[发明专利]用于MIMO检测复杂度降低的基于机器学习的方法

说明书

用于无线设备的基于机器学习的多输入多输出(MIMO)解映射器可包括选择哪个MIMO解映射器以用于特定频调的样本的分类器。例如，无线设备可经由多个天线接收包括多个频调的多个信号。无线设备可针对多个频调中的每个频调确定选择特征。无线设备可针对每个频调通过分类器基于选择特征从至少第一MIMO解映射器和第二MIMO解映射器中选择所选解映射器。第二MIMO解映射器可具有与第一MIMO解映射器不同的性能特性。无线设备可针对每个频调使用用于该频调的所选解映射器来检测一个或多个流。流可指比特序列。

优先权要求

本专利申请要求于2019年7月19日提交的题为“MACHINE-LEARNING BASED METHODFOR MIMO DETECTION COMPLEXITY REDUCTION(用于MIMO检测复杂度降低的基于机器学习的方法)”的美国非临时申请No.16/517,217的优先权，该美国非临时申请被转让给本申请受让人并由此通过援引明确纳入于此。

背景

技术领域

本公开一般涉及通信系统，并且尤其涉及多输入多输出(MIMO)检测。

引言

无线通信系统被广泛部署以提供诸如电话、视频、数据、消息传递、和广播等各种电信服务。典型的无线通信系统可采用能够通过共享可用系统资源来支持与多个用户通信的多址技术。此类多址技术的示例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)系统、以及时分同步码分多址(TD-SCDMA)系统。

这些多址技术已经在各种电信标准中被采纳以提供使不同的无线设备能够在城市、国家、地区、以及甚至全球级别上进行通信的共同协议。示例电信标准是5G新无线电(NR)。5G NR是由第三代伙伴项目(3GPP)为满足与等待时间、可靠性、安全性、可缩放性(例如，与物联网(IoT))相关联的新要求以及其他要求所颁布的连续移动宽带演进的部分。5GNR包括与增强型移动宽带(eMBB)、大规模机器类型通信(mMTC)和超可靠低等待时间通信(URLLC)相关联的服务。5G NR的一些方面可以基于4G长期演进(LTE)标准。存在对5G NR技术的进一步改进的需求。这些改进还可适用于其他多址技术以及采用这些技术的电信标准。

概述

以下给出了一个或多个方面的简要概述以提供对此类方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在标识出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一目的是以简化形式给出一个或多个方面的一些概念以作为稍后给出的更详细描述之序言。

在本公开的一方面，提供了一种方法、计算机可读介质和装置。例如，一种无线通信的方法可包括经由多个天线接收包括多个频调的多个信号。该方法可包括针对多个频调中的每个频调确定选择特征。该方法可包括针对每个频调，通过分类器基于选择特征从至少第一多输入多输出(MIMO)解映射器和第二MIMO解映射器中选择所选解映射器，其中该第二MIMO解映射器具有与第一MIMO解映射器不同的性能特性。该方法可包括针对每个频调，基于用于该频调的所选解映射器的输出来确定一个或多个流。

在一方面，一种用于无线通信的装置包括存储器和耦合至该存储器的至少一个处理器。该处理器可被配置成经由多个天线接收包括多个频调的多个信号。该处理器可被配置成针对多个频调中的每个频调确定选择特征。该处理器可被配置成针对每个频调，通过分类器基于选择特征从至少第一MIMO解映射器和第二MIMO解映射器中选择所选解映射器，其中该第二MIMO解映射器具有与第一MIMO解映射器不同的性能特性。该处理器可被配置成针对每个频调，基于用于该频调的所选解映射器的输出来确定一个或多个流。