[发明专利]码本设计方法、通信设备以及码本训练方法

说明书

技术领域

本发明涉及移动通信网络，以及，尤其涉及基于简化的最大互信息（maximum mutual information，MMI）矢量量化（Vector Quantization，VQ）的混合自动重复请求（Hybrid Automatic Repeat Request，HARQ）缓存减少的方案。

背景技术

长期演进（Long Term Evolution，LTE）系统是一种现代的移动通信标准，已被设计成在用户设备（User Equipment,UE）和封包数据网络（package data network,PDN）之间提供无缝的互联网协议（IP）连接。长期演进系统中使用HARQ，努力保证传输的可靠性以及提高信道的吞吐量。HARQ是停止以及等待（stop-and-wait）的传输方案，其中，在发送端，只有从接收实体接收到ACK/NACK之后，后续的发送才能发生。在接收端，已接收的信息被暂时存储在HARQ存储器。如果所接收到的消息没有被正确的解码，被存储的有用信息能够与随后的同一消息的信息结合，以正确的解码该消息。随着移动网络中不断增加的数据速率，在接收的HARQ队列中要存储的数据量急剧增加。例如，第4类HARQ需要大约11兆(mega)比特的外部存储器和1.4兆比特的内部存储器，用于存储一个HARQ副本。为了减轻增加HARQ存储器空间大小的需求，需要在接收HARQ队列中进行数据压缩。

矢量量化（Vector Quantization，VQ）是一种高效的基于块编码（block coding）原则的数据压缩方法。一矢量量化将矢量空间中的k维矢量映射成一组有限的矢量，称为码字。所有的码字的集合是码本。矢量量化获得源数据矢量（source data vector）以及将该源数据矢量关联到码字，该码字是最近的邻居。当使用矢量量化压缩HARQ数据，应该考虑该HARQ数据的一些特殊特性。HARQ是前向纠错（forward error correction，FEC），错误检测（error detection）和重传机制（retransmission scheme）的强大合并。为了最大限度地提高纠错编码的性能，当等待下一个重传的时候，通常以对数似然比（log-likelihood ratio,LLR）的形式，存储被传输的比特的后验概率（posterior probabilities）。对于对数似然比，一种常见的压缩方案是基于最大互信息（MMI）的矢量量化，其准则是将多个原始比特与被量化的对数似然比之间的互信息最大化。

用于HARQ数据的矢量量化设计存在两个问题。第一个是如何有效地生成码本。第二个是如何优化MMI方案，以用于矢量量化。在一个简单的矢量量化设计中，代码矢量被划分成码本中的码字。存储代码矢量的索引，而不是存储代码矢量本身。当解压缩的时候，索引被用于检索最接近该代码矢量的码字。简单的矢量量化方法对每个数据矢量都需要穷举搜索码本。这样的过程需要很大的计算量。因此，需要一种更有效的实时HARQ数据的矢量量化设计。

其中，一个问题是如何有效地产生码本。由于通用劳埃德算法（Generalized Lloyd algorithm，GLA）的简易性和相对良好的保真度（fidelity），该经典的广义的劳埃德算法是被引用最多的和广泛使用的矢量量化方法。但是，它需要很高的处理资源。为了使用Lloyd算法，距离被定义在R^K，其中K>1，K表示维度。Lloyd算法包括两个步骤的迭代（iteration）。在第一步骤中，基于被选择的距离测度，将训练点关联到码本中的最近点，称为最近邻居状态（nearest neighbor condition）。在第二步骤中，每一组训练点的质心（centroid）被选择作为新的重建值，称为质心状态(centroid condition)。该算法可以以其他算法提供的原始码本开始或者以简单的从训练组中随机提取的码本开始。为了计算该距离，通常将Lloyd算法与欧几里德距离（Euclidean distance）结合，这会导致均方误差（mean squared error，MSE）最小化。对于Lloyd算法，使用其他的距离测度也是适用的，比如MMI方法。在传统的Lloyd算法或者一些改进的Lloyd算法中，存在的问题是不能有效的生成码本或需要实施额外的缓存器/存储器空间。