CN115882916A - 波束确定方法、节点和存储介质 - Google Patents

波束确定方法、节点和存储介质 Download PDF

Info

Publication number
CN115882916A
CN115882916A CN202111399935.8A CN202111399935A CN115882916A CN 115882916 A CN115882916 A CN 115882916A CN 202111399935 A CN202111399935 A CN 202111399935A CN 115882916 A CN115882916 A CN 115882916A
Authority
CN
China
Prior art keywords
type
beams
artificial intelligence
determining
configuration parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111399935.8A
Other languages
English (en)
Inventor
肖华华
章嘉懿
鲁照华
吴昊
张淑娟
蒋创新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN202111399935.8A priority Critical patent/CN115882916A/zh
Priority to EP22894715.6A priority patent/EP4395198A1/en
Priority to KR1020247011376A priority patent/KR20240051291A/ko
Priority to CA3235706A priority patent/CA3235706A1/en
Priority to PCT/CN2022/131350 priority patent/WO2023088178A1/zh
Publication of CN115882916A publication Critical patent/CN115882916A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H04B17/328—Reference signal received power [RSRP]; Reference signal received quality [RSRQ]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
    • H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0868—Hybrid systems, i.e. switching and combining
    • H04B7/088—Hybrid systems, i.e. switching and combining using beam selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation

Landscapes

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

Abstract

本申请公开一种波束确定方法、节点和存储介质，该方法包括：接收波束配置参数；根据波束配置参数确定第一类波束。通过该方法能够克服现有技术中确定波束需要较大导频资源开销或较高成本的弊端。

Description

波束确定方法、节点和存储介质
技术领域
本申请涉及无线通信技术领域，尤其涉及一种波束确定方法、节点和存储介质。
背景技术
高频有丰富的频谱资源，是提高无线系统性能有效的手段，但由于高频的载频比较高，路径损耗大，因此，需要根据波束赋形技术将发送方向对准用户，从而集中能量传输信息以克服路径损耗过大导致的性能衰减。通常获得发送或者接收波束的方向的方法是进行各方向的波束扫描，从中选择性能较好的波束方向作为传输信息的波束方向。在进行波束扫描时，每个波束对应一个参考信号资源，在波束很细的情况下，需要扫描的波束方向非常多，相应地，参考信号资源的开销会很大。如图1所示，若使用规则的波束，比如基于离散傅里叶变换(Discrete Fourier Transform，DFT)的单个波束，在进行波束扫描时需要扫描较多的不同方向的波束，从而需要较大的导频资源开销。如图2所示，若使用不规则的波束资源，比如包括多个波束方向叠加的波束，则可以一次模拟多个方向的波束，从而可以减小波束扫描的次数，但不规则的波束的波束朝向、波束宽度、波束的增益等都是不确定的。目前，人工智能(Artificial Intelligence，AI)虽然可以在一定程度上减小用于波束扫描的参考信号资源的数目，但在训练参数阶段，也会由于波束较细，要求训练样本过多，从而导致成本过高。
发明内容
本申请实施例的主要目的在于提出一种波束确定方法、节点和存储介质，以克服现有技术中确定波束需要较大导频资源开销或较高成本的弊端。
本申请实施例提供了一种波束确定方法，该方法包括：
接收波束配置参数；
根据波束配置参数确定第一类波束。
本申请实施例提供了一种波束确定方法，该方法包括：
确定波束配置参数；
发送波束配置参数；
其中，波束配置参数用于确定第一类波束。
本申请实施例提供了一种波束确定装置，该装置包括：
接收模块，用于接收波束配置参数；
处理模块，用于根据波束配置参数确定第一类波束。
本申请实施例提供了一种波束确定装置，该装置包括：
确定模块，用于确定波束配置参数；
发送模块，用于发送波束配置参数；
其中，波束配置参数用于确定第一类波束。
本申请实施例提供了一种通信节点，包括：处理器，处理器执行计算机程序时，实现如本申请任一实施例提供的波束确定方法。
本申请实施例提供了一种可读写存储介质，包括：可读写存储介质存储有计算机程序，计算机程序被处理器执行时实现如本申请任一实施例提供的波束确定方法。
本申请实施例提供了一种波束确定方法、节点和存储介质，该方法包括：接收波束配置参数；根据波束配置参数确定第一类波束。通过该方法能够确定第一类波束，基于确定的第一类波束可以获取人工智能网络参数的取值，或者进行波束扫描以确定用于传输的波束，从而减少人工智能网络训练的次数，或者减小波束扫描的次数，进而克服现有技术中确定波束需要较大导频资源开销或较高成本的弊端。
附图说明
图1是现有技术中基于规则波束进行波束扫描的示意图。
图2是现有技术中基于不规则波束进行波束扫描的示意图。
图3是本申请实施例提供的一种波束确定方法的流程图。
图4是本申请实施例提供的另一种波束确定方法的流程图。
图5是本申请实施例提供的一种波束确定装置的结构示意图。
图6是本申请实施例提供的另一种波束确定装置的结构示意图。
图7是本申请实施例提供的再一种波束确定装置的结构示意图。
图8是本申请实施例提供的另外一种波束确定装置的结构示意图。
图9是本申请实施例提供的一种通信节点的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，下文中将结合附图对本申请的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
另外，在本申请实施例中，“可选地”或者“示例性地”等词用于表示作例子、例证或说明。本申请实施例中被描述为“可选地”或者“示例性地”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“可选地”或者“示例性地”等词旨在以具体方式呈现相关概念。
在本申请实施例中，终端可以是蜂窝电话、无绳电话、个人数字助理(PersonalDigital Assistant，PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、或者5G网络或者未来5G以上网络中的终端设备等基站可以是长期演进(Long Term Evolution，LTE)、长期演进增强(Long TermEvolutionadvanced，LTE-A)中的演进型基站(Evolutional Node B，eNB或eNodeB)，或以新无线(New Radio，NR)空口为代表的5G基站设备、或者未来通信系统中的基站等。进一步地，基站也可以包括各种宏基站、微基站、家庭基站、无线拉远、路由器、或者主小区(primarycell)和协作小区(secondary cell)等各种网络侧设备，本实施例对此并不限定。
进一步地，为了便于更加清楚地理解本申请实施例提供的方案，在此对本申请实施例中涉及到的相关概念进行说明，具体如下：
信令包括但不限于无线资源控制(Radio Resource Control，RRC)，媒体控制-控制单元(Media Access Control control element，MAC CE)。
波束的信息可以包括以下至少之一：到达角(angle Of Arrival，AOA)、离开角(angle Of Departure，AOD)、ZOD(Zenith angle Of Departure)、ZOA(Zenith angle OfArrival)、由AOA、AOD、ZOD、ZOA中至少一个角度构造的向量或向量索引、离散傅里叶变化(Discrete Fourier Transformation，DFT)矢量、码本中的码字、发送波束、接收波束、发送波束组、接收波束组、发送波束索引、接收波束索引、发送波束组索引、接收波束组索引。在一些实施例中，波束可以指一个空域滤波器或者一个空间接收/发送参数，空域滤波可以是以下至少之一：DFT矢量、预编码矢量、DFT矩阵、预编码矩阵、或者多个DFT线性组合构成的矢量，多个预编码矢量线性组合构成的矢量。波束组合可以是多个矢量(包括但不限于DFT矢量、预编码矢量，DFT构成的矢量)的线性组合或非线性组合。
在本申请实施例中，索引(index)和指示(indicator)是可以相互替换的概念，矢量和向量可以互换的概念。
基于上述概念，本申请实施例提供一种波束确定方法的流程图，该方法可以应用于终端，如图3所示，该方法可以包括但不限于以下步骤：
S301、接收波束配置参数。
在本申请实施例中，波束配置参数可以由与终端通信的节点发送，例如，由基站向终端发送波束配置参数。可选地，上述波束配置参数可以通过第一人工智能网络确定，可选地，上述波束配置参数也可以由基站通过预配置的方式确定或者根据信道场景计算确定，本申请实施例不局限于这些方式确定波束配置参数。
示例性地，上述波束配置参数包括以下至少之一：
波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
进一步地，波束配置参数中的波束宽度可以用于确定宽波束；波束配置参数包括的波束方向个数、阵元相位、阵元功率中的至少之一，可以用于确定不规则波束或者多方向波束；波束配置参数包括的波束索引、波束宽度等至少之一，可以用于确定随机波束；波束配置参数包括的波束宽度、阵元功率、阵元相位等至少之一，可以用于确定非恒摸波束。
S302、根据波束配置参数确定第一类波束。
在本申请实施例中，第一类波束可以用于训练人工智能网络参数，例如，获取第二人工智能网络参数的取值，或者，第一类波束可以用于波束扫描以确定用于传输的波束(例如第二波束)。这样，基于确定的第一类波束可以减少第二人工智能网络训练的次数，或者减小波束扫描的次数，从而可以克服现有技术中确定波束需要较大导频资源开销或较高成本的弊端。
在一种示例中，上述第一类波束可以包括以下至少之一：宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
进一步地，终端可以通过第一类波束和上述第二人工智能网络参数确定第二类波束，该第二类波束可以用于终端与基站之间传输信令或者数据。例如，终端用第一类波束进行人工智能网络训练，获取第二人工智能网络参数的取值，根据确定的第二人工智能网络参数取值选择适合终端传输信息的最优第二类波束索引，并用该最优的第二类波束索引对应的波束传输数据。
进一步地，终端可以通过第二人工智能网络参数确定第二类波束，该第二人工智能网络的参数可以根据第一类波束训练获得。
示例性地，在本申请实施例中，假设按照波束宽度将波束分为第一类波束和第二类波束，那么第一类波束可以划分为宽波束，相应地，将第二类波束可以划分为窄波束。其中，宽波束可以理解为1/K功率波束宽度大于第一门限的波束，窄波束可以理解为1/K功率波束宽度小于第二门限的波束，上述第一门限和第二门限均为大于0的数，且第二门限小于第一门限，K为大于0的整数，例如，K取值为2、5、10。
可选地，也可以将上述第一类波束划分为不规则波束，将上述第二类波束划分为规则波束，即按照波束是否规则将波束划分为两类。其中，不规则波束可以理解为波束的功率辐射形状不规则，比如有多个不同的峰值。规则波束可以理解为波束的功率辐射形状规则，比如波束只有一个峰值，例如，用DFT矢量构造的波束。
可选地，还可以将波束划分为多方向波束和单方向波束，例如，将第一类波束划分为多方向波束，将第二类波束划分为单方向波束。其中，多方向波束可以是由多个DFT矢量线性组合的波束，或者多个DFT线性组合构造的波束；单方向波束可以是由一个DFT矢量构成的波束，或者一个DFT构造的波束。
需要说明的是，上述构造波束的DFT矢量可以包括但不限于用两个以上的DFT矢量通过克罗内克积(Kronecker积)构成的矢量。
可选地，在本申请实施例中，还可以将第一类波束划分为随机波束，将第二类波束划分为非随机波束。其中，随机波束是指波束方向以随机方式生成的波束，比如上述宽波束、窄波束、规则波束、非规则波束、多方向波束和单方向波束，这些波束在每次传输信息时随机生成指向方向。非随机波束是指根据信道状态信息确定波束方向的波束，例如，窄波束、规则波束、单方向波束中的至少之一。
在一种示例中，还可以将波束分为非恒摸波束和恒摸波束两类波束，例如，将第一类波束划分为非恒摸波束，将第二类波束划分为恒摸波束。其中，非恒摸波束是指波束对应的向量中每个元素的绝对值至少有一个不同，恒摸波束中是指波束对应的向量中每个元素的绝对值都相同，比如DFT向量。
进一步地，上述传输可以包括接收或者发送，例如，发送信息或者接收信息。其中信息包括但不限于信令或数据，信令包括上行控制信息，或者下行控制信息，或者用于承载各种控制信息的无线资源，比如物理上行控制信道，物理下行控制信道。数据包括上行数据或者下行数据，比如物理共享下行信道和物理上行共享信道。
在一种示例中，第一类波束和第二类波束之间存在映射关系。例如，以终端为例，终端可以基于以下至少之一的方式确定第一类波束和第二类波束之间的映射关系。比如，
终端通过第三人工智能网络确定第一类波束和第二类波束的映射关系；
终端以约定的方式确定第一类波束和第二类波束的映射关系；
终端通过接收配置信令的方式确定第一类波束和第二类波束的映射关系。
需要说明的是，上述第一类波束和第二类波束之间的映射关系可以理解为第一类波束和第二类波束之间存在关联关系，具有关联关系的第一类波束和第二类波束在传输功能上也具有一定的相似性，因此，用第一类波束训练的第二类神经网络参数可以泛化到用于选择第二类波束，进而在用第一类波束扫描时选择的波束替换为具有关联关系的第二类波束后，第二类波束可以用来传输信息(包括信令或者数据)。例如，终端用第一类波束进行波束扫描确定用于传输信息的最优第一类波束的索引，基于第一类波束和第二类波束的关联关系确定最优的第一类波束索引对应的最优的第二类波束索引，并用最优的第二类波束索引对应的波束传输数据。
可选地，上述具有关联关系的两个波束可以具有以下至少之一的特性：
具有相同的准共址(Quasi co-location，QCL)参数取值；
具有相同的空间接收参数(Spatial Rx Parameter)取值；
具有相同的传输配置指示(Transmission Configuration Indicator，TCI)取值；
具有相同的QCL类型D(QCL type D)取值；
在空间覆盖上有一定的重叠性，比如第一类波束覆盖了第二类波束的覆盖区域、第一类波束的传输方向包括第二类波束的传输方向、第一类波束的指示方向包括第二类波束的指示方向等。
在一种示例中，上述终端还可以用于接收第一类波束和第二类波束的增益差，该增益差可以用于确定第二类波束的传输功率。
示例性地，具有关联关系的两类波束在波束增益上具有差异，例如，宽波束的增益比窄波束的增益小，多方向的增益比单方向波束增益小，不规则波束的增益小于规则波束的增益，非恒摸波束的增益小于恒摸波束增益。基站获取具有关联关系的第一类波束和第二类波束的增益差后，可以将该增益差发送给终端，终端根据接收到的增益差调整用于传输信息的功率，以避免弥补由于两者的差异导致的性能损失。比如，在发送数据或者信号时，调整第二类波束的发送功率，或者在接收信号或者数据时，调整第二类波束的接收功率，或者根据第一类波束和第二类波束的增益差调整计算信道质量的接收功率值，比如调整计算信号干噪比(signal-to-noise and interference ratio，SINR)中的信号部分的功率，调整接收参考信号功率(Reference signal received power，RSRP)中接收功率值。
在一种示例中，在上述步骤S301之前，本申请实施例还提供了一种实现方式包括：
终端向基站发送终端波束能力。
示例性地，终端波束能力可以包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
例如，终端向基站上报终端波束能力，基站接收到终端上报的能力后，可以基于终端上报的终端波束能力确定是否给终端配置波束配置参数。
在本申请实施例中，上述第一人工智能网络、第二人工智能网络和第三人工智能网络都可以称之为人工智能，该人工智能可以包括机器学习、深度学习、强化学习、迁移学习、深度强化学习等。示例性地，在部分实施例中，人工智能可以通过神经网络实现，进一步地，神经网络可以至少包括输入层、输出层、至少一层隐藏层，其中每层神经网络可以包括但不限于使用全连接层、稠密层、卷积层、转置卷积层、直连层、激活函数、归一化层、池化层等至少之一。可选地，上述每层神经网络还可以包括一个子神经网络，比如残差网络、稠密网络、循环网络等。
下面对各人工智能网络的相关功能分别做详细介绍，具体如下：
第一人工智能网络，主要用于生成适合波束扫描或者训练第二人工智能网络的第一类波束。比如，输入阵子数目、阵子相位信息、幅度信息、以及接收能量或者RSRP的标签信息等，训练出N个用于波束扫描或者波束训练的第一类波束的波束配置参数。
第二人工智能网络，主要用于在一个波束集合中，选择至少一个波束用于接收或者发送信息，其中信息包括但不限于信令或数据。比如，有M个发送波束和N个接收波束，M和N为正整数，每个发送波束都对应着至少一个信道状态信息参考信号(channel stateinformation reference signal，CSI-RS)资源(resource)或者CSI-RS资源集合(CSI-RSresource set)。输入接收的CSI-RS resource或者CSI-RS resource对应的参考信号接收功率(Reference signal received power，RSRP)至第二人工智能网络，第二人工智能网络将输入的至少一个RSRP映射到一个最优的波束索引，即用于信息传输的波束索引或者波束对索引，将对应的接收波束用于自己传输信息，将发送波束索引反馈给基站用于基站传输信息。可选地，也可以用CSI-RS resource对应的信号干扰噪声比(signal-to-noise andinterference ratio，SINR)替换上述的RSRP以选择波束索引或者波束对索引。可选地，上述M个发送波束可以为全部可选波束中的一个子集合，N个波束可以为全部可选波束的一个子集合，因此，可以通过第二人工智能网络在一个子波束集合中预测在全部波束集合中的波束，即起到一个空域插值的效果，以减小波束扫描时的资源开销。
例如，假设有128个发送波束和32个接收波束，均匀地从中选择M＝16个发送波束和N＝4个接收波束，用于波束训练。该16个发送波束和4个接收波束对应的接收RSRP输入第二人工智能网络，以预测其在128个发送波束和32个接收波束情况下的最优波束。即第二人工智能网络主要用于选择第二类波束，但训练第二人工网络的参数时，可以用到第一类波束，以减小训练的波束的次数或者开销。
第三人工智能网络，主要用于将第一类波束和第二类波束进行关联，或者映射。比如输入第一类波束，以及对应的接收的RSRP或SINR，输出对应的第二类波束或者波束索引。
在本申请实施例中，为了减小第二人工智能网络训练的次数，从而达到减小资源开销的目的。终端接收基站发送的波束配置参数，并根据基站配置的波束配置参数生成用于传输信息的波束，比如在上行链路中，生成用于发送信息的发送波束。终端根据生成的M个发送波束分别在M个探测参考信号资源(Sounding reference signal resource，SRSresource)上发送信息，基站分别用N个接收波束接收发送的参考导频信号，比如用于波束训练的SRS resource，并将N个接收波束分别接收的M个发送波束对应的接收信息，或者接收信息对应的RSRP或者接收SINR等至少之一作为一个样本。该样本对应的最佳的发送波束索引和接收波束索引可以作为标签，采集多个终端在至少一个时刻的样本和标签，作为第二人工智能网络的输入，以更新第二人工智能网络参数。
可选地，为了减小波束扫描的次数，从而达到减小资源开销的目的，终端可以接收基站发送的波束配置参数，并根据基站配置的波束配置参数生成用于传输信息的波束，比如在上行链路中，生成用于发送信息的发送波束。终端根据生成的M个发送波束分别在M个探测参考信号资源(Sounding reference signal resource，SRS resource)上发送信息，基站分别用N个接收波束接收发送的参考导频信号，比如用于波束训练的SRS resource，并将N个接收波束分别接收的M个发送波束对应的接收信息，或者接收信息对应的RSRP或者接收SINR等至少之一作为选择波束的依据，比如M*N对波束对应的RSRP或者SINR最大的值对应的发送波束和接收波束作为用于传输信息的波束。
图4为本申请实施例提供的一种波束确定方法的流程图，该方法可以应用于基站，如图4所示，该方法可以包括但不限于以下步骤：
S401、确定波束配置参数。
本申请实施例中，基站可以通过第一人工智能网络确定波束配置参数。例如，在第一人工智能网络中输入训练需要的输入信息，通过第一人工智能网络训练出用于波束扫描或者波束训练的第一类波束的波束配置参数。
波束配置参数可以包括以下至少之一：波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
进一步地，波束配置参数中的波束宽度可以用于确定宽波束；波束配置参数包括的波束方向个数、阵元相位、阵元功率中的至少之一，可以用于确定不规则波束或者多方向波束；波束配置参数包括的波束索引、波束宽度等至少之一，可以用于确定随机波束；波束配置参数包括的波束宽度、阵元功率、阵元相位等至少之一，可以用于确定非恒摸波束。
S402、发送波束配置参数。
该波束配置参数可以用于确定第一类波束，第一类波束可以用于训练人工智能网络参数，例如，获取第二人工智能网络参数的取值，或者，第一类波束可以用于波束扫描以确定用于传输的波束(例如第二波束)，这样，基于确定的第一类波束可以减少第二人工智能网络训练的次数，或者减小波束扫描的次数，从而可以克服现有技术中确定波束需要较大导频资源开销或较高成本的弊端。
示例性地，上述第一类波束可以包括以下至少之一：
宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
可选地，第一类波束和第二人工智能网络参数可以用于确定传输信息的第二类波束。例如，终端用第一类波束进行人工智能网络训练，获取第二人工智能网络参数的取值，根据确定的第二人工智能网络参数取值选择适合终端传输信息的最优第二类波束索引，并用该最优的第二类波束索引对应的波束传输信息。
可选地，在本申请实施例中，可以按照如下方式进行波束划分，将波束划分为第一类波束和第二类波束两类。例如，按照波束宽度将波束分为第一类波束和第二类波束，那么第一类波束可以划分为宽波束，第二类波束可以划分为窄波束。其中，宽波束可以理解为1/K功率波束宽度大于第一门限的波束，窄波束可以理解为1/K功率波束宽度小于第二门限的波束，上述第一门限和第二门限均为大于0的数，且第二门限小于第一门限，K为大于0的整数，例如，K取值为2、5、10。
或者，也可以将第一类波束划分为不规则波束，将第二类波束划分为规则波束，即按照波束是否规则将波束划分为两类。其中，不规则波束可以理解为波束的功率辐射形状不规则，比如有多个不同的峰值。规则波束可以理解为波束的功率辐射形状规则，比如波束只有一个峰值，例如，用DFT矢量构造的波束。
可选地，还可以将波束划分为多方向波束和单方向波束，例如，将第一类波束划分为多方向波束，将第二类波束划分为单方向波束。其中，多方向波束可以是由多个DFT矢量线性组合的波束，或者多个DFT线性组合构造的波束；单方向波束可以是由一个DFT矢量构成的波束，或者一个DFT构造的波束。需要说明的是，上述构造波束的DFT矢量可以包括但不限于用两个以上的DFT矢量通过克罗内克积(Kronecker积)构成的矢量。
或者，也可以将第一类波束划分为随机波束，将第二类波束划分为非随机波束。其中，随机波束是指波束方向以随机方式生成的波束，比如上述宽波束、窄波束、规则波束、非规则波束、多方向波束和单方向波束，这些波束在每次传输信息时随机生成指向方向。非随机波束是指根据信道状态信息确定波束方向的波束，例如，窄波束、规则波束、单方向波束中的至少之一。
在一种示例中，还可以将波束分为非恒摸波束和恒摸波束两类波束，例如，将第一类波束划分为非恒摸波束，将第二类波束划分为恒摸波束。其中，非恒摸波束是指波束对应的向量中每个元素的绝对值至少有一个不同，恒摸波束中是指波束对应的向量中每个元素的绝对值都相同，比如DFT向量。
进一步地，上述第二波束传输信息可以包括发送信息或者接收信息。其中信息包括但不限于信令或数据，信令包括上行控制信息，或者下行控制信息，或者用于承载各种控制信息的无线资源，比如物理上行控制信道，物理下行控制信道。数据包括上行数据或者下行数据，比如物理共享下行信道和物理上行共享信道。
在一种示例中，第一类波束和所述第二类波束存在映射关系。
进一步地，基站可以通过以下至少之一方式确定第一类波束与第二类波束之间的映射关系，例如：
通过第三人工智能网络确定第一类波束和第二类波束的映射关系；
以约定的方式确定第一类波束和第二类波束的映射关系；
通过发送配置信令的方式确定第一类波束和第二类波束的映射关系。
需要说明的是，上述第一类波束和第二类波束之间的映射关系可以理解为第一类波束和第二类波束之间存在关联关系，具有关联关系的第一类波束和第二类波束在传输功能上也具有一定的相似性，因此，用第一类波束训练的第二类神经网络参数可以泛化到用于选择第二类波束，进而在用第一类波束扫描时选择的波束替换为具有关联关系的第二类波束后，第二类波束可以用来传输信息(包括信令或者数据)。例如，终端用第一类波束进行波束扫描确定用于传输信息的最优第一类波束的索引，基于第一类波束和第二类波束的关联关系确定最优的第一类波束索引对应的最优的第二类波束索引，并用最优的第二类波束索引对应的波束传输数据。
可选地，上述具有关联关系的两个波束可以具有以下至少之一的特性：
具有相同的准共址(Quasi co-location，QCL)参数取值；
具有相同的空间接收参数(Spatial Rx Parameter)取值；
具有相同的传输配置指示(Transmission Configuration Indicator，TCI)取值；
具有相同的QCL类型D(QCL type D)取值；
在空间覆盖上有一定的重叠性，比如第一类波束覆盖了第二类波束的覆盖区域、第一类波束的传输方向包括第二类波束的传输方向、第一类波束的指示方向包括第二类波束的指示方向等。
可选地，基站还可以向终端发送第一类波束和第二类波束的增益差，该增益差用于确定第二类波束的传输功率。
由于具有关联关系的两类波束在波束增益上具有差异，例如，宽波束的增益比窄波束的增益小，多方向的增益比单方向波束增益小，不规则波束的增益小于规则波束的增益，非恒摸波束的增益小于恒摸波束增益。那么，基站获取具有关联关系的第一类波束和第二类波束的增益差后，可以将该增益差发送给终端，终端根据接收到的增益差调整用于传输信息的功率，以避免弥补由于两者的差异导致的性能损失。
可选地，在上述步骤S401之前，基站还可以接收终端上报的终端波束能力，该终端波束能力可以包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
终端向基站上报自身的终端波束能力，基站接收到终端上报的能力后，可以基于终端上报的能力确定是否给终端配置波束配置参数。
在本申请实施例中，第一人工智能网络，主要用于生成适合波束扫描或者训练第二人工智能网络的第一类波束。比如，输入阵子数目、阵子相位信息、幅度信息、以及接收能量或者RSRP的标签信息等训练出N个用于波束扫描或者波束训练的第一类波束的波束配置参数。
第二人工智能网络，主要用于在一个波束集合中，选择至少一个波束用于接收或者发送信息，其中信息包括但不限于信令或数据。比如，有M个发送波束和N个接收波束，M和N为正整数，每个发送波束都对应着至少一个信道状态信息参考信号(channel stateinformation reference signal，CSI-RS)资源(resource)或者CSI-RS资源集合(CSI-RSresource set)。输入接收的CSI-RS resource或者CSI-RS resource对应的参考信号接收功率(Reference signal received power，RSRP)至第二人工智能网络，第二人工智能网络将输入的至少一个RSRP映射到一个最优的波束索引，即用于信息传输的波束索引或者波束对索引，将对应的接收波束用于自己传输信息，将发送波束索引反馈给基站用于基站传输信息。可选地，也可以用CSI-RS resource对应的信号干扰噪声比(signal-to-noise andinterference ratio，SINR)替换上述的RSRP以选择波束索引或者波束对索引。可选地，上述M个发送波束可以为全部可选波束中的一个子集合，N个波束可以为全部可选波束的一个子集合，因此，可以通过第二人工智能网络在一个子波束集合中预测在全部波束集合中的波束，即起到一个空域插值的效果，以减小波束扫描时的资源开销。
例如，假设有128个发送波束和32个接收波束，均匀地从中选择M＝16个发送波束和N＝4个接收波束，用于波束训练。该16个发送波束和4个接收波束对应的接收RSRP输入第二人工智能网络，以预测其在128个发送波束和32个接收波束情况下的最优波束。即第二人工智能网络主要用于选择第二类波束，但训练第二人工网络的参数时，可以用到第一类波束，以减小训练的波束的次数或者开销。
第三人工智能网络，主要用于将第一类波束和第二类波束进行关联，或者映射。比如输入第一类波束，以及对应的接收的RSRP或SINR，输出对应的第二类波束或者波束索引。
对于基站侧而言，为了减小第二人工智能网络训练的次数，从而达到减小资源开销的目的。基站可以基于获取的终端波束能力给终端配置波束配置参数，并将配置好的波束配置参数发送至终端。终端接收波束配置参数后，可以基于波束配置参数生成用于传输信息的波束。比如在下行链路中，生成用于接收信息的接收波束。终端根据生成的M个接收波束分别接收基站分别用N个发送波束上发送的参考导频信号，比如用于波束训练的CSI-RS resource，并将M个接收波束分别接收的N个接收波束对应的接收信息，或者接收信息对应的RSRP或者接收SINR等至少之一作为一个样本。该样本对应的最佳的发送波束索引和接收波束索引作为标签，采集多个终端在至少一个时刻的样本和标签，作为第二人工智能网络的输入，以更新第二人工智能网络参数。
可选地，为了减小波束扫描的次数，从而达到减小资源开销的目的。基站可以基于获取的终端波束能力给终端配置波束配置参数，并将配置好的波束配置参数发送至终端。终端接收基站发送的波束配置参数，并根据接收的波束配置参数确定出用于传输信息的波束，比如在下行链路中，生成用于接收信息的接收波束。终端根据生成的M个接收波束分别接收基站分别用N个发送波束上发送的参考导频信号，比如用于波束训练的CSI-RSresource，并将M个接收波束分别接收的N个接收波束对应的接收信息，或者接收信息对应的RSRP或者接收SINR等至少之一作为选择波束的依据，比如M*N对波束对应的RSRP或者SINR最大的值对应的发送波束和接收波束作为用于传输信息的波束。
图5为本申请实施例提供的一种波束确定装置的结构示意图，如图5所示，该装置可以包括：接收模块501、处理模块502；
其中，接收模块，用于接收波束配置参数；
处理模块，用于根据波束配置参数确定第一类波束。
可选地，上述波束配置参数可以通过第一人工智能网络确定。
示例性地，波束配置参数包括以下至少之一：
波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
第一类波束包括以下至少之一：
宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
进一步地，第一类波束用于获取第二人工智能网络参数的取值。
在一种示例中，上述处理模块，还用于根据第一类波束和第二人工智能网络参数确定第二类波束；
第二类波束用于传输信令或数据。
可选地，第一类波束和所述第二类波束存在映射关系。
在一种示例中，处理模块可以用于通过第三人工智能网络确定第一类波束和第二类波束的映射关系；
处理模块也可以以约定的方式确定第一类波束和第二类波束的映射关系；
接收模块还可以用于接收配置信令，相应地，处理模块，可以以配置信令的方式确定第一类波束和第二类波束的映射关系。
在一种示例中，接收模块还可以接收第一类波束和第二类波束的增益差，该增益差用于确定第二类波束的传输功率。
如图6所示，上述装置还可以包括发送模块503；
发送模块，用于发送装置自身的终端波束能力，终端波束能力包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
本实施例提供的波束确定装置用于实现图3所示实施例的波束确定方法，其实现原理和技术效果类似，此处不再赘述。
图7为本申请实施例提供的一种波束确定装置的结构示意图，如图7所示，该装置可以包括：确定模块701、发送模块702；
确定模块，用于确定波束配置参数；
发送模块，用于发送波束配置参数；
其中，波束配置参数用于确定第一类波束。
可选地，上述波束配置可以通过第一人工智能网络确定。
示例性的，波束配置参数包括以下至少之一：
波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
第一类波束包括以下至少之一：
宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
进一步地，第一类波束还用于获取第二人工智能网络参数的取值。
在一种示例中，上述第一类波束和第二人工智能网络参数可用于确定第二类波束，该第二类波束用于传输信令或数据。
可选地，第一类波束和第二类波束存在映射关系。
如图8所示，在一种示例中，上述装置还可以包括处理模块703和接收模块704；
处理模块，用于通过第三人工智能网络确定第一类波束和第二类波束的映射关系；
处理模块，也可以以约定的方式确定第一类波束和所述第二类波束的映射关系；
可选地，发送模块还可以发送配置信令，相应地，处理模块，还可以通过配置信令确定第一类波束和第二类波束的映射关系。
在一种示例中，发送模块，还可以用于发送第一类波束和第二类波束的增益差，该增益差用于确定第二类波束的传输功率。
接收模块，可以用于接收终端波束能力，该终端波束能力包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
本实施例提供的波束确定装置用于实现图4所示实施例的波束确定方法，其实现原理和技术效果类似，此处不再赘述。
图9为一实施例提供的一种通信节点的结构示意图，如图9所示，该节点包括处理器901和存储器902；节点中处理器901的数量可以是一个或多个，图9中以一个处理器901为例；节点中的处理器901和存储器902可以通过总线或其他方式连接，图9中以通过总线连接为例。
存储器902作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请图3、图4实施例中的波束确定方法对应的程序指令/模块(例如，图5-图8实施例所提供的波束确定装置中的各模块)。处理器901通过运行存储在存储器902中的软件程序、指令以及模块实现上述的波束确定方法。
存储器902可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据机顶盒的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
在一种示例中，在可能的情况下，上述节点中的处理器也可以通过其内部的逻辑电路、门电路等硬件电路实现上述的波束确定方法。
本申请实施例还提供了一种可读写存储介质，用于计算机存储，该存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以执行上述实施例中的波束确定方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上参照附图仅说明了本申请的示例性实施例而已，并非因此局限本申请的权利范围。本领域技术人员不脱离本申请的范围和实质内所作的任何修改、等同替换和改进，均应在本申请的权利范围之内。

Claims (22)

1.一种波束确定方法，其特征在于，包括：
接收波束配置参数；
根据所述波束配置参数确定第一类波束。
2.根据权利要求1所述的方法，其特征在于，所述波束配置参数通过第一人工智能网络确定。
3.根据权利要求1或2所述的方法，其特征在于，所述波束配置参数包括以下至少之一：
波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
4.根据权利要求1或2所述的方法，其特征在于，所述第一类波束包括以下至少之一：
宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
5.根据权利要求1所述的方法，其特征在于，所述第一类波束用于获取第二人工智能网络参数的取值。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述第一类波束和所述第二人工智能网络参数确定第二类波束；
所述第二类波束用于传输信令或数据。
7.根据权利要求6所述的方法，其特征在于，所述第一类波束和所述第二类波束存在映射关系。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括以下至少之一：
通过第三人工智能网络确定所述第一类波束和所述第二类波束的映射关系；
以约定的方式确定所述第一类波束和所述第二类波束的映射关系；
通过接收配置信令的方式确定所述第一类波束和所述第二类波束的映射关系。
9.根据权利要求1或5所述的方法，其特征在于，所述方法还包括：
接收所述第一类波束和第二类波束的增益差；
所述增益差用于确定所述第二类波束的传输功率。
10.根据权利要求1所述的方法，其特征在于，在所述接收波束配置参数之前，所述方法还包括：
发送终端波束能力；
所述终端波束能力包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
11.一种波束确定方法，其特征在于，包括：
确定波束配置参数；
发送所述波束配置参数；
其中，所述波束配置参数用于确定第一类波束。
12.根据权利要求11所述的方法，其特征在于，所述波束配置参数通过第一人工智能网络确定。
13.根据权利要求11或12所述的方法，其特征在于，所述波束配置参数包括以下至少之一：
波束宽度、波束方向个数、阵元相位、阵元功率、波束增益、波束索引、波束组合、随机波束初始索引。
14.根据权利要求11或12所述的方法，其特征在于，所述第一类波束包括以下至少之一：
宽波束、不规则波束、多方向波束、随机波束、非恒摸波束。
15.根据权利要求11所述的方法，其特征在于，所述第一类波束用于获取第二人工智能网络参数的取值。
16.根据权利要求15所述的方法，其特征在于，所述第一类波束和所述第二人工智能网络参数用于确定第二类波束；
所述第二类波束用于传输信令或数据。
17.根据权利要求16所述的方法，其特征在于，所述第一类波束和所述第二类波束存在映射关系。
18.根据权利要求17所述的方法，其特征在于，所述方法还包括以下至少之一：
通过第三人工智能网络确定所述第一类波束和所述第二类波束的映射关系；
以约定的方式确定所述第一类波束和所述第二类波束的映射关系；
通过发送配置信令的方式确定所述第一类波束和所述第二类波束的映射关系。
19.根据权利要求11或15所述的方法，其特征在于，所述方法还包括：
发送所述第一类波束和第二类波束的增益差；
所述增益差用于确定所述第二类波束的传输功率。
20.根据权利要求11所述的方法，其特征在于，在所述发送波束配置参数之前，所述方法还包括：
接收终端波束能力；
所述终端波束能力包括以下至少之一：
支持第一类波束的能力、支持第一类波束的波束类型、第一类波束处理能力。
21.一种通信节点，其特征在于，包括：处理器，所述处理器执行计算机程序时，实现如权利要求1-10任一项所述的波束确定方法，或权利要求11-20任一项所述的波束确定方法。
22.一种可读写存储介质，其特征在于，所述可读写存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-10任一项所述的波束确定方法，或权利要求11-20任一项所述的波束确定方法。
CN202111399935.8A 2021-11-19 2021-11-19 波束确定方法、节点和存储介质 Pending CN115882916A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202111399935.8A CN115882916A (zh) 2021-11-19 2021-11-19 波束确定方法、节点和存储介质
EP22894715.6A EP4395198A1 (en) 2021-11-19 2022-11-11 Beam determination method, node and storage medium
KR1020247011376A KR20240051291A (ko) 2021-11-19 2022-11-11 빔 결정 방법, 노드 및 저장 매체
CA3235706A CA3235706A1 (en) 2021-11-19 2022-11-11 Beam determination method, node and storage medium
PCT/CN2022/131350 WO2023088178A1 (zh) 2021-11-19 2022-11-11 波束确定方法、节点和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111399935.8A CN115882916A (zh) 2021-11-19 2021-11-19 波束确定方法、节点和存储介质

Publications (1)

Publication Number Publication Date
CN115882916A true CN115882916A (zh) 2023-03-31

Family

ID=85756838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111399935.8A Pending CN115882916A (zh) 2021-11-19 2021-11-19 波束确定方法、节点和存储介质

Country Status (5)

Country Link
EP (1) EP4395198A1 (zh)
KR (1) KR20240051291A (zh)
CN (1) CN115882916A (zh)
CA (1) CA3235706A1 (zh)
WO (1) WO2023088178A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104796185A (zh) * 2014-01-21 2015-07-22 中兴通讯股份有限公司 波束信息获取方法、导频波束发送方法、通信节点及系统
US10505616B1 (en) * 2018-06-01 2019-12-10 Samsung Electronics Co., Ltd. Method and apparatus for machine learning based wide beam optimization in cellular network
EP3850762A1 (en) * 2018-09-13 2021-07-21 Nokia Solutions and Networks Oy Apparatus and method for designing a grid-of-beams using machine learning
CN111526565B (zh) * 2019-02-01 2021-08-27 华为技术有限公司 一种参考信号管理方法、装置及系统
WO2020186441A1 (zh) * 2019-03-19 2020-09-24 北京小米移动软件有限公司 传输信息的方法、装置、用户设备及基站
CN110971279B (zh) * 2019-12-30 2021-09-21 东南大学 一种毫米波通信系统中智能波束训练方法及预编码系统
US11671849B2 (en) * 2020-04-28 2023-06-06 Qualcomm Incorporated Autonomous beam switching

Also Published As

Publication number Publication date
EP4395198A1 (en) 2024-07-03
CA3235706A1 (en) 2023-05-25
WO2023088178A1 (zh) 2023-05-25
KR20240051291A (ko) 2024-04-19

Similar Documents

Publication Publication Date Title
EP3817479B1 (en) Communication method and communication apparatus
US11916820B2 (en) Reference signal configuration, information transmission, and information receiving methods and device
US11088796B2 (en) Method and device for indicating uplink reference signal information, and storage medium
US11196501B2 (en) Codebook feedback method and apparatus
US10454560B2 (en) Beam management systems and methods
US10404350B2 (en) Beam management systems and methods
EP3860091B1 (en) Information receiving method and device and information sending method and device
US20230254030A1 (en) Beam-based communication method and related apparatus
US20190081673A1 (en) Enhanced transmit point (trp) beam grouping based on ue beams
CN110351058B (zh) 一种信号传输方法及通信设备
CN116601886A (zh) 用于在下一代无线通信系统中执行改进的波束跟踪的方法和设备
WO2021258798A1 (zh) 一种确定波束对的方法及装置
KR20180136837A (ko) 랜덤억세스 및 핸드오버 수행 방식
WO2022263422A2 (en) Intelligent reflecting surface configuration
CN113632385B (zh) 下行链路参考信号的波束成形接收
CN115882916A (zh) 波束确定方法、节点和存储介质
CN107079489A (zh) 信号传输方法和网络设备
WO2023207822A1 (zh) 通信方法、设备和存储介质
WO2018176328A1 (zh) 一种用户设备、基站中的被用于多天线传输的方法和装置
WO2023207539A1 (zh) 资源传输方法、资源接收方法、通信节点及存储介质
CN110771193B (zh) 波束成形通信系统中的设备随机接入系统和方法
WO2021168863A1 (zh) 一种滤波器系数的确定方法及装置
CN117639852A (zh) 波束参数信息的反馈、接收方法，通信节点及存储介质
CN117955613A (zh) 信道状态信息的发送、接收方法、通信装置及存储介质
CN118138088A (zh) 获取训练数据的方法和通信装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication