CN111555786B - 最优波束对搜索方法、装置、计算机设备及存储介质 - Google Patents
最优波束对搜索方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111555786B CN111555786B CN202010333685.7A CN202010333685A CN111555786B CN 111555786 B CN111555786 B CN 111555786B CN 202010333685 A CN202010333685 A CN 202010333685A CN 111555786 B CN111555786 B CN 111555786B
- Authority
- CN
- China
- Prior art keywords
- beam pair
- search space
- energy
- current
- received energy
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
- H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
- H04B7/0417—Feedback systems
- H04B7/0421—Feedback systems utilizing implicit feedback, e.g. steered pilot signals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radio Transmission System (AREA)
Abstract
本发明提供一种最优波束对搜索方法、装置、计算机设备及存储介质。所述最优波束对搜索方法包括：初始化波束对搜索空间；通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；检测每个波束对上接收端的接收信号，计算每个波束对上的接收能量；根据每个波束对上的接收能量判断是否满足波束对筛选条件；若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；判断是否满足搜索结束条件；若满足搜索结束条件，则输出最优波束对；若不满足搜索结束条件，则返回通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频的步骤。本发明可以快速、高准确度地搜索到最优波束对。
Description
技术领域
本发明涉及移动通信技术领域，具体涉及一种最优波束对搜索方法、装置、计算机设备及存储介质。
背景技术
在新一代的通信技术中，毫米波(mmWave)通信系统吸引了越来越多科研人员的关注。毫米波的频率在30至300GHz之间，具有非常广的可用带宽，但同时也因为短波长有一些物理上的劣势。毫米波一个最主要的问题就是相比于常用波段的信号而言，毫米波段内的信号在空间传输中有非常大的路径损耗。现阶段一般使用大规模的天线，例如具有高指向性的天线阵列来克服这一缺点。在天线阵列中，如何找到最优的波束对准方向(即最优波束对)，对于发挥系统高增益的优势非常关键。
现阶段的研究中，大多数处理的是低频段的信号，需要进行准确的信道估计。而对于高频段的信号，精确的信道估计很难实现，因而不能快速、准确地搜索到最优波束对。
发明内容
鉴于以上内容，有必要提出一种最优波束对搜索方法、装置、计算机设备及存储介质，其可以快速、高准确度地搜索到最优波束对。
本申请的第一方面提供一种最优波束对搜索方法，所述方法包括：
(a)初始化从发射端到接收端的波束对搜索空间；
(b)通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
(c)检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
(d)根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件，若不满足波束对筛选条件，则执行(f)；
(e)若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；
(f)判断是否满足搜索结束条件，若不满足搜索结束条件，则返回(b)；
(g)若满足搜索结束条件，则输出最优波束对。
另一种可能的实现方式中，所述根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量包括：
计算所述接收信号匹配滤波后的能量；
将所述匹配滤波后的能量对所述波束对上累计的训练导频的能量或数量做归一化处理，得到所述接收能量。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量确定当前波束对搜索空间的最大接收能量与最小接收能量；
计算所述最大接收能量与所述最小接收能量的接收能量差值；
判断所述接收能量差值是否大于或等于能量阈值。
另一种可能的实现方式中，所述能量阈值根据下式计算：
其中δi表示当前波束对搜索空间的能量阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率；
确定当前波束对搜索空间的最小后验概率；
判断所述最小后验概率是否小于或等于概率阈值。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
其中||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量；
对
进行归一化处理，得到所述后验概率。
另一种可能的实现方式中，所述概率阈值根据下式计算：
其中σi表示所述概率阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
本申请的第二方面提供一种最优波束对搜索装置，所述装置包括：
初始化模块，用于初始化从发射端到接收端的波束对搜索空间；
发送模块，用于通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
计算模块，用于检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
第一判断模块，用于根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件；
移除模块，用于若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；
第二判断模块，用于判断是否满足搜索结束条件；
输出模块，用于若满足搜索结束条件，则输出最优波束对。
另一种可能的实现方式中，所述根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量包括：
计算所述接收信号匹配滤波后的能量；
将所述匹配滤波后的能量对所述波束对上累计的训练导频的能量或数量做归一化处理，得到所述接收能量。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量确定当前波束对搜索空间的最大接收能量与最小接收能量；
计算所述最大接收能量与所述最小接收能量的接收能量差值；
判断所述接收能量差值是否大于或等于能量阈值。
另一种可能的实现方式中，所述能量阈值根据下式计算：
其中δi表示当前波束对搜索空间的能量阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率；
确定当前波束对搜索空间的最小后验概率；
判断所述最小后验概率是否小于或等于概率阈值。
另一种可能的实现方式中，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
其中||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量；
对
进行归一化处理，得到所述后验概率。
另一种可能的实现方式中，所述概率阈值根据下式计算：
其中σi表示所述概率阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
本申请的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述最优波束对搜索方法。
本申请的第四方面提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述最优波束对搜索方法。
本发明初始化波束对搜索空间；通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；检测每个波束对上接收端的接收信号，根据接收信号计算每个波束对上的接收能量；根据每个波束对上的接收能量判断是否满足波束对筛选条件；若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；若满足搜索结束条件，则输出最优波束对；若不满足搜索结束条件，则返回通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频的步骤。
在实际通信系统中，仅有很少数的波束对能够提供较高的传输增益。本发明迭代地进行最优波束对搜索，每次迭代若满足筛选条件，则从波束对搜索空间移除低接收能量的波束对，波束对搜索空间中大量的低接收能量波束方向可以在早期被检测并移除。本发明用较少的训练导频识别低接收能量的波束方法并从搜索空间中移除，而更多的训练导频被集中用于评估具有更高增益的波束方向。在某个波束对上分配更多的训练导频后，可以有效降低噪声带来的影响，更准确的判断该方向的通信质量，从而高准确度地找到最优波束对。
此外，在实际通信系统中，发送并接收训练导频占用主要的时间开销。本发明每次迭代移除低接收能量的波束对，大大减少了发送训练导频的数量，从而节省了搜索时间，快速搜索到最优波束对。
附图说明
图1是本发明实施例提供的最优波束对搜索方法的流程图。
图2是本发明实施例提供的最优波束对搜索装置的结构图。
图3是本发明实施例提供的计算机设备的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
优选地，本发明的最优波束对搜索方法应用在一个或者多个计算机设备中。所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本发明实施例一提供的最优波束对搜索方法的流程图。所述最优波束对搜索方法应用于计算机设备。所述最优波束对搜索方法搜索发射端和接收端进行通信的最优波束对。
在一实施例中，所述最优波束对搜索方法应用于毫米波通信系统。在毫米波通信系统中，发射端和接收端之间传送频率在30GHz至300GHz之间的毫米波。
可以理解，所述最优波束对搜索方法可以应用于其他波段的通信系统。
如图1所示，所述最优波束对搜索方法包括：
101，初始化从发射端到接收端的波束对搜索空间。
所述波束对搜索空间包括多个波束对。每个波束对包括一个发射波束和一个接收波束。发射波束是发射端使用的波束。接收波束是接收端使用的波束。
每个波束对可以用波束方向向量表示。
可以根据波束码本初始化波束对搜索空间。例如，波束对搜索空间由波束码本CR＝{f1,f2,...fl,…,fL}确定，fl(l＝1,2,…,L)为波束方向向量，L为波束对的数量。
在一实施例中，发射端(例如用户设备)为单天线设备，接收端(例如基站)为多天线设备(例如配备了天线阵列)，则波束对搜索空间中波束对的数量等于接收端的波束方向的数量。
可以理解，若发射端和接收端都包括多个天线，则波束对搜索空间中波束对的数量等于发射端的波束方向数量和接收端的波束方向数量的乘积。
102，通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频。
102-106为迭代处理过程，每次迭代时，在当前波束对搜索空间中的波束对上发送训练导频。例如，第一次迭代时，波束对搜索空间中包括8个波束对，则在8个波束对中的每个波束对上发送训练导频。第二次迭代时，波束对搜索空间中包括7个波束对，则在7个波束对中的每个波束对上发送训练导频。在一实施例中，每次迭代在同一波束对上发送相同数量(例如5个)的训练导频。
通过所述波束对搜索空间中的每个波束对从发射端向接收端发送训练导频，是指每次从波束对搜索空间中选择一个波束对，通过选择的波束对从发射端向接收端发送训练导频。
在一实施例中，通过波束对搜索空间中的每个波束对从发射端向接收端发送相同数量的训练导频。例如，波束对搜索空间包括8个波束对，通过每个波束对从发射端向接收端发送5个训练导频。
对于波束搜索空间中的每个波束对，采用该波束对从发射端向接收端发送训练导频。
103，检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量。
每次采用一个波束对发送训练导频可以检测一个接收信号，根据该接收信号可以计算一个接收能量。
在一实施例中，波束方向向量为fl，发射端向接收端发送数量为N的训练导频s，接收端的接收信号可以表示为：
yl＝flhs+flZl＝hls+zl
其中hl表示发射端和接收端之间的信道向量，Zl表示环境中的噪声干扰，Zl满足高斯白噪声分布～CN(0,σ2)，zl表示等效的噪声向量。假定所有波束方向向量均是单位归一化的，zl同样满足高斯白噪声分布～CN(0,σ2)，传输增益gl＝|hl|2，最优波束对的搜索问题可以表示成寻找
由于噪声的影响，无法精确计算出hl。可以采用匹配滤波的方法去除噪声的影响。
在一实施例中，所述根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量包括：
计算所述接收信号匹配滤波后的能量；
将所述匹配滤波后的能量对所述波束对上累计的训练导频的能量或数量做归一化处理，得到所述接收能量。
所述波束对上累计的训练导频的能量或数量是指各次迭代累计的训练导频的能量或数量。第一次迭代累计的训练导频的能量或数量就是单次迭代(即第一次迭代)训练导频的能量或数量；第二次迭代累计的训练导频的能量或数量就是两次迭代(即第一次迭代和第二次迭代)训练导频的能量或数量；依此类推。例如，每次迭代当前波束对搜索空间中的每个波束对上发送5个训练导频，则第一次迭代累计的训练导频的数量是5，第二次迭代累计的训练导频的数量是10，第三次迭代累计的训练导频的数量是15。
在其他的实施例中，可以采用其他的方法计算每个波束对上的接收能量。例如，可以直接以所述接收信号匹配滤波后的能量作为所述接收能量。
104，根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件。
若不满足波束对筛选条件，则执行106。
在一实施例中，所述根据每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量确定当前波束对搜索空间的最大接收能量与最小接收能量；
计算所述最大接收能量与所述最小接收能量的接收能量差值；
判断所述接收能量差值是否大于或等于能量阈值。
若所述接收能量差值大于或等于能量阈值，则判断满足波束对筛选条件。
用δi表示当前波束对搜索空间(即第i次迭代)的能量阈值，Timax表示当前波束对搜索空间的最大接收能量，Timin表示当前波束对搜索空间的最小接收能量，若Timax-Timin≥δi，则满足波束对筛选条件。
在一实施例中，所述能量阈值根据下式计算：
其中ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量。λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
在另一实施例中，所述根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率；
确定当前波束对搜索空间的最小后验概率；
判断所述最小后验概率是否小于或等于概率阈值。
若所述最小后验概率小于或等于概率阈值，则满足波束对筛选条件。
在另一实施例中，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量；
对
进行归一化处理，得到所述后验概率。
在一实施例中，所述概率阈值根据下式计算：
其中ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
在另一实施例中，结合先验知识计算所述后验概率，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量，μi表示该波束对是最优波束对的经验概率；
对
进行归一化处理，得到所述后验概率。
可以看出，随着训练导频增加，实际接收到的能量会对后验概率有更主要的影响。
105，若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对。
若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对，得到包含更少波束对的波束对搜索空间。
可以从当前波束搜索空间中移除接收能量最低的一个波束对。或者，可以从所述波束搜索空间中移除接收能量最低的多个波束对(例如移除能量最低的两个波束对)。
后验概率较小的波束对即为接收能量较低的波束对。在一实施例中，将当前波束对搜索空间中后验概率小于所述概率阈值的波束对从当前波束对搜索空间中移除。
106，判断是否满足搜索结束条件。
若不满足搜索结束条件，则返回102，通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频。
可以设置最大迭代次数，判断当前迭代次数是否等于最大迭代次数。若当前迭代次数等于最大迭代次数，则满足搜索结束条件。
或者，可以设置最大训练导频数量(例如100)，判断当前波束对搜索空间中每个波束对上累计的训练导频的数据是否达到最大导频数量。若当前波束对搜索空间中一个波束对上累计发送的训练导频的数据达到最大导频数量，则满足搜索结束条件。
或者，可以判断当前波束对搜索空间中波束对的数量是否为1，若当前波束对搜索空间中波束对的数量为1，则满足搜索结束条件。
107，若满足搜索结束条件，则输出最优波束对。
可以将当前波束对搜索空间中接收能量最大的波束对作为最优波束对进行输出。
若当前波束对搜索空间中波束对的数量是否为1，则当前波束对搜索空间中的波束对为最优波束对。
所述最优波束对搜索方法初始化从发射端到接收端的波束对搜索空间；通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件；若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；判断是否满足搜索结束条件，若不满足搜索结束条件，则返回通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频的步骤；若满足搜索结束条件，则输出最优波束对。
研究表明，实际的通信系统中，最大的V个增益最强的波束能量与所有波束接收到的总能量之间的比率满足以下关系：
当天线数量M＝64且V＝8时，PV/PT的值近似于95％，大量的波束可以在早期从搜索空间中被移除掉，从而使得训练导频资源可以更有效的用来检测具有最高增益的波束对。
在实际通信系统中，仅有很少数的波束对能够提供较高的传输增益。本方法迭代地进行最优波束对搜索，每次迭代若满足筛选条件，则从波束对搜索空间移除低接收能量的波束对，波束对搜索空间中大量的低接收能量波束方向可以在早期被检测并移除。本方法用较少的训练导频识别低接收能量的波束方法并从搜索空间中移除，而更多的训练导频被集中用于评估具有更高增益的波束方向。在某个波束对上分配更多的训练导频后，可以有效降低噪声带来的影响，更准确的判断该方向的通信质量，从而高准确度地找到最优波束对。
此外，在实际通信系统中，发送并接收训练导频占用主要的时间开销。本方法每次迭代移除低接收能量的波束对，大大减少了发送训练导频的数量，从而节省了搜索时间，快速搜索到最优波束对。
实施例二
图2是本发明实施例二提供的最优波束对搜索装置的结构图。所述最优波束对搜索装置20应用于计算机设备。所述最优波束对搜索装置20搜索发射端和接收端进行通信的最优波束对。
如图2所示，所述最优波束对搜索装置20可以包括初始化模块201、发送模块202、计算模块203、第一判断模块204、移除模块205、第二判断模块206、输出模块207。
初始化模块201，用于初始化从发射端到接收端的波束对搜索空间。
所述波束对搜索空间包括多个波束对。每个波束对包括一个发射波束和一个接收波束。发射波束是发射端使用的波束。接收波束是接收端使用的波束。
每个波束对可以用波束方向向量表示。
可以根据波束码本初始化波束对搜索空间。例如，波束对搜索空间由波束码本CR＝{f1,f2,...fl,…,fL}确定，fl(l＝1,2,…,L)为波束方向向量，L为波束对的数量。
在一实施例中，发射端(例如用户设备)为单天线设备，接收端(例如基站)为多天线设备(例如配备了天线阵列)，则波束对搜索空间中波束对的数量等于接收端的波束方向的数量。
可以理解，若发射端和接收端都包括多个天线，则波束对搜索空间中波束对的数量等于发射端的波束方向数量和接收端的波束方向数量的乘积。
发送模块202，用于通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频。
发送模块202迭代地通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频。每次迭代时，在当前波束对搜索空间中的波束对上发送训练导频。例如，第一次迭代时，波束对搜索空间中包括8个波束对，则在8个波束对中的每个波束对上发送训练导频。第二次迭代时，波束对搜索空间中包括7个波束对，则在7个波束对中的每个波束对上发送训练导频。在一实施例中，每次迭代在同一波束对上发送相同数量(例如5个)的训练导频。
通过所述波束对搜索空间中的每个波束对从发射端向接收端发送训练导频，是指每次从波束对搜索空间中选择一个波束对，通过选择的波束对从发射端向接收端发送训练导频。
在一实施例中，通过波束对搜索空间中的每个波束对从发射端向接收端发送相同数量的训练导频。例如，波束对搜索空间包括8个波束对，通过每个波束对从发射端向接收端发送5个训练导频。
对于波束搜索空间中的每个波束对，采用该波束对从发射端向接收端发送训练导频。
计算模块203，用于检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量。
每次采用一个波束对发送训练导频可以检测一个接收信号，根据该接收信号可以计算一个接收能量。
在一实施例中，波束方向向量为fl，发射端向接收端发送数量为N的训练导频s，接收端的接收信号可以表示为：
yl＝flhs+flZl＝hls+zl
其中hl表示发射端和接收端之间的信道向量，Zl表示环境中的噪声干扰，Zl满足高斯白噪声分布～CN(0,σ2)，zl表示等效的噪声向量。假定所有波束方向向量均是单位归一化的，zl同样满足高斯白噪声分布～CN(0,σ2)，传输增益gl＝|hl|2，最优波束对的搜索问题可以表示成寻找
由于噪声的影响，无法精确计算出hl。可以采用匹配滤波的方法去除噪声的影响。
在一实施例中，所述根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量包括：
计算所述接收信号匹配滤波后的能量；
将所述匹配滤波后的能量对所述波束对上累计的训练导频的能量或数量做归一化处理，得到所述接收能量。
所述波束对上累计的训练导频的能量或数量是指各次迭代累计的训练导频的能量或数量。第一次迭代累计的训练导频的能量或数量就是单次迭代(即第一次迭代)训练导频的能量或数量；第二次迭代累计的训练导频的能量或数量就是两次迭代(即第一次迭代和第二次迭代)训练导频的能量或数量；依此类推。例如，每次迭代当前波束对搜索空间中的每个波束对上发送5个训练导频，则第一次迭代累计的训练导频的数量是5，第二次迭代累计的训练导频的数量是10，第三次迭代累计的训练导频的数量是15。
在其他的实施例中，可以采用其他的方法计算每个波束对上的接收能量。例如，可以直接以所述接收信号匹配滤波后的能量作为所述接收能量。
第一判断模块204，用于根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件。
在一实施例中，所述根据每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量确定当前波束对搜索空间的最大接收能量与最小接收能量；
计算所述最大接收能量与所述最小接收能量的接收能量差值；
判断所述接收能量差值是否大于或等于能量阈值。
若所述接收能量差值大于或等于能量阈值，则判断满足波束对筛选条件。
用δi表示当前波束对搜索空间(即第i次迭代)的能量阈值，Timax表示当前波束对搜索空间的最大接收能量，Timin表示当前波束对搜索空间的最小接收能量，若Timax-Timin≥δi，则满足波束对筛选条件。
在一实施例中，所述能量阈值根据下式计算：
其中ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量。λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
在另一实施例中，所述根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率；
确定当前波束对搜索空间的最小后验概率；
判断所述最小后验概率是否小于或等于概率阈值。
若所述最小后验概率小于或等于概率阈值，则满足波束对筛选条件。
在另一实施例中，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量；
对
进行归一化处理，得到所述后验概率。
在一实施例中，所述概率阈值根据下式计算：
其中ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
在另一实施例中，结合先验知识计算所述后验概率，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量，μi表示该波束对是最优波束对的经验概率；
对
进行归一化处理，得到所述后验概率。
可以看出，随着训练导频增加，实际接收到的能量会对后验概率有更主要的影响。
移除模块205，用于若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对。
若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对，得到包含更少波束对的波束对搜索空间。
可以从当前波束搜索空间中移除接收能量最低的一个波束对。或者，可以从所述波束搜索空间中移除接收能量最低的多个波束对(例如移除能量最低的两个波束对)。
后验概率较小的波束对即为接收能量较低的波束对。在一实施例中，将当前波束对搜索空间中后验概率小于所述概率阈值的波束对从当前波束对搜索空间中移除。
第二判断模块206，用于判断是否满足搜索结束条件。
可以设置最大迭代次数，判断当前迭代次数是否等于最大迭代次数。若当前迭代次数等于最大迭代次数，则满足搜索结束条件。
或者，可以设置最大训练导频数量(例如100)，判断当前波束对搜索空间中每个波束对上累计的训练导频的数据是否达到最大导频数量。若当前波束对搜索空间中一个波束对上累计发送的训练导频的数据达到最大导频数量，则满足搜索结束条件。
或者，可以判断当前波束对搜索空间中波束对的数量是否为1，若当前波束对搜索空间中波束对的数量为1，则满足搜索结束条件。
输出模块207，用于若满足搜索结束条件，则输出最优波束对。
可以将当前波束对搜索空间中接收能量最大的波束对作为最优波束对进行输出。
若当前波束对搜索空间中波束对的数量是否为1，则当前波束对搜索空间中的波束对为最优波束对。
所述最优波束对搜索装置20初始化从发射端到接收端的波束对搜索空间；通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件；若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；判断是否满足搜索结束条件；若满足搜索结束条件，则输出最优波束对；若不满足搜索结束条件，则再次通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频。
研究表明，实际的通信系统中，最大的V个增益最强的波束能量与所有波束接收到的总能量之间的比率满足以下关系：
当天线数量M＝64且V＝8时，PV/PT的值近似于95％，大量的波束可以在早期从搜索空间中被移除掉，从而使得训练导频资源可以更有效的用来检测具有最高增益的波束对。
在实际通信系统中，仅有很少数的波束对能够提供较高的传输增益。所述最优波束对搜索装置20迭代地进行最优波束对搜索，每次迭代若满足筛选条件，则从波束对搜索空间移除低接收能量的波束对，波束对搜索空间中大量的低接收能量波束方向可以在早期被检测并移除。所述最优波束对搜索装置20用较少的训练导频识别低接收能量的波束方法并从搜索空间中移除，而更多的训练导频被集中用于评估具有更高增益的波束方向。在某个波束对上分配更多的训练导频后，可以有效降低噪声带来的影响，更准确的判断该方向的通信质量，从而高准确度地找到最优波束对。
此外，在实际通信系统中，发送并接收训练导频占用主要的时间开销。所述最优波束对搜索装置20每次迭代移除低接收能量的波束对，大大减少了发送训练导频的数量，从而节省了搜索时间，快速搜索到最优波束对。
实施例三
本实施例提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述最优波束对搜索方法实施例中的步骤，例如图1所示的101-107：
101，初始化从发射端到接收端的波束对搜索空间；
102，通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
103，检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
104，根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件，若不满足波束对筛选条件，则执行106；
105，若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；
106，判断是否满足搜索结束条件，若不满足搜索结束条件，则返回102；
107，若满足搜索结束条件，则输出最优波束对。
或者，该计算机程序被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-207：
初始化模块201，用于初始化从发射端到接收端的波束对搜索空间；
发送模块202，用于通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
计算模块203，用于检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
第一判断模块204，用于根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件；
移除模块205，用于若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量较低的波束对；
第二判断模块206，用于判断是否满足搜索结束条件；
输出模块207，用于若满足搜索结束条件，则输出最优波束对。
实施例四
图3为本发明实施例四提供的计算机设备的示意图。所述计算机设备30包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机程序303，例如最优波束对搜索程序。所述处理器302执行所述计算机程序303时实现上述最优波束对搜索方法实施例中的步骤，例如图1所示的101-107。或者，该计算机程序被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-207。
示例性的，所述计算机程序303可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器301中，并由所述处理器302执行，以完成本方法。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述计算机设备30中的执行过程。
所述计算机设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图3仅仅是计算机设备30的示例，并不构成对计算机设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，所述处理器302是所述计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。
所述存储器301可用于存储所述计算机程序303，所述处理器302通过运行或执行存储在所述存储器301内的计算机程序或模块，以及调用存储在存储器301内的数据，实现所述计算机设备30的各种功能。所述存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据。此外，存储器301可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart MediaCard，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种最优波束对搜索方法，其特征在于，所述方法包括：
(a)初始化从发射端到接收端的波束对搜索空间；
(b)通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
(c)检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
(d)根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件，若不满足波束对筛选条件，则执行(f)；
(e)若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量最低的一个或多个波束对；
(f)判断是否满足搜索结束条件，若不满足搜索结束条件，则返回(b)；
(g)若满足搜索结束条件，则输出最优波束对。
2.如权利要求1所述的最优波束对搜索方法，其特征在于，所述根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量包括：
计算所述接收信号匹配滤波后的能量；
将所述匹配滤波后的能量对所述波束对上累计的训练导频的能量或数量做归一化处理，得到所述接收能量。
3.如权利要求1所述的最优波束对搜索方法，其特征在于，所述根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量确定当前波束对搜索空间的最大接收能量与最小接收能量；
计算所述最大接收能量与所述最小接收能量的接收能量差值；
判断所述接收能量差值是否大于或等于能量阈值。
4.如权利要求3所述的最优波束对搜索方法，其特征在于，所述能量阈值根据下式计算：
其中δi表示当前波束对搜索空间的能量阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
5.如权利要求1所述的最优波束对搜索方法，其特征在于，所述根据当前波束对搜索空间中每个波束对的接收能量判断是否满足波束对筛选条件包括：
根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率；
确定当前波束对搜索空间的最小后验概率；
判断所述最小后验概率是否小于或等于概率阈值。
6.如权利要求5所述的最优波束对搜索方法，其特征在于，所述根据当前波束对搜索空间中每个波束对上的接收能量计算当前波束对搜索空间中每个波束对是最优波束对的后验概率包括：
计算
其中||s||2表示该波束对上累计的训练导频的能量，Ti表示该波束对上的接收能量；
对
进行归一化处理，得到所述后验概率。
7.如权利要求5所述的最优波束对搜索方法，其特征在于，所述概率阈值根据下式计算：
其中σi表示所述概率阈值，ni表示当前波束对搜索空间的每个波束对上累计的训练导频的数量，λimax与λimin分别表示当前波束对搜索空间的最大接收能量与最小接收能量对应的非常中心参数。
8.一种最优波束对搜索装置，其特征在于，所述装置包括：
初始化模块，用于初始化从发射端到接收端的波束对搜索空间；
发送模块，用于通过当前波束对搜索空间中的每个波束对从发射端向接收端发送训练导频；
计算模块，用于检测当前波束对搜索空间中每个波束对上接收端的接收信号，根据所述接收信号计算当前波束对搜索空间中每个波束对上的接收能量；
第一判断模块，用于根据当前波束对搜索空间中每个波束对上的接收能量判断是否满足波束对筛选条件；
移除模块，用于若满足波束对筛选条件，则从当前波束搜索空间中移除接收能量最低的一个或多个波束对；
第二判断模块，用于判断是否满足搜索结束条件；
输出模块，用于若满足搜索结束条件，则输出最优波束对。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1-7中任一项所述的最优波束对搜索方法。
10.一种计算机存储介质，所述存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的最优波束对搜索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333685.7A CN111555786B (zh) | 2020-04-24 | 2020-04-24 | 最优波束对搜索方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333685.7A CN111555786B (zh) | 2020-04-24 | 2020-04-24 | 最优波束对搜索方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111555786A CN111555786A (zh) | 2020-08-18 |
| CN111555786B true CN111555786B (zh) | 2022-08-19 |
Family
ID=72002552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010333685.7A Active CN111555786B (zh) | 2020-04-24 | 2020-04-24 | 最优波束对搜索方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111555786B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113259033B (zh) * | 2021-05-13 | 2022-11-29 | 东南大学 | 一种基于fpga的动态毫米波通信场景中高速波束控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1520220A (zh) * | 2003-01-20 | 2004-08-11 | 深圳市中兴通讯股份有限公司 | 智能天线波束切换方法 |
| CN107086887A (zh) * | 2016-02-15 | 2017-08-22 | 中兴通讯股份有限公司 | 一种波束追踪的方法和装置 |
| CN107181517A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 波束搜索方法及装置 |
| CN107863994A (zh) * | 2016-09-21 | 2018-03-30 | 中国移动通信有限公司研究院 | 一种无线信号传输方法和装置 |
| CN108183739A (zh) * | 2017-12-20 | 2018-06-19 | 中国联合网络通信集团有限公司 | 一种波束搜索方法及装置 |
| CN110365375A (zh) * | 2019-06-26 | 2019-10-22 | 东南大学 | 一种毫米波通信系统中波束对准和跟踪方法及计算机设备 |
-
2020
- 2020-04-24 CN CN202010333685.7A patent/CN111555786B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1520220A (zh) * | 2003-01-20 | 2004-08-11 | 深圳市中兴通讯股份有限公司 | 智能天线波束切换方法 |
| CN107086887A (zh) * | 2016-02-15 | 2017-08-22 | 中兴通讯股份有限公司 | 一种波束追踪的方法和装置 |
| CN107181517A (zh) * | 2016-03-09 | 2017-09-19 | 中兴通讯股份有限公司 | 波束搜索方法及装置 |
| CN107863994A (zh) * | 2016-09-21 | 2018-03-30 | 中国移动通信有限公司研究院 | 一种无线信号传输方法和装置 |
| CN108183739A (zh) * | 2017-12-20 | 2018-06-19 | 中国联合网络通信集团有限公司 | 一种波束搜索方法及装置 |
| CN110365375A (zh) * | 2019-06-26 | 2019-10-22 | 东南大学 | 一种毫米波通信系统中波束对准和跟踪方法及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| A High-Accuracy Adaptive Beam Training Algorithm for MmWave Communication;Zihan Tang, Jun Wang, Jintao Wang, and Jian Song;《IEEE》;20181213;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111555786A (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wen | Computationally efficient DOA estimation algorithm for MIMO radar with imperfect waveforms | |
| US10382230B2 (en) | System and method for channel estimation in mmWave communications exploiting joint AoD-AoA angular spread | |
| CN110611527B (zh) | 一种阵列天线、波束成形方法及感知和通信一体化系统 | |
| CN112804695A (zh) | 可重构智能表面辅助的无线通信方法及装置 | |
| CN110400572B (zh) | 音频增强方法及系统 | |
| US11252045B1 (en) | Processing blind beamforming for multi-user multiple-input multiple-output (MU-MIMO) systems | |
| EP3387805A1 (en) | Method and computer implemented method for decoding symbol transmitted over mmwave channel, receiver for receiving and decoding symbols transmitted over mmwave channel | |
| CN111781593A (zh) | 低数据量相干信号doa估计方法、装置、设备及介质 | |
| CN111555786B (zh) | 最优波束对搜索方法、装置、计算机设备及存储介质 | |
| Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
| CN114844545A (zh) | 基于sub6GHz信道以及部分毫米波导频的通信波束选择方法 | |
| CN113169777A (zh) | 波束对准 | |
| Zhou et al. | Improved blind separation algorithm for overlapping secondary surveillance radar replies | |
| Yang et al. | Structured channel covariance estimation from limited samples for large antenna arrays | |
| US11664604B1 (en) | Pipelined field programmable gate array for DOA estimation | |
| Narayanaswamy et al. | Underdetermined direction of arrival estimation for multiple input and multiple outputs sparse channel based on Bayesian learning framework, Indones | |
| CN115087004B (zh) | 灵活帧结构仿真系统的上行信号检测方法及装置 | |
| CN111901026B (zh) | 一种通信中的到达角估计方法 | |
| CN113556789B (zh) | 一种网络切换方法、网络设备、终端设备及芯片 | |
| Wiese et al. | Particle filter based DOA estimation for multiple source tracking (MUST) | |
| Jones et al. | Generation of synthetic uhf rfi in urban north american environments | |
| US20230268960A1 (en) | Cooperative precoding method and apparatus | |
| Chraiti et al. | Beamforming learning for mmWave communication: Theory and experimental validation | |
| US10819539B2 (en) | Signal source estimation method and apparatus performing the same | |
| Chizhik et al. | Beamforming learning for mmWave communication: theory and experimental validation |
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 |