[發明專利]移動終端位置追蹤的機器學習模型、方法、設備及存儲介質

有效

• 申請號: 202010076652.9
• 申請日: 2020-01-23
• 公開（公告）號: CN111372190B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 高躍
• 申請（專利權）人: 鵬城實驗室
• 主分類號: H04W4/021
• 分類號: H04W4/021;H04W4/029;H04W4/33;H04W64/00;G06N3/08
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 孫磊;壽寧

移動終端位置追蹤的機器學習模型、方法、設備及存儲介質。本發明涉及一種通信方法、設備及存儲介質，該方法包括：接收用戶端的當前時隙的通信信號；根據預先訓練得到的機器學習模型，對所述當前時隙的通信信號的參數進行處理以預測在下一時隙的所述用戶端的移動；其中，所述機器學習模型的訓練過程包括：獲取通信觀測數據；從所述通信觀測數據之中，確定多個數據線，每個所述數據線包含出發點信息、目標點信息、以及所述出發點和所述目標點之間的運動方向標簽；將所述多個數據線作為訓練集進行訓練。利用本發明能夠提高預測用戶移動的精度，減少通信中的中斷情況。

技術領域

本發明涉及通信技術領域，特別是涉及一種通信方法、移動通信網絡中的移動終端位置追蹤的機器學習模型、設備、及存儲介質。

背景技術

此處的陳述僅提供與本發明有關的背景信息，而不必然地構成現有技術。

根據愛立信移動報告，到2023年，全球移動用戶將增加到89億，移動物聯網(簡稱IoT)連接將達到35億，全球每月移動數據總流量將達到107EB。毫米波(mmWave)通信擴展了當前的無線通信，其從30ghz到300ghz的寬帶有助于提供極高的數據速率。毫米波通信擅于支持高速率業務的短程應用，如miracast、虛擬現實(簡稱VR)和移動游戲等。除了信道帶寬大之外，毫米波通信還具有波長較短、波束窄、路徑長、路徑損耗高、穿透損耗高、對信道阻塞敏感、對視距(line of sight，簡稱LoS)通信信道有很高的要求等特點?；诓ㄊ纬杉夹g的視距通信信道的定向通信對于室外遠程毫米波通信尤其必要。由于毫米波段的短波長，天線陣列結構可以嵌入到便攜式設備中。毫米波系統的特殊性在給下一代通信帶來挑戰的同時也增加了機遇。

定向毫米波通信(The directional mmWave communication)是利用高增益定向天線或天線陣列產生定向波束來實現的，由于通信波束的覆蓋范圍有限，這在移動毫米波網絡(mobile mmWave networks)中仍然具有挑戰性。傳統的波束追蹤方法，如基于壓縮感知的信道估計、基于卡爾曼濾波(Kalman filtering，簡稱KF)和基于最小均方(簡稱LMS)的波束追蹤方法，都是在假設信道是靜態的情況下，利用高開銷波束訓練來估計信道參數。但是在移動場景中，用戶需要頻繁地向基站更新自己的位置信息。在實際應用中，特別是在室內環境中，由于GPS信號有時不起作用，用戶的位置信息很難得到。

發明內容

本發明的目的在于提供一種新的通信方法、設備及存儲介質。

本發明的目的采用以下技術方案來實現。依據本發明提出的通信方法，包括以下步驟：接收用戶端的當前時隙的通信信號；根據預先訓練得到的機器學習模型，對所述當前時隙的通信信號的參數進行處理以預測在下一時隙的所述用戶端的移動；其中，所述機器學習模型的訓練過程包括：獲取通信觀測數據；從所述通信觀測數據之中，確定多個數據線，每個所述數據線包含出發點信息、目標點信息、以及所述出發點和所述目標點之間的運動方向標簽；將所述多個數據線作為訓練集進行訓練。

在一個較佳實施例中，所述數據線中的所述出發點信息包括出發點的位置信息和出發點的通信信號參數，所述目標點信息包括目標點的位置信息和目標點的通信信號參數。

在一個較佳實施例中，所述將所述多個數據線作為訓練集進行訓練包括：將所述數據線中的所述出發點信息和所述目標點信息相減，將所述相減的結果經過一個或多個全連接神經網絡以得到移動的預測概率。

在一個較佳實施例中，所述出發點信息和所述目標點信息為n維向量；所述將所述相減的結果經過一個或多個全連接神經網絡以得到移動的預測概率，包括：將所述相減的結果經過一個n×m的全連接神經網絡，然后以tanh函數作為激活函數進行計算，得到m維的結果；以及將所述m維的結果經過一個m×m的全連接神經網絡，然后以softmax函數作為激活函數進行計算，以得到m維的預測結果，其中所述預測結果的每一維分別表示向一個方向移動的預測概率。