一种基于储备池计算的方法、装置、设备及信号均衡器制造方法及图纸

本申请提供了一种基于储备池计算的方法、装置、设备及信号均衡器，该方法包括：当满足预定触发条件时，根据第二通信设备上报的信道条件信息生成所述第二通信设备对应的神经网络参数信息，其中，所述神经网络参数信息包括储备池对应的跳跃大小；将所述神经网络参数信息发送至所述第二通信设备。本申请提出了DRJ的概念，第二通信设备可以基于第一通信设备为其分配的跳跃大小来配置DRJ，从而实现基于DRJ的信号均衡器，能够以易于训练且低能耗的方式支持高速通信系统的自适应均衡，由于其带跳跃的确定性结构带来的结构特性和较简单的线性回归训练特性，能够降低第二通信设备的复杂度和能耗并使其支持更简易

【技术实现步骤摘要】
一种基于储备池计算的方法、装置、设备及信号均衡器


[0001]本申请涉及通信
，尤其涉及一种基于低复杂度、低能耗且更高速的储备池计算(Reservoir Computing,RC)的方法、装置、设备及信号均衡器。

技术介绍

[0002]为了满足新兴应用的需求，例如第五代或其之后移动网络的固定
‑
移动融合，高速(high
‑
speed)接入网络(access network)被广泛地应用于各种通信系统中(诸如，无源光纤网络PON，无线局域网络WiFi以及蜂窝通信网络等)。而高速信号的均衡的重要性再怎么强调也不为过，因为这种基于软件的算法本质上可以充分利用成本效益高的硬件设备。现有技术的通信系统中采用传统的神经网络(Neural Network，NN)，如全连接神经网络(Fully
‑
Connected Neural Network，FCNN)和循环神经网络(Recurrent Neural Network，RNN)，来实现信号均衡，然而传统的神经网络需要一个耗能且耗时的训练阶段来正确地均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于储备池计算的方法，应用于第一通信设备，其中，该方法包括：当满足预定触发条件时，根据第二通信设备上报的信道条件信息生成所述第二通信设备对应的神经网络参数信息，其中，所述神经网络参数信息包括储备池对应的跳跃大小；将所述神经网络参数信息发送至所述第二通信设备。2.根据权利要求1所述的方法，其中，所述预定触发条件包括以下任一项：所述第二通信设备为新连接的；所述第二通信设备的信道条件发生改变。3.根据权利要求1所述的方法，其中，该方法还包括：接收所述第二通信设备在训练完成后发送的就绪信号；向所述第二通信设备发送负载数据。4.一种基于储备池计算的信号均衡器的方法，应用于第二通信设备，其中，该方法包括：接收第一通信设备发送的神经网络参数信息，其中，所述神经网络参数信息包括储备池对应的跳跃大小；根据所述神经网络参数信息配置神经网络，其中，所述神经网络包括输入层、确定性储备池以及可训练的读出层，基于所述跳跃大小配置所述确定性储备池；通过使用简单线性回归对所述读出层进行训练，得到已训练的信号均衡器。5.根据权利要求4所述的方法，其中，该方法还包括：在训练完成后向所述第一通信设备发送就绪信号；接收来自所述第一通信设备的负载数据，使用所述信号均衡器实现负载均衡。6.根据权利要求4所述的方法，其中，所述确定性储备池对应的矩阵中的非零元素包括所有循环连接和所有双向跳跃，所有循环连接共享第一权重，所有双向跳跃共享第二权重，所述矩阵的剩余元素均设置为零。7.一种在第一通信设备中基于储备池计算的第一装置，其中，该第一装置包括：用于当满足预定触发条件时，根据第二通信设备上报的信道条件信息生成所述第二通信设备对应的神经网络参数信息的装置，其中，所述神经网络参数信息包括储备池对应的跳跃大小；用于将所述神经网络参数信息发送至所述第二通信设备的装置。8.一种在第二通信设备中基于储备池计算的第二装置，其中，该第二装置包括：用于接收第一通信设备发送的神经网络参数信息的装置，其中，所述神经网络参数信息包括储备池对应的跳跃大小；用于根据所述神经网络参数信息配置神经网络的装置，其中，所述神经网络包括输入层、确定性储备池以及可训练的读出层，基于所述跳跃大小配置所述确定性储备池；用于通过使用简单线性回归对所述读出层进行训练，得到已训练的信号均衡器的装置。9.根...

【专利技术属性】
技术研发人员：黄小安，张东旭，胡小锋，张凯宾，
申请(专利权)人：诺基亚通信公司，
类型：发明
国别省市：