无线通信中的多输入多输出MIMO检测的制作方法

无线通信中的多输入多输出mimo检测
1.相关申请的交叉引用
2.本技术要求2020年5月28日提交的名称为“methodandapparatusformimodetectioninwirelesscommunicationsystem(用于无线通信系统中的mimo检测的方法和装置)”的第63/031,364号美国临时申请的优先权，其内容整体并入本文。
技术领域
3.公开的技术涉及无线通信，并且更具体地，涉及无线通信中的多输入多输出(mimo)检测。


背景技术：

4.近几十年来，无线通信已经变得无处不在。几乎每个人在任何时候都随身携带无线设备(例如，蜂窝电话)。为了为这些无线设备提供服务，网络提供商正在建设基站或升级现有的基站，以跟上不断增长的需求。例如，随着对第5代(5g)的推广变得普及，网络提供商正在大力升级其网络系统。
5.无线设备与基站之间的交互也在持续更新。这是因为更多的用户流量正在无线设备与基站之间传输，因此，带宽的最佳使用是主要问题。然而，由于无线设备和基站都需要能够近似干扰，因此来自各种源的干扰阻碍了最佳使用。
附图说明
6.通过结合附图参考以下详细描述可以更好地理解这里介绍的技术，在附图中相同的附图标记表示相同或功能相似的元素。
7.图1a描绘了来自多个基站的干扰影响无线设备的场景的示例。
8.图1b描绘了当一个基站与多个无线设备通信时引起干扰的场景的示例。
9.图2描绘了噪声估计系统的高阶框图。
10.图3描绘了噪声估计系统中使用的多进多出(mimo)系统的高阶框图。
11.图4示出了示出用于实现噪声估计系统的示例方法的流程图。
12.图5示出了高阶框图，该高阶框图示出了其中可以实现与这里介绍的技术相关的至少一些操作的无线设备的示例。
具体实施方式
13.本说明书中对“实施例”、“一个实施例”等的引用意味着所描述的特定特征、功能、结构或特性包括在本公开的至少一个实施例中。本说明书中出现这种用语不一定都指同一个实施例。另一方面，所提及的实施例也不一定是相互排斥的。
14.如上所述，近几十年来，无线通信已成为必需品。以至于无线网络上的流量不断地给无线系统基础设施带来负担。因此，无线网络提供商一直在努力优化其网络基础设施。例如，如升级到第5代(5g)技术等大规模改进可能会对网络的优化指标具有重大影响。此外，
网络提供商继续部署新基站或升级现有的基站以扩大和改善其网络覆盖范围。这种基于软件和硬件的升级可能会提高网络性能。
15.但是，无论定期发生的大规模更新如何，某些问题仍然存在。即，网络遭受影响基站与无线设备之间的通信的多种类型的干扰。干扰转而会导致其他问题。首先，网络设备一般会遭受两种类型的干扰：热干扰和环境干扰。热干扰(或热噪声)通常存在于许多电路中，并且是由电子组件内部的电子热搅动产生的。换言之，由于至少有一个电气组件在设备开启的同时起作用，因此热噪声一直存在。因此，虽然热噪声确实会引起干扰，但它是不可避免的稳定干扰，并且在某些情况下是可预测的。因此，适应热噪声并不是困难的任务，因为可以在整个通信(例如，信号)中假定稳定的干扰。
16.相反，环境干扰是动态的。动态性质部分是由多种环境干扰源造成的。例如，环境干扰可能是由已知的信号干扰概念(例如，衍射)引起的。例如，当信号受到信号路径中的障碍物影响时。此外，无线设备可能会接收到来自该无线设备附近的多个基站的干扰。
17.图1a描绘了来自多个基站的干扰影响无线设备的场景100a的示例。在场景100a中，无线设备102可以接收来自无线设备102周围的gnodeb(gnb)的信号。然而，移动设备102可能仅连接到所描绘的gnb之一。因此，来自其他gnb的信号仅仅是干扰。然而，无线设备102必须将干扰与必需的流量区分开。此外，无线设备102周围的gnb不仅可以与无线设备102进行通信，还可以与其他设备进行通信。因此，可能存在会干扰无线设备102的多个信号。
18.图1b描绘了当一个基站与多个无线设备通信时引起干扰的另一个场景100b。在图1b中，由于一个gnb与多个无线设备进行通信，因此无线设备104正遭受干扰。因此，无线设备104由于其靠近其他无线设备和gnb而可能接收用于其他无线设备的信号。同样，在这种情况下，移动设备104需要能够区分必要信号与不必要的信号。
19.为了使无线设备102和104确定任何给定信号的干扰水平，存在常用的方法。例如，基站(例如，gnb)可以发送多个参考信号。多个参考信号可以包括可以允许终端设备估计基站与无线设备之间的通信中的干扰水平的信息。无线设备可以使用噪声估计来更好地检测干扰。然而，虽然噪声估计是有帮助的，但它仍然不能完全解决问题并会导致其他问题。
20.特别地，由于没有流量(例如，用户数据)在参考信号上传输，因此该参考信号被认为是开销。如前所述，随着对优化使用的需求日益增加，尤其是对有限带宽的优化使用的需求日益增加，发送多个参考信号是浪费的。此外，由于带宽是有限的，因此在估计干扰的情况下，周期性地发送参考信号。然而，由于干扰是动态的，因此估计是不准确的。例如，无线设备的用户可能移动位置从而更靠近其他设备，或可能引起干扰的任何其他变化。这种变化可能发生在发送参考信号之间。因此，参考信号并不总是准确的。
21.例如，在图1b中的场景100b中，无线设备104可以接收指示特定噪声估计的参考信号。在发送另一个参考信号之前，gnb可以向与无线设备104相邻的无线设备发送多个信号。因此，噪声估计将已经改变。然而，因为参考信号是在通信增加之前发送的，所以无线设备104不知道干扰的增加，因此可能无法正确地检测干扰。类似地，当干扰由于参考信号传输之间的环境情况(例如，建筑物)而改变时，无线设备不知道干扰的增加和/或减少。
22.为了解决场景100a-b中描绘的问题和其他问题，常用技术是使用多个噪声估计器。然后将来自多个噪声估计器的输出(例如，协方差矩阵)输入到噪声协方差选择器。选择器选择一个协方差矩阵作为接收到的信号的噪声估计，并继续进行剩余的过程。然而，在实
践中选择一个协方差矩阵意味着只使用一个噪声估计来处理接收到的信号。由于这种方法，噪声估计可能具有很大的错误概率。例如，当从10个噪声估计中选择一个噪声估计时，来自其他9个噪声估计的数据就被浪费了；从而降低了噪声估计的准确性，使解调性能劣化。
23.因此，这里介绍了至少一种使用干扰的多个估计来解调无线设备处的信号的技术。更具体地，所公开技术的一个或多个实施例可以包括分析每个噪声估计以确定距离度量和对数似然比(llr)。并且，基于距离度量，基于噪声估计组合或选择llr以确定最终解调输出。在一些情况下，噪声估计可以指示来自多个基站或来自一个基站的噪声估计。例如，距离度量可以是欧几里得距离或曼哈顿距离。在一些实施例中，无线设备可以分析距离度量以根据组合多个噪声估计中的哪些噪声估计或选择多个噪声估计中的哪些特定噪声估计来确定llr。换言之，基于距离度量，无线设备可以根据基于从一个或多个基站接收到的一个或多个噪声估计的噪声估计来更好地确定llr。
24.为了提高解调mimo信号的性能，需要充分利用多个噪声估计。mimo检测包括柯列斯基(cholesky)分解、球解码和qr分解技术。此外，可以将公共信道估计应用于所有接收噪声估计。如下文进一步描述的，基于这些技术和其他技术，无线设备可以确定距离度量和llr。
25.在以下描述中，仅出于说明性目的，使用无线设备的示例来解释技术的各个方面。但是请注意，这里介绍的技术不限于应用于无线设备或任何其他特定种类的设备。例如，其他电子设备、系统、设备(例如，膝上型电脑或平板电脑)可以以类似的方式适用这些技术。此外，使用无线设备来描述诸如蜂窝电话(例如，iphone)等设备和/或包括在蜂窝电话内或用于实现蜂窝电话的设备。然而，诸如终端、终端设备、移动设备等其他术语也可以用于指代类似设备。
26.请注意，虽然这里介绍的技术是在4g网络或5g网络的背景下描述的，但这些技术不一定限于应用于4g网络或5g网络，甚至也不一定限于应用于无线电信。因此，这里介绍的技术可能应用于超出本文描述的技术领域。
27.此外，使用参考信号来描述用于估计噪声的信号。然而，诸如导频信号、导频符号等其他术语也可用于指代类似信号。
28.另外，请注意，虽然这里介绍的技术在一些实施例中是从终端设备(例如，蜂窝电话)或基站的角度描述的，但这些技术不一定限于仅应用于终端设备或基站。相反，这里介绍的技术可以应用于终端设备和/或基站中的任一者或两者。此外，这里介绍的技术可以由包括在终端设备和/或基站内或用于实现终端设备和/或基站的设备应用。
29.噪声估计系统
30.图2描绘了噪声估计系统200的高阶框图。噪声估计系统200包括信道估计器202、llr处理器204、噪声估计器(例如，噪声估计器1、2、3)和多进多出(mimo)检测器(例如，mimo1、2、3)。信道估计器202通常确定信号的信道特性。这些特性描述信号如何从发送器传播到接收器，并表示例如散射、衰落和功率衰减的组合效应。例如，信道估计器202可以向mimo检测器1提供关于信号的衰落特征的信息。
31.噪声估计器(例如，噪声估计器1、2、3)基于参考信号估计噪声。在一些实施例中，估计噪声可以包括从接收到的参考信号中减去预期的参考信号。在一些实施例中，噪声估
计器可以将各种算法应用于接收到的信号(例如，参考信号)以估计噪声。例如，噪声估计器可以应用傅立叶变换原理来估计噪声。
32.此外，每个噪声估计器可以应用独特的估计算法或与另一个噪声估计器相同的算法。例如，噪声估计器1可以应用基于时域原理的算法，而噪声估计器2和3可以应用基于频域的算法。在另一个示例中，所有噪声估计器都可以应用基于频域的算法。此外，噪声估计器可以基于例如时间、方向和/或频率应用参数滤波。例如，噪声估计器可以使用不同或相同的参数来估计噪声。例如，噪声估计器1可以基于信号的频率估计噪声，而噪声估计器2和3可以基于距阈值的时间估计噪声。以这种方式，噪声估计器可以基于相同或不同的参数使用相同或不同的算法来估计噪声。
33.在一些实施例中，噪声估计器可以估计信号的每个资源的噪声。在4g和5g中，资源为资源块。在其他技术(例如，802.11)中，资源可以为资源单元。然后，噪声估计器可以输出针对每个资源的噪声协方差矩阵。例如，在下行链路场景中，终端设备中的噪声估计器可以输出协方差矩阵，该协方差矩阵指示来自与终端设备连接到的基站不同的基站的噪声。例如，在上行链路场景中，基站中的噪声估计器可以输出协方差矩阵，该协方差矩阵指示来自与基站连接到的终端不同的终端的噪声。
34.例如，终端设备可能位于附近有十个gnb的公园中。终端设备可以基于例如距gnb的距离或信噪比(snr)与特定的gnb连接。因此，该终端未连接到其他九个gnb。然而，如图1a至图1b中所描述的，终端设备继续受到其他九个gnb和连接到的gnb与附近其他终端设备所具有的任何通信引起的干扰的影响。这样，终端设备可以从连接到的gnb接收多个参考信号。例如，gnb可以发送与传输的每个资源块对应的参考信号。可以通过单个噪声估计器(例如，噪声估计器1、2、3)来解析每个参考信号。之后，可以将每个协方差矩阵传递给对应的mimo检测器。
35.一般来说，mimo检测器被编程为基于来自噪声估计器的每个协方差矩阵来确定距离度量和llr值。一旦两者都被确定，mimo检测器将值输出到llr处理器204。llr处理器204组合llr以确定最终的llr。最终的llr在适当时使用来自每个噪声估计的信息。例如，llr处理器204可以基于例如距离度量来选择一个噪声估计或组合多个噪声估计。下面进一步解释用于确定距离度量和llr的该过程。mimo检测器算法包括但不限于线性算法(例如，irc(干扰抑制合并)、mmse(最小均方误差)、zf(迫零)、mmse sic(串行干扰消除)、zf sic等)和基于ml的算法(例如，球解码)等。
36.图3描绘了噪声估计系统中使用的多进多出(mimo)系统的高阶框图300。图300包括多个噪声估计器(例如，噪声估计器1至噪声估计器k)，以及多个对应的mimo检测器。mimo检测器从信道估计器302接收输入并将输出提供给llr处理器304。每个mimo检测器包括若干组件。尽管组件被描绘为单独的框，但在功能上，它们可以是在设备内的公共处理器处应用的过程、算法等。换言之，这些框是为了便于描述而示出的，而不是用于描述每个mimo检测器的功能布局。
37.每个噪声估计器执行结合图1描述的任务。每个噪声估计器的输出(即，协方差矩阵)被输入到对应的cholesky分解框。这里，基于cholesky分解技术对协方差矩阵进行变换。cholesky分解的输出被发送到噪声白化模块和有效信道产生模块两者。
38.例如，噪声白化模块均衡信号的频谱，使其类似于白噪声频谱。有效信道产生模块
处理cholesky分解输出和信道估计器输出以确定接收参考信号和/或特定资源的有效信道。之后，qr分解技术将矩阵分解为两个矩阵(例如，正交矩阵和上三角矩阵)的乘积。然后球解码器应用球解码技术来输出llr和距离度量。例如，球解码器可以应用诸如k-best、固定复杂度球解码和/或深度优先球解码等算法。
39.例如，噪声估计器1可以接收表示为y的资源块的参考信号。噪声估计器1可以输出针对第i个资源的协方差矩阵。因此，多个噪声估计器可以提供表示为n
i,k
,k＝1,...,k的针对第i个资源的矩阵。协方差矩阵可以输入到mimo检测器k(例如，mimo检测器1)中，更具体地，可以输入到mimo检测器k中的cholesky分解模块中。mimo检测器1中的cholesky分解输出l
i,k
可以表示为n
i,k
＝l
i,k
l
i,kh
，其中，l
i,k
是下三角矩阵。
40.接下来，噪声白化模块可以输出表示为且与cholesky分解输出以及下三角矩阵相关的矩阵其中，y
i,j
是第i个资源的第j个接收到的调制符号。来自有效信道生成的有效信道由给出，其中，是mimo检测器1的第i个资源的第j个接收到的调制符号的有效信道估计。也可以描述为预编码矩阵乘以信道估计。在某些情况下，可能有不同的维度。例如，基于mimo检测器的能力，矩阵可以改变维度。
41.来自有效信道产生模块的输出被发送到qr分解模块。qr分解模块输出q
i,j,k
和r
i,j,k
，其中，q
i,j,k
是正交矩阵，r
i,j,k
是由给出的上三角矩阵。这些输出被输入到球解码模块。球解码模块应用各种球解码算法之一来输出llr和距离度量。
42.llr和距离度量可以分别表示为v
i,j,k
和m
i,j,k
，其中，v
i,j,k
是m
×
1向量，m是调制阶数乘以使用的mimo检测器的数量。在一些实施例中，资源i中调制符号j的最终的llr输出由下式给出：
[0043][0044]
在一些实施例中，资源i中调制符号j的llr输出可以表示为v
i,j,kk
，其中，根据距离度量m
i,j,k
,k＝1,...,k选择kk。例如，距离度量可以基于与球解码模块的输出之间的欧几里得或曼哈顿距离。在距离度量为例如与球解码的生存路径之间的欧几里得或曼哈顿距离的情况下，kk表示为：
[0045][0046]
其中，
△k是mimo检测器k中球解码模块的调整参数。
△k可以取决于球解码模块k的参数，例如，算法类型、球解码k的复杂度或h
i,j,k
的维度。因此，接收到的资源块i的llr输出可以表示为：
[0047]
[0048]
其中，并且λ是阈值参数。例如，阈值参数可以是容许噪声水平。
[0049]
以这种方式，可以考虑多个噪声估计以确定最终的llr。最终的llr可以指示来自多个接收噪声估计的最准确的解调信号。例如，llr处理器304可以组合来自mimo检测器1-k的两个或更多个输出(例如，llr和距离度量)或确定多个输出中只有一个输出是最准确的。
[0050]
如图2至图3所描绘的，mimo检测器和噪声估计器被描述为单独的组件。然而，应该注意的是，图2至图3中的每个组件和/或框可以单独地或相互结合地实现为硬件和/或软件。例如，图3中的mimo检测器可以通过在电路上实现的硬件来实现。图3中的mimo检测器k1可以通过另一个电路或与mimo检测器k2相同的电路上的硬件实现。如果组件在不同的电路中实现，则该电路可以通信地彼此耦接。
[0051]
示例方法
[0052]
图4示出了流程图400，该流程图400示出了用于实现噪声估计系统的示例方法。流程图400包括框410、412、414和416。流程图400中示出的技术可以由包括存储器和能够执行存储在存储器中的指令的处理器的设备来实现。此外，该设备可以包括与发送器进行通信所必需的组件，例如接收器。此外，该设备能够以mimo技术进行操作并从一个或多个发送器接收信号。例如，该设备可以连接到发送器并与发送器进行通信。
[0053]
在框410处，接收器(例如，在终端设备和/或基站上)可以接收多个参考信号。参考信号可以来自接收器连接到的发送器或来自接收器的阈值距离内的多个干扰源(例如，发送器)。如上所述，发送器可以基于mimo技术进行操作。在框412处，对于接收到的给定参考信号，接收器可以确定噪声估计。在一些实施例中，接收器可以确定每个信号参考信号的噪声估计。如图2至图3中所描绘的，参考信号可以由噪声估计器1-k处理。然而，在某些情况下，接收器可以以某种模式(例如，每隔一个参考信号)处理参考信号。
[0054]
在一些实施例中，确定噪声估计可以包括确定来自干扰源的任何干扰(来自阈值距离内的所有干扰源的干扰；和/或来自接收器未连接到的特定干扰源的干扰)的协方差，其中，发送器连接到接收器。换言之，协方差可以基于来自一个或多个干扰源(包括接收器未连接到的干扰源)的干扰。
[0055]
因此，例如，噪声估计可以如下进行。对于多个参考信号中的第一参考信号，接收器可以根据第一协方差确定第一噪声估计，其中，第一协方差基于来自干扰源的干扰，其中，干扰源连接到接收器。接下来，对于多个参考信号中的第二参考信号，接收器可根据第二协方差确定第二噪声估计，其中，第二协方差基于来自阈值距离内的每个干扰源的干扰。第三，对于多个参考信号中的第三参考信号，接收器可以根据第三协方差确定第三噪声估计，其中，第三协方差基于来自接收器未连接到的特定干扰源的干扰。
[0056]
在框414处，接收器可以确定距离度量和llr。这样做可以包括基于cholesky分解技术分解噪声估计、估计信道以及应用球解码技术。估计信道可以包括诸如散射、衰落和功率衰减等因素。球解码技术可以包括诸如k-best、固定复杂度球解码和/或深度优先球解码等技术。此外，距离度量可以基于欧几里得距离计算和/或曼哈顿距离计算。在一些实施例中，接收器可以将不同的距离计算方法应用于不同的噪声估计。例如，第一噪声估计的第一距离度量可以基于欧几里得距离计算，而第二噪声估计的第二距离度量可以基于曼哈顿距离计算。
[0057]
在框416处，接收器可以基于每个噪声估计的llr和距离度量来确定最终的llr。这样做可以包括例如确定距离度量是否比其他噪声估计的距离度量更接近阈值。在一些实施例中，确定最终的llr可以包括组合至少两个噪声估计的llr或基于特定噪声估计的距离度量来选择特定噪声估计的llr。前者可以包括基于至少两个噪声估计的距离度量来选择至少两个噪声估计。
[0058]
计算机系统和设备架构
[0059]
图5是示出其中可以实现本文描述的至少一些操作的计算系统500的示例的框图。例如，计算系统500的一些组件用于实现计算设备(例如，图2的mimo检测器1和噪声估计器1)。
[0060]
计算系统500可以包括可通信地连接到总线516的一个或多个中央处理单元(也称为“处理器”)502、主存储器506、非易失性存储器510、网络适配器512(例如，网络接口)、视频显示器518、输入/输出设备520、控制设备522(例如，键盘和定点设备)、包括存储介质526的驱动单元524和信号生成设备530。总线516被示出为表示通过适当的网桥、适配器或控制器连接的一个或多个物理总线和/或点对点连接的抽象物。因此，总线516可以包括系统总线、外围组件互连(pci)总线或pci-express总线、超传输或工业标准架构(isa)总线、小型计算机系统接口(scsi)总线、通用串行总线(usb)、iic(i2c)总线或电气和电子工程师协会(ieee)标准1394总线(也称为“火线”)。
[0061]
计算系统500可以共享与以下项的计算机处理器架构类似的计算机处理器架构：个人计算机、平板电脑、移动电话、游戏机、音乐播放器、可穿戴电子设备(例如，手表或健身追踪器)、网络连接的(“智能”)设备(例如，电视或家庭辅助设备)、虚拟/增强现实系统(例如，头戴式显示器)，或能够(顺序地或以其他方式)执行指定计算系统500进行的一个或多个动作的指令集的其他电子设备。
[0062]
虽然主存储器506、非易失性存储器510和存储介质526(也称为“机器可读介质”)被示为单个介质，但术语“机器可读介质”和“存储介质”应该被视为包括存储一个或多个指令集528的单个介质或多个介质(例如，集中式/分布式数据库和/或关联的高速缓存和服务器)。术语“机器可读介质”和“存储介质”也应被认为包括能够存储、编码或携带供计算系统500执行的指令集的任何介质。
[0063]
一般来说，为实现本公开的实施例而执行的例程可以被实现为操作系统或特定应用、组件、程序、对象、模块或指令序列(统称为“计算机程序”)的一部分。计算机程序通常包括在不同时间设置在计算设备中的各种存储器和存储设备中的一个或多个指令。一个或多个指令，在由一个或多个处理器502读取并执行时，使计算系统500执行操作以执行涉及本公开的各个方面的元素。
[0064]
此外，虽然已经在全功能计算设备的背景下描述了实施例，但是本领域技术人员将理解各种实施例能够以各种形式作为程序产品分布。无论用于实际实现分布的机器或计算机可读介质的特定类型如何，本公开都适用。
[0065]
机器可读存储介质、机器可读介质或计算机可读介质的其他示例包括可记录类型介质，例如，易失性和非易失性存储设备510、软盘和其他可移动磁盘、硬盘驱动器、光盘(例如，光盘只读存储器(cd-rom)、数字多功能光盘(dvd))，以及传输型介质，例如，数字和模拟通信链路。
[0066]
网络适配器512使计算系统500能够通过计算系统500和外部实体所支持的任何通信协议来与计算系统500外部的实体之间传递网络514中的数据。网络适配器512可以包括网络适配器卡、无线网络接口卡、路由器、接入点、无线路由器、交换机、多层交换机、协议转换器、网关、网桥、网桥路由器、集线器、数字媒体接收器和/或中继器。
[0067]
网络适配器512可以包括防火墙，该防火墙控制和/或管理访问/代理计算机网络中的数据的许可并跟踪不同机器和/或应用之间的不同信任级别。防火墙可以是具有硬件和/或软件组件的任意组合的任意数量的模块，这些硬件和/或软件组件能够在特定的机器和应用集之间、在机器与机器之间、和/或应用之间强制执行预定的访问权限集(例如，调整这些实体之间的流量和资源共享流程)。另外，防火墙可以管理和/或有权访问访问控制列表，该访问控制列表详细说明许可和许可权限成立的情况，该许可包括个人、机器和/或应用对对象的访问和操作权限。
[0068]
这里介绍的技术可以通过可编程电路(例如，一个或多个微处理器)、软件和/或固件、专用硬连线(即，非可编程)电路或这些形式的组合来实现。专用电路可以为一个或多个专用集成电路(asic)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)等形式。
[0069]
从上述内容将可以理解，本发明的具体实施例已经在本文中为了说明的目的而被描述，但是在不偏离本发明的范围的情况下可以进行各种修改。因此，本发明除了受所附权利要求的限制，不受其他限制。