KR20220019828A - 신경망에 기초한 채널 추정을 갖는 송신 시스템 - Google Patents
신경망에 기초한 채널 추정을 갖는 송신 시스템 Download PDFInfo
- Publication number
- KR20220019828A KR20220019828A KR1020227001594A KR20227001594A KR20220019828A KR 20220019828 A KR20220019828 A KR 20220019828A KR 1020227001594 A KR1020227001594 A KR 1020227001594A KR 20227001594 A KR20227001594 A KR 20227001594A KR 20220019828 A KR20220019828 A KR 20220019828A
- Authority
- KR
- South Korea
- Prior art keywords
- symbols
- received
- receiver
- channel
- bits
- Prior art date
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 93
- 238000013528 artificial neural network Methods 0.000 title description 58
- 238000012549 training Methods 0.000 claims abstract description 103
- 238000012546 transfer Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000001131 transforming effect Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 106
- 238000012545 processing Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 5
- 238000010295 mobile communication Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 54
- 239000010410 layer Substances 0.000 description 45
- 238000010586 diagram Methods 0.000 description 29
- 239000013598 vector Substances 0.000 description 17
- 238000004891 communication Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 9
- 230000004913 activation Effects 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- -1 e.g. Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- H04L25/0206—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0204—Channel estimation of multiple channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0045—Arrangements at the receiver end
- H04L1/0047—Decoding adapted to other signal detection operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0057—Block codes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0061—Error detection codes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/021—Estimation of channel covariance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/022—Channel estimation of frequency response
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0256—Channel estimation using minimum mean square error criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mobile Radio Communication Systems (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
장치, 방법 및 컴퓨팅 프로그램이 설명되고, 이들은: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 것(단계)으로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되는, 상기 하나 이상의 수신된 심볼들 및 상기 하나 이상의 수신된 비트들을 수신하는 것(단계); 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 것(단계); 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 것(단계); 및 트레이닝 데이터 쌍들을 제공하는 것(단계)을 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
Description
본 명세서는 송신 시스템들의 트레이닝(training) 및 사용과 같은 송신 시스템들에 관한 것이다.
단순한 송신 시스템은 송신기, 송신 채널(예컨대, 전파 채널), 및 수신기를 포함한다. 이러한 송신 시스템의 더 많은 요소들 중 하나는 예를 들면, 생성된 트레이닝 데이터에 기초하여 트레이닝될 수 있다. 개발들이 이루어졌을지라도, 이 영역에서 또 다른 개발들의 여지가 남아 있다.
제1 양태에서, 본 명세서는 장치를 제공하고, 장치는: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신(예컨대, 트레이닝 데이터 생성기의 입력부에서)하기 위한 수단으로서, 수신된 심볼들은 송신 시스템의 수신기에서(예컨대, 송신 시스템의 수신기 단말의 기지국에서, 사용자 디바이스에서, 제어 노드에서, 등) 수신되고, 송신 시스템은 송신기, 채널(예컨대, 하나 이상의 채널들), 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신 수단; 정확한 것으로 간주되는(deemed to be correct) 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 수단; 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 (적어도 부분적으로) 기초하여 추정된 채널 전달 함수를 생성하기 위한 수단; 및 트레이닝 데이터 쌍들을 제공하기 위한 수단을 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들(예컨대, 역상관되고 평균화된 수신된 심볼들과 같은 역상관된 수신된 데이터, 이 데이터는 수신된 심볼들 및 추정된 송신된 심볼들과 관련될 수 있음)에 기초한 제2 요소를 포함한다. 송신 시스템은 다중 입력 다중 출력(MIMO) 송신 시스템일 수 있다.
송신 시스템의 채널은 임의적인 차원의 어레이에 의해 설명될 수 있다(예컨대, 다수의 송신 안테나들, 다수의 수신 안테나들 및 다수의 부반송파들의 경우에 대한 전파는 3차원 복소 어레이에 의해 설명될 수 있음). 그러나, 채널 추정기가 다수의 채널들 사이의 임의의 관계(공분산과 같음)를 활용하지 않는 경우, 채널들은 별개로 간주될 수 있다; 즉, 다차원 어레이로서가 아니다.
정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 수단은 비트들(인코딩된 비트들 예컨대, LEDP 코딩된 비트들과 같음)을 변조된 심볼들(예컨대, QAM 심볼들, 또는 일부 다른 심볼들)로 변환하기 위한 변조 모듈과 같은 변조 모듈을 포함할 수 있다. 대안적으로, 또는 게다가, 정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 수단은 변조된 비트 심볼들을 파일럿 심볼(pilot symbol)들과 조합하기 위한 멀티플렉서를 포함할 수 있다. 멀티플렉싱은 변조된 심볼들에 대해 수행될 수 있다.
일부 실시예들은 수신된 송신 비트들이 정확한 것으로 간주되는지의 여부를 결정하기 위한 수단을 더 포함한다. 상기 수단은 패리티 검사 모듈일 수 있다.
추정된 채널 전달 함수를 생성하기 위한 수단은 채널 추정기를 포함할 수 있다.
일부 실시예들은 상기 트레이닝 데이터 쌍들을 저장하기 위한 데이터베이스를 더 포함한다.
제2 양태에서, 본 명세서는 장치를 제공하고, 장치는: 송신 시스템(예컨대, 다중 입력 다중 출력(MIMO) 송신 시스템)의 수신기의 채널 추정기 모듈(예컨대, 신경망 기반 채널 추정기 모듈)의 트레이닝가능한 파라미터들을 초기화하기 위한 수단으로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 초기화 수단; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하기 위한 수단으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들(예컨대, 역상관되고 평균화된 수신된 심볼들과 같은 역상관된 수신된 데이터, 이 데이터는 수신된 심볼들 및 추정된 송신 심볼들과 관련될 수 있음)에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한(예컨대, 확률적 경사 하강법(stochastic gradient descent), 또는 일부 유사한 알고리즘을 사용함) 수단을 포함하는, 상기 생성 수단; 및 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하기 위한 수단을 포함한다. 제2 양태의 트레이닝 데이터 쌍들은 제1 양태를 참조하여 상기 설명된 바와 같이 장치를 사용하여 제공될 수 있다.
일부 실시예들은 업데이트된 파라미터들을 생성하기 위한 수단을 사용하여 업데이트된 파라미터들의 반복된 생성 및 트레이닝가능한 파라미터들을 업데이트하기 위한 수단을 사용하여 상기 트레이닝가능한 파라미터들의 반복된 업데이팅을 제어하기 위한 수단을 더 포함한다. 업데이트된 파라미터들의 생성은 제1 조건에 도달할 때까지 반복될 수 있다. 이러한 제1 조건의 예들은 정의된 반복 횟수 또는 정의된 성능 레벨을 포함한다. 대안적으로, 또는 게다가, 새로운 트레이닝 데이터가 수신될 때 알고리즘이 반복될 수 있다. 업데이트된 파라미터들의 반복된 생성 및 상기 트레이닝가능한 파라미터들의 반복된 업데이팅을 제어하기 위한 수단은 업데이트된 트레이닝 데이터(예컨대, 주어진 수의 부가적인 트레이닝 데이터 포인트들과 같음)에 응답하여 동작한다.
제1 또는 제2 양태에서, 상기 트레이닝 데이터 쌍들의 제2 요소는 역상관된 수신된 데이터를 포함할 수 있다. 상기 역상관된 수신된 데이터는 역상관되고 평균화된 수신된 심볼들을 포함할 수 있다.
일부 실시예들은 상기 트레이닝 데이터 쌍들을 저장하기 위한 데이터베이스를 더 포함한다.
제3 양태에서, 본 명세서는 장치를 포함하고, 장치는: 송신기, 채널(예컨대, 하나 이상의 채널들), 및 수신기를 포함하는 송신 시스템(예컨대, 다중 입력 다중 출력(MIMO) 송신 시스템)의 수신기에서 하나 이상의 심볼들을 수신하기 위한 수단으로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘(송신된 알고리즘은 파일럿 심볼 삽입, 인코딩 또는 변조 중 하나 이상을 포함할 수 있음)을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘(예컨대, 파일럿 심볼 추출, 복조 또는 디코딩 중 하나 이상을 포함함)을 포함하는, 상기 수신 수단; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하기 위한(예컨대, 디멀티플렉서를 사용함) 수단; 송신 시스템의 수신기의 채널 추정기 모듈(예컨대, 신경망 기반 채널 추정기)을 사용하여 수신된 파일럿 신호들을 프로세싱하기 위한 수단으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 프로세싱 수단; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하기 위한 수단; 및 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하기 위한 수단을 포함한다.
송신 시스템의 채널은 임의적인 차원의 어레이에 의해 설명될 수 있다(예컨대, 다수의 송신 안테나들, 다수의 수신 안테나들 및 다수의 부반송파들의 경우에 대한 전파는 3차원 복소 어레이에 의해 설명될 수 있음). 그러나, 채널 추정기가 다수의 채널들 사이의 임의의 관계(공분산과 같음)를 활용하지 않는 경우, 채널들은 별개로 간주될 수 있다; 즉, 다차원 어레이로서가 아니다.
프로세싱된 수신된 데이터 심볼들을 변환하기 위한 수단은 복조 모듈 및/또는 디코더 모듈을 포함할 수 있다.
송신 시스템의 수신기는 복수의 층들을 포함하는 입력들을 수신할 수 있다.
송신 시스템의 수신기는 모바일 통신 기지국의 일부를 형성할 수 있다. 대안적으로, 또는 게다가, 송신 시스템의 수신기는 사용자 디바이스의 일부를 형성할 수 있다.
제1 내지 제3 양태들에서, 채널 추정기는 컨볼루션 네트워크(convolutional network)와 같은 신경망을 사용하여 구현될 수 있다. 컨볼루션 신경망은 나중에 다수개(예컨대, 2개의 층들)를 포함할 수 있고 활성화 층(예컨대, 소프트맥스(softmax) 또는 ReLu 활성화)을 포함할 수 있다.
제1 내지 제3 양태들에서, 하나 이상의 수신된 심볼들은 복수의 데이터 층들에 포함될 수 있다. 수신된 데이터 심볼들을 프로세싱하기 위한 수단은 간섭 제거 모듈을 포함할 수 있다. 간섭 제거 모듈은 각각의 원하는 데이터 층으로부터의 수신된 심볼들의 프로세싱을 허용하기 위해 복수의 데이터 층들 중 하나 이상의 원하지 않는 데이터 층들에 대응하는 심볼들의 수신된 신호 기여도들을 제거하도록 구성될 수 있다.
제4 양태에서, 본 명세서는 방법을 제공하고, 방법은: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 단계로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신하는 단계; 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 단계; 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 단계; 및 트레이닝 데이터 쌍들을 제공하는 단계를 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 단계는 비트들(인코딩된 비트들 예컨대, LEDP 코딩된 비트들과 같음)을 변조된 심볼들(예컨대, QAM 심볼들, 또는 일부 다른 심볼들)로 변환하는 단계를 포함할 수 있다. 대안적으로, 정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 단계는 변조된 비트 심볼들을 파일럿 심볼들과 조합하는 단계를 포함할 수 있다.
방법은 수신된 송신 비트들이 정확한 것으로 간주되는지의 여부를 결정하는 단계를 포함할 수 있다. 상기 수단은 패리티 검사 모듈일 수 있다.
상기 트레이닝 데이터 쌍들을 저장하기 위한 데이터베이스가 제공될 수 있다.
제5 양태에서, 본 명세서는 방법을 설명하고, 방법은: 송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하는 단계로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 초기화하는 단계; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하는 단계로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한(예컨대, 확률적 경사 하강법, 또는 일부 유사한 알고리즘을 사용함) 수단을 포함하는, 상기 생성하는 단계; 및 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하는 단계를 포함한다. 하나의 예에서, 채널 추정기 모듈은 컨볼루션 네트워크와 같은 신경망을 사용하여 구현된다. 컨볼루션 신경망은 나중에 다수개(예컨대, 2개의 층들)를 포함할 수 있고 활성화 층(예컨대, 소프트맥스 또는 ReLu 활성화)을 포함할 수 있다.
제5 양태의 트레이닝 데이터 쌍들은 제4 양태를 참조하여 상기 설명된 방법을 사용하여 제공될 수 있다.
일부 실시예들은 업데이트된 파라미터들을 생성하기 위한 수단을 사용하여 업데이트된 파라미터들의 반복된 생성 및 트레이닝가능한 파라미터들을 업데이트하기 위한 수단을 사용하여 상기 트레이닝가능한 파라미터들의 반복된 업데이팅을 제어하는 단계를 더 포함한다. 업데이트된 파라미터들의 생성은 제1 조건(정의된 반복 횟수 또는 정의된 성능 레벨과 같음)에 도달할 때까지 반복될 수 있다. 대안적으로, 또는 게다가, 업데이트된 트레이닝 데이터(주어진 수의 부가적인 트레이닝 데이터 포인트들과 같음)에 응답하여 상기 트레이닝가능한 파라미터들의 업데이팅이 반복될 수 있다.
제6 양태에서, 본 명세서는 방법을 설명하고, 방법은: 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하는 단계로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신하는 단계; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하는 단계; 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하는 단계로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 프로세싱하는 단계; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하는 단계; 및 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하는 단계를 포함한다. 채널 추정기 모듈은 신경망으로서 구현될 수 있다.
수신된 심볼들은 하나 또는 복수의 층들에 포함될 수 있다.
수신된 데이터 심볼들을 프로세싱하는 단계는 간섭 제거 모듈 예를 들면, 각각의 원하는 데이터 층으로부터의 수신된 심볼들의 프로세싱을 허용하기 위해 복수의 데이터 층들 중 하나 이상의 원하지 않는 데이터 층들에 대응하는 심볼들의 수신된 신호 기여도들을 제거하기 위한 간섭 제거 모듈을 포함할 수 있다.
송신 시스템의 수신기는 복수의 층들을 포함하는 입력들을 수신할 수 있다.
송신 시스템의 수신기는 모바일 통신 기지국의 일부를 형성할 수 있다. 대안적으로, 또는 게다가, 송신 시스템의 수신기는 사용자 디바이스의 일부를 형성할 수 있다.
제7 양태에서, 본 명세서는 제4 내지 제6 양태들을 참조하여 설명된 바와 같이 임의의 방법을 수행하도록 구성된 장치를 설명한다.
제8 양태에서, 본 명세서는 컴퓨팅 장치에 의해 실행될 때, 컴퓨팅 장치로 하여금 제4 내지 제6 양태들을 참조하여 설명된 바와 같이 임의의 방법을 수행하게 하는 컴퓨터 판독가능한 지시들을 설명한다.
제9 양태에서, 본 명세서는 컴퓨터 프로그램을 설명하고, 컴퓨터 프로그램은 장치로 하여금 적어도 다음: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 것으로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 수신된 심볼들 및 상기 하나 이상의 수신된 비트들을 수신하는 것; 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 것; 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 것; 및 트레이닝 데이터 쌍들을 제공하는 것을 수행하게 하기 위한 지시들을 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
제10 양태에서, 본 명세서는 컴퓨터 프로그램을 제공하고, 컴퓨터 프로그램은 장치로 하여금 적어도 다음: 송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하는 것으로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 트레이닝가능한 파라미터들을 초기화하는 것; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하는 것으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한(예컨대, 확률적 경사 하강법, 또는 일부 유사한 알고리즘을 사용함) 수단을 포함하는, 상기 업데이트된 파라미터들을 생성하는 것; 및 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하는 것을 수행하게 하기 위한 지시들을 포함한다. 채널 추정기 모듈은 신경망으로서 구현될 수 있다.
제11 양태에서, 본 명세서는 컴퓨터 프로그램을 설명하고, 컴퓨터 프로그램은 장치로 하여금 적어도 다음: 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하는 것으로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 심볼들을 수신하는 것; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하는 것; 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하는 것으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 수신된 파일럿 신호들을 프로세싱하는 것; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하는 것; 및 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하는 것을 수행하게 하기 위한 지시들을 포함한다. 채널 추정기 모듈은 신경망으로서 구현될 수 있다.
제12 양태에서, 본 명세서는 컴퓨터 판독가능한 매체를 설명하고, 컴퓨터 판독가능한 매체는 적어도 다음: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 것으로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 수신된 심볼들 및 상기 하나 이상의 수신된 비트들을 수신하는 것; 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 것; 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 것; 및 트레이닝 데이터 쌍들을 제공하는 것을 수행하기 위해 컴퓨터 판독가능한 매체에 저장된 프로그램 지시를 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
제13 양태에서, 본 명세서는 컴퓨터 판독가능한 매체를 설명하고, 컴퓨터 판독가능한 매체는 적어도 다음: 송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하는 것으로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 트레이닝가능한 파라미터들을 초기화하는 것; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하는 것으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 업데이트된 파라미터들을 생성하는 것; 및 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하는 것을 수행하기 위해 컴퓨터 판독가능한 매체에 저장된 프로그램 지시를 포함한다.
제14 양태에서, 본 명세서는 컴퓨터 판독가능한 매체를 설명하고, 컴퓨터 판독가능한 매체는 적어도 다음: 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하는 것으로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 심볼들을 수신하는 것; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하는 것; 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하는 것으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 수신된 파일럿 신호들을 프로세싱하는 것; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하는 것; 및 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하는 것을 수행하기 위해 컴퓨터 판독가능한 매체에 저장된 프로그램 지시를 포함한다.
제15 양태에서, 본 명세서는 적어도 하나의 프로세서; 및 컴퓨터 프로그램 코드를 포함하는 적어도 하나의 메모리를 포함하는 장치를 설명하고, 컴퓨터 프로그램 코드는 적어도 하나의 프로세서에 의해 실행될 때, 장치로 하여금: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하게 하는 것으로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 수신된 심볼들 및 상기 하나 이상의 수신된 비트들을 수신하게 하고; 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하게 하고; 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하게 하고; 트레이닝 데이터 쌍들을 제공하게 하며, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
제16 양태에서, 본 명세서는 적어도 하나의 프로세서; 및 컴퓨터 프로그램 코드를 포함하는 적어도 하나의 메모리를 포함하는 장치를 설명하고, 컴퓨터 프로그램 코드는 적어도 하나의 프로세서에 의해 실행될 때, 장치로 하여금: 송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하게 하는 것으로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 트레이닝가능한 파라미터들을 초기화하게 하고; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하게 하는 것으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 업데이트된 파라미터들을 생성하게 하며; 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하게 한다.
제17 양태에서, 본 명세서는 적어도 하나의 프로세서; 및 컴퓨터 프로그램 코드를 포함하는 적어도 하나의 메모리를 포함하는 장치를 설명하고, 컴퓨터 프로그램 코드는 적어도 하나의 프로세서에 의해 실행될 때, 장치로 하여금: 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하게 하는 것으로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 심볼들을 수신하게 하고; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하게 하고; 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하게 하는 것으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 수신된 파일럿 신호들을 프로세싱하게 하고; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하게 하며; 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하게 한다.
제18 양태에서, 본 명세서는 장치를 설명하고, 장치는: 하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하기 위한 입력부(예컨대, 수신기 메모리)로서, 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 입력부; 정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 변환기 모듈(인코더 및/또는 변조기와 같음); 추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하기 위한 채널 추정기; 및 트레이닝 데이터 쌍들을 제공하기 위한 출력부를 포함하고, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함한다.
제19 양태에서, 본 명세서는 장치를 제공하고, 장치는: 송신 시스템의 수신기의 채널 추정기 모듈(예컨대, 신경망 기반 채널 추정기 모듈)의 트레이닝가능한 파라미터들을 초기화하기 위한 초기화 모듈로서, 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 초기화 모듈; 저장된 트레이닝 데이터 쌍들에 기초하여 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하기 위한 파라미터 모듈로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 파라미터 모듈을 업데이트하기 위한 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 파라미터 모듈; 및 상기 생성된 업데이트된 파라미터들에 기초하여 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하기 위한 업데이팅 모듈을 포함한다.
제20 양태에서, 본 명세서는 장치를 제공하고, 장치는: 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하기 위한 입력부로서, 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 입력부; 수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하기 위한 디멀티플렉서; 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하기 위한 채널 추정기 모듈로서, 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 채널 추정기 모듈; 상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하기 위한 제1 프로세서(예컨대, 간섭 제거 조합기(interference rejection combiner)); 및 프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하기 위한 출력 모듈을 포함한다.
예시적인 실시예들은 이제 다음의 개략도들을 참조하여 비 제한적인 예들로서 설명될 것이며, 여기서:
도 1은 일 예시적인 실시예에 따른 일 예시적인 단 대 단 통신 시스템의 블록도;
도 2는 도 1의 시스템의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 3은 도 1의 시스템에서 사용될 수 있는 일 예시적인 송신기의 블록도;
도 4는 도 3의 송신기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 5는 일 예시적인 실시예에 따른 도 1의 시스템에서 사용될 수 있는 일 예시적인 수신기의 블록도;
도 6은 일 예시적인 실시예에 따른 도 5의 수신기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 7은 일 예시적인 실시예에 따른 시스템의 블록도;
도 8은 일 예시적인 실시예에서 도 7의 시스템에서 사용될 수 있는 신경망의 블록도;
도 9는 일 예시적인 실시예에 따른 알고리즘을 도시하는 흐름도;
도 10은 일 예시적인 실시예에 따른 시스템의 블록도;
도 11은 도 10의 트레이닝 데이터 생성기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 12는 일 예시적인 실시예에 따른 알고리즘을 도시하는 흐름도;
도 13은 일 예시적인 실시예에 따른 시스템의 블록도;
도 14는 일 예시적인 실시예에 따른 시스템의 블록도;
도 15는 일 예시적인 실시예에 따른 시스템의 구성요소들의 블록도; 및
도 16a 및 도 16b는 유형의 매체들, 각각 컴퓨터에 의해 실행될 때 실시예들에 따른 동작들을 수행하는 컴퓨터 판독가능한 코드를 저장하는 컴팩트 디스크(CD) 및 탈착가능한 메모리 유닛을 도시한 도면들.
도 1은 일 예시적인 실시예에 따른 일 예시적인 단 대 단 통신 시스템의 블록도;
도 2는 도 1의 시스템의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 3은 도 1의 시스템에서 사용될 수 있는 일 예시적인 송신기의 블록도;
도 4는 도 3의 송신기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 5는 일 예시적인 실시예에 따른 도 1의 시스템에서 사용될 수 있는 일 예시적인 수신기의 블록도;
도 6은 일 예시적인 실시예에 따른 도 5의 수신기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 7은 일 예시적인 실시예에 따른 시스템의 블록도;
도 8은 일 예시적인 실시예에서 도 7의 시스템에서 사용될 수 있는 신경망의 블록도;
도 9는 일 예시적인 실시예에 따른 알고리즘을 도시하는 흐름도;
도 10은 일 예시적인 실시예에 따른 시스템의 블록도;
도 11은 도 10의 트레이닝 데이터 생성기의 일 예시적인 사용을 입증하는 알고리즘을 도시하는 흐름도;
도 12는 일 예시적인 실시예에 따른 알고리즘을 도시하는 흐름도;
도 13은 일 예시적인 실시예에 따른 시스템의 블록도;
도 14는 일 예시적인 실시예에 따른 시스템의 블록도;
도 15는 일 예시적인 실시예에 따른 시스템의 구성요소들의 블록도; 및
도 16a 및 도 16b는 유형의 매체들, 각각 컴퓨터에 의해 실행될 때 실시예들에 따른 동작들을 수행하는 컴퓨터 판독가능한 코드를 저장하는 컴팩트 디스크(CD) 및 탈착가능한 메모리 유닛을 도시한 도면들.
다양한 실시예들에 대해 추구되는 보호의 범위는 독립항들에 의해 제시된다. 독립 청구항들의 범위에 속하지 않는 명세서에서 설명된 실시예들 및 특징들은 존재한다면, 본 발명의 다양한 실시예들을 이해하기 위해 유용한 예들로서 해석되어야 한다.
설명 및 도면들에서, 유사한 참조 부호들은 전체에 걸쳐 유사한 요소들을 언급한다.
도 1은 일 예시적인 실시예에 따른, 일반적으로 참조 부호(1)로 표시된 일 예시적인 단 대 단 통신 시스템의 블록도이다. 시스템(1)은 송신기(2), 채널(4) 및 수신기(6)을 포함한다. 시스템 레벨에서 뷰잉될 때, 시스템(1)은 송신기(2)의 입력부에서 수신된 입력 비트 스트림(B(t))을 수신기(6)의 출력부에서의 출력 비트 스트림(B(t))으로 변환한다. 더 구체적으로, 송신기(2)는 채널(4)를 통한 송신을 위해 입력 비트 스트림(B(t))을 송신 심볼들(X(t))로 변환하고 수신기(6)는 채널(4)로부터 수신된 심볼들(Y(t))로부터 출력 비트 스트림(B(t))을 생성한다.
도 2는 통신 시스템(1)의 일 예시적인 사용을 입증하는, 일반적으로 참조 부호(10)로 표시된 알고리즘을 도시하는 흐름도이다.
알고리즘(10)은 데이터가 채널(4)를 사용하여 송신기(2)에 의해 수신기(6)로 송신되는 동작(11)에서 시작한다. 동작(12)에서, 송신된 데이터는 수신기(6)에서 수신된다. 따라서, 데이터 심볼들(X(t))은 동작(1)에서 송신되고 데이터 심볼들(Y(t))은 동작(12)에서 수신될 수 있으며, 이로부터 원래 데이터 스트림(B(t))의 추정치가 얻어질 수 있다.
알고리즘(10)의 동작(13)에서, 수신기(6)에서 수신된 데이터가 정확한지의 여부(예컨대, 수신기에서의 추정된 데이터 비트들이 송신된 데이터 스트림의 비트들과 매칭하는지의 여부)에 대한 결정이 이루어진다. 이것은 예를 들면, 패리티 검사 또는 유사한 알고리즘을 사용하여 구현될 수 있다. 데이터가 잘못된 것으로 간주되면, 알고리즘(10)이 동작(16)에서 종료되기 전에, 동작(14)에서 데이터가 제거된다. 데이터가 정확한 것으로 간주되면, 동작(15)에서 데이터가 전송되고(예컨대, 어딘가에서 사용하기 위해) 알고리즘(10)은 동작(16)에서 종료된다.
알고리즘(10)의 하나의 예시적인 사용에서, 동작(14)에서 수신된 비트들의 제거는 부정확하게 수신된 비트들의 재송신을 트리거링(triggering)한다. 일부 예시적인 4G 및 5G 송신 시스템들에서, 링크 적응을 위한 타겟 블록 오류 레이트(변조 차수 및 코드 레이트를 결정함)는 10%이고; 즉, 10개의 업링크 송신들 중 9개가 정확하게 디코딩되어야 한다.
도 3은 상기 설명된 통신 시스템(1)에서 사용될 수 있는 일 예시적인 송신기(2)의 블록도이다. 도 3에 도시된 바와 같이, 송신기(2)는 인코더 및 변조 모듈(22) 및 멀티플렉서(24)를 포함한다.
도 4는 도 3의 송신기(2)의 일 예시적인 사용을 입증하는, 일반적으로 참조 부호(30)로 표시된 알고리즘을 도시하는 흐름도이다.
알고리즘(30)은 인코더 및 변조 모듈(22)의 인코더가 정보 비트들(B(t))의 시퀀스를 인코딩하는 동작(32)에서 시작한다(예를 들면, 다른 채널 코딩 방식들이 가능할지라도, LDPC 채널 인코딩을 사용함). 동작(34)에서, 인코딩된 비트들은 인코더 및 변조 모듈(22)의 변조기에 의해 송신 심볼들에 매핑된다. 예를 들면, 인코딩된 비트들은 QAM 심볼들(Xd(t))에 매핑될 수 있다. 물론, 대안적인 변조 방식들이 제공될 수 있다.
동작(36)에서, 변조된 심볼들(Xd(t))은 멀티플렉서(24)를 사용하여 파일럿 심볼들(Xp(t))과 멀티플렉싱된다. 결과적인 신호(X(t))(송신기(2)의 출력)는 동작(38)에서 수신기(6)의 채널(4)를 통해 송신된다.
도 5는 일 예시적인 실시예에 따른, 상기 설명된 통신 시스템(1)에서 사용될 수 있는, 일반적으로 참조 부호(6)로 표시된 일 예시적인 수신기의 블록도이다. 도 5에 도시된 바와 같이, 수신기(6)는 디멀티플렉서(42), 채널 추정기(44), 간섭 제거 조합기(IRC)(46) 및 복조기 및 디코더 모듈(48)을 포함한다.
도 6은 일 예시적인 실시예에 따른 도 5의 수신기(6)의 일 예시적인 사용을 입증하는, 일반적으로 참조 부호(50)로 표시된 알고리즘을 도시하는 흐름도이다.
동작(51)에서, 수신기(6)는 채널(4)로부터 신호(Y(t))를 수신한다. 수신된 신호(Y(t))는 동작(52)에서 디멀티플렉서(42)를 이용하여 파일럿 심볼들(Yp(t)) 및 데이터 심볼들(Yd(t))로 디멀티플렉싱된다.
동작(53)에서, 채널 추정기(44)는 채널 전달 함수에 대한 추정치(
)를 생성하기 위해 사용된다. 채널 전달 함수 추정치는 수신된 파일럿 심볼들(Yp(t))(디멀티플렉서(42)에 의해 채널 추정기(44)에 제공됨)로부터 얻어진다.
채널 전달 함수의 추정치(
)는 동작(54)에서 수신된 데이터 심볼들(Yd(t))을 등화하기 위해 사용된다(예를 들면, 대안적인 등화 배열들이 사용될 수 있을지라도, 간섭 제거 조합기(IRC)(46)를 사용함). 동작(55)에서, 등화된 데이터 심볼들(
)은 원래 정보 비트들(B(t))의 추정치들을 생성하기 위해 복조기 및 디코더 모듈(48)에 의해 복조되고 디코딩된다.
디코딩이 성공하면(예를 들면, 성공적인 CRC 검사에 의해 결정된 바와 같이), 정보 비트들(B(t))이 수용된다(예컨대, 층 2(MAC)로 핸드 오버하고 기지국으로 하여금 데이터의 적절한 수신을 확인하게 함으로써). 상기 논의된 바와 같이, 디코딩이 성공적이지 않은 경우, 기지국은 데이터의 재송신을 트리거링할 수 있다.
채널 추정기(44)는 많은 형태들을 취할 수 있다. 채널 추정의 품질을 개선하기 위한 가능한 접근법은 추정기의 설계에 채널 모델에 관한 가정들을 통합하는 것이다. 예를 들면, 우리는 3GPP 채널 모델에서 매우 큰 어레이 및 도달 신호 전력의 단일 클러스터를 가정할 수 있다. 알려지지 않은 채널 공분산 행렬이 있는 채널의 최적 추정(최소 평균 제곱 오차(MMSE)의 의미에서)은 그 다음, 계산적으로 다루기 쉽게 되고 단순한 최소 제곱 추정기보다 양호한 추정치들로 이어질 수 있다.
도 7은 일 예시적인 실시예에 따른 채널 추정기의 구현을 도시하는, 일반적으로 참조 부호(60)로 표시된 시스템의 블록도이다. 시스템(60)은 채널 추정기 모듈(61), 신경망(62), 오프라인 학습 모듈(63) 및 샘플 공분산 모듈(64)을 포함한다.
채널 추정기 모듈(61)은 시간(t)에서 채널 벡터 추정치(
)를 계산하기 위해 사용될 수 있고 따라서, 상기 설명된 수신기(6)의 채널 추정기(44)를 구현하기 위해 사용될 수 있다.
샘플 공분산 모듈(64)은 신경망(62)에 대한 입력 신호를 생성하고(수신되고 역상관된/평균화된 파일럿 신호(Yr(t))에 기초하여), 이 신경망은 채널 추정기 모듈(61)에 의해 사용되는 채널 추정기(W(t))를 생성한다. 신경망(62)은 오프라인 학습 모듈(63)에 의해 제공되는 파라미터 세트들(a 및 b)에 의해 파라미터화된다. 기지국을 배치할 때, 디폴트 파라미터 세트(예컨대, 컴퓨터 시뮬레이션들에 의해 얻어짐)가 전형적으로 설정된다(실제 배치로부터의 트레이닝 데이터가 일반적으로 이용가능하지 않기 때문에). 그러나, 일단 기지국이 송신들(예컨대, 업링크 송신들)을 성공적으로 디코딩하기 시작하면, 트레이닝 데이터베이스가 컴파일링되기 시작하고, 이 데이터베이스는 오프라인 학습 모듈(63)에 의해 사용되어 신규/개선된 파라미터 세트들(a 및 b)을 생성한다.
관측 시간들(t=1,...,T)로부터 역상관된 수신된 업링크 파일럿 벡터들(Yr(t))은 샘플 공분산 모듈(64)에 의해 샘플링될 수 있다. 변수(
)는 관측 시간들(t=1,...,T)로부터 역상관된 수신된 (업링크) 파일럿 벡터들(Yr(t))의 (벡터화된) 스케일링된 샘플 공분산 행렬을 나타낸다; 즉,
도 8은 시스템(60)에서 사용될 수 있는 신경망(62)의 일 예시적인 구현의 블록도이다.
신경망(62)은 제1 CNN 층(71), 합산 모듈(72), 소프트맥스 활성화 층(73), 및 제2 CNN 층(74) 및 제2 합산 모듈(75)을 포함하는 컨볼루션 신경망(CNN)을 포함한다. 제1 CNN 층(71)은 신경망 가중치들(a1)을 포함하고, 제1 합산 모듈(72)은 신경망 가중치들(b1)을 수신하고, 제2 CNN 층(74)은 신경망 가중치들(a2)을 포함하고 제2 합산 모듈(75)은 신경망 가중치들(b2)을 수신한다. 신경망(62)은 많은 형태들을 취할 수 있다. 예를 들면, 신경망은 다수의 층들(예컨대, 2개의 층들) 및 활성화 함수(예컨대, 소프트맥스 또는 ReLu 활성화)를 포함할 수 있다; 숙련자는 그러나, 사용될 수 있는 많은 가능한 대안적 신경망 구성들을 알고 있을 것이다.
신경망(62)의 출력(
)은 (MMSE) 최적 채널 추정기의 (벡터화된) 가중치를 포함하고, 이들은 시간(t)에서 채널 벡터 추정치(
)를 계산하기 위해 사용된다.
상기 시나리오(단일 클러스터, 매우 큰 ULA/URA)에 대해, CNN의 상수들(예컨대, 가중치 벡터(θ=(a1, b1, a2, b2)))은 분석 표현식들에 의해 폐쇄된 형태로 주어진다.
그러나, 수정된 모델 파라미터들 또는 더 일반적인 채널 모델들에 대해 여전히 작동하도록 이 모델 기반 접근법을 강건하게 만들기 위해, 고려된 특별한 경우에 대한 최적 추정기에서 발생하는 일부 상수들(예컨대, 가중치 벡터(θ=(a1, b1, a2, b2)))은 최적화 변수들이 되기 위해 제한되지 않을 수 있으며, 이들 변수들은 기계 학습 방법들에 의해 트레이닝될 수 있다. 결과는 전역 최적의 추정기가 더 이상 다루기 힘들 더 일반적인 3GPP 전파 채널 모델들에서 잘 작동하는 추정기이다.
도 9는 일 예시적인 실시예에 따른, 일반적으로 참조 부호(80)로 표시된 알고리즘을 도시하는 흐름도이다. 알고리즘(80)은 상기 설명된 신경망(62)의 트레이닝에서 사용될 수 있다.
알고리즘(80)은 트레이닝 데이터가 얻어지는 동작(82)에서 시작한다. 하기에서 논의된 바와 같이, 트레이닝 데이터는 통신 시스템(상기 설명된 시스템(1)과 같음)의 동작 동안 얻어질 수 있다.
동작(84)에서, 신경망(예컨대, 신경망(62))은 얻어진 트레이닝 데이터에 응답하여 업데이트된다. 동작(86)에서, 업데이트된 신경망이 사용된다(예컨대, 수신기의 일부로부터 채널 추정기의 가중치들을 생성하기 위해).
알고리즘(80)은 또 다른 트레이닝 데이터가 얻어지고 신경망이 또한 업데이트되는 동작(82)으로 돌아갈 수 있다.
알고리즘(80)을 사용하는 신경망 가중치들의 트레이닝은 변수들에 대한 (로컬) 최적치들을 찾기 위한 확률적 경사 방법으로 해결할 수 있는 학습 문제이다. 신경망 추정기는 전형적으로, 변수들을 최적화하기 위해 (잡음 없는) 채널 실현들 및 대응하는 (잡음) 관측들의 데이터 세트({(H(1),Yr(1)), (H(2),Yr(2)),...})를 요구한다. 따라서, "진정한" 채널 모델에 대한 NN-MMSE 추정기를 학습하기 위해 측정 캠페인으로부터 채널 벡터들 및 관측들의 샘플들을 또한 취할 수 있다. 이것은 그러나, 측정 캠페인 동안 SNR이 동작 중인 SNR보다 훨씬 커야 함을 요구한다.
도 10은 일 예시적인 실시예에 따른, 일반적으로 참조 부호(90)로 표시된 시스템의 블록도이다. 시스템(90)은 예를 들면, 상기 설명된 신경망을 트레이닝하는데 사용하기 위해 트레이닝 데이터를 생성하기 위한 메커니즘을 제공한다.
시스템(90)은 업링크 수신 체인(92)(상기 설명된 수신기(6)와 일부 유사성들을 가짐), 트레이닝 데이터 생성기(100) 및 트레이닝 알고리즘(108)을 포함한다. 하기에서 상세히 설명된 바와 같이, 트레이닝 알고리즘(108)은 트레이닝 데이터 생성기(100)에 의해 생성된 트레이닝 데이터에 기초하여 업링크 수신 체인(92)의 채널 추정기(95)를 트레이닝하기 위해 사용된다.
도 10에 도시된 바와 같이, 업링크 수신 체인(92)은 디멀티플렉서(93), 역상관 및 평균화 모듈(94), 채널 추정기(95), 간섭 제거 조합기(IRC)(96) 및 복조기 및 디코더 모듈(97)을 포함한다.
수신기 체인(92)은 채널(4)로부터 하나 이상의 심볼들(Y(t))을 수신한다.
수신된 신호(Y(t))는 디멀티플렉서(93)에 의해 수신된 파일럿 심볼들(Yp(t)) 및 수신된 데이터 심볼들(Yd(t))로 디멀티플렉싱된다(즉, 분리됨).
역상관 및 평균화 모듈(94)은 수신되고 송신된 파일럿 심볼들(Yp(t))/Xp(t))의 심볼 단위 분할을 구현하고 채널 추정기(95)에 제공되는 심볼들(Yr(t))을 생성하기 위해 그들 값들을 평균화한다(예컨대, 윈도우 함수를 사용함). 이 심볼 벡터는 상기 방정식 (1)로 주어진 것과 같이 스케일링된 샘플 공분산 행렬을 계산하기 위해 사용되며, 이는 그 다음, 시간(t)에서 채널 추정치(
)를 계산하기 위해 사용되는 신경망 기반 채널 추정기(95)에 공급된다.
이 방식으로, 수신된 파일럿 신호(Yp(t))는 채널 추정기(95)를 사용하여 프로세싱된다. 하기에서 상세히 설명된 바와 같이, 채널 추정기 모듈(95)은 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함한다.
채널 전달 함수의 추정치(
)는 수신된 데이터 심볼들(Yd(t))을 생성된 프로세싱된 데이터 심볼들(
)로 등화(또는 그렇지 않으면 프로세싱)하기 위해 IRC(96)에 의해 사용된다. 수신된 데이터 심볼들(Yd(t))이 복수의 데이터 층들에 포함될 때, IRC(96)는 각각의 원하는 데이터 층으로부터의 수신된 심볼들의 프로세싱을 허용하기 위해 예를 들면, 복수의 데이터 층들 중 하나 이상의 원하지 않는 데이터 층들에 대응하는 심볼들의 수신된 신호 기여도들을 제거하도록 구성될 수 있다.
프로세싱된 데이터 심볼들(
)은 복조기 및 디코더 모듈(97)에 의해 복조되고 디코딩된다. 따라서, 데이터 심볼들은 수신된 데이터 비트들(B(t))로 변환된다.
디코딩이 성공하면(예를 들면, 성공적인 CRC 검사에 의해 결정된 바와 같이), 정보 비트들(B(t))이 수용된다(예컨대, 층 2(MAC)로 핸드 오버하고 시스템(90)으로 하여금 데이터의 적절한 수신을 확인하게 함으로써). 상기 논의된 바와 같이, 디코딩이 성공적이지 않은 경우, 기지국은 데이터의 재송신을 트리거링할 수 있다.
패리티 검사 모듈과 같은, 수신된 송신 비트들이 정확한 것으로 간주되는지의 여부를 결정하기 위한 수단은 예를 들면, 업링크 수신 체인(92)의 일부로서(예컨대, 복조 및 디코더 모듈(97)의 일부로서) 또는 별개의 모듈로서 제공될 수 있다.
도 10에 도시된 바와 같이, 트레이닝 데이터 생성기(100)는 입력 인터페이스(101), 인코더 및 변조 모듈(102), 멀티플렉서(103), 채널 추정기(104), 역상관 및 평균화 모듈(105) 및 데이터베이스(106)를 포함한다. 데이터베이스(106)는 트레이닝 데이터 생성기(100)의 출력 인터페이스로서의 역할을 한다.
입력 인터페이스(101)는 성공적으로 디코딩된 업링크 송신들의 전부(또는 이들의 서브세트)에 대해 다음 정보의 일부 또는 전부를 저장한다(그룹화된 데이터 세트들의 형태로).
인코더 및 변조 모듈(102)은 정보 비트들(B(t))을 재인코딩하여 데이터 심볼들(Xd(t))을 생성한다. 데이터 심볼들은 UE 송신 신호(X(t))를 재생성하기 위해 파일럿 신호들(Xp(t))과 멀티플렉싱된다(멀티플렉서(103)에 의해). 정보 비트들(B(t))이 정확한 것으로 결정되었기 때문에, UE 송신 신호(X(t))가 원래 송신된 신호와 매칭해야 함에 유의해야 한다.
X(t) 및 Y(t)에 기초하여, 채널 추정기(104)는 채널 전달 함수에 대한 개선된 추정치(
)를 생성한다. 채널 추정기(104)는 고전적인 최소 자승 채널 추정기와 같은 많은 형태들을 취할 수 있다. 그러나, 디코더(97)로부터 얻어진 신뢰도 정보(예컨대, 소프트 비트들)를 활용하는 채널 추정기는 추정 성능을 개선하기 위해 사용될 수 있다. 유형 2의 이중 심볼 DMRS 구성을 갖는 5G에서, 물리적 리소스 블록(PRB) 당 12개의 파일럿 심볼들(Xp(t))만 채널 추정을 위해 이용가능하다는 것에 또한 유의해야 한다. 재생성된 UE 송신 신호(X(t))를 사용하여, PRB 당 156개의 심볼들은 채널 추정을 위해 사용될 수 있으며, 이는 채널 추정치들에서 정규화된 평균 제곱 오차(NMSE)를 ~11dB까지 감소시킨다. 따라서, -20dB 내지 -30dB 정도의 NMSE들을 갖는 채널 추정치들이 성취될 수 있으며, 이는 그들 추정치들을 실제 채널 전달 함수로서 간주하기에 충분히 높다.
역상관 및 평균화 모듈(105)은 X(t) 및 Y(t) 둘 모두를 수신하고 역상관되고 평균화된 수신 심볼들(
)을 생성한다. 모듈(105)은 다양한 방식들로 구현될 수 있다. 예를 들면, 심볼들(
)은 단지 파일럿 심볼들로부터 얻어질 수 있거나(업링크 수신 체인(92)의 채널 추정 모듈에서와 동일한 Yr(t)를 생성함) 대안적으로, 파일럿 및 (재생성된) 데이터 심볼들로부터 얻어질 수 있다. 후자의 경우에 대해, 
은 동일한 채널 실현(H(t))에 대한 다수의 잡음 관측치들(
)로 구성된다. 아무튼, 심볼들(
)은 업링크 수신 체인(92)에서 채널 추정기(95)에 의해 보여지는 것과 동일한 통계를 갖는 잡음 및 간섭을 포함해야 한다.
채널 추정기(104)에 의해 출력된 개선된 추정치들(
)은 역상관 및 평균화 모듈(105)에 의해 출력된 역상관화되고 평균화된 수신 심볼들(
)과 함께 데이터베이스(106)에 공동으로 저장된다. 데이터베이스(106)는 트레이닝 알고리즘(108)에 대한 트레이닝 데이터 생성기(100)의 출력 인터페이스의 역할을 한다. 트레이닝 알고리즘(108)의 동작은 하기에서 상세히 설명된다.
도 11은 도 10의 트레이닝 데이터 생성기(100)의 일 예시적인 사용을 입증하는, 일반적으로 참조 부호(110)로 표시된 알고리즘을 도시하는 흐름도이다.
알고리즘(110)은 하나 이상의 수신된 심볼들(Y(t)) 및 하나 이상의 수신된 비트들(B(t))이 트레이닝 데이터 생성기(100)의 입력부에서 수신되는 동작(112)에서 시작한다. 상기 설명된 바와 같이, 트레이닝 데이터 생성기(100)는 송신기, 채널 및 수신기(상기 설명된 시스템(1)의 송신기, 채널 및 수신기와 같음)를 포함하는 송신 시스템의 수신기의 일부를 형성할 수 있다.
동작(114)에서, 정확한 것으로 간주되는 하나 이상의 수신된 비트들(B(t))은 하나 이상의 추정된 송신 심볼들로 변환되고, 그에 의해 원래 송신된 심볼들(X(t))을 재생성한다. 동작(114)은 수신된 데이터 비트들을 인코딩 및 변조하고(모듈(102)을 사용함) 멀티플렉서(103)를 사용하여 (예컨대, 5G 송신 시스템에서) 변조된 심볼들을 파일럿 심볼들과 멀티플렉싱함으로써 구현될 수 있다. 변조(인코딩 및 변조 모듈(102)의 일부를 형성함)는 예를 들면, 인코딩된 비트들(예컨대, LDPC 코딩된 비트들)을 변조된 심볼들(예컨대, QAM 심볼들, 또는 일부 다른 심볼들)로 변환할 수 있다. 멀티플렉서(103)는 따라서, 변조된(및 인코딩된) 비트들을 상기 파일럿 심볼들과 조합할 수 있다.
동작(116)에서, 추정된 송신 심볼들(X(t)) 및 대응하는 수신된 심볼들(Y(t)) 중 하나 이상에 적어도 부분적으로 기초하여 추정된 채널 전달 함수(
)가 생성된다(예를 들면, 채널 추정기(104)를 사용함).
동작(118)에서, 트레이닝 데이터 쌍들이 제공된다(데이터베이스(106)에). 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수(
)에 기초한 제1 요소 및 대응하는 수신된 심볼들(예컨대, 모듈(105)에 의해 출력된 바와 같이, 역상관되고 수신된 데이터)에 기초한 제2 요소를 포함한다.
도 12는 일 예시적인 실시예에 따른, 일반적으로 참조 부호(120)로 표시된 알고리즘을 도시하는 흐름도이다. 알고리즘(120)은 상기 설명된 시스템(90)의 트레이닝 알고리즘(108)의 제어 하에서 채널 추정기(95)를 트레이닝하기 위한 일 예시적인 배열을 제공한다.
알고리즘(120)은 송신 시스템(시스템(1)과 같음)의 채널 추정기(95)의 트레이닝가능한 파라미터들이 초기화되는 동작(121)에서 시작한다. 송신 시스템의 채널은 초기에 알려지지 않은 채널일 수 있다. 따라서, 초기화는 채널의 특성들에 대한 지식 없이 수행될 수 있다.
동작(122)에서, 채널 추정기(95)에 대한 업데이트된 파라미터들은 데이터베이스(106)에 의해 저장된 트레이닝 데이터 쌍들에 기초하여 생성된다. 트레이닝 데이터 생성기(100)에 의해 생성되는 트레이닝 데이터 쌍들은 관련 송신 시스템에 의해 송신된 실제 데이터에 기초한다. 따라서, 알고리즘(120)은 온라인 트레이닝을 구현한다. 상기 설명된 바와 같이, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들(예컨대, 역상관되고 평균화된 수신된 심볼들)에 기초한 제2 요소를 포함한다. 동작(122)는 손실 함수를 최소화함으로써 구현될 수 있다. 따라서, 채널 추정기(95)의 트레이닝가능한 파라미터들은 기계 학습 원리들을 사용하여 업데이트될 수 있다.
채널 추정기를 위한 신경망 트레이닝 알고리즘은 따라서, 트레이닝 데이터 생성기(100)에 의해 제공된 데이터베이스(106)(예컨대, D={(
(1),
), (
(2),
),...}) 내의 데이터에 기초할 수 있다. 동작(122)은 예를 들면, 확률적 경사 방법을 사용하여 구현될 수 있다. 예를 들면, 상기 설명된 예시적인 신경망(62)의 트레이닝에서, 확률적 경사 하강법은 가중치 벡터(θ=(a1, b1, a2, b2))에 대한 (로컬) 최적치들을 찾기 위해 사용될 수 있고, 그에 의해 채널 추정기의 (업데이트된) 파라미터들에 대한 최적화된 값들을 결정하려고 시도한다.
동작(123)에서 채널 추정기(95)의 트레이닝가능한 파라미터들은 동작(122)에서 생성된 상기 업데이트된 파라미터들에 기초하여 업데이트된다.
동작(124)에서, 알고리즘(120)이 완전한지의 여부가 결정되고, 그에 의해 업데이트된 파라미터들의 반복된 생성을 제어하기 위한 메커니즘을 제공한다. 알고리즘(120)이 완료되면, 알고리즘은 동작(125)에서 종료한다. 그렇지 않다면, 알고리즘은 동작(122)으로 돌아가고 또 다른 업데이트된 파라미터들이 생성된다.
동작(124)은 제1 조건이 충족되면 알고리즘이 완료되었다고 결정할 수 있다. 예시적인 조건들은 정의된 반복들의 횟수 및 정의된 성능 레벨 중 하나 이상을 포함한다. 또 다른 예시적인 조건은 파라미터들이 정의된 반복들의 횟수에 걸쳐 임계량보다 많이 변경되지 않는 것이다. 일부 실시예들에서, 알고리즘(120)은 업데이트된 트레이닝 데이터가 이용가능한 것에 응답하여 수행될 수 있다(예컨대, 정의된 수의 부가적인 트레이닝 데이터 포인트들이 생성되었을 때).
동작하는 무선 네트워크에서 신경망 기반 채널 추정기(95)(예컨대, 실제 배치로부터 높은 SNR 채널 실현들)에 대한 실세계 트레이닝 데이터를 획득하는 것은 간단하지 않다. 업링크 채널 추정 프로세스는 일반적으로 잡음 및 간섭이 제한적이어서, 획득된 채널 정보가 교란되고 신경망 트레이닝을 위해 필요한 실제 채널을 표현하지 않게 한다. 이것은 채널 사운딩 동안 전력 스펙트럼 밀도가 송신 전력 제약들로 인해 매우 낮을 수 있는 셀 에지 사용자들에게 특히 해당된다.
본 명세서에서 설명된 온라인 트레이닝 알고리즘들은 업링크에서 수신된 신호로부터 높은 SNR 채널 정보를 생성한다. 이것은 선행 채널 측정 캠페인의 필요 없이 구체적인 배치로부터의 채널 정보로 채널 추정기(95)의 트레이닝을 허용한다. 게다가, 신경망 기반 채널 추정기는 배치의 환경의 변화들에 적응할 수 있고 계속 증가하는 트레이닝 데이터의 풀을 수집하며, 이는 시간에 따라 개선된 채널 추정 성능을 야기할 수 있다.
본 명세서에서 설명된 원리들은 광범위한 통신 시스템들에 적용가능하다. 예를 들면, 대규모 MIMO 통신 시스템들의 잠재력을 최대한 활용하기 위해, 양호한 채널 정보를 갖는 것이 중요할 수 있다.
도 13은 일 예시적인 실시예에 따른, 일반적으로 참조 부호(130)로 표시된 시스템의 블록도이다. 시스템(130)은 모바일 통신 시스템의 노드(기지국, eNB, gNodeB, gNB, 등과 같음)를 포함한다. 사용 시에, 노드(132)는 다수의 사용자 디바이스들(도시되지 않음)과 통신한다.
도 13에 도시된 바와 같이, 노드(132)는 하나 이상의 사용자 디바이스들과의 통신들을 위해 사용될 수 있는 다수의 빔들(빔(133)과 같음)을 포함한다. 시스템(130)은 따라서, 노드(132)와 하나 이상의 사용자 디바이스들 사이의 그리드 오브 빔(grid-of-beams) 유형의 통신을 구현하기 위해 사용될 수 있다. 하나의 예시적인 구현에서, 기지국(132) 및 사용자 디바이스(133)는 mm 파장 대역(예컨대, 30 내지 300 기가헤르츠 정도)의 무선 주파수들을 사용하여 통신한다. 그러나, 다른 주파수 범위들(예컨대, 더 낮은 주파수들)이 사용될 수 있다.
정확한 채널 정보가 이용가능하다면, 기지국은 시스템(130)의 원하는 사용자들에게 날카로운 빔들을 형성하여 사용자 간 간섭을 회피하고 큰 안테나 어레이의 어레이 이득으로부터 이득을 취할 수 있다.
빔포밍(beamforming)된 송신들의 맥락에서, 다수의 송신 안테나들을 갖는 사용자 디바이스들은 업링크에서 그들의 데이터 층을 빔포밍할 수 있다(예컨대, DMRS 파일럿들 및 연관된 데이터 심볼들은 빔포밍 가중치 벡터를 사용하여 다수의 송신 안테나들에 매핑될 수 있음). 송신 빔포밍은 수신 안테나 상관 및 상관 대역폭의 관점에서 유효 전파 채널의 전파 통계에 영향을 미친다(예를 들면, 기지국의 업링크 수신기 체인(92)에 의해 보여지는 바와 같이). 하나의 예시적인 구현에서, 별개의 데이터 베이스들(예컨대, DnonBF, DBF) 및 신경망 가중치 벡터들(예컨대, θnonBF 및 θBF)의 별개의 세트들이 유지될 수 있으며, 하나는 빔포밍되지 않은 송신들(송신 안테나 스위칭 방식들을 포함할 수 있음)을 위한 것이고 하나는 빔포밍된 송신들을 위한 것이다. 잠재적인 확장으로서, 상이한 송신 안테나 구성들(무선 네트워크에서 발생함)에 대한 전용 데이터베이스들 및 신경망 가중치 세트들을 또한 구현할 수 있다.
상기 설명된 신경망 기반 채널 추정기(95)는 다수의 신경망 가중치 벡터들을 저장할 수 있다. 게다가, 채널 추정기(95)에는 채널 추정을 위해 사용될 가중치 벡터(의 인덱스)를 나타낼 부가적인 입력 파라미터가 제공될 수 있다.
다수의 신경망들의 트레이닝의 복잡성을 다루기 위한 더 정교한 방식은 다수의 신경망들의 중첩을 사용하는 것이다. 본 명세서에서 설명된 신경망들이 채널의 메타 피쳐들(meta-features) 예컨대, 산란체들의 클러스터들을 학습할 수 있기 때문에, 우리는 입력들 및 출력들의 수들이 상이한 동일한 채널에서 트레이닝된 신경망들이 서로 많은 정보를 공유한다고 가정할 수 있다. 따라서, 가장 많은 수의 다수의 안테나 입출력 구성들에 맞는 하나의 큰 신경망을 트레이닝시키는 것이 가능하다. 우리는 신경망이 적용되어야 하는 MIMO 구성을 선택할 책임이 있는 부가적인 선택 파라미터들을 도입한다. 구성들은 신경망에 대한 부가적인 입력 파라미터로서 사용자 디바이스에 의해 또는 사전에 컨텍스트에 의해 공유된다.
단순화를 위해, 상기 설명은 무선 네트워크의 업링크에서 단일 층 송신에 관한 실시예들로 제한되었다. 하기의 또 다른 실시예들에서 약술된 바와 같이, 본 명세서에서 설명된 원리들은 예를 들면, 다른 실시예들에서 적용될 수 있다:
일 예시적인 실시예에서, 하나 이상의 수신된 심볼들은 복수의 데이터 층들 예를 들면, L개의 데이터 층들에 포함된다. L개의 데이터 층들은 단일 또는 다수의 사용자들(즉, 단일 또는 다중 사용자 MIMO)에 의해 송신될 수 있다(실질적으로 동시에). l번째 데이터 층의 송신 신호는 Xl(t)로 표시될 수 있다. 게다가, L개의 송신 신호들의 각각은 상이한(가능하게 빔포밍된) 전파 채널(Hl(t))을 통과할 수 있다.
다중 층 송신들은 (코드/시간/주파수) 직교 파일럿 시퀀스들이 사용되기 때문에(예컨대, 역상관 및 평균화 동작이 파일럿 신호들을 상이한 층들로부터 분리함) 신경망 기반 채널 추정기(업링크 수신 체인(92) 내부의)에 대해 투명할 수 있다.
원하는 데이터 층 예를 들면, 층 l의 데이터 심볼들에 대해, 수신 등화기(예컨대, 간섭 제거 조합기)는 다른 원하지 않는 데이터 층들로부터의 간섭을 완화하여 대응하는 정보 비트들(Bl(t))이 아마도 모든 송신들의 90%에서 성공적으로 디코딩될 수 있게 한다. 이들 정보 비트들은 그 특정한 층의 송신 심볼들(Xl(t))을 재생성하기 위해 사용될 수 있다. 그러나, 향상된 채널 추정 모듈(재생성된 데이터 심볼들(Xl(t)을 활용함)은 수신된 신호(Y(t))가 다른 원하지 않는(공동 스케줄링된) 데이터 층들로부터의 간섭을 포함하기 때문에 직접적으로 적용가능할 수 없다(즉, 
(t)의 향상된 채널 추정을 위해 l번째 층으로부터의 신호 부분만 포함하는 수신된 신호(Yl(t))가 필요함). 그 간섭을 제거하기 위해, 간섭 제거(IC) 모듈이 사용될 수 있다. 모든 송신 층들이 성공적으로 디코딩된 경우, IC 모듈은 원하는 데이터 층(층 l)으로부터의 수신된 심볼들을 포함하는 결과적인 수신된 신호(Yl(t))가 프로세싱될 수 있도록, 하나 이상의 원하지 않는 데이터 층들의 수신된 신호 기여도들을 감산할 수 있다. 결과적인 신호(Yl(t))는 l번째 층의 재생성된 송신 신호(Xl(t))와 함께 사용되어 
(t)를 산출하는 향상된 채널 추정(데이터 반송파들을 활용함)을 수행할 수 있다.
도 14는 일 예시적인 실시예에 따른, 일반적으로 참조 부호(140)로 표시된 시스템의 블록도이다. 시스템(140)은 2개의 (데이터) 층들의 경우에 대해 상기 설명된 메커니즘을 도시한다. 도시된 메커니즘은 L개의 층들의 일반적인 경우로 용이하게 연장될 수 있다.
게다가, 점선들은 개선된 채널 추정치들(
(t) 및 
(t))이 간섭 제거 모듈들에 다시 공급되어 개선된 무간섭 신호를 생성하는 가능한 연장을 나타낸다.
이 트레이닝 데이터 생성기의 계산 복잡성이 실시간 제약들이 없기 때문에 큰 역할을 하지 않는다는 점에 유의해야 한다. 그것은 예컨대, 범용 프로세서에서 실행될 수 있다.
개선된 채널 추정치들(신경망 트레이닝을 위해 사용됨)을 제공하는 것 외에도, 본 명세서에서 설명된 채널 추정기들은 또한, 수신된 신호(Y(t)) 내부의 잡음 플러스 (셀간) 간섭(I(t))의 공분산 행렬(RI(t))에 대한 개선된 추정치들을 제공할 수 있다. 잡음 플러스 간섭으로부터의 신호 기여도(I(t))는 수신된 신호(Y(t))로부터 재생성 수신된 신호(
)를 감산함으로써 용이하게 얻어질 수 있다; 즉, 
이다. 개선된 간섭 플러스 잡음 공분산 행렬은 예컨대, 주어진 채널 실현(
)에 대해 부가적인 잡음 관측치들(
)을 생성(즉, 합성)하기 위해 사용될 수 있으며, 이는 신경망 트레이닝을 개선할 수 있다.
제1 시뮬레이션 결과들은 SNR 특정 신경망 가중치 벡터들(θ)을 사용함으로써 신경망 기반 채널 추정기의 성능이 개선될 수 있음을 보여주었다. 따라서, 우리는 수신 SNR에 기초하여 수신된 데이터 송신들을 분류할 것을 제안한다(예컨대, SNR 클래스들은 SNR 상한들 예컨대, -10dB, 0dB 및 10dB에 의해 정의된 {저, 중,고}일 수 있음). 각각의 SNR 클래스(s)에 대해, 전용 데이터 베이스(Ds) 및 신경망 가중치 벡터(θs)가 구현되고 유지되어야 한다.
상기 설명된 업링크 수신 체인의 신경망 기반 채널 추정기 모듈은 다수의 신경망 가중치 벡터들을 저장할 수 있다. 게다가, 신경망 기반 채널 추정기는 현재 수신의 SNR 클래스를 나타낼 새로운 입력 파라미터(s)를 얻을 수 있어서, 모듈이 정확한 NN 가중치 벡터(θs)를 적용하게 한다. SNR 클래스(s)는 역상관되고 평균화된 파일럿 심볼들(Yr(t))의 도움으로 결정될 수 있다.
완전성을 위해, 도 15는 이하에서 일반적으로 프로세싱 시스템(300)으로 언급되는, 이전에 설명된 예시적인 실시예들 중 하나 이상의 구성요소들의 개략도이다. 프로세싱 시스템(300)은 예를 들면, 하기의 청구항들에서 언급된 장치일 수 있다.
프로세싱 시스템(300)은 프로세서(302), 프로세서에 밀접하게 결합되고 RAM(314) 및 ROM(312)로 구성된 메모리(304), 및 선택적으로 사용자 입력부(310) 및 디스플레이(318)를 가질 수 있다. 프로세싱 시스템(300)은 네트워크/장치에 연결하기 위한 하나 이상의 네트워크/장치 인터페이스들(308) 예컨대, 유선 또는 무선일 수 있는 모뎀을 포함할 수 있다. 인터페이스(308)는 또한, 네트워크 측 장치가 아닌 디바이스/장치와 같은 다른 장치에 대한 연결부로서 동작할 수 있다. 따라서, 네트워크 참여 없이 디바이스들/장치 사이의 직접 연결이 가능하다.
프로세서(302)는 이의 동작을 제어하기 위해 다른 구성요소들의 각각에 연결된다.
메모리(304)는 하드 디스크 드라이브(HDD) 또는 고체 상태 드라이브(SSD)와 같은 비 휘발성 메모리를 포함할 수 있다. 메모리(304)의 ROM(312)은 무엇보다도, 운영 체제(315)를 저장하고 소프트웨어 애플리케이션들(316)을 저장할 수 있다. 메모리(304)의 RAM(314)은 데이터의 임시 저장을 위해 프로세서(302)에 의해 사용된다. 운영 체제(315)는 프로세서에 의해 실행될 때 상기 설명된 알고리즘들(10, 30, 50, 80, 110 및 120)의 양태들을 구현하는 코드를 포함할 수 있다. 작은 디바이스/장치의 경우에, 메모리가 작은 크기의 용도를 위해 가장 적합할 수 있고 즉, 항상 하드 디스크 드라이브(HDD) 또는 고체 상태 드라이브(SSD)가 사용되는 것은 아님에 유의한다.
프로세서(302)는 임의의 적합한 형태를 취할 수 있다. 예를 들면, 그것은 마이크로제어기, 복수의 마이크로제어기들, 프로세서, 또는 복수의 프로세서들일 수 있다.
프로세싱 시스템(300)은 독립형 컴퓨터, 서버, 콘솔, 또는 이들의 네트워크일 수 있다. 프로세싱 시스템(300) 및 필요한 구조적 부품들은 모두 IoT 디바이스/장치와 같은 즉, 매우 작은 크기로 내장된 내부 디바이스/장치일 수 있다.
일부 예시적인 실시예들에서, 프로세싱 시스템(300)은 또한, 외부 소프트웨어 애플리케이션들과 연관될 수 있다. 이들은 원격 서버 디바이스/장치에 저장된 애플리케이션들일 수 있으며 원격 서버 디바이스/장치에서 부분적으로 또는 독점적으로 실행될 수 있다. 이들 애플리케이션들은 클라우드 호스팅된 애플리케이션들로 칭해질 수 있다. 프로세싱 시스템(300)은 원격 서버 디바이스/장치에 저장된 소프트웨어 애플리케이션을 활용하기 위해 이와 통신할 수 있다.
도 16a 및 도 16b는 컴퓨터에 의해 실행될 때 상기 설명된 예시적인 실시예들에 따른 방법들을 수행할 수 있는 컴퓨터 판독가능한 코드를 저장하는 유형의 매체들, 각각 탈착가능한 메모리 유닛(365) 및 컴팩트 디스크(CD)(368)를 도시한다. 탈착가능한 메모리 유닛(365)은 메모리 스틱 예컨대, 컴퓨터 판독가능한 코드를 저장하는 내부 메모리(366)를 가지는 USB 메모리 스틱일 수 있다. 내부 메모리(366)는 연결기(367)를 통해 컴퓨터 시스템에 의해 액세스될 수 있다. CD(368)는 CD-ROM 또는 DVD 또는 이와 유사한 것일 수 있다. 다른 형태들의 유형의 저장 매체들이 사용될 수 있다. 유형의 매체들은 디바이스들/장치/네트워크 사이에 데이터/정보가 교환될 수 있는 데이터/정보를 저장할 수 있는 임의의 디바이스/장치일 수 있다.
본 발명의 실시예들은 소프트웨어, 하드웨어, 애플리케이션 로직 또는 소프트웨어, 하드웨어 및 애플리케이션 로직의 조합으로서 구현될 수 있다. 소프트웨어, 애플리케이션 로직 및/또는 하드웨어는 메모리, 또는 임의의 컴퓨터 매체들에 상주할 수 있다. 일 예시적인 실시예에서, 애플리케이션 로직, 소프트웨어 또는 지시 세트는 다양한 종래의 컴퓨터 판독가능한 매체들 중 임의의 하나에 유지된다. 이 문서의 맥락에서, "메모리" 또는 "컴퓨터 판독가능한 매체"는 컴퓨터와 같은 지시 실행 시스템, 장치, 또는 디바이스에 의해 또는 이와 관련하여 사용하기 위한 지시들을 포함, 저장, 전달, 전파 또는 전송할 수 있는 임의의 비 일시적 매체들 또는 수단일 수 있다.
관련되는 경우 "컴퓨터 판독가능한 매체", "컴퓨터 프로그램 제품", "유형으로 구현된 컴퓨터 프로그램" 등, 또는 "프로세서" 또는 "프로세싱 회로" 등에 대한 언급은 단일/다중 프로세서 아키텍처들 및 시퀀서들/병렬 아키텍처들과 같은 상이한 아키텍처들을 가지는 컴퓨터들 뿐만 아니라, 필드 프로그래밍가능한 게이트 어레이들(FPGA), 애플리케이션 명시 회로들(ASIC), 신호 프로세싱 디바이스들/장치 및 다른 디바이스들/장치와 같은 특수화된 회로들을 포함하는 것으로 이해되어야 한다. 컴퓨터 프로그램, 지시들, 코드 등에 대한 언급들은 하드웨어 디바이스/장치의 프로그래밍가능한 콘텐트와 같은 프로그래밍가능한 프로세서 펌웨어를 위한 소프트웨어를 프로세서에 대한 지시들 또는 고정된 기능 디바이스/장치, 게이트 어레이, 프로그래밍가능한 로직 디바이스/장치, 등에 대한 구성된 또는 구성 설정들로서 표현하는 것으로 이해되어야 한다.
원한다면, 본 명세서에서 논의된 상이한 기능들은 상이한 순서로 및/또는 서로 동시에 수행될 수 있다. 또한, 원하는 경우, 상기 설명된 기능들 중 하나 이상은 선택적일 수 있거나 조합될 수 있다. 유사하게, 도 2, 도 4, 도 6, 도 9, 도 11 및 도 12의 흐름도들이 단지 예들이고 거기에 묘사된 다양한 동작들이 생략, 재순서화 및/또는 조합될 수 있다는 것이 또한 인식될 것이다.
상기 설명된 예시적인 실시예들이 순전히 예시적이며 본 발명의 범위에 대해 제한하지 않는다는 것이 인식될 것이다. 다른 변형들 및 수정들은 본 명세서를 판독할 때 당업자들에게 명백할 것이다.
게다가, 본 출원의 개시는 본 명세서에 명시적으로 또는 묵시적으로 개시된 임의의 신규 특징들 또는 특징들의 임의의 신규 조합 또는 이의 임의의 일반화를 포함하는 것으로 이해되어야 하며 본 출원 또는 그로부터 얻어진 임의의 애플리케이션의 실행 동안, 새로운 청구항들은 임의의 이러한 특징들 및/또는 이러한 특징들의 조합을 커버하도록 공식화될 수 있다.
본 발명의 다양한 양태들이 독립항들에 제시될지라도, 본 발명의 다른 양태들은 단지 청구항들에 명시적으로 제시된 조합들이 아닌, 설명된 예시적인 실시예들 및/또는 독립항들의 특징들을 갖는 종속항들로부터의 특징들의 다른 조합들을 포함한다.
또한, 상기 내용이 다양한 예들을 설명하지만, 이들 설명들이 제한적인 의미로 고려되지 않아야 된다는 점에 유의해야 한다. 오히려, 첨부된 청구항들에 정의된 바와 같이 본 발명의 범위를 벗어나지 않고 이루어질 수 있는 몇몇 변형들 및 수정들이 존재한다.
Claims (26)
- 장치에 있어서:
하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하기 위한 수단으로서, 상기 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신 수단;
정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 수단;
추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하기 위한 수단; 및
트레이닝 데이터 쌍들을 제공하기 위한 수단으로서, 각각의 트레이닝 데이터 쌍은 상기 추정된 채널 전달 함수에 기초한 제1 요소 및 상기 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하는, 상기 트레이닝 데이터 쌍들을 제공하기 위한 수단을 포함하는, 장치. - 제1항에 있어서, 정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 상기 수단은 변조 모듈을 포함하는, 장치.
- 제1항 또는 제2항에 있어서, 정확한 것으로 간주되는 수신된 비트들 중 상기 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하기 위한 상기 수단은 변조된 비트 심볼들을 파일럿 심볼(pilot symbol)들과 조합하기 위한 멀티플렉서를 포함하는, 장치.
- 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 수신된 송신 비트들이 정확한 것으로 간주되는지의 여부를 결정하기 위한 수단을 더 포함하는, 장치.
- 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 추정된 채널 전달 함수를 생성하기 위한 상기 수단은 채널 추정기를 포함하는, 장치.
- 장치에 있어서:
송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하기 위한 수단으로서, 상기 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 상기 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 초기화 수단;
저장된 트레이닝 데이터 쌍들에 기초하여 상기 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하기 위한 수단으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 상기 업데이트된 파라미터들을 생성하기 위한 상기 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 생성 수단; 및
상기 생성된 업데이트된 파라미터들에 기초하여 상기 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하기 위한 수단을 포함하는, 장치. - 제6항에 있어서, 업데이트된 파라미터들을 생성하기 위한 상기 수단을 사용하여 업데이트된 파라미터들의 반복된 생성 및 트레이닝가능한 파라미터들을 업데이트하기 위한 상기 수단을 사용하여 상기 트레이닝가능한 파라미터들의 반복된 업데이팅을 제어하기 위한 수단을 더 포함하는, 장치.
- 제7항에 있어서, 업데이트된 파라미터들의 반복된 생성 및 상기 트레이닝가능한 파라미터들의 반복된 업데이팅을 제어하기 위한 상기 수단은 업데이트된 트레이닝 데이터에 응답하여 동작하는, 장치.
- 제6항 내지 제8항 중 어느 한 항에 있어서, 상기 트레이닝 데이터 쌍들은 제1항 내지 제5항 중 어느 한 항에서 청구된 바와 같은 장치를 사용하여 제공되는, 장치.
- 제6항 내지 제9항 중 어느 한 항에 있어서, 상기 트레이닝 데이터 쌍들의 제2 요소는 역상관된 수신된 데이터를 포함하는, 장치.
- 제10항에 있어서, 상기 역상관된 수신된 데이터는 역상관되고 평균화된 수신된 심볼들을 포함하는, 장치.
- 제6항 내지 제11항 중 어느 한 항에 있어서, 상기 트레이닝 데이터 쌍들을 저장하기 위한 데이터베이스를 더 포함하는, 장치.
- 장치에 있어서:
송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하기 위한 수단으로서, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신 수단;
수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하기 위한 수단;
상기 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하기 위한 수단으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 프로세싱 수단;
상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하기 위한 수단; 및
프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하기 위한 수단을 포함하는, 장치. - 제13항에 있어서, 상기 하나 이상의 심볼들은 복수의 데이터 층들에 포함되는, 장치.
- 제14항에 있어서, 수신된 데이터 심볼들을 프로세싱하기 위한 상기 수단은 각각의 원하는 데이터 층으로부터의 수신된 심볼들의 프로세싱을 허용하기 위해 상기 복수의 데이터 층들 중 하나 이상의 원하지 않는 데이터 층들에 대응하는 심볼들의 수신된 신호 기여도들을 제거하기 위한 간섭 제거 모듈을 포함하는, 장치.
- 제13항 내지 제15항 중 어느 한 항에 있어서, 프로세싱된 수신된 데이터 심볼들을 변환하기 위한 상기 수단은 복조 모듈 및/또는 디코더 모듈을 포함하는, 장치.
- 제13항 내지 제16항 중 어느 한 항에 있어서, 상기 송신 시스템은 다중 입력 다중 출력(MIMO) 송신 시스템을 포함하는, 장치.
- 제13항 내지 제17항 중 어느 한 항에 있어서, 상기 송신 시스템의 수신기는 복수의 층들을 포함하는 입력들을 수신하는, 장치.
- 제13항 내지 제18항 중 어느 한 항에 있어서, 상기 송신 시스템의 수신기는 모바일 통신 기지국의 일부를 형성하는, 장치.
- 제13항 내지 제19항 중 어느 한 항에 있어서, 상기 송신 시스템의 수신기는 사용자 디바이스의 일부를 형성하는, 장치.
- 방법에 있어서:
하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 단계로서, 상기 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신하는 단계;
정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 단계;
추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 단계; 및
트레이닝 데이터 쌍들을 제공하는 단계로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하는, 상기 트레이닝 데이터 쌍들을 제공하는 단계를 포함하는, 방법. - 방법에 있어서:
송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하는 단계로서, 상기 송신 시스템은 송신기, 하나 이상의 채널들, 및 상기 수신기를 포함하고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 상기 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 초기화하는 단계;
저장된 트레이닝 데이터 쌍들에 기초하여 상기 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하는 단계로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 상기 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 생성하는 단계; 및
생성된 업데이트된 파라미터들에 기초하여 상기 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하는 단계를 포함하는, 방법. - 방법에 있어서:
송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하는 단계로서, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 상기 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 수신하는 단계;
수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하는 단계;
상기 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하는 단계로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 수신된 파일럿 신호들을 프로세싱하는 단계;
상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하는 단계; 및
프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하는 단계를 포함하는, 방법. - 지시들을 포함하는 컴퓨터 프로그램에 있어서,
상기 지시들은 장치로 하여금 적어도:
하나 이상의 수신된 심볼들 및 하나 이상의 수신된 비트들을 수신하는 것으로서, 상기 수신된 심볼들은 송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 수신되고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 수신된 심볼들 및 상기 하나 이상의 수신된 비트들을 수신하는 것;
정확한 것으로 간주되는 수신된 비트들 중 하나 이상을 하나 이상의 추정된 송신 심볼들로 변환하는 것;
추정된 송신 심볼들 및 대응하는 수신된 심볼들 중 하나 이상에 기초하여 추정된 채널 전달 함수를 생성하는 것; 및
트레이닝 데이터 쌍들을 제공하는 것
을 수행하게 하고,
각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하는, 컴퓨터 프로그램. - 지시들을 포함하는 컴퓨터 프로그램에 있어서,
상기 지시들은 장치로 하여금 적어도:
송신 시스템의 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 초기화하는 것으로서, 상기 송신 시스템은 송신기, 하나 이상의 채널들, 및 수신기를 포함하고, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하고 상기 수신기의 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하는, 상기 트레이닝가능한 파라미터들을 초기화하는 것;
저장된 트레이닝 데이터 쌍들에 기초하여 상기 수신기의 채널 추정기 모듈에 대한 업데이트된 파라미터들을 생성하는 것으로서, 각각의 트레이닝 데이터 쌍은 추정된 채널 전달 함수에 기초한 제1 요소 및 대응하는 수신된 심볼들에 기초한 제2 요소를 포함하고, 업데이트된 파라미터들을 생성하기 위한 수단은 손실 함수를 최소화하기 위한 수단을 포함하는, 상기 업데이트된 파라미터들을 생성하는 것; 및
상기 생성된 업데이트된 파라미터들에 기초하여 상기 수신기의 채널 추정기 모듈의 트레이닝가능한 파라미터들을 업데이트하는 것
을 수행하게 하는, 컴퓨터 프로그램. - 지시들을 포함하는 컴퓨터 프로그램에 있어서,
상기 지시들은 장치로 하여금 적어도:
송신기, 채널, 및 수신기를 포함하는 송신 시스템의 수신기에서 하나 이상의 심볼들을 수신하는 것으로서, 상기 송신기는 하나 이상의 송신 비트들을 하나 이상의 송신 심볼들로 변환하기 위한 송신기 알고리즘을 포함하고 상기 수신기는 하나 이상의 수신된 심볼들을 하나 이상의 수신된 비트들로 변환하기 위한 수신기 알고리즘을 포함하는, 상기 하나 이상의 심볼들을 수신하는 것;
수신된 심볼들을 수신된 데이터 심볼들 및 수신된 파일럿 심볼들로 분리하는 것;
상기 송신 시스템의 수신기의 채널 추정기 모듈을 사용하여 수신된 파일럿 신호들을 프로세싱하는 것으로서, 상기 채널 추정기 모듈은 상기 채널의 전달 함수의 추정치를 생성하도록 구성된 트레이닝가능한 알고리즘을 포함하는, 상기 수신된 파일럿 신호들을 프로세싱하는 것;
상기 채널 추정기 모듈의 출력에 의존하여 수신된 데이터 심볼들을 프로세싱하는 것; 및
프로세싱된 수신된 데이터 심볼들을 수신된 데이터 비트들로 변환하는 것
을 수행하게 하는, 컴퓨터 프로그램.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2019/067806 WO2021001032A1 (en) | 2019-07-03 | 2019-07-03 | Transmission system with channel estimation based on a neural network |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220019828A true KR20220019828A (ko) | 2022-02-17 |
Family
ID=67220791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227001594A KR20220019828A (ko) | 2019-07-03 | 2019-07-03 | 신경망에 기초한 채널 추정을 갖는 송신 시스템 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20220376956A1 (ko) |
| EP (1) | EP3994811A1 (ko) |
| JP (1) | JP7412461B2 (ko) |
| KR (1) | KR20220019828A (ko) |
| CN (1) | CN114073021A (ko) |
| WO (1) | WO2021001032A1 (ko) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210266875A1 (en) * | 2020-02-24 | 2021-08-26 | Qualcomm Incorporated | MACHINE LEARNING FOR ADDRESSING TRANSMIT (Tx) NON-LINEARITY |
| US20220303158A1 (en) * | 2021-03-19 | 2022-09-22 | NEC Laboratories Europe GmbH | End-to-end channel estimation in communication networks |
| CN115347976A (zh) * | 2021-05-12 | 2022-11-15 | 华为技术有限公司 | 一种编译码方法、通信装置以及系统 |
| US20230021835A1 (en) * | 2021-07-26 | 2023-01-26 | Qualcomm Incorporated | Signaling for additional training of neural networks for multiple channel conditions |
| EP4125245A1 (en) * | 2021-07-29 | 2023-02-01 | Nokia Solutions and Networks Oy | Apparatus and method for generating an estimate of a channel frequency response |
| EP4149068A1 (en) | 2021-09-13 | 2023-03-15 | Nokia Technologies Oy | Multiple channel csi recreation |
| EP4283935A1 (en) * | 2022-05-27 | 2023-11-29 | Nokia Solutions and Networks Oy | Interference rejection combining with reduced complexity |
| CN115395991B (zh) * | 2022-07-13 | 2023-08-25 | 北京信息科技大学 | 一种非线性多输入多输出信道估计方法和估计系统 |
| CN116915555B (zh) * | 2023-08-28 | 2023-12-29 | 中国科学院声学研究所 | 一种基于自监督学习的水声信道估计方法及装置 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0770970B2 (ja) * | 1991-01-23 | 1995-07-31 | 富士通株式会社 | 適応等化器 |
| US5914959A (en) * | 1996-10-31 | 1999-06-22 | Glenayre Electronics, Inc. | Digital communications system having an automatically selectable transmission rate |
| US7239672B2 (en) * | 2002-09-05 | 2007-07-03 | Silicon Integrated Systems Corp. | Channel estimator for WLAN |
| US7660568B2 (en) * | 2004-09-27 | 2010-02-09 | Alcatel-Lucent Usa Inc. | Method and apparatus for generating a channel estimate using a non-pilot portion of a signal |
| WO2009128417A1 (ja) * | 2008-04-18 | 2009-10-22 | シャープ株式会社 | 受信装置および通信システム |
| EP2597797B1 (en) * | 2011-11-25 | 2017-07-26 | Sequans Communications | Interference cancellation method with multiple data layer MIMO transmission |
| EP2757750A1 (en) * | 2013-01-16 | 2014-07-23 | Alcatel Lucent | Apparatuses, methods, and computer programs for a channel estimator and a base station transceiver |
| JP6097609B2 (ja) * | 2013-03-21 | 2017-03-15 | Kddi株式会社 | 受信機および受信方法 |
| KR102284447B1 (ko) * | 2015-04-10 | 2021-08-02 | 삼성전자 주식회사 | 이동 통신 시스템에서 기지국의 채널 추정 방법 및 장치 |
| FR3038801B1 (fr) * | 2015-07-09 | 2017-07-21 | Stmicroelectronics Rousset | Procede d'estimation d'un canal de transmission temporellement invariant, et recepteur correspondant |
| US11575544B2 (en) * | 2018-10-29 | 2023-02-07 | Board Of Regents, The University Of Texas System | Low resolution OFDM receivers via deep learning |
-
2019
- 2019-07-03 EP EP19737501.7A patent/EP3994811A1/en active Pending
- 2019-07-03 WO PCT/EP2019/067806 patent/WO2021001032A1/en unknown
- 2019-07-03 US US17/623,445 patent/US20220376956A1/en active Pending
- 2019-07-03 CN CN201980098148.4A patent/CN114073021A/zh active Pending
- 2019-07-03 KR KR1020227001594A patent/KR20220019828A/ko not_active Application Discontinuation
- 2019-07-03 JP JP2021577458A patent/JP7412461B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3994811A1 (en) | 2022-05-11 |
| JP7412461B2 (ja) | 2024-01-12 |
| CN114073021A (zh) | 2022-02-18 |
| US20220376956A1 (en) | 2022-11-24 |
| WO2021001032A1 (en) | 2021-01-07 |
| JP2022539163A (ja) | 2022-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220019828A (ko) | 신경망에 기초한 채널 추정을 갖는 송신 시스템 | |
| CN104618061B (zh) | 一种大规模多天线系统中多用户信号的检测方法 | |
| US20180034532A1 (en) | Interference rejection combining method, device and storage medium | |
| KR102191290B1 (ko) | 이동통신 시스템에서 통신 채널 추정 방법 및 장치 | |
| US10484210B2 (en) | Successive interference cancellation and multi-user minimum mean square channel estimation based on soft decoding information | |
| CN107624235B (zh) | 用于估计无线通信系统中的下行链路信道的装置和方法 | |
| WO2016150246A1 (zh) | 一种信号检测方法及装置 | |
| JP2023535198A (ja) | 大規模ビームフォーミングシステムのためのハイブリッド・メッセージ・パッシング・アルゴリズム・ベースの深層学習ニューラルネットワーク | |
| WO2012036950A1 (en) | Improved receive signal processing in wireless networks | |
| WO2022074639A2 (en) | Communication system | |
| JP2013168853A (ja) | 受信装置、受信方法および受信プログラム | |
| CN111107023B (zh) | 在大规模mimo中基于光滑范数的压缩感知信道估计方法 | |
| KR20170127286A (ko) | 예측 기반 mmse 간섭 제거 기법을 적용한 비직교 다중 접속 방법 | |
| CN108600125B (zh) | 一种基于迭代的信道估计方法 | |
| JP5990199B2 (ja) | 複数の宛先デバイスの中の少なくとも１つの宛先デバイスによって受信される信号の品質を高めるための方法 | |
| CN102983933B (zh) | 信号发送方法、信号解码方法、装置和系统 | |
| WO2014187356A1 (zh) | 发射信号的多输入多输出mimo检测方法、装置及系统 | |
| CN108418619B (zh) | 一种信号检测方法及装置 | |
| WO2021104020A1 (zh) | 数据传输方法、发送设备和接收设备 | |
| KR101556482B1 (ko) | 다중안테나 간섭채널에서 slnr 최대화를 통한 간섭정렬 방법 및 장치 | |
| JP5241437B2 (ja) | 受信装置、及び信号処理方法 | |
| KR102441253B1 (ko) | 무선 통신 시스템에서 신호를 수신하기 위한 장치 및 방법 | |
| CN107750445A (zh) | 接收器设备及其方法 | |
| WO2023025395A1 (en) | Link adaptation | |
| JP3981656B2 (ja) | アレーアンテナの制御方法及び制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |