CN115413018A - 信道状态信息处理方法、终端和计算机可读存储介质 - Google Patents
信道状态信息处理方法、终端和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115413018A CN115413018A CN202110580507.9A CN202110580507A CN115413018A CN 115413018 A CN115413018 A CN 115413018A CN 202110580507 A CN202110580507 A CN 202110580507A CN 115413018 A CN115413018 A CN 115413018A
- Authority
- CN
- China
- Prior art keywords
- matrix
- elements
- real
- sampling
- real number
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 46
- 238000003672 processing method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 445
- 230000005540 biological transmission Effects 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000005070 sampling Methods 0.000 claims description 59
- 230000015654 memory Effects 0.000 claims description 50
- 238000013139 quantization Methods 0.000 claims description 29
- 238000010606 normalization Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000011664 signaling Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- -1 array Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了信道状态信息处理方法、终端和计算机可读存储介质,其中,应用于第一设备的信道状态信息处理方法包括:获取信道信息;根据所述信道信息确定传输矩阵;发送所述传输矩阵给第二设备,以使所述第二设备根据所述传输矩阵对所述第一设备进行定位。基于此,第一设备通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给第二设备,以使得第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
Description
技术领域
本发明实施例涉及无线通信技术领域,特别是涉及一种信道状态信息处理方法、终端和计算机可读存储介质。
背景技术
定位技术在我们的生活和生产中有广泛的应用,比如地图导航,智能工厂的物体定位,消防定位,物流定位等。而且我们对定位精度的要求也越来越高,比如,在工厂里对机器或者物品的定位要求甚至达到厘米级。
在相关技术中,如果被定位的终端和定位设备间是非视距(Non-Line Of Sight,NLOS)时,定位精度并不高,定位精度很不理想,并不能满足生活和生产的需要。人工智能(Artificial Intelligence,AI)是现在比较热门的研究点之一,将人工智能用于定位,能大幅度提升定位的精度。然而,人工智能特别是深度学习里涉及的参数通常达到几千万,甚至上亿个的规模,这对于在简单的终端设备中要普遍使用这些参数并不容易。而通常,终端能够获得比较理想的信道信息,因此,利用终端如何反馈这些信道信息给基站或者定位服务器,以实现对终端的精准定位成为亟待解决的问题。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种信道状态信息处理方法、终端、网络设备、基站和计算机可读存储介质,基于对信道信息特征的提取和反馈,从而实现对终端的精准定位。
第一方面,本发明实施例提供了一种信道状态信息处理方法,应用于第一设备,所述方法包括:
获取信道信息;
根据所述信道信息确定传输矩阵;
发送所述传输矩阵给第二设备,以使所述第二设备根据所述传输矩阵对所述第一设备进行定位。
第二方面,本发明实施例提供了一种信道状态信息处理方法,应用于第二设备,所述方法包括:
获取来自第一设备的传输矩阵;
根据所述传输矩阵对所述第一设备进行定位。
第三方面,本发明实施例提供了一种终端,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面所述的信道状态信息处理方法。
第四方面,本发明实施例提供了一种基站,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第二方面所述的信道状态信息处理方法。
第五方面,本发明实施例提供了一种定位服务器,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第二方面所述的信道状态信息处理方法。
第六方面,本发明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程序,所述计算机可执行程序用于使计算机执行如上第一方面所述的信道状态信息处理方法,或者如上第二方面所述的信道状态信息处理方法。
本发明实施例包括:第一设备获取信道信息,并根据信道信息确定传输矩阵,再发送传输矩阵给第二设备,以使第二设备根据传输矩阵对第一设备进行定位。基于此,第一设备通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给第二设备,以使得第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的一种应用于第一设备的信道状态信息处理方法的流程图;
图2是本发明一个实施例提供的一种应用于第一设备的信道状态信息处理方法中子步骤的流程图;
图3是本发明一个实施例提供的一种应用于第二设备的信道状态信息处理方法的流程图;
图4是本发明一个实施例提供的终端示意图;
图5是本发明一个实施例提供的基站示意图;
图6是本发明一个实施例提供的定位服务器示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
应了解,在本发明实施例的描述中,多个(或多项)的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
定位技术在我们的生活和生产中有广泛的应用,比如地图导航,智能工厂的物体定位,消防定位,物流定位等。而且我们对定位精度的要求也越来越高,比如,在工厂里对机器或者物品的定位要求甚至达到厘米级。
在相关技术中,如果被定位的终端和定位设备间是非视距(Non-Line Of Sight,NLOS)时,定位精度并不高,定位精度很不理想,并不能满足生活和生产的需要。人工智能(Artificial Intelligence,AI)是现在比较热门的研究点之一,将人工智能用于定位,能大幅度提升定位的精度。然而,人工智能特别是深度学习里涉及的参数通常达到几千万,甚至上亿个的规模,这对于在简单的终端设备中要普遍使用这些参数并不容易。而通常,终端能够获得比较理想的信道信息,因此,利用终端如何反馈这些信道信息给基站或者定位服务器,以实现对终端的精准定位成为亟待解决的问题。
本发明实施例提供了一种信道状态信息处理方法、终端和计算机可读存储介质,第一设获取信道信息,并根据信道信息确定传输矩阵,再发送传输矩阵给第二设备,以使第二设备根据传输矩阵对第一设备进行定位。基于此,第一设备通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给第二设备,以使得第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
如图1所示,图1是本发明一个实施例提供的一种信道状态信息处理方法的流程图。该信道状态信息处理方法应用于第一设备,其中,第一设备可以是终端,信道状态信息处理方法包括但不限于如下步骤:
步骤101,获取信道信息;
步骤102,根据信道信息确定传输矩阵;
步骤103,发送传输矩阵给第二设备,以使第二设备根据传输矩阵对第一设备进行定位。第一设备获取信道信息,并根据信道信息确定传输矩阵,再发送传输矩阵给第二设备,以使第二设备根据传输矩阵对第一设备进行定位。基于此,第一设备通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给第二设备,以使得第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
需要说明的是,本实施例的矩阵可以是一维及其一维以上的矩阵、数组、矢量、张量。
需要指出的是,第一设备包括但不限于终端,第二设备包括但不限于基站以及定位服务器。对于终端,终端可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol,SIP)电话、无线本地环路(Wireless Local Loop,WLL)站、个人数字处理(Personal Digital Assistant,PDA)、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、或者5G网络或者未来5G以上网络中的终端设备等,本实施例对此并不限定。对于基站,基站可以是长期演进(Long TermEvolution,LTE),长期演进增强(Long Term Evolutionadvanced,LTEA)中的演进型基站(Evolutional Node B,eNB或eNodeB)、5G网络中的基站设备、或者未来通信***中的基站等,基站可以包括各种宏基站、微基站、家庭基站、无线拉远、路由器、位置服务器(locationserver)、或者主小区(primary cell)和协作小区(secondary cell)等各种网络侧设备和定位管理功能(location management function,LMF)设备中的一个或多个。
需要说明的是,对于信道信息的获取,第一设备可以从第二设备获取定位参考信号,根据定位参考信号得到信道信息。而对于定位参考信号,定位参考信号可以包括在下行链路中用于定位的下行定位参考信号(Positioning Reference Signal,PRS),以及用于定位的上行探测参考信号(Sounding reference signal,SRS),当然,也可以是其它的用于定位的参考信号。在基于终端协助定位或者基于终端的定位方法中,基站或者定位服务器发送PRS给需要定位的终端,终端通过PRS获得定位相关的信道信息。对于每个终端来说,基站的每根发送天线到终端的每根接收天线,它可以表示为Nbs*Nc的复数矩阵,其中,Nc为频域的子载波个数,而Nbs为备选的定位基站的个数,复数矩阵的第i行表示终端到第i个基站的信道信息,第一个维度为基站维度,第二个维度为信道维度,当然本发明说的方法对应的信道信息也可以是基站维度在信道维度之后的形式,即Nc*Nbs的复数矩阵。对每个终端的信道信息进行处理得到传输矩阵,基站通过对传输矩阵进行处理输出定位结果,定位结果可以是终端的位置信息,例如绝对坐标下的位置信息,相对坐标下的位置信息,或者用于进一步估计用户位置信息的参数,例如时间到达、信号到达角度以及信号离开角度等。
可以理解的是,为了降低终端的复杂度,可以在基站或者定位服务器设置人工智能定位模块,终端向基站或者定位服务器反馈传输矩阵,人工智能定位模块通过对传输矩阵进行处理,以输出定位结果。
可以理解的是,步骤102可以包括如下子步骤:
对信道信息进行截取,得到截取矩阵;
对截取矩阵进行量化,得到传输矩阵。
可以理解的是,在步骤102中,对信道信息进行截取,得到截取矩阵,可以包括如下子步骤:
将所述信道信息转换到时域信道,得到时域矩阵;
对所述时域矩阵进行截取,得到截取矩阵。
可以理解的是,在步骤102中,在对信道信息进行截取,得到截取矩阵之后,还包括如下子步骤:
对截取矩阵进行实数化处理,得到实数矩阵。
可以理解的是,在步骤102中,在对所述截取矩阵进行实数处理,得到实数矩阵之后,还包括如下子步骤:
对实数矩阵进行采样,得到采样矩阵。
可以理解的是,在步骤102中,在对实数矩阵进行采样,得到采样矩阵之后,还包括如下子步骤:
反馈采样矩阵对应的采样点位置给第二设备。
可以理解的是,在步骤102中,在对实数矩阵进行采样,得到采样矩阵之后,还包括如下子步骤:
对采样矩阵进行归一化处理,得到归一化矩阵。
可以理解的是,在步骤102中,在对采样矩阵进行归一化处理,得到归一化矩阵之后,还包括如下子步骤:
对归一化矩阵进行量化,得到量化矩阵,根据量化矩阵确定传输矩阵。
可以理解的是,如图2所示,步骤102还可以包括如下子步骤:
步骤1021,将信道信息转换到时域信道,得到时域矩阵;
步骤1022,对时域矩阵进行截取,得到截取矩阵;
步骤1023,对截取矩阵进行实数化处理,得到实数矩阵;
步骤1024,对实数矩阵进行采样,得到采样矩阵;
步骤1025,对采样矩阵进行归一化处理,得到归一化矩阵;
步骤1026,对归一化矩阵进行量化,得到量化矩阵;
步骤1027,根据量化矩阵确定传输矩阵。
在一实施例中,在对信道信息做预处理的过程中,可以将信道信息转换到时域信道,即对终端到每个基站的信道做离散傅里叶逆变换(Inverse Discrete FourierTransform,IDFT),或者逆向快速傅里叶变换(Inverse Fast Fourier Transform,IFFT),以使得将信道信息变换到时域矩阵,即对于终端到每个基站的信道进行时域信道转换,其中,时域矩阵为Nbs*Nt的复数矩阵,或者Nt*Nbs的复数矩阵,Nt为时域采样点数,为正整数,可以为大于等于Nc的正整数,Nc为频域的子载波个数,比如1024、2048、4096等值,和定位的带宽有关。而定位的基站数目Nbs可能也比较多,比如Nbs大于等于8,可知,反馈的Nbs*Nt复数矩阵开销是巨大的。因此,需要进一步的处理,比如将信道信息变换到时域得到时域矩阵,时域矩阵为Nbs*Nt的复数矩阵或者Nt*Nbs的复数矩阵,Nt为时域采样点数,一般为Nc的整数倍。以一定的窗长对时域矩阵进行截取,比如截取时域矩阵的第k列到第k+L-1列得到截取矩阵,其中,k和L为正整数,且k大于0,k+L-1小于Nc,比如取k=1,L=16,64,128,256。接着对截取矩阵进行实数化处理,得到实数矩阵,然后对实数矩阵进行采样,得到采样矩阵,对采样矩阵进行归一化处理,得到归一化矩阵,再对归一化矩阵进行量化,得到量化矩阵,并根据量化矩阵确定传输矩阵,再将传输矩阵反馈给基站。
需要说明的是,对截取矩阵进行实数化处理,以使得将截取矩阵由复数矩阵转换为实数矩阵,可以通过以下之一实数化处理得到:取每个元素的绝对值,取每个元素的实数部分,取每个元素的实数部分的绝对值,取每个元素的虚数部分,取每个元素的虚数部分的绝对值,并且每个实数化处理都会得到对应的一个实数化矩阵,最终的实数矩阵由上述的至少一个实数化矩阵连接得到,比如,对截取矩阵取每个元素绝对值得到实数化矩阵H1,对截取矩阵取每个元素的实数部分得到实数化矩阵H2,对截取矩阵取每个元素的实数部分的绝对值得到实数化矩阵H3,对截取矩阵取每个元素的虚数部分得到实数化矩阵H4,对截取矩阵取每个元素的虚数部分的绝对值得到实数化矩阵H5,那么将H1至H5的C个矩阵连接得到实数矩阵,为Nbs*Nt*C的矩阵,或者Nt*Nbs*C的矩阵,这里第三维度为通道维度,在有的时候,通道维度也可以放在基站维度的前面,1≤C≤5。
可以理解的是,实数矩阵包括C个矩阵,对实数矩阵进行采样,可以包括但不限于以下任意之一:
在实数矩阵包括的每个矩阵的每行元素中选取前L1个元素;或者,
在实数矩阵包括的每个矩阵的每行元素中选取后L1个元素;或者,
在实数矩阵包括的每个矩阵的每行元素中选取含有最大值的元素的连续的L1个元素;或者,
在实数矩阵包括的每个矩阵的每行元素中选取前L1个最大值的元素;或者,
在实数矩阵包括的每个矩阵的每行元素中选取大于预设值的L1个元素;
获取实数矩阵包括的每个矩阵的每行元素上的L1个元素所在的位置信息,实数矩阵包括的每个矩阵的每行元素上的L1个元素所在的位置信息即为采样点的位置信息,通过对实数矩阵的采样,得到采样矩阵,并反馈采样矩阵对应的采样点位置信息给第二设备。
其中,时域矩阵的每行包括有L个元素,L1小于L。
可以理解的是,实数矩阵包括C个矩阵,对实数矩阵进行采样,还可以包括但不限于以下任意之一:
在对实数矩阵包括的每个矩阵的每列元素中选取前L1个元素;或者,
在实数矩阵包括的每个矩阵的每列元素中选取后L1个元素;或者,
在实数矩阵包括的每个矩阵的每列元素中选取含有最大值的元素的连续的L1个元素;或者,
在实数矩阵包括的每个矩阵的每列元素中选取前L1个最大值的元素;或者,
在实数矩阵包括的每个矩阵的每列元素中选取大于预设值的L1个元素;
获取实数矩阵包括的每个矩阵的每列元素上的L1个元素所在的位置信息,实数矩阵包括的每个矩阵的每列元素上的L1个元素所在的位置信息即为采样点的位置信息,通过对实数矩阵的采样,得到采样矩阵,并反馈采样矩阵对应的采样点位置信息给第二设备。
其中,时域矩阵的每列包括有L个元素,L1小于L。
可以理解的是,实数矩阵包括C个矩阵,对实数矩阵进行采样,所述实数矩阵的每个矩阵是一个向量,即对每个基站对应的信道信息,还可以包括但不限于以下任意之一:
在对实数矩阵包括的每个矩阵选取前L1个元素;或者,
在实数矩阵包括的每个矩阵选取后L1个元素;或者,
在实数矩阵包括的每个矩阵选取含有最大值的元素的连续的L1个元素;或者,
在实数矩阵包括的每个矩阵选取前L1个最大值的元素;或者,
在实数矩阵包括的每个矩阵选取大于预设值的L1个元素;
获取实数矩阵包括的每个矩阵的所述L1个元素所在的位置信息,实数矩阵包括的每个矩阵的L1个元素所在的位置信息即为采样点的位置信息,通过对实数矩阵的采样,得到采样矩阵,并反馈采样矩阵对应的采样点位置信息给第二设备。
其中,时域矩阵的每列包括有L个元素,L1小于L。
这里,采样点的位置也可以跟下面的概念互换,采样点位置信息,采样点所对应的索引,或者采样点所对应的时间序列,或者采样点的窗口位置,多径延迟索引,多径延迟,多径到达时间,多径到达时间的相对值,多径到达时间索引,多径位置信息。
可以理解的是,对采样矩阵进行归一化处理,可以包括以下任意之一:
在一实施例中,针对实数矩阵中的每个元素,根据第一缩放因子对元素进行归一化处理,其中,第一缩放因子为实数矩阵所有元素中的绝对值的最大值或者为获取的最大的信道状态信息;需要说明的是,获取的信道状态信息可以是第一设备测量的第二设备集到第一设备的信道状态信息。
在一实施例中,将实数矩阵在第K维上进行归一化后得到的矩阵为归一化矩阵,其中,K为正整数且0<K<4。例如,第K=1维归一化时,进行的操作是:针对实数矩阵包含的每个矩阵的第i行的每个元素乘以第i行的第二缩放因子,或者对实数矩阵包含的每个矩阵的第i行的每个元素除以第i行的第二缩放因子的倒数,其中,第i行的第二缩放因子为第i行元素的绝对值的最大值,i=1,…,N。需要说明的是,第二缩放因子为实数矩阵第i行元素中的绝对值的最大值或者为第一设备到与实数矩阵第i行相映射的第二设备的信道状态信息,且i等于第二设备的个数。例如,第K=2维归一化时,进行的操作是:针对所述实数矩阵中的第i列的每个元素乘以第i列的第二缩放因子或者所述实数矩阵中的第i列的每个元素除以第i列的第二缩放因子的倒数,其中,第i列的第二缩放因子为第i列元素的绝对值的最大值,i=1,…,N。需要说明的是,第二缩放因子为实数矩阵第i列元素中的绝对值的最大值或者为第一设备到与实数矩阵第i列相映射的第二设备的信道状态信息,且i等于第二设备的个数。
需要说明的是,可以对所述的实数矩阵所有元素加或减一个常数,然后再进行所述的归一化处理,或者在所述的归一化处理之后加或减一个常数,比如0.5,实数矩阵的所有元素的平均值等,或者在所述实数矩阵所有元素加或减一个常数后,然后再除以所述实数矩阵所有元素得到的方差。
需要说明的是,可以对所述的实数矩阵第K个维度的所有元素加或减一个常数,然后再进行所述矩阵在第K维上的所述归一化处理,或者在进行所述矩阵在第K维上的所述归一化处理之后加或减一个常数,比如0.5,所述实数矩阵在第K维上的所有元素的平均值,等,或者在所述实数矩阵在第K维上的所有元素加或减一个常数后,然后再除以所述实数矩阵在第K维上的所有元素得到的方差,所述K为0、1、2、3、4、5、6中的一个数。
在一实施例中,将截取矩阵由复数矩阵转换为实数矩阵之后,可以对实数矩阵的每个元素除以一个缩放因子s,其中,s的取值可能为以下之一:s为HT1的所有元素的绝对值的最大值,s为终端到所有基站的最大信信道状态信息,其中,信道状态信息包括但不限于以下之一:参考信号接收功率(reference signal received power,RSRP),信号与干扰加噪声比(signal-to-noise and interference ratio,SINR),参考信号接收质量(reference signal received quality,RSRQ)。
在一实施例中,将截取矩阵由复数矩阵转换为实数矩阵之后,可以对实数矩阵的第i行(列)的元素除以一个缩放因子si,其中,si的取值可能为以下之一:si为HT1的第i行(列)的元素的绝对值的最大值,si为终端到第i个基站的信道状态信息,其中,信道状态信息包括但不限于以下之一:参考信号接收功率RSRP,信号与干扰加噪声比SINR,参考信号接收质量RSRQ,i=1,…,Nbs。
可以理解的是,对于实数矩阵,实数矩阵可以通过以下之一实数化处理得到:取每个元素的绝对值,取每个元素的实数部分,取每个元素的实数部分的绝对值,取每个元素的虚数部分,取每个元素的虚数部分的绝对值,并且每个实数化处理都会得到对应的一个实数化矩阵,最终的实数矩阵由上述的至少一个实数化矩阵连接得到,比如,对截取矩阵取每个元素绝对值得到实数化矩阵H1,对截取矩阵取每个元素的实数部分得到实数化矩阵H2,对截取矩阵取每个元素的实数部分的绝对值得到实数化矩阵H3,对截取矩阵取每个元素的虚数部分得到实数化矩阵H4,对截取矩阵取每个元素的虚数部分的绝对值得到实数化矩阵H5,那么将H1至H5的C个矩阵连接得到实数矩阵,为Nbs*Nt*C的矩阵,或者Nt*Nbs*C的矩阵,这里第三维度为通道维度,在有的时候,通道维度也可以放在基站维度的前面,1<=C<=5。
例如,对截断矩阵的每个元素取实部或者实部的绝对值形成实部矩阵,对截断矩阵的每个元素取虚部或者虚部的绝对值形成虚部矩阵,并将实部矩阵和虚部矩阵合并成一个三维矩阵为Nbs*L*2的矩阵,并且截断矩阵第三维度取值为1时对应的为实部矩阵,第三维度取值为2时对应的为虚部矩阵。
在一实施例中,将实数矩阵由复数矩阵转换为实部矩阵和虚部矩阵之后,对实部矩阵和/或虚部矩阵的第i行(或列)的元素除以一个缩放因子si,其中,si的取值可能为以下之一:si为HT1的实部矩阵和/或虚部矩阵的第i行(或列)的元素的绝对值的最大值,si为终端到第i个基站的信道状态信息,其中,信道状态信息包括但不限于以下之一:参考信号接收功率RSRP,信号与干扰加噪声比SINR,参考信号接收质量RSRQ,i=1,…,Nbs。
可以理解的是,对归一化矩阵进行量化,可以包括以下任意之一:
针对归一化矩阵中的每个元素,根据第一缩放因子对元素进行比特量化;或者,
针对归一化矩阵中的每个元素,根据元素所在的第i行(或列)对应的第二缩放因子对元素进行比特量化。
在一实施例中,对归一化矩阵的每个元素进行量化,得到量化后的矩阵量化矩阵。例如,可以将归一化矩阵里的每个元素进行Bbit的量化。也可以对于第i行(或列)的元素量化比特数与第i行(或列)的缩放因子si有关,si越大,量化的比特越多。比如,si大于门限t1时用4比特量化,而大于t2时用3比特量化,大于t3时用1比特量化等,其中t1大于t2,t2大于t3。
在一实施例中,根据量化矩阵确定传输矩阵,具体地,如果量化矩阵是二维矩阵,选择量化矩阵的前L1列或者后L1列形成压缩后的矩阵HI,并在物理层和/或高层信令中反馈传输矩阵。基站或者定位服务器收到传输矩阵后,可以对传输矩阵通过补L-L1列零的方式得到有L列的矩阵。如果量化矩阵是三维矩阵,那么分别对实部矩阵和虚部矩阵分别取前L1列或后L1列形成压缩后的实部矩阵和虚部矩阵,并将它们联合成三维矩阵,得到传输矩阵,并在物理层和/或者高层信令中反馈传输矩阵。基站或者定位服务器收到传输矩阵后,可以对传输矩阵的实部矩阵和虚部矩阵通过补L-L1列零的方式得到有L列的矩阵。
在一实施例中,对于反馈的方式,可以反馈量化矩阵中含有最大值的元素的连续的L1个元素,例如,含有最大值的元素的前L1个样点,或者含有最大值的元素的后L1个样点,或者以最大值的元素为中点的L1个样点。具体地,如果量化矩阵是二维矩阵,选择量化矩阵的第i行,选择第i行元素中绝对值最大的值ai,并记录它在第i行对应的列索引j,选择包括索引j在内的连续L1个索引I,除了索引I外的值都赋值为常数c,c可以为零,通过物理层和/或高层信令反馈索引I,以及包括索引j的连续的L1个样点对应的值。基站或者定位服务器收到传输矩阵后和所述索引I后,通过索引I外的值都赋值为常数c,c可以为零,而索引I对应的值为反馈值,从而形成传输矩阵。如果量化矩阵是三维矩阵,那么分别对实部矩阵和虚部矩阵分别做类似如二维矩阵的操作,从而得到传输矩阵的实部和虚部矩阵。
在一实施例中,对于反馈的方式,可以反馈量化矩阵中前L1个最大值的元素。具体地,如果HT2是二维矩阵,选择量化矩阵的第i行,选择第i行元素中绝对值最大的L1个值A,A为1*L1的向量,并记录所述选择的L1个样点在第i行对应的列索引I,除了索引I外的值都赋值为常数c,c可以为零。通过物理层和/或者高层信令反馈索引I,以及索引I对应的L1个样点的值。基站或者定位服务器收到传输矩阵后和所述索引I后,通过对索引I外的值都赋值为常数c,c可以为零,而索引I对应的值为反馈值A,从而形成传输矩阵。如果量化矩阵是三维矩阵,那么分别对实部矩阵和虚部矩阵分别做类似如二维矩阵的操作,从而得到传输矩阵的实部和虚部矩阵。
在一实施例中,对于反馈的方式,可以反馈量化矩阵中大于预设值的L1个元素。具体地,如果量化矩阵是二维矩阵,选择量化矩阵的第i行,选择第i行元素中绝对值大于门限值T的Ki个值A,A为1*Li的向量,并记录所述选择的L1个样点在第i行对应的列索引I,除了索引I外的值都赋值为常数c,c可以为零。通过物理层和/或者高层信令反馈索引I,以及索引I对应的L1个样点的值。基站或者定位服务器收到传输矩阵后和所述索引I后,通过对索引I外的值都赋值为常数c,c可以为零,而索引I对应的值为反馈值A,从而形成矩阵传输矩阵。如果量化矩阵是三维矩阵,那么分别对实部矩阵和虚部矩阵分别做类似如二维矩阵的操作,从而得到传输矩阵的实部和虚部矩阵。
在这些实施例中,所述索引I可以称为采样点的位置信息。
如图3所示,图3是本发明一个实施例提供的一种信道状态信息处理方法的流程图。该信道状态信息处理方法可以应用于第二设备,其中,第二设备可以是基站或者定位服务器,信道状态信息处理方法包括但不限于如下步骤:
步骤301,获取来自第一设备的传输矩阵;
步骤302,根据传输矩阵对第一设备进行定位。
第二设备获取来自第一设备的传输矩阵,再根据传输矩阵对第一设备进行定位。基于此,第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
需要说明的是,本实施例的矩阵可以是一维及其一维以上的矩阵、数组、矢量、张量。
需要指出的是,第一设备包括但不限于终端,第二设备包括但不限于基站以及定位服务器。对于终端,终端可以是蜂窝电话、无绳电话、会话启动协议电话、无线本地环路站、个人数字处理、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、或者5G网络或者未来5G以上网络中的终端设备等,本实施例对此并不限定。对于基站,基站可以是LTE中的演进型基站、5G网络中的基站设备、或者未来通信***中的基站等,基站可以包括各种宏基站、微基站、家庭基站、无线拉远、路由器、位置服务器、或者主小区和协作小区等各种网络侧设备和定位管理功能设备中的一个或多个。
需要说明的是,第二设备可以向第一设备发送定位参考信号,并获取来自由第一设备处理定位参考信号而得到的传输矩阵,而对于定位参考信号,定位参考信号可以包括在下行链路中用于定位的下行定位参考信号PRS,以及用于定位的上行探测参考信号SRS,当然,也可以是其它的用于定位的参考信号。在基于终端协助定位或者基于终端的定位方法中,基站或者定位服务器发送PRS给需要定位的终端,终端通过PRS获得定位相关的信道信息。对于每个终端来说,基站的每根发送天线到终端的每根接收天线,它可以表示为Nbs*Nc的复数矩阵,其中,Nc为频域的子载波个数,而Nbs为备选的定位基站的个数,复数矩阵的第i行表示终端到第i个基站的信道信息。对每个终端的信道信息进行处理得到传输矩阵,基站通过对传输矩阵进行处理输出定位结果,定位结果可以是终端的位置信息,例如绝对坐标下的位置信息,相对坐标下的位置信息,或者用于进一步估计用户位置信息的参数,例如时间到达、信号到达角度以及信号离开角度等。
可以理解的是,为了降低终端的复杂度,可以在基站或者定位服务器设置人工智能定位模块,终端向基站或者定位服务器反馈传输矩阵,人工智能定位模块通过对传输矩阵进行处理,以输出定位结果。
如图4所示,本发明实施例还提供了一种终端。
具体地,该终端包括:一个或多个处理器和存储器,图4中以一个处理器及存储器为例。处理器和存储器可以通过总线或者其他方式连接,图4中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如上述本发明实施例中的信道状态信息处理方法。处理器通过运行存储在存储器中的非暂态软件程序以及程序,从而实现上述本发明实施例中的信道状态信息处理方法。
存储器可以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***、至少一个功能所需要的应用程序;存储数据区可存储执行上述本发明实施例中的信道状态信息处理方法所需的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该终端。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。
实现上述本发明实施例中的信道状态信息处理方法所需的非暂态软件程序以及程序存储在存储器中,当被一个或者多个处理器执行时,执行上述本发明实施例中的信道状态信息处理方法,例如,执行以上描述的图1中的方法步骤101至步骤103,图2中的方法步骤1021至步骤1027,终端获取信道信息,根据信道信息确定传输矩阵,再发送传输矩阵给基站,以使基站根据传输矩阵对终端进行定位。基于此,终端通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给基站,以使得基站能够根据传输矩阵输出定位结果,从而实现对终端的精准定位。
如图5所示,本发明实施例还提供了一种基站。
具体地,该基站包括:一个或多个处理器和存储器,图5中以一个处理器及存储器为例。处理器和存储器可以通过总线或者其他方式连接,图5中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如上述本发明实施例中的信道状态信息处理方法。处理器通过运行存储在存储器中的非暂态软件程序以及程序,从而实现上述本发明实施例中的信道状态信息处理方法。
存储器可以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***、至少一个功能所需要的应用程序;存储数据区可存储执行上述本发明实施例中的信道状态信息处理方法所需的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该终端。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。
实现上述本发明实施例中的信道状态信息处理方法所需的非暂态软件程序以及程序存储在存储器中,当被一个或者多个处理器执行时,执行上述本发明实施例中的信道状态信息处理方法,例如,执行以上描述的图3中的方法步骤301至步骤302,基站获取来自终端的传输矩阵,再根据传输矩阵对终端进行定位。基于此,基站能够根据传输矩阵输出定位结果,从而实现对终端的精准定位。
如图6所示,本发明实施例还提供了一种定位服务器。
具体地,该定位服务器包括:一个或多个处理器和存储器,图6中以一个处理器及存储器为例。处理器和存储器可以通过总线或者其他方式连接,图6中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如上述本发明实施例中的信道状态信息处理方法。处理器通过运行存储在存储器中的非暂态软件程序以及程序,从而实现上述本发明实施例中的信道状态信息处理方法。
存储器可以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***、至少一个功能所需要的应用程序;存储数据区可存储执行上述本发明实施例中的信道状态信息处理方法所需的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该终端。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。
实现上述本发明实施例中的信道状态信息处理方法所需的非暂态软件程序以及程序存储在存储器中,当被一个或者多个处理器执行时,执行上述本发明实施例中的信道状态信息处理方法,例如,执行以上描述的图3中的方法步骤301至步骤302,定位服务器获取来自终端的传输矩阵,再根据传输矩阵对终端进行定位。基于此,定位服务器能够根据传输矩阵输出定位结果,从而实现对终端的精准定位。
此外,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行程序,该计算机可执行程序被一个或多个控制处理器执行,可使得上述一个或多个处理器执行上述本发明实施例中的信道状态信息处理方法,例如,执行以上描述的图1中的方法步骤101至步骤103,图2中的方法步骤1021至步骤1027,或者,图3中的方法步骤301至步骤302。第一设备获取信道信息,并根据信道信息确定传输矩阵,再发送传输矩阵给第二设备,以使第二设备根据传输矩阵对第一设备进行定位。基于此,第一设备通过对信道信息特征的提取,得到传输矩阵,再将传输矩阵反馈给第二设备,以使得第二设备能够根据传输矩阵输出定位结果,从而实现对第一设备的精准定位。
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、***可以被实施为软件、固件、硬件及其适当的组合。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(诸如计算机可读程序、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程序、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。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换,这些等同的变形或替换均包括在本发明权利要求所限定的范围内。
Claims (22)
1.一种信道状态信息处理方法,应用于第一设备,所述方法包括:
获取信道信息;
根据所述信道信息确定传输矩阵;
发送所述传输矩阵给第二设备,以使所述第二设备根据所述传输矩阵对所述第一设备进行定位。
2.根据权利要求1所述的方法,其特征在于,所述根据所述信道信息确定传输矩阵,包括:
对所述信道信息进行截取,得到截取矩阵;
对所述截取矩阵进行量化,得到传输矩阵。
3.根据权利要求2所述的方法,其特征在于,所述对所述信道信息进行截取,得到截取矩阵,包括:
将所述信道信息转换到时域信道,得到时域矩阵;
对所述时域矩阵进行截取,得到截取矩阵。
4.根据权利要求3所述的方法,其特征在于,在所述对所述信道信息进行截取,得到截取矩阵之后,还包括:
对所述截取矩阵进行实数化处理,得到实数矩阵。
5.根据权利要求4所述的方法,其特征在于,在所述对所述截取矩阵进行实数处理,得到实数矩阵之后,还包括:
对所述实数矩阵进行采样,得到采样矩阵。
6.根据权利要求5所述的方法,其特征在于,在所述对所述实数矩阵进行采样,得到采样矩阵之后,还包括:
反馈所述采样矩阵对应的采样点位置信息给所述第二设备。
7.根据权利要求5所述的方法,其特征在于,在所述对所述实数矩阵进行采样,得到采样矩阵之后,还包括:
对所述采样矩阵进行归一化处理,得到归一化矩阵。
8.根据权利要求7所述的方法,其特征在于,在所述对所述采样矩阵进行归一化处理,得到归一化矩阵之后,还包括:
对所述归一化矩阵进行量化,得到量化矩阵,根据所述量化矩阵确定传输矩阵。
9.根据权利要求3所述的方法,其特征在于,所述将所述信道信息转换到时域信道,包括:
对所述信道信息作离散傅里叶逆变换或者逆向快速傅里叶变换处理。
10.根据权利要求3所述的方法,其特征在于,所述对所述时域矩阵进行截取,包括:
根据预设的窗长参数对所述时域矩阵进行截取。
11.根据权利要求7所述的方法,其特征在于,所述对所述采样矩阵进行归一化处理,包括以下任意之一:
针对所述实数矩阵中的每个元素,根据第一缩放因子对所述元素进行归一化处理,其中,所述第一缩放因子为所述实数矩阵所有元素中的绝对值的最大值或者为获取的最大的信道状态信息;
将所述实数矩阵在第K维上进行归一化后得到的矩阵为归一化矩阵,其中,K为整数且0≤K≤6。
12.根据权利要求4所述的方法,其特征在于,所述实数矩阵包括实部矩阵、虚部矩阵和幅度矩阵中的至少一个矩阵,所述实部矩阵为对所述截断矩阵的每个元素取实部或者实部的绝对值而获得,所述虚部矩阵为对所述截断矩阵的每个元素取虚部或者虚部的绝对值而获得,所述幅度矩阵为对所述截断矩阵的每个元素取绝对值而获得。
13.根据权利要求11所述的方法,其特征在于,所述信道状态信息包括以下任意之一:
参考信号接收功率RSRP;
信号与干扰加噪声比SINR;
参考信号接收质量RSRQ。
14.根据权利要求11所述的方法,其特征在于,所述对所述归一化矩阵进行量化,包括:
针对所述归一化矩阵中的每个元素,根据所述第一缩放因子对所述元素进行比特量化;或者,
针对所述归一化矩阵中的第i行的每个元素,根据所述元素所在的第i行对应的第二缩放因子对所述元素进行比特量化,其中,所述第二缩放因子为所述实数矩阵第i行或第i列元素中的绝对值的最大值,i=1,…,Nbs,其中,Nbs为所述第二设备的个数;或者,
针对所述归一化矩阵中的第i列的每个元素,根据所述元素所在的第i列对应的第二缩放因子对所述元素进行比特量化,其中,所述第二缩放因子为所述实数矩阵第i列元素中的绝对值的最大值,i=1,…,Nbs,其中,Nbs为所述第二设备的个数。
15.根据权利要求5所述的方法,其特征在于,所述对所述实数矩阵进行采样,包括:
在所述实数矩阵包括的每个矩阵的每行元素中选取前L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每行元素中选取后L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每行元素中选取含有最大值的元素的连续的L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每行元素中选取前L1个最大值的元素;或者,
在所述实数矩阵包括的每个矩阵的每行元素中选取大于预设值的L1个元素;
获取所述实数矩阵包括的每个矩阵的每行元素对应的L1个元素所在的位置信息;
其中,所述时域矩阵的每行包括有L个元素,L1小于L。
16.根据权利要求5所述的方法,其特征在于,所述对所述实数矩阵进行采样,包括:
在所述实数矩阵包括的每个矩阵的每列元素中选取前L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每列元素中选取后L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每列元素中选取含有最大值的元素的连续的L1个元素;或者,
在所述实数矩阵包括的每个矩阵的每列元素中选取前L1个最大值的元素;或者,
在所述实数矩阵包括的每个矩阵的每列元素中选取大于预设值的L1个元素;
获取所述实数矩阵包括的每个矩阵的每列元素上的所述L1个元素所在的位置信息;
其中,所述时域矩阵的每列包括有L个元素,L1小于L。
17.根据权利要求5所述的方法,其特征在于,所述对所述实数矩阵进行采样,包括:
在所述实数矩阵包括的每个矩阵的所有元素中选取前L1个元素;或者,
在所述实数矩阵包括的每个矩阵的所有元素中选取后L1个元素;或者,
在所述实数矩阵包括的每个矩阵的所有元素中选取含有最大值的元素的连续的L1个元素;或者,
在所述实数矩阵包括的每个矩阵的所有元素中选取前L1个最大值的元素;或者,
在所述实数矩阵包括的每个矩阵的所有元素中选取大于预设值的L1个元素;
获取所述实数矩阵包括的每个矩阵的所述L1个元素所在的位置信息;
其中,所述实数矩阵包括的每个矩阵是一维的向量,所述时域矩阵包括有L个元素,L1小于L。
18.一种信道状态信息处理方法,应用于第二设备,所述方法包括:
获取来自第一设备的传输矩阵;
根据所述传输矩阵对所述第一设备进行定位。
19.一种终端,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至17中任意一项所述的信道状态信息处理方法。
20.一种基站,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求18所述的信道状态信息处理方法。
21.一种定位服务器,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求18所述的信道状态信息处理方法。
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程序,所述计算机可执行程序用于使计算机执行如权利要求1至17任意一项所述的信道状态信息处理方法,或者如权利要求18所述的信道状态信息处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580507.9A CN115413018A (zh) | 2021-05-26 | 2021-05-26 | 信道状态信息处理方法、终端和计算机可读存储介质 |
PCT/CN2022/091031 WO2022247599A1 (zh) | 2021-05-26 | 2022-05-05 | 信道状态信息处理方法、终端和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110580507.9A CN115413018A (zh) | 2021-05-26 | 2021-05-26 | 信道状态信息处理方法、终端和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115413018A true CN115413018A (zh) | 2022-11-29 |
Family
ID=84155809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110580507.9A Pending CN115413018A (zh) | 2021-05-26 | 2021-05-26 | 信道状态信息处理方法、终端和计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115413018A (zh) |
WO (1) | WO2022247599A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI20010079A (fi) * | 2001-01-12 | 2002-07-13 | Nokia Corp | Paikannusmenetelmä ja radiojärjestelmä |
CN106550447B (zh) * | 2015-09-21 | 2020-04-03 | 中兴通讯股份有限公司 | 一种终端定位方法、装置及*** |
CN108168559B (zh) * | 2017-12-26 | 2020-05-05 | 西京学院 | 一种基于分布式天线的室内定位***及方法 |
WO2019148511A1 (en) * | 2018-02-05 | 2019-08-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and devices for estimation of mimo channel state information |
CN112491750A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 用于感知测量的方法和装置 |
-
2021
- 2021-05-26 CN CN202110580507.9A patent/CN115413018A/zh active Pending
-
2022
- 2022-05-05 WO PCT/CN2022/091031 patent/WO2022247599A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2022247599A1 (zh) | 2022-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9655107B2 (en) | Subspace tracking in full dimension MIMO | |
US10063299B2 (en) | Precoding matrix set determining method and apparatus, and parameter indication information sending method and apparatus | |
US20220247469A1 (en) | Method and device for transmitting channel state information | |
US10148330B2 (en) | Beamforming smoothing and indication | |
WO2019140610A1 (en) | Apparatuses and methods for non-linear precoding | |
US20230412430A1 (en) | Inforamtion reporting method and apparatus, first device, and second device | |
CN111162822A (zh) | 大规模mimo波束域统计信道信息获取方法与*** | |
US20220374500A1 (en) | Finite resolution decomposition of a matrix and matrix-vector multiplication | |
CN106506112B (zh) | 反馈信道状态信息的方法和网络设备 | |
CN115413018A (zh) | 信道状态信息处理方法、终端和计算机可读存储介质 | |
CN108282201B (zh) | 一种用户终端调度方法及装置、通信*** | |
US20180269932A1 (en) | Apparatus and a method for data detecting using a low bit analog-to-digital converter | |
CN103312448A (zh) | 确定信道状态信息的方法与装置 | |
CN116210177A (zh) | 用于训练神经网络的参考信号补偿 | |
CN114982146A (zh) | 信号发送方法及装置 | |
CN115413017A (zh) | 信道信息处理方法、移动通信设备及存储介质 | |
CN116886475B (zh) | 一种信道估计方法、设备及*** | |
CN105519007B (zh) | 一种信息传输方法、设备及*** | |
WO2024152319A1 (en) | Transmitting datasets in wireless communication systems | |
CN113508538B (zh) | 描绘每路径角度和延迟信息的信道状态信息(csi)反馈增强 | |
WO2023065150A1 (en) | Channel state based beamforming enhancement | |
CN116963161A (zh) | 一种信道状态的反馈方法及装置 | |
CN109995406B (zh) | 一种无线通信***的波束赋形方法及基带处理单元 | |
CN118264287A (zh) | 一种信道信息的反馈方法、装置及存储介质 | |
CN117955540A (zh) | 信道状态信息的发送、接收方法、通信装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |