对比文件的名称：2016-01-21_US2016020843A_发明申请_US20160020843A1 ENODEB REFERENCE SIGNAL REDUCTION
目标专利的名称：1046用于长期波束成形的方法和设备CN112020832B
本次调用的模型名称：Gemini
### 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 | ||||||||
| 技术特征A：包括接收(S1)探测参考信号SRS信息或解调参考信号DMRS信息。 **《隐含公开》** | [0038] “the eNB may be able to identify feedback information based on, for example, downlink or uplink sounding in time-division duplexing (TDD) mode.” <br> 译文：“eNB能够基于例如时分双工（TDD）模式中的下行链路或上行链路探测来识别反馈信息。” | 对比文件公开了eNB基于“上行链路探测（uplink sounding，对应于SRS）”或“下行链路探测（downlink sounding，其反馈信息隐含DMRS信息）”来获取信息。本领域技术人员可以合理推断，该流程必然隐含了接收SRS信息或DMRS信息的前置步骤。 | ||||||||
| 技术特征B：根据所述信息针对用户的集合确定(S2)信道的信道估计。 **《直接公开》** | [0051] “the channel covariance matrix may be estimated at the end of the qth training phase as R_q = ... Ĥ_k may be the estimated channel for the kth UE.” <br> 译文：“信道协方差矩阵可以在第q个训练阶段结束时被估计为R_q = ... Ĥ_k可以是第k个UE的估计信道。” | 对比文件明确记载了根据反馈/探测信息（即所述信息）为一组用户计算信道估计值Ĥ_k以及信道协方差矩阵R_q，完全公开了该技术特征。 | ||||||||
| 技术特征C：根据所述信息确定(S3)用户的所述集合的活动用户子集。 **《直接公开》** | [0032] “Let the aggregated channel matrix of the active vector channels be H.” <br> 译文：“令活动向量信道的聚合信道矩阵为H。” | 对比文件直接定义了“活动向量信道（active vector channels）”的聚合信道矩阵，这明确表明其根据接收到的信息（反馈/探测）确定了哪些用户属于活动用户子集。 | ||||||||
| 技术特征D：根据所述信道估计和所述活动用户子集确定(S4)用于长期波束成形的权重。 **《直接公开》** | [0034] “the eNB may use the beamforming vector (or weight) ν1 for the antenna port.” <br> [0051] “The basis for each signal subspace in the D-dimensional channel may be {u_q,1, ..., u_q,D} where u_q,d is the dth column of the unitary matrix U_q, that is the eigenvector corresponding to the dth strongest eigenvalue. These strongest eigenvectors may now be used to beamform reference signals to the signal subspace at 310.” <br> 译文：“eNB可以使用波束成形向量（或权重）ν1... D维信道中每个信号子空间的基可以是{u_q,1, ..., u_q,D}，其中u_q,d是酉矩阵U_q的第d列，即对应于第d个最强特征值的特征向量。这些最强特征向量可以用于将参考信号波束成形到信号子空间。” | 对比文件公开了基于信道估计结果（协方差矩阵R_q）和活动用户（由聚合信道矩阵H表征）来确定用于波束成形的权重（特征向量），这直接对应目标专利的“根据信道估计和活动用户子集确定用于长期波束成形的权重”。 | ||||||||
| 技术特征E：包括针对所述信道的子带，确定在时间实例处的针对用户的信道向量估计。 **《直接公开》** | [0047] “t may represent a given orthogonal frequency division multiplexing (OFDM) symbol, and n may represent a subcarrier in the channel. Using this notation, the channel from an eNB to the kth UE may be written as H_k[t,n]... Ĥ_k[t,n].” <br> 译文：“t可以表示给定的正交频分复用（OFDM）符号，n可以表示信道中的子载波。使用该符号，从eNB到第k个UE的信道可以写作H_k[t,n]... Ĥ_k[t,n]。” | 对比文件直接公开了在时间实例（OFDM符号t）处，针对子载波（构成了子带的频域单元）n确定用户k的信道向量估计H_k[t,n]，完全对应目标专利的特征E。 | ||||||||
| 技术特征F：包括通过以下来确定活动用户的所述子集：将用户在所述活动用户子集中而没有执行探测参考信号SRS或解调参考信号DMRS传输的时间与最大时间段进行比较，或者将所述活动用户子集中的用户的数目限制为用户的最大数目。 **《未公开》** | 无 | 对比文件没有任何关于通过“未执行SRS/DMRS的最大时间段”或“用户最大数目”来管理活动用户子集的技术内容。对比文件仅基于接收到反馈信息自然确定活动用户，不具备该管理机制。 | ||||||||
| 技术特征G：将所述用户在所述活动用户子集中而没有执行探测参考信号SRS或解调参考信号DMRS传输的所述时间与阈值进行比较，以确定所述最大时间段被超过，和/或通过有限大小或可配置大小的先进先出存储器将所述活动用户子集中的用户的所述数目限制为用户的所述最大数目。 **《未公开》** | 无 | 对比文件完全没有公开“阈值比较”或“先进先出（FIFO）存储器”来限制活动用户子集的技术特征。 | ||||||||
| 技术特征H：包括：针对多个子带中的子带，接收针对用户的信道估计UL-CSI和活动用户的所述子集，并且针对所述用户按子带确定递归：<br>其中 i表示时间实例，k表示用户，hk(i)表示所述时间实例i处的信道向量，表示所述时间实例i处的估计协方差矩阵，α表示用于时间平均的遗忘因子，其中 βk-1(0)和 利用适当大小的零点被初始化，[1：P]是用于从向量中选择前P个元素的下标。 **《未公开》** | [0051] “R_q = 1/(K*T*N) * sum_{k=1}^{K} sum_{n=1}^{N} (H_k[t,n] / | H_k[t,n] | ) (H_k[t,n] / | H_k[t,n] | )^H = U_q λ_q U_q^H” | 对比文件虽然公开了计算协方差矩阵R_q，但其公式是批处理平均公式，完全没有公开目标专利中针对用户按子带进行递归计算的具体公式（包含遗忘因子α、递归结构、前P个元素选择）。该递归算法是目标专利的核心步骤，对比文件未公开。 | ||||
| 技术特征I：其中，α等于0.01。 **《未公开》** | 无 | 对比文件完全没有公开遗忘因子α的具体数值0.01。 | ||||||||
| 技术特征J：包括接收消息，所述消息包括用户索引和所述多个子带中的子带的子带索引 **《未公开》** | 无 | 对比文件没有公开接收包含用户索引和子带索引的配置消息的特征。 | ||||||||
| 技术特征K：配置或触发活动用户选择部件(303)将特定用户添加到所述活动用户子集。 **《未公开》** | 无 | 对比文件没有公开通过消息配置或触发部件将特定用户添加到子集的特征。 | ||||||||
| 技术特征L：包括针对用户k、针对所述多个子带{1，...F}中的子带f确定多个信道向量，其中 **《隐含公开》** | [0047] “n may represent a subcarrier in the channel. Using this notation, the channel from an eNB to the kth UE may be written as H_k[t,n].” <br> 译文：“n可以表示信道中的子载波。... 从eNB到第k个UE的信道可以写作H_k[t,n]。” | 对比文件直接针对子载波（子带的构成单元）确定信道向量H_k[t,n]。本领域技术人员可以合理推断，针对由多个子载波组成的子带f确定多个信道向量是直接公开的扩展。 | ||||||||
| 技术特征M：包括通过以下来对所述活动用户子集{1，...，K}中的用户确定加权和： **《隐含公开》** | [0051] “R_q = 1/(K*T*N) * sum_{k=1}^{K} ...” <br> 译文：“R_q = 1/(K*T*N) * 对k从1到K的求和...” | 对比文件公开了对活动用户子集{1，..., K}中的用户进行求和计算的过程（计算协方差矩阵），这与目标专利的加权和概念在聚合用户信息的作用上实质相同。 | ||||||||
| 技术特征N：包括对所述活动用户子集中的所有用户确定所述加权和。 **《直接公开》** | [0051] “sum_{k=1}^{K}” <br> 译文：“对k从1到K的求和” | 对比文件中求和的对象是所有K个UE，这直接对应于目标专利中“对活动用户子集中的所有用户确定加权和”。 | ||||||||
| 技术特征O：包括通过所述估计协方差矩阵的施密特正交归一化来确定所述权重。 **《隐含公开》** | [0051] “R_q = U_q λ_q U_q^H ... the eigenvectors may now be used to beamform reference signals.” <br> 译文：“R_q = U_q λ_q U_q^H ... 这些特征向量可以用于将参考信号波束成形。” | 对比文件公开了通过对协方差矩阵进行分解（SVD）来获取正交权重矩阵（特征向量）的上位概念。施密特正交归一化是本领域技术人员用于实现向量正交化的标准数学方法之一，可以合理推断其作为实现该功能的具体方式。 | ||||||||
| 技术特征P：包括将所述权重W(i)确定为其中其中 x表示接收信号，并且 βk(i)＝tr(Rk(i))。 **《未公开》** | [0051] “the eigenvectors ... may now be used to beamform.” <br> 译文：“特征向量...可以被用于波束成形。” | 对比文件公开的权重是直接通过SVD得到的特征向量。目标专利特征P的权重计算公式（包含特定的归一化因子和迹函数）完全不同，对比文件未公开该具体公式。 |
<<<a>>><<<B>>><<<C>>><<<D>>><<<E>>><<<l>>><<<m>>><<<N>>><<<o>>>