CN113922936B - 一种ai技术信道状态信息反馈方法和设备 - Google Patents
一种ai技术信道状态信息反馈方法和设备 Download PDFInfo
- Publication number
- CN113922936B CN113922936B CN202111017202.3A CN202111017202A CN113922936B CN 113922936 B CN113922936 B CN 113922936B CN 202111017202 A CN202111017202 A CN 202111017202A CN 113922936 B CN113922936 B CN 113922936B
- Authority
- CN
- China
- Prior art keywords
- information
- feedback
- model
- period
- feedback period
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000010295 mobile communication Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 description 62
- 238000010586 diagram Methods 0.000 description 15
- 230000006854 communication Effects 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 8
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 description 1
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
- H04L5/0055—Physical resource allocation for ACK/NACK
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
- H04W72/232—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal the control data signalling from the physical layer, e.g. DCI signalling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
- H04L5/0057—Physical resource allocation for CQI
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种AI技术信道状态信息反馈方法,包含以下步骤:用第一信息指示待用的至少一个AI模型;用第二信息指示第一反馈时段;用选定的AI模型处理CSI原始数据、生成结果数据;所述第一反馈时段,用于传送所述结果数据。本申请还包含应用所述方法的装置。本申请解决传统技术CSI反馈精度不高、信号码本数量大的问题。
Description
技术领域
本申请涉及无线通信技术领域,尤其涉及一种AI技术信道状态信息反馈方法和设备。
背景技术
移动通信网络蕴含大量的数据资源,利用人工智能(AI)技术对于5G数据资源的合理利用与发掘可以有效提升移动通信系统提升。移动通信系统中面临的问题复杂多样,研究表明,通过基于AI的算法可以有效提升移动通信网络侧与无线侧性能。
无线通信系统中信道状态信息(CSI)的反馈是系统设计的关键。发送端需要知道接收端的CSI,以便进行发送方案的选择。传统的CSI反馈采用基于码本的反馈方法进行。在5G NR系统中,特别设计了TypeⅠ和TypeⅡ码本来完成终端向基站的CSI反馈工作。
目前5G标准中CSI的反馈方式是基站为终端配置好CSI反馈使用的码本、周期和位置,终端完成信道测量后,根据基站的配置,在相应位置进行CSI反馈。CSI反馈的具体内容为基站配置码本的序号。
利用AI技术,可以不借助码本完成CSI的反馈。本发明给出一种利用AI技术完成CSI反馈的方法与装置,可以利用更少的信息比特完成对CSI更高精度的反馈。
发明内容
本申请提出一种AI技术信道状态信息反馈方法和设备,解决传统技术CSI反馈精度不高、信号码本数量大的问题。
第一方面,本申请提出一种AI技术信道状态信息反馈方法,包含以下步骤:
用第一信息指示待用的至少一个AI模型;
用第二信息指示第一反馈时段;
用选定的AI模型处理CSI原始数据、生成结果数据;
所述第一反馈时段,用于传送所述结果数据。
优选地,所述方法进一步包含以下步骤:
用第三信息指示第二反馈时段,所述第二反馈时段用于传送所述原始数据。
优选地,所述第一信息中的AI模型包含神经网络结构和参数;所述第一信息由PDSCH承载的高层信息指示,或者,所述第一信息由PDCCH承载的DCI信息和PDSCH承载的高层信息联合指示。
优选地,所述第二信息中包含第一反馈时段的开始时间点和周期的信息;所述第二信息通过PDCCH承载的DCI信息传送。
优选地,所述第三信息中包含第二反馈时段的开始时间点和周期的信息;所述第三信息通过PDCCH承载的DCI信息传送。
优选地,所述第二信息和所述第三信息在同一DCI信息中传送,第二反馈时段的周期是第一反馈时段的周期的倍数。
优选地,所述第二信息,还用于选择AI模型。
优选地,所述选定的AI模型,对应于CSI导频配置。
本申请第一方面任意一项实施例所述方法,用于网络设备,包含以下步骤:
所述网络设备发送第一信息,所述第一指示信息用于指示待用的至少一个AI模型;
所述网络设备发送第二信息,所述第二信息用于指示第一反馈时段;
所述网络设备根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
优选地,还包含以下步骤:
所述网络设备发送第三信息,所述第三信息用于指示第二反馈时段;
所述网络设备根据第二反馈时段接收所述CSI原始数据。
进一步优选地,还包含以下步骤:
所述网络设备发送CSI导频配置信息,所述CSI导频配置对应于选定的AI模型。
本申请第一方面任意一项实施例所述方法,用于终端设备,包含以下步骤:
所述终端设备接收第一信息,所述第一信息用于指示待用的至少一个AI模型;
所述终端设备接收第二信息,所述第二信息用于指示第一反馈时段;
所述终端设备用选定的AI模型处理CSI原始数据、生成结果数据;
所述终端设备根据第一反馈时段发送所述结果数据。
优选地,还包含以下步骤,
所述终端设备接收第三信息,所述第三信息用于指示第二反馈时段;
所述终端设备根据第二反馈时段发送所述CSI原始数据。
可选择地,还包含以下步骤:所述第二信息中还包含选择AI模型的指示,所述终端设备根据所述第二信息选定AI模型。
可选择地,还包含以下步骤:所述终端设备接收CSI导频配置信息,所述CSI导频配置对应于选定的AI模型;所述终端设备根据CSI导频配置信息选定AI模型。
第二方面,本申请还提出一种网络设备,用于实现本申请第一方面任意一项所述方法,所述网络设备中的至少一个模块用于实现以下至少一项功能:发送第一信息,所述第一指示信息用于指示待用的至少一个AI模型;发送第二信息,所述第二信息用于指示第一反馈时段;根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
优选地,所述网络设备中的至少一个模块还用于实现以下至少一项功能:发送第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段接收所述CSI原始数据。
第三方面,本申请还提出一种终端设备,用于实现本申请任意一项实施例所述方法,所述终端设备中的至少一个模块用于实现以下至少一项功能:接收第一信息,所述第一信息用于指示待用的至少一个AI模型;接收第二信息,所述第二信息用于指示第一反馈时段;用选定的AI模型处理CSI原始数据、生成结果数据;根据第一反馈时段发送所述结果数据。
优选地,所述终端设备中的至少一个模块还用于实现以下至少一项功能:接收第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段发送所述CSI原始数据。
第四方面,本申请还提出一种移动通信设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如本申请第一方面任意一项实施例所述方法的步骤。
第五方面,本申请还提出一种计算机可读介质,所述计算机可读介质上存储计算机程序,所述计算机程序被处理器执行时实现如本申请第一方面任意一项实施例所述的方法的步骤。
第六方面,本申请还提出一种移动通信系统,包含本申请任意一项实施例所述的网络设备和本申请任意一项实施例所述的终端设备。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本发明利用AI技术改进移动系统性能。提供的方法与装置相对于已有的基于码本的CSI反馈方案,可以利用AI技术实现更少的信息比特完成更高精度的CSI信息反馈。本发明提供的方法与装置还可以实现网络设备侧对数据的收集,完成AI模型精度判断与模型的更新。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请方法的实施例流程图;
图2为本申请的方法用于网络设备的实施例流程图;
图3为本申请的方法用于终端设备的实施例流程图;
图4为网络设备和终端设备通信过程的第一实施例示意图;
图5为网络设备和终端设备通信过程的第二实施例示意图;
图6为网络设备和终端设备通信过程的第三实施例示意图;
图7为网络设备和终端设备通信过程的第四实施例示意图;
图8为网络设备实施例示意图;
图9是终端设备的实施例示意图;
图10为本发明另一实施例的网络设备的结构示意图;
图11是本发明另一个实施例的终端设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑一个由网络设备及终端设备组成的通信系统,一个网络设备可以同时给多个终端设备进行数据发送与接收。网络设备包括网络数据单元和网络控制单元。终端设备包括终端数据单元和终端控制单元。网络数据单元与终端数据单元通过下行数据共享信道(PDSCH)和上行数据共享信道(PUSCH)发送数据。而网络控制单元与终端控制单元通过同步及广播信道(SS/PBCH)下行控制信道(PDCCH)和上行接入信道(PRACH)及控制信道(PUCCH)进行控制信息交换。SS/PBCH进行同步信号及广播信息的发送,终端控制单元通过接收SS/PBCH进行同步及基本系统信息的获取。PDCCH发送下行控制信息(DCI),进行PDSCH、PUSCH和PUCCH的具体发送格式相关内容。当终端数据单元数据接收完毕后,终端控制单元根据网络控制单元发送的控制信息和终端数据单元数据接收情况向网络设备发起基于PRACH的接入,或者反馈数据是否正确接收ACK/NACK信息,或者进行终端向网络的数据发送。系统中基本的时间传输单元为符号,14个符号组成一个时隙。一个时隙长度为1/2k ms,其中k取值为正整数,分别对应不同的子载波间隔,如k=0,1,2,3,4,5,6时对应子载波间隔为15kHz、30kHz、60kHz、120kHz、240kHz、480kHz、960kHz。
以下结合附图,详细说明本申请各实施例提供的技术方案。本申请方法的实施例如图1~7所示,网络设备和终端设备的构成如本申请图8~11的实施例所示。
图1为本申请方法的实施例流程图。
第一方面,本申请提出一种AI技术信道状态信息反馈方法,包含以下步骤101~105中至少一部分:
步骤101、用第一信息指示待用的至少一个AI模型;
优选地,所述第一信息中的AI模型包含神经网络结构和参数;所述第一信息由PDSCH承载的高层信息指示,或者,所述第一信息由PDCCH承载的DCI信息和PDSCH承载的高层信息联合指示。
例如,所述网络设备通过第一信息通知所述终端进行CSI反馈使用的模型;所述第一信息指示的模型包含神经网络的基础结构与主要参数,所述第一信息包含的模型数量N可以大于1。
步骤102、用第二信息指示第一反馈时段;
所述第一反馈时段,用于传送CSI的结果数据,结果数据如何产生见步骤104。
优选地,所述第二信息中包含第一反馈时段的开始时间点和周期的信息;所述第二信息通过PDCCH承载的DCI信息传送。
作为一个可选择的方案,所述第二信息,还用于选择AI模型。
作为另一个可选择的方案,选定的AI模型对应于CSI导频配置。
例如,当所述第一信息指示的模型数量N大于1时:所述第二信息可以包含对所需使用模型的直接指示;当所述第二信息不包含对所使用模型的直接指示,终端采用模型根据网络设备当前使用的CSI导频配置决定。
步骤103、用第三信息指示第二反馈时段,所述第二反馈时段用于传送所述原始数据。
优选地,所述方法进一步包含步骤103。
优选地,所述第三信息中包含第二反馈时段的开始时间点和周期的信息;所述第三信息通过PDCCH承载的DCI信息传送。
优选地,所述第二信息和所述第三信息在同一DCI信息中传送,第二反馈时段的周期是第一反馈时段的周期的倍数。
步骤104、用选定的AI模型处理CSI原始数据、生成结果数据;
假设根据所述第二信息进行的基于模型的CSI反馈信息为A,根据所述第三信息进行的未经模型处理的CSI信息为B,那么当A和B在同一时隙发送时,B为A在经过AI模型处理前的数据。
在步骤104中,所述终端设备接收所述第一、第二和第三信息,根据所述信息进行相关数据的准备。
步骤105、基于第一和第二信息进行CSI反馈传输;
终端设备根据所述第一和第二信息完成基于AI模型的CSI反馈
步骤106、基于第三信息进行CSI原始数据反馈传输。
终端设备根据所述第三信息指示完成CSI相关原始数据发送。
根据步骤101~106的技术方案,终端设备在进行基于AI模型的CSI反馈之前需要接收网络设备配置的模型(所述第一信息),并根据触发信息(所述第二信息)进行相应的反馈。为了更好的辅助网络设备进行模型的准确性判断,并定期进行模型的更新,终端还需要向网络设备发送原始的CSI信息。这一过程由网络设备通过所述第三信息发送实现。具体见以下图2~7的实施例。
图2为本申请的方法用于网络设备的实施例流程图。
本申请第一方面任意一项实施例所述方法,用于网络设备,包含以下步骤201~204:
步骤201、所述网络设备发送第一信息,所述第一指示信息用于指示待用的至少一个AI模型;
所述第一信息可以通过由PDSCH承载的高层信息指示;所述第一信息内容可以由PDCCH承载的DCI信息和PDSCH承载的高层信息联合指示。
步骤202、所述网络设备发送第二信息,所述第二信息用于指示第一反馈时段;
所述网络设备通过第二信息通知所述终端利用所述第一信息指示模型进行CSI反馈。所述第二信息通过PDCCH承载的DCI信息发送,包含利用所述第一信息指示模型进行CSI反馈的开始时间点,反馈周期等信息。
步骤203、所述网络设备发送第三信息,所述第三信息用于指示第二反馈时段;
所述网络设备可以通过第三信息通知所述终端反馈不经过模型处理的CSI信息。所述第三信息通过PDCCH承载的DCI信息进行发送,包含所述反馈信息发送时间点及周期等信息。
所述第三信息可以与所述第二信息在同一DCI信息中进行发送。当所述第三信息和所述第二信息在同一DCI发送时,所述第三信息指示的反馈周期可以为所述第二信息指示周期的倍数。
所述第三信息指示的反馈资源可以是PUCCH,也可以是PUSCH。
步骤204、所述网络设备发送CSI导频配置信息,所述CSI导频配置对应于选定的AI模型。
步骤205、所述网络设备根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
步骤206、所述网络设备根据第二反馈时段接收所述CSI原始数据。
图3为本申请的方法用于终端设备的实施例流程图。
本申请第一方面任意一项实施例所述方法,用于终端设备,包含以下步骤:
步骤301、所述终端设备接收第一信息,所述第一信息用于指示待用的至少一个AI模型;
步骤302、所述终端设备接收第二信息,所述第二信息用于指示第一反馈时段;
步骤303、所述终端设备接收第三信息,所述第三信息用于指示第二反馈时段;
步骤304、终端设备选择AI模型、用选定的AI模型处理CSI原始数据、生成结果数据;
可选择地,如果所述第二信息中还包含选择AI模型的指示,所述终端设备根据所述第二信息选定AI模型。
如果所述第二信息中不包含选择AI模型的指示,所述终端设备接收CSI导频配置信息,所述CSI导频配置对应于选定的AI模型;所述终端设备根据CSI导频配置信息选定AI模型。
步骤305、所述终端设备根据第一反馈时段发送所述结果数据;
步骤306、所述终端设备根据第二反馈时段发送所述CSI原始数据。
图4为网络设备和终端设备通信过程的第一实施例示意图。
本实施例中,网络设备通过PDSCH发送所述第一信息。所述第一信息包含N=2套模型,分别对应两种CSI配置下,如信道状态信息导频(CSI-RS)16端口和8端口配置,所用的CSI反馈模型。2套模型可以为深度神经网络(DNN)模型或者卷积神经网络(CNN)模型,每套模型由神经元排列方式及各神经元相关联参数组成。
网络设备在终端完成所述第一信息接收后,向终端发送由PDCCH承载的DCI信息,DCI信息包含所述第二信息。所述第二信息含参数M指示终端采用N套模型里的一套,用于CSI反馈。同时,所述第二信息包括反馈的周期P和反馈的起始时间。反馈的起始时间为承载第二信息所在PDCCH后的时隙数t0和开始符号s组成,如t0=4个时隙后的第s=1个符号。反馈的周期典型值为多个时隙,如5个时隙。
网络设备向终端发送的包含所述第二信息的DCI中可以同时包含所述第三信息。当所述第三信息和所述第二信息在同一DCI发送时,所述第三信息指示反馈的周期为所述第二信息反馈周期的整数倍。如所述第二信息指示反馈周期P=4个时隙,所述第三信息指示反馈周期P1为4倍的所述第二信息指示反馈周期,即P1=4P。同时,所述第三信息可以不指示反馈的开始时间点,所述第三信息指示开始反馈数据时间点和所述第二信息指示开始反馈数据时间点重合。
终端设备根据网络设备第一、第二和第三信息指示,在第二信息发送后t0+1时刻的PUCCH/PUSCH上以周期P开始CSI信息A反馈,第三信息发送后t0+1时刻的PUCCH/PUSCH上以周期P1开始CSI原始数据B反馈。
图5为网络设备和终端设备通信过程的第二实施例示意图。
本实施例中,网络设备通过PDSCH发送所述第一信息。所述第一信息包含N=1套模型,模型可以为深度神经网络(DNN)模型或者卷积神经网络(CNN)模型,每套模型由神经元排列方式及各神经元相关联参数组成。
网络设备在终端完成所述第一信息接收后,向终端发送由PDCCH承载的DCI信息,DCI信息包含所述第二信息。所述第二信息包括反馈的周期P和反馈的起始时间。反馈的起始时间为承载第二信息所在PDCCH后的时隙数t0和开始符号s组成,如t0=4个时隙后的第s=1个符号。反馈的周期典型值为多个时隙,如5个时隙。
终端设备根据网络设备第一、第二信息指示,在第二信息发送后t0+1时刻的PUCCH/PUSCH上以周期P开始CSI信息A反馈。
图6为网络设备和终端设备通信过程的第三实施例示意图。
本实施例中,网络设备通过PDSCH发送所述第一信息。所述第一信息包含N=2套模型,分别对应两种CSI配置下,如信道状态信息导频(CSI-RS)16端口和8端口配置,所用的CSI反馈模型。2套模型可以为深度神经网络(DNN)模型或者卷积神经网络(CNN)模型,每套模型由神经元排列方式及各神经元相关联参数组成。
网络设备在终端完成所述第一信息接收后,向终端发送由PDCCH承载的DCI信息,DCI信息包含所述第二信息。所述第二信息含参数M指示终端采用N套模型里的一套,用于CSI反馈。同时,所述第二信息包括反馈的周期P和反馈的起始时间。反馈的起始时间为承载第二信息所在PDCCH后的时隙数t0和开始符号s组成,如t0=4个时隙后的第s=1个符号。反馈的周期典型值为多个时隙,如5个时隙。
网络设备向终端发送所述第三信息。当所述第三信息和所述第二信息不在同一DCI发送时,所述第三信息指示反馈的周期P1和反馈的起始时间。反馈的起始时间为承载第三信息所在PDCCH后的时隙数t1和开始符号s1组成,如t1=3个时隙后的第s=1个符号。反馈的周期典型值为多个时隙,如16个时隙。
终端设备根据网络设备所述第一、和第二信息,在第二信息发送后t0+1时刻的PUCCH/PUSCH上以周期P开始CSI信息A反馈;在收到所述第三信息发送后t1+1时刻的PUCCH/PUSCH上以周期P1开始CSI原始数据B反馈。
图7为网络设备和终端设备通信过程的第四实施例示意图。
本实施例中,网络设备通过PDSCH发送所述第一信息。所述第一信息包含N=2套模型,分别对应两种CSI配置下,如信道状态信息导频(CSI-RS)16端口和8端口配置,所用的CSI反馈模型。2套模型可以为深度神经网络(DNN)模型或者卷积神经网络(CNN)模型,每套模型由神经元排列方式及各神经元相关联参数组成。
网络设备在终端完成所述第一信息接收后,向终端发送由PDCCH承载的DCI信息,DCI信息包含所述第二信息。所述第二信息不对终端采用具体N套模型进行指示,而终端根据监测的CSI信息导频端口数决定,如CSI-RS采用16端口,就选择模型1,CSI-RS采用8端口就用模型2。同时,所述第二信息包括反馈的周期P和反馈的起始时间。反馈的起始时间为承载第二信息所在PDCCH后的时隙数t0和开始符号s组成,如t0=4个时隙后的第s=1个符号。反馈的周期典型值为多个时隙,如5个时隙。
网络设备向终端发送的包含所述第二信息的DCI中可以同时包含所述第三信息。当所述第三信息和所述第二信息在同一DCI发送时,所述第三信息指示反馈的周期为所述第二信息反馈周期的整数倍。如所述第二信息指示反馈周期P=4个时隙,所述第三信息指示反馈周期P1为4倍的所述第二信息指示反馈周期,即P1=4P。同时,所述第三信息可以不指示反馈的开始时间点,所述第三信息指示开始反馈数据时间点和所述第二信息指示开始反馈数据时间点重合。
终端设备根据网络设备第一、第二和第三信息指示,在第二信息发送后t0+1时刻的PUCCH/PUSCH上以周期P开始CSI信息A反馈,第三信息发送后t0+1时刻的PUCCH/PUSCH上以周期P1开始CSI原始数据B反馈。
图8为网络设备实施例示意图。
本申请实施例还提出一种网络设备,使用本申请中任意一项实施例的方法,所述网络设备中至少一个模块用于:发送第一信息,所述第一指示信息用于指示待用的至少一个AI模型;发送第二信息,所述第二信息用于指示第一反馈时段;根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
在网络设备的另一实施例中,至少一个模块还用于:发送第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段接收所述CSI原始数据
为实施上述技术方案,本申请提出的一种网络设备400,包含网络发送模块401、网络确定模块402、网络接收模块403。
所述网络发送模块,用于发送所述第一信息、第二信息、第三信息、CSI导频配置信息中的至少一种信息。
所述网络确定模块,用于根据待用的AI模型,确定第一信息;根据第一反馈时段,确定第二信息;根据第二反馈时段,确定第三信息;根据选定的AI模型,确定第二信息,或者根据选定的AI模型、CSI导频配置信息和AI模型的对应关系,确定CSI导频配置信息。
所述网络接收模块,用于接收所述CSI原始数据和/或CSI结果数据。
实现所述网络发送模块、网络确定模块、网络接收模块功能的具体方法,如本申请各方法实施例所述,这里不再赘述。
图9是终端设备的实施例示意图。
本申请还提出一种终端设备,使用本申请任意一项实施例的方法,所述终端设备的至少一个模块用于:接收第一信息,所述第一信息用于指示待用的至少一个AI模型;接收第二信息,所述第二信息用于指示第一反馈时段;用选定的AI模型处理CSI原始数据、生成结果数据;根据第一反馈时段发送所述结果数据。
在终端设备的另一个实施例中,至少一个模块还用于:接收第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段发送所述CSI原始数据。
为实施上述技术方案,本申请提出的一种终端设备500,包含终端发送模块501、终端确定模块502、终端接收模块503。
所述终端接收模块,用于接收所述第一信息、第二信息、第三信息、CSI导频配置信息中的至少一种信息。
所述终端确定模块,用于根据第一信息,确定待用的AI模型;根据第二信息,确定第一反馈时段;根据第三信息,确定第二反馈时段;根据第二信息,确定选定的AI模型,或者,根据CSI导频配置信息、CSI导频配置信息和AI模型的对应关系确定选定的AI模型;根据选定的AI模型对CSI原始数据进行处理,得到CSI结果数据。。
所述终端发送模块,用于发送所述CSI原始数据和/或CSI结果数据。
实现所述终端发送模块、终端确定模块、终端接收模块功能的具体方法如本申请各方法实施例所述,这里不再赘述。
本申请所述终端设备,可以指移动终端设备。
图10示出了本发明另一实施例的网络设备的结构示意图。如图所示,网络设备600包括处理器601、无线接口602、存储器603。其中,所述无线接口可以是多个组件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。所述无线接口实现和所述终端设备的通信功能,通过接收和发射装置处理无线信号,其信号所承载的数据经由内部总线结构与所述存储器或处理器相通。所述存储器603包含执行本申请任意一个实施例的计算机程序,所述计算机程序在所述处理器601上运行或改变。当所述存储器、处理器、无线接口电路通过总线系统连接。总线系统包括数据总线、电源总线、控制总线和状态信号总线,这里不再赘述。
图11是本发明另一个实施例的终端设备的框图。终端设备700包括至少一个处理器701、存储器702、用户接口703和至少一个网络接口704。终端设备700中的各个组件通过总线系统耦合在一起。总线系统用于实现这些组件之间的连接通信。总线系统包括数据总线,电源总线、控制总线和状态信号总线。
用户接口703可以包括显示器、键盘或者点击设备,例如,鼠标、轨迹球、触感板或者触摸屏等。
存储器702存储可执行模块或者数据结构。所述存储器中可存储操作系统和应用程序。其中,操作系统包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序包含各种应用程序,例如媒体播放器、浏览器等,用于实现各种应用业务。
在本发明实施例中,所述存储器702包含执行本申请任意一个实施例的计算机程序,所述计算机程序在所述处理器701上运行或改变。
存储器702中包含计算机可读存储介质,处理器701读取存储器702中的信息,结合其硬件完成上述方法的步骤。具体地,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器701执行时实现如上述任意一个实施例所述的方法实施例的各步骤。
处理器701可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。所述处理器701可以是通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。在一个典型的配置中,本申请的设备包括一个或多个处理器(CPU)、输入/输出用户接口、网络接口和存储器。
此外,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
因此,本申请还提出一种计算机可读介质,所述计算机可读介质上存储计算机程序,所述计算机程序被处理器执行时实现本申请任意一项实施例所述的方法的步骤。例如,本发明的存储器603,702可包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
基于图8~11的实施例,本申请还提出一种移动通信系统,包含至少1个本申请中任意一个终端设备的实施例和或至少1个本申请中任意一个网络设备的实施例。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
还需要说明的是,本申请中的“第一”、“第二”、“第三”,是为了区分同一名称的多个客体,如非具体说明,没有其他特别的含义。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (21)
1.一种AI技术信道状态信息反馈方法,用于网络设备,其特征在于,包含以下步骤:
所述网络设备发送第一信息,所述第一信息用于指示待用的至少一个AI模型;
所述网络设备发送第二信息,所述第二信息用于指示第一反馈时段,所述第二信息中还包含选择AI模型的指示;
所述网络设备根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
2.如权利要求1所述方法,其特征在于,还包含以下步骤:
所述网络设备发送第三信息,所述第三信息用于指示第二反馈时段;
所述网络设备根据第二反馈时段接收所述CSI原始数据。
3.如权利要求1所述方法,其特征在于,还包含以下步骤:
所述网络设备发送CSI导频配置信息,所述CSI导频配置对应于选定的AI模型。
4.如权利要求1~3任意一项所述方法,其特征在于,
所述第一信息中的AI模型包含神经网络结构和参数;
所述第一信息由PDSCH承载的高层信息指示,或者,所述第一信息由PDCCH承载的DCI信息和PDSCH承载的高层信息联合指示。
5.如权利要求1~3任意一项所述方法,其特征在于,
所述第二信息中包含第一反馈时段的开始时间点和周期的信息;
所述第二信息通过PDCCH承载的DCI信息传送。
6.如权利要求2所述方法,其特征在于,
所述第三信息中包含第二反馈时段的开始时间点和周期的信息;
所述第三信息通过PDCCH承载的DCI信息传送。
7.如权利要求2所述方法,其特征在于,
所述第二信息和所述第三信息在同一DCI信息中传送,第二反馈时段的周期是第一反馈时段的周期的倍数。
8.一种AI技术信道状态信息反馈方法,用于终端设备,其特征在于,包含以下步骤:
所述终端设备接收第一信息,所述第一信息用于指示待用的至少一个AI模型;
所述终端设备接收第二信息,所述第二信息用于指示第一反馈时段;所述第二信息中还包含选择AI模型的指示,所述终端设备根据所述第二信息选定AI模型;
所述终端设备用选定的AI模型处理CSI原始数据、生成结果数据;
所述终端设备根据第一反馈时段发送所述结果数据。
9.如权利要求8所述方法,其特征在于,还包含以下步骤,
所述终端设备接收第三信息,所述第三信息用于指示第二反馈时段;
所述终端设备根据第二反馈时段发送所述CSI原始数据。
10.如权利要求8所述方法,其特征在于,还包含以下步骤:
所述终端设备接收CSI导频配置信息,所述CSI导频配置对应于选定的AI模型;
所述终端设备根据CSI导频配置信息选定AI模型。
11.如权利要求8~10任意一项所述方法,其特征在于,
所述第一信息中的AI模型包含神经网络结构和参数;
所述第一信息由PDSCH承载的高层信息指示,或者,所述第一信息由PDCCH承载的DCI信息和PDSCH承载的高层信息联合指示。
12.如权利要求8~10任意一项所述方法,其特征在于,
所述第二信息中包含第一反馈时段的开始时间点和周期的信息;
所述第二信息通过PDCCH承载的DCI信息传送。
13.如权利要求9所述方法,其特征在于,
所述第三信息中包含第二反馈时段的开始时间点和周期的信息;
所述第三信息通过PDCCH承载的DCI信息传送。
14.如权利要求9所述方法,其特征在于,
所述第二信息和所述第三信息在同一DCI信息中传送,第二反馈时段的周期是第一反馈时段的周期的倍数。
15.一种网络设备,用于实现权利要求1~7任意一项所述方法,其特征在于,所述网络设备中的至少一个模块用于实现以下至少一项功能:发送第一信息,所述第一信息用于指示待用的至少一个AI模型;发送第二信息,所述第二信息用于指示第一反馈时段;根据第一反馈时段接收结果数据,所述结果数据是用选定的AI模型处理CSI原始数据所生成的。
16.如权利要求15所述网络设备,其特征在于,所述网络设备中的至少一个模块用于实现以下至少一项功能:发送第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段接收所述CSI原始数据。
17.一种终端设备,用于实现权利要求8~14任意一项所述方法,其特征在于,所述终端设备中的至少一个模块用于实现以下至少一项功能:接收第一信息,所述第一信息用于指示待用的至少一个AI模型;接收第二信息,所述第二信息用于指示第一反馈时段;用选定的AI模型处理CSI原始数据、生成结果数据;根据第一反馈时段发送所述结果数据。
18.如权利要求17所述终端设备,其特征在于,所述终端设备中的至少一个模块用于实现以下至少一项功能:接收第三信息,所述第三信息用于指示第二反馈时段;根据第二反馈时段发送所述CSI原始数据。
19.一种移动通信设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1~14中任意一项所述方法的步骤。
20.一种计算机可读介质,所述计算机可读介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1~14任意一项所述的方法的步骤。
21.一种移动通信系统,包含至少1个如权利要求15或16所述的网络设备和/或至少1个如权利要求17或18所述的终端设备。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017202.3A CN113922936B (zh) | 2021-08-31 | 2021-08-31 | 一种ai技术信道状态信息反馈方法和设备 |
EP22862489.6A EP4398509A1 (en) | 2021-08-31 | 2022-01-05 | Ai technology-based channel state information feedback method and device |
PCT/CN2022/070310 WO2023029338A1 (zh) | 2021-08-31 | 2022-01-05 | 一种ai技术信道状态信息反馈方法和设备 |
US18/591,023 US20240204963A1 (en) | 2021-08-31 | 2024-02-29 | AI Technology-based Channel State Information Feedback Method and Device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017202.3A CN113922936B (zh) | 2021-08-31 | 2021-08-31 | 一种ai技术信道状态信息反馈方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113922936A CN113922936A (zh) | 2022-01-11 |
CN113922936B true CN113922936B (zh) | 2023-04-28 |
Family
ID=79233756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017202.3A Active CN113922936B (zh) | 2021-08-31 | 2021-08-31 | 一种ai技术信道状态信息反馈方法和设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240204963A1 (zh) |
EP (1) | EP4398509A1 (zh) |
CN (1) | CN113922936B (zh) |
WO (1) | WO2023029338A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116827489A (zh) * | 2022-03-18 | 2023-09-29 | 中兴通讯股份有限公司 | 信道状态信息的反馈方法、装置、存储介质及电子装置 |
CN117157927A (zh) * | 2022-03-31 | 2023-12-01 | 北京小米移动软件有限公司 | Csi处理方式的切换方法、装置、介质、产品及芯片 |
WO2023184427A1 (zh) * | 2022-03-31 | 2023-10-05 | 北京小米移动软件有限公司 | 基于ai的csi处理能力确定方法、装置、介质、产品及芯片 |
CN116939649A (zh) * | 2022-04-01 | 2023-10-24 | 维沃移动通信有限公司 | 信道特征信息传输方法、装置、终端及网络侧设备 |
CN116961707A (zh) * | 2022-04-15 | 2023-10-27 | 展讯半导体(南京)有限公司 | 一种信息反馈方法及相关装置 |
CN117220728A (zh) * | 2022-05-31 | 2023-12-12 | 华为技术有限公司 | 一种模型应用方法及装置 |
WO2023245576A1 (zh) * | 2022-06-23 | 2023-12-28 | 北京小米移动软件有限公司 | Ai模型确定方法、装置、通信设备及存储介质 |
WO2024007191A1 (zh) * | 2022-07-06 | 2024-01-11 | Oppo广东移动通信有限公司 | 模型训练方法及装置、样本数据生成方法及装置、电子设备 |
WO2024020793A1 (zh) * | 2022-07-26 | 2024-02-01 | Oppo广东移动通信有限公司 | 信道状态信息csi反馈的方法、终端设备和网络设备 |
CN117795910A (zh) * | 2022-07-29 | 2024-03-29 | 北京小米移动软件有限公司 | 一种信道估计方法及其装置 |
CN117640019A (zh) * | 2022-08-19 | 2024-03-01 | 中兴通讯股份有限公司 | 一种信道状态信息处理方法、装置、通信节点及存储介质 |
CN118317356A (zh) * | 2023-01-06 | 2024-07-09 | 华为技术有限公司 | 一种通信方法、网络设备和终端设备 |
CN118510006A (zh) * | 2023-02-10 | 2024-08-16 | 中兴通讯股份有限公司 | 指示信息发送方法、指示信息接收方法、装置及存储介质 |
WO2024168705A1 (zh) * | 2023-02-16 | 2024-08-22 | 富士通株式会社 | 信道状态信息发送和接收方法、装置和通信系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021107608A1 (ko) * | 2019-11-25 | 2021-06-03 | 삼성전자 주식회사 | 무선 통신 시스템에서 핸드오버를 수행하기 위한 장치 및 방법 |
WO2021142836A1 (zh) * | 2020-01-19 | 2021-07-22 | Oppo广东移动通信有限公司 | 通信方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809606A (zh) * | 2016-11-04 | 2018-11-13 | 华为技术有限公司 | 信道状态信息反馈的方法与装置 |
CN112368950B (zh) * | 2018-06-28 | 2024-03-08 | 诺基亚技术有限公司 | 使用深度学习的多用户多输入多输出波束选择和用户配对的方法和装置 |
CN110830151B (zh) * | 2018-08-07 | 2021-06-15 | 华为技术有限公司 | 反馈信息的传输方法和装置 |
CN112640325B (zh) * | 2018-08-29 | 2022-09-02 | 华为技术有限公司 | 使用学习网络实体进行csi辅助波束赋形的设备和方法 |
US10992331B2 (en) * | 2019-05-15 | 2021-04-27 | Huawei Technologies Co., Ltd. | Systems and methods for signaling for AI use by mobile stations in wireless networks |
CN111954309A (zh) * | 2019-05-17 | 2020-11-17 | 株式会社Ntt都科摩 | 终端和基站 |
WO2021016770A1 (zh) * | 2019-07-26 | 2021-02-04 | Oppo广东移动通信有限公司 | 一种信息处理方法、网络设备、用户设备 |
CN114223158A (zh) * | 2019-08-26 | 2022-03-22 | Oppo广东移动通信有限公司 | 一种信道状态信息处理方法、电子设备及存储介质 |
WO2021102917A1 (en) * | 2019-11-29 | 2021-06-03 | Nokia Shanghai Bell Co., Ltd. | Feedback of channel state information |
US11595847B2 (en) * | 2019-12-19 | 2023-02-28 | Qualcomm Incorporated | Configuration of artificial intelligence (AI) modules and compression ratios for user-equipment (UE) feedback |
US11936452B2 (en) * | 2020-02-28 | 2024-03-19 | Qualcomm Incorporated | Neural network based channel state information feedback |
CN112311706B (zh) * | 2020-11-03 | 2021-11-16 | 南京大学 | 基于贝叶斯神经网络信道预测的频分双工下行传输方法 |
CN112822780B (zh) * | 2021-01-15 | 2023-01-06 | 中国信息通信研究院 | 一种下行连续数据传送方法、设备和系统 |
-
2021
- 2021-08-31 CN CN202111017202.3A patent/CN113922936B/zh active Active
-
2022
- 2022-01-05 EP EP22862489.6A patent/EP4398509A1/en active Pending
- 2022-01-05 WO PCT/CN2022/070310 patent/WO2023029338A1/zh active Application Filing
-
2024
- 2024-02-29 US US18/591,023 patent/US20240204963A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021107608A1 (ko) * | 2019-11-25 | 2021-06-03 | 삼성전자 주식회사 | 무선 통신 시스템에서 핸드오버를 수행하기 위한 장치 및 방법 |
WO2021142836A1 (zh) * | 2020-01-19 | 2021-07-22 | Oppo广东移动通信有限公司 | 通信方法及装置 |
Non-Patent Citations (3)
Title |
---|
RAN1.RP-171137 "Status Report of WI on New Radio Access Technology * |
rapporteur: NTT DOCOMO".3GPP tsg_ran\TSG_RAN.2017,(TSGR_76),全文. * |
ZTE, Sanechips.RP-201771 "Applications of Artificial Intelligence in MIMO Networks".3GPP tsg_ran\tsg_ran.2020,(tsgr_89e),全文. * |
Also Published As
Publication number | Publication date |
---|---|
EP4398509A1 (en) | 2024-07-10 |
US20240204963A1 (en) | 2024-06-20 |
CN113922936A (zh) | 2022-01-11 |
WO2023029338A1 (zh) | 2023-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113922936B (zh) | 一种ai技术信道状态信息反馈方法和设备 | |
CN114172765B (zh) | 一种无线通信人工智能信道估计方法和设备 | |
CN114189889B (zh) | 一种无线通信人工智能处理方法和设备 | |
CN115395994B (zh) | 一种传输方法、装置和计算机可读存储介质 | |
US20220116934A1 (en) | Psfch sending method and apparatus | |
CN110915157B (zh) | 数据发送与接收的方法、装置、终端及存储介质 | |
CN113286368B (zh) | 一种多点上行数据传送方法和设备 | |
CN114844596B (zh) | 侧行链路信道状态信息传输的方法和通信装置 | |
EP3857807B1 (en) | Pdcch monitoring method and electronic device | |
EP2995033A1 (en) | New carrier type allocation in uplink/downlink subframe configuration for time division communication | |
US20200187238A1 (en) | Methods and apparatuses for control resource mapping | |
CN113260053B (zh) | 一种传输时隙结构指示方法和设备 | |
JP7519542B2 (ja) | ビーム指示方法、装置及び通信機器 | |
CN113260056B (zh) | 上行数据传输方法、用户设备及可读存储介质 | |
CN107371248B (zh) | 一种物联网中指示信息的传输方法及装置 | |
CN111953458B (zh) | 一种pucch资源确定方法和通信设备 | |
CN110855409A (zh) | 一种半持续调度方法和设备 | |
CN115413052A (zh) | 上行信息调度方法、装置、电子设备、存储介质及基站 | |
CN115767605A (zh) | 一种移动通信网络ai模型部署方法和设备 | |
CN116349189A (zh) | 一种通信方法及装置 | |
RU2815922C1 (ru) | Способ и устройство для указания луча и устройство связи | |
CN103944693A (zh) | 一种控制信息的发送、接收方法和相关装置 | |
WO2023050343A1 (en) | Methods and apparatuses for pusch repetition transmissions | |
JP6047836B2 (ja) | ブラインド復号 | |
EP4425995A1 (en) | Channel information reporting method, and terminal and network-side device |
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 |