【技术实现步骤摘要】
本专利技术涉及一种基于多模态融合的毫米波波束追踪方法，属于波束追踪领域。
技术介绍
1、为了适应更高速率的通信要求，通信频段必然向更高频段发展，因此利用毫米波频段进行通信是通信领域的必然趋势，以达到5g超过10gbps峰值速率的设想。然而，在空间传播过程中，毫米波具有穿透能力弱，功率损失大的缺陷，这意味着毫米波的信号质量在传播过程中会出现大幅度衰减，无法满足复杂场景通信需求。为了解决这个问题，波束赋形应运而生。波束赋形技术即会对无线信号的能量产生聚焦，形成一个指向性波束，通常波束越窄，信号增益越大。在实际使用过程中，如何训练窄波束快速对准用户，实现最大增益成为了波束管理技术的主要课题，而传统的毫米波波束管理方法进行波束(对)穷扫，往往会消耗巨大的通信资源。
2、近年来，机器学习因其具有良好的处理非线性问题的能力而受到广泛关注，它可以凭借多次迭代训练，较好地解决一些难以直接获得解析表达式的问题，因此在波束管理上有着较大的应用前景。而深度学习作为机器学习的一个分支，在近年来也获得显著的关注度。
3、并且随着通信感知一体化概念的提出，使用带外信息与深度学习辅助波束(对)追踪成为减少波束开销的一种手段。这里带外信息主要包括传感器获得的感知信息，多种不同类型的传感器可以获得多模态数据。深度学习主要指深度神经网络。目前对于该领域的研究可以总结为几个方面。对于通信场景为miso的研究，已经有很多比较完善的仿真或真实世界数据集，并且已经有一些论文使用两种模态进行辅助，如g.charan等提出的“camerabased m
技术实现思路
1、专利技术目的，本专利技术目的在于提供一种基于多模态融合的毫米波波束追踪方法，适用于三维信道模型下单基站与单用户los径通信场景，其中基站固定，用户移动。通过仿真imu与带有目标检测功能的相机，毫米波rsrp矩阵数据构建多模态辅助波束对追踪数据集，进而将深度学习算法应用在上述通信场景下进行波束对追踪。本专利技术旨在搭建仿真环境以快速生成多模态仿真数据集，并且设计一种基于多模态融合的毫米波波束追踪方法，以在实际场景下减少波扫开销，并达到高准确率的波束对追踪。
2、技术方案：为了实现上述专利技术目的，本专利技术提出一种基于多模态融合的毫米波波束追踪方法，包括以下步骤：
3、步骤1、使用者根据实地场景设置仿真环境中的基站与用户初始位置，各自水平垂直天线数量，用户在基站坐标系下的移动速度参数方程，仿真相机自身参数，仿真imu数据固定偏置与噪声，目标检测结果的固定偏置与噪声，设置基站坐标系到ned坐标系，基站坐标系到相机坐标系的旋转矩阵或平移向量，确定单次仿真的采样点数与总仿真次数；
4、步骤2、根据步骤1设置的参数仿真生成数据集，每一次采样时刻的数据包括仿真imu感知的用户在ned坐标系下的沿轴加速度与在ned坐标系下的绕轴角速度，带有目标检测功能的仿真相机感知的基站与用户分别在像素坐标系下的x，y坐标与在相机坐标系下的深度信息，以及毫米波rsrp矩阵与最佳波束对索引；
5、步骤3、利用步骤2生成的仿真数据集训练模型，输入为1)历史几个时刻与当前时刻下用户相对于基站的位置信息与毫米波rsrp矩阵；2)当前时刻imu在ned坐标系下的沿轴加速度与在ned坐标系下的绕轴角速度，输出为下一个时刻每一个波束对索引的概率；
6、步骤4、在现实世界中按照时间顺序采集对应数据，利用步骤3训练完成得到的模型，先后按照初始化阶段，过渡阶段，迭代阶段完成现实场景下波束对追踪。
7、进一步的，步骤1的具体方法如下：
8、设置基站水平阵元数量nh，垂直阵元数量nv，用户水平阵元数量mh，垂直阵元数量mv，从而得到基站总阵元数量为na＝nhnv与用户总阵元数量为ma＝mhmv。设置用户在基站坐标系下的三维初始x，y，z坐标其中，为实数集合。设置单次仿真采样点数k，重复仿真次数t，第a次仿真内第n次采样时刻记为设置用户在基站坐标系下的移动速度参数方程，并在时刻采样得到如下速度
9、设置仿真imu固定偏置，噪声参数，设置仿真相机焦距f，像素坐标系原点在相机坐标系下的x，y坐标u0,v0，以及图像像素宽dx，像素高dy，设置基站坐标系变换到相机坐标系的旋转矩阵rb2c与平移向量tb2c，设置基站坐标系变换到ned坐标系的旋转矩阵rb2n，设置仿真相机感知数据固定偏置，噪声等参数。
10、进一步的，步骤2的具体方法如下：
11、数据集总组数应为kt，每组中包含k个数据元组，每个数据元组包括仿真imu感知的用户在ned坐标系下的沿轴加速度，用户在ned坐标系下的绕轴角速度，带有目标检测功能的仿真相机感知的基站与用户分别在像素坐标系下的x，y坐标与各自在相机坐标系下的深度信息，以及最佳波束对索引，毫米波rsrp矩阵；
12、仿真数据集生成的步骤如下：
13、对用户在基站坐标系下的移动速度参数方程求导，使用rb2n进行旋转变换并加入固定偏置与噪声得到时刻仿真imu感知的用户在ned坐标系下的沿轴加速度
14、
15、对用户在基站坐标系下的移动速度参数方程使用rb2n进行坐标变换得到用户在ned坐标系下的移动速度参数方程，随后计算速度与ned坐标系的夹角并求导，再加入固定偏置与噪声，并在时刻采样得到仿真imu感知的用户在ned坐标系下的绕轴角速度
16、通过rb2c,tb2c,f,u0,v0,dx,dy可以得到基站坐标系与像素坐标系，基站坐标系与相机坐标系的转换关系。对原点变换并加入目标检测算法的偏置与噪声，得到带有目标检测功能的仿真相机感知的基站在像素坐标系下的x，y坐标与在相机坐标系下的深度信息组成的位置信息
17、对用户在基站坐标系下的移动速度参数方程积分并加上初始坐标xb,u0得到用户在基站坐标系下的x，y，z坐标，对该坐标进行变换并加入目标检测算法的偏置与噪声，得到带有目标检测功能的仿真相机感知的用户在像素坐标系下的x，y坐标与在相机坐标系下的深度信息组成的位置信息
18、基站与用户均采用dft码本，dft码本的每一列即代表一个天线响应向量，用索引号pbs∈{1，2，…na}代表基站的天线响应向量索引，pue∈{1，本文档来自技高网...
【技术保护点】
1.一种基于多模态融合的毫米波波束追踪方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤1的方法如下：
3.根据权利要求1所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤2中，仿真数据集生成的步骤如下：
4.根据权利要求1所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤4中的模型包括轨迹预测网络，轨迹预测校准网络，波束预测网络，波束预测校准网络，各自训练方法如下：
5.根据权利要求4所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤4的具体方法如下：
【技术特征摘要】
1.一种基于多模态融合的毫米波波束追踪方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤1的方法如下：
3.根据权利要求1所述的一种基于多模态融合的毫米波波束追踪方法，其特征在于，步骤2中，仿真数据集生成的步骤如...
【专利技术属性】
技术研发人员：卞艺杰，杨杰，阙杭，戴翎芸，林晰，程心瑶，金石，
申请(专利权)人：东南大学，
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。