[发明专利]使用深度学习的多用户多输入多输出波束选择和用户配对的方法和装置

说明书

用于多用户(MU)多输入多输出(MIMO)用户配对选择的系统、方法、装置和计算机程序产品被提供。一种方法可以包括：使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束，以及基于所选择的波束来选择配对用户。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU‑PM)或多用户优先级度量(MU‑PM)的启发法达到最大限度。

技术领域

一些示例实施例总体上可以涉及移动或无线电信系统，诸如长期演进(LTE)或第五代(5G)无线电接入技术或新无线电(NR)接入技术、或其他通信系统。例如，某些实施例可以涉及这样的系统中的多用户(MU)多输入多输出(MIMO)用户配对。

背景技术

移动或无线电信系统的示例可以包括通用移动电信系统(UMTS)地面无线电接入网(UTRAN)、长期演进(LTE)演进型UTRAN(E-UTRAN)、高级LTE(LTE-A)、MulteFire、LTE-APro、和/或第五代(5G)无线电接入技术或新无线电(NR)接入技术。第五代(5G)或新无线电(NR)无线系统是指下一代(NG)无线电系统和网络架构。据估计，NR将提供10-20Gbit/s或更高量级的比特率，并且将至少支持增强型移动宽带(eMBB)和超可靠低时延通信(URLLC)以及大规模机器类型通信(mMTC)。预计NR将交付极度宽带和超鲁棒的低时延连接性以及大规模联网以支持物联网(IoT)。随着IoT和机器到机器(M2M)通信变得更加普遍，将存在对于满足更低功率、低数据速率和长电池寿命需求的网络的增长的需求。注意，在5G或NR中，可以向用户设备提供无线电接入功能的节点(即，类似于E-UTRAN中的节点B或LTE中的eNB)可以称为下一代或5G节点B(gNB)。

发明内容

一个实施例针对一种方法，该方法可以包括：使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束，并且基于所选择的波束来选择配对用户。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU-PM)或多用户优先级度量(MU-PM)的启发法达到最大限度。

另一实施例针对一种装置，该装置可以包括至少一个处理器和至少一个存储器，至少一个存储器包括计算机程序代码。至少一个存储器和计算机程序代码可以被配置为，与至少一个处理器一起，使该装置至少使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束，并且基于所选择的波束来选择配对用户。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU-PM)或多用户优先级度量(MU-PM)的启发法达到最大限度。

另一实施例针对一种装置，该装置可以包括：被配置为使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束的电路系统、以及被配置为基于所选择的波束来选择配对用户的电路系统。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU-PM)或多用户优先级度量(MU-PM)的启发法达到最大限度。

另一实施例针对一种装置，该装置可以包括：用于使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束的部件、以及用于基于所选择的波束来选择配对用户的部件。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU-PM)或多用户优先级度量(MU-PM)的启发法达到最大限度。

另一实施例针对一种非瞬态计算机可读介质，该非瞬态计算机可读介质包括存储在其上的程序指令，这些程序指令用于至少执行：使用(多个)深度神经网络(DNN)选择多用户多输入多输出(MU MIMO)候选波束，并且基于所选择的波束来选择配对用户。(多个)深度神经网络(DNN)被训练以使多用户优先级度量(MU-PM)或多用户优先级度量(MU-PM)的启发法达到最大限度。

在某些实施例中，候选波束的选择可以包括：由单级深度神经网络(DNN)波束选择器，通过深度神经网络(DNN)的单流程同时选择候选波束。