CN116437415A - 一种通信方法及通信装置 - Google Patents
一种通信方法及通信装置 Download PDFInfo
- Publication number
- CN116437415A CN116437415A CN202111669046.9A CN202111669046A CN116437415A CN 116437415 A CN116437415 A CN 116437415A CN 202111669046 A CN202111669046 A CN 202111669046A CN 116437415 A CN116437415 A CN 116437415A
- Authority
- CN
- China
- Prior art keywords
- network device
- information
- terminal device
- target network
- configuration information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 242
- 238000004891 communication Methods 0.000 title claims abstract description 181
- 230000004044 response Effects 0.000 claims abstract description 86
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 5
- 238000013528 artificial neural network Methods 0.000 claims description 56
- 230000015654 memory Effects 0.000 claims description 32
- 238000012795 verification Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 9
- 230000001976 improved effect Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 84
- 238000012549 training Methods 0.000 description 57
- 230000006870 function Effects 0.000 description 48
- 238000012545 processing Methods 0.000 description 36
- 230000000694 effects Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 30
- 238000005259 measurement Methods 0.000 description 15
- 230000008093 supporting effect Effects 0.000 description 14
- 230000003993 interaction Effects 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000010200 validation analysis Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/08—Reselecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种通信方法及通信装置。在该方法中,源网络设备向目标网络设备发送请求消息,请求消息用于请求将终端设备切换至目标网络设备;源网络设备接收来自目标网络设备的响应消息,响应消息用于指示允许将终端设备切换至目标网络设备;源网络设备向终端设备发送第一配置信息,第一配置信息用于指示目标网络设备的人工智能(artificial intelligence,AI)配置信息;源网络设备向终端设备发送第一消息,第一消息用于指示终端设备切换至目标网络设备。用于在切换场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
Description
技术领域
本申请涉及无线技术领域,尤其涉及一种通信方法及通信装置。
背景技术
无线通信,是指两个或两个以上的通信节点间不经由导体或缆线传播而进行的传输通讯,该通信节点一般包括网络设备和终端设备。一般的,终端设备可以接入网络设备,并接收网络设备的调度和指示信息,以实现无线通信。
目前,终端设备可以结合一些机制(例如小区选择、小区重选或小区切换等),对该终端设备所接入的网络设备进行切换,即终端设备可以基于该机制在不同的时刻中,将多个网络设备中不同的网络设备作为该终端设备所接入的网络设备。
然而,在未来的通信网络中,网络设备有可能为终端设备提供人工智能(artificial intelligence,AI)服务,而不同的网络设备所提供的AI服务有可能是不同的。这将有可能导致该终端设备从当前的网络设备切换到其他网络设备的过程中,该终端设备所获得的AI服务的中断。
为此,终端设备从当前的网络设备切换到其他网络设备的场景中,如何确保为该终端设备提供的AI服务不中断,是一个亟待解决的技术问题。
发明内容
本申请提供了一种通信方法及通信装置,用于在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
本申请第一方面提供了一种通信方法,该方法由源网络设备执行,或者,该方法由源网络设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分源网络设备功能的逻辑模块或软件实现。在第一方面及其可能的实现方式中,以该通信方法由源网络设备执行为例进行描述。在该方法中,源网络设备向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该源网络设备接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该源网络设备向该终端设备发送第一配置信息,该第一配置信息用于指示该目标网络设备的AI配置信息;该源网络设备向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
基于上述技术方案,源网络设备在接收来自目标网络设备的用于指示允许将终端设备切换至该目标网络设备之后,该源网络设备确定需要将该终端设备切换至该目标网络设备。此时,该源网络设备向终端设备发送用于指示该目标网络设备的AI配置信息的第一配置信息和用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备可以基于目标网络设备的AI配置信息获取目标网络设备的AI服务;换言之,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,第一配置信息承载于第一消息中,或,第一配置信息承载于不同于第一消息的其它消息中。
可选的,AI服务可以包括AI模型训练服务和/或AI推理服务。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于不同的AI区域,则该源网络设备所发送的请求消息还可以包括第一指示信息,该第一指示信息用于指示该目标网络设备和该源网络设备处于不同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于不同的AI区域之后,触发该源网络设备发送第一配置信息。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于同一AI区域,则该源网络设备所发送的请求消息还可以包括第二指示信息,该第二指示信息用于指示该目标网络设备和该源网络设备处于相同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于同一AI区域之后,触发该源网络设备无需执行发送第一配置信息而直接发送第一消息。
可选的,位于同一AI区域的网络设备具备相同/相近的AI模型。相应的,一般认为,位于不同AI区域的网络设备不具备相同/相近的AI模型。
应理解,本申请任一实施例所涉及的不同网络设备(例如源网络设备和目标网络设备)之间的切换,可以称为无线接入网(radio access network,RAN)切换、分组数据汇聚协议(packet data convergence protocol,PDCP)切换、无线链路控制(radio linkcontrol,RLC)协议切换、无线资源控制(radio resource control,RRC)层切换、媒体接入控制(media access control,MAC)层切换、物理(physical,PHY)层切换,或者其他的切换,例如AI服务节点的切换等,此处不做限定。
可选的,为某个终端设备提供AI服务的网络设备可以称为该终端设备的AI服务节点。
在第一方面的一种可能的实现方式中,在该源网络设备向该终端设备发送第一配置信息之前,该方法还包括:该源网络设备接收来自该目标网络设备的该第一配置信息。
基于上述技术方案,源网络设备向终端设备发送第一配置信息之前,该源网络设备可以接收来自该目标网络设备的第一配置信息。换言之,源网络设备是基于目标网络设备的指示的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该目标网络设备所指示的第一配置信息进行通信,以确保为该终端设备提供的AI服务不中断。
在第一方面的一种可能的实现方式中,该第一配置信息包含于该响应消息。
基于上述技术方案,目标网络设备可以通过将第一配置信息承载于响应消息的方式,向该源网络设备发送第一配置信息,以节省开销。
可选的,该第一配置信息包含于不同于响应消息的其它消息中。
在第一方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI模型对应的AI配置信息。
基于上述技术方案,目标网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第一配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。此外,该实现方式中终端设备可以基于预配置的AI配置信息获取AI服务,无需额外获取其它的AI配置信息,可以节省开销。
在第一方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该终端设备所发送的第一配置信息用于指示该目标网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第一方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息用于请求将终端设备切换至该目标网络设备,其中,该请求消息具体可以包括上述至少一项。使得目标网络设备在接收请求消息之后,可以基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力时,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
可选的,该终端设备的AI服务质量要求信息用于表征该终端设备的AI服务质量要求,例如:AI服务质量要求信息可以包括最低推理精度、最大推理时延等。
可选的,该终端设备的AI能力信息用于表征该终端设备的AI能力。例如,终端设备的AI能力信息可以包括终端算力和缓存大小等。
可选的,该验证数据集用于表征该终端设备提供的用于验证/评估AI服务质量要求的AI模型输入数据和/或AI模型输出数据。
可选的,输入数据可以包括推理数据分布信息;输出数据可以包括标签分布信息、模型预测分布信息等。
在第一方面的一种可能的实现方式中,在该源网络设备向目标网络设备发送请求消息之前,该方法还包括:该源网络设备接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息为基于第一信息所发送。换言之,源网络设备可以基于第一信息确定该源网络设备不再具备为该终端设备提供AI服务的能力(或确定该目标网络设备的AI性能优于阈值,或确定该目标网络设备的AI性能优于该源网络设备的AI性能等)的情况下,该源网络设备确定需要将该终端设备切换至其它网络设备,即触发该源网络设备向目标网络设备发送请求消息。以使得后续终端设备切换至其它网络设备,以获得AI服务。
可选的,该AI性能信息包括以下至少一项:
推理精度信息、数据分布信息、标签分布信息、模型预测分布信息或数据重要性信息。
在第一方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:
AI模型运算量信息、推理精度信息或推理时延信息。
本申请第二方面提供了一种通信方法,该方法由终端设备执行,或者,该方法由终端设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分终端设备功能的逻辑模块或软件实现。在第二方面及其可能的实现方式中,以该通信方法由终端设备执行为例进行描述。在该方法中,终端设备接收来自源网络设备的第一配置信息,该第一配置信息用于指示目标网络设备的AI配置信息;该终端设备接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该终端设备向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
基于上述技术方案,在源网络设备确定需要将该终端设备切换至该目标网络设备的情况下,终端设备接收来自该源网络设备的用于指示该目标网络设备的AI配置信息的第一配置信息和用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备可以基于目标网络设备的AI配置信息获取目标网络设备的AI服务;换言之,终端设备基于第一消息向该目标网络设备发送用于切换至该目标网络设备的第二消息,使得该终端设备切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,第一配置信息承载于第一消息中,或,第一配置信息承载于不同于第一消息的其它消息中。
可选的,AI服务可以包括AI模型训练服务和/或AI推理服务。
可选的,位于同一AI区域的网络设备具备相同/相近的AI模型。相应的,一般认为,位于不同AI区域的网络设备不具备相同/相近的AI模型。
应理解,终端设备所发送的第二消息用于切换至该目标网络设备,包括:第二消息用于建立终端与目标网络设备的连接;换言之,终端设备切换至目标网络设备需要终端设备和目标网络设备之间的交互消息以完成接入目标网络设备的确认,该交互信息至少包括终端设备所发送的第二消息。例如,该第二消息可以包括随机接入前导码(random accesspreamble,RA Preamble),RRC配置完成(RRC configuration complete)消息,RRC重配置完成(RRC reconfiguration complete)消息等。
在第二方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
基于上述技术方案,目标网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第一配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第一配置信息。从而,终端设备基于第一消息和第二消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。此外,该实现方式中终端设备可以基于预配置的AI配置信息获取AI服务,无需额外获取其它的AI配置信息,可以节省开销。
在第二方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该终端设备所发送的第一配置信息用于指示该目标网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第二方面的一种可能的实现方式中,在该终端设备接收来自该源网络设备的第一消息之前,该方法还包括:该终端设备向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息为基于第一信息所发送。换言之,源网络设备可以基于第一信息确定该源网络设备不再具备为该终端设备提供AI服务的能力(或确定该目标网络设备的AI性能优于阈值,或确定该目标网络设备的AI性能优于该源网络设备的AI性能等)的情况下,该源网络设备确定需要将该终端设备切换至其它网络设备,即触发该源网络设备向目标网络设备发送请求消息。以使得后续终端设备切换至其它网络设备,以获得AI服务。
在第二方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
本申请第三方面提供了一种通信方法,该方法由目标网络设备执行,或者,该方法由目标网络设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分目标网络设备功能的逻辑模块或软件实现。在第三方面及其可能的实现方式中,以该通信方法由目标网络设备执行为例进行描述。在该方法中,目标网络设备接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该目标网络设备向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该目标网络设备接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
基于上述技术方案,目标网络设备接收用于请求将终端设备切换至该目标网络设备的请求消息之后,在确定允许该切换的情况下,该目标网络设备发送用于指示允许将终端设备切换至该目标网络设备的响应消息。此后,该目标网络设备接收来自该终端设备的用于请求切换至该目标网络设备的第二消息之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。其中,终端设备可以基于目标网络设备的AI配置信息获取目标网络设备的AI服务。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,第一配置信息承载于第一消息中,或,第一配置信息承载于不同于第一消息的其它消息中。
可选的,AI服务可以包括AI模型训练服务和/或AI推理服务。
应理解,目标网络设备所接收的第二消息用于切换至该目标网络设备,包括:第二消息用于建立终端与目标网络设备的连接;换言之,终端设备切换至目标网络设备需要终端设备和目标网络设备之间的交互消息以完成接入目标网络设备的确认,该交互信息至少包括终端设备所发送的第二消息。例如,该第二消息可以包括RA Preamble,RRCconfiguration complete消息,RRC reconfiguration complete消息等。
在第三方面的一种可能的实现方式中,在该目标网络设备接收来自该终端设备的第二消息之前,该方法还包括:该目标网络设备向该源网络设备发送第一配置信息,其中,该第一配置信息用于指示该目标网络设备的AI配置信息。
基于上述技术方案,在该目标网络设备接收来自该终端设备的第二消息之前,该目标网络设备还可以向该源网络设备发送第一配置信息。换言之,源网络设备是基于目标网络设备的指示的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该目标网络设备所指示的第一配置信息进行通信,以确保为该终端设备提供的AI服务不中断。
在第三方面的一种可能的实现方式中,该第一配置信息包含于该响应消息。
基于上述技术方案,目标网络设备可以通过将第一配置信息承载于响应消息的方式,向该源网络设备发送第一配置信息,以节省开销。
可选的,该第一配置信息包含于不同于响应消息的其它消息中。
在第三方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
基于上述技术方案,目标网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第一配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
在第三方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:
神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该终端设备所发送的第一配置信息用于指示该目标网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第三方面的一种可能的实现方式中,该请求消息包括以下至少一项:
该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
可选的,该目标网络设备向该源网络设备发送响应消息包括:该目标网络设备基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,该目标网络设备向该源网络设备发送响应消息。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息用于请求将终端设备切换至该目标网络设备,其中,该请求消息具体可以包括上述至少一项。使得目标网络设备在接收请求消息之后,可以基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力时,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
在第三方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
本申请第四方面提供了一种通信方法,该方法由源网络设备执行,或者,该方法由源网络设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分源网络设备功能的逻辑模块或软件实现。在第四方面及其可能的实现方式中,以该通信方法由源网络设备执行为例进行描述。在该方法中,源网络设备向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该源网络设备接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该源网络设备向该目标网络设备发送第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该源网络设备向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
基于上述技术方案,源网络设备在接收来自目标网络设备的用于指示允许将终端设备切换至该目标网络设备之后,该源网络设备确定需要将该终端设备切换至该目标网络设备。此时,该源网络设备向目标网络设备发送用于指示该源网络设备的AI配置信息的第二配置信息之后,该源网络设备向该终端设备发送用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备可以基于源网络设备的AI配置信息获取目标网络设备的AI服务;换言之,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,AI服务可以包括AI模型训练服务和/或AI推理服务。
可选的,在源网络设备向该终端设备发送第一消息之前,源网络设备向该终端设备发送该第二配置信息。进一步可选的,源网络设备向该终端设备发送该第二配置信息之后,该终端设备和该源网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。
可选的,该第一消息还包括该第二配置信息。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于不同的AI区域,则该源网络设备所发送的请求消息还可以包括第一指示信息,该第一指示信息用于指示该目标网络设备和该源网络设备处于不同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于不同的AI区域之后,触发该源网络设备发送第二配置信息。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于同一AI区域,则该源网络设备所发送的请求消息还可以包括第二指示信息,该第二指示信息用于指示该目标网络设备和该源网络设备处于相同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于同一AI区域之后,触发该源网络设备无需执行发送第二配置信息而直接发送第一消息。
在第四方面的一种可能的实现方式中,该第二配置信息包含于该请求消息。
基于上述技术方案,源网络设备可以通过将第二配置信息承载于请求消息的方式,向该目标网络设备发送第二配置信息,以节省开销。
可选的,该第二配置信息包含于不同于请求消息的其它消息中。
在第四方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
基于上述技术方案,源网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第二配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第二配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
在第四方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该目标网络设备所发送的第二配置信息用于指示该源网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第四方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息用于请求将终端设备切换至该目标网络设备,其中,该请求消息具体可以包括上述至少一项。使得目标网络设备在接收请求消息之后,可以基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力时,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
在第四方面的一种可能的实现方式中,在该源网络设备向目标网络设备发送请求消息之前,该方法还包括:该源网络设备接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息为基于第一信息所发送。换言之,源网络设备可以基于第一信息确定该源网络设备不再具备为该终端设备提供AI服务的能力(或确定该目标网络设备的AI性能优于阈值,或确定该目标网络设备的AI性能优于该源网络设备的AI性能等)的情况下,该源网络设备确定需要将该终端设备切换至其它网络设备,即触发该源网络设备向目标网络设备发送请求消息。以使得后续终端设备切换至其它网络设备,以获得AI服务。
可选的,该AI性能信息包括以下至少一项:推理精度信息、数据分布信息、标签分布信息、模型预测分布信息或数据重要性信息。
在第四方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
本申请第五方面提供了一种通信方法,该方法由终端设备执行,或者,该方法由终端设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分终端设备功能的逻辑模块或软件实现。在第五方面及其可能的实现方式中,以该通信方法由终端设备执行为例进行描述。在该方法中,终端设备接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该终端设备向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
基于上述技术方案,在源网络设备确定需要将该终端设备切换至该目标网络设备的情况下,终端设备接收来自该源网络设备的用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备可以基于源网络设备的AI配置信息获取目标网络设备的AI服务;换言之,终端设备基于第一消息向该目标网络设备发送用于请求切换至该目标网络设备的第二消息,使得该终端设备切换至目标网络设备之后,该终端设备无需释放(或删除)源网络设备的AI配置信息,该终端设备仍然可以沿用源网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,在终端设备接收来自该源网络设备的第一消息之前,该终端设备接收来自该源网络设备的第二配置信息。进一步可选的,该终端设备接收来自该源网络设备的第二配置信息之后,该终端设备和该源网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。
可选的,该第一消息还包括该第二配置信息。
应理解,终端设备所发送的第二消息用于切换至该目标网络设备,包括:第二消息用于建立终端与目标网络设备的连接;换言之,终端设备切换至目标网络设备需要终端设备和目标网络设备之间的交互消息以完成接入目标网络设备的确认,该交互信息至少包括终端设备所发送的第二消息。例如,该第二消息可以包括随机接入前导码(random accesspreamble,RA Preamble),RRC配置完成(RRC configuration complete)消息,RRC重配置完成(RRC reconfiguration complete)消息等。
在第五方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
基于上述技术方案,源网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第二配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第二配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
在第五方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该目标网络设备所发送的第二配置信息用于指示该源网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第五方面的一种可能的实现方式中,在该终端设备接收来自该源网络设备的第一消息之前,该方法还包括:该终端设备向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息为基于第一信息所发送。换言之,源网络设备可以基于第一信息确定该源网络设备不再具备为该终端设备提供AI服务的能力(或确定该目标网络设备的AI性能优于阈值,或确定该目标网络设备的AI性能优于该源网络设备的AI性能等)的情况下,该源网络设备确定需要将该终端设备切换至其它网络设备,即触发该源网络设备向目标网络设备发送请求消息。以使得后续终端设备切换至其它网络设备,以获得AI服务。
可选的,该AI性能信息包括以下至少一项:推理精度信息、数据分布信息、标签分布信息、模型预测分布信息或数据重要性信息。
在第五方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
本申请第六方面提供了一种通信方法,该方法由目标网络设备执行,或者,该方法由目标网络设备中的部分组件(例如处理器、芯片或芯片系统等)执行,或者该方法还可以由能实现全部或部分目标网络设备功能的逻辑模块或软件实现。在第六方面及其可能的实现方式中,以该通信方法由目标网络设备执行为例进行描述。在该方法中,目标网络设备接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该目标网络设备向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该目标网络设备接收来自该源网络设备的第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该目标网络设备接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
基于上述技术方案,目标网络设备接收用于请求将终端设备切换至该目标网络设备的请求消息之后,在确定允许该切换的情况下,该目标网络设备发送用于指示允许将终端设备切换至该目标网络设备的响应消息。其中,终端设备可以基于源网络设备的AI配置信息获取目标网络设备的AI服务。此后,该目标网络设备接收来自该源网络设备的用于指示该源网络设备的AI配置信息的第二配置信息,且该目标网络设备接收来自该终端设备的用于请求切换至该目标网络设备的第二消息之后,该终端设备和该目标网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
可选的,AI服务可以包括AI模型训练服务和/或AI推理服务。
应理解,目标网络设备所接收的第二消息用于切换至该目标网络设备,包括:第二消息用于建立终端与目标网络设备的连接;换言之,终端设备切换至目标网络设备需要终端设备和目标网络设备之间的交互消息以完成接入目标网络设备的确认,该交互信息至少包括终端设备所发送的第二消息。例如,该第二消息可以包括RA Preamble,RRCconfiguration complete消息,RRC reconfiguration complete消息等。
在第六方面的一种可能的实现方式中,该第二配置信息包含于该请求消息。
基于上述技术方案,源网络设备可以通过将第二配置信息承载于请求消息的方式,向该目标网络设备发送第二配置信息,以节省开销。
可选的,该第二配置信息包含于不同于请求消息的其它消息中。
在第六方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
基于上述技术方案,目标网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第二配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第二配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
在第六方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
基于上述技术方案,源网络设备向该目标网络设备所发送的第二配置信息用于指示该源网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
在第六方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
可选的,该目标网络设备向该源网络设备发送响应消息包括:该目标网络设备基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,该目标网络设备向该源网络设备发送响应消息。
基于上述技术方案,源网络设备向目标网络设备所发送的请求消息用于请求将终端设备切换至该目标网络设备,其中,该请求消息具体可以包括上述至少一项。使得目标网络设备在接收请求消息之后,可以基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力时,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
在第六方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
本申请第七方面提供了一种通信装置,该装置可以实现上述第一方面或第一方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为源网络设备,或者,该装置可以为源网络设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分源网络设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该发送单元,用于向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该接收单元,用于接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该发送单元,还用于向该终端设备发送第一配置信息,该第一配置信息用于指示该目标网络设备的AI配置信息;该发送单元,还用于向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
在第七方面的一种可能的实现方式中,该接收单元,还用于接收来自该目标网络设备的该第一配置信息。
在第七方面的一种可能的实现方式中,该第一配置信息包含于该响应消息。
在第七方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在第七方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第七方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在第七方面的一种可能的实现方式中,该接收单元,还用于接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项;该发送单元,还用于基于该第一信息向目标网络设备发送请求消息。
在第七方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
需要说明的是,本申请第七方面提供的通信装置的实现过程可以参考实现前述第一方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请第八方面提供了一种通信装置,该装置可以实现上述第二方面或第二方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为终端设备,或者,该装置可以为终端设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分终端设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该接收单元,用于接收来自源网络设备的第一配置信息,该第一配置信息用于指示目标网络设备的AI配置信息;该接收单元,还用于接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该发送单元,用于向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
在第八方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在第八方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第八方面的一种可能的实现方式中,该发送单元,还用于向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
在第八方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
需要说明的是,本申请第八方面提供的通信装置的实现过程可以参考实现前述第二方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请第九方面提供了一种通信装置,该装置可以实现上述第三方面或第三方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为目标网络设备,或者,该装置可以为目标网络设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分目标网络设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该接收单元,用于接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该发送单元,用于向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该接收单元,用于接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
在第九方面的一种可能的实现方式中,该发送单元,还用于向该源网络设备发送第一配置信息,其中,该第一配置信息用于指示该目标网络设备的AI配置信息。
在第九方面的一种可能的实现方式中,该第一配置信息包含于该响应消息。
在第九方面的一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在第九方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第九方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在第九方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
在第九方面的一种可能的实现方式中,该发送单元,还用于在基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,向该源网络设备发送响应消息。
需要说明的是,本申请第九方面提供的通信装置的实现过程可以参考实现前述第三方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请第十方面提供了一种通信装置,该装置可以实现上述第四方面或第四方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为源网络设备,或者,该装置可以为源网络设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分源网络设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该发送单元,用于向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该接收单元,用于接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该发送单元,还用于向该目标网络设备发送第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该发送单元,还用于向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
在第十方面的一种可能的实现方式中,该第二配置信息包含于该请求消息。
在第十方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
在第十方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第十方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在第十方面的一种可能的实现方式中,该发接收单元,还用于接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项;该发送单元,还用于基于该第一信息向目标网络设备发送请求消息。
在第十方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
需要说明的是,本申请第十方面提供的通信装置的实现过程可以参考实现前述第四方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请第十一方面提供了一种通信装置,该装置可以实现上述第五方面或第五方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为终端设备,或者,该装置可以为终端设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分终端设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该接收单元,用于接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该发送单元,用于向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
可选地,该接收单元和/或该发送单元用于基于该源网络设备的AI配置信息与该目标网络设备通信。
在第十一方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息。
在第十一方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第十一方面的一种可能的实现方式中,该发送单元,还用于向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
在第十一方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
需要说明的是,本申请第十一方面提供的通信装置的实现过程可以参考实现前述第五方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请第十二方面提供了一种通信装置,该装置可以实现上述第六方面或第六方面任一种可能的实现方式中的方法。该装置包括用于执行上述方法的相应的单元或模块。该装置包括的单元或模块可以通过软件和/或硬件方式实现。例如,该装置可以为目标网络设备,或者,该装置可以为目标网络设备中的组件(例如处理器、芯片或芯片系统等),或者该装置还可以为能实现全部或部分目标网络设备功能的逻辑模块或软件。
该装置包括发送单元和接收单元;该接收单元,用于接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该发送单元,用于向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该接收单元,还用于接收来自该源网络设备的第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该接收单元,还用于接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
在第十二方面的一种可能的实现方式中,该第二配置信息包含于该请求消息。
在第十二方面的一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
在第十二方面的一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在第十二方面的一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在第十二方面的一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
在第十二方面的一种可能的实现方式中,该发送单元,还用于在基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,向该源网络设备发送响应消息。
需要说明的是,本申请第十二方面提供的通信装置的实现过程可以参考实现前述第六方面所描述的实现过程,并实现相应的技术效果,此处不做赘述。
本申请实施例第十三方面提供了一种通信装置,包括至少一个处理器,该至少一个处理器与存储器耦合;该存储器用于存储程序或指令;该至少一个处理器用于执行该程序或指令,以使该装置实现前述第一方面或第一方面任意一种可能的实现方式所述的方法,或,以使该装置实现前述第二方面或第二方面任意一种可能的实现方式所述的方法,或,以使该装置实现前述第三方面或第三方面任意一种可能的实现方式所述的方法,或,以使该装置实现前述第四方面或第四方面任意一种可能的实现方式所述的方法,或,以使该装置实现前述第五方面或第五方面任意一种可能的实现方式所述的方法,或,以使该装置实现前述第六方面或第六方面任意一种可能的实现方式所述的方法。
一种可能的实现方式中,该通信装置还包括上述存储器。可选地,该存储器和处理器集成在一起,或者,该存储器和处理器分开设置。
一种可能的实现方式中,该通信装置还包括收发器,用于收发数据或信令。
本申请实施例第十四方面提供一种存储一个或多个计算机执行指令的计算机可读存储介质,当计算机执行指令被处理器执行时,该处理器执行如上述第一方面或第一方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第二方面或第二方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第三方面或第三方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第四方面或第四方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第五方面或第五方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第六方面或第六方面任意一种可能的实现方式所述的方法。
本申请实施例第十五方面提供一种存储一个或多个计算机的计算机程序产品(或称计算机程序),当计算机程序产品被该处理器执行时,该处理器执行如上述第一方面或第一方面任意一种可能实现方式的方法,或,该处理器执行如上述第二方面或第二方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第三方面或第三方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第四方面或第四方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第五方面或第五方面任意一种可能的实现方式所述的方法,或,该处理器执行如上述第六方面或第六方面任意一种可能的实现方式所述的方法。
本申请实施例第十六方面提供了一种芯片系统,该芯片系统包括至少一个处理器,用于支持通信装置实现上述第一方面或第一方面任意一种可能的实现方式中所涉及的功能,或,用于支持通信装置实现上述第二方面或第二方面任意一种可能的实现方式中所涉及的功能,或,用于支持通信装置实现上述第三方面或第三方面任意一种可能的实现方式中所涉及的功能,或,用于支持通信装置实现上述第四方面或第四方面任意一种可能的实现方式中所涉及的功能,或,用于支持通信装置实现上述第五方面或第五方面任意一种可能的实现方式中所涉及的功能,或,用于支持通信装置实现上述第六方面或第六方面任意一种可能的实现方式中所涉及的功能。
在一种可能的设计中,该芯片系统还可以包括存储器,用于保存该通信装置必要的程序指令和数据。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。可选的,该芯片系统还包括接口电路,该接口电路为该至少一个处理器提供程序指令和/或数据。
本申请实施例第十七方面提供了一种通信系统,该通信系统包括上述第七方面、第八方面和第九方面所涉及的通信装置,和/或,该通信系统包括上述第十方面、第十一方面和第十二方面所涉及的通信装置,和/或,该通信系统包括上述第十三方面的通信装置。
其中,第七方面至第十七方面中任一种设计方式所带来的技术效果可参见上述第一方面至第六方面中不同实现方式所带来的技术效果,在此不再赘述。
附图说明
图1为本申请提供的通信系统的一个示意图;
图2a为本申请提供的通信方法中所涉及的AI处理过程的一个示意图;
图2b为本申请提供的通信方法中所涉及的AI处理过程的一个示意图;
图2c为本申请提供的通信方法中所涉及的AI处理过程的一个示意图;
图2d为本申请提供的通信方法中所涉及的AI处理过程的一个示意图;
图3a为AI处理过程中神经网络的一个示意图;
图3b为AI处理过程中损失函数与神经网络参数之间的关联关系的一个示意图;
图3c为AI处理过程中梯度信息处理的一个示意图;
图3d为本申请提供的通信方法中涉及的区域划分示意图;
图4为本申请提供的通信方法的一个交互示意图;
图5为本申请提供的通信方法的另一个交互示意图;
图6为本申请提供的通信方法的另一个交互示意图;
图7为本申请提供的通信方法的另一个交互示意图;
图8a为本申请提供的通信方法的另一个交互示意图;
图8b为本申请提供的通信方法的另一个交互示意图;
图8c为本申请提供的通信方法的另一个交互示意图;
图9为本申请提供的通信装置的一个示意图;
图10为本申请提供的通信装置的另一个示意图;
图11为本申请提供的通信装置的另一个示意图;
图12为本申请提供的通信装置的另一个示意图。
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描述。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先,对本申请实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)终端设备:可以是能够接收网络设备调度和指示信息的无线终端设备,无线终端设备可以是指向用户提供语音和/或数据连通性的设备,或具有无线连接功能的手持式设备,或连接到无线调制解调器的其他处理设备。
终端设备可以经RAN与一个或多个核心网或者互联网进行通信,终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话,手机(mobile phone))、计算机和数据卡,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语音和/或数据。例如,个人通信业务(personal communication service,PCS)电话、无绳电话、会话发起协议(SIP)话机、无线本地环路(wireless local loop,WLL)站、个人数字助理(personal digital assistant,PDA)、平板电脑(Pad)、带无线收发功能的电脑等设备。无线终端设备也可以称为系统、订户单元(subscriber unit)、订户站(subscriberstation),移动站(mobile station)、移动台(mobile station,MS)、远程站(remotestation)、接入点(access point,AP)、远程终端设备(remote terminal)、接入终端设备(access terminal)、用户终端设备(user terminal)、用户代理(user agent)、用户站(subscriber station,SS)、用户端设备(customer premises equipment,CPE)、终端(terminal)、用户设备(user equipment,UE)、移动终端(mobile terminal,MT)等。
作为示例而非限定,在本申请实施例中,该终端设备还可以是可穿戴设备。可穿戴设备也可以称为穿戴式智能设备或智能穿戴式设备等,是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、手套、手表、服饰及鞋等。可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能,例如:智能手表或智能眼镜等,以及只专注于某一类应用功能,需要和其它设备如智能手机配合使用,如各类进行体征监测的智能手环、智能头盔、智能首饰等。
终端还可以是无人机、机器人、设备到设备通信(device-to-device,D2D)中的终端、车到一切(vehicle to everything,V2X)中的终端、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、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端等。
此外,终端设备也可以是第五代(5th generation,5G)通信系统之后演进的通信系统(例如第六代(6th generation,6G)通信系统等)中的终端设备或者未来演进的公共陆地移动网络(public land mobile network,PLMN)中的终端设备等。示例性的,6G网络可以进一步扩展5G通信终端的形态和功能,6G终端包括但不限于车、蜂窝网络终端(融合卫星终端功能)、无人机、物联网(internet of things,IoT)设备。
在本申请实施例中,上述终端设备还可以获得网络设备提供的AI服务。可选地,终端设备还可以具有AI处理能力。
(2)网络设备:可以是无线网络中的设备,例如网络设备可以为将终端设备接入到无线网络的RAN节点(或设备),又可以称为基站。目前,一些RAN设备的举例为:5G通信系统中的基站gNB(gNodeB)、传输接收点(transmission reception point,TRP)、演进型节点B(evolved Node B,eNB)、无线网络控制器(radio network controller,RNC)、节点B(NodeB,NB)、家庭基站(例如,home evolved Node B,或home Node B,HNB)、基带单元(base bandunit,BBU),或无线保真(wireless fidelity,Wi-Fi)接入点AP等。另外,在一种网络结构中,网络设备可以包括集中单元(centralized unit,CU)节点、或分布单元(distributedunit,DU)节点、或包括CU节点和DU节点的RAN设备。
网络设备可以是其它为终端设备提供无线通信功能的装置。本申请的实施例对网络设备所采用的具体技术和具体设备形态不做限定。为方便描述,本申请实施例并不限定。
网络设备还可以包括核心网设备,核心网设备例如包括第四代(4th generation,4G)网络中的移动性管理实体(mobility management entity,MME),归属用户服务器(homesubscriber server,HSS),服务网关(serving gateway,S-GW),策略和计费规则功能(policy and charging rules function,PCRF),公共数据网网关(public data networkgateway,PDN gateway,P-GW);5G网络中的访问和移动管理功能(access and mobilitymanagement function,AMF)、用户面功能(user plane function,UPF)或会话管理功能(session management function,SMF)等网元。此外,该核心网设备还可以包括5G网络以及5G网络的下一代网络中的其他核心网设备。
本申请实施例中,上述网络设备还可以具有AI能力的网络节点,可以为终端或其他网络设备提供AI服务,例如,可以为网络侧(接入网或核心网)的AI节点、算力节点、具有AI能力的RAN节点、具有AI能力的核心网网元等。
本申请实施例中,用于实现网络设备的功能的装置可以是网络设备,也可以是能够支持网络设备实现该功能的装置,例如芯片系统,该装置可以被安装在网络设备中。在本申请实施例提供的技术方案中,以用于实现网络设备的功能的装置是网络设备为例,描述本申请实施例提供的技术方案。
(3)配置与预配置:在本申请中,会同时用到配置与预配置。其中,配置是指网络设备/服务器通过消息或信令将一些参数的配置信息或参数的取值发送给终端,以便终端根据这些取值或信息来确定通信的参数或传输时的资源。预配置与配置类似,可以是网络设备/服务器预先与终端设备协商好的参数信息或参数值,也可以是标准协议规定的基站/网络设备或终端设备采用的参数信息或参数值,还可以是预先存储在基站/服务器或终端设备的参数信息或参数值。本申请对此不做限定。
进一步地,这些取值和参数,是可以变化或更新的。
(4)本申请实施例中的术语“系统”和“网络”可被互换使用。“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。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如“A,B和C中的至少一项”包括A,B,C,AB,AC,BC或ABC。以及,除非有特别说明,本申请实施例提及“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顺序、时序、优先级或者重要程度。
本申请中,除特殊说明外,各个实施例之间相同或相似的部分可以互相参考。在本申请中各个实施例、以及各实施例中的各个方法/设计/实现方式中,如果没有特殊说明以及逻辑冲突,不同的实施例之间、以及各实施例中的各个方法/设计/实现方式之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例、以及各实施例中的各个方法/设计/实现方式中的技术特征根据其内在的逻辑关系可以组合形成新的实施例、方法、或实现方式。以下所述的本申请实施方式并不构成对本申请保护范围的限定。
本申请可以应用于长期演进(long term evolution,LTE)系统、新无线(newradio,NR)系统,或者是5G之后演进的通信系统(例如6G等)。其中,该通信系统中包括网络设备和终端设备。
请参阅图1,为本申请中通信系统的一种示意图。图1中,示例性的示出了一个网络设备101和6个终端设备,6个终端设备分别为终端设备1、终端设备2、终端设备3、终端设备4、终端设备5以及终端设备6等。在图1所示的示例中,是以终端设备1为智能茶杯,终端设备2为智能空调,终端设备3为智能加油机,终端设备4为交通工具,终端设备5为手机,终端设备6为打印机进行举例说明的。
如图1所示,AI配置信息发送实体可以为网络设备。AI配置信息接收实体可以为终端设备1-终端设备6,此时,网络设备和终端设备1-终端设备6组成一个通信系统,在该通信系统中,终端设备1-终端设备6可以发送上行数据给网络设备,网络设备需要接收终端设备1-终端设备6发送的上行数据。同时,网络设备可以向终端设备1-终端设备6发送配置信息。
可选地,该AI配置信息可以理解为下行信息,包括后文提及的AI模型信息和/或用于生成AI数据的信号;该上行数据可以包括后文提及的AI性能信息和/或用于指示AI数据的数据相对信息的指示信息。
示例性的,在图1中,UE4-UE6也可以组成一个通信系统。其中,终端设备5作为网络设备,即AI配置信息发送实体;终端设备4和终端设备6作为终端设备,即AI配置信息接收实体。例如车联网系统中,终端设备5分别向终端设备4和终端设备6发送AI配置信息,并且接收终端设备4和终端设备6发送的上行数据;相应的,终端设备4和终端设备6接收终端设备5发送的AI配置信息,并向终端设备5发送上行数据。
以图1所示无线通信系统为例,无线通信系统一般包括网络设备和终端设备。一般的,终端设备可以接入(或驻留)网络设备,并接收网络设备的调度和指示信息,以实现无线通信。
目前,终端设备可以结合一些机制(例如小区选择、小区重选或小区切换等),对该终端设备所接入的网络设备进行切换,即终端设备可以基于该机制在不同的时刻中,将多个网络设备中不同的网络设备作为该终端设备所接入的网络设备。
应理解,本申请所提供的任一实施例中,接入某个网络设备可以表述为,驻留在该网络设备;也可以表述为,切换至该网络设备;也可以表述为,选择该网络设备;也可以表述为,重选至该网络设备。
网络设备除了为终端设备提供通信服务之外,还有可能为终端设备提供AI服务,而不同的网络设备所提供的AI服务有可能是不同的。其中,以深度神经网络(deep neuralnetworks,DNN)为代表的AI技术近年来在机器视觉、自然语言处理等领域取得重大进展,并且在实际生活中逐渐开始普及。可以预见,AI将在各种连接设备(如终端、边缘)中无处不在。
一些可能的实现中,通信系统可以成为大规模机器学习和AI服务的平台。其中,终端设备既可以从网络享受AI推理服务或者AI模型训练服务,也可以参与网络模型训练所需要的数据收集,甚至参与分布式模型训练。如图2a所示,网络设备和终端设备之间可以交互一些数据,为提供AI服务,所交互的数据可以包括“训练所需数据”、“AI推理结果”和/或“AI模型信息”。
示例性的,训练所需数据可以包括输入数据和/或标签;AI模型信息可以包括AI模型的参数信息,例如神经网络节点之间连接的权重信息和神经网络节点的偏置信息;AI推理结果可以包括输出数据和/或标签。进一步可选的,输入数据可以包括推理数据分布信息;输出数据可以包括标签分布信息、模型预测分布信息等。
一种可能的实现中,该AI推理服务的实现过程可以包括:终端设备将本地AI模型信息上传给网络设备,由网络设备提供神经网络推理计算服务,并将AI推理结果反馈给终端设备。
进一步可选的,该实现过程可以如图2b所示,终端设备(图中以该终端设备为矩形作为示例)将模型上传给网络设备(图中以该终端设备为长方体作为示例),网络设备可以将模型部署在多个网络节点(图中以该终端设备为三角形作为示例),终端设备在这些节点覆盖范围内切换时,由该模型提供AI服务。
一种可能的实现中,该AI推理服务的实现过程可以包括:网络设备提供训练好的AI模型信息,终端设备从网络设备下载AI模型信息,用于本地推理,以得到AI推理结果。
一种可能的实现中,该AI推理服务的实现过程可以包括:网络设备提供训练好的AI模型信息,终端设备从网络设备下载该AI模型信息,用于终端设备和网络设备执行联合推理,以得到AI推理结果。可选地,由于网络设备和终端设备均参与了AI推理过程,为此,该实现方式也可以称为联合推理。
例如,该实现过程可以通过图2c所示方式实现。在图2c中,以终端设备为矩形,网络设备为长方体,两者所交互的数据为三角形为例进行说明。如图2c所示,终端设备执行模型下载,即该终端设备从网络设备处下载AI模型,用于终端设备和网络设备的联合推理。
又如,该实现过程可以通过图2d所示方式实现。在图2d中,网络设备经过训练得到一个完整的AI模型,AI模型分割成两部分,一部分部署在网络设备本地,另一部分发送到终端设备,使得终端设备和网络设备执行联合推理,以提供联合推理的AI服务。
一种可能的实现中,该AI模型训练服务的实现过程可以包括:终端设备利用本地生成的训练所需数据,参与联邦学习的训练,将训练得到的模型(即AI模型信息的中间结果,或称为融合前的AI模型信息)上传给网络设备用于融合,使得网络设备得到融合后的AI模型信息。进一步可选的,终端设备可以从网络下载融合后的AI模型信息。可选地,由于网络设备和终端设备均参与了AI训练过程,为此,该实现方式也可以称为联合训练。
一种可能的实现中,该AI模型训练服务的实现过程可以包括:终端设备负责采集训练所需数据,并将采集得到的训练所需数据上传给网络设备,使得网络设备基于该训练所需数据进行模型训练,使得网络设备得到融合后的AI模型信息。进一步可选的,终端设备可以从网络下载融合后的AI模型信息。
为便于理解,下面将以全连接神经网络为例,对神经网络以及其训练的方法进行介绍。其中,全连接神经网络又叫多层感知机(multilayer perceptron,MLP)。如图3a所示,一个MLP包含一个输入层(左侧),一个输出层(右侧),及多个隐藏层(中间)。
可选的,前述图2a所涉及的“训练所需数据”可以视为图3a中的输入层对应的数据,前述图2a所涉及的“AI模型信息”可以视为图3a中的隐藏层对应的数据,前述图2a所涉及的“AI推理结果”可以视为图3a中的输出层对应的数据。
可选的,图3a中的输入层对应的数据可以称为输入数据,该输入数据可以包括推理所需数据和/或图2a所涉及的“训练所需数据”。
此外,上述MLP的每层包含若干个节点,称为神经元。其中,相邻两层的神经元间两两相连。
可选的,考虑相邻两层的神经元,下一层的神经元的输出h为所有与之相连的上一层神经元x的加权和并经过激活函数,可以表示为:
h=f(wx+b)。
其中,w为权重矩阵,b为偏置向量,f为激活函数。
进一步可选的,神经网络的输出可以递归表达为:
y=fn(wnfn-1(…)+bn)。
换言之,可以将神经网络理解为一个从输入数据集合到输出数据集合的映射关系。而通常神经网络都是随机初始化的,用已有数据从随机的w和b得到这个映射关系的过程被称为神经网络的训练。
可选的,训练的具体方式为采用损失函数(loss function)对神经网络的输出结果进行评价。如图3b所示,可以将误差反向传播,通过梯度下降的方法即能迭代优化神经网络参数(包括w和b),直到损失函数达到最小值,即图3b中的“最优点”。可以理解的是,图3b中的“最优点”对应的神经网络参数可以作为训练好的AI模型信息中的神经网络参数。
进一步可选的,梯度下降的过程可以表示为:
其中,θ为待优化参数(包括w和b),L为损失函数,η为学习率,控制梯度下降的步长。
进一步可选的,反向传播的过程利用到求偏导的链式法则。如图3c所示,前一层参数的梯度可以由后一层参数的梯度递推计算得到,可以表达为:
其中,wij为节点j连接节点i的权重,Si为节点i上的输入加权和。
一般地,在网络设备为终端设备提供AI服务的场景下,终端设备所下载的AI模型信息通常由网络设备训练得到,参与训练也通常针对所在小区对应的网络设备进行。示例性的,以终端设备所获得的AI服务为AI推理服务为例。即终端设备需要下载AI模型信息,且该下载的AI模型信息通常由网络训练得到。
由于模型下载针对终端所在小区进行,在没有考虑终端的移动性的情况下,当终端移动时,需要重新进行整个下载或者训练过程。
示例性的,如图3d所示,在终端设备移动前,UE可以从网络设备1下载AI模型信息,以便于在下载之后在该终端设备本地进行AI推理,并得到AI推理结果。在终端设备移动后,UE可以从网络设备1切换至网络设备2,并从网络设备2中重新下载AI模型信息,以便于在下载之后在该终端设备本地进行AI推理,并得到AI推理结果。
然而,终端设备在不同的网络设备之间进行切换的过程中,上述图3d所示实现示例中的“下载”与“重新下载”的过程容易造成终端设备所获得的AI服务中断,并且产生较大的AI模型信息的传输时延,影响用户体验。
当前通信系统中,跟踪区域(tracking area,TA)的技术可以在一定程度上使得终端设备在不同网络设备之间切换(或重选、或选择)的场景下,使得该终端设备可以复用不同网络设备的一些通信信息。具体的,TA技术指的是将多个小区定义为一个跟踪区,当终端设备在跟踪区内移动时,不需要告知网络设备,当处于空闲的终端设备被寻呼时,在终端设备所在的跟踪区的所有小区进行寻呼。即TA技术主要针对终端的位置定义,即地理位置相近的多个小区定义为一个跟踪区。然而,当前的TA技术并没有考虑AI的应用场景,即TA技术所实现的目的主要是保持终端设备在不同网络设备之间切换的过程中,能够提高该终端设备被正确地寻呼的几率。
然而,终端设备在不同的网络设备之间进行切换的过程中,不同网络设备所提供的AI服务有可能是不同的,当前的TA技术并未解决该场景下所产生的终端设备所获得的AI服务的中断这一问题。
为此,在终端设备从当前的网络设备切换到其他网络设备的场景中,如何确保为该终端设备提供的AI服务不中断,是一个亟待解决的技术问题。
为了解决上述问题,本申请提供了一种通信方法及通信装置,用于在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
请参阅图4,为本申请提供的通信方法的一个示意图,该方法包括如下步骤。
S401.源网络设备发送请求消息。
相应的,目标网络设备接收该请求消息。其中,该请求消息用于请求将终端设备切换至该目标网络设备。
在一种可能的实现方式中,源网络设备在步骤S401中向目标网络设备发送请求消息之前,该方法还包括:该源网络设备接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
具体的,源网络设备向目标网络设备所发送的请求消息为基于第一信息所发送。换言之,源网络设备可以基于第一信息确定该源网络设备不再具备为该终端设备提供AI服务的能力(或确定该目标网络设备的AI性能优于阈值,或确定该目标网络设备的AI性能优于该源网络设备的AI性能等)的情况下,该源网络设备确定需要将该终端设备切换至其它网络设备,即触发该源网络设备向目标网络设备发送请求消息。以使得终端设备切换至其它网络设备,以获得AI服务。
可选的,该AI性能信息包括以下至少一项:推理精度信息、数据分布信息、标签分布信息、模型预测分布信息或数据重要性信息。
示例性的,AI性能信息可以是(推理精度信息、数据分布信息、标签分布信息、模型预测分布信息或数据重要性信息)对应的值经过量化及编码后的比特。其中,推理精度信息可以表示神经网络推理的准确度,即神经网络输出相对真实标签的误差或距离;数据分布信息、标签分布信息、模型预测分布信息分别是输入数据、标签、模型预测输出的概率密度函数等分布信息;数据重要性信息是模型训练前后的权重差异或梯度值。
可选的,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
示例性的,AI运算量信息是AI模型所需要的运算量,如浮点乘法和加法次数;推理精度信息是AI模型推理结果相对真实结果的误差;推理时延信息是AI模型推理所需要的时间。
在一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集,使得目标网络设备在接收请求消息之后,可以基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力的情况下,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
可选的,该终端设备的AI服务质量要求信息用于表征该终端设备的AI服务质量要求,例如:AI服务质量要求信息可以包括最低推理精度、最大推理时延等。
可选的,该终端设备的AI能力信息用于表征该终端设备的AI能力。例如,终端设备的AI能力信息可以包括终端算力、缓存大小、该终端设备支持的AI模型配置和该终端设备支持的AI模型训练配置等。进一步可选地,该终端设备的AI能力信息可以用于网络设备为终端设备配置合适的神经网络结构等。
可选的,该验证数据集用于表征该终端设备提供的用于验证/评估AI服务质量要求的AI模型输入数据和/或AI模型输出数据。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于不同的AI区域,则该源网络设备在步骤S401中所发送的请求消息还可以包括第一指示信息,该第一指示信息用于指示该目标网络设备和该源网络设备处于不同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于不同的AI区域之后,触发该源网络设备执行步骤S403,即触发该源网络设备发送第一配置信息。
可选的,若该源网络设备确定该目标网络设备和该源网络设备处于同一AI区域,则该源网络设备在步骤S401中所发送的请求消息还可以包括第二指示信息,该第二指示信息用于指示该目标网络设备和该源网络设备处于相同的AI区域。进一步可选的,源网络设备在确定该目标网络设备和该源网络设备处于同一AI区域之后,触发该源网络设备无需执行步骤S403而直接执行后续步骤S404。
可选的,位于同一AI区域的网络设备具备相同/相近的AI模型。相应的,一般认为,位于不同AI区域的网络设备不具备相同/相近的AI模型。
S402.目标网络设备发送响应消息。
本实施例中,目标网络设备在步骤S402中发送响应消息,相应的,源网络设备在步骤S402中接收该响应消息。其中,该响应消息为请求消息的响应消息,即该第一响应消息用于指示允许将终端设备切换至该目标网络设备。
在一种可能的实现方式中,目标网络设备在步骤S401中接收得到的请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。相应的,该目标网络设备在步骤S402中向该源网络设备发送响应消息包括:该目标网络设备基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,该目标网络设备向该源网络设备发送响应消息。
具体的,源网络设备在步骤S401中向目标网络设备所发送的请求消息用于请求将终端设备切换至该目标网络设备,其中,该请求消息具体可以包括上述至少一项。使得目标网络设备在步骤S401中接收请求消息之后,可以在步骤S402中基于上述至少一项确定该目标网络设备具备为该终端设备提供AI服务的能力时,该目标网络设备才会向该源网络设备发送响应消息,以确保后续该目标网络设备为该终端设备提供所适配的AI服务。
可选的,目标网络设备在步骤S401之后,若该目标网络设备确定该目标网络设备和该源网络设备处于不同的AI区域,则该目标网络设备在步骤S402中所发送的响应消息还可以包括第三指示信息,该第三指示信息用于指示该目标网络设备和该源网络设备处于不同的AI区域。进一步可选的,源网络设备在接收该第三指示信息之后,触发该源网络设备执行步骤S403,即触发该源网络设备发送第一配置信息。
可选的,目标网络设备在步骤S401之后,若该目标网络设备确定该目标网络设备和该源网络设备处于同一AI区域,则该目标网络设备在步骤S402中所发送的响应消息还可以包括第四指示信息,该第四指示信息用于指示该目标网络设备和该源网络设备处于同一AI区域。进一步可选的,源网络设备在接收该第四指示信息之后,触发该源网络设备无需执行步骤S403而直接执行后续步骤S404。
S403.源网络设备发送第一配置信息。
相应的,终端设备中接收该第一配置消息。其中,该第一配置信息用于指示该目标网络设备的AI配置信息。其中,终端设备在步骤S403中接收第一配置信息之后,可以确定该目标网络设备的AI配置信息。此外,该终端设备可以基于目标网络设备的AI配置信息获取目标网络设备的AI服务;换言之,后续终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信,以获取AI服务。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。具体的,源网络设备向该终端设备所发送的第一配置信息用于指示该目标网络设备的AI配置信息,其中,该AI配置信息可以包括上述至少一项,以提供AI配置信息的多种组合方式,实现多样化的AI服务配置。
示例性的,在AI配置信息的多种实现方式中,神经网络结构如卷积神经网络、全连接神经网络、递归神经网络等;参数值是神经网络权重和偏置的值;数据集大小是数据集样本的数量;优化器如随机梯度下降及加速算法等;学习率是神经网络参数更新的步长;迭代次数是神经网络训练的训练轮次,如更新次数。
在一种可能的实现方式中,在该源网络设备向该终端设备发送第一配置信息之前,该方法还包括:该源网络设备接收来自该目标网络设备的该第一配置信息。
换言之,源网络设备是基于目标网络设备的指示的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该目标网络设备所指示的第一配置信息进行通信,以确保为该终端设备提供的AI服务不中断。
可选的,该第一配置信息包含于该响应消息。换言之,目标网络设备可以通过将第一配置信息承载于响应消息的方式,向该源网络设备发送第一配置信息,以节省开销。
可选的,该第一配置信息包含于不同于响应消息的其它消息中。
在一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
具体的,目标网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第一配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第一配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
S404.源网络设备发送第一消息。
本实施例中,源网络设备在步骤S404中发送第一消息,相应的,终端设备在步骤S404中接收该第一消息。其中,该第一消息用于指示该终端设备切换至该目标网络设备。
可选的,源网络设备在步骤S403所发送的第一配置信息可以承载于该源网络设备在步骤S404所发送的第一消息中,也就是,第一配置信息和第一消息承载于同一个消息中,或,第一配置信息承载于不同于第一消息的其它消息中。
S405.终端设备发送第二消息。
本实施例中,终端设备在步骤S405中发送第二消息,相应的,目标网络设备在步骤S405中接收该第二消息。其中,该第二消息用于切换至该目标网络设备。
应理解,终端设备在步骤S405中所发送的第二消息用于切换至该目标网络设备,包括:第二消息用于建立终端与目标网络设备的连接;换言之,终端设备切换至目标网络设备需要终端设备和目标网络设备之间的交互消息以完成接入目标网络设备的确认,该交互信息至少包括终端设备所发送的第二消息。例如,该第二消息可以包括RA Preamble,RRCconfiguration complete消息,RRC reconfiguration complete消息等。
具体的,该目标网络设备在步骤S405中接收来自该终端设备的用于请求切换至该目标网络设备的第二消息之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。
可选的,在步骤S405之前,源网络设备与终端设备之间可以基于预配置的AI配置信息进行通信。或,在步骤S405之前,源网络设备与终端设备之间可以基于该源网络设备的AI配置信息进行通信。相应的,在步骤S405之后,该终端设备由该源网络设备切换至该目标网络设备,并且,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。
基于上述技术方案,在源网络设备确定需要将该终端设备切换至该目标网络设备的情况下,终端设备在步骤S403中接收来自该源网络设备的用于指示该目标网络设备的AI配置信息的第一配置信息,并在步骤S404中用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备基于第一消息在步骤S405中向该目标网络设备发送用于请求切换至该目标网络设备的第二消息,使得该终端设备切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第一配置信息所指示的目标网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
下面将基于图5和图6所示实现示例,对上述图4所示技术方案进一步描述。
请参阅图5,为本申请实施例提供的通信方法的另一个示意图,该方法包括如下步骤。可选的,在图5中,以终端设备所获得的AI服务为联合推理为例进行说明。
示例性的,“联合推理”的实现过可以参考前述图2c和图2d所示实现示例的描述,此处不做赘述。
S51.源网络设备向终端设备提供AI服务。
具体地,该AI服务可以包括:源网络设备和终端进行AI联合推理。
S52.终端设备向源网络设备上报AI性能信息,相应的,源网络设备接收该AI性能信息。
一种可能的实现中,终端设备根据AI服务质量要求信息,触发AI服务质量测量以得到AI性能信息。
可选的,服务质量测量即评估模型性能。可选的,终端设备可以上传数据集以测量该源网络设备所提供的AI模型得到对应的AI性能信息。或者,终端设备获取源网络设备所提供的AI模型之后,该终端设备在本地确定该源网络设备所提供的AI模型对应的AI性能信息并上报。
可选的,终端设备还可以向源网络设备发送将该终端设备的服务质量要求信息。
可选的,服务质量要求信息包括最低推理精度、最大推理时延等。
可选地,终端设备所上报的AI性能信息可以包括源网络设备的AI性能信息和目标网络设备的AI性能信息,使得源网络设备可以基于源网络设备的AI性能信息和目标网络设备的AI性能信息确定源网络设备和目标网络设备是否能够提供相同/相近的AI服务,可选地,确定源网络设备和目标网络设备是否处于同一AI区域。
S53.源网络设备向目标网络设备发送切换请求消息,相应的,目标网络设备接收该切换请求信息,该切换请求用于请求终端设备从源网络设备切换至目标网络设备。
可选的,该切换请求消息包括该终端设备的AI服务质量要求信息。
可选的,该切换请求消息包括终端设备AI能力信息和验证数据集。进一步可选的,终端设备AI能力包括终端设备算力和缓存大小等,用于目标网络设备为终端设备配置合适的神经网络结构。进一步可选的,验证数据集用于目标网络设备评估模型性能。
可选的,该切换请求消息还包括源网络设备的AI性能信息和目标网络设备的AI性能信息。使得目标网络设备可以基于源网络设备的AI性能信息和目标网络设备的AI性能信息确定源网络设备和目标网络设备是否能够提供相同/相近的AI服务,可选地,确定源网络设备和目标网络设备是否处于同一AI区域。
此外,步骤S53的实现过程还可以参考前述步骤S401的实现过程,并实现相应的技术效果,此处不做赘述。
S54.目标网络设备确定允许切换。
具体的,在步骤S54中,目标网络设备评估是否满足AI服务质量要求,决定是否允许切换。
S55.目标网络设备向源网络设备发送目标网络设备的模型信息,包括神经网络结构和参数值;相应的,源网络设备接收目标网络设备的模型信息。
S56.源网络设备向终端设备发送目标网络设备的模型信息;相应的,终端设备接收目标网络设备的模型信息。
其中,步骤S55和S56的实现过程还可以参考前述步骤S403的实现过程中“源网络设备是基于目标网络设备的指示的方式,确定该第一配置信息”对应的实现方式,并实现相应的技术效果,此处不做赘述。
S57.终端设备向目标网络设备发起RAN切换;即终端设备在步骤S57中向目标网络设备发送第二消息,相应的,目标网络设备接收第二消息。其中,该第二消息用于切换至该目标网络设备。
可选的,在步骤S57之前,终端设备还可以接收来自源网络设备的第一消息。其中,该第一消息的实现过程还可以参考前述步骤S404的实现过程,并实现相应的技术效果,此处不做赘述。
其中,步骤S57的实现过程还可以参考前述步骤S405的实现过程,并实现相应的技术效果,此处不做赘述。
S58.目标网络设备向终端设备指示切换完成;即目标网络设备在步骤S58中向终端设备发送切换完成消息,相应的,终端设备接收切换完成消息。
S59.切换完成后,目标网络设备向终端设备根据目标网络设备的AI模型信息提供AI服务。
基于图5所示实现方式,在支持AI服务的切换流程中,目标网络设备确认切换时,网络设备向终端设备发送该目标网络的模型,支持终端设备移动时的AI服务不中断。此外,面向AI服务的切换,接入控制考虑AI服务质量要求,在切换之前下载目标网络设备的AI神经网络模型,保证切换后即基于目标网络设备的AI模型进行AI服务。
请参阅图6,为本申请实施例提供的通信方法的另一个示意图,该方法包括如下步骤。可选的,在图6中,以终端设备所获得的AI服务为联合推理为例进行说明。
S61.源网络设备向终端设备提供AI服务。
具体地,该AI服务可以包括:源网络设备和终端进行AI联合推理。
S62.终端设备向源网络设备上报AI性能信息,相应的,源网络设备接收该AI性能信息。
一种可能的实现中,终端设备根据AI服务质量要求信息,触发AI服务质量测量以得到AI性能信息。
S63.源网络设备向目标网络设备请求切换。
其中,源网络设备在步骤S63中发送切换请求消息,用于请求切换。
S64.目标网络设备确定切换。
需要说明的是,步骤S61至步骤S64的实现过程可以参考前述步骤S51至步骤S54的实现过程,此处不做赘述。
S65.源网络设备向终端设备发送基础模型激活指示;相应的,终端设备接收基础模型激活指示。
其中,步骤S65的实现过程还可以参考前述步骤S403的实现过程中“目标网络设备的AI配置信息为预配置的AI配置信息”对应的实现方式,并实现相应的技术效果,此处不做赘述。
可选地,网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
S66.终端设备向目标网络设备发起RAN切换;即终端设备在步骤S57中向目标网络设备发送第二消息,相应的,目标网络设备接收第二消息。其中,该第二消息用于切换至该目标网络设备。
可选的,在步骤S66之前,终端设备还可以接收来自源网络设备的第一消息。其中,该第一消息的实现过程还可以参考前述步骤S404的实现过程,并实现相应的技术效果,此处不做赘述。
其中,步骤S67的实现过程还可以参考前述步骤S406的实现过程,并实现相应的技术效果,此处不做赘述。
S67.目标网络设备为终端设备提供基础模型服务。
具体地,在基于步骤S66所发送RAN切换对应的切换流程完成后,终端设备基于步骤S65的基础模型激活的指示,在步骤S67中基于该基础模型与目标网络设备进行通信,以获得AI服务。
可选地,在图6所示实现方式中还可以包括可选步骤S68和可选步骤S69。
具体地,目标网络设备在步骤S67为终端设备提供基础模型服务的情况下,使得该终端设备在切换过程中能基于该基础模型获得AI服务,以确保该终端设备所获得的AI服务不中断。
S68.目标网络设备向终端设备发送目标网络设备的模型信息。相应的,终端设备接收目标网络设备的模型信息。
S69.目标网络设备为终端设备提供AI服务。
具体地,目标网络设备在步骤S68发送该目标网络设备的AI模型信息之后,可以基于该目标网络设备的AI模型信息在步骤S69中为该终端设备提供AI服务。
从而,基于图6所示实现方式,在支持AI服务的切换流程中,目标基站基于共有的基础模型作为过渡模型,向终端提供AI服务,支持终端移动时的AI服务不中断。
前述图4至图6所示实现方式中,源网络设备向终端设备发送配置信息的方式使得该终端设备在切换过程中所获得的AI服务不中断。在方案的实现过程中,源网络设备还可以向目标网络设备发送配置信息的方式使得该终端设备在切换过程中所获得的AI服务不中断,下面将结合其它附图以及其它实施例进一步描述。
请参阅图7,为本申请提供的通信方法的另一个示意图,该方法包括如下步骤。
S701.源网络设备发送请求消息。
本实施例中,源网络设备在步骤S701中发送请求消息,相应的,目标网络设备在步骤S701中接收该请求消息。其中,该请求消息用于请求将终端设备切换至该目标网络设备。
S702.目标网络设备发送响应消息。
本实施例中,目标网络设备在步骤S702中发送响应消息,相应的,源网络设备在步骤S702中接收该响应消息。其中,该响应消息为请求消息的响应消息,即该响应消息用于指示允许将终端设备切换至该目标网络设备。
需要说明的是,步骤S701和步骤S702的实现过程可以参考前述步骤S401和步骤S402的实现过程,并实现相应的技术效果,具体可以参考前述描述,此处不做赘述。
S703.源网络设备发送第二配置信息。
本实施例中,源网络设备在步骤S703中发送第二配置消息,相应的,目标网络设备在步骤S703中接收该第二配置消息。其中,该第二配置信息用于指示该源网络设备的AI配置信息。
可选的,源网络设备在步骤S703所发送的第二配置信息可以承载于该源网络设备在步骤S701所发送的请求消息中,或,第二配置信息承载于不同于请求消息的其它消息中。
在一种可能的实现方式中,源网络设备的AI配置信息为预配置的AI配置信息,相应的,源网络设备在步骤S703中所发送的该第二配置信息用于指示激活该预配置的AI配置信息。
可选的,该终端设备具备(或预存储)该预配置的AI配置信息,该目标网络设备具备(或预存储)该预配置的AI配置信息。进一步可选地,不同网络设备和终端设备均可以预先缓存基础模型,该基础模型可以用于初始接入或者切换过程中提供临时AI服务。
可选的,该目标网络设备具备(或预存储)该预配置的AI配置信息。
可选地,预配置的AI配置信息也可以称为默认的AI配置信息、基础的AI配置信息等。进一步可选地,预配置的AI配置信息可以为低功耗/低开销/计算能力要求低的AI业务对应的AI配置信息。
具体的,源网络设备的AI配置信息可以为预配置的AI配置信息,相应的,该第二配置信息用于指示激活该预配置的AI配置信息。换言之,源网络设备是基于预配置的方式,确定该第二配置信息。从而,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该预配置的AI配置信息,以确保为该终端设备提供的AI服务不中断。
S704.源网络设备发送第一消息。
本实施例中,源网络设备在步骤S704中发送第一消息,相应的,终端设备在步骤S704中接收该第一消息。其中,该第一消息用于指示该终端设备切换至该目标网络设备。
可选的,源网络设备在步骤S704中向该终端设备发送第一消息之前,源网络设备向该终端设备发送该第二配置信息。进一步可选的,源网络设备向该终端设备发送该第二配置信息之后,该终端设备和该源网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。
可选的,该第一消息还包括该第二配置信息。
S705.终端设备发送第二消息。
本实施例中,终端设备在步骤S705中发送第二消息,相应的,目标网络设备在步骤S705中接收该第二消息。其中,该第二消息用于切换至该目标网络设备。
具体的,该目标网络设备在步骤S705中接收来自该终端设备的用于请求切换至该目标网络设备的第二消息之后,该终端设备和该目标网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。
可选的,在步骤S705之前,源网络设备与终端设备之间可以基于预配置的AI配置信息进行通信。或,在步骤S705之前,源网络设备与终端设备之间可以基于该源网络设备的AI配置信息进行通信。相应的,在步骤S705之后,该终端设备由该源网络设备切换至该目标网络设备,并且,该终端设备和该目标网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。
基于上述技术方案,源网络设备在接收来自目标网络设备的用于指示允许将终端设备切换至该目标网络设备之后,该源网络设备确定需要将该终端设备切换至该目标网络设备。此时,该源网络设备在步骤S703中向目标网络设备发送用于指示该源网络设备的AI配置信息的第二配置信息之后,该源网络设备在步骤S704中向该终端设备发送用于指示该终端设备切换至该目标网络设备的第一消息。其中,终端设备基于第一消息切换至目标网络设备之后,该终端设备和该目标网络设备之间可以基于该第二配置信息所指示的源网络设备的AI配置信息进行通信。从而,在终端设备从当前的网络设备切换到其他网络设备的场景中,确保为终端设备提供的AI服务不中断,以提升用户体验。
下面将基于图8a至图8c所示实现示例,对上述图7所示技术方案进一步描述。
请参阅图8a,为本申请实施例提供的通信方法的另一个示意图,该方法包括如下步骤。可选的,在图8a中,以终端设备所获得的AI服务为联合推理为例进行说明。
A1.源网络设备向终端设备提供AI服务,即AI联合推理;
A2.终端设备根据AI服务质量要求信息,触发AI服务质量测量以得到AI性能信息,并将该AI性能信息上报给源网络设备。相应的,源网络设备接收该AI性能信息。
可选的,服务质量测量即评估模型性能,即终端设备可以上传数据集以测量该源网络设备所提供的AI模型对应的AI性能信息。或者,终端设备本地该源网络设备所提供的AI模型对应的AI性能信息并上报。
可选的,终端设备还可以将该终端设备的服务质量要求信息在步骤A2中上报给源网络设备。
可选的,服务质量要求信息如最低推理精度、最大推理时延等。
可选地,终端设备所上报的AI性能信息可以包括源网络设备的AI性能信息和目标网络设备的AI性能信息,使得源网络设备可以基于源网络设备的AI性能信息和目标网络设备的AI性能信息确定源网络设备和目标网络设备是否能够提供相同/相近的AI服务,即确定源网络设备和目标网络设备是否处于同一AI区域。
A3.源网络设备向目标网络设备发送切换请求消息,相应的,目标网络设备接收该切换请求信息,该切换请求用于请求终端设备从源网络设备切换至目标网络设备。
可选的,该切换请求消息包括该终端设备的AI服务质量要求信息。
可选的,该切换请求消息包括终端设备AI能力信息和验证数据集。进一步可选的,终端设备AI能力包括终端设备算力和缓存大小等,用于目标网络设备为终端设备配置合适的神经网络结构。进一步可选的,验证数据集用于目标网络设备评估模型性能。
可选的,该切换请求消息还包括源网络设备的AI性能信息和目标网络设备的AI性能信息。使得该目标网络设备可以基于源网络设备的AI性能信息和目标网络设备的AI性能信息确定源网络设备和目标网络设备是否能够提供相同/相近的AI服务,即确定源网络设备和目标网络设备是否处于同一AI区域。
此外,步骤A3的实现过程还可以参考前述步骤S701的实现过程,并实现相应的技术效果,此处不做赘述。
A4.目标网络设备确定允许切换。
具体的,在步骤A4中,目标网络设备评估是否满足AI服务质量要求,决定是否允许切换。
可选地,在步骤A4中,若该目标网络设备确定允许切换,则该目标网络设备可以在步骤A4之后向该源网络设备发送响应消息,用以指示允许该终端设备切换至该目标网络设备。其中,目标网络设备发送响应消息的实现过程还可以参考前述步骤S702的实现过程,并实现相应的技术效果,此处不做赘述。
A5.源网络设备向目标网络设备发送源网络设备的模型信息;相应的,目标网络设备接收源网络设备的模型信息。
具体地,源网络设备在步骤A5所发送的模型信息用于指示该源网络设备的AI配置信息。
此外,步骤A5的实现过程还可以参考前述步骤S703的实现过程中“源网络设备发送第二配置信息”对应的实现方式,并实现相应的技术效果,此处不做赘述。
A6.终端设备向目标网络设备发起RAN切换;即终端设备在步骤A6中向目标网络设备发送第二消息,相应的,目标网络设备接收第二消息。其中,该第二消息用于切换至该目标网络设备。
可选的,在步骤A6之前,终端设备还可以接收来自源网络设备的第一消息。其中,该第一消息的实现过程还可以参考前述步骤S704的实现过程,并实现相应的技术效果,此处不做赘述。
其中,步骤A6的实现过程还可以参考前述步骤S704的实现过程,并实现相应的技术效果,此处不做赘述。
A7.目标网络设备向源网络设备发送切换完成的指示信息。即目标网络设备在步骤A7中向源网络设备发送切换完成消息,相应的,源网络设备接收切换完成消息。
可选地,目标网络设备还需要向终端设备发送切换完成的指示信息。即目标网络设备在步骤A7中向终端设备发送切换完成消息,相应的,终端设备接收切换完成消息。
具体地,在基于步骤A6所发送RAN切换对应的切换流程完成后,目标网络设备基于步骤A5的模型信息的指示,在步骤A7中基于该模型信息的指示与终端设备进行通信,以使得该终端设备获得AI服务。
此外,目标网络设备在步骤A7之后为终端设备提供该源网络设备的AI配置信息所对应的AI服务的情况下,使得该终端设备在切换过程中能基于该源网络设备的AI配置信息获得AI服务,以确保该终端设备所获得的AI服务不中断。
可选地,在图8a所示实现方式中还可以包括可选步骤A8和可选步骤A9。
A8.目标网络设备向终端设备发送目标网络设备的模型信息;相应的,终端设备接收该目标网络设备的模型信息。
A9.目标网络设备为终端设备提供AI服务。
具体地,目标网络设备在步骤A8发送该目标网络设备的AI模型信息之后,可以基于该目标网络设备的AI模型信息在步骤A9中为该终端设备提供AI服务。
从而,基于图8a所示实现方式,在支持AI服务的切换流程中,目标网络设备基于源目标网络设备的模型信息作为过渡模型,向终端提供AI服务,支持终端移动时的AI服务不中断。
请参阅图8b,为本申请实施例提供的通信方法的另一个示意图,该方法包括如下步骤。可选的,在图8b中,以终端设备所获得的AI服务为网络设备提供的AI推理服务为例进行说明。
B1.源网络设备向终端设备提供AI服务,即AI推理服务;
B2.终端设备向源网络设备发送该终端设备的验证数据集;相应的,源网络设备接收该终端设备的验证数据集。
可选的,终端设备还可以将该终端设备的服务质量要求信息在步骤B2中上报给源网络设备。
可选的,服务质量要求信息如最低推理精度、最大推理时延等。
具体地,该源网络设备可以基于该验证数据集评估该源网络设备所提供的AI模型性能是否满足该终端设备的AI服务质量要求信息;并且,在该源网络设备确定不满足时,触发该源网络设备执行步骤B3。
B3.源网络设备向目标网络设备发送切换请求消息,相应的,目标网络设备接收该切换请求信息,该切换请求用于请求终端设备从源网络设备切换至目标网络设备。
其中,源网络设备在步骤B3中发送切换请求消息,用于请求切换。
可选的,该切换请求消息包括该终端设备的AI服务质量要求信息。
可选的,该切换请求消息包括验证数据集,验证数据集用于目标网络设备评估模型性能,即该目标网络设备可以基于该验证数据集评估该目标网络设备所提供的AI模型性能是否满足该终端设备的AI服务质量要求信息;并且,在该目标网络设备确定满足时,该目标网络设备可以向源网络设备发送“允许切换”的指示消息,使得源网络设备触发执行步骤B4。
此外,步骤B3的实现过程还可以参考前述步骤S701的实现过程,并实现相应的技术效果,此处不做赘述。
B4.源网络设备向目标网络设备发送源网络设备的模型信息;相应的,目标网络设备接收该源网络设备的模型信息。
具体地,源网络设备在步骤B5所发送的模型信息用于指示该源网络设备的AI配置信息。
此外,步骤B5的实现过程还可以参考前述步骤S703的实现过程中“源网络设备发送第二配置信息”对应的实现方式,并实现相应的技术效果,此处不做赘述。
B5.终端设备向目标网络设备发起RAN切换;即终端设备在步骤S57中向目标网络设备发送第二消息,相应的,目标网络设备接收第二消息。其中,该第二消息用于切换至该目标网络设备。
可选的,在步骤B5之前,终端设备还可以接收来自源网络设备的第一消息。其中,该第一消息的实现过程还可以参考前述步骤S704的实现过程,并实现相应的技术效果,此处不做赘述。
其中,步骤B5的实现过程还可以参考前述步骤S705的实现过程,并实现相应的技术效果,此处不做赘述。
B6.目标网络设备向源网络设备发送切换完成的指示信息。即目标网络设备在步骤B6中向源网络设备发送切换完成消息,相应的,源网络设备接收切换完成消息。
可选地,目标网络设备还需要向终端设备发送切换完成的指示信息。即目标网络设备在步骤B6中向终端设备发送切换完成消息,相应的,终端设备接收切换完成消息。
具体地,在基于步骤B5所发送RAN切换对应的切换流程完成后,目标网络设备基于步骤B4的模型信息的指示,在步骤B6中基于该模型信息的指示与终端设备进行通信,以使得该终端设备获得AI服务。
B7.目标网络设备为终端设备提供AI服务。
具体地,目标网络设备在步骤B7为终端设备提供该源网络设备的AI配置信息所对应的AI服务的情况下,使得该终端设备在切换过程中能基于该源网络设备的AI配置信息获得AI服务,以确保该终端设备所获得的AI服务不中断。
从而,基于图8b所示实现方式,在支持AI服务的切换流程中,目标网络设备基于源网络设备的模型信息,向终端设备提供不中断的AI推理服务。
请参阅图8c,为本申请实施例提供的通信方法的另一个示意图,该方法包括如下步骤。可选的,在图8c中,以终端设备所获得的AI服务为AI模型训练为例进行说明。
C1.源网络设备向终端设备提供AI服务。
具体地,该AI服务可以包括AI模型训练;具体内容可以参见图2a至图2d处相关的描述,此处不再赘述。
C2.终端设备向源网络设备发送该终端设备的AI模型信息。相应的,源网络设备接收该终端设备的AI模型信息。
具体地,终端设备在步骤C2中向源网络设备发送该终端设备得到的AI模型信息(也可以称为待训练的AI模型信息、融合前的AI模型信息、待融合的AI模型信息等),以使得源网络设备可以基于该AI模型信息为该终端设备提供AI模型训练这一AI服务。
可选地,终端设备在步骤C2中,可以基于该终端设备的服务质量要求信息触发执行服务质量测量,并将该测量结果上报给源网络设备。
可选的,服务质量测量可以用于评估模型训练性能,即终端设备的数据对联合训练的贡献程度,终端设备可以上传数据集使得源网络设备基于该数据集进行评估以得到测量结果。或者终端设备本地执行评估得到测量结果并上报给源网络设备。其中,联合训练的相关内容可以参见图2d处的相关描述,此处不再赘述。
进一步可选地,源网络设备在基于该数据集进行评估以得到该测量结果之后,若该测量结果指示该终端设备的数据对该源网络设备所参与联合训练的贡献程度低于某个阈值时,该源网络设备触发执行步骤C3。或者,源网络设备在基于该数据集进行评估以得到该测量结果之后,若该测量结果指示该终端设备的数据对该源网络设备所参与联合训练的贡献程度低于该终端设备的数据对目标网络设备所参与联合训练的贡献程度时,该源网络设备触发执行步骤C3。
C3.源网络设备向目标网络设备发送切换请求消息,相应的,目标网络设备接收该切换请求信息,该切换请求用于请求终端设备从源网络设备切换至目标网络设备。
可选的,该切换请求消息包括终端设备AI能力信息和验证数据集。进一步可选的,终端设备AI能力包括终端设备算力和缓存大小等,用于目标网络设备为终端设备配置合适的神经网络结构。进一步可选的,验证数据集用于目标网络设备评估模型性能。
此外,步骤C3的实现过程还可以参考前述步骤S701的实现过程,并实现相应的技术效果,此处不做赘述。
C4.目标网络设备确定允许切换。
具体的,在步骤C4中,目标网络设备评估是否满足AI服务质量要求,决定是否允许切换。
可选地,在步骤C4中,若该目标网络设备确定允许切换,则该目标网络设备可以在步骤C4之后向该源网络设备发送响应消息,用以指示允许该终端设备切换至该目标网络设备。其中,目标网络设备发送响应消息的实现过程还可以参考前述步骤S702的实现过程,并实现相应的技术效果,此处不做赘述。
C5.源网络设备向目标网络设备发送源网络设备的训练配置信息;相应的,目标网络设备接收源网络设备的训练配置信息。
其中,步骤C5的实现过程还可以参考前述步骤S703的实现过程中“源网络设备向目标网络设备发送第二配置信息”的实现方式,并实现相应的技术效果,此处不做赘述。
可选地,该源网络设备的训练配置信息可以包括源网络设备的神经网络结构、参数值、数据集大小、优化器、学习率、迭代次数等中的至少一项。
C6.终端设备向目标网络设备发起RAN切换;即终端设备在步骤C6中向目标网络设备发送第二消息,相应的,目标网络设备接收第二消息。其中,该第二消息用于切换至该目标网络设备。
可选的,在步骤C6之前,终端设备还可以接收来自源网络设备的第一消息。其中,该第一消息的实现过程还可以参考前述步骤S704的实现过程,并实现相应的技术效果,此处不做赘述。
其中,步骤C6的实现过程还可以参考前述步骤S705的实现过程,并实现相应的技术效果,此处不做赘述。
C7.目标网络设备向源网络设备发送切换完成的指示信息。即目标网络设备在步骤C7中向源网络设备发送切换完成消息,相应的,源网络设备接收切换完成消息。
可选地,目标网络设备还需要向终端设备发送切换完成的指示信息。即目标网络设备在步骤C7中向终端设备发送切换完成消息,相应的,终端设备接收切换完成消息。
具体地,在基于步骤C6和步骤C7所执行的切换流程完成后,目标网络设备基于步骤C5的训练配置信息,基于该模型信息的指示与终端设备进行通信,以使得该终端设备获得AI服务。
可选地,在图8c所示实现方式中还可以包括可选步骤C8、可选步骤C9和可选步骤C10。
C8.终端设备向目标网络设备发送模型信息。相应的,目标网络设备接收该终端设备的模型信息。
具体地,终端设备在步骤C8中向目标网络设备发送该终端设备得到的AI模型信息(也可以称为待训练的AI模型信息、融合前的AI模型信息、待融合的AI模型信息等),以使得目标网络设备可以基于该AI模型信息为该终端设备提供AI模型训练这一AI服务。
C9.目标网络设备向终端设备发送该目标网络设备的训练配置信息;相应的,终端设备接收该目标网络设备的训练配置信息。
可选地,该源网络设备的训练配置信息可以包括神经网络结构、参数值、数据集大小、优化器、学习率、迭代次数等中的至少一项。
C10.目标网络设备为终端设备提供AI服务。
具体地,终端设备在步骤C8中向目标网络设备发送该终端设备的模型信息之后,目标网络设备可以基于该模型信息在步骤C9中向终端设备发送对应的训练配置信息,使得后续在步骤C10中基于该训练配置信息为该终端设备提供AI服务。
从而,基于图8c所示实现方式,在支持AI服务的切换流程中,源网络设备向目标网络设备发送源网络设备的训练配置信息,使得目标网络设备基于源网络设备的训练配置信息融合该终端的训练模型,向终端提供不中断的AI模型训练服务。
请参阅图9,本申请实施例提供了一种通信装置900,该通信装置900可以实现上述方法实施例中终端设备(或源网络设备、或目标网络设备)的功能,因此也能实现上述方法实施例所具备的有益效果。在本申请实施例中,该通信装置900可以是终端设备(或源网络设备、或目标网络设备),也可以是终端设备(或源网络设备、或目标网络设备)内部的集成电路或者元件等,例如芯片。下文实施例以该通信装置900为终端设备或源网络设备、或目标网络设备为例进行说明。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中源网络设备所执行的方法时,该装置900包括接收单元901和发送单元902;该发送单元902,用于向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该接收单元901,用于接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该发送单元902,还用于向该终端设备发送第一配置信息,该第一配置信息用于指示该目标网络设备的AI配置信息;该发送单元902,还用于向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
在一种可能的实现方式中,该接收单元901,还用于接收来自该目标网络设备的该第一配置信息。
在一种可能的实现方式中,该第一配置信息包含于该响应消息。
在一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在一种可能的实现方式中,该接收单元901,还用于接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项;该发送单元902,还用于基于该第一信息向目标网络设备发送请求消息。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中终端设备所执行的方法时,该装置900包括接收单元901和发送单元902;该接收单元901,用于接收来自源网络设备的第一配置信息,该第一配置信息用于指示目标网络设备的AI配置信息;该接收单元901,还用于接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该发送单元902,用于向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
在一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该发送单元902,还用于向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中目标网络设备所执行的方法时,该装置900包括接收单元901和发送单元902;该接收单元901,用于接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该发送单元902,用于向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该接收单元901,用于接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
在一种可能的实现方式中,该发送单元902,还用于向该源网络设备发送第一配置信息,其中,该第一配置信息用于指示该目标网络设备的AI配置信息。
在一种可能的实现方式中,该第一配置信息包含于该响应消息。
在一种可能的实现方式中,该目标网络设备的AI配置信息为预配置的AI配置信息,该第一配置信息用于指示激活该预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
在一种可能的实现方式中,该发送单元902,还用于在基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,向该源网络设备发送响应消息。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中源网络设备所执行的方法时,该装置900包括接收单元901和发送单元902;该发送单元902,用于向目标网络设备发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该接收单元901,用于接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该发送单元902,还用于向该目标网络设备发送第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该发送单元902,还用于向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。
在一种可能的实现方式中,该第二配置信息包含于该请求消息。
在一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在一种可能的实现方式中,该发接收单元901,还用于接收来自该终端设备的第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项;该发送单元902,还用于基于该第一信息向目标网络设备发送请求消息。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中终端设备所执行的方法时,该装置900包括接收单元901和发送单元902;该接收单元901,用于接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;该发送单元902,用于向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。
在一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该发送单元902,还用于向该源网络设备发送第一信息,该第一信息包括该终端设备的AI服务质量要求信息、该源网络设备的AI性能信息、该目标网络设备的AI性能信息、该终端设备的AI能力信息或验证数据集中的至少一项。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
一种可能的实现方式中,当该装置900为用于执行前述任一实施例中目标网络设备所执行的方法时,该装置900包括接收单元901和发送单元902;该接收单元901,用于接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;该发送单元902,用于向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;该接收单元901,还用于接收来自该源网络设备的第二配置信息,该第二配置信息用于指示该源网络设备的AI配置信息;该接收单元901,还用于接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备。
在一种可能的实现方式中,该第二配置信息包含于该请求消息。
在一种可能的实现方式中,该源网络设备的AI配置信息为预配置的AI配置信息,该第二配置信息用于指示激活该预配置的AI配置信息。
在一种可能的实现方式中,该AI配置信息包括以下至少一项:神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
在一种可能的实现方式中,该请求消息包括以下至少一项:该终端设备的AI服务质量要求信息、该终端设备的AI能力信息或验证数据集。
在一种可能的实现方式中,该终端设备的AI服务质量要求信息包括以下至少一项:AI运算量信息、推理精度信息或推理时延信息。
在一种可能的实现方式中,该发送单元902,还用于在基于该请求消息确定该目标网络设备允许将该终端设备切换至该目标网络设备时,向该源网络设备发送响应消息。
需要说明的是,上述通信装置900的单元的信息执行过程等内容,具体可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
请参阅图10,为本申请提供的通信装置1000的另一种示意性结构图,通信装置1000至少包括输入输出接口1002。其中,通信装置1000可以为芯片或集成电路。
可选的,该通信装置还包括逻辑电路1001。
其中,图9所示接收单元901和发送单元902可以为通信接口,该通信接口可以是图10中的输入输出接口1002,该输入输出接口1002可以包括输入接口和输出接口。或者,该通信接口也可以是收发电路,该收发电路可以包括输入接口电路和输出接口电路。
可选的,输入输出接口1002用于发送请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;输入输出接口1002还用于接收来自该目标网络设备的响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;输入输出接口1002还用于向该终端设备发送第一配置信息,该第一配置信息用于指示该目标网络设备的AI配置信息;输入输出接口1002还用于向该终端设备发送第一消息,该第一消息用于指示该终端设备切换至该目标网络设备。其中,逻辑电路1001可以用于生成一些信息(例如请求消息、第一配置信息、第一消息等),逻辑电路1001和输入输出接口1002还可以执行前述任一实施例中源网络设备执行的其他步骤并实现对应的有益效果,此处不再赘述。
可选的,输入输出接口1002用于接收来自源网络设备的第一配置信息,该第一配置信息用于指示目标网络设备的AI配置信息;输入输出接口1002还用于接收来自该源网络设备的第一消息,该第一消息用于指示该终端设备切换至该目标网络设备;输入输出接口1002还用于向该目标网络设备发送第二消息,该第二消息用于切换至该目标网络设备。其中,逻辑电路1001可以用于生成一些信息(例如第二消息或其它信息等),逻辑电路1001和输入输出接口1002还可以执行前述任一实施例中终端设备执行的其他步骤并实现对应的有益效果,此处不再赘述。
可选的,输入输出接口1002用于接收来自源网络设备的请求消息,该请求消息用于请求将终端设备切换至该目标网络设备;输入输出接口1002还用于向该源网络设备发送响应消息,该响应消息用于指示允许将终端设备切换至该目标网络设备;输入输出接口1002还用于接收来自该终端设备的第二消息,该第二消息用于切换至该目标网络设备;输入输出接口1002还用于基于该目标网络设备的AI配置信息与该终端设备通信。其中,逻辑电路1001可以用于生成一些信息(例如响应消息或其它信息等),逻辑电路1001和输入输出接口1002还可以执行任一实施例中目标网络设备执行的其他步骤并实现对应的有益效果,此处不再赘述。
在一种可能的实现方式中,图9所示通信装置900还可以包括处理单元,该处理单元可以为图10中的逻辑电路1001。
可选的,逻辑电路1001可以是一个处理装置,处理装置的功能可以部分或全部通过软件实现。其中,处理装置的功能可以部分或全部通过软件实现。
可选的,处理装置可以包括存储器和处理器,其中,存储器用于存储计算机程序,处理器读取并执行存储器中存储的计算机程序,以执行任意一个方法实施例中的相应处理和/或步骤。
可选地,处理装置可以仅包括处理器。用于存储计算机程序的存储器位于处理装置之外,处理器通过电路/电线与存储器连接,以读取并执行存储器中存储的计算机程序。其中,存储器和处理器可以集成在一起,或者也可以是物理上互相独立的。
可选地,该处理装置可以是一个或多个芯片,或一个或多个集成电路。例如,处理装置可以是一个或多个现场可编程门阵列(field-programmable gate array,FPGA)、专用集成芯片(application specific integrated circuit,ASIC)、系统芯片(system onchip,SoC)、中央处理器(central processor unit,CPU)、网络处理器(networkprocessor,NP)、数字信号处理电路(digital signal processor,DSP)、微控制器(microcontroller unit,MCU),可编程控制器(programmable logic device,PLD)或其它集成芯片,或者上述芯片或者处理器的任意组合等。
请参阅图11,为本申请的实施例提供的上述实施例中所涉及的通信装置1100,该通信装置1100具体可以为上述实施例中的作为终端设备的通信装置,图11所示示例为终端设备通过终端设备(或者终端设备中的部件)实现。
其中,该通信装置1100的一种可能的逻辑结构示意图,该通信装置1100可以包括但不限于至少一个处理器1101以及通信端口1102。
进一步可选的,该装置还可以包括存储器1103、总线1104中的至少一个,在本申请的实施例中,该至少一个处理器1101用于对通信装置1100的动作进行控制处理。
此外,处理器1101可以是中央处理器单元,通用处理器,数字信号处理器,专用集成电路,现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。该处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,数字信号处理器和微处理器的组合等等。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,图11所示通信装置1100具体可以用于实现前述方法实施例中终端设备所实现的步骤,并实现终端设备对应的技术效果,图11所示通信装置的具体实现方式,均可以参考前述方法实施例中的叙述,此处不再一一赘述。
请参阅图12,为本申请的实施例提供的上述实施例中所涉及的通信装置1200的结构示意图,该通信装置1200具体可以为上述实施例中的作为网络设备(包括源网络设备或目标网络设备)的通信装置,图12所示示例为网络设备通过网络设备(或者源网络设备中的部件,或目标网络设备中的部件)实现,其中,该通信装置的结构可以参考图12所示的结构。
通信装置1200包括至少一个处理器1211以及至少一个网络接口1214。进一步可选的,该通信装置还包括至少一个存储器1212、至少一个收发器1213和一个或多个天线1215。处理器1211、存储器1212、收发器1213和网络接口1214相连,例如通过总线相连,在本申请实施例中,该连接可包括各类接口、传输线或总线等,本实施例对此不做限定。天线1215与收发器1213相连。网络接口1214用于使得通信装置通过通信链路,与其它通信设备通信。例如网络接口1214可以包括通信装置与核心网设备之间的网络接口,例如S1接口,网络接口可以包括通信装置和其他通信装置(例如其他网络设备或者核心网设备)之间的网络接口,例如X2或者Xn接口。
处理器1211主要用于对通信协议以及通信数据进行处理,以及对整个通信装置进行控制,执行软件程序,处理软件程序的数据,例如用于支持通信装置执行实施例中所描述的动作。通信装置可以包括基带处理器和中央处理器,基带处理器主要用于对通信协议以及通信数据进行处理,中央处理器主要用于对整个终端设备进行控制,执行软件程序,处理软件程序的数据。图12中的处理器1211可以集成基带处理器和中央处理器的功能,本领域技术人员可以理解,基带处理器和中央处理器也可以是各自独立的处理器,通过总线等技术互联。本领域技术人员可以理解,终端设备可以包括多个基带处理器以适应不同的网络制式,终端设备可以包括多个中央处理器以增强其处理能力,终端设备的各个部件可以通过各种总线连接。该基带处理器也可以表述为基带处理电路或者基带处理芯片。该中央处理器也可以表述为中央处理电路或者中央处理芯片。对通信协议以及通信数据进行处理的功能可以内置在处理器中,也可以以软件程序的形式存储在存储器中,由处理器执行软件程序以实现基带处理功能。
存储器主要用于存储软件程序和数据。存储器1212可以是独立存在,与处理器1211相连。可选的,存储器1212可以和处理器1211集成在一起,例如集成在一个芯片之内。其中,存储器1212能够存储执行本申请实施例的技术方案的程序代码,并由处理器1211来控制执行,被执行的各类计算机程序代码也可被视为是处理器1211的驱动程序。
图12仅示出了一个存储器和一个处理器。在实际的终端设备中,可以存在多个处理器和多个存储器。存储器也可以称为存储介质或者存储设备等。存储器可以为与处理器处于同一芯片上的存储元件,即片内存储元件,或者为独立的存储元件,本申请实施例对此不做限定。
收发器1213可以用于支持通信装置与终端之间射频信号的接收或者发送,收发器1213可以与天线1215相连。收发器1213包括发射机Tx和接收机Rx。具体地,一个或多个天线1215可以接收射频信号,该收发器1213的接收机Rx用于从天线接收该射频信号,并将射频信号转换为数字基带信号或数字中频信号,并将该数字基带信号或数字中频信号提供给该处理器1211,以便处理器1211对该数字基带信号或数字中频信号做进一步的处理,例如解调处理和译码处理。此外,收发器1213中的发射机Tx还用于从处理器1211接收经过调制的数字基带信号或数字中频信号,并将该经过调制的数字基带信号或数字中频信号转换为射频信号,并通过一个或多个天线1215发送该射频信号。具体地,接收机Rx可以选择性地对射频信号进行一级或多级下混频处理和模数转换处理以得到数字基带信号或数字中频信号,该下混频处理和模数转换处理的先后顺序是可调整的。发射机Tx可以选择性地对经过调制的数字基带信号或数字中频信号时进行一级或多级上混频处理和数模转换处理以得到射频信号,该上混频处理和数模转换处理的先后顺序是可调整的。数字基带信号和数字中频信号可以统称为数字信号。
收发器1213也可以称为收发单元、收发机、收发装置等。可选的,可以将收发单元中用于实现接收功能的器件视为接收单元,将收发单元中用于实现发送功能的器件视为发送单元,即收发单元包括接收单元和发送单元,接收单元也可以称为接收机、输入口、接收电路等,发送单元可以称为发射机、发射器或者发射电路等。
需要说明的是,图12所示通信装置1200具体可以用于实现前述方法实施例中网络设备所实现的步骤,并实现网络设备对应的技术效果,图12所示通信装置1200的具体实现方式,均可以参考前述方法实施例中的叙述,此处不再一一赘述。
本申请实施例还提供一种存储一个或多个计算机执行指令的计算机可读存储介质,当计算机执行指令被处理器执行时,该处理器执行如前述实施例中终端设备可能的实现方式所述的方法。
本申请实施例还提供一种存储一个或多个计算机执行指令的计算机可读存储介质,当计算机执行指令被处理器执行时,该处理器执行如前述实施例中网络设备可能的实现方式所述的方法。
本申请实施例还提供一种存储一个或多个计算机的计算机程序产品(或称计算机程序),当计算机程序产品被该处理器执行时,该处理器执行上述终端设备可能实现方式的方法。
本申请实施例还提供一种存储一个或多个计算机的计算机程序产品,当计算机程序产品被该处理器执行时,该处理器执行上述网络设备可能实现方式的方法。
本申请实施例还提供了一种芯片系统,该芯片系统包括至少一个处理器,用于支持通信装置实现上述通信装置可能的实现方式中所涉及的功能。可选的,所述芯片系统还包括接口电路,所述接口电路为所述至少一个处理器提供程序指令和/或数据。在一种可能的设计中,该芯片系统还可以包括存储器,存储器,用于保存该通信装置必要的程序指令和数据。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,其中,该通信装置具体可以为前述方法实施例中终端设备。
本申请实施例还提供了一种芯片系统,该芯片系统包括至少一个处理器,用于支持通信装置实现上述通信装置可能的实现方式中所涉及的功能。可选的,所述芯片系统还包括接口电路,所述接口电路为所述至少一个处理器提供程序指令和/或数据。在一种可能的设计中,芯片系统还可以包括存储器,存储器,用于保存该通信装置必要的程序指令和数据。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,其中,该通信装置具体可以为前述方法实施例中网络设备。
本申请实施例还提供了一种通信系统,该网络系统架构包括上述任一实施例中的终端设备和网络设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (29)
1.一种通信方法,其特征在于,包括:
源网络设备向目标网络设备发送请求消息,所述请求消息用于请求将终端设备切换至所述目标网络设备;
所述源网络设备接收来自所述目标网络设备的响应消息,所述响应消息用于指示允许将所述终端设备切换至所述目标网络设备;
所述源网络设备向所述终端设备发送第一配置信息,所述第一配置信息用于指示所述目标网络设备的人工智能AI配置信息;
所述源网络设备向所述终端设备发送第一消息,所述第一消息用于指示所述终端设备切换至所述目标网络设备。
2.根据权利要求1所述的方法,其特征在于,在所述源网络设备向所述终端设备发送第一配置信息之前,所述方法还包括:
所述源网络设备接收来自所述目标网络设备的所述第一配置信息。
3.根据权利要求2所述的方法,其特征在于,所述第一配置信息包含于所述响应消息。
4.根据权利要求1所述的方法,其特征在于,所述目标网络设备的AI配置信息为预配置的AI配置信息,所述第一配置信息用于指示激活所述预配置的AI配置信息。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述AI配置信息包括以下至少一项:
神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述请求消息包括以下至少一项:
所述终端设备的AI服务质量要求信息、所述终端设备的AI能力信息或验证数据集。
7.根据权利要求6所述的方法,其特征在于,在所述源网络设备向目标网络设备发送请求消息之前,所述方法还包括:
所述源网络设备接收来自所述终端设备的第一信息,所述第一信息包括所述终端设备的所述AI服务质量要求信息、所述源网络设备的AI性能信息、所述目标网络设备的AI性能信息、所述终端设备的所述AI能力信息或所述验证数据集中的至少一项。
8.根据权利要求6或7所述的方法,其特征在于,所述终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
9.一种通信方法,其特征在于,包括:
终端设备接收来自源网络设备的第一配置信息,所述第一配置信息用于指示目标网络设备的AI配置信息;
所述终端设备接收来自所述源网络设备的第一消息,所述第一消息用于指示所述终端设备切换至所述目标网络设备;
所述终端设备向所述目标网络设备发送第二消息,所述第二消息用于切换至所述目标网络设备。
10.根据权利要求9所述的方法,其特征在于,所述目标网络设备的AI配置信息为预配置的AI配置信息,所述第一配置信息用于指示激活所述预配置的AI配置信息。
11.根据权利要求9或10所述的方法,其特征在于,所述AI配置信息包括以下至少一项:
神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
12.根据权利要求9至11任一项所述的方法,其特征在于,在所述终端设备接收来自所述源网络设备的第一消息之前,所述方法还包括:
所述终端设备向所述源网络设备发送第一信息,所述第一信息包括所述终端设备的AI服务质量要求信息、所述源网络设备的AI性能信息、所述目标网络设备的AI性能信息、所述终端设备的AI能力信息或验证数据集中的至少一项。
13.根据权利要求12所述的方法,其特征在于,所述终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
14.一种通信装置,其特征在于,包括发送单元和接收单元;
所述发送单元,用于向目标网络设备发送请求消息,所述请求消息用于请求将终端设备切换至所述目标网络设备;
所述接收单元,用于接收来自所述目标网络设备的响应消息,所述响应消息用于指示允许将终端设备切换至所述目标网络设备;
所述发送单元,还用于向所述终端设备发送第一配置信息,所述第一配置信息用于指示所述目标网络设备的AI配置信息;
所述发送单元,还用于向所述终端设备发送第一消息,所述第一消息用于指示所述终端设备切换至所述目标网络设备。
15.根据权利要求14所述的装置,其特征在于,
所述接收单元,还用于接收来自所述目标网络设备的所述第一配置信息。
16.根据权利要求15所述的装置,其特征在于,所述第一配置信息包含于所述响应消息。
17.根据权利要求14所述的装置,其特征在于,所述目标网络设备的AI配置信息为预配置的AI配置信息,所述第一配置信息用于指示激活所述预配置的AI配置信息。
18.根据权利要求14至17任一项所述的装置,其特征在于,所述AI配置信息包括以下至少一项:
神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
19.根据权利要求14至18任一项所述的装置,其特征在于,所述请求消息包括以下至少一项:
所述终端设备的AI服务质量要求信息、所述终端设备的AI能力信息或验证数据集。
20.根据权利要求19所述的装置,其特征在于,
所述接收单元,还用于接收来自所述终端设备的第一信息,所述第一信息包括所述终端设备的AI服务质量要求信息、所述源网络设备的AI性能信息、所述目标网络设备的AI性能信息、所述终端设备的AI能力信息或验证数据集中的至少一项。
21.根据权利要求19或20所述的装置,其特征在于,所述终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
22.一种通信装置,其特征在于,包括发送单元和接收单元;
所述接收单元,用于接收来自源网络设备的第一配置信息,所述第一配置信息用于指示目标网络设备的AI配置信息;
所述接收单元,还用于接收来自所述源网络设备的第一消息,所述第一消息用于指示所述终端设备切换至所述目标网络设备;
所述发送单元,用于向所述目标网络设备发送第二消息,所述第二消息用于切换至所述目标网络设备。
23.根据权利要求22所述的装置,其特征在于,所述目标网络设备的AI配置信息为预配置的AI配置信息,所述第一配置信息用于指示激活所述预配置的AI配置信息。
24.根据权利要求22或23所述的装置,其特征在于,所述AI配置信息包括以下至少一项:
神经网络结构、参数值、数据集大小、优化器、学习率或迭代次数。
25.根据权利要求22至24任一项所述的装置,其特征在于,
所述发送单元,还用于向所述源网络设备发送第一信息,所述第一信息包括所述终端设备的AI服务质量要求信息、所述源网络设备的AI性能信息、所述目标网络设备的AI性能信息、所述终端设备的AI能力信息或验证数据集中的至少一项。
26.根据权利要求25所述的装置,其特征在于,所述终端设备的AI服务质量要求信息包括以下至少一项:
AI运算量信息、推理精度信息或推理时延信息。
27.一种通信装置,其特征在于,包括至少一个处理器,所述至少一个处理器与存储器耦合,
所述存储器用于存储程序或指令;
所述至少一个处理器用于执行所述程序或指令,以使所述装置实现如权利要求1至8中任一项所述的方法;或者,实现如权利要求9至13中任一项所述的方法。
28.一种计算机可读存储介质,其特征在于,所述可读存储介质存储有指令,当所述指令被计算机执行时,使得权利要求1至8中任一项所述的方法被执行;或者,使得权利要求9至13任一项所述的方法被执行。
29.一种计算机程序产品,其特征在于,所述程序产品包括指令,当所述指令在计算机上运行时,使得如权利要求1至8中任一项所述的方法被执行;或者,使得权利要求9至13任一项所述的方法被执行。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111669046.9A CN116437415A (zh) | 2021-12-30 | 2021-12-30 | 一种通信方法及通信装置 |
PCT/CN2022/142603 WO2023125599A1 (zh) | 2021-12-30 | 2022-12-28 | 一种通信方法及通信装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111669046.9A CN116437415A (zh) | 2021-12-30 | 2021-12-30 | 一种通信方法及通信装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116437415A true CN116437415A (zh) | 2023-07-14 |
Family
ID=86997989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111669046.9A Pending CN116437415A (zh) | 2021-12-30 | 2021-12-30 | 一种通信方法及通信装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116437415A (zh) |
WO (1) | WO2023125599A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210063911A (ko) * | 2019-11-25 | 2021-06-02 | 삼성전자주식회사 | 무선 통신 시스템에서 핸드오버를 수행하기 위한 장치 및 방법 |
CN113747460A (zh) * | 2020-05-30 | 2021-12-03 | 华为技术有限公司 | 通信方法及装置 |
-
2021
- 2021-12-30 CN CN202111669046.9A patent/CN116437415A/zh active Pending
-
2022
- 2022-12-28 WO PCT/CN2022/142603 patent/WO2023125599A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023125599A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022022334A1 (zh) | 基于人工智能的通信方法和通信装置 | |
CN112106418A (zh) | 装置、方法和计算机程序 | |
US20230100253A1 (en) | Network-based artificial intelligence (ai) model configuration | |
CN115150847A (zh) | 模型处理的方法、通信装置和系统 | |
WO2023011655A1 (zh) | 一种通信方法及装置 | |
WO2023125599A1 (zh) | 一种通信方法及通信装置 | |
CN115843125A (zh) | 通信方法和通信装置 | |
WO2021179165A1 (zh) | 模型协调方法及装置 | |
WO2023125598A1 (zh) | 一种通信方法及通信装置 | |
WO2022126641A1 (zh) | 无线通信方法、终端设备、第一接入网设备以及网元 | |
WO2024130573A1 (zh) | 无线通信的方法、终端设备和网络设备 | |
WO2024130739A1 (zh) | 无线通信的方法及设备 | |
WO2024125510A1 (zh) | 模型优化方法、装置、设备及存储介质 | |
WO2023160560A1 (zh) | 一种切换方法及相关装置 | |
WO2024067248A1 (zh) | 一种获取训练数据集的方法和装置 | |
WO2018072204A1 (zh) | 一种天线端口配置方法及装置 | |
WO2024125498A1 (zh) | 模型更新方法、装置、设备及存储介质 | |
WO2024026846A1 (zh) | 一种人工智能模型处理方法及相关设备 | |
WO2024065697A1 (zh) | 模型监测的方法、终端设备和网络设备 | |
US20220312524A1 (en) | Electronic device and method of controlling connection with communication network by electronic device | |
WO2023093777A1 (zh) | 一种通信方法及装置 | |
WO2023241510A1 (zh) | 小区切换的方法和通信装置 | |
US20230403684A1 (en) | Communication method, device, and storage medium | |
WO2023185572A1 (zh) | 通信方法和装置 | |
WO2023070684A1 (zh) | 无线通信的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |