KR20190117181A - Learning-based mismatch compensation of wireless high-frequency analog circuit method and device - Google Patents
Learning-based mismatch compensation of wireless high-frequency analog circuit method and device Download PDFInfo
- Publication number
- KR20190117181A KR20190117181A KR1020180040380A KR20180040380A KR20190117181A KR 20190117181 A KR20190117181 A KR 20190117181A KR 1020180040380 A KR1020180040380 A KR 1020180040380A KR 20180040380 A KR20180040380 A KR 20180040380A KR 20190117181 A KR20190117181 A KR 20190117181A
- Authority
- KR
- South Korea
- Prior art keywords
- high frequency
- signal
- distortion
- compensation
- wireless high
- Prior art date
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
- H04L27/38—Demodulator circuits; Receiver circuits
- H04L27/3845—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier
- H04L27/3854—Demodulator circuits; Receiver circuits using non - coherent demodulation, i.e. not using a phase synchronous carrier using a non - coherent carrier, including systems with baseband correction for phase or frequency offset
- H04L27/3863—Compensation for quadrature error in the received signal
-
- 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
- H04L25/06—Dc level restoring means; Bias distortion correction ; Decision circuits providing symbol by symbol detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Amplifiers (AREA)
- Transmitters (AREA)
Abstract
Description
실시예들은 학습을 통해 무선 고주파 아날로그 회로의 부정합을 보상하기 위한 방법, 장치 및 시스템에 관한 것이다.Embodiments relate to methods, apparatus, and systems for compensating for mismatches in wireless high frequency analog circuitry through learning.
무선 고주파 아날로그 회로에 의해 발생하는 신호 왜곡은 주로 아날로그-디지털 변환기의 출력의 I 채널 및 Q 채널 신호 간의 위상 및 이득 부정합 또는 불필요한 국부 발진 누출 현상을 유발한다. 이로 인해 사용 주파수 대역 내에 불필요한 간섭 톤이 발생하고, 원래 송신 신호의 디코딩이 어려워진다. 또한 간섭 톤의 크기가 큰 경우 디지털 회로에서 신호 이득 제어 성능이 열화될 수 있다.Signal distortions caused by wireless high frequency analog circuits mainly cause phase and gain mismatches or unnecessary local oscillation leakage between the I and Q channel signals at the output of the analog-to-digital converter. This causes unnecessary interference tones in the frequency bands used, making it difficult to decode the original transmitted signal. In addition, large signal tones can degrade signal gain control performance in digital circuits.
신호 왜곡 문제를 해결하기 위해 시험용 단일 주파수 톤을 이용하는 방식이 활용된다. 도 8을 참조하면, 디지털-아날로그 변환기의 입력단에 무선 고주파 아날로그 회로의 왜곡 측정을 위한 단일 주파수 톤이 입력된다. 회로 왜곡 측정 전용 되돌림 시험 경로를 거쳐서 아날로그-디지털 변환기 출력을 통해 나오는 신호가 측정된다. 펌웨어는 단일 주파수 톤을 생성한 후에 초기 파라미터를 이용하여 송신 신호 왜곡을 임의로 보상하고, 보상된 신호가 무선 고주파 아날로그 회로의 되돌림 시험 경로를 통과하도록 제어한다. 그 다음, 펌웨어는 수신된 신호를 임의의 초기 파라미터를 이용하여 왜곡 보상한 후에 이를 관측하여 잔여 왜곡을 측정한 후 측정된 값이 최소가 될 때까지 송신 및 수신 신호의 왜곡 보상 회로의 파라미터를 조절한다. 펌웨어는 단일 주파수 톤을 계속 생성하여 앞의 과정을 반복한다. 펌웨어는 이진 탐색 알고리즘 등을 활용하여 잔여 왜곡이 최소가 될 때의 파라미터를 탐색, 확보 및 갱신한다. 최종적으로 확보된 파라미터는 왜곡 보상 회로에 고정되고, 이 후에 되돌림 시험 경로는 해제되고 정상 경로가 구성되어 부정합 교정이 종료된다.In order to solve the signal distortion problem, a method using a single test frequency tone is utilized. Referring to FIG. 8, a single frequency tone for distortion measurement of a wireless high frequency analog circuit is input to an input terminal of a digital-analog converter. The signal coming through the analog-to-digital converter output is measured via a return test path dedicated to measuring circuit distortion. The firmware randomly compensates for transmission signal distortion after generating a single frequency tone and controls the compensated signal to pass through the return test path of the wireless high frequency analog circuitry. The firmware then performs distortion compensation on the received signal using any initial parameter, observes it, measures residual distortion, and adjusts the parameters of the distortion compensation circuitry of the transmitted and received signals until the measured value is minimum. do. The firmware repeats the process by continuously generating a single frequency tone. The firmware uses binary search algorithms to search for, secure, and update the parameters when the residual distortion is minimal. Finally, the secured parameter is fixed to the distortion compensation circuit, after which the return test path is released and the normal path is established to terminate the mismatch correction.
기계학습은 빅데이터, GPU(Graphics Processing Unit) 기반 고속 컴퓨팅 및 다양한 알고리즘의 개발에 의해 다양한 분야에서 활용되고 있고, 잠재적인 응용 가능성으로 많은 관심을 끌고 있다. 따라서, 무선 고주파 아날로그 회로의 부정합을 교정하는데 있어 딥러닝을 활용하는 기법의 연구가 요구된다.Machine learning has been used in various fields by the development of big data, high-speed computing based on GPU (Graphics Processing Unit), and various algorithms, and has attracted much attention due to its potential applications. Therefore, there is a need for a study of a technique that utilizes deep learning to correct mismatches in wireless high frequency analog circuits.
실시예들은 기계 학습을 이용하여 무선 통신 시스템의 무선 고주파 아날로그 회로에 의해 발생하는 신호 왜곡을 교정하고자 한다.Embodiments seek to correct for signal distortion caused by wireless high frequency analog circuitry in a wireless communication system using machine learning.
실시예들은 기계 학습을 이용하여 신호 왜곡에 따른 부정합 보상을 위한 파라미터를 빠르게 찾아 기저 대역 모뎀의 송수신 준비 시간을 줄이고자 한다.Embodiments use machine learning to quickly find a parameter for mismatch compensation due to signal distortion and reduce the preparation time of a baseband modem.
실시예들은 기계 학습을 이용하여 신호 왜곡에 따른 부정합 보상을 위한 파라미터를 보다 정확하게 찾고, 왜곡 교정 성능을 높이고자 한다.Embodiments use machine learning to more accurately find a parameter for compensation of mismatch due to signal distortion, and to improve distortion correction performance.
일실시예에 따른 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법은 무선 고주파 아날로그 회로에 의한 왜곡 신호를 획득하는 단계; 상기 왜곡 신호를 기 학습된 뉴럴 네트워크로 인가하여, 상기 왜곡 신호를 보상하기 위한 보상 회로 파라미터를 획득하는 단계; 및 상기 보상 회로 파라미터에 기초하여, 상기 왜곡 신호를 보상하는 단계를 포함한다.According to one or more exemplary embodiments, a mismatch compensation method of a learning-based wireless high frequency analog circuit includes: obtaining a distortion signal by the wireless high frequency analog circuit; Applying the distortion signal to a pre-learned neural network to obtain a compensation circuit parameter for compensating the distortion signal; And compensating for the distortion signal based on the compensation circuit parameter.
일실시예에 따르면, 상기 무선 고주파 아날로그 회로는 디지털-아날로그 변환기(DAC)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신하고, 상기 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)로 전송하고, 상기 왜곡 신호를 획득하는 단계는 상기 아날로그-디지털 변환기가 상기 고주파 신호로부터 변환시킨 아날로그 신호를 획득하는 단계를 포함할 수 있다.According to an embodiment, the wireless high-frequency analog circuit receives an analog signal converted by a digital-to-analog converter (DAC) from a digital signal, and converts the received analog signal into a high-frequency signal to an analog-to-digital converter (ADC). The transmitting and acquiring the distortion signal may include acquiring an analog signal converted by the analog-to-digital converter from the high frequency signal.
일실시예에 따르면, 상기 왜곡 신호는 상기 무선 고주파 아날로그 회로의 신호 처리에 의해 발생한 왜곡 정보를 포함할 수 있다.According to an embodiment, the distortion signal may include distortion information generated by signal processing of the wireless high frequency analog circuit.
일실시예에 따르면, 상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로의 제1 보상 회로 파라미터를 포함하고, 상기 송신 왜곡 보상 회로는 상기 왜곡 신호를 수신할 수 있다.In example embodiments, the compensation circuit parameter may include a first compensation circuit parameter of a transmission distortion compensation circuit of the wireless high frequency analog circuit, and the transmission distortion compensation circuit may receive the distortion signal.
일실시예에 따르면, 상기 왜곡 신호를 보상하는 단계는 상기 제1 보상 회로 파라미터를 상기 송신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 송신하고자 하는 신호를 보상하는 단계를 포함할 수 있다.The compensating for the distortion signal may include applying the first compensation circuit parameter to the transmission distortion compensation circuit to compensate for a signal to be transmitted through a digital baseband modem.
일실시예에 따르면, 상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로의 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 포함하고, 상기 수신 왜곡 보상 회로는 상기 무선 고주파 아날로그 회로로 인가되는 단일 주파수 톤을 수신할 수 있다.According to an embodiment, the compensation circuit parameter includes a second compensation circuit parameter of a reception distortion compensation circuit of the wireless high frequency analog circuit, and the reception distortion compensation circuit receives a single frequency tone applied to the wireless high frequency analog circuit. can do.
일실시예에 따르면, 상기 왜곡 신호를 보상하는 단계는 상기 제2 보상 회로 파라미터를 상기 수신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 수신한 신호를 보상하는 단계를 포함할 수 있다.According to an embodiment, the compensating for the distortion signal may include applying the second compensation circuit parameter to the reception distortion compensation circuit to compensate for the signal received through the digital baseband modem.
일실시예에 따르면, 상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로로 인가된 단일 주파수 톤에 기초하여 생성될 수 있다.According to an embodiment, the compensation circuit parameter may be generated based on a single frequency tone applied to the wireless high frequency analog circuit.
일실시예에 따른 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법은 상기 뉴럴 네트워크에 따른 되돌림 시험 경로를 디지털 기저대역 모뎀을 통한 데이터 전송 경로로 복구하는 단계; 및 상기 보상 회로 파라미터를 상기 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로 및 수신 왜곡 보상 회로에 적용하여, 상기 디지털 기저대역 모뎀을 통한 신호 송수신을 수행하는 단계를 더 포함할 수 있다.According to one or more exemplary embodiments, a mismatch compensation method of a learning-based wireless high frequency analog circuit includes: recovering a return test path according to the neural network to a data transmission path through a digital baseband modem; And applying the compensation circuit parameter to the transmission distortion compensation circuit and the reception distortion compensation circuit of the wireless high frequency analog circuit to perform signal transmission and reception through the digital baseband modem.
일실시예에 따르면, 상기 뉴럴 네트워크는 트레이닝 왜곡 신호들 및 상기 트레이닝 왜곡 신호들에 대응하는 트레이닝 보상 회로 파라미터들에 기초하여 학습될 수 있다.According to an embodiment, the neural network may be trained based on training distortion signals and training compensation circuit parameters corresponding to the training distortion signals.
일실시예에 따르면, 상기 뉴럴 네트워크는 상기 왜곡 신호에 기초한 입력으로부터 송신 왜곡 보상 회로의 제1 보상 회로 파라미터 및 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 추정할 수 있다.According to an embodiment, the neural network may estimate the first compensation circuit parameter of the transmission distortion compensation circuit and the second compensation circuit parameter of the reception distortion compensation circuit from the input based on the distortion signal.
일실시예에 따르면, 상기 왜곡 신호는 상기 무선 고주파 아날로그 회로의 송신부 또는 수신부에 대응하는 I 채널 신호 및 Q 채널 신호 사이의 위상 또는 이득의 부정합 정보를 포함할 수 있다.According to an embodiment, the distortion signal may include mismatch information of a phase or a gain between an I channel signal and a Q channel signal corresponding to a transmitter or a receiver of the wireless high frequency analog circuit.
일실시예에 따른 무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법은 무선 고주파 아날로그 회로에 의한 트레이닝 왜곡 신호들을 획득하는 단계; 상기 트레이닝 왜곡 신호들을 보상하기 위한 트레이닝 보상 회로 파라미터들을 획득하는 단계; 상기 트레이닝 왜곡 신호들을 뉴럴 네트워크로 인가하는 단계; 및 상기 뉴럴 네트워크의 출력에 기초하여 예측된 보상 회로 파라미터들과 상기 출력 보상 회로 파라미터들에 기초하여, 상기 뉴럴 네트워크를 학습시키는 단계를 포함한다.According to one or more exemplary embodiments, a learning method for mismatch compensation of a wireless high frequency analog circuit may include obtaining training distortion signals by a wireless high frequency analog circuit; Obtaining training compensation circuit parameters for compensating the training distortion signals; Applying the training distortion signals to a neural network; And training the neural network based on predicted compensation circuit parameters and the output compensation circuit parameters based on the output of the neural network.
일실시예에 따르면, 상기 뉴럴 네트워크를 학습시키는 단계는 상기 예측된 보상 회로 파라미터들과 상기 출력 보상 회로 파라미터들에 기초한 손실 함수의 값이 작아지도록 상기 뉴럴 네트워크를 최적화하는 단계를 포함한다.According to one embodiment, training the neural network comprises optimizing the neural network such that a value of a loss function based on the predicted compensation circuit parameters and the output compensation circuit parameters is reduced.
일실시예에 따르면, 상기 무선 고주파 아날로그 회로는 디지털-아날로그 변환기(DAC)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신하고, 상기 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)로 전송하고, 상기 트레이닝 왜곡 신호들을 획득하는 단계는 상기 아날로그-디지털 변환기가 상기 고주파 신호로부터 변환시킨 아날로그 신호를 획득하는 단계를 포함할 수 있다.According to an embodiment, the wireless high-frequency analog circuit receives an analog signal converted by a digital-to-analog converter (DAC) from a digital signal, and converts the received analog signal into a high-frequency signal to an analog-to-digital converter (ADC). The transmitting and acquiring the training distortion signals may include acquiring an analog signal converted by the analog-to-digital converter from the high frequency signal.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.The apparatus according to one embodiment may be controlled by a computer program stored in a medium in combination with hardware to carry out the method of any one of the aforementioned methods.
실시예들은 기계 학습을 이용하여 무선 통신 시스템의 무선 고주파 아날로그 회로에 의해 발생하는 신호 왜곡을 교정할 수 있다.Embodiments may use machine learning to correct signal distortion caused by wireless high frequency analog circuitry in a wireless communication system.
실시예들은 기계 학습을 이용하여 신호 왜곡에 따른 부정합 보상을 위한 파라미터를 빠르게 찾아 기저 대역 모뎀의 송수신 준비 시간을 줄일 수 있다.Embodiments may use machine learning to quickly find parameters for mismatch compensation due to signal distortion, thereby reducing the preparation time for transmitting and receiving the baseband modem.
실시예들은 기계 학습을 이용하여 신호 왜곡에 따른 부정합 보상을 위한 파라미터를 보다 정확하게 찾고, 왜곡 교정 성능을 높일 수 있다.Embodiments may use machine learning to more accurately find a parameter for mismatch compensation due to signal distortion, and increase distortion correction performance.
도 1은 일실시예에 따른 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법을 설명하기 위한 순서도이다.
도 2는 일실시예에 따른 부정합 보상 방법을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 부정합 보상 시스템을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 뉴럴 네트워크를 설명하기 위한 도면이다.
도 5는 일실시예에 따른 무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법을 설명하기 위한 순서도이다.
도 6는 일실시예에 따른 학습 방법을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.1 is a flowchart illustrating a mismatch compensation method of a learning-based wireless high frequency analog circuit according to an exemplary embodiment.
2 is a diagram for describing a mismatch compensation method, according to an exemplary embodiment.
3 is a diagram for describing a mismatch compensation system, according to an exemplary embodiment.
4 is a diagram illustrating a neural network according to an embodiment.
5 is a flowchart illustrating a learning method for mismatch compensation of a wireless high frequency analog circuit according to an exemplary embodiment.
6 is a diagram for describing a learning method, according to an exemplary embodiment.
7 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for purposes of illustration only, and may be practiced in various forms. Accordingly, the embodiments are not limited to the specific disclosure, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical idea.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but such terms should be interpreted only for the purpose of distinguishing one component from another component. For example, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being "connected" to another component, it should be understood that there may be a direct connection or connection to that other component, but there may be other components in between.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Singular expressions include plural expressions unless the context clearly indicates otherwise. As used herein, the terms "comprise" or "have" are intended to designate that the described feature, number, step, operation, component, part, or combination thereof exists, but includes one or more other features or numbers, It is to be understood that it does not exclude in advance the possibility of the presence or addition of steps, actions, components, parts or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art. Terms such as those defined in the commonly used dictionaries should be construed as having meanings consistent with the meanings in the context of the related art, and are not construed in ideal or excessively formal meanings unless expressly defined herein. Do not.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인식하는데 적용될 수 있다. 실시예들은 사용자 인식을 통한 결제 서비스에 적용될 수 있다. 또한, 실시예들은 사용자를 인식하여 자동으로 시동을 거는 지능형 자동차 시스템 등에도 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Embodiments may be implemented in various forms of products, such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent cars, kiosks, wearable devices, and the like. For example, embodiments may be applied to recognize a user in a smart phone, mobile device, smart home system, and the like. Embodiments may be applied to a payment service through user recognition. In addition, the embodiments may be applied to an intelligent vehicle system that automatically starts the vehicle by recognizing the user. Hereinafter, exemplary embodiments will be described in detail with reference to the accompanying drawings. Like reference numerals in the drawings denote like elements.
무선 고주파 아날로그 회로의 신호에서 I 채널 및 Q 채널의 부정합의 유형은 다양하다. 대표적으로, 무선 고주파 아날로그 회로의 송신부 및 수신부에 의해 발생하는 이득 및 위상의 부정합, 국부 발진 누출 현상이 있다. 일실시예에 따른 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 장치(이하, 부정합 보상 장치라 함)는 송신부의 이득 및 위상 부정합과 국부 발진 누출 현상에 대한 신호 왜곡을 보상하고, 이후 수신부의 이득 및 위상 부정합과 국부 발진 누출 현상에 대한 신호 왜곡을 보상할 수 있다.There are various types of mismatches of the I and Q channels in the signals of wireless high frequency analog circuits. Typically, there is a gain and phase mismatch and local oscillation leakage caused by the transmitter and receiver of the wireless high frequency analog circuit. The mismatch compensation device (hereinafter referred to as mismatch compensation device) of the learning-based wireless high frequency analog circuit according to an embodiment compensates the signal distortion for the gain and phase mismatch of the transmitter and the local oscillation leakage phenomenon, and then the gain and phase of the receiver. It can compensate for signal distortions for mismatches and local oscillation leaks.
일실시예에 따르면, 부정합 보상 장치는 무선 통신 시스템의 무선 고주파 아날로그 회로에 의해 발생하는 신호 왜곡으로 인한 기저 대역 모뎀의 I 채널 및 Q 채널 간 입력 신호의 위상 및 이득의 부정합을 교정하고, 신호로부터 불필요한 국부 발진 성분을 제거할 수 있다. 부정합 보상 장치는 아날로그 회로에 의해 발생하는 신호 왜곡의 정도를 디지털 회로에서 측정하고, 기계 학습 기법을 이용하여 디지털 보상을 위한 최적의 파라미터를 도출하고, 기저 대역 모뎀에서의 신호 왜곡을 보상할 수 있다. 부정합 보상 장치는 무선 고주파 아날로그 회로에 의해 발생하는 신호 왜곡을 디지털 블록에서 교정하는데, 기계 학습 기법을 이용하여 왜곡 보상을 위한 파라미터를 빠르게 찾고, 기저 대역 모뎀의 송수신 준비 시간을 줄일 수 있다. 또한, 부정합 보상 장치는 이진 탐색을 통한 파라미터 도출보다 더 신뢰도 높은 파라미터를 신속하게 찾아 왜곡 교정 성능을 높일 수 있다.According to one embodiment, the mismatch compensation device corrects a mismatch in phase and gain of an input signal between an I channel and a Q channel of a baseband modem due to signal distortion generated by a radio frequency analog circuit of a wireless communication system, and from the signal. Unnecessary local oscillation component can be removed. The mismatch compensation device can measure the degree of signal distortion generated by the analog circuit in the digital circuit, derive the optimal parameters for digital compensation using machine learning techniques, and compensate for the signal distortion in the baseband modem. . The mismatch compensation device corrects a signal distortion generated by a wireless high frequency analog circuit in a digital block. The machine learning technique can quickly find a parameter for distortion compensation and reduce a preparation time of a baseband modem. In addition, the mismatch compensation device can quickly find more reliable parameters and improve distortion correction performance than parameter derivation through binary search.
도 1은 일실시예에 따른 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법을 설명하기 위한 순서도이다.1 is a flowchart illustrating a mismatch compensation method of a learning-based wireless high frequency analog circuit according to an exemplary embodiment.
도 1을 참조하면, 일실시예에 따른 부정합 보상 장치는 무선 고주파 아날로그 회로에 의한 왜곡 신호를 획득할 수 있다(101). 부정합 보상 장치는 회로의 왜곡 신호를 보상하는 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 부정합 보상 장치는 서버, 단말 또는 이들의 조합으로 구현될 수 있다. 부정합 보상 장치는 왜곡 신호를 보상하기 위한 신호, 명령 또는 정보를 처리할 수 있다. 왜곡 신호는 보상하고자 하는 신호이고, 무선 고주파 아날로그 회로는 신호의 송수신을 위한 기저 대역 모뎀과 연결될 수 있다. 일실시예에 따르면, 왜곡 신호는 무선 고주파 아날로그 회로의 송신부 또는 수신부에 대응하는 I 채널 신호 및 Q 채널 신호 사이의 위상 또는 이득의 부정합 정보를 포함한다.Referring to FIG. 1, the mismatch compensation device may acquire a distortion signal by a wireless high frequency analog circuit (101). The mismatch compensation device is a device for compensating for a distortion signal of a circuit and may be implemented, for example, as a software module, a hardware module, or a combination thereof. The mismatch compensation device may be implemented as a server, a terminal, or a combination thereof. The mismatch compensation device may process a signal, a command, or information for compensating for the distortion signal. The distortion signal is a signal to be compensated for, and the wireless high frequency analog circuit may be connected to a baseband modem for transmitting and receiving a signal. According to an embodiment, the distortion signal includes mismatch information of a phase or a gain between an I channel signal and a Q channel signal corresponding to a transmitter or receiver of a wireless high frequency analog circuit.
일실시예에 따르면, 부정합 보상 장치는 획득된 왜곡 신호를 기 학습된 뉴럴 네트워크로 인가하여, 왜곡 신호를 보상하기 위한 보상 회로 파라미터를 획득할 수 있다(102). 뉴럴 네트워크는 왜곡 신호를 보상하기 위한 보상 회로 파라미터를 생성하고자 미리 학습될 수 있다. 부정합 보상 장치는 주어진 왜곡 신호에 대응하는 보상 회로 파라미터를 기 학습된 뉴럴 네트워크를 이용하여 획득될 수 있다.According to an embodiment, the mismatch compensation device may apply the acquired distortion signal to a previously learned neural network to obtain a compensation circuit parameter for compensating the distortion signal (102). The neural network may be learned in advance to generate compensation circuit parameters for compensating for the distortion signal. The mismatch compensation device may be obtained using a neural network that has been previously trained on a compensation circuit parameter corresponding to a given distortion signal.
일실시예에 따르면, 보상 회로 파라미터는 무선 고주파 아날로그 회로로 인가된 단일 주파수 톤에 기초하여 생성될 수 있다. 무선 고주파 아날로그 회로의 되돌림 시험 경로를 통과하는 단일 주파수 톤의 관찰을 통한 I 채널 및 Q 채널의 부정합 교정에 있어서, 신호의 왜곡을 최소화하는 보상 회로 파라미터의 해가 존재한다.According to one embodiment, the compensation circuit parameters may be generated based on a single frequency tone applied to the wireless high frequency analog circuit. In mismatch correction of the I and Q channels through the observation of a single frequency tone passing through the return test path of a wireless high frequency analog circuit, there is a solution of a compensation circuit parameter that minimizes signal distortion.
I 채널 및 Q 채널 신호를 두 개의 파라미터를 이용하여 보상하는 과정은 수학식 1과 같이 설계될 수 있다.The process of compensating the I channel and the Q channel signal by using two parameters may be designed as in Equation 1.
I는 I 채널 신호이고, Q는 Q 채널 신호이고, param0은 제1 보상 회로 파라미터이고, param1은 제2 보상 회로 파라미터이며, 
여기서, 보상 후의 신호 
보상 이전에 I 채널 및 Q 채널 신호 간에 이득 및 위상 부정합이 존재하는 신호는 수학식 3과 같이 표현될 수 있다.A signal in which gain and phase mismatch exists between the I channel signal and the Q channel signal before compensation may be expressed as Equation 3 below.
여기서, 
수학식 3으로부터 두 개의 보상 회로 파라미터의 해를 구하면 수학식 4와 같다.The solution of two compensation circuit parameters from Equation 3 is expressed as Equation 4.
위의 해는 이산 푸리에 변환 등을 비롯한 다양한 방식을 통해 왜곡 신호로부터 이득 및 위상 부정합의 크기를 도출한 이후에 적용될 수 있다. 부정합의 크기를 알고 있다고 하더라도 실제 구현 시 직접 연산이나 상수표가 필요하다. 직접 연산은 나눗셈 연산 및 삼각함수 연산이 요구된다. 상수표를 이용하는 방법은 파라미터의 비트 해상도에 따라 상수표의 크기가 지수적으로 증가하므로 구현이 쉽지 않다. 또한, 펌웨어를 이용하여 파라미터를 최적화하는 기법은 하드웨어를 이용하는 것에 비해 속도가 느리다. 일실시예에 따른 부정합 보상 장치는 상술한 파라미터를 추정하도록 학습된 뉴럴 네트워크를 이용하므로, 뉴럴 네트워크의 복잡도에 따라 하드웨어를 구현하여 부정합을 보상할 수 있다. 부정합 보상 장치는 하드웨어로 구현 가능한 뉴럴 네트워크를 이용하여 신호 왜곡을 보상하기 위한 파라미터를 빠르게 탐색하고, 기저 대역 모뎀의 송수신 준비 시간을 줄일 수 있다.The above solution can be applied after deriving the magnitude of the gain and phase mismatch from the distortion signal through various methods including discrete Fourier transform. Even if you know the magnitude of the mismatch, the actual implementation requires a direct operation or a constant table. Direct operations require division and trigonometric operations. The method using the constant table is not easy to implement because the size of the constant table increases exponentially according to the bit resolution of the parameter. In addition, the technique of optimizing parameters using firmware is slower than using hardware. Since the mismatch compensator uses a neural network learned to estimate the above-described parameters, it is possible to compensate for mismatch by implementing hardware according to the complexity of the neural network. The mismatch compensation device can quickly find a parameter for compensating for signal distortion by using a neural network that can be implemented in hardware, and reduce a preparation time of transmitting and receiving a baseband modem.
일실시예에 따르면, 부정합 보상 장치는 획득된 보상 회로 파라미터에 기초하여 무선 고주파 아날로그 회로에 의한 왜곡 신호를 보상할 수 있다(103). 왜곡 신호는 무선 고주파 아날로그 회로의 신호 처리에 의해 발생한 왜곡 정보를 포함하고, 부정합 보상 장치는 기계 학습을 이용하여 왜곡 신호를 보상할 수 있다. According to an embodiment, the mismatch compensation device may compensate for the distortion signal by the wireless high frequency analog circuit based on the obtained compensation circuit parameter (103). The distortion signal includes distortion information generated by signal processing of a wireless high frequency analog circuit, and the mismatch compensation device may compensate for the distortion signal by using machine learning.
일실시예에 따르면, 보상 회로 파라미터는 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로의 제1 보상 회로 파라미터를 포함하고, 송신 왜곡 보상 회로는 왜곡 신호를 수신할 수 있다. 부정합 보상 장치는 제1 보상 회로 파라미터를 송신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 송신하고자 하는 신호를 보상할 수 있다.According to an embodiment, the compensation circuit parameter may include a first compensation circuit parameter of a transmission distortion compensation circuit of a wireless high frequency analog circuit, and the transmission distortion compensation circuit may receive a distortion signal. The mismatch compensation device may apply a first compensation circuit parameter to the transmission distortion compensation circuit to compensate for a signal to be transmitted through the digital baseband modem.
일실시예에 따르면, 보상 회로 파라미터는 무선 고주파 아날로그 회로의 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 포함하고, 수신 왜곡 보상 회로는 무선 고주파 아날로그 회로로 인가되는 단일 주파수 톤을 수신할 수 있다. 부정합 보상 장치는 제2 보상 회로 파라미터를 수신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 수신한 신호를 보상할 수 있다.According to an embodiment, the compensation circuit parameter may include a second compensation circuit parameter of the reception distortion compensation circuit of the wireless high frequency analog circuit, and the reception distortion compensation circuit may receive a single frequency tone applied to the wireless high frequency analog circuit. The mismatch compensation device may apply the second compensation circuit parameter to the reception distortion compensation circuit to compensate for the signal received through the digital baseband modem.
일실시예에 따르면, 부정합 보상 장치는 뉴럴 네트워크에 따른 되돌림 시험 경로를 디지털 기저대역 모뎀을 통한 데이터 전송 경로로 복구할 수 있다. 부정합 보상 장치는 보상 회로 파라미터를 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로 및 수신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통한 신호 송수신을 수행할 수 있다.According to an embodiment, the mismatch compensation device may restore the return test path according to the neural network to the data transmission path through the digital baseband modem. The mismatch compensation device may apply a compensation circuit parameter to a transmission distortion compensation circuit and a reception distortion compensation circuit of a wireless high frequency analog circuit to perform signal transmission and reception through a digital baseband modem.
도 2는 일실시예에 따른 부정합 보상 방법을 설명하기 위한 도면이다.2 is a diagram for describing a mismatch compensation method, according to an exemplary embodiment.
도 2를 참조하면, 부정합 보상 장치는 보상하고자 하는 왜곡 신호(202)를 기 학습된 뉴럴 네트워크(201)로 인가할 수 있고, 뉴럴 네트워크(201)에 의해 생성된 보상 회로 파라미터(203)를 획득할 수 있다. 일실시예에 따르면, 뉴럴 네트워크(201)는 왜곡 신호(202)에 기초한 입력으로부터 송신 왜곡 보상 회로의 제1 보상 회로 파라미터 및 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 추정할 수 있다. Referring to FIG. 2, the mismatch compensation device may apply a
일실시예에 따르면, 부정합 보상 장치는 왜곡 신호(202)에 기초하여, 뉴럴 네트워크(201)의 입력 레이어에 대응하는 입력 벡터를 생성하고, 생성된 입력 벡터를 입력 레이어에 인가할 수 있다. 뉴럴 네트워크(201)의 출력 레이어는 출력 벡터를 생성하고, 부정합 보상 장치는 뉴럴 네트워크(201)의 출력 벡터에 기초하여 왜곡 신호(202)를 보상하기 위한 보상 회로 파라미터(203)를 예측할 수 있다. 여기서, 뉴럴 네트워크(201)는 트레이닝 왜곡 신호들 및 트레이닝 왜곡 신호들에 대응하는 트레이닝 보상 회로 파라미터들에 기초하여 학습될 수 있다.According to an embodiment, the mismatch compensation device may generate an input vector corresponding to an input layer of the
기 학습된 뉴럴 네트워크(201)로 인가되거나 기 학습된 뉴럴 네트워크(201)로부터 출력되는 데이터의 유형은 다양하게 변형될 수 있다. 뉴럴 네트워크(201)는 CNN(Convolutional neural network), RNN(Recurrent Neural Network) 등 다양한 유형의 네트워크로 구현될 수 있다. The type of data applied to the previously learned
도 3은 일실시예에 따른 부정합 보상 시스템을 설명하기 위한 도면이다.3 is a diagram for describing a mismatch compensation system, according to an exemplary embodiment.
도 3을 참조하면, 일실시예에 따른 부정합 보상 시스템은 단일 주파수 톤 생성기(301), 송신 왜곡 보상 회로(302), 디지털-아날로그 변환기(DAC)(303), 무선 고주파 아날로그 회로(304), 아날로그-디지털 변환기(ADC)(305), 뉴럴 네트워크(306), 수신 왜곡 보상 회로(307) 및 디지털 기저대역 모뎀(308)을 포함한다. 일실시예에 따르면, 단일 주파수 톤 생성기(301)에 의해 단일 주파수 톤이 생성된다. Referring to FIG. 3, a mismatch compensation system according to an embodiment includes a single
일실시예에 따르면, 단일 주파수 톤은 송신 왜곡 보상 회로(302), 디지털-아날로그 변환기(DAC)(303), 무선 고주파 아날로그 회로(304) 및 아날로그-디지털 변환기(ADC)(305)를 거치게 된다. 예를 들어, 무선 고주파 아날로그 회로(304)는 디지털-아날로그 변환기(DAC)(303)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신할 수 있다. 무선 고주파 아날로그 회로(304)는 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)(305)로 전송할 수 있다. 부정합 보상 장치는 아날로그-디지털 변환기(ADC)(305)가 고주파 신호로부터 변환시킨 아날로그 신호를 획득할 수 있다.According to one embodiment, the single frequency tone is subjected to a transmission
부정합 보상 장치는 아날로그-디지털 변환기(ADC)(305)를 통해 출력되는 왜곡 신호를 뉴럴 네트워크(306)로 인가할 수 있다. 뉴럴 네트워크(306)는 보상 회로 파라미터를 생성할 수 있다. 보상 회로 파라미터는 송신 왜곡 보상 회로(302)의 제1 보상 회로 파라미터와 수신 왜곡 보상 회로(307)의 제2 보상 회로 파라미터를 포함할 수 있다. 부정합 보상 장치는 제1 보상 회로 파라미터와 제2 보상 회로 파라미터를 각각 송신 왜곡 보상 회로(302)와 수신 왜곡 보상 회로(307)로 각각 적용할 수 있다.The mismatch compensation device may apply a distortion signal output through the analog-to-digital converter (ADC) 305 to the
일실시예에 따르면, 단일 주파수 톤이 처음으로 생성되어 무선 고주파 아날로그 회로(304)의 왜곡 신호가 뉴럴 네트워크(306)로 전달되도록, 부정합 보상 장치는 신호가 보상되지 않도록 파라미터를 설정할 수 있다. 그 후에, 기 학습된 뉴럴 네트워크(306)는 왜곡 신호에 대응하는 보상 회로 파라미터를 생성하고, 부정합 보상 장치는 생성된 보상 회로 파라미터를 디지털 보상 회로로 적용할 수 있다. 신호 왜곡의 보상이 완료되면, 부정합 보상을 위해 형성된 되돌림 시험 경로는 원래의 데이터 전송 경로로 복구되고, 부정합 보상 과정이 종료된다. 이에 따라, 디지털 기저대역 모뎀(308)의 송수신 준비가 완료된다.According to one embodiment, the mismatch compensation device may set a parameter such that the signal is not compensated such that a single frequency tone is first generated and the distortion signal of the wireless high
도 4는 일실시예에 따른 뉴럴 네트워크를 설명하기 위한 도면이다.4 is a diagram illustrating a neural network according to an embodiment.
도 4를 참조하면, 일실시예에 따른 뉴럴 네트워크(401)가 도시된다. 도 4를 참조하면, 뉴럴 네트워크(401)는 입력 레이어(Input layer)(402), 복수의 히든 레이어(Hidden layer)들(403) 및 출력 레이어(Output layer)(404)를 포함하고, 각 레이어들 사이에는 가중치들(weights)과 바이어스들(biases)이 정의될 수 있다. 입력 레이어(402) 내 노드들은 입력 데이터(또는 입력 벡터)에 대응하고, 출력 레이어(404) 내 노드들은 출력 데이터(또는 출력 벡터)에 대응한다.4, a
일실시예에 따른 부정합 보상 장치는 학습을 통해 최적화가 완료된 가중치들(weights)과 바이어스들(biases)을 뉴럴 네트워크(401)에 적용하여 왜곡 신호를 보상할 수 있다. 일실시예에 따르면, 뉴럴 네트워크(401)의 가중치들(weights)과 바이어스들(biases)은 다수 사례(example)를 통해 최적화될 수 있고, 최적화를 통해 뉴럴 네트워크(401)는 학습될 수 있다.The mismatch compensation device according to an embodiment may compensate the distortion signal by applying the optimized weights and biases to the
뉴럴 네트워크(401)는 입력 레이어(402)를 통해 왜곡이 있는 신호의 샘플 열을 입력으로 수신하고, 출력 레이어(404)를 통해 2 개의 파라미터들을 생성할 수 있다. 뉴럴 네트워크(401)의 입력 및 출력의 유형 및 정의, 뉴럴 네트워크(401)의 구조는 실시예에 따라 다양하게 변형될 수 있다.The
도 5는 일실시예에 따른 무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법을 설명하기 위한 순서도이다.5 is a flowchart illustrating a learning method for mismatch compensation of a wireless high frequency analog circuit according to an exemplary embodiment.
도 5를 참조하면, 일실시예에 따른 무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 장치(이하, 학습 장치라 함)는 무선 고주파 아날로그 회로에 의한 트레이닝 왜곡 신호들을 획득할 수 있다(501). 트레이닝 왜곡 신호는 보상하고자 하는 메시지로서, 뉴럴 네트워크를 학습시키기 위해 수집될 수 있다. 학습 장치는 무선 고주파 아날로그 회로의 부정합 보상을 위한 뉴럴 네트워크를 학습시키는 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 학습 장치는 서버, 단말 또는 이들의 조합으로 구현될 수 있다. 학습 장치는 학습을 수행하기 위한 신호, 명령 도는 정보를 처리할 수 있다. Referring to FIG. 5, a learning apparatus (hereinafter, referred to as a learning apparatus) for mismatch compensation of a wireless high frequency analog circuit according to an embodiment may acquire training distortion signals by the wireless high frequency analog circuit (501). The training distortion signal is a message to be compensated for and may be collected to train the neural network. The learning apparatus is a apparatus for learning a neural network for mismatch compensation of a wireless high frequency analog circuit. For example, the learning apparatus may be implemented as a software module, a hardware module, or a combination thereof. The learning apparatus may be implemented as a server, a terminal, or a combination thereof. The learning apparatus may process signals, commands, or information for performing learning.
학습 장치는 트레이닝 왜곡 신호들을 보상하기 위한 트레이닝 보상 회로 파라미터들을 획득할 수 있다(502). 트레이닝 보상 회로 파라미터는 트레이닝 왜곡 신호를 보상하기 위해 왜곡 보상 회로에 적용되는 것으로서, 뉴럴 네트워크를 학습시키기 위해 수집될 수 있다. The learning apparatus can obtain training compensation circuit parameters for compensating for the training distortion signals (502). The training compensation circuit parameters are applied to the distortion compensation circuit to compensate for the training distortion signal and can be collected to train the neural network.
학습 장치는 트레이닝 왜곡 신호들을 뉴럴 네트워크로 인가할 수 있다(503). 트레이닝 왜곡 신호들은 뉴럴 네트워크의 입력 레이어에 적합한 형태로 변형되어 인가될 수 있다.The learning device may apply training distortion signals to the neural network (503). The training distortion signals may be modified and applied in a form suitable for the input layer of the neural network.
학습 장치는 뉴럴 네트워크의 출력에 기초하여 예측된 보상 회로 파라미터들과 출력 보상 회로 파라미터들에 기초하여, 뉴럴 네트워크를 학습시킬 수 있다(504). 학습 장치는 뉴럴 네트워크의 가중치 및 바이어스를 최적화하여 뉴럴 네트워크를 학습시킬 수 있다. 도 6을 참조하면, 학습 장치는 트레이닝 왜곡 신호들(602)을 뉴럴 네트워크(601)로 인가하여, 뉴럴 네트워크(601)에 의해 예측된 보상 회로 파라미터들(603)을 획득할 수 있다. 학습 장치는 예측된 보상 회로 파라미터들(603)과 트레이닝 보상 회로 파라미터들(604)을 이용하여 뉴럴 네트워크(601)를 학습시킬 수 있다.The learning apparatus may train the neural network based on the compensation circuit parameters and the output compensation circuit parameters predicted based on the output of the neural network (504). The learning apparatus may learn the neural network by optimizing the weight and bias of the neural network. Referring to FIG. 6, the learning apparatus may apply training distortion signals 602 to the
다시, 도 6을 참조하면, 학습 장치는 뉴럴 네트워크에 의해 예측된 보상 회로 파라미터들이 트레이닝 보상 회로 파라미터들에 가까워지도록 뉴럴 네트워크를 최적화할 수 있다. 학습 장치는 뉴럴 네트워크에 의해 예측된 보상 회로 파라미터들과 트레이닝 보상 회로 파라미터들에 기초한 손실 함수의 값이 작아지도록 뉴럴 네트워크를 최적화할 수 있다. 뉴럴 네트워크를 학습시키는 기법에는 SGD(Stochastic Gradient Descent) 및 백 전파(back propagation) 등 다양한 방식이 채용될 수 있다.Referring back to FIG. 6, the learning apparatus may optimize the neural network such that the compensation circuit parameters predicted by the neural network are close to the training compensation circuit parameters. The learning apparatus may optimize the neural network such that the value of the loss function based on the compensation circuit parameters and the training compensation circuit parameters predicted by the neural network is small. There are a variety of techniques for training neural networks, such as stochastic gradient descent (SGD) and back propagation.
도 7은 일실시예에 따른 장치의 구성의 예시도이다.7 is an exemplary diagram of a configuration of an apparatus according to an embodiment.
도 7을 참조하면, 장치(701)는 프로세서(702) 및 메모리(703)를 포함한다. 프로세서(702)는 도 1 내지 도 6을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(703)는 학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법 또는 무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법이 구현된 프로그램을 저장할 수 있다. 메모리(703)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. Referring to FIG. 7,
프로세서(702)는 프로그램을 실행하고, 장치(701)를 제어할 수 있다. 프로세서(702)에 의하여 실행되는 프로그램의 코드는 메모리(703)에 저장될 수 있다. 장치(701)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. The
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and / or combinations of hardware components and software components. For example, the devices, methods, and components described in the embodiments may include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors, microcomputers, field programmable gates (FPGAs). It may be implemented using one or more general purpose or special purpose computers, such as an array, a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to the execution of the software. For the convenience of understanding, a processing device may be described as one being used, but a person skilled in the art will appreciate that the processing device includes a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that it may include. For example, the processing device may include a plurality of processors or one processor and one controller. In addition, other processing configurations are possible, such as parallel processors.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process independently or collectively. You can command the device. Software and / or data may be any type of machine, component, physical device, virtual equipment, computer storage medium or device in order to be interpreted by or to provide instructions or data to the processing device. Or may be permanently or temporarily embodied in a signal wave to be transmitted. The software may be distributed over networked computer systems so that they may be stored or executed in a distributed manner. Software and data may be stored on one or more computer readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. The method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium. The computer readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the media may be those specially designed and constructed for the purposes of the embodiments, or they may be of the kind well-known and available to those having skill in the computer software arts. Examples of computer readable recording media include magnetic media such as hard disks, floppy disks and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks such as floppy disks. Magneto-optical media, and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described with reference to the accompanying drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques may be performed in a different order than the described method, and / or components of the described systems, structures, devices, circuits, etc. may be combined or combined in a different form than the described method, or other components. Or even if replaced or substituted by equivalents, an appropriate result can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are within the scope of the claims that follow.
201: 뉴럴 네트워크201: neural network
Claims (20)
상기 왜곡 신호를 기 학습된 뉴럴 네트워크로 인가하여, 상기 왜곡 신호를 보상하기 위한 보상 회로 파라미터를 획득하는 단계; 및
상기 보상 회로 파라미터에 기초하여, 상기 왜곡 신호를 보상하는 단계
를 포함하는
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
Obtaining a distortion signal by a wireless high frequency analog circuit;
Applying the distortion signal to a pre-learned neural network to obtain a compensation circuit parameter for compensating the distortion signal; And
Compensating for the distortion signal based on the compensation circuit parameter
Containing
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 무선 고주파 아날로그 회로는
디지털-아날로그 변환기(DAC)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신하고,
상기 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)로 전송하고,
상기 왜곡 신호를 획득하는 단계는
상기 아날로그-디지털 변환기가 상기 고주파 신호로부터 변환시킨 아날로그 신호를 획득하는 단계
를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The wireless high frequency analog circuit
A digital-to-analog converter (DAC) receives the analog signal converted from the digital signal,
Converts the received analog signal into a high frequency signal and transmits the analog-to-digital converter (ADC);
Acquiring the distortion signal
Acquiring an analog signal converted from the high frequency signal by the analog-to-digital converter
Including,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 왜곡 신호는 상기 무선 고주파 아날로그 회로의 신호 처리에 의해 발생한 왜곡 정보를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 2,
The distortion signal includes distortion information generated by signal processing of the wireless high frequency analog circuit,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로의 제1 보상 회로 파라미터를 포함하고,
상기 송신 왜곡 보상 회로는 상기 왜곡 신호를 수신하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The compensation circuit parameter comprises a first compensation circuit parameter of a transmission distortion compensation circuit of the wireless high frequency analog circuit,
The transmission distortion compensation circuitry receives the distortion signal,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 왜곡 신호를 보상하는 단계는
상기 제1 보상 회로 파라미터를 상기 송신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 송신하고자 하는 신호를 보상하는 단계
를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 4, wherein
Compensating the distortion signal
Applying the first compensation circuit parameter to the transmission distortion compensation circuit to compensate for a signal to be transmitted via a digital baseband modem;
Including,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로의 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 포함하고,
상기 수신 왜곡 보상 회로는 상기 무선 고주파 아날로그 회로로 인가되는 단일 주파수 톤을 수신하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The compensation circuit parameter comprises a second compensation circuit parameter of a reception distortion compensation circuit of the wireless high frequency analog circuit,
The reception distortion compensation circuitry receives a single frequency tone applied to the wireless high frequency analog circuitry;
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 왜곡 신호를 보상하는 단계는
상기 제2 보상 회로 파라미터를 상기 수신 왜곡 보상 회로에 적용하여, 디지털 기저대역 모뎀을 통해 수신한 신호를 보상하는 단계
를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 6,
Compensating the distortion signal
Applying the second compensation circuit parameter to the reception distortion compensation circuit to compensate for the signal received via the digital baseband modem;
Including,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 보상 회로 파라미터는 상기 무선 고주파 아날로그 회로로 인가된 단일 주파수 톤에 기초하여 생성되는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The compensation circuit parameter is generated based on a single frequency tone applied to the wireless high frequency analog circuit,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 뉴럴 네트워크에 따른 되돌림 시험 경로를 디지털 기저대역 모뎀을 통한 데이터 전송 경로로 복구하는 단계; 및
상기 보상 회로 파라미터를 상기 무선 고주파 아날로그 회로의 송신 왜곡 보상 회로 및 수신 왜곡 보상 회로에 적용하여, 상기 디지털 기저대역 모뎀을 통한 신호 송수신을 수행하는 단계
를 더 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
Restoring a return test path according to the neural network to a data transmission path via a digital baseband modem; And
Applying the compensation circuit parameters to a transmission distortion compensation circuit and a reception distortion compensation circuit of the wireless high frequency analog circuit to perform signal transmission and reception through the digital baseband modem;
Further comprising,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 뉴럴 네트워크는
트레이닝 왜곡 신호들 및 상기 트레이닝 왜곡 신호들에 대응하는 트레이닝 보상 회로 파라미터들에 기초하여 학습된,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The neural network
Trained based on training distortion signals and training compensation circuit parameters corresponding to the training distortion signals,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 뉴럴 네트워크는
상기 왜곡 신호에 기초한 입력으로부터 송신 왜곡 보상 회로의 제1 보상 회로 파라미터 및 수신 왜곡 보상 회로의 제2 보상 회로 파라미터를 추정하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The neural network
Estimating a first compensation circuit parameter of a transmission distortion compensation circuit and a second compensation circuit parameter of a reception distortion compensation circuit from an input based on the distortion signal,
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 왜곡 신호는
상기 무선 고주파 아날로그 회로의 송신부 또는 수신부에 대응하는 I 채널 신호 및 Q 채널 신호 사이의 위상 또는 이득의 부정합 정보를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 방법.
The method of claim 1,
The distortion signal is
Including mismatch information of a phase or a gain between an I channel signal and a Q channel signal corresponding to a transmitter or a receiver of the wireless high frequency analog circuit;
Mismatch Compensation Method for Learning-based Wireless High Frequency Analog Circuits.
상기 트레이닝 왜곡 신호들을 보상하기 위한 트레이닝 보상 회로 파라미터들을 획득하는 단계;
상기 트레이닝 왜곡 신호들을 뉴럴 네트워크로 인가하는 단계; 및
상기 뉴럴 네트워크의 출력에 기초하여 예측된 보상 회로 파라미터들과 상기 출력 보상 회로 파라미터들에 기초하여, 상기 뉴럴 네트워크를 학습시키는 단계
를 포함하는
무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법.
Obtaining training distortion signals by a wireless high frequency analog circuit;
Obtaining training compensation circuit parameters for compensating the training distortion signals;
Applying the training distortion signals to a neural network; And
Training the neural network based on predicted compensation circuit parameters and the output compensation circuit parameters based on the output of the neural network.
Containing
Learning method for mismatch compensation of wireless high frequency analog circuit.
상기 뉴럴 네트워크를 학습시키는 단계는
상기 예측된 보상 회로 파라미터들과 상기 출력 보상 회로 파라미터들에 기초한 손실 함수의 값이 작아지도록 상기 뉴럴 네트워크를 최적화하는 단계
를 포함하는,
무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법.
The method of claim 13,
Learning the neural network
Optimizing the neural network such that the value of the loss function based on the predicted compensation circuit parameters and the output compensation circuit parameters becomes small.
Including,
Learning method for mismatch compensation of wireless high frequency analog circuit.
상기 무선 고주파 아날로그 회로는
디지털-아날로그 변환기(DAC)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신하고,
상기 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)로 전송하고,
상기 트레이닝 왜곡 신호들을 획득하는 단계는
상기 아날로그-디지털 변환기가 상기 고주파 신호로부터 변환시킨 아날로그 신호를 획득하는 단계
를 포함하는,
무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법.
The method of claim 13,
The wireless high frequency analog circuit
A digital-to-analog converter (DAC) receives the analog signal converted from the digital signal,
Converts the received analog signal into a high frequency signal and transmits the analog-to-digital converter (ADC);
Acquiring the training distortion signals
Acquiring an analog signal converted from the high frequency signal by the analog-to-digital converter
Including,
Learning method for mismatch compensation of wireless high frequency analog circuit.
상기 왜곡 신호는 상기 무선 고주파 아날로그 회로의 신호 처리에 의해 발생한 왜곡 정보를 포함하는,
무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 방법.
The method of claim 15,
The distortion signal includes distortion information generated by signal processing of the wireless high frequency analog circuit,
Learning method for mismatch compensation of wireless high frequency analog circuit.
상기 명령을 실행하는 프로세서
를 포함하고,
상기 프로세서는
무선 고주파 아날로그 회로에 의한 왜곡 신호를 획득하고,
상기 왜곡 신호를 기 학습된 뉴럴 네트워크로 인가하여, 상기 왜곡 신호를 보상하기 위한 보상 회로 파라미터를 획득하고,
상기 보상 회로 파라미터에 기초하여, 상기 왜곡 신호를 보상하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 장치.
Memory for recording at least one instruction; And
A processor executing the instruction
Including,
The processor is
Acquire distortion signal by wireless high frequency analog circuit,
Applying the distortion signal to a pre-learned neural network to obtain a compensation circuit parameter for compensating the distortion signal,
Compensating for the distortion signal based on the compensation circuit parameter,
Mismatch Compensation Device for Learning-based Wireless High Frequency Analog Circuits.
상기 무선 고주파 아날로그 회로는
디지털-아날로그 변환기(DAC)가 디지털 신호로부터 변환시킨 아날로그 신호를 수신하고,
상기 수신된 아날로그 신호로부터 고주파 신호로 변환시켜 아날로그-디지털 변환기(ADC)로 전송하고,
상기 프로세서는
상기 아날로그-디지털 변환기가 상기 고주파 신호로부터 변환시킨 아날로그 신호를 획득하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 장치.
The method of claim 17,
The wireless high frequency analog circuit
A digital-to-analog converter (DAC) receives the analog signal converted from the digital signal,
Converts the received analog signal into a high frequency signal and transmits the analog-to-digital converter (ADC);
The processor is
Obtaining an analog signal converted by the analog-digital converter from the high frequency signal,
Mismatch Compensation Device for Learning-based Wireless High Frequency Analog Circuits.
상기 왜곡 신호는 상기 무선 고주파 아날로그 회로의 신호 처리에 의해 발생한 왜곡 정보를 포함하는,
학습 기반 무선 고주파 아날로그 회로의 부정합 보상 장치.
The method of claim 18,
The distortion signal includes distortion information generated by signal processing of the wireless high frequency analog circuit,
Mismatch Compensation Device for Learning-based Wireless High Frequency Analog Circuits.
상기 명령을 실행하는 프로세서
를 포함하고,
상기 프로세서는
무선 고주파 아날로그 회로에 의한 트레이닝 왜곡 신호들을 획득하고,
상기 트레이닝 왜곡 신호들을 보상하기 위한 트레이닝 보상 회로 파라미터들을 획득하고,
상기 트레이닝 왜곡 신호들을 뉴럴 네트워크로 인가하고,
상기 뉴럴 네트워크의 출력에 기초하여 예측된 보상 회로 파라미터들과 상기 출력 보상 회로 파라미터들에 기초하여, 상기 뉴럴 네트워크를 학습시키는,
무선 고주파 아날로그 회로의 부정합 보상을 위한 학습 장치.
Memory for recording at least one instruction; And
A processor executing the instruction
Including,
The processor is
Obtaining training distortion signals by a wireless high frequency analog circuit,
Obtain training compensation circuit parameters for compensating the training distortion signals,
Apply the training distortion signals to a neural network,
Learning the neural network based on the compensation circuit parameters predicted based on the output of the neural network and the output compensation circuit parameters;
Learning device for mismatch compensation of wireless high frequency analog circuit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180040380A KR20190117181A (en) | 2018-04-06 | 2018-04-06 | Learning-based mismatch compensation of wireless high-frequency analog circuit method and device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180040380A KR20190117181A (en) | 2018-04-06 | 2018-04-06 | Learning-based mismatch compensation of wireless high-frequency analog circuit method and device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190117181A true KR20190117181A (en) | 2019-10-16 |
Family
ID=68421694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180040380A KR20190117181A (en) | 2018-04-06 | 2018-04-06 | Learning-based mismatch compensation of wireless high-frequency analog circuit method and device |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190117181A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111654286A (en) * | 2020-06-19 | 2020-09-11 | 沈阳嘉联志诚科技有限公司 | Non-linear correction method for improving spurious-free dynamic range of analog-digital converter |
| KR20220094872A (en) * | 2020-12-29 | 2022-07-06 | 한밭대학교 산학협력단 | Wireless communication system and methdo based on deep learning |
-
2018
- 2018-04-06 KR KR1020180040380A patent/KR20190117181A/en not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111654286A (en) * | 2020-06-19 | 2020-09-11 | 沈阳嘉联志诚科技有限公司 | Non-linear correction method for improving spurious-free dynamic range of analog-digital converter |
| KR20220094872A (en) * | 2020-12-29 | 2022-07-06 | 한밭대학교 산학협력단 | Wireless communication system and methdo based on deep learning |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11777540B1 (en) | Machine learning-based nonlinear pre-distortion system | |
| CN111264033B (en) | Method, system and apparatus for learning radio signals using a radio signal converter | |
| EP4032341A1 (en) | Machine learning-based channel estimation | |
| US11516053B2 (en) | Method and device for channel equalization, and computer-readable medium | |
| CN112243166B (en) | Method, apparatus, device and computer readable medium for optical communication | |
| US20220239371A1 (en) | Methods, devices, apparatuses, and medium for optical communication | |
| CN111901258A (en) | Method for realizing reciprocity of uplink and downlink channels, communication node and storage medium | |
| CN112152741B (en) | Channel model training method and device | |
| KR20190117181A (en) | Learning-based mismatch compensation of wireless high-frequency analog circuit method and device | |
| Mohammadzadeh et al. | Adaptive beamforming based on theoretical interference‐plus‐noise covariance and direction‐of‐arrival estimation | |
| KR102510513B1 (en) | Deep learning based beamforming method and apparatus for the same | |
| KR20190117186A (en) | Learning-based channel code decoding method and apparatus | |
| KR102027674B1 (en) | Method and system for estimating i/q imbalance parameter of transceiver based on reinforcement learning | |
| US20220256341A1 (en) | Rf aware deep learning authentication solution | |
| CN113497648A (en) | Method for recovering angle sparse channel and system using the same | |
| CN114124173A (en) | Method, apparatus and storage medium for channel information acquisition | |
| CN111211821B (en) | System and method for analog beamforming for a single connection antenna array | |
| CN114581966A (en) | Method, electronic device and computer program product for information processing | |
| CN115473553B (en) | Method and device for intelligently inhibiting beam strabismus and electronic equipment | |
| Jere et al. | Theoretical foundation and design guideline for reservoir computing-based mimo-ofdm symbol detection | |
| CN112398543B (en) | Methods, apparatus, systems, devices, and computer readable media for optical communications | |
| Kuzlu et al. | A streamlit-based artificial intelligence trust platform for next-generation wireless networks | |
| CN114337745A (en) | Large-scale MIMO signal detection method for model-driven deep learning | |
| KR102348311B1 (en) | Method and device for transmitting evasion signals using surrogate models in deep learning based wireless communication environment | |
| Mbugua et al. | System development and experimental validation of a long‐range VNA‐based channel sounder |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X601 | Decision of rejection after re-examination |