用于确定性轨迹的智能波束预测方法及装置与流程

1.本技术涉及通信技术领域，尤其涉及一种用于确定性轨迹的智能波束预测方法及装置。


背景技术：

2.毫米波多用户多输入多输出(mimo)无线通信使用大规模天线和波束赋形技术来解决高频段下的路径损耗问题，实现空分复用，提高频谱效率。但是，大规模天线下的移动场景尤其是高速铁路场景，频繁的波束对齐和跟踪造成大量的波束训练开销和显著的指令下达时延。因此，减少波束训练开销和指令下达时延这两个问题是目前移动无线通信中的关键。现有的波束管理框架在上述问题解决方面仍有很大的提升空间，长时细时间颗粒度的波束预测技术能够极大地降低波束训练开销，并避免指令下达造成的时延。
3.无线通信中基于模型驱动的方法具有好的理论保证和可解释性，但是在面对包含不明确先验的复杂场景时，模型驱动方法不能有效解决波束训练开销大和指令下达时延长的技术问题，性能显著下降。


技术实现要素：

4.本技术实施例提供一种用于确定性轨迹的智能波束预测方法及装置，用以解决现有技术中波束对齐和跟踪中的波束训练开销打和指令下达时延长的技术问题。
5.第一方面，本技术实施例提供一种用于确定性轨迹的智能波束预测方法，应用于基站，包括：
6.接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；
7.估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；
8.基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；
9.基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。
10.在一些实施例中，还包括：
11.接收网络设备下传的非线性映射模型和数据融合模型。
12.在一些实施例中，所述接收导频信号包括水平方向的所有波束。
13.在一些实施例中，所述测量信号包括多普勒频率和时间到达toa。
14.在一些实施例中，所述接收导频信号和所述测量信号均为等时间间隔发送。
15.在一些实施例中，所述估计观测最终时刻基于所述接收导频信号的移动终端的投
影位置和速度，包括：
16.根据最大似然准则，输出估计观测最终时刻基于所述接收导频信号的投影位置和速度的第一估计值集合。
17.在一些实施例中，所述估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度，包括：
18.根据最大似然准则，输出估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度的第二估计值集合。
19.在一些实施例中，所述基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，包括：
20.基于所述第一估计值集合和所述第二估计值集合，确定最终的投影位置和速度的估计值集合。
21.在一些实施例中，所述基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，包括：
22.基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端投影位置，进而计算投影距离；
23.基于所述预测时刻的移动终端的投影位置和投影距离，计算水平到达角和出发角；
24.基于所述水平到达角和出发角推断预测时刻基站发射端和移动终端接收端的模拟预编码。
25.在一些实施例中，还包括：
26.将所述移动终端接收端的模拟预编码发送到移动终端。
27.第二方面，本技术实施例提供一种用于确定性轨迹的智能波束预测方法，应用于网络设备，包括：
28.获取训练数据；
29.基于所述训练数据，对非线性映射模型和数据融合模型进行训练；
30.将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。
31.在一些实施例中，所述获取训练数据，包括：
32.获取基站发送的数据融合数据，并存储所述数据融合数据于数据仓库模块中；
33.通过几何测量获得非线性模块数据，并存储所述非线性模块数据于数据仓库模块中。
34.在一些实施例中，基于所述训练数据，对非线性映射模型和数据融合模型进行训练，包括：
35.基于所述数据融合数据训练数据融合模型；
36.基于所述非线性模块数据训练非线性映射模型。
37.第三方面，本技术实施例提供一种基站，包括存储器，收发机，处理器；
38.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上述第一方面所述的用于确定性轨迹的智能波束预测方法的步骤。
39.第四方面，本技术实施例提供一种网络设备，包括存储器，收发机，处理器；
40.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上述第二方面所述的用于确定性轨迹的智能波束预测方法的步骤。
41.第五方面，本技术实施例提供一种用于确定性轨迹的智能波束预测装置，包括：
42.收发模块，用于接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；
43.非线性映射模块，用于估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；
44.数据融合模块，用于基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；
45.模拟预编码模块，用于基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。
46.第六方面，本技术实施例提供一种用于确定性轨迹的智能波束预测装置，包括：
47.获取模块，用于获取训练数据；
48.训练模块，用于基于所述训练数据，对非线性映射模型和数据融合模型进行训练；
49.发送模块，用于将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。
50.第七方面，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或第二方面所述的用于确定性轨迹的智能波束预测方法的步骤。
51.第八方面，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计算机执行如上所述第一方面或第二方面所述的用于确定性轨迹的智能波束预测方法的步骤。
52.第九方面，本技术实施例还提供一种通信设备可读存储介质，所述通信设备可读存储介质存储有计算机程序，所述计算机程序用于使通信设备执行如上所述第一方面或第二方面所述的用于确定性轨迹的智能波束预测方法的步骤。
53.第十方面，本技术实施例还提供一种芯片产品可读存储介质，所述芯片产品可读存储介质存储有计算机程序，所述计算机程序用于使芯片产品执行如上所述第一方面或第二方面所述的用于确定性轨迹的智能波束预测方法的步骤。
54.本技术实施例提供的用于确定性轨迹的智能波束预测方法及装置，由模型和数据
协同驱动，有助于降低波束对齐和跟踪中的波束训练开销和指令下达时延，提升频谱效率。
附图说明
55.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
56.图1是本技术实施例提供的用于确定性轨迹的智能波束预测方法的流程示意图之一；
57.图2是本技术实施例提供的用于确定性轨迹的智能波束预测系统的流程示意图；
58.图3是本技术实施例提供的用于确定性轨迹的智能波束预测方法的流程示意图之二；
59.图4是本技术实施例提供的一种基站的结构示意图；
60.图5是本技术实施例提供的一种网络设备的结构示意图；
61.图6是本技术实施例提供的一种用于确定性轨迹的智能波束预测装置的结构示意图之一；
62.图7是本技术实施例提供的一种用于确定性轨迹的智能波束预测装置的结构示意图之二。
具体实施方式
63.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
64.图1是本技术实施例提供的用于确定性轨迹的智能波束预测方法的流程示意图之一，如图1所示，本技术实施例提供一种用于确定性轨迹的智能波束预测方法，其执行主体可以为基站，该方法包括：
65.步骤101、接收移动终端反馈的接收导频信号和测量信号；其中，测量信号是移动终端对下行信号进行信号处理获得的。
66.在一些实施例中，还包括：
67.接收网络设备下传的非线性映射模型和数据融合模型。
68.在一些实施例中，接收导频信号包括水平方向的所有波束。
69.在一些实施例中，测量信号包括多普勒频率和时间到达toa。
70.在一些实施例中，接收导频信号和测量信号均为等时间间隔发送。
71.步骤102、估计观测最终时刻基于接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于测量信号的移动终端的投影位置和速度。
72.在一些实施例中，估计观测最终时刻基于接收导频信号的移动终端的投影位置和速度，包括：
73.根据最大似然准则，输出估计观测最终时刻基于接收导频信号的投影位置和速度
的第一估计值集合。
74.在一些实施例中，估计观测最终时刻基于测量信号的移动终端的投影位置和速度，包括：
75.根据最大似然准则，输出估计观测最终时刻基于测量信号的移动终端的投影位置和速度的第二估计值集合。
76.在一些实施例中，基于基于接收导频信号的移动终端的投影位置和速度，以及基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，包括：
77.基于第一估计值集合和第二估计值集合，确定最终的投影位置和速度的估计值集合。
78.步骤103、基于基于接收导频信号的移动终端的投影位置和速度，以及基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度。
79.在一些实施例中，在确定基于接收导频信号的移动终端的投影位置和速度，以及基于测量信号的移动终端的投影位置和速度之后，基站中的数据融合模块根据基于导频信号和测量信号移动终端的投影位置和速度，估计最终的移动终端的投影位置和速度。
80.步骤104、基于观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。
81.在一些实施例中，基于观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，包括：
82.基于观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端投影位置，进而计算投影距离；
83.基于预测时刻的移动终端的投影位置和投影距离，计算水平到达角和出发角；
84.基于水平到达角和出发角推断预测时刻基站发射端和移动终端接收端的模拟预编码。
85.在一些实施例中，还包括：
86.将移动终端接收端的模拟预编码发送到移动终端。
87.具体地，图2是本技术实施例提供的用于确定性轨迹的智能波束预测系统的流程示意图，如图2所示，本技术实施例涉及的用于确定性轨迹的智能波束预测系统包括基站、若干移动终端、网络设备(也可称为“无线网络智能控制平台”)。
88.基站包含基站收发端、参数估计模块、数据融合模块、非线性映射模块、模拟预编码模块。移动终端包含移动终端收发端和信号处理模块。无线网络智能控制平台包含数据仓库模块和人工智能(ai)模型训练模块。若干个移动终端在基站服务范围内做非线性确定性轨迹运动。
89.无线网络智能控制平台中的数据仓库模块累积基站上传的训练数据，用于训练数据融合模型；累积几何测量的训练数据，用于训练非线性映射模型。
90.无线网络智能控制平台中的ai模型训练模块包含数据融合模型和非线性映射模型，在离线训练阶段使用数据仓库模块的数据实现模型训练；无线网络智能控制平台下传
训练完毕的数据融合模型和非线性映射模型至基站。
91.移动终端中的信号处理模块，估计多普勒(doppler)频率和时间到达toa，并通过移动终端终端的收发端上传基站。
92.移动终端中的收发端在上行中发送估计doppler频率、时间到达toa和接收的导频信号，在下行中接收基站发射的移动终端模拟预编码。
93.基站用于在观测阶段向每个移动终端发射一组导频信号，移动终端用于接收基站发送的一组导频信号，移动终端通过信号处理获得测量信号，并向基站反馈导频信号和测量信号。
94.基站中的收发端用于接收反馈导频信号和测量信号。
95.基站中的参数估计模块，使用非线性映射模块，估计基于导频信号和测量信号移动终端的投影位置和速度；基站把基于导频信号和测量信号估计的移动终端投影位置和速度上传至无线网络智能控制平台中的数据仓库模块，以及标签数据。
96.基站中的数据融合模块根据基于导频信号和测量信号移动终端的投影位置和速度，估计最终的移动终端的投影位置和速度。
97.基站中的模拟预编码模块根据最终的移动终端投影位置和速度，和非线性映射模块，预测未来一段时间内的最优波束码字，即基站发射端模拟预编码和移动终端接收端模拟预编码，实现波束预测。
98.基站使用基站发射端模拟预编码来发射信号，移动终端使用移动终端接收端模拟预编码来接收信号。
99.本技术实施例提供的用于确定性轨迹的智能波束预测方法，由模型和数据协同驱动，有助于降低波束对齐和跟踪中的波束训练开销和指令下达时延，提升频谱效率。
100.图3是本技术实施例提供的用于确定性轨迹的智能波束预测方法的流程示意图之二，如图3所示，本技术实施例提供一种用于确定性轨迹的智能波束预测方法，其执行主体可以为网络设备，例如，无线网络智能控制平台，包括：
101.步骤301、获取训练数据。
102.在一些实施例中，获取训练数据，包括：
103.获取基站发送的数据融合数据，并存储数据融合数据于数据仓库模块中；
104.通过几何测量获得非线性模块数据，并存储非线性模块数据于数据仓库模块中。
105.步骤302、基于训练数据，对非线性映射模型和数据融合模型进行训练。
106.在一些实施例中，基于训练数据，对非线性映射模型和数据融合模型进行训练，包括：
107.基于数据融合数据训练数据融合模型；
108.基于非线性模块数据训练非线性映射模型。
109.步骤303、将训练完毕的非线性映射模型和数据融合模型下传至基站。
110.在一些实施例中，非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。
111.具体地，如图2所示，无线网络智能控制平台通过流程1a从基站获得数据融合数
据，并存储数据融合数据于数据仓库模块中。
112.无线网络智能控制平台通过流程1b从几何测量模块获得非线性模块数据(轨迹数据等)，并存储非线性模块数据于数据仓库模块中。
113.无线网络智能控制平台通过流程1c收集的数据融合数据，训练数据融合模型，训练完毕的数据融合模型通过流程1d下传至基站的数据融合模块。
114.无线网络智能控制平台通过流程1e收集的非线性模块数据，训练非线性映射模型，训练完毕的非线性映射模型通过流程1f下传至基站的非线性模块。
115.本技术实施例提供的用于确定性轨迹的智能波束预测方法，由模型和数据协同驱动，有助于降低波束对齐和跟踪中的波束训练开销和指令下达时延，提升频谱效率。
116.图4是本技术实施例提供的一种网络设备的结构示意图，如图4所示，所述网络设备包括存储器420，收发机400，处理器410，其中：
117.存储器420，用于存储计算机程序；收发机400，用于在所述处理器410的控制下收发数据；处理器410，用于读取所述存储器420中的计算机程序并执行以下操作：
118.接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；
119.估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；
120.基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；
121.基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。
122.具体地，收发机400，用于在处理器410的控制下接收和发送数据。
123.其中，在图4中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器410代表的一个或多个处理器和存储器420代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机400可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器410负责管理总线架构和通常的处理，存储器420可以存储处理器410在执行操作时所使用的数据。
124.处理器410可以是中央处理器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器也可以采用多核架构。
125.在一些实施例中，还包括：
126.接收网络设备下传的非线性映射模型和数据融合模型。
127.在一些实施例中，所述接收导频信号包括水平方向的所有波束。
128.在一些实施例中，所述测量信号包括多普勒频率和时间到达toa。
129.在一些实施例中，所述接收导频信号和所述测量信号均为等时间间隔发送。
130.在一些实施例中，所述估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度，包括：
131.根据最大似然准则，输出估计观测最终时刻基于所述接收导频信号的投影位置和速度的第一估计值集合。
132.在一些实施例中，所述估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度，包括：
133.根据最大似然准则，输出估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度的第二估计值集合。
134.在一些实施例中，所述基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，包括：
135.基于所述第一估计值集合和所述第二估计值集合，确定最终的投影位置和速度的估计值集合。
136.在一些实施例中，所述基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，包括：
137.基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端投影位置，进而计算投影距离；
138.基于所述预测时刻的移动终端的投影位置和投影距离，计算水平到达角和出发角；
139.基于所述水平到达角和出发角推断预测时刻基站发射端和移动终端接收端的模拟预编码。
140.在一些实施例中，还包括：
141.将所述移动终端接收端的模拟预编码发送到移动终端。
142.具体地，本技术实施例提供的上述基站，能够实现上述执行主体为基站的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
143.图5是本技术实施例提供的一种网络设备的结构示意图，如图5所示，所述网络设备包括存储器520，收发机500，处理器510，其中：
144.存储器520，用于存储计算机程序；收发机500，用于在所述处理器510的控制下收发数据；处理器510，用于读取所述存储器520中的计算机程序并执行以下操作：
145.获取训练数据；
146.基于所述训练数据，对非线性映射模型和数据融合模型进行训练；
147.将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。
148.具体地，收发机500，用于在处理器510的控制下接收和发送数据。
149.其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器510代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机500可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器510负责管理总线架构和通常的处理，存储器520可以存储处理器510在执行操作时所使用的数据。
150.处理器510可以是中央处理器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器也可以采用多核架构。
151.在一些实施例中，所述获取训练数据，包括：
152.获取基站发送的数据融合数据，并存储所述数据融合数据于数据仓库模块中；
153.通过几何测量获得非线性模块数据，并存储所述非线性模块数据于数据仓库模块中。
154.在一些实施例中，基于所述训练数据，对非线性映射模型和数据融合模型进行训练，包括：
155.基于所述数据融合数据训练数据融合模型；
156.基于所述非线性模块数据训练非线性映射模型。
157.具体地，本技术实施例提供的上述网络设备，能够实现上述执行主体为网络设备的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
158.图6是本技术实施例提供的一种用于确定性轨迹的智能波束预测装置的结构示意图之一，如图6所示，本技术实施例提供一种用于确定性轨迹的智能波束预测装置，包括收发模块601、非线性映射模块602、数据融合模块603和模拟预编码模块604，其中：
159.收发模块601用于接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；非线性映射模块602用于估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；数据融合模块603用于基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；模拟预编码模块604用于基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。
160.具体地，本技术实施例提供的上述用于确定性轨迹的智能波束预测装置，能够实现上述执行主体为基站的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
161.图7是本技术实施例提供的一种用于确定性轨迹的智能波束预测装置的结构示意图之二，如图7所示，本技术实施例提供一种用于确定性轨迹的智能波束预测装置，包括获
取模块701、训练模块702和发送模块703，其中：
162.获取模块701用于获取训练数据；训练模块702用于基于所述训练数据，对非线性映射模型和数据融合模型进行训练；发送模块703用于将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。
163.具体地，本技术实施例提供的上述用于确定性轨迹的智能波束预测装置，能够实现上述执行主体为网络设备的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
164.需要说明的是，本技术上述各实施例中对单元/模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
165.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
166.在一些实施例中，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计算机执行上述各方法实施例提供的用于确定性轨迹的智能波束预测方法的步骤。
167.具体地，本技术实施例提供的上述计算机可读存储介质，能够实现上述各方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
168.需要说明的是：所述计算机可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
169.另外需要说明的是：本技术实施例中术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
170.本技术实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关
系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
171.本技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
172.本技术实施例提供的技术方案可以适用于多种系统，尤其是5g系统。例如适用的系统可以是全球移动通讯(global system of mobile communication，gsm)系统、码分多址(code division multiple access，cdma)系统、宽带码分多址(wideband code division multiple access，wcdma)通用分组无线业务(general packet radio service，gprs)系统、长期演进(long term evolution，lte)系统、lte频分双工(frequency division duplex，fdd)系统、lte时分双工(time division duplex，tdd)系统、高级长期演进(long term evolution advanced，lte-a)系统、通用移动系统(universal mobile telecommunication system，umts)、全球互联微波接入(worldwide interoperability for microwave access，wimax)系统、5g新空口(new radio,nr)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分，例如演进的分组系统(evloved packet system,eps)、5g系统(5gs)等。
173.本技术实施例涉及的终端设备，可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的系统中，终端设备的名称可能也不相同，例如在5g系统中，终端设备可以称为用户设备(user equipment，ue)。无线终端设备可以经无线接入网(radio access network,ran)与一个或多个核心网(core network,cn)进行通信，无线终端设备可以是移动终端设备，如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。例如，个人通信业务(personal communication service，pcs)电话、无绳电话、会话发起协议(session initiated protocol，sip)话机、无线本地环路(wireless local loop，wll)站、个人数字助理(personal digital assistant，pda)等设备。无线终端设备也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station)，移动站(mobile station)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程终端设备(remote terminal)、接入终端设备(access terminal)、用户终端设备(user terminal)、用户代理(user agent)、用户装置(user device)，本技术实施例中并不限定。
174.本技术实施例涉及的网络设备，可以是基站，该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同，基站又可以称为接入点，或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备，或者其它名称。网络设备可用于将收到的空中帧与网际协议(internet protocol，ip)分组进行相互更换，作为无线终端设备与接入网的其余部分之间的路由器，其中接入网的其余部分可包括网际协议(ip)通信网络。网络设备还可协调对空中接口的属性管理。例如，本技术实施例涉及的网络设备可以是全球移动通信系统(global system for mobile communications，gsm)或码分多址接入(code division multiple access，cdma)中的网络设备(base transceiver station，bts)，也可以是带宽码分多址接入(wide-band code division multiple access，wcdma)中的网络设备(nodeb)，还可以是长期演进(long term evolution，lte)系统中的演进型网络设备(evolutional node b，enb或e-nodeb)、5g网络架构(next generation system)中
的5g基站(gnb)，也可以是家庭演进基站(home evolved node b，henb)、中继节点(relay node)、家庭基站(femto)、微微基站(pico)等，本技术实施例中并不限定。在一些网络结构中，网络设备可以包括集中单元(centralized unit，cu)节点和分布单元(distributed unit，du)节点，集中单元和分布单元也可以地理上分开布置。
175.网络设备与终端设备之间可以各自使用一或多根天线进行多输入多输出(multi input multi output,mimo)传输，mimo传输可以是单用户mimo(single user mimo,su-mimo)或多用户mimo(multiple user mimo,mu-mimo)。根据根天线组合的形态和数量，mimo传输可以是2d-mimo、3d-mimo、fd-mimo或massive-mimo，也可以是分集传输或预编码传输或波束赋形传输等。
176.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
177.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
178.这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中，使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
179.这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
180.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种用于确定性轨迹的智能波束预测方法，其特征在于，应用于基站，包括：接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。2.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，还包括：接收网络设备下传的非线性映射模型和数据融合模型。3.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述接收导频信号包括水平方向的所有波束。4.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述测量信号包括多普勒频率和时间到达toa。5.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述接收导频信号和所述测量信号均为等时间间隔发送。6.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度，包括：根据最大似然准则，输出估计观测最终时刻基于所述接收导频信号的投影位置和速度的第一估计值集合。7.根据权利要求6所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度，包括：根据最大似然准则，输出估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度的第二估计值集合。8.根据权利要求7所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，包括：基于所述第一估计值集合和所述第二估计值集合，确定最终的投影位置和速度的估计值集合。9.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，包括：基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端投影位置，进而计算投影距离；基于所述预测时刻的移动终端的投影位置和投影距离，计算水平到达角和出发角；基于所述水平到达角和出发角推断预测时刻基站发射端和移动终端接收端的模拟预编码。
10.根据权利要求1所述的用于确定性轨迹的智能波束预测方法，其特征在于，还包括：将所述移动终端接收端的模拟预编码发送到移动终端。11.一种用于确定性轨迹的智能波束预测方法，其特征在于，应用于网络设备，包括：获取训练数据；基于所述训练数据，对非线性映射模型和数据融合模型进行训练；将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。12.根据权利要求11所述的用于确定性轨迹的智能波束预测方法，其特征在于，所述获取训练数据，包括：获取基站发送的数据融合数据，并存储所述数据融合数据于数据仓库模块中；通过几何测量获得非线性模块数据，并存储所述非线性模块数据于数据仓库模块中。13.根据权利要求12所述的用于确定性轨迹的智能波束预测方法，其特征在于，基于所述训练数据，对非线性映射模型和数据融合模型进行训练，包括：基于所述数据融合数据训练数据融合模型；基于所述非线性模块数据训练非线性映射模型。14.一种基站，其特征在于，包括存储器，收发机，处理器；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如权利要求1-10任一项所述的用于确定性轨迹的智能波束预测方法。15.一种网络设备，其特征在于，包括存储器，收发机，处理器；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如权利要求11-13任一项所述的用于确定性轨迹的智能波束预测方法。16.一种用于确定性轨迹的智能波束预测装置，其特征在于，包括：收发模块，用于接收移动终端反馈的接收导频信号和测量信号；其中，所述测量信号是移动终端对下行信号进行信号处理获得的；非线性映射模块，用于估计观测最终时刻基于所述接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于所述测量信号的移动终端的投影位置和速度；数据融合模块，用于基于所述基于所述接收导频信号的移动终端的投影位置和速度，以及所述基于所述测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；模拟预编码模块，用于基于所述观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。17.一种用于确定性轨迹的智能波束预测装置，其特征在于，包括：获取模块，用于获取训练数据；训练模块，用于基于所述训练数据，对非线性映射模型和数据融合模型进行训练；
发送模块，用于将训练完毕的非线性映射模型和数据融合模型下传至基站；所述非线性映射模型用于估计基于接收导频信号和基于测量信号的移动终端的投影位置和速度；所述数据融合模型用于融合基于接收导频信号和基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度，进而实现波束预测。18.一种计算机可读存储介质，其特征在于，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计算机执行权利要求1至13中的任一项所述的用于确定性轨迹的智能波束预测方法。

技术总结
本申请实施例提供一种用于确定性轨迹的智能波束预测方法及装置，所述方法包括：接收移动终端反馈的接收导频信号和测量信号；其中，测量信号是移动终端对下行信号进行信号处理获得的；估计观测最终时刻基于接收导频信号的移动终端的投影位置和速度；并估计观测最终时刻基于测量信号的移动终端的投影位置和速度；基于基于接收导频信号的移动终端的投影位置和速度，以及基于测量信号的移动终端的投影位置和速度，确定观测最终时刻的移动终端的投影位置和速度；基于观测最终时刻的移动终端的投影位置和速度，计算未来一段时间内，预测时刻的移动终端的投影位置，进而推断预测时刻基站发射端和移动终端接收端的模拟预编码，实现波束预测。波束预测。波束预测。


技术研发人员：孟帆 黄永明 尤肖虎
受保护的技术使用者：网络通信与安全紫金山实验室
技术研发日：2022.03.22
技术公布日：2023/10/11