CN114268523A - 确定时域相关性的方法、装置、信号接收端及存储介质 - Google Patents
确定时域相关性的方法、装置、信号接收端及存储介质 Download PDFInfo
- Publication number
- CN114268523A CN114268523A CN202111569160.4A CN202111569160A CN114268523A CN 114268523 A CN114268523 A CN 114268523A CN 202111569160 A CN202111569160 A CN 202111569160A CN 114268523 A CN114268523 A CN 114268523A
- Authority
- CN
- China
- Prior art keywords
- cir
- cirs
- determining
- time
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- Radar Systems Or Details Thereof (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种确定时域相关性的方法、装置、信号接收端及存储介质，属于通信技术领域。方法包括：对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；对于每个簇集合，基于簇集合中的多个CIR，确定簇集合的时域相关性；对多个簇集合的时域相关性进行合并，得到多个参考信号的时域相关性。通过本方案，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
Description
技术领域
本申请实施例涉及通信技术领域，特别涉及一种确定时域相关性的方法、装置、信号接收端及存储介质。
背景技术
在通信系统中，信号接收端在对接收到的参考信号进行解调前，需要确定接收到的参考信号的时域相关性，然后进行时域维纳滤波，以便基于时域维纳滤波结果进行信道估计。
相关技术中，信号接收端通常确定接收到的参考信号的信道冲激响应(Channelimpulse response，CIR)，基于CIR估计参考信号的时域相关性，从而对参考信号进行时域维纳滤波。
上述相关技术中，由于参考信号在传输过程中，经历直射、反射、衍射和散射等过程，导致存在多种传输路径，不同的传输路径呈现出很强的随机时变性。而在确定时域相关性时，将接收到的多个参考信号的CIR作为一个整体进行处理，由于不同传输路径的随机时变性的影响，造成估计得到的时域相关性误差较大。
发明内容
本申请实施例提供了一种确定时域相关性的方法、装置、信号接收端及存储介质，能够提高确定时域相关性的准确性。所述技术方案如下：
一方面，提供了一种确定时域相关性的方法，所述方法包括：
对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；
对于每个簇集合，基于所述簇集合中的多个CIR，确定所述簇集合的时域相关性；
对所述多个簇集合的时域相关性进行合并，得到所述多个参考信号的时域相关性。
另一方面，提供了一种确定时域相关性的装置，所述装置包括：
分簇模块，用于对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；
确定模块，用于对于每个簇集合，基于所述簇集合中的多个CIR，确定所述簇集合的时域相关性；
合并模块，用于对所述多个簇集合的时域相关性进行合并，得到所述多个参考信号的时域相关性。
另一方面，提供了一种信号接收端，所述信号接收端包括处理器和存储器；所述存储器存储有至少一条程序代码，所述至少一条程序代码用于被所述处理器执行以实现如上述任一方面所述的确定时域相关性的方法。
另一方面，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至少一条程序代码，所述至少一条程序代码用于被处理器执行以实现如上述任一方面所述的确定时域相关性的方法。
另一方面，提供了一种计算机程序产品，所述计算机程序产品存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现如上述任一方面所述的确定时域相关性的方法。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
附图说明
图1示出了本申请一个示例性实施例示出的确定时域相关性的方法所涉及的实施环境的示意图；
图2示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图；
图3示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图；
图4示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图；
图5示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图；
图6示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图；
图7示出了本申请一个示例性实施例示出的确定时域相关性的装置的框图；
图8示出了本申请一个示例性实施例示出的终端的结构框图；
图9示出了本申请一个示例性实施例示出的网络设备的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请实施例中涉及到的相关数据可以为经用户或者经各方充分授权的信息。
请参考图1，其示出了本申请一个示例性实施例示出的确定时域相关性的方法所涉及的实施环境的示意图。请参考图1，该实施环境包括：信号发射端10和信号接收端20。信号发射端10和信号接收端20之间通过网络进行通信。其中，信号发射端10通过无线信道向信号接收端20发射参考信号，信号接收端20通过无线信道接收参考信号。
信号发射端10和信号接收端20均可以为网络设备或终端。在本申请实施例中，对此不作具体限定。在一些实施场景中，信号发射端10和信号接收端20均为网络设备。例如，在小区切换的过程中，由第一网络设备通知第二网络设备进行小区切换。相应地，第一网络设备为信号发射端10，第二网络设备为信号接收端20。
在一些实施场景中，信号发射端10为网络设备，信号接收端20为终端。例如，第一终端通过网络设备与第二终端进行通信的过程中，第一终端向网络设备发射通信信号，网络设备将通信信号转发给第二终端。相应地，网络设备为信号发射端10，第二终端为信号接收端20。
在一些实施场景中，信号发射端10为终端，信号接收端20为网络设备。例如，第一终端通过网络设备与第二终端进行通信的过程中，第一终端向网络设备发射通信信号，网络设备将通信信号转发给第二终端。相应地，第一终端为信号发射端10，网络设备为信号接收端20。
其中，该网络设备为任一具有无线收发功能的网络设备。例如，该网络设备为基站、演进型节点B(evolved Node B，eNB)、下一代节点B(next Generation，gNB)无线保真(Wireless Fidelity，WIFI)系统中的接入点(Access Point，AP)、无线中继节点、无线回传节点、传输点(transmission point，TP)或者发送接收点(transmission and receptionpoint，TRP)等。
该终端为具有无线通信功能的终端。其中，终端可以经无线接入网(Radio AccessNetwork，RAN)与一个或多个核心网进行通信，终端可以是移动终端，如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置。该终端可以为手机、平板电脑、具备无线通信功能的电脑或可穿戴设备等。在本申请实施例中，对此不作具体限定。
请参考图2，其示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图。该方法包括以下步骤：
步骤S201：信号接收端对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR。
其中，信号接收端包括多个接收天线。相应地，信号接收端通过接收天线接收参考信号。在本步骤中，参见图3，对于多个接收天线接收到的多个参考信号，分别确定每个参考信号的CIR，然后对多个CIR进行分簇处理，得到多个簇集合。
每个簇集合中的CIR的数量相同或者不同，且每个簇结合中的CIR的数量根据分簇情况而定，在本申请实施例中，对每个簇集合中CIR的数量不作具体限定。
步骤S202：对于每个簇集合，信号接收端基于该簇集合中的多个CIR，确定该簇集合的时域相关性。
其中，每个簇集合的时域相关性为该簇集合中多个CIR之间的相关性。
在本步骤中，继续参见图3，对于每个簇集合，信号接收端分别确定该簇集合的多普勒信息，其中，该多普勒信息包括多普勒扩展和多普勒频移。然后，通过相关性函数，基于多普勒信息确定该簇集合的时域相关性。相应地，对于每个簇集合中的任一CIR，信号接收端确定该CIR的多普勒信息；基于该簇集合中的多个CIR的该多普勒信息，通过时域相关性确定函数，确定该簇集合的时域相关性。即该簇集合的时域相关性可以为：Ri＝corrCal(Spreadi，Shift)。
其中，Ri为第i个簇集合的时域相关性；corrCal(·)为时域相关性确定函数，该时域相关性确定函数可以为任一能够确定时域相关性的函数，例如，该时域相关性确定函数为贝塞尔函数或者基于辛格函数(sinc)的函数；Spreadi为第i个簇集合的多普勒扩展；Shifti为第i个簇集合的多普勒频移。
步骤S203：信号接收端对该多个簇集合的时域相关性进行合并，得到该多个参考信号的时域相关性。
该多个参考信号的时域相关性用于表示该多个参考信号之间的相关性。在本步骤中，继续参见图3，信号接收端将多个簇集合的时域相关性进行加权，对加权后的时域相关性进行求和，得到该多个参考信号的时域相关性。其中，该每个簇集合的权重相同或者不同，在本申请实施例中，对此不作具体限定。
在一些实施例中，每个簇集合的权重可以根据簇集合的数量确定。例如，簇集合的数量为N，则基于簇集合的数量确定多个簇集合的平均权重，得到每个簇集合的权重均为1/N。
在一些实施例中，每个簇集合的权重还可以通过每个簇集合的强度确定。则每个簇集合的权重为
其中，Pi为第i个簇集合的强度，该强度为该簇集合中多个CIR的强度之和；
为k个簇集合的强度之和。
相应地，信号接收端基于每个簇集合中CIR的强度，对该多个簇集合的时域相关性进行加权求和，得到该多个参考信号的时域相关性。则合并后的时域相关性为：
其中，Rfinal为合并后的时域相关性；Ri为第i个簇集合的时域相关性；Pi为第i个簇集合的强度，该强度为该簇集合中多个CIR的强度之和；
为k个簇集合的强度之和。
在本申请实施例中，通过簇集合的强度确定每个簇集合的权重，这样将时域相关性与簇集合的强度进行关联，从而进一步提高了每个簇集合的时域相关性的准确度，进而提高了多个参考信号的时域相关性的准确度。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
请参考图4，其示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图。该方法包括以下步骤：
步骤S401：信号接收端对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR。
本步骤与步骤S201的原理相同，在此不再赘述。
步骤S402：对于每个簇集合，信号接收端分别确定该多个参考信号中每个参考信号的CIR。
对于每个参考信号，信号接收端分别对参考信号进行信号估计，然后对估计结果进行时频变换，得到该参考信号的CIR。其中，该信号估计方式可以为任一类型的信号估计方式。例如，该信号估计为最小二乘(Least square，LS)估计。该时频变换方式也可以为任一时频变换方式，例如，该时频变换方式为逆离散傅里叶变换(Inverse Discrete FourierTransform，IDFT)，相应地，该CIR为：Hcir(τ)＝IDFT(Hls(f))。其中，Hcir(τ)时刻τ对应的CIR的值，IDFT(·)为IDFT时频变换，Hls(f)为LS估计得到的信号值。
步骤S403：信号接收端基于任两个CIR在时域上的距离，对该多个参考信号进行分簇处理，得到多个簇集合。
其中，任两个CIR在时域上的距离为两个CIR的时间差。
需要说明的一点是，信号接收端可以在τ维度上对多个参考信号进行分簇，还可以联合其他维度，对该多个参考信号进行分簇处理，例如，在(τ，θAOA)或者(τ，θAOA，θAOD)等联合维度上进行分簇，在本申请实施例中，对此不作具体限定。
步骤S404：信号接收端对该多个簇集合的时域相关性进行合并，得到该多个参考信号的时域相关性。
本步骤与步骤S203的原理相同，在此不再赘述。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
下面以信号接收端可以在τ维度上对多个参考信号进行分簇为例进行说明。参考图5，其示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图。该方法包括以下步骤：
步骤S501：对于每个CIR，信号接收端基于该CIR的强度，确定该CIR的能量密度。
该能量密度表示该CIR所在的预设时间范围内CIR的强度。在一些实施例中，该能量密度为CIR与预设时间范围内的相邻CIR的强度之和。相应地，信号接收端确定预设时间范围内该CIR的至少一个相邻CIR的强度；将该CIR的强度与该至少一个相邻CIR的强度之和确定为该CIR的能量密度，该预设时间范围为该CIR对应的时间范围。
在一些实施例中，该能量密度为CIR与预设时间范围内的相邻CIR的强度之差的和。相应地，信号接收端确定预设时间范围内该CIR的至少一个相邻CIR的强度；将该CIR的强度与该至少一个相邻CIR的强度之差的和确定为该CIR的能量密度，该预设时间范围为该CIR对应的时间范围。
其中，相邻CIR的数量根据需要进行设置，在本申请实施例中，对该相邻CIR的数量不作具体限定。该预设时间范围也可以根据需要进行设置，在本申请实施例中，对该预设时间范围也不作具体限定。
步骤S502：信号接收端确定该CIR在时域上对应的目标距离，该目标距离为该CIR与多个目标CIR之间的最小距离，该目标CIR的能量密度大于该CIR的能量密度。
在本步骤中，对于每个CIR，从该CIR所属簇集合的其他CIR中，确定能量密度大于该CIR的目标CIR，分别确定该CIR与每个目标CIR之间的距离，从得到的多个距离中，将最小的距离确定为目标距离。
需要说明的一点是，对于能量密度最大的CIR，将该CIR在时域上对应的目标距离设为极大值。
步骤S503：信号接收端基于该能量密度和该目标距离，对该多个参考信号进行分簇处理，得到该多个簇集合。
在本步骤中，信号接收端根据预设判决门限，基于每个CIR的能量密度和目标距离，从多个CIR中筛选出满足预设判决门限的第一CIR，将第一CIR作为簇心，再将不满足预设判决门限的第二CIR，分别划分至第一CIR对应的簇集合中。相应地，信号接收端基于每个CIR的能量密度和目标距离，从该多个CIR中，确定满足预设判决门限的多个第一CIR；将第二CIR划分至距离该第二CIR最近的第一CIR对应的簇集合，该第二CIR为该多个CIR中不满足该预设判决门限的CIR。
其中，该预设判决门限可以为ρτ＞thre1且δτ＞thre2；其中，ρτ为能量密度，δτ为目标距离，thre1为能量密度的判决条件，thre2为目标距离的判决条件。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
并且，在本申请实施例中，通过预设判决门限从多个CIR中确定满足判决门限的第一CIR，从而将簇集合中的第二CIR划分至距离该第二CIR最近的第一CIR对应的簇集合中，得到多个簇集合，提高了划分簇集合的效率。
参考图6，其示出了本申请一个示例性实施例示出的确定时域相关性的方法的流程图。该方法包括以下步骤：
步骤S601：信号接收端确定多个预设数量，该预设数量为第三CIR的数量，该第三CIR为簇心CIR。
在本步骤中，信号接收端基于事先确定的多个预设数量，依次从簇集合的多个CIR中，确定作为簇心CIR的第三CIR。其中，该预设数量可以根据接收到的参考信号的数量确定。例如，预设数量可以为参考信号数量的十分之一到十五分之一。
步骤S602：信号接收端分别基于每个预设数量和第四CIR在时域上与该每个第三CIR的距离，对该多个参考信号进行分簇处理，得到该每个预设数量对应的分簇结果，该第四CIR为该多个CIR中除该第三CIR以外的CIR。
在本步骤中，信号接收端分别基于每个预设数量，确定该预设数量对应的分簇结果。其中，该过程通过以下步骤(1)-(3)实现，包括：
(1)对于任一第四CIR，信号接收端将该第四CIR划分至距离该第四CIR最近的第三CIR对应的簇集合，得到多个待定簇集合。
例如，预设数量为k，则从多个CIR中随机选择k个第三CIR作为初始簇心a＝a1，a2，……，ak；对于每个第四CIR，确定该第四CIR与每个第三CIR之间的距离，从而确定距离该第四CIR最近的第三CIR，将该第四CIR分配至该第三CIR对应的簇集合中。
其中，第三CIR与第四CIR之间的距离可以采用任一距离确定方式，例如，该距离可以为多径分量距离(Multi-component distance，MCD)，即MCD＝(τ-ai)2。其中，τ为第四CIR对应的时刻ai为第i个第三CIR对应的时刻。
(2)对于每个待定簇集合，信号接收端基于该待定簇集合中的多个CIR，重新确定该待定簇集合的簇心CIR。
在本步骤中，基于簇集合中CIR的值，对多个CIR对应的时刻进行平均，得到每个簇集合的簇心。其中，新的簇心可以为：
其中，aj为更新后的簇心，
为第i个待定簇集合中CIR的值，
为第i个簇集合中原簇心对应的时刻。
(3)信号接收端基于更新后的簇心CIR，继续执行该对于该多个CIR中除簇心CIR以外的任一CIR，将该CIR划分至距离该CIR最近的簇心CIR对应的簇集合，得到多个待定簇集合的步骤，直到满足中止条件，得到该预设数量对应的分簇结果。
其中，该中止条件可以为迭代次数达到预设次数或者重新分簇后，误差变化小于预设值等。
对于每个预设数量，通过上述步骤(1)-(3)得到该预设数量对应的分簇结果后，更新该预设数量，基于更新后的预设数量继续执行上述步骤(1)-(3)，得到多个分簇结果。
步骤S603：信号接收端从多个该分簇结果中，确定目标分簇结果对应的多个簇集合。
在本步骤中，信号接收端设置代价函数，基于代价函数从多个分簇结果中，确定目标分簇结果。其中，该代价函数可以基于簇心的分散程度等进行设置，在本申请实施例中，对此不作具体限定。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
并且，在本申请实施例中，通过不同的预设数量，确定多个分簇结果，从而确定最佳的目标分簇结果，提高了分簇的准确性。
需要说明的一点是，上述分簇方式并不对本方案造成限定，也可以通过其他的分簇方式实现分簇，在本申请实施例中，对此不作具体限定。
请参考图7，其示出了本申请一个实施例提供的确定时域相关性的装置的结构框图。该确定时域相关性的装置可以通过软件、硬件或者两者的结合实现成为处理器的全部或一部分。该装置包括：
分簇模块701，用于对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；
确定模块702，用于对于每个簇集合，基于该簇集合中的多个CIR，确定该簇集合的时域相关性；
合并模块703，用于对该多个簇集合的时域相关性进行合并，得到该多个参考信号的时域相关性。
在一些实施例中，该分簇模块701，包括：
确定单元，用于分别确定该多个参考信号中每个参考信号的CIR；
分簇单元，用于基于任两个CIR在时域上的距离，对该多个参考信号进行分簇处理，得到该多个簇集合。
在一些实施例中，该分簇单元，包括：
第一确定子单元，用于对于每个CIR，基于该CIR的强度，确定该CIR的能量密度；
第二确定子单元，用于确定该CIR在时域上对应的目标距离，该目标距离为该CIR与多个目标CIR之间的最小距离，该目标CIR的能量密度大于该CIR的能量密度；
分簇子单元，用于基于该能量密度和该目标距离，对该多个参考信号进行分簇处理，得到该多个簇集合。
在一些实施例中，该第一确定子单元，用于确定预设时间范围内该CIR的至少一个相邻CIR的强度；将该CIR的强度与该至少一个相邻CIR的强度之和确定为该CIR的能量密度，该预设时间范围为该CIR对应的时间范围；或者，
该第一确定子单元，用于确定预设时间范围内该CIR的至少一个相邻CIR的强度；将该CIR的强度与该至少一个相邻CIR的强度之差的和确定为该CIR的能量密度，该预设时间范围为该CIR对应的时间范围。
在一些实施例中，该分簇子单元，用于基于每个CIR的能量密度和目标距离，从该多个CIR中，确定满足预设判决门限的多个第一CIR；将第二CIR划分至距离该第二CIR最近的第一CIR对应的簇集合，该第二CIR为该多个CIR中不满足该预设判决门限的CIR。
在一些实施例中，该分簇单元，用于确定多个预设数量，该预设数量为第三CIR的数量，该第三CIR为簇心CIR；分别基于每个预设数量和第四CIR在时域上与该每个第三CIR的距离，对该多个参考信号进行分簇处理，得到该每个预设数量对应的分簇结果，该第四CIR为该多个CIR中除该第三CIR以外的CIR；从多个该分簇结果中，确定目标分簇结果对应的多个簇集合。
在一些实施例中，该确定模块702，用于对于每个簇集合中的任一CIR，确定该CIR的多普勒信息；基于该簇集合中的多个CIR的该多普勒信息，通过时域相关性确定函数，确定该簇集合的时域相关性。
在一些实施例中，该合并模块703，用于基于每个簇集合中CIR的强度，对该多个簇集合的时域相关性进行加权求和，得到该多个参考信号的时域相关性。
在本申请实施例中，对多个参考信号进行分簇处理，分别基于每个簇集合确定该簇集合的时域相关性，再将多个簇集合的时域相关性合并为多个参考信号的时域相关性，这样将多个参考信号分为不同的簇集合，分别确定每个簇集合的时域相关性，使得确定的时域相关性跨度更小，进而提高了时域相关性的准确性。
请参考图8，其示出了本申请一个示例性实施例提供的终端800的结构方框图。终端800可以是智能手机、平板电脑等具有图像处理功能的终端。本申请中的终端800可以包括一个或多个如下部件：处理器810、存储器820、通信模块830。
处理器810可以包括一个或者多个处理核心。处理器810利用各种接口和线路连接整个终端800内的各个部分，通过运行或执行存储在存储器820内的指令、程序、代码集或指令集，以及调用存储在存储器820内的数据，执行终端800的各种功能和处理数据。可选地，处理器810可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器810可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)、神经网络处理器(Neural-network Processing Unit，NPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；NPU用于实现人工智能(Artificial Intelligence，AI)功能；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器810中，单独通过一块芯片进行实现。
存储器820可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选地，该存储器820包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储根据终端800的使用所创建的数据(比如音频数据、电话本)等。
通信模块830用于发射和接收信号，该通信模块可以为无线保真(WirelessFidelity，WIFI)模块等。
该终端810还可以包括显示屏，显示屏是用于显示用户界面的显示组件。可选的，该显示屏为具有触控功能的显示屏，通过触控功能，用户可以使用手指、触摸笔等任何适合的物体在显示屏上进行触控操作。
显示屏通常设置在终端800的前面板。显示屏可被设计成为全面屏、曲面屏、异型屏、双面屏或折叠屏。显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合等，本实施例对此不加以限定。
除此之外，本领域技术人员可以理解，上述附图所示出的终端800的结构并不构成对终端800的限定，终端800可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端800中还包括麦克风、扬声器、射频电路、输入单元、传感器、音频电路、电源、蓝牙模块等部件，在此不再赘述。
请参考图9，其示出了本申请一个示例性实施例提供的网络设备900的结构方框图。该网络设备900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(Central Processing Units，CPU)910和一个或一个以上的存储器920，其中，所述存储器920中存储有至少一条指令，所述至少一条指令由所述处理器910加载并执行以实现上述各个方法实施例提供的确定时域相关性的方法。当然，该网络设备900还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该网络设备900还可以包括其他用于实现设备功能的部件，在此不做赘述。
本申请实施例还提供了一种计算机可读介质，该计算机可读介质存储有至少一条指令，该至少一条指令由该处理器加载并执行以实现如上各个实施例示出的确定时域相关性的方法。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，该至少一条指令由该处理器加载并执行以实现如上各个实施例示出的确定时域相关性的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例，并不用以限制本申请，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保护范围之内。
Claims (11)
1.一种确定时域相关性的方法，其特征在于，所述方法包括：
对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；
对于每个簇集合，基于所述簇集合中的多个CIR，确定所述簇集合的时域相关性；
对所述多个簇集合的时域相关性进行合并，得到所述多个参考信号的时域相关性。
2.根据权利要求1所述的方法，其特征在于，所述对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，包括：
分别确定所述多个参考信号中每个参考信号的CIR；
基于任两个CIR在时域上的距离，对所述多个参考信号进行分簇处理，得到所述多个簇集合。
3.根据权利要求2所述的方法，其特征在于，所述基于任两个CIR在时域上的距离，对所述多个参考信号进行分簇处理，得到所述多个簇集合，包括：
对于每个CIR，基于所述CIR的强度，确定所述CIR的能量密度；
确定所述CIR在时域上对应的目标距离，所述目标距离为所述CIR与多个目标CIR之间的最小距离，所述目标CIR的能量密度大于所述CIR的能量密度；
基于所述能量密度和所述目标距离，对所述多个参考信号进行分簇处理，得到所述多个簇集合。
4.根据权利要求3所述的方法，其特征在于，所述基于所述CIR的强度，确定所述CIR的能量密度，包括：
确定预设时间范围内所述CIR的至少一个相邻CIR的强度；将所述CIR的强度与所述至少一个相邻CIR的强度之和确定为所述CIR的能量密度，所述预设时间范围为所述CIR对应的时间范围；或者，
确定预设时间范围内所述CIR的至少一个相邻CIR的强度；将所述CIR的强度与所述至少一个相邻CIR的强度之差的和确定为所述CIR的能量密度，所述预设时间范围为所述CIR对应的时间范围。
5.根据权利要求3所述的方法，其特征在于，所述基于所述能量密度和所述目标距离，对所述多个参考信号进行分簇处理，得到所述多个簇集合，包括：
基于每个CIR的能量密度和目标距离，从所述多个CIR中，确定满足预设判决门限的多个第一CIR；
将第二CIR划分至距离所述第二CIR最近的第一CIR对应的簇集合，所述第二CIR为所述多个CIR中不满足所述预设判决门限的CIR。
6.根据权利要求2所述的方法，其特征在于，所述基于任两个CIR在时域上的距离，对所述多个参考信号进行分簇处理，得到所述多个簇集合，包括：
确定多个预设数量，所述预设数量为第三CIR的数量，所述第三CIR为簇心CIR；
分别基于每个预设数量和第四CIR在时域上与所述每个第三CIR的距离，对所述多个参考信号进行分簇处理，得到所述每个预设数量对应的分簇结果，所述第四CIR为所述多个CIR中除所述第三CIR以外的CIR；
从多个所述分簇结果中，确定目标分簇结果对应的多个簇集合。
7.根据权利要求1所述的方法，其特征在于，所述对于每个簇集合，基于所述簇集合中的多个CIR，确定所述簇集合的时域相关性，包括：
对于每个簇集合中的任一CIR，确定所述CIR的多普勒信息；
基于所述簇集合中的多个CIR的所述多普勒信息，通过时域相关性确定函数，确定所述簇集合的时域相关性。
8.根据权利要求1所述的方法，其特征在于，所述对所述多个簇集合的时域相关性进行合并，得到所述多个参考信号的时域相关性，包括：
基于每个簇集合中CIR的强度，对所述多个簇集合的时域相关性进行加权求和，得到所述多个参考信号的时域相关性。
9.一种确定时域相关性的装置，其特征在于，所述装置包括：
分簇模块，用于对接收到的多个参考信号的冲激响应CIR进行分簇处理，得到多个簇集合，每个簇集合包括多个CIR；
确定模块，用于对于每个簇集合，基于所述簇集合中的多个CIR，确定所述簇集合的时域相关性；
合并模块，用于对所述多个簇集合的时域相关性进行合并，得到所述多个参考信号的时域相关性。
10.一种信号接收端，其特征在于，所述信号接收端包括处理器和存储器；所述存储器存储有至少一条程序代码，所述至少一条程序代码用于被所述处理器执行以实现如权利要求1至8任一项所述的确定时域相关性的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一条程序代码，所述至少一条程序代码用于被处理器执行以实现如权利要求1至8任一项所述的确定时域相关性的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111569160.4A CN114268523B (zh) | 2021-12-21 | 2021-12-21 | 确定时域相关性的方法、装置、信号接收端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111569160.4A CN114268523B (zh) | 2021-12-21 | 2021-12-21 | 确定时域相关性的方法、装置、信号接收端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114268523A true CN114268523A (zh) | 2022-04-01 |
| CN114268523B CN114268523B (zh) | 2024-01-12 |
Family
ID=80828437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111569160.4A Active CN114268523B (zh) | 2021-12-21 | 2021-12-21 | 确定时域相关性的方法、装置、信号接收端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114268523B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114884526A (zh) * | 2022-04-19 | 2022-08-09 | Oppo广东移动通信有限公司 | 一种时域相关性计算方法、装置、芯片、终端和存储介质 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1612552A (zh) * | 2003-10-29 | 2005-05-04 | 三星电子株式会社 | 估计数字接收机使用训练序列数据的信道的装置及其方法 |
| US20080049600A1 (en) * | 2006-08-12 | 2008-02-28 | Guanghui Liu | Channel estimation method and system using linear correlation based interference cancellation (lcic) combined with decision-feedback-equalization (dfe) |
| CN101394379A (zh) * | 2008-10-17 | 2009-03-25 | 北京创毅视讯科技有限公司 | 一种二维信道的估计方法及估计模块 |
| CN101534281A (zh) * | 2009-04-20 | 2009-09-16 | 北京交通大学 | 一种ofdm系统基于梳状导频的分集式信道估计方法 |
| CN101601243A (zh) * | 2006-08-28 | 2009-12-09 | 高通股份有限公司 | Ofdm信道估计 |
| CN101702696A (zh) * | 2009-11-25 | 2010-05-05 | 北京天碁科技有限公司 | 信道估计的实现方法和装置 |
| CN102158436A (zh) * | 2010-02-11 | 2011-08-17 | 富士通株式会社 | 信道频域相关性计算方法及装置、信道估计方法及装置 |
| CN103067311A (zh) * | 2011-10-18 | 2013-04-24 | 联发科技（新加坡）私人有限公司 | 盲信道冲激响应合并方法和系统 |
| US20130121392A1 (en) * | 2011-11-15 | 2013-05-16 | Steven C. Thompson | OFDM Receiver With Time Domain Channel Estimation |
| CN103379054A (zh) * | 2012-04-27 | 2013-10-30 | 北京新岸线移动多媒体技术有限公司 | 信道估计方法及装置 |
| CN104426817A (zh) * | 2013-08-19 | 2015-03-18 | 联芯科技有限公司 | 一种信道估计方法及其装置 |
| CN105656577A (zh) * | 2015-12-22 | 2016-06-08 | 北京交通大学 | 面向信道冲激响应的分簇方法和装置 |
| CN105721363A (zh) * | 2016-02-04 | 2016-06-29 | 泉州装备制造研究所 | 一种基于双极化mimo的无线信道测量数据分析方法 |
| CN106452629A (zh) * | 2016-11-07 | 2017-02-22 | 北京交通大学 | 一种基于核功率密度的无线信道多径分簇方法 |
| CN107359904A (zh) * | 2017-07-14 | 2017-11-17 | 重庆邮电大学 | 基于压缩感知、高速移动的ufmc系统无线信道估计方法 |
| CN109150773A (zh) * | 2018-07-26 | 2019-01-04 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 无线信道特征估计系统 |
| CN109450574A (zh) * | 2019-01-08 | 2019-03-08 | 北京交通大学 | 高铁通信网络中无线信道多径分簇方法和装置 |
| CN109672635A (zh) * | 2017-10-17 | 2019-04-23 | 电信科学技术研究院 | 一种时域相关性估计方法、装置及设备 |
| CN111819892A (zh) * | 2018-03-06 | 2020-10-23 | 三星电子株式会社 | 使用上行链路srs测量进行基于ai的ue速度估计的方法和装置 |
| CN112379339A (zh) * | 2020-11-11 | 2021-02-19 | 中国科学技术大学 | 基于时域无监督聚类的多径干扰识别方法 |
| CN112468249A (zh) * | 2020-11-27 | 2021-03-09 | 华北电力大学 | 基于自适应核功率密度的5g无线信道多径分簇算法 |
-
2021
- 2021-12-21 CN CN202111569160.4A patent/CN114268523B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1612552A (zh) * | 2003-10-29 | 2005-05-04 | 三星电子株式会社 | 估计数字接收机使用训练序列数据的信道的装置及其方法 |
| US20080049600A1 (en) * | 2006-08-12 | 2008-02-28 | Guanghui Liu | Channel estimation method and system using linear correlation based interference cancellation (lcic) combined with decision-feedback-equalization (dfe) |
| CN101601243A (zh) * | 2006-08-28 | 2009-12-09 | 高通股份有限公司 | Ofdm信道估计 |
| CN101394379A (zh) * | 2008-10-17 | 2009-03-25 | 北京创毅视讯科技有限公司 | 一种二维信道的估计方法及估计模块 |
| CN101534281A (zh) * | 2009-04-20 | 2009-09-16 | 北京交通大学 | 一种ofdm系统基于梳状导频的分集式信道估计方法 |
| CN101702696A (zh) * | 2009-11-25 | 2010-05-05 | 北京天碁科技有限公司 | 信道估计的实现方法和装置 |
| CN102158436A (zh) * | 2010-02-11 | 2011-08-17 | 富士通株式会社 | 信道频域相关性计算方法及装置、信道估计方法及装置 |
| CN103067311A (zh) * | 2011-10-18 | 2013-04-24 | 联发科技（新加坡）私人有限公司 | 盲信道冲激响应合并方法和系统 |
| US20130121392A1 (en) * | 2011-11-15 | 2013-05-16 | Steven C. Thompson | OFDM Receiver With Time Domain Channel Estimation |
| CN103379054A (zh) * | 2012-04-27 | 2013-10-30 | 北京新岸线移动多媒体技术有限公司 | 信道估计方法及装置 |
| CN104426817A (zh) * | 2013-08-19 | 2015-03-18 | 联芯科技有限公司 | 一种信道估计方法及其装置 |
| CN105656577A (zh) * | 2015-12-22 | 2016-06-08 | 北京交通大学 | 面向信道冲激响应的分簇方法和装置 |
| CN105721363A (zh) * | 2016-02-04 | 2016-06-29 | 泉州装备制造研究所 | 一种基于双极化mimo的无线信道测量数据分析方法 |
| CN106452629A (zh) * | 2016-11-07 | 2017-02-22 | 北京交通大学 | 一种基于核功率密度的无线信道多径分簇方法 |
| CN107359904A (zh) * | 2017-07-14 | 2017-11-17 | 重庆邮电大学 | 基于压缩感知、高速移动的ufmc系统无线信道估计方法 |
| CN109672635A (zh) * | 2017-10-17 | 2019-04-23 | 电信科学技术研究院 | 一种时域相关性估计方法、装置及设备 |
| CN111819892A (zh) * | 2018-03-06 | 2020-10-23 | 三星电子株式会社 | 使用上行链路srs测量进行基于ai的ue速度估计的方法和装置 |
| CN109150773A (zh) * | 2018-07-26 | 2019-01-04 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 无线信道特征估计系统 |
| CN109450574A (zh) * | 2019-01-08 | 2019-03-08 | 北京交通大学 | 高铁通信网络中无线信道多径分簇方法和装置 |
| CN112379339A (zh) * | 2020-11-11 | 2021-02-19 | 中国科学技术大学 | 基于时域无监督聚类的多径干扰识别方法 |
| CN112468249A (zh) * | 2020-11-27 | 2021-03-09 | 华北电力大学 | 基于自适应核功率密度的5g无线信道多径分簇算法 |
Non-Patent Citations (2)
| Title |
|---|
| QILIN GUO: "Iterative decomposed OFDM channel estimation algorithm over highly mobile channels", WIRELESS PERSONAL COMMUNICATIONS * |
| 王翔宇;黄焱;: "MIMO-OFDM系统时域信道估计新方法", 信息工程大学学报, no. 03 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114884526A (zh) * | 2022-04-19 | 2022-08-09 | Oppo广东移动通信有限公司 | 一种时域相关性计算方法、装置、芯片、终端和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114268523B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113382439B (zh) | 信息上报方法、接入方式确定方法、终端和网络设备 | |
| CN105187468B (zh) | 用于服务发现的无线设备和方法 | |
| US8180367B2 (en) | Cluster-based fingerprinting algorithms | |
| US11818592B2 (en) | Uplink signal transmission method and device | |
| CN113692046B (zh) | 标签定位方法、装置、计算机设备和存储介质 | |
| CN112805936B (zh) | 小区间干扰减轻方法和用于该方法的电子装置 | |
| CN109548161B (zh) | 一种无线资源调度的方法、装置和终端设备 | |
| WO2022032620A1 (zh) | 一种无人机基站的部署方法、系统、设备及存储介质 | |
| CN114268523A (zh) | 确定时域相关性的方法、装置、信号接收端及存储介质 | |
| CN106332238B (zh) | 一种无线局域网络信道扫描方法、装置及移动终端 | |
| CN111654457B (zh) | 信道参考信息的确定方法、装置、终端及存储介质 | |
| CN107613115A (zh) | 事件提醒方法、装置、移动终端及可读存储介质 | |
| CN113055901B (zh) | 一种终端定位的方法和装置 | |
| CN114125936A (zh) | 一种资源调度方法、装置和存储介质 | |
| CN113466841A (zh) | 距离测量方法、装置、电子设备及存储介质 | |
| CN112764041A (zh) | 成像系统和方法 | |
| CN108064085B (zh) | 一种无线资源分配方法及装置 | |
| CN114500198B (zh) | 干扰消除方法、装置、电子设备及存储介质 | |
| CN109218920A (zh) | 一种信号处理方法、装置及终端 | |
| CN115396272B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN112187388B (zh) | 一种对大规模天线阵列非平稳特性的建模方法 | |
| WO2017063177A1 (zh) | 一种信号确定方法及装置 | |
| CN115087004B (zh) | 灵活帧结构仿真系统的上行信号检测方法及装置 | |
| TWI788928B (zh) | 基地台佈建的模擬裝置以及方法 | |
| CN115087010B (zh) | 灵活帧结构仿真系统的下行信号检测方法及装置 |
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 |