[发明专利]使用上行链路SRS测量进行基于AI的UE速度估计的方法和装置

权利要求书

1.一种无线通信中的基站的装置，所述装置包括：

通信接口，被配置为从终端接收上行链路探测参考信号UL SRS；

至少一个处理器；以及

存储器，能够操作地耦接到所述至少一个处理器，

其中，所述存储器存储指令，所述指令在被执行时使得所述至少一个处理器执行以下操作：

根据从所述终端接收到的UL SRS获得多个UL SRS测量，UL SRS测量的数量超过阈值；

从所述UL SRS测量中提取用于估计所述终端的移动性的特征，所述特征包括频域多普勒功率谱密度PSD测量的集合；以及

通过使用机器学习ML分类器基于所提取的特征确定所述终端的多个速度类别中的速度类别，所述ML分类器被训练用于估计所述终端的速度类别，

其中，所述ML分类器是包括以下至少一项的深度神经网络：

多个卷积神经网络CNN层；

多个全连接FC神经网络层；或者

多个递归神经网络层。

2.根据权利要求1所述的装置，

其中，所述速度类别包括以下至少一项：

对所述终端的行进速度或行进速度范围的估计；

对所述终端的行进速率或行进速率范围的估计；

对主射频RF传播路径的多普勒频率或多普勒频率范围的估计；或者

对RF传播路径集合上每条路径的多普勒频率或每条路径的多普勒频率范围的估计。

3.根据权利要求1所述的装置，其中，所述频域多普勒功率谱密度PSD测量的集合是通过以下操作估计的：

根据一个UL SRS测量或通过组合UL SRS测量，按每个发送和接收天线对导出信道冲激响应CIR；

在滑动窗口中缓冲一定数量的CIR，其中，每个估计的CIR在不同的SRS接收时间形成；

导出通过使在不同SRS接收时间的所缓冲的CIR相关而获得的时域自相关函数；以及

对所述时域自相关函数进行快速傅立叶变换FFT，

其中，所述滑动窗口的大小能够基于所述终端所属于的速度类别进行调整。

4.根据权利要求3所述的装置，其中，如果在每个SRS传输机会期间，所述终端跨整个带宽发送所述UL SRS，则通过在从时间连续的UL SRS测量获得的所缓冲的CIR的不同滞后下测量自相关函数来导出所述时域自相关函数。

5.根据权利要求3所述的装置，其中，如果在每个SRS传输机会期间，所述终端以跳频方式跨整个带宽的一部分发送SRS，则：

通过使从时间相邻的SRS传输上的上行链路SRS测量导出的所缓冲的CIR相关来获得所述时域自相关函数；或者

通过使从自相同频率子带上发生的UL SRS跳频传输时机所提取的上行链路SRS测量导出的所缓冲的CIR相关来获得所述时域自相关函数。

6.根据权利要求1所述的装置，其中，所提取的特征是在每个UL SRS传输时机期间按每个发送和接收天线对从UL SRS测量导出的信道测量的实部和虚部的线性或非线性函数的输出，

其中，所述线性或非线性函数包括应用所述信道测量的所述实部和虚部的融合函数的预处理过程；

其中，所述融合函数被配置为输出：

频域中所述信道测量的所述实部和虚部；或者

频域、接收RX天线域、发送TX天线域、子载波域或信道快照域之一中所述信道测量的加权实部和虚部的凸组合。

7.根据权利要求1所述的装置，其中，每个不同的神经网络权重集合对应于不同的估计信噪比SNR水平，

其中，所述存储器还存储指令，所述指令在被执行时使得所述至少一个处理器执行以下操作：

基于报告的参考信号接收功率RSRP和参考信号接收质量RSRQ，或基于来自所述终端的信道质量指示CQI反馈，估计SNR水平；

基于所估计的不同SNR水平，在权重集合中选择神经网络层权重集合；以及

通过将所选择的神经网络权重集合应用于每个CNN层和全连接层，来加载加权神经网络架构，以确定要被用于估计移动客户端设备的移动性的所述速度类别。