JP2023548211A - 移動通信システムのトランシーバのために遅延ドップラー分解能を決定するアクセスノード、ユーザ側設備、装置、方法およびコンピュータプログラム - Google Patents

Abstract

本開示の実施形態は、移動通信システムのトランシーバのために遅延ドップラー分解能を決定するアクセスノード、ユーザ側設備、装置、方法およびコンピュータプログラムに関する。移動通信システム（３００）のトランシーバ（１００）のために遅延ドップラー分解能ＤＤＲを決定する方法（１０）は、トランシーバ（１００）の特性に関する情報を求めるステップ（１２）と、トランシーバ（１００）の特性に関する情報に基づきデータベース（２６）からＤＤＲを選択するステップ（１４）と、移動通信システム（３００）におけるトランシーバ（１００）との無線通信のためにＤＤＲを使用するステップ（１６）とを含む。

Description

本開示の実施形態は、移動通信システムのトランシーバのために遅延ドップラー分解能を決定するアクセスノード、ユーザ側設備、装置、方法およびコンピュータプログラムに関し、より具体的には、ただし以下に限定されるものではないが、トランシーバの特性に基づきデータベースから遅延ドップラー分解能を選択するためのコンセプトに関する。

車車間（Ｖ２Ｖ）通信のようなハイモビリティ環境における信頼性および効率に関する新たな要件によって、レガシーシステムはそれらの限界に近づきつつある。直交周波数分割多重（ＯＦＤＭ）は、普及している周知の変調方式であるが、高いドップラー拡散の環境では、著しい性能劣化およびフレキシビリティ欠如による悪影響を受ける可能性がある。よって、二重分散チャネルにおいてフレキシブルで効率的かつロバストな新規の変調方式を検討し精査してもよいかもしれない。

将来の車両通信システムは、様々なモビリティ条件下で高い信頼性および効率を必要とする。しかも、種々のタイプの通信リンクが存在するため、それらの車両通信システムは多面的である。車両はインフラストラクチャに接続されており、つまり路車間（Ｖ２Ｉ）通信が行われるけれども、ダイレクトな車車間（Ｖ２Ｖ）通信も使用されている。特にＶ２Ｖチャネルは、慣用のセルラチャネルとは明確に異なっている。ハイモビリティユーザ間の通信の場合、相対速度が高いことから大きなドップラーシフトが予期される。ＯＦＤＭなどのレガシーシステムは、高いドップラーシフトの下では著しい性能劣化を受ける可能性がある。さらなる背景技術については以下を参照されたい。

［１］T. Wang, J. G. Proakis, E. MasryおよびJ. R. Zeidlerによる“Performance degradation of OFDM systems due to Doppler spreading”IEEE Trans. on Wireless Commun.、第５巻第６号第１４２２～１４３２頁、２００６年。
［２］R. Hadani, S. Rakib, M. Tsatsanis, A. Monk, A. J. Goldsmith, A. F. MolischおよびR. Calderbankによる“Orthogonal time frequency space modulation”2017 IEEE Wireless Commun. and Netw. Conf. (WCNC)、第１～６頁、ＩＥＥＥ、２０１７年。
［３］R. Hadani, S. Rakib, A. F. Molisch, C. Ibars, A. Monk, M. Tsatsanis, J. Delfeld, A. GoldsmithおよびR. Calderbankによる“Orthogonal Time Frequency Space (OTFS) modulation for millimeter-wave communications systems”2017 IEEE MTT-S Int. Microwave Symp. (IMS)、第６８１～６８３頁、２０１７年６月。
［４］M. Kollengode RamachandranおよびA. Chockalingamによる“MIMO-OTFS in High-Doppler Fading Channels: Signal Detection and Channel Estimation”2018 IEEE Global Commun. Conf. (GLOBECOM)、第２０６～２１２頁、２０１８年１２月。
［５］P. Raviteja, Y. Hong, E. ViterboおよびE. Biglieriによる“Practical PulseShaping Waveforms for Reduced-Cyclic-Prefix OTFS”IEEE Trans. on Vehicular Technol.、第６８巻第９５７～９６１頁、２０１９年１月。
［６］A. Nimr, M. Chafii, M. MattheおよびG. Fettweisによる“Extended GFDM Framework: OTFS and GFDM Comparison”2018 IEEE Global Commun. Conf. (GLOBECOM)、第１～６頁、２０１８年１２月。
［７］W. Kozekによる“Matched Weyl-Heisenberg expansions of nonstationary environments”、１９９６年。
［８］K. Liu, T. KadousおよびA. M. Sayeedによる“Orthogonal time-frequency signaling over doubly dispersive channels”IEEE Trans. on Inf. Theory、第５０巻第１１号第２５８３～２６０３頁、２００４年。
［９］P. JungおよびG. Wunderによる“WSSUS pulse design problem in multicarrier transmission”IEEE Trans. on Commun.、第５５巻第９号第１８２２～１８２２頁、２００７年。
［１０］W. KozekおよびA. F. Molischによる“Nonorthogonal pulseshapes for multicarrier communications in doubly dispersive channels”IEEE J. on Sel. Areas in Commun.、第１６巻第１５７９～１５８９頁、１９９８年１０月。
［１１］T. Zemen, M. Hofer, D. LoeschenbrandおよびC. Pacherによる“Iterative detection for orthogonal precoding in doubly selective channels”2018 IEEE 29th Annual Int. Symp. on Pers., Indoor and Mobile Radio Commun. (PIMRC)、第１～７頁、ＩＥＥＥ、２０１８年。
［１２］X. MaおよびW. Zhangによる“Fundamental limits of linear equalizers: diversity, capacity, and complexity”IEEE Trans. on Inf. Theory、第５４巻第８号第３４４２～３４５６頁、２００８年。
［１３］T. Zemen, M. HoferおよびD. Loeschenbrandによる“Low-complexity equalization for orthogonal time and frequency signaling (OTFS)”arXiv preprint arXiv:1710.09916、２０１７年。
［１４］A. Pfadler, P. JungおよびS. Stanczakによる“Pulse-Shaped OTFS for V2X Short-Frame Commun. with Tuned One-Tap Equalization”WSA 2020; 24rd Int. ITG Workshop on Smart Antennas, 第１～６頁、ＶＤＥ、２０２０年。
［１５］Z. Prusa, P. L. Sondergaard, N. Holighaus, C. WiesmeyrおよびP. Balazsによる“The Large Time-Frequency Analysis Toolbox 2.0”Sound, Music, and Motion, LNCS、第４１９～４４２頁、Springer Int. Publishing、２０１４年。
［１６］S. Jaeckel, L. Raschkowski, K. BoernerおよびL. Thieleによる“QuaDRiGa: A 3D multi-cell channel model with time evolution for enabling virtual field trials”IEEE Trans. on Antennas and Propag.、第６２巻第６号第３２４２～３２５６頁、２０１４年。
［１７］R. HadaniおよびS. S. Rakibによる“OTFS methods of data channel characterization and uses thereof”２０１６年９月１３日、米国特許第９，４４４，５１４号明細書。
［１８］K. Groechenig, Foundations of time-frequency analysis. Springer Science & Business Media、２０１３年。
［１９］G. Matz, D. Schafhuber, K. Grochenig, M. HartmannおよびF. Hlawatschによる“Analysis, optimization, and implementation of low-interference wireless multicarrier systems”IEEE Trans. on Wireless Commun.、第６巻第５号第１９２１～１９３１頁、２００７年。
［２０］P. Raviteja, K. T. PhanおよびY. Hongによる“Embedded Pilot-Aided Channel Estimation for OTFS in Delay-Doppler Channels”IEEE Trans. on Vehicular Technol.、第１～１頁、２０１９年。
［２１］P. Belloによる“Characterization of randomly time-variant linear channels”IEEE Trans. on Commun. Syst.、第１１巻第４号第３６０～３９３頁、１９６３年。
［２２］P. Jung, W. Schueleおよび G. Wunderによる“Robust path detection for the LTE downlink based on compressed sensing”14th Int. OFDM-Workshop, Hamburg、２００９年。

直交時間周波数空間（ＯＴＦＳ）などの新しい変調方式は、将来の通信システムの難しい課題に取り組むものである。ＯＴＦＳの背景にある重要な着想は、遅延ドップラー表現と呼ばれる信号表現においてデータシンボルを多重化することである（たとえばＱＡＭ、直交振幅変調）。ＯＴＦＳは６Ｇ（第６世代移動通信システム）の有力候補である。

ＯＴＦＳは、古典的なパルス状のワイル－ハイゼンベルク（またはガボール）マルチキャリア方式と、特有の時間周波数（ＴＦ）拡散との将来有望な新しい組み合わせとして、Ｈａｄａｎｉ等により紹介された。データシンボルは、シンプレクティック有限フーリエ変換（ＳＦＦＴ）によって時間周波数グリッド全体に拡散される。この特別な線形プリコーディングは、時間周波数シフトの線形結合と見なされる時変性マルチパスチャネルの二重分散特性を考慮している。このような状況ではＯＴＦＳの性能がＯＦＤＭを凌ぐことが、いくつかの研究によって示されている。他の研究は、ＯＦＤＭと一般化周波数分割多重（ＧＦＤＭ）とＯＴＦＳとの性能比較に焦点を当てている。それによって明らかにされているのは、他のものに対しビット誤り率（ＢＥＲ）およびフレーム誤り率（ＦＥＲ）の点でＯＴＦＳには顕著な利点がある、ということである。十分な正確なチャネル情報によって、高性能の等化器を使用すれば、ハイモビリティユーザに対し信頼性およびロバスト性の点で将来有望な向上がもたらされる。これまでのところＯＴＦＳは、完全なグリッドマッチングであることを前提として、たいていは不確定性原理に違反する理想化されたパルスにより、多くの事例では（クロストークチャネル係数を含め）理想的なチャネル知識を用いて研究されてきた。

ＯＴＦＳは、第５世代移動通信システム（５Ｇ）の難しい課題に取り組む新たな変調方式である。ＯＴＦＳの背景にある重要な着想は、ＱＡＭ（直交振幅変調）またはＱＰＳＫ（四位相偏移変調）のシンボル（データ）を遅延ドップラー信号表現において多重化することである。チャネル等化を行う目的で、ワイヤレスチャネルを受信機において推定する必要がある。送信機においてパイロットを挿入することによって、これを行うことができる。チャネルを推定するために、先験的に既知のパイロットトーンを受信機によって使用することができる。米国特許出願公開第２０２０／０２５９６９２号明細書には、５Ｇシステムのために顕著な利点を有する新規の変調方式として、直交時間周波数空間（ＯＴＦＳ）が開示されている。この文献では、ＯＴＦＳの背景にある基本的な理論ならびにその利点が紹介されている。二重フェージング遅延ドップラーチャネルの数学的記述がなされており、このチャネルに合わせて作られた変調が開発されている。時間周波数領域における時変性遅延ドップラーチャネルがモデル化され、新たな領域（ＯＴＦＳ領域）が導出され、その際に示されているのは、チャネルが時不変性チャネルへと変換され、すべてのシンボルが同じＳＮＲを見込んでいることである。遅延分解能およびドップラー分解能のような変調の態様が研究され、複数のユーザの多重化および複雑性の評価といった設計および実装の問題についての取り組みが行われている。ＯＴＦＳの優位性を実証する性能結果が紹介されている。

米国特許出願公開第２０１７／０１４９５９４号明細書には、直交時間周波数空間通信および波形生成のためのシステムおよび方法が記載されている。この方法は、複数の情報シンボルを受信するステップと、これら複数の情報シンボル各々を時間と周波数の双方に関して拡散させることにより、複数の情報シンボルを含むＮ×Ｍ配列を変調シンボルの二次元配列になるよう符号化するステップとを含む。次いで変調シンボルの二次元配列が、Ｍ個の周波数サブバンド内に含まれるＭ個の相互に直交する波形を使用して送信される。

したがって難しい課題となるのは、種々の無線チャネル特性を考慮したエアインタフェースのための構成を規定することである。無線リンクコンフィギュレーションのために改善されたコンセプトが求められている。

この要求は、独立請求項の保護対象によって応えられている。

実施形態は、データベースに格納可能な事前定義されたＤＤＲセットの中から遅延ドップラー分解能ＤＤＲを選択することができる、という知見に基づいている。トランシーバの特性に基づき、適切なＤＤＲを選択することができる。

実施形態によれば、移動通信システムのトランシーバのために遅延ドップラー分解能ＤＤＲを決定する方法が提供される。この方法は、トランシーバの特性に関する情報を求めるステップと、トランシーバの特性に関する情報に基づきデータベースからＤＤＲを選択するステップとを含む。この方法は、移動通信システムにけるトランシーバとの無線通信のためにＤＤＲを使用するステップをさらに含む。実施形態によれば、トランシーバの特性に対しＤＤＲを適応化することができる。

この方法は、無線通信の通信性能に関する情報を求めるステップをさらに含むことができる。実施形態によれば、追跡された無線性能に基づきＤＤＲの継続的な改善または適応化を実現することができる。

いくつかの実施形態においてこの方法は、無線性能に基づきＤＤＲを改善するステップと、データベースを更新するステップとをさらに含むことができる。データベースを継続的に適応化することによって、複数のトランシーバが寄与して利益を得ることができるように、データベースの更新を共通に利用可能にすることができる。

たとえば、無線性能に基づくＤＤＲを改善するために、人工知能または機械学習を使用することができる。実施形態によれば、改善された適応型の無線性能を実現することができる。

通信性能に関する情報は、無線リンク上のサービス品質に関する情報を含むことができる。実施形態において、サービス品質を継続的に改善することができる。

通信性能に関する情報は、ＤＤＲについての無線リンク上のダイバーシティ利得に関する情報を含むことができる。ＤＤＲによって、無線チャネルにおいてどれだけの数のマルチパスを分解できるかを決定することができ、したがって可能性のあるダイバーシティ利得を決定することができる。

たとえば無線通信は、直交時間周波数空間ＯＴＦＳ多重化を使用することができる。実施形態によれば、高い効率の無線通信を実現することができる。

特性に関する情報は、トランシーバの速度に関する情報を含むことができる。トランシーバの速度は、無線チャネルにおいて可能性のあるドップラーシフトを求めるための効率的な基準尺度になり得るものである。

特性に関する情報は、トランシーバの地理的ポジションに関する情報を含むことができる。地理的ポジションに基づき、そのポジションに対する先行のチャネル特性を考慮することができる。

たとえば特性に関する情報は、トランシーバの予測軌跡に関する情報を含む。予測軌跡を、ＤＤＲ適応化のために無線チャネル特性を予測するための基礎として用いることができる。

特性に関する情報は、トランシーバの送信機設定および／または受信機設定に関する情報を含むことができる。実施形態において、無線リンク上で通信するトランシーバの種々の設定または能力を考慮することができる。

この方法は、トランシーバに対し時間リソースおよび周波数リソースをスケジューリングするステップをさらに含むことができ、選択するステップは、時間リソースおよび周波数リソースに基づきＤＤＲを選択するステップをさらに含むことができる。実施形態において、スケジューリングされた無線リソースにＤＤＲをさらに適応化させることによって、通信効率をさらに改善することができる。

いくつかの実施形態においてこの方法は、トランシーバからユーザデータを受信するステップをさらに含むことができ、このユーザデータは特性に関する情報を少なくとも部分的に含む。実施形態は、ＤＤＲを選択するために、たとえば無線能力および／または処理能力に基づき、ユーザにより提供されたデータを考慮することができる。

別の実施形態はコンピュータプログラムであって、このコンピュータプログラムは、コンピュータ、プロセッサまたはプログラミング可能なハードウェア構成部品においてこのコンピュータプログラムが実行されたときに、本明細書で説明する方法のうちの少なくとも１つを実施するためのプログラムコードを有する。

移動通信システムのトランシーバのために遅延ドップラー分解能ＤＤＲを決定する装置は、さらに別の実施形態である。この装置は、移動通信システムにおいて通信を行うためのトランシーバモジュールと、本明細書で説明する方法のうちの１つを実施するように構成された処理モジュールとを含む。さらなる実施形態は、上述の装置を含むワイヤレス通信システムのアクセスノード、および上述の装置を含むワイヤレス通信システムのためのユーザ側設備である。

その他のいくつかの特徴または態様について、単なる例示として装置または方法またはコンピュータプログラムまたはコンピュータプログラム製品の以下の非限定的な実施形態を用い、添付の図面を参照しながら説明する。

移動通信システムのトランシーバのために遅延ドップラー分解能を決定する方法の１つの実施形態を示すフローチャートである。 移動通信システムのトランシーバのために遅延ドップラー分解能を決定する装置の１つの実施形態を示すブロック図である。 直交時間周波数空間変換を使用した１つの実施形態を示す図である。 移動通信システムの基地局における遅延ドップラー分解能選択に関する１つの実施形態を示す図である。 １つの実施形態における例示的な直交時間周波数空間フレームを示す図である。 種々のＶ２Ｘシナリオについて１つの実施形態におけるビット誤り率を示す図である。

次に、いくつかの例示的な実施形態が示された添付の図面を参照しながら、様々な例示的な実施形態についてさらにたっぷりと説明する。図中、見やすくするために線、階層または領域の厚みが誇張されている場合もある。任意選択的な構成部品が、破線、鎖線または点線を用いて描かれている場合もある。

したがって例示的な実施形態は、様々な変形および択一的な形態を有することができるけれども、それらのうち複数の実施形態が例示として図面に示されており、本明細書で詳しく説明する。ただし、例示的な実施形態を開示された特定の形態に限定することは意図されておらず、それどころか例示的な実施形態は、本発明の枠内に入るあらゆる変形、等価物および代替物をカバーするものである、という点を理解されたい。図面の説明を通して、同じ参照符号は同じまたは同様の部材を指している。

本明細書で用いられる用語「または」は、（たとえば「またはさもなければ」あるいは「または択一的に」など）別途示唆されていない限り、非排他的な「または」を指している。さらに本明細書では、複数の要素間の関係を記述するために用いられる言葉は、別途示唆されていない限り、直接的な関係または介在する要素の存在を含むよう、広く解釈されたい。たとえば、ある要素が別の要素と「接続されている」または「結合されている」ものとして言及されたならば、その要素は他の要素と直接的に接続または結合されているかもしれないし、あるいは介在する要素が存在するかもしれない。これとは対照的に、ある要素が他の要素と「直接的に接続されている」または「直接的に結合されている」ものとして言及されたならば、介在する要素は存在しない。これと同様に、「の間に」、「の隣りに」および同類のものなどの言葉も同じように解釈されたい。

本明細書で用いられる専門用語は、特定の実施形態を説明する目的のためにすぎず、例示的な実施形態を限定することは意図されていない。本明細書で用いられる単数形の不定冠詞および定冠詞は、文脈によって別途明確に示唆されていない限り、複数形も同様に含むことを意図している。さらに自明のとおり、用語「有する」、「有している」、「含む」または「含んでいる」は、本明細書で用いられる場合には、記載された特徴、完全体、ステップ、オペレーション、要素または構成部品の存在を特定するが、１つまたは複数の他の特徴、完全体、ステップ、オペレーション、要素、構成部品またはそれらのグループの存在または追加を排除するものではない。

別途定義されていない限り、本明細書で用いられる（技術用語および科学用語を含む）すべての用語は、例示的な実施形態が属する技術分野の当業者によって一般的に理解されるものと同じ意味を持つ。さらに自明のとおり、たとえば一般的に使用される辞書に定義されているような用語は、関連技術分野の文脈におけるそれらの意味と矛盾がない意味を持つものと解釈されるべきであり、本明細書で特に定義されていない限り、理想化されたまたは過度に形式的な意味で解釈されるものではない。

本開示の実施形態は、基地局およびモバイルトランシーバなどのワイヤレス通信装置、ならびに対応する方法、装置およびコンピュータプログラムに関する。以下では、２つのワイヤレス通信装置すなわちワイヤレストランシーバが、互いに通信するものであることを前提とすることができ、たとえばそれらを２つのモバイルトランシーバ、または１つの基地局および１つの移動トランシーバであるとすることができる。この通信は通常、（ワイヤレス）チャネルを介して２つのワイヤレス通信装置の間で交換されるワイヤレス送信を使用して実施される。少なくともいくつかの実施形態において、このチャネルが二重分散チャネルであることを前提とすることができる。

いわゆるデータフレームを使用して通信を実施することができ、このデータフレームを、１つまたは複数の以上のタイムスロットを使用し、かつ１つまたは複数の搬送波周波数を使用して、時間周波数平面において送信される（送信信号を取得するために時間領域にマッピングまたは変換される）ものと考えることができ、この場合、タイムスロットは、時間周波数平面の時間次元にわたり広がっており、搬送波周波数は、時間周波数平面の周波数次元にわたり広がっている。この時間周波数平面を使用して、時間次元および周波数次元を介して広がる（論理）グリッドをモデリングすることができる。これは、データフレームの送信中にタイムスロットおよびキャリア周波数にマッピングされる論理構造である。一般に時間周波数平面におけるこのグリッドは、データフレームの送信に使用される帯域幅範囲と、フレームの送信に使用される時間（時間は１つまたは複数のタイムスロットに細分化されている）とによって画定される。したがって実施形態において、ワイヤレス通信リンクを介して送信されるデータフレーム各々を、時間次元分解能と周波数次元分解能とを有する時間周波数平面における二次元グリッドに基づき送信することができる。

（時間周波数平面および遅延ドップラー平面における）グリッドを使用して、信号を表現することができる。マルチキャリア送信方式のワイヤレス通信システムの場合、計算により実行可能な等化器が、時間周波数グリッドのミスマッチによる悪影響を受ける可能性がある。ガボール合成および分析パルスをチャネルの遅延拡散およびドップラー拡散と完全にグリッドマッチングさせることによって、パリティを達成することができる。ただしこれは実際には、ユーザのモビリティが変化し、それに応じてチャネルが変化することに起因して、達成されない場合がある。これによって、性能劣化（誤り率の増大）が引き起こされる可能性がある。ＯＴＦＳ、ＯＦＤＭおよびＦＢＭＣといったマルチキャリア送信方式のワイヤレス通信システムに関する理論的研究においては、完全なグリッドマッチングが前提とされるため、多くの事例ではこのことは、グリッドのミスマッチによって引き起こされる可能性がある。残念ながらグリッドのミスマッチによって、重大な性能劣化が引き起こされる可能性がある。

改善された性能を得るために、ワイヤレス通信装置間の通信のために使用されるチャネルにマッチングした、時間周波数平面におけるグリッドに対する時間分解能および周波数分解能を選択することができる。ワイヤレス通信装置間の通信のために使用されるチャネルにマッチングした、時間周波数平面におけるグリッドに対するかかる時間分解能および周波数分解能を、ワイヤレス通信リンクを介した通信のための理想的な時間周波数グリッドコンフィギュレーションと称することができる。たとえば種々のシナリオにおいて、チャネルを介して送信される信号が、それぞれ異なる量の遅延拡散およびドップラー拡散を受け取る可能性がある。かかる種々のチャネルを考慮するために、チャネルの個々の特性が考慮されるようにグリッドを選択することができる。相対速度が比較的低い場合には、時間領域においていっそう低い分解能が必要とされる可能性があり、比較的大きな遅延が発生する場合には、周波数領域においていっそう高い分解能が望まれる可能性がある。たとえば比較的高い相対速度では、時間次元においていっそう高い分解能（すなわちいっそう多くのポイント）を有するグリッドが有利となる可能性がある（これによりいっそう高いドップラー拡散が可能となる）のに対し、比較的低い相対速度では、周波数次元においていっそう高い分解能（すなわちいっそう多くのポイント）を有するグリッドが有利となる可能性がある。

図１には、移動通信システムのトランシーバのために遅延ドップラー分解能ＤＤＲを決定する方法１０のブロック図が示されている。方法１０は、トランシーバの特性に関する情報を求めるステップ１２と、トランシーバの特性に関する情報に基づきデータベースからＤＤＲを選択するステップ１４とを含む。方法１０は、移動通信システムにおけるトランシーバとの無線通信のためにＤＤＲを使用するステップ１６をさらに含む。

図２には、移動通信システムのトランシーバ２００のために遅延ドップラー分解能を決定する装置２０の１つの実施形態のブロック図が示されている。装置２０は、移動通信システムにおいて通信を行うためのトランシーバモジュール２２と、トランシーバモジュール２２と結合された処理モジュール２４とを含み、この処理モジュール２４は、本明細書で説明する方法のうちの少なくとも１つを実施するように構成されている。図２には、装置２０を含むトランシーバ２００の１つの実施形態も示されている。トランシーバ２００を、アクセスノード、基地局、ユーザ側設備、移動局などとすることができる。

トランシーバモジュール２２は、モジュール内、モジュール間、または種々のエンティティのモジュール間で、特定の符号によるディジタル（ビット）値とすることができる情報を受信および／または送信するための、１つまたは複数の入力部および／または出力部に対応するものとすることができる。たとえばトランシーバモジュール２２は、情報を受信および／または送信するように構成されたインタフェース回路を含むことができる。実施形態においてトランシーバモジュール２２を、アナログまたはディジタルの信号または情報を取得、受信、送信または供給するための任意の手段に相当させることができ、たとえば任意のコネクタ、コンタクト、ピン、レジスタ、入力ポート、出力ポート、導体、レーンなどに相当させることができ、これによって信号または情報を供給または取得することができる。トランシーバモジュールは、ワイヤレスまたは有線の方式で通信を行うことができ、このモジュールを、さらに別の内部または外部の構成部品と通信を行うように、すなわち信号、情報を送信および／または受信するように、構成することができる。トランシーバモジュール２２はさらに、移動通信システム３００におけるしかるべき通信を可能にする構成部品を含むことができ、かかる構成部品は、トランシーバ（送信機および／または受信機）構成部品を含むことができ、たとえば１つまたは複数のローノイズ増幅器（ＬＮＡ）、１つまたは複数の電力増幅器（ＰＡ）、１つまたは複数のデュプレクサ、１つまたは複数のダイプレクサ、１つまたは複数のフィルタまたはフィルタ回路、１つまたは複数のコンバータ、１つまたは複数のミキサ、しかるべく適応化された無線周波数構成部品などを含むことができる。

トランシーバモジュール２２を、１つまたは複数のアンテナと結合することができ、このアンテナを、任意の送信アンテナおよび／または受信アンテナ、たとえばホーンアンテナ、ダイポールアンテナ、パッチアンテナ、セクタアンテナなどに相当させることができる。アンテナを、規定された幾何学的セッティングで配置することができ、たとえば均一なアレイ、直線的なアレイ、円形のアレイ、三角形のアレイ、均一なフィールドアンテナ、フィールドアレイ、これらの組み合わせなどで配置することができる。いくつかの実施例においてトランシーバモジュール２２は、情報の送信または受信あるいは情報の送信および受信の双方の目的を果たすことができる。

１つまたは複数の処理ユニット、１つまたは複数の処理デバイス、処理のための任意の手段、たとえばプロセッサ、コンピュータ、またはしかるべく適応化されたソフトウェアによって稼働させることのできるプログラミング可能なハードウェア構成部品などを用いて、処理モジュール２４を実装することができる。換言すれば、制御／処理モジュール２４の既述の機能を、同様にソフトウェアとして実装することもでき、この場合であればソフトウェアは、１つまたは複数のプログラミング可能なハードウェア構成部品において実行される。かかるハードウェア構成部品は、汎用プロセッサ、ディジタル信号プロセッサ（ＤＳＰ）、マイクロコントローラなどを含むことができる。

トランシーバ２００を、移動通信システムの基地局、中継局またはモバイルデバイスとすることができる。基地局または基地局トランシーバを、１つまたは複数のアクティブなモバイルトランシーバと通信するように動作可能なものとすることができ、さらに基地局トランシーバを、他の基地局トランシーバのサービスエリア内に、たとえばマクロセル基地局トランシーバまたはスモールセル基地局トランシーバのサービスエリア内に、またはそれと隣接して、配置することができる。したがって実施形態によれば、１つまたは複数のモバイルトランシーバおよび１つまたは複数の基地局トランシーバを含む移動通信システムを提供することができ、その際に基地局トランシーバは、たとえばピコセル、メトロセルまたはフェムトセルのようなマクロセルまたはスモールセルを確立することができる。モバイルトランシーバを、スマートフォン、セルフォン、ユーザ側設備、無線設備、モバイル、移動局、ラップトップ、ノートブック、パーソナルコンピュータ、パーソナルディジタルアシスタント（ＰＤＡ）、汎用シリアルバス（ＵＳＢ）スティック、Ｄ２Ｄ通信用のモバイル中継トランシーバなどに相当させることができる。モバイルトランシーバを、３ＧＰＰ（Third Generation Partnership Project）の専門用語に従いユーザ側設備（ＵＥ）またはモバイルと称する場合もある。

基地局トランシーバを、ネットワークまたはシステムの固定された部分または定置部分に配置することができる。基地局トランシーバを、リモート無線ヘッド、送信ポイント、アクセスポイント、無線設備、マクロセル、スモールセル、マイクロセル、フェムトセル、メトロセルなどに相当させることができる。基地局トランシーバを、無線ベアラまたは端末／モバイルトランシーバと無線アクセスネットワークとの間のエアインタフェースを介した接続を終端するノード／エンティティの論理的概念として理解される基地局に相当させることができる。基地局トランシーバを、有線ネットワークのワイヤレスインタフェースとすることができ、これによってＵＥまたはモバイルトランシーバへの無線信号の送信が可能となる。かかる無線信号を、たとえば３ＧＰＰにより標準化された、または一般的には先に列挙されたシステムのうちの１つまたは複数に従った、無線信号に準拠させることができる。したがって基地局トランシーバを、ＮｏｄｅＢ、ｅＮｏｄｅＢ、ベーストランシーバ基地局（ＢＴＳ）、アクセスポイント、リモート無線ヘッド、送信ポイント、中継トランシーバなどに相当させることができ、これらをさらにリモートユニットと中央ユニットとに分割することができる。

モバイルトランシーバ１００を、基地局トランシーバまたはセルに関連づけることができ、基地局トランシーバまたはセルと共に一時的に設置することができ、または基地局トランシーバまたはセルと共に登録することができる。用語「セル」とは、基地局トランシーバ、たとえばＮｏｄｅＢ（ＮＢ）、ｅＮｏｄｅＢ（ｅＮＢ）、リモート無線ヘッド、送信ポイントなど、により提供される無線サービスのサービスエリアのことを指す。基地局トランシーバは、１つまたは複数のセルを１つまたは複数の周波数レイヤにおいて動作させることができ、いくつかの実施形態において１つのセルを１つのセクタに相当させることができる。たとえばセクタを、リモートユニットまたは基地局トランシーバの周囲の所定の角度セクションをカバーする特性を提供するセクタアンテナを使用して、達成することができる。いくつかの実施形態において、基地局トランシーバは、たとえば３個または６個のセルを動作させることができ、これらのセルは１２０°（３個のセルの事例）、６０°（６個のセルの事例）のセクタをそれぞれカバーする。基地局トランシーバは、セクタに分けられた複数のアンテナを動作させることができる。以下では、１つのセルが、セルまたは同様のものを生成する１つのしかるべき基地局トランシーバを表す場合もあり、１つの基地局トランシーバが、基地局トランシーバが生成する１つのセルを表す場合もある。

移動通信システムをたとえば、Third Generation Partnership Project（３ＧＰＰ）標準による移動通信ネットワークのうちの１つに相当させることができ、ここで用語「移動通信システム」は、移動通信ネットワークと同義的に用いられる。移動通信システムまたはワイヤレス通信システムを、第５世代（５Ｇ）および／または第６世代（６Ｇ）の移動通信システムに相当させることができ、このシステムはミリ波技術を用いることができる。移動通信システムを以下に相当させることができ、または移動通信システムは以下を含むことができる。すなわちたとえば、Long-Term Evolution（ＬＴＥ）、LTE-Advanced（ＬＴＥ－Ａ）、High Speed Packet Access（ＨＳＰＡ）、Universal Mobile Telecommunication System（ＵＭＴＳ）またはUMTS Terrestrial Radio Access Network（ＵＴＲＡＮ）、evolved-UTRAN（ｅ－ＵＴＲＡＮ）、Global System for Mobile communication（ＧＳＭ）またはEnhanced Data rates for GSM Evolution（ＥＤＧＥ）network、GSM/EDGE Radio Access Network（ＧＥＲＡＮ）、あるいは以下の種々の標準による移動通信ネットワークたとえば、Worldwide Inter-operability for Microwave Access（ＷＩＭＡＸ）network IEEE802.16またはWireless Local Area Network（ＷＬＡＮ）IEEE802.11、一般的には直交時間周波数空間（ＯＴＦＳ）システム、直交周波数分割多元接続（ＯＦＤＭＡ）ネットワーク、時分割多元接続（ＴＤＭＡ）ネットワーク、符号分割多元接続（ＣＤＭＡ）ネットワーク、広帯域ＣＤＭＡ（ＷＣＤＭＡ）ネットワーク、周波数分割多元接続（ＦＤＭＡ）ネットワーク、空間分割多元接続（ＳＤＭＡ）ネットワークなど。

以下では、１つの実施形態においてＯＴＦＳシステムについて説明することにする。送信帯域幅Ｂ＝ＭΔｆは遅延分解能Δτに反比例し、送信期間Ｔ＝ＮΔτはドップラー分解能Δνに反比例する。
・ドップラー分解能：Δν＝１／Ｔ、
・遅延分解能：Δτ＝１／Ｂ、
ここでＮは、時間シンボル（ＴＦ（時間周波数）領域内）またはドップラーシンボル（ＤＤ（遅延ドップラー）領域内）の個数であり、Ｍは、サブキャリアシンボル（ＴＦ領域内）または遅延シンボル（ＤＤ領域内）の個数である。図３にはこのことが示されている。図３には、直交時間周波数空間変換を使用した１つの実施形態が示されている。図３には、ＭｘＮ個のＤＤグリッドが示されており、遅延分解能はＭΔτであり、ドップラー分解能はＮΔνである。時間周波数（ＴＦ）領域とＤＤ領域との間の変換には、二次元のシンプレクティック高速フーリエ変換（２Ｄ ＳＦＦＴ）を使用することができる。図３には、１／（ＭΔτ）の周波数分解能と１／（ＮΔν）の時間分解能とを有する、相応のＮ×Ｍ個のＴＦグリッドが示されている。

一例として、ＴＦ＝１およびＮ＝Ｍ＝６４の時間周波数積を、Ｌ＝４０９６のフィルタバンク長によって定義することができる。後で詳しく説明するいわゆるモビリティモードとは異なり、帯域幅ひいてはドップラー分解能を変化させることができる。モビリティモードに関する上述の記載によれば、自己干渉は低減されるけれども、遅延ドップラー分解能は各モビリティモードについて同じである。

実施形態によれば、ＯＴＦＳの最大の／改善されたダイバーシティ利得を実現する目的で、理想的なまたは改善されたドップラー分解能および遅延分解能を見つけ出すことができる。チャネルのジオメトリを捕捉し、最大のダイバーシティ利得を得るために、最良の／改善されたドップラー分解能および遅延分解能を選択することができる。なお、ダイバーシティとは、遅延次元またはドップラー次元のいずれかにおいて分離可能なマルチパス成分の個数のことを表す点に留意されたい。実施形態によれば、理想的なまたは改善された遅延ドップラー分解能（ＤＤＲ）を通信システムが見つける／選択することが可能となるようにすることができる。以下の実施形態において無線通信は、直交時間周波数空間ＯＴＦＳ多重化を使用することができる。

図４には、移動通信システム３００の基地局２００における遅延ドップラー分解能選択に関する１つの実施形態が示されている。基地局は、１つのセル内において複数のユーザにサービスし、上述の装置２０の１つの実施形態を含む。この装置２０の処理モジュール２４は、スケジューラ／リソース割り当てモジュール２４ａおよびＤＤＲ選択モジュール２４ｂを含む。さらなる実施形態において、これらを処理モジュール２４の一部として、または処理モジュール２４の外部で、実装することができる。さらに装置２０はデータベース２６を含み、これは任意のストレージまたはメモリを含むことができる。この実施形態において基地局２００は、特有のユーザ特性、通信シナリオおよび環境に対して最良のＤＤＲを学習する。図４に示したモジュールを使用して、理想的な／改善されたＤＤＲを決定することができる。核となる構成要素はＤＤＲ選択モジュール２４ｂである。さらに、モジュール間のインタラクションについていっそう詳しく説明する：

データベースモジュール２６：

Ｉ．データベース２６は、地理的３Ｄ無線マップを格納または保持することができる。

ＩＩ．データベース２６は、ユーザ速度、使用されるＤＤＲの地理的ポジション、ＴＸ設定およびＲＸ設定の特性（たとえばポジション、アンテナのタイプおよび個数）といったユーザデータを格納することができる。

ＩＩＩ．データベース２６はさらに、たとえば達成されたビット誤り率（ＢＥＲ）、スループット、フレーム誤り率（ＦＥＲ）、ダイバーシティ順序など、取得された性能に関する情報を格納することができる。

ＩＶ．データベース２６は、たとえば何らかの人工知能（ＡＩ）および／または機械学習（ＭＬ）の支援により、性能情報ＩＩＩへのユーザ特性（ＩＩ）のマッピングを提供することができ、このマッピングを３Ｄマップ（Ｉ）に格納することができる。

ＤＤＲ選択モジュール２４ｂ：

Ｉ．ＤＤＲ選択部２４ｂを、ユーザ特性を判定するように構成することができる。たとえば方法１０は、トランシーバからユーザデータを受信するステップを含むことができる。ユーザデータは、特性に関する情報を少なくとも部分的に含むことができる。
ａ．ユーザは、特定の速度ならびに予測されたまたは既知の今後の速度（たとえば車両軌跡）を有する。特性に関する情報は、トランシーバの速度に関する情報を含む。特性に関する情報は、トランシーバの予測軌跡に関する情報を含むことができる。
ｂ．地理的ポジションならびに予測されたまたは既知の今後の速度（たとえば車両軌跡）。特性に関する情報は、トランシーバの地理的ポジションに関する情報を含む。
ｃ．ＴＸ設定およびＲＸ設定の特性。特性に関する情報は、トランシーバの送信機設定および／または受信機設定に関する情報を含むことができる。

ＩＩ．ＤＤＲ選択部２４ｂを、データベース２６からの情報に基づき（改善された／理想的な）ＤＤＲを選択するように構成することができる。

ＩＩＩ．ＤＤＲ選択部２４ｂを、性能に関するフィードバックを供給してデータベース２６を更新するように構成することができる。方法１０は、無線通信の通信性能に関する情報を求めるステップを含む。よって、無線性能およびデータベースの更新に基づき、ＤＤＲを経時的に改善することができる。無線性能に基づくＤＤＲ選択を改善するために、人工知能を使用することができる。たとえば通信性能に関する情報は、無線リンク上のサービス品質に関する情報を含む。通信性能に関する情報は、ＤＤＲについての無線リンク上のダイバーシティ利得に関する情報を含むことができる。かかる情報は、ＤＤＲ選択の改善に役立つ可能性がある。

スケジューラおよびリソース割り当てモジュール２４ａ：

Ｉ．スケジューラおよびリソース割り当て部２４ａを、標準スケジューラとして動作するように構成することができる。

ＩＩ．スケジューラおよびリソース割り当てモジュール２４ａを、ユーザデータを受け取るように構成することができる。

ＩＩＩ．スケジューラおよびリソース割り当てモジュール２４ａを、データベース２６にユーザデータを格納するように構成することができる。

ＩＶ．スケジューラおよびリソース割り当てモジュール２４ａを、特定のユーザのために「ＤＤＲ選択」モジュールから、理想的なＤＤＲ（および代替的なＤＤＲ）を要求するように構成することができる。

Ｖ．スケジューラおよびリソース割り当てモジュール２４ａを、理想的なＤＤＲおよびリソースの可用性に基づき特定のユーザにＤＤＲを割り当てるように構成することができる。この実施形態において方法１０は、トランシーバに対し時間リソースおよび周波数リソースをスケジューリングするステップをさらに含み、選択するステップ１４は、時間リソースおよび周波数リソースに基づきＤＤＲを選択するステップをさらに含む。

ワイヤレスメッセージを送信するために、トランシーバ（基地局およびＵＥ）によってワイヤレス通信リンクが使用される。両端部において、ワイヤレス通信リンクを介した通信を、ワイヤレス通信リンクを介してワイヤレスメッセージを送信および受信するために他方の端部によっていずれのコンフィギュレーション（または複数の事前定義されたコンフィギュレーション）が使用されているのかの知識に基づくものとすることができる（この場合、送信と受信とに使用されるコンフィギュレーションは同じであるか、または送信と受信とにそれぞれ異なるコンフィギュレーションが使用される）。したがってトランシーバのうちの一方が、代替的なコンフィギュレーションのうちの１つに切り替えることを決定したならば、その別のコンフィギュレーションへの切り替えについて他方のトランシーバに通知することができる。換言すればこの方法は、コンフィギュレーションを切り替える前に、コンフィギュレーションの切り替えが差し迫っていることを、第１および第２のトランシーバのうちの他方に通知するステップを含むことができる。たとえば、他方のトランシーバに通知するために、この他方のトランシーバへのワイヤレス通信リンクを介して、通知メッセージを送信することができる。

実施形態を、３ＧＰＰによって規定されたものなどのような特定の標準仕様に準拠させることができ、またはそれに含めることさえもできる。コンフィギュレーション情報をたとえば、シグナリング無線ベアラを使用して、たとえば無線リソース制御（ＲＲＣ）メッセージによって、伝達することができ、このＲＲＣメッセージはたとえば、３ＧＰＰの＊．３３１シリーズにおいてレイヤ３制御平面メッセージとして規定されている。たとえばＤＤＲによる物理層の規定およびその他の物理層の規定も、たとえば３ＧＰＰ仕様における＊．２０１、＊．２１１、＊．２１２、＊．２１３、＊．２１４、＊．２１６シリーズも、本実施形態によって影響が及ぼされる可能性がある。

少なくともいくつかの実施例は、機械学習モデルまたは機械学習アルゴリズムの使用に基づくものである。機械学習とは、コンピュータシステムが、明示的な命令を使用することなく、その代わりにモデルおよび推論に依拠して、特定のタスクを実行するために使用することができるアルゴリズムおよび統計モデルのことを指す。たとえば機械学習においては、ルールベースのデータ変換の代わりに、過去のデータおよび／またはトレーニングデータの分析から推論されるデータ変換を用いることができる。たとえば画像コンテンツを、機械学習モデルを用いて、または機械学習アルゴリズムを用いて、分析することができる。機械学習モデルのために画像コンテンツを分析する目的で、入力としてのトレーニング画像と出力としてのトレーニングコンテンツ情報とを用いて、機械学習モデルをトレーニングすることができる。多数のトレーニング画像および関連づけられたトレーニングコンテンツ情報を用いて機械学習モデルをトレーニングすることにより、機械学習モデルは、画像コンテンツを認識することを「学習」し、したがってトレーニング画像に含まれていない画像コンテンツを、機械学習モデルを用いて認識することができる。同じ原理を、同様に他の種類のセンサデータのためにも使用することができる：トレーニングセンサデータと所望の出力とを使用して機械学習モデルをトレーニングすることによって、機械学習モデルは、センサデータと出力との間の変換を「学習」し、この出力を、機械学習モデルに供給された非トレーニングセンサデータに基づき出力を供給するために使用することができる。

機械学習モデルは、トレーニング入力データを使用してトレーニングされる。上述の例は、「教師あり学習」と称されるトレーニング方法を使用する。教師あり学習の場合、機械学習モデルは、複数のトレーニングサンプルを使用してトレーニングされ、その際に各サンプルは、複数の入力データ値と、複数の所望の出力値とを含むことができ、つまり各トレーニングサンプルは、所望の出力値と関連づけられている。トレーニングサンプルと所望の出力値の双方を規定することによって、機械学習モデルは、トレーニング中に供給されたサンプルに類似する入力サンプルに基づき、いずれの出力値を供給するのかを「学習」する。教師あり学習とは別に、半教師あり学習を使用することができる。半教師あり学習の場合、トレーニングサンプルの一部には、対応する所望の出力値がない。教師あり学習を教師あり学習アルゴリズムに基づくものとすることができ、たとえば分類アルゴリズム、回帰アルゴリズムまたは類似度学習アルゴリズムに基づくものとすることができる。分類アルゴリズムを使用することができるのは、出力が制限された値集合に限られている場合であり、つまり入力が制限された値集合のうちの１つの値に分類される場合である。回帰アルゴリズムを使用できるのは、出力が（所定の範囲内の）任意の数値を有する可能性がある場合である。類似度学習アルゴリズムは、分類アルゴリズムと回帰アルゴリズムの双方に類似しているけれども、２つの物体がどの程度類似または関連しているのかを測定する類似度関数を使用してサンプルから学習することに基づく。

教師あり学習または半教師あり学習とは別に、教師なし学習を使用して機械学習モデルをトレーニングすることができる。教師なし学習の場合には、（単に）入力データを供給すればよく、たとえば入力データをグルーピングまたはクラスタリングし、データに共通性を見つけ出すことによって、入力データにおける構造を見つけ出すために、教師なし学習アルゴリズムを使用することができる。クラスタリングとは、複数の入力値を含む入力データを複数の部分集合（クラスタ）に割り当てることであり、したがって同じクラスタ内の入力値は、１つまたは複数の（事前定義された）類似度判定基準に従い類似している一方、別のクラスタに含まれている入力値とは類似していない。

強化学習は機械学習アルゴリズムの第３のグループである。換言すれば、強化学習を使用して機械学習モデルをトレーニングすることができる。強化学習において、１つまたは複数のソフトウェアアクタ（「ソフトウェアエージェント」と称される）が、ある１つの環境においてアクションを取るようにトレーニングされる。取られたアクションに基づき報酬が計算される。強化学習の基礎を成すのは、（報酬の増加が証拠となるように）累積する報酬が増やされ、その結果、与えられたタスクにおいていっそう良くなるソフトウェアエージェントが得られるようアクションを選択するように、１つまたは複数のソフトウェアエージェントをトレーニングする、ということである。

一般に長・短期記憶（ＬＳＴＭ）を、教師あり学習アルゴリズムを用いてトレーニングすることができ、それというのもＬＳＴＭは、所望の変換を生成するために最も適切なＬＳＴＭ内の重みの組み合わせを見つけるために、勾配降下法といった技術を用いてトレーニングサンプルと所望の出力とを規定することによって学習するからである。提案されたコンセプトの場合、ＬＳＴＭの入力部に拡散関数を設けることができ、拡散関数の所望の重み付けを所望の出力として供給することができる。択一的にまたは付加的に、トレーニングを強化学習方式のアプローチに組み込むことができ、この場合、予測されたＳＩＮＲと（たとえば測定されたまたはシミュレートされた）実際のＳＩＮＲとの間の発散に基づく報酬関数をベースとする強化学習を使用して、重み付けが変更される。様々な実施例において、たとえば（拡散関数の）時系列データ履歴を使用し、時系列データのサンプルの１つの窓（すなわち拡散関数の１つのシーケンス）をトレーニングサンプルとして、後続のサンプル（すなわち後続の拡散関数）を所望の出力として供給することによって、時系列予測のためにＬＳＴＭをトレーニングすることができる。

機械学習アルゴリズムは通常、機械学習モデルをベースとしている。換言すれば、「機械学習アルゴリズム」という用語は、機械学習モデルを作成、トレーニングまたは使用するために用いることができる命令セットを意味することができる。「機械学習モデル」という用語は、たとえば機械学習アルゴリズムによって実行されるトレーニングに基づき学習した知識を表現する、データ構造および／またはルールセットを意味することができる。実施形態において、機械学習アルゴリズムの利用は、基礎となる１つの機械学習モデル（または基礎となる複数の機械学習モデル）の利用という意味を暗黙的に含むことができる。機械学習モデルの利用は、機械学習モデルおよび／または機械学習モデルであるデータ構造／ルールセットが機械学習アルゴリズムによってトレーニングされる、という意味を暗黙的に含むことができる。

たとえば機械学習モデルを、人工ニューラルネットワーク（ＡＮＮ）とすることができる。ＡＮＮは、脳内で見られるような生物学的神経網から着想を得たシステムである。ＡＮＮは、相互接続された複数のノードと、これらのノード間の複数の接続いわゆるエッジとを含む。通常は３つのタイプのノードすなわち、入力値を受け取る入力ノードと、他のノードに（単に）接続されている隠れノードと、出力値を供給する出力ノードとが存在する。各ノードは、１つの人工ニューロンを表すことができる。各エッジは、１つのノードから別のノードへ情報を送信することができる。ノードの出力を、その入力の和の（非線形）関数として定義することができる。ノードの入力を、入力を供給するエッジまたはノードの「重み」に基づく関数において使用することができる。ノードおよび／またはエッジの重みを、学習プロセスにおいて調節することができる。換言すれば、人工ニューラルネットワークのトレーニングは、人工ニューラルネットワークのノードおよび／またはエッジの重みを調節することを含み、つまりこれによって所与の入力に対し所望の出力が達成される。少なくともいくつかの実施形態において、機械学習モデルをディープニューラルネットワークとすることができ、たとえば隠れノード（すなわち隠れ層）の１つまたは複数の層を含む、好ましくは隠れノードの複数の層を含むニューラルネットワークとすることができる。

択一的に、機械学習モデルをサポートベクターマシンとすることができる。サポートベクターマシン（すなわちサポートベクターネットワーク）は、たとえば分類または回帰分析においてデータを分析するために使用可能な関連する学習アルゴリズムを用いた、教師あり学習モデルである。２つのカテゴリのうちの一方に属する複数のトレーニング入力値を有する入力を供給することによって、サポートベクターマシンをトレーニングすることができる。２つのカテゴリのうちの一方に新たな入力値を割り当てるように、サポートベクターマシンをトレーニングすることができる。択一的に機械学習モデルをベイジアンネットワークとすることができ、これは確率的有向非巡回グラフィカルモデルである。ベイジアンネットワークは、確率変数の集合と、有向非巡回グラフを用いたそれらの条件付き依存性を表現することができる。択一的に、機械学習モデルを遺伝的アルゴリズムに基づくものとすることができ、このアルゴリズムは探索アルゴリズムであり、自然淘汰の過程を模倣した発見的技術である。

以下では、１つの実施例によるモビリティモードに対するより詳細な命令について説明する。直交時間周波数空間（ＯＴＦＳ）変調は、シンプレクティック有限フーリエ変換（ＳＦＦＴ）を用いた付加的な時間周波数（ＴＦ）拡散を伴うパルス状のガボールシグナリング方式である。十分な量の正確なチャネル情報および高度な等化器によって、ハイモビリティユーザのためにロバスト性の観点から性能の向上が約束される。ＯＴＦＳにおけるダイバーシティを完全に活用するために、線形等化器により実装される２Ｄ逆畳み込みによって、二重分散チャネルのオペレーションをほぼ反転させるべきであるが、これはねじれた畳み込みである。理論的にはこれは、第１のステップにおいて、ＴＦグリッドおよびガボール合成ならびに分析パルスをチャネルの遅延拡散およびドップラー拡散にマッチングさせることによって達成される。しかしながら実際には、遅延ドップラー（ＤＤ）拡散における高い粒度のサポートと、マルチユーザおよびネットワークの観点との間で常にバランスを取らなければならない。

種々の二重分散チャネルに対して特有のグリッドおよびパルスのマッチングを用いるモビリティモードが提案される。残存自己干渉を考慮するために、最小平均二乗誤差（ＭＭＳＥ）線形等化器を、チャネルクロストーク係数を推定する必要なく調整することができる。ＱｕａＤＲｉＧａチャネルシミュレータと、直交化ガウスパルスのための多相の実装に基づくＯＴＦＳトランシーバアーキテクチャとを用いて、提案されたアプローチが評価された。これに加え、ＯＴＦＳが、ＩＥＥＥ８０２．１１ｐに準拠したサイクリックプレフィックス（ＣＰ）方式の直交周波数分割多重（ＯＦＤＭ）の設計と比較される。この結果が表しているのは、適切なモビリティモードによれば、潜在的なＯＴＦＳ利得を線形等化器によって実際に達成することができ、これによってＯＦＤＭを著しく凌ぐ性能がもたらされる、ということである。

vehicle-to-everything（Ｖ２Ｘ）通信のようなハイモビリティ通信シナリオにおける信頼性および効率に対する厳しい要件により、レガシーシステムはそれらの限界に近づきつつある。直交周波数分割多重（ＯＦＤＭ）は、広く使用されている変調方式であるが、ドップラー拡散が大きいシナリオでは、著しい性能劣化およびフレキシビリティ欠如による悪影響を受ける［１］。その結果、二重分散チャネルにおいてフレキシブルで効率的かつロバストな新規の変調方式の開発が必要とされている。

直交時間周波数空間（ＯＴＦＳ）の波形は、古典的なパルス状のワイル－ハイゼンベルク（またはガボール）マルチキャリア方式と特有の時間周波数（ＴＦ）拡散との将来有望な組み合わせとして、Ｈａｄａｎｉ等［２］により紹介された。データシンボルは、シンプレクティック有限フーリエ変換（ＳＦＦＴ）によってＴＦグリッド全体に拡散される。この特別な線形プリコーディングは、ＴＦシフトの線形結合と見なされる時変性マルチパスチャネルの二重分散特性を考慮している。かかる状況ではＯＴＦＳの性能がＯＦＤＭを凌ぐことが、いくつかの研究によって示されている［３］，［４］，［５］。別の研究活動は、ＯＦＤＭと一般化周波数分割多重（ＧＦＤＭ）とＯＴＦＳとの性能比較に焦点を当てている［６］。それによって明らかにされているのは、他のものに対しビット誤り率（ＢＥＲ）およびフレーム誤り率（ＦＥＲ）の点でＯＴＦＳには顕著な利点がある、ということである。しかしながらこれまでの研究では、完全なグリッドマッチングであることが前提とされ、不確実性原理に違反する理想化されたパルスをたいていは用いたＯＴＦＳに主として焦点が当てられてきた。多くの事例において、クロストークチャネル係数を含む理想的なチャネル知識が前提とされる。

種々の二重分散通信チャネルによって、特有の遅延ドップラー（ＤＤ）拡散およびダイバーシティ特性がもたらされる。そのうち特に単一分散の事例は時不変性または周波数不変性のチャネルであり、詰まるところこれらはそれぞれ単純な周波数分割通信方式または時分割通信方式である。いくつかのハイモビリティシナリオの場合にはチャネルは、時間領域と周波数領域の双方で分散性になる。特にＶ２Ｘチャネルは、双方の領域においてそれらの散逸が異なる。通信シナリオに依存して、特有の拡散領域が形成される：

ここでＢ，Ｌ，νおよびτは、それぞれ帯域幅、信号長、ドップラー拡散および遅延拡散である。二重分散チャネルに対処する目的で、送信機において使用される合成パルス、受信機において使用される分析パルス、およびそれらのＴＦグリッドを、Ｕにマッチさせることができる［７］，［８］，［９］。一般的な手法は、広義定常無相関散乱（ＷＳＳＵＳ）であるという前提の下でのチャネル散乱関数に関して、時間および周波数のシフトＴとＦとの比ならびにガボールパルスのＴＦ拡散σ_ｔとσ_ｆとの比を設計することである：

ここで

は、チャネルの遅延拡散の最大値とドップラー拡散の最大値との比である。このアプローチは、パルスおよびグリッドのマッチングと呼ばれる［７］，［１０］，［８］，［９］。式（１）中のパルスおよびグリッドのマッチングの条件を満たすことを目的として、特有のモビリティモードが提案され検討されている。

コヒーレント通信の場合、二重分散チャネルオペレーションを、受信機において推定し反転させることができる。一般に線形等化器は、たとえば最尤等化器（ＭＬＥ）または干渉相殺などの反復技術と比較してあまり複雑ではないので、チャネル等化のために好ましい［１１］。ＭＬＥは最大のダイバーシティを享受するが、いくつかの事例では線形等化器は、たとえば非特異の畳み込みの事例では、ＭＬＥと同じダイバーシティ利得を達成することができる［１２］。［１３］において、共通最小平均二乗誤差（ＭＭＳＥ）等化を用いる場合には、ほとんどの事例では完全なＯＴＦＳダイバーシティが達成されない、ということが観察された。逆に、ＯＴＦＳのためのＭＬＥまたは干渉キャンセル技術は複雑であり、クロストークチャネル係数の正確な推定も必要である。実際には、最適以下のパルスおよびグリッドのマッチングによって引き起こされる残存自己干渉を推定し、等化器において考慮することができる。［１４］においては、フレームベースで自己干渉を考慮する線形等化器が導入された。このアプローチは、提示された研究の場合には、残存自己干渉を考慮するために使用される。

このセクションでは、自己干渉を粗いレベルで制御し、残存自己干渉電力をパイロットシンボルおよびガードシンボルから推定することにより、線形ＭＭＳＥ等化器を瞬時に調整するためのモビリティモードを提案する。このセクションの主な焦点を以下のようにまとめることができる：
・ＯＴＦＳを、ＭＡＴＬＡＢのｔｏｏｌｂｏｘ ＬＴＦＡＴを使用し得実装される、付加的なＴＦ拡散を伴うパルス状のガボールシグナリングの観点から研究する［１５］。
・ＱｕａＤＲｉＧａチャネルシミュレータ［１６］によって生成された具体的な幾何学ベースのシナリオにおいて、［１７］におけるようにパイロットベースのチャネル推定を使用して、二重分散車両チャネルを考察する。
・特有のパルスおよびグリッドのマッチングによるモビリティモードを提案する。
・グリッドおよびパルスのミスマッチの影響を受けたねじれた畳み込みの不完全な２Ｄ逆畳み込みに起因する、等化器における残存自己干渉の影響を考慮する［１４］。

ＩＩ．ＯＴＦＳシステムモデル。このセクションでは、システムモデルとＯＴＦＳトランシーバ構造を紹介する。ＯＴＦＳは、古典的なパルス状のマルチキャリア送信と、ガボール構造すなわちＴＦ平面内の規則的なグリッド上のＴＦ並進およびＳＦＦＴを用いた付加的なＴＦ拡散との組み合わせである。

Ａ．時間周波数グリッドおよびパルス成形。周波数分解能は

であり、ここでＢは全帯域幅であり、Ｍはサブキャリアの個数である。時間分解能は

であり、ここでＤはフレーム持続期間であり、Ｎは時間シンボルの個数である。ＴＦグリッドは、時間周波数領域においてそれぞれＴおよびＦの周期でサンプリングされる。フィルタバンク長は、使用される合成パルスおよび分析パルスの仕様選定、およびいわゆる時間周波数積Ｔ・Ｆにも依存する。送信機および受信機におけるガボールフィルタバンクは、それぞれ信号合成のためのパルスγおよび信号分析のためのパルスｇによってコンフィギュレーションされている。

３つの事例を以下のように区別する。すなわちＴＦ＞１、ＴＦ＝１およびＴＦ＜１、これらはときにはそれぞれＴＦ平面のアンダーサンプリング、クリティカルサンプリングおよびオーバーサンプリングと呼ばれる［１８］。ここでは、これが信号対干渉比（ＳＩＲ）の最大化と自由度の損失との間の典型的な妥協点である、ということが前提とされる［１９］。非分散かつノイズなしの事例における完全な再構成を保証するために、パルスγおよびｇが直交していることが必要とされる可能性があり、

ここで

と定義される（同じことは

についても定義され、ここでδ（０）＝１それ以外は０である）。この場合、

が

における内積として用いられ、これは有限エネルギーを有する信号のヒルベルト空間である。相関されていないノイズ寄与分を保証するために、合成パルスと分析パルスとが等しいということが前提とされ、その結果、直交パルスが生じる。仮のプロトタイプパルスとするならば、周知のＳ＾１／２トリックを用いて直交化を実施し、つまり随伴格子上に密なガボールフレームを構築する［９］。ただし、二重分散チャネルの出力における正確な直交性は、通常は損なわれてしまい、その結果、自己干渉が生じる。送信機および受信機のためにそれぞれ異なるパルスを選択することによって、二重分散チャネルのクラスのために自己干渉をさらに減らすことさえ可能とすることができる。

Ｂ．ＴＦ拡散および逆拡散。トランシーバ構造は、パルス状ＯＦＤＭ、双直交周波数分割多重（ＢＦＤＭ）またはフィルタバンクマルチキャリア（ＦＢＭＣ）といった多くのパルス状マルチキャリア方式におけるものと実質的に同じである。ＯＴＦＳの特有の特徴は拡散である。すべてのシンボル

、ただしＩ⊆［Ｍ］×［Ｎ］は、

と称される反転ＳＦＦＴによってプリコーディングされる。ＳＦＦＴは、指数におけるその符号の切り替えおよび座標の交換によって、通常の２Ｄフーリエ変換とは異なる。時間シフトによって周波数における振動が発生するに至り、周波数シフトの結果、時間における振動が発生することから、離散ＤＤポジションの配列（ｌ，ｋ）をＴＦ平面内のグリッドポイントの配列（ｍ，ｎ）にマッピングすることによって、このことを解釈することができる。もっと正確には、送信機においてプリコーディングは、

によって与えられ、ここで

である。受信されＴＦ平面において等化されたシンボル

は、

となるように、

として再び逆拡散される。

Ｃ．ＯＴＦＳフレームの構造。パイロット方式のチャネル推定が使用され、この場合、１つのパイロットが、［１７］によって提案されているようにＤＤ領域に挿入される。パイロットは、データと同じフレーム内で送信機によって送信される。このようにすることで、ＤＤ領域内で受信機においてチャネルを容易に推定することができる。ＤＤ領域内に配置すべきシンボルは３つの部分から成る。データシンボルは、通常、特定の変調アルファベットに由来し、集合Ｄ⊂Ｉによってインデックスが与えられたポジションに配置される。チャネル推定に使用されるポジションは、集合Ｐ⊂Ｉによって定義され、ここでＤ∩Ｐ＝φであり、これは単一のパイロットシンボルを含むことになる。他のポジションは未使用であり、ガードシンボルと見なすことができる。この文脈では、

であることが前提とされ、ここでｗとＱとによって、遅延領域およびドップラー領域におけるガード区間がそれぞれ定義される。非ゼロパイロットシンボルのために、任意のロケーション［ｌ＝τ，ｋ＝２ν］が使用される。ＷおよびＱは予期されるＤＤシフトに関して定義される［２０］、ということに留意されたい。図５には、データシンボル、パイロットシンボル、およびガードシンボルを有するＯＴＦＳフレームの一例が示されている。ＱおよびＷは、ＯＴＦＳモードごと適切な仕様で選定される。同じパイロットオーバーヘッド（同じデータレート）を有する種々のコンフィギュレーションを比較するためには、Ｑ・Ｗの一定の積すなわち１０２４個のシンボルが前提とされる。単純化するために、ｋ＝０かつｌ＝０における非ゼロパイロット

がＰ_ｐ＝２Ｑ４Ｗの正規化された電力でセットされ、Ｐ内の他のシンボルはすべてゼロ値にされたガードシンボルとしてセットされる。

Ｄ．ガボール合成フィルタバンク。次いで、ＴＦ平面におけるＯＴＦＳフレームが、送信信号ｓ（ｔ）を合成するために使用される。これは、送信パルスγによってコンフィギュレーションされたガボール合成フィルタバンクによって実装される［７］。これを形式的には、

として記述することができる。

Ｅ．二重分散チャネル。二重分散チャネルの場合、ノイズのない時間連続チャネル出力は、入力信号ｓ（ｔ）のＴＦ変換の未知の線形結合から成る。この演算を形式的には、

として表すことができ、ここでｐ番目の離散的伝播経路は、

について遅延τ_ｐを有する。インデックスの集合は、

によって定義される。次いで

について、

が

によって与えられ、ここで

を、分散ＤＤ拡散関数と見なすことができる［２１］。特にこの単純化されたモデルは、各経路が同じ範囲の周波数シフト

を有するが、場合によってはそれぞれ異なる係数を有する、という意味を暗黙的に含む。ＴＦシフトの集合

は、通常、過小拡散の前提条件としても知られるサイズ

のボックス

内にあることが前提とされる。式（６）を式（８）と共に（７）に代入すれば、

が得られる。

Ｆ．ガボール分析フィルタバンク。受信された信号はダウンコンバートされ、分析フィルタバンクを通過する。この場合には、ＴＦスロット

内のノイズのないガボール分析フィルタバンクの出力が、

となる。

ＩＩＩ．チャネル推定および自己干渉。このセクションでは、チャネル推定、等化、およびＯＴＦＳトランシーバ構造内に残存する自己干渉の量について、さらに詳しく説明する。特に、２Ｄ逆畳み込みである等化と、ねじれた畳み込みとして与えられた実際のチャネルマッピングとの間の関連性を示す。

Ａ．自己干渉の影響。自己干渉に対するパルスおよびグリッドのミスマッチの影響を明らかにするために、式（１０）における内積が書き換えられ、別個に計算される：

ここで

は相互不確定性関数である。目標は、パルスγおよびｇを、すべての値

について

となるように設計することである。大雑把に言えば、このことは、

であると定義された自己干渉

の

（引き継がれたデータシンボルおよびチャネル認識）は無視できるほど小さくなる、という意味を暗黙的に含む。ここで留意されたいのは、

ということであり、その理由は、パルスγおよびｇは、

が（α，β）すべてについては存在しない、といったものだからである。よって、マッチングされたパルス成形の目標はその代わりに、予期される自己干渉電力を最小化することである。

システムモデルにおいて自己干渉を考察することによって、

が得られる。式（１４）に

を適用すると、第１の次数において（推論に合致して）チャネルが２Ｄ畳み込みとして振る舞う。その理由は以下のとおり：

ＴＦ平面におけるポイントごとの乗算として、ＤＤ平面における（巡回）２Ｄ畳み込みは

であり、ここで

はチャネル伝達関数である。

の大きさは、式（１２）において与えられたマッチングに依存し、つまりミスマッチが多くなればなるほど自己干渉は大きくなる。

Ｂ．遅延ドップラーチャネル推定。推定チャネルは、ＤＤ領域内の送信機により送信されたパイロットによって推定される。

はガードエリアの４分の１に適用され、ここですべての

について［２０］によりチャネルインパルス応答（ＣＩＲ）が得られる：

図５によれば、黒い破線の枠内においてチャネル推定に使用されるシンボルが強調されている。残りのガードシンボル（黒い破線の枠外）は、パイロットシンボルとデータシンボルとの間の干渉を避けるために使用される。

Ｃ．時間周波数等化。適度な複雑さで十分な性能を達成するために、モビリティモードを使用することを提案する。適切なモビリティモードは、粗いレベルで自己干渉を制御する。これに加えてＭＭＳＥ等化器が、残留自己干渉電力を考慮するように調整される。受信したフレーム（１４）が、推定されたチャネル（１７）を用いＭＭＳＥ等化により等化される：

ここでσ２はノイズ分散である。かくして平均自己干渉電力Ｉが推定され、これには平均化された自己干渉の電力と受信機におけるチャネル推定の誤差とが含まれる。ＭＭＳＥ等化器を対応するチャネル認識に合わせて瞬時に調整するために、フレームごとにパイロットシンボルおよびガードシンボルから（

にわたる）経験的平均としてＩを推定することによって、これを近似することができる。所与のＩについて、ＤＤ領域における等化されたシンボルは、

によって与えられる。このようにした場合、直観的なアプローチは、［１４］で提案されているように、送信された（受信機において既知であることが前提とされた）等化されたパイロットシンボルとガードシンボルすなわち

との間の所与の誤差メトリックｄ（・，・）を最小化することである：

誤差メトリック

として

が、［１４］におけるように有限グリッド上で使用される。その後、最終的に各フレームは、その個々の

を用いて等化される。

ＩＶ．モビリティモード。このセクションでは、グリッドおよびパルスのミスマッチによって引き起こされる自己干渉を低減するモビリティモードについて紹介する。種々のチャネル条件すなわち特有の遅延拡散およびドップラー拡散に対処するにあたり、７つの異なるモビリティモードについて検討する。モビリティモードを、チャネルの長期期待値によって定義することができる。ここで提案するモビリティモードは、式（１２）における等化から僅かに逸脱させること、つまりは自己干渉の影響を低減することを目的としている。この場合には式（２０）において残留自己干渉電力が推定され、線形等化のために使用される。
表Ｉ

表Ｉは、モビリティモードＩ～ＶＩＩを表している。時間における分解能（Ｎ個のシンボル）が高くなればなるほど、周波数領域における分解能（Ｍ個のサブキャリア）が低くなり、その逆も同様である。モードＩは、時間分解能と周波数分解能とが等しい事例を表している。したがって各モビリティモードは、冒頭で説明した手順に従いスクイージングおよび直交化することによって達成される、モード固有のパルス形状を有する。ここでは、送信機と受信機とが同じモードを使用することを前提とする。チャネルの二次統計に依存して、適切なモードを選択することができる。適切なモードの選択はこれからの課題とする。

Ｖ．数値結果。このセクションでは、グリッドおよびパルスのマッチングのために特有のモビリティモードを使用するアプローチについて数値分析する。
表II

表IIは、数値結果を取得するために使用されるパラメータの概要である。サイクリックプレフィックス（ＣＰ）方式のＯＦＤＭの事例では、チャネル推定のために正則化された最小二乗法が次に行われ、ゼロフォーシング等化［２２］が使用される。ＯＴＦＳモードＩ（表Ｉ参照）と同じＴＦグリッドを用いて、１つのＯＦＤＭコンフィギュレーションについて研究した。このＯＦＤＭコンフィギュレーションは、矩形パルスがＣＰを含む８０２．１１ｐ標準に近い。符号化されたＢＥＲ曲線が、すべてのモードについて種々の通信シナリオに対して表されており、ここではγ＝０．５の符号率を有する畳み込み符号が使用される。

表ＩＩＩには、すべてのモードと、１０^－２および１０^－３の目標ＢＥＲに到達するのに必要とされる対応する信号対ノイズ比（ＳＮＲ）とが列挙されている。モードごとに到達する最小ＢＥＲが列挙されている。図６ａ～６ｃには、特有のＶ２Ｘシナリオおよび種々のモビリティモードに対するＢＥＲが示されている。Ｖ２ＩシナリオおよびＶ２Ｖシナリオのために３ＧＰＰ ３８．９０１チャネルモデルおよびＱｕａＤＲＩＧａ ＵＤ２Ｄチャネルモデルを用いたＱｕａＤＲＩＧａチャネルシミュレータ［１６］が、それぞれ使用されている。畳み込み符号化は、ｒ＝０．５の符号率を使用している。図６ａおよび図６ｂには、視線（ＬＯＳ）条件および厳密な非視線（ＮＬＯＳ）条件の下での、車両対インフラストラクチャ（Ｖ２Ｉ）シナリオに関するＢＥＲが、それぞれ示されている。Ｖ２Ｘシナリオ各々は、特有のＤＤ拡散によって特徴づけられている。したがって事例ごとに異なるモビリティモードが適切であり、つまりＬＯＳではモードＩまたはＩＩが、ＮＬＯＳではモードＶＩまたはＩＶが適切である。図６ｃには、車車間（Ｖ２Ｖ）シナリオがΔν＝１６０ｋｍ／ｈの相対速度で表されている。ここではモードＩの性能が他のモードを凌いでいる。一般に、ＯＴＦＳがすべてのシナリオにおいて適切なモビリティモードを用いることでＯＦＤＭよりも優れている、ということを認めることができる。

ＶＩ．結論。線形等化を実現するために、パルス状ＯＴＦＳ変調に関してモビリティモードについて紹介してきた。パルスおよびグリッドのマッチングのために適切なモビリティモードを選択することにより、二重分散チャネルに内在する自己干渉が減少し、ひいてはＢＥＲも減少する。モビリティモードの導入によって、完全なねじれた畳み込みを扱う代わりに、調整された２Ｄ逆畳み込みを実装する低複雑度の等化器のシステム性能を改善できる、と結論づけることができる。残留干渉レベルに対し等化器を調整することによって、モビリティモードのさらなる利得がもたらされる、ということを指摘しておく。Ｖ２Ｘシナリオごとに、ある１つの特有のモビリティモードの性能が他のモビリティモードを凌いでおり、その効果はいっそう正確なチャネル知識によって向上する。すべてのシナリオにおいて、少なくとも１つのＯＴＦＳモードの性能がＣＰ方式のＯＦＤＭを凌いでいる。適切なモビリティモードの選択の重要性が示されている。

実施例をさらにコンピュータプログラムとすることができ、または実施例をコンピュータプログラムに関するものとすることができ、このコンピュータプログラムは、コンピュータまたはプロセッサにおいてこのコンピュータプログラムが実行されると、上述の方法のうち１つまたは複数の方法を実施するためのプログラムコードを有する。これまで説明してきた様々な方法のステップ、オペレーションまたはプロセスを、プログラミングされたコンピュータまたはプロセッサによって実施することができる。実施例は、ディジタルデータストレージ媒体のようなプログラムストレージデバイスをカバーすることもでき、このプログラムストレージデバイスは、機械可読、プロセッサ可読またはコンピュータ可読であり、機械で実行可能な、プロセッサで実行可能な、またはコンピュータ実行可能な命令のプログラムを符号化する。これらの命令は、これまで述べてきた方法の動作のうちの一部または全部を実施するまたは実行させる。プログラムストレージデバイスはたとえば、ディジタルメモリ、磁気ディスクおよび磁気テープなどの磁気ストレージ媒体、ハードディスクドライブ、または光学的に読み取り可能なディジタルデータストレージ媒体を含むことができ、あるいはプログラムストレージデバイスをたとえばこのようなものとすることができる。さらなる実施例は、これまで述べてきた方法の動作を実施するようにプログラミングされたコンピュータ、プロセッサまたは制御ユニットもカバーすることができ、あるいはこれまで述べてきた方法の動作を実施するようにプログラミングされた（フィールド）プログラマブルロジックアレイ（（Ｆ）ＰＬＡ）または（フィールド）プログラマブルゲートアレイ（（Ｆ）ＰＧＡ）もカバーすることができる。

明細書および図面は、本開示の基本原理を例示したものにすぎない。さらに、本明細書で列挙したすべての実施例は主として、本開示の基本原理および技術促進のために発明者が寄与したコンセプトを、読み手が理解しやすくするための例示目的にすぎないものであることが明確に意図されている。本開示の基本原理、態様および実施例ならびにそれらの具体例を列挙した本明細書のすべての記載は、それらの等価物を包含することが意図されている。

特定の機能を実施する「ための手段」と称された機能ブロックは、特定の機能を実施するように構成された回路のことを指すことができる。したがって「何かのための手段」を、個々のタスクのためにコンフィギュレーションされた、または個々のタスクに適したデバイスまたは回路など、「何かのために構成されたまたは何かに適した手段」として実装することができる。

「手段」、「信号を供給する手段」、「信号を生成する手段」などの名称が付された任意の機能ブロックを含む、図面に示されている様々な要素の機能を、「信号供給装置」、「信号処理ユニット」、「プロセッサ」、「コントローラ」などのような専用ハードウェアの形態で実装することができ、同様に適切なソフトウェアに関連してソフトウェアを実行可能なハードウェアの形態で実装することができる。プロセッサによって提供される場合には、単一の専用プロセッサによって、単一の共有プロセッサによって、または一部またはすべてを共有可能な複数の個々のプロセッサによって、機能を提供することができる。ただし、用語「プロセッサ」または「コントローラ」は、もっぱらソフトウェアを実行可能なハードウェアにまったく限定されてしまうものではなく、ディジタル信号プロセッサ（ＤＳＰ）ハードウェア、ネットワークプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ソフトウェアを格納するためのリードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、および不揮発性ストレージを含むことができる。その他のハードウェア、従来型および／またはカスタム仕様、も含めることができる。

ブロック図はたとえば、本開示の基本原理を実装する高水準回路図を示すことができる。同様に、フローチャート、流れ図、状態遷移図、擬似コードなどは、様々なプロセス、オペレーションまたはステップを表現することができ、たとえばこれらをコンピュータ可読媒体において実質的に表現することができ、つまりはコンピュータまたはプロセッサが明示的に示されているにせよ示されていないにせよ、かかるコンピュータまたはプロセッサによって実行することができる。本明細書または請求項において開示された方法を、それらの方法の個々の動作各々を実施するための手段を有するデバイスによって実装することができる。

さらに理解されたいのは、本明細書または請求項に開示されている複数の動作、プロセス、オペレーション、ステップまたは機能の開示を、たとえば技術的な理由から明示的または暗黙的に別途記載されていない限りは、特定の順序でなければならないと解釈してはならない、ということである。よって、複数の動作または機能の開示は、かかる動作または機能を技術的な理由から入れ替えられない場合を除き、それらを特定の順序に限定するものではない。さらにいくつかの実施例において、単一の動作、機能、プロセス、オペレーションまたはステップはそれぞれ、複数のサブ動作、サブ機能、サブプロセス、サブオペレーションまたはサブステップを含むことができ、あるいはそれらに分解され得る。明示的に排除されていない限り、かかるサブ動作を含めることができ、それらを上述の単一の動作の開示の一部とすることができる。

さらに、以下の請求項はここで詳細な説明に組み込まれるものとし、この場合、各請求項は１つの別個の実施例として自立し得るものである。各請求項が１つの別個の実施例として自立し得るのに対し、ある従属請求項が請求項において１つまたは複数の他の請求項との特定の組み合わせを指す可能性があるにもかかわらず、他の実施例は、その従属請求項とさらに別の各従属請求項または独立請求項の保護対象との組み合わせを含むこともできる、ということに留意されたい。かかる組み合わせは、ある特定の組み合わせを意図していないことが明記されていない限り、本明細書において明示的に提案されるものである。さらに、ある請求項が直接的に他の任意の独立請求項にたとえ従属させられていなくても、その独立請求項に対するその請求項の特徴も含まれることが意図されている。

１０ 移動通信システムのトランシーバのために遅延ドップラー分解能ＤＤＲを決定する方法
１２ トランシーバの特性に関する情報を求めるステップ
１４ トランシーバの特性に関する情報に基づきデータベースからＤＤＲを選択するステップ
２０ 装置
２２ トランシーバモジュール／インタフェース
２４ 処理モジュール
２４ａ スケジューラ／リソース割り当てモジュール
２４ｂ ＤＤＲ選択モジュール
２６ データベース
１００ トランシーバ
２００ トランシーバ／基地局
３００ 通信システム

Claims (15)

1. 移動通信システム（３００）のトランシーバ（１００）のために遅延ドップラー分解能ＤＤＲを決定する方法（１０）であって、当該方法（１０）は、
   前記トランシーバ（１００）の特性に関する情報を求めるステップ（１２）と、
   前記トランシーバ（１００）の特性に関する前記情報に基づきデータベース（２６）から前記ＤＤＲを選択するステップ（１４）と、
   前記移動通信システム（３００）における前記トランシーバ（１００）との無線通信のために前記ＤＤＲを使用するステップ（１６）と
   を含む、方法（１０）。
2. 前記無線通信の通信性能に関する情報を求めるステップをさらに含む、請求項１記載の方法（１０）。
3. 無線性能に基づき前記ＤＤＲを改善するステップと、前記データベース（２６）を更新するステップとをさらに含む、請求項２記載の方法（１０）。
4. 前記無線性能に基づき前記ＤＤＲを改善するために人工知能を使用するステップをさらに含む、請求項３記載の方法（１０）。
5. 前記通信性能に関する前記情報は、無線リンク上のサービス品質に関する情報を含む、請求項２から４までのいずれか１項記載の方法（１０）。
6. 通信性能に関する前記情報は、前記ＤＤＲについての前記無線リンク上のダイバーシティ利得に関する情報を含む、請求項２から５までのいずれか１項記載の方法（１０）。
7. 前記無線通信は、直交時間周波数空間ＯＴＦＳ多重化を使用する、請求項２から６までのいずれか１項記載の方法（１０）。
8. 前記特性に関する前記情報は、前記トランシーバ（１００）の速度に関する情報を含む、請求項１から７までのいずれか１項記載の方法（１０）。
9. 前記特性に関する前記情報は、前記トランシーバ（１００）の地理的ポジションに関する情報を含む、請求項１から８までのいずれか１項記載の方法（１０）。
10. 前記特性に関する前記情報は、前記トランシーバ（１００）の予測軌跡に関する情報を含む、請求項１から９までのいずれか１項記載の方法（１０）。
11. 前記特性に関する前記情報は、前記トランシーバ（１００）の送信機設定および／または受信機設定に関する情報を含む、請求項１から１０までのいずれか１項記載の方法（１０）。
12. 前記トランシーバ（１００）に対し時間リソースおよび周波数リソースをスケジューリングするステップをさらに含み、前記選択するステップ（１４）は、前記時間リソースおよび前記周波数リソースに基づき前記ＤＤＲを選択するステップをさらに含む、請求項１から１１までのいずれか１項記載の方法（１０）。
13. 前記トランシーバ（１００）からユーザデータを受信するステップをさらに含み、該ユーザデータは前記特性に関する前記情報を少なくとも部分的に含む、請求項１から１２までのいずれか１項記載の方法（１０）。
14. コンピュータ、プロセッサまたはプログラミング可能なハードウェア構成部品においてコンピュータプログラムが実行されると、請求項１から１３までのいずれか１項記載の方法（１０）のうち少なくとも１つの方法を実施するためのプログラムコードを有するコンピュータプログラム。
15. 移動通信システム（３００）のトランシーバ（１００）のために遅延ドップラー分解能ＤＤＲを決定する装置（２０）であって、当該装置（２０）は、
    前記移動通信システム（３００）において通信を行うためのトランシーバモジュール（２２）と、
    請求項１から１３記載の方法（１０）のうち少なくとも１つの方法を実施するように構成された処理モジュール（２４）と
    を含む、装置（２０）。

Images