[发明专利]受远程干扰的无线信道预测方法及系统、存储介质及终端

说明书

本发明提供一种受远程干扰的无线信道预测方法及系统、存储介质及终端，包括以下步骤：获取信号传输环境所对应的大气波导相关参数和信号路径损耗参数；基于所述大气波导相关参数和所述信号路径损耗参数训练多个神经网络模型，所述神经网络模型用于预测无线信道是否受远程干扰；对训练好的所述多个神经网络模型进行优化；基于优化后的多个神经网络模型和实时大气波导相关参数预测无线信道是否受远程干扰。本发明的受远程干扰的无线信道预测方法及系统、存储介质及终端基于AI的算法来准确预测受远程干扰的无线信道，为后续远程干扰消除提供支持。

技术领域

本发明涉及无线通信的技术领域，特别是涉及一种受远程干扰的无线信道预测方法及系统、存储介质及终端。

背景技术

6G网络旨在构造一个空天地海一体化的高速通信网络。为了能够满足不同场景的通信时延与可靠性，系统地分析当前场景的无线信道状态并完成对应的信道建模工作是十分重要的，特别是在复杂场景下的信道建模与分析工作。近期，研究人员注意到了一种由大气波导引起的远程干扰现象，它会捕获无线电磁波信号，并使得无线电磁波信号的传输轨迹与在空气中传播的有所不同。此时，被捕获的无线电磁波信号会以极低的路径损耗沿着地球曲率不断向前传播，从而影响到远端同频基站的上行信号的接收。这一现象频发于乡村、郊区、沿海等较为空旷的地区，对人们的生产生活造成了较大的影响。其中，日本、韩国、英国、美国等国家均检测到了大气波导所导致的远程干扰。中国许多沿海城市也监测到了这一问题。近期，第三代合作伙伴计划(3GPP)、国际电信联盟(ITU)等国际标准化组织也都提出了有关远程干扰的远程干扰管理项目，旨在通过分析远程干扰解决方案来提高通信可靠性。

具体来说，大气波导是由特定气象条件下的非标准大气折射引起的，折射率的计算表达式为其中n表示折射指数，T表示温度，p表示压强，e表示水汽压。通常用折射率N而不是折射指数n表示大气折射，这是因为折射指数n的变化范围比较小，不利于人们进行科学计算。目前，对于大气波导的研究尚处于起步阶段，研究内容主要分为两个方向，包括折射率模型的估计和信号传播路径估计。最经典的大气波导折射率模型为Debye模型，它用温度、大气压和水汽压三个变量刻画折射率估计模型。后来，又用水汽谱和氧气谱修正折射率模型，将毫米波频段的大气吸收特性考虑进去。对于信号传播路径估计方面，射线光学法是一个比较成熟的研究。由于射线光学法的计算过程比较复杂，需要耗费大量的计算资源，又提出了基于分布傅里叶变换的抛物方程法来模拟信号在大气波导层中的传播轨迹。基于分布傅里叶变换的抛物方程法设计了一个方便操作和计算的软件PETOOL。该软件通过对应参数配置直接模拟出信号传播轨迹和路径损耗。目前，已知的波导类型主要有三种：蒸发波导、表面波导以及悬空波导。蒸发波导主要发生在水汽比较充足的水路路径，表面波导主要发生于空旷晴朗的陆路路径，而悬空波导主要发生于天空比较高的逆温层附近。由于大气波导频发于沿海城市，沿海城市属于水路和陆路的混合信号传输环境。因此目前尚缺乏相关的理论和模型来支持研究。

为了弥补混合路径的模型空白，基于AI的数据驱动方法具有潜力去解决这个问题。这是因为基于AI的方法不需要预先建立数学模型。目前，对于远程干扰的研究也引入了基于AI的方法解决问题。但是，目前主要都用于预测涉及变量较少、关系较为简单的波导层高度。对于存在复杂非线性关系的无线信道预测工作来说，寻找合适的AI方法是比较困难的。现有技术中提出了采用基于径向基函数(Radial Basis Function，RBF)的AI方法进行信道预测.但是RBF方法的层结构为单层，故该方法仅适用于环境较为简单的信道预测。现有技术中还提出采用多层感知机的方法进行无线信道预测，但是该方法泛化能力较弱，同样对于无线信道复杂场景的应用效果不好。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种受远程干扰的无线信道预测方法及系统、存储介质及终端，基于AI的算法来准确预测受远程干扰的无线信道，为后续远程干扰消除提供支持。