[发明专利]信道模型的训练方法及装置

说明书

本申请提供了一种信道模型的训练方法和装置，该方法包括：第一通信设备获取第二通信设备的第二信道模型中的至少部分参数；第一通信设备基于至少部分参数，训练第一通信设备的第一信道模型，得到训练后的第一信道模型，第一信道模型与第二信道模型为基于神经网络的模型。在本申请实施例中，通过将第二通信设备中的第二信道模型中的部分参数或者全部参数发送给第一通信设备，这样，第一通信设备可以基于上述部分参数或者全部参数，训练第一通信设备的第一信道模型。避免了传统的信道模型训练方法中，第一通信设备需要基于初始化的神经网络，从头开始训练第一信道模型。有利于缩短第一通信设备训练第一信道模型所需的时间。

技术领域

本申请涉及通信领域，并且更具体地，涉及信道模型的训练方法及装置。

背景技术

在通信系统中，发射机用于发送信号，接收机用于接收发射机发送的信号，在发射机到接收机之间用于传输该信号的通信链路称为信道。对于接收机而言，信道是对信号的变换，接收机在获知信道的信道状态后，可以准确译出信道上承载的信号。对于发射机而言，发射机如果可以了解信道的信道状态，可以基于信道的信道状态确定通过该信道发射信号时的传输参数，例如，确定传输该信号使用的自适应波束赋形的传输算法。因此，信道是影响通信系统的通信质量的重要因素之一。

目前，通信系统中的通信设备(例如，上述接收机或发射机)可以通过信道模型，对信道的信道状态进行信道估计。然而，通信设备在建立信道模型时通常所需的时间较长，导致通信设备即使有待传输的信号后，也需要等待通信设备建立信道模型。

发明内容

本申请提供一种信道模型的训练方法及装置，有利于减少通信设备建立信道模型的时间。

第一方面，提供了一种信道模型的训练方法，包括：第一通信设备获取第二通信设备的第二信道模型中的至少部分参数；所述第一通信设备基于所述至少部分参数，训练所述第一通信设备的第一信道模型，得到所述训练后的第一信道模型，所述第一信道模型与所述第二信道模型为基于神经网络的模型。

在本申请实施例中，通过将第二通信设备中的第二信道模型中的部分参数或者全部参数发送给第一通信设备，这样，第一通信设备可以基于上述部分参数或者全部参数，训练第一通信设备的第一信道模型。避免了传统的信道模型训练方法中，第一通信设备需要基于初始化的神经网络，从头开始训练第一信道模型。有利于缩短第一通信设备训练第一信道模型所需的时间。

另一方面，通过将第二信道模型中的部分参数或者全部参数发送给第一通信设备，以便第一通信设备训练第一信道模型，可以降低第一通信设备由于采集的信道的信道响应的数据量较少，导致的训练后的第一信道模型产生过拟合的问题。

在一种可能的实现方式中，所述至少部分参数包括神经网络的权重。

在一种可能的实现方式中，所述神经网络为嵌入神经网络，所述至少部分参数包括第一嵌入矩阵，第二嵌入矩阵，所述第三嵌入矩阵以及所述第四嵌入矩阵中的至少一种，所述第一嵌入矩阵包含N个第一嵌入向量，所述第二嵌入矩阵包含M个第二嵌入向量，所述第三嵌入矩阵包含P个第三嵌入向量，所述第四嵌入矩阵包含Q个第四嵌入向量，其中，所述N个第一嵌入向量用于指示所述第二通信设备的信道的信道响应在频域上的N个信道特征，所述M个第二嵌入向量用于指示所述第二通信设备的信道的信道响应在时间域上的M个信道特征，所述P个第三嵌入向量用于指示所述第二通信设备通过不同的天线组合传输的信道的信道响应的P个信道特征，所述Q个第四嵌入向量用于指示所述第二通信设备的信道的信道响应在时延域上对应的Q种信道特征，其中M、N、P和Q为正整数。

由于信道的信道响应在时间域、空间域、频域以及时延域的至少一个域内，变化较为相似。因此，本申请实施例借用这一规律，将上述变化通过第一嵌入矩阵，第二嵌入矩阵，所述第三嵌入矩阵以及所述第四嵌入矩阵表示，并将上述第一嵌入矩阵，第二嵌入矩阵，所述第三嵌入矩阵以及所述第四嵌入矩阵中的至少一个嵌入矩阵发送到第一通信设备，以供第一通信设备训练第一信道模型，有利于缩短第一通信设备训练第一信道模型所需的时间。