CN114223270B - 天线信号处理模型的训练方法、装置、天线及存储介质 - Google Patents
天线信号处理模型的训练方法、装置、天线及存储介质 Download PDFInfo
- Publication number
- CN114223270B CN114223270B CN201980098407.3A CN201980098407A CN114223270B CN 114223270 B CN114223270 B CN 114223270B CN 201980098407 A CN201980098407 A CN 201980098407A CN 114223270 B CN114223270 B CN 114223270B
- Authority
- CN
- China
- Prior art keywords
- antenna signal
- antenna
- transmitting power
- power
- transmitted
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Transmitters (AREA)
Abstract
一种天线信号处理模型的训练方法、装置、天线及计算机可读存储介质。所述训练方法包括:步骤S210、获取预设的训练数据;步骤S220、对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;步骤S230、将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;步骤S240、根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行输入天线信号样本的发射功率的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型。上述方案可以在一定程度上提高整个天线系统的容量和质量。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种天线信号处理模型的训练方法、装置、天线及计算机可读存储介质。
背景技术
通信、雷达、导航、广播、电视等无线电设备,都是通过无线电波信号来传递信息的,都需要有无线电波信号的辐射和接收。在无线电设备中,这种用来辐射和接收无线电波的装置,被称为天线。
在天线发送信号的相关技术中,由于天线的信号发射功率是可调节的,故不同标准和制式的天线都能够接入多天线系统。但是,当某个天线调整信号发射功率以使波束成形时,同处一个接入多天线系统中的其他天线会受到该天线信号的干扰。同时,该天线接收信号时也会受到其他天线发射信号的干扰,从而影响接收效果。这种天线信号之间的动态相互干扰,削弱了整个天线系统的容量和质量。
这里的陈述仅提供与本申请有关的背景信息,而不必然构成现有技术。
发明内容
本申请实施例的目的之一在于:提供一种天线信号处理模型的训练方法、装置、天线及计算机可读存储介质,旨在解决天线信号之间的动态相互干扰的问题。
为解决上述技术问题,本申请实施例采用的技术方案是:
第一方面,提供了一种天线信号处理模型的训练方法,包括:
获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率;
对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;
将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;
根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行所述将所述天线信号样本的发射功率输入预设的天线信号处理模型的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型。
在一个实施例中,所述天线信号处理模型包括功率识别模块和功率调整模块;
所述将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率,包括:
将所述天线信号样本的发射功率输入所述功率识别模块,以识别所述天线信号样本的发射功率;
将所述天线信号样本的发射功率输入所述功率调整模块,以得到与所述天线信号样本对应的输出信号发射功率。
在一个实施例中,所述将所述天线信号样本的发射功率输入所述功率调整模块,以得到与所述天线信号样本对应的输出信号发射功率,包括:
初始化所述天线信号样本的发射功率的空间位置和运动速度;
根据预定的适应度值计算公式,计算所述天线信号样本的发射功率的适应度值;
根据所述适应度值,确定与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置;
根据与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述天线信号样本的发射功率的目标位置和运动速度;
当满足预设的训练终止条件时,输出与所述天线信号样本对应的输出信号发射功率。
在一个实施例中,所述根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,包括:
分别计算与所述输出信号发射功率对应的第一信号净效用值和与目标信号发射功率对应的第二信号净效用值;
当所述第一信号净效用值与所述第二信号净效用值的差值绝对值小于预定效用差值时,对所述天线信号处理模型的模型参数进行调整。
第二方面,提供了一种天线信号处理方法,包括:
获取待发射的天线信号;
对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率;
将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,所述天线信号处理模型为如上所述任一项的天线信号处理模型。
在一个实施例中,所述天线信号处理模型包括功率识别模块和功率调整模块;
所述将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,包括:
将所述待发射的天线信号的发射功率输入所述功率识别模块,以得到所述待发射的天线信号的发射功率;
将所述待发射的天线信号的发射功率输入所述功率调整模块,以得到与所述待发射的天线信号对应的输出信号发射功率。
在一个实施例中,所述将所述待发射的天线信号的发射功率输入所述功率调整模块,以得到与所述待发射的天线信号对应的输出信号发射功率,包括:
初始化所述待发射的天线信号的发射功率的空间位置和运动速度;
根据预定的适应度值计算公式,计算所述待发射的天线信号的发射功率的适应度值;
根据所述适应度值,确定与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置;
根据与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述待发射的天线信号的发射功率的目标位置和运动速度;
当满足预设的训练终止条件时,输出与所述待发射的天线信号的发射功率对应的输出信号发射功率。
第三方面,提供一种天线信号处理装置,包括:
获取模块,用于获取待发射的天线信号;
第一处理单元,用于对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率;
第二处理单元,用于将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,所述天线信号处理模型为如上所述任一项的天线信号处理模型。
第四方面,提供了一种天线,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如上所述方法的步骤。
第五方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例首先获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率;接着对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;然后,将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;最后,根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行所述将所述天线信号样本的发射功率输入预设的天线信号处理模型的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型。通过这样的训练方式,使用训练数据对天线信号处理模型进行不断地训练,并根据训练结果不断地对模型参数进行调整,从而最终可以得到满足训练条件的天线信号处理模型。使用该天线信号处理模型,可以快速、准确地确定当前待发射天线信号的合适发射功率,降低整个天线系统中各个天线信号间的动态相互干扰带来的影响,使整个系统达到一个提升信号效用与抑制信号干扰的平衡稳态,从而提高整个天线系统的容量和质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或示范性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申请的一些实施例,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它的附图。
图1是本申请一实施例提供的提供的天线信号处理模型、方法及装置的示例性系统架构示意图;
图2是将本申请一个实施例提供的一种天线信号处理模型的训练方法的示意流程图;
图3是将天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率的示意流程图;
图4是本申请实施例中一种天线信号处理模型的训练方法中步骤S2302的示意流程图;
图5是本申请实施例中一种天线信号处理方法的一个实施例流程图;
图6是本申请实施例中一种天线信号处理方法中步骤S530的示意流程图;
图7是为本申请实施例中一种天线信号处理装置的一个实施例结构图;
图8是本申请实施例中一种天线的示意框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本申请。
需说明的是,当部件被称为“固定于”或“设置于”另一个部件,它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件,它可以是直接或者间接连接至该另一个部件上。术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。术语“第一”、“第二”仅用于便于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明技术特征的数量。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
为了说明本申请所述的技术方案,以下结合具体附图及实施例进行详细说明。
图1示出了本申请一示例实施方式的天线信号处理模型、方法及装置应用的系统架构示意图。该架构示意图示例性说明了整个天线系统的系统组成架构,即整个天线系统包括天线信号发送端和天线信号接收端;其中,天线信号发送端包括:一个或多个天线信号101、一个或多个天线信号处理装置102和一个或多个与天线信号处理装置102相连的天线信号发射器103;天线信号接收端包括:一个或多个天线信号接收器104。
需要说明的是,一个天线信号发射器103同时可以执行天线信号接收器104的功能。因此,在图1中,所述天线信号发送端和所述天线信号接收端的结构仅仅是示例性的,不应构成对本申请的任何限制。另外,所述天线系统包括天线信号101、天线信号处理装置102、天线信号发射器103和天线信号接收器104的数目也仅仅是示意性的。根据现实需要,可以具有任意数目的天线信号101、天线信号处理装置102、天线信号发射器103和天线信号接收器104。
在本申请的一个具体应用场景中,用户可以使用天线信号处理装置对需要发送特定功率的天线信号(即待调整发射功率的天线信号)进行处理,确定该天线信号的预定需要发送的特定功率是否合适。若不合适,则应用本申请公开的天线信号处理方法将该发送功率调整至合适发射功率并按照该合适发射功率发送所述天线信号。
这样做的好处是,便于用户按照当前时刻该天线的最优发射功率进行信号发射,从而在保证实现信号发送目的的同时,最大程度地降低因该天线信号发送对整个天线系统的的容量和质量的影响。
在本申请的另一个具体应用场景中,如图1所示,天线信号发送方需要向用户A发送天线信号,但无法确定当前拟发送的天线信号的功率是否能被用户A清晰地接收,同时又担心如果直接将当前拟发送的天线信号的发射功率调到较高发射功率,将对整个天线系统中的其他天线信号发射器103和天线信号接收器104产生干扰,从而影响到整个天线系统的容量和质量。因此,天线信号发送方可以将当前拟发送的天线信号的发射功率导入本申请公开的天线信号处理装置102,由该天线信号处理装置102按照本申请实施例公开的天线信号处理方法对所述天线信号101的发射功率进行处理,以得到在现有天线系统当前时刻该天线信号的最优发射功率,从而在保证用户A可以正常接收该天线信号的同时,最大程度上降低因该天线信号发送对整个天线系统的容量和质量的影响。
基于上述的应用场景可知,本申请实施例的天线信号处理由天线信号处理装置102执行,该天线信号处理装置102位于天线信号发送端。但本领域技术人员容易理解的是,本申请实施例所提供的天线信号处理装置102还可以位于天线信号接收端中,相应地,所述天线信号接收端可以包括:一个或多个天线信号101、一个或多个天线信号处理装置102和一个或多个与天线信号处理装置102相连的天线信号发射器103;所述天线信号发送端包括:一个或多个天线信号接收器104。本申请实施例中对此不做特殊限定。
通过本申请实施例,可以快速、准确地确定当前待发射天线信号的合适发射功率,从而在保证用户可以正常接收该天线信号的同时,最大限度地降低由于该天线信号发射对其他天线信号的干扰,从而提高整个天线系统的容量和质量。
如图2所示,是本申请一个实施例提供的一种天线信号处理模型的训练方法,所述方法可以包括:
步骤S210、获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率;
步骤S220、对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;
步骤S230、将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;
步骤S240、根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行所述将所述天线信号样本的发射功率输入预设的天线信号处理模型的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型。
下面对以上步骤进行详细说明。
在步骤S210中,获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率。
其中,所述天线信号,是指由天线按照特定发射功率发送形成的天线信号,这种天线信号可以是无线电波。所述与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率,是指在当前天线系统中,预先经过大量人工测试而确定的每个天线信号样本的标准发射功率。若天线按照该目标信号标准发射功率发射,可以在实现发射信号目的的同时,最大化地抑制其他天线信号的干扰。
一般地,所述训练数据可以从预设的天线信号样本库中获取,所述天线信号样本库可以由管理人员人工在互联网上收集、选取天线信号样本组成天线信号样本库。从所述天线信号样本库中选取若干数目的天线信号样本组成本次训练所需的天线信号样本集。并且,本申请实施例可以根据训练结果,动态调整天线信号样本集中的天线信号的样本数目。
在本申请的一个实施例中,所述天线信号样本集合中的天线信号样本,是按照间隔预定信号发射功率差值选取的天线信号。其中,预定信号发射功率差值可以根据整个天线系统中包含的天线发射器数目和包含天线接收器数目的总和确定。即总和数越多,则间隔的预定信号发射功率差值应越小;反之,总和数越小,则间隔的预定信号发射功率差值应越大。
这样做的好处是,可以根据整个天线系统链路的拥塞程度,灵活设置间隔的预定信号发射功率差值,从而利于训练出更符合实际情况的天线信号处理模型。
在步骤S220中,对所述天线信号样本进行处理,得到所述天线信号样本的发射功率。
可以理解的是,通过功率测试仪等测量工具,可以检测出所述天线信号样本的发射功率。本申请对测量工具及测量方式不做限定。
示例性的,若共有6种天线信号,分别选取发射功率为2dbm的天线信号A样本100个,发射功率为5dbm的天线信号B样本100个,发射功率为9dbm的天线信号C样本100个,发射功率为11dbm的天线信号D样本100个,发射功率为14dbm的天线信号样本E,发射功率为17dbm的天线信号F。通过功率测试仪分别测得100个天线信号A样本的发射功率,100个天线信号B样本的发射功率、100个天线信号C样本的发射功率、100个天线信号D样本的发射功率、100个天线信号E样本的发射功率、100个天线信号F样本的发射功率。
当然,还可以通过其他方式对所述天线信号样本进行处理,得到所述天线信号样本的发射功率,本申请实施例对此不做限定。
在步骤S230中,将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率。
在本申请的一个实施例中,可以将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率。所述天线信号处理模型包括功率识别模块和功率调整模块,所述功率识别模块用于识别所述天线信号样本的发射功率,所述天线信号样本的发射功率用于将所述天线信号样本的发射功率调整为与每个天线信号样本对应的输出信号发射功率。
具体地,步骤S230可以包括如图3所示的过程:
步骤S2301、将所述天线信号样本的发射功率输入所述功率识别模块,以识别所述天线信号样本的发射功率。
所述功率识别模块可以是现有网络中的任意一种,如卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)等。优选地,在本实施例中可以使用长短期记忆网络(Long Short-Term Memory,LSTM)来作为所述功率识别模块,将所述天线信号样本及测量得到的发射功率输入LSTM网络,以得到所述天线信号样本的发射功率。
步骤S2302、将所述天线信号样本的发射功率输入所述功率调整模块,以得到与所述天线信号样本对应的输出信号发射功率。
在本申请的一个实施例中,所述功率调整模块是利用粒子群算法来对所述天线信号样本的发射功率进行调整的。所谓粒子群算法,也被称为粒子群优化算法(ParticleSwarm Optimization,PSO),其是一种随机优化算法。该算法将每个个体看作N维搜索空间中的一个没有重量和体积的微粒,并在搜索空间中以一定的速度飞行。其核心思想是根据个体(微粒)的适应值大小来调整个体的空间位置和运动速度。
如图4所示,步骤S2302可以按照以下步骤得到与所述天线信号样本对应的输出信号发射功率:
步骤S23021、初始化所述天线信号样本的发射功率的空间位置和运动速度。
一般地,天线信号样本的发射功率越高,天线信号样本离起始点的初始位置越远、天线信号样本的初始运动速度越快。
在本申请的一个实施例中,所述天线信号样本的发射功率的空间位置和运动速度可以预先进行计算。例如,现总共有K个天线信号样本,则第k个(1≤k≤K)天线信号样本的发射功率的空间位置和运动速度可以按照以下方式初始化:首先,识别第k个天线信号样本的发射功率;然后查找预先设定的发射功率与初始位置、运动速度的对应关系表,确定与第k个天线信号样本发射功率对应的初始位置和运动速度。
这样做的好处是,可以方便、快捷地初始化所述天线信号样本的发射功率的空间位置和运动速度。
当然,还可以利用随机数函数产生随机数等方式对所述天线信号样本的发射功率的空间位置和运动速度进行初始化,本申请对此不做具体限定。
步骤S23022、根据预定的适应度值计算公式,计算所述天线信号样本的发射功率的适应度值。
需要说明的是,信干噪比(SINR,Signal to Interference Ratio),是指接收到的有用信号的强度与接收到的干扰信号(噪声和干扰)的强度的比值;简称信干噪比。
在本申请的一个实施例中,所述预定的适应度值计算公式为:
其中,f(x)为当前天线信号样本的适应度值,Γl为当前天线信号样本的信干噪比值,α为预设的功率效用系数,λ为预设的功率干扰系数,Pl为当前天线信号样本的发射功率。
需要说明的是,α、λ均是一个可调参数,可以根据实际情况设定。
在本申请的一个实施例中,Γl为当前天线信号样本的信干噪比值,可以通过以下公式组合计算得到:
y=Hlvlxl+n 公式2
||vl||=1 公式3
Rl=E{HHH} 公式5
其中,xl表示当前天线信号样本的发射信号强度,Hl表示信道矩阵,vl表示当前天线信号样本的发射权值,n为白高斯噪声向量,y表示当前天线信号样本的接收信号强度,i表示当前天线信号样本的序号,vi表示其他天线信号样本的发射权值,ul表示当前天线信号样本发射权值的方向,Pl为当前天线信号样本的发射功率,Rl为信道的协方差矩阵。
步骤S23023、根据所述适应度值,确定与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置。
在本申请的一个实施例中,按照以下公式组合计算与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置:
其中,ω为惯性权重因子;c1,c2为学习因子;r1,r2为两个随机函数;k为迭代次数;为第k次迭代时粒子的速度,/>为第k+1次迭代时粒子的速度;/>为第k次迭代时粒子的位置,/>为第k+1次迭代时粒子的位置;/>为第k次迭代时粒子历史位置中的目标位置,/>为第k次迭代时整个粒子群的历史位置中的目标位置。
步骤S23024、根据与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述天线信号样本的发射功率的目标位置和运动速度。
接着上步进行说明,在计算得到第k+1次迭代时发射功率的位置及运动速度后,查找已记录的第k次迭代时发射功率历史位置中的目标位置及与该目标位置对应的运动速率、已记录的第k次迭代时整个粒子群的历史位置中的目标位置及与该目标位置对应的运动速率。之后,比较计算得到的第k+1次迭代时发射功率的位置及运动速度、已记录的第k次迭代时发射功率历史位置中的目标位置及与该目标位置对应的运动速率、已记录的第k次迭代时整个粒子群的历史位置中的目标位置及与该目标位置对应的运动速率三者的数值大小关系,将三者中数值最大的目标位置及与该目标位置对应的运动速率作为第k+1次迭代时发射功率的位置及运动速度。
步骤S23025、当满足预设的训练终止条件时,输出与所述天线信号样本对应的输出信号发射功率。
需要说明的是,所述预设的训练终止条件,可以是已经达到了最大迭代次数,例如200次;也可以是整个粒子群的历史位置中的目标位置符合预定的全局最优位置约束。例如,整个粒子群的历史位置中的目标位置坐标与预定的全局最优位置坐标的空间距离小于预定的空间距离阈值。
当然,所述预设的训练终止条件还可以是其他条件,具体可根据训练样本的数目、天线样本功率的差值大小等因素进行灵活设定,本申请实施例对此不做特殊限定。
在本申请的一个实施例中,所述根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,包括:
首先,分别计算与所述输出信号发射功率对应的第一信号净效用值和与目标信号发射功率对应的第二信号净效用值。具体地,按照以下公式计算与所述输出信号发射功率对应的第一信号净效用值:
Ul=U效-U代 公式9
U代=λPl 公式11
其中,U效表示与所述天线信号样本对应的输出信号发射功率的第一信号净效用值,U代表示与所述天线信号样本对应的输出信号发射功率的信号干扰值,α表示预设的功率效用系数,λ表示预设的功率干扰系数,Pl表示与所述天线信号样本对应的输出信号发射功率,Γl为与所述天线信号样本对应的输出信号的信干噪比值。同理,可以按照上述公式计算与目标信号发射功率对应的第二信号净效用值。
其次,当所述第一信号净效用值与所述第二信号净效用值的差值绝对值小于预定效用差值时,对所述天线信号处理模型的模型参数进行调整。
需要说明的是,所述预定效用差值,是根据训练样本的数目、天线样本功率的差值大小等因素进行灵活设定的,本申请实施例对此不做特殊限定。
这样做的好处是,便于验证已构建的天线信号处理模型是否合理,是否满足多天线系统抗干扰的需要,训练结果最终能否收敛。
综上所述,本申请实施例首先获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率;接着对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;然后,将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;最后,根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行所述将所述天线信号样本的发射功率输入预设的天线信号处理模型的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型。通过使用训练数据对天线信号处理模型进行不断地训练,并根据训练结果不断地对模型参数进行调整,从而最终可以得到满足训练条件的天线信号处理模型。使用该天线信号处理模型,可以快速、准确地确定当前待发射天线信号的合适发射功率,降低整个天线系统中各个天线信号间的动态相互干扰带来的影响,使整个系统达到一个提升信号效用与抑制信号干扰的平衡稳态,从而提高整个天线系统的容量和质量。
如图5所示,本申请实施例中一种天线信号处理方法的一个实施例可以包括:
步骤S510、获取待发射的天线信号。
所述待发射的天线信号,是天线信号发送方准备在天线系统中使用某一个天线发射的天线信号。
步骤S520、对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率。
可以理解的是,通过功率测试仪等测量工具,可以检测出所述待发射的天线信号的发射功率。本申请对测量工具及测量方式不做限定。
在本申请的一个具体应用场景中,当天线信号发送方需要向天线信号接收方发送天线信号时,但无法确定待发射的天线信号的发射功率是否能被天线信号接收方清晰地接收,同时又担心如果直接将待发射的天线信号的发射功率调到较高发射功率,将对整个天线系统中的其他天线收发信号产生干扰,从而影响到整个天线系统的容量和质量。因此,天线信号发送方可以在发射所述待发射的天线信号之前,通过点击特定的物理按键或者虚拟按键的方式打开天线的天线信号处理模式,在这种模式下,所述天线可以对所述待发射的天线信号的发射功率进行处理,得到与所述待发射的天线信号的发射功率对应的输出信号发射功率。
步骤S530、将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率。
其中,所述天线信号处理模型为通过上述任意一种天线信号处理模型的训练方法训练得到的天线信号处理模型。
在本申请的一个实施例中,可以将所述待发射的天线信号的发射功率输入所述天线信号处理模型,通过所述天线信号处理模型,处理并输出与所述待发射的天线信号的发射功率对应的输出信号发射功率。所述天线信号处理模型包括功率识别模块和功率调整模块,所述功率识别模块用于识别所述待发射的天线信号的发射功率,所述功率调整模块用于对所述待发射的天线信号的发射功率进行调整。
这样做的好处是,可以在保证实现待发射的天线信号的发射目的的同时,最大化地抑制其他天线信号的干扰。
在本申请的一个实施例中,所述将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,包括以下步骤:
步骤S610、将所述待发射的天线信号的发射功率输入所述功率识别模块,以得到所述待发射的天线信号的发射功率。
所述功率识别模块可以是现有网络中的任意一种,如卷积神经网络(Convolutional Neural Network,CNN)、循环神经网络(Recurrent Neural Network,RNN)等。优选地,在本实施例中可以使用长短期记忆网络(Long Short-Term Memory,LSTM)来作为所述功率识别模块,将所述待发射的天线信号及预定信号发射功率输入LSTM网络,以识别该待发射的天线信号的预定信号发射功率。
步骤S620、将所述待发射的天线信号的发射功率输入所述功率调整模块,以得到与所述待发射的天线信号对应的输出信号发射功率。
所述功率调整模块,是利用粒子群算法训练得到的功率调整模块,用来对所述待发射的天线信号的发射功率进行调整的。
在本申请的一个实施例中,步骤S620是按照以下步骤实现的:
初始化所述待发射的天线信号的发射功率的空间位置和运动速度;
根据预定的适应度值计算公式,计算所述将所述待发射的天线信号的发射功率的适应度值;
根据所述适应度值,确定与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置;
根据与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述待发射的天线信号的发射功率的目标位置和运动速度;
当满足预设的训练终止条件时,输出与所述待发射的天线信号的发射功率对应的输出信号发射功率。
可以理解,上述步骤与对天线信号模型的训练过程相似,不再赘述。
这样做的好处是,通过应用训练好的天线信号处理模型对待发射的天线信号的发射功率进行识别和调整,不仅可以实现待发射的天线信号的发射目的,而且可以削弱由于待发射的天线信号的发射对其他天线接收信号的影响。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
如图7所示,是本申请一个实施例提供的一种天线信号处理装置,所述装置可以包括:
获取模块710,用于获取待发射的天线信号;
第一处理单元720,用于对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率;
第二处理单元730,用于将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,所述天线信号处理模型为本申请实施例公开的天线信号处理模型。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图8是本发明一实施例提供的天线的示意框图。如图8所示,该实施例的天线8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82。所述处理器80执行所述计算机程序82时实现上述各个天线信号的处理方法实施例中的步骤,例如图5所示的步骤S510至步骤S530。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块710至模块730的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述天线8中的执行过程。
本领域技术人员可以理解,图8仅仅是天线8的示例,并不构成对天线8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述天线8还可以包括输入输出设备、网络接入设备、总线等。
所述处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述天线8的内部存储单元,例如天线8的硬盘或内存。所述存储器81也可以是所述天线8的外部存储设备,例如所述天线8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述天线8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述天线8所需的其它程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上仅为本申请的可选实施例而已,并不用于限制本申请。对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种天线信号处理模型的训练方法,其特征在于,包括:
获取预设的训练数据,其中,所述训练数据包括天线信号样本集以及与所述天线信号样本集中每个天线信号样本对应的目标信号发射功率;
对所述天线信号样本进行处理,得到所述天线信号样本的发射功率;
将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率;
根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,并继续执行所述将所述天线信号样本的发射功率输入预设的天线信号处理模型的步骤,直至满足预设的训练条件,以得到已训练的天线信号处理模型;
其中,所述目标信号 发射功率为在当前天线系统中,预先经过大量人工测试而确定的每个天线信号样本的标准发射功率。
2.根据权利要求1所述天线信号处理模型的训练方法,其特征在于,所述天线信号处理模型包括功率识别模块和功率调整模块;
所述将所述天线信号样本的发射功率输入预设的天线信号处理模型,并获取所述天线信号处理模型输出的与所述天线信号样本对应的输出信号发射功率,包括:
将所述天线信号样本的发射功率输入所述功率识别模块,以识别所述天线信号样本的发射功率;
将所述天线信号样本的发射功率输入所述功率调整模块,以得到与所述天线信号样本对应的输出信号发射功率。
3.根据权利要求2所述的天线信号处理模型的训练方法,其特征在于,所述将所述天线信号样本的发射功率输入所述功率调整模块,以得到与所述天线信号样本对应的输出信号发射功率,包括:
初始化所述天线信号样本的发射功率的空间位置和运动速度;
根据预定的适应度值计算公式,计算所述天线信号样本的发射功率的适应度值;
根据所述适应度值,确定与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置;
根据与所述天线信号样本的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述天线信号样本的发射功率的目标位置和运动速度;
当满足预设的训练终止条件时,输出与所述天线信号样本对应的输出信号发射功率。
6.根据权利要求1所述的天线信号处理模型的训练方法,其特征在于,所述根据所述目标信号发射功率和所述输出信号发射功率,对所述天线信号处理模型的模型参数进行调整,包括:
分别计算与所述输出信号发射功率对应的第一信号净效用值和与目标信号发射功率对应的第二信号净效用值;
当所述第一信号净效用值与所述第二信号净效用值的差值绝对值小于预定效用差值时,对所述天线信号处理模型的模型参数进行调整。
7.一种天线信号处理方法,其特征在于,包括:
获取待发射的天线信号;
对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率;
将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,所述天线信号处理模型为利用权利要求1-6中任一项所述的方法训练得到的天线信号处理模型。
8.根据权利要求7所述的天线信号处理方法,其特征在于,所述天线信号处理模型包括功率识别模块和功率调整模块;
所述将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,包括:
将所述待发射的天线信号的发射功率输入所述功率识别模块,以得到所述待发射的天线信号的发射功率;
将所述待发射的天线信号的发射功率输入所述功率调整模块,以得到与所述待发射的天线信号对应的输出信号发射功率。
9.根据权利要求8所述的天线信号处理方法,其特征在于,所述将所述待发射的天线信号的发射功率输入所述功率调整模块,以得到与所述待发射的天线信号对应的输出信号发射功率,包括:
初始化所述待发射的天线信号的发射功率的空间位置和运动速度;
根据预定的适应度值计算公式,计算所述待发射的天线信号的发射功率的适应度值;
根据所述适应度值,确定与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置;
根据与所述待发射的天线信号的发射功率对应的目标位置及与已训练的天线信号样本的发射功率对应的目标位置,更新所述待发射的天线信号的发射功率的目标位置和运动速度;
当满足预设的训练终止条件时,输出与所述待发射的天线信号的发射功率对应的输出信号发射功率。
10.一种天线信号处理装置,其特征在于,包括:
获取模块,用于获取待发射的天线信号;
第一处理单元,用于对所述待发射的天线信号进行处理,得到所述待发射的天线信号的发射功率;
第二处理单元,用于将所述待发射的天线信号的发射功率输入已训练的天线信号处理模型,并获取所述天线信号处理模型输出的与所述待发射的天线信号的发射功率对应的输出信号发射功率,所述天线信号处理模型为利用权利要求1-6中任一项所述的方法训练得到的天线信号处理模型。
11.一种天线,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述方法的步骤。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述方法的步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/110603 WO2021068194A1 (zh) | 2019-10-11 | 2019-10-11 | 天线信号处理模型的训练方法、装置、天线及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114223270A CN114223270A (zh) | 2022-03-22 |
CN114223270B true CN114223270B (zh) | 2023-03-24 |
Family
ID=75436964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980098407.3A Active CN114223270B (zh) | 2019-10-11 | 2019-10-11 | 天线信号处理模型的训练方法、装置、天线及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114223270B (zh) |
WO (1) | WO2021068194A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114126025B (zh) * | 2021-11-02 | 2023-04-28 | 中国联合网络通信集团有限公司 | 用于车载终端的功率调整方法、车载终端和服务器 |
CN114430294B (zh) * | 2021-12-16 | 2022-12-13 | 北京邮电大学 | 一种对geo卫星的对地波束校准方法、装置、电子设备及存储介质 |
CN117110700B (zh) * | 2023-08-23 | 2024-06-04 | 易集康健康科技(杭州)有限公司 | 一种射频电源脉冲功率检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426921A (zh) * | 2015-12-02 | 2016-03-23 | 青岛科技大学 | 一种rfid标签天线优化方法 |
CN110099017A (zh) * | 2019-05-22 | 2019-08-06 | 东南大学 | 基于深度神经网络的混合量化系统的信道估计方法 |
CN110138392A (zh) * | 2018-02-09 | 2019-08-16 | 成都鼎桥通信技术有限公司 | 发射功率控制方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242208B (zh) * | 2008-03-13 | 2011-04-20 | 上海交通大学 | 基于动态功率调整的传输控制帧方法 |
CN103781166B (zh) * | 2014-01-16 | 2017-01-18 | 华南理工大学 | 异构无线网络协作通信系统中的移动终端功率分配方法 |
KR102378002B1 (ko) * | 2017-06-06 | 2022-03-24 | 서플라이, 인크. | 무선 전력 전달을 위한 방법 및 시스템 |
US10555192B2 (en) * | 2017-11-15 | 2020-02-04 | Futurewei Technologies, Inc. | Predicting received signal strength in a telecommunication network using deep neural networks |
-
2019
- 2019-10-11 WO PCT/CN2019/110603 patent/WO2021068194A1/zh active Application Filing
- 2019-10-11 CN CN201980098407.3A patent/CN114223270B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426921A (zh) * | 2015-12-02 | 2016-03-23 | 青岛科技大学 | 一种rfid标签天线优化方法 |
CN110138392A (zh) * | 2018-02-09 | 2019-08-16 | 成都鼎桥通信技术有限公司 | 发射功率控制方法及装置 |
CN110099017A (zh) * | 2019-05-22 | 2019-08-06 | 东南大学 | 基于深度神经网络的混合量化系统的信道估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114223270A (zh) | 2022-03-22 |
WO2021068194A1 (zh) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114223270B (zh) | 天线信号处理模型的训练方法、装置、天线及存储介质 | |
US11475607B2 (en) | Radio coverage map generation | |
CN110300075B (zh) | 一种无线信道估计方法 | |
CN106501778B (zh) | 一种基于射频隐身性能优化的dmrs稳健波形设计方法 | |
CN107340515B (zh) | 基于分布式组网雷达系统的目标定位资源分配方法 | |
CN110636516A (zh) | 信号传播模型的确定方法及装置 | |
CN111446999A (zh) | 基于多臂强盗的位置辅助波束对准方法及其系统 | |
CN110380762A (zh) | 一种计算与通信融合的大规模接入方法 | |
CN112511976A (zh) | 定位无人机控制端的处理方法、装置、设备与介质 | |
CN115499074A (zh) | 一种基于神经网络的太赫兹散射参数预测方法及装置 | |
CN116634358A (zh) | 终端定位方法、装置及非易失性存储介质 | |
CN108387866B (zh) | 一种基于强化学习的无人机查找非法广播电台方法 | |
US20220150732A1 (en) | Radio Communications System and Method | |
CN113297724B (zh) | 基于目标定位的分布式mimo雷达功率与带宽联合优化方法 | |
CN108156614B (zh) | 用于进行发送功率和传输速率的联合优化的通信方法和设备 | |
CN112910518B (zh) | 无人机通信中非高斯噪声下mimo系统发射天线数估计方法 | |
CN116258052A (zh) | 一种路损预测方法、装置及电子设备 | |
CN113824486A (zh) | 无人机通信系统的性能评估方法、装置、计算机设备和存储介质 | |
CN107509253B (zh) | 一种信道频段接入方法及装置 | |
WO2023116703A1 (zh) | 预编码矩阵获取方法、装置、电子设备和存储介质 | |
CN115173903B (zh) | 一种通感一体化系统功率分配方法 | |
CN113766599B (zh) | 管廊无线传感网的中继节点选择的方法、装置及终端 | |
CN114384468B (zh) | 一种在不一致脉冲噪声环境下的目标直接定位方法和系统 | |
CN118054828B (zh) | 面向智能超表面的波束赋形方法、装置、设备及存储介质 | |
CN113766424B (zh) | 一种无人机室内定位方法、装置、计算机设备及存储介质 |
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 |