[发明专利]确定到达角的方法、设备和非易失性存储介质

权利要求书

1.一种确定接收射频RF测量信号的到达角AoA(6)的方法(100)，所述方法包括以下步骤：

基于来自天线阵列(5)的所述接收RF测量信号获得(101)测量数据，其中，所述接收RF测量信号表示多个频率信道，

确定(102)功率谱，所述确定(102)功率谱的步骤包括通过使用所述测量数据来针对所述多个频率信道中的各个频率信道确定至少一个功率谱，

提供(105)机器学习算法，所述机器学习算法被预训练为基于多个频率信道的功率谱来确定AoA(6)，以及

通过使用所述机器学习算法和所确定的功率谱来确定(106)所述接收RF测量信号的所述AoA(6)。

2.根据权利要求1所述的方法(100)，其中，各个功率谱是功率谱密度PSD。

3.根据权利要求1或2所述的方法(100)，其中，所述确定(102)功率谱的步骤包括：执行基于PSD的信号处理。

4.根据权利要求3所述的方法(100)，其中，所述基于PSD的信号处理包括多信号分类MUSIC算法和/或传播者直接数据采集PDDA算法和/或自信号抑制SSS算法。

5.根据权利要求1所述的方法(100)，其中，所述方法(100)还包括以下步骤：

通过使用所述测量数据来确定(104)质量指示符，其中，所述质量指示符表示所述接收RF测量信号的完整性，以及

通过使用所述机器学习算法、所确定的功率谱和所述质量指示符来确定(106)所述接收RF测量信号的所述AoA(6)。

6.根据权利要求5所述的方法(100)，其中，所述质量指示符包括接收信号强度指示符RSSI和/或信道状态信息CSI和/或循环冗余校验CRC结果和/或前向纠错FEC结果和/或固定频率扩展信号的噪声分析结果中的一者或更多者。

7.根据权利要求1所述的方法(100)，其中，所述测量数据包括同相正交IQ数据。

8.根据权利要求1所述的方法(100)，其中，所确定的功率谱的量是取决于所述多个频率信道的量和/或所述天线阵列(5)的天线行的数量和/或所述天线阵列(5)的极化的。

9.根据权利要求1所述的方法(100)，其中，所述机器学习算法包括分类和回归树CART算法和/或卷积神经网络CNN和/或多层感知器MLP神经网络和/或随机森林算法和/或聚类算法和/或支持支持向量机SVM算法。

10.根据权利要求1所述的方法(100)，其中，所述方法(100)还包括以下步骤：

连结(103)所确定的功率谱，以及

通过使用所述机器学习算法和所连结的功率谱来确定(106)所述接收RF测量信号的所述AoA(6)。

11.根据权利要求1所述的方法(100)，其中，所述天线阵列(5)是位于第一环境中的，尤其是在接收所述接收RF测量信号时，并且所述机器学习算法是通过使用预训练数据进行预训练的，其中，所述预训练数据是基于所述天线阵列(5)和所述第一环境确定的。

12.根据权利要求1所述的方法(100)，其中，所述机器学习算法是通过使用预训练数据进行预训练的，其中，所述预训练数据是基于多个天线阵列和多个第二环境确定的。