基于神经网络的非线性MU-MIMO预编码的制作方法

基于神经网络的非线性mu-mimo预编码
1.相关申请的交叉引用
2.本技术要求于2021年2月17日提交的题为“neural network based nonlinear mu-mimo precoding(基于神经网络的非线性mu-mimo预编码)”的美国专利申请no.17/178,175的权益，该申请通过援引全部明确纳入于此。
3.背景
技术领域
4.本公开一般涉及通信系统，且尤其涉及用于包括预编码的无线通信的技术和装置。
5.引言
6.无线通信系统被广泛部署以提供诸如电话、视频、数据、消息接发、和广播等各种电信服务。典型的无线通信系统可采用能够通过共享可用系统资源来支持与多个用户通信的多址技术。此类多址技术的示例包括码分多址(cdma)系统、时分多址(tdma)系统、频分多址(fdma)系统、正交频分多址(ofdma)系统、单载波频分多址(sc-fdma)系统、以及时分同步码分多址(td-scdma)系统。
7.这些多址技术已经在各种电信标准中被采纳以提供使不同的无线设备能够在城市、国家、地区、以及甚至全球级别上进行通信的共同协议。示例电信标准是5g新无线电(nr)。5g nr是由第三代伙伴项目(3gpp)为满足与等待时间、可靠性、安全性、可缩放性(例如，与物联网(iot))相关联的新要求以及其他要求所颁布的连续移动宽带演进的部分。5g nr包括与增强型移动宽带(embb)、大规模机器类型通信(mmtc)和超可靠低等待时间通信(urllc)相关联的服务。5g nr的一些方面可以基于4g长期演进(lte)标准。存在对5g nr技术的进一步改进的需求。这些改进还可适用于其他多址技术以及采用这些技术的电信标准。
8.概述
9.以下给出了一个或多个方面的简要概述以提供对此类方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在标识出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一目的是以简化形式给出一个或多个方面的一些概念以作为稍后给出的更详细描述之序言。
10.在本公开的一方面，提供了一种方法、计算机可读介质和装置。该装置可包括基站和至少一个用户装备(ue)。基站可向供多用户mimo(mu-mimo)传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合，以及使用线性预编码矩阵来向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合。第一预编码器码元集合可包括n乘1向量，n是用于经配对ue集合的流的数目。非线性预编码可由神经网络或机器学习模型来执行。在一个方面，非线性预编码可由具有输出预编码矩阵的最后层的超网络型神经网络来执行。在另一方面，非线性预编码可由输出被提供作为线性预编码的输入的预编码器输出的神经网络执行。非线性预编码可以基于以下一者或多者：用于经配对ue集合的多
个调制和编码方案(mcs)、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、或用于经配对ue集合的信道相关性矩阵。非线性预编码可以进一步基于要被传送给经配对ue集合的多个调制码元。
11.基站可对第二预编码器码元集合进行归一化、以及在该数据的传输之前使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。基站可使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。在一个方面，缩放因子可以是基于神经网络来生成的。在另一方面，缩放因子可以是基于用于经配对ue集合的信道矩阵或用于经配对ue集合的调制码元中的一者或多者来生成的。
12.基站可基于第二预编码器码元集合和解调参考信号(dmrs)来将第二预编码器码元集合传送给该经配对ue集合。基站可传送包括第二预编码器码元集合的物理下行链路共享信道(pdsch)传输。
13.基站可向与该数据相关联的dmrs应用该线性预编码。线性预编码矩阵可以基于对基站和经配对ue集合之间的信道的信道测量。线性预编码矩阵可被缩放成使得基于预期运算的长期平均在阈值平均发射功率内。该基站可将该dmrs传送给该经配对ue集合。dmrs可在不进行应用于数据的归一化或缩放的情况下被传送。
14.ue可从基站接收mu-mimo数据传输、部分地基于线性预编码来对该mu-mimo数据传输进行解码、以及部分地基于非线性预编码来对该mu-mimo数据传输进行解码。基于非线性预编码的解码可由神经网络或机器学习模型来执行。非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、用于经配对ue集合的信道相关性矩阵、或要被传送给经配对ue集合的调制码元。ue可基于基站和ue之间的线性预编码矩阵、使用经预编码信道的信道估计来解码mu-mimo数据传输。mu-mimo数据传输可包括pdsch传输。
15.ue可接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的dmrs，基于该dmrs来执行信道估计以确定经预编码信道。dmrs可在不进行应用于数据的归一化或缩放的情况下被接收。
16.为了达成前述及相关目的，这一个或多个方面包括在下文充分描述并在权利要求中特别指出的特征。以下描述和附图详细阐述了这一个或多个方面的某些解说性特征。但是，这些特征仅仅是指示了可采用各种方面的原理的各种方式中的若干种，并且本描述旨在涵盖所有此类方面及其等效方案。
17.附图简述
18.图1是解说无线通信系统和接入网的示例的示图。
19.图2a是解说根据本公开的各个方面的第一帧的示例的示图。
20.图2b是解说根据本公开的各个方面的在子帧内的dl信道的示例的示图。
21.图2c是解说根据本公开的各个方面的第二帧的示例的示图。
22.图2d是解说根据本公开的各个方面的在子帧内的ul信道的示例的示图。
23.图3是解说接入网中的基站和用户装备(ue)的示例的示图。
24.图4是用于pdsch的nn预编码方案的概念图。
25.图5是用于dmrs的线性预编码方案500的概念图。
26.图6是无线通信的通信图。
27.图7是无线通信方法的流程图。
28.图8是无线通信方法的流程图。
29.图9是解说示例设备的硬件实现的示例的示图。
30.图10是解说示例设备的硬件实现的示例的示图。
31.详细描述
32.以下结合附图阐述的详细描述旨在作为各种配置的描述而无意表示可实践本文所描述的概念的仅有配置。本详细描述包括具体细节以提供对各种概念的透彻理解。然而，对于本领域技术人员将显而易见的是，没有这些具体细节也可实践这些概念。在一些实例中，以框图形式示出众所周知的结构和组件以便避免淡化此类概念。
33.现在将参考各种装置和方法给出电信系统的若干方面。这些装置和方法将在以下详细描述中进行描述并在附图中由各种框、组件、电路、过程、算法等(统称为“元素”)来解说。这些元素可使用电子硬件、计算机软件、或其任何组合来实现。此类元素是实现成硬件还是软件取决于具体应用和加诸于整体系统上的设计约束。
34.作为示例，元素、或元素的任何部分、或者元素的任何组合可被实现为包括一个或多个处理器的“处理系统”。处理器的示例包括：微处理器、微控制器、图形处理单元(gpu)、中央处理单元(cpu)、应用处理器、数字信号处理器(dsp)、精简指令集计算(risc)处理器、片上系统(soc)、基带处理器、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、状态机、门控逻辑、分立的硬件电路以及其他配置成执行本公开中通篇描述的各种功能性的合适硬件。处理系统中的一个或多个处理器可以执行软件。软件应当被宽泛地解释成意为指令、指令集、代码、代码段、程序代码、程序、子程序、软件组件、应用、软件应用、软件包、例程、子例程、对象、可执行件、执行的线程、规程、函数等，无论其是用软件、固件、中间件、微代码、硬件描述语言、还是其他术语来述及皆是如此。
35.相应地，在一个或多个示例实施例中，所描述的功能可以在硬件、软件、或其任何组合中实现。如果在软件中实现，则各功能可作为一条或多条指令或代码存储或编码在计算机可读介质上。计算机可读介质包括计算机存储介质。存储介质可以是可由计算机访问的任何可用介质。作为示例而非限制，此类计算机可读介质可包括随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程rom(eeprom)、光盘存储、磁盘存储、其他磁性存储设备、上述类型的计算机可读介质的组合、或能够被用于存储可被计算机访问的指令或数据结构形式的计算机可执行代码的任何其他介质。
36.传送方可应用基于机器学习(ml)或神经网络(nn)的非线性预编码以向一个或多个接收方传送多输入多输出(mimo)传输。例如，基站可使用ml/nn来确定用于至经配对ue集合的pdsch传输的多用户mimo(mu-mimo)预编码器。ml或nn可被用于应用非线性预编码，该非线性预编码将pdsch的调制码元映射到用于每个基站-ue天线对的下行链路传播信道。非线性预编码器可以基于调制码元的函数，并且映射可以逐副载波改变。ml或nn的使用可能会提高ue处的信道估计的复杂性，并且可能会提高用于与pdsch相关联的解调参考信号(dmrs)传输的开销。
37.本文中所呈现的各方面提供改进的预编码，其提供基于ml/nn的预编码的益处，同时降低ue处的信道估计和训练复杂性并且降低dmrs开销。如本文中更详细地描述的，基站
或其他传送方可应用包括线性预编码和基于nn或ml的非线性预编码的组合的预编码。
38.图1是解说无线通信系统和接入网100的示例的示图。无线通信系统(亦称为无线广域网(wwan))包括基站102、ue 104、演进型分组核心(epc)160和另一核心网190(例如，5g核心(5gc))。基站102可包括宏蜂窝小区(高功率蜂窝基站)和/或小型蜂窝小区(低功率蜂窝基站)。宏蜂窝小区包括基站。小型蜂窝小区包括毫微微蜂窝小区、微微蜂窝小区、和微蜂窝小区。
39.配置成用于4g lte的基站102(统称为演进型通用移动电信系统(umts)地面无线电接入网(e-utran))可通过第一回程链路132(例如，s1接口)与epc 160对接。配置成用于5g nr的基站102(统称为下一代ran(ng-ran))可通过第二回程链路184与核心网190对接。除了其他功能，基站102还可执行以下功能中的一者或多者：用户数据的传递、无线电信道暗码化和暗码解译、完整性保护、报头压缩、移动性控制功能(例如，切换、双连通性)、蜂窝小区间干扰协调、连接建立和释放、负载平衡、非接入阶层(nas)消息的分发、nas节点选择、同步、无线电接入网(ran)共享、多媒体广播多播服务(mbms)、订户和装备追踪、ran信息管理(rim)、寻呼、定位、以及警报消息的递送。基站102可以直接或间接地(例如，通过epc 160或核心网190)在第三回程链路134(例如，x2接口)上彼此通信。第一回程链路132、第二回程链路184和第三回程链路134可以是有线的或无线的。
40.基站102可与ue 104进行无线通信。每个基站102可为各自相应的地理覆盖区域110提供通信覆盖。可能存在交叠的地理覆盖区域110。例如，小型蜂窝小区102’可具有与一个或多个宏基站102的覆盖区域110交叠的覆盖区域110’。包括小型蜂窝小区和宏蜂窝小区两者的网络可被称为异构网络。异构网络还可包括归属演进型b节点(enb)(henb)，该henb可向被称为封闭订户群(csg)的受限群提供服务。基站102与ue 104之间的通信链路120可包括从ue 104到基站102的上行链路(ul)(亦称为反向链路)传输和/或从基站102到ue 104的下行链路(dl)(亦称为前向链路)传输。通信链路120可使用多输入多输出(mimo)天线技术，包括空间复用、波束成形和/或发射分集。这些通信链路可通过一个或多个载波。对于在每个方向上用于传输的总共至多达yx mhz(x个分量载波)的载波聚集中分配的每个载波，基站102/ue 104可使用至多达y mhz(例如，5、10、15、20、100、400mhz等)带宽的频谱。这些载波可以或者可以不彼此毗邻。载波的分配可以关于dl和ul是非对称的(例如，与ul相比可将更多或更少载波分配给dl)。分量载波可包括主分量载波以及一个或多个副分量载波。主分量载波可被称为主蜂窝小区(pcell)，并且副分量载波可被称为副蜂窝小区(scell)。
41.某些ue 104可使用设备到设备(d2d)通信链路158来彼此通信。d2d通信链路158可使用dl/ul wwan频谱。d2d通信链路158可使用一个或多个侧链路信道，诸如物理侧链路广播信道(psbch)、物理侧链路发现信道(psdch)、物理侧链路共享信道(pssch)、以及物理侧链路控制信道(pscch)。d2d通信可通过各种各样的无线d2d通信系统，诸如举例而言，wimedia、蓝牙、zigbee、以电气与电子工程师协会(ieee)802.11标准为基础的wi-fi、lte、或nr。
42.无线通信系统可进一步包括例如在5ghz无执照频谱等中经由通信链路154与wi-fi站(sta)152处于通信的wi-fi接入点(ap)150。当在无执照频谱中通信时，sta 152/ap 150可在通信之前执行畅通信道评估(cca)以确定信道是否可用。
43.小型蜂窝小区102’可在有执照和/或无执照频谱中操作。当在无执照频谱中操作
时，小型蜂窝小区102’可采用nr并且使用与由wi-fi ap 150所使用的相同的无执照频谱(例如，5ghz等)。在无执照频谱中采用nr的小型蜂窝小区102’可推升接入网的覆盖和/或增大接入网的容量。
44.通常基于频率/波长来将电磁频谱细分成各种类、频带、信道等。在5g nr中，两个初始操作频带已被标识为频率范围指定fr1(410mhz
–
7.125ghz)和fr2(24.25ghz
–
52.6ghz)。fr1与fr2之间的频率通常被称为中频带频率。尽管fr1的一部分大于6ghz，但在各种文档和文章中，fr1通常(可互换地)被称为“亚6ghz频带”。关于fr2有时会出现类似的命名问题，尽管不同于由国际电信联盟(itu)标识为“毫米波”频带的极高频率(ehf)频带(30ghz
–
300ghz)，但是fr2在各文档和文章中通常(可互换地)被称为“毫米波”频带。
45.考虑到以上各方面，除非特别另外声明，否则应理解，如果在本文中使用，术语亚“6ghz”等可广义地表示可小于6ghz、可在fr1内、或可包括中频带频率的频率。此外，除非特别另外声明，否则应理解，如果在本文中使用，术语毫米波摂等可广义地表示可包括中频带频率、可在fr2内、或可在ehf频带内的频率。
46.无论是小型蜂窝小区102’还是大型蜂窝小区(例如，宏基站)，基站102可包括和/或被称为enb、gnodeb(gnb)、或另一类型的基站。一些基站(诸如gnb 180)可在传统亚6ghz频谱中、在毫米波频率、和/或近毫米波频率中操作以与ue 104通信。当gnb 180在毫米波频率或近毫米波频率中操作时，gnb 180可被称为毫米波基站。毫米波基站180可以利用与ue 104的波束成形182来补偿路径损耗和短射程。基站180和ue 104可各自包括多个天线，诸如天线振子、天线面板和/或天线阵列以促成波束成形。
47.基站180可在一个或多个传送方向182’上向ue 104传送经波束成形信号。ue 104可在一个或多个接收方向182”上从基站180接收经波束成形信号。ue104也可在一个或多个传送方向上向基站180传送经波束成形信号。基站180可在一个或多个接收方向上从ue 104接收经波束成形信号。基站180/ue 104可执行波束训练以确定基站180/ue 104中的每一者的最佳接收方向和传送方向。基站180的传送方向和接收方向可以相同或可以不同。ue 104的传送方向和接收方向可以相同或可以不同。
48.epc 160可包括移动性管理实体(mme)162、其他mme 164、服务网关166、多媒体广播多播服务(mbms)网关168、广播多播服务中心(bm-sc)170和分组数据网络(pdn)网关172。mme 162可与归属订户服务器(hss)174处于通信。mme 162是处理ue 104与epc 160之间的信令的控制节点。一般而言，mme 162提供承载和连接管理。所有用户网际协议(ip)分组通过服务网关166来传递，服务网关166自身连接到pdn网关172。pdn网关172提供ue ip地址分配以及其他功能。pdn网关172和bm-sc 170连接到ip服务176。ip服务176可包括因特网、内联网、ip多媒体子系统(ims)、ps流送服务、和/或其他ip服务。bm-sc 170可提供用于mbms用户服务置备和递送的功能。bm-sc 170可用作内容提供商mbms传输的进入点、可用来授权和发起公共陆地移动网(plmn)内的mbms承载服务、并且可用来调度mbms传输。mbms网关168可被用来向属于广播特定服务的多播广播单频网(mbsfn)区域的基站102分发mbms话务，并且可负责会话管理(开始/停止)并负责收集embms相关的收费信息。
49.核心网190可包括接入和移动性管理功能(amf)192、其他amf 193、会话管理功能(smf)194、以及用户面功能(upf)195。amf 192可与统一数据管理(udm)196处于通信。amf 192是处理ue 104与核心网190之间的信令的控制节点。一般而言，amf 192提供qos流和会
话管理。所有用户网际协议(ip)分组通过upf 195来传递。upf 195提供ue ip地址分配以及其他功能。upf 195连接到ip服务197。ip服务197可包括因特网、内联网、ip多媒体子系统(ims)、分组交换(ps)流送(pss)服务、和/或其他ip服务。
50.基站可包括和/或被称为gnb、b节点、enb、接入点、基收发机站、无线电基站、无线电收发机、收发机功能、基本服务集(bss)、扩展服务集(ess)、传送接收点(trp)、或某个其他合适术语。基站102为ue 104提供去往epc160或核心网190的接入点。ue 104的示例包括蜂窝电话、智能电话、会话发起协议(sip)电话、膝上型设备、个人数字助理(pda)、卫星无线电、全球定位系统、多媒体设备、视频设备、数字音频播放器(例如，mp3播放器)、相机、游戏控制台、平板设备、智能设备、可穿戴设备、交通工具、电表、气泵、大型或小型厨房电器、健康护理设备、植入物、传感器/致动器、显示器、或任何其他类似的功能设备。一些ue 104可被称为iot设备(例如，停车计时器、油泵、烤箱、交通工具、心脏监视器等)。ue 104也可被称为站、移动站、订户站、移动单元、订户单元、无线单元、远程单元、移动设备、无线设备、无线通信设备、远程设备、移动订户站、接入终端、移动终端、无线终端、远程终端、手持机、用户代理、移动客户端、客户端、或某种其他合适的术语。
51.再次参照图1，在某些方面，ue 104可包括非线性预编码解码器组件198，该非线性预编码解码器组件198被配置成从基站接收mu-mimo数据传输，基于线性预编码来部分地解码该mu-mimo数据传输，以及基于非线性预编码来部分地解码该mu-mimo数据传输。在某些方面，基站180可包括非线性预编码编码器组件199，该非线性预编码编码器组件199被配置成向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合，使用线性预编码矩阵来对第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合，以及基于第二预编码器码元集合来将第二预编码器码元集合传送给该经配对ue集合。尽管以下描述可能聚焦于5g nr，但本文中所描述的概念可适用于其他类似领域，诸如lte、lte-a、cdma、gsm和其他无线技术。
52.图2a是解说5g nr帧结构内的第一子帧的示例的示图200。图2b是解说5g nr子帧内的dl信道的示例的示图230。图2c是解说5g nr帧结构内的第二子帧的示例的示图250。图2d是解说5g nr子帧内的ul信道的示例的示图280。5g nr帧结构可以是频分双工(fdd)的，其中对于特定副载波集(载波系统带宽)，该副载波集内的子帧专用于dl或ul；或者可以是时分双工(tdd)的，其中对于特定副载波集(载波系统带宽)，该副载波集内的子帧专用于dl和ul两者。在由图2a、2c提供的示例中，5g nr帧结构被假定为tdd，其中子帧4被配置有时隙格式28(大部分是dl)且子帧3被配置有时隙格式1(全部是ul)，其中d是dl，u是ul，并且f是供在dl/ul之间灵活使用的。虽然子帧3、4分别被示为具有时隙格式1、28，但是任何特定子帧可被配置有各种可用时隙格式0-61中的任一者。时隙格式0、1分别是全dl、全ul。其他时隙格式2-61包括dl、ul、和灵活码元的混合。ue通过所接收到的时隙格式指示符(sfi)而被配置成具有时隙格式(通过dl控制信息(dci)来动态地配置，或者通过无线电资源控制(rrc)信令来半静态地/静态地配置)。注意，以下描述也适用于为tdd的5g nr帧结构。
53.其他无线通信技术可具有不同的帧结构和/或不同的信道。一帧(10ms)可被划分成10个相等大小的子帧(1ms)。每个子帧可包括一个或多个时隙。子帧还可包括迷你时隙，其可包括7、4或2个码元。每个时隙可包括7或14个码元，这取决于时隙配置。对于时隙配置0，每个时隙可包括14个码元，而对于时隙配置1，每个时隙可包括7个码元。dl上的码元可以
是循环前缀(cp)正交频分复用(ofdm)(cp-ofdm)码元。ul上的码元可以是cp-ofdm码元(对于高吞吐量场景)或离散傅立叶变换(dft)扩展ofdm(dft-s-ofdm)码元(也称为单载波频分多址(sc-fdma)码元)(对于功率受限的场景；限于单流传输)。子帧内的时隙数目基于时隙配置和参数设计。对于时隙配置0，不同参数设计μ为0到4分别允许每子帧1、2、4、8和16个时隙。对于时隙配置1，不同参数设计0到2分别允许每子帧2、4和8个时隙。相应地，对于时隙配置0和参数设计μ，存在每时隙14个码元和每子帧2
μ
个时隙。副载波间隔和码元长度/历时因变于参数设计。副载波间隔可等于2
μ
*15khz，其中μ为参数设计0到4。如此，参数设计μ＝0具有15khz的副载波间隔，而参数设计μ＝4具有240khz的副载波间隔。码元长度/历时与副载波间隔逆相关。图2a至图2d提供了每时隙14个码元的时隙配置0和每子帧4个时隙的参数设计μ＝2的示例。时隙历时为0.25ms，副载波间隔为60khz，并且码元历时为大约16.67μs。在帧集合内，可能存在被频分复用的一个或多个不同的带宽部分(bwp)(参见图2b)。每一bwp可具有特定的参数设计。
54.资源网格可被用于表示帧结构。每个时隙包括延伸12个连贯副载波的资源块(rb)(也称为物理rb(prb))。资源网格被划分成多个资源元素(re)。由每个re携带的比特数取决于调制方案。
55.如图2a中解说的，一些re携带用于ue的参考(导频)信号(rs)。rs可包括用于ue处的信道估计的解调rs(dm-rs)(对于一个特定配置指示为r，但其他dm-rs配置是可能的)和信道状态信息参考信号(csi-rs)。rs还可包括波束测量rs(brs)、波束精化rs(brrs)和相位跟踪rs(pt-rs)。
56.图2b解说了帧的子帧内的各种dl信道的示例。物理下行链路控制信道(pdcch)在一个或多个控制信道元素(cce)(例如，1、2、4、8或16个cce)内携带dci，每个cce包括6个re群(reg)，每个reg包括rb的ofdm码元中的12个连贯re。一个bwp内的pdcch可被称为控制资源集(coreset)。ue被配置成在coreset上的pdcch监视时机期间在pdcch搜索空间(例如，共用搜索空间、因ue而异的搜索空间)中监视pdcch候选，其中pdcch候选具有不同的dci格式和不同的聚集等级。附加bwp可被定位在跨越信道带宽的更高和/或更低频率处。主同步信号(pss)可在帧的特定子帧的码元2内。pss由ue 104用于确定子帧/码元定时和物理层身份。副同步信号(sss)可在帧的特定子帧的码元4内。sss由ue用于确定物理层蜂窝小区身份群号和无线电帧定时。基于物理层身份和物理层蜂窝小区身份群号，ue可确定物理蜂窝小区标识符(pci)。基于pci，ue可确定前述dm-rs的位置。携带主信息块(mib)的物理广播信道(pbch)可以在逻辑上与pss和sss编群在一起以形成同步信号(ss)/pbch块(也被称为ss块(ssb))。mib提供系统带宽中的rb数目、以及系统帧号(sfn)。物理下行链路共享信道(pdsch)携带用户数据、不通过pbch传送的广播系统信息(诸如系统信息块(sib))、以及寻呼消息。
57.如在图2c中解说的，一些re携带用于基站处的信道估计的dm-rs(对于一个特定配置指示为r，但其他dm-rs配置是可能的)。ue可传送用于物理上行链路控制信道(pucch)的dm-rs和用于物理上行链路共享信道(pusch)的dm-rs。pusch dm-rs可在pusch的前一个或前两个码元中被传送。pucch dm-rs可取决于传送短pucch还是传送长pucch并取决于所使用的特定pucch格式而在不同配置中被传送。ue可传送探通参考信号(srs)。srs可在子帧的最后码元中被传送。srs可具有梳齿结构，并且ue可在梳齿之一上传送srs。srs可由基站用
于信道质量估计以在ul上启用取决于频率的调度。
58.图2d解说了帧的子帧内的各种ul信道的示例。pucch可位于如在一种配置中指示的位置。pucch携带上行链路控制信息(uci)，诸如调度请求、信道质量指示符(cqi)、预编码矩阵指示符(pmi)、秩指示符(ri)、以及混合自动重复请求(harq)确收(ack)(harq-ack)信息(ack/否定ack(nack))反馈。pusch携带数据，并且可附加地用于携带缓冲器状态报告(bsr)、功率净空报告(phr)、和/或uci。
59.图3是接入网中基站310与ue 350处于通信的框图。在dl中，来自epc160的ip分组可被提供给控制器/处理器375。控制器/处理器375实现层3和层2功能性。层3包括无线电资源控制(rrc)层，并且层2包括服务数据适配协议(sdap)层、分组数据汇聚协议(pdcp)层、无线电链路控制(rlc)层、以及媒体接入控制(mac)层。控制器/处理器375提供与系统信息(例如，mib、sib)的广播、rrc连接控制(例如，rrc连接寻呼、rrc连接建立、rrc连接修改、以及rrc连接释放)、无线电接入技术(rat)间移动性、以及ue测量报告的测量配置相关联的rrc层功能性；与报头压缩/解压缩、安全性(暗码化、暗码解译、完整性保护、完整性验证)、以及切换支持功能相关联的pdcp层功能性；与上层分组数据单元(pdu)的传递、通过arq的纠错、rlc服务数据单元(sdu)的级联、分段和重组、rlc数据pdu的重新分段、以及rlc数据pdu的重新排序相关联的rlc层功能性；以及与逻辑信道和传输信道之间的映射、将mac sdu复用到传输块(tb)上、从tb解复用mac sdu、调度信息报告、通过harq的纠错、优先级处置、以及逻辑信道优先级区分相关联的mac层功能性。
60.发射(tx)处理器316和接收(rx)处理器370实现与各种信号处理功能相关联的层1功能性。包括物理(phy)层的层1可包括传输信道上的检错、传输信道的前向纠错(fec)译码/解码、交织、速率匹配、映射到物理信道上、物理信道的调制/解调、以及mimo天线处理。tx处理器316基于各种调制方案(例如，二进制相移键控(bpsk)、正交相移键控(qpsk)、m相移键控(m-psk)、m正交调幅(m-qam))来处置至信号星座的映射。经译码和经调制的码元可随后被拆分成并行流。每个流可随后被映射到ofdm副载波、在时域和/或频域中与参考信号(例如，导频)复用、并且随后使用快速傅立叶逆变换(ifft)组合到一起以产生携带时域ofdm码元流的物理信道。ofdm流被空间预编码以产生多个空间流。来自信道估计器374的信道估计可被用来确定编码和调制方案以及用于空间处理。信道估计可从由ue 350传送的参考信号和/或信道状况反馈推导出。每个空间流随后可经由分开的发射机318tx被提供给一不同的天线320。每个发射机318tx可用相应各个空间流来调制rf载波以供传输。
61.在ue 350处，每个接收机354rx通过其各自相应的天线352来接收信号。每个接收机354rx恢复出调制到rf载波上的信息并将该信息提供给接收(rx)处理器356。tx处理器368和rx处理器356实现与各种信号处理功能相关联的层1功能性。rx处理器356可对信息执行空间处理以恢复出以ue 350为目的地的任何空间流。如果有多个空间流以ue 350为目的地，则它们可由rx处理器356组合成单个ofdm码元流。rx处理器356随后使用快速傅立叶变换(fft)将该ofdm码元流从时域变换到频域。频域信号对ofdm信号的每个副载波包括单独的ofdm码元流。通过确定最有可能由基站310传送的信号星座点来恢复和解调每个副载波上的码元、以及参考信号。这些软判决可基于由信道估计器358计算出的信道估计。这些软判决随后被解码和解交织以恢复出原始由基站310在物理信道上传送的数据和控制信号。这些数据和控制信号随后被提供给实现层3和层2功能性的控制器/处理器359。
62.控制器/处理器359可与存储程序代码和数据的存储器360相关联。存储器360可被称为计算机可读介质。在ul中，控制器/处理器359提供传输信道与逻辑信道之间的解复用、分组重组、暗码解译、报头解压缩以及控制信号处理以恢复出来自epc 160的ip分组。控制器/处理器359还负责使用ack和/或nack协议进行检错以支持harq操作。
63.类似于结合由基站310进行的dl传输所描述的功能性，控制器/处理器359提供与系统信息(例如，mib、sib)捕获、rrc连接、以及测量报告相关联的rrc层功能性；与报头压缩/解压缩、以及安全性(暗码化、暗码解译、完整性保护、完整性验证)相关联的pdcp层功能性；与上层pdu的传递、通过arq的纠错、rlc sdu的级联、分段、以及重组、rlc数据pdu的重新分段、以及rlc数据pdu的重新排序相关联的rlc层功能性；以及与逻辑信道和传输信道之间的映射、将mac sdu复用到tb上、从tb解复用mac sdu、调度信息报告、通过harq的纠错、优先级处置、以及逻辑信道优先级区分相关联的mac层功能性。
64.由信道估计器358从由基站310所传送的参考信号或反馈推导出的信道估计可由tx处理器368用于选择恰适的编码和调制方案、以及促成空间处理。由tx处理器368生成的空间流可经由分开的发射机354tx被提供给不同的天线352。每个发射机354tx可用相应空间流来调制rf载波以供传输。
65.在基站310处以与结合ue 350处的接收机功能所描述的方式类似的方式来处理ul传输。每个接收机318rx通过其相应的天线320来接收信号。每个接收机318rx恢复出调制到rf载波上的信息并将该信息提供给rx处理器370。
66.控制器/处理器375可与存储程序代码和数据的存储器376相关联。存储器376可被称为计算机可读介质。在ul中，控制器/处理器375提供传输信道与逻辑信道之间的解复用、分组重组、暗码解译、报头解压缩、控制信号处理以恢复出来自ue 350的ip分组。来自控制器/处理器375的ip分组可被提供给epc 160。控制器/处理器375还负责使用ack和/或nack协议进行检错以支持harq操作。
67.tx处理器368、rx处理器356和控制器/处理器359中的至少一者可被配置成执行与图1的198结合的各方面。tx处理器316、rx处理器370和控制器/处理器375中的至少一者可被配置成执行与图1的199结合的各方面。
68.基站或ue可将机器学习算法、深度学习算法、神经网络、或高级信号处理方法用于(例如，与基站、另一ue等的)无线通信的各方面。如本文中所描述的，基站可使用机器学习、深度学习算法、神经网络、或高级信号处理方法来对至ue的下行链路传输进行预编码。ue可使用机器学习、深度学习算法、神经网络、或高级信号处理方法来接收来自基站的经预编码下行链路传输。
69.在本文中所描述的一些方面，编码设备(例如，基站或ue)可训练一个或多个神经网络以学习各测得质量对个体参数的依赖性。特别地，机器学习模型或神经网络的示例包括：人工神经网络(ann)；决策树学习；卷积神经网络(cnn)；深度学习架构，其中第一层神经元的输出变为第二层神经元的输入，以此类推；支持向量机(svm)，例如，包括对数据进行分类的分离超平面(例如，决策边界)；回归分析；贝叶斯网络；遗传算法；配置有附加池化和归一化层的深度卷积网络(dcn)；以及深度信念网络(dbn)。
70.机器学习模型(诸如人工神经网络(ann))可包括一群互连的人工神经元(例如，神经元模型)，并且可以是计算设备或者可以表示要由计算设备执行的方法。神经元模型的连
接可被建模为权重。机器学习模型可通过经由数据集进行训练来提供预测模型、自适应控制以及其他应用。该模型可基于由机器学习模型处理的外部或内部信息进行自适应。机器学习可提供非线性统计数据或决策制定，并且可对输入数据和输出信息之间的复杂关系进行建模。
71.机器学习模型可包括多个层和/或操作，它们可以通过级联一个或多个所引述的操作来形成。可能涉及的操作的示例包括数据的各种特征的提取、卷积操作、可被激活或停用的全连通操作、压缩、解压缩、量化、平坦化等。如本文中所使用的，机器学习模型的“层”可以用于表示对输入数据的操作。例如，卷积层、全连通层等可以用于指对输入到层中的数据的相关联操作。卷积axb操作是指将数个输入特征a转换为数个输出特征b的操作。“内核大小”可指在一维度上被组合的毗邻系数的数目。如本文中所使用的，“权重”可以用于表示在各层中用于组合输入数据的各个行和/或列的操作中使用的一个或多个系数。例如，全连通层操作可以具有输出y，该输出y至少部分地基于输入矩阵x和权重a(其可以是矩阵)的乘积与偏置值b(其可以是矩阵)之和来确定。术语“权重”在本文中可被用于一般地指代权重和偏置值两者。权重和偏置是经训练机器学习模型的参数的示例。机器学习模型的不同层可被单独训练。
72.机器学习模型可以包括各种连通性模式，例如，包括前馈网络、阶层、递归架构、反馈连接等中的任一者。神经网络的各层之间的连接可以是全连通的或局部连通的。在全连通网络中，第一层中的神经元可将它的输出传达给第二层中的每个神经元，并且第二层中的每个神经元可从第一层中的每一个神经元接收输入。在局部连通网络中，第一层中的神经元可连接到第二层中有限数目的神经元。在一些方面，卷积网络可以是局部连通的，并且配置有与第二层中的每个神经元的输入相关联的共享连接强度。网络的局部连通层可被配置成使得层中的每个神经元具有相同或相似的连通性模式但带有不同的连接强度。
73.机器学习模型或神经网络可被训练。例如，机器学习模型可基于监督式学习来训练。在训练期间，可以向机器学习模型呈现该模型用于计算以产生输出的输入。可将实际输出与目标输出进行比较，并且差值可被用于调整机器学习模型的参数(诸如权重和偏置)以提供更接近该目标输出的输出。在训练之前，输出可能是不正确的或不那么准确的，并且可以计算实际输出和目标输出之间的误差或差值。机器学习模型的权重随后可被调整以使得输出与目标更紧密对准。为了调整权重，学习算法可针对权重计算梯度向量。梯度可指示在权重被略微调整情况下误差会增加或减少的量。在顶层，梯度可直接对应于连接倒数第二层中的活化神经元与输出层中的神经元的权重的值。在较低层中，梯度可取决于权重的值以及所计算出的较高层的误差梯度。权重随后可被调整以减小误差或将输出移至更接近目标。这种调整权重的方式可被称为通过神经网络的反向传播。该过程可继续，直到可达成的误差率停止减小，或者直到误差率已达到目标水平。
74.这些机器学习模型可包括用于训练机器学习模型的计算复杂性和大量处理器。本文中所呈现的各方面提供了通过对用于传输的线性预编码和非线性预编码的经组合应用，以更高效的方式进行预编码。
75.在一些方面，多用户mimo(mu-mimo)传输可被配置成用于至多个ue的同时传输或用于至单个ue的多个传输。即，基站可使用多个天线来传送(例如，针对多个ue的)mimo传输。多个ue可包括经配对ue集合。例如，在基站可实现两(2)个天线以执行至一组两(2)个ue
(每个ue具有一(1)个天线)的mu-mimo传输的情形中，可在基站和该组两个ue之间建立四个传输路径(或下行链路传播信道)。
76.基站可使用一个或多个mu-mimo预编码器来将用于经配对ue的调制码元映射到它们的(例如，用于每个基站天线-ue天线对的)下行链路传播信道。例如，下行链路传播信道可包括pdsch。基站可具有用于多个ue的调制码元，对这些调制码元进行预编码，以及基于该预编码来向该基站的多个天线发送预编码器码元。在一个方面，mu-mimo可包括具有预编码矩阵的线性预编码器。线性mu-mimo预编码器可使用预编码矩阵来生成预编码器码元，并且多个ue可基于预编码矩阵进行解码。
77.在一些方面，机器学习可以在基于经配对ue集合来计算mu-mimo预编码器时实现，以映射经配对ue集合的调制码元及其对应的下行链路传播信道(例如，pdsch)。在一些方面，基站可包括被配置成计算用于经配对ue集合的mu-mimo预编码器的人工智能(ai)、神经网络(nn)或机器学习(ml)组件。包括nn的mu-mimo可以实现非线性预编码，其可以映射经配对ue集合的调制码元及其下行链路传播信道。例如，包括nn的mu-mimo可提供非线性预编码以映射经配对ue集合的调制码元以及用于每对基站天线和ue天线的对应下行链路传播信道。
78.在某一方面，与基站天线输入相对应的预编码器输出可被表示为pk＝f(hk，sk)，其中k是副载波索引，hk指从基站天线到ue天线的第k副载波上的传播信道矩阵，并且sk指要在第k副载波上从基站天线传送的用于经配对ue集合的调制码元(例如，qpsk码元、16qam、混合调制码元等)的向量。根据预编码器的输出的上述表达式，预编码器是经配对ue集合的调制码元sk的函数，并且sk被映射到预编码器输出pk的方式可以逐副载波改变。
79.在一些方面，非线性mu-mimo预编码可以隐藏波束或虚拟天线端口在nn内部且在nn之外不那么透明的概念。例如，波束/虚拟天线端口或许不可能被nn之外的用户理解或知晓。另一方面，虚拟天线端口的数目通常可能比物理天线的数目小得多，并且虚拟天线端口的概念可减轻或降低用于ue处的信道估计的参考信号开销。相应地，通信的接收方侧的经配对ue集合中的ue可估计每一个基站天线-ue天线对的传播信道，并在接收方nn中使用它们来对来自基站的pdsch进行解调，这可能会增加接收复杂性和开销。
80.在一个方面，非线性mu-mimo预编码可能会增加dmrs开销以提供针对每个基站天线所定义的正交dmrs端口。例如，基站可具有256个天线，并且为256个天线提供正交dmrs端口可涉及增添的下行链路信道资源。而且，增加的dmrs开销可能会增加基于dmrs的信道估计的复杂性。例如，接收方可针对每个ue-基站天线对执行信道估计。
81.在另一方面，非线性mu-mimo预编码可能会增加ue侧的接收方的nn的复杂性。为了对在下行链路信道上接收到的信号进行解码，ue可包括nn，并且可接收信道估计作为输入以对来自基站的信号进行解码。dmrs可具有增加的开销，并且接收方侧的nn可具有相对较大数目的神经元以取大量信道估计作为输入。相应地，nn的训练时间可连同训练数据量一起增加，而经典解映射器或许不太可能被实现为替换方案。
82.在一些方面，可通过以下动作按降低训练复杂性和开销的方式来应用基于nn/ml的预编码的益处：提供用于包括线性预编码器和非线性nn预编码器的非线性mu-mimo的一个或多个nn架构。在一个方面，线性预编码器可以例如基于预编码矩阵来生成基站的虚拟天线端口。dmrs资源元素(re)(或副载波)可在那些虚拟天线端口上被传送，并且dmrs的调
制码元可由线性预编码器进行预编码。在另一方面，pdsch re可以首先由nn预编码器变换为要在那些虚拟端口上发送的复杂码元。即，pdsch的调制码元可以首先由nn预编码器进行预编码，并随后由线性预编码器进行预编码。
83.在一个方面，可在nn预编码器之后将特殊缩放应用于pdsch，以匹配可以由经线性预编码的pdsch看到的功率波动。即，在pdsch由非线性nn预编码器和线性预编码器进行预编码之后，基站可基于dmrs的线性预编码来应用特殊缩放。特殊缩放可降低预编码器nn的训练复杂性。
84.图4是用于传送方的nn预编码方案400的概念图。例如，基站可应用nn预编码方案400以传送mu-mimo pdsch。nn预编码方案400可包括用于nn预编码器410、线性预编码器420、归一化层430和缩放计算块440的组件。图4解说了用于一组两(2)个ue的mu-mimo的示例。然而，本公开不必限于此，并且这些方面可被应用于对针对任何数目的多个ue和针对每ue的任何数目的传输层的mu-mimo通信进行预编码。
85.在一个方面，要被传送给第一ue(ue1)和第二ue(ue2)的信息比特可以分别由第一调制映射器402和第二调制映射器404接收。即，第一调制映射器402可接收要被传送给ue1的信息比特并传送提供给nn预编码器410的第一调制码元集合，并且第二调制映射器404可接收要被传送给ue1的信息比特并将第二调制码元集合提供给nn预编码器410。例如，第一调制码元集合和第二调制码元集合可以是16qam码元。然而，本公开的各方面不限于此，并且经调制码元可具有不同的调制方案，包括qpsk、8-qam、16-qam、32-qam、64-qam、128-qam、256-qam等。
86.在一些方面，nn预编码器410可包括多个输入以接收经配对ue集合的调制码元、经配对ue集合的mcs以及经配对ue集合的dl信道矩阵。dl信道矩阵可表示基站和经配对ue集合之间的信道传播信息。例如，dl信道矩阵可表示关于每个数据路径(即，从基站天线到ue天线)的信道传播信息。
87.nn预编码器410可生成并输出第一预编码器码元集合。第一预编码器码元集合可以是n
流
×
1向量，其中n
流
表示mu-mimo流的总数。例如，如果每个ue具有两(2)个流，则n
流
＝经配对ue的数目
×
2，并且如果经配对ue集合中存在两个ue，则第一预编码器码元集合可以是4
×
1向量。
88.在一个方面，nn预编码器410可包括基于所接收到的调制码元来计算预编码矩阵的超网络，该预编码矩阵可被用于根据所接收到的调制码元来生成第一预编码码元。即，神经网络的最后层的输出可成为用于第k副载波的预编码矩阵并且预编码矩阵可以基于用于经配对ue集合的调制和编码方案(mcs)、从调制映射器接收并被传送给经配对ue集合的调制码元、以及表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵。例如，预编码矩阵可由非线性函数f
θ
表示为此处，hk可指用于整个经配对ue集合的信道矩阵，sk可指经配对ue集合的所有调制码元的n
流
×
1向量，mk可指经配对ue的所有mcs的n
流
×
1向量，并且θ可表示nn预编码器410的参数(例如，权重和偏置)。由于可取决于调制码元sk，因此nn预编码矩阵可以是非线性预编码矩阵。基于nn预编码器410(包括超网络)的结果，nn预编码器410可生成第一预编码器码
元集合。即，nn预编码器410可输出tk，其被表示为输出tk可以是n
流
×
1向量，并成为线性预编码器420的输入。
89.在另一方面，nn预编码器410可以直接计算预编码。即，来自nn的最后层的输出成为预编码器输出tk。nn预编码器410输出tk可以基于用于经配对ue集合的mcs、从调制映射器接收并被传送给经配对ue集合的调制码元、以及表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵。例如，预编码矩阵可由非线性函数f
θ
表示为tk＝f
θ
(hk，sk，mk)。输出tk可以是n
流
×
1向量，并成为线性预编码器420的输入。
90.在一些方面，nn预编码器410可使用基于信道矩阵hk的对应的相关性矩阵，而不是信道矩阵hk。例如，nn预编码器410可以使用被表示为使用的对应的相关性矩阵，其中tk可以指如所提出的f
θ
(rk，sk，mk)。rk的大小可小于hk，这是因为ue处的天线数目可小于基站处的天线数目。
91.在一些方面，线性预编码器420可包括多个输入以接收来自nn预编码器410的输出以及经配对ue集合的dl信道矩阵。例如，dl信道矩阵可表示关于每个数据路径(即，从基站天线到ue天线)的信道传播信息。
92.在某一方面，线性预编码器420可基于对基站和经配对ue集合之间的信道的信道测量来向由nn预编码器410针对第k副载波所生成的第一预编码器码元集合(其可被表示为tk)应用线性预编码以生成第二预编码器码元集合。例如，通过向tk应用线性预编码来生成第二预编码器码元集合可被表示为此处，n
tx
可指基站天线的数目，并且线性预编码矩阵可以是信道矩阵hk的函数。
93.在一些方面，可基于应用于pdsch的线性预编码来对dmrs码元向量s
dmrs，k
进行预编码。图5是用于dmrs的线性预编码方案500的概念图。线性预编码方案500可包括线性预编码器510组件。线性预编码器510可以是如图4中所解说的用于pdsch的非线性预编码方案的线性预编码器420。由此，pdsch的线性预编码可被应用于相关联的dmrs，而不进行nn预编码器410的非线性预编码。
94.在一些方面，线性预编码器510可包括多个输入以接收用于ue1和ue2的dmrs码元以及经配对ue集合的dl信道矩阵。dl信道矩阵可表示基站和经配对ue集合之间的信道传播信息。例如，dl信道矩阵可表示关于每个数据路径(即，从基站天线到ue天线)的信道传播信息。
95.例如，经预编码的dmrs码元可被表示为在dmrs的线性预编码方案的情形中，线性预编码矩阵可被缩放成使得长期平均可等于期望的平均发射功率或其他准则，并且该缩放可以不取决于要被传送给经配对ue集合的调制码元集合。在一些方面，线性预编码矩阵可被缩放成使得而不是被缩放成使得的线性预编码矩阵取决于dmrs码元，并且由ue从dmrs观察到的经预编码信道可针对每个副载波被不同地缩放。在一个方面，ue可执行经预编码信道的信道估计，以解码从基站接收到的经预编码信号。即使传播信道是跨副载波恒定的，经预编码信道在由ue观察到时也将看起来是跨副载波变化的。相应地，
ue侧的信道估计可能是困难或不太准确的，除非基站将缩放信息提供给ue。
96.在pdsch的nn预编码的各方面，基于nn预编码器410的结果，实施或许是不可能的。在一些方面，可提供归一化层430以达成的约束。例如，归一化层430的输出可通过线性预编码器420输出pk的范数对线性预编码器420输出pk进行归一化。例如，归一化层430的经归一化结果可被表示为即
97.归一化层430可能引入与如上文所讨论的缩放问题类似的附加缩放问题。即，pusch和dmrs之间的不同缩放方案可能导致在接收方处针对dmrs和pdsch所观察到的信道之间的失配。相应地，用于接收方的预编码器神经网络的训练(或学习)可能更困难，并且pdsch性能可能被降级。相应地，基站可包括在归一化层430之后的缩放计算块440，以恢复在经线性预编码的pdsch中本将会看到的发射功率的峰均变化。
98.在一些方面，缩放计算块440可包括多个输入以接收整个经配对ue集合的调制码元以及经配对ue集合的dl信道矩阵。dl信道矩阵可表示基站和经配对ue集合之间的信道传播信息。例如，dl信道矩阵可表示关于每个数据路径(即，从基站天线到ue天线)的信道传播信息。
99.在一些方面，缩放计算块440可由小型nn习得，或者缩放计算块440可被计算为经配对ue的信道矩阵和经配对ue的调制码元的函数。
100.在一个方面，对于给定的线性预编码器420权重缩放因子可被表示为此处，可对应于在不使用神经网络的情况下的经线性预编码的pdsch，并且可对应于在经线性预编码的pdsch中本将会看到的发射功率的峰均比。即，缩放计算块440的附加缩放因子γ(hk，sk)可基于在不使用神经网络的情况下的经线性预编码的pdsch以及在经线性预编码的pdsch中本将会看到的发射功率的峰均比来确定，而无需实现nn预编码器410。例如，如果使用归零预编码器，则缩放因子可被表示为缩放因子γ可被应用于来自归一化层430的输出。例如，由缩放计算块440进一步缩放的归一化层430的结果可被表示为
101.图6是无线通信的通信图600。通信图600可包括包含第一ue 602和第二ue 603的ue集合以及用于向包含第一ue 602和第二ue 603的该ue集合提供mu-mimo数据传输的基站604。
102.在606，基站604可向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合。第一预编码器码元集合可包括n乘1向量，n是用于经配对ue集合的流的数目。非线性预编码可由输出被提供作为线性预编码的输入的预编码器输出的神经网络执行。在一些方面，非线性预编码可以基于以下一者或多者：用于经配对ue集合的多
个mcs、表示基站604和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、或用于经配对ue集合的信道相关性矩阵。例如，nn可以使用被表示为使用的对应的相关性矩阵，其中tk可以指如所提出的f
θ
(rk，sk，mk)。rk的大小可小于hk，这是因为ue处的天线数目可小于基站604处的天线数目。
103.在一个方面，非线性预编码可由nn或机器学习模型来执行。即，来自nn的最后层的输出成为预编码器输出tk。例如，预编码矩阵可由非线性函数f
θ
表示为tk＝f
θ
(hk，sk，mk)，其中hk可指用于整个经配对ue集合的信道矩阵，sk可指经配对ue集合的所有调制码元的n
流
×
1向量，mk可指经配对ue的所有mcs的n
流
×
1向量，并且θ可表示nn的参数。
104.在另一方面，非线性预编码可由具有输出预编码矩阵的最后层的超网络型nn来执行。即，神经网络的最后层的输出可成为用于第k副载波的预编码矩阵例如，预编码矩阵可由非线性函数f
θ
表示为nn可输出t，其被表示为
105.在608，基站604可使用线性预编码矩阵来向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合。在一个方面，线性预编码矩阵可以基于对基站604和经配对ue集合之间的信道的信道测量。即，基站604可包括线性预编码器，其可包括多个输入以接收用于经配对ue集合的pdsch码元以及经配对ue集合的dl信道矩阵。dl信道矩阵可表示基站604和经配对ue集合之间的信道传播信息。例如，经预编码的dmrs码元可被表示为
106.在610，基站604可对该线性预编码的输出进行归一化。即，基站604可包括归一化层以达成的约束。例如，归一化层430的经归一化结果可被表示为其中pk可以指线性预编码的结果。
107.在612，基站604可生成缩放因子。缩放因子可被引入以解决由对线性预编码的结果进行归一化所导致的缩放问题。在一个方面，基站604可基于神经网络来生成缩放因子。在另一方面，基站604可基于用于经配对ue集合的信道矩阵或用于经配对ue集合的调制码元中的一者或多者来生成缩放因子。即，基站604可包括缩放计算块以生成缩放因子。例如，缩放因子可被表示为
108.在614，基站604可在该数据的传输之前使用612处基于调制码元或信道矩阵中的一者或多者的缩放因子来对第二预编码器码元集合进行缩放。即，通过归一化和缩放，供传输的输出可被表示为
109.在616，基站604可基于基站604和经配对ue集合之间的信道来向与该数据相关联的dmrs应用线性预编码。例如，线性预编码矩阵可被表示为并且线性预编码的结果可被表示为
110.在618，基站604可对线性预编码矩阵进行缩放，以使得基于预期运算的长期平均
在阈值平均发射功率内。即，dmrs传输可被缩放成使得此处，可表示预期运算符。
111.在620和621，基站604可基于第二预编码器码元集合来将第二预编码器码元集合传送给经配对ue集合。基站604可传送包括第二预编码器码元集合的pdsch传输。
112.在620，第一ue 602可从基站604接收mu-mimo数据传输。例如，第一ue 602可接收包括第二预编码器码元集合的pdsch传输。
113.在622和623，基站604还可将dmrs传送给经配对ue集合。在一个方面，dmrs可在不进行应用于数据的归一化或缩放的情况下被传送。
114.在622，第一ue 602还可接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的dmrs。在一个方面，dmrs可在不进行应用于数据的归一化或缩放的情况下被接收。
115.在626，第一ue 602可部分地基于线性预编码来对利用非线性预编码和线性预编码进行了预编码的mu-mimo数据传输进行解码。即，第一ue 602可基于基站604和第一ue 602之间的线性预编码矩阵、使用经预编码信道的信道估计来对mu-mimo数据传输进行解码。第一ue 602可在624基于622处接收到的dmrs(该dmrs利用线性预编码进行了预编码)来执行信道估计。例如，经预编码信道可被表示为
116.在628，第一ue 602可部分地基于非线性预编码来对mu-mimo数据传输进行解码。在某一方面，基于非线性预编码的解码可由神经网络或机器学习模型来执行。在另一方面，非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站604和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、用于经配对ue集合的信道相关性矩阵、或要被传送给经配对ue集合的调制码元。
117.图7是无线通信方法的流程图700。该方法可由ue(例如，ue 104；第一ue 602；设备902)来执行。
118.在702，ue可被配置成从基站接收mu-mimo数据传输。在一个方面，ue可接收包括第二预编码器码元集合的pdsch传输。例如，702可由接收组件930执行。
119.在704，ue可被配置成接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的dmrs。在一个方面，dmrs可在不进行应用于数据的归一化或缩放的情况下被接收。例如，704可由接收组件930执行。
120.在706，ue可被配置成部分地基于线性预编码来对利用非线性预编码和线性预编码进行了预编码的mu-mimo数据传输进行解码。即，ue可基于基站和ue之间的线性预编码矩阵、使用经预编码信道的信道估计来对mu-mimo数据传输进行解码。第一ue可基于704处接收到的dmsr来执行信道估计以确定经预编码信道。例如，712可由线性预编码组件944执行。
121.在708，ue可被配置成部分地基于非线性预编码来对mu-mimo数据传输进行解码。在某一方面，基于非线性预编码的解码可由神经网络或机器学习模型来执行。在一个方面，非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、用于经配对ue集合的信道相关性矩阵、或要被传送给经配对ue集合的调制码元。例如，706可由非线性组件940执行。
122.在705，ue可被配置成基于704处接收到的利用线性预编码进行了预编码的dmrs来
执行信道估计。例如，705可由信道估计组件944执行。
123.在712，ue可被配置成部分地基于线性预编码来对mu-mimo数据传输进行解码。例如，712可由线性预编码组件944执行。
124.图8是无线通信方法的流程图800。该方法可由基站(例如，基站102/180；设备1002)执行。
125.在802，基站可被配置成向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合。第一预编码器码元集合可包括n乘1向量，n是用于经配对ue集合的流的数目。非线性预编码可由输出被提供作为线性预编码的输入的预编码器输出的神经网络执行。在一些方面，非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站604和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、或用于经配对ue集合的信道相关性矩阵。在一个方面，非线性预编码可由nn或机器学习模型来执行。在另一方面，非线性预编码可由具有输出预编码矩阵的最后层的超网络型nn来执行。例如，802可由非线性预编码组件1040执行。
126.在804，基站可被配置成使用线性预编码矩阵来向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合。在一个方面，线性预编码矩阵可以基于对基站和经配对ue集合之间的信道的信道测量。即，基站可包括线性预编码器，其可包括多个输入以接收用于经配对ue集合的pdsch码元以及经配对ue集合的dl信道矩阵。dl信道矩阵可表示基站604和经配对ue集合之间的信道传播信息。例如，804可由线性预编码组件1042执行。
127.在806，基站可被配置成c。例如，归一化层430的经归一化结果可被表示为其中pk可以指线性预编码的结果。例如，806可由归一化组件1044执行。
128.在808，基站可被配置成生成缩放因子。在一个方面，基站可基于神经网络来生成缩放因子。在另一方面，基站604可基于用于经配对ue集合的信道矩阵或用于经配对ue集合的调制码元中的一者或多者来生成缩放因子。例如，缩放因子可被表示为例如，808可由缩放计算组件1046执行。
129.在810，基站可被配置成在该数据的传输之前使用808处基于调制码元或信道矩阵中的一者或多者所生成的缩放因子来对第二预编码器码元集合进行缩放。例如，810可由缩放计算组件1046执行。
130.在812，基站可被配置成基于基站和经配对ue集合之间的信道来向与该数据相关联的dmrs应用线性预编码。例如，812可由线性预编码组件1042执行。
131.在814，基站可被配置成对线性预编码矩阵进行缩放，以使得基于预期运算的长期平均在阈值平均发射功率内。在一个方面，dmrs传输可被缩放成使得此处，可表示预期运算符。例如，814可由线性预编码组件1042执行。
132.在816，基站可被配置成基于第二预编码器码元集合来将第二预编码器码元集合传送给经配对ue集合。在一个方面，基站可传送包括第二预编码器码元集合的pdsch传输。例如，816可由传输组件1034执行。
133.在818，基站可被配置成将dmrs传送给经配对ue集合。在一个方面，dmrs可在不进行应用于数据的归一化或缩放的情况下被传送。例如，818可由传输组件1034执行。
134.图9是解说设备902的硬件实现的示例的示图900。设备902是ue并且包括耦合到蜂窝rf收发机922和一个或多个订户身份模块(sim)卡920的蜂窝基带处理器904(也被称为调制解调器)、耦合到安全数字(sd)卡908和屏幕910的应用处理器906、蓝牙模块912、无线局域网(wlan)模块914、全球定位系统(gps)模块916和电源918。蜂窝基带处理器904通过蜂窝rf收发机922与ue 104和/或bs102/180进行通信。蜂窝基带处理器904可包括计算机可读介质/存储器。计算机可读介质/存储器可以是非瞬态的。蜂窝基带处理器904负责一般性处理，包括对存储在计算机可读介质/存储器上的软件的执行。该软件在由蜂窝基带处理器904执行时使蜂窝基带处理器904执行上文所描述的各种功能。计算机可读介质/存储器还可被用于存储由蜂窝基带处理器904在执行软件时操纵的数据。蜂窝基带处理器904进一步包括接收组件930、通信管理器932和传输组件934。通信管理器932包括该一个或多个所解说的组件。通信管理器932内的组件可被存储在计算机可读介质/存储器中和/或配置为蜂窝基带处理器904内的硬件。蜂窝基带处理器904可以是ue 350的组件且可包括存储器360和/或以下至少一者：tx处理器368、rx处理器356和控制器/处理器359。在一种配置中，设备902可以是调制解调器芯片并且仅包括基带处理器904，并且在另一配置中，设备902可以是整个ue(例如，参见图3的350)并且包括设备902的前述附加模块。
135.通信管理器932包括非线性组件940，其被配置成部分地基于非线性预编码来对mu-mimo数据传输进行解码，例如，如结合708所描述的。通信管理器932进一步包括信道估计组件942，其被配置成基于dmrs来执行信道估计，例如，如结合705所描述的。通信管理器932进一步包括非线性预编码组件944，其被配置成部分地基于非线性预编码来对mu-mimo数据传输进行解码，例如，如结合706所描述的。
136.该设备可包括执行图7的前述流程图中的算法的每个框的附加组件。如此，图7的前述流程图中的每个框可由一组件执行且该设备可包括这些组件中的一个或多个组件。这些组件可以是专门配置成执行所述过程/算法的一个或多个硬件组件、由配置成执行所述过程/算法的处理器实现、存储在计算机可读介质中以供由处理器实现、或其某种组合。
137.在一种配置中，设备902(且具体而言是蜂窝基带处理器904)包括用于从基站接收mu-mimo数据传输的装置、用于部分地基于线性预编码来对mu-mimo数据传输进行解码的装置、以及用于部分地基于非线性预编码来对mu-mimo数据传输进行解码的装置。设备902包括用于接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的dmrs的装置、以及用于基于dmrs来执行信道估计以确定经预编码信道的装置。前述装置可以是设备902中被配置成执行由前述装置叙述的功能的前述组件中的一者或多者。如上文所描述的，设备902可包括tx处理器368、rx处理器356和控制器/处理器359。如此，在一种配置中，前述装置可以是被配置成执行由前述装置叙述的功能的tx处理器368、rx处理器356和控制器/处理器359。
138.图10是解说设备1002的硬件实现的示例的示图1000。设备1002是bs并且包括基带单元1004。基带单元1004可以通过蜂窝rf收发机1022与ue104进行通信。基带单元1004可包括计算机可读介质/存储器。基带单元1004负责一般性处理，包括对存储在计算机可读介质/存储器上的软件的执行。该软件在由基带单元1004执行时使该基带单元1004执行以上
描述的各种功能。计算机可读介质/存储器还可被用于存储由基带单元1004在执行软件时操纵的数据。基带单元1004进一步包括接收组件1030、通信管理器1032和传输组件1034。通信管理器1032包括该一个或多个所解说的组件。通信管理器1032内的组件可被存储在计算机可读介质/存储器中和/或配置为基带单元1004内的硬件。基带单元1004可以是基站310的组件且可包括存储器376和/或以下至少一者：tx处理器316、rx处理器370、以及控制器/处理器375。
139.通信管理器1032包括非线性预编码组件1040，其被配置成向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合，例如，如结合802所描述的。通信管理器1032进一步包括线性预编码组件1042，其被配置成向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合，向与数据相关联的dmrs应用该线性预编码，以及对该线性预编码进行缩放以使得基于预期运算的长期平均在阈值平均发射功率内，例如，如结合804、812和814所描述的。通信管理器1032进一步包括归一化组件1044，其被配置成对线性预编码的输出进行归一化，例如，如结合806所描述的。通信管理器1032进一步包括缩放计算组件1046，其被配置成生成缩放因子，以及在数据的传输之前使用该缩放因子来对第二预编码器码元集合进行缩放，例如，如结合808和810所描述的。
140.该设备可包括执行图8的前述流程图中的算法的每个框的附加组件。如此，图8的前述流程图中的每个框可由一组件执行且该设备可包括这些组件中的一个或多个组件。这些组件可以是专门配置成执行所述过程/算法的一个或多个硬件组件、由配置成执行所述过程/算法的处理器实现、存储在计算机可读介质中以供由处理器实现、或其某种组合。
141.在一种配置中，设备1002(其具体而言为基带单元1004)包括用于向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合的装置，用于使用线性预编码矩阵来对第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合的装置，以及用于基于第二预编码器码元集合来将第二预编码器码元集合传送给该经配对ue集合的装置。设备1002可包括用于在数据的传输之前使用缩放因子来对第二预编码器码元集合进行缩放的装置，该缩放因子基于调制码元或信道矩阵中的一者或多者。设备1002包括用于基于神经网络来生成缩放因子的装置、或用于基于用于经配对ue集合的信道矩阵或用于经配对ue集合的调制码元中的一者或多者来生成缩放因子的装置。设备1002包括用于在缩放之前对线性预编码的输出进行归一化的装置。设备1002包括用于对线性预编码矩阵进行缩放以使得基于预期运算的长期平均在阈值平均发射功率内的装置，以及用于基于基站和经配对ue集合之间的信道来向与数据相关联的dmrs应用线性预编码、以及将dmrs传送给经配对ue集合的装置。前述装置可以是设备1002中被配置成执行由前述装置叙述的功能的前述组件中的一者或多者。如上文中所描述的，设备1002可包括tx处理器316、rx处理器370和控制器/处理器375。如此，在一种配置中，前述装置可以是被配置成执行由前述装置叙述的功能的tx处理器316、rx处理器370和控制器/处理器375。
142.再次参照图4、5、6、7、8、9和10，基站可向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合，以及使用线性预编码矩阵来向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合。第一预编码器码元集合可包括n乘1向量，n是用于经配对ue集合的流的数目。非线性预编码可由神经网络或机器学习模型来执行。在一个方面，非线性预编码可由具有输出预编码矩阵的最后层的超网络型神经网
络来执行。在另一方面，非线性预编码可由输出被提供作为线性预编码的输入的预编码器输出的神经网络执行。非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、或用于经配对ue集合的信道相关性矩阵。非线性预编码可以进一步基于要被传送给经配对ue集合的多个调制码元。
143.基站可对第二预编码器码元集合进行归一化，以及在数据的传输之前使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。基站可使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。在一个方面，缩放因子可以是基于神经网络来生成的。在另一方面，缩放因子可以是基于用于经配对ue集合的信道矩阵或用于经配对ue集合的调制码元中的一者或多者来生成的。
144.基站可基于第二预编码器码元集合和dmrs来将第二预编码器码元集合传送给经配对ue集合。基站可传送包括第二预编码器码元集合的pdsch传输。
145.基站可向与数据相关联的dmrs应用线性预编码。线性预编码矩阵可以基于对基站和经配对ue集合之间的信道的信道测量。线性预编码矩阵可被缩放成使得基于预期运算的长期平均在阈值平均发射功率内。基站可将dmrs传送给经配对ue集合。dmrs可在不进行应用于数据的归一化或缩放的情况下被传送。
146.ue可从基站接收mu-mimo数据传输，部分地基于线性预编码来对该mu-mimo数据传输进行解码，以及部分地基于非线性预编码来对该mu-mimo数据传输进行解码。基于非线性预编码的解码可由神经网络或机器学习模型来执行。非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、用于经配对ue集合的信道相关性矩阵、或要被传送给经配对ue集合的调制码元。ue可基于基站和ue之间的线性预编码矩阵、使用经预编码信道的信道估计来对mu-mimo数据传输进行解码。mu-mimo数据传输可包括物理下行链路共享信道(pdsch)传输。
147.ue可接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的解调参考信号(dmrs)，基于该dmrs来执行信道估计，以及基于该信道估计来确定线性解码。dmrs可在不进行应用于数据的归一化或缩放的情况下被接收。
148.ue可从基站接收mu-mimo数据传输，部分地基于线性预编码来对该mu-mimo数据传输进行解码，以及部分地基于非线性预编码来对该mu-mimo数据传输进行解码。基于非线性预编码的解码可由神经网络或机器学习模型来执行。非线性预编码可以基于以下一者或多者：用于经配对ue集合的多个mcs、表示基站和经配对ue集合之间的信道传播信息的用于经配对ue集合的信道矩阵、用于经配对ue集合的信道相关性矩阵、或要被传送给经配对ue集合的调制码元。ue可基于基站和ue之间的线性预编码矩阵、使用经预编码信道的信道估计来对mu-mimo数据传输进行解码。mu-mimo数据传输可包括pdsch传输。
149.ue可接收与mu-mimo数据传输相关联并且基于线性预编码进行了预编码的dmrs，基于该dmrs来执行信道估计以确定经预编码信道。dmrs可在不进行应用于mu-mimo数据的归一化或缩放的情况下被接收。
150.应理解，所公开的过程/流程图中的各个框的具体次序或层次是示例办法的解说。
应理解，基于设计偏好，可以重新编排这些过程/流程图中的各个框的具体次序或层次。此外，一些框可被组合或被略去。所附方法权利要求以范例次序呈现各种框的要素，且并不意味着被限定于所呈现的具体次序或层次。
151.提供先前描述是为了使本领域任何技术人员均能够实践本文中所描述的各个方面。对这些方面的各种修改将容易为本领域技术人员所明白，并且在本文中所定义的普适原理可被应用于其他方面。由此，权利要求并非旨在被限定于本文中所示的方面，而是应被授予与语言上的权利要求相一致的全部范围，其中对要素的单数形式的引述除非特别声明，否则并非旨在表示“有且仅有一个”，而是“一个或多个”。诸如“如果”、“当
……
时”和“在
……
时”之类的术语应被解读为意味着“在该条件下”，而不是暗示直接的时间关系或反应。即，这些短语(例如，“当
……
时”)并不暗示响应于动作的发生或在动作的发生期间的立即动作，而仅暗示在满足条件的情况下将发生动作，而并不需要供动作发生的特定的或立即的时间约束。本文使用措辞“示例性”意指“用作示例、实例或解说”。本文中描述为“示例性”的任何方面不必被解释成优于或胜过其他方面。除非特别另外声明，否则术语“一些/某个”指的是一个或多个。诸如“a、b或c中的至少一者”、“a、b或c中的一者或多者”、“a、b和c中的至少一者”、“a、b和c中的一者或多者”、以及“a、b、c或其任何组合”之类的组合包括a、b和/或c的任何组合，并且可包括多个a、多个b或者多个c。具体而言，诸如“a、b或c中的至少一者”、“a、b或c中的一者或多者”、“a、b和c中的至少一者”、“a、b和c中的一者或多者”以及“a、b、c或其任何组合”之类的组合可以是仅a、仅b、仅c、a和b、a和c、b和c、或者a和b和c，其中任何此类组合可包含a、b或c中的一个或多个成员。本公开通篇描述的各个方面的要素为本领域普通技术人员当前或今后所知的所有结构上和功能上的等效方案通过引述被明确纳入于此，且旨在被权利要求所涵盖。此外，本文所公开的任何内容都不旨在捐献于公众，无论此类公开内容是否明确记载在权利要求书中。措辞“模块”、“机制”、“元素”、“设备”等可以不是措辞“装置”的代替。如此，没有任何权利要求元素应被解释为装置加功能，除非该元素是使用短语“用于
……
的装置”来明确叙述的。
152.以下方面仅是解说性的，并且可以与本文描述的其他方面或教导进行组合而没有限制。
153.方面1包括向供mu-mimo传输至经配对ue集合的数据应用非线性预编码以生成第一预编码器码元集合，使用线性预编码矩阵来对第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合，以及基于第二预编码器码元集合来将第二预编码器码元集合传送给该经配对ue集合。
154.方面2是如方面1所述的方法，其中该非线性预编码由神经网络或机器学习模型执行。
155.方面3是如方面2所述的方法，其中该非线性预编码由具有输出预编码矩阵的最后层的超网络型神经网络执行。
156.方面4是如方面2所述的方法，其中该非线性预编码由输出被提供作为该线性预编码的输入的预编码器输出的该神经网络执行。
157.方面5是如方面2至4中任一者所述的方法，其中该非线性预编码基于以下一者或多者：用于该经配对ue集合的多个mcs、表示该基站和该经配对ue集合之间的信道传播信息的用于该经配对ue集合的信道矩阵、或用于该经配对ue集合的信道相关性矩阵。
158.方面6是如方面5所述的方法，其中该非线性预编码进一步基于要被传送给该经配对ue集合的多个调制码元。
159.方面7是如方面1至6中任一者所述的方法，进一步包括：在该数据的传输之前使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。
160.方面8是如方面7所述的方法，进一步包括：基于神经网络来生成该缩放因子。
161.方面9是如方面7所述的方法，进一步包括：基于用于该经配对ue集合的信道矩阵或用于该经配对ue集合的调制码元中的一者或多者来生成该缩放因子。
162.方面10是如方面7至9中任一者所述的方法，进一步包括：在该缩放之前对该线性预编码的输出进行归一化。
163.方面11是如方面1至10中任一者所述的方法，其中该非线性预编码进一步基于要被传送给该经配对ue集合的多个调制码元。
164.方面12是如方面1至11中任一者所述的方法，进一步包括：对线性预编码矩阵进行缩放，以使得基于预期运算的长期平均在阈值平均发射功率内。
165.方面13是如方面1至12中任一者所述的方法，其中第一预编码器码元集合包括n乘1向量，n是用于该经配对ue集合的流的数目。
166.方面14是如方面1至13中任一者所述的方法，进一步包括：基于该基站和该经配对ue集合之间的信道来向与该数据相关联的dmrs应用该线性预编码，以及将该dmrs传送给该经配对ue集合。
167.方面15是如方面14所述的方法，其中该dmrs是在不进行应用于该数据的归一化或缩放的情况下被传送的。
168.方面16是如方面1至14中任一者所述的方法，其中该基站传送包括第二预编码器码元集合的pdsch传输。
169.方面17是一种用于无线通信的装置，包括：至少一个处理器，该至少一个处理器耦合到存储器并且被配置成实现如方面1至16中任一者所述的方法。
170.方面18是一种用于无线通信的设备，包括用于实现如方面1至16中任一者所述的方法的装置。
171.方面19是一种存储计算机可执行代码的计算机可读介质，其中该代码在由处理器执行时使该处理器实现如方面1至16中任一者所述的方法。
172.方面20是一种ue处的方法，该方法包括从基站接收mu-mimo数据传输，部分地基于线性预编码来对该mu-mimo数据传输进行解码，以及部分地基于非线性预编码来对该mu-mimo数据传输进行解码。
173.方面21是如方面20所述的方法，其中基于该非线性预编码的该解码由神经网络或机器学习模型执行。
174.方面22是如方面20和21中任一者所述的方法，其中该非线性预编码基于以下一者或多者：用于经配对ue集合的多个mcs、表示该基站和该经配对ue集合之间的信道传播信息的用于该经配对ue集合的信道矩阵、用于该经配对ue集合的信道相关性矩阵、或要被传送给该经配对ue集合的调制码元。
175.方面23是如方面20至22中任一者所述的方法，其中该ue基于该基站和该ue之间的
线性预编码矩阵、使用经预编码信道的信道估计来对该mu-mimo数据传输进行解码。
176.方面24是如方面20至23中任一者所述的方法，进一步包括：接收与该mu-mimo数据传输相关联并且基于该线性预编码进行了预编码的dmrs，基于该dmrs来执行信道估计以确定经预编码信道。
177.方面25是如方面20至24中任一者所述的方法，其中该dmrs是在不进行应用于该数据的归一化或缩放的情况下被传送的。
178.方面26是如方面20至25中任一者所述的方法，其中该mu-mimo数据传输包括pdsch传输。
179.方面27是一种用于无线通信的装置，包括：至少一个处理器，该至少一个处理器耦合到存储器并且被配置成实现如方面20至26中任一者所述的方法。
180.方面28是一种用于无线通信的设备，包括用于实现如方面20至26中任一者所述的方法的装置。
181.方面29是一种存储计算机可执行代码的计算机可读介质，其中该代码在由处理器执行时使该处理器实现如方面20至26中任一者所述的方法。

技术特征：
1.一种在基站处进行无线通信的方法，包括：向供多用户多输入多输出(mu-mimo)传输至经配对用户装备(ue)集合的数据应用非线性预编码以生成第一预编码器码元集合；使用线性预编码矩阵来向所述第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合；以及基于所述第二预编码器码元集合来将所述第二预编码器码元集合传送给所述经配对ue集合。2.如权利要求1所述的方法，其中所述非线性预编码由神经网络或机器学习模型执行。3.如权利要求2所述的方法，其中所述非线性预编码由具有输出预编码矩阵的最后层的超网络型神经网络执行。4.如权利要求2所述的方法，其中所述非线性预编码由输出被提供作为所述线性预编码的输入的预编码器输出的所述神经网络执行。5.如权利要求2所述的方法，其中所述非线性预编码基于以下一者或多者：用于所述经配对ue集合的多个调制和编码方案(mcs)、表示所述基站和所述经配对ue集合之间的信道传播信息的用于所述经配对ue集合的信道矩阵、或用于所述经配对ue集合的信道相关性矩阵。6.如权利要求5所述的方法，其中所述非线性预编码进一步基于要被传送给所述经配对ue集合的多个调制码元。7.如权利要求1所述的方法，进一步包括：在所述数据的传输之前使用缩放因子来对所述第二预编码器码元集合进行缩放，所述缩放因子基于调制码元或信道矩阵中的一者或多者。8.如权利要求7所述的方法，进一步包括：基于神经网络来生成所述缩放因子。9.如权利要求7所述的方法，进一步包括：基于用于所述经配对ue集合的信道矩阵或用于所述经配对ue集合的调制码元中的一者或多者来生成所述缩放因子。10.如权利要求7所述的方法，进一步包括：在所述缩放之前对所述线性预编码的输出进行归一化。11.如权利要求1所述的方法，其中所述非线性预编码进一步基于要被传送给所述经配对ue集合的多个调制码元。12.如权利要求1所述的方法，进一步包括：对所述线性预编码矩阵进行缩放以使得基于预期运算的长期平均在阈值平均发射功率内。13.如权利要求1所述的方法，其中所述第一预编码器码元集合包括n乘1向量，n是用于所述经配对ue集合的流的数目。14.如权利要求1所述的方法，进一步包括：基于所述基站和所述经配对ue集合之间的信道来向与所述数据相关联的解调参考信号(dmrs)应用所述线性预编码；以及将所述dmrs传送给所述经配对ue集合。
15.如权利要求14所述的方法，其中所述dmrs是在不进行应用于所述数据的归一化或缩放的情况下被传送的。16.如权利要求1所述的方法，其中所述基站传送包括所述第二预编码器码元集合的物理下行链路共享信道(pdsch)传输。17.一种用于在基站处进行无线通信的装置，包括：存储器；以及至少一个处理器，所述至少一个处理器耦合至所述存储器并被配置成：向供多用户多输入多输出(mu-mimo)传输至经配对用户装备(ue)集合的数据应用非线性预编码以生成第一预编码器码元集合；使用线性预编码矩阵来向所述第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合；以及基于所述第二预编码器码元集合来将所述第二预编码器码元集合传送给所述经配对ue集合。18.一种在用户装备(ue)处进行无线通信的方法，包括：从基站接收多用户多输入多输出(mu-mimo)数据传输；部分地基于线性预编码来对所述mu-mimo数据传输进行解码；以及部分地基于非线性预编码来对所述mu-mimo数据传输进行解码。19.如权利要求18所述的方法，其中基于所述非线性预编码的所述解码由神经网络或机器学习模型执行。20.如权利要求18所述的方法，其中所述非线性预编码基于以下一者或多者：用于经配对ue集合的多个调制和编码方案(mcs)、表示所述基站和所述经配对ue集合之间的信道传播信息的用于所述经配对ue集合的信道矩阵、用于所述经配对ue集合的信道相关性矩阵、或要被传送给所述经配对ue集合的调制码元。21.如权利要求18所述的方法，其中所述ue基于所述基站和所述ue之间的线性预编码矩阵、使用经预编码信道的信道估计来对所述mu-mimo数据传输进行解码。22.如权利要求18所述的方法，进一步包括：接收与所述mu-mimo数据传输相关联并且基于所述线性预编码进行了预编码的解调参考信号(dmrs)；以及基于所述dmrs来执行信道估计以确定经预编码信道。23.如权利要求22所述的方法，其中所述dmrs是在不进行应用于所述数据的归一化或缩放的情况下被接收的。24.如权利要求18所述的方法，其中所述mu-mimo数据传输包括物理下行链路共享信道(pdsch)传输。25.一种用于在用户装备(ue)处进行无线通信的装置，包括：存储器；以及至少一个处理器，所述至少一个处理器耦合至所述存储器并被配置成：从基站接收多用户多输入多输出(mu-mimo)数据传输；部分地基于线性预编码来对所述mu-mimo数据传输进行解码；以及部分地基于非线性预编码来对所述mu-mimo数据传输进行解码。
26.如权利要求25所述的装置，其中基于所述非线性预编码的所述解码由神经网络或机器学习模型执行。27.如权利要求25所述的装置，其中所述非线性预编码基于以下一者或多者：用于经配对ue集合的多个调制和编码方案(mcs)、表示所述基站和所述经配对ue集合之间的信道传播信息的用于所述经配对ue集合的信道矩阵、用于所述经配对ue集合的信道相关性矩阵、或要被传送给所述经配对ue集合的调制码元。28.如权利要求25所述的装置，其中所述ue基于所述基站和所述ue之间的线性预编码矩阵、使用经预编码信道的信道估计来对所述mu-mimo数据传输进行解码。29.如权利要求25所述的装置，其中所述至少一个处理器被进一步配置成：接收与所述mu-mimo数据传输相关联并且基于所述线性预编码进行了预编码的解调参考信号(dmrs)；以及基于所述dmrs来执行信道估计以确定经预编码信道。30.如权利要求25所述的装置，其中所述mu-mimo数据传输包括物理下行链路共享信道(pdsch)传输。

技术总结
基站可向供MU-MIMO传输至经配对UE集合的数据应用非线性预编码以生成第一预编码器码元集合，以及使用线性预编码矩阵来向第一预编码器码元集合应用线性预编码以生成第二预编码器码元集合。该基站可对第二预编码器码元集合进行归一化、以及在该数据的传输之前使用缩放因子来对第二预编码器码元集合进行缩放，该缩放因子基于调制码元或信道矩阵中的一者或多者。该基站可向与该数据相关联的DMRS应用该线性预编码。该基站可基于第二预编码器码元集合和该DMRS来将第二预编码器码元集合传送给该经配对UE集合。该经配对UE集合。该经配对UE集合。


技术研发人员：J
受保护的技术使用者：高通股份有限公司
技术研发日：2022.01.21
技术公布日：2023/10/7