CN118056429A - 虚拟信道样本的质量评估方法和设备 - Google Patents
虚拟信道样本的质量评估方法和设备 Download PDFInfo
- Publication number
- CN118056429A CN118056429A CN202180103068.0A CN202180103068A CN118056429A CN 118056429 A CN118056429 A CN 118056429A CN 202180103068 A CN202180103068 A CN 202180103068A CN 118056429 A CN118056429 A CN 118056429A
- Authority
- CN
- China
- Prior art keywords
- information
- input information
- samples
- virtual channel
- target
- 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
- 238000001303 quality assessment method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 202
- 238000004891 communication Methods 0.000 claims description 101
- 239000006185 dispersion Substances 0.000 claims description 59
- 238000013441 quality evaluation Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 37
- 238000005070 sampling Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000011664 signaling Effects 0.000 description 49
- 239000013598 vector Substances 0.000 description 36
- 238000010586 diagram Methods 0.000 description 30
- 238000012549 training Methods 0.000 description 30
- 239000011159 matrix material Substances 0.000 description 28
- 230000008569 process Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 230000003993 interaction Effects 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000008093 supporting effect Effects 0.000 description 9
- 230000001360 synchronised effect Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000001976 improved effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008485 antagonism Effects 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 1
- YLZOPXRUQYQQID-UHFFFAOYSA-N 3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]propan-1-one Chemical compound N1N=NC=2CN(CCC=21)CCC(=O)N1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F YLZOPXRUQYQQID-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Optical Communication System (AREA)
- Stereophonic System (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
一种虚拟信道样本的质量评估方法和设备,该方法包括:第一设备获取第一输入信息和至少一个第二输入信息,其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;第一设备根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型。
Description
本申请实施例涉及通信领域,具体涉及一种虚拟信道样本的质量评估方法和设备。
对于无线信道样本的采集,考虑到采集的困难与成本,很难做到对所有场景、特征进行采集,采用生成对抗网络(Generative Adversarial Network,GAN)实现虚拟信道样本的生成和数据集扩充,是一种有效的大规模数据集获取方法。然而,该方法也有明显的缺点:
其一,当GAN的生成器与鉴别器的网络设计,损失函数等选择不合适,训练没有达到稳定收敛时,难以拟合真实信道样本的分布,导致虚拟信道样本与真实信道样本的相似度较差,无法使用;
其二,为了达到足够的相似度,GAN的生成器在训练过程中,为了拟合真实信道样本的分布,可能趋向于保守,即生成的虚拟信道样本与真实信道样本的相似度很高,但是虚拟信道样本之间的相似度也较高,也就是所谓的模式坍缩。这导致大量的虚拟信道样本实际并没有覆盖更多的信道特征,因而并没有有效的提升数据集规模的目的。
因此,如何设计并实现一种虚拟信道样本的质量评价方法,以用于指导GAN的训练过程,生成高质量的虚拟信道样本以用于构建大规模高质量信道数据集,用来支持人工智能与无线通信系统融合的研究,是一个亟待解决的关键问题。
发明内容
本申请提供了一种虚拟信道样本的质量评估方法和设备,能够实现虚拟信道样本的有效质量评估。
第一方面,提供了一种虚拟信道样本的质量评估方法,包括:第一设备获取第一输入信息和至少一个第二输入信息,其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;
第一设备根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型。
第二方面,提供了一种虚拟信道样本的质量评估方法,包括:第二设备向第一设备发送的第一信息,所述第一信息包括以下中的至少一项:第一输入信息,为真实信道样本的信息;至少一个第二输入信息,为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;所述至少一个生成器的索引。
第三方面,提供了一种虚拟信道样本的质量评估方法,包括:第一设备根据第一输入信息和第二输入信息,确定所述第二输入信息的质量评估信息;其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述第二输入信息的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
第四方面,提供了一种无线通信的设备,用于执行上述第一方面或其各实现方式中的方法。
具体地,该第一设备包括用于执行上述第一方面或其各实现方式中的方法的功能模块。
第五方面,提供了一种无线通信的设备,用于执行上述第二方面或其各实现方式中的方法。
具体地,该第二设备包括用于执行上述第二方面或其各实现方式中的方法的功能模块。
第六方面,提供了一种无线通信的设备,用于执行上述第二方面或其各实现方式中的方法。
具体地,该第二设备包括用于执行上述第三方面或其各实现方式中的方法的功能模块。
第七方面,提供了一种无线通信的设备,包括处理器和存储器。该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行上述第一方面或其各实现方式中的方法。
第八方面,提供了一种无线通信的设备,包括处理器和存储器。该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行上述第二方面或其各实现方式中的方法。
第九方面,提供了一种无线通信的设备,包括处理器和存储器。该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行上述第三方面或其各实现方式中的方法。
第十方面,提供了一种芯片,用于实现上述第一方面至第三方面中的任一方面或其各实现方式中的方法。
具体地,该芯片包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有该装置的设备执行如上述第一方面至第三方面中的任一方面或其各实现方式中的方法。
第十一方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序使得计算机执行上述第一方面至第三方面中的任一方面或其各实现方式中的方法。
第十二方面,提供了一种计算机程序产品,包括计算机程序指令,所述计算机程序指令使得计算机执行上述第一方面至第三方面中的任一方面或其各实现方式中的方法。
第十三方面,提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面至第三方面中的任一方面或其各实现方式中的方法。
通过上述技术方案,设备可以获取真实信道样本的第一输入信息和虚拟信道样本的至少一个第二输入信息,其中,该至少一个第二输入信息对应至少一个生成器模型。进一步基于第一输入信息和该至少一个第二输入信息对虚拟信道样本进行质量评估,和/或,该至少一个生成器模型中的目标生成器模型,能够支持在线的虚拟信道质量评估和生成器模型选择,有利于满足通信系统中的模型更新,迁移学习等数据集扩充需求。
图1是本申请实施例提供的一种通信系统架构的示意性图。
图2是一种CSI自编码器模型的示意图。
图3是生成对抗网络的示意性原理图。
图4是根据本申请实施例提供的一种虚拟信道样本的质量评估方法的示意性图。
图5是本申请实施例提供的一种时域信道样本的示意性图。
图6是本申请实施例提供的一种频域信道样本的示意性图。
图7是本申请实施例提供的一种角度域信道样本的示意性图。
图8是本申请实施例提供的一种虚拟信道样本的质量评估方法的示意性交互图。
图9是本申请实施例提供的另一种虚拟信道样本的质量评估方法的示意性交互图。
图10是本申请实施例提供的又一种虚拟信道样本的质量评估方法的示意性交互图。
图11是本申请实施例提供的再一种虚拟信道样本的质量评估方法的示意性交互图。
图12是根据本申请实施例的虚拟信道样本的质量评估方法的工作原理图。
图13是根据本申请实施例提供的另一种虚拟信道样本的质量评估方法的示意性图。
图14是根据本申请实施例的虚拟信道样本的质量评估方法的工作原理图。
图15是根据本申请实施例提供的一种无线通信的设备的示意性框图。
图16是根据本申请实施例提供的另一种无线通信的设备的示意性框图。
图17是根据本申请实施例提供的又一种无线通信的设备的示意性框图。
图18是根据本申请实施例提供的一种通信设备的示意性框图。
图19是根据本申请实施例提供的一种芯片的示意性框图。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。针对本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例的技术方案可以应用于各种通信系统,例如:全球移动通讯(Global System of Mobile communication,GSM)系统、码分多址(Code Division Multiple Access,CDMA)系统、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)系统、通用分组无线业务(General Packet Radio Service,GPRS)、长期演进(Long Term Evolution,LTE)系统、先进的长期演进(Advanced long term evolution,LTE-A)系统、新无线(New Radio,NR)系统、NR系统的演进系统、非授权频谱上的LTE(LTE-based access to unlicensed spectrum,LTE-U)系统、非授权频谱上的NR(NR-based access to unlicensed spectrum,NR-U)系统、非地面通信网络(Non-Terrestrial Networks,NTN)系统、通用移动通信系统(Universal Mobile Telecommunication System,UMTS)、无线局域网(Wireless Local Area Networks,WLAN)、无线保真(Wireless Fidelity,WiFi)、第五代通信(5th-Generation,5G)系统或其他通信系统等。
通常来说,传统的通信系统支持的连接数有限,也易于实现,然而,随着通信技术的发展,移动通信系统将不仅支持传统的通信,还将支持例如,设备到设备(Device to Device,D2D)通信,机器到机器(Machine to Machine,M2M)通信,机器类型通信(Machine Type Communication,MTC),车辆间(Vehicle to Vehicle,V2V)通信,或车联网(Vehicle to everything,V2X)通信等,本申请实施例也可以应用于这些通信系统。
可选地,本申请实施例中的通信系统可以应用于载波聚合(Carrier Aggregation,CA)场景,也可以应用于双连接(Dual Connectivity,DC)场景,还可以应用于独立(Standalone,SA)布网场景。
可选地,本申请实施例中的通信系统可以应用于非授权频谱,其中,非授权频谱也可以认为是共 享频谱;或者,本申请实施例中的通信系统也可以应用于授权频谱,其中,授权频谱也可以认为是非共享频谱。
本申请实施例结合网络设备和终端设备描述了各个实施例,其中,终端设备也可以称为用户设备(User Equipment,UE)、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置等。
终端设备可以是WLAN中的站点(STATION,ST),可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol,SIP)电话、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、下一代通信系统例如NR网络中的终端设备,或者未来演进的公共陆地移动网络(Public Land Mobile Network,PLMN)网络中的终端设备等。
在本申请实施例中,终端设备可以部署在陆地上,包括室内或室外、手持、穿戴或车载;也可以部署在水面上(如轮船等);还可以部署在空中(例如飞机、气球和卫星上等)。
在本申请实施例中,终端设备可以是手机(Mobile Phone)、平板电脑(Pad)、带无线收发功能的电脑、虚拟现实(Virtual Reality,VR)终端设备、增强现实(Augmented Reality,AR)终端设备、工业控制(industrial control)中的无线终端设备、无人驾驶(self driving)中的无线终端设备、远程医疗(remote medical)中的无线终端设备、智能电网(smart grid)中的无线终端设备、运输安全(transportation safety)中的无线终端设备、智慧城市(smart city)中的无线终端设备或智慧家庭(smart home)中的无线终端设备等。
作为示例而非限定,在本申请实施例中,该终端设备还可以是可穿戴设备。可穿戴设备也可以称为穿戴式智能设备,是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,例如:智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能首饰等。
在本申请实施例中,网络设备可以是用于与移动设备通信的设备,网络设备可以是WLAN中的接入点(Access Point,AP),GSM或CDMA中的基站(Base Transceiver Station,BTS),也可以是WCDMA中的基站(NodeB,NB),还可以是LTE中的演进型基站(Evolutional Node B,eNB或eNodeB),或者中继站或接入点,或者车载设备、可穿戴设备以及NR网络中的网络设备(gNB)或者未来演进的PLMN网络中的网络设备或者NTN网络中的网络设备等。
作为示例而非限定,在本申请实施例中,网络设备可以具有移动特性,例如网络设备可以为移动的设备。可选地,网络设备可以为卫星、气球站。例如,卫星可以为低地球轨道(low earth orbit,LEO)卫星、中地球轨道(medium earth orbit,MEO)卫星、地球同步轨道(geostationary earth orbit,GEO)卫星、高椭圆轨道(High Elliptical Orbit,HEO)卫星等。可选地,网络设备还可以为设置在陆地、水域等位置的基站。
在本申请实施例中,网络设备可以为小区提供服务,终端设备通过该小区使用的传输资源(例如,频域资源,或者说,频谱资源)与网络设备进行通信,该小区可以是网络设备(例如基站)对应的小区,小区可以属于宏基站,也可以属于小小区(Small cell)对应的基站,这里的小小区可以包括:城市小区(Metro cell)、微小区(Micro cell)、微微小区(Pico cell)、毫微微小区(Femto cell)等,这些小小区具有覆盖范围小、发射功率低的特点,适用于提供高速率的数据传输服务。
示例性的,本申请实施例应用的通信系统100如图1所示。该通信系统100可以包括网络设备110,网络设备110可以是与终端设备120(或称为通信终端、终端)通信的设备。网络设备110可以为特定的地理区域提供通信覆盖,并且可以与位于该覆盖区域内的终端设备进行通信。
图1示例性地示出了一个网络设备和两个终端设备,可选地,该通信系统100可以包括多个网络设备并且每个网络设备的覆盖范围内可以包括其它数量的终端设备,本申请实施例对此不做限定。
可选地,该通信系统100还可以包括网络控制器、移动管理实体等其他网络实体,本申请实施例对此不作限定。
应理解,本申请实施例中网络/系统中具有通信功能的设备可称为通信设备。以图1示出的通信系统100为例,通信设备可包括具有通信功能的网络设备110和终端设备120,网络设备110和终端设备120可以为上文所述的具体设备,此处不再赘述;通信设备还可包括通信系统100中的其他设备,例如网络控制器、移动管理实体等其他网络实体,本申请实施例中对此不做限定。
应理解,本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种 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。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应理解,在本申请的实施例中提到的“指示”可以是直接指示,也可以是间接指示,还可以是表示具有关联关系。举例说明,A指示B,可以表示A直接指示B,例如B可以通过A获取;也可以表示A间接指示B,例如A指示C,B可以通过C获取;还可以表示A和B之间具有关联关系。
在本申请实施例的描述中,术语“对应”可表示两者之间具有直接对应或间接对应的关系,也可以表示两者之间具有关联关系,也可以是指示与被指示、配置与被配置等关系。
本申请实施例中,"预定义"可以通过在设备(例如,包括终端设备和网络设备)中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现,本申请对于其具体的实现方式不做限定。比如预定义可以是指协议中定义的。
本申请实施例中,所述"协议"可以指通信领域的标准协议,例如可以包括LTE协议、NR协议以及应用于未来的通信系统中的相关协议,本申请对此不做限定。
为便于理解本申请实施例,对人工智能(Artificial Intelligence,AI)相关的物理层解决方案进行说明。
伴随着AI的快速发展,结合AI的无线通信,尤其是物理层的解决方案,成为未来无线通信系统发展的一个重要演进技术,并且吸引了学术界与工业界的广泛关注。一般来说,基于AI的解决方案,需要构建高质量的数据集,并设计适配的深度神经网络(Deep Neural Network,DNN),卷积神经网络(Convolutional Neural Network,CNN),循环神经网络(Recurrent Neural Network,RNN)等深度学习网络架构。AI技术可以挖掘大数据集的潜在特征,并拟合从输入到输出的非线性映射,更好的完成任务目标。基于AI的无线通信物理层解决方案,在难以建模的非线性问题上具有显著的优势,可以获得明显的增益。
以基于AI的信道状态信息(Channel State Information,CSI)反馈为例,通过构建如图2所示的CSI自编码器,包含终端侧的编码器与网络侧的解码器,可以将CSI输入压缩成反馈比特流反馈至网络侧,并由解码器恢复出原始CSI。该方案通过合理的设计编码器与解码器结构,例如采用较为经典的残差的神经网络(Residual Neural Network,ResNet)结构,Transformer自注意力机制等网络架构,均可以在较少的反馈比特下,实现更好的CSI反馈性能。其中,CSI输入和CSI输出,可以采用全信道信息,也可以采用信道特征向量。
以采用信道特征向量进行压缩反馈为例,在链路级CDL-C300信道和反馈比特48bit配置下,规定增强的类型II(eTypeII)码本的恢复CSI特征向量的余弦相似度平方值为0.84,而基于ResNet自编码器架构,可以实现余弦相似度平方值为0.94的CSI恢复程度,相比现有的经典的eTypeII码本方案,能够显著提升CSI的恢复精度。
但是,基于AI的CSI自编码器方案需要构建大量的信道数据集,上述CSI恢复程度是在采样了1000个终端,100个时隙样本的信道下构建的包含10
5条信道样本的数据集用于CSI自编码器的训练得到的。大规模的数据集覆盖了信道在空间,时间,频率各个维度的样本特征,有利于深度网络模型提取特征并进行非线性拟合。而当数据集规模不足时,无法有效覆盖信道样本特征,基于AI的CSI自编码方案会在小规模的数据集上形成过拟合,泛化性较差,在实际部署的测试信道上性能会出现显著下降。
因此,在未来无线通信系统发展过程中,需要获取大规模的高质量的信道数据集,来保证模型的泛化性,进而提升基于AI的无线通信物理层解决方案的性能。
为便于理解本申请实施例,对本申请相关的信道样本采集与信道建模进行说明。
为了获取大规模,高质量的信道数据集,一种最直接的实现方式是对于实际无线信道做采集。对于实际的小区环境,通过部署信号发射机和信号接收机获得无线信道信息,或者通过特定的接收机采集第三方发射机(例如基站)的信号从而获得无线信道信息。通过上述方法,可以直接地获取无线信道的传播特性,从而辅助无线通信系统的设计。
对于无线信道样本的采集,考虑到采集的困难与成本,很难做到对所有场景、特征进行采集。在无线信道样本采集的基础上,传统无线信道建模类的工作可以在有限的无线信道样本上提取出给定信道的相关传输的统计特征,例如大尺度参数、小尺度参数。比如,多径信息、时延功率谱密度、传输发射角或到达角等,并通过该统计特征实现对信道的建模。该信道建模方法可以通过引入随机的终端位置以及对应的小尺度参数,进而生成不同的无线信道样本。然而,随着无线通信系统的发展,在频段上逐渐向高频迈进,在场景上逐步走向更加复杂的空天地海等特殊环境,在应用范围上向人机交互、物联网交互、工业应用、特种应用等更多场景扩展,使得对于当前无线通信系统所需要面对的无线信 道环境越来越复杂。
在上述情况下,对于无线信道样本的采集显得十分困难,这里的困难既有技术层面的困难,也有操作层面的困难。与此同时,对于上述复杂信道的数学建模也面临巨大挑战,频段、环境、场景的复杂性会知道导致信道建模的复杂性,非线性的信道特征以及难以拟合的信道传播特性会对传统数学建模来研究信道的方式带来困难与挑战,例如高频信道建模目前还是一个亟待解决的问题。更进一步地,复杂场景和应用环境下的实际信道环境建模与理想信道建模之间的差异还将继续随着信道环境的复杂程度极具增加。由此可见,在复杂频段、复杂环境、复杂场景下,通过信道实采和传统数学建模的方式来获取信道特征信息是一个重大挑战。
为便于理解本申请实施例,对本申请相关的生成对抗网络(Generative Adversarial Network,GAN)进行说明。
GAN作为近年来最具有前景的无监督学习方法分支,在AI领域引起广泛关注。GAN模型至少包括两个模块,即生成器(Generator)和鉴别器(Discriminator),如图3所示。在GAN中同时训练生成器和鉴别器,其中,生成器模拟真实样本数据的分布,而鉴别器判断输入数据是来自于真实样本还是生成样本。生成器的训练过程是将鉴别器的错误概率最大化,而鉴别器的训练过程是在固定生成器的前提下,将判断错误概率最小化。通过生成器和鉴别器的互相博弈,在GAN模型稳定收敛下,可以使得生成器输出的样本能够模拟真实数据样本。基于理想的GAN的生成器,可以在真实的图片或语音数据的基础上,生成假的图片或语音数据,达到以假乱真的效果。进一步的,也可以实现对小样本的真实样本的数据补充,实现更大规模的数据集。
采用GAN实现虚拟信道样本的生成和数据集扩充,是一种有效的大规模数据集获取方法。然而,该方法也有明显的缺点。由于虚拟信道样本的生成质量取决于GAN训练过程中的生成器训练的好坏,而在实际的GAN的训练过程中,由于生成器与鉴别器处于相互博弈状态,因而达到稳定的平衡收敛状态较为困难;同时,对于GAN生成的虚拟信道样本,其信道质量与GAN的损失函数之间不存在显式的对应关系。
一般地,基于GAN生成的虚拟信道样本可能出现两个缺点:
其一,当GAN的生成器与鉴别器的网络设计,损失函数等选择不合适,训练没有达到稳定收敛时,难以拟合真实信道样本的分布,导致虚拟信道样本与真实信道样本的相似度较差,无法使用;
其二,为了达到足够的相似度,GAN的生成器在训练过程中,为了拟合真实信道样本的分布,可能趋向于保守,即生成的虚拟信道样本与真实信道样本的相似度很高,但是虚拟信道样本之间的相似度也较高,也就是所谓的模式坍缩。这导致大量的虚拟信道样本实际并没有覆盖更多的信道特征,因而并没有有效的提升数据集规模的目的。
因此,目前对于基于AI的无线通信解决方案,由于没有直接的虚拟信道质量的评价方法,来评价该虚拟信道数据集在特定AI无线通信任务上的表现性能。只能通过反复的部署实验才能判定,这也进一步增大了实际的部署成本。
综上所述,如何设计并实现一种虚拟信道样本的质量评价方法,并指导GAN的训练过程,生成高质量的虚拟信道样本以用于构建大规模高质量信道数据集,用来支持人工智能与无线通信系统融合的研究,是一个亟待解决的关键问题。
为便于理解本申请实施例的技术方案,以下通过具体实施例详述本申请的技术方案。以上相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。本申请实施例包括以下内容中的至少部分内容。
图4是根据本申请实施例的虚拟信道样本的质量评估方法200的示意性交互图,如图4所示,该方法200包括如下至少部分内容:
S210,第一设备获取第一输入信息和至少一个第二输入信息,其中,第一输入信息为真实信道样本的信息,第二输入信息为虚拟信道样本的信息,至少一个第二输入信息对应至少一个生成器模型;
S220,第一设备根据第一输入信息和至少一个第二输入信息,对至少一个第二输入信息进行质量评估和/或确定至少一个生成器模型中的目标生成器模型。
应理解,本申请的技术方案可以用于在离线训练过程中对信道生成器模型的选择,也可用于在线生成网络训练过程中的信道生成器选择。例如,当网络设备侧或终端设备侧采用生成网络对在线数据集进行扩充生成时,需要评价所生成的虚拟信道样本的质量,则可以基于本申请实施例的技术方案对生成的虚拟信道样本进行质量评估,进一步基于评估结果选择信道生成器。
在本申请一些实施例中,第一设备可以为终端设备,或者网络设备。即可以由终端设备或网络设备对虚拟信道样本进行质量评估,和/或,目标生成器模型选择。
在本申请一些实施例中,信道可以指物理信道,例如包括物理上行信道和/或物理下行信道。
可选地,物理上行信道可以包括但不限于物理上行共享信道(Physical Uplink Shared Channel,PUSCH),物理下行信道可以包括但不限于物理下行共享信道(Physical Downlink Shared Channel,PDSCH)。
在本申请一些实施例中,第一输入信息是真实信道样本的信息,例如,执行无线信道采集得到的,或者,通过测量参考信号得到的。
应理解,根据参考信号的发送端和接收端的不同,参考信号也相应的不同。例如,若参考信号的发送端为终端设备,参考信号的接收端为网络设备,则参考信号可以为探测参考信号(Sounding Reference Signal,SRS)或解调参考信号(Demodulation Reference Signal,DMRS)等。又例如,若参考信号的发送端为网络设备,参考信号的接收端为终端设备,则参考信号可以为同步信号块(Synchronization Signal Block,SSB)或信道状态信息参考信号(Channel State Information Reference Signal,CSI-RS)等。
应理解,本申请实施例并不限定第一输入信息包括的真实信道样本的数量,获取时间和获取方式,例如,所述第一输入信息可以是同时获取的,或者,也可以是分批获取的。
在本申请一些实施例中,第一输入信息可以包括完整的真实信道样本的信息,或者,也可以包括部分真实信道样本的信息,例如,第一输入信息是对完整的真实信道样本的信息进行裁剪得到的。
例如,真实信道样本的信息为真实信道样本的特征向量或特征矩阵,第一输入信息可以是真实信道样本的特征向量或特征矩阵,或者,也可以是真实信道样本的特征向量的子向量或真实信道样本的特征矩阵的子矩阵。
在本申请一些实施例中,第二输入信息是虚拟信道样本的信息。例如,第二输入信息是由生成器生成的。可选地,该生成器可以包括但不限于生成对抗网络GAN中的生成器。
在本申请一些实施例中,第二输入信息可以包括完整的虚拟信道样本的信息,或者,也可以包括部分虚拟信道样本的信息,例如,第二输入信息是对生成的完整的虚拟信道样本的信息进行裁剪得到的。例如,虚拟信道样本的信息为虚拟信道样本的特征向量或特征矩阵,第二输入信息可以是虚拟信道样本的特征向量或特征矩阵,或者,也可以是虚拟信道样本的特征向量的子向量或虚拟信道样本的特征矩阵的子矩阵。
在一些实施例中,所述至少一个第二输入信息可以对应至少一个生成器模型,或者,所述至少一个第二输入信息和至少一个生成器模型一一对应。
例如,所述至少一个第二输入信息包括多个第二输入信息,所述多个第二输入信息是由不同的生成器模型生成的。对于每个第二输入信息,可以包括由对应的生成器模型生成的多个虚拟信道样本的信息。
应理解,本申请实施例并不限定每个第二输入信息包括的虚拟信道样本的数量,获取时间和获取方式。可选地,所述第二输入信息包括的虚拟信道样本可以是由对应的生成器模型一次生成的,或者,也可以是由对应的生成器模型分批生成的,只要对应同一生成器模型的第二输入信息由同一生成器模型生成即可,本申请对于每个第二输入信息的生成方式不作限定。
可选地,每个第二输入信息包括的虚拟信道样本的数量可以相同,或者,也可以不同。
在一些实施例中,该至少一个生成器模型可以是网络训练过程中的不同轮次的生成器模型。
也即,在网络训练过程中,可以保存不同轮次的生成器模型,以及该生成器模型生成的虚拟信道样本,用于生成所述至少一个第二输入信息。
由于基于不同生成器模型的第二输入信息中的虚拟信道样本的质量可能会有差异,通过对该至少一个第二输入信息进行质量评估,选择质量最优的虚拟信道样本对应的生成器模型为目标生成器模型,进一步地,基于该目标生成器模型进行信道样本数据集的扩充,有利于提升信道样本数据集的质量。
在本申请一些实施例中,所述真实信道样本包括但不限于以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在本申请一些实施例中,所述虚拟信道样本包括但不限于以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
应理解,在本申请实施例中,角度域信道样本也可以称为:天线域信道样本,或空间域信道样本。
还应理解,在本申请实施例中,真实信道样本和虚拟信道样本的类型相同,例如,均为时域信道样本,或者,均为频域信道样本,或者,均为角度域信道样本等。
以下,分别说明上述三种类型的信道样本的具体实现,其适用于真实信道样本和虚拟信道样本。
在本申请一些实施例中,时域信道样本的信息包括但不限于以下至少一个维度的信息:
第一维度,例如发射天线数或发射端口数维度;
第二维度,例如接收天线数或接收端口数维度;
第三维度,例如时域粒度长度维度。
在一些实施例中,所述时域粒度长度可以包括但不限于以下中的至少一种:
信道的真实多径数,按照第一采样率在时域上采样的采样点个数,进行时域采样的时间单元个数。
可选地,第一采样率可以是预定义的,或者,网络设备配置的。
可选地,时间单元可以为任意时间单元,例如包括但不限于:时隙,符号等。
应理解,在本申请实施例中,对于真实时域信道样本,在第一维度上的资源可以包括真实时域信道样本在该第一维度的全部资源,也可以包括真实时域信道样本在该第一维度的部分资源。类似地,对于第二维度和第三维度亦是如此。即,第一输入信息,可以对应真实信道样本的特征向量或特征矩阵,或者,也可以对应真实信道样本的特征向量的子向量,或真实信道样本的特征矩阵的子矩阵。
类似地,对于虚拟时域信道样本,在第一维度上的资源可以是虚拟时域信道样本在该第一维度的全部资源,也可以包括虚拟时域信道样本在该第一维度的部分资源。类似地,对于第二维度和第三维度亦是如此。即,第二输入信息,可以对应虚拟信道样本的特征向量或特征矩阵,或者,也可以对应虚拟信道样本的特征向量的子向量,或虚拟信道样本的特征矩阵的子矩阵。
应理解,在本申请实施例中,当第一输入信息在某个维度上的资源包括真实信道样本在该维度上的部分资源时,可以是对真实信道样本在该维度上进行裁剪(或者说,截取,选择)得到的。可选地,该裁剪可以指连续的裁剪,或者,也可以是离散的裁剪。也即,第一输入信息在该维度上的资源可以是连续的资源,或者,也可以是离散的资源。
例如,当信道为物理下行信道或物理上行信道时,可以只裁剪承载PDSCH或PUSCH的连续物理资源块(Resource Block,RB),或者,只对于承载DMRS,CSI-RS,SRS等参考信号的真实物理信道的RB进行裁剪,或者,只对不承载参考信号的真实物理信道的RB进行裁剪。
对应地,当对真实信道样本进行裁剪得到第一输入信息时,也可以采用类似的方式对虚拟信道样本进行裁剪以得到第二输入信息,其中,第二输入信息中的虚拟信道的子向量或子矩阵与所述第一输入信息中真实信道的子向量或子矩阵所占用的物理资源一一对应。
为便于区分和描述,在本申请实施例中,将真实信道样本记为h,将虚拟信道样本记为
图5是本申请实施例提供的一种时域信道样本信息的示意性图。如图5所示,完整的真实时域信道样本在第一维度上的长度为M,第二维度上的长度为N,第三维度上的长度为D。
可选地,第一输入信息在第一维度上的长度可以小于或等于M,图5以第一输入信息在第一维度上的长度为m作为示例,其中,m<M,但本申请并不限于此。
即第一维度上的第一输入信息是将完整的真实信道样本在第一维度上进行截取得到的。
对应地,第一维度上的第二输入信息也可以是将完整的虚拟信道样本在第一维度上截取相同长度(即长度m)的信息得到的。
可选地,也可以在第二维度和/或第三维度上对真实信道样本和虚拟信道样本进行截取以得到第二维度和/或第三维度上的第一输入信息和第二输入信息,本申请实施例对于裁剪信道样本的维度,方式和大小不做限制,当然,也可以不对真实信道样本和虚拟信道样本进行裁剪,此情况下,第一输入信息可以是真实信道样本的特征向量或特征矩阵,第二输入信息可以是虚拟信道样本的特征向量或特征矩阵。
在本申请一些实施例中,所述频域信道样本的信息包括但不限于以下至少一个维度的信息:
第一维度,例如,发射天线数或发射端口数维度;
第二维度,例如,接收天线数或接收端口数维度;
第三维度,例如,频域粒度长度维度;
第四维度,例如,时域粒度长度维度。
在一些实施例中,所述时域粒度长度的具体实现参考时域信道样本中的时域粒度长度的相关描述,这里不再赘述。
在一些实施例中,所述频域粒度长度可以为任意频域单元长度,例如包括但不限于以下中的至少一种:子载波数,资源块数,子带数。即,频域信道样本的一个频域单元可以为一个或多个子载波,或者一个或多个RB,或者,一个或多个子带。
在一些实施例中,频域信道样本的第一维度和第二维度可以组成收发天线数对或收发端口对的联合维度,本申请对于频域信道样本的具体表征方式不作限定。
应理解,在本申请实施例中,对于真实频域信道样本,在第一维度上的资源可以包括真实频域信道样本在该第一维度的全部资源,也可以包括真实频域信道样本在该第一维度的部分资源,类似地,对于第二维度、第三维度和第四维度亦是如此。即,第一输入信息,可以对应真实信道样本的特征向量或特征矩阵,或者,也可以对应真实信道样本的特征向量的子向量,或真实信道样本的特征矩阵的 子矩阵。
类似地,对于虚拟频域信道样本,在第一维度上的资源可以包括虚拟频域信道样本在该第一维度的全部资源,也可以包括虚拟频域信道样本在该第一维度的部分资源,类似地,对于第二维度、第三维度和第四维度亦是如此。即,第二输入信息,可以对应虚拟信道样本的特征向量或特征矩阵,或者,也可以对应虚拟信道样本的特征向量的子向量,或虚拟信道样本的特征矩阵的子矩阵。
应理解,在本申请实施例中,在第一输入信息在某个维度上包括频域信道样本在该维度的部分资源时,可以是在该维度上对频域信道样本进行裁剪得到的,具体的裁剪方式参考前述实施例的相关说明,这里不再赘述。
图6是本申请实施例提供的一种频域信道样本信息的示意性图。如图6所示,完整的真实频域信道样本在第一维度上的长度为M,第二维度上的长度为N,第三维度上的长度为B,第四维度上的长度为T。
在图6的示例中,频域信道样本的第一维度与第二维度组成收发天线对的联合维度,其维度大小为MN,图6中的每一个方块代表一个资源单元上的频域信道系数。
可选地,对于第一输入信息和第二输入信息,可以在第三维度和第四维度上进行剪裁或者选择,例如,在第三维度上只选择前b<B个子载波,在第四维度上只选择后t<T个符号。
可选地,所述b个子载波可以是连续的。例如,所述b个子载波可以是承载物理信道的连续b个子载波,或者,所述b个子载波也可以是离散的,例如,所述b个子载波可以是承载参考信号的物理信道所占用的子载波,或者,不承载参考信号的物理信道所占用的子载波。
可选地,所述t个符号可以是连续的,例如,所述t个符号可以是承载物理信道的连续t个符号,或者,所述t个符号也可以是离散的,例如,所述t个符号可以是承载参考信号的物理信道所占用的符号,或者,不承载参考信号的物理信道所占用的符号。
应理解,第二输入信息中的虚拟信道的子向量或子矩阵所占用的物理资源和第一输入信息中的真实信道的子向量或子矩阵所占用的物理资源一一对应。
在本申请一些实施例中,所述角度域信道样本由天线域的信道经过傅里叶变换得到的。例如,对于发射端或接收端存在多根天线的情况,比如单输入多输出(Single-input Multi-output,SIMO),多输入单输出(Multi-input Single-output,MISO)和多输入多输出(Multi-input Multi-output;MIMO)通信系统,可以采集角度域信道样本。
在本申请一些实施例中,所述角度域信道样本的信息包括以下至少一个维度的信息:
第一维度,例如发射角度维度;
第二维度,例如到达角度维度;
第三维度,例如时域粒度长度或频域粒度长度维度。
可选地,当发射端或接收端是单根天线时,第一维度或第二维度可以不存在。
在一些实施例中,第一维度可以包含一个或两个子维度,例如,水平方向发射角维度和/或垂直方向发射角维度。
在一些实施例中,第二维度可以包含一个或两个子维度,例如,水平方向到达角维度和/或垂直方向到达角维度。其中,水平方向到达角可以由对应发射或接收天线的水平方向天线阵列构成的子信道经过傅里叶变换得到,垂直到达角可以由对应发射或接收天线的垂直方向天线阵列构成的子信道经过傅里叶变换得到。
在一些实施例中,第一维度包括的子维度的个数和第二维度包括的子维度个数可以相同,或者,也可以不同。例如,第一维度可以包括水平方向发射角维度和垂直方向发射角维度,第二维度可以包括水平方向到达角维度或垂直方向到达角维度,或者,第一维度可以包括水平方向发射角维度或垂直方向发射角维度,第二维度可以包括水平方向到达角维度和垂直方向到达角维度。
在一些实施例中,第一维度的角度覆盖范围和第二维度的角度覆盖范围,可以是相同的,也可以是不同的。
例如,第一维度和第二维度均可以为(-90,90)度的角度覆盖范围。
又例如,第一维度为(-90,90)度的角度覆盖范围,第二维度为(0,180)度的角度覆盖范围。
在一些实施例中,第一维度的角度粒度可以是均匀配置的,即每个角度粒度代表的角度值是固定值,例如2度,5度或10度等,或者,也可以是非均匀配置的,例如,按照角度的正弦值或余弦值均匀划分。
在一些实施例中,第二维度的角度粒度可以是均匀配置的,即每个角度粒度代表的角度值是固定值,例如2度,5度或10度等,或者,也可以是非均匀配置的,例如,按照角度的正弦值或余弦值均匀划分。
在一些实施例中,第一维度和第二维度的角度粒度或角度划分方法可以是相同的,或者,也可以是不同的。
可选地,第三维度可以是时域粒度长度维度或者频域粒度长度维度,即角度域信道可以是时域的,也可以是频域的。其中,时域粒度长度和频域粒度长度的具体实现参考前述实施例的相关描述,这里不再赘述。
应理解,在本申请实施例中,对于真实角度域信道样本,在第一维度上的资源可以包括真实角度域信道样本在该第一维度的全部资源,也可以包括真实角度域信道样本在该第一维度的部分资源,类似地,对于第二维度和第三维度亦是如此。即,第一输入信息,可以对应真实信道样本的特征向量或特征矩阵,或者,也可以对应真实信道样本的特征向量的子向量,或真实信道样本的特征矩阵的子矩阵。
类似地,对于虚拟角度域信道样本,在第一维度上的资源可以包括虚拟角度域信道样本在该第一维度的全部资源,也可以包括虚拟角度域信道样本在该第一维度的部分资源,类似地,对于第二维度和第三维度和第四维度亦是如此。即,第二输入信息,可以对应虚拟信道样本的特征向量或特征矩阵,或者,也可以对应虚拟信道样本的特征向量的子向量,或虚拟信道样本的特征矩阵的子矩阵。
应理解,在本申请实施例中,在第一输入信息在某个维度上包括角度域信道样本在该维度的部分资源时,可以是在该维度上对角度域信道样本进行裁剪得到的,具体的裁剪方式参考前述实施例的相关说明,这里不再赘述。
图7是本申请实施例提供的一种角度域信道样本信息的示意性图。如图7所示,角度域信道样本的第一维度为水平方向发射角维度,第二维度为水平方向到达角维度,第三维度是时域粒度长度维度,其中,时域粒度长度是以信道的真实多径时延数为例。
作为示例,如图7所示,第一维度包含(-90,90)度的水平方向发射角度,第二维度包含(-90,90)度的水平方向到达角,每个方格代表角度粒度大小,该角度粒度可以是在水平角度上均匀配置的,即每个角度粒度代表的角度值固定,如2度,5度,10度,或者,也可以是在水平角度上非均匀配置的,例如是对角度的正弦值或余弦值均匀划分得到的。
可选地,第一维度和第二维度的角度划分粒度和划分方法,可以是相同的,也可以是不同的。
可选地,第一维度和第二维度的角度覆盖范围,可以是相同的,也可以是不同的。
应理解,在图7的示例中,可以在第一维度,第二维度和第三维度中的至少一个维度上对角度域信道样本进行裁剪,本申请对于具体的裁剪方式不作限定。
在本申请一些实施例中,所述方法200还包括:
所述第一设备获取第一配置信息,所述第一配置信息用于配置以下中的至少一项:
所述第一输入信息的生成方式;
所述至少一个第二输入信息的生成方式;
所述至少一个第二输入信息的质量评估参数。
例如,可以根据第一配置信息和采集的真实信道样本得到第一输入信息,和/或,根据第一配置信息和生成器生成的虚拟信道样本得到第二输入信息。
又例如,根据第一配置信息对至少一个第二输入信息进行质量评估。
在一些实施例中,所述第一配置信息包括以下中的至少一项:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的数量参数K;
信道样本的维度个数信息;
信道样本的维度信息;
用于生成频域维度的信道样本的配置信息;
用于生成时域维度的信道样本的配置信息;
用于生成天线域维度的信道样本的配置信息。
在一些实施例中,数量参数L1和L2可以是相等的,也可以是不相等的。
可选地,当第一配置信息至包括一个数量参数L时,默认第一输入信息与第二输入信息使用相同的数量参数,即L1=L2=L。
可选地,当第一配置信息不包括数量参数时,默认第一输入信息的数量参数等于第一输入信息包括的所有真实信道样本,第二输入信息的数量参数等于第二输入信息包括的所有虚拟信道样本。
应理解,本申请对于虚拟信道样本和真实信道样本的抽样方式不做限制,该抽样方式例如可以是随机抽样,也可以是均匀抽样,或者,连续抽样,例如,取前L1或L2个信道样本或者取中间的L1 或L2个信道样本等。
在一些实施例中,相似信道样本的数量参数K可以用于在虚拟信道样本质量评估时,确定与虚拟信道样本相似度最高的K个真实信道样本。
在一些实施例中,信道样本的维度信息可以为前述示例的维度信息。
例如,对于时域信道样本,可以包括但不限于以下至少一个维度:
第一维度,例如发射天线数或发射端口数维度;
第二维度,例如接收天线数或接收端口数维度;
第三维度,例如时域粒度长度维度。
又例如,对于频域信道样本,可以包括但不限于以下至少一个维度:
第一维度,例如,发射天线数或发射端口数维度;
第二维度,例如,接收天线数或接收端口数维度;
第三维度,例如,频域粒度长度维度;
第四维度,例如,时域粒度长度维度。
再例如,对于角度域信道样本,包括以下至少一个维度:
第一维度,例如发射角度维度;
第二维度,例如到达角度维度;
第三维度,例如时域粒度长度或频域粒度长度维度。
在一些实施例中,所述用于生成频域维度的信道样本的配置信息包括以下中的至少一项:
频域粒度配置,频域维度的资源裁剪方式,目标频域资源的指示信息。
在一些实施例中,频域粒度配置可以用于配置信道样本的频域粒度(或者说,频域单元),例如,可以是子载波粒度,资源库粒度,或子带粒度等。作为示例,频域粒度配置可以为2比特,该2比特为00表示频域粒度为一个子载波,该2比特为01表示频域粒度为一个RB,该2比特为10表示频域粒度为一个子带。
可选地,一个频域单元包括的子频域单元的个数可以是固定的,或者预定义的,或者,也可以通过频域粒度配置进行配置。例如,当配置频域粒度为一个子带时,还可以进一步配置一个子带包括的RB数。此情况下,频域粒度配置可以包括3比特,前2比特用于指示频域粒度或频域单元,最后一个比特用于指示频域单元包括的子频域单元的个数。例如,该3比特取值为100时,表示一个子带内包括4个资源块,该3比特取值为101时,表示一个子带内包括8个资源块。
在一些实施例中,频域维度的资源裁剪方式可以包括连续的频域资源裁剪方式和离散的频域资源裁剪方式。可选地,该频域维度的资源裁剪方式可以为1比特,例如,该1比特为0表示连续的频域资源裁剪方式,为1表示离散的频域资源裁剪方式。
在一些实施例中,当需要对信道样本的频域维度进行裁剪时,该用于生成频域维度的信道样本的配置信息还包括裁剪的目标频域资源的指示信息。
可选地,频域维度的资源裁剪方式为连续的频域资源裁剪方式时,该目标频域资源的指示信息可以包括起始频域资源(即起始裁剪点)的索引和长度(即裁剪长度)。
可选地,频域维度的资源裁剪方式为离散的频域资源裁剪方式时,该目标频域资源的指示信息可以包括起始频域资源(即起始裁剪点)的索引和频域资源间隔(即裁剪间隔),其中,所述频域资源间隔为相邻两个目标频域资源之间的间隔。
在一些实施例中,所述用于生成时域维度的信道样本的配置信息包括以下中的至少一项:
时域粒度配置,时域维度的资源裁剪方式,目标时域资源的指示信息。
在一些实施例中,时域粒度配置可以用于配置信道样本的时域粒度(或者说,时域单元)。例如,时域粒度可以是一个或多个时隙粒度,或者一个或多个符号粒度等。
作为示例,时域粒度配置可以为2比特,该2比特为00表示时域粒度为一个时隙,该2比特为01表示时域粒度为一个符号,该2比特为10表示时域粒度为多个时隙,该2他为11表示时域粒度为多个符号。
在一些实施例中,时域维度的资源裁剪方式可以包括连续的时域资源裁剪方式和离散的时域资源裁剪方式。可选地,该时域维度的资源裁剪方式可以为1比特,例如,该1比特为0表示连续的频域资源裁剪方式,为1表示离散的频域资源裁剪方式。
在一些实施例中,当需要对信道样本的时域维度进行裁剪时,该用于生成时域维度的信道样本的配置信息还包括裁剪的目标时域资源的指示信息。
可选地,时域维度的资源裁剪方式为连续的时域资源裁剪方式时,该目标时域资源的指示信息可以包括起始时域资源(即起始裁剪点)的索引和长度(即裁剪长度)。
可选地,时域维度的资源裁剪方式为离散的时域资源裁剪方式时,该目标时域资源的指示信息可以包括起始时域资源(即起始裁剪点)的索引和时域资源间隔(即裁剪间隔),其中,所述时域资源间隔为相邻两个目标时域资源之间的间隔。
在一些实施例中,所述用于生成天线域维度的信道样本的配置信息包括以下中的至少一项:
天线域粒度配置,天线域维度的资源裁剪方式,目标天线域资源的指示信息。
应理解,在本申请实施例中,天线域也可以替换为角度域或空间域。
在一些实施例中,天线域维度的资源裁剪方式可以包括连续的天线域资源裁剪方式和离散的天线域资源裁剪方式。可选地,该天线域维度的资源裁剪方式可以为1比特,例如,该1比特为0表示连续的频域资源裁剪方式,为1表示离散的频域资源裁剪方式。
在一些实施例中,当需要对信道样本的天线域维度进行裁剪时,该用于生成天线域维度的信道样本的配置信息还包括裁剪的目标天线域资源的指示信息。
可选地,天线域维度的资源裁剪方式为连续的天线域资源裁剪方式时,该目标天线域资源的指示信息可以包括起始天线域资源(即起始裁剪点)的索引和长度(即裁剪长度)。
可选地,天线域维度的资源裁剪方式为离散的天线域资源裁剪方式时,该目标天线域资源的指示信息可以包括起始天线域资源(即起始裁剪点)的索引和天线域资源间隔(即裁剪间隔),其中,所述天线域资源间隔为相邻两个目标天线域资源之间的间隔。
以下,结合具体实施例,对所述第一输入信息和所述至少一个第二输入信息的获取方式进行说明。
实施例1:第一输入信息
实施例1-1:所述第一输入信息根据所述第一设备采集的真实信道样本得到的。
例如,第一设备可以进行采集或测量参考信号得到真实信道样本,进一步基于第一配置信息得到第一输入信息。
实施例1-2:第一输入信息可以是第一设备从第二设备获取的。
例如,第二设备可以采集或测量参考信号得到真实信道样本,进一步基于第一配置信息得到第一输入信息。
在一些实施例中,第二设备可以基于第一设备的指示向第一设备发送第一输入信息。
例如,所述第一设备向所述第二设备发送第一指示信息,所述第一指示信息用于指示所述第二设备向所述第一设备发送所述第一输入信息。第二设备可以在接收到第一指示信息的情况下,向第一设备发送第一输入信息。
在另一些实施例中,第二设备可以向第一设备发送采集的真实信道样本,进一步由第一设备根据第一配置信息和该真实信道样本得到第一输入信息。
在本申请一些实施例中,所述方法200还包括:
所述第一设备向所述第二设备发送第一配置信息。进一步地,第二设备可以根据第一配置信息和真实信道样本生成第一输入信息。
实施例2:所述至少一个第二输入信息
实施例2-1:所述至少一个第二输入信息是第一设备根据第一设备上部署的生成器生成的虚拟信道样本得到的。
例如,第一设备可以根据至少一个生成器模型生成至少一组虚拟信道样本,进一步基于第一配置信息和该至少一组虚拟信道样本得到该至少一个第二输入信息。
实施例2-2:所述至少一个第二输入信息是所述第一设备从第二设备获取的。
例如,第二设备可以根据至少一个生成器模型生成至少一组虚拟信道样本,进一步基于第一配置信息和该至少一组虚拟信道样本得到该至少一个第二输入信息。
在一些实施例中,第二设备可以基于第一设备的指示向第一设备发送所述至少一个第二输入信息。
例如,所述第一设备向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第二设备向所述第一设备发送所述至少一个第二输入信息。第二设备可以在接收到第二指示信息的情况下,向第一设备发送所述至少一个第二输入信息。
在本申请一些实施例中,所述方法200还包括:
所述第一设备接收所述第二设备发送的所述至少一个第二输入信息以及所述至少一个第二输入信息分别对应的生成器索引。
在本申请一些实施例中,所述方法200还包括:
所述第一设备向所述第二设备发送第一配置信息。进一步地,第二设备可以根据第一配置信息和虚拟信道样本生成第二输入信息。
在一些实施例中,所述方法200还包括:
所述第一设备向所述第二设备发送第三指示信息,所述第三指示信息用于指示所述第一设备确定的目标生成器索引。
在一些实施例中,所述第一设备为终端设备,所述第二设备为网络设备。
在另一些实施例中,所述第一设备为网络设备,所述第二设备为终端设备。
以下结合具体实施例,说明根据本申请实施例的虚拟信道的质量评估方法。
情况1:第一输入信息和第二输入信息均由网络设备生成。
例如,网络设备可以根据真实信道样本生成第一输入信息,该真实信道样本可以是网络设备采集或测量参考信号得到的。
例如,生成器部署在网络设备上,网络设备可以通过至少一个生成器模型生成至少一组虚拟信道样本,进一步基于该至少一组虚拟信道样本得到至少一个第二输入信息。
具体例如,网络设备可以在生成器训练过程中,依次保存不同轮次的生成器模型以及对应的虚拟信道样本。进一步基于不同生成器模型生成的虚拟信道样本生成该至少一个第二输入信息。
在该情况1中,网络设备可以根据第一输入信息和至少一个第二输入信息,对该至少一个第二输入信息进行质量评估。进一步地,可以根据该至少一个第二输入信息的质量选择目标生成器模型。例如,选择质量最好的第二输入信息对应的生成器模型为目标生成器模型。进一步可以基于该目标生成器模型生成虚拟信道样本以用于信道样本数据集的扩充。
情况2:第一输入信息和第二输入信息均由终端设备生成。
例如,终端设备可以根据真实信道样本生成第一输入信息,该真实信道样本可以是终端设备采集或测量参考信号得到的。
例如,生成器部署在终端设备上,终端设备可以通过至少一个生成器模型生成至少一组虚拟信道样本,进一步基于该至少一组虚拟信道样本得到至少一个第二输入信息。
具体例如,终端设备可以在生成器训练过程中,依次保存不同轮次的生成器模型以及对应的虚拟信道样本。进一步基于不同生成器模型生成的虚拟信道样本生成该至少一个第二输入信息。
在该情况2中,终端设备可以根据第一输入信息和至少一个第二输入信息,对该至少一个第二输入信息进行质量评估。进一步地,可以根据该至少一个第二输入信息的质量选择目标生成器模型。例如,选择质量最好的第二输入信息对应的生成器模型为目标生成器模型。进一步可以基于该目标生成器模型生成虚拟信道样本以用于信道样本数据集的扩充。
情况3:第一输入信息由网络设备生成,所述至少一个第二输入信息由终端设备生成。
第一输入信息和第二输入信息的具体生成方式参考情况1和情况2的相关说明,这里不再赘述。
情况3-1:虚拟信道样本的质量评估由网络设备执行。
此情况下,网络设备需要从终端设备获取所述至少一个第二输入信息。
例如,具体的信令交互流程可以如图8所示。
S231,网络设备向终端设备发送第一配置信息,以用于终端设备生成所述至少一个第二输入信息。
可选地,在一些实施例中,终端设备也可以直接将生成的虚拟信道样本发送给网络设备,此情况下,可以不需要第一配置信息。或者,终端设备也可以基于第二配置信息生成所述至少一个第二输入信息。该第二配置信息可以是默认的配置信息。
可选地,该第二配置信息包括的参数参考前述实施例中第一配置信息所包括的参数,为了简洁,这里不再赘述。应理解,第二配置信息和第一配置信息所包括的参数可以相同,或者,也可以不同,和/或,第二配置信息和第一配置信息所包括的参数的取值可以相同,或者,也可以不同。
可选地,在第一配置信息和第二配置信息包括的参数不同,和/或,包括的相同参数的取值不同的情况下,网络设备向终端设备发送所述第一配置信息。
可选地,所述第一配置信息可以通过任一下行信令携带,例如无线资源控制(Radio Resource Control,RRC)信令,媒体接入控制(Media Access Control,MAC)信令或下行控制信息(Downlink Control Information,DCI)等。
可选地,所述第一配置信息可以通过用于支持AI能力的专用下行信令携带。
S232,网络设备向终端设备发送第二指示信息,第二指示信息用于指示终端设备向网络设备发送所述至少一个第二输入信息。
可选地,所述第二指示信息可以通过任一下行信令携带,例如RRC信令,MAC信令或DCI等。
可选地,所述第二指示信息可以通过用于支持AI能力的专用下行信令携带。
应理解,第一配置信息和第二指示信息可以通过同一信令发送,或者,也可以通过不同的信令发送,当第一配置信息和第二指示信息通过不同信令发送时,本申请并不限定具体的先后顺序。
S233,终端设备向网络设备发送至少一个第二输入信息以及所述至少一个第二输入信息对应的生 成器模型的索引。
S234,网络设备基于第一输入信息和至少一个第二输入信息进行虚拟信道样本的质量评估。
进一步地,可以根据该至少一个第二输入信息对应的虚拟信道样本的质量评估结果,选择目标生成器模型,例如,选择质量最优的虚拟信道样本对应的生成器模型为目标生成器模型。
S235,网络设备向终端设备发送第三指示信息,第三指示信息用于指示网络设备选择的目标生成器模型的索引。
情况3-2:虚拟信道样本的质量评估由终端设备执行。
此情况下,终端设备需要从网络设备获取所述第一输入信息。
例如,具体的信令交互流程可以如图9所示。
S241,终端设备向网络设备发送第一配置信息,以用于网络设备生成所述第一输入信息。
可选地,在一些实施例中,网络设备也可以直接将获得的真实信道样本发送给终端设备,此情况下,可以不需要第一配置信息。或者,网络设备也可以基于第二配置信息生成所述第一输入信息。该第二配置信息可以是默认的配置信息。
可选地,该第二配置信息包括的参数参考前述实施例中第一配置信息所包括的参数,为了简洁,这里不再赘述。
应理解,第二配置信息和第一配置信息所包括的参数可以相同,或者,也可以不同,和/或,第二配置信息和第一配置信息所包括的参数的取值可以相同,或者,也可以不同。
可选地,在第一配置信息和第二配置信息包括的参数不同,和/或,包括的相同参数的取值不同的情况下,终端设备向网络设备发送所述第一配置信息。
可选地,在该情况3-2中,第一配置信息也可以是网络设备给终端设备配置的,只要网络设备和终端设备对于第一输入信息和第二输入信息的生成方式的理解一致即可,本申请对于该第一配置信息的具体配置方式不作限定。
可选地,所述第一配置信息可以通过任一上行信令携带,例如RRC信令或MAC信令等。
可选地,所述第一配置信息可以通过用于支持AI能力的专用上行信令携带。
S242,终端设备向网络设备发送第一指示信息,第一指示信息用于指示网络设备向终端设备发送所述第一输入信息。
可选地,所述第一指示信息可以通过任一上行信令携带,例如RRC信令,MAC信令等。
可选地,所述第一指示信息可以通过用于支持AI能力的专用上行信令携带。
应理解,第一配置信息和第一指示信息可以通过同一信令发送,或者,也可以通过不同的信令发送,当第一配置信息和第一指示信息通过不同信令发送时,本申请并不限定具体的先后顺序。
S243,网络设备向终端设备发送所述第一输入信息。
S244,终端设备基于第一输入信息和至少一个第二输入信息进行虚拟信道样本的质量评估。
进一步地,可以根据该至少一个第二输入信息对应的虚拟信道样本的质量评估结果,选择目标生成器模型,例如,选择质量最优的虚拟信道样本对应的生成器模型为目标生成器模型。
情况4:第一输入信息由终端设备生成,所述至少一个第二输入信息由网络设备生成。
第一输入信息和第二输入信息的具体生成方式参考情况1和情况2的相关说明,这里不再赘述。
情况4-1:虚拟信道样本的质量评估由网络设备执行。
此情况下,网络设备需要从终端设备获取所述第一输入信息。
例如,具体的信令交互流程可以如图10所示。
S251,网络设备向终端设备发送第一配置信息,以用于终端设备生成所述第一输入信息。
可选地,在一些实施例中,终端设备也可以直接将获得的真实信道样本发送给网络设备,此情况下,可以不需要第一配置信息。或者,终端设备也可以基于第二配置信息生成所述第一输入信息。该第二配置信息可以是默认的配置信息。
可选地,该第二配置信息包括的参数参考前述实施例中第一配置信息所包括的参数,为了简洁,这里不再赘述。
应理解,第二配置信息和第一配置信息所包括的参数可以相同,或者,也可以不同,和/或,第二配置信息和第一配置信息所包括的参数的取值可以相同,或者,也可以不同。
可选地,在第一配置信息和第二配置信息包括的参数不同,和/或,包括的相同参数的取值不同的情况下,网络设备向终端设备发送所述第一配置信息。
可选地,所述第一配置信息可以通过任一下行信令携带,例如RRC信令或MAC信令等。
可选地,所述第一配置信息可以通过用于支持AI能力的专用下行信令携带。
S252,网络设备向终端设备发送第一指示信息,第一指示信息用于指示终端设备向网络设备发送 所述第一输入信息。
可选地,所述第一指示信息可以通过任一下行信令携带,例如RRC信令,MAC信令等。
可选地,所述第一指示信息可以通过用于支持AI能力的专用下行信令携带。
应理解,第一配置信息和第一指示信息可以通过同一信令发送,或者,也可以通过不同的信令发送,当第一配置信息和第一指示信息通过不同信令发送时,本申请并不限定具体的先后顺序。
S253,终端设备向网络设备发送所述第一输入信息。
S254,网络设备基于第一输入信息和至少一个第二输入信息进行虚拟信道样本的质量评估。
进一步地,可以根据该至少一个第二输入信息对应的虚拟信道样本的质量评估结果选择目标生成器模型,例如,选择质量最优的虚拟信道样本对应的生成器模型为目标生成器模型。
情况4-2:虚拟信道样本的质量评估由终端设备执行。
此情况下,终端设备需要从网络设备获取所述至少一个第二输入信息。
例如,具体的信令交互流程可以如图11所示。
S261,终端设备向网络设备发送第一配置信息,以用于网络设备生成所述至少一个第二输入信息。
可选地,在一些实施例中,网络设备也可以直接将生成的虚拟信道样本发送给终端设备,此情况下,可以不需要第一配置信息。或者,网络设备也可以基于第二配置信息生成所述至少一个输入信息。该第二配置信息可以是默认的配置信息。
可选地,该第二配置信息包括的参数参考前述实施例中第一配置信息所包括的参数,为了简洁,这里不再赘述。
应理解,第二配置信息和第一配置信息所包括的参数可以相同,或者,也可以不同,和/或,第二配置信息和第一配置信息所包括的参数的取值可以相同,或者,也可以不同。
可选地,在第一配置信息和第二配置信息包括的参数不同,和/或,包括的相同参数的取值不同的情况下,终端设备向网络设备发送所述第一配置信息。可选地,在该情况4-2中,第一配置信息也可以是网络设备给终端设备配置的,只要网络设备和终端设备对于第一输入信息和第二输入信息的生成方式的理解一致即可,本申请对于该第一配置信息的具体配置方式不作限定。
可选地,所述第一配置信息可以通过任一上行信令携带,例如RRC信令,MAC信令等。
可选地,所述第一配置信息可以通过用于支持AI能力的专用上行信令携带。
S262,终端设备向网络设备发送第二指示信息,第二指示信息用于指示网络设备向终端设备发送所述至少一个第二输入信息。
可选地,所述第二指示信息可以通过任一上行信令携带,例如RRC信令或MAC信令等。
可选地,所述第二指示信息可以通过用于支持AI能力的专用上行信令携带。
应理解,第一配置信息和第二指示信息可以通过同一信令发送,或者,也可以通过不同的信令发送,当第一配置信息和第二指示信息通过不同信令发送时,本申请并不限定具体的先后顺序。
S263,网络设备向终端设备发送至少一个第二输入信息以及所述至少一个第二输入信息对应的生成器模型的索引。
S264,终端设备基于第一输入信息和至少一个第二输入信息进行虚拟信道样本的质量评估。
进一步地,可以根据该至少一个第二输入信息对应的虚拟信道样本的质量评估结果选择目标生成器模型,例如,选择质量最优的虚拟信道样本对应的生成器模型为目标生成器模型。
S265,终端设备向网络设备发送第三指示信息,第三指示信息用于指示网络设备选择的目标生成器模型的索引。
应理解,本申请实施例并不限定网络设备或终端设备根据第一输入信息和第二输入信息对虚拟信道样本进行质量评估的具体方式。以下,结合具体实施例,对本申请提供的虚拟信道样本的质量评估方法进行说明。
在本申请一些实施例中,S220可以包括:
根据所述第一输入信息和所述至少一个第二输入信息中的每个第二输入信息,确定所述每个第二输入信息对应的质量评估信息,所述每个第二输入信息对应的质量评估信息用于指示真实信道样本和虚拟信道样本的相似度和/或虚拟信道样本的离散度。
在一些实施例中,所述第二输入信息的质量评估信息包括第一指标和第二指标,所述第一指标用于指示虚拟信道样本和真实信道样本的相似度,即第一指标是相似度指标,所述第二指标用于指示虚拟信道样本的离散度,第二指标是离散度指标。其中,第一指标越高,表示虚拟信道样本越接近真实信道样本,第二指标越低,表示虚拟信道样本的多样性越好,即离散度越高,基于该虚拟信道样本扩充数据集,有利于提升网络的泛化性能。
在一些实施例中,所述第二输入信息的质量评估信息包括第三指标,所述第三指标根据所述第一 指标和所述第二指标生成。例如,第三指标为第一指标和第二指标的比值。第三指标越大,表示虚拟信道的生成质量越高。
在一些实施例中,所述第一设备根据第一输入信息和第二输入信息,生成所述第二输入信息的质量评估信息,包括:
所述根据第一输入信息,第二输入信息和第三输入信息,生成第二输入信息的质量评估信息。
可选地,该第三输入信息可以为虚拟信道样本的评估参数,例如,该第三输入信息可以包括第一配置信息中的虚拟信道样本的评估参数。
在一些实施例中,所述第三输入信息包括以下信息中的至少一种:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的最大数量参数K。
例如,第一设备可以根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度。
在本申请一些实施例中,所述第一设备根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度,包括如下步骤:
步骤一:第一设备可以根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合。
例如,根据数量参数L1从第一输入信息中抽取L1个真实信道样本组成真实信道样本集合,根据数量参数L2从第二输入信息中抽取L2个虚拟信道样本组成虚拟信道样本集合。
步骤二:确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本(即K-相似度),其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本。
例如,对于虚拟信道样本集合中的第i个虚拟信道样本
确定真实信道样本集合中的L1个真实信道样本中与虚拟信道样本
相似度最高的K个目标真实信道样本。
步骤三:根据每个虚拟信道样本对应的K个目标真实信道样本,确定每个虚拟信道样本和真实信道样本的相似度信息。
例如,将虚拟信道样本
和其对应的K个目标真实信道样本的相似度的平均值,作为该虚拟信道样本
和真实信道样本的相似度。
步骤四:根据所述虚拟信道样本集合中的每个虚拟信道样本和真实信道样本的相似度信息,确定虚拟信道样本和真实信道样本的目标相似度。
例如,将虚拟信道样本集合中的每个虚拟信道样本和真实信道样本的相似度信息的平均值,作为虚拟信道样本和真实信道样本的目标相似度。
在一些实施例中,可以根据真实信道样本和虚拟信道样本的距离度量真实信道样本和虚拟信道样本的相似程度。为便于表示,在确定真实信道样本和虚拟信道样本的相似度之前,已将真实信道样本和虚拟信道样本的各个维度进行向量化,即,h表示真实信道的向量,
表示虚拟信道的向量。例如,真实信道样本和虚拟信道样本的距离函数可以定义为
在一些实施例中,可以采用余弦相似度确定真实信道样本和虚拟信道样本的相似程度。
作为示例,真实信道样本和虚拟信道样本的距离函数
可以采用如下公式计算得到:
其中,余弦相似度越大,则第一输入信息的真实信道样本h与第二输入信息的虚拟信道样本
的相似程度越高。
在另一些实施例中,该距离函数
也可以采用向量x-范数进行度量,例如如下式所示:
其中,x可以取0,1,2范数等,本申请对此不作限定。此时,该范数值越小,则第一输入信息的真实信道样本h与第二输入信息的虚拟信道样本
的相似程度越高。
应理解,以上虚拟信道样本和真实信道样本之间的距离的度量方式仅为示例,本申请也可以采用其他距离度量方式,本申请并不限于此。
可选地,以余弦相似度距离度量虚拟信道样本和真实信道样本之间的相似度为例,虚拟信道样本和真实信道样本的余弦相似度指标K
sim定义如下:
即,余弦相似度指标K
sim可以为前述第一指标的一种实现方式,当然也可以采用其他相似度指标表示虚拟信道样本和真实信道样本之间的相似度,本申请并不限于此。
具体地,对于虚拟信道样本集合中的第i个虚拟信道样本
在真实信道样本集合中的L1个真实信道样本中,找到与
的相似度最高的K个目标真实信道样本,并且取所有虚拟信道样本与其对应的目标真实信道样本的相似度的均值,作为虚拟信道样本和真实信道样本的目标相似度K
sim。
K-相似度衡量了真实信道样本与虚拟信道样本的相似程度,K-相似度越高,说明生成的虚拟信道样本的分布与真实信道样本的分布越相近,说明生成的该虚拟信道样本的质量越高。
为了进一步保证所生成的虚拟信道样本的多样性,避免该虚拟信道样本作为数据集训练网络时,导致网络在该数据集上过拟合,影响网络的泛化性的问题,本申请实施例还可以进一步对虚拟信道样本的离散度进行评估。
在本申请一些实施例中,所述根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本的目标离散度,包括如下步骤:
步骤一:根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合。
例如,根据数量参数L1从第一输入信息中抽取L1个真实信道样本组成真实信道样本集合,根据数量参数L2从第二输入信息中抽取L2个虚拟信道样本组成虚拟信道样本集合。
步骤二:确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本。
例如,对于虚拟信道样本集合中的第i个虚拟信道样本
确定真实信道样本集合中的L1个真实信道样本中与虚拟信道样本
相似度最高的K个目标真实信道样本。
步骤三:确定所述每个真实信道样本对应的目标虚拟信道样本的个数,其中,所述真实信道样本属于对应的目标虚拟信道样本所对应的K个目标真实信道样本。
例如,对于真实信道样本集合中的每个真实信道样本维护一个计数器,或者,对于该包括L1个真实信道样本的真实信道样本集合,维护一个长度为L1的序列I,该序列I包括L1个计数值,对应所述L1个真实信道样本,每个计数值用于记录对应的真实信道样本基于K-相似度被选择作为目标真实信道样本的次数,或者说,与该真实信道样本满足K-相似度要求的虚拟信道样本的个数。例如,在步骤二中,对于虚拟信道样本集合中的每个虚拟信道样本,可以找到K个目标真实信道样本,此时,将目标真实信道样本在该序列I中对应的计数值加一。
步骤四:根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的目标离散度。
例如,根据所述每个真实的信道样本对应的目标虚拟信道样本的个数的标准差,确定所述虚拟信道样本的目标离散度。
即,可以对序列I中的L1个计数值求标准差K
dis,通过该标准差指标表征虚拟信道样本的目标离散度,如下式所示:
即,标准差指标K
sim可以为前述第二指标的一种实现方式,当然也可以采用其他指标表示虚拟信道样本的离散度,本申请并不限于此。
应理解,在本申请实施例中,在采用标准差表示虚拟信道样本的离散度时,标准差取值越高,表示虚拟信道样本的离散度越低,标准差取值越低,表示虚拟信道样本的离散度越高。
进一步地,可以根据虚拟信道样本和真实信道样本的目标相似度和虚拟信道样本的目标离散度,确定所述至少一个生成器模型中的目标生成器模型。
例如,在目标相似度最高(例如第一指标的取值最高)的虚拟信道样本中,选择目标离散度最高(例如第二指标的取值最低)的虚拟信道样本对应的生成器模型作为目标生成器模型。
又例如,在目标离散度最高(例如第二指标的取值最低)的虚拟信道样本中,选择目标相似度最高(例如第一指标的取值最高)的虚拟信道样本对应的生成器模型作为目标生成器模型。
再例如,选择目标相似度和目标离散度比值最大(例如第三指标的取值最大)的虚拟信道样本对应的生成器模型作为目标生成器模型。
因此,在本申请实施例中,基于虚拟信道样本和真实信道样本的相似度和虚拟信道样本的离散度 对虚拟信道样本进行质量评估,有利于兼顾虚拟信道样本与真实信道样本的相似程度,以及虚拟信道样本的多样程度,进而实现数据集的有效扩充,并保障AI任务下的深度神经网络训练的泛化性能。
并且,在本申请实施例中,能够支持虚拟信道样本和真实信道样本的灵活的输入格式,具体地,在对虚拟信道样本进行质量评估之前,对于真实信道样本和虚拟信道样本的任意输入格式,均可以基于第一配置信息生成统一格式的第一输入信息和第二输入信息。同时,在虚拟信道样本和真实信道样本不在同一设备上时,设计了专用的信令交互方法,能够支持在线的虚拟信道质量评价和生成器模型选择,有利于满足通信系统中的模型更新,迁移学习等数据集扩充需求。
图12是根据本申请实施例的虚拟信道样本的质量评估方法的示意性框图。其中,该质量评估方法可以由第一设备上的评估器执行,该评估器可以实施为处理器。
具体地,生成器可以基于生成器输入信息生成虚拟信道样本,进一步地,基于该虚拟信道样本生成第二输入信息。在该步骤中,可以基于不同的生成器模型生成的虚拟信道样本,得到多个第二输入信息。例如,基于网络训练过程中的不同轮次的生成器模型生成对应的虚拟信道样本。
进一步地,可以将第一输入信息,第二输入信息和第三输入信息输入至评估器,得到该第二输入信息的质量评估信息,例如,前述第一指标和第二指标,或者,第三指标等。
在一些实施例中,在GAN或者传统信道建模所生成的虚拟信道样本用于数据集扩充时,均可以采用本申请的技术方案对生成的虚拟信道样本进行质量评估。例如从K-相似度与K-离散度两个角度评价虚拟信道样本的生成质量,并且支持灵活的真实信道样本和虚拟信道样本的输入维度和方式。
以基于AI的CSI特征向量反馈为例,以4000个真实的CDL-C300信道样本作为输入,该4000个真实信道样本直接用于训练集时,训练集的样本数太少,神经网络在该训练集上容易产生过拟合,训练效果较差,因此需要生成虚拟信道样本以对训练集进行扩充。
以下,针对两种虚拟信道样本的生成方式,分别生成20000个虚拟信道样本为例,对比所生成的虚拟信道样本的质量。对比结果如表1所示。
表1
其中,方式1对应传统的虚拟信道生成方式所生成的虚拟信道样本,方式2对应基于本申请实施例的质量评估方法所生成的虚拟信道样本。其中,在方式2中,K=1,即1-相似度和1-离散度。表1中指标的第三列和第四列表示CSI特征向量的恢复程度,取值越大,表示CSI特征向量的恢复性能越好。
由表1可以看出,基于方式2所生成的虚拟信道样本在相似度指标上优于基于方式1所生成的虚拟信道样本。并且,基于方式2所生成的虚拟信道样本在离散度指标上优于基于方式1所生成的虚拟信道样本。因此,采用两种方式生成的虚拟信道样本作为训练集分别训练CSI反馈模型,并应用于真实信道样本时,基于方式2所得到的CSI模型也优于基于方式1所得到的CSI模型(0.784>0.762)。
并且采用已经训练好的CSI模型对两组虚拟信道样本进行测试时,从表1中的第三列指标可以看到基于方式2生成的虚拟信道样本相对于基于方式1生成的虚拟信道样本的恢复性能更高。即,基于方式2所生成的虚拟信道样本与真实信道样本更接近(0.807>0.699)。
因此,基于K-相似度与K-离散度的虚拟信道样本的质量评估方法,能够选取出更好的虚拟信道样本,并用于数据集扩充,从而能够改善基于AI的深度学习任务下数据集不充足的问题,提高深度神经网络泛化性。
在一些实施例中,采用基于K-相似度与K-离散度的质量评估指标,指导生成器模型的选择,有利于提升生成器生成的虚拟信道质量。
继续上述思路,搭建一类卷积信道生成器用于虚拟信道样本的生成。在训练过程中包括两个生成器模型,分别用上述指标进行测试,两个生成器的指标对比结果如表2所示。
表1
从表2可以看出,生成器模型2所生成的虚拟信道样本在相似度指标上优于生成器模型1所生成的虚拟信道样本。因此采用已经训练好的CSI模型对两组虚拟信道样本进行测试时,从表2的最后一 列可以看出,生成器模型2在该指标上优于生成器模型1,即生成器模型2所生成的虚拟信道样本与真实信道样本更接近(0.807>0.802)。
同时,从表2可以看出,生成器模型2所生成的虚拟信道样本在离散度指标上优于生成器模型1所生成的虚拟信道样本,因此采用这两个生成器模型生成的虚拟信道样本作为训练集分别训练CSI反馈模型,并应用于真实信道样本时,生成器模型2所得到的网络模型泛化性也优于生成器模型1(0.784>0.760)。
因此,基于本申请实施例的虚拟信道样本的质量评估方法,能够产生高质量的虚拟信道样本,有利于扩充数据集规模,保证模型的训练效果和泛化性能。
应理解,在本申请实施例中,对信道的质量评估方法,也可以扩展到对由信道提取的单流的特征向量,多流的特征向量等的生成与评价。此时,可将真实特征向量样本作为第一输入信息,虚拟特征向量样本作为第二输入信息,本申请的技术方案同样适用。
图13是根据本申请另一些实施例的虚拟信道样本的质量评估方法的示意性图,如图13所示,该方法300可以包括如下至少部分内容:
S310,第一设备根据第一输入信息和第二输入信息,确定所述第二输入信息的质量评估信息;
其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述第二输入信息的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
应理解,该方法300中的质量评估方法的具体实现和方法200中的质量评估方法类似,详细描述参考方法200,为了简洁,这里不再赘述。
在一些实施例中,所述第一设备为终端设备或网络设备。
在本申请一些实施例中,所述真实信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在本申请一些实施例中,所述虚拟信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
所述时域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
在本申请一些实施例中,所述频域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
在本申请一些实施例中,所述角度域信道样本的信息包括以下至少一个维度的信息:
发射角度;到达角度;时域粒度长度或频域粒度长度。
在本申请一些实施例中,所述第二输入信息的质量评估信息包括第一指标和第二指标,所述第一指标用于指示虚拟信道样本和真实信道样本的相似度,所述第二指标用于指示虚拟信道样本的离散度;或者,所述第二输入信息的质量评估信息包括第三指标,所述第三指标根据第一指标和第二指标生成。
在本申请一些实施例中,所述第一设备根据第一输入信息和第二输入信息,生成所述第二输入信息的质量评估信息,包括:
根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度。
在本申请一些实施例中,所述根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:
所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,其中,所述第三输入信息包括以下信息中的至少一种:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的最大数量参数K。
在本申请一些实施例中,所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:
根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;
确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;
根据每个虚拟信道样本对应的K个目标真实信道样本,确定每个虚拟信道样本和真实信道样本的 相似度信息;
根据所述虚拟信道样本集合中的每个虚拟信道样本和真实信道样本的相似度信息,确定虚拟信道样本和真实信道样本的目标相似度。
在本申请一些实施例中,所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:
根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;
确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;
确定所述每个真实信道样本对应的目标虚拟信道样本的个数,其中,所述真实信道样本属于对应的目标虚拟信道样本所对应的K个目标真实信道样本;
根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的的目标离散度。
在本申请一些实施例中,所述根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的目标离散度,包括:
根据所述每个真实的信道样本对应的目标虚拟信道样本的个数的标准差,确定所述虚拟信道样本的目标离散度。
进一步地,可以根据虚拟信道样本和真实信道样本的目标相似度和虚拟信道样本的目标离散度,确定所述至少一个生成器模型中的目标生成器模型。
例如,在目标相似度最高的虚拟信道样本中,选择目标离散度最高的虚拟信道样本对应的生成器模型作为目标生成器模型。
又例如,在目标离散度最高的虚拟信道样本中,选择目标相似度最高的虚拟信道样本对应的生成器模型作为目标生成器模型。
再例如,选择目标相似度和目标离散度比值最大的虚拟信道样本对应的生成器模型作为目标生成器模型。
图14是根据本申请实施例的虚拟信道样本的质量评估方法的示意性框图。其中,该质量评估方法可以由第一设备上的评估器执行,该评估器可以实施为处理器。
具体地,可以将第一输入信息,第二输入信息和第三输入信息输入至评估器,得到该第二输入信息的质量评估信息,例如,前述第一指标和第二指标,或者,也可以是第三指标等。
因此,在本申请实施例中,基于虚拟信道样本和真实信道样本的相似度和虚拟信道样本的离散度对虚拟信道样本进行质量评估,有利于兼顾虚拟信道样本与真实信道样本的相似程度,以及虚拟信道样本的多样程度,进而实现数据集的有效扩充,并保障AI任务下的深度神经网络训练的泛化性能。
并且,在本申请实施例中,能够支持虚拟信道样本和真实信道样本的灵活的输入格式,具体地,在对虚拟信道样本进行质量评估之前,对于真实信道样本和虚拟信道样本的任意输入格式,均可以基于第一配置信息生成统一格式的第一输入信息和第二输入信息。
上文结合图4至图14,详细描述了本申请的方法实施例,下文结合图15至图19,详细描述本申请的装置实施例,应理解,装置实施例与方法实施例相互对应,类似的描述可以参照方法实施例。
图15示出了根据本申请实施例的无线通信的设备400的示意性框图。如图15所示,该设备400包括:处理模块410,用于获取第一输入信息和至少一个第二输入信息,其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型;以及
根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型。
在一些实施例中,所述处理模块410还用于:
获取第一配置信息,所述第一配置信息用于配置以下中的至少一项:
所述第一输入信息的生成方式;
所述至少一个第二输入信息的生成方式;
所述至少一个第二输入信息的质量评估参数。
在一些实施例中,所述第一配置信息包括以下中的至少一项:
信道样本的维度个数信息;
信道样本的维度信息;
用于生成频域维度的信道样本的配置信息;
用于生成时域维度的信道样本的配置信息;
用于生成天线域维度的信道样本的配置信息;
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的数量参数K。
在一些实施例中,所述用于生成频域维度的信道样本的配置信息包括以下中的至少一项:
频域粒度配置,频域维度的资源裁剪方式,目标频域资源的指示信息。
在一些实施例中,所述目标频域资源的指示信息包括:起始频域资源的索引和长度;或者,
所述目标频域资源的指示信息包括:起始频域资源的索引和频域资源间隔,其中,所述频域资源间隔为相邻两个目标频域资源之间的间隔。
在一些实施例中,所述用于生成时域维度的信道样本的配置信息包括以下中的至少一项:
时域粒度配置,时域维度的资源裁剪方式,目标时域资源的指示信息。
在一些实施例中,所述目标时域资源的指示信息包括:起始时域资源的索引和长度;或者,
所述目标时域资源的指示信息包括:起始时域资源的索引和时域资源间隔,其中,所述时域资源间隔为相邻两个目标时域资源之间的间隔。
在一些实施例中,所述用于生成天线域维度的信道样本的配置信息包括以下中的至少一项:
天线域粒度配置,天线域维度的资源裁剪方式,目标天线域资源的指示信息。
在一些实施例中,所述目标天线域资源的指示信息包括:起始天线的索引和天线个数,或者,起始天线的索引和端口个数;或者,
所述目标天线域资源的指示信息包括:起始天线的索引和天线间隔,或者,起始天线的索引和端口间隔,其中,所述天线间隔或端口间隔为相邻两个天线域资源之间的间隔。
在一些实施例中,所述第一输入信息是根据所述设备采集的真实信道样本得到的。
在一些实施例中,所述第一输入信息是从第二设备获取的。
在一些实施例中,所述设备400还包括:通信模块,用于向所述第二设备发送第一指示信息,所述第一指示信息用于指示所述第二设备向所述设备发送所述第一输入信息。
在一些实施例中,所述设备400还包括:通信模块,用于向所述第二设备发送第一配置信息,所述第一输入信息是根据所述第一配置信息生成的。
在一些实施例中,所述至少一个第二输入信息是根据所述设备上部署的生成器生成的虚拟信道样本得到的。
在一些实施例中,所述至少一个第二输入信息是从第二设备获取的。
在一些实施例中,所述设备400还包括:通信模块,用于向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第二设备向所述设备发送所述至少一个第二输入信息。
在一些实施例中,所述设备400还包括:通信模块,用于向所述第二设备发送第一配置信息,所述至少一个第二输入信息是根据所述第一配置信息生成的。
在一些实施例中,所述设备400还包括:通信模块,用于接收所述第二设备发送的所述至少一个第二输入信息以及所述至少一个第二输入信息分别对应的生成器索引。
在一些实施例中,所述设备400还包括:通信模块,用于向所述第二设备发送第三指示信息,所述第三指示信息用于指示所述设备确定的目标生成器索引。
在一些实施例中,所述设备为终端设备,所述第二设备为网络设备;或者,
所述设备为网络设备,所述第二设备为终端设备。
在一些实施例中,所述真实信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述虚拟信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述时域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
在一些实施例中,所述频域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
在一些实施例中,所述角度域信道样本的信息包括以下至少一个维度的信息:
发射角度;到达角度;时域粒度长度或频域粒度长度。
在一些实施例中,所述时域粒度长度为以下中的一种:
信道的真实多径数,按照第一采样率在时域上采样的采样点个数,进行时域采样的时间单元个数。
在一些实施例中,所述频域粒度长度为以下中的一种:
子载波数,资源块数,子带数。
在一些实施例中,所述处理模块410还用于:
根据所述第一输入信息和所述至少一个第二输入信息中的每个第二输入信息,确定所述每个第二输入信息对应的质量评估信息,所述每个第二输入信息对应的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
在一些实施例中,所述处理模块410还用于:
根据所述第一输入信息,所述每个第二输入信息和第三输入信息,确定所述每个第二输入信息对应的质量评估信息,其中,所述第三输入信息包括以下信息中的至少一种:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的最大数量参数K。
在一些实施例中,所述处理模块410还用于:根据所述每个第二输入信息对应的质量评估信息,确定所述至少一个生成器模型中的目标生成器模型。
可选地,在一些实施例中,上述通信模块可以是通信接口或收发器,或者是通信芯片或者片上系统的输入输出接口。上述处理模块、编码模块可以是一个或多个处理器。
应理解,根据本申请实施例的设备400可对应于本申请方法实施例中的第一设备,并且设备400中的各个单元的上述和其它操作和/或功能分别为了实现图4至图12所示方法200中第一设备的相应流程,为了简洁,在此不再赘述。
图16是根据本申请实施例的无线通信的设备500的示意性框图。图16的设备500包括:
通信模块510,用于向第一设备发送的第一信息,所述第一信息包括以下中的至少一项:
第一输入信息,为真实信道样本的信息;
至少一个第二输入信息,为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;
所述至少一个生成器的索引。
在一些实施例中,所述通信模块510还用于:
接收所述第一设备发送的第一指示信息,所述第一指示信息用于指示所述第二设备向所述第一设备发送所述第一输入信息。
在一些实施例中,所述通信模块510还用于:
向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第二设备向所述第一设备发送所述至少一个第二输入信息。
在一些实施例中,所述通信模块510还用于:
接收所述第一设备发送的第一配置信息,所述第一配置信息用于配置以下中的至少一项:
所述第一输入信息的生成方式;
所述至少一个第二输入信息的生成方式;
所述至少一个第二输入信息的质量评估参数。
在一些实施例中,所述第一配置信息包括以下中的至少一项:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的最大数量参数K;
信道样本的维度个数信息;
用于生成频域维度的信道样本的配置信息;
用于生成时域维度的信道样本量的配置信息;
用于生成天线域维度的信道样本的配置信息。
在一些实施例中,所述用于生成频域维度的信道样本的配置信息包括以下中的至少一项:
频域粒度配置,频域维度的资源裁剪方式,目标频域资源的指示信息。
在一些实施例中,所述目标频域资源的指示信息包括:起始频域资源的索引和长度;或者,
所述目标频域资源的指示信息包括:起始频域资源的索引和频域资源间隔,其中,所述频域资源间隔为相邻两个目标频域资源之间的间隔。
在一些实施例中,所述用于生成时域维度的信道样本的配置信息包括以下中的至少一项:
时域粒度配置,时域维度的资源裁剪方式,目标时域资源的指示信息。
在一些实施例中,所述目标时域资源的指示信息包括:起始时域资源的索引和长度;或者,
所述目标时域资源的指示信息包括:起始时域资源的索引和时域资源间隔,其中,所述时域资源间隔为相邻两个目标时域资源之间的间隔。
在一些实施例中,所述用于生成天线域维度的信道样本的配置信息包括以下中的至少一项:
天线域粒度配置,天线域维度的资源裁剪方式,目标天线域资源的指示信息。
在一些实施例中,所述目标天线域资源的指示信息包括:起始天线的索引和天线个数,或者,起始天线的索引和端口个数;或者,
所述目标天线域资源的指示信息包括:起始天线的索引和天线间隔,或者,起始天线的索引和端口间隔,其中,所述天线间隔或端口间隔为相邻两个天线域资源之间的间隔。
在一些实施例中,所述真实信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述虚拟信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述时域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
在一些实施例中,所述频域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
在一些实施例中,所述角度域信道样本的信息包括以下至少一个维度的信息:
发射角度;到达角度;时域粒度长度或频域粒度长度。
在一些实施例中,所述时域粒度长度为以下中的一种:
信道的真实多径数,按照第一采样率在时域上采样的采样点个数,进行时域采样的时间单元个数。
在一些实施例中,所述频域粒度长度为以下中的一种:
子载波数,资源块数,子带数。
可选地,在一些实施例中,上述通信模块可以是通信接口或收发器,或者是通信芯片或者片上系统的输入输出接口。上述处理模块、编码模块可以是一个或多个处理器。
应理解,根据本申请实施例的设备500可对应于本申请方法实施例中的第二设备,并且设备500中的各个单元的上述和其它操作和/或功能分别为了实现图4至图12所示方法200中第二设备的相应流程,为了简洁,在此不再赘述。
图17是根据本申请实施例的无线通信的设备800的示意性框图。图17的设备800包括:
处理模块810,用于根据第一输入信息和第二输入信息,确定所述第二输入信息的质量评估信息;
其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述第二输入信息的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
在一些实施例中,所述真实信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述虚拟信道样本包括以下中的至少一种:
时域信道样本、频域信道样本、角度域信道样本。
在一些实施例中,所述时域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
在一些实施例中,所述频域信道样本的信息包括以下至少一个维度的信息:
发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
在一些实施例中,所述角度域信道样本的信息包括以下至少一个维度的信息:
发射角度;到达角度;时域粒度长度或频域粒度长度。
在一些实施例中,所述第二输入信息的质量评估信息包括第一指标和第二指标,所述第一指标用于指示虚拟信道样本和真实信道样本的相似度,所述第二指标用于指示虚拟信道样本的离散度;或者,
所述第二输入信息的质量评估信息包括第三指标,所述第三指标根据第一指标和第二指标生成。
在一些实施例中,所述处理模块810还用于:
根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度。
在一些实施例中,所述处理模块810还用于:
根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,其中,所述第三输入信息包括以下信息中的至少一种:
用于真实信道样本抽样的数量参数L1;
用于虚拟信道样本抽样的数量参数L2;
相似信道样本的最大数量参数K。
在一些实施例中,所述处理模块810还用于:
根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;
确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;
根据每个虚拟信道样本对应的K个目标真实信道样本,确定每个虚拟信道样本和真实信道样本的相似度信息;
根据所述虚拟信道样本集合中的每个虚拟信道样本和真实信道样本的相似度信息,确定虚拟信道样本和真实信道样本的目标相似度。
在一些实施例中,所述处理模块810还用于:
根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;
确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;
确定所述每个真实信道样本对应的目标虚拟信道样本的个数,其中,所述真实信道样本属于对应的目标虚拟信道样本所对应的K个目标真实信道样本;
根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的的目标离散度。
在一些实施例中,所述处理模块810还用于:根据所述每个真实的信道样本对应的目标虚拟信道样本的个数的标准差,确定所述虚拟信道样本的目标离散度。
在一些实施例中,所述设备为终端设备或网络设备。
可选地,在一些实施例中,上述通信模块可以是通信接口或收发器,或者是通信芯片或者片上系统的输入输出接口。上述处理模块、编码模块可以是一个或多个处理器。
应理解,根据本申请实施例的无线通信的设备800可对应于本申请方法实施例中的第一设备,并且设备500中的各个单元的上述和其它操作和/或功能分别为了实现图13至图14所示方法300中第一设备的相应流程,为了简洁,在此不再赘述。
图18是本申请实施例提供的一种通信设备600示意性结构图。图18所示的通信设备600包括处理器610,处理器610可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图18所示,通信设备600还可以包括存储器620。其中,处理器610可以从存储器620中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器620可以是独立于处理器610的一个单独的器件,也可以集成在处理器610中。
可选地,如图6所示,通信设备600还可以包括收发器630,处理器610可以控制该收发器630与其他设备进行通信,具体地,可以向其他设备发送信息或数据,或接收其他设备发送的信息或数据。
其中,收发器630可以包括发射机和接收机。收发器630还可以进一步包括天线,天线的数量可以为一个或多个。
可选地,该通信设备600具体可为本申请实施例的第一设备,并且该通信设备600可以实现本申请实施例的各个方法中由第一设备实现的相应流程,为了简洁,在此不再赘述。
可选地,该通信设备600具体可为本申请实施例的第二设备,并且该通信设备600可以实现本申请实施例的各个方法中由第二设备实现的相应流程,为了简洁,在此不再赘述。
图19是本申请实施例的芯片的示意性结构图。图19所示的芯片700包括处理器710,处理器710可以从存储器中调用并运行计算机程序,以实现本申请实施例中的方法。
可选地,如图19所示,芯片700还可以包括存储器720。其中,处理器710可以从存储器720中调用并运行计算机程序,以实现本申请实施例中的方法。
其中,存储器720可以是独立于处理器710的一个单独的器件,也可以集成在处理器710中。
可选地,该芯片700还可以包括输入接口730。其中,处理器710可以控制该输入接口730与其他设备或芯片进行通信,具体地,可以获取其他设备或芯片发送的信息或数据。
可选地,该芯片700还可以包括输出接口740。其中,处理器710可以控制该输出接口740与其他设备或芯片进行通信,具体地,可以向其他设备或芯片输出信息或数据。
可选地,该芯片可应用于本申请实施例中的第一设备,并且该芯片可以实现本申请实施例的各个 方法中由第一设备实现的相应流程,为了简洁,在此不再赘述。
可选地,该芯片可应用于本申请实施例中的第二设备,并且该芯片可以实现本申请实施例的各个方法中由第二设备实现的相应流程,为了简洁,在此不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片,系统芯片,芯片系统或片上系统芯片等。
应理解,本申请实施例的处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,上述存储器为示例性但不是限制性说明,例如,本申请实施例中的存储器还可以是静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)等等。也就是说,本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读存储介质,用于存储计算机程序。
可选的,该计算机可读存储介质可应用于本申请实施例中的第一设备,并且该计算机程序使得计算机执行本申请实施例的各个方法中由第一设备实现的相应流程,为了简洁,在此不再赘述。
可选地,该计算机可读存储介质可应用于本申请实施例中的第二设备,并且该计算机程序使得计算机执行本申请实施例的各个方法中由第二设备实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序产品,包括计算机程序指令。
可选的,该计算机程序产品可应用于本申请实施例中的第一设备,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由第一设备实现的相应流程,为了简洁,在此不再赘述。
可选地,该计算机程序产品可应用于本申请实施例中的第二设备,并且该计算机程序指令使得计算机执行本申请实施例的各个方法中由第二设备实现的相应流程,为了简洁,在此不再赘述。
本申请实施例还提供了一种计算机程序。
可选的,该计算机程序可应用于本申请实施例中的第一设备,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中由第一设备实现的相应流程,为了简洁,在此不再赘述。
可选地,该计算机程序可应用于本申请实施例中的第二设备,当该计算机程序在计算机上运行时,使得计算机执行本申请实施例的各个方法中由第二设备实现的相应流程,为了简洁,在此不再赘述。
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申请的范围。
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,上述描述的系统、装置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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,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。
所述功能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存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (69)
- 一种虚拟信道样本的质量评估方法,其特征在于,包括:第一设备获取第一输入信息和至少一个第二输入信息,其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型;第一设备根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:所述第一设备获取第一配置信息,所述第一配置信息用于配置以下中的至少一项:所述第一输入信息的生成方式;所述至少一个第二输入信息的生成方式;所述至少一个第二输入信息的质量评估参数。
- 根据权利要求2所述的方法,其特征在于,所述第一配置信息包括以下中的至少一项:信道样本的维度个数信息;信道样本的维度信息;用于生成频域维度的信道样本的配置信息;用于生成时域维度的信道样本的配置信息;用于生成天线域维度的信道样本的配置信息;用于真实信道样本抽样的数量参数L1;用于虚拟信道样本抽样的数量参数L2;相似信道样本的数量参数K。
- 根据权利要求3所述的方法,其特征在于,所述用于生成频域维度的信道样本的配置信息包括以下中的至少一项:频域粒度配置,频域维度的资源裁剪方式,目标频域资源的指示信息。
- 根据权利要求4所述的方法,其特征在于,所述目标频域资源的指示信息包括:起始频域资源的索引和长度;或者,所述目标频域资源的指示信息包括:起始频域资源的索引和频域资源间隔,其中,所述频域资源间隔为相邻两个目标频域资源之间的间隔。
- 根据权利要求3-5中任一项所述的方法,其特征在于,所述用于生成时域维度的信道样本的配置信息包括以下中的至少一项:时域粒度配置,时域维度的资源裁剪方式,目标时域资源的指示信息。
- 根据权利要求6所述的方法,其特征在于,所述目标时域资源的指示信息包括:起始时域资源的索引和长度;或者,所述目标时域资源的指示信息包括:起始时域资源的索引和时域资源间隔,其中,所述时域资源间隔为相邻两个目标时域资源之间的间隔。
- 根据权利要求3-7中任一项所述的方法,其特征在于,所述用于生成天线域维度的信道样本的配置信息包括以下中的至少一项:天线域粒度配置,天线域维度的资源裁剪方式,目标天线域资源的指示信息。
- 根据权利要求8所述的方法,其特征在于,所述目标天线域资源的指示信息包括:起始天线的索引和天线个数,或者,起始天线的索引和端口个数;或者,所述目标天线域资源的指示信息包括:起始天线的索引和天线间隔,或者,起始天线的索引和端口间隔,其中,所述天线间隔或端口间隔为相邻两个天线域资源之间的间隔。
- 根据权利要求1-9中任一项所述的方法,其特征在于,所述第一输入信息是根据所述第一设备采集的真实信道样本得到的。
- 根据权利要求1-9中任一项所述的方法,其特征在于,所述第一输入信息是从第二设备获取的。
- 根据权利要求11所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第一指示信息,所述第一指示信息用于指示所述第二设备向所述第一设备发送所述第一输入信息。
- 根据权利要求11或12所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第一配置信息,所述第一输入信息是根据所述第一配置信息生成的。
- 根据权利要求1-13中任一项所述的方法,其特征在于,所述至少一个第二输入信息是所述第一设备根据所述第一设备上部署的生成器生成的虚拟信道样本得到的。
- 根据权利要求1-13中任一项所述的方法,其特征在于,所述至少一个第二输入信息是所述第一设备从第二设备获取的。
- 根据权利要求15所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第二设备向所述第一设备发送所述至少一个第二输入信息。
- 根据权利要求15或16所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第一配置信息,所述至少一个第二输入信息是根据所述第一配置信息生成的。
- 根据权利要求15-17中任一项所述的方法,其特征在于,所述方法还包括:所述第一设备接收所述第二设备发送的所述至少一个第二输入信息以及所述至少一个第二输入信息分别对应的生成器索引。
- 根据权利要求18所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第三指示信息,所述第三指示信息用于指示所述第一设备确定的目标生成器索引。
- 根据权利要求11-13、15-19中任一项所述的方法,其特征在于,所述第一设备为终端设备,所述第二设备为网络设备;或者,所述第一设备为网络设备,所述第二设备为终端设备。
- 根据权利要求1-20中任一项所述的方法,其特征在于,所述真实信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求1-21中任一项所述的方法,其特征在于,所述虚拟信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求21或22所述的方法,其特征在于,所述时域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
- 根据权利要求21-23中任一项所述的方法,其特征在于,所述频域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
- 根据权利要求21-24中任一项所述的方法,其特征在于,所述角度域信道样本的信息包括以下至少一个维度的信息:发射角度;到达角度;时域粒度长度或频域粒度长度。
- 根据权利要求23-25中任一项所述的方法,其特征在于,所述时域粒度长度为以下中的一种:信道的真实多径数,按照第一采样率在时域上采样的采样点个数,进行时域采样的时间单元个数。
- 根据权利要求24或25所述的方法,其特征在于,所述频域粒度长度为以下中的一种:子载波数,资源块数,子带数。
- 根据权利要求1-27中任一项所述的方法,其特征在于,所述第一设备根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型,包括:根据所述第一输入信息和所述至少一个第二输入信息中的每个第二输入信息,确定所述每个第二输入信息对应的质量评估信息,所述每个第二输入信息对应的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
- 根据权利要求28所述的方法,其特征在于,所述根据所述第一输入信息和所述至少一个第 二输入信息中的每个第二输入信息,确定所述每个第二输入信息对应的质量评估信息,包括:根据所述第一输入信息,所述每个第二输入信息和第三输入信息,确定所述每个第二输入信息对应的质量评估信息,其中,所述第三输入信息包括以下信息中的至少一种:用于真实信道样本抽样的数量参数L1;用于虚拟信道样本抽样的数量参数L2;相似信道样本的最大数量参数K。
- 根据权利要求28或29所述的方法,其特征在于,所述第一设备根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型,包括:根据所述每个第二输入信息对应的质量评估信息,确定所述至少一个生成器模型中的目标生成器模型。
- 一种虚拟信道样本的质量评估方法,其特征在于,包括:第二设备向第一设备发送的第一信息,所述第一信息包括以下中的至少一项:第一输入信息,为真实信道样本的信息;至少一个第二输入信息,为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;所述至少一个生成器的索引。
- 根据权利要求31所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送的第一指示信息,所述第一指示信息用于指示所述第二设备向所述第一设备发送所述第一输入信息。
- 根据权利要求31或32所述的方法,其特征在于,所述方法还包括:所述第一设备向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第二设备向所述第一设备发送所述至少一个第二输入信息。
- 根据权利要求31-33中任一项所述的方法,其特征在于,所述方法还包括:所述第二设备接收所述第一设备发送的第一配置信息,所述第一配置信息用于配置以下中的至少一项:所述第一输入信息的生成方式;所述至少一个第二输入信息的生成方式;所述至少一个第二输入信息的质量评估参数。
- 根据权利要求34所述的方法,其特征在于,所述第一配置信息包括以下中的至少一项:用于真实信道样本抽样的数量参数L1;用于虚拟信道样本抽样的数量参数L2;相似信道样本的最大数量参数K;信道样本的维度个数信息;用于生成频域维度的信道样本的配置信息;用于生成时域维度的信道样本量的配置信息;用于生成天线域维度的信道样本的配置信息。
- 根据权利要求35所述的方法,其特征在于,所述用于生成频域维度的信道样本的配置信息包括以下中的至少一项:频域粒度配置,频域维度的资源裁剪方式,目标频域资源的指示信息。
- 根据权利要求36所述的方法,其特征在于,所述目标频域资源的指示信息包括:起始频域资源的索引和长度;或者,所述目标频域资源的指示信息包括:起始频域资源的索引和频域资源间隔,其中,所述频域资源间隔为相邻两个目标频域资源之间的间隔。
- 根据权利要求35-37中任一项所述的方法,其特征在于,所述用于生成时域维度的信道样本的配置信息包括以下中的至少一项:时域粒度配置,时域维度的资源裁剪方式,目标时域资源的指示信息。
- 根据权利要求38所述的方法,其特征在于,所述目标时域资源的指示信息包括:起始时域资源的索引和长度;或者,所述目标时域资源的指示信息包括:起始时域资源的索引和时域资源间隔,其中,所述时域资源间隔为相邻两个目标时域资源之间的间隔。
- 根据权利要求35-39中任一项所述的方法,其特征在于,所述用于生成天线域维度的信道样 本的配置信息包括以下中的至少一项:天线域粒度配置,天线域维度的资源裁剪方式,目标天线域资源的指示信息。
- 根据权利要求40所述的方法,其特征在于,所述目标天线域资源的指示信息包括:起始天线的索引和天线个数,或者,起始天线的索引和端口个数;或者,所述目标天线域资源的指示信息包括:起始天线的索引和天线间隔,或者,起始天线的索引和端口间隔,其中,所述天线间隔或端口间隔为相邻两个天线域资源之间的间隔。
- 根据权利要求31-41中任一项所述的方法,其特征在于,所述真实信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求31-42中任一项所述的方法,其特征在于,所述虚拟信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求42或43所述的方法,其特征在于,所述时域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
- 根据权利要求42-44中任一项所述的方法,其特征在于,所述频域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
- 根据权利要求42-45中任一项所述的方法,其特征在于,所述角度域信道样本的信息包括以下至少一个维度的信息:发射角度;到达角度;时域粒度长度或频域粒度长度。
- 根据权利要求44-46中任一项所述的方法,其特征在于,所述时域粒度长度为以下中的一种:信道的真实多径数,按照第一采样率在时域上采样的采样点个数,进行时域采样的时间单元个数。
- 根据权利要求45或46所述的方法,其特征在于,所述频域粒度长度为以下中的一种:子载波数,资源块数,子带数。
- 一种虚拟信道样本的质量评估方法,其特征在于,包括:第一设备根据第一输入信息和第二输入信息,确定所述第二输入信息的质量评估信息;其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述第二输入信息的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
- 根据权利要求49所述的方法,其特征在于,所述真实信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求49或50所述的方法,其特征在于,所述虚拟信道样本包括以下中的至少一种:时域信道样本、频域信道样本、角度域信道样本。
- 根据权利要求50或51所述的方法,其特征在于,所述时域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;时域粒度长度。
- 根据权利要求50-52中任一项所述的方法,其特征在于,所述频域信道样本的信息包括以下至少一个维度的信息:发射天线数或发射端口数;接收天线数或接收端口数;频域粒度长度;时域粒度长度。
- 根据权利要求50-53中任一项所述的方法,其特征在于,所述角度域信道样本的信息包括以下至少一个维度的信息:发射角度;到达角度;时域粒度长度或频域粒度长度。
- 根据权利要求49-54中任一项所述的方法,其特征在于,所述第二输入信息的质量评估信息包括第一指标和第二指标,所述第一指标用于指示虚拟信道样本和真实信道样本的相似度,所述第二指标用于指示虚拟信道样本的离散度;或者,所述第二输入信息的质量评估信息包括第三指标,所述第三指标根据第一指标和第二指标生成。
- 根据权利要求55所述的方法,其特征在于,所述第一设备根据第一输入信息和第二输入信息,生成所述第二输入信息的质量评估信息,包括:根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度。
- 根据权利要求56所述的方法,其特征在于,所述根据所述第一输入信息和所述第二输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,其中,所述第三输入信息包括以下信息中的至少一种:用于真实信道样本抽样的数量参数L1;用于虚拟信道样本抽样的数量参数L2;相似信道样本的最大数量参数K。
- 根据权利要求57所述的方法,其特征在于,所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;根据每个虚拟信道样本对应的K个目标真实信道样本,确定每个虚拟信道样本和真实信道样本的相似度信息;根据所述虚拟信道样本集合中的每个虚拟信道样本和真实信道样本的相似度信息,确定虚拟信道样本和真实信道样本的目标相似度。
- 根据权利要求57或58所述的方法,其特征在于,所述根据第一输入信息,第二输入信息和第三输入信息,确定虚拟信道样本和真实信道样本的目标相似度和/或虚拟信道样本的目标离散度,包括:根据第三输入信息对所述第一输入信息和所述第二输入信息进行抽样,得到真实信道样本集合和虚拟信道样本集合;确定所述虚拟信道样本集合中的每个虚拟信道样本对应的K个目标真实信道样本,其中,所述每个虚拟信道样本对应的K个目标真实信道样本是所述真实信道样本集合中与所述虚拟信道样本相似度最高的K个真实信道样本;确定所述每个真实信道样本对应的目标虚拟信道样本的个数,其中,所述真实信道样本属于对应的目标虚拟信道样本所对应的K个目标真实信道样本;根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的的目标离散度。
- 根据权利要求59所述的方法,其特征在于,所述根据所述每个真实信道样本对应的目标虚拟信道样本的个数,确定虚拟信道样本的目标离散度,包括:根据所述每个真实的信道样本对应的目标虚拟信道样本的个数的标准差,确定所述虚拟信道样本的目标离散度。
- 根据权利要求49-60中任一项所述的方法,其特征在于,所述第一设备为终端设备或网络设备。
- 一种无线通信的设备,其特征在于,包括:处理模块,用于获取第一输入信息和至少一个第二输入信息,其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型;以及根据所述第一输入信息和所述至少一个第二输入信息,对所述至少一个第二输入信息进行质量评估和/或确定所述至少一个生成器模型中的目标生成器模型。
- 一种无线通信的设备,其特征在于,包括:通信模块,用于向第一设备发送的第一信息,所述第一信息包括以下中的至少一项:第一输入信息,为真实信道样本的信息;至少一个第二输入信息,为虚拟信道样本的信息,所述至少一个第二输入信息对应至少一个生成器模型,每个第二输入信息由对应的生成器模型生成;所述至少一个生成器的索引。
- 一种无线通信的设备,其特征在于,包括:处理模块,用于根据第一输入信息和第二输入信息,确定所述第二输入信息的质量评估信息;其中,所述第一输入信息为真实信道样本的信息,所述第二输入信息为虚拟信道样本的信息,所述第二输入信息的质量评估信息用于指示虚拟信道样本和真实信道样本的相似度和/或虚拟信道样本的离散度。
- 一种无线通信的设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至30中任一项所述的方法,或如权利要求31至48中任一项所述的方法,或者如权利要求49-61中任一项所述的方法。
- 一种芯片,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行如权利要求1至30中任一项所述的方法,或如权利要求31至48中任一项所述的方法,或者如权利要求49-61中任一项所述的方法。
- 一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至30中任一项所述的方法,或如权利要求31至48中任一项所述的方法,或者如权利要求49-61中任一项所述的方法。
- 一种计算机程序产品,其特征在于,包括计算机程序指令,该计算机程序指令使得计算机执行如权利要求1至30中任一项所述的方法,或如权利要求31至48中任一项所述的方法,或者如权利要求49-61中任一项所述的方法。
- 一种计算机程序,其特征在于,所述计算机程序使得计算机执行如权利要求1至30中任一项所述的方法,或如权利要求31至48中任一项所述的方法,或者如权利要求49-61中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/142531 WO2023123062A1 (zh) | 2021-12-29 | 2021-12-29 | 虚拟信道样本的质量评估方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118056429A true CN118056429A (zh) | 2024-05-17 |
Family
ID=86996835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180103068.0A Pending CN118056429A (zh) | 2021-12-29 | 2021-12-29 | 虚拟信道样本的质量评估方法和设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN118056429A (zh) |
WO (1) | WO2023123062A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237901B (zh) * | 2023-11-15 | 2024-06-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种跨域自适应的自动驾驶场景数据生成方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3759654A4 (en) * | 2018-03-02 | 2021-09-08 | Deepsig Inc. | LEARNING COMMUNICATION SYSTEMS USING CHANNEL PROXIMITY |
US10742516B1 (en) * | 2019-02-06 | 2020-08-11 | Cisco Technology, Inc. | Knowledge aggregation for GAN-based anomaly detectors |
US11556827B2 (en) * | 2020-05-15 | 2023-01-17 | International Business Machines Corporation | Transferring large datasets by using data generalization |
CN111683108B (zh) * | 2020-08-17 | 2020-11-17 | 鹏城实验室 | 一种网络流异常检测模型的生成方法和计算机设备 |
-
2021
- 2021-12-29 CN CN202180103068.0A patent/CN118056429A/zh active Pending
- 2021-12-29 WO PCT/CN2021/142531 patent/WO2023123062A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023123062A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022033456A1 (zh) | 一种信道状态信息测量反馈方法及相关装置 | |
CN109873665B (zh) | 数据传输的方法和设备 | |
US9438451B2 (en) | CSI-RS antenna ports extension and 3D codebook design | |
CN113938232A (zh) | 通信的方法及通信装置 | |
CN113765830B (zh) | 获取信道信息的方法及通信装置 | |
CN111886809A (zh) | 上行天线的选择方法和装置 | |
CN110350957B (zh) | 通信的方法和通信装置 | |
CN114616762A (zh) | 用于传输信道状态信息的方法和设备 | |
EP4243492A1 (en) | Data transmission method and apparatus | |
CN114616765A (zh) | 网络侧设备、终端侧设备、通信方法、通信装置以及介质 | |
CN106416104B (zh) | 一种设备 | |
CN116208308A (zh) | 用于确定上行传输参数的方法和终端设备 | |
US20220006495A1 (en) | Electronic device, communication method and medium | |
CN118056429A (zh) | 虚拟信道样本的质量评估方法和设备 | |
US9184895B2 (en) | Method and apparatus of interference alignment in cellular network | |
CN116097600A (zh) | 探测参考信号配置方法与装置、终端和网络设备 | |
WO2022012256A1 (zh) | 通信的方法及通信装置 | |
CN116530159A (zh) | 上行传输方法、终端设备和网络设备 | |
WO2022151092A1 (zh) | 信道数据传输方法、装置、通信设备及存储介质 | |
WO2023092310A1 (zh) | 信息处理方法、模型生成方法及设备 | |
WO2023092307A1 (zh) | 通信方法、模型训练方法和设备 | |
WO2023102706A1 (zh) | 信息指示方法、信息处理方法和设备 | |
WO2024016936A1 (zh) | 信道状态信息的确定方法、电子设备和存储介质 | |
CN118202599A (zh) | 无线通信的方法、终端设备和网络设备 | |
CN117616699A (zh) | 无线通信的方法、终端设备和网络设备 |
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 |