CN115529211A - 一种更新预处理参数的方法及装置 - Google Patents
一种更新预处理参数的方法及装置 Download PDFInfo
- Publication number
- CN115529211A CN115529211A CN202110706187.7A CN202110706187A CN115529211A CN 115529211 A CN115529211 A CN 115529211A CN 202110706187 A CN202110706187 A CN 202110706187A CN 115529211 A CN115529211 A CN 115529211A
- Authority
- CN
- China
- Prior art keywords
- signal
- preprocessing
- parameter
- parameters
- processing
- 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
- 238000007781 pre-processing Methods 0.000 title claims abstract description 445
- 238000000034 method Methods 0.000 title claims abstract description 150
- 238000004891 communication Methods 0.000 claims abstract description 72
- 230000015654 memory Effects 0.000 claims description 66
- 238000013507 mapping Methods 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 31
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012805 post-processing Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 abstract description 15
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 15
- 230000006870 function Effects 0.000 description 55
- 230000008569 process Effects 0.000 description 53
- 238000012545 processing Methods 0.000 description 49
- 238000013528 artificial neural network Methods 0.000 description 30
- 230000009471 action Effects 0.000 description 26
- 230000008859 change Effects 0.000 description 23
- 230000002787 reinforcement Effects 0.000 description 19
- 238000005070 sampling Methods 0.000 description 18
- 210000002569 neuron Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000009466 transformation Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 12
- 230000001131 transforming effect Effects 0.000 description 12
- 239000003795 chemical substances by application Substances 0.000 description 9
- 230000009022 nonlinear effect Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000006866 deterioration Effects 0.000 description 6
- 230000036961 partial effect Effects 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000005562 fading Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000003446 memory effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03343—Arrangements at the transmitter end
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/38—Synchronous or start-stop systems, e.g. for Baudot code
- H04L25/40—Transmitting circuits; Receiving circuits
- H04L25/49—Transmitting circuits; Receiving circuits using code conversion at the transmitter; using predistortion; using insertion of idle bits for obtaining a desired frequency spectrum; using three or more amplitude levels ; Baseband coding techniques specific to data transmission systems
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/022—Channel estimation of frequency response
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03006—Arrangements for removing intersymbol interference
- H04L25/03012—Arrangements for removing intersymbol interference operating in the time domain
-
- 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
- H04L25/03159—Arrangements for removing intersymbol interference operating in the frequency domain
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/36—Modulator circuits; Transmitter circuits
- H04L27/366—Arrangements for compensating undesirable properties of the transmission path between the modulator and the demodulator
-
- 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
- H04L2025/03592—Adaptation methods
- H04L2025/03598—Algorithms
- H04L2025/03611—Iterative algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mobile Radio Communication Systems (AREA)
- Transmitters (AREA)
Abstract
本申请涉及通信技术领域,提供了一种更新预处理参数的方法及装置。第一装置采用第一预处理参数对第一信号进行预处理及功率放大,得到第三信号;然后向第二装置发送该第三信号,第三信号经过第一装置与第二装置之间的信道后变为第四信号。第二装置采用第四信号进行信道估计和信道均衡,得到第五信号,然后基于第五信号确定更新后的预处理参数。接下来第二装置向第一装置指示更新后的预处理参数。信道估计和信道均衡可以消除第四信号中的线性部分,估计更新后的预处理参数时,只考虑非线性部分对信号的影响,可以更准确地得到最优的预处理参数,以实现准确的预处理,提高通信器件的工作效率。
Description
技术领域
本申请实施例涉及通信等领域,尤其涉及一种更新预处理参数的方法及装置。
背景技术
通信系统中的一些器件具有非线性特性,例如功率放大器(power amplifier,PA)。无论功率放大器工作在线性区还是非线性区,输出信号与输入信号的映射关系中都包含非线性成分。当工作在线性区时,非线性成分较弱,当工作在非线性区时,非线性成分较强。
为了提高功率放大器等通信器件的工作效率,降低系统的成本,通常希望功率放大器工作在非线性区(非线性区的放大倍数/增益较大),同时不引入太多的非线性成分。因此,预失真(例如数字预失真)等预处理方法被广泛采用,预处理是指对功率放大器的输入信号提前进行处理,该处理过程和功率放大器的非线性影响相互抵消,使功率放大器的输出信号是线性放大的。
在通信系统中,如何进行准确的预处理,提高通信器件的工作效率是需要解决的问题。
发明内容
本申请实施例提供一种更新预处理参数的方法及装置,提高预处理的准确度,从而提高通信器件的工作效率。
首先需要说明的是,以下的第一信号u、第二信号x、第三信号y、第四信号y’、第五信号d、第六信号z中的u、x、y、y’、d、z,均是为了对信号进行区分,不应造成对方案的限定。
第一方面,提供了一种更新预处理参数的方法,首先,第一装置向第二装置发送第三信号y;其中,所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号。第三信号y经过第一装置与第二装置之间的信道后变为第四信号y’。接下来,所述第一装置接收来自所述第二装置的第一指示,所述第一指示用于指示更新后的预处理参数;其中,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用所述第四信号y’进行信道估计和信道均衡后得到的信号,所述第四信号y’为所述第三信号y经过所述信道后的信号。
在第一方面中,信道估计和信道均衡可以消除第四信号y’中的线性部分,在估计更新后的预处理参数时,只考虑非线性部分对信号的影响,相比于考虑线性部分和非线性部分两者对信号的影响,可以更高效、更准确地得到最优的预处理参数,以实现准确的预处理,提高通信器件的工作效率。
可选的,可以在频域或时域用第四信号y’进行信道估计和信道均衡。
可选的,所述第五信号d为用所述第四信号y’进行信道估计和信道均衡后,按照与所述第一装置相同的资源映射方式变换到时域后得到的信号。
在一种可能的实现中,所述第一指示可以直接指示更新后的预处理参数,也可以是间接指示更新后的预处理参数,例如第一指示用于指示:预处理参数的改变值。也可以理解为第一指示包含预处理参数的改变值的信息。通过该信息可以得到改变值,进而可以根据改变值和第一预处理参数确定更新后的预处理参数。
例如,预处理参数的改变值为更新后的预处理参数与第一预处理参数的差值,该改变值为正实数,或负实数,或复数。第一预处理参数+预处理参数的改变值=更新后的预处理参数。或者,预设学习率,第一预处理参数+预处理参数的改变值*学习率=更新后的预处理参数。
另外,预处理参数的改变值占用的比特较少,可以节省信令开销。
在一种可能的实现中,第一装置还可以向第二装置发送配置信息,所述配置信息用于指示所述第一预处理参数,或者与所述预处理(第一预处理参数)相关的第一参数。
该配置过程通常发生在多次更新(多次迭代)过程中的第一次更新过程中,在第一次更新过程中,第一预处理参数也可以称为初始预处理参数。对于后续的迭代过程,第一装置通常无需向第二装置进行配置。当然对于第一次迭代,第二装置也可以提前知晓初始预处理参数或与预处理(初始预处理参数)相关的第一参数,第一装置也无需向第二装置进行配置。
与预处理相关的第一参数相比于第一预处理参数,数据量较少,由所述相关的第一参数可以推导出所述第一预处理参数。该相关的第一参数可以是与第一预处理参数相关的第一参数,例如是第一预处理参数中的部分参数。
在一种可能的实现中,第一装置可以接收来自第二装置的第二指示,所述第二指示用于触发更新预处理参数。
第二指示可以用于指示性能恶化,通过性能恶化来触发更新预处理参数。性能例如,误差向量幅度(error vector magnitude,EVM)、相邻频道泄露比(adjacent channelleakage ratio,ACLR)等。EVM越大,性能越差,ACLR越大,性能越差。
在一种可能的实现中,第一装置还可以采用更新后的预处理参数对第一预处理参数更新。以便进行下一次更新过程(迭代训练)或便于后续使用。
例如,第一装置还可以采用所述更新后的预处理参数对所述第一信号u或新的输入信号u进行预处理。
第二方面,提供了一种更新预处理参数的方法,第二装置接收来自第一装置的第四信号y’;其中,所述第四信号y’为第三信号y经过所述第一装置与所述第二装置之间的信道后的信号;所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号。然后,所述第二装置向所述第一装置发送第一指示,所述第一指示用于指示更新后的预处理参数,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用所述第四信号y’进行信道估计和信道均衡后得到的信号。
在第二方面中,信道估计和信道均衡可以消除第四信号y’中的线性部分,在估计更新后的预处理参数时,只考虑非线性部分对信号的影响,相比于考虑线性部分和非线性部分两者对信号的影响,可以更高效、更准确地得到最优的预处理参数,以实现准确的预处理,提高通信器件的工作效率。
可选的,可以在频域或时域用第四信号y’进行信道估计和信道均衡。
可选的,所述第五信号d为用所述第四信号y’进行信道估计和信道均衡后,按照与所述第一装置相同的资源映射方式变换到时域后得到的信号。
在一种可能的实现中,所述第三信号y具体为:采用第一预处理参数对第一信号u进行预处理,得到第二信号x;将所述第二信号x输入至功率放大器PA后得到的信号。所述更新后的预处理参数为:采用第一预处理参数对第一信号u进行预处理,得到第二信号x;将所述第五信号d经过后处理,得到第六信号z;根据所述第二信号x和所述第六信号z确定的;其中,所述后处理采用的后处理参数与所述第一预处理参数相同。
在一种可能的实现中,所述第五信号d为对所述第四信号y’进行快速傅里叶变换(fast fourier transform,FFT)、信道估计、信道均衡、按星座点归一化、按照与所述第一装置相同的资源映射方式重新进行资源映射、快速傅里叶逆变换(inverse fast fouriertransform,IFFT)后得到的信号。
在一种可能的实现中,所述第一指示可以直接指示更新后的预处理参数,也可以是间接指示更新后的预处理参数,例如第一指示用于指示:预处理参数的改变值。或者理解为第一指示包含预处理参数的改变值的信息。通过该信息可以得到改变值,进而可以根据改变值和第一预处理参数确定更新后的预处理参数。
例如,预处理参数的改变值为更新后的预处理参数与第一预处理参数的差值,该改变值为正实数,或负实数,或复数。第一预处理参数+预处理参数的改变值=更新后的预处理参数。或者,预设学习率,第一预处理参数+预处理参数的改变值*学习率=更新后的预处理参数。
另外,预处理参数的改变值占用的比特较少,可以节省信令开销。
在一种可能的实现中,第二装置还可以接收来自第一装置的配置信息,所述配置信息可以用于指示第一预处理参数。即所述第一预处理参数为所述第一装置配置的。或者,第二装置也可以提前知晓初始第一预处理参数,例如,该第一预处理参数可以是协议预先规定的。或者,第一预处理参数为根据与预处理(第一预处理参数)相关的第一参数推导得到的。例如,所述配置信息可以用于指示与预处理(第一预处理参数)相关的第一参数。或者,第二装置也可以提前知晓初始与预处理(第一预处理参数)相关的第一参数,例如,该与预处理(第一预处理参数)相关的第一参数可以是协议预先规定的。
第一装置向第二装置配置的过程通常发生在多次更新(多次迭代)过程中的第一次更新过程(迭代)中,第一预处理参数也可以称为初始预处理参数。对于后续的迭代过程,第一装置通常无需向第二装置进行配置。当然对于第一次迭代,第二装置也可以提前知晓初始预处理参数或与预处理(初始预处理参数)相关的第一参数,第一装置也无需向第二装置进行配置。
与预处理相关的第一参数相比于第一预处理参数,数据量较少,由所述相关的第一参数可以推导出所述第一预处理参数。该相关的第一参数可以是与第一预处理参数相关的第一参数,例如是第一预处理参数的中的部分参数。
在一种可能的实现中,所述第一信号u为预先配置(协议预先规定)的,或者所述第一信号u为对所述第四信号y’进行译码、重新编码、调制得到的。
在一种可能的实现中,第二装置可以向第一装置发送第二指示,所述第二指示用于触发更新预处理参数。
第二指示可以用于指示性能恶化,通过性能恶化来触发学习预处理参数。性能例如,EVM、ACLR等。
第三方面,提供了一种更新预处理参数的方法,首先,第一装置向第二装置发送第三信号y;其中,所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号。第三信号y经过第一装置与第二装置之间的信道后变为第四信号y’。接下来,所述第一装置接收来自所述第二装置的性能指标值,所述性能指标值基于所述第四信号y’得到。然后,所述第一装置利用深度强化学习,以所述性能指标值为回报值,确定更新后的预处理参数。
在一种可能的实现中,所述性能指标为EVM和/或ACLR。
在一种可能的实现中,第一装置可以接收来自第二装置的第二指示,所述第二指示用于触发更新预处理参数。
第四方面,提供了一种更新预处理参数的方法,第二装置接收来自第一装置的第四信号y’;其中,所述第四信号y’为第三信号y经过所述第一装置与所述第二装置之间的信道后的信号;所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号。然后,所述第二装置向所述第一装置发送第一指示,所述第一指示用于指示更新后的预处理参数,所述更新后的预处理参数为:利用深度强化学习,以性能指标值为回报值得到,所述性能指标基于所述第四信号y’得到。
在一种可能的实现中,所述性能指标为EVM和/或ACLR。
在一种可能的实现中,所述第一指示可以直接指示更新后的预处理参数,也可以是间接指示更新后的预处理参数,例如第一指示用于指示:预处理参数的改变值。或者理解为第一指示包含预处理参数的改变值的信息。通过该信息可以得到改变值,进而可以根据改变值和第一预处理参数确定更新后的预处理参数。
在一种可能的实现中,第二装置可以向第一装置发送第二指示,所述第二指示用于触发更新预处理参数。
第五方面,提供了一种通信装置,所述装置具有实现上述各个方面及各个方面任一可能的实现中的功能。这些功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的功能模块。
示例的,所述装置具有实现上述第一方面及第一方面任一可能的实现中的功能时,所述装置包括:
发送模块,用于向第二装置发送第三信号y;其中,所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号;
接收模块,用于接收来自所述第二装置的第一指示,所述第一指示用于指示更新后的预处理参数;其中,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用第四信号y’进行信道估计和信道均衡后得到的信号;所述第四信号y’为所述第三信号y经过所述信道后的信号。
在一种可能的实现中,所述发送模块,还用于向所述第二装置发送配置信息,所述配置信息用于指示:所述第一预处理参数,或与预处理相关的第一参数。
在一种可能的实现中,所述接收模块,用于接收来自所述第二装置的第二指示,所述第二指示用于触发更新预处理参数。
在一种可能的实现中,还包括:处理模块,用于采用所述更新后的预处理参数对所述第一信号u或新的输入信号进行预处理。
示例的,所述装置具有实现上述第二方面及第二方面任一可能的实现中的功能时,所述装置包括:
接收模块,用于接收来自第一装置的第四信号y’;其中,所述第四信号y’为第三信号y经过所述第一装置与所述装置之间的信道后的信号;所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号;
发送模块,用于向所述第一装置发送第一指示,所述第一指示用于指示更新后的预处理参数,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用第四信号y’进行信道估计和信道均衡后得到的信号。
在一种可能的实现中,所述发送模块,还用于向所述第一装置发送第二指示,所述第二指示用于触发更新预处理参数。
第六方面,提供了一种通信装置,包括处理器,可选的,还包括存储器;所述处理器和所述存储器耦合;所述存储器,用于存储计算机程序或指令;所述处理器,用于执行所述存储器中的部分或者全部计算机程序或指令,当所述部分或者全部计算机程序或指令被执行时,用于实现上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现的方法中的功能。
在一种可能的实现中,所述装置还可以包括收发器,所述收发器,用于发送所述处理器处理后的信号,或者接收输入给所述处理器的信号。所述收发器可以执行上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现的方法中执行的发送动作或接收动作。
第七方面,本申请提供了一种芯片系统,该芯片系统包括一个或多个处理器(也可以称为处理电路),所述处理器与存储器(也可以称为存储介质)之间电耦合;所述存储器可以位于所述芯片系统中,也可以不位于所述芯片系统中;所述存储器,用于存储计算机程序或指令;所述处理器,用于执行所述存储器中的部分或者全部计算机程序或指令,当所述部分或者全部计算机程序或指令被执行时,用于实现上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现的方法中的功能。
在一种可能的实现中,所述芯片系统还可以包括输入输出接口(也可以称为通信接口),所述输入输出接口,用于输出所述处理器处理后的信号,或者接收输入给所述处理器的信号。所述输入输出接口可以执行上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现的方法中执行的发送动作或接收动作。具体的,输出接口执行发送动作,输入接口执行接收动作。
在一种可能的实现中,该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
第八方面,提供了一种计算机可读存储介质,用于存储计算机程序,所述计算机程序包括用于实现第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现中的功能的指令。
或者,一种计算机可读存储介质,用于存储计算机程序,所述计算机程序被计算机执行时,可以使得所述计算机执行上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现中的方法。
第九方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得计算机执行上述第一方面至第四方面中任一方面,及第一方面至第四方面中任一可能的实现中执行的方法。
第十方面,提供了一种通信系统,所述通信系统包括执行上述第一方面及第一方面任一可能的实现的方法中的第一装置和执行上述第二方面及第二方面任一可能的实现的方法中的第二装置。
上述第五方面至第十方面的技术效果可以参照第一方面至第四方面中的描述,重复之处不再赘述。
附图说明
图1为本申请实施例中提供的一种通信系统架构示意图;
图2为本申请实施例中提供的一种采用间接学习架构更新预失真参数的流程示意图;
图3为本申请实施例中提供的一种更新预处理参数的交互示意图;
图4为本申请实施例中提供的一种更新预处理参数的交互示意图;
图5为本申请实施例中提供的一种采用均衡学习架构更新预处理参数的流程示意图;
图6a为本申请实施例中提供的一种误差向量幅度EVM随训练轮次的变化示意图;
图6b为本申请实施例中提供的一种误差向量幅度EVM随训练轮次的变化示意图;
图7a为本申请实施例中提供的一种神经网络示意图;
图7b为本申请实施例中提供的一种强化学习示意图;
图8为本申请实施例中提供的一种更新预处理参数的交互示意图;
图9为本申请实施例中提供的一种更新预处理参数的交互示意图;
图10为本申请实施例中提供的一种更新预处理参数的装置结构图;
图11为本申请实施例中提供的一种更新预处理参数的装置结构图。
具体实施方式
为便于理解本申请实施例,以下对本申请实施例的部分用语进行解释说明,以便于本领域技术人员理解。
1)、预失真,加入一个特性与包括功率放大器在内的系统非线性失真相反的系统,进行互相补偿。预失真可以分为两种:数字预失真和模拟预失真。本申请涉及的预失真可以是数字预失真(digital pre-distortion,DPD)。预失真的原理为:通过一个预失真元件来和功率放大器级联,预失真元件的非线性失真功能与功率放大器的非线性失真功能相反。通过将这两个非线性失真功能结合,实现线性、无失真的目的。在预失真过程中使用的参数称为预失真参数。
数字预失真的参数可以是记忆多项式的形式,也可以是神经网络的形式。
例如,在计算当前采样时刻的输入信号的预失真信号时,由于记忆效应,可以将当前采样时刻的输入信号和多个过去采样时刻的输入信号输入至记忆多项式的公式或者神经网络,他们的输出即为当前采样时刻的输入信号的预失真信号。
例如,记忆多项式:
knm是记忆多项式的系数,knm可以是复数,t-n代表输入信号的当前采样时刻或过去采样时刻。n表示记忆深度,m表示输入信号的高次项。
记忆多项式形式的参数包括以下至少一项:记忆多项式的系数knm,记忆深度n,输入信号的高次项m。
神经网络形式的参数包括以下至少一项:神经网络的结构参数、权重值等,结构参数例如,神经元的层数,每层神经元的数量等。
2)、信道均衡(channel equalization)是指为了提高衰落信道中的通信系统的传输性能而采取的一种抗衰落措施。它主要是为了消除或者是减弱宽带通信时的多径时延带来的符号间串扰(inter-symbol interference,ISI)问题。其机理是对信道或整个传输系统特性进行补偿,针对信道恒参或变参特性,数据速率大小不同,均衡有多种结构方式。大体上分为两大类:线性与非线性均衡。
3)、误差向量幅度(error vector magnitude,EVM),误差向量(包括幅度和相位的矢量)是在一个给定时刻,理想无误差基准信号与实际发射信号的向量差。
4)、相邻频道泄露比(adjacent channel leakage ratio,ACLR),相邻频道泄漏是用来衡量射频器件对主工作频率外的信道的影响特性,或称带外辐射特性,这种影响越小越好。
为便于理解本申请实施例的技术方案,下面将对本申请实施例提供的方法的系统架构进行简要说明。可理解的,本申请实施例描述的系统架构是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定。
本申请实施例的技术方案可以应用于各种通信系统,例如:卫星通信系统、传统的移动通信系统。其中,所述卫星通信系统可以与传统的移动通信系统(即地面通信系统)相融合。通信系统例如:无线局域网(wireless local area network,WLAN)通信系统,无线保真(wireless fidelity,WiFi)系统,长期演进(long term evolution,LTE)系统、LTE频分双工(frequency division duplex,FDD)系统、LTE时分双工(time division duplex,TDD)、第五代(5th generation,5G)系统或新无线(new radio,NR),第六代(6thgeneration,6G)系统,以及其他未来的通信系统等,还支持多种无线技术融合的通信系统,例如,还可以应用于无人机、卫星通信系统、高空平台(high altitude platform station,HAPS)通信等非地面网络(non-terrestrial network,NTN)融合地面移动通信网络的系统。
图1为适用于本申请实施例的通信系统的示例。参见图1,通信系统100包括至少一个网络设备110以及至少一个终端120。
本申请中的网络设备110可以是LTE中的演进型基站(evolved Node B,eNB或eNodeB);或者5G网络中的基站,宽带网络业务网关(broadband network gateway,BNG),汇聚交换机或非第三代合作伙伴项目(3rd generation partnership project,3GPP)接入设备等,本申请实施例对此不作具体限定。可选的,本申请实施例中的基站可以包括各种形式的基站,例如:宏基站、微基站(也称为小站)、中继站、接入点、下一代基站(gNodeB,gNB)、传输点(transmitting and receiving point,TRP)、发射点(transmitting point,TP)、移动交换中心以及设备到设备(Device-to-Device,D2D)、车辆外联(vehicle-to-everything,V2X)、机器到机器(machine-to-machine,M2M)通信、物联网(Internet of Things)通信中承担基站功能的设备等,本申请实施例对此不作具体限定。
网络设备可以和核心网设备进行通信交互,向终端设备提供通信服务。核心网设备例如为5G网络核心网(core network,CN)中的设备。核心网作为承载网络提供到数据网络的接口,为用户设备(user equipment,UE)提供通信连接、认证、管理、策略控制以及对数据业务完成承载等。
本申请实施例中提及的终端120,可以是一种具有无线收发功能的设备,具体可以指用户设备(user equipment,UE)、接入终端、用户单元(subscriber unit)、用户站、移动台(mobile station)、远方站、远程终端、移动设备、用户终端、无线通信设备、用户代理或用户装置。终端设备还可以是卫星电话、蜂窝电话、智能手机、无线数据卡、无线调制解调器、机器类型通信设备、可以是无绳电话、会话启动协议(session initiation protocol,SIP)电话、无线本地环路(wireless local loop,WLL)站、个人数字处理(personaldigital assistant,PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、高空飞机上搭载的通信设备、可穿戴设备、无人机、机器人、设备到设备通信(device-to-device,D2D)中的终端、车到一切(vehicle toeverything,V2X)中的终端、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端或者未来通信网络中的终端设备等,本申请不作限制。
为便于理解本申请实施例,接下来对本请的应用场景进行介绍,本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本申请可以应用于通信链路中具有非线性特性的器件的场景,该通信链路可以是有线通信、也可以是无线通信。无线通信场景包括蜂窝网络通信、卫星通信等。蜂窝网基站、卫星、卫星地面设备等通信设备均可能具有非线性特性的器件,均可以进行预处理(例如预失真处理),以尽可能抵消具有非线性特性的器件的非线性影响。
接下来以非线性特性的器件为功率放大器PA、预处理为数字预失真处理为例,介绍一种具体的示例。
为了抵消自由空间传播损耗,功率放大器在通信系统(尤其是长距离通信系统)中被广泛使用,它的作用是放大信号。为了得到较大的功率输出,功率放大器通常工作在非线性区附近,功率放大器在放大信号的同时,会对信号造成非线性失真,非线性失真可能包含高次谐波、宽带杂散和互调失真等。同时随着带宽增加,功率放大器的记忆效应(即功率放大器当前输出同时取决于当前采样时刻的输入信号以及过去时刻的输入信号)也更为严重。功率放大器的非线性效应带来的非线性失真,会导致带内误码率升高及带外频谱扩展。
为避免此类问题,常采用数字预失真DPD技术对功率放大器的非线性失真进行补偿,为保证对具有非线性效应的功率放大器非线性失真的补偿性能,数字预失真器的特性应与功率放大器的非线性失真相反,这些特性通过建立功率放大器的非线性模型进行准确描述。
功率放大器模型可以简化为如下形式:
y=g(f(x));
功率放大器的输出y是输入x的函数,函数f代表功率放大器的非线性模型,函数g代表功率放大器的线性放大模型。
其中,函数f可能满足如下公式的形式,该公式可以看作记忆多项式:
其中,k1nm是记忆多项式的系数,k1nm可以是复数,t-n代表输入信号的当前采样时刻或过去采样时刻,x代表输入信号,n代表非线性模型的记忆深度,m代表输入信号的高次项。n为大于或等于0的整数,m为大于或等于1的整数,t-0为输入信号的当前采样时刻,t-1为输入信号的上一个采样时刻,t-2为输入信号的上一个采样时刻的上一个采样时刻。
同样,为了补偿功率放大器的非线性特性,数字预失真的模型也是如上记忆多项式的形式,例如,数字预失真的模型满足以下的形式:
n、m、t-n、k2nm等参数的值可以作为数字预失真的参数。数字预失真的模型的计算结果与上述的功能放大器的非线性模型的计算结果尽量相反,以实现对非线性失真的补偿。
当k201=1,其它的k2nm都为0时,f(x)=x,预失真器不对当前采样时刻的输入信号x做任何处理,这个参数组合(k201=1,其它的k2nm都为0)可以作为数字预失真参数的初始值。从不做任何处理开始,一点点增加非线性成分。
通过数字预失真DPD对功率放大器PA的输入信号进行提前处理,该处理过程可以抵消一部分或全部抵消功率放大器PA的非线性影响,使功率放大器PA的输出信号与输入信号是线性放大的。可以理解的是,功率放大器PA只是一种示例,在通信系统中,还包括其它的具有非线性特性的器件。本申请以功率放大器为例进行说明的,可以理解的是其它的具有非线性特性的器件也可以包含在本申请的保护范围内。
接下来介绍一种更新预失真参数的方式,该方式为:
采用当前的预失真参数对输入信号u进行预失真处理,然后再对预失真处理后的信号进行功率放大。预失真处理的目的为:使输入信号线性放大,即功率放大后的信号除以放大倍数得到的信号y/G与输入信号u相同。当y/G与输入信号u相同时,采用相同的参数对y/G和输入信号u进行处理后分别得到的信号也是相同。基于该目的,可以通过信号z与信号x的误差,来实现对当前的预失真参数的更新。其中,信号z为采用所述当前的预失真参数对y/G进行处理后得到的信号,信号x为采用前述当前的预失真参数对输入信号进行预失真处理后得到的信号。
结合图2所示,介绍了一种更新预处理参数的方式,图2所示的更新方式,可以称为间接学习架构(indirect learning architecture,ILA)。
201、输入信号u经过预失真(pre-distortion,Pre-D,PD)处理,得到信号x。
202、信号x经过功率放大器PA处理,得到信号y。信号y可以发射出去。
功率放大器PA的线性增益为G,如果不存在非线性失真,则y=x*G;如果存在非线性失真,则y与x*G不相等,预失真处理的目的为使:y=u*G。
203、信号y除以增益G,得到y/G。
如果不存在非线性失真,则u=y/G;如果存在非线性失真,则u与y/G不相等。
204、y/G经过后失真(post-D)处理,得到信号z。
205、x减去z得到误差e,接下来重新估计后失真处理过程中使用的后失真参数,让e的平方变小。
206、复制后失真参数给预失真参数,则后失真参数与预失真参数相同。
207、重复上述步骤201-206多次,直至达到结束条件。
结束条件可以是:a、达到预设重复次数Xn;b、预失真参数的改变量的平均值小于预设值Xo;c、误差e的绝对值小于预设值Xe。
上述方案以u=y/G(也可以理解为u和y完全线性)为目的,对预失真参数进行更新,当PA的非线性效应较强(例如非线性阶数较高,例如高于三或五阶)时,采用y除以G的方式,更新很多次也不能使得u=y/G。
基于此,在本申请中又提出了更新预失真参数的方法,具体为:将PA的输出信号y先经过信道估计和信道均衡处理,然后再用于预处理参数(例如数字预失真参数)的更新。对信号y经历的信道做估计之后,利用估计的信道值对y进行信道均衡。信道均衡处理可以滤掉PA的输出信号y中的线性部分,在估计更新后的预处理参数时,只考虑非线性部分对信号的影响,相比于考虑线性部分和非线性部分两者对信号的影响,即使在强非线性的场景下,也可以得到较优的预处理参数。可以更高效、更准确地得到最优的预处理参数,以实现准确的预处理,提高通信器件的工作效率。
需要注意的是,此处的信道不是狭义的空口信道,信号经过器件和/或空口后发生的任何变换都可以看作信道。或者理解为:此处的信道,为信号在通信系统中传输的通道,也可以称为频道、波道等,由信号发送端传输至信号接收端所经过的传输媒质所构成。广义的信道定义除了包括传输媒质,还包括传输信号的相关设备。
另外,可以理解的是,由于本申请的技术方案支持在信道均衡处理后,再估计更新后的预处理参数,因此,不同于间接学习架构ILA,只能在PA所在的发送端估计更新后的预处理参数,本申请的技术方案可以在接收端来估计预处理参数。
如图3所示,以第一装置为发送端,第二装置为接收端,介绍更新预处理参数的过程。第一装置可以是卫星网络设备,例如卫星基站;第二装置可以是地面网络设备,例如地面基站。或者,第一装置和第二装置均为地面设备,例如第一装置为终端,第二装置为网络设备,或者第一装置为网络设备,第二装置为终端。
步骤301a:第一装置向第二装置发送第三信号y。
一种示例,第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号。功率放大可以是采用功率放大器进行功率放大。例如,第三信号y为:采用第一预处理参数对第一信号u进行预处理,得到第二信号x;将第二信号x输入至功率放大器PA后得到的信号。
预处理例如为预失真处理,预失真例如数字预失真。
y经过第一装置与第二装置之间的信道(通信系统中传输的通道)后变为y’。
第一装置和第二装置之间的通信可以是有线通信或无线通信。当采用无线通信时,第一装置发送的信号y经历了空口信道到达第二装置。
一种可能的实现中,第一信号u为包含了参考信号的信号,该第一信号为输入信号,该参考信号可用于信道估计。例如,在正交频分复用(orthogonal frequency divisionmultiplexing,OFDM)系统中,系统波形为OFDM波形时,第一信号u是经过OFDM调制的信号。例如第一信号u为经过OFDM调制后的时域信号。
一种示例中,第一信号u是原始待发送比特经过编码、调制、资源映射、变换到时域等处理得到。例如,变换到时域例如包括:快速傅里叶逆变换(inverse fast fouriertransform,IFFT)、可选的还包括:补零(padding)、添加循环前缀(cyclic prefix,CP)等。
在OFDM系统中,在时频资源(例如资源元素(resource elemen,RE))上放置参考信号,其余部分即为有用数据信号,放置的过程可以称为资源映射。资源映射之后,变换到时域,得到第一信号u。只有放置参考信号的时频资源位置上才能估计出信道。
例如,5G NR系统中的参考信号可以是:信道状态信息参考信号(channel stateinformation reference signal,CSI-RS),解调参考信号(demodulation referencesignal,DMRS),探测参考信号(sounding reference signal,SRS)。本申请的参考信号和现有通信系统的参考信号的原理和使用方式是同样的,都是为了信道估计。
参考信号就是“导频”信号,是由用于信道估计或信道探测的一种已知信号。已知是指:信号频域的位置已知、信号时域的位置已知、信号包括的符号(内容)已知、发送使用的功率已知的。
信道估计就是从接收数据中将假定的某个信道模型的模型参数估计出来的过程。
OFDM主要原理是:将信道分成若干正交子信道,将高速数据信号转换成并行的低速子数据流,调制到在每个子信道上进行传输。正交信号可以通过在接收端采用相关技术来分开,这样可以减少子信道之间的相互干扰(即符号间串扰ISI)。每个子信道上的信号带宽小于信道的相干带宽,因此每个子信道上可以看成平坦性衰落,从而可以消除符号间串扰ISI,而且由于每个子信道的带宽仅仅是原信道带宽的一小部分,信道均衡变得相对容易。相干带宽可以理解为:在相干带宽的范围内,信道的特性(例如相位和增益)是几乎不变的。
在预处理参数的初次更新中,第一预处理参数也可以称为初始预处理参数。协议可以规定初始预处理参数。或者协议规定多种预处理参数,第一装置可以在多种预处理参数中选择一种预处理参数作为初始预处理参数。或者,协议规定与每种预处理参数相关的第一参数,第一装置可以在多种第一参数中选择一种第一参数,第一装置可以根据相关的第一参数,推导出初始预处理参数。例如,相关的第一参数为预处理参数中的部分参数。
以预处理参数为记忆多项式的形式为例进行说明:
例如,协议规定初始预处理参数为:k01=1,其它的knm都为0;或者k01=0.9,其它的knm都为0等。
或者,协议规定多种预处理参数包括:k01=1,其它的knm都为0;或者k01=0.9,其它的knm都为0;或者k01=0.8,其它的knm都为0等。第一装置可以在这多种预处理参数中选择一种预处理参数作为初始预处理参数。
再例如,相关的第一参数可以是记忆深度n的最大值,和/或高次项m的最大值,例如n的最大值为4或6,m的最大值为7或8。
以预处理参数为神经网络的形式为例进行说明:
例如,协议规定初始预处理参数(神经网络结构参数,不考虑权重值)为:[128,256,256,2],其中,该元素的数量代表神经网络的层数,第一个元素代表输入层的神经元的数量,最后一个元素代表输出层的神经元的数量,中间的元素代表中间隐含层的神经元的数量。例如,[128,256,256,2]代表神经网络共4层,输入层的神经元的数量为128,输出层的神经元的数量为2,两个中间隐藏层的神经元的数量分别为256。
再例如,协议规定预处理参数(神经网络结构参数,不考虑权重值)包括:[128,256,256,2],[64,128,256,2],[128,128,256,4],第一装置可以在这多种预处理参数中选择一种预处理参数作为初始预处理参数。
再例如,不同的神经网络结构对应的权重值是不同的,神经网元结构参数也可以看做是与预处理参数相关的第一参数,第一装置可以在多种第一参数中选择一种第一参数,然后根据第一参数,找到对应的权重值,将选择的第一参数和找到的权重值作为初始预处理参数。
在一种示例中,第一装置中维护第一映射关系,该第一映射关系为索引与预处理参数的对应关系,或者索引与第一参数的对应关系。可选地,第一映射关系以对应关系表形式体现。后续,第一装置可以通过索引的方式,向第二装置隐含指示初始预处理参数或与初始预处理参数相关的第一参数。
步骤301b:第二装置接收来自第一装置的第四信号y’,第四信号y’为第三信号y经过第一装置与第二装置之间的信道后的信号。
第二装置在接收到第四信号y’后,可以根据第四信号y’来确定(估计)更新后的预处理参数或者预处理参数的改变值。
由于最终目标是得到最优的预处理参数,而不是建模PA,因此后失真(post-D)处理的输入信号可以在PA的输出信号y的基础上做更多处理,只要可以保留PA的非线性特征即可(需要学习的是非线性特性,线性特性无需学习)。此处的更多处理例如信道估计和信道均衡。信道估计和信道均衡可以消除第四信号y’中的线性部分,在估计更新后的预处理参数时,只考虑非线性部分对信号的影响,相比于考虑线性部分和非线性部分两者对信号的影响,可以更高效、更准确地得到最优的预处理参数,以实现准确的预处理,提高通信器件的工作效率。
一种示例中,第二装置可以用第四信号y’进行信道估计和信道均衡等处理,得到第五信号d。然后再基于第五信号d得到更新后的预处理参数或者预处理参数的改变值。
接下来对用第四信号y’进行信道估计和信道均衡等处理,得到第五信号d的相关过程进行详细介绍:
可选的,可以在频域或时域用第四信号y’进行信道估计和信道均衡。
接下来对信道估计和信号均衡来滤除第四信号y’中的线性部分的过程进行介绍:
功率放大器模型可以简化为如下形式:
y=g(f(x))。
功率放大器的输出y是输入x的函数,函数f代表功率放大器的非线性模型,函数g代表功率放大器的线性放大模型。
函数g代表信号经过功率放大器过程中,信号经历的线性变换,例如信号放大等,还可以加上噪声n1。可以表示为:
g(f(x))=h1f(x)+n1。
函数g只是对信号f(x)做了线性变换h1,再加上噪声n1。
第三信号y经过信道(例如第一装置与第二装置之间的信道)传输后,在信号接收端得到信号y’,y’可以表示为:
y’=k(g(f(x)))。
函数k代表信道传输过程中,信号经历的变换,例如衰减、衰落等,还可以加上噪声n2。函数k可以表示为:
k(g(f(x)))=h2g(f(x))+n2。
可见,函数k也是对输入信号的线性变换。y’可以表示为:
y’=h2(h1f(x)+n1)+n2。
进一步地,y’可以表示为:
y’=h1h2f(x)+n3。
其中,n3=h2*n1+n2。
为了获得功率放大器的非线性特性,以便于进一步估计预处理参数,需要从y’中尽可能的去除噪声n3和线性变换h1h2,得到f(x)。可以看出,把h1h2看成一个整体h3,得到f(x)的过程,是典型的信道估计、信道均衡方法。
y’=h3f(x)+n3。
信道估计的目的就是估计出信道的时域或频域响应(也就是可以在时域上或频域上进行信道估计),对接收到的数据进行校正和恢复。对于OFDM系统,信道估计可以估算信道的频率响应,即对每一个子载波信道频率响应进行估算。
综上,信道估计就是尽可能的估计出h3,让估计值和真实值的误差最小化。
一般在有用数据信号中,插入预先设置的参考信号,参考信号在发送端和接收端都是已知的。通过在发送的有用数据中插入已知的参考信号,可以得到参考信号的放置位置的信道估计结果;接着利用参考信号的放置位置的信道估计结果,通过插值得到有用数据信号和参考信号的放置位置的信道估计结果,完成信道估计。参考信号可以是导频符号或训练序列。例如,基于导频符号的信道估计适用于连续传输的系统。
信道均衡是使用接收到的信号以及估计出来的信道来恢复出发送端发送的信号的过程。即已知y’和h3,得到f(x)。可以采用破零均衡算法(zero forcing,ZF),或最小均方误差算法(minimum mean square error,MMSE),或者解y=hx+n的任何传统算法来得到f(x)。
第四信号y’至第五信号d的转换,除了信道估计和信道均衡处理,还可以执行以下一项或多项操作:快速傅里叶变换(fast fourier transform,FFT)转换到频域、按星座点归一化、重新资源映射、变换到时域等。
其中,第四信号y’是时域信号,FFT将时域信号转换到频域。按星座点归一化可以理解为以星座图中的星座点的幅度均值,进行信号幅度的归一化。
重新资源映射是指采用与第一装置相同的资源映射方式进行资源映射,变换到时域例如包括:快速傅里叶逆变换IFFT,可选的还包括:补零(padding)、添加循环前缀CP等。
一种可选的实现中,第五信号d为用第四信号y’进行信道估计和信道均衡后,按照与第一装置相同的资源映射方式进行资源映射,然后变换到时域后得到的信号。即,第二装置可以用第四信号y’进行信道估计,根据估计的信道对第四信号y’进行信道均衡处理后,按照与第一装置相同的资源映射方式进行资源映射,然后变换到时域,得到第五信号d。
一种可能的实现中,第五信号d为对第四信号y’进行快速傅里叶变换FFT、信道估计、信道均衡、按星座点归一化、按照与第一装置相同的资源映射方式重新进行资源映射、然后变换到时域(例如采用快速傅里叶逆变换IFFT变换到时域)后得到的信号。即,第二装置可以对第四信号y’进行快速傅里叶变换FFT、信道估计、信道均衡、按星座点归一化、按照与第一装置相同的资源映射方式重新进行资源映射、然后变换到时域(例如采用快速傅里叶逆变换IFFT变换到时域)后,得到第五信号d。
一种可能的实现中,第四信号y’至第五信号d的转换过程中,在频域进行信道估计和信道均衡。该转换过程如下:
S1、y’是时域信号,信号y’经过FFT转换到频域,得到yf。
S2、根据导频符号p(前文已经介绍,导频符号为参考信号的一种示例)的放置位置,从yf中提取出导频符号位置上的信号pc。
S3、利用p和pc做信道估计,得到导频符号的放置位置的信道估计结果c,c通过插值扩展为c’。c’可以看做是前文介绍的公式中的h3,每个时频资源位置上都有一个信道估计结果。
S4、利用yf和c’做信道均衡,得到yfe。
S5、已知发送信号的调制星座点,yfe按星座点的平均幅度做归一化,得到yfen。
S6、yfen可以继续做解调译码等传统流程,同时,将yfen和导频符号按照和发送端一样的方法重新进行资源映射到时频资源(例如OFDM时频资源块)上,得到yfenr。
S7、yfenr做IFFT转换到时域,得到第五信号d。
该种实现中,yfenr和信号u都是时域信号,区别是yfenr包含了链路中的非线性特性。通过最小化yfenr和u的差别,可以在更新多次后让yfenr和u的差别缩小,实现非线性特性的部分抵消。
在基于第五信号d得到更新后的预处理参数或者预处理参数的改变值时:
一种示例中,更新后的预处理参数或者预处理参数的改变值为:采用第一预处理参数对第一信号u进行预处理,得到第二信号x;将第五信号d经过后处理,得到第六信号z;根据第二信号x和第六信号z确定的;其中,后处理采用的后处理参数与第一预处理参数相同。
可以理解的是,得到第二信号x和得到第六信号z的先后顺序不进行限制。
接下来对第二装置获取第一预处理参数的相关过程进行介绍:
在第一次更新(一次更新也可以称为一次迭代)中,第一预处理参数也可以称为初始预处理参数。
一种示例中,第二装置可以提前知晓该初始预处理参数,例如协议预先规定初始预处理参数。例如,协议规定初始预处理参数为:k01=1,其它的knm都为0;或者k01=0.9,其它的knm都为0等。例如,第一装置和第二装置约定预处理参数为有记忆多项式的形式,并且包含64个参数(64个参数例如为64个knm的值,例如记忆深度n为8个值,n的取值分别为0-7中的整数,高次项m为8个值,m的取值分别为1-8中的整数;或者记忆深度n为16个值,n的取值分别为0-15中的整数,高次项m为4个值,m的取值分别为1-4中的整数)。规定初始状态下,这64个参数中的第一个参数为1,剩下的参数都为0(即k01=1,其它的knm都为0),一般第一个参数对应的是当前采样时刻的。按照预失真的处理方式,经过初始预处理参数处理后的预处理采样信号等于当前采样时刻的输入信号,即x等于u。第二装置只需要预先知晓这64个参数的对应关系,即不同的记忆深度和高阶项的组合在这64个参数中的位置(例如,在64个knm的值中,先递增记忆深度n,再递增高次项m,64个knm的值对应的n和m分别为(以下数值组合中的每个数值的第一位为记忆深度n的取值,第二位为高次项m的取值,例如,01表示n为0,m为1):01、11、21、31、41、……02、12、22、32、42、……、03、13、23、33、43、……;再例如,先递增高次项m,再递增记忆深度n,64个knm的值对应的n和m分别为:01、02、03、04、05、……、11、12、13、14、15……、21、22、23、24、25……),就可以不需要第一装置向第二装置配置初始预处理参数。第二装置可以根据预先保存的初始预处理参数处理信号d。
例如,协议规定初始预处理参数(神经网络结构参数,不考虑权重值)为:[128,256,256,2]。
一种示例中,第二装置提前知晓与预处理相关的第一参数,该第一参数与初始预处理参数相关,且数据量较少。例如议预先规定相关的第一参数,第二装置可以根据该第一参数,推导出初始预处理参数。
例如,预处理参数包括神经网络结构参数和权重值,则协议规定第一参数(神经网络结构参数)可以为:[128,256,256,2]。第二装置根据第一参数,找到对应的权重值,将第一参数和找到的权重值作为初始预处理参数,并且还可以确定出预处理参数的数量,以及输入信号与输入层的神经元的对应关系,即哪个采样时刻的输入信号要输入到哪个神经元中。该示例中第一参数为神经网络结构参数,预处理参数包括神经网络结构参数和权重值,第一参数相比预处理参数,数据量较少。
例如,相关的第一参数为:记忆深度n的最大值,和/或高次项m的最大值,例如n的最大值为4,m的最大值为7。
一种示例中,第一装置向第二装置发送配置信息,该配置信息用于指示初始预处理参数,或与初始预处理(例如初始预处理参数)相关的第一参数。
该配置信息可以在步骤301a中与第三信号y在一条消息中发送给第二装置,也可以是与第三信号y在不同消息中发送给第二装置。
例如,配置信息包括初始预处理参数。
例如,配置信息包括与预处理相关的第一参数。
再例如,配置信息包括索引信息,索引信息可以用于基于第一映射关系确定初始预处理参数或第一参数。该第一映射关系为索引与预处理参数的对应关系,或者索引与第一参数的对应关系。第一映射关系以对应关系表形式体现。第一装置与第二装置维护该第一映射关系。通过索引信息可以隐含指示初始预处理参数或相关的第一参数,且索引信息的数据量少,节省信令开销。
对于第二装置来说,第一预处理参数为第一装置配置的;或者,第一预处理参数为预先规定的;或者,第一预处理参数为根据与预处理(例如初始预处理参数)相关的第一参数推导得到的,例如,相关的第一参数为第一预处理参数中的部分参数。相关的第一参数可以是第一装置配置的,也可以是预先规定的。
接下来对第二装置获取第一信号u的过程进行介绍:
第二装置可以预先知晓信号u,例如第一信号u可以为预先配置(协议预先规定)的专用于学习预处理参数的信号。或者,在第一装置侧,第一信号u是原始待发送比特经过编码、调制、资源映射、变换到时域等处理得到,在第二装置侧,第一信号u为对第四信号y’进行译码、重新编码、调制得到的。该情况下,第二装置没有提前知晓信号u,第二装置可以对收到的第四信号y’做译码,只有译码成功后,得到发送码字,再重新编码、调制(例如OFDM调制)得到时域信号u。
接下来对第二装置根据第二信号x和第六信号z,确定更新后的预处理参数或预处理参数的改变值的相关过程进行介绍:
例如,第二装置确定第二信号x与第六信号z的误差e,接下来根据误差e重新估计预处理参数或者预处理参数的改变值,以实现让e的平方更小。
例如,以第二信号x与第六信号z的误差e小于或等于预设阈值为目标,估计更新后的预处理参数或者预处理参数的改变值。
再例如,以第二信号x与第六信号z相等为目标,估计更新后的预处理参数或者预处理参数的改变值。
在一种可选的示例中,第二装置估计出预处理参数或预处理参数的改变值后,可以更新保存该预处理参数(例如初始预处理参数),这样在下一次更新过程(迭代)中,可以无需第一装置向第二装置配置预处理参数或与预处理相关的第一参数。
步骤302:第二装置向第一装置发送第一指示,相应的,第一装置接收来自第二装置的第一指示。
第一指示用于指示更新后的预处理参数。其中,更新后的预处理参数基于第五信号d得到;第五信号d为用第四信号y’进行信道估计和信道均衡后得到的信号;第四信号y’为第三信号y经过信道后的信号。
一种示例中,第二装置可以直接指示更新后的预处理参数。
一种示例中,第二装置指示预处理参数的改变值,通过预处理参数的改变值来隐含指示更新后的预处理参数。或者理解为第一指示包含预处理参数的改变值的信息。通过该信息可以得到改变值,进而可以根据改变值和第一预处理参数确定更新后的预处理参数。另外,预处理参数的改变值占用的比特较少,可以节省信令开销。
一种示例中,预处理参数的改变值为更新后的预处理参数与第一预处理参数的差值,该改变值为正实数,或负实数,或复数。例如,第一预处理参数与预处理参数的改变值的和值,即为更新后的预处理参数。
再例如,预设学习率,第一预处理参数+预处理参数的改变值*学习率=更新后的预处理参数。学习率的设置是为了避免每次迭代预处理参数的改变太大,一般设置为大于0,小于1的值,如0.01,0.001。
现有技术中,从发送端的PA的输出中分流出一部分信号,进行预处理参数的更新。如果接收端来估计更新后的预处理参数,不需要对发送端信号进行分流,而是可以在接收端接收到信号后进行预处理参数的更新,即PA进行功率放大和预处理参数更新分别位于发送端和接收端执行,可以有效降低发送端的复杂度,节省发送端反馈链路的功耗和成本,不需要在发送端设置反馈链路导致分流PA功率。在接收端,空口信道和PA信道的线性部分被信道均衡一起消除,留下链路中器件的非线性部分和噪声,接收端将PA信道和空口信道合并处理,信道均衡部分没有增加额外的复杂度。
如图4所示,再介绍一种更新预处理参数的交互过程示意图,该过程的具体细节可以参见上文的介绍,不再重复赘述。
步骤41:第一装置采用第一预处理参数对第一信号u进行预处理,得到第二信号x。
步骤42:第一装置将第二信号x输入至非线性特性的器件(例如功率放大器PA),得到的第三信号y。
步骤43a:第一装置向第二装置发送第三信号y。
步骤43b:第二装置接收来自第一装置的第四信号y’,第四信号y’为第三信号y经过第一装置与第二装置之间的信道后的信号。
步骤44:第二装置对第四信号y’进行信道估计和信道均衡等处理,得到第五信号d。
步骤45:第二装置采用第一预处理参数对第一信号u进行预处理,得到第二信号x;将第五信号d经过后失真处理,得到第六信号z。
步骤46:第二装置将根据第二信号x和第六信号z,确定更新后的预处理参数或预处理参数的改变值。
步骤47:第二装置保存更新后的预处理参数。
步骤48:第二装置向第一装置发送第一指示,相应的,第一装置接收来自第二装置的第一指示。其中,第一指示用于指示更新后的预处理参数。
步骤49:第一装置采用更新后的预处理参数对预先保存的第一预处理参数进行更新。
可以设置结束条件,通过结束条件来决定是否重复执行上述的步骤41-步骤49。
在一种可选的示例中,第二装置中可以预先设置结束条件。如果达到结束条件,第二装置还可以向第一装置指示预处理参数更新完成。如果未达到结束条件,第二装置可以无需向第一装置指示预处理参数更新完成,或者第二装置向第一装置指示预处理参数未更新完成。该结束条件例如可以是:a、达到预设重复次数Xn;b、预处理参数的改变量的平均值小于预设值Xo;c、误差e的绝对值小于预设值Xe。第一装置可以根据第二装置的指示,来确定预处理参数是否更新完成。
在一种可选的示例中,第一装置中可以预先设置结束条件。结束条件例如可以是a、达到预设重复次数Xn。第一装置根据结束条件来确定预处理参数是否更新完成。
如果未更新完成,还可以再进行下一次更新过程,再次对预处理参数进行重新估计。第一装置可以采用更新后的预处理参数对第一信号u或新的输入信号进行预处理。再次重复执行上述的步骤41-步骤49,直至达到结束条件,可以停止更新预处理参数。
在一种示例中,PA的非线性效应不是时变的,通常与PA的工作点、温度、载波频率等基本参数相关。针对不同的基本参数,可以独立更新,得到最优的预处理参数。例如,在不同的工作条件下,更新得到最优的预处理参数存入表格。在使用预处理参数时,从表格查找并读取,或者重新更新预处理参数。
在一种示例中,预处理参数的组成和PA的非线性效应的强弱相关,例如,当PA工作在非线性区、高频大带宽的情况下,PA的非线性效应较强,有记忆多项式的预处理参数的最高阶数和记忆深度也应相应提高,神经网络的输入维度和每层的神经元个数也应相应增加。
虽然PA的非线性效应不是时变的,但PA的特性会因为温漂、器件老化等因素改变。当经过一段时间之后,接收端发现之前更新得到的最优的预处理参数不能达到最初的降低性能指标(例如EVM、ACLR)的效果时,可以选择退回初始预处理参数,或者将当前的预处理参数作为初始预处理参数,重新开始更新预处理参数。
EVM、ACLR可以作为是否进行重新更新预处理参数的参考性能指标,EVM越大,性能越差,ACLR越大,性能越差。例如,当一段时间的EVM均值恶化超过原EVM均值的10%,则认为当前的预处理参数已经不适用,需要触发预处理参数的重更新流程。
例如,在上述的步骤301a或步骤401之前,第二装置向第一装置发送第二指示,相应的,第一装置接收来自第二装置的第二指示,第二指示用于触发更新预处理参数。此处的更新预处理参数可以理解为:由初始预处理参数更新到最优的预处理参数。由初始预处理参数更新到最优的预处理参数的过程中需要一次或多次更新,第二装置向第一装置发送第二指示,第一装置开始进行第一次更新,直至更新到最优的预处理参数。
第二装置可以在确定性能恶化,或者性能恶化超过阈值时,向第一装置发送第二指示。例如,设置阈值TEVM或阈值TACLR,当EVM的恶化值大于或等于TEVM和/或ACLR的恶化值大于或等于TACLR时,判断为性能恶化超过阈值。EVM的恶化值例如为:(当前的EVM-之前的EVM)/之前的EVM。例如,之前的EVM为20%,经过一段时间后,当前的EVM为30%,恶化值=(30%-20%)/20%=50%。
一种可选的示例中,第二指示可以是一个指示信息,例如占用1个或多个比特位,通过比特位上的数值来触发更新预处理参数。例如,占用1个比特位,当该1个比特位上的数值为1时,表示触发更新预处理参数,当数值为0时,表示不触发更新预处理参数。也可以是当该1个比特位上的数值为0时,表示触发更新预处理参数,当数值为1时,表示不触发更新预处理参数。可选的,第二指示中还可以包括原因值,该原因值用于指示触发更新的原因。该原因值例如为性能指标恶化。
在一种可选的示例中,第二指示可以包括性能指标的信息,通过性能指标的信息来隐含指示触发更新预处理参数。或者,第一装置根据性能指标来计算性能是否恶化,如果恶化,则触发更新预处理参数。
第一装置可以将当前的预处理参数作为初始预处理参数,来执行预处理参数的更新过程,例如采用图3或图4所示的方式,来更新预处理参数。
由于支持接收端更新预处理参数,当第二装置发现性能恶化,预处理参数需要重新更新时,可以向第一装置发送指示,以重新更新预处理参数。现有技术中预处理参数的更新和PA的功率放大的过程在同一端执行,不存在重新更新预处理参数的信令交互。
上文介绍了更新预处理参数的交互示意图,在本申请中,发送端也可以进行预处理参数的更新,即预处理参数的更新和PA的功率放大的过程在同一端执行。
如图5所示,介绍一种发送端更新预处理参数的流程示意图。本申请将图5所示的架构定义为:均衡学习架构(equalized learning architecture,ELA)。本申请提供均衡学习架构,在传统的间接学习架构ILA不能正常工作的场景,如器件的非线性效应较强时,也可以得到最优的预处理参数。
步骤501:采用预处理参数对第一信号u进行预处理(例如,预失真(pre-distortion,PD)处理),得到第二信号x。
该过程可以参见前文步骤301a处的介绍,不再重复赘述。
步骤502:将第二信号x输入至具有非线性特性的器件(例如功率放大器PA),得到第三信号y。
后续以功率放大器可以对输入至其中的信号产生非线性变换为例进行介绍。
在一种示例中,第三信号y与第二信号x的映射关系包括非线性部分。
如前文介绍,功率放大器的输出y是输入x的函数,y=g(f(x))。函数f代表功率放大器的非线性模型,函数g代表功率放大器的线性放大模型。
步骤503:用第三信号y进行信道估计和信道均衡处理,得到第五信号d。
用第三信号与进行信道估计和信道均衡的过程与用第四信号y’进行信道估计和信道均衡的过程类似。
可选的,可以在频域或时域用第三信号y进行信道估计和信道均衡。
接下来介绍信道估计和信号均衡来滤掉PA输出的第三信号y中的线性部分的相关内容:
功率放大器模型可以简化为如下形式:
y=g(f(x))。
功率放大器的输出y是输入x的函数,函数f代表功率放大器的非线性模型,函数g代表功率放大器的线性放大模型。
函数g代表信号经过功率放大器过程中,信号经历的线性变换,例如信号放大等,还可以加上噪声n1。可以表示为:
g(f(x))=h1f(x)+n1。
函数g对信号f(x)做了线性变换h1,再加上噪声n1。
为了获得功率放大器的非线性特性,以便于进一步获知预失真器的特性,需要从y中尽可能的去除噪声n1和线性变换h1,得到f(x)。
综上,信道估计就是尽可能的估计出h1,让估计值和真实值的误差最小化。
信道均衡是使用接收到的信号以及估计出来的信道来恢复出发送端发送的信号的过程。即已知y和h1,得到f(x)。
第三信号y至第五信号d的转换,除了信道估计和信道均衡处理,还可以执行以下一项或多项操作:快速傅里叶变换转换到频域、按星座点归一化、重新资源映射、变换到时域等。
例如,在频域上用第三信号y进行信道估计,根据估计的信道对第三信号y进行信道均衡处理后,按照与第一装置相同的资源映射方式进行资源映射,再通过IFFT变换到时域,得到第五信号d。
一种可选的实现中,第五信号d为用第三信号y进行信道估计和信道均衡后,按照之前的资源映射方式重新进行资源映射,然后变换到时域后得到的信号。即,第一装置可以用第三信号y进行信道估计,根据估计的信道对第三信号y进行信道均衡处理后,按照之前的资源映射方式进行资源映射,然后变换到时域,得到第五信号d。
一种可能的实现中,第五信号d为对第三信号y进行快速傅里叶变换FFT、信道估计、信道均衡、按星座点归一化、按照之前的资源映射方式重新进行资源映射、然后变换到时域(例如采用快速傅里叶逆变换IFFT变换到时域)后得到的信号。即,第一装置可以对第三信号y进行快速傅里叶变换FFT、信道估计、信道均衡、按星座点归一化、按照之前的资源映射方式重新进行资源映射、然后变换到时域(例如采用快速傅里叶逆变换IFFT变换到时域)后,得到第五信号d。
一种可能的实现中,第三信号y至第五信号d的转换过程,与第四信号y’至第五信号d的转换过程类似,例如,S1、y是时域信号,信号y经过FFT转换到频域,得到yf。后续的S2-S7可以参见上文介绍的S2-S7,不再重复赘述。
步骤504:将第五信号d经过后失真(post-D)处理,得到第六信号z。后失真处理采用的后失真参数与预处理采用的预处理参数相同。
该步骤也可以看作是采用预处理参数对第五信号d进行后失真处理,得到第六信号z。
步骤505:根据第二信号x和第六信号z,确定(估计)更新后的后失真参数。
由于后续会将后失真参数复制给预处理参数,所以,更新后的后失真参数也可以是看作是确定更新后的预处理参数。
例如,确定第二信号x与第六信号z的误差e,接下来根据误差e重新估计后失真参数(或者后失真参数的改变值),以实现让e的平方更小。
例如,以第二信号x与第六信号z的误差e小于或等于预设阈值为目标,估计更新后的后失真参数或者后失真参数的改变值。
再例如,以第二信号x与第六信号z相等为目标,估计更新后的后失真参数或者后失真参数的改变值。
步骤506:复制后失真参数给预处理,可实现后失真参数与预处理参数相同。
步骤507:重复上述步骤501-506多次,直至达到结束条件。
结束条件可以是:a、达到预设重复次数Xn;b、预处理参数的改变量的平均值小于预设值Xo;c、误差e的绝对值小于预设值Xe。
如图6a所示,提供了误差向量幅度EVM随训练轮次的变化示意图,横坐标为训练轮次,纵坐标为误差向量幅度EVM。这是一种基于神经网络的均衡学习架构的误差向量幅度EVM变化。由图可以看出,没有经过数字预失真DPD处理,EVM平均值在18%左右。经过信道均衡、DPD处理,经过20次迭代后,参数基本收敛(20次迭代后,参数值的平均值变化不大),误差向量幅度EVM平均值在12%左右。通过DPD处理,误差向量幅度EVM由18%下降至12%。
如图6b所示,提供了误差向量幅度EVM随训练轮次的变化示意图,横坐标为训练(或测试)轮次,纵坐标为误差向量幅度EVM。这是一种有记忆多项式的均衡学习架构的EVM变化。由图可以看出,没有经过数字预失真DPD处理,误差向量幅度EVM平均值在22%左右。经过信道均衡、DPD处理,误差向量幅度EVM平均值在16%左右。通过DPD处理,误差向量幅度EVM由22%下降至16%。
在本申请的一个实施例中,采用深度强化学习的方法来进行预处理参数的更新,并且同样可以采用接收端和发送端联合的方式来进行预处理参数的更新。
深度强化学习是深度神经网络和强化学习的组合。
如图7a所示,深度神经网络是指一个网络,它具有输入层和输出层,并且在输入层和输出层之间至少具有一层隐藏层,隐藏层具有非线性激活函数处理功能,非线性激活函数如线性整流函数(rectified linear unit,ReLU),tanh函数等。深度神经网络可以看作输入到输出的非线性变换。例如,相邻的层上的神经元相互连接,一对连接的神经元具有一个权重值和一个偏置值。数据输入至输入层后,经过每一层对应的权重值和偏置值处理后,由输出层输出一个预测结果。通常希望神经网络输出的预测结果尽可能接近数据对应的真实结果,所以可以通过预测结果和真实结果之间的差异情况,来更新每一层神经元对应的权重值和偏置值。
例如,根据预测结果和真实结果计算损失函数,根据损失函数(loss function),沿着最后一层至第一层的方向计算每个神经元对应的梯度,例如,该梯度可以通过损失函数对权重求导数获得。得到每个神经元对应的梯度后,可以采用回传(back-propagation)算法从输出层传回输入层,采用各梯度对各神经元对应的权重值和偏置值进行修正,以使预测结果更接近真实结果。
强化学习是一个智能体(agent)在与环境的交互过程中,通过试错(或称探索)学习最优策略的过程。如图7b所示,强化学习把学习看作试探评价过程,agent选择一个动作用于环境,环境接受该动作后状态发生变化,同时产生一个强化信号(奖或惩)反馈给agent,agent根据强化信号和环境当前状态再选择下一个动作,选择的原则是使受到正强化(奖)的概率增大。选择的动作不仅影响立即强化值,而且影响环境下一时刻的状态及最终的强化值。如果agent的某个动作导致环境正的奖赏(强化信号),agent以后产生这个动作的趋势便会加强。agent的目标是发现动作以使期望的奖赏和最大。对于具有一系列决策的问题,尤其是不能理论建模或求解困难的问题,强化学习可以提供解法。
在深度强化学习中,状态可以是深度神经网络的输入,动作对应深度神经网络的输出。例如,状态可以包含是当前采样时刻的信号、过去采样时刻的信号和它们的高阶项;动作为状态输入神经网络后,得到的处理后的信号;例如,状态包括当前的预处理参数,状态包括更新后的预处理参数。上文介绍的强化信号也可以称为回报值。本示例中,回报为性能指标,例如EVM或ACLR。
如下图8所示,提供了一种更新预处理参数的示意图。第二装置作为接收端,反馈性能指标的信息给第一装置,第一装置以性能指标为回报,利用深度强化学习更新预处理参数。
步骤81:第一装置采用第一预处理参数对第一信号u进行预处理,得到第二信号x。
步骤82:第一装置将第二信号x输入至功率放大器PA,得到的第三信号y。
步骤83a:第一装置向第二装置发送第三信号y。
步骤83b:第二装置接收来自第一装置的第四信号y’,第四信号y’为第三信号y经过第一装置与第二装置之间的信道后的信号。
步骤81至步骤83b的过程可以参见前文图3中的介绍,不再重复赘述。需要注意的是,第一预处理参数为神经网络的形式,而不是记忆多项式的形式。第一次更新中,第一预处理参数称为初始预处理参数。
步骤84:第二装置确定性能指标。
性能指标,例如EVM和/或ACLR。
一种示例中,第二装置根据第四信号y’计算EVM和/或测量ACLR。
步骤85:第二装置向第一装置发送性能指标的信息,相应的,第一装置接收来自第二装置的性能指标的信息。性能指标的信息用于指示性能指标,例如EVM和/或ACLR。
步骤86:第一装置利用深度强化学习,以性能指标作为回报值(强化信号),确定更新后的预处理参数。
初始的深度神经网络参数即为初始预处理参数。
在一种可选的示例中,第一装置中可以设置结束条件,通过结束条件来决定是否重复执行上述的步骤81-步骤89。结束条件例如:a、达到预设重复次数Rn;b、预处理参数的改变量的平均值小于预设值Ro;c、回报值的提升幅度小于预设值Rr。
如果未达到结束条件,第一装置可以采用更新后的预处理参数对第一信号u或新的输入信号进行预处理。再次重复执行上述的步骤85-步骤86,直至达到结束条件,可以停止更新预处理参数。
对于强非线性器件,该器件的输入输出的函数关系不容易找到,如果采用监督学习方法或者图2所示的间接学习架构的方法更新预处理参数,均存在对该器件的输入输出函数拟合不精确的问题。深度强化学习方法可以跳过拟合输入输出函数的过程,仅根据最终的性能指标来更预处理参数,得到最优的预处理参数的性能较高。
上述的图8介绍的是第二装置向第一装置反馈性能指标,由第一装置来更新预处理参数。在另一示例中,如图9所示,第二装置也可以根据性能指标来更新预处理参数,并将更新后的预处理参数发送给第一装置。
步骤91:第一装置采用第一预处理参数对第一信号u进行预处理,得到第二信号x。
步骤92:第一装置将第二信号x输入至功率放大器PA,得到的第三信号y。
步骤93a:第一装置向第二装置发送第三信号y。
步骤93b:第二装置接收来自第一装置的第四信号y’,第四信号y’为第三信号y经过第一装置与第二装置之间的信道后的信号。
步骤91至步骤93b的过程可以参见前文图3中的介绍,不再重复赘述。
步骤94:第二装置确定性能指标。
性能指标,例如EVM和/或ACLR。
步骤95:第二装置利用深度强化学习,以性能指标作为回报值(强化信号),确定更新后的预处理参数。
需要注意的是,第一预处理参数为神经网络的形式,而不是记忆多项式的形式。第一次更新中,第一预处理参数称为初始预处理参数。
初始的深度神经网络参数即为初始预处理参数。
对于第二装置来说,第一预处理参数的获取方式与图3中介绍的第二装置获取第一预处理参数的参数相同,例如,第一预处理参数为第一装置配置的;或者,第一预处理参数为预先规定的;或者,第一预处理参数为根据与预处理(例如初始预处理参数)相关的第一参数推导得到的,例如,相关的第一参数为第一预处理参数中的部分参数。相关的第一参数可以是第一装置配置的,也可以是预先规定的。
步骤96:第二装置也可以更新保存预处理参数,以便进行下一次深度强化学习。为了方便在下一次更新预处理参数时,无需第一装置发送预处理参数
步骤97:第二装置向第一装置发送第一指示,相应的,第一装置接收来自第二装置的第一指示。第一指示用于指示更新后的预处理参数。
步骤97与步骤302相同,不再重复介绍。
步骤98:第一装置采用更新后的预处理参数对预先保存的第一预处理参数进行更新。
可以设置结束条件,通过结束条件来决定是否重复执行上述的步骤91-步骤98。
在一种可选的示例中,第二装置中可以预先设置结束条件。如果达到结束条件,第二装置还可以向第一装置指示预处理参数更新完成。如果未达到结束条件,第二装置可以无需向第一装置指示预处理参数更新完成,或者第二装置向第一装置指示预处理参数未更新完成。该结束条件例如可以是:a、达到预设重复次数Rn;b、预处理参数的改变量的平均值小于预设值Ro;c、回报值的提升幅度小于预设值Rr。第一装置可以根据第二装置的指示,来确定预处理参数是否更新完成。
在一种可选的示例中,第一装置中可以预先设置结束条件。结束条件例如可以是a、达到预设重复次数Rn。第一装置根据结束条件来确定预处理参数是否更新完成。
如果未更新完成,还可以再进行下一次更新过程,再次对预处理参数进行重新估计。第一装置可以采用更新后的预处理参数对第一信号u或新的输入信号进行预处理。再次重复执行上述的步骤91-步骤98,直至达到结束条件,可以停止学习预处理参数。
前文介绍了本申请实施例的方法,下文中将介绍本申请实施例中的装置。方法、装置是基于同一技术构思的,由于方法、装置解决问题的原理相似,因此装置与方法的实施可以相互参见,重复之处不再赘述。
本申请实施例可以根据上述方法示例,对装置进行功能模块的划分,例如,可以对应各个功能划分为各个功能模块,也可以将两个或两个以上的功能集成在一个模块中。这些模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,具体实现时可以有另外的划分方式。
基于与上述方法的同一技术构思,参见图10,提供了一种通信装置1000结构示意图,该装置1000可以包括:处理模块1010,可选的,还包括接收模块1020a、发送模块1020b、存储模块1030。处理模块1010可以分别与存储模块1030和接收模块1020a和发送模块1020b耦合,所述存储模块1030也可以与接收模块1020a和发送模块1020b耦合。
在一种示例中,上述的接收模块1020a和发送模块1020b也可以集成在一起,定义为收发模块。
在一种示例中,该装置1000可以为上文介绍的第一装置,也可以为应用于第一装置中的芯片或功能单元。该装置1000具有上述方法中第一装置的任意功能,例如,该装置1000能够执行上述图3、图4、图5、图8、图9的方法中由第一装置执行的各个步骤。
所述接收模块1020a,可以执行上述方法实施例中第一装置执行的接收动作。
所述发送模块1020b,可以执行上述方法实施例中第一装置执行的发送动作。
所述处理模块1010,可以执行上述方法实施例中第一装置执行的动作中,除发送动作和接收动作外的其它动作。
在一种示例中,所述发送模块1020b,用于向第二装置发送第三信号y;其中,所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号;
接收模块1020a,用于接收来自所述第二装置的第一指示,所述第一指示用于指示更新后的预处理参数;其中,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用第四信号y’进行信道估计和信道均衡后得到的信号;所述第四信号y’为所述第三信号y经过所述信道后的信号。
在一种可能的实现中,所述发送模块1020b,还用于向所述第二装置发送配置信息,所述配置信息用于指示:所述第一预处理参数,或与预处理相关的第一参数。
在一种可能的实现中,所述接收模块1020a,用于接收来自所述第二装置的第二指示,所述第二指示用于触发更新预处理参数。
在一种可能的实现中,所述处理模块1010,用于采用所述更新后的预处理参数对所述第一信号u或新的输入信号进行预处理。
在一种示例中,所述存储模块1030,可以存储第一装置执行的方法的计算机执行指令,以使处理模块1010和接收模块1020a和发送模块1020b执行上述示例中第一装置执行的方法。
示例的,存储模块可以包括一个或者多个存储器,存储器可以是一个或者多个设备、电路中用于存储程序或者数据的器件。存储模块可以是寄存器、缓存或者RAM等,存储模块可以和处理模块集成在一起。存储模块可以是ROM或者可存储静态信息和指令的其他类型的静态存储设备,存储模块可以与处理模块相独立。
所述收发模块可以是输入或者输出接口、管脚或者电路等。
在一种示例中,该装置1000可以为上文介绍的第二装置,也可以为应用于第二装置中的芯片或功能单元。该装置1000具有上述方法中第二装置的任意功能,例如,该装置1000能够执行上述图3、图4、图5、图8、图9的方法中由第二装置执行的各个步骤。
所述接收模块1020a,可以执行上述方法实施例中第二装置执行的接收动作。
所述发送模块1020b,可以执行上述方法实施例中第二装置执行的发送动作。
所述处理模块1010,可以执行上述方法实施例中第二装置执行的动作中,除发送动作和接收动作外的其它动作。
在一种示例中,所述接收模块1020a,用于接收来自第一装置的第四信号y’;其中,所述第四信号y’为第三信号y经过所述第一装置与所述装置之间的信道后的信号;所述第三信号y为:采用第一预处理参数对第一信号u进行预处理和功率放大后得到的信号;
发送模块1020a,用于向所述第一装置发送第一指示,所述第一指示用于指示更新后的预处理参数,所述更新后的预处理参数基于第五信号d得到;所述第五信号d为用第四信号y’进行信道估计和信道均衡后得到的信号。
在一种可能的实现中,所述发送模块1020a,还用于向所述第一装置发送第二指示,所述第二指示用于触发更新预处理参数。
在一种示例中,所述存储模块1030,可以存储第二装置执行的方法的计算机执行指令,以使处理模块1010和接收模块1020a和发送模块1020b执行上述示例中第二装置执行的方法。
示例的,存储模块可以包括一个或者多个存储器,存储器可以是一个或者多个设备、电路中用于存储程序或者数据的器件。存储模块可以是寄存器、缓存或者RAM等,存储模块可以和处理模块集成在一起。存储模块可以是ROM或者可存储静态信息和指令的其他类型的静态存储设备,存储模块可以与处理模块相独立。
所述收发模块可以是输入或者输出接口、管脚或者电路等。
以上介绍了本申请实施例的应用于第一装置的装置和应用于第二装置的装置,以下介绍所述应用于第一装置的装置和所述应用于第二装置的装置可能的产品形态。应理解,但凡具备上述图10所述的应用于第一装置的装置的特征的任何形态的产品,和应用于第二装置的装置的特征的任何形态的产品,都落入本申请的保护范围。还应理解,以下介绍仅为举例,不应限制本申请实施例的应用于第一装置的装置的产品形态,和应用于第二装置的装置的产品形态仅限于此。
作为一种可能的产品形态,装置可以由一般性的总线体系结构来实现。
如图11所示,提供了一种通信装置1100的示意性框图。
该装置1100可以包括:处理器1110,可选的,还包括收发器1120、存储器1130。该收发器1120,可以用于接收程序或指令并传输至所述处理器1110,或者,该收发器1120可以用于该装置1100与其他通信设备进行通信交互,比如交互控制信令和/或业务数据等。该收发器1120可以为代码和/或数据读写收发器,或者,该收发器1120可以为处理器与收发机之间的信号传输收发器。所述处理器1110和所述存储器1130之间电耦合。
一种示例中,该装置1100可以为第一装置,也可以为应用于第一装置中的芯片。应理解,该装置具有上述方法中第一装置的任意功能,例如,所述装置1100能够执行上述图3、图4、图5、图8、图9的方法中由第一装置执行的各个步骤。示例的,所述存储器1130,用于存储计算机程序;所述处理器1110,可以用于调用所述存储器1130中存储的计算机程序或指令,执行上述示例中第一装置执行的方法,或者通过所述收发器1120执行上述示例中第一装置执行的方法。
一种示例中,该装置1100可以为第二装置,也可以为应用于第二装置中的芯片。应理解,该装置具有上述方法中第二装置的任意功能,例如,所述装置1100能够执行上述图3、图4、图5、图8、图9的方法中由第二装置执行的各个步骤。示例的,所述存储器1130,用于存储计算机程序;所述处理器1110,可以用于调用所述存储器1130中存储的计算机程序或指令,执行上述示例中第二装置执行的方法,或者通过所述收发器1120执行上述示例中第二装置执行的方法。
图10中的处理模块1010可以通过所述处理器1110来实现。
图10中的接收模块1020a和发送模块1020b可以通过所述收发器1120来实现。或者,收发器1120分为接收器和发送器,接收器执行接收模块的功能,发送器执行发送模块的功能。
图10中的存储模块1030可以通过所述存储器1130来实现。
作为一种可能的产品形态,装置可以由通用处理器(通用处理器也可以称为芯片或芯片系统)来实现。
一种可能的实现方式中,实现应用于第一装置的装置或第二装置的装置的通用处理器包括:处理电路(处理电路也可以称为处理器);可选的,还包括:与所述处理电路内部连接通信的输入输出接口、存储介质(存储介质也可以称为存储器),所述存储介质用于存储处理电路执行的指令,以执行上述示例中第一装置或第二装置执行的方法。
图10中的处理模块1010可以通过处理电路来实现。
图10中的接收模块1020a和发送模块1020b可以通过输入输出接口来实现。或者,输入输出接口分为输入接口和输出接口,输入接口执行接收模块的功能,输出接口执行发送模块的功能。
图10中的存储模块1030可以通过存储介质来实现。
作为一种可能的产品形态,本申请实施例的装置,还可以使用下述来实现:一个或多个FPGA(现场可编程门阵列)、PLD(可编程逻辑器件)、控制器、状态机、门逻辑、分立硬件部件、任何其它适合的电路、或者能够执行本申请通篇所描述的各种功能的电路的任意组合。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被计算机执行时,可以使得所述计算机用于执行上述更新预处理参数的方法。或者说:所述计算机程序包括用于实现上述更新预处理参数的方法的指令。
本申请实施例还提供了一种计算机程序产品,包括:计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机可以执行上述提供的更新预处理参数的方法。
本申请实施例还提供了一种通信的系统,所述通信系统包括:执行上述更新预处理参数的方法的第一装置和第二装置。
另外,本申请实施例中提及的处理器可以是中央处理器(central processingunit,CPU),基带处理器,基带处理器和CPU可以集成在一起,或者分开,还可以是网络处理器(network processor,NP)或者CPU和NP的组合。处理器还可以进一步包括硬件芯片或其他通用处理器。上述硬件芯片可以是专用集成电路(application-specific integratedcircuit,ASIC),可编程逻辑器件(programmable logic device,PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex programmable logic device,CPLD),现场可编程逻辑门阵列(field-programmable gate array,FPGA),通用阵列逻辑(generic array logic,GAL)及其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等或其任意组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例中提及的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本申请描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例中提及的收发器中可以包括单独的发送器,和/或,单独的接收器,也可以是发送器和接收器集成一体。收发器可以在相应的处理器的指示下工作。可选的,发送器可以对应物理设备中发射机,接收器可以对应物理设备中的接收机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例中描述的各方法步骤和单元,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各实施例的步骤及组成。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请中的“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请中所涉及的多个,是指两个或两个以上。另外,需要理解的是,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
Claims (18)
1.一种更新预处理参数的方法,其特征在于,包括:
第一装置向第二装置发送第三信号;其中,所述第三信号为:采用第一预处理参数对第一信号进行预处理和功率放大后得到的信号;
所述第一装置接收来自所述第二装置的第一指示,所述第一指示用于指示更新后的预处理参数;其中,所述更新后的预处理参数基于第五信号得到;所述第五信号为用第四信号进行信道估计和信道均衡后得到的信号;所述第四信号为所述第三信号经过所述信道后的信号。
2.如权利要求1所述的方法,其特征在于,所述第一指示包含预处理参数的改变值的信息。
3.如权利要求1或2所述的方法,其特征在于,在所述第一装置接收来自所述第二装置的第一指示之前,还包括:
所述第一装置发送配置信息,所述配置信息用于指示所述第一预处理参数,或与所述预处理相关的第一参数。
4.如权利要求1-3任一项所述的方法,其特征在于,在第一装置向第二装置发送第三信号之前,还包括:
所述第一装置接收第二指示,所述第二指示用于触发更新预处理参数。
5.如权利要求1-4任一项所述的方法,其特征在于,还包括:
采用所述更新后的预处理参数对所述第一信号或新的输入信号进行预处理。
6.一种更新预处理参数的方法,其特征在于,还包括:
第二装置接收来自第一装置的第四信号;其中,所述第四信号为第三信号经过所述第一装置与所述第二装置之间的信道后的信号;所述第三信号为:采用第一预处理参数对第一信号进行预处理和功率放大后得到的信号;
所述第二装置向所述第一装置发送第一指示,所述第一指示用于指示更新后的预处理参数,所述更新后的预处理参数基于第五信号得到;所述第五信号为用第四信号进行信道估计和信道均衡后得到的信号。
7.如权利要求6所述的方法,其特征在于,所述第三信号具体为:采用第一预处理参数对第一信号进行预处理,得到第二信号;将所述第二信号输入至功率放大器PA后得到的信号;
所述更新后的预处理参数为:采用所述第一预处理参数对第一信号进行预处理,得到第二信号;将所述第五信号经过后处理,得到第六信号;根据所述第二信号和所述第六信号确定的;其中,所述后处理采用的后处理参数与所述第一预处理参数相同。
8.如权利要求6或7所述的方法,其特征在于,所述第五信号为对所述第四信号进行快速傅里叶变换FFT、信道估计、信道均衡、按星座点归一化、按照与所述第一装置相同的资源映射方式重新进行资源映射、快速傅里叶逆变换IFFT后得到的信号。
9.如权利要求6-8任一项所述的方法,其特征在于,所述第一指示包含预处理参数的改变值的信息。
10.如权利要求6-9任一项所述的方法,其特征在于,
所述第一预处理参数为所述第一装置配置的;或者,
所述第一预处理参数为预先规定的;或者,
所述第一预处理参数为根据与所述预处理相关的第一参数推导得到的。
11.如权利要求7-10任一项所述的方法,其特征在于,
所述第一信号为预先规定的;或者,
所述第一信号为对所述第四信号进行译码、重新编码、调制得到的。
12.如权利要求6-11任一项所述的方法,其特征在于,还包括:
所述第二装置向所述第一装置发送第二指示,所述第二指示用于触发更新预处理参数。
13.一种通信装置,其特征在于,包括:实现如权利要求1-5任一项所述的方法的功能模块。
14.一种通信装置,其特征在于,包括:实现如权利要求6-12任一项所述的方法的功能模块。
15.一种通信装置,其特征在于,包括处理器和存储器,所述处理器与所述存储器耦合;
所述存储器,用于存储计算机程序或指令;
所述处理器,用于执行所述存储器中的部分或者全部计算机程序或指令,当所述部分或者全部计算机程序或指令被执行时,用于实现如权利要求1-5任一项所述的方法,或者用于实现如权利要求6-12任一项所述的方法。
16.一种通信装置,其特征在于,包括与存储器耦合的处理器;
所述存储器,用于存储计算机程序或指令;
所述处理器,用于执行所述存储器中的部分或者全部计算机程序或指令,当所述部分或者全部计算机程序或指令被执行时,用于实现如权利要求1-5任一项所述的方法,或者用于实现如权利要求6-12任一项所述的方法。
17.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序包括用于实现权利要求1-5任一项所述的方法的指令,或者实现权利要求6-12所述的方法的指令。
18.一种包含指令的计算机程序产品,其特征在于,当其在计算机上运行时,使得如权利要求1-5任一项所述的方法被执行,或者,如权利要求6-12任一项所述的方法被执行。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706187.7A CN115529211A (zh) | 2021-06-24 | 2021-06-24 | 一种更新预处理参数的方法及装置 |
PCT/CN2022/100520 WO2022268134A1 (zh) | 2021-06-24 | 2022-06-22 | 一种更新预处理参数的方法及装置 |
EP22827626.7A EP4351096A1 (en) | 2021-06-24 | 2022-06-22 | Preprocessing parameter updating method and device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110706187.7A CN115529211A (zh) | 2021-06-24 | 2021-06-24 | 一种更新预处理参数的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115529211A true CN115529211A (zh) | 2022-12-27 |
Family
ID=84544125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110706187.7A Pending CN115529211A (zh) | 2021-06-24 | 2021-06-24 | 一种更新预处理参数的方法及装置 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4351096A1 (zh) |
CN (1) | CN115529211A (zh) |
WO (1) | WO2022268134A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101459636B (zh) * | 2007-12-12 | 2012-04-18 | 中兴通讯股份有限公司 | 自适应预失真方法 |
CN103685111B (zh) * | 2013-12-26 | 2017-01-11 | 大唐移动通信设备有限公司 | 一种数字预失真参数的求取方法及预失真系统 |
US9749161B1 (en) * | 2016-02-23 | 2017-08-29 | Nxp Usa, Inc. | Fixed-point conjugate gradient digital pre-distortion (DPD) adaptation |
-
2021
- 2021-06-24 CN CN202110706187.7A patent/CN115529211A/zh active Pending
-
2022
- 2022-06-22 WO PCT/CN2022/100520 patent/WO2022268134A1/zh active Application Filing
- 2022-06-22 EP EP22827626.7A patent/EP4351096A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022268134A1 (zh) | 2022-12-29 |
EP4351096A1 (en) | 2024-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmed et al. | Self-interference cancellation with nonlinear distortion suppression for full-duplex systems | |
US9025683B2 (en) | Channel state information transmission method appraratus and system | |
CN108234072B (zh) | 用于对数据信号进行子块解码的方法和设备 | |
US11411794B2 (en) | Artificial neutral network precoding for massive MIMO systems | |
US11683706B2 (en) | Over the air digital pre-distortion measurements | |
Gregorio et al. | Receiver-side nonlinearities mitigation using an extended iterative decision-based technique | |
CN112640316B (zh) | 利用贝叶斯观察分析的阵列天线自适应数字预失真 | |
CN114930783A (zh) | 无线设备中的均衡和估计处理 | |
Karjalainen et al. | EXIT chart-based power allocation for iterative frequency domain MIMO detector | |
Salman et al. | An efficient QAM detector via nonlinear post-distortion based on FDE bank under PA impairments | |
KR20230129171A (ko) | 신호 전송을 위한 방법 및 그 장치 | |
Wu et al. | Iterative detection and decoding in 3GPP LTE-based massive MIMO systems | |
CN115529211A (zh) | 一种更新预处理参数的方法及装置 | |
Latif et al. | Link abstraction for multi-user MIMO in LTE using interference-aware receiver | |
WO2021071403A1 (en) | Provision of optimized action for application in a wireless communication network to affect data transmission over a communication channel | |
Marey et al. | Coded Assisted Transmit and Receive IQ Mismatch Compensation With Channel Estimation for AF Cooperative OFDM Systems | |
Praba et al. | PAPR reduction at large multi-user-MIMO-OFDM using adaptive data detection algorithm | |
Kakehashi et al. | Base Station-Driven PAPR Reduction Method Utilizing Null Space for MIMO-OFDM Systems With Amplify-and-Forward Relaying | |
WO2022139870A1 (en) | Method and apparatus for receiving data in orthogonal frequency division multiplexing system with iterative correction | |
Yu et al. | Light-weight AI enabled non-linearity compensation leveraging high order modulations | |
US20230155617A1 (en) | High order digital post-distortion procedures | |
US11936410B2 (en) | Power amplifier model estimation for digital post distortion in multi-antenna devices | |
US20230388160A1 (en) | Method and apparatus for channel estimation in communication system | |
US11888670B1 (en) | Over the air reliable digital pre-distortion | |
US20240187290A1 (en) | Instantaneous amplitude gain side information for a multiplexed signal |
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 |