CN111865446B - 利用网络环境上下文信息实现的智能波束配准方法与装置 - Google Patents

利用网络环境上下文信息实现的智能波束配准方法与装置 Download PDF

Info

Publication number
CN111865446B
CN111865446B CN202010743032.6A CN202010743032A CN111865446B CN 111865446 B CN111865446 B CN 111865446B CN 202010743032 A CN202010743032 A CN 202010743032A CN 111865446 B CN111865446 B CN 111865446B
Authority
CN
China
Prior art keywords
information
mobile terminal
communication link
base station
effective communication
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
Application number
CN202010743032.6A
Other languages
English (en)
Other versions
CN111865446A (zh
Inventor
何世文
黄凤青
蔡康利
熊绍文
袁军
于胡飞
赵颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202010743032.6A priority Critical patent/CN111865446B/zh
Publication of CN111865446A publication Critical patent/CN111865446A/zh
Application granted granted Critical
Publication of CN111865446B publication Critical patent/CN111865446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H04B17/11—Monitoring; Testing of transmitters for calibration
    • H04B17/12—Monitoring; Testing of transmitters for calibration of transmit antennas, e.g. of the amplitude or phase
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/21—Monitoring; Testing of receivers for calibration; for correcting measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0011—Control or signalling for completing the hand-off for data sessions of end-to-end connection
    • H04W36/0033—Control or signalling for completing the hand-off for data sessions of end-to-end connection with transfer of context information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/08—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种利用网络环境上下文信息实现的智能波束配准方法与装置。该方法根据基站和移动终端位置、网络环境上下文信息及周围传输介质对电磁传输的影响信息计算用于数据传输的通信链路所对应的收发波束对信息；根据基站位置、移动终端位置和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息，若存在则直接选取用于数据传输的通信链路所对应的收发波束对信息，否则通过传统波束训练获取实时收发波束对信息或重构通信环境立体方位图计算切换波束对信息；该方法还利用人工智能理论预测移动终端波束切换位置，从而进行切换波束对预估计。本发明可以在移动通信场景中实现低开销训练和高效地波束配准及建立通信链路。

Description

利用网络环境上下文信息实现的智能波束配准方法与装置
技术领域
本发明涉及到无线通信领域，尤其涉及一种利用网络环境上下文信息实现的智能波束配准方法与装置。
背景技术
第五代移动通信技术(5G:The 5th Generation mobile communicationtechnology)标准制定组织3GPP计划利用频谱资源丰富的毫米波频段(10-300GHz)解决运行在6GHz以下频段的第四代移动通信技术(4G:The 4th Generation mobilecommunication technology)LTE-A(Long Term Evolution-Advanced)系统所面临的频谱资源紧张问题。但毫米波频段传播面临路径损耗和穿透损耗大的问题。基于大规模天线阵列的定向传输可有效补偿高路径损耗，同时密集部署基站也是毫米波频段短通信范围的补救措施。然而，这给系统设计带来了新的挑战：首先，定向传输要求毫米波基站(mmBS:mmwave Base Station)和移动终端或者毫米波通信节点之间达到精确的波束对准，这对于6GHz以下频段的全方位传输而言不是必要的；其次，毫米波信号由于过大的穿透损耗而容易受到障碍物(如建筑物，植物叶子)的阻塞。因此，不精确的波束对准会严重影响毫米波系统的性能，而且必须根据环境的变化进行对准和调整波束方向。在移动通信场景中，频繁的波束校准将带来不可估量的业务开销且可能导致无法建立真正的通信链路。因此，快速、有效的波束校准对高数据速率毫米波通信至关重要。
IEEE 802.11ad中基于码本的波束对准方法分为扇区级扫描阶段和波束优化阶段：扇区级扫描阶段分为发送扇区级扫描与接收扇区级扫描，前者用于确定发送设备的最佳发射方向，后者用于确定接收设备的最佳接收方向；波束优化阶段通过收发波束联合调整，进一步优化波束方向。对于大规模天线阵列系统，其波束数目和阵元数目较大，基于码本的波束形成方法的波束训练开销极大，在动态或时变场景中甚至无法实现频繁且精确的波束对准。通过获得基站和移动终端的位置信息辅助波束形成，即基站和移动终端之间的相对定位将波束成形尝试指向特定扇区中，可以完全跳过波束形成机制的扇区级扫描阶段，直接继续进行到波束优化阶段。进而降低波束形成过程所需的计算开销及解决用于基站和移动终端之间毫米波通信的可用发射或接收波束所需时间。在基站处通过离线学习构建位置指纹数据库，存储每个位置上接收功率较大的部分波束对，每次直接从指纹数据库中选出部分波束对进行波束训练，与采用穷举搜索的波束对准方法相比，大大地降低了波束训练开销。现有波束对准方法的设计旨在利用辅助信息减少用于训练的波束训练开销。此方法类似于通过位置指纹确定扇区级信息，然后在特定的扇区内进行波束训练。
注意上述这些技术并没有充分利用网络环境上下文信息(建筑物、树木、交通道路、反射物等)的静止状态信息研究波束对准问题。大规模MIMO窄波束传输通信系统或者毫米波定向传输通信系统中，窄波束在空中传输时其所覆盖的范围有限，即波束范围内所包含的路径有限。特别是，毫米波传输的大路径损失、低穿透能力、强反射衰落等特点导致其空中传输域中有效路径数通常只有几条，即空中传播路径具有空域及角度域的稀疏特性。这样，人们可以把这几条传播路径看作一条条修好的交通道路，同时每条传播路径的传播信号强度(受天气、温度、动态障碍物等影响)可看作交通道路的承载能力。当通信系统的配置(载波频率、天线配置、定向传输码本)及移动终端的相对位置确定时，波束对准就相当于从确定性的交通道路集中选择最适合传输的道路。在移动通信场景中，当移动终端的位置发生改变时，需要重新进行一次波束训练的现有波束对准方法无法满足实时性要求较高的应用需求。因此，对快速、有效的波束校准方案的研究有着现实的意义。
发明内容
发明目的：针对上述问题，本发明目的在于提供一种利用网络环境上下文信息实现波束智能配准的方法与装置，能够根据网络环境上下文信息确定有效通信链路，进而智慧抉择出最佳的有效通信链路，实现低开销训练和高效地波束配准及建立通信链路的目标。
技术方案：为实现上述发明目的，本发明采用如下技术方案：
一种利用网络环境上下文信息实现的智能波束配准方法，用于基站，包括如下步骤：
(A1)建立初始链路时，接收移动终端发送的位置信息和天气信息；根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息(BPI:Base station Position Information)、移动终端位置信息(MTPI:Mobile Terminal Position Information)、通信链路的波束方向索引信息(BII:Beam Index Information)、波束方向配准后的通信信号质量信息(SQI:Signal QualityInformation)、天气信息(WI:Weather Information)以及移动终端是否移动的动态信息(MDI:Mobile terminal Dynamic Information)，其中，有效通信链路是指波束方向配准后的通信信号质量信息大于设定阈值的收发波束对所形成的通信链路；
(A2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过传统波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；
(A3)初始链路建立后，根据移动终端是否移动的动态信息判断其是否处于移动中，若移动终端不移动，则不进行收发波束对切换预估计，即不执行步骤(A4)；否则利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，进入步骤(A4)；
(A4)根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；若知识图谱库中不存在基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，根据基站位置、所预测的移动终端波束切换位置和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，结合基站位置、所预测的移动终端波束切换位置、所重构的通信环境立体方位图，计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
一种利用网络环境上下文信息实现的智能波束配准方法，用于移动终端，包括如下步骤：
(B1)建立初始链路时，接收基站发送的位置信息，根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(B2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；
(B3)初始链路建立后，根据移动终端是否移动的动态信息判断其是否处于移动中，若移动终端不移动，则不进行收发波束切换预估计，不执行步骤(B4)；否则利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，进入步骤(B4)；
(B4)根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，根据基站位置、所预测的移动终端波束切换位置和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，进而计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
一种利用网络环境上下文信息实现的智能波束配准方法，用于移动终端，包括如下步骤：
(C1)建立初始链路时，向基站发送移动终端位置信息和天气信息；
(C2)接收基站反馈的信息，在知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息时，直接从基站的反馈信息中获取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息，并接收基站反馈的用于数据传输的通信链路所对应的收发波束对信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(C3)初始链路建立后，向基站发送移动终端位置信息和移动终端是否移动的动态信息；在不移动时，不进行收发波束切换预估计；否则接收基站反馈的所预测的移动终端波束切换位置，并从反馈信息中获取预估计的在所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
作为优选，上述各智能波束配准方法中，所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路。
作为优选，上述各智能波束配准方法中，结合基站位置、所预测的移动终端波束切换位置、所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10d
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
作为优选，上述各智能波束配准方法中，所述SQI用干扰加噪声比SINR或接收信号强度指示RSSI表示。
一种利用网络环境上下文信息实现的智能波束配准装置，用于基站或移动终端，包括：
网络参数化模块，用于收集基站和移动终端间构建通信链路的信息，包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
移动轨迹智能预测模块，用于根据MDI判断移动终端是否移动，在移动终端移动时利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置；
立体方位图重构模块，用于根据基站位置信息和移动终端位置信息借助数字地图获取网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构通信环境立体方位图；
知识图谱库，用于存储有效通信链路的知识图谱信息；
以及，通信波束智慧抉择模块，用于在建立初始链路时，若知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息，以及，用于在移动终端移动时，根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，结合基站位置信息、移动终端位置信息和立体方位图重构模块所重构的通信环境立体方位图计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
一种利用网络环境上下文信息实现的智能波束配准装置，用于移动终端，包括：
网络参数化模块，用于收集并向基站发送移动终端位置信息MTPI、移动终端是否移动的动态信息MDI以及天气信息WI；
移动轨迹智能预测模块，用于在终端移动时，获取基站反馈的所预测的移动终端波束切换位置；
以及，通信波束智慧抉择模块，用于在建立初始链路时，向基站发送移动终端位置信息和天气信息后，接收基站反馈的信息，在知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息时，直接从基站的反馈信息中获取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息，并接收基站反馈的用于数据传输的通信链路所对应的收发波束对信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；以及，用于在移动终端移动时，从基站的反馈信息中获取预估计的在所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
有益效果：与现有技术相比，本发明的优点在于：
1、本发明使用更加结构化的知识图谱库来存储通过传统波束训练获取的有效通信链路信息，有效通信链路通常只有少数的几条，大大缩减了链路选择范围，并且知识图谱库的查询效率高，由于存储类型的灵活，更新起来也很方便，不需要重新进行波束训练，通过搜索知识图谱库就可以更快、准确、智能地抉择实时收发波束对和切换波束对。
2、本发明利用人工智能理论(如机器学习)准确地预测移动终端的移动轨迹及移动终端波束切换位置，然后结合基站位置、所预测的移动终端波束切换位置借助数字地图重构通信环境立体方位图，通过射线跟踪方法和电磁传播理论预测基站和移动终端之间的每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，实现收发波束对切换预估计，能够在移动通信场景中实现智能、快速、有效地波束配准和建立毫米波通信链路。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。
图1为本发明实施例中基站侧处理方法流程示意图。
图2为本发明实施例中移动终端侧处理方法流程示意图。
图3为本发明实施例中移动终端侧另一处理方法流程示意图。
图4为本发明实施例的结构示意性框图。
图5为本发明实施例中的知识图谱示意图。
图6为本发明实施例中示例性的有效通信链路信息的示意图。
具体实施方式
以下结合附图，并通过具体实施例来对本发明的技术方案作进一步描述。
本发明基于大规模天线系统的定向传输机制建立在收发端波束方向对准的基础上，同时考虑到高频传输空域及角度域的稀疏特性，将空间传播路径抽象地理解成若干传输通道。在实际通信时，本发明根据基站位置、移动终端位置和天气信息或借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，智慧抉择最佳的通信链路进行通信。这类似于现实生活中导航机制，根据出发点、目的地和路况信息选择最佳行走路径。
如图1所示，本发明实施例公开的一种利用网络环境上下文信息实现的智能波束配准方法，应用于基站，其中基站配置天线阵列与其覆盖区域内的移动终端进行通信。该方法具体包括如下步骤：
(A1)建立初始链路时，接收移动终端发送的位置信息和天气信息，根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；
(A2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接选取用于数据传输的通信链路所对应的收发波束对信息；否则，基站和移动终端间通过波束训练获取通信链路的波束方向索引信息及波束方向配准后的通信信号质量信息等有效通信链路信息，进而生成知识图谱并将其存储于知识图谱库，所述有效通信链路是指波束方向配准后的通信信号质量大于设定阈值的收发波束对所形成的通信链路；基站开始与移动终端进行数据传输；
(A3)初始链路建立后，基站根据移动终端是否移动的动态信息判断其是否处于移动中：若不移动则不需要进行收发波束切换预估计，即不执行步骤(A4)；否则基站借助数字地图获取网络环境上下文信息及周围传输介质对电磁传输的影响信息，然后利用人工智能理论进行移动轨迹智能预测，即利用3dB波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，其中，3dB波束宽度信息包括水平和垂直方向的3dB波束宽度信息；
(A4)基站根据基站位置信息、所预测的移动终端波束切换位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息：若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接选取基站位置和所预测的移动终端波束切换位置所对应的用于数据传输的通信链路所对应的收发波束对信息；否则，基站根据基站位置信息、所预测的移动终端波束切换位置信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，结合基站位置、所预测的移动终端波束切换位置、所重构的通信环境立体方位图，计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
如图2所示，本发明实施例公开的一种利用网络环境上下文信息实现的智能波束配准方法，应用于移动终端，其中移动终端处于基站覆盖区域内，配置天线阵列与基站进行通信。该方法具体包括如下步骤：
(B1)建立初始链路时，接收基站发送的位置信息，根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；
(B2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接选取用于数据传输的通信链路所对应的收发波束对信息；否则，基站和移动终端间通过波束训练获取通信链路的波束方向索引信息及波束方向配准后的通信信号质量信息等有效通信链路信息，进而生成知识图谱并将其存储于知识图谱库，所述有效通信链路是指波束方向配准后的通信信号质量大于设定阈值的收发波束对所形成的通信链路，移动终端开始与基站进行数据传输；
(B3)初始链路建立后，移动终端根据移动终端是否移动的动态信息判断自身是否处于移动中：若不移动则不需要进行收发波束切换预估计，即不执行步骤(B4)；否则移动终端利用人工智能理论进行移动轨迹智能预测，即利用3dB波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，其中，3dB波束宽度信息包括水平和垂直方向的3dB波束宽度信息；
(B4)移动终端根据基站位置信息、所预测的移动终端波束切换位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息：若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接选取基站位置和所预测的移动终端波束切换位置所对应的用于数据传输的通信链路所对应的收发波束对信息；否则，基站根据基站位置信息、所预测的移动终端波束切换位置信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，结合基站位置、所预测的移动终端波束切换位置、所重构的通信环境立体方位图，计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
此外，移动终端也可以不维护知识图谱库，不进行波束切换位置预测以及收发波束对信息的计算，直接由基站反馈相应信息，具体地，本发明实施例公开的一种利用网络环境上下文信息实现的智能波束配准方法，应用于移动终端，其中移动终端处于基站覆盖区域内，配置天线阵列与基站进行通信。如图3所示，该方法具体包括如下步骤：
(C1)建立初始链路时，向基站发送移动终端位置信息和天气信息；
(C2)接收基站反馈的信息，在知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息时，直接从基站的反馈信息中获取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息，并接收基站反馈的用于数据传输的通信链路所对应的收发波束对信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(C3)初始链路建立后，向基站发送移动终端位置信息和移动终端是否移动的动态信息；在不移动时，不进行收发波束切换预估计；否则接收基站反馈的预测移动终端波束切换位置，并从反馈信息中获取预估计的在所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
实现上述利用网络环境上下文信息实现智能波束配准方法的装置，可应用于移动终端或基站，包含如图4所示的网络参数化模块、移动轨迹智能预测模块、立体方位图重构模块、知识图谱库、通信波束智慧抉择模块。
网络参数化模块：负责收集基站和移动终端间构建通信链路的信息，包含基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
移动轨迹智能预测模块：依据网络参数化模块提供的网络参数信息判断终端是否移动，若是则借助数字地图获取网络环境上下文信息及周围传输介质对电磁传输的影响信息，并利用人工智能理论(如机器学习)进行移动轨迹智能预测，即利用网络参数化模块收集的3dB波束宽度信息、移动终端位置信息、移动速度和移动方向以及借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置信息；
立体方位图重构模块：根据网络参数化模块收集的基站位置信息和移动终端位置信息，借助数字地图获取网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，其中，周围传输介质对电磁传输的影响信息包括电磁参数(如相对介电常数、电导率)；
知识图谱库：存储通过传统波束训练生成的有效通信链路的知识图谱信息。通过使用知识图谱库，基站和移动终端可以搜索有效通信链路信息，有效通信链路信息包括最优有效通信链路信息、备选有效通信链路信息及相应的通信链路信息；知识图谱的结构如图5所示。
通信波束智慧抉择模块：在建立初始链路时，若知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；以及在移动终端移动时，根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，结合基站位置信息、移动终端位置信息和立体方位图重构模块所重构的通信环境立体方位图计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息。
上述移动终端可以为手机、平板电脑或其他智能设备。移动终端能够通过可靠通信机制和现有定位技术获取到自身的位置信息以及移动速度和移动方向等移动终端是否移动的动态信息，进而获取天气信息。基站能够通过可靠通信机制和现有定位技术获取自身的位置信息。基站和移动终端都能够通过现有可靠通信机制收集对方的相关信息。基站和移动终端均能够作为发送端和接收端。
通信信号质量信息用信号与干扰加噪声比(Signal to Interference plusNoise Ratio)或接收信号强度指示(Received Signal Strength Indication)或其他指标表示。基站和移动终端依据位置信息和天气信息搜索有效通信链路的知识图谱库时，如果知识图谱库中已经存储与指定位置信息和天气信息对应的有效通信链路信息，则可直接选取用于数据传输的通信链路所对应的收发波束对信息；否则，基站和移动终端间通过传统波束训练获取BII和SQI，结合基站位置信息、移动终端位置信息、通信链路的波束方向索引信息、波束方向配准后的通信信号质量信息、天气信息等有效通信链路信息生成相应的知识图谱，并将其存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息，有效通信链路通常只有少数的几条，其中，知识将以事实为单位进行存储，以六元组(BPI，MTPI，BII，SQI，WI，MDI)表达事实有效通信链路的相关信息。
基站和移动终端使用现有算法从已经存储的少数的几条有效通信链路中选择出最优有效通信链路，再从不包括最优有效通信链路的少数的几条有效通信链路中选择出最优的有效通信链路作为备选有效通信链路。若基站和移动终端使用最优有效通信链路进行毫米波通信时发生中断，则切换到备选有效通信链路。基站和移动终端根据有效通信链路的知识图谱库的信息及移动终端是否移动的信息进行智慧抉择相应的通信波束方向。
在移动轨迹智能预测模块中，基于机器学习方法预测移动终端的移动轨迹及移动终端波束切换位置信息。例如，基于最大熵逆强化学习方法，从人类专家提供的范例数据中反推出一种奖赏函数使得范例数据是最优的，然后即可使用这个奖赏函数来训练强化学习策略，根据学习到的策略决定每个状态下应该执行的动作。在人类专家的决策轨迹数据{τ1,τ2,...,τm}中，每条轨迹包含状态和动作序列
Figure BDA0002607398090000141
其中，m为决策轨迹数目，ni为第i条轨迹中的转移次数，第i条轨迹中第j(1≤j≤ni)个状态
Figure BDA0002607398090000142
下采取的动作为
Figure BDA0002607398090000143
状态为3dB波束宽度信息、移动终端位置信息、移动速度和移动方向以及借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，动作为移动终端的移动轨迹及移动终端波束切换位置。
在通信波束智慧抉择模块中，结合基站位置信息、移动终端位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取用于数据传输的通信链路所对应的收发波束对信息。忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10d
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度，路径损耗指数n与射线传播环境有关。
下面结合两个具体场景示例，对本发明实施例的具体应用做进一步说明。如下示例性实施例用到的知识图谱库中涉及到的有效通信链路的六元组表示如表1，有效通信链路的示意图如图6所示。
表1知识图谱库的六元组示例
Figure BDA0002607398090000151
场景1(终端静止)
本发明示例性实施例公开的一种利用网络环境上下文信息实现智能波束配准方法，应用于基站，其中基站配置天线阵列与其覆盖区域内的移动终端进行通信。该方法具体包括如下步骤：
首次构建基站和移动终端之间的有效通信链路时，基站通过4G和全球定位系统(GPS:Global Positioning System)进行实时网络参数信息收集，其中，所收集的网络参数信息为：基站经纬度为“(112.92183，28.16800)”，并通过4G向移动终端发送所收集的基站经纬度；
基站根据自身经纬度“(112.92183，28.16800)”和移动终端经纬度“(112.92211，28.16749)”和天气信息“雨”判断知识图谱库中已经存储与相应信息对应的有效通信链路信息，直接根据贪心算法选取最优有效通信链路和备选有效通信链路，其中，最优有效通信链路为具有最优SQI的有效通信链路，其相应的通信链路信息为：BII为“(40，15)”，SQI为“-67.5dBm”；备选有效通信链路为具有次优SQI的有效通信链路，其相应的通信链路信息为：BII为“(44，11)”，SQI为“-69.0dBm”，并根据波束索引号“40”进行波束切换，开始与移动终端进行数据传输。
基站根据移动终端的移动速度“0km/h”、加速度“0m/s2”判断移动终端处于静止中，则不需要进行切换波束对预估计。
本发明示例性实施例公开的一种利用网络环境上下文信息实现智能波束配准方法，应用于移动终端，其中移动终端处于基站覆盖区域内，配置天线阵列与基站进行通信。该方法具体包括如下步骤：
首次构建基站和移动终端之间的有效通信链路时，移动终端通过4G和GPS进行实时网络参数信息收集，其中，所收集的网络参数信息为：移动终端经纬度为“(112.92211，28.16749)”、天气信息为“雨”和移动终端是否移动的动态信息为“移动速度为0km/h、加速度为0m/s2”，并通过4G向基站发送所收集的移动终端经纬度、天气信息和移动终端是否移动的动态信息；
移动终端根据基站经纬度“(112.92183，28.16800)”和移动终端经纬度“(112.92211，28.16749)”和天气信息“雨”判断知识图谱库中已经存储与相应信息对应的有效通信链路信息，直接根据贪心算法选取最优有效通信链路和备选有效通信链路，其中，最优有效通信链路为具有最优SQI的有效通信链路，其相应的通信链路状态信息为：BII为“(40，15)”，SQI为“-67.5dBm”，WI为“雨”；备选有效通信链路为具有次优SQI的有效通信链路，其相应的通信链路状态信息为：“(44，11)”，SQI为“-69.0dBm”，WI为“雨”，并根据波束索引号“15”进行波束切换，开始与基站进行数据传输。
移动终端根据移动终端是否移动的动态信息“移动速度为0km/h、加速度为0m/s2”判断自身处于静止中，则不需要进行切换波束对预估计。
为了方便说明，本示例中使用贪心算法从少数的几条有效通信链路中选择一条有效通信链路作为最优有效通信链路、从不包括所述最优有效通信链路的有效通信链路中选择一条有效通信链路作为备选有效通信链路，这在当前看来是最好的选择，即不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。本发明中还可以使用其他算法(如Q-学习算法)来选择最优有效通信链路。
本示例中，移动终端处于静止中且知识图谱库中已经存储与相应信息对应的有效通信链路信息，不需要通过波束训练，基站和移动终端各自根据贪心算法选取用于数据传输的通信链路所对应的收发波束对信息，实现了智能、快速、有效的毫米波通信链路的建立。知识图谱库被不断地完善之后，应用知识图谱库可以更快、准确、智能地抉择最优有效通信链路和备选有效通信链路。
场景2(终端移动)
本发明另一示例性实施例公开的一种利用网络环境上下文信息实现智能波束配准方法，应用于基站，其中基站配置天线阵列与其覆盖区域内的移动终端进行通信。该方法具体包括如下步骤：
首次构建基站和移动终端的有效通信链路时，基站通过4G和GPS进行实时网络参数信息收集，其中，所收集的网络参数信息为：基站经纬度为“(112.92183，28.16800)”，并通过4G向移动终端发送所收集的基站经纬度；
基站根据自身经纬度“(112.92183，28.16800)”和移动终端经纬度“(112.92188，28.16692)”和天气信息“晴”判断知识图谱库中已经存储与相应信息对应的有效通信链路信息，直接根据贪心算法选取最优有效通信链路和备选有效通信链路，其中，最优有效通信链路为具有最优SQI的有效通信链路，其相应的通信链路信息包括：BII为“(47，11)”，SQI为“-50.2dBm”，WI为“晴”；备选有效通信链路为具有次优SQI的有效通信链路，其相应的通信链路信息包括：BII为“(46，15)”，SQI为“-52.3dBm”，WI为“晴”。基站根据波束索引号“47”进行波束切换，开始与移动终端进行数据传输。
基站根据移动终端的移动速度“30km/h”和加速度“3.2m/s2”判断移动终端处于移动中，借助数字地图获取基站取经纬度“(112.92183，28.16800)”和移动终端经纬度“(112.92188，28.16692)”之间的网络环境上下文信息及相关建筑物表面介电常数和电导率。收集天线参数，水平3dB波束宽度为60°；
通过最大熵逆强化学习方法，借助神经网络从人类专家提供的2000条决策轨迹范例数据获取奖赏函数和最优策略。根据最优策略，当前状态即水平3dB波束宽度60°、移动终端经纬度“(112.92188，28.16692)”、移动速度30km/h、移动方向北偏东7°和所获取的网络环境上下文信息及相关建筑物表面介电常数和电导率下应该执行的动作为移动终端的移动轨迹和移动终端波束切换经纬度“(112.921774，28.167317)”；
基站根据基站经纬度“(112.92183，28.16800)”、所预测的移动终端波束切换经纬度“(112.92177，28.16731)”和天气信息“晴”搜索知识图谱库，判断知识图谱库中不存在与相应信息对应的有效通信链路信息；
基站借助数字地图获取基站经纬度“(112.92183，28.16800)”和所预测的移动终端波束切换经纬度“(112.92177，28.16731)”之间的网络环境上下文信息及相关建筑物表面介电常数和电导率，重构基站经纬度“(112.92183，28.16800)”和所预测的移动终端波束切换经纬度“(112.92177，28.16731)”之间的通信环境立体方位图，其中，每个建筑物被模型化为一系列的反射体，而每个反射体都将由其电磁参数来描述，电磁参数为相关建筑物表面介电常数和电导率；
基站收集波束码本集，结合该基站经纬度“(112.92183，28.16800)”、所预测的移动终端波束切换经纬度“(112.92177，28.16731)”和所重构的通信环境立体方位图，通过射线跟踪方法判断基站发射到达移动终端的所有有效通信链路并获取其在自由空间传播的路径长度，其中包括BII为“(57，17)”的视距通信链路，其在自由空间传播的路径长度d＝77m，以及BII为“(45，20)”的一次反射通信链路，其在自由空间传播的路径长度d＝104m。基站收集天线参数，基站发射功率为PT＝20dBm，基站天线增益GT和移动终端天线增益GR均为6dBi，无线信号频率为30GHz。对于自由空间，每条有效通信链路的路径损耗指数n＝2；
在不考虑反射的情况下，每条有效通信链路的接收功率计算公式可以表示为PR(dBm)＝PT(dBm)+GT(dBi)+GR(dBi)-20lgf(GHz)-10nlgd(m)-32.44。在无线信号频率为30GHz时，计算上述有效通信链路的接收功率，BII为“(57，17)”和BII为“(45，20)”的链路的接收功率分别为-67.72dBm和-70.33dBm；基站根据贪心算法从所有有效通信链路中选取具有最大接收功率-67.72dBm的有效通信链路，其所对应的BII为“(57，17)”，其中，“57”为所预测的基站切换波束方向索引号。
基站根据所预测的切换波束进行波束切换后，根据更新后的基站经纬度、移动终端经纬度、天气信息和移动终端是否移动的动态信息进行下次的切换波束对预估计。
本发明示例性实施例公开的一种利用网络环境上下文信息实现智能波束配准方法，应用于移动终端，其中移动终端处于基站覆盖区域内，配置天线阵列与基站进行通信。该方法具体包括如下步骤：
首次构建基站和移动终端的有效通信链路时，移动终端通过4G和GPS进行实时网络参数信息收集，其中，所收集的网络参数信息为：移动终端经纬度为“(112.92188，28.16692)”、天气信息为“晴”和移动终端是否移动的动态信息为“移动速度为30km/h、移动方向为北偏东7°、加速度为3.2m/s2”，并通过4G向基站发送所收集的移动终端经纬度、天气信息和移动终端是否移动的动态信息；
移动终端根据基站经纬度“(112.92183，28.16800)”和自身经纬度“(112.92188，28.16692)”和天气信息“晴”判断知识图谱库中已经存储与相应信息对应的有效通信链路信息，可以直接获取具有最优SQI和次优SQI的有效通信链路信息，并使用最优有效通信链路(47，11)开始与基站进行数据传输，其中，“11”为移动终端侧的波束索引号；具有最优SQI的有效通信链路为最优有效通信链路，相应的通信链路信息包括：BII为“(47，11)”，SQI为“-50.2dBm”，WI为“晴”；具有次优SQI的有效通信链路为备选有效通信链路，相应的通信链路信息包括：BII为“(46，15)”，SQI为“-52.3dBm”，WI为“晴”。
移动终端根据移动终端是否移动的动态信息“移动速度为30km/h、移动方向为北偏东7°、加速度为3.2m/s2”判断自身处于移动中，借助数字地图获取基站经纬度“(112.92183，28.16800)”和移动终端经纬度“(112.92188，28.16692)”之间的网络环境上下文信息及相关建筑物表面介电常数和电导率。收集天线参数，水平3dB波束宽度为60°；
通过最大熵逆强化学习方法，借助神经网络从人类专家提供的2000条决策轨迹范例数据获取奖赏函数和最优策略。根据该最优策略，当前状态即水平3dB波束宽度60°、移动终端经纬度“(112.92188，28.16692)”、移动速度30km/h、移动方向北偏东7°和所获取的网络环境上下文信息及相关建筑物表面介电常数和电导率下应该执行的动作为移动终端的移动轨迹和移动终端波束切换经纬度“(112.921772，28.167315)”；
移动终端根据基站经纬度“(112.92183，28.16800)”、所预测的移动终端波束切换经纬度“(112.92177，28.16731)”和天气信息“晴”搜索知识图谱库，判断知识图谱库中不存在与相应信息对应的有效通信链路信息；
移动终端借助数字地图获取基站经纬度“(112.92183，28.16800)”和所预测的移动终端波束切换经纬度“(112.92177，28.16731)”之间的网络环境上下文信息及相关建筑物表面介电常数和电导率，重构基站经纬度“(112.92183，28.16800)”和所预测的移动终端波束切换经纬度“(112.92177，28.16731)”之间的通信环境立体方位图，其中，每个建筑物被模型化为一系列的反射体，而每个反射体都将由其电磁参数来描述，电磁参数为相关建筑物表面介电常数和电导率；
移动终端收集波束码本集，结合该基站经纬度“(112.92183，28.16800)”、所预测的移动终端波束切换经纬度“(112.92177，28.16731)”和所重构的通信环境立体方位图，通过射线跟踪方法判断基站发射到达移动终端的所有有效通信链路并获取其在自由空间传播的路径长度，其中包括BII为“(57，17)”的视距通信链路，其在自由空间传播的路径长度d＝77m，以及BII为“(45，20)”的一次反射通信链路，其在自由空间传播的路径长度d＝104m。移动终端收集天线参数，基站发射功率为PT＝20dBm，基站天线增益GT和移动终端天线增益GR均为6dBi，无线信号频率为30GHz。对于自由空间，每条有效通信链路的路径损耗指数n＝2；
在不考虑反射的情况下，每条有效通信链路的接收功率计算公式可以表示为PR(dBm)＝PT(dBm)+GT(dBi)+GR(dBi)-20lgf(GHz)-10nlgd(m)-32.44。在无线信号频率为30GHz时，计算上述有效通信链路的接收功率，BII为“(57，17)”和BII为“(45，20)”的链路的接收功率分别为-67.72dBm和-70.33dBm；移动终端根据贪心算法从所有有效通信链路中选取具有最大接收功率-67.72dBm的有效通信链路，其所对应的BII为“(57，17)”，“17”为所预测的移动终端切换波束方向索引号。
移动终端根据所预测的切换波束进行波束切换后，通过毫米波链路向基站发送移动终端经纬度、天气信息和移动终端是否移动的动态信息，并根据更新后的基站经纬度、移动终端经纬度、天气信息和移动终端是否移动的动态信息进行下次的切换波束对预估计。
为了方便说明，本示例中采用贪心算法从少数的几条有效通信链路中选择一条有效通信链路作为最优有效通信链路、从不包括所述最优有效通信链路的有效通信链路中选择一条有效通信链路作为备选有效通信链路，这在当前看来是最好的选择，即不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。本发明中还可以使用其他算法(如Q-学习算法)来进行链路选择。
综上，本发明由于已经存储首次构建链路时与收发端位置和天气信息对应的有效通信链路信息，不需要波束训练，基站和移动终端各自从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息。移动终端处于移动中，基站和移动终端都通过最大熵逆强化学习较准确地预测基站和移动终端进行波束切换时移动终端所处的位置，由于知识图谱库中不存在收发端波束切换位置和天气信息所对应的有效通信链路信息，通过重构通信环境立体方位图计算基站位置和所预测的移动终端波束切换位置所对应的收发波束对信息，获得预估计的切换波束对信息，实现了移动通信场景中进行快速、高效地波束配准和切换的目标。
显然，本发明的上述实施仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动，这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种利用网络环境上下文信息实现的智能波束配准方法，用于基站，其特征在于，包括如下步骤：
(A1)建立初始链路时，接收移动终端发送的位置信息和天气信息，根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(A2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；
(A3)初始链路建立后，根据移动终端是否移动的动态信息判断其是否处于移动中，若移动终端不移动，则不进行收发波束对切换预估计，即不执行步骤(A4)；否则利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，进入步骤(A4)；
(A4)根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，根据基站位置、所预测的移动终端波束切换位置和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，进而计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；
所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路；
根据基站位置信息、所预测的移动终端波束切换位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为PR＝PT+GT+GR-10nlog10(d)
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
2.一种利用网络环境上下文信息实现的智能波束配准方法，用于移动终端，其特征在于，包括如下步骤：
(B1)建立初始链路时，接收基站发送的位置信息，根据基站位置信息、移动终端位置信息和天气信息判断知识图谱库中是否已经存储与相应信息对应的有效通信链路信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(B2)若知识图谱库中已经存储与相应信息对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；
(B3)初始链路建立后，根据移动终端是否移动的动态信息判断移动终端是否处于移动中，若移动终端不移动，则不进行收发波束切换预估计，即不执行步骤(B4)；否则利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置，进入步骤(B4)；
(B4)根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，根据基站位置、所预测的移动终端波束切换位置和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构基站和移动终端之间的通信环境立体方位图，进而计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；
所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路；
根据基站位置信息、所预测的移动终端波束切换位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10(d)
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
3.一种利用网络环境上下文信息实现的智能波束配准方法，用于移动终端，其特征在于，包括如下步骤：
(C1)建立初始链路时，向基站发送移动终端位置信息和天气信息；
(C2)接收基站反馈的信息，在知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息时，直接从基站的反馈信息中获取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息，并接收基站反馈的用于数据传输的通信链路所对应的收发波束对信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路信息包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
(C3)初始链路建立后，向基站发送移动终端位置信息和移动终端是否移动的动态信息；在不移动时，不进行收发波束切换预估计；否则接收基站反馈的所预测的移动终端波束切换位置，并从反馈信息中获取预估计的在所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；
所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路；
根据基站位置信息、所预测的移动终端波束切换位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10(d)
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
4.根据权利要求1、2或3所述的利用网络环境上下文信息实现的智能波束配准方法，其特征在于，所述SQI用信号与干扰加噪声比SINR或接收信号强度指示RSSI表示。
5.一种利用网络环境上下文信息实现的智能波束配准装置，用于基站或移动终端，其特征在于，包括：
网络参数化模块，用于收集基站和移动终端间构建通信链路的信息，包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；
移动轨迹智能预测模块，用于根据MDI判断移动终端是否处于移动中，在终端移动时利用波束宽度信息、移动终端位置信息、移动终端是否移动的动态信息和借助数字地图获取的网络环境上下文信息及周围传输介质对电磁传输的影响信息，预测移动终端的移动轨迹及移动终端波束切换位置；
立体方位图重构模块，用于根据基站和移动终端的位置信息，借助数字地图获取网络环境上下文信息及周围传输介质对电磁传输的影响信息，重构通信环境立体方位图；
知识图谱库，用于存储有效通信链路的知识图谱信息；
以及，通信波束智慧抉择模块，用于在建立初始链路时，若知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息并生成相应的知识图谱，存入知识图谱库，然后选取用于数据传输的通信链路所对应的收发波束对信息；以及，用于在移动终端移动时，根据所预测的波束切换位置信息，若知识图谱库中已经存储基站位置信息、所预测的移动终端波束切换位置信息和天气信息所对应的有效通信链路信息，则直接从知识图谱库中选取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；否则，结合基站位置信息、移动终端位置信息和立体方位图重构模块所重构的通信环境立体方位图计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；
所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路；
根据基站位置信息、所预测的移动终端波束切换位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10(d)
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
6.一种利用网络环境上下文信息实现的智能波束配准装置，用于移动终端，其特征在于，包括：
网络参数化模块，用于收集并向基站发送移动终端位置信息MTPI、移动终端是否移动的动态信息MDI以及天气信息WI；
移动轨迹智能预测模块，用于在终端移动时，获取基站反馈的所预测的移动终端波束切换位置；
以及，通信波束智慧抉择模块，用于在建立初始链路时，向基站发送移动终端位置信息和天气信息后，接收基站反馈的信息，在知识图谱库中已经存储基站位置信息、移动终端位置信息和天气信息所对应的有效通信链路信息时，直接从基站的反馈信息中获取用于数据传输的通信链路所对应的收发波束对信息；否则，通过波束训练获取有效通信链路信息，并接收基站反馈的用于数据传输的通信链路所对应的收发波束对信息；所述知识图谱库中存储有效通信链路的知识图谱信息，每条有效通信链路包括基站位置信息BPI、移动终端位置信息MTPI、通信链路的波束方向索引信息BII、波束方向配准后的通信信号质量信息SQI、天气信息WI以及移动终端是否移动的动态信息MDI；以及，用于在移动终端移动时，从基站的反馈信息中获取预估计的在所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；
所述知识图谱库中存储的有效通信链路包括最优有效通信链路，或者，最优有效通信链路和备选有效通信链路；所述最优有效通信链路和备选有效通信链路根据SQI进行选择；若基站和移动终端使用最优有效通信链路进行通信时发生中断，则切换到备选有效通信链路；
根据基站位置信息、所预测的移动终端波束切换位置信息和所重构的通信环境立体方位图，通过射线跟踪方法判断基站和移动终端之间的所有有效通信链路，然后依据电磁传播理论计算每条有效通信链路的接收功率，并根据接收功率从中选取最优有效通信链路，获取基站位置和所预测的移动终端波束切换位置用于数据传输的通信链路所对应的收发波束对信息；忽略所有有效通信链路的共有常数损耗，基站发射到达移动终端的有效通信链路的接收功率PR表示为
PR＝PT+GT+GR-10nlog10(d)
其中，PT、GT、GR、n、d分别为基站发射功率、基站天线增益、移动终端天线增益、路径损耗指数、基站和移动终端之间的有效通信链路的传播路径长度。
CN202010743032.6A 2020-07-29 2020-07-29 利用网络环境上下文信息实现的智能波束配准方法与装置 Active CN111865446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010743032.6A CN111865446B (zh) 2020-07-29 2020-07-29 利用网络环境上下文信息实现的智能波束配准方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010743032.6A CN111865446B (zh) 2020-07-29 2020-07-29 利用网络环境上下文信息实现的智能波束配准方法与装置

Publications (2)

Publication Number Publication Date
CN111865446A CN111865446A (zh) 2020-10-30
CN111865446B true CN111865446B (zh) 2021-04-06

Family

ID=72944944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010743032.6A Active CN111865446B (zh) 2020-07-29 2020-07-29 利用网络环境上下文信息实现的智能波束配准方法与装置

Country Status (1)

Country Link
CN (1) CN111865446B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112804705B (zh) * 2020-12-30 2022-04-01 深圳市微网力合信息技术有限公司 一种WiFi设备波束方向控制方法、装置及存储介质
CN112866904B (zh) * 2021-01-25 2022-10-18 东南大学 基于波束索引地图的免信道训练大维通信波束对齐方法
CN113747365B (zh) * 2021-08-30 2023-05-12 中国联合网络通信集团有限公司 一种通信方法及装置
CN113630887B (zh) * 2021-09-16 2024-02-09 中南大学 一种基于在线学习的毫米波网络的车联网通信方法
CN113853021A (zh) * 2021-09-26 2021-12-28 阿里巴巴达摩院(杭州)科技有限公司 数据传输方法、设备及存储介质
CN116488747A (zh) * 2022-01-14 2023-07-25 维沃移动通信有限公司 信息交互方法、装置及通信设备
WO2024065696A1 (zh) * 2022-09-30 2024-04-04 Oppo广东移动通信有限公司 无线通信的方法、终端设备和网络设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102546973A (zh) * 2011-01-04 2012-07-04 中兴通讯股份有限公司 上下文信息应用的方法及装置
CN106687773A (zh) * 2014-09-04 2017-05-17 Pcms控股公司 用于基于上下文事件检测的传感器节点局部化和传感器网络组织的系统和方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916915B (zh) * 2010-08-04 2013-06-19 中国人民解放军第二炮兵工程学院 动中通卫星通信系统天线波束跟踪装置及跟踪方法
US9882950B2 (en) * 2012-06-13 2018-01-30 All Purpose Networks LLC Methods and systems of an all purpose broadband network
CN102981162B (zh) * 2012-12-11 2014-07-09 电子科技大学 双基地sar的空间同步装置及同步方法
US20160182163A1 (en) * 2014-12-18 2016-06-23 Mediatek Inc. Method for determining an optimum set of transmitting/receiving beams and a communications device utilizing the same
CN107820272A (zh) * 2016-09-10 2018-03-20 北京信威通信技术股份有限公司 一种自适应波束跟踪的方法及装置
CN108090145B (zh) * 2017-12-07 2021-11-02 中南大学 一种动态网络边采样及其可视化方法
CN109327252B (zh) * 2018-10-30 2021-09-24 电子科技大学 一种基于联系上下文的在线学习波束选择方法
CN109831236B (zh) * 2018-11-13 2021-06-01 电子科技大学 一种基于蒙特卡洛树搜索辅助的波束选择方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102546973A (zh) * 2011-01-04 2012-07-04 中兴通讯股份有限公司 上下文信息应用的方法及装置
CN106687773A (zh) * 2014-09-04 2017-05-17 Pcms控股公司 用于基于上下文事件检测的传感器节点局部化和传感器网络组织的系统和方法

Also Published As

Publication number Publication date
CN111865446A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111865446B (zh) 利用网络环境上下文信息实现的智能波束配准方法与装置
US12114399B2 (en) Communication system and method for high-speed low-latency wireless connectivity in mobility application
US11737169B2 (en) Communication system and method for high-reliability low-latency wireless connectivity in mobility application
US11159958B1 (en) Central cloud server and edge devices assisted high speed low-latency wireless connectivity
Galkin et al. REQIBA: Regression and deep Q-learning for intelligent UAV cellular user to base station association
Khosravi et al. Learning-based handover in mobile millimeter-wave networks
US11012133B2 (en) Efficient data generation for beam pattern optimization
Sun et al. Spatial and temporal contextual multi-armed bandit handovers in ultra-dense mmWave cellular networks
US11610478B2 (en) Communication system and method for controlling cooperation between edge devices arranged in vehicle
Liu et al. Learning to predict the mobility of users in mobile mmWave networks
CN112866904B (zh) 基于波束索引地图的免信道训练大维通信波束对齐方法
US20230224055A1 (en) Artificial intelligence based management of wireless communication network
US20210116255A1 (en) Apparatus and method for providing route in wireless communication system
Ye et al. Deep reinforcement learning assisted beam tracking and data transmission for 5g v2x networks
Sengupta et al. Artificial Intelligence and Quantum Computing for a Smarter Wireless Network
CN118233946A (zh) 空地异构无线网络中的考虑无人机体验质量的网络选择方法
Aboud et al. Markov chain based predictive model for efficient handover management in vehicle-to-infrastructure communications
Wei et al. Deep cooperation in isac system: Resource, node and infrastructure perspectives
Maruta et al. Millimeter-Wave Fast Beam Tracking Enabled by RAN/V2X Cooperation
Wang et al. Reconfigurable Intelligent Surface Aided Joint Communication And Positioning
Li et al. Jointly Optimizing Terahertz based Sensing and Communications in Vehicular Networks: A Dynamic Graph Neural Network Approach
Salmeno et al. Reliable Beam Tracking on High-Altitude Platform for Millimeter Wave High-speed Railway
Hadzic et al. Energy-efficient mobile tracking in heterogeneous networks using node selection
Zaidi et al. AI-Assisted Joint Search Approach for mmwave Cell Discovery Using Sparse MDT Data
WO2023208363A1 (en) Beam alignment for wireless networks based on pre-trained machine learning model and angle of arrival

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