CN113597799B - 用于调整波束赋形简档的设备、方法和计算机可读介质 - Google Patents

用于调整波束赋形简档的设备、方法和计算机可读介质 Download PDF

Info

Publication number
CN113597799B
CN113597799B CN201980093936.4A CN201980093936A CN113597799B CN 113597799 B CN113597799 B CN 113597799B CN 201980093936 A CN201980093936 A CN 201980093936A CN 113597799 B CN113597799 B CN 113597799B
Authority
CN
China
Prior art keywords
beamforming
profile
performance
measurement information
candidate
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
CN201980093936.4A
Other languages
English (en)
Other versions
CN113597799A (zh
Inventor
蒋智宁
许小林
汪千山
邢亮
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.)
Nokia Shanghai Bell Co Ltd
Nokia Solutions and Networks Oy
Original Assignee
Nokia Shanghai Bell Co Ltd
Nokia Solutions and Networks Oy
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 Nokia Shanghai Bell Co Ltd, Nokia Solutions and Networks Oy filed Critical Nokia Shanghai Bell Co Ltd
Publication of CN113597799A publication Critical patent/CN113597799A/zh
Application granted granted Critical
Publication of CN113597799B publication Critical patent/CN113597799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • 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
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0634—Antenna weights or vector/matrix coefficients
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Abstract

本公开的实施例涉及电子设备、用于调整波束赋形简档的方法和计算机可读介质。电子设备包括至少一个处理器和至少一个包括计算机程序代码的存储器。至少一个存储器和计算机程序代码被配置为利用至少一个处理器促使电子设备：获取当前使用初始波束赋形简档的广播区域的性能测量信息，初始波束赋形简档是先前从候选波束赋形简档集合中确定的；基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联；以及基于波束赋形性能估计和性能测量信息，从用于广播区域的集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。

Description

用于调整波束赋形简档的设备、方法和计算机可读介质
技术领域
本公开的实施例通常涉及电信领域，尤其涉及用于调整波束赋形简档的设备、方法和计算机可读介质。
背景技术
在大规模多输入多输出(mMIMO)通信网络中，网络设备使用大量天线单元产生水平和垂直方向的广播波束，以提高覆盖范围。例如，网络设备可以传输用于控制信道的特定于扇区的波束或特定于小区的波束、以及小区特定参考信号(CRS)，以覆盖整个小区。作为另一示例，网络设备还可以为同步信号块(SSB)或物理广播信道(PBCH)块传输一个或多个广播波束，以覆盖整个小区。
每个广播波束可通过广播波束赋形简档来确定。广播波束赋形简档规定了广播波束赋形的参数，例如，广播波束赋形的天线加权因子。进而，广播波束赋形简档定义了广播波束的天线阵列图(也称为空间辐射图)。一般而言，广播波束赋形简档对广播区域的覆盖范围、干扰和MU-MIMO配对率具有重大影响，因此不仅决定了广播区域的吞吐量，还决定了整体关键性能指数(KPI)。因此，需要动态调整mMIMO广播区域的广播波束赋形简档，以优化波束赋形性能。
发明内容
一般而言，本公开的示例实施例提供了用于调整波束赋形简档的设备、方法和计算机可读介质。
在第一方面，提供了一种电子设备。电子设备包括至少一个处理器和至少一个包括计算机程序代码的存储器。至少一个存储器和计算机程序代码被配置为利用至少一个处理器促使电子设备：获取当前使用初始波束赋形简档的广播区域的性能测量信息，初始波束赋形简档是先前从候选波束赋形简档集合中确定的；基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联；以及基于波束赋形性能估计和性能测量信息，从用于广播区域的集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。
在一些实施例中，通过以下方式使电子设备确定相应的波束赋形性能估计：确定用于初始波束赋形简档的波束赋形功率增益向量和用于集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异；基于差异估计测量信息的变化；以及在广播区域中使用第一候选波束赋形简档的情况下，基于测量信息和估计的变化来确定第一波束赋形性能估计。
在一些实施例中，通过以下方式使电子设备从集合中选择一个候选波束赋形简档：将在广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较；响应于确定第二波束赋形性能估计大于第三波束赋形性能估计，增大第二候选波束赋形简档被选择的第一概率；响应于确定第二波束赋形性能估计小于第三波束赋形性能估计，增大第三候选波束赋形简档被选择的第二概率；以及以增大的第一概率选择第二候选波束赋形简档或以增大的第二概率选择第三候选波束赋形简档。
在一些实施例中，进一步促使电子设备利用测量信息来更新学习模型。
在一些实施例中，测量信息、历史测量信息和波束赋形性能中的每一个均与广播区域中的终端设备的空间分布信息相关联。
在第二方面，提供了一种通信方法。该方法包括获取当前使用初始波束赋形简档的广播区域的性能测量信息，初始波束赋形简档是先前从候选波束赋形简档集合中确定的；基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联；以及基于波束赋形性能估计和性能测量信息，从用于广播区域的集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。
在第三方面，提供了一种用于通信的装置。该装置包括：用于获取当前使用初始波束赋形简档的广播区域的性能测量信息的部件，初始波束赋形简档是先前从候选波束赋形简档集合中确定的；用于基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计的部件，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联；以及用于基于波束赋形性能估计和性能测量信息，从用于广播区域的集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能的部件。
在第四方面，提供了一种其上存储有指令的计算机可读介质。当在设备的至少一个处理器上执行时，指令使得设备执行根据第二方面的方法。
应当理解，概述部分不旨在标识本公开实施例的关键或必要特征，也不旨在用于限制本公开的范围。通过以下描述，本公开的其他特征将变得易于理解。
附图说明
通过在附图中对本公开的一些示例实施例的更详细描述，本公开的上述和其他目的、特征和优点将变得更加明显，其中:
图1示出了mMIMO通信系统中的扇区波束的示意图；
图2A示出了垂直方向上的扇形波束的功率增益图；
图2B示出了水平方向上的扇形波束的功率增益图；
图3示出了可以实现本公开的示例实施例的通信网络的示意图；
图4示出了可以实现本公开的示例实施例的另一通信网络的示意图；
图5示出了根据本公开的一些示例实施例的、按照垂直角度网格的信道质量指示符(CQI)的示意图；
图6示出了根据本公开的一些示例实施例的垂直角度上的业务量分布的示意图；
图7示出了根据本公开的一些示例实施例的波束赋形功率增益向量的变化的示意图；
图8是根据本公开的一些实施例的通信方法的流程图；
图9示出了适用于实现本公开实施例的设备的简化方框图；以及
图10示出了根据本公开的一些实施例的示例计算机可读介质的方框图。
在所有附图中，相同或相似的参考数字代表相同或相似的元件。
具体实施方式
现在将参考一些示例实施例描述本公开的原理。应当理解，这些实施例仅出于说明的目的进行描述，并且帮助本领域技术人员理解和实现本公开，而没有对本公开的范围提出任何限制。本文中描述的公开可以以除了下面描述的方式之外的各种其他方式来实现。
在下面的描述和权利要求中，除非另有定义，否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常所理解的相同的含义。
如本文中使用的，术语“通信网络”指遵循任何合适的通信标准或协议(例如长期演进(LTE)、LTE-Advanced(LTE-A)和5G NR的网络，并采用任何合适的通信技术，包括例如多输入多输出、正交频分复用(OFDM)、时分复用(TDM)、频分复用(FDM)、码分复用(CDM)、蓝牙、紫蜂、机器类型通信(MTC)、eMBB、mMTC和uRLLC技术。出于讨论的目的，在一些实施例中，LTE网络、LTE-A网络、5G NR网络或其任意组合被作为通信网络的示例。
如本文中使用的，术语“网络设备”指通信网络网络侧的任何合适的设备。网络设备可以包括通信网络的接入网络中的任何合适的设备，例如，包括基站(BS)、TRP、中继、接入点(AP)、节点B(节点B或NB)、演进节点B(节点B或eNB)、千兆比特节点B(gNB)、远程无线电模块(RRU)、无线电头(RH)、远程无线电头标(RRH)、低功率节点(例如毫微微、微微等)。
网络设备还可以包括核心网络中的任何合适的设备，例如，包括多标准无线电(MSR)无线电设备(例如，MSR BSs)、网络控制器(例如，无线电网络控制器或基站控制器)、多小区/多点传送协调实体(MCEs)、移动交换中心(MSC)和MMEs、运营和管理(O&M)节点、运营支持系统(OSS)节点、自组织网络(SON)节点、定位节点(例如，增强型服务移动定位中心(E-SMLCs))和/或移动数据终端(MDTs)。
如本文中使用的，术语“终端设备”指能够、被配置用于、被安排用于和/或可操作用于与网络设备或通信网络中的另一终端设备通信的设备。通信可以包括使用电磁信号、无线电波、红外信号和/或其他适合于通过空中传输信息的信号来发送和/或接收无线信号。在一些示例性实施例中，终端设备可以被配置为在没有直接人类交互的情况下发送和/或接收信息。例如，当由内部或外部事件触发时，或响应于来自网络侧的请求，终端设备可以按照预定时间表向网络设备传输信息。
终端设备的示例包括但不限于用户设备(UE)，例如智能手机、支持无线功能的平板电脑、嵌入式笔记本电脑设备(LEE)、笔记本电脑安装设备(LME)和/或无线客户端设备(CPE)。出于讨论的目的，在下文中，将参考作为终端设备示例的用户设备描述一些示例实施例，并且术语“终端设备”和“用户设备”(UE)在本公开的上下文中可以互换使用。
如本文中使用的，术语“广播区域”指由网络设备传输的无线电信号覆盖的区域。广播区域内的终端设备可以由网络设备服务，并通过网络设备接入通信网络。
如本文中使用的，术语“电子设备”可以指能够、被配置用于、被安排用于和/或可操作用于与通信网络中的网络设备通信的可编程数据处理设备。电子设备的示例包括但不限于计算机、服务器。或者，电子设备可以实现为网络设备。
如本文中使用的，术语“电路系统”可以指代以下中的一项或多项或全部：(a)纯硬件电路实现(诸如仅在模拟和/或数字电路系统中的实现)；以及(b)硬件电路和软件的组合，诸如(如适用)：(i)(多个)模拟和/或数字硬件电路与软件/固件的组合，以及(ii)具有软件的(多个)硬件处理器(包括(多个)数字信号处理器)、软件和(多个)存储器的任何部分，这些部分联合工作以引起诸如移动电话或服务器等装置执行各种功能；以及(c)需要软件(例如，固件)才能运行(但是当操作不需要时可以不存在)的(多个)硬件电路和/或(多个)处理器，诸如(多个)微处理器或(多个)微处理器的一部分。
“电路系统”的这种定义适用于该术语在本申请中的所有使用，包括在任何权利要求中。作为另一示例，如本申请中使用的，术语“电路系统”也涵盖纯硬件电路或处理器(或多个处理器)或硬件电路或处理器及其(或它们的)随附软件和/或固件的一部分的实现。术语“电路系统”还涵盖(例如并且如果适用于特定权利要求元素)用于移动设备的基带集成电路或处理器集成电路、或者服务器、蜂窝网络设备或其他计算或网络设备中的类似集成电路。
如本文中使用的，单数形式“一个(a)”、“一个(an)”和“该(the)”也旨在包括复数形式，除非上下文另有明确指示。术语“包括”及其变体应当理解为开放术语，意思是“包括但不限于”。术语“基于”应当理解为“至少部分基于”。术语“一个实施例”和“实施例”应当理解为“至少一个实施例”。术语“另一实施例”应当理解为“至少一个其他实施例”。术语“第一”、“第二”等可以指不同或相同的象。下面可以包括其他定义(明确的和隐含的)。
如上所述，mMIMO通信网络中的网络设备可以在水平和垂直维度上传输广播波束，以提高覆盖范围。图1示出了mMIMO通信网络中的广播波束的示意图100。如图所示，网络设备110发送广播波束112。广播波束112的示例可包括但不限于LTE中用于控制信道、参考信号或物理下行链路共享信道(PDSCH)的扇区特定波束或小区特定波束，以及用于同步信号或PBCH块的广播波束。
广播波束112可以通过广播区域的波束赋形简档来确定。广播区域的波束赋形简档也被称为广播波束赋形简档。广播波束赋形简档可以是LTE中的小区特定波束赋形简档或LTE中的扇区特定波束赋形简档。在5G新无线电中，一个小区的同步信号块集合中可以有一个或多个同步信号块。因此，取决于广播区域，广播波束赋形简档可以是SSB特定的或小区特定的波束赋形简档。
广播波束赋形简档包括多个特征，例如波束方向(也称为垂直方向的电倾角)、水平波束宽度(HBW)、垂直波束宽度(VBW)和波束功率增益。广播波束赋形简档定义了广播波束赋形的参数，例如，广播波束赋形的天线加权因子。进而，广播波束赋形简档定义了广播波束的天线阵列图。广播波束的天线阵列图也被称为广播波束的空间辐射图或功率增益图。图2A示出了垂直维度的广播波束的功率增益图200，图2B示出了水平维度的广播波束的功率增益图205。
mMIMO通信网络中网络设备的广播波束赋形简档的电倾角、HBW和VBW是可配置的。但是，非mMIMO通信网络中的网络设备的VBW和/或HBW是不可配置的，或者通过网络设备中的软件具有有限的可配置性。
mMIMO的覆盖范围、容量和性能取决于无线电覆盖范围、终端设备的位置以及水平和垂直方向的业务量分布、CRS功率分配和相邻小区干扰。广播波束赋形简档对广播区域的覆盖范围、干扰和MU-MIMO配对率具有重大影响。进而，广播波束赋形简档不仅影响广播区域吞吐量，还影响整体KPI。
当部署mMIMO通信网络时，由于采用了先进的3D波束赋形和MU-MIMO技术，覆盖范围、容量和性能优化有许多维度和域。例如，维度可以包括水平和垂直维度，并且域可以包括时频域和功率域。广播波束赋形简档还与其他无线电资源管理参数相关联。因此，mMIMO网络设备比非mMIMO网络设备需要调整的参数更多。另外，由于MU-MIMO，所以mMIMO网络设备比非mMIMO网络设备支持更高的容量。MU-MIMO性能取决于终端设备的分布、业务量和广播区域的干扰分布。
目前，针对覆盖范围、容量和性能优化调整mMIMO广播波束赋形的典型方法是根据网络规划和优化(NPO)经验和KPI分析，手动地和静态地调整广播波束赋形简档。在将传统网络设备(即4T4R/8T8R)升级至mMIMO网络设备或安装新的mMIMO网络设备后，运营商可设置初始电倾角并收集KPI结果。基于KPI结果，运营商可尝试新的电倾角，并在之后检查KPI结果。这种参数调整需要很长时间，需要人工操作。如果场地发生变化，则必须进行多次优化，这既费时又低效。
另外，广播波束赋形简档的静态配置会使整体性能处于次优状态，尤其是当终端设备、业务量和干扰等因素发生变化时。
调整mMIMO广播波束赋形的另一种方法是自组织网络解决方案。在SON解决方案中，SON服务器自动收集KPI，并以自我优化的方式调整电倾角。但是，现有的性能计数器和KPI不包含空间维度上的业务量、吞吐量、信道质量和干扰分布。因此，他们无法准确预测广播波束赋形性能，尤其是在MU-MIMO启用时。
此外，SON解决方案依赖于现有的KPI来分析波束赋形性能，而不了解mMIMO知识或mMIMO性能预测模型。在SON解决方案中，SON服务器逐步尝试新的参数值，然后检查KPI结果。如果参数测试失败，SON服务器将尝试另一个可能的参数值，直至SON服务器找到最佳参数值。
为了至少部分解决上述和其他潜在问题，本公开的实施例提供了一种用于调整波束赋形简档的解决方案。根据本公开的实施例，利用机器学习方法，基于广播区域的历史测量信息预先训练学习模型。预先训练的学习模型规定了广播区域的历史测量信息和波束赋形性能之间的关联。在调整广播区域的初始波束赋形简档之前，利用学习模型预测与广播区域的每个候选波束赋形简档相关联的波束赋形性能。基于预测的波束赋形性能选择候选波束赋形简档之一，使得可以通过使用选择的候选波束赋形简档获得最佳的波束赋形性能。
通过本公开的实施例，可以加速性能优化的收敛，并且可以最小化在简档调整期间对KPI的负面影响。
下文将参照图3至图9详细描述本公开的原理和实现。图3示出了示例通信网络300，其中可以实现本公开的示例实施例。网络300可以包括网络设备110、与网络设备110通信的电子设备120以及由网络设备110服务的至少一个终端设备。
网络设备110可以被配置为获取和处理每个广播区域的相应性能测量信息。例如，性能测量信息可以包括广播区域的性能测量信息130，其是在广播区域中当前使用波束赋形简档的情况下获得的。
性能测量信息130可以包括具有相应角度信息的mMIMO特定性能信息和公共性能信息。
mMIMO特定性能信息可包括但不限于：媒体接入控制(MAC)调度的每个广播区域统计信息、业务量、吞吐量、CQI、CQI偏移、调制和编码方案(MCS)、块错误率(BLER)、MU-MIMO物理资源块(PRB)配对比率、一段时间内水平和垂直维度的秩指示分布。公共性能信息可包括但不限于：mMIMO和非mMIMO网络设备均可支持的其他性能统计数据，例如E-UTRAN无线接入承载(E-RAB)掉线率、切换成功率、无线资源控制(RRC)连接建立成功率。
网络设备110还可以被配置为向电子设备120发送性能测量信息130。电子设备120被配置为基于性能测量信息130分析波束赋形性能，并确定广播区域的波束赋形简档。
在网络设备110被配置为mMIMO网络设备的实施例中，mMIMO网络设备的广播波束赋形简档可以以电倾角、水平波束宽度(HBW)、垂直波束宽度(VBW)、波束功率增益和CRS功率增强或去增强为特征。mMIMO网络设备的广播波束赋形简档决定网络设备的天线的广播波束赋形权重，然后定义广播波束赋形模式。在网络设备110是非mMIMO网络设备的实施例中，非mMIMO网络设备的广播波束赋形简档可以以电倾角、波束功率增益、CRS功率增强或去增强为特征。
电子设备120为网络设备110的广播区域确定优化的波束赋形简档，并在命令消息140中向网络设备110发送该简档。一旦接收到广播波束赋形简档，网络设备110则向电子设备120发送响应消息，并在命令消息140中指示的特定时段应用广播波束赋形简档。
在一些实施例中，电子设备120可以布置在网络设备110的外部，如图3所示。在这样的实施例中，电子设备120可以被实现为与网络设备110通信的服务器。在其他实施例中，电子设备120可以布置在网络设备110内部。出于讨论的目的，以下将以布置在网络设备110外部的电子设备120为例描述一些实施例。
在初始化阶段，网络设备110可以被配置有初始波束赋形简档、性能测量周期的粒度和测量信息列表。在初始化阶段，电子设备120可以被配置有候选波束赋形简档集合。初始波束赋形简档从候选波束赋形简档集合中被确定。
性能测量周期的粒度可基于网络设备110的能力和可用传输资源来确定。例如，性能测量周期的粒度可以是1、5、10、15、60分钟等。
测量信息列表可以包括每个广播区域在水平角或/和垂直角的网格处的mMIMO特定测量信息的列表、以及用于mMIMO和非mMIMO网络设备的公共测量信息的列表。
例如，每个广播区域在水平角或/和垂直角的网格处的mMIMO特定测量信息的列表可包括以下至少一项：
·CQI的平均值
·MCS的平均值
·下行链路或上行链路调度授权的计数
·终端设备进行HARQ确认的下行传输块的总数(业务量)
·分配的PRB的平均值
·BLER控制反馈环路导致的CQI偏移的平均值
·MU-MIMO PRB配对率的平均值＝(每个TTI的具有MU-MIMO配对UE的下行链路调度的PRB的总和)/(每个TTI的下行链路调度的PRB的总和)。
例如，用于mMIMO和非mMIMO网络设备的公共测量信息的列表可以包括以下至少一项：
·每个小区的平均小区吞吐量
·每个小区的平均用户吞吐量
·每个小区的平均RRC连接的UE
·每个小区的E-RAB无线承载掉线率
·每个小区的HO成功率。
在通信网络300是mMIMO通信网络的实施例中，网络设备110可以获得每个广播区域中终端设备的更高分辨率的空间分布信息。在这种情况下，每个广播区域中的终端设备的空间分布信息可以与性能测量信息相关联，该性能测量信息例如为业务量、吞吐量、CQI、MCS、BLER、干扰水平、MU-MIMO调度、MU-MIMO配对率等。换言之，性能测量信息可包括业务量、吞吐量、CQI、MCS、BLER、干扰水平、在空间水平和垂直维度上的MU-MIMO调度和MU-MIMO配对比率。性能测量信息可以在水平和垂直维度的网格上以不同的角度粒度进行压缩，以适应不同的硬件能力、实时性和性能要求。
利用与广播区域中终端设备的空间分布信息相关联的性能测量信息，将获得更准确的波束赋形性能预测或估计。
在一些实施例中，上述测量信息可以在水平角度或/和垂直角度的网格中被分类，然后在最近的网格上取平均值(或总和)。在空间网格中使用性能测量信息的目的是减少网络设备110中的处理负荷和传输负荷。水平网格和垂直网格的粒度可以在初始化阶段进行配置。
例如，如果水平网格的粒度为5度，则水平网格#5n的平均CQI应针对水平角度范围(-2.5+5n，2.5+5n]度的被调度的终端设备进行平均。
表1显示了水平网格#5n的CQI平均值和MCS平均值的示例，其中n为零或自然数。
表1
例如，如果垂直网格的粒度为1度，则垂直网格#m的下行链路调度授权的计数应在水平角度范围(-0.5+m，0.5+m)度对调度的UE进行计数。
表2示出了垂直网格#1m的CQI的平均值和MCS的平均值的示例，其中m为零或自然数。
表2
图4示出了通信网络400的示意图，其中可以实现本公开的示例性实施例。通信网络400可被视为图3所示的通信网络300的示例实现。
如图4所示，通信网络400包括网络设备110和电子设备120。电子设备120包括简档选择模块122、性能估计模块124和性能变化确定模块126。
简档选择模块122被配置为向性能估计模块124提供广播区域的候选波束赋形简档集合142。
性能估计模块124被配置为从网络设备110获得当前使用初始波束赋形简档的广播区域的性能测量信息130。性能估计模块124还被配置为基于性能测量信息130、初始波束赋形简档、候选波束赋形简档集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计144。学习模型规定了广播区域的历史测量信息和波束赋形性能之间的关联。波束赋形性能可以包括广播区域的覆盖范围和容量，例如业务量、RRC连接的终端设备的平均数量、平均小区吞吐量、平均用户吞吐量、频谱效率等。稍后将描述各个波束赋形性能估计144的确定。
性能变化确定模块126被配置为确定由广播波束赋形简档的调整引起的波束赋形性能的变化。
简档选择模块122还被配置为基于波束赋形性能估计144和性能测量信息从候选波束赋形简档集合中选择一个候选波束赋形简档，使得可以通过使用所选择的候选波束赋形简档来获得最佳的波束赋形性能。一旦选择，简档选择模块122可以在命令消息140中将选择的简档发送给网络设备110。
在一些实施例中，简档选择模块122可以采用强化学习算法和人工神经网络(ANN)的组合，以根据广播区域的性能测量信息的动态变化来选择广播区域的波束赋形简档。
q学习算法是强化学习算法的一个例子。在一些实施例中，简档选择模块122可采用Q-learning算法根据观察到的测量信息(例如吞吐量和E-RAB掉线率)调整广播波束赋形简档。ANN基于深度学习，用于根据测量信息对预测波束赋形性能的经验和知识进行建模，这将在下文中描述。
在Q-learning算法中，状态“s”可被定义为广播波束赋形简档。状态“s”可以由多个子状态(s_tilt、s_HBW、s_VBW、s_power_loss)的组合来表示，
其中s_tilt表示mMIMO天线阵列所支持的可能的电倾角，s_tilt的范围可以是例如[-10度，10度]；
s_HBW表示mMIMO天线阵列所支持的可能的HBW，例如，s_HBW可以是65度、45度或90度；
s_VBW表示mMIMO天线阵列所支持的可能的VBW，例如，s_VBW可以是10度或30度；和
s_power_loss表示启用用于广播波束赋形权重的功率损耗或无功率损耗。
动作“a”是从一个广播波束赋形简档变为另一个广播波束赋形简档。例如，一个动作可以是“增大电倾角2度，将HBW从65度变为45度，保持VBW不变，并保持功率损耗广播波束赋形权重”。为了简化状态-动作空间并避免广播波束赋形简档的突然改变，可以将动作限制在一个子集中，从而允许在一个动作中仅改变广播波束赋形简档的一个特征，以避免同时改变电倾角、HBW、VBW、广播波束赋形功率。
例如，动作集合A＝{无变化，增大电倾角1度，减小电倾角1度，增大电倾角2度，减小电倾角2度，HBW 65度->45度，HBW 45度->65度，HBW 65度->90度，HBW 90度->65度，从有功率损耗变为无功率损耗，从无功率损耗变为有功率损耗}。
Q函数与给定状态下的某个动作相关联：Q(状态、动作)。
一旦选择并执行某个操作，状态将从st转换为st+1，Q(st,at)被更新为以下公式(1)：
Q(st,at)←Q(st,at)+α(st,at)·(Rt+1+γmaxa Q(st+1,at)-Q(st,at)) (1)其中Q(s,a)表示评估动作的函数，Rt+1表示在t+1时刻调整广播波束赋形简档后从性能测量信息收到的即时奖励，α(st,at)表示学习率，γ表示指示未来奖励相对于即时奖励的重要性的折扣因子。
在一些实施例中，简档选择模块122可被配置为维持由广播波束赋形简档的调整引起的波束赋形性能的累积变化(即Q(s,a))。例如，简档选择模块122可以基于上述公式(1)来更新Q(s,a)。
即时奖励Rt+1可以表示在将广播波束赋形简档改变为另一广播波束赋形简档后波束赋形性能的改变。换句话说，即时奖励Rt+1可以表示在采取调整广播波束赋形简档的行动后观察到的目标值的变化。绩效变化确定模块126可基于以下公式确定即时奖励Rt+1:
Rt+1＝Objective_valuet+1-Objective_valuet (2)
目标函数可针对单个优化目标或多个目标进行定义。例如，对于单目标优化，Objective_value(目标值)可以是平均小区吞吐量、平均用户吞吐量、频谱效率等。
目标值也可以是KPI指标的函数。例如，对于E-RAB掉线率，相应的目标函数可被定义为E-RAB掉线率的惩罚，如下：
其中x表示E-RAB掉线率，penaltyhigh<penaltylow<0。
目标函数也可以针对多个目标的优化被对应。例如，为了优化平均小区吞吐量和E-RAB掉线率，目标函数可以被定义为平均小区吞吐量的回报和E-RAB掉线率的惩罚之和:
目标值＝g(平均小区吞吐量)+f(E-RAB掉线率)(4)
针对不同的优化目标和要求，可以定义不同类型的目标函数。目标函数的三个示例将在下文讨论。
示例1：平均小区吞吐量可被优化，但小区边缘吞吐量不受影响。然后，小区边缘吞吐量可以是目标函数的一部分。例如，小区边缘吞吐量可以定义为水平或垂直角度网格处的最低5％用户吞吐量，如图5所示。
示例2：可以优化小区覆盖的平均小区CQI，并且可以优化小区边缘用户的平均小区边缘CQI。平均小区CQI可被定义为所有小区用户的平均CQI，该平均由下行链路调度许可的比率加权。在本示例中，平均小区CQI可表示如下:
平均小区边缘CQI可被定义为小区边缘用户的平均CQI，该平均CQI由下行链路调度授权的比率进行加权。小区边缘用户可以被定义为垂直角度大于角度阈值处的终端设备。在本示例中，平均小区边缘CQI可表示如下:
示例3：可以优化水平或垂直角度中的业务分布。对于高层建筑场景，VBW需要覆盖比宏小区的VBW更大的垂直角度范围。垂直业务分布宽度可被定义为小区中95％业务量的垂直角度跨度。另外，可用于优化垂直角度的VBW和MU-MIMO配对。类似的水平业务分布宽度可被定义为小区中95％业务量的水平角度跨度。
在性能测量阶段，与一些状态-动作对相关联的Q(s，a)可基于接收到的性能测量信息被初始化。在一些实施例中，简档选择模块122可以在执行调整广播波束赋形简档的动作后，在从网络设备110接收到更新后的性能测量信息时更新Q(s，a)。
为了加速Q(s，a)的更新，性能估计模块124可用于针对一些状态-动作对的Q(s，a)值预测波束赋形性能(例如，小区吞吐量)，这些Q(s，a)值尚未被探索或由于一个或多个终端设备和业务分布的变化而被废弃。例如，状态-动作对可以包括初始广播波束赋形简档以及从初始广播波束赋形简档到候选广播波束赋形简档的改变。简档选择模块122可以向性能估计模块124提供状态-动作对。性能估计模块124可以基于性能测量信息130、初始波束赋形简档、候选波束赋形简档和学习模型，预测在广播区域中使用候选波束赋形简档的情况下的波束赋形性能。
在传统的Q-learning学习中，为了平衡探索和开发策略，行为选择基于ε-greedy(ε-贪婪)策略，如公式(7)所示的:
ε-greedy策略以概率ε随机地选择一个动作，或者以概率1-ε来选择最佳Q(s，a)值的动作。ε为概率，其可以在[0，1]范围内变化。在探索阶段，由于终端设备和业务分布的变化，部分状态未体验到或相应的性能数据过时。因此，随机选择行动(即，随机选择广播波束赋形简档)可能会减缓向最佳动作的收敛。
在一些实施例中，通过基于性能估计模块124的性能估计对具有潜在的较高目标值的那些动作进行优先级排序，改进了贪婪策略。在探索阶段，对于未经历的状态或相应的性能数据过时的状态，在选择动作之前性能估计模块124可以预测执行新动作后的目标值。可以根据具有潜在的较高目标值的动作的优先级相应调整动作被选择的概率。
例如，简档选择模块122将在广播区域中使用第一候选波束赋形简档的情况下的第一波束赋形性能估计与在广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计进行比较。如果确定第一波束赋形性能估计大于第二波束赋形性能估计，则简档选择模块122增大选择第一候选波束赋形简档的第一概率。另一方面，如果确定第一波束赋形性能估计小于第二波束赋形性能估计，则简档选择模块122增大选择第二候选波束赋形简档的第二概率。因此，简档选择模块122可以以增大的第一概率选择第一候选波束赋形简档或以增大的第二概率选择第二候选波束赋形简档。
在一些实施例中，简档选择模块122可以采用改进的动作选择策略(即，新策略)，如公式(8)所示:
其中表示针对状态st的聚合的测量信息，/>表示使用观察到的测量信息/>在给定状态下选择动作的策略，/>表示动作at被选择的概率。
例如，可由公式(9)定义:/>
其中V_predict(at)表示对应于动作at的预测的目标值，并且从性能估计模块124获得V_predict(at)。
ε是概率，其可以在[0，1]范围内变化。ε可一是固定值。或者，ε可以是动态变化的值。也就是说，ε可以在探索阶段被设置为较高的值，然后当当前状态收敛到用于终端设备和业务的稳定分布的最佳广播波束赋形分布时ε逐渐降低为较小的值。
回到图4，在一些实施例中，性能估计模块124可以使用具有输入层、隐藏层和输出层的人工神经网络(ANN)。例如，反向传播学习算法可用于生成最佳神经权重，然后优化性能预测或估计的准确性。
在一些实施例中，性能估计模块124可以使用mMIMO特定空间测量信息的列表作为输入信息，该列表可以包括水平角或垂直角的网格处的CQI、MCS、业务量、调度授权、MU-MIMO配对比率分布中的至少一个。输出层是预测或估计的波束赋形性能，例如小区吞吐量或用户吞吐量。
应当注意，上述mMIMO特定空间测量信息的列表列出了可能的mMIMO测量信息。但是，这并不意味着在某些特定场景下需要这些测量信息的完整集合。例如，在网络设备110由于硬件限制或传输资源限制而具有有限处理能力的情况下，可以选择列表的一部分。例如，网络设备110可以仅选择CQI和业务量分布。
在初始化阶段，性能估计模块124可以用预先训练的参数或在前一轮优化中获得的参数来初始化ANN权重
在性能测量阶段，一旦性能估计模块124接收到一定量的性能测量信息，其就可以预测目标值，例如潜在的新广播波束赋形简档的小区吞吐量，然后用预测值而非随机值来初始化Q(s，a)值。这样可以加快Q-learning算法的收敛。
性能估计模块124可以使用性能测量信息作为用于优化人工神经网络权重的训练数据，并继续训练，以提高训练结果。需要注意的是，只要能够在当前状态下接收到性能测量信息，即使在没有Q-learning状态变化的情况下，人工神经网络训练也能够以在线方式进行。这种在线培训可以提高预测目标值的准确性。
对于ANN权重的梯度下降优化，ANN的损耗函数可被定义为预测目标值(例如小区吞吐量)与性能测量数据中的观测值的均方误差。
在一些实施例中，电子设备120可以可选地包括功率差异确定模块128。功率差异确定模块128可被配置为从简档选择模块122获得初始波束赋形简档和候选波束赋形简档。功率差异确定模块128可进一步被配置为确定用于初始波束赋形简档的波束赋形功率增益向量和用于候选波束赋形简档的波束赋形功率增益向量/>之间在垂直或水平角度网格中的功率差向量/>图7示出了根据本公开的一些示例实施例的波束赋形功率增益向量的变化的示意图700。在图7中，曲线710表示用于初始波束赋形简档的波束赋形功率增益向量/>曲线720表示用于候选波束赋形简档的波束赋形功率增益向量/>
功率差向量会影响CQI、MCS，然后在广播波束赋形简档改变后进一步影响吞吐量或频谱效率。因此，性能估计模块124可以基于来自模块128的功率差向量/>来估计测量信息的变化。进而，性能估计模块124可以基于测量信息和估计的变化，在候选波束赋形简档被用于广播区域的情况下确定波束赋形性能估计。
根据本公开的一些实施例，可以利用机器学习方法自动执行广播波束优化，以获得与相邻小区的最佳小区边缘，然后实现最佳覆盖、容量和性能优化。
根据本公开的一些实施例，广播波束赋形简档的动态调整可以适应覆盖范围、业务量、干扰、MU-MIMO增益的变化，然后不仅提高覆盖范围，还提高容量和其他KPI。考虑到mMIMO可以支持比非mMIMO更高的容量，这种优化不仅可以利用mMIMO的优点，还可以灵活地平衡小区负载和性能。
由于集成的深度神经网络预测了广播波束赋形简档的每个调整步骤的mMIMO性能，因此还可以在mMIMO网络设备上执行广播波束赋形简档的动态调整，以实现优化的快速收敛。因此，无论广播区域间信息交换是否可用，本公开的实施例均可支持针对广播波束赋形简档的分布式的按广播区域优化。
图8示出了根据本公开的一些实施例的调整波束赋形简档的示例方法800的流程图。方法800可以在图3所示的电子设备120上实现。出于讨论的目的，将从图3所示的电子设备120的角度描述方法800。应当理解，方法800可以包括未示出的附加块和/或可以省略示出的一些块，并且本公开的范围不限于此。
如所示，在框810，电子设备120获得当前使用初始波束赋形简档的广播区域的性能测量信息。初始波束赋形简档是先前从候选波束赋形简档集合中确定的。
在框820，电子设备120基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，确定在广播区域中使用相应候选波束赋形简档的情况下的相应波束赋形性能估计，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联。
在框830，电子设备120基于波束赋形性能估计和性能测量信息从用于广播区域的集合中选择一个候选波束赋形简档，使得可以通过使用所选择的候选波束赋形简档来获得最佳的波束赋形性能。
在一些实施例中，确定相应的波束赋形性能估计包括：确定用于初始波束赋形简档的波束赋形功率增益向量和用于集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异；基于差异估计测量信息的变化；以及在广播区域中使用第一候选波束赋形简档的情况下，基于测量信息和估计的变化来确定第一波束赋形性能估计。
在一些实施例中，选择一个候选波束赋形简档包括：将在广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较；响应于确定第二波束赋形性能估计大于第三波束赋形性能估计，增大第二候选波束赋形简档被选择的第一概率；响应于确定第二波束赋形性能估计小于第三波束赋形性能估计，增大第三候选波束赋形简档被选择的第二概率；以及以增大的第一概率选择第二候选波束赋形简档或以增大的第二概率选择第三候选波束赋形简档。
在一些实施例中，方法800进一步包括利用测量信息来更新学习模型。
在一些实施例中，测量信息、历史测量信息和波束赋形性能中的每一个均与广播区域中终端设备的空间分布信息相关联。
在一些实施例中，用于执行方法800的装置(例如，电子设备120)可以包括用于执行方法800中相应步骤的相应部件。这些部件可以以任何合适的方式实施。例如，它可以通过电路或软件模块实现。
在一些实施例中，该装置包括：用于获取当前使用初始波束赋形简档的广播区域的性能测量信息的部件，初始波束赋形简档是先前从候选波束赋形简档集合中确定的；用于基于性能测量信息、初始波束赋形简档、集合中的每个候选波束赋形简档和学习模型，在广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计的部件，其中学习模型指定广播区域的历史测量信息和波束赋形性能之间的关联；以及用于基于波束赋形性能估计和性能测量信息，从用于广播区域的集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能的部件。
在一些实施例中，用于确定相应的波束赋形性能估计的部件包括：用于确定用于初始波束赋形简档的波束赋形功率增益向量和用于集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异的部件；用于基于差异估计测量信息的变化的部件；以及用于在广播区域中使用第一候选波束赋形简档的情况下，基于测量信息和估计的变化来确定第一波束赋形性能估计的部件。
在一些实施例中，用于选择一个候选波束赋形简档的部件包括：用于将在广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较的部件；用于响应于确定第二波束赋形性能估计大于第三波束赋形性能估计，增大第二候选波束赋形简档被选择的第一概率的部件；用于响应于确定第二波束赋形性能估计小于第三波束赋形性能估计，增大第三候选波束赋形简档被选择的第二概率的部件；以及用于以增大的第一概率选择第二候选波束赋形简档或以增大的第二概率选择第三候选波束赋形简档的部件。
在一些实施例中，该设备进一步包括用于利用测量信息来更新学习模型的部件。
在一些实施例中，测量信息、历史测量信息和波束赋形性能中的每一个均与广播区域中的终端设备的空间分布信息相关联。
图9是适用于实现本公开实施例的设备900的简化方框图。如图所示，设备900包括一个或多个处理器910、一个或多个连接到处理器910的存储器940以及一个或多个连接到处理器910的发送器和/或接收器(TX/RX)940。
TX/RX 940用于双向通信。TX/RX 940具有至少一个天线以促进通信。通信接口可以代表与其他网络元件通信所需的任何接口。
处理器910可以是适合于本地技术网络的任何类型，并且可以包括以下一个或多个:通用计算机、专用计算机、微处理器、数字信号处理器(DSP)和基于多核处理器架构的处理器，作为非限制性示例。设备900可以具有多个处理器，例如专用集成电路芯片，其在时间上从属于同步主处理器的时钟。
存储器920可以包括一个或多个非易失性存储器和一个或多个易失性存储器。非易失性存储器的示例包括但不限于只读存储器924、电可编程只读存储器、闪存、硬盘、光盘、数字视频盘和其他磁存储和/或光存储。易失性存储器的示例包括但不限于随机存取存储器(RAM)922和不会持续断电持续时间的其他易失性存储器。
计算机程序930包括由相关处理器910执行的计算机可执行指令。程序930可以存储在只读存储器924中。处理器910可以通过将程序930加载到RAM 922中来执行任何合适的动作和处理。
本公开的实施例可以通过程序930实现，使得设备900可以执行参考图3至图8讨论的本公开的任何过程。本公开的实施例也可以通过硬件或软件和硬件的组合来实现。
在一些实施例中，程序930可以有形地包含在计算机可读介质中，该计算机可读介质可以包含在设备900(例如存储器920)或设备900可访问的其他存储设备中。设备900可以将程序930从计算机可读介质加载到RAM 922以供执行。计算机可读介质可包括任何类型的有形非易失性存储，例如只读存储器、可编程只读存储器、闪存、硬盘、光盘、DVD等。图10示出了CD或DVD形式的计算机可读介质1000的示例。计算机可读介质上存储有程序930。
通常，本公开的各种实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。一些方面可以用硬件实现，而其他方面可以用可由控制器、微处理器或其他计算设备执行的固件或软件实现。例如，在一些实施例中，本公开的各种示例(例如，方法、装置或设备)可以部分或全部在计算机可读介质上实现。尽管本公开的实施例的各个方面被示出和描述为方框图、流程图或使用一些其他图形表示，但是应当理解，在此描述的方框、装置、系统、技术或方法可以作为非限制性示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合中实现。
本公开的装置和/或设备中包括的单元可以以各种方式实现，包括软件、硬件、固件或其任何组合。在一个实施例中，一个或多个单元可以使用软件和/或固件实现，例如存储在存储介质上的机器可执行指令。可以至少部分地通过一个或多个硬件逻辑组件来实现设备和/或装置中的部分或全部单元，或者代替机器可执行指令。例如，但不限于，可使用的硬件逻辑组件的示例性类型包括现场可编程门阵列、专用集成电路、专用标准产品、片上系统、复杂可编程逻辑器件等。
作为示例，本公开的实施例可以在计算机可执行指令(例如程序模块中包含的指令)在目标真实或虚拟处理器上的设备中执行的背景下进行描述。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例行程序、程序、库、对象、类、组件、数据结构等。在各种实施例中，程序模块的功能可以根据需要在程序模块之间进行组合或分割。程序模块的机器可执行指令可在本地或分布式设备中执行。在分布式设备中，程序模块可以位于本地和远程存储介质中。
用于执行本公开的方法的程序代码可以以一种或多种编程语言的任何组合来编写。这些程序代码可被提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器，使得当由处理器或控制器执行时，程序代码使得流程图和/或方框图中指定的功能/操作得以实现。程序代码可以完全在机器上执行，部分在机器上执行，作为独立的软件包，部分在机器上执行，部分在远程机器上执行，或者完全在远程机器或服务器上执行。
在本公开的上下文中，计算机可读介质可以是任何有形介质，其可以包含或存储由指令执行系统、装置或设备使用或与之结合使用的程序。计算机可读介质可以是机器可读信号介质或机器可读存储介质。计算机可读介质可包括但不限于电子、磁、光、电磁、红外或半导体系统、装置或设备，或前述各项的任何适当组合。机器可读存储介质的更具体示例包括具有一条或多条电线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或Flash存储器)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备或前述各项的任何适当组合。
此外，尽管以特定顺序描述了操作，但这不应被理解为要求以所示的特定顺序或顺序执行该等操作，或要求执行所有所示的操作，以实现期望的结果。在某些情况下，多任务处理和并行处理可能是有利的。同样，尽管上述讨论中包含若干具体实施例的细节，但这些细节不应被解释为对本公开范围的限制，而应被解释为对特定实施例可能特有的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独实现或以任何合适的子组合实现。
尽管本公开以特定于结构特征和/或方法动作的语言进行了描述，但是应当理解，所附权利要求中定义的本公开不一定限于上述特定特征或动作。相反，上述具体特征和行为作为实现权利要求的示例形式被公开。

Claims (16)

1.一种电子设备，包括：
至少一个处理器；和
至少一个存储器，包括计算机程序代码；
所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述电子设备：
获取当前使用初始波束赋形简档的广播区域的多条性能测量信息，所述初始波束赋形简档是先前从候选波束赋形简档集合中确定的；
将所述多条性能测量信息中的每条性能测量信息分类到划分所述广播区域的空间网格的相应部分中；
针对所述空间网格的每个部分，将分类到相应部分中的性能测量信息组合为所述相应部分的经组合的性能测量信息，其中所述组合包括求平均值或相加之一；
基于所述部分的经组合的性能测量信息、所述初始波束赋形简档、所述集合中的每个候选波束赋形简档和学习模型，在所述广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中所述学习模型指定所述广播区域的历史测量信息和波束赋形性能之间的关联；以及
基于所述波束赋形性能估计和所述部分的所述经组合的性能测量信息，从用于所述广播区域的所述集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。
2.根据权利要求1所述的电子设备，其中所述电子设备进一步被促使通过以下方式确定所述相应的波束赋形性能估计：
确定用于所述初始波束赋形简档的波束赋形功率增益向量和用于所述集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异；
基于所述差异估计所述测量信息的变化；以及
在所述广播区域中使用所述第一候选波束赋形简档的情况下，基于所述测量信息和估计的变化来确定第一波束赋形性能估计。
3.根据权利要求1所述的电子设备，其中所述电子设备进一步被促使通过以下方式从所述集合中选择一个候选波束赋形简档：
将在所述广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在所述广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较；
响应于确定所述第二波束赋形性能估计大于所述第三波束赋形性能估计，增大所述第二候选波束赋形简档被选择的第一概率；
响应于确定所述第二波束赋形性能估计小于所述第三波束赋形性能估计，增大所述第三候选波束赋形简档被选择的第二概率；以及
以增大的第一概率选择所述第二候选波束赋形简档或以增大的第二概率选择所述第三候选波束赋形简档。
4.根据权利要求1所述的电子设备，其中所述电子设备进一步被促使利用所述测量信息来更新所述学习模型。
5.权利要求1的电子设备，其中所述测量信息、所述历史测量信息和所述波束赋形性能中的每一项均与所述广播区域中的终端设备的空间分布信息相关联。
6.一种通信方法，包括：
获取当前使用初始波束赋形简档的广播区域的多条性能测量信息，所述初始波束赋形简档是先前从候选波束赋形简档集合中确定的；
将所述多条性能测量信息中的每条性能测量信息分类到划分所述广播区域的空间网格的相应部分中；
针对所述空间网格的每个部分，将分类到相应部分中的性能测量信息组合为所述相应部分的经组合的性能测量信息，其中所述组合包括求平均值或相加之一；
基于所述部分的经组合的性能测量信息、所述初始波束赋形简档、所述集合中的每个候选波束赋形简档和学习模型，在所述广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中所述学习模型指定所述广播区域的历史测量信息和波束赋形性能之间的关联；以及
基于所述波束赋形性能估计和所述部分的经组合的性能测量信息，从用于所述广播区域的所述集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。
7.根据权利要求6所述的方法，其中确定所述相应的波束赋形性能估计包括：
确定用于所述初始波束赋形简档的波束赋形功率增益向量和用于所述集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异；
基于所述差异估计所述测量信息的变化；以及
在所述广播区域中使用所述第一候选波束赋形简档的情况下，基于所述测量信息和估计的变化来确定第一波束赋形性能估计。
8.根据权利要求6所述的方法，其中选择所述一个候选波束赋形简档包括：
将在所述广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在所述广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较；
响应于确定所述第二波束赋形性能估计大于所述第三波束赋形性能估计，增大所述第二候选波束赋形简档被选择的第一概率；
响应于确定所述第二波束赋形性能估计小于所述第三波束赋形性能估计，增大所述第三候选波束赋形简档被选择的第二概率；以及
以增大的第一概率选择所述第二候选波束赋形简档或以增大的第二概率选择所述第三候选波束赋形简档。
9.根据权利要求6所述的方法，进一步包括：
利用所述测量信息来更新所述学习模型。
10.根据权利要求6所述的方法，其中所述测量信息、所述历史测量信息和所述波束赋形性能中的每一项均与所述广播区域中的终端设备的空间分布信息相关联。
11.一种用于通信的装置，包括：
用于获取当前使用初始波束赋形简档的广播区域的多条性能测量信息的部件，所述初始波束赋形简档是先前从候选波束赋形简档集合中确定的；
用于将所述多条性能测量信息中的每条性能测量信息分类到划分所述广播区域的空间网格的相应部分中的部件；
用于针对所述空间网格的每个部分，将分类到相应部分中的性能测量信息组合为所述相应部分的经组合的性能测量信息的部分，其中所述组合包括求平均值或相加之一；
用于基于所述部分的经组合的性能测量信息、所述初始波束赋形简档、所述集合中的每个候选波束赋形简档和学习模型，在所述广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计的部件，其中所述学习模型指定所述广播区域的历史测量信息和波束赋形性能之间的关联；以及
用于基于所述波束赋形性能估计和所述部分的经组合的性能测量信息，从用于所述广播区域的所述集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能的部件。
12.根据权利要求11所述的装置，其中用于确定所述相应的波束赋形性能估计的部件包括：
用于确定用于所述初始波束赋形简档的波束赋形功率增益向量和用于所述集合中的第一候选波束赋形简档的波束赋形功率增益向量之间的差异的部件；
用于基于所述差异估计所述测量信息的变化的部件；以及
用于在所述广播区域中使用所述第一候选波束赋形简档的情况下，基于所述测量信息和估计的变化来确定第一波束赋形性能估计的部件。
13.根据权利要求11所述的装置，其中用于选择所述一个候选波束赋形简档的部件包括：
用于将在所述广播区域中使用第二候选波束赋形简档的情况下的第二波束赋形性能估计与在所述广播区域中使用第三候选波束赋形简档的情况下的第三波束赋形性能估计进行比较的部件；
用于响应于确定所述第二波束赋形性能估计大于所述第三波束赋形性能估计，增大所述第二候选波束赋形简档被选择的第一概率的部件；
用于响应于确定所述第二波束赋形性能估计小于所述第三波束赋形性能估计，增大所述第三候选波束赋形简档被选择的第二概率的部件；以及
用于以增大的第一概率选择所述第二候选波束赋形简档或以增大的第二概率选择所述第三候选波束赋形简档的部件。
14.根据权利要求11所述的装置，进一步包括：
用于利用所述测量信息来更新所述学习模型的部件。
15.根据权利要求11所述的装置，其中所述测量信息、所述历史测量信息和所述波束赋形性能中的每一项均与所述广播区域中的终端设备的空间分布信息相关联。
16.一种计算机可读介质，其上存储有指令，所述指令在设备的至少一个处理器上执行时，使所述设备至少执行以下：
获取当前使用初始波束赋形简档的广播区域的多条性能测量信息，所述初始波束赋形简档是先前从候选波束赋形简档集合中确定的；
将所述多条性能测量信息中的每条性能测量信息分类到划分所述广播区域的空间网格的相应部分中；
针对所述空间网格的每个部分，将分类到相应部分中的性能测量信息组合为所述相应部分的经组合的性能测量信息，其中所述组合包括求平均值或相加之一；
基于所述部分的经组合的性能测量信息、所述初始波束赋形简档、所述集合中的每个候选波束赋形简档和学习模型，在所述广播区域中使用相应候选波束赋形简档的情况下，确定相应的波束赋形性能估计，其中所述学习模型指定所述广播区域的历史测量信息和波束赋形性能之间的关联；以及
基于所述波束赋形性能估计和所述部分的经组合的性能测量信息，从用于所述广播区域的所述集合中选择一个候选波束赋形简档，使得能够通过使用所选择的候选波束赋形简档来获取最佳的波束赋形性能。
CN201980093936.4A 2019-03-13 2019-03-13 用于调整波束赋形简档的设备、方法和计算机可读介质 Active CN113597799B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/078016 WO2020181533A1 (en) 2019-03-13 2019-03-13 Device, method and computer readable medium for adjusting beamforming profiles

Publications (2)

Publication Number Publication Date
CN113597799A CN113597799A (zh) 2021-11-02
CN113597799B true CN113597799B (zh) 2024-04-23

Family

ID=72427739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980093936.4A Active CN113597799B (zh) 2019-03-13 2019-03-13 用于调整波束赋形简档的设备、方法和计算机可读介质

Country Status (5)

Country Link
US (1) US20220158703A1 (zh)
EP (1) EP3939367A4 (zh)
JP (1) JP7375035B2 (zh)
CN (1) CN113597799B (zh)
WO (1) WO2020181533A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114390534B (zh) * 2020-10-16 2024-03-12 中国移动通信集团设计院有限公司 波束模式确定方法、装置、电子设备及存储介质
JP7060905B1 (ja) * 2020-11-11 2022-04-27 株式会社オーディオテクニカ 収音システム、収音方法及びプログラム
US20240008018A1 (en) * 2020-12-03 2024-01-04 Nokia Solutions And Networks Oy Method, Apparatus and Computer Program for Machine Learning-Assisted Beams Coordinated Scheduling in 5G and Beyond
WO2023287808A1 (en) * 2021-07-13 2023-01-19 Intel Corporation Beamforming for multiple-input multiple-output (mimo) modes in open radio access network (o-ran) systems
WO2023071760A1 (zh) * 2021-10-29 2023-05-04 中兴通讯股份有限公司 波束域的划分方法及装置、存储介质及电子装置
US20230155648A1 (en) * 2021-11-16 2023-05-18 Cellwize Wireless Technologies Ltd. Managing massive mimo antennas in a wireless network
CN114554513A (zh) * 2021-12-30 2022-05-27 中国电信股份有限公司 波束赋形参数的确定方法、装置及网络设备
WO2024031535A1 (zh) * 2022-08-11 2024-02-15 Oppo广东移动通信有限公司 无线通信方法、终端设备和网络设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9253592B1 (en) * 2014-06-19 2016-02-02 Amazon Technologies, Inc. Inter-device bearing estimation based on beamforming and motion data
CN107249190A (zh) * 2017-05-17 2017-10-13 桂林电子科技大学 基于神经网络和时间演化的小小区微基站频谱拍卖方法
KR20180080122A (ko) * 2017-01-02 2018-07-11 한국전자통신연구원 무선 전송 장치
EP3373466A1 (en) * 2017-03-08 2018-09-12 Sony Corporation Electronic apparatus and method in wireless communication system
US10171150B1 (en) * 2017-06-26 2019-01-01 Sprint Communications Company L.P. Dynamic optimization of beamforming weights
CN109194378A (zh) * 2018-08-06 2019-01-11 重庆邮电大学 基于线性神经网络的物理层安全波束赋形方法
WO2019029802A1 (en) * 2017-08-09 2019-02-14 Telefonaktiebolaget Lm Ericsson (Publ) SYSTEM AND METHOD FOR SELECTING ANTENNA BEAM

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8738022B2 (en) * 2011-10-06 2014-05-27 Futurewei Technologies, Inc. System and methods for beam shaping in a self-organizing network
KR102170254B1 (ko) 2013-12-10 2020-10-26 삼성전자주식회사 무선 통신시스템의 적응적 빔 선택 장치 및 방법
EP2930858B1 (en) 2014-04-07 2017-06-21 Vodafone GmbH Telecommunication system and method using distributed asynchronous beamforming in the MISO interference channel
EP2930966B1 (en) 2014-04-09 2020-10-07 Alcatel Lucent Selecting beam-forming weighting vectors for antennae
US9331760B2 (en) 2014-05-28 2016-05-03 Qualcomm Incorporated Method and apparatus for leveraging spatial/location/user interaction sensors to aid in transmit and receive-side beamforming in a directional wireless network
EP3276853B1 (en) * 2015-03-27 2019-09-18 Panasonic Corporation Wireless communication apparatus and wireless communication control method
US10171138B2 (en) * 2016-09-30 2019-01-01 Nokia Technologies Oy Indicating optional parameter groups
US10573301B2 (en) * 2018-05-18 2020-02-25 Intel Corporation Neural network based time-frequency mask estimation and beamforming for speech pre-processing
US10505616B1 (en) * 2018-06-01 2019-12-10 Samsung Electronics Co., Ltd. Method and apparatus for machine learning based wide beam optimization in cellular network
CN108900232B (zh) * 2018-08-08 2021-08-24 深兰科技（上海）有限公司 一种自适应波束成形的方法、装置和电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9253592B1 (en) * 2014-06-19 2016-02-02 Amazon Technologies, Inc. Inter-device bearing estimation based on beamforming and motion data
KR20180080122A (ko) * 2017-01-02 2018-07-11 한국전자통신연구원 무선 전송 장치
EP3373466A1 (en) * 2017-03-08 2018-09-12 Sony Corporation Electronic apparatus and method in wireless communication system
CN108574954A (zh) * 2017-03-08 2018-09-25 索尼公司 无线通信系统中的电子设备和方法
CN107249190A (zh) * 2017-05-17 2017-10-13 桂林电子科技大学 基于神经网络和时间演化的小小区微基站频谱拍卖方法
US10171150B1 (en) * 2017-06-26 2019-01-01 Sprint Communications Company L.P. Dynamic optimization of beamforming weights
WO2019029802A1 (en) * 2017-08-09 2019-02-14 Telefonaktiebolaget Lm Ericsson (Publ) SYSTEM AND METHOD FOR SELECTING ANTENNA BEAM
CN109194378A (zh) * 2018-08-06 2019-01-11 重庆邮电大学 基于线性神经网络的物理层安全波束赋形方法

Also Published As

Publication number Publication date
JP2022524438A (ja) 2022-05-02
JP7375035B2 (ja) 2023-11-07
EP3939367A1 (en) 2022-01-19
WO2020181533A1 (en) 2020-09-17
CN113597799A (zh) 2021-11-02
US20220158703A1 (en) 2022-05-19
EP3939367A4 (en) 2022-10-19

Similar Documents

Publication Publication Date Title
CN113597799B (zh) 用于调整波束赋形简档的设备、方法和计算机可读介质
US11075738B2 (en) Fractional frequency reuse schemes assigned to radio nodes in an LTE network
US10159022B2 (en) Methods and systems for admission control and resource availability prediction considering user equipment (UE) mobility
US11784698B2 (en) Method and arrangement for beam assignment support
EP2761797A1 (en) Methods and apparatus for interference management
CN102065490A (zh) 基站间下行发射功率的协调方法和设备
EP4158790A1 (en) Distributed coordinated downlink precoding for multi-cell mimo wireless network virtualization
WO2014117750A1 (en) System and method for transmission point (tp) association and beamforming assignment in heterogeneous networks
KR101617466B1 (ko) 셀룰러 상향링크 통신 시스템에서 단말의 스케줄링 방법 및 기지국 장치
CN109788485A (zh) 用于帮助解决通信系统中的边界问题的集群优化的方法
CN114885376A (zh) 一种帧结构配置方法、装置及存储介质
US10512093B2 (en) Service-specific scheduling in cellular networks
WO2014159503A1 (en) Methods and systems for load balancing and interference coordination in networks using frank-wolfe algorithm
US20230353294A1 (en) Network slicing in cellular systems
CN116801367A (zh) 一种交叉链路干扰抑制方法、网络节点及存储介质
CN105992357B (zh) 基于x2接口的微小区动态上下行子帧配置的方法及装置
EP2779756B1 (en) Control of user equipment to base station association to optimise network capacity utilisation
Luoto et al. Gibbs sampling based spectrum sharing for multi-operator small cell networks
WO2015069983A1 (en) Fractional frequency reuse schemes assigned to radio nodes in an lte network
CN112292881A (zh) 用于动态时分双工的偏差控制
US20240048996A1 (en) Multi-user multiple input multiple output (mu-mimo) aware dynamic spectrum sharing
EP2932625A1 (en) Methods and systems for admission control and resource availability prediction considering user equipment (ue) mobility
WO2022159079A1 (en) Load management of overlapping cells based on user throughput
Niu Resource allocation with multi-cell coordination in wireless networks
WO2015120569A1 (en) Coordination of resource-allocation in cellular communications network

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