CN113938909B - 模态集确定方法、装置、网络侧设备及终端 - Google Patents
模态集确定方法、装置、网络侧设备及终端 Download PDFInfo
- Publication number
- CN113938909B CN113938909B CN202010667543.4A CN202010667543A CN113938909B CN 113938909 B CN113938909 B CN 113938909B CN 202010667543 A CN202010667543 A CN 202010667543A CN 113938909 B CN113938909 B CN 113938909B
- Authority
- CN
- China
- Prior art keywords
- modal
- noise ratio
- function
- formula
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims abstract description 105
- 230000006870 function Effects 0.000 claims description 219
- 230000005540 biological transmission Effects 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000003491 array Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供一种模态集确定方法、装置、网络侧设备及终端，该方法包括：根据模态集的评价函数的最大取值，确定第一信息；向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集；本发明实施例基于模态集的平均信噪比以及接收端半径构成评价函数，并基于评价函数的最大取值确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
Description
技术领域
本发明涉及通信技术领域，尤其是指一种模态集确定方法、装置、网络侧设备及终端。
背景技术
随着移动数据需求的飞速增长，频谱资源紧缺的问题已成为限制无线通信产业发展的瓶颈。到目前为止，无线通信仍旧建立在平面电磁波(PE)上，通过检测电场强度，来实现信号的接收与解调。复用维度主要包括时域(TDM)、频域(FDM)、码域(CDM)、空域(SDM)和极化域(PDM)，很难进一步提高系统容量。轨道角动量(Orbit Angular Momentum，OAM)是区别于电场强度的固有独立物理量，提供了无线传输的新维度。通过OAM的复用可以在不依赖于诸如时间和频率的传统资源的情况下发送多个同轴数据流，从而潜在地增加无线通信链路的系统容量和频谱效率，并有望应用于6G无线通信网络中。
在正常电磁波中添加一个相位旋转因子eilθ，此时相位波前将不再是平面结构，而是围绕波束传播方向旋转，如图1给出的电磁波OAM示意图所示。具有OAM的电磁波又称“涡旋电磁波”，其中OAM模态为l＝0为平面波，即传统电磁波辐射模式。而对于l≠0的情况，电磁波的相位分布沿着传播方向呈螺旋上升的形态。不同本征值l的电磁涡旋波是相互正交的，可以在同一带宽内并行传输不同本征值的OAM涡旋波，提供了无线传输的新维度。涡旋电磁波的另一个重要特点是波束整体呈发散形态，波束中心存在凹陷，中心能量为零，整个波束呈现中空的倒锥形。随着模值的增大，距离的增加，越来越发散。
OAM射频电磁波可以由环形天线阵、螺旋相位板、抛物面天线和特殊电磁结构产生。
均匀环形天线阵(UCA)：在圆环上等间距布满天线阵元，每个阵元的馈电相位依次延时2πl/N(N为天线阵元个数，l为OAM模态数)，从而等效出一个沿着传播方向呈螺旋分布的相位图。鉴于其简单的OAM电磁波产生原理，这种采用环形天线阵产生OAM电磁波的方式被大量应用在仿真和原理实验中。
螺旋相位板：电磁波透过螺旋相位板(或者经过螺旋相位面反射)之后相位沿着传播方向依次延时，其产生的电磁波在空间叠加之后等效出一个螺旋相位面。
螺旋抛物面天线：把普通的抛物面天线一侧开一道口，将口的两边错开，将其扭曲成螺旋状，从物理上模拟了波束相位的旋转，使得电磁波束的不同点相对其他点而言有了不同的相位波前，因而将普通电磁波扭曲成了涡旋电磁波。
除了天线阵、螺旋相位板和抛物面天线产生OAM电磁波方式之外，电磁超材料法和谐振腔法也是较为常用的产生方式。电磁超材料产生OAM电磁波的原理是在电磁波介质材料上构造特殊的金属结构使得电磁波透过或者经其反射之后的波前相位依次延时，进而在空间叠加之后产生OAM电磁波。
OAM射频电磁波接收方法包括：全空域共轴接收、部分接收和单点接收三种方法。
全空域共轴接收：接收端需与发射端共轴对齐，采用与发射端OAM模态相反的接收天线从空间接收整个环形波束能量，发射的OAM电磁波被接收天线相位补偿后变为常规平面电磁波，由于OAM电磁波波束发散，所需天线尺寸随着传输距离的增加而线性增大，全空域的接收方法只适用于短距离点对点接收。
部分接收法：接收端需与发射端共轴对齐，在部分环形波束上均匀布置一个弧形天线阵列接收信号，对接收信号做傅里叶变换即可完成不同相位差的检测，完成不同OAM模态的检测和分离。这种方法分离的OAM模态数量受限于接收天线个数和尺寸，且检测同一数量的OAM模态所需的天线阵弧段尺寸随传输距离而增大。
单点接收法：通过检测电场和磁场在三个坐标轴的幅度分量来完成OAM模态的检测。但是，由于该方法为远场近似的结果，只有当OAM电磁波波束的发散角很小，并且接收点的极化方向与OAM波的极化方向完全一致时，才能达到很好的近似效果，其检测性能受噪声影响很大。
发明内容
本发明实施例的至少一个实施例提供了一种模态集确定方法、装置、网络侧设备及终端，解决了现有系统模型中当信道矩阵不是循环阵的时模态之间存在较大干扰的问题。
为了解决上述问题，根据本发明的一个方面，至少一个实施例提供了一种模态集确定方法，包括：
根据模态集的评价函数的最大取值，确定第一信息；
向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
此外，根据本发明的至少一个实施例，所述方法还包括：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数。
此外，根据本发明的至少一个实施例，所述根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数，包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)。
此外，根据本发明的至少一个实施例，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，根据本发明的至少一个实施例，所述根据模态集的评价函数的最大取值，确定第一信息，包括：
根据模态集的评价函数的最大取值，确定α的值和β的值。
此外，根据本发明的至少一个实施例，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径。
此外，根据本发明的至少一个实施例，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，SINR(r,l)为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数。
此外，根据本发明的至少一个实施例，所述方法还包括：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比SINR(r,l)；其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比。
此外，根据本发明的至少一个实施例，所述方法还包括：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
此外，根据本发明的至少一个实施例，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
此外，根据本发明的至少一个实施例，所述发送模态集中发送模态的取值范围是[-lmax，-lmax]；
其中，lmax为最大模态值。
此外，根据本发明的至少一个实施例，所述发送模态集的总个数根据模态集中的模态个数L确定；
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。
根据本发明的另一个方面，至少一个实施例提供了一种模态集确定方法，应用于终端，包括：
接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
根据所述第一信息，确定发送模态集。
此外，根据本发明的至少一个实施例，所述评价函数为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，f(r,l)为评价函数，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，根据本发明的至少一个实施例，所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值。
根据本发明的另一个方面，至少一个实施例提供了一种模态集确定装置，包括：
信息确定模块，用于根据模态集的评价函数的最大取值，确定第一信息；
发送模块，用于向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
根据本发明的又一个方面，至少一个实施例提供了一种网络侧设备，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，其特征在于，所述处理器用于执行以下操作：
根据模态集的评价函数的最大取值，确定第一信息；
向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据模态集的评价函数的最大取值，确定α的值和β的值。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，SINR(r,l)为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比SINR(r,l)；其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比。
此外，根据本发明的至少一个实施例，所述处理器还用于执行以下操作：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
此外，根据本发明的至少一个实施例，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
此外，根据本发明的至少一个实施例，所述发送模态集中发送模态的取值范围是[-lmax，-lmax]；
其中，lmax为最大模态值。
此外，根据本发明的至少一个实施例，所述发送模态集的总个数根据模态集中的模态个数L确定；
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。
根据本发明的又一个方面，至少一个实施例提供了一种模态确定装置，应用于终端，包括：
接收模块，用于接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
模态集确定模块，用于根据所述第一信息，确定发送模态集。
根据本发明的又一个方面，至少一个实施例提供了一种终端，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，所述处理器用于执行以下操作：
接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
根据所述第一信息，确定发送模态集。
根据本发明的又一个方面，至少一个实施例提供了一种通信设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述处理器执行所述程序时实现如上所述的模态集确定方法。
根据本发明的又一个方面，至少一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的模态集确定方法中的步骤。
本发明的上述技术方案至少具有如下有益效果：
本发明的至少一个实施例提供的模态集确定方法、装置、网络侧设备及终端中，基于模态集的平均信噪比以及接收端半径构成评价函数，并基于评价函数的最大取值确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
附图说明
图1表示本发明的至少一个实施例提供的模态集确定方法的步骤流程图之一；
图2表示本发明的至少一个实施例提供的模态集确定方法的步骤流程图之一
图3表示本发明的至少一个实施例提供的模态集确定装置的结构示意图之一；
图4表示本发明的至少一个实施例提供的网络侧设备的结构示意图；
图5表示本发明的至少一个实施例提供的模态集确定装置的结构示意图之二；
图6表示本发明的至少一个实施例提供的终端的结构示意图。
具体实施方式
现有技术中轨道角动量无线通信系统在物理实现上要求发送和接收天线阵列圆心对准且平行，天线阵子之间相关，假设发送UCA的天线个数是M，接收UCA的天线个数是N，发送端同时发送L个模态，那么系统模型如下：
YN×1＝HN×MWM×LXL×1
其中，YN×1是接收的数据流；HN×M是信道矩阵，WM×L是预编码矩阵，XL×1是发送的数据流。各个模态之间相互正交，即非对角线的元素为0，即HiWj＝0，i≠j。
当收发端不严格对齐(不共轴或者不平行)、天线阵子之间不相关、N-LOS场景或者考虑大气湍流等情况下，H不再是循环阵，模态之间就会存在干扰，即非对角线的元素不为0，即HiWj≠0，i≠j。
有研究表明，模态间的差值越大，干扰越小，但是考虑到模态值越大，接收半径越大。考虑到非理想情况(例如发端不严格对齐、天线阵子之间不相关、N-LOS场景或者考虑大气湍流等)，若模态间本身的干扰不是很大，那么在相同的接收半径下，发送端模态若总是取差值最大的多个值，由于波束的发散性，接收端将无法接收完整的模态新，影响性能。若模态间干扰很大，为了对抗干扰，在相同的接收半径下，模态间差值又会很大。那么如何针对不同的非理想情况，选择最佳的发送模态集是目前急需解决的问题。
如图1所示，根据本发明的一方面，至少一个实施例提供了一种模态集确定方法(该方法通常适用于轨道角动量无线通信系统)，应用于网络侧设备，包括：
步骤11，根据模态集的评价函数的最大取值，确定第一信息。
本步骤中，对于任意一种非理想情况(例如发端不严格对齐、天线阵子之间不相关、N-LOS场景或者考虑大气湍流等)，在使得模态集的评价函数的取值最大时，对应的发送模态集为最佳发送模态集。使用该最佳发送模态集进行信号传输与检测，不仅能够减少干扰获得最大的系统容量，还能够保证接收端半径最佳。
步骤12，向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
其中，接收该第一信息的终端根据该第一信息确定发送模态集后，依据该发送模态集进行信号检测。
根据本发明的至少一个实施例，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
此外，根据本发明的至少一个实施例，所述方法还包括：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数。换言之，所述评价函数由信噪比和接收端半径两部分组成，下面针对一个给定的模态集Ωe和给定的接收端半径R进行说明。
其中，所述发送模态集中发送模态的取值范围是[-lmax，lmax]；lmax为最大模态值。
例如，发送模态集中发送端模态的取值范围为[-6,6]，假设模态个数取值范围是[1,4]。
则模态个数是1的时候，模态的取值集合包括[-6][-5]…[6]；模态个数是2的时候，模态的取值集合包括[-6,-5],[-6,-4],[-6,-3]…；模态个数是3的时候，模态的取值集合包括[-6,-5,-4],[-6,-5,-3]…。
换言之，根据不同的模态个数，包括不同的模态集；假设，上述给定的模态集Ωe表示给定模态个数的时候，给定的第一个模态集，比如模态个数L＝3，那么[-6,-5,-4]就是模态集Ωe。
作为本发明的一个可选实施例，所述发送模态集的总个数根据模态集中的模态个数L确定。且模态个数L受限于收发端的天线阵子数。例如，接收端会反馈天线阵子数N给发送端，那么发送的模态个数L一定小于或者等于N。
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。即正负模态之间只是旋转方向不同，一个模态集包含了模态[A,B,C,…]，其还包含对应的负模态[-A,-B,-C,…]。
此外，根据本发明的至少一个实施例，所述根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数，包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)。
此外，根据本发明的至少一个实施例，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
相应的，步骤11包括：
根据模态集的评价函数的最大取值，确定α的值和β的值。例如，基于人工智能的方式确定α的值和β的值，确定的α的值和β的值能够使得评价函数f(r,l)的取值最大。
考虑到成本，接收端半径越小越好，作为本发明的又一个可选实施例，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径。
此外，根据本发明的至少一个实施例，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，SINR(r,l)为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数。
需要说明的是，由于正负模态之间只是旋转方向不同，当一个模态集考虑了正模态集时，其对应的负模态集不再统计。假设不考虑模态值为0的情况，统计出的模态集个数为E。
此外，根据本发明的至少一个实施例，所述方法还包括：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比SINR(r,l)；其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比。
其中，所述方法还包括：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，可以均分或注水；k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
承接上例，针对给定的接收端半径R，给定的模态集Ωe下的系统容量c的计算公式为：
ε＝min{N,L}；
其中，SINRr,l为模态l的信噪比，B为信道带宽，ε为HW的秩，N为接收端天线阵子数，L为模态个数。
其中，秩的含义为：将HW矩阵看成由一个个向量组成，这个矩阵的秩就是向量组中独立的向量的个数。
示例
假设发送端假设发送端有16个天线阵子，接收端4个天线阵子，那么发送端模态的取值范围是-8<l<8，假设最大的发送模态取值为lmax＝6，发送端模态的取值范围变为[-6,6]。
若不考虑接收端天线阵子数，发送端最多同时发送12个模态(不考虑模态0)。实际系统中考虑接收端天线阵子数，所以发送端最多同时发送4个模态，L(模态个数)的取值范围是[1,4]。
假设收发端共轴但是不平行，角度是α；如表1所示，为角度α为最佳发送模态集的对应关系。
表1
| 角度α | 模态集 |
| 10 | [-2 -1 1] |
| 30 | [-3 -1 1] |
| 60 | [-5 3] |
综上，本发明的至少一个实施例中，基于模态集的平均信噪比以及接收端半径构成评价函数，并基于评价函数的最大取值确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
如图2所示，本发明是另一方面，至少一个实施例还提了一种模态集确定方法，应用于终端，包括：
步骤21，接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
步骤22，根据所述第一信息，确定发送模态集。
此外，根据本发明的至少一个实施例，终端根据该第一信息确定发送模态集后，依据该发送模态集进行信号检测。
此外，根据本发明的至少一个实施例，所述评价函数为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，f(r,l)为评价函数，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
其中，所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值。
综上，本发明的至少一个实施例中，终端能够基于网络指示的评价函数的最大取值对应的第一信息，确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
如图3所示，本发明的另一方面，至少一个实施例还提供一种模态集确定装置，包括：
信息确定模块31，用于根据模态集的评价函数的最大取值，确定第一信息；
发送模块32，用于向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
此外，本发明的至少一个实施例中，所述装置还包括：
函数构造模块，用于根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数。
此外，本发明的至少一个实施例中，所述函数构造模块包括：
第一子模块，用于根据接收端半径，构造启发函数h(r)；
第二子模块，用于根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
第三子模块，用于根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)。
此外，本发明的至少一个实施例中，所述第三子模块包括：
第一单元，用于根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，本发明的至少一个实施例中，所述信息确定模块包括：
信息确定子模块，用于根据模态集的评价函数的最大取值，确定α的值和β的值。
此外，本发明的至少一个实施例中，所述第一子模块包括：
第二单元，用于根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径。
此外，本发明的至少一个实施例中，所述第二子模块包括：
第三单元，用于根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，SINR(r,l)为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数。
此外，本发明的至少一个实施例中，所述装置还包括：
第四单元，用于根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比SINR(r,l)；其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比。
此外，本发明的至少一个实施例中，所述装置还包括：
第五单元，用于根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
此外，本发明的至少一个实施例中，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
此外，本发明的至少一个实施例中，所述发送模态集中发送模态的取值范围是[-lmax，lmax]；
其中，lmax为最大模态值。
此外，本发明的至少一个实施例中，所述发送模态集的总个数根据模态集中的模态个数L确定；
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。
本发明的至少一个实施例中，基于模态集的平均信噪比以及接收端半径构成评价函数，并基于评价函数的最大取值确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
需要说明的是，本发明实施例提供的道角动量无线通信系统的模态集确定装置是能够执行上述道角动量无线通信系统的模态集确定方法的装置，则上述道角动量无线通信系统的模态集确定方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。
如图4所示，本发明的另一个方面，至少一个实施例还提供一种网络侧设备，包括处理器400和收发器410，所述收发器410在处理器400的控制下接收和发送数据，所述处理器400用于执行以下操作：
根据模态集的评价函数的最大取值，确定第一信息；
向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据模态集的评价函数的最大取值，确定α的值和β的值。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，SINR(r,l)为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比SINR(r,l)；其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比。
此外，本发明的至少一个实施例中，所述处理器还用于执行以下操作：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
此外，本发明的至少一个实施例中，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
此外，本发明的至少一个实施例中，所述发送模态集中发送模态的取值范围是[-lmax，lmax]；
其中，lmax为最大模态值。
此外，本发明的至少一个实施例中，所述发送模态集的总个数根据模态集中的模态个数L确定；
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。
本发明的至少一个实施例中，基于模态集的平均信噪比以及接收端半径构成评价函数，并基于评价函数的最大取值确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
需要说明的是，本发明实施例提供的网络侧设备是能够执行上述模态集确定方法的网络侧设备，则上述模态集确定方法的所有实施例均适用于该网络侧设备，且均能达到相同或相似的有益效果。
如图5所示，本发明的至少一个实施例还提供一种模态确定装置，应用于终端，包括：
接收模块51，用于接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
模态集确定模块52，用于根据所述第一信息，确定发送模态集。
此外，本发明的至少一个实施例中，所述评价函数为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，f(r,l)为评价函数，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，本发明的至少一个实施例中，所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值。
综上，本发明的至少一个实施例中，终端能够基于网络指示的评价函数的最大取值对应的第一信息，确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
需要说明的是，本发明实施例提供的模态集确定装置是能够执行上述模态集确定方法的装置，则上述模态集确定方法的所有实施例均适用于该装置，且均能达到相同或相似的有益效果。
如图6所示，本发明的至少一个实施例还提供一种终端，包括处理器600和收发器610，所述收发器610在处理器600的控制下接收和发送数据，所述处理器600用于执行以下操作：
接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
根据所述第一信息，确定发送模态集。
此外，本发明的至少一个实施例中，所述评价函数为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，f(r,l)为评价函数，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数。
此外，本发明的至少一个实施例中，所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值。
综上，本发明的至少一个实施例中，终端能够基于网络指示的评价函数的最大取值对应的第一信息，确定最佳的发送模态集，能够在非理想情况下减少干扰获得最大的系统容量的同时保证接收端半径最佳。
需要说明的是，本发明实施例提供的终端是能够执行上述模态集确定方法的终端，则上述模态集确定方法的所有实施例均适用于该终端，且均能达到相同或相似的有益效果。
本发明实施例还提供一种通信设备，包括存储器、处理器及存储在所述存储器上并可在所述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如上所述的模态集确定方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的模态集确定方法实施例中的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储介质中，使得存储在该计算机可读存储介质中的指令产生包括指令装置的纸制品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他科编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，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 (11)
1.一种模态集确定方法，应用于网络侧设备，其特征在于，包括：
根据模态集的评价函数的最大取值，确定第一信息；
向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集；
其中，所述方法还包括：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数；
所述根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数，包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
其中，所述根据模态集的评价函数的最大取值，确定第一信息，包括：
根据模态集的评价函数的最大取值，确定α的值和β的值；
其中，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
其中，所述方法还包括：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述方法还包括：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
2.根据权利要求1所述的方法，其特征在于，所述发送模态集中的最大模态值lmax满足下述条件：
其中，M为发送端的天线阵子数。
3.根据权利要求2所述的方法，其特征在于，所述发送模态集中发送模态的取值范围是[-lmax，lmax]；
其中，lmax为最大模态值。
4.根据权利要求3所述的方法，其特征在于，所述发送模态集的总个数根据模态集中的模态个数L确定；
其中，模态值大小相等，仅方向相反的两个模态集计为一个模态集。
5.一种模态集确定方法，应用于终端，其特征在于，包括：
接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
根据所述第一信息，确定发送模态集；所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值；
其中，所述模态集的评价函数是根据模态集的平均信噪比以及接收端半径构造的；所述模态集的评价函数的构造过程包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
其中，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
其中，所述平均信噪比的确定方法如下：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述模态l的信噪比的确定方法如下：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
6.一种模态集确定装置，其特征在于，包括：
信息确定模块，用于根据模态集的评价函数的最大取值，确定第一信息；
发送模块，用于向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集；
其中，所述装置还包括：
函数构造模块，用于根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数；
所述函数构造模块包括：
第一子模块，用于根据接收端半径，构造启发函数h(r)；
第二子模块，用于根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
第三子模块，用于根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述第三子模块包括：
第一单元，用于根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
所述信息确定模块包括：
信息确定子模块，用于根据模态集的评价函数的最大取值，确定α的值和β的值；
其中，所述第一子模块包括：
第二单元，用于根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述第二子模块包括：
第三单元，用于根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
所述装置还包括：
第四单元，用于根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述装置还包括：
第五单元，用于根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
7.一种网络侧设备，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，其特征在于，所述处理器用于执行以下操作：
根据模态集的评价函数的最大取值，确定第一信息；
向终端发送所述第一信息，所述第一信息用于辅助所述终端确定发送模态集；
其中，所述处理器还用于执行以下操作：
根据模态集的平均信噪比以及接收端半径，构造所述模态集的评价函数；
其中，所述处理器还用于执行以下操作：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述处理器还用于执行以下操作：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
其中，所述处理器还用于执行以下操作：
根据模态集的评价函数的最大取值，确定α的值和β的值；
其中，所述处理器还用于执行以下操作：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述处理器还用于执行以下操作：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
其中，所述处理器还用于执行以下操作：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述处理器还用于执行以下操作：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
8.一种模态确定装置，应用于终端，其特征在于，包括：
接收模块，用于接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
模态集确定模块，用于根据所述第一信息，确定发送模态集；所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值；
其中，所述模态集的评价函数是根据模态集的平均信噪比以及接收端半径构造的；所述模态集的评价函数的构造过程包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
其中，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
其中，所述平均信噪比的确定方法如下：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述模态l的信噪比的确定方法如下：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
9.一种终端，包括处理器和收发器，所述收发器在处理器的控制下接收和发送数据，其特征在于，所述处理器用于执行以下操作：
接收网络侧设备发送的第一信息；其中，所述第一信息是基于模态集的评价函数的最大取值的；
根据所述第一信息，确定发送模态集；所述第一信息包括：所述评价函数的最大取值对应的α的值和β的值；
其中，所述模态集的评价函数是根据模态集的平均信噪比以及接收端半径构造的；所述模态集的评价函数的构造过程包括：
根据接收端半径，构造启发函数h(r)；
根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)；
根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)；
其中，所述根据所述启发函数h(r)和所述模态集的平均信噪比函数aveSINR(r,l)，构造评价函数f(r,l)，包括：
根据第一公式，构造评价函数f(r,l)；其中，第一公式为：
f(r,l)＝α×aveSINR(r,l)+β×h(r)；其中，α+β＝1；
其中，h(r)为启发函数，aveSINR(r,l)为模态集的平均信噪比函数；
其中，所述根据接收端半径，构造启发函数h(r)，包括：
根据第二公式，构造启发函数h(r)；其中，第二公式为：
其中，r为接收端半径，Rmax为接收端的最大半径；
其中，所述根据接收端半径、模态集个数以及每个模态集包含的模态个数，确定模态集的平均信噪比函数aveSINR(r,l)，包括：
根据第三公式，确定所有模态集的平均信噪比aveSINR(r,l)；其中，第三公式为：
其中，为模态集Ωe包含的所有模态的平均信噪比，l为每个模态集包含的模态个数，r为接收端半径；E为模态集个数；
其中，所述平均信噪比的确定方法如下：
根据第四公式，确定模态集Ωe包含的所有模态的平均信噪比其中，第四公式为：
其中，L为模态集Ωe包含的模态个数，SINRr,l为模态l的信噪比；
其中，所述模态l的信噪比的确定方法如下：
根据第五公式，确定模态l的信噪比SINRr,l；其中，第五公式为：
其中，Pl为模态的发送功率，k为不等于l的数，Ωe为给定的模态集，σ2为噪声功率，Hr,l为信道矩阵，Wl为预编码矩阵。
10.一种通信设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的模态集确定方法；或者，所述处理器执行所述程序时实现如权利要求5所述的模态集确定方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的模态集确定方法中的步骤；或者，该程序被处理器执行时实现如权利要求5所述的模态集确定方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010667543.4A CN113938909B (zh) | 2020-07-13 | 2020-07-13 | 模态集确定方法、装置、网络侧设备及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010667543.4A CN113938909B (zh) | 2020-07-13 | 2020-07-13 | 模态集确定方法、装置、网络侧设备及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113938909A CN113938909A (zh) | 2022-01-14 |
| CN113938909B true CN113938909B (zh) | 2024-05-14 |
Family
ID=79273542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010667543.4A Active CN113938909B (zh) | 2020-07-13 | 2020-07-13 | 模态集确定方法、装置、网络侧设备及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113938909B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446477A (zh) * | 2018-10-24 | 2019-03-08 | 西安电子科技大学 | 一种多模态轨道角动量涡旋波的任意采样接收方法 |
| CN110212961A (zh) * | 2019-05-29 | 2019-09-06 | 重庆邮电大学 | 时间调制阵列多模电磁涡旋发射机及其使用方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10326526B2 (en) * | 2016-09-08 | 2019-06-18 | Nxgen Partners Ip, Llc | Method for muxing orthogonal modes using modal correlation matrices |
-
2020
- 2020-07-13 CN CN202010667543.4A patent/CN113938909B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446477A (zh) * | 2018-10-24 | 2019-03-08 | 西安电子科技大学 | 一种多模态轨道角动量涡旋波的任意采样接收方法 |
| CN110212961A (zh) * | 2019-05-29 | 2019-09-06 | 重庆邮电大学 | 时间调制阵列多模电磁涡旋发射机及其使用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 偏轴下轨道角动量毫米波通信系统容量分析;杨琦等;信号处理;20190331;第35卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113938909A (zh) | 2022-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200153107A1 (en) | Multibeam antenna designs and operation | |
| CN107196684B (zh) | 一种天线系统、信号处理系统以及信号处理方法 | |
| CN114205005B (zh) | 基于轨道角动量的发送、接收方法及装置 | |
| WO2016032104A1 (ko) | 무선 통신 시스템에서 빔포밍을 위한 가중치 결정 방법 및 이를 위한 장치 | |
| CN107852209B (zh) | 训练波束传输方法、装置及系统 | |
| KR20150003231A (ko) | 사용자당 앙각 mimo를 위한 피드백 방법론 | |
| WO2013127585A1 (en) | Beam alignment method utilizing omni-directional sounding and use thereof | |
| KR102038302B1 (ko) | 비직교 다중 접속을 위한 빔포밍 장치 및 방법 | |
| CN101635391A (zh) | 支持mimo及智能天线技术的天线阵列 | |
| CN110649943B (zh) | 一种通过多个子波束叠加设计波束宽度的波束扫描方法 | |
| CN112165345B (zh) | 基于阵列天线分割的多波束覆盖方法及装置 | |
| CN113540791B (zh) | 一种孔径级收发同时阵列优化方法 | |
| CN108832981A (zh) | 混合波束成形传输方法和系统 | |
| EP4329213A1 (en) | Apparatus, method, program products for maximizing desired multi-transmission point signal to inter-layer-group-interference via ue beam control | |
| CN108702184A (zh) | 基于图确定初始同步波束扫描 | |
| CN105164985A (zh) | 多发射机码本方法和设备 | |
| Saqib et al. | Joint optimization of 3D hybrid beamforming and user scheduling for 2D planar antenna systems | |
| CN114337902A (zh) | 一种irs辅助的毫米波多小区间干扰的抑制方法 | |
| CN113938909B (zh) | 模态集确定方法、装置、网络侧设备及终端 | |
| Chen et al. | Energy efficiency optimization of intelligent reflective surface-assisted terahertz-RSMA system | |
| Maliatsos et al. | A low-complexity reconfigurable multi-antenna technique for non-terrestrial networks | |
| CN105187105B (zh) | 智能天线波束赋形中采用中心天线改善零陷的优化方法 | |
| CN106257951B (zh) | 一种数据传输方法和基站 | |
| Attaoui et al. | Joint beam alignment and power allocation for multi-user NOMA-mmwave systems | |
| CN103887593B (zh) | 一种单片射频双流传输的装置，使用方法，及天线系统 |
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 |