[发明专利]基于深度学习的信道缓冲器压缩在审
| 申请号： | 202111030688.4 | 申请日： | 2021-09-03 |
| 公开（公告）号： | CN114257478A | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 权赫准;姜寅烨;李正元;林慕生;R.索尔塔尼 | 申请（专利权）人： | 三星电子株式会社 |
| 主分类号： | H04L25/02 | 分类号： | H04L25/02;H03M7/30;G06N3/08;G06N3/04 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 邵亚丽 |
| 地址： | 韩国*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 信道 缓冲器 压缩 | ||
1.一种利用压缩的神经网络学习的方法，包括：
对参考信号RS执行信道估计；
用神经网络对RS的信道估计进行压缩；
用神经网络对经压缩的信道估计进行解压缩；和
对经解压缩的信道估计进行内插。
2.根据权利要求1所述的方法，其中，所述神经网络包括自动编码器。
3.根据权利要求2所述的方法，其中，所述自动编码器是24输入神经网络。
4.根据权利要求2所述的方法，其中，所述自动编码器是12输入神经网络。
5.根据权利要求1所述的方法，还包括：在缓冲器中存储经压缩的信道估计，并且在对经压缩的信道估计进行解压缩之前，从缓冲器中提取经压缩的信道估计。
6.根据权利要求1所述的方法，其中，所述信道估计通过笛卡尔压缩来压缩。
7.根据权利要求6所述的方法，其中，利用均方误差MSE和误差向量幅度EVM来执行笛卡尔压缩。
8.根据权利要求1所述的方法，其中，所述信道估计通过极化压缩来压缩。
9.根据权利要求1所述的方法，其中，对所述信道估计进行压缩是在所述RS的每个资源块RB处执行的。
10.根据权利要求1所述的方法，还包括：当信道估计值以浮点格式表示时，估计共享的指数。
11.一种利用压缩的神经网络学习的系统，包括：
存储器，以及
处理器，被配置为：
对参考信号RS执行信道估计；
用神经网络对RS的信道估计进行压缩；
用神经网络对经压缩的信道估计进行解压缩；和
对经解压缩的信道估计进行内插。
12.根据权利要求11所述的系统，其中，所述神经网络包括自动编码器。
13.根据权利要求12所述的系统，其中，所述自动编码器是24输入神经网络。
14.根据权利要求12所述的系统，其中，所述自动编码器是12输入神经网络。
15.根据权利要求11所述的系统，其中，所述处理器还被配置为在缓冲器中存储经压缩的信道估计，并且在对经压缩的信道估计进行解压缩之前，从缓冲器中提取经压缩的信道估计。
16.根据权利要求11所述的系统，其中，所述信道估计通过笛卡尔压缩来压缩。
17.根据权利要求16所述的系统，其中，利用均方误差MSE和误差向量幅度EVM来执行笛卡尔压缩。
18.根据权利要求11所述的系统，其中，所述信道估计通过极化压缩来压缩。
19.根据权利要求11所述的系统，其中，所述处理器被配置为在所述RS的每个资源块RB处对所述信道估计进行压缩。
20.根据权利要求1所述的系统，其中，所述处理器还被配置为当信道估计值以浮点格式表示时，估计共享的指数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三星电子株式会社，未经三星电子株式会社许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111030688.4/1.html，转载请声明来源钻瓜专利网。
