[發(fā)明專利]PUCCH信號(hào)檢測(cè)方法、裝置、通信設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011639334.5
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112865891B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 楊雨翰;姜成玉;劉重軍
• 申請(qǐng)（專利權(quán)）人: 京信網(wǎng)絡(luò)系統(tǒng)股份有限公司
• 主分類號(hào): H04B17/336
• 分類號(hào): H04B17/336;H04B17/391;H04W72/12;G06N3/08
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 關(guān)志琨

1.一種PUCCH信號(hào)檢測(cè)方法，其特征在于，所述方法包括：

獲取訓(xùn)練樣本；所述訓(xùn)練樣本包括解調(diào)參考信號(hào)樣本和噪聲信號(hào)樣本；

基于所述解調(diào)參考信號(hào)樣本和所述噪聲信號(hào)樣本，對(duì)待訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

當(dāng)訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)模型滿足預(yù)設(shè)的訓(xùn)練條件時(shí)，得到預(yù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型；

在指定的時(shí)頻資源位置上接收上行信號(hào)；

將所述上行信號(hào)輸入所述預(yù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行識(shí)別，根據(jù)識(shí)別結(jié)果檢測(cè)所述上行信號(hào)是否為解調(diào)參考信號(hào)；

若是，則計(jì)算所述上行信號(hào)的信噪比；

若所述信噪比超過預(yù)設(shè)的信噪比閾值，判定接收到所述PUCCH信號(hào)，若所述信噪比未超過所述信噪比閾值，判定未接收到所述PUCCH信號(hào)。

2.根據(jù)權(quán)利要求1所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述方法還包括：

當(dāng)所述上行信號(hào)為所述解調(diào)參考信號(hào)時(shí)，通過對(duì)所述上行信號(hào)進(jìn)行插值處理，得到插值后上行信號(hào)；

根據(jù)所述插值后上行信號(hào)，得到所述信噪比。

3.根據(jù)權(quán)利要求2所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述根據(jù)所述插值后上行信號(hào)，得到所述信噪比，包括：

通過計(jì)算所述插值后上行信號(hào)的頻域噪聲方差，得到噪聲能量；

通過對(duì)所述插值后上行信號(hào)進(jìn)行時(shí)域滑動(dòng)相關(guān)運(yùn)算，得到信號(hào)能量；

根據(jù)所述信號(hào)能量與所述噪聲能量的比值，得到所述信噪比。

4.根據(jù)權(quán)利要求3所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述通過計(jì)算所述插值后上行信號(hào)的頻域噪聲方差，得到噪聲能量，包括：

建立噪聲概率模型；所述噪聲概率模型包括至少一個(gè)正態(tài)分布模型；

獲取各個(gè)所述正態(tài)分布模型的初始參數(shù)和初始權(quán)值；所述初始參數(shù)包括所述頻域噪聲方差；

根據(jù)所述初始參數(shù)和所述初始權(quán)值，計(jì)算各個(gè)所述正態(tài)分布模型的更新后參數(shù)和更新后權(quán)值；

判斷所述更新后參數(shù)是否符合預(yù)設(shè)的收斂條件；

若不符合，則將所述更新后權(quán)值作為所述初始權(quán)值、更新后參數(shù)作為所述初始參數(shù)，并返回至所述根據(jù)所述初始參數(shù)和所述初始權(quán)值，計(jì)算各個(gè)所述正態(tài)分布模型的更新后參數(shù)和更新后權(quán)值的步驟；

若符合，則根據(jù)最大更新后權(quán)值所對(duì)應(yīng)的頻域噪聲方差，得到所述噪聲能量。

5.根據(jù)權(quán)利要求3所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述通過對(duì)所述插值后上行信號(hào)進(jìn)行時(shí)域滑動(dòng)相關(guān)運(yùn)算，得到信號(hào)能量，包括：

計(jì)算所述插值后上行信號(hào)與本地解調(diào)參考信號(hào)之間的滑動(dòng)相關(guān)序列；

確定所述滑動(dòng)相關(guān)序列中的有效相關(guān)峰值；

通過對(duì)所述有效相關(guān)峰值求平均，得到所述信號(hào)能量。

6.根據(jù)權(quán)利要求4所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述獲取各個(gè)所述正態(tài)分布模型的初始參數(shù)和初始權(quán)值，包括：

獲取所述插值后上行信號(hào)為預(yù)設(shè)解調(diào)參考信號(hào)可能值的指標(biāo)；

根據(jù)所述指標(biāo)，統(tǒng)計(jì)所述插值后上行信號(hào)為所述解調(diào)參考信號(hào)可能值的個(gè)數(shù)；

根據(jù)所述個(gè)數(shù)與所述插值后上行信號(hào)總數(shù)之間的比值，得到所述初始權(quán)值。

7.根據(jù)權(quán)利要求1所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述方法還包括：

若所述預(yù)訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型輸出概率高于預(yù)設(shè)門限，則計(jì)算所述上行信號(hào)的信噪比。

8.根據(jù)權(quán)利要求1所述的PUCCH信號(hào)檢測(cè)方法，其特征在于，所述在指定的時(shí)頻資源位置上接收上行信號(hào)，包括：

獲取PUCCH格式；

根據(jù)所述PUCCH格式，確定解調(diào)參考信號(hào)時(shí)頻資源位置；

在所述解調(diào)參考信號(hào)時(shí)頻資源位置上接收所述上行信號(hào)。