知財求人 - 知財ポータルサイト「IP Force」
▶ ノキア ソリューションズ アンド ネットワークス オサケユキチュアの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-06-26
(45)【発行日】2024-07-04
(54)【発明の名称】無線受信機
(51)【国際特許分類】
H04L 27/26 20060101AFI20240627BHJP
H04B 7/0413 20170101ALI20240627BHJP
【ＦＩ】
H04L27/26 410
H04L27/26 114
H04L27/26 113
H04B7/0413
【請求項の数】
16
(21)【出願番号】P 2022554785
(86)(22)【出願日】2021-02-17
(65)【公表番号】
(43)【公表日】2023-04-26
(86)【国際出願番号】 FI2021050111
(87)【国際公開番号】W WO2021181002
(87)【国際公開日】2021-09-16
【審査請求日】2022-11-11
(31)【優先権主張番号】20205261
(32)【優先日】2020-03-12
(33)【優先権主張国・地域又は機関】FI
(73)【特許権者】
【識別番号】513311642
【氏名又は名称】ノキア ソリューションズ アンド ネットワークス オサケユキチュア
(74)【代理人】
【識別番号】100094569
【弁理士】
【氏名又は名称】田中 伸一郎
(74)【代理人】
【識別番号】100103610
【弁理士】
【氏名又は名称】▲吉▼田 和彦
(74)【代理人】
【識別番号】100109070
【弁理士】
【氏名又は名称】須田 洋之
(74)【代理人】
【識別番号】100067013
【弁理士】
【氏名又は名称】大塚 文昭
(74)【代理人】
【識別番号】100086771
【弁理士】
【氏名又は名称】西島 孝喜
(74)【代理人】
【氏名又は名称】上杉 浩
(74)【代理人】
【識別番号】100120525
【弁理士】
【氏名又は名称】近藤 直樹
(74)【代理人】
【識別番号】100139712
【弁理士】
【氏名又は名称】那須 威夫
(74)【代理人】
【識別番号】100176418
【弁理士】
【氏名又は名称】工藤 嘉晃
(72)【発明者】
【氏名】ホンカラ ミッコ ヨハネス
(72)【発明者】
【氏名】コルピ ダニ ヨハネス
(72)【発明者】
【氏名】フットゥネン ヤンネ マッティ ユハニ
(72)【発明者】
【氏名】スタルク ヴェサ
【審査官】北村 智彦
(56)【参考文献】
【文献】国際公開第２０１９／０８０９８７（ＷＯ，Ａ１）
【文献】特開２００４－１０４７６９（ＪＰ，Ａ）
【文献】特開２０１９－１０１７９２（ＪＰ，Ａ）
【文献】国際公開第２０２０／０３５９２０（ＷＯ，Ａ１）
【文献】特開２００３－１７４４８５（ＪＰ，Ａ）
【文献】Narengerile, John Thompson，Deep Learning for Signal Detection in Non-Orthogonal Multiple Access Wireless Systems[online]，2019 UK/ China Emerging Technologies (UCET)，2019年10月24日，[検索日2023.12.11],インターネット＜URL:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8881888＞
【文献】Myung-Sun Baek et al.，Implementation Methodologies of Deep Learning-Based Signal Detection for Conventional MIMO Transmitters，IEEE Transactions on Broadcasting，2019年01月22日，Vol.65, No.3，pp.636 - 642
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０４Ｌ ２７／２６
Ｈ０４Ｂ ７／０４１３
ＩＥＥＥ Ｘｐｌｏｒｅ
３ＧＰＰ ＴＳＧ ＲＡＮ ＷＧ１－４
ＳＡ ＷＧ１－４
ＣＴ ＷＧ１，４
(57)【特許請求の範囲】
【請求項1】
無線受信機であって、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つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサを用いて、前記無線受信機に、
複数の要素を含むデータアレイを取得させ、前記データアレイ内の前記複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応し、
前記時間間隔中に適用される基準信号構成を表す基準信号アレイを取得させ、
ニューラルネットワークを実装させ、
前記ニューラルネットワークにデータを入力させるように構成され、前記データは少なくとも、前記データアレイおよび前記基準信号アレイを含み、
前記ニューラルネットワークは、前記データに基づいて、前記データアレイ内の前記複数の要素の値を表す出力アレイを出力するように構成され、前記値はビットまたはシンボルを含み、
前記基準信号アレイは複数の畳込みチャネルを含み、前記基準信号アレイにおける前記複数の畳込みチャネルにおける各畳込みチャネルは、多入力多出力（ＭＩＭＯ）送信の層に対応する、無線受信機。
【請求項2】
前記ニューラルネットワークは畳込みニューラルネットワークを含む、請求項１に記載の無線受信機。
【請求項3】
前記基準信号アレイは複数の基準信号を含み、前記複数の基準信号における各基準信号の前記基準信号アレイ内のロケーションは、前記基準信号のサブキャリアおよび前記基準信号のタイムスロットを示す、請求項１または２に記載の無線受信機。
【請求項4】
前記基準信号アレイは、基準信号を含まない前記基準信号アレイの各ロケーションにおける事前構成されたインジケータ値を更に含む、請求項３に記載の無線受信機。
【請求項5】
前記ニューラルネットワークは、少なくとも１つの残差ブロックを更に含む、請求項１～４のいずれか１項に記載の無線受信機。
【請求項6】
前記少なくとも１つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサを用いて、前記無線受信機に、前記複数のサブキャリアのサブキャリア周波数を表す周波数アレイを取得させるように更に構成され、
前記データは前記周波数アレイを更に含む、請求項１～５のいずれか１項に記載の無線受信機。
【請求項7】
前記データは複数の畳込みチャネルを含む、請求項６に記載の無線受信機。
【請求項8】
前記データの前記複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは前記基準信号アレイに対応する、請求項７に記載の無線受信機。
【請求項9】
前記データの前記複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは前記周波数アレイに対応する、請求項７または８に記載の無線受信機。
【請求項10】
前記データアレイは、複数の畳込みチャネルと、複数のアンテナストリームからのデータとを含み、前記データアレイにおける各畳込みチャネルは、前記複数のアンテナストリームにおけるアンテナストリームに対応する、請求項１～９のいずれか１項に記載の無線受信機。
【請求項11】
前記少なくとも１つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサを用いて、前記無線受信機に、前記時間間隔および前記複数のサブキャリアについて用いられる変調方式に基づいて、前記出力アレイの各要素からビットのサブセットを抽出させるように更に構成される、請求項１～１０のいずれか１項に記載の無線受信機。
【請求項12】
前記少なくとも１つのメモリおよび前記コンピュータプログラムコードは、前記少なくとも１つのプロセッサを用いて、前記無線受信機に、前記時間間隔中に複数のサンプルを用いて未加工データを受信することと、
前記受信した未加工データに対しフーリエ変換を行って前記データアレイを生成することと、
を実行することによって、前記データアレイの前記取得を行わせるように更に構成される、請求項１～１１のいずれか１項に記載の無線受信機。
【請求項13】
請求項１～１２のいずれか１項に記載の無線受信機を備えるクライアントデバイス。
【請求項14】
請求項１～１２のいずれか１項に記載の無線受信機を備えるネットワークノードデバイス。
【請求項15】
請求項１～１２のいずれか１項に記載の無線受信機のニューラルネットワークをトレーニングするための方法であって、前記方法は、トレーニング入力データセットと、前記トレーニング入力データセットに対応するグランドトゥルースとを取得することと、
トレーニング入力データセットを前記ニューラルネットワークに入力することであって、前記トレーニング入力データセットは、複数の要素を含むトレーニングデータアレイを含み、前記トレーニングデータアレイ内の前記複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応する、入力することと、
前記ニューラルネットワークから、前記トレーニングデータアレイにおける前記複数の要素のビット値を表す前記トレーニング入力データセットの推定出力を受信することと、
前記トレーニング入力データセットについて用いられる変調方式に基づいて、前記推定出力の各要素からビットのサブセットを抽出することと、
前記抽出されたビットおよび前記グランドトゥルースに含まれるビットに基づいてコスト関数を計算することと、
前記計算されたコスト関数に従って前記ニューラルネットワークの少なくとも１つのパラメータを調整することと、
を含む、方法。
【請求項16】
コンピュータ上で実行されると、請求項１５に記載の方法を実行するように構成される、コンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本出願は、一般に、ワイヤレス通信の分野に関する。特に、本出願は、ワイヤレス通信のための無線受信機デバイス、ならびに関連する方法およびコンピュータプログラムに関する。
【背景技術】
【0002】
無線受信機アルゴリズムは、数学的および統計的アルゴリズムに基づくブロックを含むことができる。これらのアルゴリズムは、手動で開発およびプログラムすることができるが、労働集約的である場合がある。例えば、異なる基準信号構成を実施するには、大量の手作業を必要とする。このように設計された受信機アルゴリズムは、ほとんどのチャネル条件について適切に機能することができるが、チャネルのうちの任意のものについて可能な限り最良の性能を与えない場合がある。また、理論的チャネル条件に基づいて開発されたアルゴリズムがどのように実際の物理的チャネル条件と整合するかを推定することが困難である場合がある。
【発明の概要】
【0003】
本発明の様々な例示的な実施形態に求められる保護範囲は、独立請求項によって記載される。独立請求項の範囲に入らない本明細書において記載される例示的な実施形態および特徴は、存在する場合、本発明の様々な例示的な実施形態を理解するのに有用な例として解釈される。
【0004】
無線受信機の例示的な実施形態が、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る。少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機に、複数の要素を含むデータアレイを取得させ、データアレイ内の複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応し、時間間隔中に適用される基準信号構成を表す基準信号アレイを取得させ、ニューラルネットワークを実装させ、ニューラルネットワークにデータを入力させるように構成され、データは少なくとも、データアレイおよび基準信号アレイを含み、ニューラルネットワークは、データに基づいて、データアレイ内の複数の要素の値を表す出力アレイを出力するように構成され、値はビットまたはシンボルを含む。無線受信機は、例えば、様々な基準信号構成を用いて送信されたデータを受信することが可能であり得る。
【0005】
無線受信機の例示的な実施形態は、複数の要素を含むデータアレイを取得することであって、データアレイ内の複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応する、取得することと、時間間隔中に適用される基準信号構成を表す基準信号アレイを取得することと、ニューラルネットワークを実装することと、ニューラルネットワークにデータを入力することであって、データは少なくとも、データアレイおよび基準信号アレイを含む、入力することと、
を実行するための手段を備え、ニューラルネットワークは、データに基づいて、データアレイ内の複数の要素の値を表す出力アレイを出力するように構成され、値はビットまたはシンボルを含む。
を実行するための手段を備え、ニューラルネットワークは、データに基づいて、データアレイ内の複数の要素の値を表す出力アレイを出力するように構成され、値はビットまたはシンボルを含む。
【0006】
例示的な実施形態において、上記の例示的な実施形態の代わりに、またはこれに加えて、ニューラルネットワークは畳込みニューラルネットワークを含む。無線受信機は、例えば、畳込みニューラルネットワークにおける畳込み動作を介して時間および周波数における相関および／または障害を扱うことが可能であり得る。
【0007】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、基準信号アレイは複数の基準信号を含み、複数の基準信号における各基準信号の基準信号アレイ内のロケーションは、基準信号のサブキャリアおよび基準信号のタイムスロットを示す。無線受信機は、例えば、様々な基準信号構成にわたってチャネル推定値を補間することが可能であり得る。
【0008】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、基準信号アレイは、基準信号を含まない基準信号アレイの各ロケーションにおける事前構成されたインジケータ値を更に含む。無線受信機は、例えば、チャネル推定を実行するとき、基準信号を含まない基準信号アレイ内の要素を無視することが可能であり得る。
【0009】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、基準信号アレイは複数の畳込みチャネルを含み、基準信号アレイにおける複数の畳込みチャネルにおける各畳込みチャネルは、多入力多出力（ＭＩＭＯ）送信の層に対応する。無線受信機は、例えば、ＭＩＭＯ送信を受信するために基準信号を利用することが可能であり得る。
【0010】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、ニューラルネットワークは少なくとも１つの残差ブロックを更に含む。無線受信機は、例えば、より効率的にデータを受信することが可能であり得る。
【0011】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機に、複数のサブキャリアのサブキャリア周波数を表す周波数アレイを取得させるように更に構成され、データは周波数アレイを更に含む。無線受信機は、例えば、用いられる周波数帯域に依拠するワイヤレスチャネルの物理特性を利用することが可能であり得る。
【0012】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、データの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは基準信号アレイに対応する。無線受信機は、例えば、改善された柔軟性で基準信号アレイをニューラルネットワークに入力することが可能であり得る。
【0013】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、データの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは周波数アレイに対応する。無線受信機は、例えば、改善された柔軟性で周波数アレイをニューラルネットワークに入力することが可能であり得る。
【0014】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、データアレイは、複数の畳込みチャネルと、複数のアンテナストリームからのデータとを含み、データアレイにおける各畳込みチャネルは、複数のアンテナストリームにおけるアンテナストリームに対応する。無線受信機は、例えば、改善された柔軟性でアンテナストリームをニューラルネットワークに入力することが可能であり得る。
【0015】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機に、時間間隔および複数のサブキャリアについて用いられる変調方式に基づいて、出力アレイの各要素からビットのサブセットを抽出させるように更に構成される。無線受信機は、例えば、様々な変調方式を用いてデータを柔軟に受信することが可能であり得る。
【0016】
例示的な実施形態において、上記で説明した例示的な実施形態の代わりに、またはこれに加えて、少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機に、時間間隔中に複数のサンプルを用いて未加工データを受信させ、受信した未加工データに対しフーリエ変換を行わせてデータアレイを生成するように更に構成される。無線受信機は、例えば、ＯＦＤＭベースの技法を用いて互換性のある形式で動作することが可能であり得る。
【0017】
無線受信機の例示的な実施形態は、上記で説明した例示的な実施形態のうちの任意のものによる無線受信機を含む。
【0018】
ネットワークノードデバイスの例示的な実施形態は、上記で説明した例示的な実施形態のうちの任意のものによる無線受信機を含む。
【0019】
上記で説明した例示的な実施形態のうちの任意のものによる無線受信機のニューラルネットワークをトレーニングするための方法の例示的な実施形態は、トレーニング入力データセットと、トレーニング入力データセットに対応するグランドトゥルースとを取得することと、トレーニング入力データセットをニューラルネットワークに入力することであって、トレーニング入力データセットは、複数の要素を含むトレーニングデータアレイを含み、トレーニングデータアレイ内の複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応する、入力することと、ニューラルネットワークから、トレーニングデータアレイにおける複数の要素のビット値を表すトレーニング入力データセットの推定出力を受信することと、トレーニング入力データセットについて用いられる変調方式に基づいて、推定出力の各要素からビットのサブセットを抽出することと、抽出されたビットおよびグランドトゥルースに含まれるビットに基づいてコスト関数を計算することと、計算されたコスト関数に従ってニューラルネットワークの少なくとも１つのパラメータを調整することと、を含む。方法は、ニューラルネットワークが、様々な変調方式を用いて柔軟に機能するようにトレーニングされることを可能にすることができる。
【0020】
コンピュータプログラム製品の例示的な実施形態は、コンピュータプログラム製品がコンピュータ上で実行されると、上記の例示的な実施形態のうちの任意のものによる方法を実行するように構成されたプログラムコードを含む。
【0021】
例示的な実施形態の更なる理解をもたらすために包含され、本明細書の一部を構成する添付の図面は、例示的な実施形態を示し、記述と共に、例示的な実施形態の原理を説明することを補助する。
【図面の簡単な説明】
【0022】
【図1】無線受信機を示す、本明細書に記載の主題の例示的な実施形態を示す図である。
【図2】無線受信機のブロック図を示す、本明細書に記載の主題の比較例を示す図である。
【図3】ニューラルネットワークを含む無線受信機のブロック図を示す、本明細書に記載の主題の例示的な実施形態を示す図である。
【図4】チャネル推定のためのニューラルネットワークを含む無線受信機のブロック図を示す、本明細書に記載の主題の比較例を示す図である。
【図5】ニューラルネットワークにおけるデータフローを示す、本明細書に記載の主題の例示的な実施形態を示す図である。
【図6】ＭＩＭＯのために構成された、ニューラルネットワークにおけるデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図7】ニューラルネットワークパラメータおよび残差ネットワークブロックのテーブルを示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図8】コンスタレーション図を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図9】ビット抽出を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図10】ニューラルネットワークトレーニングにおけるデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図11】トレーニングされたニューラルネットワークを用いるときのデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図12】トレーニングされたニューラルネットワークを微調整する際のデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図13】リソース割り当てを示す、本明細書に記載の主題の比較例を示す図である。
【図14】リソース割り当てを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【図15】リソース割り当てを示す図である、本明細書に記載の主題の別の例示的な実施形態を示す。
【図16】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図17】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図18】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図19】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図20】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図21】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図22】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【図23】シミュレーション結果を示す、本明細書に記載の主題の別の例示的な実施形態を示す図である。
【発明を実施するための形態】
【0023】
類似の参照符号は、添付の図面において類似の部分を示すのに用いられる。
【0024】
次に、添付の図面に例が示されている例示的な実施形態を詳細に参照する。以下で添付の図面と併せて提供される詳細な説明は、本例の説明として意図され、本開示を構築または利用することができる唯一の形式を表すことを意図したものではない。説明は、例の機能、および例を構築し動作させるためのステップのシーケンスを示す。しかしながら、同じまたは等価の機能およびシーケンスを、異なる例示的な実施形態によって達成することができる。
【0025】
図１は、例示的な実施形態に従って構成される無線受信機１００のブロック図である。
【0026】
無線受信機１００は、１つまたは複数のプロセッサ１０１と、コンピュータプログラムコードを含む１つまたは複数のメモリ１０２とを備えることができる。無線受信機１００はまた、少なくとも１つのアンテナポートと、入力／出力モジュール（図１に示されていない）、および／または通信インタフェース（図１に示されていない）等の他の要素とを備えることができる。
【0027】
例示的な実施形態によれば、少なくとも１つのメモリ１０２およびコンピュータプログラムコードは、少なくとも１つのプロセッサ１０１を用いて、無線受信機１００に、複数の要素を含むデータアレイを取得させるように構成され、データアレイ内の複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応する。
【0028】
複数のサブキャリアは、例えば、コード／リソースブロックのサブキャリアに対応することができる。
【0029】
時間間隔は、例えば、送信時間間隔（ＴＴＩ）に対応することができる。
【0030】
データは、例えば、直交周波数分割多重（ＯＦＤＭ）を用いて送信することができる。複数のサブキャリアにおける各サブキャリアは、ＯＦＤＭサブキャリアに対応することができる。
【0031】
データアレイは、例えば、コードブロックに対応することができる。
【0032】
各タイムスロットは、時間領域における１つのＯＦＤＭシンボルに対応することができる。
【0033】
複数の要素における各要素は、例えば、シンボルコンスタレーションにおけるシンボルに対応することができる。シンボルコンスタレーションは、受信データのために用いられる変調方式に依拠することができる。
【0034】
少なくとも１つのメモリ１０２およびコンピュータプログラムコードは、少なくとも１つのプロセッサ１０１を用いて、無線受信機１００に、時間間隔中に適用される基準信号構成を表す基準信号アレイを取得させるように更に構成することができる。
【0035】
少なくとも１つのメモリ１０２およびコンピュータプログラムコードは、少なくとも１つのプロセッサ１０１を用いて、無線受信機１００に、ニューラルネットワークを実装させるように更に構成することができる。
【0036】
ニューラルネットワークは、本明細書に開示されるようにトレーニングしておくことができる。
【0037】
ニューラルネットワークは、例えば、畳込みニューラルネットワークを含むことができる。代替的に、ニューラルネットワークは、例えば、アテンション機構および／または変換器ニューラルネットワークを用いて実施することができる。
【0038】
少なくとも１つのメモリ１０２およびコンピュータプログラムコードは、少なくとも１つのプロセッサ１０１を用いて、無線受信機１００に、ニューラルネットワークにデータを入力させるように更に構成することができ、データは少なくとも、データアレイおよび基準信号アレイを含む。
【0039】
データは、本明細書に開示されるように任意の他の情報を更に含むことができる。
【0040】
データは３次元アレイを含むことができる。データの第１の次元は周波数に対応することができ、データの第２の次元は時間に対応することができ、データの第３の次元は畳込みチャネルに対応することができる。データまたは本明細書に開示される任意の他のアレイの畳込みチャネル次元は、深さ次元またはチャネル次元と呼ぶこともできる。データの第３の次元は、異なるタイプのデータに対応することができる。
【0041】
ニューラルネットワークは、データに基づいて、データアレイ内の複数の要素の値を表す出力アレイを出力するように構成することができ、値はビットまたはシンボルを含む。
【0042】
出力アレイは、例えば、対数尤度比（ＬＬＲ）または未加工ビット値を含むことができる。
【0043】
無線受信機は、例えば、時間間隔中に複数のサンプルを用いて未加工データを受信し、受信した未加工データに対しフーリエ変換を実行してデータアレイを生成することによって、データアレイの取得を実行することができる。
【0044】
無線受信機１００は、１つのみのプロセッサ１０１を含むように示されている場合があるが、無線受信機１００はより多くのプロセッサを含む場合がある。例示的な実施形態において、メモリ１０２は、オペレーティングシステムおよび／または様々なアプリケーション等の命令を記憶することが可能である。
【0045】
更に、プロセッサ１０１は、記憶された命令を実行することが可能であり得る。例示的な実施形態において、プロセッサ１０１は、マルチコアプロセッサ、シングルコアプロセッサ、または１つもしくは複数のマルチコアプロセッサおよび１つもしくは複数のシングルコアプロセッサの組み合わせとして具現化することができる。例えば、プロセッサ１０１は、コプロセッサ、マイクロプロセッサ、コントローラ、デジタルシグナルプロセッサ（ＤＳＰ）、付随するＤＳＰを伴うもしくは伴わない処理回路等の様々な処理デバイス、または、例えば、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、マイクロコントローラユニット（ＭＣＵ）、ハードウェアアクセラレータ、専用コンピュータチップ等の集積回路を含む他の様々な処理デバイスのうちの１つもしくは複数として具現化することができる。例示的な実施形態において、プロセッサ１０１は、ハードコードされた機能を実行するように構成することができる。例示的な実施形態において、プロセッサ１０１は、ソフトウェア命令の実行部として具現化され、命令は、命令が実行されると本明細書に記載のアルゴリズムおよび／または動作を実行するようにプロセッサ１０１を特に構成することができる。
【0046】
メモリ１０２は、１つもしくは複数の揮発性メモリデバイス、１つもしくは複数の不揮発性メモリデバイス、および／または１つもしくは複数の揮発性メモリデバイスおよび不揮発性メモリデバイスの組み合わせとして具現化することができる。例えば、メモリ１０２は、半導体メモリ（マスクＲＯＭ、ＰＲＯＭ（プログラマブルＲＯＭ）、ＥＰＲＯＭ（消去可能ＰＲＯＭ）、フラッシュＲＯＭ、ＲＡＭ（ランダムアクセスメモリ）等）として具現化することができる。
【0047】
無線受信機１００は、例えば、携帯電話、スマートフォン、タブレットコンピュータ、スマートウォッチ、もしくは任意のハンドヘルドもしくはポータブルデバイス、または、車両、ロボットまたはリピータ等の任意の他の装置において具現化することができる。
【0048】
無線受信機１００は、例えば、基地局（ＢＳ）等のネットワークノードデバイスにおいて具現化することができる。基地局は、例えば、ｇＮＢ、または、ワイヤレス送信を介してワイヤレスネットワークに接続するための無線インタフェースをクライアントデバイスに提供する任意のそのようなデバイスを含むことができる。
【0049】
無線受信機１００がいくつかの機能を実施するように構成されているとき、少なくとも１つのプロセッサ１０１および／またはメモリ１０２等の無線受信機１００の何らかの単数および／または複数の構成要素は、この機能を実施するように構成することができる。更に、少なくとも１つのプロセッサ１０１が何らかの機能を実施するように構成されているとき、この機能は、例えばメモリ１０２に含まれるプログラムコードを用いて実施することができる。例えば、無線受信機１００が動作を実行するように構成されている場合、少なくとも１つのメモリ１０２およびコンピュータプログラムコードは、少なくとも１つのプロセッサ１０１を用いて、無線受信機１００に、その動作を実行させるように構成することができる。
【0050】
本明細書において用いられるいくつかの用語は、現行の形式における４Ｇまたは５Ｇ技術の命名方式に従うことができる。しかしながら、この用語は、限定とみなされるべきでなく、用語は経時的に変化する場合がある。このため、任意の例示的な実施形態に関する以下の論考は、他の技術に当てはめることもできる。
【0051】
図２は、無線受信機のブロック図を示す、本明細書に記載の主題の比較例を示す。
【0052】
無線受信機は、１つまたは複数のアンテナ２０１に電気的に結合することができる。無線受信機は、１つまたは複数のアンテナ２０１から未加工受信データ２０２を取得することができる。無線受信機は、未加工受信データ２０２からサイクリックプレフィックス（ＣＰ）を除去する（２０３）ように構成することができる。無線受信機２００は、例えば未加工受信データ２０２に対する高速フーリエ変換（ＦＦＴ）を用いてフーリエ変換を実行するように構成することができる。
【0053】
無線受信機は、基準信号構成に基づいてチャネル推定２０５および補間２０６を行うように構成することができる。
【0054】
無線受信機は、フーリエ変換されたデータおよびチャネル推定値に基づいて等化２０７を実行するように構成することができる。等化２０７の後、無線受信機２００は、対数尤度比（ＬＬＲ）推定２０８を行うことができる。ＬＬＲに基づいて、無線受信機２００はビット値２１０を復号する（２０９）ことができる。
【0055】
図３は、無線受信機１００のブロック図を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0056】
【0057】
ニューラルネットワーク３０１は、部分的に処理された受信波形を取り込み、例えば対数尤度比（ＬＬＲ）として情報を出力するかまたは復号されたビットを直接出力することができる。前者の場合、ニューラルネットワーク出力を処理して情報ビット２１０を取得するために、別個のデコーダ２０９が必要とされる場合がある。例えば、５Ｇアップリンク共有チャネル（ＵＬ－ＳＣＨ）データを取得するために、低密度パリティチェック（ＬＤＰＣ）デコーダが必要とされる場合がある。ニューラルネットワーク３０１は、適切なトレーニングアルゴリズムおよびデータをトレーニングすることによって、無線受信機１００の少なくともいくつかの機能を実行するようにトレーニングすることができる。
【0058】
無線受信機１００の構造は、ニューラルネットワークチップおよび／またはＡＩアクセラレータを用いて無線受信機１００の高速で効率的な実施を可能にすることができる。特定のチャネル条件下および／または非常にスパースな基準信号構成等のいくつかの状況下では、ニューラルネットワーク無線受信機により、結果として性能が改善する可能性も高い。
【0059】
多くの無線送信機および受信機は、シンボルが直交サブキャリア上に変調される直交周波数分割多重に基づく。例えば、５Ｇシステムにおいて、ＯＦＤＭは、アップリンク（ＵＬ）およびダウンリンク（ＤＬ）の双方において用いられ、それによって、異なるユーザを、隣接するサブキャリアブロックに多重化することが可能である（直交周波数分割多重アクセス（ＯＦＤＭＡ））。
【0060】
ニューラルネットワーク３０１は、チャネル推定２０５（サブキャリアデマッピング）、等化２０７およびＬＬＲ推定２０８（ビット検出）を実施することができる。更に、無線受信機１００は、可撓性復調基準信号（ＤＭＲＳ）構成、マルチレイヤＭＩＭＯ、および四位相偏移変調（ＱＰＳＫ）または直交振幅変調（ＱＡＭ）等の様々な変調方式を扱うことが可能であり得る。
【0061】
ニューラルネットワーク３０１は、畳込みニューラルネットワーク（ＣＮＮ）を用いて実施することができる。ニューラルネットワーク３０１は、ＦＦＴ２０４後に受信データを取り込み、ＬＬＲまたはビット値を出力することができる。ＣＮＮは、２次元とすることができ、時間軸および周波数軸にわたって動作することができる。ＣＮＮは、送信時間間隔（ＴＴＩ）において全てのサブキャリアおよびシンボルを同時に検討することができる。このようにして、ＣＮＮにおける畳込みフィルタは、時間および周波数において、アンテナ構成、マルチパス伝播および移動性から生じる相関および／または障害を暗黙的に扱うことができる。
【0062】
スパースなパイロットシンボルは、チャネルに関するローカル情報のみを提供することができる。ニューラルネットワークが、パイロットロケーションから遠く離れたＬＬＲ推定の改善のために、未知のデータおよびその既知の分布を利用することを可能にすることが有益である場合がある。このため、ＬＬＲ推定は、データおよびパイロット信号の双方がコヒーレントな形式でニューラルネットワークに入力されるときに改善することができる。これにより、ニューラルネットワークが、ＬＬＲ推定を実行するために双方を利用することを可能にすることができる。例えば、ニューラルネットワークは、進化した反復受信機方式の何らかのバージョンを学習することができる。
【0063】
図４は、無線受信機のブロック図を示す、本明細書に記載の主題の比較例を示す。
【0064】
図４の比較例において、チャネル推定２０５および補間２０６は、ニューラルネットワークチャネル推定器４０１と置き換えられる。チャネル推定値は、等化器およびコンバイナ４０２においてフーリエ変換データと組み合わせることができる。
【0065】
図５は、ニューラルネットワークにおけるデータフローを示す、本明細書に記載の主題の例示的な実施形態を示す。
【0066】
無線受信機１００は、様々な情報源を組み合わせてデータ５１０にするように構成することができる。例えば、無線受信機１００は、様々な情報源を連結して（５０５）、データ５１０を形成することができる。連結５０５後、様々な情報源は、データ５１０の畳込みチャネルに対応することができる。このため、情報源５０１～５０４は、データ５１０の深さ次元において連結することができる。
【0067】
データ５１０は、ニューラルネットワーク入力データまたはそれに類するものと呼ぶこともできる。
【0068】
１次元ベクトルおよび２次元行列は、３次元アレイに拡張することができる。このため、単一の３次元アレイは、データ５１０として形成することができる。データ５１０は、ニューラルネットワーク３０１に供給することができる。
【0069】
データ５１０は、データアレイ５０１を含むことができる。データアレイ５０１は、フーリエ変換データとして受信することができる。図３の例示的な実施形態において、データアレイ５０１は、ＦＦＴ２０４の出力として取得することができる。
【0070】
データアレイ５０１は、次元Ｎfreq（複数のサブキャリアにおけるサブキャリア数）×Ｎtime（時間間隔におけるタイムスロット数）×Ｎant（アンテナストリーム数）を有する３次元アレイとして表すことができる。Ｎtimeは、例えば５Ｇにおいて１４とすることができる。
【0071】
少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機１００に、時間間隔中に適用される基準信号構成を表す基準信号アレイ５０２を取得させるように更に構成することができる。データ５１０は、基準信号アレイ５０２を更に含むことができる。
【0072】
基準信号アレイ５０２は、時間間隔中に適用される基準信号（パイロット構成）を表すことができる。基準信号アレイ５０２は、チャネル推定のために用いることができる。例えば、単一ユーザの事例では、基準信号アレイ５０２の次元は、Ｎfreq×Ｎtimeとすることができる。
【0073】
基準信号アレイ５０２は複数の基準信号を含むことができ、複数の基準信号における各基準信号の基準信号アレイ内のロケーションは、基準信号のサブキャリアおよび基準信号のタイムスロットを示す。例えば、図５の例示的な実施形態において、基準信号アレイ５０２は２つの基準信号を含む。
【0074】
基準信号アレイ５０２は、基準信号を含まない基準信号アレイ５０２の各ロケーションにおける事前構成されたインジケータ値を更に含むことができる。事前構成されたインジケータ値は、基準信号アレイ５０２の対応する要素が基準信号を含まないことを示すことができる。例えば、図５の例示的な実施形態において、基準信号アレイ５０２は、事前構成されたインジケータ値としてゼロを含む。
【0075】
基準信号アレイ５０２の要素は、対応するサブキャリアおよびタイムスロットが基準信号である場合、非ゼロとすることができる。非ゼロ要素の値は、基準信号値で埋めることができる。
【0076】
ＭＩＭＯの場合、基準信号アレイ５０２は３次元とすることができる。同じサブキャリア周波数を用いたＭＩＭＯチャネルごとの基準信号構成は、深さ次元においてスタックすることができる。
【0077】
少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機に、複数のサブキャリアのサブキャリア周波数を表す周波数アレイ５０３を取得させるように更に構成することができる。データ５１０は、周波数アレイ５０３を更に含むことができる。
【0078】
サブキャリアの周波数をニューラルネットワーク３０１に供給することによって、周波数軸にわたって複数のブロックにおける１つの時間間隔を処理することも可能であり得る。無線受信機１００の計算リソースが時間間隔全体を一度に処理するのに十分でない場合、この手法を用いて、ニューラルネットワーク３０１のサイズを制限することができる。更に、ワイヤレスチャネルの物理特性は、周波数帯域に依拠することができる。このため、ニューラルネットワーク３０１がこの情報を利用することを可能にすることも有益であり得る。
【0079】
周波数アレイ５０３の次元は、Ｎfreq×１とすることができる。周波数アレイ５０３は、サブキャリア周波数を表すベクトルを含むことができる。これは、ニューラルネットワーク３０１のためのサブキャリア周波数に関する情報を提供することができる。これは、ネットワークがサブキャリア周波数に基づいていくつかの下位レベルフィルタを異なる形で機能するように特殊化することを可能にすることができる。周波数アレイ５０３は、例えばハードウェアまたは負荷要件に起因して、周波数の任意の部分を別個に処理する機能も加えることができる。
【0080】
データは、複数の畳込みチャネルを含むことができる。
【0081】
データの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは基準信号アレイに対応することができる。
【0082】
データの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは周波数アレイに対応することができる。
【0083】
データ５１０は、他の情報５０４を更に含むことができる。他の情報５０４は、例えば、エンコーディング、ＵＥ識別子、ＵＥスケジューリング情報等に関する情報を含むことができる。
【0084】
連結５０５の後、データ５１０の次元は、Ｎfreq×Ｎtime×Ｎchとすることができ、ここで、Ｎchは畳込みチャネル数である。畳込みチャネル数は、深さと呼ぶこともできる。このため、連結５０５の後、データアレイ５０１、基準信号アレイ５０２および周波数アレイ５０３等の異なるデータタイプをデータ５１０の畳込みチャネル／深さ次元にスタックすることができる。
【0085】
ニューラルネットワーク３０１は、時間および周波数方向において動作する少なくとも１つの２次元畳込み層を含むことができる。ニューラルネットワーク３０１は、複数のそのような畳込み層を含むことができる。
【0086】
ニューラルネットワーク３０１における各畳込み層は、ｋ個のフィルタを含むことができる。各フィルタの深さは、その層の入力の深さに等しくすることができる。例えば、ニューラルネットワーク３０１の第１の層における各フィルタの深さは、Ｎchとすることができる。このため、ｋ個のフィルタの各々が周波数および時間次元におけるデータ５１０で畳み込まれるとき、サイズＮfreq×Ｎtime×ｋの新たな３次元アレイ５０６を生成することができる。
【0087】
ニューラルネットワーク３０１における各フィルタは、例えばサイズ３×３または任意の他のサイズとすることができる。
【0088】
ニューラルネットワーク３０１は、例えば１０～２０個の畳込み層を含むことができる。
【0089】
ニューラルネットワーク３０１の畳込み動作において、ゼロパディングを用いることができる。ピリオドパディング等の代替的なパディング方式も用いることができる。いくつかの場合、ＮfreqおよびＮtime次元がニューラルネットワーク３０１を通じて一定に留まるようなパディングを用いることが有益であり得る。
【0090】
ニューラルネットワーク３０１の畳込み演算において、周波数および時間次元における２次元畳込みの後、結果を畳込みチャネル方向にわたって合算することができる。
【0091】
代替的にまたは更に、深さ方向の分離可能な畳込み等の他のタイプの畳込み演算をニューラルネットワーク３０１において実施することができる。
【0092】
ニューラルネットワーク３０１は、正規化線形ユニット（ＲｅＬＵ）等の非線形性、およびトレーニング中のバッチ正規化等の可能な正規化を更に含むことができる。ニューラルネットワーク３０１における各畳込み層は、ＲｅＬＵおよび／または他の非線形性を含むことができる。
【0093】
ニューラルネットワーク３０１における各層は、別個の重みを含むことができる。重みは、フィルタの要素に対応することができる。重みは、パラメータ、モデルパラメータまたはそれに類するものと呼ぶこともできる。
【0094】
例えば、アンテナ構成およびＵＥの移動性（ドップラシフト／拡散）に起因して、畳込みにより、時間および周波数における相関および／または障害を扱うことを可能にすることができる。チャネル推定値は、実際のデータシンボルが送信されるサブキャリアおよびシンボルにわたって補間されるべきであるため、畳込みは、時間間隔にわたるチャネル情報の補間も改善することができる。
【0095】
ニューラルネットワーク３０１は、少なくとも１つの残差ブロックを更に含むことができる。
【0096】
最終的な畳込み層の出力は、２次元畳込み層からの出力畳込みチャネルを組み合わせる１×１の畳込みに供給することができ、ビットＬＬＲ５０８が生成される。１×１の畳込み層は、ＮMIMO×Ｎbit出力チャネルを有することができ、ここで、ＮMIMOはＭＩＭＯ層の数であり、Ｎbitはシンボルあたりの最大ビット数である。例えば、最大２５６ＱＡＭをサポートするために、Ｎbit＝８である。
【0097】
ニューラルネットワーク３０１の出力は、Ｎfreq×Ｎtime×ＮMIMO×Ｎbitの要素に再構築することができ、各要素をシグモイド関数に供給することができる。シグモイド関数は、各ビットが１である確率２０１を出力することができる。出力アレイはこれらの確率を含むことができる。
【0098】
シグモイド層の出力は、ビット確率であるため、シグモイド層への入力はＬＬＲに対応し、－１との可能な乗算は、用いられる規則に依拠する。換言すれば、シグモイドの前の１×１の畳込み層の出力は、対応するビットＬＬＲを与えることができる。
【0099】
いくつかの例示的な実施形態において、ニューラルネットワーク３０１は、出力アレイにおいてビットＬＬＲ５０８を出力するように構成することができる。いくつかの例示的な実施形態において、ニューラルネットワーク３０１は、出力アレイにおいてビット確率５０９を出力するように構成することができる。いくつかの例示的な実施形態において、ニューラルネットワーク３０１は、出力アレイにおいてビット値を出力するように構成することができる。
【0100】
ニューラルネットワーク３０１によって実行される任意の動作は、複素領域または実領域におけるものであり得る。これは、例えば、ニューラルネットワーク３０１が実施されるハードウェアに依拠することができる。データアレイ５０１はフーリエ変換信号とすることができるため、本明細書における開示は複素演算を想定することができる。実演算を用いた実施の場合、複素数の実部および虚部をニューラルネットワーク３０１の畳込みチャネルに供給することができる。そのような場合、データ５１０における畳込みチャネル数は、複素事例と比較して２倍にすることができる。
【0101】
ニューラルネットワーク３０１は、ＴＴＩ／コードブロック全体を、ニューラルネットワーク３０１を通る単一のパスとして処理することができる。このため、ニューラルネットワーク３０１は、ＴＴＩ全体にわたってチャネル推定および補間を暗黙的に学習することができる。更に、コードブロック全体を処理することは、最終的な復号段階にとって有益であり得る。なぜなら、この結果、より正確な信号対雑音比（ＳＮＲ）推定を得ることができるためである。
【0102】
図６は、多入力多出力（ＭＩＭＯ）のために構成された、ニューラルネットワークにおけるデータフローを示す、本明細書に記載の主題の例示的な実施形態を示す。
【0103】
データアレイ５０１は、複数の畳込みチャネルと、複数のアンテナストリームからのデータとを含むことができ、データアレイ５０１における各畳込みチャネルは、複数のアンテナストリームにおけるアンテナストリームに対応する。畳込みチャネルは、入力チャネルと呼ぶこともできる。
【0104】
基準信号アレイ５０２は複数の畳込みチャネルを含むことができ、基準信号アレイ５０２における複数の畳込みチャネルにおける各畳込みチャネルは、ＭＩＭＯ送信の層に対応する。層は、例えば、単一ユーザＭＩＭＯまたは単一および複数ユーザ混合ＭＩＭＯからのものとすることができる。
【0105】
図６の例示的な実施形態において、データアレイ５０１は２つの畳込みチャネルを含む。各畳込みチャネルは、別個のアンテナストリームに対応することができる。更に、基準信号アレイ５０２は２つの畳込みチャネルを含む。各畳込みチャネルはＭＩＭＯ層に対応することができる。
【0106】
データアレイ５１０のアンテナストリームおよび基準信号アレイ５０２のＭＩＭＯ層は、データ５１０に連結することができる。
【0107】
ニューラルネットワーク３０１は、データ５１０に基づいてＭＩＭＯ層ごとにＬＬＲ５０８を出力することができる。
【0108】
図６の例示的な実施形態は、複数ユーザＭＩＭＯまたは単一ユーザＭＩＭＯに適用することができる。複数ユーザＭＩＭＯにおいて、ＭＩＭＯ層の数は、ＭＩＭＯユーザの数に対応することができる。
【0109】
図７は、ニューラルネットワークパラメータおよび残差ネットワークブロック７５３のテーブル７５０を示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0110】
図７の例示的な実施形態において、データアレイ５０１、基準信号アレイ５０２およびチャネル推定値アレイ５０４は連結され、データ５１０が形成される。データ５１０は実部および虚部に分割され、これにより複素データ５１０と比較して２倍の数の畳込みチャネルを含むアレイ７５１が生成される。
【0111】
図７の例示的な実施形態のニューラルネットワークは、第１の畳込み層７５２と、９つの残差ネットワークブロック７５３と、１×１の畳込み層７５４とを含む。１×１の畳込み層７５４はＬＬＲ５０８を出力する。
【0112】
図７の例示的な実施形態において、各残差ネットワークブロック７５３は、２つのバッチ正規化（ＢＮ）ブロック７６１と、２つのＲｅＬＵブロック７６２と、２つの分離可能な２次元畳込みブロック７６３と、２つの１×１の２次元畳込みブロック７６４とを含む。残差ネットワークブロック７５３の入力７６０は第１のＢＮブロック７６１に供給され、第１のＢＮブロック７６１の出力は第１のＲｅＬＵブロック７６２に供給され、第１のＲｅＬＵブロック７６２の出力は第１の分離可能な２次元畳込みブロック７６３に供給され、第１の分離可能な２次元畳込みブロック７６３の出力は第１の１×１畳込みブロック７６４に供給される。次に、プロセスは、第２のＢＮブロック７６１、第２のＲｅＬＵブロック７６２、第２の分離可能な２次元畳込みブロック７６３、および第２の１×１の２次元畳込みブロック７６４を用いて第１の１×１の畳込みブロック７６４の出力について繰り返される。次に、第２の１×１の２次元畳込みブロック７６４の出力は、入力７６０と合算され（７６５）、残差ネットワークブロック７５３の出力７６６が生成される。
【0113】
図８は、コンスタレーション図を示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0114】
図８の実施形態は、１６直交振幅変調（ＱＡＭ）コンスタレーションにおけるシンボルからどのようにビット値を抽出することができるかを示す。最初の２つのビット値ｂ1ｂ2は、シンボルが存在する複素平面の四半分（ｑｕａｒｔｅｒ）によって決定することができる。例えば、図８の実施形態において、シンボルは、複素平面の第１の四半分７０１にある。
【0115】
次の２つのビット値ｂ3ｂ4は、第１の四半分７０１を再び４つの四半分に分割し、シンボルが存在する四半分７０２を選択することによって決定することができる。
【0116】
より高次のＱＡＭコンスタレーションは、以下の類似のプロセスによって階層方式で構築することができる。例えば、３２ＱＡＭにおいて、四半分７０２は再び四半分に分割され、次の２つのビット値が決定され、より高次のＱＡＭコンスタレーションについて以下同様である。
【0117】
図９は、ビット抽出を示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0118】
例示的な実施形態によれば、少なくとも１つのメモリおよびコンピュータプログラムコードは、少なくとも１つのプロセッサを用いて、無線受信機１００に、時間間隔および複数のサブキャリアについて用いられる変調方式に基づいて、出力アレイの各要素からビットのサブセットを抽出させるように更に構成される。
【0119】
無線受信機１００は、例えば或る特定のビットをマスキングすることによって、ビットの或る特定のサブセットを抽出することができる。このようにして、無線受信機は、用いられる変調方式に従って最終的なビットストリームを構築することができる。
【0120】
例えば、２nＱＡＭが用いられる場合、無線受信機１００はｎ個のビットを抽出することができる。抽出されたビットは、出力アレイの各要素の最初のｎ個のビットを含むことができる。
【0121】
例えば、ＱＰＳＫまたは４ＱＡＭが用いられる場合、無線受信機１００は、図９の例示的な実施形態に示されるように最初の２つのビット８０２を抽出することができる。
【0122】
他方で、１６ＱＡＭが用いられる場合、無線受信機１００は、図９の例示的な実施形態に示されるように最初の４つのビット８０１を抽出することができる。
【0123】
ビットのサブセットは、無線受信機１００の使用中および／またはニューラルネットワーク３０１のトレーニング中に抽出することができる。したがって、ニューラルネットワークは、異なるビット出力ノードを、コンスタレーションの異なる階層四分位にマッピングするように学習することができる。このため、ニューラルネットワーク３０１は、様々な異なる変調方式を用いて機能するようにトレーニングすることができる。
【0124】
図１０は、ニューラルネットワークトレーニングにおけるデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0125】
実施形態によれば、無線受信機のためのニューラルネットワークをトレーニングするための方法が、トレーニング入力データセットと、トレーニング入力データセットに対応するグランドトゥルースとを取得することを含む。
【0126】
トレーニング入力データセットは、複数のトレーニングデータレコードの一部とすることができる。そのような各トレーニングデータレコードは、ニューラルネットワークのトレーニングのために用いることができる。
【0127】
方法は、トレーニング入力データセットをニューラルネットワークに入力することを更に含むことができる。トレーニング入力データセットは、複数の要素を含むトレーニングデータアレイを含むことができ、トレーニングデータアレイ内の複数の要素における各要素は、複数のサブキャリアにおけるサブキャリア、および時間間隔におけるタイムスロットに対応する。
【0128】
入力トレーニングデータセットは、例えばシミュレートされたデータ９０１を含むことができる。シミュレートされたデータ９０１は、例えばリンクレベルシミュレータを用いて生成することができる。シミュレートされたデータ９０１は、送信機－受信機チェーンをシミュレートし、（グランドトゥルースのための）送信された符号化ビット、受信信号、ならびに基準信号構成およびパラメータ等の他の関連情報を記憶することによって生成することができる。
【0129】
トレーニングの開始時に、ニューラルネットワーク３０１は、ランダムパラメータ９０８を用いて構成することができる。
【0130】
シミュレートされたデータ９０１はニューラルネットワークに供給することができる。これは、モデル順方向パス９０２と呼ぶことができる。
【0131】
この方法は、ニューラルネットワークから、トレーニングデータアレイにおける複数の要素のビット値を表すトレーニング入力データセットの推定出力を受信することを更に含むことができる。
【0132】
推定出力は、入力トレーニングデータセットのための推定ビット値９０３を含むことができる。
【0133】
方法は、トレーニング入力データセットについて用いられる変調方式に基づいて、推定出力の各要素からビットのサブセットを抽出することを更に含むことができる。ビットは、例えば本明細書に開示される方式で抽出することができる。図９の例示的な実施形態におけるように、ビットは、例えば類似の方式で抽出することができる。ビットは用いられる変調方式に基づいて抽出されるため、ニューラルネットワーク３０１は、様々な変調方式を用いて機能するようにトレーニングすることができる。
【0134】
方法は、抽出されたビットおよびグランドトゥルースに含まれるビットに基づいてコスト関数を計算することを更に含むことができる。
【0135】
コスト関数は、例えば、抽出されたビット値９０３をグランドトゥルースビット値９０４と比較することによって計算することができる。グランドトゥルースビット値９０４は、トレーニングデータセットから得ることができる。コスト関数９０５は、例えば、グランドトゥルースビット９０４と抽出されたビット９０３との間のエントロピー間損失を含むことができる。
【0136】
方法は、計算されたコスト関数に従ってニューラルネットワークの少なくとも１つのパラメータを調整することを更に含むことができる。ニューラルネットワークの少なくとも１つのパラメータは、例えば、ニューラルネットワーク３０１の少なくとも１つの重みを含むことができる。
【0137】
少なくとも１つのパラメータの調整は、後方パス９０６と呼ぶことができる。パラメータは、例えば、統計勾配降下（ＳＧＤ）またはその拡張（例えば、Ａｄａｍ最適化器）および後方伝搬を用いて調整することができる。これは、トレーニングされたパラメータ９０７を出力することができる。
【0138】
トレーニングプロセスの上記の説明は、トレーニングプロセスの一部にのみ対応することができる。ニューラルネットワーク３０１のパラメータは、反復的な形式で調整することができ、それによって、順方向パス９０２は各調整後に行われる。以前のパラメータ調整が損失関数９０５の値をどのように変更するかに基づいて、例えばＳＧＤを用いて更なる調整を推論することができる。パラメータのそのような反復は、例えば、損失関数が予め構成された閾値に達するまで、またはニューラルネットワーク３０１の性能の何らかの他の条件に達するまで継続することができる。
【0139】
トレーニングは、コンピュータ等の任意のコンピューティングデバイスによって行うことができる。例えば、トレーニングは、ＢＳから収集したシミュレートされたデータまたは実データを用いてクラウドにおいて行うことができる。トレーニングのためにグランドトゥルースチャネル情報は必要とされない場合があり、受信されたＲＸ信号およびグランドトゥルースビットのみが必要とされる場合がある。
【0140】
データ５１０に関する本明細書における任意の開示は、トレーニング入力データセットにも適用することができる。
【0141】
トレーニング入力データセットは、基準信号アレイを更に含むことができる。基準信号アレイは複数の基準信号を含むことができ、複数の基準信号における各基準信号の基準信号アレイにおけるロケーションは、基準信号のサブキャリアおよび基準信号のタイムスロットを示す。基準信号アレイは、基準信号を含まない基準信号アレイの各ロケーションにおける事前構成されたインジケータ値を更に含むことができる。基準信号アレイは複数の畳込みチャネルを含むことができ、基準信号アレイにおける複数の畳込みチャネルにおける各畳込みチャネルは、ＭＩＭＯ送信の層に対応する。
【0142】
トレーニング入力データセットは、複数のサブキャリアのサブキャリア周波数を表す周波数アレイを更に含むことができる。
【0143】
トレーニング入力データセットは、複数の畳込みチャネルを含むことができる。データセットの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは基準信号アレイに対応する。トレーニング入力データセットの複数の畳込みチャネルにおける少なくとも１つの畳込みチャネルは周波数アレイに対応することができる。データアレイは、複数の畳込みチャネル、および複数のアンテナストリームからのデータを含むことができる。データアレイにおける各畳込みチャネルは、複数のアンテナストリームにおけるアンテナストリームに対応することができる。
【0144】
図１１は、トレーニングされたニューラルネットワークを用いるときのデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0145】
トレーニング手順の出力は、トレーニングされたモデルパラメータ９０７とすることができる。これらは、シミュレーショントレーニングされたモデルと呼ぶこともできる。このモデルは、図１１の例示的な実施形態に示すような生成において用いることができる。
【0146】
例えば、無線受信機１００は、データ５１０を順方向パス９０２方式でニューラルネットワークに入力することによって、ニューラルネットワーク３０１を用いることができる。トレーニングされたモデルパラメータ９０７およびデータ５１０を用いて、ニューラルネットワーク３０１は、推定ビット値２０１を含む出力データセットを出力することができる。
【0147】
図１２は、トレーニングされたニューラルネットワークを微調整する際のデータフローを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0148】
トレーニングされたモデルパラメータ９０７は、トレーニングが行われた後、特定のロケーションまたは状況について微調整することができる。微調整は、例えば、フィールドから収集されたデータを用いて実行することができる。微調整のために、グランドトゥルース１１０２を、例えば、ハイブリッド自動再送要求（ＨＡＲＱ）再提出により取得することができる。これは、復号が最初に失敗する事例についてもトレーニングデータを取得することを可能にすることができる。
【0149】
ニューラルネットワーク３０１のパラメータの微調整は、トレーニングと類似して行うことができる。シミュレーショントレーニングされたモデルパラメータ９０７は、微調整の開始点として機能することができる。微調整において、記録されたデータ１１０１は、トレーニングにおいて用いられるシミュレートされたデータ９０１の代わりに用いることができ、グランドトゥルース１１０２はＨＡＲＱにより取得することができる。結果として得られるパラメータは、微調整されたパラメータ１１０３である。
【0150】
図１３は、リソース割り当てを示す、本明細書に記載の主題の比較例を示す。
【0151】
図１３の比較例は、データリソース要素１２０１およびパイロット信号リソース要素１２０２を含むフレーム構造を示す。フレーム構造は、全てのサブキャリアについて時間において分離された２つのパイロット信号１２０２を含む。このタイプのフレーム構造は、例えば４Ｇ物理アップリンク共有チャネル（ＰＵＳＣＨ）において実施することができる。
【0152】
図１４は、リソース割り当てを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0153】
図１４の例示的な実施形態は、データリソース要素１２０１、パイロット信号リソース要素１２０２、および他のリソース要素１２０３を含むフレーム構造を示す。このタイプのフレーム構造は、例えば５Ｇ ＰＵＳＣＨにおいて実施することができる。図１４の例示的な実施形態を図１３の比較例と比較することによって見て取ることができるように、５Ｇ ＰＵＳＣＨフレーム構造において、パイロット信号１２０２の数およびそれらのロケーションは、４Ｇと比較してより自由に割り当てることができる。
【0154】
図１５は、リソース割り当てを示す、本明細書に記載の主題の別の例示的な実施形態を示す。
【0155】
受信機１００のニューラルネットワーク３０１は、データシンボル分布からもチャネルをより効率的に推定するように学習することができる。このため、パイロット信号１２０２に割り当てられるリソース要素の数を低減させることができ、この結果として、スループットを高めることができる。パイロット１２０２の数が低減したフレーム構造の例示的な実施形態が図１５に示されている。パイロット信号１２０２の数およびそれらのロケーションは、５Ｇにおいてより自由に割り当てることができるため、無線受信機１００は、５Ｇにおいてより高いスループットを提供することができる。
【0156】
少なくとも、いくつかの例示的な実施形態において、ニューラルネットワーク３０１は、様々な基準信号構成を用いて動作可能であり得る。トレーニング中、ニューラルネットワーク３０１は、ニューラルネットワーク３０１がトレーニングされる様々な構成にわたってチャネル推定値を補間するように学習することができる。このため、異なる構成について無線受信機１００を手動でプログラムすることは必要でない場合がある。
【0157】
少なくともいくつかの例示的な実施形態において、ニューラルネットワーク３０１は、用いられる変調方式に依拠して、異なる数のビットを出力することができる。
【0158】
少なくともいくつかの実施形態において、ニューラルネットワーク３０１は、ＵＥおよびＢＳがＭＩＭＯアンテナアレイを有するときに、空間多重化を扱うことができる。ＵＥスケジューリング情報は、データ５１０に含まれるベクトルまたは行列とすることができる。
【0159】
少なくともいくつかの例示的な実施形態において、無線受信機１００は、隣接するリソースブロックにおいてスケジューリングされた異なるＵＥを処理することができる。異なるＵＥは、異なるコンスタレーションおよび基準信号構成を有する可能性が高い。
【0160】
少なくともいくつかの例示的な実施形態は、無線受信機１００の実施を単純化することができる。ニューラルネットワーク３０１は、チャネル推定、マルチアンテナ等化、周波数オフセット（例えば、ドップラシフト）推定／補償、および／またはＬＬＲ推定を実行するように学習することができる。ニューラルネットワーク３０１は、異なる基準信号構成を手動でプログラムする必要なく、これらを扱うことが可能であり得る。ニューラルネットワーク３０１は、トレーニングのためにＲｘデータおよびグランドトゥルースシンボルのみを必要とし得る。チャネルまたはＳＮＲ推定値の必要がない場合がある。
【0161】
少なくともいくつかの例示的な実施形態は、依然として規約に準拠しながら、物理層においてニューラルネットワーク３０１を利用することができる。
【0162】
少なくともいくつかの例示的な実施形態において、１つのニューラルネットワーク３０１を用いたＲＸチェーン全体の実施の結果として、より高い性能を得ることができる。並列化は単純であり得る。複雑性および電力消費を低減することができる。これは、エンドツーエンド形式でニューラルネットワーク３０１を差別化およびトレーニングすることを依然として可能にしながら、受信機処理の他の部分をニューラルネットワーク３０１に組み込むことによって更に改善することができる。１ビットアーキテクチャ等の高性能ニューラルネットワーク推論チップを用いることが有益であり得る。
【0163】
少なくともいくつかの例示的な実施形態において、トレーニングは、送信機およびチャネルのシミュレーションのみを必要とする場合がある。受信は、データから学習することができる。機能はトレーニングデータから学習することができるため、無線受信機１００におけるプログラムコードの量を低減させることができる。
【0164】
いくつかの例示的な実施形態において、時間領域ＲＸデータは、ニューラルネットワーク３０１に直接供給され、ニューラルネットワーク３０１は、ＦＦＴまたは類似の演算を実行する。ＦＦＴは、ニューラルネットワーク３０１の固定部分とすることができるか、または類似の挙動を学習することができる。
【0165】
いくつかの例示的な実施形態において、パラメータ数の低減およびより高速な推論のために深さ方向の分離可能な畳込みを行うことができる。
【0166】
いくつかの例示的な実施形態において、無線受信機１００は、ＴＴＩ間のチャネル情報を記憶するための長短期記憶（ＬＳＴＭ）を含むことができる。
【0167】
いくつかの例示的な実施形態において、無線受信機１００を分割し、例えば組み合わされたマルチポイント受信機（ＵｌＣｏＭＰ）の構成要素として複数のノードで実行することができる。
【0168】
いくつかの例示的な実施形態において、ニューラルネットワーク３０１は、最後の層を調整することによって、ＬＬＲの代わりに検出シンボルを出力することができる。
【0169】
いくつかの例示的な実施形態において、柔軟な周波数割り当てにより複数のＵＥから同時に受信するために、ＵＥマスクを実施することができる。
【0170】
いくつかの例示的な実施形態において、全てのサブキャリア周波数の代わりに、周波数のブロックをニューラルネットワーク３０１に入力することができる。
【0171】
図１６は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0172】
図１６の例示的な実施形態において、シミュレーション結果を、干渉なしで、ランダムな速度を有するモバイルＵＥを用いて、および時間における１つのパイロット信号を用いて、５Ｇ ２Ｒｘ単入力多出力（ＳＩＭＯ）受信機について提示することができる。図１６のプロットは、信号対干渉雑音比（ＳＩＮＲ）の関数として符号化ビット誤り率（ＢＥＲ）を示す。
【0173】
曲線１５０１は無線受信機１００に対応し、曲線１５０２は基準受信機に対応し、曲線１５０３は全チャネル情報を有する基準受信機に対応する。全チャネル情報を有する基準受信機は、チャネルを完全に知っているという意味で理想的な受信機に対応することができる。しかしながら、任意のタイプの干渉拒絶／キャンセルまたはドップラスプレッド補償を実行することが可能でない場合がある。
【0174】
図１７は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0175】
図１７の例示的な実施形態において、シミュレーション結果が、干渉なしで、ランダムな速度を有するモバイルＵＥを用いて、および時間における２つのパイロット信号を用いて、５Ｇ ２Ｒｘ ＳＩＭＯ受信機について提示される。図１７のプロットは、ＳＩＮＲの関数として符号化ＢＥＲを示す。
【0176】
曲線１６０１は無線受信機１００に対応し、曲線１６０２は基準受信機に対応し、曲線１６０３は全チャネル情報を有する基準受信機に対応する。
【0177】
図１８は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0178】
図１８の例示的な実施形態において、シミュレーション結果が、時間における１つまたは２つのパイロット信号を含む４つのパイロット構成を用いて、およびランダムに選択された３ＧＰＰチャネルモデルを用いて、５Ｇ ２×４ＭＩＭＯ受信機について提示される。トレーニングおよび検証のために異なるチャネルモデルが用いられた。図１８のプロットは、ＳＩＮＲの関数として未加工ＢＥＲを示す。
【0179】
曲線１７０１は無線受信機１００に対応し、曲線１７０２は基準受信機に対応し、曲線１７０３は全チャネル情報を有する基準受信機に対応する。
【0180】
図１９は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0181】
【0182】
曲線１８０１は無線受信機１００に対応し、曲線１８０２は基準受信機に対応し、曲線１８０３は全チャネル情報を有する基準受信機に対応する。
【0183】
図２０は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0184】
図２０の例示的な実施形態において、シミュレーション結果が、時間における１つまたは２つのパイロットを用いて、干渉を伴って、２ＲＸ ＳＩＭＯダウンリンクチャネル推定器について提示される。図２０のプロットは、ＳＩＮＲの関数として未加工ＢＥＲを示す。
【0185】
曲線１９０１は無線受信機１００に対応し、曲線１９０２は基準受信機に対応し、曲線１９０３は全チャネル情報を有する基準受信機に対応する。
【0186】
図２１は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0187】
【0188】
曲線２００１は無線受信機１００に対応し、曲線２００２は基準受信機に対応し、曲線２００３は全チャネル情報を有する基準受信機に対応する。
【0189】
図２２は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0190】
図２２の例示的な実施形態において、シミュレーション結果が、時間における１つまたは２つのパイロット信号を用いて、干渉を伴って、２ＲＸ ＳＩＭＯ無線受信機について提示される。図２２のプロットは、ＳＩＮＲの関数として未加工ＢＥＲを示す。
【0191】
曲線２１０１は無線受信機１００に対応し、曲線２１０２は基準受信機に対応し、曲線２１０３は全チャネル情報を有する基準受信機に対応する。
【0192】
図２３は、シミュレーション結果を示す、本明細書に記載の主題の例示的な実施形態を示す。
【0193】
【0194】
曲線２２０１は無線受信機１００に対応し、曲線２２０２は基準受信機に対応し、曲線２２０３は全チャネル情報を有する基準受信機に対応する。
【0195】
装置は、本明細書に記載の方法の任意の態様を実行するための手段を備えることができる。例示的な実施形態によれば、手段は、少なくとも１つのプロセッサと、プログラムコードを含むメモリとを備え、少なくとも１つのプロセッサ、およびプログラムコードは、少なくとも１つのプロセッサによって実行されると、方法の任意の態様を実行させるように構成される。
【0196】
本明細書に記載の機能は、少なくとも部分的に、ソフトウェアコンポーネント等の１つまたは複数のコンピュータプログラム製品コンポーネントによって実行することができる。例示的な実施形態によれば、無線受信機１００は、実行されると、説明した動作および機能の例示的な実施形態を実行するようにプログラムコードによって構成されたプロセッサを備える。代替的にまたは更に、本明細書に記載の機能は、少なくとも部分的に、１つまたは複数のハードウェア論理コンポーネントによって実行することができる。例えば、限定ではないが、用いることができるハードウェア論理コンポーネントの例示的なタイプは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途用標準品（ＡＳＳＰ）、システムオンチップシステム（ＳＯＣ）、複雑なプログラマブル論理デバイス（ＣＰＬＤ）、およびグラフィック処理ユニット（ＧＰＵ）を含む。
【0197】
本明細書に与えられた任意の範囲またはデバイスは、求められる効果を失うことなく拡張または改変することができる。また、明確に却下されない限り、任意の例示的な実施形態を別の例示的な実施形態に結合することができる。
【0198】
構造上の特徴および／または行動に特定の言語で主題について記述したが、添付の特許請求の範囲に規定される主題は、必ずしも、上記で説明した特定の特徴または行動に限定されないことを理解されたい。むしろ、上記で説明した特定の特徴および行動は、特許請求の範囲を実施する例として開示されたものであり、他の同等の特徴および行動が特許請求の範囲内に含まれることが意図される。
【0199】
上記で説明した利益および利点は、１つの例示的な実施形態に関連してもよいし、いくつかの例示的な実施形態に関連してもよいことが理解されよう。例示的な実施形態は、上述した問題のいずれかもしくは全部を解消するもの、または上述した利益および利点のいずれかもしくは全部を有するものに限定されない。「１つの（ａｎ）」アイテムへの言及は、１つまたは複数のそのアイテムを指す場合があることを更に理解されたい。
【0200】
本明細書に記載の方法のステップは、任意の適切な順序で実行されてもよいし、適宜、同時に実行されてもよい。加えて、個々のブロックは、本明細書に記載の主題の趣旨および範囲から逸脱することなく、方法のうちの任意のものから削除されてもよい。上記で説明した例示的な実施形態のいずれの観点も、説明した他の例示的な実施形態の観点のうちの任意のものと組み合わせて、求められる効果を失うことなく更なる例示的な実施形態を形成することができる。
【0201】
「備える、含む（ｃｏｍｐｒｉｓｉｎｇ）」という語は、本明細書において、識別された方法、ブロックまたは要素を含むことを意味するために用いられるが、そのようなブロックまたは要素は、排他的リストを含まず、方法または装置は、付加的なブロックまたは要素を含んでもよい。
【0202】
上記の説明は一例にすぎず、当業者により種々の変更がなされ得ることが理解されよう。上記の仕様、実施例およびデータは、例示的な実施形態の構造および使用の完全な説明を与える。種々の例示的な実施形態は、ある程度の特殊性で、または１つもしくは複数の個々の例示的な実施形態を参照して上記で説明されたが、当業者であれば、本明細書の趣旨または範囲から逸脱することなく、開示された例示的な実施形態に対して多数の変更をなすことができるであろう。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
