一种波束对准方法、装置及网络设备与流程

本发明涉及通信，尤其涉及一种波束对准方法、装置及网络设备。

背景技术：

1、信息技术的不断发展催生了大量如车用无线通信技术(vehicle to everything，v2x)、云虚拟现实(virtual reality，vr)等新兴应用，这些新应用对网络提出了高速率、低延迟的通信需求以及高分辨率、鲁棒链接的感知需求。一方面，传统方案中感知通信相分离的模式将极大增加硬件成本。另一方面，下一代网络将采用毫米波和超大规模输入输出天线阵列(mmwave+mmimo)制式，高频波在提供高质量的数据传输的同时，也将提供高精度的感知能力。因此，通感一体化设计成为了一种可行的解决方案，而针对感通融合系统下如何实现较小的感知结果误差，以保证波束对准的精度还没有较好的方案。

技术实现思路

1、本发明提供一种波束对准方法、装置及网络设备，解决了针对感通融合系统如何实现较小的感知结果误差，以保证较高的波束对准精度的问题。

2、本发明的实施例提供一种波束对准方法，包括：

3、网络设备发射通感一体化(integrated sensing and communication，isac)信号，并接收用户设备的结构体上多个散射点分别对所述isac信号反射形成的回波信号；

4、所述网络设备根据所述多个散射点的回波信号，确定每个所述散射点对应的空间几何信息；

5、所述网络设备根据每个所述散射点对应的空间几何信息，与所述用户设备进行波束对准。

6、可选地，所述空间几何信息包括以下至少一项：反射系数、方位角、俯仰角、时延和多普勒频移参数。

7、可选地，所述网络设备根据所述多个散射点的回波信号，确定每个所述散射点对应的空间几何信息，包括：

8、所述网络设备将所述多个散射点的回波信号输入至神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息。

9、可选地，所述网络设备将所述多个散射点的回波信号输入至神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息，包括：

10、所述网络设备对所述多个散射点的回波信号进行分解，得到多路子信号；其中，一路子信号对应一个散射点的回波信号；

11、所述网络设备将所述多路子信号输入至所述神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息。

12、可选地，所述网络设备将所述多个散射点的回波信号输入至神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息之前，还包括：

13、所述网络设备根据第一训练集，对所述神经网络模型进行训练并得到所述神经网络模型的输出结果；其中，所述第一训练集由至少一个用户设备的回波信号生成，一个用户设备的回波信号由所述用户设备的结构体上多个散射点对isac信号反射形成；

14、所述网络设备将所述输出结果输入至所述神经网络模型的损失函数，并基于反向传播算法调整所述神经网络模型的网络参数，得到训练后的神经网络模型。

15、可选地，所述波束对准方法还包括：

16、所述网络设备根据第二训练集，对所述神经网络模型的网络参数进行优化，得到优化后的神经网络模型；其中，所述第二训练集由所述多个散射点的回波信号和每个所述散射点的空间几何信息生成。

17、可选地，所述网络设备根据每个所述散射点对应的空间几何信息，与所述用户设备进行波束对准，包括：

18、所述网络设备根据所述每个散射点分别对应的空间几何信息，针对每个散射点进行波束扫描，确定所述网络设备与所述用户设备之间的最优波束。

19、可选地，所述网络设备根据所述每个散射点分别对应的空间几何信息，针对每个散射点进行波束扫描，确定所述网络设备与所述用户设备之间的最优波束，包括：

20、所述网络设备根据所述每个散射点的空间几何信息，在每个散射点对应的波束上向所述用户设备发送第一参考信号；

21、所述网络设备接收所述用户设备发送的第一参考信号的测量结果；

22、所述网络设备根据所述第一参考信号的测量结果，确定信道增益最大的波束为网络设备发射方向的最优波束。

23、可选地，所述波束对准方法还包括：

24、所述网络设备在所述发射方向的最优波束上向所述用户设备发送第二参考信号；其中，所述第二参考信号用于确定用户设备接收方向的最优波束。

25、本发明实施例提供一种波束对准装置，包括存储器，收发机，处理器；

26、其中，存储器用于存储计算机程序；收发机用于在所述处理器的控制下收发数据；处理器用于读取所述存储器中的计算机程序并执行以下操作：

27、发射isac信号，并接收用户设备的结构体上多个散射点分别对所述isac信号反射形成的回波信号；

28、根据所述多个散射点的回波信号，确定每个所述散射点对应的空间几何信息；

29、根据每个所述散射点对应的空间几何信息，与所述用户设备进行波束对准。

30、可选地，所述空间几何信息包括以下至少一项：反射系数、方位角、俯仰角、时延和多普勒频移参数。

31、可选地，所述处理器用于读取所述存储器中的计算机程序并执行以下操作：

32、将所述多个散射点的回波信号输入至神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息。

33、可选地，所述处理器用于读取所述存储器中的计算机程序并执行以下操作：

34、对所述多个散射点的回波信号进行分解，得到多路子信号；其中，一路子信号对应一个散射点的回波信号；

35、将所述多路子信号输入至所述神经网络模型，得到所述神经网络模型输出的每个所述散射点对应的空间几何信息。

36、可选地，所述处理器用于读取所述存储器中的计算机程序并执行以下操作：

37、根据第一训练集，对所述神经网络模型进行训练并得到所述神经网络模型的输出结果；其中，所述第一训练集由至少一个用户设备的回波信号生成，一个用户设备的回波信号由所述用户设备的结构体上多个散射点对isac信号反射形成；

38、将所述输出结果输入至所述神经网络模型的损失函数，并基于反向传播算法调整所述神经网络模型的网络参数，得到训练后的神经网络模型。

39、可选地，处理器用于读取所述存储器中的计算机程序并执行以下操作：

40、根据第二训练集，对所述神经网络模型的网络参数进行优化，得到优化后的神经网络模型；其中，所述第二训练集由所述多个散射点的回波信号和每个所述散射点的空间几何信息生成。

41、可选地，所述处理器用于读取所述存储器中的计算机程序并执行以下操作：

42、根据所述每个散射点分别对应的空间几何信息，针对每个散射点进行波束扫描，确定所述网络设备与所述用户设备之间的最优波束。

43、可选地，所述处理器用于读取所述存储器中的计算机程序并执行以下操作：

44、根据所述每个散射点的空间几何信息，在每个散射点对应的波束上向所述用户设备发送第一参考信号；

45、接收所述用户设备发送的第一参考信号的测量结果；

46、根据所述第一参考信号的测量结果，确定信道增益最大的波束为网络设备发射方向的最优波束。

47、可选地，处理器用于读取所述存储器中的计算机程序并执行以下操作：

48、所述网络设备在所述发射方向的最优波束上向所述用户设备发送第二参考信号；其中，所述第二参考信号用于确定用户设备接收方向的最优波束。

49、本发明实施例提供一种网络设备，包括：

50、收发单元，用于发射isac信号，并接收用户设备的结构体上多个散射点分别对所述isac信号反射形成的回波信号；

51、第一处理单元，用于根据所述多个散射点的回波信号，确定每个所述散射点对应的空间几何信息；

52、第二处理单元，用于根据每个所述散射点对应的空间几何信息，与所述用户设备进行波束对准。

53、本发明实施例提供一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行上述波束对准方法的步骤。

54、本发明的上述技术方案的有益效果是：

55、上述技术方案中，网络设备可以通过接收用户设备的结构体上多个散射点分别对网络设备发射的isac信号反射形成的回波信号，确定每个所述散射点对应的空间几何信息，并根据每个所述散射点对应的空间几何信息，与所述用户设备进行波束对准，从而保证网络设备感知结果的准确性，以提高波束对准的精度，即能够实现感通融合系统下较小的感知结果误差，从而提高波束对准的精度。