CN117640296A - 通信方法、环境感知方法、装置、设备、介质及产品 - Google Patents
通信方法、环境感知方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN117640296A CN117640296A CN202210982215.2A CN202210982215A CN117640296A CN 117640296 A CN117640296 A CN 117640296A CN 202210982215 A CN202210982215 A CN 202210982215A CN 117640296 A CN117640296 A CN 117640296A
- Authority
- CN
- China
- Prior art keywords
- information
- communication
- signal
- interference
- environment
- 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.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 223
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000008447 perception Effects 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000005562 fading Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims description 2
- 235000007164 Oryza sativa Nutrition 0.000 claims description 2
- 235000009566 rice Nutrition 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 22
- 230000003044 adaptive effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 101000583218 Drosophila melanogaster Protein krasavietz Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Noise Elimination (AREA)
Abstract
本申请实施例提供了一种通信方法、通信环境感知方法、通信装置、网络设备、计算机可读存储介质及计算机程序产品,通过对无线通信信号进行分析,得到通信环境感知信息,进而较好的实现对无线通信环境的感知。进一步地,通过对无线通信环境的感知,实现在不同的无线通信环境下选择不同的接收机,从而实现接收机诸如链路级接收机的智能动态调控,提升系统性能。
Description
技术领域
本申请实施例涉及通信技术领域,特别涉及一种通信方法、通信环境感知方法、通信装 置、网络设备、介质及产品。
背景技术
通信和感知(通信能力和感知能力)融合(简称为通感融合),是未来通信网络诸如6G等 的一项重要技术。通信即信息的传输,感知即对环境诸如通信环境的探测和信息获取。通感 融合技术相较于通信与感知分离的技术,有频谱效率高、通信和感知之间干扰较小等特点。 因此,一些技术期望通过对通信环境的感知,并根据感知结果选择与通信环境匹配的接收机。
相关技术中,通信物理层接收机通常采用统一的接收机处理框架和统一配置参数,使得 接收机难以与感知环境较好匹配。如何根据不同的通信环境匹配接收机,是当下亟待讨论和 解决的问题。
发明内容
本申请实施例提供一种通信方法、通信环境感知方法、通信装置、网络设备、计算机可 读存储介质及计算机程序产品,旨在感知通信环境,根据所感知的通信环境匹配接收机。
第一方面,本申请实施例提供了一种通信方法,包括:接收正交频分复用 (OrthogonalFrequencyDivisionMultiplexing,OFDM)信号,其中,所述OFDM信号至少包 括接收导频信号和接收数据信号;根据所述接收导频信号进行信道估计,得到信道特征;根 据所述信道特征,得到第一环境信息;根据所述OFDM信号得到干扰特征数据,根据所述干 扰特征数据得到第二环境信息;根据所述第一环境信息和所述第二环境信息,得到通信环境 感知信息;根据所述通信环境感知信息匹配接收机。
第二方面,本申请实施例提供了一种通信环境感知方法,包括:接收正交频分复用OFDM 信号,其中,所述OFDM信号至少包括导频信号和数据信号;根据所述导频信号携带的导频 符号进行信道估计,得到信道特征;根据所述信道特征,得到第一环境信息;根据所述OFDM 信号得到对应的干扰特征数据,根据所述干扰特征数据得到第二环境信息;根据所述第一环 境信息和所述第二环境信息,得到通信环境感知信息。
第三方面,本申请实施例提供了一种通信装置,包括:接收单元,配置为接收正交频分 复用OFDM信号,其中,所述OFDM信号至少包括接收导频信号和接收数据信号;第一分析单元,配置为根据所述接收导频信号进行信道估计得到信道特征,以及根据所述信道特征 得到第一环境信息;第二分析单元,配置为根据所述OFDM信号得到干扰特征数据,以及根 据所述干扰特征数据得到第二环境信息;处理单元,配置为根据所述第一环境信息和所述第 二环境信息,得到通信环境感知信息
第四方面,本申请实施例提供了一种网络设备,包括:存储器,配置为存储计算机程序; 处理器,配置为运行所述计算机程序,以执行如第一方面所述的通信方法或如第二方面所述 的通信环境感知方法。
第五方面,本申请实施例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 储有计算机可执行指令,所述计算机可执行指令用于执行如第一方面所述的通信方法或如第 二方面所述的通信环境感知方法
第六方面,本申请实施例提供了一种计算机程序产品,包括计算机程序或计算机指令, 其特征在于,所述计算机程序或所述计算机指令存储在计算机可读存储介质中,计算机设备 的处理器从所述计算机可读存储介质读取所述计算机程序或所述计算机指令,所述处理器执 行所述计算机程序或所述计算机指令,使得所述计算机设备执行如第一方面所述的通信方法 或如第二方面所述的通信环境感知方法。
附图说明
图1是OFDM系统中接收机及与之相关装置的示意图;
图2是本申请一实施例提供的通信环境感知方法的流程图;
图3是本申请一实施例提供的通信方法的流程图;
图4是本申请一实施例提供的通信方法的流程图;
图5是本申请一实施例提供的通信方法的流程图;
图6是本申请一实施例提供的通信方法的流程图;
图7是本申请一实施例提供的通信方法的流程图;
图8是本申请一实施例提供的通信方法的流程图;
图9是本申请一实施例提供的通信方法的流程图;
图10是本申请一实施例提供的通信装置示意图;
图11是本申请一实施例提供的通信装置示意图;
图12是本申请一实施例提供的OFDM系统示意图;
图13是本申请一实施例提供的传统接收机的示意图;
图14是本申请一实施例提供的自适应接收机的示意图;
图15是本申请一实施例提供的神经网络接收机的示意图;
图16是本申请一实施例提供的神经网络信号检测器结构的示意图;
图17是本申请一实施例提供的具有传统接收机的示意图;
图18是本申请一实施例提供的场景n传统接收机结构的示意图;
图19是本申请一实施例提供的通信设备的结构示意图。
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,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申请,并不用于限定 本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序, 但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述 的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象, 而不必用于描述特定的顺序或先后次序。
本申请实施例的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解, 所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请实施例中的 具体含义。本申请实施例中,“进一步地”、“示例性地”或者“可选地”等词用于表示作为例子、 例证或说明,不应被解释为比其它实施例或设计方案更优选或更具有优势。使用“进一步地”、 “示例性地”或者“可选地”等词旨在以具体方式呈现相关概念。
本申请实施例可以应用于各种无线通信系统,例如:全球移动通讯 (GlobalSystemofMobilecommunication,GSM)系统、码分多址(CodeDivisionMultipleAccess, CDMA)系统、宽带码分多址(WidebandCodeDivisionMultipleAccess,WCDMA)系统、通用分 组无线业务(GeneralPacketRadioService,GPRS)、长期演进(LongTermEvolution,LTE)系统、 LIE-A(Advancedlongtermevolution,先进的长期演进)系统、通用移动通信系统 (UniversalMobileTelecommunicationSystem,UMTS)、5G、超5代(BeyondFifthGeneration,B5G)、 第6代(6thGeneration,6G)系统等。
本申请实施例涉及通感融合匹配接收机技术。通感融合技术通过空口及协议联合设计、 软硬件设备共享,使用相同频谱资源实现通信功能与感知功能的融合共生,使得无线网络在 进行数据通信的同时,还能通过分析无线通信信号特性数据,获得对目标对象或环境信息的 感知。采用通感融合技术,不仅提升了频谱利用率和设备复用率、还拓宽了通信网络的应用 场景,诸如将其应用于自适应匹配接收机或智能匹配接收机等。接收机,诸如链路级接收机 采用统一处理框架和参数配置,难以根据不同的通信场景诸如不同的通信环境、不同的噪音 干扰、不同用户特征、甚至不同的用户进行自适应处理,从而导致难以获得较佳的作业性能。
为详尽阐述本技术方案,以OFDM系统中与接收机相关的应用场景为例,对本申请实施 例的应用场景做进一步说明。
图1是OFDM系统中接收机及与之相关装置的示意图。如图1所示,信号经去CP和FFT(快速傅里叶变换)处理后,被符号级接收机接收(即输入符号级处理模块),再经符号级 接收机处理后输入至解调译码模块。本申请实施可以应用于各种接收机,例如:传统接收机、新型智能接收机、具有自适应能力的接收机、具有神经网络预测模型的接收机等。
在如1所示OFDM系统中,假设接收频域信号用Y表示,则:
Y=HX+N (1)
其中,X是调制后的发送信号,H是发送和接收之间的无线信道矩阵,N是加性高斯白 噪声。
一些技术中,通信物理层接收机采用统一的接收机处理框架和统一配置参数,难以对复 杂的通信环境诸如无线通信环境进行感知,进而无法根据不同的无线通信环境进行动态调控 到最优接收算法。也有另一些技术基于人工智能(ArtificialIntelligence,AI)的物理层OFDM 接收机,诸如基于模型驱动的OFDM接收机、基于数据驱动的OFDM接收机或基于数据模 型双驱动的OFDM接收机。但上述技术对复杂的通信环境诸如无线通信的感知能力不足,使 得OFDM接收机难以获得与无线通信环境匹配的较佳性能。
示例性地,下文以无线通信环境对本申请实施例进行阐述。
本申请实施例提供了一种无线通信方法、无线通信环境感知方法、无线通信装置、网络 设备、计算机可读存储介质及计算机程序产品,通过对无线通信信号进行分析,得到通信环 境感知信息,进而较好的实现对无线通信环境的感知。本申请另一实施例进一步地,通过对 无线通信环境的感知,实现在不同的无线通信环境下选择不同的接收机,从而实现接收机诸 如链路级接收机的智能动态调控,提升系统性能。
下面结合附图,对本申请实施例作进一步阐述。
图2是本申请一实施例提供的通信环境感知方法的流程图。如图2所示,该通信环境感 知方法可以应用于OFDM通信系统中。在图2的实施例中,该通信环境感知方法可以包括但 不限于步骤S100、S200、S300、S400、S500。
步骤S100:接收OFDM信号。
在一实施例中,OFDM信号可以包括接收导频信号YPilot、接收数据信号YData。
在一实施例中,接收导频信号YPilot可以包括一个或多个接收导频符号。示例性地,接收 导频信号第一接收导频信号。
在一实施例中,接收数据信号YData可以包括一个或多个接收数据符号。示例性地,接收 数据信号第一接收数据信号和第二接收数据信号。
具体地,在一个时隙上,接收导频信号YPilot和接收数据信号YData总共可以占多个OFDM 符号。例如接收导频和接收数据共占14个OFDM信号,或共占7个OFDM信号,又或者其它。其中,接收导频可以占一个或多个OFDM符号。如接收导频占了第1个OFDM符号, 接收数据占了剩余的其它OFDM符号。或者接收导频占了第1个和第8个OFDM符号,接 收数据占了剩余的其它OFDM符号。
步骤S200:根据OFDM中的接收导频信号YPilot进行信道估计,得到信道特征。
在一实施例中,信道估计可以采用基于训练序列的估计算法,也可以采用盲估计算法。 基于训练序列的估计算法可以包括最小平方信道估计算法(LS信道估计)、最小均方误差信 道估算法(MMSE信道估计)、低阶最小均方误差信道估算法(LMMSE信道估计)等方法。 本申请实施例并不限定。为便于阐述本技术方案,下述以LS信道估计为例说明。
在一实施例中,信道特征可以包括以频域衰落因子、时间相关性因子、时域信道估计值 的能量分布、莱斯因子中的一个或多个;信道特征还可以包括其它能够用于表征信道特性的 参数、数据或内容。
步骤S300:根据信道特征,得到第一环境信息。
在一实施例中,第一环境信息可以包括通信环境速度信息、通信视距信息、通信环境多 径延时信息中的一个或多个;第一环境信息还可以包括其它能够用于表征通信环境情况的信 息。
在另一实施例中,第一环境信息可以包括终端特征信息、用户特征信息中的一个或多个。 其中,终端特征信息为用于表征终端特征的参数信息,用户特征信息为用于表征用户特征的 参数信息。
在另一实施例中,通信环境速度信息可以包括高速、中速、低速中的一个或多个;
通信视距信息可以包括视距、非视距中的一个或多个;
通信多径延时信息可以包括高多径时延、低多径时延中的一个或多个。
在另一实施例中,根据信道特征得到第一环境信息,可以通过将信道特征与预设的阈值 进行比较,得到第一环境信息;也可以通过将信道特征输入神经网络,得到所述第一环境信 息。
步骤S400:根据OFDM信号得到干扰特征数据,根据干扰特征数据得到第二环境信息。
在一实施例中,干扰特征数据可以包括噪声干扰;接收信号强度指示;信号的协方差矩 阵中的一个或多个;干扰特征数据还可以包括其它能够用于表征通信干扰情况特性的数据。
在另一实施例中,噪声干扰可以包括全带宽噪声干扰功率;空频域维度噪声干扰;资源 块RB粒度噪声干扰功率中的一个或多个;噪声干扰还可以包括其它能够用于表征通信噪声 干扰特性的参数、数据或内容。
在一实施例中,第二环境信息可以包括通信干扰信息。
在另一实施例中,通信干扰信息可以包括有干扰、无干扰、干扰强度信息、干扰位置信 息中的一个或多个。通信干扰信息还可以包括其它能够用于表征通信干扰特性的信息。
在另一实施例中,根据OFDM信号得到干扰特征数据,根据干扰特征数据得到第二环境 信息,可以通过将干扰特征数据与通信干扰阈值进行比较,得到第二环境信;也可以通过将 干扰特征数据输入第二神经网络,得到所述第二环境信息;还可以将干扰特征数据通过聚类 算法如K-means类算法得到所述第二环境信息
步骤S500:根据第一环境信息和第二环境信息,得到通信环境感知信息。
本申请实施例提供了一种通信环境感知方法,通过对通信环境特征的提取分析,得到通 信环境感知信息,进而能够实现对无线通信环境较好地感知。不仅提升了在通信场景中,对 环境的感知能力,可以更好的利用无线信号获取周围物理环境信息,挖掘通信能力,增强用 户体验。
图3是本申请一实施例提供的通信方法的流程图。如图3所示,该通信方法可以包括但 不限于步骤S100、S200、S300、S400、S500、S600。
步骤S100:接收OFDM信号。
步骤S200:根据OFDM中的接收导频信号YPilot进行信道估计,得到信道特征。
步骤S300:根据信道特征,得到第一环境信息。
步骤S400:根据OFDM信号得到干扰特征数据,根据干扰特征数据得到第二环境信息。
步骤S500:根据第一环境信息和第二环境信息,得到通信环境感知信息。
步骤S600:根据通信环境感知信息匹配接收机。
本申请实施例提供了一种通信方法,通过对通信环境特征的提取分析,得到通信环境感 知信息,并利用通信环境感知信息,实现在不同的无线通信环境下选择不同的接收机,从而 使得接收机诸如链路级接收机能够智能动态调控,提升系统性能。需要说明的是,前述通信 环境感知方法记载的内容,也适用于本实施例。
图4是本申请一实施例提供的通信方法的流程图。如图4所示,该通信方法还可以包括 步骤S700。
步骤S700:根据接收导频信号YPilot、接收数据信号YData、预设的本地导频信号XPilot进行 信号检测,得到发送信号。
本申请实施例提供了一种通信方法,通过对通信环境进行感知,得到通信环境感知信息, 并匹配不同的接收机,不仅实现接收机的智能动态调控,还提升系统性能。
图5是本申请一实施例提供的通信方法的流程图。如图5所示,该通信方法还可以包括 步骤S800。
步骤S800:根据发送信号进行解调,得到解调数据。
图6是本申请一实施例提供的通信方法的流程图,也是对步骤S600的进一步说明。如图 6所示,步骤S600可以包括但不限于步骤S610、S620。
步骤S610:根据通信环境感知信息,得到通信场景类型。
在一实施例中,通信场景类型可以根据通信环境速度信息、通信视距信息、通信多径延 时信息、终端特征信息、用户特征信息、通信干扰信息中的一个或多个,综合判断确定。需 要说明的是,根据不同的组合可以构建不同的通信场景类型,本申请实施例对此不做限定。
为便于进一步阐述本申请实施例的通信场景类型,下文以通信环境速度信息、通信视距 信息、通信多径延时信息、通信干扰信息的组合,对通信场景类型做示例性说明。
表1是本申请一实施例提供的通信类型列表,包括9中不同的通信场景类型。
表1通信场景类型列表
类型序号 | 通信场景 |
1 | 视距(LoS),低速 |
2 | LoS,中速 |
3 | LoS,高速 |
4 | 非视距(NLoS),低速,低多径时延 |
5 | NLoS,中速,低多径时延 |
6 | NLoS,高速,低多径时延 |
7 | NLoS,低速,高多径时延 |
8 | NLoS,中速,高多径时延 |
9 | NLoS,高速,高多径时延 |
表2是本申请另一实施例提供的通信类型列表,包括18中不同的通信场景类型。
表2通信场景类型列表
步骤S620:根据通信场景类型,匹配接收机。
在一实施方式中,接收机可以是传统接收机、智能接收机,也可以是神经网络接收机, 还可以是其它任何类型的接收机。
在另一实施例中,神经网络接收机可以是具有神经网络检测器的接收机,该神经网络检 测器可以预先被训练。
图7是本申请一实施例提供的通信方法的流程图,也是对步骤S700的进一步说明。如图 7所示,步骤S700可以包括但不限于步骤S710、S720。
步骤S710:根据接收导频信信号YPilot和预设的本地导频信号XPilot进行信道估计,得到 信道估计值
步骤S720:根据信道估计值和接收数据信号YData进行信道均衡,得到发送信号
以下以接收导频信信号YPilot包括第一个接收导频信信号YPilot,1,接收数据信号YData包括第 一个接收数据信号YData,1和第二个接收数据信号YData,2为例,对上述步骤做一个示例性说明。
根据第一个接收导频信信号YPilot,1和本地导频信号XPilot进行信道估计,得到第一个信道 估计值
根据第一个信道估计值和第一个接收数据信号YData,1进行信道均衡,得到第一个发送 数据估计值/>
根据所述第一个发送数据估计值进行硬判决,得到硬判数据;
根据所述硬判数据和第一个接收数据符号YData,1进行信道估计,得到第二个信道估计值
根据第二个信道估计值和第二个接收数据信号YData,2进行信道均衡,得到第二个发 送数据估计值/>
图8是本申请一实施例提供的通信方法的流程图,也是对步骤S710的进一步说明。如图 8所示,步骤S710可以包括但不限于步骤S711、S712。
步骤S711:根据收导频信信号YPilot和预设的本地导频信号XPilot进行信道估计,得到第一 信道估计值
步骤S712:对第一信道估计值进行时频偏估计与补偿、信道估计降噪、信道插值处理, 得到第二信道估计值
图9是本申请一实施例提供的通信方法的流程图,也是对步骤S800的进一步说明。如图 9所示,步骤S800可以包括但不限于步骤S810、S820。
步骤S810:根据第一个发送数据估计值进行解调,得到第一个解调数据/>
步骤S820:根据第二个发送数据估计值进行解调,得到第二个解调数据/>
图10是本申请一实施例提供的通信装置示意图。如图10所示,通信装置包括接收单元、 第一分析单元、第二分析单元、处理单元。
接收单元,配置为接收正交频分复用OFDM信号,其中,OFDM信号至少包括接收导频信号和接收数据信号;
第一分析单元,配置为根据接收导频信号进行信道估计得到信道特征,以及根据信道特 征得到第一环境信息,其中,第一环境信息至少包括以下之一:通信环境速度信息、通信视 距信息、通信多径延时信息;
第二分析单元,配置为根据OFDM信号得到干扰特征数据,以及根据干扰特征数据得到 第二环境信息,其中,第二环境信息至少包括通信干扰信息;
处理单元,配置为根据第一环境信息和第二环境信息,得到通信环境感知信息。
本申请实施例提供了一种通信装置,该通信装置能够通过对通信环境特征的提取分析, 得到通信环境感知信息,进而能够实现对无线通信环境较好地感知。不仅提升了在通信场景 中,对环境的感知能力,可以更好的利用无线信号获取周围物理环境信息,挖掘通信能力, 增强用户体验。
如图11所示,通信装置还可以包括匹配单元。
匹配单元,配置为根据通信环境感知信息匹配接收机。
本申请实施例提供了另一种通信装置,该通信装置能够通过对通信环境特征的提取分析, 得到通信环境感知信息,并利用通信环境感知信息,实现在不同的无线通信环境下选择不同 的接收机,从而使得接收机诸如链路级接收机能够智能动态调控,提升系统性能。
本一申请实施例的通感融合自适应接收机能在不同的通信环境,诸如无线传输环境中更 好地从接收信号Y中检测出发送信号X,其包括但不限于以下步骤:
一:智能感知与识别,即采用OFDM信号如OFDM频域信号对无线传输环境和环境中存在的干扰进行感知与识别。示例性的方式如下:
·采用OFDM频域信号对无线传输环境进行感知,识别当前终端或用户所在的无线信 道场景。采用OFDM导频信号进行无线信道场景识别,感知识别算法包括但不限于传统专家经验提取信道特征并进行阈值判决的算法,或专家经验提取信道特征结合神经网络的算法等。
·采用OFDM频域信号对环境是否存在干扰、或干扰强度进行感知,识别出当前时空 频三维资源上是否有干扰存在,或存在什么类型的干扰,或存在干扰强度。其中可以采用全带宽噪声干扰功率、接收信号强度指示(Received Signal Strength Indicator,RSSI)、 空频域维度的噪声干扰或信号的协方差矩阵等方式进行干扰感知和识别。感知识别算法 包括但不限于传统专家经验提取干扰特征并进行阈值判决的算法,或专家经验提取干扰 特征结合神经网络的算法等。
·综合判决:根据无线传输环境和环境中干扰的感知识别结果,进行综合判决,给出当 前用户处于场景集合中的哪个场景。场景类型集合示例性展示为:无干扰下无线信道场 景1,2,...,N、有干扰下场景1,2,...,N。
二:匹配应接收机,即根据识别结果自适应地选择与无线传输环境匹配的接收机进行 OFDM信号检测。
图12是本申请一实施例提供的OFDM系统示意图。如图12所示,在OFDM系统中,接收信号由Y表示,YData表示接收数据,YPilot表示接收导频,XPilot表示接收端本地导频。
根据第一步得到信道场景识别结果以及干扰识别结果。从不同场景的接收机集合中选择 一个与当前传播/通信环境最匹配的接收机,然后把YData,YPilot和XPilot输入选中的接收机中进 行信号检测,得到最终的发送数据估计值每个场景下的接收机可以对一个时隙上多个 OFDM数据符号一起检测,也可以对一个时隙上多个OFDM符号进行流式检测。
这里不同场景下的接收机可以是传统接收机,根据不同场景有不同的算法流程处理。如 不同的多径时延扩展下,信道估计模块可以采用不同窗长的滤波器进行噪声和干扰的消除, 不同速度下,可采用不同导频配置以及不同的频偏估计和补偿算法;也可以是智能自适应接 收机,每种场景对应一个神经网络信号检测器,这些神经网络信号检测器预先被离线训练, 组成一个模型集合以便进行在线检测。其中神经网络的结构,包括但不限于深度神经网络、 卷积神经网络、残差神经网络或带attention机制的残差神经网络。
三:从第二步中得到的发送数据估计值进行后续的解调和译码模块。其中解调和 译码模块的算法包括但不限于传统算法和基于神经网络的算法
为进一步阐述本申请实施例提供的通信环境感知方法、通信装置、网络设备、计算机可 读存储介质及计算机程序产品,下面结合不同的示列进行阐述。
示例1:
在OFDM系统中,YData为接收数据,YPilot为接收导频,XPilot为接收端本地导频。在一个时隙中,接收数据和接收导频一共占了14个OFDM符号,接收导频占了第1个和第8个 OFDM符号,接收数据占了剩余的12个OFDM符号。本示例对OFDM信号检测的具体步骤 如下:
第一步:智能感知与识别:采用OFDM频域信号进行无线传输环境和环境中存在的干扰 进行感知与识别。
通过OFDM频域2个接收导频信号对无线传输环境进行感知,识别当前终端所处的无线 信道场景。感知目标无线信道场景分别为:低速(例如低于30kmh)、中速(例如30kmh~60kmh) 和高速场景(例如大于60kmh)。具体感知算法可以为:利用2个导频符号进行信道估计, 然后提取信道特征,如频域衰落因子β表征无线信道频域变化特征和时间相关性因子λ表征 用户的多普勒变化特征,这两个因子分别和阈值ηβ、ηλ进行比较,按照下面的规则进行速度 的判决:
低速:β<ηβ,1且λ>ηλ,1
中速:ηβ,1<β<ηβ,2且ηλ,1>λ>ηλ2
高速:β>ηβ,2且λ<ηλ,2
其中ηβ,1,ηβ,2,ηλ,1和ηλ,2可根据经验参数或由仿真决定。
采用OFDM频域资源块(Resource Block,RB)粒度的噪声干扰功率对环境中存在的干 扰进行感知,识别出当前频域资源上是否有干扰存在、干扰源、干扰的强度。收集频域整个 带宽上RB级的噪声干扰功率,然后采用K-means聚类算法识别出整个带宽上哪些RB上存在干扰,以及干扰的强度。
综合判决:根据无线传输环境和环境中干扰的感知识别结果,进行综合判决,得到当前 终端所有调度RB处于场景集合中的哪个场景。其中场景集合可以为以下六种:无干扰低速、 中速和高速、有干扰下低速、中速和高速。针对无线信道场景的识别是所有RB结果都相同, 但干扰的识别结果为RB级。本示例针对UE所有RB进行逐一判决,最终得到RB级的识别 结果。
第二步:自适应接收机:根据第一步RB级场景识别结果自适应地选择与无线传输环境 匹配的接收机,进行OFDM信号检测。如图12所示,图中的处理是每个RB的处理流程。根据第一步得到信道场景识别结果以及干扰识别结果从不同场景的接收机集合中选择一个与 当前传播环境最匹配的接收机。
图13是本申请一实施例提供的传统接收机的示意图。本示例不同场景的接收机采用如图 13所示的传统接收机。把YPilot和XPilot输入LS信道估计模块中得到初步信道估计值,然后进 行时频偏估计与补偿,再进行信道估计降噪处理(采用时域降噪或频域滤波算法)得到更准 确的信道估计值,接着进行信道插值,获得数据符号上的信号估计值。然后联合YData一起进 行信道均衡,最后对均衡结果进行时频偏补偿,得到发送数据估计值以上的操作是针 对一个时隙上多个OFDM数据符号一起检测的,即获得所有导频上信道估计值后,才能进行 信道插值,获得所有数据符号上的信道估计值。
第三步:从第二步中得到的所有RB上12个数据符号上的发送数据估计值进行 后续的解调和译码模块。其中解调和译码模块采用传统算法。
示例2:
图14是本申请一实施例提供的自适应接收机的示意图。实施例1中的第二步中的自适应 接收机也可以是如图14所示的智能自适应接收机。智能自适应接收机包括最小二乘(LS) 信道估计子模块和场景自适应OFDM信号检测器子模块。
1、LS信号估计子模块:先把XPilot和YPilot输入到LS信道估计子模块,用公式(2)得到 最小二乘信道估计值其中/>包含了2个导频符号的信息。
2、场景自适应OFDM信号检测器:本示例神经网络信号检测器的集合可以为以下六种: 无干扰低速、中速和高速神经网络信号检测器、有干扰下低速、中速和高速神经网络信号检 测器。这六种神经网络信号检测器预先被离线训练以便进行在线检测。根据第一步得到信道 场景识别结果以及干扰识别结果从神经网络信号检测器模型集合中选择一个与当前传播环境 最匹配的神经网络模型。
图15是本申请一实施例提供的神经网络接收机的示意图。每个场景下的神经网络信号检 测器结构,如图15所示。把(包含了2个导频符号的信息)、YData(包含了12个数据符号的数据)输入到识别结果选中的神经网络模型中进行在线检测,得到最终的发送数据估 计值/>
其中神经网络信号检测器由2个子网络组成:增强信道估计子网络和信道均衡子网络。 其中增强信道估计子网络起到去除噪声和干扰的作用,提升信道估计值质量,并起到信道插 值的作用,获得了数据符号的信道估计值;信道均衡子网络用于OFDM信号的检测,代替了 传统的信道均衡功能。2个子网络都采用带有通道注意力机制的残差神经网络。2个子网络一 起训练,采用发送数据和其估计值的均方误差(MSE,Mean Square Error)为损失函数,如 下面公式(3):
其中n是每次训练的batch size样本数。模型训练时,基于公式(3)的损失函数,利用 Adam优化器对神经网络进行训练。损失函数收敛到一定程度后就完成了网络训练,并保存 模型参数,用于后续在线信号检测。
示例3:
在OFDM系统中,YData是频域接收数据,YPilot是接收导频,XPilot是接收端本地导频。数据和导频一共占了12个OFDM符号,导频占了第1个和第6个OFDM符号,数据占了剩 余的10个OFDM符号。本示例对OFDM信号检测的具体步骤如下:
第一步:智能感知与识别:采用OFDM频域信号进行无线传输环境和环境中存在的干扰 进行感知与识别。
采用OFDM频域2个导频信号进行无线传输环境进行感知,识别当前用户所处的无线信 道场景。本示例感知的目标无线信道场景有9种,见表1。具体感知算法如下:利用2个导 频符号进行信道估计,然后提取信道特征,如频域衰落因子β表征无线信道频域变化特征和 时间相关性因子λ表征用户的多普勒变化特征,时域信道估计值的能量分布δ和莱斯因子K。 这四个信道特征组成一个特征集:ν=[β,λ,δ,K],输入到一个全链接神经网络中进行在线识 别,感知出当前用户所处的无线信道场景是表1中的哪一种。其中全链接神经网络,包含一 个输入层,2层隐藏层,一个输出层,并进行了离线预训练。
采用OFDM频域RB粒度的噪声干扰功率进行环境存在的干扰进行感知,识别出当前空 频域资源上是否有干扰存在以及干扰的强度。收集频域整个带宽上RB级的噪声功率NIRB和 RB级噪声干扰功率在空域上的协方差矩阵这两个干扰特征组成一个干扰特征集:输入到一个卷积神经网络中进行在线识别,感知出当前时刻整个带宽上哪些 RB上存在干扰,哪些空域方向上存在干扰,以及干扰强度。其中卷积神经网络,包含一个输 入层、两个卷积层、两个池化层、一个全链接层和一个输出层,并进行了离线预训练。
综合判决:根据无线传输环境和环境中干扰的感知识别结果,进行综合判决,给出当前 用户处于场景集合中的哪个场景。其中场景集合一共18种:有干扰下和无干扰下分别有9种, 见表2。针对无线信道场景的识别是所有RB结果都一样的,但干扰的识别结果是RB级的, 这里针对UE所有RB进行分组(group),假设4个RB是一个RB group(不足4的按照一个RB group处理),那么一个RB group组内一旦有一个RB上的判决结果有干扰,就认为 这个RB group是存在干扰的,最终得到RB group级的识别结果。
第二步:智能自适应接收机,根据第一步RB group级场景识别结果自适应地选择与无线 传输环境匹配的智能接收机进行OFDM信号检测,如图14所示。图14中的处理是每个RB group的处理流程,智能自适应接收机包括LS信道估计子模块和场景自适应OFDM信号检测 器子模块。
1、选定适合的神经网络OFDM信号检测器:根据第一步得到信道场景识别结果以及干 扰识别结果从神经网络信号检测器模型集合(一共18种,如表2)中选择一个与当前传播环 境最匹配的神经网络模型。这个神经网络信号检测器集合中所有模型都预先被离线训练以便 进行在线检测。
2、进行OFDM信号检测:
图16是本申请一实施例提供的神经网络信号检测器结构的示意图。本示例每个场景下的 神经网络信号检测器结构如图6所示,按照流式结构进行多个OFDM信号的检测。
先把第一导频符号YPilot,1和接收端本地导频为XPilot,1一起进行导频LS信道估计模块,得 到LS信道估计值然后和第一个数据符号YData,1一起输入到被选定的神经网络信号检测 器,得到第一个数据符号的发送数据估计值/>
然后第一个数据符号的估计值一份输入到解调模块进行解调得到第一个数据符 号的解调结果/>一份输入到硬判模块进行硬判决。
硬判结果和第一个数据符号YData,1一起输入到数据LS信道估计模块,得到LS信道估计 结果然后和第二个数据符号YData,2一起输入到被选定的神经网络信号检测器,得到第 二个数据符号的发送数据估计值/>第二个数据符号估计值/>分别输入到解调模块和 硬判模块。
后续导频和数据符号的处理流程和前面所述一样的,直到得到最后一个数据符号的解调 结果。
其中,每个场景下的神经网络信号检测器都采用带残差的卷积神经网络。离线训练时, 采用发送数据和其估计值的均方误差(MSE,Mean Square Error)为损失函数见公式(3)和 Adam优化器。损失函数收敛到一定程度后就完成了网络训练,并保存模型参数,用于后续 在线信号检测。
第三步:从第二步依次得到10个数据符号上的发送数据估计值并流水式地进行 解调,最后合并译码。其中解调和译码模块采用传统算法。
示例4:
图17是本申请一实施例提供的具有传统接收机的示意图。如图17所示,本示例和实例 3的区别为场景n的传统接收机代替了场景n的神经网络信号检测器。
图18是本申请一实施例提供的场景n传统接收机结构的示意图。如图18所示,针对每 组最小二乘信道估计值采用频域相关算法估计时偏,并进行导频上的时偏补偿,然后 补偿时偏后的信道估计值再进行时域去噪算法获得导频符号上的信道估计值,接着和第一个 数据符号YData一起进行信道均衡处理,信道均衡算法采用基于最大比合并的最小均方误差 (Minimum Mean Square Error,MMSE)均衡器。均衡后的数据进行时偏补偿,再进行频偏估 计和补偿,纠正掉数据上残留的频偏,最后得到数据/>
图19是本申请一实施例提供的通信设备的结构示意图。如图19所示,该通信设备1000 包括存储器1100、处理器1200。存储器1100、处理器1200的数量可以是一个或多个,图19 中以一个存储器1101和一个处理器1201为例;网络设备中的存储器1101和处理器1201可 以通过总线或其他方式连接,图19中以通过总线连接为例。
存储器1101作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以 及模块,如本申请任一实施例提供的方法对应的程序指令/模块。处理器1201通过运行存储 在存储器1101中的软件程序、指令以及模块实现上述方法。
存储器1101可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、 至少一个功能所需的应用程序。此外,存储器1101可以包括高速随机存取存储器,还可以包 括非易失性存储器,例如至少一个磁盘存储器件、闪存器件或其他非易失性固态存储器件。 在一些实例中,存储器1101进一步包括相对于处理器1201远程设置的存储器,这些远程存 储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、 移动通信网及其组合。
本申请一实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,该计算 机可执行指令用于执行如本申请任一实施例提供的通信方法或通信环境感知方法。
本申请一实施例还提供了一种计算机程序产品,包括计算机程序或计算机指令,该计算 机程序或计算机指令存储在计算机可读存储介质中,计算机设备的处理器从计算机可读存储 介质读取计算机程序或计算机指令,处理器执行计算机程序或计算机指令,使得计算机设备 执行如本申请任一实施例提供的通信方法或通信环境感知方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、设备中 的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组 件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组 件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信 号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成 电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质 (或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计 算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据) 的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包 括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD) 或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息 并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质 通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数 据信号中的其他数据,并且可包括任何信息递送介质。
在本说明书中使用的术语“部件”、“模块”、“系统”等用于表示计算机相关的实体、硬件、 固件、硬件和软件的组合、软件、或执行中的软件。例如,部件可以是但不限于,在处理器 上运行的进程、处理器、对象、可执行文件、执行线程、程序或计算机。通过图示,在计算 设备上运行的应用和计算设备都可以是部件。一个或多个部件可驻留在进程或执行线程中, 部件可位于一个计算机上或分布在2个或更多个计算机之间。此外,这些部件可从在上面存 储有各种数据结构的各种计算机可读介质执行。部件可例如根据具有一个或多个数据分组(例 如来自于自与本地系统、分布式系统或网络间的另一部件交互的二个部件的数据,例如通过 信号与其它系统交互的互联网)的信号通过本地或远程进程来通信。
以上参照附图说明了本申请的一些实施例,并非因此局限本申请的权利范围。本领域技 术人员不脱离本发明的范围和实质内所作的任何修改、等同替换和改进,均应在本申请的权 利范围之内。
Claims (23)
1.一种通信方法,其特征在于,所述方法包括:
接收正交频分复用OFDM信号,其中,所述OFDM信号至少包括接收导频信号和接收数据信号;
根据所述接收导频信号进行信道估计,得到信道特征;
根据所述信道特征,得到第一环境信息,其中,所述第一环境信息至少包括以下之一:通信环境速度信息、通信视距信息、通信多径延时信息;
根据所述OFDM信号得到干扰特征数据,根据所述干扰特征数据得到第二环境信息,其中,所述第二环境信息至少包括通信干扰信息;
根据所述第一环境信息和所述第二环境信息,得到通信环境感知信息;
根据所述通信环境感知信息匹配接收机。
2.根据权利要求1所述的方法,其特征在于,所述根据所述通信环境感知信息匹配接收机,包括:
根据所述通信环境感知信息,得到通信场景类型;根据所述通信场景类型,匹配接收机。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述接收导频信信号、接收数据信号、预设的本地导频信号进行信号检测,得到发送信号。
4.根据权利要求3所述的方法,其特征在于,所述根据所述接收导频信信号、接收数据信号、预设的本地导频信号进行信号检测,得到发送信号,包括:
根据所述接收导频信信号和预设的本地导频信号进行信道估计,得到信道估计值;
根据所述信道估计值和所述接收数据信号进行信道均衡,得到发送信号。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
根据所述发送信号进行解调,得到解调数据。
6.根据权利要求3所述的方法,其特征在于,
所述接收导频信号至少包括第一个接收导频符号;
所述接收数据信号至少包括第一个接收数据符号、第二个接收数据符号;
所述根据所述接收导频信信号、接收数据信号、预设的本地导频信号进行信号检测,得到发送信号还包括:
根据所述第一个接收导频符号和所述本地导频信号进行信道估计,得到第一个信道估计值;
根据所述第一个信道估计值和所述第一个接收数据信号进行信道均衡,得到第一个发送数据估计值;
根据所述第一个发送数据估计值进行硬判决,得到硬判数据;
根据所述硬判数据和所述第一个接收数据符号进行信道估计,得到第二个个信道估计值;
根据所述第二个信道估计值和所述第二个接收数据符号进行信道均衡,得到第二发个送数据估计值。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述第一个发送数据估计值进行解调,得到第一个解调数据;
根据所述第二个发送数据估计值进行解调,得到第二个解调数据。
8.根据权利要求1至3任一项所述的方法,其特征在于,所述信道特征至少包括以下之一:
频域衰落因子;时间相关性因子;时域信道估计值的能量分布;莱斯因子。
9.根据权利要求1至4、6至7任一项所述的方法,其特征在于,
所述通信环境速度信息至少包括以下之一:高速;中速;低速;
所述通信视距信息至少包括以下之一:视距;非视距;
所述通信多径延时信息至少包括以下之一:高多径时延;低多径时延。
10.根据权利要求1或2所述的方法,其特征在于,所述根据所述信道特征,得到第一环境信息,至少包括以下之一:
将所述信道特征与预设的阈值进行比较,得到第一环境信息;
将所述信道特征输入第一神经网络,得到所述第一环境信息。
11.根据权利要求1至3任一项所述的方法,其特征在于,所述干扰特征数据至少包括以下之一:
噪声干扰;接收信号强度指示;信号的协方差矩阵。
12.根据权利要求11所述的方法,其特征在于,所述噪声干扰至少包括以下之一:
全带宽噪声干扰功率;空频域维度噪声干扰;资源块RB粒度噪声干扰功率。
13.根据权利要求1至3任一项所述的方法,其特征在于,所述通信干扰信息至少包括以下之一:
有干扰;无干扰;干扰强度信息;干扰位置信息;
其中,所述干扰强度至少包括以下之一:高干扰;中干扰;低干扰。
14.根据权利要求1至3任一项所述的方法,其特征在于,所述根据所述OFDM信号对应的干扰特征数据,得到第二环境信息,至少包括以下之一:
将所述干扰特征数据与通信干扰阈值进行比较,得到第二环境信息;
将所述干扰特征数据输入第二神经网络,得到所述第二环境信息;
根据所述干扰特征数据,通过聚类算法得到所述第二环境信息。
15.根据权利要求1至3、6至7任一项所述的方法,其特征在于:所述第一环境信息至少还包括以下之一:
终端特征信息,其中,所述终端特征信息为用于表征终端特征的参数信息。
16.根据权利要求4所述的方法,其特征在于,所述根据所述接收导频信信号和预设的本地导频信号进行信道估计,得到信道估计值,包括:
根据所述接收导频信信号和预设的本地导频信号进行信道估计,得到第一信道估计值;
对所述第一信道估计值进行时频偏估计与补偿、信道估计降噪、信道插值处理,得到第二信道估计值。
17.一种通信环境感知方法,其特征在于,所述方法包括:
接收正交频分复用OFDM信号,其中,所述OFDM信号至少包括导频信号和数据信号;
根据所述导频信号携带的导频符号进行信道估计,得到信道特征;
根据所述信道特征,得到第一环境信息,其中,所述第一环境信息至少包括通信环境速度信息、通信视距信息、通信多径延时信息、终端特征信息、用户特征信息;
根据所述OFDM信号得到干扰特征数据,根据所述干扰特征数据得到第二环境信息,其中,所述第二环境信息至少包括通信干扰信息;
根据所述第一环境信息和所述第二环境信息,得到通信环境感知信息。
18.根据权利要求15所述的方法,其特征在于,所述方法还包括:
根据所述通信环境感知信息,得到通信场景类型,其中,所述通信场景类型根据通信环境速度信息、通信视距信息、通信多径延时信息、终端特征信息、通信干扰信息中的至少之一,综合判断得到。
19.一种通信装置,其特征在于,所述装置包括:
接收单元,配置为接收正交频分复用OFDM信号,其中,所述OFDM信号至少包括接收导频信号和接收数据信号;
第一分析单元,配置为根据所述接收导频信号进行信道估计得到信道特征,以及根据所述信道特征得到第一环境信息,其中,所述第一环境信息至少包括以下之一:通信环境速度信息、通信视距信息、通信多径延时信息;
第二分析单元,配置为根据所述OFDM信号得到干扰特征数据,以及根据所述干扰特征数据得到第二环境信息,其中,所述第二环境信息至少包括通信干扰信息;
处理单元,配置为根据所述第一环境信息和所述第二环境信息,得到通信环境感知信息。
20.根据权利要求19所述的通信装置,其特征在于,所述装置还包括:
匹配单元,配置为根据所述通信环境感知信息匹配接收机。
21.一种通信设备,其特征在于,包括:
存储器,配置为存储计算机程序;
处理器,配置为运行所述计算机程序,以执行如权利要求1至16中任意一项所述的通信方法,或,如权利要求17至18所述的通信环境感知方法。
22.一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计算机可执行指令,所述计算机可执行指令用于执行如权利要求1至16中任意一项所述的通信方法,或,如权利要求17至18所述的通信环境感知方法。
23.一种计算机程序产品,包括计算机程序或计算机指令,其特征在于,所述计算机程序或所述计算机指令存储在计算机可读存储介质中,计算机设备的处理器从所述计算机可读存储介质读取所述计算机程序或所述计算机指令,所述处理器执行所述计算机程序或所述计算机指令,使得所述计算机设备执行如权利要求1至16中任意一项所述的通信方法,或,如权利要求17至18所述的通信环境感知方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210982215.2A CN117640296A (zh) | 2022-08-16 | 2022-08-16 | 通信方法、环境感知方法、装置、设备、介质及产品 |
PCT/CN2023/109879 WO2024037311A1 (zh) | 2022-08-16 | 2023-07-28 | 通信方法、环境感知方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210982215.2A CN117640296A (zh) | 2022-08-16 | 2022-08-16 | 通信方法、环境感知方法、装置、设备、介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117640296A true CN117640296A (zh) | 2024-03-01 |
Family
ID=89940643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210982215.2A Pending CN117640296A (zh) | 2022-08-16 | 2022-08-16 | 通信方法、环境感知方法、装置、设备、介质及产品 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117640296A (zh) |
WO (1) | WO2024037311A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI323580B (en) * | 2006-12-29 | 2010-04-11 | Ind Tech Res Inst | Apparatus and method for adaptive wireless channel estimation |
CN109981516B (zh) * | 2019-04-04 | 2021-09-28 | 中国人民解放军国防科技大学 | 多载波系统的数据接收方法、装置、设备及可读存储介质 |
CN111432341B (zh) * | 2020-03-11 | 2021-07-02 | 大连理工大学 | 一种环境自适应定位方法 |
CN114567526B (zh) * | 2022-02-24 | 2023-08-08 | 哲库科技(北京)有限公司 | 信号解调方法、基带芯片、终端设备及存储介质 |
-
2022
- 2022-08-16 CN CN202210982215.2A patent/CN117640296A/zh active Pending
-
2023
- 2023-07-28 WO PCT/CN2023/109879 patent/WO2024037311A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024037311A1 (zh) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5717621B2 (ja) | 狭帯域干渉を受けるofdm信号を復号する方法 | |
US8923424B2 (en) | Multi-term demapping for multi-channel wireless communication | |
WO2012035453A1 (en) | Interferer parameter estimation method and apparatus | |
US20140086371A1 (en) | Interference cancellation apparatus and receiver | |
WO2016091310A1 (en) | Method and apparatus for interference estimation in wireless communication networks | |
WO2016034051A1 (zh) | 一种干扰抑制方法和装置 | |
JP2009520429A (ja) | Ofdmシステムで信号を受信する方法及び装置 | |
CN112215335B (zh) | 一种基于深度学习的系统检测方法 | |
EP2454836A2 (en) | Interferer region identification using image processing | |
EP2962414B1 (en) | Method and apparatus for cancelling an interference in wireless communication system | |
KR102343680B1 (ko) | 비직교 파형을 가지는 멀티-캐리어 시스템에서 신호를 송/수신하는 장치 및 방법 | |
CN110011744B (zh) | 端口检测方法、系统和终端 | |
WO2009095410A2 (en) | Method for estimating a channel, and decoder, terminal, and computer program | |
CN117640296A (zh) | 通信方法、环境感知方法、装置、设备、介质及产品 | |
CN105471778B (zh) | 一种信号检测方法及装置 | |
CN108092714B (zh) | 支持颜色调整及csk星座图检测的ofdm系统 | |
Evans | Optimal resource allocation for pilot symbol aided multiuser receivers in Rayleigh faded CDMA channels | |
CN113037326B (zh) | 扩频通信方法、装置、设备和可读存储介质 | |
JP2006529063A (ja) | デジタルデータ伝送のための方法とデバイス | |
CN109981516B (zh) | 多载波系统的数据接收方法、装置、设备及可读存储介质 | |
KR101341611B1 (ko) | 최대 우도 판정 기반 복호 장치 및 방법, 및 무선 통신 시스템에서 최대 우도 판정을 기반으로 하는 수신 장치 및 방법 | |
KR102005616B1 (ko) | Ofdm 기반의 dab 시스템 및 그것을 이용한 모드 및 프레임 동기 방법 | |
Arroyo-Valles et al. | Distributed wideband spectrum sensing for cognitive radio networks | |
Zetterberg et al. | Synchronization of OFDM with null subcarriers in channels with significant ICI | |
RU2405254C2 (ru) | Способ оценки канала передачи данных в системе беспроводной связи (варианты) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |