[发明专利]用于基于机器学习来估计干扰的装置及方法

说明书

本公开涉及一种干扰估计方法及装置。该装置包括服务信道矩阵和干扰信道矩阵的至少一个第一处理器。至少一个第一处理器根据以下中的至少一项来生成输入向量：与具有服务信号和干扰信号的接收信号相对应的接收信号向量。服务信道矩阵与服务信号相对应。干扰信道矩阵与干扰信号相对应以及第二处理器。第二处理器执行由样本输入向量和样本干扰参数训练的至少一个机器学习模型。至少一个第一处理器将输入向量提供给第二处理器，以及基于由第二处理器提供的至少一个机器学习模型的输出向量来确定与干扰信号相对应的干扰参数。

相关申请的交叉引用

本申请要求2019年10月21日在美国专利商标局递交的美国临时申请No.62/923,695和2020年4月7日在韩国知识产权局递交的韩国专利申请No.10-2020-0042407的权益，其全部公开内容在本文中通过引用并入。

技术领域

本发明构思涉及无线通信，更具体地涉及用于基于机器学习估计干扰的装置及方法。

背景技术

无线通信系统使用电磁信号在不同的位置(例如，基站和移动设备)之间传输信息。移动设备包括移动电话、平板计算机、以及导航设备。无线通信系统中的干扰影响作为成功传输信息的速率的系统吞吐量。

无线通信系统可以将不同的技术用于增加吞吐量。例如，系统可以使用多根天线来更高效地传输和接收信号。在一些情况下，发射器传输复杂的信号，而接收器处理所述信号。

然而，干扰可以扰乱接收器对通过天线接收的信号的处理。为了解决这个问题，接收器可以估计干扰并且从所接收的信号中去除干扰。在一些情况下，难以从复杂的信号中去除干扰。因此，本领域中需要信号干扰估计。

发明内容

本发明构思涉及用于基于机器学习高效地估计干扰的装置及方法。

根据本发明构思的一个方面，提供了一种装置，包括：至少一个第一处理器，根据与接收信号相对应的接收信号向量、与服务信号相对应的服务信道矩阵和与干扰信号相对应的干扰信道矩阵中的至少一项生成输入向量，该接收信号包括服务信号和干扰信号；以及，第二处理器，执行由多个样本输入向量和多个样本干扰参数训练的至少一个机器学习模型。至少一个第一处理器将输入向量提供给第二处理器，并且基于由第二处理器提供的至少一个机器学习模型的输出向量来确定与干扰信号相对应的干扰参数。

根据本发明构思的一个方面，提供了一种方法，包括：根据与接收信号相对应的接收信号向量、与服务信号相对应的服务信道矩阵和与干扰信号相对应的干扰信道矩阵中的至少一项生成输入向量，该接收信号包括服务信号和干扰信号；将输入向量提供给由多个样本输入向量和多个样本干扰参数训练的至少一个机器学习模型；以及基于至少一个机器学习模型的输出向量，确定与干扰信号相对应的干扰参数。

根据本发明构思的一个方面，提供了一种方法，包括：根据包括通过第一信道接收的服务信号和通过第二信道接收的干扰信号的接收信号，生成接收信号向量；通过估计第一信道和第二信道，生成服务信道矩阵和干扰信道矩阵；以及基于通过多个样本接收信号向量、多个样本服务信道矩阵、多个样本干扰信道矩阵和多个样本干扰参数所训练的至少一个机器学习模型，估计与接收信号向量、服务信道矩阵和干扰信道矩阵相对应的干扰参数。

附图说明

根据以下结合附图进行的详细描述，将更清楚地理解本发明构思的实施例，在附图中：

图1是示出根据本发明构思的示例性实施例的包括用户设备(UE)和基站的无线通信系统的图；

图2是示出根据本发明构思的示例性实施例的UE的框图；

图3是示出根据本发明构思的示例性实施例的估计干扰的方法的示例的流程图；

图4是示出根据本发明构思的示例性实施例的估计干扰的方法的示例的流程图；