CN116346545A - 一种通信方法及装置 - Google Patents

Abstract

本公开涉及一种通信方法及装置。终端设备获得对应于M个时间单元的M个信道估计结果，M大于1。终端设备利用编码器网络将M个信道估计结果进行联合压缩，得到N个压缩信息。终端设备向接入网设备发送N个压缩信息。由于终端设备进行了联合压缩，充分利用了不同时间的下行信道之间的相关性，接入网设备根据联合压缩得到的N个压缩信息进行恢复，能够得到更为准确有效的下行信道信息。

Description

一种通信方法及装置

技术领域

本申请涉及通信技术领域，尤其涉及一种通信方法及装置。

背景技术

第五代(the 5th generation，5G)移动通信系统对系统容量、频谱效率等方面有了更高的要求。在5G通信系统中，大规模多输入多输出(massive multiple-inputmultiple-output，massive-MIMO)技术的应用对提高系统的频谱效率起到了至关重要的作用。利用massive-MIMO技术，基站可以同时为更多的用户设备(user equipment，UE)提供高质量的服务。这其中较为关键的环节就是基站对下行数据进行预编码，通过预编码可以实现空分复用(spatial multiplexing)，降低不同数据流间的干扰，提升接收端的信干噪比(signal to interference plus noise ratio，SINR)，由此提升系统吞吐率。基站为了更加准确地对UE的下行数据进行预编码，可以获得下行信道的信道状态信息(channel stateinformation，CSI)，根据CSI恢复出下行信道信息，并利用恢复的下行信道信息确定预编码矩阵，以进行预编码。如何使得基站能够恢复出更为准确的下行信道信息，是一个值得研究的技术问题。

发明内容

本公开提供一种通信方法及装置，用于降低终端设备上报高精度的信道状态信息的开销。

第一方面，提供第一种通信方法，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：获得M个信道估计结果，所述M个信道估计结果对应于M个时间单元，M为大于1的整数；将所述M个信道估计结果进行联合压缩，得到N个压缩信息，N为正整数；向接入网设备发送所述N个压缩信息。

本公开中，终端设备可以对M个时间单元内的下行信道进行信道估计，并对得到的M个信道估计结果进行联合压缩后上报给接入网设备。由于进行了联合压缩，充分利用了不同时间的下行信道之间的相关性，接入网设备根据联合压缩得到的N个压缩信息进行恢复，能够得到更为准确有效的下行信道矩阵。而且由于进行了联合压缩，则N个压缩信息之间可以互补，例如不同的压缩信息对应的参数可以不同，从而减少了冗余信息，相应能够减小传输开销。

在一种可选的实施方式中，将所述M个信道估计结果进行联合压缩，得到N个压缩信息，可以包括：利用编码器网络将所述M个信道估计结果进行联合压缩，得到所述N个压缩信息。终端设备可利用编码器网络来对信道估计结果进行处理，从而接入网设备根据对应的解码器网络就能对压缩信息进行恢复。通过神经网络来反馈信道信息，相比于传统方案来说，可在同等规模的反馈中包含更多的信道信息，从而降低压缩反馈的信息损失，提高接入网设备侧对于下行信道的恢复精度；或者，相比于传统方案来说，可用更少的反馈量表示同样的信道信息，从而进一步降低反馈开销。

在一种可选的实施方式中，所述多个信道估计结果包括第一信道估计结果，所述第一信道估计结果为：根据接收的下行参考信号进行测量所得到的信道估计结果；或，对根据接收的下行参考信号进行测量所得到的信道估计结果进行处理，所得到的处理结果；或，预测得到的信道估计结果。M个时间单元中，可能有些时间单元是已经过去的时间单元，或者是当前的时间单元，对于这些时间单元，终端设备可根据接收的下行参考信号进行测量，以直接得到信道估计结果。而M个时间单元中，可能还有些时间单元并未到来，如果终端设备等到这些时间单元到来后再通过测量得到信道估计结果，可能会因为等待时间过长而导致之前获得的信道估计结果失效。或者，该M个时间单元中，终端设备仅对部分时间单元中的下行参考信号进行了测量。因此，终端设备可以对已得到的信道估计结果进行处理，以得到未来时间单元或者未测量的时间单元的信道估计结果，或者终端设备也可以通过预测方式得到未来时间单元或者未测量的时间单元的信道估计结果，这样终端设备可以及时获取更多时间单元的信道估计结果，减少了等待时间，提高了信道信息的反馈效率。而且，无论是根据已有的信道估计结果获得未来时间单元的信道估计结果，还是通过预测得到未来时间单元的信道估计结果，可能都参考了已有的信道估计结果。而下行信道在时域上具有相关性，根据过去的下行信道的信道估计结果来得到未来的下行信道的信道估计结果，准确性较高，有助于接入网设备恢复出较为准确的下行信道。

在一种可选的实施方式中，所述N个压缩信息中的每个压缩信息与所述M个信道估计结果对应。由于对M个信道估计结果进行了联合压缩，因此每个压缩信息都能反映M个信道估计结果，从而根据N个压缩信息能够恢复出更为准确的下行信道。

在一种可选的实施方式中，利用编码器网络将所述M个信道估计结果进行联合压缩，得到N个压缩信息，包括：利用所述编码器网络将所述M个信道估计结果以及历史信息进行联合压缩，得到所述N个压缩信息，所述历史信息包括所述M个时间单元之前的时间单元对应的信道估计结果。下行信道在时域上具有关联性，因此除了考虑M个信道估计结果之外，还可以考虑M个时间单元之前的时间单元对应的信道估计结果，使得参与压缩的信道估计结果对应于更多的时间单元，从而接入网设备获得的压缩信息所表征的信道信息更为丰富，有助于接入网设备根据更多时间单元上的信道估计结果恢复出更为准确的下行信道。

在一种可选的实施方式中，所述N个压缩信息中的每个压缩信息与所述M个信道估计结果以及所述历史信息对应。由于对M个信道估计结果和历史信息进行了联合压缩，因此每个压缩信息都能反映M个信道估计结果和历史信息，从而根据N个压缩信息能够恢复出更为准确的下行信道。

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配置信息，所述配置信息用于配置所述M个时间单元。M个时间单元可以是接入网设备配置的，从而接入网设备可以根据需求配置终端设备反馈所需的时间单元上的信道估计结果，有利于接入网设备的恢复操作。或者，M个时间单元也可以是终端设备自行确定的，无需接入网设备配置，这样可以减少信令开销。

在一种可选的实施方式中，所述配置信息包括如下一项或多项：所述M个时间单元的起始时域位置；所述M个时间单元的结束时域位置；所述M个时间单元的持续时长；所述M个时间单元的编号；M个时隙内的第一个采样点的时域位置；在所述M个时间单元内的采样周期；所述M个时间单元内的采样点的数量；或，所述M个时间单元内的采样点的时域位置。除了如上各项之外，配置信息还可以包括M个时间单元的其他信息。终端设备根据配置信息，能够确定M个时间单元内的采样点的时域位置，从而能够对采样点处的下行信道进行信道估计。

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第一指示信息，所述第一指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引；或，向所述接入网设备发送第二指示信息，所述第二指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引。其中，所述参考编码器网络用于确定所述编码器网络。参考编码器网络可由接入网设备指示给终端设备，终端设备无需自行选择，接入网设备可根据总体需求来选择参考编码器网络，使得所选择的参考编码器网络更为合理。或者，参考编码器网络也可由终端设备自行选择，无需接入网设备选择，能够减轻接入网设备的工作量。

第二方面，提供第二种通信方法，该方法可在接入网设备侧执行。该方法可通过软件、硬件、或软硬件结合的方式执行。例如，该方法由接入网设备执行，或由包括接入网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接入网设备的功能，或者由独立于接入网设备的AI模块辅助接入网设备或者辅助接入网设备的网元执行，不予限制。示例性地，所述接入网设备为接入网设备，例如基站。该方法包括：从终端设备接收N个压缩信息，N为正整数；对所述N个压缩信息进行恢复，得到K个恢复信息，所述K个恢复信息为M个时间单元内的下行信道的信息，K为正整数，M为大于1的整数。

在一种可选的实施方式中，对所述N个压缩信息进行恢复，得到K个恢复信息，包括：利用解码器网络对所述N个压缩信息进行恢复，得到所述K个恢复信息。

在一种可选的实施方式中，所述K个恢复信息中的每个恢复信息与所述N个压缩信息对应。

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配置信息，所述配置信息用于配置所述M个时间单元。

在一种可选的实施方式中，所述配置信息包括如下一项或多项：所述M个时间单元的起始时域位置；所述M个时间单元的结束时域位置；所述M个时间单元的持续时长；所述M个时间单元的编号；M个时隙内的第一个采样点的时域位置；在所述M个时间单元内的采样周期；所述M个时间单元内的采样点的数量；或，所述M个时间单元内的采样点的时域位置。

在一种可选的实施方式中，所述K个恢复信息对应的采样点的数量，与所述N个压缩信息对应的采样点的数量，相同或不同；和/或，所述K个恢复信息对应的采样点的时域位置，与所述N个压缩信息对应的采样点的时域位置，相同或不同。也就是说，K个恢复信息对应的采样点的时域位置位于M个时隙内，而对于K个恢复信息对应的采样点的数量以及在M个时隙内的时域位置等不做限制。这样对于接入网设备来说，恢复过程可以较为灵活。

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一指示信息，所述第一指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引；或，从所述终端设备接收第二指示信息，所述第二指示信息用于指示所述终端设备选择的参考编码器网络的参数信息，或用于指示所述终端设备选择的参考编码器网络的索引。其中，所述参考编码器网络与参考解码器网络属于同一参考网络，所述参考解码器网络用于确定所述解码器网络。

第三方面，提供一种通信装置。所述通信装置可以实现上述第一方面所述的方法。所述通信装置具备上述终端设备的功能。在一种可选的实现方式中，该装置可以包括执行第一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。在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。在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，所述处理单元，用于获得M个信道估计结果，并将所述M个信道估计结果进行联合压缩，得到N个压缩信息，所述M个信道估计结果对应于M个时间单元，M为大于1的整数，N为正整数；所述收发单元，用于向接入网设备发送所述N个压缩信息。

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，以实现上述第一方面的方法。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。

第四方面，提供一种通信装置。所述通信装置可以实现上述第二方面所述的方法。所述通信装置具备上述接入网设备的功能。所述接入网设备例如为基站，或为基站中的基带装置等。在一种可选的实现方式中，该装置可以包括执行第二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。在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。在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，可参考第三方面的相关介绍。

其中，所述收发单元，用于从终端设备接收N个压缩信息，N为正整数；所述处理单元，用于对所述N个压缩信息进行恢复，得到K个恢复信息，所述K个恢复信息均为M个时间单元内的下行信道的信息，K为正整数，M为大于1的整数。

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。

第五方面，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，使得第一方面和/或第二方面的方法被实现。

第六方面，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，使得第一方面和/或第二方面所述的方法被实现。

第七方面，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和/或第二方面的方法。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。

第八方面，提供一种通信系统，包括第三方面的通信装置和第四方面的通信装置。

附图说明

图1为一种通信系统的示意图；

图2为CSI反馈机制的流程图；

图3为通信系统中的一种通信网络架构图；

图4A～图4E为AI在通信系统中的几种应用框架的示意图；

图5为一种通信方法的流程图；

图6A～图6H为编码器网络的几种输入输出情况的示意图；

图7为CSI反馈过程的一种示意图；

图8A～图8D为解码器网络的几种输入输出情况的示意图；

图9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进行详细描述。

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)。该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)(包括长期演进(long term evolution，LTE))接入技术的通信系统，支持5G(有时也称为new radio，NR)接入技术的通信系统，无线保真(wireless fidelity，Wi-Fi)系统，第三代合作伙伴计划(3rd generation partnership project，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等，不予限制。

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，本申请对此不作限定。

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以下至少一项：无线资源控制(radio resource control，RRC)层、分组数据汇聚层协议(packet dataconvergence protocol，PDCP)层、无线链路控制(radio link control，RLC)层、媒体接入控制(media access control，MAC)层或物理层(physical，PHY)等。例如，用户面协议层结构可以包括以下至少一项：业务数据适配协议(service data adaptation protocol，SDAP)层、PDCP层、RLC层、MAC层和物理层等。

上述接入网设备和终端设备之间的协议层结构可以看作接入层(accessstratum，AS)结构。可选的，在AS之上，还可以存在非接入层(non-access stratum，NAS)，用于接入网设备向终端设备转发来自核心网设备的信息，或者用于接入网设备向核心网设备转发来自终端设备的信息。此时，可以认为终端设备和核心网设备之间存在逻辑接口。可选的，接入网设备可以通过透传的方式转发终端设备和核心网设备之间的信息。例如，NAS消息可以映射到或者包含于RRC信令中，作为RRC信令的元素。

可选的，接入网设备和终端设备之间的协议层结构还可以包括人工智能(artificial intelligence，AI)层，用于传输AI功能相关的数据。

(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。该设计可以称为CU和DU分离。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(user panel，UP)接口可以为F1-U。本公开不限制各接口的具体名称。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(例如RRC层和SDAP层等)的功能设置在CU，PDCP层以下协议层(例如RLC层、MAC层和PHY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。

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。

可选地，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。

可选的，将DU的无线单元(radio unit，RU)拉远设置。其中，RU具有射频功能。示例性地，DU和RU可以在PHY层进行划分。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层的功能可以包括以下至少一项：添加循环冗余校验(cyclic redundancy check，CRC)位、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、或射频发送功能。用于接收时，PHY层的功能可以包括以下至少一项：CRC校验、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、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，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位、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位、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。例如，PHY层中的高层功能可以包括CRC校验、信道解码、解速率匹配、解码、解调、和解层映射，PHY层中的低层功能可以包括信道检测、资源解映射、物理天线解映射、和射频接收功能；或者，PHY层中的高层功能可以包括CRC校验、信道解码、解速率匹配、解码、解调、解层映射、和信道检测，PHY层中的低层功能可以包括资源解映射、物理天线解映射、和射频接收功能。

可选地，可以对CU的功能进行进一步划分，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实体可以分别与DU相耦合或者相连接，共同完成RAN设备的功能。

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。例如，本公开的方法由接入网设备执行时，具体可以由CU、CU-CP、CU-UP、DU、RU或下文介绍的近实时RIC中的至少一项执行。各模块所执行的方法也在本公开的保护范围内。

需要说明的是，因本公开所涉及的网络设备主要是接入网设备，因此在后文中，如无特殊说明，则所述的“网络设备”可以指“接入网设备”。

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，例如4G通信系统，也可以是5G(或者称为新无线(new radio，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，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。

本申请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，例如侧行链路(sidelink，SL)中第一终端设备和第二终端设备之间的通信，不予限制。本公开以网络设备和终端设备之间的通信为例进行描述。

接入网设备向终端设备发送数据时，可以基于终端设备反馈的信道状态信息(channel state information，CSI)进行预编码。为了便于理解本公开，下面对本公开中涉及的一些技术术语做简单说明。

1、预编码技术。

接入网设备可以在已知信道状态信息的情况下，借助与信道条件相匹配的预编码矩阵对待发送的信号进行处理。通过该技术，可以使得经过预编码的待发送的信号与信道相适配，从而使得终端设备接收到的信号的质量(例如信干噪比(signal to interferenceplus noise ratio，SINR)等)得以提升，从而可以提升系统吞吐率。采用预编码技术，可以实现发送设备(如接入网设备)与多个接收设备(如终端设备)在相同的时频资源上有效地传输，即有效地实现多用户多输入多输出(multiple user multiple input multipleoutput，MU-MIMO)。采用预编码技术，可以实现发送设备(如接入网设备)与接收设备(如终端设备)在相同的时频资源上有效地进行多数据流传输，即有效地实现单用户多输入多输出(single user multiple input multiple output，SU-MIMO)。应注意，有关预编码技术的相关描述仅为便于理解而示例，并非用于限制本公开的公开范围。在具体实现过程中，发送设备还可以通过其他方式进行预编码。例如，在无法获知信道信息(例如但不限于信道矩阵)的情况下，采用预先设置的预编码矩阵或者加权处理方式进行预编码等。为了简洁，其具体内容本文不再赘述。

2、CSI反馈(CSI feedback)。

CSI反馈还可以称为CSI报告(CSI report)。CSI反馈是在无线通信系统中，由数据(例如但不限于物理下行共享信道(physical downlink shared channel，PDSCH)上承载的数据)的接收端(如终端设备)向发送端(如接入网设备)上报用于描述通信链路的信道属性的信息。CSI报告例如包括下行信道矩阵、预编码矩阵指示(precoding matrix indicator，PMI)、秩指示(rank indicator，RI)、或信道质量指示(channel quality indicator，CQI)等信息中的一项或多项。以上列举的CSI包括的内容仅为示例性说明，不应对本公开构成任何限定。CSI可以包括如上一项或多项，也可以包括除上述列举之外的其他用于表征CSI的信息，本公开对此不作限定。

3、神经网络(neural network，NN)。

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/或使用场景的不同，DNN可以包括多层感知机(multi-layer perceptron，MLP)、卷积神经网络(convolutional neural networks，CNN)和递归神经网络(recurrentneural network，RNN)等。本公开不限制DNN的具体形式。

4、自编码器(auto-encoder，AE)网络，或者简称为AE。

AE网络可包括编码器(encoder)和对应的解码器(decoder)，例如编码器和/或解码器通过神经网络(如DNN)实现。此时，编码器还可以称为编码器网络，解码器还可以称为解码器网络。例如，在AE网络中，编码器和对应的解码器可联合训练得到。训练得到的编码器和解码器可以用于进行信息的编解码。

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，第一指示信息和第二指示信息，可以是同一个指示信息，也可以是不同的指示信息，且，这种名称也并不是表示这两个指示信息的大小、传输方式、指示的内容、优先级、应用场景或者重要程度等的不同。

一种可能的实现中，CSI反馈机制采用如图2所示的流程。

S21、基站发送信令，相应的，UE从基站接收该信令。

该信令用于配置信道测量信息，例如该信令通知UE以下至少一项：进行信道测量的时间信息、进行信道测量的参考信号(reference signal，RS)的类型、参考信号的时域资源、参考信号的频域资源、和测量量的上报条件等。

S22、基站向UE发送参考信号，相应的，UE从基站接收参考信号。

UE对该参考信号进行测量，可得到CSI。

S23、UE向基站发送CSI，相应的，基站从UE接收CSI。

S24、基站根据CSI向UE发送数据，相应的，UE从基站接收该数据。

基站向UE发送的数据承载于下行信道中，例如承载于PDSCH中。

CSI能够表征下行信道矩阵的信息，UE向基站反馈CSI后，基站可根据CSI恢复下行信道信息，从而根据下行信道信息确定预编码矩阵等信息。UE所反馈的CSI精度越高，越能表征下行信道矩阵的更多信息，基站根据CSI所能够恢复的下行信道信息就越准确，从而基站确定的预编码矩阵越准确，使得下行空分复用性能越好，UE的接收信干噪比越高，系统吞吐率也越高。或者，UE向基站反馈CSI后，基站也可以不必恢复下行信道信息，而是根据CSI确定预编码矩阵等信息。这种情况下，也是CSI精度越高，基站所确定的预编码矩阵就越准确。然而，随着MIMO系统天线阵列规模不断增大，可支持的天线端口数也增多。由于完整的下行信道矩阵的大小与天线端口数成正比，在大规模MIMO系统中，要使得UE反馈的CSI的精度较高，就意味着巨大的反馈开销。由于巨大的反馈开销会减少数据传输的可用资源，并因此会降低系统容量。因此为了提高系统容量，需要研究如何降低CSI的反馈开销。

深度学习(deep learning，DL)是利用深度神经网络进行的机器学习。采用深度学习的方式来反馈CSI，相比于传统方案来说，该方法可用更少的反馈量表示近似相同的下行信道信息，因此有望降低CSI反馈开销，或者在同等开销下能够提升信道恢复精度。一种基于深度学习的CSI压缩反馈技术为，通过基于卷积神经网络(current neural network，CNN)的AE模型进行信道压缩反馈。AE模型包括匹配使用的编码(encoder)模型和解码(decoder)模型。具体来讲，在UE处(即信息的发送端)，AE中的encoder模型将一个时隙的下行信道矩阵映射为压缩信息，该encoder模型为CNN类型的神经网络；在基站处(即信息的接收端)，AE的decoder模型可将压缩信息恢复为下行信道信息，该decoder模型为CNN类型的神经网络。在这种方式下，UE可能需要向基站分别反馈多个时隙的CSI，由此还是带来了较大的开销。

鉴于此，提供本公开的技术方案。本公开中，UE可以对M个时间单元内的下行信道进行信道估计，并对得到的M个信道估计结果进行联合压缩后上报给接入网设备。由于进行了联合压缩，充分利用了不同时间的下行信道之间的相关性，接入网设备根据联合压缩得到的N个压缩信息进行恢复，能够得到更为准确有效的下行信道矩阵。而且由于进行了联合压缩，则N个压缩信息之间可以互补，例如不同的压缩信息对应的参数可以不同，从而减少了冗余信息，相应能够减小传输开销。

图3示出了本公开提供的通信系统10中的一种通信网络架构，后续提供的任一个实施例均可适用于该架构。图3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3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。

本公开中，可以在前述图1所示的通信系统中引入独立的网元(如称为AI网元、AI节点、或AI设备等)来实现AI功能。AI网元可以和接入网设备直接连接，或者可以通过第三方网元和接入网设备实现间接连接。可选的，第三方网元可以是核心网网元。或者，可以在通信系统中的其他网元内配置或设置AI实体，用于实现AI相关的操作。其中，AI实体还可以称为AI模块、AI单元或其他名称，主要用于实现部分或全部AI功能，本公开不限制其具体名称。可选的，该其他网元可以是接入网设备、核心网设备、或网管(operation,administration and maintenance，OAM)等。在这种情况下，执行AI功能的网元为内置AI功能的网元。

本公开中，AI功能可以包括以下至少一项：数据收集、模型训练(或模型学习)、模型信息发布、模型推断(或称为模型推理、推理、或预测等)、模型监控或模型校验、或推理结果发布等。AI功能还可以称为AI(相关的)操作、或AI相关的功能。

本公开中，OAM用于操作、管理和/或维护核心网设备(核心网设备的网管)，和/或，用于操作、管理和/或维护接入网设备(接入网设备的网管)。例如，本公开中包括第一OAM和第二OAM，第一OAM是核心网设备的网管，第二OAM是接入网设备的网管。可选的，第一OAM和/或第二OAM中包括AI实体。再例如，本公开中包括第三OAM，第三OAM同时是核心网设备和接入网设备的网管。可选的，第三OAM中包括AI实体。

如图4A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 training host)通过对数据源提供的训练数据(training data)进行训练或者更新训练，得到AI模型，且将AI模型部署在模型推理节点(model inference host)中。其中，AI模型表征了模型的输入和输出之间的映射关系。通过模型训练节点学习得到AI模型，相当于由模型训练节点利用训练数据学习得到模型的输入和输出之间的映射关系。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。该方法还可以描述为：模型推理节点将推理数据输入到AI模型，通过AI模型得到输出，该输出即为推理结果。该推理结果可以指示：由执行对象使用(执行)的配置参数、和/或由执行对象执行的操作。推理结果可以由执行(actor)实体统一规划，并发送给一个或多个执行对象(例如，核心网网元、基站或UE等)去执行。可选的，模型推理节点可以将其推理结果反馈给模型训练节点，该过程可以称为模型反馈，所反馈的推理结果用于模型训练节点更新AI模型，并将更新后的AI模型部署在模型推理节点中。可选的，执行对象可以将其收集到的网络参数反馈给数据源，该过程可以称为表现反馈，所反馈的网络参数可以作为训练数据或推理数据。

例如，上述AI模型包括AE网络中的解码器网络。解码器网络被部署在接入网设备侧。解码器网络的推理结果例如用于下行信道矩阵的重构。上述AI模型包括AE网络中的编码器网络。其中，编码器网络被部署在UE侧。编码器网络的推理结果例如用于下行信道矩阵的编码。

图4A所示的应用框架可以部署在图1中所示的网元。例如，图4A的应用框架可以部署在图1的终端设备、接入网设备、核心网设备(未示出)或独立部署的AI网元(未示出)中的至少一项。例如，AI网元(可看做模型训练节点)可对终端设备和/或接入网设备提供的训练数据(training data)进行分析或训练，得到一个模型。终端设备、接入网设备、或核心网设备中的至少一项(可看做模型推理节点)可以使用该模型和推理数据进行推理，得到模型的输出。其中，推理数据可以是由终端设备和/或接入网设备提供的。该模型的输入包括推理数据，该模型的输出即为该模型所对应的推理结果。终端设备、接入网设备、或核心网设备中的至少一项(可看做执行对象)可以根据推理结果进行相应的操作。其中，模型推理节点和执行对象可以相同，也可以不同，不予限制。

下面结合图4B～4E对本公开提供的方法能够应用的网络架构进行举例介绍。

如图4B所示，第一种可能的实现中，接入网设备中包括近实时接入网智能控制(RAN intelligent controller，RIC)模块，用于进行模型训练和推理。例如，近实时RIC可以用于训练AI模型，利用该AI模型进行推理。例如，近实时RIC可以从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，该信息可以作为训练数据或者推理数据。可选的，近实时RIC可以将推理结果递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如近实时RIC将推理结果递交至DU，由DU转发给RU。

如图4B所示，第二种可能的实现中，接入网之外包括非实时RIC(可选的，非实时RIC可以位于OAM中或者核心网设备中)，用于进行模型训练和推理。例如，非实时RIC用于训练AI模型，利用该模型进行推理。例如，非实时RIC可以从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，该信息可以作为训练数据或者推理数据，该推理结果可以被递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如非实时RIC将推理结果递交至DU，由DU转发给RU。

如图4B所示，第三种可能的实现中，接入网设备中包括近实时RIC，接入网设备之外包括非实时RIC(可选的，非实时RIC可以位于OAM中或者核心网设备中)。同上述第二种可能的实现，非实时RIC可以用于进行模型训练和推理。和/或，同上述第一种可能的实现，近实时RIC可以用于进行模型训练和推理。和/或，非实时RIC进行模型训练，近实时RIC可以从非实时RIC获得AI模型信息，并从CU、DU或RU中的至少一项获得网络侧和/或终端侧的信息，利用该信息和该AI模型信息得到推理结果。可选的，近实时RIC可以将推理结果递交至CU、DU、RU或终端设备中的至少一项。可选的，CU和DU之间可以交互推理结果。可选的，DU和RU之间可以交互推理结果，例如近实时RIC将推理结果递交至DU，由DU转发给RU。例如，近实时RIC用于训练模型A，利用模型A进行推理。例如，非实时RIC用于训练模型B，利用模型B进行推理。例如，非实时RIC用于训练模型C，将模型C的信息发送给近实时RIC，近实时RIC利用模型C进行推理。

图4C所示为本公开提供的方法能够应用的一种网络架构的示例图。相对图4B，图4B中将CU分离为了CU-CP和CU-UP。

图4D所示为本公开提供的方法能够应用的一种网络架构的示例图。如图4D所示，可选的，接入网设备中包括一个或多个AI实体，该AI实体的功能类似上述近实时RIC。可选的，OAM中包括一个或多个AI实体，该AI实体的功能类似上述非实时RIC。可选的，核心网设备中包括一个或多个AI实体，该AI实体的功能类似上述非实时RIC。当OAM和核心网设备中都包括AI实体时，他们各自的AI实体所训练得到的模型不同，和/或用于进行推理的模型不同。

本公开中，模型不同包括以下至少一项不同：模型的结构参数(例如神经网络层数、神经网络宽度、层间的连接关系、神经元的权值、神经元的激活函数、或激活函数中的偏置中的至少一项)、模型的输入参数(例如输入参数的类型和/或输入参数的维度)、或模型的输出参数(例如输出参数的类型和/或输出参数的维度)。

图4E所示为本公开提供的方法能够应用的一种网络架构的示例图。相对图4D，图4E中的接入网设备分离为CU和DU。可选的，CU中可以包括AI实体，该AI实体的功能类似上述近实时RIC。可选的，DU中可以包括AI实体，该AI实体的功能类似上述近实时RIC。当CU和DU中都包括AI实体时，他们各自的AI实体所训练得到的模型不同，和/或，用于进行推理的模型不同。可选的，还可以进一步将图4E中的CU拆分为CU-CP和CU-UP。可选的，CU-CP中可以部署有一个或多个AI模型。可选的，CU-UP中可以部署有一个或多个AI模型。

图4D或图4E中，接入网设备的OAM和核心网设备的OAM示出为统一部署。可替代地，如前文所述，图4D或图4E中，接入网设备的OAM和核心网设备的OAM可以分开独立部署。

本公开中，一个模型可以推理得到一个输出，该输出包括一个参数或者多个参数。不同模型的学习过程或训练过程可以部署在不同的设备或节点中，或者可以部署在相同的设备或节点中。不同模型的推理过程可以部署在不同的设备或节点中，或者可以部署在相同的设备或节点中。

可选的，上述AI模型包括AE网络中的解码器网络，在网络侧，解码器网络的推理结果例如用于下行信道矩阵的重构。可选的，上述AI模型包括AE网络中的编码器网络，该编码器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4A至图4D的框架中，AI模型可以简称为模型或网络模型等，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，对于网络侧的解码器网络，输入矩阵可以是根据接收的CSI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接入网设备、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接入网设备、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接入网设备、CU、CU-CP、CU-UP、DU、RU、或UE等，用于进行进一步处理，例如用于下行信道矩阵的重构。

本公开中，在网络侧，AE网络中的解码器网络可以部署于接入网设备(如基站)中或者接入网设备之外，例如部署于OAM、AI网元或者核心网设备中，或者部署于RU、DU或近实时RIC中，不予限制。该解码器网络的推理结果可以由接入网设备进行推理得到，或者可以由非实时RIC进行推理后发送至接入网设备。为了简化描述，本公开以解码器网络部署于接入网设备中为例进行描述。

本公开中，AE网络中的编码器网络部署于UE中，UE可以利用该编码器网络进行推理。

下面结合附图介绍本公开提供的方法。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。

请参考图5，为本公开提供的一种通信方法的流程图。

可选的，S501、接入网设备向UE发送配置信息。相应的，UE从接入网设备接收配置信息。

该配置信息还可能有其他名称，例如称为CSI反馈配置信息或反馈配置信息等，本公开对于名称不做限制。该配置信息可用于配置M个时间单元，M为大于1的整数。M个时间单元是UE需要反馈的下行信道信息所在的时间单元，即，UE需要反馈M个时间单元内的下行信道的信息。M大于1，也就是说，UE可以向接入网设备反馈多个时间单元内的下行信道的信息。M个时间单元可以是连续的，即，M个时间单元是一段连续的时长，在这种情况下，也可以认为M个时间单元是一个时间窗，例如称为第一时间窗，即，该配置信息用于配置第一时间窗。或者，M个时间单元可能是离散的，例如，M个时间单元中，至少有两个相邻的时间单元之间不连续。时间单元例如为子帧(subframe)、时隙(slot)、迷你时隙(mini-slot)或正交频分复用(orthogonal frequency division multiplexing，OFDM)符号(symbol)等。本公开以时间单元是时隙为例，因此后文中均以“时隙”来描述。也就是说，后文中的“时隙”均可替换为“时间单元”。

M个时隙的起始时域位置可以在当前的时域位置之前，或者在当前的时域位置之后，或者就是当前的时域位置，当前的时域位置例如为UE收到配置信息的时域位置。也就是说，M个时隙内的下行信道，可以包括历史下行信道、当前下行信道或未来下行信道中的一种或多种。

该配置信息例如包括如下信息中的一项或多项：M个时隙的起始时域位置，M个时隙的结束时域位置，M个时隙的持续时长，M个时隙的编号，在M个时隙内的采样周期，M个时隙内的采样点的数量，M个时隙内的第一个采样点的时域位置，或，M个时隙内的采样点(例如，全部采样点)的时域位置。其中，时隙的编号例如为时隙在一个子帧内的编号，或者为时隙在一个无线帧(radio frame)内的编号。采样点是指采样时刻，UE需要对采样点处的下行信道进行估计。M个时隙内的第一个采样点，是指M个时隙内在时域上的第一个采样点。采样点例如通过时隙表示，一个采样点对应一个时隙，UE对该采样点处的下行信道进行信道估计，也就是对该时隙内的下行信道进行信息估计。或者，采样点也可以通过OFDM符号表示等。

例如，配置信息包括M个时隙的起始时域位置、结束时域位置和在M个时隙内的采样周期，则UE根据配置信息就能确定M个时隙内的采样点的位置，从而对采样点处的下行信道进行信道估计。又例如，配置信息包括M个时隙的起始时域位置(或，结束时域位置)、持续时长和在M个时隙内的采样周期，则UE根据配置信息就能确定M个时隙内的采样点的位置，从而对采样点处的下行信道进行信道估计。又例如，配置信息包括M个时隙的起始时域位置(或，结束时域位置)、在M个时隙内的采样周期以及采样点的数量，则UE根据配置信息就能确定采样点的位置，从而对采样点处的下行信道进行信道估计。再例如，配置信息包括M个时隙的起始时域位置、持续时长以及M个时隙内的采样点的数量，则UE根据配置信息就能确定采样点的位置，从而对采样点处的下行信道进行信道估计。例如，M个时隙是连续的，配置信息包括M个时隙内的采样点的数量M，M个时隙的起始时域位置为n₁，M个时隙的持续时长为T，则UE可确定M个时隙内的采样周期为T/M，从而M个时隙内的采样点的时域位置为[n₁,n₁+T/M,n₁+2T/M,……,n₁+(N-1)T/M]。如上几种配置方式较为适用于M个时隙连续的情况。

例如，配置信息包括M个时隙的编号、M个时隙内的第一个采样点的时域位置、以及在M个时隙内的采样周期，则UE根据M个时隙的编号可确定M个时隙的时域位置，再根据M个时隙内的第一个采样点的时域位置以及该采样周期，可以确定M个时隙内的每个采样点的时域位置，从而可对采样点处的下行信道进行信道估计。该配置方式较为适用于M个时隙离散的情况。

例如，配置信息包括M个时隙内的采样点的时域位置，则UE根据配置信息就能对采样点处的下行信道进行信道估计。该配置方式既适用于M个时隙离散的情况，也适用于M个时隙连续的情况。

可选的，对于M个时隙的起始时域位置、M个时隙的结束时域位置、M个时隙的持续时长、M个时隙的编号、在M个时隙内的采样周期、M个时隙内的采样点的数量、或M个时隙内的采样点的时域位置中的一项或多项信息，也可以通过协议预定义，或者预配置在UE中，或者使用默认值。例如，如果M个时隙的起始时域位置通过协议预定义，则协议可以预定义第一偏移量，例如M个时隙的起始时域位置就是UE收到配置信息的时刻再加上第一偏移量后所在的时域位置，第一偏移量为实数。又例如，协议预定义在M个时隙内的采样周期为1个传输时间间隔(transmission time interval，TTI)。又例如，默认M个时隙的持续时长为能够满足包含了所要求的采样点的最短时间窗的持续时长。再例如，默认M个时隙内的采样点的数量为P，P为实数。一个TTI可以是一个或多个子帧、一个或多个时隙、一个或多个符号、或者其他可能的配置，不予限制。

UE可结合配置信息和协议预定义的信息(或，预配置在UE中的信息；或，默认信息)确定M个时隙。例如，配置信息包括M个时隙的起始时域位置为n₁，持续时长为T，协议预定义了M个时隙内的采样周期为1个TTI，则UE根据n₁、T和采样周期，可以确定M个时隙内的采样点的时域位置，从而对采样点处的下行信道进行信道估计。

或者，UE根据协议预定义的信息(或，预配置在UE中的信息；或，默认信息)可以确定M个时隙，而无需接入网设备发送配置信息，因此S501是可选的步骤。

可选的，接入网设备还可以向UE发送用于配置参考信号的信息，例如该信息可称为参考信号配置信息等。该信息可用于配置参考信号的时域资源和/或频域资源等，UE可根据该信息检测来自接入网设备的参考信号。接入网设备可将该信息和用于配置M个时隙的配置信息携带在一条消息中发送，或者也可以分别发送该信息和用于配置M个时隙的配置信息。如果接入网设备分别发送该信息和用于配置M个时隙的配置信息，则这两个信息可以同时发送，或者也可以先发送该信息，或者也可以先发送用于配置M个时隙的配置信息。

可选的，接入网设备还向UE发送下行参考信号，UE可根据用于配置下行参考信号的信息接收这些下行参考信号，并根据这些下行参考信号对下行信道进行信道估计。接入网设备可能在M个时隙内向UE发送下行参考信号，或者，接入网设备也可能在M个时隙的起始时域位置到来之前向UE发送下行参考信号，或者，接入网设备可能在M个时隙的起始时域位置到来之前、以及在M个时隙内，均向UE发送下行参考信号。下行参考信号例如为同步信号和物理广播信道块(synchronization signal and physical broadcast channel(PBCH)block，SSB)或信道状态信息参考信号(channel state information referencesignal，CSI-RS)等。

S502、UE获得M个信道估计结果。M个信道估计结果对应于M个时间单元，例如，M个信道估计结果能够反映M个时间单元内的下行信道的特征。

UE根据配置信息和/或用于配置参考信号的信息可确定M个时隙内的采样点的时域位置，从而UE对这些采样点处的下行信道进行信道估计。以采样点通过时隙来表征为例，本公开以一个时隙对应一个采样点为例，那么M个时隙可对应M个采样点。UE对一个采样点处的下行信道进行信道估计，可得到一个信道估计结果，那么UE对M个采样点处的下行信道进行信道估计，可得到M个信道估计结果。

例如将M个信道估计结果中的其中一个信道估计结果称为第一信道估计结果，那么第一信道估计结果可以是UE根据接收的下行参考信号进行测量所得到的信道估计结果。例如，接入网设备可能在M个时隙内向UE发送下行参考信号，或者，接入网设备也可能在M个时隙的起始时域位置到来之前向UE发送下行参考信号，或者，接入网设备可能在M个时隙的起始时域位置到来之前、以及在M个时隙内，均向UE发送下行参考信号；对于UE来说，可能在M个时隙内接收下行参考信号，或者可能在M个时隙的起始时域位置到来之前接收下行参考信号，或者也可能在M个时隙的起始时域位置到来之前、以及在M个时隙内，均接收下行参考信号，本公开对于UE接收下行参考信号的时域位置并不限制。如果M个时隙内的一个采样点的时域位置为当前的时域位置，或者位于当前的时域位置之前，则无论UE在哪个或哪些时域位置接收了下行参考信号，UE都可以对下行参考信号进行测量，从而得到该采样点处的信道估计结果。

或者，第一信道估计结果可以是UE对第二信道估计结果进行处理所得到的处理结果，第二信道估计结果是UE对接收的下行参考信号进行测量得到的，也就是说，第一信道估计结果是UE对已经得到的信道估计结果进行处理后得到的。例如，M个时隙内的一个采样点的时域位置为当前的时域位置之后的时域位置，即，该采样点的时域位置还未到来，如果UE等到该采样点的时域位置到来时再进行信道估计，可能会因等待时间过长而导致之前已经获得的信道估计结果失效，或者，该M个时隙中，UE仅对部分时隙中的下行参考信号进行了测量。因此，一种处理方式是，UE可以对已得到的信道估计结果进行处理，以得到未来时隙或者未测量的时隙的信道估计结果，或者UE也可以通过预测方式得到未来时间单元或者未测量的时间单元的信道估计结果，这样UE可以及时获取更多时隙的信道估计结果，减少了等待时间，提高了信道信息的反馈效率。UE对接收的下行参考信号进行测量得到第二信道估计结果的过程，可参考上一段落的描述。UE在得到第二信道估计结果后，可对第二信道估计结果进行处理，处理结果就可作为第一信道估计结果。

例如，第一信道估计结果可通过第二信道估计结果与一个成型波形的卷积得到。假设将M个第一信道估计结果表示为

第二信道估计结果共M′个，将M′个第二信道估计结果表示为/>

第一信道估计结果可满足如下关系：

其中，j取从1至M的整数，g_j(m)表示成型波形的系数。特别的，如果M′个第二信道估计结果为等间隔测量得到的信道估计结果，测量周期为T，则有

其中/>

为不随j变化的一个函数。

或者，第一信道估计结果也可以是UE预测得到的信道估计结果。在前文介绍了，如果M个时隙内的一个采样点的时域位置为当前的时域位置之后的时域位置，则UE可以通过相应处理得到未来采样点的信道估计结果，而预测方式就是其中另一种处理方式。

例如，UE可采用普朗尼(prony)算法来预测第一信道估计结果，例如可对第n-b个时隙至第n-1个时隙这b个时隙的信道估计结果进行加权求和，得到第n个时隙的第一信道估计结果。或者，UE也可采用长短期记忆人工神经网络(long short-term memory，LSTM)进行信道预测，以得到第一信道估计结果。LSTM的输入例如为第n-b个时隙至第n-1个时隙这b个时隙的信道估计结果，LSTM的输出例如为第n个时隙的第一信道估计结果。可选的，LSTM的参数可通过亚当优化器(adam optimizer)等神经网络优化器训练得到。其中，b为正整数，例如b可以等于2或4等，或者也可以是其他取值。

第一信道估计结果有前述的三种可能的实现方式，因此M个信道估计结果可能包括如下的一项或多项：根据接收的下行参考信号进行测量所得到的信道估计结果，对已有的信道估计结果进行处理所得到的处理结果，或者，为预测得到的信道估计结果。其中，不同信道估计结果的确定方式可以相同，也可以不同，不予限制。例如，M个信道估计结果中的M₁个信道估计结果是根据接收的下行参考信号进行测量所得到的，另外M-M₁个信道估计结果是对该M₁个信道估计结果进行处理所得到的处理结果。其中，M₁为大于0且小于M的整数。为了简化描述，不再一一举例。

S503、UE将M个信道估计结果进行联合压缩，得到N个压缩信息。N为正整数。

本公开中，UE可以利用编码器网络对M个信道估计结果进行联合压缩。为此，UE需要先确定所使用的编码器网络。

在结合神经网络进行CSI反馈的技术中，比较典型的一种神经网络架构是对偶架构，以自编码器为例，通过编码器和解码器的联合优化，可以实现压缩传输。例如，可以训练得到一组或多组(或者，称为一个或多个)参考网络，这些参考网络可以是成对出现的编码器网络(也可简称为参考编码器网络)-解码器网络(也可简称为参考解码器网络)。也就是说，一组参考网络可包括一个参考编码器网络和与之对应的一个参考解码器网络。这些参考网络可以是离线训练的或者在线训练的。如果是离线训练的，可以在协议中进行约定。例如，协议可以给出一组或多组参考网络(包括参考编码器网络和参考解码器网络)的网络结构和/或权重等参数。UE或接入网设备均可根据协议实现这些参考网络。可选的，协议可以给出这些具体的参考网络在约定的数据集下对应的评估性能。

如果有多组参考网络，那么UE究竟使用其中哪一组参考网络，或者说究竟使用其中哪一组参考网络中的参考编码器网络，可由接入网设备指示。例如接入网设备向UE发送第一指示信息，第一指示信息可指示编码器网络的参数信息。第一指示信息指示编码器网络的参数信息，一种指示方式为，第一指示信息包括编码器网络的参数信息，编码器网络的参数信息例如包括编码器网络的结构和/或权重等参数。第一指示信息所指示的编码器网络例如为参考编码器网络，UE根据第一指示信息可以确定对应的参考编码器网络。或者，第一指示信息可指示编码器网络的索引(例如，参考编码器网络的索引)，或指示参考网络的索引，UE根据第一指示信息也能确定对应的参考编码器网络。在确定参考编码器网络后，UE可直接使用所确定的参考编码器网络，即，该参考编码器网络就是UE最终使用的编码器网络。或者，在确定参考编码器网络后，UE不直接使用该参考编码器网络，但UE最终使用的编码器网络的特征可以根据该参考编码器网络的特征确定。例如UE使用的编码器网络的输入维度可根据该参考编码器网络的输入维度确定，例如UE使用的编码器网络的输入维度等于该参考编码器网络的输入维度。同理，例如UE使用的编码器网络的输出维度也可根据该参考编码器网络的输出维度确定，例如UE使用的编码器网络的输出维度等于该参考编码器网络的输出维度。例如，当UE使用的编码器网络的输入和该参考编码器网络的输入相同时，UE使用的编码器网络的输出和该参考编码器网络的输出之间的差异小于阈值。

或者，UE究竟使用哪一组参考网络，或者说究竟使用其中哪一组参考网络中的参考编码器网络，也可由UE自行选择。例如UE可根据参考网络的评估性能等因素，从多组参考网络中选择一组参考网络，该参考网络包括参考编码器网络。在确定参考编码器网络后，UE如何确定所使用的编码器网络，可参考上一段落的介绍。如果UE自行确定参考编码器网络，则UE可以向接入网设备发送第二指示信息，第二指示信息可指示UE所选择的编码器网络的参数信息，其中，如果UE最终使用的编码器网络与参考编码器网络并不是同一网络，则第二指示信息可指示参考编码器网络的参数信息，接入网设备根据该参考编码器网络的参数信息可以确定该参考编码器网络所属的参考网络，从而确定该参考网络所包括的参考解码器网络。或者，第二指示信息可指示UE所选择的参考网络的参数信息，接入网设备根据该参考网络的参数信息可以确定该参考网络所包括的参考解码器网络。或者，第二指示信息可指示UE选择的编码器网络的索引，其中，如果UE最终使用的编码器网络与参考编码器网络并不是同一网络，则第二指示信息可指示参考编码器网络的索引，或指示该参考网络的索引，从而接入网设备能够确定对应的参考解码器网络。第二指示信息要指示一个网络的参数信息，一种指示方式为，第二指示信息包括该网络的参数信息，例如第二指示信息如果指示参考编码器网络的参数信息，则第二指示信息具体可包括参考编码器网络的参数信息，例如包括编码器网络的结构和/或权重等参数。第二指示信息要指示一个网络的索引，一种指示方式为，第二指示信息包括该网络的索引，例如第二指示信息如果指示参考编码器网络的索引，则第二指示信息具体可包括参考编码器网络的索引。

无论是接入网设备向UE发送第一指示信息，还是UE向接入网设备发送第二指示信息，如果所发送的是编码器网络(或，参考编码器网络，或参考网络)的参数信息，则为了减少传输开销，可选的，发送端(接入网设备或UE)可以对编码器网络(或，参考编码器网络，或参考网络)的参数信息进行压缩，则第一指示信息或第二指示信息所包括的可以是压缩的参数信息。压缩方式包括但不限于模型剪枝、模型蒸馏或模型量化等方式中的一种或多种。模型剪枝是指将编码器网络(或，参考编码器网络，或参考网络)的部分参数信息发送给UE，而剩余的参数信息则不发送，UE得到的就是编码器网络(或，参考编码器网络，或参考网络)的部分参数信息，不会得到全部参数信息。这相当于剪去了部分参数，以节省传输开销。模型蒸馏是指根据编码器网络(或，参考编码器网络，或参考网络)的参数信息得到第一模型，第一模型的规模小于编码器网络(或，参考编码器网络，或参考网络)的规模，可理解为，编码器网络(或，参考编码器网络，或参考网络)是规模较大的模型，编码器网络(或，参考编码器网络，或参考网络)对应的参数的数量可能较多，而第一模型是规模较小的模型，第一模型对应的参数的数量可能较少，则第一指示信息或第二指示信息包括的可以是第一模型(或者说，包括第一模型的参数信息)，这样也能减小传输开销。接收端(UE或接入网设备)接收第一模型后，就直接应用第一模型即可，可理解为，接收端将第一模型作为编码器网络(或，参考编码器网络，或参考网络)来应用。模型量化是指，编码器网络(或，参考编码器网络，或参考网络)的参数信息例如为浮点数，则发送端可以对编码器网络(或，参考编码器网络，或参考网络)的参数信息进行量化，第一指示信息或第二指示信息包括的编码器网络(或，参考编码器网络，或参考网络)的参数信息可以是量化参数，由此也能减小传输开销。

UE确定了编码器网络，那么UE将M个信道估计结果进行联合压缩的一种实现方式为，UE将M个信道估计结果输入编码器网络，该编码器网络可对M个信道估计结果进行联合压缩。在联合压缩后，该编码器网络可输出N个压缩信息。因为N个压缩信息是对M个信道估计结果进行联合压缩得到的，因此N个压缩信息中的每个压缩信息都与M个信道估计结果中的部分或全部相对应，不同的压缩信息所对应的信道估计结果可以相同，也可以不同或不完全相同；不同的压缩信息可对应于同一个信道估计结果的相同的参数，或者，不同的压缩信息可对应于同一个信道估计结果的不同的参数，或者，不同的压缩信息可对应于同一个信道估计结果的不完全相同的参数。一个压缩信息与一个信道估计结果相对应，可以理解为，该压缩信息反映了该信道估计结果的特征，或者说，该压缩信息的生成过程与该信道估计结果有关，或者说，该压缩信息对应于该信道估计结果的全部参数或部分参数。

例如，M＝3，M个信道估计结果分别为信道估计结果1、信道估计结果2和信道估计结果3，这3个信道估计结果均对应于参数A～参数E；N＝3，N个压缩信息分别为压缩信息1、压缩信息2和压缩信息3。压缩信息1可以反映信道估计结果1对应的参数A和参数B、信道估计结果2对应的参数C和参数D、以及信道估计结果3对应的参数A、参数D和参数E，压缩信息2可以反映信道估计结果1对应的参数C和参数E、信道估计结果2对应的参数C和参数D、以及信道估计结果3对应的参数B和参数C，压缩信息3可以反映信道估计结果1对应的参数D、信道估计结果2对应的参数A、参数B和参数E、以及信道估计结果3对应的参数A和参数B。这种情况下，不同的压缩信息对应的信道估计结果相同，而不同的压缩信息对应的参数包括如下几种情况：不同的压缩信息可以对应于同一个信道估计结果的相同的参数(例如压缩信息1对应信道估计结果2的参数C和参数D，压缩信息2也对应信道估计结果2的参数C和参数D)；不同的压缩信息可以对应于同一个信道估计结果的不同的参数(例如压缩信息1对应信道估计结果1的参数A和参数B，压缩信息2对应信道估计结果1的参数C和参数E)；不同的压缩信息还可以对应于同一个信道估计结果的不完全相同的参数(例如压缩信息1对应信道估计结果3的参数A、参数D和参数E，压缩信息3对应信道估计结果3的参数A和参数B)。另外，在本示例中，以M个信道估计结果对应的参数均相同为例(即，3个信道估计结果均对应于参数A～参数E)，实际上，不同的信道估计结果对应的参数可能不同或者不完全相同，对此不做限制。再有，本示例中，也以N个压缩信息对应的参数均相同为例，实际上，不同的压缩信息对应的参数也可能不同或不完全相同，例如N＝2，其中的压缩信息1可能对应M个信道估计结果的M个参数A，而压缩信息2就不再对应参数A。

可选的，为了使得接入网设备恢复的下行信道更为准确，UE在压缩时，除了可将M个信道估计结果进行联合压缩外，还可以考虑历史信息，即，UE可将M个信道估计结果和历史信息进行联合压缩，以得到N个压缩信息。历史信息例如包括M个时隙之前的L个时隙对应的信道估计结果，例如，历史信息包括L个信道估计结果。L为正整数，L个时隙可以是连续的，也可以是离散的。L个时隙例如通过配置信息进行配置，例如，配置信息可配置L个时隙的编号等，或者，L个时隙也可以由UE自行确定。UE得到历史信息的方式可参考前文介绍的UE得到M个信道估计结果的方式。以历史信息包括L个信道估计结果为例。例如，UE将M个信道估计结果和L个信道估计结果均输入编码器网络，该编码器网络可对M个信道估计结果和L个信道估计结果进行联合压缩。在联合压缩后，该编码器网络可输出N个压缩信息。因为N个压缩信息是对M个信道估计结果和L个信道估计结果进行联合压缩得到的，因此N个压缩信息中的每个压缩信息都与M个信道估计结果和L个信道估计结果中的部分或全部相对应，不同的压缩信息所对应的信道估计结果可以相同，也可以不同或不完全相同；不同的压缩信息可对应于同一个信道估计结果的相同的参数，或者，不同的压缩信息可对应于同一个信道估计结果的不同的参数，或者，不同的压缩信息可对应于同一个信道估计结果的不完全相同的参数。对此的示例可参考前述示例，例如将前述示例中的其中任一个或两个信道估计结果视为历史信息包括的信道估计结果即可。

N的一种取值可能性为，N＝1，即，UE根据M个信道估计结果(或，根据M个信道估计结果和L个信道估计结果)可得到一个压缩信息。

作为信道估计结果的一种实施方式，信道估计结果是指信道信息，那么UE可根据M个信道信息(或者，根据M个信道信息和L个信道信息)得到一个压缩信息。其中，信道信息还可以称为信道响应或者信道矩阵等。信道信息的维度例如为[N_tx,N_rx,N_RB],其中N_tx表示发送端(例如接入网设备)的天线数或端口数,N_rx表示接收端(例如UE)的天线数或端口数，N_RB表示频域单元数，例如资源块(resource block，RB)的数量，N_tx、N_rx和N_RB为正整数。通过奇异值分解(singular value decomposition，SVD)将[N_tx,N_rx,N_RB]维的原始信道信息进行降维，得到下行信道的特征子空间矩阵，该特征子空间矩阵的维度是[N_tx,N_sb]。其中，N_sb表示频域子带个数，例如N_sb＝N_RB/a，a表示频域子带颗粒度或子带宽带，即每个子带包括的RB个数。常见的频域子带颗粒度为1RB、2RB或4RB，以4RB为例，则N_sb＝N_RB/4。其中，一个RB中包括正整数个子载波，例如12个或16个等。UE在通过SVD将信道信息进行降维时，可对不同的秩(rank)分别进行处理，其中，不同的rank，也可理解为不同的流，或不同的层(layer)。一个信道信息(或者说，一个信道估计结果)可对应一个或多个层，下面介绍UE对其中的第L′层的处理过程。其中，L′为正整数。

第L′层的每一个子带内包含a个RB，则UE可以综合a个RB的下行信道来计算等效下行信道。假设一个子带内的第i个RB的下行信道是H_i，则该子带内的等效下行信道可表示为：

UE对

进行SVD分解，可得到：

即，

/>

公式2和公式3中，H_i的维度为[N_tx，N_rx]，H_i ^H表示H_i的共轭转置，

的维度为[N_tx，N_tx]，特征向量的取值为/>

的第L′列，其维度为(N_tx,1)，即，第m个子带的特征向量

该特征向量可用作第L′层的第m个子带上的预编码向量。

UE将第L′层所有子带的特征向量拼起来，就可得到特征子空间矩阵V＝[V₁ V₂ …V_Nsb]，V是[N_tx,N_sb]维的复数矩阵。通过离散傅里叶变换(discrete fourier transform，DFT)可产生两组DFT基底，分别是空域基底

和频域基底/>

空域基底为N_tx个N_tx*1的DFT列向量，频域基底为N_sb个N_sb*1的DFT列向量。UE可根据空域基底和频域基底对特征子空间矩阵进行空频联合投影，空频联合投影的一种方式可参考如下公式：

其中，S^H是S的埃尔米特(hermitian)阵，也称为自共轭矩阵，可通过将矩阵S进行共轭转置得到。S表示空域基底，其具体形态与天线面板有关，假设天线面板是双极化的，水平阵子为Nh，垂直阵子为Nv，则得到S的表现形式为：

F表示频域基底，其表现形式与子带N_sb有关，例如F可满足如下公式：

F＝DFT(N_sb) (公式6)

可选的，在DFT的过程中，还可以加入过采样因子，例如，可利用过采样方式产生多组正交空域基底{S₁,S₂,S₃…}和多组正交频域基底{F₁,F₂,F₃…}，从中挑选一组S_i和F_j作为本公开的空域基底和频域基底，例如可从中挑选投影方向较为准确的一组。例如空域和频域的过采样因子均为4。

经过上述操作得到的复数矩阵C_complex是原始信道的特征子空间的稀疏化表征，其维度与投影前的特征子空间矩阵的维度保持一致，是[N_tx,N_sb]。一个信道估计结果可对应一个层或多个层，对一个层进行处理可得到一个复数矩阵C_complex，那么根据一个信道估计结果可得到多个复数矩阵C_complex。UE可将M个信道估计结果(或，M个信道估计结果和L个信道估计结果)对应的复数矩阵C_complex均输入编码器网络，或者，UE可对M个信道估计结果(或，M个信道估计结果和L个信道估计结果)对应的每个复数矩阵C_complex进行相应处理(例如转换为三维实数张量)后输入编码器网络。关于将复数矩阵C_complex转换为三维实数张量的过程，将在后文介绍。

作为信道估计结果的另一种实施方式，信道估计结果是指特征向量，那么UE可根据M个特征向量(或者，根据M个特征向量和L个特征向量)得到一个压缩信息。如果信道估计结果是指特征向量，则对于每一层都有特征子空间矩阵V＝[V₁ V₂ … V_Nsb]，V是[N_tx,N_sb]维的复数矩阵。UE可对每一层的特征子空间矩阵进行数据预处理，例如对某一层的特征子空间矩阵进行数据预处理的操作过程如下：

UE可通过DFT公式产生两组DFT基底，分别是空域基底

和频域基底

空域基底为N_tx个N_tx*1的DFT列向量，频域基底为N_sb个N_sb*1的DFT列向量。UE可根据空域基底和频域基底对特征子空间矩阵进行空频联合投影，空频联合投影的方式可参考公式4。另外，S的表现形式可参考公式5，关于F的介绍也可参考前文(例如公式6)。

可选的，在DFT的过程中，还可以加入过采样因子，关于此可参考前文。

UE根据一个信道估计结果可得到一个复数矩阵C_complex，根据M个信道估计结果就可得到M个复数矩阵C_complex。如果还有L个信道估计结果，则UE根据L个信道估计结果又可得到L个复数矩阵C_complex。UE在得到复数矩阵C_complex后，可直接将得到的复数矩阵C_complex输入编码器网络，或者，UE也可以对得到的复数矩阵进行相应处理后再输入编码器网络。例如一种处理方式为，UE将每个复数矩阵C_complex转换为一个三维实数张量，再将得到的三维实数张量输入编码器网络。例如对于一个复数矩阵C_complex，UE提取该C_complex中每个元素的实部，得到[N_tx,N_sb]维的实数矩阵；同样，UE可提取该C_complex中每个元素的虚部，可以得到[N_tx,N_sb]维的实数矩阵。进而，UE可将这两个实数矩阵拼接为维度是[2,N_tx,N_sb]的张量H，即，H[0]＝real(C_complex)，H[1]＝imag(C_complex)，张量H就是三维实数张量。

上述信道估计结果的确定过程仅作为示例，本公开还可以应用其他可能的方式进行信道估计，不予限制。

例如可参考图6A，为编码器网络的输入输出情况的示例，图6A以编码器网络的输入信息不包括历史信息为例。图6A中，

表示输入的编码器网络的M个信道估计结果，c表示编码器网络输出的单个压缩信息。

可选的，一种由

映射到c的实现方式可参考图6B。图6B中涉及的计算过程可表示如下：

最后输出的压缩信息c为[C,1]维的实数向量，C表示压缩信息的长度，可基于对反馈开销的要求得到。

可再参考图6C，为编码器网络的输入输出情况的示例，图6C以编码器网络的输入信息包括历史信息为例。图6C中，

表示输入的编码器网络的M个信道估计结果，/>

表示输入的编码器网络的L个信道估计结果，c表示编码器网络输出的单个压缩信息。

可选的，一种由

映射到c的实现方式可参考图6D。图6D中涉及的计算过程可表示如下：

最后输出的压缩信息c为[C,1]维的实数向量。

在这种情况下，UE通过编码器网络可得到一个压缩信息，即，对于M个时隙内的下行信道，UE通过一个压缩信息就可以表征。UE只需向接入网设备发送一个压缩信息，而且由于该压缩信息能够反映M个时隙内的下行信道的特征，因此UE也无需每个时隙都发送压缩信息，这样能够在较大程度上减小传输开销。而且该压缩信息是对M个信道估计结果(或，M个信道估计结果和L个信道估计结果)进行联合压缩得到的，能够反映M个时隙内的下行信道的情况，而且下行信道具有时域相关性，通过该压缩信息能够较好地反映下行信道在时域上的相关情况，从而接入网设备根据该压缩信息能够恢复得到更为准确的下行信道。

N的另一种取值可能性为，N>1，即，UE根据M个信道估计结果(或，根据M个信道估计结果和L个信道估计结果)可得到多个压缩信息。在N大于1的情况下，N可能等于M，或者小于M，或者也可能大于M。可见，编码器网络输入的信道估计结果的数量，与编码器网络输出的压缩信息的数量，可以相等，也可以不相等，使得信道压缩过程具有较好的灵活性。即使N大于1，N个压缩信息中的每个压缩信息也与M个信道估计结果对应，或者与M个信道估计结果和L个信道估计结果对应。N的取值与下行信道的变化快慢相关。在低速场景下(例如，3GPP信道模型中，室内速度3km/h(80％)，室外速度30km/h(20％))，N＝M＝10是一个较合理的取值，此时M个连续的信道估计结果的变化较小，其变化规律已被网络学习到用于信道压缩。如果N＝M，可以便于网络结构的设计。

例如可参考图6E，为编码器网络的输入输出情况的示例，图6E以编码器网络的输入信息不包括历史信息为例。图6E中，

表示输入的编码器网络的M个信道估计结果，/>

表示编码器网络输出的N个压缩信息。

可选的，一种由

映射到/>

的实现方式可参考图6F。图6F中涉及的计算过程可表示如下：

其中，

表示第i个模块的k_i(k_i≥0)个输出，且有∑_ik_i＝N。这里的模块是指图6F中的每个方框所代表的运算，可理解为编码器网络中的运算模块，编码器网络可通过运算模块对信道估计结果进行处理。图6F以用于处理信道估计结果的模块的数量与信道估计结果的数量相等(同为M)为例，实际上并不限制编码器网络包括的运算模块的数量，例如编码器网络所包括的运算模块的数量大于或等于1。将M个模块的输出合并，即可得到总共N个压缩信息/>

最后输出的每个压缩信息均为[C’,1]维的实数向量，C’表示一个压缩信息的长度，可基于对反馈开销的要求得到。

可再参考图6G，为编码器网络的输入输出情况的示例，图6G以编码器网络的输入信息包括历史信息为例。图6G中，

表示输入的编码器网络的M个信道估计结果，/>

表示输入的编码器网络的L个信道估计结果，

表示编码器网络输出的N个压缩信息。

可选的，一种由

映射到

的实现方式可参考图6H。图6H中涉及的计算过程可表示如下：/>

其中，

表示第i个模块的k_i(k_i≥0)个输出，且有∑_ik_i＝N。将M+L个模块的输出合并，即可得到总共N个压缩信息/>

最后输出的每个压缩信息均为[C’,1]维的实数向量。

在这种情况下，N个压缩信息是对M个信道估计结果(或，M个信道估计结果和L个信道估计结果)进行联合压缩得到的，能够反映M个时隙内的下行信道的情况，而且下行信道具有时域相关性，通过该压缩信息能够较好地反映下行信道在时域上的相关情况，从而接入网设备根据该压缩信息能够恢复得到更为准确的下行信道。另外，由于对M个信道估计结果(或，M个信道估计结果和L个信道估计结果)进行了联合压缩，因此不必每个压缩信息都表征参与压缩的信道估计结果的全部参数，例如，N个压缩信息可以分别对应M个信道估计结果(或，M个信道估计结果和L个信道估计结果)的不同的参数，由此能够减小N个压缩信息的信息量，从而减小传输开销。而且在这种情况下，编码器网络的输入信息包括多个信道估计结果，输出信息包括多个压缩信息，相对于输出单个压缩信息的方案来说，这种多输入多输出的方案能够简化编码器网络的结构。

S504、UE向接入网设备发送N个压缩信息。相应的，接入网设备从UE接收N个压缩信息。这N个压缩信息可以视为CSI，或者可以视为PMI。

请参考图7，为CSI反馈的过程示意图。图7中，接入网设备向UE发送配置信息，之后向UE发送下行参考信号，下行参考信号以CSI-RS为例。UE可能会多次向接入网设备发送压缩信息，例如，UE对M个时隙内的下行信道进行信道估计后，可以向接入网设备发送N个压缩信息，之后，UE继续对M个时隙内的下行信道进行信道估计，随之再向接入网设备发送得到的压缩信息。图7中，UE向接入网设备发送了两次压缩信息，或者说反馈了两次CSI，其中，UE第1次向接入网设备反馈的CSI可包含如下一种或多种信道估计结果：UE根据第1次接收的CSI-RS(图7中从左至右的第一个CSI-RS)得到的信道估计结果，第1次CSI-RS对应的下行信道之前的下行信道对应的信道估计结果，或，第1次CSI-RS对应的下行信道之后的下行信道对应的信道估计结果。UE第1次向接入网设备反馈CSI的时隙晚于UE第1次接收CSI-RS的时隙(或者说，晚于接入网设备第1次下发CSI-RS的时隙)，UE第1次向接入网设备反馈CSI的时隙可以早于或晚于UE第2次接收CSI-RS的时隙(或者说，早于或晚于接入网设备第2次下发CSI-RS的时隙)，图7以早于UE第2次接收CSI-RS的时隙为例。类似的，UE第k次向接入网设备反馈的CSI可包含如下一种或多种信道估计结果：UE根据第k次接收的CSI-RS得到的信道估计结果，第k次CSI-RS对应的下行信道之前的下行信道对应的信道估计结果，或，第k次CSI-RS对应的下行信道之后的下行信道对应的信道估计结果。UE第k次向接入网设备反馈CSI的时隙晚于UE第k次接收CSI-RS的时隙(或者说，晚于接入网设备第k次下发CSI-RS的时隙)，UE第k次向接入网设备反馈CSI的时隙可以早于或晚于UE第k+1次接收CSI-RS的时隙(或者说，早于或晚于接入网设备第k+1次下发CSI-RS的时隙)。另外，从图7可知，配置信息所指示的M个时隙，可能包括了接收配置信息的时刻，还可能包括接收配置信息之前的时刻，以及接收配置信息之后的时刻。

S505、接入网设备对N个压缩信息进行恢复，得到K个恢复信息。K个恢复信息为M个时隙内的下行信道的信息，即，K个恢复信息能够表征M个时隙内的下行信道。K为正整数。例如K可能等于1，也可能大于1，如果K大于1，则K可能等于N，也可能大于N或小于N。K可能等于M，也可能大于M或小于M。K可能等于M+L，也可能大于M+L或小于M+L。也就是说，UE输入编码器网络的信道估计结果的数量，与解码器网络输出的回复信息的数量，可以相等，也可以不相等，具有较好的灵活性。

本公开中，UE可以利用编码器网络对多个信道估计结果进行联合压缩，接入网设备可以利用对应的解码器网络对N个压缩信息进行恢复。为此，接入网设备需要先确定所使用的解码器网络。如果接入网设备向UE发送了第一指示信息以指示参考编码器网络，那么接入网设备可以确定该参考编码器网络对应的参考解码器网络。或者，如果UE向接入网设备发送了第二指示信息以指示参考编码器网络，那么接入网设备可以确定该参考编码器网络对应的参考解码器网络。或者，如果UE向接入网设备发送了第二指示信息以指示参考网络，那么接入网设备可以确定该参考网络包括的参考解码器网络。

在确定参考解码器网络后，接入网设备可直接使用所确定的参考解码器网络，即，该参考解码器网络就是接入网设备最终使用的解码器网络。或者，在确定参考解码器网络后，接入网设备不直接使用该参考解码器网络，但接入网设备最终使用的解码器网络的特征可以根据该参考解码器网络的特征确定。例如接入网设备使用的解码器网络的输入维度可根据该参考解码器网络的输入维度确定，例如接入网设备使用的解码器网络的输入维度等于该参考解码器网络的输入维度。同理，例如接入网设备使用的解码器网络的输出维度也可根据该参考解码器网络的输出维度确定，例如接入网设备使用的解码器网络的输出维度等于该参考解码器网络的输出维度。例如，当接入网设备使用的解码器网络的输入和该参考解码器网络的输入相同时，接入网设备使用的解码器网络的输出和该参考解码器网络的输出之间的差异小于阈值。

在确定解码器网络后，接入网设备可以根据解码器网络对N个压缩信息进行恢复。例如，接入网设备将N个压缩信息输入解码器网络，解码器网络输出的就是K个恢复信息。K个恢复信息中的每个恢复信息都与N个压缩信息中的部分或全部对应。不同的恢复信息所对应的压缩信息可以相同，也可以不同或不完全相同；不同的恢复信息可对应于同一个压缩信息的相同的参数，或者，不同的恢复信息可对应于同一个压缩信息的不同的参数，或者，不同的恢复信息可对应于同一个压缩信息的不完全相同的参数。一个恢复信息与一个压缩信息相对应，可以理解为，该恢复信息反映了该压缩信息的特征，或者说，该恢复信息的生成过程与该压缩信息有关，或者说，该恢复信息对应于该压缩信息的全部参数或部分参数。

例如，N＝3，N个压缩信息分别为压缩信息1、压缩信息2和压缩信息3，这3个压缩信息均对应于参数A～参数E；K＝3，K个恢复信息分别为恢复信息1、恢复信息2以及恢复信息3。恢复信息1可以反映压缩信息1对应的参数A和参数B、压缩信息2对应的参数A和参数C、以及压缩信息3对应的参数D和参数E，恢复信息2可以反映压缩信息1对应的参数A、参数B和参数C、压缩信息2对应的参数A和参数C、以及压缩信息3对应的参数C和参数E，恢复信息3可以反映压缩信息1对应的参数D和参数E、压缩信息2对应的参数B、参数D和参数E、以及压缩信息3对应的参数A和参数B。这种情况下，不同的恢复信息对应的压缩信息相同，而不同的恢复信息对应的参数包括如下几种情况：不同的恢复信息可以对应于同一个压缩信息的相同的参数(例如恢复信息1对应压缩信息2的参数A和参数C，恢复信息2也对应压缩信息1的参数A和参数C)；不同的恢复信息可以对应于同一个压缩信息的不同的参数(例如恢复信息1对应压缩信息1的参数A和参数B，恢复信息3对应压缩信息1的参数D和参数E)；不同的恢复信息还可以对应于同一个压缩信息的不完全相同的参数(例如恢复信息1对应压缩信息1的参数A和参数B，恢复信息2对应压缩信息1的参数A、参数B和参数C)。在本示例中，以N个压缩信息对应的参数均相同为例(即，3个压缩信息均对应于参数A～参数E)，实际上，不同的压缩信息对应的参数可能不同或者不完全相同，对此不做限制。再有，本示例中，也以K个恢复信息对应的参数均相同为例，实际上，不同的恢复信息对应的参数也可能不同或不完全相同，例如K＝2，其中的恢复信息1可能对应N个压缩信息的M个参数A，而恢复信息2就不再对应参数A。

可参考图8A，为N＝1时解码器网络的输入输出信息的示例。图8A中，c表示解码器网络输入的压缩信息，

表示解码器网络输出的K个恢复信息。

网络输入的压缩信息表达如前文所述。可选的，一种由c映射到

的实现方式可参考图8B。图8B涉及的计算过程如下：

可再参考图8C，为N>1时解码器网络的输入输出信息的示例。图8C中，

表示解码器网络输入的N个压缩信息，/>

表示解码器网络输出的K个恢复信息。

网络输入的压缩信息表达如前文所述。可选的，一种由

映射到/>

的实现方式可参考图8D。例如，可将N个压缩信息分为K组，其中的第i组包括l_i个压缩信息，K组压缩信息可输入解码器网络的K个计算模块，从而可得到K个计算模块输出的K个恢复信息。图8D涉及的计算过程如下：

解码器网络所得到的K个恢复信息可以视为CSI，或者视为PMI，或者视为与CSI或PMI具有类似功能的信息。可选的，解码器网络可对K个恢复信息进行进一步处理，以得到恢复的下行信道信息。即，接入网设备根据K个恢复信息，可以得到恢复的下行信道信息。该下行信道信息例如为下行信道矩阵，或为下行信道矩阵的参数(例如下行信道矩阵的权重等参数)等。

K个恢复信息所对应的采样点位于M个时隙内，N个压缩信息对应的采样点(或者说，M个信道估计结果对应的采样点)也位于M个时隙内，但K个恢复信息所对应的采样点的数量，与N个压缩信息对应的采样点的数量，可能相等，也可能不相等。

另外，K个恢复信息所对应的采样点的时域位置，与N个压缩信息所对应的采样点的时域位置，可能相同、不同、或不完全相同。例如，K个恢复信息对应3个采样点，时域位置分别为T1、T2、T3，N个压缩信息对应3个采样点，时域位置分别为T1、T4、T3，可见，K个恢复信息所对应的采样点的时域位置与N个压缩信息所对应的采样点的时域位置不完全相同。又例如，K个恢复信息对应2个采样点，时域位置分别为T1、T2，N个压缩信息对应3个采样点，时域位置分别为T4、T5、T6，可见，K个恢复信息所对应的采样点的时域位置与N个压缩信息所对应的采样点的时域位置不同。再例如，K个恢复信息对应3个采样点，时域位置分别为T1、T2、T3，N个压缩信息对应3个采样点，时域位置分别为T1、T2、T3，可见，K个恢复信息所对应的采样点的时域位置与N个压缩信息所对应的采样点的时域位置相同。

也就是说，K个恢复信息对应的采样点的时域位置位于M个时隙内，而对于K个恢复信息对应的采样点的数量以及在M个时隙内的时域位置等不做限制。这样对于接入网设备来说，恢复过程可以较为灵活。

可选的，接入网设备在根据K个恢复信息得到下行信道信息后，可根据该下行信道信息确定向UE发送数据时采用的流数、向UE发送数据时采用的调制阶数、或承载该数据的信道(例如物理下行控制信道(physical downlink control channel，PDCCH))的编码码率等信息中的一项或多项。另外，接入网设备还可根据下行信道信息确定向UE发送数据时使用的预编码矩阵等。或者，接入网设备并未根据K个恢复信息恢复得到下行信道信息，而是直接利用K个恢复信息，那么接入网设备可根据K个恢复信息确定向UE发送数据时采用的流数、向UE发送数据时采用的调制阶数、或承载该数据的信道的编码码率等信息中的一项或多项。另外，接入网设备还可根据K个恢复信息确定向UE发送数据时使用的预编码矩阵等。

本公开中，UE可以对M个时隙内的下行信道进行信道估计，并对得到的信道估计结果进行联合压缩后上报给接入网设备。由于进行了联合压缩，充分利用了不同时隙的下行信道之间的相关性，接入网设备根据联合压缩得到的N个压缩信息进行恢复，能够得到更为准确有效的下行信道矩阵。而且由于进行了联合压缩，则N个压缩信息之间可以互补，例如不同的压缩信息对应的参数可以不同，从而减少了冗余信息，相应能够减小传输开销。另外，在进行联合压缩时，除了考虑M个信道估计结果外，还可以考虑历史信息，使得压缩信息能够反映更多时隙内的下行信道的特征，从而接入网设备能够恢复得到更为准确的下行信道矩阵。

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5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5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5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5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9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900可以是图5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900可以是图5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900包括一个或多个处理器901。处理器901可以实现一定的控制功能。所述处理器901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900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900中包括一个或多个存储器902，用以存储指令904，所述指令904可在所述处理器上被运行，使得通信装置900执行上述方法实施例中描述的方法。可选的，所述存储器902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900可以存储指令903(有时也可以称为代码或程序)，所述指令903可以在所述处理器上被运行，使得所述通信装置900执行上述实施例中描述的方法。处理器901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901实现，或者，所述处理单元通过一个或多个处理器901以及一个或多个存储器902实现，或者，所述处理单元通过一个或多个处理器901、一个或多个存储器902、以及指令903实现。

可选的，通信装置900还可以包括收发器905以及天线906。收发器905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906实现通信装置900的收发功能。例如，所述收发单元通过收发器905实现，或者，所述收发单元通过收发器905以及天线906实现。

可选的，通信装置900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900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901和收发器905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5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。

本公开还提供一种接入网设备，该接入网设备可用于前述各个实施例中。所述接入网设备包括用以实现图5所示的实施例所述的接入网设备功能的相应的手段(means)、单元和/或电路。例如，接入网设备，包括收发模块(或者，称为收发单元)，用以支持接入网设备实现收发功能，和，处理模块(或者，称为处理单元)，用以支持接入网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 (16)

1.一种通信方法，其特征在于，包括：

获得M个信道估计结果，所述M个信道估计结果对应于M个时间单元，M为大于1的整数；

利用编码器网络将所述M个信道估计结果进行联合压缩，得到N个压缩信息，N为正整数；

向接入网设备发送所述N个压缩信息。

2.根据权利要求1所述的方法，其特征在于，所述多个信道估计结果包括第一信道估计结果，所述第一信道估计结果为：

根据接收的下行参考信号进行测量所得到的信道估计结果；或，

对根据接收的下行参考信号进行测量所得到的信道估计结果进行处理，所得到的处理结果；或，

预测得到的信道估计结果。

3.根据权利要求1或2所述的方法，其特征在于，所述N个压缩信息中的每个压缩信息与所述M个信道估计结果对应。

4.根据权利要求1或2所述的方法，其特征在于，利用编码器网络将所述M个信道估计结果进行联合压缩，得到N个压缩信息，包括：

利用所述编码器网络将所述M个信道估计结果以及历史信息进行联合压缩，得到所述N个压缩信息，所述历史信息包括所述M个时间单元之前的时间单元对应的信道估计结果。

5.根据权利要求4所述的方法，其特征在于，所述N个压缩信息中的每个压缩信息与所述M个信道估计结果以及所述历史信息对应。

6.根据权利要求1～5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配置信息，所述配置信息用于配置所述M个时间单元。

7.根据权利要求6所述的方法，其特征在于，所述配置信息包括如下一项或多项：

所述M个时间单元的起始时域位置；

所述M个时间单元的结束时域位置；

所述M个时间单元的持续时长；

所述M个时间单元的编号；

M个时隙内的第一个采样点的时域位置；

在所述M个时间单元内的采样周期；

所述M个时间单元内的采样点的数量；或，

所述M个时间单元内的采样点的时域位置。

8.根据权利要求1～7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第一指示信息，所述第一指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引；或，

向所述接入网设备发送第二指示信息，所述第二指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引；

所述参考编码器网络用于确定所述编码器网络。

9.一种通信方法，其特征在于，包括：

从终端设备接收N个压缩信息，N为正整数；

利用解码器网络对所述N个压缩信息进行恢复，得到K个恢复信息，所述K个恢复信息为M个时间单元内的下行信道的信息，K为正整数，M为大于1的整数。

10.根据权利要求9所述的方法，其特征在于，所述K个恢复信息中的每个恢复信息与所述N个压缩信息对应。

11.根据权利要求9或10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配置信息，所述配置信息用于配置所述M个时间单元。

12.根据权利要求11所述的方法，其特征在于，所述配置信息包括如下一项或多项：

所述M个时间单元的起始时域位置；

所述M个时间单元的结束时域位置；

所述M个时间单元的持续时长；

所述M个时间单元的编号；

M个时隙内的第一个采样点的时域位置；

在所述M个时间单元内的采样周期；

所述M个时间单元内的采样点的数量；或，

所述M个时间单元内的采样点的时域位置。

13.根据权利要求9～12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一指示信息，所述第一指示信息用于指示参考编码器网络的参数信息，或用于指示参考编码器网络的索引；或，

从所述终端设备接收第二指示信息，所述第二指示信息用于指示所述终端设备选择的参考编码器网络的参数信息，或用于指示所述终端设备选择的参考编码器网络的索引；

其中，所述参考编码器网络与参考解码器网络属于同一参考网络，所述参考解码器网络用于确定所述解码器网络。

14.一种通信装置，其特征在于，用于实现如权利要求1～8任一项所述的方法，或用于实现如权利要求9～13任一项所述的方法。

15.一种通信装置，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1～8任一项所述的方法，或用于执行如权利要求9～13任一项所述的方法。

16.一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1～8中任一项所述的方法，或使得所述计算机执行如权利要求9～13中任一项所述的方法。

Images