TWI817746B

TWI817746B - 自適應調變和編碼方法及網路裝置

Info

Publication number: TWI817746B
Application number: TW111136836A
Authority: TW
Inventors: 吳芳銘; 王昭惟; 蕭如韋
Original assignee: 和碩聯合科技股份有限公司
Priority date: 2022-09-28
Filing date: 2022-09-28
Publication date: 2023-10-01
Also published as: TW202415034A

Abstract

本揭示提供一種自適應調變和編碼方法及網路裝置。所述方法包括：取得網路裝置與通訊裝置之間的傳輸通道的道品質測量值、傳輸錯誤率及歷史通道品質修正值；基於傳輸錯誤率及歷史通道品質修正值計算通道品質預測值；基於通道品質測量值的離散程度計算預測模型的增益因子；基於通道品質預測值、增益因子及通道品質測量值產生通道品質修正值；以及基於通道品質修正值決定網路裝置與通訊裝置傳輸使用的調變編碼機制。

Description

自適應調變和編碼方法及網路裝置

本揭示是有關於一種通訊機制，且特別是有關於一種自適應調變和編碼方法及網路裝置。

在現代社會中，諸如手機等無線通訊裝置已是人們生活中不可或缺的一部分。然而，由於無線環境中常存在不可測的問題，因此如何在無線傳輸時維持穩定的傳輸品質，一直是相當重要研究議題。

在所有的無線通訊系統中，無論是靜態或動態的用戶設備，常常都會面臨到通訊品質不穩定問題。例如，無線通訊品質可能受到外在環境干擾（例如通道隨機衰減、基地台或用戶設備彼此干擾等）或自體收發器的雜訊等因素影響，從而帶來了許多挑戰。

在通訊模型中，信號雜訊比（signal to noise ratio，SNR）、通道品質指標（channel quality indicator，CQI）和調變方案是最直接影響通訊品質的因素。並且，隨著對資料品質的通訊服務要求越來越高，鏈路適配技術可以在不增加系統頻寬的情況下提高頻譜效率和傳輸速率。因此，建立這些因素之間的邏輯關係至關重要。

有鑑於此，本揭示提供一種自適應調變和編碼方法及網路裝置，其可用於解決上述技術問題。

本揭示提供一種自適應調變和編碼方法，適於一網路裝置，包括：取得網路裝置與通訊裝置之間的傳輸通道的通道品質測量值、傳輸錯誤率及歷史通道品質修正值；基於傳輸錯誤率及歷史通道品質修正值計算通道品質預測值；基於通道品質測量值的離散程度計算預測模型的增益因子；基於通道品質預測值、增益因子及通道品質測量值產生通道品質修正值；以及基於通道品質修正值決定網路裝置與通訊裝置傳輸使用的調變編碼機制。

本揭示的實施例提供一種網路裝置，包括儲存電路及處理器。儲存電路儲存一程式碼。處理器耦接儲存電路並存取程式碼以執行：取得網路裝置與通訊裝置之間的傳輸通道的通道品質測量值、傳輸錯誤率及歷史通道品質修正值；基於傳輸錯誤率及歷史通道品質修正值計算通道品質預測值；基於通道品質測量值的離散程度計算預測模型的增益因子；基於通道品質預測值、增益因子及通道品質測量值產生通道品質修正值；以及基於通道品質修正值決定網路裝置與通訊裝置傳輸使用的調變編碼機制。

藉此，本揭示可得到更適合的調變編碼方案，進而可達到較佳的傳輸效能。

請參照圖1，其是依據本揭示之一實施例繪示的網路裝置示意圖。在不同的實施例中，網路裝置100可以應用於各種通信系統，例如：全球移動通訊（Global System of Mobile communication，GSM）系統、碼分多址（Code Division Multiple Access，CDMA）系統、通用封包無線業務（General Packet Radio Service，GPRS）、LTE系統、通用移動通信系統（Universal Mobile Telecommunication System，UMTS）、全球互聯微波接入（Worldwide Interoperability for Microwave Access，WiMAX）通信系統或5G系統等。在一些實施例中，5G系統或5G網路還可以稱為新無線電（new radio，NR）系統或NR網路。

在一些實施例中，網路裝置100可以是GSM系統或CDMA系統中的基站（Base Transceiver Station，BTS），也可以是WCDMA系統中的基站（NodeB，NB），還可以是LTE系統中的演進型基站（Evolutional Node B，eNB），或者是雲無線接入網路（Cloud Radio Access Network，CRAN）中的無線控制器。或者，網路裝置100可以為移動交換中心、中繼站、接入點、車載設備、穿戴式裝置、集線器、交換機、橋接器、路由器、5G網路中的網路側設備或者未來演進的公共陸地移動網路（Public Land Mobile Network，PLMN）中的網路裝置100等。

在一些實施例中，網路裝置100還可以是5G系統中的gNB，並可作為分散單元（distributed unit，DU）及/或無線電單元（radio unit，RU）使用，但可不限於此。

在圖1中，網路裝置100包括儲存電路102及處理器104。儲存電路102例如是任意型式的固定式或可移動式隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（Flash memory）、硬碟或其他類似裝置或這些裝置的組合，而可用以記錄複數個程式碼或模組。

處理器104耦接於儲存電路102，並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、複數個微處理器（microprocessor）、一個或複數個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用積體電路（Application Specific Integrated Circuit，ASIC）、現場可程式閘陣列電路（Field Programmable Gate Array，FPGA）、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器（Advanced RISC Machine，ARM）的處理器以及類似品。

在一些實施例中，網路裝置100所屬的通訊系統還可包括其他的通訊裝置。在不同的實施例中，所述通訊裝置可以指接入終端、用戶設備（User Equipment，UE）、用戶單元、用戶站、移動站、移動台、遠方站、遠端終端機、移動設備、用戶終端、終端、無線通訊設備、用戶代理或用戶裝置。接入終端可以是蜂巢式電話、無線電話、會話啟動協定（Session Initiation Protocol，SIP）電話、具有無線通訊功能的手持設備、計算設備或連接到無線數據機的其它處理設備、車載設備、可穿戴設備、5G網路中的終端設備或者未來演進的PLMN中的終端設備等。

為便於說明，以下假設網路裝置100及其所對應/服務的通訊裝置皆運作於5G系統中。在此情況下，網路裝置100可理解為gNB，但本揭示可不限於此。

在本揭示的實施例中，處理器104可存取儲存電路102中記錄的模組、程式碼來實現本揭示提出的自適應調變和編碼方法，其細節詳述如下。

請參照圖2，其是依據本揭示之一實施例繪示的自適應調變和編碼方法流程圖。本實施例的方法可由圖1的網路裝置100執行，以下即搭配圖1所示的元件說明圖2各步驟的細節。

在步驟S210中，處理器104取得網路裝置100與通訊裝置之間的傳輸通道的通道品質測量值、傳輸錯誤率及歷史通道品質修正值。

在一實施例中，處理器104取得網路裝置100與通訊裝置之間的傳輸通道的第k個傳輸校驗結果表徵所述傳輸錯誤率，其中k為索引值。

在本揭示的實施例中，網路裝置100與通訊裝置之間可存在傳輸通道，而此傳輸通道的通道品質測量值可因應於傳輸通道的態樣而表徵為SNR或CQI。在一實施例中，若所考慮的傳輸通道為上行鏈路，則處理器104可將所述通道品質測量值表徵為SNR。在另一實施例中，若所考慮的傳輸通道為下行鏈路，則處理器104可將所述通道品質測量值表徵為CQI，但可不限於此。

在本揭示的實施例中，不同的k值對應於不同的離散時間點。舉例而言，所述第k個傳輸校驗結果（以下以表示）可理解為在第k個時間點的傳輸校驗結果。同理，本揭示實施例後續將提及的第k個通道品質預測值（以下以表示）、第k個增益因子（以下以表示）、第k個通道品質測量值（以下以表示）及第k個通道品質修正值（以下以表示）等用詞可分別理解為在第k個時間點的通道品質預測值、增益因子、通道品質測量值及通道品質修正值。

在不同的實施例中，k值的變化所對應的時間變化可因應於所考慮的通訊系統及其相關配置參數而有所不同。舉例而言，在網路裝置100經假設為5G系統中的gNB的情況下，k值每加1可代表經過了一個傳輸時間間隔（transmission time interval，TTI）。亦即，第k+1個時間點與第k個時間點之間的時間差為一個TTI。舉例而言，假設所考慮的5G系統使用的子載波為30kHz，則一個TTI的時間長度例如是0.5ms。在此情況下，第k+1個時間點與第k個時間點之間的時間差為0.5ms，但可不限於此。

為便於說明，以下假設所考慮的歷史通道品質修正值為第k-1個通道品質修正值（即前一個時間點（第k-1個時間點）的通道品質修正值，並可表示為）。在其他實施例中，處理器104也可選用第k個時間點之前的任一通道品質修正值作為步驟S210中所考慮的歷史通道品質修正值。

在一實施例中，所述第k個傳輸校驗結果對應於第k-1個時間點至第k-W個時間點的複數個循環冗餘校驗（cyclic redundancy check，CRC）結果，其中W為預設窗口長度。

在不同的實施例中，W值可依設計者的需求而選定為任意正整數值。在一實施例中，假設網路裝置100運作於5G系統的TDD模式，且所使用的時槽模式（slot pattern）為DDDSU。此即代表在每2.5ms中共有4個下行訊號（對應於D）及1個上行訊號（對應於U）。

基此，假設所考慮的W為8（其對應於20ms，即2.5ms*8），則處理器104可基於第k-1個時間點至第k-8個時間點的CRC結果來決定所述第k個傳輸校驗結果（）。

舉例而言，假設第k-1個時間點至第k-8個時間點的CRC結果表徵為[0, 0, 0, 0, 1, 0, 0, 0]（其中0代表CRC失敗，1代表通過CRC），則處理器104可得知在過去8個CRC中共有7次失敗的CRC及1次成功的CRC。在此情況下，處理器104可判定所述第k個傳輸校驗結果（）為-7/8，但可不限於此。

在步驟S220中，處理器104基於傳輸錯誤率及歷史通道品質修正值計算通道品質預測值。

在一實施例中，處理器104基於狀態轉移特性、控制輸入特性、傳輸錯誤率及歷史通道品質修正值產生關聯於通道品質的通道品質預測值。

在一實施例中，所述通道品質預測值例如是第k個通道品質預測值（），而處理器104可基於狀態轉移特性、控制輸入特性、所述第k個傳輸校驗結果（）及所述歷史通道品質修正值（例如）產生所述第k個通道品質預測值（）。

在一實施例中，所述狀態轉移特性及所述控制輸入特性可分別表徵為狀態轉移矩陣A及控制輸入矩陣B。在不同的實施例中，狀態轉移矩陣A及控制輸入矩陣B的內容可依設計者的需求而調整。在一實施例中，狀態轉移矩陣A及控制輸入矩陣B的內容可經設定為固定值。

在一實施例中，所述第k個通道品質預測值（）可表徵為：「」（式1），但可不限於此。

在一實施例中，由於傳輸通道可能受到環境溫度及/或機台溫度的影響，因此狀態轉移矩陣A可相應地將相關的溫度預測參數（以w表示）納入。在此情況下，狀態轉移矩陣A例如是，但可不限於此。

在步驟S230中，處理器104基於通道品質測量值的離散程度計算預測模型M1的增益因子。

在不同的實施例中，處理器104可因應於設計者的需求而選用適當的模型作為預測模型M1。為便於說明，以下實施例中將以卡爾曼濾波器（Kalman filter）作為預測模型M1的實例，但本揭示可不限於此。

在一實施例中，處理器104基於狀態轉移特性、狀態估計特性及模型測量誤差特性產生預測模型M1的模型預測誤差特性。

在一實施例中，所述狀態轉移特性可表徵為狀態轉移矩陣A。在預測模型M1經假設為卡爾曼濾波器的情況下，所述模型預測誤差特性例如是第k個模型預測誤差特性，而此第k個模型預測誤差特性可表徵為第k個狀態估計協方差矩陣。所述狀態估計特性例如是第k-1個狀態估計特性，而此第k-1個狀態估計特性可表徵為協方差矩陣。所述模型測量誤差特性可表徵為模型測量誤差矩陣Q。

在一實施例中，所述第k個模型預測誤差特性（例如）可表徵為：「」（式2），但可不限於此。

之後，處理器104基於通道品質測量值的離散程度、預測模型M1的模型預測誤差及狀態觀測特性估計預測模型M1的增益因子。

在一實施例中，通道品質測量值的離散程度例如是SNR或CQI（視傳輸通道為上行鏈路或下行鏈路而定）的標準差R。此外，在預測模型M1經假設為卡爾曼濾波器的情況下，所述狀態觀測特性例如是狀態觀測矩陣H。

在一實施例中，所述增益因子例如是所述第k個增益因子，而此第k個增益因子可表徵為：「」（式3），但可不限於此。

在步驟S240中，處理器104基於通道品質預測值（例如）、增益因子（例如）及通道品質測量值（例如）產生通道品質修正值（例如）。

在一實施例中，所述第k個通道品質測量值（）可以是傳輸通道在第k個時間點的實際通道品質測量值，但在其他實施例中，所述第k個通道品質測量值（）亦可表徵為傳輸通道的平均通道品質測量值，但可不限於此。

在一實施例中，處理器104例如可基於所述第k個增益因子（）、第k個通道品質測量值（）、狀態觀測特性及所述第k個通道品質預測值（）決定修正因子（以C表示）。

在預測模型M1經假設為卡爾曼濾波器的情況下，所述狀態觀測特性例如是狀態觀測矩陣H。基此，所述修正因子例如可表徵為：「C= 」，但可不限於此。

之後，處理器104可基於修正因子（C）將所述第k個通道品質預測值（）修正為所述第k個通道品質修正值（）。

在一實施例中，所述第k個通道品質修正值（）可表徵為：「」（式4），但可不限於此。

在一實施例中，處理器104可基於增益因子、狀態觀測特性及模型預測誤差特性更新狀態估計特性。例如，處理器104可基於所述第k個增益因子（）、狀態觀測特性（例如H）及所述第k個模型預測誤差特性（例如）估計第k個狀態估計特性（例如對應於第k個時間點的協方差矩陣）作為更新的狀態估計特性。在一實施例中，第k個狀態估計特性（例如）可表徵為：「」（式5），其中I為單位矩陣，但可不限於此。

在步驟S250中，處理器104基於通道品質修正值決定網路裝置100與通訊裝置傳輸使用的調變編碼機制。

在一實施例中，處理器104基於通道品質的所述第k個通道品質修正值（）決定用於網路裝置100與通訊裝置之間的傳輸通道的調變編碼方案。

在本揭示的實施例中，所述第k個通道品質修正值（）例如是某個SNR或CQI值（視傳輸通道為上行鏈路或下行鏈路而定），而處理器104可基於任何已知的自適應調變和編碼（adaptive modulation and coding，AMC）文獻來決定相應的調變編碼方案。

請參照圖3，其是依據本揭示之一實施例繪示的AMC情境示意圖。在本實施例中，圖3例如是「J. C. Ikuno, System level modeling and optimization of the LTE downlink. PhD thesis, E389, TU Wien (2013).」中部分內容的重現。在一實施例中，若所考慮的傳輸通道是網路裝置100與通訊裝置之間的下行鏈路，則所取得的第k個通道品質修正值（）例如是某個CQI值。在此情況下，處理器104可基於此CQI值在圖3中找出對應的調變編碼方案。舉例而言，假設第k個通道品質修正值（）對應於CQI 7，則處理器104例如可選用16正交幅度調制（Quadrature Amplitude Modulation，QAM）作為對應的調變編碼方案。舉另一例而言，假設第k個通道品質修正值（）對應於CQI 15，則處理器104例如可選用64-QAM作為對應的調變編碼方案，但可不限於此。

在一實施例中，若所考慮的傳輸通道是網路裝置100與通訊裝置之間的上行鏈路，則所取得的第k個通道品質修正值（）例如是某個SNR值。在此情況下，處理器104可基於此SNR值在圖3中找出對應的CQI值，再據以決定調變編碼方案。舉例而言，假設第k個通道品質修正值（）為10dB，則處理器104可基於圖3的「SNR對CQI映射」而得知對應的CQI值為CQI 10，並相應地選用64-QAM作為對應的調變編碼方案。舉另一例而言，假設第k個通道品質修正值（）為0dB，則處理器104可基於圖3的「SNR對CQI映射」而得知對應的CQI值為CQI 5，並相應地選用4-QAM作為對應的調變編碼方案，但可不限於此。

在一實施例中，在預測模型M1經假設為卡爾曼濾波器的情況下，所述第k個增益因子可理解為卡爾曼增益。當為0時，此即代表預測誤差為0。在此情況下，將完全等於，亦即完全信任預測模型M1所提供的通道品質預測值。另一方面，當為1時，此即代表測量誤差為0。在此情況下，將完全等於，亦即完全信任通道品質的通道品質測量值。

此外，由式2及式3可看出，當R值固定，Q值越大時，將越大，即代表越信任通道品質測量值，其中若Q值為無限大則為1。另一方面，如果Q值越小或者R值越大，將越小，即代表越信任預測模型M1提供的通道品質預測值，其中若Q值為零或R值無窮大則為0。

從另一觀點而言，R值越大代表通道品質（SNR或CQI）的變動越大，亦即網路裝置100與通訊裝置之間的通訊環境較不穩定。在此情況下，將使得所取得的的可信度較低。因此，若直接以習知的方式而直接基於來決定相應的調變編碼方案，將可能使得傳輸的效能下降（例如令BLER上升）。

然而，有別於直接基於通道品質測量值（例如）決定調變編碼方案，本揭示實施例的方法可基於預測模型M1的模型特性及網路裝置100與通訊裝置之間的通訊環境，將通道品質預測值（例如）與通道品質測量值（例如）作適當的結合以得到通道品質修正值（例如，）。由於通道品質修正值（例如，）可較佳地反映實際的通訊環境，因此本揭示實施例可據以得到更適合的調變編碼方案，進而可達到較佳的傳輸效能（例如較低的BLER）。

並且，由於本揭示實施例的方法可在所考慮的每個時間點皆選用合適的調變編碼方案，因此能夠更為靈活地因應於當下的通訊環境而調整傳輸方式。舉例而言，在TTI為0.5ms的情況下，本揭示實施例的方法可每0.5ms即決定一次適合的調變編碼方案，因而可達到彈性調整調變編碼方案的效果。

請參照圖4，其是依據本揭示之一實施例繪示的應用情境圖。在圖4中，假設網路裝置100為5G系統中的gNB，但可不限於此。如圖4所示，預測模型M1可屬於gNB的DU，而在預測模型M1取得、及R之後，可相應地決定。之後，網路裝置100可基於決定相應的MCS，並透過層1（L1）的媒體存取控制（medium access control，MAC）層將MCS通知gNB的RU，進而控制RU層1的實體層（physical layer，PHY）執行相應的傳輸。

在其他實施例中，預測模型M1的操作亦可視設計者的需求而考慮其他參數，例如溫度預測參數，但可不限於此。

綜上所述，本揭示實施例的方法可將預測模型對於通道品質的通道品質預測值與通道品質的通道品質測量值作適當的結合以得到通道品質修正值。由於通道品質修正值可較佳地反映實際的通訊環境，因此本揭示實施例可據以得到更適合的調變編碼方案，進而可達到較佳的傳輸效能。

雖然本揭示已以實施例揭露如上，然其並非用以限定本揭示，任何所屬技術領域中具有通常知識者，在不脫離本揭示的精神和範圍內，當可作些許的更動與潤飾，故本揭示的保護範圍當視後附的申請專利範圍所界定者為準。

100:網路裝置 102:儲存電路 104:處理器 S210~S250:步驟 :第k個傳輸校驗結果 :第k個通道品質測量值 :第k個通道品質修正值 R:標準差

圖1是依據本揭示之一實施例繪示的網路裝置示意圖。圖2是依據本揭示之一實施例繪示的自適應調變和編碼方法流程圖。圖3是依據本揭示之一實施例繪示的AMC情境示意圖。圖4是依據本揭示之一實施例繪示的應用情境圖。

S210~S250:步驟

Claims

一種自適應調變和編碼方法，適於一網路裝置，包括：取得該網路裝置與一通訊裝置之間的一傳輸通道的一通道品質測量值、一傳輸錯誤率及一歷史通道品質修正值；基於該傳輸錯誤率及該歷史通道品質修正值計算一通道品質預測值；基於該通道品質測量值的一離散程度計算一預測模型的一增益因子；基於該通道品質預測值、該增益因子及該通道品質測量值產生一通道品質修正值；以及基於該通道品質修正值決定該網路裝置與該通訊裝置傳輸使用的一調變編碼機制。
如請求項1所述的方法，其中該歷史通道品質修正值為前一時間點的該通道品質修正值。
如請求項1所述的方法，其中該網路裝置與該通訊裝置之間的該傳輸通道為一上行鏈路，且該通道品質表徵為信號雜訊比。
如請求項1所述的方法，其中該網路裝置與該通訊裝置之間的該傳輸通道為一下行鏈路，且該通道品質表徵為通道品質指標。
如請求項1所述的方法，更包括：基於一傳輸校驗結果表徵該傳輸錯誤率。
如請求項1所述的方法，其中基於該傳輸錯誤率及該歷史通道品質修正值計算該通道品質預測值的步驟包括：基於一狀態轉移特性、一控制輸入特性、該傳輸錯誤率及該歷史通道品質修正值產生該通道品質預測值。
如請求項1所述的方法，其中基於該通道品質測量值的該離散程度計算該預測模型的該增益因子的步驟包括：基於一狀態轉移特性、一狀態估計特性及一模型測量誤差特性產生該預測模型的一模型預測誤差特性；基於該通道品質測量值的該離散程度、該模型預測誤差特性及一狀態觀測特性估計該預測模型的該增益因子。
如請求項7所述的方法，更包括：基於該增益因子、該狀態觀測特性及該模型預測誤差特性更新該狀態估計特性。
如請求項7所述的方法，其中該通道品質測量值的該離散程度表徵為該通道品質測量值的一標準差。
一種網路裝置，包括：一儲存電路，儲存一程式碼；以及一處理器，耦接該儲存電路並存取該程式碼以執行：取得該網路裝置與一通訊裝置之間的一傳輸通道的一通道品質測量值、一傳輸錯誤率及一歷史通道品質修正值；基於該傳輸錯誤率及該歷史通道品質修正值計算一通道品質預測值；基於該通道品質測量值的一離散程度計算一預測模型的一增益因子；基於該通道品質預測值、該增益因子及該通道品質測量值產生一通道品質修正值；以及基於該通道品質修正值決定該網路裝置與該通訊裝置傳輸使用的一調變編碼機制。
如請求項10所述的網路裝置，其中該歷史通道品質修正值為前一時間點的該通道品質修正值。
如請求項10所述的網路裝置，其中該網路裝置與該通訊裝置之間的該傳輸通道為一上行鏈路，且該通道品質表徵為信號雜訊比。
如請求項10所述的網路裝置，其中該網路裝置與該通訊裝置之間的該傳輸通道為一下行鏈路，且該通道品質表徵為通道品質指標。
如請求項10所述的網路裝置，其中該處理器更經配置以：基於一傳輸校驗結果表徵該傳輸錯誤率。
如請求項10所述的網路裝置，其中該處理器經配置以：基於一狀態轉移特性、一控制輸入特性、該傳輸錯誤率及該歷史通道品質修正值產生該通道品質預測值。
如請求項10所述的網路裝置，其中該處理器經配置以：基於一狀態轉移特性、一狀態估計特性及一模型測量誤差特性產生該預測模型的一模型預測誤差特性；基於該通道品質測量值的該離散程度、該預測模型的該模型預測誤差及一狀態觀測特性估計該預測模型的該增益因子。
如請求項16所述的網路裝置，該處理器更經配置以：基於該增益因子、該狀態觀測特性及該模型預測誤差特性更新該狀態估計特性。
如請求項16所述的網路裝置，其中該通道品質測量值的該離散程度表徵為該通道品質測量值的一標準差。