使用学习网络实体进行CSI辅助波束赋形的设备和方法与流程

一般地，本发明涉及无线通信领域。更具体地，本发明涉及使用波束赋形进行多天线毫米无线通信的设备和方法。

背景技术：

由于毫米波的强衰减，发射器和接收器通常使用波束赋形来保证能量从发射器传送至接收器。在毫米波通信中使用的波束通常具有非常窄的宽度，比如3度到10度。完成所有可能波束的搜索可能占用多达几百毫秒。因此，在这些时间范围可能出现通信链路故障。物理层的资源开销可能是百分之几的数量级。因此，波束宽度必须受到到这个数量级开销的影响。

毫米波通信，具体而言5gnr，的另一个挑战是在毫米波的阻塞，包括在非视距(non-line-of-sight,nlos)场景中的“非连续性”问题。因此，波束对准对移动性非常敏感。

已经有尝试使用低频(lowfrequency,lf)信息，比如信道状态信息(channelstateinformation,csi)，来辅助高频(highfrequency,hf)波束对准。例如，已经提出了一些波达方向(directionofarrival,doa)方法，用于使用lfdoa信息来推测hfdoa信息。但是，这些方法通常需要lf和hf天线安装在同一支架上，且无法用于nlos场景。

因此，需要改进的使用波束赋形进行多天线毫米无线通信的设备和方法。

技术实现要素：

本发明的实施例由独立权利要求的特征限定。实施例进一步的有利实现方式由从属权利要求的特征限定。

一般地，本发明的实施例以基于学习的方法为基础。“学习实体”可以作为单个实体位于网络中任何地方或者在网络中以分布式方式实现，比如在网络中的多天线移动终端和多天线毫米波基站中。在训练阶段，学习实体可以同时采集两种信息，即，(i)低频信道状态信息(lfcsi)和(ii)特征信息，比如高频波束端口索引。在应用阶段，学习实体可以基于当前lfcsi预测当前高频波束端口索引。

更具体地，根据第一方面，本发明涉及用于蜂窝通信网络的学习网络实体，其中所述蜂窝通信网络包括在低频(非毫米波)频谱操作的无线基站、毫米波基站、以及移动终端(也称为用户设备)，该移动终端用于通过无线通信信道与所述无线基站通信并使用定义多个波束方向中的波束方向的毫米波束与所述毫米波基站通信。所述无线基站和所述毫米波基站可以并置于同一多波长基站中或者作为独立设备实现。所述学习网络实体包括：通信接口，用于针对所述移动终端的多个不同位置和/或多个不同时间点，采集所述无线通信信道的状态的有关信息以及所述波束方向的有关信息；以及实现神经网络的处理器。所述神经网络用于：在训练阶段，针对所述移动终端的所述多个不同位置和/或所述多个不同时间点，确定所述无线通信信道的状态的有关信息与所述波束方向的有关信息之间的相互关系(correlation)；在应用(exploitation)阶段，基于所述相互关系和所述无线通信信道的当前状态的有关信息，预测一个或多个目标波束方向。

在第一方面的进一步可能的实现方式中，所述一个或多个目标波束方向包括多个目标波束方向，其中所述处理器还用于限制对所述多个目标波束方向进行穷举搜索(例如，作为发现过程的一部分)，其用于建立所述移动终端到所述毫米波基站的接入。

在第一方面的进一步可能的实现方式中，所述蜂窝通信网络为5g蜂窝通信网络，其中所述无线通信信道的状态的有关信息包括所述无线通信信道的信道状态信息csi。

在第一方面的进一步可能的实现方式中，所述波束方向的有关信息包括所述移动终端的所述多个不同位置和/或所述多个不同时间点各自的波束索引，其中所述各自的波束索引标识所述移动终端的所述多个不同位置和/或所述多个不同时间点各自的波束方向。

在第一方面的进一步可能的实现方式中，所述波束方向的有关信息还包括所述移动终端的空间方位的有关信息、所述移动终端所处通信小区的标识符、和/或针对所述移动终端的所述多个不同位置和/或所述多个不同时间点的时间戳。

在第一方面的进一步可能的实现方式中，由所述处理器实现的神经网络包括一层或更多层神经元。

在第一方面的进一步可能的实现方式中，由所述处理器实现的神经网络用于：将所述无线通信信道的状态的有关信息的一个或多个统计属性的确定性的估计作为输入，具体为将所述无线通信信道的状态的有关信息的空间协方差样本估计作为输入，以及提供定义所述目标波束方向的一个或多个波束索引作为输出。

根据第二方面，本发明涉及一种无线基站，用于通过无线通信信道与移动终端通信，其中所述无线基站包括根据本发明第一方面所述的网络实体。

根据第三方面，本发明涉及一种毫米波基站，用于使用定义多个波束方向中的波束方向的毫米波波束与移动终端通信，其中所述毫米波基站包括根据本发明第一方面所述的网络实体。

根据第四方面，本发明涉及一种移动终端，用于通过无线通信信道与无线基站通信，并使用定义多个波束方向中的波束方向的毫米波波束与毫米波基站通信，其中所述移动终端包括根据本发明第一方面所述的网络实体。

根据第五方面，本发明涉及一种蜂窝通信网络，包括无线基站、毫米波基站、移动终端和根据本发明第一方面所述的网络实体，其中所述网络实体是独立单元或者作为所述无线基站、所述毫米波基站和/或所述移动终端的一部分实现。

根据第六方面，本发明涉及一种用于蜂窝通信网络的操作网络实体的相应方法，其中所述蜂窝通信网络包括无线基站、毫米波基站、以及通过无线通信信道与所述无线基站通信并使用定义多个波束方向中的波束方向的毫米波束与所述毫米波基站通信的移动终端。所述方法包括以下步骤：针对所述移动终端的多个不同位置和/或多个不同时间点，采集所述无线通信信道的状态的有关信息以及所述波束方向的有关信息；在训练阶段，针对所述移动终端的所述多个不同位置和/或所述多个不同时间点，由神经网络确定所述无线通信信道的状态的有关信息与所述波束方向的有关信息之间的相互关系；以及在应用阶段，由神经网络基于所述相互关系和所述无线通信信道的当前状态的有关信息，预测一个或多个目标波束方向。

根据本发明第六方面所述的方法可以由根据本发明第一方面所述的网络实体执行。根据本发明第六方面所述的方法的进一步的特征直接源自根据本发明第一方面及上下文所描述的其不同实现方式所述的网络实体的功能。

根据第七方面，本发明涉及一种计算机程序产品，包括程序代码，所述程序代码在计算机上执行时用于执行根据本发明第六方面所述的方法。

具有上述各个方面的本发明具有一些优点。通过采用学习实体，使得能够使用低频信息来辅助高频波束对准，并因此能够降低移动过程中波束对准的敏感度。这具体通过学习实体采集两种信息来实现，即，(i)低频信道状态信息(lfcsi)，和(ii)特征信息，比如高频波束端口索引，基于此精准预测基于当前lfcsi的当前高频波束端口索引。这还使得毫米波链路稳定性提升，并显著降低无线资源开销。

在附图和以下描述中阐述了一个或多个实施例的细节。根据说明书、附图和权利要求书，其他特征、目的和优点将是明显的。

附图说明

本发明下述实施例参见附图得到更详细的描述，其中：

图1为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的示例的示意图；

图2为示出根据一个实施例的学习网络实体的训练阶段和应用阶段的示意图；

图3为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的另一示例的示意图；

图4为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的另一示例的示意图；

图5为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的另一示例的示意图；

图6为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的另一示例的示意图；

图7为具有在根据一个实施例的移动终端和/或根据一个实施例的基站中实现的根据一个实施例的学习网络实体的无线通信系统的另一示例的示意图；以及

图8为根据一个实施例的操作学习网络实体的方法的处理步骤的示例的流程图。

下文中相同的附图标记指代相同的或者至少功能等同的特征。

具体实施方式

在下文描述中参考形成本公开一部分的附图，附图通过图示的方式示出了本发明实施例的具体方面或者使用本发明实施例的具体方面。可以理解，本发明实施例可以在其他方面使用，并包括附图中未描述的结构或逻辑变化。因此，下文的详细描述不应视为限制，本发明的范围由所附权利要求限定。

例如，应理解，所描述的方法的公开内容还可适用于用于执行所述方法的对应设备或系统，反之亦然。例如，如果描述了一个或多个具体的方法步骤，对应设备可以包括一个或多个单元，比如功能单元，以执行所描述的一个或多个方法步骤(例如，一个单元执行所述一个或多个步骤，或多个单元中的每个执行所述多个步骤中的一个或多个)，即使上述一个或多个单元在附图中未明确描述或示出。另一方面，例如，如果基于一个或多个单元，比如功能单元，描述了具体装置，对应的方法可以包括执行所述一个或多个单元的功能的一个步骤(例如，一个步骤执行所述一个或多个单元的功能，或多个步骤中的每个执行所述多个单元中的一个或多个的功能)，即使上述一个或多个步骤在附图中未明确描述或示出。进一步，应理解，除非另有具体的说明，否则本文描述的各种示例实施例和/或各个方面的特征可以彼此组合。

图1为根据一个实施例的多天线移动终端(也称为用户设备(userequipment)，ue)111和根据一个实施例的多天线基站(basestation,bs)101的蜂窝或无线通信网络或系统100的示例的示意图。多天线基站101可以定义蜂窝通信网络100中的小区。

如上所述，在如图1所示的实施例中，基站101和移动终端111均配备多天线。考虑毫米波传输，每个设备使用多天线可以将信号传输聚焦在特定方向或可以从特定方向接收信号。在这种情况下，可以假设仅当发送和接收方向合适地对准时，通信才会发生。

蜂窝通信网络100还包括学习网络实体120，其可以作为移动终端111的一部分和/或基站101的一部分实现。在如图1所示的实施例中，基站101包括使用无线通信信道与移动终端111通信的无线电波基站101和使用波束赋形与移动终端111通信的毫米波基站101。换言之，在如图1所示的实施例中，无线电波基站101和毫米波基站101并置且作为多波长基站101的组成部分实现。在下面进一步地描述的实施例中，无线电波基站101和毫米波基站101可在空间上分离，即，作为安装在不同通信塔上的独立单元实现。

如图1所示，移动终端111用于从多个波束方向111a-111d中选择目标波束方向，用于使用波束赋形与毫米波基站101通信。同样地，毫米波基站101用于从多个波束方向101a-101c中选择目标波束方向，用于与移动终端通信。

从图1的详细视图中可见，网络实体120包括：通信接口123，用于针对移动终端111的多个不同位置和/或多个不同时间点，采集无线通信信道的状态的有关信息和波束方向的有关信息；以及实现神经网络的处理器121。

正如下面将进一步详细描述的，该神经网络用于：在训练阶段，针对移动终端111的多个不同位置和/或多个不同时间点，确定无线通信信道的状态的有关信息和波束方向的有关信息之间的相互关系；以及在应用阶段，基于该相互关系和无线通信信道的当前状态的有关信息，预测一个或多个目标波束方向。

蜂窝通信网络100可以为5g蜂窝通信网络，其中无线通信信道的状态的有关信息包括无线通信信道的信道状态信息csi。图2示出了无线通信信道的状态的有关信息包括无线通信信道的信道状态信息csi的情况下学习网络实体120的操作。

在图1的示例性场景中，示出了移动终端111在两个不同位置，因此在两个不同的时间点。举例而言，在第一位置，可以使用多个波束方向11a-11c训练学习网络实体120，而在第二位置，学习网络实体120预测目标波束方向111d。

学习网络实体120的神经网络提供的一个或多个目标波束方向可以包括多个目标波束方向，其中学习网络实体120的处理器121还用于限制对多个目标波束方向进行穷举搜索(比如在初始接入或发现过程的情况下)，其用于建立移动终端111到毫米波基站101的接入。

波束方向的有关信息可以包括移动终端111的多个不同位置和/或多个不同时间点各自的波束索引，其中各自的波束索引标识移动终端111的多个不同位置和/或多个不同时间点各自的波束方向。

波束方向的有关信息还可以包括移动终端111的空间方位的有关信息、移动终端111所处通信小区的标识符、和/或针对移动终端111的多个不同位置和/或多个不同时间点的时间戳。

由学习网络实体120的处理器121实现的神经网络可以用于：将无线通信信道的状态的有关信息的一个或多个统计属性的确定性的估计作为输入，具体为将csi的空间协方差的样本估计作为输入，以及提供定义目标波束方向的一个或多个波束索引作为输出。在训练阶段可以使用独热向量(即在波束索引对应的位置具有单个1的向量)对目标波束索引即神经网络的输出进行编码。在这种情况下，在应用阶段，神经网络的输出可以是对应于可能波束的数量的维数向量，其可解释为与每个波束对应的各自的可能性。根据一个实施例，对这些概率进行排序，对经排序的列表进行截取以获得预测的目标波束索引。

神经网络可以具有一层或多层神经元，每个神经元可以理解成将所谓的(线性或非线性的)激活函数应用于通过混合前一层神经元的输出(或者在第一层情况下的输入)得到的标量值。训练阶段的目的是配置混合系数以及激活函数的其他参数。

下面将在图3至图7的背景下描述学习网络实体120的进一步实施例。具体地，图3示出了学习实体可以位于网络中的几个示例。图4和图7(结合)描绘了涉及消息m3的学习阶段。图5描绘了不涉及消息m3的学习阶段。图6示出了不涉及消息m3的应用阶段。

正如前面已经提及并如图3所示，学习网络实体120可以作为无线基站101(图3中称为lbs)、移动终端111、和/或毫米波基站101(图3中称为hbs)的组成部分实现。无线基站101和毫米波基站101(并置或空间上分离)可以通过x2接口进行通信。

在图4至图7示出的示例性场景中，使用以下参数：

-h：上行链路信道状态信息(从ue111到lbs101)；

-m1：从h计算的消息；

-t1：m1的时间戳信息(lbs101在接收到m1时记录)；

-m2：hbs101的波束索引信息；

-i2：hbs101的标识信息；

-t2：m2的时间戳信息；

-m3：波束方向信息(指物理波束的方向)，例如，可以是由ue111的波束索引和方位信息计算的一些码本索引。

在图5所示的示例性场景中，在训练阶段，ue111可以发送上行链路导频(lbs101计算m1)，且ue111可以向lbs101发送m2。可替代地，ue111可以发送上行链路导频(lbs101计算m1)，且hbs101可以向lbs101(比如经由x2接口)发送m2。

如图6所示，在应用阶段，lbs101例如经由x2接口向hbs101发送m2。

根据图7所示的进一步实施例，在训练阶段，hbs101可以向lbs101(比如经由x2接口)发送m2，且ue111可以向lbs101(比如经由上行链路信令，如无线资源控制rrc/上行控制信息uci/媒体接入控制层控制元素macce)发送m3。可替代地，ue111可以向lbs101发送m2和m3。根据另一替代方案，hbs101可以向lbs101发送m2和m3。

在应用阶段，lbs101可以向hbs101发送m2，例如，经由x2接口。lbs101可以经由一些下行链路ue特定信令(比如下行控制信息dci等)向ue111发送m3。ue111基于m3和自身方位φ(例如由ue111的陀螺仪传感器提供)计算波束索引b。

图8为根据一个实施例的操作学习网络实体120的相应方法的处理步骤的示例的流程图。方法800包括以下步骤：801，针对移动终端111的多个不同位置和/或多个不同时间点，采集无线通信信道的状态的有关信息以及波束方向的有关信息；在训练阶段，针对移动终端的多个不同位置和/或多个不同时间点，由学习网络实体120的神经网络确定无线通信信道的状态的有关信息与波束方向的有关信息之间的相互关系；在应用阶段，由神经网络基于相互关系和无线通信信道的当前状态的有关信息，预测一个或多个目标波束方向。

本发明实施例提供例如如下优点。本发明实施例使能lf辅助hf技术，提升毫米波链路稳定性，将无线资源开销减少到几乎为0，降低毫米波设备的部署成本。

在本申请提供的几个实施例中，应当理解，所公开的系统、装置和方法可以通过其他方式实现。例如，所描述的装置实施例仅仅是示例性的。例如，单元划分仅仅是逻辑功能划分，在实际实现时可以有另外的划分。例如，多个单元或组件可以组合或集成到另一个系统，或者一些特征可以忽略或者不执行。此外，所示出或所讨论的相互之间的耦合或者直接耦合或者通信连接可通过使用一些接口来实现。装置或单元之间的间接耦合或通信连接可以通过电的、机械的或其他形式实现。

描述为分离部件的单元可以是，也可以不是物理上分开的，作为单元示出的部件可以是，也可以不是物理单元，可以位于某个位置，或者，也可以分布于多个网络单元。可以根据实际需要选择一些或所有单元来实现实施例中方案的目的。此外，本发明实施例中的功能单元可以集成在一个处理单元，或者每个单元在物理上单独存在，或者两个或更多个单元集成在一个单元。

本发明实施例还可以包括一种装置，其包括处理电路，用于执行本文中描述的任一方法和/或过程。