[发明专利]一种信道建模的方法及设备有效
申请号: | 201910146138.5 | 申请日: | 2019-02-27 |
公开(公告)号: | CN111628837B | 公开(公告)日: | 2022-05-13 |
发明(设计)人: | 张思明;王桂珍;韩双锋 | 申请(专利权)人: | 中国移动通信有限公司研究院;中国移动通信集团有限公司 |
主分类号: | H04B17/391 | 分类号: | H04B17/391 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 郭润湘 |
地址: | 100032 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 信道 建模 方法 设备 | ||
本发明公开了一种信道建模的方法及设备,用以解决现有信道建模中准确性和普适性无法兼得的问题。识别无线信道的环境参数;经由机器算法构建所述环境参数与信道冲击响应的映射关系,其中所述信道冲击响应是所述无线信道的信道冲击响应;基于所述映射关系对信道进行预测。在构建环境参数与信道冲击响应的映射关系时,是经由机器算法训练信道的历史环境参数和历史信道参数的相关性,及训练信道的历史信道参数和历史信道冲击响应的相关性得到的,由于利用机器算法根据历史参数对映射关系进行训练,使训练出的映射关系适用于多场景,将环境参数输入映射关系中,可以准确的对信道进行预测。
技术领域
本发明涉及无线通信技术领域,特别涉及一种信道建模的方法及设备。
背景技术
信道建模是基于对信道特性规律的认知,对物理环境和无线电磁波的传播特性用模型来表征,信道建模的输出是特定场景下的无线信道冲击响应,常用来辅助物理层的仿真和设计。
现有的信道建模主要为统计型信道建模和确定性信道建模;
统计型信道建模:依赖大量的测量数据,通过数学模型和概率模型联合建立的模型,可以根据不同的场景分类,给出大概率下的信道预测,模型参数和其概率分布已经确定,确定信道冲击响应的过程较为简单,但是无法匹配真实的传播场景,因此预测不准确;
确定性信道建模:通过对无线传播环境进行精准复刻,在利用射线追踪手段建立的模型,在进行信道预测时只适用于那个特定的环境空间,不具备普适性。
综上,现有信道建模时存在准确性和普适性无法兼得的问题。
发明内容
本发明提供一种信道建模的方法及设备,用以解决现有信道建模方式中准确性和普适性无法兼得的问题。
第一方面,本发明实施例提供一种信道建模的方法,该方法包括:
识别无线信道的环境参数;
经由机器算法构建所述环境参数与信道冲击响应的映射关系,其中所述信道冲击响应是所述无线信道的信道冲击响应;
基于所述映射关系对信道进行预测。
上述方法,识别无线信道的环境参数,将环境参数输入到经由机器算法构建的环境参数与信道冲击响应的映射关系中,对信道进行预测,其中在构建环境参数与信道冲击响应的映射关系时,是经由机器算法训练信道的历史环境参数和历史信道参数的相关性及训练信道的历史信道参数和历史信道冲击响应的相关性得到的;由于利用机器算法根据历史参数对映射关系进行训练,使训练出的映射关系适用于多场景,且根据输入可以准确的确定输出,因此将识别无线信道的环境参数输入映射关系中,可以准确的对信道进行预测。
在一种可能的实现方式中,通过下列方式构建所述环境参数与信道冲击响应的映射关系:
经由机器算法分别构建环境参数与信道参数的第一映射关系,及信道参数与信道冲击响应的第二映射关系;
根据所述第一映射关系及所述第二映射关系构建所述环境参数与信道冲击响应的映射关系。
上述方法,第一映射关系是利用机器算法训练信道的历史环境参数和历史信道参数的相关性得到的,第二映射关系是利用机器算法训练信道的历史信道参数和历史信道冲击响应的相关性得到的;由于利用机器算法根据历史参数对模型进行训练,使训练出的第一映射关系和第二映射关系可以适用于多场景,且根据输入可以准确的确定输出,因此根据所述第一映射关系及所述第二映射关系构建所述环境参数与信道冲击响应的映射关系。
在一种可能的实现方式中,基于所述映射关系对信道进行预测,包括:
根据所述环境参数,基于所述经由机器算法构建环境参数与信道参数的第一映射关系确定信道参数;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国移动通信有限公司研究院;中国移动通信集团有限公司,未经中国移动通信有限公司研究院;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910146138.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:多媒体串流及网络装置
- 下一篇:在数据隐私保护下执行机器学习的方法和系统