信道预测方法及装置与流程

本发明涉及通信技术，尤其涉及一种信道预测方法及装置。

背景技术：

随着移动通信中多输入多输出(Multiple-Input Multiple-Output，MIMO)技术的广泛应用，特别是第五代移动通信技术(5G)将采用大规模MIMO(massive MIMO)技术，不仅基站侧天线数目激增，终端侧也将采用更多的天线，将导致无线信道的空间维度大大增加。

传统信道估计算法大多数是基于导频序列的数据辅助型算法，如经典的最小平方(Least Square，LS)算法和线性最小均方误差(Linear Minimum Mean Square Error，LMMSE)算法。基本流程是：发射机发射导频序列，该导频序列是已知的，有长度和正交性的约束。接收机依据某种准则对接收信号进行处理，计算出信道估计值。

传统信道估计算法在天线数激增的情况下需要的导频开销非常大才能保证信道估计的精确性，这不仅严重降低了可用数据传输效率，也使得依靠导频序列的传统信道估计算法越来越复杂。

技术实现要素：

本发明提供一种信道预测方法及装置，以解决现有的传统信道估计算法在天线数激增的情况下需要的导频开销非常大，严重降低数据传输效率的问题。

第一方面，本发明提供一种信道预测方法，包括：

获取当前准静止环境对应的两个相邻时刻的信道冲激响应，每个信道冲激响应对应N个不同的路径；

获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱；

根据所述第一平均功率延迟谱和第二平均功率延迟谱，提取所述当前准静止环境对应的不变路径上的信道冲激响应；

根据所述不变路径上的信道冲激响应和所述当前准静止环境的信道估计值，得到所述当前准静止环境对应的可变路径上的信道冲激响应；

根据所述可变路径上的信道冲激响应，预测下一时刻的信道估计值。

可选地，所述获取当前准静止环境对应的两个相邻时刻的信道冲激响应，包括：

获取当前准静止环境的场景参数，所述场景参数包括地理位置、当前时间、网络拓扑以及天线配置；

根据所述场景参数从信道数据库中获取与所述当前准静止环境匹配的标准场景；

获取所述标准场景在当前时间所属的时间段内两个相邻时刻的信道冲激响应，作为所述当前准静止环境对应的两个相邻时刻的信道冲激响应。

可选地，所述获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱，包括：

通过如下公式一和公式二获取所述第一平均功率延迟谱和第二功率延迟谱；

P_i(τ_n)＝||h_i(τ_n)||² 公式一

P_j(τ_n)＝||h_j(τ_n)||² 公式二

其中，所述h_i(τ_n)和h_j(τ_n)均为信道冲激响应，所述P_i(τ_n)为第一平均功率延迟谱，所述P_j(τ_n)为第二平均功率延迟谱，所述τ_n为路径索引，n＝1,...,N；|i-j|＝1。

可选地，所述根据所述第一平均功率延迟谱和第二平均功率延迟谱，提取所述当前准静止环境对应的不变路径上的信道冲激响应，包括：

对所述P_i(τ_n)和所述P_j(τ_n)进行去噪处理；

获取去噪处理后的P_i(τ_n)和P_j(τ_n)的前K个峰值，所述K为自然数，得到P′_i＝{P′_i(k)|k＝1,...,K}和P′_j＝{P′_j(k)|k＝1,...,K}；

通过如下公式三对所述P′_i和P′_j进行归一化处理，得到不变路径的索引集合Q；

其中，所述索引集合中的路径索引q满足P_ij(q)≤ξ，ξ＝0.01；

根据所述索引集合Q，获取所述不变路径上的信道冲激响应。

可选地，所述根据所述索引集合Q，获取所述不变路径上的信道冲激响应，包括：

将路径索引不属于所述索引集合Q的h_i(τ_n)和h_j(τ_n)赋值为0，得到新的信道冲激响应和

通过如下公式四获取所述不变路径上的信道冲激响应；

其中，所述代表不变路径上的信道冲激响应。

可选地，所述根据所述不变路径上的信道冲激响应和所述当前准静止环境的信道估计值，得到所述当前准静止环境对应的可变路径上的信道冲激响应，包括：

通过如下公式五得到所述当前准静止环境对应的可变路径上的信道冲激响应；

其中，所述代表当前准静止环境的信道估计值，所述ε代表可变路径上的信道冲激响应，n＝1,...,N。

可选地，所述根据所述可变路径上的信道冲激响应，预测下一时刻的信道估计值，包括：

根据所述可变路径上的信道冲激响应，建立指数模型，所述指数模型的率参数为λ；

根据所述指数模型和所述率参数λ，生成ε'(τ_n)，所述ε'(τ_n)为服从率参数为λ的指数分布的随机过程；

根据如下公式六得到下一时刻的信道估计值；

其中，所述代表下一时刻的信道估计值。

第二方面，本发明提供一种信道预测装置，包括：

第一获取模块，用于获取当前准静止环境对应的两个相邻时刻的信道冲激响应，每个信道冲激响应对应N个不同的路径；

第二获取模块，用于获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱；

提取模块，用于根据所述第一平均功率延迟谱和第二平均功率延迟谱，提取所述当前准静止环境对应的不变路径上的信道冲激响应；

处理模块，用于根据所述不变路径上的信道冲激响应和所述当前准静止环境的信道估计值，得到所述当前准静止环境对应的可变路径上的信道冲激响应；

预测模块，用于根据所述可变路径上的信道冲激响应，预测下一时刻的信道估计值。

本发明提供的信道预测方法及装置，该方法通过根据当前准静止环境的场景参数与信道数据库的场景参数进行匹配后选取信道数据库中两个相邻时刻的信道冲激响应，再获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱，经过去噪处理、去峰值和归一化处理后分离出当前准静止环境对应的不变路径上的信道冲激响应。再根据当前准静止环境的信道估计值，找到可变路径上的信道冲激响应对应的数学模型，进而预测出下一时刻的信道估计值。本发明信道预测方法及装置省去了信道测量工作，有利于节省人力物力，且有利于降低信道估计时的导频开销，便于快速、有效地获取信道预测值。

附图说明

图1为本发明提供的信道预测方法的流程图；

图2为本发明提供的信道冲激响应的获取流程图；

图3为本发明提供的提取信道冲激响应的流程图；

图4为本发明提供的预测信道估计值的流程图；

图5为本发明提供的信道预测装置的结构图。

具体实施方式

一般地，短时间内移动终端(如手机等)不会发生快速的位置变化，信号在传播路径上遇到的大的障碍物(例如建筑物和墙等)是不变的，只有汽车和行人等会造成传播路径的变化，这种环境称为准静止环境。信号在到达接收机之前的传播过程中会经历多径衰落。在准静止环境下，有一部分传播路径是不变的，例如建筑物反射径等，其他传播路径是随着时间的变化而消失或者重新出现的，例如信号遇到汽车或者行人形成的传播路径等。正是由于这种径的生灭现象，使得在信道预测过程中，只有发生变化的径需要重新进行计算。

由于在准静止环境下信号具有上述的特点，本实施例信道预测方法中获取信道估计值的具体过程为：首先获取当前准静止环境对应的不变路径上的信道冲激响应。其次，根据当前准静止环境对应的不变路径上的信道冲激响应和当前准静止环境的信道估计值，得到当前准静止环境对应的可变路径上的信道冲激响应。接着，根据当前准静止环境对应的可变路径上的信道冲激响应的模型和当前准静止环境对应的不变路径上的信道冲激响应，预测一下时刻的信道估计值。本实施例信道预测方法及装置可应用到基站，也可应用到用户设备中，具体的应用场景与传统信道估计算法的应用方式相同，本实施例不做赘述。

图1为本发明提供的信道预测方法的流程图，如图1所示，本实施例的信道预测方法可以包括：

步骤101：获取当前准静止环境对应的两个相邻时刻的信道冲激响应，每个信道冲激响应对应N个不同的路径。

具体地，本领域技术人员能够理解，在不同的场景下，不同时刻的接收信号对应有不同的信道冲激响应。直接利用实际测量得到的信道冲激响应的数据存储量很大，本实施例可根据场景参数和对应场景下的信道冲激响应，建立好信道数据库，以便进行后续查找计算做准备。在信道数据库中包括很多典型场景。例如，典型场景一，设置场景参数，如地理位置A1，当前时间A2，网络拓扑A3，天线配置A4。典型场景二，设置场景参数，如地理位置B1，当前时间B2，网络拓扑B3，天线配置B4。典型场景三，设置场景参数，如地理位置C1，当前时间C2，网络拓扑C3，天线配置C4。其中，网络拓扑包括用户个数、小区个数、上下行链路、室内办公室、城市微蜂窝等，天线配置包括接收天线数、发射天线数、天线阵列形状等。本实施例中信道数据库中典型场景个数包括很多不仅限于上述三个，且由于是直接利用实际测量得到的信道冲激响应，考虑到了所有可能发生的传播因素，因此场景参数可包括实际场景的所有参数不限于上述的地理位置、当前时间、网络拓扑、天线配置。

在建立好的信道数据库中，获取当前准静止环境对应的两个相邻时刻的信道冲激响应。具体地，可通过图2所示的实施例实现。图2为本发明提供的信道冲激响应的获取流程图。如图2所示，该方法包括：

步骤1011：获取当前准静止环境的场景参数，场景参数包括地理位置、当前时间、网络拓扑以及天线配置。

步骤1012：根据场景参数从信道数据库中获取与当前准静止环境匹配的标准场景。

步骤1013：获取标准场景在当前时间所属的时间段内两个相邻时刻的信道冲激响应，作为当前准静止环境对应的两个相邻时刻的信道冲激响应。

具体地，在信道估计过程中，根据现场实际情况，获取当前准静止环境的场景参数D，如地理位置D1，当前时间D2、网络拓扑D3以及天线配置D4。根据当前静止环境的场景参数D，在信道数据库中找出与当前准静止环境的场景最接近的典型场景，例如，最为接近的场景为典型场景一。由于在间隔很短的时间内，获取的信道冲激响应值有很多列，且在多列信道冲激响应值中不变路径对应的成分是不变的，可根据当前时间，找到信道数据库中所属的时间段内相邻两个信道冲激响应h_i(τ_n)和h_j(τ_n)，其中τ_n为路径索引，|i-j|＝1，n＝1,...,N。

步骤102：获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱。

具体地，通过如下公式一和公式二获取第一平均功率延迟谱和第二功率延迟谱；

P_i(τ_n)＝||h_i(τ_n)||² 公式一

P_j(τ_n)＝||h_j(τ_n)||² 公式二

其中，h_i(τ_n)和h_j(τ_n)均为信道冲激响应，P_i(τ_n)为第一平均功率延迟谱，P_j(τ_n)为第二平均功率延迟谱。

步骤103：根据第一平均功率延迟谱和第二平均功率延迟谱，提取当前准静止环境对应的不变路径上的信道冲激响应。

具体地，本实施例中可采用从第一平均功率延迟谱P_i(τ_n)和第二平均功率延迟谱P_j(τ_n)中分离出不变路径上的信道冲激响应，得到不变路径的索引集合Q。其中，每个路径索引τ_n对应的径与实际环境中的障碍物存在映射关系，例如延迟为τ₁的径对应的是建筑物的反射径，延迟为τ₂的径对应的是玻璃或墙面的折射径，延迟为τ₃的径对应的是受到行人或汽车等障碍物影响的传播路径。可选地，可通过图3所示的实施例来提取当前准静止环境对应的不变路径上的信道冲激响应。

图3为本发明提供的提取信道冲激响应的流程图，如图3所示，该方法包括：

步骤1031：对P_i(τ_n)和P_j(τ_n)进行去噪处理。

步骤1032：获取去噪处理后的P_i(τ_n)和P_j(τ_n)的前K个峰值，K为自然数，得到P′_i＝{P′_i(k)|k＝1,...,K}和P′_j＝{P′_j(k)|k＝1,...,K}。

步骤1033：通过如下公式三对P′_i和P′_j进行归一化处理，得到不变路径的索引集合Q。

其中，索引集合中的路径索引q满足P_ij(q)≤ξ，ξ＝0.01。

步骤1034：根据索引集合Q，获取不变路径上的信道冲激响应。

具体地，计算出第一平均功率延迟谱P_i(τ_n)和第二平均功率延迟谱P_j(τ_n)后，首先对P_i(τ_n)和P_j(τ_n)进行去噪处理，根据经验值，如-20dB，对P_i(τ_n)和P_j(τ_n)中小于等于-20dB的数据进行去除，得到去噪后的两列数据。其次，经过去噪处理后的这两列数据其峰值会非常明显，再根据经验值，选取这两列数据的前K个峰值，如K选为5，放入集合P′_i和P′_j中，得到P′_i＝{P′_i(k)|k＝1,...,K}和P′_j＝{P′_j(k)|k＝1,...,K}。接着，根据公式三，对P′_i和P′_j进行归一化处理，得到P_ij(q)。将满足P_ij(q)≤ξ，ξ＝0.01条件的q放入不变路径的索引集合Q中。例如，当K＝5时，P_ij(q)中q＝1，3满足P_ij(q)≤ξ，ξ＝0.01的条件，则不变路径的索引集合Q＝{1，3}。

在根据索引集合Q，获取不变路径上的信道冲激响应时，可以将路径索引不属于索引集合Q的h_i(τ_n)和h_j(τ_n)赋值为0，得到新的信道冲激响应和

通过如下公式四获取不变路径上的信道冲激响应；

其中，代表不变路径上的信道冲激响应。

具体地，本实施例信道预测方法中根据索引集合Q和路径索引τ_n，将对应的信道冲激响应h_i(τ_n)和h_j(τ_n)赋值为零，记作和例如，索引集合Q＝{1，3}时，保留当τ_n＝{1，3}时对应的h_i(τ_n)和h_j(τ_n)，其余的h_i(τ_n)和h_j(τ_n)皆赋值为0，则新的信道冲激响应和为不变路径对应的冲激响应，对和作算术平均，就可得到不变路径上的信道冲激响应会更加准确。

步骤104：根据不变路径上的信道冲激响应和当前准静止环境的信道估计值，得到当前准静止环境对应的可变路径上的信道冲激响应。

具体地，本实施例中根据传统信道估计法，获取当前准静止环境的信道估计值可采用LS或LMMSE信道估计算法。再通过如下公式五得到当前准静止环境对应的可变路径上的信道冲激响应；

其中，冲激代表当前准静止环境的信道估计值，冲激ε代表可变路径上的信道冲激响应，n＝1,...,N。

步骤105：根据可变路径上的信道冲激响应，预测下一时刻的信道估计值。

具体地，本实施例中对可变路径上的信道冲激响应ε进行自动建模，得到可变路径的信道冲激响应的数学模型。具体实现过程可参见图4所示。

图4为本发明提供的预测信道估计值的流程图，如图4所示，该方法包括：

步骤1051：根据可变路径上的信道冲激响应，建立指数模型，指数模型的率参数为λ；

步骤1052：根据指数模型和率参数λ，生成ε'(τ_n)，ε'(τ_n)为服从率参数为λ的指数分布的随机过程；

步骤1053：根据如下公式六得到下一时刻的信道估计值；

其中，代表下一时刻的信道估计值。

具体地，本实施例中当前准静止环境下可变路径满足的数学模型可为指数模型，生成ε'(τ_n)服从率参数为λ的指数分布，再通过上述计算得到的不变路径的信道冲激响应通过公式六便可预测下一时刻的信道估计值

本实施例信道预测方法，通过根据当前准静止环境的场景参数与信道数据库的场景参数进行匹配后选取信道数据库中两个相邻时刻的信道冲激响应，再获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱，经过去噪处理、去峰值和归一化处理后分离出当前准静止环境对应的不变路径上的信道冲激响应。再根据当前准静止环境的信道估计值，找到可变路径上的信道冲激响应对应的数学模型，进而预测出下一时刻的信道估计值。本实施例信道预测方法省去了信道测量工作，有利于节省人力物力，且有利于降低信道估计时的导频开销，便于快速、有效地获取信道预测值。

图5为本发明提供的信道预测装置的结构图，如图5所示，本发明信道预测装置包括：

第一获取模块201，用于获取当前准静止环境对应的两个相邻时刻的信道冲激响应，每个信道冲激响应对应N个不同的路径；

第二获取模块202，用于获取两个信道冲激响应分别对应的第一平均功率延迟谱和第二平均功率延迟谱；

提取模块203，用于根据所述第一平均功率延迟谱和第二平均功率延迟谱，提取所述当前准静止环境对应的不变路径上的信道冲激响应；

处理模块204，用于根据所述不变路径上的信道冲激响应和所述当前准静止环境的信道估计值，得到所述当前准静止环境对应的可变路径上的信道冲激响应；

预测模块205，用于根据所述可变路径上的信道冲激响应，预测下一时刻的信道估计值。

本发明实施例提供的信道预测装置，可执行上述方法实施例，其具体实现原理和技术效果，可参见上述方法实施例，本实施例此处不再赘述。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。