CN114978413B - 信息编码的控制方法及相关装置 - Google Patents

信息编码的控制方法及相关装置 Download PDF

Info

Publication number
CN114978413B
CN114978413B CN202110376449.8A CN202110376449A CN114978413B CN 114978413 B CN114978413 B CN 114978413B CN 202110376449 A CN202110376449 A CN 202110376449A CN 114978413 B CN114978413 B CN 114978413B
Authority
CN
China
Prior art keywords
information
encoder
terminal
encoders
encoding
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
Application number
CN202110376449.8A
Other languages
English (en)
Other versions
CN114978413A (zh
Inventor
王四海
李雪茹
秦城
杨锐
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to US18/547,449 priority Critical patent/US20240146582A1/en
Priority to PCT/CN2022/075987 priority patent/WO2022179402A1/zh
Priority to EP22758767.2A priority patent/EP4283894A1/en
Publication of CN114978413A publication Critical patent/CN114978413A/zh
Application granted granted Critical
Publication of CN114978413B publication Critical patent/CN114978413B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0009—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the channel coding
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3068—Precoding preceding compression, e.g. Burrows-Wheeler transformation
    • H03M7/3079—Context modeling
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/60—General implementation details not specific to a particular type of compression
    • H03M7/6064—Selection of Compressor
    • H03M7/6076—Selection between compressors of the same type
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/60—General implementation details not specific to a particular type of compression
    • H03M7/6064—Selection of Compressor
    • H03M7/6082—Selection strategies
    • 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
    • H04B7/0658—Feedback reduction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
    • H04L1/0026—Transmission of channel quality indication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0023—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the signalling
    • H04L1/0028—Formatting
    • H04L1/0029—Reduction of the amount of signalling, e.g. retention of useful signalling or differential signalling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • 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
    • G06N3/0455—Auto-encoder networks; Encoder-decoder 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06N3/096—Transfer learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0015—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the adaptation strategy
    • H04L1/0017—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the adaptation strategy where the mode-switching is based on Quality of Service requirement
    • H04L1/0018—Systems modifying transmission characteristics according to link quality, e.g. power backoff characterised by the adaptation strategy where the mode-switching is based on Quality of Service requirement based on latency requirement

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本申请实施例提供一种信息编码的控制方法，应用于通信技术领域的终端，该方法包括：接收第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；向网络设备发送第一指示信息，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据第一配置信息和第一信息确定的，第一编码器是N个AI编码器中的编码器，或者是和N个AI编码器不同的第二编码器。本申请实施例可以快速高效地选择合适的编码器，避免待传输的信息经过编码和解码后出现失真，提高传输质量。

Description

信息编码的控制方法及相关装置
技术领域
本申请涉及通信技术领域，尤其涉及一种信息编码的控制方法及相关装置。
背景技术
在无线通信系统中，两个设备之间往往会传输一些测量信息、状态信息等，以此实现后续的信号传输，这样可以提高通信系统性能。例如，两个设备可以分别为发送信号的发送设备(如基站)，以及接收信号的接收设备(如终端)。接收设备可以将信道状态信息(channel state information，CSI)反馈给发送设备，发送设备可以基于CSI对待传输的无线信号进行多天线系统中的预编码，经过预编码后的无线信号可以对抗信道失真，提升信道容量。而上述测量信息、状态信息等通常较大，因此传输之前往往需要进行编码或压缩，从而节省空口资源和传输开销。
基站可以向终端发送用于信息编码的人工智能(artificial intelligence，AI)模型(简称AI编码器)，终端可以使用AI编码器对待传输的信息(例如上述测量信息、状态信息)进行编码，并将编码后的信息反馈给基站，基站通过和AI编码器对应的AI解码器解码获得终端上报的信息(例如上述测量信息、状态信息)。但数据驱动的AI编码器和AI解码器的存在泛化性问题，若待传输的信息和用于训练AI编码器和对应的AI解码器的数据不是同分布的，那么待传输的信息经过AI编码和AI解码之后可能会失真，进而影响通信系统性能。
发明内容
本申请实施例公开了一种信息编码的控制方法及相关装置，可以快速高效地选择合适的信息编码方案，避免待传输的信息经过编码和解码后出现失真，从而避免影响通信系统的性能，提高传输质量。
第一方面，本申请实施例提供了一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置N个AI编码器的N组参数，N为大于1的正整数；向网络设备发送第一指示信息，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据N组参数和第一信息确定的，第一编码器是N个AI编码器中的编码器，或者，第一编码器是和N个AI编码器不同的第二编码器。
其中，N个AI编码器的N组参数，可以替换为：N个AI解码器的N组参数，也可以替换为N个AI编解码器的N组参数。其中N个AI编码器分别对应N个AI解码器，一个AI编解码器包括一个AI编码器和对应的一个AI解码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
本申请中，用于第一信息编码的第一编码器是基于N组参数确定的，第一编码器是N个AI编码器中的一个AI编码器或者N个AI编码器中以外的第二编码器，可以理解为是用于第一信息编码的第一编码器是经过判断得到的适用于第一信息编码的，从而避免通过第一信息不适用的AI编解码器(或者AI编码器和AI解码器)对第一信息进行编码和解码带来的信息失真，以及通信系统的性能恶化不可控的问题。
在一种可能的实现方式中，该方法还包括：发送第二信息，第二信息是基于第一编码器对第一信息的编码确定的。
在一种可能的实现方式中，第一编码器是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
可选地，第一判断参数是根据N组参数、第一信息和第一预处理确定的，第一预处理包括以下至少一项：平移、缩放、傅里叶变换、压缩感知变换、截断、AI模型处理，以及对应的处理参数。
可选地，N组参数为N个AI编码器的训练数据集的统计信息，统计信息包括均值和/或数学分布的分布参数。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
可选地，第一信息为CSI，该方法还包括：接收CSI参考信号CSI-RS，第一信息是根据CSI-RS的测量结果确定的。
在一种可能的实现方式中，该方法还包括：向网络设备发送第二指示信息，第二指示信息用于指示第一编码器，或者用于指示N个AI编码器中的第一编码器适用于第一信息编码，或者用于指示N个AI编码器不适用于第一信息编码；接收第二配置信息，第二配置信息用于配置第一编码器，第二配置信息是根据第二指示信息确定的。
可选地，发送第二指示信息是在发送第二信息之前的。
本申请中，终端使用的第一编码器可以是向网络设备实时请求获得的，终端可以无需提前存储第一编码器，减小终端的存储压力。
在一种可能的实现方式中，该方法还包括：接收第三配置信息，第三配置信息用于配置N个AI编码器，和/或，N个AI编码器中的第一编码器，和/或，第二编码器。
可选地，接收第三配置信息是在发送第二信息之前的。
第二方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码，N为大于1的正整数；向网络设备发送第一指示信息，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据AI判决器和第一信息确定的，第一编码器是N个AI编码器中的编码器，或者，第一编码器是和N个AI编码器不同的第二编码器。
其中，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码，可以替换为：AI判决器用于确定N个AI编解码器中第一信息适用的A1编解码器，和/或用于确定N个AI编解码器不适用于第一信息编解码。也可以替换为：AI判决器用于确定N个AI解码器中第一信息适用的AI解码器，和/或用于确定N个AI解码器不适用于第一信息解码。其中N个AI编码器分别对应N个AI解码器，一个AI编解码器包括一个AI编码器和对应的一个AI解码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
本申请中，用于第一信息编码的第一编码器是基于AI判决器确定的，第一编码器是N个AI编码器中的一个AI编码器或者N个AI编码器中以外的第二编码器，可以理解为是用于第一信息编码的第一编码器是经过判断得到的适用于第一信息编码的，从而避免通过第一信息不适用的AI编解码器(或者AI编码器和AI解码器)对第一信息进行编码和解码带来的信息失真，以及通信系统的性能恶化不可控的问题。
在一种可能的实现方式中，该方法还包括：发送第二信息，第二信息是基于第一编码器对第一信息的编码确定的。
在一种可能的实现方式中，第一编码器是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
可选地，AI判决器的输出是根据第一输入信息和AI判决器得到的，第一输入信息是第一信息或第一信息经过第二预处理后得到的，第二预处理包括以下至少一项：平移、缩放、傅里叶变换、压缩感知变换、截断、AI模型处理，以及对应的处理参数。
可选地，AI判决器的输出是使用AI判决器对第一输入信息进行处理得到的。
可选地，AI判决器的输出是将第一输入信息作为AI判决器的输入得到的输出。
在一种可能的实现方式中，该方法还包括：第一信息为信道状态信息CSI或上行数据。
可选地，第一信息为CSI，该方法还包括：接收CSI参考信号CSI-RS，第一信息是根据CSI-RS的测量结果确定的。
在一种可能的实现方式中，该方法还包括：向网络设备发送第二指示信息，第二指示信息用于指示第一编码器，或者用于指示N个AI编码器中的第一编码器适用于第一信息编码，或者用于指示N个AI编码器不适用于第一信息编码；接收第二配置信息，第二配置信息用于配置第一编码器，第二配置信息是根据第二指示信息确定的。
可选地，发送第二指示信息是在发送第二信息之前的。
本申请中，终端使用的第一编码器可以是向网络设备实时请求获得的，终端可以无需提前存储第一编码器，减小终端的存储压力。
在一种可能的实现方式中，该方法还包括：接收第三配置信息，第三配置信息用于配置N个AI编码器，和/或，N个AI编码器中的第一编码器，和/或，第二编码器。
可选地，接收第三配置信息是在发送第二信息之前的。
第三方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置第一AI编码器的参数；向网络设备发送第一指示信息，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据第一AI编码器的参数和第一信息确定的，第一编码器是第一AI编码器，或者，第一编码器是和第一AI编码器不同的第二编码器。
其中，第一AI编码器的N组参数，可以替换为：第一AI解码器的N组参数，也可以替换为第一AI编解码器的N组参数，其中第一AI编码器对应第一AI解码器，第一AI编解码器包括第一AI编码器和第一AI解码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
本申请中，用于第一信息编码的第一编码器是基于第一AI编码器的参数确定的，第一编码器是第一AI编码器或者第二编码器，可以理解为是用于第一信息编码的第一编码器是经过判断得到的适用于第一信息编码的，从而避免通过第一信息不适用的AI编解码器(或者AI编码器和AI解码器)对第一信息进行编码和解码带来的信息失真，以及通信系统的性能恶化不可控的问题。
在一种可能的实现方式中，该方法还包括：发送第二信息，第二信息是基于第一编码器对第一信息的编码确定的。
在一种可能的实现方式中，第一编码器是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据第一AI编码器的参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
可选地，第一判断参数是根据第一AI编码器的参数、第一信息和第一预处理确定的，第一预处理包括以下至少一项：平移、缩放、傅里叶变换、压缩感知变换、截断、AI模型处理，以及对应的处理参数。
可选地，第一AI编码器的参数为第一AI编码器的训练数据集的统计信息，统计信息包括均值和/或数学分布的分布参数。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
可选地，第一信息为CSI，该方法还包括：接收CSI参考信号CSI-RS，第一信息是根据CSI-RS的测量结果确定的。
在一种可能的实现方式中，该方法还包括：向网络设备发送第二指示信息，第二指示信息用于指示第一编码器，或者用于指示第一AI编码器适用于第一信息编码，或者用于指示第一AI编码器不适用于第一信息编码；接收第二配置信息，第二配置信息用于配置第一编码器，第二配置信息是根据第二指示信息确定的。
可选地，发送第二指示信息是在发送第二信息之前的。
本申请中，终端使用的第一编码器可以是向网络设备实时请求获得的，终端可以无需提前存储第一编码器，减小终端的存储压力。
在一种可能的实现方式中，该方法还包括：接收第三配置信息，第三配置信息用于配置第一AI编码器，和/或，第二编码器。
可选地，接收第三配置信息是在发送第二信息之前的。
第四方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置AI判决器，AI判决器用于确定第一AI编码器适用于第一信息编码，和/或用于确定第一AI编码器不适用于第一信息编码；向网络设备发送第一指示信息，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据AI判决器和第一信息确定的，第一编码器是第一AI编码器，或者，第一编码器是和第一AI编码器不同的第二编码器。
其中，AI判决器用于确定第一AI编码器适用于第一信息编码，和/或用于确定第一AI编码器不适用于第一信息编码，可以替换为：AI判决器用于确定第一AI编解码器适用于第一信息编解码，和/或用于确定第一AI编解码器不适用于第一信息编解码。也可以替换为：AI判决器用于确定第一AI解码器适用于第一信息解码，和/或用于确定第一AI解码器不适用于第一信息解码。其中第一AI编码器对应第一AI解码器，第一AI编解码器包括第一AI编码器和第一AI解码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
本申请中，用于第一信息编码的第一编码器是基于AI判决器确定的，第一编码器是第一AI编码器或者第二编码器，可以理解为是用于第一信息编码的第一编码器是经过判断得到的适用于第一信息编码的，从而避免通过第一信息不适用的AI编解码器(或者AI编码器和AI解码器)对第一信息进行编码和解码带来的信息失真，以及通信系统的性能恶化不可控的问题。
在一种可能的实现方式中，第一编码器是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
可选地，AI判决器的输出是根据第一输入信息和AI判决器得到的，第一输入信息是第一信息或第一信息经过第二预处理后得到的，第二预处理包括以下至少一项：平移、缩放、傅里叶变换、压缩感知变换、截断、AI模型处理，以及对应的处理参数。
可选地，AI判决器的输出是使用AI判决器对第一输入信息进行处理得到的。
可选地，AI判决器的输出是将第一输入信息作为AI判决器的输入得到的输出。
在一种可能的实现方式中，该方法还包括：第一信息为信道状态信息CSI或上行数据。
可选地，第一信息为CSI，该方法还包括：接收CSI参考信号CSI-RS，第一信息是根据CSI-RS的测量结果确定的。
在一种可能的实现方式中，该方法还包括：向网络设备发送第二指示信息，第二指示信息用于指示第一编码器，或者用于指示第一AI编码器适用于第一信息编码，或者用于指示第一AI编码器不适用于第一信息编码；接收第二配置信息，第二配置信息用于配置第一编码器，第二配置信息是根据第二指示信息确定的。
可选地，发送第二指示信息是在发送第二信息之前的。
本申请中，终端使用的第一编码器可以是向网络设备实时请求获得的，终端可以无需提前存储第一编码器，减小终端的存储压力。
在一种可能的实现方式中，该方法还包括：接收第三配置信息，第三配置信息用于配置第一AI编码器，和/或，第二编码器。
可选地，接收第三配置信息是在发送第二信息之前的。
第五方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；向网络设备发送第一请求信息，第一请求信息用于指示N个AI编码器中的第一AI编码器，第一请求信息是根据第一配置信息和第一信息确定的；向网络设备发送第一指示信息，第一指示信息用于指示第二编码器，第二编码器和N个AI编码器不同。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
可选地，该方法还包括：接收网络设备发送的第二配置信息，第二配置信息用于配置第一AI编码器，第二配置信息是根据第一请求信息确定的。
本申请中，虽然存在第一信息适用的第一AI编码器，但是第一AI编码器未被发送至终端，此时终端可以使用第二编码器进行编码，从而减小传输时延，保证信息编码反馈的过程不中断。
在一种可能的实现方式中，该方法还包括：发送第二信息，第二信息是基于第一信息和第二编码器确定的。
在一种可能的实现方式中，第一请求信息是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一请求信息是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，该方法还可以包括：发送第四信息和第三指示信息，第三指示信息用于指示第一AI编码器，第四信息是根据第一AI编码器和第三信息确定的。
可选地，第三信息为信道状态信息CSI或上行数据。
本申请中，虽然终端使用的是第二编码器，但是终端可以向网络设备发送信息，以请求配置第一AI编码器，以便后续直接对适用于第一AI编码器的第四信息进行编码，无需再次请求，减小传输开销和传输时延。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第六方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；向网络设备发送第四指示信息，第四指示信息用于指示第一信息是否适用于N个AI编码器的第一判断结果和/或第一判断参数，第四指示信息是根据第一配置信息和第一信息确定的；接收第五指示信息，第五指示信息用于指示第一编码器用于第一信息编码，第五指示信息是根据第四指示信息确定的，第一编码器是N个AI编码器中的编码器，或者，第一编码器是和N个AI编码器不同的第二编码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
本申请中，用于第一信息编码的第一编码器是基于第一配置信息确定的，第一编码器是N个AI编码器中的一个AI编码器或者N个AI编码器中以外的第二编码器，可以理解为是用于第一信息编码的第一编码器是经过判断得到的适用于第一信息编码的，从而避免通过第一信息不适用的AI编解码器(或者AI编码器和AI解码器)对第一信息进行编码和解码带来的信息失真，以及通信系统的性能恶化不可控的问题。
在一种可能的实现方式中，第一判断结果用于指示第一信息适用于N个AI编码器中的第一AI编码器，或者用于指示N个AI编码器不适用于第一信息。
在一种可能的实现方式中，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一判断参数是AI判决器的输出，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第七方面，本申请实施例提供了又一种信息编码的控制方法，应用于终端，该方法包括：接收第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；向网络设备发送第一信息，第一信息未经过编码或经过高保真编码，第一信息用于作为第一AI编码器的训练数据集训练第一AI编码器，第一信息用于作为第一AI编码器的训练数据集是根据第一配置信息和第一信息确定的。
本申请中，终端可以根据第一配置信息对待传输的信息进行筛选，以将对训练AI编解码器价值高的数据发送给网络设备，从而避免终端发送对训练AI编解码器价值低的数据给网络设备，由于训练数据不均衡带来的AI编解码器性能较差的情况，也避免了上行带宽被浪费。
在一种可能的实现方式中，第一信息用于作为第一AI编码器的训练数据集，是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一信息用于作为第一AI编码器的训练数据集，是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第八方面，本申请实施例提供了又一种信息编码的控制方法，应用于网络设备，该方法包括：向终端发送第一配置信息；第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；接收第一指示信息和第二信息，第二信息是终端基于第一信息和第一编码器确定的，第一指示信息用于指示第一编码器用于第一信息编码，第一编码器是根据第一配置信息和第一信息确定的，第一编码器是N个AI编码器中的编码器，或者，第一编码器是和N个AI编码器不同的第二编码器。
在一种可能的实现方式中，该方法还包括：使用与第一编码器对应的第一解码器对第二信息进行解码。
在一种可能的实现方式中，第一编码器是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一编码器是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第九方面，本申请实施例提供了又一种信息编码的控制方法，应用于网络设备，该方法包括：向终端发送第一配置信息第一配置信息用于配置N个AI编码器的N组参数或A1判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；接收第一请求信息，第一请求信息用于指示N个AI编码器中的第一AI编码器，第一请求信息是根据第一配置信息和第一信息确定的；接收第一指示信息和第二信息，第一指示信息用于指示第二编码器用于第一信息编码，第二编码器和N个AI编码器不同，第二信息是基于第一信息和第二编码器确定的。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
可选地，该方法还包括：发送第二配置信息，第二配置信息用于配置第一AI编码器，第二配置信息是根据第一请求信息确定的。
在一种可能的实现方式中，该方法还包括：使用与第二编码器对应的第二解码器对第二信息进行解码。
在一种可能的实现方式中，第一请求信息是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一请求信息是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，该方法还可以包括：接收第四信息和第三指示信息，第三指示信息用于指示第一AI编码器，第四信息是根据第一AI编码器和第三信息确定的。
可选地，第四信息为信道状态信息CSI或上行数据。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第十方面，本申请实施例提供了又一种信息编码的控制方法，应用于网络设备，该方法包括：向终端发送第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；接收第四指示信息，第四指示信息用于指示第一信息是否适用于N个AI编码器的第一判断结果和/或第一判断参数，第四指示信息是根据第一配置信息和第一信息确定的；发送第五指示信息，第五指示信息用于指示第一编码器用于第一信息编码，第五指示信息是根据第四指示信息确定的，第一编码器是N个AI编码器中的编码器，或者，第一编码器是和N个AI编码器不同的第二编码器。
可选地，第二编码器为基于码本等传统编码方案的编码器，或者其他泛化性更好的AI编码器。
在一种可能的实现方式中，第一判断结果用于指示第一信息适用于N个AI编码器中的第一AI编码器，或者用于指示N个AI编码器不适用于第一信息。
在一种可能的实现方式中，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一判断参数是AI判决器的输出，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第十一方面，本申请实施例提供了又一种信息编码的控制方法，应用于网络设备，该方法包括：向终端发送第一配置信息，第一配置信息用于配置N个AI编码器的N组参数或AI判决器，AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定N个AI编码器不适用于第一信息编码；接收第一信息，第一信息未经过编码或经过高保真编码，第一信息用于作为第一AI编码器的训练数据集训练第一A1编码器，第一信息用于作为第一AI编码器的训练数据集是根据第一配置信息和第一信息确定的。
在一种可能的实现方式中，第一信息用于作为第一AI编码器的训练数据集，是根据第一判断参数和第一判断阈值的关系确定的，第一判断参数是根据N组参数和第一信息确定的，第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
在一种可能的实现方式中，第一信息用于作为第一AI编码器的训练数据集，是根据AI判决器的输出确定的，AI判决器的输出是根据第一信息和AI判决器得到的。
在一种可能的实现方式中，第一信息为信道状态信息CSI或上行数据。
第十二方面，本申请实施例提供了一种终端，包括收发器、处理器和存储器；上述存储器用于存储计算机程序代码，上述计算机程序代码包括计算机指令，上述处理器调用上述计算机指令以使上述用户设备执行本申请实施例第一方面至第七方面，以及第一方面至第七方面的任意一种实现方式提供的信息编码的控制方法。
第十三方面，本申请实施例提供了一种网络设备，包括收发器、处理器和存储器；上述存储器用于存储计算机程序代码，上述计算机程序代码包括计算机指令，上述处理器调用上述计算机指令以使上述用户设备执行本申请实施例第八方面和第十一方面，以及第八方面和第十一方面的任意一种实现方式提供的信息编码的控制方法。
第十四方面，本申请实施例提供了又一种终端，用于执行本申请任一实施例终端所执行的方法。
第十五方面，本申请实施例提供了一种网络设备，用于执行本申请任一实施例网络设备所执行的方法。
第十六方面，本申请实施例提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，该计算机程序被电子设备执行时，用于执行本申请实施例第一方面至第十一方面，以及第一方面至第十一方面的任意一种实现方式提供的信息编码的控制方法。
第十七方面，本申请实施例提供了一种计算机程序产品，当该计算机程序产品在电子设备上运行时，使得该电子设备执行本申请实施例第一方面至第十一方面，以及第一方面至第十一方面的任意一种实现方式提供的信息编码的控制方法。
第十八方面，本申请实施例提供一种电子设备，该电子设备包括执行本申请任一实施例所介绍的方法或装置。上述电子设备例如为芯片。
附图说明
以下对本申请实施例用到的附图进行介绍。
图1是本申请实施例提供的一种通信系统的架构示意图；
图2是本申请实施例提供的一种信息编解码的场景示意图；
图3是本申请实施例提供的一种终端100的结构示意图；
图4是本申请实施例提供的一种网络设备200的结构示意图；
图5-图10是本申请实施例提供的一些信息编码的控制方法的流程示意图；
图11是本申请实施例提供的一种筛选方法的流程示意图；
图12-图13是本申请实施例提供的一些人工智能AI判决器的生成过程的示意图；
图14是本申请实施例提供的一种AI编解码器的生成过程的示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
本申请实施例提供了一种信息编码的控制方法，应用于包括网络设备和终端的通信系统。网络设备可以向终端发送第一配置信息，终端可以根据第一配置信息判断待传输的信息是否适用于用于信息编码的人工智能(artificial intelligence，AI)模型(也可以理解为是基于AI技术的编码器，简称AI编码器)。若待传输的信息适用于AI编码器，则终端可以使用该AI编码器对待传输的信息进行编码，若待传输的信息不适用AI编码器，终端可以使用备用编码器对待传输的信息进行编码。因此可以快速高效地选择合适的信息编码方案，避免待传输的信息经过编码和解码后出现失真，从而避免影响通信系统的性能，提高传输质量。
需要说明的是，一个AI编码器可以对应一个用于信息解码的AI模型(也可以理解为是基于AI技术的解码器，简称AI解码器)，一个AI编码器和对应的AI解码器可简称为一组AI编解码器(也可以理解为是基于AI技术的编解码器)，不同组AI编解码器的结构不同或结构相同但模型参数(系数)不同。不同组AI编解码器所对应的标识不同。不同组AI编解码器中AI编码器可以相同但AI解码器不同，或者不同组AI编解码器中AI解码器可以相同但AI编码器可以不同。通过AI编码器编码后的信息需通过对应同组的AI解码器解码，其他解码器无法解码(或解码后的信息与原始待传输的信息偏差较大)。AI编码器通常是和对应的AI解码器一起作为一种自编码器(autoencoder)训练的，即在训练时将AI编码器的输入和AI解码器的输出都设置为待编码的信息(可以理解为是该AI编码器、该AI解码器或这组AI编解码器的训练数据集)，通过误差反向传播获得AI模型(包括AI编码器和/或AI解码器)中的参数(系数)，以实现在推理时，待编码的信息经过AI编码和AI解码之后得到的信息与待编码的信息尽可能一致。
可选地，待编码的信息适用于AI编码器即表征也适用于该AI编码器对应的AI解码器，也可以理解为是待编码的信息适用于对应的AI编解码器(即包括上述AI编码器和对应的AI解码器)。因此，终端根据第一配置信息判断待传输的信息是否适用于AI编码器，可以理解为是：终端根据第一配置信息判断待传输的信息是否适用于AI编码器和对应的AI解码器(即AI编解码器)。
相应地，一种备用编码器也可以对应一种解码器(简称备用解码器)，使用备用编码器编码后的信息也需要通过对应的备用解码器解码，其他解码器无法解码。备用解码器的解码方案取决于对应的备用编码器的编码方案，例如备用编码器是使用码本等传统编码方案的编码器，则对应的备用解码器是使用码本等传统解码方案的解码器。或者，备用编码器是其他泛化性更好的AI编码器，则对应的备用解码器是其他泛化性更好的AI解码器。
可选地，终端可以将编码后的信息反馈给网络设备，并向网络设备发送指示终端使用的编码器的通知，网络设备可以根据该通知确定对应的解码器，并使用该解码器解码获得终端上报的信息。其中，终端使用的编码器为AI编码器时，网络设备使用的解码器为和该AI编码器对应的AI解码器。终端使用的编码器为备用编码器时，网络设备使用的解码器为和该备用编码器对应的备用解码器。
本申请中，待传输的信息即为终端向网络设备发送的信息，可以是信道状态信息(channel state information，CSI)等测量信息、状态信息。不限于此，也可以是业务数据，例如音频数据、视频数据、文本数据等等。
可选地，终端使用的AI编码器或备用编码器可以是网络设备发送给终端的。可选地，终端使用的AI编码器或备用编码器可以是终端和网络设备预先协商配置的。
本申请中，通信系统可以是无线通信系统，例如但不限于全球移动通讯系统(global system for mobile communications，GSM)、码分多址接入(code divisionmultiple access，CDMA)、宽带码分多址(wideband code division multiple access，WCDMA)、时分同步码分多址(time division synchronous code division multiple ac，TD-SCDMA)、长期演进(long term evolution，LTE)、新无线接入(new radio，NR)或者其他未来网络系统。
本申请中，网络设备可以是一种用于发送或接收信息的设备，可选地，网络设备为接入网设备，可选地，网络设备为核心网设备。例如但不限于：基站，用户设备(userequipment，UE)，无线接入点(access point，AP)，收发点(transmission and receiverpoint，TRP)，中继设备，或者具备基站功能的其他网络设备等。其中，基站是一种部署在无线接入网(radio access network，RAN)中用于提供无线通信功能的设备。在不同的无线接入系统中，基站的名称可能不同。例如但不限于，GSM或CDMA中的基站收发台(basetransceiver station，BTS)，WCDMA中的节点B(node B，NB)，LTE中的演进型基站(evolvednode B，eNodeB)，还可以是NR中的下一代基站(g node B，gNB)，或者其他未来网络系统中的基站。示例性地，网络设备可以是下图1所示的基站110，或者核心网120。
本申请中，终端可以是具有无线通信功能的设备，可选地，终端为UE。在某些场景下，终端也可以被称为移动台、接入终端、用户代理等。例如，终端为手持设备、可穿戴设备、计算设备、便携式设备或车载设备等形式的终端。例如，终端具体为蜂窝电话、智能手机、智能眼镜、膝上型电脑、个人数字助理或无绳电话等设备。示例性地，终端可以是下图1所示的终端100。
请参见图1，图1是本申请实施例提供的一种通信系统的架构示意图。
如图1所示，该通信系统可以包括终端100、基站110和核心网120。其中，核心网120可以连接至少一个基站110，基站110可以为至少一个终端100提供无线通信服务，终端100可以通过空中接口连接至少一个基站110。核心网120为该通信系统中的关键控制节点，主要负责信令处理功能，例如但不限于用于实现接入控制、移动性管理、会话管理等功能。至少一个基站110可以构成一个RAN节点。在NR中，核心网120可以称为5G核心网(5G Core，5GC)120，基站110可以称为gNB110。NR-RAN节点可以包括至少一个通过NG接口连接至5GC120的gNB110，并且，NR-RAN节点中至少一个gNB110可以通过Xn-C接口连接和通信。终端100可以通过Uu接口连接gNB110。
核心网120可以通过基站110向终端100发送下行信息，终端100也可以通过连接的基站110向核心网120发送上行信息。其中，终端100处于基站110覆盖的范围内时，需通过随机接入等操作后才能和基站110连接，连接后终端100才可以和基站110进行信息交互，以及通过基站110和核心网120进行信息交互。
需要说明的是图1所示的终端100、基站110和核心网120的形态和数量仅用于示例，本申请实施例对此不作限定。
请参见图2，图2示例性示出一种信息编解码的场景示意图。图2所示的场景下包括终端100和网络设备200，其中终端100和网络设备200可以连接并通信。
如图2的(A)所示，网络设备200可以部署有AI编码器和对应的AI解码器。网络设备200可以向终端100发送AI编码器，以便后续终端100使用AI编码器对待传输的信息(即信息A)进行信息编码。如图2的(B)所示，终端100可以判断信息A是否适用于网络设备200发送的AI编码器，当适用时，终端100可以使用该AI编码器对信息A进行编码，并将编码后的信息发送给网络设备200。然后，网络设备200可以使用AI解码器对编码后的信息进行解码，以得到恢复后的信息(即信息A′)。
接下来示例性介绍本申请实施例中提供的终端和网络设备。
请参见图3，图3示出了一种终端100的结构示意图。终端100可以是图1所示的终端100，也可以是图2所示的终端100。终端100可以包括处理器110、存储器120和收发器130，处理器110、存储器120和收发器130通过总线相互连接。
处理器110可以是一个或多个中央处理器(central processing unit，CPU)，在处理器110是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。在一些实施例中，处理器110可以包括多个处理单元，例如应用处理器(application processor，AP)、调制解调处理器(modem)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。存储器120可以包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmableread only memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)。存储器120用于存储相关计算机程序及信息，可选地，存储器120用于存储网络设备发送的AI编码器，可选地，存储器120用于存储网络设备发送的用于判断是否存在待传输的信息适用的AI编码器的AI模型(简称AI判决器)。收发器130用于接收和发送信息。在一些实施例中，收发器130可以包括无线收发器和移动收发器。
在一些实施例中，终端100可以通过调制解调处理器和移动收发器实现GSM、CDMA、WCDMA、SCDMA、UMTS、LTE、NR等移动通信技术。终端100可以通过调制解调处理器和移动收发器和网络设备通信，例如传输CSI等测量信息、状态信息，AI编码器等。
终端100中的处理器110用于读取存储器120中存储的计算机程序代码，执行图5-图10所示的信息编码的控制方法、图11所示的筛选方法中终端执行的步骤。
请参见图4，图4示出了一种网络设备200的结构示意图。网络设备200可以是图1所示的基站110或核心网120，也可以是图2所示的网络设备200。网络设备200可以包括处理器210、存储器220和收发器230，处理器210、存储器220和收发器230通过总线相互连接。
处理器210可以是一个或多个CPU，在处理器210是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。在一些实施例中，处理器210可以包括多个处理单元，其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。可选地，处理器210可以训练生成AI编解码器。可选地，处理器210可以训练生成AI判决器。存储器220可以包括但不限于是RAM、ROM、EPROM、或CD-ROM，存储器220用于存储相关计算机程序及信息，可选地，存储器220用于存储获取的AI编解码器，可选地，存储器220用于存储获取的AI判决器。收发器230用于接收和发送信息。
在一些实施例中，网络设备200可以通过处理器210和收发器230实现GSM、CDMA、WCDMA、SCDMA、UMTS、LTE、NR等移动通信技术。网络设备200可以通过处理器210和收发器230和终端通信，例如传输CSI等测量信息、状态信息，AI编码器等。
网络设备200中的处理器210用于读取存储器220中存储的计算机程序代码，执行图5-图10所示的信息编码的控制方法、图11所示的筛选方法中网络设备执行的步骤。
接下来介绍本申请实施例提供的信息编码的控制方法。该方法可以应用于图1所示的通信系统，也可以应用于图2所示的场景。该方法中的终端可以是图3所示的终端100。该方法中的网络设备可以是图4所示的网络设备200。
请参见图5，图5是本申请实施例提供的一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S101：网络设备向终端发送第一配置信息。
在一些实施例中，S101之前，该方法可以包括：网络设备和终端连接，连接方式可参见上图1-图4的说明。示例性地，假设网络设备为基站，终端进入基站覆盖的范围内向基站发起随机接入，随机接入成功后终端和基站连接，可以进行通信。
在一些实施例中，S101之前，该方法可以包括：网络设备和终端协商确定启用基于AI编码器的信息编码反馈机制。后续网络设备可以向终端发送AI编码器，终端可以在协商的时刻使用AI编码器进行编码。协商的时刻例如但不限于为终端根据第一配置信息确定存在待传输的信息适用的AI编码器的时刻(例如S102之后)，或者接收到网络设备发送的指示使用的编码器的信息的时刻(例如接收到下图10所示的第六指示信息之后)。
具体地，S101为可选的步骤。可选地，第一配置信息可以包括N组AI编解码器的信息，也可以理解为是N个AI编码器的信息，也可以理解为是N个AI解码器的信息，其中这N个AI编码器和这N个AI解码器分别对应，N组AI编解码器可以分别包括这N个AI编码器和这N个AI解码器。可选地，第一配置信息包括的内容可以有三种情况，如下所示：
情况一，第一配置信息可以包括网络设备获取的N组AI编解码器(也可理解为N个AI编码器)的训练数据集的统计信息，其中，N为正整数。可选地，第一配置信息可以包括N组第二配置信息，这N组第二配置信息分别对应上述N组AI编解码器，每组第二配置信息可以包括对应的AI编解码器的训练数据集的统计信息。统计信息可以包括但不限于均值和/或数学分布的分布参数，其中，任意一个数学分布的分布参数可以根据该数学分布的特性决定。例如，一组AI编解码器的统计信息包括两个正态分布的均值和方差，这两个正态分布的均值和方差均不相同。或者，一组AI编解码器的统计信息包括一个正态分布的均值和方差，以及一个泊松分布的均值和λ。
在一些实施例中，统计信息可以是多个不同维度的。例如，假设训练数据集的维度为[L，K1，K2，...，Kz]，其中，L，K1，K2，...，Kz均为正整数，K1，K2，...，Kz为训练数据集的特征维度。L为训练数据集的统计维度。那么训练数据集的均值、数学分布的分布参数可以分别为沿着K1，K2，...，Kz的维度，或者也可以是K1×K2×...×Kz的合并维度，不限于此，还可以是其他排列组合维度，本申请对此不作限定。
情况二和情况一类似，不同之处在于：第一配置信息中的统计信息是经过第一预处理的，第一预处理可以包括以下至少一项：平移、缩放、傅里叶变换、压缩感知变换(即乘以压缩感知的测量矩阵)、截断、AI模型处理等。可选地，第一预处理还可以包括对应的处理参数，例如平移的方向和数值。
其中，AI模型处理可以是通过AI模型或AI模型的浅层部分处理，例如进行特征提取，实现降维。需要说明的是，这里的AI模型和AI编码器的AI模型、AI解码器的AI模型可以不同。示例性地，假设待处理的信息是维度为R×W的CSI矩阵H，该CSI矩阵H可以经过某个AI模型的全连接线性层处理(即进行压缩感知编码)，具体包括乘以一个维度为E×R的测量矩阵U，其中E可以远小于R。处理后的矩阵O＝U×H，矩阵O的维度为E×W。假设对应压缩感知编码的解码算法为Leamed AMP(LAMP)，则解码后的CSI矩阵H′＝LAMP(U×H)。矩阵U可以是作为一层神经网络训练得到的，即基于上述获取解码后的CSI矩阵的公式，使用已知的CSI矩阵H训练得到测量矩阵U。可选地，压缩感知变换中的测量矩阵可以是随机生成的，例如通过高斯分布随机生成的。
不限于此，还可以有其他类型的预处理，本申请对预处理的具体内容不作限定。
在一些实施例中，第一配置信息还可以包括第一预处理的信息，以便终端可以根据第一配置信息确定第一预处理的内容。可选地，具体可以是每组第二配置信息包括对应的第一预处理的信息。在另一些实施例中，S101之前，该方法还可以包括：终端接收网络设备发送的第一预处理的信息。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定第一预处理的内容，即第一预处理是预先定义的。不同AI编码器的训练数据集的统计信息所经过的第一预处理的内容可以不同，例如不同组第二配置信息指示的第一预处理可以不同。
可选地，终端在判断待传输的信息是否适用于待应用的AI编码器(即上述N组AI编解码器中任意一个AI编码器)时，需先对待传输的信息进行第一预处理，然后再基于第一预处理后的信息进行判断过程，具体如S102所示。相应地，终端在使用AI编码器(对应这里的第一预处理)对待传输的信息进行编码时，需先对待传输的信息进行第一预处理，然后再使用该AI编码器对第一预处理后的信息进行编码，具体如S103所示。
示例性地，假设第一配置信息指示的第一预处理包括傅里叶变换，截断和压缩感知变换，则终端在进行判断过程，以及使用AI编码器进行编码时，需先对待传输的信息进行傅里叶变换、截断丢弃、以及乘以压缩感知的测量矩阵。
在上述情况一和上述情况二下，在一些实施例中，第一配置信息还可以包括统计信息的类型的指示。可选地，具体可以是每组第二配置信息包括统计信息的类型的指示，不同组第二配置信息包括的统计信息的类型可以不同。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定统计信息的类型，即统计信息的类型是预先定义的。
在上述情况一和上述情况二下，在一些实施例中，第一配置信息还可以包括一组判断阈值，可选地，还可以包括：根据这组判断阈值判断待传输的信息是否适用于待应用的AI编码器的判断方法。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定一组判断阈值，可选地以及上述判断方法，即判断阈值是预先定义的，可选地，判断方法是预先定义的。其中，上述一组判断阈值可以包括至少一个判断阈值。在另一些实施例中，S101之前，该方法还可以包括：终端接收网络设备发送的判断阈值和/或判断方法。可选地，对于不同终端，网络设备确定的判断阈值可以不同。
情况三，第一配置信息可以包括AI判决器，即用于判断待传输的信息是否适用于待应用的AI编码器的AI模型。可选地，AI判决器的输入为终端待传输的信息。可选地，AI判决器的输入为待传输的信息经过第二预处理后得到的。AI判决器的输出端口有至少一个，例如为N个，分别对应上述N组AI编解码器(也可理解为是对应N个AI编码器)。
示例性地，当N等于1时，AI判决器的一个输出值表征待传输的信息是否适用于这一个AI编码器。
示例性地，当N大于1时，AI判决器的N个输出值可以表征待传输的信息适用于这N个AI编码器的情况，AI判决器的任意一个输出端口的输出值可以表征待传输的信息适用于该输出端口对应的AI编码器的概率值，概率值越高表示待传输的信息越适用于该AI编码器，即应用该输出端口对应的AI编解码器对待传输的信息进行信息编解码的效果预期越好。
在一些实施例中，第一配置信息还可以包括AI判决器的输出的指示信息。该指示信息可以包括AI判决器的输出表征的内容，例如表征待传输的信息是否适用于待应用的AI编码器，或者表征待传输的信息适用于待应用的AI编码器的概率值。可选地，该指示信息还可以包括AI判决器的输出的阈值(简称输出阈值)，以及根据输出阈值和AI判决器的输出值判断待传输的信息是否适用于待应用的AI编码器的判断方法。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定AI判决器的输出的指示信息，即指示信息是预先定义的。在另一些实施例中，S101之前，该方法还可以包括：终端接收网络设备发送的AI判决器的输出的指示信息。
示例性地，当N等于1时，AI判决器的输出值分别为0或1，其中，输出为1时表征待传输的信息适用于这一个AI编码器，输出为0时表征待传输的信息不适用于这一个AI编码器。或者，AI判决器输出的取值范围为[0，1]，该输出值越高表示第一信息越适用于该AI编码器，即应用该输出端口对应的AI编解码器对待传输的信息进行信息编解码的效果预期越好。当该输出值大于输出阈值时，终端可以确定待传输的信息适用于该AI编码器，否则待传输的信息不适用于该AI编码器。
示例性地，当N大于1时，AI判决器的N个输出端口分别输出I1、I2、...、IN，其中，I1+I2+…+IN＝1。当Ii＞It时表征待传输的信息适用于第i个输出端口对应的AI编码器，其中，i的取值范围为[1，N]，It为AI判决器的输出阈值。当Ii＞It以及Ii大于其他N-1个输出端口的输出时，表征待传输的信息最适用于第i个输出端口对应的AI编码器，即应用第i个输出端口对应的AI编解码器对待传输的信息进行信息编解码的效果预期最好。
其他AI判决器的输出的示例可参见S102中AI判决器的输出的说明，暂不详述。
在一些实施例中，第一配置信息还可以包括第二预处理的信息，以便终端可以根据第一配置信息确定第二预处理的内容。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定第二预处理的内容，即第二预处理是预先定义的。在另一些实施例中，S101之前，该方法还可以包括：终端接收网络设备发送的第二预处理的信息。第一预处理和第二预处理可以相同，也可以不同，第二预处理的内容示例可参见上述第一预处理的示例。
在一些实施例中，在情况三下，第一配置信息也可以包括第一预处理的信息或预先定义了第一预处理，以便终端使用AI编码器对待传输的信息进行编码时，先对待传输的信息进行第一预处理，然后使用AI编码器对第一预处理后的信息进行编码，具体如S103所示。并且，若第一配置信息包括第二预处理的信息或预先定义了第二预处理，则终端判断待传输的信息是否适用于待应用的AI编码器时，需先对待传输的信息进行第二预处理，然后再基于第二预处理后的信息进行判断过程，具体如S102所示。
在上述三种情况下，在一些实施例中，第一配置信息还可以包括N个AI编码器的性能要求，例如但不限于包括存储空间的容量要求，计算能力的要求，时延的要求等。可选地，具体可以是每组第二配置信息包括对应的AI编码器的性能要求。在另一些实施例中，S101之前，该方法还可以包括：网络设备向终端发送N个AI编码器的性能要求。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定N个AI编码器的性能要求，即性能要求是预先定义的。
在上述三种情况下，在一些实施例中，第一配置信息还可以包括备用编码方案(即通过备用编码器进行编码的方案)，可选地，以及备用编码方案的使用方式。在另一些实施例中，S101之前，该方法还可以包括：网络设备和终端协商确定备用编码方案，可选地，以及备用编码方案的使用方式，即备用编码方案是预先定义的，可选地，使用方式是预先定义的。在另一些实施例中，S101之前，该方法还可以包括：终端接收网络设备发送的备用编码方案，可选地，以及使用方式。其中，备用编码器可以但不限于是使用码本等传统编码方案的编码器，或其他泛化性更好的AI编码器。
示例性地，使用方式可以包括：当终端确定不存在待传输的信息适用的AI编码器时，可以使用备用编码器对待传输的信息进行编码。和/或，虽然终端确定存在待传输的信息适用的AI编码器，但终端还未接收到该AI编码器，则使用备用编码器对待传输的信息进行编码。和/或，虽然终端确定存在待传输的信息适用的AI编码器，但终端性能不满足该AI编码器的性能要求，则使用备用编码器对待传输的信息进行编码。
S102：终端根据第一配置信息判断是否存在第一信息适用的AI编码器。
具体地，S102为可选的步骤。可选地，终端根据第一配置信息判断待传输的第一信息是否适用于待应用的AI编码器(即上述N组AI编解码器中任意一个AI编码器)。第一信息即为待传输的信息，可以但不限于是CSI等测量信息、状态信息，以及音频数据、文本数据等业务数据。可选地，当N等于1时，终端可以根据第一配置信息判断第一信息是否适用于这一个AI编码器，可选地，当N大于1时，终端可以根据第一配置信息判断上述N组AI编解码器(也可理解为N个AI编码器)中是否存在第一信息适用的AI编码器，可选地，以及第一信息适用的AI编码器。
其中，上述N个AI编码器可以由网络设备发送给终端，可选地，可以是在S102之前网络设备向终端发送N个AI编码器，可选地，可以是S102(终端确定待传输的信息适用的AI编码器)之后，终端向网络设备发送信息，以请求配置该AI编码器，网络设备响应于终端的请求向终端发送该AI编码器。
在一些实施例中，终端可以根据第一配置信息判断是否满足N个AI编码器的性能要求，若均不满足，终端可以确定使用的编码器为备用编码器；若终端确定满足M个AI编码器的性能要求，则可以根据第一配置信息判断这M个AI编码器中是否存在第一信息适用的AI编码器，M小于或等于N。示例性地，若这M个AI编码器中存在第一信息适用的AI编码器，终端可以确定使用的编码器为该AI编码器，若不存在，终端可以确定使用的编码器为备用编码器。在另一些实施例中，终端也可以先判断得到第一信息适用的AI编码器，然后再根据第一配置信息判断是否满足该AI编码器的性能要求。示例性地，当不满足时，终端可以确定使用的编码器为备用编码器；当满足时，终端可以确定使用的编码器为该AI编码器。
其中，终端满足AI编码器的性能要求可以包括以下至少一项：终端满足AI编码器的存储能力要求，终端满足AI编码器的计算能力要求，终端满足AI编码器的时延要求。示例性地，当终端本地可用的存储空间大于AI编码器对存储空间的容量要求，终端可以确定满足AI编码器的存储能力要求。当终端表征计算能力的参数(例如单位时间内的计算量等)大于AI编码器对计算能力的要求，终端可以确定满足AI编码器的计算能力要求。当终端基于AI编码器完成信息编码的时延小于该AI编码器的时延要求，终端可以确定满足AI编码器的时延要求。
需要说明的是，满足AI编码器的性能要求仅为使用AI编码器的前置条件，即若不满足AI编码器的性能要求则无法使用AI编码器，若满足AI编码器的性能要求则要根据实际情况(例如终端是否接收到AI编码器、网络设备的指示)等确定是否使用AI编码器。
后续实施例以终端满足N个AI编码器的性能要求为例进行说明。
对于不同情况的第一配置信息，终端判断是否存在第一信息适用的AI编码器的方式可以不同，具体可以包括以下三种情况：
情况一，当第一配置信息为S101的情况一所示，以及包括训练数据集的均值时，终端可以计算第一信息和该均值的余弦相似度(cosine similarity，CS)。当第一配置信息为S101的情况二所示，以及包括经过第一预处理的训练数据集的均值，则终端可以先对第一信息进行第一预处理，然后计算第一信息经过第一预处理后得到的信息和该均值的余弦相似度。最后，终端可以根据计算得到的余弦相似度和对应的判断阈值判断第一信息是否适用于待应用的AI编码器。
可选地，当N等于1时，终端可以计算这一个AI编码器对应的余弦相似度，并根据该余弦相似度和判断阈值的关系判断第一信息是否适用于该AI编码器。例如，预先定义或第一配置信息中指示的一组判断阈值包括一个判断阈值CSt，计算得到的余弦相似度CS0＞CSt时表征第一信息适用于该AI编码器(即适用于这组AI编解码器)，否则表征第一信息不适用于该AI编码器。或者，该组判断阈值包括两个判断阈值CSt1和CSt2，计算得到的余弦相似度CS0＜CSt1时表征第一信息不适用于该AI编码器，CSt2≥CS0≥CSt1时表征第一信息适用于该AI编码器，但应用该组AI编解码器对第一信息进行编解码的效果预期较差，CS0＞CSt2时表征第一信息适用于该AI编码器，以及应用该组AI编解码器对第一信息进行编解码的效果预期较好。预先定义或第一配置信息中指示的判断方法可以包括：CS0＞CSt2时才确定应用的编码器为该AI编码器，或者，CS0≥CSt1时就确定应用的编码器为该AI编码器。
可选地，当N大于1时，终端可以分别计算N个AI编码器对应的余弦相似度，并根据这N个余弦相似度和判断阈值的关系判断是否存在第一信息适用的AI编码器，可选地，以及第一信息适用的AI编码器。余弦相似度越大则表示第一信息越适用于对应的AI编码器，即应用该组AI编解码器对第一信息进行编解码的效果预期越好。当余弦相似度和判断阈值满足预设阈值条件时，终端可以确定第一信息适用于该余弦相似度对应的AI编码器，预设阈值条件的示例可参见上述N等于1的判断阈值和判断方法。可选地，终端可以将余弦相似度和判断阈值满足预设阈值条件，且余弦相似度最大的AI编码器确定为第一信息最适用的A1编码器，即应用该组AI编解码器对第一信息进行编解码的效果预期最好。
情况二，当第一配置信息为S101的情况一所示，以及包括数学分布的完整分布参数(例如包括可以共同构成多维高斯分布的均值和方差矩阵)时，终端可以计算第一信息在该数学分布中的概率参数，例如概率密度函数(probability density function，PDF)或概率质量函数(probability mass function，PMF)。当第一配置信息为S101的情况二所示，以及包括经过第一预处理的数学分布的完整分布参数时，终端可以先对第一信息进行第一预处理以得到第一处理信息，然后计算第一处理信息在该数学分布中的概率参数。最后，终端可以根据计算得到的概率参数和对应的判断阈值判断第一信息是否适用于待应用的AI编码器。
可选地，当N等于1时，终端可以计算这一个AI编码器对应的概率参数，并根据该概率参数和判断阈值的关系判断第一信息是否适用于该AI编码器。可选地，当N大于1时，终端可以分别计算N个AI编码器对应的概率参数，并根据N个概率参数和判断阈值的关系判断是否存在第一信息适用的AI编码器，可选地，以及第一信息适用的AI编码器。概率参数越大则表示第一信息越适用于对应的AI编码器，即应用该组AI编解码器对第一信息进行编解码的效果预期越好。当概率参数和判断阈值满足预设阈值条件时，终端可以确定第一信息适用于该概率参数对应的AI编码器。可选地，终端可以将概率参数和判断阈值满足预设阈值条件，且概率参数最大的A1编码器确定为第一信息最适用的A1编码器，即应用该组AI编解码器对第一信息进行编解码的效果预期最好。具体示例和上述情况一所示的示例类似，不再赘述。
情况三，第一配置信息为S101的情况三所示。可选地，终端可以将AI判决器的输入设置为第一信息以获取AI判决器的输出值。可选地，终端可以对第一信息进行第二预处理以得到第二处理信息，然后将AI判决器的输入设置为经过第二处理信息，以获取AI判决器的输出值。
可选地，终端可以根据AI判决器的输出值判断是否存在第一信息适用的AI编码器。
可选地，AI判决器为单输出端口，即有一个输出值。可选地，AI判决器的输出值的取值有N个(例如[1，N]，AI判决器的输出值为正整数)，这N个取值分别对应N个AI编码器，当AI判决器的输出值为第一AI编码器对应的取值时，表征第一AI编码器为AI判决器确定的N个AI编码器中第一信息适用的AI编码器。可选地，AI判决器的输出值的取值有N+1个(例如[0，N]，AI判决器的输出值为正整数)，其中N个取值(例如[1，N])分别对应N个AI编码器，这N个取值和上述取值有N个的N个取值的说明一致，不再赘述，当AI判决器的输出值为这N个取值外的1个取值(例如0)时，表征AI判决器确定第一信息不适用于N个AI编码器。
可选地，AI判决器为N输出端口，即有N个输出值，这N个输出值分别对应N个AI编码器。可选地，N个输出值中任意一个输出值的取值有2个(例如0或1)，其中1个(例如0)表征第一信息不适用于该输出值对应的AI编码器，另外1个(例如1)表征第一信息适用于该输出值对应的AI编码器。
可选地，AI判决器为N+1输出端口，即有N+1个输出值，其中N个输出值和N输出端口的AI判决器的N个输出值的说明一致，不再赘述。可选地，另外1个输出值的取值有2个(例如0或1)，其中1个(例如0)表征第一信息不适用于N个AI编码器，另外1个(例如1)表征第一信息适用于N个AI编码器中的至少一个编码器。
可选地，终端也可以根据AI判决器的输出值和输出阈值的关系判断是否存在第一信息适用的AI编码器。
可选地，N等于1，AI判决器为单输出端口，终端可以根据AI判决器的输出值判断第一信息是否适用于这一个AI编码器。例如，AI判决器的输出值分别为0或1，当输出为1时终端可以确定第一信息适用于该AI编码器，当输出为0时终端可以确定第一信息不适用于该AI编码器。或者，AI判决器输出的取值范围为[0，1]，该输出值越高表示第一信息越适用于该AI编码器，即应用该组AI编解码器对第一信息进行编解码的效果预期越好。当该输出值大于输出阈值时，终端可以确定第一信息适用于该AI编码器，否则第一信息不适用于该AI编码器。不限于此，输出阈值也可以有多个，判断示例和上述情况一和情况二所示的多个判断阈值的情况类似，不再赘述。
可选地，N大于1，AI判决器为多输出端口，N个输出端口可以分别输出一个概率值，可以表示为I1、I2、...、IN。第i个输出端口输出的概率值Ii越高，表征第一信息越适用于第i个输出端口对应的AI编码器，即应用第i个输出端口对应的AI编解码器对第一信息进行编解码的效果预期越好，其中，i的取值范围为[1，N]。当概率值大于输出阈值，即Ii＞It时，终端可以确定第一信息适用于第i个输出端口对应的AI编码器。当概率值大于输出阈值且大于其他N-1个输出端口输出的概率值时，终端可以确定第一信息最适用于第i个输出端口对应的AI编码器，即应用第i个输出端口对应的AI编解码器对第一信息进行编解码的效果预期最好。
S103：终端使用第一编码器对第一信息进行编码并得到第二信息。
在一些实施例中，第一编码器可以是终端确定的第一信息(最)适用的AI编码器。可选地，当终端确定第一信息(最)适用于N个AI编码器中的第一编码器，以及终端在S103之前已接收第一编码器时，终端可以使用第一编码器对第一信息进行编码，具体流程示例可参见下图6。可选地，当终端确定第一信息(最)适用于N个AI编码器中的第一编码器时，终端可以向网络设备发送信息，以请求网络设备配置第一编码器，接收到第一编码器后可以使用第一编码器对第一信息进行编码，具体流程示例可参见下图7。可选地，终端可以直接将第一信息作为第一编码器的输入以获取输出的第二信息。可选地，终端也可以先对第一信息进行第一预处理以得到第一处理信息，然后将第一处理信息作为第一编码器的输入以获取输出的第二信息。
在一些实施例中，第一编码器可以是备用编码器。可选地，若终端确定N个AI编码器中存在第一信息适用的AI编码器，但终端还未接收到该AI编码器，则终端可以将第一信息作为备用编码器的输入以获取输出，具体流程示例可参见下图8所示。可选地，若终端确定N个AI编码器中不存在第一信息适用的AI编码器，则终端可以将第一信息作为备用编码器的输入以获取输出，具体流程示例下图9所示。
接下来示出两个上述S101-S103的过程的示例：
示例性一：假设N等于1，终端获取的第一配置信息为S101的情况二所示，具体可以包括：经过第一预处理的该组AI编解码器的训练数据集(假设为CSI)的均值HTRN，第一预处理的信息(即第一预处理包括：傅里叶变换(可以转换至角度域和时延域的)，针对部分高时延数据的截断)，判断阈值HTh，使用码本进行编码的备用编码器，备用编码器的使用方式(即不存在待传输的信息适用的AI编码器时使用备用编码器)。
相应地，终端根据第一配置信息判断第一信息是否适用于待应用的AI编码器的方式为上图5的S102的情况一所示，具体为：终端对第一信息进行上述第一预处理，即对第一信息进行傅里叶变换以转换至角度域和时延域，然后再对部分高时延数据进行截断，以得到第一处理信息H1。然后，终端计算第一处理信息H1和上述均值HTRN的余弦相似度CSH，如果CSH＞HTh，则终端可以确定第一信息适用于该AI编码器，并确定使用的编码器(即第一编码器)为该AI编码器。此时，在S103中，终端可以将第一处理信息H1作为该AI编码器的输入，以得到输出HFB。如果CSH≤HTh，则终端可以确定第一信息不适用该AI编码器，并确定使用的编码器为备用编码器。此时，在S103中，终端可以使用备用编码器对第一信息进行编码。
可选地，若N大于1，终端判断N个AI编码器中是否存在待传输的信息适用的AI编码器的示例和上述示例类似，不同之处在于：终端还可以在余弦相似度大于判断阈值的至少一个AI编码器中确定出余弦相似度最大的AI编码器，该AI编码器即为终端确定的第一信息最适用的AI编码器，也是使用的编码器。
示例性二：假设N且大于1，终端获取的第一配置信息为S101的情况三所示，具体可以包括：有N个输出端口的AI判决器(其中N个输出端口分别对应N组AI编解码器，也可以理解为是对应N个AI编码器)，输出阈值Th，根据输出阈值和AI判决器的输出值判断N个AI编码器中是否存在待传输的信息(假设为CSI)适用的AI编码器的判断方法(即当AI判决器的某个输出端口的输出值大于输出阈值Th，且大于其他N-1个输出端口的输出值时，待传输的信息适用于该端口对应的AI编码器)，第一预处理的信息(即第一预处理包括：傅里叶变换，针对部分高时延数据的截断)，第二预处理的信息(第二预处理和第一预处理一致)，使用码本进行编码的备用编码器，备用编码器的使用方式(即不存在待传输的信息适用的AI编码器时使用备用编码器)。
相应地，终端根据第一配置信息判断N个AI编码器中是否存在第一信息适用的AI编码器的方式为S102的情况三所示，具体为：终端对第一信息进行上述第二预处理，即对第一信息进行傅里叶变换以转换至角度域和时延域，然后再对部分高时延数据进行截断，以得到第二处理信息H2。然后终端将第二处理信息H2作为AI判决器的输入，以得到N个输出端口的输出值I1、I2、...、IN。如果Ii＞Th以及Ii＞Ij，其中i的取值范围为[1，N]，j的取值范围为[1，N]且j和i不等，则终端可以确定第一信息适用于第i个输出端口对应的AI编码器，并确定使用的编码器为该AI编码器。此时，在S103中，终端可以对第一信息进行上述第一预处理，以得到第一处理信息H1，其中，第一预处理和第二预处理一致，因此第一处理信息H1和第二处理信息H2相同。然后，终端可以将第一处理信息作为该AI编码器的输入，以得到输出HFB。如果任意一个输出端口的输出值都小于或等于Th，则终端可以确定第一信息不适用于这N个AI编码器，并确定使用的编码器为备用编码器。此时，在S103中，终端可以使用备用编码器对第一信息进行编码。
S104：终端向网络设备发送第二信息和第一指示信息。
可选地，终端也可以不向网络设备发送第一指示信息。
可选地，第一指示信息可以用于指示终端是否使用了AI编码器。当第一指示信息用于指示终端使用了AI编码器时，第一指示信息还用于指示终端具体使用的AI编码器，例如包括终端确定的第一信息适用的一组AI编解码器的标识。此时，第一编码器为该AI编码器。当第一指示信息用于指示终端未使用AI编码器时，第一指示信息还用于指示终端使用的是备用编码器，即第一编码器为备用编码器。网络设备还可以根据第一指示信息得到：第二信息是终端使用第一编码器编码得到的，可选地，第一编码器为终端确定的第一信息(最)适用的AI编码器。
S105：网络设备根据第一指示信息确定和第一编码器对应的第一解码器。
具体地，S105为可选的步骤。可选地，网络设备可以根据第一指示信息确定终端使用的第一编码器，可选地，确定和第一编码器对应的第一解码器。
例如，第一编码器为AI编码器，第一解码器为AI解码器。第一指示信息包括一组AI编解码器的标识，网络设备可以根据该标识确定第一编码器为该组AI编码器中的AI编码器，并根据该标识确定和该AI编码器对应的AI解码器为第一解码器。或者，第一编码器为备用编码器，第一解码器为对应的备用解码器。第一指示信息包括第一编码器的标识，网络设备可以根据该标识确定第一编码器为使用码本编码方案的编码器，并确定和该编码器对应的使用码本解码方案的解码器为第一解码器。
S106：网络设备使用第一解码器对第二信息进行解码。
具体地，S106为可选的步骤。上述S102-S106是第一信息的传输过程，即一次信息传输过程，其中，S102可以是终端获取到第一配置信息后进行的第一次判断。
S107：终端根据第一配置信息判断是否存在第三信息适用的AI编码器。
S108：终端使用第二编码器对第三信息进行编码并得到第四信息。
S109：终端向网络设备发送第四信息和第二指示信息。
S110：网络设备根据第二指示信息确定和第二编码器对应的第二解码器。
S111：网络设备使用第二解码器对第四信息进行解码。
可选地，上述S107-S111是第二信息的传输过程，也为一次信息传输过程，具体和S102-S106所示的传输过程类似，只是传输时刻和上述第一信息的传输时刻不同，其中，S107可以是终端获取到第一配置信息后进行的第二次判断。可选地，在具体实现中，终端可以持续获取到待传输的信息，周期性或触发式地进行判断过程，即根据第一配置信息判断是否存在待传输的信息适用的AI编码器，其中触发式是指每次获取到待传输的信息时就进行判断。可选地，终端可以根据判断结果选择使用的编码器，也就是说，终端可以进行多次信息传输过程。其中，每次信息传输过程和上述一次传输过程类似，但由于待传输的信息可能不同，因此每次判断的判断结果和使用的编码器可以不同。例如，第一信息和第三信息可以不是同分布的，则S102和S107的判断结果可以不同，第一编码器和第二编码器可以不同(第一解码器和第二解码器也不同)。每次信息传输过程的示例可参见下图6的S203-S207、图7的S302-S308、图8的S402-S408、图9的S502-S506。
在图5所示的方法中，终端可以判断是否存在待传输的信息适用的AI编码器，即判断待传输的信息和AI编解码器的训练数据集是否同分布，从而避免通过AI编解码器对和训练数据集不是同分布的信息进行编码和解码，而带来的信息失真，通信系统的性能恶化不可控的情况。并且，待传输的信息通常较大，终端可以根据不同的待传输的信息快速灵活地切换使用的编码器，相比终端向网络设备发送未经编码或经过高保真编码的信息，由网络设备判断并指示终端使用的编码器，终端自行判断的传输开销更小，时延也更小。
在一些实施例中，网络设备可以在终端根据第一配置信息判断是否存在待传输的信息适用的AI编码器之前，向终端发送D个AI编码器，D为正整数，D小于或等于N，此时一次信息传输过程(即上图5的S102-S106)的示例可参见下图6。
请参见图6，图6是本申请实施例提供的又一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S201：网络设备向终端发送D个AI编码器。
具体地，S201为可选的步骤。
在一些实施例中，S201之前，该方法还可以包括：终端向网络设备上报终端的性能参数，网络设备根据终端的性能参数判断终端是否满足N个AI编码器的性能要求。D个AI编码器为N个AI编码器中网络设备确定的终端满足性能要求的AI编码器，D小于或等于N。不限于此，网络设备也可以直接向终端发送网络设备获取的N个AI编码器，此时D等于N。
S202：网络设备向终端发送第一配置信息。
具体地，S202为可选的步骤。可选地，第一配置信息可以包括N个AI编码器的统计信息，也可以包括D个AI编码器的统计信息。第一配置信息的说明可参见上图5的S101的说明，不再赘述。
S203：终端根据第一配置信息确定第一信息适用于D个AI编码器中的第一AI编码器。
具体地，S203为可选的步骤。S203所示的判断过程和上图5的S102类似，不同之处在于，终端可以基于D个AI编码器进行判断，而不是基于N个AI编码器进行判断，并且判断结果为终端确定存在第一信息适用的AI编码器，且该AI编码器为第一AI编码器。
S204：终端使用第一AI编码器对第一信息进行编码并得到第五信息。
具体地，S204和上图5的S103一致，只是S103中的第一编码器为S204中的第一AI编码器。
S205：终端向网络设备发送第五信息和第三指示信息。
可选地，终端也可以不向网络设备发送第三指示信息。
可选地，第三指示信息可以用于指示终端使用了AI编码器，且终端使用的AI编码器为第一AI编码器。可选地网络设备可以根据第三指示信息得到：第五信息是终端使用第一AI编码器得到的，可选地，第一AI编码器为终端确定的第一信息(最)适用的AI编码器。
S206：网络设备根据第三指示信息确定和第一AI编码器对应的第一AI解码器。
具体地，S206为可选的步骤。可选地，网络设备可以根据第一指示信息确定终端使用的第一AI编码器，可选地，确定和第一AI编码器对应同组的第一AI解码器。
S207：网络设备使用第一AI解码器对第五信息进行解码。
具体地，S207为可选的步骤。
可选地，S207之后，终端还可以进行其他信息传输过程。示例性地，假设终端获取到待传输的第三信息，终端可以根据第一配置信息判断D个AI编码器中是否存在第三信息适用的AI编码器。可选地，若存在第三信息适用的AI编码器，例如也为第一AI编码器(终端已接收到第一AI编码器)，则终端可以使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息。可选地，若存在第三信息适用的AI编码器且终端未接收到该AI编码器，则终端可以向网络设备发送信息，以请求网络设备配置该AI编码器，然后使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息，具体过程和下图7的S302-S308类似。可选地，虽然存在第三信息适用的AI编码器，但终端未接收到该AI编码器，则终端可以使用备用编码器对第三信息进行编码并向网络设备发送使用了备用编码器的指示信息，具体过程和下图8的S402-S408类似。可选地，若不存在第三信息适用的AI编码器，则终端可以按照第一配置信息回退至备用编码方案，即使用备用编码器对第三信息进行编码，并向网络设备发送使用了备用编码器的指示信息，具体过程和下图9的S502-S506类似。
不限于上述列举的情况，在具体实现中，若D小于N，终端可以仍然基于N个AI编码器判断是否存在待传输的信息适用的AI编码器。当终端确定待传输的信息适用于AI编码器X(属于N个AI编码器中除D个AI编码器之外的一个AI编码器)，终端可以向网络设备发送信息，以请求网络设备配置A1编码器X，然后使用AI编码器X进行编码，具体过程和下下图7的S302-S308类似，或者，终端可以使用备用编码器进行编码，具体过程和下图8的S402-S408类似。
在一些实施例中，当终端确定待传输的信息适用于第一AI编码器，以及终端未接收到第一AI编码器时，终端可以向网络设备发送信息，以请求网络设备配置第一AI编码器，然后使用第一AI编码器对待传输的信息进行编码，此时一次信息传输过程(即上图5的S102-S106)的示例可参见下图7。
请参见图7，图7是本申请实施例提供的又一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S301：网络设备向终端发送第一配置信息。
具体地，S301为可选的步骤。第一配置信息的说明可参见上图5的S101的说明，不再赘述。
S302：终端根据第一配置信息确定第一信息适用于第一AI编码器。
具体地，S302为可选的步骤。S302所示的判断过程和上图5的S102一致，只是判断结果为终端确定存在第一信息适用的AI编码器，且该AI编码器为第一AI编码器。由于终端未接收到第一AI编码器，因此终端可以向网络设备发送信息，以请求网络设备配置第一AI编码器，即执行S303。
S303：终端向网络设备发送第四指示信息。
具体地，S303为可选的步骤。
示例性地，第四指示信息可以包括第一AI编码器所在的AI编解码器组的标识，网络设备可以根据该标识确定终端请求配置的编码器为该组AI编解码器中的AI编码器。
S304：响应于第四指示信息，网络设备向终端发送第一AI编码器。
具体地，S304为可选的步骤。
在一些实施例中，若终端在S304之前上报给终端的性能参数，则网络设备接收到第四指示信息后，可以先根据终端的性能参数判断终端是否满足第一AI编码器的性能要求，满足时可以直接发送第一AI编码器，否则可以向终端发送相应的指示信息(例如不满足性能要求的指示等)。
S305：终端使用第一AI编码器对第一信息进行编码并得到第五信息。
S306：终端向网络设备发送第五信息和第三指示信息。
可选地，终端也可以不向网络设备发送第三指示信息。
S307：网络设备根据第三指示信息确定和第一AI编码器对应的第一AI解码器。
具体地，S307为可选的步骤。
S308：网络设备使用第一AI解码器对第五信息进行解码。
具体地，S308为可选的步骤。S305-S308和上图6的S204-S207一致，不再赘述。
不限于上述列举的情况，在具体实现中，第四指示信息还可以包括S302的判断结果，即用于指示：终端确定第一信息(最)适用于第一AI编码器。终端在S306中也可以不发送第三指示信息，网络设备可以根据终端发送的第四指示信息确定终端所需的AI编码器。
可选地，S308之后，终端还可以进行其他信息传输过程。示例性地，假设终端获取到待传输的第三信息，终端可以根据第一配置信息判断N个AI编码器中是否存在第三信息适用的AI编码器。可选地，若存在第三信息适用的AI编码器且为第一AI编码器(终端已接收到第一AI编码器)，则终端可以无需向网络设备发送请求配置第一AI编码器的信息，而是直接使用第一AI编码器对第三信息进行编码，并向网络设备发送使用了第一AI编码器的指示信息，减小了传输时延，具体过程和上图6的S203-S207类似。可选地，若存在第三信息适用的AI编码器且终端未接收到该AI编码器，则终端可以再次向网络设备发送信息，以请求网络设备配置该AI编码器，然后使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息。可选地，虽然存在第三信息适用的AI编码器，但终端未接收到该AI编码器，则终端可以使用备用编码器对第三信息进行编码并向网络设备发送使用了备用编码器的指示信息，具体过程和下图8的S402-S408类似。可选地，若不存在第三信息适用的AI编码器，则终端可以按照第一配置信息回退至备用编码方案，即使用备用编码器对第三信息进行编码，并向网络设备发送使用了备用编码器的指示信息，具体过程和下图9的S502-S506类似。
在一些实施例中，当终端确定待传输的信息适用于第一AI编码器，以及终端未接收到第一AI编码器时，终端可以先使用备用编码器对待传输的信息进行编码，从而减小传输时延，避免影响后续的信息传输过程，此时一次信息传输过程(即上图5的S102-S106)的示例可参见下图8。
请参见图8，图8是本申请实施例提供的又一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S401：网络设备向终端发送第一配置信息。
具体地，S401为可选的步骤。第一配置信息的说明可参见上图5的S101的说明，不再赘述。
S402：终端根据第一配置信息确定第一信息适用于第一AI编码器。
具体地，S402为可选的步骤。S402所示的判断过程和上图5的S102一致，只是判断结果为终端确定存在第一信息适用的AI编码器，且该AI编码器为第一AI编码器。由于终端未接收到第一AI编码器，因此终端可以向网络设备信息，以请求网络设备配置第一AI编码器，即执行S405。
S403：终端使用备用编码器对第一信息进行编码并得到第六信息。
S404：终端向网络设备发送第六信息和第五指示信息。
可选地，第五指示信息可以用于指示终端使用了备用编码器，可选地，没有使用AI编码器。可选地网络设备可以根据第五指示信息得到：第六信息是终端使用备用编码器得到的。
可选地，终端也可以不向网络设备发送第五指示信息。
S405：终端向网络设备发送第四指示信息。
具体地，S405为可选的步骤。
示例性地，第四指示信息可以包括第一AI编码器所在的AI编解码器组的标识，网络设备可以根据该标识确定终端请求配置的编码器为该组AI编解码器中的AI编码器。
示例性地，终端识别到近期待传输的信息相差不大，例如10分钟内都处于体育馆的室内，用户在体育馆的室内移动时，终端待传输的CSI是同分布的。因此终端可以通过第四指示信息向网络设备请求配置第一AI编码器，便于后续可以直接通过第一AI编码器对适用于第一AI编码器的信息进行编码，无需再次请求，减小传输时延。
S406：响应于第四指示信息，网络设备向终端发送第一AI编码器。
具体地，S406为可选的步骤。
在一些实施例中，若终端在S304之前上报给终端的性能参数，则网络设备接收到第四指示信息后，可以先根据终端的性能参数判断终端是否满足第一AI编码器的性能要求，满足时可以直接发送第一AI编码器，否则可以向终端发送相应的指示信息(例如不满足性能要求的指示等)。
可选地，虽然终端确定第一信息(最)适用于第一AI编码器，但由于终端未接收到第一AI编码器，因此终端可以使用备用编码器对第一信息进行编码(即执行S403)，可选地可以向网络设备发送信息，以请求配置第一AI编码器(即执行S405)。需要说明的是，S406在S403和S405之后，但网络设备发送第一AI编码器的具体时刻不作限定，例如S406和S404、S407、S408的顺序不作限定。
其中，S403和S405的顺序不作限定。在一些实施例中，终端可以先进行编码再请求配置第一AI编码器，即S403在S405之前，但此时终端发送编码后的第六信息和请求配置第一AI编码器的顺序不作限定，即S404和S405的顺序不作限定。在另一些实施例中，终端可以先向网络设备发送信息，以请求配置第一AI编码器，并在接收到第一AI编码器之前就进行编码，即S405在S403之前，S406在S403之后。
S407：网络设备根据第五指示信息确定和备用编码器对应的备用解码器。
具体地，S407为可选的步骤。
S408：网络设备使用备用解码器对第六信息进行解码。
具体地，S408为可选的步骤。
可选地，S408之后，终端还可以进行其他信息传输过程。示例性地，假设终端获取到待传输的第三信息，终端可以根据第一配置信息判断N个AI编码器中是否存在第三信息适用的AI编码器。可选地，若存在第三信息适用的AI编码器且为第一AI编码器(终端已接收到该AI编码器)，则终端可以无需向网络设备发送请求配置第一AI编码器的信息，而是直接使用第一AI编码器对第三信息进行编码，并向网络设备发送使用了第一AI编码器的指示信息，减小了传输时延，具体过程和上图6的S203-S207类似。可选地，若存在第三信息适用的AI编码器且终端未接收到该A1编码器，则终端可以向网络设备发送信息，以请求配置该AI编码器，然后使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息，具体过程和上图7的S302-S308类似。可选地，虽然存在第三信息适用的AI编码器，但终端未接收到该AI编码器，则终端可以使用备用编码器对第三信息进行编码并向网络设备发送使用了备用编码器的指示信息，减小传输时延，保证信息编码反馈的过程不中断。可选地，若不存在第三信息适用的AI编码器，则终端可以按照第一配置信息回退至备用编码方案，即使用备用编码器对第三信息进行编码，并向网络设备发送使用了备用编码器的指示信息，具体过程和下图9的S502-S506类似。
在一些实施例中，当终端确定N个AI编码器中不存在待传输的信息适用的AI编码器时，终端可以使用备用编码器对待传输的信息进行编码，从而避免误使用AI编码器带来的传输失真，通信系统的性能恶化的情况，此时一次信息传输过程(即上图5的S102-S106)的示例可参见下图9。
请参见图9，图9是本申请实施例提供的又一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S501：网络设备向终端发送第一配置信息。
具体地，S501为可选的步骤。第一配置信息的说明可参见上图5的S101的说明，不再赘述。
S502：终端根据第一配置信息确定不存在第一信息适用的AI编码器。
具体地，S502为可选的步骤。S502所示的判断过程和上图5的S102一致，只是判断结果为终端确定不存在第一信息适用的AI编码器。
S503：终端使用备用编码器对第一信息进行编码并得到第六信息。
S504：终端向网络设备发送第六信息和第五指示信息。
可选地，第五指示信息可以用于指示终端使用了备用编码器，可选地，没有使用AI编码器。可选地，网络设备可以根据第五指示信息得到：第六信息是终端使用备用编码器得到的。
可选地，终端也可以不向网络设备发送第五指示信息。
S505：网络设备根据第五指示信息确定和备用编码器对应的备用解码器。
具体地，S505为可选的步骤。
S506：网络设备使用备用解码器对第六信息进行解码。
具体地，S506为可选的步骤。
可选地，备用编码器可以是使用码本等传统编码方案的编码器，也可以是其他泛化性更好的AI编码器。若备用编码器为其他泛化性更好的AI编码器，则备用编码器可以是终端判断是否存在待传输的信息适用的AI编码器之前网络设备发送的，也可以是终端判断是否存在待传输的信息适用的AI编码器之后网络设备发送的。
可选地，S506之后，终端还可以进行其他信息传输过程。示例性地，假设终端获取到待传输的第三信息，终端可以根据第一配置信息判断N个AI编码器中是否存在第三信息适用的AI编码器。可选地，若存在第三信息适用的AI编码器且终端已接收该AI编码器，则终端可以无需向网络设备发送请求配置该AI编码器的信息，而是直接使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息，具体过程和上图6的S203-S207类似。可选地，若存在第三信息适用的AI编码器且终端未接收到该AI编码器，则终端可以向网络设备发送信息，以请求配置该AI编码器，然后使用该AI编码器对第三信息进行编码，并向网络设备发送使用了该AI编码器的指示信息，具体过程和上图7的S302-S308类似。可选地，虽然存在第三信息适用的AI编码器，但终端未接收到该AI编码器，则终端可以使用备用编码器对第三信息进行编码，并向网络设备发送使用了备用编码器的指示信息，具体过程和上图8的S402-S408类似。可选地，若不存在第三信息适用的AI编码器，则终端继续使用备用编码器对第三信息进行编码，并向网络设备发送使用了备用编码器的指示信息。
在一种可能的实现方式中，终端可以在判断是否存在待传输的信息适用的AI编码器之后(例如上图5的S102之后)，将此次判断过程得到的判断结果，可选地以及相关参数，上报给网络设备，由网络设备决策终端使用的编码器，具体示例如下图10所示。
请参见图10，图10是本申请实施例提供的又一种信息编码的控制方法的流程示意图。该方法可以包括但不限于如下步骤：
S601：网络设备向终端发送第一配置信息。
具体地，S601为可选的步骤。第一配置信息的说明可参见上图5的S101的说明。在一些实施例中，第一配置信息还可以包括判断准则。在另一些实施例中，S601之前，该方法还可以包括：网络设备和终端协商确定判断准则，即判断准则是预先定义的。在另一些实施例中，S601之前，该方法还可以包括：终端接收网络设备发送的判断准则。其中，判断准则是针对终端根据判断阈值判断是否存在待传输的信息适用的AI编码器的判断过程(例如上图5的S102，也即S602)。判断准则可以为软判决准则或者硬判决准则。
S602：终端根据第一配置信息判断是否存在第一信息适用的AI编码器。
具体地，S602为可选的步骤。可选地，S602和上图5的S102类似，不同之处在于：上图5的S102中终端自行判断以及自行决策最终使用的编码器，因此判断准则默认为硬判决准则，最终的判断结果即为决策结果(一个编码器，即使用的编码器)。而S602中终端只自行判断但不进行决策，判断准则为硬判决准则时判断结果也为一个编码器，但当判断准则为软判决准则时判断结果可以为多个，其中任意一个判断结果对应一个AI编码器，表征待传输的信息是否适用于该A1编码器。
S603：终端向网络设备发送第一判断信息。
具体地，S603为可选的步骤。可选地，第一判断信息可以包括判断结果，可选地以及判断过程(即S602)得到的相关参数，例如获取的余弦相似度、概率参数、AI判决器的输出值等。
可选地，当终端使用硬判决准则进行判断时，若终端确定存在待传输的信息适用的AI编码器，则第一判断信息可以包括：该AI编码器所在的AI编解码器组的标识以及表征待传输的信息适用于该AI编码器的指示(即判断结果)。若终端确定不存在待传输的信息适用的AI编码器，则第一判断信息可以包括：表征待传输的信息不适用任意一个AI编码器的指示(即判断结果)。
可选地，当终端使用软判决准则进行判断时，可选地，第一判断信息可以包括：待传输的信息是否适用于N个AI编码器的指示或者待传输的信息适用于N个AI编码器的概率值(即N个判断结果)以及表征这N个判断结果的可信程度的指标。可选地，第一判断信息可以包括：待传输的信息适用的S个AI编码器的指示(即S个判断结果，S小于或等于N)以及表征待传输的信息适用于这S个AI编码器的程度的指标。例如，第一判断信息可以包括：待传输的信息适用于2个AI编码器(分别为AI编码器1和AI编码器2)，其中待传输的信息适用于AI编码器1、AI编码器2的程度的指标分别为：1、2，其中指标值越大表征适用程度越高，因此待传输的信息更适用于AI编码器2。
可选地，终端判断是否存在第一信息适用的AI编码器的方法为上图5的S102的情况一所示，第一判断信息还可以包括获取的余弦相似度，例如第一信息和N个AI编码器的统计信息的余弦相似度中最大的S个，其中S为正整数，且1≤S≤N。可选地，终端判断是否存在第一信息适用的AI编码器的方法为上图5的S102的情况二所示，第一判断信息还可以包括获取的概率参数，例如第一信息通过N个AI编码器的统计信息计算所得的N个PDF中最大的T个，其中T为正整数，且1≤T≤N。可选地，终端判断是否存在第一信息适用的AI编码器的方法为上图5的S102的情况三所示，第一判断信息还可以包括AI判断器的至少一个输出端口的输出值，例如N个输出端口的输出值，或者大于输出阈值的输出值，或者N个输出值中最大的Y个输出值，其中Y为正整数，且1≤Y≤N。
S604：网络设备根据第一判断信息确定第三编码器。
具体地，S604为可选的步骤。可选地，第三编码器为AI编码器或者备用编码器。可选地，当终端使用硬判决准则进行判断时，可选地，若终端确定存在待传输的信息适用的AI编码器，网络设备可以根据实际情况(例如终端是否满足该AI编码器的性能要求)决策终端使用的编码器是否为该AI编码器或备用编码器。可选地，若终端确定不存在待传输的信息适用的AI编码器，网络设备可以决策终端使用的编码器为备用编码器。可选地，当终端使用软判决准则进行判断时，网络设备可以结合实际情况(例如终端是否满足AI编码器的性能要求)以及第一判断信息决策终端使用的编码器，决策方式和上图5的S102中终端决策使用的编码器的方式一致，不再赘述。
S605：网络设备向终端发送第六指示信息和第三编码器。
具体地，S605为可选的步骤。可选地，第六指示信息用于指示终端使用第三编码器进行编码。
S606：终端使用第三编码器对第一信息进行编码并得到第七信息。
在一些实施例中，第三编码器为AI编码器，终端可以先对第一信息进行第一预处理，然后再将第一预处理后的信息输入该AI编码器以获取输出的第七信息。
在一些实施例中，第三编码器为AI编码器，第六指示信息中可以包括该AI编码器对应的第一预处理的信息，则终端可以先对第一信息进行第一预处理，然后再将第一预处理后的信息输入该AI编码器以获取输出的第七信息。
S607：终端向网络设备发送第七信息。
S608：网络设备使用第三编码器对应的第三解码器对第七信息进行解码。
具体地，S608为可选的步骤。可选地，由于网络设备向终端发送了第六指示信息，因此网络设备可以默认第六指示信息中指示的第三编码器即为终端使用的编码器，可选地，网络设备可以直接使用第三编码器对应的第三解码器对第七信息进行解码。
在一些实施例中，S607中还可以包括指示终端对第七信息进行编码时使用的编码器为第三编码器的信息，网络设备可以根据该信息确定第三编码器对应的第三解码器，并使用第三解码器对第七信息进行解码。
在一些实施例中，网络设备可以在终端根据第一配置信息判断是否存在待传输的信息适用的AI编码器之前向终端发送AI编码器。例如在上述S601之前，网络设备向终端发送D个AI编码器，那么S605中网络设备可以无需发送第三编码器(AI编码器)，具体过程和上图6类似，不再赘述。
在一些实施例中，网络设备在S605中未向终端发送第三编码器且第三编码器为AI编码器，则终端可以在接收到第六指示信息之后向网络设备发送信息，以请求配置第三编码器，例如在S605之后S606之前向网络设备发送请求配置第三编码器的指示信息，具体过程和上图7类似，不再赘述。
在一些实施例中，第三编码器为备用编码器，则网络设备可以在S605中不发送第三编码器。
可选地，S608之后，终端还可以进行其他信息传输过程。其他信息传输过程中任意一个信息传输过程可以和上述S602-S608一样由终端判断由网络设备决策终端使用的编码器，也可以和上图5的S102-S106一样由终端判断和决策终端使用的编码器，例如为上图6的S203-S207、图7的S302-S308、图8的S402-S408、图9的S502-S506所示。
在图10所示的方法中，也可以由网络设备决策终端使用的编码器，减小终端的处理压力。而且终端可以无需发送指示使用的编码器的信息，减小传输开销。若决策的终端使用的编码器是网络设备未发送的AI编码器，则可以由网络设备直接发送该AI编码器，无需终端发送请求配置该A1编码器的信息，减小传输开销。
在一些实施例中，网络设备可以训练生成AI编解码器。其中，网络设备训练AI编解码器时所使用的训练数据集可以是终端向网络设备发送的待传输信息，终端可以对待传输信息进行筛选，以将对训练AI编解码器价值高的数据(未经编码或经过高保真编码)发送给网络设备，从而提高AI编解码器的泛化性，具体示例如下图11所示。
请参见图11，图11是本申请实施例提供的一种筛选方法的流程示意图。该方法可以应用于图1所示的通信系统，也可以应用于图2所示的场景。该方法中的终端可以是图3所示的终端100。该方法中的网络设备可以是图4所示的网络设备200。该方法可以包括但不限于如下步骤：
S701：网络设备向终端发送第一配置信息。
具体地，S701为可选的步骤。第一配置信息的说明可参见上图5的S101的说明。可选地，第一配置信息还可以包括终端判断是否发送待传输信息的判断准则，该判断准则可以是硬判决准则或软判决准则。可选地，如果是硬判决准则，则终端可以直接根据待传输的信息是否适用于AI编解码器确定是否发送待传输信息。可选地，如果是软判决准则，则终端可以按照预设规则确定待传输的信息的发送概率，然后根据发送概率发送待传输的信息。可选地，第一配置信息还可以包括上述预设规则，例如判断过程得到的相关参数(例如余弦相似度、概率参数或AI判决器的输出值)和发送概率的映射关系(例如成正比，该映射关系可以通过函数和/或参数来表示)。可选地，上述预设规则由终端和网络设备预先协商配置。
S702：终端根据第一配置信息确定发送第八信息。
具体地，S702为可选的步骤。可选地，终端可以根据第一配置信息判断待传输信息是否可以被发送，即待传输信息是否对训练AI编解码器价值高。可选地，若想提高AI编解码器的泛化性，需在训练AI编解码器时将输入设置为和已有的训练数据集不是同分布的数据，也就是说不适用AI编解码器的数据对训练AI编解码器的价值更高。
可选地，如果第一配置信息中终端判断是否发送待传输的信息的判断准则是硬判决准则，则终端可以根据第一配置信息判断待传输信息是否适用于AI编解码器，若不适用则可以将待传输信息发送至网络设备，判断方法和上图5的S102所示的判断方法类似，但所需的判断结果相反。可选地，如果第一配置信息中终端判断是否发送待传输信息的判断准则是软判决准则，则终端可以基于预设规则，根据判断过程得到的相关参数确定待传输的信息的发送概率，其中，上述相关参数越大，发送概率越低。具体判断示例如下所示：
示例一：假设第一配置信息为S101的情况二所示，以及包括经过第一预处理的训练数据集的均值。N等于1，预先定义或第一配置信息中指示的一组判断阈值包括一个判断阈值CSt。终端可以先对待传输的信息进行第一预处理，然后计算第一预处理后的信息和该均值的余弦相似度CS0。如果第一配置信息中的上述判断准则是硬判决准则，则在CS0≤CSt的情况下，终端可以确定待传输信息不适用于这组AI编解码器，即对训练这组AI编解码器的价值高，因此可以确定发送待传输信息，否则确定不发送待传输信息。如果第一配置信息中的上述判断准则是软判决准则，则终端可以根据上述计算得到的余弦相似度CS0确定待传输信息的发送概率。例如，若CS0≤CSt，则以概率P1发送待传输信息，若CS0＞CSt，则以概率P2发送待传输信息，其中P2＜P1。或者，根据预设规则计算得到的发送概率P＝(1-CS0)/2，其中，由于CS0的取值范围为[-1，1]，则P的取值范围为[0，1]。然后，终端可以根据发送概率P的抽样确定是否发送待传输的信息。或者，终端也可以将发送概率P发送给网络设备，由网络设备根据发送概率P的抽样确定是否允许终端发送第八信息。例如当抽样值表征发送时即发送待传输的信息，否则不发送待传输的信息。
示例二：假设第一配置信息为S101的情况一所示，以及包括训练数据集的数学分布的完整分布参数。N等于1，预先定义或第一配置信息中指示的一组判断阈值包括两个判断阈值PDFt1和PDFt2。终端可以计算待传输的信息在该数学分布中的PDF，即为PDF0。如果第一配置信息中的上述判断准则是硬判决准则，则在PDFt1≤PDF0≤PDFt2情况下，终端可以确定待传输信息适用于这组AI编解码器，但应用这组AI编解码器对待传输的信息进行编解码的效果预期较差；若PDF0＞PDFt2，则终端可以确定待传输信息适用于这组AI编解码器，以及应用这组AI编解码器对待传输的信息进行编解码的效果预期较好，在这两种情况下，终端均可以确定不发送待传输的信息。若PDF0＜PDFt1，则终端可以确定待传输信息不适用于这组AI编解码器，即待传输的信息是对训练这组AI编解码器价值高的信息，因此可以确定发送待传输的信息。如果第一配置信息中的上述判断准则是软判决准则，则终端可以根据预设规则确定待传输信息的发送概率，例如，若PDF0＜PDFt1，则以概率P1发送待传输信息；若PDFt1≤PDF0≤PDFt2，则以概率P2发送待传输信息；若PDF0＞PDFt2，则以概率P3发送待传输信息，其中P3＜P2＜P1。或者，根据预设规则计算得到的发送概率为P＝(1-PDF0/PDFmax)，其中，PDF0的取值范围为[0，PDFmax]，PDFmax为该数学分布的PDF的最大值，相应地，P的取值范围为[0，1]。然后，终端可以根据发送概率P的抽样确定是否发送待传输的信息。或者，终端也可以将发送概率P发送给网络设备，由网络设备根据发送概率P的抽样确定是否允许终端发送待传输的信息。例如当抽样值表征发送时即发送待传输的信息，否则不发送待传输的信息。
示例三：假设第一配置信息为S101的情况三所示，N大于1。终端可以将AI判决器的输入设置为待传输信息，以获取AI判决器的N个输出端口的输出I1、I2、...、IN。如果第一配置信息中的上述判断准则是硬判决准则，则对于第i个输出端口对应的一组AI编解码器，若Ii≤输出阈值It，i的取值范围为[1，N]，则终端可以确定待传输信息不适用于该组AI编解码器，即对训练该组AI编解码器的价值高，因此可以确定发送待传输信息。如果第一配置信息中的上述判断准则是软判决准则，则对于第i个输出端口对应的一组AI编解码器，Ii为待传输信息适用该组AI编解码器的概率，则根据预设规则计算得到的待传输的信息的发送概率为P＝1-Ii，P的取值范围为[0，1]。然后，终端可以根据发送概率P的抽样确定是否发送待传输的信息。或者，终端也可以将发送概率P发送给网络设备，由网络设备根据发送概率P的抽样确定是否允许终端发送待传输的信息。例如当抽样值表征发送时即发送待传输的信息，否则不发送待传输的信息。
可选地，假设终端确定第八信息为对训练AI编解码器价值高的数据，因此终端可以向网络设备请求发送第八信息，即执行S702。
S703：终端向网络设备发送第一通知信息。
具体地，S703为可选的步骤。可选地，第一通知信息可以用于向网络设备请求发送数据，例如请求传输资源。可选地，第一通知信息具体可以包括上述判断过程(即S702)得到的判断结果，即待传输的第八信息对训练AI编解码器价值高。可选地，第一通知信息具体可以包括上述判断过程(即S702)得到的发送概率。可选地，第一通知信息具体可以包括上述判断过程(即S702)得到的相关参数，例如：计算出的余弦相似度、概率参数(如上述PDF0或PMF0)、AI判决器的输出值。
S704：响应于第一通知信息，网络设备向终端发送第二通知信息。
具体地，S704为可选的步骤。可选地，网络设备可以结合第一通知信息(例如包括S702得到的判断结果、发送概率、和/或相关参数)和资源利用情况(例如是否存在可用的上行传输资源)等实际情况判断是否允许终端发送数据。例如，第一通知信息包括S702得到的判断结果，网络设备可以在确定传输资源可用时允许终端发送数据。或者，第一通知信息包括S702得到的发送概率，网络设备可以根据发送概率的抽样确定是否允许终端发送第八信息。或者，第一通知信息包括S702得到的相关参数，网络设备可以根据终端上报的相关参数判断第八信息是否为对训练AI编解码器价值高的数据，即是否可以被发送，判断方式可以和S702所示的判断过程一致，只是此时S702中终端可以仅计算出相关参数，但不判断第八信息是否为对训练AI编解码器价值高的数据，即S702可以无需得到判断结果。在上述基础上，网络设备可以在上行传输资源可用的情况下允许终端发送第八信息。可选地，第二通知信息可以用于指示允许终端发送数据，可选地以及网络设备为终端分配的传输资源的相关信息，例如传输频段的标识。可选地，第二通知信息也可以用于指示拒绝终端发送数据，可选地，终端接收到第二通知信息时可以取消发送数据。
S705：终端向网络设备发送第八信息。
可选地，假设第二通知信息用于指示允许终端发送数据，则终端可以向网络设备发送未经过编码的第八信息或者经过高保真编码的第八信息，保证数据的完整性，提高训练AI编解码器的准确性。
S706：终端根据第一配置信息确定不发送第九信息。
具体地，S706为可选的步骤。可选地，上述S702-S705可以是终端获取到第一配置信息后第一次判断是否发送待传输的信息，判断结果为确定发送，上述S706可以是终端获取到第一配置信息后第二次判断是否发送待传输的信息，判断结果为确定不发送。可选地，在具体实现中，终端可以持续获取到待传输的信息，周期性或触发式地进行多次判断，即根据第一配置信息判断是否上环待传输的信息。其中，每次判断和上述第一次判断、第二次判断类似，但由于待传输的信息可能不同，因此每次得到的判断结果可以不同，例如为确定发送或确定不发送。
在图11所示的方法中，待传输的信息通常较大，终端可以对待传输的信息进行筛选，以将对训练AI编解码器价值高的数据发送给网络设备，从而避免终端发送对训练AI编解码器价值低的数据给网络设备，由于训练数据集不均衡带来的AI编解码器性能较差的情况，也避免了上行带宽被浪费。
可选地，上述AI编解码器的信息(例如AI编解码器的标识)，也可以理解为是该AI编解码器中AI编码器的信息(例如AI编码器的标识)，或者也可以理解为是该AI编解码器中AI解码器的信息(例如AI解码器的标识)，也可以反过来理解。
在一些实施例中，网络设备向终端发送的AI判决器可以是独立训练生成的，具体示例如下图12所示。
请参见图12，图12示例性示出一种AI判决器的生成过程。
如图12的(A)所示，训练生成用于判断待传输的信息是否适用于一组AI编解码器的AI判决器时，可以将训练数据集分为两个集合：R(1)和R(2)，其中，R(1)可以是和这组AI编解码器的训练数据集同分布的数据，例如就为这组AI编解码器的训练数据集的集合，R(2)可以是和这组AI编解码器的训练数据集不是同分布的数据，例如为其他组AI编解码器的训练数据集的集合。可选地，AI判决器的AI模型可以设置为至少一层神经网络，该AI模型的最后一层假设设置为Sigmoid函数，则输出值的取值范围为[0，1]。可选地，AI判决器的输入的数据类型可以设置为CSI，输出端口可以为一个。可选地，在训练AI判决器时，可以在将输入设置为R(1)中的数据时，将输出设置为1，以及在将输入设置为R(2)中的数据时，将输出设置为0。可选地，后续使用该AI判决器进行推理时，可以将待传输的信息设置为该AI判决器的输入，以获取该AI判决器的输出值。输出值越大，表征待传输的信息越适用于该AI编解码器，即应用该AI编解码器的效果越好。可选地，当输出值大于输出阈值(例如为0.5)时，可以表征待传输的信息适用于该AI编码器，否则表征待传输的信息不适用于该AI编码器。
如图12的(B)所示，训练生成用于判断待传输的信息是否适用于N组AI编解码器的AI判决器时，可以将训练数据集分为N个集合：H(1)、H(2)、...、H(N)，其中，H(i)可以是和第i组AI编解码器的训练数据集同分布的数据，例如就为第i组AI编解码器的训练数据集的集合，i为正整数，i的取值范围为[1，N]。可选地，AI判决器的AI模型可以设置为至少一层神经网络，该AI模型的最后一层假设设置为Softmax函数，则每个输出端口的输出的取值范围均为[0，1]，且所有端口输出值的和为1。可选地，AI判决器的输入的数据类型可以设置为CSI，输出端口可以为N个：端口1、端口2、...端口N，其中端口i可以对应第i组AI编解码器，即输出端口i的输出值表征待传输的信息是否适用于第i组AI编解码器。可选地，在训练AI判决器时，可以在将输入设置为H(i)中的数据时，将输出端口i的输出值设置为1，其他输出端口的输出值设置为0。例如，输入为H(1)中的数据时，输出端口1的输出值设置为1，其他N-1个输出端口的输出值设置为0。这样训练得到的AI判决器也可理解为是N分类判决器。可选地，后续使用该AI判决器进行推理时，可以将待传输的信息设置为该AI判决器的输入，以获取该AI判决器的N个输出端口的输出值。可以通过比较N个输出端口的输出值确定出待传输的信息最适用的AI编解码器，例如当输出端口i的输出值大于输出阈值(例如为0.5)，以及大于其他N-1个输出端口的输出值时，可以表征待传输的信息最适用于第i组AI编解码器。也就是说，输出端口i的输出值越大，表征待传输的信息越适用于第i组AI编解码器，即应用第i组AI编解码器对待传输的信息进行编解码的效果预期越好。
可选地，上述A“大于”B，也可以替换为(-A)“小于”(-B)。并且，上述“大于”某个阈值，也可以替换为“大于或等于”，也可以反过来替换。类似地，上述“小于”某个阈值，也可以替换为“小于或等于”，也可以反过来替换。
在一些实施例中，网络设备向终端发送的AI判决器可以是迁移学习得到的，具体示例如下图13所示。
请参见图13，图13示例性示出又一种AI判决器的生成过程。
如图13的(A)所示，可选地，N个AI编码器(AI编码器1、AI编码器2、...、AI编码器N)可以和AI判决器共用一个共享骨干网络，可选地，可以先用所有数据统一训练一个AI编解码器，然后保留该AI编解码器中AI编码器部分的浅层网络(例如前F层网络，F为正整数，且F小于AI编码器的总层数)作为共享骨干网络。可选地，保持共享骨干网络不变(即在后续的训练中参数不再更新)，后面分别对接不同的AI编码器子网络及AI解码器，使用各组AI编解码器对应的训练数据集训练生成最终的各组AI编解码器。可选地，保持共享骨干网络不变，后面对接AI判决器子网络，使用所有数据训练生成N分类判决器(即AI判决器)。即共享骨干网络的训练需要在各子网络训练之前完成。可选地，训练生成AI判决器时，可以保持共享骨干网络不变训练子网络k，具体示例可参见图13的(B)。训练生成AI编解码器i时，可以保持共享骨干网络不变训练(AI编码器i对应的)子网络i和AI解码器i，具体示例可参见图13的(C)所示，其中i为正整数，i的取值范围为[1，N]。
示例性地，共享骨干网络可以包括至少一层(可选地，任意一层也可以为一个包括多层的模块)，子网络可以是一层(可选地，这一层也可以为一个包括多层的模块)。
如图13的(B)所示，可选地，训练AI判决器时，可以将子网络k的最后一层设置为Softmax函数。训练AI判决器时，可以在将输入设置为H(i)中的数据时，将输出端口i的输出值设置为1，其他输出端口的输出值设置为0。例如，输入为H(N)中的数据时，输出端口N的输出值设置为1，其他N-1个输出端口的输出值设置为0。可选地，在训练过程中只更新子网络k的参数，不更新共享骨干网络的参数。可选地，后续使用该AI判决器进行推理时，可以将待传输的信息设置为该AI判决器的输入，以获取该AI判决器的N个输出端口的输出值。可以通过比较N个输出端口的输出值确定出待传输的信息最适用的AI编码器，具体示例可参见上图12的(B)的说明。
如图13的(C)所示，可选地，AI编码器i和同组对应的AI解码器i一起进行训练，可以构成一个大的AI模型。可选地，训练该AI模型时，将输入设置为H(i)，将输出同样设置为上述H(i)，即输入数据和输出数据相同。可选地，在训练过程中只更新子网络i和AI解码器i的参数，不更新共享骨干网络的参数。该AI模型训练完成后即可得到对应的AI编码器i和AI解码器i。
在一些实施例中，在训练AI判决器时，可以对训练数据集进行第二预处理，然后将第二预处理后的数据作为AI判决器的输入。可选地，在进行推理时，也可以先对待传输的信息进行第二预处理，然后将第二预处理后的信息作为AI判决器的输入以获取输出。
本申请中，网络设备向终端发送AI判决器或任意一个AI编码器后，后续若向终端发送AI判决器或其他AI编码器时，可以只发送对应的子网络，无需发送整个AI模型，减小传输资源。并且，若终端使用AI判决器判断是否存在任意一个待传输的信息(简称为信息B)适用的AI编码器，即信息B已经过共享骨干网络处理(处理后的信息简称为信息C)，则后续终端使用任意一个AI编码器对信息B进行编码时，无需再将信息B经过该AI编码器的整个AI模型进行处理，直接将信息C输入该AI编码器的子网络即可，大大减小了计算量。
不限于上图13的(C)所示实施例，在具体实现时，也可以独立训练生成AI编解码器，具体示例如下图14所示。
请参见图14，图14示例性示出一种AI编解码器的生成过程。
如图14所示，可选地，AI编码器i和同组对应的AI解码器i一起进行训练，可以构成一个大的AI模型，例如该AI模型为用于实现CSI编解码的CsiNet。可选地，训练该AI模型时，将输入(也是AI编码器i的输入)设置为H(i)，将输出(也是AI解码器i)同样设置为上述H(i)，即输入数据和输出数据相同。可选地，H(i)可以是CSI或经过预处理的CSI，AI编码器的输出H′(i)可以是CSI的编码信息或者该编码信息对应的索引，相比H(i)，H′(i)的维度被大大降低。可选地，AI编码器的输出H′(i)可以再作为AI解码器的输入，输出即为恢复的CSI。训练过程中，AI编码器i和AI解码器i的参数都可以被更新，也可以根据需要只更新AI编码器i或AI解码器i的参数。该AI模型训练完成后即可得到对应的AI编码器i和AI解码器i。
示例性地，假设网络设备为基站，终端进入基站覆盖的范围内后和基站建立连接，连接后基站可以向终端发送第一配置信息。在保持和基站的连接的情况下，假设第一时刻终端处于地理位置A且位于室内，此时终端需要向基站发送第一CSI。终端可以根据第一配置信息判断是否存在第一CSI适用的AI编码器，假设第一CSI最适用于第一AI编码器，则终端可以向基站发送请求配置第一AI编码器的信息，然后使用第一A1编码器对第一CSI进行编码。然后终端可以将编码后的CSI和指示使用了第一AI编码器的信息发送给基站，基站可以使用和第一AI编码器对应的AI解码器解码得到终端上报的第一CSI。终端可以发生移动，假设第二时刻处于地理位置B且位于室外，此时终端需要向基站发送第二CSI。终端可以根据第一配置信息判断是否存在第二CSI适用的AI编码器，假设不不存在第二CSI适用的AI编码器，则终端可以使用备用编码器对第二CSI进行编码。然后终端可以将编码后的CSI和指示使用了备用编码器的信息发送给基站，基站可以使用和备用编码器对应的备用解码器解码得到终端上报的第二CSI。
不限于上述列举的情况，在具体实现中，终端接收的AI编解码器的信息(例如上述第一配置信息)和AI编码器也可以不是网络设备发送的，而是其他设备发送的，例如网络设备为核心网设备时，可以先将AI编解码器的信息和A1编码器发送给基站，然后由基站根据实际情况发送给终端。
可选地，AI编码器的输入可以是终端待传输的信息，也可以是终端待传输的信息经过第一预处理后得到的信息，还可以是终端待传输的信息经过其他处理得到的，例如CSI经过矩阵分解后得到的预编码矩阵指示(precoding matrix indicator，PMI)，或CSI的相关矩阵等，本申请对此不作限定。
可选地，AI判决器的输入可以是终端待传输的信息，也可以是终端待传输的信息经过第二预处理后得到的信息，还可以是终端待传输的信息经过其他处理得到的，例如CSI经过矩阵分解后得到的PMI，或CSI的相关矩阵等，本申请对此不作限定。
不限于上述说明的AI判决器，在具体实现中，AI判决器中的部分模块可以是AI模型，其他模块可以是其他处理模块，即AI判决器中的部分模块或全部模块为AI模型。
不限于上述列举的情况，在具体实现中，本申请实施例中终端也可以是其他设备，例如为基站、核心网设备等，执行操作等相关说明可参见终端的说明。类似地，网络设备也可以是其他设备，例如为终端等，执行操作等相关说明可参见网络设备的说明。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来计算机程序相关的硬件完成，该计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器(read-only memory，ROM)或随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可存储计算机程序代码的介质。

Claims (28)

1.一种信息编码的控制方法，其特征在于，所述方法包括：
接收第一配置信息，所述第一配置信息用于配置N个AI编码器的N组参数，N为大于1的正整数，所述N组参数为所述N个AI编码器的训练数据集的统计信息；
向网络设备发送第一指示信息，所述第一指示信息用于指示第一编码器用于第一信息编码，所述第一编码器是根据所述N组参数和所述第一信息确定的，所述第一编码器是所述N个AI编码器中的编码器，或者，所述第一编码器是和所述N个AI编码器不同的第二编码器。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
发送第二信息，所述第二信息是基于所述第一编码器对所述第一信息的编码确定的。
3.如权利要求1或2所述的方法，其特征在于，所述第一编码器是根据第一判断参数和第一判断阈值的关系确定的，所述第一判断参数是根据所述N组参数和所述第一信息确定的，所述第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
4.如权利要求1或2所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
5.一种信息编码的控制方法，其特征在于，所述方法包括：
接收第一配置信息，所述第一配置信息用于配置AI判决器，所述AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定所述N个AI编码器不适用于所述第一信息编码，N为大于1的正整数；
向网络设备发送第一指示信息，所述第一指示信息用于指示第一编码器用于所述第一信息编码，所述第一编码器是根据所述AI判决器和所述第一信息确定的，所述第一编码器是所述N个AI编码器中的编码器，或者，所述第一编码器是和所述N个AI编码器不同的第二编码器。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
发送第二信息，所述第二信息是基于所述第一编码器对所述第一信息的编码确定的。
7.如权利要求5或6所述的方法，其特征在于，所述第一编码器是根据所述AI判决器的输出确定的，所述AI判决器的输出是根据所述第一信息和所述AI判决器得到的。
8.如权利要求5或6所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
9.一种信息编码的控制方法，其特征在于，所述方法包括：
接收第一配置信息，所述第一配置信息用于配置第一AI编码器的参数，所述第一AI编码器的参数为所述第一AI编码器的训练数据集的统计信息；
向网络设备发送第一指示信息，所述第一指示信息用于指示第一编码器用于第一信息编码，所述第一编码器是根据所述第一AI编码器的参数和所述第一信息确定的，所述第一编码器是所述第一AI编码器，或者，所述第一编码器是和所述第一AI编码器不同的第二编码器。
10.如权利要求9所述的方法，其特征在于，所述方法还包括：
发送第二信息，所述第二信息是基于所述第一编码器对所述第一信息的编码确定的。
11.如权利要求9或10所述的方法，其特征在于，所述第一编码器是根据第一判断参数和第一判断阈值的关系确定的，所述第一判断参数是根据所述第一AI编码器的参数和所述第一信息确定的，所述第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
12.如权利要求9或10所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
13.一种信息编码的控制方法，其特征在于，所述方法包括：
接收第一配置信息，所述第一配置信息用于配置AI判决器，所述AI判决器用于确定第一AI编码器适用于第一信息编码，和/或用于确定所述第一AI编码器不适用于所述第一信息编码；
向网络设备发送第一指示信息，所述第一指示信息用于指示第一编码器用于所述第一信息编码，所述第一编码器是根据所述AI判决器和所述第一信息确定的，所述第一编码器是所述第一AI编码器，或者，所述第一编码器是和所述第一AI编码器不同的第二编码器。
14.如权利要求13所述的方法，其特征在于，所述方法还包括：
发送第二信息，所述第二信息是基于所述第一编码器对所述第一信息的编码确定的。
15.如权利要求13或14所述的方法，其特征在于，所述第一编码器是根据所述AI判决器的输出确定的，所述AI判决器的输出是根据所述第一信息和所述AI判决器得到的。
16.如权利要求13或14所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
17.一种信息编码的控制方法，其特征在于，所述方法包括：
向终端发送第一配置信息；所述第一配置信息用于配置N个AI编码器的N组参数，所述N组参数为所述N个AI编码器的训练数据集的统计信息；
接收第一指示信息和第二信息，所述第二信息是所述终端基于第一信息和第一编码器确定的，所述第一指示信息用于指示所述第一编码器用于所述第一信息编码，所述第一编码器是根据所述N组参数和所述第一信息确定的，所述第一编码器是所述N个AI编码器中的编码器，或者，所述第一编码器是和所述N个AI编码器不同的第二编码器。
18.如权利要求17所述的方法，其特征在于，所述方法还包括：
使用与所述第一编码器对应的第一解码器对所述第二信息进行解码。
19.如权利要求17或18所述的方法，其特征在于，所述第一编码器是根据第一判断参数和第一判断阈值的关系确定的，所述第一判断参数是根据所述N组参数和所述第一信息确定的，所述第一判断参数为余弦相似度CS、概率密度函数PDF、概率质量函数PMF或者欧式距离。
20.如权利要求17或18所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
21.一种信息编码的控制方法，其特征在于，所述方法包括：
向终端发送第一配置信息；所述第一配置信息用于配置AI判决器，所述AI判决器用于确定N个AI编码器中第一信息适用的AI编码器，和/或用于确定所述N个AI编码器不适用于所述第一信息编码；
接收第一指示信息和第二信息，所述第二信息是所述终端基于第一信息和第一编码器确定的，所述第一指示信息用于指示所述第一编码器用于所述第一信息编码，所述第一编码器是根据所述AI判决器和所述第一信息确定的，所述第一编码器是所述N个AI编码器中的编码器，或者，所述第一编码器是和所述N个AI编码器不同的第二编码器。
22.如权利要求21所述的方法，其特征在于，所述方法还包括：
使用与所述第一编码器对应的第一解码器对所述第二信息进行解码。
23.如权利要求21或22所述的方法，其特征在于，所述第一编码器是根据所述AI判决器的输出确定的，所述AI判决器的输出是根据所述第一信息和所述AI判决器得到的。
24.如权利要求21或22所述的方法，其特征在于，所述第一信息为信道状态信息CSI或上行数据。
25.一种终端，其特征在于，包括收发器、处理器和存储器，所述存储器用于存储计算机程序，所述处理器调用所述计算机程序，用于执行如权利要求1-16任一项所述的方法。
26.一种网络设备，其特征在于，包括收发器、处理器和存储器，所述存储器用于存储计算机程序，所述处理器调用所述计算机程序，用于执行如权利要求17-24任一项所述的方法。
27.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-16任一项或权利要求17-24任一项所述的方法。
28.一种计算机程序产品，其特征在于，所述计算机程序产品在电子设备上运行时，使得所述电子设备执行权利要求1-16任一项或权利要求17-24任一项所述的方法。
CN202110376449.8A 2021-02-24 2021-04-06 信息编码的控制方法及相关装置 Active CN114978413B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/547,449 US20240146582A1 (en) 2021-02-24 2022-02-11 Information encoding control method and related apparatus
PCT/CN2022/075987 WO2022179402A1 (zh) 2021-02-24 2022-02-11 信息编码的控制方法及相关装置
EP22758767.2A EP4283894A1 (en) 2021-02-24 2022-02-11 Information encoding control method and related apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2021102067699 2021-02-24
CN202110206769 2021-02-24

Publications (2)

Publication Number Publication Date
CN114978413A CN114978413A (zh) 2022-08-30
CN114978413B true CN114978413B (zh) 2024-05-03

Family

ID=82973922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110376449.8A Active CN114978413B (zh) 2021-02-24 2021-04-06 信息编码的控制方法及相关装置

Country Status (4)

Country Link
US (1) US20240146582A1 (zh)
EP (1) EP4283894A1 (zh)
CN (1) CN114978413B (zh)
WO (1) WO2022179402A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1237073A (zh) * 1998-05-26 1999-12-01 皇家菲利浦电子有限公司 选择源编码器的收发器和在此收发器中进行的过程
CN108292941A (zh) * 2015-11-11 2018-07-17 三星电子株式会社 用于减少的反馈mimo的方法和装置
CN109474315A (zh) * 2017-09-07 2019-03-15 华为技术有限公司 一种指示及确定预编码矩阵的方法和设备
WO2020035684A1 (en) * 2018-08-15 2020-02-20 Imperial College Of Science, Technology And Medicine Joint source channel coding of information sources using neural networks

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019144377A1 (en) * 2018-01-26 2019-08-01 Qualcomm Incorporated Techniques and apparatuses for precoding configuration
JP7063052B2 (ja) * 2018-03-28 2022-05-09 富士通株式会社 適合度算出プログラム、適合度算出方法、適合度算出装置、識別プログラム、識別方法及び識別装置
US11205121B2 (en) * 2018-06-20 2021-12-21 Disney Enterprises, Inc. Efficient encoding and decoding sequences using variational autoencoders
CN112367675B (zh) * 2020-11-11 2022-04-08 内蒙古大学 基于自编码器的无线传感器网络数据融合方法及网络系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1237073A (zh) * 1998-05-26 1999-12-01 皇家菲利浦电子有限公司 选择源编码器的收发器和在此收发器中进行的过程
CN108292941A (zh) * 2015-11-11 2018-07-17 三星电子株式会社 用于减少的反馈mimo的方法和装置
CN109474315A (zh) * 2017-09-07 2019-03-15 华为技术有限公司 一种指示及确定预编码矩阵的方法和设备
WO2020035684A1 (en) * 2018-08-15 2020-02-20 Imperial College Of Science, Technology And Medicine Joint source channel coding of information sources using neural networks

Also Published As

Publication number Publication date
EP4283894A1 (en) 2023-11-29
WO2022179402A1 (zh) 2022-09-01
CN114978413A (zh) 2022-08-30
US20240146582A1 (en) 2024-05-02

Similar Documents

Publication Publication Date Title
CN109391304B (zh) 一种数据传输方法、基站、终端和存储介质
US11424807B2 (en) Enhanced frequency compression for overhead reduction for CSI reporting and usage
WO2019105484A1 (zh) 数据传输的方法和设备
CN107666366B (zh) 一种调整编码速率的方法、装置及系统
WO2021237423A1 (zh) 一种信道状态信息传输方法、电子设备及存储介质
WO2019114690A1 (zh) 多天线系统中预编码的方法及装置
CN109889247B (zh) 适用于窄带物联网的低开销动态反馈安全传输方法及系统
CN114978413B (zh) 信息编码的控制方法及相关装置
US20210328708A1 (en) ACQI Decoding Confidence Detection
CN114303322A (zh) 用于上行链路控制信令的装置、方法和计算机程序
CN112205049B (zh) 信道状态信息反馈
CN114157722A (zh) 一种数据传输方法及装置
CN108260135B (zh) 一种系统信息传输方法、用户终端和传输节点
WO2022199133A1 (zh) 压缩码本的发送方法、信道状态信息矩阵的获取方法
WO2024026792A1 (zh) 通信方法、装置、设备、存储介质、芯片及程序产品
WO2024008004A1 (zh) 一种通信方法及装置
WO2022199090A1 (zh) 信道状态信息传输方法、装置、终端、基站和存储介质
WO2024031456A1 (zh) 通信方法、装置、设备、存储介质、芯片及程序产品
WO2024078074A1 (zh) 信道状态信息的发送方法、接收方法及装置、存储介质
WO2024026793A1 (zh) 数据传输方法、装置、设备、存储介质及系统
WO2024031689A1 (zh) Csi上报方法、装置、设备及系统
WO2022236785A1 (zh) 信道信息的反馈方法、收端设备和发端设备
CN116579438A (zh) 信息处理方法及装置
CN117639867A (zh) 一种通信方法及装置
CN117676630A (zh) 一种通信方法及装置

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