CN110890932A - 基于esn模型的5g毫米波信道信息确定的方法及装置 - Google Patents
基于esn模型的5g毫米波信道信息确定的方法及装置 Download PDFInfo
- Publication number
- CN110890932A CN110890932A CN201911176789.5A CN201911176789A CN110890932A CN 110890932 A CN110890932 A CN 110890932A CN 201911176789 A CN201911176789 A CN 201911176789A CN 110890932 A CN110890932 A CN 110890932A
- Authority
- CN
- China
- Prior art keywords
- target
- angle
- path
- angle change
- channel information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种基于ESN模型的5G毫米波信道信息确定的方法及装置,其中方法包括:获取毫米波的历史信道信息,确定角度变化集合,根据目标间隔时刻的角度变化集合,在确定目标角度变化值后,根据目标角度变化值确定目标间隔时刻的下一时刻的信道信息;缩小了确定目标间隔时刻的下一时刻的信道信息的范围,基于目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,提高了修正后的ESN模型的准确性,将毫米波的历史信道信息输入修正后的ESN模型用于预估当前时刻下毫米波的信道信息,因此,可以提高预估当前时刻下毫米波的信道信息的准确性。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种基于ESN模型的5G毫米波信道信息确定的方法及装置。
背景技术
随着高流量移动应用的产生,例如:虚拟现实、4K高清视频、自动驾驶等应用,用户对于移动通信网络速率和带宽的要求也逐渐提高。为满足移动通信网络速率及带宽的要求,5G(5th generation mobile networks,五代移动通信网络)技术应运而生。在5G技术中使用毫米波进行通信,其传输速率可达10Gbps,在10Gbps的传输速率下,用户对于移动通信网络速率和带宽的要求可以得到满足。
当毫米波信号受到物体遮挡和雨雪天气的影响时,穿透能力降低,通过采用毫米波波束成形可以提高毫米波信号的收发增益,增强毫米波信号的穿透能力,提高毫米波信号接收质量,而毫米波的信道信息对于毫米波波束成形至关重要,在移动场景中随着用户设备的移动,毫米波的信道变化迅速,现有技术通过信道估计获得毫米波的信道信息。以图1为例说明现有技术通过信道估计确定毫米波的信道信息。
在图1中,每个车辆都携带毫米波移动设备,车辆1上的移动设备A向车辆2上的移动设备B发射毫米波信号,移动设备B接收毫米波信号实现毫米波通信。移动设备A与移动设备B进行毫米波通信的信道称为路径,移动设备A发射毫米波信号的角度为发射角,移动设备B接收毫米波信号的角度为接收角,一个路径对应一个发射角与接收角,发射角与接收角及路径之间一一对应。
移动设备B接收移动设备A的毫米波信号后,返回毫米波应答信号给移动设备A,移动设备A对接收的毫米波应答信号进行解析,得到信道信息,该信道信息包括:移动设备A发射毫米波信号的发射角,移动设备A接收毫米波信号接收角,以及对应路径的路径增益。车辆1上的移动设备根据接收到的信道信息中的接收角,预估车辆2所处的位置,按照车辆2所处位置与自身所处位置,预计下次向移动设备B发射毫米波信号的方向,实现对移动设备B的信道信息的确定。
由于车辆的位置是实时变化的,移动设备B向移动设备A返回毫米波信号后,移动设备B随着车辆2的位置发生改变,此时移动设备A根据返回的信道信息中的接收角预估出的车辆2所处的位置与实际位置有一定差异,导致预计下次向移动设备B发送毫米波信号的方向发生偏移,可见,现有的信道估计确定毫米波的信道信息存在准确性不高的问题。
发明内容
本发明实施例的目的在于提供一种基于ESN模型的5G毫米波信道信息确定的方法及装置,以解决现有信道估计获得毫米波的信道信息存在准确性不高的问题。具体技术方案如下:
第一方面,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法包括:
获取毫米波历史信道信息,毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,信道信息包括:各条路径对应的发射角、接收角以及路径增益,间隔时刻是时间段按照预设时间间隔划分得到的;
根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;所述角度变化集合包括:所述毫米波的各条路径对应的发射角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,目标间隔时刻为时间段内的其中一个间隔时刻;
从目标间隔时刻下的角度变化集合中,确定目标角度变化值,目标角度变化值包括:目标间隔时刻到目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值;
针对毫米波的每一条路径,将毫米波在目标间隔时刻下的该条路径的发射角,与该条路径对应的目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将毫米波在目标间隔时刻下的该条路径的接收角,与该条路径对应的目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,目标发射角为目标间隔时刻的下一时刻下的发射角,目标接收角为目标间隔时刻的下一时刻下的接收角;
将目标发射角、目标接收角及路径增益确定为目标间隔时刻的下一时刻的信道信息;
基于目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型;
将当前时刻前的上一时刻的信道信息输入修正后的ESN模型,得到当前时刻的信道信息。
可选的,从目标间隔时刻下的角度变化集合中,确定目标角度变化值的步骤,包括:
针对毫米波的一条路径,生成随机数,当随机数大于随机数阈值时,基于目标间隔时刻下的角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
当随机数不大于随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值。
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
可选的,基于目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,获得修正后的ESN模型的步骤,包括:
将目标间隔时刻的信道信息输入ESN模型,得到第一信息;第一信息为目标间隔时刻的下一时刻的信道信息;
当第一信息与第二信息相同时,将ESN模型确定为修正后的ESN模型,第二信息为:历史信道信息中的目标间隔时刻的下一时刻的信道信息;
当第一信息与第二信息不相同时,利用历史信道信息对ESN模型的输出层参数进行修正,得到修正后的ESN模型。
可选的,利用历史信道信息对ESN模型的输出层参数进行修正的步骤包括:
获取修正样本集,修正样本集中的各个样本为:历史信道信息中每个目标间隔时刻对应的历史信道信息;
将修正样本集中的每个样本输入至ESN模型中,训练ESN模型,直至达到预设的截止条件,截止条件为:ESN模型的损失函数达到预设阈值,或者,ESN模型的损失函数迭代次数达到预设次数。
可选的,将修正样本集中的每个样本输入至ESN模型中,训练ESN模型步骤之后,方法还包括:
计算训练集中每个样本对应的储备池状态函数,状态函数是ESN模型中储备池的状态函数;
将每个样本对应的状态函数以及ESN模型输出的信道信息分别存储至第二信道矩阵中。
第二方面,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的装置,包括:
获取模块,用于获取毫米波历史信道信息,毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,信道信息包括:各条路径对应的发射角、接收角以及路径增益,间隔时刻是时间段按照预设时间间隔划分得到的;
第一确定模块,用于根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;角度变化集合包括:毫米波的各条路径对应的发射角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,目标间隔时刻为时间段内的其中一个间隔时刻;
第二确定模块,用于从目标间隔时刻下的角度变化集合中,确定目标角度变化值,目标角度变化值包括:目标间隔时刻到目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值;
求和模块,用于针对毫米波的每一条路径,将毫米波在目标间隔时刻下的该条路径的发射角,与该条路径对应的目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将毫米波在目标间隔时刻下的该条路径的接收角,与该条路径对应的目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,目标发射角为目标间隔时刻的下一时刻下的发射角,目标接收角为目标间隔时刻的下一时刻下的接收角;
第三确定模块,用于将目标发射角、目标接收角及路径增益确定为目标间隔时刻的下一时刻的信道信息;
修正模块,用于基于目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型;
预测模块,用于将当前时刻前的上一时刻的信道信息输入修正后的ESN模型,得到当前时刻的信道信息。
可选的,第二确定模块具体用于:
针对毫米波的一条路径,生成随机数,当随机数大于随机数阈值时,基于目标间隔时刻下的角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
当随机数不大于随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
可选的,修正模块具体用于:
将目标间隔时刻的信道信息输入ESN模型,得到第一信息;第一信息为目标间隔时刻的下一时刻的信道信息;
当所述第一信息与第二信息相同时,将所述ESN模型确定为所述修正后的ESN模型,所述第二信息为:所述历史信道信息中的所述目标间隔时刻的下一时刻的信道信息;
当第一信息与第二信息不相同时,利用历史信道信息对ESN模型的输出层参数进行修正,得到修正后的ESN模型。
可选的,修正模块具体用于:
获取修正样本集,修正样本集中的各个样本为:历史信道信息中每个目标间隔时刻对应的历史信道信息;
将修正样本集中的每个样本输入至ESN模型中,训练ESN模型,直至达到预设的截止条件,截止条件为:ESN模型的损失函数达到预设阈值,或者,ESN模型的损失函数迭代次数达到预设次数。
本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的装置还包括:
存储模块,用于计算训练集中每个样本对应的储备池状态函数,状态函数是ESN模型中储备池的状态函数;
将每个样本对应的状态函数以及ESN模型输出的信道信息分别存储至第二信道矩阵中。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现本发明实施例第一方面提供的一种基于ESN模型的5G毫米波信道信息确定的方法的方法步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行本发明实施例第一方面提供的一种基于ESN模型的5G毫米波信道信息确定的方法的方法步骤。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的一种基于ESN模型的5G毫米波信道信息确定的方法。
本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法及装置,获取毫米波历史信道信息,根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;从所述角度变化集合中,确定目标角度变化值,针对所述毫米波的每条路径,将该毫米波在所述目标间隔时刻下的该条路径的发射角与该条路径对应的所述目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,以及,将该毫米波在所述目标间隔时刻下的该条路径的接收角与该条路径对应的所述目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,将所述目标发射角、所述目标接收角及所述路径增益确定为所述目标间隔时刻的下一时刻的信道信息;基于所述目标间隔时刻的下一时刻的信道信息对预设的已训练回声状态网络ESN模型进行修正,获得修正后的ESN模型;将所述当前时刻前的上一时刻的信道信息输入所述修正后的ESN模型,得到所述当前时刻的信道信息。相比于现有技术,本发明实施例使用毫米波的历史信道信息,确定角度变化集合,根据目标间隔时刻的角度变化集合,在确定目标角度变化值后,根据目标角度变化值确定所述目标间隔时刻的下一时刻的信道信息;缩小了确定目标间隔时刻的下一时刻的信道信息的范围,基于所述目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,提高了修正后的ESN模型的准确性,将毫米波的历史信道信息输入修正后的ESN模型用于预估当前时刻下毫米波的信道信息,因此,可以提高预估当前时刻下毫米波的信道信息的准确性。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种通过信道估计确定毫米波的信道信息的示意图;
图2为本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法的流程图;
图3为本发明实施例提供的目标间隔时刻m多条路径的信道信息的示意图;
图4为本发明实施例提供的目标间隔时刻m的下一间隔时刻m+1多条路径的信道信息的示意图;
图5为本发明实施例提供的目标间隔时刻m至m+1时刻的信道信息变化的示意图;
图6为本发明实施例提供的目标间隔时刻的下一时刻m+1至m+2时刻的信道信息变化的示意图;
图7为本发明实施例提供的从角度变化集合中,确定目标角度变化值的流程图;
图8为本发明实施例提供的实现本发明实施例中S206步骤的流程图;
图9为本发明实施例提供的ESN模型的结构图;
图10为本发明实施例提供的实现本发明实施例中S2063步骤的流程图;
图11为本发明实施例提供的存储信道信息的流程图;
图12为本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的装置的结构图;
图13为本发明实施例提供的一种电子设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图2所示,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法,包括:
S201,获取毫米波历史信道信息。
其中,毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,所述信道信息包括:各条路径对应的发射角、接收角以及路径增益,所述间隔时刻是时间段按照预设时间间隔划分得到的。
作为本发明实施例可选的一种实施方式,可以从第一信道矩阵中获取毫米波历史的信道信息。
作为本发明实施例可选的一种实施方式,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法,还包括:
在基站发送的信号序列的初始位置插入字段,利用字段探测信号序列得到第一信道矩阵。
其中,字段用于探测每个间隔时刻,每个路径上,基站发射信号序列时的发射角,用户端的接收信号序列时的接收角以及路径增益,将每个路径上,基站发射信号序列时的发射角,用户端的接收信号序列时的接收角以及路径增益存储至第一信道矩阵中,路径增益是预先设置的值。
作为本发明实施例可选的一种实施方式,将信号序列在各个路径上进行发射,在接收到接收端返回的应答信号后,获得各个路径的增益,将路径增益超过路径增益阈值的路径,的路径增益,发射角以及接收角存储至第一信道矩阵中。
假设,fi和wi分别是基站的发射波束成形向量和用户的接收波束成形向量。发射波束成形向量和接收波束成形向量的角度是可变的,通过基站向用户端发送不同角度的信号序列和用户向基站发送不同角度的信号序列,可以得到信道信息的变化,从而更新第一信道矩阵,将更新的第一信道矩阵传输给其他设备,例如服务器,以便实时的获取信道信息的变化。
可以理解的是,上述S201实施过程中,可以从第一信道矩阵中获取毫米波历史信道信息。
以单用户端单基站的毫米波链路情况为示例,假设基站和用户端采用均匀线性天线(ULA),基站配有NT个发射天线阵元,用户端配有NR个接收天线阵元。用户端在间隔时刻m的接收信号可以表示为:
y=wHHmfx+wHn
其中:f是基站的波束成形向量,w是用户端的波束成形向量,x是基站发送信号序列,n是用户端的高斯白噪声,Hm是在间隔时刻m的信道信息。为分析简单,对考虑下行链路进行信道追踪算法验证。通过更换基站波束成形向量和用户接收端的波束成形向量,可以对上行链路的信道追踪算法进行验证,此处不再赘述。
假设信道由L个簇组成,每个簇只有一条主径信号。因此,毫米波信道信息可以表示为:
其中:ρ是基站和用户端的路径损耗,αm,l是第l条路径的路径增益。变量是用户端第l条路径的接到角(AoA),变量θm,l∈[0,2π]是基站第l条路径的发射角度(AoD),aR(θm,l)是用户端天线响应函数,是基站天线响应函数,采用均匀线性天线模型时,aR(θm,l)可以表示为:
毫米波信道信息Hm可以表示为:
AR(θm)=[aR(θm,1),...,aR(θm,L)]
信道矩阵随着用户端的移动而变化,毫米波信道信息Hm的变化可以表示为:
AR(θm+1)=AR(θm+1+Δθm)
S202,根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合。
其中,角度变化集合包括:毫米波的各条路径对应的发射角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,目标间隔时刻为时间段内的其中一个间隔时刻。
其中,预设角度间隔包括:发射角的角度间隔以及接收角的角度间隔,发射角的角度间隔与基站端的量化间隔相同,接收角的角度间隔与用户端的量化间隔相同。
示例性的,基站端的量化间隔为NT,用户端的量化间隔为NR,
接收角θm,l∈{-π,-π+2π/NR,...,π-2π/NR},l=1,2,...,L。
参考图3及图4,图3及图4是分别由多个方框组成的方框阵列,每个方框代表一个发射角以及该发射角对应的接收角,图3中箭头代表一个发射角运动的方向以及该发射角对应的接收角运动的方向,图3横条纹填充的方框为目标间隔时刻m的信道信息中发射角与接收角的角度,图4中横条纹填充的方框为目标间隔时刻m的下一间隔时刻m+1的信道信息中发射角与接收角的角度,为简化描述,在图3以及图4中预设角度间隔设置为7,在图3以及图4中有三条路径,横轴是发射角,纵轴为接收角:可以看出从目标间隔时刻m到目标间隔时刻的下一间隔时刻m+1,各个路径对应的接收角分别从-5π/7变为了-3π/7,-π/7变为了π/7,π/7变为了3π/7,各个路径对应的发射角分别从5π/7变为了π,-π/7变为了π/7,-5π/7变为了-π。
参考图5以及图6,图5及图6是分别由多个方框组成的方框阵列,每个方框代表一个发射角以及该发射角对应的接收角,图5中箭头代表一个发射角运动的方向以及该发射角对应的接收角运动的方向,在图5中斜条纹填充的方框为目标间隔时刻m的信道信息中发射角与接收角的角度,横条纹填充的方框为m+1的信道信息中发射角变化后的可能角度,与接收角变化后的可能角度。在图6中斜条纹填充的方框为目标间隔时刻m+1的信道信息中发射角与接收角的角度,横条纹填充的方框为m+2的信道信息中发射角变化后的可能角度,与接收角变化后的可能角度。以单个路径为例,说明上述根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合的过程。图5为目标间隔时刻m的信道信息,图6为目标间隔时刻m的下一间隔时刻m+1的信道信息。在图5中阴影部分可知,在目标间隔时刻m的发射角的角度值为-π/7,m+1间隔时刻发射角的角度值可能为:π/7,π/7,π/7,0,-3π/7,-3π/7,-3π/7,0,m+1间隔时刻接收角的角度值可能为:π/7,0,-3π/7,-3π/7,-3π/7,0,π/7,π/7。发射角以及接收角的角度变化集合为:
Z={{+2π/NT,+2π/NR},{+2π/NT,0},{+2π/NT,-2π/NR},{0,-2π/NR},{0,+2π/NR},{-2π/NT,+2π/NR},{-2π/NT,0},{-2π/NT,-2π/NR}}
在图5以及图6,基站端的量化间隔NT以及用户端的量化间隔NR都为7。Z中每项表示信道角度的一种变化可能,每个项的第一元素表示发射角的变化,例如:+2π/NT,第二个元素表示接收角的变化,例如:+2π/NR。将目标间隔时刻m到m+1的信道变化记录为Zm,Zm∈Z。
S203,从目标间隔时刻下的角度变化集合中,确定目标角度变化值。
其中,目标角度变化值包括:目标间隔时刻到目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值。
作为本发明实施例提供的一种可选的实施方式,如图7所示,上述S203可以通过以下步骤实现:
S2031,针对毫米波的一条路径,生成随机数,当随机数大于随机数阈值时,基于目标间隔时刻下的角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值。
其中,随机数阈值及路径增益阈值是预先设定的。
示例性的,将目标间隔时刻m下,针对一条路径,在Z的各项中,选择一个项Z2,服从第一概率预测该路径在m下的目标角度变化值Z2=Z1,Z1是第一时刻的角度变化值,如果该路径的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值Z2为该路径在第一时刻的角度变化值Z1,如果该路径的路径增益不大于增益阈值时,则查找Z的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值。
例如在实际运行时,设置随机数范围为100,随机数阈值为60,当生成的随机数为50时,则70超过随机数阈值,则第一概率为3/5,以3/5在角度变化集合的各项中选择一项,将所选择的项作为目标角度变化值。
S2032,当随机数不大于随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值。
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
示例性的,服从第二概率在目标间隔时刻m下的角度变化集合Z的各项中随机选择一项{-2π/NT,0},当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,当该项对应的路径增益未超过增益阈值,则遍历Z的所有项,直至查找到对应的路径增益超过增益阈值的项,将该项确定为该路径在目标间隔时刻下的目标角度变化值。
可以理解的是,发射端按照发射角在一条路径发射信号序列后,如果发射端接收到接收端返回的信号序列,则该路径的路径增益较大,反之则路径增益很小,如果该路径的路径增益超过增益阈值,则角度变化集合中的目标角度变化值是该路径对应的发射角的变化值与接收角的变化值。
S204,针对毫米波的每一条路径,将毫米波在目标间隔时刻下的该条路径的发射角,与该条路径对应的目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将毫米波在目标间隔时刻下的该条路径的接收角,与该条路径对应的目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角。
其中,目标发射角为目标间隔时刻的下一时刻下的发射角,目标接收角为目标间隔时刻的下一时刻下的接收角。
S205,将目标发射角、目标接收角及路径增益确定为目标间隔时刻的下一时刻的信道信息。
S206,基于目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型。
作为本发明实施例提供的一种可选的实施方式,如图8所示,上述S206可以通过以下步骤实现:
S2061,将目标间隔时刻的信道信息输入ESN模型,得到第一信息。
其中,第一信息为目标间隔时刻的下一时刻的信道信息。
S2062,当第一信息与第二信息相同时,将ESN模型确定为修正后的ESN模型。
其中,第二信息为:历史信道信息中的目标间隔时刻的下一时刻的信道信息。
S2063,当第一信息与第二信息不相同时,利用历史信道信息对ESN模型的输出层参数进行修正,得到修正后的ESN模型。
可以理解的,ESN模型的思想是:由大量神经元组成的储存池(常规神经网络中的隐藏层)存储历史信道信息,并且时间上越近的信道序列对于输出的影响就越大。如图9所示,ESN模型由输入层(Input layer)、储备池(Reservoir)、输出层(Output Layer)构成,输入层有L个节点,储备池由N个循环相连的节点组成,输出层是一个典型的线性输出层。输入层和输出层都连接到储备池,输入层连接到储备层的权重向量为Win,储备池内部链接权重Wx。Win、Wx在初始化完成后即不可变,但是输出层权重向量为Wout是可以通过训练ESN模型进行调整。
本发明实施例只需要训练和优化Wout,由于训练输出层是一个线性过程,所以可以降低开销,利用历史信道信息对ESN模型进行初始化,然后使用基于目标间隔时刻的下一时刻的信道信息,也就是实时信道信息对预设的回声状态网络ESN模型的输出层的权重进行训练。
作为本发明实施例提供的一种可选的实施方式,如图10所示,上述S2063,可以通过以下步骤实现:
S2063a,获取修正样本集。
其中,修正样本集中的各个样本为:历史信道信息中每个目标间隔时刻对应的历史信道信息。
S2063b,将修正样本集中的每个样本输入至ESN模型中,训练ESN模型,直至达到预设的截止条件。
其中,截止条件为:ESN模型的损失函数达到预设阈值,或者,ESN模型的损失函数迭代次数达到预设次数。
假设u(t)=[u1(t),u2(t),....,u1(t)]T,t=1,2,..T来表示样本集,即y(t)=s(t+h)是在目标间隔时刻t的预测值,其中h时间间隔,可以利用目标间隔时刻5预测间隔时刻8的序列值,此时h就为3。目标间隔时刻t的储备池状态x(t)由输入u(t)和x(t-1)决定:
x(t)=τ(u(t),x(t-1))=g(Wx(t-1)+Winu(t))
其中:τ表示状态转移函数,g表示激活函数。储备池的初始状态为零向量。ESN模型的输出是储备池状态和ESN模型输入的线性组合:
其中:[x:u(t)]表示的是向量x与向量u(t)的组合。
对ESN修正的过程如下:产生随机向量(Win,Wx),将u(t)作为一个样本。计算每个样本所对应的储备池状态函数x(t),把[x:u(t)]作为矩阵X的一行,把y(t)作为矩阵Y的一行,X的每行和Y的每行是一一对应的。最后,使用线性回归方法计算出输出权重Wout,目标是使ESN训练样本输出结果和实际结果的误差最小化:
其中:||XWout-Y||2表示XWout-Y范数。
在ESN模型损失函数低于预设阈值的时候,或者,ESN模型的损失函数迭代次数达到预设次数,则对ESN模型的训练完成,将训练完成的ESN模型作为修正后的ESN模型。
S207,将当前时刻前的上一时刻的信道信息输入修正后的ESN模型,得到当前时刻的信道信息。
相比于现有技术,本发明实施例使用毫米波的历史信道信息,确定角度变化集合,根据目标间隔时刻的角度变化集合,在确定目标角度变化值后,根据目标角度变化值确定目标间隔时刻的下一时刻的信道信息;缩小了确定目标间隔时刻的下一时刻的信道信息的范围,基于目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,提高了修正后的ESN模型的准确性,将毫米波的历史信道信息输入修正后的ESN模型用于预估当前时刻下毫米波的信道信息,因此,可以提高预估当前时刻下毫米波的信道信息的准确性。
如图11所示,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的方法,在步骤S2063b之后,还包括:
S1101,计算训练集中每个样本对应的储备池状态函数,状态函数是ESN模型中储备池的状态函数。
S1102,将每个样本对应的状态函数以及ESN模型输出的信道信息分别存储至第二信道矩阵中。
可以理解的是,第二信道矩阵中存储模型ESN模型输出的信道信息,与第一信道矩阵对应中存储的历史信道信息对应,通过查看第一信道矩阵以及第二信道矩阵,可以快速的获知信道信息的变化。
作为本发明实施例提供的一种可选的实施方式,如图12所示,本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的装置包括:
获取模块1201,用于获取毫米波历史信道信息,毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,信道信息包括:各条路径对应的发射角、接收角以及路径增益,间隔时刻是时间段按照预设时间间隔划分得到的。
第一确定模块1202,用于根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;角度变化集合包括:毫米波的各条路径对应的发射角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,目标间隔时刻为时间段内的其中一个间隔时刻。
第二确定模块1203,用于从目标间隔时刻下的角度变化集合中,确定目标角度变化值,目标角度变化值包括:目标间隔时刻到目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值。
求和模块1204,用于针对毫米波的每一条路径,将毫米波在目标间隔时刻下的该条路径的发射角,与该条路径对应的目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将毫米波在目标间隔时刻下的该条路径的接收角,与该条路径对应的目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,目标发射角为目标间隔时刻的下一时刻下的发射角,目标接收角为目标间隔时刻的下一时刻下的接收角。
第三确定模块1205,用于将目标发射角、目标接收角及路径增益确定为目标间隔时刻的下一时刻的信道信息。
修正模块1206,用于基于目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型。
预测模块1207,用于将当前时刻前的上一时刻的信道信息输入修正后的ESN模型,得到当前时刻的信道信息。
可选的,第二确定模块具体用于:
针对毫米波的一条路径,生成随机数,当随机数大于随机数阈值时,基于目标间隔时刻下的角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
当随机数不大于随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值。
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
可选的,修正模块具体用于:
将目标间隔时刻的信道信息输入ESN模型,得到第一信息;第一信息为目标间隔时刻的下一时刻的信道信息。
当第一信息与第二信息相同时,将ESN模型确定为修正后的ESN模型,第二信息为:历史信道信息中的目标间隔时刻的下一时刻的信道信息。
当第一信息与第二信息不相同时,利用历史信道信息对ESN模型的输出层参数进行修正,得到修正后的ESN模型。
可选的,修正模块具体用于:
获取修正样本集,修正样本集中的各个样本为:历史信道信息中每个目标间隔时刻对应的历史信道信息。
将修正样本集中的每个样本输入至ESN模型中,训练ESN模型,直至达到预设的截止条件,截止条件为:ESN模型的损失函数达到预设阈值,或者,ESN模型的损失函数迭代次数达到预设次数。
本发明实施例提供的一种基于ESN模型的5G毫米波信道信息确定的装置还包括:
存储模块,用于计算训练集中每个样本对应的储备池状态函数,状态函数是ESN模型中储备池的状态函数。
将每个样本对应的状态函数以及ESN模型输出的信道信息分别存储至第二信道矩阵中。
本发明实施例还提供了一种电子设备,如图13所示,包括处理器1301、通信接口1302、存储器1303和通信总线1304,其中,处理器1301,通信接口1302,存储器1303通过通信总线1304完成相互间的通信,
存储器1303,用于存放计算机程序;
处理器1301,用于执行存储器1303上所存放的程序时,实现如下步骤:
获取毫米波历史信道信息,毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,信道信息包括:各条路径对应的发射角、接收角以及路径增益,间隔时刻是时间段按照预设时间间隔划分得到的;
根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;角度变化集合包括:毫米波的各条路径对应的发射角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在目标间隔时刻到目标间隔时刻的下一间隔时刻的角度变化值,目标间隔时刻为时间段内的其中一个间隔时刻;
从角度变化集合中,确定目标角度变化值,目标角度变化值包括:目标间隔时刻到目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值;
针对毫米波的每一条路径,将毫米波在目标间隔时刻下的该条路径的发射角,与该条路径对应的目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将毫米波在目标间隔时刻下的该条路径的接收角,与该条路径对应的目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,目标发射角为目标间隔时刻的下一时刻下的发射角,目标接收角为目标间隔时刻的下一时刻下的接收角;
将目标发射角、目标接收角及路径增益确定为目标间隔时刻的下一时刻的信道信息;
基于目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型;
将当前时刻前的上一时刻的信道信息输入修正后的ESN模型,得到当前时刻的信道信息。
相比于现有技术,本发明实施例使用毫米波的历史信道信息,确定角度变化集合,根据目标间隔时刻的角度变化集合,在确定目标角度变化值后,根据目标角度变化值确定所述目标间隔时刻的下一时刻的信道信息;缩小了确定目标间隔时刻的下一时刻的信道信息的范围,基于所述目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,提高了修正后的ESN模型的准确性,将毫米波的历史信道信息输入修正后的ESN模型用于预估当前时刻下毫米波的信道信息,因此,可以提高预估当前时刻下毫米波的信道信息的准确性。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一一种基于ESN模型的5G毫米波信道信息确定的方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一一种基于ESN模型的5G毫米波信道信息确定的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置/电子设备/存储介质/计算机程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种基于ESN模型的5G毫米波信道信息确定的方法,其特征在于,所述方法包括:
获取毫米波历史信道信息,所述毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,所述信道信息包括:各条路径对应的发射角、接收角以及路径增益,所述间隔时刻是所述时间段按照预设时间间隔划分得到的;
根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;所述角度变化集合包括:所述毫米波的各条路径对应的发射角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,所述目标间隔时刻为所述时间段内的其中一个间隔时刻;
从所述目标间隔时刻下的角度变化集合中,确定目标角度变化值,所述目标角度变化值包括:所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值;
针对所述毫米波的每一条路径,将所述毫米波在所述目标间隔时刻下的该条路径的发射角,与该条路径对应的所述目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将所述毫米波在所述目标间隔时刻下的该条路径的接收角,与该条路径对应的所述目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,所述目标发射角为所述目标间隔时刻的下一时刻下的发射角,所述目标接收角为所述目标间隔时刻的下一时刻下的接收角;
将所述目标发射角、所述目标接收角及所述路径增益确定为所述目标间隔时刻的下一时刻的信道信息;
基于所述目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型;
将所述当前时刻前的上一时刻的信道信息输入所述修正后的ESN模型,得到所述当前时刻的信道信息。
2.根据权利要求1所述的方法,其特征在于,所述从所述目标间隔时刻下的角度变化集合中,确定目标角度变化值的步骤,包括:
针对毫米波的一条路径,生成随机数,当所述随机数大于随机数阈值时,基于所述目标间隔时刻下的所述角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
当所述随机数不大于所述随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标间隔时刻的下一时刻的信道信息对预设的ESN模型进行修正,获得修正后的ESN模型的步骤,包括:
将所述目标间隔时刻的信道信息输入所述ESN模型,得到第一信息;所述第一信息为所述目标间隔时刻的下一时刻的信道信息;
当所述第一信息与第二信息相同时,将所述ESN模型确定为所述修正后的ESN模型,所述第二信息为:所述历史信道信息中的所述目标间隔时刻的下一时刻的信道信息;
当所述第一信息与所述第二信息不相同时,利用所述历史信道信息对所述ESN模型的输出层参数进行修正,得到所述修正后的ESN模型。
4.根据权利要求3所述的方法,其特征在于,所述利用所述历史信道信息对所述ESN模型的输出层参数进行修正的步骤包括:
获取修正样本集,所述修正样本集中的各个样本为:所述历史信道信息中每个目标间隔时刻对应的历史信道信息;
将所述修正样本集中的每个样本输入至所述ESN模型中,训练所述ESN模型,直至达到预设的截止条件,所述截止条件为:所述ESN模型的损失函数达到预设阈值,或者,所述ESN模型的损失函数迭代次数达到预设次数。
5.根据权利要求4所述的方法,其特征在于,所述将所述修正样本集中的每个样本输入至所述ESN模型中,训练所述ESN模型步骤之后,所述方法还包括:
计算训练集中每个样本对应的储备池状态函数,所述状态函数是所述ESN模型中储备池的状态函数;
将每个样本对应的状态函数以及所述ESN模型输出的信道信息分别存储至第二信道矩阵中。
6.一种基于ESN模型的5G毫米波信道信息确定的装置,其特征在于,所述装置包括:
获取模块,用于获取毫米波历史信道信息,所述毫米波历史信道信息为:从毫米波信号发射的起始时刻至当前时刻所组成的时间段内,各个间隔时刻对应的信道信息,所述信道信息包括:各条路径对应的发射角、接收角以及路径增益,所述间隔时刻是所述时间段按照预设时间间隔划分得到的;
第一确定模块,用于根据预设角度范围内的预设角度间隔,确定在目标间隔时刻下的角度变化集合;所述角度变化集合包括:所述毫米波的各条路径对应的发射角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,以及,该毫米波的各条路径对应的接收角在所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的角度变化值,所述目标间隔时刻为所述时间段内的其中一个间隔时刻;
第二确定模块,用于从所述目标间隔时刻下的角度变化集合中,确定目标角度变化值,所述目标角度变化值包括:所述目标间隔时刻到所述目标间隔时刻的下一间隔时刻的各条路径所对应的、发射角角度变化值及接收角角度变化值;
求和模块,用于针对所述毫米波的每一条路径,将所述毫米波在所述目标间隔时刻下的该条路径的发射角,与该条路径对应的所述目标角度变化值中的发射角角度变化值求和,并将求和结果作为目标发射角,将所述毫米波在所述目标间隔时刻下的该条路径的接收角,与该条路径对应的所述目标角度变化值中的接收角角度变化值求和,并将求和结果作为目标接收角,其中,所述目标发射角为所述目标间隔时刻的下一时刻下的发射角,所述目标接收角为所述目标间隔时刻的下一时刻下的接收角;
第三确定模块,用于将所述目标发射角、所述目标接收角及所述路径增益确定为所述目标间隔时刻的下一时刻的信道信息;
修正模块,用于基于所述目标间隔时刻的下一时刻的信道信息对预设的回声状态网络ESN模型进行修正,获得修正后的ESN模型;
预测模块,用于将所述当前时刻前的上一时刻的信道信息输入所述修正后的ESN模型,得到所述当前时刻的信道信息。
7.根据权利要求6所述的装置,其特征在于,所述第二确定模块具体用于:
针对毫米波的一条路径,生成随机数,当所述随机数大于随机数阈值时,基于所述目标间隔时刻下的所述角度变化集合中的各项,服从第一概率预测该路径在目标间隔时刻下的目标角度变化值为第一时刻的角度变化值,当该路径的目标角度变化值对应的路径增益大于增益阈值时,则该路径在目标间隔时刻下的目标角度变化值为该路径在第一时刻的角度变化值,如果该路径的目标角度变化值对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
当所述随机数不大于所述随机数阈值时,服从第二概率在目标间隔时刻下的角度变化集合的各项中随机选择一项,当该项对应的路径增益超过增益阈值,则该项为该路径在目标间隔时刻下的目标角度变化值,如果该项对应的路径增益未超过增益阈值,则遍历目标间隔时刻下的角度变化集合中的所有项,直至找到路径增益超过增益阈值对应的项,将该项确定为目标间隔时刻下的目标角度变化值;
其中,第一概率根据已设置的随机数范围以及随机数阈值确定的,第一概率是随机数阈值与在随机数范围内的随机数个数的比值,第二概率是1与第一概率的差值。
8.根据权利要求6所述的装置,其特征在于,所述修正模块具体用于:
将所述目标间隔时刻的信道信息输入所述ESN模型,得到第一信息;所述第一信息为所述目标间隔时刻的下一时刻的信道信息;
当所述第一信息与第二信息相同时,将所述ESN模型确定为所述修正后的ESN模型,所述第二信息为:所述历史信道信息中的所述目标间隔时刻的下一时刻的信道信息;
当所述第一信息与所述第二信息不相同时,利用所述历史信道信息对所述ESN模型的输出层参数进行修正,得到所述修正后的ESN模型。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
10.一种存储介质,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使:实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176789.5A CN110890932B (zh) | 2019-11-26 | 2019-11-26 | 5g毫米波信道信息确定的方法、相关装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176789.5A CN110890932B (zh) | 2019-11-26 | 2019-11-26 | 5g毫米波信道信息确定的方法、相关装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110890932A true CN110890932A (zh) | 2020-03-17 |
CN110890932B CN110890932B (zh) | 2020-09-25 |
Family
ID=69748912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911176789.5A Active CN110890932B (zh) | 2019-11-26 | 2019-11-26 | 5g毫米波信道信息确定的方法、相关装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110890932B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270058A (zh) * | 2020-09-28 | 2021-01-26 | 华北理工大学 | 一种基于回声状态网络的光网络多信道传输质量预测方法 |
FR3139962A1 (fr) * | 2022-09-21 | 2024-03-22 | Centralesupelec | procédé de traitement de signal monodimensionnel, dispositif et programme correspondant. |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915714A (zh) * | 2014-03-13 | 2015-09-16 | 杨凤琴 | 一种基于回声状态网络的预测方法及装置 |
CN105027458A (zh) * | 2013-12-31 | 2015-11-04 | 华为技术有限公司 | 一种信道信息获取的方法、装置及系统 |
US20150349810A1 (en) * | 2014-06-02 | 2015-12-03 | Bastille Networks, Inc. | Cross-modality electromagnetic signature analysis for radio frequency persona identification |
WO2017186282A1 (en) * | 2016-04-27 | 2017-11-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Shaping of transmission beams |
CN109639760A (zh) * | 2018-11-02 | 2019-04-16 | 西北工业大学 | 一种基于深度强化学习的d2d网络中的缓存策略方法 |
CN110460549A (zh) * | 2019-08-02 | 2019-11-15 | 南京邮电大学 | 一种新颖的多用户3d mimo系统的信道估计方法 |
-
2019
- 2019-11-26 CN CN201911176789.5A patent/CN110890932B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105027458A (zh) * | 2013-12-31 | 2015-11-04 | 华为技术有限公司 | 一种信道信息获取的方法、装置及系统 |
CN104915714A (zh) * | 2014-03-13 | 2015-09-16 | 杨凤琴 | 一种基于回声状态网络的预测方法及装置 |
US20150349810A1 (en) * | 2014-06-02 | 2015-12-03 | Bastille Networks, Inc. | Cross-modality electromagnetic signature analysis for radio frequency persona identification |
WO2017186282A1 (en) * | 2016-04-27 | 2017-11-02 | Telefonaktiebolaget Lm Ericsson (Publ) | Shaping of transmission beams |
CN109639760A (zh) * | 2018-11-02 | 2019-04-16 | 西北工业大学 | 一种基于深度强化学习的d2d网络中的缓存策略方法 |
CN110460549A (zh) * | 2019-08-02 | 2019-11-15 | 南京邮电大学 | 一种新颖的多用户3d mimo系统的信道估计方法 |
Non-Patent Citations (2)
Title |
---|
YISHENG ZHAO,ET AL.: "Echo State Network for Fast Channel Prediction in Ricean Fading Scenarios", 《IEEE COMMUNICATIONS LETTERS》 * |
乌日娜: "基于非线性读出器的回声状态网络及其应用研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270058A (zh) * | 2020-09-28 | 2021-01-26 | 华北理工大学 | 一种基于回声状态网络的光网络多信道传输质量预测方法 |
CN112270058B (zh) * | 2020-09-28 | 2023-05-16 | 华北理工大学 | 一种基于回声状态网络的光网络多信道传输质量预测方法 |
FR3139962A1 (fr) * | 2022-09-21 | 2024-03-22 | Centralesupelec | procédé de traitement de signal monodimensionnel, dispositif et programme correspondant. |
WO2024061989A1 (fr) * | 2022-09-21 | 2024-03-28 | Centralesupelec | Procédé de traitement de signal monodimensionnel, dispositif et programme correspondant |
Also Published As
Publication number | Publication date |
---|---|
CN110890932B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110601777B (zh) | 一种低轨移动卫星星座下星地下行链路同频干扰估计方法 | |
CN110890932B (zh) | 5g毫米波信道信息确定的方法、相关装置及存储介质 | |
CN110890930B (zh) | 一种信道预测方法、相关设备及存储介质 | |
CN107340515B (zh) | 基于分布式组网雷达系统的目标定位资源分配方法 | |
CN112243166B (zh) | 用于光通信的方法、设备、装置和计算机可读介质 | |
CN111478868B (zh) | 一种otfs系统的信号检测方法及装置 | |
CN113568727A (zh) | 一种基于深度强化学习的移动边缘计算任务分配方法 | |
CN114175800A (zh) | 使用无线通信生成环境信息 | |
CN113466848A (zh) | 一种面向角闪烁噪声场景的共址mimo雷达多目标跟踪资源优化分配方法 | |
Jia et al. | Received signal strength difference–based tracking estimation method for arbitrarily moving target in wireless sensor networks | |
CN114362855A (zh) | 一种基于lstm的信道状态预测方法及系统 | |
CN113872715B (zh) | 一种多径信号仿真方法、系统、电子设备及存储介质 | |
CN115333583B (zh) | 多发多收通信系统的信号检测方法及装置 | |
CN111565065A (zh) | 一种无人机基站部署方法、装置及电子设备 | |
CN108387866B (zh) | 一种基于强化学习的无人机查找非法广播电台方法 | |
CN110830409B (zh) | 外源辐射雷达参考信道估计和信道估计模型训练方法 | |
CN116017528A (zh) | 流量预测方法、装置及服务器 | |
Hammed et al. | Biological inspired stochastic optimization technique (PSO) for DOA and amplitude estimation of antenna arrays signal processing in RADAR communication system | |
Thapliyal et al. | Kalman filtering with state‐dependent packet losses | |
CN117880817B (zh) | 无人机轨迹与波束成形向量确定方法、装置和电子设备 | |
CN108513328B (zh) | 一种移动通信设备部分重叠信道稳健共享接入方法及装置 | |
CN114338324B (zh) | 一种基于rbf神经网络的多普勒频偏估计方法和系统 | |
KR102648565B1 (ko) | 비대칭 링크를 위한 강화 학습 기반의 빔포밍 훈련 방법 및 장치 | |
CN114449584B (zh) | 基于深度强化学习的分布式计算卸载方法及装置 | |
CN117880835A (zh) | 波束管理方法、装置、计算设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |