[发明专利]电子设备及其操作方法

说明书

本文所描述的实例包含可针对非线性功率放大器噪声补偿输入数据以产生补偿输入数据的方法、装置和系统。在补偿所述噪声时，在上行链路发射时间间隔(TTI)期间，激活交换路径以将放大输入数据提供到包含递归神经网络(RNN)的接收器级。所述RNN可部分地基于待发射的所述输入信号和反馈信号计算表示所述噪声的误差以产生与所述功率放大器噪声相关联的滤波器系数数据。在通过所述接收器进行处理之后，将所述反馈信号提供到所述RNN。在上行链路TTI期间，所述放大输入数据还可经由RF天线作为RF无线发射来发射。在下行链路TTI期间，所述交换路径可被取消激活，并且所述接收器级可接收待在所述接收器级中处理的额外RF无线发射。

相关申请

本申请要求于2020年4月15日提交的名称为“包含通过神经网络或递归神经网络补偿功率放大器噪声的实例的无线装置和系统(WIRELESS DEVICES AND SYSTEMSINCLUDING EXAMPLES OF COMPENSATING POWER AMPLIFIER NOISE WITH NEURAL NETWORKSOR RECURRENT NEURAL NETWORKS)”的第16/849,696号美国专利申请的优先权，所述美国专利申请以全文且出于所有目的通过引用的方式并入本文中。

背景技术

可使用硬件(例如，硅)计算平台来实施例如数字基带处理或数字前端实施方案等用于无线通信的数字信号处理。例如，可以通过专用集成电路(ASIC)来实施多媒体处理和数字射频(RF)处理，ASIC可以实施无线收发器的数字前端。有多种硬件平台可用于实施此类数字信号处理，例如ASIC、被实施为现场可编程门阵列(FPGA)的一部分的数字信号处理器(DSP)，或片上系统(SoC)。然而，这些解决方案中的每一个常常需要实施硬件实施方案特定的定制信号处理方法。例如，数字信号处理器可以在蜂窝基站处实施数字处理的特定部分，例如基于所述基站处的环境参数对干扰进行滤波。所执行的整体信号处理的每个部分可能由不同的、专门设计的硬件实施，从而产生复杂性。

此外，人们对将无线通信发展到“第五代”(5G)系统越来越感兴趣。5G有望提高速度和普及率，但尚未确定处理5G无线通信的方法。在5G无线通信的一些实施方案中，“物联网”(IoT)装置可以在可以被称为窄带IoT(NB-IoT)的窄带无线通信标准上运行。例如，3GPP规范的第13版描述了窄带无线通信标准。

此外，机器学习(ML)和人工智能(AI)技术需要更高容量和广泛连接的基础架构以训练使用此类技术的装置。例如，机器学习通常是指可以使用经常是大量数据的数据集合以基于统计分析方法训练机器的一类AI。并且需要更高容量存储器和多芯片封装以促进AI训练和推断引擎，无论是在云上还是嵌入于移动和边缘装置中。例如，实时需要大量数据来训练AI系统和加速推断。另外，在边缘网络处需要移动或传感器装置处的通信容量，以例如促进在边缘网络处获取的数据的处理，例如，将此类数据有效地卸载到用于待应用的AI或ML技术的数据中心。

发明内容

本文描述了设备的实例。一种实例设备包含：收发器，其被配置成使用功率放大器产生用于发射的多个射频(RF)信号；以及多个乘法/累加单元(MAC单元)，其包含：所述多个MAC单元中的第一MAC单元，所述第一MAC单元被配置成使用多个系数混合经由所述收发器的接收路径接收的作为反馈的所述多个RF信号和基于所述第一MAC单元的相应输出的信令，以产生第一中间处理结果；以及所述多个MAC单元中的额外MAC单元，所述额外MAC单元被配置成使用所述多个系数中的额外系数混合所述第一中间处理结果和基于相应额外MAC单元的相应输出的信令以产生滤波器系数数据。所述设备进一步包含数字滤波器，所述数字滤波器被配置成根据使用所述多个MAC单元计算的所述滤波器系数数据在到所述功率放大器的输入之前对信号进行滤波。

另外或替代地，所述数字滤波器进一步被配置成提供输出数据作为补偿的多个RF信号，所述输出数据部分地基于滤波器系数数据。

另外或替代地，所述递归神经网络(RNN)被配置成将所述滤波器系数数据提供到所述数字滤波器。