本發(fā)明涉及通信，尤其涉及一種基于深度學(xué)習(xí)的信道建模方法、裝置、計算機(jī)可讀存儲介質(zhì)、計算機(jī)程序產(chǎn)品及終端設(shè)備。

背景技術(shù)：

1、隨著移動通信技術(shù)的發(fā)展，尤其是第五代移動通信(5g)時代的到來，對移動通信系統(tǒng)提出了高可靠性、低時延、高密度等更嚴(yán)格的要求，而信道的特性通常決定了移動通信系統(tǒng)的性能上限，信道模型就是移動通信系統(tǒng)設(shè)計與技術(shù)優(yōu)化的基礎(chǔ)。

2、傳統(tǒng)的信道建模方法分為確定性建模、統(tǒng)計性建模和半確定性建模，其中，(1)確定性建模需要根據(jù)環(huán)境信息，標(biāo)定反射體和散射體具體位置、確定電波傳播路線來獲取信道特征，常用的典型方法例如射線追蹤法；該建模方法高度依賴精確的場景信息，對環(huán)境信息要求高，雖然計算結(jié)果精確，但是計算復(fù)雜度高，耗時長，影響建模效率；(2)統(tǒng)計性建模以大量的實際測試為基礎(chǔ)，結(jié)合概率統(tǒng)計理論對信道模型進(jìn)行歸納總結(jié)，不需要隨機(jī)生成無線環(huán)境的幾何信息，僅根據(jù)相應(yīng)的概率密度函數(shù)以隨機(jī)的方法描述無線傳播徑；該建模方法計算簡單，普適性較強(qiáng)，可以充分描述信道特征參數(shù)，其缺點是對模型參數(shù)的準(zhǔn)確性要求較高，和外場實際測試的一致性較差，信道模型的準(zhǔn)確性較差；(3)半確定性建模兼具確定性建模和統(tǒng)計性建模的特點，確定性體現(xiàn)在以發(fā)射端、接收端的幾何位置來確定二者之間的角度信息，不確定性體現(xiàn)在隨機(jī)選擇的散射體和某種固定的概率分布定義的信道模型參數(shù)，例如角度功率譜等，最常用的方法是基于幾何的統(tǒng)計模型(geometry-basedstochastic?channel?models，gscm)；該建模方法比確定性模型復(fù)雜度低，對某一類環(huán)境具有適用性，但信道模型的準(zhǔn)確性較差，不能準(zhǔn)確的預(yù)測某個傳播場景的無線信道。

3、由此可見，上述傳統(tǒng)的信道建模方法無法同時兼顧建模效率和信道模型的準(zhǔn)確性，并且無法同時適用于復(fù)雜多樣的環(huán)境場景，導(dǎo)致信道模型的泛化性較低。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例的目的在于，提供一種基于深度學(xué)習(xí)的信道建模方法、裝置、計算機(jī)可讀存儲介質(zhì)、計算機(jī)程序產(chǎn)品及終端設(shè)備，能夠同時提升信道建模效率和信道模型的準(zhǔn)確性，并且還能夠適用于復(fù)雜多樣的環(huán)境場景，有效提升信道模型的泛化性能。

2、為了實現(xiàn)上述目的，本發(fā)明實施例提供了一種基于深度學(xué)習(xí)的信道建模方法，包括：

3、獲取不同的場景地圖的3d地圖數(shù)據(jù)，根據(jù)所述3d地圖數(shù)據(jù)構(gòu)造地圖矩陣數(shù)據(jù)；

4、根據(jù)所述地圖矩陣數(shù)據(jù)進(jìn)行地圖預(yù)訓(xùn)練模型的建模，并根據(jù)所述地圖預(yù)訓(xùn)練模型提取所述場景地圖的地圖特征；

5、獲取所述場景地圖中的信號收發(fā)端對應(yīng)的信道沖擊響應(yīng)作為信道信息，并根據(jù)所述地圖特征和所述信道信息構(gòu)建訓(xùn)練數(shù)據(jù)；

6、根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)設(shè)的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得信道模型。

7、進(jìn)一步地，所述根據(jù)所述3d地圖數(shù)據(jù)構(gòu)造地圖矩陣數(shù)據(jù)，具體包括：

8、根據(jù)所述3d地圖數(shù)據(jù)，以所述場景地圖中的每一個基站為中心，以預(yù)設(shè)大小的長方體為樣本范圍，分別構(gòu)造地圖樣本；

9、對每一個地圖樣本進(jìn)行柵格劃分，以將每一個地圖樣本劃分為若干個大小為k*k的柵格；其中，k＞0；

10、根據(jù)每一個柵格內(nèi)對應(yīng)的建筑物信息構(gòu)造地圖矩陣數(shù)據(jù)；其中，所述地圖矩陣數(shù)據(jù)的大小為n表示地圖樣本的個數(shù)，d1和d2表示樣本范圍的大小，2表示2個被填充的通道，其中一個通道填充為柵格內(nèi)的建筑物高度，另一個通道填充為柵格內(nèi)的建筑物類型。

11、進(jìn)一步地，所述根據(jù)所述地圖矩陣數(shù)據(jù)進(jìn)行地圖預(yù)訓(xùn)練模型的建模，具體包括：

12、根據(jù)所述地圖矩陣數(shù)據(jù)，使用自監(jiān)督學(xué)習(xí)算法mae進(jìn)行模型訓(xùn)練，獲得地圖預(yù)訓(xùn)練模型。

13、進(jìn)一步地，mae中包括編碼器和解碼器；

14、則，所述根據(jù)所述地圖矩陣數(shù)據(jù)，使用自監(jiān)督學(xué)習(xí)算法mae進(jìn)行模型訓(xùn)練，獲得地圖預(yù)訓(xùn)練模型，具體包括：

15、將所述地圖矩陣數(shù)據(jù)劃分為若干個數(shù)據(jù)塊，并對所述若干個數(shù)據(jù)塊進(jìn)行隨機(jī)掩碼操作；

16、將所述地圖矩陣數(shù)據(jù)中的未被掩碼掉的數(shù)據(jù)塊輸入所述編碼器中進(jìn)行處理，獲得所述地圖矩陣數(shù)據(jù)的潛在表示；

17、將所述潛在表示和掩碼token輸入所述解碼器中進(jìn)行處理，獲得所述地圖矩陣數(shù)據(jù)的重建數(shù)據(jù)；

18、根據(jù)所述地圖矩陣數(shù)據(jù)和所述重建數(shù)據(jù)計算mae的損失函數(shù)；

19、通過最小化所述損失函數(shù)對mae進(jìn)行更新，獲得地圖預(yù)訓(xùn)練模型。

20、進(jìn)一步地，所述根據(jù)所述地圖矩陣數(shù)據(jù)和所述重建數(shù)據(jù)計算mae的損失函數(shù)，具體包括：

21、針對所述地圖矩陣數(shù)據(jù)中的被掩碼掉的數(shù)據(jù)塊，根據(jù)以下公式計算mae的損失函數(shù)：其中，n表示所述被掩碼掉的數(shù)據(jù)塊中的數(shù)據(jù)總數(shù)，wi表示所述被掩碼掉的數(shù)據(jù)塊的n個數(shù)據(jù)中的第i個數(shù)據(jù)，wi'表示所述重建數(shù)據(jù)中的與所述被掩碼掉的數(shù)據(jù)塊的n個數(shù)據(jù)中的第i個數(shù)據(jù)對應(yīng)的數(shù)據(jù)，n＞0。

22、進(jìn)一步地，所述基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型為vit網(wǎng)絡(luò)模型，所述vit網(wǎng)絡(luò)模型的骨干網(wǎng)絡(luò)采用vit-b/16網(wǎng)絡(luò)結(jié)構(gòu)；

23、則，所述根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)設(shè)的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得信道模型，具體包括：

24、根據(jù)所述訓(xùn)練數(shù)據(jù)對所述vit網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得信道模型；其中，所述vit網(wǎng)絡(luò)模型的損失函數(shù)為：m表示所述訓(xùn)練數(shù)據(jù)中的信道沖擊響應(yīng)的數(shù)據(jù)總數(shù)，hj表示所述訓(xùn)練數(shù)據(jù)中的m個信道沖擊響應(yīng)中的第j個信道沖擊響應(yīng)，h'j表示訓(xùn)練過程中由所述vit網(wǎng)絡(luò)模型輸出的m個預(yù)測信道沖擊響應(yīng)中的第j個預(yù)測信道沖擊響應(yīng)，m＞0。

25、進(jìn)一步地，所述方法還包括：

26、采集現(xiàn)網(wǎng)運(yùn)行時產(chǎn)生的真實信道信息數(shù)據(jù)；

27、利用在線學(xué)習(xí)方法，根據(jù)所述真實信道信息數(shù)據(jù)對所述信道模型進(jìn)行迭代優(yōu)化。

28、為了實現(xiàn)上述目的，本發(fā)明實施例還提供了一種基于深度學(xué)習(xí)的信道建模裝置，用于實現(xiàn)上述任一項所述的基于深度學(xué)習(xí)的信道建模方法，所述裝置包括：

29、地圖數(shù)據(jù)處理模塊，用于獲取不同的場景地圖的3d地圖數(shù)據(jù)，根據(jù)所述3d地圖數(shù)據(jù)構(gòu)造地圖矩陣數(shù)據(jù)；

30、地圖預(yù)訓(xùn)練模塊，用于根據(jù)所述地圖矩陣數(shù)據(jù)進(jìn)行地圖預(yù)訓(xùn)練模型的建模，并根據(jù)所述地圖預(yù)訓(xùn)練模型提取所述場景地圖的地圖特征；

31、訓(xùn)練數(shù)據(jù)構(gòu)建模塊，用于獲取所述場景地圖中的信號收發(fā)端對應(yīng)的信道沖擊響應(yīng)作為信道信息，并根據(jù)所述地圖特征和所述信道信息構(gòu)建訓(xùn)練數(shù)據(jù)；

32、信道模型訓(xùn)練模塊，用于根據(jù)所述訓(xùn)練數(shù)據(jù)對預(yù)設(shè)的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得信道模型。

33、本發(fā)明實施例還提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)包括存儲的計算機(jī)程序；其中，所述計算機(jī)程序在運(yùn)行時控制所述計算機(jī)可讀存儲介質(zhì)所在的設(shè)備執(zhí)行上述任一項所述的基于深度學(xué)習(xí)的信道建模方法。

34、本發(fā)明實施例還提供了一種計算機(jī)程序產(chǎn)品，包括計算機(jī)程序，所述計算機(jī)程序在被處理器執(zhí)行時實現(xiàn)上述任一項所述的基于深度學(xué)習(xí)的信道建模方法。

35、本發(fā)明實施例還提供了一種終端設(shè)備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計算機(jī)程序，所述處理器在執(zhí)行所述計算機(jī)程序時實現(xiàn)上述任一項所述的基于深度學(xué)習(xí)的信道建模方法。

36、與現(xiàn)有技術(shù)相比，本發(fā)明實施例提供了一種基于深度學(xué)習(xí)的信道建模方法、裝置、計算機(jī)可讀存儲介質(zhì)、計算機(jī)程序產(chǎn)品及終端設(shè)備，首先，獲取不同的場景地圖的3d地圖數(shù)據(jù)，并根據(jù)3d地圖數(shù)據(jù)構(gòu)造地圖矩陣數(shù)據(jù)；接著，根據(jù)地圖矩陣數(shù)據(jù)進(jìn)行地圖預(yù)訓(xùn)練模型的建模，并根據(jù)地圖預(yù)訓(xùn)練模型提取場景地圖的地圖特征；然后，獲取場景地圖中的信號收發(fā)端對應(yīng)的信道沖擊響應(yīng)作為信道信息，并根據(jù)地圖特征和信道信息構(gòu)造訓(xùn)練數(shù)據(jù)；最后，根據(jù)訓(xùn)練數(shù)據(jù)對預(yù)設(shè)的基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得信道模型。本發(fā)明實施例能夠同時提升信道建模效率和信道模型的準(zhǔn)確性，并且還能夠適用于復(fù)雜多樣的環(huán)境場景，有效提升信道模型的泛化性能。