1.本公开的实施例总体上涉及电信领域，并且具体地涉及用于生成用于接收器的软判决信息的方法，装置和计算机可读介质。
背景技术：
：：2.第五代(5g)通信协议的出现已经导致网络变得更加密集。随着大规模多输入多输出(mimo)的使用，频谱资源重用显著增加，导致需要有效地减轻和处理用户间干扰。减轻干扰的能力正成为5g通信系统中的重要问题。现场试验表明干扰是限制吞吐量的重要因素，特别是对于使用256-qam的那些链路配置。在上行链路(ul)中，利用高级检测技术(例如，最大似然检测，球解码(spheredecoding)，格基规约(latticereduction)等)的高级接收器技术(诸如，联合接收)使用正日益变得具有良好ul性能的必要特征。3.mimo检测算法表现出性能和计算复杂度之间的折衷。更简单的mimo算法本质上主要是线性的并且提供次优性能，而最优最大似然检测算法采用联合解码策略并且本质上是具有显著增加复杂度的非线性的。在这个方向上，基于格基规约(lr)原理的mimo接收器最近已经变得流行，因为它们带来复杂性和性能之间的良好平衡。技术实现要素：4.总体上，本公开的示例实施例提供了一种用于生成用于接收器的软判决信息的方法，装置和计算机可读存储介质。5.在第一方面，提供了一种装置。所述装置包括至少一个处理器；以及包括计算机程序代码的至少一个存储器；至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使该装置从另外的装置接收信号，该信号对应于从另外的装置发送的一组符号；通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号；通过对第一组估计符号执行迭代干扰消除来确定用于该一组符号的第二组估计符号；以及基于第二组估计符号来生成关于一组符号的软判决信息，以用于由该装置处的解码器来使用。6.在第二方面，提供了一种方法。所述方法包括在第一设备处接收来自第二设备的信号，该信号对应于从第二设备发送的一组符号；通过对所述信号执行格基规约线性检测来确定用于该一组符号的第一组估计符号；通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号；以及基于第二组估计，生成关于一组符号的软判决信息，以用于由第一装置处的解码器来使用。7.在第三方面，提供了一种装置。该装置包括用于从另外的装置接收信号的部件，该信号对应于从另外的装置发送的一组符号；用于通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号的部件；用于通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号的部件；以及用于基于第二组估计符号生成关于一组符号的软判决信息、以用于由装置处的解码器来使用的部件。8.在第四方面，存在一种计算机可读存储介质，包括被存储在其上的程序指令。该指令在由装置执行时使该装置执行根据第二方面的方法。9.应当理解，该
发明内容部分不旨在标识本公开的实施例的关键或必要特征，也不旨在被用于限制本公开的范围。通过以下描述，本公开的其他特征将变得容易理解。附图说明10.通过在附图中的本公开的一些示例实施例的更详细描述，本公开的上述和其他目的，特征和优点将变得更加明显，其中：11.图1a-图1b示出了其中可以实现本公开的实施例的示例通信系统的示意图；12.图2示出了根据本公开的一些示例实施例的用于生成软判决信息的系统的框图；13.图3示出了根据本公开的一些示例实施例的格基规约线性检测器的框图；14.图4示出了根据本公开的一些示例实施例的并行干扰消除模块的框图；15.图5a-图5c是示出不同方案之间的性能比较的图；16.图6示出了根据本公开的一些示例实施例的用于生成软判决信息的方法的流程图；17.图7示出了适于实现本公开的实施例的装置的简化框图；以及18.图8示出了根据本公开的一些示例实施例的示例计算机可读介质的框图。19.在所有附图中，相同或相似的附图标记表示相同或相似的元件。具体实施方式20.现在将参考一些示例实施例来描述本公开的原理。应当理解，描述这些实施例仅用于说明的目的，并帮助本领域技术人员理解和实现本公开，而不暗示对本公开的范围的任何限制。这里描述的公开可以以不同于下面描述的方式的各种方式来实现。21.在以下描述和权利要求中，除非另外定义，否则本文使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的相同含义。22.在本公开中对“一个实施例”，“实施例”，“示例实施例”等的引用表示所描述的实施例可以包括特定的特征，结构或特性，但是不必每个实施例都包括该特定的特征，结构或特性。此外，这些短语不一定指同一实施例。此外，当结合示例性实施例描述特定特征，结构或特性时，认为结合其他实施例(无论是否明确描述)来影响这种特征，结构或特性是在本领域技术人员的知识范围内的。23.应当理解，虽然术语“第一”和“第二”等在本文中可用于描述各种元件，但这些元件不应受这些术语的限制。这些术语仅用于区分一个元件与另一个元件。例如，第一元件可以被称为第二元件，并且类似地，第二元件可以被称为第一元件，并且类似地，第二元件可以被称为第一元件。如本文所用，术语“和/或”包括一个或多个所列术语的任何和所有组合。24.本文使用的术语仅用于描述特定实施例的目的，而不旨在限制示例实施例。如本文所用，单数形式“一”，“一个”和“该”也旨在包括复数形式，除非上下文另外明确指出。还将理解，术语“包括”，“包含”，“具有”，“具有”，“包含”和/或“包含有”在本文中使用时指定所述特征，元件和/或组件等的存在，但不排除一个或多个其它特征，元件，组件和/或其组合的存在或添加。25.如本技术案中所使用，术语“电路”可指以下各项中的一者或一者以上或全部：26.(a)仅硬件电路实现方式(例如仅模拟和/或数字电路中的实现方式)以及27.(b)硬件电路和软件的组合，例如(如适用)：28.(i)模拟和/或数字硬件电路与软件/固件的组合，以及29.(ii)具有软件的硬件处理器(包括数字信号处理器)，软件和存储器的任何部分，它们一起工作以使诸如移动电话或服务器的装置执行各种功能)以及30.(c)需要软件(例如，固件)来操作的硬件电路和/或处理器(例如，微处理器或微处理器的一部分)，但当不需要软件来操作时，31.软件可不存在。32.电路的这个定义适用于本技术中这个术语的所有使用，包括在任何权利要求中。作为另一实例，如本技术案中所使用，术语电路还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或其)伴随软件和/或固件的实施方案。术语电路还涵盖(例如且如果适用于特定权利要求元件)用于移动装置的基带集成电路或处理器集成电路或服务器中的类似集成电路，蜂窝式网络装置或其它计算或网络装置。33.如这里所使用的，术语“通信网络”是指遵循任何合适的通信标准的网络，诸如长期演进(lte)，高级lte(lte-a)，宽带码分多址(wcdma)，高速分组接入(hspa)，窄带物联网(nb-iot)，新无线电(nr)等。此外，通信网络中的终端设备和网络设备之间的通信可以根据任何合适的一代通信协议来执行，包括但不限于第一代(1g)，第二代(2g)，2.5g，2.75g，第三代(3g)，第四代(4g)，4.5g，未来的第五代(5g)通信协议，和/或当前已知或将来要开发的任何其它协议。本公开的实施例可以应用于各种通信系统中。考虑到通信的快速发展，当然还有未来类型的通信技术和系统，利用它们可以实施本公开。不应将其视为将本发明的范围仅限于上述系统。34.如这里所使用的，术语“网络设备”是指通信网络中的节点，终端设备经由该节点访问网络并从其接收服务。根据所应用的术语和技术，网络设备可以指基站(bs)或接入点(ap)，例如，节点b(节点b或nb)，演进的节点b(enodeb或enb)，nrnb(也称为gnb)，远程无线电单元(rru)，无线电头(rh)，远程无线电头(rrh)，中继，诸如毫微微，微微等的低功率节点。35.术语“终端设备”是指能够进行无线通信的任何终端设备。作为示例而非限制，终端设备也可被称为通信设备，用户设备(ue)，订户站(ss)，便携式订户站，移动站(ms)或接入终端(at)。终端设备可以包括但不限于移动电话，蜂窝电话，智能电话，ip语音(voip)电话，无线本地环路电话，平板电脑，可穿戴终端设备，个人数字助理(pda)，便携式计算机，台式计算机，诸如数码相机的图像捕获终端设备，游戏终端设备，音乐存储和回放设备，车载无线终端设备，无线端点，移动台，膝上型嵌入式设备(lee)，膝上型安装设备(lme)，usbdongles，智能设备，无线客户端设备(cpe)，物联网(iot)设备，手表或其它可穿戴设备，头戴式显示器(hmd)，车辆，靶标，医疗设备和应用(例如，远程手术)，工业设备和应用(例如，在工业和/或自动化处理链环境中操作的机器人和/或其它无线设备，消费电子设备，在商业和/或工业无线网络上操作的设备等。在以下描述中，术语“终端设备”，“通信设备”，“终端”，“用户设备”和“ue”可以互换使用。36.尽管可以在各种示例实施例中在固定和/或无线网络节点中执行这里描述的功能，但是在其他示例实施例中，可以在用户设备装置(诸如，蜂窝电话或平板计算机或膝上型计算机或台式计算机或移动iot设备或固定iot设备)中实现功能。该用户设备装置例如可以适当地配备有结合固定和/或无线网络节点描述的相应能力。用户设备装置可以是用户设备和/或控制设备，例如芯片组或处理器，其被配置为当安装在其中时控制用户设备。这样的功能的示例包括自举服务器功能和/或归属用户服务器，其可以通过向用户设备装置提供被配置成使用户设备装置从这些功能/节点的观点执行的软件来在用户设备装置中实现。37.如上所述，基于格基规约(lr)原理的mimo接收器最近已经变得流行，因为它们带来了复杂性和性能之间的良好平衡。lr检测器基于的是网格(lattice)理论的原理。38.考虑具有nt个发射天线和nr个接收天线的mimo传输系统，其中该系统模型由以下给出：39.y＝hs n40.其中y为接收nr×1的信号向量；h是nr×nt信道矩阵；s为nt×1的发送信号向量；并且n为具有的nt×1复数循环对称加性高斯噪声过程。41.假设信号向量s的元素是包括零的复数整数。在该假设中没有一般性的损失(lossofgenerality)，因为对于具有来自给定调制星座图的元素的任何给定发送的符号向量x，复整数的对应向量s可以通过移位和缩放变换而被相关[0042][0043]其中(α，β)是适当地选择的、通过调制星座确定的缩放和移位因子。[0044]令表示由列h(即列h的复数整数加权线性组合的集合)跨越的网格。即，[0045][0046]其中是复数整数的集合。对于发送的信号向量s，对应的信道输出hs可以被看作是列h所跨越的网格中的点。[0047]晶格理论的重要结果在于当且仅当并且t是单模矩阵，矩阵生成与h相同的网格(如果t和t-1仅包含整数项并且det(t)＝±1，则矩阵t是单模矩阵)。即，[0048][0049]格基归约的目的是将给定的基h变换为新的基使得成为“更好的正交矩阵”。通常，比h更好地调节(condition)。通常，找到基向量的最佳集合的问题是高度复杂的。因此，存在次优的lr算法，该次优的lr算法通过执行基本列操作序列来找到“表现良好的”信道矩阵，使得其中t是表示基本操作序列的单模矩阵(仅具有整数项且其行列式的绝对值等于1的矩阵)。最流行的lr算法是lenstra-lenstra-lovasz(lll)算法。[0050]lr-检测器在格基规约域中起作用以估计所发送的符号。观察到，系统模型可以被变换成lr域信号模型，如[0051][0052]其中z＝t-1s是lr域信号。可以在该变换的系统模型上采用适当的检测方法来估计lr域信号z，该lr域信号z被进而被用于估计所发送的符号s，对降低的基执行检测以在网格降低的星座中估计并且然后通过变换来恢复所发送的符号估计因更好调节(better-conditioned)的信道这种检测是鲁棒性的。[0053]基于lr的检测方案的关键优点在于，以复杂度的一小部分、即使lr线性检测器仅产生其斜率等于最大似然(ml)检测的斜率的错误率曲线。具体地，在包括nt个发射天线和nr个接收天线、以及传输并行数据流的mimo信道中，lr线性检测器的误比特率(ber)曲线表现出全接收器分集阶数nr，，而传统方法(线性均衡，判决反馈均衡等)的误比特率曲线表现出最多为nr-ns 1的分集阶数。[0054]然而，lr线性接收器在实际部署中的主要问题是它们不能生成用于对数似然比(llr)计算的软符号级判决。lr检测器是基于“减少网格基数”的检测原理，并且由于网格基数减少原理，它们的符号检测性能是非常鲁棒的。此外，即使基于格基规约的线性检测器版本也可以在没有任何附加处理的情况下产生完整的接收器分集增益。因此，由于简单和鲁棒的性能，lr线性检测器(lrld)可以是mimo/多用户接收的潜在候选者。在实际部署中采用这些简单而强大的lrld受到它们不能在符号级生成软判决的阻碍。该问题已被标识为具有高实用性的未来研究课题。[0055]为了进一步解释，已知的是在符号级采用软判决的接收器的ber性能优于在符号级采用硬判决的对应者。原因是存在与硬判决相关联的固有“量化损失”，导致性能下降。更重要的是，软输出检测器在与利用软信息生成逐比特的llr的信道编码方案组合时提供显著的益处。虽然lrld在它们的检测性能方面是鲁棒的，但不幸的是，它们遭受检测器输出是硬值的问题，这与传统的线性检测器不同。换句话说，lrld仅在符号级进行硬判决时才有效。这种考虑使得在符号级从lrld产生软值输出具有挑战性。[0056]在lr接收器中已经存在关于软值生成的一些方案。然而，所有这些方案都提出了基于列表生成(由列表球形解码所激励的)的概念的lr软值计算。列表生成极大地增加了复杂度，这使得使用lr作为低复杂度方法的目的失效。[0057]本公开的实施例考虑了mimo蜂窝网络中的传输场景，并且提出了用于mimo/多用户接收器的基于软值的lrld，以便至少部分地解决上述和其他潜在问题。本公开的实施例可以以降低的复杂度在误块率(bler)和复用增益方面改进接收器性能。在下文中，将参考附图描述本公开的一些示例实施例。然而，所属领域的技术人员将容易理解，本文中关于这些图给出的详细描述仅出于说明的目的，而不暗示对本揭示案的范围的任何限制。[0058]图1a是示出其中可以实现本公开的实施例的示例通信系统100的示图。通信系统100可以包括网络设备101和由网络设备101服务的多个终端设备111和112。网络100可以提供一个或多个服务小区102来服务于终端设备111和112。终端设备111和112可以分别经由信道131和132与网络设备101通信，和/或可以经由信道133彼此通信。应当理解，网络设备，终端设备和/或服务小区的数目仅用于说明的目的，而不暗示对本公开的范围的任何限制。[0059]图1b是示出在通信中的发送设备120和接收设备130处实现的处理的简化图。在一些实施例中，网络设备101可以充当发送设备120，而图1a中的终端设备111或112可以充当接收设备130。在一些实施例中，网络设备101可以充当接收设备130，而图1a中的终端设备111或112可以充当发送设备120。[0060]如图1b所示，为了确保数据(包括控制信令)的可靠传输，传输设备120可以对要传输的数据执行信道编码(140)以引入冗余，从而抵抗可能在传输信道(例如，图1a中的131，132和133)中引入的失真。备选地，信道编码的数据可以在被发送之前被进一步交织(未示出)和/或调制(150)。在接收设备130处，执行与发送设备120相反的处理。也就是说，接收到的信号被解调(160)，解交织(未示出)和解码(170)以恢复发送的数据。在一些实施例中，在发送设备120处可以涉及其他或不同的处理，并且接收设备130可以相应地执行反向操作。[0061]在一些实施例中，低密度奇偶校验(ldpc)码，polar码和/或turbo码可用作图1b中的信道编码过程140中的纠错码。应当理解，这里使用的信道是指编码信道，即从输入到输出的编码过程中涉及的信道，而不是图1a中的传输信道131，132或133。因此，图1b中的信道解码过程170可用于解码包括纠错码(例如ldpc，polar和/或turbo码)的接收信号。[0062]在图1b的调制过程150中，可以使用当前已知的或将来要开发的任何调制技术，例如二进制相移键控(bpsk)，π/2-bpsk，正交相移键控(qpsk)，16正交幅度调制(16qam)，64qam，256qam等。在图1b的调制过程160中，将根据调制过程150中使用的调制技术采用相应的解调方式。[0063]图2示出了根据本公开的一些示例实施例的用于生成软判决信息的系统200的框图。例如，系统200可以在如图1b所示的接收设备130处实现。例如，接收设备130可以是终端设备111或112，或者如图1a所示的网络设备101。[0064]如图2所示，系统200可以包括lrld210，并行干扰消除(pic)模块220，检错补偿(dec)模块230，信号与干扰加噪声比(sinr)计算模块240，归一化模块250，llr计算模块260和判决反馈模块270。应当理解，系统200的结构是出于说明的目的而示出的，而不暗示对本公开的范围的任何限制。在一些示例实施例中，系统200可以包括未示出的额外模块和/或可以省略一些示出的模块(诸如，决策反馈模块270)，并且本公开的范围在此方面不受限制。[0065]在下文中，将参考具有发射天线和接收天线的一般通信系统模型来描述本公开的实施例。该系统模型一般捕获单用户多输入多输出(su-mimo)以及多用户多输入多输出(mu-mimo)通信场景。接收器处的接收信号可以由下式给出：[0066]y＝hx nꢀꢀꢀ(1)[0067]y是nr×1的接收信号向量；h是nr×nt的信道矩阵；x为nt×1的发送信号矢量；并且n是具有的nr×1的复数循环对称加性高斯噪声过程。[0068]不失一般性的情况下，假设nt≤nr并且信道矩阵的秩是nt。此外，信道矩阵利用发送器处的预编码来捕获有效信道，因此假定发送nt个独立的数据流。在噪声过程n是有色噪声的情况下，假设进行适当的预白噪化，使得上述模型总体上仍然成立。[0069]在一些示例实施例中，例如，当接收设备130从发送设备120接收到信号201(即，y)时，接收到的信号201可以到达lrld210。例如，接收信号201可以对应于从发送设备120发送的一组符号(即，x)。在一些示例实施例中，lrld210可以对接收到的信号201执行lr线性硬检测，以得出用于一组符号x的一组估计符号202。[0070]图3示出了根据本公开的一些示例实施例的lrld210的框图。如图3所示，在一些示例实施例中，lrld210可以基于信道矩阵310(即，h)对信号201执行格基规约线性检测，以得出一组估计符号202。[0071]如上文所述，信道矩阵利用发送器处的预编码来捕获有效信道，因此假设nt个独立的数据流被发送。即，信道可以被认为包括用于发送nt个独立数据流的nt个层。令是通过对接收信号201采用lr线性硬检测操作而获得的、对层1上发送的符号的估计。将符号估计向量表示为其中该函数lr-lineardetector(·)表示当前已知或将来要开发的任何lrld操作。对应于层l的符号检测误差可以由下式给出：[0072][0073]参照图2，lrld210的接收信号201和输出202可以被提供给pic模块220。pic模块220可使用lrld210的输出202以从接收信号201执行并行干扰消除。[0074]在一些示例实施例中，pic模块220可以对该一组组估计符号202执行层间干扰消除，以得出用于该一组符号x的另一组估计符号203。在一些示例实施例中，pic模块220可以基于与来自一组估计符号202的其他层相对应的所估计的符号，针对nt个层中的给定层来估计由nt个层中的其他层引起的干扰效应，并且然后从信号201(即，y)中消除干扰效应。[0075]用于层k的pic操作可以被总结为：[0076][0077]为了简化实现，可以如下重写上述等式(3)：[0078][0079]应当注意，直观地，由表示的第二术语可以被解释为“估计的加性噪声”分量。因此，上述等式(3)可以重写如下：[0080][0081]根据以上等式(5)的pic操作的实现在图4中示出。[0082]如图2所示，pic模块220的输出203可以被提供给dec模块230。dec模块230可以最小化pic模块220的输出203中的符号检测误差的干扰效应。[0083]在一些示例实施例中，dec模块230可以对该一组估计符号203执行符号检测误差补偿，以得出用于该一组符号x的另一组估计符号204。在一些示例实施例中，dec模块230可以针对nt个层中的给定层确定滤波器，该滤波器用于对与该给定层相对应的该一组估计符号203中的估计符号进行滤波，使得将因这些层中的其他层中的符号检测误差而引起的干扰效应最小化。dec模块230然后可以将滤波器应用于对应于给定层的估计符号。[0084]可以看出，在消除层间干扰之后，针对层的pic模块220的输出203可以仍然包含因其它层中的符号检测误差而引起的残余干扰。换句话说，pic输出仍然被残余干扰所破坏。在这种情况下，以上等式(3)可以重写为：[0085][0086]其中，第二项ik＝∑l≠k∈lhl对符号检测误差在其它层中引起的影响进行建模。[0087]dec模块230的目的是最小化来自的影响ik。为此，可以利用具有最小均方误差(mmse)准则的线性滤波器。也就是说，该滤波器使线性滤波器类中的均方误差最小化。[0088]因此，可以将该问题公式化为优化问题以找出滤波器集合使得：[0089][0090]令并且[0091][0092]其中其中是所发送符号的平均能量，并且是针对层1的均方检测误差(mse)。[0093]如下所示，最优值可以由下式给出：[0094][0095]dec输出则可以由下式给出：[0096][0097]dec输出被解耦成nt个不相关的流。[0098]对于任何给定层l，检测mse可以由下式给出：[0099][0100]其中p(x)是发送符号x的概率，并且是错误检测概率，错误地将所发送的符号x检测为的概率。[0101]假设发送的符号是等概率的，则上述等式(11)可以重写为：[0102][0103]由于lr-检测器的检测误差概率、难以解析地跟踪，因此获得是困难的。然而，可以采纳一些基于仿真的方法来计算例如，可以通过针对mcs级别和sinr的各种值的广泛仿真来评估，并且可以将其存储在查找表中。在另一方面，该方法对于存储器受限的设计可能不具有吸引力。[0104]鉴于上述考虑，在一些示例实施例中，可以采用针对的简单近似，其利用了以下事实：衰落信道上的任何相干组合接收器的符号错误概率是接收sinr的单调递减函数。令错误概率为[0105][0106]此外[0107][0108]并且[0109][0110]其中sinr表示给定层的sinr。因此，符号检测错误概率可以被近似为：[0111][0112]此外，假设检测误差事件是等概率的，则[0113][0114]令针对lrld输出处的层1的瞬时sinr由sinr1给出。[0115]使用上述近似[0116][0117]其中是用于星座的“平均星座间距离”，被定义为：[0118][0119]如图2所示，dec模块230的输出204可以被提供给sinr计算模块240和归一化模块250。sinr计算模块240可以基于该一组估计符号204来针对nt个层来确定相应sinr。归一化模块250可以归一化dec模块230的输出204，以确保由均衡器引入的偏置被移除。[0120]对于任何给定层k，后均衡sinr(pesinr)可以被定义为：[0121][0122]其中ps，o是信号功率，并且pin，o是组合器输出处的干扰加噪声功率。pesinr的表达式可以由下式给出[0123][0124]其中可以验证bk是实值并且0≤bk＜1。[0125]在一些示例实施例中，dec模块230的输出204可以被归一化以确保消除由均衡器引入的偏置。因此，可以如下执行去偏置操作：[0126][0127]注意，dec模块230的输出204的归一化不改变pesinr的值。[0128]如图2所示，sinr计算模块240的输出205和归一化模块250的输出206可被提供给llr计算模块260。在一些示例实施例中，llr计算模块260可以基于sinr205和归一化的一组估计符号206来执行逐比特的llr计算。如这里所使用的，似然比(指的是一个给定比特为1与0或相反的概率比)通常被转换到对数域，并且结果通常被称为llr。事实上，llr计算在现代基于软信息的解码算法中扮演了关键角色。[0129]在归一化之后，dec输出可以表示nt标量信道的集合，每个信道具有与均衡器输出处的sinr相对应的sinr。即，[0130][0131]其中注意，假设噪声项的分布由高斯分布来近似，即因此，对于层1中的比特，llr被计算为：[0132][0133]llr可以被重写为：[0134][0135]其中我们假设符号的先验概率一致。因此[0136][0137]上述等式产生用于llr计算的指导。一个直接的方式是针对每个比特广泛地评估上述表达式，这在计算上是非常昂贵的。在一些示例实施例中，可以利用当前已知或将来要开发的任何优化方法来基于实现和复杂度考虑来计算llr。本发明的范围不限于此。[0138]如图2所示，在一些示范性实施例中，系统200可以包括决策反馈模块270。在一些示范性实施例中，决策反馈模块270可以确定lrld210的输出202的第一可靠性和dec模块230的输出204的第二可靠性。如果dec模块230的输出204比lrld210的输出202更可靠，则判决反馈模块270可以将dec输出204作为输入来反馈到pic模块220以执行另一轮干扰消除，从而改进pic输出处的sinr。[0139]在一些示例实施例中，可以通过检测器输出和接收信号之间的欧几里得距离来表征检测器性能。因此，该距离度量可以被用作测试条件，以反馈dec输出来作为pic模块220的输入，以执行另一轮干扰消除，从而改进pic模块220的输出处的sinr。在一些示例实施例中，出于以上讨论的考虑，判决反馈模块270可以执行以下步骤：[0140](1)符号检测：dec模块230的输出204被用于执行另一轮符号检测以产生硬判决符号估计。[0141][0142](2)度量计算：对于lr检测器输出和dec输出计算对应的度量和其中d(x，y)＝||y-hx||2是来自接收信号y的星座点x的欧几里德距离。[0143](3)符号判决反馈：上述计算的度量被用作可靠性测试条件以执行判决反馈。在一些示例实施例中，如果dec模块230的输出204比lrld210的输出202更可靠，则dec模块230的输出204可以作为输入被反馈到pic模块220。也就是说，如果pic模块220的输入可以设置为否则，可以跳过反馈过程。在反馈之后，可以执行pic，dec步骤以最终计算llr。[0144]在一些示例实施例中，dec模块230的实现可以被进一步简化。从对dec模块230的讨论中可以看出，信道的每一层由单独的lmmse滤波器如下处理：[0145][0146]这需要单独的矩阵求逆来计算从而施加了nt矩阵求逆的要求，因此在计算上可能非常昂贵。在一些示范性实施例中，可以将矩阵求逆简化为用于计算所有nt个lmmse滤波器系数向量的单个矩阵求逆。这可以通过利用集合来替换系数向量的集合来完成，其中[0147][0148]其中p是nt×nt的对角阵，使得：[0149][0150]在一些示例实施例中，如果pesinr中没有变化，dec模块230可以使用来代替使用此外，在当前上下文中，可以示出可以被表示为其中ck是仅取决于层k的常数。针对该表达式可以进一步简化为：[0151][0152]这仅要求对维度为nt×nt的矩阵取逆。[0153]在一些示例实施例中，如果如上所述简化dec模块230的实现，则由pesinr计算模块240执行的pesinr的计算可以是直接的。对于简化的dec模块230，dec模块230的输出可以由下式给出：[0154][0155]信号功率可以由下式给出：[0156][0157]干扰加噪声功率可以由下式给出：[0158][0159]干扰加噪声功率可以由下式给出：[0160][0161]因此，后组合sinr可以由下式给出：[0162][0163]应当理解，简化的dec模块的pesinr等于如上所述的dec模块的pesinr。此外，归一化因子可以由下式给出：[0164][0165]鉴于上述内容，可以看出，lrld具有鲁棒的性能，并且它们可以仅在使用格基规约在符号级进行硬判决时被利用。因此，在符号级从lrld产生软值输出而不损害性能是有挑战性的。由于这种软值生成问题，lrld在mu/mimo接收器中找到非常有限的部署，尽管它们对信道条件具有鲁棒性。本公开的实施例提出了一种在符号级为lrld生成软判决的方案。与由硬符号判决产生的llr相比，基于软符号判决产生的llr具有更好的性能。[0166]作为示例而非限制，根据本公开的实施例的用于生成软判决信息的计算机指令可以被构造为如下：[0167]软判决信息生成算法[0168]输入：[0169]1.生成增广信道和接收信号：[0170]2.移位并缩放接收信号：[0171]3.对haug执行网格约简：执行网格约简：[0172]4.执行lr-mmse组合：[0173]5.将lr域信号量化到最近的整数：zl＝integer|zlr，l|，l＝1，...，nt；[0174]6.将信号域变换到硬限制：[0175]7.移位并缩放检测到的信号：[0176]8.软符号输出生成：[0177]对于l＝1：nt[0178]执行干扰减除：[0179]执行dec和归一化：[0180]执行sinr计算：[0181]结束[0182]9.执行llr计算：[0183]输出：逐比特[0184]#软决策信息生成算法结束[0185]图5a-图5c是示出不同方案之间的性能比较的图。在图5a-图5c中，为了比较和基准化，与以下su/mu-mimo检测方案相比来评估本公开的实施例的性能：干扰抑制(irc)接收器方案和基于格基规约的irc(lr-irc)方案。irc接收器在mimo接收器中非常流行，并且在su/mu-mimo接收器体系结构中普遍采用。由于irc接收器的线性度，相对简单性以及由于强干扰抑制能力而产生的稳健性能，irc接收器的普及。在lr-irc检测器中，基于irc的检测在网格域中进行，并且检测器的输出是符号级硬判决。[0186]在图5a-图5c中，在网络设备和终端设备被配备有多个天线的情况下，考虑5g蜂窝网络中的mu-mimo通信。评估集中在网络设备从终端设备接收传输的ul信道上的通信。该场景是具有发送器和接收器波束成形的大规模mimo方案。表1列出了被用于评估的模拟参数：[0187]表1[0188]仿真参数值载波频率3.5ghz带宽10mhz场景上行链路：单用户/多用户bs物理天线配置(mxnxp)8x8x2(dh,dv)(0.5λ，0.7λ)bs天线端口2/4/8ue物理天线配置(mxnxp)(1x1x2)/(2x1x2)ue天线端口2/4波束成形类型gridofbeams(gob)信道模型3gppcdl-0a(nloschannel)调制和编码方案(mcs)值3gppmcstable1信道估计(ce)类型实际ce接收器/均衡器irc/lr-irc/lr-pic仿真时间5s[0189]图5a示出了在采用su-mimo，mcs＝9和qpsk的一种情况下的性能比较。图5a示出了三个bler对sinr曲线501，502和503，其中曲线501对应于irc接收器方案，曲线502对应于lr-irc方案，而曲线503对应于根据本公开的实施例的方案(也称为“lr-pic方案”)。图5b示出在采用su-mimo，mcs＝16和16-qam的另一情况下的性能比较。图5b示出了根据本公开的实施例的三条bler对sinr曲线504，505和506，其中曲线504对应于irc接收器方案，曲线505对应于lr-irc方案，而曲线506对应于lr-pic方案。图5c示出在采用mu-mimo支持2个ue，诸如ue1和ue2)，mcs＝16和16-qam的另一情况下的性能比较。图5c示出了在另一情况下的性能比较，在该另一情况下采用mu-mimo(支持2个ue，诸如ue1和ue2)、nr＝2，nt＝4、mcs＝16并且16-qam。图5c示出了根据本公开的实施例的针对ue1的三条bler对于sinr曲线507，508和509、以及针对ue2的三条bler对于sinr曲线510，511和512，其中曲线507和510对应于irc接收器方案，曲线508和511对应于lr-irc方案，并且曲线509和512对应于lr-pic方案。[0190]从图5a-图5c可以看出，lr-pic方案比lr-irc方案和irc接收器方案的性能好2-4db(在10％bler点处)。虽然lr-irc方案在符号检测中是鲁棒的，但是由于产生硬符号输出，它表现出降级的性能。另一方面，lr-pic方案利用lr-irc方案的鲁棒检测能力以及产生软符号输出，从而表现出优越的性能。[0191]图6示出了根据本公开的一些示例实施例的用于生成软判决信息的方法600的流程图。方法600可以由通信网络100中的接收设备130(以下称为“第一设备”)来执行。例如，接收设备130可以是终端设备111或112，或者如图1所示的网络设备101。应当理解，方法600可以包括未示出的附加框和/或可以省略一些示出的框，并且本公开的范围不限于此。[0192]在框610，第一设备从第二设备(例如，发送设备120)接收信号。该信号可以对应于从第二设备发送的一组符号。[0193]在框620，第一设备通过对信号执行格基归约线性检测来确定用于该一组符号的第一组估计符号。[0194]在一些示例实施例中，第一设备基于表征被用于从第二设备向第一设备发送该一组符号的信道矩阵，对该信号执行格基规约线性检测。[0195]在框630，第一设备通过对第一组估计符号执行迭代干扰消除来确定用于该一组符号的第二组估计符号。[0196]在一些示例实施例中，被用于将符号组从第二设备发送到第一设备的信道包括用于分别发送该一组符号的多个层。第一设备通过以下操作对第一组估计符号执行迭代干扰消除：对第一组估计符号执行层间干扰消除，以得出用于一组符号的第三组估计符号；以及对第三组估计符号执行符号检测误差补偿，以得出用于一组符号的第二组估计符号。[0197]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行层间干扰消除：基于来自第一组估计符号的、与所述多个层中的其他层相对应的估计符号，针对多个层中的给定层来估计由多个层中的其他层引起的干扰效应；以及通过从信号中消除所述干扰效应来确定与给定层相对应的第三组估计符号中的一者。[0198]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行符号检测误差补偿：针对多个层中的给定层，来确定滤波器以用于对与给定层相对应的第三组估计符号中的估计符号进行滤波，使得因多个层中的其他层中的符号检测误差而引起的干扰效应被最小化；以及基于估计符号和滤波器，确定与给定层相对应的第二组估计符号中的一者。[0199]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行迭代干扰消除：对第二组估计符号执行层间干扰消除，以更新第三组估计符号；以及对经更新的第三组估计符号执行检测误差补偿，以更新第二组估计符号。[0200]在一些示例实施例中，第一设备通过以下操作对第三组估计符号执行层间干扰消除：确定第一组估计符号的第一可靠性和第二组估计符号的第二可靠性；以及响应于第二可靠性超过第一可靠性，对第二组估计符号执行所述层间干扰消除，以更新第三组估计符号。[0201]在框640，第一设备基于第二组估计符号生成关于该一组符号的软判决信息，以用于由第一设备处的解码器来使用。[0202]在一些示例实施例中，第一装置通过以下操作来生成软判决信息：基于第二组估计符号来针对多个层确定相应的信号与干扰加噪声比(sinr)；归一化第二组估计符号；以及通过基于sinr和归一化的第二组估计符号来执行逐比特对数似然比计算来生成软判决信息。[0203]在一些示例实施例中，能够执行方法600的装置可以包括用于执行方法600的相应步骤的部件。该部件可以以任何适当的形式实现。例如，该部件可以在电路或软件模块中实现。[0204]在一些示例实施例中，能够执行方法600的装置(例如，接收设备130)包括用于从另外的装置接收信号的部件，该信号对应于从该另外地装置发送的一组符号；用于通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号的部件；用于通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号的部件；以及用于基于第二组估计符号生成关于该一组符号的软判决信息以用于由该装置处的解码器使用的部件。[0205]在一些示例实施例中，用于对该信号执行格基规约线性检测的部件包括：用于基于表征被用于将一组符号从另外的装置发送到该装置的信道的矩阵来对信号执行格基规约线性检测的部件。[0206]在一些示例实施例中，被用于将一组符号从第二设备发送到第一设备的信道包括用于分别发送该一组符号的多个层。用于对第一组估计符号执行迭代干扰消除的部件包括：用于对第一组估计符号执行层间干扰消除以得出用于一组符号的第三组估计符号的部件；以及用于对第三组估计符号执行符号检测误差补偿以得出用于一组符号的第二组估计符号的部件。[0207]在一些示例实施例中，用于对第一组估计符号执行层间干扰消除部件包括：用于基于来自所述第一组估计符号的、与多个层中的其他层相对应的估计符号，针对所述多个层中的给定层来估计由所述多个层中的其他层引起的干扰效应的部件；以及用于通过从信号中消除干扰效应来确定与给定层相对应的第三组估计符号中的一者的部件。[0208]在一些示例实施例中，用于对第一组估计符号执行符号检测误差补偿的部件包括：用于针对多个层中的给定层确定滤波器的部件，该滤波器用于对与给定层相对应的第三组估计符号中的估计符号进行滤波，使得因多个层中的其他层中的符号检测误差引起的干扰效应被最小化；以及用于基于估计符号和滤波器来确定与给定层相对应的第二组估计符号中的一者的部件。[0209]在一些示例实施例中，用于对第一组估计符号执行迭代干扰消除的部件包括：用于对第二组估计符号执行层间干扰消除以更新第三组估计符号的部件；以及用于对经更新的第三组估计符号执行检测误差补偿以更新第二组估计符号的部件。[0210]在一些示例实施例中，用于对第三组估计符号执行层间干扰消除的部件包括：用于确定第一组估计符号的第一可靠性和第二组估计符号的第二可靠性的部件；以及用于响应于第二可靠性超过第一可靠性，对第二组估计符号执述层间干扰消除以更新第三组估计符号的部件。[0211]在一些示例实施例中，用于生成软判决信息的部件包括：用于基于第二组估计符号来针对多个层确定相应的信号与干扰加噪声比(sinr)的部件；用于归一化第二组估计符号的部件；以及用于通过基于sinr和归一化的第二组估计符号来执行逐比特对数似然比计算来生成软判决信息的部件。[0212]图7是适合于实现本公开的实施例的设备700的简化框图。设备700可以被用于实现如图1b所示的发送设备120或接收设备130。例如，设备700可以用于实现图1a所示的网络设备101或终端设备，例如图1a所示的终端设备111或112。如图7所示，设备700包括一个或多个处理器710，被耦合到处理器710的一个或多个存储器720，以及被耦合到处理器710的一个或多个通信模块740。[0213]通信模块740用于双向通信。通信模块740具有至少一个天线以便于通信。通信接口可以表示与其它网络元件通信所需的任何接口。[0214]处理器710可以是适合于本地技术网络的任何类型并且可以包括以下中的一项或多项：作为非限制性示例，通用计算机，专用计算机，微处理器，数字信号处理器(dsp)和基于多核处理器架构的处理器。装置700可具有多个处理器，例如在时间上从属于使主处理器同步的时钟的专用集成电路芯片。[0215]存储器720可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的实例包括(但不限于)只读存储器(rom)724，电可编程只读存储器(eprom)，快闪存储器，硬盘，压缩光盘(cd)，数字视频光盘(dvd)和其它磁性存储装置和/或光学存储装置。易失性存储器的示例包括但不限于随机存取存储器(ram)722和在断电持续时间内不会持续的其它易失性存储器。[0216]计算机程序730包括由相关联的处理器710执行的计算机可执行指令。程序730可以存储在rom724中。处理器710可通过将程序730加载到ram722中来执行任何合适的动作和处理。[0217]本公开的实施例可以借助于程序730来实现，使得设备700可以执行如参考图6所讨论的本公开的任何过程。本公开的实施例还可以由硬件或软件和硬件的组合来实现。[0218]在一些示范性实施例中，程序730可以被有形地包含在计算机可读介质中，该计算机可读介质可以被包括在设备700中(例如在存储器720中)或可由设备700访问的其他存储设备中。设备700可将程序730从计算机可读介质加载到ram722以供执行。计算机可读介质可以包括任何类型的有形非易失性存储器，例如rom，eprom，闪存，硬盘，cd，dvd等。图8示出了cd或dvd形式的计算机可读介质800的示例。计算机可读介质上存储有程序730。[0219]应当理解，未来的网络可以利用网络功能虚拟化(nfv)，它是提出将网络节点功能虚拟化为“构件块”或实体的网络体系结构概念，所述构件块或实体可以在操作上连接或链接在一起以提供服务。虚拟化网络功能(vnf)可以包括使用标准或通用类型服务器而不是定制硬件来运行计算机程序代码的一个或多个虚拟机。也可以使用云计算或数据存储。在无线电通信中，这可以意味着要至少部分地在可操作地耦合到分布式单元du(例如无线电头/节点)的中央/集中式单元cu(例如服务器，主机或节点)中执行的节点操作。节点操作也可以分布在多个服务器，节点或主机中。还应当理解，核心网络操作和基站操作之间的劳动力分配可以根据实现而变化。[0220]在一个实施例中，服务器可以生成虚拟网络，服务器通过该虚拟网络与分布式单元通信。一般而言，虚拟联网可涉及将硬件和软件网络资源和网络功能组合成单个基于软件的管理实体(虚拟网络)的过程。这种虚拟网络可以在服务器和无线头/节点之间提供操作的灵活分布。实际上，可以在cu或du中执行任何数字信号处理任务，并且可以根据实现来选择在cu和du之间转移责任的边界。[0221]因此，在一个实施例中，实现了cu-du体系结构。在这种情况下，装置700可以包括在可操作地(例如经由无线或有线网络)耦合到分布式单元(例如远程无线电头/节点)的中央单元(例如控制单元，边缘云服务器，服务器)中。即，中央单元(例如边缘云服务器)和分布式单元可以是经由无线电路径或经由有线连接彼此通信的独立设备。或者，它们可以在经由有线连接等进行通信的同一实体中。边缘云或边缘云服务器可以服务于多个分布式单元或无线电接入网络。在一个实施例中，所述过程中的至少一些可以由中央单元执行。在另一个实施例中，装置700可以替代地包括在分布式单元中，并且所描述的过程中的至少一些可以由分布式单元执行。[0222]在一个实施例中，装置700的至少一些功能的执行可以在形成一个操作实体的两个物理上分离的设备(du和cu)之间共享。因此，可以看出，该装置描述了包括一个或多个物理上分离的设备的操作实体，用于执行至少一些所描述的过程。在一个实施例中，这种cu-du体系结构可以在cu和du之间提供灵活的操作分布。实际上，可以在cu或du中执行任何数字信号处理任务，并且可以根据实现来选择在cu和du之间转移责任的边界。在一个实施例中，装置700控制进程的执行，而不管装置的位置和进程/功能在哪里执行。[0223]通常，本公开的各种实施例可以在硬件或专用电路，软件，逻辑或其任何组合中实现。一些方面可以用硬件来实现，而其他方面可以用固件或软件来实现，这些固件或软件可以由控制器，微处理器或其他计算设备来执行。虽然本公开的实施例的各方面被示出并描述为框图，流程图或使用一些其他图示表示，但是应当理解，本文描述的块，装置，系统，技术或方法可以作为非限制性示例在硬件，软件，固件，专用电路或逻辑，通用硬件或控制器或其他计算设备或其一些组合中实现。[0224]本公开还提供了有形地存储在非瞬态计算机可读存储介质上的至少一种计算机程序产品。计算机程序产品包括在目标真实或虚拟处理器上的设备中执行的诸如包括在程序模块中的那些计算机可执行指令，以执行如上参考图6所述的方法600。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程，程序，库，对象，类，组件，数据结构等。程序模块的功能可根据各种实施例中的需要在程序模块之间组合或分开。程序模块的机器可执行指令可在本地或分布式设备内执行。在分布式设备中，程序模块可位于本地和远程存储介质中。[0225]用于执行本公开的方法的程序代码可以用一种或多种编程语言的任意组合来编写。这些程序代码可以被提供给通用计算机，专用计算机或其它可编程数据处理设备的处理器或控制器，使得程序代码在被处理器或控制器执行时使得流程图和/或框图中指定的功能/操作被实现。程序代码可以完全在机器上，部分在机器上，作为独立软件包，部分在机器上，部分在远程机器上或完全在远程机器或服务器上执行。[0226]在本公开的上下文中，计算机程序代码或相关数据可以由任何合适的载体携带，以使设备，装置或处理器能够执行如上所述的各种过程和操作。载波的示例包括信号，计算机可读介质等。[0227]计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于电，磁，光，电磁，红外或半导体系统，装置或设备，或前述的任何合适的组合。计算机可读存储介质的更具体的示例将包括具有一条或多条导线的电连接，便携式计算机磁盘，硬盘，随机存取存储器(ram)，只读存储器(rom)，可擦除可编程只读存储器(eprom或闪存)，光纤，便携式光盘只读存储器(cd-rom)，光存储设备，磁存储设备，或前述的任何合适的组合。[0228]此外，虽然以特定顺序描述了操作，但是这不应被理解为要求以所示的特定顺序或按顺序执行这些操作，或者执行所有示出的操作，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。同样地，虽然在上述讨论中包含了若干特定实现细节，但是这些细节不应当被解释为对本公开的范围的限制，而应当被解释为对特定实施例所特有的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独地或以任何合适的子组合来实现。[0229]尽管已经用结构特征和/或方法动作专用的语言描述了本公开，但是应当理解，所附权利要求中限定的本公开不必限于上述具体特征或动作。相反，上述具体特征和动作是作为实现权利要求的示例形式而公开的。当前第1页12当前第1页12
背景技术：
：：2.第五代(5g)通信协议的出现已经导致网络变得更加密集。随着大规模多输入多输出(mimo)的使用，频谱资源重用显著增加，导致需要有效地减轻和处理用户间干扰。减轻干扰的能力正成为5g通信系统中的重要问题。现场试验表明干扰是限制吞吐量的重要因素，特别是对于使用256-qam的那些链路配置。在上行链路(ul)中，利用高级检测技术(例如，最大似然检测，球解码(spheredecoding)，格基规约(latticereduction)等)的高级接收器技术(诸如，联合接收)使用正日益变得具有良好ul性能的必要特征。3.mimo检测算法表现出性能和计算复杂度之间的折衷。更简单的mimo算法本质上主要是线性的并且提供次优性能，而最优最大似然检测算法采用联合解码策略并且本质上是具有显著增加复杂度的非线性的。在这个方向上，基于格基规约(lr)原理的mimo接收器最近已经变得流行，因为它们带来复杂性和性能之间的良好平衡。技术实现要素：4.总体上，本公开的示例实施例提供了一种用于生成用于接收器的软判决信息的方法，装置和计算机可读存储介质。5.在第一方面，提供了一种装置。所述装置包括至少一个处理器；以及包括计算机程序代码的至少一个存储器；至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使该装置从另外的装置接收信号，该信号对应于从另外的装置发送的一组符号；通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号；通过对第一组估计符号执行迭代干扰消除来确定用于该一组符号的第二组估计符号；以及基于第二组估计符号来生成关于一组符号的软判决信息，以用于由该装置处的解码器来使用。6.在第二方面，提供了一种方法。所述方法包括在第一设备处接收来自第二设备的信号，该信号对应于从第二设备发送的一组符号；通过对所述信号执行格基规约线性检测来确定用于该一组符号的第一组估计符号；通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号；以及基于第二组估计，生成关于一组符号的软判决信息，以用于由第一装置处的解码器来使用。7.在第三方面，提供了一种装置。该装置包括用于从另外的装置接收信号的部件，该信号对应于从另外的装置发送的一组符号；用于通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号的部件；用于通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号的部件；以及用于基于第二组估计符号生成关于一组符号的软判决信息、以用于由装置处的解码器来使用的部件。8.在第四方面，存在一种计算机可读存储介质，包括被存储在其上的程序指令。该指令在由装置执行时使该装置执行根据第二方面的方法。9.应当理解，该
发明内容部分不旨在标识本公开的实施例的关键或必要特征，也不旨在被用于限制本公开的范围。通过以下描述，本公开的其他特征将变得容易理解。附图说明10.通过在附图中的本公开的一些示例实施例的更详细描述，本公开的上述和其他目的，特征和优点将变得更加明显，其中：11.图1a-图1b示出了其中可以实现本公开的实施例的示例通信系统的示意图；12.图2示出了根据本公开的一些示例实施例的用于生成软判决信息的系统的框图；13.图3示出了根据本公开的一些示例实施例的格基规约线性检测器的框图；14.图4示出了根据本公开的一些示例实施例的并行干扰消除模块的框图；15.图5a-图5c是示出不同方案之间的性能比较的图；16.图6示出了根据本公开的一些示例实施例的用于生成软判决信息的方法的流程图；17.图7示出了适于实现本公开的实施例的装置的简化框图；以及18.图8示出了根据本公开的一些示例实施例的示例计算机可读介质的框图。19.在所有附图中，相同或相似的附图标记表示相同或相似的元件。具体实施方式20.现在将参考一些示例实施例来描述本公开的原理。应当理解，描述这些实施例仅用于说明的目的，并帮助本领域技术人员理解和实现本公开，而不暗示对本公开的范围的任何限制。这里描述的公开可以以不同于下面描述的方式的各种方式来实现。21.在以下描述和权利要求中，除非另外定义，否则本文使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的相同含义。22.在本公开中对“一个实施例”，“实施例”，“示例实施例”等的引用表示所描述的实施例可以包括特定的特征，结构或特性，但是不必每个实施例都包括该特定的特征，结构或特性。此外，这些短语不一定指同一实施例。此外，当结合示例性实施例描述特定特征，结构或特性时，认为结合其他实施例(无论是否明确描述)来影响这种特征，结构或特性是在本领域技术人员的知识范围内的。23.应当理解，虽然术语“第一”和“第二”等在本文中可用于描述各种元件，但这些元件不应受这些术语的限制。这些术语仅用于区分一个元件与另一个元件。例如，第一元件可以被称为第二元件，并且类似地，第二元件可以被称为第一元件，并且类似地，第二元件可以被称为第一元件。如本文所用，术语“和/或”包括一个或多个所列术语的任何和所有组合。24.本文使用的术语仅用于描述特定实施例的目的，而不旨在限制示例实施例。如本文所用，单数形式“一”，“一个”和“该”也旨在包括复数形式，除非上下文另外明确指出。还将理解，术语“包括”，“包含”，“具有”，“具有”，“包含”和/或“包含有”在本文中使用时指定所述特征，元件和/或组件等的存在，但不排除一个或多个其它特征，元件，组件和/或其组合的存在或添加。25.如本技术案中所使用，术语“电路”可指以下各项中的一者或一者以上或全部：26.(a)仅硬件电路实现方式(例如仅模拟和/或数字电路中的实现方式)以及27.(b)硬件电路和软件的组合，例如(如适用)：28.(i)模拟和/或数字硬件电路与软件/固件的组合，以及29.(ii)具有软件的硬件处理器(包括数字信号处理器)，软件和存储器的任何部分，它们一起工作以使诸如移动电话或服务器的装置执行各种功能)以及30.(c)需要软件(例如，固件)来操作的硬件电路和/或处理器(例如，微处理器或微处理器的一部分)，但当不需要软件来操作时，31.软件可不存在。32.电路的这个定义适用于本技术中这个术语的所有使用，包括在任何权利要求中。作为另一实例，如本技术案中所使用，术语电路还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其(或其)伴随软件和/或固件的实施方案。术语电路还涵盖(例如且如果适用于特定权利要求元件)用于移动装置的基带集成电路或处理器集成电路或服务器中的类似集成电路，蜂窝式网络装置或其它计算或网络装置。33.如这里所使用的，术语“通信网络”是指遵循任何合适的通信标准的网络，诸如长期演进(lte)，高级lte(lte-a)，宽带码分多址(wcdma)，高速分组接入(hspa)，窄带物联网(nb-iot)，新无线电(nr)等。此外，通信网络中的终端设备和网络设备之间的通信可以根据任何合适的一代通信协议来执行，包括但不限于第一代(1g)，第二代(2g)，2.5g，2.75g，第三代(3g)，第四代(4g)，4.5g，未来的第五代(5g)通信协议，和/或当前已知或将来要开发的任何其它协议。本公开的实施例可以应用于各种通信系统中。考虑到通信的快速发展，当然还有未来类型的通信技术和系统，利用它们可以实施本公开。不应将其视为将本发明的范围仅限于上述系统。34.如这里所使用的，术语“网络设备”是指通信网络中的节点，终端设备经由该节点访问网络并从其接收服务。根据所应用的术语和技术，网络设备可以指基站(bs)或接入点(ap)，例如，节点b(节点b或nb)，演进的节点b(enodeb或enb)，nrnb(也称为gnb)，远程无线电单元(rru)，无线电头(rh)，远程无线电头(rrh)，中继，诸如毫微微，微微等的低功率节点。35.术语“终端设备”是指能够进行无线通信的任何终端设备。作为示例而非限制，终端设备也可被称为通信设备，用户设备(ue)，订户站(ss)，便携式订户站，移动站(ms)或接入终端(at)。终端设备可以包括但不限于移动电话，蜂窝电话，智能电话，ip语音(voip)电话，无线本地环路电话，平板电脑，可穿戴终端设备，个人数字助理(pda)，便携式计算机，台式计算机，诸如数码相机的图像捕获终端设备，游戏终端设备，音乐存储和回放设备，车载无线终端设备，无线端点，移动台，膝上型嵌入式设备(lee)，膝上型安装设备(lme)，usbdongles，智能设备，无线客户端设备(cpe)，物联网(iot)设备，手表或其它可穿戴设备，头戴式显示器(hmd)，车辆，靶标，医疗设备和应用(例如，远程手术)，工业设备和应用(例如，在工业和/或自动化处理链环境中操作的机器人和/或其它无线设备，消费电子设备，在商业和/或工业无线网络上操作的设备等。在以下描述中，术语“终端设备”，“通信设备”，“终端”，“用户设备”和“ue”可以互换使用。36.尽管可以在各种示例实施例中在固定和/或无线网络节点中执行这里描述的功能，但是在其他示例实施例中，可以在用户设备装置(诸如，蜂窝电话或平板计算机或膝上型计算机或台式计算机或移动iot设备或固定iot设备)中实现功能。该用户设备装置例如可以适当地配备有结合固定和/或无线网络节点描述的相应能力。用户设备装置可以是用户设备和/或控制设备，例如芯片组或处理器，其被配置为当安装在其中时控制用户设备。这样的功能的示例包括自举服务器功能和/或归属用户服务器，其可以通过向用户设备装置提供被配置成使用户设备装置从这些功能/节点的观点执行的软件来在用户设备装置中实现。37.如上所述，基于格基规约(lr)原理的mimo接收器最近已经变得流行，因为它们带来了复杂性和性能之间的良好平衡。lr检测器基于的是网格(lattice)理论的原理。38.考虑具有nt个发射天线和nr个接收天线的mimo传输系统，其中该系统模型由以下给出：39.y＝hs n40.其中y为接收nr×1的信号向量；h是nr×nt信道矩阵；s为nt×1的发送信号向量；并且n为具有的nt×1复数循环对称加性高斯噪声过程。41.假设信号向量s的元素是包括零的复数整数。在该假设中没有一般性的损失(lossofgenerality)，因为对于具有来自给定调制星座图的元素的任何给定发送的符号向量x，复整数的对应向量s可以通过移位和缩放变换而被相关[0042][0043]其中(α，β)是适当地选择的、通过调制星座确定的缩放和移位因子。[0044]令表示由列h(即列h的复数整数加权线性组合的集合)跨越的网格。即，[0045][0046]其中是复数整数的集合。对于发送的信号向量s，对应的信道输出hs可以被看作是列h所跨越的网格中的点。[0047]晶格理论的重要结果在于当且仅当并且t是单模矩阵，矩阵生成与h相同的网格(如果t和t-1仅包含整数项并且det(t)＝±1，则矩阵t是单模矩阵)。即，[0048][0049]格基归约的目的是将给定的基h变换为新的基使得成为“更好的正交矩阵”。通常，比h更好地调节(condition)。通常，找到基向量的最佳集合的问题是高度复杂的。因此，存在次优的lr算法，该次优的lr算法通过执行基本列操作序列来找到“表现良好的”信道矩阵，使得其中t是表示基本操作序列的单模矩阵(仅具有整数项且其行列式的绝对值等于1的矩阵)。最流行的lr算法是lenstra-lenstra-lovasz(lll)算法。[0050]lr-检测器在格基规约域中起作用以估计所发送的符号。观察到，系统模型可以被变换成lr域信号模型，如[0051][0052]其中z＝t-1s是lr域信号。可以在该变换的系统模型上采用适当的检测方法来估计lr域信号z，该lr域信号z被进而被用于估计所发送的符号s，对降低的基执行检测以在网格降低的星座中估计并且然后通过变换来恢复所发送的符号估计因更好调节(better-conditioned)的信道这种检测是鲁棒性的。[0053]基于lr的检测方案的关键优点在于，以复杂度的一小部分、即使lr线性检测器仅产生其斜率等于最大似然(ml)检测的斜率的错误率曲线。具体地，在包括nt个发射天线和nr个接收天线、以及传输并行数据流的mimo信道中，lr线性检测器的误比特率(ber)曲线表现出全接收器分集阶数nr，，而传统方法(线性均衡，判决反馈均衡等)的误比特率曲线表现出最多为nr-ns 1的分集阶数。[0054]然而，lr线性接收器在实际部署中的主要问题是它们不能生成用于对数似然比(llr)计算的软符号级判决。lr检测器是基于“减少网格基数”的检测原理，并且由于网格基数减少原理，它们的符号检测性能是非常鲁棒的。此外，即使基于格基规约的线性检测器版本也可以在没有任何附加处理的情况下产生完整的接收器分集增益。因此，由于简单和鲁棒的性能，lr线性检测器(lrld)可以是mimo/多用户接收的潜在候选者。在实际部署中采用这些简单而强大的lrld受到它们不能在符号级生成软判决的阻碍。该问题已被标识为具有高实用性的未来研究课题。[0055]为了进一步解释，已知的是在符号级采用软判决的接收器的ber性能优于在符号级采用硬判决的对应者。原因是存在与硬判决相关联的固有“量化损失”，导致性能下降。更重要的是，软输出检测器在与利用软信息生成逐比特的llr的信道编码方案组合时提供显著的益处。虽然lrld在它们的检测性能方面是鲁棒的，但不幸的是，它们遭受检测器输出是硬值的问题，这与传统的线性检测器不同。换句话说，lrld仅在符号级进行硬判决时才有效。这种考虑使得在符号级从lrld产生软值输出具有挑战性。[0056]在lr接收器中已经存在关于软值生成的一些方案。然而，所有这些方案都提出了基于列表生成(由列表球形解码所激励的)的概念的lr软值计算。列表生成极大地增加了复杂度，这使得使用lr作为低复杂度方法的目的失效。[0057]本公开的实施例考虑了mimo蜂窝网络中的传输场景，并且提出了用于mimo/多用户接收器的基于软值的lrld，以便至少部分地解决上述和其他潜在问题。本公开的实施例可以以降低的复杂度在误块率(bler)和复用增益方面改进接收器性能。在下文中，将参考附图描述本公开的一些示例实施例。然而，所属领域的技术人员将容易理解，本文中关于这些图给出的详细描述仅出于说明的目的，而不暗示对本揭示案的范围的任何限制。[0058]图1a是示出其中可以实现本公开的实施例的示例通信系统100的示图。通信系统100可以包括网络设备101和由网络设备101服务的多个终端设备111和112。网络100可以提供一个或多个服务小区102来服务于终端设备111和112。终端设备111和112可以分别经由信道131和132与网络设备101通信，和/或可以经由信道133彼此通信。应当理解，网络设备，终端设备和/或服务小区的数目仅用于说明的目的，而不暗示对本公开的范围的任何限制。[0059]图1b是示出在通信中的发送设备120和接收设备130处实现的处理的简化图。在一些实施例中，网络设备101可以充当发送设备120，而图1a中的终端设备111或112可以充当接收设备130。在一些实施例中，网络设备101可以充当接收设备130，而图1a中的终端设备111或112可以充当发送设备120。[0060]如图1b所示，为了确保数据(包括控制信令)的可靠传输，传输设备120可以对要传输的数据执行信道编码(140)以引入冗余，从而抵抗可能在传输信道(例如，图1a中的131，132和133)中引入的失真。备选地，信道编码的数据可以在被发送之前被进一步交织(未示出)和/或调制(150)。在接收设备130处，执行与发送设备120相反的处理。也就是说，接收到的信号被解调(160)，解交织(未示出)和解码(170)以恢复发送的数据。在一些实施例中，在发送设备120处可以涉及其他或不同的处理，并且接收设备130可以相应地执行反向操作。[0061]在一些实施例中，低密度奇偶校验(ldpc)码，polar码和/或turbo码可用作图1b中的信道编码过程140中的纠错码。应当理解，这里使用的信道是指编码信道，即从输入到输出的编码过程中涉及的信道，而不是图1a中的传输信道131，132或133。因此，图1b中的信道解码过程170可用于解码包括纠错码(例如ldpc，polar和/或turbo码)的接收信号。[0062]在图1b的调制过程150中，可以使用当前已知的或将来要开发的任何调制技术，例如二进制相移键控(bpsk)，π/2-bpsk，正交相移键控(qpsk)，16正交幅度调制(16qam)，64qam，256qam等。在图1b的调制过程160中，将根据调制过程150中使用的调制技术采用相应的解调方式。[0063]图2示出了根据本公开的一些示例实施例的用于生成软判决信息的系统200的框图。例如，系统200可以在如图1b所示的接收设备130处实现。例如，接收设备130可以是终端设备111或112，或者如图1a所示的网络设备101。[0064]如图2所示，系统200可以包括lrld210，并行干扰消除(pic)模块220，检错补偿(dec)模块230，信号与干扰加噪声比(sinr)计算模块240，归一化模块250，llr计算模块260和判决反馈模块270。应当理解，系统200的结构是出于说明的目的而示出的，而不暗示对本公开的范围的任何限制。在一些示例实施例中，系统200可以包括未示出的额外模块和/或可以省略一些示出的模块(诸如，决策反馈模块270)，并且本公开的范围在此方面不受限制。[0065]在下文中，将参考具有发射天线和接收天线的一般通信系统模型来描述本公开的实施例。该系统模型一般捕获单用户多输入多输出(su-mimo)以及多用户多输入多输出(mu-mimo)通信场景。接收器处的接收信号可以由下式给出：[0066]y＝hx nꢀꢀꢀ(1)[0067]y是nr×1的接收信号向量；h是nr×nt的信道矩阵；x为nt×1的发送信号矢量；并且n是具有的nr×1的复数循环对称加性高斯噪声过程。[0068]不失一般性的情况下，假设nt≤nr并且信道矩阵的秩是nt。此外，信道矩阵利用发送器处的预编码来捕获有效信道，因此假定发送nt个独立的数据流。在噪声过程n是有色噪声的情况下，假设进行适当的预白噪化，使得上述模型总体上仍然成立。[0069]在一些示例实施例中，例如，当接收设备130从发送设备120接收到信号201(即，y)时，接收到的信号201可以到达lrld210。例如，接收信号201可以对应于从发送设备120发送的一组符号(即，x)。在一些示例实施例中，lrld210可以对接收到的信号201执行lr线性硬检测，以得出用于一组符号x的一组估计符号202。[0070]图3示出了根据本公开的一些示例实施例的lrld210的框图。如图3所示，在一些示例实施例中，lrld210可以基于信道矩阵310(即，h)对信号201执行格基规约线性检测，以得出一组估计符号202。[0071]如上文所述，信道矩阵利用发送器处的预编码来捕获有效信道，因此假设nt个独立的数据流被发送。即，信道可以被认为包括用于发送nt个独立数据流的nt个层。令是通过对接收信号201采用lr线性硬检测操作而获得的、对层1上发送的符号的估计。将符号估计向量表示为其中该函数lr-lineardetector(·)表示当前已知或将来要开发的任何lrld操作。对应于层l的符号检测误差可以由下式给出：[0072][0073]参照图2，lrld210的接收信号201和输出202可以被提供给pic模块220。pic模块220可使用lrld210的输出202以从接收信号201执行并行干扰消除。[0074]在一些示例实施例中，pic模块220可以对该一组组估计符号202执行层间干扰消除，以得出用于该一组符号x的另一组估计符号203。在一些示例实施例中，pic模块220可以基于与来自一组估计符号202的其他层相对应的所估计的符号，针对nt个层中的给定层来估计由nt个层中的其他层引起的干扰效应，并且然后从信号201(即，y)中消除干扰效应。[0075]用于层k的pic操作可以被总结为：[0076][0077]为了简化实现，可以如下重写上述等式(3)：[0078][0079]应当注意，直观地，由表示的第二术语可以被解释为“估计的加性噪声”分量。因此，上述等式(3)可以重写如下：[0080][0081]根据以上等式(5)的pic操作的实现在图4中示出。[0082]如图2所示，pic模块220的输出203可以被提供给dec模块230。dec模块230可以最小化pic模块220的输出203中的符号检测误差的干扰效应。[0083]在一些示例实施例中，dec模块230可以对该一组估计符号203执行符号检测误差补偿，以得出用于该一组符号x的另一组估计符号204。在一些示例实施例中，dec模块230可以针对nt个层中的给定层确定滤波器，该滤波器用于对与该给定层相对应的该一组估计符号203中的估计符号进行滤波，使得将因这些层中的其他层中的符号检测误差而引起的干扰效应最小化。dec模块230然后可以将滤波器应用于对应于给定层的估计符号。[0084]可以看出，在消除层间干扰之后，针对层的pic模块220的输出203可以仍然包含因其它层中的符号检测误差而引起的残余干扰。换句话说，pic输出仍然被残余干扰所破坏。在这种情况下，以上等式(3)可以重写为：[0085][0086]其中，第二项ik＝∑l≠k∈lhl对符号检测误差在其它层中引起的影响进行建模。[0087]dec模块230的目的是最小化来自的影响ik。为此，可以利用具有最小均方误差(mmse)准则的线性滤波器。也就是说，该滤波器使线性滤波器类中的均方误差最小化。[0088]因此，可以将该问题公式化为优化问题以找出滤波器集合使得：[0089][0090]令并且[0091][0092]其中其中是所发送符号的平均能量，并且是针对层1的均方检测误差(mse)。[0093]如下所示，最优值可以由下式给出：[0094][0095]dec输出则可以由下式给出：[0096][0097]dec输出被解耦成nt个不相关的流。[0098]对于任何给定层l，检测mse可以由下式给出：[0099][0100]其中p(x)是发送符号x的概率，并且是错误检测概率，错误地将所发送的符号x检测为的概率。[0101]假设发送的符号是等概率的，则上述等式(11)可以重写为：[0102][0103]由于lr-检测器的检测误差概率、难以解析地跟踪，因此获得是困难的。然而，可以采纳一些基于仿真的方法来计算例如，可以通过针对mcs级别和sinr的各种值的广泛仿真来评估，并且可以将其存储在查找表中。在另一方面，该方法对于存储器受限的设计可能不具有吸引力。[0104]鉴于上述考虑，在一些示例实施例中，可以采用针对的简单近似，其利用了以下事实：衰落信道上的任何相干组合接收器的符号错误概率是接收sinr的单调递减函数。令错误概率为[0105][0106]此外[0107][0108]并且[0109][0110]其中sinr表示给定层的sinr。因此，符号检测错误概率可以被近似为：[0111][0112]此外，假设检测误差事件是等概率的，则[0113][0114]令针对lrld输出处的层1的瞬时sinr由sinr1给出。[0115]使用上述近似[0116][0117]其中是用于星座的“平均星座间距离”，被定义为：[0118][0119]如图2所示，dec模块230的输出204可以被提供给sinr计算模块240和归一化模块250。sinr计算模块240可以基于该一组估计符号204来针对nt个层来确定相应sinr。归一化模块250可以归一化dec模块230的输出204，以确保由均衡器引入的偏置被移除。[0120]对于任何给定层k，后均衡sinr(pesinr)可以被定义为：[0121][0122]其中ps，o是信号功率，并且pin，o是组合器输出处的干扰加噪声功率。pesinr的表达式可以由下式给出[0123][0124]其中可以验证bk是实值并且0≤bk＜1。[0125]在一些示例实施例中，dec模块230的输出204可以被归一化以确保消除由均衡器引入的偏置。因此，可以如下执行去偏置操作：[0126][0127]注意，dec模块230的输出204的归一化不改变pesinr的值。[0128]如图2所示，sinr计算模块240的输出205和归一化模块250的输出206可被提供给llr计算模块260。在一些示例实施例中，llr计算模块260可以基于sinr205和归一化的一组估计符号206来执行逐比特的llr计算。如这里所使用的，似然比(指的是一个给定比特为1与0或相反的概率比)通常被转换到对数域，并且结果通常被称为llr。事实上，llr计算在现代基于软信息的解码算法中扮演了关键角色。[0129]在归一化之后，dec输出可以表示nt标量信道的集合，每个信道具有与均衡器输出处的sinr相对应的sinr。即，[0130][0131]其中注意，假设噪声项的分布由高斯分布来近似，即因此，对于层1中的比特，llr被计算为：[0132][0133]llr可以被重写为：[0134][0135]其中我们假设符号的先验概率一致。因此[0136][0137]上述等式产生用于llr计算的指导。一个直接的方式是针对每个比特广泛地评估上述表达式，这在计算上是非常昂贵的。在一些示例实施例中，可以利用当前已知或将来要开发的任何优化方法来基于实现和复杂度考虑来计算llr。本发明的范围不限于此。[0138]如图2所示，在一些示范性实施例中，系统200可以包括决策反馈模块270。在一些示范性实施例中，决策反馈模块270可以确定lrld210的输出202的第一可靠性和dec模块230的输出204的第二可靠性。如果dec模块230的输出204比lrld210的输出202更可靠，则判决反馈模块270可以将dec输出204作为输入来反馈到pic模块220以执行另一轮干扰消除，从而改进pic输出处的sinr。[0139]在一些示例实施例中，可以通过检测器输出和接收信号之间的欧几里得距离来表征检测器性能。因此，该距离度量可以被用作测试条件，以反馈dec输出来作为pic模块220的输入，以执行另一轮干扰消除，从而改进pic模块220的输出处的sinr。在一些示例实施例中，出于以上讨论的考虑，判决反馈模块270可以执行以下步骤：[0140](1)符号检测：dec模块230的输出204被用于执行另一轮符号检测以产生硬判决符号估计。[0141][0142](2)度量计算：对于lr检测器输出和dec输出计算对应的度量和其中d(x，y)＝||y-hx||2是来自接收信号y的星座点x的欧几里德距离。[0143](3)符号判决反馈：上述计算的度量被用作可靠性测试条件以执行判决反馈。在一些示例实施例中，如果dec模块230的输出204比lrld210的输出202更可靠，则dec模块230的输出204可以作为输入被反馈到pic模块220。也就是说，如果pic模块220的输入可以设置为否则，可以跳过反馈过程。在反馈之后，可以执行pic，dec步骤以最终计算llr。[0144]在一些示例实施例中，dec模块230的实现可以被进一步简化。从对dec模块230的讨论中可以看出，信道的每一层由单独的lmmse滤波器如下处理：[0145][0146]这需要单独的矩阵求逆来计算从而施加了nt矩阵求逆的要求，因此在计算上可能非常昂贵。在一些示范性实施例中，可以将矩阵求逆简化为用于计算所有nt个lmmse滤波器系数向量的单个矩阵求逆。这可以通过利用集合来替换系数向量的集合来完成，其中[0147][0148]其中p是nt×nt的对角阵，使得：[0149][0150]在一些示例实施例中，如果pesinr中没有变化，dec模块230可以使用来代替使用此外，在当前上下文中，可以示出可以被表示为其中ck是仅取决于层k的常数。针对该表达式可以进一步简化为：[0151][0152]这仅要求对维度为nt×nt的矩阵取逆。[0153]在一些示例实施例中，如果如上所述简化dec模块230的实现，则由pesinr计算模块240执行的pesinr的计算可以是直接的。对于简化的dec模块230，dec模块230的输出可以由下式给出：[0154][0155]信号功率可以由下式给出：[0156][0157]干扰加噪声功率可以由下式给出：[0158][0159]干扰加噪声功率可以由下式给出：[0160][0161]因此，后组合sinr可以由下式给出：[0162][0163]应当理解，简化的dec模块的pesinr等于如上所述的dec模块的pesinr。此外，归一化因子可以由下式给出：[0164][0165]鉴于上述内容，可以看出，lrld具有鲁棒的性能，并且它们可以仅在使用格基规约在符号级进行硬判决时被利用。因此，在符号级从lrld产生软值输出而不损害性能是有挑战性的。由于这种软值生成问题，lrld在mu/mimo接收器中找到非常有限的部署，尽管它们对信道条件具有鲁棒性。本公开的实施例提出了一种在符号级为lrld生成软判决的方案。与由硬符号判决产生的llr相比，基于软符号判决产生的llr具有更好的性能。[0166]作为示例而非限制，根据本公开的实施例的用于生成软判决信息的计算机指令可以被构造为如下：[0167]软判决信息生成算法[0168]输入：[0169]1.生成增广信道和接收信号：[0170]2.移位并缩放接收信号：[0171]3.对haug执行网格约简：执行网格约简：[0172]4.执行lr-mmse组合：[0173]5.将lr域信号量化到最近的整数：zl＝integer|zlr，l|，l＝1，...，nt；[0174]6.将信号域变换到硬限制：[0175]7.移位并缩放检测到的信号：[0176]8.软符号输出生成：[0177]对于l＝1：nt[0178]执行干扰减除：[0179]执行dec和归一化：[0180]执行sinr计算：[0181]结束[0182]9.执行llr计算：[0183]输出：逐比特[0184]#软决策信息生成算法结束[0185]图5a-图5c是示出不同方案之间的性能比较的图。在图5a-图5c中，为了比较和基准化，与以下su/mu-mimo检测方案相比来评估本公开的实施例的性能：干扰抑制(irc)接收器方案和基于格基规约的irc(lr-irc)方案。irc接收器在mimo接收器中非常流行，并且在su/mu-mimo接收器体系结构中普遍采用。由于irc接收器的线性度，相对简单性以及由于强干扰抑制能力而产生的稳健性能，irc接收器的普及。在lr-irc检测器中，基于irc的检测在网格域中进行，并且检测器的输出是符号级硬判决。[0186]在图5a-图5c中，在网络设备和终端设备被配备有多个天线的情况下，考虑5g蜂窝网络中的mu-mimo通信。评估集中在网络设备从终端设备接收传输的ul信道上的通信。该场景是具有发送器和接收器波束成形的大规模mimo方案。表1列出了被用于评估的模拟参数：[0187]表1[0188]仿真参数值载波频率3.5ghz带宽10mhz场景上行链路：单用户/多用户bs物理天线配置(mxnxp)8x8x2(dh,dv)(0.5λ，0.7λ)bs天线端口2/4/8ue物理天线配置(mxnxp)(1x1x2)/(2x1x2)ue天线端口2/4波束成形类型gridofbeams(gob)信道模型3gppcdl-0a(nloschannel)调制和编码方案(mcs)值3gppmcstable1信道估计(ce)类型实际ce接收器/均衡器irc/lr-irc/lr-pic仿真时间5s[0189]图5a示出了在采用su-mimo，mcs＝9和qpsk的一种情况下的性能比较。图5a示出了三个bler对sinr曲线501，502和503，其中曲线501对应于irc接收器方案，曲线502对应于lr-irc方案，而曲线503对应于根据本公开的实施例的方案(也称为“lr-pic方案”)。图5b示出在采用su-mimo，mcs＝16和16-qam的另一情况下的性能比较。图5b示出了根据本公开的实施例的三条bler对sinr曲线504，505和506，其中曲线504对应于irc接收器方案，曲线505对应于lr-irc方案，而曲线506对应于lr-pic方案。图5c示出在采用mu-mimo支持2个ue，诸如ue1和ue2)，mcs＝16和16-qam的另一情况下的性能比较。图5c示出了在另一情况下的性能比较，在该另一情况下采用mu-mimo(支持2个ue，诸如ue1和ue2)、nr＝2，nt＝4、mcs＝16并且16-qam。图5c示出了根据本公开的实施例的针对ue1的三条bler对于sinr曲线507，508和509、以及针对ue2的三条bler对于sinr曲线510，511和512，其中曲线507和510对应于irc接收器方案，曲线508和511对应于lr-irc方案，并且曲线509和512对应于lr-pic方案。[0190]从图5a-图5c可以看出，lr-pic方案比lr-irc方案和irc接收器方案的性能好2-4db(在10％bler点处)。虽然lr-irc方案在符号检测中是鲁棒的，但是由于产生硬符号输出，它表现出降级的性能。另一方面，lr-pic方案利用lr-irc方案的鲁棒检测能力以及产生软符号输出，从而表现出优越的性能。[0191]图6示出了根据本公开的一些示例实施例的用于生成软判决信息的方法600的流程图。方法600可以由通信网络100中的接收设备130(以下称为“第一设备”)来执行。例如，接收设备130可以是终端设备111或112，或者如图1所示的网络设备101。应当理解，方法600可以包括未示出的附加框和/或可以省略一些示出的框，并且本公开的范围不限于此。[0192]在框610，第一设备从第二设备(例如，发送设备120)接收信号。该信号可以对应于从第二设备发送的一组符号。[0193]在框620，第一设备通过对信号执行格基归约线性检测来确定用于该一组符号的第一组估计符号。[0194]在一些示例实施例中，第一设备基于表征被用于从第二设备向第一设备发送该一组符号的信道矩阵，对该信号执行格基规约线性检测。[0195]在框630，第一设备通过对第一组估计符号执行迭代干扰消除来确定用于该一组符号的第二组估计符号。[0196]在一些示例实施例中，被用于将符号组从第二设备发送到第一设备的信道包括用于分别发送该一组符号的多个层。第一设备通过以下操作对第一组估计符号执行迭代干扰消除：对第一组估计符号执行层间干扰消除，以得出用于一组符号的第三组估计符号；以及对第三组估计符号执行符号检测误差补偿，以得出用于一组符号的第二组估计符号。[0197]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行层间干扰消除：基于来自第一组估计符号的、与所述多个层中的其他层相对应的估计符号，针对多个层中的给定层来估计由多个层中的其他层引起的干扰效应；以及通过从信号中消除所述干扰效应来确定与给定层相对应的第三组估计符号中的一者。[0198]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行符号检测误差补偿：针对多个层中的给定层，来确定滤波器以用于对与给定层相对应的第三组估计符号中的估计符号进行滤波，使得因多个层中的其他层中的符号检测误差而引起的干扰效应被最小化；以及基于估计符号和滤波器，确定与给定层相对应的第二组估计符号中的一者。[0199]在一些示例实施例中，第一设备通过以下操作对第一组估计符号执行迭代干扰消除：对第二组估计符号执行层间干扰消除，以更新第三组估计符号；以及对经更新的第三组估计符号执行检测误差补偿，以更新第二组估计符号。[0200]在一些示例实施例中，第一设备通过以下操作对第三组估计符号执行层间干扰消除：确定第一组估计符号的第一可靠性和第二组估计符号的第二可靠性；以及响应于第二可靠性超过第一可靠性，对第二组估计符号执行所述层间干扰消除，以更新第三组估计符号。[0201]在框640，第一设备基于第二组估计符号生成关于该一组符号的软判决信息，以用于由第一设备处的解码器来使用。[0202]在一些示例实施例中，第一装置通过以下操作来生成软判决信息：基于第二组估计符号来针对多个层确定相应的信号与干扰加噪声比(sinr)；归一化第二组估计符号；以及通过基于sinr和归一化的第二组估计符号来执行逐比特对数似然比计算来生成软判决信息。[0203]在一些示例实施例中，能够执行方法600的装置可以包括用于执行方法600的相应步骤的部件。该部件可以以任何适当的形式实现。例如，该部件可以在电路或软件模块中实现。[0204]在一些示例实施例中，能够执行方法600的装置(例如，接收设备130)包括用于从另外的装置接收信号的部件，该信号对应于从该另外地装置发送的一组符号；用于通过对信号执行格基规约线性检测来确定用于一组符号的第一组估计符号的部件；用于通过对第一组估计符号执行迭代干扰消除来确定用于一组符号的第二组估计符号的部件；以及用于基于第二组估计符号生成关于该一组符号的软判决信息以用于由该装置处的解码器使用的部件。[0205]在一些示例实施例中，用于对该信号执行格基规约线性检测的部件包括：用于基于表征被用于将一组符号从另外的装置发送到该装置的信道的矩阵来对信号执行格基规约线性检测的部件。[0206]在一些示例实施例中，被用于将一组符号从第二设备发送到第一设备的信道包括用于分别发送该一组符号的多个层。用于对第一组估计符号执行迭代干扰消除的部件包括：用于对第一组估计符号执行层间干扰消除以得出用于一组符号的第三组估计符号的部件；以及用于对第三组估计符号执行符号检测误差补偿以得出用于一组符号的第二组估计符号的部件。[0207]在一些示例实施例中，用于对第一组估计符号执行层间干扰消除部件包括：用于基于来自所述第一组估计符号的、与多个层中的其他层相对应的估计符号，针对所述多个层中的给定层来估计由所述多个层中的其他层引起的干扰效应的部件；以及用于通过从信号中消除干扰效应来确定与给定层相对应的第三组估计符号中的一者的部件。[0208]在一些示例实施例中，用于对第一组估计符号执行符号检测误差补偿的部件包括：用于针对多个层中的给定层确定滤波器的部件，该滤波器用于对与给定层相对应的第三组估计符号中的估计符号进行滤波，使得因多个层中的其他层中的符号检测误差引起的干扰效应被最小化；以及用于基于估计符号和滤波器来确定与给定层相对应的第二组估计符号中的一者的部件。[0209]在一些示例实施例中，用于对第一组估计符号执行迭代干扰消除的部件包括：用于对第二组估计符号执行层间干扰消除以更新第三组估计符号的部件；以及用于对经更新的第三组估计符号执行检测误差补偿以更新第二组估计符号的部件。[0210]在一些示例实施例中，用于对第三组估计符号执行层间干扰消除的部件包括：用于确定第一组估计符号的第一可靠性和第二组估计符号的第二可靠性的部件；以及用于响应于第二可靠性超过第一可靠性，对第二组估计符号执述层间干扰消除以更新第三组估计符号的部件。[0211]在一些示例实施例中，用于生成软判决信息的部件包括：用于基于第二组估计符号来针对多个层确定相应的信号与干扰加噪声比(sinr)的部件；用于归一化第二组估计符号的部件；以及用于通过基于sinr和归一化的第二组估计符号来执行逐比特对数似然比计算来生成软判决信息的部件。[0212]图7是适合于实现本公开的实施例的设备700的简化框图。设备700可以被用于实现如图1b所示的发送设备120或接收设备130。例如，设备700可以用于实现图1a所示的网络设备101或终端设备，例如图1a所示的终端设备111或112。如图7所示，设备700包括一个或多个处理器710，被耦合到处理器710的一个或多个存储器720，以及被耦合到处理器710的一个或多个通信模块740。[0213]通信模块740用于双向通信。通信模块740具有至少一个天线以便于通信。通信接口可以表示与其它网络元件通信所需的任何接口。[0214]处理器710可以是适合于本地技术网络的任何类型并且可以包括以下中的一项或多项：作为非限制性示例，通用计算机，专用计算机，微处理器，数字信号处理器(dsp)和基于多核处理器架构的处理器。装置700可具有多个处理器，例如在时间上从属于使主处理器同步的时钟的专用集成电路芯片。[0215]存储器720可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的实例包括(但不限于)只读存储器(rom)724，电可编程只读存储器(eprom)，快闪存储器，硬盘，压缩光盘(cd)，数字视频光盘(dvd)和其它磁性存储装置和/或光学存储装置。易失性存储器的示例包括但不限于随机存取存储器(ram)722和在断电持续时间内不会持续的其它易失性存储器。[0216]计算机程序730包括由相关联的处理器710执行的计算机可执行指令。程序730可以存储在rom724中。处理器710可通过将程序730加载到ram722中来执行任何合适的动作和处理。[0217]本公开的实施例可以借助于程序730来实现，使得设备700可以执行如参考图6所讨论的本公开的任何过程。本公开的实施例还可以由硬件或软件和硬件的组合来实现。[0218]在一些示范性实施例中，程序730可以被有形地包含在计算机可读介质中，该计算机可读介质可以被包括在设备700中(例如在存储器720中)或可由设备700访问的其他存储设备中。设备700可将程序730从计算机可读介质加载到ram722以供执行。计算机可读介质可以包括任何类型的有形非易失性存储器，例如rom，eprom，闪存，硬盘，cd，dvd等。图8示出了cd或dvd形式的计算机可读介质800的示例。计算机可读介质上存储有程序730。[0219]应当理解，未来的网络可以利用网络功能虚拟化(nfv)，它是提出将网络节点功能虚拟化为“构件块”或实体的网络体系结构概念，所述构件块或实体可以在操作上连接或链接在一起以提供服务。虚拟化网络功能(vnf)可以包括使用标准或通用类型服务器而不是定制硬件来运行计算机程序代码的一个或多个虚拟机。也可以使用云计算或数据存储。在无线电通信中，这可以意味着要至少部分地在可操作地耦合到分布式单元du(例如无线电头/节点)的中央/集中式单元cu(例如服务器，主机或节点)中执行的节点操作。节点操作也可以分布在多个服务器，节点或主机中。还应当理解，核心网络操作和基站操作之间的劳动力分配可以根据实现而变化。[0220]在一个实施例中，服务器可以生成虚拟网络，服务器通过该虚拟网络与分布式单元通信。一般而言，虚拟联网可涉及将硬件和软件网络资源和网络功能组合成单个基于软件的管理实体(虚拟网络)的过程。这种虚拟网络可以在服务器和无线头/节点之间提供操作的灵活分布。实际上，可以在cu或du中执行任何数字信号处理任务，并且可以根据实现来选择在cu和du之间转移责任的边界。[0221]因此，在一个实施例中，实现了cu-du体系结构。在这种情况下，装置700可以包括在可操作地(例如经由无线或有线网络)耦合到分布式单元(例如远程无线电头/节点)的中央单元(例如控制单元，边缘云服务器，服务器)中。即，中央单元(例如边缘云服务器)和分布式单元可以是经由无线电路径或经由有线连接彼此通信的独立设备。或者，它们可以在经由有线连接等进行通信的同一实体中。边缘云或边缘云服务器可以服务于多个分布式单元或无线电接入网络。在一个实施例中，所述过程中的至少一些可以由中央单元执行。在另一个实施例中，装置700可以替代地包括在分布式单元中，并且所描述的过程中的至少一些可以由分布式单元执行。[0222]在一个实施例中，装置700的至少一些功能的执行可以在形成一个操作实体的两个物理上分离的设备(du和cu)之间共享。因此，可以看出，该装置描述了包括一个或多个物理上分离的设备的操作实体，用于执行至少一些所描述的过程。在一个实施例中，这种cu-du体系结构可以在cu和du之间提供灵活的操作分布。实际上，可以在cu或du中执行任何数字信号处理任务，并且可以根据实现来选择在cu和du之间转移责任的边界。在一个实施例中，装置700控制进程的执行，而不管装置的位置和进程/功能在哪里执行。[0223]通常，本公开的各种实施例可以在硬件或专用电路，软件，逻辑或其任何组合中实现。一些方面可以用硬件来实现，而其他方面可以用固件或软件来实现，这些固件或软件可以由控制器，微处理器或其他计算设备来执行。虽然本公开的实施例的各方面被示出并描述为框图，流程图或使用一些其他图示表示，但是应当理解，本文描述的块，装置，系统，技术或方法可以作为非限制性示例在硬件，软件，固件，专用电路或逻辑，通用硬件或控制器或其他计算设备或其一些组合中实现。[0224]本公开还提供了有形地存储在非瞬态计算机可读存储介质上的至少一种计算机程序产品。计算机程序产品包括在目标真实或虚拟处理器上的设备中执行的诸如包括在程序模块中的那些计算机可执行指令，以执行如上参考图6所述的方法600。一般而言，程序模块包括执行特定任务或实现特定抽象数据类型的例程，程序，库，对象，类，组件，数据结构等。程序模块的功能可根据各种实施例中的需要在程序模块之间组合或分开。程序模块的机器可执行指令可在本地或分布式设备内执行。在分布式设备中，程序模块可位于本地和远程存储介质中。[0225]用于执行本公开的方法的程序代码可以用一种或多种编程语言的任意组合来编写。这些程序代码可以被提供给通用计算机，专用计算机或其它可编程数据处理设备的处理器或控制器，使得程序代码在被处理器或控制器执行时使得流程图和/或框图中指定的功能/操作被实现。程序代码可以完全在机器上，部分在机器上，作为独立软件包，部分在机器上，部分在远程机器上或完全在远程机器或服务器上执行。[0226]在本公开的上下文中，计算机程序代码或相关数据可以由任何合适的载体携带，以使设备，装置或处理器能够执行如上所述的各种过程和操作。载波的示例包括信号，计算机可读介质等。[0227]计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读介质可以包括但不限于电，磁，光，电磁，红外或半导体系统，装置或设备，或前述的任何合适的组合。计算机可读存储介质的更具体的示例将包括具有一条或多条导线的电连接，便携式计算机磁盘，硬盘，随机存取存储器(ram)，只读存储器(rom)，可擦除可编程只读存储器(eprom或闪存)，光纤，便携式光盘只读存储器(cd-rom)，光存储设备，磁存储设备，或前述的任何合适的组合。[0228]此外，虽然以特定顺序描述了操作，但是这不应被理解为要求以所示的特定顺序或按顺序执行这些操作，或者执行所有示出的操作，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。同样地，虽然在上述讨论中包含了若干特定实现细节，但是这些细节不应当被解释为对本公开的范围的限制，而应当被解释为对特定实施例所特有的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独地或以任何合适的子组合来实现。[0229]尽管已经用结构特征和/或方法动作专用的语言描述了本公开，但是应当理解，所附权利要求中限定的本公开不必限于上述具体特征或动作。相反，上述具体特征和动作是作为实现权利要求的示例形式而公开的。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
