TWI639319B - 用於多輸入多輸出通訊的方法、通訊裝置及通訊系統 - Google Patents
用於多輸入多輸出通訊的方法、通訊裝置及通訊系統 Download PDFInfo
- Publication number
- TWI639319B TWI639319B TW106117420A TW106117420A TWI639319B TW I639319 B TWI639319 B TW I639319B TW 106117420 A TW106117420 A TW 106117420A TW 106117420 A TW106117420 A TW 106117420A TW I639319 B TWI639319 B TW I639319B
- Authority
- TW
- Taiwan
- Prior art keywords
- matrix
- approximation
- intrinsic value
- positive integer
- coefficient
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0426—Power distribution
- H04B7/0434—Power distribution using multiple eigenmodes
- H04B7/0439—Power distribution using multiple eigenmodes utilizing channel inversion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Radio Transmission System (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本發明提供一種用於多輸入多輸出通訊的方法、通訊裝置及通訊系統，方法包括下列步驟：取得通訊裝置的天線資訊及通道資訊，依據天線資訊及通道資訊決定中介矩陣的固有值，此中介矩陣係相關於用於逆矩陣之諾伊曼級數展開的L項近似矩陣，而此逆矩陣係由
Description
本發明係關於一種多輸入多輸出（Multiple-Input-Multiple-Output；MIMO）通訊，特別係一種用於MIMO通訊的方法、通訊裝置及通訊系統。
最近巨量（massive）MIMO通訊已成為第五代行動通訊系統中的關鍵技術，巨量MIMO係多用戶MIMO的一種形式，且基地台端的天線數比起用戶端的天線數更多。而由於MIMO設置可大幅增加自由度，因此僅需要使用簡單的空間多工/解多工方式即可實現非常高的頻譜效率。線性預編碼與等化器即係在巨量MIMO通訊中能夠在高訊雜比（signal-to-noise-ratio；SNR）的環境下得到接近最佳性能的一種傳輸技術。然而，由於會面臨到逆矩陣運算，隨著矩陣維度增加，許多現有線性預編碼與等化器方案（例如，迫零（zero-forcing；ZF）及最小平方誤差（minimum-mean-square-error；MMSE）等）的複雜度亦大幅增加，最終造成硬體實現上的困難，且需要付出相當高昂成本才能克服此挑戰。由此可知，對於相關產業及研究人員而言，提供一種用於巨量MIMO且具有低複雜度及高精確度的逆矩陣近似（matrix inverse approximation；MIA）方法係極為重要的。
有鑑於此，本發明的目的在於提供一種用於MIMO通訊的方法、通訊裝置及通訊系統，其可增加在巨量MIMO系統中的MIA的精確度，並伴隨著低複雜度。
為達上述目的，本發明提供一種用於MIMO通訊的方法，其可適用於一通訊裝置，並包括下列步驟。取得該通訊裝置的一天線資訊及一通道資訊。依據該天線資訊及該通道資訊決定一中介矩陣的固有值（eigenvalues），其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開（Neumann series expansion）的一L項近似矩陣，該逆矩陣係由一
矩陣逆運算，L係正整數，K係依據該天線資訊的正整數。自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
，
係該中介矩陣的固有值，且
係該L項近似矩陣的係數。依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
本發明另提供一種用於MIMO通訊的通訊裝置，其包括一傳送模組、一接收模組及一處理模組。該傳送模組用於傳送資料。該接收模組用於接收資料。該處理模組耦接該傳送模組及該接收模組，且該處理模組經配置以至少執行下列步驟。取得該通訊裝置的一天線資訊及一通道資訊。依據該天線資訊及該通道資訊決定一中介矩陣的固有值，其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開的一L項近似矩陣，該逆矩陣係由一
矩陣逆運算，L係正整數，K係依據該天線資訊的正整數。自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
，
係該中介矩陣的固有值，且
係該L項近似矩陣的係數。依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
本發明更提供一種用於MIMO通訊的通訊系統，其包括K個第一通訊裝置及一第二通訊裝置。各該些通訊裝置包括單一天線，且K係正整數。該第二通訊裝置包括N個天線，其中N係正整數，且該第二通訊裝置經配置以至少執行下列步驟。取得該通訊裝置的一天線資訊及一通道資訊。依據該天線資訊及該通道資訊決定一中介矩陣的固有值，其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開的一L項近似矩陣，該逆矩陣係由一
矩陣逆運算，L係正整數，K係依據該天線資訊的正整數。自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
，
係該中介矩陣的固有值，且
係該L項近似矩陣的係數。依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
不同於多數自諾伊曼級數展開架構衍生的其他MIA方法，本發明提供額外的係數最佳化，以增進逆矩陣近似的精確度，卻未增加運算複雜度。
第1圖係依據本發明較佳實施例之用於MIMO通訊的通訊系統1。請參照第1圖，該通訊系統1可包括但不僅限於一基地台20及K個使用者設備30，且K係正整數。
本發明中所用之術語「基地台」（例如，該基地台20）可由多種實施例實現，例如可包含（但不限於）演進型節點B（Evolved NodeB，eNB）、家用演進型節點B（HeNB）、進階基地台（advanced base station，ABS）、基地收發器系統（base transceiver system，BTS）、存取點、家用基地台、中繼器（relay）、散射器（scatterer）、轉發器（repeater）、中間節點、中介點（intermediary）及/或基於衛星的通信基地台。如第2圖所示，該基地台20可至少包括但不僅限於N個天線21、一儲存模組22、一傳送模組23、一接收模組25、一類比至數位（A/D）/數位至類比（D/A）轉換器27以及一處理模組29。該傳送模組23及該接收模組25係分別無線地傳輸下行鏈路（downlink）信號及接收上行鏈路（uplink）信號（可以係無線射頻（radio frequency；RF）信號）。該傳送模組23及該接收模組25亦可執行諸如低雜訊放大、阻抗匹配、混頻、升頻或降頻轉換、濾波、放大及其類似者的操作。該類比至數位（A/D）/數位至類比（D/A）轉換器27經組態以在上行鏈路信號處理期間自類比信號格式轉換為數位信號格式，且在下行鏈路信號處理期間自數位信號格式轉換為類比信號格式。該處理模組29經組態以處理數位信號且執行根據本發明的例示性實施例之程序。此外，該處理模組29可視情況耦接至非暫存性儲存模組22（例如，可改寫式可編程唯讀記憶體（EPROM）裝置、電子可改寫式可編程唯讀記憶體（EEPROM）裝置、以及快取記憶體等）以儲存程式碼、裝置組態、通道資訊、天線資訊、固有值、係數、其他參數等，且亦可記錄由該處理模組29執行的多個模組。該處理模組29的功能可藉由使用諸如微處理器、微控制器、數位信號處理（digital signal processing；DSP）晶片、場可程式化邏輯閘陣列（Field Programmable Gate Array；FPGA）等可程式化單元來實施。該處理模組29的功能可用獨立電子裝置或積體電路（integrated circuit；IC）實施，且該處理模組29亦可用硬體或軟體實施。
如第3圖所示，本發明中所用之術語「使用者設備」（例如，該些使用者設備30）可由多種實施例實現，例如可包含（但不限於）移動站、先進移動站（advanced mobile station，AMS）、手機、伺服器、用戶端、桌上型電腦、筆記型電腦、網路電腦、工作站、個人數位助理（personal digital assistant，PDA）、平板個人電腦（personal computer，PC）、掃描器、電話裝置、尋呼機（pager）、相機、電視、掌上型視頻遊戲裝置、音樂裝置、無線感測器等。在一些應用中，該些使用者設備可以係運作於移動環境（例如，巴士、飛機、船、汽車等）中的固定式裝置。各使用者設備30可至少由如第3圖所說明的功能元件表示。各使用者設備30可至少包括（但不限於）一天線31、一儲存模組32、一傳送模組33、一接收模組35、一類比至數位（A/D）/數位至類比（D/A）轉換器37以及一處理模組39。與第2圖中該基地台20相同或相似的單元可參照前述基地台20的功能說明，於此不再贅述。
在一情境中考慮下行通訊，該基地台20的處理模組29藉由線性預編碼器對複數符碼向量s □ ℂ
K×1 預編碼成資料向量（x=Fs，
,
□ ℂ
N×K,
）並接著透過傳送模組23及天線21在下行通道上傳送資料向量x。假設符碼向量s的元素已正規化至單位能量。矩陣
代表未正規化預編碼器，且β係用以限制總傳送功率的功率縮放係數。若考慮用於下行通道的通道矩陣
□ ℂ
K×N，使用迫零（ZF）預編碼的未正規化預編碼器可表示為
。
另一方面，在另一情境中考慮上行通訊，由該基地台20之接收模組25經由上行通道所接收之資料向量可簡明地表示為
，
□ ℂ
N×K代表用於上行通訊的通道矩陣，且
係雜訊向量。假設該基地台20之該處理模組29利用線性偵測，則自第k使用者設備30所取得之偵測符碼為
，Q(.)代表將輸入向量的各元素在星座圖中量化至最近符碼的操作，且W □ ℂ
K×N代表該基地台20的等化器。若應用ZF等化，則該等化器可表示為
。
依據前述情境，對於應用ZF等化/預編碼的等化器及預編碼器二者而言，該基地台20的處理模組29將需執行用於
及
的逆矩陣運算。因此，提供用於逆矩陣運算且具有高精確度及低複雜度的方法，將係相關產業及研究人員所欲達成的目的。以下將清楚說明本發明所提出之用於逆矩陣運算的方法。為方便說明，在下文中，該基地台20將視為用於應用本發明所揭露之方法的示例性實體。此外，將用於上行傳輸的通道矩陣定義為
H≜
，用於下行傳輸的通道矩陣定義為
H≜
，且逆矩陣視為（
矩陣
G（
G≜
）經逆運算）。基於前述定義，將以統一內容進一步探討上行及下行情境二者。
該逆矩陣的諾伊曼級數展開（Neumann series expansion）的數學表示式為：
…(1)， D係相關於
矩陣
G的對角（diagonal）矩陣（
），E係相關於
矩陣
G矩陣的非對角（off-diagonal）矩陣（
）。
將L項諾伊曼級數展開作為該逆矩陣的近似，且該逆矩陣的L項諾伊曼級數展開的數學表示式為：
…(2)， L係有限正整數。
第4圖係依據本發明實施例之用於MIMO通訊的方法的流程圖。在步驟S41中，該基地台20的處理模組29取得天線資訊及通道資訊。該天線資訊可包括天線21的數量N及該些使用者設備30的數量K。而通道資訊可包括通道矩陣H的平均功率。
在步驟S43中，該基地台20的處理模組29依據天線資訊及通道資訊決定中介矩陣B的固有值
，此中介矩陣B係相關於用於逆矩陣之諾伊曼級數展開的L項近似矩陣
。具體而言，依據表示式(1)，該逆矩陣可被表示為：
…(3)， I係單位矩陣，且中介矩陣B定義為B≜
，且
係的平方根。值得注意的是，中介矩陣B及
處理相同固有值且因此若（僅若）方程式(1)收斂則級數(3)收斂。
為了改善效能，將考慮用於逆矩陣的諾伊曼級數展開的改良L項近似矩陣，其數學表示式為：
≜
…(4)
…(5)，
係L項近似矩陣
的係數。
在本發明中，一係數近似係用於計算該L項近似矩陣
的係數估算程序，且該係數近似的數學表示式為：
…(6)，
係中介矩陣B的固有值，且
係L項近似矩陣
的係數。
該基地台20的處理模組29可依據一固有值轉換決定該中介矩陣B的固有值
，而該固有值轉換的數學表示式為：
…(7)， K係正整數且
，
係
矩陣
G的固有值，
，
，且
係依據該通道資訊的通道矩陣H之平均功率（
）。用於固有值
的近似係基於隨機矩陣理論而遵循馬爾琴科-帕斯托（Marcenko-Pastur）定律。若正規化隨機矩陣係考慮天線21的數量N及使用者設備30的數量K趨近於無限大的情況下，固有值的分佈將近似於馬爾琴科-帕斯托分佈。而馬爾琴科-帕斯托分佈的機率密度函數會近似於以固有值個數與長方形個數相同的K間隔（bin）機率直方圖（histogram），且各間隔係設計成具有機率質量（mass）的
。將每個機率直方圖的長方形高度帶入馬爾琴科-帕斯托機率密度函數的反函數，即可得到正規化矩陣的固有值估計。因此，可依據機率直方圖來取得用於固有值
的近似。
需說明的是，用於計算
矩陣
G的固有值
或中介矩陣B的固有值
有很多種。例如，若考慮通道矩陣H，則將考慮通道矩陣H的係數相關性，且將需要調整該固有值轉換；或者，對分（Bisection）方法、拉蓋爾（Laguerre）迭代（iteration）及其類似者在應用時將採用其所需資訊。無論如何，本發明的固有值轉換具有較低的運算複雜度。
在步驟S45中，該基地台20的處理模組29自藉由計算該係數近似（例如，方程式(6)）所取得之該中介矩陣B的固有值
中決定該L項近似矩陣
的係數
。在本實施例中，可取得在步驟S43所決定的該中介矩陣B的固有值
，且該處理模組29接著可透過曲線擬合程序（例如，最小平方（Least-squares；LS）近似）來決定該係數近似的最佳結果。
值得注意的是，針對曲線擬合程序，採用LS近似的原因係在於其低複雜度。在LS近似中，剩餘的L2範數（norm）（即，係數近似的左手側減去係數近似的右手側）為最小。一亦可最小化為L2範數、或由L-無限範數取代，其二者可轉換成線性程式化問題且可使用單一（Simplex）方法或內部點方法來解決（但伴隨高複雜度）。用於曲線擬合程序的另一可能方式係使用總體最小平方（total-least-squares；TLS）近似來取代LS近似。無論如何，LS近似的運算複雜度比TLS近似還低。
在步驟S47中，該基地台20的處理模組29依據該L項近似矩陣及其決定的係數
決定逆矩陣。換句而言，在步驟S45所決定的係數
係用於建構該L項近似矩陣
，從而決定該逆矩陣。最終，該逆矩陣即可應用於ZF預編碼或等化（例如，未正交化預編碼器
、等化器W）。例如，將逆矩陣帶入等化器
。
值得注意的是，當本實施例所提出的方法係用於尋找用於逆矩陣（）的近似，在其他實施例中可延伸為尋找用於逆矩陣（）的近似，
且係出現於最小均方誤差（minimum-mean-square-error；MMSE）或正規化ZF預編碼器/等化器的常數。而改良的固有化轉換將會係
。
在本發明實施例所提出的方法中，僅需要諸如天線21之數量N及該些使用者設備30之數量K的天線資訊來決定中介矩陣B的固有值
，且其決定結果可預存在儲存模組22中，使得該處理模組29無須決定固有值
。此外，該固有值轉換僅相關於通道矩陣H的平均功率
，而不是通道矩陣H的即時值。相較於通道矩陣H的即時值，平均功率
的變化程度小，使得該處理模組29無須隨時更新平均功率
或計算平均功率
。此外，該L項近似矩陣的運算複雜度幾乎與基於諾伊曼級數展開的習知方法相等，但本發明實施例所提出之方法具有較高準確度。
值得注意的是，前述實施例係用於包括K個具有單一天線的第一通訊裝置（例如，該些使用者設備30）及一具有N個天線的第二通訊裝置（例如，該基地台20）。然而，基於前述實施例的精神，本發明所提出的方法（步驟S41～S47）可使用在該些使用者設備30或其他具有多天線的使用者設備。也就是說，該些使用者設備30或其他具有多天線的使用者設備的處理模組（例如，該處理模組39）亦可執行等化/預編碼作業。
綜上所述，本發明實施例提供用於MIMO系統的方法。相較於自諾伊曼級數展開架構衍生的現有MIA方法，本發明所提出之方法引進額外的係數以增進近似運算的精確度，以呈現用於係數設計中有效率的演算法（包括基於隨機矩陣理論的固有值轉換、用於最佳化係數的曲線擬合程序等）。隨著近似精確度的提昇，將可達成更低錯誤率及更高頻譜效率。此外，本發明所提出的方法相較於其他現有方法，幾乎展現出相似的運算複雜度，但卻能實質上地提昇效能。
上述僅為本發明實施例的說明，不可用來限制本發明的專利範圍，舉凡未超脫本發明精神所作的簡易結構潤飾或變化，仍應屬於本發明申請專利範圍涵蓋的範疇。
1通訊系統 20基地台 21天線 22儲存模組 23傳送模組 25接收模組 27類比至數位/數位至類比轉換器 29處理模組 30使用者設備 31天線 32儲存模組 33傳送模組 35接收模組 37類比至數位/數位至類比轉換器 39處理模組 S41～S47：步驟
第1圖係依據本發明較佳實施例之通訊系統的示意圖。 第2圖係依據本發明較佳實施例之基地台的元件方塊圖。 第3圖係依據本發明較佳實施例之通訊裝置的元件方塊圖。 第4圖係依據本發明較佳實施例之用於MIMO通訊的方法的流程圖。
Claims (10)
- 一種用於多輸入多輸出(Multiple-Input-Multiple-Output；MIMO)通訊的方法，適用於一通訊裝置，該方法包括：取得該通訊裝置的一天線資訊及一通道資訊；依據該天線資訊及該通道資訊決定一中介矩陣的固有值(eigenvalues)，其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開(Neumann series expansion)的一L項近似矩陣，該逆矩陣係由一K×K矩陣逆運算，L係正整數，K係依據該天線資訊的正整數；自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
~
係該中介矩陣的固有值，且α1~α K 係該L項近似矩陣的係數；以及依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
- 如請求項1所述用於MIMO通訊的方法，其中依據該天線資訊及該通道資訊決定該中介矩陣的固有值之步驟包括：依據一固有值轉換決定該中介矩陣的固有值，其中該固有值轉換的數學表示式為：K係正整數且1
k
K，λ k 係該K×K矩陣的固有值，N係依據該天線資訊的正整數，
，
，且P II 係依據該通道資訊的通道矩陣之平均功率；而該L項近似矩陣的數學表示式為：
D係相關於該K×K矩陣的對角矩陣，αλ係該L項近似矩陣的係數，B係該中介矩陣。
- 如請求項1所述用於MIMO通訊的方法，其中計算該係數近似之步驟包括：透過一曲線擬合程序決定該係數近似的最佳結果，其中該曲線擬合程序係最小平方近似。
- 如請求項1所述用於MIMO通訊的方法，其中在依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣之後，更包括：將該逆矩陣應用於預編碼或等化。
- 一種用於MIMO通訊的通訊裝置，包括：一傳送模組，用於傳送資料；一接收模組，用於接收資料；一處理模組，耦接該傳送模組及該接收模組，且該處理模組經配置以至少執行：取得該通訊裝置的一天線資訊及一通道資訊；依據該天線資訊及該通道資訊決定一中介矩陣的固有值，其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開的一L項近似矩陣，該逆矩陣係由一K×K矩陣逆運算，L係正整數，K係依據該天線資訊的正整數；自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
~
係該中介矩陣的固有值，且α1~α K 係該L項近似矩陣的係數；以及依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
- 如請求項5所述用於MIMO通訊的通訊裝置，其中該處理模組更經配置用以至少執行：依據一固有值轉換決定該中介矩陣的固有值，其中該固有值轉換的數學表示式為：K係正整數且1
k
K，λ k 係該K×K矩陣的固有值，N係依據該天線資訊的正整數，
，
，且P II 係依據該通道資訊的通道矩陣之平均功率；而該L項近似矩陣的數學表示式為：
D係相關於該K×K矩陣的對角矩陣，αλ係該L項近似矩陣的係數，B係該中介矩陣。
- 如請求項5所述用於MIMO通訊的通訊裝置，其中該處理模組更經配置用以至少執行：透過一曲線擬合程序決定該係數近似的最佳結果，其中該曲線擬合程序係最小平方近似。
- 如請求項5所述用於MIMO通訊的通訊裝置，其中該處理模組更經配置用以至少執行：將該逆矩陣應用於預編碼或等化。
- 一種用於MIMO通訊的通訊系統，包括：K個第一通訊裝置，各該些通訊裝置包括單一天線，且K係正整數；一第二通訊裝置，包括N個天線，其中N係正整數，且該第二通訊裝置經配置以至少執行：取得該通訊裝置的一天線資訊及一通道資訊；依據該天線資訊及該通道資訊決定一中介矩陣的固有值，其中該中介矩陣係相關於用於一逆矩陣之諾伊曼級數展開的一L項近似矩陣，該逆矩陣係由一K×K矩陣逆運算，L係正整數，K係依據該天線資訊的正整數；自藉由計算一係數近似所取得之該中介矩陣的固有值中決定該L項近似矩陣的係數，其中該係數近似的數學表示式為：
~
係該中介矩陣的固有值，且α1~α K 係該L項近似矩陣的係數；以及依據該L項近似矩陣及決定的該L項近似矩陣之係數決定該逆矩陣。
- 如請求項9所述用於MIMO通訊的通訊系統，其中該第二通訊裝置更經配置用以至少執行：依據一固有值轉換決定該中介矩陣的固有值，其中該固有值轉換的數學表示式為：K係正整數且1
k
K，λ k 係該K×K矩陣的固有值，N係依據該天線資訊的正整數，
，
，且P II 係依據該通道資訊的通道矩陣之平均功率；而該L項近似矩陣的數學表示式為：
D係相關於該K×K矩陣的對角矩陣，αλ係該L項近似矩陣的係數，B係該中介矩陣。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/482,207 US20180294852A1 (en) | 2017-04-07 | 2017-04-07 | Method, communication device and communication system for mimo communication |
| US15/482,207 | 2017-04-07 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201838353A TW201838353A (zh) | 2018-10-16 |
| TWI639319B true TWI639319B (zh) | 2018-10-21 |
Family
ID=63709989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106117420A TWI639319B (zh) | 2017-04-07 | 2017-05-25 | 用於多輸入多輸出通訊的方法、通訊裝置及通訊系統 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20180294852A1 (zh) |
| TW (1) | TWI639319B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12026728B2 (en) | 2018-08-06 | 2024-07-02 | Walmart Apollo, Llc | Systems and methods for identifying and using micro-intents |
| CN109617579B (zh) * | 2019-01-25 | 2021-02-26 | 西安电子科技大学 | 增强型诺依曼大规模mimo预编码方法 |
| JP7180514B2 (ja) * | 2019-04-11 | 2022-11-30 | 日本電信電話株式会社 | 無線通信システム、無線通信方法、送信局装置および受信局装置 |
| CN111726144B (zh) * | 2020-06-24 | 2021-04-16 | 中南大学 | 基于初值优化的混合预编码设计方法、装置、介质及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101056130B (zh) | 2006-04-13 | 2015-04-29 | 美国博通公司 | 在无线接收机中进行信号处理的方法和系统 |
| WO2016049543A1 (en) | 2014-09-27 | 2016-03-31 | Ping Liang | Methods for multi-user mimo wireless communication using approximation of zero-forcing beamforming matrix |
| CN106301632A (zh) | 2016-08-24 | 2017-01-04 | 河海大学 | 一种快速评估多天线系统信道容量稳定性的方法 |
| WO2017011359A1 (en) | 2015-07-10 | 2017-01-19 | Ping Liang | Methods for reducing complexity of pre-coding matrix computation and grouping of user equipments in massive mimo systems |
-
2017
- 2017-04-07 US US15/482,207 patent/US20180294852A1/en not_active Abandoned
- 2017-05-25 TW TW106117420A patent/TWI639319B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101056130B (zh) | 2006-04-13 | 2015-04-29 | 美国博通公司 | 在无线接收机中进行信号处理的方法和系统 |
| WO2016049543A1 (en) | 2014-09-27 | 2016-03-31 | Ping Liang | Methods for multi-user mimo wireless communication using approximation of zero-forcing beamforming matrix |
| WO2017011359A1 (en) | 2015-07-10 | 2017-01-19 | Ping Liang | Methods for reducing complexity of pre-coding matrix computation and grouping of user equipments in massive mimo systems |
| CN106301632A (zh) | 2016-08-24 | 2017-01-04 | 河海大学 | 一种快速评估多天线系统信道容量稳定性的方法 |
Non-Patent Citations (3)
| Title |
|---|
| Chun-An Chen et al.,"A generalized eigenvalue decomposition processor for multi-user MIMO precoding", Circuits and Systems (APCCAS), 2016 IEEE Asia Pacific Conference on, 25-28 Oct. 2016. |
| Feng Wang et al., "Efficient matrix inversion architecture for linear detection in massive MIMO systems", Digital Signal Processing (DSP), 2015 IEEE International Conference on, Issue Date: 21-24 July 2015. |
| Michael Wu et al.,,"Approximate Matrix Inversion for High-Throughput Data Detection in the Large-Scale MIMO Uplink",Published in: Wireless Communications and Networking Conference (WCNC), 2013 IEEE, 7-10 April 2013. |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201838353A (zh) | 2018-10-16 |
| US20180294852A1 (en) | 2018-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xia et al. | A deep learning framework for optimization of MISO downlink beamforming | |
| Qi et al. | Integrating sensing, computing, and communication in 6G wireless networks: Design and optimization | |
| Jang et al. | Deep autoencoder based CSI feedback with feedback errors and feedback delay in FDD massive MIMO systems | |
| TWI639319B (zh) | 用於多輸入多輸出通訊的方法、通訊裝置及通訊系統 | |
| Tang et al. | High precision low complexity matrix inversion based on Newton iteration for data detection in the massive MIMO | |
| US10079627B1 (en) | Joint power allocation, precoding, and decoding method and base station thereof | |
| Bai et al. | Energy efficiency maximization for 5G multi‐antenna receivers | |
| US20180091199A1 (en) | System, Method and Apparatus for Multi-Input Multi-Output Communications over Per-Transmitter Power-Constrained Channels | |
| WO2021142631A1 (en) | Method, device and computer readable medium of communication | |
| Choi et al. | Two-stage analog combining in hybrid beamforming systems with low-resolution ADCs | |
| CN107210783B (zh) | 采用协作中继进行联合mimo传输和压缩来降低干扰的系统和方法 | |
| CN105071843B (zh) | 大规模mimo系统低复杂度多项式展开矩阵求逆方法及应用 | |
| KR102510513B1 (ko) | 심층 학습 기반의 빔포밍 방법 및 이를 위한 장치 | |
| Mahdavi et al. | A VLSI implementation of angular-domain massive MIMO detection | |
| CN113242071A (zh) | 基于集成深度学习的协作波束成形方法 | |
| WO2023185978A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
| Lin et al. | Communication-Efficient Joint Signal Compression and Activity Detection in Cell-Free Massive MIMO | |
| CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
| Yao et al. | FAS vs. ARIS: Which is more important for FAS-ARIS communication systems? | |
| US20180351712A1 (en) | Assigning method of pilot signals and base station using the same | |
| He et al. | Compressive channel estimation and user activity detection in distributed-input distributed-output systems | |
| CN111988791B (zh) | 基于雾计算的无线充电网络节点计算能力提升方法及系统 | |
| CN110601734B (zh) | 基于非理想csi的回程容量受限c-ran中联合预编解码方法 | |
| CN108631829A (zh) | 联合功率分配、预编码与解码方法及其基站 | |
| Yerrapragada et al. | Design of K-user massive MIMO networks |