[go: up one dir, main page]

CN115118566B - 改进无线通信中信息的发送 - Google Patents

改进无线通信中信息的发送 Download PDF

Info

Publication number
CN115118566B
CN115118566B CN202210279923.XA CN202210279923A CN115118566B CN 115118566 B CN115118566 B CN 115118566B CN 202210279923 A CN202210279923 A CN 202210279923A CN 115118566 B CN115118566 B CN 115118566B
Authority
CN
China
Prior art keywords
radio signal
windowing
encoded information
information bits
demodulation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210279923.XA
Other languages
English (en)
Other versions
CN115118566A (zh
Inventor
F·艾特·奥迪亚
J·霍伊迪斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Technologies Oy
Original Assignee
Nokia Technologies Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Technologies Oy filed Critical Nokia Technologies Oy
Publication of CN115118566A publication Critical patent/CN115118566A/zh
Application granted granted Critical
Publication of CN115118566B publication Critical patent/CN115118566B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/01—Equalisers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03165—Arrangements for removing intersymbol interference using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2647—Arrangements specific to the receiver only
    • H04L27/2649—Demodulators
    • H04L27/26532—Demodulators using other transforms, e.g. discrete cosine transforms, Orthogonal Time Frequency and Space [OTFS] or hermetic transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
    • H04L25/03006—Arrangements for removing intersymbol interference
    • H04L25/03171—Arrangements involving maximum a posteriori probability [MAP] detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/26—Systems using multi-frequency codes
    • H04L27/2601—Multicarrier modulation systems
    • H04L27/2626—Arrangements specific to the transmitter only
    • H04L27/2627—Modulators
    • H04L27/264—Pulse-shaped multi-carrier, i.e. not using rectangular window
    • H04L27/26412—Filtering over the entire frequency band, e.g. filtered orthogonal frequency-division multiplexing [OFDM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Discrete Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Digital Transmission Methods That Use Modulated Carrier Waves (AREA)

Abstract

一种方法，包括接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得用于已编码的信息系统的对数似然比，并重构已编码的信息比特。

Description

改进无线通信中信息的发送
技术领域
以下示例性实施例涉及使用无线电信号调制的无线通信和发送信息。
背景技术
无线网络提供通信服务，该通信服务使得设备能够彼此连接并接收和发送数据。要被发送的信息可以使用经调制的无线电波来发送。无线电波的波形然后指示无线电信号如何被调制。这种调制可以被用于在诸如蜂窝无线网络和WiFi之类的无线网络中的设备之间发送信息。
发明内容
各个实施例所寻求的保护范围由独立权利要求来阐述。在本说明书中描述的未落入独立权利要求的范围的示例性实施例和特征(如果有的话)将被解释为对理解本发明的各种实施例有用的示例。
根据第一方面，提供了一种装置，包括至少一个处理器和包括计算机程序代码的至少一个存储器，其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使装置：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并重构已编码的信息比特。
根据第二方面，提供了一种装置，包括部件，用于：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并重构已编码的信息比特。
根据第三方面，提供了一种方法，包括：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得用于已编码的信息比特的对数似然比，并且重构重构已编码的信息比特。
根据第四方面，提供了一种包括指令的计算机程序，该指令用于使装置至少执行以下操作：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并且重构已编码的信息比特。
根据第五方面，提供了一种包括指令的计算机程序产品，该指令用于使装置至少执行以下操作：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得用于已编码的信息比特的对数似然比，并且重构已编码的信息比特。
根据第六方面，提供了一种计算机程序，该计算机程序包括存储在其上的指令用于执行至少以下各项操作：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并且重构已编码的息比特。
根据第七方面，提供了一种包括程序指令的非瞬态计算机可读介质，该程序指令用于使装置至少执行以下操作：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并重构重构已编码的信息比特。
根据第八方面，提供了一种非瞬态计算机可读介质，该非瞬态计算机可读介质包括存储在其上的程序指令，用于执行至少以下操作：接收发送已编码的信息比特的已调制无线电信号，对已调制无线电信号执行解调，其中解调包括执行正交时间频率空间解调，对已解调无线电信号执行均衡以获得均衡的符号，使用经训练的机器学习模型从均衡的符号中获得针对已编码的信息比特的对数似然比，并且重构已编码的信息比特。
附图说明
下面将参考实施例和附图更详细地描述本发明，其中
图1图示了无线电接入网络的示例性实施例。
图2A和图2B图示了包括使用无线电信号发送和接收数据的系统的示例性实施例。
图3图示了用于解映射器单元的架构的示例性实施例。
图4图示了训练端到端系统的示例性实施例。
图5图示了示例性实施例的仿真结果。
图6图示了装置的示例性实施例。
具体实施方式
以下实施例是示例性的。尽管说明书可能在文本的若干位置参考“一”、“一个”或“一些”实施例，但是这并不一定意味着每个参考都对相同的(多个)实施例进行，或者特定特征仅适用于单个实施例。也可以组合不同实施例的单个特征以提供其他实施例。
如在本申请中所使用的，术语“电路系统”是指以下所有内容：(a)纯硬件电路实现，诸如仅在模拟和/或数字电路系统中的实现，以及(b)电路和软件(和/或固件)的组合，诸如(如果适用的话)：(i)(多个)处理器的组合或(ii)(多个)处理器/软件的部分，包括(多个)数字信号处理器、软件和存储器，它们一起工作以使装置执行各种功能，以及(c)需要软件或固件来运行的电路，诸如(多个)微处理器或(多个)微处理器的一部分，即使该软件或固件物理上不存在。“电路系统”的这种定义适用于该术语在本申请中的所有使用。作为进一步的示例，如在本申请中所使用的，术语“电路系统”也将涵盖仅一个处理器(或多个处理器)或处理器的一部分和它(或它们的)随附软件和/或固件的实现。例如并且如果适用于特定元件的话，术语“电路系统”还将涵盖(例如并且如果适用于特定元件)用于移动电话的基带集成电路或应用处理器集成电路，或者服务器、蜂窝网络设备或其他网络设备中的类似集成电路。电路系统的上述实施例也可以被认为是提供用于执行本文档中描述的方法或过程的实施例的部件的实施例。
本文描述的技术和方法可以通过各种方式来实现。例如，这些技术可以以硬件(一个或多个设备)、固件(一个或多个设备)、软件(一个或多个模块)或其组合来实现。对于硬件实现，实施例的(多个)装置可以被实现在如下设备内：一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、图形处理单元(GPU)、处理器、控制器、微控制器、微处理器、被设计为执行本文所述功能的其他电子单元或其组合。对于固件或软件，实现方式可以通过执行本文描述的功能的至少一个芯片组的模块(例如过程、功能等)来执行。软件代码可以被存储在存储器单元中并由处理器执行。存储器单元可以在处理器内或在处理器外部被实现。在后一种情况下，它可以经由任何合适的方式来通信地耦合到处理器。此外，本文描述的系统的组件可以被重新布置和/或由附加组件来补充，以便促进关于其描述的各个方面等的实现，并且它们不限于在给定图中阐述的精确配置，如本领域技术人员将了解的。
如本文中所使用的，术语“确定”(及其语法变体)可以包括(作为非穷举列表)例如算出、计算、处理、导出、测量、调查、查找(例如，在表格、数据库或其他数据结构中查找)、确立等。此外，“确定”可以包括接收(例如，接收信息)、访问(例如，访问存储器中的数据)、获得等。此外，“确定”可以包括解决、选择、挑选、建立等。
图1示出了终端设备100和102，其被配置为在小区中的一个或多个通信信道上与提供小区的接入节点(例如(e/g)NodeB)104进行无线连接。接入节点104也可以被称为节点。从终端设备到(e/g)NodeB的物理链路被称为上行链路或反向链路，从(e/g)NodeB到终端设备的物理链路被称为下行链路或前向链路。应当理解，(e/g)NodeB或其功能性可以通过使用适合于这种用途的任何节点、主机、服务器或接入点等实体来实现。应当注意，尽管为了解释的简单起见，在本示例性实施例中讨论了一个小区，但是在一些示例性实施例中，可以由一个接入节点提供多个小区。
通信系统可以包括多于一个(e/g)NodeB，在这种情况下，(e/g)NodeB也可以被配置为通过针对该目的而设计的有线或无线链路而彼此通信。这些链路可以被用于信令目的。(e/g)NodeB是计算设备，其被配置为控制它所耦合到的通信系统的无线电资源。(e/g)NodeB也可以被称为基站、接入点或任何其他类型的接口设备，包括能够在无线环境中操作的中继站。(e/g)NodeB包括或耦合到收发器。从(e/g)NodeB的收发器提供到天线单元的连接，该天线单元建立到用户设备的双向无线电链路。天线单元可以包括多个天线或天线元件。(e/g)NodeB进一步连接到核心网络110(CN或下一代核心NGC)。取决于系统，CN侧的对应方可以是服务网关(S-GW，路由和转发用户数据分组)、分组数据网络网关(P-GW)，用于提供终端设备(UE)对外部分组数据网络的连接性，或者是移动管理实体(MME)等。
终端设备(也被称为UE、用户装备、用户终端、用户设备等)图示了一种类型的装置，向其分配和指派空中接口上的资源，并且因此本文描述的具有终端设备的任何特征都可以是利用对应的装置(诸如中继节点)来实现。这种中继节点的示例是朝向基站的层3中继(自回程中继)。这种中继节点的另一个示例是层2中继。这样的中继节点可以包含终端设备部分和分布式单元(DU)部分。例如，CU(集中式单元)可以经由F1AP接口来协调DU操作。
终端设备可以指的是便携式计算设备，其包括使用或不使用订户识别模块(SIM)或嵌入式SIM(eSIM)进行操作的无线移动通信设备，包括但不限于以下类型的设备：移动站(移动电话)、智能电话、个人数字助理(PDA)、手机、使用无线调制解调器的设备(报警或测量设备等)、笔记本电脑和/或触摸屏计算机、平板电脑、游戏机、笔记本电脑和多媒体设备。终端设备也可以是具有在物联网(IoT)网络中操作的能力的设备。
本文描述的各种技术也可以被应用于网络物理系统(CPS)(控制物理实体的协作计算元件的系统)。CPS可以使得能够实现和利用嵌入在不同位置处的物理对象中的大量互连ICT设备(传感器、执行器、处理器微控制器等)。移动网络物理系统(其中所讨论的物理系统具有固有的移动性)是网络物理系统的子类别。移动物理系统的示例包括由人类或动物所运送的移动机器人和电子产品。
此外，虽然装置已被描述为单个实体，但是可以实现不同的单元、处理器和/或存储器单元(图5中未全部示出)。
5G使得能够使用多输入多输出(MIMO)天线、比LTE(所谓的小小区概念)多得多的基站或节点，包括与较小基站协作并且取决于服务需求、用例和/或可用频谱采用各种无线电技术的宏站点。5G移动通信支持广泛的用例和相关的应用，包括视频流、增强现实、不同的数据共享方式和各种形式的机器类型应用，诸如(大规模)机器类型通信(mMTC)，包括车辆安全、不同的传感器和实时控制。5G预计将具有多个无线电接口，即低于6GHz、厘米波和毫米波，并且还可以与现有的传统无线电接入技术(诸如LTE)集成。至少在早期阶段，与LTE的集成可以被实现为系统，其中宏覆盖由LTE提供，并且5G无线电接口接入来自通过聚合到LTE的小小区。换言之，5G计划同时支持RAT间可操作性(诸如LTE-5G)和RI间可操作性(无线接口间可操作性，诸如低于6GHz-厘米波，低于6GHz-厘米波-毫米波)。5G网络中考虑使用的概念之一是网络切片，其中可以在相同基础设施内创建多个独立且专用的虚拟子网(网络实例)，以运行对延迟、可靠性、吞吐量和移动性有不同要求的服务。
LTE网络中的当前架构完全分布在无线电中并且完全集中在核心网络中。5G中的低延迟应用和服务可能需要将内容带到靠近无线电，这可能会导致本地爆发和多接入边缘计算(MEC)。5G使得分析和知识生成能够发生在数据源处。这种方法需要利用可能无法持续连接到网络的资源，诸如笔记本电脑、智能电话、平板电脑和传感器。MEC为应用和服务托管提供了分布式计算环境。它还具有在靠近蜂窝用户的地方存储和处理内容以加快响应时间的能力。边缘计算涵盖了广泛的技术，诸如无线传感器网络、移动数据采集、移动签名分析、协作分布式点对点自组织联网和处理也可归类为本地云/雾计算和网格/栅格计算、露计算、移动边缘计算、微云(cloudlet)、分布式数据存储和检索、自主自愈网络、远程云服务、增强和虚拟现实、数据缓存、物联网(大规模连接性和/或延迟关键)、关键通信(自主车辆、交通安全、实时分析、时间关键控制、医疗保健应用)。
通信系统还能够与诸如公共交换电话网络或互联网112的其他网络通信，和/或利用由它们提供的服务。通信网络还可以能够支持云服务的使用，例如核心网络操作的至少一部分可以作为云服务来执行(这在图1中由“云”114描绘)。通信系统还可以包括中央控制实体等，为不同运营商的网络提供设施以例如在频谱共享中进行协作。
边缘云可以通过利用网络功能虚拟化(NFV)和软件定义网络(SDN)而被带入到无线接入网络(RAN)中。使用边缘云可能意味着至少部分地在与远程无线电头端或包括无线电部分的基站操作耦合的服务器、主机或节点中执行接入节点操作。节点操作也可能将分布在多个服务器、节点或主机之间。云RAN架构的应用使得RAN实时功能能够在RAN侧(在分布式单元DU 104中)被执行并且非实时功能能够以集中化的方式被执行(在集中式单元CU108中)。
5G还可以利用卫星通信来增强或补充5G服务的覆盖范围——例如通过提供回程。卫星通信可以利用对地静止轨道(GEO)卫星系统，也可以利用低地球轨道(LEO)卫星系统，例如巨型星座(在其中部署了数百个(纳米)卫星的系统)。星座中的每个卫星106可以覆盖创建地面小区的若干启用卫星的网络实体。地面小区可以通过地面中继节点104或由位于地面或卫星中的gNB来创建，或者gNB的一部分(例如DU)可以在卫星上，并且gNB的一部分(例如CU)可以在地面上。
应当注意，所描绘的系统是无线电接入系统的一部分的示例并且该系统可以包括多个(e/g)NodeB，终端设备可以具有对多个无线电小区的接入并且系统还可以包括其他装置，诸如物理层中继节点或其他网络元件等。
无线网络使得数据能够在能够连接到无线网络的两个设备之间被发送。无线网络可以是标准化网络诸如WiFi或根据3GPP标准(如4G和5G)的蜂窝通信网络。要被发送的数据可以使用无线电信号的调制来发送，并且无线电信号的波形定义了如何调制无线电信号以发送数据。波形可以控制信号的形状及其大部分信号处理特征，诸如频谱和约束时间(timecontainment)、峰值平均功率比、PAPR和频谱效率。可以使用的波形示例是正交频分复用OFDM，其允许在多个载波频率上对数据进行编码。使用OFDM所获得的好处之一是在无需复杂的均衡滤波器的情况下应对严重信道条件(诸如窄带干扰和多径引起的频率选择性衰落)的能力。因此，OFDM的调制和解调具有低复杂度。由于对时频网格的细粒度访问，OFDM还允许单抽头均衡并且促进多路复用。
可以被用于在无线网络中发送数据的波形的另一个示例是正交时间频率空间，OTFS。OTFS是一种调制方案，在其中发送符号在高载波频率(诸如毫米波)或高多普勒的信道中也经历接近恒定的信道增益。OTFS因此可以被认为在延迟多普勒域中执行调制。因此，OTFS的一个优点是它可以使得在具有高多普勒的情形中能够显著降低误码率BER。另一方面，OFDM可能对多普勒扩展更敏感，这可能导致载波间干扰ICI。此外，与需要使用CP来减轻符号间干扰ISI的OFDM相比，OTFS可能需要更小的循环前缀CP。这导致OTFS在频谱效率方面获得进一步的增益。然而，OTFS在发送符号之间引入了干扰，这可能需要在接收器处具有较高的复杂度，接收器可以是包括硬件和/或软件并且被配置为接收发送的数据的接收单元。接收单元可以被包括在能够连接到无线网络的设备中。例如，可以设计依赖于例如干扰消除或迭代解映射和解码的复杂迭代检测方案。
为了实现发送比特的准确重构，机器学习可以与被用来发送数据的接收信号的线性预处理相结合。机器学习模型可以广泛地被分类为监督的或无监督的。监督模型可以使用被标记的示例来应用过去学习的知识从而预测未来事件。监督算法可能需要被称为训练数据的数据集，包括输入数据和被视为机器学习算法的输出值的标签。从训练数据的分析开始，机器学习算法生成对输出值进行预测的的模型(诸如数学模型)。在充分的训练之后，模型可以为任何新的输入数据提供准确的输出值。模型的准确度，即训练的充分性，可以通过诸如交叉验证方法之类的技术来进行验证。当训练时，有一部分被标记的训练数据不被用于训练，而是被保存用于估计模型准确度，也就是说，模型是否向已知输出值给出正确的标签。无监督算法反过来采取包括没有标签的输入数据的数据集，并在输入数据中找到结构，如数据点的群组或聚类。因此，与监督方法相比，无监督方法不需要针对训练的被标记的输入数据，但是可以从尚未标记的输入数据中进行学习。
存在多种监督机器学习模型，并且监督机器学习模型的一个示例是人工神经网络ANN，它也可以被称为神经网络NN。人工神经网络由连接的神经元组成，这些神经元松散地类似于生物大脑中的神经元。神经元是计算实体，当它们连接时可以形成一个或多个层。两个神经元之间的连接类似于生物大脑中的突触。训练数据的选择对于在由神经网络所提供的框架上执行的算法如何进行学习以提供正确和可靠的结果具有重大影响，因为该算法进行学习以识别训练数据的模式，从而能够识别新数据。由于学习是基于模式的，所以从训练数据中提取的模式越好，算法就能够学习得越好。神经网络的示例是卷积神经网络CNN。CNN包括输入层、一个或多个隐藏层和输出层。在卷积神经网络中，一个或多个隐藏层包括执行卷积的层。例如，可以存在做乘法或其他点积的层，并且其激活函数可以是整流线性单元ReLU。该层之后可以是其他卷积层，诸如池化层、全连接层和归一化层。
使用诸如CNN之类的机器学习模型连同接收信号的线性预处理，可以实现对发送比特的准确重构，同时利用CNN硬件加速的高效率。
例如，诸如上述的接收单元可以包括使用神经网络的解映射器，该神经网络从均衡的接收符号中确定被发送和接收的编码比特的对数似然比LLR。计算出的LLR然后可以被馈送到解码器，该解码器重构发送信息比特。通过均衡来对接收信号进行预处理可以使能较低的BER并降低实现解映射器的NN所需的复杂度。然后可以训练解映射器，使得其接近最优的最大后验分布。此外，可以优化发送器加窗和/或接收器加窗滤波器。发送器加窗和接收器加窗可以是例如调制和解调的一部分。发送器加窗和/或接收器加窗的优化可以以端到端的方式与神经解映射器联合执行，如图2A中所图示。尽管发送器加窗和接收器加窗是与解映射器不同的操作，但是发送器和接收器加窗可以是可训练的操作并且可以与包括在解映射器中的机器学习的训练一起(换言之，联合地)被训练。
图2A图示了包括使用无线电信号发送和接收数据的系统的示例性实施例。应当注意，所图示的系统是端到端系统，并且用于接收的单元可以被包括在一个设备中，该设备与包括用于发送的单元的另一个设备分离。然而，图示出系统的示例性实施例有助于理解可以如何改进接收。系统包括可以是逻辑单元的单元，并且它们的实现可以使用任何合适的实现来达成。在该示例性实施例中，存在要使用调制无线电信号通过无线网络发送的数据。因此，数据包括由编码器210编码的信息比特200。编码可以使用例如低密度奇偶校验码LDPC来完成。编码比特可以被标示为B∈{0，1}N×M×K，其中N和M是资源网格RG的维度，并且K是每个资源元素RE的比特数。
在编码之后，编码比特B由调制单元220调制。在这个示例性实施例中的调制是使用具有格雷标记的正交幅度调制QAM来执行的。然而，在一些其他示例性实施例中，可以根据一些其他星座几何形状和标记来执行调制。在该示例性实施例中，编码比特201被调制到延迟多普勒域中的矩阵S∈CN×M上。然后将矩阵S传递到OTFS调制单元230上。在OTFS调制单元中，对矩阵S应用调制以获得时域信号x(t)。在该示例性实施例中，时域信号x(t)通过三个步骤来获得。首先，在单元232中，执行辛离散傅立叶逆变换SDFT，其可以被标示为SDFT-1。SDFT-1可以计算
其中在时频域中。接下来，在单元234中，可以执行发送加窗。在该示例性实施例中，发送加窗包括具有计算/>的权重WTX∈CN×M的加窗，其中/>是逐元素乘积。然后，单元236执行海森堡变换。海森堡变换计算时域信号
其中gTX(t)是发送脉冲整形，例如并且T和Δf是分别对时域和频域进行采样的间隔。
接下来，时域信号x(t)被发送到信道240，该信号从信道240中由解调单元250作为信号y(t)进行接收，在该示例性实施例中，该解调单元250是包括在例如能够连接到无线网络的设备的接收单元中的OTFS解调单元。该示例性实施例中的解调通过三个步骤来执行。首先，在单元256中，对接收信号y(t)执行Wigner变换以应用匹配滤波器gRX(t)。然后在Wigner变换之后进行采样以计算其是在时频域中，
其中标示|t＝nT，f＝mΔf指的是针对t＝nT和f＝mΔf所获得的样本。
接下来，在单元254中，执行接收器加窗。接收器加窗包括应用具有权重的加窗，其计算/>然后在单元252中应用SDFT来计算延迟多普勒域中的/>
在解调之后，单元260执行均衡。在该示例性实施例中，在延迟多普勒域中执行均衡。延迟多普勒域中信道响应的估计被标示为使得/>其中vec()是向量化算子，其将矩阵展平为向量，并且/>是高斯噪声向量，每个元素的方差为σ2。然后，通过利用LMMSE均衡，S的估计可以被计算为
其中上标H标示共轭转置算子，并且vec-1()是逆向量化算子。
然后将获得的延迟多普勒域中的均衡的符号网格馈送到解映射器单元270。该示例性实施例中的解映射器单元270包括使用具有可训练权重θ的NN所实现的解映射器，其计算编码比特B的、对数似然比LLR。因此，获得LLR。
此后，将计算出的LLR传递到解码单元280上。在该示例性实施例中，解码单元280包括解码算法，诸如置信度传播BP，其从LLR中重构信息比特，并且原始发送的数据在接收单元中被接收。
在一些示例性实施例中，可以在OFDM之上使用OTFS。图2B图示了在OFDM之上使用OTFS的示例性实施例，换言之，将OTFS与OFDM一起使用。在这样的示例性实施例中，OTFS调制230的步骤3中的海森堡变换，如图2A中所图示，可以被认为是OFDM调制的一般化，其中OFDM对应于挑选因此，在图2B中，存在确定时域信号的OFDM调制单元238而不是海森堡变换单元236。在该示例性实施例中，N是OFDM符号的数量，并且M是子载波的数量。此外，将CP添加到M个子载波中的每个子载波可以实现时频域中的单抽头均衡。因此，时频域中的信道响应可以被标示为/>然后在SDFT之前的均衡可以被确定如下：
然后可以在上应用SDFT。应当注意，这种单抽头均衡可能不需要任何计算要求高的矩阵求逆。
然后在接收单元中，在图2B中所图示的示例性实施例中，存在OFDM解调单元258而不是如图2A中的Wigner变换单元256。此外，在单元252执行SDFT之前，由均衡单元260执行均衡。因此，在该示例性实施例中存在OTFS解调和均衡单元290。否则，图2B的示例性实施例中的单元对应于图2A的示例性实施例的那些。
图3图示了用于利用CNN的解映射器单元(诸如解映射器单元270)的架构的示例性实施例。图示的架构被理解为可以以任何合适的方式实现的逻辑架构。所获得的延迟多普勒域中的均衡的符号网格作为对开始由解映射器所执行的解映射过程的开始单元311的输入而被获得。然后将输入传递到2D卷积层312。2D卷积层Conv 2D可以创建卷积内核，该卷积内核与可以帮助产生输出张量的层输入缠绕。接下来，存在残差块ResNet块313、314、315和316。虽然在该示例性实施例中图示了四个ResNet块，但是也可以存在其他数量的ResNet块。残差块可以被理解为层的激活，该层被转发到神经网络中的更深层。然后在获得LLR作为输出之前还存在另一个Conv 2D 317。然后可以将LLR馈送到批次归一化单元321，在那之后应用整流器线性单元ReLu 322，然后执行可分离卷积323。然后重复此过程，因为还存在批次归一化324、ReLu 325和可分离卷积326。
由于该示例性实施例中的CNN的输入是二维的，因此采用2DCNN架构。此外，如图所示，在该示例性实施例中，利用残差网络来避免梯度消失。如果每个符号的比特数用K来标示，则神经解映射器的输出具有N×M×K的维度。
在该示例性实施例中，由解映射器使用的CNN的训练是基于总二进制交叉熵的训练
其可以被重写为
其中B[n，m，k]是RE RE(n，m)的第k比特，是接收到的均衡信号和以发送器加窗参数WTX为条件的比特B[n，m，k]之间的互信息/> 是在以接收信号/>神经接收器参数θ与发送器和接收器加窗参数WTX和WRX为条件比特B[n，m，k]上由神经接收器估计的后验分布，/>是以接收到的均衡信号/>和发送器加窗参数WTX为条件的比特B[n，m，k]上的真实后验分布，而DKL(.|.)是Kullback-Leibler(KL)散度。因为不取决于解映射器参数θ，所以我们可以看到，通过将L最小化，实际上优化了神经解映射器，以使其接近最优的真实后验分布/>
应当注意的是，矩阵的求逆可能是计算要求高的，例如如果NM很大的话。因此，可以执行时频域中的均衡，即在SDFT之前，这然后可能有助于降低LMMSE均衡中涉及的计算成本。例如，如果在OFDM之上应用OTFS，则可以在时频域中执行单抽头均衡，如稍后将看到的。
还应当注意的是，OTFS调制和解调每个涉及各自权重为WTX和WRX的加窗操作。因此，在一些示例性实施例中，可以联合优化权重与神经解映射器参数θ。通过对总二进制交叉熵进行训练，可以训练端到端系统以将用于实际比特交织编码调制BICM系统的可实现信息速率最大化。换句话说，联合优化加窗参数WTX和WRX与神经解映射器参数θ，以便将用于实际系统的可实现信息速率最大化。
图4图示了训练诸如如上所述的端到端系统的示例性实施例。训练过程对θ进行优化。这种优化可以与WTX和WRX以端到端的方式联合执行。当优化发送器加窗参数WTX时，该示例性实施例中的过程假定信道模型相对于输入是可区分的。
首先，在S1中，θ被随机初始化。可选地，WTX和WPX也被随机初始化。接下来，在S2中，随机生成维度为M×N×K的U个比特张量(B(1)，...，B(U))以及对应的符号矩阵(S(1)，...，S(U))，其中U是批次尺寸。然后，在S3中，在端到端系统中为每个批次示例执行一次前向传递，在S3之后是S4，使用以下等式来估计总二进制交叉熵
然后在S5中，确定相对于θ的梯度。可选地，也可以确定WTX和WRX。也可以应用随机梯度下降SGD的一个步骤。然后在S6中确定是否应用了预先确定的停止标准，并且如果是，那么训练在S7中结束。如果预先确定的训练标准不适用，那么训练从S2向前继续。
需要注意的是，S6处的停止标准可以采取多种形式，诸如在预定义的迭代次数之后停止，或者当损失函数在预定义的迭代次数内没有减小时停止。SGD变体的学习率、批次尺寸U和可能的其他参数都可以被视为优化超参数。
图5图示了示例性实施例的仿真结果，其中利用了使用如上所述的机器学习的解映射器。在仿真结果中，将OTFS系统中的神经解映射器所实现的增益与高斯解映射后的时频域中的线性均衡进行比较，并且与高斯解映射后的延迟多普勒域中的线性均衡进行比较。3GPP 38.901 UMi LoS和NLoS模型被考虑，并且长度为1024比特、速率为2/3的5G NRLDPC码被利用。频率载波被设置为3.5GHz，并且子载波间隔被设置为30kHz。在这些示例性实施例中，OTFS在OFDM之上运行，以促进时频域中的均衡。所使用的调制是16-QAM。此外，还图示了不同系统所达成的BER。如所图示，当使用高斯解映射器时，时频均衡实现了与延迟多普勒域中的均衡相同的BER。因此，由于时频均衡复杂度低，其被用作神经解映射器的预处理。如所图示，针对所有考虑的速度，它比高斯去映射器实现了显著的增益。
图6图示了可以被包括在或连接到能够连接到无线网络的设备中的装置的示例性实施例。如上所述的接收和/或发送单元也可以被包括在设备中。装置600包括处理器610。处理器610解释计算机程序指令并且处理数据。处理器610可以包括一个或多个可编程处理器。处理器610可以包括具有嵌入式固件的可编程硬件，并且可以备选地或附加地包括一个或多个专用集成电路ASIC。
处理器610耦合到存储器620。处理器被配置为从存储器620读取数据和将数据写入到存储器620。存储器620可以包括一个或多个存储器单元。存储器单元可以是易失性或非易失性的。应当注意，在一些示例实施例中，可以存在一个或多个非易失性存储器单元和一个或多个易失性存储器单元，或者备选地，一个或多个非易失性存储器单元，或者备选地，一个或多个非易失性存储器单元。易失性存储器例如可以是RAM、DRAM或SDRAM。非易失性存储器例如可以是ROM、PROM、EEPROM、闪存、光存储或磁存储。一般而言，存储器可以被称为非瞬态计算机可读介质。存储器620存储由处理器610执行的计算机可读指令。例如，非易失性存储器存储计算机可读指令并且处理器610使用用于暂时存储数据和/或指令的易失性存储器来执行指令。
计算机可读指令可能已预先被存储到存储器620，或者备选地或附加地，它们可以由装置经由电磁载波信号接收和/或可以从诸如计算机程序产品之类的物理实体复制。计算机可读指令的执行使装置600执行上述功能性。
在本文档的上下文中，“存储器”或“计算机可读介质”可以是任何非瞬态介质或部件，其可以包含、存储、通信、传播或传送由指令执行系统、装置或设备(诸如计算机)使用或与其结合使用的指令。
装置600还包括或连接到输入单元630。输入单元630包括用于接收用户输入的一个或多个接口。装置600还包括输出单元640。装置600还可以包括连接单元650。连接单元650使能到外部网络的有线和/或无线连接。连接单元650可以包括一个或多个天线和一个或多个接收器，它们可以被集成到装置600或者可以连接到装置600。连接单元650可以包括为装置600提供无线通信能力的集成电路或集成电路集合。备选地，无线连接性可以是硬连线专用集成电路ASIC。
应当注意的是，装置600还可以包括图6中未示出的各种组件。各种组件可以是硬件组件和/或软件组件。
尽管上面已经根据附图参照示例描述了本发明，但是显然本发明不限于此，而是可以在所附权利要求的范围内以多种方式进行修改。因此，所有的词语和表达都应该被广义地解释并且它们旨在说明实施例，而不是限制实施例。对于本领域技术人员来说显而易见的是，随着技术的进步，可以以各种方式实现本发明的概念。此外，对于本领域技术人员而言很清楚，所描述的实施例可以但不必须以各种方式与其他实施例组合。

Claims (15)

1.一种用于通信的装置，包括至少一个处理器和至少一个存储器，所述至少一个存储器包括计算机程序代码，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述装置：
接收发送已编码的信息比特的已调制无线电信号；
对所述已调制无线电信号执行解调，其中所述解调包括执行正交时间频率空间解调；
对已解调无线电信号执行均衡，以获得均衡的符号；
使用经训练的机器学习模型从所述均衡的符号中获得用于所述已编码的信息比特的对数似然比；
重构所述已编码的信息比特；以及
其中所述机器学习模型与发送器加窗优化和接收器加窗优化一起被联合地训练，其中所述发送器加窗优化和接收器加窗优化包括优化发送器加窗参数和优化接收器加窗参数。
2.根据权利要求1所述的装置，其中均衡在延迟多普勒域中被执行。
3.根据权利要求1或2所述的装置，其中所述经训练的机器学习模型是卷积神经网络。
4.根据权利要求3所述的装置，其中所述卷积神经网络是二维的。
5.根据权利要求3或4所述的装置，其中所述卷积神经网络利用残差块。
6.根据权利要求1或2所述的装置，其中所述经训练的机器学习模型被训练以逼近最优的最大后验分布。
7.根据权利要求1或2所述的装置，其中解调所述已调制无线电信号包括执行正交频分复用。
8.根据权利要求1或2所述的装置，其中重构所述已编码的信息比特包括使用置信度传播解码算法。
9.一种通信的方法，包括：
接收发送已编码的信息比特的已调制无线电信号；
对所述已调制无线电信号执行解调，其中所述解调包括执行正交时间频率空间解调；
对已解调无线电信号执行均衡，以获得均衡的符号；
使用经训练的机器学习模型从所述均衡的符号中获得针对所述已编码的信息比特的对数似然比；
重构所述已编码的信息比特；以及
其中所述机器学习模型与发送器加窗优化和接收器加窗优化一起被联合训练，其中所述发送器加窗优化和接收器加窗优化包括优化发送器加窗参数和优化接收器加窗参数。
10.根据权利要求9所述的方法，其中均衡在延迟多普勒域中被执行。
11.根据权利要求9或10所述的方法，其中所述经训练的机器学习模型是卷积神经网络。
12.根据权利要求11所述的方法，其中所述卷积神经网络是二维的。
13.根据权利要求9或10所述的方法，其中所述经训练的机器学习模型被训练以逼近最优的最大后验分布。
14.根据权利要求9或10所述的方法，其中解调所述已调制无线电信号包括执行正交频分复用。
15.一种包括程序指令的非瞬态计算机可读介质，所述程序指令用于使装置至少执行以下操作：
接收发送已编码的信息比特的已调制无线电信号；
对所述已调制无线电信号执行解调，其中所述解调包括执行正交时间频率空间解调；
对所述已解调无线电信号执行均衡，以获得均衡的符号；
使用经训练的机器学习模型从所述均衡的符号中获得针对所述已编码的信息比特的对数似然比；
重构所述已编码的信息比特；以及
其中所述机器学习模型与发送器加窗优化和接收器加窗优化一起被联合训练，其中所述发送器加窗优化和接收器加窗优化包括优化发送器加窗参数和优化接收器加窗参数。
CN202210279923.XA 2021-03-22 2022-03-21 改进无线通信中信息的发送 Active CN115118566B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20215318 2021-03-22
FI20215318A FI20215318A1 (en) 2021-03-22 2021-03-22 Improving data transfer in wireless communication

Publications (2)

Publication Number Publication Date
CN115118566A CN115118566A (zh) 2022-09-27
CN115118566B true CN115118566B (zh) 2024-06-04

Family

ID=80785016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210279923.XA Active CN115118566B (zh) 2021-03-22 2022-03-21 改进无线通信中信息的发送

Country Status (4)

Country Link
US (1) US11894960B2 (zh)
EP (1) EP4064630B1 (zh)
CN (1) CN115118566B (zh)
FI (1) FI20215318A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12231278B2 (en) * 2022-05-11 2025-02-18 The Indian Institute Of Technology Kharagpur System and method for spectrally efficient pilot and detector design in delay-doppler domain for OTFS-based NR (new radio) IoT and massive machine tomachine (M2M) communications
CN115987734B (zh) * 2022-12-02 2025-01-07 西安电子科技大学 基于深度神经网络的低复杂度otfs系统符号检测方法
CN117714244B (zh) * 2024-02-05 2024-05-31 丝路梵天(甘肃)通信技术有限公司 基于神经网络的无线信号重建方法、装置、接收机及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101945062A (zh) * 2010-09-10 2011-01-12 电子科技大学 一种单载波无线通信系统中的接收处理方法
CN109743118A (zh) * 2018-12-24 2019-05-10 哈尔滨工程大学 一种时变双扩信道条件下的高频谱效率的ofdm水声通信方法
CN109922020A (zh) * 2019-03-15 2019-06-21 北京邮电大学 一种计算复杂度低的正交时频空调制的均衡方法
CN110113288A (zh) * 2019-05-23 2019-08-09 徐州中矿康普盛通信科技有限公司 一种基于机器学习的ofdm解调器的设计和解调方法
CN110663203A (zh) * 2017-06-01 2020-01-07 松下电器（美国）知识产权公司 接收装置以及接收方法
CN111492596A (zh) * 2017-12-19 2020-08-04 松下电器（美国）知识产权公司 发送方法、接收方法、发送装置、以及接收装置
CN112054977A (zh) * 2020-09-16 2020-12-08 湖南工商大学 一种基于功率谱整形的光传输方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10342192B4 (de) * 2003-09-12 2011-06-16 Infineon Technologies Ag Verfahren und Vorrichtung zur Berechnung von Nulldurchgangs-Referenzsequenzen für die Signaldetektion winkelmodulierter Signale auf der Basis von Nulldurchgängen des Empfangssignals
EP2559534B1 (en) * 2008-09-26 2023-10-25 Raytheon Technologies Corporation Composition and method for casting manufacturing
US8837257B2 (en) * 2010-11-29 2014-09-16 Verifone Systems, Incorporated Acoustic modulation protocol
US20120216093A1 (en) * 2011-02-22 2012-08-23 Nec Laboratories America, Inc. Soft-decision non-binary ldpc coding for ultra-long-haul optical transoceanic transmissions
EP2710771B1 (en) * 2011-05-19 2017-08-16 Telefonaktiebolaget LM Ericsson (publ) Inter symbol interference reduction by applying turbo equalization mode
EP2547022A1 (en) * 2011-07-13 2013-01-16 Intel Mobile Communications Technology Dresden GmbH Method and apparatus for determining channel state information
EP3497907A4 (en) * 2016-08-12 2020-03-04 Cohere Technologies, Inc. LOCALIZED EQUALIZATION FOR INTER-CARRIER INTERFERENCE CHANNELS
US11245492B2 (en) * 2017-03-24 2022-02-08 Telefonaktiebolaget Lm Ericsson (Publ) Detection of inconsistent data in a data transmission

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101945062A (zh) * 2010-09-10 2011-01-12 电子科技大学 一种单载波无线通信系统中的接收处理方法
CN110663203A (zh) * 2017-06-01 2020-01-07 松下电器（美国）知识产权公司 接收装置以及接收方法
CN111492596A (zh) * 2017-12-19 2020-08-04 松下电器（美国）知识产权公司 发送方法、接收方法、发送装置、以及接收装置
CN109743118A (zh) * 2018-12-24 2019-05-10 哈尔滨工程大学 一种时变双扩信道条件下的高频谱效率的ofdm水声通信方法
CN109922020A (zh) * 2019-03-15 2019-06-21 北京邮电大学 一种计算复杂度低的正交时频空调制的均衡方法
CN110113288A (zh) * 2019-05-23 2019-08-09 徐州中矿康普盛通信科技有限公司 一种基于机器学习的ofdm解调器的设计和解调方法
CN112054977A (zh) * 2020-09-16 2020-12-08 湖南工商大学 一种基于功率谱整形的光传输方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Joint_Transceiver_Optimization_for_Wireless_Communication_PHY_Using_Neural_Network";banghua zhu;《IEEE Journal on Selected Areas in Communications 》;正文第1-3节 *
M. Cenk Erturk ; Hosseinali Jamal ; .《Potential_Future_Aviation_Communication_Technologies》.《 2019 IEEE/AIAA 38th Digital Avionics Systems Conference (DASC)》.2020,正文第1-4节. *
SIMO系统吉布斯盲迭代均衡算法;乔良;郑辉;;四川大学学报(工程科学版);20150520(第03期);全文 *
基于迭代处理的PCMA混合信号解调/译码算法;杨勇;张冬玲;彭华;;电子与信息学报;20121215(第12期);全文 *

Also Published As

Publication number Publication date
EP4064630A1 (en) 2022-09-28
FI20215318A1 (en) 2022-09-23
US20220303163A1 (en) 2022-09-22
CN115118566A (zh) 2022-09-27
US11894960B2 (en) 2024-02-06
EP4064630B1 (en) 2024-02-14

Similar Documents

Publication Publication Date Title
CN115118566B (zh) 改进无线通信中信息的发送
Zhang et al. Deep learning-based beamspace channel estimation in mmWave massive MIMO systems
EP3852326B1 (en) Transmitter
US20230342593A1 (en) Neural network training method and related apparatus
CN112118203B (zh) 具有可配置调制阶数的通信系统以及相关联的方法和装置
CN113676281B (zh) 一种用于通信的方法、装置和计算机可读存储介质
EP3909158B1 (en) Detecting control information communicated in frame using a neural network
CN114826832B (zh) 信道估计方法、神经网络的训练方法及装置、设备
CN115150238B (zh) 用于基于正交频分复用的通信的机器学习
CN111542111B (zh) 用于提供定时同步的方法、装置和系统
US11924007B2 (en) Estimating delay spread and doppler spread
US11929853B2 (en) Data-driven probabilistic modeling of wireless channels using conditional variational auto-encoders
Bhatt et al. Analysis of the fifth generation NOMA system using LSTM algorithm
CN112217543B (zh) 用于符号检测的方法和装置
US10797930B1 (en) Apparatus and method for detection of received signals
US11617183B2 (en) Demapping received data
WO2023097645A1 (zh) 数据获取方法、装置、设备、介质、芯片、产品及程序
Gupta et al. GANCE: Generative Adversarial Network Assisted Channel Estimation for Unmanned Aerial Vehicles Empowered 5G and Beyond Wireless Networks
US11700070B2 (en) Hypernetwork Kalman filter for channel estimation and tracking
Zhang et al. Enhancing AI-Supported Channel Estimation in MIMO Systems with Open Set Recognition

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant