CN112789827A - 关联和存储来自无线电网络和时空传感器的数据 - Google Patents
关联和存储来自无线电网络和时空传感器的数据 Download PDFInfo
- Publication number
- CN112789827A CN112789827A CN201880098133.3A CN201880098133A CN112789827A CN 112789827 A CN112789827 A CN 112789827A CN 201880098133 A CN201880098133 A CN 201880098133A CN 112789827 A CN112789827 A CN 112789827A
- Authority
- CN
- China
- Prior art keywords
- radio network
- data samples
- sensor
- information data
- network 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
- 238000000034 method Methods 0.000 claims abstract description 73
- 230000009471 action Effects 0.000 claims description 83
- 238000004891 communication Methods 0.000 claims description 33
- 230000015556 catabolic process Effects 0.000 claims description 27
- 238000006731 degradation reaction Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000013468 resource allocation Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 28
- 238000013523 data management Methods 0.000 description 24
- 230000000903 blocking effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 10
- 101150080339 BTS1 gene Proteins 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 229940112112 capex Drugs 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- FEBLZLNTKCEFIT-VSXGLTOVSA-N fluocinolone acetonide Chemical compound C1([C@@H](F)C2)=CC(=O)C=C[C@]1(C)[C@]1(F)[C@@H]2[C@@H]2C[C@H]3OC(C)(C)O[C@@]3(C(=O)CO)[C@@]2(C)C[C@@H]1O FEBLZLNTKCEFIT-VSXGLTOVSA-N 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- MWRWFPQBGSZWNV-UHFFFAOYSA-N Dinitrosopentamethylenetetramine Chemical compound C1N2CN(N=O)CN1CN(N=O)C2 MWRWFPQBGSZWNV-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
- H04L41/0816—Configuration setting characterised by the conditions triggering a change of settings the condition being an adaptation, e.g. in response to network events
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/022—Capturing of monitoring data by sampling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/24—Reselection being triggered by specific parameters
- H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data
- H04W36/322—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data by location data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种技术可以包括从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
Description
技术领域
本说明书涉及无线通信。
背景技术
通信系统可以是一种使得能够在两个或更多个节点或设备(诸如固定或移动通信设备)之间进行通信的设施。信号可以被承载在有线或无线载波上。
蜂窝通信系统的一个示例是由第三代合作伙伴计划(3GPP)标准化的架构。该领域的最新发展通常称为通用移动电信系统(UMTS)无线电接入技术的长期演进(LTE)。E-UTRA(演进型UMTS地面无线电接入)是3GPP针对移动网络的长期演进(LTE)升级路径的空中接口。在LTE中,称为增强型节点AP(eNB)的基站或接入点(AP)在覆盖区域或小区内提供无线接入。在LTE中,移动设备或移动台称为用户设备(UE)。LTE包括很多改进或发展。
5G新无线电(NR)的开发是满足5G要求的持续移动宽带演进过程的一部分,类似于3G和4G无线网络的早期演进。此外,除了移动宽带,5G还针对新兴用例。5G的目标是显著提高无线性能,这可以包括新级别的数据速率、时延、可靠性和安全性。5G NR还可以缩放以有效地连接大规模物联网(IoT),并且可以提供新型的关键任务服务。例如,超可靠低延迟通信(URLLC)设备可能需要高的可靠性和非常低的时延。
发明内容
根据示例实施例,一种方法包括从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
根据示例实施例,一种装置包括至少一个处理器和包括计算机指令的至少一个存储器,该计算机指令在由至少一个处理器执行时引起该装置从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
根据示例实施例,一种非暂态计算机可读存储介质包括存储在其上的指令,该指令在由至少一个处理器执行时被配置为引起计算系统执行如下方法:从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
在附图和以下描述中阐述了实施例的一个或多个示例的细节。根据说明书和附图以及根据权利要求书,其他特征将很清楚。
附图说明
图1是根据示例实施例的无线电网络的框图。
图2是示出根据示例实施例的设置在机器人上的用户设备/UE的位置与由于阻塞对象而导致的用户设备/UE的接收功率的变化之间的确定性行为的图。
图3是示出根据示例实施例的在工厂中重复循环的机器人的图。
图4是示出根据示例实施例的网络的操作的图。
图5是根据示例实施例的将传感器数据样本与无线电网络信息数据样本相关联的图。
图6是示出根据示例实施例的数据过滤和关联(DFA)的图。
图7是根据示例实施例的数据管理实体的图。
图8是示出具有用户设备(UE)的机器人810以及影响UE的无线电网络性能的动态或移动阻塞对象812的图。
图9是示出在错误之前、错误期间和错误之后的时间段的无线电网络信息(RI)的图。
图10示出了在错误前、错误和错误后位置内的动态阻塞对象的视频的视频帧。
图11是示出与不同视频帧相关联的针对错误前、错误和错误后时间而转发或接收的数据的图。
图12是示出部署选项的图,其中DFA算法在多接入边缘云(MEC)服务器内部。
图13是示出与图12类似的部署的图,区别在于传感器数据被聚合到SDF聚合函数。
图14是示出部署选项的图,其中传感器和DFA算法实例520在无线电网络(RN)412内部。
图15是示出根据示例实施例的系统的操作的流程图。
图16是根据示例实施例的无线台(例如,AP、BS或用户设备或其他网络节点)的框图。
具体实施方式
图1是根据示例实施例的无线电网络130的框图。在图1的无线电网络130中,用户设备131、132、133和135(也可以称为移动台(MS)或用户设备(UE))可以与基站(BS)134连接(并且与之通信),基站(BS)134也称为接入点(AP)、增强型节点B(eNB)或网络节点。接入点(AP)、基站(BS)或(e)Node B(eNB)的功能的至少一部分也可以由可以可操作地耦合到收发器(诸如远程无线电头)的任何节点、服务器或主机来执行。BS(或AP)134在小区136内提供无线覆盖,包括向用户设备131、132、133和135提供无线覆盖。尽管仅四个用户设备被示出为连接或附接到BS 134,但是可以提供任何数目的用户设备。BS 134也经由S1接口151连接到核心网络150。这仅是无线网络的一个简单示例,并且可以使用其他示例。
用户设备(用户终端、用户设备(UE))可以指代包括在具有或没有订户标识模块(SIM)的情况下操作的无线移动通信设备的便携式计算设备,包括例如但不限于以下设备类型:移动台(MS)、移动电话、蜂窝电话、智能电话、个人数字助理(PDA)、听筒、使用无线调制解调器的设备(警报或测量设备等)、膝上型和/或触摸屏计算机、平板电脑、平板手机、游戏机、笔记本和多媒体设备、或任何其他无线设备。应当理解,用户设备也可以是几乎排他性的仅上行链路设备,其示例是将图像或视频馈送加载到网络的相机或摄像机。
在LTE中(作为示例),核心网络150可以称为演进分组核心(EPC),其可以包括可以管理或协助用户设备在BS之间的移动性/切换的移动性管理实体(MME)、可以在BS与分组数据网络或互联网之间转发数据和控制信号的一个或多个网关、以及其他控制功能或模块。
另外,作为说明性示例的方式,本文中描述的各种示例实施例或技术可以应用于各种类型的用户设备或数据服务类型,或者可以应用于可以在其上运行有可以具有不同数据服务类型的多个应用的用户设备。新无线电(5G)开发可以支持很多不同应用或很多不同数据服务类型,诸如例如:机器类型通信(MTC)、增强型机器类型通信(eMTC)、物联网(IoT)和/或窄带IoT用户设备、增强型移动宽带(eMBB)以及超可靠低延迟通信(URLLC)。
IoT可以指代不断增长的具有互联网或网络连接性的对象组,使得这些对象可以向其他网络设备发送信息并且从其他网络设备接收信息。例如,很多传感器类型应用或设备可以监测身体状况或情况,并且可以例如在事件发生时向服务器或其他网络设备发送报告。机器类型通信(MTC或机器对机器通信)的特征可以在于在具有或没有人为干预的情况下智能机器之间的全自动数据生成、交换、处理和启动。增强型移动宽带(eMBB)可以支持比LTE中当前可用的更高的数据速率。
超可靠低延迟通信(URLLC)是新无线电(5G)系统可以支持的一种新的数据服务类型或新的使用场景。这可以实现新兴的新应用和服务,诸如工业自动化、自动驾驶、车辆安全、电子医疗服务等。作为说明性示例,3GPP旨在以与10-5的块错误率(BLER)和高达1ms的U平面(用户/数据平面)时延相对应的可靠性来提供连接性。因此,例如,URLLC用户设备/UE可能需要比其他类型的用户设备/UE低得多的块错误率以及低时延(需要或不需要同时的高可靠性)。因此,例如,与eMBB UE(或UE上运行的eMBB应用)相比,URLLC UE(或UE上的URLLC应用)可能需要更短的时延。
各种示例实施例可以应用于各种各样的无线技术或无线网络,诸如LTE、LTE-A、5G、cmWave和/或mmWave频带网络、IoT、MTC、eMTC、eMBB、URLLC等、或者任何其他无线网络或无线技术。这些示例网络、技术或数据服务类型仅作为说明性示例提供。
如上所述,预期5G技术将显著提高数据速率(或带宽)和/或减少时延。很多5G技术(诸如URLLC)可能需要非常严格的性能,诸如得到保证的低时延。但是,物理环境的动态性质可能导致无线电网络性能频繁或连续变化。在某些情况下,环境变化可能导致无线电网络性能下降到不满足某些5G应用(例如,URLLC应用)所需要的5G性能要求(诸如BLER或时延要求)的水平,如上所述。UE或BS可以测量KPI(关键性能指示符)的变化,诸如信号干扰噪声比、接收信号强度、块错误率(BLER)或其他KPI或测量的变化,例如,指示无线电网络性能下降。但是,由于非常严格的5G网络性能要求(例如,针对延迟和/或BLER或其他要求),在很多情况下,UE或BS可能没有足够的时间来检测例如UE与BS之间的无线电/无线信道的无线电网络性能下降,并且然后在无线电网络或无线信道的性能下降到(多个)5G应用可接受的水平以下之前采取动作来改善无线电网络性能。根据说明性示例,UE或BS可以检测例如UE与BS之间的无线信道的SINR或接收信号强度的下降,并且然后可以请求或执行连接鲁棒性的增加(例如,通过使用更鲁棒的调制编码方案和/或激活附加多连接性链路)或到另一BS的切换,例如,以避免断开连接或试图提高UE的无线电网络性能。因此,例如,这样的检测无线电网络性能变化(例如,检测SINR的下降或接收信号强度的下降或其他KPI变化)并且然后通过对无线电网络执行某种动作来对这样的检测到的变化做出反应的反应性方法可能不足以满足5G无线网络的严格的时延和BLER要求。例如,在该示例中,提高连接鲁棒性和/或以反应性方式执行切换可能仍会导致无线电网络性能下降到低于5G要求的水平(例如,BLER和/或时延可能会高到无法接受,甚至可能发生连接故障)。对无线电网络的无线电测量或已测量KPI的测量变化做出反应时,可能会出现这种问题,这是因为例如到检测到无线电网络的测量或KPI的变化时,可能没有足够的时间来执行一种或多种动作以避免网络性能进一步下降。
因此,根据示例实施例,可以使用更具预测性或更具抢先性的方法以基于一个或多个关联传感器和无线电网络信息数据样本来解决无线电网络性能的预期或预测变化。这种方法的主要优势或技术优势在于,它可以在网络性能下降到(多个)关键应用(诸如URLLC)的可接受水平以下之前实现或执行抢先性校正动作。这是可能的,因为相关联的传感器和无线电网络数据为优化方法带来了新信息,从而允许预测传统方法(即,仅利用无线电网络数据)无法预测(或难以预测)的事件。例如,物理环境的确定性性质可以用于执行一个或多个抢占性校正动作,诸如一个或多个抢先性校正无线电网络动作和/或抢先性校正非无线电网络动作,例如,以改善无线电网络性能。可以选择与无线电网络的性能有关(例如,与无线电网络性能相关联或可以指示无线电网络性能的可能或预期降低)的一些关联传感器和无线电网络信息数据样本。例如,基于过去的相关联的传感器数据样本和无线电网络信息数据样本,对象的行为或运动或物理环境的变化的特定模式可以与无线电网络性能的当前和/或未来(例如,预期或预测的)变化相关联。所选择的关联传感器和无线电网络信息数据样本可以被转发以供后续使用(例如,存储在数据库中以用于处理,或者用于执行改善无线电网络性能的动作)。因此,由于与物理环境有关的时空传感器数据可以与某些无线电网络信息相关,因此相关联的传感器和无线电网络信息(ASRI)数据样本可以用于预测未来无线电网络性能。特别地,与仅使用无线电网络信息相比,可以通过使用时空传感器数据(其与无线电网络信息相关联)来增强对未来无线电网络性能的预测。例如,可以基于相关联的传感器和无线电网络信息(ASRI)数据样本来执行一个或多个动作,例如,诸如增加传输功率,将UE的调制核编码方案改变为更鲁棒或更低的MCS,执行UE到不同BS的切换,或其他无线电网络动作。
根据示例实施例,一种方法可以包括:从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
大多数URLLC环境的确定性性质为网络预测性地优化其参数提供了高增益潜力。根据示例实施例,无线电网络测量(例如,UE测量)可以被映射到物理环境的状态或与物理环境的状态相关联。这些映射或与该信息相关联的信息然后可以由模型或预测算法(诸如人工智能模型或方法,诸如具有Q学习的强化学习或其他模型)使用以用于网络自优化,以提高网络性能。以这种方式,可以检测到导致更好性能或错误的状态和动作,并且可以执行被预测或期望改善无线电网络性能(例如,增加SINR,避免连接失败或断开连接,减少时延,……)的动作(例如,无线电网络动作或物理环境的可能变化)时延。
图2是示出根据示例实施例的设置在机器人上的用户设备/UE的位置(或定位)与由于阻塞对象而导致的用户设备/UE的接收功率的变化之间的确定性行为的图。在图2所示的说明性示例中,当机器人210相对于BTS1经过阻塞对象218之后时,在UE(机器人重复确定性路径)与基站BTS1之间在220处发生信号阻塞,导致来自BTS1的信号水平214下降到错误阈值以下212,例如,当机器人/UE位于150m至350m之间的x坐标时(220)。
根据示例实施例,针对这种情况的一种解决方案可以包括机器人210上的UE从BTS1切换到BTS2(如来自BTS2的接收功率信号216所示,其不能承受接收功率下降)。然而,执行UE从BTS1到BTS2的这种切换的延迟222非常显著,并且可能不足以防止UE与BTS1之间的连接丢失(或连接断开)。如上所述,解决这个问题的一种解决方案是将UE切换到BTS2。然而,由于传统切换方法是反应性的并且信号水平下降得非常快,因此,例如,转换(或切换)到BTS2的延迟222导致URLLC要求不能容忍的错误。由于信号阻塞之前的无线电信号变化不一定指示由UE接收的功率的即将到来的下降,因此对接收功率的下降(或其他检测到的网络性能下降)做出反应的传统方法可能无法有效地防止网络性能进一步的下降或无线电网络的错误情况。例如,如上所述,用于改善无线电网络性能的反作用方法(例如,仅在已经由UE或BS测量或检测到无线电网络性能的下降之后才执行动作)通常不能防止无线电网络性能的进一步下降,或者甚至不能避免在时延、BLER、切换延迟、数据速率、可靠性等方面可能有非常严格要求的5G网络(例如,URLLC或其他应用)的某些错误情况。换句话说,由于某些5G应用(诸如URLLC)的严格性能要求,在检测到网络性能下降(例如,检测到SINR或接收信号强度下降)之后,可能没有足够的时间执行无线电网络动作以防止无线电网络性能的进一步和不可接受的下降。
因此,根据示例实施例,无线电网络性能(或与无线电网络相关联的数据样本)与指示物理环境的状态(例如,机器人的位置)的传感器数据样本之间的相关或关联可以用于预测未来无线电网络性能和/或执行可以改善网络性能的无线电网络动作。例如,基于机器人位置/定位与接收功率之间的关联或相关,当机器人210的位置从130m移动到140m(例如,位置在通常首次检测到无线电网络性能(例如,接收功率)的下降的150m的x坐标之前)时,可以抢先性地(例如,在检测到接收功率的显著减少之前)执行UE的切换。在该示例中,当机器人到达140m的x坐标时,可以执行从BTS1到BTS2的切换,以便提供大于或等于延迟222的足够时间,例如,以改善无线电网络的性能(例如,在这种情况下,避免接收功率降低到阈值212以下和/或UE与BTS1之间的连接丢失)。
因此,如何考虑影响无线电信道或无线电网络的确定性行为(引入另一确定性循环)的物理环境的动态变化可能存在挑战。该问题在图3中示出,其中机器人310在工厂中重复循环。当工厂的加载端口门312关闭时,机器人310所经历的来自室外基站314的干扰遵循确定性周期A。当门打开时,更多干扰在室内传播,并且引入了新的确定性周期(周期B)。例如,物理环境的状态可以指示环境中的物理对象的状态、位置、定位、取向(或其他物理特征)。例如,机器人的位置、机器人臂的取向等。因此,在这种情况下,加载端口门312的状态可以与当前或未来无线电网络性能相关联。因此,如图3所示,当加载端口门312打开时,来自室外BS 314的干扰更大。因此,在该示例中,可以看出,物理环境的状态可以用于预测无线电网络的未来状态(或无线电网络性能的未来状态,和/或可以用于尝试不同动作(例如,不同无线电网络动作和/或物理环境动作),以确定哪个动作可以提供无线电网络性能的最佳改善。例如,可以执行一个或多个动作(或甚至执行并且然后测量一个或多个动作以确定哪个(哪些)动作提供最佳性能提升),例如增加到机器人310的UE的传输功率,或者在加载端口门312刚打开之前使用更鲁棒的调制编码方案向UE/机器人310传输,或者改变加载端口门以在对无线电网络性能影响较小的不同时间打开。
根据示例实施例,一种方法可以包括从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;并且转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。根据示例实施例,传感器数据样本包括与物理环境相关联的时空传感器数据样本。例如,时空数据样本可以包括指示在特定时间或样本时间对象的状态或物理环境的状态的数据样本。而且,根据示例实施例,转发可以包括例如存储所选择的关联传感器和无线电网络信息数据样本,和/或转发所选择的关联传感器和无线电网络信息数据样本以用于处理。该方法还可以包括基于所选择的关联传感器和无线电网络信息数据样本来执行用于改善无线电网络的性能的至少一个动作,例如,其中该动作可以包括例如执行无线电网络动作,诸如调节无线电网络参数或配置,和/或相对于物理环境执行动作(诸如移动或改变对象的状态)。例如,执行动作可以包括以下中的一项或多项:一个或多个无线电网络动作;一个或多个自动无线电网络动作;由网络自优化算法触发的一个或多个自动无线电网络动作;和/或一个或多个非无线电网络动作(例如,与物理环境相关联的动作),其中物理环境的对象或方面被改变以提高无线电网络的性能。另外,例如,从一个或多个传感器接收传感器数据样本可以包括接收与以下中的一项或多项相关联的传感器数据样本:控制物理环境的对象或一部分的按钮、开关或控制器;控制对象的定位、取向或运动的按钮、开关或控制器;控制对象情况或状态的按钮、开关或控制器;捕获物理环境的对象或一部分的图像或视频馈送的相机;以及检测物理环境的对象或一部分的情况或状态的传感器。在另一示例中,接收与检测物理环境的对象或一部分的情况或状态的传感器相关联的传感器数据可以包括例如从对物理环境的对象或一部分执行检测、测距、方位或位置确定的雷达或LiDAR接收传感器数据。
另外,例如,作为说明性示例,接收与无线电网络相关联的无线电网络信息可以包括接收以下至少之一:无线电网络的无线电网络关键性能指示符;与无线电网络动作相关联的信息;以及无线电网络配置参数。另外,作为示例,无线电网络关键性能指示符可以包括以下中的一项或多项(这些仅仅是说明性示例):接收信号强度;总接收功率;接收干扰功率;以及信号干扰噪声比(SINR);路径损耗;参考信号接收功率;参考信号接收质量;接收信号强度指示符;可靠性;块错误率;时延;抖动;覆盖范围;容量;数据传送速率;秩指示符;调制编码方案指示符;信道状态信息;以及定时提前。
另外,根据示例实施例,作为示例,确定一个或多个关联传感器和无线电网络信息数据样本可以包括:基于一个或多个传感器数据样本的时间在无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内,来确定一个或多个关联传感器和无线电网络信息数据样本。另外,确定一个或多个关联传感器和无线电网络信息数据样本可以包括:确定第一传感器与至少第一通信元件配对或相关联;以及基于在与至少第一通信元件相关联的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内的来自第一传感器的一个或多个传感器数据样本的时间,来确定一个或多个关联传感器和无线电网络信息数据样本。例如,通信元件可以包括例如计算机或服务器、或者与无线电网络相关联的无线电网络元件,包括基站(BS)、用户设备(或UE)、核心网络元件或其他无线电网络元件中的至少一项。另外,选择与无线电网络的性能有关的一个或多个关联传感器和无线电网络信息数据样本中的至少一些关联传感器和无线电网络信息数据样本可以包括以下中的一项或多项,例如:选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能改变之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能改变期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能改变之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。另外,例如,选择一个或多个关联传感器和无线电网络信息数据样本中与无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本可以包括以下中的一项或多项:选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能下降之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能下降期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择一个或多个关联传感器和无线电网络信息数据样本中在无线电网络的性能下降之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。另外,该方法还可以包括标记针对与无线电网络的性能有关的所选择的关联传感器和无线电网络信息数据样本的选择的原因。
图4是示出根据示例实施例的网络的操作的图。图4中的网络可以包括一个或多个传感器410,传感器410可以生成与物理环境的状态(例如,对象的位置、定位、取向或其他状态)相关联的传感器数据样本。网络还可以包括无线电网络412,可以包括例如核心网络、一个或多个BS和/或一个或多个UE。无线电网络412可以提供指示无线电网络的状态和/或无线电网络性能的状态的无线电网络信息数据样本,例如,诸如指示无线电网络的一个或多个关键性能指示符的值。作为简要概述,该系统可以包括或执行以下:
1)从环境中捕获时空数据的传感器
2)捕获RN信息(RI)的无线电网络(RN)
3)RI与传感器数据馈送(SDF)相关联
4)被认为与网络性能相关的相关联的数据样本从数据流中被标记并且被选择
5)将相关的相关联的数据样本存储到数据库或直接转发以进行进一步处理。
6)为网络管理和优化实体输入相关联的数据。
作为示例,下面描述其他示例细节。
1)在本文中,传感器是指可以感测环境的时空变化的任何设备。传感器可以是固定的或移动的,并且它们中的一个或多个可以作为较大系统的一部分并置(例如,位于无人机、(自动驾驶)汽车或机器人中的各种传感器)。这样的传感器的一些但非限制性示例包括:
A)控制环境的按钮或开关(例如,打开门的按钮);
B)捕获环境的图像或视频馈送的相机(例如,放置在无线电设备或甚至已经存在的监测相机设备处的相机);以及
C)激光雷达、雷达、或者提供检测、测距、方位或位置信息的任何其他传感器。激光雷达是一种通过用脉冲激光照射目标并且用传感器测量反射脉冲来测量到目标的距离的测量方法。雷达可以包括用于通过将从对象反射离开的高频电磁波的脉冲发送回源来检测飞机、轮船和/或其他对象的存在、方向、距离和/或速度的系统。
2)RN信息可以包括例如无线电网络的无线电网络关键性能指示符(KPI)、与无线电网络动作相关联的信息、和/或无线电网络配置参数。RN KPI可以包括KPI,诸如吞吐量、时延、抖动、可靠性和RN测量(例如,接收信号强度、总接收功率、接收干扰功率)。RN参数可以包括基站和UE的标识符、配置或坐标。而且,RN动作可以包括与无线电网络动作相关的信息,诸如与切换、负载平衡、链路适配、小区重选、MCS改变、传输功率改变、或者任何其他网络相关参数的改变或更新有关的信息。
3)RI和SDF的关联可以指代例如将两个数据流在时域中相关联;用户在时间t1的传感器k的传感器馈送样本SDF(k,t1)与在时间t2的来自基站j的RN信息RI(j,t2)相关联,其中时间差|t1-t2|在时间窗口阈值内。例如,在时间t1捕获的来自相机k的图像与在时间t2的基站j的信号强度测量相关联。在另外的实施例中,仅对预先配置的设备对进行关联(例如,将基站与从与基站的覆盖区域或基站的最强干扰者的覆盖区域重叠的区域捕获图像或视频馈送的相机配对)。
4)可以从数据流中选择被认为与网络性能相关的相关联的数据样本。在示例实施例中,相关数据样本可以包括影响无线电网络性能的变化或与之相关联的样本,诸如与无线电网络性能的下降相关联的样本。例如,认为对无线电信号传播有影响的时空变化是相关的,例如,通过阻塞信号的最强路径或引入新的强无线电路径(用于干扰或自身信号)而影响无线电链路质量的运动对象。数据样本的相关性由预定规则决定。例如,在RN性能突然变化(例如,信号强度在较短的预定义时间间隔内下降或增加>xdB)之前和之后的某个时间窗口内的数据。滤除不相关数据,从而减少网络的负载(使用数据的后处理应用的计算负载、传输负载等)。还可以标记样本以指示选择原因,例如,标记每个数据样本以指示表示错误之前(或降低无线电网络性能之前)的数据的错误前标签以及表示错误之后(或降低无线电网络性能之后)的数据的错误后标签。
5)将相关的相关联的数据样本存储到数据库中,可以从该数据库中提取数据以供以后使用,或者将相关的相关联的数据样本连续转发以进行某种进一步处理(例如,以优化网络性能)。
6)网络管理和优化实体可以接收和/或采用相关联的数据(或相关联的传感器和无线电网络信息(ASRI))作为输入。基于相关联的数据(或ASRI),执行动作以提高RN性能。这些动作可以是RN动作或会影响无线电网络性能的其他动作,例如:
A)由网络自优化算法触发的自动RN动作(例如,网络自调节其参数或触发校正动作);
B)经由人机界面触发的手动RN动作(例如,经由网络管理系统的用户界面来调节网络参数,或者手动调节网络部署或配置);以及
C)非RN动作,其中改变物理环境(或物理环境的状态)从而改善RN性能(例如,使无线电信号质量恶化的对象以某种方式被移位、移动、改变,或者完全从环境中移除)。
现在描述另外的示例实施例和示例细节。
图5是根据示例实施例的将传感器数据样本与无线电网络信息数据样本相关联的图。传感器10可以感测或测量或标识与物理环境相关联的一个或多个参数。根据示例实施例,DFA(数据过滤和关联)(或DFA算法)是将RI(无线电网络信息)518和SDF(传感器数据馈送)516相关联的逻辑实体。相关联的数据称为相关联的传感器和无线电网络信息(ASRI)522。存储ASRI数据522样本的存储装置称为数据管理(DM)。传感器数据馈送(SDF)516从传感器410被输出到DFA 520。如上所述,无线电网络(RN)412可以包括BS、UE、和/或核心网络实体、或其他无线电网络节点或实体。无线电网络信息(RI)518从RN 412被输出到DFA 520。
图5是示出DFA和DM的示例实施例的图。在图5中示出了传感器410以及无线电网络(RN)412、DFA 520和数据管理(DM)实体524。测量:传感器数据馈送(SDF)516和RI(无线电网络信息)518被馈送(或输入)到DFA 520。这两个数据馈送都可以指定自己的接口。DFA 520(或DFA算法520)控制朝向数据管理(DM)524的数据流。DFA 520可以关联并且过滤被认为与网络性能相关的数据流(SDF 516和RI 518)中的相关数据,并且用相关的原因标记数据。DFA 520可以有一个或多个实例,这表示,不同数据源可以在不同物理或逻辑位置通过DFA520的不同实例(DFA算法)来处理。例如,DFA实例可以位于RN基站、移动边缘计算(MEC)服务器或任何其他服务器或计算机中。DFA 520(DFA算法)的实现是特定于实现的。它包含用于触发数据关联的预编程的规则。
移动边缘计算(MEC)是5G时代的新兴技术,例如,它可以在移动订户附近提供云和IT服务或应用。作为说明性示例,它允许在BS附近的云或应用服务器(例如,在BS内或作为BS的一部分的MEC服务器、设置在BS设备所在的(多个)机柜或(多个)建筑物内的MEC服务器、非常接近BS的MEC服务器)的可用性。例如,通过在MEC服务器上提供应用(可以称为MEC应用),由移动用户感知的端到端时延因此可以通过MEC平台得到减小。MEC服务器也可以提供其他优势。
参考图5,根据示例实施例,数据管理(DM)524是可以向其发送相关联的数据(ASRI)522的逻辑实体。作为示例,DM 524可具有以下功能中的一个或多个:数据存储、传入数据的即时转发、所存储的数据(例如,ASRI数据)的转发。该实体是可选的,因为可以将ASRI数据522直接转发给可以理解用于传输ASRI数据522的协议的任何实体。与DFA 520一样,该架构可以是分布式的或集中式的,这表示可以将来自DFA(DFA算法)520实例的数据(例如ASRI数据)流连接到位于不同物理或逻辑位置的DM 524的一个或多个实例。
DFA
本小节描述DFA 520的高级视图。DFA(数据过滤和关联)520将来自无线电网络和传感器的数据相关联,并且从DFA流中过滤和标记被认为与网络性能相关的相关数据。DFA520可以有若干实例位于不同逻辑或物理位置,这表示例如,某些传感器连接到RN基站内部的DFA实例,而其余传感器连接到MEC服务器内部的不同DFA实例。为了允许这种类型的实现,需要定义若干接口协议。这也应当允许在多供应商网络中实现。
图6是示出根据示例实施例的数据过滤和关联(DFA)的图。SDF(传感器数据馈送)接口612定义用于传输传感器数据的协议。该协议可以例如指示数据的类型、每个数据样本的时间戳等。RI接口614定义用于传输无线电网络信息(RI)的协议。该协议可以例如指示数据的类型、每个数据样本的时间戳等。DS接口616定义用于将ASRI信息传输给DM 524的协议。配置接口618定义用于例如基于DFA算法配置数据来配置DFA 520的操作或算法的协议。通过这个接口618,可以在每个DFA 520实例中实现自定义数据关联算法或规则。控制接口620定义用于发送一组预定义指令中的指令以控制传感器410和/或412或向传感器410和/或412提供反馈的协议。例如,并非连续传输SDF,当RI指示网络中的错误时(例如,在某些情况下,这可能是无线电网络性能降低),接口620可以用于指示传感器传输前10秒和后10秒的SDF。由于传感器仅在需要时流传输数据,因此这可以节省传输带宽。另外,接口620可以用于控制来自无线电网络的数据流。
根据示例实施例,DFA(或DFA算法)520可以包括三个示例功能或组件,其可以包括:1)关联功能622可以执行SDF和RI数据的关联。在一个简单的示例实施例中,DFA 520(例如,关联622)可以关联在某个时间窗口内到达的数据样本(关联传感器数据样本和无线电网络信息数据样本)。因此,数据关联可以由DFA 520基于例如到达或具有在时间阈值内的时间戳的传感器数据样本和RI样本的时间关系来执行。只要可以保证数据的传送不会有过多的延迟,这种实现就足够了。为了在SDF和RI的关联之间实现更精确的同步(例如,毫秒级),可能需要单独的解决方案。一个简单的示例是将GPS时间戳添加到SDF和RI接口协议中。在没有GPS的情况下,可以使用某种外部同步方法,例如同步以太网。2)DFA 520的存储器624可以存储ASRI数据样本。因此,DFA存储器624可以包括用于存储N个最新ASRI样本的存储器。DFA 520可以使用样本的历史记录来获取触发数据关联的事件之前的信息。3)DFA520的规则和程序626可以包括一组规则或程序,该组规则或该程序用于触发自己的DFA实例520内部的关联,或者用于通过控制接口620来触发另一DFA实例中的关联。规则和程序626可以还指定将哪些ASRI样本存储到存储器以及将哪些样本发送给DM 524。规则可以被配置,也可以是通过配置接口618下载的单独的程序。例如,规则可以包括用于接收相关联的数据的不同目的地的单独规则;一个目的地接收由一个规则指定的已过滤数据,而另一目的地则接收未经过滤的原始数据。显然,这也可以通过单独的DFA实例来实现。
数据管理
图7是根据示例实施例的数据管理实体的图。例如,DM(数据管理)的角色可以包括:接收ASRI,存储ASRI,和/或转发所接收的ASRI。按需从存储器中取回ASRI并且将其发送到给定目的地。(多个)DM接口716定义用于向和/或从DM 524传送ASRI数据的接口协议。数据存储装置712是例如在数据库内存储ASRI的逻辑实体。程序部分714由配置接口指定,并且确定存储哪些ASRI样本以及转发哪些ASRI样本(例如,来自源A的数据可以被配置为被存储,而来自源B的数据被转发到预定义目的地,其中先存储数据或者不先存储数据)。数据转发718可以确定哪些数据样本被转发。配置接口720定义用于配置DM 524的协议。该配置可以包括例如用于特定源的数据转发规则。控制接口722定义用于从存储装置中取回数据或信息的协议。
图8是示出具有用户设备(UE)的机器人810以及影响UE的无线电网络性能的动态或移动阻塞对象812的图。图9是示出在错误之前、错误期间和错误之后的时间段的无线电网络信息(RI)的图。如图8所示,工厂中的动态对象812随机地阻塞机器人UE 810与BTS1412之间的信号。当对象812阻塞无线电信号时,SINR下降到阈值以下,这可以被认为是错误(图9)。DFA实例520被配置为监测由阻塞引起的错误事件(例如,监测SINR,包括SINR下降到阈值914以下的时间,图9)。传感器数据馈送516是由附接到BTS1的相机提供的视频图像。当RI(无线电网络信息)(例如,SINR)指示错误时(例如,当SINR下降到阈值914以下时,图9),在视频图像(SDF)与SINR(RI)之间触发数据关联。从DFA存储器中取回错误/事件(920)之前的数据(ASRI),并且将其与错误期间(922)的数据(ASRI样本)和错误事件之后的数据(ASRI样本)(924)一起转发。在发送ASRI样本之前,对样本进行标记,以指示哪个事件触发了关联以及错误的状态(错误前、错误、错误后)。数据关联根据预先配置的规则来结束,在这种情况下,预先配置的规则是在错误结束之后的某个时间间隔。该数据被转发给DM 524,其在图9中被可视化为来自三个检测到的错误的数据突发。如图9所示,示出了在错误之前(920)、错误期间(922)和错误之后(924)的时间段的数据样本。同样,如图9所示,对ASRI(相关联的SINR数据和视频帧)进行过滤并且提供其作为:错误前ASRI;错误期间ASRI;以及错误后ASRI。注意,该示例中的术语错误指示信号(例如SINR)已经超过特定阈值,例如SINR已经下降到阈值914以下。
数据关联和标记将进一步用图9和10进行说明。图11是示出与不同视频帧相关联的针对错误前、错误和错误后时间而转发或接收的数据的图。如图9所示,当SINR下降到阈值914以下时发生错误事件。如上所述,当动态阻塞对象812在特定位置或定位范围内时,可能发生这种情况。图10示出了在错误前位置1010内的动态阻塞对象812的视频的视频帧(例如,在错误条件之前的对象812的视频帧);在错误1012期间动态阻塞对象812的视频的视频帧(例如,当UE的SINR低于阈值914时或在错误条件期间的对象812的视频帧);在错误条件1014之后动态阻塞对象812的视频的视频帧(在错误条件之后的对象812的视频帧)。因此,1010处的视频帧示出了在错误之前动态对象812正在接近;1012处的视频帧示出了在错误期间动态对象812在UE前面;1014处的视频帧示出了在错误之后对象812正在进一步移开。在该说明性示例中,由阻塞引起的错误事件在SINR和视频帧中表现出相似的行为。这用图11来说明,图11示出了错误之前、期间、之后的典型视频帧、以及基于视频图像而对准的SINR曲线。该图表明,存储这种类型的数据可以存储可以与由信号阻塞引起的错误的根本原因有关的信息。
有几种不同的部署选项。该选项可以通过传感器、DFA算法实例和DM实例的物理或逻辑位置来描述。所提及的每个可以是RN的组成部分和/或外部部分。这表示,部署选项的数目非常大,因此,作为说明性示例,这里仅展示了一些示例部署。
图12是示出部署选项的图,其中DFA算法520在多接入边缘云(MEC)服务器内部。RI和SDF被连续馈送给DFA实例。图13是示出与图12类似的部署的图,区别在于,传感器数据被聚合到SDF聚合函数1310,该聚合函数1310在DFA实例520请求时转发SDF。与图12的示例相比,该方法展示了至少两个益处:传感器不必实现SDF接口,并且SDF聚合函数1310可以通过SDF接口1312转发SDF。控制接口1314可以用于减少来自SDF的数据量以节省传输带宽。当需要数据以进行关联时,可以通过DFA算法520发送控制消息来完成这个操作。
图14是示出部署选项的图,其中传感器和DFA算法实例520在无线电网络(RN)412内部。示出了传感器数据馈送516和RI数据样本518。例如,相机(示例传感器)可以被集成到基站(BS,在RN 412内),并且每个基站可以具有DFA算法实例520,该DFA算法实例520将ASRI数据522转发给在RN外部的DM 524。该方法的优点可以包括在传感器数据和无线电网络信息的关联中紧密同步的可能性、以及对基站或RN内部的敏感信息的访问的可能性。
示例优点:一个或多个示例实施例或由一个或多个示例实施例实现的技术可以具有很多优点,例如:
提供相关联的RI和SDF可以用于做出关于可以被执行以改善RN性能的一个或多个动作(或者可以被用来防止错误的动作)或者可以被触发以改善RN性能的动作的决定。可以被触发的这些动作可以包括RN动作(例如,增加传输功率,执行UE的切换,将UE切换到更鲁棒的MCS,等等)、或与物理环境相关联的动作,例如,诸如改变阻塞对象的移动或移动定时,改变阻塞对象的位置或取向,或者物理环境的情况的其他改变。例如,关于图2,基于先前接收的ASRI数据,已经观察到,当阻塞对象218到达150m的坐标并且从左向右移动时,这与将持续直到阻塞对象到达约350m的位置的错误条件相关。因此,基于后续ASRI,该系统可以执行RN动作,诸如在阻塞对象达到140m时执行UE从BTS1到BTS2的切换,或者当阻塞对象达到150m时增加传输功率。
RI和传感器数据的关联捕获关于环境中影响网络性能的事件的附加信息。另外,通过标记和存储事件之前和之后的数据,存储导致这些事件的信息,该信息可以用于例如训练能够基于实时数据馈送来预测这些事件的模型。
例如,相关联的视频流可以揭示无线电链路突然降级的原因是对象阻塞了无线电信号(如图2所示),或者相关联的按下按钮可以揭示打开门会导致在建筑物的某个区域内来自室外基站的严重干扰(如图3所示)。
在示例实施例中,室内到室外隔离可能对可靠性水平具有显著影响。例如,在某些情况下,打开工厂门可以等同于隔离减少10到20分贝。
然而,重要的是要注意,示例实施例和技术不限于给定示例。这些示例和技术可以适用于时空变化会影响无线电网络性能的任何用例,例如:物流自动化:传感器可以跟踪物流中心或港口中对无线连接有重大影响的集装箱的移动;连接的医院:在MRI或手术室打开一扇门可能会引入干扰(这些类型的房间通常与无线电波隔离);具有无线连接的电梯:传感器可以跟踪与连接质量相关的电梯井道中的电梯状态;汽车/火车内的连接的汽车/火车或eMBB用户:传感器数据可以指示汽车/火车正在接近5G网络覆盖中断区域。
与先前的解决方案相比,这带来了多个优点,例如;
性能改进
附加信息(相关联的传感器数据或ASRI)允许改进和新型的无线电网络性能优化,例如,导致提高无线链路的可靠性,从而支持新的URLLC用例。
较低的网络管理和优化成本(OPEX)
本文中描述的示例技术可以允许自动检测不想要的无线电网络行为的根本原因,例如,检测错误原因(例如,如相对于阈值所测量的无线电网络性能的下降)。而且,各种示例实施例或技术可以使得能够连续检测影响无线电网络性能的物理环境的变化,并且能够执行否则在经济上不可行的连续优化。
较低的部署成本(CAPEX)
本文中描述的示例技术可以允许使用较低的错误容限(例如,较低的干扰和衰落容限),这转换为相等性能所需要的较少的BTS/BS,并且因此转换为较低的CAPEX。
现在描述一些示例实施例。
示例1.图15是示出根据示例实施例的系统的操作的流程图。操作1510包括从一个或多个传感器接收传感器数据样本。操作1520包括接收与无线电网络相关联的无线电网络信息数据样本。操作1530包括基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联来确定一个或多个关联传感器和无线电网络信息数据样本。操作1540包括选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本。操作1550包括转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
示例2.根据示例1所述的方法的示例实施例,所述传感器数据样本包括与物理环境相关联的时空传感器数据样本。
示例3.根据示例1至2中任一项所述的方法的示例实施例,所述转发包括以下至少之一:存储所选择的关联传感器和无线电网络信息数据样本;以及转发所选择的关联传感器和无线电网络信息数据样本以用于处理。
示例4.根据示例1至3中任一项所述的方法的示例实施例,还包括:基于所选择的关联传感器和无线电网络信息数据样本来执行用于改善所述无线电网络的性能的至少一个动作。
示例5.根据示例1至4中任一项所述的方法的示例实施例,所述执行至少一个动作包括执行以下至少之一:一个或多个无线电网络动作;一个或多个自动无线电网络动作;由网络自优化算法触发的一个或多个自动无线电网络动作;以及一个或多个非无线电网络动作,其中所述物理环境的对象或方面被改变以提高所述无线电网络的性能。
示例6.根据示例1至5中任一项所述的方法的示例实施例,所述从一个或多个传感器接收传感器数据样本包括接收与以下中的一项或多项相关联的传感器数据样本:控制所述物理环境的对象或一部分的按钮、开关或控制器;控制对象的定位、位置、取向或运动的按钮、开关或控制器;控制对象情况或状态的按钮、开关或控制器;捕获物理环境的对象或一部分的图像或视频馈送的相机;以及检测所述物理环境的对象或一部分的情况或状态的传感器。
示例7.根据示例1至6中任一项所述的方法的示例实施例,接收与检测所述物理环境的对象或一部分的情况或状态的传感器相关联的传感器数据样本包括:从对所述物理环境的对象或一部分执行检测、测距、方位或位置确定的雷达或LiDAR接收所述传感器数据样本。
示例8.根据示例1至7中任一项所述的方法的示例实施例,接收与无线电网络相关联的无线电网络信息包括接收以下至少之一:所述无线电网络的无线电网络关键性能指示符;与无线电网络动作相关联的信息;以及无线电网络配置参数。
示例9.根据示例1至8中任一项所述的方法的示例实施例,所述无线电网络关键性能指示符包括以下至少之一:接收信号强度;总接收功率;接收干扰功率;以及信号干扰噪声比(SINR);路径损耗;参考信号接收功率;参考信号接收质量;接收信号强度指示符;可靠性;块错误率;时延;抖动;覆盖范围;容量;数据传送速率;秩指示符;调制编码方案指示符;信道状态信息;以及定时提前。
示例10.根据示例1至9中任一项所述的方法的示例实施例,用于所述无线电网络的所述无线电网络配置参数包括基站或用户设备的标识符、配置或坐标中的至少一项。
示例11.根据示例1至10中任一项所述的方法的示例实施例,与无线电网络动作相关联的所述信息包括与以下至少之一相关联的信息:用户设备到目标基站的切换;两个或更多个基站之间的业务或数据的负载平衡;基站与用户设备之间的无线电链路的链路适配;由用户设备执行的小区选择或小区重选;调度;资源分配;发射功率控制;以及定时提前调节。
示例12.根据示例1至11中任一项所述的方法的示例实施例,确定一个或多个关联传感器和无线电网络信息数据样本包括:基于一个或多个传感器数据样本的时间在所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内来确定一个或多个关联传感器和无线电网络信息数据样本。
示例13.根据示例1至12中任一项所述的方法的示例实施例,确定一个或多个关联传感器和无线电网络信息数据样本包括:确定第一传感器与至少第一通信元件配对或相关联;基于在与至少所述第一通信元件相关联的所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内的来自所述第一传感器的一个或多个传感器数据样本的时间,来确定一个或多个关联传感器和无线电网络信息数据样本。
示例14.根据示例1至13中任一项所述的方法的示例实施例,所述第一通信元件包括以下至少之一:计算机或服务器;以及与所述无线电网络相关联的无线电网络元件,包括基站、用户设备、核心网络元件或其他无线电网络元件中的至少一项。
示例15.根据示例1至14中任一项所述的方法的示例实施例,所述选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括以下至少之一:选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。
示例16.根据示例1至15中任一项所述的方法的示例实施例,所述选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括以下至少之一:选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。
示例17.根据示例1至16中任一项所述的方法的示例实施例,还包括:标记针对与所述无线电网络的性能有关的所选择的关联传感器和无线电网络信息数据样本的选择的原因。
示例18.一种装置,包括用于执行根据示例1至17中任一项所述的方法的部件。
示例19.一种非暂态计算机可读存储介质,包括存储在其上的指令,所述指令在由至少一个处理器执行时被配置为引起计算系统执行根据示例1至17中任一项所述的方法。
示例20.一种装置,包括至少一个处理器和包括计算机指令的至少一个存储器,所述计算机指令在由所述至少一个处理器执行时引起所述装置执行根据示例1至17中任一项所述的方法。
示例21.一种装置,包括至少一个处理器和包括计算机指令的至少一个存储器,所述计算机指令在由所述至少一个处理器执行时引起所述装置:从一个或多个传感器接收传感器数据样本;接收与无线电网络相关联的无线电网络信息数据样本;基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联,确定一个或多个关联传感器和无线电网络信息数据样本;选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;以及转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
示例22.根据示例21所述的装置,其中所述传感器数据样本包括与物理环境相关联的时空传感器数据样本。
示例23.根据示例21至22中任一项所述的装置,其中引起所述装置转发包括引起以下至少之一:存储所选择的关联传感器和无线电网络信息数据样本;以及转发所选择的关联传感器和无线电网络信息数据样本以用于处理。
示例24.根据示例21至23中任一项所述的装置,还引起所述装置:基于所选择的关联传感器和无线电网络信息数据样本来执行用于改善所述无线电网络的性能的至少一个动作。
示例25.根据示例24所述的装置,其中引起所述装置执行至少一个动作包括引起所述装置执行以下至少之一:一个或多个无线电网络动作;一个或多个自动无线电网络动作;由网络自优化算法触发的一个或多个自动无线电网络动作;一个或多个非无线电网络动作,其中所述物理环境的对象或方面被改变以提高所述无线电网络的性能。
示例26.根据示例21至25中任一项所述的装置,其中引起所述装置从一个或多个传感器接收传感器数据样本包括引起所述装置接收与以下中的一项或多项相关联的传感器数据样本:控制所述物理环境的对象或一部分的按钮、开关或控制器;控制对象的定位、位置、取向或运动的按钮、开关或控制器;控制对象情况或状态的按钮、开关或控制器;捕获物理环境的对象或一部分的图像或视频馈送的相机;以及检测所述物理环境的对象或一部分的情况或状态的传感器。
示例27.根据示例26所述的装置,其中引起所述装置接收与检测所述物理环境的对象或一部分的情况或状态的传感器相关联的传感器数据样本包括引起所述装置:从对所述物理环境的对象或一部分执行检测、测距、方位或位置确定的雷达或LiDAR接收所述传感器数据样本。
示例28.根据示例21至27中任一项所述的装置,其中引起所述装置接收与无线电网络相关联的无线电网络信息包括引起所述装置接收以下至少之一:所述无线电网络的无线电网络关键性能指示符;与无线电网络动作相关联的信息;以及无线电网络配置参数。
示例29.根据示例28所述的装置,其中所述无线电网络关键性能指示符包括以下至少之一:接收信号强度;总接收功率;接收干扰功率;以及信号干扰噪声比(SINR);路径损耗;参考信号接收功率;参考信号接收质量;接收信号强度指示符;可靠性;块错误率;时延;抖动;覆盖范围;容量;数据传送速率;秩指示符;调制编码方案指示符;信道状态信息;以及定时提前。
示例30.根据示例28至29中任一项所述的装置,其中所述无线电网络的所述无线电网络配置参数包括基站或用户设备的标识符、配置或坐标中的至少一项。
示例31.根据示例28至30中任一项所述的装置,其中与无线电网络动作相关联的所述信息包括与以下至少之一相关联的信息:用户设备到目标基站的切换;两个或更多个基站之间的业务或数据的负载平衡;基站与用户设备之间的无线电链路的链路适配;由用户设备执行的小区选择或小区重选;调度;资源分配;发射功率控制;以及定时提前调节。
示例32.根据示例21至31中任一项所述的装置,其中引起所述装置确定一个或多个关联传感器和无线电网络信息数据样本包括引起所述装置:基于一个或多个传感器数据样本的时间在所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内来确定一个或多个关联传感器和无线电网络信息数据样本。
示例33.根据示例21至32中任一项所述的装置,其中引起所述装置确定一个或多个关联传感器和无线电网络信息数据样本包括引起所述装置:确定第一传感器与至少第一通信元件配对或相关联;以及基于在与至少所述第一通信元件相关联的所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内的来自所述第一传感器的一个或多个传感器数据样本的时间,来确定一个或多个关联传感器和无线电网络信息数据样本。
示例34.根据示例33所述的装置,其中所述第一通信元件包括以下至少之一:计算机或服务器;以及与所述无线电网络相关联的无线电网络元件,包括基站、用户设备、核心网络元件或其他无线电网络元件中的至少一项。
示例35.根据示例21至34中任一项所述的装置,其中引起所述装置选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括引起所述装置执行以下至少之一:选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。
示例36.根据示例21至35中任一项所述的装置,其中引起所述装置选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括引起所述装置执行以下至少之一:选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之前发生或采样的至少一些关联传感器和无线电网络信息数据样本;选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降期间发生或采样的至少一些关联传感器和无线电网络信息数据样本;以及选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之后发生或采样的至少一些关联传感器和无线电网络信息数据样本。
示例37.根据示例21至36中任一项所述的方法,还引起所述装置:标记针对与所述无线电网络的性能有关的所选择的关联传感器和无线电网络信息数据样本的选择的原因。
图16是根据示例实施例的无线台(例如,AP、BS或用户设备或其他网络节点)1600的框图。无线台1600可以包括例如一个或两个RF(射频)或无线收发器1602A、1602B,其中每个无线收发器包括用于发射信号的发射器和用于接收信号的接收器。无线台还包括用于执行指令或软件并且控制信号的传输和接收的处理器或控制单元/实体(控制器)1604,以及用于存储数据和/或指令的存储器1606。
处理器1604还可以做出决定或确定,生成用于传输的帧、分组或消息,对所接收的帧或消息进行解码以用于进一步处理,以及本文中描述的其他任务或功能。例如,处理器1604(可以是基带处理器)可以生成消息、分组、帧或其他信号以经由无线收发器1602(1602A或1602B)进行传输。处理器1604可以控制信号或消息通过无线网络的发射,并且可以控制信号或消息经由无线网络的接收等(例如,在由无线收发器1602下变频之后)。处理器1604可以是可编程的,并且能够执行存储在存储器中或其他计算机介质上的软件或其他指令以执行上述各种任务和功能,诸如上述任务或方法中的一个或多个。例如,处理器1604可以是(或可以包括)硬件、可编程逻辑、执行软件或固件的可编程处理器、和/或这些的任何组合。使用其他术语,例如,处理器1604和收发器1602一起可以被认为是无线发射器/接收器系统。
另外,参考图16,控制器(或处理器)1608可以执行软件和指令,并且可以为台1600提供总体控制,并且可以为图16中未示出的其他系统提供控制,诸如控制输入/输出设备(例如,显示器、小键盘),和/或可以执行用于可以在无线台1600上提供的一个或多个应用的软件,例如电子邮件程序、音频/视频应用、文字处理器、IP语音应用、或其他应用或软件。
另外,可以提供包括所存储的指令的存储介质,所存储的指令在由控制器或处理器执行时可以导致处理器1604或其他控制器或处理器执行上述功能或任务中的一个或多个。
根据另一示例实施例,RF或无线收发器1602A/1602B可以接收信号或数据和/或发射或发送信号或数据。处理器1604(以及可能的收发器1602A/1602B)可以控制RF或无线收发器1602A或1602B接收、发送、广播或发射信号或数据。
然而,实施例不限于作为示例给出的系统,本领域技术人员可以将该解决方案应用于其他通信系统。合适的通信系统的另一示例是5G概念。假定5G中的网络架构将与高级LTE的网络架构非常相似。5G可能使用多输入多输出(MIMO)天线、比LTE更多的基站或节点(所谓的小小区概念),包括与较小的站合作运行的宏站点并且也许还使用各种无线电技术以获取更好的覆盖范围和更高的数据速率。
应当理解,未来网络将最有可能利用网络功能虚拟化(NFV),NFV是一种网络架构概念,其提出将网络节点功能虚拟化为可以在操作上连接或链接在一起以提供服务的“构建块”或实体。虚拟化网络功能(VNF)可以包括使用标准或通用类型服务器而不是定制硬件来运行计算机程序代码的一个或多个虚拟机。还可以使用云计算或数据存储。在无线电通信中,这可以表示,节点操作可以至少部分在可操作地耦合到远程无线电头端的服务器、主机或节点中执行。节点操作也可以在多个服务器、节点或主机之间分配。还应当理解,核心网操作与基站操作之间的劳动分配可能与LTE的不同,或者甚至不存在。
本文中描述的各种技术的实施例可以在数字电子电路中实现,或者在计算机硬件、固件、软件或它们的组合中实现。实施例可以实现为计算机程序产品,即有形地包含在信息载体中的计算机程序,例如,在机器可读存储设备中或在传播信号中,用于由数据处理装置(例如,可编程处理器、计算机或多个计算机)执行或控制数据处理装置的操作。实施例还可以在可以是非暂态介质的计算机可读介质或计算机可读存储介质上提供。各种技术的实施例还可以包括经由暂时信号或介质提供的实施例、和/或可以经由互联网或其他网络(有线网络和/或无线网络)下载的程序和/或软件实施例。此外,实施例可以经由机器类型通信(MTC)并且还经由物联网(IOT)来提供。
计算机程序可以是源代码形式、目标代码形式或某种中间形式,并且可以存储在可以是能够承载程序的任何实体或设备的某种载体、分发介质或计算机可读介质中。例如,这样的载体包括记录介质、计算机存储器、只读存储器、光电和/或电载波信号、电信信号和软件分发包。根据所需要的处理能力,计算机程序可以在单个电子数字计算机中执行,或者可以在多个计算机之间分配。
此外,本文中描述的各种技术的实施例可以使用信息物理系统(CPS)(控制物理实体的协作计算元件的系统)。CPS可以使得能够实施和利用嵌入在物理对象中的不同位置处的大量互连ICT设备(传感器、致动器、处理器、微控制器等)。其中所讨论的物理系统具有固有的移动性的移动信息物理系统是信息物理系统的子类别。移动物理系统的示例包括由人或动物运输的移动机器人和电子设备。智能电话的流行增加了对移动信息物理系统领域的兴趣。因此,本文中描述的技术的各种实施例可以经由这些技术中的一个或多个来提供。
诸如上述计算机程序等计算机程序可以用任何形式的编程语言编写,包括编译或解释语言,并且可以以任何形式部署,包括作为独立程序或者作为适合在计算环境中使用的模块、组件、子例程或其他单元或部分。计算机程序可以被部署为在一个计算机上执行或者在位于一个站点处或者分布在多个站点上并且通过通信网络互连的多个计算机上执行。
方法步骤可以由一个或多个可编程处理器执行,该可编程处理器执行计算机程序或计算机程序部分以通过对输入数据进行操作并且生成输出来执行功能。方法步骤也可以由专用逻辑电路系统执行,并且装置可以实现为专用逻辑电路系统,例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
例如,适合于执行计算机程序的处理器包括通用和专用微处理器、以及任何类型的数字计算机、芯片或芯片组的任何一个或多个处理器。通常,处理器将从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的元件可以包括用于执行指令的至少一个处理器以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还可以包括存储数据的一个或多个大容量存储设备(例如,磁盘、磁光盘或光盘),或者可操作地耦合以从一个或多个大容量存储设备接收数据或向其传输数据或两者。适合于包含计算机程序指令和数据的信息载体包括所有形式的非易失性存储器,包括例如半导体存储器设备,例如EPROM、EEPROM和闪存设备;磁盘,例如内部硬盘或可移动磁盘;磁光盘;以及CD-ROM和DVD-ROM磁盘。处理器和存储器可以由专用逻辑电路系统补充或并入专用逻辑电路系统中。
为了提供与用户的交互,实施例可以在具有用于向用户显示信息的显示设备(例如,阴极射线管(CRT)或液晶显示器(LCD)显示器)和用户可以用来向计算机提供输入的用户接口(诸如键盘和指示设备,例如鼠标或跟踪球)的计算机上实现。其他类型的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感官反馈,例如视觉反馈、听觉反馈或触觉反馈;并且来自用户的输入可以以任何形式接收,包括声学、语音或触觉输入。
实施例可以在包括后端组件(例如,作为数据服务器)、或者包括中间件组件(例如,应用服务器)、或者包括前端组件(例如,具有用户可以用来与实施例交互的图形用户界面或Web浏览器的客户端计算机)、或者包括这样的后端、中间件或前端组件的任何组合的计算系统中实现。组件可以通过任何形式或介质的数字数据通信(例如,通信网络)进行互连。通信网络的示例包括局域网(LAN)和广域网(WAN),例如互联网。
虽然已经如本文所述示出了所描述的实施例的某些特征,但是本领域技术人员现在将想到很多修改、替换、改变和等同物。因此,应当理解,所附权利要求旨在覆盖落入各种实施例的真实精神内的所有这样的修改和变化。
Claims (37)
1.一种方法,包括:
从一个或多个传感器接收传感器数据样本;
接收与无线电网络相关联的无线电网络信息数据样本;
基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联,确定一个或多个关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;以及
转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
2.根据权利要求1所述的方法,其中所述传感器数据样本包括与物理环境相关联的时空传感器数据样本。
3.根据权利要求1至2中任一项所述的方法,其中所述转发包括以下至少一项:
存储所选择的关联传感器和无线电网络信息数据样本;以及
转发所选择的关联传感器和无线电网络信息数据样本以用于处理。
4.根据权利要求1至3中任一项所述的方法,还包括:
基于所选择的关联传感器和无线电网络信息数据样本,执行用于改善所述无线电网络的性能的至少一个动作。
5.根据权利要求4所述的方法,其中所述执行至少一个动作包括执行以下至少一项:
一个或多个无线电网络动作;
一个或多个自动无线电网络动作;
由网络自优化算法触发的一个或多个自动无线电网络动作;
一个或多个非无线电网络动作,其中所述物理环境的对象或方面被改变以改善所述无线电网络的性能。
6.根据权利要求1至5中任一项所述的方法,其中所述从一个或多个传感器接收传感器数据样本包括接收与以下一项或多项相关联的传感器数据样本:
控制所述物理环境的对象或一部分的按钮、开关或控制器;
控制对象的定位、位置、取向或运动的按钮、开关或控制器;
控制对象的情况或状态的按钮、开关或控制器;
捕获物理环境的对象或一部分的图像或视频馈送的相机;以及
检测所述物理环境的对象或一部分的情况或状态的传感器。
7.根据权利要求6所述的方法,其中所述接收与检测所述物理环境的对象或一部分的情况或状态的传感器相关联的传感器数据样本包括:
从雷达或LiDAR接收所述传感器数据样本,所述雷达或LiDAR对所述物理环境的对象或一部分执行检测、测距、方位或位置确定。
8.根据权利要求1至7中任一项所述的方法,其中所述接收与无线电网络相关联的无线电网络信息数据样本包括接收以下至少一项:
针对所述无线电网络的无线电网络关键性能指示符;
与无线电网络动作相关联的信息;以及
无线电网络配置参数。
9.根据权利要求8所述的方法,其中所述无线电网络关键性能指示符包括以下至少一项:
接收信号强度;
总接收功率;
接收干扰功率;以及
信号干扰噪声比(SINR);
路径损耗;
参考信号接收功率;
参考信号接收质量;
接收信号强度指示符;
可靠性;
块错误率;
时延;
抖动;
覆盖范围;
容量;
数据传送率;
秩指示符;
调制编码方案指示符;
信道状态信息;以及
定时提前。
10.根据权利要求8至9中任一项所述的方法,其中针对所述无线电网络的所述无线电网络配置参数包括基站或用户设备的标识符、配置或坐标中的至少一项。
11.根据权利要求8至10中任一项所述的方法,其中与无线电网络动作相关联的所述信息包括与以下至少一项相关联的信息:
用户设备到目标基站的切换;
两个或更多个基站之间的业务或数据的负载平衡;
基站与用户设备之间的无线电链路的链路适配;
由用户设备执行的小区选择或小区重选;
调度;
资源分配;
发射功率控制;以及
定时提前调节。
12.根据权利要求1至11中任一项所述的方法,其中所述确定一个或多个关联传感器和无线电网络信息数据样本包括:
基于一个或多个传感器数据样本的时间在所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内,来确定一个或多个关联传感器和无线电网络信息数据样本。
13.根据权利要求1至12中任一项所述的方法,其中所述确定一个或多个关联传感器和无线电网络信息数据样本包括:
确定第一传感器与至少第一通信元件配对或相关联;
基于在以下时间窗口内的来自所述第一传感器的一个或多个传感器数据样本的时间,来确定一个或多个关联传感器和无线电网络信息数据样本,所述时间窗口是与至少所述第一通信元件相关联的所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口。
14.根据权利要求13所述的方法,其中所述第一通信元件包括以下至少一项:
计算机或服务器;以及
与所述无线电网络相关联的无线电网络元件,包括基站、用户设备、核心网络元件或其他无线电网络元件中的至少一项。
15.根据权利要求1至14中任一项所述的方法,其中所述选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括以下至少一项:
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之前发生或被采样的至少一些关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变期间发生或被采样的至少一些关联传感器和无线电网络信息数据样本;以及
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之后发生或被采样的至少一些关联传感器和无线电网络信息数据样本。
16.根据权利要求1至15中任一项所述的方法,其中所述选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括以下至少一项:
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之前发生或被采样的至少一些关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降期间发生或被采样的至少一些关联传感器和无线电网络信息数据样本;以及
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之后发生或被采样的至少一些关联传感器和无线电网络信息数据样本。
17.根据权利要求1至16中任一项所述的方法,还包括:
标记针对与所述无线电网络的性能有关的所选择的关联传感器和无线电网络信息数据样本的选择的原因。
18.一种装置,包括用于执行根据权利要求1至17中任一项所述的方法的部件。
19.一种非暂态计算机可读存储介质,包括存储在其上的指令,所述指令在由至少一个处理器执行时被配置为引起计算系统执行根据权利要求1至17中任一项所述的方法。
20.一种装置,包括至少一个处理器和包括计算机指令的至少一个存储器,所述计算机指令在由所述至少一个处理器执行时引起所述装置执行根据权利要求1至17中任一项所述的方法。
21.一种装置,包括至少一个处理器和包括计算机指令的至少一个存储器,所述计算机指令在由所述至少一个处理器执行时引起所述装置:
从一个或多个传感器接收传感器数据样本;
接收与无线电网络相关联的无线电网络信息数据样本;
基于所接收的一个或多个传感器数据样本与所接收的无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的关联,确定一个或多个关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本;以及
转发所选择的关联传感器和无线电网络信息数据样本以供后续使用。
22.根据权利要求21所述的装置,其中所述传感器数据样本包括与物理环境相关联的时空传感器数据样本。
23.根据权利要求21至22中任一项所述的装置,其中引起所述装置转发包括引起以下至少一项:
存储所选择的关联传感器和无线电网络信息数据样本;以及
转发所选择的关联传感器和无线电网络信息数据样本以用于处理。
24.根据权利要求21至23中任一项所述的装置,还引起所述装置:
基于所选择的关联传感器和无线电网络信息数据样本来执行用于改善所述无线电网络的性能的至少一个动作。
25.根据权利要求24所述的装置,其中引起所述装置执行至少一个动作包括引起所述装置执行以下至少一项:
一个或多个无线电网络动作;
一个或多个自动无线电网络动作;
由网络自优化算法触发的一个或多个自动无线电网络动作;
一个或多个非无线电网络动作,其中所述物理环境的对象或方面被改变以改善所述无线电网络的性能。
26.根据权利要求21至25中任一项所述的装置,其中引起所述装置从一个或多个传感器接收传感器数据样本包括引起所述装置接收与以下一项或多项相关联的传感器数据样本:
控制所述物理环境的对象或一部分的按钮、开关或控制器;
控制对象的定位、位置、取向或运动的按钮、开关或控制器;
控制对象的情况或状态的按钮、开关或控制器;
捕获物理环境的对象或一部分的图像或视频馈送的相机;以及
检测所述物理环境的对象或一部分的情况或状态的传感器。
27.根据权利要求26所述的装置,其中引起所述装置接收与检测所述物理环境的对象或一部分的情况或状态的传感器相关联的传感器数据样本包括引起所述装置:
从雷达或LiDAR接收所述传感器数据样本,所述雷达或LiDAR对所述物理环境的对象或一部分执行检测、测距、方位或位置确定。
28.根据权利要求21至27中任一项所述的装置,其中引起所述装置接收与无线电网络相关联的无线电网络信息包括引起所述装置接收以下至少一项:
针对所述无线电网络的无线电网络关键性能指示符;
与无线电网络动作相关联的信息;以及
无线电网络配置参数。
29.根据权利要求28所述的装置,其中所述无线电网络关键性能指示符包括以下至少一项:
接收信号强度;
总接收功率;
接收干扰功率;以及
信号干扰噪声比(SINR);
路径损耗;
参考信号接收功率;
参考信号接收质量;
接收信号强度指示符;
可靠性;
块错误率;
时延;
抖动;
覆盖范围;
容量;
数据传送速率;
秩指示符;
调制编码方案指示符;
信道状态信息;以及
定时提前。
30.根据权利要求28至29中任一项所述的装置,其中针对所述无线电网络的所述无线电网络配置参数包括基站或用户设备的标识符、配置或坐标中的至少一项。
31.根据权利要求28至30中任一项所述的装置,其中与无线电网络动作相关联的所述信息包括与以下至少一项相关联的信息:
用户设备到目标基站的切换;
两个或更多个基站之间的业务或数据的负载平衡;
基站与用户设备之间的无线电链路的链路适配;
由用户设备执行的小区选择或小区重选;
调度;
资源分配;
发射功率控制;以及
定时提前调节。
32.根据权利要求21至31中任一项所述的装置,其中引起所述装置确定一个或多个关联传感器和无线电网络信息数据样本包括引起所述装置:
基于一个或多个传感器数据样本的时间在所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口内,来确定一个或多个关联传感器和无线电网络信息数据样本。
33.根据权利要求21至32中任一项所述的装置,其中引起所述装置确定一个或多个关联传感器和无线电网络信息数据样本包括引起所述装置:
确定第一传感器与至少第一通信元件配对或相关联;以及
基于在以下时间窗口内的来自所述第一传感器的一个或多个传感器数据样本的时间,来确定一个或多个关联传感器和无线电网络信息数据样本,所述时间窗口是与至少所述第一通信元件相关联的所述无线电网络信息数据样本中的一个或多个无线电网络信息数据样本的时间窗口。
34.根据权利要求33所述的装置,其中所述第一通信元件包括以下至少一项:
计算机或服务器;以及
与所述无线电网络相关联的无线电网络元件,包括基站、用户设备、核心网络元件或其他无线电网络元件中的至少一项。
35.根据权利要求21至34中任一项所述的装置,其中引起所述装置选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括引起所述装置执行以下至少一项:
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之前发生或被采样的至少一些关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变期间发生或被采样的至少一些关联传感器和无线电网络信息数据样本;以及
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能改变之后发生或被采样的至少一些关联传感器和无线电网络信息数据样本。
36.根据权利要求21至35中任一项所述的装置,其中引起所述装置选择所述一个或多个关联传感器和无线电网络信息数据样本中与所述无线电网络的性能有关的至少一些关联传感器和无线电网络信息数据样本包括引起所述装置执行以下至少一项:
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之前发生或被采样的至少一些关联传感器和无线电网络信息数据样本;
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降期间发生或被采样的至少一些关联传感器和无线电网络信息数据样本;以及
选择所述一个或多个关联传感器和无线电网络信息数据样本中在所述无线电网络的性能下降之后发生或被采样的至少一些关联传感器和无线电网络信息数据样本。
37.根据权利要求21至36中任一项所述的方法,还引起所述装置:
标记针对与所述无线电网络的性能有关的所选择的关联传感器和无线电网络信息数据样本的选择的原因。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2018/076436 WO2020064121A1 (en) | 2018-09-28 | 2018-09-28 | Associating and storing data from radio network and spatiotemporal sensors |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112789827A true CN112789827A (zh) | 2021-05-11 |
CN112789827B CN112789827B (zh) | 2023-07-25 |
Family
ID=63762491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880098133.3A Active CN112789827B (zh) | 2018-09-28 | 2018-09-28 | 关联和存储来自无线电网络和时空传感器的数据 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11330450B2 (zh) |
EP (1) | EP3857819B1 (zh) |
JP (1) | JP6982221B2 (zh) |
CN (1) | CN112789827B (zh) |
WO (1) | WO2020064121A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210218851A1 (en) * | 2018-09-27 | 2021-07-15 | Hewlett-Packard Development Company, L.P. | Communication profiles |
US11503468B2 (en) * | 2018-10-08 | 2022-11-15 | Sygnali Llc | System and method for continuously validating and authenticating a host and sensor pair |
US20230239716A1 (en) * | 2020-06-30 | 2023-07-27 | Telefonaktiebolaget Lm Ericsson (Publ) | Network operation in changing physical environments |
US11622310B2 (en) * | 2021-08-09 | 2023-04-04 | At&T Intellectual Property I, L.P. | Cellular network area optimizer |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150016412A1 (en) * | 2012-07-20 | 2015-01-15 | Qualcomm Incorporated | Using ue environmental status information to improve mobility handling and offload decisions |
CN104838699A (zh) * | 2012-12-07 | 2015-08-12 | 瑞典爱立信有限公司 | Ran控制的wi-fi选择 |
US20160197800A1 (en) * | 2015-01-06 | 2016-07-07 | Cisco Technology, Inc. | Dynamically adjusting network operations using physical sensor inputs |
US20170006434A1 (en) * | 2015-07-01 | 2017-01-05 | Mastercard International Incorporated | Systems and methods for determining device location using wireless data and other geographical location data |
CN107251603A (zh) * | 2015-03-25 | 2017-10-13 | 认知系统公司 | 分析无线网络性能 |
US20180234266A1 (en) * | 2017-02-15 | 2018-08-16 | Dell Products, L.P. | Classifying internet-of-things (iot) gateways |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233907B1 (en) * | 2004-11-03 | 2012-07-31 | At&T Mobility Ii Llc | System and method for constructing a carrier to interference matrix based on subscriber calls |
US7292665B2 (en) * | 2004-12-16 | 2007-11-06 | Genesis Microchip Inc. | Method and apparatus for reception of data over digital transmission link |
US7801257B2 (en) * | 2005-09-28 | 2010-09-21 | Genesis Microchip Inc | Adaptive reception techniques for over-sampled receivers |
US8098590B2 (en) * | 2008-06-13 | 2012-01-17 | Qualcomm Incorporated | Apparatus and method for generating performance measurements in wireless networks |
KR101437757B1 (ko) | 2010-05-13 | 2014-09-05 | 노키아 코포레이션 | 콘텍스트 감지 및 융합을 위한 방법, 장치 및 컴퓨터 프로그램제품 |
US8615254B2 (en) | 2010-08-18 | 2013-12-24 | Nearbuy Systems, Inc. | Target localization utilizing wireless and camera sensor fusion |
US8947433B2 (en) * | 2012-12-28 | 2015-02-03 | International Business Machines Corporation | Spatiotemporal visualization of sensor data |
US20160277244A1 (en) * | 2015-03-18 | 2016-09-22 | ThePlatform, LLC. | Methods And Systems For Content Presentation Optimization |
US9772395B2 (en) | 2015-09-25 | 2017-09-26 | Intel Corporation | Vision and radio fusion based precise indoor localization |
DE102016226045B4 (de) | 2016-12-22 | 2023-06-07 | Volkswagen Aktiengesellschaft | Verfahren zur Umbuchung einer Mobilfunknetz-Teilnehmerstation bei einem Handover-Vorgang in einem Mobilfunknetz, sowie Mobilfunknetz-Teilnehmerstation und Mobilfunknetz-Verwaltungseinheit zur Verwendung bei dem Verfahren sowie Fahrzeug |
US10785101B2 (en) * | 2017-08-23 | 2020-09-22 | Futurewei Technologies, Inc. | Automatically optimize parameters via machine learning |
US10564251B1 (en) * | 2018-10-03 | 2020-02-18 | Bastille Networks, Inc. | Localization of mobile high-speed wireless user equipment from downlink channels |
US20210326726A1 (en) * | 2020-04-16 | 2021-10-21 | Qualcomm Incorporated | User equipment reporting for updating of machine learning algorithms |
-
2018
- 2018-09-28 WO PCT/EP2018/076436 patent/WO2020064121A1/en active Search and Examination
- 2018-09-28 EP EP18782371.1A patent/EP3857819B1/en active Active
- 2018-09-28 CN CN201880098133.3A patent/CN112789827B/zh active Active
- 2018-09-28 US US17/280,757 patent/US11330450B2/en active Active
- 2018-09-28 JP JP2021517427A patent/JP6982221B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150016412A1 (en) * | 2012-07-20 | 2015-01-15 | Qualcomm Incorporated | Using ue environmental status information to improve mobility handling and offload decisions |
CN104838699A (zh) * | 2012-12-07 | 2015-08-12 | 瑞典爱立信有限公司 | Ran控制的wi-fi选择 |
US20160197800A1 (en) * | 2015-01-06 | 2016-07-07 | Cisco Technology, Inc. | Dynamically adjusting network operations using physical sensor inputs |
CN107251603A (zh) * | 2015-03-25 | 2017-10-13 | 认知系统公司 | 分析无线网络性能 |
US20170006434A1 (en) * | 2015-07-01 | 2017-01-05 | Mastercard International Incorporated | Systems and methods for determining device location using wireless data and other geographical location data |
US20180234266A1 (en) * | 2017-02-15 | 2018-08-16 | Dell Products, L.P. | Classifying internet-of-things (iot) gateways |
Also Published As
Publication number | Publication date |
---|---|
WO2020064121A1 (en) | 2020-04-02 |
JP2021530934A (ja) | 2021-11-11 |
CN112789827B (zh) | 2023-07-25 |
EP3857819B1 (en) | 2024-04-10 |
EP3857819A1 (en) | 2021-08-04 |
US11330450B2 (en) | 2022-05-10 |
JP6982221B2 (ja) | 2021-12-17 |
US20210314790A1 (en) | 2021-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3857818B1 (en) | Radio-network self-optimization based on data from radio network and spatiotemporal sensors | |
CN112789827B (zh) | 关联和存储来自无线电网络和时空传感器的数据 | |
US20210144611A1 (en) | Altitude position state based mobile communications | |
US20230269606A1 (en) | Measurement configuration for local area machine learning radio resource management | |
US11916797B2 (en) | Network entity and user equipment for transmission rate control | |
US20230403591A1 (en) | Group based beam reporting | |
EP3157182B1 (en) | Techniques for measurement filtering for wireless systems | |
US20230188290A1 (en) | Coupled downlink and uplink reference signals for efficient multi-rtt positioning | |
US20240049091A1 (en) | Determining handover command transmission based on survival time | |
US20230239752A1 (en) | Logging information related to multiple-event conditional handover execution for wireless networks | |
WO2021155929A1 (en) | Detect-and-avoid mechanism for wireless networks | |
CN113632399A (zh) | 装置、方法和计算机程序 | |
WO2018224545A1 (en) | Use of handover measurements for wireless networks based on signal blocking condition | |
US20230199590A1 (en) | Variable time-to-trigger value for transmission of measurement report for wireless networks | |
WO2023040885A1 (zh) | 参数选择方法、参数配置方法、终端及网络侧设备 | |
EP4362547A1 (en) | Ue reporting uplink measurements with mpe event indication | |
US20240155397A1 (en) | Apparatus, method, and computer program |
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 |