TW201941553A

TW201941553A - 用於進行通道預估的方法及相關之積體電路與通信裝置

Info

Publication number: TW201941553A
Application number: TW107109437A
Authority: TW
Inventors: 陳奎銘; 郭韋廷
Original assignee: 美商寶蘊凌科網路科技有限公司
Priority date: 2018-03-20
Filing date: 2018-03-20
Publication date: 2019-10-16

Abstract

本發明係關於一種用於進行通道預估的方法及相關之積體電路與通信裝置。該方法包含：依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)來從該複數組訓練信號中選擇一組目標訓練信號；及依據該組目標訓練信號來訓練一通道預估模型，該通道預估模型係ㄧ線性模型或非線性模型；其中該通道預估模型係用來在一基地台與該基地台服務的複數個使用者設備之間進行通信。

Description

用於進行通道預估的方法及相關之積體電路與通信裝置

本發明關於一種通信方法，尤其是一種進行通道預估的方法及相關之積體電路與通信裝置。

於一無線通信系統中，發射機係對欲傳輸的資料進行編碼及調變以產生一連串的資料符元再加以傳出。詳細來說，發射機會先將導頻符元(pilot symbols)與資料符元多工，接著將被多工處理的導頻符元與資料符元進行調變，以產生一經調變信號，然後向一無線通道傳輸經調變信號。無線通道會隨著發射機週遭的環境或是發射機與接收機之間的關係有所改變，無線通道的通道響應會使所發射信號失真，又因雜訊及其他干擾將使傳輸信號進一步降級。接收機係將所接收到的信號加以處理以還原發射機所欲傳輸的資料。傳統上，接收機係根據所接收的導頻符元來預估無線通道之通道響應，並推導出一通道預估值。隨後，接收機藉助該通道預估結果對接收的信號執行資料偵測，隨後，接收機對該等經偵測信號進行解調變及解碼，以獲取所欲傳輸的資料。通道預估的品質可能對資料偵測效能有很大影響，且可能影響後續解碼資料之可靠性。針對行動通信系統而言，一座基地台可能服務多個使用者裝置，例如行動電話。由於每具行動電話相對於基地台的位置以及移動速度皆不相同，理論上基地台必須針對每一具行動電話進行通道預估，才能真實反映信號在基地台與行動電話之間傳送時所遭遇的通道響應。相較於4G行動網路，5G的技術可以提供更快的傳輸速度以及低時延的傳輸品質。在此前提下，若要求基地台針對每一使用者裝置進行通道預估將對系統造成過重的負擔，進而無法達到低時延的要求。因此，有必要針對行動通信網路提供一種兼具高品質以及高效率的通道預估技術。

本發明之一實施例提供一種通信方法，其包含：依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)來從該複數組訓練信號中選擇一組目標訓練信號；及依據該組目標訓練信號來訓練一通道預估模型，該通道預估模型係ㄧ線性模型或非線性模型；其中該通道預估模型係用來在一基地台與該基地台服務的複數個使用者設備之間進行通信。本發明之另一實施例提供一種通信方法，其包含：從複數組訓練信號中選擇具有最大都普勒偏移的一組訓練信號來作為一組目標訓練信號；及依據該組目標訓練信號來訓練一通道預估模型，該通道預估模型係ㄧ線性模型或非線性模型；其中該通道預估模型係用來在一基地台與該基地台服務的複數個使用者設備之間進行通信。本發明之另一實施例提供一種通信方法，其包含：從複數組訓練信號中選擇具有都普勒偏移大於一臨界值的一組訓練信號來作為一組目標訓練信號；及依據該組目標訓練信號來訓練一通道預估模型，該通道預估模型係ㄧ線性模型或非線性模型；其中該通道預估模型係用來在一基地台與該基地台服務的複數個使用者設備之間進行通信。依據本發明之一實施例，訓練一通道預估模型的步驟包含：以該組目標訓練信號中預定數目個連續的訓練信號作為該通道預估模型的輸入，以該預定數目個連續的訓練信號的下一個訓練信號作為該通道預估模型的輸出；及利用該輸入及該輸出之間的關係來訓練該通道預估模型。依據本發明之一實施例，其係利用線性回歸之方式推導出該線性的通道預估模型。本發明之另一實施例提供一種積體電路，其包含：ㄧ運算模組；ㄧ記憶體；及ㄧ輸出/輸入介面，其中該記憶體中之程式指令經該運算模組執行後可實施上述之通信方法。本發明之另一實施例提供一種通信裝置，其包含：ㄧ運算模組、ㄧ記憶體、及ㄧ通信模組，其中該記憶體中之程式指令經該運算模組執行後可實施上述之通信方法。基地台與使用者裝置之間的都普勒效應會對信號的傳輸品質造成影響。由於基地台與各使用者裝置之間具有不同的都普勒效應，且針對每一使用者裝置評估都普勒效應對通道預估模型造成的影響將會耗費大量運算時間以及增加時延，本發明之一實施例係選擇都普勒偏移最嚴重的一組訓練信號來進行通道預估，並且將所產生的通道預估模型應用在一基地台與該基地台服務的所有使用者裝置的通信上以提升通信品質，同時避免過多的運算負擔以及降低通信的時延。依據本發明之另一實施例，亦可事先選定都普勒偏移的一臨界值，並且將都普勒偏移超過該臨界值的該組訓練信號來做為該組目標訓練信號，進而進行通道預估。

圖1顯示本發明之一較佳實施例之無線通信系統100。出於簡潔之目的，圖1僅顯示一個基地台110及三個以不同速度移動的使用者設備120、130及140。基地台可透過下行鏈路及上行鏈路上與一個或多個使用者設備進行通信。下行鏈路係指自基地台至使用者設備之通信鏈路，而上行鏈路係指自使用者設備至基地台之通信鏈路。基地台通常係一與使用者設備進行通信之設備，且亦可稱作節點B、存取點、基地收發台(BTS)或某些其他術語。使用者設備(UE)可以是固定的或可移動的，例如：行動電話、個人數位助理(PDA)、無線通信裝置、手持裝置、或其他具有通信能力的裝置或設備。使用者設備有時亦稱為行動台、使用者終端、用戶單元或某些其他術語。在下行鏈路上，基地台110可將一個或多個下行鏈路信號發射至使用者設備120、130或140。由於使用者設備可以是固定的或具有移動速度，基地台110與每一使用者設備120、130及140之間的下行鏈路信號可能受到不同都普勒效應的影響。在上行鏈路上，每一使用者設備120、130及140可發射一個或多個上行鏈路信號至基地台110。每一上行鏈路信號同樣可能受到不同都普勒效應的影響。然而，由於基地台係從多個使用者設備接收信號，若針對每一使用者設備預估普勒效應的影響將大幅影響系統效能。圖2顯示依據本發明之一較佳實施例之通信方法200，以產生可供基地台於上行鏈路使用之通道預估。通信方法200包含：步驟210：針對基地台與每一使用者設備通信所傳輸之複數組訓練信號，計算每組訓練信號所對應的都普勒偏移；步驟230：依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)，從複數組訓練信號中選擇一組目標訓練信號；步驟250：利用該組目標訓練信號來訓練一通道預估模型。以圖1之無線通信系統100為例，基地台110處會接收到來自使用者設備120、130及140的多組訓練信號。每一組訓練信號可反映出某一使用者設備與基地台110於一特定時間點進行通信時的通道響應。基地台110可針對各使用者設備120、130及140在相同或不同時間點傳來的多組訓練信號T₁ 、T₂ 、T₃ 、T₄ 、…T_n 進行運算，以計算出所接收到的每一組訓練信號在通信當下產生的都普勒偏移。都普勒偏移最嚴重的該組訓練信號代表基地台與發射信號的使用者設備在通信當下的相對速度最大，對信號品質的影響也最大。因此，本實施例係選擇具有最大都普勒偏移的那組訓練訊號T_D 來進行通道預估(步驟230、250)，並且將通道預估的結果應用在其他通信品質相對較佳的通道上。理論上，若該通道預估結果可還原都普勒偏移最嚴重的通道上所傳輸的資料，則亦可還原其他都普勒偏移較輕微的通道上所傳輸的資料。藉此，可省下對其他通道進行預估所需花費的時間及系統資源。圖3顯示本發明之另一較佳實施例之通信方法300，以產生可供基地台於上行鏈路使用之通道預估。本實施例之通信方法與圖2類似，主要差別在於通信方法300係由基地台以外的一運算裝置所執行，例如：一雲端裝置或者為基地台所服務的使用者裝置之一。通信方法300包含：步驟310：針對基地台與每一使用者設備通信所接收之複數組訓練信號，取得每組訓練信號所對應的都普勒偏移；步驟330：依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)，從複數組訓練信號中選擇一組目標訓練信號；步驟350：利用該組目標訓練信號來訓練一通道預估模型；步驟370：將通道預估的結果傳送給基地台使用。請注意，步驟310可為接收基地台運算產生的各組訓練訊號的都普勒偏移，也可以是由運算裝置本身來計算各組訓練訊號的都普勒偏移。請注意，圖2及圖3的實施例係示範性地教示如何產生用於上行鏈路之通道預估。圖2之實施例係以基地台做為執行方法的主體，圖3之實施例係以基地台以外的運算裝置做為執行方法的主體。然而，依據本發明之其他實施例，亦可以由基地台、使用者設備、或基地台以外之運算裝置共同產生用於上行鏈路之通道預估，而不以上述實施例為限。例如：可由基地台計算所接收的每組訓練信號的都普勒偏移，並且將計算結果傳送給基地台伺服的一使用者設備，然後由使用者設備執行圖3之通信方法300；或者由雲端設備計算每組訓練信號的都普勒偏移後，再由基地台執行圖3之步驟310-350。圖4顯示本發明之另一較佳實施例之通信方法400，以用於產生適用上行鏈路的通道預估。通信方法400包含：步驟410：取得複數組訓練信號及各自的都普勒偏移；步驟420：依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)，從複數組訓練信號中選擇一組目標訓練信號；步驟430：決定一滑動窗的大小；步驟440：將該組目標訓練信號於滑動窗內的所有訓練信號定為通道預估模型的一組輸入，將滑動窗外的下一個訓練信號作為該通道預估模型的一輸出，以及儲存該組輸入及輸出；步驟450：判斷滑動窗是否已抵達該組目標訓練信號的底端，若已到底端則執行步驟470，否則執行步驟460；步驟460：將滑動窗相對於該組目標訓練信號的位置向後移動一格；步驟470：利用複數組輸入及輸出資料來訓練一通道預估模型。圖5為ㄧ組目標訓練信號T_D 以及一滑動窗520的示意圖，以說明圖4之通信方法。本發明之一較佳實施例首先係蒐集基地台與多個使用者設備通信之複數組訓練信號T₁ 、T₂ 、T₃ 、T₄ 、…T_n 。依據本發明之一較佳實施例，ㄧ組訓練信號可是以N+1個導頻符元，或其他可用於產生通道預估的信號。接著，計算複數組訓練信號T₁ 、T₂ 、T₃ 、T₄ 、…T_n 各自的都普勒偏移，並選擇一組具有最大都普勒偏移的訓練信號作為目標訓練信號T_D (步驟420)。以圖5之滑動窗大小為k為例，圖4之步驟440-460可得到通道預估模型的複數組輸入及輸出(x, y)如下：, , ,⋮,圖4的步驟470可以藉由移動滑動窗得到的複數組輸入及輸出資料來訓練通道預估模型。依據本發明之一較佳實施例，通道預估模型可為ㄧ線性模型。例如，可使用下列m維的線性模型來進行訓練。本發明之一較佳實施例係利用線性回歸的方式得到參數a₀ 、a₁ 、a₂ 、…a_m-1 ，進而得到通道預估的結果。依據本發明之另一實施例，通道預估模型亦可採用非線性模型，例如：ㄧ類神經網路之架構。。需注意得是，於本案之技術領域中具有通常知識者藉由以上教示內容，可選用線性回歸以外之其他習知方法以獲得線性模型或選用其他非線性模型，而不以上述實施例為限。依據本發明之一較佳實施例，亦可採用深度學習的技術來訓練通道預估模型。圖6顯示依據本發明之另一較佳實施例之通信方法600，以產生適用上行鏈路或下行鏈路的通道預估。通信方法600包含：步驟610：取得一組訓練信號及其對應之都普勒偏移；步驟630：判斷該都普勒偏移是否大於ㄧ臨界值，若"是"則執行步驟650，否則回到步驟610；步驟650：利用該組訓練信號作為目標訓練信號來訓練一通道預估模型。圖7係顯示可執行本發明之通信方法之一積體電路之方塊圖。依據本發明之一實施例，積體電路700包含ㄧ運算模組720、ㄧ記憶體740、及ㄧ輸出/輸入介面760，其中記憶體740中儲存之程式指令經運算模組720執行後可實施本發明之通信方法。圖8係顯示可執行本發明之通信方法之一通信裝置之方塊圖。依據本發明之一實施例，通信裝置800包含包含ㄧ運算模組820、ㄧ記憶體840、及ㄧ通信模組860，其中記憶體840中儲存之程式指令經運算模組820執行後可實施本發明之通信方法。請注意，以上實施例之通信方法可以由基地台、或基地台以外之運算裝置來執行、或共同執行，以產生適用基地台端的通道預估。本文闡述之通道預估技術可用於各種通信系統，諸如一GSM網路、諸如全球行動電信系統(Universal Mobile Telecommunication System；簡稱UMTS)等的3G蜂巢網路、4G蜂巢網路、4.5G網路、5G蜂巢式網路、WiMax蜂巢式網路、或類似的或其他未來的網路等的任何其他適當的蜂巢式網路或系統中實施其他實施例。雖然已參考本發明的特定實施例描述及說明本發明之技術內容，但這些描述及說明並不限制本發明之權利範圍。所屬領域中具有通常知識者可清楚地理解，可進行各種改變，且可在實施例內替代等效構件而不脫離如由所附申請專利範圍定義的本發明的真實精神及範圍。可存在並未特定說明的本發明的其它實施例。應將本說明書及圖式視為說明性的而非限制性的。可做出修改，以使具體情況、材料、物質組成、方法或工藝適應於本發明的目標、精神及範圍。所有此類修改既定在所附申請專利範圍內。雖然本文公開的方法已參考按特定次序執行的特定操作加以描述，但應理解，可在不脫離本發明的教示的情況下組合、細分或重新排序這些操作以形成等效方法。因此，除非本文中特別指示，否則操作的次序及分組並非本發明的限制。

100‧‧‧無線通信系統

110‧‧‧基地台

120、130、140‧‧‧使用者設備

200、300、400、600‧‧‧通信方法

520‧‧‧滑動窗

210、230、250、310、330、350、370、410、420、430、440、450、460、470、610、630‧‧‧步驟

650‧‧‧步驟

700‧‧‧積體電路

720、820‧‧‧運算模組

740、840‧‧‧記憶體

760‧‧‧輸出/輸入介面

800‧‧‧通信裝置

860‧‧‧通信模組

圖1顯示本發明之一較佳實施例之無線通信系統。圖2顯示本發明之一較佳實施例之通信方法，以產生可供基地台使用之通道預估。圖3顯示本發明之另一較佳實施例之通信方法，以產生可供基地台使用之通道預估。圖4顯示本發明之另一較佳實施例之通信方法，以產生適用基地台或使用者設備的通道預估。圖5為ㄧ組目標訓練信號以及一滑動窗的示意圖。圖6顯示依據本發明之另一較佳實施例之通信方法，以產生適用基地台或使用者設備的通道預估。圖7顯示本發明之積體電路之一實施例的方塊圖。圖8顯示本發明之通信裝置之一實施例的方塊圖。

Claims

一種通信方法，其包含： (a)依據複數組訓練信號各自對應之都普勒偏移(Doppler shift)來從該複數組訓練信號中選擇一組目標訓練信號，其中該複數組訓練信號係由複數個使用者設備傳送至一基地台；及 (b)依據該組目標訓練信號來訓練一通道預估模型，該通道預估模型係ㄧ線性模型或非線性模型；其中該通道預估模型係用來在該基地台與該基地台服務的該複數個使用者設備之間進行通信。
如請求項1之方法，其中步驟(b)係由該基地台執行。
如請求項2之方法，其另包含： (c)由該基地台來計算從該等使用者設備傳輸至該基地台之該複數組訓練信號各別對應之都普勒偏移。
如請求項1之方法，其中步驟(b)係由該基地台外之一運算裝置執行，且該方法另包含： (d)於步驟(b)結束後傳送該通道預估模型至該基地台。
如請求項4之方法，其另包含： (e)由該運算裝置來計算從該等使用者設備傳輸至該基地台之該複數組訓練信號各別對應之都普勒偏移。
如請求項4之方法，其另包含： (f)接收由該基地台傳來的該複數組訓練信號以及該複數組訓練信號之每一者各別對應之都普勒偏移。
如請求項1之方法，其中步驟(a)包含：從該複數組訓練信號中選擇都普勒偏移最大的一組訓練信號來做為該組目標訓練信號。
如請求項1之方法，其中步驟(a)包含：從該複數組訓練信號中選擇都普勒偏移大於一臨界值的一組訓練信號來做為該組目標訓練信號。
如請求項1之方法，其係應用於5G行動通信網路。
如請求項1-9項中任一者之方法，其中步驟(b)包含：以該組目標訓練信號中預定數目個連續的訓練信號作為該通道預估模型的輸入，以該預定數目個連續的訓練信號的下一個訓練信號作為該通道預估模型的輸出；及利用該輸入及該輸出之間的關係來訓練該通道預估模型。
如請求項10之方法，其中利用該輸入及該輸出之間的關係來訓練該通道預估模型之步驟係利用線性回歸之方式推導出一線性的通道預估模型。
一種積體電路，其包含：ㄧ運算模組；ㄧ記憶體；及ㄧ輸出/輸入介面，其中該記憶體中儲存之程式指令經該運算模組執行後可實施如請求項1-11項中任一項之方法。
ㄧ種通信裝置，其包含：ㄧ運算模組；ㄧ記憶體；及ㄧ通信模組，其中該記憶體中儲存之程式指令經該運算模組執行後可實施如請求項1-11項中任一項之方法。