信道预测方法、设备、装置及存储介质与流程

本技术涉及无线通信，尤其涉及一种信道预测方法、设备、装置及存储介质。

背景技术：

1、在波束赋形中，网络设备(例如基站)通过调整天线阵列各个阵元的幅相增益，将信道进行等效解构成若干个并行的传输流，保证目标用户所处位置多径信号能够同相叠加增强的同时，还保证各个传输流彼此正交互不干扰。当终端移动时，各传播多径的相位会在短时间内发生变化，在终端所处位置上各传输流不能维持彼此正交，流间干扰就会抬升从而导致传输性能下降。此时网络设备需要重新根据上行信道估计计算赋形权值，才能使得各流重新回到正交状态。但是，网络设备每次上行信道估计以及下行赋形更新都存在一定时间间隔，在这个间隔内的赋形性能就会急剧降低。信道变化越快，赋形性能受到的影响也就越严重。

2、基于探测参考信号信道估计测量的信道预测是解决上述问题的一种方法，其中基于自回归(auto regressive，ar)的信道预测是一种常见的信道预测方法，ar预测将信道变化看作是一种随机过程，可以使用时间滤波器预测该过程的变化，即将信道看作时间滤波器，每个时刻的输出值是由一组历史值通过线性加权得到。对信道估计的时间序列进行ar参数计算时，首先需要将时间序列构造成托普利兹矩阵，即构造一组超定方程组，这往往需要获取远大于ar阶数的历史信道估计数据，且需要在这些历史信道估计数据对应的时间段内保持信道参数不发生变化，因此不但对历史信道估计的存储空间需求巨大，增加了网络设备的数据存储压力，而且对信道的平稳性有着较高的要求。

技术实现思路

1、针对现有技术存在的问题，本技术实施例提供一种信道预测方法、设备、装置及存储介质。

2、第一方面，本技术实施例提供一种信道预测方法，所述方法包括：

3、获取网络设备的多个天线在待预测时刻之前的p+1个时刻的信道估计结果；

4、根据所述p+1个时刻的信道估计结果，确定p阶自回归ar信道预测模型的预测系数；

5、根据所述预测系数，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测；

6、其中，所述p为大于1的整数。

7、可选地，所述根据所述p+1个时刻的信道估计结果，确定p阶ar信道预测模型的预测系数，包括：

8、根据所述p+1个时刻的信道估计结果，构建以所述预测系数为未知量的p阶超定方程组；

9、对所述p阶超定方程组进行求解，确定所述预测系数。

10、可选地，所述p阶超定方程组中，方程的个数等于所述网络设备的天线个数。

11、可选地，所述p阶超定方程组为：

12、

13、其中，hm，p表示所述网络设备的第m个天线在所述p+1个时刻中的第p个时刻的信道估计结果，m为所述网络设备的天线个数，p为所述待预测时刻之前的p+1个时刻中的第p个时刻；h的下标序号(m，p)取不同的值表示所述网络设备的不同天线在不同时刻的信道估计结果；ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数。

14、可选地，所述对所述p阶超定方程组进行求解，确定所述预测系数，包括：

15、基于最小二乘法，对所述p阶超定方程组进行求解，确定所述预测系数。

16、可选地，所述预测系数的计算公式包括：

17、

18、

19、其中，ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数；hm，p表示所述网络设备的第m个天线在所述p+1个时刻中的第p个时刻的信道估计结果，所述m为所述网络设备的天线个数，所述p为所述待预测时刻之前的p+1个时刻中的第p个时刻；h的下标序号(m，p)取不同的值表示所述网络设备的不同天线在不同时刻的信道估计结果；矩阵的上标h表示共轭转置，上标-1表示矩阵求逆。

20、可选地，所述根据所述预测系数，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测，包括：

21、根据所述预测系数，以及所述网络设备的目标天线在所述待预测时刻之前的p个时刻的信道估计结果，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测。

22、可选地，所述根据所述预测系数，以及所述网络设备的目标天线在所述待预测时刻之前的p个时刻的信道估计结果，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测，包括：

23、基于所述预测系数，对所述p个时刻的信道估计结果进行线性加权求和，得到所述网络设备的目标天线在所述待预测时刻的信道估计预测结果。

24、可选地，所述网络设备的目标天线在所述待预测时刻的信道估计预测结果的计算公式包括：

25、hm，t＝hm，2*ω1+hm，3*ω2+…+hm，p+1*ωp

26、其中，hm，t表示所述网络设备的目标天线m在待预测时刻t的信道估计预测结果；hm，2、hm，3、…、hm，p+1分别表示所述网络设备的目标天线m在所述待预测时刻之前的p个时刻的信道估计结果；ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数。

27、第二方面，本技术实施例还提供一种电子设备，包括存储器，收发机，处理器，其中：

28、存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：

29、获取网络设备的多个天线在待预测时刻之前的p+1个时刻的信道估计结果；

30、根据所述p+1个时刻的信道估计结果，确定p阶自回归ar信道预测模型的预测系数；

31、根据所述预测系数，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测；

32、其中，所述p为大于1的整数。

33、可选地，所述根据所述p+1个时刻的信道估计结果，确定p阶ar信道预测模型的预测系数，包括：

34、根据所述p+i个时刻的信道估计结果，构建以所述预测系数为未知量的p阶超定方程组；

35、对所述p阶超定方程组进行求解，确定所述预测系数。

36、可选地，所述p阶超定方程组中，方程的个数等于所述网络设备的天线个数。

37、可选地，所述p阶超定方程组为：

38、

39、其中，hm，p表示所述网络设备的第m个天线在所述p+1个时刻中的第p个时刻的信道估计结果，m为所述网络设备的天线个数，p为所述待预测时刻之前的p+1个时刻中的第p个时刻；h的下标序号(m，p)取不同的值表示所述网络设备的不同天线在不同时刻的信道估计结果；ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数。

40、可选地，所述对所述p阶超定方程组进行求解，确定所述预测系数，包括：

41、基于最小二乘法，对所述p阶超定方程组进行求解，确定所述预测系数。

42、可选地，所述预测系数的计算公式包括：

43、

44、

45、其中，ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数；hm，p表示所述网络设备的第m个天线在所述p+1个时刻中的第p个时刻的信道估计结果，所述m为所述网络设备的天线个数，所述p为所述待预测时刻之前的p+1个时刻中的第p个时刻；h的下标序号(m，p)取不同的值表示所述网络设备的不同天线在不同时刻的信道估计结果；矩阵的上标h表示共轭转置，上标-1表示矩阵求逆。

46、可选地，所述根据所述预测系数，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测，包括：

47、根据所述预测系数，以及所述网络设备的目标天线在所述待预测时刻之前的p个时刻的信道估计结果，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测。

48、可选地，所述根据所述预测系数，以及所述网络设备的目标天线在所述待预测时刻之前的p个时刻的信道估计结果，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测，包括：

49、基于所述预测系数，对所述p个时刻的信道估计结果进行线性加权求和，得到所述网络设备的目标天线在所述待预测时刻的信道估计预测结果。

50、可选地，所述网络设备的目标天线在所述待预测时刻的信道估计预测结果的计算公式包括：

51、hm，t＝hm，2*ω1+hm，3*ω2+…+hm，p+1*ωp

52、其中，hm，t表示所述网络设备的目标天线m在待预测时刻t的信道估计预测结果；hm，2、hm，3、…、hm，p+1分别表示所述网络设备的目标天线m在所述待预测时刻之前的p个时刻的信道估计结果；ω1、ω2、...、ωp分别表示所述p阶ar信道预测模型的p个预测系数。

53、第三方面，本技术实施例还提供一种信道预测装置，所述装置包括：

54、获取单元，用于获取网络设备的多个天线在待预测时刻之前的p+1个时刻的信道估计结果；

55、确定单元，用于根据所述p+1个时刻的信道估计结果，确定p阶自回归ar信道预测模型的预测系数；

56、预测单元，用于根据所述预测系数，对所述网络设备的目标天线在所述待预测时刻的信道估计结果进行预测；

57、其中，所述p为大于1的整数。

58、第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行如上所述第一方面所述的信道预测方法的步骤。

59、第五方面，本技术实施例还提供一种通信设备，所述通信设备中存储有计算机程序，所述计算机程序用于使通信设备执行如上所述第一方面所述的信道预测方法的步骤。

60、第六方面，本技术实施例还提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行如上所述第一方面所述的信道预测方法的步骤。

61、第七方面，本技术实施例还提供一种芯片产品，所述芯片产品中存储有计算机程序，所述计算机程序用于使芯片产品执行如上所述第一方面所述的信道预测方法的步骤。

62、本技术实施例提供的信道预测方法、设备、装置及存储介质，通过利用网络设备多个天线的历史信道估计结果联合求解ar预测系数，可以减少每个天线上所需存储的历史信道估计数据量，减轻了网络设备的数据存储压力，同时较短的时间序列对时变信道的平稳性要求也大大降低，提升了信道预测模型的鲁棒性。