[發明專利]一種基于內容意圖動態追蹤的波束多播快速接入方法

在審

• 申請號: 202011109693.X
• 申請日: 2020-10-16
• 公開（公告）號: CN112243195A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 徐友云;李大鵬;蔣銳
• 申請（專利權）人: 南京愛而贏科技有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/40;H04W16/28;H04W24/02
• 代理公司: 無錫蘇元專利代理事務所(普通合伙) 32471
• 代理人: 王清偉

本發明公開了一種基于內容意圖動態追蹤的波束多播快速接入方法，建立了毫米波車載通信系統傳輸模型，具體的，第一層利用車輛用戶的位置信息和內容意圖偏好信息以及強化學習相關原理，給出最佳的波束指向分配實現多播覆蓋；第二層，借助波束多播的學習結果和車輛用戶的位置信息以及強化學習相關原理，給出包含一定角度且能夠實現多播覆蓋的最佳波束分配方案。本發明通過兩層算法，確定了毫米波車載通信系統中最優波束分配策略，在一定程度上提升了系統容量。

技術領域

本發明涉及一種毫米波通信領域的波束多播快速接入方法，用于給毫米波小區內的用戶提供最佳的波束分配策略。

背景技術

在5G通信中多Gbps鏈路對于設備連接具有重要作用，由于6GHz頻段以下的4GLTE-A系統擁堵嚴重，5G社區有可能采用未充分利用的毫米波頻段；但是由于高路徑損耗，穿透損耗和較小的覆蓋范圍，毫米波頻段無法完全使用。然而，目前定向傳輸和波束成形技術可以降低高路徑損耗，增加毫米波基站的部署密度解決毫米波通信距離短的問題。這些解決方案證明了在通信系統中使用毫米波的可行性。然而，在實際應用場景中存在許多技術挑戰。例如，基站和車輛之間的定向通信需要精確的波束對準。其次，由于毫米波小區內的阻塞(例如建筑物、公交車站臺臨時停靠的公交車等)，毫米波將有很高的穿透損耗，導致系統性能下降。

利用毫米波實現車載通信也會遇見許多難題。首先，毫米波基站與車輛之間需要精確的波束對準，這在低于6GHz以下的頻段實現全向傳輸是不必要的。其次，不正確的波束選擇會影響毫米波車載通信系統的整體性能。毫米波基站根據小區內車輛的位置信息和內容信息，可以跟蹤和選擇波束實現波束廣播覆蓋，從而提升毫米波車載通信系統的性能。當前，獲取這些基站部署經驗是耗時且難以擴展的，無法實現5G的大規模部署。此外，這些方法不能解決交通模式的動態變化和車輛環境的擁堵問題。我們認為毫米波基站應該獨立自主的學習小區內車輛的位置信息和內容信息，以確保快速正確的進行波束選擇。到目前為止，還沒有提議在毫米波基站上培養這種自主在線學習的能力。因此，應該提出一種在線學習算法，使毫米波基站能夠了解小區內車輛的位置信息和內容信息，并利用這些信息和波束選擇決策之間的相關性來制定最佳波束分配策略。隨著5G網絡的大規模密集部署，這樣的提議是非常有應用前景的。

經對現有技術文獻的檢索發現，Gek Hong Sim等人在《IEEE/ACM Transactionson Networking，Dec 2018，pp.2487-2500(電氣電子工程師協會/計算機協會網絡領域期刊，2018年12月，第2487-2500頁)》上發表的文章“An Online Context-Aware MachineLearning Algorithm for 5G mmWave Vehicular Communications(5G毫米波車載通信中的在線環境感知機器學習算法)”一文，該文提出一種根據車輛用戶位置信息來實現最佳波束分配的方法。另經檢索發現，J.Zhang等人在《IEEE Transactions on Communications(電氣電子工程師協會通信領域期刊)》上發表的文章“Beam Alignment and Tracking forMillimeter Wave Communications via Bandit Learing(通過Bandit學習在毫米波通信中實現波束對準與跟蹤)”一文，該文提出基于強化學習的方法來實現波束對準與跟蹤。以上兩文在一定程度上提升了波束跟蹤指向分配的性能，但是沒有利用好用戶的其余有用信息以更進一步算法的性能。

發明內容

本發明要解決的技術問題是克服現有技術中提出的基于強化學習的方法來實現波束對準與跟蹤技術對用戶信息利用不全面的缺陷，提供一種在線學習算法，該算法使毫米波基站能夠連續學習車輛的位置信息和內容信息來實現車輛的波束跟蹤選擇，從而適應特別5G網絡的大規模密集化。

為了解決上述技術問題，本發明提供了如下的技術方案：

一種基于內容意圖動態追蹤的波束多播快速接入方法，包括如下：