System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于无线通信领域,具体涉及一种生成信道数据的方法、电子设备、基站和可读存储介质。
技术介绍
1、当前,在很多情形下,都需要应用无线通信环境中的真实信道数据。但是,由于条件受限,获取的真实信道数据的量往往较小。因而,如何得到与真实信道数据效果相当的数据是十分重要的。
2、相关技术可以通过无线信道预测得到与真实信道数据效果相当的预测信道数据。但是,相关技术进行无线信道预测的方式往往难以预测复杂信道,无法更好地满足应用需求。
技术实现思路
1、本申请实施例提供一种生成信道数据的方法、电子设备、基站和可读存储介质,能够解决相关技术进行无线信道预测的方式往往难以预测复杂信道,无法更好地满足应用需求的问题。
2、第一方面,本申请实施例提供了一种生成信道数据的方法,包括:
3、获取目标噪声信号;
4、将所述目标噪声信号输入目标机器学习模型进行信道预测处理,得到预测信道数据;
5、输出所述预测信道数据;
6、其中,所述目标机器学习模型为已经训练好的用于信道预测的机器学习模型;所述信道预测处理包括多维信道特征提取,所述多维信道特征包括空域信道特征。
7、第二方面,本申请实施例提供了一种电子设备,包括:存储器和处理器,所述存储器存储计算机程序,当所述计算机程序被执行时实现如第一方面所述的方法的步骤。
8、第三方面,本申请实施例提供了一种基站,所述基站包括第二方面所述的电子设备。
9、第四方
10、在本申请实施例中,获取目标噪声信号;将所述目标噪声信号输入目标机器学习模型进行信道预测处理,得到预测信道数据;输出所述预测信道数据;其中,所述目标机器学习模型为已经训练好的用于信道预测的机器学习模型;所述信道预测处理包括多维信道特征提取,所述多维信道特征包括空域信道特征。如此,相较于相关技术中仅提取频域信道特征或时域信道特征,通过利用已经训练好的机器学习模型提取包括空域信道特征在内的多维信道特征,可以达到维度扩展的效果,从而可以针对更复杂的信道(例如空间分布多天线信道)进行预测,保证得到的预测信道数据更加立体,不会丢失空间相关性,从而更好地满足应用需求。
本文档来自技高网...【技术保护点】
1.一种生成信道数据的方法,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,所述目标机器学习模型包括多维卷积层,所述多维卷积层用于提取空域信道特征和目标信道特征,所述目标信道特征包括时域信道特征和频域信道特征中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述多维卷积层包括二维卷积层,所述二维卷积层用于提取空域信道特征和时域信道特征,或者,所述二维卷积层用于提取空域信道特征和频域信道特征。
4.根据权利要求2所述的方法,其特征在于,所述目标机器学习模型包括基于生成对抗网络训练得到的目标生成器,所述目标生成器包括所述多维卷积层,所述预测信道数据由所述目标生成器输出。
5.根据权利要求4所述的方法,其特征在于,所述目标机器学习模型的训练过程包括:
6.根据权利要求5所述的方法,其特征在于,用以下公式表示所述生成器损失函数:
7.根据权利要求5所述的方法,其特征在于,所述获取用于生成器的第一训练样本,包括:
8.根据权利要求5所述的方法,其特征在于,在所述通过生成器损失函数,确定
9.根据权利要求1所述的方法,其特征在于,所述预测信道数据用于验证无线网络的仿真平台中的方案或算法的性能,或者,所述预测信道数据用于预测基站的信道状况。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-8任一项所述的方法的步骤。
11.一种基站,其特征在于,所述基站包括根据权利要求10所述的电子设备。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被执行时实现如权利要求1-8任一项所述的方法的步骤。
...【技术特征摘要】
1.一种生成信道数据的方法,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,所述目标机器学习模型包括多维卷积层,所述多维卷积层用于提取空域信道特征和目标信道特征,所述目标信道特征包括时域信道特征和频域信道特征中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述多维卷积层包括二维卷积层,所述二维卷积层用于提取空域信道特征和时域信道特征,或者,所述二维卷积层用于提取空域信道特征和频域信道特征。
4.根据权利要求2所述的方法,其特征在于,所述目标机器学习模型包括基于生成对抗网络训练得到的目标生成器,所述目标生成器包括所述多维卷积层,所述预测信道数据由所述目标生成器输出。
5.根据权利要求4所述的方法,其特征在于,所述目标机器学习模型的训练过程包括:
6.根据权利要求5所述的方法,其特征在于,用以下公式表示所述生成器损失函数:
【专利技术属性】
技术研发人员:吕星哉,汪波,许靖,芮华,
申请(专利权)人:中兴通讯股份有限公司,
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。