JP7005729B2 - パケットスケジューラ - Google Patents

Description

本明細書はパケットスケジューリングに関する。

モバイル通信システムにおけるパケットスケジューリングは、タイムクリティカルな（スピード重視の）プロセスとなり得る。所望の期間内に必要な処理を実行することは困難な場合がある。この分野では発展が成されてきたが、依然としてこの分野のさらなる発展が必要とされている。

本明細書の第１の態様では、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力（ＭＩＭＯ）動作を実行して多入力多出力動作出力を生成するステップと、第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブル（例えば、ＭＬ予測型ルックアップテーブル（ＭＬ ｐｒｅｄｉｃｔｅｄ ｌｏｏｋｕｐ ｔａｂｌｅ））から取得するステップと、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定するステップと、を実行する手段を備えた装置（例えば、パケットスケジューラモジュール）について説明する。この装置は、基地局、ｇＮＢなどの通信ノードに設けることができる。ＭＩＭＯ動作は、例えばマルチユーザＭＩＭＯ動作又はマッシブＭＩＭＯ動作とすることができる。

いくつかの実施形態例では、手段が、通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定するステップを実行するようにさらに構成され、装置は、負荷レベルが前記閾値を下回る時には第１のモードで動作するように決定され、負荷レベルが前記閾値を上回る時には第２のモードで動作するように決定される。装置は、通信ノードの負荷レベルを取得（例えば、決定、受信、又は別様に取得）するステップをさらに含むことができる。

第１の動作モードでは、チャネル指標データを前記動作への入力として使用して多入力多出力動作（ＭＩＭＯ）を実行することができる。チャネル指標データは、例えばチャネル品質インジケータ、又は他の何らかのチャネル品質の（単複の）インジケータを含むことができる。

手段は、前記ルックアップテーブルに多入力多出力（ＭＩＭＯ）アルゴリズムの出力を投入するステップを実行するようにさらに構成することができ、ＭＩＭＯアルゴリズムは、統計モデルから推定されるチャネル指標を受け取る。ルックアップテーブルには、関連するチャネルの統計モデルに基づいて投入を行うことができる。ルックアップテーブルには、オフラインで（例えば、関連するスロットウィンドウ内でテーブルを更新する必要がないようにプロセスの非重要部分で）投入を行うことができる。

いくつかの実施形態例は、例えば統計モデルをダウンロードすることによって（例えば、ｏＲＡＮコントローラのパケットスケジューラスピードアップ（ＰＳＳ）モジュールから）前記統計モデルを取得するステップをさらに含む。統計モデルは、機械学習型モデルとすることができる。

いくつかの実施形態は、前記統計モデルの更新において使用されるチャネル指標データを提供するステップをさらに含む。

いくつかの実施形態例は、前記スロット内で送信用データを送信する資格がある１又は２以上のユーザ装置を決定するステップをさらに含む。

前記手段は、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを含むことができ、少なくとも１つのメモリ及びコンピュータプログラムは、少なくとも１つのプロセッサと協働して装置の動作を引き起こすように構成される。

本明細書の第２の態様では、通信システムのネットワークノードからチャネル指標データ（例えば、チャネル品質指示（ＣＱＩ）又は他の何らかのチャネル状態データ）を受け取るステップと、将来的なチャネル指標データを予測する統計モデル（例えば、機械学習型モデル）を構築するステップと、モデルをネットワークノードに提供するステップと、を実行する手段を備えた装置を提供する。将来的なチャネル指標データの予測は、時刻、休暇期間、既存の測定パラメータなどの因子に基づくことができる。モデルは、ネットワークノードに固有のものとすることができる（例えば、他のネットワークノードについては別個のモデルを生成することができる）。

統計モデルは、ネットワークノードに定期的に（例えば、１日に１回）提供することができる。或いは、統計モデルは、例えば必要時などの非定期的に提供することもできる。

前記手段は、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを含むことができ、少なくとも１つのメモリ及びコンピュータプログラムは、少なくとも１つのプロセッサと協働して装置の動作を引き起こすように構成される。

本明細書の第３の態様では、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップと、第２の動作モードにおいて、１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブル（例えば、ＭＬ推測型ルックアップテーブル）から取得するステップと、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定するステップと、を含む方法について説明する。

この方法は、通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定するステップを含むことができ、負荷レベルが前記閾値を下回る時には第１のモードで動作し、負荷レベルが前記閾値を上回る時には第２のモードで動作する。この方法は、前記負荷レベルを決定するステップを含むことができる。

第１の動作モードでは、チャネル指標データ（例えば、チャネル品質インジケータ）を前記動作への入力として使用して多入力多出力動作を実行することができる。

方法は、前記ルックアップテーブルに多入力多出力アルゴリズムの出力を投入するステップをさらに含むことができ、多入力多出力アルゴリズムは、（機械学習型モデルなどの）統計モデルから推定されるチャネル指標を受け取る。ルックアップテーブルには、オフラインで投入を行うことができる。方法は、（例えば、前記モデルをダウンロードすることによって）前記統計モデルを取得するステップをさらに含むことができる。方法は、前記統計モデルの更新において使用されるチャネル指標データを提供するステップをさらに含むことができる。

方法は、前記スロット内で送信用データを送信する資格がある１又は２以上のユーザ装置を決定するステップを含むことができる。

本明細書の第４の態様では、通信システムのネットワークノードからチャネル指標データ（例えば、チャネル品質指示）を受け取るステップと、将来的なチャネル指標データを予測する統計モデル（例えば、機械学習型モデル）を構築するステップと、モデルをネットワークノードに提供するステップと、を含む方法について説明する。予測は、時刻、休暇期間、既存の測定パラメータなどの因子に基づくことができる。モデルは、前記ネットワークノードに固有のものとすることができる（例えば、他のネットワークノードについては別個のモデルを生成することができる）。モデルは、ネットワークノードに定期的に提供することも、或いは（例えば、何らかの事象に基づいて）ネットワークノードに非定期的に提供することもできる。

本明細書の第５の態様では、第３又は第４の態様を参照しながら説明したようないずれかの方法を実行するように構成された装置について説明する。

本明細書の第６の態様では、コンピュータ装置によって実行された時に、第３又は第４の態様を参照しながら説明したようないずれかの方法をコンピュータ装置に実行させるコンピュータ可読命令について説明する。

本明細書の第７の態様では、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップと、第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップと、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定するステップと、を少なくとも装置に実行させる命令を含むコンピュータプログラムについて説明する。

本明細書の第８の態様では、通信システムのネットワークノードからチャネル指標データを受け取るステップと、将来的なチャネル指標データを予測する統計モデルを構築するステップと、モデルをネットワークノードに提供するステップと、を少なくとも装置に実行させる命令を含むコンピュータプログラムについて説明する。

本明細書の第９の態様では、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップと、第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップと、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定するステップと、を少なくとも実行するためのコンピュータプログラム命令を記憶した（非一時的コンピュータ可読媒体などの）コンピュータ可読媒体について説明する。

本明細書の第１０の態様では、通信システムのネットワークノードからチャネル指標データを受け取るステップと、将来的なチャネル指標データを予測する統計モデルを構築するステップと、モデルをネットワークノードに提供するステップと、を少なくとも実行するためのコンピュータプログラム命令を記憶した（非一時的コンピュータ可読媒体などの）コンピュータ可読媒体について説明する。

本明細書の第１１の態様では、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、コンピュータプログラムコードが、少なくとも１つのプロセッサによって実行された時に、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップと、第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップと、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定するステップと、を装置に実行させる装置について説明する。

本明細書の第１２の態様では、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを備え、コンピュータプログラムコードが、少なくとも１つのプロセッサによって実行された時に、通信システムのネットワークノードからチャネル指標データを受け取るステップと、将来的なチャネル指標データを予測する統計モデルを構築するステップと、モデルをネットワークノードに提供するステップと、を装置に実行させる装置について説明する。

本明細書の第１３の態様では、第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力（ＭＩＭＯ）動作を実行して多入力多出力動作出力を生成する第１のモジュール（パケットスケジューラモジュール）と、第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブル（例えば、ＭＬ予測型ルックアップテーブル）から取得する第２のモジュール（ＭＩＭＯ推定器）と、第１の動作モードで動作すべきであるか、それとも第２の動作モードで動作すべきであるかを判定する（第２のモジュールが実装できる）第３のモジュールと、を備えた装置（パケットスケジューラモジュール）について説明する。この装置は、基地局、ｇＮＢなどの通信ノードに設けることができる。ＭＩＭＯ動作は、例えばマルチユーザＭＩＭＯ動作又はマッシブＭＩＭＯ動作とすることができる。

本明細書の第１４の態様では、通信システムのネットワークノードからチャネル指標データ（例えば、チャネル品質指示（ＣＱＩ）又は他の何らかのチャネル状態データ）を受け取る入力部と、将来的なチャネル指標データを予測する統計モデル（例えば、機械学習型モデル）を構築するプロセッサと、モデルをネットワークノードに提供する出力部と、を備えた装置（例えば、モデルビルダモジュール）について説明する。将来的なチャネル指標データの予測は、時刻、休暇期間、既存の測定パラメータなどの因子に基づくことができる。モデルは、ネットワークノードに固有のものとすることができる（例えば、他のネットワークノードについては別個のモデルを生成することができる）。

以下、概略図面を参照しながら非限定的な例として実施形態例を説明する。

ある実施形態例による複数の通信スロットを示すブロック図である。 いくつかの実施形態例によるシステムのブロック図である。 いくつかの実施形態例によるシステムのブロック図である。 ある実施形態例によるアルゴリズムを示すフローチャートである。 ある実施形態例によるシステムのブロック図である。 ある実施形態例によるアルゴリズムを示すフローチャートである。 ある実施形態例によるシステムのブロック図である。 いくつかの実施形態例によるアルゴリズムを示すフローチャートである。 いくつかの実施形態例によるアルゴリズムを示すフローチャートである。 いくつかの実施形態例によるアルゴリズムを示すフローチャートである。 ある実施形態例によるニューラルネットワークを示す図である。 ある実施形態例によるシステムのコンポーネントのブロック図である。 コンピュータによって実行された時に実施形態例による動作を実行するコンピュータ可読コードを記憶した取り外し可能な不揮発性記憶装置としての有形媒体を示す図である。 コンピュータによって実行された時に実施形態例による動作を実行するコンピュータ可読コードを記憶したコンパクトディスク（ＣＤ）としての有形媒体を示す図である。

本発明の様々な実施形態例に求められる保護範囲については独立請求項に記載する。独立請求項の範囲に該当しない実施形態例及び特徴が本明細書に記載されていれば、これらは本発明の様々な実施形態例を理解するのに役立つ例であると解釈されたい。

説明及び図面では、全体を通じて同様の要素を同様の参照符号によって示す。

図１は、ある実施形態例による複数の通信スロット（具体的には、スロットＮ－１、Ｎ、Ｎ＋１及びＮ＋２）を一般に参照符号１０によって示すブロック図である。

例えば、各スロットは、（例えば、５Ｇ新無線（ＮＲ）標準に従う）ＭＡＣパケットスケジューラなどのパケットスケジューラの出力とすることができる。スロット１０のタイミングは、スロット１０内で送信するデータを生成するパケットスケジューラ（例えば、ＭＡＣパケットスケジューラ）が送信用データをスケジュールするための厳密な時間ウィンドウを有することができるように予め定めておくことができる。

スロット１０内で通信されるデータを生成するために行われるデータ処理は、多くの形を取ることができる。いくつかの実施形態では、スロット継続時間内で必要な処理を完了することが困難な場合がある。この原因は、以下の一部又は全部をサポートする必要性にある。
・概ね１００ＭＨｚの帯域幅
・マッシブＭＩＭＯ、マルチユーザＭＩＭＯ（ＭＵ－ＭＩＭＯ）などの多入力多出力（ＭＩＭＯ）アルゴリズム
・スロット継続時間が非常に短いｍｍＷ（例えば、１２５μｓ）
・超高信頼低遅延（Ｕｌｔｒａ－Ｒｅｌｉａｂｌｅ Ｌｏｗ－Ｌａｔｅｎｃｙ：ＵＲＬＩＣ）要件
・基地局当たり数百人ものユーザをサポートする必要性
・コスト削減の必要性

図２は、ある実施形態例によるシステムを一般に参照符号２０によって示すブロック図である。システム２０は、上述したデータスロット１０内で通信されるデータを生成できるパケットスケジューラの例である。

システム２０は、プレスケジューラ２２、時間領域（ＴＤ）スケジューラ２４、ＭＩＭＯプロセッサ２６、及び周波数領域（ＦＤ）プロセッサ２８を含む。

プレスケジューラ２２は、第１の候補集合リスト（ｃａｎｄｉｄａｔｅ ｓｅｔ ｌｉｓｔ）（ＣＳ－１）を準備する。ＣＳ－１リストは、送信すべきデータを有していて来たる送信時間間隔（ＴＴＩ）内にスケジューリングを行う資格があるユーザ装置（ＵＥ）のリストである。従って、有資格ＵＥの少なくとも一部は、上述したスロット１０のうちの１つ又は２つ以上においてデータを送信することができる。

時間領域（ＴＤ）スケジューラ２４及びＭＩＭＯプロセッサ２６は、ＣＳ－１リストを処理して、このリストの第２の候補リスト（ＣＳ－２）を形成するサブセットを生成する。時間領域（ＴＤ）スケジューラ２４による処理は、ＵＥ優先度、緊急度、サービス品質指標及びスループットなどの因子を含むことができる。ＭＩＭＯプロセッサ２６による処理は、例えばビーム指標計算、重心ビーム（ｃｅｎｔｒｏｉｄ ｂｅａｍｓ）の発見、サブセルの形成、時間領域割り当ての実行などの機能を実行することを含む。ＭＩＭＯプロセッサ２６は、マルチユーザＭＩＭＯ（ＭＵ－ＭＩＭＯ）アルゴリズム（及び「複合重心ビーム選択（ｃｏｍｐｌｅｘ ｃｅｎｔｒｏｉｄ ｂｅａｍ ｓｅｌｅｃｔｉｏｎ）を伴うボロノイ（Ｖｏｒｏｎｏｉ）アルゴリズム」を含むその多くの変形例）などの多くの異なるＭＩＭＯアルゴリズムのうちの１つを実装することができる。

周波数領域（ＦＤ）プロセッサ２８は、ＣＳ－２リスト内のＵＥに、送信スロット内でデータを通信できるように物理リソースブロックを割り当てる。

上述したように、システム２０などのパケットスケジューラは、スロット１０のうちの１つなどの来たる送信時間間隔（ＴＴＩ）内で送信するデータを時間内に処理することが困難な場合がある。例えば、ＭＩＭＯ処理に時間が掛かることにより、（ミリメートル波送信では１２５μ、センチメートル波送信では５００μなどの）許容された期間又はスロット継続時間内にＭＩＭＯプロセッサ２６が所望の処理を完了することが困難になる場合がある。

多くの高度ＭＩＭＯアルゴリズムが開発されてきた。これらのアルゴリズムの多くは優れたパフォーマンス（例えば、高スペクトル効率）を提供するが、計算集約的である（従って、データの処理に時間が掛かる）。これらのアルゴリズムの少なくとも一部のＣＰＵサイクル要件は、関連するスロットのタイミングバジェットを超過することなくパケットスケジューラのタイムクリティカルな経路内でこれらのアルゴリズムを実行することを困難にする。

図３は、ある実施形態例によるシステムを一般に参照符号３０によって示すブロック図である。

システム３０は、パケットスケジューラスピードアップ（ＰＳＳ）モジュール３４を有する無線コントローラ３２を含む。無線コントローラ３２は、ポリシー／オーケストレーションエンジン（ｐｏｌｉｃｙ／ｏｒｃｈｅｓｔｒａｔｉｏｎ ｅｎｇｉｎｅ）３６と双方向通信するとともに、基地局（例えば、ｇＮＢ／ＲＡＮ）などの通信ノード３８とも双方向通信する。

ＰＳＳモジュール３４は、ポリシー／オーケストレーションエンジン３６から（ポリシーアプリケーションプログラムインターフェイス（ＡＰＩ）を介して）パケットスケジューラスピードアップ（ＰＳＳ）モジュール３４を適用すべきセルの指示、及び（例えば、サービスレベル合意及び／又はＲＡＮの状態又は特性に基づいて）ＰＳＳモジュール３４をいつ有効／無効にすべきであるかに関するオペレータが定めた（単複の）基準などのポリシーを受け取る。ＰＳＳモジュール３４は、通信ノード３８から（別のＡＰＩを介して）一連のデータも受け取る。

ＰＳＳモジュール３４は、通信ノード３８から受け取ったデータに基づいて、パケットスケジューリングにおいて使用できるモデル（例えば、「ＵＥチャネル時系列」）を構築する。以下で詳細に説明するように、とりわけこのモデルは、ＭＩＭＯアルゴリズムを実行するために使用できるＵＥ毎の入力パラメータ（ｐｅｒ ＵＥ ｉｎｐｕｔ ｐａｒａｍｅｔｅｒｓ）の推定を可能にする。これらの推定は、潜在的なＭＩＭＯアルゴリズム出力が（重要な時間経路外で）予め生成されることを可能にする。タイムクリティカルなパケットスケジューリング動作中に、計算集約的で時間の掛かるＭＩＭＯ処理をその時点で実行する必要なく、適切なＭＩＭＯアルゴリズム出力をフェッチすることができる。

以下、通信ノード３８からＰＳＳモジュール３４に提供できるデータの例を示す（当然ながら、これらのデータは一例として示すものであり、これらのデータの一部に加えて、又はその代わりに他のデータを提供することもできる）。
・ＵＥチャネル品質インジケータ
・パケットスケジューラによるＣＰＵサイクル消費
・重要業績評価指標（ＫＰＩ）（例えば、接続ユーザの数、アクティブユーザの数、ベアラの数、ダウンリンク又はアップリンクＰＲＢ利用率、ＰＤＣＣＨ利用率、ＰＵＣＣＨ利用率、複合利用可能容量（ｃｏｍｐｏｓｉｔｅ ａｖａｉｌａｂｌｅ ｃａｐａｃｉｔｙ）、ノードにおける総配信又は受信データなど）
・ＰＳＳモジュール３４によって生成されたモデルの性能指標

図４は、ある実施形態例によるアルゴリズムを一般に参照符号４０によって示すフローチャートである。

アルゴリズム４０は動作４２から開始し、（例えば、ＰＳＳスケジューラ３４において）通信システムのネットワークノード（例えば、通信ノード３８）からチャネル指標データ（例えば、チャネル品質指示（ＣＱＩ）又は他の何らかのチャネル状態データ）を受け取る。

動作４４において、（例えば、ＰＳＳモジュール３４において）将来的なチャネル指標データ（例えば、ＵＥ毎のチャネル指標データ／チャネルパラメータ）を予測するために使用できる統計モデルを構築する。例えば、これらの予測は、時刻、休暇期間、既存の／現在の測定パラメータなどの因子に基づくことができる。動作４４の実施段階で生成されるモデルは、特定のネットワークノードに固有のものとすることができる（例えば、他のネットワークノードについては異なるモデルを生成ことができる）。

１つの実施形態例では、（動作４２において）ＴＴＩ又はスロットチャネル状態（例えば、各ＵＥのＣＱＩ）毎に収集を行うことによって（動作４４において）モデルが形成される。（一例として）以下のＵＥ属性を使用することができる。
・シャドウフェージングの主要因であるＣＱＩの平均変化率
・高速フェージングの主要因であるユーザのＣＱＩのレベル交差率（Ｌｅｖｅｌ ｃｒｏｓｓｉｎｇ ｒａｔｅ：ＬＣＲ）

動作４６において、動作４４において生成されたモデルをネットワークノード（例えば、通信ノード３８）に提供する。モデルは、（例えば、ノード３８が）Ｅ２標準インターフェイスを介してダウンロードすることができる。モデルは定期的にダウンロードすることができるが、これは全ての実施形態に必須ではない。例えば、モデルは、特定のトリガ（例えば、性能トリガ（ｐｅｒｆｏｒｍａｎｃｅ ｔｒｉｇｇｅｒｓ））時にダウンロードすることもできる。１つの実施形態例では、モデルが１日に１回（例えば、通常はトラフィック量が少ない夜間に）ダウンロードされる。さらに、モデルをダウンロードする時点は、例えば性能に基づいて時間経過と共に微調整できる変数とすることもできる。

図５は、ある実施形態例によるシステムを一般に参照符号５０によって示すブロック図である。システム５０は、（上述したＰＳＳモジュール３４の一部を形成することができる）モデルビルダを含む。モデルビルダ５４は、チャネル指標データ（例えば、チャネル品質指示（ＣＱＩ）又は他の何らかのチャネル状態データ）を受け取り、（例えば、次のいくつかのタイムスロットの）将来的なチャネル指標データを予測する統計モデルを構築し、このモデルをネットワークノードに提供する。この統計モデルは、機械学習型モデルとすることができる。

システム５０は、モデルビルダ５４による前記統計モデルの更新において使用されるチャネル指標データ（例えば、ＵＥ毎のチャネル品質インジケータ）を提供するモジュール５２を含む。例えば、この指標データは、上述したモジュール３４などのＰＳＳモジュールに提供することができる。

図６は、ある実施形態例によるアルゴリズムを一般に参照符号６０によって示すフローチャートである。アルゴリズム６０は、上述したノード３８などの複数の通信ノード（例えば、基地局又はｇＮＢ）のうちの１つにおいて実行することができる。

動作６２において、統計モデルを受け取る。このモデルは、上述したＰＳＳモジュール３４又はモデルビルダ５４が構築することができる。このモデルは、例えばＥ２標準インターフェイスを介してｇＮＢにダウンロードすることができる。上述したように、動作６２は、定期的に（例えば、１日に１回）又はトリガに応答して実行することができ、従ってアルゴリズム６０が実行される度に実行しなくてもよい。（従って、アルゴリズム６０ではこの動作を点線の形で示す。）

動作６４において、統計モデルを使用して関連するチャネルのチャネル指標を推測する。例えば、次のいくつかのタイムスロットについて、チャネル品質指示（ＣＱＩ）又はチャネルの他の何らかの（単複の）インジケータなどのチャネル推定値を推定することができる。

動作６６において、推定されたチャネル指標をアルゴリズムへの入力として使用してＭＩＭＯアルゴリズムを実行する。動作６６は、パケットスケジューラ（例えば、上述したパケットスケジューラ２０）のタイムクリティカルな経路外に実装して、例えば異なるプロセッサコア上で実行することができる。

動作６８において、ＭＩＭＯアルゴリズムの出力に基づいて（すなわち、動作６６において生成された出力に基づいて）ルックアップテーブル（ＬＵＴ）に投入を行う。動作６８において投入されたルックアップテーブルは、関連するノードのＭＩＭＯスロット番号を（動作６４において推定されたチャネル指標データに基づく）ＭＩＭＯアルゴリズム出力に一致させる。従って、実際のＭＩＭＯアルゴリズムは、動作６２において取得された統計モデルを使用して推定されたチャネル指標データに基づいて使用することができる。

このように、ルックアップテーブルへの投入は、例えばプロセスの非重要部分などにおいてオフラインで行うことができる。従って、上述したスロットウィンドウのうちの１つの範囲内でルックアップテーブルを更新する必要はない。

図７は、ある実施形態例によるシステムを一般に参照符号７０によって示すブロック図である。

システム７０は、（上述したプレスケジューラ２２と同様の）プレスケジューラ７２、（上述した時間領域（ＴＤ）スケジューラ２４と同様の）時間領域（ＴＤ）スケジューラ７４、（上述したＭＩＭＯプロセッサ２６と同様の）ＭＩＭＯプロセッサ７６、及び（上述した周波数領域（ＦＤ）プロセッサ２８と同様の）周波数領域（ＦＤ）プロセッサ７９を含む。システム７０は、ＭＩＭＯ推定器７７及びルックアップテーブル（ＬＵＴ）７８をさらに含む。

図８は、ある実施形態例によるアルゴリズムを一般に参照符号８０によって示すフローチャートである。アルゴリズム８０は、システム７０を使用して実装することができる。

アルゴリズム８０は動作８２から開始して、プレスケジューラ７２が、送信すべきデータを有していて来たる送信時間間隔（ＴＴＩ）（例えば、スロット）内にスケジューリングを行う資格があるユーザ装置（ＵＥ）の第１の候補集合リスト（ＣＳ－１）を準備する。

動作８４において、時間領域（ＴＤ）スケジューラ７４がＣＳ－１リストを処理する。動作８４の処理は、ＵＥ優先度、緊急度、サービス品質指標及びスループットなどの因子を含むことができる。

動作８６において、ＭＩＭＯ処理を実行してＭＩＭＯアルゴリズム出力値を生成する。動作８６は、以下で詳細に説明するようなＭＩＭＯプロセッサ７６又はＭＩＭＯ推定器７７が実行することができる。従って、動作８４及び８６は、ＣＳ－１リストを処理して、このリストの第２の候補リスト（ＣＳ－２）を形成するサブセットを生成する。動作８８において、周波数領域（ＦＤ）プロセッサ７９が、ＣＳ－２リスト内のＵＥに、送信スロットを使用してデータを通信できるように物理リソースブロックを割り当てる。この処理は、動作８６において生成されたＭＩＭＯアルゴリズム出力値及びその他の側面又は検討事項に基づいてＦＤプロセッサ７９によって実行される。

上述したように、システム２０などのパケットスケジューラは、来たる送信時間間隔（ＴＴＩ）又はスロット内で送信するデータを時間内に処理することが困難な場合がある。例えば、ＭＩＭＯ処理に時間が掛かることにより、許容された期間（又はスロット継続時間）内にＭＩＭＯプロセッサ２６が所望の処理を完了することが困難になる場合がある。

図９は、ある実施形態例によるアルゴリズムを一般に参照符号９０によって示すフローチャートである。アルゴリズム９０は、上述したアルゴリズム８０の動作８６の実装例である。

アルゴリズム９０は動作９２から開始して、動作モードを決定する。アルゴリズム９０は、２つの動作モードを有する。第１の動作モードは、アルゴリズムが動作９４に進む軽負荷シナリオ（ｌｉｇｈｔｌｙ－ｌｏａｄｅｄ ｓｃｅｎａｒｉｏ）に対応することができる。第２の動作モードは、アルゴリズムが動作９６に進む重負荷シナリオ（ｈｅａｖｉｌｙ－ｌｏａｄｅｄ ｓｃｅｎａｒｉｏ）に対応することができる。

動作９４（すなわち、第１の動作モード）では、（例えば、ＭＩＭＯプロセッサ７６が）多入力多出力動作を実行して、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作出力を生成する。動作９６（すなわち、第２の動作モード）では、（例えば、ＭＩＭＯ推定器７７が）パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の推定される多入力多出力動作出力を取得する。推定されるＭＩＭＯ動作出力は、ルックアップテーブル７８から取得される。その後、動作９４において生成されたＭＩＭＯ動作、又は動作９６において生成された推定されるＭＩＭＯ動作出力のいずれかに基づいて、アルゴリズム８０の動作８８を実行することができる。

従って、（軽負荷シナリオなどの）第１の動作モードでは、パケットスケジューラのタイムクリティカルな経路内でＭＩＭＯアルゴリズムを実行することができる。従って、第１のモードでの動作は、関連するスロットのタイミングバジェットを超過することなく（ＭＩＭＯ動作を含む）パケットスケジューラ処理のタイムクリティカルな部分を実行することが可能とみなされる場合にのみ実行することができる。

図１０は、ある実施形態例によるアルゴリズムを一般に参照符号１００によって示すフローチャートである。アルゴリズム１００は、例えばｇＮＢなどの基地局のパケットスケジューラにおいて実行することができる。

アルゴリズム１００は動作１０２から開始して、モデル（例えば、上記で詳述した統計モデル）をダウンロードする。このモデルは、アルゴリズム１００の実施段階毎にダウンロードしなくてもよく、従って図１０には動作１０２を点線フォーマットで示す。このモデルは、機械学習型モデルとすることができる。

動作１０４において、事前スケジューリング動作を実行する。例えば、システム７０のプレスケジューラ７２を使用して、送信すべきデータを有していて来たる送信時間間隔（ＴＴＩ）（例えば、スロット）内にスケジューリングを行う資格があるユーザ装置（ＵＥ）の第１の候補集合リスト（ＣＳ－１）を準備することができる。動作１０４は、例えば送信用データを特定のスロットで送信する資格がある１又は２以上のユーザ装置を決定することができる。

動作１０６において、時間領域（ＴＤ）処理を実行する。ＴＤ処理は、ＣＳ－１リストに対して実行され、ＵＥ優先度、緊急度、サービス品質指標及びスループットなどの因子を含むことができる。

動作１０８において、関連する通信セルが軽負荷であるかどうかに関する判定を行う。従って、動作１０８は、第１の動作モード（軽負荷）で動作すべきであるか、それとも第２の動作モード（重負荷）で動作すべきであるかを判定する。セルが軽負荷であるとみなされた場合、アルゴリズム１００は動作１１０に進み、そうでなければアルゴリズム１００は動作１１１に進む。

動作１０８は、関連する通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定することによって実行することができ、装置は、負荷レベルが前記閾値を下回る時には第１のモードで動作するように決定され、負荷レベルが前記閾値を上回る時には第２のモードで動作するように決定される。

動作１１０（例えば、第１の動作モード）において、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置のＭＩＭＯ動作を実行して多入力多出力動作出力を生成する。ＭＩＭＯ動作は、チャネル指標データを前記動作への入力として使用して実行することができる。チャネル指標データは、チャネル品質インジケータ又は他の何らかのチャネル品質の（単複の）インジケータを含むことができる。このような品質インジケータは、（ＭＩＭＯアルゴリズムがチャネル品質インジケータを使用してＭＩＭＯアルゴリズム出力を決定するように）多くのＭＩＭＯアルゴリズムへの主要入力である。動作１１０が完了すると、アルゴリズム１００は動作１１２に進む。

動作１１１（例えば、第２の動作モード）において、推定される多入力多出力動作出力を（ＬＵＴ７８などの）ルックアップテーブルから取得する。動作１１１が完了すると、アルゴリズム１００は動作１１２に進む。

動作１１２において、周波数領域（ＦＤ）処理を実行する。例えば、ＦＤプロセッサ７９を使用して、ＣＳ－２リスト（上述したようなＴＤ処理及びＭＩＭＯ処理の出力であるＣＳ－１リストのサブセット）内のＵＥに、送信スロットを使用してデータを通信できるように物理リソースブロックを割り当てることができる。

周波数領域処理が完了すると、（動作１１４において）関連する送信用パケットデータを送信する。同時に、アルゴリズムは動作１０４に戻って、次のスロットのスケジューラ処理を開始する。

上述した（動作４４において構築される統計モデルなどの）将来的なチャネル指標データを予測するモデルは、機械学習型モデルとすることができる。図１１に、ある実施形態例による、このような機械学習型モデルを実装するために使用できるニューラルネットワークを一般に参照符号２００によって示す。ニューラルネットワーク２００は、入力層２０１、隠れ層２０２（又は複数の隠れ層２０２）、及び出力層２０３を含む。入力層２０１では、（チャネル品質インジケータなどの）１又は２以上の入力が受け取られる。隠れ層２０２は、受け取った入力に基づいて処理を実行できる複数の隠れノードを含むことができる。出力層２０３では、１又は２以上の出力（例えば、推定されるＭＩＭＯ出力）が決定される。当然ながら、モデル２００は一例として示すものにすぎない。当業者には多くの変形例が容易に明らかになるであろう。

完全を期すために、図１２は、上述した１又は２以上の実施形態例のコンポーネントのブロック図であり、以下では総称的に処理システム３００と呼ぶ。処理システム３００は、例えば以下の特許請求の範囲において言及する装置とすることができる。

処理システム３００は、プロセッサ３０２と、プロセッサに密に結合され、ＲＡＭ３１４及びＲＯＭ３１２で構成されたメモリ３０４と、任意に、ユーザ入力部３１０及びディスプレイ３１８とを有することができる。処理システム３００は、例えば有線又は無線とすることができるモデムなどの、ネットワーク／装置に接続するための１又は２以上のネットワーク／装置インターフェイス３０８を含むことができる。インターフェイス３０８は、ネットワーク側装置ではないデバイス／装置などの他の装置との接続部として動作することもできる。従って、ネットワーク参加を伴わないデバイス／装置間の直接接続が可能である。

プロセッサ３０２は、他のコンポーネントの動作を制御するために、これらのコンポーネントの各々に接続される。

メモリ３０４は、ハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＳＤ）などの不揮発性メモリを含むことができる。メモリ３０４のＲＯＭ３１２は、数あるものの中でも特にオペレーティングシステム３１５を記憶するとともに、ソフトウェアアプリケーション３１６を記憶することもできる。メモリ３０４のＲＡＭ３１４は、プロセッサ３０２によって一時的データ記憶のために使用される。オペレーティングシステム３１５は、プロセッサによって実行された時に上述したアルゴリズム４０、６０、８０、９０及び１００の態様を実行するコードを含むことができる。なお、小型デバイス／装置の場合、メモリは小規模使用（ｓｍａｌｌ ｓｉｚｅ ｕｓａｇｅ）に最も適することができ、すなわち必ずしもハードディスクドライブ（ＨＤＤ）又はソリッドステートドライブ（ＳＳＤ）が使用されるとは限らない。

プロセッサ３０２は、あらゆる好適な形態を取ることができる。例えば、プロセッサ３０２は、マイクロコントローラ、複数のマイクロコントローラ、プロセッサ、又は複数のプロセッサとすることができる。

処理システム３００は、スタンドアロン型コンピュータ、サーバ、コンソール、又はこれらのネットワークとすることができる。処理システム３００及び必要な構造部品は、全てＩｏＴデバイス／装置などのデバイス／装置内に存在することができ、すなわち極小サイズに組み込むことができる。

いくつかの実施形態例では、処理システム３００を外部ソフトウェアアプリケーションに関連付けることもできる。これらの外部ソフトウェアアプリケーションは、遠隔サーバデバイス／装置に記憶されたアプリケーションとすることができ、部分的に又は排他的に遠隔サーバデバイス／装置上で動作することができる。これらのアプリケーションは、クラウドホスト型アプリケーションと呼ぶことができる。処理システム３００は、遠隔サーバデバイス／装置に記憶されたソフトウェアアプリケーションを利用するために、これらのデバイス／装置と通信することができる。

図１３Ａ及び図１３Ｂに、コンピュータによって実行された時に上述した実施形態例による方法を実行できるコンピュータ可読コードを記憶した、それぞれ取り外し可能記憶装置３６５及びコンパクトディスク（ＣＤ）３６８である有形媒体を示す。取り外し可能記憶装置３６５は、コンピュータ可読コードを記憶した内部メモリ３６６を有するＵＳＢメモリスティックなどのメモリスティックとすることができる。コンピュータシステムは、コネクタ３６７を介して内部メモリ３６６にアクセスすることができる。ＣＤ３６８は、ＣＤ－ＲＯＭ又はＤＶＤ又は同様のものとすることができる。他の形態の有形記憶媒体を使用することもできる。有形媒体は、データ／情報を記憶してこれらのデータ／情報をデバイス／装置／ネットワーク間で交換できるあらゆるデバイス／装置とすることができる。

本発明の実施形態は、ソフトウェア、ハードウェア、アプリケーションロジック、又はソフトウェアとハードウェアとアプリケーションロジックとの組み合わせで実装することができる。これらのソフトウェア、アプリケーションロジック及び／又はハードウェアは、メモリ又はいずれかのコンピュータ媒体上に存在することができる。ある実施形態例では、これらのアプリケーションロジック、ソフトウェア又は命令セットが、様々な従来のコンピュータ可読媒体のいずれか１つに保持される。本文書の文脈における「メモリ」又は「コンピュータ可読媒体」とは、コンピュータなどの命令実行システム、装置又はデバイスによって、又はこれらに関連して使用される命令を含み、記憶し、通信し、伝搬し、又は伝送することができるあらゆる非一時的媒体又は手段とすることができる。

関連する場合、「コンピュータ可読媒体」、「コンピュータプログラム製品」、「有形的に具体化されたコンピュータプログラム」など、或いは「プロセッサ」又は「処理回路」などへの言及は、シングル／マルチプロセッサアーキテクチャ及び直列／並列アーキテクチャなどの異なるアーキテクチャを有するコンピュータのみならず、フィールドプログラマブルゲートアレイＦＰＧＡ、特定用途向け回路ＡＳＩＣ、シグナルプロセッシングデバイス／装置及びその他のデバイス／装置などの特殊回路も含むと理解されたい。コンピュータプログラム、命令、コードなどへの言及は、固定機能デバイス／装置、ゲートアレイ、プログラマブルロジックデバイス／装置などのプロセッサ又は構成された又は構成設定のための命令としてのハードウェアデバイス／装置のプログラム可能コンテンツなどのプログラマブルプロセッサファームウェア用のソフトウェアを表すものと理解されたい。

本明細書で説明した異なる機能は、必要に応じて互いに異なる順序で及び／又は同時に実行することができる。さらに、上述した機能の１つ又は２つ以上は、必要に応じて任意とすることも、又は組み合わせることもできる。同様に、図４、図６、図８、図９及び図１０のフロー図及びメッセージシーケンスは一例にすぎず、これらの図に示した様々な動作は、省略、並べ替え及び／又組み合わせも可能であると理解されるであろう。

上述した実施形態例は例示にすぎず、本発明の範囲を限定するものではないと理解されるであろう。当業者には、本明細書を読んだ時点で他の変形例及び修正例が明らかになるであろう。

さらに、本出願の開示は、本明細書で明示的に又は非明示的に開示したあらゆる新規の特徴又は特徴のあらゆる新規の組み合わせ、或いはこれらのあらゆる一般化を含むものであると理解すべきであり、本出願又は本出願から派生するあらゆる出願の審査中に、あらゆるこのような特徴及び／又はこのような特徴の組み合わせを対象とするための新たな請求項を考案することもできる。

独立請求項には本発明の様々な態様を記載しているが、本発明のその他の態様は、請求項に明記した組み合わせのみならず、説明した実施形態例及び／又は従属請求項からの機能と独立請求項の機能との組み合わせも含む。

また、上記では様々な実施例について説明したが、これらの説明を限定的な意味でとらえるべきではない。むしろ、添付の特許請求の範囲に定める本発明の範囲から逸脱することなく、多くの変形及び修正を行うことができる。

７０ システム
７２ プレスケジューラ
７４ ＴＤスケジューラ
７６ ＭＩＭＯプロセッサ
７７ ＭＩＭＯ推定器
７８ ＬＵＴ
７９ ＦＤスケジューラ

Claims (14)

1. 第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップ（９４、１１０）と、
   第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップ（９４、１１１）と、
   前記第１の動作モードで動作すべきであるか、それとも前記第２の動作モードで動作すべきであるかを判定するステップ（９４、１０８）と、
   通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定するステップと、
   を実行する手段を備えた装置であって、該装置は、前記負荷レベルが前記閾値を下回る時には前記第１のモードで動作するように決定され、前記負荷レベルが前記閾値を上回る時には前記第２のモードで動作するように決定される、
   ことを特徴とする装置。
2. 前記第１の動作モードでは、前記多入力多出力動作が、チャネル指標データを前記動作への入力として使用して実行される、
   請求項１に記載の装置。
3. 前記チャネル指標データは、チャネル品質インジケータを含む、
   請求項２に記載の装置。
4. 前記手段は、前記ルックアップテーブルに多入力多出力アルゴリズムの出力を投入するステップを実行するようにさらに構成され、前記多入力多出力アルゴリズムは、統計モデルから推定されるチャネル指標を受け取る、
   請求項１から３のいずれか１項に記載の装置。
5. 前記ルックアップテーブルは、オフラインで投入される、
   請求項４に記載の装置。
6. 前記手段は、前記統計モデルを取得するステップを実行するようにさらに構成される、
   請求項４又は５に記載の装置。
7. 前記統計モデルは、機械学習型モデルである、
   請求項４から６のいずれか１項に記載の装置。
8. 前記手段は、前記統計モデルの更新において使用されるチャネル指標データを提供するステップを実行するようにさらに構成される、
   請求項４から７のいずれか１項に記載の装置。
9. 前記多入力多出力動作は、マルチユーザＭＩＭＯ動作又はマッシブＭＩＭＯ動作である、
   請求項１から８のいずれか１項に記載の装置。
10. 前記手段は、前記スロット内で送信用データを送信する資格がある前記１又は２以上のユーザ装置を決定するステップを実行するようにさらに構成される、
    請求項１から９のいずれか１項に記載の装置。
11. 前記手段は、
    少なくとも１つのプロセッサと、
    コンピュータプログラムコードを含む少なくとも１つのメモリと、
    を備え、前記少なくとも１つのメモリ及び前記コンピュータプログラムは、前記少なくとも１つのプロセッサと協働して前記装置の前記実行を引き起こすように構成される、
    請求項１から１０のいずれか１項に記載の装置。
12. 第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップと、
    第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップと、
    前記第１の動作モードで動作すべきであるか、それとも前記第２の動作モードで動作すべきであるかを判定するステップと、
    通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定するステップと、
    を含み、前記方法は、前記負荷レベルが前記閾値を下回る時には前記第１のモードで動作し、前記負荷レベルが前記閾値を上回る時には前記第２のモードで動作する、
    ことを特徴とする方法。
13. 前記負荷レベルを決定するステップをさらに含む、
    請求項１２に記載の方法。
14. 第１の動作モードにおいて、パケットスケジューラのスロット内でデータを送信する資格がある１又は２以上のユーザ装置の多入力多出力動作を実行して多入力多出力動作出力を生成するステップ（９４、１１０）と、
    第２の動作モードにおいて、前記１又は２以上のユーザ装置の推定される多入力多出力動作出力をルックアップテーブルから取得するステップ（９４、１１１）と、
    前記第１の動作モードで動作すべきであるか、それとも前記第２の動作モードで動作すべきであるかを判定するステップ（９４、１０８）と、
    通信ノードの負荷レベルが閾値を上回るか、それとも下回るかを判定するステップと、
    を少なくとも装置に実行させる命令を含み、前記装置は、前記負荷レベルが前記閾値を下回る時には前記第１のモードで動作するように決定され、前記負荷レベルが前記閾値を上回る時には前記第２のモードで動作するように決定される、
    ことを特徴とするコンピュータプログラム。

Images