CN114073033A - 用于载波聚合优化的方法和装置 - Google Patents

用于载波聚合优化的方法和装置 Download PDF

Info

Publication number
CN114073033A
CN114073033A CN201980098303.2A CN201980098303A CN114073033A CN 114073033 A CN114073033 A CN 114073033A CN 201980098303 A CN201980098303 A CN 201980098303A CN 114073033 A CN114073033 A CN 114073033A
Authority
CN
China
Prior art keywords
user equipment
carrier components
carrier
candidate
current user
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.)
Pending
Application number
CN201980098303.2A
Other languages
English (en)
Inventor
F·西亚德·穆哈穆德
A·费基
V·卡普德维埃尔勒
C·弥海勒素
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Solutions and Networks Oy
Original Assignee
Nokia Solutions and Networks Oy
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nokia Solutions and Networks Oy filed Critical Nokia Solutions and Networks Oy
Publication of CN114073033A publication Critical patent/CN114073033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
    • 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
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0003—Two-dimensional division
    • H04L5/0005—Time-frequency
    • H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
    • H04L5/001—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT the frequencies being arranged in component carriers
    • 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
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0014—Three-dimensional division
    • H04L5/0023—Time-frequency-space
    • 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
    • H04L5/0058—Allocation criteria
    • H04L5/006—Quality of the received signal, e.g. BER, SNR, water filling
    • 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
    • H04L5/0058—Allocation criteria
    • H04L5/0069—Allocation based on distance or geographical location
    • 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
    • H04L5/0091—Signaling for the administration of the divided path

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备(14)配置载波聚合的方法，基站能够利用每个载波分量的多个传输波束发射多个载波分量，该方法包括：从包括与多个载波分量中的载波分量和与多个用户设备中的用户设备相关联的质量度量的数据库(16)获取质量度量波束；使用质量度量来确定针对当前用户设备要被配置或解配置为辅载波分量的一个或多个候选载波分量；配置或解配置所述一个或多个载波分量。

Description

用于载波聚合优化的方法和装置
技术领域
各种示例实施例涉及用于载波聚合优化的方法和装置，具体地涉及利用每个载波分量的多个波束为基于多个载波分量的移动通信系统中的用户配置载波聚合的方法和装置。
背景技术
本节介绍可以帮助促进本公开的更好理解的方面。因此，本节的陈述应在这个角度阅读并且不应被理解为对现有技术中存在的内容或不存在的内容的承认。
载波聚合在现代移动通信系统中极为重要，其中非常高的比特率通信可以通过聚合在不同中心频率的多个载波分量并且通过在下行链路和上行链路两者中同时传输经聚合的载波分量来实现。
添加或移除一个或多个辅载波分量的过程被称为载波聚合配置。用于选择用于载波聚合配置的这些辅载波分量的经典方式要么通过盲配置要么通过测量报告，如3GPP TS38.331中提到的。具体地，当相邻辅载波分量比用户设备的当前辅载波分量偏离得更好时，如3GPP版本10中描述的A6测量报告被触发。在这种情况下，用户设备在相邻辅载波分量上执行频率内或频率间测量，并且基站在接收到A6测量报告后释放当前辅载波分量并且开始用于添加测量报告中报告的相邻辅载波分量的过程。这些方法要求在辅载波分量上的测量和在上行链路上的频繁开销。这些方法消耗用户设备的不必要的电池并且增加网络延时。
因此，需要能够利用减小的开销和改进的延时进行载波聚合配置的方法。
发明内容
在一些示例实施例中，本公开提供了一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备配置载波聚合的方法，基站能够利用每个载波分量的多个传输波束发射多个载波分量，方法包括：
从查找表获取一个或多个质量度量，该查找表包括针对多个用户设备中的用户设备的多个位置中的每个位置的多个载波分量中的每个载波分量的质量度量；
估计当前用户设备的位置，以及
基于当前用户设备的位置和查找表来选择满足质量度量阈值的一个或多个候选载波分量。
在实施例中，如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
在一些示例实施例中，这样的方法还可以包括下面的特征中的一个或多个特征。
在第一示例实施例中，数据库包括查找表，查找表包括针对多个用户设备中的用户设备的多个位置中的每个位置的多个载波分量或其子集中的每个载波分量的质量度量。在该实施例中，一个或多个候选载波分量的确定包括：
估计当前用户设备的位置，以及
基于当前用户设备的位置和所述查找表来选择满足质量度量阈值的一个或多个候选载波分量。
在实施例中，方法包括确定多个载波分量或其子集中的载波分量或每个载波分量的所述质量度量的步骤。例如，针对多个用户设备中的用户设备的位置的多个载波分量中的载波分量的质量度量是在用户设备的位置处的多个传输波束的无线电测量的算数平均值。
查找表还可以包括针对包括于数据库或其子集中的每个位置的每个用户设备的平均数目的载波分量。
在一些示例实施例中，本公开提供了一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备配置载波聚合的方法，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述方法包括：
从包括多个特征向量的数据库获取一个或多个特征向量，每个特征向量包括与多个载波分量中的相应载波分量相关联的传输波束的无线电测量，
采集当前用户设备的预定义的主载波分量的传输波束的无线电测量，以及
生成针对当前用户设备的当前特征向量，当前特征向量包括主载波分量的传输波束的无线电测量，
使用从数据库获取的一个或多个特征向量来确定要针对当前用户设备被配置或解配置为辅载波分量的一个或多个候选载波分量；
配置或解配置一个或多个候选载波分量。
在实施例中，如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
在一些示例实施例中，这样的方法还可以包括下面的特征中的一个或多个特征。
在实施例中，一个或多个候选载波分量的确定可以包括使用距离准则在从数据库获取的特征向量之中选择一个或多个最接近的特征向量。具体地，当前特征向量与每个最接近的特征向量之间的距离可以被要求低于预定义距离阈值。这样的距离可以是欧几里得距离。
备选地，将载波分量的平均数目关联到多个用户设备中的用户设备的多个位置中的每个位置的查找表可以被提供，载波分量的平均数目度量基于数据库来确定。在这种情况下，一个或多个候选载波分量的确定还可以包括：
估计用户设备的位置，
基于当前用户设备的位置和查找表来选择候选载波分量的数目。例如，查找表将载波分量的平均数目关联到当前用户设备的多个位置中的每个位置，并且载波分量的所述平均数目被选择为候选载波分量的数目。所述平均数目可以基于所述数据库来确定。
在实施例中，一个或多个候选载波分量的所述确定可以包括：
使用当前特征向量和预定义载波聚合模型来选择针对当前用户设备的一个或多个候选载波分量。
优选地，载波聚合模型在给出所述当前特征向量的情况下提供一个或多个候选载波分量。具体地，载波聚合模型是经训练的神经网络，所述神经网络的训练基于数据库来执行。
在实施例中，数据库的每个特征向量还包括传输波束的无线电测量的位置，并且当前特征向量还包括当前用户设备的位置。
在实施例中，质量度量是平均参考信号接收功率或平均参考信号接收质量或累积密度函数的值。
在实施例中，数据库包括高于预定义数目的传输波束的无线电测量的数目。具体地，预定义数目是传输波束的无线电测量的总数目占针对所有多个载波分量的多个传输波束的百分比。换言之，预定义数目可以定义无线电测量的数据集必须实现以便用于载波聚合配置的可靠性水平。
在示例实施例中，本公开还提供了一种计算机程序，包括当被运行时使计算机执行这样的方法的步骤的可执行代码。
在一些示例实施例中，本公开还提供了一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备配置载波聚合的装置，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，装置包括用于执行以下操作的部件：
从包括多个特征向量的数据库(16)获取一个或多个特征向量，每个特征向量包括与多个载波分量中的相应载波分量相关联的传输波束的无线电测量，
采集当前用户设备的预定义的主载波分量的传输波束的无线电测量，以及
生成针对当前用户设备的当前特征向量，当前特征向量包括主载波分量的传输波束的无线电测量，
使用从数据库(16)获取的一个或多个特征向量来确定针对当前用户设备要被配置或解配置为辅载波分量的一个或多个候选载波分量；
配置或解配置所述一个或多个候选载波分量。
在一些示例实施例中，本公开还提供了一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备配置载波聚合的装置，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述装置包括用于执行以下操作的部件：
从查找表获取一个或多个质量度量，该查找表包括针对多个用户设备中的用户设备的多个位置中的每个位置的多个载波分量中的每个载波分量的质量度量；
估计当前用户设备的位置，以及
基于当前用户设备的位置和查找表来选择满足质量度量阈值的一个或多个候选载波分量，
配置或解配置所述一个或多个载波分量。
在实施例中，如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
在实施例中，装置包括用于存储所述数据库的存储介质。
在一些示例实施例中，本公开还提供了一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备配置载波聚合的装置，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述装置包括：
至少一个处理器；以及
至少一个存储器，包括计算机程序代码，
至少一个存储器和计算机程序代码被配置为利用至少一个处理器使装置至少执行：
从存储于至少一个存储器中的包括与多个载波分量中的载波分量或每个载波分量和与多个用户设备中的用户设备或每个用户设备相关联的质量度量的数据库获取质量度量；
使用质量度量来确定针对当前用户设备要被配置或解配置为辅载波分量的一个或多个候选载波分量；
配置或解配置所述一个或多个载波分量。
附图说明
本发明的这些和其他方面将通过举例的方式参考附图从下文描述的示例实施例变得显然并且参考下文描述的示例实施例得到阐述。
图1图示了用于利用每个载波分量的多个波束配置载波聚合的方法和装置可以被实现于其中的移动通信系统。
图2是用于配置针对当前用户设备的载波聚合的装置的功能表示。
图3是根据第一示例实施例的可以由图2的装置执行的用于配置载波聚合的迭代过程。
图4是根据第二示例实施例的可以由图2的装置执行的用于配置载波聚合的迭代过程。
图5是根据第三示例实施例的可以由图2的装置执行的用于配置载波聚合的迭代过程。
图6是本发明的示例实施例可以被实现于其中的经编程计算机的功能图。
具体实施方式
现在将描述用于配置载波聚合的装置和方法的实施例。载波聚合配置包括标识每个用户设备的一组配置的载波分量。一旦载波分量被配置，网络就可以决定哪些载波分量激活。另一方面，解配置包括移除针对经配置的载波分量的建立的列表的载波分量。常规地，载波分量配置/解配置基于由用户设备在不同载波分量上报告的无线电测量或者它被盲完成。然而，无线电测量要求用信号发送开销以便测量和报告每个用户的不同载波分量的质量度量(知道经配置的载波分量的数目可以针对基于5G的网络中的给定用户设备达到16)以及附加的延时。
所提出的方法和装置利用包括由用户设备使用射频指纹识别(RF指纹识别)报告的无线电信息的数据库，以减少尤其是基于5G的网络中的开销和延时。射频指纹识别使用无线电传输的属性来标识发射无线电传输的无线设备。
用于配置载波聚合的通信系统的示例被提供在图1中。在该示例中，基站1通过四个载波分量pCC、sCC1、sCC2、sCC3与用户设备2通信。载波分量pCC中的一个载波分量pCC被约定为用作主载波分量，而其他载波分量sCC1、sCC2、sCC3被约定为用作辅载波分量。基站1是基于5G通信网络的节点并且能够发射每个载波分量的多个传输波束。
图2示出了用于配置针对位于基站1的覆盖区域中的无线通信网络中的当前用户设备14的载波聚合的装置10。基站1能够使用本领域中已知的波束形成方法利用每个载波分量的多个传输波束发射多个载波分量pCC、sCC1、sCC2、sCC3。装置10包括控制器12，其可以从当前用户设备14接收无线电测量。具体地，基站1从当前用户设备14接收无线电测量并且向控制器12发送所述无线电测量传输。
装置10还包括与控制器12通信的数据库16。
具体地，控制器12被布置为估计当前用户设备14的位置。控制器12可以被布置为从包括于无线通信网络中的位置管理功能接收当前用户设备14的位置。
控制器12使用接收到的无线电测量和/或当前用户设备14的所估计的位置来执行载波聚合配置。例如，控制器12可以使用数据库16和接收到的无线电测量和/或当前用户设备14的所估计的位置来选择要针对当前用户设备被配置或解配置为辅载波分量的一个或多个候选载波分量。
如果所述一个或多个候选载波分量满足质量度量阈值，那么一个或多个候选载波分量要被配置。否则，一个或多个候选载波分量要被解配置。
在示例实施例中，数据库16包括与多个载波分量中的载波分量和与多个用户设备中的用户设备相关联的传输波束的无线电测量。传输波束的无线电测量可以与如由用户设备针对多个载波分量中的载波分量和多个传输波束中的传输波束的经标识的耦合(CC，波束)报告的参考信号接收功率(RSRP)或参考信号接收质量(RSRQ)相关。
在示例实施例中，数据库16还存储多个用户设备中的每个用户设备的位置。具体地，用户设备的位置在通过网络的位置管理功能请求后或通过在如3GPP发行版10中介绍的最小路测上的触发而获得。
在示例实施例中，数据库16还存储每个在给定位置的用户设备配置的载波分量的平均数目。
数据库16可以通过在线过程由采集传输波束的无线电测量来构建。数据库16的构建可以由针对例如xRAN控制器的通信网络的基站1或任何其他实体执行。具体地，诸如位置和/或无线电测量的数据库的数据单元在每当所述数据单元可用于多个用户设备中的用户设备时被采集。
装置10旨在实时运行用于载波聚合配置/解配置的方法。数据库16和/或控制器12可以被定位于基站层处或接近基站1、在边缘云处或在无线智能控制器(RIC)处。
根据第一示例实施例的用于配置载波聚合的方法100被描绘在图3中。方法100包括以下步骤：
步骤102：估计位于或进入基站1的覆盖区域中的当前用户设备14的位置，
步骤104：响应于基于所估计的位置而确定该或每个候选载波分量满足质量度量阈值，从存储于数据库16中的查找表选择一个或多个候选载波分量。
步骤106：将一个或多个载波分量配置或解配置为针对当前用户设备14的辅载波分量。在步骤102中，当前用户设备14的位置可以使用常规定位方法来估计，例如使用观察到达时间差(OTDOA)或使用全球导航卫星系统(GNSS)。备选地，当前用户设备14的位置可以使用机器学习方法基于当前用户设备14的无线电测量(诸如RSRP)来估计。这样的方法被描述在“J.Yan,L.Zhao,J.Tang,Y.Chen,R.Chen和L.Chen的“Hybrid Kernel Based MachineLearning Using Received Signal Strength Measurements for Indoor Localization”中(IEEE Transactions on Vehicular Technology，vol.67，no.3，pp.2824-2829，2018年3月)”。
查找表包括针对多个用户设备中的用户设备的多个位置中的每个位置的多个载波分量中的每个载波分量的质量度量。具体地，质量度量使用包括于数据库16中的针对在给定位置处的给定载波分量的传输波束的RSRP测量来计算。例如，这样的质量度量可以使用以下公式来确定：
Figure BDA0003461139700000091
其中
Figure BDA0003461139700000092
是在位置(x,y)处的载波分量i的质量度量，RSRPj(x，y)是针对在位置(x,y)处的载波分量i的传输波束j的RSRP测量，并且J是在位置(x,y)处报告的传输波束的总数目。归一化被用于获得在0到1之间的区域内的质量度量，并且它使用在所有载波分量上的波束RSRP测量的最小可能值和最大可能值来实现。
在备选实施例中，质量度量是累积密度函数，例如在每个载波分量上的所有报告波束的5％。
查找表还可以包括在每个位置处经配置的每个用户设备的载波分量的平均数目。
在步骤106中，载波分量将在它的质量度量高于阈值的情况下是要被配置的候选。相同的载波分量将在它的质量度量低于阈值的情况下变成要被解配置/释放的候选。载波分量的平均数目给出关于多少载波分量可能必须要被配置的指示。
方法100还可以包括使用当前用户设备的无线电测量来更新查找表和数据库16的步骤。
方法100提供了允许利用由当前用户设备14报告的减少数目的无线电测量进行载波聚合的优点，因此减少通信网络的延时。
根据第二示例实施例的用于配置载波聚合的方法200被描绘在图4中。方法200包括以下步骤：
步骤202：采集当前用户设备14的预定义的主载波分量的传输波束的无线电测量，
步骤204：生成针对当前用户设备的当前特征向量，该当前特征向量包括主载波分量的传输波束的无线电测量，
步骤206：从数据库16选择一个或多个最接近的特征向量，
步骤208：基于最接近的特征向量来选择针对当前用户设备14的一个或多个候选载波分量，
步骤210:将一个或多个载波分量配置或解配置为辅载波分量。
优选地，数据库16包括多个特征向量，其中每个特征向量包括与多个载波分量中的相应载波分量相关联的传输波束的无线电测量。
在步骤202中，采集在当前用户设备14的主载波分量上的每个传输波束的诸如RSRP的无线电测量。
示例当前特征向量被描述在下表1中。
CC ID 位置 波束1 波束2 波束3 波束4 …
N x<sub>n</sub>，y<sub>n</sub> -55 -46 -60 -49 …
如表1中所示出的，当前特征向量包括主载波分量的标识(CC ID)和针对每个传输波束(波束1、波束2、波束3、波束4等等)的RSRP。当前特征向量可以包括当前用户设备14的位置(xn，yn)。
在实施例中，在当前特征向量与每个剩余特征向量之间的欧几里得距离被计算。当该距离低于预定义距离阈值时，剩余特征向量被选择为最接近的特征向量。具体地，步骤206可以使用K最近邻算法来执行。实际上，在步骤206中，当前特征向量与包括于数据库16中的每个特征向量之间的距离被计算。
在步骤208中，与最接近的特征向量相关联的一个或多个最接近的候选载波分量被选择。步骤208还包括响应于确定该或每个候选载波分量满足质量度量阈值而从最接近的候选载波分量选择要被配置的一个或多个候选载波分量。实际配置在步骤210中被执行。
在实施例中，查找表基于数据库16来提供并且包括与每个用户设备的载波分量的平均数目相关联的多个当前用户的当前用户设备的位置。
在步骤208中，如果当前用户设备14的位置可用，那么从查找表获取平均数目‘m’。然后，从与‘m’个最接近的特征向量相关联的载波分量选择‘m’个载波分量。
步骤210可以类似于图1的步骤106。
方法200提供仅基于在主载波分量上的传输波束的无线电测量来确定要被配置/解配置的辅载波分量的优点。因此，不需要附加的测量。方法200允许减少通信网络的延时。实际上，用户设备的位置的估计不是每次都要求，其导致考虑用户设备的位置(当其可用时)的优化的结果。
根据第三示例实施例的用于配置载波聚合的方法300被描绘在图5中。方法300包括以下步骤：
步骤302：采集当前用户设备14的预定义的主载波分量的传输波束的无线电测量，
步骤304：生成针对当前用户设备的当前特征向量，该当前特征向量包括主载波分量的传输波束的无线电测量，
步骤306：基于当前特征向量和预定义载波聚合模型来选择针对当前用户设备14的一个或多个候选载波分量，
步骤308：将一个或多个载波分量配置或解配置为辅载波分量。
步骤302和步骤304可以以与图4的步骤202和步骤204类似的方式被执行。
在示例实施例中，数据库16包括多个特征向量，其中每个特征向量包括与多个载波分量中的相应载波分量相关联的传输波束的无线电测量。
优选地，载波聚合模型是在给出当前特征向量的情况下提供一个或多个候选载波分量的经训练的神经网络。具体地，载波聚合模型可以是经典前馈网络/多层感知机神经网络，诸如在数据库16上训练的深度神经网络(DNN)。训练可以在数据库16中收集的传输波束的无线电测量上执行，该数据库将输入(即特征向量)映射到通过它们的标识定义的输出(即一个或多个候选载波分量)以被配置或解配置。
神经网络的训练利用已知方法(后向传播)来执行并且旨在估计神经网络的权重以使神经网络的提供的输出与预测的输出之间的损耗(例如，均方根)最小化。
在实施例中，训练被离线执行。它可以被实现于无线电接入网络的顶部上，例如在边缘云处。
步骤308可以类似于图1的步骤106。
在示例实施例中，方法100、200或300包括确定数据库16的置信度水平的步骤。例如，置信度水平被获得如下：
Figure BDA0003461139700000121
其中δRFCAM是置信度水平，nf是包括于数据库16中的无线电测量的数目，并且ntotal是针对多个载波分量和传输波束的可能无线电测量的总数目。
如果置信度水平低于预定义阈值，那么方法100、200或300可以包括使用诸如盲配置或如3GPP发行版10中描述的A6测量报告的传统方法来选择一个或多个候选载波分量的步骤。
图6示出了可以用于被实现以上描述的方法的目的的编程计算机、服务器、电路系统或装置600的功能图。计算机600具有内核和经由通信总线连接的若干外设。内核的主要部件是微处理器601(常常被称为CPU)、随机接入存储器(RAM)602和只读存储器(ROM)603。外设包括允许信息从用户被输入到系统、输出给用户并且被存储和获取的设备(诸如硬盘的大容量存储设备604和网络接口605)。
本发明不限于所描述的示例实施例。所附权利要求应被解释为体现本领域技术人员可以进行的并且公平地落入如本文所阐述的基本教导内的所有修改和备选结构。
动词“包括”或“包含”及其词形变化的使用不排除除了权利要求中陈述的元素或步骤以外的元素或步骤的存在。另外，在元素或步骤前面的词语“一”或“一个”的使用不排除多个这样的元件或步骤的存在。示例实施例可以借助于硬件以及软件来实现。同一项硬件可以表示若干“部件”。
在权利要求书中，置于括号内的任何附图标记不应被解释为限制权利要求的范围。

Claims (14)

1.一种用于针对位于基站(1)的覆盖区域中的无线通信网络中的当前用户设备(14)配置载波聚合的方法(200、300)，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述方法包括：
从包括多个特征向量的数据库(16)获取一个或多个特征向量，每个特征向量包括与所述多个载波分量中的相应载波分量相关联的所述传输波束的无线电测量，
采集(202、302)所述当前用户设备的预定义的主载波分量的所述传输波束的无线电测量，以及
生成(204、304)针对所述当前用户设备的当前特征向量，所述当前特征向量包括所述主载波分量的所述传输波束的无线电测量，
使用从所述数据库(16)获取的所述一个或多个特征向量来确定针对所述当前用户设备要被配置或解配置为辅载波分量的一个或多个候选载波分量；
配置或解配置(210、308)所述一个或多个候选载波分量，
其中如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
2.根据权利要求1所述的方法，其中一个或多个候选载波分量的所述确定包括：
在从所述数据库(16)获取的所述特征向量之中选择一个或多个最接近的特征向量，其中所述当前特征向量与每个最接近的特征向量之间的距离低于预定义距离阈值。
3.根据权利要求2所述的方法，其中一个或多个候选载波分量的所述确定还包括：
选择与最接近的特征向量或每个最接近的特征向量相关联并且满足质量度量阈值的一个或多个候选载波分量。
4.根据权利要求2所述的方法，其中一个或多个候选载波分量的所述确定还包括：
估计所述用户设备的位置，
基于所述当前用户设备的所述位置和查找表来选择一数目的候选载波分量，
其中所述查找表将载波分量的平均数目关联到所述当前用户设备的多个位置中的每个位置，其中载波分量的所述平均数目被选择为所述候选载波分量的所述数目。
5.根据权利要求4所述的方法(300)，其中载波分量的所述平均数目基于所述数据库(16)来确定。
6.根据权利要求1所述的方法(300)，其中一个或多个候选载波分量的所述确定包括：
使用所述当前特征向量和预定义载波聚合模型来选择(306)针对所述当前用户设备的一个或多个候选载波分量，其中所述载波聚合模型将所述一个或多个候选载波分量提供为所述当前特征向量的函数。
7.根据权利要求6所述的方法，其中所述载波聚合模型是经训练的神经网络，其中所述神经网络的所述训练基于所述数据库来执行。
8.根据权利要求1至7中的任一项所述的方法，其中所述数据库的每个特征向量还包括所述传输波束的所述无线电测量的位置，并且所述当前特征向量还包括所述当前用户设备的所述位置。
9.根据权利要求1至8中的任一项所述的方法，其中所述数据库包括高于预定义数目的传输波束的无线电测量的数目。
10.一种用于针对位于基站(1)的覆盖区域中的无线通信网络中的当前用户设备(14)配置载波聚合的方法(100)，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述方法包括：
从查找表获取一个或多个质量度量，所述查找表包括针对所述多个用户设备中的用户设备的多个位置中的每个位置的所述多个载波分量中的每个载波分量的质量度量；
估计(102)所述当前用户设备的位置，以及
基于所述当前用户设备的所述位置和所述查找表来选择(104)满足质量度量阈值的一个或多个候选载波分量，
配置或解配置(106)所述一个或多个候选载波分量，其中如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
11.根据权利要求8所述的方法，还包括确定所述多个载波分量中的载波分量或每个载波分量的所述质量度量的步骤，其中针对所述多个用户设备中的用户设备(14)的位置的所述多个载波分量中的载波分量的所述质量度量是在所述用户设备的所述位置处的所述多个所述传输波束的无线电测量的算数平均值。
12.根据权利要求1至11中的任一项所述的方法，其中所述质量度量是平均参考信号接收功率或平均参考信号接收质量或累积密度函数的值。
13.一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备(14)配置载波聚合的装置(10、600)，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述装置包括用于执行以下操作的部件：
从包括多个特征向量的数据库(16)获取一个或多个特征向量，每个特征向量包括与所述多个载波分量中的相应载波分量相关联的所述传输波束的无线电测量，
采集所述当前用户设备的预定义的主载波分量的所述传输波束的无线电测量，以及
生成针对所述当前用户设备的当前特征向量，所述当前特征向量包括所述主载波分量的所述传输波束的无线电测量，
使用从所述数据库(16)获取的所述一个或多个特征向量来确定针对所述当前用户设备要被配置或解配置为辅载波分量的一个或多个候选载波分量；
配置或解配置所述一个或多个候选载波分量，其中如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
14.一种用于针对位于基站的覆盖区域中的无线通信网络中的当前用户设备(14)配置载波聚合的装置(10、600)，所述基站能够利用每个载波分量的多个传输波束发射多个载波分量，所述装置包括用于执行以下操作的部件：
从查找表获取一个或多个质量度量，所述查找表包括针对多个用户设备中的用户设备的多个位置中的每个位置的所述多个载波分量中的每个载波分量的质量度量；
估计所述当前用户设备的位置，以及
基于所述当前用户设备的所述位置和所述查找表来选择满足质量度量阈值的一个或多个候选载波分量，
配置或解配置所述一个或多个载波分量，其中如果所述候选载波分量满足预定义准则，那么候选载波分量要被配置，否则所述候选载波分量要被解配置。
CN201980098303.2A 2019-07-10 2019-07-10 用于载波聚合优化的方法和装置 Pending CN114073033A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/068544 WO2021004629A1 (en) 2019-07-10 2019-07-10 Method and apparatus for carrier aggregation optimization

Publications (1)

Publication Number Publication Date
CN114073033A true CN114073033A (zh) 2022-02-18

Family

ID=67262302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980098303.2A Pending CN114073033A (zh) 2019-07-10 2019-07-10 用于载波聚合优化的方法和装置

Country Status (4)

Country Link
US (1) US20220272711A1 (zh)
EP (1) EP3997823A1 (zh)
CN (1) CN114073033A (zh)
WO (1) WO2021004629A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115765956A (zh) * 2022-11-25 2023-03-07 中国联合网络通信集团有限公司 载波聚合的确定方法、装置、设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11558872B2 (en) 2021-06-03 2023-01-17 Qualcomm Incorporated Carrier aggregation optimization using machine learning
EP4328613A1 (en) 2022-07-07 2024-02-28 Nokia Solutions and Networks Oy Radio map improvements

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011142544A2 (en) * 2010-05-11 2011-11-17 Samsung Electronics Co., Ltd. Handover with carrier aggregation
US20130258995A1 (en) * 2010-12-16 2013-10-03 Nokia Siemens Networks Oy Common Control Deactivation in Carrier Aggregation
US20150341945A1 (en) * 2014-05-21 2015-11-26 Verizon Patent And Licensing Inc. Carrier aggregation management
WO2017091115A1 (en) * 2015-11-24 2017-06-01 Telefonaktiebolaget Lm Ericsson (Publ) Method and control node for configuring carrier aggregation for a wireless device
US20170243113A1 (en) * 2016-02-24 2017-08-24 International Business Machines Corporation Learning of neural network

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9603074B2 (en) * 2013-12-16 2017-03-21 Apple Inc. Systems and methods for carrier channel selection in carrier aggregation enabled networks
US10856264B2 (en) * 2017-09-25 2020-12-01 Qualcomm Incorporated Cross band carriers
EP3688882A4 (en) * 2017-09-29 2020-09-16 Telefonaktiebolaget LM Ericsson (PUBL) MULTI-ANTENNA PROCESSING FOR REFERENCE SIGNAL

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011142544A2 (en) * 2010-05-11 2011-11-17 Samsung Electronics Co., Ltd. Handover with carrier aggregation
US20130258995A1 (en) * 2010-12-16 2013-10-03 Nokia Siemens Networks Oy Common Control Deactivation in Carrier Aggregation
US20150341945A1 (en) * 2014-05-21 2015-11-26 Verizon Patent And Licensing Inc. Carrier aggregation management
WO2017091115A1 (en) * 2015-11-24 2017-06-01 Telefonaktiebolaget Lm Ericsson (Publ) Method and control node for configuring carrier aggregation for a wireless device
US20170243113A1 (en) * 2016-02-24 2017-08-24 International Business Machines Corporation Learning of neural network

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闻新，李新，张兴旺等: "《应用MATLAB实现神经网络》", 30 June 2015 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115765956A (zh) * 2022-11-25 2023-03-07 中国联合网络通信集团有限公司 载波聚合的确定方法、装置、设备及存储介质
CN115765956B (zh) * 2022-11-25 2024-04-09 中国联合网络通信集团有限公司 载波聚合的确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2021004629A1 (en) 2021-01-14
US20220272711A1 (en) 2022-08-25
EP3997823A1 (en) 2022-05-18

Similar Documents

Publication Publication Date Title
JP6805193B2 (ja) 無線通信システム、無線通信方法、基地局及び端末
WO2020164610A1 (en) Electronic devices and methods for secondary cell activation
CN114073033A (zh) 用于载波聚合优化的方法和装置
US10365357B2 (en) Location estimation method and apparatus using access point in wireless communication system
EP2952047B1 (en) Method for localizing wireless devices
US12089064B2 (en) Beamforming method and apparatus, radio access network device, and readable storage medium
CN105338534B (zh) 无线通信系统中的装置和方法
CN115486035A (zh) 用于信道估计的nn参数的类别
US9531461B2 (en) Method of grouping transmitter-receiver pairs for communicating over a communications network
WO2018006355A1 (zh) 发射权值选择方法及基站
JP7518296B2 (ja) 強化されたフィンガープリント測位
US11483192B2 (en) Method, devices and computer program for mobile device positioning in a wireless network
US11411600B2 (en) Processing of uplink data streams
KR20210048879A (ko) 프리코딩장치 및 프리코딩장치의 간섭 처리 방법
US20230214648A1 (en) Apparatus, method and computer program for accelerating grid-of-beams optimization with transfer learning
US20230115508A1 (en) Method for detecting a drone with a user equipment located on-board, corresponding devices and computer programs
CN104052553B (zh) 无线电通信系统中的装置和方法
Sawyer et al. Evolutionary coalitional game for correlation-aware clustering in machine-to-machine communications
CN115378767A (zh) 延迟多普勒域信道信息反馈方法、装置及电子设备
CN110958044A (zh) 基于密度聚类的非正交多址接入用户聚类方法
Mignardi et al. Performance Evaluation of UAV-Aided Mobile Networks by Means of Ray Launching Generated REMs
KR102584562B1 (ko) 드론 기반의 무선통신 시스템의 핸드오버 방법 및 그 방법이 적용된 장치
US20240356783A1 (en) Detection of pulsed radar signal
WO2015165221A1 (zh) 信号处理方法和装置、系统
WO2024011565A1 (en) On-demand labelling for channel classification training

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