CN115988520A - 定位方法、终端及网络侧设备 - Google Patents

Abstract

本申请公开了一种定位方法、终端及网络侧设备，属于通信技术领域，本申请实施例的定位方法包括：终端根据第一信息，确定和/或上报第二信息；其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

Description

定位方法、终端及网络侧设备

技术领域

本申请属于通信技术领域，具体涉及一种定位方法、终端及网络侧设备。

背景技术

随着人工智能(Artificial Intelligence，AI)技术的快速发展，人工智能技术被广泛的应用于各个领域，例如，基于AI技术的定位方案等。

其中，对于基于AI技术的定位方案，核心网通常针对一个或多个相邻小区部署一个AI定位模型，以在接收到终端发送的信号测量信息时，将信号测量信息输入到AI定位模型中，进而得到终端的位置估计信息。

但是，对于前述基于AI技术的定位方案，由于核心网针对一个或多个相邻小区仅部署一个AI定位模型、且在定位过程中仅以终端发送的信号测量信息为依据完成终端定位，导致终端定位精度低。

发明内容

本申请实施例提供一种定位方法、终端及网络侧设备，至少能够解决终端定位精度低的问题。

第一方面，提供了一种定位方法，所述方法包括：终端根据第一信息，确定和/或上报第二信息；其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

第二方面，提供了一种定位方位，包括：网络侧设备接收终端发送的第二信息；所述网络侧设备根据第二目标AI模型以及所述第二信息进行终端定位。

第三方面，提供了一种定位装置，所述装置包括：执行模块，用于根据第一信息，确定和/或上报第二信息；其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

第四方面，提供了一种定位装置，所述装置包括：传输模块，用于接收终端发送的第二信息；定位模块，用于根据第二目标AI模型以及所述第二信息进行终端定位。

第五方面，提供了一种终端，该终端包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第六方面，提供了一种终端，包括处理器及通信接口，其中，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤。

第七方面，提供了一种网络侧设备，该网络侧设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。

第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第二方面所述的方法的步骤。

第九方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。

第十方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤，或实现如第二方面所述的方法的步骤。

第十一方面，提供了一种计算机程序产品/程序产品，所述计算机程序/程序产品被存储在非瞬态的存储介质中，所述程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或实现如第二方面所述的方法的步骤。

在本申请实施例中，通过在终端上部署第一目标AI模型，并结合第一目标AI模型和/或第一定位参考信号实现与终端定位相关的第二信息的确定、上报，由此，不仅可以实现多AI模型融合定位方案，还可以综合考虑多种不同的终端定位信息，从而提升终端定位精度。

附图说明

图1是本申请一示例性实施例提供的无线通信系统的结构示意图。

图2是本申请一示例性实施例提供的定位方法的流程示意图。

图3a是本申请另一示例性实施例提供的定位方法的流程示意图。

图3b是本申请一示例性实施例提供的定位方法的交互流程示意图。

图4是本申请另一示例性实施例提供的定位方法的流程示意图。

图5是本申请一示例性实施例提供的定位装置的结构示意图。

图6是本申请另一示例性实施例提供的定位装置的结构示意图。

图7是本申请一示例性实施例提供的终端的结构示意图。

图8是本申请一示例性实施例提供的网络侧设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。

值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency-Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6^th Generation，6G)通信系统。

图1示出本申请实施例可应用的一种无线通信系统的结构示意图。无线通信系统包括终端11和网络侧设备12。其中，终端11也可以称作终端设备或者用户终端(UserEquipment，UE)，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personal computer，UMPC)、移动上网装置(Mobile Internet Device，MID)、可穿戴式设备(Wearable Device)或车载设备(VUE)、行人终端(PUE)等终端侧设备，可穿戴式设备包括：智能手表、手环、耳机、眼镜等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以是基站或核心网，其中，基站可被称为节点B、演进节点B、接入点、基收发机站(Base TransceiverStation，BTS)、无线电基站、无线电收发机、基本服务集(Basic Service Set，BSS)、扩展服务集(Extended Service Set，ESS)、B节点、演进型B节点(eNB)、家用B节点、家用演进型B节点、WLAN接入点、WiFi节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例，但是并不限定基站的具体类型。

下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。

如图2所示，为本申请一示例性实施例提供的定位方法200的流程示意图，该方法200可以但不限于由终端执行，具体可由安装于终端中的硬件和/或软件执行。本实施例中，所述方法200至少可以包括如下步骤。

S210，终端根据第一信息，确定和/或上报第二信息。

其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型。

所述第一定位参考信号(Positioning Reference Signal，PRS)可以由网络侧设备(如所述终端对应的服务基站、核心网设备等)发送。所述终端通过测量所述第一定位参考信号获取定位测量信息、信道特征信息等，进而将测量到的信息发送给网络侧设备，以辅助所述网络侧设备实现精确、高效的终端定位。

可选的，所述第一定位参考信号可以包括但不限于PRS、信道状态信息-参考信号(Channel State Information-Reference Signal，CSI-RS)、同步信号块(Synchronization Signal and PBCH block，SSB)等。

所述第一目标AI模型可以是通过协议约定、高层配置或网络侧配置实现，以用于辅助所述网络侧设备实现终端定位。可以理解，AI模型具有强大的表达能力，能够处理复杂的非线性问题，其神经网络可以由多个神经元组成，且基本参数可以包括网络层数、神经元个数、激活函数、损失函数等。

当然，在本实施例中，为了实现高效、可靠的终端定位，作为一种可能的实现方式，本实施例可以利用多种AI模型，以通过AI模型融合的方式实现终端定位。基于此，所述第一目标AI模型可以包括以下(11)-(13)中的至少一项。

(11)第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息(即位置的长期统计信息)，从而捕捉终端位置的时间/空间相关性，并根据相关性对未来位置进行预测。

换言之，所述第一AI模型可以理解为位置信息时序预测模型，即所述第一AI模型的模型输入为过去N(N为大于或等于0的整数)个时隙的位置信息，输出为未来M(M为大于或等于0的整数)个时隙的预测位置信息，其中，N、M可以为协议约定、高层配置、网络配置实现。

一种实现方式中，所述历史位置信息可以理解为所述终端在过去N个时隙的实际位置信息、且所述历史位置信息可以缓存在所述终端自身。

所述预测位置信息是所述终端在未来时刻的预估位置信息，其可以基于所述第一AI模型和所述历史位置信息获取。一种可选的实现方式中，所述预测位置信息可以是M个时隙的预测位置信息等。基于此，在本实施例中，所述预测位置信息可以包括以下(111)-(113)中的至少一项。

(111)绝对位置信息。可选的，所述绝对位置信息可以是但不限于M个时隙预测绝对位置信息等。

(112)相对位置信息。可选的，所述相对位置信息可以包括但不限于未来M个时隙预测相对位置信息等。

(113)与所述终端定位相关的信道特征信息。可选的，所述信道特征信息包括以下(1131)-(1131)中的至少一项。

(1131)与第一信道相关的角度信息。可选的，所述角度信息可以包括但不限于到达角(Angle of Arrival，AoA)、离开角(Angle of Departure，AoD)等。

(1132)与第一信道相关的时延信息。可选的，所述时延信息可以包括但不限于到达时间(Time of Arrival，TOA)、到达时间差(Time Difference of Arrival，TDOA)、参考信号时间差(Reference Signal Time Difference,RSTD)、往返时延(Round-trip Time，RTT)、平均过量时延、均方根时延拓展等。

(1133)与第一信道相关的路径增益信息。可选的，所述路径增益信息可以包括但不限于参考信号接收功率(Reference signal received power，RSRP)、时延功率谱(PowerDelay Profile，PDP)、路径功率信息等。

可以理解，前述的第一信道可以为传输定位参考信号的信道，如物理下行共享信道(Physical downlink shared channel，PDSCH)、无线物理下行控制信道(Physicaldownlink control channel，PDCCH)等。

(12)第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息，以捕捉所述终端位置与信道特征的映射关系，进而根据终端对信道的测量估计当前位置信息。

换言之，所述第二AI模型可以理解为位置信息即时推断模型，即模型输入为终端对多个定位基站发送的定位参考信号的第一定位测量信息(也可以理解位置测量信息或信号测量信息等)，模型输出为对当前位置信息的估计。

一种实现方式中，所述第一定位测量信息可以为直接测量量，如所述终端通过对第一定位参考信号进行测量得到的信道状态信息(Channel State Information，CSI)等，也可以是间接测量量，如所述终端通过对直接测量量进行计算得到的信息，或者，所述终端通过将直接测量量输入后续的第三AI模型进行信道特征提取得到的信息，还可以是基于直接测量量和间接测量量进行综合计算得到。

其中，关于所述第一定位测量信息的具体获取方式可以由协议约定、高层配置或网络侧设备配置等确定，在此不做限制。

需要注意，本实施例中所提及的第一定位参考信号和第二定位参考信息可以相同，也可以不同，在此不做限制。

可选的，在本实施例中，所述第一定位测量信息(也即定位测量信息的种类)可以包括以下(1201)-(1210)中的至少一项。

(1201)参考信号时间差。

(1202)往返时延。

(1203)到达角。

(1204)离开角。

(1205)参考信号接收功率。

(1206)到达时间差。

(1207)到达时间。

(1208)时延功率谱。

(1209)平均过量时延。

(1210)均方根时延拓展。

(1210)相干带宽。

(13)第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息，以对终端的第二定位测量信息进行压缩，进而提取主要信道特征，降低缓存和反馈开销。

换言之，所述第三AI模型可以理解为信道特征提取模型，即利用所述第三AI模型，可根据定位测量新提取信道特征信息，如角度信息、时延信息、路径增益信息等。

一种实现方式中，所述第二定位测量信息可以为直接测量量，如所述终端通过对第一定位参考信号进行测量得到的CSI等，也可以是间接测量量，如所述终端通过对直接测量量进行计算得到的信息等，本实施例对此不做限制。需要注意的是，在本实施例中，所述第一定位测量信息与所述第二定位测量信息可以相同，也可以不同。

另一种实现方式中，根据所述信道特征信息的不同，所述第三AI模型可以不同，例如，在所述信道特征信息为角度信息的情况下，所述第三AI模型可以为信道脉冲响应(Channel Impulse Response，CIR)-AOA信道特征提取模型、CIR-AOD的信道特征提取模型，该CIR-AOA信道特征提取模型、CIR-AOD的信道特征提取模型均是从信道脉冲响应中提取AOA信息、AOD信息；在所述信道特征信息为时延信息的情况下，所述第三AI模型可以为CIR-TOA的信道特征提取模型等，该CIR-TOA的信道特征提取模型是从信道脉冲响应中提取TOA信息；所述信道特征信息为时延信息、角度信息等多个信息时，所述第三AI模型可以是由多个对应不同信息的子AI模型构成，对此，本申请实施例不做限制。

可以理解，相对于相关技术中仅在核心网侧部署一个AI模型的方案，本申请还可在终端侧部署第一目标AI模型，以实现多AI模型融合定位方案，进而提高终端定位精度。

在前述对第一信息(如第一定位参考信号、第一目标AI模型)的描述的基础上，所述第二信息是基于所述第一信息确定和/或上报，其可以是所述终端发送的位置信息、定位测量信息等，以用于网络侧设备(如核心网或服务基站)进行终端定位，本实施例对此不做限制。

本实施例中，通过在终端上部署第一目标AI模型，并结合第一目标AI模型和/或第一定位参考信号实现与终端定位相关的第二信息的确定、上报，由此，不仅可以实现多AI模型融合定位方案，还可以综合考虑多种不同的终端定位信息，从而提升终端定位精度。

如图3a所示，为本申请一示例性实施例提供的定位方法300的流程示意图，该方法300可以但不限于由终端执行，具体可由安装于终端中的硬件和/或软件执行。本实施例中，所述方法300至少可以包括如下步骤。

S310，所述终端接收所述网络侧设备发送的第一请求。

其中，所述第一请求用于请求所述终端上报第二信息，如基于第一目标AI模型确定的第一位置信息、第三定位测量信息以及所述第三定位测量信息的种类(如参考信号时间差、往返时延、到达角、离开角、参考信号接收功率、到达时间差、到达时间、)时延功率谱、平均过量时延、均方根时延拓展、相干带宽等)中的至少一项。也就是说，所述终端上报的第二信息可以是基于所述网络侧设备发送的第一请求实现。

可以理解，关于所述第一位置信息、所述第三定位测量信息、所述第三定位测量信息的种类的相关描述可参考后续S320中的相关描述。另外，所述第三定位测量信息可以参照前述对第一定位测量信息、第二定位测量信息的相关描述，为避免重复，在此不再赘述。

一种实现方式中，所述第一请求中所指示的终端需要上报的信息类型(如第一位置信息、第三定位测量信息、第三定位测量信息的种类)可以如S310中所述通过第一请求进行指示，也可以由协议约定等方式进行预先配置，本实施例在此不做限制。

此外，在另一种实现方式中，所述终端在执行S320之前，还可以执行以下至少(21)-(22)中的至少一种。

(21)所述终端上报所述第一标识给所述网络侧设备。

其中，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

(22)所述终端在确定进行本地位置信息预测的情况下，上报所述终端计算能力给所述网络侧设备，以使得所述网络侧设备可基于所述终端计算能力进行终端定位方案的相关部署，例如，AI模型部署等，进而实现后续的终端定位。其中，所述终端计算能力可以以第四标识的方式进行上报。

例如，所述终端可根据自己的终端计算能力判断是否进行本地预测(即本地位置信息预测)，若进行本地预测，则上报终端计算能力对应的第四标识，如“1”，以用于向核心网设备等上报自己的终端计算能力。

可选的，所述终端计算能力至少可以包括所述终端所支持的AI模型的相关信息，如终端所支持的AI模型的标识、AI模型的类型、AI模型的生效时间等。

在此情况下，作为一种可能的实现方式，所述终端在上报所述终端计算能力给所述网络侧设备之后，还可接收所述网络侧设备发送的至少可以携带有AI模型部署方式的相关信息的第四信息。其中，所述第四信息(也可以理解为确认反馈信息)可以理解为所述网络侧设备在接收到所述终端上报的终端能力信息的情况下，根据所述终端能力信息、AI模型的标识、AI模型的类型等确定。

当然，作为一种实现方式，所述第四信息可以包括以下(31)-(34)中的至少一项。

(31)第五标识，所述第五标识用于标识所述AI模型部署方式。

本实施例中，所述AI模型的部署方式可以包括以下(311)-(315)中的任一项。

(311)第一AI模型部署于所述终端，第二AI模型部署于网络侧设备(如核心网设备侧)。

其中，所述第一AI模型用于根据历史位置信息获取预测位置信息。

(312)第一AI模型和第二AI模型均部署于网络侧设备。

其中，所述第二AI模型用于根据第一定位测量信息确定当前位置信息。

(313)第三AI模型部署于所述终端侧，第二AI模型部署于网络侧设备。

其中，所述第三AI模型用于根据第二定位测量信息确定信道特征。

(314)第三AI模型和第二AI模型均部署于网络侧设备。

(315)第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备。

可以理解，在前述几种AI模型部署方式中：对于终端侧，如果所述终端部署有所述第一AI模型，那么，所述终端具有对自身未来位置信息的时序预测能力。即终端可以根据过去N个时隙的位置信息和第一AI模型预测未来M个时隙的预测位置信息，并向核心网设备上报未来M个时隙的预测位置信息。若终端侧不部署第一AI模型，则终端可以上报过去N个时隙的位置信息，其中参数N、M可以由网络动态配置或采用事先约定的方式静态配置实现。

或者，如果所述终端上部署有所述第二AI模型，那么，所述终端能够根据终端上报的第三定位测量信息和第二AI模型进行实时的位置估计(即当前位置信息)。

或者，如果所述终端部署有所述第三AI模型，那么，终端具有对第三定位测量信息的信道特征信息提取能力，即所述终端可以根据测量的第三定位测量信息和第三AI模型提取信道特征信息，然后上报信道特征信息给核心网设备。

对于网络设备侧，如果所述网络侧设备上部署有所述第一AI模型，那么，所述网络侧设备具有对终端未来位置信息的时序预测能力。例如，如果所述终端上报了过去N个时隙的位置信息，则核心网设备根据终端上报的过去N个时隙的位置信息和第一AI模型预测所述终端在未来M个时隙的预测位置信息；如果终端未上报过去N个时隙的位置信息，那么，核心网设备缓存终端的历史位置信息，并根据过去N个时隙的位置信息和第一AI模型预测所述终端在未来M个时隙的预测位置信息。可以理解，所述网络侧设备对终端未来位置信息的前述两种预测方式的选择，可以由核心网设备和终端事先约定。

或者，如果所述网络侧设备上部署有所述第二AI模型，那么，核心网设备能够根据终端上报的第三定位测量信息和第二AI模型进行实时的位置估计(即当前位置信息)。

或者，如果所述网络侧设备上部署有所述第三AI模型，那么，则核心网设备具有对定位测量信息的信道特征信息提取能力，即所述核心网设备可以根据终端上报的第三定位测量信息和第三AI模型提取信道特征信息。

或者，如果核心网设备同时部署第二AI模型和第三AI模型，核心网设备可以首先根据第三AI模型对终端上报的第三定位测量信息进行信道特征提取，然后将提取的信道特征信息输入到第二AI模型进行当前位置信息估计。

需要注意，所述第一AI模型、第二AI模型、第三AI模型的相关描述可参照前述方法实施例200中的相关描述，为避免重复，在此不再赘述。另外，前述(311)-(315)中所述的网络侧设备可以是但不限于核心网设备。

本实施例中，为了便于识别AI部署方式、降低信令开销，不同的AI部署方式可对应不同的第五标识，例如，前述(311)-(315)中的各部署方式分别对应标识1、标识2、标识3、标识4、标识5。以便于后续可基于不同的AI模型实现精确的终端定位。

又例如，如第五标识‘000’可表示网络侧设备采用部署方式(311)，即第一AI模型部署于终端侧，第二AI模型部署于核心网设备侧。

另外可以理解的是，本申请给出的定位方法中，可以包括但不限于前述(311)-(315)中给出的几种AI模型部署方式。

(32)第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间。也即，所述第二时间戳是所述网络侧设备确定或决策或选择所述AI模型部署方式的时间。

(33)时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳。例如，基于所述时间同步信息，所述网络侧设备和所述终端上的AI模型(或AI模型部署方式)的生效时间/失效时间相同或同步。

(34)所述AI模型部署方式对应的AI模型相关信息。

可选的，所述AI模型相关信息可以包括以下(341)-(345)中的至少一项。

(341)模型结构信息。其中，所述模型结构信息可以包括AI模型的类型(如高斯过程、支持向量机、各种神经网络方法等)以及模型的结构(如神经网络的层数、各层神经元个数、激活函数等)。

(342)模型参数信息，即AI模型的超参数配置，例如AI模型中需要人为指定且不随数据训练过程更新的参数，如核函数中的相关参数、激活函数中的相关参数、归一化层中的相关参数等。

(343)模型数据处理方式，即数据在输入到AI模型之前对数据的预处理方式。可选的，所述模型数据处理方式可以包括但不限于归一化、上采样、降采样等等。

(344)模型运行周期，即AI模型每隔多长时间执行一次。

(345)模型更新周期，即AI模型每隔多长时间更新一次。

S320，终端根据第一信息，确定和/或上报第二信息。

其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

可以理解，S320的实现过程除了可参考方法实施例200中的描述之外，作为一种可能的实现方式，所述第二信息可以包括以下(41)-(43)中的至少一项。

(41)第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数，且所述N、M可以由协议约定、高层配置、网络侧配置实现，在此不做限制。

(42)第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息。可选地，所述第三定位测量信息(也即定位测量信息的种类)包括以下(4201)-(4211)中的至少一项。

(4201)参考信号时间差。

(4202)往返时延。

(4203)到达角。

(4204)离开角。

(4205)参考信号接收功率。

(4206)到达时间差。

(4207)到达时间。

(4208)时延功率谱。

(4209)平均过量时延。

(4210)均方根时延拓展。

(4211)相干带宽。

其中，关于所述第三定位测量信息的相关描述可参考前述方法实施例200中对第一定位测量信息、第二定位测量信息的相关描述，为避免重复，在此不再赘述。

(43)第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。可选地，所述第一标识包括以下(431)-(433)中的至少一项。

(431)第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间。例如，所述第一时间戳可以为所述终端上报的第三定位测量信息为哪一个时隙或哪个帧测量得到，以辅助网络侧设备(如核心网)对终端在不同时间上报、从不同AI模型获取的位置信息/定位测量信息(如第三定位测量信息)进行高效融合，进而提高终端定位精度。

(432)第二标识，所述第二标识用于指示所述第一位置信息(如相对位置信息或绝对位置信息)是历史位置信息还是预测位置信息。例如，可协议约定或预配置“1”表示历史位置信息、“0”表示预测位置信息，那么，当所述终端上报的第二标识为“1”时，所述网络侧设备可判定所述第一位置信息为历史位置信息，当所述终端上报的第二标识为“0”时，所述网络侧设备可判定所述第一位置信息为预测位置信息。

另外，作为一种实现方式，所述预测位置信息和所述历史位置信息可以使用相同的时间戳信息。

(434)第三标识，所述第三标识用于指示所述第三定位测量信息的种类。对此，本实施例中可以采用独立报告或联合报告的方式进行。其中，所述独立报告可以理解为：在不同时间段可分别独立上报不同的AI模型的不同第三定位测量信息/预测位置信息，如第一AI模型(model)和第三AI模型的第三定位测量信息、第一AI模型的不同测量信息、第三AI模型的不同第三定位测量信息等等。

可选的，所述第三标识可以包括但不限于(4341)-(4344)中至少一项。

(4341)信息分类标识：对不同的上报信息分别添加不同的信息分类标识。如所述第一位置信息、第三定位测量信息、信道特征信息可以分别对应不同的信息分类标识。

例如，标识“000”可表示第一AI模型的预测位置信息、标识“001”可表示第三AI模型对应的第三定位测量信息、标识“010”可表示第三AI模型的信道特征信息等。

(4342)信息联合处理标识，用于表示不同时间戳上上报的第一位置信息、第三定位测量信息等之间的处理关系。

例如，所述终端在时隙1、2上报第一AI模型得到的预测位置信息，在时隙11、12上报第三AI模型得到的信道特征信息，那么，所述信息联合处理标识“00”可表示核心网需要对终端在时隙1、11上报的信息进行联合处理，联合处理标识“01”可表示核心网需要对终端在时隙1、12上报的信息进行联合处理等。

(4343)联合报告，所述联合报告可以理解为：不同AI模型对应的信息(如第三定位测量信息、第一位置信息)可以一起上报。即所述终端将不同AI模型获取的信息在连续时隙内上报，其具体上报方式可以由核心网和终端事先约定，也可有网络侧配置等，在此不做限制。

S330，所述终端接收所述网络侧设备发送的终端定位信息。

其中，所述终端定位信息是所述网络侧设备根据接收到的第二信息以及所述第二目标AI模型确定。可以理解，与前述的第一目标AI模型类似，所述第二目标AI模型也可以包括第一AI模型、第二AI模型、第三AI模型中的至少一项。相应的，当所述网络侧设备部署有多个AI模型时，可进行多AI模型的终端定位以提升定位精度，如对多个AI模型的定位结果进行融合。

可以理解，关于所述第一AI模型、第二AI模型、第三AI模型可参照前述对所述第一目标AI模型的相关描述，为避免重复，在此不再赘述。

本实施例中，根据AI模型部署方式的不同，所述网络侧设备在确定终端定位信息所采用的第二目标AI模型不同。例如，在本实施例中，假设所述网络侧设备部署有第一AI模型和/或第二AI模型，那么，所述网络侧设备根据所述第二信息以及第二AI目标模型确定终端定位信息的过程可以包括以下(51)-(53)中的至少一项。

(51)在所述第二信息中包括所述历史位置信息和预测位置信息、且所述网络侧设备部署有第一AI模型的情况下，将所述历史位置信息和预测位置信息作为所述第一AI模型的输入，以输出第一位置预测信息，将所述第一位置预测信息确定为终端定位信息。

也就是，在所述网络侧设备中仅部署有第一AI模型、且所述第二包括所述历史位置信息和预测位置信息时，可以将所述第一位置预测信息作为最终的终端定位信息。

可以理解，所述第二信息中包括的预测位置信息可以是终端基于第一AI模型获得。

(52)在所述第二信息中包括所述第三定位测量信息、且所述网络侧设备部署有第二AI模型的情况下，将所述第三定位测量信息作为所述第二AI模型的输入，以输出第二位置预测信息，将所述第二位置预测信息确定为终端定位信息。

也就是，在所述网络侧设备中仅部署有第二AI模型、且所述第二信息包括所述第三定位测量信息时，可以将所述第二位置预测信息作为最终的终端定位信息。

可以理解，所述第三定位测量信息可以是所述终端通过对第一定位参考信号进行测量得到。

(53)在所述第二信息中包括所述历史位置信息、预测位置信息、第三定位测量信息、且所述网络侧设备部署有第一AI模型和第二AI模型的情况下，对所述第一位置预测信息和所述第二位置预测信息进行融合处理，得到终端定位信息。

也就是，在所述网络侧设备中部署有第一AI模型和第二AI模型、且所述第二包括所述历史位置信息、预测位置信息、所述第三定位测量信息时，所述网络侧设备可以对所述第一位置预测信息和所述第二位置预测信息进行融合处理，最后将融合处理结果作为最终的终端定位信息。

基于前述描述，作为一种可能的实现方式中，所述网络侧设备对所述第一位置预测信息和所述第二位置预测信息进行融合处理时的融合处理方式可以根据第五信息确定，其中，所述第五信息可以包括以下(531)-(533)中的至少一项。

(531)所述终端的运动状态信息。其中，所述运动状态信息可以包括但不限于运动速度、运动加速度、运动方向等。

(532)所述终端的历史轨迹信息。所述历史轨迹信息可以包括但不限于所述终端过去所处的位置信息、所接入的小区信息等。

(533)所述终端对定位精度的需求信息。其中，所述定位精度的需求信息可以理解为所述终端是否需要高精度的定位信息、所述定位精度的需求是多少精度等。

一种实现方式，所述第五信息可以由终端向核心网设备周期性或非周期性上报。其中，所述周期性上报可为终端每隔s个时隙上报一次所述第五信息，其中参数s由网络配置；所述非周期性上报为上述第五信息可以上报由终端触发。

示例性的，延续前述描述，假设第一位置预测信息为p1、所述第二位置预测信息为p2，那么，所述终端定位信息p可以为p＝g(p1+p2，w)，其中，w为第五信息对应的参数集，该参数集包括但不限于所述终端的运动状态信息、所述终端的历史轨迹信息、所述终端对定位精度的需求信息等。基于此，下面给出一种融合处理方式的示例。

所述终端定位信息p＝up1+(1-u)p2，0≤u≤1；其中，u表示不同第一AI模型对应的位置预测信息所占比重。例如，

是一种可选的权重u的计算方式，其中，v_t为终端在时隙t的运动速度，参数v为一个由网络侧设备和终端事先约定的速度阈值参数，u是关于v_t单调递增，即终端的运动速度越高，第一AI模型的结果所占比重越高。

基于前述内容，所述网络侧设备在确定最终的终端定位信息之后，还可将所述终端定位信息反馈给所述终端。另外可以理解，所述融合处理方式可以是所述终端基于指定的AI模型(如第一AI模型、第二AI模型、第三AI模型等)对所述第一预测位置信息和所述第二位置信息进行融合以得到所述终端定位信息；或者，所述融合处理方式也可以是所述网络侧设备采用除AI模型之外的其他方式，对所述第一预测位置信息和所述第二位置信息进行融合以得到所述终端定位信息，本实施例对此不做限制。

本实施例中，基于融合AI模型(如不同的AI模型部署方式)进行终端定位，可进一步提高终端的定位精度。

基于前述定位方法200/或300的描述，下面结合图3b对所述定位方法的实现过程做进一步说明，内容如下。其中，所述网络侧设备可以包括服务基站和核心网设备。

S341，所述终端上报终端计算能力给所述核心网设备。

S342，所述核心网设备基于终端计算能力确定AI模型部署方式。

S343，发送第四信息给所述终端。

S344，在定位过程中，所述服务基站发送第一定位参考信号给所述终端。

S345，所述核心网设备发送第一请求给所述终端，以请求所述终端上报第二信息。

S346，所述终端在接收到第一请求的情况下，根据所述第一定位参考信号和/或第一目标AI模型确定第二信息。

S347，所述终端上报第二信息给所述核心网设备。

S348，所述核心网设备根据接收到的第二信息以及第二目标AI模型确定终端定位信息。

S349，所述核心网设备发送终端定位信息给所述终端。

可以理解，本申请中给出的定位过程可以包括但不限于前述S341至S348，如可以包括比S341至S348更多或更少的步骤。另外，S341至S348的实现过程可参照前述方法实施例200和/或300中的相关描述，并达到相同或相应的技术效果，为避免重复，在此不再赘述。

如图4所示，为本申请一示例性实施例提供的定位方法400的流程示意图，该方法400可以但不限于由网络侧设备执行，具体可由安装于网络侧设备中的硬件和/或软件执行。本实施例中，所述方法400至少可以包括如下步骤。

S410，网络侧设备接收终端发送的第二信息。

S420，所述网络侧设备根据第二目标AI模型以及所述第二信息进行终端定位。

一种可选的实现方式中，所述第二信息包括以下至少一项：第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

一种可选的实现方式中，所述第三定位测量信息包括以下至少一项：参考信号时间差；往返时延；到达角；离开角；参考信号接收功率；到达时间差；到达时间；时延功率谱；平均过量时延；均方根时延拓展；相干带宽。

一种可选的实现方式中，所述第一标识包括以下至少一项：第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

一种可选的实现方式中，所述第二目标AI模型包括以下至少一项：第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

一种可选的实现方式中，所述预测位置信息包括以下至少一项：绝对位置信息；相对位置信息；与所述终端定位相关的信道特征信息。

一种可选的实现方式中，所述信道特征信息包括以下至少一项：与第一信道相关的角度信息；与第一信道相关的时延信息；与第一信道相关的路径增益信息；其中，所述第一信道为传输第二定位参考信号的信道。

一种可选的实现方式中，在所述网络侧设备上部署有所述第一AI模型和所述第二AI模型的情况下，所述网络侧设备根据第二目标AI模型以及所述第二信息进行终端定位的步骤，包括以下至少一项：在所述第二信息中包括所述历史位置信息和预测位置信息、且所述网络侧设备上部署有所述第一AI模型的情况下，将所述历史位置信息和预测位置信息作为所述第一AI模型的输入，以输出第一位置预测信息，将所述第一位置预测信息确定为终端定位信息；在所述第二信息中包括所述第三定位测量信息、且所述网络侧设备上部署有所述第二AI模型的情况下，将所述第三定位测量信息作为所述第二AI模型的输入，以输出第二位置预测信息，将所述第二位置预测信息确定为终端定位信息；在所述第二信息中包括所述历史位置信息、预测位置信息、所述第三定位测量信息、且所述网络侧设备上部署有所述第一AI模型、所述第二AI模型的情况下，对所述第一位置预测信息和所述第二位置预测信息进行融合处理，得到终端定位信息。

一种可选的实现方式中，所述网络侧设备对所述第一位置预测信息和所述第二位置预测信息进行融合处理时的融合处理方式根据以下至少一项确定：所述终端的运动状态信息；所述终端的历史轨迹信息；所述终端对定位精度的需求信息。

一种可选的实现方式中，接收第二信息的步骤之前，所述方法还包括以下至少一项：所述网络侧设备发送第一请求给所述终端；其中，所述第一请求用于请求所述终端上报基于第一目标AI模型确定的第一位置信息、第三定位测量信息、第三定位测量信息的种类中的至少一项。

一种可选的实现方式中，所述网络侧设备根据AI模型以及所述第二信息进行终端定位的步骤之前，所述方法还包括以下至少一项：所述网络侧设备接收所述终端上报的所述第一标识；所述网络侧设备接收所述终端发送的终端计算能力。

一种可选的实现方式中，所述方法400还包括：所述网络侧设备在接收到终端计算能力的情况下，根据所述终端计算能力确定AI模型部署方式；所述网络侧设备发送第四信息给所述终端，所述第四信息中至少携带有AI模型部署方式的相关信息。

一种可选的实现方式中，所述AI模型的部署方式包括以下任一项：第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；第一AI模型和第二AI模型均部署于网络侧设备；第三AI模型部署于所述终端，第二AI模型部署于网络侧设备；第三AI模型和第二AI模型均部署于网络侧设备；第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；所述第二AI模型用于根据第一定位测量信息确定当前位置信息；所述第三AI模型用于根据第二定位测量信息确定信道特征。

一种可选的实现方式中，所述第四信息包括以下至少一项：第五标识，所述第五标识用于标识所述AI模型部署方式；第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；所述AI模型部署方式对应的AI模型相关信息。

一种可选的实现方式中，所述AI模型相关信息包括以下至少一项：模型结构信息；模型参数信息；模型数据处理方式；模型运行周期；模型更新周期。

可以理解，本方法实施例400中给出的前述各实现方式的实现过程可参照方法实施例200和/或300中的相关描述，并达到相同或相应的技术效果，为避免重复，在此不再赘述。

需要说明的是，本申请实施例提供的定位方法200-400，执行主体可以为定位装置，或者，该定位装置中的用于执行定位方法200-400的控制模块。本申请实施例中以定位装置执行200-400方法为例，说明本申请实施例提供的定位装置。

如图5所示，为本申请一示例性实施例提供的定位装置500的结构示意图，该装置500包括：执行模块510，用于根据第一信息，确定和/或上报第二信息；其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

一种可选的实现方式中，所述装置还包括确定模块，所述确定模块用于确定所述第一信息。

一种可选的实现方式中，所述第一目标AI模型包括以下至少一项：第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

一种可选的实现方式中，所述预测位置信息包括以下至少一项：绝对位置信息；相对位置信息；与所述终端定位相关的信道特征信息。

一种可选的实现方式中，所述信道特征信息包括以下至少一项：与第一信道相关的角度信息；与第一信道相关的时延信息；与第一信道相关的路径增益信息；其中，所述第一信道为传输第二定位参考信号的信道。

一种可选的实现方式中，所述第二信息包括以下至少一项：第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

一种可选的实现方式中，所述第三定位测量信息包括以下至少一项：参考信号时间差；往返时延；到达角；离开角；参考信号接收功率；到达时间差；到达时间；时延功率谱；平均过量时延；均方根时延拓展；相干带宽。

一种可选的实现方式中，所述第一标识包括以下至少一项：第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

一种可选的实现方式中，所述执行模块510还用于以下至少一项：所述终端上报所述第一标识给所述网络侧设备；所述终端在确定进行本地位置信息预测的情况下，上报所述终端计算能力给所述网络侧设备。

一种可选的实现方式中，所述进行或不进行本地位置信息预测是所述终端根据第三信息确定，其中，所述第三信息包括以下至少一项：所述终端计算能力；网络指示信息；协议约定。

一种可选的实现方式中，所述终端计算能力通过第四标识进行上报。

一种可选的实现方式中，所述终端计算能力至少包括所述终端所支持的AI模型的信息。

一种可选的实现方式中，所述执行模块510还用于接收所述网络侧设备发送的第一请求；其中，所述第一请求用于请求所述终端上报第二信息。

一种可选的实现方式中，所述执行模块510还用于接收所述网络侧设备发送的第四信息；其中，所述第四信息中至少携带有AI模型部署方式的相关信息，所述AI模型部署方式是所述网络侧设备根据终端计算能力确定。

一种可选的实现方式中，所述AI模型的部署方式包括以下任一项：第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；第一AI模型和第二AI模型均部署于网络侧设备；第三AI模型部署于所述终端侧，第二AI模型部署于网络侧设备；第三AI模型和第二AI模型均部署于网络侧设备；第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；所述第二AI模型用于根据第一定位测量信息确定当前位置信息；所述第三AI模型用于根据第二定位测量信息确定信道特征。

一种可选的实现方式中，所述第四信息包括以下至少一项：第五标识，所述第五标识用于标识所述AI模型部署方式；第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；所述AI模型部署方式对应的AI模型相关信息。

一种可选的实现方式中，所述AI模型相关信息包括以下至少一项：模型结构信息；模型参数信息；模型数据处理方式；模型运行周期；模型更新周期。

本申请实施例中的定位装置500可以是装置，具有操作系统的装置或电子设备，也可以是终端中的部件、集成电路、或芯片。该装置或电子设备可以是移动终端，也可以为非移动终端。示例性的，移动终端可以包括但不限于上述所列举的终端11的类型，非移动终端可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personalcomputer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。

本申请实施例提供的定位装置500能够实现图2至图3a的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

如图6所示，为本申请一示例性实施例提供的定位装置600的结构示意图，该装置600包括：传输模块610，用于接收终端发送的第二信息；定位模块620，用于根据第二目标AI模型以及所述第二信息进行终端定位。

一种可选的实现方式中，所述第二信息包括以下至少一项：第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

一种可选的实现方式中，所述第三定位测量信息包括以下至少一项：参考信号时间差；往返时延；到达角；离开角；参考信号接收功率；到达时间差；到达时间；时延功率谱；平均过量时延；均方根时延拓展；相干带宽。

一种可选的实现方式中，所述第一标识包括以下至少一项：第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

一种可选的实现方式中，所述第二目标AI模型包括以下至少一项：第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

一种可选的实现方式中，所述预测位置信息包括以下至少一项：绝对位置信息；相对位置信息；与所述终端定位相关的信道特征信息。

一种可选的实现方式中，所述信道特征信息包括以下至少一项：与第一信道相关的角度信息；与第一信道相关的时延信息；与第一信道相关的路径增益信息；其中，所述第一信道为传输第二定位参考信号的信道。

一种可选的实现方式中，所述定位模块620用于以下至少一项：在所述第二信息中包括所述历史位置信息和预测位置信息、且所述网络侧设备上部署有所述第一AI模型的情况下，将所述历史位置信息和预测位置信息作为所述第一AI模型的输入，以输出第一位置预测信息，将所述第一位置预测信息确定为终端定位信息；在所述第二信息中包括所述第三定位测量信息、且所述网络侧设备上部署有所述第二AI模型的情况下，将所述第三定位测量信息作为所述第二AI模型的输入，以输出第二位置预测信息，将所述第二位置预测信息确定为终端定位信息；在所述第二信息中包括所述历史位置信息、预测位置信息、所述第三定位测量信息、且所述网络侧设备上部署有所述第一AI模型、所述第二AI模型的情况下，对所述第一位置预测信息和所述第二位置预测信息进行融合处理，得到终端定位信息。

一种可选的实现方式中，所述定位模块620对所述第一位置预测信息和所述第二位置预测信息进行融合处理时的融合处理方式根据以下至少一项确定：所述终端的运动状态信息；所述终端的历史轨迹信息；所述终端对定位精度的需求信息。

一种可选的实现方式中，所述传输模块610还用于发送第一请求给所述终端；其中，所述第一请求用于请求所述终端上报基于第一目标AI模型确定的第一位置信息、第三定位测量信息、第三定位测量信息的种类中的至少一项。

一种可选的实现方式中所述传输模块610还用于以下至少一项：所述网络侧设备接收所述终端上报的所述第一标识；所述网络侧设备接收所述终端发送的终端计算能力。

一种可选的实现方式中，所述定位模块620在接收到终端计算能力的情况下，根据所述终端计算能力确定AI模型部署方式；所述传输模块610还用于发送第四信息给所述终端，所述第四信息中至少携带有AI模型部署方式的相关信息。

一种可选的实现方式中，所述AI模型的部署方式包括以下任一项：第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；第一AI模型和第二AI模型均部署于网络侧设备；第三AI模型部署于所述终端，第二AI模型部署于网络侧设备；第三AI模型和第二AI模型均部署于网络侧设备；第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；所述第二AI模型用于根据第一定位测量信息确定当前位置信息；所述第三AI模型用于根据第二定位测量信息确定信道特征。

一种可选的实现方式中，所述第四信息包括以下至少一项：第五标识，所述第五标识用于标识所述AI模型部署方式；第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；所述AI模型部署方式对应的AI模型相关信息。

一种可选的实现方式中，所述AI模型相关信息包括以下至少一项：模型结构信息；模型参数信息；模型数据处理方式；模型运行周期；模型更新周期。

本申请实施例中的定位装置600可以是装置，具有操作系统的装置或网络侧设备，也可以是网络侧设备中的部件、集成电路、或芯片。

本申请实施例提供的定位装置600能够实现图4的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。

本申请实施例还提供一种终端，包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如方法实施例200和/或300中所述的方法的步骤。该终端实施例是与上述终端侧方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图7为实现本申请实施例的一种终端的硬件结构示意图。

该终端700包括但不限于：射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709、以及处理器710等中的至少部分部件。

本领域技术人员可以理解，终端700还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器710逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。

应理解的是，本申请实施例中，输入单元704可以包括图形处理器(GraphicsProcessing Unit，GPU)1041和麦克风7042，图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元706可包括显示面板7061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板7061。用户输入单元707包括触控面板7071以及其他输入设备7072。触控面板7071，也称为触摸屏。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。

本申请实施例中，射频单元701将来自网络侧设备的下行数据接收后，给处理器710处理；另外，将上行的数据发送给网络侧设备。通常，射频单元701包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。

存储器709可用于存储软件程序或指令以及各种数据。存储器709可主要包括存储程序或指令区和存储数据区，其中，存储程序或指令区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器709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，其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。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。

处理器710可包括一个或多个处理单元；可选的，处理器710可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序或指令等，调制解调处理器主要处理无线通信，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器710中。

其中，处理器710，用于根据第一信息，确定和/或上报第二信息；其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

一种可选的实现方式中，所述装置还包括确定模块，所述确定模块用于确定所述第一信息。

一种可选的实现方式中，所述第一目标AI模型包括以下至少一项：第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

一种可选的实现方式中，所述预测位置信息包括以下至少一项：绝对位置信息；相对位置信息；与所述终端定位相关的信道特征信息。

一种可选的实现方式中，所述信道特征信息包括以下至少一项：与第一信道相关的角度信息；与第一信道相关的时延信息；与第一信道相关的路径增益信息；其中，所述第一信道为传输第二定位参考信号的信道。

一种可选的实现方式中，所述第二信息包括以下至少一项：第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

一种可选的实现方式中，所述第三定位测量信息包括以下至少一项：参考信号时间差；往返时延；到达角；离开角；参考信号接收功率；到达时间差；到达时间；时延功率谱；平均过量时延；均方根时延拓展；相干带宽。

一种可选的实现方式中，所述第一标识包括以下至少一项：第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

一种可选的实现方式中，所述处理器710还用于以下至少一项：所述终端上报所述第一标识给所述网络侧设备；所述终端在确定进行本地位置信息预测的情况下，上报所述终端计算能力给所述网络侧设备。

一种可选的实现方式中，所述进行或不进行本地位置信息预测是所述终端根据第三信息确定，其中，所述第三信息包括以下至少一项：所述终端计算能力；网络指示信息；协议约定。

一种可选的实现方式中，所述终端计算能力通过第四标识进行上报。

一种可选的实现方式中，所述终端计算能力至少包括所述终端所支持的AI模型的信息。

一种可选的实现方式中，所述执行模块还用于接收所述网络侧设备发送的第一请求；其中，所述第一请求用于请求所述终端上报第二信息。

一种可选的实现方式中，所述处理器710还用于接收所述网络侧设备发送的第四信息；其中，所述第四信息中至少携带有AI模型部署方式的相关信息，所述AI模型部署方式是所述网络侧设备根据终端计算能力确定。

一种可选的实现方式中，所述AI模型的部署方式包括以下任一项：第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；第一AI模型和第二AI模型均部署于网络侧设备；第三AI模型部署于所述终端侧，第二AI模型部署于网络侧设备；第三AI模型和第二AI模型均部署于网络侧设备；第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；所述第二AI模型用于根据第一定位测量信息确定当前位置信息；所述第三AI模型用于根据第二定位测量信息确定信道特征。

一种可选的实现方式中，所述第四信息包括以下至少一项：第五标识，所述第五标识用于标识所述AI模型部署方式；第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；所述AI模型部署方式对应的AI模型相关信息。

一种可选的实现方式中，所述AI模型相关信息包括以下至少一项：模型结构信息；模型参数信息；模型数据处理方式；模型运行周期；模型更新周期。

在本申请实施例中，通过在终端上部署第一目标AI模型，并结合第一目标AI模型和/或第一定位参考信号实现与终端定位相关的第二信息的确定、上报，由此，不仅可以实现多AI模型融合定位方案，还可以综合考虑多种不同的终端定位信息，从而提升终端定位精度。

本申请实施例还提供一种网络侧设备，包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如实施例400中所述的方法的步骤。该网络侧设备实施例是与上述网络侧设备方法实施例对应的，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。

具体地，本申请实施例还提供了一种网络侧设备。如图8所示，该网络设备800包括：天线801、射频装置802、基带装置803。天线801与射频装置802连接。在上行方向上，射频装置802通过天线801接收信息，将接收的信息发送给基带装置803进行处理。在下行方向上，基带装置803对要发送的信息进行处理，并发送给射频装置802，射频装置802对收到的信息进行处理后经过天线801发送出去。

上述频带处理装置可以位于基带装置803中，以上实施例中网络侧设备执行的方法可以在基带装置803中实现，该基带装置803包括处理器804和存储器805。

基带装置803例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图8所示，其中一个芯片例如为处理器804，与存储器805连接，以调用存储器805中的程序，执行以上方法实施例中所示的网络设备操作。

该基带装置803还可以包括网络接口806，用于与射频装置802交互信息，该接口例如为通用公共无线接口(common public radio interface，简称CPRI)。

具体地，本发明实施例的网络侧设备还包括：存储在存储器805上并可在处理器804上运行的指令或程序，处理器804调用存储器805中的指令或程序执行图6所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。

本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)。

本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行网络侧设备程序或指令，实现上述定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。

本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时，实现上述定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (36)

1.一种定位方法，其特征在于，所述方法包括：

终端根据第一信息，确定和/或上报第二信息；

其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

2.如权利要求1所述的方法，其特征在于，所述第一目标AI模型包括以下至少一项：

第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；

第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；

第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

3.如权利要求2所述的方法，其特征在于，所述预测位置信息包括以下至少一项：

绝对位置信息；

相对位置信息；

与所述终端定位相关的信道特征信息。

4.如权利要求2所述的方法，其特征在于，所述信道特征信息包括以下至少一项：

与第一信道相关的角度信息；

与第一信道相关的时延信息；

与第一信道相关的路径增益信息；

其中，所述第一信道为传输第二定位参考信号的信道。

5.如权利要求1所述的方法，其特征在于，所述第二信息包括以下至少一项：

第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；

第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；

第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

6.如权利要求5所述的方法，其特征在于，所述第三定位测量信息包括以下至少一项：

参考信号时间差；

往返时延；

到达角；

离开角；

参考信号接收功率；

到达时间差；

到达时间；

时延功率谱；

平均过量时延；

均方根时延拓展；

相干带宽。

7.如权利要求5所述的方法，其特征在于，所述第一标识包括以下至少一项：

第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；

第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；

第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

8.如权利要求7所述的方法，其特征在于，所述终端上报所述第二信息的步骤之前，所述方法还包括以下至少一项：

所述终端上报所述第一标识给所述网络侧设备；

所述终端在确定进行本地位置信息预测的情况下，上报所述终端计算能力给所述网络侧设备。

9.如权利要求8所述的方法，其特征在于，所述进行或不进行本地位置信息预测是所述终端根据第三信息确定，其中，所述第三信息包括以下至少一项：

所述终端计算能力；

网络指示信息；

协议约定。

10.如权利要求8所述的方法，其特征在于，所述终端计算能力通过第四标识进行上报。

11.如权利要求8所述的方法，其特征在于，所述终端计算能力至少包括所述终端所支持的AI模型的信息。

12.如权利要求1-8中任一项所述的方法，其特征在于，上报第二信息的步骤之前，所述方法还包括：

所述终端接收所述网络侧设备发送的第一请求；

其中，所述第一请求用于请求所述终端至少上报第二信息。

13.如权利要求1-8中任一项所述的方法，其特征在于，上报第二信息的步骤之后，所述方法还包括：

所述终端接收所述网络侧设备发送的第四信息；

其中，所述第四信息中至少携带有AI模型部署方式的相关信息，所述AI模型部署方式是所述网络侧设备根据终端计算能力确定。

14.如权利要求13所述的方法，其特征在于，所述AI模型的部署方式包括以下任一项：

第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；

第一AI模型和第二AI模型均部署于网络侧设备；

第三AI模型部署于所述终端侧，第二AI模型部署于网络侧设备；

第三AI模型和第二AI模型均部署于网络侧设备；

第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；

其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；

所述第二AI模型用于根据第一定位测量信息确定当前位置信息；

所述第三AI模型用于根据第二定位测量信息确定信道特征。

15.如权利要求13所述的方法，其特征在于，所述第四信息包括以下至少一项：

第五标识，所述第五标识用于标识所述AI模型部署方式；

第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；

时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；

所述AI模型部署方式对应的AI模型相关信息。

16.如权利要求15所述的方法，其特征在于，所述AI模型相关信息包括以下至少一项：

模型结构信息；

模型参数信息；

模型数据处理方式；

模型运行周期；

模型更新周期。

17.一种定位方位，其特征在于，所述方法包括：

网络侧设备接收终端发送的第二信息；

所述网络侧设备根据第二目标AI模型以及所述第二信息进行终端定位。

18.如权利要求17所述的方法，其特征在于，所述第二信息包括以下至少一项：

第一位置信息，所述第一位置信息包括位于当前时间单元之前的N个时间单元对应的位置信息，和/或，位于所述当前时间单元之后的M个时间单元对应的预测位置信息，所述N、M为大于或等于0的整数；

第三定位测量信息，所述第三定位测量信息为所述当前时间单元对应的测量信息；

第一标识，所述第一标识与所述第三定位测量信息相关，用于辅助所述网络侧设备确定对所述第二信息的联合处理方式。

19.如权利要求18所述的方法，其特征在于，所述第三定位测量信息包括以下至少一项：

参考信号时间差；

往返时延；

到达角；

离开角；

参考信号接收功率；

到达时间差；

到达时间；

时延功率谱；

平均过量时延；

均方根时延拓展；

相干带宽。

20.如权利要求18所述的方法，其特征在于，所述第一标识包括以下至少一项：

第一时间戳，所述第一时间戳用于指示所述第三定位测量信息的获取时间；

第二标识，所述第二标识用于指示所述第一位置信息是历史位置信息还是预测位置信息；

第三标识，所述第三标识用于指示所述第三定位测量信息的种类。

21.如权利要求17所述的方法，其特征在于，所述第二目标AI模型包括以下至少一项：

第一AI模型，所述第一AI模型用于根据历史位置信息获取预测位置信息；

第二AI模型，所述第二AI模型用于根据第一定位测量信息确定当前位置信息；

第三AI模型，所述第三AI模型用于根据第二定位测量信息确定信道特征信息。

22.如权利要求21所述的方法，其特征在于，所述预测位置信息包括以下至少一项：

绝对位置信息；

相对位置信息；

与所述终端定位相关的信道特征信息。

23.如权利要求21所述的方法，其特征在于，所述信道特征信息包括以下至少一项：

与第一信道相关的角度信息；

与第一信道相关的时延信息；

与第一信道相关的路径增益信息；

其中，所述第一信道为传输第二定位参考信号的信道。

24.如权利要求21所述的方法，其特征在于，所述网络侧设备根据第二目标AI模型以及所述第二信息进行终端定位的步骤，包括以下至少一项：

在所述第二信息中包括所述历史位置信息和预测位置信息、且所述网络侧设备上部署有所述第一AI模型的情况下，将所述历史位置信息和预测位置信息作为所述第一AI模型的输入，以输出第一位置预测信息，将所述第一位置预测信息确定为终端定位信息；

在所述第二信息中包括所述第三定位测量信息、且所述网络侧设备上部署有所述第二AI模型的情况下，将所述第三定位测量信息作为所述第二AI模型的输入，以输出第二位置预测信息，将所述第二位置预测信息确定为终端定位信息；

在所述第二信息中包括所述历史位置信息、预测位置信息、所述第三定位测量信息、且所述网络侧设备上部署有所述第一AI模型、所述第二AI模型的情况下，对所述第一位置预测信息和所述第二位置预测信息进行融合处理，得到终端定位信息。

25.如权利要求24所述的方法，其特征在于，所述网络侧设备对所述第一位置预测信息和所述第二位置预测信息进行融合处理时的融合处理方式根据以下至少一项确定：

所述终端的运动状态信息；

所述终端的历史轨迹信息；

所述终端对定位精度的需求信息。

26.如权利要求18所述的方法，其特征在于，接收第二信息的步骤之前，所述方法还包括以下至少一项：

所述网络侧设备发送第一请求给所述终端；

其中，所述第一请求用于请求所述终端上报基于第一目标AI模型确定的第一位置信息、第三定位测量信息、第三定位测量信息的种类中的至少一项。

27.如权利要求18-26中任一项所述的方法，其特征在于，所述网络侧设备根据AI模型以及所述第二信息进行终端定位的步骤之前，所述方法还包括以下至少一项：

所述网络侧设备接收所述终端上报的所述第一标识；

所述网络侧设备接收所述终端发送的终端计算能力。

28.如权利要求27所述的方法，其特征在于，所述方法还包括：

所述网络侧设备在接收到终端计算能力的情况下，根据所述终端计算能力确定AI模型部署方式；

所述网络侧设备发送第四信息给所述终端，所述第四信息中至少携带有AI模型部署方式的相关信息。

29.如权利要求27所述的方法，其特征在于，所述AI模型的部署方式包括以下任一项：

第一AI模型部署于所述终端，第二AI模型部署于网络侧设备；

第一AI模型和第二AI模型均部署于网络侧设备；

第三AI模型部署于所述终端，第二AI模型部署于网络侧设备；

第三AI模型和第二AI模型均部署于网络侧设备；

第一AI模型、第二AI模型、第三AI模型均部署于网络侧设备；

其中，所述第一AI模型用于根据历史位置信息获取预测位置信息；

所述第二AI模型用于根据第一定位测量信息确定当前位置信息；

所述第三AI模型用于根据第二定位测量信息确定信道特征。

30.如权利要求28所述的方法，其特征在于，所述第四信息包括以下至少一项：

第五标识，所述第五标识用于标识所述AI模型部署方式；

第二时间戳，所述第二时间戳为所述AI模型部署方式的确定时间；

时间同步信息，所述时间同步信息用于确保部署于所述终端与所述网络侧设备上的AI模型共用一个时间戳；

所述AI模型部署方式对应的AI模型相关信息。

31.如权利要求29所述的方法，其特征在于，所述AI模型相关信息包括以下至少一项：

模型结构信息；

模型参数信息；

模型数据处理方式；

模型运行周期；

模型更新周期。

32.一种定位装置，其特征在于，所述装置包括：

执行模块，用于根据第一信息，确定和/或上报第二信息；

其中，所述第一信息包括第一定位参考信号和/或第一目标AI模型，所述第二信息用于网络侧设备进行终端定位。

33.一种定位装置，其特征在于，所述装置包括：

传输模块，用于接收终端发送的第二信息；

定位模块，用于根据第二目标AI模型以及所述第二信息进行终端定位。

34.一种终端，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至16任一项所述的定位方法的步骤。

35.一种网络侧设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求17至31任一项所述的定位方法的步骤。

36.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-16任一项所述的定位方法的步骤，或者实现如权利要求17至31任一项所述的定位方法的步骤。

Images