车载毫米波终端波束跟踪方法、装置、设备和存储介质

技术领域

本申请涉及测量计算技术领域，尤其涉及车载毫米波终端波束跟踪方法、装置、设备和存储介质。

背景技术

车载毫米波终端定位是一种利用毫米波频段的雷达技术，用于车辆的定位和环境感知。毫米波频段的特点是具有较高的穿透能力，可以在各种天气条件下提供稳定可靠的探测性能。因此毫米波雷达具有较高的分辨率和抗干扰能力，能够用于复杂的道路环境和低能见度条件下的车辆定位。

相关技术中，由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程都会产生较大的波束训练开销，通常需要利用波束跟踪技术来减少波束训练开销。但是相关技术中波束跟踪技术存在跟踪准确率低以及跟踪非实时的问题。

发明内容

本申请实施例的主要目的在于提出车载毫米波终端波束跟踪方法、装置、设备和存储介质，提高车载毫米波终端波束跟踪的准确率以及实时性。

为实现上述目的，本申请实施例的第一方面提出了一种车载毫米波终端波束跟踪方法，包括：

获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；

基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；

根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；

基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；

根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。

在一实施例中，所述根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，包括：

获取噪声向量和状态演进矩阵；

根据所述状态演进矩阵、所述信道状态信息和所述控制输入得到所述先验信道状态向量；

根据所述信道状态信息得到前一时隙的信道协方差矩阵；

根据所述信道协方差矩阵、所述状态演进矩阵和所述噪声向量得到所述先验信道协方差矩阵。

在一实施例中，所述基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角，包括：

根据当前时隙的接收信号得到信道量测值，并基于所述先验信道状态向量和所述先验信道协方差矩阵计算卡尔曼增益；

根据所述卡尔曼增益、所述信道量测值和所述先验信道状态向量计算得到后验信道状态向量；

根据所述卡尔曼增益和所述先验信道协方差矩阵计算得到后验信道协方差矩阵；

根据所述后验信道状态向量和所述后验信道协方差矩阵得到所述出发角和所述到达角。

在一实施例中，所述获取当前时隙车辆的位置矢量和航向角，包括：

获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云；

根据当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到相对位置矢量，以及根据当前时隙车辆的航向角与前一时隙车辆的航向角得到相对航向角；

从前一时隙的稀疏点云中选取所述有向点的初始相邻点，基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数；

对所述优化目标函数进行迭代求解，得到当前时隙车辆的位置矢量和航向角。

在一实施例中，所述获取当前时隙的原始雷达点云，并生成所述原始雷达点云的多个有向点，根据所述有向点得到当前时隙的稀疏点云，包括：

基于预设功率阈值，在所述原始雷达点云中选取第一数量的第一目标点；所述第一目标点构成第一点云；

在所述第一点云中进行网格划分，得到多个小网格，并在所述小网格中选取邻近网格中心的第一目标点作为第二目标点；所述第二目标点构成第二点云；

对所述第二点云中每个所述第二目标点在所述第一点云中选取多个相邻点，并根据所述相邻点得到所述第二目标点对应的所述有向点，根据所述有向点得到所述稀疏点云；所述有向点的坐标根据所述相邻点的坐标均值得到，所述有向点的方向向量根据所述初始相邻点的协方差矩阵的特征向量得到。

在一实施例中，所述从前一时隙的稀疏点云中选取所述有向点的初始相邻点，包括：

将前一时隙的所述有向点作为第一有向点，将当前时隙的所述有向点作为第二有向点，并获取所述第一有向点的第一方向向量，以及获取所述第二有向点的第二方向向量；

选取与所述第二方向向量的夹角小于或等于预设夹角阈值的所述第一方向向量对应的所述第一有向点构成第一点集；

以所述第二有向点为圆心，在所述第一点集中生成预设半径的圆盘区域，选取所述圆盘区域中最邻近所述圆心的所述第一有向点作为所述初始相邻点。

在一实施例中，所述基于所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角生成优化目标函数，包括：

根据所述有向点、所述初始相邻点、所述相对位置矢量和所述相对航向角计算第一约束函数；

将所述第一约束函数输入预设损失函数，得到第二约束函数；

以最小化为优化目标，根据所述第二约束函数得到所述优化目标函数。

为实现上述目的，本申请实施例的第二方面提出了一种车载毫米波终端波束跟踪装置，包括：

数据获取模块：用于获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；

控制输入计算模块：用于基于当前时隙的所述航向角和所述位置矢量得到当前时隙的控制输入；

信道预测模块：用于根据前一时隙的所述信道状态信息和当前时隙的所述控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；

信道更新模块：用于基于所述先验信道状态向量和所述先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；所述出发角用于毫米波基站生成下行模拟波束成形向量，所述到达角用于车载毫米波终端生成接收模拟波束成形向量；

波束跟踪模块：用于根据所述下行模拟波束成形向量和所述接收模拟波束成形向量进行波束跟踪。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

本申请实施例提出的车载毫米波终端波束跟踪方法、装置、设备和存储介质，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。

附图说明

图1是本申请实施例中车载毫米波终端波束跟踪系统示意图。

图2为本申请实施例中车载毫米波终端的示意图。

图3为本申请实施例中世界坐标系和车辆坐标系示意图。

图4是本申请实施例中车载毫米波终端波束跟踪方法的一个可选的流程图。

图5是图4中的步骤S110的流程图。

图6为本申请实施例中原始雷达点云的图像的示意图。

图7为本申请实施例中车辆坐标系下的原始雷达点云的图像的示意图。

图8是本申请实施例中车载毫米波终端波束跟踪方法的又一个可选的流程图。

图9为本申请实施例的车载毫米波终端波束跟踪方法的整体流程示意图。

图10是本申请又一实施例提供的车载毫米波终端波束跟踪装置结构框图。

图11是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

毫米波雷达：是一种利用毫米波频段的雷达技术，用于检测、定位和跟踪目标物体。毫米波指的是波长在几毫米到几十毫米之间的无线电频段。相比于传统的雷达系统使用的微波频段，毫米波雷达具有更高的频率和更短的波长。这使得毫米波雷达在复杂环境或者低能见度条件下，分辨率更高目标探测更精确。

车辆位姿估计：指利用传感器和测量算法来确定车辆在空间中的位置、方向和速度等状态。其中传感器包括惯性测量单元、全球定位系统、毫米波雷达等，测量算法包括传感器融合算法、滤波算法、运动模型以及数据关联等。

车载毫米波终端定位是一种利用毫米波频段的雷达技术，用于车辆的定位和环境感知。毫米波频段的特点是具有较高的穿透能力，可以在各种天气条件下提供稳定可靠的探测性能。因此毫米波雷达具有较高的分辨率和抗干扰能力，能够用于复杂的道路环境和低能见度条件下的车辆定位。

卡尔曼滤波：是一种常用于处理含有噪声的系统测量数据的滤波方法，通过使用系统状态模型和测量模型，对真实状态进行估计，并对不确定度进行更新，从而获得更准确的状态估计结果。卡尔曼滤波适用于：系统模型是线性系统；测量和状态都是连续型的，且可以用高斯分布表示；噪声是高斯白噪声，且有一定的协方差矩阵的场景。卡尔曼滤波的核心思想是：将当前状态估计值（由前一时刻的状态和测量值计算得到）作为当前时刻的预测值，并使用提前计算好的卡尔曼增益，将实际测量值纳入估计中，获得当前时刻的最优状态估计值和对应的不确定度。在不断地进行状态预测和测量更新的过程中，可以不断提高状态估计的准确性和置信度。

相关技术中，为了抵消极高频段所引入的极大的自由空间传播衰减和视距路径遮挡穿透损耗，车载毫米波技术通常采用大规模多输入多输出天线，通过发送端预编码技术和接收端波束成型技术形成与车载毫米波终端对齐的高定向波束。但是由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程都会产生较大的波束训练开销，通常需要利用波束跟踪技术来减少波束训练开销。但是相关技术中波束跟踪技术存在跟踪准确率低以及跟踪非实时的问题。

基于此，本申请实施例提供一种车载毫米波终端波束跟踪方法、装置、设备和存储介质，利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。

本申请实施例提供车载毫米波终端波束跟踪方法、装置、设备和存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的车载毫米波终端波束跟踪系统。

图1为本申请实施例中车载毫米波终端波束跟踪系统示意图。图2为本申请实施例中车载毫米波终端的示意图。

图1中车载毫米波终端波束跟踪系统包括：毫米波基站100和毫米波终端200，参照图2，毫米波终端200设置在车辆300上，能够随着车辆300的移动而移动。其中，毫米波基站100上配备天线数目为N的均匀线性天线阵列，构成基站天线阵列，车辆300上配备天线数目为M的均匀线性天线阵列，构成车载天线阵列。

在该车辆位姿估计系统中，以毫米波基站100为原点，构建世界坐标系(x

参照图3，图3为本申请实施例中世界坐标系和车辆坐标系示意图，图3中示出第k个时隙车辆的位姿示意图，其中车辆位姿包括车辆的位置矢量和航向角。在世界坐标系中，毫米波基站100的基站天线阵列向车辆300的车载天线阵列发送信号的出发角为

接下来描述本申请实施例提供的车载毫米波终端波束跟踪方法。

图4是本申请实施例提供的车载毫米波终端波束跟踪方法的一个可选的流程图，图4中的方法可以包括但不限于包括步骤S110至步骤S150。同时可以理解的是，本实施例对图4中步骤S110至步骤S150的顺序不做具体限定，可以根据实际需求调整步骤顺序或者减少、增加某些步骤。

步骤S110：获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息。

在一实施例中，参照图5，获取当前时隙车辆的位置矢量和航向角的步骤包括步骤S111至步骤S114：

步骤S111：获取当前时隙的原始雷达点云，并根据原始雷达点云中多个有向点得到稀疏点云。

在一实施例中，参照图6，图6为本申请实施例中原始雷达点云的图像的示意图。图6中以极坐标下原始雷达点云进行示意，极坐标的横轴为车辆周围物体与车辆的距离，纵轴为车辆周围物体与车辆的相对方位角。参照图7，图7为本申请实施例中车辆坐标系下的原始雷达点云的图像的示意图。可见图7更直观地示意了车辆周围物体相对于车辆的距离和方位角信息。通过处理在第k个时隙采集的原始雷达点云，车辆坐标系相对于世界坐标系的位置矢量

由于原始雷达点云中会包括较多的噪声，为了提升计算准确度，需要对原始雷达点云进行去噪。在一实施例中，利用稀疏化过程进行去噪，参照图8，根据原始雷达点云中多个有向点得到稀疏点云的过程具体包括步骤S1111至步骤S1113：

步骤S1111：基于预设功率阈值，在原始雷达点云中选取第一数量的第一目标点。

其中，第一目标点构成第一点云。具体地，对于极坐标下的原始雷达点云中每个方位角都选取第一数量（例如K）个功率超过预设功率阈值Kmin的点作为第一目标点，这个过程称为保守滤波，能够在失去一定的点云信息的代价下，减少原始雷达点云中的检测噪声的检测误差。经过保守滤波之后，原始雷达点云变成由第一目标点构成的第一点云

步骤S1112：在第一点云中进行网格划分，得到多个小网格，并在小网格中选取邻近网格中心的第一目标点作为第二目标点。

其中，第二目标点构成第二点云。将极坐标系下的第一点云

上述

步骤S1113：对第二点云中每个第二目标点在第一点云中选取多个相邻点，并根据相邻点得到第二目标点对应的有向点，根据有向点得到稀疏点云。

在一实施例中，第二点云

将

其中，

有向点的方向向量

通过对第二点云

步骤S112：根据当前时隙车辆的位置矢量与前一时隙车辆的位置矢量得到相对位置矢量，以及根据当前时隙车辆的航向角与前一时隙车辆的航向角得到相对航向角。

在一实施例中，如果当前时隙为k，则前一时隙为k-1。在世界坐标系下，车辆在第k个时隙的位姿（包括待估计的位置矢量和航向角）可以表示成一个齐次变换矩阵

,/>

其中，

从第k-1个时隙到第k个时隙，车辆的相对位姿

，/>

其中，

步骤S113：从前一时隙的稀疏点云中选取有向点的初始相邻点，基于有向点、初始相邻点、相对位置矢量和相对航向角生成优化目标函数。

在一实施例中，在已知车辆于第k-1个时隙的位姿

下面描述点云配准的具体过程。本实施例中，点云配准可以转化成目标函数为点到直线(point-to-line, P2L)距离的无约束最小化问题，优化目标函数表示为：

其中，

上述实施例中，根据优化目标设定：当前时隙的稀疏点云

首先根据有向点、初始相邻点、相对位置矢量和相对航向角计算第一约束函数，表示为：

然后将第一约束函数输入预设损失函数，得到第二约束函数。其中预设损失函数为Huber损失函数，用于削减目标函数对于离群值的敏感程度，因此第二约束函数表示为：

接着以最小化为优化目标，根据第二约束函数得到优化目标函数，表示为：

在一实施例中，从前一时隙的稀疏点云

首先将前一时隙的有向点作为第一有向点

然后选取与第二方向向量

接着在满足夹角要求的第一点集中，以第二有向点

至此，得到上述优化目标函数，该优化目标函数中包括有向点坐标、初始相邻点坐标、相对位置矢量和相对航向角。

步骤S114：对优化目标函数进行迭代求解，得到当前时隙车辆的位置矢量和航向角。

在一实施例中，优化目标函数为无约束优化问题，具体是一个带有损失函数的最小二乘问题，选择合适的优化问题求解器即可进行求解。例如使用优化问题求解器GoogleCeres Solver，在集成开发环境Visual Studio 2022中通过C++语言实现该优化目标函数的迭代求解。在求解过程中，代价函数设置为公式(10)中不带损失函数

在一实施例中，在得到当前时隙的位置矢量和航向角后，再获取前一时隙的信道状态信息。

在一实施例中，对于第k个时隙来说，毫米波基站和车载天线阵列之间的视距信道可以通过信道状态信息进行定义，可以表示为：

上式中，

在车载毫米波终端波束跟踪时，从第k-1个时隙到第k个时隙，毫米波视距信道的状态演进模型可表示为：

上式中，

上述状态演进矩阵

上式中，

上述控制输入

上式中，

上述噪声向量

上式中，

按照上述过程，对于第k-1个时隙来说，第k-2个时隙的信道状态信息可以是已知的。按照上述信道状态信息的计算过程，此时第k-1个时隙的信道状态信息

步骤S120：基于当前时隙的位置矢量和航向角得到当前时隙的控制输入。

其中，当前时隙的控制输入根据前一时隙和当前时隙的位置矢量以及航向角能够得到。

步骤S130：根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵。

在一实施例中，步骤130具体包括以下过程：获取噪声向量和状态演进矩阵；根据状态演进矩阵、信道状态信息和控制输入得到先验信道状态向量；根据信道状态信息得到前一时隙的信道协方差矩阵；根据信道协方差矩阵、状态演进矩阵和噪声向量得到先验信道协方差矩阵。

具体地，在第k-1个时隙的信道状态信息

其中，

接着获取第k-1个时隙的信道协方差矩阵

上述先验信道状态向量

步骤S140：基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角。

在一实施例中，步骤S140具体包括：根据当前时隙的接收信号得到信道量测值，并基于先验信道状态向量和先验信道协方差矩阵计算卡尔曼增益，根据卡尔曼增益、信道量测值和先验信道状态向量计算得到后验信道状态向量，根据卡尔曼增益和先验信道协方差矩阵计算得到后验信道协方差矩阵，根据后验信道状态向量和后验信道协方差矩阵得到出发角和到达角。

在一实施例中，视距信道可以视为几何信道，因此视距信道

其中，d1表示基站天线阵列中天线阵列的间距，d2表示车载天线阵列中天线阵列的间距，d1可以和d2相等，

其中，毫米波基站和毫米波终端均采用模拟波束成型技术实现定向的发送波束和接收波束，毫米波基站生成针对车辆的下行模拟波束成形向量，毫米波终端生成接收模拟波束成形向量。

因此，在第k个时隙，车辆的毫米波终端根据下行模拟波束成形向量和接收模拟波束成形向量确定的接收信号表示为：

其中，

此时，第k个时隙下，根据当前时隙的接收信号得到的信道量测值

其中，

得到信道量测值后，基于先验信道状态向量

/>

其中，

上式中

其中，

在一实施例中，

第k个时隙的后验信道协方差矩阵

其中，

经过上述公式过程，由于后验信道状态向量

信道校正过程具体是：在进行车载毫米波终端波束跟踪前，预先设定初始信道状态向量

如果

如果

步骤S150：根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。

在一实施例中，毫米波基站利用下行模拟波束成形向量进行下行波束跟踪，车载天线阵列根据接收模拟波束成形向量进行上行波束追踪。相关技术中，由于车辆高速运动会造成车辆的位置及姿态（即位姿）的剧烈变化，造成基站发送端预编码以及接收端波束成型的过程产生巨大的波束训练开销，如果不能降低这种开销，则会导致产生较大的误差，影响车载毫米波终端波束跟踪的实时性和准确性。本申请实施例的车载毫米波终端波束跟踪方法能够有效地减少波束训练开销，同时实现高跟踪准确率、长跟踪周期和实时的上下行波束跟踪。

下面描述本申请实施例的整体流程，参照图9，图9为本申请实施例的车载毫米波终端波束跟踪方法的整体流程示意图。

步骤S901中将车辆的初始位置

步骤S902中借助毫米波信道估计技术进行初始状态下的信道估计，得到初始信道状态向量

步骤S903中对用到的参数进行初始化，包括：时隙索引k=0、初始信道状态向量

步骤S904用于更新时隙索引，例如在第k个时隙的车载毫米波终端波束跟踪时，时隙索引为k，在第k个时隙的车载毫米波终端波束跟踪完成后，将时隙索引变为k+1。

下面以第k个时隙的车载毫米波终端波束跟踪为例进行说明。

步骤S905将第k个时隙采集的原始雷达点云作保守滤波，得到第一点云。

步骤S906对保守滤波后的第一点云作网格化降采样，得到第二点云。

步骤S907根据滤波后的第一点云和降采样后的第二点云得到稀疏点云。

步骤S908进行点云配准，对第k个时隙和第k-1个时隙的稀疏点云做配准，得到车辆在第k个时隙的位姿估计结果，即第k个时隙的位置矢量和航向角。

步骤S909在第k-1个时隙，毫米波基站根据输出的出发角

步骤S910在第k-1时隙，毫米波终端根据输出的到达角

步骤S911根据第k个时隙的位置矢量和航向角进行信道预测，得到第k个时隙的先验信道状态向量

步骤S912根据先验信道状态向量和先验信道协方差矩阵进行信道更新，得到第k个时隙的卡尔曼增益、后验信道状态向量和后验信道协方差矩阵，表示为：

步骤S913根据后验信道状态向量提取第k个时隙的幅度

、/>

根据判断结果进行信道校正，如果满足上述条件，则认为当前的信道波束跟踪已经不准确，需要对当前时隙的毫米波视距信道进行信道估计来进行信道校正。

步骤S914输出第k个时隙车辆的位置矢量、航向角以及第k个时隙的后验信道状态向量。

步骤S915判断是否迭代结束，如果未结束则执行步骤S904，更新时隙索引，继续对第k+1个时隙下车辆的位姿进行估计，根据位姿估计结果进行波束跟踪。否则执行步骤S916结束通信过程。

在执行步骤S904后的下一轮迭代过程中，本申请实施例的算法将利用跟踪的后验信道状态向量中的出发角和到达角分别在毫米波基站端和车载天线阵列端配置发送模拟波束成形向量和接收模拟波束成形向量（如步骤S909、S910所示）以实现下行和上行波束跟踪，确保车载毫米波终端波束跟踪过程中能够保证实时性和准确性。

本申请实施例提供的技术方案，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。

本申请实施例还提供一种车载毫米波终端波束跟踪装置，可以实现上述车载毫米波终端波束跟踪方法，参照图10，该装置包括：

数据获取模块1010：用于获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息；

控制输入计算模块1020：用于基于当前时隙的位置矢量和航向角得到当前时隙的控制输入；

信道预测模块1030：用于根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵；

信道更新模块1040：用于基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于车载毫米波终端生成接收模拟波束成形向量；

波束跟踪模块1050：用于根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。

本实施例的车载毫米波终端波束跟踪装置的具体实施方式与上述车载毫米波终端波束跟踪方法的具体实施方式基本一致，在此不再赘述。

本申请实施例还提供了一种电子设备，包括：

至少一个存储器；

至少一个处理器；

至少一个程序；

所述程序被存储在存储器中，处理器执行所述至少一个程序以实现本申请实施例上述的车载毫米波终端波束跟踪方法。该电子设备可以为包括手机、平板电脑、个人数字助理（Personal Digital Assistant，简称PDA）、车载电脑等任意智能终端。

请参阅图11，图11示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器1101，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；存储器1102，可以采用ROM（ReadOnlyMemory，只读存储器）、静态存储设备、动态存储设备或者RAM(RandomAccessMemory，随机存取存储器)等形式实现。存储器1102可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1102中，并由处理器1101来调用执行本申请实施例的车载毫米波终端波束跟踪方法；输入/输出接口1103，用于实现信息输入及输出；通信接口1104，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；和总线1105，在设备的各个组件（例如处理器1101、存储器1102、输入/输出接口1103和通信接口1104）之间传输信息；其中处理器1101、存储器1102、输入/输出接口1103和通信接口1104通过总线1105实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述车载毫米波终端波束跟踪方法。

存储器作为一种非暂态存储介质，可用于存储非暂态性软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提出的车载毫米波终端波束跟踪方法、装置、电子设备、存储介质，通过获取当前时隙车辆的位置矢量和航向角，并获取前一时隙的信道状态信息，基于当前时隙的位置矢量和航向角得到当前时隙的控制输入，根据前一时隙的信道状态信息和当前时隙的控制输入进行信道预测，得到当前时隙的先验信道状态向量和先验信道协方差矩阵，基于先验信道状态向量和先验信道协方差矩阵进行信道更新，得到当前时隙的出发角和到达角；出发角用于毫米波基站生成下行模拟波束成形向量，到达角用于生成接收模拟波束成形向量，根据下行模拟波束成形向量和接收模拟波束成形向量进行波束跟踪。本申请实施例中利用前一时隙的信道状态信息和当前时隙车辆位姿估计值，可以对当前时隙的信道情况进行预测，有助于基站和车载毫米波终端在实时环境下更好地适应信道变化，然后利用信道预测结果，可以动态地对信道进行更新，毫米波基站可以生成下行模拟波束成形向量，以获取最佳传输方向，从而提高信号传输的方向性。同时，车载毫米波终端也可以生成接收模拟波束成形向量，以聚焦接收信号并增强接收灵敏度。另外，毫米波基站和车载毫米波终端可以采取相应的调整策略，以适应信道环境的变化，并优化通信性能。可见本申请实施例的方法通过波束跟踪和信道更新，提高了毫米波基站和车载毫米波终端之间的通信质量和可靠性，这对于车载的高速移动环境下，能够进行可靠通信、提升数据传输速率，使得该方法适用于智能交通和辅助驾驶等应用场景。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。