信号解映射制造技术

方面和实施例提供了可以用于帮助选择多个可用接收器配置中的一个可用接收器配置以在无线通信网络中的接收器处解映射接收信号的装置和方法。所描述的装置可以包括可以采取神经网络的形式的可训练逻辑。可训练逻辑被配置为量化多个接收器配置。可训练逻辑包括：确定逻辑，被配置为确定多个可用接收器配置，并且将每个接收器配置与上下文矩阵相关联；码本逻辑，被配置为针对上下文矩阵选择要由可训练逻辑使用的量化码本；以及学习逻辑，被配置为根据训练数据集学习，训练数据集包括与发送消息的重构相关的多个接收信号样本；学习逻辑被配置为根据训练数据集生成：与多个可用接收器配置相对应的一组叠加参数和上下文矩阵，以及针对每个上下文的一组上下文参数，上下文参数可通过将叠加参数与关联于每个接收器配置的上下文矩阵相组合而生成；根据量化码本来量化上下文矩阵；以及重复叠加参数、上下文矩阵的生成以及上下文矩阵的量化，直到停止准则被满足为止。布置可以认识到，通过针对每个接收器配置提供上下文矩阵并将那些上下文矩阵与简单的码本对准，执行上下文(接收器配置)切换在计算上变得更高效。计算上变得更高效。计算上变得更高效。

【技术实现步骤摘要】
【国外来华专利技术】信号解映射


[0001]各种示例实施例涉及可以用于帮助选择多个可用接收器配置中的一个可用接收器配置以在无线通信网络中的接收器处解映射接收信号的方法和装置。

技术介绍

[0002]神经网络(NN)可以在通信系统中使用以提高系统性能。例如，对于通信网络内的接收器或收发机，神经网络可以关于输入参数进行训练，使得对于给定的系统配置，神经网络选择期望的操作模式(输出参数)。
[0003]被配置为基于一组输入样本而做出决策或标识结果的神经网络通常表现良好。NN成功的原因之一是它们在面对在训练时没有看到但从训练数据集被采样的分布中提取的样本时能够很好地泛化。
[0004]NN的一个缺点是它们一旦训练就缺乏可配置性。特别地，针对特定任务训练的NN通常对不同的任务表现不佳，即使这两个任务相似(例如，两个不同的计算机视觉任务)。
[0005]在实现通信接收器中使用的神经网络的情况下，期望接收器在各种设置(例如，不同的调制方案和/或不同的信道条件)下工作良好。确保接收器跨这样的设置工作良好通常需要训练和实现多个NN。针对每种可能的系统配置训练专用NN(例如，针对每种调制方案训练一个，诸如BSPK、QPSK、16QAM、64QAM)是直截了当的，但是导致了实现这些专用NN所需的硬件资源显著增加。增加的硬件资源可以包括例如：存储器、现场可编程门阵列(FPGA)上的表面等。这样的增加的硬件要求可能会使在实践中需要多个NN的方法不受欢迎。
[0006]方面和实施例涉及具有由通信系统中的逻辑实现的可训练参数的接收器算法，诸如逻辑包括例如神经网络(NN)。方面和实施例涉及这样的接收器算法在实际系统中的有效实现。

技术实现思路

[0007]本专利技术的各种实施例所寻求的保护范围由独立权利要求规定。在本说明书中描述的不属于独立权利要求的范围的实施例、示例、布置和特征(如果有的话)将被解释为对理解本专利技术的各种实施例有用的示例。
[0008]根据本专利技术的各种但不一定全部的实施例，提供了一种装置，包括：可训练逻辑，被配置为量化多个接收器配置，所述可训练逻辑包括：确定逻辑，被配置为确定多个可用接收器配置，并且将每个接收器配置与上下文矩阵相关联；码本逻辑，被配置为针对多个上下文矩阵选择要由可训练逻辑使用的量化码本；学习逻辑，被配置为根据训练数据集学习，训练数据集包括与发送消息的重构相关的多个接收信号样本；所述训练逻辑被配置为根据训练数据集生成：与多个可用接收器配置相对应的一组叠加参数和上下文矩阵，以及针对每个上下文的一组上下文参数，上下文参数可通过将叠加参数与关联于每个接收器配置的上下文矩阵相组合而生成；根据量化码本来量化上下文矩阵；以及重复叠加参数、上下文矩阵的生成以及上下文矩阵的量化，直到停止准则被满足为止。
[0009]该装置可以使得停止准则包括以下一项或多项：预定义的迭代次数；满足预定性能度量。
[0010]该装置可以使得停止准则与性能度量相关，该性能度量与发送消息的重构相关联。这样的性能度量可以包括例如所选择的符号差错率。
[0011]该装置可以使得停止准则与如下性能度量相关，该性能度量与根据量化码本来量化上下文矩阵相关联。
[0012]该装置可以使得选择量化码本包括：设置上下文矩阵的系数以匹配有限矩阵码本的值。
[0013]该装置可以使得有限矩阵码本包括以下一项：{
‑
1,0,1}；2的幂次方的值。
[0014]该装置可以使得将叠加参数与上下文矩阵相组合包括以下一项：矩阵乘法或逐元素乘积。
[0015]该装置可以使得接收器配置包括以下一项或多项：接收器或解调配置。
[0016]根据本专利技术的各种但不一定全部的实施例，提供了一种设备，包括：接收逻辑，被配置为接收无线通信信号；处理逻辑，被配置为处理所接收的无线通信信号，并且对接收信号进行解映射，所述处理逻辑包括：接收器控制模块，包括如上所述的装置。
[0017]该设备可以使得它还包括：接收器配置选择逻辑，被配置为基于一个或多个因素从所述多个接收器配置中选择接收器配置，以应用于所接收的无线通信系统，该一个或多个因素包括：所生成的叠加参数和经量化的上下文矩阵。
[0018]根据本专利技术的各种但不一定全部的实施例，提供了一种方法，包括：通过以下操作来量化多个接收器配置：确定多个可用接收器配置，并且将每个接收器配置与上下文矩阵相关联；针对上下文矩阵选择要使用的量化码本；提供训练数据集，该训练数据集包括与发送消息的重构相关的多个接收信号样本；根据训练数据集生成：与多个可用接收器配置相对应的一组叠加参数和上下文矩阵，以及针对每个上下文的一组上下文参数，上下文参数可通过将叠加参数与关联于每个接收器配置的上下文矩阵相组合而生成；以及根据量化码本来量化上下文矩阵；重复叠加参数、上下文矩阵的生成以及上下文矩阵的量化，直到停止准则被满足为止。
[0019]根据本专利技术的各种但不一定全部的实施例，提供了一种计算机程序产品，该计算机程序产品被配置为当在计算机上被执行时执行上述方法。
[0020]在所附的独立权利要求和从属权利要求中阐述了进一步的特定和优选方面。从属权利要求的特征可以适当地与独立权利要求的特征结合，并且可以与权利要求中明确阐述的那些特征不同的特征结合。
[0021]在装置特征被描述为可操作以提供功能的情况下，将理解的是，这包括提供该功能或被适配为或被配置为提供该功能的装置特征。
附图说明
[0022]现在将参考附图来描述一些示例实施示例，在附图中：
[0023]图1a图示了根据布置的通用接收器架构；
[0024]图1b示意性地图示了所使用的神经网络的典型轮廓；
[0025]图2示意性地图示了使用特定于所选择的上下文的参数的接收器操作；
[0026]图3包括推理流程图的可视化表示；以及
[0027]图4包括根据布置的训练过程的流程图。
具体实施方式
[0028]在更详细地讨论示例实施例之前，首先将提供概述。
[0029]无线信号的调制和解调是任何无线通信系统的基本模块。通常，通信系统内的接收器/解调装置/解映射装置被配置为通过考虑诸如高斯噪声、信道状态信息、信道噪声分布、编码方法和类似的信号输入参数之类的因素来操作以接收和解映射信号。将理解的是，与理想的发送和接收相关联的条件通常不会出现在无线通信系统的物理部署中。无线通信网络部署通常会受到意外噪声、多路径和快速衰落、以及其他复杂干扰的影响。结果是，例如，可能难以准确地知道或估计信道状态信息等。此外，接收器可能不知道用于发送信号的编码方法，因此提供可靠且有效的方法和装置以提供信号解映射/解调是具有挑战性的。
[0030]NN和机器学习使提供具有提高的解映射和解调性能的方法和装置成为可能。特别地，在给定的编码方法和相关联的解调方案内，可以提供与已知的发送信号相关的示例接收信号作为训练数据集，以训练NN在该方案内执行高效且有效的解调。
[0031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：可训练逻辑，被配置为量化多个接收器配置，所述可训练逻辑包括：确定逻辑，被配置为确定多个可用接收器配置，并且将每个接收器配置与上下文矩阵相关联；码本逻辑，被配置为针对所述上下文矩阵选择要由所述可训练逻辑使用的量化码本；学习逻辑，被配置为根据训练数据集学习，所述训练数据集包括与发送消息的重构相关的多个接收信号样本；所述学习逻辑被配置为：根据所述训练数据集生成：与所述多个可用接收器配置相对应的一组叠加参数和上下文矩阵，以及针对每个上下文的一组上下文参数，所述上下文参数可通过将所述叠加参数与关联于每个接收器配置的所述上下文矩阵相组合而生成；根据所述量化码本来量化所述上下文矩阵；以及重复叠加参数、上下文矩阵的所述生成以及上下文矩阵的量化，直到停止准则被为止。2.根据权利要求1所述的装置，其中所述停止准则包括以下一项或多项：预定义的迭代次数；满足预定性能度量。3.根据权利要求1或2所述的装置，其中所述停止准则与性能度量相关，所述性能度量与所述发送消息的所述重构相关联。4.根据前述权利要求中任一项所述的装置，其中所述停止准则与如下性能度量相关，所述性能度量与根据所述量化码本来量化所述上下文矩阵相关联。5.根据前述权利要求中任一项所述的装置，其中选择所述量化码本包括：设置所述上下文矩阵的系数以匹配有限矩阵码本的值。6.根据权利要求5所述的装置，其中所述有限矩阵码本包括以下一项：{
‑
1,0,1}；2的幂次方的值。7.根据前述权利要求中任一项所述的装置，其中将所述...

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