本技术涉及通信，特别是涉及一种通信信号的类型识别方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术：
1、在实际环境中，如城市环境，大楼内以及地下隧道等当遇到如墙壁、人体和门等各种障碍物时，这些障碍物可能会阻挡和反射无线信号，从而产生非视距传播(non-line ofsight,nlos)。与视距传播(line of sight,los)相比，nlos传播下信号传播经历了额外的时间和距离，产生了信号到达角度偏差，也导致了额外的功率损耗。在许多应用场景中都会存在nlos传播问题，如定位、测向、测距、基站间时钟校准等。当终端设备如用户设备(userequipment,ue)和基站之间存在着nlos传播时，如果不对信号进行任何预先处理，而直接采用信号nlos传播的测量信息的话，那么定位或是校准精度将显著下降。因此，对于依赖于los传播的无线通信系统应用而言，准确识别出nlos传播对系统性能将起到至关重要的作用。
2、传统技术中，基于人工智能的非视距传播与视距传播类型识别，往往通过提取信道状态信息的统计特征值并输入机器学习模型来进行识别，然而基于谱图输入类的方法存在计算复杂度高，导致信号识别效率低下，难以满足实际系统的实时性需求，因而难以在实际部署环境中使用。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高信号识别效率的通信信号的类型识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种通信信号的类型识别方法，包括：
3、获取终端设备在目标采样点与基站的通信信号对应的多个信道状态信息，每个信道状态信息与所述基站的一根天线对应；
4、根据所述每个信道状态信息，得到每个信道状态信息对应的初始信道脉冲响应信息；
5、根据所述每个信道状态信息对应的初始信道脉冲响应信息，得到所述目标采样点的信道图谱；
6、将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果，所述识别结果用于确定所述目标采样点的通信信号的传播类型，所述类型识别模型是以在不同采样点的历史信道图谱和类型标签为样本集训练后生成的。
7、在其中一个实施例中，所述根据所述每个信道状态信息对应的初始信道脉冲响应信息，得到所述目标采样点的信道图谱，包括：
8、获取每个初始信道脉冲响应信息的幅度信息；
9、对所述每个初始信道脉冲响应信息的幅度信息进行时延归一化和幅值归一化处理，得到归一化处理后的初始信道脉冲响应信息；
10、对多个归一化处理后的初始信道脉冲响应信息进行去噪处理，得到多个目标信道脉冲响应信息；
11、对所述多个目标信道脉冲响应信息进行拼接，得到所述目标采样点的信道图谱。
12、在其中一个实施例中，所述对所述每个初始信道脉冲响应信息的幅度信息进行时延归一化和幅值归一化处理，得到归一化处理后的初始信道脉冲响应信息，包括：
13、根据每个所述初始信道脉冲响应信息的幅度信息，确定每个所述初始信道脉冲响应信息的最大幅度值以及每个所述初始信道脉冲响应信息的最大幅度值对应的采样点；
14、根据每个所述初始信道脉冲响应信息的最大幅度值对应的采样点，将每个所述初始信道脉冲响应信息的最大幅度值对应的采样点循环位移至第一个采样点，以归一化每个所述初始信道脉冲响应信息的时延；
15、对每个所述初始信道脉冲响应信息的幅度信息除以所述最大幅度值，以归一化每个所述初始信道脉冲响应信息的幅值。
16、在其中一个实施例中，所述对所述多个目标信道脉冲响应信息进行拼接，得到所述目标采样点的信道图谱，包括：
17、获取每个目标信道脉冲响应信息对应的传输通道；所述传输通道用于传输终端设备在目标采样点与基站的任意天线之间的通信信号；
18、以所述传输通道为维度对所述目标采样点对应的目标信道脉冲响应信息进行拼接，得到所述目标采样点对应的信道图谱。
19、在其中一个实施例中，将目标采样点的信道图谱输入类型识别模型，并获取类型识别模型输出的识别结果，包括：
20、从输入的目标采样点的信道图谱中提取特征值，得到特征矩阵；
21、对特征矩阵进行拉平处理，得到信道图谱的一维特征向量；
22、根据预设的权值和偏置矩阵，以及一维特征向量，确定识别结果。
23、在其中一个实施例中，在所述将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果之前，还包括：
24、获取不同采样点的历史通信信号和所述不同采样点分别对应的类型标签，所述类型标签用于指示所述历史通信信号的传播类型为视距传播或非视距传播；
25、对所述不同采样点的历史通信信号进行信道估计，生成历史信道状态信息集合；
26、根据所述历史信道状态信息集合，生成所述不同采样点的历史信道图谱；
27、以所述不同采样点的历史信道图谱和所述不同采样点分别对应的类型标签为样本集，训练所述类型识别模型。
28、第二方面，本技术还提供了一种通信信号的类型识别装置，包括：
29、第一获取模块，用于获取终端设备在目标采样点与基站的通信信号对应的多个信道状态信息，每个信道状态信息与所述基站的一根天线对应；
30、转换模块，用于根据所述每个信道状态信息，得到每个信道状态信息对应的初始信道脉冲响应信息；
31、信道图谱生成模块，用于根据所述每个信道状态信息对应的初始信道脉冲响应信息，得到所述目标采样点的信道图谱；
32、识别结果生成模块，用于将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果，所述识别结果用于确定所述目标采样点的通信信号的传播类型，所述类型识别模型是以在不同采样点的历史信道图谱和类型标签为样本集训练后生成的。
33、在其中一个实施例中，所述类型识别模型包括轻量残差网络模型，所述轻量残差网络包括残差模块、平坦层和全连接层，所述残差模块和所述全连接层通过所述平坦层连接；
34、所述残差模块用于提取所述信道图谱的特征值，得到特征矩阵，并将所述特征矩阵输入所述平坦层；
35、所述平坦层用于对所述特征矩阵进行拉平处理，得到所述信道图谱的一维特征向量，并将所述一维特征向量输入至所述全连接层；
36、所述全连接层用于根据预设的权值和偏置矩阵，以及所述一维特征向量，确定所述识别结果。
37、第三方面，本技术还提供了一种计算机设备，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的方法的步骤。
38、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
39、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的方法的步骤。
40、上述通信信号的类型识别方法、装置、计算机设备、存储介质和计算机程序产品，首先获取终端设备在目标采样点与基站的通信信号对应的多个信道状态信息，每个信道状态信息与所述基站的一根天线对应；其次根据所述每个信道状态信息，得到每个信道状态信息对应的初始信道脉冲响应信息；再次根据所述每个信道状态信息对应的初始信道脉冲响应信息，得到所述目标采样点的信道图谱；最后将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果，所述识别结果用于确定所述目标采样点的通信信号的传播类型，所述类型识别模型是以在不同采样点的历史信道图谱和类型标签为样本集训练后生成的。通过该方法，将多个信道状态信息进行低复杂度计算处理，从而得到目标采样点的信道图谱，通过将目标采样点的信道图谱输入预先训练的类型识别模型，减少了类型识别模型对目标采样点的信道图谱的计算处理，从而得到类型识别模型输出的识别结果，提高了识别结果的效率和实时性。
1.一种通信信号的类型识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述每个信道状态信息对应的初始信道脉冲响应信息，得到所述目标采样点的信道图谱，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述每个初始信道脉冲响应信息的幅度信息进行时延归一化和幅值归一化处理，得到归一化处理后的初始信道脉冲响应信息，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述多个目标信道脉冲响应信息进行拼接，得到所述目标采样点的信道图谱，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，在所述将所述目标采样点的信道图谱输入类型识别模型，并获取所述类型识别模型输出的识别结果之前，还包括：
7.一种通信信号的类型识别装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述类型识别模型包括轻量残差网络模型，所述轻量残差网络包括残差模块、平坦模块和全连接模块，所述残差模块和所述全连接模块通过所述平坦模块连接；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
