[发明专利]控制辐射元件

说明书

公开了一种装置、方法和计算机程序产品。该装置可以包括用于接收包括多个辐射元件的天线阵列的性能度量的部件，该性能度量基于与天线阵列相关联的性能数据，该天线阵列具有由配置参数表示的辐射配置。该装置还可以包括用于通过估计新的配置参数来根据所接收的性能度量来更新配置参数的装置，以用于将性能度量移向目标值。该装置还可以包括用于基于更新的配置参数来重新配置天线阵列的辐射配置的部件，从而改变天线阵列的物理几何形状。

技术领域

示例实施例涉及用于控制一个或多个辐射元件(例如，可以形成天线阵列的一部分的一个或多个天线的辐射元件)的方法，系统和计算机程序。

背景技术

天线可以包括一个或多个辐射元件，它们被馈以相同的射频信号。天线阵列可以包括具有单独的射频链的多个这种天线。天线阵列用于各种目的，例如用于电信网络中的波束成形。辐射元件也可以用于接收射频能量。

发明内容

第一方面提供了一种装置，包括：用于接收包括多个辐射元件的天线阵列的性能度量的部件，性能度量基于与天线阵列相关的性能数据，天线阵列具有由配置参数表示的辐射配置；用于通过估计新的配置参数来根据所接收的性能度量来更新配置参数的部件，以用于将性能度量移向目标值；用于基于所更新的配置参数来重新配置天线阵列的辐射配置的部件，从而天线阵列的物理几何形状被改变。

重新配置部件被配置为通过基于重新配置的配置移动一个或多个辐射元件来改变物理几何形状。

更新部件还被配置为：根据所接收到的由所更新的配置参数产生的性能度量来迭代地更新配置参数，直到达到停止条件为止。

停止条件对应于固定数目的更新迭代。

停止条件对应于达到目标值的性能度量。停止条件对应于固定数目的更新迭代，在固定数目的更新迭代中性能度量不朝着目标值移动。

更新部件包括机器学习模型，机器学习模型被配置为基于存储的训练数据来估计可能使性能度量朝目标值移动的更新的配置参数。机器学习模型利用从初始连接质量导出并且随后基于由所更新的配置参数引起的结果进行更新的数据而被训练。机器学习模型利用初始配置参数被训练，并且随后基于由所更新的配置参数引起的重新配置的结果而被更新。机器学习模型是使用数字同级来训练的。

性能度量是从计算部件接收的，计算部件被配置为从天线阵列形成一部分的通信网络的至少一部分的物理节点接收性能数据。

计算部件与天线阵列形成一部分的蜂窝通信网络的至少一部分的基站相关联。

性能度量是从仿真部件接收的，仿真部件仿真天线阵列形成一部分的通信网络的至少一部分的物理节点。

仿真的物理节点与天线阵列形成一部分的蜂窝通信网络的至少一部分的基站相关联。

计算部件或仿真部件包括装置的一部分。

所接收的性能度量表示与天线阵列相关联的数据吞吐量、呼叫丢失率、中断概率和能量消耗中的一项或多项的测量或仿真值。

性能度量表示针对与天线阵列相关联的蜂窝通信系统的小区内的不同数目的用户设备中的每一个数目的测量或仿真值。

配置参数包括以下一项或多项：针对天线阵列的第i个天线的第j个辐射元件：

-位置

-方位角φi，j∈[0,2π]

-仰角θi，j∈[-π/2，π/2]

-模拟相移βi，j∈[-π，π]

-模拟信号增益αi，j∈[αmin，αmax]