【技术实现步骤摘要】
本专利技术涉及通信，尤其涉及一种波束跟踪方法、装置、电子设备和存储介质。
技术介绍
1、随着通信技术的快速发展，无线网络占用的频谱资源逐渐向高频段扩展，特别是基于毫米波、太赫兹等高频段的通信技术可提供超大的传输带宽，支持超高容量的实时数据传输，具有广阔的应用前景。高频段电磁波的传输衰减较大，因此，需通过波束赋形技术将无线电功率集中在较窄的角度上发射，从而有效抵抗传输衰减，增加无线网络的覆盖范围。波束跟踪技术，可根据用户位置实时调节波束指向从而保持通信链路稳定，是高频无线通信网络的关键技术之一。然而，无线通信环境复杂多变，传输路径可能存在被遮挡、散射、反射等各种复杂情况，多径环境下最优波束可能出现在不同的路径之间跳变、难以稳定跟踪的问题，现有波束跟踪方法，无法也在上述复杂环境下有效跟踪波束，易导致通信中断，亟需一种波束跟踪方法，以解决上述问题。
技术实现思路
1、有鉴于此，本专利技术提供一种波束跟踪方法、装置、电子设备和存储介质，能够有效解决多径环境下最优波束可能在不同的路径之间跳变、难以稳定跟踪的问题。
2、根据本专利技术的一方面，本专利技术实施例提供了一种波束跟踪方法，所述方法包括：
3、获取基站向终端发射波束时，所述终端在所述基站所发射每个波束下的历史位置信息以及历史速度信息；
4、基于所述历史位置信息、所述历史速度信息以及至少两个预设神经网络模型得到各所述神经网络模型分别对应的第一波束位置的概率分布；
5、基于各所述第一波束位置
6、基于所述测量结果依次对各所述预设神经网络模型进行训练直至所有预设神经网络训练完毕得到最优传输波束以进行波束跟踪；其中，各所述神经网络模型中的当前预设神经网络训练的输出结果，影响下一预设神经网络训练时的损失函数值。
7、根据本专利技术的另一方面，本专利技术实施例还提供了一种波束跟踪装置，所述装置包括：
8、信息获取模块，用于获取终端在基站所发射每个波束下的历史位置信息以及历史速度信息；
9、分布确定模块，用于基于所述历史位置信息、所述历史速度信息以及至少两个预设神经网络模型得到各所述神经网络模型分别对应的第一波束位置的概率分布；
10、结果确定模块，用于基于各所述第一波束位置的概率分布确定候选波束集合，并根据预设波束测量指标对所述候选波束集合中的每个候选波束进行波束测量得到对应的测量结果；
11、跟踪模块，用于基于所述测量结果依次对各所述预设神经网络模型进行训练直至所有预设神经网络训练完毕得到最优传输波束以进行波束跟踪；其中，各所述神经网络模型中的当前预设神经网络训练的输出结果，影响下一预设神经网络训练时的损失函数值。
12、根据本专利技术的另一方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
13、至少一个处理器；以及
14、与所述至少一个处理器通信连接的存储器；其中，
15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的波束跟踪方法。
16、根据本专利技术的另一方面，本专利技术实施例还提供了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指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的波束跟踪方法。
17、本专利技术实施例的技术方案，通过基站向终端发射波束时终端在基站所发射每个波束下的历史位置信息以及历史速度信息，以及至少两个预设神经网络模型得到各神经网络模型分别对应的第一波束位置的概率分布，基于各第一波束位置的概率分布确定候选波束集合，并根据预设波束测量指标对候选波束集合中的每个候选波束进行波束测量得到对应的测量结果，从而快速搜索到传输的优选波束，改善通信系统的稳健性；然后将测量结果输入多个预设神经网络中进行训练，为了避免不同预设神经网络之间的重复学习，使不同的预设神经网络能够有效且不重复地学习到各类通信场景中的多样、多变的波束变化规律，各预设神经网络模型中的当前预设神经网络训练的输出结果，会影响下一预设神经网络训练时的损失函数值，直至所有预设神经网络训练完毕得到最优传输波束以进行波束跟踪，从而能够有效学习、表征复杂通信环境下的波束变化规律，有效提升复杂环境下的波束跟踪成功率，特别是能够有效学习多径环境下最优波束可能在不同的路径之间跳变的规律、解决多径环境下波束难以稳定跟踪的问题。
18、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种波束跟踪方法，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，所述历史位置信息至少包括下述之一：所述终端在三维空间中的坐标信息、所述终端所在位置的方位角与俯仰角信息、所述终端所在位置位于所述基站所发射波束的覆盖范围信息、第一预设时间间隔内所述基站所发射波束在在水平和垂直方向的位置信息；所述历史速度信息至少包括下述之一：所述终端的线速度和角速度、第二预设时间间隔内所述基站所发射波束在水平和垂直方向的移动变化量。
3.根据权利要求1或2任一所述的方法，其特征在于，所述基于所述历史位置信息、所述历史速度信息以及至少两个预设神经网络模型得到各所述神经网络模型分别对应的第一波束位置的概率分布，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述历史位置信息中所包含的每个位置信息，以及所述速度信息中所包含的每个速度信息分别输入对应的预设神经网络模型中进行处理，得到各所述预设神经网络模型分别对应的第一波束位置的概率分布，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于各所述第一波束位置的概率分布确定候选波束
6.根据权利要求1所述的方法，其特征在于，所述预设波束测量指标至少包括下述之一：信号功率、信噪比和误码率；相应的，所述根据预设波束测量指标对所述候选波束集合中的每个候选波束进行波束测量得到对应的测量结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述测量结果依次对各所述预设神经网络模型进行训练直至所有预设神经网络训练完毕得到最优传输波束以进行波束跟踪，包括：
8.一种波束跟踪装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一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指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的波束跟踪方法。
...【技术特征摘要】
1.一种波束跟踪方法，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，所述历史位置信息至少包括下述之一：所述终端在三维空间中的坐标信息、所述终端所在位置的方位角与俯仰角信息、所述终端所在位置位于所述基站所发射波束的覆盖范围信息、第一预设时间间隔内所述基站所发射波束在在水平和垂直方向的位置信息；所述历史速度信息至少包括下述之一：所述终端的线速度和角速度、第二预设时间间隔内所述基站所发射波束在水平和垂直方向的移动变化量。
3.根据权利要求1或2任一所述的方法，其特征在于，所述基于所述历史位置信息、所述历史速度信息以及至少两个预设神经网络模型得到各所述神经网络模型分别对应的第一波束位置的概率分布，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述历史位置信息中所包含的每个位置信息，以及所述速度信息中所包含的每个速度信息分别输入对应的预设神经网络模型中进行处理，得到各所述预设神经网络模型...
【专利技术属性】
技术研发人员：白晓宇，张琪，张智磊，薛正炜，黄永明，
申请(专利权)人：网络通信与安全紫金山实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。