CN105379153A - 无线通信的目标信道识别 - Google Patents

Abstract

根据示例，可通过模型的使用识别无线通信的一组信道中的目标信道。特别地，可访问多个时间间隔期间所述一组信道中的各信道的性能信息。另外，可针对所述多个时间间隔中的每一个时间间隔，做出所述一组信道中的各信道中的哪一个信道具有最高性能水平的识别，并且可开发将所述多个信道的性能信息与在所述多个时间间隔期间具有最高性能水平的信道关联的模型。

Description

无线通信的目标信道识别

背景技术

在无线网络中，从发射机到接收机的无线信号的传递在到达接收机之前穿过多条路径。穿过不同路径的信号经历不同的衰减、延迟以及相移。另外，相移进一步受到载波频率的影响。因此，不同频率的信道质量依赖于在接收机处的不同的复杂多路径信号分量如何结合。由于相移由载波频率引起，因此来自在一个频率建设性地增加的一些路径的信号，在另一个频率可能破坏性地结合。因此，信道的质量彼此不同，使得与其他信道相比一些信道可能具有更好的性能。

附图说明

本公开的特征通过示例说明并且不限于下面的附图，其中，相似的附图标记表示相似的元件，其中：

图1根据本公开的示例描绘网络的简化框图，该网络可包含用于实现本文公开的各种特征的组件；

图2根据本公开的示例描绘在无线通信的一组信道中识别目标信道的方法的流程图；

图3根据本公开的示例描绘管理无线通信的一组信道的方法的流程图；以及

图4根据本公开的示例图示用于实施图1中描绘的第一通信装置的各种功能的计算设备的示意图。

具体实施方式

为了简洁和说明的目的，主要通过参照本公开的示例来描述本公开。在以下描述中，为了提供对本公开的深入理解而阐述了许多具体细节。但是，将显而易见的是，可不受这些具体细节限制实践本公开。在其他实例中，为了不使本公开不必要地难以理解，未详细描述一些方法和结构。如本文所使用的，术语“包括”表示包括但不限于，术语“包含”表示包含但不限于。术语“基于”表示至少部分基于。

本文公开的是识别要用于无线通信的一组信道中的目标信道的方法和装置。本文公开的方法和装置可基于该一组信道中的各信道中的单一一个信道的性能信息实现目标信道的识别。特别地，本文公开的方法和装置可开发并执行将一组信道中的每个信道的性能信息与组中具有最高或最佳性能水平的信道(例如，目标信道)关联的模型。另外，可通过机器学习技术的实现来开发该模型，使得可用相对小数量的训练数据开发该模型。

通过本文公开的方法和装置的实现，可以以相对简单和有效的方式识别用于发射机和接收机之间的无线通信的一组信道中的目标信道。也就是说，可通过简单地访问性能信息(诸如单个信道的信道状态信息、信道脉冲响应值等)识别目标信道(例如，具有最高信号强度、最高质量、最高信噪比、最高有效信噪比等等中的任一项的一组信道中的信道)。因此，在一方面，随着本文公开的模型的开发，为了识别目标信道，可能不需要确定每个信道的性能信息。相反地，传统的用于识别最佳信道的技术需要通过在多个信道中的每一个信道之间转换来确定与多个信道中的每一个信道有关的信息，以识别最佳信道，在此期间，会中断发射机和接收机之间信号的无线通信。

首先参照图1，根据示例示出网络100的简化框图，网络100可包含用于实现本文公开的各种特征的组件。应理解，在不脱离网络100的范围的情况下，网络100可包括其他元件并且可移除和/或修改本文描绘的元件中的一些。

网络100被描绘为包括第一通信装置110以及第二通信装置112。尽管未示出，但第二通信装置112可包括与关于第一通信装置110描绘的那些元件相同或类似的元件。一般来讲，通信装置110、112可以是直接和/或通过另一个网络设备向彼此无线地传递信号的任何类型的装置，并且彼此可以是不同类型。通信装置110、112可以是便携式电脑、平板电脑、个人计算机、智能电话、服务器、路由器、接入点、调制解调器、网关等中的任何装置。另外，网络100可表示任何类型的网络，诸如广域网(WAN)、局域网(LAN)等，可通过该网络传递数据帧，诸如以太网帧或包。

作为特定的示例，第一通信装置110可以是无线接入点，并且第二通信装置112可以是个人计算机。在此示例中，第一通信装置110通常可以是允许无线通信设备(诸如第二通信装置112)使用一种标准(诸如电气与电子工程师协会(IEEE)802.11标准或其他类型的标准)连接到网络(诸如互联网)的设备。因此，第二通信装置112可包括用于通过第一通信装置110无线地连接到网络的无线网络接口。

如图1中示出的，第一通信装置110被描绘为包括信道管理装置120、处理器140、输入/输出接口142以及数据存储器144。信道管理装置120还被描绘为包括性能信息访问模块122、最高性能水平识别模块124、训练数据创建模块126、分类器训练模块128、分类器执行模块130、相干时间确定模块132以及信道选择模块134。

处理器140(可以是微处理器、微控制器、专用集成电路(ASIC)等)用于实施第一通信装置110中的各种处理功能。处理功能之一可包括调用或实现信道管理装置120的模块122-134，如下面更详细的讨论的。根据示例，信道管理装置120是硬件设备，诸如设置在板上的电路或多个电路。在此示例中，模块122-134可以是电路组件或单独的电路。

根据另一个示例，信道管理装置120是软件可存储在其上的硬件设备，例如，易失性或非易失性存储器，易失性或非易失性存储器诸如动态随机存取存储器(DRAM)、电可擦除可编程只读存储器(EEPROM)、磁阻式随机存取存储器(MRAM)、忆阻器、闪存、软盘、光盘只读存储器(CD-ROM)、数字视频只读存储器(DVD-ROM)、或其他光的或磁的介质，等等。在此示例中，模块122-134可以是存储在信道管理装置120中的软件模块。根据进一步的示例，模块122-134可以是硬件和软件模块的结合。

处理器140可将数据存储在数据存储器144中，并且可在实现模块122-134时使用该数据。数据存储器144可以是易失性和/或非易失性存储器，诸如DRAM、EEPROM、MRAM、相变RAM(PCRAM)、忆阻器、闪存等等。另外或可替代地，数据存储器144可以是可从可移动介质读取或向可移动介质写入的设备，可移动介质诸如软盘、CD-ROM、DVD-ROM、或者其他光的或磁的介质。

输入/输出接口142可包括硬件和/或软件，以使处理器140能够通过一组信道150中的信道无线地与网络100中的设备(诸如第二通信装置112)通信。输入/输出接口142可包括硬件和/或软件，以使处理器140能够与这些设备通信。输入/输出接口142还可包括硬件和/或软件，以使处理器140能够与各种输入和/或输出设备(诸如键盘、鼠标、显示器等)通信，用户可通过各种输入和/或输出设备将指令输入到第一通信装置110中，并且可查看来自第一通信装置110的输出。

可以以各种方式定义该一组信道150中的信道，以使它们彼此区分。例如，信道中的每一个可以被定义为与特定的中心频率和特定的信道带宽对应。作为另一个示例，信道可以被定义为与特定的起始频率和特定的结束频率对应。另外，各信道可每个与同一大小的频宽或不同大小的频宽对应。通过特定的示例，该一组信道150可包括在IEEE802.11协议中的不同频率范围中的一个频率范围内或IEEE802.11协议中的多个不同频率范围中识别的一组信道。如本文所讨论的，由于各种因素，诸如信号采用的不同路径的衰减、延迟以及相移、载波频率中的变化等，同一或不同频率范围中的信道的质量可关于彼此不同。另外，由于载波频率引起的相移，来自在一个频率建设性地增加的一些路径的信号，在另一个频率可能破坏性地结合。由于多路径信道中较大数量的路径以及有限的分辨率，通过使用现有的传统的技术，很难或不可能预测任何信道的质量。

在一方面，本文公开的信道管理装置120可开发将信道的性能信息与具有最高性能水平的信道关联的模型，使得该模型可用于在用于传递信号的一组信道150中预测或识别目标信道。根据示例，该模型可以是数学模型，该数学模型接收信道的性能信息作为输入以及基于该信道的性能信息输出可能具有最高性能水平的目标信道。如本文更详细的讨论的，可通过用于学习相关性的机器学习分类器中的训练数据的应用来开发该模型。特别地，机器学习分类器可访问和使用信道的性能信息来开发该模型。另外，随着该模型的开发，特定的信道的性能信息(例如，当前使用的信道的CSI、当前使用的信道的CIR等)可被输入到该模型中，并且该模型可输出该一组信道150中的目标信道，其中，目标信道可预测为具有最佳或最高质量，例如，最高强度、最高质量、最高SNR、最高eSNR等中的任何项。

结合图2和图3中描绘的方法200和方法300，更详细地讨论其中可一般地实现信道管理装置120以及具体地实现模块122-134的各种方式。特别地，图2根据示例描绘在无线通信的一组信道150中识别目标信道的方法200的流程图。另外，图3根据示例描绘管理无线通信的一组信道150的方法300的流程图。对本领域的技术人员应显而易见的是，方法200和方法300表示广义的说明，并且在不脱离方法200和方法300的范围的情况下，可增加其他操作或者可移除、修改或重新设置现有的操作。

首先参照图2，在框202处，可例如通过性能信息访问模块122访问多个时间间隔期间该一组信道150中的各信道的性能信息。根据示例，各信道的性能信息可以是信道的信道状态信息(CSI)。一般来讲，信道或链路的CSI可描述信号如何从发射机传播到接收机，并且可表示散射、衰落以及功率随着距离的衰减的组合影响。可通过作为数字无线电的基础操作的部分的硬件中的信道估计逻辑的实现，确定各信道的CSI。例如，许多现代的数字无线电使用正交频分复用(OFDM)通信，并且在不同频率的子载波上发射信号。这些数字无线电通常包括用于估计信道的CSI的硬件中的信道估计逻辑。一方面，可使用在各自信道上传递的数据包中包含的信息来估计各信道的CSI。在其他示例中，性能信息可以是各信道的信道脉冲响应(CIR)，如下面所讨论的，CIR可从各信道的CSI得到。

根据示例，第一通信装置110可包括信道估计逻辑，并且性能信息访问模块122可访问由信道估计逻辑确定的CSI。在另一个示例中，可在分离的设备(未示出)上提供信道估计逻辑，并且性能信息访问模块122可从该分离的设备访问各信道的CSI。因此，一方面，信道管理装置120可以是独立于与另一个装置112无线通信的装置110的计算设备。

向量H＝H(f)f＝1:F被称为CSI，并且是描述每个子载波的信道质量的复杂向量(F是子载波的总数)。802.11a/g/n接收机实现64个这种子载波，并且包括可根据接收的包来估计CSI的硬件中的信道估计逻辑。可在每个包的基础上从PHY层将CSI导出到驱动器。CSI通常捕捉无线链路或信道的传播特性。根据示例，使来自接收机的信号沿D个单一的路径到达接收机，并且使路径p的衰减为a_p，且相位为如果子载波的频率f是fc，那么：

等式(1)。

根据等式(1)，可看到，信道的质量不仅依赖于路径特性(衰减和相位)，还依赖于操作频率f。在特定的频率f上的信道质量可依赖于D个路径如何在同一频率上结合。在特定的频率上，指数项可所有相位对齐以提高信道质量(|H(f)|)。然而，在某些其他频率，该指数项可实际上彼此消减，导致较弱的信道。另外，如果可确定幅度(a_p)和相位则可在任何频率估计信道质量(H)。

根据示例，信道的CSI可用于确定该一组信道150中的各信道的性能水平。特别地，可确定与各信道的CSI对应的信道脉冲响应(CIR)值，并且信道脉冲响应(CIR)值可被用作本文讨论的信道的性能信息，和/或可用于评估各信道的性能水平。各信道的CIR值表示时域中的多路径信道。一般来讲，从发射机到接收机的无线信号穿过多条路径，经历反射、衍射和散射。本质上，接收的信号包含多时间延迟衰减以及原始信号的相移的副本。如果x(t)是在时间t发射的信号，并且h(t,τ)捕获时间t到在时间t-τ发射的脉冲的CIR，则接收的信号是：

$y\left(t\right)=\underset{-\mathrm{\∞}}{\overset{\mathrm{\∞}}{\∫}}h\left(\mathrm{\τ}\right)x(t-\mathrm{\τ})d\mathrm{\τ}+w\left(t\right).$ 等式(2)。

在等式(2)中，w(t)是加性白噪声。CIRh可被认为是在包持续期间时变的，并且因此，可减少对时间t的依赖性。此外，CIRh可被定义为：

$h\left(\mathrm{\τ}\right)=\underset{p=0}{\overset{p-1}{\Σ}}A\left(p\right)\mathrm{\δ}(\mathrm{\τ}-\mathrm{\τ}(p\left)\right).$ 等式(3)。

在等式(3)中，A(p)＝a(p)e^eφ(p)是路径p的复杂响应，P是发射机和接收机之间的路径的数量，并且a(p)、τ(p)是在路径p上穿过的信号的衰减、相位和延迟。CIR的傅里叶变换H(f)＝F(h(t))还可被称为信道的CSI。等式(2)在频域中等价于：

Y(f)＝X(f)H(f)。等式(4)。

在等式(4)中，Y(f)＝F(y(t))以及X(f)＝F(x(t))分别是接收的信号y(t)以及发射的信号x(t)的傅里叶变换。

因此，根据示例，可通过对信道的CSI应用(快速)离散傅里叶逆变换(IFFT)获得信道的CIR。特别地，由于CSI可以是离散的，因此对CSI应用IFFT可能导致离散的CIR(h)：

h＝[h(0),...,h(STr)]。等式(5)。

在等式(5)中，Tr是采样间隔，并且S是采样的数量。CIR包含关于发射机和接收机之间的不同的信号路径的信息。例如，h(0)是从发射机到达接收机的第一路径的衰减和相位，h(1)是从发射机到达接收机的第二路径的衰减和相位，等等。根据示例，CIR可包括可有助于识别具有最高性能水平(例如最强、最高的信道质量，等等)的信道的一些独特的特征。

根据示例，基于机器学习的技术可用于根据最强信道指数(SCI)分类信道的CIR。一方面，具有最高SCI值的信道可被理解为组中所有可能的信道上产生最好的质量性能的信道，质量性能例如信噪比(SNR)、有效SNR(eSNR)，等等。

根据示例，在框202处，可通过在不同信道上转换并确定各信道的CSI来确定各信道的性能信息。另外，可以以上面讨论的任何方式，基于确定的CSI来确定各信道的CIR。

在框204处，可针对多个时间间隔中的每一个时间间隔识别具有最高性能水平(例如SNR、eSNR、接收的信号强度指示(RSSI)等)的信道。例如，最高性能水平识别模块124可比较各信道中的每一个信道的性能水平，以确定各信道中的哪一个导致最高性能水平。

在框206处，可开发将性能信息(例如，CSI)与在多个时间间隔期间具有最高性能水平的信道关联的模型。在框202处访问的性能信息以及在框204处识别的在多个时间间隔期间具有最高性能水平的信道可用于开发该模型。因此，例如，在一个时间间隔中，信道可具有第一组CSI并且第一信道可具有最高性能水平，在第二时间间隔中，信道可具有第二组CSI并且信道中的不同的一个信道可具有最高性能水平。不管怎样，例如，训练数据创建模块126可根据在各个时间间隔(例如，几个小时的时间段、一天，等等)确定的性能信息以及与具有最高性能水平的信道有关的信息生成训练数据，在各个时间间隔可捕获其中信号被传递的环境中的变化。另外，分类器训练模块128可使用训练数据来使用机器学习技术开发模型。另外或可替代地，分类器训练模块128可使用训练数据来开发多个模型，其中，多个模型中的每一个模型用于识别特定的信道的性能信息的目标信道。

不管怎样，分类器训练模块128可训练机器学***。机器学习分类器可以是任何合适类型的机器学习分类器，例如，朴素贝叶斯分类器(Bayesclassifier)、基于支持向量机(SVM)的分类器、基于C4.5或C5.0的决策树分类器，等等。朴素贝叶斯分类器是一种基于应用具有较强的独立性假设的贝氏定理的简单概率分类器。

现在转向图3，在框302处，可访问单个信道的性能信息。因此，例如，性能信息访问模块122可确定用于与第二通信装置112传递信号的当前信道的CSI和/或CIR。

在框304处，性能信息可被输入到机器学习分类器中。例如，分类器执行模块130可将性能信息输入到如上面在框206处讨论的机器学习分类器生成的模型中。

在框306处，可执行模型以识别目标信道。例如，分类器执行模块130可运行或执行模型，以针对输入的信道的性能信息，在该一组信道150中的各信道中识别哪一个信道被预测为具有最高的性能水平。通过示例，分类器执行模块130可使用该模型，预测信道中的哪一个具有最高性能水平、最高强度、最高SNR、最高eSNR等中的一个。

在框308处，可作出关于当前信道(例如，在框302处访问其性能信息的信道)是否是识别的目标信道的决定。响应于当前信道是识别的目标信道的决定，当前信道可继续使用，如在框310处所指示的。

然而，响应于当前信道不等于识别的目标信道，可在框312处确定识别的目标信道的相干时间。相干时间确定模块132可通过用于确定相干时间的任何合适的技术的实现，确定识别的目标信道的相干时间。信道的相干时间通常可被定义为一段持续时间，在该持续时间中，信道的质量将可能保持一致。另外，可通过各种方法(诸如通过CSI、RSSI中的变化的观察，等等)确定信道的相干时间。

在框314处，可作出关于识别的目标信道的相干时间是否降至预定阈值以下的决定。通过特定的示例，信道选择模块134可基于识别的目标信道的CSI确定其相干时间。因此，在这种示例中，信道选择模块134可将目标信道的相干时间确定为一持续时间，超过该持续时间，其特性(如通过CSI确定的特性)已改变到预定阈值的例如至少60％。响应于相干时间降至预定阈值以下的决定，可继续使用当前的信道，如在框310处所指示的。然而，响应于相干时间超过预定阈值的决定，可将通信切换到识别的目标信道，如在框316处所指示的。

如上面所讨论的，本文公开的信道可与特定的中心频率和特定的信道宽度对应和/或与特定的起始频率和特定的结束频率对应。在这方面，目标信道的识别可包括通过那些方式中的任何方式定义的目标信道的识别。在其他示例中，可在各个时间实施方法200，以更新一个或多个模型。另外或可替代地，可在第一通信装置110和第二通信装置112之间的信号的传递期间重复方法300，例如以持续地识别并使用通信的目标信道。

方法200和方法300中提出的操作中的一些或全部可作为实用程序、程序或子程序被包含在任何期望的计算机可访问介质中。另外，方法200和方法300可通过计算机程序体现，该计算机程序可以以各种形式(现用程序和非现用程序两者)存在。例如，它们可作为机器可读指令存在，包括源代码、对象代码、可执行代码或其他格式。上述机器可读指令中的任何一种可在非瞬态计算机可读存储介质上体现。

非瞬态计算机可读存储介质的示例包括传统的计算机***RAM、ROM、EPROM、EEPROM以及磁盘或光盘或磁带。因此，将理解，能够执行上述功能的任何电子设备可实施上面列举的那些功能。

现在转到图4，根据示例示出计算设备400的示意图，计算设备400可用于实施图1中描绘的第一通信装置的各种功能。设备400可包括处理器402、显示器404(诸如监控器)、网络接口408(诸如局域网LAN、无线802.11xLAN、3G移动WAN或WiMaxWAN)以及计算机可读介质410。这些组件中的每一个组件可操作地联接到总线412。例如，总线412可以是EISA、PCI、USB、火线、NuBus或PDS。

计算机可读介质410可以是参与向处理器402提供指令以供执行的任何合适的介质。例如，计算机可读介质410可以是非易失性介质(诸如光盘或磁盘)、易失性介质(诸如存储器)。计算机可读介质410还可存储信道管理应用程序414，信道管理应用程序414可实施方法200和方法300，并且可包括图1中描绘的信道管理装置120的模块。就这一点而言，信道管理应用程序414可包括性能信息访问模块122、最高性能水平识别模块124、训练数据创建模块126、分类器训练模块128、分类器执行模块130、相干时间确定模块132以及信道选择模块134。

尽管贯穿整个当前公开进行了具体描述，但本公开的代表性示例具有宽范围的应用的效用，并且上面的讨论目的不在于且不应理解为限制，而是提供作为本公开各方面的说明性讨论。

本文已描述并说明的是本公开的示例及其一些变形。本文所使用的术语、描述和附图仅通过说明的方式提出，且不意味着限制。在本公开的精神和范围内，许多变形是可能的，其目的在于由下面的权利要求-及其等同物限定-其中，除非另外指示，所有术语表示其最广义的合理意义。

Claims (15)

1.一种识别无线通信的一组信道中的目标信道的方法，所述方法包括：

访问多个时间间隔期间所述一组信道中的各信道的性能信息；

针对所述多个时间间隔中的每一个时间间隔，识别所述一组信道中的各信道中的哪一个信道具有最高性能水平；以及

开发将多个信道的性能信息与在所述多个时间间隔期间具有所述最高性能水平的信道关联的模型，其中所述模型将被用于识别所述目标信道。

2.根据权利要求1所述的方法，进一步包括：

执行所述模型以识别所述目标信道。

3.根据权利要求2所述的方法，进一步包括：

访问所述一组信道中的单个信道的另一个性能信息；并且

其中执行所述模型进一步包括：将所述单个信道的另一个性能信息输入到所述模型中，以及基于所述模型的输出在所述一组信道中识别所述目标信道。

4.根据权利要求1所述的方法，其中访问所述性能测量进一步包括：访问包含在通过所述无线网络传递的数据包中的信道状态信息。

5.根据权利要求4所述的方法，进一步包括：

对所述信道状态信息应用快速傅里叶逆变换运算，以确定所述多个时间间隔期间所述多个信道的信道脉冲响应信息；并且

其中，识别在所述多个时间间隔中的每一个时间间隔期间所述一组信道中的各信道中的哪一个信道具有最高性能水平进一步包括：将具有最高信道脉冲响应的信道识别为在所述多个时间间隔中的每一个时间间隔期间具有所述最高性能水平的信道。

6.根据权利要求1所述的方法，其中所述目标信道包括所述一组信道中的在所述一组信道中具有最高信噪比和有效信噪比中至少之一的信道。

7.根据权利要求1所述的方法，其中所述一组信道中的各信道中的每一个信道与特定的中心频率和特定的信道对应，或者与特定的起始频率和特定的结束频率对应。

8.根据权利要求1所述的方法，其中开发模型进一步包括：

用所述多个信道的性能信息和与在所述多个时间间隔期间具有所述最高性能水平的信道有关的信息，创建机器学习分类器的训练数据；以及

用所述训练数据训练所述机器学习分类器，其中所述机器学习分类器用于开发所述模型，以根据从单个信道访问的另一个输入性能信息预测所述目标信道。

9.根据权利要求1所述的方法，进一步包括：

确定所识别的目标信道不是当前使用的信道；

确定所识别的目标信道的相干时间；

响应于所述相干时间降至预定阈值以下，继续使用当前信道；以及

响应于所述相干时间超过所述预定阈值，切换到所识别的目标信道。

10.一种用于识别无线通信的一组信道中的目标信道的装置，所述装置包括：

处理器；以及

存储器，在所述存储器上存储机器可读指令以引起所述处理器：

访问多个时间间隔期间所述一组信道中的各信道的信道状态信息；

针对所述多个时间间隔中的每一个时间间隔，识别所述一组信道中的各信道中的哪一个信道具有最高性能水平；并且

开发将所述多个信道的信道状态信息与针对所述多个时间间隔具有所述最高性能水平的信道关联的模型，其中所述模型将被用于识别所述目标信道。

11.根据权利要求10所述的装置，其中所述机器可读指令进一步引起所述处理器：

访问所述一组信道中的单个信道的另一个信道状态信息；并且

执行所述模型，以识别所述一组信道中与所访问的所述单个信道的另一个信道状态信息对应的目标信道。

12.根据权利要求10所述的装置，其中所述机器可读指令进一步引起所述处理器：

对所述各信道的信道状态信息应用快速傅里叶逆变换运算，以确定所述多个时间间隔期间所述各信道的信道脉冲响应信息；并且

基于所确定的所述多个时间间隔中的每一个时间间隔期间的信道脉冲响应信息，识别在所述多个时间间隔中的每一个时间间隔期间具有所述最高性能水平的信道。

13.根据权利要求10所述的装置，其中所述机器可读指令进一步用于：

确定所识别的目标信道不是当前使用的信道；

确定所识别的目标信道的相干时间；

响应于所述相干时间降至预定阈值以下，继续使用当前信道；以及

响应于所述相干时间超过所述预定阈值，切换到所识别的目标信道。

14.一种非瞬态计算机可读存储介质，所述非瞬态计算机可读存储介质上存储机器可读指令，所述机器可读指令在由处理器执行时引起所述处理器：

访问一组信道中的单个信道的性能信息；

将所述性能信息输入到模型中，所述模型将所述一组信道中的各信道的性能信息与所述一组信道中的具有最高性能水平的信道关联；并且

执行所述模型，以确定所述一组信道中与所访问的所述单个信道的性能信息关联的信道。

15.根据权利要求14所述的非瞬态计算机可读存储介质，其中所述机器可读指令进一步用于引起所述处理器：

访问多个相应的时间间隔期间无线通信的所述一组信道中的各信道的性能信息；

针对所述多个相应的时间间隔中的每一个时间间隔，识别所述一组信道中的各信道中的哪一个信道具有最高性能水平；并且

基于所访问的各信道的性能信息以及针对所述多个相应的时间间隔中的每一个时间间隔所识别的具有所述最高性能水平的信道，开发所述模型。