机 的第四种可能的实现形式中，所述GP系统模型是一种非递归GP系统模型。
[0026] 根据第一方面或者第一方面的第一种至第=种可能的实现形式，在所述收发信机 的第五种可能的实现形式中，所述GP系统模型是一种递归系统模型。
[0027] 根据第一方面或者根据第一方面的上述第一种至第五种中任何一种可能的实现 形式，在所述收发信机的第六种可能的实施形式中，所述LQM 209是一种有效的平均交互 信息（平均MI)度量。
[0028] 根据第一方面的第六种可能的实现形式，在所述收发信机的第屯种可能的实现形 式中，生成一组平均MI包括：基于一个线性均衡器的假设，且接收到的数据信号经过非线 性均衡调节，为接收到的数据信号中的每一个RE生成交互信息（MI)值；基于生成的MI值， 生成所述一组有效的平均MI。
[0029] 根据第一方面的第四或第五种可能的实现形式，在所述收发信机的第八种可能的 实现形式中，所述GP系统模型包括一组GP系统模型，该组GP系统模型中的各GP系统模型 用于为特定的CSI预测BLER，当与所接收到的数据信号关联的CSI不与所述一组GP系统模 型中的任何一个关联时，与最近的CSI关联的GP系统模型得到更新。
[0030] 根据第一方面或者根据上述第一方面的第一种至第八种中任何一种可能的实现 形式，在所述收发信机的第九种可能的实现形式中，所述CSI值是一个宽带信道质量指示 (CQI)、子带CQI、秩指示、宽带预编码矩阵指示（PMI)、或子带PMI。
[0031] 根据第一方面或者根据上述第一方面的第一种至第九种中任何一种可能的实现 形式，在所述收发信机的第十种可能的实现形式中，所述通信链路包括无线通信链路，所述 接收机包括射频（R巧单元。
[0032] 根据第一方面或者根据上述第一方面的第一种至第十种中任何一种可能的实现 形式，在所述收发信机的第十一种可能的实现形式中，所述通信链路包括正交频分多址 (OFDM)类型的通信链路。
[0033] 根据第一方面的第十一种可能的形式，在收发信机的第十二种可能的实现形式 中，所述系统包括非线性均衡或线性均衡。
[0034] 根据第一方面或者根据第一方面的上述第十种至第十二种中任何一种可能的实 现形式，在所述收发信机的第十=种可能的实现形式中，所述系统是一种用户设备，包括用 户界面和显示器。
[0035] 根据本发明的第二方面，上述和进一步的目的和优点通过一种计算机程序产品获 得，包括一个存储有数据的非瞬态计算机可读存储介质，在处理装置访问时，所述处理装置 执行操作，包括：接收信道估计值和噪声协方差估计值；基于信道估计值和噪声协方差估 计值，生成一组链路质量度量化QM);缓存所述生成的一组LQM ;基于接收到的数据信号，生 成一组循环冗余校验（CRC)结果；基于所述缓存的一组LQM和所述一组CRC结果，使用高斯 过程（G巧系统模型更新GP系统模型的模型参数；基于生成的一组LQM，使用更新后的模型 参数与GP系统模型为支持的一组CSI中的每一个CSI预测误块率度LER);从所述支持的 一组CSI中选择具有最大吞吐量的CSI和低于阔值的预测BLER。
[0036] 根据本发明的第=方面，上述和进一步的目的和优点是根据通信系统中被选择的 信道状态信息（CSI)通过一个方法获得的。所述方法包括：〉接收信道估计值和噪声协方 差估计值；基于信道估计值和噪声协方差估计值，生成一组链路质量度量化QM)。缓存所述 的一组LQM。基于接收到的数据信号，生成一组循环冗余校验（CRC)结果；基于所述缓存的 一组LQM和所述生成的CRC结果，使用高斯过程（G巧系统模型来更新一组模型参数。所述 更新后的一组模型参数用于在GP系统模型中为支持的一组CSI的中每一个CSI预测误块 率度LER)。然后，从所述支持的一组CSI中选择一个CSI，所选CSI具有最大吞吐量且预测 的BLER低于预定阔值。
[0037] 根据第S方面，在所述方法的第一种可能的实现形式中，使用GP系统模型来更新 模型参数包括：基于所述生成的一组CRC结果、所述缓存的一组LQM和训练数据字典，更新 模型参数；根据所述缓存的一组LQM、生成的CRC结果和所述接收到的数据信号的CSI，更新 所述训练数据字典。
[0038] 根据第=方面或者第=方面的第一种可能的实现形式，在所述方法的第二种可能 的实现形式中，所述训练数据字典包括多组缓存的LQM，与每组LQM关联的至少一组CRC结 果，W及关联的一组CSI。
[0039] 根据第=方面或者第=方面的第二种可能的实现形式，在所述方法的第=种可能 的实现形式中，所述训练数据字典得W增强；当为当前CSI生成的CRC结果为通过，所述支 持的一组CSI中的所有低吞吐量CSI与所述CRC通过结果关联；当为当前CSI生成的CRC 结果为通过，所述支持的一组CSI中的所有低吞吐量CSI与所述CRC通过结果关联。
[0040] 根据第=方面或者第=方面的第一种至第=种中任何一种可能的实现形式，在所 述方法的第四种可能的实现形式中，所述GP系统模型是一种非递归GP系统模型。
[0041] 根据第=方面或者第=方面的上述第一种至第=种中任何一种可能的实现形式， 在所述方法的第五种可能的实现形式中，所述GP系统模型是一种递归系统模型。
[0042] 根据第S方面，所述方法的第五种可能的实现形式的目的是为了避免与非递归GP 系统模型所需的矩阵求逆相关的计算复杂性。
[0043] 根据第=方面或者根据第=方面的第一种至第五种中任何一种可能的实现形式， 在所述方法的第六种可能的实现形式中，所述LQM是一种有效的平均交互信息（平均MI) 度量。
[0044] 根据第=方面或者根据第=方面的第六种可能的实现形式，在所述方法的第屯种 可能的实现形式中，生成一组平均MI包括：基于一个线性均衡器的假设，且接收到的数据 信号经过非线性均衡调节，为接收到的数据信号中的每一个RE生成一组交互信息（MI)值； 基于生成的一组MI值，生成所述一组有效的平均MI。
[0045] 根据第=方面或者根据第=方面的第四或第五种实现形式，在所述方法的第八种 可能的实现形式中，所述GP的系统模型包括一组GP系统模型，该组GP系统模型中的各个 GP系统模型用于为特定的CSI预测BLER，当与接收到的数据信号关联的CSI不与所述一组 GP系统模型中的任何GP系统模型关联时，与最近的CSI关联的GP系统模型得到更新。
[0046] 根据第=方面或者根据第=方面的上述第一种至第八种中任何一种实现形式，在 所述方法的第九种可能的实现形式中，所述CSI值是一个宽带信道质量指示（CQI)、子带 CQI、秩指示、宽带预编码矩阵指示（PMI)，或子带PMI。
[0047] 通过下文中结合附图对实施例进行的描述，示例性实施例的运些和其他方面、实 现形式和优点显而易见。然而，应当理解的是，此类描述和附图仅仅用于说明的目的，而不 能作为对本发明的限制；对本发明的任何限制，应参考所附权利要求书。本发明的其他方面 和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者可W通过实施 本发明而了解。此外，本发明的方面和优点可通过所附权利要求书特别指出的手段或结合 方式实现和获得。
【附图说明】
[0048] 在附图中：
[0049] 图1示出了综合了公开实施例所有方面的一个简化的LTE接收机的方块图；
[0050] 图2示出了一个综合公开实施例所有方面的用于选择信道状态信息的示例性方 法的流程图；
[0051] 图3示出了综合公开实施例所有方面的宽带-CQI预测的GP系统模型的训练与预 测模式；
[0052] 图4示出了综合本发明所有方面的物理下行链路共享信道的总吞吐量的曲线图；
[0053] 图5示出了综合了本发明所有方面的物理下行链路共享信道的平均BLER曲线 图；
[0054] 图6示出了综合本发明所有方面的说明LA技术的跟踪性能的曲线图；
[0055] 图7示出了一个综合公开实施例所有方面的适于FLA的装置的方块图。
【具体实施方式】
[0056] 本发明公开的实施例通过FLA新技术，避免了现有技术中的许多问题。运些新技 术基于使用非参数高斯过程（G巧的回归/分类方法进行在线学习和BLER预测。GP是一种 非参数回归和分类的贝叶斯方法，比上面描述的现有技术更符合原则。并且，除了提供一个 预测的平均估计值，基于GP的技术还提供了估计值的不确定性（与在OKM中不一样），其 可用于改善链路自适应。所述公开的基于GP的FLA技术使用概率法来解决具有挑战性的 FLA问题，在保持低复杂性和低内存要求的同时，运种技术与现有技术的解决方案相比具有 几个优势。所述公开的基于GP的FLA技术的一些理想特性列举如下：
[0057] 所述公开的基于GP的FLA机制能够在动态环境中调整或推荐合适的CSI值，W最 大程度地提高平均吞吐量，并使平均BLm?低于期望阔值；
[0058] 所述公开的基于GP的FLA技术在平稳和非平稳环境中的工作可令人接受；
[0059] 参数数量少；
[0060] 复杂性保持恒定不变，内存需求低；
[0061] 所述公开的基于GP的FLA技术能够成功应对线性和非线性信道均衡器、不完美信 道状态信息、和RF缺陷。
[006引现有技术的OKM-LA系统使用MIMO均衡器的后处理SINR作为LQM，并基于此进行 适配。相比之下，本发明公开的实施例使用的是有效平均交互信息（平均MI)度量。在经 典方法中已使用了一种不同类型的平均MI度量，然而，本发明中的平均MI度量避免了在其 他FLA技术，如MMIBM，中必要的用于改善性能、但却令人烦恼的校正/校准因子。要获得运 些校正/校准因子，需要进行广泛而耗时的模拟，而且，获得的校正/校准因子不能正常应 对射频损伤，在采用强大的信道编码器/解码器，如满轮编码器或低密度奇偶校验（LDPC) 编码器的系统中作用就没有那么明显了。
[0063] 基于GP的FLA的一般步骤可W概括如下：
[0064] 计算接收信号的LQM ;
[006引将计算得到的LQM和对应的CRC结果输入到GP系统模型的在线学习算法，W更新 GP系统模型的滤波器或模型参数；
[0066] 使用GP系统模型中更新后的模型参数来为每个考虑到的CSI生成BLER预测；
[0067] 使用BL邸预测来选择即将返回给发射机的适当的CSI。
[0068] 与现有技术中的方法相比，本发明所述的基于GP的方法的一个额外优点是通过 评估边缘似然W符合原则的方式获得自由超参数。
[0069] 为了便于说明和帮助理解，此处将描述一个基于3GPP LTE Rel-8标准的示例性实 施例。在给出的实施例中，选择作为反馈值的CSI是CQI，所述CQI发送给发射机，用于选择 MCS。但是，此处公开的方法和装置并不限于此，本领域的技术人员能够很容易意识到，提供 从发射机到接收机反馈CSI的方法的其他通信系统，例如，WCDMA、WiFi、WiMax，W及可W使 用其他CSI的其他类型的通信系统，如RI或PMI，能W类似的方法进行建模并有利地采用 本发明公开的方法和装置。同样地，本发明所使用的许多术语的含义与在LTE环境中使用 时的含义是一致的；然而，应