CN116326200A - 响应于基于机器学习的天气预测的蜂窝网络配置的新无线电（nr）适配 - Google Patents

响应于基于机器学习的天气预测的蜂窝网络配置的新无线电（nr）适配 Download PDF

Info

Publication number
CN116326200A
CN116326200A CN202180063174.0A CN202180063174A CN116326200A CN 116326200 A CN116326200 A CN 116326200A CN 202180063174 A CN202180063174 A CN 202180063174A CN 116326200 A CN116326200 A CN 116326200A
Authority
CN
China
Prior art keywords
communication
adjusting
state information
channel state
communication 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
Application number
CN202180063174.0A
Other languages
English (en)
Inventor
S·兰迪斯
A·图布尔
G·沃尔夫
P·伯格
D·尤努索夫
R·伯林纳
M·列维茨基
S·利维
N·扎克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN116326200A publication Critical patent/CN116326200A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
    • H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W92/00—Interfaces specially adapted for wireless communication networks
    • H04W92/04—Interfaces between hierarchically different network devices
    • H04W92/10—Interfaces between hierarchically different network devices between terminal device and access point, i.e. wireless air interface
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/08—Access point devices

Landscapes

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

Abstract

一种通信设备将信道状态信息输入到人工神经网络。该通信设备基于所述信道状态信息，利用所述人工神经网络来预测天气状况。该通信设备还基于所预测的天气状况来调整通信。

Description

响应于基于机器学习的天气预测的蜂窝网络配置的新无线电 (NR)适配
相关申请的交叉引用
本申请要求2020年9月24日提交的题为“NEW RADIO(NR)ADAPTATION OF CELLULARNETWORK CONFIGURATION IN RESPONSE TO MACHINE LEARNING BASED WEATHERPREDICTION”的第17/031,302号美国专利申请的优先权，该美国专利申请的公开内容明确地通过引用其全文并入。
技术领域
本公开的各方面总体上涉及无线通信，并且尤其涉及用于响应于使用蜂窝信道信息(CSI)和传感器融合的基于机器学习的天气预测的蜂窝网络配置的5G新无线电(NR)适配的技术和装置。
背景技术
无线通信系统被广泛部署以提供各种电信服务，诸如电话、视频、数据、消息和广播。典型的无线通信系统可以采用能够通过共享可用的系统资源(例如，带宽、传输功率等)来支持与多个用户的通信的多址技术。这种多址技术的示例包括码分多址(CDMA)系统、时分多址(TDMA)系统、频分多址(FDMA)系统、正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)系统、时分同步码分多址(TD-SCDMA)系统以及长期演进(LTE)。LTE/高级LTE是由第三代合作伙伴项目(3GPP)颁布的通用移动电信系统(UMTS)移动标准的一组增强功能。
无线网络可以包括若干基站(BS)，它们可以支持若干用户设备(UE)的通信。用户设备(UE)可以经由下行链路和上行链路与BS进行通信。“下行链路”(或“前向链路”)是指从BS到UE的通信链路，并且“上行链路”(或“反向链路”)是指从UE到BS的通信链路。如将更详细描述的，BS可以被称为节点B、gNB、接入点(AP)、无线电头、发送接收点(TRP)、新无线电(NR)BS、5G节点B等。
已经在多种电信标准中采用了上述多址技术，以提供使得不同的用户设备能够在城市、国家、地区甚至全球级别上进行通信的公共协议。新无线电(NR)(其也可以被称为5G)是由3GPP颁布的对LTE移动标准的一组增强功能。NR被设计成通过以下来更好地支持移动宽带互联网接入：提高频谱效率，降低成本，改善服务，利用新的频谱，以及在下行链路(DL)上使用带循环前缀(CP)的正交频分复用(OFDM)(CP-OFDM)、在上行链路(UL)上使用CP-OFDM和/或SC-FDM(例如，也被称为离散傅里叶变换扩散OFDM(DFT-s-OFDM))以及支持波束成形、多输入多输出(MIMO)天线技术和载波聚合来与其他开放标准更好地整合。
发明内容
根据本公开的方面，一种无线通信方法将信道状态信息输入到人工神经网络。该方法基于所述信道状态信息，利用所述人工神经网络来预测天气状况。该方法还基于预测的天气状况来调整通信。
在本公开的另一方面，一种用于在用户设备(UE)处进行无线通信的装置，包括处理器和耦合到所述处理器的存储器。存储在所述存储器中的指令可操作在由所述处理器执行时使所述装置将信道状态信息输入到人工神经网络。所述装置可以基于所述信道状态信息利用所述人工神经网络来预测天气状况。所述装置还可以基于预测的天气状况来调整通信。
在本公开的另一方面，一种用于无线通信的通信设备包括用于将信道状态信息输入到人工神经网络的部件。所述通信设备包括用于基于所述信道状态信息利用所述人工神经网络来预测天气状况的部件。所述通信设备还包括用于基于预测的天气状况来调整通信的装置。
在本公开的另一方面，公开了一种在其上记录程序代码的非临时性计算机可读介质。所述程序代码由通信设备执行并且包括用于将信道状态信息输入到人工神经网络的程序代码。所述通信设备包括用于基于所述信道状态信息利用所述人工神经网络来预测天气状况的程序代码。所述通信设备还包括用于基于预测的天气状况来调整通信的程序代码。
各方面通常包括如大体上参照附图和说明书描述并由附图和说明书例示的方法、装置、系统、计算机程序产品、非暂时性计算机可读介质、用户设备、基站、无线通信设备和处理系统。
上文已经相当宽泛地概述了根据本公开的示例的特征和技术优势，以便更好地理解随后的具体实施方式。将描述附加的特征和优势。所公开的概念和具体示例可以易于用作用于修改或设计用于执行本公开的相同目的的其他结构的基础。这种等同的解释并不脱离所附权利要求的范围。所公开的概念的特点，包括它们的组织和操作方法，以及相关的优点在结合附图考虑时将从以下的描述中更好地理解。附图中的每个出于说明和描述的目的提供，并不作为权利要求的限制的定义。
附图说明
为了能够详细理解本公开的特征，可以通过参照多个方面进行具体的描述，这些方面中的一些被例示在所附附图中。然而，需要注意的是，所附附图仅例示了本公开的某些方面，并且因此不应认为对其范围的限制，因为说明书可能通向其他同样有效的方面。不同附图中的相同参考数字可以标识相同或相似的元素。
图1是概念性地例示根据本公开的各方面的无线通信网络的示例的框图。
图2是概念性地例示根据本公开的各方面的在无线通信网络中与用户设备(UE)通信的基站的示例的框图。
图3A和图3B是例示根据本公开内容的各方面的影响蜂窝网络的天气状况的示例的示意图。
图4是例示根据本公开的各方面的基于执行的机器学习天气预测的蜂窝网络的示例配置的呼叫流程图。
图5是例示根据本公开的各方面的基于执行的机器学习天气预测的蜂窝网络的示例适配的流程图。
具体实施方式
下面参考附图更全面地描述了本公开的各个方面。然而，本公开可以以许多不同形式呈现，并且不应被解释为限制到整个本公开中呈现的任何具体结构或功能。相反，提供这些方面是为了使本公开全面和完整，并且将向本领域技术人员充分地传达本公开的范围。基于这些教导，本领域技术人员应当理解本公开的范围旨在覆盖本公开的任何方面，无论是独立于本公开的任何其他方面实施的或与本公开的任何其他方面组合实施的。例如，可以使用任意数量的所阐述的方面来实施装置或者实践方法。此外，本公开的范围旨在覆盖使用其他结构、功能或除所阐述的本公开的各方面之外的结构和功能实践的装置与方法。应当理解，本公开所公开的任何方面可以通过权利要求的一个或多个元素体现。
现在将参考各种装置和技术来呈现电信系统的数个方面。这些装置和技术将被描述在以下具体实施方式中，并且在附图中通过各种块、模块、组件、电路、步骤、处理、算法和/或类似物(统称为“元素”)来例示。这些元素可以通过使用硬件、软件或其组合来实施。这些元素取决于特定的应用和施加在整体系统上的设计约束被实施为硬件或者软件。
应当注意的是，虽然可以使用通常与5G及后续无线技术相关的术语来描述各个面，但是本公开的各方面可以被应用于其他基于代的通信系统，诸如并包括3G和/或4G技术。
天气监测是重要且活跃的研究领域。作为示例，研究被引导到使用无线信道状态信息(CSI)来监测当前的天气状况并预测未来的天气。在传统的系统中，商业蜂窝数据跟踪降水、雾和近地表湿度。深度学习可以使用无线信道状态信息来预测和监测天气。然而，这种方法需要不是易于获得的大数据集。
在一些情况下，基站以及可能的用户设备(UE)可以从传感器(例如，相机、RADAR(无线电检测和测距)、LIDAR(光检测和测距)等)收集数据，并将传感器数据与信道状态信息融合，以生成用于训练各种函数(包括深度学习函数)的数据集。可以在这些数据集上进行训练用于天气监测和预测的深度学习函数。蜂窝网络可以使用响应于蜂窝信道状态信息的来自深度学习函数的基于天气的推断来改善蜂窝性能。例如，取决于天气预测，可以为蜂窝系统配置不同的传输功率阈值。在另一示例中，在晴天和雨天可以使用不同的波束成形码本设计。在又一示例中，可以基于变化的天气状况调整速率控制。在又一示例中，可以引入基于天气的服务质量(QOS)的频段间操作，其中，当预测天气改善时，网络可以从较不敏感的频段切换到更敏感的频段，反之亦然。
这些数据集可以由现有的蜂窝基础设施生成。例如，基站(例如，gNB)可以从用户设备(UE)收集信道状态信息作为报告或直接从由UE发送的探测参考信号(SRS)收集信道状态信息。在一个方面，报告可以基于仅出于天气预测目的生成的测量。在其他方面，报告基于当前为信道估计和其他UE功能指定的测量。在其他方面，报告是天气特定数据和当前指定的报告数据的组合。
根据本公开的一个方面，基站从一个或多个传感器(诸如，LIDAR、相机等)收集传感器数据，这些传感器数据可以用作数据集的真实数据。基于接收到的报告和传感器数据，基站运行机器学习模型来跟踪和/或预测天气。根据从机器学习模型推断的天气数据，基站更新网络配置。例如，取决于天气，可以为系统配置不同的传输功率阈值、不同的波束成形码本设计、不同的频段和/或不同的速率。在另一示例中，增强覆盖的基站基于天气激活或停用。最终，可以根据天气预测更新UE路径损耗估计。得益于机器学习天气数据，蜂窝网络可以较少指定的反馈适配天气状况，从而提高网络性能。
图1是例示可以实践本公开的各方面的网络100的示意图。网络100可以是5G或NR网络或某个其他无线网络，诸如LTE网络。无线网络100可以包括若干BS 110(示出为BS110a、BS 110b、BS 110c和BS 110d)以及其他网络实体。BS是与用户设备(UE)进行通信的实体，并且也可以被称为基站、NR BS、节点B、gNB、5G节点B(NB)、接入点、发送接收点(TRP)等。每个BS可以为特定的地理区域提供通信覆盖。在3GPP中，术语“小区”可以指BS的覆盖区域和/或服务该覆盖区域的BS子系统的覆盖区域，这取决于使用该术语的上下文。
BS可以为宏小区、微微小区、毫微微小区和/或另一类型的小区提供通信覆盖。宏小区可以覆盖相对大的地理区域(例如，半径为数公里)，并且可以允许由具有服务订阅的UE不受限制地接入。微微小区可以覆盖相对小的地理区域，并且可以允许由有服务订阅的UE不受限制地接入。毫微微小区可以覆盖相对小的地理区域(例如，家庭)，并且可以允许与毫微微小区有关联的UE(例如，封闭订户组(CSG)中的UE)受限地接入。宏小区的BS可以被称为宏BS。微微小区的BS可以被称为微微BS。毫微微小区的BS可以被称为毫微微BS或家庭BS。在图1中示出的示例中，BS 110a可以是宏小区102a的宏BS，BS 110b可以是微微小区102b的微微BS，并且BS 110c可以是毫微微小区102c的毫微微BS。BS可以支持一个或多个(例如，三个)小区。术语“eNB”、“基站”、“NR BS”、“gNB”、“TRP”、“AP”、“节点B”、“5G NB”和“小区”能够可互换地使用。
在一些方面，小区可以不必为固定的，并且小区的地理区域可以根据移动BS的位置移动。在一些方面，BS可以通过使用任何合适的传输网络的各种类型的回程接口(诸如直接物理连接、虚拟网络等)彼此互连和/或与无线网络100中的一个或多个其他BS或网络节点(未显示)互连。
无线网络100还可以包括中继站。中继站是能够从上游站(例如，BS或UE)接收数据传输并将数据传输发送到下游站(例如，UE或BS)的实体。中继站也可以是能够为其他UE中继传输的UE。在图1中例示的示例中，中继站110d可以与宏BS 110a和UE 120d通信，以促进BS 110a和UE 120d之间的通信。中继站也可以被称为中继BS、中继基站、中继等。
无线网络100可以是包括不同类型的BS(例如，宏BS、微微BS、毫微微BS、中继BS等)的异构网络。这些不同类型的BS可以具有不同的传输功率水平、不同的覆盖区域和对无线网络100中的干扰的不同影响。例如，宏BS可以具有高传输功率水平(例如，5至40瓦特)，而微微BS，毫微微BS和中继BS可以具有较低的传输功率水平(例如，0.1至2瓦特)。
作为示例，BS 110(示出为BS 110a、BS 110b、BS 110c和BS 110d)和核心网络130可以经由回程链路132(例如，S1等)交换通信。基站110可以通过其他回程链路(例如，X2等)直接地或间接地(例如，通过核心网络130)彼此通信。
核心网络130可以是演进的分组核心(EPC)，其可以包括至少一个移动性管理实体(MME)、至少一个服务网关(S-GW)以及至少一个分组数据网络(PDN)网关(P-GW)。MME可以是处理UE 120和EPC之间的信令的控制节点。所有用户IP分组可以通过S-GW来传送，S-GW本身可以与P-GW连接。P-GW可以提供IP地址分配以及其他功能。P-GW可以与网络运营商的IP服务连接。运营商的IP服务可以包括互联网、内联网、IP多媒体子系统(IMS)和分组交换(PS)流服务。
核心网络130可以提供用户认证、接入授权、跟踪、IP连接性以及其他接入、路由或移动性功能。基站110或接入节点控制器(ANC)中的一个或多个可以通过回程链路132(例如，S1、S2等)与核心网络130对接，并且可以执行用于与UE 120通信的无线电配置和调度。在一些配置中，每个接入网络实体或基站110的各种功能可以被分布在多种网络设备(例如，无线电头和接入网络控制器)中，或者被合并到单个网络设备(例如，基站110)中。
UE 120(例如，120a、120b、120c)可以分散在整个无线网络100中，并且每个UE可以是固定的或移动的。UE也可以被称为接入终端、终端、移动站、订户单元、站等。UE可以是蜂窝电话(例如，智能电话)、个人数字助理(PDA)、无线调制解调器、无线通信设备、手持设备、膝上型计算机、无绳电话、无线本地环路(WLL)站、平板计算机、相机、游戏设备、上网本、智能本、超极本、医疗设备或装备、生物识别传感器/设备、可穿戴设备(智能手表、智能服装、智能眼镜、智能腕带、智能首饰(例如，智能戒指，智能手镯))、娱乐设备(例如，音乐或视频设备或卫星广播)、车辆组件或传感器、智能仪表/传感器、工业制造设备、全球定位系统设备或被配置为经由无线或有线介质进行通信的任何其他合适的设备。
一个或多个UE 120可以为网络切片建立协议数据单元(PDU)会话。在一些情况下，UE 120可以基于应用或订阅服务来选择网络切片。通过让不同的网络切片服务不同的应用或订阅，UE 120可以提高其在无线通信系统100中的资源利用率，同时也满足UE 120的各个应用的性能规范。在一些情况下，由UE 120使用的网络切片可以由与基站110或核心网络130中的一个或二者相关联的AMF(在图1中未示出)来服务。此外，网络切片的会话管理可以由接入和移动性管理功能(AMF)执行。
UE 120或基站110可以包括基于天气的配置模块140。为简洁起见，只示出一个基站110(而没有UE)包括配置模块140。配置模块140可以将信道状态信息输入到人工神经网络。基于天气的配置模块140也可以基于信道状态信息利用人工神经网络来预测天气状况，并且基于天气状况来调整通信。
一些UE可以被认为是机器型通信(MTC)或演进或增强的机器型通信(eMTC)UE。MTC和eMTC UE包括例如可以与基站、另一设备(例如，远程设备)或某个其他实体通信的机器人、无人机、远程设备、传感器、仪表、监视器、位置标签等。例如，无线节点可以经由有线或无线通信链路提供用于网络(例如，广域网，诸如互联网或蜂窝网络)的连接或与该网络的连接。一些UE可以被认为是物联网(IoT)设备和/或可以被实施为NB-IoT(窄带物联网)设备。一些UE可以被认为是客户驻地设备(CPE)。UE 120可以被包括在容纳UE 120的组件(诸如处理器组件、存储器组件等)的外壳内。
通常，任何数量的无线网络可以被部署在给定的地理区域中。每个无线网络可以支持特定的无线电接入技术(RAT)，并且可以操作在一个或多个频率。RAT也可以被称为无线电技术、空中接口等。频率也可以被称为载波、频率信道等。每个频率可以支持给定的地理区域中的单个RAT，以避免不同RAT的无线网络之间的干扰。在一些情况下，可以部署NR或5G RAT网络。
在一些方面，两个或更多个UE 120(例如，示出为UE 120a和UE 120e所示)可以直接使用一个或多个侧链路信道进行通信(例如，不使用基站110作为中介来彼此通信)。例如，UE 120可以使用点对点(P2P)通信、设备对设备(D2D)通信、车辆对万物(V2X)协议(例如，可以包括车辆对车辆(V2V)协议、车辆对基础设施(V2I)协议等)、网格网络等进行通信。在这种情况下，UE 120可以执行调度操作、资源选择操作和/或如由基站110执行的别处所描述的其他操作。例如，基站110可以经由下行链路控制信息(DCI)、无线电资源控制(RRC)信令、媒体接入控制-控制元素(MAC-CE)或系统信息(例如，系统信息块(SIB))配置UE 120。
如以上所指示的，图1仅被提供为示例。其他示例可能与关于图1所描述的不同。
图2示出了基站110和UE 120的设计200的框图，基站110和UE 120可以是图1中的基站中的一个和UE中的一个。基站110可以配备T个天线234a到234t，并且UE 120可以配备R个天线252a到252r，其中通常T≥1且R≥1。
在基站110处，发送处理器220可以接收来自一个或多个UE的数据源212的数据，至少部分基于从UE接收到的信道质量指示符(CQI)为每个UE选择一个或多个调制和译码方案(MCS)，至少部分地基于为UE选择的MCS处理(例如，编码和调制)每个UE的数据，并且为所有UE提供数据码元。缩减MCS降低了吞吐量，但增加了传输的可靠性。发送处理器220还可以处理系统信息(例如，针对半静态资源划分信息(SRPI)等)和控制信息(例如，CQI请求、授权、上层信令等)，并提供开销码元和控制码元。发送处理器220还可以为参考信号(例如，小区特定参考信号(CRS))和同步信号(例如，主同步信号(PSS)或辅同步信号(SSS))生成参考码元。发送(TX)多输入多输出(MIMO)处理器230可以在适用的情况下对数据码元、控制码元、开销码元和/或参考码元执行空间处理(例如，预译码)，并且可以向T个调制器(MOD)232a至232t提供T个输出码元流。每个调制器232可以处理相应的输出码元流(例如，针对OFDM等)，以获得输出样本流。每个调制器232还可以处理(例如，转换至模拟、放大、滤波和上变换)输出样本流，以获得下行链路信号。来自调制器232a至232t的T个下行链路信号可以分别经由T个天线234a至234t来发送。根据以下更详细描述的各方面，同步信号可以用位置编码来生成，以传达附加信息。
在UE 120处，天线252a至252r可以接收来自基站110和/或其他基站的下行链路信号并且可以分别向解调器(DEMOD)254a至254r提供接收到的信号。每个解调器254可以调节(例如，滤波、放大、下变换和数字化)接收到的信号，以获得输入样本。每个解调器254还可以处理输入样本(例如，针对OFDM等)，以获得接收到的码元。MIMO检测器256可以从所有R个解调器254a至254r获得接收到的码元，在适用的情况下对接收到的码元执行MIMO检测，并且提供经检测的码元。接收处理器258可以处理(例如，解调和解码)经检测的码元，向数据宿260提供为UE 120解码的数据，并且向控制器/处理器280提供经解码的控制信息和系统信息。信道处理器可以确定参考信号接收功率(RSRP)、接收信号强度指示符(RSSI)、参考信号接收质量(RSRQ)、信道质量指示符(CQI)等。在一些方面，UE 120的一个或多个组件可以被包括在外壳中。
在上行链路上，在UE 120处，发送处理器264可以接收并处理来自数据源262的数据和来自控制器/处理器280的(例如，针对包括RSRP、RSSI、RSRQ、CQI等的报告的)控制信息。发送处理器264也可以为一个或多个参考信号生成参考码元。来自发送处理器264的码元可以在适用的情况下由TX MIMO处理器266预译码，由调制器254a至254r进一步处理(例如，针对DFT-s-OFDM、CP-OFDM等)，并且被发送到基站110。在基站110处，来自UE 120和其他UE的上行链路信号可以由天线234接收，由解调器254处理，在适用的情况下由MIMO检测器236检测，并且由接收处理器238进一步处理，以获得由UE 120发送的经解码的数据和控制信息。接收处理器238可以将经解码的数据提供给数据宿239，并将经解码的控制信息提供给控制器/处理器240。基站110可以包括通信单元244，并且经由通信单元244与核心网络130通信。核心网络130可以包括通信单元294、控制器/处理器290和存储器292。
基站110的控制器/处理器240和/或图2的任何其他组件可以执行与基于天气的网络配置相关联的一个或多个技术，如在别处更详细地描述的。例如，基站110的控制器/处理器240和/或图2的任何其他组件可以执行或引导例如图5的过程和/或所描述的其他过程的操作。存储器242和282可以分别存储基站110和UE 120的数据和程序代码。调度器246可以调度UE在下行链路和/或上行链路上的数据传输。
在一些方面，UE 120或基站110可以包括用于输入的部件、用于预测的部件、用于调整的部件、用于激活的部件、用于改变的部件、用于控制的部件和/或用于请求平均值的部件。这样的部件可以包括关于图2所描述的UE120或基站110的一个或多个组件。
如以上所指示的，图2仅被提供为示例。其他示例可能与关于图2所描述的不同
如所描述的，信道状态信息(CSI)可以用于监测当前天气和/或预测未来天气。传统的系统使用商业蜂窝数据来跟踪降水、雾和近地表湿度。在一些情况下，深度学习系统(诸如深度学习模型)可以使用无线信道状态信息来预测和监测天气。大数据集可以被指定用于训练深度学习系统。这些大数据集并不易于获得。
根据本公开的各方面，基站和可能的用户设备(UE)可以从传感器(例如，相机、RADAR(无线电检测和测距)、LIDAR(光检测和测距))收集数据，并将传感器数据与信道状态信息融合，以生成用于训练各种函数(包括深度学习函数)的数据集。学习可以在几个与传感器耦合的基站上进行。基站可以分散在整个环境中，诸如城市、州或整个世界。一旦数据集被收集并且神经网络被训练，神经网络就可以在各种环境中的若干基站上运行。虽然描述主要关于基站预测天气状况并调整通信，但是本公开也适用于UE预测天气状况并调整通信。
根据本公开的各方面，使用蜂窝信道状态信息和传感器融合，为天气监测和预测定义蜂窝生成的数据集。在其他方面，蜂窝生成的数据集可以帮助信道建模验证。
可以在用于天气监测和预测的数据集上训练深度学习函数。蜂窝网络可以使用响应于蜂窝信道状态信息的来自深度学习函数的基于天气的推断来改善蜂窝性能。例如，取决于预测的天气，可以对蜂窝系统施加不同的传输功率阈值。在另一示例中，在晴天和雨天可以使用不同的波束成形码本设计。在又一个示例中，可以通过基于变化的天气状况来适配调制和译码方案(MCS)来调整速率控制。
在又一个示例中，可以引入基于天气的服务质量(QOS)的频段间操作。也就是说，在天气方面，一些频段比其他频段更敏感。因此，当预测天气改善时，网络可以从较不敏感的频段(例如，频率范围一(FR1))切换到更敏感的频段(例如，频率范围二(FR2)、频率范围四(FR4)、频率范围五(FR5)或更高的频段)。类似地，当天气状况恶化时，网络可以从更敏感的频段切换到较不敏感的频段。
在本公开的方面，蜂窝数据可以被用来跟踪降水、雾、近地表湿度和预测洪水。蜂窝数据反映了蜂窝信道，该蜂窝信道可能因降水、雾等而变化。学习信道如何因天气变化而变化可以将信道状况耦合到天气状况。
使用蜂窝信道信息和深度学习来跟踪和预测天气指定了大数据集。这些数据集可以由现有的蜂窝网络基础设施生成。例如，基站(例如，gNB)可以从用户设备(UE)收集信道状态信息作为报告或直接从由UE发送的探测参考信号(SRS)收集信道状态信息。在一个方面，报告可以基于仅出于天气预测目的生成的测量。在其他方面，报告基于当前为信道估计和其他无线通信功能指定的测量。在其他方面，报告是天气特定数据和当前指定的报告数据的组合。
仅出于天气预测目的生成的测量的示例包括与改善通信信道不直接有关但与天气预测有关的统计。可以特定于天气预测的报告数据的示例包括全信道脉冲响应或延迟扩展统计，包括延迟扩展的平均值、最大能量和/或方差。报告可以是定期的或按需的。在一些方面，即使在UE和基站之间不存在数据连接时，诸如在不连续接收(DRX)模式期间，也会报告用于天气预测的数据。
在本公开的方面，基站从一个或多个传感器(诸如，LIDAR、相机等)收集传感器信息，这些传感器信息可以用作数据集的真实数据。图3A和图3B是例示根据本公开的方面的影响蜂窝网络的天气状况的示例的示意图。如在图3A和图3B中可见，基站(例如，gNB)从相机302接收传感器数据。基站(例如，gNB)还接收基于激光束310、312的LIDAR数据。在图3A中，天气状况是多云，导致第一类型的相机数据和LIDAR数据。在图3B中，天气状况是下雨，导致生成第二类型的相机数据和LIDAR数据。然而，使用单独用于天气跟踪/预测的传感器(诸如相机和激光雷达)可能不是一个好办法，因为没有在整个蜂窝基础设施中部署传感器。因此，蜂窝数据可以帮助跟踪天气状况，因为信道状态信息是普遍可获得的，并且蜂窝信道在天气变化时变化。
根据本公开的各方面，通过跟踪和预测天气变化，蜂窝网络可以快速适配天气变化，并且反馈较少。例如，取决于天气，可以对系统施加不同的传输功率阈值。在另一示例中，可以通过补充基站来提供增强的覆盖。只有在天气降低小区覆盖时才激活补充基站。通过响应于天气数据，减少了这些补充基站的功率消耗，因为它们不是总是开启的。
在其他方面，取决于天气状况可以使用不同的波束成形码本设计。一个码本可以备用在晴天，而另一个码本被用在雨天。在另一示例中，速率控制可以基于变化的天气状况来调整，例如，通过适配调制和译码方案(MCS)。在又一示例中，可以引入基于天气的服务质量(QOS)的频段间操作。也就是说，当天气状况恶化时(诸如当雨变大时)，可以取消选择对天气更敏感的频段。
最终，可以根据天气预测来更新UE路径损耗估计。也就是说，路径损耗可能由于天气变化而变化。然而，路径损耗报告不频繁。因此，天气预测可以填补路径损耗报告之间的空白，以获得更准确的路径损耗估计。产生的路径损耗估计可以被用来调整MCS、传输功率等。
图4是例示根据本公开的各方面的基于机器学习天气预测的蜂窝网络的示例配置的呼叫流程图。如图4中所示出的，在无线网络400中，在时间t1，基站410从UE 420请求用于天气预测的信道测量。测量可以仅出于天气预测的目的，诸如延迟扩展统计和/或可以是标准化的信道状态信息测量。在时间t2，UE 420向基站410报告测量。
基于接收到的测量数据，在时间t3，基站410运行机器学习模型来跟踪和/或预测天气。根据从机器学习模型输出的天气数据，基站在时间t4更新网络配置。例如，取决于天气，可以为网络400配置不同的传输功率阈值、不同的波束成形编码本设计、不同的频段和/或不同的速率。在另一示例中，基于天气激活或停用补充基站。最终，可以根据天气预测更新UE路径损耗估计。如所描述的，蜂窝网络400可以基于当前的和/或预测的天气状况，以较少的指定反馈来适配天气的变化。
如以上所指示的，图3-图4被提供为示例。其他示例可能与关于图3-图4描述的不同。
图5是例示根据本公开的各方面的例如由基站或UE执行的示例过程500的示意图。示例过程500是响应于使用信道状态信息(CSI)和传感器融合的基于机器学习的天气预测的蜂窝网络配置的新无线电(NR)适配的示例。
如图5所示，在一些方面，过程500可以包括将信道状态信息输入到人工神经网络(块502)。例如，通信设备(例如，使用控制器/处理器280、240和/或存储器282、242)可以将信道状态信息输入到人工神经网络。过程500可以包括基于信道状态信息利用人工神经网络来预测天气状况(块504)。例如，通信设备(例如，使用控制器/处理器280、240和/或存储器282、242)可以预测天气状况。过程500还可以包括基于预测的天气状况来调整通信(块506)。例如，通信设备(例如，使用天线252、234、DEMOD/MOD 254、232、MIMO检测器256、236、TX MIMO处理器266、230、接收处理器258、238、发送处理器264、220、控制器/处理器280、240和/或存储器282、242)可以调整通信。
前述公开提供了说明和描述，但并不旨在穷尽或将各方面限制在所公开的精确形式。可以根据上述公开做出修改和变体，或者可以从这些方面的实践中获得修改和变体。
如所使用的，术语“组件”旨在宽泛地被解释为硬件、固件和/或硬件与软件的组合。如所使用的，处理器是以硬件、固件和/或硬件和软件的组合来实施的。
一些方面是结合阈值来描述的。如所使用的，满足阈值可以取决于上下文指值大于阈值、大于或等于阈值、小于阈值、小于或等于阈值、等于阈值、不等于阈值等。
显然，所描述的系统和/或方法可以以不同形式的硬件、固件和/或硬件与软件的组合来实施。用于实施这些系统和/或方法的实际专用控制硬件或软件代码并不是对各方面的限制。因此，对系统和/或方法的操作和行为进行了描述，而没有提及具体的软件代码——可以理解的是，至少部分基于描述，可以设计软件和硬件可以被设计为实施这些系统和/或方法。
即使权利要求书和/或说明书中记载了特征的特定组合，这些组合也不旨在限制各方面的公开。事实上，这些特征中的许多特征可以以权利要求书中未具体描述和/或说明书中未具体公开的方式进行组合。尽管下面列出的每个从属权利要求可能直接从属于仅一个权利要求，但是各方面的公开包括每个从属权利要求与权利要求集中的每个其他权利要求组合。提及项目列表“中的至少一个”的短语是指这些项目的任何组合，包括单个成员。作为示例，“a、b或c中的至少一个”旨在涵盖a、b、c、a-b、a-c、b-c和a-b-c，以及与多个e同一元素的任何组合(例如，a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c，和c-c-c或a、b和c的任何其他排序)。
任何使用的元素、行为或指令都不应被解释为关键的或必要的，除非明确地这样描述。另外，如所使用的，冠词“一(a)”和“一个(an)”旨在包括一个或多个项目，并且可以与“一个或多个”互换使用。此外，如所使用的，术语“集”和“组”旨在包括一个或多个项目(例如，相关项目、不相关项目、相关和不相关项目的组合等)，并且可以与“一个或多个”互换使用。如果意指仅一个项目，则使用短语“仅一个”或类似语言。另外，如所使用的，术语“具有(has)”、“具有(have)”、“具有(having)”等旨在为开放式的术语。此外，除非另有明确说明，短语“基于”旨在意指“至少部分基于”。

Claims (40)

1.一种由通信设备进行无线通信的方法，包括：
将信道状态信息输入到人工神经网络；
基于所述信道状态信息，利用所述人工神经网络来预测天气状况；以及
基于所预测的天气状况来调整通信。
2.根据权利要求1所述的方法，其中调整所述通信包括调整传输功率。
3.根据权利要求1所述的方法，其中调整所述通信包括激活补充基站。
4.根据权利要求1所述的方法，其中调整所述通信包括调整波束成形码本。
5.根据权利要求1所述的方法，其中调整所述通信包括改变用于通信的频段。
6.根据权利要求1所述的方法，其中调整所述通信包括通过调整调制和译码方案(MCS)来控制数据速率。
7.根据权利要求1所述的方法，其中调整所述通信包括调整路径损耗估计以进一步调整所述通信。
8.根据权利要求1所述的方法，还包括请求用户设备(UE)报告用于天气预测的所述信道状态信息。
9.根据权利要求8所述的方法，其中所述信道状态信息包括全信道脉冲响应。
10.根据权利要求8所述的方法，其中所述信道状态信息包括延迟扩展统计。
11.根据权利要求8所述的方法，其中所述报告发生在数据连接不存在时。
12.根据权利要求1所述的方法，其中所述通信设备包括基站。
13.根据权利要求1所述的方法，其中所述通信设备包括用户设备(UE)。
14.一种用于由通信设备进行无线通信的装置，包括：
处理器，
存储器，所述存储器与所述处理器耦合；以及
指令，所述指令被存储在所述存储器中并且可操作在由所述处理器执行时使所述装置：
将信道状态信息输入到人工神经网络；
基于所述信道状态信息，利用所述人工神经网络来预测天气状况；并且
基于所预测的天气状况来调整通信。
15.根据权利要求14所述的装置，其中所述处理器使所述装置通过调整传输功率来调整所述通信。
16.根据权利要求14所述的装置，其中所述处理器使所述装置通过激活补充基站来调整所述通信。
17.根据权利要求14所述的装置，其中所述处理器使所述装置通过调整波束成形码本来调整所述通信。
18.根据权利要求14所述的装置，其中所述处理器使所述装置通过改变用于通信的频段来调整所述通信。
19.根据权利要求14所述的装置，其中所述处理器使所述装置通过控制数据速率以调整调制和译码方案(MCS)来调整所述通信。
20.根据权利要求14所述的装置，其中所述处理器使所述装置通过调整路径损耗估计以进一步调整所述通信来调整所述通信。
21.根据权利要求14所述的装置，其中所述处理器使所述装置请求用户设备(UE)报告用于天气预测的所述信道状态信息。
22.根据权利要求21所述的装置，其中所述信道状态信息包括全信道脉冲响应。
23.根据权利要求21所述的装置，其中所述信道状态信息包括延迟扩展统计。
24.根据权利要求21所述的装置，其中所述处理器使所述装置在数据连接不存在时报告。
25.根据权利要求14所述的装置，其中所述通信设备包括基站。
26.根据权利要求14所述的装置，其中所述通信设备包括用户设备(UE)。
27.一种用于无线通信的通信设备，包括：
用于将信道状态信息输入到人工神经网络的部件；
用于基于所述信道状态信息利用所述人工神经网络来预测天气状况的部件；以及
用于基于所预测的天气状况来调整通信的部件。
28.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于调整传输功率的部件。
29.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于激活补充基站的部件。
30.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于调整波束成形码本的部件。
31.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于改变通信频段的部件。
32.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于控制数据速率以调整调制和译码方案(MCS)的部件。
33.根据权利要求27所述的通信设备，其中所述用于调整所述通信的部件包括用于调整路径损耗估计以进一步调整所述通信的部件。
34.根据权利要求27所述的通信设备，还包括用于请求用户设备(UE)报告用于天气预测的所述信道状态信息的部件。
35.根据权利要求34所述的通信设备，其中所述信道状态信息包括全信道脉冲响应。
36.根据权利要求34所述的通信设备，其中所述信道状态信息包括延迟扩展统计。
37.根据权利要求34所述的通信设备，其中所述报告发生在数据连接不存在时。
38.根据权利要求27所述的通信设备，其中所述通信设备包括基站。
39.根据权利要求27所述的通信设备，其中所述通信设备包括用户设备(UE)。
40.一种非暂时性计算机可读介质，其上记录有程序代码，所述程序代码由通信设备执行并且包括：
用于将信道状态信息输入到人工神经网络的程序代码；
用于基于所述信道状态信息利用所述人工神经网络来预测天气状况的程序代码；以及
用于基于所预测的天气状况来调整通信的程序代码。
CN202180063174.0A 2020-09-24 2021-08-24 响应于基于机器学习的天气预测的蜂窝网络配置的新无线电（nr）适配 Pending CN116326200A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/031,302 US11910203B2 (en) 2020-09-24 2020-09-24 Radio (NR) adaptation of cellular network configuration in response to machine learning based weather prediction
US17/031,302 2020-09-24
PCT/US2021/047356 WO2022066338A1 (en) 2020-09-24 2021-08-24 New radio (nr) adaptation of cellular network configuration in response to machine learning based weather prediction

Publications (1)

Publication Number Publication Date
CN116326200A true CN116326200A (zh) 2023-06-23

Family

ID=78078328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180063174.0A Pending CN116326200A (zh) 2020-09-24 2021-08-24 响应于基于机器学习的天气预测的蜂窝网络配置的新无线电（nr）适配

Country Status (4)

Country Link
US (2) US11910203B2 (zh)
EP (1) EP4218285A1 (zh)
CN (1) CN116326200A (zh)
WO (1) WO2022066338A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023214904A1 (en) * 2022-05-03 2023-11-09 Telefonaktiebolaget Lm Ericsson (Publ) Controlling communication settings at radio link arrangements using fade pattern
CN117040708A (zh) * 2022-05-09 2023-11-10 北京三星通信技术研究有限公司 由基站或网络节点执行的方法及相关设备
WO2024117296A1 (ko) * 2022-11-30 2024-06-06 엘지전자 주식회사 무선 통신 시스템에서 조절 가능한 파라미터를 가지는 송수신기를 이용하여 신호를 송수신하기 위한 방법 및 장치
CN118413880B (zh) * 2024-07-02 2024-09-20 瑞纳智能设备股份有限公司 无线通信方法、系统以及服务器

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6816786B2 (en) * 2000-04-18 2004-11-09 Devrie S Intriligator Space weather prediction system and method
US8040970B2 (en) 2007-08-17 2011-10-18 Ralink Technology Corporation Method and apparatus for adaptive reduced overhead transmit beamforming for wireless communication systems
US9692644B2 (en) * 2013-06-18 2017-06-27 Cisco Technology, Inc. Dynamically adjusting network parameters using weather forecasts
US10833912B2 (en) * 2012-12-05 2020-11-10 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
ES2879277T3 (es) * 2015-03-06 2021-11-22 Gatekeeper Systems Inc Ubicación de bajo consumo de energía de objetos móviles
US9811915B2 (en) * 2015-08-24 2017-11-07 Huawei Technologies Co., Ltd. Integration of image/video pattern recognition in traffic engineering
US10078155B2 (en) * 2016-06-24 2018-09-18 Climacell Inc. Real-time precipitation forecasting system
US11121799B2 (en) 2017-02-05 2021-09-14 Lg Electronics Inc. Method for determining modulation and coding scheme in wireless communication system, and device therefor
US10594380B1 (en) * 2018-09-28 2020-03-17 At&T Intellectual Property I, L.P. Channel state information determination using demodulation reference signals in advanced networks
US11979754B2 (en) * 2018-12-22 2024-05-07 Nokia Solutions And Networks Oy Connection behavior identification for wireless networks
WO2020164122A1 (en) * 2019-02-15 2020-08-20 Qualcomm Incorporated Partial-bandwidth feedback for beam combination codebook
US10945281B2 (en) * 2019-02-15 2021-03-09 At&T Intellectual Property I, L.P. Facilitating improved performance of multiple downlink control channels in advanced networks
US11495215B1 (en) * 2019-12-11 2022-11-08 Amazon Technologies, Inc. Deep multi-channel acoustic modeling using frequency aligned network

Also Published As

Publication number Publication date
US11910203B2 (en) 2024-02-20
WO2022066338A1 (en) 2022-03-31
US20220095128A1 (en) 2022-03-24
EP4218285A1 (en) 2023-08-02
US20240155381A1 (en) 2024-05-09

Similar Documents

Publication Publication Date Title
EP3874839B1 (en) Sustaining long term evolution traffic in power limited dual connectivity scenarios
TWI831805B (zh) 用於非錨定載波中的傳呼的無線電資源管理
US11910203B2 (en) Radio (NR) adaptation of cellular network configuration in response to machine learning based weather prediction
US11778416B2 (en) Relaying for vehicular communications
WO2020257051A1 (en) Triggered sidelink quasi-colocation parameter update
CN114830745A (zh) 用于激活路径损耗参考信号的技术
US11589319B2 (en) Sidelink transmit power control command generation
CN114208374A (zh) 用于针对双连接的小区选择的技术
CN114402543A (zh) 用于副蜂窝小区的波束故障检测参考信号选择
US11785590B2 (en) Measuring primary synchronization signal (PSS) symbol to speed up user equipment (UE) beam refinement
WO2023082210A1 (en) Physical uplink shared channel (pusch) repetitions after idle period in frame-based equipment (fbe)
CN117730493A (zh) 小区间下行链路（dl）干扰测量
US20220190990A1 (en) Network-configured training procedure
CN116868679A (zh) 至少部分地基于保持活动消息的侧行链路用户设备之间的链路恢复
CN116830468A (zh) 受保护物理层的消息分段和通过不同波束的传输
KR20230027028A (ko) 리던던트 무선 통신 메시지 제거
JP2022543808A (ja) サイドリンク送信電力制御コマンド
CN116158169A (zh) 用于基于收到信号强度指示符（rssi）的定位的交叉链路干扰（cli）测量
US11696236B2 (en) Techniques for selecting an uplink beam
WO2021232327A1 (en) Uplink management for uplink split data radio bearer configuration
WO2023019383A1 (en) Pathloss computation for power control in the presence of reconfigurable interactive surfaces
US20240171990A1 (en) Icon display for non-terrestrial networks
US20230247662A1 (en) Enhancement to interference cancellation
CN114402684A (zh) 用于副蜂窝小区的波束故障恢复请求复用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination