[发明专利]对所接收的上行链路传输进行解码的方法和装置在审
| 申请号： | 202110190467.7 | 申请日： | 2021-02-18 |
| 公开（公告）号： | CN113381957A | 公开（公告）日： | 2021-09-10 |
| 发明（设计）人： | S·古兹尔戈斯;金洪直 | 申请（专利权）人： | 马维尔亚洲私人有限公司 |
| 主分类号： | H04L27/22 | 分类号： | H04L27/22;H04L27/38 |
| 代理公司： | 北京市金杜律师事务所 11256 | 代理人： | 酆迅 |
| 地址： | 新加*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 接收 上行 传输 进行 解码 方法 装置 | ||
1.一种方法，包括：
基于软解映射参数对资源元素进行软解映射，以作为用以生成对数似然比(LLR)值的过程的一部分；
对所述LLR进行解码以生成经解码的数据；
标识目标性能值；
从所述经解码的数据确定性能度量；以及
执行机器学习算法，所述机器学习算法动态地调整所述软解映射参数，以将所述性能度量朝向所述目标性能值移动。
2.根据权利要求1所述的方法，其中所述资源元素是从在新无线电(NR)上行链路传输中所接收的符号得到的。
3.根据权利要求1所述的方法，还包括：输出所述经解码的数据。
4.根据权利要求1所述的方法，其中所述软解映射参数包括：调制尺度(MOD_SCALE)值、第一移位(RSFT1)值、第二移位(RSFT2)值、LLR偏移值和LLR比特宽度值。
5.根据权利要求4所述的方法，其中执行所述机器学习算法的操作包括：调整所述软解映射参数以确定LLR饱和水平。
6.根据权利要求5所述的方法，其中所述调整的操作包括：使用所述LLR饱和水平来确定所选择的LLR比特宽度值。
7.根据权利要求6所述的方法，其中执行所述机器学习算法的所述操作包括：基于所选择的所述LLR比特宽度值，执行所述机器学习算法以更新所述软解映射参数。
8.根据权利要求7所述的方法，其中执行所述机器学习算法的所述操作包括：以迭代过程来执行所述机器学习算法以更新所述软解映射参数，直到所述性能度量满足所述目标性能为止。
9.一种装置，包括：
软解映射器，被配置成基于软解映射参数对资源元素进行软解映射，以作为用以生成对数似然比(LLR)值的过程的一部分；
解码器，被配置成解码来自所述LLR的数据；以及
机器学习电路，被配置成：
标识目标性能值；
从经解码的所述数据确定性能度量；以及
执行机器学习算法，所述机器学习算法动态地调整所述软解映射参数，以将所述性能度量朝向所述目标性能值移动。
10.根据权利要求9所述的装置，其中所述资源元素是从在新无线电(NR)上行链路传输中所接收的符号得到的。
11.根据权利要求9所述的装置，其中所述解码器输出经解码的所述数据，经解码的所述数据被输入到所述机器学习电路。
12.根据权利要求9所述的装置，其中所述软解映射参数包括：调制尺度(MOD_SCALE)值、第一移位(RSFT1)值、第二移位(RSFT2)值、LLR偏移值和LLR比特宽度值。
13.根据权利要求12所述的装置，其中所述机器学习电路调整所述软解映射参数以确定LLR饱和水平。
14.根据权利要求13所述的装置，其中所述机器学习电路使用所述LLR饱和水平来确定所选择的LLR比特宽度值。
15.根据权利要求14所述的装置，其中所述机器学习电路基于所选择的所述LLR比特宽度值来执行所述机器学习算法，以更新所述软解映射参数。
16.根据权利要求15所述的装置，其中所述机器学习算法执行迭代过程以更新所述软解映射参数，直到所述性能度量满足所述目标性能为止。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于马维尔亚洲私人有限公司，未经马维尔亚洲私人有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110190467.7/1.html，转载请声明来源钻瓜专利网。
