CN114731171A - 混合用于处理模式选择的系数数据 - Google Patents
混合用于处理模式选择的系数数据 Download PDFInfo
- Publication number
- CN114731171A CN114731171A CN202080079110.5A CN202080079110A CN114731171A CN 114731171 A CN114731171 A CN 114731171A CN 202080079110 A CN202080079110 A CN 202080079110A CN 114731171 A CN114731171 A CN 114731171A
- Authority
- CN
- China
- Prior art keywords
- processing
- wireless
- input data
- processing mode
- data
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 577
- 238000002156 mixing Methods 0.000 title claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 81
- 230000003111 delayed effect Effects 0.000 claims abstract description 66
- 238000013528 artificial neural network Methods 0.000 claims description 129
- 230000015654 memory Effects 0.000 claims description 91
- 230000006870 function Effects 0.000 claims description 68
- 238000013507 mapping Methods 0.000 claims description 58
- 230000000306 recurrent effect Effects 0.000 claims description 36
- 238000012549 training Methods 0.000 claims description 33
- 238000012886 linear function Methods 0.000 claims description 10
- 239000000203 mixture Substances 0.000 claims description 10
- 238000012887 quadratic function Methods 0.000 claims description 10
- 235000014676 Phragmites communis Nutrition 0.000 claims description 6
- 241000234295 Musa Species 0.000 claims 1
- 206010042135 Stomatitis necrotising Diseases 0.000 claims 1
- 201000008585 noma Diseases 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 78
- 210000004027 cell Anatomy 0.000 description 51
- 230000008569 process Effects 0.000 description 36
- 239000013598 vector Substances 0.000 description 36
- 238000010586 diagram Methods 0.000 description 27
- 238000006243 chemical reaction Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000009825 accumulation Methods 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 230000001413 cellular effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 238000003064 k means clustering Methods 0.000 description 4
- 238000007493 shaping process Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 230000003446 memory effect Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
- H04B1/40—Circuits
- H04B1/401—Circuits for selecting or indicating operating mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/65—Purpose and implementation aspects
- H03M13/6597—Implementations using analogue techniques for coding or decoding, e.g. analogue Viterbi decoder
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/0003—Software-defined radio [SDR] systems, i.e. systems wherein components typically implemented in hardware, e.g. filters or modulators/demodulators, are implented using software, e.g. by involving an AD or DA conversion stage such that at least part of the signal processing is performed in the digital domain
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
- H04B1/40—Circuits
- H04B1/403—Circuits using the same oscillator for generating both the transmitter frequency and the receiver local oscillator frequency
- H04B1/406—Circuits using the same oscillator for generating both the transmitter frequency and the receiver local oscillator frequency with more than one transmission mode, e.g. analog and digital modes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/38—Transceivers, i.e. devices in which transmitter and receiver form a structural unit and in which at least one part is used for functions of transmitting and receiving
- H04B1/40—Circuits
- H04B1/44—Transmit/receive switching
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0851—Joint weighting using training sequences or error signal
-
- 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
- H04L1/0052—Realisations of complexity reduction techniques, e.g. pipelining or use of look-up tables
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
- H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
- H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
- H03M13/1102—Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/27—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes using interleaving techniques
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
- H03M13/29—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes combining two or more codes or code structures, e.g. product codes, generalised product codes, concatenated codes, inner and outer codes
- H03M13/2957—Turbo codes and decoding
-
- 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
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03165—Arrangements for removing intersymbol interference using neural networks
Abstract
本文所描述的实例包含系统及方法,其包含无线装置及系统,所述无线装置及系统具有将相应处理结果的至少一部分的输入数据延迟版本与特定于处理模式选择的系数数据混合的实例。举例来说,具有处理单元的计算系统可将用于射频(RF)无线域中的传输的各个乘法/累加处理单元(MAC单元)层的相应输出的所述输入数据延迟版本与所述系数数据混合,以生成表示传输的输出数据,所述输出数据根据无线处理模式选择进行处理。在另一实例中,将输入数据与处理结果的延迟版本的此混合可为接收及处理有噪声的无线输入数据。本文所描述的系统及方法的实例可促进以功率高效且时间高效的方式处理用于5G无线通信的数据。
Description
背景技术
可使用一些硬件(例如,硅)计算平台来实施例如数字基带处理或数字前端实施方案的用于无线通信的数字信号处理。举例来说,可在如由专用集成电路(ASIC)实施的无线收发器的数字前端实施方案中实现多媒体处理及数字射频(RF)处理。多种硬件平台可实施此类数字信号处理,例如ASIC、实施为现场可编程门阵列(FPGA)的一部分的数字信号处理器(DSP),或芯片上系统(SoC)。然而,这些解决方案中的每一个常常需要实施硬件实施方案特定的定制信号处理方法。举例来说,数字信号处理器可在FPGA的定制设计中实施数据的涡轮译码应用。
此外,目前关注的是将无线通信发展到“第五代”(5G)系统。5G有望提高速度及普及性,但用于处理5G无线通信的方法尚未完全确定。
附图说明
图1A是根据本文中所描述的实例布置的计算系统的示意图。
图1B是根据本文中所描述的实例布置的神经网络的示意图。
图1C是根据本文中所描述的实例布置的递归神经网络的示意图。
图2A到2C是根据本文中所描述的实例的布置在系统中的处理单元的示意图。
图3是无线发射器的示意图。
图4是无线接收器的示意图。
图5是根据本文中所描述的实例的无线发射器的示意图。
图6是根据本文中所描述的实例的无线发射器的示意图。
图7是根据本文中所描述的实例的无线发射器的示意图。
图8是根据本文中所描述的实例布置的方法的流程图。
图9是根据本文中所描述的实例布置的方法的流程图。
图10是根据本公开的方面布置的无线通信系统的示意图。
图11是根据本公开的方面布置的另一无线通信系统的示意图。
发明内容
本文中公开实例系统。在本公开的实施例中,系统包含至少一个处理单元及用可执行指令编码的非暂时性计算机可读媒体,所述可执行指令当由所述至少一个处理单元执行时经配置以使所述系统执行包含以下项的操作:获得与用于所述至少一个处理单元的处理模式相对应的处理模式选择;至少部分地基于所述处理模式选择而在多个天线处获得用于射频(RF)域中的传输的输入数据,所述多个天线中的每个天线通过多个无线信道中的相应无线信道接收所述RF域中的所述传输的部分;在多个MAC单元层的第一乘法/累加单元(MAC单元)层中,使用多个系数混合所述输入数据及所述第一MAC单元层的相应输出的延迟版本,所述多个系数特定于所述处理模式选择;及基于使用所述多个系数混合所述输入数据而提供输出数据,表示所述传输的部分的所述输出数据根据所述处理模式选择进行处理,其中提供所述输出数据包括提供所述输出数据,使得无线收发器处理单元接收所述输出数据以进一步处理所述传输。将所述输入数据与所述多个系数混合包含对于所述多个MAC单元层中的额外MAC单元层,使用所述多个系数中的额外系数混合相应处理结果及所述相应处理结果的至少一部分的延迟版本。
另外或替代地,多个MAC单元层的数目对应于多个无线信道中的无线信道的数目。
另外或替代地,在第一MAC单元层之后,多个MAC单元的额外层中的每个后续层包含比额外MAC单元层中的前一层更少数目的MAC单元。
另外或替代地,多个MAC单元的第二层包含比第一MAC单元层中的MAC单元数目少一个的MAC单元,其中额外MAC单元层包括多个MAC单元的第二层。
另外或替代地,第一MAC单元层中的每个MAC单元接收输入数据及第一MAC单元层的相应输出的相应延迟版本。
另外或替代地,操作包含从存储器数据库检索多个系数。
另外或替代地,操作包含配置至少一个处理单元以基于处理模式选择来选择多个系数。
另外或替代地,操作包含从多个处理模式中选择处理模式,所述多个处理模式中的每个处理模式与相应多个系数相关联。
另外或替代地,每个相应的多个系数存储在云计算数据库中,所述云计算数据库经配置以与非暂时性计算机可读媒体通信。
另外或替代地,处理模式对应于至少一个单处理模式、多处理模式或完整处理模式。
另外或替代地,单处理模式包括快速傅里叶变换(FFT)处理模式、快速傅里叶逆变换(IFFT)处理模式、译码模式、涡轮译码处理模式、解码处理模式、里德所罗门处理模式、交错器处理模式、解交错处理模式、调制映射处理模式、解调映射处理模式、加扰处理模式、解扰处理模式,或信道估计处理模式。
另外或替代地,调制映射处理模式与GFDM、FBMC、UFMC、DFDM、SCMA、NOMA、MUSA或FTN中的至少一个相关联。
另外或替代地,多处理模式包括快速傅里叶变换(FFT)处理模式、快速傅里叶逆变换(IFFT)处理模式、译码模式、涡轮译码处理模式、解码处理模式、里德所罗门处理模式、交错器处理模式、解交错处理模式、调制映射处理模式、解调映射模式、加扰模式、解扰模式,或信道估计模式中的至少两个。
另外或替代地,完整处理模式包括无线发射器处理模式或无线接收器处理模式。
另外或替代地,多个系数对应于输入数据到输出数据的非线性映射,表示传输的部分的非线性映射根据处理模式选择进行处理。
另外或替代地,非线性映射包括高斯函数、分段线性函数、S形函数、薄板样条函数、多二次函数、三次逼近或逆多二次函数。
另外或替代地,将输入数据与多个系数混合包含将输入数据的部分与多个系数中的至少一个相乘及将第一MAC单元层的相应输出的延迟版本与多个系数中的至少另一个相乘,以产生系数乘法结果;及将要与输入数据的其它部分及多个系数的额外系数进一步相乘及累加的系数乘法结果累加。
另外或替代地,将输入数据与多个系数混合包含在与第一MAC单元层相关联的相应延迟单元处,延迟第一MAC单元层的相应输出以生成第一MAC单元层的相应输出的延迟版本。
另外或替代地,使用多个系数中的额外系数将相应处理结果及相应处理结果的至少一部分的延迟版本混合包含将相应处理结果与多个额外系数中的额外系数中的至少一个相乘,及将相应处理结果的至少部分的延迟版本与多个系数中的额外系数中的至少另一个相乘。
另外或替代地,至少一个处理单元包含多个存储器查找单元(MLU),其经配置以存储并提供相应系数乘法结果,其中多个存储器查找单元的部分经配置以基于使用多个系数混合的输入数据而提供输出数据。
另外或替代地,至少一个处理单元进一步包含多个延迟单元,其经配置以基于由多个MLU中的相应MLU提供的相应系数乘法结果的部分而提供第一MAC单元层的相应输出的延迟版本。
另外或替代地,至少一个处理单元进一步包含额外的多个延迟单元,其经配置以提供相应处理结果的至少部分的延迟版本,其中相应处理结果的至少部分对应于多个MLU的相应系数乘法结果的部分,所述多个MLU与多个MAC单元层中的额外MAC单元层相关联。
在本公开的另一方面中,方法包含:在多个MAC单元的第一乘法/累加处理单元(MAC单元)层处,通过多个系数计算输入数据及第一MAC单元层的对应输出的延迟版本以生成第一处理结果;在多个MAC单元的额外MAC单元层处,通过额外的多个系数计算第一处理结果及第一处理结果的至少一部分的延迟版本以生成第二处理结果;部分地基于第二处理结果而提供输出数据,表示输入数据的所述输出数据根据无线协议的方面进行处理;及经由RF天线传输所述输出数据。
另外或替代地,进一步包含在多个天线处获得输入数据的相应部分,其中所述多个天线中的每个天线通过多个无线信道中的相应无线信道在RF无线域中接收输入数据的相应部分。
另外或替代地,额外MAC单元层的数量与多个无线信道中的无线信道数量相关联。
在本公开的另一方面中,设备包含:组合器的第一级,其经配置以接收无线输入数据并且使用无线输入数据的组合及无线输入数据的组合的延迟版本评估至少一个非线性函数以提供中间数据;及组合器的至少一个第二级,经配置以接收中间数据并且使用预定权重的集合组合中间数据,以至少部分地基于与无线输入数据相关联的无线协议而提供预定权重的所述集合的输出数据。
另外或替代地,预定权重的所述集合基于递归神经网络对已知输入数据及已知输入数据的组合的延迟版本的训练。
另外或替代地,进一步包含模式配置控制件,其经配置以根据与无线输入数据相关联的无线协议选择递归神经网络的权重的集合。
具体实施方式
目前关注的是将无线通信发展到“第五代”(5G)系统。5G有望提高速度及普及性,但用于处理5G无线通信的方法尚未确定。设计和处理用于无线通信的硬件平台的交付周期可能很长。因此,在一些实例中,设计及/或处理可使用可配置算法处理无线通信的用于5G无线通信的硬件平台可能是有利的-以这种方式,可能直到设计及/或制造平台之后才需要决定由硬件平台使用的算法。
本文中所描述的实例包含系统及方法,其包含具有将输入数据与系数数据混合的实例的无线装置及系统。输入数据可为针对数字信号处理输入的任何数据。系数数据可为特定于无线协议的任何数据。无线协议的实例包含但不限于利用无线协议的5G无线系统,例如滤波器组多载波(FBMC)、广义频分多路复用(GFDM)、通用滤波多载波(UFMC)发射、双正交频分多路复用(BFDM)、稀疏码多址接入(SCMA)、非正交多址接入(NOMA)、多用户共享接入(MUSA),及具有时频包装的超奈奎斯特(FTN)信令。一般来说,包含任何5G无线协议的任何无线协议可由本文所公开的系数数据表示。输入数据可与系数数据混合以生成输出数据。举例来说,具有处理单元的计算系统可将用于射频(RF)无线域中的传输的输入数据与系数数据混合,以生成表示传输的输出数据,所述输出数据根据RF无线域中的无线协议进行处理。在一些实例中,计算系统生成输出数据的近似值。举例来说,输出数据可为当在硬件(例如,FPGA)中处理输入数据时生成的输出数据的近似值,所述硬件专门经设计以实施系数对应的无线协议。
本文中所描述的实例另外包含系统及方法,其包含具有在乘法/累加单元(MAC单元)及对应存储器查找单元(MLU)的多个层中将输入数据与此类系数数据混合的实例的无线装置及系统。举例来说,MAC单元层的数目可对应于无线信道的数目,例如在多个天线中的相应天线处接收到的信道的数目。另外,所利用的MAC单元及MLU的数目与信道的数目相关联。举例来说,MAC单元及MLU的第二层可包含m-1个MAC单元及MLU,其中m表示天线的数目,每一天线接收输入数据的部分。有利地,在利用此类硬件框架时,可维持所生成的输出数据的处理能力,同时减少用于电子装置中的此类处理的MAC单元及MLU的数目。然而,在板空间可能不受限的一些实例中,可利用在每一层中包含m个MAC单元和m个MLU的硬件框架,其中m表示天线的数目。
虽然已关于RF无线域描述将输入数据与系数数据混合的以上实例,但应了解,可从不同域的角度来处理无线通信数据,例如时域(例如,时分多址(TDMA))、频域(例如,正交频分多址(OFDMA),及/或码域(例如,码分多址(CDMA))。
有利地,在一些实例中,本文所描述的系统及方法可根据多个标准及/或与多个应用程序一起操作,包含对其每一个的改变或升级;与基于ASIC的解决方案的不灵活框架形成对比。在一些实例中,如本文关于实施乘法、加法或累加功能的处理单元所讨论,本文描述的系统及方法的实例可在功率高效的框架上运行,这些功能消耗最少的功率;与基于FPGA/DSP的解决方案的极为耗电的框架形成对比。在一些实例中,本文所描述的系统及方法可从统一的编程语言角度使用基本上集成的框架来操作;与集成SoC解决方案所需的各种编程语言不同,SoC解决方案在实施控制单元、计算单元、数据单元及加速器单元的异构接口时可能会带来编程挑战。
本文中所描述的实例包含系统及方法,其包含具有将输入数据与系数数据混合的实例的无线发射器及接收器。举例来说,可通过将输入数据与系数数据混合来实施无线发射器的数字信号处理方面,如本文所描述。以此方式,计算系统可输出表示RF前端的操作的数据,以调制用于RF无线传输的输入数据。在一些实例中,系数数据可与输入数据混合以表示某些操作,例如:对输入数据进行块译码;交错块译码的输入数据;映射根据调制映射交错的块译码数据以生成调制输入数据;通过快速傅里叶逆变换(IFFT)将调制后的输入数据转换到频域;及使用载波信号混合转换到频域的调制后的输入数据,继而生成输出数据。无线发射器及/或无线接收器在本文中可称为无线收发器。
本文所描述的实例包含用于通过系数数据训练计算装置的系统及方法。在一些实例中,无线发射器可接收与RF无线传输相关联的输入。无线发射器可以执行作为RF前端的操作,例如调制用于RF无线传输的输入数据。由无线发射器生成的输出数据可与输入数据相比较以生成系数数据。可训练接收并比较所述输出数据以及其它对应输入数据及对应后续输出数据的计算装置,以基于专门设计的无线发射器的操作生成系数数据,使得使用系数数据混合任意输入数据会生成输出数据的近似值,就好像它是由专门设计的无线发射器处理的一样。系数数据也可存储在系数数据库中,其中每一组系数数据对应于可在RF域中用于数据传输的无线协议。
在一些实例中,计算装置可接收处理模式选择,例如从与计算系统交互的用户的处理模式选择。处理模式选择可指示计算系统的特定处理模式。如下文进一步描述,处理模式可对应于单处理模式、多处理模式,或完整处理模式。作为实例,完整处理模式可为表示无线发射器的处理模式(例如,无线发射器处理模式),或表示无线接收器的处理模式(例如,无线接收器处理模式)。举例来说,无线发射器模式可包括RF前端的操作。因此,当计算装置接收此处理模式选择时,计算装置可提供根据无线发射器模式进行处理的表示数据传输的输出数据。
一般来说,无线协议的任何方面可用于生成系数数据,所述系数数据又可用于混合输入数据以生成表示无线协议的所述方面的输出数据,所述输出数据在实施无线协议的所述方面的硬件中进行处理。举例来说,FPGA可用于处理IFFT,以根据结合IFFT的无线协议传输各种数据传输。如本文所公开,将输入数据与特定于IFFT操作的系数数据混合的计算系统可用于生成表示IFFT的输出数据,就好像输入数据在经配置以处理IFFT的上述FPGA中处理一样。在一些实例中,与处理IFFT的FPGA相比,计算系统有利地在更通用设置中执行。实施IFFT的FPGA可为经优化以在IFFT的特定设置(例如,256点IFFT设置)下执行的预设计硬件单元。因此,设计用于256点IFFT的FPGA限于针对指定256点IFFT的无线协议最佳地执行。然而,如果无线协议的特定实施方案制定512点FFT将由FPGA执行,则FPGA在所述设置中可能无法最佳地执行。使用本文所描述的系统及方法的实例,计算系统可有利地经配置以作为256点IFFT或512点IFFT操作,这取决于系统或用户输入(例如,处理模式选择),从而允许计算系统在比经配置以实施特定类型IFFT的FPGA更多的设置中最佳地执行。
尽管本文中已关于IFFT描述一些实例,但应了解,无线协议的各种方面可通过将输入数据与系数数据混合来处理,以生成表示所述方面的输出数据。举例来说,可通过与输入数据混合的系数数据实施的无线协议的其它方面包含但不限于:无线发射器的基带处理、无线接收器的基带处理、数字前端发射器(例如,数字RF晶体管)的处理、模数转换(ADC)处理、数模(DAC)转换处理、数字上变频(DUC)、数字下变频(DDC)、直接数字合成器(DDS)处理、具有DC偏移补偿的DDC、数字预失真(DPD)、峰值平均功率比(PAPR)确定、波峰因数降低(CFR)确定、脉冲整形、图像抑制、延迟/增益/不平衡补偿、噪声整形、数控振荡器(NCO)、自干扰消除(SIC)、任何调制算法、任何纠错译码或解码算法、信道估计、任何预译码算法及其组合。
多层神经网络(NN)及/或多层递归神经网络(RNN)可用于传输或接收无线输入数据(例如,作为将经由天线传输的无线输入数据或在天线处接收到的有噪声无线输入数据)。NN及/或RNN可具有非线性映射及分布式处理能力,这可有利于许多无线系统,例如涉及处理具有时变无线信道的无线输入数据的那些无线系统(例如,自主车辆网络、无人机网络或物联网(IoT)网络)。以此方式,本文所描述的神经网络及/或递归神经网络可用于实施与各种无线协议(例如,5G无线协议)相关联的无线系统。
图1A是根据本文中所描述的实例的布置在系统100中的电子装置110的示意图。电子装置110经由网络120耦合到存储器140,或耦合到存储器145,所述存储器中的每一个可存储系数数据。存储在存储器140或存储器145中的系数数据可包含系数数据,所述系数数据可与在本文中所描述的实例中由电子装置110接收的输入数据混合。电子装置110还包含处理单元112,其可与模式可配置控制件105及存储器107交互,所述模式可配置控制件及存储器两者可用可由处理单元112执行的指令编码。在一些实施方案中,模式可配置控制件105可实施为存储器。如本文中所使用,存储器可指计算机可读媒体,其可包含存储媒体及通信媒体两者。实例计算机可读媒体可包含在任何方法或技术中实施以存储例如计算机可读指令的信息的易失性及非易失性、可移动及不可移动媒体。模式可配置控制件105包含用于将输入数据与系数混合的可执行指令115;并且存储器107包含用于实施无线处理模式的可执行指令117。举例来说,可使用电路系统(例如,逻辑)、一或多个处理器、微控制器、控制器或其它元件来实施模式配置控制件105。模式配置控制件105可选择特定权重及/或其它参数(例如,从存储权重的存储器145),并且将那些权重及/或其它参数提供到图2A到2C的乘法/累加单元及/或存储器查找单元中的一或多个。在一些实例中,存储在存储器145中的权重及/或其它参数可与特定无线处理模式相关联。在操作期间,模式配置控制件105可用于基于所指示的无线处理模式选择存储器145中的权重及/或其它参数,所述无线处理模式可从执行用于实施无线处理模式的可执行指令117的存储器107供应。
可使用例如具有任何数目个核心的一或多个处理器来实施处理单元112。在一些实例中,处理单元112可包含电路系统,包含定制电路系统,及/或用于执行本文中所描述的功能的固件。举例来说,电路系统可包含用于执行所描述的功能的乘法单元/累加单元,如本文所描述。处理单元112可为包含但不限于微处理器或数字信号处理器(DSP)或其任何组合的任何类型。举例来说,处理单元112可包含高速缓存的层级(例如一级高速缓存及二级高速缓存)、核心及寄存器。实例处理器核心可包含算术逻辑单元(ALU)、位操纵单元、乘法单元、累加单元、加法器单元、查找表单元、存储器查找单元或其任何组合。本文中例如参考图2A、2B或2C描述处理单元112的实例。
模式可配置控制件105例如可通过用于将输入数据与系数数据混合的可执行指令115编码,例如以在处理单元112处将输入数据与系数数据混合。举例来说,在5G无线传输系统的上下文中,用于将输入数据与系数数据混合的可执行指令115可包含用于将表示输入数据的输出数据提供到天线131、133、135,所述输出数据根据用于所述5G无线传输的无线协议进行处理。用于将输入数据与系数数据混合的可执行指令115可进一步包含指令,用于将输入数据的一部分与系数数据相乘以生成系数乘法结果,并且将系数乘法结果累加以进一步与其它输入数据及系数数据相乘及累加,所述指令的实例在本文中描述。举例来说,为了生成系数乘法结果,第一乘法/累加处理单元(MAC单元)层可用多个系数计算输入数据,以生成此类系数乘法结果,或第一MAC单元层的第一处理结果。继续在实例中,为了提供输出数据,MAC单元的额外层可用额外的多个系数计算第一处理结果,以生成额外系数乘法结果,或MAC单元的额外层的第二处理结果。MAC单元的额外层中的最后一层的MLU可基于第二处理结果而提供输出数据。因此,用于将输入数据与系数数据混合的可执行指令115可包含用于不同类型的硬件实施方案,例如图2A到2C中所展示的那些硬件实施方案的各种可执行指令集合,以实施输入数据与系数数据的此种混合。
要混合的输入数据可用于RF域中的传输或者可从RF域中获得传输。电子装置110可经由耦合到电子装置110的多个天线传送或收发此类传输。每个天线131、133及135可与它收发、传输或接收RF传输的不同RF频率相关联。作为接收天线操作,天线131、133及135耦合到电子装置110。此类天线可获得RF传输,可将所述RF传输提供给处理单元112以作为输入数据进行处理。举例来说,每个天线131、133及135可表示在对应无线信道上获得的输入数据,所述无线信道例如与相应天线131、133及135的对应频率相关联的无线信道。因此,在相应天线131、133及135处获得的每个RF传输可称为要混合的输入数据的部分。作为发射天线操作,天线131、133及135可基于要混合的输入数据的变化部分提供输出数据。举例来说,混合的输入数据的每个部分可表示相应无线信道,其中提供输出数据以用于在天线131、133及135处作为多输入多输出(“MIMO”)RF信号传输。在一些实施方案中,MAC及MLU单元的额外层的数量与无线信道的数量相关联。
举例来说,存储器107可通过用于实施无线处理模式的可执行指令117编码。处理模式选择可使电子装置110基于处理模式选择接收用于传输的输入数据。一般来说,电子装置110可根据各种处理模式处理输入数据。在实例中,多处理模式可包含无线协议的至少两个方面,然而单处理模式包含无线协议的一个方面。除其它方面外,无线协议的方面可包含:快速傅里叶变换(FFT)处理、快速傅里叶逆变换(IFFT)处理、译码、涡轮译码、里德所罗门处理、解码、交错、解交错、调制映射、解调映射、加扰、解扰或信道估计。在一些实例中,可将输出数据格式化,使得输出数据可由另一无线处理单元接收以用于进一步处理。举例来说,计算系统可在单处理模式中作为译码操作来操作以输出译码数据。或者,在特定实例中,计算系统可在单次处理中作为涡轮译码操作来操作以输出涡轮译码的数据。可将所述译码数据格式化以由另一无线处理单元接收,例如可由计算系统或另一个计算系统(例如,云计算系统)以不同方式处理的交错。处理模式选择可经由用户接口114接收。在一些实例中,可通过对传入输入数据的某一部分进行解码及/或检查来接收处理模式选择。举例来说,电子装置110可识别输入数据旨在用于使用特定处理模式进行处理,例如,通过识别输入数据中指示所述处理模式的模式或其它签名。在一些实例中,还可从网络120接收处理模式选择。在从网络120接收传入数据流时,电子装置110可从在网络120处实施的控制信道或其它控制平面接收所述数据流中的处理模式选择。举例来说,实施为用户设备(UE)的电子装置110可通过控制信道从网络120接收无线电资源控制(RRC)信令,其中所述RRC包含用于将由电子装置110实施的处理模式选择的配置或标志。
用户接口114可用多个输入装置中的任一个实施,包含但不限于触摸屏、键盘、鼠标、麦克风或其组合。用户接口114可从用户接收例如关于处理模式选择的输入,以指定用于处理单元112的处理模式。用户接口114可将用户输入传送到模式可配置控制件105及存储器107以用于处理用户输入。实例用户接口114包含串行接口控制器或并行接口控制器,其可经配置以与外部输入装置(例如,键盘、鼠标、笔、语音输入装置、触摸输入装置等)通信。
网络120可包含有线网络或直接有线连接,及无线媒体,例如声学、射频(RF)、微波、红外(IR)及其它无线媒体。
存储器107、140及145(或模式可配置控制件105,如果实施为存储器)可使用可由处理单元112存取的任何存储媒体来实施。举例来说,RAM、ROM、固态存储器、快闪存储器、磁盘驱动器、系统存储器、光学存储装置或其组合可用于实施模式可配置控制件或存储器107、140及145。举例来说,模式可配置控制件105及存储器107可存储系数与无线协议及/或本文所描述的处理模式之间的相关性。
电子装置110可使用各种计算系统中的任一个来实施,包含但不限于一或多个台式计算机、服务器、膝上型计算机或其它计算机。电子装置110通常包含一或多个处理单元112。计算系统100可使用任何用户通信装置来实施为移动通信装置,包含但不限于台式计算机、膝上型计算机、蜂窝电话、平板计算机、电器、汽车或其组合。电子装置110可用移动应用程序(例如,处理单元112及用指令编码的计算机可读媒体,所述指令在执行时使电子装置110执行所描述的功能)编程以将输入数据与系数数据混合或指定处理模式举例来说,电子装置110可经编程以从移动通信装置的触摸屏接收多处理模式将用于经由5G无线数据传输接收到的数据的指示。
应理解,系统100的计算系统的布置可为相当灵活的,并且虽然未展示,但应理解,系统100可包含许多电子装置110,所述电子装置可经由网络120连接、可彼此结合操作以执行本文中所描述的系统及方法。在一些实例中,存储器145及/或存储器140可使用相同媒体来实施,并且在其它实例中,可使用不同媒体来实施。举例来说,虽然存储器140在图1A中展示为耦合到网络120,但应了解,存储器140还可由电子装置110实施为模式可配置控制件105的一部分。另外,虽然图1A中展示单个用户接口114,但应了解,电子装置110可进一步包含任何数目个输入装置、输出装置及/或外围组件。举例来说,用户接口114可为移动通信装置的接口。
图1B是根据本文中所描述的实例布置的神经网络的示意图。神经网络150包含三个级(例如,层)。虽然图1B中展示三个级,但在其它实例中,可使用任何数目个级。神经网络150的第一级包含节点168、节点169、节点172及节点174。神经网络150的第二级包含组合器152、组合器154、组合器156及组合器158。神经网络150的第三级包含组合器160、组合器162、组合器164及组合器166。在其它实例中,可使用额外、更少及/或不同组件。
一般来说,可使用包含多个节点级的神经网络。节点可使用处理单元(例如,处理单元112)来实施,所述处理单元可对从前一级接收到的输入执行一或多个函数且将函数的输出提供到神经网络的下一级。处理单元可使用例如一或多个处理器、控制器及/或定制电路系统,例如专用集成电路(ASIC)及/或现场可编程门阵列(FPGA)来实施。在一些实例中,处理单元可使用关于图2A到2C所描述的一或多个处理单元的任何组合来实施。处理单元可实施为组合器及/或求和器及/或用于执行分配到处理单元的函数的任何其它结构。在一些实例中,本文中所描述的神经网络的某些元件执行加权和,例如,可使用一或多个乘法/累加单元来实施,所述乘法/累加单元可使用处理器及/或其它电路系统来实施。在实例中,神经网络150可由电子装置110实施。
在图1B的实例中,神经网络150可具有输入层,其可为包含节点168、节点169、节点172及节点174的神经网络的第一级。节点,节点168、节点169、节点172及节点174可实施线性函数,所述线性函数可将输入信号(例如,x1(n),x2(n),...xm(n))提供到神经网络的另一级(例如,‘隐藏级’或‘隐藏层’)。因此,在图1B的实例中,可在操作期间将输入数据的m个信号提供到神经网络的输入级(例如,输入层)。在一些实例中,输入数据可为与无线协议相关联的无线输入数据(例如,将根据无线协议作为传输中的无线信号传输的输入数据,及/或根据无线协议接收的数据)。在一些实施方案中,输入数据还可为要在神经网络150处理(例如,解码)的接收到的无线信号,例如,因为神经网络150可作为经配置以根据特定无线协议操作的无线接收器接收及处理接收到的无线信号。输入数据的m个信号可由神经网络150的第一级输出到神经网络150的下一级。在一些实例中,可不对神经网络150的第一级与第二级之间的连接进行加权,例如,在一些实例中,第二级中的处理单元可从第一级接收未更改的信号。可将输入信号中的每一个提供到下一级中的处理单元中的多个处理单元。虽然展示输入层,但在一些实例中,输入层可不存在。
神经网络150可具有下一层,在一些实例中,所述下一层可称为‘隐藏层’。下一层可包含组合器152、组合器154、组合器156及组合器158,但可使用任何数目个元件。虽然神经网络150的第二级中的处理元件称为组合器,但通常第二级中的处理元件可使用在处理元件处接收到的输入信号来执行非线性激活函数。可使用任何数目个非线性激活函数。可使用的函数的实例包含高斯函数,例如可使用的函数的实例包含多二次函数,例如f(r)=(r2+σ2)1/2。可使用的函数的实例包含逆多二次函数,例如f(r)=(r2+σ2)-1/2。可使用的函数的实例包含薄板样条函数,例如f(r)=r2log(r)。可使用的函数的实例包含分段线性函数,例如可使用的函数的实例包含立方近似函数,例如在这些实例函数中,σ表示真实参数(例如,缩放参数),并且r为输入向量与当前向量之间的距离。可使用多种度量中的任一个(包含欧几里德范数)来测量距离。
‘隐藏层’中的每一元件可接收输入数据的所选择信号(例如,一些或全部)作为输入。举例来说,‘隐藏层’中的每一元件可接收输入层中的多个所选择单元(例如,一些或全部单元)的输出作为输入。举例来说,组合器152可接收节点168、节点169、节点172及节点174的输出作为输入。虽然在图1B中借助于实例展示单个‘隐藏层’,但任何数目个‘隐藏层’可存在且可串联连接。虽然在‘隐藏层’中展示四个单元,但可使用任何数目,并且它们的数目可与输入层中的节点的数目及/或任何其它隐藏层中的节点的数目相同或不同。隐藏层中的节点可使用在隐藏层节点(例如,元件)处接收到的数据的组合来评估至少一个非线性函数。以此方式,隐藏层可在一或多个隐藏层的输出处提供中间数据。
神经网络150可具有输出层。图1B的实例中的输出层可包含组合器160、组合器162、组合器164及组合器166,但可使用任何数目个元件。虽然神经网络150的输出级中的处理元件称为组合器,但通常输出中的处理元件可使用来自神经网络中的最后一个‘隐藏层’的中间处理结果来执行任何组合或其它操作。输出层中的每一元件可接收由最后一个‘隐藏层’提供的数据的所选择中间处理结果(例如,一些或全部)作为输入。举例来说,组合器160可接收组合器152、组合器154、组合器156及组合器158的输出作为输入。可对隐藏层与输出层之间的连接进行加权。举例来说,可指定权重W的集合。在一些实例中,存在用于隐藏层节点与输出层节点之间的每个连接的一个权重。在一些实例中,对于每一隐藏层节点,可存在可应用于由所述节点提供到每一连接输出节点的数据的一个权重。还可使用权重的其它分布。在将输出提供到输出层之前,可将权重与隐藏层的输出相乘。以此方式,输出层可执行经加权输入的求和。因此,神经网络150的输出(例如,输出层的输出)可称为加权和。输出层可因此使用权重来组合从一或多个隐藏层接收到的中间数据以提供输出数据。
在一些实例中,神经网络150可用于提供表示对应于m个输入信号的经处理数据的L个输出信号。举例来说,在图1B的实例中,m个输入信号展示为(x1(n),x2(n),...xm(n)),并且提供L个输出信号(y1(n),y2(n),...yL(n))。可训练神经网络150,使得由隐藏层的元件使用的权重W及/或提供的函数使神经网络150提供输出信号,所述输出信号表示对应于m个无线输入信号的经处理数据。输入信号可为与无线协议相关联的无线输入数据(例如,要根据无线协议在传输中作为无线信号传输的输入数据),及由隐藏层的元件提供的权重及/或函数可根据无线协议进行选择。输入数据还可为要在神经网络150处理(例如,解码)的接收到的无线信号,例如,因为神经网络150可作为经配置以根据特定无线协议操作的无线接收器接收及处理接收到的无线信号。因此,当神经网络150用于传输及接收时,可训练神经网络150多次,例如对于可用于向神经网络150提供无线输入数据的每个无线协议至少两次,例如对于作为经配置以根据特定无线协议操作的无线发射器传输无线输入数据训练一次,及对于作为经配置以根据特定无线协议操作的无线接收器接收无线输入数据训练一次。
可训练神经网络的实例。训练通常是指确定要由神经网络利用以产生输入数据到输出数据的所要变换的权重、函数及/或其它属性的过程。在一些实例中,可训练本文所描述的神经网络以将无线输入数据变换到输出数据(例如,将根据无线协议在传输中传输的输入数据)。在一些实例中,可训练本文所描述的神经网络以将接收到的无线输入数据解码及/或处理成输出数据(例如,接收到的无线数据的估计,如同它由无线接收器基于来自无线接收器的数据接收及解码一样,在所述无线接收器上训练神经网络150)。在一些实施方案中,神经网络可用于减少输入数据中存在的噪声。举例来说,可经由有噪声无线信道接收一些接收到的无线输入数据,所述有噪声无线信道可在时域及频域两者中将噪声引入到接收到的无线信号中。在RNN中使用无线输入数据的时间延迟版本,可补偿在时域及频域中引入的噪声,因为RNN利用与无线输入数据的时间延迟版本相关的相应时间及频率相关性。以此方式,神经网络可用于减少及/或改进可由噪声引入的误差。
可在各种实例中监督或不监督如本文中所描述的训练。在一些实例中,训练可使用已知对的预期输入及所要输出数据进行。举例来说,训练可利用已知的无线输入数据及输出数据对来训练神经网络,以将后续无线输入数据接收及处理成输出数据(例如,将根据无线协议在传输中传输的输入数据)。在一些实例中,训练可利用已知的有噪声无线数据及输出数据对来训练神经网络,以将后续有噪声无线输入数据解码成输出数据(例如,根据无线协议从有噪声无线信道接收的输入数据)。在一些实例中,训练可利用已知的有噪声输入数据及输出数据对来训练神经网络,以提供与输入有噪声无线数据相比具有减少的噪声的输出数据。训练的实例可包含确定要由例如图1B的神经网络150等神经网络使用的权重。在一些实例中,在训练期间使用如将在操作期间使用的相同神经网络硬件。然而,在一些实例中,可在训练期间使用不同神经网络硬件,并且可存储在训练期间确定的权重、函数或其它属性以供其它神经网络硬件在操作期间使用。举例来说,电子装置110的在图1A及/或图2A到2C中描述的硬件实施方案利用处理单元112(例如,图2A到2C中所示的一或多个处理单元的任何组合)。
可在数学上描述训练的实例。举例来说,考虑在时刻(n)处的输入数据,给出为:X(n)=[x1(n),x2(n),…xm(n)]T。神经网络150的隐藏层中的每一元件(例如,组合器152、组合器154、组合器156及组合器158)的中心向量可表示为Ci(对于i=1,2,…,H,其中H为隐藏层中的元件数目)。
隐藏层中的每一元件的输出可随后给出为:
hi(n)=fi(‖X(n)-Ci‖)对于(i=1,2,……,H) (1)
可对最后一个隐藏层与输出层之间的连接进行加权。输出层中的每一元件可具有线性输入-输出关系,使得其可执行求和(例如,加权求和)。因此,在时间n处输出层中的第i个元件的输出可写成:
对于(i=1,2,…,L),并且其中L是输出层的输出的元件数目,且Wij是在隐藏层中的第j个元件与输出层中的第i个元件之间的连接权重。
一般来说,神经网络架构(例如,图1B的神经网络150)可包含多个元素并且可具有分布在输入域中的中心向量,使得神经网络可逼近非线性多维函数,因此可逼近经配置以接收或传输(或收发)输入数据(例如,将作为无线信号的信号或接收到的无线信号)为输出数据(例如,无线传输信号或来自接收到的无线信号的解码信号)的无线接收器或发射器。通常,由隐藏层中的元件使用的转移函数的选择可不影响神经网络的映射性能,并且因此在一些实例中,可使用在硬件中可方便地实施的函数。举例来说,薄板样条函数及/或高斯函数可用于各种实例中且均可提供足够近似能力。还可使用其它函数。
可因此由属性(例如,参数)指定神经网络的实例。在一些实例中,两个参数集合可用于指定神经网络:连接权重和中心向量(例如,阈值)。可通过求解优化函数而从所选择输入数据(例如,经编码输入数据)确定参数。实例优化函数可给出为:
其中M是经训练输入向量(例如,经训练的编码数据输入)的数目且Y(n)是使用以上等式(1)及(2)从样本输入向量计算的输出向量,且是对应的所需(例如,已知)输出向量。输出向量Y(n)可写成:Y(n)=[y1(n),y2(n),………yL(n)]T
各种方法(例如,梯度下降过程)可用于求解优化函数。然而,在一些实例中,另一方法可用于确定神经网络的参数,其通常可包含两个步骤-(1)确定中心向量Ci(i=1,2,…,H),及(2)确定权重。
在一些实例中,可从可用样本向量的子集选择中心向量。在此类实例中,隐藏层中的元件的数目可相对较大以覆盖整个输入域。因此,在一些实例中,可能需要应用k均值聚类算法。通常,k均值聚类算法根据吸引子的自然测量分布中心向量(例如,如果数据点的密度高,因此为中心的密度)。k均值聚类算法可寻找聚类中心集合且将训练样本分区为子集。每一聚类中心可与此网络中的H个隐藏层元件中的一个相关联。数据可经分区,其方式为使得将训练点指派到具有最近中心的聚类。聚类中心对应于优化函数的最小值中的一个。与k均值聚类算法一起使用的实例优化函数可给出为:
其中Bjn为形成HxM矩阵的聚类分区或隶属函数。每一列可表示可用样本向量(例如,已知输入数据),并且每一行可表示聚类。每一列可在对应于最接近于所述训练点的聚类的行中包含单个‘1’,并且在其它地方包含零。
每一聚类的中心可初始化为不同随机选择的训练点。随后,可将每一训练实例指派到最接近于其的元件。在已指派所有训练点时,可发现每一聚类的训练点的平均位置,并且将聚类中心移动到所述点。聚类可变为隐藏层元件的所要中心。
在一些实例中,对于一些转移函数(例如,高斯函数),可确定缩放因数σ,并且可在确定连接权重之前确定所述缩放因数。缩放因数可经选择以覆盖训练点以允许所要网络输出的平滑拟合。通常,这是指处理元件中心的凸包内的任何点可显著激活多于一个元件。为了实现此目标,每一隐藏层元件可在显著程度上激活至少一个其它隐藏层元件。确定缩放参数σ的合适方法可基于P最近邻启发式,其可给出为,
其中Cj(对于i=1,2,…,H)是Ci的P最近邻。
可另外或替代地在训练期间确定连接权重。在具有加权连接的一个隐藏层及为求和单元的输出元件的神经网络的实例中,例如图1B的神经网络150,一旦已确定中心向量及缩放参数,等式(3)的优化函数就可变为线性最小二乘问题。线性最小二乘问题可写成
其中W={Wij}是连接权重的LxH矩阵,F是隐藏层处理元件的输出的HxM矩阵,并且其矩阵元件使用Fin=fi(‖X(n)-Ci‖)(i=1,2,……,H;n=1,2,……,M)计算,且是所要(例如,已知)输出的LxM矩阵。连接权重矩阵W可从等式(5)找到且可写成如下:
其中F+是F的伪逆。以此方式,上文可提供用于确定神经网络的连接权重的批处理方法。其可应用于例如其中所有输入样本集合可同时可用的情况。在一些实例中,每一新样本集合可递归地变得可用,例如在递归最小二乘算法(RLS)中。在此类情况下,可如下确定连接权重。
首先,连接权重可初始化为任何值(例如,可使用随机值)。可使用等式(2)来计算输出向量Y(n)。可如下计算输出层中的每一输出元件的误差项ei(n):
接着可例如如下基于误差项而调整连接权重:
Wij(n+1)=Wij(n)+γei(n)fj(‖X(n)-Ci‖) (7)
(i=1,2,……,L;j=1,2,……,M)
其中γ为可为固定或时变的学习速率参数。
可根据来自输出层的输出和所要(已知)数据计算总误差:
过程可通过再次计算新输出向量、误差项并再次调整连接权重来迭代。过程可继续直到识别将误差减小到等于或小于阈值误差的权重为止。
因此,图1B的神经网络150可经训练以确定供神经网络150用于执行输入数据与输出数据之间的特定映射的参数(例如,权重)。举例来说,训练神经网络150可提供参数集以在接收无线输入数据时使用,从而如无线接收器那样将所述数据解码成输出数据。另外或替代地,训练神经网络150可提供所述参数集,以在接收无线输入数据时使用,如在有噪声的无线信道中所经历。举例来说,可使用不同已知输入/输出数据对来多次训练神经网络150(及/或另一神经网络)。举例来说,在对接收到的无线信号进行解码的上下文中,可使用用于不同解调映射的已知输入/输出对。在一些实例中,在对接收到的无线信号进行解码的相同上下文中,可利用用于无线接收器处理模式的多于一个方面的已知输入/输出对,例如解码方面、解交错方面及解调方面,或无线接收器处理方面的任何组合。作为另一实例,训练神经网络150可提供一个参数即,以在将输入数据变换为将作为无线信号传输的输出数据时使用,因为无线发射器将处理此种输入数据。
多个训练可产生多个连接权重集合。举例来说,可针对多个无线协议中的每一个确定不同权重集合-例如,可确定一个权重集合以用于根据无线协议传输无线输入数据,并且可确定另一权重集合以用于根据所述无线协议接收及解码无线输入数据。
回顾一下,仅借助于实例提供图1B的神经网络150的结构。在其它实例中可使用其它多层神经网络结构。此外,还借助于实例提供本文中所描述的训练过程。举例来说,其它训练技术(例如,学习算法)可用于解决局部最小值问题及/或消失梯度问题。可通过神经网络的离线学习模式获得每一解码器的所确定权重及/或向量,这可有利地提供更多资源及数据。在一些实施方案中,例如如参考图2A到2C所描述,组合器(例如,组合器152、组合器154、组合器156及组合器158)的隐藏层可包含乘法/累加(MAC)单元,其中每一层具有额外MAC单元。已在相应处理元件(例如,相应MAC单元)中累加中间处理结果的此类实施方案还可包含存储器查找(MLU)单元,其经配置以检索多个系数且提供所述多个系数作为要与输入数据混合的所述相应MAC单元层的连接权重(例如,所确定权重)。
图1C是根据本文中所描述的实例布置的递归神经网络的示意图。神经网络170包含三个级(例如,层):输入节点171;组合器级173及175,及输出节点177。虽然在图1C中展示三个级,但在其它实例中,可使用任何数目个级,例如,如参考图2A到2C所描述。在一些实施方案中,神经网络170可具有多个组合器级,使得将来自一个组合器级的输出提供到另一组合器级,直到提供到输出节点177为止。如参考图2A所描述,例如,在神经网络170中可存在多个组合器级。如图1C中所描绘,延迟单元175a、175b及175c可为神经网络170的任选组件。在如本文中所描述利用此类延迟单元175a、175b及175c时,神经网络170可称为递归神经网络。
神经网络170的第一级包含输入节点171。输入节点171可在递归神经网络的各种输入处接收输入数据。在一些实例中,输入节点171可包含多个输入节点,例如图1B的输入节点168、节点169、节点172及节点174。神经网络170的第二级为组合器级,其包含组合器单元173a、173b、173c;及延迟单元175a、175b、175c。因此,组合器单元173及延迟单元175可共同地称为组合器级。在一些实施方案中,组合器单元173a、173b及173c可例如对应于图1B的组合器152、组合器154及组合器156。因此,如关于图1B所描述,其中处理单元112实施此类组合器,通常实施第二级中的组合器单元173a-c及延迟单元175a-c的处理单元112可使用来自输入节点171的输入数据(例如,输入信号X1(n)、X2(n)及X3(n))来执行非线性激活函数。神经网络170的第三级包含输出节点177。在一些实例中,输出节点177可包含图1B的组合器160、组合器162及组合器164。因此,在一些实例中,输出节点177可称为组合器级。在其它实例中,可使用额外、更少及/或不同组件。
递归神经网络170包含延迟单元175a、175b及175c,所述延迟单元基于从相应组合器单元173a-c接收到此输出数据而生成来自相应组合器单元173a-c的输出的延迟版本。在实例中,组合器单元173a-c的输出数据可表示为h(n);并且,因此延迟单元175a-c中的每一个延迟组合器单元173a-c的输出数据,以生成来自组合器单元173a-c的输出数据的延迟版本,其可表示为h(n-t)。在各种实施方案中,延迟量t还可不同,例如,一个时钟循环、两个时钟循环或一百个时钟循环。也就是说,延迟单元175可接收时钟信号且利用时钟信号来识别延迟量。在图1C的实例中,将延迟版本延迟一个时间周期,其中‘1’表示时间周期。时间周期可对应于任何数目个时间单位,例如由时钟信号定义的时间周期或由神经网络170的另一元件定义的时间周期。
在图1C的实例中继续,每一延迟单元175a-c将来自组合器单元173a-c的输出数据的延迟版本作为输入提供到组合器单元173a-c,以任选地作为递归神经网络操作。此类延迟单元175a-c可将来自组合器单元173a-c的节点的输出数据的相应延迟版本提供到组合器单元173a-c的相应输入单元/节点。在利用来自组合器单元173a-c的输出数据的延迟版本时,递归神经网络170可在组合器单元173a-c处训练权重,所述权重并入有要由此递归神经网络170处理的输入数据的时变方面。在一些实例中,一旦进行训练,输入节点171就接收要在递归神经网络170中接收及处理的无线输入数据,作为与无线协议相关联的无线接收器。每个输入数据流可对应于不同的接收信号或要在对应天线(例如,图1A的天线131、133、135)处传输的信号。因此,因为RNN 170并入有来自组合器单元173a-c的输出数据的延迟版本,所以输入数据的时变性质可提供对输入数据的更快且更有效的处理。举例来说,在输入数据是接收到的无线信号的上下文中,接收信号的时间相关性可并入到解码输出数据的估计中,使得解码的经处理数据是比不利用延迟单元175a-c的神经网络的输出数据更佳的估计。在一些实施方案中,在从有噪声的无线信道接收无线信号的上下文中,170提供用于接收及处理有噪声的无线输入数据的个体化频带、时间相关数据。因此,递归神经网络170可在无线网络中更有效地操作,其中信号在时变无线信道中经历时间变化,从而部分地导致接收到的无线信号中的噪声。尽管在要接收及解码的r个输入数据的上下文中进行描述,但是可理解,递归神经网络170也可进行训练并应用于要传输的输入数据,例如其中递归神经网络170根据无线协议实现为无线发射器。
一般来说,递归神经网络可包含多个节点级。节点可使用处理单元(例如,处理单元112)来实施,所述处理单元可对从前一级接收到的输入执行一或多个函数且将函数的输出提供到递归神经网络的下一级。处理单元可使用例如一或多个处理器、控制器及/或定制电路系统,例如专用集成电路(ASIC)及/或现场可编程门阵列(FPGA)来实施。在一些实例中,处理单元可使用关于图2A到2C所描述的一或多个处理单元112的任何组合来实施。处理单元可实施为组合器及/或求和器及/或用于执行分配到处理单元的函数的任何其它结构。在一些实例中,本文中所描述的神经网络的某些元件执行加权和,例如,可使用一或多个乘法/累加单元来实施,所述乘法/累加单元可使用处理器及/或其它电路系统来实施。在实例中,神经网络170可由电子装置110利用关于图2A到2C所描述的一或多个处理单元的任何组合来实施。
可在数学上描述递归神经网络训练及推断的实例。作为实例,再次考虑在时刻(n)处的输入数据,给出为:X(n)=[x1(n),x2(n),…xm(n)]T。用于递归神经网络170的隐藏层中的每个元件(例如,包含图1B的组合器152、组合器154、组合器156及组合器158的组合器单元173)的中心向量可表示为Ci(对于i=1,2,…,H,其中H是隐藏层中的元件数)。
隐藏层中的每一元件的输出可随后给出为:
hi(n)=fi(‖X(n)+hi(n-t)-Ci‖)对于(i=1,2,……,H) (9)
t可为延迟单元175处的延迟,使得组合器单元173的输出包含组合器单元173的输出的延迟版本。在一些实例中,这可称为组合器单元173的反馈。因此,可对最后一个隐藏层与输出层之间的连接中的每一个进行加权。输出层中的每一元件可具有线性输入-输出关系,使得其可执行求和(例如,加权求和)。因此,在时间n处输出层中的第i个元件的输出可写成:
对于(i=1,2,…,L),并且其中L是输出层的输出的元件数目,且Wij是在隐藏层中的第j个元件与输出层中的第i个元件之间的连接权重。
另外或替代地,虽然已关于包含组合器单元173a-c及延迟单元175a-c的组合器的单个级(例如,第二级)描述图1C,但可了解,类似组合器级的多个级可包含在具有不同类型的组合器单元及具有不同延迟的不同类型的延迟单元的神经网络170中,例如,如现在将参考图2A到2C所描述。
图2A是根据本文中所描述的实例的布置在系统200中的处理单元112的示意图。此硬件实施方案(例如,系统200)可用于例如实施一或多个神经网络,例如图1B的神经网络150或图1C的递归神经网络170。另外或替代地,在一些实施方案中,处理单元112可从此类计算系统接收输入数据210a、210b及210c。输入数据210a、210b及210c可为从传感器获得的数据或存储在存储器145中的数据。在一些实例中,存储在存储器145中的数据可为从耦合到电子装置110的多个天线获得的输入数据,在所述电子装置中实施处理单元112。在电子装置110耦合到多个天线131、133及135的实例中,输入数据210a X1(i,i-1)可对应于以第一频率在天线131处获得的第一RF传输;输入数据210bX2(i,i-1)可对应于以第二频率在天线133处获得的第二RF传输;及输入数据210c Xm(i,i-1)可对应于以第m频率在天线135处获得的第m RF传输。m可表示天线的数目,其中每一天线接收输入数据的部分。
在一些实例中,m还可对应于通过其获得输入数据的无线信道的数目;举例来说,在MIMO传输中,可在多个天线131、133及135处通过多个无线信道获得RF传输。在输入数据是要传输的数据的实例(与获得相比)中,输入数据210a、210b、210c可对应于要处理为多个天线的RF传输的输入数据的部分。举例来说,输出数据230B(n)可为要在实施计算系统200的处理单元112的电子装置处的天线131、133及135处传输的MIMO输出信号。
如输入数据信号的表示中所表示,输入数据210a X1(i,i-1)包含在时间i处的输入数据的当前部分及在时间i-1处的输入数据的先前部分。举例来说,输入数据的当前部分可为在特定时间周期处(例如,在时间i处)在天线131处获得的样本,而输入数据的先前部分可为在特定时间周期之前的时间周期处(例如,时间i-1处)在天线131处获得的样本。因此,输入数据的先前部分可称为输入数据的当前部分的时间延迟版本。举例来说,可以向量或矩阵格式获得每一时间周期处的输入数据的部分。在实例中,时间ⅰ处的输入数据的当前部分可为单个值;并且时间i-1处的输入数据的先前部分可为单个值。因此,输入数据210aX1(i,i-1)可为向量。在一些实例中,时间i处的输入数据的当前部分可为向量值;并且时间i-1处的输入数据的先前部分可为向量值。因此,输入数据210a X1(i,i-1)可为矩阵。
用输入数据的当前部分及先前部分获得的此输入数据可表示马尔可夫过程,使得至少当前样本与先前样本之间的因果关系可改进用于训练要由处理单元112的MAC单元及MLU利用的系数数据的权重估计的准确性。如前所述,输入数据201可表示以第一频率获得的数据及/或在第一无线信道处获得的数据。因此,输入数据210bb X2(i,i-1)可表示在第二频率下或在第二无线信道处获得的数据,包含时间ⅰ处的输入数据的当前部分及时间i-1处的输入数据的先前部分。并且,在一些实例中,由处理单元112获得的输入信号的数目可等于耦合到实施处理单元112的电子装置110的天线的数目。因此,输入数据210c Xm(i,i-1)可表示在第m频率下或在第m无线信道处获得的数据,包含时间ⅰ处的输入数据的当前部分及时间i-1处的输入数据的先前部分。
处理单元112可包含乘法单元/累加(MAC)单元212a-c、216a-b及220;延迟单元213a-c、217a-b及221;及存储器查找单元(MLU)214a-c、218a-b及222,其在与从存储器145获得的输入数据混合时可生成输出数据(例如,B(1))230。具有不同元件编号的MAC单元及MLU单元的每一集合可称为用于处理单元112的组合器的相应级。举例来说,组合器的第一级包含结合延迟单元213a-c操作的MAC单元212a-c及MLU 214a-c,以形成第一级或“层”,如关于具有作为各种组合器级的“隐藏”层的图1B所参考。在实例中继续,组合器的第二级包含结合延迟单元217a-b操作的MAC单元216a-b及MLU218a-b,以形成第二级或隐藏层的第二层。并且,组合器的第三级可为包含结合延迟单元221操作的MAC单元220及MLU 222的单个组合器,以形成第三级或隐藏层的第三层。
在生成用于传输的RF传输的实例中,输出数据230 B(1)可用作要在多个天线处发射的MIMO RF信号。在获得在多个天线处获得的RF传输的实例中,输出数据230 B(1)可表示由另一RF电子装置发射的解调后的经解码信号。在任何情况下,处理单元112可提供存储在模式可配置控制件105中的指令115,以使处理单元112配置乘法单元212a-c、216a-c及220以将输入数据210a、210b及210c及来自延迟单元213a-c、271a-b及221的处理结果(例如,MAC单元的相应层的相应输出)的延迟版本与系数数据相乘及/或累加,以生成输出数据230B(1)。举例来说,模式可配置控制件105可执行指令,所述指令使存储器145将存储在存储器145中的可与特定无线处理模式相关联的权重及/或其它参数提供到MLU 214a-c、218a-b及222,作为用于MAC单元212a-c、216a-b及220及延迟单元213a-c、271a-b及221的权重。在操作期间,模式配置控制件105可用于基于用于处理单元112的所指示无线处理模式(例如,所指示无线处理模式来自执行用于无线处理模式117的可执行指令的存储器107)而选择存储器145中的权重及/或其它参数。
如MAC单元的相应层的相应输出(例如,MLU 214a-c、218a-b及222的输出)的表示中所表示,到每一MAC单元212a-c、216a-b及220的输入数据包含时间i处的输入数据的当前部分及时间i-1处的处理结果的延迟版本。举例来说,输入数据的当前部分可为在特定时间周期处(例如,在时间i处)在天线131处获得的样本,而处理结果的延迟版本可从延迟单元213a-c、271a-b及221的输出获得,所述输出表示特定时间周期之前的时间周期(例如,作为所引入延迟的结果)。因此,在使用从当前周期及至少一个先前周期两者获得的此输入数据时,输出数据230 B(1)可表示马尔可夫过程,使得来自当前时间周期及先前时间周期的至少数据之间的因果关系可改进用于训练要由处理单元112的MAC单元及MLU利用的系数数据的权重估计或利用处理单元112对无线输入数据或有噪声的无线输入数据的推断的准确性。如前所述,输入数据201可表示以第一频率获得的数据及/或在第一无线信道处获得的数据。因此,输入数据210b X2(i,i-1)可表示以第二频率或在第二无线信道处获得的数据。并且,在一些实例中,由处理单元112获得的输入信号的数目可等于耦合到实施处理单元112的电子装置110的天线的数目。因此,输入数据210c Xm(i,i-1)可表示在第m频率下或在第m无线信道处获得的数据,包含时间i处的输入数据的当前部分。因此,在利用来自213a-c、271a-b及221的输出数据的延迟版本时,递归神经网络170提供个性化的频带、时间相关数据,用于接收及处理例如如从有噪声的无线信道接收的有噪声的无线输入数据。因此,递归神经网络170可在信号在时变无线信道中经历时变的无线网络中更有效地操作。
在执行用于将输入数据与系数混合的此类指令115的实例中,在MAC单元212a-c及MLU 214a-c的第一层处,乘法单元/累加单元212a-c经配置以将来自对应输入数据210a、210b或210c的至少两个操作数及来自相应延迟单元213a-c的操作数相乘及累加,以生成提供到MLU 214a-c的乘法处理结果。举例来说,乘法单元/累加单元212a-c可执行相乘-累加操作,使得三个操作数M、N及T相乘,并且接着与P相加,以生成存储在其相应MLU 214a-c中的P的新版本。因此,MLU 214a锁存乘法处理结果,直到将所存储乘法处理结果提供到MAC单元的下一层的时间为止。MLU 214a-c、218a-b及222可由作为例如D、T、SR及/或JK锁存器的存储器查找单元操作的任何数目个处理元件实施。
图2A中所展示的MLU 214a-c、218a-b及222可通常执行从输入到输出的预定非线性映射。举例来说,MLU 214a-c、218a-b及222可用于评估至少一个非线性函数。在一些实例中,所描绘的各种MLU 214a-c、218a-b及222的内容及大小可不同且可为预定的。在一些实例中,图2A中所展示的MLU 214a-c、218a-b及222中的一或多个可由单个合并MLU(例如,表查找)替换。可由MLU 214a-c、218a-b及222执行的非线性映射(例如,函数)的实例包含高斯函数、分段线性函数、S形函数、薄板样条函数、多二次函数、立方近似及逆多二次函数。还已参考图1B描述函数的实例。在一些实例中,所选择MLU 214a-c、218a-b及222可被绕过及/或可被解除激活,这可允许MLU及其相关联MAC单元被视为单位增益元件。
另外,在实例中,MLU 214a将处理结果提供到延迟单元213a。延迟单元213a延迟处理结果(例如,h1(i)),以产生处理结果的延迟版本(例如,h1(i-1)),以作为操作数T输出到MAC单元212a。虽然图2A的延迟单元213a-c、217a-b及221被描绘为引入延迟‘1’,但可了解,可将不同量的延迟引入到第一MAC单元层的输出。举例来说,引入样本延迟‘1’(例如,h1(i-1))的时钟信号可替代地引入样本延迟‘2’、‘4’或‘100’。在各种实施方案中,延迟单元213a-c、217a-b及221可对应于可使用时钟信号或其它时间定向信号来将延迟引入到处理电路系统的任何数目个处理单元,所述处理单元例如可作为延迟单元操作的触发器(例如,D触发器)及/或一或多个各种逻辑门(例如,AND、OR、NOR等…)。
在递归神经网络的第一隐藏层的实例中,MLU 214a-c可检索存储在存储器145中的系数数据,其可为与要应用于第一MAC单元层以应用于来自当前周期的数据及来自先前周期的数据(例如,第一层处理结果的延迟版本)两者的权重相关联的权重。举例来说,MLU214a可为检索要应用于操作数M及N两者的一或多个系数(例如,与第一频率相关联的特定系数)以及要应用于操作数T的额外系数的表查表。MLU 214a-c还将所生成的乘法处理结果提供到MAC单元216a-b及MLU 218a-b的下一层。分别结合MLU 218a、218b及MLU 222工作的MAC单元216a、216b及MAC单元220的额外层可继续处理乘法结果,以生成输出数据230B(1)。使用此类电路系统布置,可从输入数据210a、210b及210c生成输出数据230B(1)。
有利地,例如,相较于图2B的处理单元112,系统200的处理单元112可利用减少数目个MAC单元及/或MLU。处理单元112的每一层中的MAC单元及MLU的数目与耦合到其中实施处理单元112的装置的信道的数目及/或天线的数目相关联。举例来说,MAC单元及MLU的第一层可包含m数目个那些单元,其中m表示天线的数目,每一天线接收输入数据的部分。每一后续层可具有MAC单元、延迟单元及MLU的减少部分。如所描绘,在图2A中,例如,在m=3时,MAC单元216a-b、延迟单元217a-b及MLU 218a-b的第二层可包含m-1个MAC单元及MLU。因此,处理单元112中的最后一层(包含MAC单元220、延迟单元221及MLU 222)仅包含一个MAC、一个延迟单元及一个MLU。因为处理单元112利用可表示马尔可夫过程的输入数据210a、210b及210c,所以处理单元的每一后续层中的MAC单元及MLU的数目可减少,而不具有关于输出数据230 B(1)的精确度的相当大损失;举例来说,在相较于在每一层中包含相同数目个MAC单元及MLU的处理单元112时,类似于图2B中的系统250的处理单元112的所述数目。
例如来自存储器145的系数数据可与输入数据210a-210c及处理结果的延迟版本混合,以生成输出数据230 B(1)。举例来说,基于输入数据210a-c及处理结果的延迟版本的系数数据与输出数据230B(1)的关系可表达为:
其中a(m)、a(m-1)、a1是分别用于乘法/累加单元212a-c的第一层及延迟单元213a-c的输出;乘法/累加单元216a-b的第二层及延迟单元217a-b的输出;及具有乘法/累加单元220的最后一层及延迟单元221的输出的系数;并且其中f(·)是可由存储器查找单元214a-c及218a-b执行的映射关系。如上文所描述,存储器查找单元214a-c及218a-b检索系数以与输入数据及MAC单元的每一层的相应延迟版本混合。因此,可通过使用存储在存储器中的系数集合来用相应乘法/累加单元操纵输入数据及MAC单元的延迟版本来提供输出数据。系数集合可与所要无线协议相关联。可由额外乘法/累加单元及额外延迟单元使用存储在存储器中的与所要无线协议相关联的额外系数集合来操纵所得映射数据。在处理单元112的每一级处相乘的系数集合可表示或提供对在专门设计的硬件(例如,FPGA)中的输入数据的处理的估计。
此外,可展示,如由等式(11)表示的系统200在一些实例中可以任意小误差近似任何非线性映射,并且系统200的映射可由系数a(m)、a(m-1)、a1确定。举例来说,如果指定此类系数数据,则输入数据210a-210c与输出数据230之间的任何映射及处理可由系统200实现。举例来说,系数数据可表示输入数据210a-c到输出数据B(1)230的非线性映射。在一些实例中,系数数据的非线性映射可表示高斯函数、分段线性函数、S型函数、薄板样条函数、多二次函数、立方近似、逆多二次函数或其组合。在一些实例中,可解除激活存储器查找单元214a-c、218a-b中的一些或全部。举例来说,存储器查找单元214a-c、218a-b中的一或多个可作为具有单位增益的增益单元操作。如从系统200中所描绘的电路系统布置导出的此关系可用于训练计算系统200的实体以生成系数数据。举例来说,使用等式(11),计算系统200的实体可将输入数据与输出数据进行比较以生成系数数据。
乘法单元/累加单元212a-c、216a-b及220中的每一个可包含多个乘法器、多个累加单元或及/或多个加法器。可使用ALU来实施乘法单元/累加单元212a-c、216a-b及220中的任一个。在一些实例中,乘法单元/累加单元212a-c、216a-b及220中的任一个可包含一个乘法器及一个加法器,其各自分别执行多个乘法及多个加法。乘法/累加单元212a-c、216a-b及220的输入-输出关系可表示为:
其中“I”表示在所述单元中执行乘法的次数,Ci是可从例如存储器145的存储器存取的系数,并且Bin(i)表示来自输入数据210a-c或从乘法单元/累加单元212a-c、216a-b及220产生的输出的因数。在实例中,一组乘法单元/累加单元的输出Bout等于系数数据的总和Ci乘以另一组乘法单元/累加单元的输出Bin(i)。Bin(i)也可为输入数据,使得一组乘法单元/累加单元的输出Bout等于系数数据的总和Ci乘以输入数据。
在一些实例中,执行指令115以确定一些系数数据是否相同。在此种情况下,可执行指令117以促进为相同系数选择单个存储器查找单元。举例来说,如果要由存储器查找单元214a及214b检索的系数数据相同,则单个存储器查找单元214可替代存储器查找单元214a及214b。在实例中继续,可进一步执行指令117以配置存储器查找单元214a在不同时间或同时从乘法单元/累加单元212a及乘法单元/累加单元212b两者接收输入。
在处理单元112用于根据无线协议向数据提供要根据无线协议在传输中传输的输入数据的一些实例中,输出数据B(1)230可通过以下方式从系统200的输入导出。输入数据210a-c可表示为要进行调制且生成DAC的输出数据B(1)230的符号,从而格式化输出数据以供天线(例如,RF天线)传输。在一些实例中,输入210a-c可表达为:
其中n是时间索引,k是子载波索引,m是符号索引,M是每子载波的符号数,K是有源子载波的数目且N是子载波的总数目(例如,离散傅里叶变换(DFT)的长度),x(n)是输入数据X(i,j)210a-c,n]是整形滤波器系数,且d(k,m)是与第m个符号相关的译码数据。在系统200实施OFDM的一些实例中,等式(13)可进一步一般化为:
其中是第k个滤波器的脉冲响应。因此,具有矩形脉冲响应的滤波器可表示输入数据X(i,j)210a-c。并且等式(15)还可表达为:
其中B是子频带的数目,Kb是第b个子频带中的子载波的数目,gk(b,n)是第b个子频带中的对应第k个滤波器的脉冲响应。
图2B是根据本文中所描述的实例的布置在系统250中的处理单元112的示意图。此类硬件实施方案(例如,系统250)可用于例如实施一或多个神经网络,例如图1B的神经网络150或图1C的递归神经网络170。另外或替代地,在一些实施方案中,处理单元112可从图1A的计算系统100接收输入数据210a、210b及210c。举例来说,在图1A的实例中,处理器单元112可实施为处理单元112。图2B的类似地描述的元件可如关于图2A所描述而操作,但还可包含如关于图2B所描述的额外特征。举例来说,图2B描绘可如关于图2A的MAC单元212a-c及延迟单元213a-c所描述而操作的MAC单元262a-c及延迟单元263a-c。因此,其数字指示符相对于图2A偏移50的图2B的元件类似地包含处理元件112的元件;例如,MAC单元266a相对于MAC单元216a类似地操作。包含处理元件112的系统250还包含未在图2A的处理元件112中突出显示的额外特征。举例来说,图2B的处理单元112另外包含MAC单元266c及270b-c;延迟单元267c及271b-c;及MLU 268c及272b-c,使得将输出数据提供为275a-c,而非单独地在图2A中提供为B(1)230。有利地,包含处理元件112的系统250可处理输入数据260a-c,以生成具有较大精度的输出数据275a-c。举例来说,输出数据275a-c可用在MLU 268c处检索且由额外MAC单元266c及270b-c及额外延迟单元267c及271b-c相乘及/或累加的额外系数处理输入数据260a-260c。举例来说,此额外处理可导致相对于在表示无线发射器的处理模式(例如,无线发射器处理模式);表示无线接收器的处理模式(例如,无线接收器处理模式);或本文所公开的任何处理模式中提供输出数据更精确的输出数据。在板空间(例如,印刷电路板)不是设计中的主要因素的实施方案中,相较于图2A的处理单元112的实施方案,图2B的处理单元112的实施方案可为合乎需要的;在一些实施方案中,由于具有比图2B的处理单元112更少的元件,因此图2A的处理单元112可占据更少板空间。
另外或替代地,系统250的处理单元112还可用于其中输出数据275a-c的每一部分要作为MIMO信号在对应天线上传输的应用。举例来说,输出数据275a可作为MIMO传输的部分在具有第一频率的第一天线处传输;输出数据275b可作为MIMO传输的第二部分在具有第二频率的第二天线处传输;并且输出数据275c可作为MIMO传输的第n部分在具有第n频率的第n天线处传输。
虽然在图2A及2B的上下文中将处理元件112描述为单个处理元件112,但特征还可实施在图1A的处理元件112中,使得图2A、2B或2C中的单个处理元件112的描述可互换为如本文中所描述的实例中所实施的处理元件。因此,可了解,虽然参考图2A、2B或2C中的单个处理元件112,但电子装置110可具有类似于图1A的多个处理元件112,以还具有如关于图2A、2B或2C的单个处理元件112所描述的相同特征。
图2C是根据本文中所描述的实例的布置在系统280中的处理单元112的示意图。此类硬件实施方案(例如,系统280)可用于例如实施一或多个神经网络,例如图1B的神经网络150或图1C的递归神经网络170。另外或替代地,在一些实施方案中,在图1A中的实例中,处理器单元112可实施为处理单元112。图2C的类似地描述的元件可如关于图2B所描述而操作,不同之处在于图2B的延迟单元263a-c、267a-c及271a-c。举例来说,图2C描绘可如关于图2B的MAC单元262a-c及延迟单元263a-c所描述而操作的MAC单元282a-c及延迟单元283a-c。因此,其数字指示符相对于图2B偏移20的图2C的元件类似地包含处理元件112的元件;例如,MAC单元286a相对于MAC单元266a类似地操作。
包含处理元件112的系统280还包含未在图2B的处理元件112中突出显示的额外特征。不同于图2B,图2C描绘延迟单元283a、283b及283c。因此,图2C的处理单元说明处理单元112可包含对延迟单元的输入及输出的放置的不同布置,如通过延迟单元283a、283b及283c所说明。举例来说,可将MLU 288b的输出提供到延迟单元283b,以生成来自MAC单元的第二层的所述处理结果的延迟版本,作为到第一MAC单元层的输入,例如,作为到MAC单元282b的输入。因此,系统280的处理单元112说明可将处理结果的延迟版本作为输入提供到其它隐藏层,不同于图2B中的系统250的处理单元112,其展示将相应延迟版本作为输入提供到其中生成那些延迟版本的同一层(例如,将MLU 268b的输出提供到延迟单元267b,以在自其输出处理结果的同一层中生成MAC单元266b的延迟版本)。因此,在实例中,甚至可将输出B(n)295c从最后一个隐藏层提供到第一隐藏层(例如,作为到MAC单元282c的输入)。
有利地,例如,相较于图2A或2B的处理单元112,可作为输入提供到不同或额外隐藏层的处理结果的此类延迟版本可更佳地补偿实施图2C的一或多个处理单元112的递归神经网络170中的“高阶”存储器效应。举例来说,高阶存储器效应对在递归神经网络170的训练期间使用的前导及滞后包络信号的效应进行建模,以提供根据处理模式选择进行处理的表示RF传输的输出数据。RF传输可以是要根据无线协议作为无线信号在传输中传输的输入数据、根据无线协议接收的数据,及/或要处理(例如,解码)的接收到的无线信号。在实例中,估计输出数据的递归神经网络170可包含对应于(例如,包封要估计的射频传输的各种包络的)此类前导及滞后包络的处理结果的不同延迟版本。因此,实施处理单元112并入有此类高阶存储器效应,例如用于递归神经网络170的推断,以基于输入数据281a-c而提供输出数据295a-c。
另外或替代地,系统280的处理单元112还可用于其中输出数据295a-c的每一部分要作为MIMO信号在对应天线上传输的应用。举例来说,输出数据295a可作为MIMO传输的部分在具有第一频率的第一天线处传输;输出数据295b可作为MIMO传输的第二部分在具有第二频率的第二天线处传输;并且输出数据295c可作为MIMO传输的第n部分在具有第n频率的第n天线处传输。
虽然在图2A、2B及2C的上下文中将处理元件112描述为单个处理元件112,但特征还可实施在图1A的处理元件112中,使得图2A、2B、2C中的单个处理元件112的描述可互换为如本文中所描述的实例中所实施的处理元件。因此,可了解,虽然参考图2A、2B、2C中的单个处理元件112,但电子装置110可具有类似于图1A的多个处理元件112,以还具有如关于图2A、2B或2C的单个处理元件112所描述的相同特征。
图3是无线发射器300的示意图。无线发射器300接收数据信号310且执行操作以生成用于经由天线336传输的无线通信信号。举例来说,无线发射器300可用于将图1A、2A、2B及2C的电子装置110实施为无线发射器。在RF天线336上传输输出数据之前,发射器输出数据xN(n)310由功率放大器332放大。到RF前端的操作可通常以模拟电路系统执行或作为用于实施数字前端的数字基带操作来处理。RF前端的操作包含加扰器304、译码器308、交错器312、调制映射316、帧适配320、IFFT 324、保护间隔326及上变频328。
加扰器304可将输入数据转换为伪随机或随机二进制序列。举例来说,输入数据可为输送层源(例如MPEG-2输送流及其它数据),其经转换成具有生成多项式的伪随机二进制序列(PRBS)。虽然在生成多项式的实例中描述,但各种加扰器304是可能的。
译码器308可对从加扰器输出的数据进行编码以将数据译码。例如,里德-所罗门(RS)编码器、涡轮编码器可用作第一译码器以生成用于由加扰器304馈送的每一随机化输送包的奇偶校验块。在一些实例中,奇偶校验块及输送包的长度可根据各种无线协议变化。交错器312可交错由译码器308输出的奇偶校验块,举例来说,交错器312可利用卷积字节交错。在一些实例中,可在译码器308及交错器312之后执行额外译码及交错。举例来说,额外译码可包含第二译码器,所述第二译码器可例如用具有特定约束长度的删除型卷积译码对从交错器输出的数据进一步进行译码。额外交错可包含形成接合块的群组的内部交错器。虽然在RS译码、涡轮译码及删除型卷积译码的上下文中进行描述,但各种译码器308是可能的,例如低密度奇偶校验(LDPC)译码器或极性译码器。虽然在卷积字节交错的上下文中进行描述,但各种交错器312是可能的。
调制映射316可调制从交错器312输出的数据。举例来说,正交幅度调制(QAM)可用于通过改变(例如,调制)相关载波的幅度来映射数据。可使用各种调制映射,包含但不限于:正交相移键控(QPSK)、SCMA NOMA及MUSA(多用户共享接入)。来自调制映射316的输出可称为数据符号。虽然在QAM调制的上下文中进行描述,但各种调制映射316是可能的。帧适配320可根据表示对应调制符号、载波及帧的位序列布置来自调制映射的输出。
IFFT 324可将已成帧到子载波中(例如,通过帧适配320)的符号变换成时域符号。采取5G无线协议方案的实例,IFFT可作为N点IFFT应用:
其中Xn是在第n 5G子载波中发送的调制符号。因此,IFFT 324的输出可形成时域5G符号。在一些实例中,IFFT 324可由脉冲整形滤波器或多相滤波组代替以输出用于上变频328的符号。
在图3的实例中,保护间隔326将保护间隔添加到时域5G符号。举例来说,保护间隔可为通过在帧的开端处重复时域5G符号的末尾的一部分而添加以减少符号间干扰的符号持续时间的分数长度。举例来说,保护间隔可为对应于5G无线协议方案的循环前缀部分的时间周期。
上变频328可将时域5G符号上变频到特定射频。举例来说,时域5G符号可被视为基带频率范围,且本地振荡器可将其振荡所处的频率与5G符号混合以生成处于振荡频率的5G符号。也可利用数字上变频器(DUC)来转换时域5G符号。因此,可将5G符号上变频到用于RF传输的特定射频。
在传输之前,在天线336处,功率放大器332可放大发射器输出数据xN(n)310以输出用于在天线336处在RF域中的RF传输的数据。天线336可为经设计以在特定射频辐射的天线。举例来说,天线336可在5G符号进行上变频的频率下辐射。因此,无线发射器300可基于在加扰器304处接收到的数据信号310而经由天线336传输RF传输。如上文关于图3所描述,无线发射器300的操作可包含多种处理操作。此类操作可实施在常规无线发射器中,其中每一操作由用于所述相应操作的专门设计的硬件实施。举例来说,DSP处理单元可经专门设计以实施IFFT 324。如可了解,无线发射器300的额外操作可包含在常规无线接收器中。
图4是无线接收器400的示意图。无线接收器400从天线404接收输入数据X(i,j)410且执行无线接收器的操作以在解扰器444处生成接收器输出数据。举例来说,无线接收器400可用于将图1A、2A、2B及2C的电子装置110实施为无线接收器。天线404可为经设计以在特定射频接收的天线。无线接收器的操作可以模拟电路系统执行或作为用于实施数字前端的数字基带操作来处理。无线接收器的操作包含频下变频412、保护间隔移除416、快速傅里叶变换420、同步424、信道估计428、解调映射432、解交错器436、解码器440及解扰器444。
下变频412可将频域符号下变频到基带处理范围。举例来说,在5G实施方案的实例中继续,频域5G符号可与本地振荡器频率混合以生成处于基带频率范围的5G符号。也可利用数字下变频器(DUC)来转换频域符号。因此,可将包含时域5G符号的RF传输下变频到基带。保护间隔移除416可从频域5G符号移除保护间隔。FFT 420可将时域5G符号变换成频域5G符号。采取5G无线协议方案的实例,FFT可作为N点FFT应用:
其中Xn是在第n 5G子载波中发送的调制符号。因此,FFT 420的输出可形成频域5G符号。在一些实例中,FFT 420可由多相滤波组代替以输出用于同步424的符号。
同步424可检测5G符号中的导频符号以使所传输的数据同步。在5G实施方案的一些实例中,可在时域中在帧的开始处(例如,标头中)检测到导频符号。此类符号可由无线接收器400用于帧同步。在帧同步的情况下,5G符号前进到信道估计428。信道估计428还可使用时域导频符号及额外频域导频符号,以估计对接收信号的时间或频率影响(例如,路径损耗)。
举例来说,可根据在每一信号的前导码周期中通过N个天线(除天线404之外)接收到的N个信号来估计信道。在一些实例中,信道估计428还可使用在保护间隔移除416处移除的保护间隔。通过信道估计处理,信道估计428可通过某个因数补偿频域5G符号以最小化对所估计信道的影响。虽然已根据时域导频符号及频域导频符号描述了信道估计,但其它信道估计技术或系统(例如,基于MIMO的信道估计系统或频域均衡系统)也是可能的。
解调映射432可对从信道估计428输出的数据进行解调。举例来说,正交幅度调制(QAM)解调器可通过改变(例如,调制)相关载波的幅度来映射数据。本文中所描述的任何调制映射可具有如解调映射432执行的对应解调映射。在一些实例中,解调映射432可检测载波信号的相位以促进5G符号的解调。解调映射432可从5G符号生成位数据以由解交错器436进一步处理。
解交错器436可对作为奇偶校验块从解调映射布置到用于解码器440的位流中的数据位进行解交错,举例来说,解交错器436可执行卷积字节交错的逆操作。解交错器436还可使用信道估计来补偿对奇偶校验块的信道影响。
解码器440可对从加扰器输出的数据进行解码以将数据译码。举例来说,里德-所罗门(RS)解码器或涡轮解码器可用作解码器以生成用于解扰器444的解码位流。举例来说,涡轮解码器可实施并行串接解码方案。在一些实例中,在解码器440及解交错器436之后可执行额外解码及/或解交错。举例来说,额外解码可包含可进一步对从解码器440输出的数据进行解码的另一解码器。虽然在RS解码及涡轮解码的上下文中进行描述,但各种解码器440是可能的,例如低密度奇偶校验(LDPC)解码器或极性解码器。
解扰器444可将来自解码器440的输出数据从伪随机或随机二进制序列转换为原始源数据。举例来说,解扰器44可将解码数据转换到输送层目的地(例如,MPEG-2输送流),其以加扰器304的生成多项式的逆来进行解扰。解扰器因此输出接收器输出数据。因此,无线接收器400接收包含输入数据X(i,j)410通孔的RF传输以生成接收器输出数据。
如本文例如相对于图4所描述,无线接收器400的操作可包含多种处理操作。此类操作可实施于常规无线接收器中,其中每一操作由用于所述相应操作的具体设计的硬件实施。举例来说,DSP处理单元可经具体设计以实施FFT 420。如可了解,无线接收器400的额外操作可包含在常规无线接收器中。
图5是根据本文中所描述的实例的无线发射器500的示意图。图5展示无线发射器,所述无线发射器可执行用于与输入数据X(i,j)310进行无线传输的RF前端的几个操作,所述输入数据包含加扰器304、译码器308、交错器312、帧适配320、IFFT 324、保护间隔326及上变频328。发射器500利用具有处理单元112的电子装置110以执行调制映射(例如,调制映射316)的操作。举例来说,电子装置110的处理单元112执行将输入数据与系数数据混合的指令115。在发射器500的实例中,电子装置110的输入数据(例如,输入数据210a-c)可为交错器312的输出;电子装置110的输出数据(例如,输出数据B(1)230)可为帧适配320的输入。举例来说,电子装置110的输入数据可与系数数据相乘以在乘法单元/累加单元处生成乘法结果,并且乘法结果可在所述乘法单元/累加单元处累加以进一步与输入数据的其它部分及多个系数的额外系数相乘及累加。举例来说,处理单元112利用选定系数,使得将系数与输入数据混合生成反映通过图2A、2B或2C的电路系统用系数处理输入数据的输出数据。
发射器500的电子装置110可检索特定于单处理模式选择502的系数数据。如图5中所描绘,电子装置110可接收单处理模式选择502。如本文所描述,单处理模式可对应于无线协议的方面。因此,在发射器500的实例中,单模式处理选择502可对应于无线协议的调制映射方面。当接收此选择502时,电子装置110可执行用于实施在存储器107中编码的处理模式的指令。举例来说,在存储器107处编码的指令117可包含从多个单处理模式中选择单处理模式,每个单处理模式具有相应系数数据。
单模式处理选择502还可指示电子装置110将针对其执行指令115以生成与无线协议的所述方面的操作相对应的输出数据的无线协议的方面。如所描绘,单处理模式选择502指示电子装置110正作为无线发射器500的调制映射方面操作。因此,电子装置110可实施调制映射处理模式以处理输入数据以检索与调制映射处理模式的选择相对应的系数数据。当执行指令115时,所述系数数据可与电子装置110的输入数据混合以生成输出数据。
单处理模式选择502还可指示调制映射的类型。举例来说,调制映射可与调制方案相关联,包含但不限于:GFDM、FBMC、UFMC、DFDM、SCMA、NOMA、MUSA或FTN。可了解,具有对应单处理模式的无线协议的每个方面可包含各种类型的所述方面,例如具有从其选择的各种调制方案的调制映射处理模式。
可从存储器(例如,存储器145或云计算数据库)检索与调制映射处理模式的选择相对应的系数数据。从存储器检索的系数特定于单处理模式选择502。在发射器500的实例的上下文中,单处理模式选择502可指示将从存储器检索特定于调制映射处理模式的系数数据。因此,来自发射器500中的电子装置110的输出数据可表示根据调制处理模式选择处理的发射器的传输的部分。电子装置110可输出数据,使得帧适配320接收输出数据以进一步处理传输。
虽然上文在调制映射处理模式的上下文中描述,但是应了解,其它单处理模式也是可能的,包含但不限于快速傅里叶变换(FFT)处理模式、快速傅里叶逆变换(IFFT)处理模式、译码模式、涡轮译码处理模式、解码处理模式、里德所罗门处理模式、交错器处理模式、解交错处理模式、解调映射处理模式、加扰处理模式、解扰处理模式、信道估计处理模式,或其组合。举例来说,虽然图5说明在电子装置110处接收单处理模式选择502以实施调制映射处理模式,但应了解,电子装置110可代替图5中描绘的无线发射器对输出数据B(u,v)530的任一RF操作,使得单处理模式选择502指示电子装置110可实施无线发射器的另一方面。
使用此电子装置110,发射器500可接收输入数据X(i,j)310以与特定于无线协议的方面的系数数据混合。举例来说,系数数据可特定于无线协议的调制映射方面。发射器500可生成表示输入数据的输出数据B(u,v)530,所述输入数据根据经配置以通过所述无线协议操作的无线发射器(例如,无线发射器300)进行处理。举例来说,输出数据B(u,v)530可对应于图2A的B(1)230的估计。
图6是根据本文中所描述的实例的无线发射器600的示意图。图6展示无线发射器,所述无线发射器可执行RF前端在对输入数据X(i,j)310进行无线传输时进行的几个操作,包含加扰器304、帧适配320、IFFT 324、保护间隔326及上变频328。发射器600利用具有处理单元112的电子装置110来执行译码、交错及调制映射;例如译码器308、交错器312及调制映射316的操作。举例来说,电子装置110的处理单元112执行将输入数据与系数数据混合的指令115。在发射器600的实例中,电子装置110的输入数据(例如,输入数据260a-c)可为加扰器304的输出;并且电子装置110的输出数据(例如,输出数据B(n)275a-c)可为帧适配320的输入。举例来说,电子装置110的输入数据可与系数数据相乘以在乘法单元/累加单元处生成乘法结果,并且乘法结果可在所述乘法单元/累加单元处累加以进一步与输入数据的其它部分及多个系数的额外系数相乘及累加。因此,处理单元112利用选定系数,使得将系数与输入数据混合生成反映通过图2A到2B的电路系统用系数处理输入数据的输出数据。
发射器600的电子装置110可检索特定于多处理模式选择602的系数数据。如图6中所描绘,电子装置110接收多处理模式选择602。如本文所描述,多处理模式可对应于无线协议的至少两个方面。因此,在发射器600的实例中,多处理模式选择602对应于无线协议的译码方面、交错方面及调制映射方面。当接收到此选择602时,电子装置110可执行用于实施在存储器107中编码的处理模式的指令。举例来说,在存储器107处编码的指令117可包含从多个多处理模式中选择多处理模式,每个多处理模式具有相应系数数据。
多处理模式选择602还可指示电子装置110将针对其执行指令115以生成与无线协议的所述方面的操作相对应的输出数据的无线协议的方面。如所描绘,多处理模式选择602指示电子装置110正作为无线发射器600的译码、交错及调制映射操作。因此,电子装置110可实施特定多处理模式以处理输入数据,以检索对应于所述特定多处理模式的选择的系数数据。当执行指令115时,所述系数数据可与电子装置110的输入数据混合以生成输出数据。
多处理模式选择602还可指示无线协议的每个方面的类型。举例来说,如上文所描述,调制映射方面可与调制方案相关联,包含但不限于:GFDM、FBMC、UFMC、DFDM、SCMA、NOMA、MUSA或FTN。在实例中继续,译码方面可与例如RS译码或涡轮译码的特定类型的译码相关联。应了解,具有对应多处理模式的无线协议的每个方面可包含各种类型的所述方面。
可从存储器(例如,存储器145或云计算数据库)检索与多处理模式的选择相对应的系数数据。从存储器检索的系数可特定于多处理模式选择602。因此,来自发射器600中的电子装置110的输出数据可表示发射器的传输的部分,所述数据数据根据多处理模式选择602进行处理。电子装置110可输出数据,使得帧适配320接收输出数据以进一步处理传输。
虽然上文在包括译码方面、交错方面及调制映射方面的特定多处理模式选择的上下文中描述,但是应了解,其它多处理模式也是可能的,包含但不限于,上文描述的单处理模式的任何组合。举例来说,虽然图6说明在电子装置110处接收多处理模式选择602以实施译码方面、交错方面及调制映射方面,但可了解,电子装置110可代替图6中描绘的无线发射器对输出数据B(u,v)630的任一RF操作,使得单处理模式选择602指示电子装置110将实施无线发射器的至少两个方面。
使用此电子装置110,发射器600可接收输入数据X(i,j)310以与特定于无线协议的至少两个方面的系数数据混合。发射器600生成表示输入数据的输出数据B(u,v)630,所述输出数据根据经配置以通过所述无线协议操作的无线发射器(例如,无线发射器300)进行处理。举例来说,输出数据B(u,v)630可对应于图2A的输出数据B(1)230的估计。
图7是根据本文中所描述的实例的无线发射器700的示意图。无线发射器700可执行用于与输入数据X(i,j)310进行无线传输的RF前端的几个操作。发射器700利用具有处理单元112的电子装置110来执行RF前端的操作。举例来说,电子装置110的处理单元112可执行将输入数据与系数数据混合的指令115。在发射器700的实例中,电子装置110的输出数据(例如,输出数据B(n)275a-c)可为在处理输入数据X(i,j)310(例如,输入数据210a-c)之后到功率放大器332的输入。举例来说,电子装置110的输入数据可与系数数据相乘以在乘法单元/累加单元处生成乘法结果,并且乘法结果可在所述乘法单元/累加单元处累加以进一步与输入数据的其它部分及多个系数的额外系数相乘及累加。举例来说,处理单元112利用选定系数,使得将系数与输入数据混合生成反映通过图2A、2B或2C的电路系统用系数处理输入数据的输出数据。
发射器700的电子装置110可检索特定于完整处理模式选择702的系数数据。如图7中所描绘,电子装置110可接收多处理模式选择702。如本文所描述,完整处理完整处理模式可为表示无线发射器的处理模式(例如,无线发射器处理模式),或表示无线接收器的处理模式(例如,无线接收器处理模式)。因此,在发射器700的实例中,完整处理模式选择702可对应于无线发射器处理模式,所述无线发射器处理模式可实施无线发射器实施所述协议所需的特定无线协议的任何方面。类似地,无线接收器处理模式可实施无线接收器实施所述协议所需的特定无线协议的任何方面。当接收到此选择702时,电子装置110可执行用于实施在计算机可读媒体中编码的处理模式的指令117。举例来说,指令117可包含从多个完整处理模式中选择完整处理模式,每个完整处理模式具有相应系数数据。
完整处理模式选择702可指示电子装置110将针对其执行指令115以生成与作为无线发射器的所述无线协议的操作相对应的输出数据的无线协议。举例来说,完整处理模式选择702可指示无线发射器将实施包含FBMC调制方案的5G无线协议。因此,电子装置110可实施特定完整处理模式以处理输入数据,以检索对应于所述特定完整处理模式的选择的系数数据。当执行指令115时,所述系数数据可与电子装置110的输入数据混合以生成输出数据。
可从存储器(例如,存储器145或云计算数据库)检索与完整处理模式的选择相对应的系数数据。从存储器检索的系数特定于完整处理模式选择702。因此,来自发射器700中的电子装置110的输出数据可表示传输,所述输出数据根据完整处理模式选择702进行处理。
使用此电子装置110,发射器700可接收输入数据X(i,j)310以与特定于无线协议的完整处理模式的系数数据混合。发射器700可生成表示输入数据的输出数据B(u,v)730,所述输出数据根据经配置以通过所述无线协议操作的无线发射器(例如,无线发射器300)进行处理。举例来说,输出数据B(u,v)730可对应于图2A的输出数据B(1)230的估计。
在一些实例中,无线发射器模式可包含数字基带处理、RF前端,及例如压缩或估计的任何前传处理的操作。作为前传处理的实例,电子装置110可在云无线接入网(C-RAN)中操作,其中在远程无线电头端(RRH)与基带单元(BBU)之间划分无线基站功能。RRH可执行RF放大、上/下变频、滤波、ADC或DAC以将基带信号提供到BBU。BBU可处理基带信号并优化RRH之中的资源分配。前传可为RRH与BBU之间的链路,它可执行基带信号的压缩以将信号发送到BBU,并且可另外执行前传链路的估计以补偿前传在传输到BBU期间对基带信号的任何影响。在此类实例中,电子装置110可通过执行将输入数据与系数数据混合的指令115及/或执行实施例如RRH处理模式、前传处理模式或BBU处理模式的处理模式的指令来作为RRH、前传、BBU或其任何组合操作。
为了训练计算装置以生成具有输出数据B(u,v)730的系数数据,无线发射器可接收与RF无线传输相关联的输入。随后,无线发射器可根据无线协议执行作为RF前端的操作,例如调制用于RF无线传输的输入数据。由无线发射器生成的输出数据可与输入数据相比较以生成系数数据。举例来说,比较可涉及优化系数的最小化函数。最小化函数分析输入样本及测试向量的每一组合以确定最小量,其可反映两个输出之间的差的最小化误差。用于生成所述最小化量的系数反映来自专门设计的无线发射器的输出的最小误差估计。因此,可训练电子装置110以基于无线发射器的操作生成系数数据,使得使用系数数据混合任意输入数据(例如,测试向量)生成输出数据的近似值,如同它通过专门设计的无线发射器处理一样。系数数据还可存储在系数数据库(例如,存储器145)中,其中每个系数数据集对应于可用于数据传输的RF域的特定无线协议。在一些实例中,模拟无线发射器的处理的输入测试向量及输出测试向量可用于生成系数数据。
虽然已在无线发射器的上下文中描述在本文中具有单处理模式选择(例如,图5中所描绘)、多处理模式选择(例如,如图6中所描绘),及完整处理模式选择(例如,如图7中所描绘)的一些实例,但是在一些实例中,如通过用于实施无线处理模式的指令117执行,处理模式可在无线接收器(例如,图4的无线接收器400)中实施,其中无线协议的对应方面由具有处理单元112的电子装置110实施。举例来说,计算系统可通过实施无线接收器处理模式的电子装置110从天线404接收无线输入数据,如通过指示无线接收器处理模式的完整处理模式选择所指示。因此,无论单个方面、多个方面还是完整实施方案,无线发射器或无线接收器的任何方面可由具有处理单元112的电子装置110实施,所述处理单元实施用于将输入数据与系数数据混合的指令115及用于实施处理模式的指令117。类似地,可通过从经配置以根据无线协议操作的无线接收器生成的系数数据训练电子装置110。举例来说,由无线接收器(或无线接收器的任何方面)生成的输出数据可与输入数据相比较以生成系数数据。
另外或替代地,任何处理模式选择可指示无线协议的每个方面的类型。举例来说,调制映射方面可与调制方案相关联,包含但不限于:GFDM、FBMC、UFMC、DFDM、SCMA、NOMA、MUSA或FTN。具有对应处理模式的无线协议的每个方面可包含各种类型的所述方面。举例来说,完整处理模式选择702可指示用于上变频到5G无线频率范围的方面,例如利用E频带(例如,71到76GHz及81到86GHz)、28GHz毫米波(mmWave)频带,或60GHz V频带(例如,实施802.11广告协议)中的载波频率。在一些实例中,完整处理模式选择702还可指示是否将利用MIMO实施方案,例如选择702可指示可利用2×2空间流。
图8是根据本文中所描述的实例的方法800的流程图。可使用例如图1A中的系统100、图2A中的系统200、图2B中的系统250、图2C中的系统280,或在本文所描述的图3到7或图10到11中描绘的系统中的任何系统或组合实施实例方法800。在一些实例中,实例方法800中的框可由例如图1A的电子装置110的计算装置及/或结合例如图2A、2B或2C的处理单元112的处理单元执行。在框804-836中所描述的操作还可作为计算机可执行指令存储在计算机可读媒体中,所述计算机可读媒体例如存储可执行指令115的模式可配置控制件105。
实例方法800可以框804开始,所述框开始执行将输入数据与系数数据例程混合。所述方法可包含框808,所述框叙述“获得与处理单元的处理模式相对应的处理模式选择”。如本文所描述,可从与电子装置110通信的计算装置的触摸屏获得处理模式选择作为选择。可从可接收关于处理模式选择的用户输入的任何计算装置获得处理模式选择。框808之后可为框812,其叙述“配置处理单元以基于处理模式选择来选择多个系数”。如本文所描述,配置处理单元可包含取决于处理模式选择而针对各种处理模式配置处理单元。配置处理单元可以包含针对包含单处理模式、多处理模式及完整处理模式的各种模式配置处理单元。举例来说,计算系统可在单处理模式中操作为涡轮译码操作,以根据正通过涡轮译码操作编码的数据来输出数据。
框812之后可为框816,其叙述“从存储器检索多个系数”。如本文中所描述,处理单元可检索用于与输入数据混合的系数;举例来说,利用存储器查找单元。举例来说,存储器可存储(例如,在数据库中)系数与无线协议及/或本文所描述的处理模式之间的相关性。举例来说,处理单元可从实施计算装置的存储器部分、从外部计算装置的存储器部分或从在云计算装置中实施的存储器请求系数。反过来,可如由处理单元所请求从存储器检索多个系数。
框816之后可为框820,其叙述“基于处理模式选择获得用于射频(RF)域中的传输的输入数据”。如本文所描述,处理单元可经配置以获得分别可由无线发射器或无线接收器传输或接收的多种类型的输入数据,例如数据位流、译码位、调制符号等。在实例中,在单处理模式中的处理单元可实施无线发射器或接收器的部分的操作的功能。在涡轮译码操作的实例中,处理单元可获得要译码的数据位流,包含关于涡轮译码操作的参数的指示。在IFFT操作的实例中,处理单元可获得要变换到频域的数据位流,包含关于IFFT操作的参数的指示,例如用于要利用的IFFT操作的点大小。在DAC的多处理模式操作的实例中,输入数据可为转换成模拟数据以在无线发射器的天线处传输的数字数据。在一些实例中,可在处理模式选择中获得关于操作的方面的参数。举例来说,可获得IFFT操作的参数,例如用于IFFT操作的点大小,作为包含在单处理模式选择、多处理模式选择或完整处理模式选择中的信息。
框820之后可为框824,其叙述“在第一乘法/累加处理单元(MAC单元)层处通过多个系数计算输入数据及第一MAC单元层的相应输出的延迟版本,以生成第一处理结果”。如本文中所描述,处理单元利用多个系数,使得将系数与输入数据及第一MAC单元层的相应输出的延迟版本混合生成反映由图2A、2B或2C的电路系统用系数处理输入数据的输出数据。举例来说,集成电路中的各种ALU可经配置以作为图2A、2B或2C的电路系统操作,由此将输入数据及第一MAC单元层的相应输出的延迟版本与如本文中所描述的系数混合。举例来说,参考图2A,在第一乘法/累加处理单元(MAC单元)层处用多个系数计算输入数据及第一MAC单元层的相应输出的延迟版本,以生成第一处理结果。在一些实例中,各种硬件平台可实施图2A、2B或2C的电路系统,例如ASIC、实施为FPGA的部分的DSP或芯片上系统。
框824之后可为框828,其叙述“在额外MAC单元层处用额外的多个系数计算第一处理结果及第一处理结果的至少一部分的延迟版本,以生成第二处理结果”。如本文中所描述,处理单元利用额外的多个系数,使得将系数与特定处理结果及那些特定处理结果的至少一部分的延迟版本混合生成反映由图2A、2B或2C的电路系统用系数处理输入数据的输出数据。举例来说,参考图2A,在第二乘法/累加处理单元(MAC单元)层处,可用额外多个系数计算第一层的处理结果(例如,乘法处理结果)及那些处理结果的至少一部分的延迟版本,以生成第二处理结果。可用额外的多个系数计算第二层的处理结果,以生成输出数据B(1)230。
框828之后可为框832,其叙述“提供表示传输的部分的输出数据,所述输出数据根据处理模式选择进行处理。”如本文所描述,可将输出数据提供到专门设计的硬件的另一部分,例如无线发射器或接收器的另一部分,或用于无线RF传输的天线。在完整处理模式选择的实例中,可将输出数据提供到从无线端点请求输出数据的应用,使得将输出数据作为实施无线接收器的处理单元的一部分提供到应用。框832之后可为框836,其结束实例方法800。在一些实例中,框808及812可为任选框。
图9是根据本文中所描述的实例的方法900的流程图。实例方法900可使用例如图1A中的系统100、图2A中的系统200、图2B中的系统250、图2C中的系统280,或本文所描述的图3到7或图10到11中描绘的系统中的任何系统或组合。在一些实例中,实例方法900中的框可由例如图1A的电子装置110的计算装置及/或结合图2A、2B或2C的处理单元112执行。在框904到928中描述的操作还可作为计算机可执行指令存储在计算机可读媒体中,所述计算机可读媒体例如存储可执行指令115的模式可配置控制件105,或存储可执行指令117的存储器107。
实例方法900可以框904开始,所述框开始执行将输入数据与系数数据例程混合。所述方法可以框908开始,其叙述“获得与射频(RF)无线传输相关联的输入数据。”如本文所描述,处理单元可经配置以获得分别可由无线发射器或无线接收器传输或接收的多种类型的输入数据,例如数据位流、译码位、调制符号等。在实例中,在单处理模式中的处理单元可实施无线发射器或接收器的部分的操作的功能。在涡轮译码操作的实例中,处理单元可获得要译码的数据位流,包含关于涡轮译码操作的参数的指示。在IFFT操作的实例中,处理单元可获得要变换到频域的数据位流,包含关于IFFT操作的参数的指示,例如用于要利用的IFFT操作的点大小。在DAC的多处理模式操作的实例中,输入数据可为转换成模拟数据以在无线发射器的天线处传输的数字数据。在一些实例中,可在处理模式选择中接收关于操作的方面的参数。举例来说,可获得IFFT操作的参数,例如用于IFFT操作的点大小,作为包含在单处理模式选择、多处理模式选择或完整处理模式选择中的信息。
框908之后可为框912,其叙述“对输入数据执行RF前端的操作以调制用于RF无线传输的输入数据。”如本文所描述,专门设计的无线发射器可执行上文所描述的RF前端操作,例如加扰、译码、交错、调制映射、上变频等以将输入数据传输为RF无线传输。在实例中,专门设计的无线发射器可仅执行RF前端操作的部分,以训练用于无线发射器的特定操作的计算装置,使得由计算装置生成的系数数据可用于单处理模式或多处理模式。
框912之后可为框916,其叙述“将输出数据与输入数据相比较以生成系数数据。”如本文所描述,计算装置可将来自专门设计的无线发射器的输出数据与来自实施无线发射器的操作的计算装置的处理单元的输出数据相比较。举例来说,计算装置可使用两个输出之间的最小误差p范数比较作为最小化函数的一部分,以确定系数数据是否表示专门设计的无线发射器的估计。在实例中,计算装置可使用两个输出之间的最小平方误差函数作为优化问题的一部分,以确定系数数据是否表示专门设计的无线发射器的估计。
作为此比较的实例,图2A、2B或2C的处理单元112可称为神经元,其中若干类似处理单元112作为神经网络操作。在图2A的此类处理单元112作为神经元操作的情况下,处理单元112可接收观测向量Y(n)作为输入数据210a-c。举例来说,观测向量可表示为:
Y(n)=[y(n),y(n-1),……y(n-m+1)]
并且存储在存储器145中的系数可称为连接权重,所述连接权重可随机地初始化到特定值,使得对于图2A的MLU,检索的系数可表示为:
其中m表示天线或无线信道的数目,并且其中M表示层数。在提供此类观测向量作为输入及连接权重作为系数时,实施此类处理单元的电子装置可比较从处理单元生成的输出数据以获得经过训练的系数数据,或连接权重。
框916之后可为框920,其叙述“训练计算装置以基于对输入数据执行的操作生成系数数据,使得使用系数数据将输入数据及第一处理结果的至少一部分的延迟版本混合生成输出数据的近似值。”如本文所描述,计算装置可将来自专门设计的无线发射器的输出数据与来自跨越各种测试向量及输入样本实施无线发射器的操作的计算装置的处理单元的输出数据相比较,以训练计算装置来确定最小化误差。举例来说,跨越各种输入样本及测试向量训练的最小化误差可表示在专门设计的硬件中的输入数据的处理的优化估计。在实例中,根据输入样本及测试向量训练计算装置可称为计算装置的监督学习以生成系数数据。在各种实例中,还可训练计算装置以根据无监督学习生成系数数据。举例来说,计算装置可监视专门设计的硬件的输出,以学习可将实施无线发射器的操作的计算装置的处理单元的误差最小化的系数数据。
在观测向量及连接权重的实例中继续,处理单元112可重复生成的输出数据与输入数据的比较,使得在每一迭代中更新连接权重以最小化神经元的输出(例如,输出B(1)230)的误差。在与作为Y(n)的此观测向量相乘及累加时,可根据等式(19)更新连接权重:
在等式(19)中,α是处理单元112可从输出数据学习且由此计算更新的连接权重的学习速率。此外,项可指代传播到要更新的下一组连接权重的误差项。举例来说,误差项可为相对于将输出数据B(1)230与特定输入数据210a-c相比较而计算的p范数的最小化误差。或者,相对于图2B的实例,误差项可为相对于将输出数据B(n)275a-c与特定输入数据260a-c相比较而计算的p范数的最小化误差。因此,使用等式(19),可生成表示输出数据与输入数据之间的最小化误差的系数数据。因此,在训练计算装置以基于对输入数据执行的操作而生成系数数据,使得使用系数数据混合输入数据生成输出数据的近似值时,可生成可由本文所公开的系统,例如图3到7或10到11的系统利用的任何数目的多个系数数据。
框920之后可为框924,其叙述“将系数数据存储在系数存储器中。”如本文所描述,计算装置可将系数存储在例如存储器数据库的存储器中。举例来说,存储器可存储如由计算装置训练的系数与无线协议及/或处理模式之间的相关性。举例来说,计算装置可将系数存储在计算装置自身的存储器部分中、外部计算装置的存储器中,或在云计算装置中实施的存储器中。框924之后为结束实例方法900的框928。在一些实例中,框924可为任选框。
包含在所描述实例方法800及900中的框是出于说明的目的。在一些实施例中,框可以不同次序执行。在一些其它实施例中,可消除各种框。在又其它实施例中,各种框可划分为额外框、以其它框补充或一起组合为更少的框。预期这些特定框的其它变体,包含框的次序的改变、划分或组合成其它框的框内容的改变等。
图10说明根据本公开的方面的无线通信系统1000的实例。无线通信系统1000包含基站1010、移动装置1015、无人机1017、小型小区1030和车辆1040、1045。基站1010及小型小区1030可连接到提供对因特网及传统通信链路的访问的网络。系统1000可促进可包含各种频带的5G系统中的宽范围的无线通信连接,所述各种频带包含但不限于:低于6GHz频带(例如,700MHz通信频率)、中间范围通信频带(例如,2.4GHz)、毫米波频带(例如,24GHz),及NR频带(例如,3.5GHz)。
另外或替代地,无线通信连接可支持各种调制方案,包含但不限于:滤波器组多载波(FBMC)、广义频分多路复用(GFDM)、通用滤波多载波(UFMC)传输、双正交频分多路复用(BFDM)、稀疏码多址接入(SCMA)、非正交多址接入(NOMA)、多用户共享接入(MUSA),及具有时频包装的超奈奎斯特(FTN)信令。此类频带及调制技术可为例如长期演进(LTE)(例如,1.8GHz频带)或如3GPP或IEEE等组织公开的其它技术规范的标准框架的部分,其可包含子载波频率范围、子载波数目、上行链路/下行链路传输速度、TDD/FDD,及/或无线通信协议的其它方面的各种规范。
系统1000可描绘无线接入网(RAN)的方面,且系统1000可与核心网络(未展示)通信或包含核心网络。核心网络可包含一或多个服务网关、移动性管理实体、家庭订户服务器及包数据网关。核心网络可促进用户及控制平面经由RAN链接到移动装置,且其可以是到外部网络(例如,因特网)的接口。基站1010、通信装置1020及小型小区930可经由有线或无线回程链路(例如,S1接口、X2接口等)与核心网络或与彼此耦合,或这两种情况。
系统1000可提供连接到例如传感器装置(例如,太阳能电池1037)的装置或“事物”的通信链路,以提供物联网(“IoT”)框架。IoT内连接的事物可在对蜂窝网络服务提供商许可且受其控制的频带内操作,或此类装置或事物可以如此。此类频带及操作可称为窄带IoT(NB-IoT),因为为IoT操作分配的频带相对于总体系统带宽可为小的或窄的。举例来说,为NB-IoT分配的频带可具有1、5、10或20MHz的带宽。
另外或替代地,IoT可包含在与传统蜂窝式技术不同的频率操作的装置或事物以促进无线频谱的使用。举例来说,IoT框架可允许系统1000中的多个装置在低于6GHz频带或其中装置可在未授权使用的共享频谱上操作的其它工业、科学和医疗(ISM)无线电频带下操作。低于6GHz频带也可被表征为且也可被表征为NB-IoT频带。例如,在低频率范围处操作时,为例如太阳能电池1037的“事物”提供传感器数据的装置可利用较少能量,从而得到功率效率且可利用较不复杂的信令框架,使得装置可在低于6GHz频带上异步地传输。低于6GHz频带可支持广泛多种用例,包含传感器数据从各种传感器装置的传送。传感器装置的实例包含用于检测能量、热量、光、振动、生物信号(例如,脉搏、EEG、EKG、心率、呼吸速率、血压)、距离、速度、加速度或其组合的传感器。传感器装置可部署在建筑物、个人上及/或环境中的其它位置。传感器装置可与彼此且与计算系统通信,所述计算系统可聚合及/或分析从环境中的一个或多个传感器装置提供的数据。
在此5G框架中,装置可执行由其它移动网络(例如,UMTS或LTE)中的基站执行的功能性,例如形成节点之间的连接或管理移动性操作(例如,越区切换或重新选择)。举例来说,移动装置1015可利用移动装置1015从用户接收传感器数据,例如血压数据,且可在窄带IoT频带上将所述传感器数据传输到基站1010。在此实例中,用于由移动装置1015确定的一些参数可包含授权频谱的可用性、未授权频谱的可用性及/或传感器数据的时间敏感性质。在实例中继续,移动装置1015可因为窄带IoT频带可用而传输血压数据并且可快速地传输传感器数据,从而识别对血压的时间敏感性分量(例如,在血压测量值危险地为高或低,例如收缩血压是偏离范数的三个标准差的情况下)。
另外或替代地,移动装置1015可与其它移动装置或系统1000的其它元件形成装置到装置(D2D)连接。举例来说,移动装置1015可与包含通信装置1020或车辆1045的其它装置形成RFID、WiFi、MultiFire、蓝牙或紫蜂连接。在一些实例中,可使用授权频谱频带进行D2D连接,且此类连接可由蜂窝网络或服务提供商管理。因此,虽然在窄带IoT的上下文中描述了上述实例,但可了解,移动装置1015可利用其它装置到装置连接来提供在与移动装置1015确定的频带不同的频带上收集的信息(例如,传感器数据)以用于所述信息的传输。
此外,一些通信装置可促进自组织网络(例如,形成有通信装置1020的网络)附接到静止物体和车辆1040、1045,而不一定形成到基站1010及/或核心网络的传统连接。其它静止物体可用于支撑通信装置1020,例如但不限于树、植物、柱、建筑物、飞艇、飞船、气球、街道标志、邮箱,或其组合。在此系统1000中,通信装置1020及小型小区1030(例如,小型小区、毫微微小区、WLAN接入点、蜂窝热点等)可安装于另一结构上或附着到另一结构,例如灯柱及建筑物,以促进形成自组织网络及其它基于IoT的网络。此类网络可在与现有技术不同的频带处操作,例如移动装置1015在蜂窝通信频带上与基站1010通信。
通信装置1020可部分取决于到系统1000的另一元件的连接而形成以层级或自组织网络方式操作的无线网络。举例来说,通信装置1020可在未授权频谱中利用700MHz通信频率以形成与移动装置1015的连接,同时利用授权频谱通信频率来形成与车辆1045的另一连接。通信装置1020可在授权频谱上与车辆1045通信,以提供对时间敏感数据,例如用于车辆1045在专用短距离通信(DSRC)的5.9GHz频带上的自动驾驶能力的数据的直接访问。
车辆1040及1045可在与通信装置1020与车辆1045之间的连接不同的频带下形成自组织网络。举例来说,对于用于在车辆1040、1045之间提供时间敏感数据的高带宽连接,24GHz毫米波频带可用于车辆1040、1045之间的数据传输。举例来说,在车辆1040、1045彼此横穿窄的交叉线的同时,车辆1040、1045可在连接上彼此共享实时方向及导航数据。每一车辆1040、1045可跟踪交叉线且将图像数据提供到图像处理算法以在各自沿着交叉线行进的同时促进每一车辆的自主导航。在一些实例中,此实时数据也可基本上在通信装置1020与车辆1045之间的排他性授权频谱连接上同时共享,例如用于处理在车辆1045及车辆1040两者处接收到的图像数据,如在24GHz毫米波频带上由车辆1040传输到车辆1045的图像数据。虽然图10中示出为汽车,但可使用其它车辆,包含但不限于飞行器、航天器、热气球、飞艇、飞船、火车、潜水艇、轮船、渡船、巡航船、直升飞机、摩托车、自行车、无人机,或其组合。
虽然通信装置1020可利用静止物体来支持及估计在此类装置处接收到的输入数据,但由于向/从车辆1040及1045的信号路径中的时变物体,例如道路上的物体、行人或其它车辆及/或移动物体,向/从车辆1040及1045传输的信号可能会经历时变无线信道。有利地,利用图2A到2C中描绘的处理单元112,移动物体的时变性质可由经训练以处理此类时变无线信道中的RF信号的推理递归神经网络更好地估计。举例来说,当接收到有噪声的无线输入数据且将此输入数据与处理结果的延迟版本混合时,车辆1040及1045可更有效地处理及补偿车辆1040及1045的路径中的时变物体的效果。举例来说,虽然车辆1040的一个频带可在超宽带(UWB)范围上运行以检测附近的物体,并且可独立于在24GHz毫米波频带或甚至蜂窝频带上接收到的另一频带来补偿这种效果。时变物体可以不同的效果影响每个频带的频率,从而可独立地处理每个频带,但也可使用本文所描述的递归神经网络根据相应频率的时变效果进行补偿。
虽然在24GHz毫米波频带的上下文中进行描述,但可了解,可在系统1000中在其它毫米波频带或可为授权或未授权频带的其它频带中形成连接,所述其它频带例如28GHz、37GHz、38GHz、39GHz。在一些情况下,车辆1040、1045可共享它们与不同网络中的其它车辆通信的频带。举例来说,车队可经过车辆1040,并且除车辆1040、1045之间的24GHz毫米波连接之外,还暂时共享24GHz毫米波频带以形成所述车队之间的连接。作为另一实例,通信装置1020可基本上同时维持与由用户(例如,沿着街道行走的行人)操作的移动装置1015的700MHz连接,以在5.9GHz频带上将关于用户的位置的信息提供到车辆1045。在提供此类信息时,通信装置1020可充分利用天线分集方案作为大型MIMO框架的部分,以促进与移动装置1015与车辆1045两者的时间敏感的单独连接。大规模MIMO框架可涉及具有大量天线(例如,12、20、64、128等)的传输及/或接收装置,其可促进根据传统协议(例如,WiFi或LTE)以较少天线操作的装置无法达到的精确波束成形或空间分集。
基站1010及小型小区1030可与系统1000中的装置或系统1000中至少具有传感器无线网络的其它有通信能力的装置(例如可在活动/休眠循环上操作的太阳能电池1037,及/或一或多个其它传感器装置)无线通信基站1010可为进入其覆盖区域的装置,例如移动装置1015及无人机1017提供无线通信覆盖。小型小区1030可为例如在小型小区1030安装的建筑物附近进入其覆盖区域的装置,例如车辆1045及无人机1017提供无线通信覆盖范围。
一般来说,小型小区1030可称为小型小区且为本地地理区提供覆盖范围,例如,在一些实例中200米或更小的覆盖范围。这可与宏小区对照,所述宏小区可在约几平方英里或千米的宽或大面积上提供覆盖范围。在一些实例中,小型小区1030可部署(例如,安装在建筑物上)于基站1010(例如,宏小区)的一些覆盖区域内,其中根据所述覆盖区域的业务分析,无线通信业务可能是密集的。举例来说,如果基站1010通常接收及/或传输比所述基站1010的其它覆盖区域更高量的无线通信传输,则小型小区1030可在图10中的建筑物上部署在基站1010的覆盖区域中。基站1010可部署在一地理区域中,从而为所述地理区域的部分提供无线覆盖范围。随着无线通信业务变得更密集,可在某些区域中部署额外基站1010,这可更改现有基站1010的覆盖区域,或可部署其它支持的站,例如小型小区1030。小型小区1030可为超微型小区,其可为小于小型小区的区域(例如,在一些实例中100米或更小(例如,建筑物的一层))提供覆盖范围。
虽然基站1010及小型小区1030可为围绕其相应区域的地理区域的一部分提供通信覆盖,但两者可改变其覆盖范围的方面以促进用于特定装置的较快无线连接。举例来说,小型小区1030可主要为在小型小区1030安装的建筑物周围或其中的装置提供覆盖范围。然而,小型小区1030还可检测已进入覆盖区域的装置且调整其覆盖区域以促进到所述装置的较快连接。
举例来说,小型小区1030可支持与也可称为无人驾驶飞行器(UAV)的无人机1017的大型MIMO连接,并且在车辆1045进入其覆盖区域时,小型小区1030调整一些天线以在车辆1045而非无人机1017的方向上定向地指向,以促进除无人机1017之外还与车辆的大型MIMO连接。在调整一些天线时,小型小区1030可能无法支持以特定频率到无人机1017的如同在调整之前那么快的连接。举例来说,小型小区1030可在1.8GHz的4G LTE频带中的各种可能频率中的第一频率与无人机1017通信。然而,无人机1017还可请求以不同频率与其覆盖区域中的另一装置(例如,基站1010)连接,这可促进如参考小型小区1030描述的类似连接,或例如在5G NR频带中以3.5GHz频率与基站1010的不同的(例如,更快、更可靠的)连接。因此,系统1000可在将额外连接提供到可能利用或需要现有通信链路的装置时增强此链路,使得输入数据与系数数据混合以利用处理单元生成输出数据;例如,要在4GE LTE及5GNR频段传输的输出数据。在一些实例中,无人机1017可充当可移动或空中基站。
与由于在向/从车辆1040及1045的信号路径中的时变物体而可能经历时变无线信道的向/从车辆1040及1045传输的信号类似,多个无人机1017也可能经历此时变效果(例如,在无人机网络中)。有利地,利用图2A到2C中描绘的处理单元112,移动空中物体的时变性质可由经训练以处理此类时变无线信道中的RF信号的推理递归神经网络更好地估计。举例来说,当接收有噪声的无线输入数据且将此输入数据与处理结果的延迟版本混合时,多个无人机1017可更有效地处理及补偿其相应空中路径中的时变物体的效果,包含在不同频带上,例如在如上文所述的用于单个无人机1017的多个无线连接的情况下。
无线通信系统1000可包含例如基站1010、通信装置1020及小型小区1030的装置,它们可支持以不同频率到系统1000中的装置的多个连接,使得输入数据与系数数据混合以利用在系统1000的电子装置中实施的处理单元,例如图1A、2A、2B或2C的处理单元112生成输出数据。此类装置可在层级模式或自组织模式中与系统1000的网络中的其它装置一起操作。虽然在基站1010、通信装置1020及小型小区1030的上下文中进行描述,但可了解,可支持与网络中的装置的若干连接,使得输入数据与系数数据混合以利用处理单元112生成输出数据的其它装置可包含在系统1000中,包含但不限于:宏小区、超微型小区、路由器、卫星及RFID检测器。
在各种实例中,无线通信系统1000的元件,例如基站1010、移动装置1015、无人机1017、通信装置1020、小型小区1030及车辆1040、1045可实施为本文所描述的电子装置,所述电子装置将输入数据与系数数据混合以利用处理单元112生成输出数据。举例来说,通信装置1020可实施为本文所描述的电子装置,例如图1A的电子装置110,所述电子装置实施图2A、2B或2C的处理单元112,或在本文所描述的图中描绘的系统中的任何系统或组合。
图11说明根据本公开的方面的无线通信装置1100的实例。无线通信装置1100包含移动装置1115、无人机1117、通信装置1120及小型小区1130。建筑物1110还包含无线通信装置1100的装置,其可经配置以与建筑物1110或小型小区1130中的其它元件通信。建筑物1110包含联网工作站1140、1145、虚拟现实装置1150、IoT装置1155、1160及联网娱乐装置1065。在所描绘的装置1100中,IoT装置1155、1160可分别为由虚拟现实装置1150控制的用于住宅使用的洗衣机及干衣机。因此,虽然虚拟现实装置1150的用户可在建筑物1110的不同房间中,但用户可控制IoT装置1155的操作,例如配置洗衣机设置。虚拟现实装置1150还可控制联网娱乐装置1065。举例来说,虚拟现实装置1150可将虚拟现实装置1150的用户正玩的虚拟游戏广播到联网娱乐装置1065的显示器上。
与由于在向/从车辆1040及1045的信号路径中的时变物体而可能经历时变无线信道的向/从车辆1040及1045传输的信号类似,虚拟现实装置1150的用户也可能经历建筑物1110中的此时变效果。有利地,利用图2A到2C中描绘的处理单元112,移动个人或物体的时变性质可由经训练以处理此类时变无线信道中的RF信号的推理递归神经网络更好地估计。举例来说,当接收有噪声的无线输入数据且将此输入数据与处理结果的延迟版本混合时,虚拟现实装置1150可更有效地处理及补偿建筑物1110中的时变物体(例如,例如机器人真空装置的联网IoT装置)或个人(例如,在虚拟现实装置1150的用户上方或下方的房间中的其他个人)的效果。
小型小区1130或建筑物1110的装置中的任一个可连接到提供对因特网及传统通信链路的访问的网络。类似于系统1000,装置1100可促进可包含各种频带的5G系统中的宽范围的无线通信连接,所述各种频带包含但不限于:低于6GHz频带(例如,700MHz通信频率)、中间范围通信频带(例如,2.4GHz),及毫米波频带(例如,24GHz)。另外或替代地,无线通信连接可支持如上文参考系统1000所描述的各种调制方案。装置1100可操作且经配置以类似于系统1000进行通信。因此,装置1100及系统1000的类似编号的元件可以类似方式配置,例如通信装置1020与通信装置1120,小型小区1030与小型小区1130等。
类似于系统1000,其中系统1000的元件经配置以形成独立的层级或自组织网络,通信装置1120可与小型小区1130及移动装置1115形成层级网络,同时可在包含无人机1117及建筑物1110的一些装置(例如,联网工作站1140、1145及IoT装置1155、1160)的小型小区1130网络当中形成额外自组织网络。
通信装置1100中的装置还可与其它移动装置或系统1100的其它元件形成(D2D)连接。举例来说,虚拟现实装置1150可与包含IoT装置1155及联网娱乐装置1065的其它装置形成窄带IoT连接。如上文所描述,在一些实例中,可使用授权频谱频带进行D2D连接,且此类连接可由蜂窝网络或服务提供商管理。因此,虽然在窄带IoT的上下文中描述了上述实例,但可了解,虚拟现实装置1150可利用其它装置到装置连接。
在各种实例中,无线通信装置1100的元件,例如移动装置1115、无人机1117、通信装置1120及小型小区1130、联网工作站1140、1145、虚拟现实装置1150、IoT装置1155、1160及联网娱乐装置1065可实施为本文所描述的电子装置,所述电子装置将输入数据与系数数据混合以利用处理单元112生成输出数据。举例来说,通信装置1120可实施为本文所描述的电子装置,例如图1A的电子装置110,所述电子装置实施图2A、2B或2C或2C的处理单元112,或在本文所描述的图中描绘的系统中的任何系统或组合。
上文阐述某些细节以提供对所描述的实例的充分理解。然而,所属领域的技术人员将明白,可在没有各种这些具体细节的情况下实践所述实例。本文结合附图阐述的描述内容描述了实例配置,且并不表示可实施的或在权利要求书的范围内的所有实例。如本文中可使用的术语“示例性”及“实例”是指“充当实例、例子或说明”且并非为“优选的”或“比其它实例有利”。详细描述包含出于提供对所描述技术的理解的目的的具体细节。然而,可在没有这些具体细节的情况下实践这些技术。在一些例子中,以框图的形式展示众所周知的结构及装置以便避免混淆所描述实例的概念。
可使用多种不同技术及技艺中的任一个来表示本文中所描述的信息及信号。举例来说,可通过电压、电流、电磁波、磁场或磁粒子、光场或光粒子或其任何组合来表示在整个上文描述中可能参考的数据、指令、命令、信息、信号、位、符号及芯片。
本文所描述的技术可用于各种无线通信系统,其可包含多址接入蜂窝通信系统,且其可采用码分多址接入(CDMA)、时分多址接入(TDMA)、频分多址接入(FDMA)、正交频分多址接入(OFDMA)、或单载波频分多址接入(SC-FDMA),或这类技术的任何组合。这些技术中的一些已用于例如第三代合作伙伴计划(3GPP)、第三代合作伙伴计划2(3GPP2)及IEEE的组织的标准化无线通信协议中或与所述标准化无线通信协议相关。这些无线标准包含超移动宽带(UMB)、通用移动电信系统(UMTS)、长期演进(LTE)、LTE-高级(LTE-A)、LTE-A Pro、新无线电(NR)、IEEE 802.11(WiFi)及IEEE 802.16(WiMAX)等等。
术语“5G”或“5G通信系统”可指根据例如在其相应赞助组织的LTE版本13或14或WiMAX 802.16e-2005之后开发或论述的标准化协议操作的系统。可在根据其它代无线通信系统配置的系统(包含根据上文所描述的标准配置的那些系统)中采用本文中所描述的特征。
可使用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列信号(FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或经设计以执行本文所描述的功能的其任何组合来实施或执行结合本文中的公开内容而描述的各种说明性块及模块。通用处理器可为微处理器,但在替代方案中,处理器可为任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合(例如,DSP与微处理器的组合、多个微处理器、结合DSP核心的一或多个微处理器,或任何其它此配置)。
本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果以由处理器执行的软件来实施,则可将功能作为一或多个指令或代码存储于计算机可读媒体上或通过计算机可读媒体传输。计算机可读媒体包含非暂时性计算机存储媒体及通信媒体两者,所述通信媒体包含促进将计算机程序从一处传递到另一处的任何媒体。非暂时性存储媒体可为可由通用或专用计算机存取的任何可用媒体。借助于实例而非限制,非暂时性计算机可读媒体可包括RAM、ROM、电可擦除可编程只读存储器(EEPROM),或光盘存储装置、磁盘存储装置或其它磁性存储装置,或可用于载送或存储呈指令或数据结构形式的所需程序代码方式并且可由通用或专用计算机,或通用或专用处理器存取的任何其它非暂时性媒体。
并且,适当地将任何连接称为计算机可读媒体。举例来说,如果使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)或例如红外线、无线电及微波的无线技术从网站、服务器或其它远程源传输软件,则所述同轴电缆、光纤电缆、双绞线、DSL或例如红外线、无线电及微波的无线技术包含在媒体的定义中。以上各者的组合也包含在计算机可读媒体的范围内。
其它实例及实施方案在本公开及所附权利要求书的范围内。举例来说,由于软件的本质,上文所描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或这些中的任一个的组合来实施。实施功能的特征还可物理上位于各种位置处,包含经分布以使得功能的部分在不同物理位置处实施。
并且,如本文中所使用,包含在权利要求书中,项目的列表(例如,以例如“中的至少一者”或“中的一或多者”的短语开始的项目的列表)中所使用的“或”指示包含性列表,使得(例如)A、B或C中的至少一者的列表意指A或B或C或AB或AC或BC或ABC(即,A及B及C)。而且,如本文所用,短语“基于”不应理解为提及封闭条件集。举例来说,在不脱离本公开的范围的情况下,描述为“基于条件A”的示例性步骤可基于条件A及条件B两者。换句话说,如本文所用,短语“基于”应同样地解释为短语“至少部分地基于”。
从前述将了解,虽然本文已出于说明的目的描述具体实例,但可做出各种修改,同时仍保持所要求技术的范围。提供本文中的描述使得所属领域的技术人员能够进行或使用本公开。对本公开的各种修改对于所属领域的技术人员将显而易见,且可在不脱离本公开的范围的情况下将本文中所定义的一般原理应用于其它变体。因此,本公开不限于本文所描述的实例及设计,而是将被赋予与本文所公开的原理及新颖特征一致的最广泛范围。
Claims (28)
1.一种系统,其包括:
至少一个处理单元;及
非暂时性计算机可读媒体,其用可执行指令编码,所述可执行指令在由所述至少一个处理单元执行时经配置以使所述系统执行包括以下项的操作:
获得与用于所述至少一个处理单元的处理模式相对应的处理模式选择;
在多个天线处至少部分地基于所述处理模式选择而获得用于射频(RF)域中的传输的输入数据,所述多个天线中的每个天线通过多个无线信道中的相应无线信道接收所述RF域中的所述传输的部分;
在多个乘法/累加单元(MAC单元)层中的第一MAC单元层中,使用多个系数将所述输入数据及所述第一MAC单元层的相应输出的延迟版本混合,所述多个系数特定于所述处理模式选择,其中将所述输入数据与所述多个系数混合包括:
对于所述多个MAC单元层中的额外MAC单元层,使用所述多个系数中的额外系数将相应处理结果及所述相应处理结果的至少一部分的延迟版本混合;及
基于所述输入数据使用所述多个系数混合而提供输出数据,表示所述传输的部分的所述输出数据根据所述处理模式选择进行处理,其中提供所述输出数据包括提供所述输出数据,使得无线收发器处理单元接收所述输出数据以用于进一步处理所述传输。
2.根据权利要求1所述的系统,其中所述多个MAC单元层的数目对应于所述多个无线信道中的无线信道的数目。
3.根据权利要求1所述的系统,其中在所述第一MAC单元层之后,所述多个MAC单元的所述额外层中的每个后续层包含比所述额外MAC单元层的前一层更少数目的MAC单元。
4.根据权利要求3所述的系统,其中所述多个MAC单元中的第二层包含比所述第一MAC单元层中的MAC单元数目少一个的MAC单元,其中所述额外MAC单元层包括所述多个MAC单元中的所述第二层。
5.根据权利要求1所述的系统,其中所述第一MAC单元层中的每个MAC单元接收所述输入数据及所述第一MAC单元层的相应输出的相应延迟版本。
6.根据权利要求1所述的系统,所述操作包括:
从存储器数据库检索所述多个系数。
7.根据权利要求1所述的系统,所述操作包括:
基于所述处理模式选择配置所述至少一个处理单元以选择所述多个系数。
8.根据权利要求1所述的系统,所述操作包括:
从多个处理模式中选择所述处理模式,所述多个处理模式中的每个处理模式与相应多个系数相关联。
9.根据权利要求8所述的系统,其中每个相应的多个系数存储在云计算数据库中,所述云计算数据库经配置以与所述非暂时性计算机可读媒体通信。
10.根据权利要求1所述的系统,其中所述处理模式对应于至少一个单处理模式、多处理模式或完整处理模式。
11.根据权利要求10所述的系统,其中所述单处理模式包括快速傅里叶变换(FFT)处理模式、快速傅里叶逆变换(IFFT)处理模式、译码模式、涡轮译码处理模式、解码处理模式、里德所罗门处理模式、交错器处理模式、解交错处理模式、调制映射处理模式、解调映射处理模式、加扰处理模式、解扰处理模式,或信道估计处理模式。
12.根据权利要求11所述的系统,其中所述调制映射处理模式与GFDM、FBMC、UFMC、DFDM、SCMA、NOMA、MUSA或FTN中的至少一个相关联。
13.根据权利要求11所述的系统,其中所述多处理模式包括快速傅里叶变换(FFT)处理模式、快速傅里叶逆变换(IFFT)处理模式、译码模式、涡轮译码处理模式、解码处理模式、里德所罗门处理模式、交错器处理模式、解交错处理模式、调制映射处理模式、解调映射模式、加扰模式、解扰模式,或信道估计模式中的至少两个。
14.根据权利要求11所述的系统,其中所述完整处理模式包括无线发射器处理模式或无线接收器处理模式。
15.根据权利要求1所述的系统,其中所述多个系数对应于输入数据到输出数据的非线性映射,表示所述传输的部分的所述非线性映射根据所述处理模式选择进行处理。
16.根据权利要求15所述的系统,其中所述非线性映射包括高斯函数、分段线性函数、S型函数、薄板样条函数、多二次函数、立方近似或逆多二次函数。
17.根据权利要求1所述的系统,其中将所述输入数据与所述多个系数混合包括:
将所述输入数据的部分与所述多个系数中的至少一个相乘,及将所述第一MAC单元层的所述相应输出的所述延迟版本与所述多个系数中的至少另一个相乘以生成系数乘法结果;及
将所述系数乘法结果累加,以进一步与所述输入数据的其它部分及所述多个系数中的额外系数相乘及累加。
18.根据权利要求1所述的系统,其中将所述输入数据与所述多个系数混合包括:
在与所述第一MAC单元层相关联的相应延迟单元处延迟所述第一MAC单元层的相应输出,以生成所述第一MAC单元层的所述相应输出的所述延迟版本。
19.根据权利要求1所述的系统,其中使用所述多个系数中的所述额外系数将相应处理结果及所述相应处理结果的至少一部分的延迟版本混合包括:
将所述相应处理结果与所述多个额外系数中的所述额外系数中的至少一个相乘;及
将所述相应处理结果的所述至少一部分的所述延迟版本与所述多个系数中的所述额外系数中的至少另一个相乘。
20.根据权利要求1所述的系统,其中所述至少一个处理单元包括:
多个存储器查找单元(MLU),其经配置以存储并提供相应系数乘法结果,其中所述多个存储器查找单元的部分经配置以基于所述输入数据使用所述多个系数混合而提供所述输出数据。
21.根据权利要求20所述的系统,其中所述至少一个处理单元进一步包括:
多个延迟单元,其经配置以基于由所述多个MLU中的相应MLU提供的所述相应系数乘法结果的部分而提供所述第一MAC单元层的所述相应输出的所述延迟版本。
22.根据权利要求21所述的系统,其中所述至少一个处理单元进一步包括:
额外的多个延迟单元,其经配置以提供所述相应处理结果的至少一部分的所述延迟版本,其中所述相应处理结果的所述至少一部分对应于所述多个MLU的所述相应系数乘法结果的部分,所述多个MLU与所述多个MAC单元层中的所述额外MAC单元层相关联。
23.一种方法,其包括:
在多个乘法/累加处理单元(MAC单元)中的第一MAC单元层处,通过多个系数计算输入数据及所述第一MAC单元层的相应输出的延迟版本以生成第一处理结果;
在所述多个MAC单元中的额外MAC单元层处,通过额外的多个系数计算所述第一处理结果及所述第一处理结果的至少一部分的延迟版本以生成第二处理结果;
部分地基于所述第二处理结果提供输出数据,表示所述输入数据的所述输出数据根据无线协议的方面进行处理;及
经由RF天线传输所述输出数据。
24.根据权利要求23所述的方法,其进一步包括:
在多个天线处获得所述输入数据的相应部分,其中所述多个天线中的每个天线通过多个无线信道中的相应无线信道接收RF无线域中的所述输入数据的所述相应部分。
25.根据权利要求24所述的方法,其中所述额外MAC单元层的数量与所述多个无线信道中的无线信道数量相关联。
26.一种设备,其包括:
组合器的第一级,其经配置以接收无线输入数据,并且使用所述无线输入数据的组合及所述无线输入数据的所述组合的延迟版本评估至少一个非线性函数以提供中间数据;及
组合器的至少第二级,其经配置以接收所述中间数据且使用预定权重集合来组合所述中间数据以至少部分地基于与所述无线输入数据相关联的无线协议提供所述预定权重集合的输出数据。
27.根据权利要求26所述的设备,其中所述预定权重的集合是基于关于已知输入数据及所述已知输入数据的组合的延迟版本对递归神经网络的训练。
28.根据权利要求27所述的设备,其进一步包括模式配置控制件,其经配置以根据与所述无线输入数据相关联的所述无线协议选择用于所述递归神经网络的所述权重集合。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/683,223 US10924152B1 (en) | 2019-11-13 | 2019-11-13 | Mixing coefficient data for processing mode selection |
US16/683,223 | 2019-11-13 | ||
PCT/US2020/056146 WO2021096640A1 (en) | 2019-11-13 | 2020-10-16 | Mixing coefficient data for processing mode selection |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114731171A true CN114731171A (zh) | 2022-07-08 |
Family
ID=74570166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080079110.5A Pending CN114731171A (zh) | 2019-11-13 | 2020-10-16 | 混合用于处理模式选择的系数数据 |
Country Status (5)
Country | Link |
---|---|
US (3) | US10924152B1 (zh) |
EP (1) | EP4059145A4 (zh) |
KR (1) | KR20220101667A (zh) |
CN (1) | CN114731171A (zh) |
WO (1) | WO2021096640A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9942074B1 (en) | 2016-11-30 | 2018-04-10 | Micron Technology, Inc. | Wireless devices and systems including examples of mixing coefficient data specific to a processing mode selection |
US10027523B2 (en) | 2016-11-30 | 2018-07-17 | Micron Technology, Inc. | Wireless devices and systems including examples of mixing input data with coefficient data |
US10886998B2 (en) | 2019-02-22 | 2021-01-05 | Micron Technology, Inc. | Mixing coefficient data specific to a processing mode selection using layers of multiplication/accumulation units for wireless communication |
US10924152B1 (en) * | 2019-11-13 | 2021-02-16 | Micron Technology, Inc. | Mixing coefficient data for processing mode selection |
US20220322104A1 (en) * | 2021-03-30 | 2022-10-06 | Charter Communications Operating, Llc | Mobile wireless base stations, network usage monitoring, and deployment |
CN113347128B (zh) * | 2021-05-27 | 2023-03-24 | 湖北工业大学 | 基于神经网络均衡的qpsk调制超奈奎斯特传输方法及系统 |
US11755408B2 (en) * | 2021-10-07 | 2023-09-12 | Micron Technology, Inc. | Systems for estimating bit error rate (BER) of encoded data using neural networks |
CN114326826B (zh) * | 2022-01-11 | 2023-06-20 | 北方工业大学 | 多无人机队形变换方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5532950A (en) * | 1994-04-25 | 1996-07-02 | Wadia Digital Corporation | Dynamic digital filter using neural networks |
CN1555608A (zh) * | 2001-08-10 | 2004-12-15 | 自由度半导体公司 | 用于甚宽带通信系统中信号获取和跟踪的模式控制器 |
US20050141632A1 (en) * | 2003-12-03 | 2005-06-30 | Samsung Electronics Co., Ltd. | Data transmission/reception apparatus and method for improving performance in a mobile communication system using space-time trellis code |
JP2005236852A (ja) * | 2004-02-23 | 2005-09-02 | Nippon Hoso Kyokai <Nhk> | 信号分離方法、信号分離装置、及び信号分離プログラム |
JP2017016384A (ja) * | 2015-07-01 | 2017-01-19 | 日本放送協会 | 混合係数パラメータ学習装置、混合生起確率算出装置、及び、これらのプログラム |
US9942074B1 (en) * | 2016-11-30 | 2018-04-10 | Micron Technology, Inc. | Wireless devices and systems including examples of mixing coefficient data specific to a processing mode selection |
CN108694692A (zh) * | 2017-04-09 | 2018-10-23 | 英特尔公司 | 机器学习稀疏计算机制 |
US20180322388A1 (en) * | 2017-05-03 | 2018-11-08 | Virginia Tech Intellectual Properties, Inc. | Learning and deployment of adaptive wireless communications |
CN109754790A (zh) * | 2017-11-01 | 2019-05-14 | 中国科学院声学研究所 | 一种基于混合声学模型的语音识别系统及方法 |
CN110036611A (zh) * | 2016-11-30 | 2019-07-19 | 美光科技公司 | 包含混合输入数据与系数数据的实例的无线装置及系统 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0566015A3 (en) | 1992-04-14 | 1994-07-06 | Eastman Kodak Co | Neural network optical character recognition system and method for classifying characters in amoving web |
JP4066523B2 (ja) | 1998-07-22 | 2008-03-26 | ソニー株式会社 | Ofdm信号発生方法及びofdm信号発生装置 |
US8295406B1 (en) | 1999-08-04 | 2012-10-23 | Parkervision, Inc. | Universal platform module for a plurality of communication protocols |
JP3957251B2 (ja) | 2000-03-02 | 2007-08-15 | パイオニア株式会社 | オーディオ情報再生システム、オーディオ情報再生装置及びオーディオ情報再生方法 |
US7277679B1 (en) | 2001-09-28 | 2007-10-02 | Arraycomm, Llc | Method and apparatus to provide multiple-mode spatial processing to a terminal unit |
US6947916B2 (en) | 2001-12-21 | 2005-09-20 | Quicksilver Technology, Inc. | IC for universal computing with near zero programming complexity |
US7016823B2 (en) | 2002-01-30 | 2006-03-21 | Agilent Technologies, Inc. | Method for simulating a mixer in circuit simulators and the like |
US7106816B2 (en) | 2002-12-18 | 2006-09-12 | Qualcomm Incorporated | Supporting multiple wireless protocols in a wireless device |
US8014374B2 (en) | 2003-04-07 | 2011-09-06 | Bellow Bellows Llc | System and method for achieving timing compatibility with multi-antenna wireless data protocols |
US20040218683A1 (en) | 2003-05-01 | 2004-11-04 | Texas Instruments Incorporated | Multi-mode wireless devices having reduced-mode receivers |
CN100341295C (zh) | 2004-02-19 | 2007-10-03 | 美国博通公司 | 具有高数据吞吐量的wlan发射器 |
US7873815B2 (en) | 2004-03-04 | 2011-01-18 | Qualcomm Incorporated | Digital signal processors with configurable dual-MAC and dual-ALU |
WO2006044310A2 (en) | 2004-10-19 | 2006-04-27 | Optichron, Inc. | Nonlinear system observation and control |
US7139328B2 (en) * | 2004-11-04 | 2006-11-21 | Motorola, Inc. | Method and apparatus for closed loop data transmission |
US7640019B2 (en) | 2005-03-31 | 2009-12-29 | Adc Telecommunications, Inc. | Dynamic reallocation of bandwidth and modulation protocols |
US8040836B2 (en) | 2006-05-26 | 2011-10-18 | Microsoft Corporation | Local network coding for wireless networks |
US8130867B2 (en) | 2007-01-05 | 2012-03-06 | Qualcomm Incorporated | Pilot design for improved channel and interference estimation |
WO2008126516A1 (ja) | 2007-04-10 | 2008-10-23 | Naoki Suehiro | 送信方法、送信装置、受信方法及び受信装置 |
CN101175061B (zh) | 2007-11-30 | 2011-05-04 | 北京北方烽火科技有限公司 | 一种ofdm发射机的自适应数字预失真方法和装置 |
US8761274B2 (en) | 2009-02-04 | 2014-06-24 | Acorn Technologies, Inc. | Least squares channel identification for OFDM systems |
US9509543B2 (en) | 2009-06-26 | 2016-11-29 | Qualcomm Incorporated | Method and apparatus that facilitates interference reduction in wireless systems |
US8514976B2 (en) | 2010-09-27 | 2013-08-20 | Qualcomm Incorporated | Method and apparatus for coding and interleaving for very high throughput wireless communications |
US9059778B2 (en) | 2011-01-07 | 2015-06-16 | Integrated Device Technology Inc. | Frequency domain compression in a base transceiver system |
JP5213982B2 (ja) | 2011-03-30 | 2013-06-19 | アンリツ株式会社 | 移動体通信端末試験システム、解析方法、及び解析プログラム |
US8682638B2 (en) | 2011-06-30 | 2014-03-25 | Octoscope, Inc. | Channel emulator system and method |
EP2557501B1 (en) | 2011-08-11 | 2016-03-16 | Intel Deutschland GmbH | Circuit arrangement and method for testing same |
EP2817863A1 (en) | 2012-01-08 | 2014-12-31 | Powermat Technologies Ltd. | System and method for providing and controlling inductive power charging |
JP6054739B2 (ja) | 2012-12-26 | 2016-12-27 | パナソニック株式会社 | 歪み補償装置及び歪み補償方法 |
US9588773B2 (en) | 2013-01-07 | 2017-03-07 | Wave Computing, Inc. | Software based application specific integrated circuit |
US9160382B2 (en) | 2013-10-08 | 2015-10-13 | Blackberry Limited | Phase noise mitigation for wireless communications |
US20160028514A1 (en) | 2014-07-25 | 2016-01-28 | Lsi Corporation | Configurable Transmitter Hardware Block and Methods |
US10746849B2 (en) | 2016-04-08 | 2020-08-18 | General Radar Corp. | Beam-forming reconfigurable correlator (pulse compression receiver) based on multi-gigabit serial transceivers (SERDES) |
US10295657B2 (en) | 2016-08-29 | 2019-05-21 | Ams Sensors Singapore Pte. Ltd. | Time of flight-based systems operable for ambient light and distance or proximity measurements |
US10707893B2 (en) * | 2016-12-02 | 2020-07-07 | Nec Corporation | Second-order delta-sigma modulator and transmission apparatus |
KR102415508B1 (ko) | 2017-03-28 | 2022-07-01 | 삼성전자주식회사 | 컨볼루션 신경망 처리 방법 및 장치 |
CN109993275B (zh) | 2017-12-29 | 2021-01-29 | 华为技术有限公司 | 一种信号处理方法及装置 |
US20200073636A1 (en) | 2018-08-31 | 2020-03-05 | Qualcomm Incorporated | Multiply-accumulate (mac) operations for convolutional neural networks |
US10886998B2 (en) | 2019-02-22 | 2021-01-05 | Micron Technology, Inc. | Mixing coefficient data specific to a processing mode selection using layers of multiplication/accumulation units for wireless communication |
US10979097B2 (en) * | 2019-09-05 | 2021-04-13 | Micron Technology, Inc. | Wireless devices and systems including examples of full duplex transmission using neural networks or recurrent neural networks |
US10924152B1 (en) * | 2019-11-13 | 2021-02-16 | Micron Technology, Inc. | Mixing coefficient data for processing mode selection |
US11258473B2 (en) * | 2020-04-14 | 2022-02-22 | Micron Technology, Inc. | Self interference noise cancellation to support multiple frequency bands with neural networks or recurrent neural networks |
US11755408B2 (en) * | 2021-10-07 | 2023-09-12 | Micron Technology, Inc. | Systems for estimating bit error rate (BER) of encoded data using neural networks |
-
2019
- 2019-11-13 US US16/683,223 patent/US10924152B1/en active Active
-
2020
- 2020-10-16 EP EP20887606.0A patent/EP4059145A4/en active Pending
- 2020-10-16 CN CN202080079110.5A patent/CN114731171A/zh active Pending
- 2020-10-16 WO PCT/US2020/056146 patent/WO2021096640A1/en unknown
- 2020-10-16 KR KR1020227019885A patent/KR20220101667A/ko unknown
-
2021
- 2021-01-15 US US17/150,016 patent/US11528048B2/en active Active
-
2022
- 2022-11-07 US US18/053,310 patent/US20230113600A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5532950A (en) * | 1994-04-25 | 1996-07-02 | Wadia Digital Corporation | Dynamic digital filter using neural networks |
CN1555608A (zh) * | 2001-08-10 | 2004-12-15 | 自由度半导体公司 | 用于甚宽带通信系统中信号获取和跟踪的模式控制器 |
US20050141632A1 (en) * | 2003-12-03 | 2005-06-30 | Samsung Electronics Co., Ltd. | Data transmission/reception apparatus and method for improving performance in a mobile communication system using space-time trellis code |
JP2005236852A (ja) * | 2004-02-23 | 2005-09-02 | Nippon Hoso Kyokai <Nhk> | 信号分離方法、信号分離装置、及び信号分離プログラム |
JP2017016384A (ja) * | 2015-07-01 | 2017-01-19 | 日本放送協会 | 混合係数パラメータ学習装置、混合生起確率算出装置、及び、これらのプログラム |
US9942074B1 (en) * | 2016-11-30 | 2018-04-10 | Micron Technology, Inc. | Wireless devices and systems including examples of mixing coefficient data specific to a processing mode selection |
CN110024345A (zh) * | 2016-11-30 | 2019-07-16 | 美光科技公司 | 包含混合特定于处理模式选择的系数数据的实例的无线装置和系统 |
CN110036611A (zh) * | 2016-11-30 | 2019-07-19 | 美光科技公司 | 包含混合输入数据与系数数据的实例的无线装置及系统 |
CN108694692A (zh) * | 2017-04-09 | 2018-10-23 | 英特尔公司 | 机器学习稀疏计算机制 |
US20180322388A1 (en) * | 2017-05-03 | 2018-11-08 | Virginia Tech Intellectual Properties, Inc. | Learning and deployment of adaptive wireless communications |
CN109754790A (zh) * | 2017-11-01 | 2019-05-14 | 中国科学院声学研究所 | 一种基于混合声学模型的语音识别系统及方法 |
Non-Patent Citations (3)
Title |
---|
C. B. VINUTHA ET AL.: "Energy efficient wireless sensor network using neural network based smart sampling and reliable routing protocol", 《2017 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS, SIGNAL PROCESSING AND NETWORKING》 * |
王友军: "基于神经网络的无线通信信号识别技术研究", 《万方学术》 * |
马永涛: "通信信道建模的神经网络优化技术研究", 《中国博士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
KR20220101667A (ko) | 2022-07-19 |
EP4059145A1 (en) | 2022-09-21 |
US10924152B1 (en) | 2021-02-16 |
WO2021096640A1 (en) | 2021-05-20 |
US11528048B2 (en) | 2022-12-13 |
US20210143860A1 (en) | 2021-05-13 |
US20230113600A1 (en) | 2023-04-13 |
EP4059145A4 (en) | 2023-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111684728B (zh) | 用于支持多个频带的自干扰噪声消除 | |
US10979097B2 (en) | Wireless devices and systems including examples of full duplex transmission using neural networks or recurrent neural networks | |
US10924152B1 (en) | Mixing coefficient data for processing mode selection | |
CN113454918B (zh) | 无线通信系统、装置及方法 | |
US11528043B2 (en) | Wireless devices and systems including examples of compensating power amplifier noise | |
US11070257B2 (en) | Neuron calculator for artificial neural networks | |
CN113924732A (zh) | 包含失配校正方案的实例的无线装置和系统 | |
US11973525B2 (en) | Self interference noise cancellation to support multiple frequency bands |
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 |