本申请属于通信,具体涉及一种信道预测方法、装置及无线通信设备。
背景技术:
1、在移动无线通信中,实现多进多出mimo(multi input multi output,mimo)传输的关键是:如何准确地通过无线通信接收端(如,用户设备ue(user equipment,ue))反馈信道状态信息csi(channel state information,csi)给无线通信发送端(如,服务nr节点(nrnode b,gnb)基站)。
2、具体的,无线通信接收端可以直接反馈csi给无线通信发送端;更有效地,无线通信接收端可以通过学习模型,例如,人工智能ai(artificial intelligence,ai)模型对信道进行预测,以对信道的csi进行有效的反馈。然而,由于网络复杂度限制、模型传输限制及通信设备的不可预测性的原因,网络很难针对每个终端训练转用的学习模型;从而相关技术中,网络针对所有终端一般提供泛化的和蜂窝小区相关的学习模型。但是泛化的学习模型很难有效地提高mimo-csi的反馈性能。
技术实现思路
1、本申请实施例提供一种信道预测方法、装置及无线通信设备,能够解决泛化的学习模型很难有效地提高mimo-csi的反馈性能的问题。
2、第一方面,提供了一种信道预测方法,应用于无线通信设备,该方法包括:无线通信设备基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型;无线通信设备基于目标模型,对第一目标信道进行预测;其中,每个模型与辅助参数集中的一个辅助参数相关联,每个辅助参数与一个信道的多普勒频率相映射,第一参数与第一目标信道的多普勒频率相映射。
3、第二方面,提供了一种信道预测装置,装置包括:确定模块和预测模块;确定模块,用于基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型;预测模块,用于基于确定模块确定的目标模型,对第一目标信道进行预测;其中,每个模型与辅助参数集中的一个辅助参数相关联,每个辅助参数与一个信道的多普勒频率相映射,第一参数与第一目标信道的多普勒频率相映射。
4、第三方面,提供了一种无线通信设备,该无线通信设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
5、第四方面,提供了一种无线通信设备,包括处理器及通信接口,其中,所述处理器用于基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型;并基于目标模型,对第一目标信道进行预测;其中,每个模型与辅助参数集中的一个辅助参数相关联,每个辅助参数与一个信道的多普勒频率相映射,第一参数与第一目标信道的多普勒频率相映射,所述通信接口用于获取所述第一参数。
6、第五方面,提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
7、第六方面,提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
8、第七方面,提供了一种计算机程序/程序产品,所述计算机程序/程序产品被存储在存储介质中,所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的信道预测方法的步骤。
9、在本申请实施例中,无线通信设备基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型;且基于所述目标模型,对第一目标信道进行预测;其中,每个模型与辅助参数集中的一个辅助参数相关联,每个辅助参数与该一个信道的多普勒频率相映射,第一参数与第一目标信道的多普勒频率相映射。通过该方案,当需求对第一目标信道进行预测时,由于无线通信设备可以基于与第一目标信道的多普勒频率相映射的第一参数,确定目标模型,从而可以确保目标模型关联的辅助参数与第一目标信道的多普勒频率相适应,例如,训练目标模型使用的辅助参数(与一个信道的多普勒频率相映射)与第一参数相匹配,即可以使用多普勒频率特征与待预测的第一目标信道的多普勒频率特征相匹配的目标模型对第一目标信道进行预测,因此相比于相关技术中采用泛化的学习模型进行信道预测的方案,本申请实施例提供的信道预测方法可以提高信道预测的准确性。
1.一种信道预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述每个辅助参数包括以下至少之一:
3.根据权利要求1或2所述的方法,其特征在于,所述第一参数包括以下至少之一:
4.根据权利要求1所述的方法,其特征在于,所述目标模型关联的辅助参数与所述第一参数相匹配。
5.根据权利要求4所述的方法,其特征在于,所述第二辅助参数为所述辅助参数集中与所述第一参数间的匹配度最大的辅助参数。
6.根据权利要求1所述的方法,其特征在于,所述无线通信设备基于所述目标模型,对所述第一目标信道进行预测,包括:
7.根据权利要求6所述的方法,其特征在于,所述无线通信设备基于所述目标模型及第一信道响应,对所述第一目标信道进行预测,包括:
8.根据权利要求7所述的方法,其特征在于,所述目标对比结果为所述目标模型关联的辅助参数与所述第一参数间的比值。
9.根据权利要求1所述的方法,其特征在于,所述无线通信设备基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型之前,所述方法还包括:
10.根据权利要求9所述的方法,其特征在于,所述目标模型关联的辅助参数与第二目标信道的多普勒频率相映射;
11.根据权利要求9或10所述的方法,其特征在于,所述无线通信设备基于所述目标模型关联的辅助参数和所述第二目标信道的信道响应,对所述目标模型进行训练之后,所述方法还包括:
12.根据权利要求1所述的方法,其特征在于,所述无线通信设备基于辅助参数集和第一目标信道的第一参数,从至少一个模型中确定目标模型之前,所述方法还包括:
13.根据权利要求2所述的方法,其特征在于,信道的多普勒频率根据信道上的参考信号的到达角确定。
14.根据权利要求1所述的方法,其特征在于,所述每个模型关联的辅助参数由高层配置或协议约定。
15.一种信道预测装置,其特征在于,所述装置包括:确定模块和预测模块;
16.根据权利要求15所述的装置,其特征在于,所述每个辅助参数包括以下至少之一:
17.根据权利要求15或16所述的装置,其特征在于,所述第一参数包括以下至少之一:
18.根据权利要求15所述的装置,其特征在于,所述目标模型关联的辅助参数与所述第一参数相匹配。
19.根据权利要求18所述的装置,其特征在于,所述第二辅助参数为所述辅助参数集中与所述第一参数间的匹配度最大的辅助参数。
20.根据权利要求15所述的装置,其特征在于,
21.根据权利要求20所述的装置,其特征在于,所述预测模块,具体用于在所述目标模型关联的辅助参数与所述第一参数间的匹配度小于或等于第一匹配度阈值的情况下,对所述第一信道执行与目标对比结果对应的预处理,得到第二信道响应,所述目标对比结果为所述目标模型关联的辅助参数与所述第一参数的对比结果;
22.根据权利要求21所述的装置,其特征在于,所述目标对比结果为所述目标模型关联的辅助参数与所述第一参数间的比值。
23.根据权利要求15所述的装置,其特征在于,所述装置还包括训练模块;
24.根据权利要求23所述的装置,其特征在于,所述目标模型关联的辅助参数与第二目标信道的多普勒频率相映射;
25.根据权利要求23或24所述的装置,其特征在于,所述装置还包括评估模块和更新模块;
26.根据权利要求15所述的装置,其特征在于,所述装置还包括估计模块;
27.根据权利要求16所述的装置,其特征在于,信道的多普勒频率根据信道上的参考信号的到达角确定。
28.根据权利要求15所述的装置,其特征在于,所述每个模型关联的辅助参数由高层配置或协议约定。
29.一种无线通信设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至14中任一项所述的信道预测方法的步骤。
30.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至14中任一项所述的信道预测方法的步骤。