CN117693752A - 用于数据驱动的无线发射/接收单元特定符号调制的方法、过程、装置和系统 - Google Patents
用于数据驱动的无线发射/接收单元特定符号调制的方法、过程、装置和系统 Download PDFInfo
- Publication number
- CN117693752A CN117693752A CN202280051958.6A CN202280051958A CN117693752A CN 117693752 A CN117693752 A CN 117693752A CN 202280051958 A CN202280051958 A CN 202280051958A CN 117693752 A CN117693752 A CN 117693752A
- Authority
- CN
- China
- Prior art keywords
- wtru
- neural network
- base station
- quality indicator
- message
- 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
- 238000000034 method Methods 0.000 title claims abstract description 150
- 230000008569 process Effects 0.000 title abstract description 58
- 238000013528 artificial neural network Methods 0.000 claims abstract description 223
- 238000012549 training Methods 0.000 claims description 153
- 230000015654 memory Effects 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 49
- 238000004590 computer program Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 55
- 238000012360 testing method Methods 0.000 description 48
- 230000006870 function Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 22
- 210000004027 cell Anatomy 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000006978 adaptation Effects 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 230000011664 signaling Effects 0.000 description 9
- 241000760358 Enodes Species 0.000 description 8
- 230000006735 deficit Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000013468 resource allocation Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 239000000969 carrier Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 description 2
- 238000004873 anchoring Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 101150071746 Pbsn gene Proteins 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
公开了涉及数据驱动的无线发射/接收单元特定符号调制的过程、方法、架构、装置、系统、设备和计算机程序产品。在实施方案中,一种在无线发射/接收单元WTRU中实现的方法包括从基站接收第一传输,该第一传输包括指示一个或多个参数的第一信息。基于该第一信息初始化神经网络(NN)。从该基站接收第二传输,并且该第二传输包括参考信号(RS)。基于该RS训练该NN。基于该RS的NN解调损失计算质量指示符(QI)值。在该QI值满足阈值的条件下,部署所训练的NN以结合解调至少一个符号来使用。
Description
相关申请的交叉引用
本申请要求2021年6月21日提交的欧洲专利申请21180642.7号以及2022年3月10日提交的欧洲专利申请22161273.2号的权益,这些专利申请中的每一者全文以引用方式并入本文。
技术领域
本公开整体涉及通信、软件和编码的领域,包括例如涉及用于数据驱动的WTRU特定符号调制的方法、过程、装置和系统。
发明内容
简言之,在一个实施方案中,一种在WTRU中实现的方法包括:从基站接收包括参考信号集合的第一消息;以及基于该第一消息训练神经网络。基于使用该参考信号集合的神经网络解调损失确定质量指示符值。基于该质量指示符值满足质量指示符阈值,部署所训练的神经网络以结合解调至少一个符号来使用。
在另一个实施方案中,一种在WTRU中实现的方法包括:从基站接收包括第一参考信号集合的第一消息;以及基于该第一消息训练神经网络NN。基于使用该第一参考信号集合的神经网络解调损失确定第一质量指示符值。基于该第一质量指示符值未能满足质量指示符阈值,向该基站发射包括指示该第一质量指示符值的信息的第二消息。从该基站接收包括第二参考信号集合的第三消息,并且基于该第二参考信号集合重新训练该NN。基于使用该第二参考信号集合的NN解调损失确定第二质量指示符。基于该第二质量指示符值满足该质量指示符阈值,部署所重新训练的神经网络以结合解调至少一个符号来使用。
在另一个实施方案中,一种WTRU,包括处理器和存储器中的任一者,所述WTRU被配置为从基站接收包括参考信号集合的第一消息,并且基于该第一消息训练神经网络。基于使用该参考信号集合的神经网络解调损失确定质量指示符值。基于该质量指示符值满足质量指示符阈值,部署所训练的神经网络以结合解调至少一个符号来使用。
在另一个实施方案中,一种WTRU,包括处理器和存储器中的任一者,所述WTRU被配置为从基站接收包括第一参考信号集合的第一消息,并且基于该第一消息训练神经网络NN。基于使用该第一参考信号集合的神经网络解调损失确定第一质量指示符值。基于该第一质量指示符值未能满足质量指示符阈值,向该基站发射包括指示该第一质量指示符值的信息的第二消息。从该基站接收包括第二参考信号集合的第三消息,并且基于该第二参考信号集合重新训练该NN。基于使用该第二参考信号集合的NN解调损失确定第二质量指示符。基于该第二质量指示符值满足该质量指示符阈值,部署所重新训练的神经网络以结合解调至少一个符号来使用。
附图说明
从下面的详细描述中可以得到更详细的理解,该描述结合其附图以举例的方式给出。与详细描述一样,此类附图中的图是示例。因此,附图(图)和具体实施方式不应被认为是限制性的,并且其他同样有效的示例是可能的和预期的。另外,图中类似的附图标号(“ref.”)指示类似的元件,并且其中:
图1A是示出示例性通信系统的系统图;
图1B是示出可在图1A所示的通信系统内使用的示例性无线发射/接收单元(WTRU)的系统图;
图1C是示出可在图1A所示的通信系统内使用的示例性无线电接入网络(RAN)和示例性核心网络(CN)的系统图;
图1D是示出可在图1A所示的通信系统内使用的另外示例性RAN和另外示例性CN的系统图;
图2是示出基站和WTRU的物理(PHY)层中的功能块的示例的框图;
图3是用于基站和WTRU之间的无线通信的调制方案群集的示例;
图4是示出自动编码器神经网络的示例的系统图;
图5是示出基站和WTRU的物理层中的自动编码器架构的示例的框图;
图6是示出用于不同调制阶数的学习群集的误码率(BER)与信噪比(SNR)的示例的曲线图;
图7是示出学习群集的示例的图;
图8是示出与用于符号调制/解调的常规结构相比具有用于符号调制/解调的神经网络(NN)结构的PHY层中的端到端自动编码器表示的示例的框图;
图9是示出用于M元符号调制的可缩放NN结构的示例的图;
图10是示出用于BER与SNR计算的发射器PHY层处的孪生自动编码器NN模型的示例的图;
图11是示出利用在线训练进行符号调制学习的方法的示例的流程图;
图12是示出根据图11的流程图的用于基站和WTRU之间的符号调制学习的过程的示例的信令图;
图13是示出用于使用针对WTRU特定符号调制而训练的数据驱动的群集整形器进行数据传输的方法的示例的流程图;
图14是示出用于使用针对WTRU特定符号调制而训练的数据驱动的群集整形器进行数据传输的方法的示例的过程图;
图15是示出训练参考信号(TR-RS)和物理下行链路共享信道(PDSCH)时间复用的示例的示图;
图16是示出TR-RS和PDSCH频率复用的示例的示图;
图17是示出TR-RS和PDSCH时间频率复用的示例的示图;
图18是示出仅TR-RS时间频率复用的示例的示图;
图19是示出根据一个实施方案的在WTRU中实现的用于训练调制和译码方案的方法的示例的流程图;并且
图20是示出根据另一个实施方案的在WTRU中实现的用于训练调制和译码方案的方法的示例的流程图。
具体实施方式
在以下详细描述中,阐述了许多具体细节以提供对本文所公开的实施方案和/或示例的透彻理解。然而,应当理解,此类实施方案和示例可在没有本文阐述的一些或所有具体细节的情况下被实践。在其他情况下,未详细描述熟知的方法、流程、部件和电路,以免模糊以下描述。此外,本文未具体描述的实施方案和示例可代替本文中明确、隐含和/或固有地描述、公开或以其他方式提供(统称为“提供”)的实施方案和其他示例来实践,或与这些实施方案和示例组合来实践。尽管本文描述和/或要求保护了各种实施方案,其中装置、系统、设备等和/或其任何元件执行操作、过程、算法、功能等和/或其任何部分,但应当理解,本文所述和/或受权利要求书保护的任何实施方案假定任何装置、系统、设备等和/或其任何元件被配置为执行任何操作、过程、算法、功能等和/或其任何部分。
示例性通信系统
本文提供的方法、装置和系统非常适于涉及有线网络和无线网络两者的通信。相对于图1A至图1D提供了各种类型的无线设备和基础结构的概述,其中网络的各种元件可利用本文提供的方法、装置和系统,执行本文提供的方法、装置和系统,根据本文提供的方法、装置和系统布置,并且/或者针对本文提供的方法、装置和系统进行适配和/或配置。
图1A是示出在其中一个或多个所公开的实施方案可得以实现的示例性通信系统100的系统图。通信系统100可为向多个无线用户提供诸如语音、数据、视频、消息、广播等内容的多址接入系统。通信系统100可使多个无线用户能够通过系统资源(包括无线带宽)的共享来访问此类内容。例如,通信系统100可采用一个或多个信道接入方法,诸如码分多址接入(CDMA)、时分多址接入(TDMA)、频分多址接入(FDMA)、正交FDMA(OFDMA)、单载波FDMA(SC-FDMA)、零尾(ZT)唯一字(UW)离散傅里叶变换(DFT)扩展OFDM(ZT UW DTS-s OFDM)、唯一字OFDM(UW-OFDM)、资源块滤波OFDM、滤波器组多载波(FBMC)等。
如图1A所示,通信系统100可包括无线发射/接收单元(WTRU)102a、102b、102c、102d、无线电接入网络(RAN)104/113、核心网络(CN)106/115、公共交换电话网(PSTN)108、互联网110和其他网络112,但应当理解,所公开的实施方案设想了任何数量的WTRU、基站、网络和/或网络元件。WTRU 102a、102b、102c、102d中的每一者可以是被配置为在无线环境中操作和/或通信的任何类型的设备。作为示例,WTRU 102a、102b、102c、102d(其中任一个WTRU均可称为“站”和/或“STA”)可被配置为传输和/或接收无线信号,并且可包括(或可以是)用户装备(UE)、移动站、固定或移动用户单元、基于订阅的单元、寻呼机、蜂窝电话、个人数字助理(PDA)、智能电话、膝上型计算机、上网本、个人计算机、无线传感器、热点或Mi-Fi设备、物联网(IoT)设备、手表或其他可穿戴设备、头戴式显示器(HMD)、车辆、无人机、医疗设备和应用(例如,远程手术)、工业设备和应用(例如,在工业和/或自动化处理链环境中操作的机器人和/或其他无线设备)、消费电子设备、在商业和/或工业无线网络上操作的设备等。UE 102a、102b、102c和102d中的任一者可互换地称为WTRU。
通信系统100还可包括基站114a和/或基站114b。基站114a、114b中的每一者可为任何类型的设备,其被配置为与WTRU 102a、102b、102c、102d中的至少一者无线对接以例如促进对一个或多个通信网络(诸如CN 106/115、互联网110和/或网络112)的访问。作为示例,基站114a、114b可为基站收发台(BTS)、节点B(NB)、演进节点B(eNB)、家庭节点B(HNB)、家庭演进节点B(HeNB)、g节点B(gNB)、NR节点B(NR NB)、站点控制器、接入点(AP)、无线路由器等中的任一者。虽然基站114a、114b各自被描绘为单个元件,但应当理解,基站114a、114b可包括任何数量的互连基站和/或网络元件。
基站114a可以是RAN 104/113的一部分,该RAN还可包括其他基站和/或网络元件(未示出),诸如基站控制器(BSC)、无线电网络控制器(RNC)、中继节点等。基站114a和/或基站114b可被配置为在一个或多个载波频率(其可被称为小区(未示出))上发射和/或接收无线信号。这些频率可在许可频谱、未许可频谱或许可和未许可频谱的组合中。小区可向特定地理区域提供无线服务的覆盖,该特定地理区域可为相对固定的或可随时间改变。小区可进一步被划分为小区扇区。例如,与基站114a相关联的小区可被划分为三个扇区。因此,在实施方案中,基站114a可包括三个收发器,即,小区的每个扇区一个收发器。在实施方案中,基站114a可采用多输入多输出(MIMO)技术并且可针对小区的每个或任何扇区利用多个收发器。例如,可使用波束成形在所需的空间方向上发射和/或接收信号。
基站114a、114b可通过空中接口116与WTRU 102a、102b、102c、102d中的一者或多者通信,该空中接口可为任何合适的无线通信链路(例如,射频(RF)、微波、厘米波、微米波、红外(IR)、紫外(UV)、可见光等)。可使用任何合适的无线电接入技术(RAT)来建立空中接口116。
更具体地讲,如上所指出,通信系统100可为多址接入系统,并且可采用一个或多个信道接入方案,诸如CDMA、TDMA、FDMA、OFDMA、SC-FDMA等。例如,RAN 104/113中的基站114a和WTRU 102a、102b、102c可实现无线电技术诸如通用移动电信系统(UMTS)陆地无线电接入(UTRA),其可使用宽带CDMA(WCDMA)来建立空中接口116。WCDMA可包括诸如高速分组接入(HSPA)和/或演进的HSPA(HSPA+)之类的通信协议。HSPA可以包括高速下行链路分组接入(HSDPA)和/或高速上行链路分组接入(HSUPA)。
在实施方案中,基站114a和WTRU 102a、102b、102c可实现诸如演进的UMTS陆地无线电接入(E-UTRA)的无线电技术,其可使用长期演进(LTE)和/高级LTE(LTE-A)和/或高级LTEPro(LTE-A Pro)来建立空中接口116。
在实施方案中,基站114a和WTRU 102a、102b、102c可实现无线电技术诸如NR无线电接入,该无线电技术可使用新空口(NR)来建立空中接口116。
在实施方案中,基站114a和WTRU 102a、102b、102c可实现多种无线电接入技术。例如,基站114a和WTRU 102a、102b、102c可例如使用双连接(DC)原理一起实现LTE无线电接入和NR无线电接入。因此,WTRU 102a、102b、102c所利用的空中接口可由多种类型的无线电接入技术和/或向/从多种类型的基站(例如,eNB和gNB)发送的发射来表征。
在实施方案中,基站114a和WTRU 102a、102b、102c可实现诸如IEEE 802.11(即,无线保真(Wi-Fi))、IEEE 802.16(即,全球微波接入互操作性(WiMAX))、CDMA2000、CDMA20001X、CDMA2000 EV-DO、暂行标准2000(IS-2000)、暂行标准95(IS-95)、暂行标准856(IS-856)、全球移动通信系统(GSM)、GSM增强数据率演进(EDGE)、GSM EDGE(GERAN)等无线电技术。
图1A中的基站114b可为例如无线路由器、家庭节点B、家庭演进节点B或接入点,并且可利用任何合适的RAT来促进局部区域诸如商业场所、家庭、车辆、校园、工业设施、空中走廊(例如,供无人机使用)、道路等中的无线连接。在实施方案中,基站114b和WTRU 102c、102d可实现诸如IEEE 802.11之类的无线电技术以建立无线局域网(WLAN)。在实施方案中,基站114b和WTRU 102c、102d可实现诸如IEEE 802.15之类的无线电技术以建立无线个域网(WPAN)。在实施方案中,基站114b和WTRU 102c、102d可利用基于蜂窝的RAT(例如,WCDMA、CDMA2000、GSM、LTE、LTE-A、LTE-A Pro、NR等)来建立微小区、微微小区或毫微微小区中的任一者。如图1A所示,基站114b可具有与互联网110的直接连接。因此,基站114b可不需要经由CN 106/115访问互联网110。
RAN 104/113可与CN 106/115通信,该CN可以是被配置为向WTRU 102a、102b、102c、102d中的一者或多者提供语音、数据、应用和/或互联网协议语音技术(VoIP)服务的任何类型的网络。数据可具有不同的服务质量(QoS)要求,诸如不同的吞吐量要求、延迟要求、误差容限要求、可靠性要求、数据吞吐量要求、移动性要求等。CN 106/115可提供呼叫控制、账单服务、基于移动位置的服务、预付费呼叫、互联网连接、视频分发等,和/或执行高级安全功能,诸如用户认证。尽管未在图1A中示出,但是应当理解,RAN 104/113和/或CN 106/115可与采用与RAN 104/113相同的RAT或不同RAT的其他RAN进行直接或间接通信。例如,除了连接到可利用NR无线电技术的RAN 104/113之外,CN 106/115还可与采用GSM、UMTS、CDMA2000、WiMAX、E-UTRA或Wi-Fi无线电技术中的任一者的另一RAN(未示出)通信。
CN 106/115也可充当WTRU 102a、102b、102c、102d的网关,以访问PSTN 108、互联网110和/或其他网络112。PSTN 108可包括提供普通老式电话服务(POTS)的电路交换电话网络。互联网110可包括使用常见通信协议(诸如传输控制协议(TCP)、用户数据报协议(UDP)和/或TCP/IP互联网协议组中的互联网协议(IP))的互连计算机网络和设备的全球系统。网络112可包括由其他服务提供商拥有和/或操作的有线和/或无线通信网络。例如,网络112可包括连接到一个或多个RAN的另一个CN,该一个或多个RAN可采用与RAN 104/114相同的RAT或不同的RAT。
通信系统100中的一些或所有WTRU 102a、102b、102c、102d可包括多模式能力(例如,WTRU 102a、102b、102c、102d可包括用于通过不同无线链路与不同无线网络通信的多个收发器)。例如,图1A所示的WTRU 102c可被配置为与可采用基于蜂窝的无线电技术的基站114a通信,并且与可采用IEEE 802无线电技术的基站114b通信。
图1B是示出示例性WTRU 102的系统图。如图1B所示,WTRU 102可包括处理器118、收发器120、传输/接收元件122、扬声器/麦克风124、小键盘126、显示器/触摸板128、不可移动存储器130、可移动存储器132、电源134、全球定位系统(GPS)芯片组136和/或其他元件/外围设备138等。应当理解,在与实施方案保持一致的同时,WTRU 102可包括前述元件的任何子组合。
处理器118可以是通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核心相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其他类型的集成电路(IC)、状态机等。处理器118可执行信号译码、数据处理、功率控制、输入/输出处理和/或任何其他功能,这些其他功能使WTRU 102能够在无线环境中工作。处理器118可耦合到收发器120,该收发器可耦合到发射/接收元件122。虽然图1B将处理器118和收发器120描绘为单独的部件,但是应当理解,处理器118和收发器120可以例如在电子封装或芯片中集成在一起。
发射/接收元件122可被配置为通过空中接口116向基站(例如,基站114a)发射信号或从基站接收信号。例如,在实施方案中,传输/接收元件122可以是被配置为传输和/或接收RF信号的天线。在一个实施方案中,发射/接收元件122可以是被配置为发射和/或接收例如IR、UV或可见光信号的发射器/检测器。在实施方案中,传输/接收元件122可以被配置为传输和/或接收RF信号和光信号两者。应当理解,发射/接收元件122可被配置为发射和/或接收无线信号的任何组合。
尽管传输/接收元件122在图1B中被描绘为单个元件,但是WTRU 102可包括任何数量的传输/接收元件122。例如,WTRU 102可采用MIMO技术。因此,在实施方案中,WTRU 102可包括用于通过空中接口116传输和接收无线信号的两个或更多个传输/接收元件122(例如,多个天线)。
收发器120可被配置为调制将由发射/接收元件122发射的信号并且解调由发射/接收元件122接收的信号。如上所指出,WTRU 102可具有多模式能力。例如,因此,收发器120可包括多个收发器,以便使WTRU 102能够经由多种RAT(诸如NR和IEEE 802.11)进行通信。
WTRU 102的处理器118可耦合到扬声器/麦克风124、小键盘126和/或显示器/触摸板128(例如,液晶显示器(LCD)显示单元或有机发光二极管(OLED)显示单元)并且可从其接收用户输入数据。处理器118还可将用户数据输出到扬声器/麦克风124、小键盘126和/或显示器/触摸板128。此外,处理器118可从任何类型的合适存储器(诸如不可移动存储器130和/或可移动存储器132)访问信息,并且将数据存储在任何类型的合适存储器中。不可移动存储器130可包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘或任何其他类型的存储器存储设备。可移动存储器132可包括用户身份模块(SIM)卡、记忆棒、安全数字(SD)存储卡等。在其他实施方案中,处理器118可从未物理上定位在WTRU 102上(诸如,服务器或家用计算机(未示出)上)的存储器访问信息,并且将数据存储在该存储器中。
处理器118可从电源134接收电力,并且可被配置为向WTRU 102中的其他部件分配和/或控制电力。电源134可以是用于为WTRU 102供电的任何合适的设备。例如,电源134可包括一个或多个干电池组(例如,镍镉(NiCd)、镍锌(NiZn)、镍金属氢化物(NiMH)、锂离子(Li-ion)等)、太阳能电池、燃料电池等。
处理器118还可耦合到GPS芯片组136,该GPS芯片组可被配置为提供关于WTRU 102的当前位置的位置信息(例如,经度和纬度)。除了来自GPS芯片组136的信息之外或代替该信息,WTRU 102可通过空中接口116从基站(例如,基站114a、114b)接收位置信息和/或基于从两个或更多个附近基站接收到信号的定时来确定其位置。应当理解,在与实施方案保持一致的同时,该WTRU 102可通过任何合适的位置确定方法来获取位置信息。
处理器118还可耦合到其他元件/外围设备138,该其他元件/外围设备可包括提供附加特征、功能和/或有线或无线连接的一个或多个软件模块/单元和/或硬件模块/单元。例如,元件/外围设备138可包括加速度计、电子指南针、卫星收发器、数字相机(例如,用于照片和/或视频)、通用串行总线(USB)端口、振动设备、电视收发器、免提头戴式耳机、模块、调频(FM)无线电单元、数字音乐播放器、媒体播放器、视频游戏播放器模块、互联网浏览器、虚拟现实和/或增强现实(VR/AR)设备、活动跟踪器等。元件/外围设备138可包括一个或多个传感器,该传感器可为以下一者或多者:陀螺仪、加速度计、霍尔效应传感器、磁力计、方位传感器、接近传感器、温度传感器、时间传感器;地理位置传感器;测高计、光传感器、触摸传感器、磁力计、气压计、手势传感器、生物识别传感器和/或湿度传感器。
WTRU 102可包括全双工无线电台,对于该全双工无线电台,一些或所有信号的传输和接收(例如,与用于上行链路(例如,用于传输)和下行链路(例如,用于接收)两者的特定子帧相关联)可为并发的和/或同时的。全双工无线电台可包括干扰管理单元,该干扰管理单元用于经由硬件(例如,扼流圈)或经由处理器(例如,单独的处理器(未示出)或经由处理器118)进行的信号处理来减少和/或基本上消除自干扰。在实施方案中,WTRU 102可包括半双工无线电台,对于该半双工无线电台,一些或所有信号的传输和接收(例如,与用于上行链路(例如,用于传输)或下行链路(例如,用于接收)的特定子帧相关联)。
图1C是示出根据一个实施方案的RAN 104和CN 106的系统图。如上所指出,RAN104可以采用E-UTRA无线电技术通过空中接口116与WTRU 102a、102b和102c通信。RAN 104还可与CN 106通信。
RAN 104可包括演进节点B 160a、160b、160c,但是应当理解,在与实施方案保持一致的同时,RAN 104可包括任何数量的演进节点B。演进节点B 160a、160b、160c各自可包括一个或多个收发器以便通过空中接口116与WTRU 102a、102b、102c通信。在实施方案中,演进节点B 160a、160b、160c可实施MIMO技术。因此,演进节点B 160a例如可以使用多个天线来向WTRU 102a发射无线信号,以及从该WTRU接收无线信号。
演进节点B 160a、160b和160c中的每一者可以与特定小区(未示出)相关联,并且可以被配置为处理无线电资源管理决策、切换决策、上行链路(UL)和/或下行链路(DL)中的用户调度,等等。如图1C所示,演进节点B 160a、160b、160c可通过X2接口彼此通信。
图1C所示的CN 106可包括移动性管理实体(MME)162、服务网关(SGW)164和分组数据网络(PDN)网关(PGW)166。虽然前述元件中的每一者被描绘为CN 106的一部分,但是应当理解,这些元件中的任一者可由除CN运营商之外的实体拥有和/或操作。
MME 162可以经由S1接口连接到RAN 104中的演进节点B 160a、160b和160c中的每一者,并且可以用作控制节点。例如,MME 162可负责认证WTRU 102a、102b、102c的用户、承载激活/去激活、在WTRU 102a、102b、102c的初始附加期间选择特定服务网关等。MME 162可提供用于在RAN 104和采用其他无线电技术(诸如GSM和/或WCDMA)的其他RAN(未示出)之间进行切换的控制平面功能。
SGW 164可经由S1接口连接到RAN 104中的演进节点B 160a、160b、160c中的每一者。SGW 164通常可向/从WTRU 102a、102b、102c路由和转发用户数据分组。SGW 164可执行其他功能,诸如在演进节点B间切换期间锚定用户平面、当DL数据可用于WTRU 102a、102b、102c时触发寻呼、管理和存储WTRU 102a、102b、102c的上下文等。
SGW 164可连接到PGW 166,该PGW可向WTRU 102a、102b、102c提供对分组交换网络(诸如互联网110)的访问,以有利于WTRU 102a、102b、102c和启用IP的设备之间的通信。
CN 106可促进与其他网络的通信。例如,CN 106可为WTRU 102a、102b、102c提供对电路交换网络(诸如,PSTN 108)的访问,以促进WTRU 102a、102b、102c与传统陆线通信设备之间的通信。例如,CN 106可包括用作CN 106和PSTN 108之间的接口的IP网关(例如,IP多媒体子系统(IMS)服务器)或者可与该IP网关通信。此外,CN 106可向WTRU 102a、102b、102c提供对其他网络112的接入,该其他网络可包括由其他服务提供商拥有和/或操作的其他有线和/或无线网络。
尽管WTRU在图1A至图1D中被描述为无线终端,但是可以设想,在某些代表性实施方案中,此类终端可(例如,临时或永久)使用与通信网络的有线通信接口。
在代表性实施方案中,其他网络112可为WLAN。
处于基础结构基本服务集(BSS)模式的WLAN可具有用于BSS的接入点(AP)以及与AP相关联的一个或多个站点(STA)。AP可具有至分配系统(DS)或将流量携带至和/或携带流量离开BSS的另一种类型的有线/无线网络的接入或接口。源自BSS外部并通向STA的流量可通过AP到达并且可被传递到STA。源自STA并通向BSS外部的目的地的流量可被发送到AP以被传递到相应目的地。BSS内的STA之间的流量可通过AP发送,例如,其中源STA可向AP发送流量,并且AP可将流量传递到目的地STA。BSS内的STA之间的流量可被视为和/或称为点对点流量。可利用直接链路建立(DLS)在源和目的地STA之间(例如,直接在它们之间)发送点对点流量。在某些代表性实施方案中,DLS可使用802.11e DLS或802.11z隧道DLS(TDLS)。使用独立BSS(IBSS)模式的WLAN可不具有AP,并且IBSS内或使用IBSS的STA(例如,所有STA)可彼此直接通信。IBSS通信模式在本文中有时可称为“ad-hoc”通信模式。
当使用802.11ac基础结构操作模式或相似操作模式时,AP可在固定信道(诸如主信道)上发射信标。主信道可为固定宽度(例如,20MHz宽带宽)或经由信令动态设置的宽度。主信道可为BSS的操作信道,并且可由STA用来建立与AP的连接。在某些代表性实施方案中,例如在802.11系统中可实现载波侦听多路访问/冲突避免(CSMA/CA)。对于CSMA/CA,STA(例如,每个STA)(包括AP)可侦听主信道。如果主信道被特定STA侦听/检测和/或确定为繁忙,则特定STA可退避。一个STA(例如,仅一个站)可在给定BSS中在任何给定时间传输。
高吞吐量(HT)STA可使用40MHz宽的信道进行通信,例如,经由主20MHz信道与相邻或不相邻的20MHz信道的组合以形成40MHz宽的信道。
极高吞吐量(VHT)STA可支持20MHz、40MHz、80MHz和/或160MHz宽的信道。40MHz和/或80MHz信道可通过组合连续的20MHz信道来形成。可通过组合8个连续的20MHz信道,或通过组合两个非连续的80MHz信道(这可被称为80+80配置)来形成160MHz信道。对于80+80配置,在信道编码之后,数据可通过可将数据分成两个流的段解析器。可单独地对每个流进行快速傅里叶逆变换(IFFT)处理和时间域处理。可将这些流映射到两个80MHz信道,并且可通过发射STA来发射数据。在接收STA的接收器处,可颠倒上述用于80+80配置的操作,并且可将组合的数据发送到介质访问控制(MAC)层、实体等。
802.11af和802.11ah支持低于1GHz的操作模式。相对于802.11n和802.11ac中使用的那些,802.11af和802.11ah中减少了信道操作带宽和载波。802.11af支持电视白空间(TVWS)频谱中的5MHz、10MHz和20MHz带宽,并且802.11ah支持使用非TVWS频谱的1MHz、2MHz、4MHz、8MHz和16MHz带宽。根据代表性实施方案,802.11ah可支持仪表类型控制/机器类型通信(MTC),诸如宏覆盖区域中的MTC设备。MTC设备可具有某些能力,例如有限的能力,包括支持(例如,仅支持)某些带宽和/或有限的带宽。MTC设备可包括电池寿命高于阈值(例如,以保持非常长的电池寿命)的电池。
可支持多个信道的WLAN系统以及诸如802.11n、802.11ac、802.11af和802.11ah之类的信道带宽包括可被指定为主信道的信道。主信道可具有等于由BSS中的所有STA支持的最大公共操作带宽的带宽。主信道的带宽可由来自在BSS中操作的所有STA的STA(其支持最小带宽操作模式)设置和/或限制。在802.11ah的示例中,对于支持(例如,仅支持)1MHz模式的STA(例如,MTC型设备),主信道可为1MHz宽,即使AP和BSS中的其他STA支持2MHz、4MHz、8MHz、16MHz和/或其他信道带宽操作模式。载波侦听和/或网络分配向量(NAV)设置可取决于主信道的状态。如果主信道繁忙,例如,由于STA(仅支持1MHz操作模式)正在向AP发射,即使大多数频段保持空闲并且可能可用,整个可用频段也可被视为繁忙。
在美国,可供802.11ah使用的可用频带为902MHz至928MHz。在韩国,可用频带为917.5MHz至923.5MHz。在日本,可用频带为916.5MHz至927.5MHz。802.11ah可用的总带宽为6MHz至26MHz,具体取决于国家代码。
图1D是示出根据一个实施方案的RAN 113和CN 115的系统图。如上所指出,RAN113可采用NR无线电技术以通过空中接口116与WTRU 102a、102b、102c通信。RAN 113还可与CN 115通信。
RAN 113可包括gNB 180a、180b、180c,但是应当理解,在与实施方案保持一致的同时,RAN 113可包括任何数量的gNB。gNB 180a、180b、180c各自可包括一个或多个收发器以便通过空中接口116与WTRU 102a、102b、102c通信。在实施方案中,gNB 180a、180b、180c可实现MIMO技术。例如,gNB 180a、180b可利用波束成形来向WTRU 102a、102b、102c传输信号和/或从WTRU接收信号。因此,gNB 180a例如可使用多个天线来向WTRU 102a发射无线信号和/或从该WTRU接收无线信号。在实施方案中,gNB 180a、180b、180c可实现载波聚合技术。例如,gNB 180a可向WTRU 102a(未示出)发射多个分量载波。这些分量载波的子集可在免许可频谱上,而其余分量载波可在许可频谱上。在实施方案中,gNB 180a、180b、180c可实现被协调的多点(CoMP)技术。例如,WTRU 102a可从gNB 180a和gNB 180b(和/或gNB 180c)接收被协调的发射。
WTRU 102a、102b、102c可使用与可扩展参数集相关联的传输来与gNB 180a、180b、180c通信。例如,OFDM符号间隔和/或OFDM子载波间隔可因不同传输、不同小区和/或无线传输频谱的不同部分而变化。WTRU 102a、102b、102c可使用各种或可扩展长度的子帧或传输时间间隔(TTI)(例如,包括不同数量的OFDM符号和/或持续变化的绝对时间长度)来与gNB180a、180b、180c通信。
gNB 180a、180b、180c可被配置为以独立配置和/或非独立配置与WTRU 102a、102b、102c通信。在独立配置中,WTRU 102a、102b、102c可与gNB 180a、180b、180c通信,同时也不访问其他RAN(例如,诸如演进节点B 160a、160b、160c)。在独立配置中,WTRU 102a、102b、102c可将gNB 180a、180b、180c中的一者或多者用作移动性锚定点。在独立配置中,WTRU 102a、102b、102c可在未许可频带中使用信号与gNB 180a、180b、180c通信。在非独立配置中,WTRU 102a、102b、102c可与gNB 180a、180b、180c通信或连接,同时也与其他RAN(诸如,演进节点B160a、160b、160c)通信或连接。例如,WTRU 102a、102b、102c可实现DC原理以基本上同时与一个或多个gNB 180a、180b、180c和一个或多个演进节点B 160a、160b、160c通信。在非独立配置中,演进节点B 160a、160b、160c可用作WTRU 102a、102b、102c的移动性锚点,并且gNB 180a、180b、180c可提供用于服务WTRU 102a、102b、102c的附加覆盖和/或吞吐量。
gNB 180a、180b、180c中的每一者可与特定小区(未示出)相关联,并且可被配置为处理无线电资源管理决策、切换决策、UL和/或DL中的用户的调度、网络切片的支持、双连接、NR和E-UTRA之间的互通、用户平面数据朝向用户平面功能(UPF)184a、184b的路由、控制平面信息朝向接入和移动性管理功能(AMF)182a、182b的路由等。如图1D所示,gNB 180a、180b、180c可通过Xn接口彼此通信。
图1D所示的CN 115可包括至少一个AMF 182a、182b、至少一个UPF 184a、184b、至少一个会话管理功能(SMF)183a、183b以及至少一个数据网络(DN)185a、185b。虽然前述元件中的每个元件被描绘为CN 115的一部分,但应当理解,这些元件中的任一元件可由除CN运营商之外的实体拥有和/或操作。
AMF 182a、182b可经由N2接口连接到RAN 113中的gNB 180a、180b、180c中的一者或多者,并且可用作控制节点。例如,AMF 182a、182b可负责认证WTRU 102a、102b、102c的用户、网络切片的支持(例如,具有不同要求的不同协议数据单元(PDU)会话的处理)、选择特定SMF 183a、183b、注册区域的管理、NAS信令的终止、移动性管理,等等。AMF 182a、182b可使用网络切片以例如基于WTRU 102a、102b、102c所使用的服务的类型来为WTRU 102a、102b、102c定制CN支持。例如,可针对不同的用例(诸如,依赖于超高可靠低延迟(URLLC)接入的服务、依赖于增强型大规模移动宽带(eMBB)接入的服务、用于MTC接入的服务等)建立不同的网络切片。AMF 162可提供用于在RAN 113和采用其他无线电技术(诸如LTE、LTE-A、LTE-A Pro和/或非3GPP接入技术,诸如Wi-Fi)的其他RAN(未示出)之间进行切换的控制平面功能。
SMF 183a、183b可经由N11接口连接到CN 115中的AMF 182a、182b。SMF 183a、183b还可经由N4接口连接到CN 115中的UPF 184a、184b。SMF 183a、183b可选择并控制UPF184a、184b,并且配置通过UPF 184a、184b进行的流量路由。SMF 183a、183b可执行其他功能,诸如管理和分配UE IP地址、管理PDU会话、控制策略实施和QoS、提供下行链路数据通知等。PDU会话类型可以是基于IP的、非基于IP的、基于以太网的等。
UPF 184a、184b可经由N3接口连接到RAN 113中的gNB 180a、180b、180c中的一者或多者,这些gNB可向WTRU 102a、102b、102c提供对分组交换网络(诸如互联网110)的接入,例如以促进WTRU 102a、102b、102c和启用IP的设备之间的通信。UPF 184、184b可执行其他功能,诸如路由和转发分组、实施用户平面策略、支持多宿主PDU会话、处理用户平面QoS、缓冲下行链路分组、提供移动性锚定等。
CN 115可促进与其他网络的通信。例如,CN 115可包括用作CN 115与PSTN 108之间的接口的IP网关(例如,IP多媒体子系统(IMS)服务器)或者可与该IP网关通信。此外,CN115可向WTRU 102a、102b、102c提供对其他网络112的接入,该其他网络可包括由其他服务提供商拥有和/或操作的其他有线和/或无线网络。在实施方案中,WTRU 102a、102b、102c可通过UPF 184a、184b经由至UPF 184a、184b的N3接口以及UPF 184a、184b与本地数据网络(DN)185a、185b之间的N6接口连接到DN 185a、185b。
鉴于图1A至图1D以及图1A至图1D的对应描述,本文参照以下中的任一者描述的功能中的一个或多个功能或全部功能可由一个或多个仿真元件/设备(未示出)执行:WTRU102a-102d、基站114a-114b、演进节点B160a-160c、MME 162、SGW 164、PGW 166、gNB 180a-180c、AMF 182a-182b、UPF 184a-184b、SMF 183a-183b、DN 185a-185b和/或本文所述的任何其他元件/设备。仿真设备可以是被配置为模仿本文所述的一个或多个或所有功能的一个或多个设备。例如,仿真设备可用于测试其他设备和/或模拟网络和/或WTRU功能。
仿真设备可被设计为在实验室环境和/或运营商网络环境中实现其他设备的一个或多个测试。例如,该一个或多个仿真设备可执行一个或多个或所有功能,同时被完全或部分地实现和/或部署为有线和/或无线通信网络的一部分,以便测试通信网络内的其他设备。该一个或多个仿真设备可执行一个或多个功能或所有功能,同时临时被实现/部署为有线和/或无线通信网络的一部分。仿真设备可直接耦合到另一个设备以用于测试目的和/或可使用空中无线通信来执行测试。
该一个或多个仿真设备可执行一个或多个(包括所有)功能,同时不被实现/部署为有线和/或无线通信网络的一部分。例如,仿真设备可在测试实验室和/或非部署(例如,测试)有线和/或无线通信网络中的测试场景中使用,以便实现一个或多个部件的测试。该一个或多个仿真设备可为测试装备。经由RF电路(例如,其可包括一个或多个天线)进行的直接RF耦合和/或无线通信可由仿真设备用于发射和/或接收数据。
引言
物理(PHY)层中的符号调制的示例
移动通信在不断演进,并且已经发展到其第五代,其被称为第五代,并且在本文中可被称为5G。参考图2,无线通信系统可包括发射器PHY层和接收器PHY层(例如,具有发射器PHY层和接收器PHY层的设备)。发射器PHY层PHY可被包括作为WTRU或基站的一部分。接收器PHY层可被包括作为另一个WTRU或用户装备的一部分。发射器PHY层可包括信道编码器块、符号调制块和波形调制块中的任一者。接收器PHY层可包括波形解调块、信道估计块、均衡块、符号解调块和信道解码器块中的任一者。
符号调制块可将一组编码位转换为表示基带信号的同相分量和正交分量的复符号。符号解调块可将接收到的基带(例如,复)信号转换为被馈送到信道解码器块中的一组位。符号内携带的位的数量可取决于调制方案的调制阶数(Qm)。
表1列出了可在无线通信系统中使用(例如,在5G物理下行链路共享信道(PDSCH)中使用)的调制方案和相关联的调制阶数的示例。
调制方案 | 调制阶数Qm |
QPSK | 2 |
16QAM | 4 |
64QAM | 6 |
256QAM | 8 |
表1:调制方案和调制阶数的示例
图3示出了四相相移键控(QPSK)、16正交幅度调制符号(16QAM)、64正交幅度调制符号(64QAM)和256正交幅度调制符号(256QAM)调制方案的群集图的非限制性示例。
调制方案可与信道译码结合使用以确定数据传输的频谱效率。调制方案和译码方案的组合(统称为“MCS”)可被称为MCS索引(Imcs)。
表2针对多个MCS索引(Imcs)中的每一者列出了(例如,5G中的)PDSCH的Qm、目标译码速率和频谱效率。
表2:用于PDSCH的MCS索引的示例
在表2的示例中,MCS索引具有三个索引。Qm、目标译码速率和频谱效率可用于确定用于基站和WTRU之间的传输的MCS。在下行链路/上行链路传输开始之前,基站可指示WTRU选择MCS索引表。
下行链路中MCS的选择(例如,链路级适配)可以基于可从WTRU发送到基站的信道质量指示符(CQI)值。上行链路中MCS的选择可以基于从WTRU发送到基站的探测参考信号(SRS)。在基站从WTRU接收到CQI/SRS之后,基站可针对下行链路/上行链路选择满足预定义的最大传输块误差率的具有最高频谱效率的MCS。当基站从WTRU接收新的CQI/SRS时,可针对物理下行链路共享信道和/或物理上行链路共享信道(PDSCH/PUSCH)连续地更新MCS。
示例性自动编码器神经网络(NN)
自动编码器可以是使用无监督学习算法的(例如,特殊)类型的NN。无监督地学习的NN网络可能无法确定学习过程的结果可能是什么样子的。自动编码器可试图找到其中间层处的输入的低维表示,该低维表示在具有最小误差的输出处被重建。图3中示出了自动编码器的非限制性示例性结构(“自动编码器结构”)。如图3所示,自动编码器结构可具有5个层(L=5)、5个输入和5个输出。自动编码器可具有多个致密层。在自动编码器中,可训练(例如,训练)参数,使得输出尽可能等于给定示例性训练数据集的输入。训练可以基于最小化成本函数,该成本函数取决于相对于神经网络参数的期望输出和实际输出之间的差异。成本函数可测量给定数据的机器学习模型的性能。成本函数可量化预测值和期望值之间的误差值,并且可以单个实数的形式来呈现该误差值。
成本函数的非限制性示例可被定义为:
其中:
Θ代表可训练参数集合;
yi代表训练数据中的第i个示例性输出;
代表神经网络的第i个实际输出;并且
N代表训练数据集中的示例的数量。
前馈和反向传播操作可以基于寻找成本函数参数的局部最优值Θ={Θ(1),…,Θ(L-1)}.。
对应于前馈操作中的一者或多者的计算的非限制性示例可如下:
1:针对l=1计算激活
a(2)=σ(x(Θ(1))T)
2:针对1<l<L计算激活
a(l+1)=σ(a(l)(Θ(l))T)
示例性激活函数σ(·)是sigmoid,其中
对应于反向传播操作的计算的非限制性示例可如下:
1:针对输出层l=己计算一个或多个误差值
其中σ′(a(L))是自动编码器在w=a(L)和y=x处计算的函数σ(w)的导数。
2:计算成本函数C(Θ)相对于参数Θ(L-1)的偏导数。
3:支持一个层,l=l-1
4:针对隐藏层l计算一个或多个误差值。
δ(l)=δ(l+1)Θ(l)·σ′(a(l))
5:计算成本函数相对于参数Θ(l)的偏导数。
6:重复3至5直到l=1,其中a(1)=x。
前馈和反向传播操作中的变量可都是矩阵。例如,在图4中,a(3)是大小为N×2的矩阵,Θ(2)是大小为2×5的矩阵,δ(3)是大小为N×2的矩阵。
作为非限制性示例,在完成一个或多个前馈和反向传播迭代过程之后,可如下更新参数:
对于l=1,…,L-1,
其中:
t代表迭代次数;并且
η>0代表学习速率。
初始参数对于t=0可随机确定。在每次迭代t时,可计算前馈和反向传播操作,直到成本函数返回低于阈值的值或实现最大迭代次数。
利用自动编码器的示例性调制学习
基于自动编码器的通信系统可用于无线通信中。可使用自动编码器来代替符号映射器和解调器(例如,如图5所示);需注意,可假设PHY层之间的其他元素是不可训练的。
PHY层中的自动编码器可确定中间层中的输入消息的一些表示。
由无线信道产生的失真影响、发射器/接收器硬件损伤、以及可能影响信号从基站到WTRU的(例如,高效的)的传输的任何其他影响可被输入消息的表示限制。例如,在图4中,输入消息的稳健表示对应于输入x的a(3)。
用自动编码器取代符号调制块和符号解调块可改善PHY层的误码率(BER)性能。图6中描绘了训练自动编码器的BER与信噪比(SNR)曲线的示例。使用PHY层中的自动编码器NN学习的群集可取决于无线信道性质。图7中给出了针对不同信道性质的学习群集的示例。
用于无线通信的机器学习方法
无线通信的PHY层处的机器学习方法可具有适应快速时变信道条件和非线性损伤的潜力以实现稳健和高效的传输。然而,数据驱动(例如,物理层中基于机器学习的自适应通信)的实际部署可能需要高效的信令和反馈方法和过程作为整个物理层以及通信栈中的支持元件的一部分。对于在高频带诸如毫米波和太赫兹下的无线传输,非线性损伤可能成为接收信号失真的主要来源。然而,常规PHY层方法缺乏处理非线性损伤的方法和过程。
机器学习方法(例如,神经网络)可整体地或部分地替换PHY层块。PHY层的块可以是基于固定符号调制的查找表。固定调制类型可能不适应信道条件或RF损伤的具体情况。aka群集图例如BPSK、QAM等可根据噪声统计(其通常被假定为独立且同分布的高斯)来预先确定。根据接收信号的SNR值,可从预先确定的群集图中选择(例如,特定的)调制点。
与现有技术通信标准(例如,5G)的常规控制信道相比,用于PHY层的学习方法可使用附加信令和反馈。在当前标准中定义的信令过程诸如参考信号可能达不到满足PHY层块的训练过程的要求。现有上行链路反馈或下行链路导频过程可能不支持调制学习。离线学习方法可反映信道条件的统计,然而,在基础信道统计改变(例如,用户移动到城市位置)的情况下,则离线神经网络(NN)模型可能不足够。
基于机器学习(ML)的调制器(例如,群集整形器/调制器NN)可(例如,自适应地)提供符号群集。在基站处,基于机器学习(ML)的调制器可基于群集将位流映射到发射符号中。
在WTRU处,基于ML的解调器(例如,解调器NN)可基于对应的符号群集将所接收符号解映射成位序列以用于最终解码。
用于训练用于WTRU特定符号调制的数据驱动的群集整形器的方法和过程
根据一个实施方案,方法和过程可实现用于自适应符号群集图和调制映射的可训练数据驱动的群集整形器。
用于训练在基站和WTRU处实现自适应符号群集图和调制映射的数据驱动的群集整形器的系统和方法可包括以下步骤中的任一者:
·基于WTRU的位置和/或信道统计,基站可从码本中选择包含将用于训练初始化的群集整形器的参数集合的索引,并且向WTRU发送参数索引。
·基站可开始训练过程,并且可针对每个训练步骤/迭代向WTRU发送一个或多个训练参考信号(TR-RS),
·WTRU可以:
ο在每个步骤/迭代处使用所接收的TR-RS来更新WTRU处的群集整形器的参数;
ο准备由训练收敛和损失的状态组成的训练质量指示符(TQI);
ο计算训练误差值;
ο在每个训练步骤/迭代之后将误差值反馈给基站;
ο周期性地向基站报告TQI;
ο如果训练在观察周期内收敛:
·WTRU可向基站通知训练完成;
·所训练的群集可部署在基站处和WTRU处。
ο如果观察周期内的损失值高于预配置/预定义TQI阈值,则WTRU可向基站通知训练失败。
·基站可以:
ο在每个步骤/迭代处使用误差信号来更新基站处的群集整形器的参数;
ο基于接收到的TQI,决定继续训练、停止训练以在基站处和WTRU处部署当前参数、或者终止训练;
ο如果基站决定终止训练,则常规调制部署在基站处和WTRU处。
例如,可训练数据驱动的群集整形器可以是基站处和WTRU处的神经网络(NN)结构。NN结构可用于替换或补充固定符号调制。
利用自动编码器的示例性符号调制/解调
图8是无线通信的PHY层的端到端自动编码器和无线通信的常规PHY层的框图的非限制性示例。为了简单起见,中间块和过程表示在单个框中,该单个框可包括波形调制块、基站RF块、无线信道块、WTRU RF块、波形解调块、信道估计块和均衡器块。常规PHY层的基于固定查找表的符号调制/解调过程可用用于端到端自动编码器PHY层的底层NN结构来替换。例如,低密度奇偶校验(LDPC)编码器/解码器可用于信道译码。
根据端到端自动编码器PHY层,信道编码器的输入D可由K个消息位组成。输出C可由N个编码位组成。作为符号调制器NN的一部分,编码位可被分成每符号m位(调制阶数)x0,x1,…,xm-1,这些位被输入到神经网络(NN)。NN的输入可用+1表示二进制“1”或用-1表示二进制“0”,使得xi∈{+1,-1}。M元符号调制可向NN提供M=2m个(例如,可能的)输入。NN输出可将m个输入映射到两个实数值输出yI和yQ。为了确保每个M元调制相同平均位能量(针对D中的位),可将功率归一化应用于两个实数值输出。输出yI和yQ可表示被馈送到波形调制器NN诸如OFDM的复符号的同相分量和正交分量。
可向WTRU处的符号解调提供均衡器块的输出样本,y′I和y′Q,这些输出采样可以是表示所接收的复符号的同相分量和正交分量的实数值样本。实数值样本y′I和y′Q可被输入到WTRU处的解调器NN。解调器NN可具有m个输出,x′0,x′1,...,x′m-1,这些输出可表示所接收的编码二进制符号,其中x′i∈{-1,+1}。所接收的编码符号可被重新分组以形成N位长码字符号C′,该长码字符号可被馈送到信道解码器(例如,LDPC解码器)中。信道解码器的输出D′可表示WTRU处的解码消息位。
用于M元调制的可缩放NN结构
图9是可被训练用于M元调制的可缩放NN结构的非限制性示例。M表示群集的大小。群集的大小M可任意改变。可针对输入大小的最大数量m*来构造可缩放NN结构,而基站侧处的NN输入中的一些NN输入可用零填充,使得对于i≥m,xi=0。对于i≥m,WTRU侧处的NN输出x′i可在解调阶段期间被丢弃。可缩放NN结构可允许最大M元调制,其中输入大小的最大数量m*可取决于实施复杂度、训练开销等。
用于调制学习的可缩放NN结构允许针对(例如,给定单个)NN结构内的(例如,所有)可能的M元调制的训练。用于调制学习的NN结构的另一个选项可以是针对每个m构造单独的NN,这可能预期招致附加复杂性和存储器要求。
用于PHY层的训练参考信号(TR-RS)
训练参考信号(TR-RS)可用作前馈计算的一部分来训练NN。TR-RS可由(例如,单个)复符号Y=yI+yQj组成,该复符号可表示基站自动编码器(例如,符号调制器NN)的输出。对于给定输入X={x0,...,xm-1},复符号Y=yI+yQj。yI和yQ可以是连续的实数值,使得 yI和yQ可在波形调制之前以默认精度进行量化。
在TR-RS内发射的复信号可特定于基于基站自动编码器的权重确定的WTRU。TR-RS可位于在初始接入过程之后被保留给WTRU的任何资源元素上。在从基站到WTRU的数据传输之前,(例如,所有)保留资源元素可用于TR-RS传输以完成训练。保留资源元素的一部分可用于TS-RS传输。可通过常规固定类型的调制进行数据传输,直到符号调制训练过程结束。
用于生成TR-RS的序列X可以是基站和WTRU预先已知的。用于调制训练的序列X可包括M元调制的任何可能的输入。例如,对于m=4,X0=0000,X1=0001,...,XM-1=1111,其中Xi代表第i个输入序列。由第i个TR-RS携带的复符号可基于发射器自动编码器的权重来计算。
从WTRU到基站的示例性反馈
为了训练基站和WTRU自动编码器NN,反馈可作为反向传播计算的一部分从WTRU发送到基站。从WTRU到基站的反馈可包括训练WTRU自动编码器权重和/或用于反向传播算法的误差值。
作为非限制性示例,5G上行链路的物理上行链路控制信道(PUCCH)可用于发射从WTRU到基站的反馈。作为另一个非限制性示例,PUCCH格式-X可用于发射从WTRU到基站的反馈。格式-X可扩展到WTRU的任何专用上行链路资源元素,例如,整个专用资源元素可用于格式-X。作为另一个非限制性示例,从WTRU到基站的反馈可在WTRU的专用上行链路资源上的物理上行链路共享信道(PUSCH)上发送。
由WTRU向基站发送的另一个反馈可以是包括学习符号群集图的质量的TQI。TQI值可包括当在WTRU处接收到已知的TR-RS序列时可计算的WTRU NN损失(TQI损失)。TQI值还可包括损失的收敛(TQI损失和收敛)。可在质量测试过程期间计算TQI损失。可在训练期间计算TQI损失和收敛。每当WTRU从基站接收到测试TR-RS序列时,WTRU可向基站发送TQI损失。此外,为了跟踪训练状态的目的,WTRU可在训练过程期间向基站发送周期性TQI损失和收敛。TQI可在PUCCH上的训练状态消息内以及在信道状态信息(CSI)报告中发送。
自动编码器训练过程和所需的信令
自动编码器的训练过程可离线或在线执行。对于给定信道统计,可在计算机模拟器内执行离线训练。然而,离线训练可能不反映特定于WTRU的信道条件。离线训练的NN权重可用作在线训练的赋初值。NN参数的码本可包括查找表,该查找表包括用于不同信道的离线训练的NN的权重和结构(层、节点的数量)。码本可在基站和WTRU之间共享。在WTRU完成初始接入过程之后,基站可选择用于对应基站到WTRU连接的参数。基站可进一步从共享码本向WTRU发送参数的索引。表3是共享码本结构的非限制性示例。
表3:针对m*=8的NN参数的码本的示例
表3的码本查找表的非限制性示例可包括NN索引、结构、权重以及NN训练用于的信道的对应类型。NN索引可代表选定NN参数的索引。结构字段可由大小为层的数量的阵列组成,并且阵列的每个元素指示每层的节点。例如,[2,16,8]结构可代表具有三层的NN,并且每个层分别具有2、16和8个节点。权重字段可由大小为NN权重的数量的阵列组成。例如,[2,16,8]结构可代表大小为2×16+16×8=160的NN权重阵列。
在表3中,信道的结构、权重和类型是示例性的,并且该表可针对任何类型的信道进行扩展。NN索引代表选定NN参数的索引。结构字段可由大小为层的数量的阵列组成,并且阵列的每个元素指示每层的节点。例如,[2,16,8]结构代表具有三层的NN,并且每个层分别具有2、16和8个节点。权重字段可由大小为NN权重的数量的阵列组成。例如,[2,16,8]结构代表大小为2×16+16×8=160的NN权重阵列。
可特定于基站和WTRU之间的信道损伤来执行在线训练。对于训练过程,训练数据集可用于前馈和反向传播计算。在自动编码器用于调制学习的情况下,已知的X序列可从基站发射到WTRU。WTRU可基于测量X’和X之间的相似性的度量来计算训练损失。已知的训练X序列可与参考信号TR-RS一起发射。在训练自动编码器时,对于给定m,存在M=2m个(例如,唯一的)输入X。例如,如果m=6,则存在M=64个(例如,唯一的)二进制输入。对于如图9中给出的可缩放NN结构,(例如,唯一的)输入的总数NU可被计算为例如,对于m*=8,存在NU=511不同训练参考信号。为了训练自动编码器,(例如,所有唯一的)输入可在训练数据集中使用至少一次。针对训练数据集不止一次重复(例如,所有)(例如,唯一)输入可产生NN训练过程的更好收敛。
在一个训练过程实施方案中,训练步骤/迭代可在基站处和WTRU处联合计算。令代表用于生成由/>(其中1≤i≤NTR)表示的第i个TR-RS信号的第i个输入,其中NTR代表完成训练所需的TR-RS信号的数量。可基于NN权重的收敛来动态地确定完成训练的训练符号的数量,使得NTR=c·Nu,其中c是大于或等于1的整数。这意味着(例如,所有唯一的)输入符号可被传递到WTRU至少一次,作为迭代学习过程的前馈计算的一部分。为了与NN训练符号一致,c可表示训练过程的周期的数量。训练过程的周期在本文中表示为历元。一个历元是训练过程的一个前馈操作和一个反向传播操作。在基站到WTRU传输期间的训练过程的(例如,每个)历元,至少Nu(例如,唯一的)TR-RS导频可作为前馈计算的一部分从基站发送到WTRU。此外,训练过程可在步骤/迭代期间使用测试数据集。因此,(例如,所有唯一的)TR-RS导频可被发送两次,使得对于(例如,每个)历元,一个集合可用于训练而另一个集合可用于测试。
一旦一个历元的(例如,全部)TR-RS导频在WTRU处被接收,反向传播计算可作为训练过程的另一部分被执行。WTRU可针对(例如,每个)训练符号反馈两个输入神经元Y′的误差值δ。误差值(例如,每个误差值)可用浮点类型表示为32个位。这产生了大小为2·NU·32个位的反馈。例如,对于m*=8,操作对应于一个(例如,每个)历元的要从WTRU发送到基站的32704个位的反馈。反馈可从具有现有反馈格式的PUCCH控制信道或者具有格式-X的PUCCH控制信道发送或者在PUSCH数据信道上发送。
学习阶段历元可继续从基站到WTRU的TR-RS传输,直到达到历元的最大数量或者直到NN参数通过NN损失函数处的局部最优值收敛。学习阶段周期还可继续从WTRU到基站的反馈,直到达到学习阶段周期的最大数量或者直到NN参数通过NN损失函数处的局部最优值收敛。在训练结束时,WTRU可向基站发送所训练的NN参数。基站可存储所训练的NN参数以更新码本,并且使用WTRU权重来更新链路级适配机制。反馈的大小可取决于WTRU处的可训练权重NW的数量。(例如,每个)权重NW可用浮动类型表示为32个位。这创建了大小为NW·32个位的PUCCH反馈。例如,对于WTRU处的大小为2×8×8×8的4层深度NN,NW=16+64+64=144。
在另一个训练过程实施方案中,训练步骤/迭代可(例如,仅)在基站处计算。在这种情况下,基站可一次向WTRU发送更大数量的TR-RS导频,从而使得可发送包括测试导频的所有NTR=2·c·NuTR-RS导频。例如,如果c=50并且m*=8,则一次一起发送NTR=51100TR-RS导频。在WTRU处,可将符号解调器NN的输入Y’(例如,均衡器块的输出样本)作为反馈发送到基站。均衡器块的两个实数值输出可用浮点类型表示为32个位。这可产生大小为2·NTR·32的反馈。例如,如果c=50并且m*=8,则可将3270400个位的反馈从WTRU发送到基站一次。反馈可在PUCCH控制信道上或者具有格式X的PUCCH控制信道或者PUSCH数据信道上发送。
该训练过程实施方案中的学习阶段可由基站执行。基站可初始化自动编码器结构,并且在基站中的(例如,每个)历元,可使用NUTR-RS导频的一个集合。学习阶段可继续直到达到最大数量的历元或者NN参数通过NN损失函数处的局部最优值收敛。在训练结束时,基站可向WTRU发送训练权重。这创建了大小为NW·32个位的物理下行链路控制信道(PDCCH)传输。例如,对于WTRU处的大小为2×8×8×8的4层深度NN,NW=16+64+64=144。
基站处的示例性更新链路级适配机制
在符号调制学习的训练过程结束时,基站可提供WTRU(例如特定)链路级适配机制,以确定调制和译码方案(MCS)的类型,以及给定WTRUSNR的译码速率。BER与SNR曲线可用于选择可实现目标误块率(BLER)的具有最高频谱效率的MCS。
在一种情况下,基站可使用假设高斯噪声的所训练的群集图中的最小距离来确定BER与SNR的近似值。
在另一种情况下,如图10所示,基站可确定自动编码器结构的孪生模型。可在模拟内使用孪生模型以获得针对任何给定译码速率的所有M元调制的BER与SNR曲线。该模拟可用于构造针对给定译码速率的所有m的BER与SNR曲线。
利用在线训练的WTRU特定符号调制学习过程
用于利用在线训练进行符号调制学习的方法的非限制性示例可根据图11的流程图并且根据图12的过程图来描绘。符号调制学习可包括基站和WTRU两者处的联合在线训练。
参考图11的流程图,用于符号调制学习的方法可包括以下步骤:
在步骤11-1处,基站可从NN参数的码本(例如,表3)中选择索引。NN参数在本文中被称为预训练参数。基站可将索引发送到WTRU。索引的选择基于从WTRU接收到的信息。在步骤11-1之前,该方法可包括一个步骤,其中WTRU可完成初始接入过程并且可向基站发送(例如,特定的)信息,诸如位置、底层无线信道的统计以及设备损伤统计(例如,载波频率偏移、模数转换器(ADC)损失、定时偏移、噪声系数等)。
在步骤11-2处,WTRU可使用接收到的码本的索引来初始化NN模型。WTRU可向基站发送初始化完成消息。
在步骤11-3处,基站可向WTRU发送TR-RS测试序列以测试初始化的NN。
在步骤11-4处,可计算TQI并且可将其与TQI阈值进行比较。根据一个实施方案,WTRU可针对所接收的测试序列中的TR-RS测试符号对均衡器的输出样本进行解调,以计算WTRU NN输出损失。WTRU可向基站发送NN损失作为TQI的一部分,该NN损失可包括CSI报告反馈内基站的损失。
如果TQI的损失值低于TQI阈值,则基站可决定不需要重新训练,使得在步骤11-5处,基站和WTRU可部署用于分别建立符号调制器NN和符号解调器NN的预训练参数。
如果TQI的损失值高于TQI阈值,则基站可决定重新训练符号调制器/解调器NN。在重新训练符号调制器/解调器NN之前,基站可向WTRU发送训练配置消息以向训练过程配置损失收敛和最大迭代约束。WTRU可经由PUCCH用训练就绪消息来答复基站。
在步骤11-6处,为了重新训练符号调制器/解调器NN,基站可经由TR-RS向WTRU发送训练符号。
在步骤11-7处,WTRU可使用接收到的TR-RS训练符号训练WTRU NN,并且通过计算NN中的节点的WTRU NN输出损失和误差值来更新NN参数。
在步骤11-8处,可在WTRU侧处处理第一训练检查测试。第一训练检查测试可由分析损失收敛和迭代次数组成。
·如果损失在最大迭代次数内没有收敛,则确定训练失败。在这种情况下,在步骤11-9处,WTRU可经由PUCCH向基站发送训练失败消息以终止训练过程。当在基站处从WTRU接收到训练失败消息时,基站和WTRU可针对符号调制以及针对符号解调分别部署常规MCS。
·如果损失在最大迭代次数内收敛,则确定训练成功(或训练完成或训练终止)。在这种情况下,在步骤11-10处,当在基站处从WTRU接收到训练成功消息时,基站和WTRU可部署用于分别建立符号调制器和符号解调器NN的所训练的NN参数。
·如果尚未达到最大迭代次数,并且如果损失没有收敛,则确定继续过程。在这种情况下,在步骤11-11处,WTRU可经由训练状态消息将WTRU NN的输入节点的误差值反馈给基站。WTRU还可周期性地向基站发送TQI内的当前损失和收敛。误差值反馈可在PUCCH上、在其中可发送更大大小的控制数据的PUCCH格式-X上或者在PUSCH数据信道上发送。
在步骤11-12处,基站可使用来自WTRU的误差值反馈来训练基站NN。
在步骤11-13处,可在基站侧处处理第二训练检查测试。
·在步骤11-14处,如果基站确定终止训练过程,则由于资源不足、功率消耗、延迟、TQI中的损失和收敛值等中的任一者,基站和WTRU可针对符号调制和符号解调分别部署常规MCS。
·在步骤11-15处,如果基站决定停止训练,则WTRU和基站可部署当前所训练参数。
·如果基站决定继续训练过程,则该方法可返回到步骤11-6作为迭代过程。
图12描绘了根据图11的流程图的基站与WTRU之间的用于符号调制学习的过程的信令图的示例。
在步骤12-1处,WTRU可完成初始接入过程,并且可向基站发送码本索引请求消息。码本索引请求消息可经由PUCCH发送。码本索引请求消息可包括(例如,特定的)信息,该消息包括位置、底层无线信道的统计和设备损伤统计(例如,载波频率偏移、ADC损失、定时偏移、噪声系数等)。
在步骤12-2处,基站可为WTRU选择NN参数,并且从对应于NN参数的码本(例如,数据库)中确定索引。基站可向WTRU发送训练配置消息。训练配置消息可经由PDCCH发送。训练配置消息可包括来自NN参数的码本的索引。
在步骤12-3处,WTRU可使用接收到的码本的索引来初始化NN模型。WTRU可向基站发送初始化完成消息。初始化完成消息可经由PUCCH发送。响应于初始化完成消息,基站可向WTRU发送训练参考信号(TR-RS)。TR-RS可包括具有一个或多个测试符号的消息。
在步骤12-4处,WTRU可计算TQI,并且可向基站发送NN损失作为CSI报告反馈内的TQI的一部分。CSI报告反馈可经由PUCCH发送。
在步骤12-5处,基站可将TQI与TQI阈值进行比较,使得如果TQI中的损失值高于TQI阈值,则由基站确定重新训练决策。在这种情况下,基站可向WTRU发送训练配置消息以配置训练过程。训练配置消息可包括NN损失收敛值和最大迭代值约束中的任一者。训练配置消息可经由PDCCH发送。
在步骤12-6处,WTRU可根据训练配置消息来(重新)初始化NN模型。WTRU可经由PUCCH用训练就绪消息来答复基站。
在步骤12-7处,在向基站发射训练就绪消息之后,WTRU可从基站接收TR-RS。TR-RS可包括具有一个或多个训练符号的消息。WTRU可使用接收到的TR-RS训练符号来训练WTRUNN,并且通过计算NN中的节点的WTRU NN输出损失和误差值来更新NN参数。如果损失没有收敛以及如果没有达到最大迭代次数,则可开始迭代过程。WTRU可将训练状态消息反馈给基站。训练状态消息可包括误差值、TQI内的当前损失和收敛。训练状态消息可在PUCCH上、在其中可发送更大大小的控制数据的PUCCH格式-X上或在PUSCH信息信道上发送。
在步骤12-8处,基站可基于训练状态消息训练基站NN。如步骤12-7处所述,基站可决定重新训练WTRU,直到基站从WTRU接收到训练完成消息为止。训练完成消息可在PUCCH上发送。
作为非限制性示例,如果损失在最大迭代次数内收敛,则WTRU可决定向基站发射训练完成消息。在这种情况下,当在基站处从WTRU接收到训练完成消息时,基站和WTRU可部署用于分别建立符号调制器和符号解调器NN的训练参数。
在步骤12-9处,基于基站侧处的符号调制器NN的设置并且基于WTRU侧处的符号解调器NN的设置,基站可更新基站和WTRU之间的链路级适配。
在实施方案中,基站可通过训练状态请求消息经由PDCCH请求WTRU的最终训练的NN参数。WTRU可经由PUCCH在训练状态消息内向基站发送最终NN参数。基站可存储要用于更新NN参数的码本的最终NN参数,并且基于训练符号群集图更新链路级适配机制。
用于使用针对WTRU特定符号调制而训练的数据驱动的群集整形器进行数据传输
的系统和方法
根据一个实施方案,使用所训练的符号调制器/解调器自动编码器来实现数据传输的系统和方法在下面描述。
用于使用在基站和WTRU(例如,用户装备)处实现自适应符号群集图和调制映射的训练数据驱动的群集整形器进行数据传输的系统和方法可包括以下步骤:
·基站可基于预训练/学习群集来更新链路级适配机制,并且开始到WTRU的数据传输。
·WTRU可(例如,周期性地或有规律地)发送包括所接收信号强度指示(RSSI)和CQI的CSI报告。WTRU可(例如,连续地)计算所接收数据的位误差度量。如果位误差度量高于位误差阈值,则WTRU可从基站请求测试TR-RS符号。
·基站可基于CSI报告来配置MCS,并且可(例如,连续地)计算发射数据的混合自动重传请求(HARQ)误差度量。如果传输HARQ误差度量高于HARQ误差阈值,则基站可向WTRU发送测试TR-RS符号。
·WTRU可在接收到测试TR-RS符号时计算损失。WTRU可将TQI内的损失报告给基站。
·如果TQI中的损失高于预配置/预定义TQI阈值,则基站可决定重新训练群集整形器。
示例性数据传输和自适应MCS
从基站到WTRU的数据传输可遵循在TS 38.214中定义的一般规则和过程。可使用基于符号调制学习方法的WTRU特定链路级适配。用于链路级适配的MCS表可由任何M元调制和任何译码速率组成。例如,M的典型值可以是4、8、16……256,如M=2m。
基站可使用针对所训练的符号调制器/解调器NN生成的链路级适配机制。基站可以选定MCS开始数据传输。可根据如图13所示的推断过程来部署数据传输。基站可基于CSI报告(例如,RSSI、CQI)(例如,连续地)采用MCS。
示例性测试TR-RS和TQI
基站可通过HARQ过程(例如,连续地)监测WTRU的传输块(TBDR)的丢弃速率的误差度量。如果HARQ误差度量高于预配置/预定义HARQ阈值,则基站可向WTRU发送测试TR-RS以确定所训练的符号调制器/解调器NN的质量。当接收到测试TR-RS符号时,WTRU可经由CSI报告向基站报告TQI。
当从基站接收到数据时,WTRU可(例如,连续地)计算Bit_Error_Rate(BER)度量。如果BER度量高于预配置/预定义BER阈值,则WTRU可从基站请求一个或多个测试TR-RS符号以计算并报告TQI。
·在一个实施方案中,如果WTRU检测到信道统计的显著变化,则基站可预配置WTRU以从基站请求测试TR-RS。
·在另一个实施方案中,从基站到WTRU的测试TR-RS的传输可以是周期性的,而不管信道统计的度量或变化。
测试TR-RS可包括所有唯一TR-RS导频的多于一个完整集合,使得NTR=c·NU。对于c=10和m*=8,这对应于51100TR-RS导频信号传输。测试TR-RS导频信号在时域中可以是稀疏的,使得它们可在突发中被发射。在一个选项中,测试TR-RS的发射可以是周期性的。例如,可每隔一秒从基站向WTRU发送测试TR-RS突发。
当接收到测试TR-RS符号集合时,WTRU可计算符号解调器NN的WTRU NN的输出处的平均损失。TQI可包括可在CSI报告内反馈给基站的平均损失。
示例性符号调制重新训练
作为CSI报告的一部分,TQI可从WTRU发送到基站。TQI可指示针对信道的当前状态的所训练的符号调制器/解调器NN的质量。如果TQI中的损失高于预配置/预定义TQI阈值,则基站可确定重新训练符号调制器/解调器NN。然后,基站可开始针对符号调制器/解调器NN的在线训练过程,如图11的步骤11-6至步骤11-15所示。如果TQI中的损失低于TQI阈值,则数据传输可继续。
用于使用针对WTRU特定符号调制而训练的数据驱动的群集整形器进行数据传输的方法的非限制性示例可根据图13的流程图并且根据图14的过程图来描绘。
图13的流程图和图14的过程图可描绘用于在图11的步骤11-5、步骤11-10和步骤11-15之后的数据传输的推断过程。参考图13的流程图,用于数据传输的方法可包括以下步骤:
在步骤13-1处:基站可发起到WTRU的数据传输。
在步骤13-2:WTRU可计算并且更新BER度量。
·如果BER度量高于预配置/预定义BER阈值,则WTRU可从基站请求测试TR-RS。然后进行到步骤13-6。
·如果BER度量低于预配置/预定义BER阈值,则进行到步骤13-3。
在步骤13-3处:WTRU可向基站发送CSI报告,该报告包括诸如所接收信号强度指示(RSSI)和CQI的测量。
在步骤13-4处:基站可基于接收到的CSI报告采用MCS作为链路级适配机制的一部分。
在步骤13-5处:基站可计算并且更新TBDR度量。
·如果TBDR度量高于预定义TBDR阈值,则进行到步骤13-6。
·如果TBDR度量低于预定义TBDR阈值,数据传输可继续。然后进行到步骤13-1。
在步骤13-6处:基站可向WTRU发送测试TR-RS,以测试学习WTRU特定群集的有效性。
在步骤13-7处:WTRU可计算损失,并且可作为CSI报告的一部分向基站发送TQI中的损失值。
在步骤13-8处,基站可接收TQI。
·如果TQI中的损失低于预定义TQI阈值,则数据传输继续。然后进行到步骤13-1。
·如果TQI中的损失高于预定义TQI阈值,则基站可开始针对符号调制器/解调器NN的在线训练过程,如图11的步骤11-6至步骤11-15所示。
图14描绘了用于使用针对WTRU特定符号调制而训练的数据驱动的群集整形器进行数据传输的过程图的示例。
在步骤14-1处,在数据传输之前,基站和WTRU可处理在基站处和WTRU处实现自适应符号群集图和调制映射的符号调制训练。
在步骤14-2处,基站可基于(预)训练的符号调制器NN向WTRU发射数据。当从基站接收到数据时,WTRU可(例如,连续地)计算BER度量。
在步骤14-3处:基站可基于接收到的CSI报告采用MCS作为链路级适配机制的一部分。来自WTRU的CSI报告可包括RSSI和CQI。WTRU可周期性地或有规律地向基站发送CSI报告。
在步骤14-4处,可处理测试TR-RS决策。如果BER度量高于预配置/预定义BER阈值,则WTRU可从基站请求测试TR-RS符号。在这种情况下,基站可向WTRU发射包括一个或多个测试TR-RS符号的测试TR-RS导频信号。测试TR-RS导频信号在时域中可以是稀疏的,使得它们可在突发中被发射。WTRU可在接收到测试TR-RS符号时计算损失。
在步骤14-5处,基站可基于来自WTRU的CSI报告决定重新训练群集。CSI报告可包括TQI内的损失,其中TQI高于预配置/预定义TQI阈值。
在步骤14-6处,基于重新训练决策,基站和WTRU可(重新)处理符号调制训练。
用于数据群集整形器的PDCCH上的下行链路控制信息(DCI)和PUCCH格式-X上的上
行链路控制信息(UCI)
根据各种实施方案,用于数据驱动的群集整形器的控制和反馈消息的系统和方法在下面描述并且可包括以下步骤:
·WTRU可接收包括TR-RS信息的DCI,该TR-RS信息包括TR-RS符号的调度。
·在一个选项中,WTRU可利用小区无线电网络临时标识符(C-RNTI)来解扰DCI循环冗余校验(CRC),以获得修改格式的DCI内容。
·在另一个选项中,WTRU可利用(例如,新的)训练RNTI(TR-RNTI)来解扰DCI CRC,以获得新格式的DCI内容。
·在接收到TR-RS符号之后,WTRU可执行根据图11和图12或者根据图13和图14的步骤,并且可开始发送误差值反馈作为新的UCI内容。
根据各种实施方案,实现所训练的符号调制器/解调器自动编码器的(例如,新的)信令格式在下面描述。
TR-RS的示例性DCI配置:
根据一个实施方案,具有由如在TS 38.212-7.3.1.2.1中描述的C-RNTI加扰的CRC的DCI格式1_0可被修改以便包括与数据时间复用的TR-RS信号的位置,如作为非限制性示例在表4中示出的。
表4:从由C-RNTI(TS38.212-7.3.1.2.1)加扰的DCI格式1_0修改的(例如,新的)
DCI格式的示例
字段“TR-RS的时域资源分配”和“TR-RS类型”已经被并入由C-RNTI(TS 38.212-7.3.1.2.1)加扰的DCI格式1_0中。字段“TR-RS的时域资源分配”可用于描述TR-RS的开始和长度指示符值。所述字段可由4个位译码。字段“TR-RS类型”可被译码在一个位上,使得位值“0”可指示测试模式,并且位值“1”可指示训练模式。根据图15,表4的DCI格式可用于数据和TR-RS的时域复用。图15示出了示例性TR-RS和PDSCH时间复用。其他DCI格式类型可包括TR-RS相关配置。
根据一个实施方案,具有由如在TS 38.212-7.3.1.2.1中描述的C-RNTI加扰的CRC的DCI格式1_0可被修改以便包括与数据频率复用的TR-RS信号的位置,如作为非限制性示例在表5中示出的。
表5:从由C-RNTI(TS38.212-7.3.1.2.1)加扰的DCI格式1_0修改的(例如,新的)
DCI格式的示例
字段“TR-RS的频域资源分配”和“TR-RS类型”已经被并入由C-RNTI(TS 38.212-7.3.1.2.1)加扰的DCI格式1_0中。字段“TR-RS的频域资源分配”可用于指示连续分配的资源块的集合的开始和长度。所述字段可由可变数量的位译码。字段“TR-RS类型”可被译码在一个位上,使得位值“0”可指示测试模式,并且位值“1”可指示训练模式。根据图16,表5的DCI格式可用于数据和TR-RS的频域复用。图16示出了示例性TR-RS和PDSCH频率复用。其他DCI格式类型可包括TR-RS相关配置。
根据一个实施方案,具有由如在TS 38.212-7.3.1.2.1中描述的C-RNTI加扰的CRC的DCI格式1_0可被修改以便包括与数据时间和频率复用的TR-RS信号的位置,如作为非限制性示例在表6中示出的。
表6:从由C-RNTI(TS38.212-7.3.1.2.1)加扰的DCI格式1_0修改的(例如,新的)
DCI格式的示例
字段“TR-RS的频域资源分配”、“TR-RS的时域资源分配”和“TR-RS类型”已经被并入由C-RNTI(TS 38.212-7.3.1.2.1)加扰的DCI格式1_0中。字段“TR-RS的频域资源分配”可用于指示连续分配的资源块集合的开始和长度。所述字段可由可变数量的位译码。字段“TR-RS的时域资源分配”可用于描述TR-RS的开始和长度指示符值。所述字段可由4个位译码。字段“TR-RS类型”可被译码在一个位上,使得位值“0”可指示测试模式,并且位值“1”可指示训练模式。根据图17,表6的DCI格式可用于数据和TR-RS的时域和频域复用。图17示出了示例性TR-RS和PDSCH时间频率复用。有效DCI类型的类型(时间复用、频率复用或时间频率复用)可经由无线电资源控制(RRC)消息传送被用信号通知给WTRU。
在时隙中仅发送TR-RS的情况下,可不需要该DCI格式的许多字段。为了覆盖该场景,作为另一个实施方案,可使用具有由新的TR-RNTI加扰的CRC的新的DCI格式1_0,如作为非限制性示例在表7中示出的。
表7:从由TR-RNTI(TS38.212-7.3.1.2.1)加扰的DCI格式1_0修改的(例如,新的)
DCI格式的示例
当仅利用TR-RS调度时隙时,可使用该DCI格式。该DCI格式可用于数据和TR-RS的时域和频域复用,如在示例性图18中给出的。
在DCI上发送TR-RS配置可允许半持久性和非周期性TR-RS传输。MAC CE可用于配置WTRU以用于半持久和周期性TR-RS接收。
现有参考信号诸如DM-RS、CSI-RS和PT-RS可遵循在文献3GPP TS 38.211、TS38.212、TS 38.213中定义的结构。TR-RS分配的时间频率资源可不包括其他参考信号。
与现有参考信号诸如DM-RS和TR-RS相比,TR-RS密度可更高。图16至图18中的连续TR-RS分配可能是由于高密度。
示例性TR-RNTI配置:
TR-RNTI可被定义为38.321 7.1中的新的RNTI值。例如,TR-RNTI的十六进制值可被选择为介于0001至FFF2之间。新的RNTI可用于传输信道:下行链路共享信道(DL-SCH),并且用于逻辑信道:专用业务信道(DTCH)。
用于误差值反馈的示例性UCI配置:
可支持16个物理资源块(PRB)[9.2.1TS 38.213]上的多达14个符号的现有PUCCH格式可能不足以携带大位宽的误差值反馈。可定义新的扩展PUCCH格式-X,该格式-X可扩展到任何数量的PRB。可基于TR-RS符号的数量确定携带误差值反馈的新UCI字段的位宽,该TR-RS符号的数量本质上通过包括PDCCH中的TR-RS的时间频率分配的新DCI用信号通知。因此,TR-RS符号的数量以及量化级别可以是基站和WTRU两者已知的。专用于TR-RS的PDCCH中的资源元素的总数可等于TR-RS的数量。例如,如果NTR=120并且使用32个位的量化,则这将对应于信道译码之前的2·NTR·32=7680个位。为了支持每UCI的高位数,在5.2.1TS38.212中定义的码块的数量C可取大于2的值。基于此,码块的数量C可被定义为 其中Amax可代表如在6.3.1.2.1 TS 38.212中定义的每码块的最大位。
根据一个实施方案,在WTRU中实现的用于训练调制和译码方案的方法可包括以下步骤。在第一步骤处,WTRU可从基站接收信息,其中该信息可包括来自指示自适应调制方案的神经网络码本的索引。该索引是神经网络参数中的一个神经网络参数。在下一个步骤处,WTRU可基于接收到的索引来初始化其解调器块,例如其神经网络。在另一个步骤处,WTRU可从基站接收一个或多个训练参考信号。基站可能已经经由一个或多个消息发送了索引和训练参考信号。在另一个步骤处,WTRU可更新解调器块的参数(例如,神经网络的参数),并且WTR可基于训练收敛和损失来计算训练质量指示符值。在下一个步骤处,WRU可向基站发射训练质量指示符值和误差值。在下一个步骤处,WTRU可恢复训练参考信号接收以继续训练或者继续从基站接收信息以切换到固定调制方案。
参考图19,并且根据一个实施方案,在WTRU中实现的方法200可包括从基站或从另一个WTRU接收210包括参考信号集合的第一消息的步骤。方法200可包括基于第一消息、更具体地基于参考信号集合训练220神经网络的步骤。
必须注意,神经网络可已经根据从基站接收到的一个或多个神经网络参数(例如,来自神经网络码本的神经网络索引)被初始化了。WTRU可已经经由从基站发射的消息接收到神经网络参数,使得WTRU可已经接收到包括指示一个或多个神经网络参数和参考信号集合的信息的一个或多个消息。因此,WTRU可基于一个或多个消息来初始化并训练神经网络。
方法200可包括基于神经网络解调损失确定230质量指示符值的步骤,其中神经网络解调损失基于使用参考信号集合的解调损失。
方法200可包括基于质量指示符值满足质量指示符阈值的事实,部署240所训练的神经网络以结合解调至少一个符号来使用的步骤。
在质量指示符值未能满足质量指示符阈值的情况下,WTRU可利用常规调制和译码方案(MCS)和另选MCS中的任一者。
根据方法200,部署所训练的神经网络以结合解调至少一个符号来使用可包括预测调制和译码方案(MCS)或预测群集。
根据方法200,响应于或只要一个或多个随后计算的质量指示符值未能满足质量指示符阈值,WTRU就可重新训练训练神经网络,其中重新训练所训练的神经网络的步骤可包括以下步骤:从基站接收包括另一参考信号集合的第二消息;基于第二消息重新训练所训练的神经网络;以及基于使用另一参考信号集合的另一神经网络解调损失来计算另一质量指示符值。WTRU可计算所重新训练的神经网络的一个或多个节点的误差值;并且WTRU可向基站发射包括指示所重新训练的神经网络的该一个或多个节点的误差值的信息的第三消息。WTRU可从基站接收包括指示用于重新训练所训练的神经网络的最大迭代次数的信息的第四消息,使得WTRU可重新训练所训练的神经网络多达最大迭代次数。在超过最大迭代次数并且质量指示符值未能满足质量指示符阈值的条件下,WTRU可部署常规MCS和另选MCS中的任一者。
根据方法200,训练(例如,重新训练)神经网络可包括基于参考信号集合更新一个或多个神经网络参数。更新一个或多个神经网络参数可包括基于该参考信号集合计算所训练的神经网络中的一个或多个节点的一个或多个神经网络输出损失值和一个或多个神经网络输出误差值中的任一者。
参考图20,并且根据一个实施方案,在WTRU中实现的方法300可包括从基站或从另一个WTRU接收310包括第一参考信号集合的第一消息的步骤。方法300可包括基于第一消息、更具体地基于第一参考信号集合训练220神经网络的步骤。
必须注意,神经网络可已经根据从基站接收到的一个或多个神经网络参数(例如,来自神经网络码本的神经网络索引)被初始化了。WTRU可已经经由从基站发射的消息接收到神经网络参数,使得WTRU可已经接收到包括指示一个或多个神经网络参数和参考信号集合的信息的一个或多个消息。因此,WTRYU可基于一个或多个消息来初始化并训练神经网络。
方法300可包括基于神经网络解调损失确定330质量指示符值的步骤,其中神经网络解调损失基于使用参考信号集合的解调损失。
基于质量指示符值未能满足340质量指示符阈值的事实,方法300可包括以下步骤。方法300可包括向基站或另一个WTRU发射350包括指示第一质量指示符值的信息的第二消息的步骤。根据方法300的下一个步骤,WTRU可从基站或从另一个WTRU接收360包括第二参考信号集合的第三消息。因此,方法300可包括基于第二参考信号集合重新训练370神经网络的步骤。根据下一个步骤,该方法可包括基于使用第二参考信号集合的神经网络解调损失确定380第二质量指示符的步骤。根据下一个步骤并且基于第二质量指示符值满足质量指示符阈值的事实,方法300可包括部署390所重新训练的神经网络以结合解调至少一个符号来使用的步骤。
结论
尽管上文以特定组合提供了特征和元件,但是本领域的普通技术人员将理解,每个特征或元件可单独使用或以与其他特征和元件的任何组合来使用。本公开并不限于就本申请中所述的实施方案而言,这些实施方案旨在作为各个方面的例证。在不脱离本发明的实质和范围的前提下可进行许多修改和变型,因其对于本领域的技术人员而言将是显而易见的。除非明确如此提供,否则本申请说明书中使用的任何元件、动作或说明均不应理解为对本发明至关重要或必要。根据前面的描述,除了本文列举的那些之外,在本公开的范围内的功能上等同的方法和装置对于本领域的技术人员而言将是显而易见的。此类修改和变型旨在落入所附权利要求书的范围内。本公开仅受限于所附权利要求的条款以及此类享有权利的权利要求的等同形式的全部范围。应当理解,本公开不限于特定的方法或系统。
为了简单起见,关于红外能力设备(即红外发射器和接收器)的术语和结构讨论了前述实施方案。然而,所讨论的实施方案不限于这些系统,而是可应用于使用其他形式的电磁波或非电磁波(诸如声波)的其他系统。
还应当理解,本文所用的术语仅用于描述具体实施方案的目的,并非旨在进行限制。如本文所用,术语“视频”或术语“图像”可意指在时间基础上显示的快照、单个图像和/或多个图像中的任一者。又如,当在本文中提及时,术语“用户装备”和其缩写“UE”、术语“远程”和/或术语“头戴式显示器”或其缩写“HMD”可意指或包括(i)无线发射和/或接收单元(WTRU);(ii)WTRU的多个实施方案中的任一个实施方案;(iii)具有无线功能和/或具有有线功能(例如,可拴系)的设备配置有(特别是)WTRU的一些或全部结构和功能;(iii)配置有少于WTRU的全部结构和功能的无线能力和/或有线能力设备;或(iv)等。本文相对于图1A至图1D提供了可代表本文所述的任何WTRU的示例性WTRU的细节。又如,本文中的各种所公开实施方案在上文和下文被描述为利用头戴式显示器。本领域技术人员将认识到,可利用除头戴式显示器之外的设备,并且可相应地修改本公开和各种所公开实施方案中的一些或全部,而无需过度实验。这种其他设备的示例可包括无人机或其他设备,被配置为流式传输信息以提供调适的现实体验。
另外,本文中所提供的方法可在并入计算机可读介质中以供计算机或处理器执行的计算机程序、软件或固件中实施。计算机可读介质的示例包括电子信号(通过有线或无线连接发射)和计算机可读存储介质。计算机可读存储介质的示例包括但不限于只读存储器(ROM)、随机存取存储器(RAM)、寄存器、高速缓存存储器、半导体存储器设备、磁介质(诸如内置硬盘和可移动磁盘)、磁光介质和光介质(诸如CD-ROM磁盘和数字通用光盘(DVD))。与软件相关联的处理器可用于实现用于WTRU、UE、终端、基站、RNC或任何主计算机的射频收发器。
在不脱离本发明的范围的情况下,上文提供的方法、装置和系统的变型是可能的。鉴于可应用的各种实施方案,应当理解,所示实施方案仅是示例,并且不应视为限制以下权利要求书的范围。例如,本文中提供的实施方案包括手持设备,该手持设备可包括提供任何适当电压的任何适当电压源(诸如电池等)或与该电压源一起使用。
此外,在上文所提供的实施方案中,指出了处理平台、计算系统、控制器和包括处理器的其他设备。这些设备可包括至少一个中央处理单元(“CPU”)和存储器。根据计算机编程领域的技术人员的实践,对动作和操作或指令的符号表示的引用可由各种CPU和存储器执行。此类动作和操作或指令可被认为是正在“执行的”、“计算机执行的”或“CPU执行的”。
本领域的普通技术人员将会知道,动作和符号表示的操作或指令包括CPU对电信号的操纵。电系统表示数据位,这些数据位可导致电信号的最终变换或电信号的减少以及对在存储器系统中的存储器位置处的数据位的保持,从而重新配置或以其他方式改变CPU的操作以及进行信号的其他处理。保持数据位的存储器位置是具有与数据位对应或表示数据位的特定电属性、磁属性、光学属性或有机属性的物理位置。应当理解,实施方案不限于上述平台或CPU,并且其他平台和CPU也可支持所提供的方法。
数据位还可保持在计算机可读介质上,该计算机可读介质包括磁盘、光盘和CPU可读的任何其他易失性(例如,随机存取存储器(“RAM”))或非易失性(例如,只读存储器(“ROM”))海量存储系统。计算机可读介质可包括协作或互连的计算机可读介质,该协作或互连的计算机可读介质唯一地存在于处理系统上或者分布在多个互连的处理系统中,该多个互连的处理系统相对于该处理系统可以是本地的或远程的。应当理解,实施方案不限于上述存储器,并且其他平台和存储器也可支持所提供的方法。
在例示性实施方案中,本文所述的操作、过程等中的任一者可实现为存储在计算机可读介质上的计算机可读指令。计算机可读指令可由移动单元、网络元件和/或任何其他计算设备的处理器执行。
在系统的各方面的硬件具体实施和软件具体实施之间几乎没有区别。硬件或软件的使用通常是(但不总是,因为在某些上下文中,硬件和软件之间的选择可能会变得很重要)表示在成本与效率之间权衡的设计选择。可存在可实现本文所述的过程和/或系统和/或其他技术的各种媒介(例如,硬件、软件和/或固件),并且优选的媒介可随部署过程和/或系统和/或其他技术的上下文而变化。例如,如果实施者确定速度和准确度最重要,则实施者可选择主要为硬件和/或固件的媒介。如果灵活性最重要,则实施者可选择主要为软件的具体实施。另选地,实施者可选择硬件、软件和/或固件的一些组合。
上述详细描述已经通过使用框图、流程图和/或示例列出了设备和/或过程的各种实施方案。在此类框图、流程图和/或示例包括一个或多个功能和/或操作的情况下,本领域的技术人员应当理解,此类框图、流程图或示例内的每个功能和/或操作可单独地和/或共同地由广泛范围的硬件、软件、固件或几乎它们的任何组合来实现。在实施方案中,本文所述主题的若干部分可经由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)和/或其他集成格式来实现。然而,本领域的技术人员将认识到,本文所公开的实施方案的一些方面整体或部分地可等效地在集成电路中实现为在一个或多个计算机上运行的一个或多个计算机程序(例如,在一个或多个计算机系统上运行的一个或多个程序)、在一个或多个处理器上运行的一个或多个程序(例如,在一个或多个微处理器上运行的一个或多个程序)、固件或几乎它们的任何组合,并且根据本公开,设计电路和/或写入软件和/或固件的代码将完全在本领域技术人员的技术范围内。此外,本领域的技术人员将会知道,本文所述主题的机制可以多种形式作为程序产品分发,并且本文所述主题的例示性实施方案适用,而不管用于实际执行该分发的信号承载介质的具体类型如何。信号承载介质的示例包括但不限于以下各项:可记录类型介质(诸如软盘、硬盘驱动器、CD、DVD、数字磁带、计算机存储器等);和传输类型介质(诸如数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路等))。
本领域技术人员将认识到,本领域中常见的是,以本文中阐述的方式来描述设备和/或过程,并且此后使用工程实践以将这类所描述设备和/或过程集成到数据处理系统中。也就是说,本文中所描述的设备和/或过程的至少一部分可经由合理量的实验集成到数据处理系统中。本领域技术人员将认识到,典型数据处理系统一般可包括以下中的一个或多个:系统单元外壳;视频显示设备;存储器,诸如易失性存储器和非易失性存储器;处理器,诸如微处理器和数字信号处理器;计算实体,诸如操作系统、驱动程序、图形用户接口和应用程序;一个或多个交互设备,诸如触摸板或屏幕;和/或控制系统,包括反馈回路和控制马达(例如用于感测位置和/或速度的反馈、用于移动和/或调整部件和/或量的控制马达)。典型数据处理系统可利用任何合适的市售部件来实施,诸如通常在数据计算/通信和/或网络计算/通信系统中发现的那些部件。
本文所述的主题有时示出了包括在不同的其他部件内或与不同的其他部件连接的不同的部件。应当理解,此类描绘的架构仅仅是示例,并且事实上可实现达成相同功能的许多其他架构。在概念意义上,达成相同功能的部件的任何布置是有效“相关联的”,使得可实现期望的功能。因此,在本文中被组合以实现特定功能的任何两个部件可被视为彼此“相关联”,使得所需功能得以实现,而与架构或中间部件无关。同样,如此相关联的任何两个部件也可被视为彼此“可操作地连接”或“可操作地耦合”以实现期望的功能,并且能够如此相关联的任何两个部件也可被视为“可操作地可耦合”于彼此以实现期望的功能。可操作地可耦合的具体示例包括但不限于可物理配合和/或物理交互的部件和/或可无线交互和/或无线交互的部件和/或逻辑交互和/或可逻辑交互的部件。
关于本文使用的基本上任何复数和/或单数术语,本领域的技术人员可根据上下文和/或应用适当地从复数转换成单数和/或从单数转换成复数。为清楚起见,本文可明确地列出了各种单数/复数排列。
本领域的技术人员应当理解,一般来讲,本文尤其是所附权利要求(例如,所附权利要求的主体)中使用的术语通常旨在作为“开放式”术语(例如,术语“包括”应解释为“包括但不限于”,术语“具有”应解释为“具有至少”,术语“包含”应解释为“包含但不限于”等)。本领域的技术人员还应当理解,如果意图说明特定数量的引入的权利要求叙述对象,则此类意图将在权利要求中明确叙述,并且在不存在此类叙述对象的情况下,不存在此类意图。例如,在预期仅一个项目的情况下,可使用术语“单个”或类似的语言。为了有助于理解,以下所附权利要求和/或本文的描述可包括使用引导短语“至少一个”和“一个或多个”来引入权利要求叙述对象。然而,此类短语的使用不应理解为暗示通过不定冠词“一个”或“一种”将包括此类引入的权利要求叙述对象的任何特定权利要求限制为包括仅一个此类叙述对象的实施方案来引入权利要求叙述对象。即使当同一权利要求包括引导短语“一个或多个”或“至少一个”和不定冠词诸如“一个”或“一种”(例如,“一个”和/或“一种”应解释为意指“至少一个”或“一个或多个”)时,也是如此。这同样适用于使用用于引入权利要求叙述对象的定冠词。此外,即使明确叙述了特定数量的引入的权利要求叙述对象,本领域的技术人员也将认识到,此类叙述应解释为意指至少所述的数量(例如,在没有其他修饰语的情况下,对“两个叙述对象”的裸叙述意指至少两个叙述对象、或者两个或更多个叙述对象)。另外,在使用类似于“A、B和C等中的至少一者”的惯例的那些实例中,一般来讲,此类构造的含义是本领域的技术人员将理解该惯例(例如,“具有A、B和C中的至少一者的系统”将包括但不限于单独具有A、单独具有B、单独具有C、同时具有A和B、同时具有A和C、同时具有B和C和/或同时具有A、B和C等的系统)。在使用类似于“A、B或C等中的至少一者”的惯例的那些实例中,一般来讲,此类构造的含义是本领域的技术人员将理解该惯例(例如,“具有A、B或C中的至少一者的系统”将包括但不限于单独具有A、单独具有B、单独具有C、同时具有A和B、同时具有A和C、同时具有B和C和/或同时具有A、B和C等的系统)。本领域的技术人员还应当理解,事实上,无论在说明书、权利要求书还是附图中,呈现两个或更多个另选术语的任何分离的词语和/或短语都应当理解为设想包括术语中的一个术语、术语中的任一个术语或这两个术语的可能性。例如,短语“A或B”将被理解为包括“A”或“B”或“A和B”的可能性。另外,如本文所用,后面跟着列出多个项目和/或多个项目类别的术语“……中的任一者”旨在包括单独的或与其他项目和/或其他项目类别结合的项目和/或项目类别“中的任一者”、“的任何组合”、“的任何倍数”和/或“的倍数的任何组合”。此外,如本文所使用,术语“集合”旨在包括任何数量的项目,包括零。此外,如本文所用,术语“数量”旨在包括任何数量,包括零。并且,如本文所用,术语“多”旨在与“多个”同义。
此外,在根据马库什群组描述本公开的特征或方面的情况下,由此本领域的技术人员将认识到,也根据马库什群组的任何单独的成员或成员的子群组来描述本公开。
如本领域的技术人员将理解的,出于任何和所有目的(诸如就提供书面描述而言),本文所公开的所有范围还涵盖任何和所有可能的子范围以及它们的子范围的组合。任何列出的范围均可容易地被识别为充分地描述并且使得相同的范围能够被划分成至少相等的两半、三分之一、四分之一、五分之一、十分之一等。作为非限制性示例,本文所讨论的每个范围可容易地被划分成下三分之一、中三分之一和上三分之一等。如本领域的技术人员还将理解的,诸如“最多至”、“至少”、“大于”、“小于”等的所有语言包括所引用的数字并且是指随后可被划分为如上所述的子范围的范围。最后,如本领域的技术人员将理解的,范围包括每个单独的数字。因此,例如具有1至3个单元的群组是指具有1、2或3个单元的群组。类似地,具有1至5个单元的群组是指具有1、2、3、4或5个单元的群组等。
此外,除非另有说明,否则权利要求书不应被理解为受限于所提供的顺序或元件。此外,在任何权利要求中使用术语“用于……的装置”旨在调用35U.S.C.§112,6或装置加功能的权利要求格式,并且没有术语“用于……的装置”的任何权利要求并非意在如此。/>
Claims (19)
1.一种在WTRU中实现的方法,所述方法包括:
从基站接收包括参考信号集合的第一消息;
基于所述第一消息训练神经网络;
基于使用所述参考信号集合的神经网络解调损失确定质量指示符值;以及
基于所述质量指示符值满足质量指示符阈值,部署所训练的神经网络以结合解调至少一个符号来使用。
2.根据权利要求1所述的方法,还包括:
基于所述质量指示符值未能满足所述质量指示符阈值,利用常规调制和译码方案(MCS)和另选MCS中的任一者。
3.根据权利要求1所述的方法,其中部署所训练的神经网络以结合解调至少一个符号来使用包括预测调制和译码方案(MCS)。
4.根据权利要求1所述的方法,其中部署所训练的神经网络以结合解调至少一个符号来使用包括预测群集。
5.根据权利要求1所述的方法,还包括:
响应于或只要一个或多个随后计算的质量指示符值未能满足所述质量指示符阈值,就重新训练所训练的神经网络。
6.根据权利要求5所述的方法,其中重新训练所训练的神经网络包括:
从所述基站接收包括另一参考信号集合的第二消息;
基于所述第二消息重新训练所训练的神经网络;以及
基于使用所述另一参考信号集合的另一神经网络解调损失来计算另一质量指示符值。
7.根据权利要求5和6中任一项所述的方法,还包括:
计算所重新训练的神经网络的一个或多个节点的误差值;以及
向所述基站发射包括指示所重新训练的神经网络的所述一个或多个节点的误差值的信息的第三消息。
8.根据权利要求5至7中任一项所述的方法,还包括:
从所述基站接收包括指示用于重新训练所训练的神经网络的最大迭代次数的信息的第四消息,其中重新训练所训练的神经网络包括重新训练所训练的神经网络多达所述最大迭代次数。
9.根据权利要求8所述的方法,还包括:
在超过最大迭代次数并且质量指示符值未能满足所述质量指示符阈值的条件下,部署常规MCS和另选MCS中的任一者。
10.根据权利要求1所述的方法,其中训练所述神经网络包括基于所述参考信号集合更新一个或多个神经网络参数。
11.根据权利要求10所述的方法,其中更新所述一个或多个神经网络参数包括基于所述参考信号集合计算所训练的神经网络中的一个或多个节点的一个或多个神经网络输出损失值和一个或多个神经网络输出误差值中的任一者。
12.一种在WTRU中实现的方法,所述方法包括:
从基站接收包括第一参考信号集合的第一消息;
基于所述第一消息训练神经网络NN;
基于使用所述第一参考信号集合的神经网络解调损失确定第一质量指示符值;
基于所述第一质量指示符值未能满足质量指示符阈值:
向所述基站发射包括指示所述第一质量指示符值的信息的第二消息,
从所述基站接收包括第二参考信号集合的第三消息,以及
基于所述第二参考信号集合重新训练所述NN;
基于使用所述第二参考信号集合的NN解调损失确定第二质量指示符;以及
基于所述第二质量指示符值满足所述质量指示符阈值,部署所重新训练的神经网络以结合解调至少一个符号来使用。
13.一种WTRU,包括处理器和存储器中的任一者,所述WTRU被配置为:
从基站接收包括参考信号集合的第一消息;
基于所述第一消息训练神经网络;
基于使用所述参考信号集合的神经网络解调损失确定质量指示符值;以及
基于所述质量指示符值满足质量指示符阈值,部署所训练的神经网络以结合解调至少一个符号来使用。
14.根据权利要求14所述的WTRU,所述WTRU被进一步配置为:
基于所述质量指示符值未能满足所述质量指示符阈值,利用常规调制和译码方案(MCS)和另选MCS中的任一者。
15.根据权利要求14所述的WTRU,其中部署所训练的神经网络以结合解调至少一个符号来使用包括预测调制和译码方案(MCS)。
16.根据权利要求14所述的WTRU,所述WTRU被进一步配置为:
响应于或只要一个或多个随后计算的质量指示符值未能满足所述质量指示符阈值,就重新训练所训练的神经网络。
17.根据权利要求16所述的WTRU,其中重新训练所训练的神经网络包括:
从所述基站接收包括另一参考信号集合的第二消息;
基于所述第二消息重新训练所训练的神经网络;以及
基于使用所述另一参考信号集合的另一神经网络解调损失来计算另一质量指示符值。
18.根据权利要求16和17中任一项所述的WTRU,所述WTRU被进一步配置为:
计算所重新训练的神经网络的一个或多个节点的误差值;以及
向所述基站发射包括指示所重新训练的神经网络的所述一个或多个节点的误差值的信息的第三消息。
19.一种WTRU,包括处理器和存储器中的任一者,所述WTRU被配置为:
从基站接收包括第一参考信号集合的第一消息;
基于所述第一消息训练神经网络NN;
基于使用所述第一参考信号集合的神经网络解调损失确定第一质量指示符值;
基于所述第一质量指示符值未能满足质量指示符阈值:
向所述基站发射包括指示所述第一质量指示符值的信息的第二消息,
从所述基站接收包括第二参考信号集合的第三消息,以及基于所述第二参考信号集合重新训练所述NN;
基于使用所述第二参考信号集合的NN解调损失确定第二质量指示符;以及
基于所述第二质量指示符值满足所述质量指示符阈值,部署所重新训练的神经网络以结合解调至少一个符号来使用。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21180642.7 | 2021-06-21 | ||
EP22161273 | 2022-03-10 | ||
EP22161273.2 | 2022-03-10 | ||
PCT/US2022/034252 WO2022271634A1 (en) | 2021-06-21 | 2022-06-21 | Methods, procedures, appartuses and systems for data-driven wireless transmit/receive unit specific symbol modulation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117693752A true CN117693752A (zh) | 2024-03-12 |
Family
ID=81327561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280051958.6A Pending CN117693752A (zh) | 2021-06-21 | 2022-06-21 | 用于数据驱动的无线发射/接收单元特定符号调制的方法、过程、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117693752A (zh) |
-
2022
- 2022-06-21 CN CN202280051958.6A patent/CN117693752A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7395098B2 (ja) | 位相トラッキング参照信号送信 | |
WO2021098159A1 (en) | Personalized tailored air interface | |
JP2022046755A (ja) | 複数アンテナシステムにおける非周期的測定基準信号送信のためのシステムおよび方法 | |
CN115150023B (zh) | 蜂窝通信系统中的上行链路传输方法和装置 | |
US20230318686A1 (en) | Methods, architectures, apparatuses and systems for dynamic determination of processing time | |
TW201807986A (zh) | 下一代無線系統空間調變 | |
JP2020523909A (ja) | アップリンク共有データチャネルを介したアップリンク制御情報(uci)送信のための方法、装置、システム、アーキテクチャ、およびインタフェース | |
CN115568032A (zh) | 用于支持无线局域网(wlan)系统的多用户传输的方法、装置和系统 | |
CN114430891B (zh) | 无线局域网(wlan)系统中的反向兼容物理层汇聚过程(plcp)协议数据单元(ppdu)设计 | |
CN114503471A (zh) | 用于极性编码调制的方法和程序 | |
CN115664912A (zh) | 利用单载波频分多址(sc-fdma)和ofdma的灵活参考信号传输方法 | |
WO2018044849A1 (en) | Methods for finite blocklength coding in wireless communication systems | |
EP4128675A1 (en) | Iterative reference signal symbol reconstruction and channel estimation | |
WO2020092664A1 (en) | Generation of demodulation reference signals in advanced networks | |
CN116420317A (zh) | 用于mimo系统中的信道老化的自适应学习辅助预编码器的方法、架构、装置和系统 | |
US20200267747A1 (en) | Facilitating improved performance of multiple downlink control channels in advanced networks | |
EP4359997A1 (en) | Methods, procedures, appartuses and systems for data-driven wireless transmit/receive unit specific symbol modulation | |
CN117693752A (zh) | 用于数据驱动的无线发射/接收单元特定符号调制的方法、过程、装置和系统 | |
WO2022081935A1 (en) | Methods, apparatuses, systems etc. directed to enhanced control channel and shared channel transmissions at high frequencies | |
WO2021217288A1 (en) | Reciprocity-based beamforming for architecture-aware user equipment | |
CN113475025A (zh) | 用于可靠多传输系统的方法和装置 | |
WO2024016102A1 (en) | Polar code construction and configuration for block-code-based shaping | |
CN117616715A (zh) | 涉及自适应参考信号配置的方法、架构、装置和系统 | |
WO2024035637A1 (en) | Methods, architectures, apparatuses and systems for data-driven user equipment (ue)-specific reference signal operation | |
WO2023229952A1 (en) | Continuous phase modulation in wireless communications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |