CN114390580A - 波束上报方法、波束信息确定方法及相关设备 - Google Patents

波束上报方法、波束信息确定方法及相关设备 Download PDF

Info

Publication number
CN114390580A
CN114390580A CN202011126498.8A CN202011126498A CN114390580A CN 114390580 A CN114390580 A CN 114390580A CN 202011126498 A CN202011126498 A CN 202011126498A CN 114390580 A CN114390580 A CN 114390580A
Authority
CN
China
Prior art keywords
measurement report
information
beam measurement
quality
identifications
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
CN202011126498.8A
Other languages
English (en)
Inventor
杨昂
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202011126498.8A priority Critical patent/CN114390580A/zh
Priority to EP21882009.0A priority patent/EP4236436A4/en
Priority to PCT/CN2021/124745 priority patent/WO2022083593A1/zh
Publication of CN114390580A publication Critical patent/CN114390580A/zh
Priority to US18/137,381 priority patent/US20230262506A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • 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

Landscapes

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

Abstract

本申请公开了一种波束上报方法、波束信息确定方法及相关设备。该方法包括：根据波束测量配置执行波束测量，获得波束测量结果；将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。本申请实施例提高了波束上报的灵活性。

Description

波束上报方法、波束信息确定方法及相关设备
技术领域
本申请属于通信技术领域，尤其涉及一种波束上报方法、波束信息确定方法及相关设备。
背景技术
在通信系统，终端进行波束测量后，需要向网络设备发送波束测量报告。通常的，终端只能根据网络设备的配置上报指定的宽带波束信息，例如反馈波束对应的参考信号(Reference Signal，RS)标识和RS标识的波束质量等，其波束上报的灵活性较差。
发明内容
本申请实施例提供一种波束上报方法、波束信息确定方法及相关设备，能够解决波束上报的灵活性较差的问题。
第一方面，提供了一种波束上报方法，由第一设备执行，包括：
根据波束测量配置执行波束测量，获得波束测量结果；
将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
第二方面，提供了一种波束信息确定方法，由第二设备执行，包括：
接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
将所述N个第一信息输入到人工智能AI网络，获得波束信息。
第三方面，提供了一种波束上报装置，包括：
测量模块，用于根据波束测量配置执行波束测量，获得波束测量结果；
第一输入模块，用于将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
第一发送模块，用于向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
第四方面，提供了一种波束信息确定装置，包括：
接收模块，用于接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
第二输入模块，用于将所述N个第一信息输入到人工智能AI网络，获得波束信息。
第五方面，提供了一种终端，该终端包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
第六方面，提供了一种网络设备，该网络设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
第七方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
第八方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行网络设备程序或指令，实现如第一方面所述的方法，或者实现如第二方面所述的方法的步骤。
本申请实施例通过根据波束测量配置执行波束测量，获得波束测量结果；将所述波束测量结果输入到人工智能AI网络，获得N个第一信息；向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。由于通过AI网络得到上报的第一信息，从而可以通过调整AI网络实现不同的波束上报，提高了波束上报的灵活性。
附图说明
图1是本申请实施例可应用的一种网络系统的结构图；
图2是神经网络的神经元的示意图；
图3是本申请实施例提供的一种波束上报方法的流程图；
图4是本申请实施例提供的一种波束信息确定方法的流程图；
图5是本申请实施例提供的一种波束上报装置的结构图；
图6是本申请实施例提供的一种波束信息确定装置的结构图；
图7是本申请实施例提供的一种通信设备的结构图；
图8是本申请实施例提供的一种终端的结构图；
图9是本申请实施例提供的一种网络设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency-Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。然而，以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，这些技术也可应用于NR系统应用以外的应用，如第6代(6th Generation，6G)通信系统。
图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11也可以称作终端设备或者用户终端(User Equipment，UE)，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(LaptopComputer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personal computer，UMPC)、移动上网装置(Mobile Internet Device，MID)、可穿戴式设备(Wearable Device)或车载设备(VUE)、行人终端(PUE)等终端侧设备，可穿戴式设备包括：手环、耳机、眼镜等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以是基站或核心网，其中，基站可被称为节点B、演进节点B、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(ExtendedService Set，ESS)、B节点、演进型B节点(eNB)、家用B节点、家用演进型B节点、WLAN接入点、WiFi节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例，但是并不限定基站的具体类型。
为了方便理解，以下对本申请实施例涉及的一些内容进行说明：
一、多天线。
LTE/LTE-A等无线接入技术标准都是以多输入多输出(Multi Input MultiOutput，MIMO)+正交频分复用技术(Orthogonal Frequency Division Multiplexing，OFDM)技术为基础构建起来的。其中，MIMO技术利用多天线系统所能获得的空间自由度，来提高峰值速率与系统频谱利用率。
在标准化发展过程中MIMO技术的维度不断扩展，最多可以支持多层的MIMO传输。在增强多用户(Multi User MIMO，MU-MIMO)技术中，传输方式(Transmission Mode，TM)-8的MU-MIMO传输中最多可以支持4个下行数据层。单用户(Single-User MIMO，SU-MIMO)的传输能力可以扩展至最多8个数据层。
大规模(Massive)MIMO技术使用大规模天线阵列，能够极大地提升系统频带利用效率，支持更大数量的接入用户。
在massive MIMO技术中如果采用全数字阵列，可以实现最大化的空间分辨率以及最优MU-MIMO性能，但是这种结构需要大量的模拟-数字信号转换(AD)/数字-模拟信号转换(DA)转换器件以及大量完整的射频-基带处理通道，无论是设备成本还是基带处理复杂度都将是巨大的负担。
为了避免上述的实现成本与设备复杂度，数模混合波束赋形技术应运而生，即在传统的数字域波束赋形基础上，在靠近天线系统的前端，在射频信号上增加一级波束赋形。模拟赋形能够通过较为简单的方式，使发送信号与信道实现较为粗略的匹配。模拟赋形后形成的等效信道的维度小于实际的天线数量，因此其后所需的AD/DA转换器件、数字通道数以及相应的基带处理复杂度都可以大为降低。模拟赋形部分残余的干扰可以在数字域再进行一次处理，从而保证MU-MIMO传输的质量。相对于全数字赋形而言，数模混合波束赋形是性能与复杂度的一种折中方案，在高频段大带宽或天线数量很大的系统中具有较高的实用前景。
二、高频段。
在对4G以后的下一代通信系统研究中，将系统支持的工作频段提升至6GHz以上，最高约达100GHz。高频段具有较为丰富的空闲频率资源，可以为数据传输提供更大的吞吐量。目前3GPP已经完成了高频信道建模工作，高频信号的波长短，同低频段相比，能够在同样大小的面板上布置更多的天线阵元，利用波束赋形技术形成指向性更强、波瓣更窄的波束。因此，需要将大规模天线和高频通信相结合。
三、波束测量和报告(beam measurement and beam reporting)。
模拟波束赋形是全带宽发射的，并且每个高频天线阵列的面板上每个极化方向阵元仅能以时分复用的方式发送模拟波束。模拟波束的赋形权值是通过调整射频前端移相器等设备的参数来实现。
目前，通常是使用轮询的方式进行模拟波束赋形向量的训练，即每个天线面板每个极化方向的阵元以时分复用方式依次在约定时间发送训练信号，即候选的赋形向量。终端经过测量后反馈波束报告，供网络侧在下一次传输业务时采用该训练信号来实现模拟波束发射。波束报告的内容通常包括最优的若干个发射波束标识以及测量出的每个发射波束的接收功率。
在做波束测量时，网络会配置参考信号资源集合(RS resource set)，其中包括至少一个参考信号资源，例如同步信号块(Synchronization Signal and PBCH block，SSB)resource或信道状态信息参考信号(Channel State Information Reference Signal，CSI-RS)resource。UE测量每个RS resource的层1参考信号接收功率(Layer 1referencesignal received power，L1-RSRP)/层1信号与干扰加噪声比(Layer 1Signal toInterference plus Noise Ratio，L1-SINR)，并将最优的至少一个测量结果上报给网络，上报内容包括SSB资源指示(resource indicator，RI)或信道状态信息参考信号资源指示(CSI-RS resource indicator，CRI)、及L1-RSRP/L1-SINR。该报告内容反映了至少一个最优的波束及其质量，供网络确定用来向UE发送信道或信号的波束。
可选地，上述参考信号资源可以理解为参考信号。
四、波束指示(beam indication)机制。
在经过波束测量和波束报告后，网络可以对下行与上行链路的信道或参考信号做波束指示，用于网络与UE之间建立波束链路，实现信道或参考信号的传输。
对于物理下行控制信道(Physical Downlink Control Channel，PDCCH)的波束指示，网络使用无线资源控制(Radio Resource Control，RRC)信令为每个控制资源集(control resource set，CORESET)配置K个传输配置指示(Transmission ConfigurationIndication，TCI)状态(state)，当K>1时，由媒体接入控制单元(Media Access ControlControl Element，MAC CE)指示或激活1个TCI state，当K＝1时，不需要额外的MAC CE命令。UE在监听PDCCH时，对CORESET内全部搜索空间(search space)使用相同准共址(Quasi-colocation，QCL)，即相同的TCI state来监听PDCCH。该TCI状态中的referenceSignal(例如周期CSI-RS resource、半持续CSI-RS resource、SS block等)与终端专用(UE-specific)PDCCH解调参考信号(Demodulation Reference Signal，DMRS)端口是空间QCL的。UE根据该TCI状态即可获知使用哪个接收波束来接收PDCCH。
对于PDSCH的波束指示，网络通过RRC信令配置M个TCI state，再使用MAC CE命令激活2N个TCI state，然后通过下行控制信息(Downlink Control Information，DCI)的N-bit TCI域(field)来通知TCI状态，该TCI状态中的referenceSignal与要调度的PDSCH的DMRS端口是QCL的。UE根据该TCI状态即可获知使用哪个接收波束来接收物理下行共享信道(Physical Downlink Shared Channel，PDSCH)。其中，TCI状态中的referenceSignal可以为周期CSI-RS resource、半持续CSI-RS resource或SSB等。
对于CSI-RS的波束指示，当CSI-RS类型为周期CSI-RS时，网络通过RRC信令为CSI-RS resource配置QCL信息。当CSI-RS类型为半持续CSI-RS时，网络通过MAC CE命令来从RRC配置的CSI-RS resource set中激活一个CSI-RS resource时指示其QCL信息。当CSI-RS类型为非周期CSI-RS时，网络通过RRC信令为CSI-RS resource配置QCL，并使用DCI来触发CSI-RS。
对于物理上行控制信道(Physical Uplink Control Channel，PUCCH)的波束指示，网络使用RRC信令通过参数PUCCH-SpatialRelationInfo为每个PUCCH resource配置空间关系信息(spatial relation information)，当为PUCCH resource配置的spatialrelation information包含多个时，使用MAC-CE指示或激活其中一个spatial relationinformation。当为PUCCH resource配置的spatial relation information只包含1个时，不需要额外的MAC CE命令。
对于物理上行共享信道(Physical Uplink Shared Channel，PUSCH)的波束指示，PUSCH的spatial relation信息是当PDCCH承载的DCI调度PUSCH时，DCI中的SRI field的每个SRI码点(codepoint)指示一个SRI，该SRI用于指示PUSCH的spatial relationinformation。
对于SRS的波束指示，当SRS类型为周期SRS时，网络通过RRC信令为SRS resource配置spatial relation information。当SRS类型为半持续SRS时，网络通过MAC CE命令来从RRC配置的一组spatial relation information中激活一个。当SRS类型为非周期SRS时，网络通过RRC信令为SRS resource配置spatial relation information。
可选地，上述波束信息可以理解为空间关系信息、空间域传输滤波器(spatialdomain transmission filter)信息、空间过滤器(spatial filter)信息、TCI state信息、QCL信息和QCL参数等。
其中，下行波束信息通常可以使用TCI state信息或QCL信息表示。上行波束信息通常可以使用空间关系信息表示。
五、CSI报告配置。
RRC信令的信道状态信息报告配置(CSI report setting)“CSI-reportConfig”中的报告量(reportQuantity)配置选项有多种，当“reportQuantity”设置为“cri-RSRP”、“ssb-Index-RSRP”或“none”且CSI-RS并非用于跟踪参考信号(tracking referencesignal，TRS)时表示该CSI报告用于波束测量；“reportQuantity”设置为“none”且CSI-RS用于TRS时表示对这些CSI-RS的测量无需上报给基站；其他的设置为普通的CSI信息报告。
与CSI报告时域特性相关的参数“reportConfigType”可以配置为“periodic”、“semiPersistentOnPUCCH”、“semiPersistentOnPUSCH”、“aperiodic”，分别对应于周期CSI报告、基于PUCCH的半持续CSI报告、基于PUSCH的半持续CSI报告和非周期CSI报告。
此外对周期CSI报告和半持续CSI报告还有报告周期和时隙偏移的配置。
一个CSI报告配置关联到一个用于配置波束管理测量的CSI-RS资源集(CSI-RSresource set)或SSB资源集(SSB resource set)的CSI资源配置(CSI resource setting)“CSI-ResourceConfig”。其中CSI-RS的资源配置中还有与CSI-RS发送的时域特性相关的参数“resourceType”，取值可以为周期的、半持续的、非周期的。需要说明的是，周期CSI报告只能关联到周期CSI-RS、半持续CSI报告可以关联到周期或半持续CSI-RS、非周期CSI报告可以关联到周期、半持续或非周期CSI-RS。可选地，任何CSI报告都可以关联到SSB。
目前，基于CSI-RS的波束管理P-3过程的配置如下：CSI报告配置中的“reportQuantity”设置为“none”。与其关联的CSI资源配置中非零功率CSI-RS资源集“NZP-CSI-RS-ResourceSet”配置中重复开启，TRS信息CSI-RS并非用于跟踪参考信号。
当CSI报告的groupBasedBeamReporting设置为“enable”的情况下，说明UE可以通过单个空域滤波器(a single spatial domain receive filter)或多个并行空域滤波器(multiple simultaneous spatial domain receive filters)同时接收该CSI报告中的多个RS。
六、神经网络。
神经网络可以理解为人工智能(artificial intelligence，AI)网络，神经网络由元组成，其示意图如图2所示，其中，a1,a2,…aK为输入，w为权值，b为偏置，σ(z)为激活函数。通常使用的激活函数包括Sigmoid、tanh和整流线性单元(Rectified Linear Unit，ReLU)等。其中，z＝a1w1+…+akwk+…+aKwK+b。
神经网络的参数通过优化算法进行优化。优化算法就是一种能够帮我们最小化或者最大化目标函数的一类算法，目标函数也可以称之为损失函数。而目标函数往往是模型参数和数据的数学组合。例如给定数据X和其对应的标签Y，我们构建一个神经网络模型f(.)，有了模型后，根据输入x就可以得到预测输出f(x)，并且可以计算出预测值和真实值之间的差距(f(x)-Y)，这个就是损失函数。在找到合适的w和b时，上述的损失函数的损失值达到最小，损失值越小，则模型越的输出接近于真实情况。
目前常见的优化算法，基本都是基于误差反向传播(error Back Propagation，BP)算法。BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度，或进行到预先设定的学习次数为止。
常见的优化算法包括：梯度下降(Gradient Descent)、随机梯度下降(StochasticGradient Descent，SGD)、小批量梯度下降(mini-batch gradient descent)、动量法(Momentum)、带动量的随机梯度下降(Nesterov)、自适应梯度下降(ADAptive GRADientdescent，Adagrad)、Adadelta、均方根误差降速(root mean square prop，RMSprop)和自适应动量估计(Adaptive Moment Estimation，Adam)等。
这些优化算法在误差反向传播时，都是根据损失函数得到的误差/损失，对当前神经元求导数/偏导，加上学习速率、之前的梯度/导数/偏导等影响，得到梯度，将梯度传给上一层。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的波束上报方法进行详细地说明。
请参见图3，图3是本申请实施例提供的一种波束上报方法的流程图，该方法应由第一设备执行，如图3所示，包括以下步骤：
步骤301，根据波束测量配置执行波束测量，获得波束测量结果；
本申请实施例中，上述波束上报方法为第一设备进行波束测量，并向第二设备进行上报波束测量结果。其中，上述第一设备可以理解为波束接收端，上述第二设备可以理解为波束发送端。其中，第一设备和第二设备可以一者为网络设备，另一者为终端，也可以是第一设备和第二设备均为终端。以下将波束上报方法应用在网络设备与终端之间的下行测量上报为例进行说明。此时，第一设备为终端，第二设备为网络设备。
可选地，网络设备可以首先发送波束测量配置，并基于该波束测量配置发送对应的用于波束测量的参考信号。终端接收到该波束测量配置后，可以基于该波束测量配置基于相应的参考信号进行波束测量或者波束测量结果。其中，该波束测量可以包括以下至少一项的测量：L1-RSRP、层1参考信号接收质量(Layer 1Reference Signal ReceivedQuality，L1-RSRQ)和L1-SINR。
其中，波束测量结果可以为每一个波束对应的参考信号的波束质量，也可以为波束质量从强到弱排序的前L个波束对应的参考信号标识，还可以为波束质量从强到弱排序的前L个波束对应的参考信号标识以及对应的波束质量。
步骤302，将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
本申请实施例中，可以将上述波束测量结果作为AI网络的输入，获得N个第一信息，可选地，每一次输入可以获得一个或者多个第一信息。例如，N个波束信息可以为所有的波束测量结果一次性输入到AI网络中得到的所有输出结果，也可以为不同的波束测量结果通过N次输入，每次输入得到一个第一信息。
需要说明的是，在本申请实施例中，通过AI网络实现对测量结果进行转换获得第一信息，进行上报。当然在其他实施例中，还可以基于非AI算法得到上报信息，例如可以将本申请实施例中第一设备中AI网络的输入作为非AI算法的输入，将非AI算法计算获得的输出结果作为上报信息，该上报信息也可以用于确定波束信息，且该上报信息可以相当于第一信息，即上报信息表征的内容与第一信息表征的内容相同。
步骤303，向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
本申请实施例中，在第一设备利用AI网络获得N个第一信息后，可以将N个第一信息作为第一波束测量报告上报至第二设备，以实现波束测量的上报。第二设备接收到该N个第一信息后，可以将该N个波束信息作为对应的AI网络的输入，获得本次上报的波束信息。
在一些实施例中，在第二设备中，可以将一个或者多个第一信息作为AI网络的输入，获得波束信息。例如，上述N大于1时，当第二设备中的AI网络的输入为多个第一信息时，可以只需要使用一次AI网络将N个第一信息输入到AI网络中，即可获得N个第一信息对应的波束信息。又例如，当第二设备中的AI网络输入为单个第一信息时，需要每次采用一个第一信息作为输入，使用N次AI网络，获得N个第一信息对应的波束信息。
本申请实施例通过根据波束测量配置执行波束测量，获得波束测量结果；将所述波束测量结果输入到人工智能AI网络，获得N个第一信息；向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。由于通过AI网络得到上报的第一信息，从而可以通过调整AI网络实现不同的波束上报，提高了波束上报的灵活性。
可选地，在一些实施例中，上述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
上述RS标识可以理解为波束标识，例如，可以通过RS的索引或者标识进行表示。上述波束质量可以理解包括L1-RSRP、L1-RSRQ和L1-SINR其中至少之一。可选地，在一些实施例中，不同类型的波束质量对应不同的AI网络。
可选地，在一些实施例中，上述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
本申请实施例中，当所述至少一个RS标识为第一波束测量报告中包含的部分RS标识，或者为波束报告配置中包含的部分RS标识，或者为波束测量配置中包含的部分RS标识的情况下，该至少一个RS标识可以由协议约定或者网络设备指示，在此不做进一步的限定。例如，该至少一个RS标识可以为第一波束测量报告中包含的第一个RS标识或波束质量最好的波束的RS标识，或者为波束报告配置中最小RS标识或最大RS标识或特殊指示的RS标识，或者为波束测量配置中最小RS标识或最大RS标识或特殊指示的RS标识。
可选地，在一些实施例中，上述第一信息可以表征一种或者多种不同的配置，例如，所述第一信息用于表征目标对象，目标对象可以包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
其中，上述第一RS标识可以理解为当前测量的波束对应的RS标识，即波束测量配置中包含的所有RS标识，也可以理解为当前需要上报的RS标识，即波束测量报告包含或者关联的RS标识。在本申请实施例中，当需要上报的RS标识和RS标识的波束质量较多时，通过第一信息直接上报第一RS标识和/或第一RS标识的波束质量可以减少上报数据量，从而减少资源的占用。
可选地，在一些实施例中，上述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识
所述第一波束测量报告包含的RS标识；
波束配置包含的RS；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
本申请实施例中，上述第一信息可以表征预设时间段内第三RS标识的预测波束质量。也就是说，上述第一信息可以表征未来一段时间的波束质量的预测。该预设时间段的起始时刻可以根据实际需要进行设置，例如，可以为第二设备接收到波束测量报告的时刻，也可以为完成波束测量的波束测量结束时刻，在此不做进一步的限定。
在一些实施例中，当第三RS标识为所述第一信息关联的RS标识时，上述第一信息用于表征第一信息关联的RS标识的波束质量预测，此时上述第三RS标识可以包括第一信息关联的RS标识中的部分或者所有RS标识。该第一信息关联的RS标识可以理解为波束报告包含的RS标识，也可以为除波束测量报告中包含的RS标识之外的其他RS标识，例如当波束配置中包括RS标识1、RS标识2和RS标识3，其中，波束测量报告中包含RS标识2，则第一信息关联的RS标识可以为RS标识1和RS标识3。上述波束配置可以理解为波束测量配置和波束报告配置，也可以理解为专用配置第一信息关联的RS标识的波束配置，在此不做进一步的限定。可选地，当上述第三RS标识包括第一信息关联的RS标识中的部分RS标识时，具体可以为所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识。
在一些实施例中，当第三RS标识为所述第一波束测量报告包含的RS标识时，上述第一信息用于表征所述第一波束测量报告包含的RS标识的波束质量预测，此时，上述第三标识可以包括第一波束测量报告包含的部分或者全部RS标识。本申请实施例中，上述第一波束测量报告可以用于上报一个或者多个RS标识当前的波束质量以及上报的RS标识中的至少一个RS标识的波束质量预测。可选地，当上述第三RS标识包括第一波束测量报告包含的部分RS标识时，具体可以为第一波束测量报告包含的所有RS标识中波束质量从强到弱排序的前L1个RS标识。
在一些实施例中，当第三RS标识为所述波束配置包含的RS时，上述第一信息用于表征所述波束配置包含的RS的波束质量预测，此时，上述第三标识可以包括波束配置关联的部分或者全部RS标识。其中，波束配置可以理解为波束测量配置和波束报告配置，也可以理解为专用配置第一信息关联的RS标识的波束配置，在此不做进一步的限定。可选地，当上述第三RS标识包括波束配置包含的部分RS标识时，具体可以为波束配置包含的所有RS标识中波束质量从强到弱排序的前L1个RS标识。
可选地，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
本申请实施例中，上述预设条件用于表示，第一信息关联的RS标识、波束测量报告包含的RS标识和波束配置关联的RS标识中的至少一者发生了变化，换句话说，上述预设条件可以包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
针对上述第四RS标识可以理解为：第四RS标识与所述第一波束测量报告中的第一信息关联，且不与所述第二波束测量报告中的第一信息关联；或者，所述第四RS标识与所述第一波束测量报告中的第一信息不关联，且与所述第二波束测量报告中的第一信息关联；或者，所述第四RS标识与所述第一波束测量报告中的第一信息关联，且与所述第二波束测量报告中的第一信息关联；
针对第五RS标识可以理解为：第五RS标识属于所述第一波束测量报告中包含的RS标识，且不属于所述第二波束测量报告中包含的RS标识；或者，所述第五RS标识不属于所述第一波束测量报告中包含的RS标识，且属于所述第二波束测量报告中包含的RS标识，或者，所述第五RS标识同时属于所述第一波束测量报告和第二波束测量报告；
针对第六RS标识可以理解为：第六RS标识属于所述第一波束测量报告对应的波束配置中包含的RS标识，且不属于所述第二波束测量报告对应的波束配置中包含的RS标识；或者，所述第六RS标识不属于所述第一波束测量报告对应的波束配置中包含的RS标识，且属于所述第二波束测量报告对应的波束配置中包含的RS标识，或者，所述第六RS标识同时属于所述第一波束测量报告对应的波束配置和第二波束测量报告对应的波束配置。
可选地，在一些实施例中，上述第一信息用于表征为未上报的波束对应RS的波束质量，即表征M个第二RS标识对应的波束质量。M可以等于1，也可以大于1，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
本申请实施例中，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
可选地，在一些实施例中，上述第一信息可以表征子带的波束质量，例如，在第二网络设备中AI网络的输出包括目标波束的各个子带的波束质量。
其中，子带划分包括根据频域资源划分和/或时域资源划分等。其中，频域资源可以按无线承载(Radio Bearer，RB)、物理资源块(Physical Resource Block，PRB)、子带、预编码资源块组(Precoding Resource block Group，PRG)、带宽部分(Bandwidth Part，BWP)等方式划分。时域资源可以按子载波、符号、时隙和半时隙等方式划分。
可选地，子带的划分方式和子带包括的资源大小可以由协议默认、网络配置和终端上报等至少一种方式确定。
例如，在一些实施例中，可以通过协议默认一种或者多种划分方式，当协议默认一种划分方式时，可以采用协议默认的划分方式，若协议默认多种划分方式时，可以由网络配置其中的一种划分方式。进一步地，在网络配置之前，可以由终端上报一种或者多种划分方式。
应理解，上述稳定性可以包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
其中，时域稳定性用于表示在一段时间内或者当前时刻，该波束的波束质量的稳定性。该一段时间可以包括以下至少之一：
过去K1个第一时间单元，第一时间单元为波束测量周期、波束上报周期、时隙、半时隙或符号等；
未来K2个第二时间单元，第二时间单元为波束测量周期、波束上报周期、时隙、半时隙或符号等。
其中，过去K1个第一时间单元和未来K2个第二时间单元均为连续的时间，过去K1个第一时间单元的结束时刻与未来K2个第二时间单元的开始时刻可以为同一时刻，例如可以为波束测量的开始时刻或者结束时刻，在此不做进一步的限定。
上述频域稳定性用于表示在可用的频域资源、最近使用的频域资源、网络侧指示的频域资源、UE上报的频域资源、某一个或者多个波束的RS所在频率资源或该波束的波束质量的稳定性。
上述空域稳定性用于表示，在空间上某一个或者多个波束的波束质量的稳定性。例如，在一定空间波束角度范围内，即偏离该波束最强辐射角度一定度数表示该波束的波束质量的稳定性。
可选地，上述中稳定性可以包括：方差、最差值、最好值与最差值之差、变化范围、当前值与极限值之差，以及它们的数学组合方式。数学组合方式包括加减乘数、N次方、N次开根号、对数、求导、求偏导等各种常见数学操作的组合。N为任意数。例如，N可以为正数或负数或0，实数或复数。
例如，假设上述中稳定性包括空域的当前值与极限值之差。记目标波束最强辐射角度的波束质量为x1，在空间波束角度范围内，最偏离波束最强辐射角度时的波束质量为x2，则空域的当前值与极限值之差为x1-x2。
假设上述中稳定性包括时域的变化范围。记一段时间内，目标波束的最好波束质量为x1，最差波束质量为x2，则时域的变化范围为[x2,x1]或[x1,x2]。
假设上述中稳定性包括频域的方差，且频域资源按子带划分。记目标波束各个子带的波束质量为x1、x2…。则频域的方差为这多个子带的波束质量的方差。
可选地，在一些实施例中，上述将所述波束测量结果输入到人工智能AI网络包括：
将目标信息输入到AI网络；
其中，所述目标信息包括以下至少一项：
用于所述第一波束测量报告的RS标识；
用于所述第一波束测量报告的RS标识的波束质量；
子带的波束质量。
进一步地，在一些实施例中，可以将过去一段时间的波束报告中的RS标识和波束质量作为AI网络的输入，这样可以更好的进行波束质量预测。例如，上述目标信息还包括以下至少一项：
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
可选地，在一些实施例中，上述第一信息表征的目标对象可以由协议网络设备指示、协议约定或终端上报的目标配置确定。即在本申请实施例中，所述方法还包括：
根据网络设备指示、协议约定或终端上报的目标配置确定所述目标对象。
在一实施例中，上述目标配置可以指示第一信息表征上述目标对象中的一个或者多个对象的组合。例如，通过目标配置指示第二设备可以通过第一信息获取子带波束的质量，也表征未来的波束质量。
进一步地，上述目标配置还可以用于确定目标对象的具体参数，例如，对于子带的波束质量，子带是指时域还是频域，还是时域频域都有；子带的划分方式和子带包括的资源大小。
例如，对于未上报的波束的质量，未上报的波束的具体定义，如波束质量是所有波束质量的平均，还是单个波束质量都表示。
可选地，基于目标配置确定第一信息表征的目标对象的方式可以根据实际需要进行设置。例如可以包括以下情况之一：
情况1，协议规定第一信息表征一种配置，即目标配置。
情况2，协议规定第一信息表征M种配置，由终端上报其支持这M种配置中的N种配置，最后网络设备通过RRC或MAC CE等信令配置一种配置，即目标配置。
情况3，协议规定第一信息表征M种配置，由终端上报其支持这M种配置中的N种配置，网络设备在N种配置中的配置L种配置，最后激活其中1种配置，即目标配置。
情况4，协议规定第一信息表征M种配置，由仅上报支持1种配置，即目标配置。
情况5，协议规定第一信息表征M种配置，由网络设备配置1种配置，即目标配置。
情况6，协议规定第一信息表征M种配置，由网络设备配置L种配置，最后激活其中1种配置，即目标配置。
情况7，协议规定第一信息表征M种配置，由网络设备配置L种配置，终端上报波束报告时，指示该波束报告为哪种配置，即目标配置。
应理解，网络配置/激活的信令与以下至少一项相关联：
波束报告相关配置关联；
高层相关配置关联。
其中，波束报告相关配置包括相关的CSI配置信令和CSI报告配置信令等。例如，CSI测量配置信令(CSI-MeasConfig)、CSI报告配置信令(CSI-ReportConfig)、CSI资源配置信令(CSI-ResourceConfig)、非零功率CSI参考信号资源集信令(NZP-CSI-RS-ResourceSet)、非零功率CSI参考信号资源信令(NZP-CSI-RS-Resource)、CSI-SSB资源集信令(CSI-SSB-ResourceSet)、SRS配置信令(SRS-Config)、SRS资源集信令(SRS-ResourceSet)、SRS资源信令(SRS-Resource)、PDCCH配置信令(PDCCH-Config)、PDSCH配置信令(PDSCH-Config)、PUCCH配置信令(PUCCH-Config)、PUSCH配置信令(PUSCH-Config)，等及其关联信令。
高层相关配置信令可以包括：小区组配置信令(CellGroupConfig)、特殊小区配置信令(SpCellConfig)、同步重配置信令(ReconfigurationWithSync)、服务小区公共配置信令(ServingCellConfigCommon)、服务小区配置信令(ServingCellConfig)，等及其关联信令。
请参见图4，图4是本申请实施例提供的一种波束信息确定方法的流程图，该方法由第二设备执行，如图4所示，包括以下步骤：
步骤401，接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
步骤402，将所述N个第一信息输入到人工智能AI网络，获得波束信息。
可选地，所述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
可选地，所述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
可选地，不同类型的波束质量对应不同的所述AI网络。
可选地，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
可选地，所述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识；
所述第一波束测量报告包含的RS标识；
波束配置包含的RS；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
可选地，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
可选地，所述预设条件包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
可选地，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
可选地，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
可选地，所述稳定性包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
可选地，所述AI网络的输入包括一个所述第一信息或者所述N个第一信息。
可选地，所述AI网络的输入还包括以下至少一项：
所述第一波束测量报告包含的RS标识；
所述第一波束测量报告包含的RS标识的波束质量；
子带的波束质量；
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
可选地，所述方法还包括：
发送指示信息，所述指示信息用于指示所述目标对象。
需要说明的是，本实施例作为图2所示的实施例对应的第二设备的实施方式，其具体的实施方式可以参见图2所示的实施例相关说明，以及达到相同的有益效果，为了避免重复说明，此处不再赘述。
需要说明的是，本申请实施例提供的波束上报方法，执行主体可以为波束上报装置，或者，该波束上报装置中的用于执行波束上报方法的控制模块。本申请实施例中以波束上报装置执行波束上报方法为例，说明本申请实施例提供的波束上报装置。
请参见图5，图5是本申请实施例提供的一种波束上报装置的结构图，如图5所示，波束上报装置500包括：
测量模块501，用于根据波束测量配置执行波束测量，获得波束测量结果；
第一输入模块502，用于将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
第一发送模块503，用于向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
可选地，所述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
可选地，所述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
可选地，不同类型的波束质量对应不同的所述AI网络。
可选地，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
可选地，所述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识；
所述第一波束测量报告包含的RS标识；
波束配置包含的RS标识；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
可选地，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
可选地，所述预设条件包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
可选地，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
可选地，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
可选地，所述稳定性包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
可选地，所述将所述波束测量结果输入到人工智能AI网络包括：
将目标信息输入到AI网络；
其中，所述目标信息包括以下至少一项：
用于所述第一波束测量报告的RS标识；
用于所述第一波束测量报告的RS标识的波束质量；
子带的波束质量。
可选地，所述目标信息还包括以下至少一项：
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
可选地，所述波束上报装置还包括：
确定模块，用于根据网络设备指示、协议约定或终端上报的目标配置确定所述目标对象。
本申请实施例提供的波束上报装置能够实现图3的方法实施例中第一设备实现的各个过程，为避免重复，这里不再赘述。
需要说明的是，本申请实施例提供的波束信息确定方法，执行主体可以为波束信息确定装置，或者，该波束信息确定装置中的用于执行波束信息确定方法的控制模块。本申请实施例中以波束信息确定装置执行波束信息确定方法为例，说明本申请实施例提供的波束信息确定装置。
请参见图6，图6是本申请实施例提供的一种波束信息确定装置的结构图，如图6所示，波束信息确定装置600包括：
接收模块601，用于接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
第二输入模块602，用于将所述N个第一信息输入到人工智能AI网络，获得波束信息。
可选地，所述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
可选地，所述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
可选地，不同类型的波束质量对应不同的所述AI网络。
可选地，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
可选地，所述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识；
所述第一波束测量报告包含的RS标识；
波束配置包含的RS；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
可选地，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
可选地，所述预设条件包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
可选地，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
可选地，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
可选地，所述稳定性包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
可选地，所述AI网络的输入包括一个所述第一信息或者所述N个第一信息。
可选地，所述AI网络的输入还包括以下至少一项：
所述第一波束测量报告包含的RS标识；
所述第一波束测量报告包含的RS标识的波束质量；
子带的波束质量；
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
可选地，所述波束信息确定装置还包括：
第二发送模块，用于发送指示信息，所述指示信息用于指示所述目标对象。
本申请实施例提供的波束信息确定装置能够实现图4的方法实施例中第二设备实现的各个过程，为避免重复，这里不再赘述。
本申请实施例中的波束上报装置和波束信息确定装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端11的类型，非移动终端可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的波束上报装置或波束信息确定装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的波束上报装置和波束信息确定装置能够实现图3至图4的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
可选的，如图7所示，本申请实施例还提供一种通信设备700，包括处理器701，存储器702，存储在存储器702上并可在所述处理器701上运行的程序或指令，例如，该通信设备700为第一设备时，该程序或指令被处理器701执行时实现上述波束上报方法实施例的各个过程，且能达到相同的技术效果。该通信设备700为第二设备时，该程序或指令被处理器701执行时实现上述波束信息确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
图8为实现本申请各个实施例的一种终端的硬件结构示意图。
该终端800包括但不限于：射频单元801、网络模块802、音频输出单元803、输入单元804、传感器805、显示单元806、用户输入单元807、接口单元808、存储器809以及处理器810等部件。
本领域技术人员可以理解，终端800还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器810逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图8中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
应理解的是，本申请实施例中，输入单元804可以包括图形处理器(GraphicsProcessing Unit，GPU)8041和麦克风8042，图形处理器8041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元806可包括显示面板8061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板8061。用户输入单元807包括触控面板8071以及其他输入设备8072。触控面板8071，也称为触摸屏。触控面板8071可包括触摸检测装置和触摸控制器两个部分。其他输入设备8072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
本申请实施例中，射频单元801将来自网络侧设备的下行数据接收后，给处理器810处理；另外，将上行的数据发送给网络设备。通常，射频单元801包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器809可用于存储软件程序或指令以及各种数据。存储器109可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器809可以包括高速随机存取存储器，还可以包括非易失性存储器，其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
处理器810可包括一个或多个处理单元；可选的，处理器810可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器810中。
其中，处理器810，用于根据波束测量配置执行波束测量，获得波束测量结果；将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
射频单元801，用于向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
或者，
射频单元801，用于接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
处理器810，用于将所述N个第一信息输入到人工智能AI网络，获得波束信息。
应理解，本实施例中，上述处理器810和射频单元801能够实现图3或图4的方法实施例中的各个过程，为避免重复，这里不再赘述。
具体地，本申请实施例还提供了一种网络侧设备。如图9所示，该网络设备900包括：天线901、射频装置902、基带装置903。天线901与射频装置902连接。在上行方向上，射频装置902通过天线901接收信息，将接收的信息发送给基带装置903进行处理。在下行方向上，基带装置903对要发送的信息进行处理，并发送给射频装置902，射频装置902对收到的信息进行处理后经过天线901发送出去。
上述频带处理装置可以位于基带装置903中，以上实施例中网络侧设备执行的方法可以在基带装置903中实现，该基带装置903包括处理器904和存储器905。
基带装置903例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图9所示，其中一个芯片例如为处理器904，与存储器905连接，以调用存储器905中的程序，执行以上方法实施例中所示的网络设备操作。
该基带装置903还可以包括网络接口906，用于与射频装置902交互信息，该接口例如为通用公共无线接口(common public radio interface，简称CPRI)。
具体地，本申请实施例的网络侧设备还包括：存储在存储器905上并可在处理器904上运行的指令或程序，处理器904调用存储器905中的指令或程序执行图5或图6所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述波束上报方法或波束信息确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行网络设备程序或指令，实现上述波束上报方法或波束信息确定方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者基站等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (34)

1.一种波束上报方法，由第一设备执行，其特征在于，包括：
根据波束测量配置执行波束测量，获得波束测量结果；
将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
2.根据权利要求1所述的方法，其特征在于，所述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
3.根据权利要求1所述的方法，其特征在于，所述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
4.根据权利要求1所述的方法，其特征在于，不同类型的波束质量对应不同的所述AI网络。
5.根据权利要求1所述的方法，其特征在于，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
6.根据权利要求5所述的方法，其特征在于，所述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识；
所述第一波束测量报告包含的RS标识；
波束配置包含的RS标识；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
7.根据权利要求6所述的方法，其特征在于，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
8.根据权利要求7所述的方法，其特征在于，所述预设条件包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
9.根据权利要求5所述的方法，其特征在于，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
10.根据权利要求9所述的方法，其特征在于，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
11.根据权利要求5所述的方法，其特征在于，所述稳定性包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
12.根据权利要求1所述的方法，其特征在于，所述将所述波束测量结果输入到人工智能AI网络包括：
将目标信息输入到AI网络；
其中，所述目标信息包括以下至少一项：
用于所述第一波束测量报告的RS标识；
用于所述第一波束测量报告的RS标识的波束质量；
子带的波束质量。
13.根据权利要求12所述的方法，其特征在于，所述目标信息还包括以下至少一项：
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
14.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据网络设备指示、协议约定或终端上报的目标配置确定所述目标对象。
15.一种波束信息确定方法，由第二设备执行，其特征在于，包括：
接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
将所述N个第一信息输入到人工智能AI网络，获得波束信息。
16.根据权利要求15所述的方法，其特征在于，所述第一波束测量报告还包括以下至少一项：波束对应的参考信号RS标识和RS标识的波束质量。
17.根据权利要求15所述的方法，其特征在于，所述N个第一信息满足以下至少一项：
在N等于1时，所述第一信息与至少一个RS标识关联；
N大于1时，每一个所述第一信息与一个第一RS标识关联；
其中，所述至少一个RS标识为以下任一项：所述第一波束测量报告中包含的至少部分RS标识，波束报告配置中包含的至少部分RS标识，波束测量配置中包含的至少部分RS标识；所述第一RS标识为以下任一项：所述第一波束测量报告中包含的RS标识、波束报告配置中包含的RS标识，所述波束测量配置中包含的RS标识。
18.根据权利要求15所述的方法，其特征在于，不同类型的波束质量对应不同的所述AI网络。
19.根据权利要求15所述的方法，其特征在于，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
20.根据权利要求19所述的方法，其特征在于，所述预测波束质量包括：预设时间段内第三RS标识的预测波束质量，其中，所述第三RS标识包括以下任一项：
所述第一信息关联的RS标识；
所述第一波束测量报告包含的RS标识；
波束配置包含的RS；
所述第一信息关联的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述第一波束测量报告包含的RS标识中波束质量从强到弱排序的前L1个RS标识；
所述波束配置包含的RS中波束质量从强到弱排序前L1个RS标识；
其中，L1为正整数。
21.根据权利要求20所述的方法，其特征在于，在所述第一波束测量报告与第二波束测量报告满足预设条件的情况下，所述第三RS标识包括以下至少一项：第四RS标识、第五RS标识和第六RS标识；
其中，所述第二波束测量报告为距离所述第一波束测量报告最近的一次波束测量报告；
所述第四RS标识仅与目标波束测量报告中的第一信息关联，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第五RS标识仅为目标波束测量报告中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一；
所述第六RS标识仅为目标波束测量报告对应的波束配置中包含的RS标识，所述目标波束测量报告为所述第一波束测量报告和所述第二波束测量报告至少之一。
22.根据权利要求21所述的方法，其特征在于，所述预设条件包括以下至少一项：
所述第一波束测量报告中第一信息关联的RS标识和所述第二波束测量报告中第一信息关联的RS标识不同；
所述第一波束测量报告中包含的RS标识和所述第二波束测量报告中包含的RS标识不同；
所述第一波束测量报告对应的波束配置中包含的RS标识和所述第二波束测量报告对应的波束配置中包含的RS标识不同。
23.根据权利要求19所述的方法，其特征在于，在M大于1的情况下，所述M个第二RS标识对应的波束质量包括以下任一项：
M个第二RS标识中每一RS标识的波束质量；
M个第二RS标识中全部RS标识的平均波束质量；
L2个RS标识中每一RS标识的波束质量，所述L2个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L2个RS标识，L2为正整数；
所述L2个RS标识的平均波束质量；
L3个RS标识中每一RS标识的波束质量，所述L3个RS标识为所述M个第二RS标识中按照波束质量从强到弱排序的前L3个RS标识，且所述L3个RS标识中每一RS标识的波束质量大于第一预设门限，L3为正整数；
所述L3个标识的平均波束质量；
至少一个目标RS标识中每一标识的波束质量；
所述至少一个目标RS标识的平均波束质量。
24.根据权利要求23所述的方法，其特征在于，所述至少一个目标RS满足以下至少一项：
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识；
在所述第二RS标识中存在L4个RS标识的波束质量大于第二预设门限的情况下，所述至少一个目标RS为所述L4个RS标识中按照波束质量从强到弱排序的前L5个RS标识；
在所述第二RS标识中任一个RS标识的波束质量均小于或等于所述第二预设门限的情况下，所述至少一个目标RS为所述M个第二RS标识中按照波束质量从强到弱排序的前L6个RS标识；
其中，所述L4，L5和L6均为正整数。
25.根据权利要求19所述的方法，其特征在于，所述稳定性包括以下至少一项：时域稳定性、频域稳定性和空域稳定性。
26.根据权利要求15所述的方法，其特征在于，所述AI网络的输入包括一个所述第一信息或者所述N个第一信息。
27.根据权利要求26所述的方法，其特征在于，所述AI网络的输入还包括以下至少一项：
所述第一波束测量报告包含的RS标识；
所述第一波束测量报告包含的RS标识的波束质量；
子带的波束质量；
第三波束测量报告中的第一信息；
所述第三波束测量报告中的RS标识；
所述第三波束测量报告中的RS标识的波束质量；
其中，所述第三波束测量报告为距离当前时刻K个时间单元内的波束测量报告，K为正整数。
28.根据权利要求19所述的方法，其特征在于，所述方法还包括：
发送指示信息，所述指示信息用于指示所述目标对象。
29.一种波束上报装置，其特征在于，包括：
测量模块，用于根据波束测量配置执行波束测量，获得波束测量结果；
第一输入模块，用于将所述波束测量结果输入到人工智能AI网络，获得N个第一信息，N为正整数；
第一发送模块，用于向第二设备发送第一波束测量报告，所述第一波束测量报告包括所述N个第一信息，所述第一信息用于确定波束信息。
30.根据权利要求29所述的装置，其特征在于，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
31.一种波束信息确定装置，其特征在于，包括：
接收模块，用于接收第一波束测量报告，所述第一波束测量报告包括N个第一信息，N为正整数；
第二输入模块，用于将所述N个第一信息输入到人工智能AI网络，获得波束信息。
32.根据权利要求31所述的装置，其特征在于，所述第一信息用于表征目标对象，所述目标对象包括以下至少一项：
第一RS标识；
第一RS标识的波束质量；
预测波束质量；
M个第二RS标识对应的波束质量，所述M个第二RS标识为未上报波束质量的RS标识，M为正整数；
子带的波束质量；
波束质量的稳定性。
33.一种通信设备，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程序，所述程序被所述处理器执行时实现如权利要求1至14中任一项所述的波束上报方法中的步骤，或者，所述程序或指令被所述处理器执行时实现如权利要求15至28中任一项所述的波束信息确定方法中的步骤。
34.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指被处理器执行时实现如权利要求1至14中任一项所述的波束上报方法的步骤，或者所述程序或指令被处理器执行时实现如权利要求15至28中任一项所述的波束信息确定方法的步骤。
CN202011126498.8A 2020-10-20 2020-10-20 波束上报方法、波束信息确定方法及相关设备 Pending CN114390580A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011126498.8A CN114390580A (zh) 2020-10-20 2020-10-20 波束上报方法、波束信息确定方法及相关设备
EP21882009.0A EP4236436A4 (en) 2020-10-20 2021-10-19 BEAM REPORTING METHOD, BEAM INFORMATION DETERMINATION METHOD AND RELATED DEVICE
PCT/CN2021/124745 WO2022083593A1 (zh) 2020-10-20 2021-10-19 波束上报方法、波束信息确定方法及相关设备
US18/137,381 US20230262506A1 (en) 2020-10-20 2023-04-20 Beam reporting method, beam information determining method, and related device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011126498.8A CN114390580A (zh) 2020-10-20 2020-10-20 波束上报方法、波束信息确定方法及相关设备

Publications (1)

Publication Number Publication Date
CN114390580A true CN114390580A (zh) 2022-04-22

Family

ID=81192906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011126498.8A Pending CN114390580A (zh) 2020-10-20 2020-10-20 波束上报方法、波束信息确定方法及相关设备

Country Status (4)

Country Link
US (1) US20230262506A1 (zh)
EP (1) EP4236436A4 (zh)
CN (1) CN114390580A (zh)
WO (1) WO2022083593A1 (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114531698A (zh) * 2020-11-23 2022-05-24 维沃移动通信有限公司 一种波束的处理方法及装置、通信设备
US20230198604A1 (en) * 2021-12-20 2023-06-22 Lenovo (United States) Inc. Artificial Intelligence Enabled Beam Management
WO2023134761A1 (zh) * 2022-01-17 2023-07-20 维沃移动通信有限公司 波束信息交互方法、装置、设备及存储介质
WO2023222079A1 (zh) * 2022-05-18 2023-11-23 中国移动通信有限公司研究院 配置方法、装置、相关设备及存储介质
WO2024020787A1 (en) * 2022-07-26 2024-02-01 Nec Corporation Method, device and computer readable medium for communication
WO2024026681A1 (zh) * 2022-08-02 2024-02-08 北京小米移动软件有限公司 波束报告上报、接收方法、装置及存储介质
WO2024032606A1 (zh) * 2022-08-12 2024-02-15 维沃移动通信有限公司 信息传输方法、装置、设备、系统及存储介质
WO2024036605A1 (en) * 2022-08-19 2024-02-22 Lenovo (Beijing) Ltd. Support of ue centric ai based temporal beam prediction
WO2024045193A1 (zh) * 2022-09-02 2024-03-07 北京小米移动软件有限公司 波束上报方法、装置、终端、网络设备和介质
WO2024046202A1 (zh) * 2022-08-30 2024-03-07 维沃移动通信有限公司 发送方法、用户设备、网络侧设备及可读存储介质
WO2024074088A1 (zh) * 2022-10-08 2024-04-11 华为技术有限公司 通信方法及装置
WO2024092786A1 (zh) * 2022-11-04 2024-05-10 北京小米移动软件有限公司 一种通信方法、装置、设备及存储介质
WO2024092541A1 (en) * 2022-11-02 2024-05-10 Qualcomm Incorporated Techniques for identifying time domain occasions for beam prediction
WO2024098184A1 (zh) * 2022-11-07 2024-05-16 富士通株式会社 信息收发方法与装置
WO2024168791A1 (en) * 2023-02-17 2024-08-22 Qualcomm Incorporated Indication of beam identifier in beam prediction reporting
WO2024168516A1 (zh) * 2023-02-14 2024-08-22 Oppo广东移动通信有限公司 无线通信的方法、终端设备和网络设备
WO2024169878A1 (zh) * 2023-02-15 2024-08-22 维沃移动通信有限公司 波束预测上报方法、装置、用户设备及存储介质
WO2024169183A1 (en) * 2023-09-22 2024-08-22 Lenovo (Beijing) Limited Association and mapping between beam sets

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220140878A1 (en) * 2020-11-02 2022-05-05 Samsung Electronics Co., Ltd. Method and apparatus for beam measurement and reporting in a wireless communication system
WO2023245581A1 (en) * 2022-06-23 2023-12-28 Nec Corporation Methods, devices, and medium for communication
WO2024016222A1 (en) * 2022-07-20 2024-01-25 Lenovo (Beijing) Limited Configuration of beam measurement and beam report for ai based beam prediction
CN117544974A (zh) * 2022-08-01 2024-02-09 华为技术有限公司 一种通信方法和装置
CN117560678A (zh) * 2022-08-04 2024-02-13 中兴通讯股份有限公司 一种信息上报方法、装置、通信节点及存储介质
WO2024035175A1 (en) * 2022-08-10 2024-02-15 Samsung Electronics Co., Ltd. User equipment, base station and method performed by the same in wireless communication system
CN118054829A (zh) * 2022-11-16 2024-05-17 维沃移动通信有限公司 波束报告的发送方法、接收方法、装置及通信设备
WO2024168517A1 (en) * 2023-02-14 2024-08-22 Nec Corporation Methods, devices and medium for communication

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355244A (zh) * 2016-08-30 2017-01-25 深圳市诺比邻科技有限公司 卷积神经网络的构建方法及系统
WO2018141165A1 (zh) * 2017-09-30 2018-08-09 北京小米移动软件有限公司 数据传输方法及装置
CN108632877A (zh) * 2017-03-24 2018-10-09 华为技术有限公司 通信方法及设备
CN108632838A (zh) * 2017-03-24 2018-10-09 维沃移动通信有限公司 一种波束的测量上报方法、终端及网络侧设备
CN109327846A (zh) * 2017-07-31 2019-02-12 中兴通讯股份有限公司 波束测量上报的方法、装置、终端及存储介质
US20190268894A1 (en) * 2018-02-28 2019-08-29 Korea Advanced Institute Of Science And Technology Resource allocation method and apparatus for wireless backhaul network based on reinforcement learning
WO2019190368A1 (en) * 2018-03-28 2019-10-03 Telefonaktiebolaget Lm Ericsson (Publ) Methods, apparatus and computer programs for performing and enabling beam management in a communication network
WO2019206111A1 (zh) * 2018-04-26 2019-10-31 华为技术有限公司 一种用于无线通信的方法、装置
WO2019231289A1 (en) * 2018-06-01 2019-12-05 Samsung Electronics Co., Ltd. Method and apparatus for machine learning based wide beam optimization in cellular network
CN110661556A (zh) * 2018-06-29 2020-01-07 华为技术有限公司 发送和接收信道状态信息的方法和通信装置
WO2020032503A1 (ko) * 2018-08-07 2020-02-13 엘지전자 주식회사 무선 통신 시스템에서 채널 품질을 보고하는 방법 및 이를 위한 장치
CN111313987A (zh) * 2020-02-14 2020-06-19 南京工程学院 适于智能家居的基于神经网络的路径损耗预测方法
CN111543012A (zh) * 2017-12-15 2020-08-14 高通股份有限公司 用于动态波束对确定的方法和设备
US20200275402A1 (en) * 2019-02-22 2020-08-27 Wuxian Shi Methods and apparatuses using sensing system in cooperation with wireless communication system
WO2020192219A1 (zh) * 2019-03-26 2020-10-01 维沃移动通信有限公司 定位测量信息上报方法、终端和网络设备

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106355244A (zh) * 2016-08-30 2017-01-25 深圳市诺比邻科技有限公司 卷积神经网络的构建方法及系统
CN110621039A (zh) * 2017-03-24 2019-12-27 华为技术有限公司 通信方法及设备
CN108632877A (zh) * 2017-03-24 2018-10-09 华为技术有限公司 通信方法及设备
CN108632838A (zh) * 2017-03-24 2018-10-09 维沃移动通信有限公司 一种波束的测量上报方法、终端及网络侧设备
CN109327846A (zh) * 2017-07-31 2019-02-12 中兴通讯股份有限公司 波束测量上报的方法、装置、终端及存储介质
WO2018141165A1 (zh) * 2017-09-30 2018-08-09 北京小米移动软件有限公司 数据传输方法及装置
CN109863806A (zh) * 2017-09-30 2019-06-07 北京小米移动软件有限公司 数据传输方法及装置
CN111543012A (zh) * 2017-12-15 2020-08-14 高通股份有限公司 用于动态波束对确定的方法和设备
US20190268894A1 (en) * 2018-02-28 2019-08-29 Korea Advanced Institute Of Science And Technology Resource allocation method and apparatus for wireless backhaul network based on reinforcement learning
WO2019190368A1 (en) * 2018-03-28 2019-10-03 Telefonaktiebolaget Lm Ericsson (Publ) Methods, apparatus and computer programs for performing and enabling beam management in a communication network
WO2019206111A1 (zh) * 2018-04-26 2019-10-31 华为技术有限公司 一种用于无线通信的方法、装置
WO2019231289A1 (en) * 2018-06-01 2019-12-05 Samsung Electronics Co., Ltd. Method and apparatus for machine learning based wide beam optimization in cellular network
CN110661556A (zh) * 2018-06-29 2020-01-07 华为技术有限公司 发送和接收信道状态信息的方法和通信装置
WO2020032503A1 (ko) * 2018-08-07 2020-02-13 엘지전자 주식회사 무선 통신 시스템에서 채널 품질을 보고하는 방법 및 이를 위한 장치
US20200275402A1 (en) * 2019-02-22 2020-08-27 Wuxian Shi Methods and apparatuses using sensing system in cooperation with wireless communication system
WO2020192219A1 (zh) * 2019-03-26 2020-10-01 维沃移动通信有限公司 定位测量信息上报方法、终端和网络设备
CN111313987A (zh) * 2020-02-14 2020-06-19 南京工程学院 适于智能家居的基于神经网络的路径损耗预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
NAVEEN NAIK SAPAVATH等: "Machine Learning for RF Slicing Using CSI Prediction in Software Defined Large-Scale MIMO Wireless Networks", 《IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING》, 11 April 2020 (2020-04-11) *
YU-NGOK RUYUE LI等: "Beam Management in Millimeter-Wave Communications for 5G and Beyond", 《IEEE ACCESS》, 1 January 2020 (2020-01-01) *
ZTE, SANECHIPS: "RP-192566 "Evolution of NR MIMO in Rel-17"", 3GPP TSG_RAN\\TSG_RAN, no. 86, 3 December 2019 (2019-12-03), pages 4 *
ZTE, SANECHIPS: "RP-201771 "Applications of Artificial Intelligence in MIMO Networks"", 3GPP TSG_RAN\\TSG_RAN, no. 89, 8 September 2020 (2020-09-08) *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114531698A (zh) * 2020-11-23 2022-05-24 维沃移动通信有限公司 一种波束的处理方法及装置、通信设备
US11962389B2 (en) * 2021-12-20 2024-04-16 Lenovo (Singapore) Pte. Ltd. Artificial intelligence enabled beam management
US20230198604A1 (en) * 2021-12-20 2023-06-22 Lenovo (United States) Inc. Artificial Intelligence Enabled Beam Management
WO2023134761A1 (zh) * 2022-01-17 2023-07-20 维沃移动通信有限公司 波束信息交互方法、装置、设备及存储介质
WO2023222079A1 (zh) * 2022-05-18 2023-11-23 中国移动通信有限公司研究院 配置方法、装置、相关设备及存储介质
WO2024020787A1 (en) * 2022-07-26 2024-02-01 Nec Corporation Method, device and computer readable medium for communication
WO2024026681A1 (zh) * 2022-08-02 2024-02-08 北京小米移动软件有限公司 波束报告上报、接收方法、装置及存储介质
WO2024032606A1 (zh) * 2022-08-12 2024-02-15 维沃移动通信有限公司 信息传输方法、装置、设备、系统及存储介质
WO2024036605A1 (en) * 2022-08-19 2024-02-22 Lenovo (Beijing) Ltd. Support of ue centric ai based temporal beam prediction
WO2024046202A1 (zh) * 2022-08-30 2024-03-07 维沃移动通信有限公司 发送方法、用户设备、网络侧设备及可读存储介质
WO2024045193A1 (zh) * 2022-09-02 2024-03-07 北京小米移动软件有限公司 波束上报方法、装置、终端、网络设备和介质
WO2024074088A1 (zh) * 2022-10-08 2024-04-11 华为技术有限公司 通信方法及装置
WO2024092541A1 (en) * 2022-11-02 2024-05-10 Qualcomm Incorporated Techniques for identifying time domain occasions for beam prediction
WO2024092786A1 (zh) * 2022-11-04 2024-05-10 北京小米移动软件有限公司 一种通信方法、装置、设备及存储介质
WO2024098184A1 (zh) * 2022-11-07 2024-05-16 富士通株式会社 信息收发方法与装置
WO2024168516A1 (zh) * 2023-02-14 2024-08-22 Oppo广东移动通信有限公司 无线通信的方法、终端设备和网络设备
WO2024169878A1 (zh) * 2023-02-15 2024-08-22 维沃移动通信有限公司 波束预测上报方法、装置、用户设备及存储介质
WO2024168791A1 (en) * 2023-02-17 2024-08-22 Qualcomm Incorporated Indication of beam identifier in beam prediction reporting
WO2024169183A1 (en) * 2023-09-22 2024-08-22 Lenovo (Beijing) Limited Association and mapping between beam sets

Also Published As

Publication number Publication date
EP4236436A4 (en) 2024-04-03
EP4236436A1 (en) 2023-08-30
WO2022083593A1 (zh) 2022-04-28
US20230262506A1 (en) 2023-08-17

Similar Documents

Publication Publication Date Title
CN114390580A (zh) 波束上报方法、波束信息确定方法及相关设备
CN114363921B (zh) Ai网络参数的配置方法和设备
US11843439B2 (en) Communication method, terminal device, and network device
US10420090B2 (en) Communication technique using CSI-RS in mobile communication system
US11652523B2 (en) Beam training method and communications apparatus
US9820290B2 (en) Virtual antenna mapping method and apparatus for feedback of virtual antenna mapping information in MIMO system
WO2019047940A1 (zh) 参考信号配置、信息的发送、信息的接收方法及装置
WO2022152235A1 (zh) 波束测量上报方法、装置、终端及网络侧设备
CN107980209A (zh) 大规模mimo通信系统中报告信道状态信息(csi)的方法和装置
EP4304237A1 (en) Information reporting method and apparatus, first device, and second device
CN114071690A (zh) 信息上报方法、信息接收方法及相关设备
CN114337756A (zh) 波束处理方法、装置及相关设备
US20230291458A1 (en) Beam processing method and apparatus and communication device
CN108023630B (zh) 一种信息传输方法及相关设备
CN108667490B (zh) 一种信道状态信息反馈方法及装置
CN114531696A (zh) Ai网络部分输入缺失的处理方法和设备
CN110114983A (zh) 用于支持通信网络中的用户通信设备分组的设备和方法
CN115333581B (zh) 终端天线面板信息的传输方法、终端及网络侧设备
CN106257951B (zh) 一种数据传输方法和基站
CN115913486A (zh) 信息上报方法、装置、终端及可读存储介质
CN114598365A (zh) 传输方法、装置、设备及可读存储介质
WO2024041420A1 (zh) 测量反馈处理方法、装置、终端及网络侧设备
WO2023168589A1 (en) Machine learning models for predictive resource management
WO2024041421A1 (zh) 测量反馈处理方法、装置、终端及网络侧设备
WO2022213347A1 (en) Channel state reporting for the updating of precoders

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