CN111954206A - 终端和基站 - Google Patents
终端和基站 Download PDFInfo
- Publication number
- CN111954206A CN111954206A CN201910413603.7A CN201910413603A CN111954206A CN 111954206 A CN111954206 A CN 111954206A CN 201910413603 A CN201910413603 A CN 201910413603A CN 111954206 A CN111954206 A CN 111954206A
- Authority
- CN
- China
- Prior art keywords
- terminal
- base station
- network
- capability
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 claims abstract description 164
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000004913 activation Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 abstract description 55
- 238000000034 method Methods 0.000 description 69
- 230000006870 function Effects 0.000 description 59
- 238000013473 artificial intelligence Methods 0.000 description 42
- 230000005540 biological transmission Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 238000007667 floating Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000011664 signaling Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
- H04W8/24—Transfer of terminal data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
- H04W8/24—Transfer of terminal data
- H04W8/245—Transfer of terminal data from a network towards a terminal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开提供了无线通信系统中的终端和基站。所述终端，包括：处理单元，用于获得关于所述终端的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息；发送单元，用于向基站发送所述终端网络能力信息。
Description
技术领域
本公开涉及无线通信领域，并且更具体地涉及无线通信领域中的终端和基站。
背景技术
随着科技的发展，人工智能(AI)技术被用于很多不同的领域。可以预想，在不久的将来，在无线通信系统中也可能提出具有AI功能的基站或移动台，以希望更高效地为用户提供服务。
也就是说，将来各个小区中可能既存在传统的终端，又存在支持AI功能的终端，并且对于支持AI功能的终端，不同的终端的对于AI功能支持的具体能力可能也不相同。与终端类似，在通信系统中，可能既存在传统的基站，又存在支持AI功能的基站，并且对于支持AI功能的基站，不同的基站的对于AI功能支持的具体能力可能也不相同。
然而由于各个终端或基站不一定都支持AI功能，并且支持AI功能的终端或基站的具体能力可能不同，而终端和基站对于对方是否支持AI功能及其具体能力也并不知晓。在这样的情况下，如果基站或终端使用预设的AI功能来辅助基站和终端之间的通信，则该AI辅助的通信方法可能对于不支持AI功能或不具有特定能力的通信对方来说并不适用。
发明内容
根据本公开的一个方面，提供了一种终端。该终端包括：处理单元，用于获得关于所述终端的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息；以及发送单元，用于向基站发送所述终端网络能力信息。
根据本公开的一个示例，在上述终端中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力分别进行指示的信息。
根据本公开的一个示例，在上述终端中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力联合进行指示的信息。
根据本公开的一个示例，上述终端还可包括存储单元，用于存储网络能力表，其中所述网络能力表是关于计算能力、存储能力、对神经网络的支持能力中至少一个的表格。
根据本公开的一个示例，上述终端还可包括接收单元，用于接收所述基站的能力获取请求；其中所述发送单元根据所述能力获取请求向基站发送所述终端网络能力信息。
根据本公开的一个示例，在上述终端还包括接收单元，用于接收来自所述基站的终端网络配置信息，其中所述终端网络配置信息指示所述终端的神经网络的配置。
根据本公开的一个示例，所述终端网络配置信息包括关于指示所述终端的神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数中至少一个的信息。
根据本公开的另一方面，提供了一种终端。该终端包括：接收单元，用于接收来自基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；以及处理单元，用于根据所述基站网络配置信息，确定所述基站的神经网络的配置。
根据本公开的一个示例，所述基站的处理单元还用于根据所述基站网络配置信息，确定所述终端的神经网络的配置。
根据本公开的另一方面，提供了一种基站。该基站包括：接收单元，用于接收来自终端的终端网络能力信息；处理单元，用于根据所述终端网络能力信息确定所述终端的终端网络配置信息；以及发送单元，用于向所述终端发送所述终端网络配置信息。
根据本公开的一个示例，所述基站的处理单元还用于根据所述基站所在小区的环境和所述终端的位置中的至少一个来确定所述终端网络配置信息。
根据本公开的一个示例，所述基站的处理单元还用于根据所述终端网络配置信息，确定所述基站的神经网络的配置。
根据本公开的一个示例，所述基站的处理单元还用于根据所述终端网络配置信息，确定所述终端的反馈资源信息和调制编码方案信息中的至少一个；以及所述发送单元还用于发送所确定的反馈资源信息和调制编码方案信息中的至少一个。
根据本公开的另一方面，提供了一种基站。该基站包括：处理单元，用于获得所述基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；以及发送单元，用于向终端发送所述基站网络配置信息。
根据本公开的另一方面，提供了一种由终端执行的发送方法。该方法包括：获得关于所述终端的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息；以及向基站发送所述终端网络能力信息。
根据本公开的一个示例，在上述发送方法中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力分别进行指示的信息。
根据本公开的一个示例，在上述发送方法中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力联合进行指示的信息。
根据本公开的一个示例，上述发送方法还包括存储网络能力表，其中所述网络能力表是关于计算能力、存储能力、对神经网络的支持能力中至少一个的表格。
根据本公开的一个示例，上述发送方法还包括接收所述基站的能力获取请求；其中根据所述能力获取请求向基站发送所述终端网络能力信息。
根据本公开的一个示例，上述发送方法还包括接收来自所述基站的终端网络配置信息，其中所述终端网络配置信息指示所述终端的神经网络的配置。
根据本公开的一个示例，所述终端网络配置信息包括关于所述终端的神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数中至少一个的信息。
根据本公开的另一方面，提供了一种由终端执行的接收方法。该接收方法包括：接收来自基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；
以及根据所述基站网络配置信息，确定所述基站的神经网络的配置。
根据本公开的一个示例，所述由终端执行的接收方法还包括根据根据所述基站网络配置信息，确定所述终端的神经网络的配置。
根据本公开的另一方面，提供了一种由基站执行的接收方法。该接收方法包括：接收来自终端的终端网络能力信息；根据来自所述终端的终端网络能力信息确定所述终端的终端网络配置信息；以及向所述终端发送所述终端网络配置信息。
根据本公开的一个示例，所述接收方法还包括根据所述基站所在小区的环境和所述终端的位置中的至少一个来确定所述终端网络配置信息。
根据本公开的一个示例，所述接收方法还包括根据所述终端网络配置信息，确定所述基站的神经网络的配置。
根据本公开的一个示例，所述接收方法还包括根据所述终端网络配置信息，确定所述终端的反馈资源信息和调制编码方案信息中的至少一个；以及所述发送单元还用于发送所确定的反馈资源信息和调制编码方案信息中的至少一个。
根据本公开的另一方面，提供了一种由基站执行的发送方法。该发送方法包括：获得所述基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；以及向终端发送所述基站网络配置信息。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是可在其中应用本公开的实施例的无线通信系统的示意图。
图2是根据本公开的一个实施例的终端的结构示意图。
图3是根据本公开的一个实施例的基站的结构示意图。
图4是根据本公开的另一实施例的基站的结构示意图。
图5是根据本公开的另一实施例的终端的结构示意图。
图6是根据本公开的一个实施例的发送方法的流程图。
图7是根据本公开的一个实施例的接收方法的流程图。
图8是根据本公开的另一实施例的发送方法的流程图。
图9是根据本公开的另一实施例的接收方法的流程图。
图10根据本公开实施例的所涉及的设备的硬件结构的示意图。
具体实施方式
为了使得本公开的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本公开的示例实施例。在附图中，相同的参考标号自始至终表示相同的元件。应当理解：这里描述的实施例仅仅是说明性的，而不应被解释为限制本公开的范围。此外，这里所述的终端可以包括各种类型的终端，例如用户终端(User Equipment，UE)、移动终端(或称为移动台)或者固定终端，然而，为方便起见，在下文中有时候可互换地使用终端和UE。此外，在本公开的实施例，神经网络是在AI功能模块中使用的人工神经网络。为例简洁，在以下描述中有时候可称为神经网络。
首先，参照图1来描述可在其中应用本公开的实施例的无线通信系统。该无线通信系统可以是5G系统，也可以是任何其他类型的无线通信系统，比如长期演进(Long TermEvolution,LTE)系统或者LTE-A(advanced)系统等。在下文中，以5G系统为例来描述本公开的实施例，但应当认识到，以下描述也可以适用于其他类型的无线通信系统。
如图1所示，无线通信系统100可以包括基站110、120和130，在基站110所在的小区中，存在终端111、112和113，以及在基站120所在的小区中，存在终端121和122。在图1所示的示例中，基站110可以支持第一类型的神经网络，基站120可以支持第二类型的神经网络，而基站130为传统的基站，其可不具有AI功能并且不支持任何类型的神经网络。此外，在基站110所在的小区中，终端111可以支持第三类型的神经网络、终端112可以支持第四类型的神经网络，终端113为传统的终端，其可不具有AI功能并且不支持任何类型的神经网络。此外，在基站120所在的小区中，终端121可以支持第三类型、第四类型、第五类型神经网络中的任意一个，终端122为传统的终端，其可不具有AI功能并且不支持任何类型的神经网络。
在图1所示的无线通信系统100的各个小区中，由于终端和基站对于对方是否支持AI功能及其具体能力并不知晓，终端和基站只能各自独立地使用其神经网络来辅助其进行通信。这可能导致，终端或基站无法有针对性地对其所支持的神经网络进行设置，以进一步提高通信效率和质量。并且对于支持多种神经网络或不同神经网络配置的终端和基站可能也难以准确地确定对于当前通信的优选神经网络。
为了解决上述问题，本公开提出了一种终端以及基站。下面，将参照图2来描述根据本公开的一个实施例的终端。图2是根据本公开的一个实施例的终端的结构示意图。
如图2所示，终端200包括处理单元210和发送单元220。处理单元210可获得与终端200的处理能力或终端200的AI能力相关的信息。例如，处理单元210可获得与终端200支持的神经网络相关的终端网络能力(Capacity)信息。又例如，该终端网络能力信息可包括关于终端能够支持的神经网络自身属性的信息，如关于神经网络的种类等的信息。此外，该终端网络能力信息可包括与运行神经网络相关的能力的信息，如关于终端的计算能力、存储能力等的信息。在图2所示的示例中，处理单元210可获得关于终端200的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息。此外，如果终端200的AI功能是通过除了神经网络以外的其他方式实现的，则处理单元200可获得关于该其他方式自身的属性信息，例如，其他人工智能算法的支持能力的信息，以及与运行神经网络相关的能力的信息。在以下本公开的示例中，将以通过神经网络实现AI功能为例进行描述。然而如能够理解的，类似的方案也可以用于以其他方式实现AI功能的情况。
根据本公开的一个示例，终端网络能力信息可直接对神经网络自身的具体属性、以及与运行神经网络相关的具体能力进行指示。例如，可通过终端每秒可进行的浮点运算的次数来指示终端的计算能力。在此情况下，终端网络能力信息可包括直接指示终端200每秒可进行的浮点运算的次数的信息。
根据本公开的另一个示例，可预先对于神经网络自身的属性、以及与运行神经网络相关的能力进行分级或分类，并且处理单元210可获得与终端200自身能力对应等级的终端网络能力信息。
例如，如上所述，可通过终端单位时间可进行的浮点运算的次数来指示终端的计算能力。此情况下，可预先根据通信系统中可能出现的各个终端在单位时间可执行的浮点运算的次数，来进行分级。表1是在通过终端每秒可执行的浮点运算的次数来指示终端的计算能力的情况下，预先设置的计算能力等级表。
| 计算能力(每秒万亿次浮点运算(TFLOPS)) | |
| 等级1 | 小于10TFLOPS |
| 等级2 | 11～20TFLOPS |
| 等级3 | 21～30TFLOPS |
| 等级4 | 大于30TFLOPS |
表1计算能力等级表-1
假设终端200每秒可进行25万亿次浮点运算，则处理单元210可获得指示计算能力等级为等级3的终端网络能力信息。
又例如，还可通过终端支持的神经的网络层数来指示终端的计算能力。在此情况下，可预先根据通信系统中可能出现的各个终端支持的神经的网络层数，来进行分级。表2是在通过终端支持的神经的网络层数来指示终端的计算能力的情况下，预先设置的计算能力等级表。
| 计算能力(神经网络层数) | |
| 等级1 | 支持小于5层 |
| 等级2 | 支持6～10层 |
| 等级3 | 支持11～50层 |
| 等级4 | 支持大于51层 |
表2计算能力等级表-2
假设终端200支持的神经的网络的最大层数为7，则处理单元210可获得指示计算能力等级为等级2的终端网络能力信息。
又例如，可预先根据通信系统中可能出现的各个终端的存储空间，来进行分级。表3是预先设置的存储能力等级表。
表3存储能力等级表
假设终端200的存储空间为16GB，则处理单元210可获得指示存储能力等级为等级3的终端网络能力信息。
又例如，可通过终端是否支持神经网络、以及所支持的神经网络的种类来指示终端对神经网络的支持能力。在此情况下，可预先根据通信系统中可能出现的各个终端是否支持神经网络、以及所支持的神经网络的种类，来进行分级。表4是预先设置的对神经网络的支持能力等级表。
| 对神经网络的支持能力 | |
| 等级1 | 不支持神经网络 |
| 等级2 | 支持卷积神经网络 |
| 等级3 | 支持循环神经网络 |
| 等级4 | 支持递归神经网络 |
表4对神经网络的支持能力等级表
假设终端200支持卷积神经网络，则处理单元210可获得指示对神经网络的支持能力等级为等级2的终端网络能力信息。
可选择地，可预先设置关于各个神经网络候选配置。例如，可预先设置关于各个神经网络网络层数、每层节点数、连接关系、网络系数，激活函数等的候选配置。
此外，终端网络能力信息中可包括终端200支持的全部或部分神经网络的信息。
以上，结合表1-表4以对于计算能力、存储能力、对神经网络的支持能力分别预先设置能力指示表格为例进行了描述。根据以上示例，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，终端网络能力信息包括对于所述多个能力分别进行指示的信息。
可替换地，根据本公开的另一个示例，还可预先设置联合指示多个能力的表格。表5是预先设置的关于计算能力和存储能力二者的等级表。
表5计算能力和存储能力联合等级表
根据以上结合表5描述的示例，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力联合进行指示的信息。例如，在终端200每秒可进行25万亿次浮点运算，并且存储空间为16GB的情况下，终端网络能力信息可包括指示等级7的信息。
此外，根据本公开的另一示例，终端200还可包括存储单元，以存储例如以上表1-5的存储网络能力表。所述网络能力表是关于计算能力、存储能力、对神经网络的支持能力中至少一个的表格。所述网络能力表也可以是以上多于一个能力的组合的表格。
然后，发送单元220可向基站发送所述终端网络能力信息。根据本发明的一个示例，发送单元220可主动向基站上报终端200的终端网络能力信息。根据本发明另一示例，可以当基站指示终端200报告其AI能力或网络支持能力时，根据基站的指示发送终端200的终端网络能力信息。例如，终端200可包括接收单元以接收来自基站的能力获取请求。发送单元220可根据所述能力获取请求向基站发送所述终端网络能力信息。
在本实施例中，终端通过将关于该终端自己的计算能力、存储能力、对神经网络的支持能力中至少一个的信息发送给基站，基站可以知晓终端对于AI功能是否支持、终端与运行神经网络相关的具体能力、或终端所支持的神经网络的属性，从而基站根据终端的相关能力，为终端配置适用于当前通信的神经网络。
例如，基站可根据来自终端200的终端网络能力信息确定终端200的终端网络配置，并将相关的终端网络配置信息发送至终端200，以便终端200根据基站发送的终端网络配置信息来配置自己的神经网络。在此情况下，终端200还可包括接收单元，以接收来自所述基站的终端网络配置信息，其中所述终端网络配置信息指示所述终端的神经网络的配置。
根据本公开的一个示例，终端网络配置信息可包括关于所述终端的神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数中至少一个的信息。例如，连接关系可包括神经网络中节点的连接类型，如全连接、卷积神经网络、回归神经网络等。又例如，激活函数可包括神经网络的层的激活函数类型如，Sigmoid，ReLU等。又例如，网络系数可包括网络各层节点间连接上的权重等。
如之前所提到的，可预先设置关于各个神经网络候选配置。例如，可预先设置关于各个神经网络网络层数、每层节点数、连接关系、网络系数，激活函数等的候选配置。在此情况下，终端可从预先设置的候选配置中，根据来自基站的终端网络配置信息，来确定将使用的神经网络的配置。
此外，如上所述，根据公开的一个实施例，基站可以根据终端发送的终端网络能力信息,知晓终端对于AI功能是否支持、终端与运行神经网络相关的具体能力、或终端所支持的神经网络的属性，从而基站根据终端的相关能力，为终端配置适用于当前通信的神经网络。下面，将参照图3来进一步描述根据本公开的一个实施例的基站。图3是根据本公开的一个实施例的基站的结构示意图。
如图3所示，基站300包括接收单元310、处理单元320和发送单元330。接收单元310可接收来自终端的终端网络能力信息。以上已结合表1-表5对终端网络能力信息进行了详细描述，故在此不再赘述。
处理单元320可根据所接收到的来自终端的终端网络能力信息，确定所述终端的终端网络配置信息。例如，处理单元320可确定关于所述终端将使用的神经网络的种类、神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数等的信息。
根据本发明的一个示例，处理单元320可根据基站300所在小区的环境，结合来自终端的终端网络能力信息，来确定所述终端的终端网络配置信息。根据本发明的另一示例，处理单元320还可根据所述终端的位置，结合来自终端的终端网络能力信息，来确定所述终端的终端网络配置信息。从而基站不仅可根据来自终端的终端网络能力信息，还可根据通信的环境、终端的其他能力等来确定所述终端的终端网络配置信息。然后发送单元330可向终端发送处理单元320对于该终端确定的终端网络配置信息。
根据本发明的一个示例，处理单元320还可根据所确定的终端网络配置信息，来确定基站300自身的神经网络的配置。从而，基站不仅可知晓终端的能力，还可基于终端的神经网络来配置自身的神经网络，以便于更好地利用基站和终端两者的神经网络。
此外，根据本公开的另一示例，处理单元320还可根据终端网络配置信息，来确定相应的终端在后续通信中操作、资源配置等。例如，处理单元320可根据所确定的终端网络配置信息，来确定终端是否需要进行特定的反馈(如CSI反馈)，并且如果需要进行特定的反馈，则还可进一步确定终端的反馈资源信息。发送单元330可发送所确定的反馈资源信息，或者指示是否需要终端进行特定反馈的信息。又例如，处理单元320可根据所确定的终端网络配置信息，来确定终端将使用的调制编码方案信息，其中所述调制编码方案信息可指示数字量化调制编码方案，也可指示模拟调制编码方案。发送单元330可发送所确定的调制编码方案信息。
以上结合图2和图3，描述了终端将自身的终端网络能力信息发送给基站，并且基站根据该终端网络能力信息来确定终端的神经网络配置的示例。根据本公开的另一实施例，还可由基站将自身的处理功能配置或AI功能配置信息发送给终端。例如，基站可将自身的网络配置信息发送给终端。此外，如果基站的AI功能是通过除了神经网络以外的其他方式实现的，则基站可获得关于该其他方式自身的配置。在以下本公开的示例中，将以通过神经网络实现AI功能为例进行描述。然而如能够理解的，类似的方案也可以用于以其他方式实现AI功能的情况。
下面，将参照图4来描述根据本公开的另一实施例的基站。图4是根据本公开的另一个实施例的基站的结构示意图。如图4所示，基站400包括处理单元410和发送单元420。处理单元410可获得所述基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置。例如，基站网络配置信息可指示基站的神经网络的种类、神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数等参数中的一个或多个。
发送单元420可向终端发送所确定的基站网络配置信息。例如，发送单元420可通过系统信息或RRC消息来发送基站网络配置信息。从而，根据本实施例的终端可根据基站的神经网络配置来确定自身的神经网络配置。
下面，将参照图5来描述根据本公开的另一实施例的终端。图5是根据本公开的一个实施例的终端的结构示意图。
如图5所示，终端500包括接收单元510和处理单元520。接收单元510可接收来自基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置。然后，处理单元520可根据所述基站网络配置信息，确定所述基站的神经网络的配置。从而，终端500可根据所确定的基站的神经网络的配置来进行操作。例如，处理单元520可根据基站的神经网络的配置来确定终端500自身的神经网络配置。
此外，终端500还可包括发送单元，以用于将指示自己的终端网络能力的终端网络能力信息、指示所确定的终端侧神经网络配置的信息等中的一个或多个发送至基站，以便于基站进行后续操作。例如，基站可根据终端网络配置信息，来确定相应的终端在后续通信中操作、资源配置等。
以上，结合图2说明了根据本公开的一个实施例的终端，接下来，结合图6说明由该终端执行的发送方法。图6是根据本公开的一个实施例的发送方法的流程图。
如图6所示，发送方法600包括步骤S610及步骤S620。在步骤S610中，获得与终端的处理能力或终端的AI能力相关的信息。例如，在步骤S610中，获得与执行方法600的终端所支持的神经网络相关的终端网络能力(Capacity)信息。例如，该终端网络能力信息可包括关于终端能够支持的神经网络自身属性的信息，如关于神经网络的种类等的信息。此外，该终端网络能力信息可包括与运行神经网络相关的能力的信息，如关于终端的计算能力、存储能力等的信息。在图6所示的示例中，在步骤S610中，可获得关于执行方法600的终端的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息。此外，如果终端200的AI功能是通过除了神经网络以外的其他方式实现的，则处理单元200可获得关于该其他方式自身的属性信息，例如，其他人工智能算法的支持能力的信息，以及与运行神经网络相关的能力的信息。在以下本公开的示例中，将以通过神经网络实现AI功能为例进行描述。然而如能够理解的，类似的方案也可以用于以其他方式实现AI功能的情况。
根据本公开的一个示例，终端网络能力信息可直接对神经网络自身的具体属性、以及与运行神经网络相关的具体能力进行指示。例如，可通过终端每秒可进行的浮点运算的次数来指示终端的计算能力。在此情况下，在步骤S610中，终端网络能力信息可包括直接指示执行方法600的终端每秒可进行的浮点运算的次数的信息。
根据本公开的另一个示例，可预先对于神经网络自身的属性、以及与运行神经网络相关的能力进行分级或分类，并且在步骤S610中获得与执行方法600的终端自身能力对应等级的终端网络能力信息。在步骤S610中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，终端网络能力信息包括对于所述多个能力分别进行指示的信息。可替换地，根据本公开的另一个示例，还可预先设置联合指示多个能力的表格。在步骤S610中，当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力联合进行指示的信息。以上已结合表1-表5对终端网络能力信息进行了详细描述，故在此不再赘述。
此外，根据本公开的另一示例，图6中所述的方法还可包括存储例如以上表1-5的存储网络能力表。所述网络能力表是关于计算能力、存储能力、对神经网络的支持能力中至少一个的表格。所述网络能力表也可以是以上多于一个能力的组合的表格。
然后，在步骤S620中，向基站发送所述终端网络能力信息。根据本发明的一个示例，在步骤S620中，可主动向基站上报执行方法600的终端的终端网络能力信息。根据本发明另一示例，在步骤S620中，可以是当基站指示执行方法600的终端报告其AI能力或网络支持能力时，根据基站的指示发送终端网络能力信息。例如，图6中所示的方法还可包括接收来自基站的能力获取请求，并且可根据所述能力获取请求向基站发送所述终端网络能力信息。
在本实施例中，在步骤S620中，通过将关于执行方法600的终端自己的计算能力、存储能力、对神经网络的支持能力中至少一个的信息发送给基站，基站可以知晓终端对于AI功能是否支持、终端与运行神经网络相关的具体能力、或终端所支持的神经网络的属性，从而基站根据终端的相关能力，为终端配置适用于当前通信的神经网络。
例如，基站可根据在步骤S620中发送的终端网络能力信息确定执行方法600的终端的终端网络配置，并将相关的终端网络配置信息发送至该终端，以便该终端根据基站发送的终端网络配置信息来配置自己的神经网络。在此情况下，方法600还可以包括，接收来自所述基站的终端网络配置信息，其中所述终端网络配置信息指示执行方法600的终端的神经网络的配置。
根据本公开的一个示例，终端网络配置信息可包括关于所述终端的神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数中至少一个的信息。例如，连接关系可包括神经网络中节点的连接类型，如全连接、卷积神经网络、回归神经网络等。又例如，激活函数可包括神经网络的层的激活函数类型如，Sigmoid，ReLU等。又例如，网络系数可包括网络各层节点间连接上的权重等。
如之前所提到的，可预先设置关于各个神经网络候选配置。例如，可预先设置关于各个神经网络网络层数、每层节点数、连接关系、网络系数，激活函数等的候选配置。在此情况下，方法600还可以包括，根据来自基站的终端网络配置信息，从预先设置的候选配置中确定执行方法600的终端将使用的神经网络的配置。
此外，如上所述，根据本公开的一个实施例，通过由终端执行方法600，基站可以根据终端发送的终端网络能力信息,知晓终端对于AI功能是否支持、终端与运行神经网络相关的具体能力、或终端所支持的神经网络的属性，从而基站根据终端的相关能力，为终端配置适用于当前通信的神经网络。下面，将参照图7来进一步描述根据本公开的一个实施例的基站所执行的接收方法。图7是根据本公开的一个实施例的接收方法的流程图。
如图7所示，方法700包括步骤S710、S720以及S730。在步骤S710中，接收来自终端的终端网络能力信息。以上已结合表1-表5对终端网络能力信息进行了详细描述，故在此不再赘述。
在步骤S720中，根据所接收到的来自终端的终端网络能力信息，确定所述终端的终端网络配置信息。例如，在步骤S720中，可以确定关于所述终端将使用的神经网络的种类、神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数等的信息。
根据本发明的一个示例，在步骤S720中，可根据执行方法700的基站所在小区的环境，结合来自终端的终端网络能力信息，来确定所述终端的终端网络配置信息。根据本发明的另一示例，在步骤S720中，还可根据所述终端的位置，结合来自终端的终端网络能力信息，来确定所述终端的终端网络配置信息。从而在步骤S720中，可不仅根据来自终端的终端网络能力信息，还可根据来通信的环境、终端的其他能力等来确定所述终端的终端网络配置信息。然后，在步骤S730中，向终端发送在步骤S720中对于该终端确定的终端网络配置信息。
根据本发明的一个示例，方法700还可以包括步骤S740，在步骤S740中，根据在步骤S720中所确定的终端网络配置信息，确定执行方法700的基站自身的神经网络的配置，反之亦然。
此外，根据本公开的另一示例，方法700还可以包括：根据终端网络配置信息，来确定相应的终端在后续通信中操作、资源配置等。例如，可根据所确定的终端网络配置信息，来确定终端是否需要进行特定的反馈(如CSI反馈)，并且如果需要进行特定的反馈，则还可进一步确定终端的反馈资源信息。并且，在方法700中，可发送所确定的反馈资源信息，或者指示是否需要终端进行特定反馈的信息。又例如，在方法700中，可根据所确定的终端网络配置信息，来确定终端将使用的调制编码方案信息，其中所述调制编码方案信息可指示数字量化调制编码方案，也可指示模拟调制编码方案。在方法700中，可发送所确定的调制编码方案信息。
以上结合图6和图7，描述了终端将自身的终端网络能力信息发送给基站，并且基站根据该终端网络能力信息来确定终端的神经网络配置的示例中由终端执行的发送方法和由基站执行的接收方法。根据本公开的另一实施例，还可由基站将自身的处理功能配置或AI功能配置信息发送给终端。例如，基站可将自身的网络配置信息发送给终端。此外，如果基站的AI功能是通过除了神经网络以外的其他方式实现的，则基站可获得关于该其他方式自身的配置。在以下本公开的示例中，将以通过神经网络实现AI功能为例进行描述。然而如能够理解的，类似的方案也可以用于以其他方式实现AI功能的情况。
下面，将参照图8来描述根据本公开的另一实施例的基站所执行的发送方法。图8是根据本公开的另一实施例的发送方法的流程图。如图8所示，发送方法800包括步骤S810和步骤S820。在步骤S810中，可获得执行方法800的基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置。例如，基站网络配置信息可指示基站的神经网络的种类、神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数等参数中的一个或多个。
在步骤S820中，向终端发送所确定的基站网络配置信息。例如，在步骤S820中，可通过系统信息或RRC消息来发送基站网络配置信息。从而，在步骤S820中接收到基站网络配置信息的终端可根据基站的神经网络配置来确定自身的神经网络配置。
下面，将参照图9来描述根据本公开的另一实施例的终端所执行的接收方法。图9是根据本公开的另一实施例的接收方法的流程图。
如图9所示，接收方法900包括步骤S910和步骤S920。在步骤S910中，可接收来自基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置。然后，在步骤S920中，根据所述基站网络配置信息，确定所述基站的神经网络的配置。从而，终端可根据所确定的基站的神经网络的配置来进行操作。图9中所示的方法还可包括根据基站的神经网络的配置来确定终端自身的神经网络配置。
此外，接收方法900还可以包括，将指示执行方法900的终端自己的终端网络能力的终端网络能力信息、指示所确定的终端侧神经网络配置的信息等中的一个或多个发送至基站，以便于基站进行后续操作。例如，基站可根据终端网络配置信息，来确定相应的终端在后续通信中操作、资源配置等。
<硬件结构>
另外，上述实施方式的说明中使用的框图示出了以功能为单位的块。这些功能块(结构单元)通过硬件和/或软件的任意组合来实现。此外，各功能块的实现手段并不特别限定。即，各功能块可以通过在物理上和/或逻辑上相结合的一个装置来实现，也可以将在物理上和/或逻辑上相分离的两个以上装置直接地和/或间接地(例如通过有线和/或无线)连接从而通过上述多个装置来实现。
例如，本公开的一个实施例的设备(比如第一通信设备、第二通信设备或飞行用户终端等)可以作为执行本公开的无线通信方法的处理的计算机来发挥功能。图10是根据本公开的实施例的所涉及的设备1000(基站或用户终端)的硬件结构的示意图。上述的设备1000(基站或用户终端)可以作为在物理上包括处理器1010、内存1020、存储器1030、通信装置1040、输入装置1050、输出装置1060、总线1070等的计算机装置来构成。
另外，在以下的说明中，“装置”这样的文字也可替换为电路、设备、单元等。用户终端和基站的硬件结构可以包括一个或多个图中所示的各装置，也可以不包括部分装置。
例如，处理器1010仅图示出一个，但也可以为多个处理器。此外，可以通过一个处理器来执行处理，也可以通过一个以上的处理器同时、依次、或采用其它方法来执行处理。另外，处理器1010可以通过一个以上的芯片来安装。
设备1000的各功能例如通过如下方式实现：通过将规定的软件(程序)读入到处理器1010、内存1020等硬件上，从而使处理器1010进行运算，对由通信装置1040进行的通信进行控制，并对内存1020和存储器1030中的数据的读出和/或写入进行控制。
处理器1010例如使操作系统进行工作从而对计算机整体进行控制。处理器1010可以由包括与周边装置的接口、控制装置、运算装置、寄存器等的中央处理器(CPU，CentralProcessing Unit)构成。例如，上述的确定单元、调整单元等可以通过处理器1010实现。
此外，处理器1010将程序(程序代码)、软件模块、数据等从存储器1030和/或通信装置1040读出到内存1020，并根据它们执行各种处理。作为程序，可以采用使计算机执行在上述实施方式中说明的动作中的至少一部分的程序。例如，上述终端或基站的处理单元可以通过保存在内存1020中并通过处理器1010来工作的控制程序来实现，对于其它功能块，也可以同样地来实现。
内存1020是计算机可读取记录介质，例如可以由只读存储器(ROM，Read OnlyMemory)、可编程只读存储器(EPROM，Erasable Programmable ROM)、电可编程只读存储器(EEPROM，Electrically EPROM)、随机存取存储器(RAM，Random Access Memory)、其它适当的存储介质中的至少一个来构成。内存1020也可以称为寄存器、高速缓存、主存储器(主存储装置)等。内存1020可以保存用于实施本公开的一实施方式所涉及的方法的可执行程序(程序代码)、软件模块等。
存储器1030是计算机可读取记录介质，例如可以由软磁盘(flexible disk)、软(注册商标)盘(floppy disk)、磁光盘(例如，只读光盘(CD-ROM(Compact Disc ROM)等)、数字通用光盘、蓝光(Blu-ray，注册商标)光盘)、可移动磁盘、硬盘驱动器、智能卡、闪存设备(例如，卡、棒(stick)、密钥驱动器(key driver))、磁条、数据库、服务器、其它适当的存储介质中的至少一个来构成。存储器1030也可以称为辅助存储装置。
通信装置1040是用于通过有线和/或无线网络进行计算机间的通信的硬件(发送接收设备)，例如也称为网络设备、网络控制器、网卡、通信模块等。通信装置1040为了实现例如频分双工(FDD，Frequency Division Duplex)和/或时分双工(TDD，Time DivisionDuplex)，可以包括高频开关、双工器、滤波器、频率合成器等。例如，上述的发送单元、接收单元等可以通过通信装置1040来实现。
输入装置1050是接受来自外部的输入的输入设备(例如，键盘、鼠标、麦克风、开关、按钮、传感器等)。输出装置1060是实施向外部的输出的输出设备(例如，显示器、扬声器、发光二极管(LED，Light Emitting Diode)灯等)。另外，输入装置1050和输出装置1060也可以为一体的结构(例如触控面板)。
此外，处理器1010、内存1020等各装置通过用于对信息进行通信的总线1070连接。总线1070可以由单一的总线构成，也可以由装置间不同的总线构成。
此外，基站和用户终端可以包括微处理器、数字信号处理器(DSP，Digital SignalProcessor)、专用集成电路(ASIC，Application Specific Integrated Circuit)、可编程逻辑器件(PLD，Programmable Logic Device)、现场可编程门阵列(FPGA，FieldProgrammable Gate Array)等硬件，可以通过该硬件来实现各功能块的部分或全部。例如，处理器1010可以通过这些硬件中的至少一个来安装。
(变形例)
另外，关于本说明书中说明的用语和/或对本说明书进行理解所需的用语，可以与具有相同或类似含义的用语进行互换。例如，信道和/或符号也可以为信号(信令)。此外，信号也可以为消息。参考信号也可以简称为RS(Reference Signal)，根据所适用的标准，也可以称为导频(Pilot)、导频信号等。此外，分量载波(CC，Component Carrier)也可以称为小区、频率载波、载波频率等。
此外，本说明书中说明的信息、参数等可以用绝对值来表示，也可以用与规定值的相对值来表示，还可以用对应的其它信息来表示。例如，无线资源可以通过规定的索引来指示。进一步地，使用这些参数的公式等也可以与本说明书中明确公开的不同。
在本说明书中用于参数等的名称在任何方面都并非限定性的。例如，各种各样的信道(物理上行链路控制信道(PUCCH，Physical Uplink Control Channel)、物理下行链路控制信道(PDCCH，Physical Downlink Control Channel)等)和信息单元可以通过任何适当的名称来识别，因此为这些各种各样的信道和信息单元所分配的各种各样的名称在任何方面都并非限定性的。
本说明书中说明的信息、信号等可以使用各种各样不同技术中的任意一种来表示。例如，在上述的全部说明中可能提及的数据、命令、指令、信息、信号、比特、符号、芯片等可以通过电压、电流、电磁波、磁场或磁性粒子、光场或光子、或者它们的任意组合来表示。
此外，信息、信号等可以从上层向下层、和/或从下层向上层输出。信息、信号等可以经由多个网络节点进行输入或输出。
输入或输出的信息、信号等可以保存在特定的场所(例如内存)，也可以通过管理表进行管理。输入或输出的信息、信号等可以被覆盖、更新或补充。输出的信息、信号等可以被删除。输入的信息、信号等可以被发往其它装置。
信息的通知并不限于本说明书中说明的方式/实施方式，也可以通过其它方法进行。例如，信息的通知可以通过物理层信令(例如，下行链路控制信息(DCI，DownlinkControl Information)、上行链路控制信息(UCI，Uplink Control Information))、上层信令(例如，无线资源控制(RRC，Radio Resource Control)信令、广播信息(主信息块(MIB，Master Information Block)、系统信息块(SIB，System Information Block)等)、媒体存取控制(MAC，Medium Access Control)信令)、其它信号或者它们的组合来实施。
另外，物理层信令也可以称为L1/L2(第1层/第2层)控制信息(L1/L2控制信号)、L1控制信息(L1控制信号)等。此外，RRC信令也可以称为RRC消息，例如可以为RRC连接建立(RRC Connection Setup)消息、RRC连接重设定(RRC Connection Reconfiguration)消息等。此外，MAC信令例如可以通过MAC控制单元(MAC CE(Control Element))来通知。
此外，规定信息的通知(例如，“为X”的通知)并不限于显式地进行，也可以隐式地(例如，通过不进行该规定信息的通知，或者通过其它信息的通知)进行。
关于判定，可以通过由1比特表示的值(0或1)来进行，也可以通过由真(true)或假(false)表示的真假值(布尔值)来进行，还可以通过数值的比较(例如与规定值的比较)来进行。
软件无论被称为软件、固件、中间件、微代码、硬件描述语言，还是以其它名称来称呼，都应宽泛地解释为是指命令、命令集、代码、代码段、程序代码、程序、子程序、软件模块、应用程序、软件应用程序、软件包、例程、子例程、对象、可执行文件、执行线程、步骤、功能等。
此外，软件、命令、信息等可以经由传输介质被发送或接收。例如，当使用有线技术(同轴电缆、光缆、双绞线、数字用户线路(DSL，Digital Subscriber Line)等)和/或无线技术(红外线、微波等)从网站、服务器、或其它远程资源发送软件时，这些有线技术和/或无线技术包括在传输介质的定义内。
本说明书中使用的“系统”和“网络”这样的用语可以互换使用。
在本说明书中，“基站(BS，Base Station)”、“无线基站”、“eNB”、“gNB”、“小区”、“扇区”、“小区组”、“载波”以及“分量载波”这样的用语可以互换使用。基站有时也以固定台(fixed station)、NodeB、eNodeB(eNB)、接入点(access point)、发送点、接收点、毫微微小区、小小区等用语来称呼。
基站可以容纳一个或多个(例如三个)小区(也称为扇区)。当基站容纳多个小区时，基站的整个覆盖区域可以划分为多个更小的区域，每个更小的区域也可以通过基站子系统(例如，室内用小型基站(射频拉远头(RRH，Remote Radio Head)))来提供通信服务。“小区”或“扇区”这样的用语是指在该覆盖中进行通信服务的基站和/或基站子系统的覆盖区域的一部分或整体。
在本说明书中，“移动台(MS，Mobile Station)”、“用户终端(user terminal)”、“用户装置(UE，User Equipment)”以及“终端”这样的用语可以互换使用。移动台有时也被本领域技术人员以用户台、移动单元、用户单元、无线单元、远程单元、移动设备、无线设备、无线通信设备、远程设备、移动用户台、接入终端、移动终端、无线终端、远程终端、手持机、用户代理、移动客户端、客户端或者若干其它适当的用语来称呼。
此外，本说明书中的无线基站也可以用用户终端来替换。例如，对于将无线基站和用户终端间的通信替换为多个用户终端间(D2D，Device-to-Device)的通信的结构，也可以应用本公开的各方式/实施方式。此时，可以将上述的设备1000中的第一通信设备或第二通信设备所具有的功能当作用户终端所具有的功能。此外，“上行”和“下行”等文字也可以替换为“侧”。例如，上行信道也可以替换为侧信道。
同样，本说明书中的用户终端也可以用无线基站来替换。此时，可以将上述的用户终端所具有的功能当作第一通信设备或第二通信设备所具有的功能。
在本说明书中，设为通过基站进行的特定动作根据情况有时也通过其上级节点(upper node)来进行。显然，在具有基站的由一个或多个网络节点(network nodes)构成的网络中，为了与终端间的通信而进行的各种各样的动作可以通过基站、除基站之外的一个以上的网络节点(可以考虑例如移动管理实体(MME，Mobility Management Entity)、服务网关(S-GW，Serving-Gateway)等，但不限于此)、或者它们的组合来进行。
本说明书中说明的各方式/实施方式可以单独使用，也可以组合使用，还可以在执行过程中进行切换来使用。此外，本说明书中说明的各方式/实施方式的处理步骤、序列、流程图等只要没有矛盾，就可以更换顺序。例如，关于本说明书中说明的方法，以示例性的顺序给出了各种各样的步骤单元，而并不限定于给出的特定顺序。
本说明书中说明的各方式/实施方式可以应用于利用长期演进(LTE，Long TermEvolution)、高级长期演进(LTE-A，LTE-Advanced)、超越长期演进(LTE-B，LTE-Beyond)、超级第3代移动通信系统(SUPER 3G)、高级国际移动通信(IMT-Advanced)、第4代移动通信系统(4G，4th generation mobile communication system)、第5代移动通信系统(5G，5thgeneration mobile communication system)、未来无线接入(FRA，Future RadioAccess)、新无线接入技术(New-RAT，Radio Access Technology)、新无线(NR，New Radio)、新无线接入(NX，New radio access)、新一代无线接入(FX，Future generation radioaccess)、全球移动通信系统(GSM(注册商标)，Global System for Mobilecommunications)、码分多址接入3000(CDMA3000)、超级移动宽带(UMB，Ultra MobileBroadband)、IEEE 920.11(Wi-Fi(注册商标))、IEEE 920.16(WiMAX(注册商标))、IEEE920.20、超宽带(UWB，Ultra-WideBand)、蓝牙(Bluetooth(注册商标))、其它适当的无线通信方法的系统和/或基于它们而扩展的下一代系统。
本说明书中使用的“根据”这样的记载，只要未在其它段落中明确记载，则并不意味着“仅根据”。换言之，“根据”这样的记载是指“仅根据”和“至少根据”这两者。
本说明书中使用的对使用“第一”、“第二”等名称的单元的任何参照，均非全面限定这些单元的数量或顺序。这些名称可以作为区别两个以上单元的便利方法而在本说明书中使用。因此，第一单元和第二单元的参照并不意味着仅可采用两个单元或者第一单元必须以若干形式占先于第二单元。
本说明书中使用的“判断(确定)(determining)”这样的用语有时包含多种多样的动作。例如，关于“判断(确定)”，可以将计算(calculating)、推算(computing)、处理(processing)、推导(deriving)、调查(investigating)、搜索(looking up)(例如表、数据库、或其它数据结构中的搜索)、确认(ascertaining)等视为是进行“判断(确定)”。此外，关于“判断(确定)”，也可以将接收(receiving)(例如接收信息)、发送(transmitting)(例如发送信息)、输入(input)、输出(output)、存取(accessing)(例如存取内存中的数据)等视为是进行“判断(确定)”。此外，关于“判断(确定)”，还可以将解决(resolving)、选择(selecting)、选定(choosing)、建立(establishing)、比较(comparing)等视为是进行“判断(确定)”。也就是说，关于“判断(确定)”，可以将若干动作视为是进行“判断(确定)”。
本说明书中使用的“连接的(connected)”、“结合的(coupled)”这样的用语或者它们的任何变形是指两个或两个以上单元间的直接的或间接的任何连接或结合，可以包括以下情况：在相互“连接”或“结合”的两个单元间，存在一个或一个以上的中间单元。单元间的结合或连接可以是物理上的，也可以是逻辑上的，或者还可以是两者的组合。例如，“连接”也可以替换为“接入”。在本说明书中使用时，可以认为两个单元是通过使用一个或一个以上的电线、线缆、和/或印刷电气连接，以及作为若干非限定性且非穷尽性的示例，通过使用具有射频区域、微波区域、和/或光(可见光及不可见光这两者)区域的波长的电磁能等，被相互“连接”或“结合”。
在本说明书或权利要求书中使用“包括(including)”、“包含(comprising)”、以及它们的变形时，这些用语与用语“具备”同样是开放式的。进一步地，在本说明书或权利要求书中使用的用语“或(or)”并非是异或。
以上对本公开进行了详细说明，但对于本领域技术人员而言，显然，本公开并非限定于本说明书中说明的实施方式。本公开在不脱离由权利要求书的记载所确定的本公开的宗旨和范围的前提下，可以作为修改和变更方式来实施。因此，本说明书的记载是以示例说明为目的，对本公开而言并非具有任何限制性的意义。
Claims (10)
1.一种终端，包括：
处理单元，用于获得关于所述终端的计算能力、存储能力、对神经网络的支持能力中至少一个的终端网络能力信息；
发送单元，用于向基站发送所述终端网络能力信息。
2.如权利要求1所述的终端，其中
当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力分别进行指示的信息。
3.如权利要求1所述的终端，其中
当所述终端网络能力信息包括关于所述终端的计算能力、存储能力、对神经网络的支持能力中多个能力的信息时，所述终端网络能力信息为对于所述多个能力联合进行指示的信息。
4.如权利要求1-3中任意一项所述的终端，还包括：
存储单元，用于存储网络能力表，其中所述网络能力表是关于计算能力、存储能力、对神经网络的支持能力中至少一个的表格。
5.如权利要求1-3中任意一项所述的终端，还包括：
接收单元，用于接收所述基站的能力获取请求；其中
所述发送单元根据所述能力获取请求向基站发送所述终端网络能力信息。
6.如权利要求1-3中任意一项所述的终端，还包括：
接收单元，用于接收来自所述基站的终端网络配置信息，其中
所述终端网络配置信息指示所述终端的神经网络的配置。
7.如权利要求6所述的终端，其中
所述终端网络配置信息包括关于所述终端的神经网络的网络层数、每层节点数、连接关系、激活函数、网络系数中至少一个的信息。
8.一种终端，包括：
接收单元，用于接收来自基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；以及
处理单元，用于根据所述基站网络配置信息，确定所述基站的神经网络的配置。
9.一种基站，包括：
接收单元，用于接收来自终端的终端网络能力信息；
处理单元，用于根据所述终端网络能力信息确定所述终端的终端网络配置信息；以及
发送单元，用于向所述终端发送所述终端网络配置信息。
10.一种基站，包括：
处理单元，用于获得所述基站的基站网络配置信息，其中所述基站网络配置信息指示所述基站的神经网络的配置；以及
发送单元，用于向终端发送所述基站网络配置信息。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413603.7A CN111954206B (zh) | 2019-05-17 | 2019-05-17 | 终端和基站 |
| US16/776,252 US10952067B2 (en) | 2019-05-17 | 2020-01-29 | Terminal and base station |
| JP2020033289A JP7420593B2 (ja) | 2019-05-17 | 2020-02-28 | 端末及び基地局 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910413603.7A CN111954206B (zh) | 2019-05-17 | 2019-05-17 | 终端和基站 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111954206A true CN111954206A (zh) | 2020-11-17 |
| CN111954206B CN111954206B (zh) | 2024-04-09 |
Family
ID=73231401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910413603.7A Active CN111954206B (zh) | 2019-05-17 | 2019-05-17 | 终端和基站 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10952067B2 (zh) |
| JP (1) | JP7420593B2 (zh) |
| CN (1) | CN111954206B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022028450A1 (zh) * | 2020-08-05 | 2022-02-10 | 展讯半导体(南京)有限公司 | Ai网络模型支持能力上报、接收方法及装置、存储介质、用户设备、基站 |
| CN114745712A (zh) * | 2021-01-07 | 2022-07-12 | 中国移动通信有限公司研究院 | 基于终端能力的处理方法、装置、终端及网络设备 |
| CN114788317A (zh) * | 2022-03-14 | 2022-07-22 | 北京小米移动软件有限公司 | 信息处理方法及装置、通信设备及存储介质 |
| CN114866202A (zh) * | 2021-02-03 | 2022-08-05 | 展讯通信（上海）有限公司 | Csi反馈方法及装置、存储介质、终端、网络设备 |
| WO2022166445A1 (zh) * | 2021-02-03 | 2022-08-11 | 展讯通信（上海）有限公司 | Csi反馈方法及装置、存储介质、终端、网络设备 |
| WO2022199142A1 (zh) * | 2021-03-25 | 2022-09-29 | 中兴通讯股份有限公司 | 网络参数集合信息传输方法、装置、终端、基站和介质 |
| WO2022226710A1 (zh) * | 2021-04-25 | 2022-11-03 | 展讯通信（上海）有限公司 | 通信方法、切换方法及相关装置 |
| WO2022236840A1 (zh) * | 2021-05-14 | 2022-11-17 | Oppo广东移动通信有限公司 | 配置方法、分配方法、装置、设备及存储介质 |
| WO2023040832A1 (zh) * | 2021-09-14 | 2023-03-23 | 中国移动通信有限公司研究院 | 一种信息传输方法、装置、设备及可读存储介质 |
| WO2023125933A1 (zh) * | 2021-12-31 | 2023-07-06 | 维沃移动通信有限公司 | Ai网络信息传输方法、装置及通信设备 |
| WO2023221111A1 (zh) * | 2022-05-20 | 2023-11-23 | Oppo广东移动通信有限公司 | Ue能力的上报方法、装置、设备和介质 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11431583B2 (en) * | 2019-11-22 | 2022-08-30 | Huawei Technologies Co., Ltd. | Personalized tailored air interface |
| US11871250B2 (en) * | 2020-09-25 | 2024-01-09 | Qualcomm Incorporated | Machine learning component management in federated learning |
| EP4260238A1 (en) * | 2020-12-09 | 2023-10-18 | Qualcomm Incorporated | Communications using a neural network based at least in part on an indicated input size and/or input structure |
| US11825553B2 (en) * | 2021-05-05 | 2023-11-21 | Qualcomm Incorporated | UE capability for AI/ML |
| US11844145B2 (en) * | 2021-06-09 | 2023-12-12 | Qualcomm Incorporated | User equipment signaling and capabilities to enable federated learning and switching between machine learning and non-machine learning related tasks |
| CN115589616A (zh) * | 2021-07-05 | 2023-01-10 | 维沃移动通信有限公司 | 一种算力信息获取方法及相关设备 |
| WO2023115567A1 (en) * | 2021-12-24 | 2023-06-29 | Nec Corporation | Methods, devices, and computer readable medium for communication |
| WO2023178567A1 (zh) * | 2022-03-23 | 2023-09-28 | 北京小米移动软件有限公司 | 一种上报方法/装置/设备及存储介质 |
| CN117097618A (zh) * | 2022-05-12 | 2023-11-21 | 华为技术有限公司 | 信息处理的方法和装置 |
| US20240056798A1 (en) * | 2022-08-11 | 2024-02-15 | Qualcomm Incorporated | Techniques for downloading models in wireless communications |
| CN117835264A (zh) * | 2022-09-27 | 2024-04-05 | 华为技术有限公司 | 通信方法及相关装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447498A (zh) * | 2014-09-22 | 2016-03-30 | 三星电子株式会社 | 配置有神经网络的客户端设备、系统和服务器系统 |
| CN106027300A (zh) * | 2016-05-23 | 2016-10-12 | 深圳市飞仙智能科技有限公司 | 一种应用神经网络的智能机器人参数优化系统及方法 |
| EP3190847A1 (en) * | 2016-01-08 | 2017-07-12 | IPCom GmbH & Co. KG | Capability cost signalling |
| US20170366998A1 (en) * | 2014-12-24 | 2017-12-21 | Lg Electronics Inc. | Method for reporting channel status in wireless communication system and apparatus therefor |
| CN108243216A (zh) * | 2016-12-26 | 2018-07-03 | 华为技术有限公司 | 数据处理的方法、端侧设备、云侧设备与端云协同系统 |
| WO2018119743A1 (zh) * | 2016-12-28 | 2018-07-05 | 广东欧珀移动通信有限公司 | 信息发送方法、信息接收方法、装置及系统 |
| WO2018171223A1 (zh) * | 2017-03-24 | 2018-09-27 | 华为技术有限公司 | 一种看护机器人的数据处理方法及装置 |
| CN108989973A (zh) * | 2017-05-17 | 2018-12-11 | Lg 电子株式会社 | 移动终端 |
| JP2019061338A (ja) * | 2017-09-25 | 2019-04-18 | Kddi株式会社 | ニューラルネットワークの調整装置、デバイス及びプログラム |
| WO2019081891A1 (en) * | 2017-10-24 | 2019-05-02 | Zyzzle Limited | ARTIFICIAL INTELLIGENCE SYSTEMS AND AUTONOMOUS ENTITY APPARATUSES COMPRISING ARTIFICIAL INTELLIGENCE SYSTEMS |
| CN109729540A (zh) * | 2019-01-18 | 2019-05-07 | 福建福诺移动通信技术有限公司 | 一种基于神经网络的基站参数自动优化方法 |
| US20190150006A1 (en) * | 2017-11-15 | 2019-05-16 | Futurewei Technologies, Inc. | Predicting received signal strength in a telecommunication network using deep neural networks |
| WO2019185981A1 (en) * | 2018-03-27 | 2019-10-03 | Nokia Technologies Oy | Generating or obtaining an updated neural network |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6006091A (en) * | 1996-12-12 | 1999-12-21 | Telefonaktiebolaget Lm Ericsson (Publ) | System and method of informing a radio telecommunications network of the operating capabilities of a mobile terminal located therein |
| US20040075606A1 (en) * | 2002-10-22 | 2004-04-22 | Jaawa Laiho | Method and system for location estimation analysis within a communication network |
| US8149843B2 (en) * | 2006-06-28 | 2012-04-03 | Cisco Technology, Inc. | Capability exchange between network entities in WiMAX |
| EP2031921A1 (en) * | 2007-08-14 | 2009-03-04 | Alcatel Lucent | Apparatus and method for handling mobile terminal capability informanion |
| CN101267478A (zh) * | 2008-02-20 | 2008-09-17 | 陈世庆 | 移动人工智能语音通讯跨平台控制及管理系统 |
| US8213933B2 (en) * | 2009-05-01 | 2012-07-03 | Via Telecom, Inc. | Wireless communication between a base station and a mobile device |
| WO2012126438A2 (zh) * | 2012-05-30 | 2012-09-27 | 华为终端有限公司 | 通信方法和装置 |
-
2019
- 2019-05-17 CN CN201910413603.7A patent/CN111954206B/zh active Active
-
2020
- 2020-01-29 US US16/776,252 patent/US10952067B2/en active Active
- 2020-02-28 JP JP2020033289A patent/JP7420593B2/ja active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447498A (zh) * | 2014-09-22 | 2016-03-30 | 三星电子株式会社 | 配置有神经网络的客户端设备、系统和服务器系统 |
| US20170366998A1 (en) * | 2014-12-24 | 2017-12-21 | Lg Electronics Inc. | Method for reporting channel status in wireless communication system and apparatus therefor |
| EP3190847A1 (en) * | 2016-01-08 | 2017-07-12 | IPCom GmbH & Co. KG | Capability cost signalling |
| CN106027300A (zh) * | 2016-05-23 | 2016-10-12 | 深圳市飞仙智能科技有限公司 | 一种应用神经网络的智能机器人参数优化系统及方法 |
| CN108243216A (zh) * | 2016-12-26 | 2018-07-03 | 华为技术有限公司 | 数据处理的方法、端侧设备、云侧设备与端云协同系统 |
| CN110115053A (zh) * | 2016-12-28 | 2019-08-09 | Oppo广东移动通信有限公司 | 信息发送方法、信息接收方法、装置及系统 |
| WO2018119743A1 (zh) * | 2016-12-28 | 2018-07-05 | 广东欧珀移动通信有限公司 | 信息发送方法、信息接收方法、装置及系统 |
| WO2018171223A1 (zh) * | 2017-03-24 | 2018-09-27 | 华为技术有限公司 | 一种看护机器人的数据处理方法及装置 |
| CN108989973A (zh) * | 2017-05-17 | 2018-12-11 | Lg 电子株式会社 | 移动终端 |
| JP2019061338A (ja) * | 2017-09-25 | 2019-04-18 | Kddi株式会社 | ニューラルネットワークの調整装置、デバイス及びプログラム |
| WO2019081891A1 (en) * | 2017-10-24 | 2019-05-02 | Zyzzle Limited | ARTIFICIAL INTELLIGENCE SYSTEMS AND AUTONOMOUS ENTITY APPARATUSES COMPRISING ARTIFICIAL INTELLIGENCE SYSTEMS |
| US20190150006A1 (en) * | 2017-11-15 | 2019-05-16 | Futurewei Technologies, Inc. | Predicting received signal strength in a telecommunication network using deep neural networks |
| WO2019185981A1 (en) * | 2018-03-27 | 2019-10-03 | Nokia Technologies Oy | Generating or obtaining an updated neural network |
| CN109729540A (zh) * | 2019-01-18 | 2019-05-07 | 福建福诺移动通信技术有限公司 | 一种基于神经网络的基站参数自动优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| ERICSSON: "R3-190835 \"Status Quo and way forward for UE RRM policy handling\"", 3GPP TSG_RAN\\WG3_IU, no. 3, pages 1 - 7 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022028450A1 (zh) * | 2020-08-05 | 2022-02-10 | 展讯半导体(南京)有限公司 | Ai网络模型支持能力上报、接收方法及装置、存储介质、用户设备、基站 |
| CN114745712A (zh) * | 2021-01-07 | 2022-07-12 | 中国移动通信有限公司研究院 | 基于终端能力的处理方法、装置、终端及网络设备 |
| CN114866202A (zh) * | 2021-02-03 | 2022-08-05 | 展讯通信（上海）有限公司 | Csi反馈方法及装置、存储介质、终端、网络设备 |
| WO2022166445A1 (zh) * | 2021-02-03 | 2022-08-11 | 展讯通信（上海）有限公司 | Csi反馈方法及装置、存储介质、终端、网络设备 |
| WO2022199142A1 (zh) * | 2021-03-25 | 2022-09-29 | 中兴通讯股份有限公司 | 网络参数集合信息传输方法、装置、终端、基站和介质 |
| WO2022226710A1 (zh) * | 2021-04-25 | 2022-11-03 | 展讯通信（上海）有限公司 | 通信方法、切换方法及相关装置 |
| WO2022236840A1 (zh) * | 2021-05-14 | 2022-11-17 | Oppo广东移动通信有限公司 | 配置方法、分配方法、装置、设备及存储介质 |
| WO2023040832A1 (zh) * | 2021-09-14 | 2023-03-23 | 中国移动通信有限公司研究院 | 一种信息传输方法、装置、设备及可读存储介质 |
| CN115843020A (zh) * | 2021-09-14 | 2023-03-24 | 中国移动通信有限公司研究院 | 一种信息传输方法、装置、设备及可读存储介质 |
| WO2023125933A1 (zh) * | 2021-12-31 | 2023-07-06 | 维沃移动通信有限公司 | Ai网络信息传输方法、装置及通信设备 |
| CN114788317A (zh) * | 2022-03-14 | 2022-07-22 | 北京小米移动软件有限公司 | 信息处理方法及装置、通信设备及存储介质 |
| WO2023173262A1 (zh) * | 2022-03-14 | 2023-09-21 | 北京小米移动软件有限公司 | 信息处理方法及装置、通信设备及存储介质 |
| WO2023221111A1 (zh) * | 2022-05-20 | 2023-11-23 | Oppo广东移动通信有限公司 | Ue能力的上报方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10952067B2 (en) | 2021-03-16 |
| US20200367051A1 (en) | 2020-11-19 |
| JP2020191623A (ja) | 2020-11-26 |
| JP7420593B2 (ja) | 2024-01-23 |
| CN111954206B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111954206B (zh) | 终端和基站 | |
| CN111953448A (zh) | 无线通信系统中的终端和基站 | |
| CN111954309A (zh) | 终端和基站 | |
| CN111034303A (zh) | 波束选择方法、基站和用户设备 | |
| US11595883B2 (en) | Wireless communication methods and corresponding base stations and user terminals | |
| CN110546910B (zh) | 参考信号发送方法、信道测量方法、无线基站及用户终端 | |
| CN111133795A (zh) | 小区选择或接入方法、用户终端、维护方法和基站 | |
| CN113574923B (zh) | 终端、通信方法以及无线通信系统 | |
| CN110612764A (zh) | 干扰协调信息交互方法、减轻交叉链路干扰的方法和基站 | |
| CN110603741B (zh) | 波束信息反馈方法及用户装置 | |
| US11770697B2 (en) | Terminal, transmission method, and radio communication system | |
| CN113424619A (zh) | 用户装置 | |
| CN113491161B (zh) | 用户装置以及通信方法 | |
| CN116349316A (zh) | 终端以及通信方法 | |
| CN113692727A (zh) | 终端以及由终端执行的方法 | |
| CN112425226B (zh) | 通信方法及相应的用户终端、基站 | |
| US20200067679A1 (en) | Method for data detection, and user equipment | |
| CN114175709A (zh) | 终端以及通信节点 | |
| CN111149381A (zh) | 基站及测量能力决定方法 | |
| CN111630887B (zh) | 无线通信方法及相应的通信设备 | |
| WO2019180849A1 (ja) | 基地局 | |
| CN114142883A (zh) | 发送设备、接收设备、发送方法和接收方法 | |
| CN116671030A (zh) | 终端以及基站 | |
| CN117242833A (zh) | 客户前置装置 | |
| CN117242719A (zh) | 高空平台站-地面通信系统中的电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |