

可以在A处(或在B处)通过获取接收器侧的校准系数来构建预编码器。预编码器实施方式可以基于在文献中可获得的若干预编码器中的任一者。一些示例包括：MMSE预编码器、正规化MMSE预编码器、迫零预编码器、Tomlinson-Harashima预编码器等。如本领域技术人员将了解，可以使用线性预编码器(上面的前三个示例)或非线性预编码器(上面的最后示例)。

为了说明这一点，下面描述使用以上数据(参考等式74)的基于互易性的迫零(ZF)预编码器的示例实施例。在图61中描绘了这种预编码器的示例配置。应注意，同一组数据可以用来设计任何类型的预编码器。

ZF预编码器可以具有以下形式。

在这里，||.||F是给定的矩阵的Frobenious范数。应注意，ζ(A与B之间的校准系数)不出现在预编码器中。ζ的影响将被UE处的均衡器(单个抽头或MIMO)抵消。

一些实施例使用以下事实：K_B和K_A通常是缓慢变化的，使得它们的倒数可以在软件中实施(而不是在硬件中实施)。在一些实施例中，W2(

或H_U的倒数)可以快速变化并且在硬件电路中实施。

在一些实施例中，W2可以作为BS处的接收器均衡器的副产物获得。例如，BS均衡器通常实施

的变体。

因此，使用本文所公开的技术，一些实施例可以将下行链路信道建模为上行链路信道和缓慢变化的局部系数的组合物。这使得能够构建具有最小反馈开销的多种不同的预编码器，并且某些线性预编码器使用在基站处执行的接收器均衡器计算。

ζ或c_a1b1的估计涉及在BS和UE上进行校准。出于上面讨论的原因，这些系数可以频繁地改变并且这些系数的模拟和反馈可以消耗很多带宽。有利地，可以在不知道ζ的情况下设计用于消除多用户干扰的发射侧预编码器。它可以根据上游信道测量K_A和K_B来设计，如在本文件中所描述。

本文件中描述了用于确定校准系数的若干估计方法。当天线的数量相对少时，可以使用在章节B中描述的方法。当涉及大量的天线时，可以使用在章节C中描述的方法。

B.校准系数C_x1x2的估计-方法1-迭代算法

当天线的数量相对少(诸如在该示例中为4个)时，可以使用迭代算法来计算校准系数。然而，这将引起在大规模MIMO场景中的大量校准并且可能变得不实际。在大规模MIMO场景中，可以使用在章节III中描述的估计。

迭代1：

c_a1a3＝c_a1a2·c_a2a3 (76)

c_a1a4＝c_a1a2·c_a2a4 (77)

对c_a1a2、c_ala3、c_a1a4进行初始估计，如本文所描述。也估计c_a2a3和c_a2a4。使用后者，对c_a1a3和c_a1a4进行替代估计(等式76和77)。根据对c_a1a3和c_a1a4的这两个独立估计，对c_a1a3和c_ala4进行精细估计(例如，算术平均值)。可以从等式76或77获得对C_a1a2的精细估计。

c_a1a4c_a1a3·c_a3a4 (78)

可以使用等式(78)从c_a3a4的测量值获得对c_a1a4的精细估计(如上所述)。使用更新的c_a1a4，可以更新对c_a1a2和c_a1a3的估计。

可以按以上方式执行更多的迭代，以进一步细化以上参数。

在该方法中执行的校准的次数是4_C2＝6。迭代次数将按N(天线的数量)呈指数增长；因此对于大天线阵列来说不实际。

C.校准参数(C_x1x2)的估计-方法2-大量天线：

当天线的数量较高(例如，64)时，方法1实际上是不可行的。本章节描述对于此的简单方法。

先前已经推导出下面的等式。

其中sa1、sa2是已知的训练符号，y_a1和y_a2是所接收的信号，并且n是加性噪声。假设在感兴趣的频带中，噪声是白噪声。LS估计是

并且

应注意，估计误差是

现在

类似的表达式也适用于其他校准系数。

对于64天线系统，这种方法将使用总共64个校准信号传输。

D.校准系数(C_x1x2)的估计-方法3-使用总体最小二乘法(LS)：

下面将描述用于使用总体最小二乘法来估计校准系数的算法。

参考方法2。取k(比如4)进行这样的LS估计并且形成以下矩阵

令D＝[H_a2a1，H_a1a2]。应注意，在该示例中，D是4×2矩阵。

条件是H_a1a2+ΔH_a1a2＝(H_a2a1+ΔH_a2a1)·c_a1a2。

如下获得上面的解，

令D＝U∑V^H，其中∑＝diag(σ₁，σ₂)，σ₁＞σ₂，其中σs是D的奇异值；U和V分别是左本征矢量和右本征矢量。令

为了得到该最小二乘法问题的解，υ₂₂≠0。只有在σ₁≠σ₂的情况下，解将是唯一的。

解由

给出。

在一些实施例中，可以使用总最小二乘法误差优化标准。总最小二乘法假设h._(..)和c._(..)受到估计误差影响。这与假设h._(..)不受估计误差影响相比更现实。

应注意，上面描述了用于估计校准系数的三种不同方法。在实施/原型设计阶段期间，可以单独地评估每种方法的有效性，并且需要选择具有最好优点的一种进行最终实施。替代地，可以基于要执行校准的天线的数量作出决定。例如，方法1可以适合于多达8个接收和/或发射天线，而方法2或3可以用于更高数量的天线。

E.TX/RX路径中的延迟的影响

令与t_a1，t_a2，r_a1和r_a2相关联的延迟为τ_ta1，τ_ta2，τ_ra1，τ_ra2。因此，

其中δτ＝(τ_tal+τ_ra2)-(τ_ta2+τ_ra1)，a₁和a₂之间的延迟差。应明白，δτ的影响使校准参数在整个频率上形成线性相位。

如可以看出，校准系数是δτ的函数。TX和RX的数字区段的延迟将不影响校准系数，因为这些将在上面的表达式中消除(应注意，数字延迟对于全部发射器来说是相同的。对于接收器也是这样。)应明白，如果BS或UE处的同步时钟使用长迹线进行路由，则将出现如上所述的延迟影响。

已经假设t_a1等是无记忆的。在该表达方法中没有考虑其中t_a1是例如2抽头滤波器的情况。

F.当TX/TX、TX/RX路径之间存在互耦时的校准系数

不同TX/RX路径之间的不可忽略的耦合可能因以下情况而存在：a)不完美的硬件设计，或更重要地b)如果设计中使用交叉极化天线的话。下面描述在这些情况下对校准算法的修改。假设TX与RX路径之间不存在耦合。

参考图59和图60，假设接收路径之间具有互耦。例如，r_a1a2是接收路径r₁和r₂之间的互耦。类似地，r_a1a3指代接收路径r₁和r₃之间的耦合。类似的解释适用于发射路径之间的互耦。应注意，r_a1al是指章节A的r_a1。

假设天线a1传输校准序列sa1。它已经被接收天线a₂、a₃和a₄接收。

类似于章节A和B中的表达方法，可以推导出以下表达式。

如在章节C中继续，可以从等式(86)获得

和

的LS估计。项

是从天线a1到天线a2的非互易(基带)信道，而h_a1a2是从天线a1到天线a2g的互易无线电信道。类似地，可以从等式87、88和89获得LS估计

和

从等式90和91，可以写出下式

其中C是要估计的校准系数。值得注意的是，当互耦系数设置为0时，以上等式得到等式66。类似地，

和

可以根据校准矩阵与

和

的乘积来表达。

可以使用总最小二乘法(方法3)来计算这些校准系数。

应注意，侧A与B之间不存在互耦。这使得实施例能够刚好如等式73那样写出下游链路。然而，在这种情况下，K_A和K_B将不再是对角矩阵。

G.用于互易性校准的架构的示例

图61是装置6100的示例实施例的框图描绘。装置6100还可以用来验证互易性校准的有效性，从而确保利用现有的传输系统。实施例装置6100是基于正规化最小二乘法的预编码器设计的示例。作为一级近似，可以将在接收器处计算的MMSE系数认为是RLS估计。通常，

和

(参考等式73、74和75)缓慢变化。它们可以在软件中计算。然而，实际乘法运算可以在FPGA中实施。

从图61的左上角，装置6100可以包括OTFS调制功能、接着是2DFFT变换级。输出可以通过预编码器进行处理并且针对来自接收设备的互易性贡献进行校正。经校正的信号可以通过逆FFT级进行处理并且传送到前端以供传输。预编码器可以包括如本文所述的权重(矩阵)。尽管未明确地示出，但发射器链可以在传输之前对数据执行纠错编码。在一些实施例中，整个发射器链可以在基带FPGA或ASIC中实施。

在下半部分从右到左示出的接收器链中，装置6100可以包括从前端接收信号的均衡器级、决策反馈均衡器以及前向纠错级。前端均衡器(FF-EQ)可以向用于传输的预编码器提供用于等待计算的输入。如上所述，权重或滤波器系数将相对慢地改变(几十毫秒或大于传输时间间隔TTI)并且因此可以在软件中计算。

装置6100还可以包括可以在硬件中实施的校准模块6102。校准模块可以执行在本文件中描述的各种校准功能。

互易性校准系统原型设计的示例

如上所述，已经公开了用于互易性校准的一些示例实施例。实验表明，对于不同的a)发射功率、b)接收功率和c)频率，一组校准系数将改变。最后一项需要一些解释。如果感兴趣的带宽(BW)是例如10MHz，则实施例可以使用10MHz BW的宽带校准信号并且为整个10MHz获得校准系数。另一种可能性是在每个子载波处单独地发送正弦曲线(频率音)并且为每个音单独地计算校准参数。

在一些实施例中，可以实施下面的过程(假设在校准中使用频率音)：

对于

个TX功率水平(在m个离散的步骤中)

对于

个RX功率水平(在n个离散的步骤中)

对于对应于每个子载波的

个频率音

对于

个天线组合

执行校准并存储校准系数。

结束

迭代过程可以由先前描述的校准模块402管理。在一些实施例中，一组校准系数可以与{发射功率、接收功率以及操作频率}的三元组的许多组合相关联并存储在查找表(LUT)中。无线设备然后可以基于观察到的发射功率、接收功率和/或操作频带来选择适当的一组校准参数以供使用。尽管这可以导致LUT中的大量条目，但可以进行某些优化来减少这种开销。

在一些实施例中，在发射器和接收器(例如，基站和UE)之间的通信开始时，可以计算一组校准系数作为始集。该集可以作为工作集存储在查找表中并且用到该集被更新为止。该集的更新可以基于许多操作标准中的一者或多者。例如，一些实施例可以按给定的间隔更新工作集，例如，每30分钟一次。一些实施例可以跟踪接收到的SNR来决定是否需要校准系数更新。当更新校准系数集时，更新无线设备然后可以在下一可用的机会将改变传达到另一侧。

8.用于FDD互易性的二阶统计

本章节涵盖使用无线信道的二阶统计来在频分双工(FDD)系统中实现互易性。FDD系统在实施这种经预编的系统时可能具有以下挑战：

○由于不同的载波频率，下行链路信道响应不同于上行链路信道响应。除此以外，基站和用户设备中的发射和接收RF部件的响应不同。

○对于非静态信道，基站需要在传输时间预测信道。

在一些实施例中，基站可以在每个经预编码的下行链路传输之前向用户设备发送参考信号(导频)。用户将接收它们并且将其作为上行链路数据发送回到基站。因此，基站将估计下行链路信道并且将其用于预编码。然而，这种解决方案非常低效，因为它占用上行链路容量的大部分来将接收到的参考信号往回发送。当用户和/或基站天线的数量增长时，系统甚至可能无法实施。另外，在非静态信道中，往返时延可能会降低信道预测的质量。

二阶统计训练

为了简单起见，考虑单个用户天线和L个基站天线的情况，但可以容易延伸到任何数量的用户。在图62中示出了系统的设置。基站从上行链路响应来预测在不同频带和之后的N_latency个子帧中的下行链路响应。

为此，系统执行由多个会话构成的初步训练阶段，其中在每个会话i＝1、2、……、N_training中，采取以下步骤：

○在子帧n处，用户设备在上行链路中传输参考信号(RS)。基站通过L个基站天线来接收它们并估计上行链路信道

○在子帧n+N_latency处，基站在下行链路中从其全部天线传输参考信号。用户设备接收所述参考信号并且在后一子帧中将其作为上行链路数据往回发送。基站为其计算下行链路信道估计

在不同的实施方式中，可能的是，UE将计算信道估计并将其作为上行链路数据发送到基站。

○基站计算二阶统计

在本文中，(·)^H是厄米算子。对于信道具有非零均值的情况，应确定均值和协方差矩阵两者。当完成训练会话时，基站对二阶统计进行平均：

然后，它计算预测滤波器和估计误差的协方差：

C_prediction＝R_DL，UL·(R_UL)^-1

R_E＝R_DL-C_prediction·(R_DL，UL)^H

可以使用主成分分析技术来近似R_UL的反演。我们计算{λ}、布置在对角矩阵D＝diag(λ₁、λ₂、……、λ_K)中的R_UL的K个最具优势本征值及其对应的本征矢量矩阵V。通常，K将是大约沿着无线路径的反射器的数量。协方差矩阵然后可以近似为R_UL≈V·D·(V)^H并且倒数为

应注意，训练会话的数量有限并且它们可以以极低的速率完成(诸如每秒一个)且因此将不会使系统过载太多。

为了适应信道响应的可能的未来变化，在完成训练阶段之后，稍后可以更新二阶统计。可以通过再次发起新的N_training个会话或通过逐步地更新现有的统计来从头重新计算。

重复训练步骤的间隔取决于信道的平稳性时间，例如二阶统计保持大致恒定的时间。该时间可以被选择为系统确定的常数，或者可以适应于环境。基站或用户可以检测信道的二阶统计的变化并且发起新的训练阶段。在另一个实施例中，基站可以使用来自用户的重传请求来检测信道的变化，并且重新开始计算信道的二阶统计的过程。

调度下行链路经预编码的传输

对于具有经预编码的下行链路传输的每个子帧，基站应调度传输的全部用户来在之前的N_latency个子帧发送上行链路参考信号。基站将估计上行链路信道响应并且使用它来预测期望的下行链路信道响应。

H_DL＝C_prediction·H_UL

然后，将下行链路信道响应H_DL和预测误差协方差R_E用于预编码器的计算。

9.用于信道估计的二阶统计

本章节涵盖使用无线信道的二阶统计来实现高效信道估计。信道知识是无线通信中的关键组成，无论是对于接收器对接收到的信号进行均衡和解码还是对于多天线发射器生成更高效的经预编码的传输。

通常通过传输已知的参考信号(导频)并且在接收器处在整个感兴趣的带宽和时间上内插它们来获取信道知识。通常，导频的密度取决于信道的特性。更高的延迟扩展需要沿着频率的更密集导频，并且更高的多普勒扩展需要沿着时间的更密集导频。然而，导频通常需要覆盖整个感兴趣的带宽，并且一些情况下也覆盖整个感兴趣的时间间隔。

所公开的技术的实施例包括一种基于信道的二阶统计的计算的方法，其中在训练阶段之后，可以在大宽带上从小得多的带宽中的参考信号来估计信道。更多地，还可以在未来的时间间隔预测信道。

用于信道估计的二阶统计训练

图63示出了发射器和接收器的典型设置。每一者可以具有多个天线，但为了简单起见，我们将仅描述单个天线到单个天线链路的方法。这可以容易延伸到接收器和发射器两者中的任何数量的天线。

系统执行由多个会话构成的初步训练阶段，其中在每个会话i＝1、2、……、N_training中，采取以下步骤：

○发射器向接收器发送参考信号。我们将整个感兴趣的带宽分成两部分：BW₁和BW₂，如图64A至图64C所示，其中通常，BW₁的大小将小于或等于BW₂。应注意，这两部分不需要形成连续的带宽。发射器可以在相同的时间间隔(例如，图65)或在不同的时间间隔(例如，图66)在这两部分发送参考信号。

接收器接收参考信号并且通过其相关联的带宽来估计信道，从而导致信道响应

和

接收器计算这两个部分的二阶统计：

在本文中，(·)^H是厄米算子。对于信道具有非零均值的情况，应确定均值和协方差矩阵两者。当完成训练会话时，基站以与在章节6中描述的类似方式对二阶统计进行平均。

高效信道估计

在完成训练阶段之后，发射器可以仅发送对应于BW₁的参考信号。接收器估计信道响应H₁并且将其用于使用预测滤波器来计算(和预测)BW₂上的信道响应H₂：

H₂＝C_prediction·H₁.

图67和图68示出了预测场景的示例(分别是相同时间间隔和未来时间间隔)。

10.互易几何预编码的实施例

所公开的技术的实施例包括一种用于在无线系统中应用MU-MIMO(多用户多输入多输出)的方法。在MU-MIMO中，具有多个天线的发射器(通常是蜂窝基站)在相同的时间和频率资源上向多个独立的设备(也被称为UE，用户设备)传输，每个设备具有一个或多个接收天线。为了使得接收设备能够正确地对其自己的目标数据进行解码，将预编码器应用于所发射的信号，该预编码器通常尝试在接收设备处将期望的接收信号水平最大化并且将来自针对其他设备的传输的干扰最小化。换句话说，在每个接收设备处将SINR(信号干扰噪声比)最大化。所发射的信号布置成层，其中每个层将数据携载到特定用户设备。

空间预编码器是通过在每个层中向每个天线的传输应用不同权重和相位来在空间域中操作的预编码器。这使所发射的信号的波前成形并且将其更多的能量朝向目标设备驱动，而同时将朝向其他设备发送的能量的量最小化。图69示出了空间预编码器的示例。

为了简化以下描述，在不失一般性的情况下，下行链路传输设备被称为基站(BS)并且下行链路接收设备被称为UE(参见例如图1A)。

基于码本的预编码

在该技术中，存在可用于BS和UE两者的一组预定义的已知预编码器。在接收到经预编码的传输后，UE可以盲假设预编码器中的每一者被使用并且相应地尝试对接收到的信号进行解码。这种方式不是很高效，特别是在码本很大时。另一种方法基于反馈。UE通过根据码本计算地应用不同的预编码器来分析已知的参考信号的接收。UE选择将其接收到的SINR最大化的预编码器并且将反馈发送到BS，该预编码器是优选预编码器。

在一些实施方式中，这种技术具有以下限制：

(1)码本具有有限数量的条目，并且因此可能没有足够好的空间分辨率来最佳地解决目标UE的全部情况。另外，UE处的计算复杂性在该码本较大时增加。

(2)每个UE为其自己选择最佳预编码器，然而，该预编码器对于其他UE来说可能不是最优的。为了解决这个问题，BS需要为每个经预编码的传输仔细地选择一组UE，以此方式，使得它们的预编码器尽可能正交。这对BS处的调度器施加很大的约束，特别是在具有大量层的场景下。

基于显式反馈的预编码

根据脏纸编码定理，我们可以推导出如果已知从BS天线到接收UE天线的全部信道，则我们可以最优地对去往全部UE的传输进行预编码。在实际系统中实施这种预编码方案是有挑战性的，并且可能要求UE在接收到的下行链路信道上向BS发送反馈。当UE或无线信道反射器中的任一者是移动的时，信道响应的反馈可能不再表示在应用预编码器时的信道的状态，并且还可能需要预测。应注意，在某种意义上，该预编码器尝试将信道反转。

互易几何预编码

无线信道是反射的叠加。几何预编码器是基于这些反射器的几何形状。与典型的通信时间尺度相比，这种几何形状往往相对慢地改变。例如，考虑空间域，从无线反射器(或直接从UE)到BS天线的射线的到达角(AoA)在数十毫秒的时间尺度内将相对恒定并且是频率不相关的。这不同于与时间和频率相关的信道状态。无线信道的互易特性允许使用从上行链路传输(UE到BS)或下行链路经预编码的传输(BS到UE)获得的关于信道的信息

几何预编码器将每个层的传输投射到子空间中，该子空间跨越特定用户的反射器并且尽可能与其他层的反射器正交。该子空间是时间和频率不相关的并且仅依赖于信道的几何形状。借助于协方差矩阵来捕获信道几何形状。所提议的技术可以使用上行链路参考信号来计算BS接收天线中的每一者处的信道响应和这些测量的协方差矩阵。

例如，在LTE/5G NR系统中，BS可以使用UE所传输的上行链路探测参考信号(SRS)或上行链路解调参考信号(DMRS)来计算不同的时间和频率资源元素处的信道响应并且由此计算空间协方差矩阵。

更正式地，令i＝1，...，K为用户(或层)索引并且L表示BS天线的数量。令H_i(f，t)为复杂列矢量，其表示在时间t＝1，...，N_t和频率f＝1，...，N_f下L个BS天线处的信道响应。应注意，N_t可以是1并且N_f还可以表示所使用的带宽的小部分。L×L协方差矩阵可以通过下式来直接计算

在本文中，(·)^H是厄米算子，或者间接地使用比如最大似然的技术(例如，托普利兹最大似然技术)。

找到矢量空间

令K表示经预编码的传输的用户的数量并且R_i表示其上行链路空间协方差矩阵。还假设每个用户的一些归一化上行链路功率分配，其由q_i≥0表示并且满足

跨越从用户到BS的期望信道并且与来自其他用户的信道正交的最优上行链路矢量空间V_i^★是将BS处的SINR最大化的矢量空间：

在本文中，枚举器项是信号并且分母项是干扰和加性噪声方差。

在本文中，V_i ^★可以直接被计算为下一上行链路SINR矩阵的最大本征矢量：

下行链路质量

由于无线信道的互易特性，针对上行链路计算的相同矢量空间也可以用于下行链路预编码。因此，通过仅使用上行链路参考信号，可以获得下行链路的最优矢量空间。这与以下方法相反：显式反馈方法，其需要将下行链路的实际信道状态信息作为上行链路中的数据传输；或者基于码本的预编码方法，其需要所选择的预编码器的反馈。

然而，所选择的上行链路功率分配不是双重的并且因此对于下行链路来说不是最优的。在上行链路中，BS每层接收不同的信道并且将它们全部投射到单个矢量空间中，而在下行链路中，UE在相同的信道上接收在不同的矢量空间中的传输。

可以算术地证明，存在用于下行链路的双功率分配p_i≥0，从而满足

这可以实现与上行链路相同的SINR：

下行链路功率分配

为了计算双下行链路功率分配，我们定义具有以下条目的用户交叉干扰矩阵

在本文中，i，j＝1，…，K。应注意，也可以计算上行链路的双交叉干扰矩阵。

可以算术地证明，从A^(DL)的最大本征矢量的元素的归一化绝对值推导出下行链路的最优功率分配，表示为

应注意，该功率分配是在每个接收UE处的统计上目标相等的SINR。然而，当调度用户时，BS可以根据下行链路流量要求来调整该功率分配以允许不同UE的不同SINR。

预编码器

用户i的预编码器被计算为

P_i＝p_i·conj(V_i ^★)

参考信号的示例

将所传输的信号投射到不同矢量空间中的该预编码器不会将信道“反转”并且UE必须将信道均衡。因此，UE必须接收经预编码的参考信号以及经预编码的数据。参考数据可以是常规参考信号中的一者，诸如解调参考信号或探测参考信号。替代地或另外，新的参考信号可以用于促进本文中描述的计算。

调度

当经预编码的下行链路传输的可用用户的数量大于K时，BS可能想要具体地选择尽可能空间分离的K个用户。BS可以使用空间协方差矩阵R_i来确定该组用户。

示例过程

用于计算互易几何预编码器的一个示例过程如下：

(1)选择上行链路功率分配(可以简单地是均匀分配，

q_i＝1/K)。

(2)针对每个用户i，接收上行链路参考信号并计算信道响应H_i(f，t)

(3)针对每个用户i，从所接收的信道响应来计算协方差矩阵R_i

(4)针对每个用户i，计算上行链路SINR矩阵

并且找到其最大本征矢量V_i ^★

(5)计算下行链路用户交叉干扰矩阵A^(DL)并且找到其最大本征矢量

(6)针对每个用户i，计算下行链路功率分配p_i，依据的是

(7)针对每个用户i，计算几何预编码器P_i，依据的是p_i和V_i ^★

11.所公开的技术的方法和实施

上述实施例和示例可以结合在下面描述的方法(例如，方法7000)的上下文中，这可以在如图71所示的示例无线收发器装置中实施。

图70是无线通信的示例方法7000的流程图。方法7000包括：由网络设备使用从多个用户设备接收的参考信号传输来确定上行链路信道状态(7010)；以及通过应用基于上行链路信道状态的预编码方案来生成经预编码的传输波形以传输到多个用户设备中的一者或多者(7020)。

在一些实施例中，上行链路信道状态完全地定义预编码方案。在其他实施例中，上行链路信道状态足以定义预编码方案。在另外的其他实施例中，下行链路信道状态不用来定义预编码方案。在另外的其他实施例中，预编码方案仅基于上行链路信道状态。在另外的其他实施例中，预编码方案实质上基于上行链路信道状态。在另外的其他实施例中，预编码方案基于上行链路信道状态而不是基于下行链路信道状态。

与基于下行链路信道状态来定义下行链路预编码方案的传统实施方式相比，在所公开的技术的实施例中，下行链路预编码方案的定义是基于上行链路信道状态(而不是下行链路信道状态)，由此有利地利用信道互易性。

图71示出了无线收发器装置7100的示例。装置7100可以用来实施节点或UE或者实施信道估计/预测任务的网络侧资源。装置7100包括处理器7102、任选的存储器(7104)和收发器电路7106。处理器7102可以被配置为实施本文件中描述的技术。例如，处理器7102可以使用存储器7104来存储代码、数据或中间结果。收发器电路7106可以执行发射或接收信号的任务。这可以包括例如通过无线链路(诸如Wi-Fi、毫米波或另一个链路)或有线链路(诸如光纤链路)的数据发射/接收。

在一些实施例中，并且至少在章节10的背景下，以下技术解决方案可以优选地由一些实施例来实施：

1.一种无线通信方法，其包括：由网络设备使用从多个用户设备接收的参考信号传输来确定上行链路信道状态；以及通过应用基于所述上行链路信道状态的预编码方案来生成经预编码的传输波形以传输到所述多个用户设备中的一者或多者，其中所述上行链路信道状态完全地定义所述预编码方案。

2.如解决方案1所述的方法，其中所述参考信号传输和所述经预编码的传输波形使用时分双工进行复用。

3.如解决方案1所述的方法，其中所述参考信号传输和所述经预编码的传输波形使用频分双工进行复用。

4.如解决方案1所述的方法，其中所述参考信号传输对应于探测参考信号(SRS)。

5.如解决方案1所述的方法，其中所述参考信号传输对应于解调参考信号(DMRS)。

6.如解决方案1至5中任一项所述的方法，其中通过以下操作来确定所述预编码方案：基于从每个用户设备接收的对应的上行链路参考信号传输来估计针对每个用户设备的信道响应；针对每个用户设备，基于所述信道响应来计算协方差矩阵；针对每个用户设备，在所述网络设备处选择将每个用户设备的选定标准最大化的矢量；从所述多个用户设备的经选择矢量来确定每个用户设备的下行链路功率分配；以及使用经选择矢量和所述下行链路功率分配来确定所述预编码方案。

7.如解决方案6所述的方法，其中所述协方差矩阵具有维度L×L，其中L表示所述网络设备的发射天线的数量。

8.如解决方案6或7所述的方法，其中计算所述协方差矩阵包括使用最大似然技术来计算所述协方差矩阵。

9.如解决方案8所述的方法，其中所述最大似然技术包括使用托普利兹表示。在示例中，在章节3.2中进一步详述使用托普利兹表示的ML技术。

10.如解决方案6至9中任一项所述的方法，其中计算所述协方差矩阵包括使用信道响应矩阵与所述信道响应矩阵的Hermitian之间的直接乘法来计算所述协方差矩阵。

11.如解决方案6所述的方法，其还包括计算所述多个用户设备的矢量空间以在所述网络设备处将接收信号干扰噪声比最大化。

12.如解决方案6所述的方法，其还包括使用上行链路信号干扰噪声比矩阵的本征矢量来计算所述多个用户设备的矢量空间。

13.如解决方案11或12所述的方法，其中使用所述矢量空间和所述协方差矩阵来计算所述下行链路功率分配。

14.如解决方案13所述的方法，其中从下行链路方向上的交叉干扰矩阵的最大本征矢量来推导所述下行链路功率分配。

15.如解决方案13所述的方法，其中从下行链路流量要求来推导所述下行链路功率分配。

16.如解决方案13所述的方法，其中通过使用下行链路流量要求和下行链路方向上的交叉干扰矩阵的最大本征矢量两者来推导所述下行链路功率分配。

17.如解决方案6至16中任一项所述的方法，其中经选择矢量是信号干扰噪声矩阵的最大本征矢量。

18.如解决方案1至17中任一项所述的方法，其中所述经预编码的传输波形包括参考信号。

19.如解决方案18所述的方法，其中所述参考信号包括小区特定参考信号。

20.如解决方案18所述的方法，其中所述参考信号包括解调参考信号。

21.如解决方案1至20中任一项所述的方法，其中所述多个用户设备形成由所述网络设备所服务的全部用户设备的子集。

22.如解决方案21所述的方法，其中基于由所述网络设备所服务的全部用户设备的协方差矩阵来选择所述子集。

23.如解决方案1至22中任一项所述的方法，其中所述预编码方案在以下各者中操作：仅空间维度、或空间-延迟维度、或空间-多普勒维度、或空间-延迟-多普勒维度、或空间-频率维度、或空间-时间维度、或空间-频率-时间维度。

24.如解决方案1至23中任一项所述的方法，其中所述网络设备使用长期演进LTE协议进行操作。

25.如解决方案1至23中任一项所述的方法，其中所述网络设备使用5G新无线电(NR)协议进行操作。

26.一种无线通信装置，其包括处理器和无线收发器，其中所述处理器被配置为使用用于发射或接收信号的所述收发器来执行如解决方案1至25中任一项所述的方法。

27.如解决方案26所述的无线通信装置，其中所述无线通信装置是多用户多输入多输出(MU-MIMO)无线系统的基站。

在一些实施例中，一种无线通信系统可以包括发射器设备和一个或多个接收器设备，所述一个或多个接收器设备通过无线信道彼此耦合，所述无线信道具有从所述接收器设备中的每一者到所述发射器信道的反向信道(例如，上行链路信道)以及从所述发射器到所述一个或多个接收器的正向信道(例如，下行链路信道)。正向信道可以支持对各个接收器的广播传输和单播传输。如在本文件中所描述，反向信道和正向信道可以在时间和/或频率和/或代码和/或空间域中双工。发射器设备可以实施以上解决方案中描述的方法，并且仅基于所述反向信道的信道状态来在正向信道上执行预编码，例如，无需使用正向信道的先前估计。类似地，系统中的接收器设备可以执行本文件中描述的接收器侧技术和以上解决方案。

将了解，本文件公开可以由无线设备实施以改善信道估计、信道预测以及基于信道估计和信道预测的结果的预编码的计算效率。例如，使用所公开的技术，第一设备(例如，网络设备或基站)可以沿一个方向在信道上接收导频或参考信号传输，例如具有已知的特性的信号，并且沿相反的方向基于接收到的导频或参考传输进行计算。换句话说，在信道的一个方向上的参考信号传输将是足够的或者完全定义在相反方向上使用的预编码或信道预测。在一些实施例中，技术可以由网络设备(诸如基站)来实施。在一些实施例中，技术可以由用户设备(诸如移动电话或另一个无线计算平台)来实施。

本文件中描述的所公开的以及其他实施例、模块和功能操作可以在数字电子电路或者计算机软件、固件或硬件中实现，包括本文件中公开的结构和它们的结构等效物或者它们中的一者或多者的组合。所公开的和其他实施例可以被实现为一个或多个计算机程序产品，即，在计算机可读介质上编码的计算机程序指令的一个或多个模块，以便由数据处理装置执行或控制数据处理装置的操作。计算机可读介质可以是机器可读存储设备、机器可读存储基底、存储器设备、影响机器可读传播信号的物质的组成，或者它们中的一者或多者的组合。术语“数据处理装置”涵盖用于处理数据的全部装置、设备和机器，例如，包括可编程处理器、计算机或者多个处理器或计算机。除了硬件之外，装置可以包括为有疑问的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或者它们中的一者或多者的组合的代码。传播信号是人工生成的信号，例如，机器生成的电信号、光信号或电磁信号，所述信号被生成以对信息进行编码以便发射到合适的接收器装置。

计算机程序(也被称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言编写，包括编译或解释语言，并且它可以按任何形式部署，包括作为独立程序或模块、部件、子例程，或者适用于计算环境的其他单元。计算机程序不必对应于文件系统中的文件。程序可以存储在保存其他程序或数据的文件的一部分中(例如，存储在标记语言文档中的一个或多个脚本)，存储在专用于所讨论的程序的单个文件中，或者存储在多个协调文件中(例如，存储一个或多个模块、子程序或代码部分的文件)。计算机程序可以部署为在一台计算机上执行，或者在位于一个站点或分布在多个站点之间并通过通信网络互连的多台计算机上执行。

本文件中描述的过程和逻辑流程可以由一个或多个可编程处理器执行，所述可编程处理器通过在输入数据上操作并且生成输出来执行一个或多个计算机程序以执行功能。过程和逻辑流程也可以由专用逻辑电路执行，并且装置也可以实现为专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)。

例如，适用于执行计算机程序的处理器包括通用和专用微处理器以及任何类型的数字计算机的任何一个或多个处理器。一般来讲，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘，或者操作地耦合以从其接收数据或将数据传送到其或这两者。然而，计算机不需要具有此类设备。适用于存储计算机程序指令和数据的计算机可读介质包括全部形式的非易失性存储器、介质和存储器设备，包括例如半导体存储器设备，例如，EPROM、EEPROM以及闪存设备；磁盘，例如，内部硬盘或可移动盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充或者并入专用逻辑电路中。

尽管本专利文件含有很多具体方面，但这些不应被解释为限制所要求保护的发明或可以要求保护的内容的范围，而是描述专用于特定实施例的特征。在单独的实施例的上下文中在本文件中描述的某些特征也可以在单个实施例中组合实现。相反地，在单个实施例的上下文中描述的各种特征也可在多个实施方式中分开实现或以任何合适的子组合实现。此外，尽管特征可以在上文描述为在某些组合中起作用并且甚至如最初要求保护的那样，但在一些情况下，所要求保护的组合中的一个或多个特征可以从组合中删除，并且所要求保护的组合可以指向子组合或子组合的变化。类似地，虽然在附图中按特定顺序描绘操作，但这不应被理解为要求此类操作以所示出的特定顺序或按先后顺序执行，或者执行全部示出的操作以实现期望的结果。

仅公开了一些示例和实现方式。基于公开的内容，可以作出对所描述的示例和实现方式以及其他实现方式的变化、更改和增强。

Claims

1.一种无线通信方法，其包括：

由网络设备使用从多个用户设备接收的参考信号传输来确定上行链路信道状态；以及

通过应用基于所述上行链路信道状态的预编码方案来生成经预编码的传输波形以传输到所述多个用户设备中的一者或多者，

其中所述上行链路信道状态完全地定义所述预编码方案。

2.如权利要求1所述的方法，其中所述参考信号传输和所述经预编码的传输波形使用时分双工进行复用。

3.如权利要求1所述的方法，其中所述参考信号传输和所述经预编码的传输波形使用频分双工进行复用。

4.如权利要求1所述的方法，其中所述参考信号传输对应于探测参考信号(SRS)。

5.如权利要求1所述的方法，其中所述参考信号传输对应于解调参考信号(DMRS)。

6.如权利要求1至5中任一项所述的方法，其中通过以下操作来确定所述预编码方案：

基于从每个用户设备接收的对应的上行链路参考信号传输来估计针对每个用户设备的信道响应；

针对每个用户设备，基于所述信道响应来计算协方差矩阵；

针对每个用户设备，在所述网络设备处选择将每个用户设备的选定标准最大化的矢量；

从所述多个用户设备的经选择矢量来确定每个用户设备的下行链路功率分配；以及

使用所述经选择矢量和所述下行链路功率分配来确定所述预编码方案。

7.如权利要求6所述的方法，其中所述协方差矩阵具有维度L×L，其中L表示所述网络设备的发射天线的数量。

8.如权利要求6或7所述的方法，其中计算所述协方差矩阵包括使用最大似然技术来计算所述协方差矩阵。

9.如权利要求8所述的方法，其中所述最大似然技术包括使用托普利兹表示。

10.如权利要求6至9中任一项所述的方法，其中计算所述协方差矩阵包括使用信道响应矩阵与所述信道响应矩阵的Hermitian之间的直接乘法来计算所述协方差矩阵。

11.如权利要求6所述的方法，还包括计算所述多个用户设备的矢量空间以在所述网络设备处将接收信号干扰噪声比最大化。

12.如权利要求6所述的方法，还包括使用上行链路信号干扰噪声比矩阵的本征矢量来计算所述多个用户设备的矢量空间。

13.如权利要求11或12所述的方法，其中使用所述矢量空间和所述协方差矩阵来计算所述下行链路功率分配。

14.如权利要求13所述的方法，其中从下行链路方向上的交叉干扰矩阵的最大本征矢量来推导所述下行链路功率分配。

15.如权利要求13所述的方法，其中从下行链路流量要求来推导所述下行链路功率分配。

16.如权利要求13所述的方法，其中通过使用下行链路流量要求和下行链路方向上的交叉干扰矩阵的最大本征矢量两者来推导所述下行链路功率分配。

17.如权利要求6至16中任一项所述的方法，其中所述经选择矢量是信号干扰噪声矩阵的最大本征矢量。

18.如权利要求1至17中任一项所述的方法，其中所述经预编码的传输波形包括参考信号。

19.如权利要求18所述的方法，其中所述参考信号包括小区特定参考信号。

20.如权利要求18所述的方法，其中所述参考信号包括解调参考信号。

21.如权利要求1至20中任一项所述的方法，其中所述多个用户设备形成由所述网络设备所服务的全部用户设备的子集。

22.如权利要求21所述的方法，其中基于由所述网络设备所服务的全部用户设备的协方差矩阵来选择所述子集。

23.如权利要求1至22中任一项所述的方法，其中所述预编码方案在以下各者中操作：

a.仅空间维度，或

b.空间-延迟维度，或

c.空间-多普勒维度，或

d.空间-延迟-多普勒维度，或

e.空间-频率维度，或

f.空间-时间维度，或

g.空间-频率-时间维度。

24.如权利要求1至23中任一项所述的方法，其中所述网络设备使用长期演进LTE协议进行操作。

25.如权利要求1至23中任一项所述的方法，其中所述网络设备使用5G新无线电(NR)协议进行操作。

26.一种无线通信装置，其包括处理器和无线收发器，其中所述处理器被配置为使用用于发射或接收信号的所述收发器来执行如权利要求1至25中任一项所述的方法。

27.如权利要求26所述的无线通信装置，其中所述无线通信装置是多用户多输入多输出(MU-MIMO)无线系统的基站。