包括深度神经网络和静态算法模块的混合无线处理链 |
|||||||
| 申请号 | CN202280061880.6 | 申请日 | 2022-09-12 | 公开(公告)号 | CN117980913A | 公开(公告)日 | 2024-05-03 |
| 申请人 | 谷歌有限责任公司; | 发明人 | 王继兵; 埃里克·理查德·施陶费尔; | ||||
| 摘要 | 描述了用于包括 深度神经网络 DNN和静态 算法 模 块 的混合无线通信处理链的技术和装置。在各方面中，第一无线通信设备使用混合发射器处理链与第二无线设备进行通信。第一无线通信设备选择(805)形成调制深度神经网络DNN的 机器学习 配置ML配置，该调制DNN使用编码比特作为输入来生成调制 信号 。第一无线通信设备基于调制ML配置来形成(810)调制DNN以作为包括调制DNN和至少一个静态算法模块的混合发射器处理链的一部分。响应于形成调制DNN，第一无线通信设备使用混合发射器处理链来处理(815)与第二无线通信设备相关联的无线通信。 | ||||||
| 权利要求 | 1.一种由第一无线通信设备实现的用于使用混合无线通信处理链与第二无线通信设备进行通信的方法，所述方法包括： |
||||||
| 说明书全文 | 包括深度神经网络和静态算法模块的混合无线处理链背景技术[0001] 无线通信系统的演进通常源于对数据吞吐量的需求。作为一个示例，随着越来越多的设备获得对无线通信系统的接入，对数据吞吐量的需求增加。作为另一示例，演进设备执行利用比传统应用程序(诸如数据密集型流式传输视频应用程序、数据密集型社交媒体应用程序、数据密集型音频服务等)更多数据吞吐量的数据密集型应用程序。这种增加的需求有时能够超过无线通信系统的可用数据吞吐量。因此，为了适应增加的数据使用，演进的无线通信系统利用越来越复杂的架构来提供相对于传统无线通信系统的更多数据吞吐量。 [0002] 为了增加数据容量，第五代(5G)标准和技术使用诸如6千兆赫(GHz)以上频带的较高频率范围来发射数据。然而，使用这些较高频率范围发射和恢复信息提出了挑战。相对于较低频率无线电信号，较高频率信号更容易受到多径衰落、散射、大气吸收、衍射、干扰等的影响。当在接收器处恢复信息时，这些信号失真常常导致错误。因为信道状况随着设备移动位置而改变，用户移动性还影响可以如何使用这些较高频率范围来发射和/或恢复信息。能够发射、接收、路由和/或以其它方式使用这些较高频率的硬件能够是复杂且昂贵的，这增加了无线网络设备中的处理成本。随着最近的技术进步，新的方法可用于改进无线通信的性能(例如，数据吞吐量、可靠性)。发明内容 [0003] 本文档描述了用于包括深度神经网络(DNN)和静态算法模块的混合无线通信处理链的技术和装置。在各方面中，第一无线通信设备使用混合发射器处理链与第二无线设备进行通信。第一无线通信设备选择形成调制深度神经网络(DNN)的机器学习配置(ML配置)，该调制DNN使用编码比特作为输入来生成调制信号。第一无线通信设备基于调制ML配置来形成调制DNN以作为包括调制DNN和至少一个静态算法模块的混合发射器处理链的一部分。使用混合发射器处理链，第一无线通信设备将无线通信信号传送到第二无线通信设备。 [0004] 在各方面中，第一无线通信设备使用混合接收器处理链与第二无线通信设备通信。第一无线通信设备选择形成解调深度神经网络(DNN)的解调机器学习(ML)配置，该解调DNN使用调制信号作为输入来生成编码比特作为输出。第一无线通信设备使用解调ML配置来形成解调DNN以作为包括至少一个静态算法模块和解调DNN的混合接收器处理链的一部分。使用混合接收器处理链，第一无线通信设备处理从第二无线通信设备接收到的无线信号。 [0005] 在各方面中，基站使用包括至少一个DNN和至少一个静态算法模块的混合无线通信处理链与用户设备(UE)通信。基站选择形成基站侧DNN(例如，基站侧调制DNN)的机器学习配置(ML配置)，该基站侧DNN使用编码比特作为输入来生成调制下行链路信号或者使用调制上行链路信号作为输入来生成编码比特。基站向UE指示ML配置，并且基于所指示的ML配置来形成基站侧DNN以作为包括基站侧DNN和至少一个静态算法的混合无线通信处理链的一部分。基站使用混合无线通信处理链来处理无线通信。 [0006] 在各方面中，UE使用包括DNN和至少一个静态算法模块的无线通信处理链与无线网络中的基站进行通信。UE接收形成处理与基站相关联的无线通信的DNN的ML配置的指示。然后，UE选择形成UE侧DNN的UE侧ML配置，该UE侧DNN(i)使用调制下行链路信号作为输入来生成编码比特作为输出，或者(ii)使用编码比特作为输入来生成调制上行链路信号。然后，UE使用UE侧ML配置将UE侧DNN形成为包括至少一个静态算法模块和UE侧DNN的混合无线通信处理链的一部分，并且使用混合无线通信处理链来处理与基站相关联的无线通信。 [0007] 在附图和以下描述中阐述了包括DNN和静态算法模块的混合无线通信处理链的一个或多个实施方式的细节。根据说明书和附图以及权利要求，其他特征和优点将是显而易见的。提供本发明内容以引入在具体实施方式和附图中进一步描述的主题。因此，本发明内容不应被认为描述必要的特征，也不应被用于限制所要求保护的主题的范围。 附图说明[0008] 下面描述包括深度神经网络(DNN)和静态算法模块的混合无线通信处理链的一个或多个方面的细节。在描述和附图中的不同实例中使用相同的附图标记指示类似的元件： [0009] 图1图示了其中能够实现包括DNN和静态算法模块的混合无线通信处理链的各个方面的示例环境； [0010] 图2图示了能够实现包括DNN和静态算法模块的混合无线通信处理链的各个方面的设备的示例设备图； [0011] 图3图示了根据包括DNN和静态算法模块的混合无线通信处理链的各方面的生成多个神经网络形成配置的示例； [0012] 图4图示了根据包括DNN和静态算法模块的混合无线通信处理链的各个方面来比较用于无线通信的下行链路处理链的示例环境； [0013] 图5图示了实现包括DNN和静态算法模块的混合无线通信处理链的各个网络实体之间的示例事务图； [0014] 图6图示了实现包括DNN和静态算法模块的混合无线通信处理链的各个网络实体之间的示例事务图； [0015] 图7图示了实现包括DNN和静态算法模块的混合无线通信处理链的各个网络实体之间的示例事务图； [0016] 图8图示了用于包括DNN和静态算法模块的混合无线通信处理链的第一示例方法； [0017] 图9图示了用于包括DNN和静态算法模块的混合无线通信处理链的第二示例方法； [0018] 图10图示了用于包括DNN和静态算法模块的混合无线通信处理链的第三示例方法；以及 [0019] 图11图示了用于包括DNN和静态算法模块的混合无线通信处理链的第四示例方法。 具体实施方式[0020] 为了适应增加的数据使用，演进的无线通信系统(例如，第五代(5G)系统、第六代(6G)系统)利用较高的频率范围和越来越复杂的架构来提供相对于传统无线通信系统的更多数据吞吐量。为了说明，较高的射频可能增加发射器和接收器处理链的复杂性，以便使用较高频率范围成功地无线交换数据。例如，接收器处理链中的信道估计块估计或预测传输环境如何使通过传输环境传播的信号失真。信道均衡器块反转由信道估计块从信号标识的失真。当处理较高频率范围(诸如在6GHz范围内、周围和/或以上的5G频率)时，这些复杂功能经常变得更加复杂。例如，相对于较低频率范围，传输环境将更多的失真添加到较高频率范围，并且使得信息恢复更复杂。随着移动设备移动位置，用户移动性引入了对传输环境的动态改变，这也对使用较高频率范围来发射和恢复信息的复杂性有贡献。例如，被引入到朝向第一位置传播的信号的失真不同于被引入到朝向第二位置传播的信号的失真。能够处理和路由较高频率范围的硬件向设备添加了增加的成本和复杂的物理约束。 [0021] 深度神经网络(DNN)为复杂处理——诸如在无线通信系统中使用的复杂功能性——提供了解决方案。通过在无线通信处理链操作(例如，发射器和/或接收器处理链操作)上训练DNN，DNN能够以各种方式——诸如通过替换在无线通信信号的端到端处理中使用的常规处理块中的一些或全部、替换单独的无线通信处理链块(例如，调制块、解调块)等——替换常规复杂功能性。诸如通过修改各种机器学习配置(例如，系数、层连接、核大小)的DNN的动态重新配置还提供了适应变化的操作条件——诸如由于用户移动性、来自相邻小区的干扰、突发业务等导致的变化——的能力。 [0022] 实现和/或训练DNN的复杂性相对于各种因素(诸如由DNN提供的功能性的复杂性和/或量、到DNN的输入参数的数量、输入参数的变化和/或范围、训练数据的变化量和/或范围等)增加。例如，提供包括在无线通信信号处理链中的大多数或所有功能性的第一DNN可以涉及相对于提供包括在无线通信信号处理链中的功能性的子部分的第二DNN的更多复杂性。作为示例，相对于第二DNN，第一DNN可以处理更大量的训练数据、处理更大量的输入数据、使用更多的系统计算功率和/或存储器、使用更长的持续时间以用于训练和/或实时计算等。 [0023] 机器学习算法(例如，DNN)动态地修改模型或算法，而常规算法使用预定义规则。作为一个示例，常规编码器和/或解码器使用静态和/或固定算法来编码和/或解码比特。这能够包括使用软件、固件和/或硬件的任何组合实现的静态算法。为了说明，常规编码器(和/或解码器)通过显式编程在所有操作条件下使用的预定义逻辑和/或规则来实现静态编码算法(和/或静态解码算法)。类似地，静态编码算法在给定相同输入的情况下生成相同的输出。预定义的逻辑和/或规则可以使用配置特征和/或选择算法的特定程序分支来改变输出的输入参数(例如，编码/解码速率)。然而，输入参数不修改或改变预定义的逻辑和/或规则。相比之下，机器学习算法(例如，DNN)使用训练和反馈来动态地修改算法的行为和/或所得的输出。例如，机器学习算法通过训练和反馈来标识数据中的模式，并且生成新的逻辑，该新的逻辑修改机器学习算法以预测或标识新的(未来)数据中的这些模式。 [0024] 在包括DNN和静态算法模块的混合无线通信处理链的各方面中，设备使用DNN和静态算法的组合来实现混合无线通信处理链(例如，混合发射器处理链和/或混合接收器处理链)以平衡复杂性和适应性。在无线通信处理链中包括经训练的DNN提供了对变化的输入数据和操作环境——诸如由于用户移动性、干扰、多输入多输出(MIMO)配置等导致的无线通信的动态变化等——的适应性。在无线通信链中包括静态算法通过减少由DNN提供的功能性的量来减少经训练的DNN的复杂性的量。换句话说，在无线通信处理链中使用静态算法和DNN的组合减少了实施方式复杂性并且提供了对变化的信道环境的适应性。作为示例，基站和/或UE在无线通信处理链中使用静态比特编码和/或解码算法来减少设计和/或实施方式复杂性(例如，通过使用常规编码器/解码器)并且使用调制和/或解调DNN(例如，被训练以执行调制、解调的DNN)以增加处理链对动态操作环境的适应性(例如，变化的信道状况、变化的网络负载、变化的UE位置、变化的UE数据要求)。替代地或附加地，调制和/或解调DNN被训练以执行各种MIMO操作，诸如天线选择、MIMO预编码、MIMO空间复用、MIMO分集编解码(coding)处理、MIMO空间恢复、MIMO分集恢复等。这种组合有助于简化DNN的复杂性，同时保持通过使用DNN而提供的适应性。 [0025] 示例环境 [0026] 图1图示了示例环境100，其包括能够通过被图示为无线链路131和132的一个或多个无线通信链路130(无线链路130)与基站120(被图示为基站121和122)进行通信的用户设备110(UE 110)。为了简单起见，UE 110被实现为智能电话，但是可以被实现为任何合适的计算或电子设备，诸如移动通信设备、调制解调器、蜂窝电话、游戏设备、导航设备、媒体设备、膝上型计算机、台式计算机、平板计算机、智能电器、基于车辆的通信系统、或诸如传感器或致动器的物联网(IoT)设备。基站120(例如，演进型通用陆地无线电接入网节点B、E‑UTRAN节点B、演进节点B、eNodeB、eNB、下一代节点B、gNode B、gNB、ng‑eNB等)可以在宏小区、微小区、小小区、微微小区、分布式基站等或其任何组合或未来演进中实现。 [0027] 基站120使用无线链路131和132与用户设备110通信，该无线链路131和132可以被实现为任何合适类型的无线链路。无线链路131和132包括控制和数据通信，诸如从基站120传送到用户设备110的数据和控制信息的下行链路、从用户设备110传送到基站120的其他数据和控制信息的上行链路、或这两者。无线链路130可以包括使用任何合适的通信协议或标准或通信协议或标准的组合实现的一个或多个无线链路(例如，无线电链路)或承载，诸如第三代合作伙伴计划长期演进(3GPP LTE)、第五代新无线电(5G NR)和未来演进。在各个方面中，基站120和UE 110可以被实现用于在由3GPP LTE、5G NR或6G通信标准(例如，26GHz、28GHz、38GHz、39GHz、41GHz、57‑64GHz、71GHz、81GHz、92GHz频带、100GHz至300GHz、 130GHz至175GHz、或300GHz至3THz频带)中的一个或多个定义的亚千兆赫频带、亚6GHz频带(例如，频率范围1)和/或6GHz以上频带(例如，频率范围2、毫米波(mm Wave)频带)中操作。 可以在载波聚合或多连接中聚合多个无线链路130以为UE 110提供更高的数据速率。来自多个基站120的多个无线链路130可以被配置用于与UE 110的协调多点(CoMP)通信。 [0028] 基站120被统称为无线电接入网络140(例如，RAN、演进型通用陆地无线电接入网络、E‑UTRAN、5G NR RAN、NR RAN)。RAN 140中的基站121和122连接到核心网络150。基站121和122分别在102和104处通过用于控制面信令的NG2接口连接到核心网络150，并且在连接到5G核心网络时使用NG3接口用于用户面数据通信，或者在连接到演进分组核心(EPC)网络时使用用于控制面信令和用户面数据通信的S1接口。在106处，基站121和122能够使用Xn应用协议(XnAP)通过Xn接口进行通信，或者使用X2应用协议(X2AP)通过X2接口进行通信，以交换用户面和控制面数据。用户设备110可以经由核心网络150连接到公共网络(诸如互联网160)以与远程服务170交互。 [0029] 示例设备 [0030] 图2图示了能够实现包括DNN和静态算法模块的混合无线通信处理链的各个方面的UE 110和基站120中的一个基站的示例设备图200。UE 110和基站120可以包括为了清楚起见从图2中省略的附加功能和接口。 [0031] UE 110包括用于与RAN 140中的基站120通信的天线阵列202、射频前端204(RF前端204)和一个或多个无线收发器206(例如，LTE收发器、5G NR收发器和/或6G收发器)。UE 110的RF前端204能够将无线收发器206耦合或连接到天线阵列202以促进各种类型的无线通信。UE 110的天线阵列202可以包括以彼此类似或不同的方式配置的多个天线的阵列。天线阵列202和RF前端204能够被调谐到和/或可调谐到由3GPP LT E通信标准、5G NR通信标准、6G通信标准和/或各种卫星频带(诸如L频带(1‑2千兆赫(GHz))、S频带(2‑4GHz)、C频带(4‑8GHz)、X频带(8‑12GHz)、Ku频带(12‑18GHz)、K频带(18‑27GHz)和/或Ka频带(27‑ 40GHz))定义并且由无线收发器206实现的一个或多个频带。在一些方面中，卫星频带与 3GPP LTE定义的、5G NR定义的、和/或6G定义的频带重叠。附加地，天线阵列202、RF前端204和/或无线收发器206可以被配置为支持用于与基站120的通信的发射和接收的波束成形。 作为示例而非限制，天线阵列202和RF前端204能够被实现用于在由3GPP LTE、5G NR、6G和/或卫星通信(例如，卫星频带)定义的亚千兆赫(GHz)频带、亚6GHz频带、和/或6GHz以上频带中操作。 [0032] UE 110还包括一个或多个处理器208和计算机可读存储介质210(CRM 210)。处理器208可以是由各种材料(例如硅、多晶硅、高K电介质、铜等)组成的单核处理器或多核处理器。本文描述的计算机可读存储介质排除传播信号。CRM 210可以包括可用于存储UE 110的设备数据212的任何合适的存储器或存储设备，诸如随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、非易失性RAM(NVRAM)、只读存储器(ROM)或闪存。设备数据212能够包括UE 110的用户数据、传感器数据、控制数据、自动化数据、多媒体数据、波束成形码本、应用程序、和/或操作系统，其中一些可由处理器208执行以实现用户面数据、控制面信息、和与UE 110的用户交互。 [0033] 在各方面中，CRM 210包括神经网络表214，该神经网络表214存储形成神经网络的各种架构和/或参数配置，诸如作为示例而非限制，指定全连接的神经网络架构、卷积神经网络架构、循环神经网络架构、多个连接的隐藏神经网络层、输入层架构、输出层架构、由神经网络利用的节点的数量、由神经网络利用的系数(例如，权重和偏差)、核参数、由神经网络利用的滤波器的数量、由神经网络利用的步幅/池化配置、每个神经网络层的激活函数、神经网络层之间的互连、要跳过的神经网络层等的参数。因此，神经网络表214包括能够被用于创建神经网络形成配置(NN形成配置)的神经网络形成配置元素(NN形成配置元素)的任何组合，诸如架构和/或参数配置。通常，NN形成配置包括定义和/或形成DNN的一个或多个NN形成配置元素的组合。在一些方面中，神经网络表214的单个索引值映射到单个NN形成配置元素(例如，1:1对应关系)。替代地或附加地，神经网络表214的单个索引值映射到NN形成配置(例如，NN形成配置元素的组合)。在一些实施方式中，神经网络表包括用于每个NN形成配置元素和/或NN形成配置的输入特性，其中，输入特性描述关于用于生成NN形成配置元素和/或NN形成配置的训练数据的属性，如进一步描述的。在各方面中，机器学习配置(ML配置)对应于NN形成配置。 [0034] CRM 210还可以包括用户设备神经网络管理器216(UE神经网络管理器216)。替代地或附加地，UE神经网络管理器216可以全部或部分地实现为与用户设备110的其他组件集成或分离的硬件逻辑或电路。UE神经网络管理器216诸如通过索引值来访问神经网络表214，并且使用由NN形成配置(诸如，调制DNN和/或解调DNN)指定的NN形成配置元素来形成DNN。这包括利用如进一步描述的对DNN的架构改变和/或参数改变的任何组合来更新DNN，诸如涉及更新参数的DNN的小改变和/或重新配置DNN的节点和/或层连接的大改变。在实施方式中，UE神经网络管理器形成多个DNN以处理无线通信，诸如形成用户设备侧解调深度神经网络(UE侧解调DNN)的第一DNN，该用户设备侧解调深度神经网络接收(调制的)下行链路信号的模数转换器(ADC)样本作为输入并且处理ADC样本以恢复编码比特；以及形成UE侧调制DNN的第二DNN，该UE侧调制DNN接收编码比特作为输入并且生成携带编码比特的调制的基带上行链路信号的数字样本或调制的中频(IF)信号的数字样本。在一些方面中，UE神经网络管理器216将更新后的机器学习参数(诸如由训练模块生成的那些)转发到基站120以贡献用于联邦学习的信息，如参考图8进一步描述的。 [0035] CRM 210包括用户设备训练模块218(UE训练模块218)。替代地或附加地，UE训练模块218可以全部或部分地实现为与用户设备110的其他组件集成或分离的硬件逻辑或电路。UE训练模块218使用已知的输入数据和/或使用反馈来教导和/或训练DNN。作为一个示例，UE训练模块218使用循环冗余校验(CRC)来训练UE侧解调DNN，如参考图4和图6进一步描述的。为了说明，假设UE侧解调DNN接收下行链路信号的ADC样本作为输入并且处理ADC样本以恢复编码比特。UE训练模块218可以通过基于CRC通过或失败调整各种ML参数(例如，权重、偏置)来训练UE侧解调DNN。然而，UE训练模块218可以替代地或附加地训练UE侧调制DNN。UE训练模块218可以离线训练DNN(例如，在DNN没有活动地参与处理无线通信时)和/或在线训练DNN(例如，在DNN活动地参与处理无线通信时)。 [0036] UE 110还包括一个或多个静态算法模块220。静态算法模块220可以使用硬件、软件和/或固件的任何组合来实现。因此，静态算法模块220可以使用存储在CRM 210上并且可由处理器208(图2中未示出)执行的处理器可执行指令来实现。通常，静态算法模块使用不改变的预定义逻辑和/或规则来执行各种类型的操作。在各方面中，静态算法模块220实现与无线通信处理链相关联的操作，诸如编码算法和/或解码算法。 [0037] 图2所示的基站120的设备图包括单个网络节点(例如，gNode B)。基站120的功能性可以被分布在多个网络节点或设备上，并且可以以适于执行本文中描述的功能的任何方式分布。这种分布式基站功能性的术语是变化的，并且包括诸如中央单元(CU)、分布式单元(DU)、基带单元(BBU)、远程无线电头(RRH)、无线电单元(RU)和/或远程无线电单元(RRU)的术语。基站120包括用于与UE 110通信的天线阵列252、射频前端254(RF前端254)、一个或多个无线收发器256(例如，一个或多个LTE收发器、一个或多个5G NR收发器、和/或一个或多个6G收发器)。基站120的RF前端254能够将无线收发器256耦合或连接到天线阵列252以促进各种类型的无线通信。基站120的天线阵列252可以包括以与彼此类似或不同的方式配置的多个天线的阵列。天线阵列252和RF前端254能够被调谐到和/或可调谐到由3GPP LTE、5G NR、6G通信标准和/或各种卫星频带定义的一个或多个频带，并且由无线收发器256实现。附加地，天线阵列252、RF前端254和无线收发器256可以被配置为支持用于与UE 110的通信的发射和接收的波束成形(例如，大规模多输入多输出(Massive‑MIMO))。 [0038] 基站120还包括处理器258和计算机可读存储介质260(CRM 260)。处理器258可以是由各种材料(例如，硅、多晶硅、高K电介质、铜等)组成的单核处理器或多核处理器。CRM 260可以包括可用于存储基站120的设备数据262的任何合适的存储器或存储设备，诸如随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、非易失性RAM(NVRAM)、只读存储器(ROM)或闪存。设备数据262能够包括基站120的网络调度数据、无线电资源管理数据、波束成形码本、应用程序和/或操作系统，其可由处理器258执行以实现与UE 110的通信。 [0039] CRM 260包括存储多个不同NN形成配置元素和/或NN形成配置(例如，ML配置)的神经网络表264，其中，NN形成配置元素和/或NN形成配置定义DNN的各种架构和/或参数，如参考图5进一步描述的。在一些实施方式中，神经网络表包括用于每个NN形成配置元素和/或NN形成配置的输入特性，其中，输入特性描述关于用于生成NN形成配置元素和/或NN形成配置的训练数据的属性。例如，作为示例而非限制，输入特性包括估计的UE位置、多输入多输出(MIMO)天线配置、功率信息、信号与干扰加噪声比(SINR)信息、信道质量指示符(CQI)信息、信道状态信息(CSI)、多普勒反馈、频带、误码率(BLER)、服务质量(QoS)、混合自动重传请求(HARQ)信息(例如，第一传输差错率、第二传输差错率、最大重传)、时延、无线电链路控制(RLC)、自动重传请求(ARQ)度量、接收到的信号强度(RSS)、上行链路SINR、定时测量、差错度量、UE能力、BS能力、功率模式、网际协议(IP)层吞吐量、端到端(end2end)时延、端到端分组丢失率等。因此，输入特性有时包括层1、层2、和/或层3度量。在一些实施方式中，神经网络表264的单个索引值映射到单个NN形成配置元素(例如，1:1对应关系)。替代地或附加地，神经网络表264的单个索引值映射到NN形成配置(例如，NN形成配置元素的组合)。 [0040] 在实施方式中，基站120使神经网络表264与神经网络表214同步，使得存储在一个神经网络表中的NN形成配置元素和/或输入特性在第二神经网络表中被复制。替代地或附加地，基站120使神经网络表264与神经网络表214同步，使得存储在一个神经网络表中的NN形成配置元素和/或输入特性表示第二神经网络表中的互补功能性。为了说明，映射到在神经网络表264中形成基站侧调制DNN(BS侧调制DNN)的NN形成配置元素的索引值还映射到在神经网络表214中形成(互补)用户设备侧解调DNN(UE侧解调DNN)的NN形成配置元素。 [0041] CRM 260还包括基站神经网络管理器266(BS神经网络管理器266)。替代地或附加地，BS神经网络管理器266可以全部或部分地实现为与基站120的其他组件集成或分离的硬件逻辑或电路。在至少一些方面中，BS神经网络管理器266选择由基站120和/或UE 110通过以下方式用于配置深度神经网络以用于处理无线通信的NN形成配置：诸如通过选择NN形成配置元素的组合以形成用于处理下行链路通信的BS侧调制DNN、用于处理上行链路通信的基站侧解调深度神经网络(BS侧解调DNN)、用于处理下行链路通信的用户设备侧解调深度神经网络(UE侧解调DNN)、和/或用于处理上行链路通信的用户设备侧调制DNN(UE侧调制DNN)。在一些实施方式中，BS神经网络管理器266从UE 110接收反馈(例如，UE选择的NN形成配置和/或UE选择的DNN配置)，并且基于反馈来选择NN形成配置。替代地或附加地，BS神经网络管理器266使用反馈来训练BS侧DNN。在一些方面中，BS神经网络管理器266使用联邦学习技术以标识用于多个UE的通用(common)NN形成配置和/或通用ML配置，如参考图8所描述的。 [0042] CRM 260包括基站训练模块268(BS训练模块268)。替代地或附加地，BS训练模块268可以全部或部分地实现为与基站120的其他组件集成或分离的硬件逻辑或电路。在各方面中，BS训练模块268使用已知的输入数据和/或使用反馈来教导和/或训练DNN。作为一个示例，BS训练模块268使用混合自动重传请求(HARQ)信息和/或来自UE 110的反馈来训练BS侧调制DNN。为了说明，假设BS侧调制DNN接收下行链路信号的编码比特作为输入，并且生成与调制的基带下行链路信号相对应的数字信号样本。然而，在其他方面中，BS侧调制DNN生成数字调制的IF下行链路信号。BS训练模块268可以通过基于HARQ信息反馈来调整各种ML参数(例如，权重、偏置)来训练BS侧调制DNN。然而，BS训练模块268可以替代地或附加地训练BS侧解调DNN以用于处理上行链路信号。BS训练模块268可以离线训练DNN(例如，在DNN没有活动地参与处理无线通信时)和/或在线训练DNN(例如，在DNN活动地参与处理无线通信时)。 [0043] 在各方面中，BS训练模块268从DNN中提取经学习的参数配置，如参考图3进一步描述的。BS训练模块268然后可以使用所提取的经学习的参数配置以创建和/或更新神经网络表264。所提取的参数配置包括定义神经网络的行为的信息的任何组合，诸如节点连接、系数、活动层、权重、偏差、池化等。 [0044] CRM 260还包括基站管理器270。替代地或附加地，基站管理器270可以全部或部分地实现为与基站120的其他组件集成或分开的硬件逻辑或电路系统。在至少一些方面中，基站管理器270配置无线收发器256以用于与UE 110的通信。 [0045] 基站120还包括一个或多个静态算法模块272。静态算法模块220可以使用硬件、软件和/或固件的任何组合来实现。因此，静态算法模块272可以使用存储在CRM 260上并且可由处理器258(图2中未示出)执行的处理器可执行指令来实现。通常，静态算法模块使用不改变的预定义逻辑和/或规则来执行各种类型的操作。在各方面中，静态算法模块272实现与无线通信处理链相关联的操作，诸如编码算法和/或解码算法。 [0046] 基站120还包括核心网络接口274，基站管理器270配置该核心网络接口274以与核心网络功能和/或实体交换用户面数据、控制面信息和/或其它数据/信息。作为一个示例，基站120使用核心网络接口274来与图1的核心网络150通信。 [0047] 训练和配置深度神经网络 [0048] 通常，DNN对应于被组织成三个或更多个层的连接节点组，其中，DNN使用训练和反馈动态地修改DNN算法的行为和/或所得的输出。例如，DNN通过训练和反馈来标识数据中的模式，并且生成修改机器学习算法(实现为DNN)以预测或标识新的(未来)数据中的这些模式的新逻辑。层之间的连接节点可以以各种方式配置，诸如部分连接配置，其中第一层中的节点的第一子集与第二层中的节点的第二子集连接，或者全连接配置，其中第一层中的每个节点连接到第二层中的每个节点等。节点能够使用各种算法和/或分析来基于自适应学习生成输出信息，诸如单线性回归、多线性回归、逻辑回归、逐步回归、二元分类、多类分类、多元自适应回归样条、局部估计散点图平滑等。有时，算法包括基于自适应学习而改变的权重和/或系数。因此，权重和/或系数反映由DNN学习的信息。 [0049] DNN还能够采用各种架构，这些架构确定对应的神经网络内的哪些节点连接、数据如何在神经网络中前进和/或保留、什么权重和系数用于处理输入数据、如何处理数据等。这些各种因素共同描述NN形成配置(也称为机器学习(ML)配置)。为了说明，诸如长短期记忆(LSTM)神经网络的循环神经网络(RNN)在节点连接之间形成循环，以便保留来自输入数据序列的先前部分的信息。然后，循环神经网络使用保留的信息以用于输入数据序列的后续部分。作为另一示例，前馈神经网络将信息传递到前向连接，而不形成循环来保留信息。 虽然在节点连接的上下文中进行了描述，但是应当理解，NN形成配置能够包括影响神经网络如何处理输入数据的各种参数配置。 [0050] 用于形成DNN的NN形成配置能够由各种架构和/或参数配置表征。为了说明，考虑其中DNN实现卷积神经网络的示例。通常，卷积神经网络对应于其中层使用卷积运算来处理数据以过滤输入数据的DNN的类型。因此，作为示例而非限制，卷积NN形成配置的特征能够以池化参数(例如，指定池化层以减少输入数据的维度)、核参数(例如，用于处理输入数据的滤波器大小和/或核类型)、权重(例如，用于对输入数据进行分类的偏置)和/或层参数(例如，层连接和/或层类型)表征。虽然在池化参数、核参数、权重参数和层参数的上下文中进行了描述，但是能够使用其他参数配置来形成DNN。因此，NN形成配置(例如，ML配置)能够包括能够被应用于DNN的任何其他类型的参数，该DNN影响DNN如何处理输入数据以生成输出数据。 [0051] 图3示出了描述根据包括DNN和静态算法模块的混合无线通信处理链来生成多个NN形成配置的各方面的示例300。有时，示例300的各个方面由图2的UE神经网络管理器216、UE训练模块218、BS神经网络管理器266、和/或BS训练模块268的任何组合来实现。 [0052] 图3的上部包括DNN 302，该DNN 302表示用于实现包括DNN和静态算法模块(诸如，调制DNN和/或解调DNN)的混合无线通信处理链的任何合适的DNN。在各方面中，神经网络管理器为执行无线通信处理链的各部分的DNN生成不同的NN形成配置和/或ML配置。替代地或附加地，神经网络管理器基于不同的传输环境、传输信道状况和/或MIMO配置来生成NN形成配置和/或ML配置。训练数据304表示DNN 302的示例输入，诸如对应于用于以下各项的任何组合的数字调制基带信号的数据：下行链路通信、上行链路通信、MIMO和/或操作配置、和/或传输环境。在其他方面中，训练数据304表示如参考图4和图5描述的编码比特。在一些实施方式中，训练模块数学上生成训练数据或者访问存储训练数据的文件。其他时间，训练模块获得现实世界通信数据。因此，训练模块能够使用数学上生成的数据、静态数据和/或真实世界数据来训练DNN 302。一些实施方式生成描述训练数据的各种质量的输入特性306，诸如操作配置、传输信道度量、MIMO配置、UE能力、UE位置、调制方案、编解码方案等。 [0053] DNN 302分析训练数据并生成在此表示为二进制数据的输出308。然而，在其他方面中，诸如当训练数据对应于编码比特时，输出308对应于数字、调制基带或IF信号。一些实施方式使用具有相同输入特性的训练数据和/或附加训练数据的相同集合来迭代地训练DNN 302，以提高机器学习模块的准确性。在训练期间，机器学习模块修改包括在机器学习模块中的神经网络的架构和/或参数配置中的一些或全部，诸如节点连接、系数、核大小等。训练的一些方面包括补充输入(图3中未示出)，诸如用于训练解调DNN的软解码输入。 [0054] 在各方面中，训练模块提取DNN 302的架构和/或参数配置310(例如，池化参数、核参数、层参数、权重)，诸如当训练模块标识准确度满足或超过期望阈值时，训练过程满足或超过迭代次数等。从DNN 302提取的架构和/或参数配置对应于NN形成配置、NN形成配置元素、ML配置和/或对ML配置的更新。架构和/或参数配置能够包括固定架构和/或参数配置、和/或可变架构和/或参数配置的任何组合。 [0055] 图3的下部包括神经网络表312，其表示NN形成配置元素的集合，诸如图2的神经网络表214和/或神经网络表264。神经网络表312存储架构配置、参数配置和输入特性的各种组合，但是替代实施方式省略了来自表的输入特性。随着DNN学习附加信息，各种实施方式更新和/或维持NN形成配置元素和/或输入特性。例如，在索引314处，神经网络管理器和/或训练模块更新神经网络表312以包括由DNN 302在分析训练数据304时生成的架构和/或参数配置310。在稍后的时间点，神经网络管理器(例如，UE神经网络管理器216、BS神经网络管理器266)通过将输入特性与当前操作环境和/或配置(诸如通过将输入特性与当前信道状况和/或MIMO配置(例如，天线选择)进行匹配)来从神经网络表312中选择一个或多个NN形成配置。在各方面中，基站120将索引314传送到UE 110(或反之亦然)以指示使用哪个NN形成配置来形成(例如，生成、实例化或加载)DNN，如进一步描述的。 [0056] 包括DNN和静态算法模块的混合无线通信处理链 [0057] 在包括DNN和静态算法模块的混合无线通信处理链的各方面中，设备使用DNN和静态算法的组合来实现无线通信处理链(例如，发射器处理链和/或接收器处理链)以平衡复杂性和适应性。每个处理链包括，例如，使用静态算法的编码模块和/或解码模块以及执行调制和/或解调操作的至少一个DNN。DNN的包括提供了用于响应于操作环境的改变(诸如调制方案改变、信道状况改变、MIMO配置改变等)来修改如何生成传输的灵活性。为了说明，一些方面动态地修改DNN以生成具有减轻当前传输信道中的问题的属性(例如，频率、调制方案、波束方向、MIMO天线选择)的传输。静态算法的包括，诸如通过静态编码模块和/或静态解码模块，简化了DNN的复杂性(例如，减少了处理时间、减少了训练时间)并且平衡了复杂性和效率。 [0058] 图4图示了比较无线通信处理链的第一示例环境400和第二示例环境402，其中，处理链包括一个或多个DNN，有时结合根据包括DNN和静态算法模块的混合无线通信处理链的各个方面的静态算法。环境400和环境402各自包括示例发射器处理链和示例接收器处理链，其可以用于处理下行链路(DL)无线通信(例如，基站120处的DL发射器处理链、UE 110处的DL接收器处理链)或用于处理上行链路(UL)无线通信(例如，UE 110处的UL发射器处理链、基站120处的UL接收器处理链)。 [0059] 在环境400中，基站120的BS神经网络管理器266(图4中未示出)管理在基站下行链路处理链406(BS下行链路处理链406)中包括的一个或多个深度神经网络404(DNN 404)。在各方面中，BS神经网络管理器266配置DNN 404以对指向UE 110的下行链路无线通信执行发射器处理链操作。为了说明，BS神经网络管理器266选择一个或多个默认ML配置或一个或多个特定ML配置(例如，基于如进一步描述的当前下行链路信道状况)，并且使用ML配置来形成DNN 404。在各方面中，DNN 404执行(无线通信)发射器处理链的一些或全部功能性，诸如接收二进制数据作为输入、编码二进制数据、使用编码数据来生成数字调制基带或IF信号、执行MIMO传输操作(例如，天线选择、MIMO预编码、MIMO空间复用、MIMO分集编解码处理)、和/或生成向数模转换器(DAC)馈送的上变换(upconvert)信号(例如，数字表示)，该数模转换器向天线阵列252馈送以用于下行链路传输408。为了说明，DNN 40能够执行卷积编码、串并转换、循环前缀插入、信道编解码、时间/频率交织、正交频分复用(OFDM)、MIMO传输操作等的任何组合。 [0060] UE 110的UE神经网络管理器216(图4中未示出)管理包括在用户设备下行链路处理链412(UE下行链路处理链412)中的一个或多个深度神经网络410(DNN 410)。在各方面中，UE神经网络管理器216配置DNN 410以处理从基站120接收到的下行链路无线通信信号。为了说明，UE神经网络管理器216使用由基站120指示的ML配置和/或使用由UE神经网络管理器216选择的NN形成配置来形成DNN 410。在各方面中，DNN 410执行(无线通信)接收器处理链的一些或全部功能性，诸如与由BSDL处理链(例如，下变换(down‑conversion)级、解调级、解码级)执行的处理互补的处理，而不管BSDL处理链是否包括一个或多个DNN、静态算法模块或这两者。为了说明，DNN 410能够执行解调/提取嵌入在接收(RX)信号上的数据、恢复控制信息、恢复二进制数据、基于在发射器块处应用的前向纠错来校正数据错误、从帧和/或时隙提取有效载荷数据等的任何组合。 [0061] 类似地，UE 110包括第一用户设备上行链路处理链414(UE上行链路处理链414)，其使用由UE神经网络管理器216配置和/或形成的一个或多个深度神经网络416(DNN 416)来处理上行链路通信。为了说明，并且如先前参考DNN 404所描述的，DNN 416执行用于生成针对基站120的上行链路传输418的(上行链路)发射器链处理操作的任何组合。 [0062] 基站120包括第一基站上行链路处理链420(BS上行链路处理链420)，其使用由BS神经网络管理器266管理的一个或多个深度神经网络422(DNN 422)来处理(接收到的)上行链路通信。DNN 422执行与由UE UL处理链执行的互补处理(例如，如参考DNN 410描述的接收器链处理操作)，而不管UE UL处理链是否包括一个或多个DNN、静态算法模块或这两者。 [0063] 作为对照，环境402图示了使用静态算法模块和DNN的组合来处理上行链路和/或下行链路无线通信的示例混合无线通信处理链。例如，环境402包括使用静态算法模块和DNN的组合的混合发射器处理链424。例如，基站120使用混合发射器处理链424而不是BSDL DNN处理链406或常规静态算法BS侧DL处理链，和/或UE 110使用混合发射器处理链424而不是UE UL DNN处理链412或常规静态算法UE侧上行链路处理链。环境402还包括使用无线通信接收器处理链中的静态算法模块和DNN的组合的混合接收器处理链426。为了说明，UE 110使用混合接收器处理链426而不是UE DL DNN处理链412或常规静态算法UE侧下行链路处理链，和/或基站120使用混合接收器处理链426而不是BS UL DNN处理链420或常规静态算法BS侧UL处理链。 [0064] 混合发射器处理链424包括使用静态算法实现的编码模块428，该静态算法(例如，从图4中未示出的协议堆栈)接收源比特430，并且使用一或多个静态编码算法(诸如低密度奇偶校验(LPDC)编码算法、极化编码算法、turbo编码算法、和/或Viterbi编码算法)来生成编码比特。混合发射器处理链424利用硬件、软件和/或固件的任何组合来实现编码模块428。在各方面中，编码模块428接收指示编码模块如何对源比特430进行编码的输入参数(例如，信道编解码方案参数、速率匹配参数)。通过使用编码模块428内的静态算法，混合发射器处理链424能够使用针对更好性能进行优化的编码模块(例如，针对处理速度进行优化、针对物理和/或存储器大小进行优化)。 [0065] 混合发射器处理链424还包括调制模块432，其包括调制从编码模块428接收到的编码比特的一个或多个调制DNN 434。为了说明，DNN 434对应于调制下行链路通信(也称为BS侧调制DNN)的基站侧深度神经网络(BS侧DNN)和/或调制上行链路通信(也称为UE侧调制DNN)的用户设备侧深度神经网络(UE侧DNN)。在一些方面中，基站120的BS神经网络管理器266选择一个或多个调制ML配置以形成调制DNN 434。作为一个示例，BS神经网络管理器266选择处理下行链路通信的基站侧调制ML配置(BS侧调制ML配置)，诸如参考图5所描述的。替代地或附加地，BS神经网络管理器266选择用户设备侧调制ML配置(UE侧调制ML配置)以发送到UE 110，诸如参考图6所描述的。在一些方面中，BS神经网络管理器266诸如通过使用如参考图7所描述的联邦学习技术来选择对调制ML配置的更新。 [0066] BS神经网络管理器266使用因素的任何组合来选择调制ML配置(例如，BS侧调制ML配置、UE侧调制ML配置)。为了说明，BS神经网络管理器266使用诸如例如当前操作条件、UE 110的UE能力、MIMO配置(例如，天线选择)、调制方案、信道状况等因素来选择调制配置。为了说明，并且关于MIMO配置，BS神经网络管理器可以基于MIMO发射和接收天线配置来选择调制ML配置，诸如对应于两个发射天线、两个接收天线的2x2 MIMO配置，对应于四个发射天线、四个接收天线的4x4 MIMO配置等。作为另一示例，BS神经网络管理器可以基于调制方案来选择调制ML配置。 [0067] 在各方面中，并且如参考图5所描述的，基站(例如，基站120)可以向UE 110指示由BS神经网络管理器选择的调制ML配置，诸如通过经由在物理下行链路控制信道(PDCCH)消息中发射的下行链路控制信息(DCI)中的字段来指示BS侧调制ML配置。作为一个示例，DCI可以包括指定信道编解码方案的第一字段和指定调制ML配置的第二字段。替代地或附加地，第二字段指定对调制ML配置的改变和/或更新，诸如通过如参考图7所描述的联邦学习技术所标识的改变。然而，在一些方面中，基站120隐式地指示信道编解码方案而不是使用在DCI中的第一字段。作为另一示例，基站通过发射特定参考和/或导频信号——诸如，被映射到特定调制ML配置的信道状态信息参考信号(CSI‑RS)、解调参考信号(DMRS)和/或相位跟踪参考信号(PTRS)——来指示调制ML配置。在一些方面中，基站120从固定数量和/或预定义的调制ML配置集合——诸如存储在神经网络表和/或码本中的ML配置的子集——中选择调制ML配置，并且向UE发射码本索引。 [0068] 替代地，使用互补操作，基站120可以基于BS侧调制ML配置来选择用于处理下行链路通信的用户设备侧解调机器学习配置(UE侧解调ML配置)，并且向UE指示DCI中的UE侧解调ML配置。如前所述，指示可以表示对于神经网络和/或ML配置的码本集的索引号。为了说明，假设基站120使用UE特定的能力、UE特定的信号质量测量、UE特定的链路质量测量、UE特定的MIMO配置等的任何组合来选择UE侧调制ML配置。当使用相同的传输信道以用于下行链路和上行链路通信时，诸如通过时分双工(TDD)传输，基站120可以基于(下行链路)BS侧调制ML配置(诸如参考图5描述的配置)来选择UE侧解调ML配置以形成(下行链路)UE侧解调DNN。替代地或附加地，当指示DCI中的BS侧调制ML配置时，基站120可以隐式地或显式地指示用于下行链路处理的UE侧解调ML配置。 [0069] DNN 434在混合发射器处理链424内执行调制和/或MIMO操作。例如，调制DNN 434从编码模块428接收编码比特并且生成数字调制基带信号(例如，调制基带信号的数字样本)。然而，替代实施方式生成以与关于基带信号所描述的类似方式处理的数字调制IF信号。数字调制基带信号可以包括通过多个天线同时发送若干信号的MIMO通信。例如，调制DNN 434可以生成用于2x2 MIMO通信、4x4 MIMO通信等的调制基带信号。因此，在各方面中，调制DNN 434生成将编码数据分割和/或复制到多个数据流上的调制基带信号。替代地或附加地，调制DNN 434在生成数字调制基带信号时执行其他MIMO操作，诸如MIMO预编码、MIMO空间复用和/或MIMO分集编解码。 [0070] 在生成数字调制基带信号时，调制DNN 434将调制方案应用于编码数据，诸如正交频分复用(OFDM)调制格式。所选择的调制ML配置形成调制DNN 434以执行将OFDM调制应用于编码数据的处理，诸如使用OFDM的二进制相移键控(BPSK)、使用OFDM的正交相移键控(QPSK)、使用OFDM的16正交幅度调制(16‑QAM)等。在一些方面中，诸如当调制DNN 434对应于用于处理下行链路传输的BS侧调制DNN时，基站(通过BS神经网络管理器266)基于当前操作和/或信道状况来更新调制DNN 434。为了说明，并且参考图5，基站120使用来自UE的反馈来训练调制DNN 434。作为另一示例，诸如当调制DNN 434对应于用于处理上行链路传输的UE侧调制DNN时，UE训练调制DNN 434，如参考图6所描述的。这允许基站120和/或UE随操作和/或信道状况改变改善传输。 [0071] 在混合发射器处理链424内，可以对应于下行链路BS侧调制DNN或上行链路UE侧调制DNN的调制DNN生成数字调制基带信号(或数字IF信号)。调制模块432将数字调制基带信号馈送到连接到天线(例如，当在基站120中操作时的天线阵列252，当在UE 110中操作时的天线阵列202)的发射射频处理模块436(TX RF处理模块436)中。TX RF处理模块436包括用于经由天线输出传输的硬件、固件和/或软件的任何组合。例如，TX RF处理模块436包括从调制模块432接收数字调制基带信号并且生成模拟调制基带信号的DAC。TX RF处理模块436替代地或附加地包括将模拟调制基带信号上变换到期望载波频率的信号混频器，该期望载波频率然后被发射出天线(例如，天线阵列252作为下行链路传输，天线阵列202作为上行链路传输)。 [0072] 在环境402中，混合接收器处理链426使用DNN和静态算法模块的组合来对发射器处理链406执行互补处理(无论使用常规静态算法、DNN还是混合方法来实现)。例如，基站120使用混合接收器处理链426而不是BS UL处理链420(例如，BS侧UL处理链)和/或UE 110使用混合接收器处理链426来替换UE DL处理链412(例如，UE侧下行链路处理链)。 [0073] 作为一个示例，UE 110使用天线阵列202从基站120接收下行链路通信和/或传输，其中下行链路通信可以包括MIMO通信。天线将(模拟)接收到的下行链路传输路由到包括在混合接收器处理链426中的接收射频处理模块438(RX RF处理模块438)。RX RF处理模块438将接收到的模拟信号转换成数字调制基带信号。然而，在替代实施方式中，RX RF处理模块438生成以与数字调制基带信号类似的方式处理的数字调制IF信号。例如，RX RF处理模块 438包括将下行链路传输下变换为模拟基带信号的混频器和通过数字化下变换的模拟信号来生成数字调制基带信号的ADC。RX RF处理模块438然后将数字调制基带信号输入到包括一个或多个解调DNN 442的解调模块440(例如，用于处理下行链路通信的UE侧解调模块、用于处理上行链路通信的BS侧解调模块)。为了说明，UE 110使用UE神经网络管理器216来形成解调DNN 442，或者基站120使用BS神经网络管理器266来形成解调DNN 442。在各方面中，解调DNN 442对包括在调制模块432中的调制DNN 434执行互补处理，诸如接收数字调制基带信号并且处理数字调制基带信号以恢复编码数据。这可以包括MIMO操作，诸如MIMO空间恢复和/或MIMO分集恢复、信道估计、信道均衡器功能等。 [0074] 解调模块440将恢复的编码数据输入到使用静态算法来生成恢复的比特446的解码模块444中。这可以包括解码模块444接收指示解码模块如何解码和生成恢复的比特446的输入参数(例如，信道编解码方案参数、速率匹配参数)。在一些方面中，解码模块444生成软解码信息448，诸如对数似然比信息，并且将软解码信息输入到解调DNN 440中。类似于编码模块428，解码模块444可以实现静态解码算法(例如，LPDC解码算法、极化解码算法、turbo解码算法和/或Viterbi解码算法)的任何组合。在一些方面中，混合接收器处理链426使用来自解码模块444的反馈(诸如CRC信息)来触发训练解调DNN 442和/或使用反馈来训练解调DNN 442，诸如参考图5所描述的。 [0075] 混合无线通信处理链(例如，混合发射器处理链424、混合接收器处理链426)为设备提供了在实现和操作处理链时平衡复杂性和适应性的能力。在无线通信处理链中包括静态算法减少了由对应的DNN提供的功能性的量，这减少了DNN的系统计算功率和/或存储器消耗并且减少了DNN的处理和/或训练持续时间。在无线通信处理链(连接到静态算法模块)内包括DNN提供对变化的操作和/或信道状况的适应性以减轻信道和/或操作问题。 [0076] 信令和数据事务图 [0077] 图5至图7图示了根据包括DNN和静态算法模块的混合无线通信处理链的一个或多个方面的基站与用户设备之间的示例信令和数据事务图。信令和数据事务的操作可以由图1的基站120和/或UE 110使用如参考图1至图4中的任何图描述的各方面来执行。尽管针对BS和UE这两者假定混合发射器和接收器处理链，但是在一些情况下，发射器能够使用混合处理链，而接收器使用常规的DNN或混合处理链。类似地，当发射器使用常规的DNN或混合处理链时，接收器能够使用混合处理链。 [0078] 通过图5的信令和数据事务图500图示了用于包括DNN和静态算法模块的混合无线通信处理链的信令和数据事务的第一示例。在图500中，基站(例如，基站120)和UE(例如，UE 110)根据包括DNN和静态算法模块的混合无线通信处理链的一个或多个方面，使用包括静态算法模块和DNN的组合的处理链来交换下行链路无线通信。 [0079] 如图示，在505处，基站120选择基站侧调制机器学习配置(BS侧调制ML配置)，其形成包括在使用至少一个DNN和至少一个静态算法模块的组合的BS侧发射器处理链中的基站侧DNN(BS侧DNN)。为了说明，基站120在下行链路发射器处理链(例如，混合发射器处理链424)中选择用于BS侧调制DNN(例如，DNN 434)的调制ML配置。基站120使用信息的任何组合来选择BS侧调制ML配置。作为一个示例，基站120选择形成用于生成广播传输的DL调制DNN的默认BS侧调制ML配置。换句话说，基站120选择形成调制DNN的调制ML配置，该调制DNN生成具有针对一般和/或未知信道状况的特性的调制传输，诸如具有相对于其他调制方案在不同信道状况的范围上更稳健的DL调制方案的传输。替代地或附加地，基站120从固定数量和/或预定义的ML配置集合(例如，基站120和UE 110这两者已知的ML配置集合)中选择BS侧调制ML配置。在一些方面中，基站120基于特定于UE 110的信息(诸如UE位置信息、信号质量测量、链路质量测量、UE能力等)来选择BS侧调制ML配置。 [0080] 在510处，假设UE已经指示包括解调DNN形成的UE能力，基站120向UE 110指示所选择的BS侧调制ML配置。例如，基站120使用用于PDCCH的DCI中的第一字段来指示BS侧调制ML配置，并且(隐式地或显式地)指命UE 110选择互易(reciprocal)的UE侧解调ML，如在515处进一步描述的。通过指示所选择的BS侧ML配置，基站120向不同的UE(例如，不同的制造者、不同的UE能力)提供关于对应的BS侧DNN如何操作的信息，从而允许每个UE选择相应的互补UE侧ML配置，诸如在515处所描述的配置。替代地，基站120向UE 110指示UE侧解调ML配置，并且(隐式地或显式地)指命UE 110形成用于处理下行链路通信的解调DNN(使用UE侧解调ML配置)。 [0081] 在各方面中，除了ML配置(例如，BS侧调制配置、UE侧解调配置)之外，基站120还使用DCI中的第二字段(例如，新的DCI格式)来指示信道编解码方案。作为指示ML配置(例如，BS侧调制ML配置、UE侧解调ML配置)的一个示例，假设基站120和UE 110针对预定义的ML配置集合使用通用和/或同步映射。在各方面中，基站120向UE 110指示预定义的ML配置集合之外的特定ML配置，诸如通过指示映射到特定ML配置的索引值。基于通用和/或同步映射，UE 110使用索引值来从预定义的ML配置集合中标识所指示的ML配置。在一些方面中，基站120通过传送特定导频和/或参考信号来指示BS侧调制ML配置。例如，基站120传送映射到特定BS侧调制ML配置和/或索引值的特定CSI‑RS、DMRS和/或PTRS。 [0082] 在515处，UE 110选择用于UE侧接收器处理链中包括的UE侧DNN的UE侧解调ML配置，其中UE侧接收器处理链使用至少一个DNN和至少一个静态算法模块的组合。为了说明，UE 110通过分析PDCCH DCI和/或通过标识接收到的参考和/或导频信号来标识由基站在510处传送的所指示的BS侧调制ML配置。基于标识所指示的BS侧调制ML配置，UE选择在混合接收器处理链(例如，混合接收器处理链426)中形成解调DNN(例如，解调DNN 442)的互补ML配置。在一些方面中，诸如当指示对应于索引值时，UE 110使用索引值来从码本和/或预定义的ML配置集合中获得UE侧解调ML配置。 [0083] 替代地或附加地，UE 110通过分析多个解调ML配置的性能度量(例如，误码率(BER)、块错误率(BLER))来选择UE侧解调ML配置。作为一个示例，UE 110使用与所指示的BS侧调制ML配置互补的初始ML配置来形成初始UE侧解调DNN。UE 110获得UE侧解调DNN的性能度量，并且确定性能度量指示劣化的性能(例如，与初始ML配置相关联的性能度量未能满足性能阈值)。作为响应，UE 110基于性能度量来选择第二UE侧解调ML配置。换句话说，UE 110选择形成具有比初始UE侧解调DNN更好的性能度量(例如，满足性能阈值的性能度量)的第二UE侧解调DNN的第二UE侧解调ML配置。为了说明，UE 110分析解调ML配置集合，并且从该集合中选择与最佳性能度量相关联的解调ML配置。在一些方面中，作为分析和选择UE侧解调ML配置的一部分，UE 110选择与基站所指示的信道解调方案匹配的信道解调方案(例如，在510处)。替代地或附加地，UE 110选择形成解调DNN的UE侧解调ML配置，该解调DNN使用OFDM等来解调特定调制配置(例如，使用OFDM的BPSK、使用OFDM的QPSK、16‑QAM)。因此，UE 110还可以基于诸如传输块大小、频率准许(grant)大小、空间准许大小、时间准许大小等的其它因素的任何组合来选择UE侧解调ML配置。在一些方面中，UE 110基于UE能力来选择UE侧解调ML配置。 [0084] 因此，在520处，UE可选地(如虚线所示)向基站120指示UE选择的UE侧解调ML配置。UE 110可以使用任何合适的机制来指示UE选择的UE侧解调ML配置，诸如通过传送被映射到所选择的解调ML配置的特定探测参考信号(SRS)和/或通过在信道状态信息(CSI)通信中包括对所选择的解调ML配置的指示。 [0085] 在525处，基站120形成BS侧调制DNN。这能够包括基站120使用在505处选择的BS侧调制ML配置，或者可选地基于接收到UE选择的UE侧解调ML配置的指示来选择第二BS侧调制ML配置(和/或更新BS侧调制DNN)。类似地，在530处，UE 110形成UE侧解调DNN，该UE侧解调DNN能够包括UE 110基于在510处来自基站120的指示使用UE侧解调ML配置或使用由UE 110在515处确定的UE选择的UE侧解调ML配置。 [0086] 在535处，基站120使用编码模块和在525处形成的BS侧调制DNN来处理一个或多个下行链路通信。在各方面中，BS侧调制DNN从使用静态算法(例如，编码模块428)实现的编码模块接收编码比特作为输入，并且输出数字调制基带信号。这能够附加地包括BS侧调制DNN执行MIMO操作，如参考图4进一步描述的。在540处，基站120向UE 110传送下行链路通信，诸如通过使用耦合到天线的TX RF处理模块(例如，TX RF处理模块436)将数字调制基带信号转换为模拟RF信号。 [0087] 在545处，UE 110使用解码模块和在530处形成的UE侧解调DNN来处理下行链路通信。为了说明，UE 110使用RX RF处理模块(例如，RX RF处理模块438)来下变换在540处传送的下行链路通信，并且生成如参考图4所描述的数字调制基带信号。UE侧解调DNN接收数字调制基带信号作为输入并且恢复编码比特。在各方面中，UE 110使用利用静态算法(例如，解码模块444)实现的解码模块来生成恢复比特。在一些方面中，UE侧解调DNN从解码模块接收软解码信息(例如，软解码信息448)作为输入。 [0088] 在550处，UE 110可选地(用虚线表示)向基站120传送反馈。例如，在550处，UE 110向基站120传送HARQ信息，基站120可以触发或可以不触发基站120训练BS侧调制DNN以调整权重、偏置等。 [0089] 因此，在555处，基站120可选地(用虚线表示)训练BS侧调制DNN。为了说明，如果HARQ信息指示UE 110处的失败，则基站120确定要执行训练。替代地或附加地，基站120使用由UE 110在550处返回的信号质量测量和/或链路质量测量通过以下方式来触发训练BS侧调制DNN：诸如通过将信号质量测量和/或链路质量测量与指示可接受的性能水平的阈值进行比较并且当信号质量和/或链路质量测量不满足可接受的性能水平时触发训练。在一些方面中，基站使用HARQ信息来训练BS侧调制DNN，诸如通过使用相同的编码比特集合并调整ML参数和/或ML架构，直到HARQ信息指示可接受的性能水平为止。响应于训练BS侧调制DNN，基站120如在560所示更新BS侧调制DNN，并且使用更新后的BS侧调制DNN来处理后续下行链路通信。 [0090] 在565处，UE 110可选地(用虚线表示)训练UE侧解调DNN。为了说明，UE 110使用来自解码模块的CRC信息来确定何时触发训练过程，诸如通过监视CRC信息并在CRC指示连续地失败“N”次时触发训练，其中“N”是预定值。作为一个示例，UE 110使用由解码模块生成的调制基带信号和CRC信息的ADC样本作为反馈来调整各种ML参数(例如，权重、偏置)和/或ML架构，直到CRC信息指示可接受的性能水平为止。例如，UE 110通过UE神经网络管理器(例如，UE神经网络管理器216)和/或训练模块(例如，UE训练模块218)来调整具有梯度值的UE侧解调DNN的ML参数，并且使用CRC通过/失败信息和/或通过测量CRC错误的成本函数(例如，最小化CRC错误)以选择减少比特错误和/或改善比特恢复的调整。在一些方面中，UE神经网络管理器和/或训练模块通过使用成本函数来确定UE侧解调DNN的性能何时已经劣化到性能阈值以下来确定训练UE侧解调DNN。 [0091] 响应于训练UE侧解调DNN，UE 110可选地(用虚线表示)如在570处所示的更新UE侧解调DNN，并且使用更新后的UE侧解调DNN来处理后续下行链路通信。替代地或附加地，UE 110可选地提取对UE侧解调DNN的更新，如参考图3所描述的，并且在575处向基站120传送ML配置更新(例如，UE侧ML配置更新)。替代地或附加地，基站120可选地(用虚线表示)向BS侧调制DNN传送提取更新，如参考图3所描述的，并且在580处向UE 110传送ML更新。 [0092] 通过图6的信令和数据事务图600图示了用于包括DNN和静态算法模块的混合无线通信处理链的信令和数据事务的第二示例。在图600中，基站(例如，基站120)和UE(例如，UE 110)根据包括DNN和静态算法模块的混合无线通信处理链的一个或多个方面，使用包括静态算法模块和DNN的组合的处理链来交换上行链路无线通信。 [0093] 在605处，基站120选择用于UE侧DNN的UE侧调制ML配置。为了说明，并且如在图5的505处类似地描述的，基站120选择用于UE侧调制DNN(例如，调制DNN 434)的调制ML配置，该调制ML配置使用编码UL数据作为输入来生成数字调制基带信号。基站可以选择形成适用于多个不同类型的UE、信道状况等的调制DNN的默认ML配置。替代地或附加地，基站120从预定义的ML配置集合(例如，基站120和UE 110这两者已知的ML配置集合)和/或基于特定于UE 110的信息(诸如UE位置信息、信号质量测量、链路质量测量、UE能力等)来选择UE侧调制ML配置。 [0094] 在610处，基站120向UE 110传送UE侧调制ML配置的指示。作为一个示例，基站120在用于PUSCH的DCI字段中传送UE侧调制ML配置的指示。在各方面中，基站120传送索引值作为指示，该索引值映射到码本中的条目和/或指向在基站120和UE 110之间同步的预定义的ML配置集合之外的特定ML配置。在一些方面中，基站120基于互易性来隐式地指示UE侧调制ML配置，如参考图4所描述的。 [0095] 在615处，UE 110选择UE侧调制ML配置。为了说明，并且如在图5的515处类似地描述的，UE 110可以标识在610处由基站传送的所指示的UE侧调制ML配置，并且使用所指示的ML配置来形成UE侧调制DNN(例如，调制DNN 434)。替代地或附加地，UE 110分析一个或多个下行链路参考信号(例如，DMRS、PTRS、CSI‑RS)的性能度量，以从预定义的ML配置集合和/或码本中选择UE侧调制ML配置。因此，在620处，UE 110可选地(如虚线所示)向基站120指示UE选择的UE侧调制ML配置。 [0096] 在625处，UE 110使用所指示的UE侧调制ML配置或UE选择的UE侧调制ML配置来形成UE侧调制DNN。类似地，在630处，基站120形成执行与UE侧调制DNN互补的处理的BS侧解调DNN，其中BS侧解调ML配置可以基于在610处指示的UE侧调制ML配置或在620处指示的UE选择的UE侧调制ML配置。 [0097] 在635处，UE 110使用编码模块和UE侧调制DNN来处理一个或多个上行链路通信。为了说明，并且如参考图5所描述的，UE侧调制DNN(例如，调制DNN 434)从使用一个或多个静态编码算法(例如，编码模块514)的编码模块接收编码比特。UE侧调制DNN处理编码比特并生成数字调制基带信号，其中处理可以包括执行MIMO操作。UE侧调制DNN将数字调制基带信号输入到生成上变换的模拟调制信号的TX RF处理模块中，并且在640处，UE 110使用上变换的模拟调制信号和UE的一个或多个天线(例如，天线阵列202)来传送上行链路通信。 [0098] 在645处，基站120使用解码模块和BS侧解调DNN来处理上行链路通信。在各方面中，基站120包括接收器处理链中的BS侧解调DNN，该接收器处理链包括DNN和静态算法模块(诸如图5的BS上行链路处理链524)的组合。为了说明，接收器处理链中的RX RF处理模块将接收到的模拟信号转换成数字调制基带信号。BS侧解调DNN处理数字调制基带信号以恢复编码数据，并将恢复的编码数据输入静态解码模块以生成恢复比特。 [0099] 在650处，基站120可选地(用虚线表示)向UE 110传送反馈(用虚线表示)。作为一个示例，基站120向UE 110传送BER信息、BLER信息和/或CRC信息。 [0100] 在655处，UE 110可选地(用虚线表示)训练UE侧调制DNN。在各方面中，UE 110基于在650处传送的反馈来触发和/或发起针对UE侧调制DNN的训练过程。例如，当BER和/或BLER超过错误的可接受阈值和/或超过错误的可接受阈值“M”次时，UE 110分析BER和/或BLER并触发训练，其中“M”对应于任意数量。在一些方面中，UE 110基于信号质量测量和/或链路质量测量(诸如指示干扰水平超过另一阈值的信号质量和/或链路质量测量)来触发和/或发起训练过程。响应于训练UE侧调制DNN，UE 110可选地更新UE侧调制DNN，如660所示，并且使用更新后的UE侧调制DNN来处理后续上行链路通信。替代地或附加地，UE 110可选地提取对如参考图3所描述的UE侧调制DNN的更新，并且在665处向基站120传送ML配置更新。 [0101] 在670处，基站120可选地训练BS侧解调DNN。为了说明，并且如在图5的560处类似地描述的，基站120通过监视CRC信息并在CRC指示连续地失败“N”次时触发训练来触发BS侧解调DNN的训练，其中“N”是任意值。在各方面中，基站120使用调制基带信号的ADC样本和由解码模块生成的CRC信息作为反馈来训练BS侧解调DNN以调整各种ML参数(例如，权重、偏置)。响应于训练BS侧解调DNN，基站120如在675所示的更新BS侧解调DNN，并且使用更新后的BS侧解调DNN来处理后续上行链路通信。 [0102] 图7的信令和数据事务图700示出了用于包括DNN和静态算法模块的混合无线通信处理链的信令和数据事务的第三示例。在图700中，基站(例如，基站120)根据包括DNN和静态算法模块的混合无线通信处理链的一个或多个方面，使用联邦学习技术来管理在包括DNN和静态算法模块的组合的处理链中使用的调制和/或解调DNN的DNN配置。图700的各方面能够由基站(例如，基站120)和至少两个UE(例如，至少两个UE 110)执行。 [0103] 通常，联邦学习对应于用于机器学习算法的分布式训练机制。为了说明，ML管理器(例如，BS神经网络管理器266)选择基线ML配置并且指命多个设备使用基线ML配置来形成和训练ML算法。ML管理器然后从多个设备接收并聚合训练结果以生成用于ML算法的更新后的ML配置。作为一个示例，多个设备各自报告由ML算法在处理其自己的特定输入数据时生成的经学习的参数(例如，权重或系数)，并且ML管理器通过对权重或系数进行平均以创建更新后的ML配置来创建更新后的ML配置。作为另一示例，多个设备各自基于其自己的个体输入数据向ML管理器报告梯度结果，该梯度结果基于功能处理成本(例如，处理时间、处理准确度)来指示最佳ML配置，并且ML管理器对梯度进行平均。在一些方面中，多个设备报告经学习的ML架构更新和/或从基线ML配置的改变。术语联邦学习、分布式训练和/或分布式学习可以可互换地使用。 [0104] 在705处，基站120选择一组UE。作为一个示例，基站120基于通用UE能力(诸如通用天线数量或通用收发器能力)来选择一组UE。替代地或附加地，基站120基于相称的信号或链路质量测量(例如，具有在相对于彼此的阈值内的值的参数)来选择一组UE。这能够包括相称的上行链路和/或下行链路信号质量测量，诸如参考信号接收功率(RSRP)信号与干扰加噪声比(SINR)、信道质量指示符(CQI)等。基于通用UE能力、相称的信号或链路质量测量、估计的UE位置(例如，在UE之间的预定距离内)等的任何组合，基站120选择两个或更多个UE以包括在用于联邦学习的组中。 [0105] 在710处，基站120为包括在利用DNN和静态算法模块的组合的处理链中的DNN选择初始ML配置。为了说明，基站120选择用于BS侧调制DNN、UE侧解调DNN、UE侧调制DNN和/或BS侧解调DNN的任何组合的初始ML配置，如参考图4至图6所描述的。因此，基站120可以选择多个初始ML配置，其中每个初始ML配置对应于不同的DNN。 [0106] 在715处，基站120向在705处选择的一组UE中包括的每个UE指示初始ML配置。换句话说，基站120向UE中的每一个指示通用ML配置作为初始ML配置。这能够包括使用DCI、CSI‑RS、导频信号等来指示初始ML配置，如参考图4至图7所描述的。在一些方面中，基站120向UE中的每一个指示初始ML配置对应于用于联邦学习的基线ML配置。 [0107] 在720处，基站120可选地(用虚线表示)向在705处选择的一组UE中包括的UE中的每一个指示一个或多个训练条件，其中训练条件对应于触发对应的DNN的训练。为了说明，基站通过指示指定关于何时报告更新后的ML信息的规则或指令的一个或多个更新条件来请求UE报告更新后的ML信息(和/或执行训练过程)。作为更新条件的一个示例，基站120请求一组UE中的每个UE周期性地传送更新后的ML信息(和/或执行训练过程)，并且指示复发(recurrence)时间间隔。作为另一示例更新条件，基站120响应于检测到触发事件(诸如对应于UE处的DNN的变化的触发事件)来请求一组UE中的每个UE传送更新后的ML信息(和/或执行训练过程)。为了说明，当UE确定ML参数(例如，权重或系数)已经改变超过阈值时，基站120请求每个UE传送更新后的ML信息。作为另一示例，基站120响应于检测到ML架构何时在UE处改变(诸如当UE(通过UE神经网络管理器216)标识DNN已经通过添加或移除节点或层来改变ML架构时)请求每个UE传送更新后的ML信息。 [0108] 在一些方面中，基站120请求UE基于UE观测的信号或链路质量测量来报告更新后的ML信息。为了说明，基站120响应于标识下行链路信号和/或链路质量参数(例如，RSSI、SINR、CQI、信道延迟扩展、多普勒扩展)已经改变了阈值或满足阈值而请求UE报告更新后的ML信息作为触发事件和/或更新条件。作为另一示例，基站120响应于检测到确收/否定确收(ACK/NACK)的阈值而请求UE报告更新后的ML信息作为触发事件和/或更新条件。因此，基站120能够基于在相应UE处检测到的条件来请求来自该组UE的同步更新(例如，周期性)或来自该组UE的异步更新。在各方面中，基站请求UE报告观测信号或链路质量测量连同更新后的ML信息。 [0109] 在725处，基站120和包括在该组中的UE 110使用包括至少一个DNN和至少一个静态算法模块的相应处理链来处理通信。为了说明，并且参考图4，基站120使用包括BS侧调制DNN(例如，DNN 434)和使用静态算法的编码模块(例如，编码模块428)的混合发射器处理链(例如，混合发射器处理链424)来处理下行链路通信。该组UE中的每个UE使用包括相应的UE侧解调DNN(例如，解调DNN 442)和使用静态算法的相应的解码模块(例如，解码模块444)的相应的混合接收器处理链(例如，混合接收器处理链426的相应实例)来处理下行链路通信，其中每个UE使用在715处指示的通用ML配置来形成相应的UE侧解调DNN。替代地或附加地，该组UE中的每个UE使用包括相应的UE侧调制DNN(例如，调制DNN 434)和使用静态算法的相应的编码模块(例如，编码模块428)的混合发射器处理链(例如，混合发射器处理链424)来处理上行链路通信。基站120替代地或附加地使用包括BS侧解调DNN(例如，解调DNN 442)和使用静态算法的解码模块(例如，解码模块444)的混合接收器处理链(例如，混合接收器处理链426)来处理上行链路通信。 [0110] 在730处，包括在一组UE中的至少一个UE 110检测训练条件。为了说明，UE 110从周期性训练过程中检测训练时间的发生/复发。替代地或附加地，UE检测到“N”个CRC失败，如在图5的565处所描述的、检测不满足性能阈值的信号质量测量和/或链路质量测量、从基站120接收反馈，等等。因此，并且响应于检测到训练条件，UE 110在735处训练UE侧DNN，诸如在图5的565和/或图6的655处描述的。在740处，每个UE 110向基站120传送ML配置更新，如在图5的575处和/或图6的665处描述的。为了视觉清楚，图700图示了一组UE中的每个UE 110检测到训练条件、执行UE侧DNN的训练、以及向基站120并发地传送ML配置更新，但是在其他方面中，每个UE检测相应的训练条件并且在彼此不同的时间(例如，异步地)执行训练。 [0111] 在745处，基站120使用来自一组UE中的相应的UE的接收到的ML配置更新和联邦学习技术来标识一个或多个更新后的ML配置。例如，基站120应用联邦学习技术，该联邦学习技术在不潜在地暴露在UE处使用的私有数据的情况下聚合从多个UE接收到的更新后的ML配置(例如，在740处传送的更新后的ML配置)以生成更新后的ML配置。为了说明，基站120执行聚合ML参数、梯度等的加权平均。作为另一示例，每个UE 110基于其自己的个体输入数据来报告梯度结果，该梯度结果基于功能处理成本(例如，处理时间、处理准确度)来指示最佳ML配置，并且基站120对梯度进行平均。在一些方面中，多个设备报告经学习的ML架构更新和/或从初始和/或通用ML配置的改变。更新后的ML配置能够对应于UE侧解调DNN和/或UE侧调制DNN。在一些方面中，基站120附加地确定对BS侧调制DNN和/或BS侧解调DNN的更新，如参考图4和图5所描述的。 [0112] 在750处，基站120向包括在一组UE中的至少一些UE指示更新后的通用ML配置。这能够包括使用DCI、使用CSI‑RS、导频信号等来指示更新后的通用ML配置。 [0113] 在755处，该组UE中的至少一些UE使用在750处指示的更新后的ML配置来更新相应的UE侧DNN。在760处，过程进行到如在725处执行的信令和数据事务，其中每个UE 110随后使用更新后的UE侧DNN来处理通信、上行链路和/或下行链路。 [0114] 在765处，基站120可选地使用用于BS侧DNN的更新后的ML配置来更新一个或多个BS侧DNN，在图700中通过虚线表示。在770处，基站120使用更新后的BS侧DNN来处理通信、上行链路和/或下行链路。 [0115] 示例方法 [0116] 根据包括DNN和静态算法模块的混合无线通信处理链的一个或多个方面，参考图8至图11描述示例方法800、900、1000和1100。 [0117] 图8图示了用于执行包括DNN和静态算法模块的混合无线通信处理链的各方面的示例方法800。例如，在方法800的各方面中，第一无线通信设备使用混合发射器处理链与第二无线通信设备进行通信。在一些实施方式中，第一无线通信设备是基站(例如，基站120)，并且第二无线通信设备是UE(例如，UE 110)。在其他实施方式中，第一无线通信设备是UE(例如，UE 110)，并且第二无线通信设备是基站(例如，基站120)。 [0118] 在805处，第一无线通信设备选择形成调制深度神经网络(调制DNN)的调制机器学习配置(ML配置)，该调制DNN使用编码比特作为输入来生成调制信号。作为一个示例，基站(例如，基站120)选择BS侧调制ML配置，如在图5的505处所描述的。作为另一示例，UE(例如，UE 110)选择UE侧调制ML配置，如在图6的615处所描述的。 [0119] 在810处，第一无线通信设备基于调制ML配置来形成调制DNN以作为包括调制DNN和至少一个静态算法模块的混合发射器处理链的一部分。为了说明，基站(例如，基站120)形成BS侧调制DNN(例如，调制DNN 434)作为混合发射器处理链(例如，混合发射器处理链424)的一部分，如在图5的525处并且参考图4所描述的。替代地，UE(例如，UE 110)形成UE侧调制DNN(例如，调制DNNS 434)作为混合发射器处理链(例如，混合发射器处理链424)的一部分，如在图6的625处并且参考图4所描述的。 [0120] 在815处，第一无线通信设备使用混合发射器处理链来处理与第二无线通信设备相关联的无线通信。作为一个示例，基站(例如，基站120)使用混合发射器处理链(例如，混合发射器处理链424)来处理针对UE(例如，UE 110)的下行链路通信，如在图5的535处并且参考图4所描述的。作为另一示例，UE(例如，UE 110)使用混合发射器处理链(例如，混合发射器处理链424)来处理针对基站(例如，基站120)的上行链路通信，如在图6的635处并且参考图4所描述的。 [0121] 图9图示了用于执行包括DNN和静态算法模块的混合无线通信处理链的各方面的示例方法900。例如，在方法900的各方面中，第一无线通信设备使用混合接收器处理链与第二无线通信设备进行通信。在一些实施方式中，第一无线通信设备是基站(例如，基站120)，并且第二无线通信设备是UE(例如，UE 110)。在其他实施方式中，第一无线通信设备是UE(例如，UE 110)，并且第二无线通信设备是基站(例如，基站120)。 [0122] 在905处，第一无线通信设备选择形成解调深度神经网络(解调DNN)的解调机器学习配置(ML配置)，该解调DNN使用调制信号作为输入来生成编码比特。作为一个示例，基站(例如，基站120)选择BS侧解调ML配置，如在图6的630处所描述的。作为另一示例，UE(例如，UE 110)选择UE侧解调ML配置，如在图5的515处所描述的。 [0123] 在910处，第一无线通信设备基于解调ML配置来形成解调DNN以作为包括解调DNN和至少一个静态算法模块的混合接收器处理链的一部分。为了说明，基站(例如，基站120)形成BS侧解调DNN(例如，解调DNN 442)作为混合发射器处理链(例如，混合接收器处理链426)的一部分，如在图6的630处并且参考图4所描述的。替代地，UE(例如，UE 110)形成UE侧解调DNN(例如，解调DNN 442)作为混合接收器处理链(例如，混合接收器处理链426)的一部分，如在图5的530处并且参考图4所描述的。 [0124] 在915处，第一无线通信设备使用混合接收器处理链来处理与第二无线通信设备相关联的无线通信。作为一个示例，基站(例如，基站120)使用混合接收器处理链(例如，混合接收器处理链426)来处理来自UE(例如，UE 110)的上行链路通信，如在图6的645处并且参考图4所描述的。作为另一示例，UE(例如，UE 110)使用混合接收器处理链(例如，混合接收器处理链426)来处理来自基站(例如，基站120)的下行链路通信，如在图5的545处并且参考图4所描述的。 [0125] 图10图示了用于执行包括DNN和静态算法模块的混合无线通信处理链的各方面的示例方法1000。在一些实施方式中，方法1000的操作由基站(诸如基站120)执行。 [0126] 在1005处，基站选择形成DNN的机器学习配置，ML配置，该DNN(i)使用编码比特作为输入来生成调制下行链路信号，或者(ii)使用调制上行链路信号作为输入来生成编码比特。例如，基站(例如，基站120)选择用于处理下行链路通信的BS侧调制DNN(例如，调制DNN 434)的BS侧调制ML配置，如在图5的505处所描述的。作为另一示例，基站(例如，基站120)选择用于UE侧解调DNN(例如，解调DNN 442)的UE侧解调配置。在一些方面中，基站选择用于UE的UE侧调制ML配置作为ML配置，如在图6的605处并且参考图4所描述的。 [0127] 在1010处，基站向UE指示ML配置。为了说明，基站(例如，基站120)在DCI字段中或使用参考信号向UE(例如，UE 110)指示BS侧调制ML配置和/或UE侧解调ML配置，如在图5的510处所描述并且如参考图4所描述的。在一些方面中，基站(例如，基站120)指示UE侧调制ML配置，如在图6的610处并且参考图5所描述的。 [0128] 在1015处，基站基于所指示的ML配置来形成基站侧DNN，该基站侧DNN被包括在包括基站侧DNN和至少一个静态算法模块的混合无线通信处理链中。为了说明，当基站在1005和1010处选择和/或指示BS侧调制ML配置时，基站(例如，基站120)形成包括在混合发射器处理链(例如，混合发射器处理链424)中的BS侧调制DNN(例如，调制DNN 432)，如在图5的525处并且参考图4所描述的。替代地或附加地，当基站在1005和1010处选择和/或指示UE侧解调ML配置时，基站(例如，基站120)形成具有互补BS侧ML配置的BS侧调制DNN。在一些方面中，诸如当基站选择并指示UE侧调制ML配置(例如，如在图6的605和610处描述的)时，基站(例如，基站120)形成包括在混合接收器处理链(例如，混合接收器处理链426)中的BS侧解调DNN(例如，解调DNN 442)，如参考图4所描述的。 [0129] 在1020处，基站使用混合无线通信处理链来处理与UE相关联的无线通信。为了说明，基站(例如，基站120)使用包括在混合发射器处理链(例如，混合发射器处理链424)中的BS侧调制DNN(例如，调制DNN 434)来处理针对UE(例如，UE 110)的下行链路通信，如在图5的535处所描述的。替代地或附加地，基站(例如，基站120)使用包括在接收器处理链(例如，混合接收器处理链426)中的BS侧解调DNN(例如，解调DNN 442)来处理从UE(例如，UE 110)接收到的上行链路通信，如在图6的645处所描述的。 [0130] 图11图示了用于执行包括DNN和静态算法模块的混合无线通信处理链的各方面的示例方法1100。在一些实施方式中，方法1100的操作由用户设备(诸如UE 110)执行。 [0131] 在1105处，UE从基站接收ML配置的指示，该ML配置形成处理与基站相关联的无线通信的DNN。作为一个示例，UE(例如，UE 110)接收如图5的510处所描述的BS侧调制ML配置的指示。作为另一示例，UE(例如，UE 110)接收UE侧ML配置的指示，诸如通过接收如在图6的610处所描述的UE侧调制ML配置的指示和/或通过接收如在图5的510处描述的UE侧解调ML配置的指示。 [0132] 在1110处，UE基于所指示的ML配置来选择形成UE侧DNN的UE侧ML配置，该UE侧DNN(i)使用调制下行链路信号作为输入来生成编码比特作为输出，或者(ii)使用编码比特作为输入来生成调制上行链路信号。为了说明，UE(例如，UE 110)选择如在图5的515处所描述的UE侧解调ML配置和/或选择如在图6的615处所描述的UE侧调制ML配置。 [0133] 在1115处，UE使用UE侧ML配置来形成UE侧DNN以作为包括至少一个静态算法模块和UE侧DNN的混合无线通信处理链的一部分。这能够包括UE(例如，UE 110)形成包括在混合接收器处理链(例如，混合接收器处理链426)中的UE侧解调DNN，如在图5的530处并且参考图4所描述的，或者UE(例如，UE 110)形成包括在混合发射器处理链(例如，混合发射器处理链424)中的UE侧调制DNN，如在图6的625处并且参考图4所描述的。 [0134] 在1120处，UE使用混合无线通信处理链来处理与基站相关联的无线通信。为了说明，UE(例如，UE 110)使用包括在接收器处理链(例如，混合接收器处理链426)中的UE侧解调DNN(例如，解调DNN 442)来处理来自基站(例如，基站120)的下行链路通信，如在图5的545处所描述的。替代地或附加地，用户设备(例如，UE 110)使用包括在发射器处理链(例如，混合发射器处理链424)中的UE侧调制DNN(例如，调制DNN 434)来处理针对基站(例如，基站120)的上行链路通信，如在图6的635处所描述的。 [0135] 描述方法800至1100的方法框的顺序不旨在被解释为限制，并且能够以任何顺序跳过或组合任何数量的所描述的方法框以实现方法或替代方法。通常，本文中描述的组件、模块、方法和操作中的任一个能够使用软件、固件、硬件(例如，固定逻辑电路)、手动处理或其任何组合来实现。示例方法的一些操作可以在存储在计算机可读存储介质上的可执行指令的一般上下文中描述，该计算机可读存储介质在计算机处理系统本地和/或远程，并且实施方式能够包括软件应用程序、程序、功能等。替代地或附加地，本文中描述的任何功能能够至少部分地由一个或多个硬件逻辑组件执行，诸如但不限于现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SoC)、复杂可编程逻辑器件(CPLD)等。 [0136] 尽管已经以特定于特征和/或方法的语言描述了用于包括DNN和静态算法模块的混合无线通信处理链的技术和设备，但是应当理解，所附权利要求的主题不必限于所描述的特定特征或方法。相反，特定特征和方法被公开为包括DNN和静态算法模块的混合无线通信处理链的示例实施方式。 [0137] 示例 [0138] 在下文中，描述了本文中描述的主题的一些示例。 [0139] 在一个示例中，一种由第一无线通信设备实现的用于使用混合无线通信处理链与第二无线通信设备进行通信的方法。方法包括：使用第一无线通信设备选择用于形成调制深度神经网络DNN的调制机器学习ML配置，该调制深度神经网络使用从编码模块接收到的编码比特作为输入来生成调制信号；基于调制ML配置来形成调制DNN以作为包括调制DNN和至少一个静态算法模块的混合发射器处理链的一部分；以及使用混合发射器处理链传送与第二无线通信设备相关联的无线通信。 [0140] 使用混合发射器处理链来处理与第二无线通信设备相关联的无线通信可以可选地包括向第二无线通信设备传送调制信号。 [0141] 选择调制ML配置可选地还包括选择形成执行多输入多输出(MIMO)天线处理的DNN的调制ML配置。至少一个静态算法模块可以可选地是编码模块。方法可以可选地还包括使用编码模块来生成编码比特。生成编码比特可以可选地还包括由编码模块使用以下中的一个或多个：低密度奇偶校验(LPDC)编码算法；极化编码算法；turbo编码算法；或Viterbi编码算法。 [0142] 选择调制ML配置可以可选地包括选择：卷积神经网络架构；循环神经网络架构；全连接神经网络架构；或部分连接神经网络架构。 [0143] 方法可以可选地还包括向第二无线通信设备指示调制ML配置。 [0144] 第一无线通信设备可以是基站。第二无线通信设备可以是用户设备(UE)。选择调制ML配置可以可选地还包括选择BS侧调制ML配置以用于形成BS侧调制DNN作为调制DNN，该BS侧调制DNN使用从编码模块接收到的编码比特作为输入来生成调制下行链路信号。形成调制DNN可以可选地还包括形成BS侧调制DNN。方法可以可选地还包括向UE指示BS侧调制ML配置。向UE指示BS侧调制ML配置可以可选地还包括：使用下行链路控制信息(DCI)中的字段来指示BS侧调制ML配置，或者传送被映射到BS侧调制ML配置的参考信号。 [0145] 方法可以可选地还包括：从UE接收混合自动重传请求(HARQ)反馈以及使用HARQ反馈来训练BS侧调制DNN。方法可以可选地还包括选择用户设备侧(UE侧)调制ML配置，该用户设备侧(UE侧)调制ML配置形成用于生成调制上行链路信号的UE侧调制DNN并向UE指示UE侧调制ML配置的。解调BS侧DNN可以可选地基于UE侧调制ML配置来形成。向UE指示UE侧调制ML配置可以可选地还包括：使用下行链路控制信息(DCI)向UE指示UE侧调制ML配置。BS侧调制ML配置可以可选地是第一BS侧ML配置。方法可以可选地还包括：从UE接收用户设备选择的(UE选择的)UE侧解调ML配置的指示。BS侧调制DNN可以可选地使用与UE选择的UE侧解调ML配置互补的第二BS侧调制ML配置来更新。接收UE选择的UE侧解调ML配置的指示可以可选地还包括：在信道状态信息(CSI)中接收UE选择的UE侧解调ML配置的指示。UE可以可选地是第一UE。可以可选地从第一UE接收对通用ML配置的第一UE侧ML配置更新。通用ML配置可以可选地是解调ML配置或调制ML配置。可以可选地从第二UE接收对通用ML配置的第二UE侧ML配置更新。可以可选地使用联邦学习技术、第一UE侧ML配置更新和第二UE侧ML配置更新来选择更新后的通用ML配置。第一UE和第二UE可以可选地针对使用更新后的通用ML配置来更新相应的UE侧DNN。 [0146] 第一无线通信设备可以可选地是用户设备(UE)。第二无线通信设备可以可选地是基站。选择调制ML配置还可以包括选择形成UE侧调制DNN的UE侧调制ML配置，该UE侧调制DNN使用编码比特作为输入来生成调制上行链路信号。至少一个静态算法模块可以可选地是编码模块。传送无线通信还可以包括：从编码模块接收编码比特作为输入；以及使用混合发射器处理链中的UE侧调制DNN并且基于编码比特来生成调制上行链路信号。选择调制ML配置可以可选地还包括：从基站接收UE侧调制ML配置的指示；以及使用指示来选择调制ML配置。接收该指示可以可选地还包括：在用于物理上行链路共享信道(PUSCH)的下行链路控制信息(DCI)的字段中接收指示。选择UE侧调制ML配置可以可选地还包括从预定义的调制ML配置集合中选择UE侧调制ML配置。 [0147] 在另一示例中，一种由第一无线通信设备实现的用于使用混合无线通信处理链与第二无线通信设备进行通信的方法。方法包括：选择解调机器学习ML配置，该解调机器学习ML配置形成解调深度神经网络DNN，该解调深度神经网络DNN使用调制信号作为输入来生成编码比特作为输出；使用解调ML配置来形成解调DNN以作为包括至少一个静态算法模块和解调DNN的混合接收器处理链的一部分；以及使用混合接收器处理链从第二无线通信设备接收无线信号。 [0148] 至少一个静态算法模块可以可选地包括解码模块。方法可以可选地还包括使用解码模块来生成解码比特。生成解码比特可以可选地还包括由解码模块使用以下一个或多个：低密度奇偶校验LPDC、解码算法；极化解码算法；turbo解码算法；或Viterbi解码算法。选择解调ML配置可以可选地还包括选择形成解调DNN以接收调制信号作为第一输入的ML配置，以及将来自解码模块的反馈解码为第二输入。方法可以可选地还包括形成解调DNN以从解码模块接收一个或多个对数似然比作为解调DNN的第二输入。方法可以可选地还包括使用块差错率或比特差错率中的至少一个来测量解调DNN的成本函数。可以可选地使用成本函数来确定解调DNN的性能已经降低到阈值以下。基于将性能确定为劣化到低于阈值，可以可选地发起用于解调DNN的训练过程。方法可以可选地还包括：基于以下各项来确定发起用于解调DNN的训练过程：针对由解调DNN和解码模块组合生成的恢复比特，分析一个或多个信号质量测量或链路质量测量；或者分析循环冗余校验CRC于。方法可以可选地还包括：针对恢复比特，标识CRC连续地失败了预定次数；以及基于CRC失败了预定次数，训练解调DNN。 [0149] 第一无线通信设备可以可选地是用户设备(UE)。第二无线通信设备可以可选地是基站。选择解调ML配置可以可选地还包括选择形成UE侧解调DNN作为解调DNN的用户设备侧(UE侧)解调ML配置。选择解调ML配置可以可选地还包括：从基站接收基站侧调制ML配置的指示；以及使用基站侧调制ML配置来选择用户设备侧UE侧解调ML配置。从基站接收指示可以可选地还包括：在下行链路控制信息DCI中接收指示；或者接收作为映射到基站侧调制ML配置的参考信号的指示。选择UE侧解调ML配置可以可选地还包括：基于由基站指示的基站侧调制ML配置来选择第一解调ML配置；确定使用第一解调ML配置形成的解调DNN未能满足性能阈值；以及选择满足性能阈值的第二解调ML配置。可以可选地向基站指示第二解调ML配置。向基站指示第二解调ML配置可以可选地还包括传送映射到第二解调ML配置的探测参考信号(SRS)。 [0150] 第一无线通信设备可以可选地是基站。第二无线通信设备可以可选地是用户设备(UE)。选择解调ML配置可以可选地还包括选择形成BS侧解调深度神经网络(DNN)的基站侧(BS侧)解调ML配置，该BS侧解调深度神经网络使用调制上行链路信号作为输入来生成解码比特。选择BS侧解调ML配置可以可选地还包括将BS侧解调ML配置选择为与向UE指示的UE侧调制ML配置的互补ML配置。 [0151] 在另一示例中，一种装置包括：无线收发器；处理器；以及包括指令的计算机可读存储介质，该指令响应于由处理器执行，指命该装置执行本文中描述的任何方法。 [0152] 在另一示例中，一种计算机可读存储介质包括指令，该指令响应于由处理器执行，指命该装置执行本文中描述的任何方法。 |
||||||
QQ群二维码
意见反馈
意见反馈