1.本技术属于通信
技术领域：
：，具体涉及一种参考信号序列生成方法、装置、设备及介质。
背景技术：
：：2.目前，在新空口(newradio，nr)中，设备1(例如发射端)可以通过伪噪声(pseudonoise，pn)序列(或zadoff-chu序列)生成参考信号，并将该参考信号通过信道发送至设备2(例如接收端)，从而接收端可以根据参考信号，进行信道估计或信道探测，并根据信道估计或信道探测的结果，与发射端进行无线通信。3.但是，由于参考信号在通过信道时，可能会受到信道的噪声和干扰的影响，从而可能会使得接收端的信道估计或信道探测的结果不准确，因此，可能会导致发射端无法与接收端进行无线通信，如此，导致设备通信的可靠性较差。技术实现要素：4.本技术实施例提供一种参考信号序列生成方法、装置、设备及介质，能够解决设备通信的可靠性较差的问题。5.第一方面，提供了一种参考信号序列生成方法，该方法包括：第一设备获取目标神经网络；第一设备基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。6.第二方面，提供了一种参考信号序列生成装置，该参考信号序列生成装置为第一参考信号序列生成装置，该参考信号序列生成装置包括：获取模块。其中，获取模块，用于获取目标神经网络；并基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。7.第三方面，提供了一种参考信号序列生成方法，该方法包括：第二设备从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：第一设备发送的第一参考信号序列；第二设备基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列；第二设备向第一设备发送第二信道估计值；其中，上述第二信道估计值为：第二设备根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；上述目标神经网络用于生成目标参考信号序列。8.第四方面，提供了一种参考信号序列生成装置，该参考信号序列生成装置为第二参考信号序列生成装置，该参考信号序列生成装置包括：接收模块、执行模块和发送模块。其中，接收模块，用于从至少一个第三参考信号序列生成装置接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：至少一个第三参考信号序列生成装置中的第一参考信号序列生成装置发送的第一参考信号序列。执行模块，用于基于接收模块接收的每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。发送模块，用于向第一参考信号序列生成装置发送第二信道估计值；其中，上述第二信道估计值为：第二参考信号序列生成装置根据第一参考信号序列生成装置对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一参考信号序列生成装置训练得到目标神经网络；上述目标神经网络用于生成目标参考信号序列。9.第五方面，提供了一种终端，该终端包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或实现如第三方面所述的方法的步骤。10.第六方面，提供了一种网络侧设备，该网络侧设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或实现如第三方面所述的方法的步骤。11.第七方面，提供了一种终端，该终端包括处理器及通信接口，其中，所述处理器用于获取目标神经网络，并基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。12.第八方面，提供了一种终端，该终端包括处理器及通信接口，其中，所述通信接口用于从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：第一设备发送的第一参考信号序列。所述处理器用于基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。所述通信接口还用于向第一设备发送第二信道估计值。其中，上述第二信道估计值为：终端根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。13.第九方面，提供了一种网络侧设备，该网络侧设备包括处理器及通信接口，其中，所述处理器用于获取目标神经网络，并基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。14.第十方面，提供了一种网络侧设备，该网络侧设备包括处理器及通信接口，其中，所述通信接口用于从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：第一设备发送的第一参考信号序列。所述处理器用于基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。所述通信接口还用于向第一设备发送第二信道估计值。其中，上述第二信道估计值为：网络侧设备根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。15.第十一方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。16.第十二方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法，或实现如第三方面所述的方法。17.第十三方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在非易失的存储介质中，所述程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或实现如第三方面所述的方法的步骤。18.在本技术实施例中，第一设备可以获取目标神经网络，并基于目标神经网络，获取目标参考信号序列，该目标神经网络包括n个目标神经元组，该n个目标神经元组的n个目标权重参数与目标参考信号序列的n个目标元素一一对应。由于第一设备是根据目标神经网络，获取目标参考信号序列的，该目标神经网络的n个目标权重参数与n个目标元素一一对应，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升设备通信的可靠性。附图说明19.图1是本技术实施例提供的一种无线通信系统的框图；20.图2是本技术实施例提供的参考信号序列生成方法的示意图之一；21.图3是本技术实施例提供的参考信号序列生成方法的示意图之二；22.图4是本技术实施例提供的参考信号序列生成方法的示意图之三；23.图5是本技术实施例计算得到第一参考序列信号的元素的实部参数和虚部参数的示意图；24.图6是本技术实施例提供的参考信号序列生成方法的示意图之四；25.图7是本技术实施例提供的参考信号序列生成方法的示意图之五；26.图8是本技术实施例提供的第一参考信号序列生成装置的结构示意图；27.图9是本技术实施例提供的第二参考信号序列生成装置的结构示意图；28.图10是本技术实施例提供的通信设备的结构示意图；29.图11是本技术实施例提供的终端的硬件结构示意图；30.图12是本技术实施例提供的网络侧设备的硬件结构示意图。具体实施方式31.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本技术保护的范围。32.以下将对本技术实施例涉及的术语进行说明。33.1、神经网络34.神经网络是由多个神经元组成的，其中，该多个神经元中的每个神经元包括一个权重参数。35.在神经网络的训练过程中，每个神经元可以接收输入的信息，并分别经过激活函数处理后，输出处理后的信息，从而可以根据处理后的信息和真实信息间的偏差程度，确定损失函数，再通过优化算法，对每个神经元的权重参数进行修正，如此重复，以得到训练好的神经网络。36.其中，优化算法是：最小化或最大化损失函数的算法。该优化算法可以包括以下任一项：梯度下降算法、随机梯度下降算法、小批量梯度下降算法，动量法、带动量的随机梯度下降算法、自适应梯度下降算法、均方根误差降速算法、自适应动量估计算法等。37.2、参考信号38.参考信号(referencesignal，rs)，即参考信号序列，是系统设计的重要组成部分。参考信号包括：下行参考信号和上行参考信号。39.其中，下行参考信号，用于信道状态信息的测量、数据解调、波束训练、时频参数跟踪等。40.上行参考信号，用于上下行信道测量、数据解调等。41.3、其他术语42.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本技术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，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。43.值得指出的是，本技术实施例所描述的技术不限于长期演进型(longtermevolution，lte)/lte的演进(lte-advanced，lte-a)系统，还可用于其他无线通信系统，诸如码分多址(codedivisionmultipleaccess，cdma)、时分多址(timedivisionmultipleaccess，tdma)、频分多址(frequencydivisionmultipleaccess，fdma)、正交频分多址(orthogonalfrequencydivisionmultipleaccess，ofdma)、单载波频分多址(single-carrierfrequency-divisionmultipleaccess，sc-fdma)和其他系统。本技术实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(newradio，nr)系统，并且在以下大部分描述中使用nr术语，但是这些技术也可应用于nr系统应用以外的应用，如第6代(6thgeneration，6g)通信系统。44.图1示出本技术实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(tabletpersonalcomputer)、膝上型电脑(laptopcomputer)或称为笔记本电脑、个人数字助理(personaldigitalassistant，pda)、掌上电脑、上网本、超级移动个人计算机(ultra-mobilepersonalcomputer，umpc)、移动上网装置(mobileinternetdevice，mid)、增强现实(augmentedreality，ar)/虚拟现实(virtualreality，vr)设备、机器人、可穿戴式设备(wearabledevice)、车载设备(vue)、行人终端(pue)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装、游戏机等。需要说明的是，在本技术实施例并不限定终端11的具体类型。网络侧设备12可以是基站或核心网，其中，基站可被称为节点b、演进节点b、接入点、基收发机站(basetransceiverstation，bts)、无线电基站、无线电收发机、基本服务集(basicserviceset，bss)、扩展服务集(extendedserviceset，ess)、b节点、演进型b节点(enb)、家用b节点、家用演进型b节点、wlan接入点、wifi节点、发送接收点(transmittingreceivingpoint，trp)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本技术实施例中仅以nr系统中的基站为例，但是并不限定基站的具体类型。45.下面结合附图，通过一些实施例及其应用场景对本技术实施例提供的参考信号序列生成方法进行详细地说明。46.图2示出了本技术实施例提供的一种参考序列生成方法的流程图。如图2所示，本技术实施例提供的参考序列生成方法可以包括下述的步骤101和步骤102。47.步骤101、第一设备获取目标神经网络。48.可选地，本技术实施例中，第一设备具体可以为：用户设备(userequipment，ue)，或网络侧设备。49.可选地，本技术实施例中，上述目标神经网络是：基于第一设备的信道信息训练得到的。50.可选地，本技术实施例中，上述目标神经网络可以为以下任一项：全连接神经网络、卷积神经网络、循环神经网络、残差神经网络、生成对抗神经网络等。需要说明的是，本技术实施例中是以目标神经网络为全连接神经网络为例进行举例说明的，当然目标神经网络还可以为其他神经网络，本领域技术人员可以根据需求选择，本技术实施例对此不作限定。51.可选地，本技术实施例中，上述目标神经网络可以为：第一设备中预存的神经网络。具体地，该预存的神经网络可以为：第一设备训练得到的神经网络。52.进一步可选地，本技术实施例中，目标神经网络可以为：第一设备从第一设备预存的训练后的神经网络中，确定出来的神经网络。可以理解，第一设备中可以预存训练后的至少一个神经网络，并根据需求选择该至少一个神经网络中的神经网络。53.以下将举例说明，第一设备是如何从预存的神经网络中，确定目标神经网络的。54.可选地，本技术实施例中，上述步骤101具体可以通过下述的步骤101a实现。55.步骤101a、第一设备根据第二物理参数，确定目标神经网络。56.本技术实施例中，第二物理参数包括以下至少一项：57.绑定尺寸bundlingsize；58.资源块rb；59.物理资源块prb；60.多个用户mu的数量；61.参考信号序列的时频域图案pattern在时频域上的密度。62.进一步可选地，本技术实施例中，第一设备可以根据x个第一对应关系，从至少一个第三神经网络中，确定与第二物理参数对应的目标神经网络。其中，每个第一对应关系为：一个物理参数和一个第三神经网络间的对应关系，x为正整数。其中，至少一个第三神经网络为：第一设备中预存的训练后的神经网络。63.具体地，第一设备可以从x个物理参数中，确定出与第二物理参数相匹配的一个物理参数，再将该一个物理参数对应的一个第三神经网络，确定为目标神经网络。64.本技术实施例中，在第一设备处于推理阶段(即需要使用参考信号序列进行无线通信时)，由于第一设备需要使用的参考信号序列的参数(例如长度等)可能是不同的，因此第一设备可以根据需求，从预存的至少一个第三神经网络中，确定出需要使用的目标神经网络。65.如此可知，由于可以根据第二物理参数，确定出需要使用的目标神经网络，而并不是基于固定的神经网络获取参考信号序列，因此，可以提升获取第一设备需求的参考信号序列的准确性。66.本技术实施例中，上述目标神经网络包括n个目标神经元组，该n个目标神经元组中的每个目标神经元组对应一个目标权重参数，n为正整数。67.可选地，本技术实施例中，针对n个目标权重参数中的每个目标权重参数，一个目标权重参数可以为：实部参数(即实数)，或无量化的参数。68.进一步可选地，本技术实施例中，n个目标权重参数中的每个目标权重参数可以为复数。69.可选地，本技术实施例中，上述n个目标神经元组中的每个目标神经元组包括至少一个神经元。其中，每个神经元包括一个子权重参数；每个目标神经元组对应的目标权重参数是：根据该每个目标神经元组包括的神经元的子权重参数确定的。70.示例性地，假设n个目标神经元组包括目标神经元组1和目标神经元组2，该目标神经元组1包括神经元1、神经元2和神经元3，该目标神经元组2包括神经元4、神经元5和神经元6，则目标神经元组1对应的目标权重参数是：根据神经元1的子权重参数、神经元2的子权重参数和神经元3的子权重参数确定的，目标神经元组2对应的目标权重参数是：根据神经元4的子权重参数、神经元5的子权重参数和神经元6的子权重参数确定的。71.进一步可选地，本技术实施例中，n个目标神经元组中的每个目标神经元组包括：子权重参数为实部参数的一部分神经元，和子权重参数为虚部参数的一部分神经元，从而该每个目标神经元组对应的目标权重参数的实部参数可以根据该一部分神经的子权重参数确定，且该每个目标神经元组对应的目标权重参数的虚部参数可以根据该另一部分神经的子权重参数确定。72.以下将以子权重参数为实部参数的一部分神经元为l个第一神经元，子权重参数为虚部参数的另一部分神经元为m个第二神经元为例，进行举例说明。73.可选地，本技术实施例中，上述n个目标神经元组中的每个目标神经元组包括：l个第一神经元和m个第二神经元，该l个第一神经元中的每个第一神经元对应一个第一实部参数，该m个第二神经元中的每个第二神经元对应一个第一虚部参数，l、m均为正整数。74.可以理解，针对l个第一神经元中的每个第一神经元，一个第一神经元的子权重参数具体可以为：对应的第一实部参数；针对m个第二神经元中的每个第二神经元，一个第二神经元的子权重参数具体可以为：对应的第二实部参数。75.本技术实施例中，每个目标神经元组对应的目标权重参数是：根据l个第一实部参数和m个第一虚部参数确定的。76.进一步可选地，本技术实施例中，l＝m。77.进一步可选地，本技术实施例中，第一设备可以根据l个第一实部参数，采用第一算法，确定每个目标神经元组对应的目标权重参数的实部参数，并根据m个第二实部参数，采用第二算法，确定该每个目标神经元组对应的目标权重参数的虚部参数，从而得到该每个目标神经元组对应的目标权重参数。78.具体地，第一算法可以为以下至少一项：加法、减法、乘法、除法、求平均值法等；第二算法可以为以下至少一项：加法、减法、乘法、除法、求平均值法等。其中，该第二算法与第一算法可以相同或不同。79.本技术实施例中，上述信道信息包括以下任一项：信道向量、信道矩阵。80.可选地，在本技术实施例的一种可能的实现方式中，信道信息为：第一设备根据第一设备接收到数据序列确定的。81.可选地，在本技术实施例的另一种可能的实现方式中，信道信息为：第一设备从第二设备接收的。82.可选地，本技术实施例中，信道信息可以包括至少一个元素，该至少一个元素中的每个元素可以为以下任一项：实数、虚数、复数。83.步骤102、第一设备基于目标神经网络，获取目标参考信号序列。84.本技术实施例中，上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素。85.可选地，本技术实施例中，第一设备可以将n个目标神经元组的n个目标权重参数，分别确定为对应的目标元素，以生成目标参考信号序列。86.进一步可选地，本技术实施例中，第一设备可以将第一个目标神经元组的目标权重参数，确定为第一个目标元素，并将第二个目标神经元组的目标权重参数，确定为第二个目标元素，以及将第三个目标神经元组的目标权重参数，确定为第三个目标元素，以此类推，直至将最后一个目标神经元组的目标权重参数，确定为最后一个目标元素，以获取目标参考信号序列。87.可以理解，目标神经网络的n个目标神经元组的个数，与目标参考信号序列的长度相同；该目标神经网络的神经元的个数，为目标参考信号序列的长度的至少一倍。88.示例性地，目标神经网络的神经元的个数，为目标参考信号序列的长度的两倍。89.可选地，本技术实施例中，在第一设备获取目标参考信号序列之后，第一设备还可以根据需求，再次执行上述步骤101和步骤102，即获取其他神经网络，并基于该其他神经网络，获取其他参考信号序列。90.本技术实施例中，第一设备中预存有目标神经网络，该目标神经网络是基于第一设备的信道信息训练得到的，从而第一设备可以获取该目标神经网络，并将该目标神经网络的目标神经元组对应的目标权重参数，确定为参考信号序列的目标元素，以生成目标参考信号序列。91.可选地，本技术实施例中，结合图2，如图3所示，在上述步骤102之后，本技术实施例提供的参考信号序列生成方法还可以包括下述的步骤103。92.步骤103、第一设备向第二设备发送第一信令。93.可选地，本技术实施例中，上述第一信令包括以下至少一项：94.无线资源控制rrc信令；95.物理下行控制信道pdcch的层1信令；96.物理下行共享信道pdsch的信息；97.媒体接入控制层控制单元mac的信令；98.系统信息块sib；99.物理上行控制信道pucch的层1信令；100.物理随机接入信道prach的目标消息信息；101.物理上行共享信道pusch的信息；102.xn接口信令；103.pc5接口信令；104.旁链路sidelink接口指令；105.本技术实施例中，上述目标消息包括以下至少一项：消息msg1信息、msg2信息、msg3信息、msg4信息、msga信息、msgb信息。106.本技术实施例中，上述第一信令承载有：目标参考信号序列，或目标参考信号序列的标识，或目标参考信号序列经过压缩等处理得到的信息。107.本技术实施例中，上述第二设备具体可以为：ue，或网络侧设备。108.进一步可选地，本技术实施例中，在第一设备为ue的情况下，第二设备为网络侧设备；在第一设备为网络侧设备的情况下，第二设备为ue。109.可以理解，第一设备可以将目标参考信号序列(或目标参考信号序列的标识)发送至第二设备，以使得第二设备可以根据目标参考信号序列进行信道估计或信号检测相关的操作。110.进一步可选地，本技术实施例中，在第一设备生成其他参考信号序列之后，第一设备可以再次执行上述步骤103，可以理解，第一设备生成的参考信号序列发生变化，则第一设备可以将变化后的参考信号序列通过第一信令再次发送至第二设备。111.如此可知，由于第一设备可以向第二设备发送承载有目标参考信号序列(或目标参考信号序列的标识)的第一信令，以使得第二设备可以根据目标参考信号序列进行信道估计，因此，可以提升第一设备通信的可靠性。112.本技术实施例提供的参考信号序列生成方法，第一设备可以获取目标神经网络，并基于目标神经网络，获取目标参考信号序列，该目标神经网络包括n个目标神经元组，该n个目标神经元组的n个目标权重参数与目标参考信号序列的n个目标元素一一对应。由于第一设备是根据目标神经网络，获取目标参考信号序列的，该目标神经网络的n个目标权重参数与n个目标元素一一对应，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升第一设备通信的可靠性。113.下面将举例说明第一设备是如何得到目标神经网络的。114.可选地，本技术实施例中，结合图2，如图4所示，在上述步骤101之前，本技术实施例提供的参考信号序列生成方法还可以包括下述的步骤201。115.步骤201、第一设备采用信道信息，对第一神经网络进行训练，得到目标神经网络。116.进一步可选地，本技术实施例中，第一神经网络可以为：第一设备中预存的未训练神经网络中的。117.进一步可选地，本技术实施例中，第一神经网络可以包括：一个神经网络或多个神经网络。118.需要说明的是，上述“第一神经网络包括多个神经网络”可以理解为：第一神经网络包括的多个神经网络可以分别根据输入的信息，输出处理后的信息，即该多个神经网络是相对独立设置的。119.以下将举例说明，第一设备是如何确定第一神经网络的。120.可选地，本技术实施例中，在上述步骤201之前，本技术实施例提供的参考信号序列生成方法还可以包括下述的步骤301。121.步骤301、第一设备根据第一物理参数，确定第一神经网络。122.本技术实施例中，第一物理参数包括以下至少一项：123.bundlingsize；124.rb；125.prb；126.mu的数量；127.参考信号序列的时频域pattern在时频域上的密度。128.进一步可选地，本技术实施例中，第一设备可以根据y个第二对应关系，从至少一个第四神经网络中，确定与第一物理参数对应的第一神经网络。其中，每个第二对应关系为：一个物理参数和一个第四神经网络间的对应关系，y为正整数。129.具体地，第一设备可以从y个物理参数中，确定出与第一物理参数相匹配的一个物理参数，再将该一个物理参数对应的一个第四神经网络，确定为第一神经网络。130.如此可知，由于第一设备可以根据第一物理参数，确定出需要训练的第一神经网络，而并不是对固定的神经网络进行训练，因此可以得到不同的神经网络，从而第一设备可以基于该不同的神经网络，获取不同的参考信号序列，如此，可以提升生成第一设备需求的参考信号序列的准确性。131.可选地，本技术实施例中，信道信息包括：q个第一元素，q为正整数。具体地，上述步骤201具体可以通过下述的步骤201a至步骤201c实现。132.步骤201a、第一设备将q个第一元素输入第一神经网络，生成第一参考信号序列。133.可选地，本技术实施例中，第一神经网络包括n个第一神经元组，该n个第一神经元组中的每个第一神经元组对应一个第一权重参数；其中，第一参考信号序列是：根据q个第一元素与n个第一权重参数，采用相乘运算计算得到的。134.需要说明的是，上述“相乘运算”不限于实数参数的相乘，也可以复数参数的相乘，不限于元素与元素的相乘，可以是任意广义范围的乘积，如内积、外积、矩阵集合中的矩阵的乘积、矩阵的阿达马(哈达码)乘积、矩阵的克罗内克乘积、张量的外积、张量的张量积、逐点乘积等。135.举例说明，以q个第一元素为一个第一元素(例如h)，n个第一权重参数为一个第一权重参数(例如p)为例进行说明。如图5所示，h包括实部参数(例如re{h})和虚部参数(例如im{h})，p包括实部参数(例如re{p})和虚部参数(例如im{p})，从而第一设备可以根据p与h，采用相乘运算计算得到第一参考序列信号的元素的实部参数和虚部参数，以得到第一参考信号序列。其中，re{}表示对括号中的元素取实部，im{}表示对括号中的元素取虚部，“×”表示点乘运算，“+”表示加法运算，“‑”表示减法运算。136.在第一神经网络包括不同数量的神经网络的情况下，第一设备生成第一参考信号序列的过程可以是不同的，以下将分别以第一神经网络包括一个神经网络和多个神经网络为例，进行举例说明。137.针对第一神经网络包括一个神经网络的情况：138.可选地，本技术实施例中，上述q个第一元素中的每个第一元素对应一个第二实部参数和一个第二虚部参数；上述第一参考信号序列包括：n个第二元素。具体地，上述步骤201a具体可以通过下述的步骤201a1和步骤201a2实现。139.步骤201a1、第一设备将q个第二实部参数和q个第二虚部参数分别输入第一神经网络，得到输出的n个第三实部参数和n个第三虚部参数。140.进一步可选地，本技术实施例中，在第一设备将q个第二实部参数和q个第二虚部参数分别输入第一神经网络之后，第一神经网络可以基于该q个第二实部参数和q个第二虚部参数，采用相乘运算计算得到的n个第三实部参数和n个第三虚部参数。141.可以理解，n个第三实部参数为：第一参考序列信号的元素的实部参数，n个第三虚部参数为：第一参考序列信号的元素的虚部参数。142.步骤201a2、第一设备根据n个第三实部参数和n个第三虚部参数，分别确定n个第二元素。143.进一步可选地，本技术实施例中，第一设备可以根据一个第三实部参数和一个第三虚部参数，确定一个第二元素，并根据另一个第三实部参数和另一个第三虚部参数，确定另一个第二元素，以此类推，直至根据最后一个第三实部参数和最后一个第三虚部参数，确定最后一个第二元素，以确定n个第二元素，以得到第一参考信号序列。144.如此可知，由于第一设备可以将q个第二实部参数和q个第二虚部参数分别输入第一神经网络，得到第一参考信号序列的元素的实部参数和虚部参数，即得到通过信道后的参考信号序列的元素的实部参数和虚部参数，以得到通过信道后的第一参考信号序列，因此，第一设备可以基于该第一参考信号序列对第一神经网络进行训练，得到可以生成较强的抗噪声能力和抗干扰能力的目标神经网络，如此，可以提升第一设备通信的可靠性。145.针对第一神经网络包括多个神经网络的情况：146.可选地，本技术实施例中，第一神经网络包括：r个第二神经网络，r为大于1的正整数。具体地，上述步骤201a具体可以通过下述的步骤201a3至步骤201a5实现。147.步骤201a3、第一设备根据q个第一元素，确定r个元素组。148.本技术实施例中，不同的元素组中包括不同的第一元素。149.进一步可选地，本技术实施例中，第一设备可以根据q个第一元素的数量(即q)和r个第二神经网络的数量(即r)，确定第一数值(例如k)，再将每k个第一元素确定为一个元素组，以得到r个元素组；其中，第一数值为整数。150.可以理解，r个元素组中的每个元素组中包括至少一个第一元素，每个元素组中包括的第一元素的数量可以相同或不同。151.具体地，第一设备可以根据q和r的比值，确定第一数值。152.示例性地，假设q个第一元素包括元素1、元素2、元素3、元素4、元素5和元素6，r个第二神经网络包括：神经网络1和神经网络2，则第一设备可以根据q个第一元素的数量(即6)和r个第二神经网络的数量(即2)的比值，确定第一数值，即6/2＝3，再将每3个第一元素确定为一个元素组，即将元素1、元素2和元素3确定为一个元素组，将元素4、元素5和元素6确定为另一个元素组，以得到2个元素组。153.又示例性地，假设q个第一元素包括元素1、元素2、元素3、元素4和元素5，r个第二神经网络包括：神经网络1和神经网络2，则第一设备可以根据q个第一元素的数量(即5)和r个第二神经网络的数量(即2)的比值，即5/2＝2.5，确定第一数值，即3，再将每3个第一元素确定为一个元素组，即将元素1、元素2和元素3确定为一个元素组，将元素4和元素5确定为另一个元素组，以得到2个元素组。154.步骤201a4、第一设备将每个元素组分别输入每个第二神经网络，生成每个第二神经网络对应的第二参考信号序列，得到r个第二参考信号序列。155.进一步可选地，本技术实施例中，第一设备可以将第一个元素组输入第一个第二神经网络，生成第一个第二参考信号序列，该第一个第二参考信号序列的元素是该第一个第二神经网络输出的，并将第二个元素组输入第二个第二神经网络，生成第二个第二参考信号序列，该第二个第二参考信号序列的元素是该第二个第二神经网络输出的，以此类推，直至将最后一个元素组输入最后一个第二神经网络，生成最后一个第二参考信号序列，该最后一个第二参考信号序列的元素是该最后一个第二神经网络输出的，以得到r个第二参考信号序列。156.步骤201a5、第一设备基于r个第二参考信号序列，执行第二操作，生成第一参考信号序列。157.本技术实施例中，第二操作包括以下至少一项：158.添加噪声、叠加r个第二参考信号序列、拼接r个第二参考信号序列。159.如此可知，由于第一设备可以将q个第一元素，分为r个元素组，并将该r个元素组输入r个第二神经网络，生成r个第二参考信号序列，以及，基于该r个第二参考信号序列，执行添加噪声(和/或叠加r个第二参考信号序列，和/或拼接r个第二参考信号序列)操作，得到通过不同信道后的第一参考信号序列，因此，第一设备可以基于该第一参考信号序列对第一神经网络进行训练，得到可以生成强抗噪声能力和强抗干扰能力的目标神经网络，如此，可以提升第一设备通信的可靠性。160.步骤201b、第一设备基于目标信道估计值，确定目标损失函数。161.本技术实施例中，上述目标信道估计值是：根据第一参考信号序列进行信道估计得到的。162.进一步可选地，本技术实施例中，目标信道估计值可以是：第一设备(或其他设备(例如下述实施例中的第二设备))根据第一参考信号序列进行信道估计得到的。163.可选地，本技术实施例中，上述目标信道估计值包括以下任一项：164.第一设备根据第一参考信号序列进行信道估计得到的第一信道估计值；165.第一设备从第二设备接收到的第二信道估计值。166.本技术实施例中，上述第二信道估计值为：在第二设备从第一设备接收第一参考信号序列的情况下，第二设备根据第一参考信号序列进行信道估计，得到的信道估计值。167.进一步可选地，本技术实施例中，第一设备可以采用第五神经网络，根据第一参考信号序列进行信道估计得到的第一信道估计值，以得到目标信道估计值。168.可以理解，第一神经网络的输出，与第五神经网络的输入连接。169.具体地，第五神经网络和第一神经网络可以视为一个大的未训练神经网络，该一个大的未训练神经网络全部部署于第一设备中。170.进一步可选地，本技术实施例中，第二信道估计值为：在第二设备从第一设备接收第一参考信号序列的情况下，第二设备采用第六神经网络，根据第一参考信号序列进行信道估计得到的信道估计值。171.可以理解，第一神经网络的输出，与第六神经网络的输入连接。172.具体地，第六神经网络和第一神经网络可以视为一个大的未训练神经网络，该一个大的未训练神经网络的一部分部署于第一设备中，另一部分部署于第二设备中。173.具体地，第一设备可以向第二设备发送第一参考信号序列，以使得第二设备在接收到该第一参考信号序列的情况下，根据该第一参考信号序列进行信道估计，并向第一设备发送信道反馈信息，该信道反馈信息中包括第二信道估计值，从而第一设备可以根据该信道反馈信息恢复出第二信道估计值，以得到目标信道估计值。174.本技术实施例中，上述目标损失函数用于表征：目标信道估计值与信道真值间的偏差程度；该信道真值是：根据信道信息确定的。175.可选地，本技术实施例中，上述目标损失函数包括：目标信道估计值和信道真值间的第一参数。176.本技术实施例中，上述第一参数包括以下至少一项：均方误差、归一化均方误差、范数、相关系数、余弦相似度。177.可以理解，第一设备可以根据目标信道估计值，构造监督学习时的优化目标(即目标损失函数)，该优化目标可以为以下的一个或多个：178.目标信道估计值和信道真值之间的均方误差；179.目标信道估计值和信道真值之间的归一化均方误差；180.目标信道估计值和信道真值之间的范数；181.目标信道估计值和信道真值之间的相关性指标；182.其中，该相关性指标包括以下至少一项：相关系数、余弦相似度等。183.可选地，本技术实施例中，上述目标损失函数包括：采用目标信道估计值执行第一操作之后，得到的第二参数。184.本技术实施例中，上述第一操作为：无线通信系统中信道估计的后续操作。185.可选地，本技术实施例中，第一操作包括以下任一项：信号检测、预编码、波束赋形。186.上述第二参数用于表征以下至少一项：无线通信传输正确率、无线通信传输效率。187.可选地，本技术实施例中，第二参数包括以下至少一项：无线通信传输错误比特率、无线通信传输错误块概率、无线通信传输信噪比、无线通信传输信干噪比、无线通信传输频谱效率、无线通信传输吞吐量。188.其中，上述第一操作包括但不限于信号检测、预编码、波束赋形。189.可以理解，第一设备(或其他设备(例如下述实施例中的第二设备))可以根据目标信道估计值，构造非监督学习时的优化目标(即目标损失函数)，该优化目标可以为以下的一个或多个：190.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的错误比特概率；191.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的错误块概率；192.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的信噪比；193.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的信干噪比；194.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的频谱效率；195.采用目标信道估计值，执行信号检测相关的操作(例如信号检测、预编码、波束赋形等)后的吞吐量。196.进一步可选地，本技术实施例中，第一设备(或其他设备)可以根据目标信道估计值执行第一操作之后，得到第二参数。197.具体地，在一种可能的实现方式中，第一设备可以向第二设备发送第一参考信号序列，以使得第二设备在接收到该第一参考信号序列的情况下，根据该第一参考信号序列进行信道估计，并向第一设备发送信道反馈信息，该信道反馈信息中包括第二信道估计值，从而第一设备可以根据该信道反馈信息恢复出第二信道估计值，以得到目标信道估计值，并采用该目标信道估计值，执行第一操作，以得到第二参数，从而第一设备可以得到目标损失函数。198.具体地，在另一种可能的实现方式中，第一设备可以向第二设备发送第一参考信号序列，以使得第二设备在接收到该第一参考信号序列的情况下，根据该第一参考信号序列进行信道估计，得到第二信道估计值，以得到目标信道估计值，再采用该目标信道估计值，执行第一操作，得到第二参数，以得到目标损失函数，这样第二设备可以向第一设备发送该目标损失函数，从而第一设备可以得到目标损失函数。199.步骤201c、第一设备根据目标损失函数，对第一神经网络进行训练，得到目标神经网络。200.进一步可选地，本技术实施例中，第一设备可以采用优化算法，根据目标损失函数，对第一神经网络进行训练。201.如此可知，由于第一设备可以将q个第一元素输入第一神经网络，生成通过信道后的第一参考信号序列，并基于第一设备(或其他设备)根据该第一参考信号序列进行信道估计得到的目标信道估计值，确定目标损失函数，以及，根据该目标损失函数，对第一神经网络进行训练，因此，可以得到可以生成较强的抗噪声能力和抗干扰能力的目标神经网络，如此，可以提升第一设备通信的可靠性。202.可选地，本技术实施例中，结合图4，如图6所示，上述步骤201具体可以通过下述的步骤201d实现。203.步骤201d、第一设备基于目标约束条件，采用信道信息，对第一神经网络进行训练，得到目标神经网络。204.本技术实施例中，上述目标约束条件包括以下任一项：205.n个目标权重参数中的每个目标权重参数对应的功率值为第一预设值；206.n个目标权重参数对应的总功率值小于或等于第二预设值。207.本技术实施例中，在实际通信系统中，参考信号序列的元素的取值一般都有限制，并不是任意数值都可以的，具体的限制比如有恒模限制(例如参考信号序列的每个元素的功率为1)、总功率限制(例如参考信号序列的总功率要小于或等于特定值)等。208.当采取恒模限制时，第一设备可以根据每个目标权重参数的实部参数和虚部参数，计算该每个目标权重参数对应的目标元素的功率，再将该实部参数和虚部参数做归一化处理。209.当采取总功率限制时，第一设备可以计算整个目标参考信号序列(即n个目标权值参数)的总功率，并结合总功率限制对每个目标权值参数的实部参数和虚部参数进行调整。210.需要说明的是，针对第一设备采用信道信息，对第一神经网络进行训练的说明，可以参考上述实施例中的具体描述，本技术实施例在此不再赘述。211.如此可知，由于第一设备可以基于目标约束条件，对第一神经网络进行训练，因此，可以避免目标参考信号序列的元素的取值超过限制的情况，如此，可以提升第一设备通信的可靠性。212.需要说明的是，本技术实施例提供的参考信号序列生成方法，执行主体可以为第一设备，或者，该第一设备中的用于执行参考信号序列生成方法的控制模块。本技术实施例中以第一设备执行参考信号序列生成方法为例，说明本技术实施例提供的第一设备的。213.图7示出了本技术实施例提供的一种参考序列生成方法的流程图。如图7所示，本技术实施例提供的参考序列生成方法可以包括下述的步骤401至步骤403。214.步骤401、第二设备从至少一个第三设备接收至少一个第三参考信号序列。215.本技术实施例中，至少一个第三参考信号序列包括：至少一个第三设备中的第一设备发送的第一参考信号序列。216.可选地，本技术实施例中，至少一个第三设备中的每个第三设备可以为：ue，或网络侧设备。217.可选地，本技术实施例中，至少一个第三设备中的每个第三设备分别对应至少一个第三参考信号序列。218.可以理解，第三设备的数量，小于或等于第三参考信号序列的数量；219.针对至少一个第三设备中的每个第三设备，第二设备可以从一个第三设备接收一个第三参考信号序列或多个第三参考信号序列。220.步骤402、第二设备基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。221.可选地，本技术实施例中，第二设备可以基于第一个第三参考信号序列，执行第三操作，得到该第一个第三参考信号序列对应的第四参考信号序列，再基于第二个第三参考信号序列，执行第三操作，得到该第二个第三参考信号序列对应的第四参考信号序列，以此类推，直至基于最后一个第三参考信号序列，执行第三操作，得到该最后一个第三参考信号序列对应的第四参考信号序列，以得到至少一个第四参考信号序列。222.可选地，本技术实施例中，第三操作包括以下至少一项：223.添加噪声、叠加至少一个第三参考信号序列、拼接至少一个第三参考信号序列。224.步骤403、第二设备向第一设备发送第二信道估计值。225.本技术实施例中，第二信道估计值为：第二设备根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。226.本技术实施例提供的参考信号序列生成方法，第二设备可以从至少一个第三设备接收至少一个第三参考信号序列，并基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列，从而第二设备可以向该至少一个第三设备中的第一设备发送第二信道估计值；其中，该第二信道估计值为：第二设备根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值，该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。由于第二设备可以接收至少一个第三参考信号序列，并基于每个第三参考信号序列，得到对应的第四参考信号序列，从而第二设备可以向第一设备发送用于训练得到目标神经网络(该目标神经网络用于生成目标参考信号序列)的第二信道估计值，以使得第一设备可以训练得到目标神经网络，并基于该目标神经网络，获取目标参考信号序列，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升第二设备通信的可靠性。227.需要说明的是，本技术实施例提供的参考信号序列生成方法，执行主体可以为第二设备，或者，该第二设备中的用于执行参考信号序列生成方法的控制模块。本技术实施例中以第二设备执行参考信号序列生成方法为例，说明本技术实施例提供的第二设备的。228.图8示出了本技术实施例中涉及的参考信号序列生成装置的一种可能的结构示意图，该参考信号序列生成装置为第一参考信号序列生成装置。如图8所示，第一参考信号序列生成装置50可以包括：获取模块51。229.其中，获取模块51，用于获取目标神经网络；并基于目标神经网络，获取目标参考信号序列。其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。230.在一种可能的实现方式中，上述n个目标神经元组中的每个目标神经元组包括：l个第一神经元和m个第二神经元，每个第一神经元对应一个第一实部参数，每个第二神经元对应一个第一虚部参数，l、m均为正整数。其中，上述每个目标神经元组对应的目标权重参数是：根据l个第一实部参数和m个第一虚部参数确定的。231.在一种可能的实现方式中，上述目标神经网络是：基于第一参考信号序列生成装置50的信道信息训练得到的。其中，上述信道信息包括以下任一项：信道向量、信道矩阵。232.在一种可能的实现方式中，上述第一参考信号序列生成装置50还包括：训练模块。其中，训练模块，用于采用信道信息，对第一神经网络进行训练，得到目标神经网络。233.在一种可能的实现方式中，上述信道信息包括：q个第一元素，q为正整数；本技术实施例提供的第一参考信号序列生成装置50还包括：生成模块和确定模块。其中，生成模块，用于将q个第一元素输入第一神经网络，生成第一参考信号序列。确定模块，用于基于目标信道估计值，确定目标损失函数，该目标信道估计值是：根据第一参考信号序列进行信道估计得到的。上述训练模块，具体用于根据确定模块确定的目标损失函数，对第一神经网络进行训练。其中，上述目标损失函数用于表征：目标信道估计值与信道真值间的偏差程度；上述信道真值是：根据信道信息确定的。234.在一种可能的实现方式中，上述第一神经网络包括n个第一神经元组，每个第一神经元组对应一个第一权重参数。其中，上述第一参考信号序列是：根据q个第一元素与n个第一权重参数，采用相乘运算计算得到的。235.在一种可能的实现方式中，每个第一元素对应一个第二实部参数和一个第二虚部参数；上述第一参考信号序列包括：n个第二元素。上述生成模块，具体用于将q个第二实部参数和q个第二虚部参数分别输入第一神经网络，得到输出的n个第三实部参数和n个第三虚部参数；并根据n个第三实部参数和n个第三虚部参数，分别确定n个第二元素。236.在一种可能的实现方式中，上述目标损失函数包括：目标信道估计值和信道真值间的第一参数。其中，该第一参数包括以下至少一项：均方误差、归一化均方误差、范数、相关系数、余弦相似度。237.在一种可能的实现方式中，上述目标损失函数包括：采用目标信道估计值执行第一操作之后，得到的第二参数。其中，上述第一操作为：无线通信系统中信道估计的后续操作；上述第二参数用于表征以下至少一项：无线通信传输正确率、无线通信传输效率。238.在一种可能的实现方式中，上述第一神经网络包括：r个第二神经网络，r为大于1的正整数。上述生成模块，具体用于根据q个第一元素，确定r个元素组，不同的元素组中包括不同的第一元素；并将每个元素组分别输入每个第二神经网络，生成每个第二神经网络对应的第二参考信号序列，得到r个第二参考信号序列；以及，基于r个第二参考信号序列，执行第二操作，生成第一参考信号序列。其中，上述第二操作包括以下至少一项：添加噪声、叠加r个第二参考信号序列、拼接r个第二参考信号序列。239.在一种可能的实现方式中，上述目标信道估计值包括以下任一项：第一参考信号序列生成装置50根据第一参考信号序列进行信道估计得到的第一信道估计值；第一参考信号序列生成装置50从第二参考信号序列生成装置接收到的第二信道估计值。其中，该第二信道估计值为：在第二参考信号序列生成装置从第一参考信号序列生成装置50接收第一参考信号序列的情况下，第二参考信号序列生成装置根据第一参考信号序列进行信道估计，得到的信道估计值。240.在一种可能的实现方式中，上述训练模块，具体用于基于目标约束条件，采用信道信息，对第一神经网络进行训练。其中，该目标约束条件包括以下任一项：每个目标权重参数对应的功率值为第一预设值；n个目标权重参数对应的总功率值小于或等于第二预设值。241.在一种可能的实现方式中，本技术实施例提供的第一参考信号序列生成装置50还包括：确定模块。其中，确定模块，用于根据第一物理参数，确定第一神经网络。其中，该第一物理参数包括以下至少一项：bundlingsize；rb；prb；mu的数量；参考信号序列的时频域pattern在时频域上的密度。242.在一种可能的实现方式中，上述信道信息为：第一参考信号序列生成装置50从第二参考信号序列生成装置接收的。243.在一种可能的实现方式中，上述获取模块51，具体用于根据第二物理参数，确定目标神经网络。其中，上述第二物理参数包括以下至少一项：bundlingsize；rb；prb；mu的数量；参考信号序列的时频域pattern在时频域上的密度。244.在一种可能的实现方式中，本技术实施例提供的第一参考信号序列生成装置50还包括：发送模块。其中，发送模块，用于向第二参考信号序列生成装置发送第一信令，该第一信令承载有：目标参考信号序列，或目标参考信号序列的标识，或目标参考信号序列经过压缩处理得到的信息。245.在一种可能的实现方式中，上述第一信令包括以下至少一项：rrc信令；pdcch的层1信令；pdsch的信息；mac的信令；sib；pucch的层1信令；prach的目标消息信息；pusch的信息；xn接口信令；pc5接口信令；sidelink接口指令。其中，上述目标消息包括以下至少一项：消息msg1信息、msg2信息、消息msg3信息、msg4信息、msga信息、msgb信息。246.本技术实施例提供的参考信号序列生成装置，由于第一参考信号序列生成装置是根据目标神经网络，获取目标参考信号序列的，该目标神经网络的n个目标权重参数与n个目标元素一一对应，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升第一参考信号序列生成装置通信的可靠性。247.本技术实施例中的第一参考信号序列生成装置可以是装置，具有操作系统的装置或电子设备，也可以是终端中的部件、集成电路、或芯片。该装置或电子设备可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端11的类型，非移动终端可以为服务器、网络附属存储器(networkattachedstorage，nas)、个人计算机(personalcomputer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。248.本技术实施例提供的第一参考信号序列生成装置能够实现图1至图6的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。249.图9示出了本技术实施例中涉及的参考信号序列生成装置的一种可能的结构示意图，该参考信号序列生成装置为第二参考信号序列生成装置。如图9所示，第二参考信号序列生成装置60可以包括：接收模块61、执行模块62和发送模块63。其中，接收模块61，用于从至少一个第三参考信号序列生成装置接收的至少一个第三参考信号序列，该至少一个第三参考信号序列包括：至少一个第三参考信号序列生成装置中的第一参考信号序列生成装置发送的第一参考信号序列。执行模块62，用于基于接收模块61接收的每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。发送模块63，用于向第一参考信号序列生成装置发送第二信道估计值。其中，上述第二信道估计值为：第二参考信号序列生成装置60根据第一参考信号序列生成装置对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一参考信号序列生成装置训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。250.在一种可能的实现方式中，上述第三操作包括以下至少一项：添加噪声、叠加至少一个第三参考信号序列、拼接至少一个第三参考信号序列。251.本技术实施例提供的参考信号序列生成装置，由于第二参考信号序列生成装置可以接收至少一个第三参考信号序列，并基于每个第三参考信号序列，得到对应的第四参考信号序列，从而第二参考信号序列生成装置可以向第一参考信号序列生成装置发送用于训练得到目标神经网络(该目标神经网络用于生成目标参考信号序列)的第二信道估计值，以使得第一参考信号序列生成装置可以训练得到目标神经网络，并基于该目标神经网络，获取目标参考信号序列，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升第二参考信号序列生成装置通信的可靠性。252.本技术实施例中的第二参考信号序列生成装置可以是装置，具有操作系统的装置或电子设备，也可以是终端中的部件、集成电路、或芯片。该装置或电子设备可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端11的类型，非移动终端可以为服务器、网络附属存储器(networkattachedstorage，nas)、个人计算机(personalcomputer，pc)、电视机(television，tv)、柜员机或者自助机等，本技术实施例不作具体限定。253.本技术实施例提供的第二参考信号序列生成装置能够实现图7的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。254.可选地，本技术实施例中，如图10所示，本技术实施例还提供一种通信设备70，包括处理器71，存储器72，存储在存储器72上并可在所述处理器71上运行的程序或指令，例如，该通信设备70为终端时，该程序或指令被处理器71执行时实现上述参考信号序列生成方法实施例的各个过程，且能达到相同的技术效果。该通信设备70为网络侧设备时，该程序或指令被处理器71执行时实现上述参考信号序列生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。255.本技术实施例还提供一种终端，包括处理器和通信接口，处理器用于获取目标神经网络，并基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。256.该终端实施例是与上述终端侧方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图11为实现本技术实施例的一种终端的硬件结构示意图。257.该终端100包括但不限于：射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、以及处理器110等中的至少部分部件。258.本领域技术人员可以理解，终端100还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图11中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。259.应理解的是，本技术实施例中，输入单元104可以包括图形处理器(graphicsprocessingunit，gpu)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元106可包括显示面板1061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。260.本技术实施例中，射频单元101将来自网络侧设备的下行数据接收后，给处理器110处理；另外，将上行的数据发送给网络侧设备。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。261.存储器109可用于存储软件程序或指令以及各种数据。存储器109可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。262.处理器110可包括一个或多个处理单元；可选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。263.其中，处理器110，用于获取目标神经网络，并基于目标神经网络，获取目标参考信号序列。264.其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数。265.本技术实施例提供的终端，由于终端是根据目标神经网络，获取目标参考信号序列的，该目标神经网络的n个目标权重参数与n个目标元素一一对应，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升终端通信的可靠性。266.可选地，本技术实施例中，处理器110，还用于采用信道信息，对第一神经网络进行训练，得到目标神经网络。267.可选地，本技术实施例中，上述信道信息包括：q个第一元素，q为正整数。268.处理器110，具体用于将q个第一元素输入第一神经网络，生成第一参考信号序列；并基于目标信道估计值，确定目标损失函数，该目标信道估计值是：根据第一参考信号序列进行信道估计得到的；以及，根据目标损失函数，对第一神经网络进行训练。269.其中，上述目标损失函数用于表征：目标信道估计值与信道真值间的偏差程度；上述信道真值是：根据信道信息确定的。270.可选地，本技术实施例中，每个第一元素对应一个第二实部参数和一个第二虚部参数；上述第一参考信号序列包括：n个第二元素。271.处理器110，具体用于将q个第二实部参数和q个第二虚部参数分别输入第一神经网络，得到输出的n个第三实部参数和n个第三虚部参数；并根据n个第三实部参数和n个第三虚部参数，分别确定n个第二元素。272.可选地，本技术实施例中，上述第一神经网络包括：r个第二神经网络，r为大于1的正整数。273.处理器110，具体用于根据q个第一元素，确定r个元素组，不同的元素组中包括不同的第一元素；并将每个元素组分别输入每个第二神经网络，生成每个第二神经网络对应的第二参考信号序列，得到r个第二参考信号序列；以及，基于r个第二参考信号序列，执行第二操作，生成第一参考信号序列。274.其中，上述第二操作包括以下至少一项：添加噪声、叠加r个第二参考信号序列、拼接r个第二参考信号序列。275.可选地，本技术实施例中，处理器110，具体用于基于目标约束条件，采用信道信息，对第一神经网络进行训练。276.其中，上述目标约束条件包括以下任一项：每个目标权重参数对应的功率值为第一预设值；n个目标权重参数对应的总功率值小于或等于第二预设值。277.可选地，本技术实施例中，处理器110，还用于设备根据第一物理参数，确定第一神经网络。278.其中，上述第一物理参数包括以下至少一项：bundlingsize；rb；prb；mu的数量；参考信号序列的时频域pattern在时频域上的密度。279.可选地，本技术实施例中，处理器110，具体用于根据第二物理参数，确定目标神经网络。280.其中，上述第二物理参数包括以下至少一项：bundlingsize；rb；prb；mu的数量；参考信号序列的时频域pattern在时频域上的密度。281.可选地，本技术实施例中，射频单元101，用于向第二设备发送第一信令，该第一信令承载有：目标参考信号序列，或目标参考信号序列的标识，或目标参考信号序列经过压缩处理得到的信息。282.本技术实施例还提供一种终端，包括处理器和通信接口，通信接口用于从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：至少一个第三设备中的第一设备发送的第一参考信号序列；处理器用于基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列；通信接口还用于向第一设备发送第二信道估计值。其中，上述第二信道估计值为：终端根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。该终端实施例是与上述终端侧方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图11为实现本技术实施例的一种终端的硬件结构示意图。283.该终端100包括但不限于：射频单元101、网络模块102、音频输出单元103、输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、以及处理器110等中的至少部分部件。284.本领域技术人员可以理解，终端100还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图11中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。285.应理解的是，本技术实施例中，输入单元104可以包括图形处理器(graphicsprocessingunit，gpu)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元106可包括显示面板1061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板1061。用户输入单元107包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。286.本技术实施例中，射频单元101将来自网络侧设备的下行数据接收后，给处理器110处理；另外，将上行的数据发送给网络侧设备。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。287.存储器109可用于存储软件程序或指令以及各种数据。存储器109可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，其中，非易失性存储器可以是只读存储器(read-onlymemory，rom)、可编程只读存储器(programmablerom，prom)、可擦除可编程只读存储器(erasableprom，eprom)、电可擦除可编程只读存储器(electricallyeprom，eeprom)或闪存。例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。288.处理器110可包括一个或多个处理单元；可选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。289.其中，射频单元101，用于从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：至少一个第三设备中的第一设备发送的第一参考信号序列。290.处理器110，用于基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。291.上述射频单元101，还用于向第一设备发送第二信道估计值。292.其中，上述第二信道估计值为：终端根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。293.本技术实施例提供的终端，由于终端可以接收至少一个第三参考信号序列，并基于每个第三参考信号序列，得到对应的第四参考信号序列，从而终端可以向第一设备发送用于训练得到目标神经网络(该目标神经网络用于生成目标参考信号序列)的第二信道估计值，以使得第一设备可以训练得到目标神经网络，并基于该目标神经网络，获取目标参考信号序列，而并不是通过pn序列(或zadoff-chu序列)生成参考信号序列的，因此，该目标参考信号序列的抗噪声能力和抗干扰能力，强于该参考信号序列的抗噪声能力和抗干扰能力，从而可以减少目标参考信号序列在通过信道时受到的影响，如此，可以提升终端通信的可靠性。294.本技术实施例还提供一种网络侧设备，包括处理器和通信接口，处理器用于获取目标神经网络，并基于目标神经网络，获取目标参考信号序列；其中，上述目标神经网络包括n个目标神经元组，每个目标神经元组对应一个目标权重参数；上述目标参考信号序列包括：与n个目标权重参数一一对应的n个目标元素，n为正整数；或者，通信接口用于从至少一个第三设备接收至少一个第三参考信号序列，该至少一个第三参考信号序列包括：第一设备发送的第一参考信号序列。处理器用于基于每个第三参考信号序列，分别执行第三操作，得到对应的第四参考信号序列。通信接口还用于向第一设备发送第二信道估计值。其中，上述第二信道估计值为：网络侧设备根据第一设备对应的第四参考信号序列进行信道估计，得到的信道估计值；该第二信道估计值用于：第一设备训练得到目标神经网络；该目标神经网络用于生成目标参考信号序列。295.其中，该网络侧设备实施例是与上述网络侧设备方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。296.具体地，本技术实施例还提供了一种网络侧设备。如图12所示，该网络侧设备80包括：天线81、射频装置82、基带装置83。天线81与射频装置82连接。在上行方向上，射频装置82通过天线81接收信息，将接收的信息发送给基带装置83进行处理。在下行方向上，基带装置83对要发送的信息进行处理，并发送给射频装置82，射频装置82对收到的信息进行处理后经过天线81发送出去。297.上述频带处理装置可以位于基带装置83中，以上实施例中网络侧设备执行的方法可以在基带装置83中实现，该基带装置83包括处理器84和存储器85。298.基带装置83例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图12所示，其中一个芯片例如为处理器84，与存储器85连接，以调用存储器85中的程序，执行以上方法实施例中所示的网络侧设备操作。299.该基带装置83还可以包括网络接口86，用于与射频装置82交互信息，该接口例如为通用公共无线接口(commonpublicradiointerface，简称cpri)。300.具体地，本发明实施例的网络侧设备还包括：存储在存储器85上并可在处理器84上运行的指令或程序，处理器84调用存储器85中的指令或程序执行图12所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。301.本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述参考信号序列生成方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。302.其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等。303.本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述参考信号序列方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。304.应理解，本技术实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。305.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。306.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络侧设备等)执行本技术各个实施例所述的方法。307.上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。当前第1页12当前第1页12