KR20220139893A - 피크 감소 톤들을 사용한 머신 러닝 기반 수신기 성능 개선 - Google Patents
피크 감소 톤들을 사용한 머신 러닝 기반 수신기 성능 개선 Download PDFInfo
- Publication number
- KR20220139893A KR20220139893A KR1020227027657A KR20227027657A KR20220139893A KR 20220139893 A KR20220139893 A KR 20220139893A KR 1020227027657 A KR1020227027657 A KR 1020227027657A KR 20227027657 A KR20227027657 A KR 20227027657A KR 20220139893 A KR20220139893 A KR 20220139893A
- Authority
- KR
- South Korea
- Prior art keywords
- neural network
- receiver
- transmitter
- prt
- wireless communication
- Prior art date
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 13
- 238000010801 machine learning Methods 0.000 title description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 450
- 238000004891 communication Methods 0.000 claims abstract description 195
- 238000000034 method Methods 0.000 claims abstract description 94
- 230000005540 biological transmission Effects 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 description 44
- 230000006870 function Effects 0.000 description 29
- 238000003860 storage Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 21
- 230000015654 memory Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 230000003321 amplification Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000011664 signaling Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- LHMQDVIHBXWNII-UHFFFAOYSA-N 3-amino-4-methoxy-n-phenylbenzamide Chemical compound C1=C(N)C(OC)=CC=C1C(=O)NC1=CC=CC=C1 LHMQDVIHBXWNII-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
- H04L27/2615—Reduction thereof using coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2614—Peak power aspects
- H04L27/2618—Reduction thereof using auxiliary subcarriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G06N3/0454—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/04—Control of transmission; Equalising
- H04B3/06—Control of transmission; Equalising by the transmitted signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/20—Reducing echo effects or singing; Opening or closing transmitting path; Conditioning for transmission in one direction or the other
- H04B3/23—Reducing echo effects or singing; Opening or closing transmitting path; Conditioning for transmission in one direction or the other using a replica of transmitted signal in the time domain, e.g. echo cancellers
- H04B3/238—Reducing echo effects or singing; Opening or closing transmitting path; Conditioning for transmission in one direction or the other using a replica of transmitted signal in the time domain, e.g. echo cancellers using initial training sequence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B3/00—Line transmission systems
- H04B3/02—Details
- H04B3/46—Monitoring; Testing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Mobile Radio Communication Systems (AREA)
- Transceivers (AREA)
Abstract
다양한 실시예들은, 무선 송신 파형들을 복조하여 데이터 톤(data tone)들을 재구성하기 위해 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법들을 포함하며, 이 방법들은, 송신기로부터, 송신기 내의 PRT(peak reduction tone) 뉴럴 네트워크에 의해 삽입된 PRT들을 포함하는 무선 송신 파형들을 수신하는 단계, 및 데이터 톤들의 재구성을 출력하기 위해, 송신기의 출력들에 기반하여 트레이닝된 디코더 뉴럴 네트워크를 사용하여, 수신된 무선 송신 파형들을 복조하는 단계를 포함할 수 있다. 추가의 실시예들은, 송신 무선 통신 디바이스에서 PRT들을 삽입하기 위해 사용되는 PRT 뉴럴 네트워크와 송신 무선 통신 디바이스로부터 수신되는 송신 파형들을 복조하기 위해 수신 무선 통신 디바이스에서 사용되는 디코더 뉴럴 네트워크를 조정하기 위해, 송신기와 수신기 회로부 사이에서 정보를 교환하는 것을 포함한다.
Description
[0001]
본 출원은, "Machine Learning Based Receiver Performance Improvement Using Peak Reduction Tones"이라는 명칭으로, 2020년 2월 24일자로 출원된 미국 가특허 출원 일련번호 제62/980,776호 및 "Machine Learning Based Uplink Coverage Enhancement Using Peak Reduction Tones"이라는 명칭으로 2020년 4월 13일자로 출원된 미국 가특허 출원 일련번호 제63/009,369호의 우선권의 이익을 주장한다. 이 가출원들 둘 다의 전체 내용들은 모든 목적들을 위해 인용에 의해 본원에 포함된다.
[0002]
5G(Fifth Generation) NR(New Radio)에 대한 표준들 하에서 특정된 것들과 같은 무선 통신 시스템들에서, 통상 사용되는 OFDM(orthogonal frequency-division multiplexing) 파형은 큰 PAPR(peak-to-average power ratio)을 겪는다. 큰 PAPR을 완화시키는 것은, 전력 증폭기 효율성이 저하되는 댓가로, 많은 양의 전력 증폭기 백-오프(back-off)를 필요로 할 수 있다.
[0003]
다양한 양상들은, 기지국 및 모바일 무선 디바이스들과 같은 무선 통신 디바이스에 의해 수행되는 무선 통신 시스템들 및 방법들을 포함한다.
[0004]
다양한 양상들은, 수신기 무선 통신 디바이스의 수신기 회로부에서, 데이터 톤들을 재구성하기 위해 무선 송신 파형을 복조하기 위한 동작들을 수행하는 것을 포함할 수 있고, 이 동작들은, 송신기로부터, 송신기 내의 PRT(peak reduction tone) 뉴럴 네트워크에 의해 생성된 PRT들을 포함하는 무선 송신 파형들을 수신하는 것, 및 데이터 톤들의 재구성을 출력하기 위해, 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 수신된 무선 송신 파형들을 복조하는 것을 포함한다.
[0005]
일부 양상들은, 수신기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서, 수신된 송신 파형들의 송신기에 의해 사용되는 PRT 뉴럴 네트워크 상에서 트레이닝된 수신기 뉴럴 네트워크를 선택하는 것을 더 포함할 수 있다. 일부 양상들은, 수신된 송신 파형들의 송신기에 의해 사용되는 PRT 뉴럴 네트워크 상에서 트레이닝된 수신기 뉴럴 네트워크의 표시자를 수신된 송신 파형들의 송신기로부터 수신하는 것을 더 포함할 수 있고, 수신기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서 수신기 뉴럴 네트워크를 선택하는 것은, 송신기로부터 수신되는 표시자에 기반하여 수신기 뉴럴 네트워크를 선택하는 것을 포함한다. 일부 양상들은, 송신기로부터, 수신기 뉴럴 네트워크에 대한 가중치들을 수신하는 것을 더 포함하며, 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 수신된 송신 파형들을 복조하는 것은, 선택된 수신기 뉴럴 네트워크 및 송신기로부터 수신된 수신기 뉴럴 네트워크에 대한 가중치들을 사용하여, 수신된 송신 파형들을 복조하는 것을 포함한다.
[0006]
일부 양상들은, 송신 파형들에 PRT들을 삽입하기 위해 송신기에 의해 사용될 PRT 뉴럴 네트워크의 표시자를 송신기에 전송하는 것을 더 포함할 수 있으며, 표시자와 연관된 PRT 뉴럴 네트워크는, 송신기로부터 수신된 송신 파형들을 복조하는 데 사용되는 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용되었다. 일부 양상들은, PRT 뉴럴 네트워크에 대한 가중치들을 송신기에 송신하는 것을 더 포함할 수 있다.
[0007]
다양한 양상들은, 송신기 무선 통신 디바이스의 송신기 회로부에서, 무선 송신 파형들을 통해 데이터 톤들을 수신기에 송신하기 위한 동작들을 수행하는 것을 포함할 수 있고, 이 동작들은, 데이터 톤들과 결합되는 경우 PAPR(peak-to-average power ratio) 제한 임계치 내의 PAPR을 나타낼 송신 파형을 초래할 PRT들을 생성하도록 트레이닝된 PRT 뉴럴 네트워크를 통해 데이터 톤들을 프로세싱하는 것, 및 송신기 회로부로부터의 무선 송신 파형들을 복조하도록 송신기 회로부의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크로 구성된 수신 무선 통신 디바이스로의 송신을 위한 송신 파형을 출력하기 위해, PRT 뉴럴 네트워크에 의해 출력되는 PRT들과 데이터 톤들을 결합하는 것을 포함한다.
[0008]
일부 양상들은, 송신된 무선 송신 파형들을 복조할 때 수신 무선 통신 디바이스에 의한 사용을 위한 수신기 뉴럴 네트워크를 표시하도록 구성된 뉴럴 네트워크 표시자를 송신하는 것을 더 포함할 수 있으며, 표시된 수신기 뉴럴 네트워크는 송신기 회로부의 출력들에 기반하여 트레이닝되었다. 일부 양상들은, 표시된 수신기 뉴럴 네트워크에 대한 가중치들을 수신 무선 통신 디바이스에 송신하는 것을 더 포함할 수 있다. 일부 양상들은, 수신 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, 수신 무선 통신 디바이스에서 사용되는 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용된 PRT들을 생성하기 위해 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 것을 더 포함할 수 있다. 일부 양상들은, 수신 무선 통신 디바이스로부터, 사용할 PRT 뉴럴 네트워크의 표시자를 수신하는 것을 더 포함할 수 있으며, 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, PRT들을 생성하기 위해 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 것은, 수신된 표시자에 대응하는 PRT 뉴럴 네트워크를 선택하는 것을 포함한다. 일부 양상들은, 수신 무선 통신 디바이스로부터, 수신 무선 통신 디바이스에 대한 가중치들을 수신하는 것을 더 포함할 수 있다.
[0009]
추가의 양상들은, 송신된 송신 파형들에 PRT들을 삽입하기 위해 송신 회로부에서 사용되는 PRT 뉴럴 네트워크 및 수신된 송신 파형들을 복조하여 데이터 톤을 복원하기 위해 수신기 회로부에서 사용되는 수신기 뉴럴 네트워크를 를 트레이닝시키는 방법들을 포함할 수 있다. 이러한 양상들은, 데이터 톤들을 갖는 송신된 송신 파형들에 삽입되는 경우, PAPR 임계치 제한들을 충족시킬 증폭을 위한 시간-도메인 신호들을 초래하는 PRT들을 생성하도록 데이터 톤들을 사용하여 PRT 뉴럴 네트워크를 트레이닝시키는 것, 및 수신기 뉴럴 네트워크의 데이터 톤들 출력을 PRT 뉴럴 네트워크에 적용된 데이터 톤들과 비교함으로써, 송신 회로부로부터의 수신된 송신 파형들을 복조하도록 수신기 뉴럴 네트워크를 트레이닝시키는 것을 포함할 수 있다.
[0010]
일부 양상들에서, PRT 뉴럴 네트워크를 트레이닝시키는 것은, PRT 뉴럴 네트워크의 에러를 결정하는 것, 및 PRT 뉴럴 네트워크를 업데이트하기 위해 에러를 사용하는 것을 포함할 수 있다. 일부 양상들에서, PRT 뉴럴 네트워크의 에러를 결정하는 것은, 송신된 송신 파형의 PAPR이 PAPR 임계치를 초과하는 양에 기반하여 PRT 뉴럴 네트워크의 에러를 결정하는 것을 포함할 수 있다.
[0011]
일부 양상들에서, PRT 뉴럴 네트워크를 트레이닝시키는 것 및 수신기 뉴럴 네트워크를 트레이닝시키는 것은, 수신기 회로부에 대한 수신기 뉴럴 네트워크를 트레이닝시키는 것 및 PRT 뉴럴 네트워크를 트레이닝시키는 것을 포함할 수 있다.
[0012]
일부 양상들은, 수신기 회로부에 대한 송신된 파형들을 위해 사용할 PRT 뉴럴 네트워크를 송신 회로부에 표시하는 것을 포함할 수 있다.
[0013]
일부 양상들에서, PRT 뉴럴 네트워크를 트레이닝시키는 것 및 수신기 뉴럴 네트워크를 트레이닝시키는 것은, 송신 회로부에 대한 수신기 뉴럴 네트워크를 트레이닝시키는 것 및 PRT 뉴럴 네트워크를 트레이닝시키는 것을 포함할 수 있다.
[0014]
일부 양상들은, 송신 회로부로부터의 수신된 송신 파형들을 위해 사용할 수신기 뉴럴 네트워크를 수신기 회로부에 표시하는 것을 포함할 수 있다.
[0015]
추가적인 양상들은, 위에서 요약된 방법들 중 임의의 방법의 동작들을 수행하도록 구성된 수신 회로부 및/또는 송신 회로부를 갖는 무선 통신 디바이스를 포함할 수 있다. 추가적인 양상들은, 위에서 요약된 방법들 중 임의의 방법의 기능들을 수행하기 위한 수단을 갖는 무선 통신 디바이스를 포함할 수 있다.
[0016]
본원에 통합되고 본 명세서의 일부를 구성하는 첨부된 도면들은, 청구항들의 예시적인 실시예들을 예시하며, 위에서 제시된 일반적인 설명 및 아래에서 제시되는 상세한 설명과 함께 청구항들의 특징들을 설명하도록 기능한다.
[0017] 도 1은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 통신 시스템의 예를 예시하는 시스템 블록도이다.
[0018] 도 2는 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 예시적인 컴퓨팅 및 무선 모뎀 시스템을 예시하는 컴포넌트 블록도이다.
[0019] 도 3은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 무선 통신들에서 사용자 및 제어 평면들에 대한 라디오 프로토콜 스택을 포함하는 소프트웨어 아키텍처의 예를 예시하는 컴포넌트 블록도이다.
[0020] 도 4a 및 도 4b는 다양한 실시예들 중 임의의 실시예를 구현하기 위한 무선 통신을 위한 정보 송신을 관리하도록 구성된 시스템의 예를 예시하는 컴포넌트 블록도들이다.
[0021] 도 5는, 다양한 실시예들에 따른, PRT(peak reduction tone)들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 및/또는 머신 러닝 기반 인코딩을 구현하도록 구성된 인코더 회로의 예를 예시하는 컴포넌트 블록도이다.
[0022] 도 6은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 및/또는 머신 러닝 기반 디코딩을 구현하도록 구성된 뉴럴 네트워크 디코더의 예를 예시하는 컴포넌트 블록도이다.
[0023] 도 7은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시하는 컴포넌트 시그널링 다이어그램이다.
[0024] 도 8은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시하는 컴포넌트 시그널링 다이어그램이다.
[0025] 도 9는, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 데이터를 송신하기 위한 방법의 예를 예시하는 프로세스 흐름도이다.
[0026] 도 10은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하기 위한 방법의 예를 예시하는 프로세스 흐름도이다.
[0027] 도 11a 및 도 11b는, 다양한 실시예들에 따른, 송신기 측에서 입력 데이터 신호에 기반하여 PRT들을 생성하고 PRT들을 추출하도록 그리고 수신기 상에서 데이터 신호를 재구성하도록 뉴럴 네트워크들을 트레이닝시키기 위한 방법들의 예들을 예시하는 프로세스 흐름도들이다.
[0028] 도 12는, 다양한 실시예들에 따른, 직교 서브캐리어들 상에 데이터 톤들 및 PRT들을 갖는 송신 파형의 예를 예시하는 캐리어 신호 블록도이다.
[0029] 도 13은 예시적인 네트워크 컴퓨팅 디바이스를 예시하는 컴포넌트 블록도이다.
[0030] 도 14는 예시적인 무선 디바이스를 예시하는 컴포넌트 블록도이다.
[0031] 다양한 도면들에서의 유사한 참조 번호들 및 지정들은 유사한 엘리먼트들을 표시한다.
[0017] 도 1은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 통신 시스템의 예를 예시하는 시스템 블록도이다.
[0018] 도 2는 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 예시적인 컴퓨팅 및 무선 모뎀 시스템을 예시하는 컴포넌트 블록도이다.
[0019] 도 3은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 무선 통신들에서 사용자 및 제어 평면들에 대한 라디오 프로토콜 스택을 포함하는 소프트웨어 아키텍처의 예를 예시하는 컴포넌트 블록도이다.
[0020] 도 4a 및 도 4b는 다양한 실시예들 중 임의의 실시예를 구현하기 위한 무선 통신을 위한 정보 송신을 관리하도록 구성된 시스템의 예를 예시하는 컴포넌트 블록도들이다.
[0021] 도 5는, 다양한 실시예들에 따른, PRT(peak reduction tone)들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 및/또는 머신 러닝 기반 인코딩을 구현하도록 구성된 인코더 회로의 예를 예시하는 컴포넌트 블록도이다.
[0022] 도 6은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 및/또는 머신 러닝 기반 디코딩을 구현하도록 구성된 뉴럴 네트워크 디코더의 예를 예시하는 컴포넌트 블록도이다.
[0023] 도 7은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시하는 컴포넌트 시그널링 다이어그램이다.
[0024] 도 8은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시하는 컴포넌트 시그널링 다이어그램이다.
[0025] 도 9는, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 데이터를 송신하기 위한 방법의 예를 예시하는 프로세스 흐름도이다.
[0026] 도 10은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하기 위한 방법의 예를 예시하는 프로세스 흐름도이다.
[0027] 도 11a 및 도 11b는, 다양한 실시예들에 따른, 송신기 측에서 입력 데이터 신호에 기반하여 PRT들을 생성하고 PRT들을 추출하도록 그리고 수신기 상에서 데이터 신호를 재구성하도록 뉴럴 네트워크들을 트레이닝시키기 위한 방법들의 예들을 예시하는 프로세스 흐름도들이다.
[0028] 도 12는, 다양한 실시예들에 따른, 직교 서브캐리어들 상에 데이터 톤들 및 PRT들을 갖는 송신 파형의 예를 예시하는 캐리어 신호 블록도이다.
[0029] 도 13은 예시적인 네트워크 컴퓨팅 디바이스를 예시하는 컴포넌트 블록도이다.
[0030] 도 14는 예시적인 무선 디바이스를 예시하는 컴포넌트 블록도이다.
[0031] 다양한 도면들에서의 유사한 참조 번호들 및 지정들은 유사한 엘리먼트들을 표시한다.
[0032]
다음의 설명은 본 개시내용의 혁신적인 양상들을 설명하려는 목적들을 위한 특정 실시예들에 관한 것이다. 그러나, 당업자는 본원에서의 교시들이 다수의 상이한 방식들로 적용될 수 있음을 쉽게 인식할 것이다.
[0033]
다양한 실시예들은, 무선 통신 링크의 송신기 측에서는 트레이닝된 PRT 뉴럴 네트워크 모듈을 사용하여, 정해진 송신에 적합한 PRT를 결정하고, 그리고 무선 통신 링크의 수신기 측에서는 연관된 트레이닝된 수신기 뉴럴 네트워크 모듈을 사용하여, 수신된 신호로부터 PRT들을 제거하고, 그리고 PRT들에 의해 반송되는, 타깃 데이터 톤들에 관한 정보를 추출하는 무선 통신 디바이스들(예를 들어, 기지국들, 무선 액세스 포인트들, 모바일 디바이스들 등)에서 구현될 수 있는 방법들을 제공한다.
[0034]
설명된 실시예들은, 임의의 IEEE(Institute of Electrical and Electronics Engineers) 16.11 표준들 또는 임의의 IEEE 802.11 표준들, Bluetooth®표준들, CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), GSM(Global System for Mobile communications), GSM/GPRS(General Packet Radio Service), EDGE(Enhanced Data GSM Environment), TETRA(Terrestrial Trunked Radio), W-CDMA(Wideband-CDMA), EV-DO(Evolution Data Optimized), 1xEV-DO, EV-DO Rev A, EV-DO Rev B, HSPA(High Speed Packet Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), HSPA+(Evolved High Speed Packet Access), LTE(Long Term Evolution), AMPS, 5G(Fifth Generation) NR(New Radio)에 따른 RF(radio frequency) 신호들, 또는 무선, 셀룰러 또는 IOT(internet of things) 네트워크, 이를테면, 3G, 4G 또는 5G 기술 또는 이들의 추가적 실시예들을 활용하는 시스템 내에서 통신하기 위해 사용되는 다른 신호들을 송신 및 수신할 수 있는 임의의 디바이스, 시스템 또는 네트워크에서 구현될 수 있다.
[0035]
"무선 디바이스" 라는 용어는, 본원에서, 무선 라우터 디바이스들, 무선 기기, 휴대폰들, 스마트폰들, 휴대용 컴퓨팅 디바이스들, 개인 또는 모바일 멀티미디어 플레이어들, 랩톱 컴퓨터들, 태블릿 컴퓨터들, 스마트북들, 울트라북들, 팜탑 컴퓨터들, 무선 전자 메일 수신기들, 멀티미디어 인터넷-가능 휴대폰들, 의료 디바이스들 및 장비, 생체인식 센서들/디바이스들, 스마트 시계들, 스마트 의류, 스마트 안경, 스마트 손목 밴드들, 스마트 주얼리(이를테면, 스마트 링들, 스마트 팔찌들 등)을 포함하는 웨어러블 디바이스들, 엔터테인먼트 디바이스들(이를테면, 무선 게이밍 제어기들, 음악 및 비디오 플레이어들, 위성 라디오들 등), 스마트 계측기들/센서들, 산업용 제조 장비, 가정 또는 기업 사용을 위한 크고 작은 기계부품 및 기기를 포함하는 무선-네트워크 가능 IoT(Internet of Things) 디바이스들, 자율 및 반자율 차량들내의 무선 통신 엘리먼트들, 다양한 모바일 플랫폼들에 부착되거나 또는 통합된 무선 디바이스들, 글로벌 포지셔닝 시스템 디바이스들, 및 메모리, 무선 통신 컴포넌트들 및 프로그램가능 프로세서를 포함하는 유사한 전자 디바이스들 모두를 또는 이들 중 임의의 하나를 지칭하기 위해 사용된다.
[0036]
"SOC(system on chip)"라는 용어는, 본원에서, 단일 기판 상에 통합된 다수의 자원들 또는 프로세서들을 포함하는 단일 IC(integrated circuit) 칩을 지칭하기 위해 사용된다. 단일 SOC는 디지털, 아날로그, 혼합-신호 및 라디오-주파수 기능들을 위한 회로부를 포함할 수 있다. 단일 SOC는 또한, 임의의 수의 범용 또는 특수 프로세서들(디지털 신호 프로세서들, 모뎀 프로세서들, 비디오 프로세서들 등), 메모리 블록들(이를테면, ROM, RAM, 플래시 등), 및 자원들(이를테면, 타이머들, 전압 조절기들, 발진기들 등)을 포함할 수 있다. SOC들은 또한, 통합된 자원들 및 프로세서들을 제어할 뿐만 아니라 주변 디바이스들을 제어하기 위한 소프트웨어를 포함할 수 있다.
[0037]
"SIP(system in a package)"라는 용어는, 본원에서, 2개 이상의 IC 칩들, 기판들 또는 SOC들 상에 다수의 자원들, 계산 유닛(computational unit)들, 코어들 또는 프로세서들을 포함하는 단일 모듈 또는 패키지를 지칭하기 위해 사용될 수 있다. 예를 들어, SIP는, 다수의 IC 칩들 또는 반도체 다이들이 수직 구성으로 적층되는 단일 기판을 포함할 수 있다. 유사하게, SIP는, 다수의 IC들 또는 반도체 다이들이 통합 기판(unifying substrate)으로 패키징되는 하나 이상의 MCM(multi-chip module)들을 포함할 수 있다. SIP는 또한, 고속 통신 회로부를 통해 함께 커플링되고 그리고 이를테면, 단일 마더 보드 상에 또는 단일 무선 디바이스에 매우 근접하게 패키징되는 다수의 독립적인 SOC들을 포함할 수 있다. SOC들의 근접성은 고속 통신들 및 메모리 및 자원들의 공유를 가능하게 한다.
[0038]
5G NR 규격에서 채택되는 통상적 OFDM(orthogonal frequency-division multiplexing) 파형은 큰 PAPR(peak-to-average power ratio)을 겪는다. 파형의 PAPR의 다른 완화가 없다면, 송신기는, 전력 증폭기 비선형성에 의해 유발되는 왜곡을 회피하기 위해, 전력 증폭기 효율성이 저하되는 댓가로 전력 증폭을 감소시킬 필요가 있을 수 있다(즉, 전력 증폭기 백-오프를 구현할 필요가 있을 수 있다). PAPR 감소에 대한 신호 프로세싱 접근법은 톤 예비 방식(tone reservation scheme)을 포함하며, 여기서 데이터 톤들에 직교하는 PRT(peak reduction tone)들은, 시간 도메인에서, 송신 파형들, 즉, PRT들 및 데이터 톤들을 포함하는 OFDM 심볼들을 셰이핑하는 데 사용된다. PRT들은 시간 도메인에서 송신 파형들의 진폭의 피크들을 감소시키도록 설계된다. 그러나, PRT들이 종래의 신호 프로세싱 알고리즘들에 의해 발견될 때, 데이터 톤들과 PRT들 사이에는 알려진 관계가 없다. 다시 말해서, 데이터 톤들과 PRT들 사이의 맵핑은 임의적일 수 있다. 따라서, 수신기는 PRT들의 콘텐츠에 무관하며, PRT들은 수신기에 대한 오버헤드만을 제공한다. PRT들이 데이터 톤들과 페어링되는 경우, 평균 송신 전력이 증가하는 댓가로 송신 파형의 피크 전력은 감소되고, EVM(error vector magnitude)는 데이터 톤들에 대해 유지된다.
[0039]
본원에서 설명된 실시예들은, 특정 송신기로부터의 송신을 위해 그리고/또는 특정 수신기로의 송신을 위해 데이터 톤들을 PRT들에 맵핑하도록 구성된 머신 러닝 트레이닝된 뉴럴 네트워크들을 사용한다. PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크 쌍을 트레이닝시키기 위해 머신 러닝이 사용될 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크는 데이터 톤의 입력에 기반하여 데이터 톤 및 PRT를 페어링하도록 트레이닝될 수 있다. 수신기 뉴럴 네트워크는, 송신 파형의 입력에 기반하여 데이터 톤의 재구성을 생성하기 위해, 데이터 톤 및 PRT를 갖는 OFDM 심볼의 송신 파형을 복조하도록 트레이닝될 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크는, 이를테면, 송신기의 하드웨어 구성에 기반하여 특정 송신기에 대해 트레이닝될 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크는, 이를테면, 수신기의 하드웨어 구성에 기반하여 특정 수신기에 대해 트레이닝될 수 있다.
[0040]
일부 실시예들에서, 송신기 및 수신기는 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성들을 공유할 수 있다. 예를 들어, 송신기, 이를테면 무선 디바이스는, 수신기, 이를테면 기지국 또는 노드와 수신기 뉴럴 네트워크(이는, 수신기가 구현할, 송신기에 의해 구현되는 PRT 뉴럴 네트워크와 함께 트레이닝된 수신기 뉴럴 네트워크일 수 있음)의 구성을 공유할 수 있다. 추가 예로서, 수신기는 PRT 뉴럴 네트워크(이는, 송신기가 구현할, 수신기에 의해 구현되는 수신기 뉴럴 네트워크와 함께 트레이닝된 PRT 뉴럴 네트워크일 수 있음)의 구성을 송신기와 공유할 수 있다.
[0041]
일부 실시예들에서, 송신기 및 수신기는 다수의 PRT 뉴럴 네트워크들 및/또는 수신기 뉴럴 네트워크들로 미리 구성될 수 있고, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성들을 공유하는 것은, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성의 표시자를 공유하는 것을 포함할 수 있다. 송신기 및/또는 수신기는 표시자를 사용하여, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성을 선택할 수 있다.
[0042]
일부 실시예들에서, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성들을 공유하는 것은, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 트레이닝으로부터 초래되는 가중치들을 공유하는 것을 포함할 수 있다. PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 구성들을 공유하는 것은, 표시자 및/또는 가중치들을 송신기 및/또는 수신기에 전송하는 것을 포함할 수 있다.
[0043]
일부 실시예들에서, 송신기는, PRT 뉴럴 네트워크의 구성의 표시자를 수신하는 것에 대한 응답으로 선택된 PRT 뉴럴 네트워크 및/또는 디폴트 PRT 뉴럴 네트워크를 사용하여 데이터 톤에 대한 PRT를 생성할 수 있다. 송신기는 데이터 톤들과 PRT들을 결합함으로써 송신 파형을 생성할 수 있다. 송신기는 송신 파형을 수신기에 송신할 수 있다. 수신기는, 송신 파형을 수신할 수 있고, 그리고 송신 파형을 복조하여 데이터 톤들을 재구성하기 위해, 수신기 뉴럴 네트워크의 구성의 표시자를 수신하는 것에 대한 응답으로 선택된 수신기 뉴럴 네트워크 및/또는 디폴트 수신기 뉴럴 네트워크를 사용할 수 있다. PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크가 함께 트레이닝되는 경우, 송신 파형을 생성하기 위해 데이터 톤들과 결합할 PRT들을 생성하는 데 사용되는 PRT 뉴럴 네트워크는 수신기 뉴럴 네트워크를 구현하는 수신기에게 알려질 수 있다. 따라서, PRT는 데이터 톤들의 재구성을 생성하는 것을 가능하게 하기 위한 정보를 포함할 수 있다. PRT에 포함된 정보는 복조 성능을 개선할 수 있는데, 이를테면, 종래의 신호 프로세싱 알고리즘에 의해 생성된 PRT들을 전송하는 것과 비교하여 데이터 톤들의 재구성의 정확도를 개선시킬 수 있다.
[0044]
도 1은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 예시적인 통신 시스템(100)을 예시하는 시스템 블록도이다. 통신 시스템(100)은 5G NR(New Radio) 네트워크, 또는 임의의 다른 적합한 네트워크, 이를테면 LTE(Long Term Evolution) 네트워크일 수 있다.
[0045]
통신 시스템(100)은, 코어 네트워크(140) 및 다양한 모바일 디바이스들(도 1에서 무선 디바이스(120a-120e)로 예시됨)을 포함하는 이종 네트워크 아키텍처를 포함할 수 있다. 통신 시스템(100)은 또한, 다수의 기지국들(BS(110a), BS(110b), BS(110c) 및 BS(110d)로 예시됨) 및 다른 네트워크 엔티티들을 포함할 수 있다. 기지국은, 무선 디바이스들(모바일 디바이스들)과 통신하는 엔티티이며, 또한 NodeB, Node B, LTE eNB(evolved nodeB), AP(access point), 라디오 헤드, TRP(transmit receive point), NR BS(New Radio base station), 5G NB(NodeB), gNB(Next Generation NodeB) 등으로 지칭될 수 있다. 각각의 기지국은 특정 지리적 영역에 대한 통신 커버리지를 제공할 수 있다. 3GPP에서, "셀"이라는 용어는, 이 용어가 사용되는 문맥에 따라, 기지국의 커버리지 영역, 이러한 커버리지 영역을 서빙하는 기지국 서브시스템 또는 이들의 조합을 지칭할 수 있다.
[0046]
기지국(110a-110d)은 매크로 셀, 피코 셀, 펨토 셀, 다른 타입의 셀, 또는 이들의 조합에 대한 통신 커버리지를 제공할 수 있다. 매크로 셀은 비교적 큰 지리적 영역(예를 들어, 반경 수 킬로미터)을 커버할 수 있고, 서비스 가입을 한 모바일 디바이스들에 의한 제한없는 액세스를 허용할 수 있다. 피코 셀은 비교적 작은 지리적 영역을 커버할 수 있고, 서비스 가입을 한 모바일 디바이스들에 의한 제한없는 액세스를 허용할 수 있다. 펨토 셀은 비교적 작은 지리적 영역(예를 들어, 홈)을 커버할 수 있고, 펨토 셀과의 연관을 갖는 모바일 디바이스들(예를 들어, CSG(closed subscriber group) 내의 모바일 디바이스들)에 의한 제한적 액세스를 허용할 수 있다. 매크로 셀에 대한 기지국은 매크로 BS로 지칭될 수 있다. 피코 셀에 대한 기지국은 피코 BS로 지칭될 수 있다. 펨토 셀에 대한 기지국은 펨토 BS 또는 홈 BS로 지칭될 수 있다. 도 1에 예시된 예에서, 기지국(110a)은 매크로 셀(102a)에 대한 매크로 BS일 수 있고, 기지국(110b)은 피코 셀(102b)에 대한 피코 BS일 수 있고, 그리고 기지국(110c)은 펨토 셀(102c)에 대한 펨토 BS일 수 있다. 기지국(110a-110d)은 하나 또는 다수(예를 들어, 3개)의 셀들을 지원할 수 있다. "eNB", "기지국", "NR BS", "gNB", "TRP", "AP", "node B", "5G NB" 및 "셀"이란 용어들은 본원에서 상호교환가능하게 사용될 수 있다.
[0047]
일부 예들에서, 셀은 고정식이 아닐 수 있고, 셀의 지리적 영역은 모바일 기지국의 로케이션에 따라 이동할 수 있다. 일부 예들에서, 기지국들(110a-110d)은, 임의의 적합한 전송 네트워크를 사용하여 직접적인 물리적 연결, 가상 네트워크, 또는 이들의 조합과 같은 다양한 타입들의 백홀 인터페이스들을 통해 서로 상호연결될뿐만 아니라 통신 시스템(100)의 하나 이상의 다른 기지국들 또는 네트워크 노드들(예시되지 않음)에 상호연결될 수 있다.
[0048]
기지국(110a-110d)은 유선 또는 무선 통신 링크(126)를 통해 코어 네트워크(140)와 통신할 수 있다. 무선 디바이스(120a-120e)는 무선 통신 링크(122)를 통해 기지국(110a-110d)과 통신할 수 있다.
[0049]
유선 통신 링크(126)는, 하나 이상의 유선 통신 프로토콜들, 이를테면 이더넷, 점대점 프로토콜(Point-To-Point protocol), HDLC(High-Level Data Link Control), ADCCP(Advanced Data Communication Control Protocol), 및 TCP/IP(Transmission Control Protocol/Internet Protocol)를 사용할 수 있는 다양한 유선 네트워크들(예를 들어, 이더넷, TV 케이블, 텔레포니, 광섬유 및 다른 형태들의 물리적 네트워크 연결들)을 사용할 수 있다.
[0050]
통신 시스템(100)은 또한, 중계국들(예를 들어, 중계 BS(110d))을 포함할 수 있다. 중계국은, 업스트림 스테이션(예를 들어, 기지국 또는 모바일 디바이스)으로부터 데이터의 송신을 수신할 수 있고 그리고 데이터를 다운스트림 스테이션(예를 들어, 무선 디바이스 또는 기지국)에 송신할 수 있는 엔티티이다. 중계국은 또한, 다른 무선 디바이스들에 대한 송신들을 중계할 수 있는 모바일 디바이스일 수 있다. 도 1에 예시된 예에서, 중계국(110d)은, 기지국(110a)과 무선 디바이스(120d) 사이의 통신을 가능하게 하기 위해 매크로 기지국(110a) 및 무선 디바이스(120d)와 통신할 수 있다. 중계국은 또한, 중계 기지국, 중계 기지국, 중계기 등으로 지칭될 수 있다.
[0051]
통신 시스템(100)은 상이한 타입들의 기지국들, 예를 들어, 매크로 기지국들, 피코 기지국들, 펨토 기지국들, 중계 기지국들 등을 포함하는 이종 네트워크일 수 있다. 이러한 상이한 타입들의 기지국들은 상이한 송신 전력 레벨들, 상이한 커버리지 영역들, 및 통신 시스템(100)의 간섭에 대한 상이한 영향력들을 가질 수 있다. 예를 들어, 매크로 기지국들은 높은 송신 전력 레벨(예를 들어, 5 내지 40 와트)을 가질 수 있는 반면, 피코 기지국들, 펨토 기지국들 및 중계 기지국들은 더 낮은 송신 전력 레벨들(예를 들어, 0.1 내지 2 와트)을 가질 수 있다.
[0052]
네트워크 제어기(130)는, 한 세트의 기지국들에 커플링될 수 있고 그리고 이러한 기지국들에 대한 조정 및 제어를 제공할 수 있다. 네트워크 제어기(130)는 백홀을 통해 기지국들과 통신할 수 있다. 기지국들은 또한, 예를 들어 무선 또는 유선 백홀을 통해 간접적으로 또는 직접적으로 서로 통신할 수 있다.
[0053]
무선 디바이스들(120a, 120b, 120c)은 통신 시스템(100) 전반에 걸쳐 산재될 수 있고, 각각의 무선 디바이스는 고정식 또는 이동식일 수 있다. 무선 디바이스는 또한, 액세스 단말, 단말, 모바일 스테이션, 가입자 유닛, 스테이션 등으로 지칭될 수 있다.
[0054]
매크로 기지국(110a)은 유선 또는 무선 통신 링크(126)를 통해 통신 네트워크(140)와 통신할 수 있다. 무선 디바이스들(120a, 120b, 120c)은 무선 통신 링크(122)를 통해 기지국(110a-110d)과 통신할 수 있다.
[0055]
무선 통신 링크들(122, 124)은 복수의 캐리어 신호들, 주파수들 또는 주파수 대역들을 포함할 수 있고, 이들 각각은 복수의 논리적 채널들을 포함할 수 있다. 무선 통신 링크들(122, 124)은 하나 이상의 RAT(radio access technology)들을 활용할 수 있다. 무선 통신 링크에 사용될 수 있는 RAT들의 예들은, 3GPP LTE, 3G, 4G, 5G(예를 들어, NR), GSM, CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), WiMAX(Worldwide Interoperability for Microwave Access), TDMA(Time Division Multiple Access), 및 다른 모바일 텔레포니 통신 기술 셀룰러 RAT들을 포함한다. 통신 시스템(100) 내의 다양한 무선 통신 링크들(122, 124) 중 하나 이상에 사용될 수 있는 RAT들의 추가적인 예들은, 중거리 프로토콜(medium range protocol)들, 이를테면, Wi-Fi, LTE-U, LTE-다이렉트, LAA, MuLTEfire, 및 비교적 단거리 RAT들, 이를테면, ZigBee, Bluetooth, 및 블루투스 LE(Low Energy)를 포함한다.
[0056]
특정 무선 네트워크들(예를 들어, LTE)은, 다운링크 상에서는 OFDM(orthogonal frequency division multiplexing)을 그리고 업링크 상에서는 SC-FDM(single-carrier frequency division multiplexing)을 활용한다. OFDM 및 SC-FDM은, 일반적으로 톤(tone)들, 빈(bin)들 등으로 또한 지칭되는 다수(K개)의 직교 서브캐리어들로 시스템 대역폭을 파티셔닝한다. 각각의 서브캐리어는 데이터로 변조될 수 있다. 일반적으로, 변조 심볼들은 OFDM을 이용하여 주파수 도메인에서 그리고 SC-FDM을 이용하여 시간 도메인에서 전송된다. 인접한 서브캐리어들 사이의 간격은 고정될 수 있으며, 서브캐리어들의 총 수(K)는 시스템 대역폭에 의존할 수 있다. 예를 들어, 서브캐리어들의 간격은 15 kHz일 수 있으며, 최소 자원 할당("자원 블록"이라 불림)은 12개의 서브캐리어들(또는 180 kHz)일 수 있다. 결과적으로, 공칭 FFT(Fast Fourier transform) 크기는, 1.25, 2.5, 5, 10 또는 20 MHz(megahertz)의 시스템 대역폭에 대해 각각 128, 256, 512, 1024 또는 2048과 동일할 수 있다. 시스템 대역폭은 또한, 서브대역들로 파티셔닝될 수 있다. 예를 들어, 서브대역은 1.08 MHz(즉, 6개의 자원 블록들)를 커버할 수 있으며, 1.25, 2.5, 5, 10 또는 20 MHz의 시스템 대역폭에 대해 각각 1, 2, 4, 8 또는 16개의 서브대역들이 존재할 수 있다.
[0057]
일부 실시예들의 설명들은 LTE 기술들과 연관된 용어 및 예들을 사용할 수 있지만, 다양한 실시예들은 NR(new Radio) 또는 5G 네트워크와 같은 다른 무선 통신 시스템들에 적용가능할 수 있다. NR은, 업링크(UL) 및 다운링크(DL) 상에서 CP(cyclic prefix)를 갖는 OFDM을 활용할 수 있고 그리고 TDD(time-division duplexing)를 사용하는 하프-듀플렉스 동작에 대한 지원을 포함할 수 있다. 100 MHz의 단일 컴포넌트 캐리어 대역폭이 지원될 수 있다. NR 자원 블록들은 0.1 ms(millisecond) 지속기간에 걸쳐 75 kHz의 서브캐리어 대역폭을 갖는 12개의 서브캐리어들에 걸쳐 있을 수 있다. 각각의 라디오 프레임은 10 ms의 길이를 갖는 50개의 서브프레임들로 이루어질 수 있다. 결과적으로, 각각의 서브프레임은 0.2 ms 길이를 가질 수 있다. 각각의 서브프레임은 데이터 송신을 위한 링크 방향(즉, DL 또는 UL)을 표시할 수 있고, 각각의 서브프레임에 대한 링크 방향은 동적으로 스위칭될 수 있다. 각각의 서브프레임은 DL/UL 데이터뿐만 아니라 DL/UL 제어 데이터를 포함할 수 있다. 빔포밍이 지원될 수 있고, 빔 방향은 동적으로 구성될 수 있다. 프리코딩을 이용한 MIMO(Multiple Input Multiple Output) 송신들이 또한 지원될 수 있다. DL에서의 MIMO 구성들은 최대 8개의 송신 안테나들을 지원할 수 있는데, 다중-계층 DL 송신들의 경우 무선 디바이스 당 최대 2개의 스트림들 씩 최대 8개의 스트림들을 지원할 수 있다. 무선 디바이스 당 최대 2개의 스트림들을 갖는 다중-계층 송신들이 지원될 수 있다. 다수의 셀들의 어그리게이션이 최대 8개의 서빙 셀들에 대해 지원될 수 있다. 대안적으로, NR은, OFDM-기반 에어 인터페이스 이외의, 다른 에어 인터페이스를 지원할 수 있다.
[0058]
일부 모바일 디바이스들은 MTC(machine-type communication) 또는 eMTC(evolved or enhanced machine-type communication) 모바일 디바이스들로 간주될 수 있다. MTC 및 eMTC 모바일 디바이스들은, 예를 들어, 기지국, 다른 디바이스(예를 들어, 원격 디바이스) 또는 일부 다른 엔티티와 통신할 수 있는, 로봇들, 드론들, 원격 디바이스들, 센서들, 계측기들, 모니터들, 로케이션 태그들 등을 포함한다. 무선 노드는, 예를 들어, 유선 또는 무선 통신 링크를 통해 네트워크(예를 들어, 광역 네트워크, 이를테면 인터넷 또는 셀룰러 네트워크)에 대한 또는 네트워크로의 연결성을 제공할 수 있다. 일부 모바일 디바이스들은 IoT(Internet-of-Things) 디바이스들로 간주될 수 있거나 또는 NB-IoT(narrowband internet of things) 디바이스들로서 구현될 수 있다. 무선 디바이스(120a-120e)는, 프로세서 컴포넌트들, 메모리 컴포넌트들, 유사한 컴포넌트들 또는 이들의 조합과 같은 무선 디바이스의 컴포넌트들을 하우징하는 하우징 내부에 포함될 수 있다.
[0059]
일반적으로, 임의의 수의 통신 시스템들 및 임의의 수의 무선 네트워크들이 주어진 지리적 영역에 배치될 수 있다. 각각의 통신 시스템 및 무선 네트워크는, 특정 RAT(radio access technology)를 지원할 수 있고 하나 이상의 주파수들 상에서 동작할 수 있다. RAT는 또한, 라디오 기술, 에어 인터페이스 등으로 지칭될 수 있다. 주파수는 또한, 캐리어, 주파수 채널 등으로 지칭될 수 있다. 각각의 주파수는, 상이한 RAT들의 통신 시스템들 사이의 간섭을 회피하기 위해, 주어진 지리적 영역에서 단일 RAT를 지원할 수 있다. 일부 경우들에서, NR 또는 5G RAT 네트워크들이 배치될 수 있다.
[0060]
도 2는 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 예시적인 컴퓨팅 및 무선 모뎀 시스템(200)을 예시하는 컴포넌트 블록도이다. 다양한 실시예들은, SOC(system-on-chip) 또는 SIP(system in a package)를 포함하는 다수의 단일 프로세서 및 멀티프로세서 컴퓨터 시스템들 상에서 구현될 수 있다.
[0061]
도 1 및 도 2를 참조하면, (일부 실시예들에서 SIP일 수 있는) 예시된 예시적인 컴퓨팅 시스템(200)은, 기지국(110a)과 같은 네트워크 무선 디바이스들로/네트워크 무선 디바이스들로부터 안테나(미도시)를 통해 무선 통신들을 전송 및 수신하도록 구성된 무선 트랜시버(266), 전압 조절기(208) 및 클록(206)에 커플링되는 2개의 SOC들(202, 204)을 포함한다. 일부 실시예들에서, 제1 SOC(202)는, 명령들에 의해 지정된 산술, 논리, 제어 및 입력/출력(I/O) 연산들을 수행함으로써, 소프트웨어 애플리케이션 프로그램들의 명령들을 수행하는 무선 디바이스의 CPU(central processing unit)로서 동작한다. 일부 실시예들에서, 제2 SOC(204)는 특수 프로세싱 유닛으로서 동작할 수 있다. 예를 들어, 제2 SOC(204)는 높은 볼륨, 빠른 속도(예를 들어, 5 Gbps 등) 및/또는 매우 높은 주파수의 단파장(예를 들어, 28 GHz mm파 스펙트럼 등) 통신들을 관리하는 것을 담당하는 특수 5G 프로세싱 유닛으로서 동작할 수 있다.
[0062]
제1 SOC(202)는 DSP(digital signal processor)(210), 모뎀 프로세서(212), 그래픽 프로세서(214), 애플리케이션 프로세서(216), 하나 이상의 프로세서들에 연결된 하나 이상의 코프로세서들(218)(예를 들어, 벡터 코프로세서), 메모리(220), 커스텀 회로부(222), 시스템 컴포넌트들 및 자원들(224), 상호연결/버스 모듈(226), 하나 이상의 온도 센서들(230), 열 관리 유닛(232), 및 TPE(thermal power envelope) 컴포넌트(234)를 포함할 수 있다. 제2 SOC(204)는 5G 모뎀 프로세서(252), 전력 관리 유닛(254), 상호연결/버스 모듈(264), 복수의 mm파 트랜시버들(256), 메모리(258), 및 다양한 부가적 프로세서들(260), 이를테면 애플리케이션 프로세서, 패킷 프로세서 등을 포함할 수 있다.
[0063]
각각의 프로세서(210, 212, 214, 216, 218, 252, 260)는 하나 이상의 코어들을 포함할 수 있고, 각각의 프로세서/코어는 다른 프로세서들/코어들과 독립적인 동작들을 수행할 수 있다. 예를 들어, 제1 SOC(202)는 제1 타입의 운영 시스템(예를 들어, FreeBSD, LINUX, OS X 등)을 실행하는 프로세서 및 제2 타입의 운영 시스템(예를 들어, MICROSOFT WINDOWS 10)을 실행하는 프로세서를 포함할 수 있다. 또한, 프로세서들(210, 212, 214, 216, 218, 252, 260) 중 임의의 것 또는 전부는, 프로세서 클러스터 아키텍처(예를 들어, 동기식 프로세서 클러스터 아키텍처, 비동기식 또는 이종 프로세서 클러스터 아키텍처 등)의 일부로서 포함될 수 있다.
[0064]
제1 SOC(202) 및 제2 SOC(204)는, 센서 데이터, 아날로그-디지털 변환들, 무선 데이터 송신들을 관리하기 위한 그리고 웹 브라우저에서 렌더링하기 위해, 데이터 패킷들을 디코딩하고 인코딩된 오디오 및 비디오 신호들을 프로세싱하는 것과 같은 다른 특수 동작들을 수행하기 위한 다양한 시스템 컴포넌트들, 자원들 및 커스텀 회로부를 포함할 수 있다. 예를 들어, 제1 SOC(202)의 시스템 컴포넌트들 및 자원들(224)은, 전력 증폭기들, 전압 조절기들, 발진기들, 위상-고정 루프(phase-locked loop)들, 주변 브릿지들, 데이터 제어기들, 메모리 제어기들, 시스템 제어기들, 액세스 포트들, 타이머들, 및 무선 디바이스 상에서 실행되는 프로세서들 및 소프트웨어 클라이언트들을 지원하는 데 사용되는 다른 유사한 컴포넌트들을 포함할 수 있다. 시스템 컴포넌트들 및 자원들(224) 및/또는 커스텀 회로부(222)는 또한, 카메라들, 전자 디스플레이들, 무선 통신 디바이스들, 외부 메모리 칩들 등과 같은 주변 디바이스들과 인터페이싱하기 위한 회로부를 포함할 수 있다.
[0065]
제1 SOC(202) 및 제2 SOC(204)는 상호연결/버스 모듈(250)을 통해 통신할 수 있다. 다양한 프로세서들(210, 212, 214, 216, 218)은, 상호연결/버스 모듈(226)을 통해, 하나 이상의 메모리 엘리먼트들(220), 시스템 컴포넌트들 및 자원들(224), 및 커스텀 회로부(222), 및 열 관리 유닛(232)에 상호연결될 수 있다. 유사하게, 프로세서(252)는, 상호연결/버스 모듈(264)을 통해, 전력 관리 유닛(254), mm파 트랜시버들(256), 메모리(258), 및 다양한 부가적 프로세서들(260)에 상호연결될 수 있다. 상호연결/버스 모듈(226, 250, 264)은 재구성가능한 논리 게이트들의 어레이를 포함할 수 있고 그리고/또는 버스 아키텍처(예를 들어, CoreConnect, AMBA 등)를 구현할 수 있다. 통신들은 고성능 NoC(networks-on chip)들과 같은 진보된 상호연결부들에 의해 제공될 수 있다.
[0066]
제1 SOC(202) 및/또는 제2 SOC(204)는, SOC 외부의 자원들, 이를테면 클럭(206) 및 전압 조절기(208)와 통신하기 위한 입력/출력 모듈(예시되지 않음)을 더 포함할 수 있다. SOC 외부의 자원들(예를 들어, 클록(206), 전압 조절기(208))은 내부 SOC 프로세서들/코어들 중 2개 이상에 의해 공유될 수 있다.
[0067]
위에서 논의된 예시적인 SIP(200)에 부가하여, 다양한 실시예들은, 단일 프로세서, 다수의 프로세서들, 멀티코어 프로세서들 또는 이들의 임의의 조합을 포함할 수 있는 광범위한 컴퓨팅 시스템들에서 구현될 수 있다.
[0068]
도 3은 다양한 실시예들 중 임의의 실시예를 구현하기에 적합한 무선 통신들에서 사용자 및 제어 평면들에 대한 라디오 프로토콜 스택을 포함하는 소프트웨어 아키텍처(300)를 예시하는 컴포넌트 블록도이다. 도 1 내지 도 3을 참조하면, 무선 디바이스(320)는, 통신 시스템(예를 들어, 100)의 기지국(350)(예를 들어, 기지국(110a))과 무선 디바이스(320)(예를 들어, 무선 디바이스(120a-120e, 200)) 사이의 통신을 가능하게 하기 위해 소프트웨어 아키텍처(300)를 구현할 수 있다. 다양한 실시예들에서, 소프트웨어 아키텍처(300)의 계층들은 기지국(350)의 소프트웨어의 대응하는 계층들과 논리적 연결들을 형성할 수 있다. 소프트웨어 아키텍처(300)는 하나 이상의 프로세서들(예를 들어, 프로세서들(212, 214, 216, 218, 252, 260)) 사이에 분포될 수 있다. 하나의 라디오 프로토콜 스택과 관련하여 예시되지만, 멀티-SIM(subscriber identity module) 무선 디바이스에서, 소프트웨어 아키텍처(300)는 다수의 프로토콜 스택들을 포함할 수 있으며, 이들 각각은 상이한 SIM과 연관될 수 있다(예를 들어, 듀얼-SIM 무선 통신 디바이스에서, 2개의 프로토콜 스택들은 각각 2개의 SIM들과 연관됨). LTE 통신 계층들을 참조로 아래에서 설명되지만, 소프트웨어 아키텍처(300)는, 무선 통신들을 위한 다양한 표준들 및 프로토콜들 중 임의의 것을 지원할 수 있고 그리고/또는 무선 통신들을 위한 다양한 표준들 및 프로토콜들 중 임의의 것을 지원하는 부가적 프로토콜 스택들을 포함할 수 있다.
[0069]
소프트웨어 아키텍처(300)는 NAS(Non-Access Stratum)(302) 및 AS(Access Stratum)(304)를 포함할 수 있다. NAS(302)는 패킷 필터링, 보안 관리, 모빌리티 제어, 세션 관리, 및 무선 디바이스의 SIM(들)(예를 들어, SIM(들)(204))과 그의 코어 네트워크(140) 사이의 트래픽 및 시그널링을 지원하기 위한 기능들 및 프로토콜들을 포함할 수 있다. AS(304)는, 지원되는 액세스 네트워크들의 엔티티들(예를 들어, 기지국)과 SIM(들)(예를 들어, SIM(들)(204)) 사이의 통신을 지원하는 기능들 및 프로토콜들을 포함할 수 있다. 특히, AS(304)는 적어도 3개의 계층들(계층 1, 계층 2 및 계층 3)을 포함할 수 있으며, 이들 각각은 다양한 서브-계층들을 포함할 수 있다.
[0070]
사용자 및 제어 평면들에서, AS(304)의 계층 1(L1)은 무선 트랜시버(예를 들어, 256)를 통하여 에어 인터페이스를 통한 송신 및/또는 수신을 가능하게 하는 기능들을 감독할 수 있는 PHY(physical layer)(306)일 수 있다. 이러한 물리적 계층(306) 기능들의 예들은, CRC(cyclic redundancy check) 어태치먼트(attachment), 코딩 블록들, 스크램블링 및 디스크램블링, 변조 및 복조, 신호 측정들, MIMO 등을 포함할 수 있다. 물리적 계층은 PDCCH(Physical Downlink Control Channel) 및 PDSCH(Physical Downlink Shared Channel)를 포함하는 다양한 논리적 채널들을 포함할 수 있다.
[0071]
사용자 및 제어 평면들에서, AS(304)의 계층 2(L2)는 물리적 계층(306)을 통한 무선 디바이스(320)와 기지국(350) 사이의 링크를 담당할 수 있다. 다양한 실시예들에서, 계층 2는 MAC(media access control) 서브계층(308), RLC(radio link control) 서브계층(310), 및 PDCP(packet data convergence protocol)(312) 서브계층을 포함할 수 있으며, 이들 각각은 기지국(350)에서 종료되는 논리적 연결들을 형성한다.
[0072]
제어 평면에서, AS(304)의 계층 3(L3)은 RRC(radio resource control) 서브계층 3을 포함할 수 있다. 도시되지 않았지만, 소프트웨어 아키텍처(300)는 부가적 계층 3 서브계층들뿐만 아니라 계층 3 위의 다양한 상위 계층들을 포함할 수 있다. 다양한 실시예들에서, RRC 서브계층(313)은 시스템 정보의 브로드캐스팅, 페이징, 및 무선 디바이스(320)와 기지국(350) 사이의 RRC 시그널링 연결의 확립 및 해제를 포함하는 기능들을 제공할 수 있다.
[0073]
다양한 실시예들에서, PDCP 서브계층(312)은 상이한 라디오 베어러들과 논리적 채널들 사이의 멀티플렉싱, 시퀀스 번호 추가, 핸드오버 데이터 핸들링, 무결성 보호, 암호화 및 헤더 압축을 포함하는 업링크 기능들을 제공할 수 있다. 다운링크에서, PDCP 서브계층(312)은, 데이터 패킷들의 인-시퀀스(in-sequence) 전달, 복제 데이터 패킷 검출, 무결성 검증, 복호화 및 헤더 압축해제를 포함하는 기능들을 제공할 수 있다.
[0074]
업링크에서, RLC 서브계층(310)은 상부 계층 데이터 패킷들의 세그먼트화 및 연접, 손실된 데이터 패킷들의 재송신, 및 ARQ(Automatic Repeat Request)를 제공할 수 있다. 다운링크에서, RLC 서브계층(310) 기능들은, 비순차적(out-of-order) 수신을 보상하기 위한 데이터 패킷들의 재정렬, 상부 계층 데이터 패킷의 재조립, 및 ARQ를 포함할 수 있다.
[0075]
업링크에서, MAC 서브계층(308)은 논리적 채널과 전송 채널들 사이의 멀티플렉싱, 랜덤 액세스 절차, 논리적 채널 우선순위, 및 HARQ(hybrid-ARQ) 동작들을 포함하는 기능들을 제공할 수 있다. 다운링크에서, MAC 계층 기능들은 셀 내 채널 맵핑, 디-멀티플렉싱, DRX(discontinuous reception), 및 HARQ 동작들을 포함할 수 있다.
[0076]
소프트웨어 아키텍처(300)는 물리적 매체들을 통해 데이터를 송신하는 기능들을 제공할 수 있지만, 소프트웨어 아키텍처(300)는 무선 디바이스(320) 내의 다양한 애플리케이션들에 데이터 전송 서비스들을 제공하기 위한 적어도 하나의 호스트 계층(314)을 더 포함할 수 있다. 일부 실시예들에서, 적어도 하나의 호스트 계층(314)에 의해 제공되는 애플리케이션-특정 기능들은 소프트웨어 아키텍처와 범용 프로세서(206) 사이에 인터페이스를 제공할 수 있다.
[0077]
다른 실시예들에서, 소프트웨어 아키텍처(300)는 호스트 계층 기능들을 제공하는 하나 이상의 상위 논리적 계층(예를 들어, 전송, 세션, 프리젠테이션, 애플리케이션 등)을 포함할 수 있다. 예를 들어, 일부 실시예들에서, 소프트웨어 아키텍처(300)는 PDN(packet data network) 게이트웨이(PGW)에서 논리적 연결이 종결되는 네트워크 계층(예를 들어, IP(Internet Protocol) 계층)을 포함할 수 있다. 일부 실시예들에서, 소프트웨어 아키텍처(300)는 다른 디바이스(예를 들어, 최종 사용자 디바이스, 서버 등)에서 논리적 연결이 종결되는 애플리케이션 계층을 포함할 수 있다. 일부 실시예들에서, 소프트웨어 아키텍처(300)는 물리적 계층(306)과 통신 하드웨어(예를 들어, 하나 이상의 RF(radio frequency) 트랜시버들) 사이의 하드웨어 인터페이스(316)를 AS(304)에 더 포함할 수 있다.
[0078]
도 4a 및 도 4b는, 다양한 실시예들에 따라, 무선 통신을 위한 정보 송신을 관리하도록 구성된 시스템(400)을 예시하는 컴포넌트 블록도들이다. 도 1 내지 도 4b를 참조하면, 시스템(400)은 기지국(402)(예를 들어, 120a-120e, 200, 320) 및 무선 디바이스(404)(예를 들어, 120a-120e, 200, 320)를 포함할 수 있다. 기지국(402) 및 무선 디바이스(404)는 무선 통신 네트워크(424)(이의 양상들이 도 1에 예시됨)를 통해 통신할 수 있다.
[0079]
기지국(402) 및/또는 무선 디바이스(404)는, 전자 저장소(426, 430)와 무선 트랜시버(266)에 커플링된 하나 이상의 프로세서들(428, 432)(예를 들어, 210, 212, 214, 216, 218, 252, 260)을 포함할 수 있다. 무선 트랜시버(266)는, 프로세서(들)(428, 432)로부터 업링크 송신들에서 전송될 메시지들을 수신하고 그리고 이러한 메시지들을 기지국(402) 및/또는 무선 디바이스(404)에 중계하기 위해 안테나(미도시)를 통해 무선 통신 네트워크(424)에 송신하도록 구성될 수 있다. 유사하게, 무선 트랜시버(266)는, 무선 통신 네트워크(424)로부터의 다운링크 송신들에서 기지국(402) 및/또는 무선 디바이스(404)로부터 메시지들을 수신하고 그리고 (예를 들어, 메시지들을 복조하는 모뎀(예를 들어, 252)을 통해) 메시지를 하나 이상의 프로세서들(428, 432)에 전달하도록 구성될 수 있다.
[0080]
프로세서(들)(428, 432)는 기계-판독가능 명령들(406, 434)에 의해 구성될 수 있다. 기계-판독가능 명령들(406)은 하나 이상의 명령 모듈들을 포함할 수 있다. 명령 모듈들은 컴퓨터 프로그램 모듈들을 포함할 수 있다. 명령 모듈들은 뉴럴 네트워크 트레이닝 모듈(410, 436), PRT 뉴럴 네트워크 모듈(412), 수신기 뉴럴 네트워크 모듈(438), 무선 통신 모듈(414, 440) 또는 다른 명령 모듈들 중 하나 이상을 포함할 수 있다.
[0081]
뉴럴 네트워크 트레이닝 모듈(410, 436)은 데이터 톤들의 데이터 세트에 대해 그리고 에러 임계치 내에서 데이터 톤들의 정확한 재구성을 위해 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 트레이닝시키도록 구성될 수 있다.
[0082]
PRT 뉴럴 네트워크 모듈(412)은 송신 파형들의 PAPR을 감소시키기 위해 데이터 톤들과의 결합을 위한 PRT들을 생성하기 위해 데이터 톤들에 PRT 뉴럴 네트워크를 적용하도록 구성될 수 있다. PRT 뉴럴 네트워크는, 트레이닝된 수신기 뉴럴 네트워크가 데이터 톤들 및 PRT들의 결합으로 구성된 송신 파형들로부터 데이터 톤들의 재구성들을 정확하게 생성할 수 있도록, PRT들을 생성하도록 트레이닝될 수 있다.
[0083]
수신기 뉴럴 네트워크 모듈(438)은 데이터 톤들의 재구성들을 정확하게 생성하기 위해 송신 파형들에 수신기 뉴럴 네트워크를 적용하도록 구성될 수 있다. 수신기 뉴럴 네트워크는, 트레이닝된 PRT 뉴럴 네트워크로부터의 생성된 PRT들이 트레이닝된 수신기 뉴럴 네트워크에 정보를 제공하여 데이터 톤들 및 PRT들의 결합으로 구성된 송신 파형들로부터 데이터 톤들의 재구성들을 정확하게 생성하는 것을 돕도록 트레이닝될 수 있다.
[0084]
무선 통신 모듈(414, 440)은 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 표시자들, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 가중치들, 및/또는 무선 디바이스(404)와 기지국(402) 사이의 송신 파형들을 송신하도록 구성될 수 있다.
[0085]
일부 실시예들에서, 기지국(402) 및 무선 디바이스(404)는 하나 이상의 전자 통신 링크들을 통해 동작가능하게 링크될 수 있다. 예를 들어, 이러한 전자 통신 링크들은, 적어도 부분적으로, 인터넷과 같은 네트워크 및/또는 다른 네트워크들을 통해 확립될 수 있다. 그러나, 이러한 예는 제한하는 것으로 의도되지 않으며, 본 개시내용의 범위는 기지국(402) 및 무선 디바이스(404)가 어떤 다른 통신 매체들을 통해 동작가능하게 링크될 수 있는 실시예들을 포함한다.
[0086]
전자 저장소(426, 430)는 정보를 전자식으로 저장하는 비-일시적 저장 매체들을 포함할 수 있다. 전자 저장소(426, 430)의 전자 저장 매체들은, 기지국(402) 또는 무선 디바이스(404)와 일체로(즉, 실질적으로 제거 불가능) 제공되는 시스템 저장소 및/또는 예를 들어, 포트(예를 들어, USB(universal serial bus) 포트, 파이어와이어 포트 등) 또는 드라이브(예를 들어, 디스크 드라이브 등)를 통해 기지국(402) 또는 무선 디바이스(404)에 제거 가능하게 연결될 수 있는 이동식 저장소 중 하나 또는 이 둘 다를 포함할 수 있다. 전자 저장소(426, 430)는 광학적으로 판독가능한 저장 매체들(예를 들어, 광학 디스크들 등), 자기적으로 판독가능한 저장 매체들(예를 들어, 자기 테이프, 자기 하드 드라이브, 플로피 드라이브 등), 전하-기반 저장 매체들(예를 들어, EEPROM, RAM 등), 고체 상태 저장 매체들(예를 들어, 플래시 드라이브 등), 및/또는 다른 전자식으로 판독가능한 저장 매체들 중 하나 이상을 포함할 수 있다. 전자 저장소(426, 430)는 하나 이상의 가상 저장 자원들(예를 들어, 클라우드 저장소, 가상 사설 네트워크 및/또는 다른 가상 저장 자원들)을 포함할 수 있다. 전자 저장소(426, 430)는 소프트웨어 알고리즘들, 프로세서(들)(428, 432)에 의해 결정된 정보, 기지국(402) 또는 무선 디바이스(404)로부터 수신된 정보, 또는 기지국(402) 또는 무선 디바이스(404)가 본원에 설명된 바와 같이 기능할 수 있게 하는 다른 정보를 저장할 수 있다.
[0087]
프로세서(들)(428, 432)는 기지국(402)에서 정보 프로세싱 능력들을 제공하도록 구성될 수 있다. 따라서, 프로세서(들)(428, 432)는 디지털 프로세서, 아날로그 프로세서, 정보를 프로세싱하도록 설계된 디지털 회로, 정보를 프로세싱하도록 설계된 아날로그 회로, 상태 머신, 및/또는 정보를 전자식으로 프로세싱하기 위한 다른 메커니즘들 중 하나 이상을 포함할 수 있다. 프로세서(들)(428, 432)가 단일 엔티티들로서 예시되지만, 이는 단지 예시 목적들을 위한 것이다. 일부 실시예들에서, 프로세서(들)(428, 432)는 복수의 프로세싱 유닛들 및/또는 프로세서 코어들을 포함할 수 있다. 프로세싱 유닛들이 물리적으로 동일한 디바이스 내에 로케이팅될 수 있거나 또는 프로세서(들)(428, 432)가 협력하여 동작하는 복수의 디바이스들의 프로세싱 기능성을 표현할 수 있다. 프로세서(들)(428, 432)는, 소프트웨어; 하드웨어; 펌웨어; 소프트웨어, 하드웨어 및/또는 펌웨어의 어떤 결합; 및/또는 프로세서(들)(428, 432) 상의 프로세싱 능력들을 구성하기 위한 다른 메커니즘들에 의해 모듈들(408-414) 및 모듈들(436-440) 및/또는 다른 모듈들을 실행하도록 구성될 수 있다. 본원에서 사용되는 바와 같이, "모듈"이라는 용어는 모듈에 속하는 기능성을 수행하는 임의의 컴포넌트 또는 컴포넌트들의 세트를 지칭할 수 있다. 이는 프로세서 판독가능한 명령들, 프로세서 판독가능 명령들, 회로부, 하드웨어, 저장 매체들, 또는 임의의 다른 컴포넌트들의 실행 동안 하나 이상의 물리적 프로세서들을 포함할 수 있다.
[0088]
본원에서 설명된 상이한 모듈들(410-414) 및 모듈들(436-440)에 의해 제공되는 기능성의 설명은, 예시 목적들을 위한 것이며, 그리고 모듈들(410-414) 및 모듈들(436-440) 중 임의의 것이 설명된 것보다 많거나 적은 기능성을 제공할 수 있으므로 제한하려는 의도가 아니다. 예를 들어, 모듈들(410-414) 및 모듈들(436-440) 중 하나 이상은 제거될 수 있고, 그의 기능성 중 일부 또는 전부는 다른 모듈들(410-414) 및 모듈들(436-440)에 의해 제공될 수 있다. 다른 예로서, 프로세서(들)(428, 432)는, 아래에서 모듈들(410-414) 및 모듈들(436-440) 중 하나에 속하는 기능성 중 일부 또는 전부를 수행할 수 있는 하나 이상의 부가적 모듈들을 실행하도록 구성될 수 있다.
[0089]
도 5는, 다양한 실시예들에 따른, PRT들을 송신 파형에 삽입하기 위한 머신 러닝 및/또는 머신 러닝 기반 인코딩을 구현하도록 구성된 예시적인 인코더 회로(500)를 포함하는 기능 블록도를 예시한다. 도 1-도 5를 참조하면, 송신기(예를 들어, 무선 디바이스(120a-120e, 200, 320, 404))는 인코더(500)를 포함할 수 있다. 인코더(500)는 하드웨어, 프로세서 상에서 실행되는 소프트웨어, 및/또는 프로세서 상에서 실행되는 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 인코더(500)는 송신기의 독립형 컴포넌트, SoC(예를 들어, SoC(200, 204))의 통합 컴포넌트, 및/또는 프로세서들(예를 들어, 프로세서들(210, 212, 214, 216, 218, 252, 260, 428))의 통합 하드웨어 및/또는 소프트웨어 컴포넌트일 수 있다. 인코더(500)는 PRT 뉴럴 네트워크(502), 신호 결합기(504) 및 역 고속 푸리에 변환 컴포넌트(506)를 포함할 수 있다. 인코더(500)는 특정 송신기로부터 그리고/또는 특정 수신기로의 송신을 위해 데이터 톤들 및 PRT들을 맵핑하도록 구성된 머신 러닝 트레이닝된 뉴럴 네트워크들을 사용할 수 있다.
[0090]
도 6은, 다양한 실시예들에 따른, 수신된 송신 파형으로부터 PRT들을 추출하고 그리고 이러한 프로세스로부터의 정보를 사용하여, 오리지널 데이터 톤을 추정할 때 수신기 성능을 개선하기 위해 머신 러닝 및/또는 머신 러닝 기반 디코딩을 구현하도록 구성된 예시적인 디코더(600)를 예시한다. 도 1-도 6을 참조하면, 수신기(예를 들어, 기지국(110a-110d, 350, 402))는 디코더(600)를 포함할 수 있다. 디코더(600)는 하드웨어, 프로세서 상에서 실행되는 소프트웨어, 및/또는 프로세서 상에서 실행되는 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 디코더(600)는 수신기의 독립형 컴포넌트, SoC(예를 들어, SoC(200, 204))의 통합 컴포넌트, 및/또는 프로세서들(예를 들어, 프로세서들(210, 212, 214, 216, 218, 252, 256, 260, 432))의 통합 하드웨어 및/또는 소프트웨어 컴포넌트일 수 있다. 디코더(600)는 고속 푸리에 변환 컴포넌트(602) 및 수신기 뉴럴 네트워크(604)를 포함할 수 있다. 디코더(600)는, 특정 송신기로부터 그리고/또는 특정 수신기에 의해 수신되는 송신 파형들(데이터 톤들 및 PRT들을 포함)을 복조하도록 구성된 머신 러닝 트레이닝된 뉴럴 네트워크들을 사용할 수 있다.
[0091]
도 5 및 도 6 둘 다를 함께 참조하면, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604) 쌍을 트레이닝시키기 위해 머신 러닝이 사용될 수 있다. 머신 러닝 방법들은 송신기 측에서 그리고/또는 수신기에서 별개로 구현될 수 있으며, 이 동안에, 송신기 및/또는 수신기는 PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604)를 구현할 수 있다. PRT 뉴럴 네트워크(502)는, 입력들로서 데이터 톤들을 수신하도록 그리고 신호 결합기(504)에서 데이터 톤들과 결합되는 PRT들을 출력하도록 트레이닝될 수 있다. 결합된 신호가 역 고속 푸리에 변환(506)에 의해 시간 도메인으로 변환될 때, 그 결과는, 송신을 위한 증폭에 적합한, PAPR을 감소시키기 위해 감소된 피크들을 갖는 송신 파형이다. 수신기 측에서, 수신기 뉴럴 네트워크(604)는, 송신 파형의 입력에 기반하여 데이터 톤들의 재구성을 생성하기 위해, 송신 파형, 즉 데이터 톤들과 PRT들의 결합을 복조하도록 트레이닝될 수 있다.
[0092]
한정이 아닌 예에서, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604) 쌍은 비지도 머신 러닝(unsupervised machine learning)을 사용하여 오토인코더(autoencoder)로서 구현될 수 있다. PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604) 쌍은, PRT 뉴럴 네트워크(502)가 데이터 톤과 결합할 PRT를 생성하여, 수신기 뉴럴 네트워크(604)가, 이를테면, 에러 임계치 내에서 데이터 톤의 재구성을 정확하게 생성할 수 있도록 트레이닝될 수 있다. 재구성된 데이터 톤에서의 에러는 데이터 톤과 데이터 톤의 재구성의 비교에 의해 결정될 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604)는, 이를테면, 송신기의 하드웨어 구성을 사용하여 트레이닝됨으로써 특정 송신기에 대해 트레이닝될 수 있다.
[0093]
일부 실시예들에서, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604)는, 이를테면, 수신기의 하드웨어 구성을 사용하여 트레이닝됨으로써 특정 수신기에 대해 트레이닝될 수 있다. 예를 들어, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604) 쌍은, 특정 송신기 및/또는 특정 송신기와 유사한 송신기, 이를테면 동일한 하드웨어 및/또는 소프트웨어 구성을 사용하는 송신기, 이를테면 벤치마크 송신기를 사용하여 트레이닝될 수 있다. 추가 예로서, PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604) 쌍은, 특정 수신기 및/또는 특정 수신기와 유사한 수신기, 이를테면 동일한 하드웨어 및/또는 소프트웨어 구성을 사용하는 수신기, 이를테면 벤치마크 수신기를 사용하여 트레이닝될 수 있다.
[0094]
송신기 및 수신기는 PRT 뉴럴 네트워크(502) 및/또는 수신기 뉴럴 네트워크(604)의 구성들을 공유할 수 있다. 송신기는, 수신기 뉴럴 네트워크(604)의 구성들을 수신기에 무선으로 송신함으로써, 수신기 뉴럴 네트워크(604)의 구성들을 공유할 수 있다. 예를 들어, 송신기는, 송신기에 의해 구현되는 PRT 뉴럴 네트워크(502)와 함께 트레이닝되는 수신기 뉴럴 네트워크(604)일 수 있는, 수신기가 구현할 수신기 뉴럴 네트워크(604)의 구성을 수신기와 공유할 수 있다.
[0095]
일부 실시예들에서, 수신기는 다수의 수신기 뉴럴 네트워크들(604)로 미리 구성될 수 있다. 수신기 뉴럴 네트워크(604)의 구성을 공유하는 것은, 수신기 뉴럴 네트워크(604)의 구성의 표시자를 공유하는 것을 포함할 수 있다. 수신기는 표시자를 사용하여, 수신기 뉴럴 네트워크(604)의 구성을 다수의 수신기 뉴럴 네트워크들(604)로부터 선택할 수 있다.
[0096]
일부 실시예들에서, 수신기 뉴럴 네트워크(604)의 구성들을 공유하는 것은, PRT 뉴럴 네트워크(502) 및/또는 수신기 뉴럴 네트워크(604)의 트레이닝으로부터 초래되는 가중치들을 공유하는 것을 포함할 수 있다. 수신기 뉴럴 네트워크(604)의 구성들을 공유하는 것은, 표시자 및/또는 가중치들을 수신기에 전송하는 것을 포함할 수 있다. 일부 실시예들에서, 가중치들은 표시자일 수 있다.
[0097]
수신기는, PRT 뉴럴 네트워크(502)의 구성들을 송신기에 무선으로 송신함으로써, PRT 뉴럴 네트워크(502)의 구성들을 공유할 수 있다. 예를 들어, 수신기는, 수신기에 의해 구현되는 수신기 뉴럴 네트워크(604)와 함께 트레이닝되는 PRT 뉴럴 네트워크(502)일 수 있는, 송신기가 구현할 PRT 뉴럴 네트워크(502)의 구성을 송신기와 공유할 수 있다. 일부 실시예들에서, 송신기는 다수의 PRT 뉴럴 네트워크들(502)로 미리 구성될 수 있다. PRT 뉴럴 네트워크(502)의 구성들을 공유하는 것은, PRT 뉴럴 네트워크(502)의 구성의 표시자를 공유하는 것을 포함할 수 있다. 송신기는 표시자를 사용하여, 다수의 PRT 뉴럴 네트워크들(502)로부터 PRT 뉴럴 네트워크(502)의 구성을 선택할 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크(502)의 구성들을 공유하는 것은, PRT 뉴럴 네트워크(502) 및/또는 수신기 뉴럴 네트워크(604)의 트레이닝으로부터 초래되는 가중치들을 공유하는 것을 포함할 수 있다. PRT 뉴럴 네트워크(502)의 구성들을 공유하는 것은, 표시자 및/또는 가중치들을 송신기에 전송하는 것을 포함할 수 있다. 일부 실시예들에서, 가중치들은 표시자일 수 있다.
[0098]
송신기는 PRT 뉴럴 네트워크(502)를 사용하여 송신기 내에서의 PAPR을 감소시키기 위한 PRT들을 생성할 수 있고, 그런 다음, 수신기는 송신기로부터 수신되는 송신된 파형들을 복조(즉, 디코딩)할 때 대응하는 트레이닝된 수신기 뉴럴 네트워크(604)를 사용할 수 있다. 다양한 실시예들에서, 송신기는, 송신을 위해 데이터 톤들이 수신될 때 PRT들을 생성하기 위해(즉, "즉석에서(on the fly)" PRT들을 생성), 트레이닝된 PRT 뉴럴 네트워크(502)를 사용할 수 있다. 송신기 PRT 뉴럴 네트워크(502)와 함께(또는 이로부터의 출력을 사용하여) 트레이닝된 수신기 뉴럴 네트워크(604)를 사용함으로써, 수신기는, 통상적 복조 회로부를 사용하여 달성할 수 있는 것보다, 수신된 파형으로부터 데이터 톤을 더 정확하게 재구성할 수 있다. 이러한 이익을 가능하게 하기 위해, 일부 실시예들은, 송신기에서 사용되는 트레이닝된 PRT 뉴럴 네트워크가 수신기에서 사용되는 트레이닝된 수신기 뉴럴 네트워크에 대응하고 그리고 이의 역도 가능하도록, 송신기와 수신기 간을 조정하기 위한 동작들을 포함한다. 일부 실시예들에서, 송신기는, PRT 뉴럴 네트워크(502)의 구성의 표시자를 수신하는 것에 대한 응답으로 선택된 PRT 뉴럴 네트워크(502)를 사용할 수 있다. 일부 실시예들에서, 송신기는 송신기 상에서 미리 구성된 PRT 뉴럴 네트워크(502)를 사용할 수 있다. 송신기의 신호 결합기(504)는, 데이터 톤들 및 PRT들을 수신하고 그리고 데이터 톤들과 PRT들을 결합함으로써 송신 파형을 생성할 수 있다. 신호 결합기(504)는, 데이터 톤들에 할당되지 않은 서브캐리어들에 PRT들을 할당함으로써, 데이터 톤들과 PRT들을 결합할 수 있다. 송신기의 역 고속 푸리에 변환 컴포넌트(506)는, 송신 파형을 수신하고 그리고 송신 파형을 주파수 도메인으로부터 시간 도메인으로 컨버팅할 수 있다. 송신기는 시간 도메인에서 송신 파형을 수신기에 송신할 수 있다.
[0099]
수신기는 시간 도메인에서 송신 파형을 수신할 수 있고, 수신기의 고속 푸리에 변환 컴포넌트(602)는 송신 파형을 시간 도메인으로부터 주파수 도메인으로 컨버팅할 수 있다. 수신기는, 송신 파형을 복조하여 데이터 신호의 재구성을 생성하기 위해 수신기 뉴럴 네트워크(604)를 사용할 수 있다. 수신기 뉴럴 네트워크(604)는, 주파수 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 복조하여 데이터 톤들의 재구성을 생성할 수 있다. 일부 실시예들에서, 수신기는 수신기 상에 미리 구성된 수신기 뉴럴 네트워크(604)를 사용할 수 있다. 일부 실시예들에서, 수신기는, 수신기 뉴럴 네트워크(604)의 구성의 표시자를 수신하는 것에 대한 응답으로 선택된 수신기 뉴럴 네트워크(604)를 사용할 수 있다.
[0100]
PRT 뉴럴 네트워크(502) 및 수신기 뉴럴 네트워크(604)가 함께 트레이닝되는 경우, 데이터 톤들과 결합할 PRT들을 PRT 뉴럴 네트워크(502)에 의해 생성하는 데 사용되는 수단은 수신기 뉴럴 네트워크(604)를 구현하는 수신기에게 알려질 수 있다. 따라서, PRT들은, 트레이닝된 수신기 뉴럴 네트워크(604)가 데이터 톤들의 재구성을 생성하는 데 사용할 수 있는 송신 파형을 복조하기 위한 정보를 포함할 수 있다. PRT들에 포함된 정보는, 트레이닝된 수신기 뉴럴 네트워크(604)를 사용하는 수신기가 복조 성능을 개선하게 할 수 있는데, 이를테면, 종래의 신호 프로세싱 알고리즘에 의해 생성된 PRT들을 갖는 전송 파형을 전송하고 통상적 복조 회로부를 사용하여 복조하는 것과 비교하여, 데이터 톤들의 재구성의 정확도를 개선시킬 수 있다.
[0101]
도 7은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시한다. 도 1-도 7을 참조하면, 송신기(700)(예를 들어, 무선 디바이스(120a-120e, 200, 320, 404))는, 송신 파형을 디코딩하여 데이터 톤들의 재구성을 생성하기 위해 사용할 수신기 뉴럴 네트워크(예를 들어, 수신기 뉴럴 네트워크(604))를 수신기(702)(예를 들어, 기지국(110a-110d, 350, 402))에 표시할 수 있다.
[0102]
송신기(700) 및 수신기(702)는 업링크를 확립할 수 있다(704). 송신기(700)는 수신기 뉴럴 네트워크 표시자를 수신기(702)에 전송할 수 있다(706). 수신기 뉴럴 네트워크 표시자는, 송신기(700)로부터의 송신 파형을 디코딩하기 위해 다수의 수신기 뉴럴 네트워크들로부터 선택할 수신기 뉴럴 네트워크를 수신기(702)에 표시하도록 구성될 수 있다. 일부 실시예들에서, 수신기 뉴럴 네트워크 표시자는, 선택할 수신기 뉴럴 네트워크를 수신기(702)에 표시하도록 구성된 기준(reference), 이를테면 신호 내의 플래그 비트(flag bit), 신호 내의 값의 콘텐츠, 신호의 품질 등일 수 있다. 일부 실시예들에서, 수신기 뉴럴 네트워크 표시자는 선택할 수신기 뉴럴 네트워크의 표시자일 수 있다. 일부 실시예들에서, 수신기 뉴럴 네트워크 표시자는 송신기(700)가 송신 파형을 생성하도록 구성된 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))의 표시자일 수 있고, 이 표시자로부터, 수신기(702)는 선택할 수신기 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 수신기 뉴럴 네트워크 표시자는 수신기 뉴럴 네트워크와 함께 사용하기 위한 가중치들일 수 있으며, 이 가중치들로부터, 수신기(702)는 선택할 수신기 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 수신기(702)는, 수신기 뉴럴 네트워크 표시자를, 수신기 뉴럴 네트워크를 선택하기 위한 해시 함수, 룩업 테이블, 데이터 구조 로케이션 등에 대한 값으로 사용할 수 있다.
[0103]
송신기(700)는 수신기 뉴럴 네트워크에 대한 가중치들을 수신기(702)에 전송할 수 있다(708). 가중치들은, 송신 파형을 복조하여 데이터 톤들의 재구성을 생성하기 위해 선택된 수신기 뉴럴 네트워크를 구현할 때 수신기(702)가 사용할 가중치들일 수 있다. 일부 실시예들에서, 가중치들은 수신기 뉴럴 네트워크 표시자일 수 있고, 수신기 뉴럴 네트워크에 대한 가중치들을 전송하는 것(708)은 수신기 뉴럴 네트워크 표시자를 전송하는 것(706)과 결합될 수 있다.
[0104]
송신기(700)는 PRT 뉴럴 네트워크를 사용하여 데이터 톤들을 PRT들로 인코딩할 수 있다(710). 데이터 톤들을 인코딩하는 데 사용되는 송신기(700)의 PRT 뉴럴 네트워크는 수신기 뉴럴 네트워크와 함께 트레이닝되는 PRT 뉴럴 네트워크일 수 있다. PRT 뉴럴 네트워크는, 데이터 톤들을 수신하고 그리고 PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크의 트레이닝에 기반하여 PRT들을 생성할 수 있으며, 이는 수신기 뉴럴 네트워크가 데이터 톤들의 재구성을 정확하게 생성하는 것을 초래할 수 있다. 신호 결합기(예를 들어, 신호 결합기(504))는 데이터 톤들 및 PRT들을 수신하고 결합하여, 송신 파형을 생성할 수 있다. 역 고속 푸리에 변환 컴포넌트(예를 들어, 역 고속 푸리에 변환 컴포넌트(506))는, 주파수 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 시간 도메인으로 컨버팅할 수 있다. 송신기(700)는 시간 도메인에서 송신 파형을 수신기(702)에 전송할 수 있다(712).
[0105]
수신기(702)는, 송신 파형을 수신하고 그리고 가중치들 및 수신기 뉴럴 네트워크를 사용하여 송신 파형을 디코딩할 수 있다(714). 고속 푸리에 변환 컴포넌트(예를 들어, 고속 푸리에 변환 컴포넌트(602))는, 시간 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 주파수 도메인으로 컨버팅할 수 있다. 송신 파형을 복조하는 데 사용되는 수신기 뉴럴 네트워크는 송신기(700)로부터 수신된 표시자에 기반하여 선택된 수신기 뉴럴 네트워크일 수 있다. 수신기(702)가 수신기 뉴럴 네트워크와 함께 사용할 수 있는 가중치들은 송신기(700)로부터 수신된 가중치들일 수 있다. 수신기 뉴럴 네트워크는, 주파수 도메인에서 송신 파형을 수신하고 그리고 수신된 가중치들을 사용하여 송신 파형을 복조할 수 있다. 송신 파형을 복조하는 것은 데이터 톤들의 재구성을 생성할 수 있다.
[0106]
도 8은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하도록 구성된 시스템의 예를 예시한다. 도 1-도 8을 참조하면, 수신기(702)(예를 들어, 기지국(110a-110d, 350, 402))는, 데이터 톤들을 PRT들로 인코딩하여 송신 파형을 생성하기 위해 사용할 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))를 송신기(700)(예를 들어, 무선 디바이스(120a-120e, 200, 320, 404))에 표시할 수 있다.
[0107]
송신기(700) 및 수신기(702)는 업링크를 확립할 수 있다(704). 수신기(702)는 PRT 뉴럴 네트워크 표시자를 송신기(700)에 전송할 수 있다(800). PRT 뉴럴 네트워크 표시자는, 송신기(700)에 의해 데이터 톤들을 PRT들로 인코딩하기 위해 다수의 PRT 뉴럴 네트워크들로부터 선택할 PRT 뉴럴 네트워크를 송신기(700)에 표시하도록 구성될 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 표시자는, 선택할 PRT 뉴럴 네트워크를 송신기(700)에 표시하도록 구성된 기준, 이를테면 신호 내의 플래그 비트, 신호 내의 값의 콘텐츠, 신호의 품질 등일 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 표시자는 선택할 PRT 뉴럴 네트워크의 표시자일 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 표시자는 수신기(702)가 송신 파형을 디코딩하도록 구성된 수신기 뉴럴 네트워크(예를 들어, 수신기 뉴럴 네트워크(604))의 표시자일 수 있고, 이 표시자부터, 송신기(700)는 선택할 PRT 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, PRT 뉴럴 네트워크 표시자는 PRT 뉴럴 네트워크와 함께 사용하기 위한 가중치들일 수 있으며, 이 가중치들로부터, 송신기(700)는 선택할 PRT 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 송신기(700)는, PRT 뉴럴 네트워크 표시자를, PRT 뉴럴 네트워크를 선택하기 위한 해시 함수, 룩업 테이블, 데이터 구조 로케이션 등에 대한 값으로 사용할 수 있다.
[0108]
수신기(702)는 PRT 뉴럴 네트워크에 대한 가중치들을 송신기(700)에 전송할 수 있다(802). 가중치들은, PRT를 생성하여 송신 파형을 생성하기 위해 선택된 PRT 뉴럴 네트워크를 구현할 때 송신기(700)가 사용할 가중치들일 수 있다. 일부 실시예들에서, 가중치들은 PRT 뉴럴 네트워크 표시자일 수 있고, PRT 뉴럴 네트워크에 대한 가중치들을 전송하는 것(802)은 PRT 뉴럴 네트워크 표시자를 전송하는 것(800)과 결합될 수 있다.
[0109]
송신기(700)는 가중치들 및 PRT 뉴럴 네트워크를 사용하여 데이터 톤들을 PRT들로 인코딩할 수 있다(804). 송신기(700)가 데이터 톤들을 PRT들로 인코딩하기 위해 사용할 수 있는 PRT 뉴럴 네트워크는 수신기(702)로부터 수신된 표시자에 기반하여 선택된 PRT 뉴럴 네트워크일 수 있다. 송신기(700)가 데이터 톤들을 PRT들로 인코딩하기 위해 PRT 뉴럴 네트워크와 함께 사용할 수 있는 가중치들은 수신기(702)로부터 수신된 가중치들일 수 있다. PRT 뉴럴 네트워크는, 데이터 톤들을 수신하고 그리고 PRT 뉴럴 네트워크 및 수신기 뉴럴 네트워크의 트레이닝에 기반하여, 수신된 가중치들을 사용하여 PRT들을 생성할 수 있으며, 이는 수신기 뉴럴 네트워크가 데이터 톤들의 재구성을 정확하게 생성하는 것을 초래할 수 있다. 신호 결합기(예를 들어, 신호 결합기(504))는 데이터 톤들 및 PRT들을 수신하고 결합하여, 송신 파형을 생성할 수 있다. 역 고속 푸리에 변환 컴포넌트(예를 들어, 역 고속 푸리에 변환 컴포넌트(506))는, 주파수 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 시간 도메인으로 컨버팅할 수 있다. 송신기(700)는 시간 도메인에서 송신 파형을 수신기(702)에 전송할 수 있다(712).
[0110]
수신기(702)는, 송신 파형을 수신하고 그리고 수신기 뉴럴 네트워크를 사용하여 송신 파형을 디코딩할 수 있다(806). 고속 푸리에 변환 컴포넌트(예를 들어, 고속 푸리에 변환 컴포넌트(602))는, 시간 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 주파수 도메인으로 컨버팅할 수 있다. 수신기(702)가 송신 파형을 디코딩하기 위해 사용할 수 있는 수신기 뉴럴 네트워크는 PRT 뉴럴 네트워크와 함께 트레이닝되는 수신기 뉴럴 네트워크일 수 있다. 수신기 뉴럴 네트워크는, 주파수 도메인에서 송신 파형을 수신하고 그리고 송신 파형을 복조하여 데이터 톤들의 재구성을 생성할 수 있다. 수신된 신호를 복조하는 것의 일부로서, 수신기 뉴럴 네트워크는, 데이터 톤들을 획득하기 위해 PRT들을 추출하지만, 재구성된 데이터 톤들의 정확도를 개선하기 위해, PRT 뉴럴 네트워크에 의해 PRT들이 생성되었던 방식에서 내재한 정보를 또한 사용한다.
[0111]
도 9는, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 데이터를 송신하기 위한 방법을 예시한다. 도 1-도 9를 참조하면, 방법(900)은, 컴퓨팅 디바이스(예를 들어, 기지국(110a-110d, 350, 402), 무선 디바이스(120a-120e, 200, 320, 404), 송신기(700), 수신기(702))에서, 범용 하드웨어에서, 전용 하드웨어에서, 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432))에서 실행되는 소프트웨어에서, 또는 소프트웨어-구성 프로세서와 전용 하드웨어의 결합에서, 이를테면, 다양한 메모리/캐시 제어기들 및 다른 개별 컴포넌트들을 포함하는 피크 감소 인코더 및/또는 디코더 시스템 내에서 소프트웨어를 실행하는 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432), 인코더(500), 디코더(600))에서 구현될 수 있다. 다양한 실시예들에서 가능해지는 대안적인 구성들을 포괄하기 위해, 방법(900)을 구현하는 하드웨어는 본원에서 "무선 통신 디바이스"로 지칭된다.
[0112]
블록(902)에서, 무선 통신 디바이스는 다른 무선 통신 디바이스와의 업링크를 확립할 수 있다. 업링크를 확립하는 것은, 무선 통신 디바이스에 의해 개시되고 그리고 무선 통신 디바이스들 사이에서 송신되는 데이터 및 통신 신호들에 기반하여 확립될 수 있다. 업링크는, 5G NR 네트워크에서 업링크를 확립하기 위한 수단을 포함하는 다양한 공지된 수단을 통해 확립될 수 있다. 일부 실시예들에서, 블록(902)에서 업링크를 확립하는 것은 송신기와 수신기 사이에서 발생할 수 있다. 일부 실시예들에서, 블록(902)에서 업링크를 확립하는 것은 무선 디바이스와 기지국 사이에서 발생할 수 있다.
[0113]
블록(904)에서, 무선 통신 디바이스는 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 전송할 수 있다. 수신기 뉴럴 네트워크는 무선 통신 디바이스에 의해 사용되는 PRT 뉴럴 네트워크와 함께 트레이닝되는 수신기 뉴럴 네트워크일 수 있다. 일부 실시예들에서, 송신기 및/또는 무선 디바이스는, 블록(904)에서, 수신기 뉴럴 네트워크를 전송할 수 있다.
[0114]
일부 실시예들에서, 블록(904)에서 PRT 뉴럴 네트워크를 전송하는 것은, 다른 무선 통신 디바이스 상에서 미리 구성된 다수의 PRT 뉴럴 네트워크들 중에서 어느 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))를 선정할 것인지를 다른 무선 통신 디바이스에 표시하도록 구성된 PRT 뉴럴 네트워크의 표시자를 전송함으로써 구현될 수 있다. 일부 실시예들에서, 수신기 뉴럴 네트워크를 전송하는 것은, 다른 무선 통신 디바이스 상에 미리 구성된 다수의 수신기 뉴럴 네트워크들 중에서 어느 수신기 뉴럴 네트워크를 선정할지를 다른 무선 통신 디바이스에 표시하도록 구성된 수신기 뉴럴 네트워크(예를 들어, 수신기 뉴럴 네트워크(604))의 표시자를 전송함으로써 구현될 수 있다. 일부 실시예들에서, 표시자는, 선택할 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 다른 무선 통신 디바이스에 표시하도록 구성된 기준, 이를테면, 신호 내의 플래그 비트, 신호 내의 값의 콘텐츠, 신호의 품질 등일 수 있다. 일부 실시예들에서, 표시자는 선택할 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크의 표시자일 수 있다. 일부 실시예들에서, 표시자는 송신 무선 통신 디바이스가 송신 파형을 생성하도록 구성된 PRT 뉴럴 네트워크의 표시자일 수 있고, 이 표시자로부터, 수신 무선 통신 디바이스는 선택할 수신기 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 표시자는 수신 무선 통신 디바이스가 송신 파형을 디코딩하도록 구성된 수신기 뉴럴 네트워크의 표시자일 수 있고, 이 표시자로부터, 송신 무선 통신 디바이스는 PRT들을 생성하는 데 사용할 PRT 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 표시자는 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크와 함께 사용하기 위한 가중치들일 수 있고, 이 가중치들로부터, 다른 무선 통신 디바이스는 선택할 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 결정할 수 있다. 일부 실시예들에서, 다른 무선 통신 디바이스는, 표시자를, PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 선택하기 위한 해시 함수, 룩업 테이블, 데이터 구조 로케이션 등에 대한 값으로 사용할 수 있다.
[0115]
일부 실시예들에서, 무선 통신 디바이스는 PRT 뉴럴 네트워크를 다른 무선 통신 디바이스에 전송할 수 있다. PRT 뉴럴 네트워크는 무선 통신 디바이스에 의해 사용되는 수신기 뉴럴 네트워크와 함께 트레이닝되는 PRT 뉴럴 네트워크일 수 있다. 일부 실시예들에서, 수신기 및/또는 기지국은, 블록(904)에서, PRT 뉴럴 네트워크를 전송할 수 있다. 일부 실시예들에서, 무선 통신 디바이스는 수신기 뉴럴 네트워크를 다른 무선 통신 디바이스에 전송할 수 있다.
[0116]
블록(906)에서, 무선 통신 디바이스는 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크 가중치들을 전송할 수 있다. 무선 통신 디바이스는 다른 무선 통신 디바이스에 가중치들을 전송할 수 있다. 가중치들은, PRT들을 생성하여 송신 파형을 생성하기 위해 선택된 PRT 뉴럴 네트워크를 구현할 때 송신 무선 통신 디바이스가 사용할 가중치들일 수 있다. 일부 실시예들에서, 가중치들은 PRT 뉴럴 네트워크 표시자일 수 있고, 블록(906)에서 PRT 뉴럴 네트워크에 대한 가중치들을 전송하는 것은 블록(904)에서 PRT 뉴럴 네트워크 표시자를 전송하는 것과 결합될 수 있다. 일부 실시예들에서, 가중치들은, 송신 파형을 복조하여 데이터 톤들의 재구성을 생성하기 위해 선택된 수신기 뉴럴 네트워크를 구현할 때 수신 무선 통신 디바이스가 사용할 가중치들일 수 있다. 일부 실시예들에서, 가중치들은 수신기 뉴럴 네트워크 표시자일 수 있고, 블록(906)에서 수신기 뉴럴 네트워크에 대한 가중치들을 전송하는 것은 블록(904)에서 수신기 뉴럴 네트워크 표시자를 전송하는 것과 결합될 수 있다. 일부 실시예들에서, 무선 통신 디바이스는 PRT 뉴럴 네트워크를 다른 무선 통신 디바이스에 전송할 수 있다. 일부 실시예들에서, 수신기 및/또는 기지국은, 블록(906)에서, PRT 뉴럴 네트워크 가중치들을 전송할 수 있다. 일부 실시예들에서, 송신기 및/또는 무선 디바이스는, 블록(906)에서, 수신기 뉴럴 네트워크 가중치들을 전송할 수 있다.
[0117]
일부 실시예들에서, 방법(900)은 모바일 무선 통신 디바이스와 기지국 무선 통신 디바이스 사이에 확립된 각각의 업링크에 대해 구현될 수 있다. 일부 실시예들에서, 방법(900)은 무선 통신 디바이스와 기지국 무선 통신 디바이스 사이에 확립된 특정 수의 업링크들의 각각의 인터벌에 대해 반복적으로 구현될 수 있다. 일부 실시예들에서, 방법(900)은, 지정된 시간 기간 이후에, 무선 통신 디바이스와 기지국 무선 통신 디바이스 사이에 확립된 업링크들에 대해 반복적으로 구현될 수 있다.
[0118]
도 10은, 다양한 실시예들에 따른, PRT들을 사용하여 수신기 성능을 개선하기 위한 머신 러닝 기반 인코딩 및 디코딩을 구현하기 위한 방법의 예를 예시한다. 도 1-도 10을 참조하면, 방법(1000)은, 컴퓨팅 디바이스(예를 들어, 기지국(110a-110d, 350, 402), 무선 디바이스(120a-120e, 200, 320, 404), 송신기(700), 수신기(702))에서, 범용 하드웨어에서, 전용 하드웨어에서, 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432))에서 실행되는 소프트웨어에서, 또는 소프트웨어-구성 프로세서와 전용 하드웨어의 결합에서, 이를테면, 다양한 메모리/캐시 제어기들 및 다른 개별 컴포넌트들을 포함하는 피크 감소 인코더 및/또는 디코더 시스템 내에서 소프트웨어를 실행하는 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432), 인코더(500), 디코더(600))에서 구현될 수 있다. 다양한 실시예들에서 가능해지는 대안적인 구성들을 포괄하기 위해, 방법(1000)을 구현하는 하드웨어는 본원에서 "무선 통신 디바이스"로 지칭된다.
[0119]
블록(1002)에서, 무선 통신 디바이스의 송신기, 무선 디바이스, 인코더 및/또는 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))가, 블록(1002)에서, 데이터 톤들을 수신할 수 있다. 일부 실시예들에서, 송신기, 무선 디바이스, 인코더 및/또는 신호 결합기(예를 들어, 신호 결합기(504))가, 블록(1002)에서, 데이터 톤들을 수신할 수 있다. 데이터 톤들은, QAM(quadrature amplitude modulation) 심볼들(예를 들어, 16QAM 심볼들)과 같은 변조 심볼들의 시퀀스에 맵핑된 데이터의 스트림, 이를테면 데이터 패킷일 수 있다.
[0120]
블록(1004)에서, 무선 통신 디바이스 내의 트레이닝된 PRT 뉴럴 네트워크(예를 들어, 502)는, 입력으로서 데이터 톤들을 수신할 수 있고, 그리고 역 고속 푸리에 변환 회로(예를 들어, 506)에 의해 출력되는 신호의 PAPR을 감소시키도록 구성된 하나 이상의 PRT들을 출력할 수 있다. 본원에 설명된 바와 같이, PRT 뉴럴 네트워크(예를 들어, 502)는, 역 고속 푸리에 변환 회로로부터 출력될 신호의 피크들을 보상하는 PRT들을 입력 데이터 톤들에 기반하여 생성하도록 트레이닝될 수 있다. PRT들은, PRT들과 데이터 톤들의 결합이 데이터 톤들에 대응하는 파형의 피크들의 진폭을 감소시키도록 데이터 톤들의 서브캐리어들에 직교하는 서브캐리어들에 할당될 수 있다.
[0121]
블록(1006)에서, 무선 통신 디바이스의 신호 결합기(예를 들어, 504)는, 트레이닝된 뉴럴 네트워크에 의해 출력되는 PRT들과 데이터 톤들을 결합하여, 역 고속 푸리에 변환 회로로 지향되는 결합된 신호를 출력할 수 있다. PRT는 데이터 톤들의 PAPR을 감소시키기 위해 데이터 톤들과 결합될 수 있다. PRT들 및 데이터 신호는 PRT들과 데이터 신호의 주파수 분할 멀티플렉싱을 통해 결합될 수 있다. 결합된 데이터 신호 및 PRT는 송신 파형으로 지칭될 수 있다.
[0122]
블록(1008)에서, 무선 통신 디바이스의 역 고속 푸리에 변환 컴포넌트(예를 들어, 506)는, 프로세싱된 데이터 신호를 주파수 도메인으로부터 시간 도메인으로 변환하여, 증폭 및 송신을 위한 송신 파형을 생성할 수 있다.
[0123]
블록(1010)에서, 무선 통신 디바이스의 송신기는 송신 파형을 다른 무선 통신 디바이스에 송신할 수 있다. 일부 실시예들에서, 무선 통신 디바이스는 5G NR 네트워크를 통해 무선 통신 디바이스들에 송신 파형을 송신할 수 있다.
[0124]
블록(1012)에서, 수신기 무선 통신 디바이스의 안테나는 송신 무선 통신 디바이스로부터 송신 파형을 수신할 수 있다.
[0125]
블록(1014)에서, 수신기 무선 통신 디바이스의 고속 푸리에 변환 컴포넌트(예를 들어, 602)는 송신 파형을 시간 도메인으로부터 주파수 도메인으로 변환할 수 있다.
[0126]
선택적인 블록(1016)에서, 수신 무선 통신 디바이스는 송신기 무선 통신 디바이스로부터 수신된 무선 신호들을 복조하기 위한 수신기 뉴럴 네트워크를 선택할 수 있다. 블록(1016)의 동작들은 선택적인데, 이는, 일부 실시예들에서, 수신기 뉴럴 네트워크가 변하지 않을 수 있기 때문이다. 또한, 블록(1016)의 동작들은, 송신 파형을 수신하기 이전에, 이를테면 송신기와 무선 통신 링크를 확립하기 위한 프로세스들 동안 수행될 수 있다. 일부 실시예들에서, 수신기 무선 통신 디바이스는, 본 명세서에서 방법(900)(도 9)의 블록(904)에서 설명된 바와 같이, 송신기 무선 통신 디바이스의 송신의 일부로서, 수신기 뉴럴 네트워크 표시자를 이미 수신했었을 수 있고 그리고/또는 이를 수신할 수 있다. 일부 실시예들에서, 다른 무선 통신 디바이스는, 수신기 뉴럴 네트워크 표시자를, 수신기 뉴럴 네트워크를 선택하기 위한 해시 함수, 룩업 테이블, 데이터 구조 로케이션 등에 대한 값으로서 사용할 수 있다. 일부 실시예들에서, 수신 무선 통신 디바이스는, 다수의 무선 통신 디바이스들에 통신가능하게 링크될 수 있고, 그리고 무선 통신 디바이스를 식별하는 송신 파형의 메타데이터를 사용하여 무선 통신 디바이스로부터의 수신기 뉴럴 네트워크 표시자를 송신 파형과 연관시킬 수 있다. 일부 실시예들에서, 수신기, 기지국, 디코더 및/또는 수신기 뉴럴 네트워크가, 블록(1016)에서, 송신 파형을 복조하기 위한 수신기 뉴럴 네트워크를 선택할 수 있다.
[0127]
블록(1018)에서, 수신기 무선 통신 디바이스는, 데이터 톤들의 재구성을 생성하기 위해, 블록(1014)에서의 고속 푸리에 변환 컴포넌트로부터 출력된 주파수 도메인 신호를 트레이닝된 수신기 뉴럴 네트워크를 통해 프로세싱할 수 있다. 본원에서 설명된 바와 같이, 수신기 내의 수신기 뉴럴 네트워크는, 송신 무선 통신 디바이스에 의한 송신을 위한 신호에서 PAPR을 감소시키도록 트레이닝된 PRT 뉴럴 네트워크(즉, 블록(1004)에서 사용된 PRT 뉴럴 네트워크)를 포함하는 송신기로부터의 출력들에 기반하여 트레이닝될 수 있다. 수신기 무선 통신 디바이스 내의 수신기 뉴럴 네트워크는 주파수 도메인 신호를 복조하여 데이터 톤들을 재구성하도록 구성될 수 있다. PRT 뉴럴 네트워크를 포함하는 송신기로부터의 출력들에 기반하여 트레이닝됨으로써, 수신기 뉴럴 네트워크는 PRT들 내에 내재된 정보를 사용하여, 통상적 복조 회로들을 사용하여 가능할 수 있는 것보다 더 정확하게 데이터 톤들을 복원할 수 있다.
[0128]
도 11a 및 도 11b는, 다양한 실시예들에 따라, 송신기 측에서 데이터 톤들의 입력에 기반하여 PRT들을 생성하고 PRT들을 추출하도록 그리고 수신기 측에서 데이터 톤들을 재구성하도록 머신 러닝 뉴럴 네트워크들을 트레이닝하기 위한 방법들(1100a, 1100b)의 예들을 예시한다. 도 1-도 11b를 참조하면, 방법(1100a, 1100b)은, 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432)) 내에 또는 이에 커플링된 뉴럴 네트워크(예를 들어, 502, 602)를 갖는 무선 통신 디바이스(예를 들어, 기지국(110a-110d, 350, 402), 무선 디바이스(120a-120e, 200, 320, 404), 송신기(700), 수신기(702))에서 또는 소프트웨어-구성 프로세서와 전용 하드웨어의 결합에서, 이를테면, 다양한 메모리/캐시 제어기들 및 다른 개별 컴포넌트들을 포함하는 피크 감소 인코더 및/또는 디코더 시스템 내에서 소프트웨어를 실행하는 프로세서(예를 들어, 프로세서(210, 212, 214, 216, 218, 252, 256, 260, 428, 432), 인코더(500), 디코더(600))에서 구현될 수 있다. 다양한 실시예들에서 가능하게 되는 대안적인 구성들을 포괄하기 위해, 방법들(1100a, 1100b)을 구현하는 하드웨어는 본원에서 "트레이닝 디바이스"로 지칭된다.
[0129]
블록(1102)에서, 트레이닝 디바이스는 송신기가 무선 통신 동안 수신기에 전송할 수 있는 데이터 신호를 나타내는 데이터 신호를 수신할 수 있다. 일부 실시예들에서, 인코더 및/또는 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))는, 블록(1102)에서, 데이터 톤을 수신할 수 있다. 일부 실시예들에서, 인코더 및/또는 신호 결합기(예를 들어, 신호 결합기(504))는, 블록(1102)에서, 데이터 톤을 수신할 수 있다.
[0130]
블록(1104)에서, 트레이닝 디바이스는, 송신을 위해 증폭될 송신 파형의 PAPR을 감소시키도록 구성된 PRT들을 결정할 수 있다. PRT들은, PRT들과 데이터 톤의 결합이 송신을 위해 증폭될 출력 신호의 파형의 피크들의 진폭을 감소시키도록 구성된 데이터 톤에 직교하는 톤들일 수 있다. 일부 실시예들에서, 다수의 PRT들은 통상적 재귀 알고리즘들을 사용하여 결정될 수 있다. 일부 실시예들에서, 인코더 및/또는 PRT 뉴럴 네트워크가, 블록(1104)에서, PRT를 결정할 수 있다.
[0131]
선택적인 블록(1106)에서, 트레이닝 디바이스는 데이터 톤들과 생성된 PRT들을 결합하여 결합된 신호를 생성할 수 있다. PRT들 및 데이터 톤들은 PRT들과 데이터 톤들의 주파수 분할 멀티플렉싱을 통해 결합될 수 있다. 결합된 데이터 톤들 및 PRT들은 송신 파형으로 지칭될 수 있다. 일부 실시예들에서, 인코더 및/또는 신호 결합기는, 블록(1106)에서, 데이터 톤들과 PRT들을 결합할 수 있다. 일부 실시예들에서, 도 11b의 방법(1100b)의 블록(1116)을 위해, 송신 파형이 디코더 및/또는 수신기 뉴럴 네트워크에 제공될 수 있다.
[0132]
선택적인 블록(1108)에서, 트레이닝 디바이스는 송신 파형을 주파수 도메인으로부터 시간 도메인으로 변환할 수 있다. 일부 실시예들에서, 인코더 및/또는 역 고속 푸리에 변환 컴포넌트(예를 들어, 역 고속 푸리에 변환 컴포넌트(506))는, 블록(1108)에서, 송신 파형을 주파수 도메인으로부터 시간 도메인으로 변환할 수 있다.
[0133]
블록(1110)에서, 트레이닝 디바이스는 PRT 뉴럴 네트워크 출력에 대한 에러를 결정할 수 있다. 일부 실시예들에서, 트레이닝 디바이스에 의해 결정될 수 있는 PRT 뉴럴 네트워크 출력에 대한 에러는, 송신 파형의 PAPR을 PAPR 임계치(예를 들어, 송신기 디바이스에 대한 최대 허용가능한 피크 대 평균 전력)과 비교하여, PAPR 임계치를 초과하는 양을 정정 에러로서 PRT 뉴럴 네트워크에 제공할 수 있다. 일부 실시예들에서, PAPR 임계치는 임의의 수의 데이터 신호들에 대한 일반적인 PAPR 임계 값일 수 있다. 일부 실시예들에서, PAPR 임계치는 특정 데이터 신호에 대한 PAPR 임계 값일 수 있다. 일부 실시예들에서, PAPR 임계치는 데이터 신호의 PAPR 값과 송신 파형의 PAPR에서의 차이에 대한 임계치를 나타내는 값일 수 있다. PAPR 임계치는 송신 파형의 증폭 및 송신에 대해 용인가능한 PAPR 값을 표현할 수 있다.
[0134]
블록(1112)에서, 트레이닝 디바이스는 PRT 뉴럴 네트워크 출력에 대한 에러를 사용하여 PRT 뉴럴 네트워크를 트레이닝시킬 수 있다. 트레이닝 디바이스는, 블록(1110)에서 결정된 에러 또는 에러들을 감소시키기 위해, PRT들을 결정하는 데 사용되는 PRT 뉴럴 네트워크의 가중치 값들을 업데이트하도록 구성될 수 있다. 트레이닝 디바이스는, 입력들로서 에러 값 및 가중치들을 사용하고 그리고 업데이트된 가중치들을 출력하도록 구성된 알고리즘을 사용할 수 있다. 일부 실시예들에서, 인코더 및/또는 프로세서는, 블록(1112)에서, PRT 뉴럴 네트워크 출력에 대한 에러를 사용하여 PRT 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0135]
송신 파형이 PAPR 임계치 내에 속하도록 일단 송신기 PRT 뉴럴 네트워크가 트레이닝되었다면, 수신기 뉴럴 네트워크가 트레이닝될 수 있다. 도 11b를 참조하면, 선택적인 블록(1114)에서, 트레이닝 디바이스는 송신기에 의해 출력된 송신 파형을 시간 도메인으로부터 주파수 도메인으로 변환할 수 있다. 일부 실시예들에서, 디코더 및/또는 고속 푸리에 변환 컴포넌트(예를 들어, 고속 푸리에 변환 컴포넌트(602))는, 블록(1110)에서, 송신 파형을 시간 도메인으로부터 주파수 도메인으로 변환할 수 있다. 일부 실시예들에서, 트레이닝 디바이스는, 도 11a의 방법(1100a)의 블록(1108)에서, 트레이닝 디바이스에 의해 출력된 송신 파형을 수신할 수 있다.
[0136]
블록(1116)에서, 트레이닝 디바이스는 (즉, 블록(1102)에서) 송신기 상의 입력이었던 데이터 톤의 재구성을 생성하기 위해 주파수 도메인 송신 파형을 수신기 뉴럴 네트워크에 적용할 수 있다. 수신기 뉴럴 네트워크는 송신기에 의해 삽입된 수신된 PRT들의 도움으로 데이터 톤들을 재구성하기 위해 송신 파형을 복조한다.
[0137]
블록(1118)에서, 트레이닝 디바이스는 데이터 톤들의 재구성을 위한 에러를 결정할 수 있다. 트레이닝 디바이스는, 데이터 톤들의 재구성을 위한 에러 값을 결정하기 위해 다양한 알려진 수단에 의해 데이터 톤들과 데이터 톤들의 재구성을 비교하도록 구성될 수 있다. 예를 들어, 데이터 톤 품질들 및/또는 콘텐츠들 및 데이터 톤들의 재구성이 비교될 수 있다. 추가의 예로서, 데이터 톤들의 재구성을 프로세싱한 결과는 데이터의 재구성에 대한 에러 값을 표시할 수 있고 그리고/또는 이 결과와 예상된 결과의 비교는 데이터 톤들의 재구성에 대한 에러 값을 표시할 수 있다. 일부 실시예들에서, 인코더, 디코더 및/또는 프로세서는, 블록(1118)에서, 데이터 톤들의 재구성에 대한 에러를 결정할 수 있다.
[0138]
블록(1120)에서, 트레이닝 디바이스는 데이터 톤들의 재구성에 대한 에러를 사용하여 수신기 뉴럴 네트워크를 트레이닝시킬 수 있다. 트레이닝 디바이스는, 에러를 감소시키기 위해 송신 파형을 복조하여 데이터 톤들을 재구성하는 데 사용되는 수신기 뉴럴 네트워크의 가중치 값들 및/또는 PRT를 생성하는 데 사용되는 PRT 뉴럴 네트워크의 가중치 값들을 업데이트하도록 구성될 수 있다. 트레이닝 디바이스는, 입력들로서 에러 값 및 가중치들을 사용하고 그리고 업데이트된 가중치들을 출력하도록 구성된 알고리즘을 사용할 수 있다. 일부 실시예들에서, 인코더, 디코더 및/또는 프로세서는, 블록(1120)에서, 데이터 신호의 재구성에 대한 에러를 사용하여 수신기 뉴럴 네트워크를 트레이닝시킬 수 있다.
[0139]
일부 실시예들에서, 방법들(1100a, 1100b)은, PRT 뉴럴 네트워크를 갖는 송신기에 입력된 데이터 톤과 수신기 뉴럴 네트워크에 의해 출력된 재구성된 데이터 톤들 간의 차이가 허용가능한 에러 임계치 내에 속할 때까지, PRT 뉴럴 네트워크와 수신기 뉴럴 네트워크 둘 다를 결합하여 함께 트레이닝시켜 반복될 수 있다. 일부 실시예들에서, 방법들(1100a, 1100b)은 방법들(1100a, 1100b)의 다수의 반복들을 위해 다수의 상이한 데이터 신호들을 사용하여 반복될 수 있다. 방법들(1100a, 1100b)은, 다수의 데이터 신호들의 수가, 즉 최대 모든 다수의 데이터 신호들이 에러의 임계치를 초과하지 않는 에러 값들을 초래할 때까지, 다수의 데이터 신호들을 사용하여 반복될 수 있다. 방법들(1100a, 1100b)의 연속적인 반복들은, 블록(1112, 1120)에서 에러 값들을 사용하여 PRT 뉴럴 네트워크 및/또는 수신기 뉴럴 네트워크를 트레이닝하는 것으로부터 초래되는 업데이트된 가중치들을 사용할 수 있다.
[0140]
다양한 실시예들은 통상적 송신기/수신기 쌍들과 비교하여 무선 통신 디바이스 송신기들 및 수신기들의 기능을 개선한다. 트레이닝된 PRT 뉴럴 네트워크를 사용하여 PRT들을 생성하는 송신기의 출력에 기반하여 수신기 뉴럴 네트워크를 트레이닝함으로써, 트레이닝된 수신기 뉴럴 네트워크는, PRT들을 무시하는 통상적 복조 회로들을 사용하여 가능한 것보다 더 정확하게(즉, 더 적은 에러로) 데이터 톤들을 재구성하기 위해, 송신기에 의해 출력된 전송 파형 내에 임베딩되는, PRT들과 관련된 정보를 사용하는 것이 가능하다. PRT 뉴럴 네트워크와 수신기 뉴럴 네트워크를 결합하여 트레이닝시킴으로써, 인코더와 디코더 사이의 긴밀한(close) 연결은 송신된 신호들에 삽입된 PRT들을 통해 커플링될 수 있고, 이로써, PAPR이 송신기 측에서 허용가능한 레벨들 내로 감소되는 것과 동시에, 또한 통상적 PRT 생성 회로들 및 복조 회로들을 사용하여 실현가능한 것보다 수신기 측에서 데이터 톤들을 더 잘 재구성하는 것이 가능해진다.
[0141]
도 12는, 다양한 실시예들에 따른, 직교 서브캐리어들(1202, 1204) 상에 데이터 톤들 및 PRT들을 갖는 송신 파형(1200)의 예를 예시한다. 도 1-도 12를 참조하면, 송신기(예를 들어, 송신기(700)) 상의 인코더(예를 들어, 인코더(500))는, 데이터 톤들 및 PRT 뉴럴 네트워크(예를 들어, PRT 뉴럴 네트워크(502))에 의해 데이터 톤들로부터 생성된 PRT들로부터 송신 파형(1200)을 생성할 수 있다. 데이터 톤 서브캐리어들(1202) 상의 데이터 톤들 및 직교 서브캐리어들(1204) 상의 PRT들은, 주파수 분할 멀티플렉싱을 통해 송신기(예를 들어, 700)의 신호 결합기(예를 들어, 504)에 의해 결합될 수 있다. 데이터 톤들 및 PRT들은 직교 서브캐리어들(1202, 1204) 상에서 송신기에 의해 송신될 수 있다. PRT들은 데이터 톤들을 위해 예비된 서브캐리어들(1202)에 직교하는 서브캐리어들(1204) 상에서 송신될 수 있다.
[0142]
방법들(900, 1000, 및 1100)을 포함하는 다양한 실시예들은, 다양한 네트워크 컴퓨팅 디바이스들에서(예를 들어, 기지국(110a-110d, 350, 402)에서) 수행될 수 있고, 이의 예는 네트워크 컴퓨팅 디바이스(1300)의 예를 예시하는 도 13에 예시된다. 도 1-도 12를 참조하면, 네트워크 컴퓨팅 디바이스(1300)는 기지국과 같은 통신 네트워크의 네트워크 엘리먼트로서 기능할 수 있다. 네트워크 컴퓨팅 디바이스(1300)는 휘발성 메모리(1302) 및 대용량 비휘발성 메모리, 이를테면 디스크 드라이브(1303)에 커플링된 프로세서(1301)를 포함할 수 있다. 네트워크 컴퓨팅 디바이스(1300)는 또한, 프로세서(1301)에 커플링된 플로피 디스크 드라이브, CD(compact disc) 또는 DVD(digital video disc) 드라이브(1306)와 같은 주변 메모리 액세스 디바이스를 포함할 수 있다. 네트워크 컴퓨팅 디바이스(1300)는 또한, 다른 시스템 컴퓨터들 및 서버들에 커플링된 인터넷 또는 로컬 영역 네트워크와 같은 네트워크와의 데이터 연결들을 확립하기 위해 프로세서(1301)에 커플링된 네트워크 액세스 포트들(1304)(또는 인터페이스들)을 포함할 수 있다. 네트워크 컴퓨팅 디바이스(1300)는, 무선 통신 링크에 연결될 수 있는 전자기 방사를 전송 및 수신하기 위한 하나 이상의 안테나들(1307)을 포함할 수 있다. 네트워크 컴퓨팅 디바이스(1300)는 주변기기들, 외부 메모리, 또는 다른 디바이스들에 커플링하기 위한 부가적인 액세스 포트들, 이를테면 USB, 파이어와이어(Firewire), 썬더볼트 등을 포함할 수 있다.
[0143]
방법들(900, 1000, 및 1100)을 포함하는 다양한 실시예들은, 다양한 무선 디바이스들(예를 들어, 무선 디바이스(120a-120e, 200, 320, 404))에서 수행될 수 있고, 이의 예는 다양한 실시예들에 사용하기에 적합한 무선 디바이스(1400)의 예를 예시하는 도 14에 예시된다. 도 1-도 12를 참조하면, 무선 디바이스(1400)는 제2 SOC(204)(예를 들어, 5G 가능 SOC)에 커플링된 제1 SOC(202)(예를 들어, SOC-CPU)를 포함할 수 있다. 제1 SOC(202) 및 제2 SOC(204)는 내부 메모리(426, 1416), 디스플레이(1412) 및 스피커(1414)에 커플링될 수 있다. 부가적으로, 무선 디바이스(1400)는 제1 SOC(202) 및/또는 제2 SOC(204) 내의 하나 이상의 프로세서들에 커플링된 무선 데이터 링크 및/또는 셀룰러 전화 트랜시버(266)에 연결될 수 있는 전자기 방사를 전송 및 수신하기 위한 안테나(1404)를 포함할 수 있다. 무선 디바이스(1400)는 또한, 사용자 입력들을 수신하기 위한 메뉴 선택 버튼들 또는 로커 스위치(rocker switch)들(1420)을 포함할 수 있다.
[0144]
무선 디바이스(1400)는 또한, 사운드를 생성하기 위해 스피커에 제공되는 아날로그 신호들을 생성하기 위해, 마이크로폰으로부터 수신된 사운드를 무선 송신에 적합한 데이터 패킷들로 디지털화하고 그리고 수신된 사운드 데이터 패킷들을 디코딩하는 사운드 인코딩/디코딩(CODEC) 회로(1410)를 포함할 수 있다. 또한, CODEC(1410), 무선 트랜시버(266), 및 제1 SOC(202) 및 제2 SOC(204)의 프로세서들 중 하나 이상은 DSP(digital signal processor) 회로(별도로 도시되지 않음)를 포함할 수 있다.
[0145]
네트워크 컴퓨팅 디바이스(1300) 및 무선 디바이스(1400)의 프로세서들은, 아래에서 설명된 다양한 실시예들의 기능들을 포함하는 다양한 기능들을 수행하도록 소프트웨어 명령들(애플리케이션들)에 의해 구성될 수 있는 임의의 프로그램가능 마이크로프로세서, 마이크로컴퓨터 또는 다수의 프로세서 칩 또는 칩들일 수 있다. 일부 모바일 디바이스들에서, 다수의 프로세서들, 이를테면 무선 통신 기능들에 전용된 SOC(204) 내의 하나의 프로세서 및 다른 애플리케이션들의 실행에 전용된 SOC(202) 내의 하나의 프로세서가 제공될 수 있다. 소프트웨어 애플리케이션들은 이들이 액세스되어 프로세서에 로딩되기 전에 메모리(426, 430, 1416)에 저장될 수 있다. 프로세서들은 애플리케이션 소프트웨어 명령들을 저장하기에 충분한 내부 메모리를 포함할 수 있다.
[0146]
본 출원에서 사용되는 바와 같이, "컴포넌트", "모듈", "시스템" 등은 특정 동작들 또는 기능들을 수행하도록 구성되는 하드웨어, 펌웨어, 하드웨어와 소프트웨어의 결합, 소프트웨어, 또는 실행중인 소프트웨어와 같은(그러나 이에 제한되는 것은 아님) 컴퓨터-관련 엔티티를 포함하도록 의도된다. 예를 들어, 컴포넌트는 프로세서 상에서 실행되는 프로세스, 프로세서, 오브젝트, 실행파일, 실행 스레드, 프로그램 또는 컴퓨터일 수 있다(그러나 이에 제한되지 않는다). 예시로, 무선 디바이스 상에서 실행되는 애플리케이션 및 무선 디바이스 둘 다가 컴포넌트로 지칭될 수 있다. 하나 이상의 컴포넌트들은 프로세스 또는 실행 스레드 내에 상주할 수 있고, 컴포넌트는 하나의 프로세서 또는 코어 상에서 로컬화될 수 있고 또는 2개 이상의 프로세서들 또는 코어들 사이에서 분산될 수 있다. 또한, 이러한 컴포넌트들은 다양한 명령들 또는 데이터 구조들이 저장되어 있는 다양한 비-일시적 컴퓨터 판독가능 매체들로부터 실행될 수 있다. 컴포넌트들은 로컬 또는 원격 프로세스들, 함수 또는 절차 호출들, 전자 신호들, 데이터 패킷들, 메모리 판독/기록들 및 다른 공지된 네트워크, 컴퓨터, 프로세서 또는 프로세스 관련 통신 방법들을 통해 통신할 수 있다.
[0147]
다수의 상이한 셀룰러 및 모바일 통신 서비스들 및 표준들이 장래에 이용가능하거나 고려되며, 이들 모두는 다양한 실시예들을 구현하고 그로부터 이익을 얻을 수 있다. 그러한 서비스들 및 표준들은, 이를테면, 3GPP(third generation partnership project), LTE(long term evolution) 시스템들, 3세대 무선 모바일 통신 기술(3G), 4세대 무선 모바일 통신 기술(4G), 5세대 무선 모바일 통신 기술(5G), GSM(global system for mobile communications), UMTS(universal mobile telecommunications system), 3GSM, GPRS(general packet radio service), CDMA(code division multiple access) 시스템들(예를 들어, cdmaOne, CDMA1020TM), EDGE(enhanced data rates for GSM evolution), AMPS(advanced mobile phone system), IS-136/TDMA(digital AMPS), EV-DO(evolution-data optimized), DECT(digital enhanced cordless telecommunications), WiMAX(Worldwide Interoperability for Microwave Access), WLAN(wireless local area network), WPA, WPA2(Wi-Fi Protected Access I & II), 및 iDEN(integrated digital enhanced network)을 포함한다. 이러한 기술들 각각은, 예를 들어, 음성, 데이터, 시그널링 또는 콘텐츠 메시지들의 송신 및 수신을 수반한다. 개별 전기통신 표준 또는 기술과 관련된 용어 또는 기술적 세부사항들에 대한 임의의 참조들은 단지 예시 목적들을 위한 것이며, 청구항 문언에서 구체적으로 인용되지 않으면 청구항들의 범위를 특정 통신 시스템 또는 기술로 제한하려는 의도가 아님이 이해되어야 한다.
[0148]
예시되고 설명된 다양한 실시예들은 청구항들의 다양한 특징들을 예시하기 위해 단지 예들로서 제공된다. 그러나, 임의의 주어진 구현에 대해 도시되고 설명된 특징들이 반드시 연관된 구현에서 제한되는 것은 아니며, 도시되고 설명된 다른 실시예들과 함께 사용되거나 결합될 수 있다. 추가로, 청구항들은 임의의 하나의 예시적인 구현에 의해 제한되도록 의도되지 않는다. 예를 들어, 본원에 개시된 방법들의 동작들 중 하나 이상은 본원에 개시된 방법들의 하나 이상의 동작들로 대체되거나 그와 결합될 수 있다.
[0149]
본원에 사용되는 바와 같이, 아이템들의 리스트 "중 적어도 하나"로 지칭되는 구문은 단일 멤버들을 포함하여 그 아이템들의 임의의 조합을 지칭한다. 예로, "a, b, 또는 c 중 적어도 하나"는 a, b, c, a-b, a-c, b-c, 및 a-b-c를 커버하도록 의도된다.
[0150]
본원에 개시된 실시예들과 관련하여 설명되는 다양한 예시적인 논리들, 논리 블록들, 모듈들, 컴포넌트들, 회로들, 및 알고리즘 동작들은 전자 하드웨어, 컴퓨터 소프트웨어 또는 이 둘의 조합으로서 구현될 수 있다. 하드웨어와 소프트웨어의 상호교환가능성은 기능의 관점들에서 일반적으로 설명되었으며, 위에서 설명된 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 프로세스들에서 예시된다. 이러한 기능성이 하드웨어로 구현되는지 또는 소프트웨어로 구현되는지 여부는 특정 애플리케이션 및 전체 시스템에 대해 부과된 설계 제한들에 의존한다.
[0151]
본원에 개시된 양상들과 관련하여 설명된 다양한 예시적인 논리들, 논리 블록들, 모듈들 및 회로들을 구현하기 위해 사용되는 하드웨어 및 데이터 프로세싱 장치는, 범용 단일-칩 또는 멀티-칩 프로세서, DSP(digital signal processor), ASIC(application specific integrated circuit), FPGA(field programmable gate array) 또는 다른 프로그래밍가능 논리 디바이스, 이산 게이트 또는 트랜지스터 논리, 이산 하드웨어 컴포넌트들, 또는 본원에서 설명된 기능들을 수행하도록 설계된 이들의 임의의 조합으로 구현 또는 수행될 수 있다. 범용 프로세서는 마이크로프로세서, 또는 임의의 통상적 프로세서, 제어기, 마이크로제어기 또는 상태 머신일 수 있다. 프로세서는 또한, 조합, 이를테면 DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 그러한 구성으로서 구현될 수 있다. 일부 실시예들에서, 특정 프로세스들 및 방법들은 주어진 기능에 특정한 회로부에 의해 수행될 수 있다.
[0152]
하나 이상의 양상들에서, 설명된 기능들은, 본 명세서에 개시된 구조들 및 이들의 구조적 등가물들을 포함하는, 하드웨어, 디지털 전자 회로부, 컴퓨터 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 본 명세서에서 설명된 청구대상의 실시예들은 또한, 하나 이상의 컴퓨터 프로그램들, 즉 데이터 처리 장치에 의한 실행을 위해 또는 그 동작을 제어하기 위해 컴퓨터 저장 매체 상에 인코딩되는 컴퓨터 프로그램 명령들의 하나 이상의 모듈들로서 구현될 수 있다.
[0153]
소프트웨어로 구현되는 경우, 기능들은 컴퓨터-판독가능 매체 상에 하나 이상의 명령들 또는 코드로서 저장되거나 이를 통해 송신될 수 있다. 본원에 개시된 방법 또는 알고리즘의 프로세스들은, 컴퓨터-판독가능 매체 상에 상주할 수 있는 프로세서-실행가능 소프트웨어 모듈로 구현될 수 있다. 컴퓨터-판독가능 매체들은, 일 장소에서 다른 장소로 컴퓨터 프로그램을 전달하도록 인에이블될 수 있는 임의의 매체들을 포함한 통신 매체들 및 컴퓨터 저장 매체들 둘 모두를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 매체들일 수 있다. 제한이 아닌 예로서, 그러한 컴퓨터-판독가능 매체들은 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 저장소, 자기 디스크 저장소 또는 다른 자기 저장 디바이스들, 또는 명령들 또는 데이터 구조들의 형태로 원하는 프로그램 코드를 저장하는 데 사용될 수 있고, 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 연결수단(connection)이 컴퓨터-판독가능 매체로 적절히 지칭될 수 있다. 본원에서 사용된 것과 같은 디스크(disk 및 disc)는 콤팩트 디스크(CD: compact disc), 레이저 디스크(laser disc), 광 디스크(optical disc), 디지털 다기능 디스크(DVD: digital versatile disc), 플로피 디스크(floppy disk) 및 블루레이 디스크(disc)를 포함하며, 여기서 디스크(disk)들은 보통 데이터를 자기적으로 재생하는 한편, 디스크(disc)들은 데이터를 레이저들에 의해 광학적으로 재생한다. 상기한 것들의 결합들이 또한 컴퓨터-판독가능 매체의 범위 내에 포함되어야 한다. 부가적으로, 방법 또는 알고리즘의 동작들은 컴퓨터 프로그램 제품으로 통합될 수 있는 머신 판독가능 매체 및 컴퓨터-판독가능 매체 상에 코드들 및 명령들의 하나 또는 임의의 결합 또는 세트로서 상주할 수 있다.
[0154]
본 개시내용에 설명된 실시예들에 대한 다양한 수정들은 당업자들에게 자명할 수 있으며, 본원에 정의된 일반적인 원리들은 본 개시내용의 사상 또는 범위를 벗어나지 않으면서 다른 실시예들에서 적용될 수 있다. 따라서, 청구항들은 본원에 도시된 실시예들로 제한되는 것으로 의도되는 것이 아니라, 본원에 개시된 이러한 개시내용, 원리들 및 신규한 특징들에 부합하는 가장 넓은 범위에 따르는 것이다.
[0155]
부가적으로, 당업자는, "상부" 및 "하부"라는 용어들이 때때로 도면들의 설명의 용이성을 위해 사용되며, 적절히 배향된 페이지 상에서 도면의 배향에 대응하는 상대적 포지션들을 표시하며, 구현되는 바와 같은 임의의 디바이스의 적절한 배향을 반영하지 않을 수 있음을 용이하게 인식할 것이다.
[0156]
별개의 실시예들의 문맥에서 본 명세서에 설명되는 특정 특징들은 또한 단일 구현으로 결합되어 구현될 수 있다. 반대로, 단일 구현의 문맥에서 설명된 다양한 특징들은 또한, 다수의 실시예들에서 별개로 또는 임의의 적합한 하위 결합으로 구현될 수 있다. 아울러, 특징들이 특정한 결합들로 작용하는 것으로 앞서 설명되고 심지어 초기에 이와 같이 청구될지라도, 일부 경우들에서, 청구된 결합으로부터의 하나 이상의 특징들은 그 결합으로부터 제거될 수 있고, 청구된 결합은 하위 결합 또는 하위 결합의 변화에 관련될 수 있다.
[0157]
유사하게, 동작들이 특정한 순서로 도면들에 도시되지만, 이는, 바람직한 결과들을 달성하기 위해, 그러한 동작들이 도시된 특정한 순서로 또는 순차적인 순서로 수행될 것을 또는 모든 예시된 동작들이 수행될 것을 요구하는 것으로서 이해되지는 않아야 한다. 추가로, 도면들은 하나 이상의 예시적인 프로세스들을 흐름도의 형태로 개략적으로 묘사할 수 있다. 그러나, 묘사되지 않은 다른 동작들이, 개략적으로 예시되는 예시적인 프로세스들에 통합될 수 있다. 예를 들어, 하나 이상의 부가적인 동작들은, 예시된 동작들 중 임의의 동작들 이전에, 그들 이후에, 그들과 동시에, 또는 그들 사이에서 수행될 수 있다. 특정한 환경들에서, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 더욱이, 앞서 설명한 실시예들에서 다양한 시스템 컴포넌트들의 분리는 모든 실시예들에서 이러한 분리를 필요로 하는 것으로 이해되지 않아야 하며, 설명한 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품들로 패키지화될 수 있다고 이해되어야 한다. 부가적으로, 다른 실시예들이 다음 청구항들의 범위 내에 있다. 일부 경우들에서, 청구항들에서 언급된 액션들은, 상이한 순서로 수행될 수 있으며, 여전히 바람직한 결과들을 달성할 수 있다.
Claims (28)
- 무선 송신 파형들을 복조하여 데이터 톤(data tone)들을 재구성하기 위해 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법으로서,
송신기로부터, 상기 송신기 내의 PRT(peak reduction tone) 뉴럴 네트워크에 의해 생성된 PRT들을 포함하는 무선 송신 파형들을 수신하는 단계; 및
상기 데이터 톤들의 재구성을 출력하기 위해, 상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 무선 송신 파형들을 복조하는 단계
를 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제1항에 있어서,
상기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서, 상기 수신된 송신 파형들의 송신기에 의해 사용되는 상기 PRT 뉴럴 네트워크 상에서 트레이닝된 수신기 뉴럴 네트워크를 선택하는 단계를 더 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제2항에 있어서,
상기 송신기로부터, 상기 수신기 뉴럴 네트워크에 대한 가중치들을 수신하는 단계를 더 포함하며,
상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 송신 파형들을 복조하는 단계는, 상기 선택된 수신기 뉴럴 네트워크 및 상기 송신기로부터 수신된 상기 수신기 뉴럴 네트워크에 대한 가중치들을 사용하여, 상기 수신된 송신 파형들을 복조하는 단계를 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제2항에 있어서,
상기 수신된 송신 파형들의 송신기로부터, 상기 수신된 송신 파형들의 송신기에 의해 사용되는 상기 PRT 뉴럴 네트워크 상에서 트레이닝된 상기 수신기 뉴럴 네트워크의 표시자를 수신하는 단계를 더 포함하며,
상기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서 수신기 뉴럴 네트워크를 선택하는 단계는, 상기 송신기로부터 수신되는 상기 표시자에 기반하여 상기 수신기 뉴럴 네트워크를 선택하는 단계를 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제4항에 있어서,
상기 송신기로부터, 상기 수신기 뉴럴 네트워크에 대한 가중치들을 수신하는 단계를 더 포함하며,
상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 송신 파형들을 복조하는 단계는, 상기 선택된 수신기 뉴럴 네트워크 및 상기 송신기로부터 수신된 상기 수신기 뉴럴 네트워크에 대한 가중치들을 사용하여, 상기 수신된 송신 파형들을 복조하는 단계를 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제1항에 있어서,
송신 파형들에 PRT들을 삽입하기 위해 상기 송신기에 의해 사용될 PRT 뉴럴 네트워크의 표시자를 상기 송신기에 전송하는 단계를 더 포함하며,
상기 표시자와 연관된 상기 PRT 뉴럴 네트워크는, 상기 송신기로부터 수신된 송신 파형들을 복조하는 데 사용되는 상기 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용된, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 제6항에 있어서,
상기 PRT 뉴럴 네트워크에 대한 가중치들을 상기 송신기에 송신하는 단계를 더 포함하는, 무선 통신 디바이스의 수신기 회로부에서 수행되는 방법. - 수신기 무선 통신 디바이스로서,
동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성된 프로세싱 디바이스를 포함하며,
상기 동작들은,
송신기로부터, 상기 송신기 내의 PRT(peak reduction tone) 뉴럴 네트워크에 의해 생성된 PRT들을 포함하는 무선 송신 파형들을 수신하는 동작; 및
데이터 톤들의 재구성을 출력하기 위해, 상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 무선 송신 파형들을 복조하는 동작
을 포함하는, 수신기 무선 통신 디바이스. - 제8항에 있어서,
상기 프로세싱 디바이스는, 상기 수신기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서, 상기 수신된 송신 파형들의 송신기에 의해 사용되는 상기 PRT 뉴럴 네트워크 상에서 트레이닝된 수신기 뉴럴 네트워크를 선택하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 수신기 무선 통신 디바이스. - 제9항에 있어서,
상기 프로세싱 디바이스는, 상기 송신기로부터, 상기 수신기 뉴럴 네트워크에 대한 가중치들을 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 송신 파형들을 복조하는 동작은, 상기 선택된 수신기 뉴럴 네트워크 및 상기 송신기로부터 수신된 상기 수신기 뉴럴 네트워크에 대한 가중치들을 사용하여, 상기 수신된 송신 파형들을 복조하는 동작을 포함하는, 수신기 무선 통신 디바이스. - 제9항에 있어서,
상기 프로세싱 디바이스는, 상기 수신된 송신 파형들의 송신기로부터, 상기 수신된 송신 파형들의 송신기에 의해 사용되는 상기 PRT 뉴럴 네트워크 상에서 트레이닝된 상기 수신기 뉴럴 네트워크의 표시자를 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
상기 수신기 무선 통신 디바이스에 저장된 복수의 트레이닝된 수신기 뉴럴 네트워크들 중에서 수신기 뉴럴 네트워크를 선택하는 동작은, 상기 송신기로부터 수신되는 상기 표시자에 기반하여 상기 수신기 뉴럴 네트워크를 선택하는 동작을 포함하는, 수신기 무선 통신 디바이스. - 제11항에 있어서,
상기 프로세싱 디바이스는, 상기 송신기로부터, 상기 수신기 뉴럴 네트워크에 대한 가중치들을 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
상기 송신기의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크를 사용하여, 상기 수신된 송신 파형들을 복조하는 동작은, 상기 선택된 수신기 뉴럴 네트워크 및 상기 송신기로부터 수신된 상기 수신기 뉴럴 네트워크에 대한 가중치들을 사용하여, 상기 수신된 송신 파형들을 복조하는 동작을 포함하는, 수신기 무선 통신 디바이스. - 제8항에 있어서,
상기 프로세싱 디바이스는, 송신 파형들에 PRT들을 삽입하기 위해 상기 송신기에 의해 사용될 PRT 뉴럴 네트워크의 표시자를 상기 송신기에 전송하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
상기 표시자와 연관된 상기 PRT 뉴럴 네트워크는, 상기 송신기로부터 수신된 송신 파형들을 복조하는 데 사용되는 상기 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용된, 수신기 무선 통신 디바이스. - 제13항에 있어서,
상기 프로세싱 디바이스는, 상기 PRT 뉴럴 네트워크에 대한 가중치들을 상기 송신기에 송신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 수신기 무선 통신 디바이스. - 데이터 톤들을 무선 송신 파형들을 통해 수신기에 송신하기 위해 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법으로서,
상기 데이터 톤들과 결합되는 경우 PAPR(peak-to-average power ratio) 제한 임계치 내의 PAPR을 나타낼 송신 파형을 초래할 PRT(peak reduction tone)들을 생성하도록 트레이닝된 PRT 뉴럴 네트워크를 통해 상기 데이터 톤들을 프로세싱하는 단계; 및
상기 송신기 회로부로부터의 무선 송신 파형들을 복조하도록 상기 송신기 회로부의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크로 구성된 수신 무선 통신 디바이스로의 송신을 위한 송신 파형을 출력하기 위해, 상기 PRT 뉴럴 네트워크에 의해 출력되는 PRT들과 상기 데이터 톤들을 결합하는 단계
를 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제15항에 있어서,
송신된 무선 송신 파형들을 복조할 때 상기 수신 무선 통신 디바이스에 의한 사용을 위한 수신기 뉴럴 네트워크를 표시하도록 구성된 뉴럴 네트워크 표시자를 송신하는 단계를 더 포함하며,
표시된 수신기 뉴럴 네트워크는 상기 송신기 회로부의 출력들에 기반하여 트레이닝된, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제16항에 있어서,
상기 표시된 수신기 뉴럴 네트워크에 대한 가중치들을 상기 수신 무선 디바이스에 송신하는 단계를 더 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제15항에 있어서,
상기 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, 상기 수신 무선 통신 디바이스에서 사용되는 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용된 PRT들을 생성하기 위해 상기 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 단계를 더 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제18항에 있어서,
상기 수신 무선 통신 디바이스로부터, 상기 수신 무선 통신 디바이스에 대한 가중치들을 수신하는 단계를 더 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제18항에 있어서,
상기 수신 무선 통신 디바이스로부터, 사용할 상기 PRT 뉴럴 네트워크의 표시자를 수신하는 단계를 더 포함하며,
상기 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, PRT들을 생성하기 위해 상기 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 단계는, 수신된 표시자에 대응하는 PRT 뉴럴 네트워크를 선택하는 단계를 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 제20항에 있어서,
상기 수신 무선 통신 디바이스로부터, 상기 수신 무선 통신 디바이스에 대한 가중치들을 수신하는 단계를 더 포함하는, 무선 통신 디바이스의 송신기 회로부에서 수행되는 방법. - 송신기 무선 통신 디바이스로서,
동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성된 프로세싱 디바이스를 포함하며,
상기 동작들은,
데이터 톤들과 결합되는 경우 PAPR(peak-to-average power ratio) 제한 임계치 내의 PAPR을 나타낼 송신 파형을 초래할 PRT(peak reduction tone)들을 생성하도록 트레이닝된 PRT 뉴럴 네트워크를 통해 상기 데이터 톤들을 프로세싱하는 동작; 및
송신기 회로부로부터의 무선 송신 파형들을 복조하도록 상기 송신기 회로부의 출력들에 기반하여 트레이닝된 수신기 뉴럴 네트워크로 구성된 수신 무선 통신 디바이스로의 송신을 위한 송신 파형을 출력하기 위해, 상기 PRT 뉴럴 네트워크에 의해 출력되는 PRT들과 상기 데이터 톤들을 결합하는 동작
을 포함하는, 송신기 무선 통신 디바이스. - 제22항에 있어서,
상기 프로세싱 디바이스는, 송신된 무선 송신 파형들을 복조할 때 상기 수신 무선 통신 디바이스에 의한 사용을 위한 수신기 뉴럴 네트워크를 표시하도록 구성된 뉴럴 네트워크 표시자를 송신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
표시된 수신기 뉴럴 네트워크는 상기 송신기 회로부의 출력들에 기반하여 트레이닝된, 송신기 무선 통신 디바이스. - 제23항에 있어서,
상기 프로세싱 디바이스는, 상기 표시된 수신기 뉴럴 네트워크에 대한 가중치들을 상기 수신 무선 디바이스에 송신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 송신기 무선 통신 디바이스. - 제22항에 있어서,
상기 프로세싱 디바이스는, 상기 송신기 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, 상기 수신 무선 통신 디바이스에서 사용되는 상기 수신기 뉴럴 네트워크를 트레이닝시키는 데 사용된 PRT들을 생성하기 위해 상기 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 송신기 무선 통신 디바이스. - 제25항에 있어서,
상기 프로세싱 디바이스는, 상기 수신 무선 통신 디바이스로부터, 상기 수신 무선 통신 디바이스에 대한 가중치들을 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 송신기 무선 통신 디바이스. - 제25항에 있어서,
상기 프로세싱 디바이스는, 상기 수신 무선 통신 장치로부터, 사용할 상기 PRT 뉴럴 네트워크의 표시자를 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되며,
상기 송신기 무선 통신 디바이스 상에 저장된 복수의 PRT 뉴럴 네트워크들 중에서, PRT들을 생성하기 위해 상기 데이터 톤들을 프로세싱하는 데 사용할 PRT 뉴럴 네트워크를 선택하는 동작은, 수신된 표시자에 대응하는 PRT 뉴럴 네트워크를 선택하는 동작을 포함하는, 송신기 무선 통신 디바이스. - 제27항에 있어서,
상기 프로세싱 디바이스는, 상기 수신 무선 통신 디바이스로부터, 상기 수신 무선 통신 디바이스에 대한 가중치들을 수신하는 동작을 더 포함하는 동작들을 수행하기 위한 프로세서-실행가능한 명령들로 구성되는, 송신기 무선 통신 디바이스.
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062980776P | 2020-02-24 | 2020-02-24 | |
| US62/980,776 | 2020-02-24 | ||
| US202063009369P | 2020-04-13 | 2020-04-13 | |
| US63/009,369 | 2020-04-13 | ||
| US17/154,215 | 2021-01-21 | ||
| US17/154,215 US11804998B2 (en) | 2020-02-24 | 2021-01-21 | Machine learning based receiver performance improvement using peak reduction tones |
| PCT/US2021/014503 WO2021173267A1 (en) | 2020-02-24 | 2021-01-22 | Machine learning based receiver performance improvement using peak reduction tones |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220139893A true KR20220139893A (ko) | 2022-10-17 |
Family
ID=77366362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227027657A KR20220139893A (ko) | 2020-02-24 | 2021-01-22 | 피크 감소 톤들을 사용한 머신 러닝 기반 수신기 성능 개선 |
Country Status (8)
| Country | Link |
|---|---|
| US (2) | US11804998B2 (ko) |
| EP (2) | EP4111655A1 (ko) |
| JP (1) | JP2023515453A (ko) |
| KR (1) | KR20220139893A (ko) |
| CN (2) | CN115104292A (ko) |
| BR (1) | BR112022015851A2 (ko) |
| TW (1) | TW202135510A (ko) |
| WO (2) | WO2021173272A1 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11804998B2 (en) | 2020-02-24 | 2023-10-31 | Qualcomm Incorporated | Machine learning based receiver performance improvement using peak reduction tones |
| US11743086B2 (en) * | 2020-05-04 | 2023-08-29 | Qualcomm Incorporated | Tone reservation for peak to average power ratio reduction |
| US11817986B2 (en) * | 2020-07-09 | 2023-11-14 | Qualcomm Incorporated | Carrier aggregation peak to average power ratio reduction using peak reduction tones |
| BR112023002749A2 (pt) * | 2020-08-25 | 2023-03-14 | Qualcomm Inc | Redução de papr com base em tons de redução de pico usando redes neurais |
| US11658708B2 (en) * | 2021-07-02 | 2023-05-23 | Qualcomm Incorporated | Codebook embedding generation and processing |
| US11595237B1 (en) * | 2022-05-03 | 2023-02-28 | Qualcomm Incorporated | Peak reduction tone allocation |
| CN114884793A (zh) * | 2022-07-08 | 2022-08-09 | 清华四川能源互联网研究院 | 基于凸优化的ofdm信号峰均比抑制算法、系统、设备及介质 |
| CN116975032B (zh) * | 2023-07-14 | 2024-04-12 | 南京领行科技股份有限公司 | 数据对齐方法、系统和电子设备及存储介质 |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2161826C2 (ru) * | 1998-08-17 | 2001-01-10 | Пензенский научно-исследовательский электротехнический институт | Способ автоматической идентификации личности |
| US6721673B2 (en) * | 2001-06-12 | 2004-04-13 | National Instruments Corporation | Estimating a plurality of tones in an input signal |
| KR100754617B1 (ko) * | 2004-10-11 | 2007-09-05 | 삼성전자주식회사 | 직교 주파수 분할 다중화 통신 시스템에서 피크대 평균전력비를 최소화시키기 위한 장치 및 방법 |
| US8254478B2 (en) * | 2006-11-13 | 2012-08-28 | Telefonaktiebolaget L M Ericsson (Publ) | Method for limiting local bandwidth impairment using tone reservation |
| JP4264841B2 (ja) * | 2006-12-01 | 2009-05-20 | ソニー株式会社 | 音声認識装置および音声認識方法、並びに、プログラム |
| KR101314254B1 (ko) * | 2007-02-16 | 2013-10-02 | 삼성전자주식회사 | Ｏｆｄｍ 송수신 시스템 및 그 방법 |
| WO2009004862A1 (ja) * | 2007-06-29 | 2009-01-08 | Nec Corporation | 送信信号生成装置、方法、およびプログラム |
| US8243844B2 (en) | 2007-11-30 | 2012-08-14 | Futurewei Technologies, Inc. | Power reduction for digital subscriber line |
| WO2009152038A1 (en) * | 2008-06-13 | 2009-12-17 | Conexant Systems, Inc. | Systems and methods for positioning and messaging of reserved tones for peak-to-average ratio (par) reduction in dsl systems |
| US8582687B2 (en) * | 2009-06-26 | 2013-11-12 | Plusn, Llc | System and method for controlling combined radio signals |
| US8917784B2 (en) | 2009-07-17 | 2014-12-23 | Qualcomm Incorporated | Method and apparatus for constructing very high throughput long training field sequences |
| US8676574B2 (en) * | 2010-11-10 | 2014-03-18 | Sony Computer Entertainment Inc. | Method for tone/intonation recognition using auditory attention cues |
| EP2796166A1 (en) * | 2013-04-23 | 2014-10-29 | Lighten Aps | Personalised lighting control |
| US8804862B2 (en) | 2012-01-09 | 2014-08-12 | King Fahd University Of Petroleum And Minerals | Method of performing peak reduction and clipping mitigation |
| KR102283357B1 (ko) * | 2013-11-26 | 2021-07-28 | 플러스엔, 엘엘씨 | 무선 주파수 캐리어 집성을 위한 시스템 및 방법 |
| US20150268686A1 (en) * | 2014-03-19 | 2015-09-24 | University Of Florida Research Foundation, Inc. | Social networking reducing peak power consumption in smart grid |
| WO2016085383A1 (en) * | 2014-11-24 | 2016-06-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Using a precoded multi-carrier modulation scheme in a wireless communication network |
| KR102597582B1 (ko) | 2015-06-09 | 2023-11-03 | 삼성전자주식회사 | 예약 톤 설계 방법 및 톤 예약 방식을 이용하여 papr 저감을 수행하는 송신기 |
| US9929890B2 (en) | 2015-06-09 | 2018-03-27 | Samsung Electronics Co., Ltd. | Method for determining reserved tones and transmitter for performing PAPR reduction using tone reservation |
| US10177951B2 (en) | 2015-06-09 | 2019-01-08 | Samsung Electronics Co., Ltd. | Method for determining reserved tones and transmitter for performing PAPR reduction using tone reservation |
| KR101833041B1 (ko) | 2015-06-09 | 2018-02-27 | 삼성전자주식회사 | 예약 톤 설계 방법 및 톤 예약 방식을 이용하여 papr 저감을 수행하는 송신기 |
| US10084632B2 (en) * | 2016-09-22 | 2018-09-25 | Apple Inc. | System and method for peak-to-average power ratio reduction of OFDM signals via weighted gradient-based adaptive peak cancellation |
| CN111434049B (zh) | 2017-06-19 | 2021-06-11 | 弗吉尼亚科技知识产权有限公司 | 使用多天线收发器无线传输的信息的编码和解码 |
| US10469310B2 (en) | 2017-08-07 | 2019-11-05 | Futurewei Technologies, Inc. | System and method for transmit power control |
| WO2019169400A1 (en) * | 2018-03-02 | 2019-09-06 | Deepsig Inc | Learning communication systems using channel approximation |
| CN108833071B (zh) | 2018-03-19 | 2020-11-10 | 中国科学院电子学研究所 | 一种相位同步方法和装置 |
| WO2020226386A1 (ko) * | 2019-05-03 | 2020-11-12 | 엘지전자 주식회사 | 무선통신시스템에서 사이드링크 신호를 송신하는 방법 |
| US11804998B2 (en) | 2020-02-24 | 2023-10-31 | Qualcomm Incorporated | Machine learning based receiver performance improvement using peak reduction tones |
-
2021
- 2021-01-21 US US17/154,215 patent/US11804998B2/en active Active
- 2021-01-21 US US17/154,607 patent/US11677605B2/en active Active
- 2021-01-22 WO PCT/US2021/014600 patent/WO2021173272A1/en unknown
- 2021-01-22 EP EP21705804.9A patent/EP4111655A1/en active Pending
- 2021-01-22 JP JP2022549736A patent/JP2023515453A/ja active Pending
- 2021-01-22 EP EP21706091.2A patent/EP4111656A1/en active Pending
- 2021-01-22 BR BR112022015851A patent/BR112022015851A2/pt unknown
- 2021-01-22 KR KR1020227027657A patent/KR20220139893A/ko active Search and Examination
- 2021-01-22 CN CN202180014893.3A patent/CN115104292A/zh active Pending
- 2021-01-22 TW TW110102471A patent/TW202135510A/zh unknown
- 2021-01-22 CN CN202180015386.1A patent/CN115152190B/zh active Active
- 2021-01-22 WO PCT/US2021/014503 patent/WO2021173267A1/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| US11804998B2 (en) | 2023-10-31 |
| WO2021173267A1 (en) | 2021-09-02 |
| EP4111655A1 (en) | 2023-01-04 |
| CN115104292A (zh) | 2022-09-23 |
| JP2023515453A (ja) | 2023-04-13 |
| BR112022015851A2 (pt) | 2022-10-04 |
| CN115152190B (zh) | 2024-03-22 |
| US20210266210A1 (en) | 2021-08-26 |
| WO2021173272A1 (en) | 2021-09-02 |
| US11677605B2 (en) | 2023-06-13 |
| US20210266036A1 (en) | 2021-08-26 |
| CN115152190A (zh) | 2022-10-04 |
| EP4111656A1 (en) | 2023-01-04 |
| TW202135510A (zh) | 2021-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11804998B2 (en) | Machine learning based receiver performance improvement using peak reduction tones | |
| US11690081B2 (en) | Bandwidth part (BWP) for unicast/multicast and resource allocation for multicast | |
| US20220070040A1 (en) | Machine Learning Based Nonlinearity Mitigation Using Peak Reduction Tones | |
| WO2021022391A1 (en) | Inter-numerologies interference avoidance for long term evolution (lte) and 5g new radio (nr) spectrum sharing | |
| WO2021197474A1 (en) | Managing downlink signal reception | |
| US20230036243A1 (en) | Systems and methods for responding to a maximum permissible exposure condition | |
| US11356305B2 (en) | Method to convey the TX waveform distortion to the receiver | |
| US11758513B2 (en) | Physical uplink control channel with uplink message short data field | |
| CN115088286A (zh) | 用于管理无线通信的信息传输 | |
| US11996968B2 (en) | Neural augmentation for device nonlinearity mitigation in x-node machine learning | |
| US20220070041A1 (en) | Neural Augmentation For Device Nonlinearity Mitigation In X-Node Machine Learning | |
| US11690022B2 (en) | Managing transmit power control | |
| US11330665B2 (en) | Increasing throughput efficiency in a PDCP channel with ROHC TCP profile | |
| US11743880B2 (en) | UE beam switching synchronization | |
| US20210105612A1 (en) | User plane integrity protection (up ip) capability signaling in 5g/4g systems | |
| US20210360679A1 (en) | Cross-Carrier Scheduling In The Presence Of Multi-Downlink Control Information (DCI)(Multi-DCI) Based Multi-Transmit-Receive Point (MTRP) | |
| US20230020898A1 (en) | Managing Uplink Timing Advance Configuration | |
| US20240048220A1 (en) | Managing beam selection | |
| US20220346025A1 (en) | Early Uplink Transmit Power Control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |