[发明专利]信道信息实时预测与测量方法、装置、设备和介质

说明书

本申请提供的一种信道信息实时预测与测量方法、装置、设备和介质，通过对不同用户的原始信号利用经验模态分解算法进行分解，以得到若干个固有模态函数；依据所有不同用户对应的所述固有模态函数的个数计算平均值，并判断各所述用户对应的所述固有模态函数是否低于所述平均值；若是，则采用动态模式分解算法预测该用户的信道信息；若否，则采用改进的动态模式分解算法预测该用户的信道信息；其中，改进的动态模式分解算法针对所述动态模式分解算法所计算的系统模态特征值进行选择性归一化处理。本申请不仅可以在MIMO环境中有效预测不同移动速度场景下用户的信道信息，还能适应其他因素变化的场景下用户的信道信息。

技术领域

本发明涉及信道信息预测技术领域，特别是涉及一种信道信息实时预测与测量方法、装置、设备和介质。

背景技术

MIMO技术(多输入多输出)是5G的关键技术之一，具有频谱效率高、吞吐量大的优点。在MIMO条件下，准确预测不同移动用户的信道容量能够合理进行资源调度，因此，有效的信道信息预测方法可以大力推进在实际场景中应用MIMO。

在信道信息预测领域，传统算法有自回归(AR)预测模型或者基于离散多径信道参数的预测模型。然而，AR模型是基于信道状态值的线性组合来进行预测的，并不适用于非线性非平稳的MIMO信道状态。而基于离散多径信道参数的预测模型的前提假设是信道的传播路径静止，即信道路径数固定，显然也不符合MIMO环境的路径数受用户位置的改变而改变的环境。

因此，如何在大规模MIMO环境中有效预测不同移动速度用户的信道信息是5G通信中亟待解决的重要问题。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种信道信息实时预测与测量方法、装置、设备和介质，以解决现有技术中至少一个问题。

为实现上述目的及其他相关目的，本申请提供一种信道信息实时预测与测量方法，所述方法包括：对不同用户的原始信号利用经验模态分解算法进行分解，以得到若干个固有模态函数；依据所有不同用户对应的所述固有模态函数的个数计算平均值，并判断各所述用户对应的所述固有模态函数是否低于所述平均值；若是，则采用动态模式分解算法预测该用户的信道信息；若否，则采用改进的动态模式分解算法预测该用户的信道信息；其中，改进的动态模式分解算法针对所述动态模式分解算法所计算的系统模态特征值进行选择性归一化处理。

于本申请的一实施例中，所述对不同用户的输入信号利用经验模态分解算法进行分解，以得到若干个固有模态函数，包括：设原始信号为x(t)，经验模态分解算法描述如下：(a)确定原始信号x(t)的局部最大值和最小值；(b)用三次样条插值分别构造原始信号x(t)的下包络e_l(t)和上包络e_u(t)；(c)计算下包络e_l(t)和上包络e_u(t)的均值m(t)；(d)用原始信号x(t)减去m(t)，得到固有模态函数的临时估计h₁(t)；(e)检验h₁(t)是否满足固有模态函数的原则；若不满足，则重复(a)-(d)步骤，直至满足原则为止；若满足则进行下一步；(f)用原始信号x(t)减去第i个固有模态函数以得到第i个残余信号，i为由1开始依次递增的自然数；(g)将第i个残余信号作为新的原始信号，并重复步骤(a)-(f)过程，以得到第第i+1个残余信号，直至不能提取更多的固有模态函数为止。

于本申请的一实施例中，所述固有模态函数满足以下原则：1)极值的个数和零交叉的个数相等，或者极值的个数和零交叉的个数的差不大于1；2)包络线的平均值在任何点上都为零。

于本申请的一实施例中，所述经验模态分解算法用于将所述原始信号x(t)表示为一系列固有模态函数和残余信号之和：其中，x(t)表示原始信号；IMF表示固有模态函数；k为固有模态函数的个数。