[发明专利]用于对多用户多输入多输出(MU-MIMO)通信系统的信号整形进行优化的方法和装置

说明书

本公开涉及用于对多用户多输入多输出(MU‑MIMO)通信系统的信号整形进行优化的方法和装置。

技术领域

各种示例实施例涉及一种用于对多用户多输入多输出(MU-MIMO)通信系统的信号整形(signal shaping)进行优化的方法和装置。

背景技术

诸如多输入/多输出(MIMO)通信系统的通信系统是使用发送器和接收器处的多个天线以及高级数字信号处理来提高链路质量和容量的已知系统。MIMO通信系统被用于使用多个发送和接收天线以利用多径传播来倍增无线电链路的容量。通过利用多径传播，MIMO有助于在相同无线电信道上发送和接收多于一个数据信号。

利用MU-MIMO，基站被配备有多个天线，并且同时服务多个单天线用户。应该注意的是，空间复用由基站处的多个天线来实现，这些天线被利用来分离不同的用户。因此，MU-MIMO是5G无线通信标准的关键实现技术。期望超越5G无线通信标准，信号整形被预见为未来的无线通信系统的关键实现者(enabler)。信号整形提供了实现创纪录的高频谱效率。进一步地，实现增强的比特率性能将需要使用非常高的星座调制。然而，这种高阶星座对传输介质中的非线性敏感。因此，需要改进的技术以克服由高阶星座引起的这些挑战。

常规的信号整形(即，几何和概率QAM星座整形)有望在光学和THz无线通信系统中实现创纪录的高比特/s/Hz/极化。进一步地，常规的调制方案(例如正交幅度调制(QAM))是次优的，并且主要针对实现便利性而被选择。用于正交幅度调制(QAM)的信号整形可以被用于克服由高阶星座引起的挑战。然而，计算出实现最佳信息速率的调制方案是困难的。

当前，通过将发送器和接收器实现为深度神经网络(NN)并且学习最优星座整形和比特标记，各种原型实现可用于单输入单输出(SISO)链路。进一步地，用于干扰信道的诸如基于神经网络(NN)的MIMO符号检测和星座整形的一个或多个方法被采用。基于NN的MIMO符号检测专注于考虑标准调制方案(诸如二进制相移键控(BPSK)或QAM)来检测噪声接收符号。

然而，优化信号整形从未被考虑用于MU-MIMO通信系统。因此，需要改进的方法和装置来优化MU-MIMO通信系统的信号整形，以最大化信息速率。

发明内容

根据示例实施例，一种用于对多用户多输入多输出(MU-MIMO)通信系统的信号整形进行优化的装置可以被公开。该装置可以包括用于接收比特向量b_u的部件以及用于确定星座向量c_u的部件，其中用于确定星座向量c_u的部件包括用于调制比特向量b_u的几何整形和标记块(GSLB)。进一步地，GSLB可以被配置为实现具有一个或多个可训练参数θ的算法。

进一步地，该装置可以包括用于从比特向量b_u确定独热向量o_u的部件，以及用于基于所确定的独热向量o_u和星座向量c_u来确定信道符号x_u的部件，其中星座向量c_u可以是从关于信道质量的信息被确定。关于信道质量的信息可以包括信道状态信息(CSI)，诸如信噪比(SNR)、接收信号强度指示符(RSSI)或信道质量指示(CQI)。在一个示例实施例中，信道符号x_u可以通过从用于比特向量b_u的星座向量c_u中选择元素而被确定。

在一个示例实施例中，该装置可以被配置为通过神经网络来实现具有一个或多个可训练参数θ的算法。一个或多个可训练参数θ可以是算法的参数。术语“具有可训练参数θ的算法”或“带有可训练参数θ的算法”可以是其参数具有值的训练算法，其中该值通过训练该算法而被获得。在一个示例实施例中，诸如但不限于学习率、批次大小和SGD变型(诸如Adam和RMSProp)的其他参数等参数可以是算法的参数。这种参数可以被用于确定一个或多个可训练参数θ的优良值。