TW202339452A

TW202339452A - 用於多輸入和多輸出（mimo）通道狀態資訊（csi）回饋的方法和設備

Info

Publication number: TW202339452A
Application number: TW112110908A
Authority: TW
Inventors: 慶奎範; 桂建卿; 游家豪
Original assignee: 聯發科技股份有限公司
Priority date: 2022-03-24
Filing date: 2023-03-23
Publication date: 2023-10-01
Also published as: TWI846398B; CN118591993A; WO2023179318A1

Abstract

本發明提供了一種使用者設備（UE）和通道狀態資訊（CSI）壓縮的方法。UE的處理電路獲得複數個第一通道矩陣，每個第一通道矩陣指示UE和複數個發射接收點（TRP）中的對應的一個發射接收點之間的通訊通道的CSI。處理電路通過一個或複數個卷積神經網路（CNN），將複數個第一通道矩陣中的每個第一通道矩陣壓縮成相應的特徵向量，將複數個特徵向量串聯成聯合特徵向量。處理電路將聯合特徵向量壓縮成壓縮的聯合特徵向量。

Description

用於多輸入和多輸出（MIMO）通道狀態資訊（CSI）回饋的方法和設備

本發明涉及無線通訊技術領域，特別是涉及發射器和接收器之間的通道狀態資訊的回饋過程。

在無線通訊中，通道狀態資訊（channel state information，CSI）可以估計發射器和接收器之間的通訊鏈路的通道性能。在相關技術中，接收器可以估計通訊鏈路的CSI並將原始CSI回饋給發射器。這個過程會消耗大量的通訊資源，並給使用現代多輸入多輸出（multiple-input and multiple-output，MIMO）技術的無線網路帶來巨大的壓力。

本發明的各個方面提供了一種在使用者設備（user equipment，UE）處的CSI壓縮的方法。在該方法中，在UE處，獲得複數個第一通道矩陣，每個第一通道矩陣指示UE和複數個發射接收點（transmission-reception-point，TRP）中的對應的一個發射接收點之間的通訊通道的通道狀態資訊。通過一個或複數個卷積神經網路（convolutional neural network，CNN），將所述複數個第一通道矩陣中的每個第一通道矩陣壓縮成相應的特徵向量。將複數個特徵向量串聯成聯合特徵向量。將所述聯合特徵向量壓縮成壓縮的聯合特徵向量。壓縮的聯合特徵向量被發送至複數個TRP中的每個TRP，用於CSI回饋。

在一實施例中，在UE處，接收來自於所述複數個發射接收點的複數個參考訊號。基於所述複數個參考訊號，確定複數個第二通道矩陣。將所述複數個第二通道矩陣中的每個第二通道矩陣轉換為所述複數個第一通道矩陣中的對應的一個第一通道矩陣。

在一實施例中，複數個第二通道矩陣中的每個第二通道矩陣處於由所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的三維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。

在一實施例中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述使用者設備的接收天線索引、所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的四維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述使用者設備的接收波束索引、所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的四維域中。所述一個或複數個卷積神經網路中的每個卷積神經網路為四維卷積神經網路。

本發明的各個方面提供了一種UE。該UE的處理電路獲得複數個第一通道矩陣，其中，每個第一通道矩陣指示所述UE和複數個TRP中的對應的一個發射接收點之間的通訊通道的CSI。處理電路通過一個或複數個CNN，將所述複數個第一通道矩陣中的每個第一通道矩陣壓縮成相應的特徵向量。處理電路將複數個特徵向量串聯成聯合特徵向量。處理電路將所述聯合特徵向量壓縮成壓縮的聯合特徵向量。

在一實施例中，UE的接收電路接收來自所述複數個發射接收點的複數個參考訊號。處理電路基於所述複數個參考訊號，確定複數個第二通道矩陣；並將所述複數個第二通道矩陣中的每個第二通道矩陣轉換為所述複數個第一通道矩陣中對應的一個第一通道矩陣。

在一實施例中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的三維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。所述一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。

在一實施例中，UE的發射電路向所述複數個發射接收點中的每個發射接收點發送所述壓縮的聯合特徵向量，以用於通道狀態資訊回饋。

本發明的各個方面提供了一種在複數個TRP中的第一發射接收點處的CSI解壓縮的方法。在該方法中，從UE接收壓縮的聯合特徵向量。將所述壓縮的聯合特徵向量解壓縮成聯合特徵向量，其中，所述聯合特徵向量包括複數個部分，每個部分對應於所述複數個發射接收點中對應的一個發射接收點，所述聯合特徵向量的第一部分對應於所述第一發射接收點。通過一個或複數個CNN，將所述聯合特徵向量的所述第一部分解壓縮為通道矩陣。基於所述通道矩陣，確定所述使用者設備和所述第一發射接收點之間的通訊通道的通道狀態資訊。

在一實施例中，向所述使用者設備發送參考訊號，其中，所述壓縮的聯合特徵向量是由所述使用者設備基於所述參考訊號確定的。

在一實施例中，所述通道矩陣處於三維域中，所述三維域由所述第一發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示。所述一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。

在一實施例中，通道矩陣處於四維域中，所述四維域由所述使用者設備的接收波束索引、所述第一發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示。所述一個或複數個卷積神經網路中的每個卷積神經網路為四維卷積神經網路。

以下結合圖式描述的具體實施方式旨在作為各種實施例的描述，並不代表可以實施本發明所描述的概念的唯一實施例。具體實施方式包括具體細節，目的是提供對各種概念的理解。然而，這些概念也可以在沒有這些具體細節的情況下實施。

現在將參照各種設備和方法來介紹電信系統的幾個方面。這些設備和方法將在下面的詳細說明中描述，並在圖式中通過各種塊、元件、電路、過程、演算法等（統稱為「元素」）進行說明。這些元素可以使用電子硬體、電腦軟體或其任何組合來實現。這些元素是以硬體還是軟體的形式實現，取決於特定的應用和對整個系統的設計限制。

在無線通訊中， CSI可以估計發射器和接收器之間通訊鏈路的通道性能。例如，CSI可以描述訊號如何從發射器傳播到接收器，並代表散射、衰減、功率隨距離損失等現象的綜合效應。因此，CSI也可以被稱為通道估計。CSI可以使得發射器和接收器之間的傳輸適應當前的通道條件成為可能，因此是發射器和接收器之間需要共用的關鍵資訊，以實現高品質的訊號接收。

在一實施例中，發射器和接收器（或收發器）可以依靠CSI來計算其發射預編碼矩陣與接收組合矩陣以及其他重要參數。如果沒有CSI，無線鏈路可能會遭受低訊號品質和/或來自其他無線鏈路的高干擾。

為了估計CSI，發射器可以向接收器發送預定義訊號。也就是說，預定義訊號對發射器和接收器都是已知的。進而，接收器可以應用各種演算法來進行CSI估計。在這個階段，CSI只對接收器已知。發射器可以依靠接收器的回饋來獲得CSI資訊。

然而，原始CSI回饋可能需要很大的開銷，這可能會降低整個系統的性能，並導致較大的延遲。因此，原始CSI回饋通常是需要避免的。

可選的，接收器從CSI中可以提取一些重要或必要的資訊，以供發射器操作，例如預編碼權重、秩指示（rank indicator, RI）、通道品質指示（channel quality indicator, CQI）、調製與編碼方案（modulational and coding scheme, MCS）等。提取的資訊可能比原始CSI小得多，且接收器可以只將這些小的資訊回饋給發射器。

為了進一步減少開銷，接收器可以估計通訊鏈路的CSI，並根據估計的CSI，從預定義的預編碼器的碼簿中選擇一個最佳的發射預編碼器。此外，接收器可以將與所選的最佳發射預編碼器有關的資訊回饋給發射器，例如來自這種碼簿的PMI。這個過程會消耗大量的通訊資源，並給使用當下的MIMO技術的無線網路帶來巨大的壓力。

第1圖示出了根據本發明實施例的CSI回饋的示例性過程100。在過程100中，發射器110和接收器120中的每一個都可以是UE或基地台（base station，BS）。

在步驟S150，發射器110可以向接收器120發射參考訊號(reference signal，RS)。在接收器120接收RS之前，該RS對接收器120也是已知的。在一實施例中，RS可以專門地被設備使用，以獲取CSI，因此被稱為CSI-RS。

在步驟S151，在接收到CSI-RS之後，通過將接收到的CSI-RS與接收器120已知的已發射CSI-RS進行比較，接收器120可以生成原始CSI。

在步驟S152，基於原始CSI，接收器120可以從預定義的預編碼器的碼簿中，選擇最佳發射預編碼器。

在步驟S153，接收器120可以將所選預編碼器的PMI以及CQI、RI、MCS等相關資訊，發送回發射器110。

在步驟S154，在接收到PMI和相關資訊後，發射器110可以確定傳輸參數，並基於PMI所指示的所選預編碼器對訊號進行預編碼。

需要注意的是，預編碼器的選擇僅限於過程100中預定義的碼簿。然而，將預編碼器的選擇限制在預定義的碼簿上會限制可實現的系統性能。不同的預編碼器碼簿（例如，3GPP NR下行鏈路類型I-單面板/多面板、類型II、演進類型II或上行鏈路碼簿）具有不同的預設回饋開銷。如果在接收器估計原始CSI之前，網路指定預設的編碼簿，那麼接收器就無法基於回饋開銷和系統性能之間的權衡來進一步優化碼簿的選擇。

本發明的各個方面提供了將原始CSI的壓縮版本回饋給發射器的方法和實施例。基於壓縮的CSI，發射器能夠最佳地計算用於發射訊號預編碼的預編碼器，並決定其他傳輸參數，例如RI、MCS等。此外，在估計原始CSI後，可以動態決定壓縮原始CSI時所使用的壓縮率，以便在回饋開銷和系統性能之間進行最佳權衡。

第2圖顯示了根據本發明的實施例的CSI回饋的示例性過程200。在過程200中，發射器210和接收器220中的每一個可以是UE或BS，並且步驟S250和S251分別類似於第1圖的過程100中的步驟S150和S151。

在步驟S252，接收器220可以將原始CSI編碼（或壓縮）為壓縮的CSI。

在步驟S253，接收器220可以將壓縮的CSI發送回發射器210。

在步驟S254，發射器210可以將壓縮的CSI解碼（或解壓縮）為已解壓縮CSI。

在步驟S255，發射器210可以確定傳輸參數，並基於已解壓縮CSI對訊號進行預編碼。

根據本發明的各方面，大規模MIMO系統可用于增加發射器和接收器之間的下行鏈路（downlink，DL）和/或上行鏈路（uplink，UL）輸送量。然而，由於BS處設置有大量天線，下行鏈路CSI回饋開銷會顯著增加。因此，CSI壓縮可以幫助減少CSI回饋的開銷。

正交頻分複用（orthogonal frequency-division multiplexing，OFDM）系統中的 MIMO通道可以表示為四維（four dimension，4D）通道矩陣：，其中，是接收天線（如UE處）的數量，是發射天線（如BS處）的數量，𝑛是以OFDM符號為單位的時域索引，𝑚是以子載波或子波段為單位的頻域索引。也就是說，四維通道矩陣可以用四維域來表示，該四維域由UE的接收天線索引、BS的發射天線索引、時域索引和頻域索引來表示。

在一示例中，假設𝑛 _𝑅=1，那麼MIMO通道可以用三維矩陣來表示： ={ℎ[𝑖,𝑛,𝑚]:1≤𝑖≤ ,1≤𝑛≤𝑁,1≤𝑚≤𝑀}，其中𝑁是OFDM符號的總數，𝑀是子載波或子帶的總數。也就是說，三維矩陣H3D可以用三維域來表示，該三維域由BS的發射天線索引、時域索引和頻域索引來表示。

此外，可以被轉換為三維域，該三維域由波束分量索引、延遲分量索引和多普勒分量索引表示。該轉換可以通過對三維通道矩陣採用三維離散傅裡葉變換（3D discrete Fourier transform，3D-DFT）來進行。例如，讓作為三維域中已轉換通道矩陣，其由波束分量索引、延遲分量索引和多普勒分量索引表示。即， =3D-DFT ( )={ [𝑗,𝑘,𝑙]:1≤𝑗≤ ,1≤𝑘≤𝑁,1≤𝑙≤𝑀}，其中𝑗是波束索引，𝑘是多普勒分量的索引，𝑙是延遲分量的索引。在一示例中，如果只考慮波束分量索引和延遲分量索引，可以得到二維通道矩陣為 ={ℎ[𝑖,𝑚]:1≤𝑖≤ ,1≤𝑚≤𝑀}。如果只考慮一個OFDM符號，二維通道矩陣H2D的變換矩陣可表示為： =2D-DFT ( )={ [𝑗,𝑙]:1≤𝑗≤ ,1≤𝑙≤𝑀}。

根據本發明各個方面，多種演算法可用於CSI壓縮，例如基於壓縮傳感的CSI壓縮和基於深度學習（或機器學習）的CSI壓縮。與基於壓縮傳感的CSI壓縮相比，基於深度學習的技術方案可以在基地台提供更好的重建性能，例如，在平均平方誤差方面。

第3A圖展示了本發明實施例提供的一種示例性CSI回饋。在第3A圖中，編碼器可以使用神經網路，例如在UE 310處的深度神經網路，以壓縮原始CSI。解碼器可以使用神經網路，例如BS 320處的深度神經網路，以解壓縮壓縮的CSI並基於已解壓CSI重建原始CSI。

在一些相關技術中，CSI壓縮僅在由波束分量索引和延遲分量索引表示的二維域中進行。因此，例如天線、時間和頻率等，所有實體域中的相關關係沒有被充分利用。此外，由於需要頻繁報告以避免CSI老化問題，因此，為了快速衰減，CSI開銷會增加。

因此，本發明提供了用於MIMO CSI壓縮和解壓縮的方法和實施例。

第3B圖展示了本發明實施例提供的示例性MIMO CSI壓縮過程350。在MIMO CSI壓縮過程350中，UE和BS之間的通訊通道的CSI可以表示為三維通道矩陣H̅3D 361。該三維通道矩陣 361可以在三維域中表示，其由BS的發射波束索引、延遲分量索引和多普勒分量索引來表示。在UE的編碼器處，通過複數個CNN 351-353，三維通道矩陣 361可以被壓縮成壓縮的通道矩陣，從而可以提取三維通道矩陣 361的全（full）特徵。具體地，該通道矩陣 361可以通過第一三維CNN 351被壓縮成第一壓縮的三維矩陣362。第一壓縮的三維矩陣362可以通過第二三維CNN 352進一步被壓縮成第二壓縮的三維矩陣363，以此類推。通過使用複數個三維CNN進行CSI壓縮，可以在編碼器處獲得三維通道矩陣 361的已提取特徵向量364，並將該已提取特徵向量364從UE發送至BS。

第3C圖展示了本發明實施例提供的示例性MIMO CSI解壓縮過程370。在MIMO CSI解壓過程370中，BS接收來自UE的已提取特徵向量364。在BS的解碼器處，該已提取特徵向量364可以通過複數個三維 CNN 371-373被解壓縮。具體地，已提取特徵向量364可以通過第一三維CNN 371被解壓縮為第一已解壓縮三維矩陣365。然後，第一已解壓縮三維矩陣365可以通過第二三維CNN 372被解壓縮為第二已解壓縮三維矩陣366，以此類推。通過使用複數個三維CNN 371-373進行CSI解壓縮，可以在BS的解碼器處獲得已重建三維通道矩陣 367，以確定UE和BS之間的通訊通道的CSI。

需要注意的是，本發明不限制CSI壓縮過程350（或CSI解壓縮過程370）中的三維CNN的數量，該數量可以根據各種情況設置。此外，如果要壓縮（或解壓縮）四維通道矩陣，則CSI壓縮過程350（或CSI解壓縮過程370）中的三維CNN可以被替換為四維CNN。例如，如果UE的接收天線的數量大於1，那麼可以在編碼器和解碼器處使用四維通道矩陣，而不是三維通道矩陣。

CSI壓縮過程350（或CSI解壓縮過程370）可以適用于單TRP（發射接收點）方案，其中UE僅與一個服務TRP進行通訊。在3GPP NR（新空口）的多TRP方案中，UE可以同時與一個以上的TRP通訊。複數個TRP可以在實體上位於相互分開的不同位置。

在單TRP方案中，當UE位於小區邊緣附近時，從服務TRP到UE的路徑損耗可能較高，並且來自相鄰TRP的干擾也可能較高。因此，例如對於阻塞通道，多TRP方案中的複數個TRP之間的聯合或協調傳輸可以提高頻譜效率和可靠性。不同的TRP可能需要各種編碼方案以及干擾避免方案和/或干擾取消方案。

本發明提供了多TRP方案中MIMO CSI壓縮和解壓縮的方法和實施例。

第4A圖展示了本發明實施例提供的示例性多TRP方案。在第4A圖中，UE 430可以同時與兩個TRP 410和TRP 420進行通訊，例如，通過從兩個TRP 410和TRP 420中的每一個接收實體下行鏈路共用通道((physical downlink shared channel，PDSCH)，或者向兩個TRP 410和TRP 420中的每一個傳輸CSI。

第4B圖展示了本發明實施例提供的示例性MIMO CSI壓縮過程450。在CSI壓縮過程450中，可以在UE 430處獲得複數個三維通道矩陣。每個通道矩陣可以指示UE 430和複數個TRP中的一個TRP之間的通訊通道的CSI。例如，UE 430和TRP 410之間的通訊通道的CSI可以被表示為第一3D通道矩陣 461，UE 430和TRP 420之間的通訊通道的CSI可以被表示為第二3D通道矩陣 465。每個三維通道矩陣可以在三維域中表示，其由相應的TRP的發射波束索引、延遲分量索引和多普勒分量索引表示。

在UE 430的編碼器處，每個三維通道矩陣可以通過複數個三維CNN被壓縮成壓縮的通道矩陣，以便可以提取各個三維通道矩陣的全特徵。例如，第一3D通道矩陣 461可以通過第一複數個三維CNN 451-453被壓縮成第一特徵向量464。第二三維通道矩陣 465可以通過第二複數個三維CNN 454-456被壓縮成第二特徵向量468。

第一特徵向量464和第二特徵向量468可以被串聯成聯合特徵向量469。聯合特徵向量469可以通過複數個全連接神經網路（fully connected neural network，FCNN）457-458被壓縮成壓縮的聯合特徵向量470。可以將壓縮的聯合特徵向量470從UE 430發送至兩個TRP 410和TRP 420中的每一個。

第4C圖展示了本發明實施例提供的示例性MIMO CSI解壓縮過程480。在CSI解壓縮過程480中，壓縮的聯合特徵向量470可以由兩個TRP 410和420中的至少一個進行接收。收到的壓縮聯合特徵向量470可以通過複數個FCNN 481-482被解壓縮成聯合特徵向量471。聯合特徵向量471可以被分成兩個特徵向量472和476。在複數個TRP中的一個TRP中的解碼器處，每個特徵向量可以通過複數個三維CNN被解壓縮（或重建）成三維通道矩陣。

例如，在TRP 410的解碼器處，第一特徵向量472可以通過第一複數個三維CNN 483-485解壓縮成第一三維通道矩陣 475。第一三維通道矩陣 475可以由TRP 410用於確定UE 430和TRP 410之間的通訊通道的CSI。

在TRP 420的解碼器處，第二特徵向量476可以通過第二複數個三維CNN 486-488解壓縮(或重建)成第二三維通道矩陣 479。第二三維通道矩陣 479可由TRP 420用於確定UE 430和TRP 420之間的通訊通道的CSI。

需要注意的是，本發明不限制CSI壓縮過程450(或CSI解壓縮過程480)中的三維 CNN(或FCNN)的數量，該數量可以根據各種情況來設置。此外，如果要壓縮(或解壓縮)四維通道矩陣，CSI壓縮過程450(或CSI解壓縮過程480)中的三維CNN可以被替換為四維CNN。例如，如果UE 430的接收天線的數量大於1，那麼可以在編碼器和解碼器處使用四維通道矩陣，而不是三維通道矩陣。

需要注意的是，本發明中的MIMO通道矩陣可以是通道矩陣的任何變體，例如前饋矩陣或通道的協方差矩陣。

第5圖顯示了根據本發明的實施例的示例性設備500。該設備500可以被配置為根據本發明描述的一個或複數個實施例或示例執行各種功能。因此，設備500可以提供實現本發明所描述的技術、過程、功能、元件、系統的方式。例如，設備500可用于實現本發明描述的各種實施例和示例中的UE或BS(例如，gNB)的功能。設備500可以包括通用處理器或專門設計的電路，以在各種實施例中實現本發明所描述的各種功能、元件或過程。設備500可以包括處理電路510、記憶體520和射頻（radio frequency，RF）模組530。

在各示例中，處理電路510可以包括被配置為結合軟體或不結合軟體來執行本發明所描述的功能和過程的電路。在各示例中，處理電路510可以是數位訊號處理器(digital signal processor，DSP)、專用積體電路(application specific integrated circuit，ASIC)、可程式設計邏輯器件(programmable logic device，PLD)、現場可程式設計閘陣列(field programmable gate array，FPGA)、數位增強電路或可比較裝置或其組合。

在其他一些示例中，處理電路510可以是中央處理單元(central processing unit，CPU)，被配置執行程式指令，以執行本發明所描述的各種功能和過程。相應地，記憶體520可以被配置存儲程式指令。處理電路510在執行程式指令時，可以執行這些功能和過程。記憶體520可以進一步存儲其他程式或資料，如作業系統、應用程式等。記憶體520可以包括唯讀記憶體（read only memory，ROM）、隨機存取記憶體（random access memory，RAM）、快閃記憶體、固態記憶體、硬碟驅動器、光碟驅動器等等。

射頻模組530從處理電路510接收處理過的資料訊號，並將資料訊號轉換為波束成形無線訊號，其然後通過天線面板540和/或550進行傳輸，或反之亦然。射頻模組530可以包括數位到類比轉換器（digital to analog convertor，DAC）、類比到數位轉換器（analog to digital converter，ADC）、升頻轉換器、降頻轉換器、濾波器和放大器，用於接收操作和發射操作。射頻模組530可以包括用於波束成形操作的多天線電路。例如，多天線電路可以包括上行空間濾波電路，和下行空間濾波電路，用於偏移類比訊號相位或縮放類比訊號幅度。天線面板540和天線面板550的每一個都可以包括一個或複數個天線陣列。

在一實施例中，所有天線面板540/550的一部分和射頻模組530的部分或全部功能被實現為一個或複數個TRP，而設備500的其餘功能被實現為BS。因此，TRP可以與這樣的BS同位置，也可以部署在遠離BS的地方。

設備500可選地包括其他元件，如輸入和輸出裝置、附加或訊號處理電路等。因此，設備500可以能夠執行其他附加的功能，例如執行應用程式和處理替代的通訊協議。

本發明所描述的過程和功能可以被實現為電腦程式，當由一個或複數個處理器執行時，其可以使一個或複數個處理器執行相應的過程和功能。該電腦程式可以存儲或分佈在合適的介質上，例如與其他硬體一起提供或作為其他硬體的一部分的光學存儲介質或固態介質。電腦程式也可以以其他形式分佈，例如通過互聯網或其他有線或無線電信系統。例如，電腦程式可以被獲取並被載入到設備中，包括通過實體介質或分散式系統獲得電腦程式，例如，包括從連接到互聯網的伺服器獲得電腦程式。

可以從電腦可讀介質訪問電腦程式，該介質提供供電腦或任何指令執行系統使用或與電腦或任何指令執行系統連接使用的程式指令。電腦可讀介質可以包括任何存儲、通訊、傳播或傳輸電腦程式的裝置，以由指令執行系統、裝置或設備使用或與指令執行系統、裝置或設備連接。電腦可讀介質可以是磁性、光學、電子、電磁、紅外或半導體系統（或裝置或設備）或傳播介質。電腦可讀介質可以包括電腦可讀非臨時性存儲介質，如半導體或固態記憶體、磁帶、可移動電腦軟碟、RAM、ROM、磁片和光碟等。電腦可讀非臨時存儲介質可以包括所有類別的電腦可讀介質，包括磁存儲介質、光存儲介質、快閃記憶體介質和固態存儲介質。

可以理解的是，所公開的過程/流程圖中的塊的具體順序或層次是對實施例方法的說明。根據設計偏好，可以理解的是，過程/流程圖中的步驟的具體順序或層次可以重新設置。此外，一些步驟可以被合併或省略。隨附的方法申請專利範圍第書以示例性的順序介紹了各個步驟的要素，並不意味著限於所介紹的具體順序或層次。

第6圖展示了本發明實施例的進程600的流程圖。該進程600可以由設備500的處理電路510執行。該進程600可以由步驟S610開始。

步驟S610，進程600獲得複數個第一通道矩陣，其中的每個第一通道矩陣指示UE和複數個TRP中的對應的一個TRP之間的通訊通道的CSI。然後，該進程600繼續到步驟S620。

步驟S620，通過一個或複數個CNN，進程600將複數個第一通道矩陣中的每個第一通道矩陣壓縮成一個特徵向量。然後該進程600繼續到步驟S630。

步驟S630，進程600將複數個特徵向量串聯成一個聯合特徵向量。然後，該進程600繼續到步驟S640。

步驟S640，進程600通過一個或複數個FCNN將聯合特徵向量壓縮成壓縮的聯合特徵向量。然後，進程600終止。

在一實施例中，進程600向複數個TRP中的每個TRP發送壓縮的聯合特徵向量，以用於CSI回饋。

根據本發明的各個方面，進程600接收來自複數個TRP的複數個參考訊號。進程600根據複數個參考訊號，確定複數個第二通道矩陣。進程600將複數個第二通道矩陣中的每個第二通道矩陣轉換為複數個第一通道矩陣中對應的一個第一通道矩陣。

在一實施例中，複數個第二通道矩陣中的每個第二通道矩陣處於由所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的三維域中。複數個第一通道矩陣中的每個第一通道矩陣處於由複數個發射接收點中的一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。一個或複數個CNN中的每個CNN為三維CNN。

在一實施例中，複數個第二通道矩陣中的每個第二通道矩陣處於由UE的接收天線索引、複數個TRP中的一個TRP的發射天線索引、時域索引和頻域索引表示的四維域中。複數個第一通道矩陣中的每個第一通道矩陣處於由UE的接收波束索引、複數個TRP中的一個TRP的發射波束索引、延遲分量索引和多普勒分量索引表示的四維域中。一個或複數個CNN中的每個CNN為四維CNN。

第7圖展示了本發明實施例的進程700的流程圖。該進程700可以由設備500的處理電路510執行。該進程700可以從步驟S710開始。

步驟S710，進程700接收來自UE的壓縮的聯合特徵向量。然後，該進程700繼續到步驟S720。

步驟S720，進程700通過一個或複數個FCNN將壓縮的聯合特徵向量解壓縮為聯合特徵向量。該聯合特徵向量包括複數個部分，每個部分對應於複數個TRP中的一個TRP，並且該聯合特徵向量的第一部分對應於第一TRP。然後，進程700繼續到步驟S730。

步驟S730，進程700通過一個或複數個CNN將聯合特徵向量的第一部分解壓縮為通道矩陣。然後，該進程700繼續到步驟S740。

步驟S740，基於通道矩陣，進程700確定UE和第一TRP之間的通訊通道的CSI。然後，進程700終止。

在一實施例中，進程700向UE發送參考訊號。壓縮的聯合特徵向量是由UE基於參考訊號確定的。

在一實施例中，通道矩陣處於由第一TRP的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。一個或複數個CNN中的每個CNN為三維CNN。

在一實施例中，通道矩陣處於由UE的接收波束索引、第一TRP的發射波束索引、延遲分量索引和多普勒分量索引表示的四維域中。一個或複數個CNN中的每個CNN為四維CNN。

雖然本發明已經描述了幾個示例性的實施例，但還有一些改變、排列組合和各種替代性等同方案，這些都屬於本發明的範圍。因此，可以理解的是，本領域的通常知識者將能夠設計出許多系統和方法，雖然在此沒有明確顯示或描述，但它們體現了本發明的原理，因此屬於本發明的精神和範圍之內。

上述描述是為了使本領域的任何通常知識者能夠實踐本發明所描述的各個方面。對這些方面的各種修改對於本領域的通常知識者來說是顯而易見的，而且這裡定義的通用原理也可以應用於其他方面。因此，申請專利範圍第書並不局限於本發明所示的方面，而是給予與申請專利範圍第書語言相一致的全部範圍，其中提到的單個元素並不意味著「一個且只有一個」，除非特別說明，而是「一個或複數個」。這裡使用的「示例性」一詞是指「作為一個例子、實例或說明」。此處描述為「示例性」的任何方面不一定被理解為比其他方面更優選或有利。除非特別說明，術語「一些」是指一個或複數個。諸如「A、B或C中的至少一個」、「A、B或C中的一個或複數個」、「A、B和C中的至少一個」、「A、B和C中的一個或複數個」以及「A、B、C或其任何組合」的組合包括A、B和/或C的任何組合，並且可以包括複數個A、複數個B或複數個C。具體而言，諸如「A、B或C中的至少一個」、「A、B或C中的一個或複數個」、「A、B和C中的至少一個」、「A、B和C中的一個或複數個」以及「A、B、C或其任何組合」的組合可以是只有A、只有B、只有C、A和B、A和C，B和C，或A和B和C，其中任何此類組合可以包含A、B或C的一個或複數個成員或成員。本發明中所描述的各方面的元素的所有結構和功能上的等同方案，對於所屬技術領域具有通常知識者來說是已知的或後來才知道的，以引用的方式明確併入本發明，並旨在包含在申請專利範圍第中。此外，本發明所披露的任何內容都不打算奉獻給公眾，無論這種披露是否明確地在申請專利範圍第書中被提及。「模組」、「機制」、「元素」、「裝置」等詞可以不是「手段」一詞的代替。因此，除非使用「手段」這一短語來明確敘述元素，否則任何申請專利範圍第元素都不能被理解為手段加功能。

100:過程 110:發射器 120:接收器 S150,S151,S152,S153,S154:步驟 200:過程 210:發射器 220:接收器 S250,S251,S252,S253,S254,S255:步驟 310:使用者設備 320:基地台 350:過程 351,352,353:三維卷積神經網路 361:三維通道矩陣 362:第一壓縮的三維矩陣 363:第二壓縮的三維矩陣 364:已提取特徵向量 365:第一已解壓縮三維矩陣 366:第二已解壓縮三維矩陣 367:已重建三維通道矩陣 370:過程 371,372,373:三維卷積神經網路 410:發射接收點 420:發射接收點 430:使用者設備 450:過程 451,452,453:第一三維卷積神經網路 454,455,456:第二三維卷積神經網路 457,458:全連接神經網路 461:第一三維通道矩陣 464:第一特徵向量 465:第二三維通道矩陣 468:第二特徵向量 469:聯合特徵向量 470:壓縮的聯合特徵向量 471:聯合特徵向量 472:第一特徵向量 475:第一三維通道矩陣 476:第二特徵向量 479:第二三維通道矩陣 480:過程 481,482:全連接神經網路 483,484,485:第一三維卷積神經網路 486,487,488:第二三維卷積神經網路 500:設備 510:處理電路 520:記憶體 530:射頻模組 540:天線面板 550:天線面板 600,700:過程 S610,S620,S630,S640,S710,S720,S730,S740:步驟

本發明的各種實施例作為示例提出，將參照以下圖示進行詳細描述，其中相似的數字指相似的元件。第1圖展示了本發明實施例提供的CSI回饋的一個示例性過程。第2圖展示了本發明實施例提供的CSI回饋的另一個示例性過程。第3A圖展示了本發明實施例提供的一種示例性的CSI回饋。第3B圖展示了本發明實施例提供的一種示例性的MIMO CSI壓縮過程。第3C圖展示了本發明實施例提供的一種示例性的MIMO CSI解壓縮過程。第4A圖展示了本發明實施例提供的一種示例性的多TRP方案。第4B圖展示了本發明實施例提供的一種示例性的MIMO CSI壓縮過程。第4C圖展示了本發明實施例提供的一種示例性MIMO CSI解壓縮過程。第5圖展示了本發明實施例提供的一種示例性設備。第6圖展示了本發明實施例提供的一種概括了實施例過程的流程圖。第7圖展示了本發明實施例提供的一種概括了實施例過程的流程圖。

600:過程

S610,S620,S630,S640:步驟

Claims

一種通道狀態資訊（CSI）壓縮的方法，該方法包括：獲得複數個第一通道矩陣，每個第一通道矩陣指示使用者設備和複數個發射接收點（TRP）中的對應的一個發射接收點之間的通訊通道的通道狀態資訊；通過一個或複數個卷積神經網路（CNN），將所述複數個第一通道矩陣中的每個第一通道矩陣壓縮成相應的特徵向量；將複數個特徵向量串聯成聯合特徵向量；以及將所述聯合特徵向量壓縮成壓縮的聯合特徵向量。
如請求項1所述之方法，其中，進一步包括：接收來自於所述複數個發射接收點的複數個參考訊號；基於所述複數個參考訊號，確定複數個第二通道矩陣；以及將所述複數個第二通道矩陣中的每個第二通道矩陣轉換為所述複數個第一通道矩陣中的對應的一個第一通道矩陣。
如請求項2所述之方法，其中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的三維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。
如請求項3所述之方法，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。
如請求項2所述之方法，其中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述使用者設備的接收天線索引、所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的四維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述使用者設備的接收波束索引、所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的四維域中。
如請求項5所述之方法，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為四維卷積神經網路。
如請求項1所述之方法，其中，進一步包括：向所述複數個發射接收點中的每個發射接收點發送所述壓縮的聯合特徵向量，以用於通道狀態資訊回饋。
一種用於通道狀態資訊（CSI）壓縮的使用者設備（UE），包括：處理電路，用於：獲得複數個第一通道矩陣，其中，每個第一通道矩陣指示所述使用者設備和複數個發射接收點（TRP）中的對應的一個發射接收點之間的通訊通道的通道狀態資訊（CSI）；通過一個或複數個卷積神經網路（CNN），將所述複數個第一通道矩陣中的每個第一通道矩陣壓縮成相應的特徵向量；將複數個特徵向量串聯成聯合特徵向量；以及將所述聯合特徵向量壓縮成壓縮的聯合特徵向量。
如請求項8所述之使用者設備，其中，進一步包括：接收電路，用於接收來自所述複數個發射接收點的複數個參考訊號；其中，所述處理電路進一步用於：基於所述複數個參考訊號，確定複數個第二通道矩陣；以及將所述複數個第二通道矩陣中的每個第二通道矩陣轉換為所述複數個第一通道矩陣中對應的一個第一通道矩陣。
如請求項9所述之使用者設備，其中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的三維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的三維域中。
如請求項10所述之使用者設備，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。
如請求項9所述之使用者設備，其中，所述複數個第二通道矩陣中的每個第二通道矩陣處於由所述使用者設備的接收天線索引、所述複數個發射接收點中的一個發射接收點的發射天線索引、時域索引和頻域索引表示的四維域中；所述複數個第一通道矩陣中的每個第一通道矩陣處於由所述使用者設備的接收波束索引、所述複數個發射接收點中的所述一個發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示的四維域中。
如請求項12所述之使用者設備，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為四維卷積神經網路。
如請求項8所述之使用者設備，其中，進一步包括：發射電路，用於向所述複數個發射接收點中的每個發射接收點發送所述壓縮的聯合特徵向量，以用於通道狀態資訊回饋。
一種通道狀態資訊（CSI）解壓縮的方法，所述方法包括：從使用者設備（UE）接收壓縮的聯合特徵向量；將所述壓縮的聯合特徵向量解壓縮成聯合特徵向量，其中，所述聯合特徵向量包括複數個部分，每個部分對應於複數個發射接收點中對應的一個發射接收點，所述聯合特徵向量的第一部分對應於第一發射接收點；通過一個或複數個卷積神經網路（CNN），將所述聯合特徵向量的所述第一部分解壓縮為通道矩陣；以及基於所述通道矩陣，確定所述使用者設備和所述第一發射接收點之間的通訊通道的通道狀態資訊。
如請求項15所述之方法，其中，進一步包括：向所述使用者設備發送參考訊號，其中，所述壓縮的聯合特徵向量是由所述使用者設備基於所述參考訊號確定的。
如請求項15所述之方法，其中，所述通道矩陣處於三維域中，所述三維域由所述第一發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示。
如請求項17所述之方法，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為三維卷積神經網路。
如請求項15所述之方法，其中，所述通道矩陣處於四維域中，所述四維域由所述使用者設備的接收波束索引、所述第一發射接收點的發射波束索引、延遲分量索引和多普勒分量索引表示。
如請求項19所述之方法，其中，所述一個或複數個卷積神經網路中的每個卷積神經網路為四維卷積神經網路。