[发明专利]一种基于多模态信息联觉的车联网波束实时对准方法

说明书

本发明公布了一种基于多模态信息联觉的车联网波束实时对准方法，通过设计轨迹预测网络模型，并利用车联网中路侧单元RSU捕获的RGB图像和雷达信号经处理后获得的距离数据以及从控制信道Sub‑6GHz频段上获取的信道状态信息CSI矩阵，作为多模态信息输入轨迹预测网络模型，对多模态信息进行特征提取与早期融合，进而预测出波束成形角度，提高对车辆未来位置预测的准确性，实现车联网波束实时对准。本发明通过神经网络学习隐含的关于车辆未来位置的特征，预测得出未来时刻车辆相对于RSU的波束成形角度。本发明能更好地应对车辆横向随机微移动行为，实现更稳定的通信链路建立，提高可实现的毫米波通信速率。

技术领域

本发明属于无线通信技术领域，涉及车联网的无线通信中的毫米波(millimeterwave,mmWave)波束实时对准技术，具体涉及一种基于多模态感知与信道状态信息(ChannelState Information，CSI)联觉(即融合多模态感知与信道状态信息)的车联网毫米波波束实时对准方法，通过应用深度学习的方法对多模态信息特征进行提取与融合，并学习车辆未来位置与多模态信息之间的非线性关系，实现路侧单元(Road Side Unit，RSU)与高速车辆之间稳定、可靠无线通信的车联网毫米波波束实时对准。

背景技术

随着汽车工业的飞速发展，车联网作为未来智能交通系统中最重要的组成部分，是实现智慧出行、智慧交通的重要技术之一。同时，随着5G的大规模商用，毫米波因其大带宽、低时延的优势，被视为满足车联网各种高性能通信需求的关键技术。为保证车联网各种应用的通信服务要求，提升车联网无线通信的整体安全性以及用户体验质量，车辆需要保证与无线通信网络的随时高质量的无线连接。在毫米波车联网中针对车辆的高速移动性管理相关的各项技术中，毫米波波束的实时对准是确保车辆稳定连接到通信网络的前提条件。

如何实现高速车辆与RSU之间的波束对准是车联网中车辆移动性管理的核心技术之一，是确保车辆可以稳定、高质量连接到通信网络的关键保证。实现收发双方之间的毫米波波束实时对准的方式主要有波束训练、波束追踪和波束成形预测。传统上，毫米波收发双方之间窄波束的对准由波束训练完成。波束训练中，发端需要向全域角度发送导频信号进而发现信噪比最强的波束成形方向，确定波束成形角度。然而，这会带来很大的通信开销与时延，使之很难应用于车联网通信中。为改进这一缺陷，毫米波波束追踪技术利用相邻时刻收发双方之间波束角度变化的时间相关性，大大减小了波束训练需要搜索的空间范围，如公告号为CN 112738764 B的发明专利提出了基于车辆轨迹认知的宽带毫米波波束追踪方法，利用车辆的运动特性辅助毫米波波束追踪。但波束追踪仍需要在每次建立通信链路前发送导频信号，造成较大的通信开销。波束成形预测技术则通过提前预测车辆未来位置，进而直接以预测角度进行波束成形，具有很低的通信开销以及时延。然而，通过该方式建立的通信链路稳定性以及可实现的通信速率受预测算法精度的影响较大。

当前，车联网的波束成形预测大多基于扩展卡尔曼滤波算法，由简单的车辆运动状态演化模型以及雷达设备得到的测量值给出，精度较低且应用场景局限。随着智能车辆、RSU上配备的感知设备种类日益增多，性能逐渐增强，多模态感知信息对车联网通信系统的辅助作用逐渐被重视与研究。不同于CSI反映的电磁环境特征，多模态感知信息包含了更细粒度、更广视野的视觉空间特征，具备更好预测车辆未来位置的能力。如何选择合适的方式对车联网中多模态感知信息以及CSI进行车辆位置特征提取与融合，进而辅助对车辆未来的波束成形角度预测是目前研究的重点方向。

发明内容

本发明提出了一种基于多模态信息联觉的车联网波束实时对准技术，在保证车联网波束成形角度预测值的高精度的基础上，能更好地应对车辆横向随机微移动行为，实现更稳定的通信链路建立，提高可实现的车联网毫米波通信速率。