1.一种在网络设备处实现的方法,包括:
生成从所述网络设备到终端设备的下行链路信道上的子载波上的ofdm符号的序列;
至少部分地基于所述下行链路信道的特性来确定所述下行链路信道的处理矩阵;
获得信号生成模型的参数的参考值;以及
迭代地执行以下操作多次:
基于ofdm符号的所述序列和所述处理矩阵,调整所述信号生成模型的所述参数的所述参考值,所述参数是用于经由所述网络设备的发送端口在所述下行链路信道上向所述终端设备发送的信号;以及
通过对所述信号生成模型的所述参数的调整值进行限幅来更新所述信号生成模型的所述参数的所述参考值。
2.根据权利要求1所述的方法,其中生成所述ofdm符号的所述序列包括:
获得所述下行信道上的所述子载波的数目、每个所述序列中的ofdm符号的数目以及所述网络设备的所述天线的数目;以及
基于所述子载波的所述数目、每个序列中的ofdm符号的所述数目以及所述网络设备的所述天线的所述数目,生成所述ofdm符号的所述序列。
3.根据权利要求1所述的方法,其中确定所述处理矩阵包括:
基于所述下行链路信道上的所述子载波的数目、每个所述序列中的ofdm符号的数目以及所述网络设备的所述天线的数目,确定表征所述下行链路信道的信道矩阵;以及
通过对所述信道矩阵执行转置和离散傅立叶逆变换idft来确定所述处理矩阵。
4.根据权利要求1所述的方法,其中所述信号生成模型是人工神经网络ann,所述信号生成模型包括输入层和输出层,所述下行链路信道的所述处理矩阵被提供给所述输入层作为输入,所述ofdm符号的所述序列由所述输出层提供,所述输入层和所述输出层通过所述参数而彼此关联。
5.根据权利要求1所述的方法,其中获得所述参考值包括:
获得预设值作为所述参考值。
6.根据权利要求1所述的方法,其中调整所述参考值包括:
获得更新后的值作为所述参考值;以及
基于ofdm符号的所述序列和所述处理矩阵、所述信号生成模型的所述参数的所述更新后的值,对所述参数进行调整。
7.根据权利要求1所述的方法,其中使用优化过程来调整所述参考值,包括:
确定所述ofdm符号的所述序列与所述信号生成模型的所述参数和所述下行链路信道的所述处理矩阵的乘积之间的差异;以及
基于所述差异来调整所述信号生成模型的所述参数的所述参考值。
8.根据权利要求7所述的方法,其中从组中选择所述优化过程,所述组包括:
随机梯度下降;
批量梯度下降;和
小批量梯度下降。
9.根据权利要求1所述的方法,其中更新所述参数的所述参考值包括:
至少部分地基于所述参数的所述调整值来确定所述信号的平均功率;
基于用于限制所述信号的幅度和所述平均功率的限幅比来确定所述信号的所述幅度的上限;以及
基于所述信号的所述幅度的所述上限来对所述参数的所述调整值进行限幅。
10.一种网络设备,包括:
至少一个处理器;以及
包括计算机程序代码的至少一个存储器;
所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述终端设备至少:
生成从所述网络设备到终端设备的下行链路信道上的子载波上的ofdm符号的序列;
至少部分地基于所述下行链路信道的特性来确定所述下行链路信道的处理矩阵;
获得信号生成模型的参数的参考值;以及
迭代地执行以下操作多次:
基于ofdm符号的所述序列和所述处理矩阵,调整所述信号生成模型的所述参数的所述参考值,所述参数是用于经由所述网络设备的发送端口在所述下行链路信道上向所述终端设备发送的信号;以及
通过对所述信号生成模型的所述参数的调整值进行限幅来更新所述信号生成模型的所述参数的所述参考值。
11.根据权利要求10所述的网络设备,其中使所述网络设备通过以下操作来生成所述ofdm符号的所述序列:
获得所述下行信道上的所述子载波的数目、每个所述序列中的ofdm符号的数目以及所述网络设备的所述天线的数目;以及
基于所述子载波的所述数目、每个所述序列中的ofdm符号的所述数目以及所述网络设备的所述天线的所述数目,生成所述ofdm符号的所述序列。
12.根据权利要求10所述的网络设备,其中使所述网络设备通过以下操作来确定所述处理矩阵:
基于所述下行链路信道上的所述子载波的数目、每个所述序列中的ofdm符号的数目以及所述网络设备的所述天线的数目,确定表征所述下行链路信道的信道矩阵;以及
通过对所述信道矩阵执行转置和离散傅立叶逆变换idft来确定所述处理矩阵。
13.根据权利要求10所述的网络设备,其中所述信号生成模型是人工神经网络ann,所述信号生成模型包括输入层和输出层,所述下行链路信道的所述处理矩阵被提供给所述输入层作为输入,所述ofdm符号的所述序列由所述输出层提供,所述输入层和所述输出层通过所述参数而彼此关联。
14.根据权利要求10所述的网络设备,其中使所述网络设备通过以下操作来获得所述参考值:
获得预设值作为所述参考值。
15.根据权利要求10所述的网络设备,其中使所述网络设备调整所述参考值包括:
获得更新后的值作为所述参考值;以及
基于ofdm符号的所述序列和所述处理矩阵、所述信号生成模型的所述参数的所述更新后的值,对所述参数进行调整。
16.根据权利要求10所述的网络设备,其中使用优化过程来调整所述参考值,包括:
确定所述ofdm符号的所述序列与所述信号生成模型的所述参数和所述下行链路信道的所述处理矩阵的乘积之间的差异;以及
基于所述差异来调整所述信号生成模型的所述参数的所述参考值。
17.根据权利要求16所述的方法,其中从组中选择所述优化过程,所述组包括:
随机梯度下降;
批量梯度下降;和
小批量梯度下降。
18.根据权利要求10所述的网络设备,其中使所述网络设备更新所述参数的所述参考值包括:
至少部分地基于所述参数的所述调整值来确定所述信号的平均功率;
基于用于限制所述信号的幅度和所述平均功率的限幅比来确定所述信号的所述幅度的上限;以及
基于所述信号的所述幅度的所述上限来对所述参数的所述调整值进行限幅。
19.一种用于降低峰均功率比(papr)的装置,包括:
用于生成从网络设备到终端设备的下行链路信道上的子载波上的ofdm符号的序列的部件;
用于至少部分地基于所述下行链路信道的特性来确定所述下行链路信道的处理矩阵的部件;
用于获得信号生成模型的参数的参考值的部件;以及
用于迭代地执行以下操作多次的部件:
基于ofdm符号的所述序列和所述处理矩阵,调整所述信号生成模型的所述参数的所述参考值,所述参数是用于经由所述网络设备的发送端口在所述下行链路信道上向所述终端设备发送的信号;以及
通过对所述信号生成模型的所述参数的调整值进行限幅来更新所述信号生成模型的所述参数的所述参考值。
20.一种非瞬态计算机可读介质,包括用于使装置至少执行根据权利要求1至9中任一项所述的方法的程序指令。