[发明专利]信道识别方法、装置、传输方法、传输设备、基站、介质

说明书

本公开提供一种信道识别的方法，包括：获取终端的信道数据；基于所述信道数据构造第一特征向量，所述第一特征向量表示不同时刻的信道数据与自身、以及其后不同时间间隔的信道数据的互相关值随时间间隔变化的数值集合；在预定的预测模型中输入所述第一特征向量，预测出所述终端的速度；或者，预测出所述终端所在聚类的速度类型。还提供一种基于该信道识别方法的自适应传输方法、装置、传输设备、基站，以及计算机存储介质。所述方法用于解决目前高分辨率测速准确性不高的问题，从而实现信道的精确分类。

技术领域

本发明涉及通信技术领域，具体地，涉及一种信道识别的方法和装置、自适应传输方法和传输设备、基站、计算机可读存储介质。

背景技术

对于5G来说，通过大规模天线(Massive Mimo)技术的应用，实现了多用户信道之间的正交性，充分利用空域资源，从而提升了频谱效率。但同时，对于用户移动性的识别提出了迫切需求，其目的就是识别出不同移动状态的用户。

目前的高分辨率测速的方案均是建立在Rayleigh(瑞利)信道的基础上的，而这种测速方案存在准确性不高的问题。

发明内容

本公开针对现有技术的上述不足，提出了一种信道识别的方法和装置、自适应传输方法和传输设备、基站、计算机可读存储介质，以提高高分辨率测速的准确性，从而实现信道的精确分类。

为解决上述技术问题，第一方面，本公开实施例提供一种信道识别的方法，包括：

获取终端的信道数据；

基于所述信道数据构造第一特征向量，所述第一特征向量表示不同时刻的信道数据与自身、以及其后不同时间间隔的信道数据的互相关值随时间间隔变化的数值集合；

在预定的预测模型中输入所述第一特征向量，预测出所述终端的速度；或者，预测出所述终端所在聚类的速度类型。

在一实施例中，所述基于所述信道数据构造第一特征向量，包括：

基于每条信道数据的频域数据构造第一特征矩阵，所述第一特征矩阵的行包括不同时刻的信道的频域数据与自身、以及其后不同时间间隔的频域数据的互相关值的期望值；

计算所述第一特征矩阵的每一列的有效值的平均值，作为第一特征向量的行值，以得到所述第一特征向量。

在一实施例中，所述在预定的预测模型中输入所述第一特征向量之前，还包括：建立模型库，所述模型库中存储有各种频点下的预测模型；在模型库中选取与所述终端的频点相应的预测模型，作为所述预定的预测模型。

在一实施例中，所述建立模型库包括：

获取不同的信道数据用例；

对于每条信道数据用例，构造第二特征向量，得到一级训练数据集合，所述第二特征向量表示不同时刻的信道数据与自身、以及其后不同时间间隔的信道数据的互相关值随时间间隔变化的数值集合，所述一级训练数据集合为所有频点下的所述第二特征向量与其对应的目标向量的集合；

从所述一级训练数据集合中选取某一频点下的所述第二特征向量与其对应的目标向量，得到二级训练数据集合；

构造模型训练准则；

基于所述模型训练准则及所述二级训练数据集合，获取该频点下的预测模型的参数，得到该频点下的预测模型；

遍历所述一级训练数据集合，得到所有频点下的预测模型，形成所述模型库。

第二方面，本公开实施例提供一种自适应传输方法，根据第一方面中所述的信道识别方法获得的所述终端的速度或所述终端所在聚类的速度类型，进行自适应传输。

第三方面，本公开实施例提供一种信道识别装置，包括：获取模块、构造模块和预测模块。