CN113543017B - 毫米波车联网的波束切换方法及相关设备 - Google Patents

Abstract

本公开提供一种毫米波车联网的波束切换方法及相关设备，该方法包括：获取车联网中车辆侧的信道状态信息；基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；基于所述当前位置从车联网的基站中确定所述车辆的候选基站集；基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；根据预设目标值从所述波束搜索空间集合中搜索出切换波束。本公开针对毫米波车联网中阻塞问题以及波束切换的耗时性与不精确性，采用sub‑6GHz与毫米波结合的异构网络，通过信道状态信息辅助选择候选基站，减少波束切换的开销，并采用基于几何的波束搜索空间缩减方法，设计快速、高效的波束切换方法，以实现高可靠的车辆通信，提升频谱效率。

Description

毫米波车联网的波束切换方法及相关设备

技术领域

本公开涉及无线通信技术领域，尤其涉及一种毫米波车联网的波束切换方法及相关设备。

背景技术

网联车辆的自动驾驶是智能运输系统的重要一环，该功能的实现需要超低的端到端时延和每秒数千兆位的数据传输速率。传统的4G通用移动通信技术的长期演进(LTE，Long Term Evolution)技术难以满足上述要求，而下一代5G毫米波通信系统满足低时延和高数据速率的同时，基站容量大量增加，用户感知的服务质量得到显著提高。但是由于毫米波的传播特性、车辆的高移动性以及道路中障碍物的遮挡，将导致频繁的服务波束切换。在波束切换执行中，确定最佳的服务波束是一个复杂的过程。由于毫米波采取了波束赋形技术，在众多基站中通过穷举搜索选择最佳的服务波束耗时巨大，如何实现快速而又准确的波束切换，是毫米波车联网当前面临的一大问题，具有十分重要的研究意义和实用价值。

发明内容

有鉴于此，本公开的目的在于提出一种毫米波车联网的波束切换方法及相关设备。

基于上述目的，本公开提供了一种毫米波车联网的波束切换方法，包括：

获取车联网中车辆侧的信道状态信息；

基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；

基于所述当前位置从车联网的基站中确定所述车辆的候选基站集；

基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；

根据预设目标值从所述波束搜索空间集合中搜索出切换波束。

进一步的，所述位置预测模型是经过预训练的，包括：对车联网中的历史信道状态信息进行采样以得到训练集，基于所述训练集对所述位置预测模型进行预训练。

进一步的，所述基于所述当前位置从车联网的基站中确定所述车辆的候选基站集，包括：基于所述当前位置和预设距离阈值计算得到所述候选基站集。

进一步的，所述基于所述候选基站集，通过预设算法计算得到波束搜索空间集合，包括：对于所述候选基站集中的每一个基站，将所述车辆的当前服务基站与该基站进行关联，基于所述当前服务基站的波束到达角和/或波束离开角，通过几何分析计算得到该基站的波束搜索空间子集合，将所述候选基站集中的每一个基站对应的所述波束搜索空间子集合合并作为波束搜索空间集合。

进一步的，所述根据预设目标值从所述波束搜索空间集合中搜索出切换波束，包括：根据所述预设目标值将所述波束搜索空间集合中的所有波束从大到小进行排序，将最大的所述目标值对应的所述波束作为切换波束。

进一步的，所述预设目标值为信号质量或信号强度。

基于同一发明构思，本公开还提供了一种毫米波车联网的波束切换装置，包括：

获取模块，被配置为获取车联网中车辆侧的信道状态信息；

定位模块，被配置为基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；

候选基站集确定模块，被配置为基于所述当前位置从车联网的基站中确定所述车辆的候选基站集；

空间集合确定模块，被配置为基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；

切换波束确定模块，被配置为根据预设目标值从所述波束搜索空间集合中搜索出切换波束。

基于同一发明构思，本公开还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。

基于同一发明构思，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。

从上面所述可以看出，本公开提供的一种毫米波车联网的波束切换方法及相关设备，针对毫米波车联网中阻塞问题以及波束切换的耗时性与不精确性，采用sub-6GHz与毫米波结合的异构网络，通过信道状态信息辅助选择候选基站，减少波束切换的开销，并采用基于几何的波束搜索空间缩减方法，设计快速、高效的波束切换方法，以实现高可靠的车辆通信，提升频谱效率。

附图说明

为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关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公开的实施例，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为本公开实施例的毫米波车联网的波束切换方法的流程示意图；

图2为本公开实施例的位置预测模型预训练及在线预测的流程示意图；

图3-1、图3-2、图3-3、图3-4、图3-5和图3-6为本公开实施例的基于几何方法缩减波束搜索空间的示意图；

图4为本公开实施例的毫米波车联网的波束切换方法的系统流程示意图；

图5为本公开实施例的毫米波车联网的波束切换装置的结构示意图；

图6为本公开实施例的电子设备的结构示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。

如背景技术所述，在毫米波车联网场景中，信号收发端部署了大规模天线阵列，通过穷举搜索的方式在众多基站中选择最佳的服务波束将会耗费大量时间，因此对候选服务基站的选择和基站内波束搜索空间的缩减，能够有效减少最优波束寻找的耗时。

以下结合附图来详细说明本公开的实施例。

参考图1，本公开提供了一种毫米波车联网的波束切换方法，包括以下步骤：

步骤S101、获取车联网中车辆侧的信道状态信息。

具体的，车联网中的车辆侧部署有信号收发器，通过信号收发器采集目标车辆的当前信道状态信息，并将信道状态信息通过子载波发送至车联网中的基站侧。信道状态信息通过波束频谱的振幅和相位反映了车辆行驶过程中环境、距离等对车辆的影响。

步骤S102、基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置。

据统计发现，信道状态信息与位置关联性极强，在同一位置时，子载波的信道状态信息随时间推移表现出极强的稳定性，而在位置变化时，子载波的信道状态信息表现出极强的可变性。根据信道状态信息的这一属性，可以用来预测车辆位置信息，而不需要额外的测量反馈开销。

具体的，在基站侧部署预先设置的位置预测模型，通过机器学习的方式对车辆的当前位置进行预测。将接收到的信道状态信息输入到位置预测模型中，经过位置预测模型的计算后输出车辆的当前位置信息。

步骤S103、基于所述当前位置从车联网的基站中确定所述车辆的候选基站集。

车联网中部署若干基站，与当前位置距离过远的基站不能实现与当前位置车辆的信号传输，只有当基站与当前位置之间的距离在距离阈值之内时才有可能实现信号传输，将这些符合距离阈值条件的基站组合作为候选基站集。

步骤S104、基于所述候选基站集，通过预设算法计算得到波束搜索空间集合。

虽然候选基站集中包括了最优的切换波束，但是候选基站集中的波束数量相对还是较多，利用穷举法搜索最优切换波束会降低波速切换的效率，因此需要通过算法对候选基站集中的波束搜索范围进行有效缩减，缩小搜索范围以提高波束切换速率，同时也不影响选择最优切换波束。

在这里没有采用步骤S102预测得到的车辆位置来指导波束的切换，是因为车辆的位置估计本身存在一定的误差，加之车辆在高速移动，所以依靠估计的车辆位置进行波束切换是不准确的。

步骤S105、根据预设目标值从所述波束搜索空间集合中搜索出切换波束。在缩减后得到的波束搜索空间集合中，根据预设目标值对最优波束进行搜索，预设目标值可以根据实际情况进行选择，可以为信号的强度和质量等等，对波束搜索空间集合中的波束进行排序，选出目标值最优的波束作为切换波束，从而完成车联网中波束的切换。

为了实现上述毫米波车联网中波束的快速切换，需要对毫米波车联网无线环境进行建模，具体为：在基站侧，采用控制层和用户层解耦的方式，将可靠的sub-6GHz基站与毫米波基站相结合，既能保证系统的覆盖性能，又能扩展系统带宽。sub-6GHz基站和毫米波基站通过X3链路交换信息，sub-6GHz频段用于相对关键的数据的传输以及作为毫米波束操作的控制层，依据信道状态信息预测车辆的位置并决定车辆与毫米波基站波束的切换，毫米波频段用于大容量业务数据的传输。在车辆侧，配置有信号收发器，能分别与sub-6GHz基站和毫米波基站进行通信。这种双连接的设置方式，能够避免毫米波频段通信效率的降低，保证毫米波基站波束的快速切换。

在一些实施例中，所述位置预测模型是经过预训练的，包括：对车联网中的历史信道状态信息进行采样以得到训练集，基于所述训练集对所述位置预测模型进行预训练。

在对位置预测模型进行预训练之前，需要构建训练集，本实施例中的训练集是通过现场测量对不同位置的历史信道状态信息进行采样，形成无线信道指纹集，无线信道指纹集中的元素包括信道状态信息和位置信息对。通过无线信道指纹集对位置预测模型进行预训练，训练好的位置预测模型将会对车辆位置进行在线预测。如图2所示，在sub-6G基站侧进行位置预测模型的预训练和在线预测，将采集到的历史信道状态信息作为训练集对位置预测模型进行预训练，预训练结束后，将基站侧获取的信道状态信息输入到位置预测模型中，模型输出车辆的当前位置。

具体的位置预测模型的预测计算过程如下：

对位置预测模型训练的目的是寻找到能将信道状态信息映射到位置信息的函数Ψ，具体为ψ(·)＝[ψ₁(·),…，ψ_i(·)，…，ψ_D(·)]，1<i<D，其中ψ_i(·)表示将输入的信道状态信息矢量输出为对应位置的第i维坐标的关系表达式。假设整个sub-6GHz频谱被分成M块，则信道状态信息的矢量输入可以表示为

其中P_i是该车辆此时的位置信息矢量，i表示第i个车辆位置样本，i的取值范围为1<i<N，N为车辆位置样本总数，

表示车辆在位置P_i处时对应的第j块频谱的振幅，j的取值范围为1<j<M。此时考虑一个D维空间，则P_i处的位置可以表示为P_i＝[P_i,1,…,P_i，D]^T∈R^D。

在ψ_d(·)的训练过程中，期望输出的位置矢量尽可能地接近实际位置矢量，可表示为：

其中，η是一个用来权衡训练误差和训练复杂度的参数，H表示再生希尔伯特核空间，N表示样本总数，d的取值范围为1<d<D。最佳ψ_d(·)的函数形式为：

令a_d＝[a_d，1，…，a_d，N]^T，

y＝[P_i，d，…，P_N,d]^T，其中，高斯核函数

σ为高斯核函数的带宽参数，a_d为高斯函数的权重。公式(1)即可转化为

将公式(3)对a_d求偏导，并令其为零，可得a_d＝K^Ty(K^TK+ηNI)^-1，其中，I表示一个N×N的单位矩阵。最终得到的位置预测模型是高斯函数的加权叠加，通过最小化训练集上的预测误差，得到各个高斯函数的权重a_d。将a_d代入公式(2)中，即可得到位置预测模型。本实施例中的位置预测模型是基于kernel的机器学习模型。

在一些实施例中，如果位置预测模型应用场景较为简单，可以对信道状态信息测量场景做简化处理。信道状态信息中包含的振幅信息是预测用户位置的有效特征，相应的训练集中元素的采样可以选择具有更干净的交互信号传播环境的高速公路场景。在此场景中，无线信道可以近似为具有大相干带宽的视距信道。因此，可以采用较大的频谱粒度，去除相邻样本间幅度信息的相关性，降低输入特征数据的维度。

在一些实施例中，所述基于所述当前位置从车联网的基站中确定所述车辆的候选基站集，包括：基于所述当前位置和预设距离阈值计算得到所述候选基站集。

由于毫米波频率高，穿透能力弱，衍射能力弱，通信链路遭遇阻塞的情况时有发生，所以，当波束切换涉及到基站间的切换的时候，距离车辆最近的基站未必是最优切换波束所在基站。因此构建一个候选基站集，选择候选基站的标准是基于该基站是否包含有最佳切换波束的可能。

当车辆与基站的距离超过距离阈值之后，即使在最理想的通信环境中也无法进行通信连接。反之，当二者的距离小于距离阈值的时候，该基站就有包含最佳切换波束的可能。所以构建候选基站集的标准如下：

其中，Q_c表示候选基站集，p_mmWBS,i表示第i个毫米波基站的位置，d_th表示距离阈值，

表示由位置预测模型输出的车辆位置信息，n表示候选基站个数。当基站与车辆的距离满足公式(4)时，该基站则为候选基站，所有的候选基站组合为候选基站集。

距离阈值的设定可根据不同的应用场景进行调整，以提高其精确度。当车辆与基站的距离为d_th时，恰巧存在一个车辆侧的接收信号强度y大于3GPP标准中触发波束切换的参考信号强度y_th，当二者距离大于d_th时，所有接收信号强度都小于y_th。距离阈值的具体调整过程如下：

假定理想传输环境下，当车辆接收到毫米波基站的最大信号强度y刚好等于y_th时，将此时车辆与基站的距离设置为d_th，可以将其描述为：d_th＝argmax|d|，d_th需要满足y＝ω^HHfs+ω^Hl≥y_th，其中，

PL(dB)＝10·v·log₁₀d+20log₁₀f_mmW+SF+32.5

y表示车辆侧接收信号强度，f表示基站侧的模拟预编码器，ω表示车辆侧的结合器，l表示高斯白噪声，H表示毫米波的信道矩阵，M_R和M_T分别表示接收端和发射端的天线规模，PL表示路径损耗，α_i表示第I个路径下的复杂路径增益，I表示路径总数，a_R和a_T分别表示接收端和发射端的天线阵列响应，θ_i表示波束到达角AOA，β_i表示波束离开角AOD，v表示路径损耗指数，d表示毫米波基站与车辆之间的距离，SF表示服从对数正态分布的随机阴影效应，f_mmW表示毫米波的频率。以上各个变量可以在具体的实验场景中对应设置，从而更贴合环境，提升d_th的精确性。

在一些实施例中，所述基于所述候选基站集，通过预设算法计算得到波束搜索空间集合，包括：对于所述候选基站集中的每一个基站，将所述车辆的当前服务基站与该基站进行关联，基于所述当前服务基站的波束到达角和/或波束离开角，通过几何分析计算得到该基站的波束搜索空间子集合，将所述候选基站集中的每一个基站对应的所述波束搜索空间子集合合并作为波束搜索空间集合。

基站间波束的切换往往是当车辆行驶至两个基站的重叠覆盖区域内的时候发生的，依据前一基站服务波束的到达角或是离开角信息(AOA/AOD)，通过几何分析的方法，有效缩小波束搜索的空间，并对波束搜索空间设置了一定的冗余，可以在不影响选择最优切换波束的情况下提升波束切换速率。缩小波束搜索的计算是在sub-6GHz的基站完成的，它与毫米波基站通过X3接口进行通信。

缩小波束搜索空间的具体过程如下：

设两基站之间的距离为ds，毫米波基站覆盖半径为r，将两基站之间的距离归一化为

d大小不同，波束搜索空间可能会有所不同。将角度阈值设置为

图3-1至图3-6为基站波束切换的二维平面示意图，原点处为候选基站集中的一个目标基站，坐标(d，0)处为前一个服务基站，毫米波基站一个天线阵列在无额外遮挡的情况下，覆盖范围可近似为一个半圆或120°左右的扇形。在本实施例中，假定每个基站形成一个覆盖半径为r的半圆，在图中用虚线表示。图中实线代表前一服务波束，α为前一个服务波束的离开角。点A(x₁，y₁)和点B(x₂,y₂)代表前一个基站的服务波束与两个基站重叠区域的交点，(x，y)代表服务波束上任意一点，以下分别对图3-1至3-6进行说明：

(1)当0<d<1，且|α|<|α_th|，分为两种情况，分别如图3-1、图3-2所示。在图3-1中，当α的角度使点A出现在第二象限时，波束搜索空间缩减为Range所示的大小，即：Range＝[0，90°]。在图3-2中，点A出现在第一象限，波束搜索空间缩减为Range所示的大小，即：

(2)当0<d<1，且|α|≥|α_th|，如图3-3所示，波束搜索空间缩减为

(3)当1<d<2，且|α|<|α_th|，如图3-4所示，服务波束与重叠区域出现两个交点A(x₁,y₁)和B(x₂，y₂)，波束搜索空间缩减为

(4)当

|α|＝|α_th|时，如图3-5所示。前一基站的服务波束的直线与目标基站相切于点A，所以在

|α|≥|α_th|时，波束搜索空间为零，将此时的A点作为临界点。当

且|α|>|α_th|，如图3-6所示，波束搜索空间缩减为

图3-1至图3-6只分析了α>0的情况，当α<0的时候同理，可根据图得出波束搜索空间缩减后的范围。将码本的主瓣方向映射到该角度范围，可得该目标基站对应的波束搜索空间子集合：

其中，b表示B中的单个波束。将候选基站集中的其他目标基站通过上述方法确定波束搜索空间子集合，将所有波束搜索空间子集合合并作为波束搜索空间集合。

在一些实施例中，所述根据预设目标值从所述波束搜索空间集合中搜索出切换波束，包括：根据所述预设目标值将所述波束搜索空间集合中的所有波束从大到小进行排序，将最大的所述目标值对应的所述波束作为切换波束。根据设定给的目标值，将所有波束进行排序，取最大目标值对应的波束作为切换波束。

在一些实施例中，所述预设目标值为信号质量或信号强度。目标值的设定通常为信号质量或是信号强度，如预设目标值为信号强度时，将所有波束对应的信号强度进行从大到小排序，选出信号强度最大的波束作为切换波束。

参考图4，车联网中的通信设备包括网联车、服务毫米波基站、sub-6G基站和候选毫米波基站。其中，网联车与sub-6G基站之间周期性的进行信道状态信息的测试，sub-6G基站向网联车发出信道状态信息测量请求，网联车端的信号收发器将采集到的信道状态信息测量结果反馈给sub-6G基站，sub-6G基站根据信道状态信息完成对车辆位置的预测。同时，网联车会周期性的向服务毫米波基站发送测量控制，并接受到返回的测量报告。网联车与服务毫米波基站和sub-6G基站保持持续通信。当通信质量变差时，触发波束切换信号，服务毫米波基站向sub-6G基站发送切换请求，sub-6G基站根据预测的车辆位置确定候选基站集，从图中可以看出由于第三个候选毫米波基站与车辆位置距离过远，不包括在候选基站集中，候选基站集中只包括第一个候选毫米波基站和第二个候选毫米波基站。sub-6G基站通过几何法对波束搜索空间进行缩减，最后得到切换波束并将信息发送给网联车，网联车接受到信息后通过切换波束进行通信，从而完成波束的切换。

需要说明的是，本公开实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种毫米波车联网的波束切换装置。

参考图5，所述毫米波车联网的波束切换装置，包括：

获取模块501，被配置为获取车联网中车辆侧的信道状态信息；

定位模块502，被配置为基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；

候选基站集确定模块503，被配置为基于所述当前位置从车联网的基站中确定所述车辆的候选基站集；

空间集合确定模块504，被配置为基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；

切换波束确定模块505，被配置为根据预设目标值从所述波束搜索空间集合中搜索出切换波束。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本公开时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述任一实施例中相应的毫米波车联网的波束切换方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的毫米波车联网的波束切换方法。

图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

上述实施例的电子设备用于实现前述任一实施例中相应的毫米波车联网的波束切换方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一发明构思，与上述任意实施例方法相对应的，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的毫米波车联网的波束切换方法。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的毫米波车联网的波束切换方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (7)

1.一种毫米波车联网的波束切换方法，包括：

获取车联网中车辆侧的信道状态信息；

基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；其中，所述位置预测模型是经过预训练的，对车联网中的历史信道状态信息进行采样以得到训练集，基于所述训练集对所述位置预测模型进行预训练；所述训练集通过对不同位置的历史信道状态信息进行采样形成无线信道指纹集，无线信道指纹集中的元素包括信道状态信息和位置信息对；

基于所述当前位置和预设距离阈值从车联网的基站中确定所述车辆的候选基站集；所述候选基站集具体为：

其中，Q_c表示候选基站集，p_mmWBS，i表示第i个毫米波基站的位置，d_th表示距离阈值，

表示由位置预测模型输出的车辆位置信息，n表示候选基站个数；

基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；

根据预设目标值从所述波束搜索空间集合中搜索出切换波束。

2.根据权利要求1所述的波束切换方法，其中，所述基于所述候选基站集，通过预设算法计算得到波束搜索空间集合，包括：

对于所述候选基站集中的每一个基站，将所述车辆的当前服务基站与该基站进行关联，基于所述当前服务基站的波束到达角和/或波束离开角，通过几何分析计算得到该基站的波束搜索空间子集合，将所述候选基站集中的每一个基站对应的所述波束搜索空间子集合合并作为波束搜索空间集合。

3.根据权利要求1所述的波束切换方法，其中，所述根据预设目标值从所述波束搜索空间集合中搜索出切换波束，包括：

根据所述预设目标值将所述波束搜索空间集合中的所有波束从大到小进行排序，将最大的所述目标值对应的所述波束作为切换波束。

4.根据权利要求1所述的波束切换方法，其中，所述预设目标值为信号质量或信号强度。

5.一种毫米波车联网的波束切换装置，包括：

获取模块，被配置为获取车联网中车辆侧的信道状态信息；

定位模块，被配置为基于所述信道状态信息，利用基站侧预设的位置预测模型计算车辆的当前位置；其中，所述位置预测模型是经过预训练的，对车联网中的历史信道状态信息进行采样以得到训练集，基于所述训练集对所述位置预测模型进行预训练；所述训练集通过对不同位置的历史信道状态信息进行采样形成无线信道指纹集，无线信道指纹集中的元素包括信道状态信息和位置信息对；候选基站集确定模块，被配置为基于所述当前位置和预设距离阈值从车联网的基站中确定所述车辆的候选基站集；所述候选基站集具体为：

其中，Q_c表示候选基站集，p_mmWBS，i表示第i个毫米波基站的位置，d_th表示距离阈值，

表示由位置预测模型输出的车辆位置信息，n表示候选基站个数；

空间集合确定模块，被配置为基于所述候选基站集，通过预设算法计算得到波束搜索空间集合；

切换波束确定模块，被配置为根据预设目标值从所述波束搜索空间集合中搜索出切换波束。

6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现根据权利要求1至4中任意一项所述的方法。

7.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行根据权利要求1至4中任一项所述的方法。

Images