通信系统中的迭代检测技术方案

描述了一种装置、计算机程序和方法，包括：在通信系统的接收机处接收数据，生成由传输系统的发射机发射的数据的估计(其中生成估计包括至少具有一些可训练权重的接收机算法)，基于所述估计和纠错算法来生成发射数据的细化估计(其中在操作模式中，基于接收数据和所述细化估计来生成发射数据的所述估计)；并且在操作模式中，在所述生成发射数据的估计的多次迭代中的每次迭代上生成发射数据的修正估计，直到达到第一条件。直到达到第一条件。直到达到第一条件。

【技术实现步骤摘要】
【国外来华专利技术】通信系统中的迭代检测


[0001]本说明书涉及在接收机处估计由通信系统的发射机发射的数据。

技术介绍

[0002]简单的通信系统包括发射机、传输信道和接收机。尽管已知许多这样的通信系统，但是在该领域仍需要进一步发展。例如，在接收机处估计由这种通信系统的发射机发射的数据方面仍然需要进一步开发。

技术实现思路

[0003]在第一方面，本说明书提供了一种装置，包括：用于在接收机处接收数据的部件，该数据由通信系统的发射机发射，该通信系统包括发射机、信道和接收机；用于生成由发射机发射的数据的估计的部件，其中用于生成估计的部件包括至少具有一些可训练权重的接收机算法；用于基于所述估计和纠错算法来生成发射数据的细化估计的部件，其中在操作模式中，用于生成发射数据的所述估计的所述部件基于接收数据和所述细化估计来生成所述估计；以及用于在操作模式中在生成发射数据的估计的多次迭代中的每次迭代上生成发射数据的修正估计直到达到第一条件的部件。第一条件可以包括已定义的性能标准。可替代地或另外地，第一条件可以包括已定义的迭代次数。
[0004]用于生成发射数据的估计的部件可以在生成发射数据的估计的第一次迭代中生成初始估计。可以在不参考所述细化估计的情况下生成所述第一次迭代。
[0005]一些示例还包括用于在训练模式中训练接收机算法的可训练权重的部件。用于训练可训练权重的部件可以调整可训练权重以将损失函数最小化，其中损失函数基于由发射机发射的数据和发射数据的训练估计，发射数据的训练估计由用于生成发射数据的估计的所述部件生成(例如，基于接收数据和反馈项)。用于训练接收机算法的可训练权重的部件可以包括：用于初始化所述可训练权重的部件；用于获得多个数据集的部件，每个数据集包括所述通信系统的接收数据和对应的发射数据；用于为多个数据集的每个数据集生成反馈项的部件(所述反馈项可以具有基于在操作模式中的所述精细估计的预期分布的分布)；以及用于更新可训练权重以将所述损失函数最小化的部件，其中损失函数基于所述数据集的发射数据和发射数据的相应的训练估计，发射数据的相应的训练估计由用于生成发射数据的估计的所述部件生成，其中该训练估计基于相应的接收数据和相应的反馈项。一些示例还包括基于进一步获得的数据集和所生成的反馈项重复所述更新所述可训练权重。
[0006]在一些示例中，接收机算法包括神经网络。所述神经网络可以具有用于接收在接收机处接收到的数据的第一输入和用于接收基于发射数据的细化估计的信号的第二输入。神经网络可以生成由发射机发射的数据的所述估计。
[0007]所述装置可以包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该至少一个存储器和计算机程序被配置为与至少一个处理器一起引起该装置的执行。
[0008]在第二方面，本说明书提供了一种装置，包括：用于基于在通信系统的接收机处接
收到的数据来生成由通信系统的发射机发射的数据的估计的部件，其中用于生成估计的部件包括至少具有一些可训练权重的接收机算法；用于初始化所述可训练权重的部件；用于获得多个数据集的部件，每个数据集包括所述通信系统的在接收机处接收到的数据和对应的发射数据；用于为多个数据集的每个数据集生成反馈项的部件，其中所述反馈项具有基于在操作模式中的所述细化估计的预期分布的分布；以及用于在训练模式中更新可训练权重以将损失函数最小化的部件，其中损失函数基于所述数据集的发射数据和发射数据的相应的训练估计，发射数据的相应的训练估计由用于生成发射数据的估计的所述部件生成，其中训练估计基于相应的接收数据和相应的反馈项。所述装置可以包括：至少一个处理器；以及包括计算机程序代码的至少一个存储器，该至少一个存储器和计算机程序被配置为与至少一个处理器一起引起该装置的执行。
[0009]第二方面可以进一步包括如上所述的第一方面的至少一些特征。
[0010]在第三方面，本说明书描述了一种方法，包括：在接收机处接收数据，该数据由通信系统的发射机发射，该通信系统包括发射机、信道和接收机；使用至少具有一些可训练权重的接收机算法来生成由发射机发射的数据的估计；基于所述估计和纠错算法来生成发射数据的细化估计，其中在操作模式中，生成发射数据的所述估计基于接收数据和所述细化估计来生成所述估计；并且在操作模式中在生成发射数据的估计的多次迭代中的每次迭代上生成发射数据的修正估计，直到达到第一条件。第一条件可以包括已定义的性能标准。可替代地或另外地，第一条件可以包括已定义的迭代次数。
[0011]生成发射数据的估计可以包括在生成发射数据的估计的第一次迭代中生成初始估计。可以在没有参考所述细化估计的情况下生成所述第一次迭代。
[0012]一些示例还包括在训练模式中训练接收机算法的可训练权重。训练可训练权重可以包括调整可训练权重以将损失函数最小化，其中损失函数基于由发射机发射的数据和在生成发射数据的估计期间生成的发射数据的训练估计(例如，基于接收的数据和反馈项)。训练接收机算法的可训练权重可以包括：初始化所述可训练权重；获得多个数据集，每个数据集包括所述通信系统的接收数据和对应的发射数据；为多个数据集的每个数据集生成反馈项(所述反馈项可以具有基于在操作模式中的所述精细估计的预期分布的分布)；更新可训练权重以将所述损失函数最小化，其中损失函数基于所述数据集的发射数据和在生成发射数据的估计期间生成的发射数据的相应的训练估计，其中训练估计基于相应的接收数据和相应的反馈项。一些示例还包括基于进一步获得的数据集和所生成的反馈项重复所述更新所述可训练权重。
[0013]在一些示例中，接收机算法包括神经网络。
[0014]在第四方面，本说明书描述了一种方法，包括：基于在通信系统的接收机处接收到的数据，使用至少具有一些可训练权重的接收机算法来生成由通信系统的发射机发射的数据的估计；初始化所述可训练权重；获得多个数据集，每个数据集包括所述通信系统的在接收机处接收到的数据和对应的发射数据；为多个数据集的每个数据集生成反馈项，其中所述反馈项具有基于在操作模式中的所述细化估计的预期分布的分布；在训练模式中更新可训练权重以将损失函数最小化，其中损失函数基于所述数据集的发射数据和由所述接收机算法生成的发射数据的相应的训练估计，其中训练估计基于相应的接收数据和相应的反馈项。
[0015]第四方面可以进一步包括如上所述的第三方面的至少一些特征。
[0016]在第五方面，本说明书描述了一种被配置为执行参考第三或第四方面所描述的任何方法的装置。
[0017]在第六方面，本说明书描述了计算机可读指令，该计算机可读指令在由计算装置执行时使计算装置执行参考第三或第四方面所描述的任何方法。
[0018]在第七方面，本说明书描述了一种计算机可读介质，包括存储在其上的程序指令，用于至少执行以下操作：在接收机处接收数据，该数据由通信系统的发射机发射，该通信系统包括发射机、信道和接收机；使用至少具有一些可训练权重的接收机算法来生成由发射机发射的数据的估计；基于所述估计和纠错算法来生成发射数据的细本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种装置，包括：用于在接收机处接收数据的部件，所述数据由通信系统的发射机发射，所述通信系统包括所述发射机、信道和所述接收机；用于生成由所述发射机发射的所述数据的估计的部件，其中用于生成所述估计的所述部件包括至少具有一些可训练权重的接收机算法；用于基于所述估计和纠错算法来生成发射数据的细化估计的部件，其中在操作模式中，用于生成发射的所述数据的所述估计的所述部件基于接收数据和所述精炼估计来生成所述估计；以及用于在所述操作模式中在生成所述发射数据的估计的多次迭代中的每次迭代上生成所述发射数据的修正估计直到达到第一条件的部件。2.根据权利要求1所述的装置，其中用于生成所述发射数据的估计的所述部件在生成所述发射数据的所述估计的第一次迭代上生成初始估计。3.根据权利要求2所述的装置，其中在没有参考所述细化估计的情况下生成所述第一次迭代。4.根据前述权利要求中任一项所述的装置，还包括用于在训练模式中训练所述接收机算法的所述可训练权重的部件。5.根据权利要求4所述的装置，其中用于训练所述可训练权重的所述部件调整所述可训练权重以便将损失函数最小化，其中所述损失函数基于由所述发射机发射的数据和所述发射数据的训练估计，所述发射数据的所述训练估计由用于生成所述发射数据的估计的所述部件生成。6.根据权利要求5所述的装置，其中所述训练估计基于所述接收数据和反馈项。7.根据权利要求5或权利要求6所述的装置，其中用于训练所述接收机算法的所述可训练权重的所述部件包括：用于初始化所述可训练权重的部件；用于获得多个数据集的部件，每个数据集包括所述通信系统的接收数据和对应的发射数据；用于针对所述多个数据集的每个数据集生成反馈项的部件；以及用于更新所述可训练权重以将所述损失函数最小化的部件，其中所述损失函数基于所述数据集的发射数据和所述发射数据的相应的训练估计，所述发射数据的所述相应的训练估计由用于生成所述发射数据的估计的所述部件生成，其中所述训练估计基于相应的所述接收数据和相应的所述反馈项。8.根据权利要求7所述的装置，还包括基于进一步获得的数据集和所生成的反馈项重复更新所述可训练权重。9.根据权利要求6至8中任一项所述的装置，其中所述反馈项具有基于在所述操作模式中的所述细化估计的预期分布的分布。10.根据前述权利要求中任一项所述的装置，其中所述第一条件包括已定义的性能标准。11.根据前述权利要求中任一项所述的装置，其中所述第一条件包括已定义的迭代次数。
12.根据前述权利要求中任一项所述的装置，其中：所述接收机算法包括神经网络；所述神经网络具有用于接收在所述接收机处接收到的数据的第一输入和用于接收基于所述发射数据的所述细化估计的信号的第二输入；并且所述神经网络生成由所述发射机发射的所述数据的所述估计。13.一种装置，包括：用于基于在通信系统的接收机处接收到的数据来生成由所述通信系统的发射机发射的数据的估计的部件，其中用于生成所述估计的所述部件包括至少具有一些可训练权重的接收机算法；用于初始化所述可训练权重的部件；用于获得多个数据集的部件，每个数据集包括所述通信系统的在所述接收机处接收到的数据和对应的发射数据；用于针对所述多个数据集的每个数据集生成反馈项的部件，其中所述反馈项具有基于在操作模式中的所述细化估计的预期分布的分布；以及用于在训练模式中更新所述可训练权重以将损失函数最小化的部件，其中所述损失函数基于所述数据集的发射数据和所述发射数据的相应的训练估计，所述发射数据的所述相应的训练估计由用于生成所述发射数据...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：诺基亚技术有限公司，
类型：发明
国别省市：