Delay estimator, method performed thereby and radio unit

Abstract

Delay estimator, method performed thereby and radio unit are disclosed. According to an embodiment, the delay estimator determines a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The delay estimator determines delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay.

Description

DELAY ESTIMATOR, METHOD PERFORMED THEREBY AND RADIO UNITTechnical Field

[0001] Embodiments of the disclosure generally relate to signal processing, and, more particularly, to delay estimator, method performed thereby and radio unit.Background

[0002] This section introduces aspects that may facilitate better understanding of the present disclosure. Accordingly, the statements of this section are to be read in this light and are not to be understood as admissions about what is in the prior art or what is not in the prior art.

[0003] Passive intermodulation (PIM) is a type of distortion generated by nonlinearity of passive components, such as filters, duplexers, connectors, antennas and so forth at a cell site. Depending on the PIM source location, PIM can be categorized as internal or external source. For example, PIM generated in filters inside a radio is called internal source, and PIM generated by a metal fence outside the radio is called external source.

[0004] PIM is a critical problem for customers when the radio has multi-band capabilities. PIM distortions degrade reception (RX) sensitivity and uplink (UL) users’ signal to interference plus noise ratio (SINR) . PIM cancellation (PIMC) is introduced to reduce PIM distortion. PIMC generates PIM model from transmission (TX) signals and minus this modeling PIM signals from RX signal to mitigate PIM distortion.

[0005] TX and RX channels are often defined on per antenna per band basis in PIMC modeling because PIMC hardware can just process limited bandwidth of baseband signals. It can handle band wide for each band but maybe cannot handle whole band width for a dual or triple band radio. PIMC configuration often defines each TX band as one aggressor channel. Each RX band is defined as one victim channel. For example, a product with triple bands and 4 antennas can be defined as 12 TX band (BD) and RX BD channels.Summary

[0006] This summary is provided to introduce a selection of concepts in a simplified form that are further described below in the detailed description. This summary is not intended to identify key features or essential features of the claimed subject matter, nor is it intended to be used to limit the scope of the claimed subject matter.

[0007] One of the objects of the disclosure is to provide an improved solution for delay estimation. In particular, one of the problems to be solved by the disclosure is that the existing  solution has not considered PIM delay / power estimation at nonlinear term level so that the delay difference between different aggressors of each nonlinear term is missed and power estimation for each nonlinear term (especially for those weak PIM sources) cannot be provided. Another problem to be solved by the disclosure is that the existing solution cannot distinguish between different PIM sources because the assumption is just single source. Yet another problem to be solved by the disclosure is that the existing solution for PIM delay / power estimation is not suitable for dynamic PIM sources.

[0008] According to a first aspect of the disclosure, there is provided a method at a delay estimator. The method may comprise determining a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The method may further comprise determining delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal may equal a sum of the delta delay of the component signal and the mean delay.

[0009] In an embodiment of the disclosure, the method may further comprise determining a power of the nonlinear term, based on the amplitude or squared amplitude correlation or the signal correlation.

[0010] In an embodiment of the disclosure, determining the delta delays of the component signals of the nonlinear term may comprise scanning the component signals of the nonlinear term in corresponding delay windows around the mean delay, so that a peak is found in the signal correlation. Determining the delta delays of the component signals of the nonlinear term may further comprise determining delay offsets of the component signals relative to the mean delay which correspond to the peak in the signal correlation, as the delta delays of the components of the nonlinear term.

[0011] In an embodiment of the disclosure, determining the mean delay of the component signals of the nonlinear term from a nonlinear distortion source may comprise determining one or more peaks in the amplitude or squared amplitude correlation. Determining the mean delay of the component signals of the nonlinear term from a nonlinear distortion source may further comprise determining a subset of the one or more peaks as belonging to one nonlinear distortion source. Members of the subset may have time delays located within a predetermined time range. Determining the mean delay of the component signals of the nonlinear term from a nonlinear distortion source may further comprise determining the mean delay of the component signals of the nonlinear term, based on the time delays of the members of the subset.

[0012] In an embodiment of the disclosure, the mean delay may be determined as one of: the time delay of a member which has a highest value among the members of the subset; and an average value of the time delays of the members of the subset.

[0013] In an embodiment of the disclosure, the method may further comprise capturing time-series data samples of the first signal and time-series data samples of the second signal into a memory.

[0014] In an embodiment of the disclosure, the determining of the mean delay, the determining of the delta delays and the determining of the power may be performed for multiple nonlinear terms from a strongest nonlinear distortion source.

[0015] In an embodiment of the disclosure, the method may further comprise providing the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller. The canceller may be configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal. The method may further comprise receiving, from the canceller, the residual first signal after the removal. The determining of the mean delay, the determining of the delta delays and the determining of the power may be performed again for multiple nonlinear terms from a next strongest nonlinear distortion source, by using the residual first signal instead of the first signal.

[0016] In an embodiment of the disclosure, the determining of the mean delay, the determining of the delta delays and the determining of the power may be performed for multiple nonlinear terms from multiple nonlinear distortion sources.

[0017] In an embodiment of the disclosure, the method may further comprise providing the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller. The canceller may be configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal.

[0018] In an embodiment of the disclosure, the method may further comprise determining, for each of the multiple nonlinear terms, whether the nonlinear term has a power greater than a predetermined power threshold. The method may further comprise, when the nonlinear term has a power greater than the predetermined power threshold, determining the nonlinear term as one of the at least part of the multiple nonlinear terms.

[0019] In an embodiment of the disclosure, the method may further comprise sorting the multiple nonlinear terms based on powers of the multiple nonlinear terms. The method may  further comprise determining a predetermined number of nonlinear terms which have strongest powers in the sorted multiple nonlinear terms, as the at least part of the multiple nonlinear terms.

[0020] In an embodiment of the disclosure, the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms may be provided to the canceller by storing the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms into a look-up table (LUT) of the canceller.

[0021] In an embodiment of the disclosure, the residual first signal may be received from the canceller by capturing time-series data samples of the residual first signal into a memory.

[0022] In an embodiment of the disclosure, the amplitude correlation between the first signal and the second signal may be calculated by using a simplified absolution operation. In the simplified absolution operation, an absolution value of a complex signal may be calculated by using coordinate rotation digital computer (CORDIC) process, or may be calculated as a sum of: a first predetermined coefficient multiplied by a larger one of a real part and an imaginary part of the complex signal; and a second predetermined coefficient multiplied by a smaller one of the real part and the imaginary part of the complex signal.

[0023] In an embodiment of the disclosure, the nonlinear distortion source may be passive intermodulation (PIM) source. The first signal may be a reception signal at a radio unit. The second signal related to the nonlinear term may be multiple transmission signals at the radio unit which generate the nonlinear term. The second signal representing the nonlinear term may be a combined signal from the multiple transmission signals.

[0024] In an embodiment of the disclosure, the amplitude or squared amplitude correlation between the first signal and the second signal may be calculated as one or more of: first amplitude or squared amplitude correlation between the reception signal and the combined signal; and a set of second amplitude or squared amplitude correlations each of which is between the reception signal and corresponding one of the multiple transmission signals.

[0025] In an embodiment of the disclosure, the method may further comprise receiving, from a PIM calculator, multiple nonlinear terms affecting the reception signal. The PIM calculator may be configured to determine the multiple nonlinear terms based on a carrier configuration of the radio unit.

[0026] In an embodiment of the disclosure, the method may further comprise receiving, from a PIM cancellation evaluator, a trigger signal indicating that a performance of PIM cancellation has been degraded. The determining of the mean delay, the determining of the delta delays and the determining of the power may be performed again in response to the trigger signal.

[0027] According to a second aspect of the disclosure, there is provided a delay estimator. The delay estimator may comprise at least one processor and at least one memory. The at least one memory may contain instructions executable by the at least one processor, whereby the delay estimator may be operative to determine a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The delay estimator may be further operative to determine delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay.

[0028] In an embodiment of the disclosure, the delay estimator may be operative to perform the method according to the above first aspect.

[0029] According to a third aspect of the disclosure, there is provided a radio unit. The radio unit may comprise a delay estimator according to the above second aspect.

[0030] In an embodiment of the disclosure, the radio unit may further comprise one or more of: a canceller configured to model the nonlinear term based at least on the mean delay and delta delays and to remove the modeled nonlinear term from a reception signal at the radio unit; a PIM calculator configured to determine the nonlinear term based on a carrier configuration of the radio unit; and a PIM cancellation evaluator configured to evaluate a performance of PIM cancellation performed by the canceller and to provide a trigger signal to the delay estimator when the performance of PIM cancellation has been degraded.

[0031] In an embodiment of the disclosure, the canceller may be configured to remove, from the first signal, a product of the modeled nonlinear term and an updated equalizer coefficient. The radio unit may further comprise an adaptation module configured to determine the updated equalizer coefficient for the nonlinear term based on previous equalizer coefficient.

[0032] In an embodiment of the disclosure, the adaptation module may comprise a capturing module configured to capture time-series data samples of the reception signal output from the canceller and time-series data samples of multiple transmission signals into a memory. The adaptation module may further comprise a modeling module configured to model the nonlinear term based at least on the time-series data samples of the multiple transmission signals, the mean delay and delta delays. The adaptation module may further comprise an error calculation module configured to generate a product of the modeled nonlinear term and the previous equalizer coefficient and subtract the product from the time-series data samples of the reception signal to obtain the error. The adaptation module may further comprise an updating module configured to  determine the updated equalizer coefficient by minimizing the obtained error.

[0033] According to a fourth aspect of the disclosure, there is provided a computer program product. The computer program product may comprise instructions which when executed by at least one processor, cause the at least one processor to perform the method according to the above first aspect.

[0034] According to a fifth aspect of the disclosure, there is provided a computer readable storage medium. The computer readable storage medium may store thereon instructions which when executed by at least one processor, cause the at least one processor to perform the method according to the above first aspect.

[0035] According to a sixth aspect of the disclosure, there is provided a delay estimator. The delay estimator may comprise a first determination module for determining a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The delay estimator may further comprise a second determination module for determining delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal may equal a sum of the delta delay of the component signal and the mean delay.

[0036] With any one of the above first to sixth aspect, benefits of the amplitude or squared amplitude correlation and the signal correlation can be fully utilized to provide accurate delay estimation at nonlinear term level so that delay difference between different component signals of the nonlinear term can be obtained.Brief Description of the Drawings

[0037] These and other objects, features and advantages of the disclosure will become apparent from the following detailed description of illustrative embodiments thereof, which are to be read in connection with the accompanying drawings.

[0038] FIG. 1 is a diagram illustrating PIM frequency lobes hitting RX bands in frequency domain;

[0039] FIG. 2 is a diagram illustrating PIM in a radio with multiple TX / RX antennas;

[0040] FIG. 3 is a diagram illustrating data capturing and loop delay estimation in a time delay estimator (TDE) ;

[0041] FIG. 4 is a diagram illustrating a PIM canceller with a TDE for single PIM source;

[0042] FIG. 5 is a diagram illustrating loop delays for multiple PIM sources;

[0043] FIGs. 6A-6B are diagrams illustrating amplitude correlation and signal correlation for aggressors with same delay in single PIM source case;

[0044] FIGs. 7A-7B are diagrams illustrating amplitude correlation and signal correlation for aggressors with same delay in multiple PIM sources case;

[0045] FIGs. 8A-8B are diagrams illustrating amplitude correlation and signal correlation for aggressors with different delta delays in single PIM source case;

[0046] FIG. 9 is a diagram illustrating multiple dimensional scanning for delta delay estimation;

[0047] FIG. 10 is a flowchart illustrating a method performed by a delay estimator according to a first embodiment of the disclosure;

[0048] FIGs. 11-12 are flowcharts for explaining the method of FIG. 10;

[0049] FIGs. 13-16 are flowcharts each illustrating a method performed by a delay estimator according to a variant of the first embodiment;

[0050] FIGs. 17A-17B are diagrams illustrating amplitude correlation and signal correlation for a weak nonlinear term correlated with a strong nonlinear term;

[0051] FIGs. 18A-18B are diagrams illustrating amplitude correlation and signal correlation for a weak nonlinear term after removing a correlated strong nonlinear term from RX signal;

[0052] FIGs. 19A-19B are diagrams illustrating amplitude correlation and signal correlation for three nonlinear terms with different powers;

[0053] FIGs. 20A-20B are diagrams illustrating amplitude correlation and signal correlation for the residual error without the first nonlinear term;

[0054] FIGs. 21A-21B are diagrams illustrating amplitude correlation and signal correlation for the residual error without the first and second nonlinear terms;

[0055] FIG. 22 is a flowchart illustrating a method performed by a delay estimator according to a second embodiment of the disclosure;

[0056] FIGs. 23A-23B are diagrams illustrating amplitude correlation and simplified amplitude correlation;

[0057] FIGs. 24A-24B are diagrams illustrating amplitude correlation and CORDIC amplitude correlation;

[0058] FIG. 25 is a flowchart illustrating a method performed by a delay estimator according to a fourth embodiment of the disclosure;

[0059] FIG. 26 is a flowchart illustrating a method performed by a delay estimator according to a fifth embodiment of the disclosure;

[0060] FIG. 27 is a flowchart illustrating an exemplary process according to an embodiment of the disclosure;

[0061] FIGs. 28-29 are block diagrams each illustrating a delay estimator and a radio unit according to an embodiment of the disclosure; and

[0062] FIG. 30 is a block diagram illustrating an exemplary PIM canceller according to an embodiment of the disclosure;

[0063] FIG. 31 is a diagram showing an example of a communication system in accordance with some embodiments;

[0064] FIG. 32 is a diagram showing a UE in accordance with some embodiments;

[0065] FIG. 33 is a diagram showing a network node in accordance with some embodiments; and

[0066] FIG. 34 is a block diagram illustrating a virtualization environment in which functions implemented by some embodiments may be virtualized.Detailed Description

[0067] For the purpose of explanation, details are set forth in the following description in order to provide a thorough understanding of the embodiments disclosed. It is apparent, however, to those skilled in the art that the embodiments may be implemented without these specific details or with an equivalent arrangement.

[0068] Passive intermodulation (PIM) frequency lobe is one PIM hit which is stimulated by one combination of transmission (TX) bands. When just considering frequency domain (alias TX BDm is band m, reception (RX) BDm is band m) , the TX bands can be called as TX BD1, TX BD2, TX BD3. The spectrum of one lobe can cover or intersect with RX band to distort this RX band. That means this PIM lobe is one hit to the RX band. The intersection percentage impacts PIM power strength to the RX band. One or more lobes can hit one RX band. If no lobe hits one RX band, this band is clean from PIM distortion. PIM frequency lobe distribution can be gotten by PIM calculator tool just after bands information is fixed when cell is set up.

[0069] FIG. 1 illustrates PIM frequency lobes hitting RX bands in frequency domain. In FIG. 1,  PIM lobe 1 hits RX BD1, PIM lobe 2 hits RX BD2, and PIM lobe 3 and 4 hit RX BD3. The rate of how much of a PIM lobe covers an RX band in frequency domain is defined as hit percentage. The hit percentage can be used to estimate PIM distortion power located into carrier bandwidth. The hit percentage of lobe 1 is about 50%, the hit percentage of lobe 2 is 100%, the hit percentage of lobe 3 is about 30%, and the hit percentage of lobe 4 is about 30%. Some RX bands can include several lobes. PIM calculator tool can calculate the power percentage of each lobe occupied in RX band. But the PIM power and strength is unknown because this is relative with PIM source hardware characters or the distance of external PIM sources.

[0070] FIG. 2 illustrates PIM in a radio with multiple TX / RX antennas. As shown, a baseband (BB) unit 201 is connected with multiple TX antenna branches and multiple RX antenna branches via common public radio interface (CPRI) . For illustration purpose, only two TX antenna branches and two RX antenna branches are shown in the figure. Each TX antenna branch may include a digital front end (DFE) 2021, a digital-to-analog converter (DAC) 2022, a power amplifier (PA) 2023, a TX filter 2024 and a TX antenna 2025. Each RX antenna branch may include a DFE 2031, an analog-to-digital converter (ADC) 2032, a low noise amplifier (LNA) 2033, a RX filter 2034 and an RX antenna 2035. As mentioned before, there may be internal PIM sources inside the radio and external PIM sources outside the radio.

[0071] PIM cancellation or canceller (PIMC) algorithm can regenerate PIM signal by polynomial PIM modeling and minus it from RX signal. One polynomial term Yb for 3-order PIM is caused by 3 carriers f1, f2 and f3 as shown below:

[0072] where the victim is Carrier b, the frequencies of 3 aggressors are f1, f2 and f3 respectively, Xf1(t-t1) , Xf2 (t-t2) and Xf3 (t-t3) represent TX signals of the 3 aggressor respectively, the superscript *denotes the conjugate, the loop delays of the 3 aggressors are t1, t2 and t3 respectively, and af, t is the coefficient of the polynomial term. One term of this polynomial is called as a non-linear (NL) term.

[0073] Assume that there is N TX / RX channels. TB is the signal of TX channel. One RX victim channel is distorted by one PIM source (for example, one external metal fence) with the combination of all the TX channel NL terms. Then, the PIM in RX BDm, which may be represented as PIMRXBD (m) , can be expressed as below:

[0074] where hijk is the coefficient of the polynomial term. Because just one PIM source is considered in the above formula, the loop delays for 3 aggressors have a big mean delay d and 3 small delta delays Δtn. The mean delay (or group delay) d illustrates the delay from TX signal to RX signal. The delta delay illustrates the delay difference between different band channels.

[0075] The total number of the product terms is N*N*N. But the first two TX channels can be swapped. Half of combinations of the first two TX channels can be combined when both are same branch. Then, the total number of the product terms can be represented as below:

[0076] where represents the number of ways of choosing an unordered subset of r elements from a set of N elements. For example, when 1 TX has 2 bands, the PIM NL terms are listed as below:

[0077] {T1B1 T1B1 T1B1*} , {T1B2 T1B2 T1B1*} , {T1B1 T1B2 T1B1*} ,

[0078] {T1B1 T1B1 T1B2*} , {T1B2 T1B2 T1B2*} , {T1B1 T1B2 T1B2*} .

[0079] As an exemplary example, in a radio with 4T4R (4 TX antennas and 4 RX antennas) and triple bands, the number of the TX BD branches is 12 (N=12) . The total NL term number is 122 *13 / 2 = 936. When the available term number in application specific integrated circuit (ASIC) is not enough to utilize all the 936 terms, PIM identification (PIMID) algorithm is introduced to allocate the strongest terms into reality physical resource.

[0080] For PIM5 and higher order PIM, the combination number will critically increase. PIMID algorithm needs more optimization strategy to match the most important terms into physical NL term resource. For simplification purpose, order 3 PIM sources are discussed hereinafter.

[0081] PIMC needs to synchronize TX signal and RX signal to decide the cancellation start point. This synchronization function is named as time delay estimation or time delay estimator (TDE) .

[0082] FIG. 3 illustrates a TDE which performs data capturing and loop delay estimation for the strongest PIM source. As shown in FIG. 3, for illustration purpose, a BB unit 301 is connected with a TX antenna branch and a RX antenna branch. Compared with the structure shown in FIG. 2, FIG. 3 merely shows one DFE 302, one filter unit (FU) 305 and one antenna 306 for both TX and RX antenna branches for simplification and brevity purpose. The TX antenna branch may further include a DAC 3031 and a PA 3041 while the RX antenna branch may further include an ADC 3032 and an LNA 3042. A TDE 3021 and a PIMC 3022 may be disposed in the DFE 302.

[0083] The TDE 3021 captures TX data and RX data at the same time and stores one time captured data into a memory. The TDE algorithm employed by the TDE 3021 may use correlation method to calculate PIM loop delay. The PIM loop delay includes the whole PIM detection channel. It includes downlink (DL) and uplink (UL) digital module delay; transceiver delay on TX and RX; PA and LNA delay; FU delay in TX and RX. It also includes FU, antenna, and air PIM signal transmission delay if it is an external PIM.

[0084] The TDE algorithm uses power correlation calculation. Because PIM is caused by nonlinear system, the PIM signal cannot be correlated with TX signal directly. But the power swap of PIM correlates with TX signal.

[0085] The TDE 3021 is used to estimate the loop delay of the PIM signal generated from TXn into RXm. Thus, this TDE 3021 is channel level delay estimation. When PIM is strong, the correlation peak value may illustrate PIM power strength. But when PIM is weak, the peak value is occupied by noise and other stronger PIM.

[0086] The TDE 3021 may be considered as the first step for the PIMC 3022. Because just one-time TDE can get correct delay value, when the PIMC 3022 is working, the TDE does not need to be redone.

[0087] The power correlation peak location marks the delay value of the strongest PIM source. The classical TDE method just estimates delay for one PIM source. The delay estimation is also simplified to just consider one delay value for each TX / RX pair. The delay matrix DTDE is represented as below:

[0088] The dimension of the delay matrix is N*N. For each TX / RX pair, there is just one delay value for only one PIM source. There is an assumption that if just one PIM source is considered, for every TX / RX pair, all the NL terms have same delay value. But this assumption is not reasonable because different NL term is located at different frequency. The delay values for different terms may have small difference caused by mean delay variance (or group delay variance) in filter and antenna. For multiple PIM sources, one TX / RX pair has different delay for different PIM source. So, PIM source and NL term are two new dimensions which have impacts on delay estimation.

[0089] When needing to get perfect PIMC performance, multiple PIM sources need to be considered. If multiple PIM sources are considered, the matrix will add two more dimensions of PIM sources and NL terms. Now, TDE for multiple PIM sources is seldom discussed in open  documents because it is much difficult than TDE for single PIM source. But in radio system, multiple PIM sources are often observed to include internal and external PIM sources. Thus, radios with multiple sectors and multiple bands often have problems of multiple PIM sources.

[0090] FIG. 4 illustrates a PIMC with a TDE for single PIM source. The upper half of FIG. 4 shows common TX / RX channels in a radio. There are N TX channels and N RX channels in the radio. The lower half of FIG. 4 shows the modules or blocks that may be included in the PIMC when implementing it by polynomial modeling method. As shown, the PIMC 400 may include a TDE 401, a modeling module 402 for each expected NL term of each RX signal, an adaptation module 403 for each expected NL term of each RX signal, summers 404-1～404-N for RX signals RX1～RXN, and subtractors 405-1～405-N for RX signals RX1～RXN. The modeling module 402 may include a multiplexer 4021, a delay compensation module 4023, an NL term module 4024 and an equalizer (EQ) module 4025. The adaptation module 403 may include a multiplexer 4031 for TX signals TX1～TXN, a multiplexer 4032 for RX signals RX1～RXN, a delay compensation module 4033, an NL term module 4034, an old EQ module 4035, a subtractor 4036 and an adaptation submodule 4037.

[0091] The TDE 401 captures TX data and RX data and calculates correlation between TX and RX pairs. The NL term module 4024 generates a nonlinear signal for each term with the delays of all TX / RX pairs for one PIM source, by generating nonlinear polynomial formula. The delay compensation module 4023 is used to align the modeling signal (of the NL term module 4024) with the RX signal. A new EQ coefficient estimated by the adaptation module 403 by using adaptive algorithm is used by the EQ module 4025 to match the NL term signal with PIM distortion in the RX signal. All the NL term signals are summed together by corresponding one of the summers 404-1～404-N to generate a whole PIM modeling signal. The whole PIM modeling signal is used by corresponding one of the subtractors 405-1～405-N to cancel PIM distortion in the corresponding RX signal.

[0092] The NL term module 4034 and the delay compensation module 4033 are similar to the NL term module 4024 and the delay compensation module 4023. The old EQ module 4035 calculates a product of the NL term signal and an old EQ coefficient. The subtractor 4036 subtracts the product from the corresponding RX signal to get the error signal. The adaptation submodule 4037 estimates the new EQ coefficient by doing least mean square (LMS) estimation from the error signal between the modeling signal and the RX signal.

[0093] PIMID is the algorithm to allocate PIM terms and map them into realistic resource of PIMC in ASIC or field programmable gate array (FPGA) . Perfect PIMC can cancel all PIM sources with all NL terms. But hardware resource is limited. Software must choose the strongest  power of PIM sources and map them into nonlinear terms in hardware. This is function of PIMID.

[0094] Both PIM detection (PIMD) and PIMID do measurement of PIM power after capturing some reference data and traffic data. This leads to that PIMID cannot get correct terms in the beginning of PIMC iteration. After many times of iteration, PIMC may find some terms have bigger power than others and change to these more important terms to do cancellation.

[0095] In radio system, PIM signal strength may change at quick speed. So PIMID needs to change by time. A quick and accurate method is needed to solve PIM signal variation on time. According to the present disclosure, it can be ahead of PIMC algorithm. It can model the frequency distribution before any measurement and model power distribution just after TDE capturing and peak power finding. This process is ahead of PIMC adaptation algorithm.

[0096] Another issue is that a good PIM modeling is needed to estimate PIM frequency distribution, PIM power strength, power spectral density (PSD) , and PIM transmission channel power. This PIM modeling can guide other functions like PIMD, PIM avoidance (PIMA) , PIMID and PIM simulation to get more knowledge of PIM strength.

[0097] It is a challenge to estimate each NL term power from RX signal. Correlation is one method to estimate term power, but some weak PIM sources are overwhelmed into stronger PIM source. So, a good method is needed to estimate power for each NL term and each PIM source. The powers of PIM sources can sorted and the strongest PIM source can be canceled so as not to care about weak PIM source then.

[0098] Now, PIM delay estimation just focuses on TX / RX branches pairs for single PIM source for simplification. Multiple PIM sources were not considered. NL term delay and power estimation also were not considered in PIMC.

[0099] Different band signal has different mean delay (or group delay) because transmission function is relative with frequency and bandwidth. But old TDE misses this difference of delay impact.

[0100] Perfect PIMC can cancel all PIM sources with all NL terms. But hardware resource is limited. Software must choose the strongest powers of PIM sources and map them into nonlinear terms in hardware. This is function of PIMID. It is essential to sort NL term power and map the strong sources to hardware. But now PIM delay and power estimation just focus on TX / RX branches pairs. It is difficult to estimate PIM power for each nonlinear term. The combination of NL terms is multitudinous in radio system. PIMC just cancels one PIM source also because TDE can just get one peak value and locate one PIM which can be the most powerful PIM source  now. This is one PIM source cancellation method. If just one strong PIM source is canceled, the other PIM source can be dismissed by the TDE result which just marks one PIM source. To improve PIMC performance, multiple PIM sources cancellation is needed in radio too.

[0101] TDE uses power correlation method rather than signal correlation because RX PIM signal is transformed from TX signals by nonlinear function. TX signal and RX signal are not directly correlated, but the power of TX and RX PIM are correlated because PIM is generated from TX signals. This power correlation method is less sensitive than signal correlation. When PIM signal is weak, the correlation result cannot get visualized peak. From the perspective of PIMC, RX signal is always distorted by user equipment (UE) UL signals and other radio interference signals. Power correlation method cannot get good performance in many scenarios.

[0102] TDE just estimates delay from each TX / RX pair. But each RX signal is mixed with so many PIM nonlinear terms together and other interferences. For each TX aggressor of each nonlinear term, one fixed delay is assigned because TDE just gives one delay for one TX / RX pair. It did not consider the delay difference between different aggressors of each nonlinear term caused by different frequencies of the agreesors. The reason why TDE does not consider NL terms is because it is very difficult to separate each NL term from one RX signal.

[0103] TDE also just gives a rough power estimation for each TX / RX pair. The power estimation is imprecise. It cannot give power estimation for each NL term especially for those weak PIM sources. So, PIMID cannot sort PIM powers for all the NL terms of all the PIM sources. PIMID also has no capability to sort NL term powers according to different PIM sources.

[0104] The old PIMC cannot distinguish different PIM sources because the assumption is just single source. But sometimes the delay may illustrate the second strong PIM source. The delay value may jump between the strongest and the second strongest source.

[0105] Another drawback is that power correlation needs to calculate square of TX and RX signal. This square operator causes dynamic range double to absolution operator. The square operator will be easy to overflow in fixed point hardware implementation. But the absolution operator just has a half dynamic range to square operator. The PIM signal dynamic range is big because it impacts by many issues. The range can be from a very big power to noise floor. This gives big pressure to RX digital signal process. If absolution operator is used to replace square operator, the dynamic range will be half.

[0106] The other drawback of TDE lies in that it is not suitable for dynamic PIM sources. Some PIM source is changing after a long time. The old delay value is not suitable for new PIM  sources, so that TDE needs to be redone to get correct delay value. Otherwise, the adaptive error will become big and PIMC performance will be degraded.

[0107] The present disclosure proposes an improved solution for delay estimation. Hereinafter, the solution will be described in detail with reference to FIGs. 5-30.

[0108] The basic principle of the first embodiment

[0109] Multiple PIM sources in PIM modeling

[0110] When considering multiple PIM sources, each one has different loop delay. There is a need to model different PIM source separately. FIG. 5 illustrates loop delays of multiple PIM sources. In the example of FIG. 5, there are two PIM sources. Each one has a delay for each aggressor channel. The delay can be illustrated as a mean delay (or group delay) and a delta delay as shown below:

[0111] where d1 is the mean delay, Δt1, Δt2 and Δt3 are delta delays of the three aggressor signals TX1, TX2 and TX3 respectively, which will be small because antenna branches are close between each other and band frequency impact is also a small delay value.

[0112] For each NL term considering all PIM sources with different mean delay ds, the multiple PIM sources modeling is represented by below formula:

[0113] The mean delay ds is also the mark of different PIM sources.

[0114] The number of delay values is more than single PIM source, which can be represented as:

[0115] If we define all NL terms in one PIM source have same mean delay ds, the above formula can be simplified to:

[0116] For each PIM source, it has a mean delay ds. But for each NL term of one source, it has its own delta delays The subscript s marks different sources. The superscript i marks  different NL terms. In the present disclosure, we call this multiple PIM sources delay estimation method as nonlinear term delay estimation (NTDE) . TDE delay estimation unit is channel, but NTDE delay estimation unit is for every NL term. This is a new PIM modeling method to solve PIMC for multiple PIM sources. The new NTDE method brings NL term as a unit of delay estimation rather than TX / RX channels in the old TDE.

[0117] Signal and amplitude correlation for each NL term

[0118] NTDE estimates delay for each aggressor in each NL term. In NTDE, the correlation input signal TX is replaced by nonlinear term for 3-order PIM. When RX signal includes one PIM source, the RX signal can be represented as below:

[0119] Note that RX signal also contains UE UL signals and other radio interference signals which are omitted in the above formula for simplification purpose. Assume that all TX power is 1 for simplification. The amplitude of RX is abs (aTx1Tx2Tx3) . The power of RX is abs (aTx1Tx2Tx3) 2. The delay for each aggressor is n1, n2, n3.

[0120] The delay estimation formula for nonlinear signal using signal correlation method is as below:

[0121] where is correlation operator. The delay estimation formula for nonlinear signal using absolution (abs) correlation or amplitude correlation method is as below:

[0122] Now, the performances of two correlation methods are compared. When comparing the two correlation methods, the first case may be same delay case: n1=100; n2=100; n3=100. FIGs. 6A-6B illustrate simulation results of the two correlation methods for aggressors with same delay in single PIM source case, where FIG. 6A shows the whole results and FIG. 6B shows part of the results in an enlarged view. From FIGs. 6A-6B, it can be found that the signal correlation can get better peak to average gain because signal correlation uses signal amplitude and phase for correlation calculation. But abs correlation just uses amplitude correlation and discards phase information. From this point, the signal correlation has better sensitivity performance than abs correlation for same delay case.

[0123] Next, multiple PIM sources case is considered. Three PIM sources with different power levels are added. FIGs. 7A-7B illustrates simulation results of the two correlation methods for aggressors with same delay in multiple PIM sources case, where FIG. 7A shows the whole  results and FIG. 7B shows part of the results in an enlarged view. From FIGs. 7A-7B, it can be found that in abs correlation, the weakest PIM source is drowned in noise. But in the signal correlation, all three peaks are visualized from back noise. Thus, the signal correlation has better performance in this case too.

[0124] Next, a PIM source having three aggressors with different delta delays as shown below is considered: n1=102; n2=96; n3=100. The aggressor delays have very small different delta delay values. FIGs. 8A-8B illustrate simulation results of the two correlation methods for aggressors with different delta delays in single PIM source case, where FIG. 8A shows the whole results and FIG. 8B shows part of the results in an enlarged view. From FIGs. 8A-8B, it can be found that the abs correlation is more visualized than the signal correlation because the three signals have different phases and the correlation peak will be pulled down by phase differences. So, the abs correlation is more robust but has lower sensitivity than signal correlation.

[0125] Based on the above, the inventors propose to combine the benefits of abs and signal correlation methods for different steps. Abs correlation is used for the strongest source delay estimation. It is very robust to aggressor delay variance. Signal correlation is used for delta delay estimation to get good accuracy and sensitivity.

[0126] 2-step NTDE method

[0127] A novel 2-step NTDE method is proposed to combine the benefits of abs and signal correlation. The first step is abs correlation to estimate the delay for the strongest PIM source. With respect to which NL terms are to be considered, a PIM calculator may be used to get the highest percentage NL terms according to carrier configuration. The list of the NL terms can be gotten from a look-up table (LUT) stored by the PIM calculator before. For each of these highest percentage NL terms, the abs correlation may be represented as shown below:

[0128] Because just mean delay is needed to be estimated, the accuracy requirement is not very high. Simplified correlation method can also be used as shown below:

[0129] This method can also get the mean delay of the strongest PIM source. If the values obtained according to the above formulas are not same, an average value can be found which can illustrate the strongest PIM source. More information can be gotten from the PIM calculator to  decide which delay value is closer to the strongest source because the PIM calculator can give the percentage information of lob. The NL term abs correlation result and abs TX correlation result can also be combined to get a good delay value as the mean delay of this PIM source. Generally, the biggest power of NL term delay can illustrate the mean delay with more sensitivity. The mean delay estimation can be allowed to have a small error from accurate delay of the strongest PIM source, because the delta delay can correct it and get an accurate whole delay for all NL terms.

[0130] The second step is signal correlation to estimate NL term delta delays. The abs and signal correlation can share the same hardware resources. Since there are 3 delta delays needed to be estimated, a searching method is needed to estimate them, which will be detailed below.

[0131] Multiple dimensional delay scanning for each NL term

[0132] Because delta delays are very small, mean delay can be estimated firstly by abs correlation method. And then delta delay can be scanned by exhaust searching method or other Gradient descent method.

[0133] Below is one simulation result for multiple dimensional scanning method: d1= 205; d2=201; d3=197. In the simulation, the first step is mean delay estimation. Abs correlation method is used in this step as shown below:

[0134] The mean delay estimation result is d=201. Thus, at the 201st point, the abs correlation gets a peak value. The peak value illustrates the PIM amplitude as shown below:

[0135] This can be considered as covariance operator of RX and TX with delay compensation.

[0136] The second step is 3-dimensional (3-D) delay scanning for delta delay. The formula is as below:

[0137] According to the above formulas, Δd1, Δd2, Δd3 are scanned in a window range, to find the peak covariance R value. N is the capturing length of RX and TX signals. This step does not need correlation calculation and just needs covariance calculation because the mean delay is already known. There is no need to calculate every covariance for each time point and it just needs to calculate covariance in a small window. It is a low computational complexity method. Note that TX signal being aligned with mean delay is needed before calculating the covariance.

[0138] This peak covariance value is the amplitude of this NL term. The peak index illustrates the delay values of [Δd1, Δd2, Δd3] = [p1, p2 , p3] . FIG. 9 illustrates simulation result of multiple dimensional scanning for delta delay estimation, where each of the scanning windows is [-10: 10]. By using multiple dimensional exhaust searching method, correct delta delay value can be gotten for each aggressor signal. Then mean delay and delta delay can be added to get delay value for each aggressor. The amplitude and power for this NL term can also be gotten. As shown in FIG. 9, the simulation result shows the peak value is 9.7075. This value can be used to estimate the amplitude of this NL term. The index = [p1, p2, p3] = [4, 0, -4] is the value of Δd1, Δd2, Δd3. Now, the delay value for each aggressor can be gotten as shown below:

[0139] [d1 , d2 , d3] = {D; p1, p2, p3} = [d+p1 , d+p2, d+p3] = [205, 201, 197] ,

[0140] where {D; p1, p2, p3} is the record format of mean delay and delta delay for 3-order NL term.

[0141] Grouping NL terms for different PIM sources

[0142] In multiple PIM sources scenario, different PIM source can be marked with different mean delay. So, mean delay value can be used to distinguish PIM sources.

[0143] PIM source powers can be sorted using whole power value. Then the PIM information, how many PIM sources, what strength of each PIM source, every NL term power for all PIM sources can be known. Then the powers of NL terms can be sorted and the strongest terms can be chosen into PIMC hardware.

[0144] {D, p1, p2, p3} is the record format of mean delay and delta delay for 3-order NL terms. For each NL term, multiple PIM sources have different values of D, but could have same delta delay {p1, p2, p3} because delta delay is generally caused by filter delay that is different in different bands.

[0145] As an exemplary example, there may be 3 PIM sources with 3 NL terms. The mean delays are same for each PIM source, but the delta delay can be different, as shown in Table 1  below.

[0146] Table 1: mean delays and delta delays for multiple NL terms of multiple sources In this example, all terms in one source have same mean delay but different delta delays. It is possible that each term has same delta delay or different delta delay because many issues impact delay.

[0147] Table 2 below shows the amplitudes of all NL terms in the above example. The whole power for each source can be calculated by summing all the NL term powers.

[0148] Table 2: amplitudes for multiple NL terms of multiple sources

[0149] If an amplitude lower than 1 is set as a weak term, Term3 of Source3 can be discarded and will not be implemented into PIMC resources.

[0150] The first embodiment and its variants

[0151] FIG. 10 is a flowchart illustrating a method performed by a delay estimator according to the first embodiment of the disclosure. At block 1002, the delay estimator determines a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The nonlinear distortion may be any intermodulation (IM) which may be PIM or active IM (AIM) . Accordingly, the nonlinear distortion source may be any IM source which may be PIM source or AIM source. As an exemplary example, the PIM may occur in a reception signal received by a radio unit and may be generated by intermodulation between transmission signals from the radio unit due to internal  PIM source inside the radio unit and / or external PIM source outside the radio unit. As an exemplary example, the AIM may occur in transmission signals output from a power amplifier in a radio unit and may be generated by intermodulation between the transmission signals due to the nonlinear transfer function of the power amplifier. So the power amplifier is the AIM source in this example. Although the PIM in the reception signal for wireless communication is discussed herein for explaining the principle of the present disclosure, it should be noted that the principle of the present disclosure may be applicable to any scenarios where a delay and / or power of a nonlinear term from a nonlinear distortion source is needed to be determined (or estimated) . Examples of such application scenarios include but not limited to wireless communication, optical communication, wired communication, satellite communication, radar detection, distance measurement, echo cancellation and acoustic interference cancellation.

[0152] The component signals of the nonlinear term may refer to the signals which generate the nonlinear term by intermodulation. The mean delay of the component signals may refer to a time delay which is commonly applicable to the component signals. The first signal subjected to the nonlinear term may refer to the signal which contains the nonlinear term and thus suffers from or is affected by the nonlinear term. The second signal representing the nonlinear term may be calculated from the component signals of the nonlinear term since the nonlinear term is generated by intermodulation between the component signals. The second signal related to the nonlinear term may be the component signals of the nonlinear term. The amplitude correlation between the first signal and the second signal may refer to correlation between amplitude of the first signal and amplitude of the second signal. The squared amplitude correlation between the first signal and the second signal may refer to correlation between squared amplitude of the first signal and squared amplitude of the second signal. Compared with the use of squared amplitude correlation, the use of amplitude correlation can save a half of digital operator dynamic range in fixed point digital implementation.

[0153] In the above example of the PIM, the nonlinear distortion source is PIM source. The first signal may be a reception signal at a radio unit. The second signal related to the nonlinear term may be multiple transmission signals at the radio unit which generate the nonlinear term. The second signal representing the nonlinear term may be a combined signal from the multiple transmission signals. Accordingly, the amplitude or squared amplitude correlation between the first signal and the second signal may be calculated as one or more of: first amplitude or squared amplitude correlation between the reception signal and the combined signal; and a set of second amplitude or squared amplitude correlations each of which is between the reception signal and corresponding one of the multiple transmission signals.

[0154] For example, block 1002 may be implemented as blocks 1108-1112 of FIG. 11. For ease of explanation, the PIM in a reception signal for wireless communication is taken as an example for explaining blocks 1108-1112. Note that the present disclosure is not limited to such example. At block 1108, the delay estimator determines one or more peaks in the amplitude or squared amplitude correlation. Suppose the total number of the multiple transmission signals at the radio unit is 3 and the nonlinear term is If the second signal representing the nonlinear term is used for calculation, one amplitude or squared amplitude correlation may be calculated so that a peak can be found from this amplitude or squared amplitude correlation. It is possible that more than one peak may be found depending on specific application scenarios. If the second signal related to the nonlinear term (e.g. the multiple transmission signals) is used for calculation, a plurality of amplitude or squared amplitude correlations may be calculated so that a plurality of peaks can be found from the plurality of amplitude or squared amplitude correlations. Note that for other nonlinear terms, the principle of the above explanation with respect to the term of also applies.

[0155] At block 1110, the delay estimator determines a subset of the one or more peaks as belonging to one nonlinear distortion source. Members of the subset have time delays located within a predetermined time range. Note that more than one subset may be determined depending on the distribution of the one or more peaks along the axis of time delay. Also note that the number of the members in a subset may be one. At block 1112, the delay estimator determines the mean delay of the component signals of the nonlinear term, based on the time delays of the members of the subset. For example, the mean delay may be determined as one of: the time delay of a member which has a highest value among the members of the subset; and an average value of the time delays of the members of the subset. Note that any other suitable statistical metrics besides the average value may be used instead.

[0156] Referring back to FIG. 10, at block 1004, the delay estimator determines delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay. The delta delay of the component signal may refer to a delay offset of the component signal relative to the mean delay. For example, block 1004 may be implemented as blocks 1214-1216 of FIG. 12. At block 1214, the delay estimator scans the component signals of the nonlinear term in corresponding delay windows around the mean delay, so that a peak is found in the signal correlation. For ease of explanation, also suppose the total number of the multiple transmission signals at the radio unit is 3 and the nonlinear term is For this nonlinear term, one signal correlation may be  calculated between the first signal and the third signal representing the nonlinear term. For this signal correlation, the scanning may be performed to find a peak. At block 1216, the delay estimator determines delay offsets of the component signals relative to the mean delay which correspond to the peak in the signal correlation, as the delta delays of the components of the nonlinear term.

[0157] With the method of FIG. 10, benefits of the amplitude or squared amplitude correlation and the signal correlation can be fully utilized to provide accurate delay estimation at nonlinear term level so that delay difference between different component signals of the nonlinear term can be obtained.

[0158] FIG. 13 is a flowchart illustrating a method performed by a delay estimator according to a variant of the first embodiment. As shown, the method of FIG. 13 comprises block 1301, blocks 1002-1004 of FIG. 10, and block 1306. At block 1301, the delay estimator captures time-series data samples of the first signal and time-series data samples of the second signal into a memory. In the above example of the PIM, the time-series data samples of the reception signal and the time-series data samples of the multiple transmission signals may be captured. At block 1002, the delay estimator determines a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. At block 1004, the delay estimator determines delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay.

[0159] At block 1306, the delay estimator determines a power of the nonlinear term, based on the amplitude or squared amplitude correlation or the signal correlation. If the amplitude correlation is used at block 1306, among the values of the members of the subset mentioned at block 1110 of FIG. 11, the highest value or any other suitable statistical metrics may be determined as the amplitude of the nonlinear term. Then, the square of the amplitude may be determined as the power of the nonlinear term. If the squared amplitude correlation is used at block 1306, among the values of the members of the subset mentioned at block 1110 of FIG. 11, the highest value or any other suitable statistical metrics may be determined as the power of the nonlinear term. If the signal correlation is used at block 1306, the value of the peak found in the scanning at block 1214 of FIG. 12 may be determined as the amplitude of the nonlinear term. Then, the square of the amplitude may be determined as the power of the nonlinear term. No matter which correlation is used at block 1306, the amplitudes or powers of the multiple  transmission signals are normalized to 1 so as to prevent the term power estimation from being affected by the powers of the transmission signals. Although both the amplitude / squared amplitude correlation and the signal correlation can be used at block 1306, the use of the signal correlation can lead to more accurate power determination than the use of the amplitude / squared amplitude correlation because powers of other terms are not contained in the signal correlation while powers of other terms may be contained in the amplitude / squared amplitude correlation.

[0160] With the method of FIG. 13, in addition to the effect of the method of FIG. 10, accurate power estimation can be provided at nonlinear term level so that powers of nonlinear terms can be sorted and the strongest terms can be chosen into hardware for e.g. cancellation of nonlinear terms.

[0161] FIG. 14 is a flowchart illustrating a method performed by a delay estimator according to a variant of the first embodiment. At block 1418, the delay estimator performs the determining of the mean delay (block 1002) , the determining of the delta delays (block 1004) and the determining of the power (block 1306) for multiple nonlinear terms from multiple nonlinear distortion sources. For ease of explanation, the PIM in a reception signal for wireless communication is taken as an example. The multiple nonlinear terms may refer to the nonlinear terms which may be generated by intermodulation between the multiple transmission signals at the radio unit. Considering one of the multiple nonlinear terms, i.e.  as mentioned above, in the case where block 1002 is implemented as blocks 1108-1112 of FIG. 11, the delay estimator may determine multiple subsets of the one or more peaks as belonging to multiple nonlinear distortion sources respectively at block 1110. For each of the multiple nonlinear distortion sources, the mean delay may be determined at block 1112. Since the multiple distortion sources have been identified at block 1110, the delta delays and the power may also be determined at blocks 1004 and 1306 for each of the multiple nonlinear distortion sources. Then, for each of the other nonlinear terms, the same process may be repeated to determine its mean delay, delta delays and power.

[0162] At block 1420, the delay estimator provides the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller. The canceller is configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal. For example, the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms may be provided to the canceller by storing the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms into a look-up table (LUT) of the canceller. The at least part of the multiple nonlinear terms may be determined by performing  blocks 1522-1524 of FIG. 15 or blocks 1626-1628 of FIG. 16.

[0163] At block 1522, the delay estimator determines, for each of the multiple nonlinear terms, whether the nonlinear term has a power greater than a predetermined power threshold. When the nonlinear term has a power greater than the predetermined power threshold, the delay estimator determines the nonlinear term as one of the at least part of the multiple nonlinear terms at block 1524.

[0164] Alternatively, at block 1626, the delay estimator sorts the multiple nonlinear terms based on powers of the multiple nonlinear terms. At block 1628, the delay estimator determines a predetermined number of nonlinear terms which have strongest powers in the sorted multiple nonlinear terms, as the at least part of the multiple nonlinear terms. With either blocks 1522-1524 or blocks 1626-1628, powers of nonlinear terms can be sorted and the strongest terms can be chosen into hardware for cancellation of nonlinear terms.

[0165] With the method of FIG. 14, different nonlinear distortion sources can be distinguished and their nonlinear terms can be removed from the first signal.

[0166] The basic principle of the second embodiment

[0167] NL terms correlation problem

[0168] Some NL terms have relation between each other. For example,

[0169] where both term1 and term2 include TX1 aggressor, and thus, they are correlated with each other. If a1 is much bigger than a2, term1 will occupy correlation result. For example, FIGs. 17A-17B illustrate simulation results of correlation between RX and NL term2 in the above formula, where a1=10 and a2=3. FIG. 17A shows the whole results and FIG. 17B shows part of the results in an enlarged view. Although correlation between RX and NL term2 is calculated, it can be seen that abs correlation just visualizes term1. Signal correlation includes both term1 and term2 delay information. But the peak of term1 is bigger than peak of term2.

[0170] Next, PIMC is done in the simulation to cancel term1 from RX signal and then correlation between the residual RX signal and NL term2 is calculated. FIGs. 18A-18B illustrate simulation results of the correlation between the residual RX signal and NL term2. FIG. 18A shows the whole results and FIG. 18B shows part of the results in an enlarged view. It can be seen that both abs and signal correlation visualizes term2. Thus, the performance shown in FIGs. 18A-18B is much better than the performance shown in FIGs. 17A-17B. On this basis, the inventors propose a good strategy to cancel the strong terms and then to do delay estimation for  those weak terms to avoid weak terms overwhelmed by stronger terms.

[0171] PIMC residual error used for NTDE

[0172] FIGs. 19A-19B illustrate simulation results of abs and signal correlation methods for PIM having three NL terms with different powers, where for each NL term, there are 1 mean delay and 3 delta delays for all three aggressors, which may be represented by {D, p1, p2, p3} . FIG. 19A shows the whole results and FIG. 19B shows part of the results in an enlarged view. It can be seen that the amplitude of term1 is 30.

[0173] Firstly, the biggest peak term (i.e. term1) is chosen and its delay and amplitude information is sent to PIMC function. Then residual error signal which does not include term1 is gotten. Then, TDE is done for the second term after cancelling NL term1. The delay and amplitude of this term is gotten. FIGs. 20A-20B illustrate simulation results of abs and signal correlation methods for the residual error without NL term1. FIG. 20A shows the whole results and FIG. 20B shows part of the results in an enlarged view. It can be seen that the amplitude of term2 is 8.

[0174] Then, the second term is chosen and its delay and amplitude information is sent to PIMC function. The residual error signal which does not include term1 and term2 is gotten. Then, TDE is done for the third term with the weakest power. The delay and amplitude of this term is gotten. FIGs. 21A-21B illustrate simulation results of abs and signal correlation methods for the residual error without NL term1 and NL term2. FIG. 21A shows the whole results and FIG. 21B shows part of the results in an enlarged view. It can be seen that the amplitude of term3 is 6.

[0175] By this gradual residual error TDE method, all the 3 PIM sources’ amplitudes and mean delay values are gotten. The delta delays can also be estimated by the same residual error method.

[0176] The second embodiment

[0177] FIG. 22 is a flowchart illustrating a method performed by a delay estimator according to the second embodiment of the disclosure. At block 2230, the delay estimator performs the determining of the mean delay (block 1002) , the determining of the delta delays (block 1004) and the determining of the power (block 1306) for multiple nonlinear terms from a strongest nonlinear distortion source. For ease of explanation, the PIM in a reception signal for wireless communication is taken as an example. The multiple nonlinear terms may refer to the nonlinear terms which may be generated by intermodulation between the multiple transmission signals at the radio unit. Considering one of the multiple nonlinear terms, i.e.  as mentioned  above, in the case where block 1002 is implemented as blocks 1108-1112 of FIG. 11, the delay estimator may determine a subset of the one or more peaks as belonging to the strongest nonlinear distortion source at block 1110. Members of the subset have time delays located within a predetermined time range and have values which are highest among the one or more peaks. For this strongest nonlinear distortion source, the mean delay may be determined at block 1112. Since the strongest distortion source has been identified at block 1110, the delta delays and the power may also be determined at blocks 1004 and 1306 for this strongest nonlinear distortion source. Then, for each of the other nonlinear terms, the same process may be repeated to determine its mean delay, delta delays and power.

[0178] At block 2232, the delay estimator provides the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller. The canceller is configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal. For example, the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms may be provided to the canceller by storing the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms into an LUT of the canceller. The at least part of the multiple nonlinear terms may be determined by performing blocks 1522-1524 of FIG. 15 as described above.

[0179] At block 2234, the delay estimator receives, from the canceller, the residual first signal after the removal. For example, the residual first signal may be received from the canceller by capturing time-series data samples of the residual first signal into a memory. At block 2236, the delay estimator performs the determining of the mean delay (block 1002) , the determining of the delta delays (block 1004) and the determining of the power (block 1306) again for multiple nonlinear terms from a next strongest nonlinear distortion source, by using the residual first signal instead of the first signal. Note that blocks 2232, 2234 and 2236 may be performed iteratively until all the strongest nonlinear terms whose powers are greater than the predetermined power threshold are removed.

[0180] With the method of FIG. 22, relatively weaker nonlinear distortion sources can be identified due to the use of the residual first signal, thereby improving sensitivity for delay and power estimation.

[0181] The basic principle of the third embodiment

[0182] Simplified implementation method for abs calculation

[0183] A simplified absolution calculation method is proposed. Suppose a complex signal Z = I + j*Q,  where Z may be TX or RX signal. Then, the absolution of Z (represented as Abs (Z) ) can be calculated as:

[0184] Abs (TX) = alpha *max (I, Q) + beta *min (I, Q) .

[0185] One exemplary configuration of alpha and beta may be as below: alpha = 0.948059 and beta =0.392699. The alpha and beta can be implemented to fixed point integer as below: alpha =0x795A and beta = 0x3244. Thus, alpha has 9 bit 1 and beta has 5 bit 1. So this simplified abs calculation just includes: one max operator; 9 bit shift to max data; 5 bit shift to min data; one add operator. No multiplier is needed in this simplified process.

[0186] FIGs. 23A-23B illustrate simulation results of abs correlation and simplified abs correlation methods. In the simplified abs correlation method, the above simplified absolution calculation method is used for calculating absolution of a complex signal. FIG. 23A shows the whole results and FIG. 23B shows part of the results in an enlarged view. From FIG. 23A, it can be seen that the results of abs correlation and simplified abs correlation methods can be hardly distinguished with each other. From FIG. 23B, it can be seen that the results of abs correlation and simplified abs correlation methods are very close to each other. This means the simplified abs correlation method gets good performance.

[0187] Another simplified abs calculation method is coordinate rotation digital computer (CORDIC) . This is a common method to calculate sine function or abs. FIGs. 24A-24B illustrate simulation results of abs correlation and CORDIC abs correlation methods. In the CORDIC abs correlation method, CORDIC method with 5-time iteration is used for calculating absolution of a complex signal. FIG. 24A shows the whole results and FIG. 24B shows part of the results in an enlarged view. From FIG. 24A, it can be seen that the results of abs correlation and CORDIC abs correlation methods can be hardly distinguished with each other. From FIG. 24B, it can be seen that the results of abs correlation and CORDIC abs correlation methods are very close to each other. This means the CORDIC abs correlation method also gets good performance.

[0188] The accuracy of the CORDIC abs correlation method is better than the simplified abs correlation method of FIGs. 23A-23B by more computational efforts. Both methods described above can be implemented in digital hardware or software in very simplified manner.

[0189] The third embodiment

[0190] According to the third embodiment of the present disclosure, the amplitude correlation between the first signal and the second signal at block 1002 is calculated by using a simplified absolution operation. In the simplified absolution operation, an absolution value of a complex signal is calculated by using CORDIC process, or is calculated as a sum of: a first predetermined  coefficient multiplied by a larger one of a real part and an imaginary part of the complex signal; and a second predetermined coefficient multiplied by a smaller one of the real part and the imaginary part of the complex signal.

[0191] The fourth embodiment

[0192] FIG. 25 is a flowchart illustrating a method performed by a delay estimator according to the fourth embodiment of the disclosure. As shown, the method of FIG. 25 comprises block 2538, and blocks 1418-1420 of FIG. 14 or blocks 2230-2236 of FIG. 22 described above. At block 2538, the delay estimator receives, from a PIM calculator, multiple nonlinear terms affecting the reception signal. The PIM calculator is configured to determine the multiple nonlinear terms based on a carrier configuration of the radio unit. The multiple nonlinear terms may refer to the nonlinear terms resulting in PIM frequency lobes hitting RX bands of the radio unit in frequency domain. Then, blocks 1418-1420 or blocks 2230-2236 are performed.

[0193] With the method of FIG. 25, those nonlinear terms hitting RX bands of the radio unit can be preferentially processed to save computational resource and improve processing efficiency.

[0194] The fifth embodiment

[0195] FIG. 26 is a flowchart illustrating a method performed by a delay estimator according to the fifth embodiment of the disclosure. At block 2640, the delay estimator receives, from a PIM cancellation evaluator, a trigger signal indicating that a performance of PIM cancellation has been degraded. At block 2642, the delay estimator performs the determining of the mean delay (1002) , the determining of the delta delays (1004) and the determining of the power (1306) again in response to the trigger signal.

[0196] With the method of FIG. 26, the delay and power estimation can be dynamically corrected to follow the changes of PIM sources due to the changes of environment (e.g. temperature and other issues) .

[0197] Based on the above description, one of the basic ideas of the present disclosure is a novel two-step nonlinear term delay estimation (NTDE) method. This novel NTDE method utilizes NL term level delay estimation. Both mean delay and delta delays for each NL term are estimated by this method. Both power and amplitude of each NL term may be estimated. All NL terms are distinguished or grouped into different PIM sources according to mean delay values. The whole power of every PIM source is also calculated by summing all the power of NL terms belonging to this source. NTDE defines a new delay value structure.

[0198] The first step of NTDE may find the strongest PIM source and estimate the mean delay  for all the NL terms in this source by robust absolution (or amplitude) correlation method. So, for each PIM source, it may include some NL terms which have same mean delay and small delta delay for each aggressor. The mean delay can be scanned in a big time window. Absolution operators may be used to replace power operators to save a half of digital operator dynamic range in fixed point digital implementation.

[0199] The second step NTDE does multiple-dimensional delay scanning to estimate all aggressors’ delta delays to mean delay by high sensitivity signal correlation method. The delta delays can be scanned in a small time window.

[0200] During the second step of NTDE, the power of each NL term may be estimated by peak value of covariance calculation. The power information can be used for NL term power sorting in PIMID. All the NL terms’ powers may be sorted and the strongest PIM sources may be put into a look-up table (LUT) and mapped into PIMC hardware resources. This is helpful to PIMID and the hardware resource of PIMC can be saved to get highly efficient power consumption.

[0201] This new NTDE method is a high-performance solution to multiple-PIM-sources delay estimation at NL term level. It is also a high-performance NL term power estimation method. The benefits of abs and signal correlation methods are fully utilized for different steps. Abs correlation is used for delay estimation for the strongest source. It is very robust to aggressor delay variance. But its sensitivity is lower than signal correlation. Signal correlation is used in multiple dimensional scanning of delta delays for each aggressor. It has very high sensitivity and accuracy.

[0202] This new method can be easier implemented into radio system because there is no big change to PIMC hardware implementation. The major change is NTDE. This NTDE can be implemented into hardware or software because it is not real time processing.

[0203] Another basic idea of the present disclosure is to improve sensitivity by using PIMC residual error as PIM signal. The residual error can be used for weak PIM source delay and power estimation. RX signal is replaced by the residual error to visualize weak peak source delay and to do power estimation in both first step and second step of NTDE.

[0204] Yet another basic idea of the present disclosure is simplified implementation of absolution operator to save cost thereof. Simplified absolution (abs) and coordinate rotation digital computer (CORDIC) abs methods are proposed as two methods with low computational complexity and low power consumption.

[0205] Yet another basic idea of the present disclosure is that when environment changes and thus PIMC performance degradation is observed or supervised, a new time NTDE is triggered or  redone to correct delay changed by the new environment and match with new environment. The old parameters stored in LUT can be used as reference to sort the powers of PIM sources. New PIM source maybe needs to be added into LUT caused by new PIM source appearing in the environment. This dynamic changing LUT is helpful to dynamic PIM sources. So, the PIM sources number and NL terms in LUT can be corrected to follow PIM sources swapping by temperature and other issues.

[0206] Next, an exemplary process according to an embodiment of the disclosure will be described with reference to the flowchart of FIG. 27. In the exemplary process, at least the second and fourth embodiments described above are employed. At block 2701, cell setup is performed. So the carrier configuration is known. At block 2702, PIMC and LUT are initialized. No NL term or PIM source is included into PIMC and LUT (no cancellation) . At block 2703, a PIM calculator tool is run to get hit NL terms and get the percentage of PIM lobes hitting into RX bands. Now the powers of PIM terms are unknown but the hit percentage into RX band can be calculated. The hit lobe and all NL terms information are gotten and stored into a database. Optionally, lobe power sorting may be listed into a database. For example, PIM power modeling and PSD estimation method may be used to give suggestion to lobe power sorting.

[0207] At block 2704, amplitude (or abs) correlation is run to get the delay of the strongest PIM source. For example, TX / RX pair abs correlation may be used to get mean delay and peak value. Optionally, NL term abs correlation method may be used to get term power and sort all term powers of the strongest PIM source.

[0208] At block 2705, 3-D scanning method is run to estimate delta delays for all NL terms in the term list in the database. The amplitudes of the NL terms and whole power of this PIM source can be calculated.

[0209] At block 2706, this strongest PIM source with its NL terms whose powers are bigger than a predefined threshold level is added into PIMC LUT. At block 2707, PIMC is run to get residual error for each RX signal.

[0210] At block 2708, it is checked whether all strong PIM sources are found. If the checking result is negative, blocks 2704-2707 are performed again. The iteration is done to find all the strong PIM sources until the new finding NL term power is less than the predefined threshold level. As a result, all the strong PIM sources are found. At block 2709, PIMC full function is run to get good performance to cancel all the strong PIM sources.

[0211] Next, some device embodiments of the present disclosure will be described. FIG. 28 is a block diagram illustrating a delay estimator and a radio unit according to an embodiment of the  disclosure. For example, the radio unit may be for use in a base station such as a next generation node B (gNB) , an evolved node B (eNB) , etc. Note that the delay estimator may be a separate apparatus and be installed into the radio unit to be connected with other components of the radio unit. Thus, this embodiment provides a delay estimator 2802 and also provides a radio unit 2800 comprising the delay estimator 2802. The delay estimator 2802 comprises a processor 2804 and a memory 2806 that stores a program.

[0212] The program includes program instructions that, when executed by the processor 2804, enable the delay estimator 2802 to operate in accordance with the embodiments of the present disclosure, as discussed above. That is, the embodiments of the present disclosure may be implemented at least in part by computer software executable by the processor 2804, or by hardware, or by a combination of software and hardware.

[0213] The memory 2806 may be of any type suitable to the local technical environment and may be implemented using any suitable data storage technology, such as semiconductor based memory devices, flash memories, magnetic memory devices and systems, optical memory devices and systems, fixed memories and removable memories. The processor 2804 may be of any type suitable to the local technical environment, and may include one or more of general purpose computers, special purpose computers, microprocessors, digital signal processors (DSPs) and processors based on multi-core processor architectures, as non-limiting examples.

[0214] Optionally, the radio unit 2800 may further comprise one or more of: a canceller 2808, a PIM calculator 2810 and a PIM cancellation evaluator 2812. The canceller 2808 may be configured to model the nonlinear term based at least on the mean delay and delta delays and to remove the modeled nonlinear term from a reception signal at the radio unit 2800. The PIM calculator 2810 may be configured to determine the nonlinear term based on a carrier configuration of the radio unit 2800. The PIM cancellation evaluator 2812 may be configured to evaluate a performance of PIM cancellation performed by the canceller 2808 and to provide a trigger signal to the delay estimator 2802 when the performance of PIM cancellation has been degraded.

[0215] Optionally, the canceller 2808 may be configured to remove, from the first signal, a product of the modeled nonlinear term and an updated equalizer coefficient. The radio unit 2800 may further optionally comprise an adaptation module 2814 configured to determine the updated equalizer coefficient for the nonlinear term based on previous equalizer coefficient. For example, a predefined equalizer coefficient may be used initially as the previous equalizer coefficient.

[0216] The adaptation module 2814 may comprise a capturing module 2816, a modeling module 2818, an error calculation module 2820 and an updating module 2822. The capturing  module 2816 may be configured to capture time-series data samples of the reception signal output from the canceller and time-series data samples of multiple transmission signals into a memory. The modeling module 2818 may be configured to model the nonlinear term based at least on the time-series data samples of the multiple transmission signals, the mean delay and delta delays. The error calculation module 2820 may be configured to generate a product of the modeled nonlinear term and the previous equalizer coefficient and subtract the product from the time-series data samples of the reception signal to obtain the error. The updating module 2822 may be configured to determine the updated equalizer coefficient by minimizing the obtained error. For example, least square (LS) , least mean square (LMS) , recursive least square (RLS) , or any other similar algorithms may be used to determine the updated equalizer coefficient.

[0217] In the above adaptation module 2814, because the reception signal output from the canceller is used, the residual reception signal after the removal performed by the canceller can be used for the adaptation process thereby improving the accuracy of the updated equalizer coefficient.

[0218] Based on the above description, the present disclosure also provides a computer program product. The computer program product may comprise instructions which when executed by at least one processor, cause the at least one processor to perform the method according to any of the above method embodiments.

[0219] In addition, the present disclosure also provides a computer readable storage medium. The computer readable storage medium may store thereon instructions which when executed by at least one processor, cause the at least one processor to perform the method according to any of the above method embodiments.

[0220] FIG. 29 is a block diagram illustrating a delay estimator and a radio unit according to an embodiment of the disclosure. Similar to the embodiment of FIG. 28, the embodiment of FIG. 29 provides a delay estimator 2902 and also provides a radio unit 2900 comprising the delay estimator 2902. The delay estimator 2902 comprises a first determination module 2904, a second determination module 2906 and optionally a third determination module 2908. The first determination module 2904 may be configured to determine a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term. The second determination module 2906 may be configured to determine delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term. A time delay of the component signal may equal a sum of the delta delay of the component signal  and the mean delay. The third determination module 2908 may be configured to determine a power of the nonlinear term, based on the amplitude or squared amplitude correlation or the signal correlation. The modules described above may be implemented by hardware, or software, or a combination of both.

[0221] FIG. 30 is a block diagram illustrating an exemplary PIMC according to an embodiment of the disclosure. The upper half of FIG. 30 shows common TX / RX channels in a radio. There are N TX channels and N RX channels in the radio. The lower half of FIG. 30 shows the modules or blocks that may be included in the PIMC. As shown, the PIMC 3000 may include a nonlinear term delay estimator (NTDE) 3010, a modeling module 3020 for each expected NL term of each RX signal, an adaptation module 3030 for each expected NL term of each RX signal, summers 3040-1～3040-N for RX signals RX1～RXN, and subtractors 3050-1～3050-N for RX signals RX1～RXN. The modeling module 3020 may include a multiplexer 3021, a delay compensation module 3023, an NL term module 3024 and an equalizer (EQ) module 3025. The adaptation module 3030 may include a multiplexer 3031 for TX signals TX1～TXN, a multiplexer 3032 for RX signals RX1～RXN, a delay compensation module 3033, an NL term module 3034, an old EQ module 3035, a subtractor 3036 and an adaptation submodule 3037. The differences between the PIMC 3000 of FIG. 30 and the PIMC 400 of FIG. 4 mainly lie in that the input of the NTDE 3010 is changed from RX1～RXN to residual error signals RX1_resid～RXN_resid; the output of the NTDE 3010 is extended from TX channel delay to NL term band delay; the input of the multiplexer 3032 is changed from RX1～RXN to residual error signals RX1_resid～RXN_resid.

[0222] The NTDE 3010 captures TX data and residual error signals RX1_resid～RXN_resid and performs the NTDE method as described above with respect to blocks 2704-2708. Note that the initial values of RX1_resid～RXN_resid are RX1～RXN. Due to the iteration of blocks 2704-2708, the NTDE 3010 works for multiple PIM sources. The NL term module 3024 generates a nonlinear signal for each NL term, by generating nonlinear polynomial formula. The delay compensation module 3023 is used to align the modeling signal (of the NL term module 3024) with the RX signal. A new EQ coefficient estimated by the adaptation module 3030 by using adaptive algorithm is used by the EQ module 3025 to match the NL term signal with PIM distortion in the RX signal. All the NL term signals are summed together by corresponding one of the summers 3040-1～3040-N to generate a whole PIM modeling signal. The whole PIM modeling signal is used by corresponding one of the subtractors 3050-1～3050-N to cancel PIM distortion in the corresponding RX signal. The cancellation may be repeated for each of the multiple PIM sources so that the multiple PIM sources can be removed.

[0223] The NL term module 3034 and the delay compensation module 3033 are similar to the NL term module 3024 and the delay compensation module 3023. The old EQ module 3035 calculates a product of the NL term signal and an old EQ coefficient. The subtractor 3036 subtracts the product from the corresponding RX signal to get the error signal. The adaptation submodule 3037 estimates the new EQ coefficient by doing LMS estimation from the error signal between the modeling signal and the RX signal.

[0224] FIG. 31 shows an example of a communication system 3100 in accordance with some embodiments.

[0225] In the example, the communication system 3100 includes a telecommunication network 3102 that includes an access network 3104, such as a radio access network (RAN) , and a core network 3106, which includes one or more core network nodes 3108. The access network 3104 includes one or more access network nodes, such as network nodes 3110a and 3110b (one or more of which may be generally referred to as network nodes 3110) , or any other similar 3rd Generation Partnership Project (3GPP) access nodes or non-3GPP access points. Moreover, as will be appreciated by those of skill in the art, a network node is not necessarily limited to an implementation in which a radio portion and a baseband portion are supplied and integrated by a single vendor. Thus, it will be understood that network nodes include disaggregated implementations or portions thereof. For example, in some embodiments, the telecommunication network 3102 includes one or more Open-RAN (ORAN) network nodes. An ORAN network node is a node in the telecommunication network 3102 that supports an ORAN specification (e.g., a specification published by the O-RAN Alliance, or any similar organization) and may operate alone or together with other nodes to implement one or more functionalities of any node in the telecommunication network 3102, including one or more network nodes 3110 and / or core network nodes 3108.

[0226] Examples of an ORAN network node include an open radio unit (O-RU) , an open distributed unit (O-DU) , an open central unit (O-CU) , including an O-CU control plane (O-CU-CP) or an O-CU user plane (O-CU-UP) , a RAN intelligent controller (near-real time or non-real time) hosting software or software plug-ins, such as a near-real time control application (e.g., xApp) or a non-real time control application (e.g., rApp) , or any combination thereof (the adjective “open” designating support of an ORAN specification) . The network node may support a specification by, for example, supporting an interface defined by the ORAN specification, such as an A1, F1, W1, E1, E2, X2, Xn interface, an open fronthaul user plane interface, or an open fronthaul management plane interface. Moreover, an ORAN access node may be a logical node in a physical node. Furthermore, an ORAN network node may be implemented in a virtualization  environment (described further below) in which one or more network functions are virtualized. For example, the virtualization environment may include an O-Cloud computing platform orchestrated by a Service Management and Orchestration Framework via an O-2 interface defined by the O-RAN Alliance or comparable technologies. The network nodes 3110 facilitate direct or indirect connection of user equipment (UE) , such as by connecting UEs 3112a, 3112b, 3112c, and 3112d (one or more of which may be generally referred to as UEs 3112) to the core network 3106 over one or more wireless connections.

[0227] Example wireless communications over a wireless connection include transmitting and / or receiving wireless signals using electromagnetic waves, radio waves, infrared waves, and / or other types of signals suitable for conveying information without the use of wires, cables, or other material conductors. Moreover, in different embodiments, the communication system 3100 may include any number of wired or wireless networks, network nodes, UEs, and / or any other components or systems that may facilitate or participate in the communication of data and / or signals whether via wired or wireless connections. The communication system 3100 may include and / or interface with any type of communication, telecommunication, data, cellular, radio network, and / or other similar type of system.

[0228] The UEs 3112 may be any of a wide variety of communication devices, including wireless devices arranged, configured, and / or operable to communicate wirelessly with the network nodes 3110 and other communication devices. Similarly, the network nodes 3110 are arranged, capable, configured, and / or operable to communicate directly or indirectly with the UEs 3112 and / or with other network nodes or equipment in the telecommunication network 3102 to enable and / or provide network access, such as wireless network access, and / or to perform other functions, such as administration in the telecommunication network 3102.

[0229] In the depicted example, the core network 3106 connects the network nodes 3110 to one or more host computing systems, such as host 3116. These connections may be direct or indirect via one or more intermediary networks or devices. In other examples, network nodes may be directly coupled to hosts. The core network 3106 includes one more core network nodes (e.g., core network node 3108) that are structured with hardware and software components. Features of these components may be substantially similar to those described with respect to the UEs, network nodes, and / or hosts, such that the descriptions thereof are generally applicable to the corresponding components of the core network node 3108. Example core network nodes include functions of one or more of a Mobile Switching Center (MSC) , Mobility Management Entity (MME) , Home Subscriber Server (HSS) , Access and Mobility Management Function (AMF) , Session Management Function (SMF) , Authentication Server Function (AUSF) , Subscription  Identifier De-concealing function (SIDF) , Unified Data Management (UDM) , Security Edge Protection Proxy (SEPP) , Network Exposure Function (NEF) , and / or a User Plane Function (UPF) .

[0230] The host 3116 may be under the ownership or control of a service provider other than an operator or provider of the access network 3104 and / or the telecommunication network 3102. The host 3116 may host a variety of applications to provide one or more service. Examples of such applications include live and pre-recorded audio / video content, data collection services such as retrieving and compiling data on various ambient conditions detected by a plurality of UEs, analytics functionality, social media, functions for controlling or otherwise interacting with remote devices, functions for an alarm and surveillance center, or any other such function performed by a server.

[0231] As a whole, the communication system 3100 of FIG. 31 enables connectivity between the UEs, network nodes, and hosts. In that sense, the communication system may be configured to operate according to predefined rules or procedures, such as specific standards that include, but are not limited to: Global System for Mobile Communications (GSM) ; Universal Mobile Telecommunications System (UMTS) ; Long Term Evolution (LTE) , and / or other suitable 2G, 3G, 4G, 5G standards, or any applicable future generation standard (e.g., 6G) ; wireless local area network (WLAN) standards, such as the Institute of Electrical and Electronics Engineers (IEEE) 802.11 standards (WiFi) ; and / or any other appropriate wireless communication standard, such as the Worldwide Interoperability for Microwave Access (WiMax) , Bluetooth, Z-Wave, Near Field Communication (NFC) ZigBee, LiFi, and / or any low-power wide-area network (LPWAN) standards such as LoRa and Sigfox.

[0232] In some examples, the telecommunication network 3102 is a cellular network that implements 3GPP standardized features. Accordingly, the telecommunications network 3102 may support network slicing to provide different logical networks to different devices that are connected to the telecommunication network 3102. For example, the telecommunications network 3102 may provide Ultra Reliable Low Latency Communication (URLLC) services to some UEs, while providing Enhanced Mobile Broadband (eMBB) services to other UEs, and / or Massive Machine Type Communication (mMTC)  / Massive IoT services to yet further UEs.

[0233] In some examples, the UEs 3112 are configured to transmit and / or receive information without direct human interaction. For instance, a UE may be designed to transmit information to the access network 3104 on a predetermined schedule, when triggered by an internal or external event, or in response to requests from the access network 3104. Additionally, a UE may be configured for operating in single-or multi-RAT or multi-standard mode. For example, a UE  may operate with any one or combination of Wi-Fi, NR (New Radio) and LTE, i.e. being configured for multi-radio dual connectivity (MR-DC) , such as E-UTRAN (Evolved-UMTS Terrestrial Radio Access Network) New Radio - Dual Connectivity (EN-DC) .

[0234] In the example, the hub 3114 communicates with the access network 3104 to facilitate indirect communication between one or more UEs (e.g., UE 3112c and / or 3112d) and network nodes (e.g., network node 3110b) . In some examples, the hub 3114 may be a controller, router, content source and analytics, or any of the other communication devices described herein regarding UEs. For example, the hub 3114 may be a broadband router enabling access to the core network 3106 for the UEs. As another example, the hub 3114 may be a controller that sends commands or instructions to one or more actuators in the UEs. Commands or instructions may be received from the UEs, network nodes 3110, or by executable code, script, process, or other instructions in the hub 3114. As another example, the hub 3114 may be a data collector that acts as temporary storage for UE data and, in some embodiments, may perform analysis or other processing of the data. As another example, the hub 3114 may be a content source. For example, for a UE that is a VR device, display, loudspeaker, or other media delivery device, the hub 3114 may retrieve VR assets, video, audio, or other media or data related to sensory information via a network node, which the hub 3114 then provides to the UE either directly, after performing local processing, and / or after adding additional local content. In still another example, the hub 3114 acts as a proxy server or orchestrator for the UEs, in particular if one or more of the UEs are low energy IoT devices.

[0235] The hub 3114 may have a constant / persistent or intermittent connection to the network node 3110b. The hub 3114 may also allow for a different communication scheme and / or schedule between the hub 3114 and UEs (e.g., UE 3112c and / or 3112d) , and between the hub 3114 and the core network 3106. In other examples, the hub 3114 is connected to the core network 3106 and / or one or more UEs via a wired connection. Moreover, the hub 3114 may be configured to connect to an M2M service provider over the access network 3104 and / or to another UE over a direct connection. In some scenarios, UEs may establish a wireless connection with the network nodes 3110 while still connected via the hub 3114 via a wired or wireless connection. In some embodiments, the hub 3114 may be a dedicated hub - that is, a hub whose primary function is to route communications to / from the UEs from / to the network node 3110b. In other embodiments, the hub 3114 may be a non-dedicated hub - that is, a device which is capable of operating to route communications between the UEs and network node 3110b, but which is additionally capable of operating as a communication start and / or end point for certain data channels.

[0236] FIG. 32 shows a UE 3200 in accordance with some embodiments. The UE 3200 presents additional details of some embodiments of the UE 3112 of FIG. 31. As used herein, a UE refers to a device capable, configured, arranged and / or operable to communicate wirelessly with network nodes and / or other UEs. Examples of a UE include, but are not limited to, a smart phone, mobile phone, cell phone, voice over IP (VoIP) phone, wireless local loop phone, desktop computer, personal digital assistant (PDA) , wireless cameras, gaming console or device, music storage / playback device, wearable terminal device, wireless endpoint, mobile station, tablet, laptop, laptop-embedded equipment (LEE) , laptop-mounted equipment (LME) , an Augmented Reality (AR) or Virtual Reality (VR) device, wireless customer-premise equipment (CPE) , vehicle, vehicle-mounted or vehicle embedded / integrated wireless device, etc. Other examples include any UE identified by the 3rd Generation Partnership Project (3GPP) , including a narrow band internet of things (NB-IoT) UE, a machine type communication (MTC) UE, and / or an enhanced MTC (eMTC) UE.

[0237] A UE may support device-to-device (D2D) communication, for example by implementing a 3GPP standard for sidelink communication, Dedicated Short-Range Communication (DSRC) , vehicle-to-vehicle (V2V) , vehicle-to-infrastructure (V2I) , or vehicle-to-everything (V2X) . In other examples, a UE may not necessarily have a user in the sense of a human user who owns and / or operates the relevant device. Instead, a UE may represent a device that is intended for sale to, or operation by, a human user but which may not, or which may not initially, be associated with a specific human user (e.g., a smart sprinkler controller) . Alternatively, a UE may represent a device that is not intended for sale to, or operation by, an end user but which may be associated with or operated for the benefit of a user (e.g., a smart power meter) .

[0238] The UE 3200 includes processing circuitry 3202 that is operatively coupled via a bus 3204 to an input / output interface 3206, a power source 3208, a memory 3210, a communication interface 3212, and / or any other component, or any combination thereof. Certain UEs may utilize all or a subset of the components shown in FIG. 32. The level of integration between the components may vary from one UE to another UE. Further, certain UEs may contain multiple instances of a component, such as multiple processors, memories, transceivers, transmitters, receivers, etc.

[0239] The processing circuitry 3202 is configured to process instructions and data and may be configured to implement any sequential state machine operative to execute instructions stored as machine-readable computer programs in the memory 3210. The processing circuitry 3202 may be implemented as one or more hardware-implemented state machines (e.g., in discrete logic,  field-programmable gate arrays (FPGAs) , application specific integrated circuits (ASICs) , etc. ) ; programmable logic together with appropriate firmware; one or more stored computer programs, general-purpose processors, such as a microprocessor or digital signal processor (DSP) , together with appropriate software; or any combination of the above. For example, the processing circuitry 3202 may include multiple central processing units (CPUs) .

[0240] In the example, the input / output interface 3206 may be configured to provide an interface or interfaces to an input device, output device, or one or more input and / or output devices. Examples of an output device include a speaker, a sound card, a video card, a display, a monitor, a printer, an actuator, an emitter, a smartcard, another output device, or any combination thereof. An input device may allow a user to capture information into the UE 3200. Examples of an input device include a touch-sensitive or presence-sensitive display, a camera (e.g., a digital camera, a digital video camera, a web camera, etc. ) , a microphone, a sensor, a mouse, a trackball, a directional pad, a trackpad, a scroll wheel, a smartcard, and the like. The presence-sensitive display may include a capacitive or resistive touch sensor to sense input from a user. A sensor may be, for instance, an accelerometer, a gyroscope, a tilt sensor, a force sensor, a magnetometer, an optical sensor, a proximity sensor, a biometric sensor, etc., or any combination thereof. An output device may use the same type of interface port as an input device. For example, a Universal Serial Bus (USB) port may be used to provide an input device and an output device.

[0241] In some embodiments, the power source 3208 is structured as a battery or battery pack. Other types of power sources, such as an external power source (e.g., an electricity outlet) , photovoltaic device, or power cell, may be used. The power source 3208 may further include power circuitry for delivering power from the power source 3208 itself, and / or an external power source, to the various parts of the UE 3200 via input circuitry or an interface such as an electrical power cable. Delivering power may be, for example, for charging of the power source 3208. Power circuitry may perform any formatting, converting, or other modification to the power from the power source 3208 to make the power suitable for the respective components of the UE 3200 to which power is supplied.

[0242] The memory 3210 may be or be configured to include memory such as random access memory (RAM) , read-only memory (ROM) , programmable read-only memory (PROM) , erasable programmable read-only memory (EPROM) , electrically erasable programmable read-only memory (EEPROM) , magnetic disks, optical disks, hard disks, removable cartridges, flash drives, and so forth. In one example, the memory 3210 includes one or more application programs 3214, such as an operating system, web browser application, a widget, gadget engine,  or other application, and corresponding data 3216. The memory 3210 may store, for use by the UE 3200, any of a variety of various operating systems or combinations of operating systems.

[0243] The memory 3210 may be configured to include a number of physical drive units, such as redundant array of independent disks (RAID) , flash memory, USB flash drive, external hard disk drive, thumb drive, pen drive, key drive, high-density digital versatile disc (HD-DVD) optical disc drive, internal hard disk drive, Blu-Ray optical disc drive, holographic digital data storage (HDDS) optical disc drive, external mini-dual in-line memory module (DIMM) , synchronous dynamic random access memory (SDRAM) , external micro-DIMM SDRAM, smartcard memory such as tamper resistant module in the form of a universal integrated circuit card (UICC) including one or more subscriber identity modules (SIMs) , such as a USIM and / or ISIM, other memory, or any combination thereof. The UICC may for example be an embedded UICC (eUICC) , integrated UICC (iUICC) or a removable UICC commonly known as ‘SIM card. ’ The memory 3210 may allow the UE 3200 to access instructions, application programs and the like, stored on transitory or non-transitory memory media, to off-load data, or to upload data. An article of manufacture, such as one utilizing a communication system may be tangibly embodied as or in the memory 3210, which may be or comprise a device-readable storage medium.

[0244] The processing circuitry 3202 may be configured to communicate with an access network or other network using the communication interface 3212. The communication interface 3212 may comprise one or more communication subsystems and may include or be communicatively coupled to an antenna 3222. The communication interface 3212 may include one or more transceivers used to communicate, such as by communicating with one or more remote transceivers of another device capable of wireless communication (e.g., another UE or a network node in an access network) . Each transceiver may include a transmitter 3218 and / or a receiver 3220 appropriate to provide network communications (e.g., optical, electrical, frequency allocations, and so forth) . Moreover, the transmitter 3218 and receiver 3220 may be coupled to one or more antennas (e.g., antenna 3222) and may share circuit components, software or firmware, or alternatively be implemented separately.

[0245] In the illustrated embodiment, communication functions of the communication interface 3212 may include cellular communication, Wi-Fi communication, LPWAN communication, data communication, voice communication, multimedia communication, short-range communications such as Bluetooth, near-field communication, location-based communication such as the use of the global positioning system (GPS) to determine a location, another like communication function, or any combination thereof. Communications may be implemented in according to one or more communication protocols and / or standards, such as IEEE 802.11, Code Division  Multiplexing Access (CDMA) , Wideband Code Division Multiple Access (WCDMA) , GSM, LTE, New Radio (NR) , UMTS, WiMax, Ethernet, transmission control protocol / internet protocol (TCP / IP) , synchronous optical networking (SONET) , Asynchronous Transfer Mode (ATM) , QUIC, Hypertext Transfer Protocol (HTTP) , and so forth.

[0246] Regardless of the type of sensor, a UE may provide an output of data captured by its sensors, through its communication interface 3212, via a wireless connection to a network node. Data captured by sensors of a UE can be communicated through a wireless connection to a network node via another UE. The output may be periodic (e.g., once every 15 minutes if it reports the sensed temperature) , random (e.g., to even out the load from reporting from several sensors) , in response to a triggering event (e.g., when moisture is detected an alert is sent) , in response to a request (e.g., a user initiated request) , or a continuous stream (e.g., a live video feed of a patient) .

[0247] As another example, a UE comprises an actuator, a motor, or a switch, related to a communication interface configured to receive wireless input from a network node via a wireless connection. In response to the received wireless input the states of the actuator, the motor, or the switch may change. For example, the UE may comprise a motor that adjusts the control surfaces or rotors of a drone in flight according to the received input or to a robotic arm performing a medical procedure according to the received input.

[0248] A UE, when in the form of an Internet of Things (IoT) device, may be a device for use in one or more application domains, these domains comprising, but not limited to, city wearable technology, extended industrial application and healthcare. Non-limiting examples of such an IoT device are a device which is or which is embedded in: a connected refrigerator or freezer, a TV, a connected lighting device, an electricity meter, a robot vacuum cleaner, a voice controlled smart speaker, a home security camera, a motion detector, a thermostat, a smoke detector, a door / window sensor, a flood / moisture sensor, an electrical door lock, a connected doorbell, an air conditioning system like a heat pump, an autonomous vehicle, a surveillance system, a weather monitoring device, a vehicle parking monitoring device, an electric vehicle charging station, a smart watch, a fitness tracker, a wearable for tactile augmentation or sensory enhancement, a water sprinkler, an animal-or item-tracking device, a sensor for monitoring a plant or animal, an industrial robot, an Unmanned Aerial Vehicle (UAV) , and any kind of medical device, like a heart rate monitor or a remote controlled surgical robot. A UE in the form of an IoT device comprises circuitry and / or software in dependence of the intended application of the IoT device in addition to other components as described in relation to the UE 3200 shown in FIG. 32.

[0249] As yet another specific example, in an IoT scenario, a UE may represent a machine or other device that performs monitoring and / or measurements, and transmits the results of such monitoring and / or measurements to another UE and / or a network node. The UE may in this case be an M2M device, which may in a 3GPP context be referred to as an MTC device. As one particular example, the UE may implement the 3GPP NB-IoT standard. In other scenarios, a UE may represent a vehicle, such as a car, a bus, a truck, a ship and an airplane, or other equipment that is capable of monitoring and / or reporting on its operational status or other functions associated with its operation.

[0250] In practice, any number of UEs may be used together with respect to a single use case. For example, a first UE might be or be integrated in a drone and provide the drone’s speed information (obtained through a speed sensor) to a second UE that is a remote controller operating the drone. When the user makes changes from the remote controller, the first UE may adjust the throttle on the drone (e.g. by controlling an actuator) to increase or decrease the drone’s speed. The first and / or the second UE can also include more than one of the functionalities described above. For example, a UE might comprise the sensor and the actuator, and handle communication of data for both the speed sensor and the actuators.

[0251] FIG. 33 shows a network node 3300 in accordance with some embodiments. As used herein, network node refers to equipment capable, configured, arranged and / or operable to communicate directly or indirectly with a UE and / or with other network nodes or equipment, in a telecommunication network. Examples of network nodes include, but are not limited to, access points (APs) (e.g., radio access points) , base stations (BSs) (e.g., radio base stations, Node Bs, evolved Node Bs (eNBs) and NR NodeBs (gNBs) ) , O-RAN nodes or components of an O-RAN node (e.g., O-RU, O-DU, O-CU) .

[0252] Base stations may be categorized based on the amount of coverage they provide (or, stated differently, their transmit power level) and so, depending on the provided amount of coverage, may be referred to as femto base stations, pico base stations, micro base stations, or macro base stations. A base station may be a relay node or a relay donor node controlling a relay. A network node may also include one or more (or all) parts of a distributed radio base station such as centralized digital units, distributed units (e.g., in an O-RAN access node) and / or remote radio units (RRUs) , sometimes referred to as Remote Radio Heads (RRHs) . Such remote radio units may or may not be integrated with an antenna as an antenna integrated radio. Parts of a distributed radio base station may also be referred to as nodes in a distributed antenna system (DAS) .

[0253] Other examples of network nodes include multiple transmission point (multi-TRP) 5G access nodes, multi-standard radio (MSR) equipment such as MSR BSs, network controllers such as radio network controllers (RNCs) or base station controllers (BSCs) , base transceiver stations (BTSs) , transmission points, transmission nodes, multi-cell / multicast coordination entities (MCEs) , Operation and Maintenance (O&M) nodes, Operations Support System (OSS) nodes, Self-Organizing Network (SON) nodes, positioning nodes (e.g., Evolved Serving Mobile Location Centers (E-SMLCs) ) , and / or Minimization of Drive Tests (MDTs) .

[0254] The network node 3300 includes a processing circuitry 3302, a memory 3304, a communication interface 3306, and a power source 3308. The network node 3300 may be composed of multiple physically separate components (e.g., a NodeB component and a RNC component, or a BTS component and a BSC component, etc. ) , which may each have their own respective components. In certain scenarios in which the network node 3300 comprises multiple separate components (e.g., BTS and BSC components) , one or more of the separate components may be shared among several network nodes. For example, a single RNC may control multiple NodeBs. In such a scenario, each unique NodeB and RNC pair, may in some instances be considered a single separate network node. In some embodiments, the network node 3300 may be configured to support multiple radio access technologies (RATs) . In such embodiments, some components may be duplicated (e.g., separate memory 3304 for different RATs) and some components may be reused (e.g., a same antenna 3310 may be shared by different RATs) . The network node 3300 may also include multiple sets of the various illustrated components for different wireless technologies integrated into network node 3300, for example GSM, WCDMA, LTE, NR, WiFi, Zigbee, Z-wave, LoRaWAN, Radio Frequency Identification (RFID) or Bluetooth wireless technologies. These wireless technologies may be integrated into the same or different chip or set of chips and other components within network node 3300.

[0255] The processing circuitry 3302 may comprise a combination of one or more of a microprocessor, controller, microcontroller, central processing unit, digital signal processor, application-specific integrated circuit, field programmable gate array, or any other suitable computing device, resource, or combination of hardware, software and / or encoded logic operable to provide, either alone or in conjunction with other network node 3300 components, such as the memory 3304, to provide network node 3300 functionality.

[0256] In some embodiments, the processing circuitry 3302 includes a system on a chip (SOC) . In some embodiments, the processing circuitry 3302 includes one or more of radio frequency (RF) transceiver circuitry 3312 and baseband processing circuitry 3314. In some embodiments, the radio frequency (RF) transceiver circuitry 3312 and the baseband processing circuitry 3314  may be on separate chips (or sets of chips) , boards, or units, such as radio units and digital units. In alternative embodiments, part or all of RF transceiver circuitry 3312 and baseband processing circuitry 3314 may be on the same chip or set of chips, boards, or units.

[0257] The memory 3304 may comprise any form of volatile or non-volatile computer-readable memory including, without limitation, persistent storage, solid-state memory, remotely mounted memory, magnetic media, optical media, random access memory (RAM) , read-only memory (ROM) , mass storage media (for example, a hard disk) , removable storage media (for example, a flash drive, a Compact Disk (CD) or a Digital Video Disk (DVD) ) , and / or any other volatile or non-volatile, non-transitory device-readable and / or computer-executable memory devices that store information, data, and / or instructions that may be used by the processing circuitry 3302. The memory 3304 may store any suitable instructions, data, or information, including a computer program, software, an application including one or more of logic, rules, code, tables, and / or other instructions capable of being executed by the processing circuitry 3302 and utilized by the network node 3300. The memory 3304 may be used to store any calculations made by the processing circuitry 3302 and / or any data received via the communication interface 3306. In some embodiments, the processing circuitry 3302 and memory 3304 is integrated.

[0258] The communication interface 3306 is used in wired or wireless communication of signaling and / or data between a network node, access network, and / or UE. As illustrated, the communication interface 3306 comprises port (s)  / terminal (s) 3316 to send and receive data, for example to and from a network over a wired connection. The communication interface 3306 also includes radio front-end circuitry 3318 that may be coupled to, or in certain embodiments a part of, the antenna 3310. Radio front-end circuitry 3318 comprises filters 3320 and amplifiers 3322. The radio front-end circuitry 3318 may be connected to an antenna 3310 and processing circuitry 3302. The radio front-end circuitry may be configured to condition signals communicated between antenna 3310 and processing circuitry 3302. The radio front-end circuitry 3318 may receive digital data that is to be sent out to other network nodes or UEs via a wireless connection. The radio front-end circuitry 3318 may convert the digital data into a radio signal having the appropriate channel and bandwidth parameters using a combination of filters 3320 and / or amplifiers 3322. The radio signal may then be transmitted via the antenna 3310. Similarly, when receiving data, the antenna 3310 may collect radio signals which are then converted into digital data by the radio front-end circuitry 3318. The digital data may be passed to the processing circuitry 3302. In other embodiments, the communication interface may comprise different components and / or different combinations of components.

[0259] In certain alternative embodiments, the network node 3300 does not include separate radio front-end circuitry 3318, instead, the processing circuitry 3302 includes radio front-end circuitry and is connected to the antenna 3310. Similarly, in some embodiments, all or some of the RF transceiver circuitry 3312 is part of the communication interface 3306. In still other embodiments, the communication interface 3306 includes one or more ports or terminals 3316, the radio front-end circuitry 3318, and the RF transceiver circuitry 3312, as part of a radio unit (not shown) , and the communication interface 3306 communicates with the baseband processing circuitry 3314, which is part of a digital unit (not shown) .

[0260] The antenna 3310 may include one or more antennas, or antenna arrays, configured to send and / or receive wireless signals. The antenna 3310 may be coupled to the radio front-end circuitry 3318 and may be any type of antenna capable of transmitting and receiving data and / or signals wirelessly. In certain embodiments, the antenna 3310 is separate from the network node 3300 and connectable to the network node 3300 through an interface or port.

[0261] The antenna 3310, communication interface 3306, and / or the processing circuitry 3302 may be configured to perform any receiving operations and / or certain obtaining operations described herein as being performed by the network node. Any information, data and / or signals may be received from a UE, another network node and / or any other network equipment. Similarly, the antenna 3310, the communication interface 3306, and / or the processing circuitry 3302 may be configured to perform any transmitting operations described herein as being performed by the network node. Any information, data and / or signals may be transmitted to a UE, another network node and / or any other network equipment.

[0262] The power source 3308 provides power to the various components of network node 3300 in a form suitable for the respective components (e.g., at a voltage and current level needed for each respective component) . The power source 3308 may further comprise, or be coupled to, power management circuitry to supply the components of the network node 3300 with power for performing the functionality described herein. For example, the network node 3300 may be connectable to an external power source (e.g., the power grid, an electricity outlet) via an input circuitry or interface such as an electrical cable, whereby the external power source supplies power to power circuitry of the power source 3308. As a further example, the power source 3308 may comprise a source of power in the form of a battery or battery pack which is connected to, or integrated in, power circuitry. The battery may provide backup power should the external power source fail.

[0263] Embodiments of the network node 3300 may include additional components beyond those shown in FIG. 33 for providing certain aspects of the network node’s functionality,  including any of the functionality described herein and / or any functionality necessary to support the subject matter described herein. For example, the network node 3300 may include user interface equipment to allow input of information into the network node 3300 and to allow output of information from the network node 3300. This may allow a user to perform diagnostic, maintenance, repair, and other administrative functions for the network node 3300. In some embodiments providing a core network node, such as core network node 108 of FIG. 31, some components, such as the radio front-end circuitry 3318 and the RF transceiver circuitry 3312 may be omitted.

[0264] FIG. 34 is a block diagram illustrating a virtualization environment 3400 in which functions implemented by some embodiments may be virtualized. In the present context, virtualizing means creating virtual versions of apparatuses or devices which may include virtualizing hardware platforms, storage devices and networking resources. As used herein, virtualization can be applied to any device described herein, or components thereof, and relates to an implementation in which at least a portion of the functionality is implemented as one or more virtual components. Some or all of the functions described herein may be implemented as virtual components executed by one or more virtual machines (VMs) implemented in one or more virtual environments 3400 hosted by one or more of hardware nodes, such as a hardware computing device that operates as a network node, UE, core network node, or host. Further, in embodiments in which the virtual node does not require radio connectivity (e.g., a core network node or host) , then the node may be entirely virtualized. In some embodiments, the virtualization environment 3400 includes components defined by the O-RAN Alliance, such as an O-Cloud environment orchestrated by a Service Management and Orchestration Framework via an O-2 interface. Virtualization may facilitate distributed implementations of a network node, UE, core network node, or host.

[0265] Applications 3402 (which may alternatively be called software instances, virtual appliances, network functions, virtual nodes, virtual network functions, etc. ) are run in the virtualization environment 3400 to implement some of the features, functions, and / or benefits of some of the embodiments disclosed herein.

[0266] Hardware 3404 includes processing circuitry, memory that stores software and / or instructions executable by hardware processing circuitry, and / or other hardware devices as described herein, such as a network interface, input / output interface, and so forth. Software may be executed by the processing circuitry to instantiate one or more virtualization layers 3406 (also referred to as hypervisors or virtual machine monitors (VMMs) ) , provide VMs 3408a and 3408b (one or more of which may be generally referred to as VMs 3408) , and / or perform any of the  functions, features and / or benefits described in relation with some embodiments described herein. The virtualization layer 3406 may present a virtual operating platform that appears like networking hardware to the VMs 3408.

[0267] The VMs 3408 comprise virtual processing, virtual memory, virtual networking or interface and virtual storage, and may be run by a corresponding virtualization layer 3406. Different embodiments of the instance of a virtual appliance 3402 may be implemented on one or more of VMs 3408, and the implementations may be made in different ways. Virtualization of the hardware is in some contexts referred to as network function virtualization (NFV) . NFV may be used to consolidate many network equipment types onto industry standard high volume server hardware, physical switches, and physical storage, which can be located in data centers, and customer premise equipment.

[0268] In the context of NFV, a VM 3408 may be a software implementation of a physical machine that runs programs as if they were executing on a physical, non-virtualized machine. Each of the VMs 3408, and that part of hardware 3404 that executes that VM, be it hardware dedicated to that VM and / or hardware shared by that VM with others of the VMs, forms separate virtual network elements. Still in the context of NFV, a virtual network function is responsible for handling specific network functions that run in one or more VMs 3408 on top of the hardware 3404 and corresponds to the application 3402.

[0269] Hardware 3404 may be implemented in a standalone network node with generic or specific components. Hardware 3404 may implement some functions via virtualization. Alternatively, hardware 3404 may be part of a larger cluster of hardware (e.g. such as in a data center or CPE) where many hardware nodes work together and are managed via management and orchestration 3410, which, among others, oversees lifecycle management of applications 3402. In some embodiments, hardware 3404 is coupled to one or more radio units that each include one or more transmitters and one or more receivers that may be coupled to one or more antennas. Radio units may communicate directly with other hardware nodes via one or more appropriate network interfaces and may be used in combination with the virtual components to provide a virtual node with radio capabilities, such as a radio access node or a base station. In some embodiments, some signaling can be provided with the use of a control system 3412 which may alternatively be used for communication between hardware nodes and radio units.

[0270] Although the computing devices described herein (e.g., UEs, network nodes) may include the illustrated combination of hardware components, other embodiments may comprise computing devices with different combinations of components. It is to be understood that these computing devices may comprise any suitable combination of hardware and / or software needed  to perform the tasks, features, functions and methods disclosed herein. Determining, calculating, obtaining or similar operations described herein may be performed by processing circuitry, which may process information by, for example, converting the obtained information into other information, comparing the obtained information or converted information to information stored in the network node, and / or performing one or more operations based on the obtained information or converted information, and as a result of said processing making a determination. Moreover, while components are depicted as single boxes located within a larger box, or nested within multiple boxes, in practice, computing devices may comprise multiple different physical components that make up a single illustrated component, and functionality may be partitioned between separate components. For example, a communication interface may be configured to include any of the components described herein, and / or the functionality of the components may be partitioned between the processing circuitry and the communication interface. In another example, non-computationally intensive functions of any of such components may be implemented in software or firmware and computationally intensive functions may be implemented in hardware.

[0271] In certain embodiments, some or all of the functionality described herein may be provided by processing circuitry executing instructions stored on in memory, which in certain embodiments may be a computer program product in the form of a non-transitory computer-readable storage medium. In alternative embodiments, some or all of the functionality may be provided by the processing circuitry without executing instructions stored on a separate or discrete device-readable storage medium, such as in a hard-wired manner. In any of those particular embodiments, whether executing instructions stored on a non-transitory computer-readable storage medium or not, the processing circuitry can be configured to perform the described functionality. The benefits provided by such functionality are not limited to the processing circuitry alone or to other components of the computing device, but are enjoyed by the computing device as a whole, and / or by end users and a wireless network generally.

[0272] As such, it should be appreciated that at least some aspects of the exemplary embodiments of the disclosure may be practiced in various components such as integrated circuit chips and modules. It should thus be appreciated that the exemplary embodiments of this disclosure may be realized in an apparatus that is embodied as an integrated circuit, where the integrated circuit may comprise circuitry (as well as possibly firmware) for embodying at least one or more of a data processor, a digital signal processor, baseband circuitry and radio frequency circuitry that are configurable so as to operate in accordance with the exemplary embodiments of this disclosure.

[0273] It should be appreciated that at least some aspects of the exemplary embodiments of the disclosure may be embodied in computer-executable instructions, such as in one or more program modules, executed by one or more computers or other devices. Generally, program modules include routines, programs, objects, components, data structures, etc. that perform particular tasks or implement particular abstract data types when executed by a processor in a computer or other device. The computer executable instructions may be stored on a computer readable medium such as a hard disk, optical disk, removable storage media, solid state memory, RAM, etc. As will be appreciated by one skilled in the art, the function of the program modules may be combined or distributed as desired in various embodiments. In addition, the function may be embodied in whole or in part in firmware or hardware equivalents such as integrated circuits, field programmable gate arrays (FPGA) , and the like.

[0274] References in the present disclosure to “one embodiment” , “an embodiment” and so on, indicate that the embodiment described may include a particular feature, structure, or characteristic, but it is not necessary that every embodiment includes the particular feature, structure, or characteristic. Moreover, such phrases are not necessarily referring to the same embodiment. Further, when a particular feature, structure, or characteristic is described in connection with an embodiment, it is submitted that it is within the knowledge of one skilled in the art to implement such feature, structure, or characteristic in connection with other embodiments whether or not explicitly described.

[0275] It should be understood that, although the terms “first” , “second” and so on may be used herein to describe various elements, these elements should not be limited by these terms. These terms are only used to distinguish one element from another. For example, a first element could be termed a second element, and similarly, a second element could be termed a first element, without departing from the scope of the disclosure. As used herein, the term “and / or” includes any and all combinations of one or more of the associated listed terms.

[0276] The terminology used herein is for the purpose of describing particular embodiments only and is not intended to limit the present disclosure. As used herein, the singular forms “a” , “an” and “the” are intended to include the plural forms as well, unless the context clearly indicates otherwise. It will be further understood that the terms “comprises” , “comprising” , “has” , “having” , “includes” and / or “including” , when used herein, specify the presence of stated features, elements, and / or components, but do not preclude the presence or addition of one or more other features, elements, components and / or combinations thereof. The terms “connect” , “connects” , “connecting” and / or “connected” used herein cover the direct and / or indirect connection between two elements. It should be noted that two blocks shown in succession in the  above figures may, in fact, be executed substantially concurrently, or the blocks may sometimes be executed in the reverse order, depending upon the functionality involved.

[0277] The present disclosure includes any novel feature or combination of features disclosed herein either explicitly or any generalization thereof. Various modifications and adaptations to the foregoing exemplary embodiments of this disclosure may become apparent to those skilled in the relevant arts in view of the foregoing description, when read in conjunction with the accompanying drawings. However, any and all modifications will still fall within the scope of the non-Limiting and exemplary embodiments of this disclosure.

Claims

1.A method at a delay estimator, the method comprising:determining (1002) a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term; anddetermining (1004) delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term, wherein a time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay.2.The method according to claim 1, further comprising:determining (1306) a power of the nonlinear term, based on the amplitude or squared amplitude correlation or the signal correlation.3.The method according to claim 1 or 2, wherein determining (1004) the delta delays of the component signals of the nonlinear term comprises:scanning (1214) the component signals of the nonlinear term in corresponding delay windows around the mean delay, so that a peak is found in the signal correlation; anddetermining (1216) delay offsets of the component signals relative to the mean delay which correspond to the peak in the signal correlation, as the delta delays of the components of the nonlinear term.4.The method according to any of claims 1 to 3, wherein determining (1002) the mean delay of the component signals of the nonlinear term from a nonlinear distortion source comprises:determining (1108) one or more peaks in the amplitude or squared amplitude correlation;determining (1110) a subset of the one or more peaks as belonging to one nonlinear distortion source, wherein members of the subset have time delays located within a predetermined time range; anddetermining (1112) the mean delay of the component signals of the nonlinear term, based on the time delays of the members of the subset.5.The method according to claim 4, wherein the mean delay is determined as one of:the time delay of a member which has a highest value among the members of the subset; andan average value of the time delays of the members of the subset.6.The method according to any of claims 1 to 5, further comprising:capturing (1301) time-series data samples of the first signal and time-series data samples of the second signal into a memory.7.The method according to claim 2, wherein the determining (1002) of the mean delay, the determining (1004) of the delta delays and the determining (1306) of the power are performed for multiple nonlinear terms from a strongest nonlinear distortion source.8.The method according to claim 7, further comprising:providing (2232) the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller, wherein the canceller is configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal; andreceiving (2234) , from the canceller, the residual first signal after the removal;wherein the determining (1002) of the mean delay, the determining (1004) of the delta delays and the determining (1306) of the power are performed again for multiple nonlinear terms from a next strongest nonlinear distortion source, by using the residual first signal instead of the first signal.9.The method according to claim 2, wherein the determining (1002) of the mean delay, the determining (1004) of the delta delays and the determining (1306) of the power are performed for multiple nonlinear terms from multiple nonlinear distortion sources.10.The method according to claim 9, further comprising:providing (1420) the mean delays, delta delays and powers of at least part of the multiple nonlinear terms to a canceller, wherein the canceller is configured to model the at least part of the multiple nonlinear terms based on the provided mean delays, delta delays and powers and to remove the modeled at least part of the multiple nonlinear terms from the first signal.11.The method according to claim 8 or 10, further comprising:determining (1522) , for each of the multiple nonlinear terms, whether the nonlinear term has a power greater than a predetermined power threshold; andwhen the nonlinear term has a power greater than the predetermined power threshold, determining (1524) the nonlinear term as one of the at least part of the multiple nonlinear terms.12.The method according to claim 10, further comprising:sorting (1626) the multiple nonlinear terms based on powers of the multiple nonlinear terms; anddetermining (1628) a predetermined number of nonlinear terms which have strongest powers in the sorted multiple nonlinear terms, as the at least part of the multiple nonlinear terms.13.The method according to claim 8 or 10, wherein the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms are provided to the canceller by: storing the mean delays, delta delays and powers of the at least part of the multiple nonlinear terms into a look-up table, LUT, of the canceller; orwherein the residual first signal is received from the canceller by capturing time-series data samples of the residual first signal into a memory.14.The method according to any of claims 1 to 13, wherein the amplitude correlation between the first signal and the second signal is calculated by using a simplified absolution operation; andwherein in the simplified absolution operation, an absolution value of a complex signal is calculated by using coordinate rotation digital computer, CORDIC, process, or is calculated as a sum of: a first predetermined coefficient multiplied by a larger one of a real part and an imaginary part of the complex signal; and a second predetermined coefficient multiplied by a smaller one of the real part and the imaginary part of the complex signal.15.The method according to any of claims 2 to 14, wherein the nonlinear distortion source is passive intermodulation, PIM, source;wherein the first signal is a reception signal at a radio unit; andwherein the second signal related to the nonlinear term is multiple transmission signals at the radio unit which generate the nonlinear term, and the second signal representing the nonlinear term is a combined signal from the multiple transmission signals.16.The method according to claim 15, wherein the amplitude or squared amplitude correlation between the first signal and the second signal is calculated as one or more of:first amplitude or squared amplitude correlation between the reception signal and the combined signal; anda set of second amplitude or squared amplitude correlations each of which is between the reception signal and corresponding one of the multiple transmission signals.17.The method according to claim 15 or 16, further comprising:receiving (2538) , from a PIM calculator, multiple nonlinear terms affecting the reception signal, wherein the PIM calculator is configured to determine the multiple nonlinear terms based on a carrier configuration of the radio unit.18.The method according to any of claims 15 to 17, further comprising:receiving (2640) , from a PIM cancellation evaluator, a trigger signal indicating that a performance of PIM cancellation has been degraded;wherein the determining (1002) of the mean delay, the determining (1004) of the delta delays and the determining (1306) of the power are performed again in response to the trigger signal.19.A delay estimator (2802) comprising:at least one processor (2804) ; andat least one memory (2806) , the at least one memory (2806) containing instructions executable by the at least one processor (2804) , whereby the delay estimator (2802) is operative to:determine a mean delay of component signals of a nonlinear term from a nonlinear distortion source, based on amplitude or squared amplitude correlation between a first signal subjected to the nonlinear term and a second signal representing and / or related to the nonlinear term; anddetermine delta delays of the component signals of the nonlinear term, based on signal correlation between the first signal and a third signal representing the nonlinear term, wherein a time delay of the component signal equals a sum of the delta delay of the component signal and the mean delay.20.The delay estimator (2802) according to claim 19, wherein the delay estimator (2802) is operative to perform the method according to any of claims 2 to 18.21.A radio unit (2800) comprising:a delay estimator (2802) according to claim 19 or 20.22.The radio unit (2800) according to claim 21, further comprising one or more of:a canceller (2808) configured to model the nonlinear term based at least on the mean delay and delta delays and to remove the modeled nonlinear term from a reception signal at the radio unit;a passive intermodulation, PIM, calculator (2810) configured to determine the nonlinear term based on a carrier configuration of the radio unit (2800) ; anda PIM cancellation evaluator (2812) configured to evaluate a performance of PIM cancellation performed by the canceller (2808) and to provide a trigger signal to the delay estimator (2802) when the performance of PIM cancellation has been degraded.23.The radio unit (2800) according to claim 22, wherein the canceller (2808) is configured to remove, from the first signal, a product of the modeled nonlinear term and an updated equalizer coefficient; andwherein the radio unit (2800) further comprises an adaptation module (2814) configured to determine the updated equalizer coefficient for the nonlinear term based on previous equalizer coefficient.24.The radio unit (2800) according to claim 23, wherein the adaptation module (2814) comprises:a capturing module (2816) configured to capture time-series data samples of the reception signal output from the canceller and time-series data samples of multiple transmission signals into a memory;a modeling module (2818) configured to model the nonlinear term based at least on the time-series data samples of the multiple transmission signals, the mean delay and delta delays;an error calculation module (2820) configured to generate a product of the modeled nonlinear term and the previous equalizer coefficient and subtract the product from the time-series data samples of the reception signal to obtain the error; andan updating module (2822) configured to determine the updated equalizer coefficient by minimizing the obtained error.25.A computer readable storage medium storing thereon instructions which when  executed by at least one processor, cause the at least one processor to perform the method according to any of claims 1 to 18.

Images