CN115134042A - 网络参数集合信息传输方法、装置、终端、基站和介质 - Google Patents

网络参数集合信息传输方法、装置、终端、基站和介质 Download PDF

Info

Publication number
CN115134042A
CN115134042A CN202110322349.7A CN202110322349A CN115134042A CN 115134042 A CN115134042 A CN 115134042A CN 202110322349 A CN202110322349 A CN 202110322349A CN 115134042 A CN115134042 A CN 115134042A
Authority
CN
China
Prior art keywords
parameter set
network parameter
neural network
channel state
state information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110322349.7A
Other languages
English (en)
Inventor
肖华华
鲁照华
吴昊
李伦
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202110322349.7A priority Critical patent/CN115134042A/zh
Priority to PCT/CN2021/137847 priority patent/WO2022199142A1/zh
Priority to US18/551,057 priority patent/US20240162959A1/en
Priority to EP21932749.1A priority patent/EP4318990A1/en
Publication of CN115134042A publication Critical patent/CN115134042A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/21—Control channels or signalling for resource management in the uplink direction of a wireless link, i.e. towards the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W80/00—Wireless network protocols or protocol adaptations to wireless operation
    • H04W80/02—Data link layer protocols

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例提供了一种网络参数集合信息传输方法、装置、终端、基站和存储介质，其中，该方法包括：获取至少一套神经网络参数集合；根据信道特征选择至少一套所述神经网络参数集合；传输选择的所述神经网络参数集合对应的网络参数集合信息。本申请实施例通过信道特征选择神经网络参数集合，确定神经网络参数集合对应的网络参数集合信息并传输该网络参数集合信息，从使得神经网络能更好匹配当前的信道特征，可进一步利用神经网络生成准确的信道状态信息，可增强无线通信的通信质量。

Description

网络参数集合信息传输方法、装置、终端、基站和介质
技术领域
本发明涉及无线通信技术领域，尤其涉及一种网络参数集合信息传输方法、装置、终端、基站和介质。
背景技术
多天线技术是当前提高无线通信质量的重要手段之一，在长期演进(Long TermEvolution,LTE)、长期演进增强(Long Term Evolution-Advanced,LTE-A)，新无线接入技术(New Radio Access Technology,NR)等标准中多天线技术起到了重要作用。而为了充分利用多天线技术，往往需要基站或者终端能够获取准确的信道状态信息(Channel StateInformation,CSI)。人工智能(Artificial Intelligence,AI)是最重要和有潜力的技术，它具有强大的特征提取和分类能力，在各行各业中得到了广泛应用，由于信道状态信息需要准确获取，而AI的强大性能为信道状态信息的获取提供了可能，因此，如何将AI应用到多天线技术的通信中，实现信道状态信息的准确反馈将具有重要的应用前景，而现有技术中，如何很好的将AI应用到CSI反馈，有很多问题没有得到有效解决。
发明内容
本申请实施例的主要目的在于提出一种网络参数集合信息传输方法、装置、终端、基站和存储介质，旨在实现多天线技术中增强信道状态信息反馈的网络参数传输方法，利用传输的网络参数更新，能更好第匹配当前的信道特征，从而能更好地利用更新的神经网络生成信道状态信息，提高无线通信质量。
本申请实施例提供了一种网络参数集合信息传输方法，该方法包括以下步骤：
获取至少一套神经网络参数集合；
根据信道特征选择至少一套所述神经网络参数集合；
传输选择的所述神经网络参数集合对应的网络参数集合信息。
本申请实施例还提供了一种网络参数集合信息传输方法，该方法包括以下步骤：
接收网络参数集合信息；
根据所述网络参数集合信息选择至少一套所述神经网络参数集合。
本申请实施例还提供了一种网络参数集合信息传输装置，该装置包括以下模块：
神经网络参数模块，用于获取至少一套神经网络参数集合；
参数集合选择模块，用于根据信道特征选择至少一套所述神经网络参数集合；
网络信息传输模块，用于传输选择的所述神经网络参数集合对应的网络参数集合信息。
本申请实施例还提供了一种网络参数集合信息传输装置，该装置包括以下模块：
网络信息接收模块，用于接收网络参数集合信息；
网络集合选择模块，用于根据所述网络参数集合信息选择至少一套所述神经网络参数集合。
本申请实施例还提供了一种终端，该终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例中任一所述的网络参数集合信息传输方法。
本申请实施例还提供了一种基站，该基站包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例中任一所述的网络参数集合信息传输方法。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如本申请实施例中任一所述的网络参数集合信息传输方法。
本申请实施例，通过获取至少一套神经网络参数集合，根据信道特征选择一套神经网络参数集合，传输选择的神经网络参数集合对应的网络参数集合信息，通过信道特征选择神经网络参数集合，确定神经网络参数集合对应的网络参数集合信息并传输该网络参数集合信息，实现无线通信中神经网络的利用，可提高神经网络对信道特征的适配度，减少信道状态信息传输的资源占用，可增强无线通信的通信质量。
附图说明
图1是本申请实施例提供的一种网络参数集合信息传输方法的流程图；
图2是本申请实施例提供的另一种网络参数集合信息传输方法的流程图；
图3是本申请实施例提供的另一种网络参数集合信息传输方法的流程图；
图4是本申请实施例提供的一种网络参数集合信息传输方法的流程图；
图5是本申请实施例提供的另一种网络参数集合信息传输方法的流程图；
图6是本申请实施例提供的另一种网络参数集合信息传输方法的流程图；
图7是本申请实施例提供的一种信道状态信息传输的示例图；
图8是本申请实施例提供的一种网络参数集合信息传输装置的结构示意图；
图9是本申请实施例提供的一种网络参数集合信息传输装置的结构示意图；
图10是本申请实施例提供的一种终端的结构示意图；
图11是本申请实施例提供的一种基站的结构示意图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特有的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
图1是本申请实施例提供的一种网络参数集合信息传输方法的流程图，本申请实施可以适用于提高无线通信质量的情况，该方法可以由本申请实施例中的网络参数集合信息传输装置来执行，该装置可以通过软件和/或硬件的方法实现，并一般可以集成在终端中，参见图1，本申请实施例提供的方法具体包括如下步骤：
步骤110、获取至少一套神经网络参数集合。
其中，神经网络参数集合可以是构建神经网络模型的参数集合，神经网络参数集合中可以包括一个或者多个参数，构建的神经网络模型可以用于压缩信道状态信息，减少信道状态信息传输的资源占用或者减小信道状态信息的反馈开销。
在本申请实施例中，可以获取神经网络参数集合，该神经网络参数集合可以为一套或者多套。获取神经网络参数集合的方式可以包括从本地预先存储的信息中获取，或者，通过传输的信息中获取，还可以通过高层信令指示的信息生成，或者通过高层信令配置。
步骤120、根据信道特征选择至少一套神经网络参数集合。
其中，信道特征可以是自由空间提供的各种频段或者波长的电磁波传播通道的特征，例如，衰减、多路效应和时间时变性等特征，信道特征可以通过测量检测或者估计的方式确定。
具体的，可以按照信道特征在接收到的多套神经网络参数集合中选择出一套或者多套神经网络参数集合，用于生成信道状态信息。
步骤130、传输选择的神经网络参数集合对应的网络参数集合信息。
其中，网络参数集合信息可以是指示构建神经网络的信息集合，网络参数集合信息可以指示神经网络参数集合具有的属性信息，例如，对信道状态信息的压缩率或者信道状态信息的开销等或者用于指示选择的一套或者多套神经网络参数集合对应的索引或神经网络参数集合标识。
在本申请实施例中，终端可以根据选择出的一套或者多套神经网络参数集合确定信道状态信息，以及构建神经网络模型的网络参数，例如，可以根据选择的神经网络参数集合构建神经网络模型，可以通过该神经网络模型压缩信道状态信息，可以生成并发送该神经网络参数集合对应的网络参数集合信息。
本申请实施例，通过获取至少一套神经网络参数集合，通过信道特征选择神经网络参数集合，传输所述选择的神经网络参数集合对应的网络参数集合信息，通过传输网络参数集合信息，从而使得神经网络参数更符合当前的信道特征，便于进一步利用新的神经网络参数构成的神经网络来生成信道状态信息，可提高通信信道质量，降低信道状态信息传输的通信资源占用。
进一步的，在上述申请实施例的基础上，所述网络参数集合信息包括以下至少一种：神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
其中，神经网络参数集合标识用于标识配置的N套神经网络参数集合，即为神经网络参数集合的索引。在终端传输网络参数集合信息之后到基站确定使用新的神经网络参数集合之前的这段时间，可以不使用人工智能算法压缩信道状态信息，而使用传统的码本传输信道状态信息。所述传统的码本包括但不限于基于信道特征向量构造的码本，基于离散傅里叶矢量构造的码字，比如LTE和NR中的码字。
在本申请实施例中，网络参数集合信息可以还包括指示信道状态信息反馈内容的参数，可以具体包括网络参数集合标识、信道状态信息反馈开销，其中，信道状态信息反馈开销包括但不限于压缩率，每个反馈元素的量化比特、反馈的元素个数、码本类型指示、传统码本的指示，其中码本类型包括人工智能码本和传统码本等、信道状态信息参考信号发送周期。
图2是本申请实施例提供的另一种网络参数集合信息传输方法的流程图，本申请实施例是在上述申请实施例基础上的具体化，参见图2，本申请实施例提供的方法具体包括如下步骤：
步骤210、获取至少一套神经网络参数集合。
步骤220、根据信道特征选择至少一套神经网络参数集合，其中，所述神经网络参数集合包括以下至少一种神经网络参数的取值：压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
具体的，压缩率可以是第二信道状态信息和第一信道状态信息的元素数量之比，激活函数可以是神经网络中激活层使用的激活函数，网络层数可以是神经网络模型中包括的网络层数，例如，输入层数量、输出层数量以及激活层数量等，网络层映射可以是神经网络模型中不同网络层之间的映射关系，比如卷积神经网络的映射，循环神经网络的映射，全连接网络的映射，网络层权值可以是不同网络层使用的权值，网络层权值归一化系数可以是使得网络层权值的取值位于[a,b]之间的参数，其中a，b为实数，比如，取值可以为[0,1]或者[-1,1]等。
步骤230、根据媒体接入控制单元传输网络参数集合信息。
具体的，在接收到媒体接入控制控制单元(Media Access Control controlelement，MAC CE)时可以对神经网络参数集合标识进行更改，通知基站需要更新神经网络参数，使用新的神经网络参数来解码第二信道状态信息，以生成第三信道状态信息。而在基站确定使用新的神经网络之前，以及终端发送MACCE之后的一段时间里，采用传统的码本进行信道状态信息的反馈，或者通过码本类型指示来告知基站其使用的是传统码本。
本申请实施例，通过获取至少一套神经网络参数集合，根据信道特征选择一套神经网络参数集合，基于选择的神经网络参数集合生成信道状态信息，信道状态信息包括第一信道状态信息和/第二信道状态信息，使用媒体接入控制单元触发更新神经网络参数集合标识，通过信道特征选择神经网络参数集合，使用神经网络参数集合确定信道状态信息，提高信道状态信息获取的准确性，可增强无线通信的通信质量，并且采用默认的方式或者使用码本类型指示的方式实现信道状态信息内容反馈的切换，实现对现有无线通信网络的兼容，增强无线通信系统的鲁棒性。
图3是本申请实施例提供的另一种网络参数集合信息传输方法的流程图，本申请实施例是在上述申请实施例基础上的具体化，参见图3，本申请实施例提供的方法具体包括如下步骤：
步骤310、获取至少一套神经网络参数集合。
步骤320、根据信道特征选择至少一套神经网络参数集合，其中，所述神经网络参数集合包括以下至少一种：压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
步骤330、根据专有物理上行链路控制信道传输网络参数集合信息。
具体的，在接收到专有物理上行链路控制信道的调度请求时可以对神经网络参数集合标识进行更改，通知基站需要更新神经网络参数，使用新的神经网络参数来解码第二信道状态信息来生成第三信道状态信息。而在基站确定使用新的神经网络之前，以及终端发送MACCE之后的一段时间里，采用传统的码本进行信道状态信息的反馈，或者通过码本类型指示来告知基站其使用的是传统码本。
步骤340、根据选择的神经网络参数集合和第一信道状态信息生成第二信道状态信息。
其中，第一信道状态信息为基于人工智能神经网络压缩前的信道状态信息，第二信道状态信息为基于人工智能神经网络压缩之后的信道状态信息。
在本申请实施例中，信道状态信息可以包括通过人工智能算法确定的信道状态信息以及通过非人工智能算法确定的信道状态信息，可以选择的神经网络参数集合构建神经网络模型，可以将第一信道状态信息输入到该神经网络模型确定第二信道状态信息。示例性的，可以根据网络参数集合信息中的码本类型指示生成对应的人工智能码本和/或传统码本，当码本类型指示为0时，生成传统码本，当码本类型指示为1时，生成人工智能码本，当码本类型指示为2时，生成人工智能码本和传统码本。
本申请实施例，通过获取至少一套神经网络参数集合，根据信道特征选择一套神经网络参数集合，传输选择的神经网络参数集合对应的网络参数集合信息，基于神经网络参数集合以及第一信道状态信息确定第二信道状态信息，使用专用物理上行链路控制信道的调度请求触发更新神经网络参数集合标识，通过信道特征选择神经网络参数集合，使用神经网络参数集合和第一信道状态信息确定第二信道状态信息，提高信道状态信息获取的准确性，可增强无线通信的通信质量。
进一步的，在上述申请实施例的基础上，所述方法还包括：配置至少一套神经网络参数集合。
进一步的，在上述申请实施例的基础上，所述方法还包括：在确定使用所述选择的神经网络集合之前，根据信道特征获取传统码本，反馈传统码本。
在本申请实施例中，当获取到的神经网络参数集合不适合当前信道时，可以按照现有方式生成传统码本，并反馈该传统码本，使得基站确定使用新的神经网络之前，以及终端发送MACCE之后的一段时间里，采用传统的码本进行信道状态信息的反馈，或者通过码本类型指示来告知基站其使用的是传统码本。
进一步的，在上述申请实施例的基础上，所述方法还包括：获取更新的神经网络参数，并反馈所述更新的神经网络参数。
在本申请实施例中，还可以对神经网络参数进行更新，可以获取高层信令传输的神经网络参数，还可以将该神经网络参数传输到基站或者另一个终端中。
进一步的，在上述申请实施例的基础上，所述获取信道状态信息参数，所述信道状态信息参数用于确定第一信道状态信息，所述信道状态信息参数包括以下至少一种：
信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
其中，信道基矢量可以是用于创建信道的基矢量，可以用于生成天线的预编码矩阵，信道基矢量数目可以是信道基矢量的数量，最大端口数目可以是通信天线的数量或者终端具有通信端口的最大数量，信道类型指示可以是指示信道类型的信息，其中，信道类型指示可以包括比如城市宏，城市微，室内，工厂，广场，乡村，地铁等通信场景的指示，码本组件类型可以是指示编码码本类型的信息，码本类型可以包括并行码本组件以及串行码本组件，码本组件数量可以是编码码本的数量，带宽指示可以是指示通信带宽的信息，其中，带宽指示可以包括子带个数，物理资源块个数，带宽大小等，频域单元可以是频域的基本单元，其中，频域单元可以包括子载波、物力资源块、子带等，可以是用于指示频域信道的粒度信息。
在本申请实施例中，终端可以接收基站配置的信道状态信息参数，该信道状态信息参数可以用于生成反映信道质量的第一信道状态信息，信道状态信息参数包括以下至少一种：信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目、带宽指示、频域单元。
图4是本申请实施例提供的一种网络参数集合信息传输方法的流程图，本申请实施可以适用于提高无线通信质量的情况，该方法可以由本申请实施例中的网络参数集合传输装置来执行，该装置可以通过软件和/或硬件的方法实现，并一般可以集成在基站中，参见图4，本申请实施例提供的方法具体包括如下步骤：
步骤410、接收网络参数集合信息。
具体的，基站可以接收终端发送的网络参数集合信息，该网络参数集合信息可以由终端根据信道特征确定。
步骤420、根据网络参数集合信息选择至少一套所述神经网络参数集合。
在本申请实施例中，基站可以预先设置有一套或者多套神经网络参数集合，不同神经网络参数集合中参数的取值可以不同，进一步的，各套神经网络参数集合中参数的种类也可以不同。在获取到网络参数集合时，可以根据该网络参数集合信息在预先设置的神经网络参数集合中进行选择，选择的数量可以不限制，可以为一套或者多套；其中，网络参数集合构建的神经网络模型可以是对第二信道状态信息进行解压缩的模型，基站中使用的神经网络参数集合可以与终端中压缩生成第二信道状态信息的神经网络参数集合相对应。
本申请实施例，通过接收网络参数集合信息，并选择网络参数集合信息对应的神经网络参数集合，通过网络参数集合信息的传输，实现神经网络模型的参数更新，从而更能匹配当前的信道特征，根据更新的神经网络对第二信道状态信息进行解压缩为第三信道状态信息，其中，第三信道状态信息可以是第一信道状态信息的恢复/估计。从而提高基站确定信道状态信息的准确性，可提高无线通信质量。
进一步的，在上述申请实施例的基础上，所述神经网络参数集合包括以下至少一种神经网络参数的取值：
压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
图5是本申请实施例提供的另一种网络参数集合信息传输方法的流程图，本申请实施例是在上述申请实施例基础上的具体化，参见图5，本申请实施例提供的方法具体包括如下步骤：
步骤510、接收根据媒体接入控制单元传输的网络参数集合信息，其中，网络参数集合信息包括以下至少一种：神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
具体的，基站在接收到媒体接入控制单元传输的网络参数集合信息时可以对神经网络参数进行更新。
步骤520、根据网络参数集合信息选择至少一套神经网络参数集合。
示例性的，通过媒体接入控制单元MAC CE触发更新的网络参数集合标识，根据神经网络参数集合标识选择至少一套神经网络参数集合。
步骤530、接收第二信道状态信息，根据第二信道状态信息和选择的神经网络参数集合生成第三信道状态参数信息，第三信道状态信息为终端中第一信道状态信息的估计。
其中，信道状态信息包括反映信道质量的信息，第二信道状态信息可以是终端发送的信道状态信息，第二信道状态信息可以在终端中对第一信道状态信息通过神经网络压缩生成，第三信道状态信息可以是第一信道状态信息的估计值，比如在基站中，将第二信道状态信息通过神经网络解压缩得到。
本申请实施例中，基站可以接收终端发送的第二信道状态信息，可以使用选择的神经网络参数集合对第二信道状态信息进行压缩恢复，根据神经网络参数集合构建的神经网络模型可以用于对信道状态信息进行解压缩，可以理解的是，第三信道状态信息可以是第一信道状态信息的估计值，通过传输通信开销较小的第二信道状态信息，并使用神经网络参数集合对第二信道状态信息进行恢复，在不降低通信质量的前提下减少信道状态信息的传输资源占用量。
本申请实施例，通过使用接收根据媒体接入控制单元传输的网络参数集合信息，在神经网络参数集合中选择至少一套神经网络参数集合，获取第二信道状态信息，根据选择的神经网络参数集合以及第二信道状态信息确定第三信道状态信息，通过使用神经网络参数集合确定信道状态信息，提高信道状态信息获取的准确性，可增强无线通信的通信质量。
图6是本申请实施例提供的另一种网络参数集合信息传输方法的流程图，本申请实施例是在上述申请实施例基础上的具体化，参见图6，本申请实施例提供的方法具体包括如下步骤：
步骤610、接收根据专有物理上行链路控制信道传输的网络参数集合信息，其中，网络参数集合信息包括以下至少一种：神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
步骤620、根据神经网络参数集合标识选择至少一套神经网络参数集合。
具体的，终端在专有物理上行链路控制信道的调度请求时可以对神经网络参数集合标识进行更新，例如，可以将神经网络参数集合a的神经网络参数集合标识更改为神经网络参数集合b的神经网络参数集合标识，可以根据更新后的神经网络参数集合标识选择一套或者多套神经网络参数集合。
步骤630、接收第二信道状态信息，根据第二信道状态信息和选择的神经网络参数集合生成第三信道状态参数信息，第三信道状态信息为终端中第一信道状态信息的估计。
本申请实施例，通过获取的神经网络参数集合标识确定神经网络参数集合，在接受到根据专有物理上行链路控制信道的调度请求触发更新的神经网络参数集合标识，使用更新后的神经网络参数集合标识确定神经网络参数集合，基于选择的神经网络参数集合以及接收的第二信道状态信息生成第三信道状态信息，通过使用网络参数集合信息确定提高神经网络参数集合选择的准确性，可增强无线通信的通信质量。
进一步的，在上述申请实施例的基础上，所述网络参数集合的神经网络集合信息包括以下至少一种：
神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
进一步的，在上述申请实施例的基础上，所述方法还包括：配置信道状态信息参数，信道状态信息参数用于终端确定第一信道状态信息，其中，所述信道状态信息参数包括以下至少一种：信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
在本申请实施例中，基站还可以对终端中的信道状态信息参数进行配置，该信道状态信息参数可以使得终端确定第一信道状态信息，基站配置的信道状态信息参数可以包括信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元中的一种或者多种。
进一步的，在上述申请实施例的基础上，所述方法还包括：根据接收的网络参数集合信息配置信道状态信息参考信号参数。
其中，配置信道状态信息参考信号参数，可以包括信道状态信息参考信号的周期。
在本申请实施例中，还可以使用网络参数集合标识对信道状态信息参考信号参数进行配置，不同的网络参数集合标识对应的信道状态信息参考信号参数可以具有不同的数量以及种类。
进一步的，在上述申请实施例的基础上，所述方法还包括：接收信道探测参考信号SRS，根据SRS获取上行信道；根据获取的上行信道确定以下至少之一：上行信道分类、信道状态信息参考信号的发送方法、反馈内容。
在本申请实施例中，基站还可以接收信道探测参考信号，该信道探测参考信号获取上行信道，并确定获取的上行信道的上行信道分类、信道状态信息参考信号的发送方法、反馈内容中至少一种信息。
进一步的，在上述申请实施例的基础上，所述方法还包括：根据SRS获取的上行信道和终端的反馈内容获得信道状态信息。
在一个示例性的实施方式中，信道状态信息可以包括第一码本和/或第二码本，其中，第一码本为通过人工智能压缩之前的码本，对应第一信道状态信息，第二码本可以为人工智能压缩之后的码本，对应第二信道状态信息，在终端中，可以通过第一码本确定第二码本，在基站中可以通过第二码本估计第一码本，具体过程可以如下：
第一码本可以通过一个神经网络输出第二码本，神经网络可以是一个自编码器，在终端，这个过程可以是自编码器里的编码器(encoder)。所述的编码器包括K个网络层，其中第i层包括Le,i个节点，包括至少一个网络层权值We,i，0-1个网络层偏置be,i，激活函数Se,i，i＝1，…，Ke。其中第i层可以是一个卷积层，也可以是一个全连接层，或者池化层。它们都属于这个编码器的网络参数。在基站侧，对应于这个编码器的解码器，其中，解码器包括L层，其中第i层包括Ld,i个节点，包括至少一个网络层权值Wd,i，0-1个网络层偏置bd,i，激活函数Sd,i，i＝1，…，Kd。其中第i层可以是一个卷积层，也可以是一个全连接层，或者池化层，或者是几个卷积层组成的残差网络块。终端通过将第一码本输入到编码器，编码器输出第二码本。并将第二码本传输给基站，优选地，也可以将第二码本进行量化、编码、调制后传输给基站。基站通过接收所述的第二码本，优选地，也可以将第二码本进行解量化，解调，解编码后作为解码器的输入，解码器输出第一码本。并根据所述的第一码本对应的第一变换基还原得到信道状态信息W。
有限地，所述第一码本和第二码本对应的元素个数是不同的，第二码本的元素个数一般元小于第一码本对应的元素个数。第二码本的元素个数和第一码本的元素个数的比值叫压缩率。比如第一码本总共包括2048个元素，而第二码本只有32个元素，那么压缩率为32/2048＝1/64,压缩率为1/64分之一。
在上述申请实施例的基础上，终端接收到的神经网络参数集合以及基站的神经网络参数集合可以通过以下方式确定：
图7是本申请实施例提供的一种信道状态信息传输的示例图，参见图7，为了从第一码本获得第二码本，并在基站侧从第二码本获得第一码本，需要一个自编码器，它包括一个编码器和一个解码器。所述自编码器的网络参数可以通过线下训练，或者线下训练结合线上训练的过程得到。基站可以通过高层信令配置M个编码器的网络参数，并通过高层信令和/或物理层信令将所述M个自编码器的网络参数传输给终端，终端根据信道的场景，信道的角度扩展、角度扩展等至少一个因素选择其中的一个编码器，并将所选的编码器通过物理层和/或高层信令传输给基站。并用它自己选择的编码器对第一码本进行编码得到第二码本。基站通过终端反馈的编码器索引，获得对应的解码器，对接收的第二码本进行处理得到第一码本。需要说明的是，如果M＝1，那么不需要基站反馈所述的编码器索引。这里的编码器索引对应网络参数信息里的网络参数集合标识。
在一个示例性的实施方式中，终端选择神经网络参数集合的方式可以采用以下步骤：
步骤1，基站和终端配置N套人工智能参数集合，分别对应N种不同的信道场景；
这里的信道场景包括但不限于，室内，工厂，地铁，城市宏，城市微，办公室等无线通信场景。
步骤2，终端接收基站发送的CSI RS，通过对CSI RS测量得到的CSI进行N套人工智能参数集合的编码、解码测试，终端给基站反馈建议的人工智能参数集合信息，可以考虑包括标识、CSI反馈开销大小(压缩率、量化级别等等)、建议的CSI RS发送周期；
步骤3，基站接收到终端反馈的人工智能参数集合信息，综合网络其他信息确定终端使用的人工智能参数集合，可以考虑要求基站在给定的时间范围内给终端发送人工智能参数集合配置信息。
在一个示例性的实施方式中，基站选择神经网络参数集合的方式可以采用以下步骤：
终端发送SRS等导频参数，基站根据接收的SRS，并对它进行预处理，得到时域的信道，根据信道的特征从N个参数中选择其中的一套人工智能参数集合的编码、解码测试。
通过高层参数，将所述选择的一套人工智能参数集合的编码、解码测试，给终端。基站建议的人工智能参数集合信息，可以考虑包括标识、CSI反馈开销大小(压缩率、量化级别等等)、建议的CSI RS发送周期。
在一个示例性的实施方式中，终端可以通过以下步骤实现网络参数集合标识的切换，具体如下：
终端按照基站要求的神经网络参数集合对CSI进行处理，但是随着无线信道环境的变化，当前使用的神经网络参数集合可能会无法匹配最新的无线信道环境。因此，终端可以在CSI反馈信息中通过特定的比特序列(或者特定位置的比特集合的取值)通知基站自己遇到的问题，甚至是后续建议的神经网络参数集合。
a)如果CSI携带在PUSCH中，此时可以触发PUSCH中携带MAC CE去通知基站新的神经网络参数集合标识，在基站确定使用更新的网络参数之前，此时的CSI可以考虑使用传统的码本方式进行反馈；
b)终端可以通过PUCCH发送一个专有的SR给基站，该SR会告知基站目前使用的神经网络参数集合的配置信息不符合实际信道的情况，需要调整。基站收到该SR后，快速分配资源让终端发送携带具体神经网络参数集合配置信息的PUSCH。另外，在新的神经网络参数集合配置信息生效的过程中，其中，该过程可以是终端发送SR之后到新的神经网络参数集合生效的时间，也可以是终端发送PUSCH后新的人工智能参数集合生效的时间。如果终端需要反馈CSI信息，此时可以回退到码本的反馈方式。
c)终端如果没有找到可以匹配当前无线信道的神经网络参数集合，终端需要携带要求基站后续和自己使用传统码本方式进行反馈的信息。
在一个示例性的实施方式中，基站和/或终端可以采用以下方式更新神经网络参数集合：
终端从已有的N套神经网络参数集合中无法找到匹配当前无线信道环境的人工智能参数集合，此时需要基站基于无线信道的大数据训练重新找到一组新的神经网络参数集合，并将该组神经网络参数集合结合下发给终端，或者就回归到传统的码本反馈方式。
a)参数全部调整：这里最好是附近有一个特殊终端，该终端处理能力极强且无功耗的限制，附近的终端把自己测量得到的信息告知该特殊终端，该特殊终端与基站协作完成神经网络参数集合的训练工作；
b)参数部分调整(基站和终端全都进行部分调整)：基站通过调整现有神经网络参数集合中的部分参数达到对现有无线信道的匹配，并将该修改信息告知终端；
c)参数部分调整(基站调整，终端不调整)：终端侧继续使用已有的神经网络参数集合，基站侧调整自己的神经网络参数集合，此时基站侧最好告知终端侧自己调整后的神经网络参数集合，方便终端后续进行神经网络参数集合选择。
进一步的，在一个示例性的实施方式中，基站还可以根据上行信道确定CSI分类，并根据CSI分类确定终端中信道状态信息反馈的内容，具体步骤包括：
步骤1，终端给基站发送SRS，基站基于SRS得到上行信道，通过AI算法对上行信道进行分类，确定基站给终端发送CSI RS的方式以及要求终端反馈的内容；
其中，CSI RS的传输方式包括传输的周期，CSI-RS参数集合和神经网络参数集合的映射关系或绑定关系。终端反馈的内容比如使用传统的码本进行反馈还是基于人工智能的码本进行反馈，如果是人工智能的码本反馈，那么进一步可以反馈信道的相位，信道的幅度，L个时域或频域信道冲激响应对应的位置，L个幅值最大的冲击响应值等，L为正整数。
步骤2，基站给终端发送CSI-RS，终端基于CSI-RS进行信道测量后反馈CSI；
步骤3，基站基于CSI和上行信道通过AI技术来获得下行信道。
图8是本申请实施例提供的一种网络参数集合信息传输装置的结构示意图，可执行本申请任意实施例所提供的网络参数集合信息传输方法，具体执行方法相应的功能模块和有益效果。该装置可以由软件和/或硬件实现，具体包括：神经网络参数模块701、参数集合选择模块702和网络信息传输模块703。
神经网络参数模块701，用于获取至少一套神经网络参数集合。
参数集合选择模块702，用于根据信道特征选择至少一套所述神经网络参数集合。
网络信息传输模块703，用于传输所述选择的神经网络参数集合对应的网络参数集合信息。
本申请实施例，本申请实施例，通过神经网络参数模块获取至少一套神经网络参数集合，通过参数集合选择模块信道特征选择神经网络参数集合，网络信息确定模块传输所述选择的神经网络参数集合对应的网络参数集合信息，通过传输网络参数集合信息，从而使得神经网络参数更符合当前的信道特征，便于进一步利用新的神经网络参数构成的神经网络来生成信道状态信息，可提高通信信道质量，降低信道状态信息传输的通信资源占用。
进一步的，在上述申请实施例的基础上，所述装置中神经网络参数集合包括以下至少一种神经网络参数的取值：
压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
进一步的，在上述申请实施例的基础上，所述装置中网络参数集合信息包括以下至少一种：神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
进一步的，在上述申请实施例的基础上，所述装置中还包括：
信道状态信息模块，用于根据所述选择的神经网络参数集合和第一信道状态信息生成第二信道状态信息。
进一步的，在上述申请实施例的基础上，所述装置中还包括
信道状态参数模块，用于获取信道状态信息参数，所述信道状态信息参数用于确定第一信道状态信息，所述信道状态信息参数包括以下至少一种：信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
进一步的，在上述申请实施例的基础上，所述装置还包括：
信息传输模块，用于根据媒体接入控制单元和/或专有物理上行链路控制信道的调度请求传输网络参数集合信息。
进一步的，在上述申请实施例的基础上，所述装置还包括：
码本生成模块，用于在确定使用所述选择的神经网络集合之前，根据信道特征获取传统码本，反馈所述传统码本。
进一步的，在上述申请实施例的基础上，所述装置还包括：
参数更新模块，用于获取更新的神经网络参数，并反馈所述更新的神经网络参数。
图9是本申请实施例提供的一种网络参数集合信息传输装置的结构示意图，可执行本申请任意实施例所提供的网络参数集合信息传输方法，具体执行方法相应的功能模块和有益效果。该装置可以由软件和/或硬件实现，具体包括：网络信息接收模块801和网络集合选择模块802。
网络信息接收模块801，用于接收网络参数集合信息；
网络集合选择模块802，用于根据所述网络参数集合信息选择至少一套所述神经网络参数集合。
本申请实施例，通过网络信息接收模块接收网络参数集合信息，网络集合选择模块选择网络参数集合信息对应的神经网络参数集合，通过网络参数集合信息的传输，实现神经网络模型的参数更新，从而更能匹配当前的信道特征，根据更新的神经网络对第二信道状态信息进行解压缩为第三信道状态信息，其中，第三信道状态信息可以是第一信道状态信息的恢复/估计。从而提高基站确定信道状态信息的准确性，可提高无线通信质量。
进一步的，在上述申请实施例的基础上，所述装置还包括：
信道状态信息模块，用于接收第二信道状态信息，根据所述第二信道状态信息和选择的所述神经网络参数集合生成第三信道状态参数信息，所述第三信道状态信息为第一信道状态信息的估计。
进一步的，在上述申请实施例的基础上，所述装置还包括：参数配置模块，用于配置至少一套神经网络参数集合。
进一步的，在上述申请实施例的基础上，所述装置中神经网络参数集合包括以下至少一种神经网络参数的取值：
压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
进一步的，在上述申请实施例的基础上，所述装置中网络参数集合信息包括以下至少一种：
神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
进一步的，在上述申请实施例的基础上，所述装置还包括：
信道参数配置模块，用于配置信道状态信息参数，所述信道状态信息参数用于终端确定第一信道状态信息，所述信道状态信息参数包括以下至少一种：
信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
进一步的，在上述申请实施例的基础上，所述装置中信道状态信息包括第一信道状态信息和/或第二信道状态信息，其中，所述第一信道状态信息为人工智能码本，第二信道状态信息为传统码本。
进一步的，在上述申请实施例的基础上，所述装置还包括：
信息接收模块，用于接收根据媒体接入控制单元和/或专有物理上行链路控制信道传输的网络参数集合信息。
进一步的，在上述申请实施例的基础上，所述装置还包括：
参考信道参数配置模块，用于根据接收的所述网络参数集合信息配置信道状态信息参考信号参数。
进一步的，在上述申请实施例的基础上，所述装置还包括：
上行信道模块，用于接收信道探测参考信号SRS，根据所述SRS获取上行信道；根据获取的所述上行信道确定以下至少之一：上行信道分类、信道状态信息参考信号的发送方法、反馈内容。
进一步的，在上述申请实施例的基础上，所述上行信道模块还包括：
状态信息单元，用于根据所述SRS获取的上行信道和终端的反馈内容获得信道状态信息。
图10是本申请实施例提供的一种终端的结构示意图，如图10所示，该终端包括处理器50、存储器51、输入装置52和输出装置53；终端中处理器50的数量可以是一个或多个，图7中以一个处理器50为例；终端中处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接，图10中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的网络参数集合信息传输装置对应的模块(神经网络参数模块701、参数集合选择模块702和网络信息传输模块703)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的网络参数集合信息传输方法。
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51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，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。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息，以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
图11是本申请实施例提供的一种基站的结构示意图，如图11所示，该基站包括处理器60、存储器61、输入装置62和输出装置63；基站中处理器60的数量可以是一个或多个，图7中以一个处理器60为例；基站中处理器60、存储器61、输入装置62和输出装置63可以通过总线或其他方式连接，图11中以通过总线连接为例。
存储器61作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的网络参数集合信息传输装置对应的模块(网络信息接收模块801和网络集合选择模块802)。处理器60通过运行存储在存储器61中的软件程序、指令以及模块，从而执行基站的各种功能应用以及数据处理，即实现上述的网络参数集合信息传输方法。
存储器61可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据基站的使用所创建的数据等。此外，存储器61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，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。在一些实例中，存储器61可进一步包括相对于处理器60远程设置的存储器，这些远程存储器可以通过网络连接至基站。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置62可用于接收输入的数字或字符信息，以及产生与基站的用户设置以及功能控制有关的键信号输入。输出装置63可包括显示屏等显示设备。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种网络参数集合信息传输方法，该方法包括：
获取至少一套神经网络参数集合；
根据信道特征选择至少一套所述神经网络参数集合；
传输选择的所述神经网络参数集合对应的网络参数集合信息。
或者，
接收网络参数集合信息；
根据所述网络参数集合信息选择至少一套神经网络参数集合。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的网络参数集合信息传输方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质内所作的任何修改、等同替换和改进，均应在本发明的权利范围之内。

Claims (23)

1.一种网络参数集合信息传输方法，其特征在于，所述方法包括：
获取至少一套神经网络参数集合；
根据信道特征选择至少一套所述神经网络参数集合；
传输选择的所述神经网络参数集合对应的网络参数集合信息。
2.根据权利要求1所述的方法，其特征在于，所述神经网络参数集合包括以下至少一种神经网络参数的取值：
压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
3.根据权利要求1所述的方法，其特征在于，所述网络参数集合信息包括以下至少一种：
神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
4.根据权利要求1所述的方法，其特征在于，还包括：根据所述选择的神经网络参数集合和第一信道状态信息生成第二信道状态信息。
5.根据权利要求4所述的方法，其特征在于，还包括：获取信道状态信息参数，所述信道状态信息参数用于确定第一信道状态信息，所述信道状态信息参数包括以下至少一种：
信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据媒体接入控制单元和/或专有物理上行链路控制信道传输网络参数集合信息。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：在确定使用选择的所述神经网络集合之前，根据信道特征获取传统码本，反馈所述传统码本。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取更新的神经网络参数，并反馈所述更新的神经网络参数。
9.一种网络参数集合信息传输方法，其特征在于，所述方法包括：
接收网络参数集合信息；
根据所述网络参数集合信息选择至少一套神经网络参数集合。
10.根据权利要求9所述的方法，其特征在于，还包括：
接收第二信道状态信息，根据所述第二信道状态信息和选择的所述神经网络参数集合生成第三信道状态参数信息。
11.根据权利要求9所述的方法，其特征在于，所述方法还包括：
配置至少一套神经网络参数集合。
12.根据权利要求9所述的方法，其特征在于，所述神经网络参数集合包括以下至少一种神经网络参数的取值：
压缩率、激活函数、网络层数、网络层映射、网络层权值、网络层偏置、网络层权值归一化系数。
13.根据权利要求9所述的方法，其特征在于，所述网络参数集合信息包括以下至少一种：
神经网络参数集合标识、信道状态信息反馈开销、信道状态信息参考信号发送周期。
14.根据权利要求9所述的方法，其特征在于，配置信道状态信息参数，所述信道状态信息参数用于终端确定第一信道状态信息，所述信道状态信息参数包括以下至少一种：
信道基矢量、信道基矢量数目、最大端口数目、信道类型指示、码本组件类型、码本组件数目Nc、带宽指示、频域单元。
15.根据权利要求9所述的方法，其特征在于，所述方法还包括：
接收根据媒体接入控制单元和/或专有物理上行链路控制信道传输的网络参数集合信息。
16.根据权利要求9所述的方法，其特征在于，所述方法还包括：
根据接收的所述网络参数集合信息配置信道状态信息参考信号参数。
17.根据权利要求9所述的方法，其特征在于，所述方法还包括：
接收信道探测参考信号SRS，根据所述SRS获取上行信道；
根据获取的所述上行信道确定以下至少之一：上行信道分类、信道状态信息参考信号的发送方法、反馈内容。
18.根据权利要求17所述的方法，其特征在于，所述方法还包括：
根据所述SRS获取的上行信道和终端的反馈内容获得信道状态信息。
19.一种网络参数集合信息传输装置，其特征在于，所述装置包括：
神经网络参数模块，用于获取至少一套神经网络参数集合；
参数集合选择模块，用于根据信道特征选择至少一套所述神经网络参数集合；
网络信息传输模块，用于传输选择的所述神经网络参数集合对应的网络参数集合信息。
20.一种网络参数集合信息传输装置，其特征在于，所述装置包括：
网络信息接收模块，用于接收网络参数集合信息；
网络集合选择模块，用于根据所述网络参数集合信息选择至少一套神经网络参数集合。
21.一种终端，其特征在于，所述终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的网络参数集合信息传输方法。
22.一种基站，其特征在于，所述基站包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求9-18中任一所述的网络参数集合信息传输方法。
23.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8或9-18中任一所述的网络参数集合信息传输方法。
CN202110322349.7A 2021-03-25 2021-03-25 网络参数集合信息传输方法、装置、终端、基站和介质 Pending CN115134042A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110322349.7A CN115134042A (zh) 2021-03-25 2021-03-25 网络参数集合信息传输方法、装置、终端、基站和介质
PCT/CN2021/137847 WO2022199142A1 (zh) 2021-03-25 2021-12-14 网络参数集合信息传输方法、装置、终端、基站和介质
US18/551,057 US20240162959A1 (en) 2021-03-25 2021-12-14 Network parameter set information transmission method and apparatus, terminal, base station, and medium
EP21932749.1A EP4318990A1 (en) 2021-03-25 2021-12-14 Network parameter set information transmission method and apparatus, terminal, base station, and medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110322349.7A CN115134042A (zh) 2021-03-25 2021-03-25 网络参数集合信息传输方法、装置、终端、基站和介质

Publications (1)

Publication Number Publication Date
CN115134042A true CN115134042A (zh) 2022-09-30

Family

ID=83374169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110322349.7A Pending CN115134042A (zh) 2021-03-25 2021-03-25 网络参数集合信息传输方法、装置、终端、基站和介质

Country Status (4)

Country Link
US (1) US20240162959A1 (zh)
EP (1) EP4318990A1 (zh)
CN (1) CN115134042A (zh)
WO (1) WO2022199142A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11973708B2 (en) * 2019-04-16 2024-04-30 Samsung Electronics Co., Ltd. Method and apparatus for reporting channel state information
CN111954206B (zh) * 2019-05-17 2024-04-09 株式会社Ntt都科摩 终端和基站
CN112152948B (zh) * 2019-06-28 2021-12-03 华为技术有限公司 一种无线通信处理的方法和装置
RU2739483C1 (ru) * 2019-09-04 2020-12-24 ГУГЛ ЭлЭлСи Обратная связь по конфигурации формирования нейронной сети для беспроводных передач

Also Published As

Publication number Publication date
WO2022199142A1 (zh) 2022-09-29
US20240162959A1 (en) 2024-05-16
EP4318990A1 (en) 2024-02-07

Similar Documents

Publication Publication Date Title
AU2017415185B2 (en) Uplink precoding method, device and system
RU2676268C1 (ru) Предварительное кодирование передачи из одномерной антенной решетки, которая включает в себя совместно поляризованные антенные элементы, выровненные по одной линии в единственном пространственном измерении решетки
CN109474406B (zh) 一种csi信息的上报、接收方法及通信设备
KR101505825B1 (ko) 벡터들을 인코딩하기 위한 방법
CN111756457B (zh) 信道预测方法、装置及计算机存储介质
CN109391305B (zh) 一种通信处理方法及装置
CN108322244B (zh) 预编码矩阵指示的反馈方法、接收端和发射端
CN116232554A (zh) 一种传输参数处理方法及装置
CN109936396B (zh) 多天线系统中预编码的方法及装置
CN108463953B (zh) 基于统计csi-t的非线性预编码
CN115134042A (zh) 网络参数集合信息传输方法、装置、终端、基站和介质
WO2024016936A1 (zh) 信道状态信息的确定方法、电子设备和存储介质
WO2022199090A1 (zh) 信道状态信息传输方法、装置、终端、基站和存储介质
CN111656715B (zh) 一种码本处理方法、系统、网络设备、用户设备及存储介质
WO2023174132A1 (zh) 信道状态信息的反馈方法、装置、存储介质及电子装置
CN117978333A (zh) 信道状态信息报告的传输方法、通信装置及存储介质
WO2023016166A1 (zh) 码本传输方法、终端、基站和存储介质
WO2023207920A1 (zh) 信道信息反馈方法、终端及网络侧设备
WO2023077274A1 (zh) Csi反馈方法、装置、设备及存储介质
WO2024017057A1 (zh) 传输方法、通信节点及存储介质
WO2023030538A1 (zh) 信道状态信息的处理方法、终端、基站、计算机可读存储介质
CN117955540A (zh) 信道状态信息的发送、接收方法、通信装置及存储介质
CN117955595A (zh) 信道状态信息报告配置的传输方法、装置及存储介质
US20220311452A1 (en) Device and method for reducing feedback overhead associated with bitmap reporting
CN117955593A (zh) 信道状态信息的发送、接收方法、通信装置及存储介质

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