CN112118203A - 具有可配置调制阶数的通信***以及相关联的方法和装置 - Google Patents
具有可配置调制阶数的通信***以及相关联的方法和装置 Download PDFInfo
- Publication number
- CN112118203A CN112118203A CN202010568284.XA CN202010568284A CN112118203A CN 112118203 A CN112118203 A CN 112118203A CN 202010568284 A CN202010568284 A CN 202010568284A CN 112118203 A CN112118203 A CN 112118203A
- Authority
- CN
- China
- Prior art keywords
- receiver
- transmitter
- vector
- modulation order
- probability
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/36—Modulator circuits; Transmitter circuits
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
-
- 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
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
- H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
- H04L1/0026—Transmission of channel quality indication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0033—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the transmitter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
-
- 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
- H04L25/03165—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
- H04L27/0008—Modulated-carrier systems arrangements for allowing a transmitter or receiver to use more than one type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0012—Modulated-carrier systems arrangements for identifying the type of modulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/20—Modulator circuits; Transmitter circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/22—Demodulator circuits; Receiver circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/32—Carrier systems characterised by combinations of two or more of the types covered by groups H04L27/02, H04L27/10, H04L27/18 or H04L27/26
- H04L27/34—Amplitude- and phase-modulated carrier systems, e.g. quadrature-amplitude modulated carrier systems
- H04L27/38—Demodulator circuits; Receiver circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0044—Arrangements for allocating sub-channels of the transmission path allocation of payload
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种用于提供通信***(诸如,基于自动编码器的通信***)的所述调制阶数的可配置性的方法、装置、接收器和***。关于包括发射器和接收器的***,发射器将消息编码成用于经由信道传输的信道符号向量。该消息依照可调整至最大调制阶数Mmax的调制阶数m而被编码。该接收器接收由信道生成的样本的向量,并且确定针对由发射器编码的消息的第一预测向量。如果调制阶数m小于最大调制阶数Mmax,则接收器包括切片层以消除第一预测向量的一个或多个元素,以便生成适合于所述调制阶数的第二预测向量,从该调制阶数,对由发射器编码的消息的预测被标识。
Description
技术领域
示例实施例总体上涉及通信***,更具体地涉及具有可配置调制阶数的通信***以及用于训练这种通信***的发射器和接收器两者以便提供可配置调制阶数的方法和装置。
背景技术
在诸如基于自动编码器的通信***的通信***中,各种类型的数据通常由发射器通过通信信道传输到接收器,该接收器努力重构由发射器传输的信号。在这方面,发射器通常对从可能的消息的有限离散集合中提取的消息进行编码。发射器将消息编码成有限长度的信道符号向量x,以经由信道传输到接收器。在通过信道传播期间,信道符号向量x会经历失真(诸如,噪声),使得接收器接收到有限长度的样本的向量y,由于信道引入的失真,该向量通常不同于发射器传输的信道符号向量x。基于接收器接收到的样本的向量y,接收器生成对消息的预测该消息将由发射器编码并随后传输。
基于自动编码器的通信***具有定义星座点数目的调制阶数。基于自动编码器的通信***的调制阶数定义了发射器可以生成并且接收器可以解码的可能消息的数目。例如,被配置为根据经典正交相移键控(QPSK)调制来传输消息的基于自动编码器的通信***将被设计为具有调制阶数4,使得发射器可以对根据QPSK调制进行传输的四个不同消息进行编码,并且接收器可以对其进行解码。作为另一示例,被设计为传输和接收经过16QAM(正交幅度调制)的消息的基于自动编码器的通信***将具有调制阶数16,因为发射器可以生成16个不同消息,并且接收器可以对其进行解码。
与通常被表示为发射器和接收器之间的一个或多个不可训练层(被配置为生成y~Pr(y|x)的)的信道不同,发射器和接收器可以包括可以按次序被训练以适当地编码和解码消息的神经网络。在这方面,作为针对固定数目的可能消息来训练神经网络的结果,基于自动编码器的通信***的发射器的输入层和接收器的输出层可以是具有与调制阶数相对应的多个单元的神经网络。因此,基于自动编码器的通信***通常具有固定的调制阶数。
在将以与基于自动编码器的通信***所设计支持的调制阶数不同的调制阶数来生成和传输消息的情况下,将不得不训练和利用不同的基于自动编码器的通信***来支持不同的调制阶数。在一些***中,诸如,采用链路自适应算法的那些***,期望在基于自动编码器的通信***的操作期间改变调制阶数,诸如,由于改变了信道状态。由于支持固定调制阶数的基于自动编码器的通信***的设计,调制阶数的变化通常需要训练和利用不同的基于自动编码器的通信***,从而在操作期间调制阶数可能改变的情况下,潜在地增加了与使用基于自动编码器的通信***相关联的成本和技术复杂性。
发明内容
公开了一种方法、装置、接收器和***以提供通信***(诸如,基于自动编码器的通信***)的调制阶数的可配置性。在这方面,可以结合多个不同的调制阶数来训练通信***的发射器和接收器。这样,可以在运行时重新配置同一通信***的调制阶数,而无需训练,并利用不同的通信***来支持不同的调制阶数。通过允许诸如基于自动编码器的通信***等通信***的调制阶数的可配置性,可以在各种附加应用中更容易且有效地利用所得的通信***,包括在操作期间适应调制阶数的应用,诸如由于信道条件的变化。
在示例实施例中,提供了一种***,该***包括被配置为将消息编码成信道符号向量以用于经由信道传输的发射器。发射器被配置为根据可调整至最大调制阶数Mmax的调制阶数m来对消息进行编码。该***还包括接收器,该接收器被配置为响应于由发射器传输的信道符号向量接收由信道生成的样本的向量。接收器被配置为确定针对由发射器编码的消息的第一预测向量。接收器包括切片层,该切片层被配置为在调制阶数m小于最大调制阶数Mmax的情况下消除第一预测向量的一个或多个元素,以便生成适合于调制阶数的第二预测向量,从该调制阶数,由发射器编码的消息的预测被标识。
示例实施例的接收器还被配置为生成与调制阶数m相关联的概率向量。概率向量基于的是第二预测向量为m个可能的消息分配概率。该示例实施例的***还包括至少一个处理器,该至少一个处理器被配置为确定接收器和发射器的一个或多个更新参数。接收器和发射器的更新参数基于的是针对多个调制阶数中的每个调制阶数的概率向量。在该示例实施例中,发射器和接收器基于发射器和接收器的一个或多个更新参数而被分别重新配置。示例实施例的接收器还包括激活函数,该激活函数被配置为将第二预测向量归一化成表示具有m个概率的概率分布的概率向量。在示例实施例中,发射器或接收器中的至少一个包括神经网络,该神经网络具有通过确定至少一个处理器而被更新的多个可训练参数。
示例实施例的发射器被配置为对消息进行编码,并且接收器被配置为根据多个调制阶数来预测由发射器编码的消息。在这方面,相应的调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。示例实施例的发射器被配置为将消息编码为Mmax维向量,该Mmax维向量具有被设置为第一值的、与被编码的消息相对应的元素,以及被设置为与第一值不同的第二值的所有其他元素。在发射器被配置为对消息进行编码并且接收器被配置为根据相应的调制阶数m预测由发射器编码的消息的该示例实施例中,仅Mmax维向量的元素1、2、…m能够被设置为第一值,其中Mmax维向量的元素m+1、m+2、…Mmax被设置为第二值。
示例实施例的接收器的切片层被配置为消除第一预测向量的元素,使得第二预测向量具有等于调制阶数的元素的数目。在示例实施例中,接收器的切片层具有取决于调制阶数的可变宽度。切片层的宽度定义第二预测向量的元素的数目。示例实施例的发射器还被配置为基于接收器提供的反馈来改变调制阶数。附加地或备选地,发射器还被配置为将消息提供给接收器以向接收器通知调制阶数。
在另一示例实施例中,提供了一种接收器,该接收器包括通信接口,被配置为响应于由发射器传输的信道符号向量接收由信道生成的样本的向量。接收器还包括至少一个处理器,被配置为确定针对由发射器根据调制阶数m编码成信道符号向量的消息的第一预测向量,该调制阶数m可调整至最大调制阶数Mmax。至少一个处理器包括切片层,该切片层被配置为在调制阶数m小于最大调制阶数Mmax的情况下消除第一预测向量的一个或多个元素,以便生成适合于调制阶数的第二预测向量,从调制阶数,由发射器编码的消息的预测被标识。
示例实施例的至少一个处理器还被配置为生成与调制阶数m相关联的概率向量。概率向量基于第二预测向量来针对m个可能的消息指派概率。至少一个处理器还被配置为确定接收器的一个或多个更新参数。接收器的更新参数基于的是针对多个调制阶数中的每个调制阶数的概率向量。该示例实施例的接收器基于一个或多个更新参数而被重新配置。示例实施例的至少一个处理器包括激活函数,该激活函数被配置为将第二预测向量归一化成表示具有m个概率的概率分布的概率向量。在示例实施例中,至少一个处理器包括神经网络,该神经网络具有通过确定至少一个处理器而被更新的多个可训练参数。
示例实施例的接收器被配置为根据多个调制阶数预测由发射器编码的消息。相应的调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。在示例实施例中,切片层被配置为消除第一预测向量的元素,使得第二预测向量具有等于调制阶数的元素的数目。示例实施例的切片层具有取决于调制阶数的可变宽度。切片层的宽度定义第二预测向量的元素的数目。
在示例实施例中,一种装置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代码被配置为与至少一个处理器一起使该装置:针对由被配置为具有多个调制阶数的通信***传输的多个消息,接收多个概率向量,其中每个概率向量与多个调制阶数中的一个相应调制阶数相关联。概率向量将概率指派给样本的向量,该样本的向量标识相应消息与样本的向量相对应的概率。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该装置确定通信***的接收器的一个或多个更新参数,该接收器响应于由通信***的发射器传输的信道符号向量来接收由信道生成的样本的向量。接收器的更新参数基于的是多个概率向量。至少一个存储器和计算机程序代码还被配置为与至少一个处理器一起使该装置确定发射器的一个或多个更新参数,该发射器提供用于通过信道传输的信道符号向量。发射器的更新参数基于的是多个概率向量。
至少一个存储器和计算机程序代码还被配置为与至少一个处理器一起使示例实施例的装置:重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并且基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数。至少一个存储器和计算机程序代码还被配置为与至少一个处理器一起使示例实施例的装置:评估停止标准,并且继续重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并且基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数,直到停止标准被满足。
至少一个存储器和计算机程序代码还被配置为与至少一个处理器一起使示例实施例的装置基于多个概率向量确定损失函数(诸如,分类交叉熵损失)并且对损失函数执行梯度下降。至少一个存储器和计算机程序代码还被配置为与至少一个处理器一起使该示例实施例的装置基于梯度下降来确定接收器和发射器的一个或多个更新参数。调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。多个调制阶数定义能够由发射器编码并由接收器预测的消息的不同数目。
在另一示例实施例中,提供了一种方法,该方法包括:针对由被配置为具有多个调制阶数的通信***传输的多个消息,接收多个概率向量,每个概率向量与多个调制阶数中的一个相应调制阶数相关联。概率向量将概率指派给样本的向量,该样本的向量标识相应消息与样本的向量相对应的概率。该方法还包括:响应于由通信***的发射器传输的信道符号向量,确定通信***的接收器的一个或多个更新参数,该接收器接收由信道生成的样本的向量。接收器的更新参数基于多个概率向量。该方法还包括确定发射器的一个或多个更新参数,该发射器提供信道符号向量以通过信道传输。发射器的更新参数基于的是多个概率向量。
示例实施例的方法还包括:重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并且基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数。在示例实施例中,该方法包括:评估停止标准,并且继续针对由通信***传输的不同的多个消息重复地接收附加的多个概率向量,并基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数,直到满足停止标准。
示例实施例的方法还包括基于多个概率向量来确定诸如分类交叉熵损失等损失函数,并对该损失函数执行梯度下降。该示例实施例的方法还包括通过基于梯度下降确定接收器和发射器的一个或多个更新参数来确定接收器和发射器的一个或多个更新参数。调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。多个调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。
在又一示例实施例中,提供了一种计算机程序产品,该计算机程序产品包括在其中存储有计算机可执行程序代码指令的至少一个非瞬态计算机可读存储介质,其中该计算机可执行程序代码指令包括程序代码指令,该程序代码指令在执行时被配置为针对由被配置为具有多个调制阶数的通信***传输的多个消息,接收多个概率向量,每个概率向量与多个调制阶数中的一个相应调制阶数相关联。概率向量将概率指派给样本的向量,该样本的向量标识相应消息与样本的向量相对应的概率。计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为响应于由通信***的发射器传输的信道符号向量来确定通信***的接收器的一个或多个更新参数,该接收器接收由信道生成的样本的向量。接收器的更新参数基于的是多个概率向量。计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为确定发射器的一个或多个更新参数,该发射器提供用于通过信道传输的信道符号向量。发射器的更新参数基于的是多个概率向量。
示例实施例的计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并且基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数。在示例实施例中,计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为评估停止标准,并且继续重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数,直到停止标准被满足。
示例实施例的计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为基于多个概率向量来确定诸如分类交叉熵损失等损失函数,并且对该损失函数执行梯度下降。该示例实施例的计算机可执行程序代码指令还包括程序代码指令,该程序代码指令在执行时被配置为通过基于梯度下降确定接收器和发射器的一个或多个更新参数来确定接收器和发射器的一个或多个更新参数。调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。多个调制阶数定义能够由发射器编码并由接收器预测的消息的不同数目。
在再一示例实施例中,提供了一种装置,该装置包括:用于针对由被配置为具有多个调制阶数的通信***传输的多个消息接收多个概率向量的部件,每个概率向量与多个调制阶数中的一个相应调制阶数相关联。概率向量将概率指派给样本的向量,该样本的向量标识相应消息与样本的向量相对应的概率。该装置还包括:用于响应于由通信***的发射器传输的信道符号向量来确定通信***的接收器的一个或多个更新参数的部件,该接收器接收由信道生成的样本的向量。接收器的更新参数基于的是多个概率向量。该装置还包括用于确定发射器的一个或多个更新参数的部件,该发射器提供用于通过信道传输的信道符号向量。发射器的更新参数基于的是多个概率向量。
示例实施例的装置还包括:用于重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量的部件,以及用于基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数的部件。在示例实施例中,该装置包括:用于评估停止标准的部件,以及用于继续重复地接收针对由通信***传输的不同的多个消息的附加的多个概率向量,并基于附加的多个概率向量重复地确定接收器和发射器的一个或多个更新参数,直到停止标准被满足的部件。
示例实施例的装置还包括用于基于多个概率向量来确定诸如分类交叉熵损失等损失函数的装置以及用于对该损失函数执行梯度下降的部件。该示例实施例的装置还包括用于通过基于梯度下降确定接收器和发射器的一个或多个更新参数来确定接收器和发射器的一个或多个更新参数的部件。调制阶数定义能够由发射器编码并由接收器预测的不同消息的数目。多个调制阶数定义能够由发射器编码并由接收器预测的不同的多个消息。
附图说明
已经概括地描述了本公开的某些示例实施例,将在下文中参照附图,该附图不一定按比例绘制,并且其中:
图1是根据示例实施例的包括发射器和接收器的***的框图,该***被配置为经由信道与配置装置通信,该配置装置被配置为重新配置发射器和接收器;
图2是可以部署图1中的***的示例通信***的框图;
图3是根据本公开的示例实施例的可以被具体配置的装置的框图;
图4是根据本公开的示例实施例的包括发射器、信道和接收器的通信***的更详细的框图;
图5是图示了根据本公开的示例实施例的诸如由图3的装置执行以便根据可配置的调制阶数来传输消息的操作的流程图;
图6是图示了根据本公开的示例实施例的诸如由图3的装置执行以便发起对调制阶数的改变的操作的流程图;以及
图7是图示了根据本公开的示例实施例的诸如由图3的装置执行以便训练通信***的发射器和接收器的操作的流程图。
具体实施方式
现在将在下文中参照附图更全面地描述本发明的一些实施例,其中,示出了本发明的一些而非全部实施例。实际上,本发明的各种实施例可以以许多不同的形式体现,并且不应该被解释为限于本文陈述的实施例;相反,提供这些实施例,使得本公开将满足适用的法律要求。相同的附图标记始终指代相同的元件。如本文所使用的,术语“数据”、“内容”、“信息”和类似术语可以互换使用以指代能够根据本发明的实施例传输、接收和/或存储的数据。因此,不应该使用任何这种术语来限制本发明的实施例的精神和范围。
附加地,如本文所使用的,术语‘电路***’指的是(a)仅硬件电路实施方式(例如,模拟电路***和/或数字电路***中的实施方式);(b)电路和(多个)计算机程序产品的组合,该计算机程序产品包括存储在一起工作以使装置执行本文描述的一个或多个功能的一个或多个计算机可读存储器上的软件和/或固件指令;以及(c)即使物理上不存在软件或固件也需要软件或固件进行操作的电路,诸如,例如,(多个)微处理器或(多个)微处理器的一部分。‘电路***’的这种定义适用于本文中该术语的所有使用,包括在任何权利要求中。作为又一示例,如本文所使用的,术语‘电路***’还包括包括一个或多个处理器和/或其(多个)部分以及附带的软件和/或固件的实施方式。作为另一示例,本文使用的术语‘电路***’还包括例如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、其他网络设备(诸如,核心网装置)、现场可编程门阵列和/或其他计算设备中的类似集成电路。
如图1所图示的,根据示例实施例,提供了一种***10,该***10包括被配置为经由通信信道16进行通信的发射器12和接收器14。如下面所描述的,该***还包括配置装置18,配置装置18被配置为确定发射器和接收器两者的更新参数,并且利用更新参数相应地重新配置发射器和接收器,以增强它们之间的符号定时同步。
经由发射器12与接收器14之间的信道16传输的数据可以是多种数据中的任何一种,包括但不限于数字图像数据,包括视频数据、音频数据以及由传感器、雷达、望远镜和无线电接收器提供的数据。在至少一些情况下,发射器在经由信道传送数据之前对数据进行编码,并且接收器相应地对该数据进行解码。接收器接收到的结果数据可以用于多种目的,包括向用户呈现,数据存储和/或将数据提供给一个或多个应用,诸如出于各种目的(包括物体识别、图像分类、频谱感测、语音转录和/或事件的预测或检测)对数据执行统计推断的应用。尽管在图1中以从发射器到接收器的单向传输的形式描绘,但是发射器和接收器可以由包括发射器和接收器的设备来体现,诸如收发器等,从而支持双向通信。
图1的***10可以被用于多种应用。如图2所示,例如,通信***可以包括被配置为经由相应信道进行通信的多个发射器和多个接收器。在这方面,用户设备可以包括被配置为与基站的接收器进行通信的发射器。相反,基站不仅包括接收器,而且包括用于与用户设备的接收器进行通信的发射器。
借助于示例,***10可以被部署在基于高级长期演进(高级LTE、LTE-A)或新无线电(NR、5G)的无线电接入架构内。然而,该***可以被部署在包括在其他通信网络内的其他应用中,该通信网络包括例如通用移动电信***(UMTS)无线电接入网(UTRAN或E-UTRAN)、无线局域网(WLAN或WiFi)、全球微波接入互操作性(WiMAX)、个人通信服务(PCS)、宽带码分多址(WCDMA)、使用超宽带(UWB)技术的***、传感器网络、移动自组织网络(MANET)和互联网协议多媒体子***(IMS)或其任何组合。
在这方面,图2描绘了简化的***架构的示例,该示例仅示出了一些元件和功能实体,全部是逻辑单元,其实现可能与所示出的不同。图2所示的连接是逻辑连接;实际的物理连接可能有所不同。对于本领域技术人员显而易见的是,该***通常还包括除了图2所示的功能和结构以外的其他功能和结构。
在图1的无线电接入架构中,用户设备20和用户设备21被配置为处于小区中的一个或多个通信信道上的无线连接中,其中接入节点(诸如,节点B)22提供该小区。从用户设备到节点B的物理链路被称为上行链路或反向链路,并且从节点B到用户设备的物理链路被称为下行链路或前向链路。应该了解的是,可以通过使用适合于这种用法的任何节点、主机、服务器或接入点(AP)等实体来实现节点B或其功能性。
通信***通常包括多于一个的节点B,在这种情况下,节点B也可以被配置为经由专为针对该目的设计的有线或无线链路相互通信。这些链路可以被用于信令目的。节点B是被配置为控制与节点B耦合的通信***的无线电资源的计算设备。该节点B也可以被称为基站、接入点或包括能够在无线环境中操作的中继站的任何其他类型的接口设备。节点B包括或耦合至收发器。从节点B的收发器向天线单元提供连接,该连接建立到用户设备的双向无线电链路。因此,节点B的收发器和用户设备的收发器可以包括发射器12和接收器14,其被配置为经由信道16与能够根据示例实施例重新配置的发射器和接收器的可训练参数进行通信。天线单元可以包括多根天线或天线元件。节点B进一步连接至核心网25(CN或下一代核心NGC)。根据***,CN侧的对方可以是服务网关(S-GW,路由和转发用户数据分组)、用于提供用户设备(UE)与外部分组数据网络的连接的分组数据网络网关(P-GW)或移动管理实体(MME)等。
用户设备(也称为UE、用户设备、用户终端、终端设备等)图示了分配和指派有空中接口上的资源的一种类型的装置,因此本文用用户设备描述的任何特征可以用诸如中继节点等对应装置来实施。这种中继节点的示例是指向基站的第3层中继(自回程中继)。
用户设备通常是指包括在具有或没有订户标识模块(SIM)的情况下操作的无线移动通信设备的便携式计算设备,包括但不限于以下类型的设备:移动站(移动电话)、智能手机、个人数字助理(PDA)、手机、使用无线调制解调器的设备(警报或测量设备等)、膝上型和/或触摸屏计算机、平板计算机、游戏机、笔记本计算机和多媒体设备。应该了解的是,用户设备也可以是几乎独有的仅上行设备,其示例是将图像或视频剪辑加载到网络的相机或摄影机。用户设备还可以是具有在物联网(IoT)网络中操作的能力的设备,该IoT网络是物体被提供有通过网络传输数据的能力而无需人与人或人与计算机交互的场景。用户设备(或在一些实施例中,第3层中继节点)被配置为执行用户设备功能性中的一个或多个。仅提及几个名称或装置,用户设备也可以被称为订户单元、移动站、远程终端、接入终端、用户终端或用户设备(UE)。
本文描述的各种技术也可以应用于信息物理***(CPS)(协作控制物理实体的计算元素的***)。CPS可以实现在不同位置处的物理物体中嵌入的大量互连ICT设备(传感器、致动器、处理器、微控制器等)的实施和开发。所讨论的物理***具有固有的移动性的移动信息物理***是信息物理***的子类别。移动物理***的示例包括移动机器人以及由人或动物运输的电子产品。
尽管将装置描绘为单个实体,但是可以实施不同的单元、处理器和/或存储器单元(图1中未全部示出)。进一步地,用户设备的接收和/或传输天线的数量可以根据当前的实施方式自然地变化。
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,包括与小基站协作操作并取决于服务需求、用例和/或可用频谱采用多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应用,包括视频流、增强现实、数据共享的不同方式以及各种形式的机器类应用,包括车辆安全性、不同的传感器和实时控制。预计5G具有多个无线电接口,即,低于6GHz、cmWave和mmWave,并且还可与现有的传统无线电接入技术(诸如,LTE)集成在一起。至少在早期阶段,可以实施与LTE的集成,作为由LTE提供宏覆盖范围的***,并且通过聚合到LTE,5G无线电接口接入来自小小区。换言之,5G计划支持RAT间可操作性(诸如,LTE-5G)和RI间可操作性(无线电接口间可操作性,诸如,低于6GHz-cmWave、低于6GHz-cmWave-mmWave)。被认为在5G网络中使用的概念之一是网络切片,其中,可以在同一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中。5G中的低延迟应用和服务需要使内容靠近无线电,从而导致本地突围和多路访问边缘计算(MEC)。5G使分析和知识生成在数据源处进行。这种方法需要利用可能无法连续连接至网络的资源,诸如,膝上型计算机、智能手机、平板计算机和传感器。MEC为应用和服务托管提供了分布式计算环境。它还具有在蜂窝订户附近存储和处理内容的能力,以加快响应时间。边缘计算覆盖了广泛的技术,诸如,无线传感器网络、移动数据采集、移动签名分析、协作分布式对等自组织网络和处理,也可分类为本地云/雾计算和网格/网式计算、露水计算、移动边缘计算、微云、分布式数据存储和检索、自主自我修复网络、远程云服务、增强和虚拟现实、数据缓存、物联网(大规模连接和/或延迟关键)和关键通信(自主车辆、交通安全、实时分析、对时间要求严格的控制和医疗保健应用)。
通信***还能够与诸如公共交换电话网络或互联网26等其他网络通信,或者利用它们提供的服务。通信网络也可能能够支持云服务的使用,例如,核心网操作的至少一部分可以作为云服务来执行(这在图2中由“云”28描绘)。该通信***还可以包括中央控制实体等,其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(NVF)和软件定义网络(SDN)进入无线电接入网(RAN)。使用边缘云可能意味着将至少部分地在可操作地耦合至包括无线电部分的远程无线电头或基站的服务器、主机或节点中执行接入节点操作。还可能的是,节点操作将分布在多个服务器、节点或主机之间。cloudRAN架构的应用使得能够在RAN侧(在分布式单元DU 22中)执行RAN实时功能,并且以集中式(在集中式单元CU 24中)执行非实时功能。
还应该理解的是,核心网操作与基站操作之间的劳动力分配可以不同于LTE,甚或不存在。可以使用的一些其他技术进步是大数据和全IP,它们可能会改变网络的构建和管理方式。5G(或新无线电NR)网络被设计为支持多个层次结构,其中,MEC服务器可以放置在核心与基站或节点B(gNB)之间。应该了解的是,MEC也可以应用于4G网络。
5G还可以例如通过提供回程来利用卫星通信以增强或补充5G服务的覆盖范围。可能的用例是为机器对机器(M2M)或物联网(IoT)设备或车载乘客提供服务连续性,或确保关键通信以及未来的铁路/海事/航空通信的服务可用性。卫星通信可以利用对地静止地球轨道(GEO)卫星***,也可以利用低地球轨道(LEO)卫星***,特别是巨型星座(部署了数百个(纳米)卫星的***)。巨型星座中的每个卫星23可以覆盖创建地面小区的几个启用卫星的网络实体。地面小区可以通过地面中继节点22或由位于地面上或卫星中的gNB创建。
所描绘的***只是可以部署图2的***10的无线电接入***的一部分的示例,并且在实践中,该***可以包括多个节点B,用户设备可以访问多个无线电小区,并且该***还可以包括至少一个节点B的其他装置,诸如,物理层中继节点或其他网络元件等,或可以是家庭节点B。附加地,在无线电通信***的地理区域中,可以提供多个不同种类的无线电小区以及多个无线电小区。无线电小区可以是宏小区(或伞形小区),它们是通常具有长达数十公里的直径的大小区,或者是诸如微小区、毫微微小区或微微小区等小小区。图2的节点B可以提供任何种类的这些单元。蜂窝无线电***可以被实现为包括若干种小区的多层网络。通常,在多层网络中,一个接入节点提供一种或多种小区,并且因此需要多个节点B来提供这种网络结构。
为了满足改善通信***的部署和性能的需要,引入了“即插即用”节点B的概念。通常,能够使用“即插即用”节点B的网络除了家庭节点B(HnodeB)外还包括家庭节点B网关或HNB-GW(图2中未示出)。通常安装在运营商网络内的HNB网关(HNB-GW)可能会将业务从大量HNB聚合回核心网。尽管图2描绘了可以部署示例实施例的***10的一个示例通信***,但是其他示例实施例的***可以部署在其他类型的***中,以支持通信或者以其他方式。
信道16可以是多种不同类型中的任何一种,包括例如无线信道、光学信道等,并且在一些实施例中,可以被配置为诸如在并行使用的时间、频率或空间上支持多个正交信道。不管信道的类型如何,发射器12和接收器14在其上进行通信的信道可以是随机信道。因此,信道接收由发射器传输的由多个符号组成的帧。这些符号包括前导码和一个或多个数据符号。该前导码通常在数据符号之前。作为响应,该信道生成由接收器接收的多个样本。接收器被配置为标识与对应帧的特定符号(诸如,对应帧的前导码或第一数据符号)相对应的样本,以便允许适当地解释(例如,解码)接收到的数据。
同样如图1所示,示例实施例的***10附加地包括配置装置18。配置装置被配置为基于经由信道16传输的符号和由信道生成并由接收器接收的样本确定更新参数(用于发射器12和接收器14的可训练参数)。然后可以基于更新参数来重新配置发射器和接收器。
尽管在图1中被描绘为与发射器12和接收器14分离,但是配置装置18或其一部分可以由发射器和接收器之一或两者来实现。例如,下文关于配置装置描述的功能性可以在发射器和接收器之间被分发,并且在一些实施例中作为附加的配置装置。备选地,配置装置可以完全由发射器来实现,或者可以完全由接收器来实现。然而,出于说明而非限制的目的,下面将结合与发射器和接收器两者通信的配置装置来描述图1的该***10。
在图3中描绘了可以被配置为充当配置装置18的装置30的一个示例。如图3所示,该装置包括处理电路***32、存储器34和通信接口36,与其相关联或与其通信。处理电路***可以经由总线与存储器设备通信,以在装置的部件之间传递信息。该存储器设备可以是非暂时性的,并且可以包括例如一个或多个易失性和/或非易失性存储器。换言之,例如,存储器设备可以是包括闸的电子存储设备(例如,计算机可读存储介质),该闸被配置为存储可以由机器(例如,与处理电路***一样的计算设备)检索的数据(例如,比特)。存储器设备可以被配置为存储信息、数据、内容、应用、指令等以使装置能够执行根据本公开的示例实施例的各种功能。例如,存储器设备可以被配置为缓冲输入数据以供处理电路***处理。附加地或可替代地,存储器设备可以被配置为存储指令以由处理电路***执行。
在一些实施例中,装置30可以被体现在上述的各种计算设备中。然而,在一些实施例中,该装置可以体现为芯片或芯片集。换言之,该装置可以包括一个或多个物理封装(例如,芯片),该一个或多个物理封装包括结构组件(例如,基板)上的材料、部件和/或电线。结构组件可以为包括在其上的部件电路***提供物理强度、尺寸守恒和/或对电气交互的限制。因此,在一些情况下,该装置可以被配置为将本发明的实施例实施在单个芯片上或者实施为单个“片上***”。因此,在一些情况下,芯片或芯片集可以构成用于执行一个或多个操作以提供本文描述的功能性的装置。
处理电路***32可以以许多不同的方式被体现。例如,处理电路***可以被体现为各种硬件处理装置(诸如,协处理器、微处理器、控制器、数字信号处理器(DSP)、具有或没有附带DSP的处理元件)或各种其他电路***中的一个或多个,该各种其他电路***包括集成电路,诸如,例如,ASIC(专用集成电路)、FPGA(现场可编程门阵列)、微控制器单元(MCU)、硬件加速器、专用计算机芯片等。因此,在一些实施例中,处理电路***可以包括被配置为独立执行的一个或多个处理核。多核处理电路***可以在单个物理封装内实现多处理。附加地或者备选地,处理电路***可以包括经由总线串联配置的一个或多个处理器以实现指令的独立执行、流水线和/或多线程。
在示例实施例中,处理电路***32可以被配置为执行存储在存储器设备34中或以其他方式可被处理电路***访问的指令。备选地或附加地,处理电路***可以被配置为执行硬编码功能性。因此,无论是通过硬件或软件方法或者通过其组合来配置,处理电路***都可以表示能够在相应地配置时根据本公开的实施例执行操作的实体(例如,物理地体现在电路***中)。因此,例如,当处理电路***被体现为ASIC、FPGA等时,处理电路***可以是专门配置的硬件以进行本文描述的操作。可替代地,作为另一示例,当处理电路***被体现为指令的执行者时,指令可以将处理器专门配置为在执行指令时执行本文描述的算法和/或操作。然而,在一些情况下,处理电路***可以是特定设备(例如,图像或视频处理***)的处理器,该特定设备被配置为通过用于执行本文描述的算法和/或操作的指令进一步配置处理电路***来采用本发明的实施例。除此之外,处理电路***可以包括被配置为支持处理电路***的操作的时钟、算术逻辑单元(ALU)和逻辑门。
通信接口36可以是被配置为接收和/或传输数据(包括视频或图像文件形式的媒体内容、一个或多个音轨等)的硬件或硬件和软件的组合中体现的诸如设备或电路***等任何部件。在这方面,通信接口可以包括例如天线(或多根天线)和支持硬件和/或软件以实现与无线通信网络的通信。附加地或备选地,通信接口可以包括用于与(多个)天线交互以经由(多个)天线传输信号或者处理经由(多个)天线接收到的信号的接收的电路***。在一些环境中,通信接口可以可替代地或者也支持有线通信。因此,例如,通信接口可以包括通信调制解调器和/或用于经由电缆、数字订户线(DSL)、通用串行总线(USB)或其他机制支持通信的其他硬件/软件。
在图4中描绘了根据本公开的示例实施例的通信***10的示例,诸如,基于自动编码器的通信***。如所示,通信***包括发射器12、信道16和接收器14。发射器接收要被编码为信道符号向量x的消息s,以经由信道进行传输。在通过信道传播期间,信道符号向量会受到由失真层46指示的失真(诸如,噪声)的影响。因此,接收器响应于由发射器传输的信道符号向量x接收由信道生成的样本的向量y。然后,接收器对样本的向量y进行解码,以生成对由发射器编码的消息s的预测
参照图5的流程图,更具体地图5的框70,发射器12包括诸如至少一个处理器32的装置,其被配置为根据调制阶数m将消息s编码为信道符号向量x。如下面所描述的,诸如发射器和接收器14的通信***10被训练为根据直至最大调制阶数Mmax的多个调制阶数对消息进行编码和解码。在操作中,发射器和接收器应该根据相同的调制阶数进行操作。然而,该示例实施例的通信***能够在运行时将调制阶数改变为通信***先前被训练至最大调制阶数Mmax的任何其他调制阶数,而无需任何重新训练。例如,可以响应于信道条件的变化来改变定义能够由发射器编码并由接收器预测的不同消息的数目的调制阶数,诸如结合建议通信速率并因此根据信道状态建议调制阶数的链路自适应算法。
为了根据调制阶数m将消息s编码成信道符号向量x,示例实施例的发射器12包括Mmax维向量40,其中与将被编码的消息相对应的元素被设置为第一值,并且所有其他元素被设置为与第一值不同的第二值。例如,第一值可以是1,并且第二值可以是0。在通信***根据小于最大调制阶数Mmax的调制阶数m来传输消息的实施例中,Mmax维向量的仅元素1、2、…、m能够被设置为前m个元素(即,Mmax维向量的元素1、2、...m)的第一值。因为具有调制阶数m的通信***被设计为传输不超过m个不同的消息,所以Mmax维向量的所有其他元素(即,元素m+1、m+2、...Mmax)被设置为第二值。
尽管上述实施例采用了独热编码(one-hot encoding),其利用了Mmax维向量40,其中与被编码的消息相对应的元素被设置为第一值,并且所有其他元素被设置为与第一值不同的第二值,可以以其他方式馈送发射器12,包括不利用独热编码的技术。例如,可以提供大小为L的Mmax个不同的向量,并且每个向量都可以是独热编码的。无论如何,可以结合某些示例实施例采用被称为嵌入的发射器输入的多个可能表示。
在图4中所描绘的示例实施例中,发射器12还包括神经网络,该神经网络具有多个可训练参数,如下文所描述的被更新。结合图4的实施例,发射器的神经网络由多个密集层42(例如,全连接层)表示。然而,神经网络可以附加地或备选地由其他类型的层(诸如,卷积层或递归层)表示。附加地,所图示的实施例的发射器包括归一化层44,该归一化层44被配置为对信道符号向量x进行归一化,以便实施能量约束,诸如,每个信道符号的单位平均功率。尽管可以以各种方式配置发射器,但是示例实施例的发射器包括至少一个处理器32,该处理器32根据存储器34存储的指令进行操作,以便接收消息s并经由与至少一个处理器的通信接口36传输信道符号向量x,存储器和通信接口例如是上面结合图3示出和描述的类型。例如,发射器的至少一个处理器可以被配置为定义Mmax维向量,实现神经网络和归一化层两者。
现在参照图5的框72,发射器12还包括诸如通信接口36的装置,该装置被配置为经由信道16传输信道符号向量x。如图4所示,信道通常将失真引入到由失真层46表示的沿其传播的信号中。与发射器和接收器14所体现的神经网络不同,通常无法训练信道的失真层。
如图5的框74所示,接收器14依次包括诸如通信接口36的部件,其被配置为响应于由发射器12传输的符号信道向量x来接收由信道16生成的样本的向量y。接收器然后被配置为处理样本的向量y,以便生成由发射器编码的消息的预测如图5的框76所示,示例实施例的接收器包括诸如至少一个处理器32等装置,其被配置为确定由发射器编码的消息的第一预测向量。在这方面,接收器可以包括具有多个可训练参数的神经网络。在图4的实施例中,例如,接收器的神经网络由多个致密层48(例如,全连接层)表示,其针对接收器所接收的样本的向量y生成第一预测向量50。然而,神经网络可以附加地或备选地由其他类型的层(诸如,卷积层或递归层)表示。第一预测向量包括与通信***10可以编码和解码的每个消息相关联的相应元素。由于示例实施例的通信***被训练为结合直至最大调制阶数Mmax的多个调制阶数进行操作,因此第一预测向量具有Mmax维度,第一预测向量的每个元素指示被发射器编码的消息是第一预测向量的相应元素与之相关联的消息的可能性。
如图5的框78所示,接收器14还包括诸如至少一个处理器32的部件,该部件被配置为在调制阶数m小于最大调制阶数Mmax的情况下消除第一预测向量50的一个或多个元素,以便生成第二预测向量56。示例实施例的第二预测层是具有m个元素的m维向量。在所图示的实施例中,诸如至少一个处理器的接收器包括切片层52。切片层被提供有调制阶数m,并且在示例实施例中被配置为消除第一预测向量的一个或多个元素,诸如通过截断第一预测向量的在尺寸上大于调制阶数m的那些元素。通过示例,针对具有指定1、2、3、...Mmax的元素的第一预测向量,切片层可以通过消除第一预测向量的元素m+1、m+2、...Mmax来消除第一预测向量的一个或多个元素54,使得只有元素1、2、...、m保留在第二预测向量中。
如图5的框80所示,示例实施例的接收器14附加地包括诸如至少一个处理器32的部件,该部件被配置为生成与调制阶数m相关联的概率向量p,该概率向量p基于第二预测向量56针对由发射器12编码的m个可能的消息mi指派概率pi。示例实施例的接收器包括诸如至少一个处理器的部件,该部件被配置为对第二预测向量进行归一化以便生成概率向量p。例如,接收器可以包括激活函数,诸如softmax函数58,被配置为将第二预测向量归一化为表示具有m个概率的概率分布的概率向量p。第二预测向量的归一化用于修改第二预测向量的元素值,使得所得的概率向量60符合能量约束,诸如每信道符号的单位平均功率。
参照概率向量p,接收器14包括诸如至少一个处理器32的部件,该部件被配置为将m个可能的消息中的一个消息标识为对由发射器12编码的消息的预测参见框82。例如,接收器可以被配置为将与具有最大概率的概率向量p的元素相关联的消息标识为对由发射器编码的消息的预测诸如通过将argmax函数62应用于概率向量p。如下面所描述的,配置装置18还包括诸如至少一个处理器32的部件,其被配置为确定接收器14和发射器的一个或多个更新参数。
如上文所提到的,可以在运行时(诸如,在通信***的操作期间)改变通信***10的调制阶数。尽管可以以各种方式改变通信***的调制阶数,但是在图6的流程图中描绘了改变通信***的调制阶数的方式的一个示例。在该示例实施例中,最初诸如基于预期的信道条件选择调制阶数m。参见框90。在通信***的发射器12和接收器14都知道调制阶数m的实施例中,发射器包括诸如通信接口36的部件,该部件被配置为传输依照调制阶数被编码成信道符号向量x的消息s,如框94所示,并且接收器包括诸如通信接口的部件,该部件被配置为接收并解码样本的向量y以确定与调制阶数相关联的概率向量p,如框94所示。通过依照调制阶数m对消息进行编码和解码,如上文所描述的,可以被编码和解码的不同消息的数量被限制为m个可能的消息。然而,在发射器知道调制阶数但接收器不知道调制阶数的实施例中,诸如在发射器最初被配置为根据调制阶数m进行操作的情况下,或者在发射器已接收到改变调制阶数的指令的情况下,示例性实施例的发射器可以可选地包括诸如通信接口等装置,其被配置为向接收器传输消息,该消息指示在分别由发射器和接收器传输和接收消息之前如框92所示将要使用的调制阶数。
在示例实施例中,通过部件(诸如,通过发射器12、接收器14或配置装置18的至少一个处理器32)来确定调制阶数是否被改变。参见框98。该确定可以基于多种因素。例如,通信***10可以诸如通过链路自适应算法接收指令,指示信道16上的通信速率要改变或已改变,这反过来又导致了调制阶数的变化。可替代地,诸如发射器、接收器或配置装置的至少一个处理器等通信***可以监测信道状态并且可以基于信道状态来改变调制阶数。更进一步地,诸如接收器或配置装置的至少一个处理器等通信***可以根据诸如块错误率等预定义标准来评估接收到的消息,并且在接收到的消息无法满足预定义标准的情况下可以使调制阶数改变。
在调制阶数不变的情况下,发射器12可以继续传输依照调制阶数被编码成信道符号向量x的消息,并且接收器14可以继续接收样本的向量y并确定与调制阶数相关联的概率向量p。然而,在调制阶数将被改变的情况下,示例实施例的接收器包括诸如至少一个处理器32和/或通信接口36的部件,该部件被配置为提供如框100所示的反馈以触发发射器和接收器对调制阶数的改变。接收器提供的反馈可以以各种形式被提供。例如,接收器可以被配置为传输指定特定调制阶数的消息,接收器可以被配置为传输指示调制阶数的增大或减小的消息,或者接收器可以被配置为传输ACK/NACK(确认/否定确认)消息,其中接收器指示先前由发射器编码的消息是否已正确地被接收到。这样,通信***10的调制阶数可以在运行时(即,在操作期间)被改变为直至最大调制阶数Mmax的任何调制阶数,而不必重新训练发射器和接收器并且不必提供支持不同调制阶数的不同通信***。
发射器12和接收器14的神经网络被配置为被训练以便根据多达最大调制阶数Mmax的多个不同的调制阶数进行操作。在这方面,可以利用由通信***10确定的一个或多个更新参数来训练发射器和接收器,诸如发射器和接收器的神经网络。通信***10可以在部署之后被训练,或者可以在模拟环境中使用可以被预先定义的信道模型来训练通信***,诸如,该信道模型是可区分的并且与实际通信信道相同或近似,在部署之后,发射器和接收器随后将经由该信道进行通信。
现在参照图7,发射器12包括诸如发射器的至少一个处理器32的部件,该部件被配置为根据发射器的一个或多个参数对消息s进行编码。参见框110。这样,依照定义多个(m)可能消息的调制阶数m,将消息编码为信道符号向量x。发射器还包括诸如至少一个处理器和/或发射器的通信接口36的部件,该部件被配置为经由信道16传输信道符号向量x,并且接收器包括诸如至少一个处理器和接收器的通信接口的部件,该部件相应地被配置为接收由信道生成的样本的向量y,并依赖于接收器的一个或多个可训练参数来生成由发射器编码的消息的预测参见图7的框112-116。在示例实施例中,配置装置18包括诸如至少一个处理器的部件,该部件被配置为通过接收与不同的相应调制阶数相关联的多个概率向量来确定发射器和接收器的更新参数,下面描述其一个示例。参见图7的框118。
在示例实施例中,通过首先初始化发射器和接收器的参数(诸如,发射器和接收器的神经网络的权重)来训练发射器12和接收器14的参数。例如,参数可以以随机方式被初始化。然后对多个样本消息进行编码,以用于经由信道16传输,然后再进行解码,并利用解码结果来指导训练发射器和接收器。在示例实施例中,并且针对通信***10,该通信***10被配置为根据直至最大调制阶数Mmax的多个调制阶数m中的任何一个调制阶数进行操作。在B是批大小的情况下,B调制阶数m(i)从调制阶数集合M中被采样,通信***可以根据这些调制阶数进行操作,如下{m(i)∈M}i=1,…B,并且B消息s(i)从与由{s(i)∈Sm(i)}i=1,…B定义的调制阶数m∈M相对应的消息集合Sm采样。然后,通信***利用B个调制阶数的B个消息来生成多个概率向量p(i),其中的一个概率向量与所采样的调制阶数i中的每个调制阶数相关联。在这方面,可以将所生成的多个概率向量p(i)定义为:{p(i)∈Pm(i)}i=1,…B。要注意的是,在概率向量的生成中,可以在每次通过期间调整接收器14的切片层52的切片宽度,以便匹配相应通过的调制阶数。
如图7的框118所示,配置装置18包括诸如至少一个处理器32的部件,该部件被配置为接收多个概率向量p(i),每个概率向量与多个调制阶数m(i)中的一个相应调制阶数相关联。如框120所示,配置装置还包括诸如至少一个处理器等装置,其被配置为基于多个概率向量确定接收器的一个或多个更新参数,并且如框122所示,还包括诸如至少一个处理器的部件,该部件基于多个概率向量同样地确定发射器的一个或多个更新参数。在这方面,确定接收器和发射器的一个或多个参数可以包括确定由接收器和发射器所体现的神经网络的一个或多个权重。在示例实施例中,通过确定诸如分类交叉熵损失等损失函数,然后对损失函数(例如,分类交叉熵损失)执行梯度下降来确定更新参数。在示例实施例中,至少一个处理器被配置为将分类交叉熵损失确定为:
其中θT和θR分别是将针对发射器和接收器而被更新的参数。诸如至少一个处理器等配置装置可以被配置为对损失函数执行各种梯度下降中的任何一种,例如,分类交叉熵损失,诸如随机梯度下降(SGD)或SGD的变型,诸如自适应矩估计(ADAM)、均方根传播(RMSprop)或动量算法。批大小B和SGD的类型可以选择为优化参数。基于已经确定的发射器和接收器的更新参数,可以修改发射器和接收器的参数,诸如通过相应地修改发射器和接收器的神经网络的权重。
在一些实施例中,可以重复用于确定发射器12和接收器14的更新参数的该过程。例如,可以定义停止标准,并且在确定了发射器和接收器的更新参数之后,该示例实施例的配置装置18包括诸如至少一个处理器32的部件,该部件被配置为确定停止标准是否被满足。参见图7的框124。如果满足停止标准,则更新发射器和接收器的参数的过程结束。然而,如果不满足停止标准,则重复更新发射器和接收器的参数的该过程。
可以以各种方式定义停止标准。例如,停止标准可以是完成过程的预定义迭代次数或可训练参数从先前迭代修改为当前迭代的量的变化小于预定义量。备选地,可以通过诸如块错误率的相关性能度量来定义停止标准。在这方面,诸如至少一个处理器32的配置装置18被配置为确定与消息的编码和解码相关联的性能度量。在所确定的性能度量满足预定义性能阈值的情况下,停止标准被满足并且更新发射器和接收器的参数的过程结束。备选地,在所确定的性能度量未能满足预定义性能阈值的情况下,不满足停止标准并且更新发射器和接收器的参数的过程继续进行,确定性能度量并将其与每次迭代后的预定义性能阈值进行比较。
通过以上述方式训练包括发射器12和接收器14的通信***10,其中通信***10传输具有多个不同样本调制阶数的样本消息,确定与多个不同的调制阶数相关联的概率向量,包括发射器和接收器的通信***被配置为根据直至最大调制阶数Mmax的多个不同的调制阶数进行操作。因此,在通信***的后续操作期间,诸如由于信道条件的改变,通信***可以被配置为改变发射器和接收器的调制阶数,而不必重新训练通信***并且无需必须采用不同的通信***来支持不同的调制阶数。因此,调制阶数的改变可以在运行时发生,诸如在通信***的操作期间,而无需在调制阶数改变时进一步训练通信***。因此,所得的通信***可以用于更广泛的应用中,包括在通信***在操作中时诸如根据信道状态,诸如通过链路自适应算法或以其他方式来调整通信速率以及调制阶数的那些应用。
图5-图7图示了描绘根据本发明的示例实施例的方法的流程图。要理解,流程图的每个框以及流程图中的框的组合可以通过各种装置实施,诸如,硬件、固件、处理器、电路***和/或与执行包括一个或多个计算机程序指令的软件相关联的其他通信设备。例如,上述程序中的一个或多个可以由计算机程序指令体现。在这方面,体现上述程序的计算机程序指令可以由采用本发明的实施例的装置的存储器设备24存储,并且由处理器22执行。如要了解的,任何这种计算机程序指令都可以加载到计算机或其他可编程装置(例如,硬件)上以产生机器,使得所得的计算机或其他可编程装置实施在流程图框中指定的功能。这些计算机程序指令还可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程装置以特定方式运行,使得存储在计算机可读存储器中的指令产生制品,该制品的执行实施在流程图框中指定的功能。计算机程序指令还可以加载到计算机或其他可编程装置上,以使得能够在计算机或其他可编程装置上执行一系列操作以产生计算机实施的过程,使得在计算机或其他可编程装置上执行的指令提供用于实施在流程图框中指定的功能的操作。
因此,流程图的框支持用于执行指定功能的装置的组合以及用于执行指定功能的操作的组合。还要理解,流程图的一个或多个框以及流程图中的框的组合可以通过专用的基于硬件的计算机***(其执行指定功能)或者专用硬件和计算机指令的组合实施。
这些发明所属领域的技术人员将会想到本文陈述的本发明的许多修改和其他实施例,其具有在前述描述和关联附图中呈现的教导的益处。因此,要理解,本发明并不限于所公开的特定实施例,并且修改和其他实施例旨在包括在所附权利要求的范围内。例如,在信道16受到干扰的一些实施例中,端到端***10的训练还可以允许***在考虑到干扰的同时被优化,从而减少对干扰的其他有害影响。作为另一示例,尽管前述实施例已经采用了单个发射器12,但是其他实施例的信道被配置为在端到端***的训练允许优化并发传输的情况下支持来自多个发射器和/或多个数据源的并发传输。
而且,尽管前述描述和关联附图在元件和/或功能的某些示例组合的上下文中描述了示例实施例,但是应该了解,可以在不脱离所附权利要求的范围的情况下通过替代实施例来提供元件和/或功能的不同组合。在这方面,例如,也设想与上面明确描述的元件和/或功能的组合不同的组合,如可以在一些所附权利要求中陈述的。尽管本文采用了特定术语,但是它们仅用于一般性和描述性意义,而不是出于限制的目的。
Claims (28)
1.一种***(10),包括:
发射器(12),被配置为将消息编码成信道符号的向量以用于经由信道(16)传输,其中所述发射器(12)被配置为根据调制阶数m来对所述消息进行编码,所述调制阶数m可调整至最大调制阶数Mmax;以及
接收器(14),被配置为响应于由所述发射器(12)传输的所述信道符号的向量来接收由所述信道(16)生成的样本的向量,其中所述接收器(14)被配置为确定针对由所述发射器(12)编码的所述消息的第一预测向量(50),并且其中所述接收器(14)包括切片层(52),所述切片层(52)被配置为在所述调制阶数m小于所述最大调制阶数Mmax的情况下消除所述第一预测向量(50)的一个或多个元素,以便生成适合于如下调制阶数的第二预测向量(56),对由所述发射器(12)编码的所述消息的预测从所述调制阶数被标识。
2.根据权利要求1所述的***(10),其中所述接收器(14)还被配置为生成与所述调制阶数m相关联的概率向量(60),其中所述概率向量基于所述第二预测向量来针对m个可能的消息指派概率,其中所述***(10)还包括至少一个处理器(32),所述至少一个处理器(32)被配置为确定所述接收器(14)和所述发射器(12)的一个或多个更新参数,其中所述接收器(14)和所述发射器(12)的所述更新参数基于的是针对多个调制阶数中的每个调制阶数的所述概率向量,并且其中所述发射器(12)和所述接收器(14)基于所述发射器(12)和所述接收器(14)的所述一个或多个更新参数而被分别重新配置。
3.根据权利要求2所述的***(10),其中所述接收器(14)还包括激活函数,所述激活函数被配置为将所述第二预测向量(56)归一化成表示具有m个概率的概率分布的所述概率向量(60)。
4.根据权利要求2所述的***(10),其中所述发射器(12)或所述接收器(14)中的至少一个包括神经网络,所述神经网络具有多个可训练参数,所述多个可训练参数通过所述至少一个处理器(32)的确定而被更新。
5.根据权利要求1所述的***(10),其中所述发射器(12)被配置为对消息进行编码,并且所述接收器(14)被配置为根据多个调制阶数来预测由所述发射器(12)编码的所述消息,并且其中相应的调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的不同消息的数目。
6.根据权利要求5所述的***(10),其中所述发射器(12)被配置为将所述消息编码为Mmax维向量(40),所述Mmax维向量具有被设置为第一值的、与被编码的所述消息相对应的元素,以及被设置为与所述第一值不同的第二值的所有其他元素。
7.根据权利要求6所述的***(10),其中所述发射器(12)被配置为对消息进行编码,并且所述接收器(14)被配置为根据相应的调制阶数m来预测由所述发射器(12)编码的所述消息,其中仅所述Mmax维向量(40)的元素1、2、…m能够被设置为所述第一值,并且其中所述Mmax维向量(40)的元素m+1、m+2、…Mmax被设置为所述第二值。
8.根据权利要求1所述的***(10),其中所述接收器(14)的所述切片层(52)被配置为消除所述第一预测向量(50)的元素,使得所述第二预测向量(56)具有等于所述调制阶数的元素的数目。
9.根据权利要求1所述的***(10),其中所述接收器(14)的所述切片层(52)具有取决于所述调制阶数的可变宽度,其中所述切片层(52)的所述宽度定义所述第二预测向量(60)的元素的数目。
10.根据权利要求1所述的***(10),其中所述发射器(12)还被配置为基于由所述接收器(14)提供的反馈来改变所述调制阶数。
11.根据权利要求1所述的***(10),其中所述发射器(12)还被配置为将消息提供给所述接收器(14)以向所述接收器(14)通知所述调制阶数。
12.一种接收器(14),包括:
通信接口(36),被配置为响应于由发射器(12)传输的信道符号的向量来接收由信道(16)生成的样本的向量;以及
至少一个处理器(32),被配置为确定针对由所述发射器(12)根据调制阶数m编码成所述信道符号的向量的消息的第一预测向量(50),所述调制阶数m可调整至最大调制阶数Mmax,其中所述至少一个处理器(32)包括切片层(52),所述切片层被配置为在所述调制阶数m小于所述最大调制阶数Mmax的情况下消除所述第一预测向量(50)的一个或多个元素,以便生成适合于如下调制阶数的第二预测向量(56),对由所述发射器(12)编码的所述消息的预测从所述调制阶数被标识。
13.根据权利要求12所述的接收器(14),其中所述至少一个处理器(32)还被配置为生成与所述调制阶数m相关联的概率向量(60),其中所述概率向量(60)基于所述第二预测向量(56)来针对m个可能的消息指派概率,其中所述至少一个处理器(32)还被配置为确定所述接收器(14)的一个或多个更新参数,其中所述接收器(14)的所述更新参数基于的是针对多个调制阶数中的每个调制阶数的所述概率向量(60),并且其中所述接收器(14)基于所述一个或多个更新参数而被重新配置。
14.根据权利要求13所述的接收器(14),其中所述至少一个处理器(32)包括激活函数,所述激活函数被配置为将所述第二预测向量(56)归一化成表示具有m个概率的概率分布的所述概率向量(60)。
15.根据权利要求13所述的接收器(14),其中所述至少一个处理器(32)包括神经网络,所述神经网络具有多个可训练参数,所述多个可训练参数通过所述至少一个处理器(32)的确定而被更新。
16.根据权利要求12所述的接收器(14),其中所述接收器(14)被配置为根据多个调制阶数来预测由所述发射器(12)编码的所述消息,并且其中相应的调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的不同消息的数目。
17.根据权利要求12所述的接收器(14),其中所述切片层(52)被配置为消除所述第一预测向量(50)的元素,使得所述第二预测向量(56)具有等于所述调制阶数的元素的数目。
18.根据权利要求12所述的接收器(14),其中所述切片层(52)具有取决于所述调制阶数的可变宽度,其中所述切片层(52)的所述宽度定义所述第二预测向量(56)的元素的数目。
19.一种装置(30),包括:
至少一个处理器(32);以及
至少一个存储器(34),包括计算机程序代码,
所述至少一个存储器(34)和所述计算机程序代码被配置为与所述至少一个处理器(32)一起使所述装置(30)至少执行:
针对由被配置为具有多个调制阶数的通信***传输的多个消息,接收多个概率向量(60),其中每个概率向量(60)与所述多个调制阶数中的一个相应调制阶数相关联,其中在所述通信***的接收器(14)的切片层(52)的切片宽度被调整至匹配调制阶数的情况下,所述概率向量(60)被生成,并且其中所述概率向量(60)将概率指派给样本的向量,所述样本的向量标识相应消息与所述样本的向量相对应的概率;
确定所述通信***的所述接收器(14)的一个或多个更新参数,所述接收器响应于由所述通信***的发射器(12)传输的信道符号的向量来接收由信道(16)生成的所述样本的向量,其中所述接收器(14)的所述更新参数基于的是所述多个概率向量(60);以及
确定所述发射器(12)的一个或多个更新参数,所述发射器提供用于通过所述信道(16)传输的所述信道符号的向量,其中所述发射器(12)的所述更新参数基于的是所述多个概率向量(60)。
20.根据权利要求19所述的装置(30),其中所述至少一个存储器(34)和所述计算机程序代码还被配置为与所述至少一个处理器(32)一起使所述装置(30):重复地接收针对由所述通信***传输的不同的多个消息的附加的多个概率向量(60),并且基于所述附加的多个概率向量(60)重复地确定所述接收器(14)和所述发射器(12)的所述一个或多个更新参数。
21.根据权利要求20所述的装置(30),其中所述至少一个存储器(32)和所述计算机程序代码还被配置为与所述至少一个处理器(34)一起使所述装置(30):评估停止标准,并且继续重复地接收针对由所述通信***传输的所述不同的多个消息的所述附加的多个概率向量(60),并且基于所述附加的多个概率向量(60)重复地确定所述接收器(14)和所述发射器(12)的所述一个或多个更新参数,直到所述停止标准被满足。
22.根据权利要求19所述的装置(30),其中所述至少一个存储器(34)和所述计算机程序代码还被配置为与所述至少一个处理器(32)一起使所述装置(30):基于所述多个概率向量(60)来确定损失函数,并且对所述损失函数执行梯度下降,其中所述至少一个存储器(34)和所述计算机程序代码还被配置为与所述至少一个处理器(32)一起使所述装置(30):基于所述梯度下降来确定所述接收器(14)和所述发射器(12)的一个或多个更新参数。
23.根据权利要求19所述的装置(30),其中所述调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的不同消息的数目,并且其中所述多个调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的消息的不同数目。
24.一种方法,包括:
针对由被配置为具有多个调制阶数的通信***传输的多个消息,接收(118)多个概率向量(60),其中每个概率向量(60)与所述多个调制阶数中的一个相应调制阶数相关联,其中在所述通信***的接收器(14)的切片层(52)的切片宽度被调整至与调制阶数匹配的情况下,所述概率向量(60)被生成,并且其中所述概率向量(60)将概率指派给样本的向量,所述样本的向量标识相应消息与所述样本的向量相对应的所述概率;
确定(120)所述通信***的所述接收器(14)的一个或多个更新参数,所述接收器(14)响应于由所述通信***的发射器(12)传输的信道符号的向量来接收由信道(16)生成的所述样本的向量,其中所述接收器(14)的所述更新参数基于的是所述多个概率向量(60);以及
确定(122)所述发射器(12)的一个或多个更新参数,所述发射器提供用于通过所述信道(16)传输的所述信道符号的向量,其中所述发射器(12)的所述更新参数基于的是所述多个概率向量(60)。
25.根据权利要求24所述的方法,还包括:重复地接收(118)针对由所述通信***传输的不同的多个消息的附加的多个概率向量(60),并且基于所述附加的多个概率向量(60)重复地确定(120,122)所述接收器(14)和所述发射器(12)的所述一个或多个更新参数。
26.根据权利要求25所述的方法,还包括:评估(124)停止标准,并且继续重复地接收(118)针对由所述通信***传输的所述不同的多个消息的所述附加的多个概率向量(60),并基于所述附加的多个概率向量(60)重复地确定(120,122)所述接收器(14)和所述发射器(12)的所述一个或多个更新参数,直到所述停止标准被满足。
27.根据权利要求24所述的方法,还包括:基于所述多个概率向量(60)确定损失函数,并且对所述损失函数执行梯度下降,其中确定所述接收器(14)和所述发射器(12)的一个或多个更新参数包括基于所述梯度下降来确定所述接收器(14)和所述发射器(12)的一个或多个更新参数。
28.根据权利要求24所述的方法,其中所述调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的不同消息的数目,并且其中所述多个调制阶数定义能够由所述发射器(12)编码并且由所述接收器(14)预测的消息的不同数目。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20195547A FI20195547A1 (en) | 2019-06-20 | 2019-06-20 | Systems and apparatus for adaptive modulation category |
FI20195547 | 2019-06-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112118203A true CN112118203A (zh) | 2020-12-22 |
CN112118203B CN112118203B (zh) | 2023-08-25 |
Family
ID=73654400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010568284.XA Active CN112118203B (zh) | 2019-06-20 | 2020-06-19 | 具有可配置调制阶数的通信***以及相关联的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11082149B2 (zh) |
CN (1) | CN112118203B (zh) |
DE (1) | DE102020116075B4 (zh) |
FI (1) | FI20195547A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112740631A (zh) * | 2018-07-20 | 2021-04-30 | 诺基亚技术有限公司 | 通过接收算法中的参数的更新来在通信***中学习 |
US10958585B2 (en) * | 2018-12-31 | 2021-03-23 | Juniper Networks, Inc. | Methods and apparatus for facilitating fault detection and/or predictive fault detection |
US11138059B2 (en) | 2019-09-25 | 2021-10-05 | Juniper Networks, Inc. | Log analysis in vector space |
EP3813270A1 (en) * | 2019-10-23 | 2021-04-28 | Nokia Solutions and Networks Oy | Coordinated link adaptation and packet scheduling in dynamic spectrum sharing |
US11936406B2 (en) | 2020-09-09 | 2024-03-19 | SparkCognition, Inc. | Machine-learning based analysis, prediction, and response based on electromagnetic waveforms |
US20220077951A1 (en) * | 2020-09-09 | 2022-03-10 | Sparkcognition, Inc | Machine-learning based analysis and response based on electromagnetic waveforms and sensor data |
US12028095B2 (en) | 2020-09-09 | 2024-07-02 | SparkCognition, Inc. | Machine-learning based analysis and response to electromagnetic waveforms |
US11411796B1 (en) * | 2021-02-26 | 2022-08-09 | Qualcomm Incorporated | Bit interleaving for bitwise autoencoder based communications |
CN116073942A (zh) * | 2021-10-29 | 2023-05-05 | 华为技术有限公司 | 通信方法和通信装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070260958A1 (en) * | 2006-02-08 | 2007-11-08 | Interdigital Technology Corporation | Wireless communication method and system for bit interleaved coded modulation and iterative decoding |
CN101978635A (zh) * | 2008-03-26 | 2011-02-16 | 高通股份有限公司 | 用以约束数据信道上的确认/否认发射的星座图大小的加扰和调制 |
CN108540267A (zh) * | 2018-04-13 | 2018-09-14 | 北京邮电大学 | 一种基于深度学习的多用户数据信息检测方法及装置 |
CN109379120A (zh) * | 2018-12-11 | 2019-02-22 | 深圳大学 | 链路自适应方法、电子装置及计算机可读存储介质 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100211842A1 (en) * | 2007-10-09 | 2010-08-19 | Sung Ho Moon | Method of transmitting data using constellation rearrangement |
US9660792B2 (en) * | 2012-06-30 | 2017-05-23 | Cable Television Laboratories, Inc. | Multi-carrier transmission |
WO2014144758A1 (en) * | 2013-03-15 | 2014-09-18 | Huawei Technologies Co., Ltd. | Low complexity receiver and method for low density signature modulation |
KR102214070B1 (ko) * | 2013-03-27 | 2021-02-09 | 엘지전자 주식회사 | 무선 통신 시스템에서 간섭 제거를 위한 방법 및 이를 위한 장치 |
CN105359569B (zh) * | 2013-07-09 | 2019-07-09 | Lg电子株式会社 | 在无线通信***中用于信道状态报告的方法及其设备 |
US9620145B2 (en) | 2013-11-01 | 2017-04-11 | Google Inc. | Context-dependent state tying using a neural network |
KR102075946B1 (ko) * | 2013-12-27 | 2020-02-11 | 삼성전자주식회사 | 비이진 패리티 검사 부호의 복호 방법 및 장치 |
US9986572B2 (en) * | 2014-08-12 | 2018-05-29 | Lg Electronics Inc. | Method for channel state report in wireless communication system and apparatus therefor |
US10074041B2 (en) | 2015-04-17 | 2018-09-11 | Nec Corporation | Fine-grained image classification by exploring bipartite-graph labels |
WO2018152246A1 (en) | 2017-02-14 | 2018-08-23 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for transmitting and receiving data using machine learning classification |
ES2895925T3 (es) | 2017-04-20 | 2022-02-23 | Nokia Technologies Oy | Procedimiento y dispositivo para configurar un sistema de transmisión y procesamiento de datos |
US10003483B1 (en) | 2017-05-03 | 2018-06-19 | The United States Of America, As Represented By The Secretary Of The Navy | Biologically inspired methods and systems for automatically determining the modulation types of radio signals using stacked de-noising autoencoders |
EP3418948B1 (en) | 2017-06-19 | 2020-06-03 | Nokia Technologies Oy | Data transmission network configuration |
EP3418821B1 (en) | 2017-06-19 | 2021-09-08 | Nokia Technologies Oy | Method and device for configuring a data transmission system |
WO2019080988A1 (en) | 2017-10-23 | 2019-05-02 | Nokia Technologies Oy | END-TO-END LEARNING IN COMMUNICATION SYSTEMS |
WO2019080987A1 (en) | 2017-10-23 | 2019-05-02 | Nokia Technologies Oy | END-TO-END LEARNING IN COMMUNICATION SYSTEMS |
CN111712835B (zh) | 2018-01-02 | 2023-09-01 | 诺基亚技术有限公司 | 数据传输***中的信道建模 |
CN108460457A (zh) | 2018-03-30 | 2018-08-28 | 苏州纳智天地智能科技有限公司 | 一种面向卷积神经网络的多机多卡混合并行异步训练方法 |
EP3776365A1 (en) | 2018-04-03 | 2021-02-17 | Nokia Technologies Oy | End-to-end learning in communication systems |
CN111937469A (zh) * | 2018-04-04 | 2020-11-13 | 中兴通讯股份有限公司 | 信道质量指示信息发送和接收 |
-
2019
- 2019-06-20 FI FI20195547A patent/FI20195547A1/en not_active Application Discontinuation
-
2020
- 2020-06-18 DE DE102020116075.5A patent/DE102020116075B4/de active Active
- 2020-06-18 US US16/905,569 patent/US11082149B2/en active Active
- 2020-06-19 CN CN202010568284.XA patent/CN112118203B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070260958A1 (en) * | 2006-02-08 | 2007-11-08 | Interdigital Technology Corporation | Wireless communication method and system for bit interleaved coded modulation and iterative decoding |
CN101978635A (zh) * | 2008-03-26 | 2011-02-16 | 高通股份有限公司 | 用以约束数据信道上的确认/否认发射的星座图大小的加扰和调制 |
CN108540267A (zh) * | 2018-04-13 | 2018-09-14 | 北京邮电大学 | 一种基于深度学习的多用户数据信息检测方法及装置 |
CN109379120A (zh) * | 2018-12-11 | 2019-02-22 | 深圳大学 | 链路自适应方法、电子装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
""R2-1701059"", 《3GPP TSG_RAN\WG2_RL2》 * |
吴佩军,侯进,吕志良,桂梅书,张笑语,陈曾: "一种基于星座图恢复的多进制相位调制信号识别算法", 《电讯技术》 * |
Also Published As
Publication number | Publication date |
---|---|
US11082149B2 (en) | 2021-08-03 |
CN112118203B (zh) | 2023-08-25 |
FI20195547A1 (en) | 2020-12-21 |
DE102020116075B4 (de) | 2021-11-04 |
US20200403723A1 (en) | 2020-12-24 |
DE102020116075A1 (de) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112118203B (zh) | 具有可配置调制阶数的通信***以及相关联的方法和装置 | |
US20220329359A1 (en) | Apparatus, method and sw for harq control | |
US20220353012A1 (en) | Apparatus, method and sw for harq control | |
CN111542111B (zh) | 用于提供定时同步的方法、装置和*** | |
CN112153658A (zh) | 基于分组错误预测的延迟减少 | |
EP3849102A1 (en) | Machine-learning-based detection and reconstruction from low-resolution samples | |
US20220393795A1 (en) | Apparatuses and methods for providing feedback | |
US11888672B2 (en) | Predicting decodability of received data | |
CN115442847A (zh) | 提高链路自适应 | |
US10797930B1 (en) | Apparatus and method for detection of received signals | |
CN112217543B (zh) | 用于符号检测的方法和装置 | |
US11617183B2 (en) | Demapping received data | |
CN115150238B (zh) | 用于基于正交频分复用的通信的机器学习 | |
US20240155329A1 (en) | Radio parameter detection | |
WO2019138151A1 (en) | Coding and decoding of coupled chains | |
CN116636187A (zh) | 网络状态建模 |
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 |