CN115623595A - 传输时隙配置方法、波束追踪方法、电子设备及存储介质 - Google Patents
传输时隙配置方法、波束追踪方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115623595A CN115623595A CN202211371036.1A CN202211371036A CN115623595A CN 115623595 A CN115623595 A CN 115623595A CN 202211371036 A CN202211371036 A CN 202211371036A CN 115623595 A CN115623595 A CN 115623595A
- Authority
- CN
- China
- Prior art keywords
- time slot
- tracking
- slot group
- parameter
- terminal
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
- H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
- H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
- H04B7/0621—Feedback content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/086—Weighted combining using weights depending on external parameters, e.g. direction of arrival [DOA], predetermined weights or beamforming
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线通信技术领域,提供一种传输时隙配置方法、波束追踪方法、电子设备及存储介质,该传输时隙配置方法通过在帧结构中配置若干连续的时隙为一个时隙组,基于时隙组内训练时隙、常规时隙以及反馈时隙,可以实现数据传输的同时对时隙组进行参数动态配置和统计性能反馈,进而为波束追踪等技术应用提供可以匹配不同用户移动速度的方案,以兼顾通信***的传输性能和传输效率,降低信令开销。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种传输时隙配置方法、波束追踪方法、电子设备及存储介质。
背景技术
当前移动通信***中,用户的数据流量需求呈现急剧增长的趋势,这对***容量和频谱效率提出了更高的要求。以毫米波为代表的高频段通信由于具有丰富的频谱资源,能够满足不断增长的通信需求,被视作5G的关键技术之一。但由于毫米波具有载频高、波长短等特点,信号在传输过程中衰减严重,往往导致路径损耗较大,因此通常需要与大规模多天线(Massive MIMO)技术结合应用,通过在基站侧部署大量天线,形成数量更多且指向性更好(更窄)的波束,从而弥补路径损耗,提升基站的覆盖距离和***容量。
与传统的多天线技术相比,基于毫米波的Massive MIMO***将具有数量更多、宽度更窄的波束,在多波束的有效管理方面面临新的挑战。其中,波束追踪作为波束管理的关键问题之一,因其能有效发挥大规模多天线技术的优势,对***性能提升具有重要作用,因此一直被公认为毫米波Massive MIMO***中的研究热点。
现有的多天线***中波束追踪方法大致可以分为以下几类:第一,基于训练信号进行波束追踪,在该方法中,基站侧发送若干个已知的训练信号给用户,用户侧基于接收到的训练信号进行下行信道估计,并向基站反馈下行信道状态信息,基站根据接收到的下行信道状态信息计算相应的下行波束赋形向量,从而形成指向用户的波束,达到波束追踪的目的;第二,基于位置预测进行波束追踪,在该方法中,通过定位相关的参考信号对用户的位置坐标进行估计和预测,并基于基站和用户间的几何位置关系,得到相应的波束赋形方向,从而实现波束追踪。
然而,上述方法应用于毫米波massive MIMO***中时都有一定的局限性,波束变窄之后,针对移动状态下的用户进行波束追踪时,更容易发生波束失准,带来***性能的下降,因此通常会在现有方法的基础上增加波束追踪的频率,以便确保***的传输性能。在实际***中,考虑到多用户的运动速度千差万别,处于大动态变化范围,针对高速移动用户,其快速变化的位置使得信息的有效性更短,需进行频繁精准的波束追踪以保证波束对准效果;但针对低速移动用户,其位置与信道状态信息等变化缓慢,若同样采用频繁的波束追踪将导致大量信令开销,严重影响***传输效率。
上述问题的出现,通常是由于现有的传输时隙配置方法中,帧结构的每个时隙均是相同的,无法应用于参数动态配置,进而不足以支撑波束追踪时技术问题的解决。因此,现急需提供一种传输时隙配置方法。
发明内容
本发明提供一种传输时隙配置方法、波束追踪方法、电子设备及存储介质,用以解决现有技术中存在的缺陷。
本发明提供一种传输时隙配置方法,包括:
配置帧结构中若干连续的时隙为一个时隙组,所述时隙组内的第一个时隙为训练时隙,所述时隙组内的最后一个时隙为反馈时隙,所述时隙组内训练时隙与反馈时隙之间的时隙为常规时隙;
基于所述时隙组内训练时隙中的前若干个信号单元发送训练信号,并基于所述时隙组内训练时隙中除所述前若干个信号单元之外的其余信号单元进行数据传输;
基于所述时隙组内反馈时隙中的后若干个信号单元反馈所述时隙组的统计性能结果,并基于所述时隙组内反馈时隙中除所述后若干个信号单元之外的其余信号单元进行数据传输;
基于所述时隙组内常规时隙中的所有信号单元进行数据传输。
本发明提供一种基于上述传输时隙配置方法实现的波束追踪方法,包括:
基于所述时隙组内的训练时隙,向终端发送第一参考信号,并基于所述时隙组内用于进行数据传输的信号单元,接收所述终端基于所述第一参考信号确定的移动状态信息,基于所述时隙组内的反馈时隙,接收所述终端反馈的所述时隙组的统计性能结果;
基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,并基于所述追踪质量评价参数,确定目标配置参数,基于所述时隙组内的训练时隙,将所述目标配置参数发送至所述终端;
基于所述目标配置参数,确定波束赋形向量,并基于所述时隙组内的训练时隙以所述波束赋形向量向所述终端发送第二参考信号,所述第二参考信号用于所述终端进行波束搜索,完成波束追踪。
根据本发明提供的一种波束追踪方法,所述追踪质量评价参数包括追踪准确性参数以及追踪效率参数;
所述基于所述追踪质量评价参数,确定目标配置参数,具体包括:
若所述追踪准确性参数大于或等于性能阈值且所述追踪效率参数大于或等于效率阈值,则确定所述目标配置参数与存储的当前配置参数相同;
否则,将所述移动状态信息、所述统计性能结果以及存储的当前配置参数输入至智能学习模型,得到所述智能学习模型输出的预测结果,并将所述预测结果作为所述目标配置参数;
其中,所述智能学习模型基于目标时刻的配置参数样本、统计性能结果样本、移动状态信息样本以及所述目标时刻的后一时刻的配置参数样本训练得到。
根据本发明提供的一种波束追踪方法,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,具体包括:
确定所述追踪准确性指标的期望值,并基于所述统计值与所述期望值的比值,确定所述追踪准确性参数;
基于所述移动状态信息以及存储的当前配置参数,确定所述追踪效率参数。
根据本发明提供的一种波束追踪方法,所述目标配置参数包括所述时隙组内的时隙总个数和波束宽度。
本发明还提供一种基于上述传输时隙配置方法实现的波束追踪方法,包括:
基于所述时隙组内的训练时隙接收基站发送的第一参考信号,并基于所述第一参考信号确定移动状态信息,并基于所述时隙组内用于进行数据传输的信号单元,将所述移动状态信息发送至所述基站;
监测所述时隙组内所有时隙的***性能指标,基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,并基于所述时隙组内的反馈时隙,将所述统计性能结果反馈至所述基站;
基于所述时隙组中的训练时隙,接收所述基站基于所述移动状态信息以及所述统计性能结果确定的目标配置参数,并基于所述目标配置参数,确定后续时隙组中采用的时隙总个数;
基于所述时隙组中的训练时隙,接收所述基站发送的第二参考信号,并基于所述第二参考信号,进行波束搜索,完成波束追踪。
根据本发明提供的一种波束追踪方法,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,具体包括:
将所述时隙组内所有时隙的***性能指标的取值进行加权平均,得到所述追踪准确性指标的统计值。
根据本发明提供的一种波束追踪方法,所述基于所述第一参考信号确定移动状态信息,具体包括:
确定所述第一参考信号的接收功率,并基于所述接收功率,计算所述终端与所述基站的距离;
基于所述距离以及所述基站通过所述时隙组内的训练时隙发送的历史第一参考信号,预测得到所述移动状态信息;
其中,所述移动状态信息包括所述终端的位置、移动速度以及移动方向中的至少一项。
本发明还提供一种电子设备,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程序时实现如上述任一种所述的波束追踪方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述的波束追踪方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述的波束追踪方法。
本发明提供的传输时隙配置方法、波束追踪方法、电子设备及存储介质,该传输时隙配置方法通过在帧结构中配置若干连续的时隙为一个时隙组,基于时隙组内训练时隙、常规时隙以及反馈时隙,可以实现数据传输的同时对时隙组进行参数动态配置和统计性能反馈,进而为波束追踪等技术应用提供可以匹配不同用户移动速度的方案,以兼顾通信***的传输性能和传输效率,降低信令开销。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的传输时隙配置方法的流程示意图之一;
图2是本发明提供的传输时隙配置方法得到的时隙组的示意图;
图3是本发明提供的波束追踪方法的流程示意图之一;
图4是本发明提供的波束追踪方法中基站和终端之间的相对位置关系示意图;
图5是本发明提供的波束追踪方法中采用的智能学习模型的输入输出示意图;
图6是本发明提供的波束追踪方法的流程示意图之二;
图7是本发明提供的波束追踪方法的流程示意图之三;
图8是本发明提供的波束追踪方法的流程示意图之四;
图9是本发明提供的传输时隙配置装置的结构示意图;
图10是本发明提供的波束追踪装置的结构示意图之一;
图11是本发明提供的波束追踪装置的结构示意图之二;
图12是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
由于现有技术中的波束追踪方法在应用于毫米波massive MIMO***时,需要增加波束追踪频率,以便确保***的传输性能。而对于高速移动用户,其快速变化的位置使得信息的有效性更短,所需的波束追踪频率较高,而对于低速移动用户,其位置与信道状态信息等变化缓慢,若同样采用较高的波束追踪频率将导致大量信令开销,严重影响***传输效率。因此,有必要研究大规模窄波束的准确高效波束追踪方法,提升高频段通信***中的链路传输效率及可靠性。
本发明实施例中提供的一种传输时隙配置方法,主要解决的技术问题是在网络环境具有高动态性(包括信道传播条件差异较大、终端运动速度差异较大等)的场景下,设计更加合理的无线传输时隙配置方法,旨在实现数据传输的同时对时隙组进行参数动态配置和统计性能反馈,确保为波束追踪等技术应用提供可以匹配不同用户移动速度的方案,以兼顾通信***的传输性能和传输效率,降低信令开销。
图1为本发明实施例中提供的一种传输时隙配置方法的流程示意图,如图1所示,该方法包括:
S11,配置帧结构中若干连续的时隙为一个时隙组,所述时隙组内的第一个时隙为训练时隙,所述时隙组内的最后一个时隙为反馈时隙,所述时隙组内训练时隙与反馈时隙之间的时隙为常规时隙;
S12,基于所述时隙组内训练时隙中的前若干个信号单元发送训练信号,并基于所述时隙组内训练时隙中除所述前若干个信号单元之外的其余信号单元进行数据传输;
S13,基于所述时隙组内反馈时隙中的后若干个信号单元反馈所述时隙组的统计性能结果,并基于所述时隙组内反馈时隙中除所述后若干个信号单元之外的其余信号单元进行数据传输;
S14,基于所述时隙组内常规时隙中的所有信号单元进行数据传输。
具体地,本发明实施例中提供的传输时隙配置方法,其执行主体为传输时隙配置装置,该装置可以配置于计算机内,该计算机可以为本地计算机或云计算机,本地计算机可以是电脑、平板等,此处不作具体限定。
首先执行步骤S11,将帧结构中若干连续的时隙配置为一个时隙组,每个时隙组内的时隙总个数可以根据需要进行设置,不同时隙组内的时隙总个数可以相同也可以不同,也就是说,不同时刻基站与终端之间通信采用的时隙组可以相同,也可以不同,由训练时隙发送的训练信号以及反馈时隙反馈的统计性能结果而定。
本发明实施例中在传统帧结构中各个连续独立传输的时隙的基础上,引入时隙组的概念,即将多个时隙进行捆绑,定义为一个时隙组(Timeslot Bundling Group,TBG),一个时隙组即构成配置得到的一个基本传输单元。
本发明实施例中配置得到的时隙组如图2所示,一个虚线框表示一个TBG,一个TBG包括训练时隙、常规时隙和反馈时隙这三种时隙类型。常规时隙的数量为一个或多个,可以根据需要进行设定,一个TBG中包含的时隙总个数即为这三种时隙类型的时隙的总个数,由常规时隙的个数决定。
每个时隙组内的训练时隙均为第一个时隙,每个时隙组内的反馈时隙均为最后一个时隙,每个时隙组内训练时隙与反馈时隙之间的时隙均为常规时隙。即若一个TBG中包含的时隙总个数为N,则第一个时隙为训练时隙,TBG中从第二个时隙开始的(N-2)个时隙为常规时隙,TBG中的最后一个时隙为反馈时隙。
由此可知,每个时隙组中均至少包括一个训练时隙、一个反馈时隙以及一个常规时隙,即若不同时隙组内的时隙总个数不同,则是由于内部的常规时隙个数不同导致的。
每个时隙组内包含的各时隙,均是由顺序排列的多个信号单元组成,各时隙中包含的信号单元的个数均可以根据需要进行设置,且均相同,此处不作具体限定。例如,各时隙均包括L个信号单元,L为正整数。
执行步骤S12,通过每个时隙组内的训练时隙中的前若干个信号单元发送训练信号,并通过每个时隙组内训练时隙中除前若干个信号单元之外的其余信号单元进行数据传输。
也就是说,每个时隙组内的训练时隙,其中的前若干个信号单元用于发送训练信号,即基站可以利用训练时隙中的前若干个信号单元向终端发送训练信号。用于发送训练信号的信号单元的个数可以为一个或多个,具体可以根据需要进行设置,此处不作具体限定。
该训练信号可以包括为确定参数配置所采用的训练信息以及配置得到的参数,例如,波束追踪应用场景下可以包括第一参考信号、目标配置参数以及第二参考信号等,第一参考信号则用于实现移动性预测功能,即确定终端的移动状态信息;目标配置参数则用于实现时隙组的参数配置功能;第二参考信号则用于实现波束对准功能。
每个时隙组内的训练时隙,其中除用于发送训练信号的前若干个信号单元之外的其余信号单元,则用于进行数据传输。即基站以及终端均可以利用训练时隙中除前若干个信号单元之外的其余信号单元进行数据传输。
例如,训练时隙中包括的L个信号单元具体可以分为前a个信号单元以及后L-a个信号单元这两组,训练时隙中前a个信号单元则用于发送训练信号,训练时隙中后L-a个信号单元则用于对常规的待传输数据进行数据传输。
执行步骤S13,通过时隙组内反馈时隙中的后若干个信号单元反馈时隙组的统计性能结果,并通过时隙组内反馈时隙中除后若干个信号单元之外的其余信号单元进行数据传输。
也就是说,每个时隙组内的反馈时隙,其中的后若干个信号单元用于发送时隙组的统计性能结果,即终端可以利用反馈时隙中的后若干个信号单元向基站发送时隙组的统计性能结果。用于发送时隙组的统计性能结果的信号单元的个数可以为一个或多个,具体可以根据需要进行设置,此处不作具体限定。
时隙组的统计性能结果可以包括时隙组内所有时隙的***性能指标的取值的统计结果。***性能指标可以包括吞吐量、误块率以及误码率等指标中的至少一个。
每个时隙组内的反馈时隙,其中除用于发送时隙组的统计性能结果的后若干个信号单元之外的其余信号单元,则用于进行数据传输。即基站以及终端均可以利用反馈时隙中除后若干个信号单元之外的其余信号单元进行数据传输。
例如,反馈时隙中包括的L个信号单元具体可以分为前L-b个信号单元以及后b个信号单元这两组,反馈时隙的前L-b个信号单元均用于对常规的待传输数据进行数据传输,后b个信号单元则用于传输时隙组的统计性能结果,即实现性能反馈功能。可以理解的是,反馈时隙中前L-b个信号单元传输的待传输数据是常规时隙没有传输完而剩下的待传输数据。
特别地,若待传输数据仅通过训练时隙或通过训练时隙以及常规时隙即可传输完,则反馈时隙无需要传输的数据。
执行步骤S14,通过时隙组内常规时隙中的所有信号单元进行数据传输。也就是说,每个时隙组内的常规时隙,其中所有的信号单元均用于数据传输。即基站以及终端均可以利用常规时隙中的所有信号单元进行数据传输。
虽然常规时隙中同样包括L个信号单元,但是所有的信号单元均用于对常规的待传输数据进行数据传输。可以理解的是,常规时隙传输的待传输数据是训练时隙中后L-a个信号单元没有传输完而剩下的待传输数据。相比于传统的无线帧结构中的时隙,常规时隙中所有的信号单元均用于对常规的待传输数据进行数据传输,并无特殊功能。
特别地,若待传输数据仅通过训练时隙即可传输完,则常规时隙无需要传输的数据。
可以理解的是,本发明实施例中,步骤S12、S13以及S14均用于说明时隙组中各类型时隙的作用,因此其执行顺序可以根据需要进行设置,既可以同步执行,也可以按需要选择相应的执行顺序,此处不作具体限定。
本发明实施例中,针对无线通信***,提供了一种新的无线传输时隙配置方法,可以通过调整时隙组中常规时隙的个数实现基站与终端之间通信的灵活性。该无线传输时隙配置方法兼容传统帧结构的设计,可以面向基站覆盖范围内的各个终端的特定需求,将不同数量的时隙捆绑在一起,形成长度不同的时隙组,作为对应各终端的波束追踪处理单元,从而支持波束追踪频率的灵活调整。同时,时隙组中的反馈时隙支持在波束追踪处理单元内对统计性能结果的及时反馈,从而形成闭环,可根据实施效果决定是否需要调整后续的配置参数。
本发明实施例中提供的传输时隙配置方法,通过在帧结构中配置若干连续的时隙为一个时隙组,基于时隙组内训练时隙、常规时隙以及反馈时隙,可以实现数据传输的同时对时隙组进行参数动态配置和统计性能反馈,进而为波束追踪等技术应用提供可以匹配不同用户移动速度的方案,以兼顾通信***的传输性能和传输效率,降低信令开销。
如图3所示,在上述实施例的基础上,本发明实施例中还提供了一种基于上述实施例中提供的传输时隙配置方法实现的波束追踪方法,包括:
S31,基于所述时隙组内的训练时隙,向终端发送第一参考信号,并基于所述时隙组内用于进行数据传输的信号单元,接收所述终端基于所述第一参考信号确定的移动状态信息,基于所述时隙组内的反馈时隙,接收所述终端反馈的所述时隙组的统计性能结果;
S32,基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,并基于所述追踪质量评价参数,确定目标配置参数,基于所述时隙组内的训练时隙,将所述目标配置参数发送至所述终端;
S33,基于所述目标配置参数,确定波束赋形向量,并基于所述时隙组内的训练时隙以所述波束赋形向量向所述终端发送第二参考信号,所述第二参考信号用于所述终端进行波束搜索,完成波束追踪。
具体地,本发明实施例中提供的波束追踪方法,其执行主体为波束追踪装置,该装置可以应用于基站侧,例如可以配置于基站内。
首先执行步骤S31,基站可以利用时隙组内的训练时隙,向终端发送第一参考信号,该第一参考信号是一种训练信号。本发明实施例中,该第一参考信号的类别可以是相位跟踪参考信号(Phase-tracking reference signals,PTRS)、探测参考信号(SoundingReference Signal,SRS)、信道状态信息参考信号(Channel State InformationReference Signal,CSI-RS)、以及解调参考信号(Demodulation Reference Signal,DMRS)中的至少一项。基站可以向覆盖范围内的不同终端发送相同或不同的第一参考信号,此处不作具体限定。
终端在接收到该第一参考信号之后,可以根据该第一参考信号确定出终端的移动状态信息,并将该移动状态信息发送至基站。终端的移动状态信息可以是用于表征终端的移动状态的相关信息,例如可以包括终端的位置、终端的移动速度以及终端的移动方向中的至少一项。
可以理解的是,终端确定的移动状态信息为当前时刻的移动状态信息。终端在确定移动状态信息之后,可以通过时隙组内用于进行数据传输的信号单元向基站发送移动状态信息,基站则接收该移动状态信息。
终端在接收到该第一参考信号之后,还可以监测时隙组内所有时隙的***性能指标,并计算时隙组的统计性能结果。此后,可以通过时隙组内的反馈时隙向基站发送统计性能结果,基站则接收该统计性能结果。
然后执行步骤S32,基站在接收到移动状态信息以及统计性能结果之后,结合移动状态信息以及统计性能结果,计算基站与终端之间的追踪质量评价参数。
此处,统计性能结果是指基站向终端发送数据后由终端统计得到的***性能指标的统计值。该统计性能结果可以用于表征基站与终端之间建立的通信***的通信性能,可以通过吞吐量、误块率、误码率等追踪准确性指标的取值进行表示。此处,追踪准确性指标是***性能指标的一种。
追踪质量评价参数是指用于评价基站对终端进行追踪时追踪性能的相关参数,追踪性能可以包括追踪准确性以及追踪效率,因此追踪质量评价参数可以包括追踪准确性参数以及追踪效率参数。本发明实施例中,可以通过统计性能结果确定追踪准确性参数,通过移动状态信息确定追踪效率参数。
此后根据追踪质量评价参数,可以确定出目标配置参数。该目标配置参数用于基站与终端之间进行时隙组的参数配置,以实现后续基站与终端之间的波束追踪、数据传输等动作。本发明实施例中,目标配置参数可以包括基站与终端之间通信采用的时隙组中的时隙总个数以及波束宽度。
本发明实施例中,可以预先构建追踪质量评价参数与目标配置参数之间的关联关系,此后通过将追踪质量评价参数代入到该关联关系中,即可得到对应的目标配置参数。还可以根据追踪质量评价参数,结合追踪条件进行实时确定,此处不作具体限定。
由于追踪质量评价参数是结合统计性能结果以及移动状态信息确定的,因此可以说明目标配置参数是由统计性能结果以及移动状态信息共同决定的,目标配置参数可以随统计性能结果以及移动状态信息进行动态变化。
此后,基站可以将目标配置参数发送至终端,终端则可以根据目标配置参数,确定后续终端向基站发送数据采用的时隙组,即可以根据目标配置参数,确定后续采用的时隙组中常规时隙的个数。
最后执行步骤S33,基站可以根据目标配置参数确定波束赋形向量。在计算波束赋形向量时,可以根据移动状态信息结合目标配置参数中的波束宽度实现,在此过程中,可以借助于基站和终端之间的波束追踪几何模型,即基站和终端之间的相对位置关系,该相对位置关系如图4所示。
图4中,以基站所在位置为原点,以基站的竖直延伸方向为z轴方向,构建三维右手坐标系,终端J和原点的连线与x轴方向的夹角为θ,基站高度为hBS,基站信号发送点和终端J的连线与z轴方向的夹角为图4中以基站信号发送点和终端J的连线为长轴的椭圆即为追踪波束,该椭圆内垂直于基站信号发送点和终端J的连线的最宽处即为波束宽度。由此,通过图4,结合移动状态信息以及目标配置参数中的波束宽度即可计算得到追踪波束的波束赋形向量。
此后,通过时隙组内的训练时隙,以波束赋形向量形成的追踪波束向终端发送第二参考信号,以使终端通过第二参考信号进行波束搜索,进而完成波束追踪。第二参考信号可以与第一参考信号相同,也可以不同,此处不作具体限定。
本发明实施例中提供的波束追踪方法,考虑了终端的移动状态信息,并结合统计性能结果确定追踪质量评价参数,进而确定出目标配置参数,并基于目标配置参数,确定波束赋形向量,通过时隙组内的训练时隙,以波束赋形向量形成的追踪波束将目标配置参数发送至终端,可以实现传输时隙的动态配置。进而,基站可以根据该传输时隙配置方法实现波束的动态对准及追踪。该波束追踪方法可以为不同移动状态信息的用户匹配对应的目标配置参数,在进行波束追踪时可以保证波束追踪的频率与用户的移动速度匹配,降低信令开销,保证通信***的传输效率。
在上述实施例的基础上,本发明实施例中提供的波束追踪方法,所述追踪质量评价参数包括追踪准确性参数以及追踪效率参数;
所述基于所述追踪质量评价参数,确定目标配置参数,具体包括:
若所述追踪准确性参数大于或等于性能阈值且所述追踪效率参数大于或等于效率阈值,则确定所述目标配置参数与存储的当前配置参数相同;
否则,将所述移动状态信息、所述统计性能结果以及存储的当前配置参数输入至智能学习模型,得到所述智能学习模型输出的预测结果,并将所述预测结果作为所述目标配置参数;
其中,所述智能学习模型基于目标时刻的配置参数样本、统计性能结果样本、移动状态信息样本以及所述目标时刻的后一时刻的配置参数样本训练得到。
具体地,本发明实施例中采用的追踪质量评价参数可以包括追踪准确性参数以及追踪效率参数,追踪准确性参数可以用于表征基站与终端之间通信的准确性高低,追踪效率参数可以用于表征基站与终端之间通信的效率高低。
进而,在通过追踪质量评价参数确定目标配置参数时,可以先判断追踪准确性参数Ea与性能阈值Thre1之间的大小关系以及追踪效率参数Eb与效率阈值Thre2之间的大小关系。其中,性能阈值Thre1以及效率阈值Thre2均为预先设定的常数。
若追踪准确性参数Ea大于或等于性能阈值Thre1且追踪效率参数Eb大于或等于效率阈值Thre2,则说明追踪质量评价参数满足追踪条件,因此可以直接将基站存储的当前配置参数作为目标配置参数。当前配置参数是基站已经确定并存储的配置参数。
否则,即追踪准确性参数Ea小于性能阈值Thre1,或者,追踪效率参数Eb小于效率阈值Thre2,则说明追踪质量评价参数不满足追踪条件,此时继续使用基站存储的当前配置参数将会无法适配终端当前的移动状态,无法实现基站与终端之间的准确通信,因此本发明实施例中引入智能学习模型,将该当前配置参数、统计性能结果以及移动状态信息均输入至智能学习模型,通过智能学习模型对后续要采用的配置参数进行预测,并输出预测结果,此后即可将该预测结果作为后续需要发送至终端的目标配置参数。
图5所示为智能学习模型的输入输出示意图,若当前配置参数包括时隙组中的时隙总个数以及波束宽度,则智能学习模型的输入为终端基于时隙组内的反馈时隙反馈的时隙组的统计性能结果、终端通过时隙组内用于进行数据传输的信号单元发送的移动状态信息、基站存储的当前配置参数,智能学习模型的输出为目标配置参数(包括更新的时隙组中的时隙总个数以及波束宽度),可供后续使用。
该智能学习模型可以是神经网络模型,可以通过目标时刻的配置参数样本、统计性能结果样本、移动状态信息样本以及目标时刻的后一时刻的配置参数样本对初始神经网络模型进行训练得到。
可以理解的是,目标时刻可以根据需要进行选取,通常为历史的某一时刻,在对初始神经网络模型进行训练时,可以将目标时刻的配置参数样本、统计性能结果样本以及移动状态信息样本均输入至初始神经网络模型,得到该初始神经网络模型的输出结果,并将目标时刻的后一时刻的配置参数样本作为标签,通过输出结果与标签计算初始神经网络模型的损失值,并通过该损失值,更新初始神经网络模型的模型参数;迭代执行上述的输入过程以及计算过程,直至损失值收敛或达到预设迭代次数,得到智能学习模型,使得智能学习模型具有预测配置参数的功能。
本发明实施例中,引入智能学习模型,通过数据驱动和模型训练,找到目标配置参数,兼顾追踪准确性和追踪效率。当配置参数包括时隙组中的时隙总个数以及波束宽度时,该智能学习模型实现时隙总个数以及波束宽度的联合优化,在确保波束追踪精度的同时,降低信令开销。
在上述实施例的基础上,本发明实施例中提供的波束追踪方法,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,具体包括:
确定所述追踪准确性指标的期望值,并基于所述统计值与所述期望值的比值,确定所述追踪准确性参数;
基于所述移动状态信息以及存储的当前配置参数,确定所述追踪效率参数。
具体地,本发明实施例中,统计性能结果可以包括追踪准确性指标的统计值。追踪准确性指标可以包括吞吐量、误块率以及误码率中的任一个,可以是基站预先设定的性能衡量指标。追踪准确性指标的统计值是终端统计得到的基站向终端发送数据的时隙组内各时隙的追踪准确性指标的取值的加权平均值。
进而,在计算追踪质量评价参数时,可以先确定出追踪准确性指标的期望值,该期望值可以是预先给定的。然后计算统计值与期望值的比值,并基于该比值确定出追踪准确性参数。若以吞吐量作为追踪准确性指标,则追踪准确性参数Ea=吞吐量的统计值/吞吐量的期望值;若以误块率或误码率作为追踪准确性指标,则追踪准确性参数Ea=误块率(或误码率)的期望值/误块率(或误码率)的统计值。
然后,根据移动状态信息以及基站存储的当前配置参数,确定出追踪效率参数。追踪效率参数Eb可以确定为当前时隙组中的时隙总个数N与终端的移动速度V的乘积,即Eb=N*V。
本发明实施例中,给出了追踪质量评价参数的计算方法,可以保证后续目标配置参数的准确确定。
在上述实施例的基础上,本发明实施例中提供的传输时隙配置方法,所述目标配置参数包括后一时隙组中的时隙总个数,当前配置参数包括当前时隙组中的时隙总个数。
在上述实施例的基础上,本发明实施例中提供的波束追踪方法,所述目标配置参数包括后一时隙组中的时隙总个数和波束宽度,当前配置参数包括当前时隙组中的时隙总个数和波束宽度。
如图6所示,在上述实施例的基础上,本发明实施例中还提供了一种基于上述传输时隙配置方法实现的波束追踪方法,包括:
S61,基于所述时隙组内的训练时隙接收基站发送的第一参考信号,并基于所述第一参考信号确定移动状态信息,并基于所述时隙组内用于进行数据传输的信号单元,将所述移动状态信息发送至所述基站;
S62,监测所述时隙组内所有时隙的***性能指标,基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,并基于所述时隙组内的反馈时隙,将所述统计性能结果反馈至所述基站;
S63,基于所述时隙组中的训练时隙,接收所述基站基于所述移动状态信息以及所述统计性能结果确定的目标配置参数,并基于所述目标配置参数,确定后续时隙组中采用的时隙总个数;
S64,基于所述时隙组中的训练时隙,接收所述基站发送的第二参考信号,并基于所述第二参考信号,进行波束搜索,完成波束追踪。
具体地,本发明实施例中提供的波束追踪方法,其执行主体为波束追踪装置,该装置可以应用于终端侧,例如可以配置于终端内。该终端可以与基站进行通信连接。
首先执行步骤S61,终端接收基站通过时隙组内的训练时隙传输的第一参考信号,并在接收第一参考信号后,可以进一步根据第一参考信号确定出终端的移动状态信息。终端的移动状态信息可以包括终端的位置、终端的移动速度以及终端的移动方向中的至少一项。历史时隙组可以是当前时刻之前的T个TBG。
此处,终端可以先确定第一参考信号的接收功率,并通过接收功率,确定终端与基站之间的距离,然后结合距离以及基站通过时隙组内的训练时隙发送的历史第一参考信号,对终端的移动状态信息进行预测。利用的历史第一参考信号可以是当前时刻之前终端接收到的各第一参考信号。此后,终端可以通过时隙组内用于进行数据传输的信号单元,将移动状态信息发送至基站。
在对终端的移动状态信息进行预测时,既可以引入训练后的神经网络模型,即将距离以及历史第一参考信号作为神经网络模型的输入,即可通过神经网络模型预测得到并输出终端的移动状态信息。也可以采用常规的移动状态信息预测方式实现,此处不作具体限定。
需要说明的是,虽然现有技术中存在常规的移动状态信息预测方式,但是其并未将预测得到的移动状态信息应用于无线传输时隙参数配置以及波束追踪领域。
基站在接收到移动状态信息后,结合移动状态信息以及终端通过时隙组内的反馈时隙反馈的时隙组的统计性能结果,计算基站与终端之间的追踪质量评价参数。追踪质量评价参数的计算过程参见上述实施例,此处不再赘述。
然后执行步骤S62,终端监测时隙组内所有时隙的***性能指标,该***性能指标可以包括吞吐量、误块率、误码率等追踪准确性指标。结合时隙组内所有时隙的***性能指标,可以计算出时隙组的统计性能结果,该统计性能结果可以包括追踪准确性指标的统计值。此后,终端可以通过时隙组内的反馈时隙,将统计性能结果反馈至基站。
此后执行步骤S63,终端接收基站通过时隙组中的训练时隙向终端发送的、基于移动状态信息以及统计性能结果确定的目标配置参数,并根据目标配置参数,确定后续时隙组中采用的时隙总个数。
最后执行步骤S64,终端接收基站通过时隙组中的训练时隙向终端发送的第二参考信号,并通过该第二参考信号,进行波束搜索,完成波束追踪。
本发明实施例中提供的波束追踪方法,该方法中终端在接收第一参考信号后预测自身的移动状态信息并发送至基站,而且,终端在接收基站发送的目标配置参数后确定统计性能结果并反馈,从而辅助实现了时隙组参数配置。该方法可以为不同移动状态的用户配置对应的参数,在进行波束追踪时可以保证波束追踪的频率与用户的移动速度匹配,降低信令开销,保证通信***的传输效率。
在上述实施例的基础上,本发明实施例中提供的波束追踪方法,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,具体包括:
将所述时隙组内所有时隙的***性能指标的取值进行加权平均,得到所述追踪准确性指标的统计值。
具体地,本发明实施例中,终端在确定统计性能结果时,可以直接对时隙组内所有时隙的追踪准确性指标的取值进行加权平均,即可得到追踪准确性指标的统计值,该统计值即作为统计性能结果。
在上述实施例的基础上,本发明实施例中提供的波束追踪方法,所述基于所述第一参考信号确定移动状态信息,具体包括:
确定所述第一参考信号的接收功率,并基于所述接收功率,计算所述终端与所述基站的距离;
基于所述距离以及所述基站通过所述时隙组内的训练时隙发送的历史第一参考信号,预测得到所述移动状态信息;
其中,所述移动状态信息包括所述终端的位置、移动速度以及移动方向中的至少一项。
具体地,本发明实施例中,终端在根据第一参考信号确定自身的移动状态信息时,可以先确定出第一参考信号的接收功率,然后通过第一参考信号的接收功率,计算出终端与基站之间的距离。此后,可以结合上述距离以及基站通过时隙组内的训练时隙发送的历史第一参考信号,预测得到移动状态信息。该方法引入第一参考信号的接收功率,可以实现对移动状态信息的快速确定。
综上所述,本发明实施例中提供的波束追踪方法,在基站侧的操作流程如图7所示,包括:
向终端发送第一参考信号P1;
接收终端的移动状态信息;
计算追踪质量评价参数,包括追踪准确性参数Ea以及追踪效率参数Eb;
判断追踪准确性参数Ea是否大于或等于性能阈值Thre1,且追踪效率参数Eb是否大于或等于效率阈值Thre2。
若Ea≥Thre1且Eb≥Thre2,则将基站存储的当前配置参数作为目标配置参数;若Ea<Thre1或Eb<Thre2,则启用智能学习模型,计算更新后的目标配置参数。
将目标配置参数发送至终端。
计算波束赋形向量,并以该波束赋形向量向终端发送第二参考信号P2,完成波束追踪。
在终端侧的操作流程如图8所示,包括:
接收基站发送的第一参考信号P1;
确定第一参考信号的接收功率并计算终端到基站的距离;
终端移动状态预测,得到移动状态信息;
将移动状态信息发送至基站;
接收基站发送的目标配置参数;
确定统计性能结果;
将统计性能结果反馈至基站;
接收基站发送的第二参考信号P2;
基于第二参考信号,进行波束搜索,完成波束追踪。
如图9所示,在上述实施例的基础上,本发明实施例中提供了一种传输时隙配置装置,包括:
配置模块91,用于配置帧结构中若干连续的时隙为一个时隙组,所述时隙组内的第一个时隙为训练时隙,所述时隙组内的最后一个时隙为反馈时隙,所述时隙组内训练时隙与反馈时隙之间的时隙为常规时隙;
训练模块92,用于基于所述时隙组内训练时隙中的前若干个信号单元发送训练信号,并基于所述时隙组内训练时隙中除所述前若干个信号单元之外的其余信号单元进行数据传输;
反馈模块93,用于基于所述时隙组内反馈时隙中的后若干个信号单元反馈所述时隙组的统计性能结果,并基于所述时隙组内反馈时隙中除所述后若干个信号单元之外的其余信号单元进行数据传输;
传输模块94,用于基于所述时隙组内常规时隙中的所有信号单元进行数据传输。
如图10所示,在上述实施例的基础上,本发明实施例中提供了一种波束追踪装置,包括:
第一交互模块101,用于基于所述时隙组内的训练时隙,向终端发送第一参考信号,并基于所述时隙组内用于进行数据传输的信号单元,接收所述终端基于所述第一参考信号确定的移动状态信息,基于所述时隙组内的反馈时隙,接收所述终端反馈的所述时隙组的统计性能结果;
计算模块102,用于基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,并基于所述追踪质量评价参数,确定目标配置参数,基于所述时隙组内的训练时隙,将所述目标配置参数发送至所述终端;
第一追踪模块103,用于基于所述目标配置参数,确定波束赋形向量,并基于所述时隙组内的训练时隙以所述波束赋形向量向所述终端发送第二参考信号,所述第二参考信号用于所述终端进行波束搜索,完成波束追踪。
在上述实施例的基础上,本发明实施例中提供的波束追踪装置,所述追踪质量评价参数包括追踪准确性参数以及追踪效率参数;
所述计算模块,具体用于:
若所述追踪准确性参数大于或等于性能阈值且所述追踪效率参数大于或等于效率阈值,则确定所述目标配置参数与存储的当前配置参数相同;
否则,将所述移动状态信息、所述统计性能结果以及存储的当前配置参数输入至智能学习模型,得到所述智能学习模型输出的预测结果,并将所述预测结果作为所述目标配置参数;
其中,所述智能学习模型基于目标时刻的配置参数样本、统计性能结果样本、移动状态信息样本以及所述目标时刻的后一时刻的配置参数样本训练得到。
在上述实施例的基础上,本发明实施例中提供的波束追踪装置,所述统计性能结果包括追踪准确性指标的统计值;
所述计算模块,具体用于:
确定所述追踪准确性指标的期望值,并基于所述统计值与所述期望值的比值,确定所述追踪准确性参数;
基于所述移动状态信息以及存储的当前配置参数,确定所述追踪效率参数。
在上述实施例的基础上,本发明实施例中提供的波束追踪装置,所述目标配置参数包括所述时隙组内的时隙总个数和波束宽度。
具体地,本发明实施例中提供的波束追踪装置可以配置于基站,其中各模块的作用与上述以基站侧的波束追踪装置为执行主体的方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
如图11所示,在上述实施例的基础上,本发明实施例中还提供了一种波束追踪装置,包括:
第二交互模块111,用于基于所述时隙组内的训练时隙接收基站发送的第一参考信号,并基于所述第一参考信号确定移动状态信息,基于所述时隙组内用于进行数据传输的信号单元,将所述移动状态信息发送至所述基站;
监测模块112,用于监测所述时隙组内所有时隙的***性能指标,基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,并基于所述时隙组内的反馈时隙,将所述统计性能结果反馈至所述基站;
确定模块113,用于基于所述时隙组中的训练时隙,接收所述基站基于所述移动状态信息以及所述统计性能结果确定的目标配置参数,并基于所述目标配置参数,确定后续时隙组中采用的时隙总个数;
第二追踪模块114,用于基于所述时隙组中的训练时隙,接收所述基站发送的第二参考信号,并基于所述第二参考信号,进行波束搜索,完成波束追踪。
在上述实施例的基础上,本发明实施例中提供的波束追踪装置,所述统计性能结果包括追踪准确性指标的统计值;
所述监测模块,具体用于:
将所述时隙组内所有时隙的***性能指标的取值进行加权平均,得到所述追踪准确性指标的统计值。
在上述实施例的基础上,本发明实施例中提供的波束追踪装置,所述第二交互模块,具体用于:
确定所述第一参考信号的接收功率,并基于所述接收功率,计算所述终端与所述基站的距离;
基于所述距离以及所述基站通过所述时隙组内的训练时隙发送的历史第一参考信号,预测得到所述移动状态信息;
其中,所述移动状态信息包括所述终端的位置、移动速度以及移动方向中的至少一项。
具体地,本发明实施例中提供的波束追踪装置可以配置于终端,其中各模块的作用与上述以终端侧的波束追踪装置为执行主体的方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
图12示例了一种电子设备的实体结构示意图,如图12所示,该电子设备可以包括:处理器(Processor)120、通信接口(Communications Interface)121、存储器(Memory)122和通信总线123,其中,处理器120,通信接口121,存储器122通过通信总线123完成相互间的通信。处理器120可以调用存储器122中的逻辑指令,以执行上述各实施例中提供的传输时隙配置方法或波束追踪方法。
此外,上述的存储器122中的逻辑指令可以通过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,本发明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)执行本发明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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例中提供的传输时隙配置方法或波束追踪方法。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例中提供的传输时隙配置方法或波束追踪方法。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种传输时隙配置方法,其特征在于,包括:
配置帧结构中若干连续的时隙为一个时隙组,所述时隙组内的第一个时隙为训练时隙,所述时隙组内的最后一个时隙为反馈时隙,所述时隙组内训练时隙与反馈时隙之间的时隙为常规时隙;
基于所述时隙组内训练时隙中的前若干个信号单元发送训练信号,并基于所述时隙组内训练时隙中除所述前若干个信号单元之外的其余信号单元进行数据传输;
基于所述时隙组内反馈时隙中的后若干个信号单元反馈所述时隙组的统计性能结果,并基于所述时隙组内反馈时隙中除所述后若干个信号单元之外的其余信号单元进行数据传输;
基于所述时隙组内常规时隙中的所有信号单元进行数据传输。
2.一种基于如权利要求1所述的传输时隙配置方法实现的波束追踪方法,其特征在于,包括:
基于所述时隙组内的训练时隙,向终端发送第一参考信号,并基于所述时隙组内用于进行数据传输的信号单元,接收所述终端基于所述第一参考信号确定的移动状态信息,基于所述时隙组内的反馈时隙,接收所述终端反馈的所述时隙组的统计性能结果;
基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,并基于所述追踪质量评价参数,确定目标配置参数,基于所述时隙组内的训练时隙,将所述目标配置参数发送至所述终端;
基于所述目标配置参数,确定波束赋形向量,并基于所述时隙组内的训练时隙以所述波束赋形向量向所述终端发送第二参考信号,所述第二参考信号用于所述终端进行波束搜索,完成波束追踪。
3.根据权利要求2所述的波束追踪方法,其特征在于,所述追踪质量评价参数包括追踪准确性参数以及追踪效率参数;
所述基于所述追踪质量评价参数,确定目标配置参数,具体包括:
若所述追踪准确性参数大于或等于性能阈值且所述追踪效率参数大于或等于效率阈值,则确定所述目标配置参数与存储的当前配置参数相同;
否则,将所述移动状态信息、所述统计性能结果以及存储的当前配置参数输入至智能学习模型,得到所述智能学习模型输出的预测结果,并将所述预测结果作为所述目标配置参数;
其中,所述智能学习模型基于目标时刻的配置参数样本、统计性能结果样本、移动状态信息样本以及所述目标时刻的后一时刻的配置参数样本训练得到。
4.根据权利要求2所述的波束追踪方法,其特征在于,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述移动状态信息以及所述统计性能结果,计算所述基站与所述终端之间的追踪质量评价参数,具体包括:
确定所述追踪准确性指标的期望值,并基于所述统计值与所述期望值的比值,确定所述追踪准确性参数;
基于所述移动状态信息以及存储的当前配置参数,确定所述追踪效率参数。
5.根据权利要求2-4中任一项所述的波束追踪方法,其特征在于,所述目标配置参数包括所述时隙组内的时隙总个数和波束宽度。
6.一种基于如权利要求1所述的传输时隙配置方法实现的波束追踪方法,其特征在于,包括:
基于所述时隙组内的训练时隙接收基站发送的第一参考信号,并基于所述第一参考信号确定移动状态信息,并基于所述时隙组内用于进行数据传输的信号单元,将所述移动状态信息发送至所述基站;
监测所述时隙组内所有时隙的***性能指标,基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,并基于所述时隙组内的反馈时隙,将所述统计性能结果反馈至所述基站;
基于所述时隙组中的训练时隙,接收所述基站基于所述移动状态信息以及所述统计性能结果确定的目标配置参数,并基于所述目标配置参数,确定后续时隙组中采用的时隙总个数;
基于所述时隙组中的训练时隙,接收所述基站发送的第二参考信号,并基于所述第二参考信号,进行波束搜索,完成波束追踪。
7.根据权利要求6所述的波束追踪方法,其特征在于,所述统计性能结果包括追踪准确性指标的统计值;
所述基于所述时隙组内所有时隙的***性能指标,计算所述时隙组的统计性能结果,具体包括:
将所述时隙组内所有时隙的***性能指标的取值进行加权平均,得到所述追踪准确性指标的统计值。
8.根据权利要求6所述的波束追踪方法,其特征在于,所述基于所述第一参考信号确定移动状态信息,具体包括:
确定所述第一参考信号的接收功率,并基于所述接收功率,计算所述终端与所述基站的距离;
基于所述距离以及所述基站通过所述时隙组内的训练时隙发送的历史第一参考信号,预测得到所述移动状态信息;
其中,所述移动状态信息包括所述终端的位置、移动速度以及移动方向中的至少一项。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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程序时实现如权利要求1所述的传输时隙配置方法,或者实现如权利要求2-8中任一项所述的波束追踪方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的传输时隙配置方法,或者实现如权利要求2-8中任一项所述的波束追踪方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211371036.1A CN115623595A (zh) | 2022-11-03 | 2022-11-03 | 传输时隙配置方法、波束追踪方法、电子设备及存储介质 |
PCT/CN2023/080083 WO2024093080A1 (zh) | 2022-11-03 | 2023-03-07 | 传输时隙配置方法、波束追踪方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211371036.1A CN115623595A (zh) | 2022-11-03 | 2022-11-03 | 传输时隙配置方法、波束追踪方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115623595A true CN115623595A (zh) | 2023-01-17 |
Family
ID=84876835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211371036.1A Pending CN115623595A (zh) | 2022-11-03 | 2022-11-03 | 传输时隙配置方法、波束追踪方法、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115623595A (zh) |
WO (1) | WO2024093080A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1933364A (zh) * | 2006-01-10 | 2007-03-21 | 华为技术有限公司 | 一种新时隙结构及组合方法及装置 |
CN109586771A (zh) * | 2017-09-29 | 2019-04-05 | 索尼公司 | 电子设备和通信方法 |
US11277756B2 (en) * | 2018-06-01 | 2022-03-15 | Qualcomm Incorporated | Transmission of aggregated slots via multiple beamformed channels |
CN111526545B (zh) * | 2019-02-02 | 2023-05-19 | 华为技术有限公司 | 用于切换的方法和装置 |
CN110365375B (zh) * | 2019-06-26 | 2021-06-08 | 东南大学 | 一种毫米波通信***中波束对准和跟踪方法及计算机设备 |
CN111416647B (zh) * | 2020-04-07 | 2021-08-06 | 北京邮电大学 | 波束追踪方法、码本生成方法及装置 |
-
2022
- 2022-11-03 CN CN202211371036.1A patent/CN115623595A/zh active Pending
-
2023
- 2023-03-07 WO PCT/CN2023/080083 patent/WO2024093080A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024093080A1 (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11563502B2 (en) | Method and user equipment for a signal reception | |
Zang et al. | Managing vertical handovers in millimeter wave heterogeneous networks | |
KR101365563B1 (ko) | 다중 사용자 통신 방법에서 피드백 정보 제어 방법 | |
CN109429235B (zh) | 一种波束扫描方法、网络侧设备及移动通信终端 | |
Shen et al. | Design and implementation for deep learning based adjustable beamforming training for millimeter wave communication systems | |
Barbarossa et al. | Overbooking radio and computation resources in mmW-mobile edge computing to reduce vulnerability to channel intermittency | |
KR102027914B1 (ko) | 무선 통신 시스템에서 셀 간 간섭 제거 방법 및 장치 | |
Chen et al. | The upper bounds of cellular vehicle-to-vehicle communication latency for platoon-based autonomous driving | |
Nguyen et al. | A deep learning framework for beam selection and power control in massive MIMO-millimeter-wave communications | |
CN106932750A (zh) | 目标设备方位确定方法及装置 | |
CN115623595A (zh) | 传输时隙配置方法、波束追踪方法、电子设备及存储介质 | |
CN114978268B (zh) | 去蜂窝导频长度优化方法、装置、电子设备及存储介质 | |
EP2613405B1 (en) | Antenna array control method and access point using the same | |
CN113595599B (zh) | 面向5g的群簇协作通信异构***和干扰抑制的方法 | |
CN111479258B (zh) | 一种用户划分的方法和设备 | |
KR101275488B1 (ko) | 무선 통신 기지국의 신호 처리 방법 및 장치 | |
US20150289248A1 (en) | Telecommunication system and method using distributed asynchronous beamforming in the miso interference channel | |
CN108668332A (zh) | 一种信道切换处理方法及*** | |
US12028722B2 (en) | Method and apparatus for digital twin-based beamforming | |
CN115622596B (zh) | 一种基于多任务学习的快速波束对齐方法 | |
CN113852972B (zh) | 一种基于波束共享的高速移动终端波束调度方法 | |
US20240064794A1 (en) | Scheduling method for beamforming and network entity | |
WO2024152600A1 (zh) | 信息发送方法、接收方法、通信设备和存储介质 | |
EP4344081A1 (en) | Machine learning model selection for beam prediction for wireless networks | |
CN111757337B (zh) | 一种基于电磁地图的网络容量提升方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |