CN115941004A - 一种通信方法及装置 - Google Patents
一种通信方法及装置 Download PDFInfo
- Publication number
- CN115941004A CN115941004A CN202110918240.XA CN202110918240A CN115941004A CN 115941004 A CN115941004 A CN 115941004A CN 202110918240 A CN202110918240 A CN 202110918240A CN 115941004 A CN115941004 A CN 115941004A
- Authority
- CN
- China
- Prior art keywords
- information
- model
- access network
- terminal device
- network device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 172
- 238000004891 communication Methods 0.000 title claims abstract description 143
- 238000012549 training Methods 0.000 claims description 161
- 238000001514 detection method Methods 0.000 claims description 89
- 239000000523 sample Substances 0.000 claims description 82
- 238000013528 artificial neural network Methods 0.000 claims description 43
- 238000003062 neural network model Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 73
- 238000013473 artificial intelligence Methods 0.000 description 52
- 230000005540 biological transmission Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 30
- 238000007781 pre-processing Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 26
- 239000011159 matrix material Substances 0.000 description 21
- 238000013507 mapping Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000011664 signaling Effects 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000012804 iterative process Methods 0.000 description 8
- 238000005562 fading Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- 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
-
- 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
- H04B7/0413—MIMO systems
- H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开涉及一种通信方法及装置。接入网设备从终端设备接收下行信道的特征信息,并根据下行信道的特征信息和第一模型,得到第一码字的信息,第一码字用于进行预编码。通过本公开提供的方法,能够得到与通信场景较为匹配的码字,从而能够提高通信性能。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种通信方法及装置。
背景技术
波束赋形是一种基于天线阵列的信号预处理技术。波束赋形技术可通过调整天线阵列中每个阵元的加权系数,产生具有指向性的波束。波束赋形的主要任务是补偿无线传播过程中由空间损耗、多径效应等因素引入的信号衰落与失真,同时降低同信道用户设备间的干扰,能够获得明显的阵列增益。因此,波束赋形技术在扩大覆盖范围、改善边缘吞吐量以及干扰抑止等方面都有很大的优势。
波束赋形的准确性取决于码本的确定,根据码本中的码字可确定对应的波束。因此,如何确定进行波束赋形的码本,是值得研究的问题。
发明内容
本公开提供一种通信方法及装置,用于使得波束与通信场景更为匹配。
第一方面,提供第一种通信方法,该方法可在网络设备侧执行。该方法可通过软件、硬件、或软硬件结合的方式执行。例如,该方法由网络设备执行,或由包括网络设备的较大设备执行,或由电路系统执行,该电路系统能够实现网络设备的功能,或者由独立于网络设备的AI模块辅助网络设备或者辅助网络设备的网元执行,不予限制。示例性地,所述网络设备为接入网设备,例如基站。该方法包括:从终端设备接收下行信道的特征信息;根据所述下行信道的特征信息和第一模型,得到第一码字信息,其中,所述第一模型的输入包括所述下行信道的特征信息,所述第一模型的输出包括所述第一码字信息,所述第一码字信息对应的第一码字用于进行预编码。或者,该方法包括:从终端设备接收下行信道的特征信息;根据所述下行信道的特征信息生成第一码字信息,所述第一码字信息对应的第一码字用于对下行数据进行编码。
在本公开中,无需从协议约定的固定的码本中选择码字,而是可以根据终端设备反馈的下行信道的特征信息生成码字信息。终端设备反馈的下行信道的特征信息是与当前的通信场景较为契合的,根据该特征信息所生成的码字信息对应的发送波束也就能够适应当前的通信场景。即,在不同的通信场景下,都能够根据终端设备所反馈的下行信道的特征信息得到适用于该场景的码字信息。码字信息例如与波束相对应,通过本公开提供的方法,能够得到与通信场景较为匹配的波束,从而能够提高通信性能。且本公开无需经历根据协议约定的固定的码本进行多次波束扫描的过程,能够节省空口开销。另外,终端设备反馈的下行信道的特征信息能够较为真实表达网络设备与终端设备之间的下行信道的特征,根据该下行信道的特征信息得到的码字信息对应的波束也能够尽量对准该下行信道的主要径的方向,从而能够提高通过该发送波束所发送的信号的穿透能力,减小路径衰落,增加信号的传播距离,提高信号的覆盖能力。
在一种可选的实施方式中,所述方法还包括:根据所述第一码字对第一下行数据进行预编码,得到预编码数据;向所述终端设备发送所述预编码数据。第一码字是根据终端设备反馈的下行信道的特征信息得到的,能够尽量反映当前的通信场景与真实的信道条件。根据第一码字对第一下行数据进行预编码,可以使得预编码的结果较为准确,从而提高通信性能。
在一种可选的实施方式中,所述方法还包括:根据K个探测信号码字向所述终端设备发送K个探测信号,其中,一个探测信号码字用于发送一个探测信号。网络设备可向终端设备发送K个探测信号,UE接收K个探测信号后可提取并向网络设备发送下行信道的特征信息,从而网络设备就能获得第一码字信息。
在一种可选的实施方式中,所述方法还包括:根据第一操作和第二操作,得到第N个探测信号码字信息(或者,得到第N个探测信号码字),并确定所述第N个探测信号码字信息为所述第一码字信息(或者,确定所述第N个探测信号码字为所述第一码字)。所述第一操作包括:从所述终端设备接收下行信道的第i个特征信息,根据下行信道的第i个特征信息得到第i+1个探测信号码字信息(或者,得到第i+1个探测信号码字);所述第二操作包括:根据所述第i+1个探测信号码字信息(或者,根据第i+1个探测信号码字)向所述终端设备发送第i+1个探测信号,返回所述第一操作。其中,i取从1至N的整数。或者,所述方法还包括:根据第一操作和第二操作,得到第N个探测信号码字,并确定所述第N个探测信号码字为所述第一码字。所述第一操作包括:从所述终端设备接收下行信道的第i个特征信息,根据下行信道的第i个特征信息得到第i+1个探测信号码字;所述第二操作包括:根据所述第i+1个探测信号码字向所述终端设备发送第i+1个探测信号,返回所述第一操作。其中,i取从1至N的整数。在这种实施方式中,网络设备根据探测码本发送探测信号,并接收了UE所返回的第一特征信息后,并不根据第一特征信息直接确定用于发送数据的码字信息,而是继续根据第一特征信息确定的码字信息发送探测信号。UE接收探测信号后继续提取下行信道的特征信息,并将下行信道的特征信息发送给网络设备。网络设备从UE接收下行信道的特征信息后,再根据下行信道的特征信息继续确定码字信息,以及根据该码字信息来发送探测信号,以此类推,相当于是一个迭代过程。网络设备每次所新确定的探测信号码字信息对应的探测波束都是基于UE反馈的下行信道的特征信息确定的,该探测波束的指向是较为有可能包含下行信道的主径的或者能量集中的方向,因此,网络设备新确定的探测波束的波瓣宽度可能都比探测码本所包括的码字对应的波束的宽度要窄,指向性更好。如果网络设备和UE重复执行如上迭代步骤,则优化出的探测波束可以越来越窄,或单个探测波束上包含的多个波峰可能分别指向下行信道中主径的方向,使得优化出的探测波束能够更加匹配下行信道的传输特征。
在一种可选的实施方式中,所述第N个探测信号码字信息的权值与第N-1个探测信号码字信息的权值的最小均方差小于或等于第一阈值。例如在迭代N次后,网络设备确定得到的第N个码字信息收敛,则迭代过程可以结束。网络设备确定第N个探测信号码字信息是否收敛,可以有多种方式。例如一种确定方式为,网络设备确定第N个探测信号码字信息的权值与第N-1个探测信号码字信息的权值的最小均方差,如果该最小均方差小于或等于第一阈值,表明第N个探测信号码字信息已收敛,而如果该最小均方差大于第一阈值,表明第N个探测信号码字信息未收敛。这种方式较为简单且较为准确。
在一种可选的实施方式中,在从所述终端设备接收下行信道的第1个特征信息之前,所述方法还包括:根据K个探测信号码字向所述终端设备发送K个探测信号,其中,一个探测信号码字用于发送一个探测信号。网络设备可先向终端设备发送K个探测信号,在接收来自UE的第一特征信息后可继续向UE发送探测信号,从而开始迭代过程。K个探测信号码字例如对应于一个或多个探测码本,这些探测码本例如为网络设备预配置,或者为协议预定义。
在一种可选的实施方式中,所述方法还包括:所述第一模型包括于M1个第一类模型中,其中,M1为大于1的整数,每个第一类模型对应于各自的信道类型,第一类模型用于根据信道的特征信息确定码字信息,所述码字信息对应的码字用于进行预编码。在实际通信中,通信场景多种多样,相应的信道类型也可能有所不同。例如,广场、地铁站、办公室、或小巷等通信场景所对应的信道类型是各不相同的。那么,训练出的模型如果与实际通信环境越匹配,例如与信道类型匹配,则该模型的应用效果会越好。一个第一类模型可能较难适用于所有的信道类型,因此网络设备可训练得到M1个第一类模型,每个第一类模型对应于各自的信道类型,使得不同的信道类型都有所对应的第一类模型,可以使得第一类模型的输出信息与当前的信道类型更为匹配。
在一种可选的实施方式中,所述第一模型是根据第一训练数据集训练得到的,所述第一训练数据集包括一个或多个下行信道样本,且所述第一训练数据集对应于第一信道类型。为了使得第一类模型与信道类型对应,在训练一个第一类模型时,可根据与该第一类模型对应的信道类型所对应的训练数据集来训练,使得训练的第一类模型能够对应于该信道类型。
在一种可选的实施方式中,所述方法还包括:向所述终端设备发送第三模型的信息,所述第三模型的输入为探测信号的信息,所述第三模型的输出为信道的特征信息。终端设备可以使用一个模型来提取下行信道的特征信息,该模型可能是网络设备训练得到的(或者是其他设备训练得到的),网络设备可将该模型的信息发送给终端设备。
在一种可选的实施方式中,所述第三模型包括于M1个第二类模型中,其中,M1为大于1的整数,所述M1个第一类模型和所述M1个第二类模型一一对应,第二类模型的输入为探测信号的信息,第二类模型的输出为信道的特征信息。以网络设备训练得到第一类模型和第二类模型为例,网络设备可对第一类模型和第二类模型进行联合训练,这样可以使得第一类模型和第二类模型一一对应。对于网络设备和一个终端设备来说,就可以使用相对应的一对第一类模型和第二类模型(例如第一模型和第三模型)。
在一种可选的实施方式中,所述第三模型是根据第一训练数据集训练得到的,或者,所述第三模型是根据第一训练数据集和所述终端设备的辅助信息训练得到的;其中,所述第一训练数据集包括一个或多个下行信道样本,且所述第一训练数据集对应于第一信道类型。为了使得第二类模型与信道类型对应,在训练一个第二类模型时,可根据与该第二类模型对应的信道类型所对应的训练数据集来训练,使得训练的第二类模型能够对应于该信道类型。另外在训练时还可以考虑终端设备的辅助信息,这样训练得到的第二类模型能够更为准确地提取下行信道的特征信息。
在一种可选的实施方式中,所述方法还包括:所述第一训练数据集是根据第二模型得到的,所述第二模型用于得到对应于所述第一信道类型的训练数据;或,所述第一训练数据集是根据至少一个终端设备的位置信息,从来自所述至少一个终端设备的至少一个信道估计信息中确定的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部;或,所述第一训练数据集是对来自至少一个终端设备的至少一个信道估计信息进行聚类得到的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部。
在一种可选的实施方式中,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。除此之外,终端设备的辅助信息还可以包括其他信息,例如包括设置在该终端设备内部(或者,与该终端设备独立设置,但能够与该终端设备通信)的拍摄装置(例如照相装置和/或摄像装置)所输出的图像和/或视频等信息。
在一种可选的实施方式中,所述终端设备的辅助信息用于确定所述下行信道的径的信息,所述下行信道的径的信息用于确定所述第一码字信息对应的方向和/或覆盖宽度。通过添加终端设备的辅助信息,能够确定下行信道的径的信息,例如确定下行信道的多径个数、方向、或主径角度的变化范围等一项或多项,这样使得第二类模型所提取的下行信道的特征信息更为准确,信息量更为丰富。
在一种可选的实施方式中,所述方法还包括:从所述终端设备接收能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,所述终端设备的存储能力信息,所述终端设备的位置信息,所述终端设备的天线配置信息,或所述终端设备的传感器配置信息。终端设备可以向网络设备发送能力信息,网络设备可根据该能力信息确定该终端设备是否使用神经网络模型,或确定该终端设备所适用的神经网络模型的复杂程度或规模等。终端设备的能力信息不限于此,还可能包括终端设备其他方面的能力信息。
在一种可选的实施方式中,所述终端设备的算力信息用于指示所述终端设备能够支持的神经网络的复杂程度;所述终端设备的存储能力信息用于指示所述终端设备能够存储的神经网络的规模;所述终端设备的位置信息用于指示所述终端设备对应的下行信道的类型;所述终端设备的天线配置信息用于确定所述终端设备对应的神经网络;和/或,所述终端设备的传感器配置信息用于确定所述终端设备对应的神经网络。网络设备根据终端设备的能力信息能够确定为终端设备配置的神经网络模型的相应信息,使得为终端设备配置的神经网络模型能够符合终端设备的实际能力。
第二方面,提供第二种通信方法,该方法可在终端设备侧执行。该方法可通过软件、硬件、或软硬件结合的方式执行。例如,该方法由终端设备执行,或由电路系统执行,或者由包括终端设备的较大设备执行,该电路系统能够实现终端设备的功能,不予限制。该方法包括:从接入网设备接收K个探测信号,K为正整数;根据所述K个探测信号的信息以及第三模型,得到第一特征信息,所述第一特征信息为下行信道的特征信息;向所述接入网设备发送所述第一特征信息。
在一种可选的实施方式中,根据所述K个探测信号的信息以及第三模型,得到第一特征信息,包括:将所述K个探测信号的信息输入所述第三模型,得到所述第一特征信息;或,将所述K个探测信号的信息和终端设备的辅助信息输入所述第三模型,得到所述第一特征信息。
在一种可选的实施方式中,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。
在一种可选的实施方式中,在向接入网设备发送第一特征信息之后,所述方法还包括:i取从1至N的整数,循环执行如下步骤:从所述接入网设备接收第i个探测信号;根据所述第i个探测信号的信息以及第四模型,得到第i个特征信息,所述第i个特征信息为所述下行信道的特征信息;向所述接入网设备发送所述第i个特征信息。
在一种可选的实施方式中,根据所述第i个探测信号的信息以及所述第四模型,得到第i个特征信息,包括:将所述第i个探测信号的信息输入所述第四模型,得到所述第i个特征信息;或,将所述第i个探测信号的信息和终端设备的辅助信息输入所述第四模型,得到所述第i个特征信息。
在一种可选的实施方式中,所述方法还包括:从所述接入网设备接收所述第三模型的信息。
在一种可选的实施方式中,所述方法还包括:向所述接入网设备发送信道估计信息,所述信道估计信息用于训练所述第三模型。
在一种可选的实施方式中,所述方法还包括:向所述接入网设备发送终端设备的能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,或,所述终端设备的存储能力信息。
关于第二方面或各种可选的实施方式的技术效果,可参考对于第一方面或相应的实施方式的技术效果的介绍。
第三方面,提供第三种通信方法,该方法可在网络设备侧执行。该方法可通过软件、硬件、或软硬件结合的方式执行。例如,该方法由网络设备执行,或由包括网络设备的较大设备执行,或由电路系统执行,该电路系统能够实现网络设备的功能,或者由独立于网络设备的AI模块辅助网络设备或者辅助网络设备的网元执行,不予限制。示例性地,所述网络设备为接入网设备,例如基站。该方法包括:从终端设备接收第一码字信息;通过所述第一码字信息对应的第一码字向所述终端设备发送下行数据。
在本公开中,无需网络设备从协议约定的固定的码本中选择码字,而是可以直接使用终端设备反馈的码字信息。终端设备反馈的码字信息是与当前的通信场景较为契合的,该码字信息对应的发送波束也就能够适应当前的通信场景。即,在不同的通信场景下,都能够得到终端设备所反馈的适用于该场景的码字信息。码字信息例如与波束相对应,通过本公开提供的方法,能够得到与通信场景较为匹配的波束,从而能够提高通信性能。且本公开无需经历根据固定的码本进行多次波束扫描的过程,能够节省空口开销。另外,终端设备反馈的码字信息对应的波束能够尽量对准网络设备与终端设备之间的下行信道的主要径的方向,从而能够提高通过该发送波束所发送的信号的穿透能力,减小路径衰落,增加信号的传播距离,提高信号的覆盖能力。
在一种可选的实施方式中,所述方法还包括:根据所述第一码字对第一下行数据进行预编码,得到预编码数据;向所述终端设备发送所述预编码数据。
在一种可选的实施方式中,所述方法还包括:根据K个探测信号码字向所述终端设备发送K个探测信号,其中,一个探测信号码字用于发送一个探测信号。
在一种可选的实施方式中,所述方法还包括:向所述终端设备发送第三模型的信息,所述第三模型的输入为探测信号的信息,所述第三模型的输出为信道的特征信息。
在一种可选的实施方式中,所述方法还包括:所述第三模型包括于M1个第二类模型中,其中,M1为大于1的整数,所述M1个第一类模型和所述M1个第二类模型一一对应,第二类模型的输入为探测信号的信息,第二类模型的输出为信道的特征信息。
在一种可选的实施方式中,所述第三模型是根据第一训练数据集训练得到的,或者,所述第三模型是根据第一训练数据集和所述终端设备的辅助信息训练得到的;其中,所述第一训练数据集包括一个或多个下行信道样本,且所述第一训练数据集对应于第一信道类型。
在一种可选的实施方式中,所述方法还包括:所述第一训练数据集是根据第二模型得到的,所述第二模型用于得到对应于所述第一信道类型的训练数据;或,所述第一训练数据集是根据至少一个终端设备的位置信息,从来自所述至少一个终端设备的至少一个信道估计信息中确定的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部;或,所述第一训练数据集是对来自至少一个终端设备的至少一个信道估计信息进行聚类得到的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部。
在一种可选的实施方式中,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。
在一种可选的实施方式中,所述终端设备的辅助信息用于确定所述下行信道的径的信息,所述下行信道的径的信息用于确定所述第一码字信息对应的方向和/或覆盖宽度。
在一种可选的实施方式中,所述方法还包括:从所述终端设备接收能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,所述终端设备的存储能力信息,所述终端设备的位置信息,所述终端设备的天线配置信息,或所述终端设备的传感器配置信息。
在一种可选的实施方式中,所述终端设备的算力信息用于指示所述终端设备能够支持的神经网络的复杂程度;所述终端设备的存储能力信息用于指示所述终端设备能够存储的神经网络的规模;所述终端设备的位置信息用于指示所述终端设备对应的下行信道的类型;所述终端设备的天线配置信息用于确定所述终端设备对应的神经网络;和/或,所述终端设备的传感器配置信息用于确定所述终端设备对应的神经网络。
关于第三方面的各种可选的实施方式所带来的技术效果,可参考第一方面或相应的实施方式的技术效果的介绍。
第四方面,提供第四种通信方法,该方法可在终端设备侧执行。该方法可通过软件、硬件、或软硬件结合的方式执行。例如,该方法由终端设备执行,或由电路系统执行,或者由包括终端设备的较大设备执行,该电路系统能够实现终端设备的功能。该方法包括:从接入网设备接收K个探测信号,K为正整数;根据所述K个探测信号的信息以及第三模型,得到第一码字信息,所述第一码字信息对应的第一码字用于进行预编码;向所述接入网设备发送所述第一码字信息。
在一种可选的实施方式中,根据所述K个探测信号的信息以及第三模型,得到第一码字信息,包括:将所述K个探测信号的信息输入所述第三模型,得到所述第一码字信息;或,将所述K个探测信号的信息和终端设备的辅助信息输入所述第三模型,得到所述第一码字信息。
在一种可选的实施方式中,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。
在一种可选的实施方式中,所述方法还包括:从所述接入网设备接收所述第三模型的信息。
在一种可选的实施方式中,所述方法还包括:向所述接入网设备发送信道估计信息,所述信道估计信息用于训练所述第三模型。
在一种可选的实施方式中,所述方法还包括:向所述接入网设备发送终端设备的能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,或,所述终端设备的存储能力信息。
关于第四方面的各种可选的实施方式所带来的技术效果,可参考如下至少一项:第一方面或相应的实施方式的技术效果的介绍,第二方面或相应的实施方式的技术效果的介绍,或,第三方面或相应的实施方式的技术效果的介绍。
第五方面,提供一种通信装置。所述通信装置可以实现上述第一方面或第三方面所述的方法。所述通信装置具备上述网络设备的功能。所述网络设备例如为基站,或为基站中的基带装置等。一种可选的实现方式中,该装置可以包括执行第一方面或第三方面中所描述的方法/操作/步骤/动作所一一对应的模块,该模块可以是硬件电路,也可是软件,也可以是硬件电路结合软件实现。一种可选的实现方式中,所述通信装置包括基带装置和射频装置。另一种可选的实现方式中,所述通信装置包括处理单元(有时也称为处理模块)和收发单元(有时也称为收发模块)。收发单元能够实现发送功能和接收功能,在收发单元实现发送功能时,可称为发送单元(有时也称为发送模块),在收发单元实现接收功能时,可称为接收单元(有时也称为接收模块)。发送单元和接收单元可以是同一个功能模块,该功能模块称为收发单元,该功能模块能实现发送功能和接收功能;或者,发送单元和接收单元可以是不同的功能模块,收发单元是对这些功能模块的统称。
其中,所述收发单元(或,所述接收单元),用于从终端设备接收下行信道的特征信息;所述处理单元,用于根据所述下行信道的特征信息和第一模型,得到第一码字信息,其中,所述第一模型的输入包括所述下行信道的特征信息,所述第一模型的输出包括所述第一码字信息,所述第一码字信息对应的第一码字用于进行预编码。
或者,所述收发单元(或,所述接收单元),用于从终端设备接收第一码字信息;所述收发单元(或,所述发送单元),用于通过所述第一码字信息对应的第一码字向所述终端设备发送下行数据。或者,所述收发单元(或,所述接收单元),用于从终端设备接收第一码字信息;所述处理单元,用于按照所述第一码字信息对应的第一码字,通过所述收发单元(或,所述发送单元)向所述终端设备发送下行数据。
再例如,所述通信装置包括:处理器,与存储器耦合,用于执行存储器中的指令,以实现上述第一方面或第三方面的方法。可选的,该通信装置还包括其他部件,例如,天线,输入输出模块,接口等等。这些部件可以是硬件,软件,或者软件和硬件的结合。
第六方面,提供一种通信装置。所述通信装置可以实现上述第二方面或第四方面所述的方法。所述通信装置具备上述终端设备的功能。一种可选的实现方式中,该装置可以包括执行第二方面或第四方面中所描述的方法/操作/步骤/动作所一一对应的模块,该模块可以是硬件电路,也可是软件,也可以是硬件电路结合软件实现。一种可选的实现方式中,所述通信装置包括基带装置和射频装置。另一种可选的实现方式中,所述通信装置包括处理单元(有时也称为处理模块)和收发单元(有时也称为收发模块)。关于收发单元的实现方式,可参考第五方面的相关介绍。
其中,所述收发单元(或,所述接收单元),用于从接入网设备接收K个探测信号,K为正整数;所述处理单元,用于根据所述K个探测信号的信息以及第三模型,得到第一特征信息,所述第一特征信息为下行信道的特征信息;所述收发单元(或,所述发送单元),用于向所述网络设备发送所述第一特征信息。
或者,所述收发单元(或,所述接收单元),用于从接入网设备接收K个探测信号,K为正整数;所述处理单元,用于根据所述K个探测信号的信息以及第三模型,得到第一码字信息,所述第一码字信息对应的第一码字用于进行预编码;所述收发单元(或,所述发送单元),用于向所述接入网设备发送所述第一码字信息。
再例如,所述通信装置包括:处理器,与存储器耦合,用于执行存储器中的指令,以实现上述第二方面或第四方面的方法。可选的,该通信装置还包括其他部件,例如,天线,输入输出模块,接口等等。这些部件可以是硬件,软件,或者软件和硬件的结合。
第七方面,提供一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序或指令,当其被运行时,使得第一方面至第四方面中任一方面的方法被实现。
第八方面,提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得第一方面至第四方面中任一方面所述的方法被实现。
第九方面,提供一种芯片系统,该芯片系统包括处理器,还可以包括存储器,用于实现上述第一方面至第四方面中任一方面的方法。该芯片系统可以由芯片构成,也可以包含芯片和其他分立器件。
第十方面,提供一种通信系统,包括第五方面的通信装置和第六方面的通信装置。
附图说明
图1为一种通信系统的示意图;
图2A为一种应用场景的示意图;
图2B~图2E为AI在通信系统中的几种应用框架的示意图;
图3为一种通信方法的流程图;
图4为对第一类模型和第二类模型进行联合训练的一种示意图;
图5A为第一类模型的一种示意图;
图5B为第二类模型的一种示意图;
图6A和图6B为通信方法的两种示意图;
图7为另一种通信方法的流程图;
图8为通信装置的一种示意性框图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开作进一步地详细描述。
本公开提供的技术可以应用于图1所示的通信系统10中。通信系统10包括一个或多个通信装置30(例如,终端设备),这一个或多个通信装置30经由一个或多个接入网(radio access network,RAN)设备20连接到一个或多个核心网(core network,CN)设备,以实现多个通信设备之间的通信。例如,通信系统10是支持第四代(the 4th generation,4G)移动通信技术(包括长期演进(long term evolution,LTE))的通信系统,第五代(the5th generation,5G)移动通信技术(有时也称为new radio,NR)的通信系统,无线保真(wireless fidelity,Wi-Fi)系统,第三代合作伙伴计划(3rd generation partnershipproject,3GPP)相关的蜂窝系统,支持多种无线技术融合的通信系统,或者是面向未来的演进系统。
下面分别对图1所涉及的终端设备和RAN进行详细说明。
1、终端设备。
终端设备可以简称为终端。终端设备可以是一种具有无线收发功能的设备。终端设备可以是移动的,或固定的。终端设备可以部署在陆地上,包括室内或室外,手持或车载;也可以部署在水面上(如轮船等);还可以部署在空中(例如飞机、气球和卫星上等)。所述终端设备可以包括手机(mobile phone)、平板电脑(pad)、带无线收发功能的电脑、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、工业控制(industrial control)中的无线终端设备、无人驾驶(self driving)中的无线终端设备、远程医疗(remote medical)中的无线终端设备、智能电网(smart grid)中的无线终端设备、运输安全(transportation safety)中的无线终端设备、智慧城市(smart city)中的无线终端设备、和/或智慧家庭(smart home)中的无线终端设备。终端设备还可以是蜂窝电话、无绳电话、会话启动协议(session initiation protocol,SIP)电话、无线本地环路(wireless local loop,WLL)站、个人数字助理(personal digital assistant,PDA)、具有无线通信功能的手持设备或计算设备、车载设备、可穿戴设备,未来第五代(the 5thgeneration,5G)网络中的终端设备或者未来演进的公用陆地移动通信网络(public landmobile network,PLMN)中的终端设备等。终端设备有时也可以称为用户设备(userequipment,UE)。可选的,终端设备可以与不同技术的多个接入网设备进行通信,例如,终端设备可以与支持LTE的接入网设备通信,也可以与支持5G的接入网设备通信,又可以与支持LTE的接入网设备以及支持5G的接入网设备的双连接。本公开并不限定。
本公开中,用于实现终端设备的功能的装置可以是终端设备;也可以是能够支持终端设备实现该功能的装置,例如芯片系统、硬件电路、软件模块、或硬件电路加软件模块,该装置可以被安装在终端设备中或可以与终端设备匹配使用。本公开提供的技术方案中,以用于实现终端设备的功能的装置是终端设备,终端设备是UE为例,描述本公开提供的技术方案。
本公开中,芯片系统可以由芯片构成,也可以包括芯片和其他分立器件。
2、RAN。
RAN可以包括一个或多个RAN设备,比如RAN设备20。RAN设备与终端设备之间的接口可以为Uu接口(或称为空口)。在未来通信中,这些接口的名称可以不变,或者也可以用其它名称代替,本公开对此不作限定。
RAN设备为将终端设备接入到无线网络的节点或设备,RAN设备又可以称为网络设备或基站。RAN设备例如包括但不限于:基站、5G中的下一代节点B(generation nodeB,gNB)、演进型节点B(evolved node B,eNB)、无线网络控制器(radio network controller,RNC)、节点B(node B,NB)、基站控制器(base station controller,BSC)、基站收发台(basetransceiver station,BTS)、家庭基站(例如,home evolved nodeB,或home node B,HNB)、基带单元(base band unit,BBU)、收发点(transmitting and receiving point,TRP)、发射点(transmitting point,TP)、和/或移动交换中心等。或者,接入网设备还可以是集中单元(centralized unit,CU)、分布单元(distributed unit,DU)、集中单元控制面(CUcontrol plane,CU-CP)节点、集中单元用户面(CU user plane,CU-UP)节点、接入回传一体化(integrated access and backhaul,IAB)、或云无线接入网络(cloud radio accessnetwork,CRAN)场景下的无线控制器等中的至少一个。或者,接入网设备可以为中继站、接入点、车载设备、终端设备、可穿戴设备、5G网络中的接入网设备或者未来演进的公共陆地移动网络(public land mobile network,PLMN)中的接入网设备等。
本公开中,用于实现接入网设备的功能的装置可以是接入网设备;也可以是能够支持接入网设备实现该功能的装置,例如芯片系统、硬件电路、软件模块、或硬件电路加软件模块,该装置可以被安装在接入网设备中或可以与接入网设备匹配使用。在本公开提供的技术方案中,以用于实现接入网设备的功能的装置是接入网设备,接入网设备是基站为例,描述本公开提供的技术方案。
(1)协议层结构。
接入网设备和终端设备之间的通信遵循一定的协议层结构。该协议层结构可以包括控制面协议层结构和用户面协议层结构。例如,控制面协议层结构可以包括无线资源控制(radio resource control,RRC)层、分组数据汇聚层协议(packet data convergenceprotocol,PDCP)层、无线链路控制(radio link control,RLC)层、媒体接入控制(mediaaccess control,MAC)层和物理层等协议层的功能。例如,用户面协议层结构可以包括PDCP层、RLC层、MAC层和物理层等协议层的功能,在一种可能的实现中,PDCP层之上还可以包括业务数据适配协议(service data adaptation protocol,SDAP)层。
(2)集中单元(central unit,CU)和分布单元(distributed unit,DU)。
RAN设备可以包括CU和DU。多个DU可以由一个CU集中控制。作为示例,CU和DU之间的接口可以称为F1接口。其中,控制面(control panel,CP)接口可以为F1-C,用户面(userpanel,UP)接口可以为F1-U。CU和DU可以根据无线网络的协议层划分:比如,PDCP层及以上协议层的功能设置在CU,PDCP层以下协议层(例如RLC层和MAC层等)的功能设置在DU;又比如所示,PDCP层以上协议层的功能设置在CU,PDCP层及以下协议层的功能设置在DU。
可以理解的是,上述对CU和DU的处理功能按照协议层的划分仅仅是一种举例,也可以按照其他的方式进行划分,例如可以将CU或者DU划分为具有更多协议层的功能,又例如将CU或DU还可以划分为具有协议层的部分处理功能。在一种设计中,将RLC层的部分功能和RLC层以上的协议层的功能设置在CU,将RLC层的剩余功能和RLC层以下的协议层的功能设置在DU。在另一种设计中,还可以按照业务类型或者其他系统需求对CU或者DU的功能进行划分,例如按时延划分,将处理时间需要满足时延要求的功能设置在DU,不需要满足该时延要求的功能设置在CU。在另一种设计中,CU也可以具有核心网的一个或多个功能。示例性的,CU可以设置在网络侧方便集中管理。在另一种设计中,将DU的无线单元(radio unit,RU)拉远设置。其中,RU具有射频功能。
可选的,DU和RU可以在物理层(physical layer,PHY)进行划分。例如,DU可以实现PHY层中的高层功能,RU可以实现PHY层中的低层功能。其中,用于发送时,PHY层的功能可以包括添加循环冗余校验(cyclic redundancy check,CRC)码、信道编码、速率匹配、加扰、调制、层映射、预编码、资源映射、物理天线映射、和/或射频发送功能。用于接收时,PHY层的功能可以包括CRC、信道解码、解速率匹配、解扰、解调、解层映射、信道检测、资源解映射、物理天线解映射、和/或射频接收功能。其中,PHY层中的高层功能可以包括PHY层的一部分功能,例如该部分功能更加靠近MAC层,PHY层中的低层功能可以包括PHY层的另一部分功能,例如该部分功能更加靠近射频功能。例如,PHY层中的高层功能可以包括添加CRC码、信道编码、速率匹配、加扰、调制、和层映射,PHY层中的低层功能可以包括预编码、资源映射、物理天线映射、和射频发送功能;或者,PHY层中的高层功能可以包括添加CRC码、信道编码、速率匹配、加扰、调制、层映射和预编码,PHY层中的低层功能可以包括资源映射、物理天线映射、和射频发送功能。
示例性的,CU的功能可以由一个实体来实现,或者也可以由不同的实体来实现。例如,可以对CU的功能进行进一步划分,即将控制面和用户面分离并通过不同实体来实现,分别为控制面CU实体(即CU-CP实体)和用户面CU实体(即CU-UP实体)。该CU-CP实体和CU-UP实体可以与DU相耦合,共同完成RAN设备的功能。
需要说明的是:在上述描述的架构中,CU产生的信令可以通过DU发送给终端设备,或者终端设备产生的信令可以通过DU发送给CU。例如,RRC或PDCP层的信令最终可以被处理为物理层的信令发送给终端设备,或者,由接收到的物理层的信令转变而来。在这种架构下,该RRC或PDCP层的信令,即可以认为是通过DU发送的,或者,通过DU和RU发送的。
可选的,上述DU、CU、CU-CP、CU-UP和RU中的任一个可以是软件模块、硬件结构、或者软件模块+硬件结构,不予限制。其中,不同实体的存在形式可以是不同的,不予限制。例如DU、CU、CU-CP、CU-UP是软件模块,RU是硬件结构。这些模块及其执行的方法也在本公开的保护范围内。
一种可能的实现中,RAN设备包括CU-CP、CU-UP、DU和RU。例如,本公开的方法的执行主体包括DU,或者包括DU和RU,或者包括CU-CP、DU和RU,不予限制。各模块所执行的方法也在本公开的保护范围内。
应理解,图1所示的通信系统中各个设备的数量仅作为示意,本公开并不限于此,实际应用中在通信系统中还可以包括更多的终端设备、更多的RAN设备,还可以包括其它设备,例如可以包括核心网设备,和/或用于实现人工智能功能的节点。
上述图1所示的网络架构可以适用于各种无线接入技术(radio accesstechnology,RAT)的通信系统中,例如4G通信系统,也可以是5G(或者称为新无线(newradio,NR))通信系统,也可以是LTE通信系统与5G通信系统之间的过渡系统,该过渡系统也可以称为4.5G通信系统,或者也可以是未来的通信系统中,例如6G通信系统。本公开描述的网络架构以及业务场景是为了更加清楚的说明本公开的技术方案,并不构成对于本公开提供的技术方案的限定,本领域普通技术人员可知,随着通信网络架构的演变和新业务场景的出现,本公开提供的技术方案对于类似的技术问题,同样适用。
本公开提供的方法除了可以用于接入网设备和终端设备之间的通信,也可以用于其他通信设备之间的通信,例如无线回传链路中宏基站和微基站之间的通信,例如边链路(sidelink,SL)中第一终端设备和第二终端设备之间的通信等,不予限制。本公开以接入网设备和终端设备之间的通信为例进行描述。
本公开提供的方法涉及到机器学习过程,机器学习例如通过神经网络实现。神经网络是机器学习技术的一种具体实现形式。根据通用近似定理,神经网络在理论上可以逼近任意连续函数,从而使得神经网络具备学习任意映射的能力。传统的通信系统需要借助丰富的专家知识来设计通信模块,而基于神经网络的深度学习通信系统可以从大量的数据集中自动发现隐含的模式结构,建立数据之间的映射关系,获得优于传统建模方法的性能。
例如,深度神经网络(deep neural network,DNN)是层数较多的一种神经网络。按照网络结构和使用场景的不同,DNN可以包括前馈神经网络(feedforward neuralnetwork,FNN)、卷积神经网络(convolutional neural networks,CNN)和递归神经网络(recurrent neural network,RNN)等。本公开不限制DNN的具体形式。
本公开中,对于名词的数目,除非特别说明,表示“单数名词或复数名词”,即"一个或多个”。“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。在表示特征时,字符“/”可以表示前后关联对象是一种“或”的关系。例如,A/B,表示:A或B。在表示运算时,符号“/”还可以表示除法运算。另外本公开中,符号“×”也可用符号“*”替换。
本公开提及“第一”、“第二”等序数词是用于对多个对象进行区分,不用于限定多个对象的大小、内容、顺序、时序、应用场景、优先级或者重要程度等。例如,第一模型和第二模型,可以是同一个模型,也可以是不同的模型,且,这种名称也并不是表示这两个模型的参数、优先级、应用场景或者重要程度等的不同。
图2A示出了本公开提供的通信系统10中的一种通信网络架构,后续提供的任一个方法实施例均可适用于该架构。图2A所包括的网络设备,例如为通信系统10所包括的接入网设备20,图2A所包括的终端设备,例如为通信系统10所包括的通信装置30。网络设备与终端设备能够进行通信。
本公开涉及的机器学习技术是人工智能(artificial intelligence,AI)技术的具体实现,为了便于理解,下面对AI技术进行介绍。可以理解的是,该介绍并不作为对本公开的限定。
AI,是一种通过模拟人脑进行复杂计算的技术。随着数据存储和能力的能升,AI得到了越来越多的应用。
如图2B所示,为AI在通信系统中的第一种应用框架的示意图。数据源(datasource)用于存储训练数据和推理数据。模型训练节点(model trainning host)通过对数据源提供的训练数据(training data)进行分析或训练,得到AI模型,且将AI模型部署在模型推理节点(model inference host)中。模型推理节点使用AI模型,基于数据源提供的推理数据进行推理,得到推理结果。该推理结果,由执行(actor)实体统一规划,并发送给一个或多个执行对象(例如,网络实体)去执行。
例如,上述AI模型包括用于生成码字信息的网络。用于生成码字信息的网络被部署在网络设备侧。用于生成码字信息的网络的推理结果例如用于下行数据的预编码。又例如,上述AI模型包括用于提取信道特征信息的网络。其中,用于提取信道特征信息的网络被部署在UE侧。用于提取信道特征信息的网络的推理结果例如会反馈给网络设备,该推理结果可作为用于生成码字信息的网络的输入信息。
如图2C、图2D或图2E所示为AI在通信系统中的第二种应用框架的示意图。
独立于基站的第一AI模块接收训练数据。第一AI模块通过对训练数据进行分析或训练,得到AI模型。针对某个参数,可以是第一AI模块利用相应的AI模型和推理数据进行推理,得到该参数,可参见图2C;或者可以是由第一AI模块将该AI模型的信息发送给位于基站中(或描述为位于RAN中)的第二AI模块,由第二AI模块利用相应的AI模型和推理数据进行推理,得到该参数,可参见图2D。或者,第二AI模块用于推理的AI模型也可以是第二AI模块接收训练数据,并通过对该训练数据进行训练得到的,可参见图2E。其中,该AI模型包括用于生成码字信息的网络,在基站侧,用于生成码字信息的网络的推理结果例如用于下行数据的预编码。可选的,该AI模型包括用于提取信道特征信息的网络,用于提取信道特征信息的网络的模型信息可以被发送给UE,用于UE进行推理。
需要说明的是,在上述图2B至图2E的框架中,AI模型可以简称为模型,其可以看做是从输入的参数(例如输入矩阵)到输出的参数(例如输出矩阵)之间的映射。例如,对于基站侧的用于生成码字信息的网络,输入矩阵可以是根据接收的下行信道的特征信息确定的矩阵。训练数据可以包括已知的输入矩阵,或包括已知的输入矩阵和对应的输出矩阵,用于训练AI模型。训练数据可以是来自基站、CU、CU-CP、CU-UP、DU、RU、UE和/或其它实体的数据,和/或是通过AI技术推理出的数据,不予限制。推理数据包括输入矩阵,用于利用模型推理出输出矩阵。推理数据可以是来自基站、CU、CU-CP、CU-UP、DU、RU、UE和/或其它实体的数据。推理出的矩阵可以看做策略信息,发送给执行对象。推理出的矩阵可以被发送给基站、CU、CU-CP、CU-UP、DU、RU、或UE等,用于进行进一步处理,例如用于生成码字信息。
本公开中,在网络侧,用于生成码字信息的网络可以部署于网络设备(如基站)中,例如部署于RU、DU或第二AI模块中;或者可以部署于独立于网络设备的AI设备(如第一AI模块)中,不予限制。可选的,基站中可以包括一个或多个第二AI模块,例如对于基站中的CU、CU-CP、CU-UP、DU和RU中的至少一个模块,该至少一个模块中的每个可以包括该模型的第二AI模块(第二AI实体),用于实现相应的AI功能。用于生成码字信息的网络的推理结果可以由网络设备进行推理得到,或者可以由第一AI模块进行推理后发送给网络设备。为了简化描述,本公开以用于生成码字信息的网络部署于网络设备中为例进行描述。
本公开中,用于提取信道特征信息的网络部署于UE中,UE可以利用该网络进行推理。
下面结合附图介绍本公开提供的方法。在本公开的各个实施例对应的附图中,用虚线表示的步骤均可以为可选的步骤。在这些方法中,所包括的步骤或操作仅是示例,本公开还可以执行其它操作或者各种操作的变形。此外,各个步骤可以按照本公开呈现的不同的顺序来执行,并且有可能并非要执行全部操作。
由于与波束选择过程相关联的大规模天线系统功耗较大、体积较大、成本较高,因此多部署在网络设备侧,故本公开的各个实施例都是以接入网设备侧的下行波束选择过程为例进行阐述。因为系统,例如时分双工(time division duplexing,TDD)系统,的上下行可以具有互异性,因此本公开各个实施例的方案可以容易地扩展到接入网设备侧的上行接收波束选择过程。例如,接入网设备侧用于向UE进行下行发送的最优波束也可以作为接入网设备从UE进行上行接收时的最优波束。
本公开提供了一种方法。该方法中,接入网设备无需从固定的码本中选择码字,而是可以根据终端设备反馈的下行信道的特征信息得到码字信息。终端设备反馈的下行信道的特征信息是与当前的通信场景较为契合的,根据该特征信息所生成的码字信息对应的发送波束也就能够适应当前的通信场景。例如,在不同的通信场景下,该方法可以根据终端设备所反馈的下行信道的特征信息得到适用于该场景的码字信息。码字信息例如与波束相对应,通过本公开提供的方法,能够得到与通信场景较为匹配的波束,从而能够提高通信性能。下面通过一些实施例来介绍该方法。
请参考图3,为本公开提供的第一种通信方法的流程图。
可选的,S301、UE向接入网设备发送能力信息。相应的,接入网设备从UE接收该能力信息。该能力信息可指示该UE的部分能力或全部能力。
例如,UE可在接入该接入网设备时向该接入网设备发送能力信息,或者,UE也可以在接入该接入网设备之后再向该接入网设备发送能力信息。UE可以主动向接入网设备发送能力信息,或者UE也可以在收到接入网设备用于请求能力信息的消息后再向接入网设备发送该能力信息。该能力信息可指示如下一项或多项:该UE是否支持神经网络模型,该UE支持的神经网络模型的类型,该UE的算力信息,该UE的存储能力信息,该UE的位置信息,该UE的射频通道数,该UE的天线配置信息,或,该UE的传感器配置信息。其中,该UE支持的神经网络模型的类型例如包括CNN、RNN或随机森林模型中的一种或多种,或者该UE也可支持其他类型的神经网络模型。该UE的存储能力信息例如指示该UE可用于存储神经网络模型的存储空间的大小;和/或,例如该UE的存储能力信息可指示该UE能够存储的神经网络的规模,例如可指示该UE能够存储的以下一项或多项:神经网络的个数或最大个数、其中每个神经网络的层数或最大层数、其中每个神经网络包括的神经元个数或最大个数、或其中每个神经网络的参数的个数或最大个数。该UE的算力信息可以指示该UE运行神经网络模型的计算能力信息,例如指示该UE的处理器的运算速度和/或该UE的处理器能够处理的数据量大小等信息;和/或,该UE的算力信息可指示该UE能够支持的神经网络的复杂程度,例如可指示该UE能够支持的神经网络的层数或最大层数、包括的神经元的个数或最大个数、或神经网络的参数的个数或最大个数中的一项或多项。该UE的位置信息能够指示该UE所处的信道环境,或者理解为,该UE的位置信息可指示该UE对应的下行信道的类型。该UE的天线配置信息(例如可配置该UE的天线个数、极化方向、或天线面板数中的一项或多项)和/或传感器配置信息可用于确定该UE对应的神经网络和/或对应的探测码本。
例如该能力信息指示该UE是否支持神经网络模型。对于接入网设备来说,如果该UE不支持神经网络模型,则接入网设备可以不向该UE发送相应的神经网络模型,例如本公开涉及第二类模型,第二类模型是用于提取信道特征信息的模型,第二类模型是UE所应用的,接入网设备会将第二类模型的信息发送给UE。但如果UE不支持神经网络模型,则接入网设备可以不向UE发送第二类模型的信息。在这种情况下,接入网设备也可以不应用第一类模型(用于生成码字信息的模型),或者接入网设备可以继续应用第一类模型,但UE不应用第二类模型。
又例如,该UE的能力信息指示UE支持的神经网络模型的类型,则接入网设备在训练模型时可参考该UE的能力信息,例如可训练该UE能够支持的神经网络模型。
再例如,该UE的能力信息指示该UE的算力信息,则接入网设备在训练神经网络模型时可参考该UE的能力信息,例如接入网设备所训练的部分或全部第二类模型可以符合该UE的算力信息。
该UE的天线配置信息例如包括该UE的天线的数量和/或天线的极化方向等信息。该UE的传感器的信息例如包括该UE的传感器的类型信息和/或该UE的传感器的参数,该UE的传感器的类型信息可指示该UE所具有的传感器的类型,例如该UE具有GPS、姿态传感器、运动传感器等。
可理解为,如果UE向接入网设备发送了能力信息,则接入网设备在训练神经网络模型或者在向终端设备配置(或,发送)神经网络模型时,可参考该UE的能力信息,使得神经网络模型与UE的能力更为契合。但S301是可选的步骤,即,UE也可以不向接入网设备发送能力信息。如果该方法不包括S301或者接入网设备未接收来自UE的能力信息,则接入网设备在训练神经网络模型或者在向终端设备配置(或,发送)神经网络模型时,可不必参考该UE的能力信息;或者,接入网设备也可以通过该UE的签约信息获得该UE的能力信息,而不必由该UE额外上报。
可选的,S302、接入网设备获得第一类模型,第一类模型例如为神经网络模型。
例如,接入网设备可通过训练得到第一类模型;或者,也可以由第三方训练得到第一类模型,第三方例如为AI节点或AI实体等,AI节点或AI实体训练后可将第一类模型发送给接入网设备,接入网设备可直接应用,其中,可选地,AI实体可以位于核心网设备中或者操作、管理和维护(operation,administration and maintenance,OAM)中,OAM可以简称为网管;或者,第一类模型也可以通过协议规定,无需在线训练,例如通过离线训练得到第一类模型后将该第一类模型的信息约定于协议中;或者,接入网设备还可以通过其他方式获得第一类模型,例如从外部(例如从核心网设备、OAM或其他设备)下载等。
第一类模型可用于根据信道的特征信息确定码字信息。例如,第一类模型的输入信息可以包括信道的特征信息,输出信息可以包括码字信息;再例如,接入网设备可以对信道的特征信息进行加工处理后得到第一模型的输入信息,从而可以通过第一模型得到码字信息。因此第一类模型也可以称为码字生成模型、波束生成模型、或传输波束生成模型等,对于名称不做限制。信道的特征信息可用来得到第一模型的输入信息或者得到第一模型的部分输入信息。
例如,第一类模型的输入为信道的特征信息,其格式为B×1的向量,因此信道的特征信息也可以称为信道特征信息向量。其中B为正整数。信道特征信息向量中的元素为经过量化的数字,量化位宽为Q。
第一类模型的输出为码字信息,码字信息可理解为是码字的信息,对应于码字,码字可用于对下行数据进行预编码,其中,对下行数据进行预编码可以实现对下行数据的波束赋形。码字的信息可以是码字本身,或者,码字的信息不是码字本身,但根据码字的信息能够得到码字。例如,码字是一维向量,因此“码字”也可以称为“码字向量”。码字向量约定了每根天线或每个天线端口的加权系数,码字向量的元素个数等于天线数量,码字向量的每个元素都可以是复数。例如有F个天线或F个天线端口,对应的码字向量为[w1,……,wF],其中复数wi也可以表示为其中,j为虚数单位,其平方等于-1,ai表示wi的幅度,φi表示wi的相位。因此码字向量也可以视为由幅度向量和相位向量构成,如幅度向量为[a1 … aF],相位向量为[φ1 … φF]。如果根据码字信息能够得到码字,那么码字信息可以有多种呈现形式。例如,码字信息的一种实现形式为,码字信息是维度为F×1的向量,其中F为接入网设备的天线或天线端口个数,其元素可以为复数。又例如,码字信息的另一种实现形式为,码字信息是维度为F×2的矩阵,其中F为接入网设备的天线或天线端口个数,该矩阵的第一列(维度为F×1的向量)中的元素为实数,表征F个天线或天线端口的振幅,该矩阵的第二列(也是维度为F×1的向量)中的元素为实数,表征F个天线或天线端口的移相器的相移量。例如一种码字信息包括天线i的幅度ai以及相位φi,i取从1至F的整数。那么根据该码字的信息可得到,该码字的信息对应的码字中,第i个天线或天线端口的复数表达为ai*cosφi+j*ai*sinφi,也就是说,根据该码字的信息可得到码字,也就是得到了该码字的信息对应的码字。
本公开以接入网设备训练第一类模型为例。接入网设备根据训练数据进行训练,以得到第一类模型。例如本公开中接入网设备可得到M1个第一类模型,M1为大于或等于1的整数。一般来说,用于训练模型的训练数据可能包括多个,因此也可以认为接入网设备是通过训练数据集来训练得到M1个第一类模型,该训练数据集可包括一个或多个训练数据。其中,训练数据例如为下行信道样本,因此该训练数据集可包括一个或多个下行信道样本。在得到该训练数据集后,接入网设备就可据此训练得到M1个第一类模型。接入网设备获得该训练数据集的方式可能有多种。例如,接入网设备覆盖的至少一个UE可以对下行信道进行估计,并向接入网设备发送信道估计信息,例如一个UE可向接入网设备发送一个(或者,一份)信道估计信息,则接入网设备可接收至少一个信道估计信息,至少一个信道估计信息中的部分或全部可以作为该训练数据集所包括的训练数据。又例如,第二模型可用于生成训练数据,则接入网设备可通过第二模型获得该训练数据集。第二模型例如为协议规定的,或者第二模型也可以是UE训练得到的,或者第二模型也可以是接入网设备训练得到的。可选的,下行信道样本例如是指下行信道响应,例如对于UE的接收信号Y来说,Y=C*d+n,C表示下行信道响应,d表示网络设备发送的下行信号,n表示噪声。
在实际通信中,通信场景多种多样,相应的信道类型也可能有所不同。例如,广场、地铁站、办公室、或小巷等通信场景所对应的信道类型是各不相同的。那么,训练出的模型如果与实际通信环境越匹配,例如与信道类型匹配,则该模型的应用效果会越好。一个第一类模型可能较难适用于所有的信道类型,因此,M1可以大于1,M1个第一类模型中的每个第一类模型可以适用于一种或多种信道类型,不同的第一类模型所适用的信道类型可能相同,也可能不同,或者不完全相同。例如,一个第一类模型适用于信道类型1,另一个第一类模型也适用于信道类型1,视为这两个第一类模型适用的信道类型相同。又例如,一个第一类模型适用于信道类型1和信道类型2,另一个第一类模型适用于信道类型3,视为这两个第一类模型适用的信道类型不同。再例如,一个第一类模型适用于信道类型1和信道类型2,另一个第一类模型适用于信道类型1,或适用于信道类型1和信道类型3,都视为这两个第一类模型适用的信道类型不完全相同。
或者,第一类模型也可以不与信道类型相关,例如对于一个第一类模型来说,任何信道类型都可适用。
如果第一类模型与信道类型相关,要使得一个第一类模型适用于一种信道类型,一种实现方式为,通过该信道类型对应的训练数据集来训练得到该第一类模型。即,模型的训练数据集可以与信道类型相关。在这种情况下,如果M1大于1,且这些第一类模型对应的信道类型有所不同,则用于训练得到这些第一类模型的训练数据集也可能不同。例如一个第一类模型对应于信道类型1,则用于训练得到该第一类模型的训练数据集适用于信道类型1,另一个第一类模型对应于信道类型2和信道类型3,则用于训练得到该第一类模型的训练数据集适用于信道类型2和信道类型3。例如M1个第一类模型中包括第一模型,第一模型例如用于接入网设备与S301所述的UE之间。用于训练得到第一模型的训练数据集可以称为第一训练数据集,第一训练数据集适用于第一模型对应的信道类型,或者说,适用于接入网设备与该UE之间的下行信道的信道类型。
要得到与信道类型相关的训练数据集,可以有多种方式。例如,接入网设备覆盖的至少一个UE可以对下行信道进行估计,并向接入网设备发送信道估计信息,例如一个UE可向接入网设备发送一个(或者,一份)信道估计信息,则接入网设备可接收至少一个信道估计信息。接入网设备可对至少一个信道估计信息进行聚类,得到适用于第一信道类型的A个信道估计信息,这A个信道估计信息就可以作为用于训练对应于第一信道类型的第一类模型的训练数据集中的A个训练数据。也就是说,至少一个信道估计信息中的A个信道估计信息可属于该训练数据集,A个信道估计信息对应于(或,适用于)第一信道类型。这里所述的信道估计信息,例如为信道响应的估计信息,即,对于下行信道响应的估计信息。例如在前文介绍了,对于UE的接收信号Y来说,Y=C*d+n,其中C表示下行信道响应,那么信道估计信息例如为对于C进行估计得到的信息。
又例如,接入网设备覆盖的至少一个UE可以对下行信道进行估计,并向接入网设备发送信道估计信息,例如一个UE可向接入网设备发送一个(或者,一份)信道估计信息,则接入网设备可接收至少一个信道估计信息。接入网设备可根据至少一个UE的位置信息,从至少一个信道估计信息中确定A个信道估计信息,这A个信道估计信息适用于第一信道类型,这A个信道估计信息就可以作为用于训练对应于第一信道类型的第一类模型的训练数据集中的A个训练数据。例如,接入网设备根据至少一个UE的位置信息,可确定与至少一个UE中的每个UE之间的下行信道的类型,例如确定与至少一个UE中的A个UE之间的下行信道的类型为第一信道类型,则这A个UE所发送的信道估计信息就适用于第一信道类型。
再例如,第二模型例如为协议规定的,第二模型可用于生成对应于第一信道类型的训练数据。
还例如,第二模型是UE训练得到的,或者第二模型也可以是接入网设备训练得到的。例如UE或接入网设备可根据机器学习方法,训练出符合实际信道概率分布的第二模型,即,第二模型适用于第一信道类型。
或者,第一类模型也可以是其他设备进行训练,例如其他设备可以获得相应的训练数据集来训练M1个第一类模型,训练好之后可以发送给接入网设备,或者接入网设备可主动到其他设备处下载得到M1个第一类模型。其他设备的训练方式例如参考上述的接入网设备的训练方式。
或者,第一类模型也可以通过协议预定义,则无需通过训练得到第一类模型,那么可不必执行S302。
另外,在本公开中,接入网设备可以根据探测码本确定码字信息,例如将根据探测码本确定的码字信息称为探测信号码字信息。探测信号码字信息对应的码字称为探测信号码字,探测信号码字用于发送探测信号,例如一个探测信号码字可用于对相应的探测信号进行预编码。探测码本例如通过协议规定,或者由接入网设备配置。探测码本的数量例如为一个或多个,接入网设备可使用其中一个探测码本。例如,接入网设备得到的M1个第一类模型中的每个第一类模型都能够适用于所有的探测码本;或者,如果M1大于1,这多个第一类模型可能对应各自的探测码本,例如M1个第一类模型中,至少有两个第一类模型对应的探测码本不同。
例如对于一个第一类模型来说,可以对应一种或多种信道类型,也可以对应一个或多个探测码本。
第一类模型由接入网设备应用,例如接入网设备可从UE接收下行信道的特征信息,从而可根据第一类模型确定码字信息。
可选的,S303、接入网设备获得第二类模型,第二类模型例如为神经网络模型。
例如,接入网设备可通过训练得到第二类模型;或者也可以由第三方训练得到第二类模型,第三方例如为AI节点或AI实体等,AI节点或AI实体训练后可将第二类模型发送给接入网设备,接入网设备可直接应用,其中,可选地,AI实体可以位于核心网设备中或者OAM中;或者,第二类模型也可以通过协议规定,无需在线训练,例如通过离线训练得到第二类模型后将该第二类模型的信息约定于协议中;或者,接入网设备还可以通过其他方式获得第二类模型,例如从外部(例如从核心网设备、OAM或其他设备)下载等。
第二类模型可用于根据接收的探测信号的信息确定信道的特征信息,例如,第二类模型的输入信息可以包括探测信号的信息,输出信息可以包括信道的特征信息,因此,第二类模型也可以称为信道特征提取模型或特征提取模型等,对于名称不做限制。可选的,本公开通过约定第二类模型的输出维度,可以约束第二类模型输出的信道的特征信息的维度。例如在训练第二类模型时可以约定,输入是信号的信息(例如探测信号的信息),且第二类模型的输出维度是一定的,例如称为第一维度,那么在将信号的信息输入第一类模型后,第一类模型输出的第一维度的信息就是信道的特征信息。该过程可以看做提取信道的特征信息。本公开的各个实施例中,探测信号例如为参考信号,参考信号例如包括信道状态信息(channel state information,CSI)-参考信号(reference signal,RS)或同步信号块(synchronization signal block,SSB)等。
例如,第二类模型的输入为探测信号的信息,例如探测信号的信息的维度为D×1,其中D为接入网设备发送的探测信号的个数,即,接入网设备发送的预编码数据的个数。探测信号的信息可以是指UE接收到的探测信号的信息,例如根据前文介绍可知,Y=C*d+n,d表示网络设备发送的探测信号,Y就表示UE接收到的探测信号的信息。
例如,第二类模型的输出为信道的特征信息,或者说是信道特征信息向量,信道特征信息向量为约定维度的信号,可将第二类模型输出的信道特征信息向量表示为z=[z1,z2,…,zM],其中M为约定的输出维度,也就是第二类模型的输出维度。例如一种信道特征信息向量为维度是B×1的向量,其中B为正整数。另外,信道特征信息向量里的元素可以为经过量化的数字,量化位宽为Q。
第一类模型由接入网设备应用,第二类模型由UE应用。第一类模型可以根据输入的信道特征信息确定码字信息,而第二类模型用于提取信道特征信息。例如第二类模型的输出信息可作为第一类模型的输入信息,因此,第一类模型与第二类模型可以相互对应。例如第一类模型的数量与第二类模型的数量相等,例如均为M1,且第一类模型与第二类模型是一一对应的关系。以接入网设备训练得到第二类模型为例,为了使得第一类模型与第二类模型相对应,可选的,接入网设备可以对第一类模型和第二类模型进行联合训练。那么,第二类模型也可以通过用于训练第一类模型的训练数据集训练得到。如果用于训练第一类模型的训练数据集有多个,那么对于相对应的一对第一类模型和第二类模型,可使用同一个训练数据集。例如,M1个第二类模型包括第三模型,第三模型与前文所述的M1个第一类模型中的第一模型相对应,也就是说,第三模型适用于S301所述的UE。第一模型是通过第一训练数据集训练得到的,那么第三模型也可以通过第一训练数据集训练得到。关于训练数据集的介绍可参考前文。或者,在训练第二类模型时,除了应用训练数据集外,还可以应用UE的辅助信息,也就是说,第二类模型可以根据该训练数据集和UE的辅助信息训练得到。例如,如果第二类模型与信道类型之间没有对应关系,那么用于训练M1个第二类模型中的任一个第二类模型的辅助信息可能来自接入网设备服务的部分或全部UE,且用于训练不同的第二类模型的辅助信息可能来自相同的UE,或者来自不完全相同的UE,或者来自完全不同的UE。或者,如果第二类模型与信道类型之间具有对应关系,那么用于训练与某种信道类型对应的第二类模型的辅助信息,可能来自与接入网设备之间的下行信道是该信道类型的UE,也就是说,如果接入网设备获得了多个UE的辅助信息,则接入网设备可以确定这些UE与接入网设备之间的下行信道的类型,从而这些UE的辅助信息可能用于训练不同的第二类模型。例如,用于训练第三模型的辅助信息中,可能包括S301所述的UE的辅助信息。或者,即使第二类模型与信道类型之间具有对应关系,用于训练第二类模型的辅助信息也可以不区分信道类型,即,用于训练对应于不同信道类型的第二类模型的辅助信息可能来自相同的UE,或者来自不完全相同的UE,或者来自完全不同的UE。
一个UE的辅助信息例如包括如下一种或多种:UE的位置信息,UE的速度信息,UE的加速度信息,UE的姿态信息,或,UE的移动方向信息。除此之外,UE的辅助信息还可以包括其他信息,例如包括来自拍摄装置(例如照相装置和/或摄像装置等)的图像和/或视频等信息,该拍摄装置可以设置在该UE内部,作为该UE的功能模块;或者,该拍摄装置与该UE相互独立,但该拍摄装置能够与该UE通信;或者,该拍摄装置能够与接入网设备通信,从而可以直接将UE的辅助信息发送给接入网设备,而无需经过UE的转发。另外,UE的姿态信息例如包括UE在空间中的俯仰信息、倾斜信息、或旋转信息中的一项或多项,或者还可包括UE在空间中的其他姿态信息。例如,可将UE的姿态信息理解为UE的法线方向在三维坐标系中的指向。
可选的,在训练得到第二类模型后,如果第二类模型的训练过程使用了UE的辅助信息,那么在UE使用第二类模型时,可将UE的辅助信息与UE所接收的参考信号的信息一并输入第二类模型,UE的辅助信息可以辅助提取下行信道的特征信息,使得第二类模型提取的下行信道的特征信息更为准确。例如,处于同一地理位置、且移动方向相同的UE的信道反射路径应该是相似,信道的多径个数与方向也应该是相似;又例如,根据UE的速度和/或加速度等可以推断出UE的移动轨迹,由此可预测信道多径个数和/或主径角度的变化范围等,可用于设计接入网设备所得到的码字信息对应的发送波束的指向或宽度等;再例如,UE的辅助信息还包括来自拍摄装置的图像和/或视频等信息,这些信息可用于推断信道的遮挡情况,从而预测信道中多径的方向和个数等。在训练一个第二类模型时可能用到多个UE的辅助信息,例如在训练对应于某种信道类型的第二类模型时,可能用到与该接入网设备之间的下行信道的类型是该信道类型的一个或多个UE的辅助信息。对于给定UE,该UE在使用第二类模型时,输入第二类模型的辅助信息可以包括该UE的辅助信息。
例如,接入网设备可通过仿真平台获得一个或多个UE的辅助信息,或者,该接入网设备服务的部分或全部UE可向该接入网设备发送辅助信息,则接入网设备可以获得一个或多个UE的辅助信息。
与第一类模型类似的,对于一个第二类模型来说,可以对应一种或多种信道类型,也可以对应一个或多个探测码本。可选的,如果第二类模型与信道类型相对应,且UE的辅助信息也参与对于第二类模型的训练,那么接入网设备在训练一个第二类模型时所使用的辅助信息,可以是与该第二类模型对应的信道类型相对应的UE的辅助信息。例如接入网设备训练第二类模型A,第二类模型A对应于信道类型A,则接入网设备可利用对应于信道类型A的UE(可理解为,接入网设备与该UE之间的下行信道的类型为信道类型A)的辅助信息和第一训练数据集来训练第二类模型A。
接入网设备对于第一类模型和第二类模型进行联合训练,训练的损失函数例如为:使用第一类模型输出的码字信息对应的波束发送参考信号,该参考信号经过下行信道传输后,UE所接收的信号强度。针对损失函数来优化模型参数时可采用较为成熟的反向传播方法,例如随机梯度下降法,通过迭代算法得到最优的模型参数,这种训练方法属于无监督学习方式。所谓的无监督学习,是指依据采集到的样本,利用算法自行发掘样本的内在模式。
可参考图4,为接入网设备对第一类模型和第二类模型进行联合训练的一种示意图。根据图4可知,训练过程例如包括:接入网设备发送参考信号(图4中的探测信号),参考信号经过下行信道传输到达UE,UE使用第二类模型提取信道的特征信息,并将信道的特征信息发送给接入网设备;接入网设备将所接收的信道的特征信息输入第一类模型,从而得到第一类模型输出的码字信息,并使用该码字信息继续发送参考信号,该参考信号经过下行信道到达UE后,UE可确定接收信号强度。
可再参考图5A和图5B,图5A为一种第一类模型的示例图,图5B为一种第二类模型的示例图。图5A中,第一类模型的输入信息首先经过5层卷积神经网络,且在第二层卷积神经网络、第三层卷积神经网络处引入了跳线的结构,5层卷积神经网络的输出会经过2层全连接神经网络,最后输出码字信息。图5B中,第二类模型的输入信息首先经过4层卷积神经网络,4层卷积神经网络的输出再经过3层全连接神经网络,最后输出信道的特征信息。其中,图5A和图5B所示的模型的结构只是示例,例如,第一类模型的结构也可以不是图5A所示的结构,例如第一类模型也可能只包括卷积网络,或者出了包括卷积网络和全连接层网络外还可以包括其他网络,对于第二类模型来说也是类似的。
可选的,第一类模型的结构与第二类模型的结构可以相同,例如第一类模型与第二类模型的结构均可参考图5A。或者,第一类模型的结构与第二类模型的结构也可以不同,例如第一类模型的结构参考图5A,第二类模型的结构参考图5B。可选的,如果第一类模型与第二类模型的结构相同,则第一类模型与第二类模型可能完全相同,即,第一类模型与第二类模式实际上是同一个模型,只是部署在不同的节点中;或者,如果第一类模型与第二类模型的结构相同,则第一类模型与第二类模型也可能不完全相同或完全不同,即,第一类模型与第二类模式是不同的模型。例如,对于具有相同结构的第一类模型和第二类模型,它们的神经网络参数如果完全相同,则视为这二者完全相同;或者,如果它们的神经网络参数不完全相同(例如一部分相同,而另一部分不相同),则视为这二者不完全相同;或者,如果它们的神经网络参数完全不同,则视为这二者完全不同。神经网络参数例如包括神经元的权重参数和/或激活函数等。
或者,第二类模型也可以是其他设备(例如核心网设备或OAM等)进行训练,例如其他设备可以获得相应的训练数据集来训练M1个第二类模型,或者其他设备可以获得相应的训练数据集以及UE的辅助信息来训练M1个第二类模型,训练好之后可以发送给接入网设备,或者接入网设备可主动到其他设备处下载得到M1个第二类模型。其他设备的训练方式例如参考上述的接入网设备的训练方式,例如,如果第一类模型和第二类模型都由同一个设备训练,则该设备也可以采用联合训练的方式等。
第二类模型由UE应用,例如UE从接入网设备接收探测信号,从而可通过第二类模型提取信道的特征信息。但还有可能,UE可直接根据接收的探测信号的信息确定信道的特征信息,无需应用第二类模型。如果是这种情况,则接入网设备可无需训练得到第二类模型,则S303可不必执行。
还有可能,第二类模型通过协议预定义,那么S303不必执行。
以第一类模型和第二类模型通过训练得到为例(接入网设备训练,或第三方训练),可以采用离线训练方式,即,在数据传输过程开始之前就训练得到第一类模型和/或第二类模型,S302和S303可认为是离线训练方式。或者,对于第一类模型和/或第二类模型也可以采用在线训练方式,即,可在后续的接入网设备与UE进行数据传输的过程中训练第一类模型和/或第二类模型,以不断优化第一类模型和/或第二类模型。或者,也可以通过离线方式和在线方式一并训练第一类模型和/或第二类模型,使得所训练的模型更为准确。
可选的,S304、接入网设备向UE发送第二类模型的信息。相应的,UE从接入网设备接收第二类模型的信息。
接入网设备得到了M1个第二类模型,则可以将这M1个第二类模型中的部分或全部第二类模型的信息发送给UE。例如接入网设备采用广播的方式发送M1个第二类模型的信息;或者接入网设备可确定UE适用的第二类模型(例如接入网设备根据与UE之间的信道类型确定UE适用的第二类模型),则将UE适用的第二类模型的信息发送给该UE,无需将M1个第二类模型的信息均发送给该UE,能够减少冗余传输过程。
第二类模型的信息例如包括第二类模型的结构信息、参数、或索引中的一项或多项。其中,神经网络的结构信息例如用于指示以下至少一项:神经网络的层数、神经网络中各层的神经元个数、神经网络中各层的输入维度和/或输出维度、或神经网络中层与层之间的级联结构。神经网络的参数例如用于指示该神经网络包括的神经元的权重参数和/或激活函数。如果第二类模型有多个,则每个第二类模型可以对应一个唯一的索引,接入网设备可将第二类模型对应的索引发送给UE。
为了减小发送第二类模型的空口开销,接入网设备可以对第二类模型进行压缩,则S304中发送的可以是压缩的第二类模型。模型压缩的方法包括但不限于模型剪枝、模型蒸馏、或模型量化等一种或多种。模型剪枝是指将第二类模型的部分参数发送给UE,而剩余参数则不发送,UE得到的就是第二类模型的部分参数,不会得到剩余参数。这相当于剪去了部分参数,以节省传输开销。模型蒸馏是指根据第二类模型得到第三类模型,第三类模型的规模小于第二类模型的规模,可理解为,第二类模型是规模较大的模型,第二类模型对应的参数的数量可能较多,而第三类模型是规模较小的模型,第三类模型对应的参数的数量可能较少,则接入网设备在S304中发送的可以是第三类模型,这样也能减小传输开销。UE就直接应用第三类模型即可,可理解为,UE将第三类模型作为第二类模型来应用。模型量化是指,第二类模型的参数例如为浮点数,则接入网设备可以对第二类模型的参数进行量化,在S304中接入网设备所发送的第二类模型的参数可以是量化参数,由此也能减小传输开销。
可选的,S305、接入网设备确定探测码本。
例如接入网设备维护有一个或多个探测码本,这一个或多个探测码本可以是接入网设备设置的,或者也可以通过协议规定。如果接入网设备维护了多个探测码本,那么这多个探测码本所包括的码字对应的如下一项或多项可能不同:探测波束的数量,探测波束的波瓣宽度,探测波束覆盖的角度范围,或,探测波束的形状。其中,一个探测码本可包括一个或多个码字,其中的每个码字都可对应一个波束。
本公开中,为了以较少的探测波束覆盖全部可能的信道径的方向,探测码本所包括的码字对应的探测波束可以具有较宽的主瓣,能够覆盖较大的范围。因此,UE接收的探测信号可包括尽可能多的方向角度,则UE所确定的下行信道的特征信息可以尽量全面得反映下行信道中各个方向径的信息,使得接入网设备根据下行信道的特征信息能够确定与下行信道的主要径的方向尽量对准的码字信息。而且由于探测波束的主瓣较宽,因此接入网设备无需发送过多的探测信号,例如探测码本所包括的码字的数量可以小于第二阈值,这样也能够减小信令开销。
例如,在执行S305之前,UE还可向接入网设备发送状态指示信息,相应的,接入网设备从UE接收状态指示信息。状态指示信息可请求(或,指示)发起波束对准过程,或者,状态指示信息可请求(或指示)重新确定下行发送波束(或者重新确定下行的码字信息)。例如,UE和接入网设备之间已有用于通信的波束,UE与接入网设备可利用原有的波束正常通信。原有的波束可能是通过本公开的方式确定的,也可能是通过其他方式确定的。在通信过程中,如果UE认为接收的信号强度过低,例如UE确定接收的信号的参考信号接收功率(reference signal receiving power,RSRP)或参考信号接收质量(reference signalreceiving quality,RSRQ)等低于阈值a,则可以向接入网设备发送状态指示信息,请求重新确定下行发送波束,以提高接收的信号强度。对于UE会发送状态指示信息的方案来说,如果接入网设备接收了状态指示信息,则可执行S305,而如果接入网设备未接收状态指示信息,则可不必执行S305以及后续步骤。
或者,UE向接入网设备发送的也可以不是状态指示信息,而是请求信息,该请求信息例如占用一个或多个比特(bit)。以该请求信息占用1个比特为例,如果该比特的取值为“1”,表明请求(或,指示)发起波束对准过程,或表明请求(或,指示)重新确定下行发送波束(或重新确定下行的码字信息),而如果该比特的取值为“0”,表明无需发起波束对准过程,或表明无需重新确定下行波束(或无需重新确定下行的码字信息)。其中,0和1所表征的内容可以进行交换。或者,无论该请求信息占用多少个比特,如果UE向接入网设备发送了该请求消息,表明请求(或,指示)发起波束对准过程,或表明请求(或,指示)重新确定下行发送波束(或重新确定下行的码字信息);而如果UE未发送该请求信息,表明无需发起波束对准过程,或表明无需重新确定下行波束(或无需重新确定下行的码字信息)。
或者UE也可以既不发送状态指示信息也不发送请求信息,对于这种方案来说,接入网设备可根据自身需要执行S305。
如果接入网设备仅维护了一个探测码本,那么接入网设备可直接确定该探测码本,或者也可以认为S305在这种情况下不必执行。或者,如果接入网设备维护了多个探测码本,那么在S305中,接入网设备可从多个探测码本中确定一个探测码本。接入网设备从多个探测码本中确定一个探测码本,一种方式为,根据状态指示信息确定。例如,接入网设备根据状态指示信息,可从多个探测码本中选择与当前的信道环境(即,接入网设备与该UE之间的下行信道)相适应的探测码本。例如状态指示信息(或,请求信息)还可以指示或包括如下一项或多项:UE的接收信号强度信息(例如通过RSRP和/或RSRQ等参数表示),UE的位置信息,或,UE的运动状态信息。UE的运动状态信息例如包括UE的运动速度和/或UE的运动方向等。例如,状态指示信息(或,请求信息)包括UE的运动状态信息,UE的运动状态信息指示该UE处于高速移动场景,则接入网设备可选择波瓣宽度较宽的探测码本,以对抗移动性;又例如,状态指示信息(或,请求信息)包括UE的位置信息,UE的位置信息指示UE处于地铁站台等狭小空间,则接入网设备可选择所覆盖的角度范围集中在一定区域内的探测码本,以提高发送准确性;再例如,状态指示信息(或,请求信息)包括UE的接收信号强度信息,接入网设备根据UE的接收信号强度信息以及接入网设备存储的历史发送波束的信号强度确定UE的接收信号强度在一段时间内都较弱,表明该UE可能距离接入网设备较远,那么接入网设备可需选择波瓣宽度较窄的探测码本,以提高波束增益,扩大探测波束的覆盖范围。
或者,如果状态指示信息(或,请求信息)不包括也不指示如上信息,则接入网设备也可根据其他方式从多个探测码本中确定一个探测码本。例如接入网设备可随机选择探测码本,或者接入网设备已预先获知与UE之间的下行信道的类型,也可据此确定探测码本。
可选的,S306、接入网设备确定第一模型,或者说,接入网设备从M1个第一类模型中确定第一模型。一种可能的方法中,M1=1,该第一类模型就作为第一模型。一种可能的方法中,如果M1=1,则该第一类模型就作为第一模型,如果M1>1,则接入网设备从多个第一类模型中选择一个作为第一类模型。
第一模型是与UE所匹配的第一类模型。例如接入网设备获得了多个第一类模型,不同的第一类模型可能适用于不同的信道类型,那么接入网设备可根据与UE之间的下行信道的类型,从多个第一类模型中确定一个作为第一模型。
可选的,接入网设备可根据状态指示信息(或,请求信息)确定该UE所适用的第一类模型,例如接入网设备从UE接收状态指示信息(或,请求信息),根据状态指示信息(或,请求信息)可确定该UE与接入网设备之间的下行信道的类型,从而可以确定与该类型相匹配的第一模型。或者,接入网设备也可根据其他方式确定UE所适用的第一模型,例如接入网设备根据UE的身份号(ID)确定该UE所适用的第一模型。
S305与S306可以同时发生,或者S305可以发生在S306之前,或者S305也可以发生在S306之后。
可选的,S307、接入网设备向UE发送第一指示信息。相应的,UE从接入网设备接收第一指示信息。
第一指示信息例如指示第三模型。例如,接入网设备已向UE发送了M1个第二类模型的信息,其中的每个第二类模型可对应一个索引。第三模型是M1个第二类模型中的一个,那么第一指示信息可包括第三模型的索引,从而通过第三模型的索引就可指示第三模型,UE根据第一指示信息包括的索引就能从M1个第二类模型中确定第三模型。接入网设备选用了第一模型,例如第三模型与第一模型相对应,从而接入网设备与该UE可应用相对应的一对模型。或者,也可以不执行S304,则第一指示信息可包括第三模型的信息,通过包括第三模型的信息来指示第三模型。第三模型的信息例如包括第三模型的结构、参数、或第三模型在M1个第二类模型中的索引中的一项或多项。相当于,接入网设备不必提前将M1个第二类模型的信息发送给UE,而是在确定UE所使用的第三模型后,将第三模型的信息发送给UE,这样可节省发送模型所带来的信令开销。或者,可不执行S304,协议中可能预定义了若干第二类模型及每个第二类模型唯一对应的索引。例如,UE出厂时已内置了协议中预定义的部分或全部第二类模型,这些第二类模型中包括第三模型,则接入网设备可以直接将其中第三模型的索引发送给UE,也就是向UE发送第一指示信息,UE可使用该索引对应的第三模型,接入网设备无需向UE发送第三模型具体的结构和参数等信息,以节省信令开销。
但UE在请求发起波束对准过程时,可能表明UE的接收信号强度较差,如果此时发送第三模型的信息,可能发送成功率会较低。因此接入网设备通过S304提前将一个或多个第三类模型的信息发送给UE,可以提高模型发送的成功率。因此,提前发送第三类模型和不提前发送第三类模型这两种方案各有优劣,可灵活选择应用。
可选的,第一指示信息还可以指示或包括接入网设备所使用的探测码本的信息,探测码本的信息例如包括该探测码本所包括的码字的数量,或者还可包括其他信息。
可选的,S308、接入网设备根据探测码本,向UE发送探测信号。相应的,UE从接入网设备接收探测信号。
接入网设备所选择的探测码本可能包括一个或多个码字,接入网设备可根据探测码本包括的部分或全部码字来发送探测信号。其中,一个码字对应一个发送波束,该码字用于对探测信号进行预编码,则发送该探测信号时的波束为该码字对应的发送波束。该发送波束也可称为探测波束。接入网设备通过一个探测波束可发送一个探测信号。在S308中接入网设备可根据探测码本包括的部分或全部码字来发送探测信号,因此,接入网设备可发送一个或多个探测信号。例如,接入网设备根据探测码本可确定K个码字,因为探测码本包括的码字是用于发送探测信号,因此这K个码字也可以称为探测信号码字。例如这K个探测信号码字包括在该探测码本中,这K个探测信号码字是探测码本包括的部分或全部码字,K为正整数,即探测码本包括的码字个数大于或等于K。一个探测信号码字用于发送一个探测信号(可理解为,一个探测信号码字可用于对一个探测信号进行预编码),从而接入网设备可根据K个探测信号码字向UE发送K个探测信号。
可选的,S309、UE根据K个探测信号的信息得到第一特征信息。第一特征信息是UE与接入网设备之间的下行信道的特征信息。可选的,UE可根据K个探测信号的信息和第三模型,得到第一特征信息。本公开以UE根据K个探测信号的信息和第三模型得到第一特征信息为例(图3也以此为例)。
UE接收K个探测信号后,可对K个探测信号进行预处理,并将预处理的结果输入第三模型。这K个探测信号,接入网设备可能是同时(例如在同一个时间单元中)发送;或者接入网设备可能不是同时(例如不再同一个时间单元中)发送,而是分时发送的。
在分时发送的情况中,UE每接收一个探测信号,可以先进行存储,即,UE可存储时间上连续的K个探测信号。例如接入网设备会根据探测码本中的每个码字来发送探测信号,即,K个探测信号码字就是探测码本包括的全部码字,而第一指示信息包括了探测码本中所包括的码字的数量,那么UE可以确定K的取值,从而UE能够确定K个探测信号是否已接收完毕。在对K个探测信号接收完毕后,UE可以对K个探测信号一并进行预处理,得到一个预处理结果,从而UE可将该预处理结果输入第三模型,第三模型可输出下行信道的特征信息。
或者,在分时发送的情况中,UE每接收一个探测信号,就可以对该探测信号进行预处理,得到一个预处理结果。在得到K个探测信号的预处理结果(即,K个预处理结果)后,UE可将K个预处理结果输入第三模型,第三模型可输出下行信道的特征信息。
例如,UE接收的第i个探测信号可以表示为:
yi=V*H*Wi*xi+V*n (公式1)
其中,yi表示UE接收的第i个探测信号,Wi表示第i个探测信号码字(即预编码矩阵),xi表示接入网设备发送的第i个探测信号,H表示接入网设备与UE之间的下行信道矩阵。V表示UE侧的接收矩阵。UE侧的接收矩阵可以理解为UE的接收预编码矩阵,该接收矩阵可以是单位矩阵,或者是其他类型的矩阵,其中,每种接收矩阵可对应一种接收波束。n表示UE的加性高斯白噪声。以UE对K个探测信号进行预处理为例,该预处理过程例如包括:UE将接收到的连续的K个探测信号的信息进行拼接,拼接的结果表示为y=[y1,y2,…yK];UE将y进行实部与虚部分割,得到其中Re(y)表示取实部,Im(y)表示取虚部。就可以作为第三模型的输入信息,根据前文介绍,第三模型的输出信息可表示为z=[z1,z2,…,zM],z就是下行信道的特征信息,M为第三模型的输出维度。
在前文介绍了,在训练第二类模型时,可能根据相应的训练数据集进行训练,或者也可能根据训练数据集以及UE的辅助信息进行训练。可选的,如果是根据训练数据集和UE的辅助信息训练得到的第二类模型,那么在得到探测信号的信息(例如探测信号的预处理结果)后,UE除了可将探测信号的信息输入第二类模型(例如第三模型)外,还可以将所获得的该UE的辅助信息一并输入第二类模型,该UE的辅助信息有助于第二类模型得到下行信道更为准确的特征信息。
例如UE接收到的第i个探测信号的表现形式可以参考公式1,UE获得的该UE的辅助信息例如表示为s=[s1,s2,…,sP]。以UE对K个探测信号进行预处理为例,该预处理过程可参考前文,预处理后得到那么就可作为第三模型的输入信息,第三模型的输出信息可表示为z=[z1,z2,…,zM],z就是下行信道的特征信息。这里所得到的z与前文中未考虑辅助信息时所得到的z可能相同,也可能不同。这里因为考虑了辅助信息,可以使得z更为真实地反映下行信道的特征。
例如,在不考虑UE的辅助信息的情况下,UE接收到的第i个探测信号的表现形式可参考公式1。以UE对K个探测信号进行预处理为例,该预处理过程例如包括:UE将接收到的连续的K个探测信号的信息进行拼接,拼接的结果表示为其中,表示yi的转置;UE将y进行实部与虚部分割,得到其中Re(y)表示取实部,Im(y)表示虚部。那么,就可作为第三模型的输入信息,第三模型的输出信息就是第一码字的信息。第三模型输出的第一码字的信息可以有多种实现形式,例如第三模型输出的第一码字信息为z=[zre,zim],其中zre表示输出的第一码字的实部,zim表示输出的第一码字的虚部,F表示接入网设备的天线个数;又例如,第三模型输出的第一码字的信息为θ=[θ1,θ2,…,θF],其中θ表示形成复数码字的相位信息(第一码字信息对应的第一码字为复数码字),F表示接入网设备的天线个数。
又例如,在考虑UE的辅助信息的情况下,UE接收到的第i个探测信号的表现形式可参考公式1。以UE对K个探测信号进行预处理为例,该预处理过程可参考上一段落的描述,预处理后得到UE获得的该UE的辅助信息例如表示为:s=[s1,s2,…,sP]。那么就可作为第三模型的输入信息,第三模型的输出信息就是第一码字的信息。第三模型输出的第一码字的信息可以有多种实现形式,例如第三模型输出的第一码字的信息为W=[wre,wim],其中其中wre表示输出的第一码字的实部,wim表示输出的第一码字的虚部,F表示接入网设备的天线个数;又例如,第三模型输出的第一码字的信息为θ=[θ1,θ2,…,θF],其中θ表示形成复数码字的相位信息(第一码字信息对应的第一码字为复数码字),F表示接入网设备的天线个数。
S310、UE向接入网设备发送第一特征信息。相应的,接入网设备从UE接收第一特征信息。
如果S309替换为UE得到第一码字的信息,则S310可相应替换为,UE向接入网设备发送第一码字的信息或者发送用于指示第一码字的信息的信息,相应的,接入网设备从UE接收第一码字的信息或者接收用于指示第一码字的信息的信息。
S311、接入网设备根据第一特征信息得到第一码字的信息。第一码字的信息对应的第一码字可用于对待发送给该UE的下行数据进行预编码。可选的,本公开中,码字的信息还可以称为码字信息,例如第一码字的信息可以称为第一码字信息。
可选的,接入网设备可根据第一特征信息和第一模型,得到第一码字信息。例如,接入网设备可将第一特征信息输入第一模型,第一模型输出的就是第一码字信息。或者,接入网设备可将第一特征信息进行预处理,并将预处理结果输入第一模型,第一模型输出的就是第一码字信息。
或者,接入网设备也可借助于其他方式得到第一码字信息,而不需要使用第一模型。本公开以接入网设备根据第一特征信息和第一模型得到第一码字信息为例(图3也以此为例)。
接入网设备接收的下行信道的特征信息例如表示为z=[z1,z2,…,zM]。接入网设备可将z作为第一模型的输入信息,第一模型可输出第一码字信息。第一模型输出的第一码字信息可以有多种实现形式,例如第一模型输出的第一码字信息为W=[wre,wim],其中其中wre表示输出的第一码字的实部,wim为输出的第一码字的虚部,F表示接入网设备的天线个数;又例如,第一模型输出的第一码字信息为θ=[θ1,θ2,…,θF],其中θ表示形成复数码字的相位信息(第一码字信息对应的第一码字为复数码字),或者说,θ表示接入网设备在通过第一码字信息发送下行信息时,接入网设备的天线移相器需调整的相位信息,F表示接入网设备的天线个数。
其中,如果S309为UE向接入网设备发送第一码字信息,则可不必执行S311。
UE所反馈的下行信道的特征信息是根据接入网设备发送的K个探测信号确定的,K个探测波束可以覆盖较宽的方向角度,因此该下行信道的特征信息能够较为完整地反映下行信道的主径在各个方向角上的信息。可选的,如果本公开的方案需要用到第一模型和第三模型,第一模型和第三模型可以是联合训练的,因此第一模型能够解读UE反馈的下行信道的特征信息,并能够针对下行信道的特征信息所包含的信道径的信息(例如主径的个数和/或主径的角度等),设计对应的第一码字信息,以使得第一码字信息对应的发送波束能够适应实际的信道环境。
可选的,S312、接入网设备向UE发送预编码数据。相应的,UE从接入网设备接收预编码数据。
例如接入网设备待发送给UE的下行数据为第一下行数据,接入网设备利用第一码字对第一下行数据进行预编码,得到该预编码数据,接入网设备可向UE发送该预编码数据。
可选的,如果第一模型输出的第一码字信息包括第一码字的实部和虚部,接入网设备可将该实部和虚部合并成完整的复数码字,即,合并为完整的第一码字,例如合并得到的第一码字表示为Wc=wre+j*wim。接入网设备可计算该复数码字的相位信息θ=[θ1,θ2,…,θF],并根据θ调整对应的天线移相器的相位,以完成预编码。或者,如果第一模型输出的第一码字信息包括第一码字对应的相位信息θ=[θ1,θ2,…,θF],则接入网设备可直接根据θ调整对应的天线移相器的相位,以完成预编码。
在本公开中提出,UE可采用全向天线或定向天线接收。对于采用全向天线或者定向天线接收到的来自接入网设备的预编码数据,UE可采用固定的码字(或者说,固定的接收预编码矩阵)对来自接入网设备的预编码数据进行合并处理。或者,如果UE有多个接收预编码矩阵(或者说,有多个接收波束,其中,一个接收预编码矩阵就对应一个接收波束),则UE可告知接入网设备多次发送该预编码数据,UE通过多个接收预编码矩阵分别从接入网设备接收预编码数据,例如,UE可采用不同的接收预编码矩阵对所接收的多个预编码数据进行加权,再将加权后的多个预编码数据进行合并处理,就得到了最终的接收数据。
或者,如果UE有多个接收波束,则接入网设备可多次发送该预编码数据,UE可通过多个接收波束分别接收该预编码数据,从而可确定接收信号强度最好的接收波束,后续可通过该接收波束从接入网设备接收数据。或者UE也可以采用其他方式来确定接收波束(或者说,确定用于接收的码字信息),本公开不做限制。
其中,S301~309、S312均为可选的步骤。
可参考图6A,为本公开所提供的技术方案的一种示意。即,接入网设备通过探测波束发送探测信号,该探测信号通过下行信道发送给UE。UE对所接收的探测信号的信息进行预处理,将预处理的结果输入第三模型。通过第三模型提取下行信道的特征信息,UE将下行信道的特征信息发送给接入网设备,接入网设备再将下行信道的特征信息输入第一模型(或者,接入网设备对下行信道的特征信息进行预处理,再将预处理的结果输入第一模型),得到第一模型输出的码字的信息(例如第一码字的信息)。接入网设备使用该码字的信息对应的码字对待发送给UE第一下行数据进行预编码,得到预编码数据,接入网设备通过下行信道向UE发送该预编码数据。
可再参考图6B,为本公开所提供的技术方案的另一种示意。图6B与图6A的区别是,UE输入第三模型的除了所接收的探测信号的信息外,还包括UE的辅助信息。另外在图6A和/或图6B中,接入网设备确定的码字信息可能用于发送探测信号,也可能用于发送数据。
在本公开中,无需从固定的码本中选择码字,而是可以根据UE反馈的下行信道的特征信息生成码字信息。UE反馈的下行信道的特征信息能够与当前的通信场景相契合,根据该特征信息所生成的第一码字信息对应的发送波束也就能够适应当前的通信场景。即,在不同的通信场景下,能够根据UE所反馈的下行信道的特征信息得到适用于该场景的码字信息。码字信息例如与波束相对应,通过本公开提供的方法,能够得到与通信场景较为匹配的波束,从而能够提高通信性能。且本公开无需经历根据固定的码本进行多次波束扫描的过程,能够节省空口开销。另外,UE反馈的下行信道的特征信息能够较为真实表达接入网设备与终端设备之间的下行信道的特征,根据该下行信道的特征信息得到的码字信息对应的波束也能够尽量对准该下行信道的主要径的方向,从而能够提高通过该发送波束所发送的信号的穿透能力,减小路径衰落,增加信号的传播距离,提高信号的覆盖能力。
在图3所示的实施例中,接入网设备是根据探测码本确定探测信号码字信息,接下来介绍本公开提供的第二种通信方法,在该方法中,接入网设备除了根据探测码本确定探测信号码字信息外,还可以根据第一类模型确定探测信号码字信息,通过不断地迭代最终确定用于发送数据的码字信息,这样可以使得用于发送数据的码字信息对于信道环境的适应性更好。请参考图7,为该方法的流程图。
可选的,S701、UE向接入网设备发送能力信息。相应的,接入网设备从UE接收该能力信息。该能力信息可指示该UE的部分能力或全部能力。
关于S701的更多内容,可参考图3所示的实施例中的S301。
可选的,S702、接入网设备获得第一类模型。
关于S702的更多内容,可参考图3所示的实施例中的S302。
可选的,S703、接入网设备获得第二类模型。
关于S703的更多内容,可参考图3所示的实施例中的S303。
可选的,S704、接入网设备向UE发送第二类模型的信息。相应的,UE从接入网设备接收第二类模型的信息。
关于S704的更多内容,可参考图3所示的实施例中的S304。
可选的,S705、接入网设备确定探测码本。
关于S705的更多内容,可参考图3所示的实施例中的S305。
可选的,S706、接入网设备确定第一模型,或者说,接入网设备从M1个第一类模型中确定第一模型。
关于S706的更多内容,可参考图3所示的实施例中的S306。
可选的,S707、接入网设备向UE发送第一指示信息。相应的,UE从接入网设备接收第一指示信息。
可选的,S708、接入网设备向UE发送探测信号。相应的,UE从接入网设备接收探测信号。
例如,接入网设备可根据K个探测信号码字向UE发送K个探测信号,与此相关的更多内容可参考图3所示的实施例中的S308。
或者,在S708中,接入网设备也可以根据初始探测信号码字向UE发送探测信号。相应的,UE从接入网设备接收该探测信号。对此可理解为,接入网设备向UE发送了一个探测信号,该探测信号例如理解为第0个探测信号。初始探测信号码字例如为探测码本中的一个码字,或者,初始探测信号码字也可以是接入网设备预配置的码字,或者,初始探测信号码字也可以是协议预定义的码字。另外,“初始探测信号码字”,只是表明接入网设备可能利用该码字开始向UE发送探测信号,该码字也可以有其他名称。
可选的,S709、UE根据探测信号的信息得到第一特征信息。第一特征信息是UE与接入网设备之间的下行信道的特征信息。
关于S709的更多内容,可参考图3所示的实施例中的S309,那么S709可理解为,是UE根据K个探测信号的信息得到第一特征信息。可选的,S709可理解为,是UE根据K个探测信号的信息和第三模型得到第一特征信息。
或者,如果S708中UE接收的是第0个探测信号,那么S709可以理解为,是UE根据第0个探测信号的信息得到第一特征信息。可选的,S709可理解为,是UE根据第0个探测信号的信息和第三模型得到第一特征信息。
S710、UE向接入网设备发送第一特征信息。相应的,接入网设备从UE接收第一特征信息。
关于S710的更多内容,可参考图3所示的实施例中的S310。
可选的,S711、接入网设备根据第一特征信息得到第一探测信号码字信息。可选的,接入网设备可根据第一特征信息和第一模型,得到第一探测信号码字的信息。
关于S711的更多内容,可参考图3所示的实施例中的S311。
接下来,接入网设备和UE可根据第一操作和第二操作得到第N个探测信号码字信息,例如第N个探测信号码字信息就是第一码字信息。第一操作可包括,接入网设备向UE发送第i个探测信号,UE根据第i个探测信号的信息得到下行信道的第i个特征信息,UE向接入网设备发送下行信道的第i个特征信息,接入网设备根据下行信道的第i个特征信息得到第i+1个探测信号码字信息。第二操作可包括,接入网设备根据第i+1个探测信号码字信息向UE发送第i+1个探测信号,再返回第一操作。其中,i取从1至N的整数。所谓的第i个探测信号码字信息是指一个探测信号码字信息,之所以称为“第i个”,是指根据第一模型可能得到多个探测信号码字信息,因此按照得到探测信号码字信息的顺序对各个探测信号码字信息进行编号,以区分多个探测信号码字信息。也就是说,接入网设备执行的是迭代过程,通过多次迭代可获得第N个探测信号码字信息。为了便于理解,下面再通过S712~S719介绍该迭代过程。
S712、接入网设备根据第i个探测信号码字向UE发送第i个探测信号。相应的,UE从接入网设备接收第i个探测信号。例如i=1,第i个探测信号码字例如为S711中的第一探测信号码字信息对应的探测信号码字。例如接入网设备根据第i个探测信号码字对第i个探测信号进行预编码,并通过与UE之间的下行信道向UE发送预编码后的第i个探测信号。
可选的,S713、UE根据第i个探测信号的信息得到第i个特征信息。可选的,UE可根据第i个探测信号的信息以及第四模型,得到第i个特征信息。第i个特征信息是UE与接入网设备之间的下行信道的特征信息。
第四模型为第二类模型中的一个模型。类似第三模型的指示方法,接入网设备可以通过指示信息为UE指示第四模型。
第四模型与第三模型可以是同一个模型。例如在S708中,接入网设备向UE发送了第0个探测信号,UE在S709中根据第0个探测信号和第三模型得到第一特征信息,在这种情况下,第三模型的输入维度是一个探测信号的维度,而第四模型的输入维度也是一个探测信号的维度,这两个模型的输出维度都是相同的,且这两个模型的输出维度也相同,因此第三模型与第四模型可以使用同一个模型。当然即使在这种情况下,第三模型与第四模型也可以使用不同的模型,即,如果第三模型的输入维度与第四模型的输入维度和输出维度分别相同,则这两个模型可以是同一个模型,也可以是不同的模型。
或者,第四模型与第三模型也可以是不同的模型。例如在S708中,接入网设备向UE发送了K个探测信号,UE在S709中根据K个探测信号和第三模型得到第一特征信息,如果K大于1,那么第三模型的输入维度就是多个探测信号的维度,而第四模型的输入维度是一个探测信号的维度,这两个模型的输入维度可能是不同的。例如,一个探测信号的维度为T,则K个探测信号的维度就是K×T,即,第三模型的输入维度为K×T,第四模型的输入维度为T。因此在这种情况下,第三模型与第四模型是不同的模型,但第三模型的输出维度与第四模型的输出维度相同。
如果第三模型与第四模型是不同的模型,那么第四模型也可以是M1个第二类模型中的一个。例如,接入网设备在S707中发送的第一指示信息除了指示第三模型外还可以指示第四模型;又例如,接入网设备还可以向UE发送第二指示信息,第二指示信息可指示第四模型。接入网设备对于第四模型的指示方式与对第三模型的指示方式是类似的,都可参考图3所示的实施例中的S307。其中,如果第三模型与第四模型的输入维度相同,那么相当于接入网设备向UE指示了两个维度相同的第二类模型,UE可随机挑选其中一个作为第三模型,以及将其中另一个作为第四模型。而如果第三模型与第四模型的输入维度不同,相当于接入网设备向UE指示了两个输入维度不同的第二类模型,则UE可选择其中输入维度较高的作为第三模型,将其中输入维度较低的作为第四模型。或者,接入网设备分别指示第三模型和第四模型,UE根据基站的指示,将指示为第三模型的模型作为第三模型(例如通过信息A或者标志位A指示该模型为第三模型),将指示为第四模型的模型作为第四模型(例如通过信息B或者标志位B指示该模型为第四模型)。
关于S713的更多内容,可参考图3所示的实施例的S309。
可选的,S714、UE向接入网设备发送第i个特征信息。相应的,接入网设备从UE接收第i个特征信息。
可选的,S715、接入网设备根据第i个特征信息得到第i+1个探测信号码字信息。第i+1个探测信号码字信息对应的码字可用于对待发送给该UE的探测信号进行预编码。可选的,接入网设备可根据第i个特征信息和第一模型得到第i+1个探测信号码字信息。
关于S715的更多内容,可参考图3所示的实施例中的S311。
可选的,S716、接入网设备根据第i+1个探测信号码字信息向UE发送第i+1个探测信号。相应的,UE从接入网设备接收第i+1个探测信号。例如接入网设备根据第i+1个探测信号码字信息对第i+1个探测信号进行预编码,并通过与UE之间的下行信道向UE发送预编码后的第i+1个探测信号。
可选的,S717、UE根据第i+1个探测信号的信息得到下行信道的第i+1个特征信息。可选的,UE可根据第i+1个探测信号的信息以及第四模型,得到第i+1个特征信息。该下行信道是UE与接入网设备之间的下行信道。
关于S717的更多内容,可参考图3所示的实施例的S309。
可选的,S718、UE向接入网设备发送下行信道的第i+1个特征信息。相应的,接入网设备从UE接收下行信道的第i+1个特征信息。
可选的,S719、接入网设备根据第i+1个特征信息可得到第i+2个探测信号码字信息。可选的,接入网设备可根据第i+1个特征信息和第一模型得到第i+2个探测信号码字信息。在S719之后,可再返回执行S712。
在本公开中,接入网设备根据探测码本发送K个探测信号(或者,接入网设备向UE发送第0个探测信号),并接收了UE所返回的第一特征信息后,并不根据第一特征信息直接确定用于发送数据的码字信息,而是继续根据第一特征信息确定的码字信息发送探测信号。UE接收探测信号后继续提取下行信道的特征信息,并将下行信道的特征信息发送给接入网设备。接入网设备从UE接收下行信道的特征信息后,再根据下行信道的特征信息继续确定码字信息,以及根据该码字信息来发送探测信号,以此类推,相当于是一个迭代过程。接入网设备每次所新确定的探测信号码字信息对应的探测波束都是基于UE反馈的下行信道的特征信息确定的,该探测波束的指向是较为有可能包含下行信道的主径的或者能量集中的方向,因此,接入网设备新确定的探测波束的波瓣宽度可能都比探测码本所包括的码字对应的波束的宽度要窄,指向性更好。如果接入网设备和UE重复执行如上迭代步骤(例如S712~S719),则优化出的探测波束可以越来越窄,或单个探测波束上包含的多个波峰可能分别指向下行信道中主径的方向,使得优化出的探测波束能够更加匹配下行信道的传输特征。
例如在迭代N次后,接入网设备确定得到的码字信息收敛。例如N不是固定值,而是由信道环境决定,例如当下行信道的径数较少,且主径很强的情况下,可以通过很少的次数完成迭代,即,N可以较小。或者,N也可以是接入网设备设置的固定值,或者,N也可以通过协议规定。
S720、接入网设备得到第一码字信息。接入网设备得到了第一码字信息,则迭代过程停止。
例如,接入网设备从UE接收了下行信道的第N-1个特征信息,接入网设备根据第N-1个特征信息确定第N个探测信号码字信息,关于接入网设备根据下行信道的特征信息确定码字信息的过程可参考图3所示的S311。
例如,接入网设备确定第N个探测信号码字信息已收敛,因此第N个探测信号码字信息是第一码字信息。接入网设备确定第N个探测信号码字信息是否收敛,可以有多种方式。例如一种确定方式为,接入网设备确定第N个探测信号码字的权值与第N-1个探测信号码字的权值的最小均方差,如果该最小均方差小于或等于第一阈值,表明第N个探测信号码字信息已收敛,而如果该最小均方差大于第一阈值,表明第N个探测信号码字信息未收敛。例如在迭代过程中,接入网设备每获得一个探测信号码字信息就可以执行一次确定过程,以确定该探测信号码字信息是否已收敛,从而加快收敛速度。
又例如,N是固定值(例如是接入网设备配置的取值,或者是协议规定的取值),则接入网设备在获得第N个探测信号码字信息后就可以确定第N个探测信号码字信息是第一码字信息,无需确定第N个探测信号码字信息是否已收敛。在这种情况下,第一码字信息可能是收敛的码字信息,也可能是未收敛的码字信息。
如果接入网设备得到了第一码字信息,或者接入网设备确定迭代过程停止,可选的,接入网设备可向UE发送第三指示信息,第三指示信息可指示迭代过程结束(或者指示探测过程结束),或者指示开始数据传输过程。UE接收第三指示信息后可确定开始执行数据传输过程。
可选的,S721、接入网设备向UE发送预编码数据。相应的,UE从接入网设备接收预编码数据。
例如接入网设备待发送给UE的下行数据为第一下行数据,接入网设备利用第一码字对第一下行数据进行预编码,得到该预编码数据,接入网设备可向UE发送该预编码数据。
类似前文介绍,在本公开中提出,UE可采用固定的接收波束来接收,或者说,UE采用固定的码字信息来接收来自接入网设备的预编码数据。或者,如果UE有多个接收波束,则接入网设备可多次发送该预编码数据,UE可通过多个接收波束分别接收该预编码数据,从而可确定接收信号强度最好的接收波束,后续可通过该接收波束从接入网设备接收数据。或者UE也可以采用其他方式来确定接收波束(或者说,确定用于接收的码字信息),本公开不做限制。
其中,S701~709、S711~S719、S721均为可选的步骤。
在本公开中,无需从固定的码本中选择码字,而是可以根据终端设备反馈的下行信道的特征信息生成码字信息。终端设备反馈的下行信道的特征信息能够与当前的通信场景相契合,根据该特征信息所生成的码字信息对应的发送波束也就能够适应当前的通信场景。即,在不同的通信场景下,都能够根据终端设备所反馈的下行信道的特征信息得到适用于该场景的码字信息。码字信息例如与波束相对应,通过本公开提供的方法,能够得到与通信场景较为匹配的波束,从而能够提高通信性能。且本公开无需经历根据固定的码本进行多次波束扫描的过程,能够节省空口开销。另外,终端设备反馈的下行信道的特征信息能够较为真实表达接入网设备与终端设备之间的下行信道的特征,根据该下行信道的特征信息得到的码字信息对应的波束也能够尽量对准该下行信道的主要径的方向,从而能够提高通过该发送波束所发送的信号的穿透能力,减小路径衰落,增加信号的传播距离,提高信号的覆盖能力。且本公开通过迭代方式优化探测波束,逐渐收窄波瓣直至收敛为最终的发送波束,通过这种方式所确定的发送波束对于信道的适应性更强,且依旧能够保持较低的空口开销。
在前述设计中,接入网设备可以应用第一模型,UE可以应用第三模型(或第三模型和第四模型)。可选的,还有一种可能,接入网设备可能并不需要应用第一模型,UE可根据第三模型得到码字信息。UE将码字信息发送给接入网设备后,接入网设备就可根据所接收的码字信息对应的码字对待发送给该UE的下行数据进行预编码。这种方式减少了接入网设备的处理过程,能够减轻接入网设备的负担。另外,这种方式下,UE所反馈的码字信息是根据接入网设备发送的多个探测信号确定的,多个探测波束可以覆盖较宽的方向角度,因此该码字信息可以是针对下行信道的信道径的信息(例如主径的个数和/或主径的角度等)设计的,以使得该码字信息对应的发送波束能够适应实际的信道环境。
如果采用这种方式,那么对于图3所示的内容来说,可选的可保留S301、S303~S305、S307~S310、S312,不必执行S302、S306、S311。也就是说,因为接入网设备无需应用第一模型,那么接入网设备可以不必得到第一类模型,也不必从中确定第一模型,以及,因为UE可得到码字信息,接入网设备也无需根据相应的模型得到码字信息。另外在这种方式下,S309和S310中的第一特征信息可替换为第一码字信息,即,UE根据K个探测信号的信息和第三模型可得到第一码字信息,UE得到第一码字信息的方式与得到第一特征信息的方式类似,可参考S309的介绍。
或者,如果采用这种方式,那么对于图7所示的内容来说,可选的可保留S701、S703~S705、S707~S710、S712~S714、S716~S718、S720~S721,不必执行S702、S706、S711、S715、S719。另外在这种方式下,S709和S710中的第一特征信息可替换为第0个码字信息,UE得到第0个码字信息的方式与得到第一特征信息的方式类似,可参考S709的介绍。S713和S714中的第i个特征信息可替换为第i个码字信息,S717和S718中的第i+1个特征信息可替换为第i+1个码字信息。以及,S720可替换为,UE得到第一码字信息。其中,UE可能得到的是第N个码字信息,UE可确定第N个码字信息是第一码字信息,UE确定第N个码字信息是第一码字信息的方式,可参考图7所示的内容中接入网设备确定第N个探测信号码字信息是第一码字信息的方式。
基于前述的方法实施例,介绍本公开提供的通信装置。
本公开提供一种通信装置,该通信装置例如包括处理单元和收发单元(或者,称为通信单元),处理单元可用于实现图3所示的实施例或图7所示的实施例所述的UE的处理功能,收发单元可用于实现图3所示的实施例或图7所示的实施例所述的UE的全部收发功能或部分收发功能。或者,处理单元可用于实现图3所示的实施例或图7所示的实施例所述的接入网设备所实现的处理功能,收发单元可用于实现图3所示的实施例或图7所示的实施例所述的接入网设备的全部收发功能或部分收发功能。
可选的,处理单元和/或收发单元可通过虚拟模块实现,例如处理单元可通过软件功能单元或虚拟装置实现,收发单元可通过软件功能单元或虚拟装置实现。或者,处理单元和/或收发单元也可通过实体装置(例如电路系统和/或处理器等)实现。对于处理单元和收发单元通过实体装置实现的情况,下面进行介绍。
图8给出了本公开提供的一种通信装置的结构示意图。所述通信装置800可以是图3所示的实施例或图7所示的实施例所述的UE、该UE的电路系统或能够应用于该UE的电路系统等,用于实现上述方法实施例中对应于UE的方法。或者,所述通信装置800可以是图3所示的实施例或图7所示的实施例所述的接入网设备、该接入网设备的电路系统或能够应用于该接入网设备的电路系统等,用于实现上述方法实施例中对应于接入网设备的方法。具体的功能可以参见上述方法实施例中的说明。其中,例如一种电路系统为芯片系统。
通信装置800包括一个或多个处理器801。处理器801可以实现一定的控制功能。所述处理器801可以是通用处理器或者专用处理器等。例如,包括:基带处理器,中央处理器等。所述基带处理器可以用于对通信协议以及通信数据进行处理。所述中央处理器可以用于对通信装置800进行控制,执行软件程序和/或处理数据。不同的处理器可以是独立的器件,也可以是设置在一个或多个处理电路中,例如,集成在一个或多个专用集成电路上。
可选的,通信装置800中包括一个或多个存储器802,用以存储指令804,所述指令804可在所述处理器上被运行,使得通信装置800执行上述方法实施例中描述的方法。可选的,所述存储器802中还可以存储有数据。所述处理器和存储器可以单独设置,也可以集成在一起。
可选的,通信装置800可以存储指令803(有时也可以称为代码或程序),所述指令803可以在所述处理器上被运行,使得所述通信装置800执行上述实施例中描述的方法。处理器801中可以存储数据。
例如,所述处理单元通过一个或多个处理器801实现,或者,所述处理单元通过一个或多个处理器801以及一个或多个存储器802实现,或者,所述处理单元通过一个或多个处理器801、一个或多个存储器802、以及指令803实现。
可选的,通信装置800还可以包括收发器805以及天线806。收发器805可以称为收发单元、收发机、收发电路、收发器,输入输出接口等,用于通过天线806实现通信装置800的收发功能。例如,所述收发单元通过收发器805实现,或者,所述收发单元通过收发器805以及天线806实现。
可选的,通信装置800还可以包括以下一个或多个部件:无线通信模块,音频模块,外部存储器接口,内部存储器,通用串行总线(universal serial bus,USB)接口,电源管理模块,天线,扬声器,麦克风,输入输出模块,传感器模块,马达,摄像头,或显示屏等等。可以理解,在一些实施例中,通信装置800可以包括更多或更少部件,或者某些部件集成,或者某些部件拆分。这些部件可以是硬件,软件,或者软件和硬件的组合实现。
本公开中描述的处理器801和收发器805可实现在集成电路(integratedcircuit,IC)、模拟IC、射频集成电路(radio frequency identification,RFID)、混合信号IC、专用集成电路(application specific integrated circuit,ASIC)、印刷电路板(printed circuit board,PCB)、或电子设备等上。实现本文描述的通信装置,可以是独立设备(例如,独立的集成电路,手机等),或者可以是较大设备中的一部分(例如,可嵌入在其他设备内的模块),具体可以参照前述各个实施例关于UE,以及接入网设备的说明,在此不再赘述。
本公开提供了一种终端设备,该终端设备可用于前述各个实施例中。所述终端设备包括用以实现图3所示的实施例或图7所示的实施例所述的UE功能的相应的手段(means)、单元和/或电路。例如,终端设备,包括收发模块(或者,称为收发单元),用以支持终端设备实现收发功能,和,处理模块(或者,称为处理单元),用以支持终端设备对信号进行处理。
本公开提供的技术方案可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本公开所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、接入网设备、终端设备、AI节点或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机可以存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,数字视频光盘(digital video disc,DVD))、或者半导体介质等。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (30)
1.一种通信方法,其特征在于,包括:
从终端设备接收下行信道的特征信息;
根据所述下行信道的特征信息和第一模型,得到第一码字信息,其中,所述第一模型的输入包括所述下行信道的特征信息,所述第一模型的输出包括所述第一码字信息,所述第一码字信息对应的第一码字用于进行预编码。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一码字对第一下行数据进行预编码,得到预编码数据;
向所述终端设备发送所述预编码数据。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据K个探测信号码字向所述终端设备发送K个探测信号,其中,一个探测信号码字用于发送一个探测信号。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据第一操作和第二操作,得到第N个探测信号码字信息,并确定所述第N个探测信号码字信息为所述第一码字信息;
所述第一操作包括:从所述终端设备接收下行信道的第i个特征信息,根据下行信道的第i个特征信息得到第i+1个探测信号码字信息;
所述第二操作包括:根据所述第i+1个探测信号码字信息向所述终端设备发送第i+1个探测信号,返回所述第一操作;
其中,i取从1至N的整数。
5.根据权利要求4所述的方法,其特征在于,
所述第N个探测信号码字信息的权值与第N-1个探测信号码字信息的权值的最小均方差小于或等于第一阈值。
6.根据权利要求4或5所述的方法,其特征在于,在从所述终端设备接收下行信道的第1个特征信息之前,所述方法还包括:
根据K个探测信号码字向所述终端设备发送K个探测信号,其中,一个探测信号码字用于发送一个探测信号。
7.根据权利要求1~6任一项所述的方法,其特征在于,所述方法还包括:
所述第一模型包括于M1个第一类模型中,其中,M1为大于1的整数,每个第一类模型对应于各自的信道类型,第一类模型用于根据信道的特征信息确定码字信息,所述码字信息对应的码字用于进行预编码。
8.根据权利要求1~7任一项所述的方法,其特征在于,所述第一模型是根据第一训练数据集训练得到的,所述第一训练数据集包括一个或多个下行信道样本,且所述第一训练数据集对应于第一信道类型。
9.根据权利要求1~8任一项所述的方法,其特征在于,所述方法还包括:
向所述终端设备发送第三模型的信息,所述第三模型的输入为探测信号的信息,所述第三模型的输出为信道的特征信息。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
所述第三模型包括于M1个第二类模型中,其中,M1为大于1的整数,所述M1个第一类模型和所述M1个第二类模型一一对应,第二类模型的输入为探测信号的信息,第二类模型的输出为信道的特征信息。
11.根据权利要求9或10所述的方法,其特征在于,所述第三模型是根据第一训练数据集训练得到的,或者,所述第三模型是根据第一训练数据集和所述终端设备的辅助信息训练得到的;其中,所述第一训练数据集包括一个或多个下行信道样本,且所述第一训练数据集对应于第一信道类型。
12.根据权利要求8或11所述的方法,其特征在于,所述方法还包括:
所述第一训练数据集是根据第二模型得到的,所述第二模型用于得到对应于所述第一信道类型的训练数据;或,
所述第一训练数据集是根据至少一个终端设备的位置信息,从来自所述至少一个终端设备的至少一个信道估计信息中确定的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部;或,
所述第一训练数据集是对来自至少一个终端设备的至少一个信道估计信息进行聚类得到的,所述第一训练数据集包括所述至少一个信道估计信息中的部分或全部。
13.根据权利要求11所述的方法,其特征在于,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。
14.根据权利要求11或13所述的方法,其特征在于,所述终端设备的辅助信息用于确定所述下行信道的径的信息,所述下行信道的径的信息用于确定所述第一码字信息对应的方向和/或覆盖宽度。
15.根据权利要求1~14任一项所述的方法,其特征在于,所述方法还包括:
从所述终端设备接收能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,所述终端设备的存储能力信息,所述终端设备的位置信息,所述终端设备的天线配置信息,或所述终端设备的传感器配置信息。
16.根据权利要求15所述的方法,其特征在于,
所述终端设备的算力信息用于指示所述终端设备能够支持的神经网络的复杂程度;
所述终端设备的存储能力信息用于指示所述终端设备能够存储的神经网络的规模;
所述终端设备的位置信息用于指示所述终端设备对应的下行信道的类型;
所述终端设备的天线配置信息用于确定所述终端设备对应的神经网络;和/或,
所述终端设备的传感器配置信息用于确定所述终端设备对应的神经网络。
17.一种通信方法,其特征在于,包括:
从接入网设备接收K个探测信号,K为正整数;
根据所述K个探测信号的信息以及第三模型,得到第一特征信息,所述第一特征信息为下行信道的特征信息;
向所述接入网设备发送所述第一特征信息。
18.根据权利要求17所述的方法,其特征在于,根据所述K个探测信号的信息以及第三模型,得到第一特征信息,包括:
将所述K个探测信号的信息输入所述第三模型,得到所述第一特征信息;或,
将所述K个探测信号的信息和终端设备的辅助信息输入所述第三模型,得到所述第一特征信息。
19.根据权利要求18所述的方法,其特征在于,所述终端设备的辅助信息包括如下一项或多项:所述终端设备的位置信息,所述终端设备的速度信息,所述终端设备的加速度信息,所述终端设备的姿态信息,或,所述终端设备的移动方向信息。
20.根据权利要求17~19任一项所述的方法,其特征在于,在向接入网设备发送第一特征信息之后,所述方法还包括:i取从1至N的整数,循环执行如下步骤:
从所述接入网设备接收第i个探测信号;
根据所述第i个探测信号的信息以及第四模型,得到第i个特征信息,所述第i个特征信息为所述下行信道的特征信息;
向所述接入网设备发送所述第i个特征信息。
21.根据权利要求20所述的方法,其特征在于,根据所述第i个探测信号的信息以及所述第四模型,得到第i个特征信息,包括:
将所述第i个探测信号的信息输入所述第四模型,得到所述第i个特征信息;或,
将所述第i个探测信号的信息和终端设备的辅助信息输入所述第四模型,得到所述第i个特征信息。
22.根据权利要求17~21任一项所述的方法,其特征在于,所述方法还包括:
从所述接入网设备接收所述第三模型的信息。
23.根据权利要求17~22任一项所述的方法,其特征在于,所述方法还包括:
向所述接入网设备发送信道估计信息,所述信道估计信息用于训练所述第三模型。
24.根据权利要求17~23任一项所述的方法,其特征在于,所述方法还包括:
向所述接入网设备发送终端设备的能力信息,所述能力信息用于指示如下一项或多项:所述终端设备是否支持神经网络模型,所述终端设备支持的神经网络模型的类型,所述终端设备的算力信息,或,所述终端设备的存储能力信息。
25.一种通信装置,其特征在于,用于实现如权利要求1~16任一项所述的方法。
26.一种通信装置,其特征在于,用于实现如权利要求17~24任一项所述的方法。
27.一种通信装置,其特征在于,包括处理器和存储器,所述存储器和所述处理器耦合,所述处理器用于执行如权利要求1~16任一项所述的方法。
28.一种通信装置,其特征在于,包括处理器和存储器,所述存储器和所述处理器耦合,所述处理器用于执行如权利要求17~24任一项所述的方法。
29.一种通信系统,其特征在于,包括权利要求25或27所述的通信装置,和权利要求26或28所述的通信装置。
30.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1~16中任一项所述的方法,或使得所述计算机执行如权利要求17~24中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918240.XA CN115941004A (zh) | 2021-08-11 | 2021-08-11 | 一种通信方法及装置 |
EP22855483.8A EP4373006A1 (en) | 2021-08-11 | 2022-08-10 | Communication method and apparatus |
PCT/CN2022/111556 WO2023016503A1 (zh) | 2021-08-11 | 2022-08-10 | 一种通信方法及装置 |
US18/437,012 US20240187052A1 (en) | 2021-08-11 | 2024-02-08 | Communication method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918240.XA CN115941004A (zh) | 2021-08-11 | 2021-08-11 | 一种通信方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115941004A true CN115941004A (zh) | 2023-04-07 |
Family
ID=85200592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110918240.XA Pending CN115941004A (zh) | 2021-08-11 | 2021-08-11 | 一种通信方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240187052A1 (zh) |
EP (1) | EP4373006A1 (zh) |
CN (1) | CN115941004A (zh) |
WO (1) | WO2023016503A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106953676A (zh) * | 2016-01-07 | 2017-07-14 | 索尼公司 | 无线通信方法和无线通信设备 |
US11063653B2 (en) * | 2017-08-30 | 2021-07-13 | Telefonaktiebolaget Lm Ericsson (Publ) | Wireless device for determining a best antenna beam and method thereof |
CN111988156B (zh) * | 2019-05-22 | 2022-04-05 | 华为技术服务有限公司 | 创建网络仿真平台的方法和网络仿真方法及相应装置 |
CN113242069B (zh) * | 2021-05-10 | 2022-06-17 | 东南大学 | 一种基于神经网络的码本设计方法 |
-
2021
- 2021-08-11 CN CN202110918240.XA patent/CN115941004A/zh active Pending
-
2022
- 2022-08-10 EP EP22855483.8A patent/EP4373006A1/en active Pending
- 2022-08-10 WO PCT/CN2022/111556 patent/WO2023016503A1/zh active Application Filing
-
2024
- 2024-02-08 US US18/437,012 patent/US20240187052A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023016503A1 (zh) | 2023-02-16 |
EP4373006A1 (en) | 2024-05-22 |
US20240187052A1 (en) | 2024-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111052619B (zh) | 电子设备和通信方法 | |
KR20170130513A (ko) | 무선 통신 시스템, 및 무선 통신 시스템에서의 디바이스 및 방법 | |
CN106658540A (zh) | 无线通信系统中的装置和方法 | |
CN115485995A (zh) | 用于调整神经网络的方法和装置 | |
JP2012502539A (ja) | ビーム形成システムおよびビーム形成方法 | |
US11496188B2 (en) | Electronic device, communication method and medium | |
US20230412430A1 (en) | Inforamtion reporting method and apparatus, first device, and second device | |
WO2023016503A1 (zh) | 一种通信方法及装置 | |
KR102570773B1 (ko) | 복수의 무선 신호들을 컴바이닝하는 방법 및 장치 | |
CN116419257A (zh) | 一种通信方法及装置 | |
CN115802370A (zh) | 一种通信方法及装置 | |
KR102664971B1 (ko) | 에너지 공급이 제한된 기지국이 심층강화학습을 기반으로 합 전송률 최대화를 수행하기 위한 전송률 분할 다중접속 방법 | |
WO2023115254A1 (zh) | 处理数据的方法及装置 | |
WO2023092310A1 (zh) | 信息处理方法、模型生成方法及设备 | |
WO2023231881A1 (zh) | 一种模型应用方法及装置 | |
WO2023070655A1 (en) | Interfacing with coded inference networks | |
WO2023283785A1 (zh) | 信号处理的方法及接收机 | |
WO2023231934A1 (zh) | 一种通信方法及装置 | |
WO2024138689A1 (zh) | 无线通信的方法及通信设备 | |
KR102577484B1 (ko) | 단말 중심 협력 전송을 위한 신호 송수신 방법 및 장치 | |
US20240072927A1 (en) | Signal processing method, communication device, and communication system | |
CN116419382A (zh) | 一种上行预编码方法及装置 | |
WO2023279947A1 (zh) | 一种通信方法及装置 | |
CN116193585A (zh) | 一种通信方法及装置 | |
WO2023064529A1 (en) | Geometric mean decomposition precoding for wireless communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |