KR20230006836A - 신경망 또는 순환 신경망으로 다수의 주파수 대역을 지원하기 위한 자기 간섭 노이즈 제거 - Google Patents

Abstract

본 명세서에 설명된 예들은 각각의 무선 수신기의 고조파 주파수들에서 파워 증폭기들에 의해 생성된 자기 간섭 노이즈를 보상하는 순환 신경망을 이용한 다수의 주파수 대역들 송신의 예들을 갖는 무선 디바이스들 및 시스템들을 포함하는 시스템들 및 방법들을 포함한다. 순환 신경망은 무선 디바이스의 안테나들에 결합되고 자기 간섭을 보상하는 조정된 신호들을 생성하도록 구성될 수 있다. 순환 신경망은 송신 신호들을 중간 결과들의 세트들로 조합하도록 구성된 프로세싱 엘리먼트들의 네트워크를 포함할 수 있다. 중간 결과들의 각각의 세트는 대응하는 조정된 신호를 생성하기 위해 순환 신경망에서 합산될 수 있다. 조정된 신호는 무선 수신기가 수신하고 있는 것과 동일하거나 상이한 주파수 대역 상에서 송신하는 무선 송신기에 의해 생성된 자기 간섭 노이즈를 보상하기 위해 대응하는 무선 수신기에 의해 수신 가능하다.

Description

신경망 또는 순환 신경망으로 다수의 주파수 대역을 지원하기 위한 자기 간섭 노이즈 제거

관련 출원

본 출원은 "신경망 또는 순환 신경망으로 다수의 주파수 대역을 지원하기 위한 자기 간섭 노이즈 제거"라는 제목으로 2020년 4월 14일에 출원된 미국 특허 출원 번호 16/848,514에 대한 우선권을 주장하며, 이는 전체적으로 그리고 모든 목적을 위해 본 명세서에 참고로 통합된다.

"5세대"(5G) 시스템들을 지원하는 무선 통신 시스템들에 대한 요구가 존재하고 일부 무선 통신 시스템들은 이미 특정 5G 프로토콜들(예를 들어, 3.5GHz에서 동작하기 위한 프로토콜)을 구현한다. 이러한 5G 시스템들은 "대규모 MIMO" 기술들을 포함하는 다중-입력 다중-출력(MIMO) 기술들을 사용하여 구현될 수 있고, 여기서 다수의 안테나들(예시적인 MIMO 시스템들의 경우 8과 같은 특정 수 초과)이 무선 통신 신호들의 송신 및/또는 수신을 위해 이용된다.

또한, 기계 학습(ML) 및 인공지능(AI) 기술은 이러한 기술을 사용하는 디바이스를 훈련하기 위해 더 높은 용량과 광범위하게 연결된 인프라스트럭처가 필요하다. 예를 들어, 기계 학습은 통계적 분석 방법에 관해 기계를 훈련시키기 위해 데이터 세트, 종종 많은 양의 데이터를 사용하는 AI의 일 유형이다. 그리고 클라우드로 구성되든, 모바일 및 에지 디바이스(edge deice)들에 내장되든, AI 훈련 및 추론 엔진들을 가능하게 하기 위한 고용량 메모리 및 멀티칩 패키지들이 필요하다. 예를 들어, AI 시스템을 훈련하고 추론을 가속하기 위해서는 대량의 데이터가 실시간으로 필요하다. 추가적으로, 예를 들어, 에지 네트워크에서 획득된 데이터의 프로세싱을 가능하게 하기 위해, 예를 들어, 적용될 AI 또는 ML 기법들을 위해 이러한 데이터를 데이터 센터로 효율적으로 오프로딩(offload)하기 위해, 에지 네트워크에서의 모바일 또는 센서 디바이스들에서의 통신 용량이 요구한다.

예시적인 방법들이 본 명세서에 설명된다. 예시적인 방법은 제1 주파수와 연관된 제1 증폭된 신호 및 제2 주파수와 연관된 제2 증폭된 신호를 순환 신경망(RNN)에 제공하는 단계; 상기 제1 증폭된 신호를 복수의 안테나들 중 제1 안테나에 제공하고 상기 제2 증폭된 신호를 상기 복수의 안테나들 중 제2 안테나에 제공하는 단계; 상기 RNN에서, 복수의 계수들 및 추가 복수의 계수들을 사용하여 입력 데이터로서 상기 제1 증폭된 및 제2 증폭된 신호를 혼합하는 단계를 포함한다. 상기 입력 데이터를 혼합하는 단계는, 상기 복수의 계수와 곱셈/누산 프로세싱 유닛(MAC 유닛)의 제1 계층의 개개의 출력에 기초하는 시그널링 및 상기 입력 데이터에 기초하여 제1 프로세싱 결과를 계산하는 단계; 및 상기 추가 복수의 계수들과 MAC 유닛들의 개개의 추가적인 계층의 개개의 출력들에 기초하는 시그널링 및 상기 제1 프로세싱 결과들에 기초하여 출력 데이터를 계산하는 단계를 포함한다. 예시적인 방법은 RNN으로부터, 출력 데이터를 복수의 조정 신호로서 제공하는 단계를 더 포함하고, 상기 출력 데이터는 상기 제2 주파수와 간섭하는 상기 제1 주파수의 고조파 주파수를 부분적으로 보상하도록 구성된다.

추가적으로 또는 대안적으로, 예시적인 방법은 상기 복수의 안테나의 개개의 안테나에서 수신된 제1 수신 신호 및 제2 수신 신호를 상기 복수의 조정 신호 중 대응하는 조정 신호로 조정하는 단계를 더 포함한다.

추가적으로 또는 대안적으로, 상기 대응하는 조정 신호로 상기 복수의 안테나의 개개의 안테나에서 수신된 상기 제1 수신 신호 및 상기 제2 수신 신호를 조정하는 단계는, 상기 제1 수신 신호 및 상기 제2 수신 신호로부터 상기 대응하는 조정 신호를 감산하여 개개의 보상된 수신 신호를 생성하는 단계를 포함한다.

추가적으로 또는 대안적으로, 예시적인 방법은 상기 복수의 안테나들 중 제3 안테나에서 수신된 제1 수신 신호를 상기 제1 조정 신호로 보상하는 단계를 더 포함하고, 상기 제3 안테나는 상기 제2 주파수와 연관된다.

추가적으로 또는 대안적으로, 예시적인 방법은 상기 제1 주파수와 연관된 제1 송신 신호를 증폭하여 상기 제1 주파수와 연관된 제1 증폭기 노이즈를 포함하는 상기 제1 증폭된 신호를 생성하는 단계; 및 상기 제2 주파수와 연관된 제2 송신 신호를 증폭하여 상기 제2 주파수와 연관된 제2 증폭기 노이즈를 포함하는 상기 제2 증폭된 신호를 생성하는 단계를 더 포함한다.

추가적으로 또는 대안적으로, 제1 증폭된 신호가 제1 증폭기 노이즈의 일부로서 증폭될 때 제2 주파수와 간섭하는 제1 주파수의 고조파 주파수가 생성된다.

추가적으로 또는 대안적으로, 제2 주파수와 간섭하는 제1 주파수의 고조파 주파수는 제1 주파수의 2차 고조파 성분이다.

추가적으로 또는 대안적으로, 제1 주파수는 4G LTE(Long-Term Evolution) 대역내 1.8GHz에 대응하고, 제2 주파수는 5G NR(New Radio) 대역내 3.5GHz에 대응한다.

추가적으로 또는 대안적으로, 예시적인 방법은 상기 제1 증폭된 신호 및 제2 증폭된 신호를 데이터 센터로 송신하는 단계를 더 포함하고, 상기 복수의 신호는 가축 상태, 물 사용 상태, 농경지(agricultural field) 상태, 바람 측정, 발전 상태, 오일 유동 상태, 에너지 저장 상태 또는 전력 소비 상태 중 적어도 하나를 나타내는 데이터를 포함한다.

추가적으로 또는 대안적으로, 예시적인 방법은 상기 제1 증폭기 노이즈 및 상기 제2 증폭기 노이즈의 성분들에 부분적으로 기초하여 간섭 차이 주파수(interfering difference frequency)를 생성하는 단계를 더 포함하고, 상기 간섭 차이 주파수는 상기 제1 주파수의 고조파 성분이 상기 제2 주파수에서의 고조파 성분과 간섭하는 것에 기초하여 생성된다.

추가적으로 또는 대안적으로, 상기 간섭 차이 주파수는 제1 주파수로부터 제2 주파수의 차이이다.

추가적으로 또는 대안적으로, 예시적인 방법은 적어도 상기 간섭 차이 주파수에 기초하여 상기 복수의 조정 신호들 중 제2 조정 신호를 제공하는 단계; 및 상기 복수의 안테나들 중 제4 안테나에서 수신된 제2 수신 신호를 상기 제2 조정 신호로 보상하는 단계를 더 포함하고, 상기 제4 안테나는 상기 제1 주파수와 연관된다.

추가적으로 또는 대안적으로, 상기 MAC 유닛들의 추가 계층들의 수는 복수의 안테나들의 수와 연관된다.

장치들의 예들이 본 명세서에 설명된다. 예시적인 장치는 제1 주파수에서 송신하도록 구성된 제1 안테나를 포함하는 복수의 안테나들; 상기 복수의 안테나의 안테나로 신호를 송신하고 수신하도록 구성된 복수의 무선 트랜시버(transceiver); 및 곱셈/누산 유닛들(MAC 유닛들)의 복수의 계층들을 포함한다. 곱셈/누산 유닛들(MAC 유닛들)의 복수의 계층들은 제1 중간 프로세싱 결과들을 생성하기 위해 복수의 계수들을 사용하여 입력 데이터로서 복수의 신호들 및 MAC 유닛들의 제1 계층의 개개의 출력들의 지연된 버전들을 혼합하도록 구성된 제1 계층; 및

상기 MAC 유닛들의 복수의 계층들 중 MAC 유닛들의 추가 계층들을 포함하고, 상기 MAC 유닛들의 각각의 추가 계층은 제2 중간 프로세싱 결과들을 생성하기 위해 상기 복수의 계수들의 추가적인 계수들을 사용하여 상기 MAC 유닛들의 개개의 추가 계층의 개개의 출력들의 지연된 버전들 및 상기 제1 중간 프로세싱 결과들을 혼합하도록 구성된다. 예시적인 장치는 출력 데이터로서 복수의 조정된 신호를 제공하도록 구성된 순환 신경망(RNN)을 더 포함하고, 상기 출력 데이터는 제2 중간 프로세싱 결과에 부분적으로 기초한다.

추가적으로 또는 대안적으로, 상기 제1 중간 프로세싱 결과 또는 상기 제2 중간 프로세싱 결과 각각을 저장하고 제공하도록 구성된 복수의 메모리 룩업 유닛(MLU)을 더 포함하고, 상기 복수의 메모리 룩업 유닛의 일부는 상기 복수의 계수들을 사용하여 혼합되는 상기 입력 데이터에 따라 출력 데이터를 제공하도록 구성된다.

추가적으로 또는 대안적으로, 상기 복수의 MLU의 각각의 MLU에 의해 제공된 상기 제1 중간 프로세싱 결과 또는 상기 제2 중간 프로세싱 결과에 기초하여 상기 MAC 유닛의 제1 계층의 각각의 출력의 지연된 버전을 제공하도록 구성된 복수의 지연 유닛을 더 포함한다.

추가적으로 또는 대안적으로, 상기 RNN은 제1 주파수의 간섭 고조파 주파수의 보상을 위해 구성된다.

추가적으로 또는 대안적으로, 상기 복수의 안테나들은 제2 주파수에서 송신하도록 구성된 제2 안테나를 더 포함하고, 상기 제1 주파수의 상기 간섭 고조파 주파수는 상기 제2 주파수와 상기 제1 주파수의 차이에 기초한다.

본 개시의 다른 양태에서, 장치는 신호들을 각각의 증폭된 신호들로서 증폭하도록 구성된 복수의 파워 증폭기들; 복수의 안테나들 - 각각의 안테나는 각각의 증폭된 신호를 송신하도록 구성됨 -; 및 복수의 안테나들의 각각의 안테나에 결합되고, 각각의 증폭된 신호들에 기초하여 복수의 조정 신호들의 각각의 조정 신호를 생성하도록 구성된 순환 신경망(RNN)을 포함한다.

추가적으로 또는 대안적으로, 상기 RNN은 비트 조작을 위해 구성되고 상기 개개의 증폭된 신호를 수신하도록 구성된 복수의 프로세싱 유닛; 및 복수의 곱셈/누산(MAC) 유닛들을 포함하고, 각각의 MAC 유닛은 복수의 노이즈 프로세싱 결과들을 생성하도록 구성되고, 상기 복수의 노이즈 프로세싱 결과들은 상기 개개의 증폭된 신호 및 상기 복수의 노이즈 프로세싱 결과들 중 적어도 하나의 지연된 버전에 기초하고, 각각의 MAC 유닛은 각각의 노이즈 프로세싱 결과에 기초하여 상기 복수의 조정 신호들의 각각의 조정 신호를 생성하도록 추가로 구성된다.

추가적으로 또는 대안적으로, 장치는 개개의 노이즈 프로세싱 결과를 저장 및 제공하도록 구성된 복수의 메모리 룩업 유닛(MLU)을 더 포함할 수 있고, 상기 복수의 MLU 중 일부는 복수의 계수를 사용하여 혼합되는 상기 개개의 증폭된 신호에 기초하여 출력 데이터를 제공하도록 구성된다.

추가적으로 또는 대안적으로, 상기 장치는 복수의 지연 유닛을 더 포함할 수 있고, 각각의 지연 유닛은 각각의 MAC 유닛과 연관되고, 복수의 MLU의 각각의 MLU에 의해 제공된 각각의 노이즈 프로세싱 결과의 일부에 기초하여 복수의 MAC 유닛의 각각의 출력의 지연된 버전을 제공하도록 구성된다.

추가적으로 또는 대안적으로, 상기 복수의 파워 증폭기들 중 제1 파워 증폭기는 제1 주파수와 연관된 제1 신호를 증폭하고, 상기 제1 주파수와 연관된 제1 증폭기 노이즈를 포함하는 제1 증폭된 신호를 생성하도록 구성되고, 상기 복수의 파워 증폭기들 중 제2 파워 증폭기는 제2 주파수와 연관된 제2 신호를 증폭하고, 상기 제2 주파수와 연관된 제2 증폭기 노이즈를 포함하는 제2 증폭된 신호를 생성하도록 구성된다.

추가적으로 또는 대안적으로, 장치는 사물 인터넷(IoT) 스마트 홈 디바이스, IoT 농업 디바이스 또는 IoT 산업 디바이스를 구현한다.

도 1은 본 명세서에 설명된 예에 따라 배열된 시스템의 개략도이다.
도 2a는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스의 개략도이다.
도 2b는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스의 개략도이다.
도 3은 무선 송신기의 개략도이다.
도 4는 무선 수신기의 개략도이다.
도 5a는 본 명세서에 설명된 예에 따른 예시적인 신경망의 개략도이다.
도 5b는 본 명세서에 설명된 예에 따라 배열된 순환 신경망(recurrent neural network)의 개략도이다.
도 5c 내지 도 5e는 본 명세서에 설명된 예들에 따른 예시적인 순환 신경망의 개략도이다.
도 6a는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스의 개략도이다.
도 6b는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스의 개략도이다.
도 7a는 본 명세서에 설명된 예에 따른 전이중 보상 방법(full duplex compensation method)의 개략도이다.
도 7b는 본 명세서에 설명된 예들에 따른 방법의 흐름도이다.
도 8은 본 명세서에 설명된 예에 따라 배열된 컴퓨팅 디바이스의 블록도이다.
도 9 는 본 개시의 양태들에 따라 배열된 무선 통신 시스템의 개략도이다.
도 10은 본 개시의 양태들에 따라 배열된 무선 통신 시스템의 개략도이다.
도 11은 본 개시의 양태들에 따라 배열된 무선 통신 시스템의 개략도이다.
도 12는 본 개시의 양상들에 따라 배열된 통신 시스템의 개략도이다.

전이중 통신은 다양한 디바이스들에 바람직할 수 있다. 전이중 통신은 일반적으로, 일부 경우들에서 동시에 및/또는 부분적으로 동시에 송신들을 발송 및 수신 둘 모두를 하는 능력을 지칭할 수 있다. 전이중 통신을 채용하는 시스템들의 예들에서, 시스템 내의 안테나들 또는 비선형 파워 증폭기들에 의해 생성된 간섭, 예를 들어, 자기 간섭(self-interference)을 소거하는 것이 바람직할 수 있다. 또한, 전이중 통신은 상이한 통신 프로토콜들에 대한 별개의 주파수 대역들을 포함하는 다수의 주파수 대역들을 이용하는 디바이스들 상에서 바람직할 수 있다.

상이한 통신 프로토콜들이 무선 디바이스들의 다양한 세대들에 대해 존재할 수 있다. 예를 들어, 무선 디바이스는 3.5GHz (예를 들어, NR(New Radio) 대역으로 지칭됨)에서 송신 및 수신하도록 의도된 5G 무선 통신을 위한 트랜시버 시스템, 및 1.8GHz (예를 들어, LTE(Long-Term Evolution) 대역으로 지칭됨)에서 송신 및 수신하도록 의도된 4G 무선 통신을 위한 다른 트랜시버 시스템을 포함할 수 있다. 일부 구현예들에서, 특정 세대 시스템에서 전체적으로 동작하는 이러한 트랜시버 시스템들은 독립형 시스템으로 지칭될 수 있다. 예를 들어, 데이터 센터에 데이터를 통신하기 위한 5G 사물 인터넷("IoT") 무선 센서 디바이스들과 같은 다양한 5G 디바이스들을 포함하는 5G 무선 시스템은 5G 독립형 시스템으로 지칭될 수 있다. 이러한 5G 독립형 시스템은, 예를 들어, 데이터 센터에 데이터를 통신할 때, 5G 독립형 시스템을 통해 송신 또는 수신되는 통신된 신호들과 간섭하는 간섭 주파수들을 생성할 수 있는, 예를 들어, 상이한 주파수 대역 상에서 동작하는 4G 독립형 시스템으로부터의 간섭의 영향들을 여전히 경험할 수 있다. 따라서, 4G 또는 5G 대역들 중 어느 하나를 사용하여 통신할 수 있는 무선 디바이스는 대역들 중 하나 상에서 자기 간섭을 생성할 수 있다. 따라서, 다른 무선 디바이스의 상이한 독립형 시스템 또는 무선 디바이스 자체에 대한 다른 독립형 시스템으로부터의 간섭의 영향들을 경험할 수 있는 네트워크에서 독립형 시스템이 무선 디바이스 상에서 동작할 수 있도록 효율적이고 적시에 이러한 자기 간섭을 보상할 필요가 있다. 본 명세서에 설명된 바와 같이, 순환 신경망은 자기 간섭 신호들의 리딩 엔벌로프(leading envelope) 및 래깅 엔벌로프(lagging envelope)의 영향들을 모델링하는 고차 메모리 영향들을 부분적으로 사용하여 이러한 간섭을 보상하는 데 사용될 수 있다.

또한, 이러한 5G 독립형 시스템들은 원격 설정, 예를 들어, 무선 MAN(metropolitan access network)를 갖는 도시 근처에 있지 않은 설정에서 동작하는 것이 바람직할 수 있다. 그러한 5G 시스템들은 더 작은 거리들(예를 들어, 10m, 100m, 1km, 또는 5km)로 제한될 수 있는 대도시-지리적 영역과 대조적으로 더 긴 거리들(예를 들어, 1km, 5km, 50km, 500km, 또는 5000km)에 걸쳐 동작할 수 있다. 따라서, 5G 트랜시버 시스템은 다양한 저하하는 환경 영향들을 갖는 환경에서 원거리들을 통신할 필요가 있을 수 있다. 따라서, 본 명세서에 설명된 5G 시스템들 및 디바이스들은 무선 환경에 대한 긴 거리들에 걸친 기상 조건들의 영향들 및/또는 다른 환경 영향들을 경험하는 무선 환경들에서 데이터를 통신할 수 있다.

환경적 영향들 및 거리의 난제들 이외에, 트랜시버 시스템은 간섭을 경험할 수 있다. 예를 들어, 무선 가입자와의 LOS(line-of-sight)을 가질 수 있는 종래의 무선 MAN 시스템과는 대조적으로, 5G 무선 시스템은 온대 환경(예를 들어, 퓨젯 사운드(Puget Sound) 영역)에서 흐린 날씨를 경험하고 있는 원격 농업 디바이스와 통신하는 데이터 센터를 포함할 수 있다. 이와 같이, LOS가 클라우드들 또는 다른 환경적 인자들에 의해 폐색되기 때문에, 원격 농업 디바이스는 데이터 센터와 직접적인 LOS를 갖지 않을 수 있다. 이러한 경우에, 본 명세서에 설명된 예들은 동일한 물리적 디바이스 또는 시스템과 같은 장소에 배치된(co-located) 다른 안테나들 또는 비선형 파워 증폭기들에 의해 생성된 간섭을 보상할 뿐만 아니라; 5G 통신 신호가 무선 MAN의 것보다 더 긴 거리에 걸친 그 통신 경로로 인해 경험할 수 있는 환경 영향들을 보상할 수 있다.

본 명세서에 설명된 예들은 동일한 물리적 디바이스 또는 시스템과 같은 장소에 배치된 다른 안테나들에 의해 생성된 간섭(예를 들어, MIMO 디바이스 상의 안테나에 의해 생성된 간섭)을 보상할 수 있다. 예를 들어, 송신 안테나는, 동일한 물리적 디바이스 또는 시스템과 같은 장소에 배치될 수 있는 하나 이상의 안테나들을 포함하는, 근처의 수신 안테나들에 대한 간섭을 생성할 수 있다. 송신 안테나는 송신 주파수에서 그리고 또한 송신 주파수의 고조파들에서 에너지를 생성할 수 있다. 따라서, 송신 주파수 또는 송신 주파수의 고조파들에 민감한 수신 시스템들은 일부 예들에서 송신 안테나로부터의 간섭에 특히 민감할 수 있다.

또한, 무선 통신 시스템들의 송신기들 및/또는 트랜시버들에서 빈번하게 채용되는 비선형 파워 증폭기들은 송신 주파수의 고조파들에서 간섭의 생성에 기여할 수 있다. 예를 들어, 비선형 파워 증폭기는 증폭될 주파수(예를 들어, 송신 주파수)의 2배 또는 3배인 주파수 대역과 간섭하는 파워 증폭기 노이즈를 생성할 수 있다. 증폭되는 주파수의 배수는 고조파 주파수(harmonic frequencies)로 지칭될 수 있다. 따라서, 증폭될 주파수의 2배인 주파수는 2차 고조파(2f₀)로; 및 증폭될 주파수의 3배인 주파수를 3차 고조파(3f₀)로 지칭될 수 있고, 여기서 f₀은 증폭될 주파수이다. 이러한 고조파 주파수 성분들은 파워 증폭기에 의해 송신된 신호들에 도입될 수 있으며, 이는 부분적으로 파워 증폭기의 비선형 특성들로 인해 고조파 주파수들에서 에너지를 생성할 수 있다.

파워 증폭기의 이러한 비선형 특성들은 또한, 예를 들어, 파워 증폭기에 제공될 때 데이터 신호(예를 들어, 송신될 데이터 신호)에 하나 초과의 주파수가 수반되는 경우, 송신된 신호들에 다른 비선형 성분들을 도입할 수 있다. 예를 들어, 추가적인 주파수 f₁이 또한 f₀와 함께 증폭되는 경우, 추가적인 주파수 성분들은 f₀ - f₁, 2f₀ - f₁, 및 3f₀ - f₁과 같은 증폭될 주파수들 및/또는 그것들의 고조파들의 조합들을 나타내는 다양한 주파수들에서 파워 증폭기 노이즈에 의해 송신되는 신호들에 도입될 수 있다. 예를 들어, 수학적 표현에서, 비선형 특성들 또는 추가적인 주파수 성분들은 특정 주파수에서 데이터 신호의 증폭된 응답에 추가되는 고조파 성분들로서 파워 증폭기 거동의 모델에 통합될 수 있으며, 고조파 성분들 및 추가적인 주파수 성분들은 해당 특정 주파수와 관련된다.

전이중 (FD)의 예에서, 특정 주파수 대역 상에서 송신을 송신하는 안테나는, 상이한 주파수 대역 상에서 송신을 수신하도록 의도될 수 있는 인근 안테나 (예를 들어, 동일한 디바이스와 같은 위치에 배치된 안테나)에 대한 간섭을 생성할 수 있다. 이러한 간섭을 자기 간섭(self-interference)이라 한다. 자기 간섭은 MIMO 디바이스에 의해 송신 또는 수신되는 신호들의 정확도를 방해할 수 있다. 본 명세서에 설명된 예들은 전자 디바이스에서의 자기 간섭을 보상할 수 있으며, 이는 전이중 송신을 달성하는 것을 도울 수 있고, 이에 의해 또한 무선 네트워크, 예를 들어, 5G 무선 네트워크에 대한 더 높은 용량을 달성할 수 있다. 프로세싱 엘리먼트들의 네트워크는 전자 디바이스의 안테나들에 의해 생성된 자기 간섭을 보상하기 위해 조정된 신호들을 생성하는 데 사용될 수 있다.

5G 시스템들은 바람직하게는, 예를 들어, 스펙트럼 효율을 개선하기 위해 추가적인 주파수 대역들의 개선된 사용을 이룰 수 있다. 일부 시스템의 주파수 대역은 FCC(Federal Communication Commission)와 같은 규제 기관에 의해 할당될 수 있다. 예를 들어, 디지털 방송 및 무선 통신과 같은 여러 애플리케이션에 따라 할당이 이루어질 수 있다. 이러한 라이센싱된(licensed) 및 할당된 주파수들은 단순히 시분할 듀플렉스(TDD), 주파수 분할 듀플렉스(FDD) 또는 반이중(half-duplex) FDD 모드가 존재하는 경우 비효율적으로 사용될 수 있으며, 이는 기존 무선 애플리케이션에서 종종 사용되는 듀플렉싱 모드(duplexing mode)이다. 그러한 모드들은 무선 스펙트럼으로부터 개선된 효율이 요구될 때 수용가능하지 않을 수 있다.

또한, 디지털 송신 및 통신들의 빠른 발전에 따라, 라이센싱되지 않은(unlicensed) 주파수 대역들이 점점 더 작아지고, 전이중 송신 모드(full duplex transmission mode)(예를 들어, 다수의 주파수 대역들 상에서 송신 및 수신)에서 이들 라이센싱된 주파수 대역들을 사용하는 것이 유리할 수 있다. 예를 들어, FCC는 약 3.5GHz의 주파수 범위를 개방할 것을 공식적으로 제안하였다. 또한, 일부 5G 표준들은 이러한 새로운 주파수 대역들이 기존의 주파수 대역들(예를 들어, 4G 주파수 대역들)과 함께 이용될 것임을 명시한다. 본 명세서에 설명된 예들은 4G 및 5G 독립형 시스템들의 전술한 주파수 범위들을 포함하는 다수의 주파수 대역들 상에서 일부 예들에서 전이중 송신을 달성하기 위해 이용될 수 있다. 본 명세서에 설명된 일부 예들에서, 무선 디바이스 또는 시스템은 이러한 새로운 협대역 주파수 범위 상에서 송신 및 수신하는 한편, 또한 다른 5G 주파수 대역들 또는 4G 주파수 대역들(예를 들어, 1.8 ㎓)에서의 레거시 주파수 대역(legacy frequency band)들과 같은 다른 주파수 대역들 상에서 송신 및 수신할 수 있다. FD(full-duplex) 송신은 이러한 무선 통신 시스템이 상이한 주파수 대역들 상에서 적어도 부분적으로 동시에 신호들을 송신 및 수신하는 것을 허용할 수 있다. 이는 FD 5G 시스템이 다른 주파수 대역과 연동하는 것을 허용할 수 있다.

본 명세서에 설명된 예들은 순환 신경망을 갖는 무선 디바이스들 및 시스템들을 포함하는 시스템들 및 방법들을 포함한다. 순환 신경망은 무선 디바이스 또는 시스템의 다른 안테나에 의해 송신될 신호들로 인해 무선 디바이스 또는 시스템의 안테나가 경험할 것으로 예상되는 자기 간섭에 대응하는 조정된 신호를 생성하기 위해 프로세싱 엘리먼트들의 네트워크를 이용할 수 있다. 이러한 프로세싱 엘리먼트들의 네트워크는 조정된 신호들을 생성하기 위해, 각각의 가중치들에 기초하여 추가로 조합되는 중간 프로세싱 결과들을 제공하기 위해 송신 신호들을 조합할 수 있다. 프로세싱 엘리먼트들의 네트워크는 신경망(neural network)으로 지칭될 수 있다. 중간 프로세싱 결과들의 지연된 버전들이 활용되는 일부 구현예들에서, 이러한 프로세싱 엘리먼트들의 네트워크는 순환 신경망(recurrent neural network)으로 지칭될 수 있다. 중간 프로세싱 결과에 적용되는 각각의 가중치 벡터는 대응하는 중간 프로세싱 결과로부터 개개의 송신 신호에 대해 예상되는 간섭량에 기초할 수 있다.

일부 예들에서, 순환 신경망은 비트 조작 유닛들, MAC(multiplication/accumulation) 프로세싱 유닛들, 및/또는 MLU(memory look-up) 유닛들을 포함할 수 있다. 예를 들어, MAC 프로세싱 유닛들의 계층들은 순환 신경망에 의해 생성될 수 있는 조정 신호들의 전부 또는 일부에 대한 최소화된 에러에 기초하여 복수의 계수들(예를 들어, 가중치들)을 사용하여 중간 프로세싱 결과들을 가중화시킬 수 있다. 조정 신호들에 대한 에러를 최소화함에 있어서, 무선 디바이스 또는 시스템은 순환 신경망을 이용하여 전이중 송신을 달성할 수 있다.

본 명세서에 설명된 예들은 곱셈/누산 유닛들(MAC 유닛들) 및 대응하는 메모리 룩업 유닛들(MLU들)의 다수의 계층들에서 입력 데이터를 이러한 계수 데이터와 혼합하는 예들을 갖는 무선 디바이스들 및 시스템들을 포함하는 시스템들 및 방법들을 추가로 포함한다. 예를 들어, MAC 유닛들의 계층들의 수는 복수의 안테나들의 개개의 안테나들에서 수신된 채널들의 수와 같은 무선 채널들의 수에 대응할 수 있다. 또한, 이용되는 MAC 유닛들 및 MLU들의 수는 채널들의 수와 연관된다. 예를 들어, MAC 유닛들 및 MLU들의 제2 계층은 m-1개의 MAC 유닛들 및 MLU들을 포함할 수 있으며, 여기서 m은 안테나들의 수를 나타내고, 각각의 안테나는 입력 데이터의 일부를 수신한다. 바람직하게는, 이러한 하드웨어 프레임워크를 이용할 때, 생성된 출력 데이터의 프로세싱 능력은 유지될 수 있고 동시에 전자 디바이스에서 이러한 처리를 위해 이용되는 MAC 유닛들 및 MLU들의 수는 감소될 수 있다. 그러나, 일부 예들에서, 보드 공간(board space)이 이용가능할 수 있는 경우, 각각의 계층에 m개의 MAC 유닛들 및 m개의 MLU들을 포함하는 하드웨어 프레임워크가 이용될 수 있으며, 여기서 m은 안테나들의 수를 나타낸다.

다중-계층 신경망(NN)들 및/또는 다중-계층 순환 신경망(RNN)들은 무선 입력 데이터를 (예를 들어, 안테나를 통해 송신될 무선 입력 데이터로서) 송신하는 데 사용될 수 있다. NN들 및/또는 RNN들은 시변 무선 채널들(예를 들어, 자율 차량 네트워크들, 드론 네트워크들, 또는 사물 인터넷(IoT) 네트워크들)을 갖는 무선 입력 데이터를 처리하는 데 수반되는 것들과 같은 많은 무선 시스템들에서 유리할 수 있는 비선형 매핑 및 분산 프로세싱 능력들을 가질 수 있다. 이러한 방식으로, 본 명세서에 설명된 신경망들 및/또는 순환 신경망들은 전자 디바이스의 파워 증폭기들에 의해 생성된 자기 간섭을 보상하기 위해 조정된 신호들을 생성하는 데 사용될 수 있으며, 이에 의해 다양한 무선 프로토콜들(예를 들어, 5G 무선 프로토콜들)에 대한 전이중 통신을 가능하게 한다.

RNN들을 사용하여 자기 간섭을 소거함에 있어서, 본 명세서에 설명된 무선 시스템들 및 디바이스들은 그것들 개개의 통신 네트워크들의 용량을 증가시킬 수 있으며, 이러한 시스템들은 (예를 들어, 프로세싱 결과들의 시간-지연된 버전들을 활용하여) RNN들을 사용하지 않는 종래의 무선 시스템들보다 노이즈에 대해 더 불변적이다. 예를 들어, 순환 신경망들은, 예를 들어, 송신을 위한 파워 증폭기로부터 안테나로의 출력으로서 송신될 신호들에 부분적으로 기초하여 송신되는 신호들(예를 들어, 무선 트랜시버의 파워 증폭기로부터의 증폭된 신호들)에 존재할 자기 간섭 노이즈를 감소시키기 위해 사용될 수 있다. 증폭된 신호들의 RNN으로 귀결되는 프로세싱 결과들의 시간 지연된 버전들을 사용하여, RNN이 입력 데이터(예를 들어, 파워 증폭기 출력 데이터)의 시간 지연된 버전들에 대해 각각의 파워 증폭기 출력들을 이용하기 때문에, 파워 증폭기들에 의해 생성된 자기 간섭 노이즈가 보상될 수 있다. 이러한 방식으로, 순환 신경망들은 이러한 자기 간섭 노이즈에 의해 도입될 수 있는 에러들을 감소 및/또는 개선하기 위해 사용될 수 있다. 바람직하게는, 이러한 구현예에 의해, 이러한 RNN들을 구현하는 무선 시스템들 및 디바이스들은, 추가적인 데이터가 이러한 네트워크들에서 송신될 수 있기 때문에 그들 각각의 무선 네트워크들의 용량을 증가시키며, 이는 그렇지 않으면, 예를 들어, 종래의 무선 시스템들에서의 보상 기법들로 인해 송신될 데이터의 양을 제한하는 자기 간섭 노이즈의 영향들로 인해 송신되지 않을 것이다.

도 1은 본 명세서에 설명된 예에 따라 배열된 시스템의 개략도이다. 시스템(100)은 전자 디바이스(102), 전자 디바이스(110), 안테나(101), 안테나(103), 안테나(105), 안테나(107), 안테나(121), 안테나(123), 안테나(125), 안테나(127), 무선 송신기(131), 무선 송신기(133), 무선 수신기(135) 및 무선 수신기(137)를 포함한다. 안테나(101, 103, 105, 107, 121, 123, 125, 127)는 일부 예에서 상이한 주파수 또는 대역으로 동적으로 튜닝(tune)될 수 있다. 전자 디바이스(102)는 제1 주파수와 연관된 안테나(121), 제2 주파수와 연관된 안테나(123), 제1 주파수와 연관된 안테나(125), 제2 주파수와 연관된 안테나(127), 제1 주파수에 대한 무선 송신기(131), 제2 주파수에 대한 무선 송신기(133), 제1 주파수에 대한 무선 수신기(135), 및 제2 주파수에 대한 무선 수신기(137)를 포함할 수 있다. 전자 디바이스(110)는 제1 주파수와 연관된 안테나(101), 제2 주파수와 연관된 안테나(103), 제1 주파수와 연관된 안테나(105), 제2 주파수와 연관된 안테나(107), 제1 주파수에 대한 무선 송신기(111), 제2 주파수에 대한 무선 송신기(113), 제1 주파수에 대한 무선 수신기(115), 및 제2 주파수에 대한 무선 수신기(117)를 포함할 수 있다.

동작 시에, 전자 디바이스들(102, 110)은 각각의 전자 디바이스의 개개의 안테나들 사이에서 전이중 송신 모드로 동작할 수 있다. 전이중 송신 모드의 일 예에서, 일부 예들에서, 안테나(121)에 결합된 무선 송신기(131)는 제1 주파수 대역 상에서, 무선 수신기(115)에 결합된 안테나(105)로 송신할 수 있지만; 동시에 또는 공통 시간 기간의 적어도 일부 동안, 제2 주파수 대역 상에서, 안테나(103)에 결합된 무선 송신기(113)는 일부 예에서 무선 수신기(137)에 결합된 안테나(127)로 송신할 수 있다. 안테나(121) 및 안테나(103)에서의 각각의 송신들로부터 안테나(127) 또는 안테나(105)에 의해 수신된 자기 간섭은 본 명세서에 설명된 시스템들 및 방법들에 의해 적어도 부분적으로 보상될 수 있다. 자기 간섭(self-interference)은 일반적으로 전자 디바이스의 안테나들로부터, 그 동일한 전자 디바이스 상의 다른 안테나들, 또는 동일한 안테나들에 의해 수신된 신호들로의 송신들에 의해 생성된 임의의 무선 간섭을 지칭할 수 있다.

전자 디바이스(102)는 안테나(121)로부터 안테나(127)로의 무선 경로 상에서 안테나(121)로부터 제1 주파수와 연관된 자기 간섭 노이즈를 수신할 수 있다. 안테나(127)에서 수신된 자기 간섭 노이즈는 안테나(121)에 의해 송신된 제1 주파수 및/또는 안테나(121)에 의해 송신된 제1 주파수의 하나 이상의 고조파에 기초한 주파수들에서 생성된 간섭일 수 있다. 유사하게, 전자 디바이스(110)는 안테나(103)로부터 안테나(107)로의 무선 경로 상에서 안테나(103)로부터 제2 주파수와 연관된 안테나(107)에서 자기 간섭 노이즈를 수신할 수 있다. 안테나(107)에서 수신된 자기 간섭 노이즈는 안테나(103)에 의해 송신된 동일한 제2 주파수에 기초한 주파수들에 의해 생성된 간섭일 수 있다. 이 예에서 안테나들(127 및 107)은 전자 디바이스들(102, 110)로부터 무선 송신을 수신하고 있지 않을 수 있지만, 안테나들(127, 107)은 시스템(100) 내의 다른 전자 디바이스들로부터 무선 송신 신호들을 수신하고 있을 수 있어서, 안테나들(127, 107)에서 수신된 자기 간섭 노이즈는 그러한 신호들의 수신을 저하시킬 수 있다. 본 명세서에 설명된 시스템들 및 방법들에 의해, 이러한 자기 간섭 노이즈는 개개의 무선 수신기들(137, 117)이 그것들의 원하는 신호들을 수신하는 개선된 능력을 경험할 수 있도록 보상될 수 있다.

전이중 송신 모드의 일부 예들에서, 제1 주파수 대역 상에서, 안테나(121)에 결합된 무선 송신기(131)는 무선 수신기(115)에 결합된 안테나(105)로 송신할 수 있는 한편; 일부 예들에서, 제2 주파수 대역 상에서, 동시에 또는 적어도 일부 동안, 안테나(123)에 결합된 무선 송신기(133)는 일부 예에서 무선 수신기(117)에 결합된 안테나(107)로 송신할 수 있다. 따라서, 안테나(127)는 제1 주파수 및 관련 주파수들(예를 들어, 고조파들)에서의 안테나(121)로부터의 송신들로부터의 입사 에너지 및 제2 주파수 및 관련 주파수들(예를 들어, 고조파들)에서의 안테나(123)로부터의 송신들로부터의 입사 에너지를 가질 수 있다. 안테나들(121, 123)로부터의 입사 에너지는 일부 예들에서 안테나(127)에 의해 수신되도록 의도된 송신들과 간섭하는 안테나(127)에서의 의도된 수신 주파수에 충분히 근접할 수 있다. 유사하게, 안테나(125)는 안테나(121)로부터의 제1 주파수 및 관련 주파수들에서 그리고 안테나(123)로부터의 제2 주파수 및 관련 주파수들에서 입사 에너지를 가질 수 있다.

그러나, 일부 예들에서, 안테나(123)로부터의 적어도 제2 주파수 및 관련 주파수들의 에너지는 안테나(125)의 의도된 수신 주파수에 충분히 근접하지 않을 수 있다(예를 들어, 수신기의 감도 내에서). 또한 안테나들(127 및 125)은 안테나들(121 및 123)로부터의 신호들의 송신 동안 적어도 부분적으로 동시에 시스템(100) 내의 전자 디바이스(110) 또는 다른 전자 디바이스로부터의 무선 송신들을 수신할 수 있어서, 안테나들(127, 125)에 입사하는 다른 안테나들로부터의 에너지가 그러한 신호들의 수신을 저하시킬 수 있다는 것에 유의한다. 본 명세서에 설명된 시스템들 및 방법들에 의해, 이러한 자기 간섭 노이즈는 각각의 무선 수신기들(137, 135)이 의도된 송신들의 개선된 수신을 가질 수 있도록 적어도 부분적으로 보상될 수 있다.

도 1에 도시된 전자 디바이스(102) 및 전자 디바이스(110)와 같은 본 명세서에 설명된 전자 디바이스들은 일반적으로 통신 능력이 요구되는 임의의 전자 디바이스를 사용하여 구현될 수 있다. 예를 들어, 전자 디바이스(102) 및/또는 전자 디바이스(110)는 모바일 폰, 스마트 워치, 컴퓨터(예를 들어, 서버, 랩톱, 태블릿, 데스크톱), 또는 라디오를 사용하여 구현될 수 있다. 일부 예들에서, 전자 디바이스(102) 및/또는 전자 디바이스(110)는 웨어러블 디바이스, 의료 디바이스, 자동차, 비행기, 헬리콥터, 어플라이언스, 태그, 카메라, 또는 다른 디바이스와 같은, 그러나 이에 제한되지 않는, 통신 능력이 요구되는 다른 장치들에 통합되고/되거나 이들과 통신할 수 있다.

도 1에 명시적으로 도시되지는 않았지만, 전자 디바이스(102) 및/또는 전자 디바이스(110)는 일부 예들에서 메모리, 입력/출력 디바이스들, 회로부, 프로세싱 유닛들(예를 들어, 프로세싱 엘리먼트들 및/또는 프로세서들), 또는 이들의 조합들을 포함하지만 이에 제한되지 않는 다양한 컴포넌트들 중 임의의 것을 포함할 수 있다. 예를 들어, 전자 디바이스(102) 또는 전자 디바이스(110)는 각각, 도면들 5c 내지 도 5e를 참조하여 순환 신경망(512)과 같은, 본 명세서에 설명된 하나 이상의 프로세싱 유닛들 또는 이들의 임의의 조합들을 구현할 수 있다.

전자 디바이스(102) 및 전자 디바이스(110)는 각각 다수의 안테나들을 포함할 수 있다. 예를 들어, 전자 디바이스(102) 및 전자 디바이스(110)는 각각 2개 초과의 안테나들을 가질 수 있다. 3개의 안테나가 각각 도 1에 도시되어 있지만, 일반적으로 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 32, 또는 64개의 안테나를 포함하는 임의의 수의 안테나가 사용될 수 있다. 다른 수의 안테나들이 다른 예들에서 사용될 수 있다. 일부 예들에서, 전자 디바이스(102) 및 전자 디바이스(110)는 도 1에 도시된 바와 같이 동일한 수의 안테나들을 가질 수 있다. 다른 예들에서, 전자 디바이스(102) 및 전자 디바이스(110)는 상이한 수의 안테나들을 가질 수 있다.

일반적으로, 본 명세서에 설명된 시스템들은 다중-입력, 다중-출력("MIMO") 시스템들을 포함할 수 있다. MIMO 시스템들은 일반적으로 다수의 안테나들을 사용하여 송신들을 송신하는 하나 이상의 전자 디바이스들 및 다수의 안테나들을 사용하여 송신들을 수신하는 하나 이상의 전자 디바이스들을 포함하는 시스템들을 지칭한다. 일부 예들에서, 전자 디바이스들은 다수의 안테나들을 사용하여 송신들을 송신 및 수신 둘 모두를 할 수 있다. 본 명세서에 설명된 일부 예시적인 시스템들은 "대규모(massive) MIMO" 시스템들일 수 있다. 일반적으로, 대규모 MIMO 시스템들은 송신들을 송신 및/또는 수신하기 위해 특정 수(예를 들어, 8개) 초과의 안테나들을 채용하는 시스템들을 지칭한다. 안테나들의 수가 증가함에 따라, 일반적으로 송신들을 정확하게 송신 및/또는 수신하는데 수반되는 복잡도가 증가한다.

2개의 전자 디바이스들(예를 들어, 전자 디바이스(102) 및 전자 디바이스(110))이 도 1에 도시되어 있지만, 일반적으로 시스템(100)은 임의의 수의 전자 디바이스들을 포함할 수 있다.

본 명세서에 설명된 전자 디바이스들은 수신기들, 송신기들, 및/또는 트랜시버들을 포함할 수 있다. 예를 들어, 도 1의 전자 디바이스(102)는 무선 송신기(131) 및 무선 수신기(135)를 포함하고, 전자 디바이스(110)는 무선 송신기(111) 및 무선 수신기(115)를 포함한다. 일반적으로, 수신기는 하나 이상의 연결된 안테나로부터 송신을 수신하기 위해 제공될 수 있고, 송신기는 하나 이상의 연결된 안테나로부터 송신을 송신하기 위해 제공될 수 있으며, 트랜시버는 하나 이상의 연결된 안테나로부터 송신을 수신 및 송신하기 위해 제공될 수 있다. 전자 디바이스들(102, 110) 둘 모두가 개별 무선 송신기 및 개별 무선 수신기들을 갖는 도 1에 도시되어 있지만, 무선 트랜시버가 전자 디바이스의 안테나들에 결합되고, 송신들을 수신 및 송신하기 위해 무선 송신기 또는 무선 수신기로서 동작할 수 있다는 것이 인식될 수 있다. 예를 들어, 전자 디바이스(102)의 트랜시버는 안테나들(121 및 123)로의 송신들을 제공하고/하거나 그로부터의 송신들을 수신하기 위해 사용될 수 있는 반면, 전자 디바이스(110)의 다른 트랜시버들은 안테나(101) 및 안테나(103)로의 송신들을 제공하고/하거나 그로부터의 송신들을 수신하기 위해 사용될 수 있다.

일반적으로, 다수의 수신기들, 송신기들, 및/또는 트랜시버들이 전자 디바이스에 제공될 수 있다 - 전자 디바이스의 안테나들 각각과 통신하는 것. 송신들은 5G 신호들을 포함하지만 이에 제한되지 않는 다양한 프로토콜들 중 임의의 것에 따를 수 있고 및/또는, 직교 주파수 분할 다중화(OFDM), 필터 뱅크 다중-캐리어(FBMC), 일반화된 주파수 분할 다중화(GFDM), 범용 필터링된 다중-캐리어(UFMC) 송신, 바이(bi) 직교 주파수 분할 다중화(BFDM), 희소 코드 다중 액세스(SCMA), 비-직교 다중 액세스(NOMA), 다중 사용자 공유 액세스(MUSA) 및 시간 주파수 패킹을 갖는 FTN(faster-than-Nyquist) 시그널링을 포함하지만 이에 제한되지 않는 다양한 변조/복조 기법들이 사용될 수 있다. 일부 예들에서, 송신들은 5G 프로토콜들 및/또는 표준들에 따라 송신, 수신, 또는 둘 모두일 수 있다.

무선 송신기(131), 무선 송신기(133), 무선 수신기(115), 또는 무선 수신기(117)와 같은, 본 명세서에 설명된 송신기들, 수신기들, 및/또는 트랜시버들의 예들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합들을 포함하는 다양한 컴포넌트들을 사용하여 구현될 수 있다. 예를 들어, 트랜시버들, 송신기들, 또는 수신기들은 회로부 및/또는 하나 이상의 프로세싱 유닛들 (예를 들어, 프로세서들) 및 트랜시버로 하여금 본 명세서에 설명된 하나 이상의 기능들 (예를 들어, 소프트웨어)을 수행하게 하기 위한 실행가능 명령어들로 인코딩된 메모리를 포함할 수 있다.

도 2a는 본 명세서에 설명된 예들에 따라 배열된 전자 디바이스(110)의 개략도(200)이다. 전자 디바이스(110)는 또한 순환 신경망(240), 보상 컴포넌트(245), 및 보상 컴포넌트(247)를 포함할 수 있다. 각각의 무선 송신기(111, 113)는 파워 증폭기들(219, 229)과 같은 개개의 파워 증폭기들을 통해 안테나(101), 안테나(103)와 같은 개개의 안테나와 통신할 수 있다. 각각의 무선 송신기(111, 113)는 데이터 신호들(211, 213)과 같은 개개의 데이터 신호를 수신한다. 무선 송신기들(111, 113)은 RF(radio-frequency) 프론트-엔드의 동작들로 데이터 신호들(211, 213)을 처리하고 파워 증폭기들(219, 229)과 함께 증폭된 신호들(x₁(n), x₂(n)(221, 223))을 생성한다. 순환 신경망(240) 및 파워 증폭기들(219, 229)은 예를 들어, 생성된 증폭된 신호들 (x₁(n), x₂(n)(221, 223))을 수신하기 위해 서로 통신할 수 있다.

증폭된 데이터 신호 (x₁(n)(221) 및 x₂(n)(223))는 전자 디바이스(110)에서 순환 신경망(240)으로 제공된다. 예를 들어, 증폭된 데이터 신호 (x₁(n), x₂(n)(221, 223))는 개개의 파워 증폭기(219, 229)의 출력으로부터 내부 경로를 통해 순환 신경망(240)에 제공될 수 있다. 따라서, 무선 송신기들(111, 113)과 순환 신경망(240)의 출력 경로들은 서로 통신할 수 있다. 따라서, 순환 신경망(240)은 제1 주파수에 대한 무선 송신기(111) 및 파워 증폭기(219)로부터 제1 주파수와 연관된 제1 증폭된 데이터 신호 (x₁(n)(221))를 수신하고, 제2 주파수에 대한 무선 송신기(113) 및 파워 증폭기(229)로부터 제2 주파수와 연관된 제2 증폭된 데이터 신호 (x₂(n)(223))를 수신한다.

순환 신경망(240) 및 보상 컴포넌트들(245, 247)은 서로 통신할 수 있다. 각각의 무선 수신기는 보상 컴포넌트(245, 247)와 같은 개개의 보상 컴포넌트 및 개개의 저 노이즈 증폭기(LNA)(249, 259)를 통해 안테나(105, 107)와 같은 개개의 안테나와 통신할 수 있다. 일부 예들에서, 안테나들(105, 107)에서 수신된 무선 송신은 개개의 보상 컴포넌트(245, 247)에 의한 자기 간섭의 보상 및 LNA들(249, 259)에 의한 보상된 수신 신호의 증폭 후에 무선 수신기(115, 117)에 통신될 수 있다. 각각의 무선 수신기(115, 117)는 수신된 보상되고, 증폭된 무선 송신을 처리하여 수신된 데이터 신호(255, 257)와 같은 개개의 수신된 데이터 신호를 생성한다. 다른 예들에서, 더 적은, 추가적인, 및/또는 상이한 컴포넌트들이 제공될 수 있다.

본 명세서에 설명된 순환 신경망의 예는 조정된 신호를 생성하고 보상 컴포넌트에 제공할 수 있다. 따라서, 예를 들어, 순환 신경망(240)은 조정된 신호들 (y₁(n)(241) 및 y₂(n)(243))을 생성하고 이러한 조정된 신호들을 보상 컴포넌트들(245, 247)에 제공할 수 있다. 순환 신경망(240)은 증폭된 데이터 신호들(x₁(n), x₂(n)(221, 223))에 따라 이러한 조정된 신호들((y₁(n), y₂(n)(241, 243))을 생성할 수 있다. 순환 신경망(240)은 전자 디바이스(110)의 다수의(예를 들어, 모든) 무선 송신기 경로들 및 개개의 무선 수신기들에 결합된 모든 개개의 보상 컴포넌트들과 통신할 수 있고, 송신기 출력 데이터 신호들 및/또는 증폭기 출력 데이터 신호들, 예컨대 증폭된 데이터 신호들(x₁(n), x₂(n)(221, 223))에 기초하여 조정된 신호들을 제공할 수 있다.

일부 예들에서, 전이중 송신을 허용 및/또는 개선하기 위해 자기 간섭 노이즈를 보상하는 것이 바람직할 수 있다. 예를 들어, 전자 디바이스(110)의 무선 송신기들(111, 113)이 특정 주파수 대역에서 무선 송신 신호들을 송신하고; 같은 시간에 또는 동시에, 무선 수신기들(105, 107)은 상이한 주파수 대역 상에서 무선 송신 신호들을 수신하는 것이 바람직할 수 있다. 순환 신경망(240)은 조정된 신호 (y₁(n)(241) 및/또는 y₂(n)(243))로 각각의 수신된 무선 송신을 보상하기 위해 증폭된 신호들에 기초하여 각각의 무선 송신으로부터 기여되는 자기 간섭을 결정할 수 있다.

특히, 무선 통신들이 5G 표준들을 향해 이동하거나 채용함에 따라, 무선 스펙트럼들의 효율적인 사용이 점점 중요해질 수 있다. 따라서, 조정된 신호들 (y₁(n)(241) 및 y₂(n)(243))은 특정 주파수들의 고조파 주파수들에서 및/또는 각각의 파워 증폭기들(219, 229)에서 증폭되는 주파수에 기초한 추가적인 주파수 성분들에서 파워 증폭기들(219, 229) 중 하나 이상에 의해 생성된 간섭을 보상할 수 있다. 예를 들어, 증폭된 데이터 신호들 (x₁(n), x₂(n)(221, 223))로, 순환 신경망은 파워 증폭기들(219, 229)에 의해 생성된 상호 변조 성분(intermodulation component)들을 보상할 수 있다. 특히, 무선 통신들이 5G 표준들을 향해 이동함에 따라, 무선 스펙트럼들의 효율적인 사용이 점점 중요해질 수 있다.

상호 변조 성분은 증폭되는 2개의 주파수들의 차이에 의해 또는 파워 증폭기들(219, 229)의 비선형 특성들에 의해 전자 디바이스(110)에서 내부적으로 생성될 수 있다. 일 예에서, 1.8GHz 대역에서는 두 주파수의 차이로 간섭이 생성될 수 있다. 무선 송신기(111)는 데이터 신호(211)를 1.8GHz 대역(예를 들어, 제1 주파수)으로 변조할 수 있다. 무선 송신기(113)는 데이터 신호(213)를 3.5GHz 대역(예를 들어, 제2 주파수)으로 변조한다. 파워 증폭기들(219, 229)에 의해, 이들 2개의 주파수들의 차이인 주파수(예를 들어, 1.7 ㎓)에서 간섭이 생성될 수 있으며, 이는 1.8 ㎓ 대역에서 일부 간섭을 야기할 수 있다. 따라서, 제1 및 제2 송신기(111, 113)가 제1 또는 제2 주파수의 의도된 송신 주파수에 가까운 차이 주파수를 생성하면, 보상 컴포넌트들(245, 247)은 조정된 신호들(y₁(n)(241) 및 y₂(n)(243))을 이용하여 간섭을 보상하는데 이용될 수 있다.

본 명세서에 설명된 순환 신경망들의 예들은 조정된 신호들(y₁(n), y₂(n)(241, 243))을 수신기(들) 및/또는 트랜시버(들)에 제공할 수 있다. 보상 컴포넌트들(245, 247)은 조정된 신호들(y₁(n), y₂(n)(241, 243))을 수신하고 안테나들(105, 107)로부터의 착신 수신된 무선 송신을 보상할 수 있다. 예를 들어, 보상 컴포넌트들(245, 247)은 자기 간섭을 보상(예를 들어, 감소)하는 방식으로 착신 수신된 무선 송신과 조정된 신호들을 조합할 수 있다. 일부 예들에서, 보상 컴포넌트들(245, 247)은 개개의 무선 수신기들(115, 117)에 대한 보상된 수신 신호들을 생성하기 위해 수신된 무선 송신으로부터 조정된 신호들(y₁(n), y₂(n)(241, 243))을 감산할 수 있다. 예를 들어, 보상 컴포넌트(245, 247)는 가산기(adder) 및/또는 감산기(subtractor)로서 구현될 수 있다. 보상 컴포넌트(245, 247)는 보상된 수신 신호를 무선 수신기(115, 117)에 통신할 수 있다.

무선 수신기(115, 117)는 RF 프론트-엔드의 동작으로 보상된 수신 신호를 처리할 수 있다. 무선 수신기는 보상된 수신 신호를 예를 들어, 도 4를 참조하여 후술되는 무선 수신기(400)로서 처리할 수 있다. 보상 컴포넌트들(245, 247)이 수신된 무선 송신으로부터 조정 신호를 감산하는 관점에서 설명되었지만, 수신된 무선 송신을 보상하는 전달 함수로서 동작하는 조정된 신호 또는 수신된 무선 송신을 곱하기 위한 최적화 벡터로서 동작하는 조정된 신호와 같은 다양한 보상들이 가능할 수 있다는 것이 인식될 수 있다. 이러한 보상에 응답하여, 전자 디바이스(110)는 전이중 송신 모드에서 무선 통신 신호들을 송신 및 수신할 수 있다.

도 2a의 순환 신경망(240)을 포함하는, 본 명세서에 설명된 순환 신경망들의 예들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합들을 사용하여 구현될 수 있다. 예를 들어, 순환 신경망(240)은 회로부 및/또는 하나 이상의 프로세싱 유닛(들)(예를 들어, 프로세서들) 및 순환 신경망이 본 명세서에 설명된 하나 이상의 기능들을 수행하게 하기 위한 실행가능한 명령어들로 인코딩된 메모리를 사용하여 구현될 수 있다. 도 5a는 예시적인 순환 신경망을 도시한다.

도 2b는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스(270)의 개략도(250)이다. 유사하게, 도 2b의 넘버링된 엘리먼트들은 도 2a의 넘버링된 엘리먼트들과 유사한 기능을 포함한다. 전자 디바이스(270)는 또한 순환 신경망(260), 보상 컴포넌트(265), 및 보상 컴포넌트(267)를 포함할 수 있다. 각각의 무선 송신기(111, 113)는 파워 증폭기들(219, 229)과 같은 각각의 파워 증폭기들을 통해 안테나(101), 안테나(103)와 같은 각각의 안테나와 통신할 수 있다. 각각의 무선 송신기(111, 113)는 데이터 신호들(211, 213)과 같은 개개의 데이터 신호를 수신한다. 무선 송신기(113)는 신호 (x₁(n)(220))를 생성하기 위해 무선 주파수(RF) 프론트-엔드의 동작들로 데이터 신호(213)를 처리할 수 있다. 신호 (x₁(n)(220))은 파워 증폭기(229)에 의해 증폭되어 증폭된 신호 (x₂(n)(223))을 생성할 수 있다.

데이터 신호들(x₁(n), x₂(n)(220, 223))은 전자 디바이스(110)에서 순환 신경망(260)에 제공된다. 예를 들어, 데이터 신호(x₁(n), x₂(n)(220, 223))는 무선 송신기(113)의 출력 및 파워 증폭기(229)의 출력으로부터의 내부 경로를 통해 순환 신경망(260)에 제공될 수 있다. 따라서, 무선 송신기(113)와 순환 신경망(260)으로부터 시작되는 경로들은 서로 통신할 수 있다. 따라서, 순환 신경망(260)은 제2 주파수에 대한 무선 송신기(113)로부터 제2 주파수와 연관된 제1 데이터 신호 (x₁(n)(220)) 및 파워 증폭기(229)의 제2 주파수와 연관된 제2 증폭된 데이터 신호 (x₂(n)(223))를 수신한다.

순환 신경망(260) 및 보상 컴포넌트들(265, 267)은 서로 통신할 수 있다. 각각의 무선 수신기는 보상 컴포넌트(265, 267)와 같은 각각의 보상 컴포넌트 및 개개의 저 노이즈 증폭기(LNA)(249, 259)를 통해 안테나(105, 107)와 같은 각각의 무선 수신기(115, 117)의 수신기 경로를 통해 개개의 안테나와 통신할 수 있다. 일부 예들에서, 안테나들(105, 107)에서 수신된 무선 송신은 LNA들(249, 259)에 의한 수신된 신호의 증폭 및 개개의 보상 컴포넌트(265, 267)에 의한 자기 간섭의 보상 후에 무선 수신기(115, 117)에 통신될 수 있다. 각각의 무선 수신기(115, 117)는 수신, 증폭 및 보상된 무선 송신을 처리하여 수신된 데이터 신호(255, 257)와 같은 개개의 수신된 데이터 신호를 생성한다. 다른 예들에서, 더 적은, 추가적인, 및/또는 상이한 컴포넌트들이 제공될 수 있다.

본 명세서에 설명된 순환 신경망의 예는 조정된 신호를 생성하고 보상 컴포넌트에 제공할 수 있다. 따라서, 예를 들어, 순환 신경망(260)은 조정된 신호들 (y₁(n), y₂(n)(261, 263))을 생성하고 이러한 조정된 신호들을 보상 컴포넌트들(265, 267)에 제공할 수 있다. 순환 신경망(260)은 데이터 신호들(x₁(n), x₂(n)(220, 223))에 기초하여 이러한 조정된 신호들(y₁(n), y₂(n)(261, 263))을 생성할 수 있다. 순환 신경망(260)은 전자 디바이스(110)의 다수의(예를 들어, 모든) 무선 송신기 경로들 및 각각의 무선 수신기들에 결합된 모든 개개의 보상 컴포넌트들과 통신할 수 있고, 송신기 출력 데이터 신호들 및/또는 증폭기 출력 데이터 신호들, 예컨대 데이터 신호들(x₁(n), x₂(n)(220, 223))에 기초하여 조정된 신호들을 제공할 수 있다.

일부 예들에서, 전이중 송신을 달성하기 위해 자기 간섭 노이즈를 보상하는 것이 바람직할 수 있다. 예를 들어, 전자 디바이스(110)의 무선 송신기들(111, 113)이 특정 주파수 대역에서 무선 송신 신호들을 송신하고; 같은 시간에 또는 동시에, 무선 수신기들(105, 107)이 상이한 주파수 대역 상에서 무선 송신 신호들을 수신하는 것이 바람직할 수 있다. 순환 신경망(260)은 조정된 신호(y₁(n), y₂(n)(261, 263))로 각각의 수신된 무선 송신을 보상하기 위해 증폭된 신호들에 기초하여 각각의 무선 송신으로부터 기여되는 자기 간섭을 결정할 수 있다. 따라서, 조정된 신호들(y₁(n), y₂(n)(261, 263))은 특정 주파수들의 고조파 주파수들 또는 파워 증폭기(229)에서 증폭되고 있는 주파수로부터 도출되는 추가적인 주파수 성분들에서 파워 증폭기(229)에 의해 생성된 간섭을 보상할 수 있다. 예를 들어, 데이터 신호들(x₁(n), x₂(n)(220, 223))로, 순환 신경망은 파워 증폭기(229)에 의해 생성된 고조파 주파수들을 보상할 수 있다.

고조파 주파수는 전자 디바이스(110) 내부에서 생성되거나, 증폭되는 주파수에 따른 파워 증폭기(229)의 비선형 특성에 의해 생성될 수 있다. 일 예에서, 3.5GHz 대역에서는 파워 증폭기(229)에 의해 증폭되는 주파수의 2차 고조파 주파수로부터 간섭이 생성될 수 있다. 일 예에서, 무선 송신기(111)의 제1 주파수는 데이터 신호(211)를 3.5GHz 대역으로 변조할 수 있고, 무선 송신기(113)의 제2 주파수는 데이터 신호(213)를 1.8GHz 대역으로 변조할 수 있다. 이에 따라, 파워 증폭기(229)는 1.8GHz 대역의 주파수를 갖는 변조된 데이터 신호(x₁(n)(220))을 증폭하고, 증폭된 데이터 신호(x₂(n)(223))에 3.5GHz 대역과 간섭할 수 있는 3.6GHz 대역의 2차 고조파 성분과 같은 고조파 성분을 도입할 수 있다. 따라서, 제1 및 제2 송신기(111, 113)가 제1 또는 제2 주파수의 의도된 송신 주파수에 가까운 고조파 성분을 생성하면, 보상 컴포넌트들(265, 267)은 조정된 신호들(y₁(n), y₂(n)(261, 263))을 이용하여 간섭을 보상하는데 이용될 수 있다.

도 2a 및 도 2b는 가변 주파수들에서 무선 송신기들(111, 113)의 동일하거나 상이한 경로들로부터의 데이터 신호들에 대해 동작하는 개개의 자기 간섭 계산기들(240, 260)을 도시하지만, 안테나들(105, 107)에서 수신된 송신 신호들과 같은 개개의 수신된 송신 신호들에 의해 생성된 간섭으로부터의 노이즈를 보상하기 위해, 증폭되든, 변조되든, 또는 초기되든, 데이터 신호들을 갖는 다양한 경로들이 자기 간섭 계산기들(240, 260)과 같은 순환 신경망에 제공될 수 있다는 것이 인식될 수 있다. 예를 들어, 일 실시예에서, 자기 간섭 계산기는 도면들 2a 및 2b에서 수신되는 데이터 신호들(예를 들어, 데이터 신호들(221, 223 및 220)) 각각을 수신할 수 있고, 예를 들어, 조정된 신호들(241, 243, 261 및 263)이 무선 수신기(115) 및/또는 무선 수신기(117)의 경로들에 제공될 때, 수신기 경로 내의 가변 지점(varying point)들에 조정된 신호들을 제공할 수 있다. 따라서, 도 2a 및 도 2b의 전자 디바이스들(110, 270)은 이러한 시스템에서 통신하는 전자 디바이스들로부터 데이터 신호들을 송신할 때 생성되는 자기 간섭 노이즈를 보상하기 위해 전자 디바이스들(102 및/또는 110)로서 시스템(100)에서 활용될 수 있다.

도 3은 무선 송신기(300)의 개략도이다. 무선 송신기(300)는 데이터 신호(311)를 수신하고, 안테나(303)를 통한 송신을 위한 무선 통신 신호들을 생성하기 위한 동작들을 수행한다. 무선 송신기(300)는 예를 들어, 도 1, 2a, 2b의 무선 송신기들(111, 113), 또는 도 1의 무선 송신기들(131, 133)을 구현하기 위해 이용될 수 있다. 송신기 출력 데이터(x_N(n)(310))은 출력 데이터가 RF 안테나(303) 상에서 송신되기 전에 파워 증폭기(332)에 의해 증폭된다. RF-프론트 엔드에 대한 동작들은 일반적으로 아날로그 회로부로 수행되거나 디지털 프론트 엔드의 구현을 위한 디지털 기저대역 동작으로서 처리될 수 있다. RF-프론트 엔드의 동작들은 스크램블러(304), 코더(308), 인터리버(interleaver)(312), 변조 매핑(316), 프레임 적응(frame adaptation)(320), IFFT(324), 보호 구간(guard interval)(328), 및 주파수 상향 변환(330)을 포함한다.

스크램블러(304)는 입력 데이터를 의사 랜덤 또는 랜덤 이진 시퀀스로 변환할 수 있다. 예를 들어, 입력 데이터는 생성기 다항식(generator polynomial)을 갖는 의사 랜덤 이진 시퀀스(PRBS)로 변환되는 (MPEG-2 전송 스트림 및 다른 데이터와 같은) 전송 계층 소스일 수 있다. 생성기 다항식의 예에서 설명되었지만, 다양한 스크램블러(304)가 가능하다.

코더(308)는 데이터를 코딩하기 위해 스크램블러로부터 출력된 데이터를 인코딩할 수 있다. 예를 들어, 리드-솔로몬(RS) 인코더, 터보 인코더는 스크램블러(304)에 의해 공급되는 각각의 랜덤화된 전송 패킷에 대한 패러티 블록(parity block)을 생성하기 위한 제1 코더로서 사용될 수 있다. 일부 예들에서, 패러티 블록 및 전송 패킷의 길이는 다양한 무선 프로토콜들에 따라 변할 수 있다. 인터리버(312)는 코더(308)에 의해 출력되는 패러티 블록들을 인터리빙할 수 있는데, 예를 들어, 인터리버(312)는 컨볼루셔널 바이트 인터리빙(convolutional byte interleaving)을 이용할 수 있다. 일부 예들에서, 추가적인 코딩 및 인터리빙은 코더(308) 및 인터리버(312) 이후에 수행될 수 있다. 예를 들어, 추가 코딩은 인터리버로부터 출력된 데이터를 예를 들어, 특정 제약 길이를 갖는 펑처링된(punctured) 컨볼루션 코딩으로 추가 코딩할 수 있는 제2 코더를 포함할 수 있다. 추가적인 인터리빙은 접합된(joined) 블록들의 그룹들을 형성하는 내부 인터리버를 포함할 수 있다. RS 코딩, 터보 코딩, 및 펑처링된 컨볼루션 코딩의 맥락에서 설명되지만, 저밀도 패러티 체크 (LDPC) 코더 또는 폴라 코더(polar coder)와 같은 다양한 코더들(308)이 가능하다. 컨볼루셔널 바이트 인터리빙의 맥락에서 설명되었지만, 다양한 인터리버(312)가 가능하다.

변조 매핑(316)은 인터리버(312)로부터 출력된 데이터를 변조할 수 있다. 예를 들어, 직교 진폭 변조(QAM)는 관련된 캐리어의 진폭을 변경(예를 들어, 변조)함으로써 데이터를 매핑하는 데 사용될 수 있다. QPSK(Quadrature Phase Shift Keying), SCMA NOMA 및 MUSA(Multi-user Shared Access)를 포함하지만 이에 제한되지 않는 다양한 변조 매핑이 사용될 수 있다. 변조 매핑(316)으로부터의 출력은 데이터 심볼들로 지칭될 수 있다. QAM 변조의 맥락에서 설명되었지만, 다양한 변조 매핑들(316)이 가능하다. 프레임 적응(320)은 대응하는 변조 심볼들, 캐리어들, 및 프레임들을 표현하는 비트 시퀀스들에 따라 변조 매핑으로부터의 출력을 배열할 수 있다.

IFFT(324)는 (예를 들어, 프레임 적응(320)에 의해) 서브-캐리어들로 프레임화된 심볼들을 시간-도메인 심볼들로 변환할 수 있다. 5G 무선 프로토콜 기법의 예를 들면, IFFT는 N-포인트 IFFT로서 적용될 수 있다:

(1)

여기서 X_n은 n번째 5G 서브-캐리어에 발송된 변조된 심볼이다. 따라서, IFFT(324)의 출력은 시간 도메인 5G 심볼들을 형성할 수 있다. 일부 예들에서, IFFT(324)는 주파수 상향 변환(330)을 위한 심볼들을 출력하기 위해 펄스 성형 필터(pulse shaping filter) 또는 다상 필터링 뱅크(poly-phase filtering bank)들에 의해 대체될 수 있다.

도 3의 예에서, 보호 구간(328)은 시간 도메인 5G 심볼들에 보호 구간을 추가한다. 예를 들어, 보호 구간은 프레임의 시작에서 시간-도메인 5G 심볼의 끝의 일부를 반복함으로써 심볼간 간섭을 감소시키기 위해 추가되는 심볼 지속기간(duration)의 단편(fractional) 길이일 수도 있다. 예를 들어, 보호 구간은 5G 무선 프로토콜 방식의 사이클릭 프리픽스 부분(cyclic prefix portion)에 대응하는 시간 기간일 수 있다.

주파수 상향 변환(330)은 시간 영역의 5G 심볼들을 특정 라디오 주파수(radio frequency)로 상향 변환할 수 있다. 예를 들어, 시간-도메인 5G 심볼들은 기저대역 주파수 범위로서 보여질 수 있고, 로컬 발진기는 그것이 발진하는 주파수를 5G 심볼들과 혼합하여 발진 주파수에서 5G 심볼들을 생성할 수 있다. 디지털 업-컨버터(DUC)는 또한 시간-도메인 5G 심볼들을 변환하기 위해 이용될 수 있다. 이에 따라, 5G 심볼들은 RF 송신을 위해 특정 라디오 주파수로 상향 변환될 수 있다.

송신 전에, 안테나(303)에서, 파워 증폭기(332)는 송신기 출력 데이터 (x_N(n)(310))를 증폭하여 안테나(303)에서 RF 도메인에서의 RF 송신을 위한 데이터를 출력할 수 있다. 안테나(303)는 특정 라디오 주파수에서 방사하도록 설계된 안테나일 수 있다. 예를 들어, 안테나(303)는 5G 심볼들이 상향 변환된 주파수에서 방사할 수 있다. 따라서, 무선 송신기(300)는 스크램블러(304)에서 수신된 데이터 신호(311)에 기초하여 안테나(303)를 통해 RF 송신을 송신할 수 있다. 도 3과 관련하여 전술한 바와 같이, 무선 송신기(300)의 동작들은 다양한 프로세싱 동작들을 포함할 수 있다. 이러한 동작들은 종래의 무선 송신기에서 구현될 수 있으며, 각각의 동작은 해당 개개의 동작을 위해 특별히 설계된 하드웨어에 의해 구현된다. 예를 들어, DSP 프로세싱 유닛은 IFFT(324)를 구현하도록 특별히 설계될 수 있다. 이해될 수 있는 바와 같이, 무선 송신기(300)의 추가적인 동작들은 종래의 무선 수신기에 포함될 수 있다.

도 4는 무선 수신기(400)의 개략도이다. 무선 수신기(400)는 안테나(405)로부터 입력 데이터 X(i,j)(410)를 수신하고, 디스크램블러(descrambler)44)에서 수신기 출력 데이터를 생성하기 위해 무선 수신기의 동작들을 수행한다. 무선 수신기(400)는 도 1, 2a, 2b의 무선 수신기들(115, 117), 예를 들어, 도 1의 무선 수신기들(135, 137)을 구현하는데 이용될 수 있다. 안테나(405)는 특정 라디오 주파수에서 수신하도록 설계된 안테나일 수 있다. 무선 수신기의 동작들은 아날로그 회로부로 수행되거나 디지털 프론트-엔드의 구현을 위한 디지털 기저대역 동작으로서 처리될 수 있다. 무선 수신기의 동작들은 주파수 하향 변환(412), 보호 구간 제거(416), 고속 푸리에 변환(FFT)(420), 동기화(424), 채널 추정(428), 복조 매핑(432), 디인터리버(deinterleaver)(436), 디코더(440), 및 디스크램블러(descrambler)(444)를 포함한다.

주파수 하향 변환(412)은 주파수 영역 심볼들을 기저대역 프로세싱 범위로 하향 변환할 수 있다. 예를 들어, 5G 구현의 예에서 계속하면, 주파수-도메인 5G 심볼들은 기저대역 주파수 범위에서 5G 심볼들을 생성하기 위해 로컬 발진기 주파수와 혼합될 수 있다. 주파수 도메인 심볼들을 변환하기 위해 디지털 다운 컨버터(DDC)가 또한 이용될 수 있다. 이에 따라, 시간 영역 5G 심볼을 포함하는 RF 송신은 기저대역으로 하향 변환될 수 있다. 보호 구간 제거(416)는 주파수 영역 5G 심볼들에서 보호 구간을 제거할 수 있다. FFT(420)는 시간 도메인 5G 심볼들을 주파수 도메인 5G 심볼들로 변환할 수 있다. 5G 무선 프로토콜 방식의 예를 들면, FFT는 N-포인트 FFT로서 적용될 수 있다:

(2)

여기서, X_n은 n번째 5G 서브-캐리어에서 전송된 변조된 심볼이다. 따라서, FFT(420)의 출력은 주파수-도메인 5G 심볼들을 형성할 수 있다. 일부 예들에서, FFT(420)는 동기화(424)를 위한 심볼들을 출력하기 위해 다상 필터링 뱅크(poly-phase filtering bank)들에 의해 대체될 수 있다.

동기화(424)는 송신된 데이터를 동기화하기 위해 5G 심볼들에서 파일럿 심볼(pilot symbol)들을 검출할 수 있다. 5G 구현의 일부 예들에서, 파일럿 심볼들은 시간-도메인에서 프레임의 시작에서 (예를 들어, 헤더(header)에서) 검출될 수 있다. 이러한 심볼들은 프레임 동기화를 위해 무선 수신기(400)에 의해 사용될 수 있다. 프레임들이 동기화되고, 5G 심볼들은 채널 추정(428)으로 진행한다. 채널 추정 (428)은 또한, 수신된 신호에 대한 시간 또는 주파수 영향들 (예를 들어, 경로 손실) 을 추정하기 위해 시간-도메인 파일럿 심볼들 및 추가적인 주파수-도메인 파일럿 심볼들을 사용할 수 있다.

예를 들어, 각 신호의 프리앰블 기간(preamble period)에서 N개의 안테나 (안테나(405)에 추가하여)를 통해 수신된 N개의 신호에 따라 채널이 추정될 수 있다. 일부 예들에서, 채널 추정(428)은 또한 보호 구간 제거(416)에서 제거된 보호 구간(guard interval)을 사용할 수 있다. 채널 추정 프로세싱에 의해, 채널 추정(428)은 추정된 채널의 영향들을 최소화하기 위해 일부 인자에 의해 주파수-도메인 5G 심볼들을 보상할 수 있다. 채널 추정이 시간-도메인 파일럿 심볼들 및 주파수-도메인 파일럿 심볼들의 관점에서 설명되었지만, MIMO-기반 채널 추정 시스템 또는 주파수-도메인 등화(equalization) 시스템과 같은 다른 채널 추정 기술들 또는 시스템들이 가능하다.

복조 매핑(432)은 채널 추정(428)으로부터 출력된 데이터를 복조할 수 있다. 예를 들어, 직교 진폭 변조(QAM) 복조기는 관련 캐리어들의 진폭을 변경(예를 들어, 변조)함으로써 데이터를 매핑할 수 있다. 본 명세서에 설명된 임의의 변조 매핑은 복조 매핑(432)에 의해 수행되는 대응하는 복조 매핑을 가질 수 있다. 일부 예들에서, 복조 맵핑(432)은 5G 심볼들의 복조를 가능하게 하기 위해 캐리어 신호의 위상을 검출할 수 있다. 복조 매핑(432)은 디인터리버(deinterleaver)(436)에 의해 추가로 처리될 5G 심볼로부터 비트 데이터를 생성할 수 있다.

디인터리버(436)는 복조 매핑으로부터 패러티 블록으로서 배열된 데이터 비트들을 디코더(440)를 위한 비트 스트림으로 디인터리빙할 수 있으며, 예를 들어, 디인터리버(436)는 컨볼루셔널 바이트 인터리빙(convolutional byte interleaving)에 대한 역 연산을 수행할 수 있다. 디인터리버(436)는 또한 패러티 블록들에 대한 채널 영향들을 보상하기 위해 채널 추정을 사용할 수 있다.

디코더(440)는 데이터를 코딩하기 위해 스크램블러로부터 출력된 데이터를 디코딩할 수 있다. 예를 들어, 리드 솔로몬(RS) 디코더 또는 터보 디코더가 디코더로서 사용되어 디스크램블러(444)에 대한 디코딩된 비트 스트림을 생성할 수 있다. 예를 들어, 터보 디코더는 병렬 연접(concatenated) 디코딩 기법을 구현할 수 있다. 일부 예들에서, 추가적인 디코딩 및/또는 디인터리빙은 디코더 (440) 및 디인터리버 (436) 후에 수행될 수 있다. 예를 들어, 추가적인 디코딩은 디코더 (440) 로부터 출력된 데이터를 추가로 디코딩할 수 있는 다른 디코더를 포함할 수 있다. RS 디코딩 및 터보 디코딩의 맥락에서 설명되지만, 저밀도 패러티 체크(LDPC) 디코더 또는 폴라 디코더(polar decoder)와 같은 다양한 디코더(440)가 가능하다.

디스크램블러(444)는 디코더(440)로부터의 출력 데이터를 의사-랜덤 또는 랜덤 이진 시퀀스로부터 원래의 소스 데이터로 변환할 수 있다. 예를 들어, 디스크램블러(44)는 디코딩된 데이터를 스크램블러(304)의 생성기 다항식에 대한 역으로 디스크램블링되는 전송 계층 목적지(transport layer destination)(예를 들어, MPEG-2 전송 스트림)로 변환할 수 있다. 따라서 디스크램블러는 수신기 출력 데이터를 출력한다. 따라서, 무선 수신기(400)는 수신기 출력 데이터를 생성하기 위해 입력 데이터 X(i,j)(410)를 포함하는 RF 송신을 수신한다.

본 명세서에 설명된 바와 같이, 예를 들어, 도 4와 관련하여, 무선 수신기(400)의 동작들은 다양한 프로세싱 동작들을 포함할 수 있다. 이러한 동작들은 종래의 무선 수신기에서 구현될 수 있으며, 각각의 동작은 해당 개개의 동작을 위해 특별히 설계된 하드웨어에 의해 구현된다. 예를 들어, DSP 프로세싱 유닛은 FFT(420)를 구현하도록 특별히 설계될 수 있다. 이해될 수 있는 바와 같이, 무선 수신기(400)의 추가적인 동작들은 종래의 무선 수신기에 포함될 수 있다.

도 5a는 본 명세서에 설명된 예들에 따라 배열된 예시적인 신경망(500)의 개략도이다. 신경망(500)은 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n))(502)에 기초하여 조정된 신호들(y₁(n), y₂(n), y₃(n), y_L(n))(508)을 출력하는 프로세싱 엘리먼트들(504, 506, 509)의 네트워크를 포함한다. 예를 들어, 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n))(502)은 개개의(x₁(n), x₂(n), x₃(n), x_N(n)(502))을 생성하는 각각의 송신기의 개개의 안테나들에 대한 입력들에 해당할 수 있다. 프로세싱 엘리먼트들(504)은 입력들로서 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n)(502))을 수신한다.

프로세싱 엘리먼트들(504)은 예를 들어, 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n))(502)을 프로세싱 엘리먼트들(506)에 포워딩(forward)할 수 있는 비트 조작 유닛들을 사용하여 구현될 수 있다. 일부 구현예들에서, 비트 조작 유닛은 비트 단위로 디지털 로직 연산을 수행할 수 있다. 예를 들어, 비트 조작 유닛은 NOT 로직 유닛, AND 로직 유닛, OR 로직 유닛, NOR 로직 유닛, NAND 로직 유닛 또는 XOR 로직 유닛일 수 있다. 프로세싱 엘리먼트들(506)은, 예를 들어, 가우시안 함수(예를 들어,

), 다중-2차 함수(예를 들어,

), 역 다중-2차 함수(예를 들어,

), 신-플레이트(thin-plate) 스파인 함수(예를 들어,

), 피스-와이즈(piece-wise) 선형 함수(예를 들어,

), 또는 큐빅 근사 함수(cubic approximation function)(예를 들어,

))와 같은, 비선형 함수에 기초한 비선형 벡터 세트(예를 들어, 중심 벡터(center vector)들)를 포함하는 곱셈 유닛들을 사용하여 구현될 수 있다. 일부 예들에서, 파라미터

는 실제 파라미터(예를 들어, 스케일링 파라미터)이고, r은 입력 신호(예를 들어, (x₁(n), x₂(n), x₃(n), x_N(n)(502)))와 비선형 벡터 세트의 벡터 사이의 거리이다. 프로세싱 엘리먼트들(509)은, 예를 들어, 프로세싱 엘리먼트들(506) 각각으로부터 수신된 중간 프로세싱 결과들을 합산하는 누산 유닛(accumulation unit)들을 사용하여 구현될 수 있다. 중간 프로세싱 결과들을 통신할 때, 각각의 중간 프로세싱 결과는 가중치 'W'로 가중될 수 있다. 예를 들어, 곱셈 프로세싱 유닛들은 신경망에 의해 생성될 수 있는 조정 신호들의 전부 또는 일부에 대한 최소화된 에러에 기초하여 중간 프로세싱 결과들을 가중할 수 있다.

프로세싱 엘리먼트들(506)은

(i=1,2,....H인 경우)로 표시될 수 있는 비선형 벡터 세트를 포함한다. H는 프로세싱 엘리먼트들(506)의 개수를 나타낼 수 있다. 증폭된 신호들 (x₁(n), x₂(n), x₃(n), x_N(n))(502)이 프로세싱 엘리먼트들(506)에 대한 입력들로서 수신되고, 프로세싱 엘리먼트들(504)에 의한 포워딩 후에, 곱셈 프로세싱 유닛들로서 동작하는 프로세싱 엘리먼트들(506)의 출력은 h_i(n)로서 표현될 수 있다 :

(3)

f_i는 (x₁(n), x₂(n), x₃(n), x_N(n)(502))과 중심 벡터들(

) 사이의 차이의 크기에 적용되는 비선형 함수를 나타낼 수 있다. 출력(h_i(n))은 가우시안 함수, 다중 2차 함수, 역 다중 2차 함수, 신-플레이트 스파인 함수 또는 큐빅(cubic) 근사 함수와 같은 비선형 함수를 나타낼 수 있다.

프로세싱 엘리먼트들(506)의 출력 h_i(n)은 가중치 행렬 'W'로 가중될 수 있다. 프로세싱 엘리먼트들(506)의 출력 h_i(n)은 신경망(500)의 중간 프로세싱 결과들로서 지칭될 수 있다. 예를 들어, 프로세싱 엘리먼트들(506)과 프로세싱 엘리먼트들(509) 사이의 연결은, 조정된 신호들(y₁(n), y₂(n), y₃(n), y_L(n)(508))은 선형 함수일 수 있어서 가중된 출력 h_i(n)의 합산이 방정식 4로 표현될 수 있다:

(4)

따라서, 조정된 신호들(y₁(n), y₂(n), y₃(n), y_L(n)(508))은 시간 n에서의 i번째 프로세싱 엘리먼트(509)의 출력 y_i(n)일 수 있으며, 여기서, L은 프로세싱 엘리먼트들(509)의 개수이다.

는 출력 계층에서 j번째 프로세싱 엘리먼트(506)와 i번째 프로세싱 엘리먼트(509) 사이의 연결 가중치이다. 예를 들어, 도 6a의 예와 관련하여 설명된 바와 같이, 프로세싱 엘리먼트들의 각각의 계층의 중심 벡터들

및 연결 가중치들

은 순환 신경망(640)을 훈련하기 위해 샘플 벡터들(660)을 이용하는 훈련 유닛(645)에 의해 결정될 수 있다. 바람직하게는, 증폭된 신호들 (x₁(n), x₂(n), x₃(n), x_N(n)(502))로부터 생성된 조정된 신호들 (y₁(n), y₂(n), y₃(n), y_L(n)(508))은 자기 간섭 보상이 신경망(500)과 같은 신경망을 포함하는 임의의 전자 디바이스에서 달성될 수 있도록 거의 제로 레이턴시(latency)로 계산될 수 있다. 신경망(500)을 구현하는 무선 디바이스 또는 시스템은 전이중 송신을 달성할 수 있다. 예를 들어, 신경망(500)에 의해 생성된 조정된 신호들은 무선 디바이스 또는 시스템의 파워 증폭기에 의한 송신 신호들(예를 들어, 증폭된 신호들)로 인해 무선 디바이스 또는 시스템의 안테나가 경험할 자기 간섭(self-interference)을 보상할 수 있다.

신경망(500)이 곱셈 유닛들을 포함하는 프로세싱 엘리먼트들(506)의 단일 계층에 대해 설명되었지만, 곱셈 유닛들을 갖는 프로세싱 엘리먼트들의 추가 계층들이 프로세싱 엘리먼트들(504)과 프로세싱 엘리먼트들(509) 사이에 추가될 수 있다는 것이 인식될 수 있다. 신경망은 하드웨어 형태로 확장 가능하며, 추가 계층을 수용하기 위해 추가 곱셈 유닛이 추가된다. 본원에 설명된 방법들 및 시스템들을 사용하여, 곱셈 프로세싱 유닛들 및 프로세싱 엘리먼트들(506)을 포함하는 프로세싱 엘리먼트들의 추가 계층(들)은 곱셈 유닛들을 포함하는 프로세싱 엘리먼트들의 각 계층의 중심 벡터들(

) 및 연결 가중치들

을 결정하도록 최적화될 수 있다. 일부 구현예들에서, 예를 들어, 도면들 5c-5e를 참조하여 설명된 바와 같이, 프로세싱 엘리먼트들(506)의 계층들은 곱셈/누산(MAC) 유닛들을 포함할 수 있고, 각각의 계층은 추가적인 MAC 유닛들을 갖는다. 이러한 구현예들은, 개개의 프로세싱 엘리먼트들(예를 들어, 각각의 MAC 유닛)에서 중간 프로세싱 결과들을 누산하는 것은, 또한, 복수의 계수들을 검색하고 입력 데이터와 혼합될 프로세싱 엘리먼트들(506)의 개개의 계층에 대한 연결 가중치들로서 복수의 계수들을 제공하도록 구성된 메모리 룩업(MLU) 유닛들을 포함할 수 있다.

신경망(500)은 예를 들어, 임의의 수의 코어를 갖는 하나 이상의 프로세서를 사용하여 구현될 수 있다. 예시적인 프로세서 코어는 산술 로직 유닛(ALU), 비트 조작 유닛, 곱셈 유닛, 누산 유닛, 곱셈/누산(MAC) 유닛, 가산기 유닛, 룩업 테이블 유닛, 메모리 룩업 유닛, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 예들에서, 신경망(240)은 커스텀 회로부(custom circuitry)를 포함하는 회로부, 및/또는 본 명세서에 설명된 기능들을 수행하기 위한 펌웨어를 포함할 수 있다. 예를 들어, 회로부는 본 명세서에 설명된 설명된 기능들을 수행하기 위한 곱셈 유닛, 누산 유닛들, MAC 유닛들, 및/또는 비트 조작 유닛들을 포함할 수 있다. 신경망(240)은 마이크로프로세서 또는 디지털 신호 프로세서(DSP), 또는 이들의 임의의 조합을 포함하지만 이에 제한되지 않는 임의의 유형의 프로세서 아키텍처로 구현될 수 있다.

도 5b는 본 명세서에 설명된 예들에 따라 배열된 순환 신경망의 개략도이다. 순환 신경망(170)은 3개의 스테이지들(예를 들어, 계층들): 입력 스테이지(171); 결합기(combiner) 스테이지(173 및 175), 및 출력 스테이지(177)를 포함한다. 3개의 스테이지들이 도 5b에 도시되어 있지만, 예를 들어, 도 5c 내지 도 5e를 참조하여 설명된 바와 같이, 임의의 수의 스테이지들이 다른 예들에서 사용될 수 있다. 일부 구현예에서, 순환 신경망(170)은 출력 스테이지(177)에 제공될 때까지 하나의 결합기 스테이지로부터의 출력이 다른 결합기 스테이지에 제공되도록 다수의 결합기 스테이지를 가질 수 있다. 도 5c를 참조하여 설명된 바와 같이, 예를 들어, 신경망(170)에는 다수의 결합기 스테이지들이 있을 수 있다. 도 5b에 도시된 바와 같이, 지연 유닛들(175a, 175b, 및 175c)은 신경망(170)의 옵션의 컴포넌트들일 수 있다. 이러한 지연 유닛들(175a, 175b, 175c)이 본 명세서에서 설명되는 바와 같이 이용되는 경우, 신경망(170)은 순환 신경망으로 지칭될 수 있다. 따라서, 순환 신경망(170)은 본 명세서에 설명된 순환 신경망들 중 임의의 것; 예를 들어, 도 2a의 순환 신경망(240) 또는 도 2b의 순환 신경망(260)을 구현하는 데 사용될 수 있다.

신경망(170)의 제1 스테이지는 입력 노드(171)를 포함한다. 입력 노드(171)는 순환 신경망의 다양한 입력들에서 입력 데이터를 수신할 수 있다. 신경망(170)의 제2 스테이지는 결합기 유닛들(173a, 173b, 173c); 및 지연 유닛들(175a, 175b, 175c)을 포함하는 결합기 스테이지이다. 따라서, 결합기 유닛(173) 및 지연 유닛(175)은 총괄하여 결합기 스테이지로 지칭될 수 있다. 따라서, 순환 신경망(512)이 이러한 결합기들을 구현하는 도 5c의 예에서, 이러한 순환 신경망(512)은 제2 스테이지에서 결합기 유닛들(173a-c) 및 지연 유닛들(175a-c)을 구현할 수 있다. 이러한 구현예에서, 순환 신경망(512)은 입력 노드(171)로부터의 입력 데이터(예를 들어, 입력 신호들 X1(n), X2(n) 및 X3(n))를 사용하여 비선형 활성화 함수를 수행할 수 있다. 신경망(170)의 제3 스테이지는 출력 노드(177)를 포함한다. 추가적인, 더 적은, 및/또는 상이한 컴포넌트들이 다른 예들에서 사용될 수 있다. 따라서, 순환 신경망(170)은 본 명세서에 설명된 순환 신경망들 중 임의의 것; 예를 들어, 도면들 5c 내지 5e의 순환 신경망들(512) 중 임의의 것을 구현하는 데 사용될 수 있다.

순환 신경망(170)은 지연 유닛들(175a, 175b, 및 175c)을 포함하며, 이는 개개의 결합기 유닛들(173a-c)로부터 이러한 출력 데이터를 수신하는 것에 기초하여 개개의 결합기 유닛들(173a-c)로부터의 출력의 지연된 버전들을 생성한다. 이 예에서, 결합기 유닛(173a-c)의 출력 데이터는 h(n)으로 표현될 수 있고; 따라서, 지연 유닛(175a-c) 각각은 결합기 유닛(173a-c)으로부터 출력 데이터의 지연된 버전을 생성하기 위해 결합기 유닛(173a-c)의 출력 데이터를 지연시키며, 이는 h(n-t)로 표시될 수 있다. 다양한 구현예들에서, 지연의 양(t)은 또한, 예를 들어, 하나의 클록 사이클, 2개의 클록 사이클들, 또는 100개의 클록 사이클들을 변화시킬 수 있다. 즉, 지연 유닛(175)은 클록 신호를 수신하고, 클록 신호를 이용하여 지연량을 식별할 수 있다. 도 5b의 예에서, 지연된 버전은 하나의 시간 기간으로 지연되며, 여기서 '1'은 시간 기간을 나타낸다. 시간 기간은 클록 신호에 의해 정의된 시간 기간 또는 신경망(170)의 다른 엘리먼트에 의해 정의된 시간 기간과 같은 임의의 수의 시간 단위들에 해당할 수 있다. 다양한 구현예들에서, 개개의 결합기 유닛들(173a-c)로부터의 출력의 지연된 버전들은 결합기 유닛들(173a-c)의 출력 데이터에 기초하는 시그널링으로 지칭될 수 있다.

계속하여 도 5b의 예에서, 각각의 지연 유닛(175a-c)은 결합기 유닛들(173a-c)에 대한 입력으로서 결합기 유닛들(173a-c)로부터의 출력 데이터의 지연된 버전들을 제공하여, 옵션으로 순환 신경망으로서 동작한다. 이러한 지연 유닛들(175a-c)은 결합기 유닛들(173a-c)의 노드들로부터의 출력 데이터의 개개의 지연된 버전들을 결합기 유닛들(173a-c)의 각각의 입력 유닛들/노드들에 제공할 수 있다. 결합기 유닛(173a-c)으로부터 출력 데이터의 지연된 버전을 활용함에 있어서, 순환 신경망(170)은 이러한 순환 신경망(170)에 의해 처리될 입력 데이터의 시변(time-varying) 양태를 통합하는 결합기 유닛(173a-c)에서 가중치를 훈련시킬 수 있다. 일단 훈련되면, 일부 예들에서, 입력 노드(171)는 다른 관심 주파수들(예를 들어, 5G 프로토콜 주파수)과 간섭하는 주파수들에서 송신들을 생성하는 비선형 파워 증폭기들로부터 송신될 무선 데이터를 수신한다. 따라서, 입력 노드들(171)은 이러한 증폭된 신호들(예를 들어, 출력 데이터(x₁(n), x₂(n)(221, 223)))을 수신하고, 순환 신경망(170a)에서 해당 입력 데이터를 처리한다. 입력 데이터의 각각의 스트림은 대응하는 안테나들(예를 들어, 도 1의 안테나들(101 및 103))에서 송신될 신호(예를 들어, 증폭된 신호들)에 대응할 수 있다. 따라서, RNN(170)이 결합기 유닛들(173a-c)로부터의 출력 데이터의 지연된 버전들을 통합하기 때문에, 입력 데이터의 시변 성질은 입력 데이터의 더 빠르고 더 효율적인 처리를 제공할 수 있다.

순환 신경망 훈련 및 추론의 예들이 수학적으로 설명될 수 있다. 다시, 예로서,

같이 주어진 시간 순간(n)에서의 입력 데이터를 고려한다. 순환 신경망(170)의 은닉 계층(hidden layer)(들)(예를 들어, 결합기 유닛들(173a-c))의 각각의 엘리먼트에 대한 중심 벡터는

로서 표시될 수 있으며(

에 대하여, 여기서 H는 은닉 계층에서의 엘리먼트 번호이다).

은닉 계층 내의 각각의 엘리먼트의 출력은 그런 다음 다음과 같이 주어질 수 있다:

(5)

t는 결합기 유닛들(173)의 출력이 결합기 유닛들(173)의 출력의 지연된 버전을 포함하도록 지연 유닛(175)에서의 지연일 수 있다. 일부 예들에서, 이는 결합기 유닛들(173)의 피드백으로 지칭될 수 있다. 따라서, 마지막 은닉 계층과 출력 계층 사이의 연결들 각각은 가중될 수 있다. 출력 계층의 각각의 엘리먼트는 합산(예를 들어, 가중된 합산)을 수행할 수 있도록 선형 입력-출력 관계를 가질 수 있다. 따라서, 시간 n에서 출력 계층의 i 번째 엘리먼트의 출력은 다음과 같이 기록될 수 있다:

(6)

에 대하여, 여기서, L은 출력 계층의 출력의 엘리먼트 번호이고, W_ij는 은닉 계층의 j번째 엘리먼트와 출력 계층의 i번째 엘리먼트 사이의 연결 가중치이다.

추가적으로 또는 대안적으로, 도 5b가 결합기 유닛들(173a-c) 및 지연 유닛들(175a-c)을 포함하는 결합기들의 단일 스테이지(예를 들어, 제2 스테이지)에 대해 설명되었지만, 예를 들어, 이제 도 5c 내지 도 5e를 참조하여 설명될 바와 같이, 유사한 결합기 스테이지들의 다수의 스테이지들이 변화하는 유형들의 결합기 유닛들 및 변화하는 지연들을 갖는 변화하는 유형들의 지연 유닛들을 갖는 신경망(170)에 포함될 수 있다는 것이 인식될 수 있다.

도 5c는 본 명세서에 설명된 예들에 따른 시스템(501)에 배열된 순환 신경망(512)의 개략도이다. 이러한 하드웨어 구현(예를 들어, 시스템(501))은 예를 들어, 도 2의 순환 신경망(240), 도 5a의 신경망(500) 또는 도 5b의 순환 신경망(170)과 같은 하나 이상의 신경망을 구현하는 데 사용될 수 있다. 추가적으로 또는 대안적으로, 일부 구현예들에서, 순환 신경망(512)은 그러한 컴퓨팅 시스템으로부터 입력 데이터(510a, 510b, 및 510c)를 수신할 수 있다. 입력 데이터(510a, 510b, 510c)는 메모리(545)에 저장될 수 있는 송신될 데이터일 수 있다. 일부 예들에서, 메모리(545)에 저장된 데이터는 순환 신경망(512)이 구현되는 전자 디바이스(110)에 결합된 복수의 안테나들로부터 송신될 입력 데이터일 수 있다. 전자 장치(110)가 복수의 안테나들(101, 103)에 결합되는 예에서, 입력 데이터(510a) X₁(i, i-1)은 제1 주파수에서 안테나(101)에서 전송될 제1 RF 송신에 대응할 수 있고, 입력 데이터(510b) X₂(i, i-1)는 제2 주파수에서 안테나(103)에서 송신될 제2 RF 송신에 대응할 수 있고, 입력 데이터(510c) X_m(i, i-1)은 제m 주파수에서 제m 안테나에서 송신될 제m RF 송신에 대응할 수 있다. m은 안테나들의 개수를 나타낼 수 있고, 각각의 안테나는 입력 데이터의 일부를 송신한다.

일부 예들에서, m은 또한 입력 데이터가 송신될 다수의 무선 채널들에 대응할 수 있고; 예를 들어, MIMO 송신에서, RF 송신은 복수의 안테나들(101 및 103)에서 다수의 무선 채널들을 통해 발송될 수 있다. 입력 데이터가 (송신되는 것과 대조적으로) 수신되는 예에서, 입력 데이터(510a, 510b, 510c)는, 예를 들어, 비선형 파워 증폭기들(219, 229)에 의해 처리된 후에 다수의 안테나들에서 송신될 입력 데이터의 부분들에 대응할 수 있다. 따라서, 출력 데이터(530B(1))는 컴퓨팅 시스템(501)의 순환 신경망(512)을 구현하는 전자 디바이스에서 안테나들(101 및 103)에서 송신될 MIMO 출력 신호일 수 있다.

입력 데이터 신호들의 표현에서 나타낸 바와 같이, 입력 데이터(510a) X₁(i, i-1)은 시간 i에서의 입력 데이터의 현재 부분, 및 시간 i-1에서의 입력 데이터의 이전 부분을 포함한다. 예를 들어, 입력 데이터의 현재 부분은 특정 시간 기간에(예를 들어, 시간 i에서) 안테나(101)에서 획득된 샘플일 수 있는 반면, 입력 데이터의 이전 부분은 특정 시간 기간 이전의 시간 기간에(예를 들어, 시간 i-1에서) 안테나(101)에서 획득된 샘플일 수 있다. 따라서, 입력 데이터의 이전 부분은 입력 데이터의 현재 부분의 시간 지연된 버전으로서 지칭될 수 있다. 각각의 시간 기간에서의 입력 데이터의 부분들은, 예를 들어, 벡터 또는 행렬 포맷으로 획득될 수 있다. 일 예에서, 시간 i에서의 입력 데이터의 현재 부분은 단일 값일 수 있고; 시간 i-1에서의 입력 데이터의 이전 부분은 단일 값일 수 있다. 따라서, 입력 데이터(510a) X₁(i, i-1)은 벡터일 수 있다. 일부 예들에서, 시간 i에서의 입력 데이터의 현재 부분은 벡터 값일 수 있고; 시간 i-1에서의 입력 데이터의 이전 부분은 벡터 값일 수 있다. 따라서, 입력 데이터(510a) X₁(i, i-1)은 행렬(matrix)일 수 있다.

입력 데이터의 현재 및 이전 부분으로 획득되는 이러한 입력 데이터는 마르코프 프로세스(Markov process)를 나타낼 수 있어서, 적어도 현재 샘플과 이전 샘플 사이의 인과 관계는 순환 신경망(512)의 MLU들 및 MAC 유닛들에 의해 이용될 계수 데이터의 훈련을 위한 가중치 추정의 정확도를 개선시킬 수 있다. 앞서 언급된 바와 같이, 입력 데이터(510)는 제1 주파수에서 송신될 데이터(예를 들어, 증폭된 신호들) 및/또는 제1 무선 채널에서 송신될 데이터를 나타낼 수 있다. 따라서, 입력 데이터(510b) (X2(i, i-1))는 시간 i에서의 입력 데이터의 현재 부분 및 시간 i-1에서의 입력 데이터의 이전 부분을 포함하여, 제2 주파수에서 또는 제2 무선 채널에서 송신될 데이터를 나타낼 수 있다. 그리고, 순환 신경망(512)에 의해 송신될 입력 신호들의 수는 일부 예들에서 순환 신경망(512)을 구현하는 전자 디바이스(110)에 결합된 안테나들의 수와 동일할 수 있다. 따라서, 입력 데이터(510c) Xm(i, i-1)은 시간 i에서의 입력 데이터의 현재 부분 및 시간 i-1에서의 입력 데이터의 이전 부분을 포함하는 m번째 주파수 또는 m번째 무선 채널에서 송신될 데이터를 나타낼 수 있다.

순환 신경망(512)은 메모리(545)로부터 송신될 입력 데이터와 혼합될 때, 출력 데이터(예를 들어, B(1))(530)를 생성할 수 있는 곱셈 유닛/누산(MAC) 유닛들(511a-c, 516a-b, 및 520); 지연 유닛들(513a-c, 517a-b, 및 521); 및 메모리 룩업 유닛들(MLU들)(514a-c, 518a-b, 및 522)을 포함할 수 있다. 상이한 엘리먼트 번호들을 갖는 MAC 유닛들 및 MLU 유닛들의 각각의 세트는 순환 신경망(512)에 대한 결합기들의 개개의 스테이지로 지칭될 수 있다. 예를 들어, 결합기들의 제1 스테이지는 다양한 결합기 스테이지들로서 "은닉(hidden)" 계층들을 갖는 도 5a와 관련하여 참조된 바와 같이, 제1 스테이지 또는 "계층(layer)"을 형성하기 위해 지연 유닛들(513a-c)과 함께 동작하는 MAC 유닛들(511a-c) 및 MLU들(514a-c)을 포함한다. 계속해서 이 예에서, 결합기들의 제2 스테이지는 은닉 계층들의 제2 스테이지 또는 제2 계층을 형성하기 위해, 지연 유닛들(517a-b)과 함께 동작하는 MAC 유닛들(516a-b) 및 MLU들(518a-b)을 포함한다. 그리고, 결합기들의 제3 스테이지는 은닉 계층들의 제3 스테이지 또는 제3 계층을 형성하기 위해 지연 유닛(521)과 함께 동작하는 MAC 유닛(520) 및 MLU(522)를 포함하는 단일 결합기일 수 있다.

순환 신경망(512)은, 순환 신경망(512)이 입력 데이터(510a, 510b, 및 510c) 및 지연 유닛들(513a-c, 517a-b, 및 521)로부터의 프로세싱 결과들의 지연된 버전들(예를 들어, MAC 유닛들의 각각의 계층들의 각각의 출력들)을 계수 데이터와 곱하고/하거나 누산하여 출력 데이터(530) B(1)를 생성하도록 곱셈 유닛들(511a-c, 516a-c, 및 520)을 구성하게 하는, 모드 구성 가능 제어(505)에 저장된 명령어들(515)을 제공할 수 있다. 예를 들어, 모드 구성 가능 제어(505)는 메모리(545)로 하여금 메모리(545)에 저장된 계수 데이터(예를 들어, 가중치들 및/또는 다른 파라미터들)를 MAC 유닛들(511a-c, 516a-b 및 520) 및 지연 유닛들(513a-c, 517a-b 및 521)에 대한 가중치들로서 MLU들(514a-c, 518a-b 및 522)에 제공하게 하는 명령어들을 실행할 수 있다. 동작 동안, 모드 구성 제어(505)는 예를 들어, 특정 송신 안테나로부터 다른 송신 안테나로의 자기 간섭 노이즈를 계산하기 위해 표시된 자기 간섭 노이즈에 기초하여 메모리(545)에서 가중치들 및/또는 다른 파라미터들을 선택하는데 사용될 수 있다.

MAC 유닛들의 개개의 계층들의 개개의 출력들(예를 들어, MLU들(514a-c, 518a-b, 및 522)의 출력들)의 표현에서 표시된 바와 같이, 각각의 MAC 유닛(511a-c, 516a-b, 및 520)에 대한 입력 데이터는 시간 i에서의 입력 데이터의 현재 부분, 및 시간 i-1에서의 프로세싱 결과의 지연된 버전을 포함한다. 예를 들어, 입력 데이터의 현재 부분은 특정 시간 기간에(예를 들어, 시간 i에서) 안테나(101)에서 획득된 샘플일 수 있는 반면, 프로세싱 결과의 지연된 버전은 지연 유닛(513a-c, 517a-b 및 521)의 출력으로부터 획득될 수 있으며, 이는 (예를 들어, 도입된 지연의 결과로서) 특정 시간 기간 이전의 시간 기간을 나타낸다. 따라서, 현재 기간 및 적어도 하나의 이전 기간 모두로부터 획득된 이러한 입력 데이터를 사용할 때, 출력 데이터(B(1)(530))은 마르코프 프로세스를 나타낼 수 있어서, 현재 시간 기간 및 이전 시간 기간으로부터의 적어도 데이터 사이의 인과 관계는 순환 신경망(512)의 MAC 유닛들 및 MLU들에 의해 이용될 계수 데이터의 훈련 또는 순환 신경망(512)을 이용할 때 송신될 신호들의 추론을 위한 가중치 추정의 정확도를 개선시킬 수 있다. 이전에 언급된 바와 같이, 입력 데이터(510)는 증폭된 신호들(x₁(n), x₂(n)(221, 223))을 나타낼 수 있다. 따라서, 입력 데이터(510b) X2(i, i-1)는 증폭된 신호 (x₂(n)(223))를 나타낼 수 있다. 그리고, 순환 신경망(512)에 의해 획득된 입력 신호들의 수는 일부 예들에서 순환 신경망(512)을 구현하는 전자 디바이스(110)에 결합된 안테나들의 수와 동일할 수 있다. 따라서, 입력 데이터(510c) Xm(i, i-1)은 시간 i에서 입력 데이터의 현재 부분을 포함하여 m 번째 주파수 또는 m 번째 무선 채널에서 획득된 데이터를 나타낼 수 있다. 따라서, 513a-c, 517a-b, 및 521로부터의 출력 데이터의 지연된 버전들을 이용할 때, 순환 신경망(170)은 송신될 신호들의 처리를 위해 개별화된 주파수-대역, 시간-상관 데이터를 제공한다.

입력 데이터를 계수와 혼합하기 위한 이러한 명령어(515)를 실행하는 예에서, MAC 유닛(511a-c) 및 MLU(514a-c)의 제1 계층에서, 곱셈 유닛/누산 유닛(511a-c)은 대응하는 입력 데이터(510a, 510b 또는 510c)로부터의 적어도 2개의 피연산자 및 개개의 지연 유닛(513a-c)으로부터의 피연산자를 곱하고 누산하여 MLU(514a-c)에 제공되는 곱셈 프로세싱 결과를 생성하도록 구성된다. 예를 들어, 곱셈 유닛/누산 유닛(511a-c)은 M N 및 T의 3개의 피연산자가 개개의 계수 데이터와 곱해지고, 그런 다음 P와 더해져 개개의 MLU(514a-c)에 저장되는 P의 새로운 버전을 생성하도록 곱셈 누산 연산을 수행할 수 있다. 따라서, MLU(514a)는 저장된 곱셈 프로세싱 결과가 MAC 유닛의 다음 계층에 제공될 때까지 곱셈 프로세싱 결과를 래치(latch)한다. MLU들(514a-c, 518a-b, 및 522)은 D, T, SR, 및/또는 JK 래치들과 같은 메모리 룩업 유닛으로서 동작하는 임의의 수의 프로세싱 엘리먼트들에 의해 구현될 수 있다.

추가로, 이 예에서, MLU(514a)는 프로세싱 결과를 지연 유닛(513a)에 제공한다. 지연 유닛(513a)은 피연산자 T로서 MAC 유닛(511a)에 출력하기 위해 프로세싱 결과(예를 들어, h1(i))의 지연된 버전을 생성하기 위해 프로세싱 결과(예를 들어, h1(i-1))를 지연시킨다. 도 5c의 지연 유닛(513a-c, 517a-b, 521)이 '1'의 지연을 도입하는 것으로 도시되어 있지만, MAC 유닛의 제1 계층의 출력에 다양한 지연량이 도입될 수 있다는 것이 인식될 수 있다. 예를 들어, '1'의 샘플 지연(예를 들어, h1(i-1))을 도입한 클록 신호는 대신에 '2', '4' 또는 '100'의 샘플 지연을 도입할 수 있다. 다양한 구현예들에서, 지연 유닛들(513a-c, 517a-b 및 521)은 지연 유닛으로서 동작할 수 있는 플롭(flop)들(예를 들어, D-플롭들) 및/또는 하나 이상의 다양한 로직 게이트들(예를 들어, AND, OR, NOR 등)과 같은 클록 신호 또는 다른 시간 지향 신호를 사용하여 프로세싱 회로부에 지연을 도입할 수 있는 임의의 수의 프로세싱 유닛들에 대응할 수 있다.

순환 신경망의 제1 은닉 계층의 예에서, MLU들(514a-c)은 메모리(545)에 저장된 계수 데이터를 검색할 수 있으며, 이는 현재 기간로부터의 데이터 및 이전 기간로부터의 데이터(예를 들어, 제1 계층 프로세싱 결과들의 지연된 버전들) 둘 모두에 대해 MAC 유닛들의 제1 계층에 적용될 가중치들과 연관된 가중치들일 수 있다. 예를 들어, MLU(514a)는 피연산자 M 및 피연산자 N 둘 모두에 적용될 하나 이상의 계수(예를 들어, 제1 주파수와 연관된 특정 계수)뿐만 아니라 피연산자 T에 적용될 추가 계수를 검색하는 테이블 룩업일 수 있다. MLU(514a-c)는 또한 생성된 곱셈 프로세싱 결과를 MAC 유닛(516a-b) 및 MLU(518a-b)의 다음 계층에 제공한다. MLU(518a, 518b) 및 MLU(522)와 각각 함께 작동하는 MAC 유닛(516a, 516b) 및 MAC 유닛(520)의 추가 계층은 출력 데이터((530) B(n))를 생성하기 위해 곱셈 결과를 계속 처리할 수 있다. 이러한 회로부 배열을 사용하여, 출력 데이터(530B(1))는 입력 데이터(510a, 510b 및 510c)로부터 생성될 수 있다.

바람직하게는, 시스템(501)의 순환 신경망(512)은, 예를 들어, 도 5d의 순환 신경망(512)과 비교하여, 감소된 수의 MAC 유닛들 및/또는 MLU들을 이용할 수 있다. 순환 신경망(512)의 각각의 계층에서의 MAC 유닛들 및 MLU들의 수는 순환 신경망(512)이 구현되고 있는 디바이스에 결합된 채널들의 수 및/또는 안테나들의 수와 연관된다. 예를 들어, MAC 유닛들 및 MLU들의 제1 계층은 m개의 해당 유닛들을 포함할 수 있으며, 여기서 m은 안테나들의 수를 나타내고, 각각의 안테나는 입력 데이터의 일부를 수신한다. 각각의 후속 계층은 MAC 유닛들, 지연 유닛들, 및 MLU들의 감소된 부분을 가질 수 있다. 도시된 바와 같이, 예를 들어, 도 5c에서, MAC 유닛들(516a-b), 지연 유닛(517a-b), 및 MLU들(518a-b)의 제2 계층은 m = 3일 때 m-1개의 MAC 유닛들 및 MLU들을 포함할 수 있다. 따라서, MAC 유닛(520), 지연 유닛(521), 및 MLU(522)를 포함하는 순환 신경망(512)의 마지막 계층은 단 하나의 MAC, 하나의 지연 유닛, 및 하나의 MLU를 포함한다. 순환 신경망(512)이 마르코프 프로세스를 나타낼 수 있는 입력 데이터(510a, 510b, 및 510c)를 이용하기 때문에, 프로세싱 유닛의 각각의 후속 계층에서의 MAC 유닛들 및 MLU들의 수는 출력 데이터(530)(B(1))에 대한 정밀도의 실질적인 손실 없이; 예를 들어, 시스템(550)의 순환 신경망(512)의 것과 같이, 각각의 계층에서 동일한 수의 MAC 유닛들 및 MLU들을 포함하는 순환 신경망(512)과 비교할 때, 감소될 수 있다.

예를 들어, 메모리(545)로부터의 계수 데이터는 입력 데이터(510a-510c) 및 지연된 버전의 프로세싱 결과들과 혼합되어 출력 데이터(530B(1))를 생성할 수 있다. 예를 들어, 입력 데이터(510a-c) 및 프로세싱 결과들의 지연된 버전들에 기초하여 출력 데이터(530) B(1)에 대한 계수 데이터의 관계는 다음과 같이 표현될 수 있다:

(7)

여기서, a(m), a(m-1), a1은 개별적으로 곱셈/누산 유닛(511a-c)의 제1 계층 및 지연 유닛(513a-c)의 출력; 곱셈/누산 유닛(516a-b)의 제2 계층 및 지연 유닛(517a-b)의 출력; 및 곱셈/누산 유닛(520) 및 지연 유닛(521)의 출력을 갖는 마지막 계층에 대한 계수이고, 여기서

은 메모리 룩업 유닛(514a-c 및 518a-b)에 의해 수행될 수 있는 매핑 관계(mapping relationship)이다. 전술한 바와 같이, 메모리 룩업 유닛들(514a-c 및 518a-b)은 입력 데이터 및 MAC 유닛들의 각각의 계층의 각각의 지연된 버전들과 혼합하기 위해 계수들을 검색한다. 따라서, 출력 데이터는 메모리에 저장된 계수들의 세트를 사용하여 개개의 곱셈/누산 유닛들과 MAC 유닛들의 지연된 버전들 및 입력 데이터를 조작함으로써 제공될 수 있다. 계수들의 세트는 자기 간섭 노이즈를 나타내는 벡터들과 연관될 수 있다. 예를 들어, 송신될 신호들의 경우, 계수들의 세트의 각각의 계수는 복수의 송신 안테나들 중 적어도 하나의 다른 송신 안테나로부터 복수의 안테나들 중 제1 송신 안테나로의 개개의 무선 경로의 자기 간섭의 개별 벡터일 수 있다. 계수들의 세트는 순환 신경망(예를 들어, 순환 신경망(170))의 훈련으로부터 획득된 연결 가중치(connection weight)들에 기초할 수 있다. 결과적인 매핑된 데이터는 원하는 무선 프로토콜과 연관된 메모리에 저장된 계수들의 추가적인 세트들을 사용하여 추가적인 곱셈/누산 유닛들 및 추가적인 지연 유닛들에 의해 조작될 수 있다. 순환 신경망(512)의 각각의 스테이지에서 곱해진 계수들의 세트들은 구체적으로 설계된 하드웨어(예를 들어, FPGA)에서 입력 데이터의 프로세싱의 추정을 표현하거나 제공할 수 있다.

추가하여, 방정식 (7)에 의해 표현된 바와 같이, 시스템(501)은 일부 예들에서 임의적으로 작은 에러를 갖는 임의의 비선형 매핑을 근사화할 수 있고, 시스템(501)의 매핑은 계수들 a(m), a(m-1), a1에 의해 결정될 수 있다는 것이 도시될 수 있다. 예를 들어, 이러한 계수 데이터가 특정되면, 입력 데이터(510a-510c)와 출력 데이터(530) 사이의 임의의 매핑 및 프로세싱이 시스템(501)에 의해 달성될 수 있다. 예를 들어, 계수 데이터는 입력 데이터(510a-c)와 출력 데이터(B(1)(530))의 비선형 맵핑을 나타낼 수 있다. 일부 예들에서, 계수 데이터의 비선형 맵핑들은 가우시안 함수, 피스-와이즈(piece-wise) 선형 함수, 시그모이드(sigmoid) 함수, 신-플레이트-스플라인 함수(thin-plate-spline function), 다중-이차 함수, 큐빅 근사화, 역 다중-이차 함수, 또는 이들의 조합들을 나타낼 수 있다. 일부 예에서, 메모리 룩업 유닛(514a-c, 518a-b)의 일부 또는 전부는 비활성화될 수 있다. 예를 들어, 메모리 룩업 유닛(514a-c, 518a-b) 중 하나 이상은 단위 이득(unity gain)을 갖는 이득 유닛으로 동작할 수 있다. 시스템(501)에 도시된 회로부 배열로부터 도출된 바와 같은 이러한 관계는 계수 데이터를 생성하기 위해 컴퓨팅 시스템(501)의 엔티티(entity)를 훈련하는 데 사용될 수 있다. 예를 들어, 방정식 (7)을 사용하여, 컴퓨팅 시스템(501)의 엔티티는 계수 데이터를 생성하기 위해 입력 데이터를 출력 데이터와 비교할 수 있다.

곱셈 유닛/누산 유닛들(511a-c, 516a-b 및 520) 각각은 다수의 곱셈기들, 다수의 누산 유닛(accumulation unit), 또는/또는 다수의 가산기(adder)들을 포함할 수 있다. 곱셈 유닛/누산 유닛(511a-c, 516a-b 및 520) 중 어느 하나는 ALU를 사용하여 구현될 수 있다. 일부 예들에서, 곱셈 유닛/누산 유닛들(511a-c, 516a-b 및 520) 중 임의의 하나는 개별적으로 다수의 곱셈들 및 다수의 가산들을 수행하는 하나의 곱셈기 및 하나의 가산기를 포함할 수 있다. 곱셈/누산 유닛(511a-c, 516a-b 및 520)의 입력-출력 관계는 다음과 같이 표현될 수 있다:

(8)

여기서, "I"는 해당 유닛에서 곱셈들을 수행하는 횟수를 나타내고,

메모리(545)와 같은 메모리로부터 액세스될 수 있는 계수들을 나타내고,

는 입력 데이터(510a-c)로부터의 인자 또는 곱셈 유닛/누산 유닛들(511a-c, 516a-b, 및 520)로부터의 출력을 나타낸다. 일 예에서, 곱셈 유닛/누산 유닛들의 세트의 출력,

은, 곱셈 유닛/누산 유닛들의 다른 세트의 출력,

에 의해 곱해진 계수 데이터,

의 합과 같다. 또한,

은 입력 데이터일 수 있어서, 곱셈 유닛/누산 유닛들의 세트의 출력

이, 입력 데이터에 의해 곱해진 계수 데이터,

의 합과 같게 된다.

도 5c에서 순환 신경망(512)으로서 설명되었지만, 순환 신경망(512)은 순환 신경망에서 구현되는 이러한 노이즈의 계산을 통해 자기 간섭 노이즈를 소거 및/또는 보상하기 위해 동작 시에, 본 명세서에 설명된 순환 신경망들 중 임의의 것에서 또는 임의의 순환 신경망으로서 구현될 수 있다는 것이 인식될 수 있다. 예를 들어, 순환 신경망(512)은 본 명세서에 설명된 순환 신경망들 중 임의의 것; 예를 들어, 도 2a의 순환 신경망(240) 또는 도 2b의 순환 신경망(260)을 구현하는 데 사용될 수 있다. 이러한 구현예들에서, 순환 신경망들은 자기 간섭 노이즈에 의해 도입될 수 있는 에러들을 감소 및/또는 개선시키기 위해 사용될 수 있다. 바람직하게는, 이러한 구현예로, 이러한 RNN들을 구현하는 무선 시스템들 및 디바이스들은, 추가적인 데이터가 이러한 네트워크들에서 송신될 수 있기 때문에 그들 개개의 무선 네트워크들의 용량을 증가시키며, 이들은 그렇지 않으면 자기 간섭 노이즈의 영향들로 인해 송신되지 않았을 것이다.

도 5d는 본 명세서에 설명된 예들에 따른 시스템(550)에 배열된 순환 신경망(512)의 개략도이다. 이러한 하드웨어 구현예(예를 들어, 시스템(550))은, 예를 들어, 도 2의 순환 신경망(240), 도 5a의 신경망(500) 또는 도 5b의 순환 신경망(170)과 같은 하나 이상의 신경망을 구현하는 데 사용될 수 있다. 유사하게, 도 5d의 설명된 엘리먼트들은 도 5c와 관련하여 설명된 바와 같이 동작할 수 있지만, 도 5d와 관련하여 설명된 바와 같은 추가적인 특징부들을 또한 포함할 수 있다. 예를 들어, 도 5d는 도 5c의 MAC 유닛들(511a-c) 및 지연 유닛들(513a-c)에 대해 설명된 바와 같이 동작할 수 있는 MAC 유닛들(562a-c) 및 지연 유닛들(563a-c)을 도시한다. 따라서, 도 5c에 대해 50만큼 오프셋된 수치 표시자를 갖는 도 5d의 엘리먼트들은 순환 신경망(512)의 유사한 엘리먼트들을 포함한다; 예를 들어, MAC 유닛(566a)은 MAC 유닛(516a)에 대해 유사하게 동작한다. 순환 신경망(512)을 포함하는 시스템(550)은 또한 도 5c의 순환 신경망(512)에서 강조되지 않은 추가적인 특징부들을 포함한다. 예를 들어, 도 5d의 순환 신경망(512)은 MAC 유닛들(566c 및 570b-c); 지연 유닛들(567c 및 571b-c); 및 MLU들(568c 및 572b-c)을 추가로 포함하여, 출력 데이터는 도 5c에서 B(1)(530)로서 단독으로 제공되는 것이 아니라 575a-c로서 제공된다. 바람직하게는, 순환 신경망(512)을 포함하는 시스템(550)은 입력 데이터(560a-c)를 처리하여 더 큰 정밀도를 갖는 출력 데이터(575a-c)를 생성할 수 있다. 예를 들어, 순환 신경망(512)은 MLU(568c)에서 검색되고, 추가 MAC 유닛들(566c 및 570b-c) 및 추가 지연 유닛들(567c 및 571b-c)에 의해 곱해지고/되거나 누산된 추가 계수로 입력 데이터(560a-560c)를 처리하여, 더 큰 정밀도를 갖는 출력 데이터(575a-c)를 생성할 수 있다. 예를 들어, 이러한 추가적인 프로세싱은 2개의 상이한 안테나들 사이의 자기 간섭 노이즈를 나타내는 벡터를 추정하는 출력 데이터를 제공하는 것과 관련하여 더 정밀한 출력 데이터로 귀결될 수 있다. 보드 공간(board space)(예를 들어, 인쇄 회로 보드)이 설계에서 1차 요인이 아닌 구현예들에서, 도 5d의 순환 신경망(512)의 구현들은 도 5c의 순환 신경망(512)의 것과 비교하여 바람직할 수 있으며; 이는 일부 구현예들에서, 도 5d의 순환 신경망(512)보다 더 적은 엘리먼트들을 갖는 결과로서 더 적은 보드 공간을 차지할 수 있다.

도 5e는 본 명세서에 설명된 예들에 따른 시스템(580)에 배열된 순환 신경망(512)의 개략도이다. 이러한 하드웨어 구현예(예를 들어, 시스템(580))은, 예를 들어, 도 2의 순환 신경망(240), 도 5a의 신경망(500), 또는 도 5b의 순환 신경망(170)과 같은 하나 이상의 신경망을 구현하는 데 사용될 수 있다. 도 5e의 유사하게 설명된 엘리먼트들은 도 5d의 지연 유닛들(563a-c, 567a-c 및 571a-c)을 제외하고, 도 5d와 관련하여 설명된 바와 같이 동작할 수 있다. 예를 들어, 도 5e는 도 5d의 MAC 유닛들(562a-c) 및 지연 유닛들(563a-c)에 대해 설명된 바와 같이 동작할 수 있는 MAC 유닛들(582a-c) 및 지연 유닛들(583a-c)을 도시한다. 따라서, 도 5d에 대해 20만큼 오프셋된 수치 표시자를 갖는 도 5e의 엘리먼트들은 순환 신경망(512)의 유사한 엘리먼트들을 포함한다; 예를 들어, MAC 유닛(586a)은 MAC 유닛(566a)에 대해 유사하게 동작한다.

순환 신경망(512)을 포함하는 시스템(580)은 또한 도 5d의 순환 신경망(512)에서 강조되지 않은 추가적인 특징부들을 포함한다. 도 5d와 달리, 도 5e는 지연 유닛(583a, 583b 및 583c)을 도시한다. 따라서, 도 5e의 프로세싱 유닛은 순환 신경망(512)이 지연 유닛들(583a, 583b, 및 583c)로 예시된 바와 같이 지연 유닛들의 입력들 및 출력들의 배치에 대한 다양한 배열들을 포함할 수 있다는 것을 예시한다. 예를 들어, MLU들(588b)의 출력이 지연 유닛(583b)에 제공되어, MAC 유닛들의 제1 계층에 대한 입력으로서, 예를 들어, MAC 유닛(582b)에 대한 입력으로서, MAC 유닛들의 제2 계층으로부터 해당 프로세싱 결과의 지연된 버전을 생성할 수 있다. 따라서, 시스템(580)의 순환 신경망(512)은, 지연된 버전들이 생성된 동일한 계층에 대한 입력들로서 제공되는 개개의 지연된 버전들을 도시하는 도 5d에서의 시스템(550)의 순환 신경망(512)과는 상이한 다른 은닉 계층들에 대한 입력들로서 프로세싱 결과들의 지연된 버전들이 제공될 수 있다는 것을 예시한다(예를 들어, MLU(568b)의 출력은, 프로세싱 결과가 출력된 동일한 계층에서 MAC 유닛(566b)에 대한 지연된 버전을 생성하기 위해, 지연 유닛(567b)에 제공된다). 따라서, 이 예에서, 심지어 출력(B(n)(595c))은 마지막 은닉 계층으로부터 제1 은닉 계층으로 (예를 들어, MAC 유닛(582c)에 대한 입력으로서) 제공될 수 있다.

바람직하게는, 상이한 또는 추가적인 은닉 계층들에 대한 입력들로서 제공될 수 있는 이러한 지연된 버전들의 프로세싱 결과들은, 예를 들어, 도 5c 또는 도 5d의 순환 신경망(512)과 비교하여, 도 5e의 하나 이상의 순환 신경망(512)을 구현하는 순환 신경망(170)에서 "고차(higher-order)" 메모리 영향들을 더 양호하게 보상할 수 있다. 예를 들어, 고차 메모리 영향들은 전자 디바이스(110)의 2개의 상이한 안테나들 사이의 자기 간섭 노이즈를 나타내는 벡터를 추정하는 출력 데이터를 제공하기 위해 순환 신경망(170)의 훈련 동안 사용되는 리딩(leading) 및 래깅(lagging) 엔벌로프 신호들의 영향들을 모델링한다. 이 예에서, 벡터 (예를 들어, 볼테라 시리즈 모델(Volterra series model))를 추정하는 순환 신경망(170)은 (예를 들어, 벡터를 캡슐화하는 다양한 엔벌로프들의) 이러한 리딩 및 래깅 엔벌로프들에 대응하는 프로세싱 결과들의 다양한 지연된 버전들을 포함할 수 있다. 따라서, 순환 신경망(512)을 구현하는 것은 입력 데이터(581a-c)에 기초한 출력 데이터(595a-c)를 제공하기 위해, 예를 들어, 순환 신경망(170)의 추론을 위한 이러한 고차 메모리 영향들을 통합한다.

도 5d 및 도 5e에서 각각 순환 신경망(512)을 설명하지만, 순환 신경망(512) 또는 이들의 조합들은 순환 신경망에서 구현된 그러한 노이즈의 계산을 통해 자기 간섭 노이즈를 소거 및/또는 보상하기 위해 동작시에, 본 명세서에 설명된 순환 신경망들 중 임의의 것에서 또는 임의의 순환 신경망으로서 구현될 수 있다는 것이 인식될 수 있다. 이러한 구현예들에서, 순환 신경망들은 자기 간섭 노이즈에 의해 도입될 수 있는 에러들을 감소 및/또는 개선하기 위해 사용될 수 있다. 바람직하게는, 이러한 구현예에 의해, 이러한 RNN들을 구현하는 무선 시스템들 및 디바이스들은, 추가적인 데이터가 이러한 네트워크들에서 송신될 수 있기 때문에 그들 각각의 무선 네트워크들의 용량을 증가시키며, 이들은 그렇지 않으면 자기 간섭 노이즈의 영향들로 인해 송신되지 않았을 것이다.

도 6a는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스(610)의 개략도(600)이다. 전자 디바이스(610)는 안테나들(101, 103, 105, 107); 무선 송신기들(111, 113); 파워 증폭기들(219, 229); 무선 수신기들(115, 117); 보상 컴포넌트들(245, 247); 및 LNA들(249, 259)을 포함하고, 이들은 도 2a를 참조하여 설명된 것과 유사한 방식으로 동작할 수 있다. 전자 디바이스(610)는 또한 순환 신경망(640) 및 순환 신경망(640)에 샘플 벡터들(660)을 제공할 수 있는 훈련 유닛(training unit)(645)을 포함한다. 순환 신경망(170)은 예를 들어, 순환 신경망(640)을 구현하기 위해 이용될 수 있다. 훈련 유닛(645)은 예를 들어, 조정된 신호들(예를 들어, 도 5a의 조정된 신호들(508)(y_i(n)))의 최소화된 에러를 최적화함으로써 중심 벡터들(

) 및 연결 가중치들

을 결정할 수 있다. 예를 들어, 최적화 문제는 최소화된 에러가 다음과 같이 표현될 수 있도록 에러를 계산하는 경사 하강 절차(gradient descent procedure)를 사용하여 해결될 수 있다 :

(9)

는 대응하는 원하는 출력 벡터일 수 있다. 이러한 최소화 문제를 해결하기 위해, 훈련 유닛(645)은 중심 벡터들(C_i) 및 연결 가중치들

을 결정하기 위해 샘플 벡터들을 이용할 수 있다.

중심 벡터들(C_i)을 결정하기 위해, 훈련 유닛(645)은 훈련 포인트들 또는 랜덤 벡터들에 기초하여 샘플 벡터들(630)과 같은 벡터들의 대응하는 세트 중에서 적어도 하나의 중심 벡터를 결정하기 위해 클러스터 분석(예를 들어, k-평균 클러스터 알고리즘)을 수행할 수 있다. 샘플 벡터 접근법에서, 훈련 포인트는 샘플 벡터들(630) 각각에 대한 중심을 향해 선택될 수 있다. 훈련 포인트는 샘플 벡터들(630)의 세트의 각각의 클러스터 파티션(cluster partition)의 중심일 수 있어서, 클러스터 중심을 최적화하는 것은 클러스터 파티션에서의 주어진 훈련 포인트에 대해 클러스터 중심으로부터 떨어진 최소화된 에러로서 표현된다. 이러한 관계는 다음과 같이 표현될 수 있다:

(10)

여기서

는 HxM 행렬을 형성하는 클러스터 파티션(cluster partition) 또는 멤버쉽 함수(membership function)이다. HxM 행렬의 각각의 열(column)은 이용 가능한 샘플 벡터를 나타내고, HxM 행렬의 각각의 행(row)은 클러스터를 나타낸다. 각각의 열은 해당 훈련 포인트에 가장 가까운 클러스터에 대응하는 행에 단 하나의 "1"을 포함할 수 있고, 해당 열의 다른 엔트리들에서 0들을 포함할 수 있다. 훈련 유닛(645)은 각 클러스터의 중심을 랜덤하게 선택된 다른 훈련 포인트로 초기화할 수 있다. 그런 다음, 각각의 훈련 예는 훈련 유닛(645)에 의해 그것에 가장 가까운 프로세싱 엘리먼트(예를 들어, 프로세싱 엘리먼트(506))에 할당될 수 있다. 모든 훈련 포인트들이 훈련 유닛(645)에 의해 할당되었을 때, 훈련 유닛(645)은 각각의 클러스터에 대한 훈련 포인트의 평균 위치를 찾을 수 있고, 각각의 훈련 포인트에 대한 클러스터 중심으로부터 멀어지는 에러가 최소화될 때, 프로세싱 엘리먼트들(예를 들어, 프로세싱 엘리먼트들(506))에 대한 중심 벡터들(C_i)의 세트를 나타내는 해당 포인트로 클러스터 중심을 이동시킬 수 있다.

프로세싱 엘리먼트들(506)과 프로세싱 엘리먼트들(509) 사이의 연결들에 대한 연결 가중치들

을 결정하기 위해, 훈련 유닛 (645)은 다음과 같이 표현된 가중치들의 최소화에 따라 선형 최소 제곱(linear least-squares) 최적화를 이용할 수 있다:

(11)

여기서,

는 연결 가중치들의 LxH 행렬이고,

는 방정식 11에서 표현된 프로세싱 엘리먼트들(506)의 출력들 h_i(n)을 포함하는 HxM 행렬이다.

는 LxM 사이즈를 갖는 대응하는 원하는 출력 행렬일 수 있다. 따라서, 행렬 대수 형태에서, 연결 가중치 행렬

는 다음과 같이 표현될 수 있다

(12)

여기서

는

의 의사 역(pseudo-inverse)이다.

일부 예들에서, 예를 들어, 순환 신경망(640)으로서 구현되는 자기 간섭 계산기(500)의 맥락에서, 프로세싱 엘리먼트들(506)과 프로세싱 엘리먼트들(509) 사이의 연결들에 대한 연결 가중치들을 결정하기 위해, 훈련 유닛(645)은 샘플 세트들이 쉽게 이용 가능한(예를 들어, 메모리로부터 검색되도록 이용 가능한) 일괄 처리(batch-processing) 실시예를 이용할 수 있다. 훈련 유닛(645)은 연결 가중치 행렬

에서 연결 가중치들을 랜덤하게 초기화할 수 있다. 출력 벡터

은 방정식 12에 따라 계산될 수 있다. 에러 항

은 다음과 같이 표현될 수 있는 각각의 프로세싱 엘리먼트(506)에 대해 계산될 수 있다:

(13)

여기서,

는 대응하는 원하는 출력 벡터이다. 연결 가중치들은 기계 학습 표현식에 따라 일괄 처리 예들에서 조정될 수 있으며, 여기서

는 고정되거나 시변적일 수 있는 학습-속도(learing-rate) 파라미터이다. 이 예에서, 기계 학습 표현식은 다음과 같을 수 있다:

(14)

이러한 프로세스는 지정된 에러 임계치를 통과할 때까지 반복될 수 있다. 이 예에서, 총 에러는 다음과 같이 표현될 수 있다:

따라서, 훈련 유닛(645)은 에러

가 특정된 에러 임계치 미만을 통과하는 것과 같이 특정된 에러 임계치를 통과할 때까지 본 명세서에 설명된 프로세스를 재귀적으로 반복할 수 있다.

일부 예들에서, 훈련 유닛 (645)이 가우시안 함수에 피팅하는 벡터들의 비선형 세트인 중심 벡터들 C_i를 결정할 때, 스케일링 인자(scaling factor)

는 순환 신경망 (640)의 프로세싱 엘리먼트들(509)과 프로세싱 엘리먼트들(506) 사이의 연결들에 대한 연결 가중치들

의 결정 전에 사용될 수 있다. 가우시안 함수 예에서, 벡터들 C_i의 컨벡스 헐(convex hull)은 훈련 포인트들이 프로세싱 엘리먼트들(506)의 출력에 대한 스무드 피트(smooth fit)를 허용하도록 사용될 수 있다. 따라서, 각각의 중심 벡터 C_i는 프로세싱 엘리먼트들(506)의 다른 중심 벡터 C_i와 관련될 수 있어서, 각각의 중심 벡터 C_i는 연결 가중치들을 컴퓨팅할 때 다른 중심 벡터 C_i를 활성화한다. 스케일링 인자는 P-최근접 이웃을 계산하는 휴리스틱(heuristic)에 기초할 수 있으며, 따라서 다음과 같다:

여기서

(i=1,2,..., H)는 C_i의 P-최근접 이웃(nearest neighbor)이다.

도 6b는 본 명세서에 설명된 예에 따라 배열된 전자 디바이스(655)의 개략도(650)이다. 전자 디바이스(655)는 안테나들(101, 103, 105, 107); 무선 송신기들(111, 113); 파워 증폭기들(219, 229); 무선 수신기들(115, 117); 보상 컴포넌트들(265, 267); 및 LNA들(249, 259)을 포함하며, 이들은 도 2b를 참조하여 설명된 것과 유사한 방식으로 동작할 수 있다. 전자 디바이스(655)는 또한 순환 신경망(690) 및 순환 신경망(690)에 샘플 벡터들(680)을 제공할 수 있는 훈련 유닛(685)을 포함한다. 순환 신경망(170)은 예를 들어, 순환 신경망(690)을 구현하기 위해 이용될 수 있다. 훈련 유닛(685)은 예를 들어, 조정된 신호들(예를 들어, 도 5a의 조정된 신호들((508) y_i(n)))의 최소화된 에러를 최적화함으로써 중심 벡터들(Ci) 및 연결 가중치들

을 결정할 수 있다. 도 6a와 관련하여 설명된 것과 동일한 방식으로, 훈련 유닛(685)은 전자 디바이스(655)에 대한 이러한 중심 벡터(Ci) 및 연결 가중치

를 결정할 수 있다.

도 7a는 본 명세서에 설명된 예들에 따른 전이중 보상 방법(700)의 개략도이다. 예시적인 방법(700)은 예를 들어, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 또는 본 명세서에 설명된 도 1-2, 도 5a-5e, 또는 도 6a-6b에 도시된 임의의 시스템 또는 시스템들의 조합을 사용하여 구현될 수 있다. 블록들(708-728)에서 설명된 동작들은 또한 컴퓨터-판독가능 매체에 컴퓨터-실행가능 명령어들로서 저장될 수 있다.

예시적인 방법(700)은 자기 간섭 보상 방법의 실행을 시작하고, "순환 신경망에 대한 벡터들을 결정"을 설명하는 블록(708)으로 시작할 수 있다. 이 예에서, 중심 벡터들은 클러스터 분석에 따라 결정될 수 있다. 예를 들어, 클러스터 중심으로부터 주어진 훈련 포인트까지의 거리가 최소화되도록 에러가 최소화될 수 있다. 블록(708)은 "순환 신경망에 대한 연결 가중치를 생성"을 설명하는 블록(712)이 후속될 수 있다. 이 예에서, 연결 가중치들은 본 명세서에 설명된 선형 최소 제곱 최적화 또는 일괄 처리(batch processing) 예에 따라 결정될 수 있다. 블록(712)는 "순환 신경망에서의 송신을 위해 순환 신경망 신호들을 수신"을 설명하는 블록(716)이 후속될 수 있다. 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n)(502))은 순환 신경망에 대한 입력으로서 수신될 수 있다. 이 예에서, 송신기 출력은 송신될 대응하는 신호들에 대해 RF 동작들을 수행하고 있는 대응하는 송신기로부터의 송신 데이터의 스트림(stream)일 수 있다.

블록(716)은 "자기 간섭 노이즈에 기초하여 조정 신호들을 생성하기 위해 벡터들 및 연결 가중치들에 따라 신호들을 조합함"을 설명하는 블록(720)이 후속될 수 있다. 예를 들어, 집적 회로 내의 곱셈 유닛들과 같은 다양한 ALU들은 도 5a의 회로부로서 동작하도록 구성될 수 있고, 이에 의해 증폭된 신호들(x₁(n), x₂(n), x₃(n), x_N(n)(502))을 조합하여 본 명세서에 설명된 조정된 신호들 (y₁(n), y₂(n), y₃(n), y_L(n)(508))을 생성한다. 블록(720)은 "개개의 안테나들에서 수신된 신호들을 자기 간섭 노이즈에 기초하여 조정 신호들로 조정"을 설명하는 블록(724)이 후속될 수 있다. 이 예에서, 보상 컴포넌트들(245, 247)은 조정된 신호들 (y₁(n), y₂(n)(241, 243))을 수신하고 안테나들(105, 107)로부터의 착신 수신된 무선 송신을 보상할 수 있다. 이 예에서, 보상 컴포넌트(245, 247)는 각각의 무선 수신기(115, 117)에 대한 보상된 수신 신호를 생성하기 위해 수신된 무선 송신으로부터 조정된 신호 (y₁(n), y₂(n)(241, 243))를 감산할 수 있고, 이에 의해 전이중 보상 모드를 달성할 수 있다. 블록(724)는 예시적인 방법(700)을 종료하는 블록(728)이 후속될 수 있다.

일부 예들에서, 블록들(708 및 712)은 옵션 블록일 수 있다. 예를 들어, 중심 벡터들 및 연결 가중치들의 결정은 본 명세서에 설명된 전자 디바이스의 훈련 모드 동안 발생할 수 있는 반면, 방법(700)의 나머지 블록들은 본 명세서에 설명된 전자 디바이스들의 동작 모드 동안 발생할 수 있다.

도 7b는 본 명세서에 설명된 예에 따른 방법(750)의 흐름도이다. 예시적인 방법(750)은 예를 들어, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 또는 본 명세서에 설명된 도 1-2, 도 5a-5e, 또는 도 6a-6b에 도시된 임의의 시스템 또는 시스템들의 조합을 사용하여 구현될 수 있다. 블록들(754-778)에서 설명된 동작들은 또한, 실행가능 명령어들(515)을 저장하는, 모드 구성 가능 제어(505)와 같은 컴퓨터-판독가능 매체에 컴퓨터-실행가능 명령어들로 저장될 수 있다.

예시적인 방법(750)은 계수 데이터와 입력 데이터 혼합하는 루틴의 실행을 시작하는 블록(754)으로 시작할 수 있다. 방법은 블록(758)이 "메모리로부터 복수의 계수들을 검색하는 단계"를 설명하는 것을 포함할 수 있다. 본 명세서에 설명된, 메모리 룩업(MLU) 유닛들은 복수의 계수들을 검색하고, 순환 신경망의 프로세싱 엘리먼트들의 각각의 계층에 대한 연결 가중치들로서 복수의 계수들을 제공하도록 구성될 수 있다. 예를 들어, 메모리는 전자 디바이스의 다양한 안테나들 중 자기 간섭 노이즈를 나타내는 계수들을 (예를 들어, 데이터베이스에) 저장할 수 있다. 예를 들어, 도 5c의 순환 신경망(512)의 구현예에서, MLU(514a)는 피연산자 M 및 N 둘 모두에 적용될 하나 이상의 계수(예를 들어, 제1 주파수와 연관된 특정 계수)뿐만 아니라 피연산자 T에 적용될 추가 계수를 검색하는 테이블 룩업일 수 있다. 따라서, 순환 신경망의 MLU는 구현하는 컴퓨팅 디바이스의 메모리 부분으로부터, 외부 컴퓨팅 디바이스의 메모리 부분으로부터 또는 클라우드 컴퓨팅 디바이스에 구현된 메모리로부터 계수를 요청할 수 있다. 결국, 복수의 계수들은 순환 신경망에 의해 이용되는 메모리로부터 검색될 수 있다.

블록(758)은 "순환 신경망에서 처리될 송신과 연관된 입력 데이터를 획득하는 단계"를 설명하는 블록(762)이 후속될 수 있다. 입력 데이터는 순환 신경망(240) 또는 본 명세서에 설명된 순환 신경망들 중 임의의 것에서 입력 데이터로서 수신되는 증폭된 신호들(x₁(n), x₂(n)(221, 223))에 해당할 수 있다. 블록(762)은 "순환 신경망의 곱셈/누산 프로세싱 유닛들(MAC 유닛들)의 제1 계층에서, 복수의 계수들과 MAC 유닛들의 제1 계층의 각각의 출력들의 지연된 버전들 및 입력 데이터를 계산하여 제1 프로세싱 결과들을 생성하는 단계"를 설명하는 블록(766)이 후속될 수 있다. 본 명세서에 설명된 바와 같이, 순환 신경망은 복수의 계수들을 이용하여 계수들을 MAC 유닛들의 제1 계층의 각각의 출력들의 지연된 버전들 및 입력 데이터와 혼합하는 것(mixing)이 도 5c, 도 5d, 또는 도 5e의 회로부에 의한 계수들과 입력 데이터의 프로세싱을 반영하는 출력 데이터를 생성하도록 한다. 예를 들어, 집적 회로 내의 다양한 ALU들은 도 5c, 도 5d, 또는 도 5e의 회로부로서 동작하도록 구성될 수 있고, 이에 의해 입력 데이터 및 MAC 유닛들의 제1 계층의 각각의 출력들의 지연된 버전들을 본 명세서에 설명된 계수들과 혼합한다. 예를 들어, 도 5c를 참조하여, 입력 데이터 및 MAC 유닛들의 제1 계층의 개개의 출력들의 지연된 버전들은 곱셈/누산 프로세싱 유닛들(MAC 유닛들)의 제1 계층에서 제1 프로세싱 결과들을 생성하기 위해 복수의 계수들로 계산될 수 있다. 일부 예들에서, 다양한 하드웨어 플랫폼들은 ASIC, FPGA의 일부로서 구현된 DSP, 또는 시스템-온-칩(system-on-chip)과 같은 도 5c, 5d, 또는 5e의 회로부를 구현할 수 있다.

블록(766)은, "MAC 유닛들의 추가 계층들에서, 추가적인 복수의 계수들과 제1 프로세싱 결과들 및 제1 프로세싱 결과들의 적어도 일부의 지연된 버전들을 계산하여 제2 프로세싱 결과들을 생성하는 단계"를 설명하는 블록(770)이 후속될 수 있다. 본 명세서에 설명된 바와 같이, 순환 신경망은 추가의 복수의 계수들을 이용하여 계수들을 특정 프로세싱 결과들 및 이러한 특정 프로세싱 결과들 중 적어도 일부의 지연된 버전들과 혼합하는 것이 도 5c, 도 5d 또는 도 5e의 회로부에 의한 계수들과 입력 데이터의 프로세싱을 반영하는 출력 데이터를 생성하도록 한다. 예를 들어, 도 5c를 참조하여, 곱셈/누산 프로세싱 유닛들(MAC 유닛들)의 제2 계층에서, 제1 계층의 프로세싱 결과들(예를 들어, 곱셈 프로세싱 결과들) 및 이들 프로세싱 결과들 중 적어도 일부의 지연된 버전들이 추가적인 복수의 계수들과 계산되어 제2 프로세싱 결과들을 생성할 수 있다. 제2 계층의 프로세싱 결과는 추가적인 복수의 계수와 계산되어 출력 데이터(B(1)(530))을 생성할 수 있다.

블록(770)은, "순환 신경망으로부터, 조정 신호들로서 출력 데이터를 보상 컴포넌트들에 제공하는 단계"를 설명하는 블록(774)이 후속될 수 있다. 본 명세서에 설명된 바와 같이, 출력 데이터는 자기 간섭 노이즈를 보상하거나 제거하기 위해 보상 컴포넌트들(245, 247)에 제공될 수 있다. 일단 제공되면, 수신된 신호들은 또한 조정된 신호들에 기초하여 조정될 수 있어서, 송신 및 수신되는 신호들 둘 모두가 동시에 처리되고, 그에 의해 전이중 송신을 달성한다. 블록(774)은 예시적인 방법(750)을 종료하는 블록(778)이 후속될 수 있다. 일부 예들에서, 블록(758)은 옵션 블록일 수 있다.

설명된 예시적인 방법들(700 및 750)에 포함된 블록들은 예시를 위한 것이다. 일부 실시예들에서, 이들 블록들은 상이한 순서로 수행될 수 있다. 일부 다른 실시예들에서, 다양한 블록들이 제거될 수 있다. 또 다른 실시예들에서, 다양한 블록들은 추가적인 블록들로 분할되거나, 다른 블록들로 보충되거나, 더 적은 수의 블록들로 함께 조합될 수 있다. 블록들의 순서의 변화들, 다른 블록들로 분할되거나 조합되는 블록들의 내용의 변화들 등을 포함하는, 이러한 특정 블록들의 다른 변형들이 고려된다.

도 8은 본 명세서에 설명된 예에 따라 배열된 전자 디바이스(800)의 블록도이다. 전자 디바이스(800)는, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 또는 본 명세서에 설명된 도면들에 도시된 시스템들의 임의의 시스템 또는 조합과 같이, 본 명세서에 설명된 임의의 예에 따라 동작할 수 있다. 전자 디바이스(800)는 스마트폰, 웨어러블 전자 디바이스, 서버, 컴퓨터, 가전 기기, 차량, 또는 임의의 유형의 전자 디바이스로 구현될 수 있다. 예를 들어, 도 9 내지 도 12는 센서(830)로부터 획득된 데이터에 대한 추론 결과들을 생성하거나 훈련하기 위해 순환 신경망(840)을 사용하여 전자 디바이스(800)로서 구현될 수 있는 다양한 디바이스들을 설명한다. 일반적으로, 순환 신경망(예를 들어, 순환 신경망(840))은 센서(830)로부터 획득된 데이터에 기초하여 추론 결과를 생성할 수 있다. 예를 들어, 자기 간섭 노이즈를 계산 또는 제거하기 위해 RNN을 사용하는 것에 추가하여, 전자 디바이스(800)는 센서(830) 또는 데이터 네트워크(895)를 통해 획득된 데이터 세트들에 관한 추론 결과들을 생성하기 위해 RNN을 사용할 수 있다. 추론 결과들을 생성하는 것은 하나 이상의 데이터 세트들 사이, 데이터 세트의 하나 이상의 서브세트들 사이, 또는 다양한 데이터 세트들의 상이한 서브세트들 사이의 관계를 결정하는 것을 포함할 수 있다. 예를 들어, 결정된 관계는 RNN이 생성하는 인공지능 모델로서 표현될 수 있다. 이러한 생성된 AI 모델은, 이러한 AI 모델에 대한 입력으로서 제공될 때, 유사한 데이터 세트들 또는 데이터 세트의 유사한 서브세트들에 관한 예측들을 수행하는 데 활용될 수 있다. 당업자가 이해할 수 있는 바와 같이, 다양한 유형의 추론 결과가 RNN에 의해 이루어질 수 있으며, 이는 획득된 데이터 세트에 관한 하나 이상의 AI 모델을 생성하는 것을 포함할 수 있다.

전자 디바이스(800)에 포함된 센서(830)는 환경 조건을 검출하고 해당 환경 조건에 기초하여 측정 파라미터를 정량화하도록 구성된 임의의 센서일 수 있다. 예를 들어, 센서(830)는 광을 검출하고, 센서(830)에서 수신되거나 측정되는 광의 양 또는 강도를 정량화하는 광 검출기(photodetector)일 수 있다. 센서(830)를 갖는 디바이스는 센서 디바이스로 지칭될 수 있다. 센서 디바이스들의 예들은 에너지, 열, 광, 진동, 생물학적 신호들(예를 들어, 맥박, EEG, EKG, 심박수, 호흡수, 혈압), 거리, 속도, 가속도, 또는 이들의 조합들을 검출하기 위한 센서들을 포함한다. 센서 디바이스들은 건물들, 개인들, 및/또는 환경 내의 다른 위치들에 배치될 수 있다. 센서 디바이스들은 서로 그리고 환경 내의 하나 또는 다수의 센서 디바이스들로부터 제공된 데이터를 집성 및/또는 분석할 수 있는 컴퓨팅 시스템들과 통신할 수 있다.

전자 디바이스(800)는 컴퓨팅 시스템(802), 순환 신경망(840), I/O 인터페이스(870), 및 데이터 네트워크(895)에 결합된 네트워크 인터페이스(890)를 포함한다. 데이터 네트워크(895)는 데이터 네트워크(895)에 결합된 디바이스들 사이에서 데이터 세트들의 획득을 가능하게 하거나 추론 결과들을 통신하는 데이터 센터 또는 다른 전자 디바이스들(800)과 같은 데이터 디바이스들 또는 시스템들의 네트워크를 포함할 수 있다. 예를 들어, 전자 디바이스(800)는 순환 신경망(840)에서 계산되는 자기 간섭 노이즈에 관한 추론 결과들을 통신하여, 유사한 연결을 갖는 다른 전자 디바이스들(800) 또는 데이터 센터에 그러한 추론 결과들을 통신할 수 있으며, 여기서 그러한 추론 결과들은 예를 들어, 기계 학습 또는 AI 시스템에서의 추가 훈련을 위해 데이터 세트의 일부로서 이용될 수 있다. 따라서, 전자 디바이스(800)에서 순환 신경망(840)을 구현함에 있어서, 전자 디바이스(800)로서 동작하는 모바일 및 센서 디바이스들은 훈련 또는 추론을 위해 데이터 센터로 통신되는 추론 결과들 또는 큰 데이터 세트들의 빠른 교환을 가능하게 할 수 있다.

컴퓨팅 시스템(802)은 무선 트랜시버(810)를 포함한다. 무선 트랜시버는 무선 송신기(300) 및 무선 수신기(400)와 같은 무선 송신기 및/또는 무선 수신기를 포함할 수 있다. 순환 신경망(840)은 임의의 유형의 마이크로프로세서, 중앙 프로세싱 유닛(CPU), 주문형 집적 회로(ASIC), 필드-프로그램가능 게이트 어레이(FPGA)의 일부로서 구현되는 디지털 신호 프로세서(DSP), 시스템-온-칩(SoC), 또는 디바이스(800)에 대한 프로세싱을 제공하기 위한 다른 하드웨어를 포함할 수 있다.

컴퓨팅 시스템(802)은 메모리 유닛들(850)(예를 들어, 메모리 룩업 유닛)을 포함하며, 이는 자기 간섭 노이즈를 계산하기 위한 명령어들을 각각 포함하는 비일시적 하드웨어 판독가능 매체일 수 있거나, 또는 계산된 자기 간섭 노이즈에 기초하여 보상되거나 조정된 신호들일 데이터 신호들의 검색, 계산 또는 저장을 위한 메모리 유닛들일 수 있다. 메모리 유닛(850)은 전자 디바이스(800)에 의해 실행되는 기계 학습 또는 AI 기술로부터의 데이터 세트를 저장하는데 이용될 수 있다. 메모리 유닛(850)은 또한 전자 디바이스(800)에 의해 실행되는 기계 학습 또는 AI 기술에 대한 추론 결과를 저장, 결정 또는 획득하는 데 이용될 수 있다. 일부 예에서, 메모리 유닛(850)은 DRAM, SRAM, NAND, 또는 3D XPoint 메모리 디바이스를 포함하지만 이에 제한되지 않는 하나 이상의 유형의 메모리를 포함할 수 있다.

컴퓨팅 시스템(802)은 자기 간섭 노이즈를 계산하기 위해 또는 계산된 자기 간섭 노이즈에 기초하여 보상되거나 조정된 신호들이 보상될 데이터 신호들의 검색 또는 저장을 위해 이러한 저장된 명령어들을 실행할 때를 나타내는 제어 명령어들을 포함할 수 있다. 이러한 제어 명령어들을 수신한 때, 순환 신경망(840)은 이러한 명령어들을 수행하기 위해 컴퓨팅 시스템(802)의 엘리먼트들(예를 들어, 무선 트랜시버(810))과 이러한 제어 명령어들을 실행하고 및/또는 이러한 명령들을 실행할 수 있다. 예를 들어, 이러한 명령어들은 방법(700)을 실행하는 프로그램, 방법(750)을 실행하는 프로그램, 또는 방법들(700 및 750) 둘 모두를 실행하는 프로그램을 포함할 수 있다. 일부 구현에서, 제어 명령어는 메모리 유닛(850)이 순환 신경망(840)과 상호작용하기 위한 메모리 명령어를 포함한다. 예를 들어, 컴퓨팅 시스템(802)은 실행될 때 추론 결과를 결정하기 위해 큰 데이터 세트에 액세스(예를 들어, 판독)하기 위해 메모리 유닛(850)에 판독 요청의 프로비전(provision)을 가능하게 하는 명령어를 포함할 수 있다. 다른 예로서, 제어 명령어들은, 실행될 때, 전자 디바이스(800)가 예를 들어, 센서(830)를 통해 또는 I/O 인터페이스(870)를 통해 획득한 데이터 세트를 기록하기 위해 메모리 유닛들(850)에 기록 요청의 프로비전을 가능하게 하는 명령어를 포함할 수 있다. 제어 명령어들은 또한 데이터 네트워크(895)를 통해 데이터 센터에 데이터 세트들 또는 추론 결과들을 통신하기 위한 메모리 유닛들(850)에 대한 명령어들을 포함할 수 있다. 예를 들어, 제어 명령어는 메모리 유닛들(850)이 순환 신경망(840)에서 계산된 자기 간섭 노이즈에 관한 데이터 세트들 또는 추론 결과들을 데이터 센터의 클라우드 서버에 기록하는 명령어를 포함할 수 있으며, 여기서 이러한 추론 결과들은, 예를 들어, 기계 학습 또는 AI 시스템에서의 추가 훈련을 위해 또는 통신 신호들의 프로세싱을 위해(예를 들어, 자기 간섭 노이즈를 계산 또는 제거하기 위해) 데이터 세트의 일부로서 이용될 수 있다.

순환 신경망(840), I/O 인터페이스(870), 및 네트워크 인터페이스(890) 사이의 통신들은 내부 버스(880)를 통해 제공된다. 순환 신경망(840)은 I/O 인터페이스(870) 또는 네트워크 인터페이스(890)로부터 제어 명령어들 예컨대, 자기 간섭 노이즈를 계산하거나 제거하기 위한 명령어들을 수신할 수 있다. 예를 들어, I/O 인터페이스(870)는 이미지들을 획득하고 이러한 이미지들을 I/O 인터페이스(870)를 통해 전자 디바이스(800)에 통신하는 카메라 디바이스에 대한 연결을 가능하게 할 수 있다.

버스(880)는 하나 이상의 물리적 버스들, 통신 라인들/인터페이스들, 및/또는 PCI(Peripheral Component Interconnect) 버스, Gen-Z 스위치, CCIX 인터페이스 등과 같은 점대점 연결들을 포함할 수 있다. I/O 인터페이스(870)는 마이크로폰을 갖는 태블릿 디스플레이와 같은 사용자를 위한 비디오 및/또는 오디오 인터페이스들을 포함하는 다양한 사용자 인터페이스들을 포함할 수 있다. 네트워크 인터페이스(890)는 데이터 네트워크(895)를 통해 전자 디바이스(800) 또는 클라우드 전자 서버와 같은 다른 전자 디바이스들과 통신한다. 예를 들어, 네트워크 인터페이스(890)는 USB 인터페이스일 수 있다.

도 9는 본 개시의 양태들에 따른 무선 통신 시스템(900)의 일 예를 예시한다. 무선 통신 시스템(900)은 기지국(910), 모바일 디바이스(915), 드론(917), 소형 셀(930) 및 차량(940, 945)을 포함한다. 기지국(910) 및 소형 셀(930)은 인터넷 및 전통적인 통신 링크에 대한 액세스를 제공하는 네트워크에 연결될 수 있다. 시스템(900)은 서브-6 GHz 대역(예를 들어, 700 MHz 통신 주파수), 중간-범위 통신 대역들(예를 들어, 2.4 GHz), mmWave 대역들(예를 들어, 24 GHz) 및 NR 대역(예를 들어, 3.5 GHz)를 포함하지만 이에 제한되지 않는 다양한 주파수 대역들을 포함할 수 있는 5G 시스템에 광역 무선 통신 연결을 가능하게 할 수 있다.

무선 통신 시스템(900)은 다양한 모바일 및 센서 엔드포인트들을 갖는 5G 무선 통신 시스템으로 구현될 수 있다. 일 예로서, 차량들(940, 945)은 모바일 엔드포인트들일 수 있고, 태양 전지들(937)은 5G 무선 통신 시스템에서 센서 엔드포인트들일 수 있다. 계속해서 이 예에서, 차량(940, 945) 및 태양 전지(937)는 이들 개개의 디바이스에서 기계 학습 또는 AI 기술의 훈련 및 추론에 사용되는 데이터 세트를 수집할 수 있다. 따라서, 시스템(900)은, 예를 들어, 도 5c 내지 도 5e의 순환 신경망(512)에서의 고차 메모리 영향들을 포함하는 추론 결과들의 정밀도를 또한 증가시키면서, 더 빠른 훈련 및 추론을 가능하게 하는, 본 명세서에 설명된 바와 같은 그러한 순환 신경망들을 구현할 때 시스템(900) 내의 다양한 디바이스들에 대한 데이터 세트들 또는 추론 결과들의 획득 및 통신을 가능하게 할 수 있다. 따라서, 시스템(900)은, 예를 들어, 5G 독립형 트랜시버 시스템들로서 동작할 수 있는 다른 디바이스들이 효율적이고 적시에 이러한 4G/5G 디바이스들과 통신할 수 있도록, 4G 또는 5G 대역들 둘 모두 상에서 송수신하는 시스템(900)의 하나 이상의 디바이스들의 자기 간섭 노이즈를 제거하는 디바이스들을 포함할 수 있다.

추가적으로 또는 대안적으로, 무선 통신 연결들은, 필터 뱅크 다중-캐리어 (FBMC), 일반화된 주파수 분할 다중화 (GFDM), 범용 필터링된 다중-캐리어 (UFMC) 송신, 바이-직교 주파수 분할 다중화 (BFDM), 희소 코드 다중 액세스 (SCMA), 비-직교 다중 액세스 (NOMA), 다중-사용자 공유 액세스 (MUSA), 및 시간-주파수 패킹을 갖는 FTN(faster-than-Nyquist) 시그널링을 포함하지만 이에 제한되지 않는 다양한 변조 방식들을 지원할 수 있다. 이러한 주파수 대역들 및 변조 기술들은, LTE(Long Term Evolution)(예를 들어, 1.8GHz 대역) 또는 3GPP 또는 IEEE와 같은 조직에 의해 발행된 다른 기술 사양과 같은 표준 프레임워크의 일부일 수 있으며, 이는 서브캐리어 주파수 범위들, 서브캐리어들의 수, 업링크/다운링크 송신 속도들, TDD/FDD, 및/또는 무선 통신 프로토콜들의 다른 양태들에 대한 다양한 사양들을 포함할 수 있다.

시스템(900)은 라디오 액세스 네트워크(RAN)의 양태들을 도시할 수 있고, 시스템(900)은 코어 네트워크(도시되지 않음)와 통신하거나 이를 포함할 수 있다. 코어 네트워크는 하나 이상의 서빙 게이트웨이들, 이동성 관리 엔티티들, 홈 가입자 서버들, 및 패킷 데이터 게이트웨이들을 포함할 수 있다. 코어 네트워크는 RAN을 통해 모바일 디바이스들에 대한 사용자 및 제어 평면 링크들을 가능하게 할 수 있고, 그것은 외부 네트워크(예를 들어, 인터넷)에 대한 인터페이스일 수 있다. 기지국들(910), 통신 디바이스들(920) 및 소형 셀들(930)은 유선 또는 무선 백홀 링크들(backhaul link)(예를 들어, S1 인터페이스, X2 인터페이스 등)을 통해 코어 네트워크와 또는 서로 또는 둘 모두와 결합될 수 있다.

시스템(900)은 사물 인터넷("IoT") 프레임워크를 제공하기 위해 센서 디바이스들, 예를 들어 태양 전지들(937)과 같은 디바이스들 또는 "사물(things)"에 연결된 통신 링크들을 제공할 수 있다. IoT 내의 연결된 사물들은 셀룰러 네트워크 서비스 제공자들에 의해 라이센싱 및 제어되는 주파수 대역들 내에서 동작할 수 있거나, 그러한 디바이스들 또는 사물들이 동작할 수 있다. 이러한 주파수 대역들 및 동작은 IoT 동작을 위해 할당된 주파수 대역들이 전체 시스템 대역폭에 비해 작거나 좁을 수 있기 때문에 협대역 IoT (NB-IoT)로 지칭될 수 있다. NB-IoT를 위해 할당된 주파수 대역들은, 예를 들어, 1, 5, 10, 또는 20 MHz의 대역폭들을 가질 수 있다.

추가적으로 또는 대안적으로, IoT는 무선 스펙트럼의 사용을 가능하게 하기 위해 전통적인 셀룰러 기술과는 상이한 주파수들에서 동작하는 디바이스들 또는 사물들을 포함할 수 있다. 예를 들어, IoT 프레임워크는 시스템(900) 내의 다수의 디바이스들이 서브-6 GHz 대역 또는 다른 산업, 과학, 및 의료(ISM) 라디오 대역들에서 동작하는 것을 허용할 수 있으며, 여기서 디바이스들은 라이센싱되지 않은 사용들을 위해 공유된 스펙트럼 상에서 동작할 수 있다. 서브-6 GHz 대역은 또한 NB-IoT 대역으로 특징지어질 수 있다. 예를 들어, 저 주파수 범위들에서 동작할 때, 태양 전지들(937)과 같은 "사물"에 대한 센서 데이터를 제공하는 디바이스들은 더 적은 에너지를 활용하여, 전력 효율을 초래할 수 있고, 덜 복잡한 시그널링 프레임워크들을 활용할 수 있어서, 디바이스들이 해당 서브-6 GHz 대역 상에서 비동기적으로 송신할 수 있다. 서브-6 GHz 대역은 다양한 센서 디바이스들로부터의 센서 데이터의 통신을 포함하는 매우 다양한 사용 케이스를 지원할 수 있다.

이러한 5G 프레임워크에서, 디바이스들은 노드들 사이의 연결을 형성하거나 이동성 동작들을 관리하는 것(예를 들어, 핸드오프(handoff) 또는 재선택)과 같은, 다른 모바일 네트워크들(예를 들어, UMTS 또는 LTE)에서 기지국들에 의해 수행되는 기능들을 수행할 수 있다. 예를 들어, 모바일 디바이스(915)는 혈압 데이터와 같은, 모바일 디바이스(915)를 이용하여 사용자로부터 센서 데이터를 수신할 수 있고, 협대역 IoT 주파수 대역 상에서 해당 센서 데이터를 기지국(910)에 송신할 수 있다. 이러한 예에서, 모바일 디바이스(915)에 의한 결정을 위한 일부 파라미터들은 라이센싱된 스펙트럼의 이용가능성, 라이센싱되지 않은 스펙트럼의 이용가능성, 및/또는 센서 데이터의 시간 민감성 성질(time-sensitive nature)을 포함할 수 있다. 계속해서 이 예에서, 모바일 디바이스(915)는 혈압 데이터를 송신할 수 있는데, 그 이유는 협대역 IoT 대역이 이용가능하기 때문이고, 혈압에 대한 시간-민감성 성분을 식별하여 (예를 들어, 수축기 혈압이 정상으로부터 3개의 표준 편차인 것과 같이, 혈압 측정이 위험하게 높거나 낮은 경우), 센서 데이터를 신속하게 송신할 수 있다.

추가적으로 또는 대안적으로, 모바일 디바이스(915)는 다른 모바일 디바이스들 또는 시스템(900)의 다른 엘리먼트들과 디바이스-대-디바이스(D2D) 연결들을 형성할 수 있다. 예를 들어, 모바일 디바이스(915)는 통신 디바이스(920) 또는 차량(945)을 포함하는 다른 디바이스들과 RFID, WiFi, MultiFire, Bluetooth 또는 Zigbee 연결들을 형성할 수 있다. 일부 예들에서, D2D 연결들은 라이센싱된 스펙트럼 대역들을 사용하여 이루어질 수 있고, 이러한 연결들은 셀룰러 네트워크 또는 서비스 제공자에 의해 관리될 수 있다. 따라서, 상기 예가 협대역 IoT의 맥락에서 설명되었지만, 해당 정보의 송신을 위해 모바일 디바이스(915)에 의해 결정된 주파수 대역과는 상이한 주파수 대역들 상에서 수집된 정보(예를 들어, 센서 데이터)를 제공하기 위해 다른 디바이스-대-디바이스 연결들이 모바일 디바이스(915)에 의해 활용될 수 있다는 것이 인식될 수 있다.

더욱이, 일부 통신 디바이스들은 애드-혹(ad-hoc) 네트워크들, 예를 들어, 기지국(910) 및/또는 코어 네트워크에 대한 통상적인 연결이 반드시 형성됨이 없이, 고정 객체들 및 차량들(940, 945)에 부착된 통신 디바이스들(920)로 형성되는 네트워크를 가능하게 할 수 있다. 나무, 식물, 지주(post), 건물, 벽돌, 비행선(dirigible), 풍선(balloon), 거리 표지판, 우편함, 또는 이들의 조합과 같은, 그러나 이에 제한되지 않는 다른 정지 물체가 통신 디바이스(920)를 지원하는 데 사용될 수 있다. 이러한 시스템(900)에서, 통신 디바이스들(920) 및 소형 셀(930)(예를 들어, 소형 셀, 펨토셀, WLAN 액세스 포인트, 셀룰러 핫스팟 등)은 애드-혹 네트워크들 및 다른 IoT-기반 네트워크들의 형성을 가능하게 하기 위해 램프포스트(lamppost)들 및 건물들과 같은 다른 구조물 상에 장착되거나 또는 그에 부착될 수 있다. 이러한 네트워크들은 셀룰러 통신 대역 상에서 기지국(910)과 통신하는 모바일 디바이스(915)와 같은 기존의 기술들과는 상이한 주파수 대역들에서 동작할 수 있다.

통신 디바이스들(920)은 시스템(900)의 다른 엘리먼트로의 연결에 부분적으로 의존하여, 계층적(hierarchal) 또는 애드-혹 네트워크 방식으로 동작하는 무선 네트워크들을 형성할 수 있다. 예를 들어, 통신 디바이스들(920)은 라이센싱되지 않은 스펙트럼에서 모바일 디바이스(915)와의 연결을 형성하기 위해 700 MHz 통신 주파수를 활용하는 한편, 차량(945)과의 다른 연결을 형성하기 위해 라이센싱된 스펙트럼 통신 주파수를 활용할 수 있다. 통신 디바이스들(920)은, 시간 민감 데이터에 대한 직접 액세스를 제공하기 위해, 예를 들어, 전용 단거리 통신(DSRC)의 5.9 GHz 대역 상에서의 차량(945)의 자율 주행 능력에 대한 데이터를 라이센싱된 스펙트럼 상에서 차량(945)과 통신할 수 있다.

차량들(940 및 945)은 통신 디바이스(920)와 차량(945) 사이의 연결과는 상이한 주파수 대역에서 애드-혹 네트워크를 형성할 수 있다. 예를 들어, 차량들(940, 945) 사이에 시간-민감 데이터를 제공하기 위한 고 대역폭 연결을 위해, 24 GHz mmWave 대역이 차량들(940, 945) 사이의 데이터의 송신들을 위해 이용될 수 있다. 예를 들어, 차량들(940, 945)은 연결을 통해 실시간 지향성 및 내비게이션 데이터를 서로 공유할 수 있는 반면, 차량들(940, 945)은 좁은 교차선을 가로질러 서로 통과한다. 각각의 차량(940, 945)은 교차선(intersection line)을 추적하고, 각각이 교차선을 따라 이동하는 동안 각각의 차량의 자율 내비게이션을 가능하게 하기 위해 이미지 데이터를 이미지 프로세싱 알고리즘에 제공할 수 있다. 일부 예들에서, 이 실시간 데이터는 또한, 예를 들어, 24 GHz mmWave 대역을 통해 차량(940)에 의해 차량(945)으로 송신되는 바와 같이, 차량(945) 및 차량(940) 둘 모두에서 수신되는 이미지 데이터의 처리를 위해, 통신 디바이스(920)와 차량(945) 사이의 배타적인 라이센싱된 스펙트럼 연결을 통해 실질적으로 동시에 공유될 수 있다. 도 9에서 자동차로서 도시되었지만, 항공기, 우주선, 풍선, 연무, 비행선, 기차, 잠수함, 보트, 페리, 유람선, 헬리콥터, 오토바이, 자전거, 드론, 또는 이들의 조합을 포함하지만 이에 제한되지 않는 다른 차량이 사용될 수 있다.

24 GHz mmWave 대역의 맥락에서 설명되었지만, 연결들이 라이센싱된 대역 또는 라이센싱되지 않은 대역들일 수 있는 다른 mmWave 대역들 또는 다른 주파수 대역들, 예컨대 28 GHz, 37 GHz, 38 GHz, 39 GHz에서 시스템(900)에 형성될 수 있다는 것이 인식될 수 있다. 일부 경우들에서, 차량들(940, 945)은 그것들이 상이한 네트워크 내의 다른 차량들과 통신하고 있는 주파수 대역을 공유할 수 있다. 예를 들어, 일 무리의 차량들이 차량(940)을 통과할 수 있고, 일시적으로, 차량들(940, 945) 사이의 24 GHz mmWave 연결에 추가하여, 해당 무리 사이의 연결들을 형성하기 위해 24 GHz mmWave 대역을 공유할 수 있다. 다른 예로서, 통신 디바이스(920)는 5.9 GHz 대역을 통해 사용자의 위치에 관한 정보를 차량(945)에 제공하기 위해 사용자(예를 들어, 거리를 따라 걷는 보행자)에 의해 동작되는 모바일 디바이스(915)와의 700 MHz 연결을 실질적으로 동시에 유지할 수 있다. 이러한 정보를 제공할 때, 통신 디바이스(920)는 모바일 디바이스(915) 및 차량(945) 둘 모두와의 시간 민감 개별 연결들을 가능하게 하기 위해 대규모 MIMO 프레임워크의 일부로서 안테나 다이버시티 기법들(antenna diversity scheme)을 활용할 수 있다. 대규모 MIMO 프레임워크는 다수의 안테나들(예를 들어, 12, 20, 64, 128 등)을 갖는 송신 및/또는 수신 디바이스들을 수반할 수 있으며, 이는 레거시 프로토콜들(예를 들어, WiFi 또는 LTE)에 따라 더 적은 안테나들로 동작하는 디바이스들로 달성가능하지 않은 정밀한 빔성형(beamforming) 또는 공간 다이버시티(spatial diversity)를 가능하게 할 수 있다.

기지국(910) 및 소형 셀(930)은 활성/슬립(sleep) 사이클 상에서 동작할 수 있는 태양 전지들(937) 및/또는 하나 이상의 다른 센서 디바이스들과 같은 적어도 센서 무선 네트워크를 갖는 시스템(900) 내의 다른 통신 가능 디바이스들 또는 시스템(900) 내의 디바이스들과 무선으로 통신할 수 있다. 기지국(910)은 모바일 디바이스(915) 및 드론(917)과 같이 자신의 커버리지 영역(coverages area)에 진입하는 디바이스들에 대한 무선 통신 커버리지를 제공할 수 있다. 소형 셀(930)은 차량(945) 및 드론(917)과 같이 소형 셀(930)이 장착되는 건물 근처와 같이 자신의 커버리지 영역에 진입하는 디바이스들에 대한 무선 통신 커버리지를 제공할 수 있다.

일반적으로, 소형 셀(930)은 소형 셀로 지칭될 수 있고, 로컬 지리적 영역에 대한 커버리지, 예를 들어, 일부 예들에서 200 미터 이하의 커버리지를 제공할 수 있다. 이것은 수 평방 마일 또는 킬로미터 정도의 넓은 또는 큰 영역에 걸쳐 커버리지를 제공할 수 있는 매크로 셀(macrocell)과 대조적일 수 있다. 일부 예들에서, 소형 셀(930)은 무선 통신 트래픽이 해당 커버리지 영역의 트래픽 분석에 따라 조밀(dense)일 수 있는 기지국(910)(예를 들어, 매크로셀)의 일부 커버리지 영역들 내에 배치(예를 들어, 건물 상에 장착)될 수 있다. 예를 들어, 기지국(910)이 일반적으로 해당 기지국(910)의 다른 커버리지 영역들보다 더 많은 양의 무선 통신 송신들을 수신 및/또는 송신하면, 소형 셀(930)은 기지국(910)의 커버리지 영역에서 도면 9의 건물 상에 배치될 수 있다. 기지국(910)은 지리적 영역의 부분들에 대한 무선 커버리지를 제공하기 위해 지리적 영역에 배치될 수 있다. 무선 통신 트래픽이 더 조밀해짐에 따라, 추가적인 기지국들(910)이 특정 영역들에 배치될 수 있고, 이는 기존 기지국(910)의 커버리지 영역을 변경할 수 있거나, 소형 셀(930)과 같은 다른 지원국들이 배치될 수 있다. 소형 셀(930)은 소형 셀보다 작은 영역 (예를 들어, 일부 예들에서 100 미터 이하 (예를 들어, 건물의 하나의 층)에 대한 커버리지를 제공할 수도 있는 펨토셀(femtocell)일 수 있다.

기지국(910) 및 소형 셀(930)은 그것들 개개의 영역들을 둘러싸는 지리적 영역의 일부에 대한 통신 커버리지를 제공할 수도 있지만, 양자 모두는 특정 디바이스들에 대한 더 빠른 무선 연결들을 가능하게 하기 위해 그들의 커버리지의 양태들을 변경할 수 있다. 예를 들어, 소형 셀(930)은 주로 소형 셀(930)이 탑재되는 건물 주변 또는 건물 내의 디바이스들에 대한 커버리지를 제공할 수 있다. 그러나, 소형 셀(930)은 또한 디바이스가 커버리지 영역에 진입했음을 검출하고 해당 디바이스에 대한 더 빠른 연결을 가능하게 하기 위해 그 커버리지 영역을 조정할 수 있다.

예를 들어, 소형 셀(930)은 무인 항공기(UAV)로도 지칭될 수 있는 드론(917)과의 대규모 MIMO 연결을 지원할 수 있고, 차량(945)이 그 커버리지 영역에 진입할 때, 소형 셀(930)은 드론(917)에 추가하여 차량과의 대규모 MIMO 연결을 가능하게 하기 위해 드론(917)보다는 차량(945)의 방향으로 지향하여 가리키도록 일부 안테나를 조정한다. 안테나들 중 일부를 조정할 때, 소형 셀(930)은 조정 전에 가졌던 바와 같이, 특정 주파수에서 드론(917)에 대한 연결만큼 빠르게 지원하지 않을 수 있다. 예를 들어, 소형 셀(930)은 1.8GHz의 4G LTE 대역에서 다양한 가능한 주파수 중 제1 주파수 상에서 드론(917)과 통신할 수 있다. 그러나, 드론(917)은 또한 소형 셀(930)을 참조하여 설명된 것과 유사한 연결, 또는 예를 들어, 5G NR 대역의 3.5GHz 주파수에서 기지국(910)과의 상이한(예를 들어, 더 빠르고, 더 신뢰성 있는) 연결을 가능하게 할 수 있는 그 커버리지 영역 내의 다른 디바이스(예를 들어, 기지국(910))와의 상이한 주파수에서의 연결을 요청할 수 있다. 따라서, 시스템(900)은, 예를 들어, 4GE LTE 및 5G NR 대역들 둘 모두에서 송신할 때 드론(917)에 의해 생성된 임의의 자기 간섭 노이즈를 또한 보상하면서, 이러한 링크들을 이용하거나 요구할 수 있는 디바이스들에 대한 추가적인 연결들을 제공할 때 기존의 통신 링크들을 개선시킬 수 있다. 일부 예들에서, 드론(917)은 이동 가능한 또는 공중 기지국으로서 기능할 수 있다.

무선 통신 시스템(900)은, 순환 신경망(170)과 같은 순환 신경망들을 활용하여 자기 간섭 노이즈를 또한 보상하면서, 시스템(900) 내의 디바이스들에 대한 다양한 주파수들에서 여러 연결들을 지원할 수 있는 기지국(910), 통신 디바이스(920), 및 소형 셀(930)과 같은 디바이스들을 포함할 수 있다. 이러한 디바이스들은 시스템(900)의 네트워크 내의 다른 디바이스들과 계층 모드 또는 애드-혹 모드에서 동작할 수 있다. 기지국(910), 통신 디바이스(920), 및 소형 셀(930)의 맥락에서 설명되지만, 네트워크 내의 디바이스들과의 여러 연결들을 지원하면서, 또한 순환 신경 네트워크들을 활용하여 자기 간섭 노이즈를 보상할 수 있는 다른 디바이스들이 시스템(900)에 포함될 수 있다는 것이 인식될 수 있으며, 이는 매크로셀들, 펨토셀들, 라우터들, 위성들, 및 RFID 검출기들을 포함하지만 이에 제한되지 않는다.

다양한 예들에서, 기지국(910), 모바일 디바이스(915), 드론(917), 통신 디바이스(920), 소형 셀(930), 및 차량들(940, 945)과 같은 무선 통신 시스템(900)의 엘리먼트들은 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상하는 본 명세서에 설명된 전자 디바이스로서 구현될 수 있다. 예를 들어, 통신 디바이스(920)는, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 도 8의 전자 디바이스(800), 또는 본 명세서에 설명된 도 1 내지 도 2, 도 5a 내지 도 5e, 도 6a 내지 도 6b, 또는 도 8에 도시된 임의의 시스템 또는 시스템들의 조합과 같이, 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 따라서, 시스템(900)의 디바이스들 중 임의의 디바이스는 4G 및 5G 대역들 둘 모두 상에서 신호들을 송수신할 수 있는 한편; 또한 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상할 수 있다.

도 10은 본 개시의 양태들에 따른 무선 통신 시스템(1000)의 일 예를 예시한다. 무선 통신 시스템(1000)은 모바일 디바이스(1015), 드론(1017), 통신 디바이스(1020) 및 소형 셀(1030)을 포함한다. 건물(1010)은 또한, 건물(1010) 또는 소형 셀(1030) 내의 다른 엘리먼트들과 통신하도록 구성될 수 있는 무선 통신 시스템(1000)의 디바이스들을 포함한다. 건물(1010)은 네트워크화된 워크스테이션들(1040, 1045), 가상 현실 디바이스(1050), IoT 디바이스들(1055, 1060), 및 네트워크화된 엔터테인먼트 디바이스(1065)를 포함한다. 도시된 시스템(1000)에서, IoT 디바이스들(1055, 1060)은 개별적으로 가상 현실 디바이스(1050)에 의해 제어되는 가정용 세탁기 및 건조기일 수 있다. 따라서, 가상 현실 디바이스(1050)의 사용자가 건물(1010)의 다른 방에 있는 동안, 사용자는 세탁기 설정을 구성하는 것과 같은 IoT 디바이스(1055)의 동작을 제어할 수 있다. 가상 현실 디바이스(1050)는 또한 네트워크화된 엔터테인먼트 디바이스(1065)를 제어할 수 있다. 예를 들어, 가상 현실 디바이스(1050)는 가상 현실 디바이스(1050)의 사용자에 의해 플레이되고 있는 가상 게임을 네트워크화된 엔터테인먼트 디바이스(1065)의 디스플레이 상에 브로드캐스트할 수 있다.

소형 셀(1030) 또는 건물(1010)의 디바이스들 중 임의의 디바이스는 인터넷 및 전통적인 통신 링크들에 대한 액세스를 제공하는 네트워크에 연결될 수 있다. 시스템(900)과 같이, 시스템(1000)은 서브-6 GHz 대역(예를 들어, 700 MHz 통신 주파수), 중간-범위 통신 대역들(예를 들어, 2.4 GHz), 및 mmWave 대역들(예를 들어, 24 GHz)을 포함하지만 이에 제한되지 않는 다양한 주파수 대역들을 포함할 수 있는 5G 시스템에서 광범위한 무선 통신 연결들을 가능하게 할 수 있다. 추가적으로 또는 대안적으로, 무선 통신 연결들은 시스템(900)을 참조하여 앞서 설명된 바와 같은 다양한 변조 방식들을 지원할 수 있다. 시스템(1000)은 시스템(900)과 유사하게 통신하도록 동작하고 구성될 수 있다. 따라서, 시스템(1000) 및 시스템(900)의 유사하게 넘버링된 엘리먼트들은 유사한 방식으로, 이를테면, 통신 디바이스(920) 대 통신 디바이스(1020), 소형 셀(930) 대 소형 셀(1030) 등으로 구성될 수 있다.

시스템(900)의 엘리먼트들이 독립적인 계층적 또는 애드-혹 네트워크들을 형성하도록 구성되는 시스템(900)과 같이, 통신 디바이스(1020)는 소형 셀(1030) 및 모바일 디바이스(1015)와 계층적 네트워크를 형성할 수 있는 반면, 추가적인 애드-혹 네트워크는 드론(1017) 및 네트워크화된 워크스테이션들(1040, 1045) 및 IoT 디바이스들(1055, 1060)과 같은 건물(1010)의 디바이스들 중 일부를 포함하는 소형 셀(1030) 네트워크 사이에 형성될 수 있다.

통신 시스템(1000) 내의 디바이스들은 또한 시스템(1000)의 다른 모바일 디바이스들 또는 다른 엘리먼트들과 (D2D) 연결들을 형성할 수 있다. 예를 들어, 가상 현실 디바이스(1050)는 IoT 디바이스(1055) 및 네트워크화된 엔터테인먼트 디바이스(1065)를 포함하는 다른 디바이스와 협대역 IoT 연결을 형성할 수 있다. 전술한 바와 같이, 일부 예들에서, D2D 연결들은 라이센싱된 스펙트럼 대역들을 사용하여 이루어질 수 있고, 이러한 연결들은 셀룰러 네트워크 또는 서비스 제공자에 의해 관리될 수 있다. 따라서, 상기 예가 협대역 IoT의 맥락에서 설명되었지만, 다른 디바이스-대-디바이스 연결들이 가상 현실 디바이스(1050)에 의해 활용될 수 있다는 것이 인식될 수 있다.

다양한 예들에서, 모바일 디바이스(1015), 드론(1017), 통신 디바이스(1020), 및 소형 셀(1030), 네트워크화된 워크스테이션들(1040, 1045), 가상 현실 디바이스(1050), IoT 디바이스들(1055, 1060), 및 네트워크화된 엔터테인먼트 디바이스(1065)와 같은 무선 통신 시스템(1000)의 엘리먼트들은 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상하는 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 예를 들어, 통신 디바이스(1020)는, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 도 8의 전자 디바이스(800), 또는 본 명세서에 설명된 도 1 내지 도 2, 도 5a 내지 도 5e, 도 6a 내지 도 6b, 또는 도 8에 도시된 임의의 시스템 또는 시스템들의 조합과 같이, 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 따라서, 시스템(1000)의 디바이스들 중 임의의 디바이스는 4G 및 5G 대역들 둘 모두 상에서 신호들을 송수신할 수 있는 한편; 또한 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상할 수 있다.

무선 통신 시스템(1000)은 또한 다양한 모바일 또는 다른 전자 디바이스 엔드포인트들을 갖는 5G 무선 통신 시스템으로서 구현될 수 있다. 일 예로서, 모바일 디바이스들(1015)은 모바일 엔드포인트들일 수 있고, 네트워크화된 엔터테인먼트 디바이스(1065)는 5G 무선 통신 시스템에서 (예를 들어, I/O 인터페이스(870)를 통해) 카메라를 포함할 수 있다. 계속하여 이 예에서, 모바일 디바이스(1015)는 해당 개개의 디바이스, 예를 들어, 네트워크화된 엔터테인먼트 디바이스(1065)가 위치되는 건물(1010)으로의 이동 방향에서 기계 학습 또는 AI 기법들의 훈련 및 추론에 사용되는 데이터 세트들을 수집할 수 있다. AI 기술에서 이러한 데이터 세트를 사용하여, 무선 통신 시스템(1000)은 네트워크화된 엔터테인먼트 디바이스(1065)가 위치된 건물(1010)에 도달하기 위한 모바일 디바이스(1015)의 사용자의 예측과 같은 추론 결과를 결정할 수 있다. 또한, 네트워크화된 엔터테인먼트 디바이스(1065)는 네트워크화된 엔터테인먼트 디바이스(1065)와 상호 작용하는 사용자의 이미지를 (예를 들어, 데이터 세트로서) 획득하여 네트워크화된 엔터테인먼트 디바이스(1065) 상에 디스플레이된 컨텐츠에 대한 추론 결과를 결정할 수 있다. 예를 들어, 추론 결과는 네트워크화된 엔터테인먼트 디바이스(1065)와 상호작용하는 사용자가 추가적인 유사한 콘텐츠로 상호 작용하기를 원한다는 것일 수 있다. 둘 모두의 추론 결과들을 사용하여, 시스템(1000)은 시스템(1000) 내의 하나 이상의 디바이스들의 사용자들에 관한 예측들을 가능하게 할 수 있다. 이러한 조합된 추론 결과는 각각의 개별 디바이스의 추론 결과의 서브세트를 포함할 수 있다. 계속하여 이 예에서, 모바일 디바이스(1015) 또는 네트워크화된 엔터테인먼트 디바이스(1065)는, 네트워크화된 엔터테인먼트 디바이스(1065)가 위치되는 건물(1010)에 도달하는 사용자가 네트워크화된 엔터테인먼트 디바이스(1065) 상에 디스플레이된 특정 콘텐츠와 상호작용하는 네트워크화된 엔터테인먼트 디바이스(1065)의 사용자들의 콘텐츠와 추가적인 유사한 콘텐츠와 상호작용하는 것에 관심이 있을 수 있다는 것과 같은 조합된 추론 결과들을 결정할 수 있다.

따라서, 시스템(1000)은, 예를 들어, 도 5c 내지 도 5e의 순환 신경망(512)에서의 고차 메모리 영향들을 포함하는 추론 결과들의 정밀도를 또한 증가시키면서, 더 빠른 훈련 및 추론을 가능하게 하는, 본 명세서에 설명된 그러한 순환 신경망들을 구현할 때 시스템(1000)의 다양한 디바이스들에 대한 데이터 세트들 또는 추론 결과들의 획득 및 통신을 가능하게 할 수 있다. 따라서, 시스템(1000)은, 예를 들어, 5G 독립형 트랜시버 시스템들로서 동작할 수 있는 다른 디바이스들이 효율적이고 적시에 이러한 4G/5G 디바이스들과 통신할 수 있도록, 4G 또는 5G 대역들 둘 모두 상에서 송수신하는 시스템(1000)의 하나 이상의 디바이스들의 자기 간섭 노이즈를 제거하는 디바이스들을 포함할 수 있다. 시스템(1000)의 다양한 구현예들에서, 건물(1010) 상에 또는 건물 내에서 디스플레이되는 디바이스들은 데이터 세트들을 획득하고 이들 디바이스들과 상호작용하는 콘텐츠 또는 사용자들에 관한 추론 결과들을 결정하는 "스마트 홈" 5G 디바이스들로 지칭될 수 있다. 예를 들어, "스마트 홈" 5G 디바이스들은 네트워크화된 워크스테이션들(1040, 1045), 가상 현실 디바이스(1050), IoT 디바이스들(1055, 1060), 및 네트워크화된 엔터테인먼트 디바이스(1065)를 포함할 수 있다.

도 11은 본 개시의 양태들에 따른 무선 통신 시스템(1100)의 일 예를 예시한다. 무선 통신 시스템(1100)은 소형 셀들(1110), 카메라 디바이스들(1115), 통신 디바이스들(1120), 센서 디바이스들(1130), 통신 디바이스들(1140), 데이터 센터(1150), 및 센서 디바이스(1160)를 포함한다. 도시된 시스템(1100)에서, 소형 셀(1110)은 카메라 디바이스(1115), 통신 디바이스들(1120), 센서 디바이스들(1130), 및 센서 디바이스(1160)와 함께, 농업용 사용을 위한 계층적 네트워크를 형성할 수 있다. 소형 셀(1110)에 의해 형성된 이러한 네트워크는 네트워크화된 디바이스들과 데이터 센터(1150) 사이에서 데이터 세트들 및 추론 결과들을 통신할 수 있다. 계속하여 도시된 시스템(1100)에서, 다른 소형 셀(1110)은 통신 디바이스(1140), 데이터 센터(1150), 및 센서 디바이스(1160)와, 다른 농업용 사용을 위해, 다른 계층적 네트워크를 형성할 수 있다. 유사하게, 추가적인 소형 셀(1110)에 의해 형성된 이러한 네트워크는 네트워크화된 디바이스들과 데이터 센터(1150) 사이에서 데이터 세트들 및 추론 결과들을 통신할 수 있다. 특정 소형 셀(1110)과 함께 특정 농업용 네트워크로 도시되어 있지만, 계층적이든 애드-혹(ad-hoc)이든, 다양한 네트워크가 무선 통신 시스템(1100)의 디바이스, 셀 또는 데이터 센터 사이에 형성될 수 있다는 것이 인식될 수 있다. 부가적으로 또는 대안적으로, 시스템(900) 또는 시스템(1000)과 같이, 시스템(1100)의 유사하게-명명된 엘리먼트들은 유사한 방식으로, 예컨대, 통신 디바이스(920) 대 통신 디바이스(1120), 통신 디바이스(1020) 대 통신 디바이스(1140), 또는 소형 셀(930) 대 소형 셀(1110) 등과 같이 구성될 수 있다는 것이 인식될 수 있다.

시스템(1000)과 같이, 시스템(1100) 내의 디바이스들은 또한 다른 모바일 디바이스들 또는 시스템(1000)의 다른 엘리먼트들과의 D2D 연결들을 수행할 수 있다. 예를 들어, 통신 디바이스(1140)는 센서 디바이스(1160) 또는 통신 디바이스(1120)를 포함하는 다른 디바이스들과 협대역 IoT 연결들을 형성할 수 있다. 전술한 바와 같이, 일부 예들에서, D2D 연결들은 라이센싱된 스펙트럼 대역들을 사용하여 이루어질 수 있고, 이러한 연결들은 셀룰러 네트워크 또는 서비스 제공자, 예를 들어, 소형 셀(1110)의 셀룰러 네트워크 또는 서비스 제공자에 의해 관리될 수 있다. 따라서, 상기 예가 협대역 IoT의 맥락에서 설명되었지만, 다른 디바이스-대-디바이스 연결들이 시스템(1100)의 디바이스들에 의해 활용될 수 있다는 것이 인식될 수 있다.

다양한 예들에서, 카메라 디바이스(1115), 통신 디바이스들(1120), 센서 디바이스들(1130), 통신 디바이스들(1140), 센서 디바이스(1160)와 같은 무선 통신 시스템(1100)의 엘리먼트들은 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상하는 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 예를 들어, 센서 디바이스(1160)는, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 도 8의 전자 디바이스(800), 또는 본 명세서에 설명된 도 1 내지 도 2, 도 5a 내지 도 5e, 도 6a 내지 도 6b, 또는 도 8에 도시된 임의의 시스템 또는 시스템들의 조합과 같이, 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 따라서, 시스템(1100)의 디바이스들 중 임의의 디바이스는 4G 및 5G 대역들 둘 모두 상에서 신호들을 송수신할 수 있는 한편; 또한 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상할 수 있다.

무선 통신 시스템(1100)은 또한 다양한 모바일 또는 다른 전자 디바이스 엔드포인트들을 갖는 5G 무선 통신 시스템으로 구현될 수 있다. 일 예로서, (예를 들어, I/O 인터페이스(870)를 통한) 카메라를 포함하는 카메라 디바이스(1115)는 모바일 엔드포인트일 수 있고; 통신 디바이스들(1120) 및 센서 디바이스들(1130)은 5G 무선 통신 시스템에서의 센서 엔드포인트들일 수 있다. 계속하여 이 예에서, 카메라 디바이스(1115)는 해당 개개의 디바이스에서 기계 학습 또는 AI 기술의 훈련 및 추론에 사용되는 데이터 세트, 예를 들어 농경지의 수박의 이미지를 수집할 수 있다. 이러한 이미지 데이터 세트들은 카메라 디바이스에 의해 획득되고 카메라 디바이스(1115)의 메모리(예를 들어, 메모리 유닛들(850)과 같은)에 저장되어 이미지 데이터 세트들에 기초하여 추론 결과들을 훈련 또는 처리하기 위해 데이터 세트들을 데이터 센터(1150)에 통신할 수 있다. 이러한 데이터 세트를 AI 기술에 활용함으로써, 무선 통신 시스템(1100)은 농경지의 서로 다른 수박들, 예를 들어, 완전 생육된 수박 또는 수박에 수박 꽃에 의해 표시된 것과 같은 수박의 중간 생육에 대한 다양한 생육 단계에 기초한 수박의 생육 속도 예측과 같은 추론 결과를 결정할 수 있다. 예를 들어, 데이터 센터(1150)는 전자 디바이스(800)를 구현하는 클라우드 서버 상의 순환 신경망(840)을 이용하여 추론 결과를 생성하여 이러한 추론 결과들을 무선 통신 시스템(1100)에서 사용할 수 있도록 제공할 수 있다.

모바일 및/또는 센서 엔드포인트들과의 추론 결과들을 처리하는 5G 통신 시스템의 예에서 계속하여, 통신 디바이스들(1120)은 소형 셀(1110)을 통해 데이터 세트들을 데이터 센터(1150)에 통신할 수 있다. 예를 들어, 통신 디바이스(1120)는 개개의 통신 디바이스(1120)에 포함된 센서(예를 들어, 센서(830))를 통해 수박이 생육하고 있는 농경지의 토양의 파라미터에 대한 데이터 세트를 획득할 수 있다. 이러한 파라미터화된 데이터 세트들은 또한 ML 또는 AI 기술들을 사용하여 추론 결과들의 추가 훈련 또는 처리를 위해 통신 디바이스(1120)에 저장되거나 데이터 센터(1150)에 통신될 수 있다. 농경지의 상태는 필드의 파라미터에 관한 데이터 세트들을 획득하는 예와 관련하여 설명되었지만, 농경지의 파라미터들을 측정하기 위해 통신 디바이스(1120)에 의해 이용되는 센서들에 따라, 농경지의 상태에 관한 다양한 데이터 세트들이 획득될 수 있다는 것이 인식될 수 있다.

일부 구현예들에서, 통신 디바이스(1120)는 통신 디바이스(1120) 자체에서 추론 결과들을 만들 수 있다. 이러한 구현예들에서, 통신 디바이스(1120)는 토양에 관한 특정 파라미터화된 데이터 세트들을 획득하고, 통신 디바이스(1120) 자체 상에서 순환 신경망(840)을 사용하여 추론 결과들을 생성할 수 있다. 추론 결과는 농경지의 토양에 대한 물의 양에 관한 추천일 수 있다. 그러한 추론 결과에 기초하여, 통신 디바이스(1120)는 해당 추론 결과를 해당 디바이스에 대한 제어 명령어와 함께 다른 디바이스에 통신하도록 추가로 구성될 수 있다. 계속해서 이 예에서, 통신 디바이스(1120)는 그러한 추론 결과를 획득하고, 센서 디바이스(1130)가 추론 결과에 따라 물의 양을 증가 또는 감소시키기 위한 명령어를 생성할 수 있다. 따라서, 추론 결과들은 시스템(1100)의 다양한 디바이스들에 의해 획득된 데이터 세트들에 기초하여 시스템(1100)의 디바이스들에서 또는 데이터 센터(1150)에서 처리될 수 있다.

모바일 및/또는 센서 엔드포인트들에 대한 추론 결과들을 처리하는 5G 통신 시스템의 예에서 계속하여, 센서 디바이스(1130)는 데이터 세트들을 소형 셀(1110)을 통해 데이터 센터(1150)에 통신할 수 있다. 예를 들어, 센서 디바이스(1130)는 센서 디바이스가 전자 디바이스(800)와 같은 본 명세서에 설명된 바와 같은 전자 디바이스로서 구현되는 스프링클러이기 때문에 수박이 생육하는 농경지의 물 사용량에 관한 데이터 세트를 획득할 수 있다. 예를 들어, 센서 디바이스(1130)는 수량계(water guage)와 같은 물 사용량을 측정하는 센서(830)를 포함할 수 있다. 따라서, 센서 디바이스(1130)는 추론 결과의 처리를 위해 메모리 유닛(850)에 저장되거나 데이터 센터(1150)에 통신될 물 사용량에 관한 데이터 세트를 획득할 수 있다. 이러한 파라미터화된 데이터 세트들은 또한 ML 또는 AI 기술들을 사용하여 추론 결과들의 추가 훈련 또는 처리를 위해 통신 디바이스(1120)에 저장되거나 데이터 센터(1150)에 통신될 수 있다. 물 사용량의 상태가 스프링클러 및 수량계의 예에 대해 설명되었지만, 물 사용량에 관한 데이터 세트들을 획득하기 위해 센서 디바이스(1120)에 의해 이용되는 센서들에 따라, 물 사용의 상태에 관한 다양한 데이터 세트들이 획득될 수 있다는 것이 인식될 수 있다.

추가적으로 또는 대안적으로 추론 결과들을 처리하는 5G 통신 시스템의 예에서, 센서 디바이스(1160)는 시스템(1100)의 다른 디바이스들 또는 데이터 센터(1150) 중 하나에 의한 사용을 위해 데이터 세트들을 통신하거나 추론 결과들을 생성할 수 있다. 예를 들어, 센서 디바이스(1160)는 시스템(1100)의 농업 설정의 풍속 또는 다른 환경 조건에 관한 데이터 세트를 획득할 수 있다. 이 예에서, 센서 디바이스(1160)는 센서(830)를 갖는 전자 디바이스를 풍속계로서 구현할 수 있다. 따라서, 이 예에서, 센서(830)는 풍속을 획득하고 해당 풍속에 관한 데이터 세트를 하나 이상의 메모리 유닛(850)에 저장할 수 있다. 일부 구현예들에서, 센서 디바이스(1160)는 메모리 유닛들(850)에 저장된 데이터 세트에 관한 추론 결과들을 생성하기 위해 순환 신경망(840)을 이용할 수 있다. 예를 들어, 추론 결과는 특정 방향의 특정 풍속이 강수를 나타내는 것일 수 있다. 따라서, 해당 추론 결과들은 다른 신호들이 센서 디바이스(1160) 또는 소형 셀(1110)에서 4G 대역 상에서 소형 셀(1110)로 통신되는 것을 포함하여, 5G 송신에서 통신될 수 있다.

일부 구현예들에서, 소형 셀(1110)은 이러한 추론 결과를 다양한 디바이스들 또는 데이터 센터(1150)에 추가로 라우팅(route)할 수 있다. 계속하여 이 예에서, 센서 디바이스(1160)로부터의 추론 결과는 농경지에서 물 사용량을 조정하기 위해 센서 디바이스(1130)에 의해 이용될 수 있다. 이러한 경우에, 센서 디바이스(1130)는 특정 방향의 특정 풍속이 강수를 나타낸다는 추론 결과에 기초하여 수박을 생육하는 농경지의 물 사용량을 조정하기 위해 개개의 센서 디바이스(1130)의 순환 신경망(들)(840)에서 센서 디바이스(1130)로부터의 추론 결과를 처리할 수 있다. 따라서, 바람직하게는, 시스템(1100)은, 개개의 순환 신경망(840)에서 데이터 세트를 획득하고 추론 결과를 처리하는데 있어서, 물 천연 자원과 상호작용하는 센서 디바이스(1130)와 같이, 시스템(1100)의 디바이스가 상호작용할 수 있는 특정 천연 자원을 보존하는데 있어서 지속가능성 이점을 제공할 수 있다. 그러한 추론 결과들을 사용하여, 시스템(1100)은 시스템(1100) 내의 농경지 디바이스들에 의해 이용되는 천연 자원들에 관한 예측들을 가능하게 할 수 있다.

다양한 모바일 또는 다른 전자 디바이스 엔드포인트들을 갖는 5G 무선 통신 시스템을 구현하는 무선 통신 시스템들(1100)의 다른 예로서, (예를 들어, I/O 인터페이스(870)를 통한) 카메라 및 특정 농업 가축(예를 들어, 도 11에 도시된 소들)에 부착된 통신 디바이스들(1140)을 포함하는 다른 카메라 디바이스(1115)는 추가적인 모바일 엔드포인트들일 수 있고; 센서 디바이스(1160)는 5G 무선 통신 시스템에서의 센서 엔드포인트(endpoint)일 수 있다. 이 예에서, 통신 디바이스들(1140)은 더 적은 에너지를 활용할 수 있는 특정 협대역 IoT 디바이스들로서 구현될 수 있어서, 전력-효율로 이어지고 덜 복잡한 시그널링 프레임워크들을 활용할 수 있어서, 디바이스들이 특정 대역들 상에서 비동기적으로 송신할 수 있다. 통신 디바이스의 I/O 인터페이스(870)는 특정 농업 가축에 부착된 통신 디바이스(1140)의 위치를 제공하는 GPS(Global Positioning System) 디바이스에 결합될 수 있다. 개개의 통신 디바이스(1140)는 농경지에서, 가축의 움직임을 추적하는 개개의 위치 데이터 세트를 획득할 수 있다. 바람직하게는, 통신 디바이스들(1140)은 개개의 위치 데이터 세트들에 관한 추론 결과들의 추가적인 처리를 위해, 데이터 센터(1150)와 같은 시스템(1100) 내의 다른 디바이스들에 이러한 데이터 세트들을 제공할 수 있다. 이러한 데이터 세트들은 5G 송신에서 개개의 통신 디바이스들(1140)로부터 통신될 수 있는 반면; 다른 신호들은 통신 디바이스들(1140) 또는 소형 셀(1110)에서 4G 대역 상에서 소형 셀(1110)로 통신된다.

계속하여 이 예에서, 카메라 디바이스(1115)는 또한 개개의 위치 데이터 세트들을 이용한 추론 결과들의 추가 처리를 위해, 가축에 부착된 통신 디바이스들(1140)을 이용하여 가축의 이미지들을 획득할 수 있다. 일 예에서, 카메라 디바이스(1115)에 의해 획득된 이미지 데이터 세트들 및 통신 디바이스들(1140)에 의해 획득된 위치 데이터 세트들은 소형 셀(1110)을 통해 데이터 센터(1150)에 통신될 수 있다. 이에 따라, 데이터 센터(1150)는 이미지 및 위치 데이터 세트들에 기초하여 추론 결과를 생성할 수 있다. 예를 들어, 데이터 센터(1150)에서 전자 디바이스(800)로서 구현되는 클라우드 서버 상의 순환 신경망(840)은 천연 자원의 소비로 인해 가축이 농경지에서 제거될 때를 예측하는 추론 결과를 만들 수 있다. 추론 결과는 이미지 데이터 세트로부터의 이미지에 기초한 농경지의 상태 및 위치 데이터 세트에 기초하여 가축이 특정 천연 자원(예를 들어, 풀)을 얼마나 오래 소비했는지를 나타내는 가축의 일시적 위치에 기반될 수 있다. 일부 예들에서, 데이터 센터(1150)의 클라우드 서버(또는 데이터 센터(1150)의 다른 클라우드 서버)는 특정 방향의 특정 풍속에 기초한 강수 예측에 관한 추론 결과로 해당 추론 결과를 추가로 처리하기 위해, 센서 디바이스(1160)에 의해 획득된 풍속에 관한 데이터 세트와 같은 추가적인 데이터 세트로 해당 추론 결과를 추가로 처리할 수 있다. 따라서, 다수의 추론 결과들은 시스템(1100)의 디바이스들이 획득하는 다양한 데이터 세트들에 기초하여 데이터 센터(1150)에서 처리될 수 있다.

따라서, 시스템(1100)은, 예를 들어, 도 5c 내지 도 5e의 순환 신경망(512)에서의 고차 메모리 영향들을 포함하여, 추론 결과들의 정밀도를 또한 증가시키면서, 고용량 훈련 및 추론을 가능하게 하는 본 명세서에 설명된 바와 같은 이러한 순환 신경망들을 구현할 때 시스템(1100)의 다양한 디바이스들에 대한 데이터 세트들 또는 추론 결과들의 획득 및 통신을 가능하게 할 수 있다. 예를 들어, 시스템(1100)의 다양한 디바이스들은, 예를 들어, 적용될 AI 또는 기계 학습(ML) 기술들을 위해 이러한 데이터를 데이터 센터(1150)로 효율적으로 오프로딩(offload)하기 위해, 획득된 데이터의 처리를 가능하게 할 수 있다. 따라서, 시스템(1100)은, 예를 들어, 5G 독립형 트랜시버 시스템들로서 동작할 수 있는 다른 디바이스들이 효율적이고 적시에 이러한 4G/5G 디바이스들과 통신할 수 있도록, 4G 또는 5G 대역들 둘 모두 상에서 송수신하는 시스템(1100)의 하나 이상의 디바이스들의 자기 간섭 노이즈를 소거하는 디바이스들을 포함할 수 있다.

도 12는 본 개시의 양태들에 따른 통신 시스템(1200)의 예를 예시한다. 통신 시스템(1200)은 소형 셀(1210), 유선 통신 링크(1212), 드론(1217), 산업용 사용자(1220), 산업용 통신 디바이스(1227), 변전소(1230), 산업 파이프라인(1225), 파이프라인 수용 스테이션(1235), 파이프라인 통신 디바이스(1237), 주거용 사용자(1240), 상업용 사용자(1245), 데이터 센터(1250), 센서 디바이스(1255), 발전 사용자(1260), 연료 스테이션(1270), 변전소(1275), 및 연료 저장소(1280)를 포함한다.

도시된 통신 시스템(1200)에서, 소형 셀(1210)은 산업 파이프라인 시스템의 다양한 사용자에게 연료의 상태를 제공하기 위해 계층적 네트워크를 형성할 수 있고, 이에 의해 분배된 연료에 기초하여 연료 송신, 분배, 저장 또는 전력 생성을 가능하게 한다. 상기 연료는 다양한 형태의 가스 또는 오일일 수 있으며, 예를 들어 원유, 경유 가스, 수소 가스 또는 천연 가스일 수 있다. 연료는 산업용 사용자(1220), 변전소(1230) 또는 변전소(1275), 주거용 사용자(1240), 상업용 사용자(1245), 또는 연료 스테이션(1270)에 의해 제공되고 이용될 수 있다. 연료에 관한 다양한 상태들은 이러한 산업용 통신 시스템(1200) 내의 다양한 통신 디바이스들에 의해 소형 셀들(1210), 드론(1217), 데이터 센터(1250), 또는 유선 통신 링크(1212)에 제공될 수 있다. 예를 들어, 산업용 통신 디바이스(1227), 파이프라인 통신 디바이스(1237) 또는 센서 디바이스(1255)는 도 12에 도시된 파이프라인 네트워크를 통한 연료의 흐름에 대한 상태를 제공할 수 있다. 부가적으로 또는 대안적으로, 연료는 발전 사용자(1260)에서의 발전에 사용하기 위해 또는 연료 저장소(1280)에서의 저장을 위해 파이프라인 네트워크를 통해 제공될 수 있다. 연료는 파이프라인 수용 스테이션(1235)에서 산업 파이프라인(1225)에 의해 파이프라인 네트워크에 제공된다.

연료가 파이프라인 네트워크를 통해 유동함에 따라, 산업용 통신 디바이스(1227), 파이프라인 통신 디바이스(1237), 또는 센서 디바이스(1255)는 연료의 상태에 관한 데이터 입력을 수신하기 위해 다양한 I/O 디바이스에 결합된 센서(830) 또는 I/O 인터페이스(870)를 갖는 전자 디바이스(800)로서 구현될 수 있다. 따라서, 연료에 관한 데이터 세트들은 연료의 상태에 관한 추론 결과들의 추가 처리를 위해 산업용 통신 디바이스(1227), 파이프라인 통신 디바이스(1237), 또는 센서 디바이스(1255)에 의해 획득될 수 있다. 예를 들어, 파이프라인 통신 디바이스(1237)는 산업용 사용자(1220), 주거용 사용자(1240) 또는 상업용 사용자(1245)와 같은 파이프라인 네트워크의 다양한 사용자에서의 전력 소비를 나타내는 상태를 5G 통신 신호를 통해 통신할 수 있다. 다른 예로서, 변전소(1230) 또는 변전소(1275)는 변전소(1230) 또는 변전소(1275)에 결합된 파이프라인 네트워크의 엘리먼트들에 의해 생성된 전력에 관한 발전 상태를 제공할 수 있다. 따라서, 변전소(1230)는 산업용 사용자(1220)의 발전 상태를 제공할 수 있고; 변전소(1275)는 발전 사용자(1260)로서 발전 상태를 제공할 수 있다. 이러한 다양한 상태들은 변전소들(1230 또는 1275)에 위치된 디바이스들 또는 파이프라인 네트워크의 개개의 사용자들에 위치된 디바이스들과 통신하는 소형 셀들(1210) 또는 드론(1217)을 통해 데이터 센터(1250)에 제공될 수 있다. 시스템(1200)의 구현예에서, 연료 저장 상태는 또한 연료 저장소(1280)에 의해 데이터 센터(1250)에 제공될 수 있다.

시스템(1200)이 특정 파이프라인 네트워크 시스템에 도시되어 있지만, 계층적이든 애드-혹이든, 다양한 네트워크들이 무선 통신 시스템(1200)의 디바이스들, 셀들, 또는 데이터 센터(1250) 사이에서 형성될 수 있다는 것이 인식될 수 있다. 추가적으로 또는 대안적으로, 시스템(900), 시스템(1000), 시스템(1100)과 같이, 시스템(1200)의 유사하게 명명된 엘리먼트들은 유사한 방식으로, 예컨대 통신 디바이스(920) 대 파이프라인 통신 디바이스(1237), 드론(917) 대 드론(1217), 또는 소형 셀(930) 대 소형 셀(1210) 등과 같이 구성될 수 있다는 것이 인식될 수 있다.

시스템(1100)과 같이, 시스템(1200) 내의 디바이스들은 또한 다른 모바일 디바이스들 또는 시스템(1200)의 다른 엘리먼트들과의 D2D 연결들을 수행할 수 있다. 예를 들어, 파이프라인 통신 디바이스(1237)는 산업용 통신 디바이스(1227) 또는 센서 디바이스(1255)를 포함하는 다른 디바이스들과 협대역 IoT 연결들을 형성할 수 있다. 전술한 바와 같이, 일부 예들에서, D2D 연결들은 라이센싱된 스펙트럼 대역들을 사용하여 이루어질 수 있고, 이러한 연결들은 셀룰러 네트워크 또는 서비스 제공자, 예를 들어, 소형 셀(1210)의 셀룰러 네트워크 또는 서비스 제공자에 의해 관리될 수 있다. 따라서, 상기 예가 협대역 IoT의 맥락에서 설명되었지만, 다른 디바이스-대-디바이스 연결들이 시스템(1200)의 디바이스들에 의해 활용될 수 있다는 것이 인식될 수 있다.

다양한 예들에서, 산업용 통신 디바이스(1227), 파이프라인 통신 디바이스(1237), 또는 센서 디바이스(1255)와 같은 무선 통신 시스템(1200)의 엘리먼트들은 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상하는 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 예를 들어, 센서 디바이스(1255)는, 도 1의 전자 디바이스(102, 110), 도 2a의 전자 디바이스(110), 도 2b의 전자 디바이스(270), 도 6a의 전자 디바이스(610), 도 6b의 전자 디바이스(655), 도 8의 전자 디바이스(800), 또는 본 명세서에 설명된 도 1 내지 도 2, 도 5a 내지 도 5e, 도 6a 내지 도 6b, 또는 도 8에 도시된 시스템들의 임의의 시스템 또는 조합과 같이, 본 명세서에 설명된 전자 디바이스들로서 구현될 수 있다. 따라서, 시스템(1200)의 디바이스들 중 임의의 디바이스는 4G 및 5G 대역들 둘 모두 상에서 신호들을 송수신할 수 있는 한편; 또한 순환 신경망들을 이용하여 자기 간섭 노이즈를 보상할 수 있다.

시스템(1200)의 산업적으로 획득된 데이터 세트들을 처리하는 예에서, 시스템(1200)의 디바이스들, 예컨대, 산업용 통신 디바이스(1227), 파이프라인 통신 디바이스(1237), 또는 센서 디바이스(1255), 및 시스템(1200)의 사용자들은, 통신 5G 신호들을 통해, 추론 결과들의 추가 처리를 위해, 연료, 전력 소비, 또는 발전 상태에 관한 데이터 세트들을 데이터 센터(1250)에 통신할 수 있다. 일 예에서, 센서 디바이스(1255)에서의 연료 유동 상태는 소형 셀(1210)을 통해 데이터 센터(1250)로 통신될 수 있다. 다른 예로서, 주거용 사용자(1240)의 전력 소비 상태는 5G 통신 신호를 통해 소형 셀(1210) 또는 드론(1217)을 통해 데이터 센터(1250)로 통신될 수 있다. 또 다른 예로서, 발전 상태는 발전용 사용자(1260)로부터 소형 셀(1210)에 5G 통신 신호를 통해 통신될 수 있고, 그런 다음 유선 통신 링크(1212)를 통해 데이터 센터(1250)에 추가로 통신될 수 있다. 따라서, 데이터 센터(1250)는 시스템(1200)의 다양한 통신 디바이스들 또는 사용자들로부터 데이터 세트들을 획득할 수 있다. 데이터 센터는 이러한 획득된 데이터 세트들에 기초하여 하나 이상의 추론 결과들을 처리할 수 있다. 예를 들어, 데이터 센터(1250)에서 전자 디바이스(800)로서 구현되는 클라우드 서버 상의 순환 신경망(840)은 시스템(1200)의 다양한 사용자들에서의 전력 소비 상태 및 파이프라인 수용 스테이션(1235)을 통해 파이프라인(1225)으로부터의 연료 유동을 검출하는 파이프라인 통신 디바이스(1237)로부터 수신된 연료 유동 상태에 기초하여 연료 부족 또는 잉여가 발생할 수 있는 시기를 예측하는 추론 결과를 생성할 수 있다. 일부 예들에서, 데이터 센터(1250)에서의 클라우드 서버(또는 데이터 센터(1250)에서의 다른 클라우드 서버)는 하나 이상의 추가적인 데이터 세트들로 해당 추론 결과를 추가로 처리하여, 하나 이상의 다른 추론 결과들로 해당 추론 결과를 추가로 처리할 수 있다. 따라서, 다수의 추론 결과들은 시스템(1200)의 디바이스들이 획득하는 다양한 데이터 세트들에 기초하여 데이터 센터(1250)에서 처리될 수 있다. 따라서, 시스템(1200)의 디바이스들은, 예를 들어, 적용될 AI 또는 기계 학습(ML) 기술들을 위해 그러한 데이터를 데이터 센터(1250)로 효율적으로 오프로딩하기 위해, 획득된 데이터의 처리를 가능하게 할 수 있다.

따라서, 시스템(1200)은, 예를 들어, 도 5c 내지 도 5e의 순환 신경망(512)에서의 고차 메모리 영향들을 포함하여, 추론 결과들의 정밀도를 또한 증가시키면서, 고용량 훈련 및 추론을 가능하게 하는 본 명세서에 설명된 바와 같은 그러한 순환 신경망들을 구현할 때 시스템(1200)의 다양한 디바이스들에 대한 데이터 세트들 또는 추론 결과들의 획득 및 통신을 가능하게 할 수 있다. 따라서, 시스템(1200)은, 예를 들어, 5G 독립형 트랜시버 시스템들로서 동작할 수 있는 다른 디바이스들이 효율적이고 적시에 이러한 4G/5G 디바이스들과 통신할 수 있도록, 4G 또는 5G 대역들 둘 모두 상에서 송수신중인 시스템(1200)의 하나 이상의 디바이스들의 자기 간섭 노이즈를 제거하는 디바이스들을 포함할 수 있다.

설명된 실시예들의 충분한 이해를 제공하기 위해 특정 세부 사항들이 위에서 설명된다. 그러나, 예들이 다양한 이러한 특정 세부사항들 없이 실시될 수 있다는 것이 당업자에게 명백할 것이다. 본 명세서의 설명은, 첨부된 도면들과 관련하여, 예시적인 구성들을 설명하며, 구현될 수 있거나 청구항들의 범위 내에 있는 모든 예들을 나타내지는 않는다. 본 명세서에서 사용될 수 있는 "예시적인" 및 "예시적인"이라는 용어는 "예제, 예 또는 예시로서 역할을 하는" 것을 의미하고, "다른 예들에 비해 선호되거나" "유리한" 것은 아니다. 상세한 설명은 설명된 기술들의 이해를 제공하기 위한 목적으로 특정 세부사항들을 포함한다. 그러나, 이러한 기술들은 이러한 특정 세부사항들 없이 실시될 수 있다. 일부 경우들에서, 잘 알려진 구조들 및 디바이스들은 설명된 예들의 개념들을 모호하게 하는 것을 피하기 위해 블록도 형태로 도시된다.

본 명세서에 설명된 정보 및 신호들은 다양한 상이한 기술들 및 기법들 중 임의의 것을 사용하여 표현될 수 있다. 예를 들어, 상기 설명 전반에 걸쳐 언급될 수 있는 데이터, 명령어들, 커맨드들, 정보, 신호들, 비트들, 심볼들, 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 조합에 의해 표현될 수 있다.

본 명세서에 설명된 기술들은, 다중 액세스 셀룰러 통신 시스템들을 포함할 수 있고, 코드 분할 다중 액세스 (CDMA), 시간 분할 다중 액세스 (TDMA), 주파수 분할 다중 액세스 (FDMA), 직교 주파수 분할 다중 액세스 (OFDMA), 또는 단일 캐리어 주파수 분할 다중 액세스 (SC-FDMA), 또는 이러한 기술들의 임의의 조합을 이용할 수 있는 다양한 무선 통신 시스템들에 대해 사용될 수 있다. 이러한 기술들 중 일부는 3GPP(3Rd Generation Partnership Project), 3GPP2(3Rd Generation Partnership Project 2) 및 IEEE와 같은 조직들에 의해 표준화된 무선 통신 프로토콜들에 채택되거나 관련된다. 이들 무선 표준들은 특히, UMB(Ultra Mobile Broadband), UMTS(Universal Mobile Telecommunications System), LTE(Long Term Evolution), LTE-A(LTE-Advanced), LTE-A 프로(Pro), NR(New Radio), IEEE 802.11 (WiFi), 및 IEEE 802.16 (WiMAX)을 포함한다.

용어 "5G" 또는 "5G 통신 시스템"은 예를 들어, 그들 각각의 후원 조직들에 의해 LTE 릴리스(release) 13 또는 14 또는 WiMAX 802.16e-2005 이후에 개발되거나 논의된 표준화된 프로토콜들에 따라 동작하는 시스템들을 지칭할 수 있다. 본 명세서에서 설명된 특징부들은, 위에서 설명된 표준들에 따라 구성된 것들을 포함하여, 무선 통신 시스템들의 다른 세대들에 따라 구성된 시스템들에서 이용될 수 있다.

본 명세서의 개시와 관련하여 설명된 다양한 예시적인 블록들 및 모듈들은 범용 프로세서, 디지털 신호 프로세서 (DSP), 주문형 집적 회로 (ASIC), 필드 프로그래밍가능 게이트 어레이 (FPGA), 또는 다른 프로그래밍가능 로직 디바이스, 이산 게이트 또는 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본 명세서에서 설명된 기능들을 수행하도록 설계된 이들의 임의의 조합으로 구현 또는 수행될 수 있다. 범용 프로세서는 마이크로프로세서일 수 있지만, 대안적으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로컨트롤러, 또는 상태 머신일 수 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합 (예를 들어, DSP 와 마이크로프로세서의 조합, 다수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 이러한 구성)으로 구현될 수 있다.

본 명세서에 설명된 기능들은 하드웨어, 프로세서에 의해 실행되는 소프트웨어, 펌웨어, 또는 이들의 임의의 조합으로 구현될 수 있다. 프로세서에 의해 실행되는 소프트웨어로 구현되는 경우, 기능들은 컴퓨터 판독가능 매체 상의 하나 이상의 명령어들 또는 코드로서 저장되거나 송신될 수 있다. 컴퓨터 판독가능 매체는 한 장소로부터 다른 장소로 컴퓨터 프로그램의 전송을 가능하게 하는 임의의 매체를 포함하는 비일시적 컴퓨터 저장 매체 및 통신 매체 둘 모두를 포함한다. 비일시적 저장 매체는 범용 또는 특수 목적 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체일 수 있다. 제한이 아닌 예로서, 비일시적 컴퓨터 판독가능 매체들은 RAM, ROM, EEPROM(electrically erasable programmable read only memory), 또는 광학 디스크 저장소, 자기 디스크 저장소 또는 다른 자기 저장 디바이스들, 또는 원하는 프로그램 코드 수단을 명령어들 또는 데이터 구조들의 형태로 반송 또는 저장하는데 사용될 수 있고 범용 또는 특수 목적 컴퓨터, 또는 범용 또는 특수 목적 프로세서에 의해 액세스될 수 있는 임의의 다른 비일시적 매체를 포함할 수 있다.

또한, 임의의 연결은 적절하게 컴퓨터 판독 가능 매체라고 지칭된다. 예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 꼬임 쌍선(twisted pair), 디지털 가입자 라인(DSL), 또는 적외선, 라디오, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 송신되면, 동축 케이블, 광섬유 케이블, 꼬임 쌍선, DSL, 또는 적외선, 라디오, 및 마이크로파와 같은 무선 기술들이 매체의 정의에 포함된다. 상기의 조합들은 또한 컴퓨터 판독가능 매체들의 범위 내에 포함된다.

다른 예들 및 구현예들은 본 개시 및 첨부된 청구항들의 범위 내에 있다. 예를 들어, 소프트웨어의 특성으로 인해, 상기에서 설명된 기능들은 프로세서에 의해 실행되는 소프트웨어, 하드웨어, 펌웨어, 하드와이어링, 또는 이들 중 임의의 것의 조합들을 사용하여 구현될 수 있다. 기능들을 구현하는 특징부들은 또한 기능들의 부분들이 상이한 물리적 위치들에서 구현되도록 분산되는 것을 포함하여, 다양한 위치들에 물리적으로 위치될 수 있다.

또한, 청구항들을 포함하여 본 명세서에서 사용되는 바와 같이, 항목들의 목록(예를 들어, "중 적어도 하나" 또는 "중 하나 이상"과 같은 문구가 서문인 항목들의 목록)에서 사용되는 "또는"은 예를 들어, A, B 또는 C 중 적어도 하나의 목록이 A 또는 B 또는 C 또는 AB 또는 AC 또는 BC 또는 ABC(즉, A 및 B 및 C)를 의미하도록 포괄적 목록을 나타낸다. 또한, 본 명세서에서 사용되는 바와 같이, "기초함"이라는 문구는 폐쇄된 조건들의 세트에 대한 참조로 해석되지 않을 것이다. 예를 들어, "조건 A에 기초함"으로서 설명되는 예시적인 단계는 본 개시의 범위를 벗어나지 않고 조건 A 및 조건 B 둘 모두에 기초할 수 있다. 다시 말해서, 본 명세서에서 사용되는 바와 같이, 문구 "기초함"은 문구 "적어도 부분적으로 기초함"과 동일한 방식으로 해석되어야 한다.

전술한 것으로부터, 특정 예들이 예시의 목적으로 본 명세서에서 설명되었지만, 청구된 기술의 범위를 유지하면서 다양한 수정예들이 이루어질 수 있다는 것이 이해될 것이다. 본 명세서에서의 설명은 통상의 지식을 가진 자가 본 개시를 만들거나 사용할 수 있도록 제공된다. 본 개시에 대한 다양한 수정예들은 당업자에게 가능하게 명백할 것이며, 본 명세서에 정의된 일반적인 원리들은 본 개시의 범위를 벗어나지 않고 다른 변형예들에 적용될 수 있다. 따라서, 본 개시는 본 명세서에 설명된 예들 및 설계들에 제한되지 않고, 본 명세서에 개시된 원리들 및 새로운 특징부들에 부합하는 가장 넓은 범위에 부여되어야 한다.

Claims (24)

1. 방법에 있어서,
   제1 주파수와 연관된 제1 증폭된 신호 및 제2 주파수와 연관된 제2 증폭된 신호를 순환 신경망(RNN)에 제공하는 단계;
   상기 제1 증폭된 신호를 복수의 안테나들 중 제1 안테나에 제공하고 상기 제2 증폭된 신호를 상기 복수의 안테나들 중 제2 안테나에 제공하는 단계;
   상기 RNN에서, 복수의 계수들 및 추가 복수의 계수들을 사용하여 입력 데이터로서 상기 제1 증폭된 및 제2 증폭된 신호를 혼합하는 단계를 포함하고, 상기 입력 데이터를 혼합하는 단계는,
   상기 복수의 계수와 곱셈/누산 프로세싱 유닛(MAC 유닛)의 제1 계층의 개개의 출력에 기초하는 시그널링 및 상기 입력 데이터에 기초하여 제1 프로세싱 결과를 계산하는 단계; 및
   상기 추가 복수의 계수들과 MAC 유닛들의 개개의 추가적인 계층의 개개의 출력들에 기초하는 시그널링 및 상기 제1 프로세싱 결과들에 기초하여 출력 데이터를 계산하는 단계;
   상기 RNN으로부터, 복수의 조정 신호로서 출력 데이터를 제공하는 단계를 포함하고, 상기 출력 데이터는 상기 제2 주파수와 간섭하는 상기 제1 주파수의 고조파 주파수를 부분적으로 보상하도록 구성된, 방법.
2. 제1항에 있어서,
   상기 복수의 안테나의 개개의 안테나에서 수신된 제1 수신 신호 및 제2 수신 신호를 상기 복수의 조정 신호 중 대응하는 조정 신호로 조정하는 단계를 더 포함하는, 방법.
3. 제2항에 있어서, 상기 대응하는 조정 신호로 상기 복수의 안테나의 개개의 안테나에서 수신된 상기 제1 수신 신호 및 상기 제2 수신 신호를 조정하는 단계는,
   상기 제1 수신 신호 및 상기 제2 수신 신호로부터 상기 대응하는 조정 신호를 감산하여 개개의 보상된 수신 신호를 생성하는 단계를 포함하는, 방법.
4. 제1항에 있어서,
   상기 복수의 안테나들 중 제3 안테나에서 수신된 제1 수신 신호를 상기 제1 조정 신호로 보상하는 단계를 더 포함하고, 상기 제3 안테나는 상기 제2 주파수와 연관된, 방법.
5. 제1항에 있어서,
   상기 제1 주파수와 연관된 제1 송신 신호를 증폭하여 상기 제1 주파수와 연관된 제1 증폭기 노이즈를 포함하는 상기 제1 증폭된 신호를 생성하는 단계; 및
   상기 제2 주파수와 연관된 제2 송신 신호를 증폭하여 상기 제2 주파수와 연관된 제2 증폭기 노이즈를 포함하는 상기 제2 증폭된 신호를 생성하는 단계를 더 포함하는, 방법.
6. 제5항에 있어서, 상기 제2 주파수와 간섭하는 상기 제1 주파수의 상기 고조파 주파수는 상기 제1 증폭된 신호가 상기 제1 증폭기 노이즈의 일부로서 증폭될 때 생성되는, 방법.
7. 제5항에 있어서, 상기 제2 주파수와 간섭하는 상기 제1 주파수의 상기 고조파 주파수는 상기 제1 주파수의 2차 고조파 성분인, 방법.
8. 제5항에 있어서, 상기 제1 주파수는 상기 4G LTE(Long-Term Evolution) 대역내 1.8GHz에 대응하고, 상기 제2 주파수는 상기 5G NR(New Radio) 대역내 3.5GHz에 대응하는, 방법.
9. 제5항에 있어서,
   상기 제1 증폭된 신호 및 제2 증폭된 신호를 데이터 센터로 송신하는 단계를 더 포함하고, 상기 복수의 신호는 가축 상태, 물 사용 상태, 농경지(agricultural field) 상태, 바람 측정, 발전 상태, 오일 유동 상태, 에너지 저장 상태 또는 전력 소비 상태 중 적어도 하나를 나타내는 데이터를 포함하는, 방법.
10. 제5항에 있어서,
    상기 제1 증폭기 노이즈 및 상기 제2 증폭기 노이즈의 성분들에 부분적으로 기초하여 간섭 차이 주파수(interfering difference frequency)를 생성하는 단계를 더 포함하고, 상기 간섭 차이 주파수는 상기 제1 주파수의 고조파 성분이 상기 제2 주파수에서의 고조파 성분과 간섭하는 것에 기초하여 생성되는, 방법.
11. 제10항에 있어서, 상기 간섭 차이 주파수는 상기 제1 주파수로부터 상기 제2 주파수의 차이인, 방법.
12. 제11항에 있어서,
    적어도 상기 간섭 차이 주파수에 기초하여 상기 복수의 조정 신호들 중 제2 조정 신호를 제공하는 단계; 및
    상기 복수의 안테나들 중 제4 안테나에서 수신된 제2 수신 신호를 상기 제2 조정 신호로 보상하는 단계를 더 포함하고, 상기 제4 안테나는 상기 제1 주파수와 연관되는, 방법.
13. 제1항에 있어서, 상기 MAC 유닛들의 추가적인 계층들의 수는 상기 복수의 안테나들의 수와 연관되는, 방법.
14. 장치에 있어서,
    제1 주파수에서 송신하도록 구성된 제1 안테나를 포함하는 복수의 안테나들;
    상기 복수의 안테나의 안테나로 신호를 송신하고 수신하도록 구성된 복수의 무선 트랜시버(transceiver); 및
    곱셈/누산 유닛들(MAC 유닛들)의 복수의 계층들을 포함하고, 상기 곱셈/누산 유닛들(MAC 유닛들)의 복수의 계층들은,
    제1 중간 프로세싱 결과들을 생성하기 위해 복수의 계수들을 사용하여 입력 데이터로서 복수의 신호들 및 MAC 유닛들의 제1 계층의 개개의 출력들의 지연된 버전들을 혼합하도록 구성된 제1 계층; 및
    상기 MAC 유닛들의 복수의 계층들 중 MAC 유닛들의 추가 계층들을 포함하고, 상기 MAC 유닛들의 각각의 추가 계층은 제2 중간 프로세싱 결과들을 생성하기 위해 상기 복수의 계수들의 추가적인 계수들을 사용하여 상기 MAC 유닛들의 개개의 추가 계층의 개개의 출력들의 지연된 버전들 및 상기 제1 중간 프로세싱 결과들을 혼합하도록 구성되고,
    순환 신경망(RNN)은 출력 데이터로서 복수의 조정된 신호들을 제공하도록 구성되고, 상기 출력 데이터는 상기 제2 중간 프로세싱 결과들에 부분적으로 기초하는, 장치.
15. 제14항에 있어서,
    상기 제1 중간 프로세싱 결과 또는 상기 제2 중간 프로세싱 결과 각각을 저장하고 제공하도록 구성된 복수의 메모리 룩업 유닛(MLU)을 더 포함하고, 상기 복수의 메모리 룩업 유닛의 일부는 상기 복수의 계수들을 사용하여 혼합되는 상기 입력 데이터에 따라 출력 데이터를 제공하도록 구성된, 장치.
16. 제15항에 있어서,
    상기 복수의 MLU의 각각의 MLU에 의해 제공된 상기 제1 중간 프로세싱 결과 또는 상기 제2 중간 프로세싱 결과에 기초하여 상기 MAC 유닛의 제1 계층의 각각의 출력의 지연된 버전을 제공하도록 구성된 복수의 지연 유닛을 더 포함하는, 장치.
17. 제14항에 있어서, 상기 RNN은 상기 제1 주파수의 간섭 고조파 주파수의 보상을 위해 구성된, 장치.
18. 제14항에 있어서, 상기 복수의 안테나들은 제2 주파수에서 송신하도록 구성된 제2 안테나를 더 포함하고, 상기 제1 주파수의 상기 간섭 고조파 주파수는 상기 제2 주파수와 상기 제1 주파수의 차이에 기초하는, 장치.
19. 장치에 있어서,
    개개의 증폭된 신호로서 신호를 증폭하도록 구성된 복수의 파워 증폭기;
    복수의 안테나들, - 각각의 안테나는 개개의 증폭된 신호를 송신하도록 구성됨 -; 및
    상기 복수의 안테나들의 각각의 안테나에 결합되고 상기 개개의 증폭된 신호들에 기초하여 복수의 조정 신호들의 개개의 조정 신호를 생성하도록 구성된 순환 신경망(RNN)을 포함하는, 장치.
20. 제19항에 있어서, 상기 RNN은,
    비트 조작을 위해 구성되고 상기 개개의 증폭된 신호를 수신하도록 구성된 복수의 프로세싱 유닛; 및
    복수의 곱셈/누산(MAC) 유닛들을 포함하고, 각각의 MAC 유닛은 복수의 노이즈 프로세싱 결과들을 생성하도록 구성되고, 상기 복수의 노이즈 프로세싱 결과들은 상기 개개의 증폭된 신호 및 상기 복수의 노이즈 프로세싱 결과들 중 적어도 하나의 지연된 버전에 기초하고, 각각의 MAC 유닛은 각각의 노이즈 프로세싱 결과에 기초하여 상기 복수의 조정 신호들의 개개의 조정 신호를 생성하도록 추가로 구성되는, 장치.
21. 제20항에 있어서,
    개개의 노이즈 프로세싱 결과를 저장 및 제공하도록 구성된 복수의 메모리 룩업 유닛(MLU)을 더 포함하고, 상기 복수의 MLU 중 일부는 복수의 계수를 사용하여 혼합되는 상기 개개의 증폭된 신호에 기초하여 출력 데이터를 제공하도록 구성된, 장치.
22. 제21항에 있어서,
    복수의 지연 유닛을 더 포함하고, 각각의 지연 유닛은 개개의 MAC 유닛과 연관되고, 상기 복수의 MLU의 개개의 MLU에 의해 제공된 개개의 노이즈 프로세싱 결과의 일부에 기초하여 상기 복수의 MAC 유닛의 각각의 출력의 지연된 버전을 제공하도록 구성된, 장치.
23. 제19항에 있어서, 상기 복수의 파워 증폭기들 중 제1 파워 증폭기는 제1 주파수와 연관된 제1 신호를 증폭하고, 상기 제1 주파수와 연관된 제1 증폭기 노이즈를 포함하는 제1 증폭된 신호를 생성하도록 구성되고, 상기 복수의 파워 증폭기들 중 제2 파워 증폭기는 제2 주파수와 연관된 제2 신호를 증폭하고, 상기 제2 주파수와 연관된 제2 증폭기 노이즈를 포함하는 제2 증폭된 신호를 생성하도록 구성된, 장치.
24. 제19항에 있어서, 상기 장치는 IoT(Internet-of-Things) 스마트 홈 디바이스, IoT 농업 디바이스 또는 IoT 산업 디바이스를 구현하는, 장치.

Images