CN115428383A - 基于频带间参考信号来估计无线电频带的特征 - Google Patents
基于频带间参考信号来估计无线电频带的特征 Download PDFInfo
- Publication number
- CN115428383A CN115428383A CN202180029014.4A CN202180029014A CN115428383A CN 115428383 A CN115428383 A CN 115428383A CN 202180029014 A CN202180029014 A CN 202180029014A CN 115428383 A CN115428383 A CN 115428383A
- Authority
- CN
- China
- Prior art keywords
- frequency band
- trp
- rss
- base station
- communication node
- 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 claims abstract description 197
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000005259 measurement Methods 0.000 claims description 103
- 238000010801 machine learning Methods 0.000 claims description 62
- 230000005540 biological transmission Effects 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 description 49
- 238000013528 artificial neural network Methods 0.000 description 37
- 210000002569 neuron Anatomy 0.000 description 29
- 238000010586 diagram Methods 0.000 description 22
- 238000013527 convolutional neural network Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000000969 carrier Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 241001522296 Erithacus rubecula Species 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000678 band cell Anatomy 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002087 whitening effect Effects 0.000 description 2
- 241000700159 Rattus Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 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 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000023886 lateral inhibition Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000013146 percutaneous coronary intervention Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
-
- 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
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0226—Channel estimation using sounding signals sounding signals per se
-
- 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
- H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
-
- 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
- H04L5/0032—Distributed allocation, i.e. involving a plurality of allocating devices, each making partial allocation
-
- 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
- H04L5/0051—Allocation of pilot signals, i.e. of signals known to the receiver of dedicated pilots, i.e. pilots destined for a single user or terminal
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0055—Transmission or use of information for re-establishing the radio link
- H04W36/0069—Transmission or use of information for re-establishing the radio link in case of dual connectivity, e.g. decoupled uplink/downlink
-
- 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
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
- H04W52/365—Power headroom reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/27—Control channels or signalling for resource management between access points
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/15—Setup of multiple wireless link connections
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种由用户设备(UE)进行的无线通信方法包括:从在第一频带中操作的第一传输接收点(TRP)接收辅助信息,该辅助信息包括用于在第二频带中操作的第二TRP和在第一频带中操作的通信节点两者的并置信息。该方法还包括:从第一TRP接收用于与通信节点相关联的一个或多个参考信号(RS)的配置信息。该方法还包括:基于根据一个或多个RS估计的第二频带的一个或多个特征,与第二TRP进行通信。
Description
交叉引用
本申请要求享受于2021年5月3日提交的、标题为“ESTIMATING FEATURES OF ARADIO FREQUENCY BAND BASED ON AN INTER-BAND REFERENCE SIGNAL”的美国专利申请No.17/306,849的优先权,上述申请要求享受以下美国申请的权益:于2020年5月4日提交的、标题为“ESTIMATING FEATURES OF A 5G NEW RADIO(NR)BAND BASED ON MEASUREMENTSOF AN INTER-BAND SIGNAL”的美国临时专利申请No.63/019,687;于2020年5月4日提交的、标题为“ESTIMATING FEATURES OF A 5G NEW RADIO(NR)BAND BASED ON AN INTER-BANDSIGNAL TRANSMITTED FROM ADEDICATED TRANSMITTER”的美国临时专利申请No.63/019,887;于2020年5月4日提交的、标题为“ESTIMATING FEATURES OF A 5G NEW RADIO(NR)BANDBASED ON AN INTER-BAND SIGNAL RECEIVED AT A DEDICATED RECEIVER”的美国临时专利申请No.63/019,893;以及于2020年5月4日提交的、标题为“ESTIMATING FEATURES OF A 5GNEW RADIO(NR)BAND BASED ON AN INTER-BAND SIGNAL RECEIVED AT A DEDICATED”的美国临时专利申请No.63/019,900,故以引用方式将这些申请的全部内容明确地并入本文中。
技术领域
概括地说,本公开内容的各方面涉及无线通信,具体地说,本公开内容的各方面涉及用于基于在另一个频带中发送的信号来估计无线电频带的特征的技术和装置。
背景技术
已广泛地部署无线通信系统,以便提供诸如电话、视频、数据、消息和广播之类的各种电信服务。典型的无线通信系统可以采用能通过共享可用的系统资源(例如,带宽、发射功率等等),来支持与多个用户进行通信的多址技术。这类多址技术的示例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)系统、时分同步码分多址(TD-SCDMA)系统和长期演进(LTE)。在多种电信标准中已采纳上面的多址技术,以提供使不同用户设备能在城市范围、国家范围、地域范围、甚至全球范围上进行通信的通用协议。新无线电(NR)还可以称为5G,其是第三代合作伙伴计划(3GPP)发布的LTE移动标准的增强集。NR被设计为通过提高谱效率、降低费用、提高服务、充分利用新频谱、与在下行链路(DL)上使用具有循环前缀(CP)的正交频分复用(OFDM)、在上行链路(UL)上使用CP-OFDM和/或SC-FDM(还称为离散傅里叶变换扩频OFDM(DFT-s-OFDM))、以及支持波束成形、多输入多输出(MIMO)天线技术和载波聚合,来更好地支持移动宽带互联网接入。
最近,无线通信系统已经结合人工神经网络(例如,神经元模型)来估计网络的一个或多个特征(例如,信道状况或干扰)。卷积神经网络(CNN)是一种前馈人工神经网络。CNN可以包括神经元集合,每个神经元都有感受野,并共同划分输入空间。CNN已用于模式识别和分类领域。诸如深度信念网络和深度卷积网络之类的深度学习架构是分层的神经网络架构,其中,第一层神经元的输出成为第二层神经元的输入,第二层神经元的输出成为第三层神经元的输入,以此类推。可以训练深度神经网络(DNN)来识别特征的层次结构,因此,其越来越多地用于对象识别应用。这些深度学习架构可以分布在一组处理节点上,这些节点可以被配置在一个或多个计算链中。这些多层架构可以一次训练一层,并且可以使用反向传播进行微调。
发明内容
本公开内容的系统、方法和设备均具有一些创新性方面,这些方面中没有任何单一方面单独地对本文所公开的期望特性起作用。
在本公开内容的一个方面,一种用于UE的无线通信的方法包括:从在第一频带中操作的第一TRP接收辅助信息,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息。所述方法还包括:从所述第一TRP接收用于与所述通信节点相关联的一个或多个RS的配置信息。所述方法还包括:基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征来与所述第二TRP进行通信。
本公开内容的另一个方面针对于一种用于UE处的无线通信的装置,其包括:用于从在第一频带中操作的第一TRP接收辅助信息的单元,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息。所述装置还包括:用于从所述第一TRP接收用于与所述通信节点相关联的一个或多个RS的配置信息的单元。所述装置还包括:用于基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征来与所述第二TRP进行通信的单元。
在本公开内容的另一个方面,公开了一种非临时性计算机可读介质,其上记录有用于UE的无线通信的非临时性程序代码。所述程序代码由处理器执行,并且包括:用于从在第一频带中操作的第一TRP接收辅助信息的程序代码,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息。所述程序代码还包括:用于从所述第一TRP接收用于与所述通信节点相关联的一个或多个RS的配置信息的程序代码。所述程序代码还包括:用于基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征来与所述第二TRP进行通信的程序代码。
本公开内容的另一个方面针对于一种用于UE处的无线通信的装置,该装置包括处理器、与所述处理器通信耦合并存储指令的的存储器,当所述指令被所述处理器执行时,使得该装置从在第一频带中操作的第一TRP接收辅助信息,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息。所述指令的执行还使得该装置从所述第一TRP接收用于与所述通信节点相关联的一个或多个RS的配置信息。所述指令的执行还使得该装置基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征来与第二TRP进行通信。
本文的方面通常包括方法、装置、系统、计算机程序产品、非临时性计算机可读介质、用户设备、基站、无线通信设备和处理系统,如参照附图和说明书所充分描述的以及如附图和说明书所示出的。
为了更好地理解下面的具体实施方式,上面对根据本公开内容的示例的特征和技术优点进行了相当程度地总体概括。下面将描述另外的特征和优点。可以将所公开的概念和特定示例容易地使用成用于修改或设计执行本公开内容的相同目的的其它结构的基础。这些等同的构造并不脱离所附权利要求书的保护范围。当结合附图来考虑下面的具体实施方式时,将能更好地理解本文所公开的概念的特性(关于它们的组织方式和操作方法),以及相关联的优点。提供这些附图中的每一个只是用于说明和描述目的,而不是用作为规定本发明的限制。
附图说明
为了详细地理解本公开内容的特征,本申请参考一些方面给出了更具体的描述,这些方面中的一些在附图中给予了说明。但是,应当注意的是,由于本发明的描述准许其它等同的有效方面,因此这些附图仅仅描绘了本公开内容的某些方面,其不应被认为限制本发明的保护范围。不同附图中的相同附图标记可以标识相同或者类似的元件。
图1是根据本公开内容的各个方面,概念性地示出一种无线通信网络的示例的框图。
图2是根据本公开内容的各个方面,概念性地示出在无线通信网络中基站与用户设备(UE)进行通信的示例的框图。
图3是根据本公开内容的一些方面,示出了使用包括中央处理单元(CPU)的片上系统(SoC)的神经网络的示例实现。
图4A是示出根据本公开内容的一些方面的神经网络的示例的图。
图4B是示出根据本公开内容的一些方面的神经网络的示例的图。
图4C是示出根据本公开内容的一些方面的神经网络的示例的图。
图4D是示出根据本公开内容的各方面的深度卷积网络(DCN)的示例的图。
图5是示出根据本公开内容的各方面的DCN的示例的框图。
图6、7、8、9A和图9B是根据本公开内容的各方面,示出支持基于另一个频带的测量来估计一个频带的特征的无线通信系统的示例的框图。
图10是根据本公开内容的各方面,示出支持基于另一个频带的测量来估计一个频带的特征的无线通信设备的示例的框图。
图11是根据本公开内容的各个方面,示出在支持基于另一个频带的测量来估计一个频带的特征的UE处执行的示例处理的流程图。
具体实施方式
下文参照附图更全面地描述本公开内容的各个方面。但是,本公开内容可以以多种不同的形式实现,其不应被解释为受限于贯穿本公开内容给出的任何特定结构或功能。相反,提供这些方面只是使得本公开内容变得透彻和完整,并将向本领域的普通技术人员完整地传达本公开内容的保护范围。基于本文的教示,本领域普通技术人员应当理解的是,本公开内容的保护范围旨在覆盖本公开内容的任何方面,无论其是独立实现的还是结合本公开内容的任何其它方面实现的。例如,使用阐述的任意数量的方面可以实现装置或可以实现方法。此外,本公开内容的保护范围旨在覆盖这种装置或方法,这种装置或方法可以通过使用其它结构、功能、或者除本文所阐述的本公开内容的各个方面的结构和功能、或不同于本文所阐述的本公开内容的各个方面的结构和功能来实现。应当理解的是,所公开的公开内容的任何方面可以通过本发明的一个或多个组成部分来体现。
现在参照各种装置和技术来给出电信系统的一些方面。这些装置和技术将在下面的具体实施方式中进行描述,并在附图中通过各种框、模块、组件、电路、步骤、处理、算法等等(其统称为“元素”)来进行描绘。可以使用硬件、软件或者其任意组合来实现这些元素。至于这些元素是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。
应当注意的是,虽然使用通常与5G和以后无线技术相关联的术语来描述各方面,但本公开内容的各方面也可应用于基于其它代的通信系统(例如,包括3G或4G技术)。
各个方面通常涉及测量在一个频带中接收到的信号,并基于对该信号的测量来估计另一个频带的特征。一些方面更具体地涉及:在第一无线通信设备处接收和测量第一频带中的信号,其中,该信号是从在第一频带中操作的第二无线通信设备发送的。一些其它方面涉及:在第二无线通信设备处接收和测量第一频带中的信号,其中,该信号是从在第一频带中操作的第一无线通信设备发送的。第二无线通信设备可以与在第二频带中操作的第三无线通信设备并置。在一些示例中,第二频带和第一频带不重叠。在一些实施方式中,第一无线通信设备是UE,第二无线通信设备是专用发射器或收发器,并且第三无线通信设备是传输接收点(TRP)(例如,基站)。在一些其它实施方式中,第一无线通信设备是UE,第二无线通信设备是专用接收器或收发器,并且第三无线通信设备是传输接收点(TRP)(例如,基站)。
在一些方面,经训练的机器学习模型基于对于在第一频带中接收的参考信号的测量,来估计第二频带的一个或多个特征。该参考信号可以是在UE或第二无线通信设备(例如,收发器或专用接收器)处接收的。所述一个或多个特征可以至少包括一个或多个信道特性(例如,信道质量)、波束方向或信号强度。第三无线通信设备可以基于一个或多个经估计的特征,来调整用于与UE的通信的下行链路(DL)发射功率、DL波束特性或DL信道。
可以实施本公开内容中描述的主题的特定方面,以实现以下潜在优势中的一个或多个。在一些示例中,所描述的技术可以减少发送到无线通信设备的信号的数量,以减少网络开销。减少发送到无线通信设备的信号数量,也可以减少无线通信设备的功耗和处理器负载。
图1是根据本公开内容的各个方面,概念性地示出无线通信网络100的示例的框图。网络100可以是5G或NR网络或者某种其它无线网络(例如,LTE网络)。无线网络100可以包括多个BS 110(示出成BS 110a、BS 110b、BS 110c和BS 110d)和其它网络实体。BS是与用户设备(UE)进行通信的实体,其还可以被称为基站、NR BS、节点B、gNB、5G节点B(NB)、接入点、传输接收点(TRP)等等。每一个BS可以为特定的地理区域提供通信覆盖。在3GPP中,根据术语“小区”使用的上下文,术语“小区”可以指代BS的覆盖区域或者服务该覆盖区域的BS子系统。
BS可以为宏小区、微微小区、毫微微小区或另一种类型的小区提供通信覆盖。宏小区可以覆盖相对较大的地理区域(例如,半径几个公里),其允许具有服务订阅的UE能不受限制地接入。微微小区可以覆盖相对较小的地理区域,其允许具有服务订阅的UE能不受限制地接入。毫微微小区可以覆盖相对较小的地理区域(例如,家庭),其允许与该毫微微小区具有关联的UE(例如,闭合用户群(CSG)中的UE)受限制的接入。用于宏小区的BS可以称为宏BS。用于微微小区的BS可以称为微微BS。用于毫微微小区的BS可以称为毫微微BS或家庭BS。在图1所示的示例中,BS 110a可以是用于宏小区102a的宏BS,BS 110b可以是用于微微小区102b的微微BS,BS 110c可以是用于毫微微小区102c的毫微微BS。BS可以支持一个或多个(例如,三个)小区。术语“eNB”、“基站”、“NR BS”、“gNB”、“TRP”、“AP”、“节点B”、“5G NB”和“小区”在本文可以互换地使用。
在一些方面,小区不需要是静止的,小区的地理区域可以根据移动BS的位置进行移动。在一些方面,BS可以使用任何适当的传输网络,通过各种类型的回程接口(例如,直接物理连接或虚拟网络等),彼此之间互连或者互连到无线网络100中的一个或多个其它BS或网络节点(没有示出)。
无线网络100还可以包括中继站。中继站是可以从上游站(例如,BS或UE)接收数据的传输,并向下游站(例如,UE或BS)发送该数据的传输的实体。中继站还可以是能对其它UE的传输进行中继的UE。在图1所示的示例中,中继站110d可以与宏BS 110a和UE 120d进行通信,以便有助于实现BS 110a和UE 120d之间的通信。中继站还可以称为中继BS、中继基站、中继器等等。
无线网络100可以是包括不同类型的BS(例如,宏BS、微微BS、毫微微BS、中继BS等等)的异构网络。这些不同类型的BS可以具有不同的发射功率电平、不同的覆盖区域、和对于无线网络100中的干扰具有不同的影响。例如,宏BS可以具有较高的发射功率电平(例如,5到40瓦),而微微BS、毫微微BS和中继BS可以具有较低的发射功率电平(例如,0.1到2瓦)。
网络控制器130可以耦合到一组BS,并为这些BS提供协调和控制。网络控制器130可以经由回程,与这些BS进行通信。这些BS还可以彼此之间进行通信,例如,直接通信或者经由无线回程或有线回程通信链路来间接通信。
UE 120(例如,120a、120b和120c)可以分散于整个无线网络100中,每一个UE可以是静止的,也可以是移动的。UE还可以称为接入终端、终端、移动站、用户单元、站等等。UE可以是蜂窝电话(例如,智能电话)、个人数字助理(PDA)、无线调制解调器、无线通信设备、手持设备、膝上型计算机、无绳电话、无线本地环路(WLL)站、平板设备、照相机、游戏设备、上网本、智能本、超级本、医疗设备或装备、生物传感器/设备、可穿戴设备(智能手表、智能服装、智能眼镜、智能腕带、智能珠宝(例如,智能戒指、智能手环))、娱乐设备(例如,音乐设备或视频设备或卫星无线电设备)、车载部件或者传感器、智能计量器/传感器、工业制造设备、全球定位系统设备、或被配置为经由无线或有线介质进行通信的任何其它适当设备。
一些UE可以视作为机器类型通信(MTC)UE或者演进型或增强型机器类型通信(eMTC)UE。MTC UE和eMTC UE包括能够与基站、另一个设备(例如,远程设备)或者某种其它实体进行通信的机器人、无人机、远程设备、传感器、计量器、监视器、位置标签等等。无线节点可以经由有线或无线通信链路,提供到网络(例如,诸如互联网或蜂窝网络的广域网)的连接。一些UE可以被认为是物联网(IoT)设备,或者可以被实现为NB-IoT(窄带物联网)设备。一些UE可以被认为是客户驻地设备(CPE)。UE 120可以包括在容纳UE 120的部件(例如,处理器组件、存储器组件等等)的壳体中。
通常,在给定的地理区域中,可以部署任意数量的无线网络。每一个无线网络可以支持特定的RAT,操作在一个或多个频率上。RAT还可以称为无线电技术、空中接口等等。频率还可以称为载波、频率信道等等。每一个频率可以支持给定的地理区域中的单一RAT,以便避免不同的RAT的无线网络之间的干扰。在一些情况下,可以部署NR或者5G RAT网络。
在一些方面,两个或更多UE 120(例如,示出为UE 120a和UE 120e)可以使用一个或多个侧向链路信道直接通信(例如,不使用基站110作为中间设备来彼此通信)。例如,UE120可以使用对等(P2P)通信、设备到设备(D2D)通信、车联网(V2X)协议(例如,其可以包括车辆到车辆(V2V)协议、车辆到基础设施(V2I)协议等等)、网状网络等等进行通信。在这种情况下,UE 120可以执行由基站110执行的调度操作、资源选择操作、或者本文其它各处描述的其它操作。
无线网络100还可以包括在不同于宏小区102a、微微小区102b和毫微微小区102c的频带的频带中操作的专用发射器150。也就是说,专用发射器150可以是带间发射器,而宏小区102a、微微小区102b和毫微微小区102c可以是带内基站102。然而,专用发射器150可以与宏小区102a、微微小区102b或毫微微小区102c并置。专用发射器150通常可以向一个或多个UE 120a、120b和120c发送下行链路信息。例如,专用发射器150可以向UE 120a、120b和120c发送参考信号、同步信号或定位信号。
图2是根据本公开内容的各个方面,概念性地示出无线通信网络中基站110与用户设备(UE)120通信的示例的框图。基站110和UE 120可以是图1中的基站和UE之一。如设计200中所示,基站110可以装备有T付天线234a到234t,UE 120可以装备有R付天线252a到252r,其中通常T≥1,R≥1。
在基站110处,发射处理器220可以从数据源212接收旨在用于一个或多个UE的数据,至少部分地基于从每个UE接收的信道质量指标(CQI)来选择用于该UE的一种或多种调制和编码方案(MCS),至少部分地基于针对每个UE选定的MCS来对用于该UE的数据进行处理(例如,编码和调制),并提供用于所有UE的数据符号。发射处理器220还可以处理系统信息(例如,用于半静态资源划分信息(SRPI)等)和控制信息(例如,CQI请求、授权、上层信令等),并提供开销符号和控制符号。发射处理器220还可以生成用于参考信号(例如,特定于小区的参考信号(CRS))和同步信号(例如,主同步信号(PSS)和辅助同步信号(SSS))的参考符号。发射(TX)多输入多输出(MIMO)处理器230可以对这些数据符号、控制符号、开销符号或参考符号(如果有的话)执行空间处理(例如,预编码),并向T个调制器(MOD)232a到232t提供T个输出符号流。每一个调制器232可以处理相应的输出符号流(例如,用于OFDM等),以获得输出采样流。每一个调制器232还可以处理输出采样流(例如,转换成模拟信号、放大、滤波和上变频),以获得下行链路信号。来自调制器232a到232t的T个下行链路信号可以分别经由T付天线234a到234t进行发送。根据下面进一步详细描述的各个方面,可以利用位置编码来生成同步信号以传送另外的信息。
在UE 120处,天线252a到252r可以从基站110或其它基站接收下行链路信号,并可以分别将接收的信号提供给解调器(DEMOD)254a到254r。每一个解调器254可以调节(例如,滤波、放大、下变频和数字化)接收的信号,以获得输入采样。每一个解调器254还可以处理这些输入采样(例如,用于OFDM等),以获得接收的符号。MIMO检测器256可以从所有R个解调器254a到254r获得接收的符号,对接收的符号执行MIMO检测(如果有的话),并提供检测的符号。接收处理器258可以处理(例如,解调和解码)检测到的符号,可以向数据宿260提供针对UE 120的解码后数据,并可以向控制器/处理器280提供解码后的控制信息和系统信息。信道处理器可以确定参考信号接收功率(RSRP)、接收信号强度指示符(RSSI)、参考信号接收质量(RSRQ)、信道质量指标(CQI)等等。在一些方面,UE 120的一个或多个组件可以包括在壳体中。
在上行链路上,在UE 120处,发射处理器264可以从数据源262接收数据,从控制器/处理器280接收控制信息(例如,用于包括RSRP、RSSI、RSRQ、CQI等的报告),并对该数据和控制信息进行处理。发射处理器264还可以生成用于一个或多个参考信号的参考符号。来自发射处理器264的符号可以由TX MIMO处理器266进行预编码(如果有的话),由调制器254a到254r进行进一步处理(例如,用于DFT-s-OFDM、CP-OFDM等),并发送回基站110。在基站110处,来自UE 120和其它UE的上行链路信号可以由天线234进行接收,由解调器254进行处理,由MIMO检测器236进行检测(如果有的话),由接收处理器238进行进一步处理,以获得UE 120发送的解码后的数据和控制信息。接收处理器238可以向数据宿239提供解码后的数据,向控制器/处理器240提供解码后的控制信息。基站110可以包括通信单元244,并可以经由通信单元244与网络控制器130进行通信。网络控制器130可以包括通信单元294、控制器/处理器290和存储器292。
基站110的控制器/处理器240、UE 120的控制器/处理器280或者图2的任何其它组件可以执行与用于非线性的机器学习相关联的一种或多种技术,如本文其它各处所进一步详细描述的。例如,基站110的控制器/处理器240、UE 120的控制器/处理器280或者图2的任何其它组件可以执行或指导例如图9-10的处理或者如本文所描述的其它处理的操作。存储器242和存储器282可以分别存储用于基站110和UE 120的数据和程序代码。调度器246可以调度UE进行在下行链路和/或上行链路上的数据传输。
专用发射器150可以包括类似于图2中描述的基站110的组件的一些组件。然而,在一些示例中,专用发射器150可能缺少一个或多个用于接收信息的组件。例如,专用发射器150可能缺少接收处理器238、数据宿239或多输入多输出(MIMO)检测器236。替代地,接收处理器238、数据宿239或MIMO检测器236的功能可以由专用发射器150实现,但被禁用。
在一些情况下,支持不同类型的应用或服务的不同类型的设备可以在小区中共存。不同类型设备的示例包括UE手机、客户驻地设备(CPE)、车辆、物联网(IoT)设备等等。不同类型的应用的示例包括超可靠低延迟通信(URLLC)应用、大规模机器类型通信(mMTC)应用、增强型移动宽带(eMBB)应用、车联网(V2X)应用等等。此外,在一些情况下,单个设备可以同时支持不同的应用或服务。
图3根据本公开内容的一些方面,示出了使用包括中央处理单元(CPU)302的片上系统(SoC)300的神经网络的示例实现方式。根据本公开内容的一些方面,SoC 300的CPU302或多核CPU被配置为基于对在第一频带中接收的信号的测量,来估计第二频带的一个或多个特征。SoC 300可以包括在基站110、专用发射器150或UE 120中。变量(例如,神经信号和突触权重)、与计算设备相关联的系统参数(例如,具有权重的神经网络)、延迟、频率点(bin)信息和任务信息可以被存储在与神经处理单元(NPU)308相关联的存储器块中、存储在与CPU 302相关联的存储器块中、存储在与图形处理单元(GPU)304相关联的存储器块中、存储在与数字信号处理器(DSP)306相关联的存储器块中、存储在存储器块318中、或者可以分布在多个块中。在CPU 302处执行的指令可以从与CPU 302相关联的程序存储器中加载,或可以从存储器块318中加载。
SoC 300还可以包括为特定功能定制的其它处理块,例如,GPU 304、DSP 306、可以包括第五代(5G)连接、第四代长期演进(4G LTE)连接、Wi-Fi连接、USB连接、蓝牙连接等等的连接块310,以及可以例如检测和识别手势的多媒体处理器312。在一些实施方式中,在CPU、DSP或GPU中实现NPU。SoC 300还可以包括传感器处理器314、图像信号处理器(ISP)316或导航模块320(其可以包括全球定位系统)。
SoC 300可以基于ARM指令集。在本公开内容的一些方面,加载到通用处理器302中的指令可以包括:用于从第一TRP接收用于指示与第二TRP并置的专用发射器的辅助信息的代码。这些指令还可以包括:用于从专用发射器接收信号的代码。这些指令还可以包括:用于基于辅助信息来识别来自专用发射器的信号的代码。这些指令还可以进一步包括:用于基于所接收的信号来执行测量的代码。这些指令还可以包括:用于基于所执行的测量来估计第二频带的一个或多个特征的代码。
在本公开内容的其它方面,加载到通用处理器302中的指令可以包括:用于向UE发送用于指示与第二TRP并置的专用发射器的辅助信息的代码。这些指令还可以包括:用于从UE接收基于由专用发射器发射的信号所估计的第二频带的一个或多个特征的代码。这些指令还可以包括:用于向第二TRP发送一个或多个所估计的特征的代码。
深度学习架构可以通过以下方式来执行目标识别任务:进行学习在每一层中以连续更高的抽象层表示输入,从而构建输入数据的有用特征表示。以此方式,深度学习解决了传统机器学习的一个主要瓶颈。在深度学习出现之前,用于目标识别问题的机器学习方法可能严重依赖于人类工程特征,可能与浅分类器相结合。浅分类器例如可以是二分类线性分类器,在该分类器中,可以将特征向量分量的加权和与阈值进行比较,以预测输入属于哪个类别。人类工程特征可以是具有领域专业知识的工程师针对特定问题领域量身定制的模板或内核。相比之下,深度学习架构可以学习表示与人类工程师可能设计的特征相似的特征,但需要通过训练。此外,深度网络可以学习表示和识别人类可能没有考虑过的新型特征。
深度学习架构可以学习特征的层次结构。例如,如果呈现视觉数据,第一层可以学习识别输入流中相对简单的特征(例如,边缘)。在另一个示例中,如果呈现听觉数据,则第一层可以学习识别特定频率中的频谱功率。第二层以第一层的输出作为输入,可以学习识别特征的组合(例如,视觉数据的简单形状或听觉数据的声音组合)。例如,更高层可以学习表示视觉数据中的复杂形状或者听觉数据中的单词。更高的层可以学习识别常见的视觉对象或口语短语。
当应用于具有自然分层结构的问题时,深度学习架构可能表现得特别好。例如,机动车辆的分类可以受益于首先学习识别车轮、挡风玻璃和其它特征。可以在更高层以不同的方式,对这些特征进行组合以识别汽车、卡车和飞机。
可以将神经网络设计成具有多种连接模式。在前馈网络中,将信息从较低层传递到较高层,给定层中的每个神经元都与较高层中的神经元进行通信。如上所述,可以在前馈网络的连续层中建立分层表示。神经网络也可以具有循环或反馈(也被称为自上而下)连接。在循环连接中,给定层中神经元的输出可以传递到同一层中的另一个神经元。循环架构可以有助于识别跨越多于一个的输入数据块的模式,这些输入数据块按顺序地传送给神经网络。从给定层中的神经元到较低层中的神经元的连接被称为反馈(或自顶向下)连接。当对高级概念的识别可以有助于区分输入的特定低级特征时,具有许多反馈连接的网络可能有所帮助。
神经网络的层之间的连接可以是全连接,也可以是局部连接。图4A是示出根据本公开内容的一些方面的神经网络402的示例的图。神经网络402是全连接神经网络402的示例。在全连接神经网络402中,第一层中的神经元可以将其输出传送到第二层中的每个神经元,使得第二层中的每个神经元将从第一层的每个神经元接收输入。图4B是示出根据本公开内容的一些方面的神经网络404的示例的图。图4B的神经网络404是局部连接的神经网络404的示例,第一层中的神经元可以连接到第二层中有限数量的神经元。更一般地,局部连接神经网络404的局部连接层可以被配置为使得层中的每个神经元将具有相同或相似的连接模式,但连接强度可以具有不同的值(例如,410、412,414和416)。局部连接的连接模式可能在较高层中产生空间上不同的感受野,这是因为给定区域中的较高层神经元可以接收通过训练调整到网络总输入的受限部分的属性的输入。
局部连接的神经网络的一个示例是卷积神经网络。图4C是示出根据本公开内容的一些方面的神经网络406的示例的图。图4C的神经网络406是卷积神经网络406的示例。卷积神经网络406可以被配置为使得与第二层中的每个神经元的输入相关联的连接强度是共享的(例如,408)。卷积神经网络非常适合输入的空间位置有意义的问题。
一种类型的卷积神经网络是深度卷积网络(DCN)。图4D是示出根据本公开内容的一些方面的神经网络400的示例的图。图4D的神经网络400是DCN 400的示例,该DCN 400被设计为从图像捕获设备430(例如,车载摄像机)输入的图像426中识别视觉特征。可以对当前示例的DCN 400进行训练以识别交通标志和交通标志上提供的数字。当然,可以针对其它任务来训练DCN 400,例如识别车道标记或识别交通信号灯。
可以用监督学习来训练DCN 400。在训练期间,可以向DCN 400呈现图像(例如,限速标志的图像426),然后可以计算前向传递以产生输出422。DCN 400可以包括特征提取部分和分类部分。在接收到图像426时,卷积层432可以将卷积核(没有示出)应用到图像426,以生成第一组特征图418。举例而言,卷积层432的卷积核可以是5x5核,其生成28x28的特征图。在本示例中,因为在第一组特征图418中生成了四个不同的特征图,所以在卷积层432将四个不同的卷积核应用于图像426。卷积核也可以被称为滤波器或卷积滤波器。
可以通过最大池化层(没有示出)对第一组特征图418进行二次采样以生成第二组特征图420。最大池化层减小了第一组特征图418的大小。也就是说,第二组特征图420的大小(例如,14x14)小于第一组特征图418的大小(例如,28x28)。减小的大小为后续层提供了类似的信息,同时减少了存储器消耗。可以经由一个或多个后续卷积层(没有示出)对第二组特征图420进一步卷积,以生成一组或多组后续特征图(没有示出)。
在图4D的示例中,对第二组特征图420进行卷积以生成第一特征向量424。此外,对第一特征向量424进行进一步卷积以生成第二特征向量428。第二组特征向量428的每个特征可以包括与图像426的可能特征相对应的数字,例如“符号”、“60”和“100”。softmax函数(没有示出)可以将第二特征向量428中的数字转换为概率。这样,DCN 400的输出422是图像426包括一个或多个特征的概率。
在本示例中,输出422中“符号”和“60”的概率高于输出422的其它部分(例如,“30”、“40”、“50”、“70”、“80”、“90”和“100”)的概率。在训练之前,DCN 400产生的输出422可能是不正确的。因此,可以计算输出422和目标输出之间的误差。目标输出是图像426的基本事实(例如,“符号”和“60”)。然后,可以调整DCN 400的权重,使得DCN 400的输出422更接近地与目标输出对齐。
为了调整权重,学习算法可以计算权重的梯度向量。梯度可以指示在调整权重时误差将增加或减少的量。在顶层,梯度可以直接对应于连接倒数第二层中激活的神经元和输出层中的神经元的权重值。在较低层中,梯度可以取决于权重的值和较高层的所计算的误差梯度。然后,可以调整权重以减小误差。这种调整权重的方式可以被称为“反向传播”,因为它涉及通过神经网络的“反向传递”。
在实践中,可以在少量示例上计算权重的误差梯度,使得所计算的梯度接近真实的误差梯度。这种近似方法可以被称为随机梯度下降。可以重复随机梯度下降,直到整个系统的可实现错误率停止下降,或者直到错误率达到目标水平。在学习之后,可以向DCN呈现新图像(例如,图像426的限速标志),并且通过网络的前向传递可以产生被认为是DCN的推断或预测的输出422。
深度置信网络(DBN)是包含多层隐藏节点的概率模型。DBN可以用于提取训练数据集的分层表示。可以通过堆叠受限玻尔兹曼机(RBM)层来获得DBN。RBM是一种人工神经网络,其可以学习一组输入的概率分布。由于RBM可以在没有关于每个输入应归入的类别的信息的情况下学习概率分布,因此RBM通常用于无监督学习。使用混合的无监督和监督范式,DBN的底部RBM可以以无监督的方式进行训练,并且可以用作特征提取器,而顶部RBM可以以有监督方式进行训练(在前一层输入和目标类别的联合分布上),并且可以用作分类器。
深度卷积网络(DCN)是卷积网络的网络,其被配置有额外的池化层和归一化层。DCN在许多任务上都取得了最先进的性能。DCN可以使用有监督学习进行训练,其中输入和输出目标两者对于许多示例都是已知的,并用于通过使用梯度下降方法来修改网络的权重。
DCN可以是前馈网络。此外,如上所述,从DCN的第一层中的神经元到下一个更高层中的一组神经元的连接是在第一层中的神经元之间共享的。DCN的前馈和共享连接可以用于快速处理。例如,与包含循环或反馈连接的类似大小的神经网络的计算负担相比,DCN的计算负担可能小得多。
可以认为卷积网络的每一层的处理是空间不变的模板或基础投影。如果首先将输入分解为多个通道(例如,彩色图像的红色、绿色和蓝色通道),那么在该输入上训练的卷积网络可以被认为是三维的,沿着图像的轴具有两个空间维度以及捕获颜色信息的第三维度。可以认为卷积连接的输出在后续层中形成特征图,该特征图(例如,220)的每个元素从前一层中的一系列神经元(例如,特征图218)接收输入并且接收来自多个通道中的每一个通道的输入。可以用非线性(例如校正,max(0,x))进一步处理该特征图中的值。可以对来自相邻神经元的值进行进一步池化,这对应于下采样,并且可以提供额外的局部不变性和降维。也可以通过特征图中神经元之间的横向抑制来应用归一化(其对应于白化)。
深度学习架构的性能可以随着更多标记数据点变得可用或者随着计算能力增加而增加。现代深度神经网络通常使用比十五年前典型研究人员可用的计算资源多数千倍的计算资源进行训练。新的架构和训练范式可以进一步提升深度学习的性能。经校正的线性单元可以减少被称为梯度消失的训练问题。新的训练技术可以减少过度拟合,从而使更大的模型能够实现更好的泛化。封装技术可以抽象给定感受野中的数据,并进一步提高整体性能。
图5是示出根据本公开内容的各方面的DCN 550的示例的框图。DCN 550可以包括基于连接性和权重共享的多个不同类型的层。如图5中所示,DCN 550包括卷积块554A、554B。卷积块554A、554B中的每一者可以被配置有卷积层(CONV)356、归一化层(LNorm)558和最大池化层(MAX POOL)560。
卷积层556可以包括一个或多个卷积滤波器,这些卷积滤波器可以应用于输入数据以生成特征图。尽管仅示出了卷积块554A、554B中的两个,但本公开内容不限于此,而是可以根据设计偏好,在DCN 550中包括任意数量的卷积块554A、554B。归一化层558可以对卷积滤波器的输出进行归一化。例如,归一化层558可以提供白化或横向抑制。最大池化层560可以在空间上提供下采样聚合,以用于局部不变性和降维。
例如,深度卷积网络的并行滤波器组可以加载在SoC 300的CPU 302或GPU 304上,以实现高性能和低功耗。在一些示例中,并行滤波器组可以加载在SoC 300的DSP 306或ISP316上。此外,DCN 550可以访问可能存在于SoC 300上的其它处理块(例如,分别专用于传感器和导航的传感器处理器314和导航模块320)。
DCN 550还可以包括一个或多个全连接层562(FC1和FC2)。DCN 550还可以包括逻辑回归(LR)层564。在DCN 550的每一层556、558、560、562、564之间是要更新的权重(没有示出)。每一层(例如,556、558、560、562和564)的输出可以作为DCN 550中的后续一层(例如,556、558、560、562和564)的输入,以便从在第一个卷积块554A处提供的输入数据552(例如,图像、音频、视频、传感器数据或其它输入数据)学习分层特征表示。DCN 550的输出是输入数据552的分类分数566。分类分数566可以是一组概率,其中,每个概率是输入数据的概率(其包括来自一组特征的特征)。
在一些常规的无线通信系统中,诸如UE、专用接收器或收发器之类的无线通信设备可以基于对传输接收点(TRP)发送的一个或多个信号的测量来估计操作频带的一个或多个特征,其中,该TRP也与无线通信设备操作在同一频带。所述一个或多个特征可以包括波束方向、信号强度或各种信道特性。在一些系统中,无线通信设备可以被配置用于与在两个不同频带中操作的两个不同TRP进行通信。在这样的系统中,无线通信设备可以从这两个TRP中的每一个TRP接收信号,以估计相应频带的一个或多个特征。
在一些系统中,可以基于对在给定频带中发送的信号的测量来估计该频带的特征。尽管如此,在这样的系统中,当估计多个频带中的特征时,信令量将增加。可能希望减少信令(包括发送到无线通信设备的信号的数量),以减少网络开销。减少发送到无线通信设备的信号数量也可以减少无线通信设备的功耗和处理器负载。也就是说,在一个频带中执行测量以估计另一个频带的一个或多个特征,可以减少波束管理开销或减少无线通信设备的功耗。
各个方面通常涉及测量在一个频带中接收到的信号,并基于对该信号的测量来估计另一个频带的特征。一些方面更具体地涉及:在第一无线通信设备处接收和测量第一频带中的信号,其中,该信号是从在第一频带中操作的第二无线通信设备发送的。一些其它方面涉及:在第二无线通信设备处接收和测量第一频带中的信号,其中,该信号是从在第一频带中操作的第一无线通信设备发送的。第二无线通信设备可以与在第二频带中操作的第三无线通信设备并置。在一些示例中,第二频带和第一频带不重叠。在一些实施方式中,第一无线通信设备是UE,第二无线通信设备是专用发射器或收发器,并且第三无线通信设备是TRP(例如,基站)。在一些其它实施方式中,第一无线通信设备是UE,第二无线通信设备是专用接收器或收发器,并且第三无线通信设备是TRP(例如,基站)。
在一些方面,经训练的机器学习模型基于对于在第一频带中接收的参考信号的测量来估计第二频带的一个或多个特征。该参考信号可以是在UE或第二无线通信设备(例如,收发器或专用接收器)处接收的。所述一个或多个特征可以至少包括一个或多个信道特性(例如,信道质量)、波束方向或信号强度。第三无线通信设备可以基于一个或多个所估计的特征,来调整用于与UE通信的下行链路(DL)发射功率、DL波束特性或DL信道。
根据本公开内容的各方面,UE可以被配置用于与两个非并置的TRP(例如,两个非并置的基站)进行通信,其中,每个TRP在不同的频带中操作。在一些示例中,第一频带可以在第一频率范围(例如,频率范围一(FR1,亚6GHz))内,而第二频带可以在第二频率范围(例如,频率范围二(FR2,毫米波(mmWave))内。在一些其它示例中,第一频带可以在FR2内,并且第二频带可以在更高的非重叠频率范围(例如,频率范围四(FR4))内。第一频带和第二频带并不限于上述的频率范围,因为在其它示例中其它范围也是可能的。在一些实施方式中,非并置TRP的第一TRP根据第一无线电接入技术(RAT)进行操作,而非并置TRP的第二TRP根据第二RAT进行操作。在一些示例中,第一RAT是LTE RAT或NR亚6GHz RAT。在这样的示例中,第二RAT是mmWave RAT,或者是在与第一RAT的频带不同的频带上操作的另一RAT。
在各个方面,与第二TRP并置的专用发射器可以在第一频带中操作。专用发射器可以位于与第二TRP相同的位置,或者位于靠近第二TRP的位置(例如,相距小于阈值距离)。例如,如果阈值距离为10米,则专用发射器可能位于距第二TRP位置不到10米的位置。在专用发射器与第二TRP位于相同位置的一些示例中,可以规定专用发射器在与第二TRP相同的基础设施(例如,蜂窝塔)上。在一些方面,专用发射器可以是功能缩减的专用发射器。例如,专用发射器可能不包括用于接收UL通信的能力,并且可能不包括用于发送一些DL通信的能力,这些DL通信包括通常由基站发送的一些参考信号或同步信号。
专用发射器可以周期性地在第一频带中向UE发送一个或多个参考信号。可以周期性地、非周期性地、按需地、持续地或半持续地发送一个或多个参考信号。在一些方面,UE对参考信号执行测量,并且基于对在第一频带中接收的参考信号的测量来估计第二频带的特征。另外地或替代地,UE可以向第一TRP和第二TRP之一或两者发送用于指示测量的报告、或者包括基于测量的信息的报告。在这样的示例中,第一TRP或第二TRP可以基于该测量或信息来估计第二频带的特征。
图6是根据本公开内容的各方面,示出支持基于对一个频带的测量来估计另一个频带的特征的无线通信系统600的示例的框图。在图6的示例中,无线通信系统600包括UE602、在第一频带中操作的第一基站604、在第二频带中操作的第二基站606、以及在第一频带中操作的专用发射器608。UE 602被配置为在第一频带和第二频带两者中操作。第一基站604和第二基站606是TRP的示例。在一些示例中,第一频带在FR1内,并且第二频带在FR2内。在FR1中执行测量以估计FR2的一个或多个特征,可以减少波束管理开销或者减少UE 602的功耗。
在图6的示例中,专用发射器608与第二基站606并置,并且具体地在与第二基站606相同的位置。在这样的示例中,专用发射器608与第二基站606的基础设施集成(例如,共享蜂窝塔)。在其它示例中,如上所述,专用发射器608的位置与所并置的第二基站606的位置之间的距离可以小于距离阈值。如上所述,专用发射器608可以是功能缩减的专用发射器。
UE 602和第一基站604可以经由第一频带交换上行链路(UL)和下行链路(DL)通信610,并且UE 602和第二基站606可以经由第二频带交换UL和DL通信612,其中,第二频带可以不与第一频带重叠。DL通信610和612可以包括经由包括控制信道(例如,物理下行链路控制信道(PDCCH))和数据信道(例如,物理下行链路共享信道(PDSCH))的各种信道携带的例如参考信号、同步信号、控制信息和/或数据信息(例如,具有分组的形式)。在一些示例中,专用发射器608可以不经由数据信道来发送数据。UL通信610和612可以包括经由包括控制信道(例如,物理上行链路控制信道(PUCCH))和数据信道(例如,物理上行链路共享信道(PUSCH))的各种信道携带的例如参考信号、控制信息和数据(例如,具有分组的形式)。
在各个示例中,UE 602可以经由第一频带从专用发射器608接收仅DL通信或信号614。例如,专用发射器608可以仅发送参考信号,例如信道状态信息参考信号(CSI-RS)、同步信号块(SSB)或路径损耗(PL)RS。如上所述,专用发射器608可能不包括用于接收UL通信的能力,并且可能不包括用于发送一些DL通信的能力,这些DL通信包括通常由基站发送的一些参考信号或同步信号。例如,专用发射器608可能不能够发送或者可能被禁止发送数据(例如,经由PDSCH发送的数据)或用于解调数据符号的参考信号。在一些实施方式中,专用发射器608是陆地信标系统的仅发射节点。在这样的实现中,专用发射器608可以向UE 602发送DL定位参考信号(PRS)以用于定位。在一些其它示例中,专用发射器608可以不限于作为陆地信标系统的仅发射节点。例如,专用发射器608可以是未被配置为从UE 602接收信息的另一种类型的发射器。尽管它可能不从UE 602接收通信或信号,但是专用发射器608可以经由回程连接(图6中没有示出)与基站604和606中的一个或两者进行通信。
如上所述,专用发射器608可以另外地或替代地向UE 602发送SSB。在一些示例中,SSB可以是不包括在同步光栅内的非同步光栅SSB。在这样的示例中,非同步光栅SSB不包括在用于系统捕获的同步块的频率位置内。在其它示例中,SSB可以是非小区定义的SSB,其中小区ID不与SSB相关联。在各个示例中,SSB可以用于获得第一频带的功率延迟分布(PDP)估计、或第一频带的其它信息(例如,接收信号功率)。在一些示例中,除了同步或小区定义或者替代同步或小区定义,主信息块(MIB)内的比特可以向UE 602指示SSB将用于第一频带的测量(例如,PDP估计)。
在一些示例中,除了基于SSB估计PDP之外或者作为其替代方案,UE 602可以基于专用发射器608发送的CSI-RS来估计PDP。在任一情况或两种情况下,UE 602可以基于PDP来估计接收信号功率。根据本公开内容的各方面,UE 602从第一基站604接收辅助信息,以识别由专用发射器608发送的参考信号。可以在一个或多个系统信息块(SIB)中接收该辅助信息。在一些示例中,该辅助信息可以包括:用于识别专用发射器608发送CSI-RS所使用的CSI-RS资源(例如,资源块)的CSI-RS配置。在一些这样的示例中,除了CSI-RS资源之外,CSI配置还可以提供其它CSI-RS信息。在一些实施方式中,CSI配置可以指示CSI-RS是例如周期性的、非周期性的、半持久的还是动态的。此外,在一些方面,UE 602从第一基站604接收用于与专用发射器608相关联的一个或多个参考信号的配置信息。该配置信息可以将UE 602配置为从专用发射器608接收一个或多个参考信号。另外地或替代地,专用发射器608从第一基站604接收一个或多个参考信号的配置信息。该配置信息可以配置专用发射器608向UE602发送一个或多个参考信号。
如下所述,可以训练机器学习模型(例如,通过图3中描述的SoC 300实现的机器学习模型),以用于基于对在第一频带中接收的参考信号的测量来估计第二频带的一个或多个特征。除了其它示例之外,这些特征可以包括以下中的一个、一些或全部:一个或多个信道特性、接收信号功率或波束方向。实现机器学习模型的SoC可以是UE 602、第一基站604或第二基站606中的一个或多个的组件。换句话说,无论UE 602、第一基站604或第二基站606中的哪一个或多个被配置为执行对特征的估计,其可以包括用于实现机器学习模型的硬件或软件。SoC实现的机器学习模型可以是一种神经网络。例如,该机器学习模型可以是卷积神经网络、深度卷积神经网络或其它类型的神经网络。
在UE 602中实现机器学习模型的一些示例中,UE 602基于其对专用发射器608在第一频带中发送的参考信号执行的测量,来估计第二频带的一个或多个特征。响应于估计一个或多个特征,UE 602可以向第二基站606发送包括对一个或多个估计特征的指示的报告。第二基站606可以基于所估计的特征中的一个或多个来选择或以其它方式管理DL波束的参数、或者用于向UE 602传输的信道。例如,第二基站606可以基于所估计的特征来调整DL波束方向。
在第二基站606中实现该模型的一些示例中,UE 602可以向第二基站606发送包括在第一频带中接收的参考信号的测量的报告。在一些这样的示例中,该报告可以包括由UE602对该UE 602在第一频带中接收到的CSI-RS、SSB或PRS执行的测量。在一些实施方式中,UE 602可以估计第一频带的PDP,并向第二基站606发送对PDP估计的指示与测量。第二基站606可以基于报告中包括的参考信号测量来估计第二频带的一个或多个特征。第二基站606可以基于所估计的特征中的一个或多个来选择或以其它方式管理波束或信道的参数。例如,第二基站606可以基于所估计的特征来调整波束方向。
在一些示例中,在第一基站604中实现该模型。在这样的示例中,UE 602可以向第二基站606发送包括在第一频带中接收的参考信号的测量的报告。在一些这样的示例中,该报告可以包括由UE 602对该UE 602在第一频带中接收的CSI-RS、SSB或PRS执行的测量。在一些实施方式中,UE 602可以估计第一频带的PDP,并向第一基站604发送对PDP估计的指示与测量。第一基站604可以基于报告中包括的参考信号测量来估计第二频带的一个或多个特征。第一基站604可以将一个或多个所估计的特征转发给第二基站606,并且第二基站606可以基于一个或多个所估计的特征,管理用于传输到UE 602的DL波束或用于传输到UE 602的DL信道的参数。
在各个示例中,可以在部署之前在训练阶段期间训练机器学习模型。在训练阶段,机器学习模型学习基于对在第一频带接收的信号的测量来估计第二频带的特征。在一些示例中,在训练阶段,机器学习模型接收对训练信号执行的测量。可以在第一频带中从专用发射器608或另一个无线通信设备(例如,图6中没有示出的专用训练发射器)向UE 602发送训练信号。机器学习模型可以用于基于对训练信号执行的测量来估计第二频带中的一个或多个特征。可以将所估计的特征与地面真实标签进行比较。在一些示例中,通过地面真实标签来指示诸如第二频带的实际信号强度、波束方向或信道特性之类的实际特征。在一些方面,对机器学习模型进行训练以减少所估计的特征和地面真实标签之间的损失。在一些示例中,UE 602可以与第一基站604和第二基站606中的一个或两者共享经训练的机器学习模型。
根据本公开内容的一些方面,在第一频带中操作的专用接收器可以与在第二频带中操作的第二TRP并置。专用接收器可以位于与第二TRP相同的位置或者位于靠近第二TRP的位置(例如,相距小于阈值距离)。例如,如果阈值距离为10米,则专用接收器可能位于距第二TRP位置不到10米的位置。在专用接收器与第二TRP位于相同位置的一些示例中,可以规定专用接收器在与第二TRP相同的基础设施(例如,蜂窝塔)上。在一些实施方式中,专用接收器可以是功能缩减的专用接收器。例如,专用接收器可能不包括用于发送DL通信的能力,并且可能不包括用于发送一些DL通信的能力,这些DL通信包括通常由基站发送的一些参考信号或同步信号。
专用接收器可以在第一频带中从UE接收一个或多个参考信号。举例而言,可以在回程连接上,将配置提供给专用接收器。在一种配置中,可以响应于触发事件来向专用接收器发送一个或多个参考信号。在一些方面,专用接收器对一个或多个参考信号执行测量,并基于对在第一频带中接收的一个或多个参考信号的测量来估计第二频带的特征。另外地或替代地,专用接收器可以向第一TRP和第二TRP中的一个或两个发送用于指示测量的报告、或者包括基于测量的信息的报告。在这样的示例中,第一TRP或第二TRP可以基于该测量或信息来估计第二频带的特征。在一些实施方式中,UE接收用于向专用接收器发送一个或多个参考信号的配置信息。该配置信息可以由第一TRP进行发送。
图7是根据本公开内容的各方面,示出支持基于对一个频带的测量来估计另一个频带的特征的无线通信系统700的示例的框图。在图7的示例中,无线通信系统700包括UE702、在第一频带中操作的第一基站704、在第二频带中操作的第二基站706、以及在第一频带中操作的专用接收器708。UE 702被配置用于在第一频带和第二频带两者中操作。第一基站704和第二基站706是TRP的示例。在一些示例中,第一频带在FR1内,并且第二频带在FR2内。在FR1中执行测量以估计FR2的一个或多个特征可以减少波束管理开销或减少UE 702的功耗。
在图7的示例中,专用接收器708与第二基站706并置,特别是在与第二基站706相同的位置。在这样的示例中,专用接收器708与第二基站706的基础设施集成(例如,共享蜂窝塔)。在其它示例中,如上所述,专用接收器708的位置与并置的第二基站706的位置之间的距离可以小于距离阈值。如上所述,专用接收器708可以是功能缩减的专用接收器。
UE 702和第一基站704可以经由第一频带交换上行链路(UL)和下行链路(DL)通信710,并且UE 702和第二基站706可以经由第二频带交换UL和DL通信712,其中第二频带可以不与第一频带重叠。DL通信710和712可以包括经由包括控制信道(例如,物理下行链路控制信道(PDCCH))和数据信道(例如,物理下行链路共享信道(PDSCH))的各种信道携带的例如一个或多个参考信号、同步信号、控制信息和/或数据信息(例如,具有分组的形式)。在一些示例中,专用发射器708可以不经由数据信道来发送数据。UL通信710和712可以包括经由包括控制信道(例如,物理上行链路控制信道(PUCCH))和数据信道(例如,物理上行链路共享信道(PUSCH))的各种信道携带的例如参考信号、控制信息和数据(例如,具有分组的形式)。
在各个示例中,UE 702可以经由第一频带向专用接收器708发送仅UL通信或信号714。如上所述,专用接收器708可能不包括用于发送DL通信的能力,并且可能不包括用于接收一些UL通信的能力,这些UL通信包括通常发送给基站的一些参考信号。例如,专用接收器708可能不能够接收或者可能被禁止接收数据(例如,经由PUSCH发送的数据)或用于解调数据符号的参考信号。相反,专用接收器708可以接收独立的参考信号,例如由UE 702发送的探测参考信号(SRS)。在一些这样的示例中,专用接收器708可以基于SRS来估计UL信道特性或UL时序。信道质量是信道特性的示例。在一些实施方式中,专用接收器708是陆地信标系统的仅接收节点。在这样的示例中,专用接收器708可以从UE 702接收响应于陆地信标系统的发射器节点(图7中没有示出)发送到UE 702的DL定位参考信号(PRS)的SRS。尽管UE 702可以向专用接收器708发送SRS,但是在一些示例中,UE 702不从专用接收器708接收DLPRS、SRS或任何其它信息。在一些其它示例中,专用接收器708可以不限于作为地面信标系统的仅接收节点。例如,专用接收器708可以是未被配置为向UE 702发送信息的另一种类型的接收器。尽管它可能不向UE发送通信或信号,但是专用接收器708可以经由回程连接(图7中没有示出)与基站704和706中的一个或两个进行通信。
在一些实施方式中,第一基站704或第二基站706可以基于功率净空(PHR)和UE702的位置,来确定用于调整UE 702的发射功率的功率控制信息。第一基站704或第二基站706可以向UE 702发送DL路径损耗(PL)参考信号(RS)。由基站704和706之一发送的多个DLPL RS之间的PL的变化可以触发UE 702向基站704或706发送PHR报告。在UE 702响应于PL的改变来发送PHR报告的这样的示例中,该PHR报告是基于PL的PHR报告的示例。
如上所述,在一些示例中,专用接收器708不能够发送DL PL RS以触发基于PL的PHR报告。在这样的示例中,第一基站704可以配置UE 702进行周期性PHR报告。基于这样的周期性PHR报告配置,UE 702可以周期性地向第一基站704发送针对去往专用接收器708的UL传输的PHR报告。另外地或替代地,UE 702可以在第一基站704发送的DL PL RS所触发的基于PL的PR报告中,包括旨在针对去往专用接收器708的UL传输的PHR报告。第一基站704可以使用UE 702位置和旨在针对去往专用接收器708的UL传输的PHR报告来调整从UE 702到专用接收器708的传输的发射功率。例如,可以有利地将用于从UE 702到专用接收器708的传输的发射功率调整到一值,以克服来自第二基站706的干扰,同时防止专用接收器708处的饱和。
还如上所述,专用接收器708可能不能够发送用于SRS波束空间关系的DL参考信号。在第一频带在第一频率范围(例如,FR1)内并且第二频带在第二频率范围(例如,FR2)内的一些示例中,在第一频带和第二频带中来自UE 702的SRS传输可能不是波束成形的。也就是说,SRS传输可以是各向同性的。在第一频带在第二频率范围(例如,FR2)内操作并且第二频带在高于第二频率范围的频率范围(例如,频率范围四(FR4))内操作的其它示例中,可以在这两个频带中对来自UE 702的SRS传输进行波束成形。此外,在第一频带在FR2内操作并且第二频带在大于FR2的频率范围内操作的此类示例中,可以将跨频准共址(QCL)信息发送到UE 702,以用于识别与第二频带中的SRS波束准共址的第一频带中的SRS波束。也就是说,两个UL传输都是波束成形的。UE 702可以使用第二频带的QCL信息,将SRS朝向专用接收器708进行波束成形。
如上所述,专用接收器708可能不能够发送DL PL RS以用于触发基于PL的PHR报告。在一些示例中,UE 702可以被配置为形成和扫描其自己的UL波束以识别SRS波束。在这样的示例中,UE 702可以经由所识别的SRS波束,向专用接收器708和第二基站706发送SRS。
类似地如上所述,专用接收器708也可能不能够发送DL RS以用于同步(例如,时序跟踪)。在一些这样的示例中,UE 702确定到专用接收器708的UL传输与来自另一个无线通信设备的一个或多个其它传输的时序。例如,可以根据时序提前组(TAG)中的一个或多个分量载波(CC)的一个或多个DL RS,来确定用于从UE 702到专用接收器708的UL传输的时序。此外,专用接收器708可能不能够发送DL RS以用于频率跟踪。在一些实施方式中,UE 702确定到专用接收器708的UL传输的频率,是根据补充上行链路(SUL)的参考频率来确定的。
如上所述,在第一频带中操作的专用接收器708可以与在第二频带中操作的第二基站706并置。在这样的示例中,响应于从第一基站704接收到触发信号,第一基站704可以向专用接收器708发送用于请求UE 702发送诸如SRS的参考信号的消息。该触发信号可以是参考信号或DL控制信号(例如,无线电资源控制(RRC)、媒体访问控制-控制元素(MAC-CE)或DL控制信息(DCI))。在一些方面,该消息还可以包括用于调整从UE 702到专用接收器708的参考信号传输的发射功率的功率控制信息。如上所述,第一基站704可以根据从UE 702接收的PHR报告以及UE 702相对于专用接收器708的位置的位置,来确定功率控制信息。在一些实施方式中,UE 702接收用于向专用接收器708发送参考信号(例如,SRS)的配置信息。该配置信息可以是从第一基站704发送的。另外地或替代地,专用接收器708可以从第一基站704接收配置信息,以用于从UE 702接收参考信号(例如,SRS)。
如下所述,可以训练机器学习模型(例如,如经由如图3中描述的SoC 300实现的机器学习模型),以用于基于对在第一频带接收的参考信号的测量来估计第二频带的一个或多个特征。除了其它示例之外,这些特征可以包括以下中的一个、一些或全部:一个或多个信道特性、接收信号功率或波束方向。值得注意的是,根据本公开内容的各方面,可以有利地估计这些特征,用于指定专用接收器708来测量在第二频带中接收到的任何信号。实现机器学习模型的SoC可以是UE 702、第一基站704或第二基站706中的一个或多个的组件。换句话说,无论UE 702、第一基站704或第二基站706中的哪一个或多个被配置为执行对特征的估计,其可以包括用于实现机器学习模型的硬件或软件。SoC实现的机器学习模型可以是一种神经网络。例如,该机器学习模型可以是卷积神经网络、深度卷积神经网络或其它类型的神经网络。
在一些示例中,在专用接收器708中实现机器学习模型。在此类示例中,专用接收器708基于其对从UE 702发送的参考信号执行的测量来估计第二频带的一个或多个特征。响应于估计一个或多个特征,专用接收器708可以经由回程链路(图7中没有示出)向第二基站706发送包括对一个或多个所估计特征的指示的报告。第二基站706可以基于所估计的特征中的一个或多个来选择或以其它方式管理用于到UE 702的传输的DL波束或信道的参数。例如,第二基站706可以基于所估计的特征来调整DL波束方向。
在一些示例中,在第二基站706中实现机器学习模型。在这样的示例中,专用接收器708可以经由经由回程链路(图7中没有显示)向第二基站706发送包括有针对在第一频带中接收的参考信号的测量的报告。例如,专用接收器708可以将在第一频带中从UE 702接收的SRS的测量转发给第二基站706。第二基站706可以基于所转发的参考信号测量来估计第二频带的一个或多个特征。第二基站706可以基于所估计的特征中的一个或多个,来选择或以其它方式管理用于波束或信道的参数。例如,第二基站706可以基于所估计的特征来调整波束方向。
在各个示例中,可以在部署之前在训练阶段期间训练机器学习模型。在训练阶段,机器学习模型学习基于对在第一频带接收的信号的测量来估计第二频带的特征。在一些示例中,在训练阶段期间,机器学习模型接收对训练信号执行的测量。可以在第一频带中从UE702或另一个无线通信设备(例如,图7中没有示出的专用训练UE)向专用接收器708发送训练信号。机器学习模型可以用于基于对训练信号执行的测量,估计第二频带中的一个或多个特征。可以将所估计的特征与地面真实标签进行比较。在一些示例中,通过地面真实标签来指示诸如第二频带的实际信号强度、波束方向或信道特性之类的实际特征。在一些方面,对机器学习模型进行训练以减少所估计的特征和地面真实标签之间的损失。在一些示例中,专用接收器708可以与第一基站704和第二基站706中的一个或两者共享经训练的机器学习模型。
在各个方面,与第二TRP并置的功能缩减的收发器可以在第一频带中操作。功能缩减的收发器可以位于与第二TRP相同的位置或靠近第二TRP的位置(例如,相距小于阈值距离)。例如,如果阈值距离为10米,则功能缩减的收发器可能位于距离第二TRP位置不到10米的位置。在功能缩减的收发器与第二TRP位于相同位置的一些示例中,可以规定功能缩减的收发器在与第二TRP相同的基础设施(例如,蜂窝塔)上。例如,功能缩减的收发器可能不包括用于发送一些DL通信的能力,这些DL通信包括通常由基站发送的一些参考信号或同步信号。再举一个示例,功能缩减的收发器可能不包括用于接收一些UL通信的能力。
功能缩减的收发器可以响应于功能缩减的收发器发送的按需RS请求,在第一频带中从UE接收一个或多个按需RS。在一些方面,功能缩减的收发器对按需RS执行测量,并且基于在第一频带中接收的按需RS的测量来估计第二频带的特征。在一些这样的方面,收发器接收用于在第一频带中发送和/或接收一个或多个RS的配置信息。在这样的方面,该配置信息可以是从第一TRP发送到收发器的。在一些实施方式中,功能缩减的收发器可以向第一TRP和第二TRP中的一个或两者发送用于指示测量的报告、或者包括基于测量的信息的报告。在这样的示例中,第一TRP或第二TRP可以基于该测量或信息来估计第二频带的特征。
在一些方面,UE可以在第一频带中从功能缩减的收发器接收响应于该UE发送的按需RS请求的一个或多个按需RS。在这样的方面,UE对按需RS执行测量,并且基于对在第一频带中接收的按需RS的测量来估计第二频带的特征。在一些这样的方面,UE接收用于在第一频带中发送和/或接收一个或多个RS的配置信息。例如,UE可以基于该配置信息来向收发器发送一个或多个RS。在这样的方面,该配置信息可以是从第一TRP发送到UE的。在一些实施方式中,UE可以向第一TRP、第二TRP或功能缩减的收发器中的一个或多个发送用于指示测量的报告、或者包括基于测量的信息的报告。在这样的示例中,第一TRP或第二TRP可以基于该测量或信息来估计第二频带的特征。
图8是根据本公开内容的各方面,示出支持基于对一个频带的测量来估计另一个频带的特征的无线通信系统800的示例的框图。在图8的示例中,无线通信系统800包括UE802、在第一频带中操作的第一基站804、在第二频带中操作的第二基站806、以及在第一频带中操作的缩减功能的收发器808。UE 802被配置用于在第一频带和第二频带两者中操作。第一基站804和第二基站806是TRP的示例。在一些示例中,第一频带在FR1内,并且第二频带在FR2内。在FR1中执行测量以估计FR2的一个或多个特征,可以减少波束管理开销或减少UE802的功耗。
在图8的示例中,缩减功能的收发器808与第二基站806并置,特别是在与第二基站806相同的位置。在这样的示例中,缩减功能的收发器808与第二基站806的基础设施集成(例如,共享蜂窝塔)。在其它示例中,如上所述,缩减功能的收发器808的位置与并置的第二基站806的位置之间的距离可以小于距离阈值。如上所述,缩减功能的收发器808可以是缩减功能的收发器。
UE 802和第一基站804可以经由第一频带交换上行链路(UL)和下行链路(DL)通信810,并且UE 802和第二基站806可以经由第二频带交换UL和DL通信812,其中第二频带可以不与第一频带重叠。DL通信810和812可以包括经由包括控制信道(例如,物理下行链路控制信道(PDCCH))和数据信道(例如,物理下行链路共享信道(PDSCH))的各种信道携带的例如一个或多个参考信号、同步信号、控制信息和/或数据信息(例如,具有分组的形式)。在一些示例中,缩减功能的收发器808可以不经由数据信道来发送数据。UL通信810和812可以包括经由包括控制信道(例如,物理上行链路控制信道(PUCCH))和数据信道(例如,物理上行链路共享信道(PUSCH))的各种信道携带的例如参考信号、控制信息和数据(例如,具有分组的形式)。
在各个示例中,UE 802可以经由第一频带向缩减功能的收发器808发送UL通信或信号814。例如,缩减功能的收发器808可以发送按需RS,例如信道状态信息参考信号(CSI-RS)、同步信号块(SSB)或路径损耗(PL)RS。如上所述,缩减功能的收发器808可能不包括用于发送一些DL通信(例如,经由用于解调数据符号的PDSCH或参考信号发送的数据)的能力。另外,缩减功能的收发器808可能不包括用于接收一些UL通信的能力,其中这些UL通信包括通常发送给基站的一些参考信号。例如,缩减功能的收发器808可能不能够接收或者可能被禁止接收数据(例如,经由PUSCH发送的数据)或用于解调数据符号的参考信号。相反,缩减功能的收发器808可以接收独立的参考信号,例如由UE 802发送的探测参考信号(SRS)。在一些这样的示例中,缩减功能的收发器808可以基于SRS来估计UL信道特性或UL时序。信道质量是信道特性的示例。在一些示例中,缩减功能的收发器808是陆地信标系统的节点。在这样的示例中,缩减功能的收发器808可以从UE802接收响应于缩减功能的收发器808发送到UE 802的DL定位参考信号(PRS)的SRS。在一些其它示例中,缩减功能的收发器808可以不限于地面信标系统的节点。例如,缩减功能的收发器808可以是用于向UE 802发送信息的另一种类型的缩减功能的收发器。缩减功能的收发器808可以经由回程连接(图8中没有示出)与基站804和806中的一个或两个进行通信。
如上所述,缩减功能的收发器808可以另外地或替代地向UE 802发送SSB。在一些示例中,该SSB可以是不包括在同步光栅内的非同步光栅SSB。在这样的示例中,不同步光栅SSB不包括在用于系统捕获的同步块的频率位置内。在其它示例中,该SSB可以是非小区定义的SSB,其中小区ID不与SSB相关联。在各个示例中,SSB可以用于获得功率延迟分布(PDP)估计或其它信息,例如接收信号功率。在一些示例中,除了同步或小区定义或者替代同步或小区定义,主信息块(MIB)内的比特可以向UE 802指示SSB将用于第一频带的测量(例如,PDP估计)。在一些示例中,除了基于SSB估计PDP之外或者作为其替代方案,UE 802可以基于缩减功能的收发器808发送的CSI-RS来估计PDP。在任一情况或两种情况下,UE 802可以基于PDP来估计接收信号功率。
本公开内容的各方面不将缩减功能的收发器808限制为仅发送CSI-RS、SSB和PRS。缩减功能的收发器808可以发送不对应于解调数据符号的其它类型的参考信号。
第一基站804或第二基站806可以根据UE功率净空(PHR)和UE位置来确定用于调整UE发射功率的功率控制信息。第一基站804或第二基站806可以向UE 802发送下行链路路径损耗(PL)参考信号(RS)。由基站804和806之一发送的多个下行链路PL RS之间的PL的变化可以触发UE 802向基站804或806发送PHR报告。响应于PL的改变而发送的PHR是基于PL的PHR报告的示例。
在一些实施方式中,第一基站804或第二基站806可以基于功率净空(PHR)和UE802的位置,来确定用于调整UE 802的发射功率的功率控制信息。第一基站804或第二基站806可以向UE 802发送DL路径损耗(PL)参考信号(RS)。由基站804和806之一发送的多个DLPL RS之间的PL的变化可以触发UE 802向基站804或806发送PHR报告。在这样的示例中,其中UE 802响应于PL的改变发送PHR报告,该PHR报告是基于PL的PHR报告的示例。
如上所述,在一些示例中,缩减功能的收发器808不能够发送DL PL RS以触发基于PL的PHR报告。在这样的示例中,第一基站804可以配置UE 802进行周期性PHR报告。基于这样的周期性PHR报告配置,UE 802可以周期性地向第一基站804发送针对去往缩减功能的收发器808的UL传输的PHR报告。另外地或替代地,UE 802可以在第一基站804发送的DL PL RS所触发的基于PL的PR报告中,包括旨在针对去往缩减功能的收发器808的UL传输的PHR报告。第一基站804可以使用UE 802位置和旨在针对去往缩减功能的收发器808的UL传输的PHR报告,来调整从UE 802到缩减功能的收发器808的传输的发射功率。例如,可以有利地将用于从UE 802到缩减功能的收发器808的传输的发射功率调整到一值,以克服来自第二基站806的干扰,同时防止缩减功能的收发器808处的饱和。
还如上所述,缩减功能的收发器808可能不能够发送针对SRS波束空间关系的DL参考信号。在第一频带在第一频率范围(例如,FR1)内并且第二频带在第二频率范围(例如,FR2)内的一些示例中,在第一频带和第二频带中来自UE 802的SRS传输可能不是波束成形的。也就是说,SRS传输可以是各向同性的。在第一频带在第二频率范围(例如,FR2)内操作并且第二频带在高于第二频率范围的频率范围(例如,频率范围四(FR4))内操作的其它示例中,可以在这两个频带中对来自UE 802的SRS传输进行波束成形。此外,在第一频带在FR2内操作并且第二频带在大于FR2的频率范围内操作的此类示例中,可以将跨频准共址(QCL)信息发送到UE 802,以识别与第二频带中的SRS波束准共址的第一频带中的SRS波束。也就是说,两个UL传输都是波束成形的。UE 802可以使用第二频带的QCL信息,将SRS朝向缩减功能的收发器808进行波束成形。
如上所述,缩减功能的收发器808可能不能够发送DL PL RS以用于触发基于PL的PHR报告。在一些示例中,UE 802可以被配置为形成和扫描其自己的UL波束以识别SRS波束。在这样的示例中,UE 802可以经由所识别的SRS波束来向缩减功能的收发器808和第二基站806发送SRS。
类似地如上所述,缩减功能的收发器808也可能不能够发送DL RS以用于同步(例如,时序跟踪)。在一些这样的示例中,UE 802确定到缩减功能的收发器808的UL传输与来自另一个无线通信设备的一个或多个其它传输的时序。例如,可以根据时序提前组(TAG)中的一个或多个分量载波(CC)的一个或多个DL RS来确定用于从UE 802到缩减功能的收发器808的UL传输的时序。此外,缩减功能的收发器808可能不能够发送DL RS以用于频率跟踪。在一些实施方式中,UE 802确定到缩减功能的收发器808的UL传输的频率,是根据补充上行链路(SUL)的参考频率来确定的。
如上所述,UE 802可以发送用于请求缩减功能的收发器808向UE 802发送按需RS的按需RS请求。在一些方面,UE 802接收用于一个或多个RS的配置信息。该配置信息可以提供用于将一个或多个RS发送到功能缩减的收发器808和/或从功能缩减的收发器808接收一个或多个RS的信息。在这样的方面,该配置信息可以是从第一基站804向UE 802发送的。按需RS可以是信道测量参考信号、同步参考信号或定位参考信号。响应于接收到按需RS请求,缩减功能的收发器808可以在第一频带中发送按需RS。在一些方面,缩减功能的收发器808接收用于一个或多个RS的配置信息。该配置信息可以提供用于向UE 802发送一个或多个RS和/或从UE 802接收一个或多个RS的信息。在这样的方面,该配置信息可以是从第一基站804发送到缩减功能的收发器808的。根据本公开内容的各方面,无线电资源控制(RRC)配置不配置从功能缩减的收发器808到UE 802的周期性RS传输。
另外地或替代地,UE 802从缩减功能的收发器808接收按需RS请求。按需RS请求用于请求UE 802向缩减功能的收发器808发送按需RS。该按需RS可以是SRS。UE 802可以响应于接收到按需RS请求来在第一频带中发送按需RS。
如下所述,可以训练机器学习模型(例如,如经由如图3中描述的SoC 300实现的机器学习模型),以用于基于对在第一频带接收的参考信号的测量来估计第二频带的一个或多个特征。除了其它示例之外,这些特征可以包括以下中的一个、一些或全部:一个或多个信道特性、接收信号功率或波束方向。所述一个或多个所估计的特征是该机器学习模型所生成的一种类型的预测。实现机器学习模型的SoC可以是UE 802、第一基站804、第二基站806、或缩减功能的收发器808中的一个或多个的组件。换句话说,无论UE 802、第一基站804、第二基站806、或缩减功能的收发器808中的哪一个或多个被配置为执行对特征的估计,其可以包括用于实现机器学习模型的硬件或软件。SoC实现的机器学习模型可以是一种神经网络。例如,该机器学习模型可以是卷积神经网络、深度卷积神经网络或其它类型的神经网络。
在缩减功能的收发器808中实现机器学习模型的一些示例中,缩减功能的收发器808基于其对从UE 802在第一频带中发送的按需RS执行的测量,来估计第二频带的一个或多个特征。响应于估计一个或多个特征,缩减功能的收发器808可以经由回程链路(图8中没有示出)向第二基站806发送包括对一个或多个所估计的特征的指示的报告。第二基站806可以基于所估计的特征中的一个或多个,来选择或以其它方式管理用于到UE 802的传输的DL波束或信道的参数。例如,第二基站806可以基于所估计的特征来调整DL波束方向。
在UE 802中实现机器学习模型一些示例中,UE 802基于其对从缩减功能的收发器808在第一频带中发送的按需RS执行的测量,来估计第二频带的一个或多个特征。响应于估计一个或多个特征,UE 802可以经由回程链路(图8中没有示出)向第二基站806发送包括对一个或多个所估计的特征的指示的报告。第二基站806可以基于所估计的特征中的一个或多个来选择或以其它方式管理用于到UE 802的传输的DL波束或信道的参数。例如,第二基站806可以基于所估计的特征来调整DL波束方向。
在第二基站806中实现模型的一些示例中,缩减功能的收发器808或UE 802可以经由回程链路(图8中没有示出),向第二基站806发送包括对在第一频带中接收的按需RS的测量的报告。例如,缩减功能的收发器808可以将对在第一频带中从UE 802接收的SRS的测量转发给第二基站806。第二基站806可以基于所转发的参考信号测量来估计第二频带的一个或多个特征。第二基站806可以基于所估计的特征中的一个或多个来选择或以其它方式管理用于波束或信道的参数。例如,第二基站806可以基于所估计的特征来调整波束方向。
在各个示例中,可以在部署之前在训练阶段期间训练机器学习模型。在训练阶段,机器学习模型学习基于对在第一频带接收的信号的测量来估计第二频带的特征。在一些示例中,在训练阶段,机器学习模型接收对训练信号执行的测量。在一些方面,可以在第一频带中从UE 802或另一个无线通信设备(例如,图8中没有示出的专用训练UE)向缩减功能的收发器808发送训练信号。在其它方面,可以在第一频带中从缩减功能的收发器808或另一个无线通信设备(例如,图8中没有示出的专用训练收发器)向UE 802发送训练信号。机器学习模型可以用于基于对训练信号执行的测量,估计第二频带中的一个或多个特征。可以将所估计的特征与地面真实标签进行比较。在一些示例中,通过地面真实标签来指示诸如第二频带的实际信号强度、波束方向或信道特性之类的实际特征。在一些方面,对机器学习模型进行训练以减少所估计的特征和地面真实标签之间的损失。在一些示例中,缩减功能的收发器808或UE 802可以与第一基站804和第二基站806中的一个或两者共享经训练的机器学习模型。
本公开内容的一些方面基于对第一频带的测量,来改进无线网络的各种功能(例如,辅助小区组(SCG)选择或小区重选)。在一种配置中,当UE测量第一频带中的参考信号时,可以利用这些测量来确定UE是否应该连接到在第二频带中操作的TRP。在一些实施方式中,UE不处于与在第一频带中操作的TRP和在第二频带中操作的另一个TRP的连接模式。
如上所述,在一些实施方式中,根据对在第一频带中接收的参考信号的测量来估计第二频带的特征。该参考信号可以是由在第一频带中操作的TRP发送的。该TRP可以与在第二频带中操作的另一个TRP并置。在一种实施方式中,UE在第一频带中与第一TRP连接。第一TRP可以发送辅助信息,该辅助信息提供用于第一TRP和在第二频带中操作的一个或多个第二TRP的并置信息。也就是说,该辅助信息可以显式地向UE通知第一TRP与一个或多个第二TRP并置。可以提供用于第一TRP和一个或多个第二TRP的并置信息,以用于辅助小区组(SCG)设置。
另外地或替代地,第一TRP可以发送辅助信息,该辅助信息提供用于在第一频带中操作的一个或多个第三TRP和在第二频带中操作的一个或多个第二TRP的并置信息。也就是说,该辅助信息可以显式地向UE通知一个或多个第三TRP与一个或多个第二TRP并置。可以提供用于一个或多个第三TRP和一个或多个第二TRP的并置信息,以用于小区重选或移动性。也就是说,基于并置信息,UE可以从第一TRP的当前小区切换到第三TRP之一的小区或第二TRP之一的小区。
在一种实施方式中,第一TRP在系统信息块(SIB)中发送辅助信息。基于该辅助信息,UE可以识别在一个频带中操作的第一物理小区ID(PCI),该第一物理小区ID(PCI)与在不同频带中操作的第二PCI并置。在一种配置中,UE基于对从在第一频带中操作的TRP发送的参考信号(RS)执行的测量,来估计在第二频带中操作的一个或多个第二TRP的一个或多个特征。一个或多个特征可以包括但不限于信道特性、信号强度或波束方向。该参考信号例如可以是信道测量RS(例如,信道状态信息参考信号(CSI-RS)、同步RS(例如,同步信号块(SSB)或定位RS(例如,下行链路定位参考信号(DL PRS))。在一种配置中,UE接收一个或多个参考信号的配置信息。该配置信息可以提供用于向TRP发送一个或多个参考信号和/或从TRP接收一个或多个参考信号的信息。
并置的TRP可以位于相同的位置。替代地,并置的TRP可以在不同的位置,其中,在第一频带中操作的一个或多个TRP的位置与在第二频带中操作的一个或多个TRP的位置接近(换言之,小于距离阈值)。例如,该距离阈值可以是十米。在该示例中,如果第一TRP位于距离第二TRP的位置小于十米的位置,则在第一频带中操作的第一TRP可以与在第二频带中操作的第二TRP并置。
在传统系统中,可以将邻居列表显式地用信号通知给UE。传统系统不向UE提供频带间并置信息。另外,在传统系统中,UE可以通过跨不同频带执行定位操作来隐式地推断并置信息。如所讨论的,没有向UE显式地提供频带间并置信息。
图9A示出了根据本公开内容的各方面的无线系统900的示例。在图9A的示例中,无线系统900包括UE 902、在第一频带中操作的第一基站904、以及在不与第一频带重叠的第二频带中操作的第二基站906。第一基站904和第二基站906是TRP的示例。
在图9A的示例中,第一基站904与第二基站906并置。也就是说,第一基站904的位置和第二基站906的位置之间的距离小于阈值距离。替代地,将第一基站904被定义为在与第二基站906相同的基础设施上。本公开内容的各方面并不限于只有一个第二基站906与第一基站904并置。多个第二基站906可以与第一基站904并置。为简洁起见,图9A中仅示出了一个第二基站906。此外,图9A和9B没有按比例绘制。
根据本公开内容的各方面,UE 902可以经由第一频带的一个或多个频率与第一基站904发送和接收信息910。此外,UE 902可以经由第二频带的一个或多个频率与第二基站906发送和接收信息912。如上所述,第一频带可以在第一频率范围(例如,FR1)中操作,而第二频带可以在第二频率范围(例如,FR2)中操作。
机器学习模型或另一函数可以使用在第一频带中接收的参考信号(例如,信道状态信息参考信号(CSI-RS)或探测参考信号(SRS))的测量,以估计第二频带的一个或多个特征。机器学习模型可以包括在UE 902、第一基站904或第二基站906中的一个或多个中。
在图9A的示例中,UE 902连接到第一频带中的第一基站904。第一基站904向UE902发送辅助信息,该辅助信息提供第一基站904和第二基站906的并置信息。即,基于该辅助信息,向UE 902通知第一基站904与第二基站906并置。可以在SIB中发送该辅助信息。
在接收到辅助信息之后,UE 902可以测量由第一基站904发送的参考信号。可以将测量输入到机器学习模型,以估计第二频带的一个或多个特征。一个或多个所估计的特征是机器学习模型生成的一种预测。一个或多个所估计的特征至少包括信道状况、接收信号功率或波束方向。当一个或多个所估计的特征满足SCG的条件时,UE 902可以添加第二基站906作为SCG建立的候选。例如,当所估计的接收信号功率大于信号功率阈值时,UE 902添加第二基站906作为SCG建立的候选。
图9B示出了根据本公开内容的各方面的无线系统950的示例。在图9B的示例中,无线系统950包括UE 902、在第一频带中操作的第一基站904、在第一频带中操作的第三基站908、以及在不与第一频带重叠的第二频带中操作的第二基站906。每个基站904、906、908可以分别与不同的小区904A、909A、908A相关联。第一基站904、第二基站906和第三基站908是TRP的示例。
在图9B的示例中,第三基站908与第二基站906并置。也就是说,第三基站908的位置与第二基站906的位置之间的距离小于阈值距离。替代地,如上所述,第三基站908可以被定义为在与第二基站906相同的基础设施上。本公开内容的各方面并不限于只有一个第二基站906与仅一个第三基站908并置。一个或多个第二基站906可以与一个或多个第三基站908并置。为简洁起见,图9B中仅示出了一个第二基站906和一个第三基站908。
根据本公开内容的各方面,UE 902可以经由第一频带与第一基站904发送和接收信息910。此外,UE 902可以经由第二频带与第二基站906发送和接收信息912。UE 902还可以经由第一频带的一个或多个频率与第三基站908发送和接收信息914。
机器学习模型或另一函数可以使用在第一频带中接收的参考信号(例如,CSI-RS)的测量,来估计第二频带的一个或多个特征。机器学习模型可以包括在UE 902、第一基站904、第二基站906或第三基站908中的一个或多个中。
在图9B的示例中,UE 902在第一频带中连接到第一基站904。第一基站904可以提供相邻基站(例如,第二基站906和第三基站908)的PCI。另外,在图9B中,第一基站904向UE902发送辅助信息,该辅助信息提供第三基站908和第二基站906的并置信息。也就是说,基于该辅助信息,UE 902可以确定第三基站908的PCI与第二基站906的PCI并置。可以在SIB中发送该辅助信息。
在接收到辅助信息之后,UE 902可以测量由第三基站908发送的参考信号。基于第三基站908的测量,UE 902可以将第三基站908添加到用于第一频带小区重选的候选列表中。如果当前小区904a的状况低于阈值,则可以执行小区重选。此外,可以将对参考信号的测量输入到机器学习模型,以估计第二频带的一个或多个特征。一个或多个估计特征至少包括信道状况、接收信号功率或波束方向。基于第二基站906的一个或多个所估计的特征,UE 902可以将第三基站908添加到用于第二频带小区重选的候选列表中。也就是说,不是直接测量从第二基站906发送的信号,UE 902可以基于对在第一频带中发送的参考信号的测量来预测第二频带的一个或多个特征。
在图9A和9B中,作为示例,第一频带在第一频率范围(例如,FR1)中操作,而第二频带在第二频率范围(例如,FR2)中操作。此外,在图9A和9B中,第一基站904和第三基站908在LTE无线电接入技术(RAT)频带或亚6GHz频带中的一个或多个频率上操作。第二基站906可以在毫米波(mmWave)频带或者与第一基站904的频带不同的频带的一个或多个频率上操作。
UE 902、第一基站904、第二基站906和第三基站908可以使用机器学习模型(例如,卷积神经网络),以基于对第一频带的测量来估计第二频带的一个或多个特征。例如,如果模型在UE 902中,则在训练阶段,可以经由在第一频带中从第一基站904或第三基站908接收的训练信号来训练该模型。第二频带中的实际测量是地面真实标签。对机器学习模型进行训练以减少所估计的特征和地面真实标签之间的损失。该模型可以离线训练。可以提供第一基站904、第二基站906或第三基站908中的模型来代替UE 902的模型,或者除了UE 902的模型之外。
图10根据本公开内容的各方面,示出了支持基于对一个频带的测量来估计另一个频带的特征的无线通信设备1000的框图。无线通信设备1000可以是参考图1、6、7、8、9A和图9B描述的UE 120a、120b、120c、120d、120e、602、702、809、902的一些方面的示例。无线通信设备1000可以包括接收器1010、通信管理器1015和发射器1020,它们可以彼此之间进行通信(例如,通过一个或多个总线)。在一些示例中,无线通信设备1000被配置为执行包括以下参考图11描述的处理1100的操作的操作。
在一些示例中,无线通信设备1000可以包括芯片、SoC、芯片组、封装或设备,其包括至少一个处理器和至少一个调制解调器(例如,5G调制解调器或其它蜂窝调制解调器)。举一个示例,无线通信设备1000可以包括SoC 300,如图3中所描述的。在一些示例中,通信管理器1015或其子组件可以是单独的和不同的组件。在一些示例中,通信管理器1015的至少一些组件至少部分地实现为存储在存储器中的软件。例如,可以将通信管理器1015的一个或多个组件的一部分实现为可由处理器执行以执行相应组件的功能或操作的非临时性代码。
接收器1010可以经由包括控制信道(例如,PDCCH)和数据信道(例如,PDSCH)的各种信道,从一个或多个其它无线通信设备接收一个或多个参考信号(例如,经周期性配置的CSI-RS、经非周期性配置的CSI-RS或多波束特定参考信号)、同步信号(例如,SSB)、控制信息和/或数据信息(例如,具有分组的形式)。这些其它无线通信设备可以包括但不限于:参考图6、7、8、9A和9B描述的第一基站604、704、804、904、第二基站606、706、806、906、专用发射器608,专用接收器708、缩减功能的收发器808或第三基站908。在本公开内容的各方面,专用发射器608不包括接收器功能。此外,专用发射器的功能可能仅限于发送信道测量参考信号、同步参考信号或定位参考信号。专用发射器608可能不发送数据信息(例如,经由PDSCH发送的信息)以及对应于数据传输的参考信号(例如,解调参考信号(DMRS))。此外,在本公开内容的一些方面,缩减功能的收发器808可以限于发送或接收信道测量参考信号、同步参考信号或定位参考信号。缩减功能的收发器808可以不发送或接收数据信息(例如,经由PDSCH发送的信息)以及对应于数据传输的参考信号(例如,DMRS)。此外,在本公开内容的一些方面,专用接收器708不包括发射器功能。此外,专用接收器708的功能可能受到限制。例如,专用接收器708可能不接收数据信息(例如,经由PUSCH发送的信息)以及用于解调数据符号的参考信号。
可以将接收到的信息传送到无线通信设备1000的其它组件。接收器1010可以是参考图2描述的接收处理器258的各方面的示例。接收器1010可以包括与一组天线耦合的一组无线电频率(RF)链,或者以其它方式利用一组天线的RF链(例如,该组天线可以是参考图2描述的天线252a到252r的各方面的示例)。
发射器1020可以发送通信管理器1015或无线通信设备1000的其它组件所生成的信号。在一些示例中,发射器1020可以与接收器1010并置在收发器中。发射器1020可以是参考图2描述的发射处理器264的各方面的示例。发射器1020可以与一组天线相耦合,或者以其它方式利用一组天线(例如,该组天线可以是参考图2描述的天线252a到252r的各方面的示例),该组天线可以是与接收器1010共享的天线元件。在一些示例中,发射器1020被配置为在PUCCH中发送控制信息,在PUSCH中发送数据。
通信管理器1015可以是参考图2描述的控制器/处理器280的各方面的示例。通信管理器1015包括辅助信息组件1025、配置信息组件1030、测量组件1035和特征估计组件1040。
辅助信息组件1025被配置为接收用于指示专用发射器与第二基站并置的辅助信息。可以在接收器1010从在第一频带内操作的第一基站(例如,第一TRP)接收该辅助信息。可以在SIB中接收该辅助信息。配置信息组件1030被配置为使用辅助信息来识别由专用发射器在第一频带中发送的信号。可以在接收器1010处接收该信号。该信号可以是参考信号(例如,CSI-RS)、同步信号(例如,SSB)或定位信号(例如,PRS)。
与接收器1010一起工作,配置信息组件1030被配置为接收用于与另一个无线通信节点相关联的一个或多个参考信号的配置信息。该配置信息可以配置无线通信设备1000从其它无线通信设备接收一个或多个参考信号,和/或向其它无线通信设备发送一个或多个参考信号。
测量组件1035可以是可选的组件。在一些实施方式中,测量组件1035被配置为基于接收到的信号来执行一个或多个测量。例如,测量组件1035可以根据接收到的信号来估计PDP。可以基于所估计的PDP来估计接收信号功率。特征估计组件1040可以是可选的组件。在一些实施方式中,特征估计组件1040被配置为基于测量组件1035所执行的一个或多个测量来估计第二频带的一个或多个特征。所述一个或多个特征可以包括信道特性或波束方向。与发射器1020一起工作,特征估计组件1040可以将所估计的特征发送给第一基站或第二基站。第二基站可以基于所预测的特征来调整下行链路传输的一个或多个特征。特征估计组件1040可以是经训练的机器学习模型。特征估计组件1040可以是参考图4D和图5所描述的深度卷积网络400和550的示例。
图11根据本公开内容的各方面,示出了支持基于对一个频带的测量来估计另一个频带的特征的处理1100的流程图。处理1100的操作可以由UE(例如,如参考图1、6、7、8、9A和图9B所描述的UE 120a、120b、120c、120d、120e、602、702、802或902)或其组件来实现。例如,处理1100的操作可以由参考图10描述的通信管理器1015来执行。在一些示例中,UE可以执行一组指令来控制该UE的功能单元执行下面所描述的操作或功能。另外地或替代地,UE可以使用专用硬件来执行下面描述的操作或功能的各方面。
在框1102中,UE从在第一频带中操作的第一TRP接收辅助信息,该辅助信息包括用于在第二频带中操作的第二TRP和在第一频带中操作的通信节点的并置信息。在一些方面,第二频带不与第一频带重叠。在框1104中,UE从第一TRP接收用于与通信节点相关联的一个或多个RS的配置信息。该配置信息可以配置UE向通信节点发送一个或多个RS和/或从通信节点接收一个或多个RS。
在框1106中,UE基于根据所述一个或多个RS估计的第二频带的一个或多个特征,与第二TRP进行通信。所述一个或多个特征可以包括信道特性、波束方向或接收信号功率。如先前所描述的,信道质量可以是信道特性的示例。在一些实施方式中,UE的经训练的机器学习模型基于所执行的测量来估计第二频带的一个或多个特征。在一些示例中(例如,图11的示例),在UE中实现机器学习模型。在其它示例中,在第一TRP或第二TRP中的一个或两个中实现机器学习模型。在一些示例中,作为在UE中实现的机器学习模型的补充或替代,在第一TRP或第二TRP中的一个或两者中实现机器学习模型。在一些示例中,UE与第一TRP或第二TRP中的一个或两者共享经训练的模型。
在以下编号的条款中描述实施示例:
1、一种用于用户设备(UE)的无线通信的方法,包括:
从在第一频带中操作的第一传输接收点(TRP)接收辅助信息,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息;
从所述第一TRP接收用于与所述通信节点相关联的一个或多个参考信号(RS)的配置信息;以及
基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征,与所述第二TRP进行通信。
2、根据条款1所述的方法,还包括:
向所述通信节点发送按需RS请求,所述按需RS请求用于请求所述通信节点在所述第一频带中向所述UE发送所述一个或多个RS;
响应于所述按需RS请求,在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于对所述一个或多个RS的测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、接收信号功率或波束方向;
向所述第一TRP或所述第二TRP发送用于指示一个或多个所估计的特征的消息,所述第一TRP与所述第二TRP是非并置的;以及
基于向所述第一TRP或所述第二TRP发送用于指示所述一个或多个所估计的特征的所述消息,在所述第二频带中从所述第二TRP接收下行链路信号。
3、根据条款2所述的方法,其中,所述一个或多个RS包括信道状态信息RS(CSI-RS)、同步信号块(SSB)或路径损耗(PL)RS中的一项。
4、根据条款1所述的方法,还包括:
从所述通信节点接收用于请求所述UE向所述通信节点发送所述一个或多个RS的按需RS请求;
在所述第一频带中向所述通信节点发送所述一个或多个RS;以及
基于发送所述一个或多个RS来在所述第二频带中从所述第二TRP接收下行链路信号。
5、根据条款1所述的方法,还包括:
从所述第一TRP接收触发信号;以及
响应于接收到所述触发信号,在所述第一频带中向所述通信节点发送所述一个或多个RS。
6、根据条款5所述的方法,其中:
所述触发信号包括下行链路控制信息;以及
所述一个或多个RS包括探测参考信号(SRS)。
7、根据条款1所述的方法,还包括:
在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于所述辅助信息来识别来自所述通信节点的所述一个或多个RS;
测量所述一个或多个RS;
基于对所述一个或多个RS的所述测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、波束方向或接收信号功率;以及
基于接收到所述一个或多个RS,在所述第二频带中从所述第二TRP接收下行链路信号,所述第二频带的波束或信道中的一者或两者已经基于一个或多个所接收的RS进行了调整。
8、根据条款1-7中的任何一项所述的方法,其中,所述通信节点与所述第二TRP并置于同一位置。
9、根据条款1-7中的任何一项所述的方法,其中,所述通信节点位于距所述第二TRP的位置小于阈值距离的距离处。
10、根据条款1-9中的任何一项所述的方法,还包括:
在所述第一频带中从所述通信节点接收训练信号;以及
基于所接收的训练信号来训练机器学习模型以估计所述第二频带的所述一个或多个特征。
11、根据条款1-10中的任何一项所述的方法,其中,所述第一频带在第一频率范围内,并且所述第二频带在第二频率范围内。
12、根据条款1-11中的任何一项所述的方法,其中,所述第一TRP根据第一无线电接入技术(RAT)进行操作,并且所述第二TRP根据第二RAT进行操作。
13、根据条款1-12中的任何一项所述的方法,还包括:在系统信息块(SIB)中接收所述辅助信息。
上述公开内容提供了说明和描述,而不是穷举的,也不是将这些方面限制为公开的精确形式。可以根据以上公开内容进行修改和变化,或者可以从这些方面的实践中获得修改和变化。
如本文所使用的,术语“组件”旨在广义地解释成硬件、固件、或硬件和软件的组合。如本文所使用的,利用硬件、固件、或硬件和软件的组合来实现处理器。
本文结合阈值描述了一些方面。如本文所使用的,根据上下文,满足阈值可以指代一个值大于阈值、大于或等于阈值、小于阈值、小于或等于阈值、等于阈值、不等于阈值等等。
显而易见的是,本文所描述的系统或方法可以利用不同形式的硬件、固件、或硬件和软件的组合来实现。用于实现这些系统或方法的实际专用控制硬件或软件代码并不限制这些方面。因此,在没有参考具体软件代码的情况下描述了这些系统或方法的操作和性能,应当理解的是,可以至少部分地基于本文的描述来设计出用来实现这些系统或方法的软件和硬件。
尽管在权利要求书中阐述了或在说明书中公开了特征的组合,但是这些组合并不是旨在限制各个方面的公开内容。实际上,可以以权利要求书中没有具体阐述或说明书中没有公开的方式来组合这些特征中的许多特征。虽然下面列出的每个从属权利要求可以仅直接依赖于一个权利要求,但各个方面的公开内容包括结合权利要求组中的每个其它权利要求项的每个从属权利要求。指代一个列表项“中的至少一个”的短语,指代这些项的任意组合(其包括单一成员)。举例而言,“a、b或c中的至少一个”旨在覆盖a、b、c、a-b、a-c、b-c和a-b-c、以及具有多个相同元素的任意组合(例如,a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c和c-c-c,或者a、b和c的任何其它排序)。
在本申请中所使用的任何元素、动作或指令都不应当被解释为是关键的或根本的,除非如此明确描述。此外,如本文所使用的,冠词“一个(a)”和“某个(an)”旨在包括一项或多项,其可以与“一个或多个”互换地使用。此外,如本文所使用的,术语“集合”和“组”旨在包括一项或多项(例如,相关项、不相关项、相关项和不相关项的组合等等),其可以与“一个或多个”互换地使用。如果仅仅想要指一个项,将使用短语“仅仅一个”或类似用语。此外,如本文所使用的,术语“含有”、“具有”、“包含”等等旨在是开放式术语。此外,短语“基于”旨在意味着“至少部分地基于”,除非另外明确说明。
Claims (26)
1.一种用于由用户设备(UE)进行无线通信的方法,包括:
从在第一频带中操作的第一传输接收点(TRP)接收辅助信息,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息;
从所述第一TRP接收用于与所述通信节点相关联的一个或多个参考信号(RS)的配置信息;以及
基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征,与所述第二TRP进行通信。
2.根据权利要求1所述的方法,还包括:
向所述通信节点发送按需RS请求,所述按需RS请求用于请求所述通信节点在所述第一频带中向所述UE发送所述一个或多个RS;
响应于所述按需RS请求,在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于对所述一个或多个RS的测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、接收信号功率或波束方向;
向所述第一TRP或所述第二TRP发送用于指示一个或多个所估计的特征的消息,所述第一TRP与所述第二TRP是非并置的;以及
基于向所述第一TRP或所述第二TRP发送用于指示所述一个或多个所估计的特征的所述消息,在所述第二频带中从所述第二TRP接收下行链路信号。
3.根据权利要求2所述的方法,其中,所述一个或多个RS包括信道状态信息RS(CSI-RS)、同步信号块(SSB)或路径损耗(PL)RS中的一项。
4.根据权利要求1所述的方法,还包括:
从所述通信节点接收用于请求所述UE向所述通信节点发送所述一个或多个RS的按需RS请求;
在所述第一频带中向所述通信节点发送所述一个或多个RS;以及
基于发送所述一个或多个RS来在所述第二频带中从所述第二TRP接收下行链路信号。
5.根据权利要求1所述的方法,还包括:
从所述第一TRP接收触发信号;以及
响应于接收到所述触发信号,在所述第一频带中向所述通信节点发送所述一个或多个RS。
6.根据权利要求5所述的方法,其中:
所述触发信号包括下行链路控制信息;以及
所述一个或多个RS包括探测参考信号(SRS)。
7.根据权利要求1所述的方法,还包括:
在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于所述辅助信息来识别来自所述通信节点的所述一个或多个RS;
测量所述一个或多个RS;
基于对所述一个或多个RS的所述测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、波束方向或接收信号功率;以及
基于接收到所述一个或多个RS,在所述第二频带中从所述第二TRP接收下行链路信号,所述第二频带的波束或信道中的一者或两者已经基于一个或多个所接收的RS进行了调整。
8.根据权利要求1所述的方法,其中,所述通信节点与所述第二TRP并置于同一位置。
9.根据权利要求1所述的方法,其中,所述通信节点位于距所述第二TRP的位置小于阈值距离的距离处。
10.根据权利要求1所述的方法,还包括:
在所述第一频带中从所述通信节点接收训练信号;以及
基于所接收的训练信号来训练机器学习模型以估计所述第二频带的所述一个或多个特征。
11.根据权利要求1所述的方法,其中,所述第一频带在第一频率范围内,并且所述第二频带在第二频率范围内。
12.根据权利要求1所述的方法,其中,所述第一TRP根据第一无线电接入技术(RAT)进行操作,并且所述第二TRP根据第二RAT进行操作。
13.根据权利要求1所述的方法,还包括:在系统信息块(SIB)中接收所述辅助信息。
14.一种用于用户设备(UE)处的无线通信的装置,包括:
处理器;
与所述处理器耦合的存储器;以及
存储在所述存储器中的指令,并且当所述指令由所述处理器执行时,可操作为使所述装置进行以下操作:
从在第一频带中操作的第一传输接收点(TRP)接收辅助信息,所述辅助信息包括用于在第二频带中操作的第二TRP和在所述第一频带中操作的通信节点两者的并置信息;
从所述第一TRP接收用于与所述通信节点相关联的一个或多个参考信号(RS)的配置信息;以及
基于根据所述一个或多个RS估计的所述第二频带的一个或多个特征,与所述第二TRP进行通信。
15.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置进行以下操作:
向所述通信节点发送按需RS请求,所述按需RS请求用于请求所述通信节点在所述第一频带中向所述UE发送所述一个或多个RS;
响应于所述按需RS请求,在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于对所述一个或多个RS的测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、接收信号功率或波束方向;
向所述第一TRP或所述第二TRP发送用于指示一个或多个所估计的特征的消息,所述第一TRP与所述第二TRP是非并置的;以及
基于向所述第一TRP或所述第二TRP发送用于指示所述一个或多个所估计的特征的所述消息,在所述第二频带中从所述第二TRP接收下行链路信号。
16.根据权利要求15所述的装置,其中,所述一个或多个RS包括信道状态信息RS(CSI-RS)、同步信号块(SSB)或路径损耗(PL)RS中的一项。
17.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置进行以下操作:
从所述通信节点接收用于请求所述UE向所述通信节点发送所述一个或多个RS的按需RS请求;
在所述第一频带中向所述通信节点发送所述一个或多个RS;以及
基于发送所述一个或多个RS来在所述第二频带中从所述第二TRP接收下行链路信号。
18.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置进行以下操作:
从所述第一TRP接收触发信号;以及
响应于接收到所述触发信号,在所述第一频带中向所述通信节点发送所述一个或多个RS。
19.根据权利要求18所述的装置,其中:
所述触发信号包括下行链路控制信息;以及
所述一个或多个RS包括探测参考信号(SRS)。
20.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置进行以下操作:
在所述第一频带中从所述通信节点接收所述一个或多个RS;
基于所述辅助信息来识别来自所述通信节点的所述一个或多个RS;
测量所述一个或多个RS;
基于对所述一个或多个RS的所述测量来估计所述第二频带的所述一个或多个特征,所述一个或多个特征至少包括信道特性、波束方向或接收信号功率;以及
基于接收到所述一个或多个RS,在所述第二频带中从所述第二TRP接收下行链路信号,所述第二频带的波束或信道中的一者或两者已经基于一个或多个所接收的RS进行了调整。
21.根据权利要求14所述的装置,其中,所述通信节点与所述第二TRP并置于同一位置。
22.根据权利要求14所述的装置,其中,所述通信节点位于距所述第二TRP的位置小于阈值距离的距离处。
23.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置进行以下操作:
在所述第一频带中从所述通信节点接收训练信号;以及
基于所接收的训练信号来训练机器学习模型以估计所述第二频带的所述一个或多个特征。
24.根据权利要求14所述的装置,其中,所述第一频带在第一频率范围内,并且所述第二频带在第二频率范围内。
25.根据权利要求14所述的装置,其中,所述第一TRP根据第一无线电接入技术(RAT)进行操作,并且所述第二TRP根据第二RAT进行操作。
26.根据权利要求14所述的装置,其中,对所述指令的执行进一步使所述装置在系统信息块(SIB)中接收所述辅助信息。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063019887P | 2020-05-04 | 2020-05-04 | |
US202063019900P | 2020-05-04 | 2020-05-04 | |
US202063019687P | 2020-05-04 | 2020-05-04 | |
US202063019893P | 2020-05-04 | 2020-05-04 | |
US63/019,687 | 2020-05-04 | ||
US63/019,900 | 2020-05-04 | ||
US63/019,893 | 2020-05-04 | ||
US63/019,887 | 2020-05-04 | ||
US17/306,849 US12058532B2 (en) | 2020-05-04 | 2021-05-03 | Estimating features of a radio frequency band based on an inter-band reference signal |
US17/306,849 | 2021-05-03 | ||
PCT/US2021/030682 WO2021226109A1 (en) | 2020-05-04 | 2021-05-04 | Estimating features of a radio frequency band based on an inter-band reference signal |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115428383A true CN115428383A (zh) | 2022-12-02 |
CN115428383B CN115428383B (zh) | 2024-05-03 |
Family
ID=78293409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180029014.4A Active CN115428383B (zh) | 2020-05-04 | 2021-05-04 | 基于频带间参考信号来估计无线电频带的特征 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11832115B2 (zh) |
EP (1) | EP4147409A1 (zh) |
CN (1) | CN115428383B (zh) |
WO (1) | WO2021226109A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11832115B2 (en) | 2020-05-04 | 2023-11-28 | Qualcomm Incorporated | Estimating features of a radio frequency band based on an inter-band reference signal |
WO2024045147A1 (en) * | 2022-09-02 | 2024-03-07 | Qualcomm Incorporated | Data collection with ideal and non-ideal channel estimation |
WO2024118141A1 (en) * | 2022-11-29 | 2024-06-06 | Qualcomm Incorporated | Nw assistance for measurement and mobility enhancement |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103535096A (zh) * | 2011-07-15 | 2014-01-22 | 富士通株式会社 | 探测参考信号的发送方法、基站和用户设备 |
CN109804575A (zh) * | 2016-10-11 | 2019-05-24 | 瑞典爱立信有限公司 | 用于适应考虑到测量过程的srs切换的方法和设备 |
CN109845324A (zh) * | 2016-10-21 | 2019-06-04 | 高通股份有限公司 | 辅助毫米波系统中的定向同步 |
CN110476396A (zh) * | 2017-03-31 | 2019-11-19 | 华为技术有限公司 | 在空间准共址的高频多载波操作中用于波束管理的系统和方法 |
US20200100154A1 (en) * | 2018-09-25 | 2020-03-26 | Comcast Cable Communications, Llc | Beam configuration for secondary cells |
Family Cites Families (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7643832B2 (en) * | 2004-07-12 | 2010-01-05 | Motorola, Inc. | Method and apparatus for reference signal selection in a cellular system |
KR101557680B1 (ko) * | 2008-11-05 | 2015-10-07 | 삼성전자주식회사 | 이동 무선통신 시스템의 단말기 속도 추정 장치 및 방법 |
US8705501B2 (en) * | 2009-03-09 | 2014-04-22 | Qualcomm Incorporated | Method and apparatus for facilitating a communication between an access point base station and a neighboring base station |
WO2011077260A2 (en) * | 2009-12-25 | 2011-06-30 | France Telecom | Telecommunication transmission method and system |
JP5189111B2 (ja) * | 2010-01-07 | 2013-04-24 | 株式会社エヌ・ティ・ティ・ドコモ | 無線基地局装置、無線通信システム及び無線通信方法 |
CN103299558B (zh) * | 2011-01-07 | 2016-07-06 | 交互数字专利控股公司 | 无线发射/接收单元和由无线发射/接收单元执行的方法 |
US9559884B2 (en) * | 2011-02-07 | 2017-01-31 | Intel Corporation | Co-phasing of transmissions from multiple infrastructure nodes |
US9054842B2 (en) * | 2011-02-14 | 2015-06-09 | Qualcomm Incorporated | CRS (common reference signal) and CSI-RS (channel state information reference signal) transmission for remote radio heads (RRHs) |
US8537911B2 (en) * | 2011-02-21 | 2013-09-17 | Motorola Mobility Llc | Method and apparatus for reference signal processing in an orthogonal frequency division multiplexing communication system |
US9258718B2 (en) * | 2011-02-22 | 2016-02-09 | Qualcomm Incorporated | Positioning location for remote radio heads (RRH) with same physical cell identity (PCI) |
EP2684410A4 (en) * | 2011-03-07 | 2014-08-20 | Intel Corp | MACHINE MACHINE GROUPED COMMUNICATIONS |
US8948293B2 (en) * | 2011-04-20 | 2015-02-03 | Texas Instruments Incorporated | Downlink multiple input multiple output enhancements for single-cell with remote radio heads |
US20130083681A1 (en) * | 2011-09-30 | 2013-04-04 | Research In Motion Limited | Methods of Channel State Information Feedback and Transmission in Coordinated Multi-Point Wireless Communications System |
US9025574B2 (en) * | 2011-08-12 | 2015-05-05 | Blackberry Limited | Methods of channel state information feedback and transmission in coordinated multi-point wireless communications system |
JP2014523219A (ja) * | 2011-08-12 | 2014-09-08 | 富士通株式会社 | 上りパワー制御方法及び装置 |
US9185669B2 (en) * | 2011-09-08 | 2015-11-10 | Lg Electronics Inc. | Synchronization method for distributed antenna system and apparatus using the same |
US9369971B2 (en) * | 2011-09-28 | 2016-06-14 | Sharp Kabushiki Kaisha | Mobile station device, communication system, communication method, and integrated circuit |
KR101850549B1 (ko) * | 2011-10-04 | 2018-04-20 | 삼성전자주식회사 | 무선 통신 시스템에서 무선 링크 모니터링 장치 및 방법 |
KR101902578B1 (ko) * | 2011-10-14 | 2018-10-01 | 애플 인크. | 무선통신 시스템에서 참조신호의 전송 방법 및 장치 |
WO2013078603A1 (zh) * | 2011-11-29 | 2013-06-06 | 富士通株式会社 | Prach的发送功率的控制方法和装置 |
KR102031093B1 (ko) * | 2012-01-11 | 2019-10-11 | 엘지전자 주식회사 | 무선 통신 시스템에서 신호 수신 방법 및 장치 |
CN103249167B (zh) * | 2012-02-01 | 2016-12-21 | 华为技术有限公司 | 物理随机接入信道接入方法、基站和用户设备 |
US9025550B2 (en) * | 2012-05-21 | 2015-05-05 | Fujitsu Limited | Coordinated multipoint resource management |
KR101525048B1 (ko) * | 2012-06-11 | 2015-06-08 | 주식회사 케이티 | 단말의 상향링크 사운딩 참조신호 전송방법 및 그 단말 |
US8934452B2 (en) * | 2012-07-17 | 2015-01-13 | Alcatel Lucent | Method, apparatus and computer readable medium for timing alignment in overlaid heterogeneous wireless networks |
JP6381217B2 (ja) * | 2014-01-30 | 2018-08-29 | 株式会社Nttドコモ | ユーザ装置、基地局、及び制御情報検出方法 |
WO2015171984A1 (en) * | 2014-05-08 | 2015-11-12 | Intel IP Corporation | User equipment and methods to indicate power saving mode configuration to ran nodes |
US9337969B2 (en) * | 2014-07-16 | 2016-05-10 | Qualcomm Incorporated | Low-frequency assisted methods for beamforming, timing and frequency offset in mm-wave access systems |
WO2016019970A1 (en) * | 2014-08-04 | 2016-02-11 | Nokia Solutions And Networks Oy | Method and apparatus for enhancing broadcast service |
US20160174177A1 (en) * | 2014-12-12 | 2016-06-16 | Nokia Solutions And Networks Oy | Timing advance methods and apparatuses |
US9913290B2 (en) * | 2015-01-26 | 2018-03-06 | Asustek Computer Inc. | Method and apparatus for handling uplink transmission in a wireless communication system |
TWI602462B (zh) * | 2015-01-30 | 2017-10-11 | 財團法人資訊工業策進會 | 使用者裝置、裝置對裝置使用者裝置、後端裝置及其定位方法 |
JPWO2016158266A1 (ja) * | 2015-03-31 | 2018-01-25 | 株式会社Nttドコモ | ユーザ装置 |
US10075930B2 (en) * | 2015-05-04 | 2018-09-11 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for transmitting device-to-device (D2D) synchronization signals |
TWI651014B (zh) * | 2015-05-14 | 2019-02-11 | 財團法人資訊工業策進會 | 使用者裝置、裝置對裝置使用者裝置、基地台、後端裝置及用於裝置對裝置使用者裝置之輔助定位方法 |
US10200168B2 (en) * | 2015-08-27 | 2019-02-05 | Futurewei Technologies, Inc. | Systems and methods for adaptation in a wireless network |
US10764817B2 (en) * | 2016-02-08 | 2020-09-01 | Intel IP Corporation | Method, apparatus and system for discovery reference signal measurement in a license assisted access scenario |
CN107155199B (zh) * | 2016-03-04 | 2023-09-26 | 华为技术有限公司 | 一种空口技术的配置方法、装置及无线通信系统 |
US10630410B2 (en) * | 2016-05-13 | 2020-04-21 | Telefonaktiebolaget Lm Ericsson (Publ) | Network architecture, methods, and devices for a wireless communications network |
US10367677B2 (en) | 2016-05-13 | 2019-07-30 | Telefonaktiebolaget Lm Ericsson (Publ) | Network architecture, methods, and devices for a wireless communications network |
CN107770821A (zh) | 2016-08-17 | 2018-03-06 | 华为技术有限公司 | 一种信号测量方法、相关设备及通信系统 |
US10925046B2 (en) * | 2017-01-05 | 2021-02-16 | Huawei Technologies Co., Ltd. | Signaling indication for flexible new radio (NR) long term evolution (LTE) coexistence |
US10560851B2 (en) * | 2017-01-13 | 2020-02-11 | Samsung Electronics Co., Ltd. | Method and apparatus for uplink beam management in next generation wireless systems |
KR20190119582A (ko) | 2017-02-03 | 2019-10-22 | 아이디에이씨 홀딩스, 인크. | 업링크 빔 관리 |
US10797842B2 (en) | 2017-04-14 | 2020-10-06 | Qualcomm Incorporated | Multiplexing broadcast channels with synchronization signals in new radio |
US10903920B2 (en) * | 2017-05-05 | 2021-01-26 | Qualcomm Incorporated | Interference management based on reference signals in wireless communications |
US10512056B2 (en) * | 2017-05-05 | 2019-12-17 | Futurewei Technologies, Inc. | System and method for network positioning of devices in a beamformed communications system |
US11374629B2 (en) * | 2017-05-11 | 2022-06-28 | Intel Corporation | Methods for providing channel state information and precoding information between a remote radio unit and a baseband unit |
WO2018210463A1 (en) * | 2017-05-19 | 2018-11-22 | Telefonaktiebolaget Lm Ericsson (Publ) | Transmissions of blocks of data in distributed mimo systems |
US11233612B2 (en) * | 2017-08-01 | 2022-01-25 | Qualcomm Incorporated | Downlink positioning reference signal in multi-beam systems |
US10855359B2 (en) * | 2017-08-10 | 2020-12-01 | Comcast Cable Communications, Llc | Priority of beam failure recovery request and uplink channels |
CN109076342B (zh) * | 2017-08-24 | 2021-12-03 | 深圳市大疆创新科技有限公司 | 无线设备的频段认证方法和装置以及计算设备 |
KR102326198B1 (ko) * | 2018-02-14 | 2021-11-15 | 삼성전자주식회사 | 신호 강도 대역에 기반한 장치 관리 방법 및 이를 위한 전자 장치 |
US11363476B2 (en) * | 2018-05-07 | 2022-06-14 | Apple Inc. | Techniques in measurement gap configurations in new radio (NR) |
CN111163480A (zh) * | 2018-11-07 | 2020-05-15 | 索尼公司 | 电子装置、无线通信方法和计算机可读介质 |
US11038727B2 (en) * | 2018-11-08 | 2021-06-15 | Qualcomm Incorporated | User equipment receiver processing for multi-transmit-receive-point communication |
US10893561B2 (en) | 2018-11-16 | 2021-01-12 | T-Mobile Usa, Inc. | Signaling reduction in dual connectivity networks |
EP4236186A3 (en) * | 2019-01-11 | 2023-11-15 | Apple Inc. | Network coordination for crosslink interference mitigation |
US11750531B2 (en) * | 2019-01-17 | 2023-09-05 | Ciena Corporation | FPGA-based virtual fabric for data center computing |
WO2020158977A1 (ko) * | 2019-01-31 | 2020-08-06 | 엘지전자 주식회사 | 테라헤르츠 통신 시스템 기반 comp 동작을 위한 채널상태정보를 수신 및 수신하는 방법 |
US11457376B2 (en) * | 2019-02-01 | 2022-09-27 | Qualcomm Incorporated | Robust radio link monitoring framework for unlicensed spectrum |
US11063675B2 (en) * | 2019-03-05 | 2021-07-13 | Cisco Technology, Inc. | Wireless spectrum management and optimization for dual transceiver operation |
BR112021017652A2 (pt) * | 2019-03-20 | 2021-11-16 | Ntt Docomo Inc | Equipamento de usuário e método de comunicação |
MX2021011232A (es) * | 2019-03-29 | 2021-10-22 | Ntt Docomo Inc | Equipo de usuario y metodo de comunicacion. |
EP4340289A3 (en) * | 2019-05-10 | 2024-05-08 | Ntt Docomo, Inc. | User device and communication method |
US11109422B2 (en) | 2019-06-14 | 2021-08-31 | Kabushiki Kaisha Toshiba | Random access enhancements for uRLLC over 5G wireless networks |
CN113950850B (zh) | 2019-06-21 | 2024-03-26 | 株式会社Ntt都科摩 | 终端及通信方法 |
US20220345199A1 (en) * | 2019-10-03 | 2022-10-27 | Ntt Docomo, Inc. | Terminal and communication method |
US11382106B2 (en) * | 2020-04-22 | 2022-07-05 | T-Mobile Usa, Inc. | Network symbol display for dual connectivity networks |
US11832115B2 (en) | 2020-05-04 | 2023-11-28 | Qualcomm Incorporated | Estimating features of a radio frequency band based on an inter-band reference signal |
-
2021
- 2021-05-03 US US17/306,834 patent/US11832115B2/en active Active
- 2021-05-03 US US17/306,849 patent/US12058532B2/en active Active
- 2021-05-04 EP EP21727736.7A patent/EP4147409A1/en active Pending
- 2021-05-04 WO PCT/US2021/030682 patent/WO2021226109A1/en unknown
- 2021-05-04 CN CN202180029014.4A patent/CN115428383B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103535096A (zh) * | 2011-07-15 | 2014-01-22 | 富士通株式会社 | 探测参考信号的发送方法、基站和用户设备 |
CN109804575A (zh) * | 2016-10-11 | 2019-05-24 | 瑞典爱立信有限公司 | 用于适应考虑到测量过程的srs切换的方法和设备 |
CN109845324A (zh) * | 2016-10-21 | 2019-06-04 | 高通股份有限公司 | 辅助毫米波系统中的定向同步 |
CN110476396A (zh) * | 2017-03-31 | 2019-11-19 | 华为技术有限公司 | 在空间准共址的高频多载波操作中用于波束管理的系统和方法 |
US20200100154A1 (en) * | 2018-09-25 | 2020-03-26 | Comcast Cable Communications, Llc | Beam configuration for secondary cells |
Also Published As
Publication number | Publication date |
---|---|
US20210345131A1 (en) | 2021-11-04 |
US11832115B2 (en) | 2023-11-28 |
WO2021226109A1 (en) | 2021-11-11 |
EP4147409A1 (en) | 2023-03-15 |
US20210344469A1 (en) | 2021-11-04 |
US12058532B2 (en) | 2024-08-06 |
CN115428383B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11653228B2 (en) | Channel state information (CSI) learning | |
US12041692B2 (en) | User equipment (UE) capability report for machine learning applications | |
US20210326701A1 (en) | Architecture for machine learning (ml) assisted communications networks | |
WO2021208061A1 (en) | Configurable neural network for channel state feedback (csf) learning | |
CN115428383B (zh) | 基于频带间参考信号来估计无线电频带的特征 | |
US11616582B2 (en) | Neural network-based spatial inter-cell interference learning | |
US11968541B2 (en) | Spectrum sharing with deep reinforcement learning (RL) | |
US11949615B2 (en) | User equipment (UE) feedback of quantized per-path angle of arrival | |
KR20230054834A (ko) | 채널 상태 정보를 사용하는 딥 신경망에서의 동시적 위치 측정 및 매핑을 위한 비지도 학습 | |
US11968151B2 (en) | Spatial inter-cell interference aware downlink coordination | |
US20240129844A1 (en) | Cross-node deep learning methods of selecting machine learning modules in wireless communication systems | |
US20230100253A1 (en) | Network-based artificial intelligence (ai) model configuration | |
US20230413070A1 (en) | Gradient dataset aware configuration for over-the-air (ota) model aggregation in federated learning | |
KR20230066330A (ko) | 인공 뉴럴 네트워크들의 협력 트레이닝을 위한 기지의 데이터의 송신 | |
US20220124634A1 (en) | Machine learning-based power control | |
US11456834B2 (en) | Adaptive demodulation reference signal (DMRS) | |
US11722921B2 (en) | Secondary cell group selection based on primary frequency band measurements | |
KR20230173664A (ko) | 머신 러닝 모델 업데이트들을 위한 보고 | |
WO2023077349A1 (en) | Machine learning-based channel state information (csi) reporting | |
US20220335294A1 (en) | Reporting for machine learning model updates | |
WO2023070486A1 (en) | Channel state feedback for reduced resource consumption reference signals | |
US20230297825A1 (en) | Weighted average federated learning based on neural network training loss | |
CN118235348A (zh) | 基于瓶颈频带的信道状态估计 | |
WO2022187031A1 (en) | Spatial inter-cell interference aware downlink coordination |
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 |