DE102022103723A1

DE102022103723A1 - Störsignalweißer-Auswahl auf Basis maschinellen Lernens

Info

Publication number: DE102022103723A1
Application number: DE102022103723.1A
Authority: DE
Inventors: Shailesh Digambar Chaudhari; Hyukjoon Kwon; Keebong Song
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2018-05-23
Filing date: 2022-02-17
Publication date: 2022-10-06
Also published as: KR20190133529A; CN110534314A; CN110534314B; US11862386B2; US20190362883A1; US11107622B2; KR102080653B1; US20210375530A1

Abstract

Bereitgestellt ist ein lembasiertes System und Verfahren für ein Störsignalweißungsverfahren. Das Verfahren beinhaltet ein Empfangen (505) eines Signals; ein Extrahieren (510) eines ersten Satzes von Merkmalen aus dem Signal; ein Treffen (515) einer ersten Auswahl, durch ein erstes neuronales Netzwerk (115), basierend auf dem ersten Satz von Merkmalen; und ein Auswählen (520) einer ersten Kovarianzmatrix, aus einer Mehrzahl von Kovarianzmatrizen, basierend auf der ersten Auswahl.

Description

Gebiet
Eine oder mehr Aspekte von Ausführungsformen gemäß der vorliegenden Offenbarung beziehen sich auf drahtlose Datenübertragungen und insbesondere auf ein lernbasiertes System und ein Verfahren für eine Störsignalweißung.
Hintergrund
In einem drahtlosen Kommunikationssystem (z. B. einem mobilen 5G-Datenübertragungssystem) kann ein Störsignal eine potenziell bedeutsame Quelle von Fehlern in übertragenen Daten darstellen. Eine Störsignalweißung kann als ein Teil eines Vorgangs zum Mindern der Effekte eines Störsignals verwendet werden. Eine Störsignalweißer kann das Störsignal und Rauschen des Ortsbereichs durch Vormultiplizieren des empfangenen Signalvektors und der empfangenen Kanalmatrix mit der Cholesky-Faktorisierung einer Kovarianzmatrix weißen, welche aus einer Mehrzahl von Kandidaten-Kovarianzmatrizen ausgewählt werden kann.
Die der niedrigsten Fehlerrate entsprechende Kovarianzmatrix kann vom Nutz-Störsignal-Verhältnis (SIR), der Verteilung des Störsignals in dem Bandbreitenteil (BWP), dem Signal-Rausch-Verhältnis (SNR) und anderen Faktoren abhängig sein. In der Praxis können jedoch das SIR und die Verteilung des Störsignals in dem BWP am Empfänger unbekannt sein.
Somit besteht Bedarf an einem verbesserten System und Verfahren für eine Störsignalweißung.
Kurzfassung
Gemäß einer Ausführungsform der vorliegenden Offenbarung ist ein Verfahren bereitgestellt, das folgende Schritte aufweist: Empfangen eines Signals; Extrahieren eines ersten Satzes von Merkmalen aus dem Signal; Treffen einer ersten Auswahl, durch ein erstes neuronales Netzwerk, basierend auf dem ersten Satz von Merkmalen; und Auswählen einer ersten Kovarianzmatrix, aus einer Mehrzahl von Kovarianzmatrizen, basierend auf der ersten Auswahl.
In einigen Ausführungsformen beinhaltet das Treffen der ersten Auswahl durch das erste neuronale Netzwerk ein Treffen der ersten Auswahl basierend auf einer Mehrzahl von initialen Kovarianzschätzungen, die jeweils einem jeweiligen Ressourcenblock (RB) von einem zusammenhängenden Satz von Ressourcenblöcken entsprechen.
In einigen Ausführungsformen beinhaltet der zusammenhängende Satz von Ressourcenblöcken die Gesamtheit der Ressourcenblöcke in einem Bandbreitenteil.
In einigen Ausführungsformen beinhaltet das Verfahren ferner folgende Schritte: Extrahieren eines zweiten Satzes von Merkmalen aus dem Signal; und Treffen einer zweiten Auswahl, durch ein zweites neuronales Netzwerk, basierend auf dem zweiten Satz von Merkmalen, wobei der erste Satz von Merkmalen einem ersten Ressourcenblock entspricht, und der zweite Satz von Merkmalen einem zweiten Ressourcenblock entspricht.
In einigen Ausführungsformen ist die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock; entspricht die erste Auswahl einem Nutz-Störsignalverhältnis, das kleiner ist als ein erster Schwellwert; und beinhaltet das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung, wobei die erste initiale Kovarianzschätzung dem ersten Ressourcenblock entspricht.
In einigen Ausführungsformen ist die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock; entspricht die erste Auswahl einem Nutz-Störsignalverhältnis, das größer ist als ein erster Schwellwert; ist die zweite Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem zweiten Ressourcenblock; entspricht die zweite Auswahl einem Nutz-Störsignalverhältnis, das größer ist als der erste Schwellwert; beinhaltet das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung und einer zweiten initialen Kovarianzschätzung; entspricht die erste initiale Kovarianzschätzung dem ersten Ressourcenblock; und entspricht die zweite initiale Kovarianzschätzung dem zweiten Ressourcenblock.
In einigen Ausführungsformen beinhaltet das Verfahren ferner ein Berechnen einer ersten initialen Kovarianzschätzung, wobei ein erstes Merkmal des ersten Satzes von Merkmalen auf der ersten initialen Kovarianzschätzung basiert.
In einigen Ausführungsformen beinhaltet das erste Merkmal einen Eigenwert der ersten initialen Kovarianzschätzung.
In einigen Ausführungsformen beinhaltet das erste Merkmal eine QR-Zerlegung der ersten initialen Kovarianzschätzung.
In einigen Ausführungsformen beinhaltet das erste Merkmal ein Element der ersten initialen Kovarianzschätzung.
Gemäß einer Ausführungsform der vorliegenden Offenbarung ist eine Vorrichtung bereitgestellt, aufweisend: eine Funkeinrichtung; und eine Verarbeitungsschaltung, wobei die Verarbeitungsschaltung konfiguriert ist zum: Empfangen, durch die Funkeinrichtung, eines Signals; Extrahieren eines ersten Satzes von Merkmalen aus dem Signal; Treffen einer ersten Auswahl, durch ein erstes neuronales Netzwerk, basierend auf dem ersten Satz von Merkmalen; und Auswählen einer ersten Kovarianzmatrix von einer Mehrzahl von Kovarianzmatrizen basierend auf der ersten Auswahl.
In einigen Ausführungsformen beinhaltet das Treffen der ersten Auswahl durch das erste neuronale Netzwerk ein Treffen der ersten Auswahl basierend auf einer Mehrzahl von initialen Kovarianzschätzungen, die jeweils einem jeweiligen Ressourcenblock (RB) von einem zusammenhängenden Satz von Ressourcenblöcken entsprechen.
In einigen Ausführungsformen beinhaltet der zusammenhängende Satz von Ressourcenblöcken die Gesamtheit der Ressourcenblöcke in einem Bandbreitenteil.
In einigen Ausführungsformen ist die Verarbeitungsschaltung ferner konfiguriert zum: Extrahieren eines zweiten Satzes von Merkmalen aus dem Signal; und Treffen einer zweiten Auswahl, durch ein zweites neuronales Netzwerk, basierend auf dem zweiten Satz von Merkmalen, wobei der erste Satz von Merkmalen einem ersten Ressourcenblock entspricht, und der zweite Satz von Merkmalen einem zweiten Ressourcenblock entspricht.
In einigen Ausführungsformen ist die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock; entspricht die erste Auswahl einem Nutz-Störsignalverhältnis, das kleiner ist als ein erster Schwellwert; und beinhaltet das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung, wobei die erste initiale Kovarianzschätzung dem ersten Ressourcenblock entspricht.
In einigen Ausführungsformen ist die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock; entspricht die erste Auswahl einem Nutz-Störsignalverhältnis, das größer ist als ein erster Schwellwert; ist die zweite Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem zweiten Ressourcenblock; entspricht die zweite Auswahl einem Nutz-Störsignalverhältnis, das größer ist als der erste Schwellwert; beinhaltet das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung und einer zweiten initialen Kovarianzschätzung; entspricht die erste initiale Kovarianzschätzung dem ersten Ressourcenblock; und entspricht die zweite initiale Kovarianzschätzung dem zweiten Ressourcenblock.
Figurenliste
Diese und weitere Merkmale und Vorteile der vorliegenden Offenbarung werden in Zusammenhang mit der Beschreibung, den Ansprüchen und den beigefügten Figuren näher erläutert. Es zeigen:

1A ein Blockdiagramm eines Systems für eine Störsignalweißung gemäß einer Ausführungsform der vorliegenden Offenbarung;
1B ein Blockdiagramm eines Systems für eine Störsignalweißung gemäß einer Ausführungsform der vorliegenden Offenbarung;
1C ein Blockdiagramm eines Systems für eine Störsignalweißung gemäß einer Ausführungsform der vorliegenden Offenbarung;
2 ein Blockdiagramm eines Verfahrens für eine Markierungserzeugung gemäß einer Ausführungsform der vorliegenden Offenbarung;
3 ein Blockdiagramm eines neuronalen Netzwerks gemäß einer Ausführungsform der vorliegenden Offenbarung;
4A einen Graphen von Simulationsergebnissen gemäß einer Ausführungsform der vorliegenden Offenbarung;
4B einen Graphen von Simulationsergebnissen gemäß einer Ausführungsform der vorliegenden Offenbarung;
4C einen Graphen von Simulationsergebnissen gemäß einer Ausführungsform der vorliegenden Offenbarung;
4D einen Graphen von Simulationsergebnissen gemäß einer Ausführungsform der vorliegenden Offenbarung; und
5 ein Flussdiagramm eines Abschnitts eines lernbasierten Verfahrens für eine Störsignalweißung gemäß einer Ausführungsform der vorliegenden Offenbarung.

Ausführliche Beschreibung
Die nachstehend in Verbindung mit den angehängten Figuren aufgeführte Beschreibung dient der Erläuterung der beispielhaften Ausführungsformen eines lernbasierten Systems und Verfahrens für eine Störsignalweißung, die gemäß der vorliegenden Offenbarung bereitgestellt sind, und nicht der ausschließlichen Darstellung von Formen, in welchen die vorliegende Offenbarung ausgeführt oder genutzt werden kann. Die Beschreibung führt die Merkmale der vorliegenden Offenbarung in Verbindung mit den dargestellten Ausführungsformen auf. Wie bereits an anderer Stelle angemerkt, sind identische Elemente oder Merkmale durch identische Bezugszeichen gekennzeichnet.
In einem Multiple-Input-Multiple-Output- (MIMO-) 5G-Empfänger (z. B. in einer Benutzervorrichtung (UE)) kann eine Störsignalweißung zur Verbesserung der Leistung in Gegenwart eines Störsignals durchgeführt werden, welches in den meisten Fällen nicht weiß ist. Der hierin verwendete Begriff „user equipment [zu Deutsch: Benutzervorrichtung; im Englischen ein nichtzählbares Nomen, also ohne Mehrzahlform]“ wird als zählbares Substantiv verwendet, wenn auch das Substantiv, welches es [dieselbe] umfasst („equipment“), in der englischen Alltagssprache [ordinary English] nicht zählbar ist.
In einigen Ausführungsformen wird ein Verfahren auf Basis maschinellen Lernens (oder „lernbasiertes“ Verfahren) verwendet, um einen Störsignalweißer (IW) für einen jeweiligen Ressourcenblock (RB) innerhalb des Bandbreitenteils (BWP) des empfangenen Signals auf einem MIMO-Empfänger auszuwählen. In einem 5G-Netzwerk kann der Störsignalweißer basierend auf eingegebenen Merkmalen ausgewählt werden, die von Referenzsymbolen, z. B. von Demodulationsreferenzsymbolen (DMRSs), hergeleitet werden. Eine Kovarianzmatrix für die Störsignalweißung kann dann, direkt oder indirekt (wie nachstehend ausführlicher erläutert wird), durch ein neuronales Netzwerk (z. B. ein mehrlagiges Perzeptron- (MLP-) Netzwerk), aus einem vordefinierten Satz von Kandidaten-Kovarianzmatrizen ausgewählt werden. Der Störsignalweißer kann das Störsignal und Rauschen des Ortsbereichs durch Vormultiplikation des empfangenen Signalvektors und der empfangenen Kanalmatrix mit der Cholesky-Faktorisierung der ausgewählten Kovarianzmatrix weißen. Die Verwendung einer passenden Kovarianzmatrix zur Weißung kann zu einer reduzierten Fehlerrate führen.
Bezugnehmend auf 1A können in einigen Ausführungsformen drei Blöcke in dem Vorgang des Auswählens einer Kovarianzmatrix zur Weißung verwendet werden: (i) ein Merkmalextraktionsblock (oder „Eingabemerkmal-Extraktionsblock“) 110, der eingegebene Merkmale von DMRSs extrahiert, (ii) ein neuronales Netzwerk 115, das den Satz von extrahierten eingegebenen Merkmalen verwendet und eine Ausgabe bereitstellt, die anzeigt, wie die Kovarianzmatrix zu Weißung berechnet wird und (iii) ein Kovarianzmatrix-Berechnungsblock 120, der die Kovarianzmatrix basierend auf der Ausgaben des neuronalen Netzwerks berechnet. In einigen Ausführungsformen kann es durch diese Herangehensweise einem jeden zusammenhängenden Satz von RBs (z. B. jeder „RB-Chunk“) in einem jeweiligen Zeitschlitz ermöglicht werden, abhängig vom SIR, SNR und der Störsignalverteilung in dem BWP, eine unterschiedliche Kovarianzmatrix zur Störsignalweißung zu verwenden.
Das System kann in einem von drei Modi arbeiten, die als „pro BWP“ (dargestellt in 1A), „pro RB-Chunk“ (dargestellt in 1B) oder „pro RB“ (dargestellt in 1C) bezeichnet sind. Im „Pro-BWP“-Modus kann das System eine Merkmalsextraktion und eine neuronale Netzwerkinterferenz (oder „Auswahl“ oder „Klassifizierung“) einmal pro BWP durchführen; im „Pro-RB-Chunk“-Modus kann das System die Merkmalsextraktion und die neuronale Netzwerkinterferenz einmal pro RB-Chunk durchführen, und im „Pro-RB“-Modus kann das System die Merkmalsextraktion und die neuronale Netzwerkinterferenz einmal pro RB durchführen. Wie vorstehend erwähnt, zeigt 1A eine Konfiguration, die in dem Pro-BWP-Modus verwendet werden kann, zeigt 1B zeigt eine Konfiguration, die im Pro-RB-Chunk-Modus verwendet werden kann, und zeigt 1C eine Konfiguration, die im Pro-RB-Modus verwendet werden kann.
Der Merkmalsextraktionsblock 110 kann als Eingabe empfangene Signalvektoren, Piloten und Kanalmatrizen verwenden, die (i) im Pro-BWP-Modus, von DMRS-Positionen in dem BWP stammen, ii) im Pro-RB-Chunk-Modus, von DMRS-Positionen im RB-Chunk stammen, und die (iii) im Pro-RB-Modus, von DRMS-Positionen im RB stammen.
Eine Interferenz muss nicht in jedem RB vorliegen. Man nehme an: (i) B sei die Gesamtanzahl von Ressourcenblöcken (RBs) in dem Bandbreitenteil (BWP) (ii) C sei die Anzahl von RBs in einem RB-Chunk, wenn der Pro-RB-Modus verwendet wird, (iii) S₁ sei der Satz von RBs, die die Interferenz enthalten (so dass der Satz S₁ die Interferenzverteilung in dem BWP anzeigt, z. B. welche RBs innerhalb des BWP eine Interferenz aufweisen), und (iv) S_b sei der Satz von REs bzw. Ressourcen-Elementen in dem b. RB, dann kann das empfangene Signal an der UE in dem n. RE geschrieben werden als: $y_{n} = {\begin{matrix} H_{n} x_{n} + H_{I, n} x_{I, n} + w_{n}, wenn n \in S_{b} und b \in S_{I} \\ H_{n} x_{n} + w_{n}, andernfalls, \end{matrix}$
wobei w_n der Rauschvektor ist.
Der Eingabemerkmal-Extraktionsblock 110 kann zunächst eine initiale Kovarianzschätzung basierend auf dem empfangenen Signalvektor y_n, dem Kanal H_n und dem übertragenen Piloten x_n in den DMRS-REs wie folgt berechnen: $R_{D, b} = \frac{1}{| S_{D, b} |} \sum_{n \in S_{D, b}} [(y_{n} - H_{n} x_{n}) {(y_{n} - H_{n} x_{n})}^{*}],$
wobei S_D,b der Satz von DMRS-Ressourcenelementen (REs) in dem b. RB ist und S_D,b die Kardinalität des Satzes ist. Der Eingabemerkmal-Extraktionsblock 110 kann (wie nachstehend ausführlicher erlörtert wird) ein oder mehrere Merkmale ƒ₁, ƒ₂, ƒ₃, ...,ƒ_M aus R_D,b. von erzeugen.
Im Pro-BWP-Modus und im Pro-RB-Chunk-Modus kann das neuronale Netzwerk eine Ausgabe z ∈ {1,2, ... N} bereitstellen, um aus N Verfahren (oder „Verfahrensoptionen), die hierin als Option-1, 2, ... oder N bezeichnet werden, ein Verfahren zur Berechnung der Kovarianzmatrix auszuwählen, das zur Störsignalweißung verwendet wird, die hierin als R_IW,b bezeichnet werden kann. Für N = 4, können die Optionen folgende (jedoch nicht ausschließlich folgende) Optionen beinhalten:

Option-1: $R_{I W, b} = d i a g {R_{D, b}}$
Option-2: $R_{I W, b} = d i a g {\frac{1}{B} \sum_{b} R_{D, b}}$
Option-3: $R_{I W, b} = R_{D, b}$
Option-4: $R_{I W, b} = \frac{1}{B} \sum_{b} R_{D, b}$

_IW,b

_D,b

_IW,b

Bezugnehmend auf 1C wird im Pro-RB-Modus die Merkmalsextraktion und die neuronale Netzwerkinterferenz für jeden RB separat durchgeführt, wie gezeigt ist. In diesem Modus stellt jedes neuronale Netzwerk einen Ausgabewert z_b ∈ {1,2, ..., N} bereit, um den SIR-Wert im RB-b anzuzeigen (anstatt ein Verfahren zur Berechnung der Kovarianzmatrix, welches zur Störsignalweißung verwendet werden soll, wie es im Pro-BWP-Modus und im Pro-RB-Chunk-Modus der Fall ist, direkt zu identifizieren), wo z_b = 1 ein sehr niedriges SIR anzeigt, während z_b = N ein sehr hohes SIR anzeigt. Zwischenwerte von z_b (d. h., z_b > 1,z_b < N) können Zwischenwerte des SIR anzeigen. Der Kovarianzmatrix-Berechnungsblock 120 kann einen Ausgabewert von einem jeden der neuronalen Netzwerke 115 empfangen, und, basierend auf den Ausgabewerten, ein Verfahren (z. B. aus den oben bezeichneten Verfahren Option-1 bis Option-4) auswählen, das zur Berechnung einer jeweiligen Kovarianzmatrix verwendet werden soll, welche für eine Störsignalweißung eines jeden der RBs verwendet werden soll. Die Kovarianzmatrix für einen jeden der RBs, RB-1,2....B, kann dann unter Verwendung des ausgewählten Verfahrens verwendet werden. Die durch den Kovarianzmatrix-Berechnungsblock 120 verwendete Regel zum Auswählen des Verfahrens kann die SIR-Werte z_b berücksichtigen, die durch das neuronale Netzwerk bereitgestellt werden. Ein Beispiel einer Regel zum Auswählen eines Verfahrens zur Berechnung der Kovarianzmatrizen ist wie folgt: $\begin{array}{l} FALLS z_{b} = 1 f \ddot{u} r b = 1,2, \dots B dann \\ Berechne R_{I W, b} mit Option i f \ddot{u} r alle b = 1,2, \dots, B \end{array}$
$\begin{array}{l} SONST \\ Berechne R_{I W, b} mit Option j f \ddot{u} r alle b = 1,2, \dots, B \end{array}$
wobei Optionen i und j (die jeweils ein Index sind, der ein Verfahren identifiziert, wobei z. B. der Indexwert 1 Option-1 kennzeichnet, der Indexwert 2 Option-2 kennzeichnet und so weiter) ermittelt werden können unter Verwendung von Gleichung (4) unten. Wenn z. B. das SIR, in einem der RBs, niedrig ist (z. B. wenn z_b = 1, oder allgemeiner, kleiner als ein erster Schwellwert ist), dann kann eine Verfahrensoption (z. B. Option-3) verwendet werden, die die initialen Kovarianzschätzungen nicht miteinander mittelt. Ansonsten kann eine Verfahrensoption verwendet werden, die mehrere initiale Kovarianzschätzungen, wie z. B. Option-2 oder Option-4, kombiniert.
Somit kann das neuronales Netzwerk 115 im Pro-BWP-Modus und im Pro-RB-Chunk-Modus eine erste Auswahl treffen (wobei die Auswahl eine Ausgabewert ist, der eine Verfahrensoption kennzeichnet), und eine erste Kovarianzmatrix kann dann basierend auf dieser ersten Auswahl berechnet werden (oder von der ersten Kovarianzmatrix kann ebenso behauptet werden, sie werde (aus der Mehrzahl von Kovarianzmatrizen entsprechend der Mehrzahl von Verfahrensoptionen) basierend auf der ersten Auswahl ausgewählt). Desgleichen kann ein erstes neuronales Netzwerk 115, das einem ersten RB entspricht, im Pro-RB-Modus eine erste Auswahl treffen (wobei die Auswahl ein Ausgabewert ist, der einem geschätzten SIR für den ersten RB entspricht), wobei eine erste Kovarianzmatrix basierend auf der ersten Auswahl (und ebenso basierend auf den Auswahlen, die durch andere neuronale Netzwerke 115 getroffen werden) ausgewählt werden kann.
Ein Offline-Training zur Bestimmung der neuronalen Netzwerkparameter (θ) kann unter Verwendung eines Verfahrens durchgeführt werden, das folgende Schritte beinhaltet:

1. Erzeugung von einem markierten Datensatz
2. Auswahl von Ausgabemerkmalen
3. Neuronales Netzwerktraining

Zum Trainieren des neuronalen Netzwerks wird ein erster markierter Datensatz erzeugt; dies kann wie folgt durchgeführt werden. Es können zwei Markierungserzeugungsverfahren verwendet werden. Für den Pro-BWP- und den Pro-RB-Chunk-Modus können die Markierungen basierend auf dem unmittelbaren CRC-Flag, z. B. basierend auf dem unmittelbaren Dekodierungsergebnis, erzeugt werden. Für den Pro-RB-Modus können die Markierungen basierend auf dem Mittelwert des CRC-Flag erzeugt werden, z. B. basierend auf dem Mittelwert des Dekodierungsergebnisses.
Der markierte Datensatz besteht aus einem Tupel, das die Merkmale ƒ₁, ƒ₂, ...,ƒ_M und die Markierung z ∈ {1,2, ..., N} enthält. Jedes Tupel entspricht einem BWP bei einem spezifischen Szenario von dem SNR, dem SIR, der Interferenzverteilung im BWP, einer Modulationsordnung und einer Coderate. Eine Simulation (unter Verwendung eines Pseudozufallsrauschens und einer Interferenz) kann zum Erzeugen von simulierten empfangenen Signalen und zum Simulieren der Verarbeitung des Signals nach einer simulierten Anwendung eines Störsignalweißungsfilters verwendet werden. Zum Erzeugen der markierten Daten wird eine jede Verfahrensoption 1,2,..., N zur Weißung eines jeweiligen BWP verwendet. Nach der Störsignalweißung wird das Signal erfasst und dekodiert.
2 zeigt einen Vorgang zum Testen (z. B. in einer Simulation) der unterschiedlichen Auswahlen, welche jedes neuronale Netzwerk treffen kann, wenn eine Interferenz, für einen gegebenen Datenabtastwert, durchgeführt wird, um zu bestimmen, welches Auswahlergebnis die beste Leistung zur Folge hat; diese Auswahl kann dann zur Markierung des Datenabtastwerts verwendet werden. Die Eingaben können dann einer Mehrzahl von Kovarianzmatrix-Berechnungsblöcken 205 zugeführt werden, von denen ein jeder ein anderes jeweiliges Verfahren zur Berechnung einer jeweiligen Kovarianzmatrix verwendet. Jede von den Kovarianzmatrizen kann dann zur Durchführung einer Störsignalweißung in einem jeweiligen Störsignalweißungsblock 210 verwendet werden. Die Ausgabe eines jeweiligen Störsignalweißungsblocks 210 kann dann durch einen jeweiligen Detektor 215 einem jeweiligen Dekodierer 220 zugeführt werden, der ein Pass-/Fail-Flag erzeugen kann, um anzuzeigen, ob die Dekodierung erfolgreich war. Für den Pro-BWP- und den Pro-RB-Chunk-Modus können die Markierungen basierend auf dem CRC-Pass/Fail-Flag in einem jeweiligen Zeitschlitz erzeugt werden; die Markierung z kann dann die Optionsnummer des Verfahrens mit der geringsten Komplexität sein, für die das CRC-Flag passiert. Die Markierung kann wie folgt ausgedrückt werden $z = min_{n} {n | c_{n} = 1}$
wobei c_n ∈ {0,1} das Pass-/Fail-Flag der zyklischen Redundanzprüfung (CRC) ist, das durch den Dekodierer erzeugt wird, wenn Option-n zur Weißung verwendet wird.
Für den RB-Modus können die Markierungen basierend auf dem Mittelwert des CRC-Flag erzeugt werden. Angenommen, c _n sei der Mittelwert des CRC-Flag mit der Option-n über mehreren Kanalrealisierungen, dann können die Markierungen wie folgt erzeugt werden:

z_b = i, wobei c _i ≥ c _n, ∀n ≠ i bei sehr niedrigem SIR
z_b = j, wobei c _j ≥ c _n, ∀n ≠ j bei fehlendem Interferenz- (sehr hohem SIR-) Szenario (4)

Gemäß Gleichung (4) kann eine Regel verwendet werden (z. B. Auswählen der Verfahrensoption Option-3), wenn zumindest ein RB bei einem niedrigen SIR ist, und eine andere Regel (z. B. Auswählen der Verfahrensoption Option-2 oder Verfahrensoption Option-4) kann verwendet werden, wenn alle RBs bei einem relativ hohen SIR sind.
Die Merkmalserzeugung kann wie folgt durchgeführt werden. Die Merkmale können zur Erfassung unterschiedlicher Szenarien erzeugt werden, die durch die Interferenzverteilung in dem BWP, das SIR und das SNR spezifiziert sind. Die Merkmale können aus den Elementen R_D,b und dem Modulations- und Codierungsschema extrahiert werden. Beispiele von Merkmalen, die aus R_D,b extrahiert werden können, beinhalten (jedoch nicht abschließend) (i) Eigenwerte von R_D,b, (ii) die QR-Zerlegung von R_D,b, (iii) diagonale und nichtdiagonale Elemente von R_D,b und (iv) Kombinationen derselben.
Eine Eingabemerkmalauswahl kann dann wie folgt durchgeführt werden. Für das Training des neuronalen Netzwerks kann ein Teilsatz aller verfügbaren Merkmale verwendet werden, wobei der Teilsatz so ausgewählt ist, dass er die Merkmale enthält, die in Bezug auf die Markierung z am informativsten (oder relevantesten) sind. Die informativsten Merkmale können unter Verwendung von gemeinsamen Informationen zwischen dem Merkmal z und den Merkmalen ƒ_i ermittelt werden. Diese ausgewählten Merkmale können dann durch den Eingabemerkmal-Extraktionsblock 110 ausgewählt werden.
Ein neuronales Netzwerktraining kann durchgeführt werden, um den Netzwerkparameter θ zu erhalten. Der Netzwerkparameter θ beinhaltet (besteht z. B. aus) Gewichten $w_{i j}^{(l)}$
und Biases $v_{i}^{(l)} .$
Es kann ein neuronales Netzwerk mit einer Eingabeschicht 305, einer verborgenen Schicht 310 mit P Knoten und einer Ausgabeschicht 315 verwendet werden, wie in 3 dargestellt ist. Jeder verborgene Knoten kann eine Sigmoid-Aktivierungsfunktion verwenden. Die Ausgabe des Netzwerks kann durch Anlegen einer Softmax-Funktion 320 an die Ausgabeschicht 315 berechnet werden, welche D Knoten beinhalten kann (beispielsweise aus diesen besteht). Das hierin verwendete Symbol $w_{i j}^{(l)}$
kann das Gewicht zwischen dem j. Knoten in der Schicht l - 1 und dem i. Knoten in der Schicht l anzeigen. Die Ausgabe des Knotens i in der Schicht l - 2 ist $a_{i}^{(2)} = g (\sum_{j} w_{i j}^{(1)} ƒ_{j} + v_{i}^{(1)}), i = 1,2, \dots, P,$
wobei $g (x) = \frac{1}{1 + e^{- x}}$
die Sigmoid-Aktivierungsfunktion ist, und $v_{i}^{(1)}$
der Bias-Term ist. Die Ausgabe des Knoten i in Schicht 1 - 3 ist $a_{i}^{(3)} = \sum_{j} w_{i j}^{(2)} a_{j}^{(2)} + v_{i}^{(2)}, i = 1,2, \dots, D .$
Schließlich kann die Ausgabe des Netzwerks durch Anlegen von Softmax auf ${a_{1}^{(3)}, a_{2}^{(3)}, \dots, a_{N}^{(3)}}$
wie folgt berechnet werden $r_{i} = \frac{e^{a_{i}^{(3)}}}{\sum_{j} e^{a_{j}^{(3)}}}, i = 1,2, \dots, N .$
Um Weight- und Bias-Terme ${w_{i j}^{(l)}, v_{i}^{(l)}}$
zu erhalten und somit den Netzwerkparameter θ, kann das neuronale Netzwerk unter Verwendung eines Quasi-Newton-Algorithmus trainiert werden, um die nachstehende Kreuzentropie-Kostenfunktion zu minimieren $c (θ) = c (w_{i j}^{(l)}, v_{i}^{(l)}) = - \sum_{k = 1}^{K} \sum_{i = 1}^{N} I (i = z_{k}) log (r_{i, k}),$
wobei I(i = z_k) eine Identitätsfunktion ist (1, wenn i = z_k, und andernfalls 0), ist z_k die Markierung in dem k. Trainingstupel, ist r_i,k die MLP-Ausgabe entsprechend dem k. Trainingsabtastwert, und ist K die Gesamtanzahl der Trainingsabtastwerte. Sobald ein Training durchgeführt und der Netzwerkparameter θ erhalten worden ist, kann eine lernbasierte Auswahl einer Kovarianzmatrix zur Weißung durchgeführt werden, wie in 1A - 1C dargestellt ist.
4A bis 4D zeigen die simulierte Leistung eines lernbasierten Störsignalweißungssystems gemäß einiger Ausführungsformen. Ergebnisse sind gezeigt (i) in 4A und 4B für einen Signal-BWP von 50 RBs mit einer Interferenz, die in dem Signal-BWP einheitlich verteilt ist (ein Umstand, der hierin als „Interferenz-Belegung-1“ bezeichnet wird) und (ii) in 4C und 4D für einen Signal-BWP von 100 RBs mit einer Interferenz in einem RB in der Mitte des BWP (ein Umstand, der hierin als „Interferenz-Belegung-2“ bezeichnet wird).
Die Blockfehlerrate, die unter Verwendung einer lernbasierten Störsignalweißungsauswahl erreicht wird, ist in 4A und 4C gezeigt, wobei die Nutzung der Störsignalweißungsverfahrensoptionen durch das lernbasierte Auswahlverfahren in 4B und 4D gezeigt ist. Es ist erkennbar, dass das Verfahren der Option-3 in 4A die niedrigste Blockfehlerrate (BLER) aufweist, während das Verfahren der Option-2 in 4C die niedrigste BLER aufweist Das lernbasierte Störsignalweißungs-Auswahlverfahren (i) verwendet diese jeweiligen Verfahren ohne Vorkenntnisse über die Interferenzverteilung, das SIR oder das SNR zu benötigen, und (ii) erreicht eine BLER ähnlich oder gleich dem besten Störsignalweißungsverfahren im jeweiligen Fall.
In einigen Ausführungsformen kann eine Verarbeitungsschaltung oder Einrichtung zur Verarbeitung (die nachstehend ausführlicher erörtert wird) einige oder alle hierin beschriebenen Verfahren durchführen. In einigen Ausführungsformen beinhaltet die UE z. B. eine Verarbeitungsschaltung und eine Funkeinrichtung, wobei die Verarbeitungsschaltung das Verfahren von 5 durchführt, welches ein Flussdiagramm von einem Abschnitt eines lernbasierten Verfahrens zur Störsignalweißung ist. Das Verfahren beinhaltet, bei 505, ein Empfangen eines Signals (durch die Verarbeitungsschaltung, über die Funkeinrichtung); ein Extrahieren, bei 510, eines ersten Satzes von Merkmalen aus dem Signal; ein Treffen, bei 515, einer ersten Auswahl, durch ein erstes neuronales Netzwerk basierend auf dem ersten Satz von Merkmalen; und ein Auswählen, bei 520, einer ersten Kovarianzmatrix, aus einer Mehrzahl von Kovarianzmatrizen, basierend auf der ersten Auswahl.
Der hierin verwendete Begriff „ein Abschnitt von“ etwas bedeutet „zumindest etwas von“ der Sache und kann demnach weniger als alles von oder alles von der Sache bedeuten. „Ein Abschnitt von“ einer Sache beinhaltet demnach die gesamte Sache in einem besonderen Fall, d. h. die gesamte Sache ist ein Beispiel für einen Abschnitt der Sache. Der hierin verwendete Begriff „oder“ ist zu interpretieren als „und/oder“, so dass z. B. „A oder B“ beliebig „A“ oder „B“ oder „A und B“ bedeutet.
Die Begriffe „Verarbeitungsschaltung“ oder „Einrichtung zur Verarbeitung“ werden hierin in der Bedeutung von einer beliebigen Kombination aus einer Hardware, Firmware und einer Software verwendet, die zum Verarbeiten von Daten oder digitalen Signalen verwendet wird. Die Verarbeitungsschaltung kann z. B. anwendungsspezifische integrierte Schaltungen (ASICs), zentrale Universal- oder Spezial-Verarbeitungseinheiten (CPUs), digitale Signalprozessoren (DSPs), Grafikverarbeitungseinheiten (GPUs) und programmierbare logische Vorrichtungen beinhalten, wie z. B. feldprogrammierbare Gate-Arrays (FPGAs). In einer Verarbeitungsschaltung, wie sie hierin verwendet wird, wird jede Funktion entweder durch eine Hardware, die konfiguriert, d. h. festverdrahtet ist, um die Funktion durchzuführen, oder durch eine eher allgemeinere Hardware durchgeführt, wie z. B. eine CPU, die konfiguriert ist, um Anweisungen auszuführen, die in einem nichttransitorischen Speichermedium gespeichert sind. Eine Verarbeitungsschaltung kann auf einer einzelnen gedruckten Schaltungsplatine (PCB) gefertigt sein oder über mehrere miteinander verbundene PCBs verteilt sein. Eine Verarbeitungsschaltung kann andere Verarbeitungsschaltungen enthalten; z. B. kann eine Verarbeitungsschaltung zwei Verarbeitungsschaltungen beinhalten, eine FPGA und eine CPU, die auf einer PCB miteinander verbunden sind.
Wenn ein hierin verwendetes Verfahren (z. B. eine Anpassung) oder eine ebensolche erste Größe (z. B. eine erste Variable) hierin bezeichnet wird als „basierend auf“ einer zweiten Größe (z. B. einer zweiten Variable), heißt das, dass die zweite Größe eine Eingabe in das Verfahren ist oder die erste Größe beeinflusst, z. B. kann die zweite Größe eine Eingabe (z. B. die einzige Eingabe, oder eine von mehreren Eingaben) in eine Funktion sein, die die erste Größe berechnet, oder die erste Größe kann gleich der zweiten Größe sein, oder die erste Größe kann mit der zweiten Größe identisch sein (z. B. an der gleichen Position oder gleichen Positionen in einem Speicher gespeichert sein wie dieselbe).
Es wird darauf hingewiesen, dass, selbst wenn Begriffe wie „erste/r/s“, „zweit/r/s“, „dritte/r/s“ etc. hierin zur Beschreibung verschiedener Elemente, Komponenten, Bereiche, Schichten und/oder Abschnitten verwendet werden können, diese Elemente, Komponenten, Bereiche, Schichten und/oder Abschnitte nicht durch diese Begriffe eingeschränkt werden können. Diese Begriffe werden nur zur Unterscheidung von einem Element, einer Komponente, einem Bereich, einer Schicht oder einem Abschnitt von einem anderen Element, einer anderen Komponente, einem anderen Bereich, einer anderen Schicht oder einem anderen Abschnitt verwendet. Somit könnte ein erstes Element, eine erste Komponente, ein erster Bereich, eine erste Schicht oder ein erster Abschnitt, die hierin erörtert worden sind, als zweites Element, zweite Komponente, zweiter Bereich, zweite Schicht oder zweiter Abschnitt bezeichnet werden, ohne vom Schutzbereich des Erfindungsgedankens abzuweichen.
Die hierin verwendeten Begriffe „im Wesentlichen“ „etwa“ und ähnliche Begriffe werden als Begriffe der Annäherung und nicht als Begriffe der Abstufung verwendet und sollten die eigentlichen Abweichungen in gemessenen und berechneten Werten berücksichtigen, wie sie Fachleuten bekannt sind.
Die hierin verwendeten Einzahlformen „ein/e/r“ sollen auch die Mehrzahlformen umfassen, soweit der entsprechende Kontext nicht deutlich etwas anderes besagt. Es wird weiterhin darauf hingewiesen, dass die Begriffe „aufweist“ und/oder „aufweisend“ im Zusammenhang mit der vorliegenden Beschreibung das Vorhandensein von angegebenen Merkmalen, Ganzzahlen, Schritten, Operationen, Elementen und/oder Komponenten spezifizieren, jedoch das Vorhandensein oder Hinzufügen von einem/einer oder mehreren Merkmalen, Ganzzahlen, Schritten, Operationen, Elementen, Komponenten und/oder Gruppen derselben nicht ausschließen. Der hierin verwendete Begriff „und/oder“ beinhaltet beliebige Kombination von einem oder mehreren der zugeordneten aufgeführten Elemente. Ausdrücke, wie z. B. „zumindest einer von“, sollten diese eine Aufzählung von Elementen anführen, modifizieren die gesamte Aufzählung der Elemente und nicht einzelne Elemente der Aufzählung. Zudem bezieht sich die Verwendung von „kann“ bei der Beschreibung der Ausführungsformen des Erfindungsgedankens auf „eine oder mehreren Ausführungsformen der vorliegenden Offenbarung“. Zudem sollte der Begriff „beispielhaft“ Bezug nehmen auf ein Beispiel oder eine Darstellung. Die hierin verwendeten Begriffe „verwenden“, „verwendend“ und „verwendete“ können als synonym aufgefasst werden mit den Begriffen „nutzen“, „nutzend“ und „nutzte“.
Ein numerischer Bereich, der hierin wiedergegeben ist, soll alle Teilbereiche von der gleichen numerischen Präzision beinhalten, die innerhalb des wiedergegebenen Bereichs zusammengefasst sind. Ein Bereich von „1,0 bis 10,0“ oder „zwischen 1,0 and 10,0“ soll alle Teilbereiche zwischen dem (und einschließlich des) aufgeführten Mindestwert(s) von 1,0 und dem wiedergegebenen Höchstwert von 10,0 umfassen, d. h. die einen Mindestwert, der größer oder gleich 1,0 ist, und einen Höchstwert kleiner oder gleich 10,0 aufweisen, so wie z. B. 2,4 bis 7,6. Eine beliebige hierin wiedergegebene maximale numerische Begrenzung soll alle niedrigeren numerischen Begrenzungen umfassen, die darin zusammengefasst sind, wobei eine beliebige in dieser Beschreibung wiedergegebene minimale numerische Begrenzung alle höheren numerischen Begrenzungen beinhalten soll, die hierin zusammengefasst sind.
Auch wenn beispielhafte Ausführungsformen von einem lernbasierten System und Verfahren zur Störsignalweißung hierin im Besonderen beschrieben und dargestellt worden sind, sind viele Modifikationen und Variationen für Fachleute offenkundig. Dementsprechend wird darauf hingewiesen, dass ein lembasiertes System und Verfahren zur Störsignalweißung, welche gemäß den Grundsätzen dieser Offenbarung konstruiert sind, auf andere Weise als sie hierin im Besonderen beschrieben ist, verkörpert sein können. Die Erfindung ist zudem in den nachstehenden Ansprüchen und deren Entsprechungen definiert.

Claims

Verfahren, das folgende Schritte aufweist: Empfangen (505) eines Signals; Extrahieren (510) eines ersten Satzes von Merkmalen aus dem Signal; Treffen (515) einer ersten Auswahl, durch ein erstes neuronales Netzwerk (115), basierend auf dem ersten Satz von Merkmalen; und Auswählen (520) einer ersten Kovarianzmatrix, aus einer Mehrzahl von Kovarianzmatrizen, basierend auf der ersten Auswahl.
Verfahren nach Anspruch 1, wobei das Treffen (515) der ersten Auswahl durch das erste neuronale Netzwerk (115) ein Treffen der ersten Auswahl basierend auf einer Mehrzahl von initialen Kovarianzschätzungen aufweist, die jeweils einem jeweiligen Ressourcenblock (RB) von einem zusammenhängenden Satz von Ressourcenblöcken entsprechen.
Verfahren nach Anspruch 2, wobei der zusammenhänge Satz von Ressourcenblöcken die Gesamtheit der Ressourcenblöcke in einem Bandbreitenteil aufweist.
Verfahren nach Anspruch 2 oder 3, das ferner folgende Schritte aufweist: Extrahieren eines zweiten Satzes von Merkmalen aus dem Signal; und Treffen einer zweiten Auswahl, durch ein zweites neuronales Netzwerk (115), basierend auf dem zweiten Satz von Merkmalen, wobei der erste Satz von Merkmalen einem ersten Ressourcenblock entspricht, und der zweite Satz von Merkmalen einem zweiten Ressourcenblock entspricht.
Verfahren nach Anspruch 4, wobei: die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock ist; die erste Auswahl einem Nutz-Störsignalverhältnis entspricht, das kleiner ist als ein erster Schwellwert; und das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung aufweist, wobei die erste initiale Kovarianzschätzung dem ersten Ressourcenblock entspricht.
Verfahren nach Anspruch 4, wobei: die erste Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem ersten Ressourcenblock ist; die erste Auswahl einem Nutz-Störsignalverhältnis entspricht, die größer ist als ein erster Schwellwert; die zweite Auswahl ein Hinweis eines geschätzten Nutz-Störsignalverhältnisses in dem zweiten Ressourcenblock ist; die zweite Auswahl einem Nutz-Störsignalverhältnis entspricht, das größer ist als der erste Schwellwert; das Auswählen der ersten Kovarianzmatrix ein Auswählen einer Kovarianzmatrix basierend auf einer ersten initialen Kovarianzschätzung und einer zweiten initialen Kovarianzschätzung aufweist; die erste initiale Kovarianzschätzung dem ersten Ressourcenblock entspricht; und die zweite initiale Kovarianzschätzung dem zweiten Ressourcenblock entspricht.
Verfahren nach einem der Ansprüche 1 bis 4, das ferner ein Berechnen einer ersten initialen Kovarianzschätzung aufweist, wobei ein erstes Merkmal des ersten Satzes von Merkmalen auf der ersten initialen Kovarianzschätzung basiert.
Verfahren nach Anspruch 7, wobei das erste Merkmal einen Eigenwert der ersten initialen Kovarianzschätzung beinhaltet.
Verfahren nach Anspruch 7, wobei das erste Merkmal eine QR-Zerlegung der ersten initialen Kovarianzschätzung beinhaltet.
Verfahren nach Anspruch 7, wobei das erste Merkmal ein Element der ersten initialen Kovarianzschätzung beinhaltet.
Vorrichtung, aufweisend: eine Funkeinrichtung; und eine Verarbeitungsschaltung, wobei die Verarbeitungsschaltung so konfiguriert ist, dass sie das Verfahren nach einem der Ansprüche 1 bis 10 durchführt, wobei die Verarbeitungsschaltung so konfiguriert ist, dass sie das Signal durch die Funkeinrichtung empfängt.