PDSCH的信道估计方法、系统及UE.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114079599A(43)申请公布日2022.02.22(21)申请号202010844021.7(22)申请日2020.08.20(71)申请人展讯通信（上海）有限公司地址201203上海市浦东新区自由贸易区祖冲之路2288弄展讯中心1号楼(72)发明人陈咪咪周化雨雷珍珠(74)专利代理机构上海弼兴律师事务所31283代理人杨东明张冉(51)Int.Cl.H04L25/02(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书3页说明书13页附图7页(54)发明名称PDSCH的信道估计方法、系统及UE(57)摘要本发明公开了一种PDSCH的信道估计方法、系统及UE，信道估计方法包括：判断待处理PRB数目是否小于一预设的第一PRB数目，若是，则先对当前PDSCH的数据进行数据补齐，然后再将补齐后的当前PDSCH的数据输入至训练好的用于PDSCH的信道估计的第一深度学习算法模型进行信道估计；待处理PRB数目为当前PDSCH的数据对应的PRB数目；第一深度学习算法模型的输入尺寸对应第一PRB数目，第一PRB数目为根据业务需求从所有允许的PRB数目中选取的一相适配的中间值。本发明在保证信道估计的性能的前提下能降低网络训练复杂度，并能减少网络部署的数量。CN114079599ACN114079599A权利要求书1/3页1.一种PDSCH的信道估计方法，其特征在于，包括以下步骤：判断待处理PRB数目是否小于一预设的第一PRB数目，若是，则先对当前PDSCH的数据进行数据补齐，然后再将补齐后的当前PDSCH的数据输入至训练好的用于PDSCH的信道估计的第一深度学习算法模型进行信道估计；所述待处理PRB数目为所述当前PDSCH的数据对应的PRB数目；所述第一深度学习算法模型的输入尺寸对应所述第一PRB数目，所述第一PRB数目为根据业务需求从所有允许的PRB数目中选取的一相适配的中间值。2.如权利要求1所述的PDSCH的信道估计方法，其特征在于，当所述判断待处理PRB数目是否小于所述第一PRB数目的步骤的结果为否时，则使用传统的信道估计算法对所述当前PDSCH的数据进行信道估计。3.如权利要求1所述的PDSCH的信道估计方法，其特征在于，当所述判断待处理PRB数目是否小于所述第一PRB数目的步骤的结果为否时，则先按照所述第一PRB数目对所述当前PDSCH的数据进行分割，然后将分割后得到的数据按需补齐后输入至所述第一深度学习算法模型进行信道估计。4.如权利要求1所述的PDSCH的信道估计方法，其特征在于，在所述判断待处理PRB数目是否小于一预设的第一PRB数目的步骤之前还包括以下步骤：判断所述待处理PRB数目是否小于预设的第二PRB数目，若是，则先对所述当前PDSCH的数据进行数据补齐，然后再将补齐后的当前PDSCH的数据输入至训练好的用于PDSCH的信道估计的第二深度学习算法模型进行信道估计；若否，则继续执行所述判断所述待处理PRB数目是否小于一预设的第一PRB数目的步骤；所述第二深度学习算法模型的输入尺寸对应所述第二PRB数目，所述第二PRB数目小于所述第一PRB数目。5.如权利要求4所述的PDSCH的信道估计方法，其特征在于，所述第二PRB数目小于等于10。6.如权利要求1所述的PDSCH的信道估计方法，其特征在于，所述信道估计方法还包括以下步骤：训练得到预设数量的所述第一深度学习算法模型；所述预设数量大于1且小于所述所有允许的PRB数目中的最大值；每个所述第一深度学习算法模型对应不同的所述第一PRB数目；所述判断待处理PRB数目是否小于一预设的第一PRB数目，若是，则先对所述当前PDSCH的数据进行数据补齐，然后再将补齐后的当前PDSCH的数据输入至训练好的用于PDSCH的信道估计的第一深度学习算法模型进行信道估计的步骤包括：从所有的所述第一PRB数目中选择大于或等于所述待处理PRB数目且最接近所述待处理PRB数目的所述第一PRB数目作为待使用第一PRB数目；先对所述当前PDSCH的数据进行数据补齐，然后再将补齐后的当前PDSCH的数据输入至所述待使用第一PRB数目对应的所述第一深度学习算法模型进行信道估计。7.如权利要求3所述的PDSCH的信道估计方法，其特征在于，所述补齐包括重复补齐、补零和尾部重复中的一种；和/或，所述分割包括平均分割；2CN114079599A权利要求书2/3页和/或，所述第一深度学习算法模型为CNN模型。8.如权利要求1所述的PDSCH的信道估计方法，其特征在于，所述信道估计方法应用于UE上，所述第一深度学习算法模型部署在所述UE上或服务器上；当所述第一深度学习算法模型部署在所述服务器上时，