CN112866904A - 基于波束索引地图的免信道训练大维通信波束对齐方法 - Google Patents
基于波束索引地图的免信道训练大维通信波束对齐方法 Download PDFInfo
- Publication number
- CN112866904A CN112866904A CN202110095713.0A CN202110095713A CN112866904A CN 112866904 A CN112866904 A CN 112866904A CN 202110095713 A CN202110095713 A CN 202110095713A CN 112866904 A CN112866904 A CN 112866904A
- Authority
- CN
- China
- Prior art keywords
- beam index
- communication
- base station
- user
- index map
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 103
- 238000004891 communication Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000012549 training Methods 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000001413 cellular effect Effects 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008054 signal transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/51—Allocation or scheduling criteria for wireless resources based on terminal or device properties
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于波束索引地图的免信道训练大维通信波束对齐方法，包括：通过离线射线追踪仿真计算、离线实地测量或在线实时测量等方式获取通信环境感知的信道知识数据，并通过数据预测及扩充等方法，构建并及时更新基于基站与用户地理位置的收发端最优波束索引地图；在毫米波大规模天线实际通信场景中，用户端通过GPS、北斗、蜂窝网络定位等方式获取实时地理位置，进而通过所建立的波束索引地图，获取基站端和用户端的最优波束对索引，以实现免信道训练的毫米波大规模天线波束对齐。本发明通过构建并使用环境感知的波束索引地图，结合日益精准及多样化的用户端定位方法，解决了毫米波大维无线通信信道估计难度大、传统波束对齐方法训练开销大、训练过程繁琐等问题，简化波束对齐流程，从而实现免信道训练的环境感知通信，极大提升有效通信速率。
Description
技术领域
本发明涉及无线通信标准化进程领域，特别是涉及一种波束索引地图和基于该地图的毫米波大维无线通信波束对齐方法。
背景技术
随着第五代(5G)移动通信网络的规模化部署和6G通信技术研究的开展，以及愈发紧缺的频谱资源，毫米波频段(即30GHz-300GHz)成为了移动通信领域关注的重点。毫米波段频谱资源丰富，且所需天线尺寸小，易于在较小的空间集成大规模天线阵，从而能够极大地提高通信速率，但由于毫米波信号在传播过程中路径损耗很大，而且易受周围环境的影响，信号衰减较快，需要使用合适的方法提高其增益。
为了解决上述问题，需要在基站端和用户端采用大规模天线阵列和波束赋形。波束赋形技术通过调整天线阵列中每个阵元的加权系数产生具有指向性的波束，从而能够获得明显的阵列增益，有着以下优势：(1)扩大信号传播距离；(2)改善边缘吞吐量；(2)抑制干扰，提高接收信噪比。为此，用户端和基站端需要具备正确选择最佳收发波束的能力，传统的波束选择主要有以下几种方式：(1)基于波束训练的方法，即基站端和用户端在通信前分别遍历发送自身码本中所有波束，最后选择接收信噪比最大的收发波束对进行通信。该方式训练开销大，有效通信时长短，导致通信效率低。虽然有学者提出了基于分层码本的方法来减少训练开销，但其码本设计复杂，且没有从根源上避免训练开销；(2)基于导频训练的方法，即基站端在通信前先发送一段用户端已知的导频序列，然后用户端根据接收到的信号与已知信号对比，对信道进行估计，并基于估计到的信道选择波束。但是，随着大规模甚至超大规模天线阵列的引入，信道的维度急剧升高，所需导频序列的长度也随之升高，挤占了通信的时间，使得通信速率下降；并且该方法受限于硬件设施，信道参数的获取难度加大。有学者利用毫米波信道的稀疏性，使用压缩感知的方法降低训练开销，缓解硬件设施的限制，但是仍然没有从根源上解决训练开销的问题；(3)基于统计模型的方法，该方法主要通过一些前期测量结果建立统计模型对信道进行建模，然后通过先前建立的统计模型对信道参数进行估计。虽然该方法能够快速高效地获取信道参数，但是其信道建模大多只取决于一些宏观的环境类型(如城市、郊区、农村等)，不能充分利用当前信道的先验环境信息。该方法所生成的信道模型一般只与基站端与用户端的宏观环境参数及相对位置相关，因此，该方法并未对当前传输环境进行很好的感知，估计的精度不够高。
基于对上述三种传统的波束选择、波束对齐的方法分析，可以看出在未来的无线通信系统中，急需一种能够兼具环境感知与低开销的毫米波大维通信波束对齐方法。一种实现环境感知的最直接的办法可能是存储和利用物理环境地图，如地形图或城市三维图。然而，存储精确的物理环境地图需要占用极大的存储空间，不利于实际应用。同时，仅仅依靠物理地图是不能直接预测信号的传播特性的，还需要进一步的仿真计算，例如使用射线追踪法，依据当前通信的三维环境及电磁参数，对信道参数进行估计，在环境参数精确的条件下可以得到较为精确的结果，但是射线追踪等方法复杂度高、计算量大，不适用于实时的信道预测和波束对齐。为解决上述问题，本发明提出了一种新型的波束索引地图和基于该地图的毫米波大维通信波束对齐方法。
发明内容
技术问题：本发明的目的是提供一种基于波束索引地图的免信道训练大维通信波束对齐方法，通过构建并使用环境感知的波束索引地图，结合日益精准及多样化的用户定位方法，解决了毫米波大维无线通信信道估计难度大、传统波束对齐方法训练开销大、训练过程繁琐等问题，简化波束对齐流程，从而实现免信道训练的环境感知通信，极大提升有效通信速率。
技术方案：本发明为解决上述技术问题提出一种基于波束索引地图的免信道训练大维通信波束对齐方法：该方法中，基于实际的无线通信环境及用户精确位置坐标通过离线射线追踪仿真计算、离线实地测量或在线实时测量方式获取通信环境感知的信道知识数据，通过数据预测与扩充方法，构建以位置信息为索引的最优波束对数据库，对基站服务范围内的所有空间位置提供最优波束索引；同时基于上述波束索引地图，使用北斗、GPS、5G高精度定位系统获取用户位置信息及相关参数，并通过已构建的波束索引地图选择基站端和用户端的最优波束对。
该方法具体包括如下步骤：
步骤1.基于用户端精确地理坐标及信号实际传播环境信息，通过离线射线追踪仿真计算、实地测量以及通过训练方式在线实时获取信道数据，并通过相应数据预测及扩充方法构建基于收发机地理位置的基站端和用户端最优波束索引地图；
步骤2.当基站端与用户端需要进行通信时，用户端通过GPS、北斗、蜂窝网络等定位方法获取实时地理位置，进而使用所建立的波束索引地图，获取基站端和用户端最佳波束索引；
步骤3.基站端在接下来时长为t的时间内，使用步骤2中得到的最佳基站波束索引所对应的波束进行通信，同时将最佳用户波束索引反馈给用户端，用户端在接下来时长为t的时间内通过该索引所对应的波束进行通信；
步骤4.当t时刻结束，则基站端或用户端判断通信是否结束，若通信结束，则该过程完毕；
步骤5.若通信继续，则重复过程步骤2-步骤4直至通信结束；
步骤6.当地图使用时长超过时限T，或地图所对应的实际地理环境或信号传播环境有了较大变化时，执行步骤1操作对地图进行更新。
其中，
所述波束索引地图基于地理环境信息及信号传播环境信息，注重信号实际传输的环境，通过离线射线追踪仿真、实地测量、在线测量以及它们的综合方法获取部分数据，并通过相应的数据预测及扩充方法，构建基于基站端与用户端地理位置的波束索引地图。
所述波束索引地图以空间位置信息为输入，对应到相应位置的基站端和用户端最优波束对，对其服务范围内所有空间位置提供最优波束索引；该波束索引地图的输入包括用户端三维空间位置坐标，输出对应于该位置上的最优收发波束索引对等。
所述波束索引地图被用于通信时，基站通过定位系统等方式获取用户位置信息后，将其作为输入，根据已构建好的波束索引地图，获取该位置上用户与基站的收发端最佳波束索引，基站端和用户端根据该索引选择发射和接收波束。
在步骤1构建该波束索引地图时，可根据基站端与用户端天线配置、天气状况、任务需求，构建同一服务区的多种类型的波束索引地图，即可在实际通信场景中，根据不同的收发机类型、天气状况、任务需求调用不同种类的波束索引地图。
所述信号传播环境，在相对稳定的场景，该波束索引地图输出的最佳基站用户波束索引被直接应用于用户端和基站端的波束选择中，无需额外训练；当传播环境随时间变化较快时，为达到更高的通信速率，基站与用户端可以在该波束索引地图获取的波束对的基础上，以该方案获取的波束对作为波束索引大致范围，通过少量的进一步训练提高波束对齐的准确性。
所述波束索引地图构成一个数据库，用于存储基于位置信息的基站端用户端最佳波束索引；当该波束索引地图需要更新时，一种方式为对数据库全盘更新，即对整个服务范围的每一位置实施步骤1操作，并用新数据覆盖历史数据；另一种方式为数据库局部更新，对发生变化的地理环境或信号传播环境附近范围的区域，或基于各位置一段时间的通信质量反馈，得出波束索引地图效果不佳的区域，针对其执行步骤1操作，更新该位置的相关数据，而不改变其他位置的历史数据。
步骤1中所述通过训练方式在线实时获取到的信道数据，线上实时反馈至地图构建更新系统，或先在基站端建立缓存，待时机成熟或达到一定数据量后再线下反馈至地图构建更新系统。
所述基于波束索引地图的免信道训练大维通信波束对齐方法，不仅适用于单用户场景，而且适用于多用户场景，在多用户场景中，基站通过定位系统获取到每个用户的位置后，通过统一的波束索引地图或根据自身需求选择不同类型的波束索引地图获取基站端与每个用户端之间的最优波束对，并基于此分配资源，实现基站与多用户通信；
有益效果：本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明实施例提供的一种新型的波束索引地图和基于该地图的毫米波大维无线通信波束对齐方法，具有如下优点：
1.本方法能够充分基于实际的三维地理环境及信号传播环境，构建一个波束索引地图，用来进行波束选择，解决了信道估计难度大、传统波束对齐方法训练开销大、训练过程繁琐等问题，简化波束对齐的流程，降低训练开销，从而实现环境感知通信，大大提升通信速率。
2.本方法能够充分利用现有基站波束选择的结果，只需在现有的波束选择后，多一个步骤将选择结果存储下来，即可得到波束索引地图的训练数据，用以构建和更新波束索引地图，具有很强的兼容性。
3.本方法不仅能够适用于一般的通信场景，在一些特殊的应用场景，例如未到达位置的波束预测、非合作节点间的通信，都能够胜任，适用范围很广。
附图说明
图1是本发明实施例提供的波束索引地图构建示意图；
图2是本发明实施例提供的基于波束索引地图进行波束对齐示例示意图；
图3是本发明实施例提供的基于波束索引地图进行波束对齐流程示意图。
具体实施方式
本发明通过离线实地测量或信号传输仿真计算，以及在线实时测量并存储等方式获取基于实际通信环境的数据，并通过数据预测及扩充的方法，例如各种分类算法、深度学习等，构建并及时更新以位置信息为索引的、包含该位置所对应的基站端和用户端的最优波束索引的新型波束索引地图，可对其服务范围内所有空间位置提供最佳波束索引；当基站端和用户端需要进行通信时，基站首先根据用户类型选择合适的波束索引地图，并获取用户的位置信息，通过该波束索引地图，实时地获取基站端用户端最优波束索引，基站端根据该索引选择波束进行通信，并将用户最佳波束索引反馈给用户端，用户端使用该索引确定波束，从而实现用户端和基站端的波束对齐。所提方法通过构建并使用波束索引地图解决了信道估计难度大、传统波束对齐方法训练开销大、训练过程繁琐等问题，简化波束对齐的流程，降低训练开销，从而实现环境感知通信，大大提升通信速率。
该方法包括如下主要内容(具体实施方式见以下详细说明和示例性实施例说明)：
a)基于地理环境信息及信号传播环境等信息，通过离线信号传输仿真、实地测量以及在线测量的方法获取数据，并通过相应数据预测及扩充方法构建并及时更新以位置信息为索引的、包含该位置上用户端和基站端最佳波束对的波束索引地图；
b)当基站端用户端之间需要通信时，基站端通过定位系统等方式获取用户的位置，并通过相应的波束索引地图，输出该用户端位置所对应的最佳波束索引对；
c)基站端在接下来时长为t的时间内，使用步骤a)中得到的最佳基站端波束索引所对应的波束进行通信，同时将最佳用户波束索引反馈给用户端，用户端在接下来时长为t的时间内通过该索引所对应的波束进行通信；
d)当t时刻结束，则基站端或用户端判断通信是否结束，若通信结束，则该过程完毕；
e)若通信继续，则重复过程b)-d)直至通信结束；
f)当地图使用时长超过时限T，或地图所对应的实际地理环境或信号传播环境有了较大的改变时，执行a)操作对地图进行更新。
其中：
该波束索引地图基于地理环境信息及信号传播环境等信息，注重信号实际传输的环境，通过离线信号传输仿真、实地测量、在线测量以及它们的综合方法获取部分数据，并通过相应的数据预测及扩充方法，例如各种分类算法、深度学习等，构建基于收发端地理位置的波束索引地图。
该波束索引地图以空间位置信息为输入，对应到相应位置的基站端和用户端最优波束对，可对其服务范围内所有空间位置提供最优波束索引；该波束索引地图的输入包括用户的三维空间位置坐标等，输出对应于该位置上的最优收发波束索引对等。
当该波束索引地图被用于通信中时，可以为基站与用户提供快速、高效的波束对齐方案，通过定位系统等方式获取用户位置后，利用该波束索引地图获取基于该位置的基站用户最佳波束对索引，基站端和用户端根据该索引控制收发波束，实现波束对齐。
根据基站和用户端天线配置、天气状况、任务需求等可以构建同一服务区的多种类型的波束索引地图，在实际通信场景中，根据不同的基站用户类型、天气状况、任务需求等调用不同种类的波束索引地图，以提高波束索引地图的适用性和准确性。
该波束索引地图不仅能够应用于直接的、免训练的波束对齐，也同样适用于间接的、基于低开销训练的波束对齐。在免训练的波束对齐方案中，波束索引地图输出的最佳基站端用户端波束索引被直接应用于基站和用户的波束选择中，无需额外训练，该方案适用于信号传播环境相对稳定的场景；在基于少量波束训练的波束对齐方案中，波束索引地图的输出结果可给出大致的最优波束范围，例如对分层码本直接跳过前几级搜索，直接进入最后几级搜索，只需少量的进一步训练即可获取最终结果，该方案适用于传播环境随时间变化较快的场景。
该波束索引地图构成一个数据库，用于存储基于位置信息的收发最佳波束索引。当该波束索引地图需要更新时，一种方式为对数据库全盘更新，对整个服务范围实施a)操作，并丢弃历史数据。另一种方式为数据库局部更新，对发生变化的地理环境或信号传播环境附近范围的区域，或基于各位置一段时间的通信质量反馈，得出波束索引地图效果不佳的区域，执行a)操作，而不改变其他位置的历史数据。
步骤a)中基站用户通过波束训练等方式在线实时得到的最优基站端用户端波束对，可以通过线上实时反馈至地图构建更新系统，亦可先在基站端用户端端缓存，待时机成熟或达到一定数据量后再线下反馈至地图构建更新系统。
所述方法不仅适用于单一用户链路场景，亦适用于多用户链路场景，不同基站与用户可以基于相同的波束索引地图，也可根据自身需求选择不同类型的波束索引地图。
所述方法不仅能够适用于一般的通信场景，在一些特殊的应用场景，例如未到达位置的波束预测、非合作节点间的通信，都能够胜任。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
图1是根据一示例性实施例示出的本发明所提及的一种新型的波束索引地图的数据来源和构建方式。
图2是根据一示例性实施例示出的基于波束索引地图进行波束对齐的实际场景及效果示例图。基站端和用户端需要从自身的码本中分别选择合适的波束进行波束对齐，从而达到最佳的通信质量。基于该波束索引地图，基站端和用户端能够自主避开阻挡物，如图2中自动避开被楼房遮挡的直线链路，充分利用周围其它环境，选择最佳基站端和用户端波束，从而达到环境感知的通信。
在数据收集及仿真阶段中，G表示地理环境数据，E表示环境中各物体的电磁参数数据。Ioff，poff分别表示通过线下测量获取的最佳波束索引及其对应的位置信息，Ion，pon分别表示通过在线测量获取的最佳波束索引及其对应的位置信息，Isim，psim分别表示仿真阶段获取的最佳波束索引及其对应的位置。Itran和ptran表示构建波束索引地图的训练数据。用p表示用户端的位置信息，It表示对应的最佳基站端波束索引，Ir表示对应的最佳用户端波束索引。t表示信道的相干时隙，T表示波束索引地图使用周期。
基于以上定义，所提方法的示例性实施例的具体实现步骤可概括为如下：
(1)初始数据收集阶段。通过对通信场景的实际测量或通过寻找当地地理信息地图等方式获取真实地理环境数据G以及环境中各物体的电磁参数E，或者通过相应的设备实地处理和记录所需范围内可测量位置的波束选择结果Ioff及对应的位置poff，还可以收集基站的波束选择结果Ion，并将这些信息与测量点位置信息pon一一对应。
(2)仿真模拟阶段。通过(1)中收集到的真实地理环境数据G和环境中各物体的电磁参数E对所处真实信道环境进行建模，然后运用射线追踪等方法基于建模结果估计地图中格点间的信道状态，并根据估计出的信道选择各位置的最佳波束索引Isim，将其与各点的位置信息psim一一对应。
(3)地图构建阶段。通过对以上数据的综合，得到已知点位置信息ptran及其对应的波束索引Itran，并将其作为训练数据，通过一些数据扩充方法，例如支持向量机，K
最邻近算法和深度学习等方法，对未知位置的波束索引进行预测，构建出服务范围内完整的波束索引地图。
(4)信息获取阶段。在通信前，基站端通过对用户端的定位获取用户端的位置信息p，
或用户端通过定位系统，例如北斗、GPS等，获取位置信息，并将该位置信息p
发送给基站端。
(5)波束选择阶段。基站端通过对天气因素、任务需求等因素的分析，选择相应的波束索引地图，并根据(4)中所获得的位置信息p，获取对应于该位置信息的基站端和用户端的最佳波束索引。
(6)波束对齐阶段。基站端使用(5)中得到的基站端最佳波束索引对应的最佳波束进行通信，并将得到的用户最佳波束索引反馈给用户端，用户根据得到的最佳波束索引，使用对应的波束进行通信。
(7)通信阶段。在接下来的t时间段内，基站端和用户端继续使用(6)中的最佳波束进行通信，直到时间t结束。
(8)波束重新对齐阶段。当时间t结束后，基站和用户判断是否需要继续通信，如果不需要继续通信，则整个通信过程结束。若需要继续通信，则重复(4)-(7)
过程直到通信结束。
(9)地图更新阶段。当地图使用时间到达使用周期T时，为保证地图的准确性，需要
对地图进行更新。地图更新又可分为以下两个阶段：
(10)更新位置选择阶段。更新位置选择有两种方式。一是基于环境的方式，服务范围内有小部分地区发生了改变，例如楼房的建设等，则需要对该位置附近范围内的区域的地图进行更新。二是基于通信质量的方式，经过一段时间的实际通信，可以判断哪些位置的通信质量未达预期，即可对之及周围范围进行更新。
(11)更新方式选择阶段。更新方式的选择也有两种，即离线更新和在线更新。离线更新通过线下计算待更新范围内的波束索引类似步骤(1)-(3)，并将数据上传，覆盖原始数据。在线更新通过基站对待测量范围内的通信进行波束训练并实时测量记录，上传到波束索引地图数据库，对待更新范围进行逐步更新。
(12)地图重构阶段。当服务范围内的地理环境或电磁环境发生重大的改变时，需要对整个地图进行重建，即再次进行步骤(1)-(3)。
上述方法通过实地测量及仿真以及在线测量等方式，并通过数据扩充方法构建出完整的波束索引地图(步骤(1)-(3))。基于该波束索引地图可对其服务范围内所有空间位置提供最优基站用户波束索引(步骤(4)-(8))。本方法还包括波束索引地图的更新与重构，以提高其精确度与可持续性(步骤(9)-(12))。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于该方法中，基于实际的无线通信环境及用户精确位置坐标，通过离线射线追踪仿真计算、离线实地测量或在线实时测量方式获取通信环境感知的信道知识数据，通过数据预测与扩充方法，构建以位置信息为索引的最优波束对数据库，对基站服务范围内的所有空间位置提供最优波束索引；同时基于上述波束索引地图，使用北斗、GPS、5G高精度定位系统获取用户位置信息及相关参数，并通过已构建的波束索引地图选择基站端和用户端的最优波束对。
2.根据权利要求1所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于，该方法具体包括如下步骤：
步骤1.基于用户端精确地理坐标及信号实际传播环境信息，通过离线射线追踪仿真计算、实地测量以及通过训练方式在线实时获取信道数据，并通过相应数据预测及扩充方法构建基于收发机地理位置的基站端和用户端最优波束索引地图；
步骤2.当基站端与用户端需要进行通信时，用户端通过GPS、北斗、蜂窝网络等定位方法获取实时地理位置，进而使用所建立的波束索引地图，获取基站端和用户端最佳波束索引；
步骤3.基站端在接下来时长为t的时间内，使用步骤2中得到的最佳基站波束索引所对应的波束进行通信，同时将最佳用户波束索引反馈给用户端，用户端在接下来时长为t的时间内通过该索引所对应的波束进行通信；
步骤4.当t时刻结束，基站端或用户端判断通信是否结束，若通信结束，则该过程完毕；
步骤5.若通信继续，则重复过程步骤2-步骤4直至通信结束；
步骤6.当地图使用时长超过时限T，或地图所对应的实际地理环境或信号传播环境有了较大变化时，执行步骤1操作对地图进行更新。
3.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述波束索引地图基于地理环境信息及信号传播环境信息，注重信号实际传输的环境，通过离线射线追踪仿真、实地测量、在线测量以及它们的综合方法获取部分数据，并通过相应的数据预测及扩充方法，构建基于基站端与用户端地理位置的波束索引地图。
4.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述波束索引地图以空间位置信息为输入，对应到相应位置的基站端和用户端最优波束对，对其服务范围内所有空间位置提供最优波束索引；该波束索引地图的输入包括用户端三维空间位置坐标，输出对应于该位置上的最优收发波束索引对等。
5.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述波束索引地图被用于通信时，基站通过定位系统等方式获取用户位置信息后，将其作为输入，根据已构建好的波束索引地图，获取该位置上用户与基站的收发端最佳波束索引，基站端和用户端根据该索引选择发射和接收波束。
6.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：在步骤1构建该波束索引地图时，可根据基站端与用户端天线配置、天气状况、任务需求，构建同一服务区的多种类型的波束索引地图，即可在实际通信场景中，根据不同的收发机类型、天气状况、任务需求调用不同种类的波束索引地图。
7.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述信号传播环境，在相对稳定的场景，该波束索引地图输出的最佳基站用户波束索引被直接应用于用户端和基站端的波束选择中，无需额外训练；当传播环境随时间变化较快时，为达到更高的通信速率，基站与用户端可以在该波束索引地图获取的波束对的基础上，以该方案获取的波束对作为波束索引大致范围，通过少量的进一步训练提高波束对齐的准确性。
8.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述波束索引地图构成一个数据库，用于存储基于位置信息的基站端用户端最佳波束索引；当该波束索引地图需要更新时，一种方式为对数据库全盘更新，即对整个服务范围的每一位置实施步骤1操作，并用新数据覆盖历史数据；另一种方式为数据库局部更新，对发生变化的地理环境或信号传播环境附近范围的区域，或基于各位置一段时间的通信质量反馈，得出波束索引地图效果不佳的区域，针对其执行步骤1操作，更新该位置的相关数据，而不改变其他位置的历史数据。
9.根据权利要求2所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：步骤1中所述通过训练方式在线实时获取到的信道数据，线上实时反馈至地图构建更新系统，或先在基站端建立缓存，待时机成熟或达到一定数据量后再线下反馈至地图构建更新系统。
10.根据权利要求1所述的基于波束索引地图的免信道训练大维通信波束对齐方法，其特征在于：所述基于波束索引地图的免信道训练大维通信波束对齐方法，不仅适用于单用户场景，而且适用于多用户场景，在多用户场景中，基站通过定位系统获取到每个用户的位置后，通过统一的波束索引地图或根据自身需求选择不同类型的波束索引地图获取基站端与每个用户端之间的最优波束对，并基于此分配资源，实现基站与多用户通信。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095713.0A CN112866904B (zh) | 2021-01-25 | 2021-01-25 | 基于波束索引地图的免信道训练大维通信波束对齐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110095713.0A CN112866904B (zh) | 2021-01-25 | 2021-01-25 | 基于波束索引地图的免信道训练大维通信波束对齐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112866904A true CN112866904A (zh) | 2021-05-28 |
| CN112866904B CN112866904B (zh) | 2022-10-18 |
Family
ID=76008391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110095713.0A Active CN112866904B (zh) | 2021-01-25 | 2021-01-25 | 基于波束索引地图的免信道训练大维通信波束对齐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112866904B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113660015A (zh) * | 2021-08-11 | 2021-11-16 | 东南大学 | 环境知识库辅助下在线无线信道获取优化方法 |
| CN113746520A (zh) * | 2021-11-08 | 2021-12-03 | 东南大学 | 基于波束索引地图的智能反射面通信波束选择方法 |
| CN113938935A (zh) * | 2021-10-13 | 2022-01-14 | 东南大学 | 基于期望最大化算法的信道知识地图构建方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
| CN111865446A (zh) * | 2020-07-29 | 2020-10-30 | 中南大学 | 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 |
| CN112073106A (zh) * | 2020-08-14 | 2020-12-11 | 清华大学 | 毫米波波束预测方法及装置、电子设备、可读存储介质 |
| US20210400651A1 (en) * | 2018-08-15 | 2021-12-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Apparatuses, devices and methods for performing beam management |
-
2021
- 2021-01-25 CN CN202110095713.0A patent/CN112866904B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210400651A1 (en) * | 2018-08-15 | 2021-12-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Apparatuses, devices and methods for performing beam management |
| CN110971279A (zh) * | 2019-12-30 | 2020-04-07 | 东南大学 | 一种毫米波通信系统中智能波束训练方法及预编码系统 |
| CN111865446A (zh) * | 2020-07-29 | 2020-10-30 | 中南大学 | 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 |
| CN112073106A (zh) * | 2020-08-14 | 2020-12-11 | 清华大学 | 毫米波波束预测方法及装置、电子设备、可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| DI WU等: "Environment-Aware and Training-Free Beam Alignment for mmWave Massive MIMO via Channel Knowledge Map", 《2021 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATIONS WORKSHOPS (ICC WORKSHOPS)》 * |
| WEN WU等: "Fast mmwave Beam Alignment via Correlated Bandit Learning", 《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113660015A (zh) * | 2021-08-11 | 2021-11-16 | 东南大学 | 环境知识库辅助下在线无线信道获取优化方法 |
| CN113660015B (zh) * | 2021-08-11 | 2022-08-16 | 东南大学 | 环境知识库辅助下在线无线信道获取优化方法 |
| CN113938935A (zh) * | 2021-10-13 | 2022-01-14 | 东南大学 | 基于期望最大化算法的信道知识地图构建方法 |
| CN113938935B (zh) * | 2021-10-13 | 2024-01-09 | 东南大学 | 基于期望最大化算法的信道知识地图构建方法 |
| CN113746520A (zh) * | 2021-11-08 | 2021-12-03 | 东南大学 | 基于波束索引地图的智能反射面通信波束选择方法 |
| WO2023077724A1 (zh) * | 2021-11-08 | 2023-05-11 | 东南大学 | 基于波束索引地图的智能反射面通信波束选择方法 |
| JP7511957B2 (ja) | 2021-11-08 | 2024-07-08 | ▲東▼南大学 | ビームインデックスマップに基づくインテリジェント反射面の通信ビーム選択方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112866904B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| US9426044B2 (en) | Radio access network geographic information system with multiple format | |
| JP7511957B2 (ja) | ビームインデックスマップに基づくインテリジェント反射面の通信ビーム選択方法 | |
| US10880854B2 (en) | Intelligent base station with capability to identify three-dimensional environment, method for determining location thereof and storage medium | |
| 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 | |
| Redondi | Radio map interpolation using graph signal processing | |
| CN113438002B (zh) | 基于lstm的模拟波束切换方法、装置、设备及介质 | |
| CN109151839A (zh) | 一种lpwa网络的网络规划方法 | |
| CN114630348A (zh) | 基站天线参数调整方法、装置、电子设备及存储介质 | |
| Mathar et al. | A cube oriented ray launching algorithm for 3D urban field strength prediction | |
| Krijestorac et al. | Agile radio map prediction using deep learning | |
| Stusek et al. | LPWAN coverage assessment planning without explicit knowledge of base station locations | |
| Yu et al. | Distributed signal strength prediction using satellite map empowered by deep vision transformer | |
| CN116980933A (zh) | 天线参数调整方法和装置、电子设备及存储介质 | |
| CN113938935B (zh) | 基于期望最大化算法的信道知识地图构建方法 | |
| CN113543017B (zh) | 毫米波车联网的波束切换方法及相关设备 | |
| Liu et al. | A Precise Ranging with Subcarrier Diversity for 5G NR Indoor Positioning | |
| Qiu et al. | CNN-Based Path Loss Prediction with Enhanced Satellite Images | |
| CN114513805B (zh) | 无线建模方法和系统 | |
| CN112437396A (zh) | 一种基于观测量降维的mlp室内定位方法 | |
| Xian et al. | MmWave Vehicular Beam Alignment Leveraging Online Learning | |
| Perihanoglu et al. | Spatial Prediction of Received Signal Strength for Cellular Communication Using Support Vector Machine and K-Nearest Neighbours Regression | |
| WO2024159458A1 (zh) | 训练数据采集方法、装置、基站、终端及存储介质 | |
| Zeng et al. | A self-adaptive ap selection method based on information theory in the fingerprint location scene | |
| Yu et al. | A Small Range Ergodic Beamforming Method Based on Binocular Vision Positioning |
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 |