[发明专利]获取无线信道模型的方法和装置

权利要求书

1.一种利用三维视觉重建技术的信道建模方法，其特征在于，包括：

用户设备从传感器获取当前传播环境的图像数据；

所述用户设备根据所述图像数据对所述当前传播环境进行三维重构，得到当前传播环境的三维重构模型；所述三维重构模型包括：所述当前传播环境中包括的各物体各自的特征点的坐标，所述坐标为所述当前传播环境对应的坐标系中的坐标；

所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型；

其中，在所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型之前，还包括：

所述用户设备根据所述三维重构模型，得到所述当前传播环境中包括的各物体的相对位置以及各物体各自的几何信息；

所述用户设备获取所述当前传播环境中包括的各物体各自的材质；

所述用户设备根据所述当前传播环境中包括的各物体的相对位置以及各物体各自的几何信息和材质，从各物体中确定出至少一个目标散射体，所述目标散射体为各所述物体中对所述无线信号衰落的影响大于预设程度的物体；

则所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型，包括：

所述用户设备根据每个所述目标散射体的相对位置、几何信息和材质与学习模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型；其中，所述学习模型是基于多个训练样本各自的场景信息和无线信道测量数据进行学习得到的；对于每个训练样本，所述无线信道测量数据为无线信号发射端发射的原始无线信号经该训练样本对应的传播环境传播后的信号数据，所述场景信息为原始无线信号的信道测量配置参数、训练样本对应的传播环境的每个目标散射体的相对位置、几何信息、材质以及训练样本对应的传播环境的类型。

2.根据权利要求1所述的方法，其特征在于，在所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型之前，还包括：

所述用户设备获取所述当前传播环境中包括的各物体各自的材质；

则所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型，包括：

所述用户设备根据所述三维重构模型和所述当前传播环境中包括的各物体各自的材质，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型。

3.根据权利要求1所述的方法，其特征在于，在所述用户设备根据每个所述目标散射体的相对位置、几何信息和材质与学习模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型之前，所述方法还包括：

对于每个训练样本，获取所述训练样本的所述场景信息和所述无线信道测量数据；

根据所有训练样本各自对应的所述场景信息和所述无线信道测量数据，采用机器学习算法对所有训练样本进行学习，得到学习模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所有训练样本各自对应的所述场景信息和所述无线信道测量数据，采用机器学习算法对所有训练样本进行学习，得到学习模型，包括：

根据所有训练样本各自对应的所述场景信息和所述无线信道测量数据，通过神经网络学习算法对所有训练样本进行学习，得到神经网络模型。

5.根据权利要求1所述的方法，其特征在于，在所述用户设备根据所述三维重构模型，得到所述当前传播环境下满足预设信道测量配置参数的无线信号对应的无线信道模型之后，还包括

用户设备根据所述无线信道模型，预测不同时间下的所述当前传播环境中不同位置对应的无线信号的衰落幅度。

6.根据权利要求1所述的方法，其特征在于，所述预设信道测量配置参数包括：预设无线信号频率和预设带宽和预设天线数目。