CN115134052A - 一种参考信号配置方法及装置 - Google Patents
一种参考信号配置方法及装置 Download PDFInfo
- Publication number
- CN115134052A CN115134052A CN202110332641.7A CN202110332641A CN115134052A CN 115134052 A CN115134052 A CN 115134052A CN 202110332641 A CN202110332641 A CN 202110332641A CN 115134052 A CN115134052 A CN 115134052A
- Authority
- CN
- China
- Prior art keywords
- reference signal
- pool
- extended
- initial
- signals
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 136
- 238000012549 training Methods 0.000 claims abstract description 141
- 238000013528 artificial neural network Methods 0.000 claims abstract description 113
- 230000005540 biological transmission Effects 0.000 claims abstract description 76
- 238000004891 communication Methods 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 40
- 238000005070 sampling Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001360 synchronised effect Effects 0.000 abstract description 45
- 230000011664 signaling Effects 0.000 abstract description 19
- 238000013475 authorization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 53
- 210000002569 neuron Anatomy 0.000 description 26
- 238000013473 artificial intelligence Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 18
- 210000004027 cell Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 230000004913 activation Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 108010076504 Protein Sorting Signals Proteins 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- FQZYTYWMLGAPFJ-OQKDUQJOSA-N tamoxifen citrate Chemical compound [H+].[H+].[H+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O.C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 FQZYTYWMLGAPFJ-OQKDUQJOSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical group [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0091—Signaling for the administration of the divided path
- H04L5/0094—Indication of how sub-channels of the path are allocated
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种参考信号配置方法及装置,该方法包括,接入网设备根据初始参考信号池所支持的最大时间提前量(TA)将该初始参考信号池扩展为第一扩展参考信号池,接入网设备根据训练参数和该第一扩展参考信号池通过训练神经网络得到第二扩展参考信号池,并将训练获得的该第二扩展参考信号池配置给用户设备。采用本申请实施例能够为处于RRC_INACTIVE态用户终端(UE)配置参考信号,可以使同步状态UE和异步状态UE同时采用基于预配置授权(CG)的小包传输方案,从而节省信令开销和终端功耗。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种参考信号配置方法。
背景技术
在第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)的发布(Release)16标准之前,处于无线资源控制非激活(RRC_INACTIVE)态的用户设备(UserEquipment,UE)需要重新恢复RRC连接进入无线资源控制连接(RRC_CONNECTED)态后才能进行数据传输。但是在某些场景下,处于RRC_INACTIVE态的UE所需要传输的数据包通常很小(即,小包数据),而UE由RRC_INACTIVE态进入RRC_CONNECTED态所需要传输的信令甚至大于小包数据,导致了不必要的功耗和信令开销。因此,支持UE在RRC_INACTIVE态直接进行小包传输,而不进行状态转换,可以显著的降低功耗和信令开销。3GPP的Release17标准规定,UE在RRC_INACTIVE态的小包传输目前支持两种传输模式:基于随机接入(Random Access,RA)的小包传输和基于预配置授权(Configured Grant,CG)的小包传输。基于CG的小包传输模式相比于基于RA的小包传输模式,由于不需要发送前导(Preamble)序列,可以进一步节省信令开销和终端功耗。首先基于CG的小包传输需要UE的TA有效(即同步状态),而处于RRC_INACTIVE态的UE很多都处于TA无效状态(异步状态);其次基于CG的小包传输方案,接入网设备需要根据参考信号进行用户检测,当UE数增加时,需要更多的相关性低的参考信号。
因此,如何设计适合处于RRC_INACTIVE态的UE无论在同步状态还是异步状态都可使用的,并且可以满足一定数量UE同时使用的参考信号,从而使得该一定数量的UE可以采用基于CG的小包传输方案,成为亟需解决的问题。
发明内容
本申请实施例提供一种参考信号配置方法及装置。
本申请实施例第一方面公开了一种参考信号配置方法,包括:确定第一扩展参考信号池,该第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,该初始参考信号池包括一个或多个初始参考信号,该扩展参数包括该初始参考信号池所支持的最大时间提前量(TA);确定第二扩展参考信号池,该第二扩展参考信号池中包括一个或多个参考信号,该第二扩展参考信号池是该第一扩展参考信号池基于训练参数通过训练神经网络获得;发送第一信息,该第一信息用于指示分配给第一终端设备的第一参考信号或指示分配给该第一终端设备的该第二扩展参考信号池,该第一参考信号包括于该第二扩展参考信号池中。
基于该方法,可以通过训练神经网络得到第二扩展参考信号池,该扩展参考信号池中的扩展信号可以满足一定数量的同步状态UE或异步状态UE使用,并可以使该一定数量的UE可以采用基于CG的小包传输方案,从而节省信令开销和终端功耗。
结合第一方面,在第一方面的某些实施方式中,该扩展参数还包括以下参数中的一项或多项:对该初始参考信号池中的初始参考信号扩展是使用的的采样间隔、该初始参数信号池中的每个初始参考信号的扩展数量、对该初始参考信号池中的初始参考信号扩展时使用的采样点、对该初始参考信号池中的初始参考信号扩展是使用的快速傅里叶变换(FFT)点数。基于该方法,该初始参考信号池可以采用多种方式扩展为该第一扩展参考信号池。
结合第一方面,在第一方面的某些实施方式中,该第一扩展参考信号池是该初始参考信号池基于该初始参考信号池所支持的TA进行扩展获得包括:该初始参考信号池在该TA范围内进行均匀采样,该一个或多个初始参考信号按照该TA均匀采样的粒度进行扩展。基于该方法,该初始参考信号池可以扩展为该第一扩展参考信号池。
结合第一方面,在第一方面的某些实施方式中,该初始参考信号池是随机生成的;或,该初始参考信号池是根据该训练参数选择相应的参考信号获得。基于该方法,可以获得该初始参考信号池。
结合第一方面,在第一方面的某些实施方式中,该第一信息包括该第一参考信号的序列值;或,该第一信息包括该第一参考信号的序列值的压缩值;或,该第一信息包括该第一参考信号的序列值相对之前为该第一终端设备配置的参考信号的序列值的偏移值;或,该第一信息中包括该第一参考信号的序列值相对之前为该第一终端设备配置的参考信号的序列值的偏移值的压缩值。基于该方法,接入网设备可以将训练好的扩展参考信号配置给用户设备。
结合第一方面,在第一方面的某些实施方式中,该确定第二扩展参考信号池,包括:根据N个终端设备的第一特征信息,从M个扩展参考信号池中确定该第二扩展参考信号池,其中,该第一终端设备包括于该N个终端设备中,该M个扩展参考信号池是通过训练该第一神经网络获得,M为大于或等于1的整数,N为大于或等于1的整数。
结合第一方面,在第一方面的某些实施方式中,该第一信息指示了该第二扩展参考信号池在M个扩展参考信号池中的索引,以及该第一参考信号在该第二扩展参考信号池中的索引;或,该第一信息指示了该第二扩展参考信号池在M个扩展参考信号池中的索引、该第一参考信号在该第二扩展参考信号池中所在的参考信号组的索引、以及该第一参考信号在该参考信号组中的索引。
结合第一方面,在第一方面的某些实施方式中,发送该M个扩展参考信号池的信息。基于该方法,用户设备可以从该M个扩展参考信号池中选择带第二扩展参考信号池。
结合第一方面,在第一方面的某些实施方式中,对于该M个扩展参考信号池中的每个扩展参考信号池,该扩展参考信号池是基于训练参数和训练样本集合,对第一神经网络进行训练获得;其中,该训练参数包括以下参数中的一项或多项:该扩展参考信号池最大的TA值、该扩展参考信号池中的参考信号的个数、该扩展参考信号池中的参考信号的序列长度、该扩展参考信号池中的参考信号的序列取值范围、该扩展参考信号池中的参考信号的分组信息、和该扩展参考信号池中的参考信号的性能要求;该训练样本集合中包括P个训练样本,其中每个训练样本包括N个终端设备的以下参数中的一项或多项:信道信息、数据传输状态,其中,P为大于或等于1的整数,N为大于或等于1的整数。
结合第一方面,在第一方面的某些实施方式中,该N个终端设备的第一特征信息包括其中每个终端设备的以下一项或多项:位置信息、业务特征信息、数据传输状态信息、和信道信息。
结合第一方面,在第一方面的某些实施方式中,该第二扩展参考信号池是该第一扩展参考信号池基于训练参数通过训练第一神经网络获得,包括:该第二扩展参考信号池是通过第一过程获得,该第一过程包括:操作1,根据的初始参考信号池所支持的TA将该初始参考信号池扩展为该第一扩展参考信号池,其中初始参考信号池包含N个终端设备对应的N个初始参考信号,该第一扩展参考信号池包含N*K个参考信号,K为该TA的采样点数,K为大于1的整数;操作2,从N个终端设备接收训练样本和训练参数;操作3,根据该训练参数,利用该第一神经网络确定该N*K个参考信号的N*K个训练的参考信号;操作4,向该N个终端设备中的至少一个终端设备,指示每个终端设备的训练的参考信号;操作5,确定满足第一条件时,停止该第一过程,该N*K个训练的参考信号为该第二扩展参考信号池,否则,再次进入操作2。
结合第一方面,在第一方面的某些实施方式中,该第一条件包括:该第一过程的迭代次数满足门限值要求;该第一过程的持续时间满足门限值要求;该第一过程中,参考信号的传输次数满足门限值要求;该第一过程中,被漏检的参考信号的个数满足门限值要求;该第一过程中,参考信号的漏检率满足门限值要求;该第一过程中,虚警的参考信号的个数满足门限值要求;或者,该第一过程中,参考信号的虚警率满足门限值要求。
本申请实施例第一方面公开了一种参考信号配置方法,包括:接收第一信息,该第一信息指示了分配给第一终端设备的第一参考信息;该第一参考信号包括于第二扩展参考信号池中,该第二扩展参考信号池中包括一个或多个参考信号,该第二扩展参考信号池是第一扩展参考信号池基于训练参数通过训练第一神经网络获得;该第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,该扩展参数包括该初始参考信号池所支持的时间提前量(TA)。
基于该方法,可以通过训练神经网络得到第二扩展参考信号池,该扩展参考信号池中的扩展信号可以满足一定数量的同步状态UE或异步状态UE使用,并可以使该一定数量的UE可以采用基于CG的小包传输方案,从而节省信令开销和终端功耗。
结合第二方面,在第二方面的某些实施方式中,该扩展参数还包括以下参数中的一项或多项:对该初始参考信号池中的初始参考信号扩展是使用的的采样间隔、该初始参数信号池中的每个初始参考信号的扩展数量、对该初始参考信号池中的初始参考信号扩展时使用的采样点、对该初始参考信号池中的初始参考信号扩展是使用的快速傅里叶变换(FFT)点数。基于该方法,该初始参考信号池可以采用多种方式扩展为该第一扩展参考信号池。
结合第二方面,在第二方面的某些实施方式中,该训练参数包括以下参数中的一项或多项:该第一扩展参考信号池最大的TA值、该第一扩展参考信号池中的参考信号的个数、该第一扩展参考信号池中的参考信号的序列长度、该第一扩展参考信号池中的参考信号的序列取值范围、该第一扩展参考信号池中的参考信号的分组信息、和该第一扩展参考信号池中的参考信号的性能要求。
结合第二方面,在第二方面的某些实施方式中,该第一信息包括该第一参考信号的序列值;或,该第一信息包括该第一参考信号的序列值的压缩值;或,该第一信息包括该第一参考信号的序列值相对之前为该第一终端设备配置的参考信号的序列值的偏移值;或,该第一信息中包括该第一参考信号的序列值相对之前为该第一终端设备配置的参考信号的序列值的偏移值的压缩值。基于该方法,用户设备可以接收训练好的扩展参考信号配置。
结合第二方面,在第二方面的某些实施方式中,接收该M个扩展参考信号池的信息。
结合第二方面,在第二方面的某些实施方式中,该第一终端设备根据相应的参考信号接收功率(RSRP)判断该第二扩展参考信号池是否可用。
结合第二方面,在第二方面的某些实施方式中,该第一终端设备基于其TA是否有效来确定该第一终端设备在该第二扩展参考信号池中可选的参考信号。
本申请实施例第三方面提供了一种通信装置,包括用于执行第一方面或第一方面任一种可能的实施方式中所描述的方法的模块。
本申请实施例第四方面提供了一种通信装置,包括用于执行第二方面或第二方面任一种可能的实施方式中所描述的方法的模块。
本申请实施例第五方面提供了一种通信装置,包括处理器和接口电路,该接口电路用于接收来自该装置之外的其它装置的信号并传输至该处理器或将来自该处理器的信号发送给该装置之外的其它装置,该处理器通过逻辑电路或执行代码指令用于实现第一方面或第一方面的可能的实现方式中所描述的方法,或者实现第二方面或第二方面的可能的实现方式中所描述的方法。
本申请实施例第六方面提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序或指令,当该计算机程序或指令被计算设备执行时,实现第一方面或第一方面的可能的实现方式中所描述的方法,或实现第二方面或第二方面的可能的实现方式中所描述的方法。
本申请实施例第七方面提供了一种计算机程序产品,该计算机程序产品包含计算机程序或指令,当该计算机程序或指令被计算设备执行时,实现第一方面或第一方面的可能的实现方式中所描述的方法,或实现第二方面或第二方面的可能的实现方式中所描述的方法。
本申请实施例第八方面提供了一种通信系统,该通信系统包括如下中一个或多个:如第三方面、第四方面或第五方面提供的通信装置,如第六方面提供的一种计算机可读存储介质,以及如第七方面提供的一种计算机程序产品。
附图说明
图1为本申请实施例提供的一种通信系统结构示意图;
图2为本申请实施例提供的一种神经元结构示意图;
图3为本申请实施例提供的一种神经网络层关系示意图;
图4为本申请实施例提供的一种参考信号配置方法示意性流程图;
图5为本申请实施例提供的一种接收参考信号的时域信号示意图;
图6为本申请实施例提供的一种参考信号池扩展过程的示意性框图;
图7为本申请实施例提供的一种神经网络结构的示意性框图;
图8为本申请实施例提供的一种通信装置的示意性框图;
图9为本申请实施例提供的一种通信装置的再一示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
应理解,在本申请实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,在本申请的实施例中,对术语进行的编号一般是为了区分方便而进行的描述,编号并不意味着该术语存在顺序或者优先级的区别,比如“第一扩展参考信号池”和“第二扩展参考信号池”,其中的“第一”和“第二”,通常只用于区分这两组信息,而不应对本申请实施例的实施过程构成限定。
应理解,在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请实施例中,术语“系统”和“网络”在本文中常被可互换使用。
应理解,在本申请实施例中,术语“和/或”,通常用于描述关联对象之间的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。应理解,在本申请实施例中出现的字符“/”,一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的方法及装置可以应用于通信系统中。如图1示出了一种通信系统结构示意图。该通信系统100包括接入网设备110,用户设备(user equipment,UE)120和用户设备130。在该系统中,接入网设备110接收用户设备120和用户设备130发送的上行数据,同时可以向用户设备120和用户设备130发送配置信息或下行数据。用户设备120和用户设备130接收来自于网络设备110的配置信息或下行数据,并可以依据该配置信息向接入网设备110发送上行数据。可选地,用户设备120和用户设备130也可以组成一个通信系统,例如在车联网系统中,用户设备120可以向用户设备130发送配置信息,并接收来自于用户设备130的数据信息;用户设备130接收来自于用户设备120的配置信息,并依据该配置信息向用户设备120发送数据信息。
本申请实施例提供的方法及装置可用于各种通信系统,例如第四代(4thgeneration,4G)通信系统,4.5G通信系统,5G通信系统,多种通信系统融合的系统,或者未来演进的通信系统(比如5.5G通信系统或6G通信系统)。例如长期演进(long termevolution,LTE)系统,新空口(new radio,NR)系统,无线保真(wireless-fidelity,WiFi)系统,以及第三代合作伙伴计划(3rd generation partnership project,3GPP)相关的通信系统等,以及其他此类通信系统。
本申请实施例中的接入网设备可以是任意一种具有收发功能的设备。该接入网设备可以是为通信装置提供无线通信功能服务的设备,通常位于网络侧,包括但不限于:第五代(5th generation,5G)通信系统中的下一代基站(gNodeB,gNB)、LTE系统中的演进型节点B(evolved node B,eNB)、无线网络控制器(radio network controller,RNC)、节点B(nodeB,NB)、基站控制器(base station controller,BSC)、家庭基站(例如,home evolvedNodeB,或home Node B,HNB)、基带单元(base band unit,BBU),传输接收点(transmissionreception point,TRP)、发射点(transmitting point,TP)、基站收发台(basetransceiver station,BTS)等。在一种网络结构中,该接入网设备可以包括集中单元(centralized unit,CU)节点、或分布单元(distributed unit,DU)节点、或包括CU节点和DU节点的RAN设备、或者控制面CU节点和用户面CU节点,以及DU节点的RAN设备。接入网设备为小区提供服务,通信装置通过该小区使用的传输资源(例如,频域资源,或者说,频谱资源)与基站进行通信,该小区可以是基站(例如基站)对应的小区,小区可以属于宏基站,也可以属于小小区(small cell)对应的基站,这里的小小区可以包括:城市小区(metrocell)、微小区(micro cell)、微微小区(pico cell)、毫微微小区(femto cell)等,这些小小区具有覆盖范围小、发射功率低的特点,适用于提供高速率的数据传输服务。该接入网设备还可以为V2X通信系统中的为用户设备提供无线通信服务的设备、云无线接入网络(cloud radio access network,CRAN)场景下的无线控制器、中继站、车载设备、可穿戴设备以及未来演进网络中的网络设备等,具体实现形式本申请实施例并不限定。
本申请实施例中的用户设备是一种具有无线收发功能的设备,可以部署在陆地上,包括室内或室外、手持、穿戴或车载;也可以部署在水面上(如轮船等);还可以部署在空中(例如飞机、气球和卫星上等)。该用户设备可以是手机(mobile phone)、平板电脑(Pad)、带无线收发功能的电脑、工业控制(industrial control)中的终端、车载用户设备、无人驾驶(self driving)中的终端、辅助驾驶中的终端、远程医疗(remote medical)中的终端、智能电网(smart grid)中的终端、运输安全(transportation safety)中的终端、智慧城市(smart city)中的终端、智慧家庭(smart home)中的终端、物联网(internet of things,IoT)系统中的终端等。本申请的实施例对应用场景不做限定。本申请实施例中,用户设备有时也称为终端设备、接入终端设备、车载终端、工业控制终端、UE单元、UE站、移动站、移动台、远方站、远程终端设备、移动设备、用户设备、无线通信设备、机器终端、UE代理或UE装置等。该用户设备可以是固定的,也可以是移动的。作为示例而非限定,本申请实施例中的用户设备还可以是VR终端、AR终端、或MR终端。VR终端、AR终端、和MR终端都可称为XR终端。XR终端例如可以是头戴式设备(例如头盔或眼镜),也可以是一体机,还可以是电视、显示器、汽车、车载设备、平板、智慧屏、全息投影仪、视频播放器、远程控制机器人、触觉互联网终端等。XR终端能够将XR数据呈现给用户,用户通过佩戴或使用XR终端能够体验多样化的XR业务。XR终端可以通过无线或有线的方式接入网络,例如通过WiFi或5G系统接入网络。
5G通信系统的UE在空口有三种状态,分别是RRC_CONNECTED态,RRC_INACTIVE态和RRC空闲态(RRC_IDLE)态。如果UE没有与接入网设备建立RRC连接,该UE就处于RRC_IDLE态;如果UE与接入网设备建立了RRC连接,该UE或者进入RRC_CONNECTED态,或者进入RRC_INACTIVE态。其中RRC_INACTIVE态是在5G中新引入的UE空口状态,目的是为了减少网络信令负载和降低恢复RRC_CONNECTED态的时延。而当在RRC_INACTIVE态的UE有小包数据传输需求时,支持该UE直接进行小包传输可以进一步显著降低信令开销和功耗。3GPP的Release17标准规定,UE在RRC_INACTIVE态的小包传输目前支持两种传输模式基于RA的小包传输和基于CG的小包传输。
基于RA的小包传输:基于RA的小包传输指的是在RA阶段,UE将上行数据(为简单起见,下文所述的数据如果没有特别指出,上行数据均代表用户面数据)发送给接入网设备,例如两步RA中,UE通过MsgA的物理上行共享信道(Physical Uplink Shared Channel,PUSCH)向接入网设备发送上行数据,又例在如四步RA中,UE通过Msg3向接入网设备发送上行数据。基于RA的小包传输,无论是两步RA还是四步RA,UE除了向接入网设备发送数据外,都需要发送preamble序列,例如,两步RA中的MsgA PRACH或者四步RA中的Msg1,发送preamble序列的作用是供基站确定终端的定时提前量(Timing Advance,TA),因此,基于RA的小包传输更适用于UE的TA无效时场景,即UE与接入网设备处于异步状态的场景。
基于CG的小包传输,基于CG的小包传输是指,接入网设备通过半静态的方式为UE预配置用于上行数据传输的PUSCH资源以及传输参数,当UE有上行数据需要发送时,直接使用预配置的PUSCH资源和参数向接入网设备发送数据,而不必接收接入网设备的动态授权(dynamic UL grant),也不必发送Preamble序列。LTE中基于预配置上行资源PUR(Pre-configured Uplink Resource)传输和NR中基于配置的授权CG(Configured Grant)传输(包括Type 1CG和Type 2CG)都属于上行免授权传输范畴。基于免授权的小包传输中,UE不需要发送Preamble序列,因此更适用于UE TA有效场景,即UE与基站处于同步状态的场景,相比基于RA的方案,可以进一步节省信令开销和终端功耗。
基于CG的小包传输,由于接入网设备并不知道哪个UE在哪个时频资源上进行上行传输,因此接入网设备需要在每个配置了预配置授权传输的时频资源上,盲检所有配置了该时频资源的UE的上行传输。常用的做法是,接入网设备给配置在该时频资源上的每个UE分配一个与该时频资源上其他UE都不同的导频资源,导频也可以叫做参考信号,以导频为解调参考信号(Demodulation Reference Signal,DMRS)为例,DMRS资源包括DMRS端口和DMRS序列,接入网设备在该时频资源上检测所有配置在该时频资源上的DMRS资源,如果检测到某个DMRS资源,则该DMRS资源对应的UE在该时频资源上存在上行传输,即该UE在该时频资源上活跃。DMRS除了用于UE活跃检测外,还用于上行信道估计。UE活跃检测和信道估计可以独立进行,即先进行UE活跃检测,再对活跃UE进行信道估计,也可以联合进行UE活跃检测和信道估计,独立进行还是联合进行取决于接入网设备侧采用的算法。
虽然基于CG的小包传输方案相比基于RA的小包传输方案,可以进一步节省信令开销和终端功耗,但使用基于CG的小包传输方案会有以下问题:首先基于CG的小包传输需要UE的TA有效(即同步状态),而处于RRC_INACTIVE态的UE很多都处于TA无效状态(异步状态);其次基于CG的小包传输方案,接入网设备需要根据参考信号进行用户检测和信道估计,当UE数增加时,参考信号的相关性性能会恶化。示例性地,当参考信号采用ZC序列时,由于ZC序列受限于序列长度,当UE数量超过ZC序列所能支持的DMRS资源上限时,接入网设备将无法为每个UE分配一个唯一的DMRS资源。当参考信号采用黄金序列时,由于黄金序列之间的相关性较高,随着UE数量的增加,检测性能和信道估计性能都会恶化。
设计参考信号的生成方法,使得生成的参考信号既能满足无论处于同步状态还是异步状态的UE使用,又能满足数量要求和性能要求,是一个复杂的高维度问题。人工智能(Artificial Intelligence,AI)技术可以有效地解决复杂的高维度问题。
基于此,本申请实施例提供了下述基于AI技术的参考信号的配置方法。该方法中,网络侧通过神经网络生成至少一个候选参考信号,接入网设备从该至少一个候选参考信号中为UE配置该UE的参考信号。其中,用于通过神经网络生成至少一个候选参考信号的网元可以是基站、基站中的CU、或者网络侧独立于基站的另一个网元,不予限制。例如,该另一个网元可以是云服务器、或网络侧用于实现AI功能的节点(例如专用于模型学习的节点)等。其中,用于实现AI功能的节点可以称为AI节点、无线智能控制器或者其他名称,不予限制。该另一个网元生成候选参考信号后,可以通过该网元和基站之间的接口或者通过其他网元的转发,将该候选参考信号通知给接入网设备。该接入网设备可以将该候选参考信号分配给UE,用于接入网设备和UE之间的数据传输。
本申请实施例提供的方法可以用于基于CG的小包传输方案,该方法得到的参考信号可以使得UE无论出于TA无效或者TA无效场景,都可以进行基于CG小包传输。此外,该方法得到参考信号可以满足在同一个时频资源上多个UE同时使用时,UE的活跃检测性能和信道估计性能满足要求。UE在该多个时频资源上传输时使用的参考信号可以相同,可以不同,不予限制。不限制地,该方法得到的参考信号还可以用于其他类型的传输,例如用于下行传输或者基于动态调度的上行传输。
本申请实施例中生成的参考信号用于上行传输时,主要用于进行UE的活跃检测、解调上行数据信道、和/或解调上行控制信道。该上行数据信道或上行控制信道可以是单个UE特定的,或者是多个UE共享的,不予限制。下文以该上行数据信道是PUSCH、该上行控制信道是物理上行控制信道(physical uplink control channel,PUCCH)为例进行描述。该参考信号可以是PUSCH的DMRS、PUCCH的DMRS、前导(preamble)、或者探测参考信号(soundingreference signal,SRS),不予限制。PUSCH的DMRS、preamble或SRS可以用于进行UE的活跃检测、进行上行测量、和/或解调PUSCH。PUCCH的DMRS、preamble或SRS可以用于进行UE的活跃检测、进行上行测量、和/或解调PUCCH。
本申请实施例中生成的参考信号用于下行传输时,主要用于解调下行数据信道、解调下行控制信道,和/或进行下行测量。该下行数据信道或下行控制信道可以是单个UE特定的,或者是多个UE共享的,不予限制。该参考信号可以是下行数据信道或下行控制信道的DMRS、信道状态信息参考信号(channel-state information reference signal,CSI-RS)、同步信号、或者定位参考信号,不予限制。
机器学习是AI领域的一个重要分支,是实现AI的一种技术手段。机器学习中,机器可以对训练数据(还可以称为训练样本)进行训练或者学习,得到AI模型。AI模型用于表征从模型输入到模型输出之间的映射关系。AI模型可以用于对测试样本进行预测,得到预测结果。本申请实施例中,AI模型可以简称为模型、机器学习(machine learning,ML)模型、AI/ML模型、AI网络、或其它名称。利用模型进行预测还可以称为利用模型进行推理。测试样本还可以称为推理样本等。
如上,AI功能包括模型学习功能和推理功能。本申请相关实施例中,可以由一个节点(例如基站、或AI节点)实现模型学习功能和推理功能;也可以由2个不同的节点分别实现模型学习功能和推理功能,不予限制。例如AI节点包括模型学习节点和推理节点,其中,模型学习节点用于实现模型学习功能,推理节点用于实现推理功能。再例如,由AI节点实现模型学习功能,基站实现推理功能。神经网络(neural network,NN)是机器学习的一种具体实现形式。根据通用近似定理,神经网络理论上可以逼近任意连续函数,从而使得神经网络具备学习任意映射的能力。因此神经网络可以对复杂的高维度问题进行准确地抽象建模。
如图2所示,图2示出了本申请实施例提供的一种神经元结构示意图。神经网络的思想来源于大脑组织的神经元结构。每个神经元都对其输入值做加权求和运算,将加权求和结果通过一个激活函数产生输出。假设神经元的输入为x=[x0,x1,...,xn],与各输入对应的权值分别为w=[w,w1,...,wn],加权求和的偏置为b。激活函数的形式可以多样化,假设一个神经元的激活函数为:y=f(z)=max(0,z),则该神经元的输出为: 再例如一个神经元的激活函数为:y=f(z)=z,则该神经元的输出为:b可以为小数、整数(0、正整数或负整数)、或复数等各种可能的取值,不予限制。神经网络中不同神经元的激活函数可以相同或不同。
如图3所示,图3示出了本申请实施例提供的一种神经网络层关系示意图。神经网络一般包括多层结构,每层可包括一个或多个神经元。增加神经网络的深度和/或宽度可以提高该神经网络的表达能力,为复杂系统提供更强大的信息提取和抽象建模能力。其中,神经网络的深度可以指神经网络包括的层数,每层包括的神经元个数可以称为该层的宽度。一种实现中,神经网络包括输入层和输出层。神经网络的输入层将接收到的输入经过神经元处理后,将结果传递给输出层,由输出层得到神经网络的输出结果。另一种实现中,神经网络包括输入层、隐藏层和输出层。神经网络的输入层将接收到的输入经过神经元处理后,将结果传递给隐藏层,隐藏层再将计算结果传递给输出层或者相邻的隐藏层,最后由输出层得到神经网络的输出结果。一个神经网络可以包括一层或多层依次连接的隐藏层,不予限制。神经网络的训练过程中,可以定义损失函数。损失函数描述了神经网络的输出值和理想目标值之间的差距或差异,本申请不限制损失函数的具体形式。神经网络的训练过程就是通过调整神经网络参数,如神经网络的层数、宽度、神经元的权值、和/或神经元的激活函数中的参数等,使得损失函数的值小于门限值或者满足目标需求的过程。本申请不限制神经网络的具体学习算法。
基于图1、图2和图3,请参见图4,图4示出了本申请实施例提供的一种参考信号配置方法的示意性流程图。在图4所示出的参考信号配置方法中,涉及接入网设备和第一用户设备。应理解,进行机器学习的AI模块可以包含在接入网设备中,也可以为独立的AI网元,本申请实施例以AI模块包含在接入网设备中为例进行描述。本申请实施例的方法400包括但不限于如下步骤:
S401,基于扩展参数确定第一扩展参考信号池,并基于神经网络确定第二扩展参考信号池。
接入网设备确定第一扩展参考信号池,该第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,该初始参考信号池包括一个或多个初始参考信号,该初始参考信号池根据提前设置的训练参数得到,该训练参数中包括该扩展参数,该扩展参数包括所述初始参考信号池所支持的最大时间提前量(TA)。
可选地,该扩展参数还包括以下参数的一项或多项:对该初始参考信号池中的初始参考信号扩展时使用的采样间隔、该初始参数信号池中的每个初始参考信号的扩展数量、对该初始参考信号池中的初始参考信号扩展时使用的采样点、对该初始参考信号池中的参考信号扩展时使用的快速傅里叶变换(FFT)点数。
示例性地,该训练参数指示了初始参考信号池中的初始参考信号的特征,该接入网设备可以根据该特征得到该初始参考信号池。例如可以随机生成该初始参考信号池,或者可以从已有的序列池中(如黄金序列)选择出满足该特征要求的序列得到初始参考信号池,本申请不限制获得初始参考信号池的具体方法。
示例性地,该扩展参数指示了该初始参考信号池可支持的最大TA值。TA指的是UE信号实际到达的时刻与该信号对应的时刻之间的差值,即信号在基站与UE间往返传播的时间,通常TA=2*d/c,其中d为UE与基站的距离,c为电磁波传输速度,即光速。
示例性地,该训练参数指定了该初始参考信号池中的初始参考信号的个数。例如,该初始参考信号池中的初始参考信号的个数可以等于或小于训练样本UE的个数N1。或者,由协议约定或者预先配置初始参考信号池中的初始参考信号的个数等于N1,即等于训练样本中对应的UE数。
可选地,该训练参数指定了该初始参考信号池中的初始参考信号的序列长度。或者,由协议约定或者预先配置该初始参考信号池中的初始参考信号的序列长度。其中,初始参考信号的序列长度表示该初始参考信号中包括的元素个数。一个初始参考信号序列中可以包括一个或多个元素,每个元素的取值可以是小数、整数或复数等,不同元素的取值类型可以相同或不同,不予限制。
可选地,该训练参数指定了初始参考信号池中的初始参考信号的序列取值范围。或者,由协议约定或者预先配置初始参考信号池中的初始参考信号的序列取值范围。其中,初始参考信号的序列取值范围还可以称为初始参考信号的序列空间。示例性地,指定(或配置)初始参考信号的序列取值范围包括:指定该序列中的元素的取值满足恒模。例如,该模值为正整数或小数,如1、2或其它值等。再例如,指定(或配置)初始参考信号的序列取值范围包括:指定该序列中每个元素的取值为正交相移键控(quadrature phase shiftkeying,QPSK)星座图中的四个星座点中的任意一个。不同元素的取值可以相同或不同,不予限制。其中,该四个星座点分别是:和其中,j为虚数单位,j的平方等于-1。
可选地,该训练参数指定了该初始参考信号池中的初始参考信号的性能要求。或者,由协议约定或者预先配置初始参考信号池中的初始参考信号的性能要求。该初始参考信号的性能要求包括神经网络的性能损失函数的要求,例如指示了性能损失函数的门限值。其中,初始参考信号所满足的性能要求包括以下一项或多项:
利用该初始参考信号进行TA估计时的TA估计误差;或者,
利用该初始参考信号进行译码时的虚警概率门限值、或漏检概率门限值,即利用神经网络的神经网络译码器进行译码时需满足的虚警概率门限和漏检概率门限;或者,
利用该初始参考信号进行信道估计时的均方误差(mean square error,MSE)门限值,即利用神经网络译码器估计的信道与为神经网络编码器输入的信道之间的差异需满足的门限;
初始参考信号池中的初始参考信号的峰均功率比(peak-to-average powerratio,PAPR)门限值。例如,初始参考信号池中至少有一个初始参考信号的PAPR需低于该门限,或者初始参考信号池中的所有初始参考信号的PAPR需低于该门限;或,如果训练时初始参考信号与数据(如PUSCH或PDSCH)一起发送,则性能要求还可以包括用该初始参考信号估计的信道解调数据时的误码率,或者误块率,或者交叉熵。
在该接入网设备获得该初始参考信号池后,该接入网设备可以基于该初始参考信号池根据扩展参数对该初始参考信号池扩展为第一扩展参考信号池。在该初始参考信号池支持的TA范围内进行均匀采样,该初始参考信号池中的一个或多个初始参考信号按照所述TA均匀采样的粒度进行扩展。
示例性地,该初始参考信号池中包括N1个初始参考信号,该接入网设备对该初始参考信号池支持的TA范围[0,TAmax]均匀采样,采样间隔为Δt,得到K个采样点,K=ceil(TAmax/Δt)。如图5所示,图5为本申请实施例提供的一种接收参考信号的时域信号示意图,例如,接入网设备接收定时为TA的UE的参考信号,图5中UE发送的参考信号序列为S1,TA为TA1,则当TA1小于循环前缀(Cyclic Prefix,CP)长度时,接入网设备接收到的该UE的参考信号为S1的时域信号的循环移位TA1后的时域信号对应的频域信号:
S1(TA1)=fft(CS(ifft(S1),TA1))=S1·[e-j(F-TA1)/F,e-2j(F-TA1)/F,...,e-N(F-TA1)/F]T
其中,N为参考信号长度,F为FFT点数,TA为TA1的参考信号S1和TA=0的参考信号S1(TA1)在接收端是等效的,则异步状态TA范围为[0,TAmax]的N1个参考信号的TA估计、活跃检测、信道估计问题可以等效为同步状态N2=K*N1个参考信号的活跃检测、信道估计问题。
如图6所示,图6为本申请实施例提供的一种参考信号池扩展过程的示意性框图。图中示出了,初始参考信号池扩展为第一扩展参考信号池的过程,其中图中所示的原始导频池即为该初始参考信号池,包括N1个初始参考信号;图中所示的扩展导频池即为所述第一扩展参考信号池,包括K*N1个参考信号。该N1个初始参考信号中的每个初始参考信号可以扩展为K个等效的参考信号,其中至多只有1个为激活的,如果其中第k个等效参考信号激活,则该参考信号的TA在[(k-1)Δt,kΔt]范围内,如果该K个等效参考信号均未激活,则该参考信号未激活。可以看出,采样间隔Δt越小,K越大,则TA估计越精细,同时扩展的参考信号越多,复杂度越高,因此需要选择适当的Δt,对复杂度和TA误差进行折中,此外,对TA范围[0,TAmax]的采样也可以是非均匀的。如何选取Δt以及均匀还是非均匀采样,本发明不做限定。
该接入网设备在获取到该第一扩展参考信号池后,将基于该第一扩展参考信号池、训练参数通过训练神经网络获得第二扩展参考信号池。示例性地训练过程如下描述:
操作1:该接入网设备收集数据作为神经网络的训练样本集合。
示例性地,该接入网设备可以收集用户活跃状态、信道信息、TA值等信息,并选取其中的一项或多项作为训练样本集合。该接入网设备可以通过收集线网数据得到该训练样本集合,也可以通过仿真数据得到该训练样本集合。该训练样本集合中包括P个训练样本,每个训练样本包括N2个样本点。其中,P为大于或等于1的整数,N2为大于或等于1的整数。该P个训练样本中的每个训练样本都包括相同个数的样本点。可选地,一个样本点可以看做一个UE的信息;该训练样本可以看做N2个UE在一个时间单元的信息;P个训练样本可以看做该N2个UE在P个时间单元的信息。可选地,该P个训练样本还可以是真实N2个UE的信息,即从真实的N2个UE的历史传输信息中获得的,或者是虚拟合成的N2个UE的信息,即通过仿真方式生成的数据,不予限制。
示例性地,上述一个时间单元中包括一个或多个时间单位。该时间单位可以是子帧、时隙(slot)、微时隙(mini-slot)、或符号等常用的通信时域单位,或者该时间单位为10毫秒、1毫秒、0.5毫秒等绝对时间单位。一个UE的数据传输状态可以称为激活状态,其值为激活或非激活。激活表示该样本中认为该UE的数据被传输,非激活表示该样本中认为该UE的数据没有被传输。UE的信道信息用于确定UE的信道响应矩阵。不同UE的信道可以相同或不同,不予限制。其中,信道响应矩阵还可以称为信道矩阵或信道响应。
应理解,该训练样本集合包括同步状态UE的数据和异步状态UE的数据。该接入网设备在获取训练样本集合后,可以将基于该训练样本集合中同步状态UE的数据和异步状态UE的数据进行联合训练,得到优化后的参考信号和用户检测算法,也可以将同步状态的UE和异步状态的UE分来训练,得到优化后的参考信号和用户检测算法。
应理解,上述训练样本集合和训练参数可以作为神经网络的输入参数。对于M个不同的输入参数和上述第一扩展参考信号池,该接入网设备通过训练神经网络可以得到M个参考信号池。其中,输入参数的训练参数和/或训练样本集合可以不同;不同输入参数的训练样本集合中包括的样本个数P也可以不同;不同输入参数的单个训练样本对应的UE个数N2可以相同,也可以不同,不予限制。
应理解,该接入网设备可以基于该第一扩展参考信号、该训练参数和该训练样本集合通过一次训练过程得到该第二扩展参考信号。其中,一次训练过程包括一次或多次迭代训练,多次迭代训练的方法与一次迭代训练的方法相同。
操作2:该接入网设备将获得的训练样本集合中的P个训练样本和训练参数依次输入神经网络。
示例性地,如图7所示,图7为本本申请实施例提供的一种神经网络结构的示意性框图,该神经网络包括神经网络编码器和神经网络译码器,其中,该神经网络编码器用于对训练样本进行编码并输出第二扩展参考信号池,神经网络译码器用于对训练样本进行译码。该神经网络还包括损失函数,该损失函数用于描述该神经网络译码器的输出和该神经网络编码器的输入之间的差异。该神经网络编码器即为第一扩展参考信号池,对于训练样本集合其中的每个训练样本,由该神经网络编码器对训练样本中的信道信息对应的信道响应矩阵进行编码,模拟了第一扩展参考信号池经过该信道的过程,得到该训练样本对应的N2个UE各自的第一输出信号。其中,信道响应矩阵还可以简称为信道或信道矩阵,不予限制。
示例性地,该信道信息可以是标准约定的信道类型和信道参数,例如该接入网设备通过为一种或多种类型的信道输入不同的信道参数,可以得到多个的信道样本点。该接入网设备可以将该多个信道样本点组织为训练样本集合。该接入网设备可以为训练样本集合中的训练样本设置数据传输状态。可选地,该信道信息也可以由该接入网设备通过上行测量得到,例如,该信道信息是由历史中接入该接入网设备的N2个UE根据下行参考信号测量得到,并上报给该接入网设备的。其中,N2为大于或等于1的整数。该N2个UE和上述N1个UE可以是相同的,或者可以是不同的,不予限制。可选地,该方法用于训练下行参考信号。本文不对该信道信息的具体获得方式进行限制。
示例性地,针对上述P个训练样本中的一个训练样本输入神经网络的情况,神经网络编码器的输入层包括N2*L个神经元,其中,L为导频序列的长度或者信道长度,L为整数。每L个神经元对应于N2个UE中的一个UE的等效信道等效信道 其中ai表示该训练样本中第i个UE的数据传输状态,i的取值为1至N2。当一个UE的数据传输状态为激活时,该UE对应的神经元的激活函数中的a为1;当该UE的数据传输状态为非激活时,该UE对应的神经元的激活函数中的a为0,hi表示该训练样本中第i个UE的信道矩阵,TAi表示该训练样本中第i个UE的TA,CS(.)表示时域循环移位。神经网络编码器包括输出层,该输出层的输出记为y,该输出层包括L个神经元,表示N2个参考信号经过信道后的叠加信号,第j神经元的激活函数为其中,si,j表示该第j神经元的权值,该权值对应N2个参考信号中第i个参考信号的第j个元素,j的取值为1至L。该过程用于模拟该N1个UE的信道在信道中的叠加传输。针对P个训练样本,共可以得到P个y
可选地,上述叠加过程还可以将N2个第一输出信号进行信号叠加,得到第二输出信号;或者,将N2个第一输出信号进行信号叠加和噪声添加,得到第二输出信号。该信号叠加过程可以由神经网络编码器实现,或者由不同于神经网络编码器的另一个模块实现,本文不予限制。
操作3,该接入网设备将该第二输出信号输入神经网络译码器,由该神经网络译码器对该第二输出信号进行译码,得到译码输出信号。其中,该译码操作可以看做上述编码的逆操作,用于恢复出训练样本中的信道信息。
示例性地,该神经网络译码器可以采用全连接的多层神经网络来实现,其中输入层、隐含层、和输出层之间的权值由训练样本和训练算法来确定。例如,神经网络译码器的输入层包括X个神经元,X对应第二输出信号的维度,输出层包括N3=K*N2个神经元,对应译码输出信号的维度,其中K为上述对初始参考信号进行采样的采样点数。
可选地,该神经网络译码器还可以采用模型驱动的多层神经网络来实现。例如,神经网络译码器基于近似消息传递算法展开来实现,其中包括Q层,第q层可以用公式表示为:
Xq+1=η(Xq+AH*Rq)
其中,q的取值为1至Q,Y表示第二输出信号,A表示初始参考信号池的各个序列扩展后的等效序列构成的矩阵,Xq表示第q层估计的译码输出信号,Rq表示第q层估计的残差信号,δq是一个待训练的参数或预先确定的常数,η(·)表示待训练的非线性函数或预先确定的非线性函数,η′(·)表示η(·)的导数,<·>表示向量的均值,AH表示A的共轭转置。该神经网络译码器的输出为最后一层的X,该X的每行(或者列)表示试图恢复出的每个N3个等效UE中的每个等效UE信道响应。该神经网络译码器试图恢复出上述hi。可选地,记恢复出的信号为h'i。针对一个训练样本,共可以恢复出N3个h'i。针对P个训练样本,共可以恢复出P组N3个h'i。
操作4,该接入网设备根据上述输入神经网络编码器的信道信息hi和/或该神经网络译码器恢复出的信道信息h'i,确定神经网络的性能。
示例性地,如果该神经网络的性能能满足第一性能要求,则将训练后的第一扩展参考信号池做为第二扩展参考信号池并由该神经网络输出,然后停止该神经网络的训练过程。否则,该接入网设备可以根据训练参数,或者根据第一扩展参考信号池和训练参数得到更新的第一扩展参考信号池,并再次进入操作2。该第一性能要求包括该神经网络的性能损失函数的要求,该第一性能要求一下一项或多项:
示例性地,该性能损失函数的门限值。
可选地,利用该第一扩展参考信号池中的参考信号进行TA估计时的TA估计误差;
可选地,利用该第一扩展参考信号池中的参考信号进行译码时的虚警概率门限值、或漏检概率门限值,即利用该神经网络的神经网络译码器进行译码时需满足的虚警概率门限和漏检概率门限;
可选地,利用该第一扩展参考信号池中的参考信号进行信道估计时的均方误差(mean square error,MSE)门限值,即利用该神经网络译码器估计的信道与为神经网络编码器输入的信道之间的差异需满足的门限;
可选地,该第一扩展参考信号池中的参考信号的峰均功率比(peak-to-averagepower ratio,PAPR)门限值。例如,该第一扩展参考信号池中至少有一个参考信号的PAPR需低于该门限,或者该第一扩展参考信号池中的所有参考信号的PAPR需低于该门限;
可选地,如果训练时该第一扩展参考信号池中的参考信号与数据(如PUSCH或PDSCH)一起发送,则性能要求还可以包括用该参考信号估计的信道解调数据时的误码率,或者误块率,或者交叉熵。
示例性地,该接入网设备可以参考上述方法根据不同的训练参数训练出M个扩展参考信号池。当接入网设备为N1个UE配置参考信号时,可以根据该N1个UE的第一特征信息,从该M个参考信号池中选择出尽可能匹配该N1个UE的第一特征信息的第二扩展参考信号池。该第一特征信息可以包括以下参数中的一项或多项:TA信息、信道信息以及数据传输状态。例如该M个扩展参考信号池中每个扩展信号池都对应一个可支持的最大TA,该第一UE可以根据测量的RSRP选择该第二扩展参考信号池。当该第一UE测量的RSRP大于某一阈值时,该第一UE选择该第二扩展参考信号池,当该第一UE测量的RSRP小于某一阈值时,该第一UE不选择该第二扩展参考信号池。
可选地,在该第一扩展参考信号池训练神经网络获得该第二扩展参考信号池的过程中,该第一扩展参考信号池可以先通过训练神经网络获得第二初始信号池,然后该第二初始信号池基于扩展参数扩展为第二扩展参考信号池。
可选地,该接入网设备在训练神经网络获得该第二扩展参考信号池的过程中,针对同步UE和异步UE,该接入网设备可以使用相同的第一扩展参考信号池进行训练,得到该第二扩展参考信号池;可选地,针对同步UE和异步UE,该接入网设备可以使用各自第一扩展参考信号池进行训练,获得同步UE的第二扩展参考信号池和异步UE第二扩展参考信号池;可选地,针对异步UE,该接入网设备可以使用第一扩展参考信号池进行训练,针对同步UE,该接入网设备可以使用第一信号池进行训练,第一信号池可以是用于扩展第一扩展参考信号池的初始信号池,也可以是其他信号池。
S402,接入网设备发送第一信息。
该接入网设备向第一用户设备发送第一信息,该第一信息用于指示分配给第一UE的第一参考信号或指示分配给所述第一终端设备的所述第二扩展参考信号池,该第一参考信号包括于上述第二扩展参考信号池中。
可选地,该第一信息可以包括所述第一参考信号的序列值。
可选地,该第一信息也可以包括该第一参考信号的序列值的压缩值;该接入网设备发送给UE的压缩值可以是基站通过神经网络压缩器压缩得到的。UE接收到该压缩值后,通过神经网络解压器恢复出第一参考信号的序列值。神经网络压缩器和神经网络解压器分别用于实现压缩和解压缩功能,可以看做是对偶的神经网络。例如,神经网络压缩器的输入是第一参考信号的序列值,输出是压缩后的压缩值。神经网络解压器的输入是第一参考信号的序列值的压缩值,输出是第一参考信号的序列值。神经网络压缩器和神经网络解压器可以是由AI节点训练得到的、由基站训练得到的、由基站和UE联合训练得到的、或者由AI节点和UE联合训练得到的,不予限制。神经网络压缩器还可以包括量化器,用于实现实数到比特的量化,从而方便通过第一信息进行传输压缩值。
可选地,该第一信息还可以包括该第一参考信号的序列值相对之前为该第一用户设备配置的参考信号的序列值的偏移值。
可选地,该第一信息中还可以包括该第一参考信号的序列值相对之前为该第一用户设备配置的参考信号的序列值的偏移值的压缩值。如第一信息包括该偏移值或者包括该偏移值的压缩值。其中,前一次为第一UE配置的参考信号可以称为第一UE的当前参考信号。第一UE接收到第一信息后,更新该UE的当前参考信号。可选地,第一信息指示第一参考信号相对参考的参考信号的偏移值,如第一信息包括该偏移值或者包括该偏移值的压缩值。参考的参考信号可以是基站预先为UE配置的或协议约定的参考信号,第一信息还可以包括参考的参考信号的索引。参考的参考信号还可以称为基线参考信号、默认参考信号、第三参考信号或者其他名称,不予限制。
可选地,该第一信息指示了该第二扩展参考信号池在M个扩展参考信号池中的索引,以及该第一参考信号在该第二扩展参考信号池中的索引;或,该第一信息指示了该第二扩展参考信号池在M个扩展参考信号池中的索引、该第一参考信号在该第二扩展参考信号池中所在的参考信号组的索引、以及该第一参考信号在该参考信号组中的索引。例如,第二扩展参考信号池中包括T个参考信号,每个参考信号具有唯一的标识或索引,例如该T个参考信号的索引分别为0至T-1。或者,第二扩展参考信号池和另一参考信号池(如第三扩展参考信号池)中共包括T个参考信号,每个参考信号具有唯一的标识或索引,例如该T个参考信号的索引分别为0至T-1。
可选地,该第一消息还指示了第二扩展参考信号池信息;
可选地,该第一消息还指示了第二初始信号池信息和扩展参数信息;
可选地,该第一消息还指示了同步UE的第二扩展参考信号池信息和异步UE第二扩展参考信号池信息;
可选地,该第一消息还指示了同步UE的第二初始信号池信息信息和异步UE第二初始信号池信息信息;可选地,该第一消息还指示了M个扩展参考信号池的信息;
可选地,该第一消息还指示了M个扩展参考信号池中每个扩展参考信号池对应的第二初始信号池信息和扩展参数信息;
可选地,该第一消息还指示了同步UE的M个扩展参考信号池的信息和异步UE的M个扩展参考信号池的信息;
应理解,上述第二扩展参考信号池信息和第二初始信号池信息表征了M个扩展参考信号池的信息中其中一个扩展参考信号池信息和对应的第二初始信号池信息,该第二初始信号池信息是经过神经网络训练得到的,该第二初始信号池信息可以通过扩展参数扩展为该第二初始信号池信息对应的第二扩展参考信号池。
示例性地,该第一信息的消息类型可以是无线资源控制(radio resourcecontrol,RRC)信令,如公共RRC信令或者UE特定的RRC信令;或者可以是媒体接入控制(media access control,MAC)控制元素(control element,CE);或者可以是物理层信令,不予限制。其中,公共RRC信令是面向多个UE的信令,例如可以是主信息块(masterinformation block,MIB)或系统消息块(system information block,SIB)等。物理层信令可以是承载于物理层控制信道(如物理下行控制信道(physical downlink controlchannel,PDCCH))上的信令,如下行控制信息(downlink control information,DCI)。
可选地,该接入网设备还可以通过其他信息将该M个扩展参考信号池的信息发送给该第一UE,这里限制具体的信息形式。
可选地,该接入网设备还可以将扩展参数和训练参数的信息发送给该第一UE。
S403,确定参考信号。
在一种可能的实施方式中,第一信息用于指示分配给第一UE的第二扩展参考信号池,该第一UE可以从该第二扩展信号池中选择匹配的参考信号。
示例性地,该第一UE首先根据TA是否有效确定自己为同步状态或异步状态。当该第一UE的TA有效时,该第一UE为同步状态,当该第一UE的TA无效时,该第一UE为异步状态。该第一UE可以根据自身的TA计时器判断TA是否无效,例如,当TA计时器未超时时认为TA有效,否则,则认为该第一UE的TA无效。可选地,该第一UE还可以根据自身的位置移动距离判断TA是否无效,例如,当该第一UE的移动距离小于阈值B,则认为TA有效,否则,则认为TA无效。
可选地,该第一UE为异步状态,该第一UE用TA=0进行上行传输,该第一UE仅能在该第二扩展参考信号池中的参考信号S1~参考信号Sn中选择相应的参考信号,如图6所示,图6中的扩展导频池也可以代表第二扩展参考信号池,该第一UE仅能在该第二扩展参考信号池中的参考信号S1~参考信号Sn中选择相应的参考信号。
可选地,该第一UE为同步状态,该第一UE会用TA=有效TA进行上行传输,该第一UE可以在该第二扩展参考信号池中的所有参考信号中选择相应的参考信号。
示例性地,当接入网设备检测到参考信号序列S1(Δt)时,有两种可能,一种是同步UE选择了参考信号序列S1(Δt),另一种是TA为Δk的异步UE选择了参考信号序列S1,此时该接入网设备需要分别按照这两种可能情况解调该参考信号对应的数据,判断是哪种情况。如果该接入网设备判断是同步UE选择了参考信号序列S1(Δt),则在解调该参考信号对应的数据时不需要调整TA,如果该接入网设备判断是TA为Δt的异步UE选择了参考信号序列S1,则在解调该参考信号对应的数据时需要将数据调整Δt,保证数据的解调性能。可选的,UE可以在数据中上报同步、异步状态。这样无论是同步UE还是异步UE,在使用了该第二扩展参考信号池中的参考信号后,都可以保证数据解调的性能。
可选地,无论该第一UE为同步状态还是异步状态,该第一UE都使用TA=0进行上行传输,即无论该第一UE为同步状态还是异步状态都将该第一UE视为异步状态处理,则该第一UE仅能在该第二扩展参考信号池中的参考信号S1~参考信号Sn中选择相应的参考信号。
可选地,如果该第一UE为异步状态,该第一UE可以测量RSRP,如果测量的RSRP大于或等于某一RSRP阈值时,使用TA=0进行上行传输,如果该第一UE测量的RSRP小于某一阈值时,使用TA=T进行上行传输,T为预定义或者接入网设备配置的TA值。也可以预定义或者配置多组RSRP阈值和TA值,例如,对于该第一UE,如果测量的RSRP大于或等于阈值1时,使用TA=0进行上行传输,如果测量的RSRP小于阈值1且大于阈值2时,使用TA=T1进行上行传输,以此类推。该第一UE仅能该第一UE仅能在该第二扩展参考信号池中的参考信号S1~参考信号Sn中选择相应的参考信号。
可选地,异步状态的UE和同步状态的UE在训练产生第二扩展参考信号池时使用同一个第一扩展参考信号池,也可以使用独立的第一扩展参考信号池。如果使用同一个第一扩展参考信号池,则异步状态的UE和同步状态的UE可以得到同一个第二扩展参考信号池。如果各自使用独立的第一扩展参考信号池,则异步状态的UE可以获得相对应的异步UE的第二扩展参考信号池,同步状态的UE可以获得相对应的同步UE第二扩展参考信号池。UE根据自己的状态,如果是异步状态只能选择异步状态第二扩展参考信号池或该异步状态第二扩展参考信号池中的参考信号,如果是同步状态只能选择同步状态第二扩展参考信号池或该同步UE的第二扩展参考信号池中的参考信号。
可选地,该第一UE可以根据接收到的该第二初始信号池信息和扩展参数信息获得第二扩展参考信号池。
可选地,同步UE也可以使用独立于第二扩展参考信号的第二参考信号池,则UE根据自己的状态,异步UE仅能在该第二扩展参考信号池中的参考信号S1~参考信号Sn中选择相应的参考信号,同步UE仅能选择第二参考信号池的参考信号。
在另一种可能的实施方式中,第一信息用于指示分配给第一UE的第一参考信号,该第一UE使用该第一参考信号。
可选的,第一参考信号可以包括同步UE的第一参考信号和异步UE的第一参考信号,则UE根据自己的状态,异步UE仅能使用异步UE的第一参考信号,同步UE仅能使用同步UE的第一参考信号。
本申请实施例的参考信号配置方法可以为处于RRC_INACTIVE态N2个UE配置各UE的参考信号,可以使该N2个UE中每个UE无论在同步状态还是异步状态都可以采用基于CG的小包传输方案,从而节省信令开销和终端功耗。
图8为本申请实施例提供的一种通信装置的示意性框图。这些通信装置可以用于实现上述方法实施例中接入网设备的功能,因此也能实现上述方法实施例所具备的有益效果。在本申请的实施例中,该通信装置可以是上述方法实施例中接入网设备,也可以是应用于上述接入网设备中的模块(如芯片)。
如图8所示,通信装置800包括处理模块810和收发模块820。通信装置800用于实现上述图4中所对应的实施例中接入网设备的功能。
当通信装置800用于实现图4中所示的方法实施例中接入网设备的功能时,示例性地:
处理模块810用于基于扩展参数确定第一扩展参考信号池示例性地,处理模块810确定第一扩展参考信号池,该第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,该初始参考信号池包括一个或多个初始参考信号,该初始参考信号池根据提前设置的训练参数得到,该扩展参数包括所述初始参考信号池所支持的时间提前量(TA)。
处理模块810还用于初始参考信号池。示例性地,处理模块810以根据训练参数得到该初始参考信号池,例如可以随机生成该初始参考信号池,或者可以从已有的序列池中(如黄金序列)选择出满足该特征要求的序列得到初始参考信号池。
处理模块810还用于基于该第一扩展参考信号池、训练参数通过训练神经网络获得第二扩展参考信号。
处理模块810还用于将获得的训练样本集合中的P个训练样本和训练参数依次输入神经网络进行训练。
处理模块810还用于确定神经网络的性能。示例性地,处理模块810根据上述输入神经网络编码器的信道信息hi和/或该神经网络译码器恢复出的信道信息h'i,确定神经网络的性能。
收发模块820用于向第一UE发送第一信息。
收发模块820还用于收集用户活跃状态、信道信息、TA值等信息。
收发模块820还用于向第一UE发送M个扩展参考信号池信息。
以上仅为当通信装置800用于实现图4中所示的方法实施例中接入网设备的功能时的部分举例,通信装置800中处理模块810和收发模块820的功能,可参考图4中所示的方法实施例中接入网设备的操作。
通信装置800还可以用于实现图4中所示的方法实施例中第一UE功能的功能,当通信装置800用于实现图4中所示的方法实施例中第一UE功能时,示例性地:
处理模块810用于从该第二扩展信号池中选择匹配的参考信号。
处理模块810还可以用于根据TA是否有效确定第一UE为同步状态或异步状态。
处理模块810还可以用于根据RSRP的大小确定自己TA 。
处理模块810还可以用于根据训练时同步UE和异步UE使用初始参考信号池的方式确定需要选择的扩展参考信号池。
收发模块820用于接收第一信息。
收发模块820还用于接收M个扩展参考信号池信息。
以上仅为当通信装置800用于实现图4中所示的方法实施例中第一UE的功能时的部分举例,通信装置800中处理模块810和收发模块820的功能,可参考图4中所示的方法实施例中第一UE的操作。
图9为本申请实施例提供的一种通信装置的再一示意性框图。如图9所示。通信装置900包括处理器910和接口电路930。处理器910和接口电路930之间相互耦合。可以理解的是,接口电路930可以为收发器或输入输出接口。
可选的,通信装置900还可以包括存储器920,用于存储处理器920执行的指令或存储处理器910运行指令所需要的输入数据或存储处理器910运行指令后产生的数据。
当通信装置900用于实现图4所示的接入网设备或第一UE的功能时,处理器910用于实现上述处理模块810的功能,接口电路930用于实现上述收发模块820的功能。
可选地,通信装置900还包括总线940,该处理器910、该接口电路930和该存储器920可以通过总线940进行通信。
本申请实施例还提供了一种系统芯片,该系统芯片包括输入输出接口、至少一个处理器、至少一个存储器和总线,该至少一个存储器用于存储指令,该至少一个处理器用于调用该至少一个存储器的指令,以进行上述各个方面的方法的操作。
在本申请实施例中,应注意,本申请实施例上述的方法实施例可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品可以包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁盘)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (26)
1.一种参考信号配置方法,其特征在于,包括:
确定第一扩展参考信号池,所述第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,所述初始参考信号池包括一个或多个初始参考信号,所述扩展参数包括所述初始参考信号池所支持的最大时间提前量(TA);
确定第二扩展参考信号池,所述第二扩展参考信号池中包括一个或多个参考信号,所述第二扩展参考信号池是所述第一扩展参考信号池基于训练参数通过训练神经网络获得;
发送第一信息,所述第一信息用于指示分配给第一终端设备的第一参考信号或指示分配给所述第一终端设备的所述第二扩展参考信号池,所述第一参考信号包括于所述第二扩展参考信号池中。
2.根据权利要求1所述的方法,其特征在于,所述扩展参数还包括以下参数中的一项或多项:
对所述初始参考信号池中的初始参考信号扩展是使用的的采样间隔、所述初始参数信号池中的每个初始参考信号的扩展数量、对所述初始参考信号池中的初始参考信号扩展时使用的采样点、对所述初始参考信号池中的初始参考信号扩展是使用的快速傅里叶变换(FFT)点数。
3.根据权利要求1或2所述的方法,其特征在于,所述第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,所述初始参考信号池包括一个或多个初始参考信号,所述扩展参数包括所述初始参考信号池所支持的TA包括:
所述初始参考信号池在所述TA范围内进行均匀采样,所述一个或多个初始参考信号按照所述TA均匀采样的粒度进行扩展。
4.根据权利要求1-3中任一所述的方法,其特征在于,
所述初始参考信号池是随机生成的;或,
所述初始参考信号池是根据所述训练参数选择相应的参考信号获得。
5.根据权利要求1-4中任一所述的方法,其特征在于,
所述第一信息包括所述第一参考信号的序列值;或,
所述第一信息包括所述第一参考信号的序列值的压缩值;或,
所述第一信息包括所述第一参考信号的序列值相对之前为所述第一终端设备配置的参考信号的序列值的偏移值;或,
所述第一信息中包括所述第一参考信号的序列值相对之前为所述第一终端设备配置的参考信号的序列值的偏移值的压缩值;或,
所述第一信息中包括所述第二扩展参考信号池的信息。
6.根据权利要求1-5中任一所述的方法,其特征在于,所述确定第二扩展参考信号池,包括:
根据N个终端设备的第一特征信息,从M个扩展参考信号池中确定所述第二扩展参考信号池,其中,所述第一终端设备包括于所述N个终端设备中,所述M个扩展参考信号池是通过训练所述第一神经网络获得,M为大于或等于1的整数,N为大于或等于1的整数。
7.根据权据权利要求6所述的方法,其特征在于,
所述第一信息指示了所述第二扩展参考信号池在M个扩展参考信号池中的索引,以及所述第一参考信号在所述第二扩展参考信号池中的索引;或,
所述第一信息指示了所述第二扩展参考信号池在M个扩展参考信号池中的索引、所述第一参考信号在所述第二扩展参考信号池中所在的参考信号组的索引、以及所述第一参考信号在所述参考信号组中的索引。
8.根据权利要求6或7所述的方法,其特征在于,所述方法还包括:
发送所述M个扩展参考信号池的信息。
9.根据权利要求6-8任一项所述的方法,其特征在于,
对于所述M个扩展参考信号池中的每个扩展参考信号池,所述扩展参考信号池是基于训练参数和训练样本集合,对第一神经网络进行训练获得;其中,
所述训练参数包括以下参数中的一项或多项:所述扩展参考信号池最大的TA值、所述扩展参考信号池中的参考信号的个数、所述扩展参考信号池中的参考信号的序列长度、所述扩展参考信号池中的参考信号的序列取值范围、所述扩展参考信号池中的参考信号的分组信息、和所述扩展参考信号池中的参考信号的性能要求;
所述训练样本集合中包括P个训练样本,其中每个训练样本包括N个终端设备的以下参数中的一项或多项:信道信息、数据传输状态,其中,P为大于或等于1的整数,N为大于或等于1的整数。
10.根据权利6-9任一项所述的方法,其特征在于,
所述N个终端设备的第一特征信息包括其中每个终端设备的以下一项或多项:位置信息、业务特征信息、数据传输状态信息、和信道信息。
11.根据权利要求10所述的方法,其特征在于,所述第二扩展参考信号池是所述第一扩展参考信号池基于训练参数通过训练第一神经网络获得,包括:
所述第二扩展参考信号池是通过第一过程获得,所述第一过程包括:
操作1,根据的初始参考信号池所支持的最大TA将所述初始参考信号池扩展为所述第一扩展参考信号池,其中初始参考信号池包含N个终端设备对应的N个初始参考信号,所述第一扩展参考信号池包含N*K个参考信号,K为所述TA的采样点数,K为大于1的整数;
操作2,从N个终端设备接收训练样本和训练参数;
操作3,根据所述所述训练参数,利用所述第一神经网络确定所述N*K个参考信号的N*K个训练的参考信号;
操作4,向所述N个终端设备中的至少一个终端设备,指示每个终端设备的训练的参考信号;
操作5,确定满足第一条件时,停止所述第一过程,所述N*K个训练的参考信号为所述第二扩展参考信号池,否则,再次进入操作2。
12.根据权利要求11所述的方法其特征在于,所述第一条件包括:
所述第一过程的迭代次数满足门限值要求;
所述第一过程的持续时间满足门限值要求;
所述第一过程中,参考信号的传输次数满足门限值要求;
所述第一过程中,被漏检的参考信号的个数满足门限值要求;
所述第一过程中,参考信号的漏检率满足门限值要求;
所述第一过程中,虚警的参考信号的个数满足门限值要求;或者,
所述第一过程中,参考信号的虚警率满足门限值要求。
13.一种参考信号配置方法,其特征在于,包括:
接收第一信息,所述第一信息指示了分配给第一终端设备的第一参考信息或指示了分配给所述第一终端设备的第二扩展参考信号池;
所述第一参考信号包括于所述第二扩展参考信号池中,所述第二扩展参考信号池中包括一个或多个参考信号,所述第二扩展参考信号池是第一扩展参考信号池基于训练参数通过训练第一神经网络获得;
所述第一扩展参考信号池是初始参考信号池基于扩展参数扩展获得,所述扩展参数包括该初始参考信号池所支持的时间提前量(TA)。
14.根据权利要求13所述的方法,其特征在于,所述扩展参数还包括以下参数中的一项或多项:
对所述初始参考信号池中的初始参考信号扩展是使用的的采样间隔、所述初始参数信号池中的每个初始参考信号的扩展数量、对所述初始参考信号池中的初始参考信号扩展时使用的采样点、对所述初始参考信号池中的初始参考信号扩展是使用的快速傅里叶变换(FFT)点数。
15.根据权利要求13或14所述的方法,其特征在于,所述训练参数包括以下参数中的一项或多项:
所述第一扩展参考信号池最大的TA值、所述第一扩展参考信号池中的参考信号的个数、所述第一扩展参考信号池中的参考信号的序列长度、所述第一扩展参考信号池中的参考信号的序列取值范围、所述第一扩展参考信号池中的参考信号的分组信息、和所述第一扩展参考信号池中的参考信号的性能要求。
16.根据权利要求13-15任一项所述的方法,其特征在于,
所述第一信息包括所述第一参考信号的序列值;或,
所述第一信息包括所述第一参考信号的序列值的压缩值;或,
所述第一信息包括所述第一参考信号的序列值相对之前为所述第一终端设备配置的参考信号的序列值的偏移值;或,
所述第一信息中包括所述第一参考信号的序列值相对之前为所述第一终端设备配置的参考信号的序列值的偏移值的压缩值;或,
所述第一信息中包括所述第二扩展参考信号池的信息。
17.根据权利要求16所述的方法,其特征在于,所述方法还包括:
接收所述M个扩展参考信号池的信息。
18.根据权利要求13-17任一项所述的方法,其特征在于,所述方法还包括:
所述第一终端设备根据相应的参考信号接收功率(RSRP)判断所述第二扩展参考信号池是否可用。
19.根据权利要求13-18任一项所述的方法,其特征在于,所述方法还包括:
所述第一终端设备基于其TA是否有效来确定所述第一终端设备在所述第二扩展参考信号池中可选的参考信号。
20.一种通信装置,其特征在于,包括用于执行权利要求1-12任一项所述的方法的模块。
21.一种通信装置,其特征在于,包括用于执行权利要求13-19任一项所述的方法的模块。
22.一种通信装置,其特征在于,包括处理器和接口电路,所述接口电路用于接收来自所述装置之外的其它装置的信号并传输至所述处理器或将来自所述处理器的信号发送给所述装置之外的其它装置,所述处理器通过逻辑电路或执行代码指令用于实现如权利要求1-12中任一项所述的方法。
23.一种通信装置,其特征在于,包括处理器和接口电路,所述接口电路用于接收来自所述装置之外的其它装置的信号并传输至所述处理器或将来自所述处理器的信号发送给所述装置之外的其它装置,所述处理器通过逻辑电路或执行代码指令用于实现如权利要求13-19中任一项所述的方法。
24.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或指令,当所述计算机程序或指令被通信装置执行时,实现权利要求1-12任一项所述的方法,或实现权利要求13-19任一项所述的方法。
25.一种计算机程序产品,其特征在于,当所述计算机程序产品被通信装置执行时,权利要求1-12任一项所述的方法得以实现,或权利要求13-19任一项所述的方法得以实现。
26.一种通信系统,包括如下中一个或多个:如权利要求20-23中任一项所述的通信装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110332641.7A CN115134052A (zh) | 2021-03-29 | 2021-03-29 | 一种参考信号配置方法及装置 |
PCT/CN2022/080045 WO2022206328A1 (zh) | 2021-03-29 | 2022-03-10 | 一种通信协作方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110332641.7A CN115134052A (zh) | 2021-03-29 | 2021-03-29 | 一种参考信号配置方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115134052A true CN115134052A (zh) | 2022-09-30 |
Family
ID=83375754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110332641.7A Pending CN115134052A (zh) | 2021-03-29 | 2021-03-29 | 一种参考信号配置方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115134052A (zh) |
WO (1) | WO2022206328A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024088161A1 (zh) * | 2022-10-27 | 2024-05-02 | 维沃移动通信有限公司 | 信息传输方法、信息处理方法、装置和通信设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024122688A1 (ko) * | 2022-12-08 | 2024-06-13 | 엘지전자 주식회사 | 무선 통신 시스템에서 채널 상태 보고를 수행하기 위한 방법 및 이를 위한 장치 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016131613A1 (en) * | 2015-02-18 | 2016-08-25 | Sony Corporation | Communications device, infrastructure equipment, mobile communications network and methods |
WO2019106478A1 (en) * | 2017-11-29 | 2019-06-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Improved security for positioning without ciphering |
US11469926B2 (en) * | 2018-05-11 | 2022-10-11 | Ntt Docomo, Inc. | Method for transmitting signals and corresponding terminals, and base stations |
CN111867017A (zh) * | 2019-04-30 | 2020-10-30 | 华为技术有限公司 | 一种发送和接收参考信号集合的方法及装置 |
CN111479290A (zh) * | 2020-04-08 | 2020-07-31 | 深圳前海中电慧安科技有限公司 | 基于lte的动态监测方法、系统、服务器及存储介质 |
-
2021
- 2021-03-29 CN CN202110332641.7A patent/CN115134052A/zh active Pending
-
2022
- 2022-03-10 WO PCT/CN2022/080045 patent/WO2022206328A1/zh active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024088161A1 (zh) * | 2022-10-27 | 2024-05-02 | 维沃移动通信有限公司 | 信息传输方法、信息处理方法、装置和通信设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2022206328A1 (zh) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210250797A1 (en) | Cross-link interference measurements for nr | |
US10284337B2 (en) | Data transmission method and data transmission device | |
WO2021048600A1 (en) | Radio resource control procedures for machine learning | |
WO2022206328A1 (zh) | 一种通信协作方法及装置 | |
WO2022047764A1 (en) | Pre-equalization and power control for over-the-air model aggregation in federated learning | |
US20230319656A1 (en) | Method and apparatus for transmitting and receiving wireless signal in wireless communication system | |
US20240080805A1 (en) | Method and device for obtaining cbr value on basis of partial sensing in nr v2x | |
WO2021203410A1 (en) | Cross-link interference measurement configuration | |
CN116848916A (zh) | 用于无线通信系统的基于波束的测量和资源管理技术 | |
US11330590B2 (en) | Method and apparatus for transmitting reference signal in wireless communication system | |
KR20210007285A (ko) | 이동통신 시스템에서 복수 개의 drx 설정 정보에 따라 pdcch을 모니터링하고, srs 및 csi을 전송하는 방법 및 장치 | |
CN117155805A (zh) | 一种基于统计机器学习的设备管理方法及装置 | |
CN111512690B (zh) | 一种被用于无线通信的用户设备、基站中的方法和装置 | |
US20230125285A1 (en) | Payload size reduction for reporting resource sensing measurements | |
Shi et al. | Channel Estimation Optimization Model in Internet of Things based on MIMO/OFDM with Deep Extended Kalman Filter | |
WO2022178706A1 (en) | Out-of-distribution detection and reporting for machine learning model deployment | |
US20230198814A1 (en) | Method and apparatus for evaluating performance of channel estimation in communication system | |
EP4250773A1 (en) | Reference signal configuration method | |
US20230354395A1 (en) | Method and apparatus for channel information transfer in communication system | |
US20230316062A1 (en) | Layer-by-layer training for federated learning | |
WO2024065697A1 (zh) | 模型监测的方法、终端设备和网络设备 | |
WO2023122401A1 (en) | Synthesized synchronization system block beams | |
KR20230152598A (ko) | 통신 시스템에서 채널 정보 전송 방법 및 장치 | |
WO2023102282A1 (en) | Tap-domain secret-key generation | |
KR20230094147A (ko) | 통신 시스템에서 채널 추정 성능 평가 방법 및 장치 |
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 |