CN116456355A - 一种通信方法、装置及计算机可读存储介质 - Google Patents
一种通信方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116456355A CN116456355A CN202210021088.XA CN202210021088A CN116456355A CN 116456355 A CN116456355 A CN 116456355A CN 202210021088 A CN202210021088 A CN 202210021088A CN 116456355 A CN116456355 A CN 116456355A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- indication information
- model
- data
- data packet
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 211
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 1349
- 230000011664 signaling Effects 0.000 claims description 113
- 230000008569 process Effects 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 64
- 238000004590 computer program Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 17
- 239000003550 marker Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 55
- 238000003062 neural network model Methods 0.000 description 43
- 238000005516 engineering process Methods 0.000 description 34
- 230000006870 function Effects 0.000 description 33
- 230000000694 effects Effects 0.000 description 31
- 230000005540 biological transmission Effects 0.000 description 27
- 238000005192 partition Methods 0.000 description 18
- 238000012706 support-vector machine Methods 0.000 description 17
- 238000007637 random forest analysis Methods 0.000 description 15
- 238000003066 decision tree Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 13
- 238000012417 linear regression Methods 0.000 description 13
- 238000007477 logistic regression Methods 0.000 description 13
- 238000013473 artificial intelligence Methods 0.000 description 12
- 238000010295 mobile communication Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 2
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 101100189913 Caenorhabditis elegans pept-1 gene Proteins 0.000 description 1
- 101100243399 Caenorhabditis elegans pept-2 gene Proteins 0.000 description 1
- 101100243401 Caenorhabditis elegans pept-3 gene Proteins 0.000 description 1
- 101150119040 Nsmf gene Proteins 0.000 description 1
- 206010042135 Stomatitis necrotising Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 201000008585 noma Diseases 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开一种通信方法、装置及计算机可读存储介质,该方法包括:第二设备确定第一算法,第一算法为第一模型或第一模型的部分,之后,第二设备可以向第一设备发送第一指示信息,第一指示信息用于指示该第一算法;当第一设备接收到来自第二设备的第一指示信息之后,第二设备可以直接启用第一算法。本发明实施例,第二设备可以通过第一指示信息为第一设备配置第一算法,由于传输指示信息所需比特的数量较少,因此,可以降低算法的切换时延。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种通信方法、装置及计算机可读存储介质。
背景技术
随着通信技术的发展,以及人工智能(artificial intelligence,AI)技术的日益成熟,AI将会成为通信系统中不可或缺的部分。
目前,通过AI算法可以辅助网络设备进行无线资源管理(radio resourcemanagement,RRM)、网络故障监测等,从而可以提高通信系统的性能。
例如,基站可以使用流量预测算法预测未来各个时间段的用户流量,从而可以辅助基站进行休眠,降低基站的能耗。再例如,终端设备可以使用网络质量预测算法,预测在未来一个时间段的网络质量,从而可以在网络质量变差之前,提前缓存数据,从而可以解决视频播放卡顿、用户页面加载失败等问题。
并且,在不同的场景下,基站、终端设备可以使用不同的AI算法。
例如,在终端设备的电量大于某一个具体阈值(如1000mAh)的情况下,终端设备可以使用一个耗电量较大的AI算法,如一个深层神经网络模型或者该深层神经网络模型的前十层;之后,在终端设备的电量小于某一个具体阈值(如100mAh)的情况下,终端设备可以切换到一个耗电量较小的AI算法,如一个浅层神经网络模型或者上述深层神经网络模型的前三层。在终端设备使用上述深层神经网络模型的前十层或者前三层的情况下,终端设备可以将第十层或者第三层的输出结果发送给网络设备,由网络设备继续处理。
与此同时,在通信系统中,如何更加灵活地为终端设备等网元配置算法,降低算法的切换时延是技术人员关注的问题。
发明内容
本发明实施例公开了一种通信方法、装置及计算机可读存储介质,用于降低算法的切换时延。
第一方面公开一种通信方法,该通信方法可以应用于第一设备,也可以应用于第一设备中的模块(例如,芯片),下面以应用于第一设备为例进行描述。该通信方法可以包括:
确定满足第一事件;
获取该第一事件对应的第一算法,该第一算法为第一模型或该第一模型的部分;
启用该第一算法。
本发明实施例中,第一设备可以监测一个或多个事件,在监测到满足第一事件的情况下,第一设备可以获取第一事件对应的第一算法,之后,第一设备可以直接使用第一算法。可见,第一设备可以通过监测一个或多个事件,之后可以在满足不同的事件的情况下,直接获取对应的算法进行使用,从而可以降低算法的切换时延。
作为一种可能的实施方式,该方法还可以包括:
接收来自第二设备的配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括该第一事件。
本发明实施例中,第一设备可以先接收来自第二设备的配置信息,该配置信息可以包括一个或多个事件以及对应的算法,之后,第一设备可以监测该一个或多个事件,当满足不同的事件时,可以获取对应的算法进行使用,快速地实现算法的切换。
作为一种可能的实施方式,该方法还可以包括:
向该第二设备发送指示信息,该指示信息用于指示该第一算法。
本发明实施例中,第一设备在启用第一算法之后,可以向第二设备发送用于指示该第一算法的指示信息,以便第二设备可以知道第一设备当前使用的第一算法以及第一设备当前满足的第一事件。
作为一种可能的实施方式,该指示信息为该第一算法的标识或该第一事件的标识。
本发明实施例中,第一设备向第二设备发送的指示信息可以是第一算法的标识或第一事件的标识,同时,由于传输第一算法的标识或第一事件的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
本发明实施例中,第一模型可以是神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种,而不同的模型在满足不同的事件的情况下,以及在针对不同的问题时,其性能或最后达到的效果可能不同。因此,第一设备在满足第一事件的情况下,使用的第一模型可以是当前最优的模型(如一个支持向量机模型),以便可以达到最佳的效果。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
本发明实施例中,第一设备满足的第一事件可以是多种不同的事件(如信号质量小于第一阈值或信号质量大于或等于第一阈值等)。同时,由于在满足不同的事件的情况下,第一设备使用第一算法达到的效果可能不同,例如,第一设备在信号质量大于或等于第一阈值的情况下,使用第一算法可以达到最佳的效果,而在其它情况下(如信号质量小于第一阈值),使用其它算法达到的效果可能优于第一算法。因此,可以灵活地为第一算法配置对应的第一事件,以便第一设备使用第一算法可以达到最佳的效果。
第二方面公开一种通信方法,该通信方法可以应用于第二设备,也可以应用于第二设备中的模块(例如,芯片),下面以应用于第二设备为例进行描述。该通信方法可以包括:
确定配置信息;
向第一设备发送该配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括第一事件,该第一事件对应第一算法,该第一算法为第一模型或该第一模型的部分。
本发明实施例中,第二设备可以先确定配置信息,该配置信息包括一个或多个事件以及对应的算法,之后,第二设备可以向第一设备发送配置信息,以便第一设备可以监测该一个或多个事件,并且第一设备可以在满足不同的事件的情况下,直接获取对应的算法进行使用,从而可以降低算法的切换时延。
作为一种可能的实施方式,该方法还可以包括:
接收来自该第一设备的指示信息,该指示信息用于指示该第一算法。
本发明实施例中,第二设备可以接收来自第一设备的指示信息,并且,通过指示信息第二设备可以知道第一设备当前使用的第一算法以及第一设备当前满足的第一事件。
作为一种可能的实施方式,该指示信息为该第一算法的标识或该第一事件的标识。
本发明实施例中,第二设备接收的指示信息可以是第一算法的标识或第一事件的标识,同时,由于传输第一算法的标识或第一事件的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该方法还可以包括:
根据该指示信息确定第二算法,该第二算法为该第一算法对应的协同算法;
启用该第二算法。
本发明实施例中,在第一设备和第二设备执行协同任务的情况下,第二设备可以根据指示信息确定第二算法,之后,第二设备可以使用第二算法与第一设备执行协同任务,从而可以获得协同增益。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
本发明实施例中,第一模型可以是神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种,而不同的模型在满足不同的事件的情况下,以及在针对不同的问题时,其性能或最后达到的效果可能不同。因此,第二设备为第一设备配置的第一模型,可以是第一事件下最优的模型(如一个支持向量机模型),从而可以达到最佳的效果。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于或等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
本发明实施例中,第二设备为第一设备配置的第一事件可以是多种不同的事件(如信号质量小于第一阈值或信号质量大于或等于第一阈值等)。同时,由于在满足不同的事件的情况下,第一设备使用第一算法达到的效果可能不同,例如,第一设备在信号质量大于或等于第一阈值的情况下,使用第一算法可以达到最佳的效果,而在其它情况下(如信号质量小于第一阈值),使用其它算法达到的效果可能优于第一算法。因此,第二设备可以灵活地为第一算法配置对应的第一事件,以便第一设备使用第一算法可以达到最佳的效果。
第三方面公开一种通信方法,该通信方法可以应用于第一设备,也可以应用于第一设备中的模块(例如,芯片),下面以应用于第一设备为例进行描述。该通信方法可以包括:
接收来自第二设备的第一指示信息,该第一指示信息用于指示第一算法,该第一算法为第一模型或该第一模型的部分;
启用该第一算法。
本发明实施例中,第一设备可以接收来自第二设备的指示信息,之后,第一设备可以通过第一指示信息确定第一算法,以及可以启用第一算法。可见,第二设备可以通过第一指示信息为第一设备配置第一算法,同时,由于传输指示信息所需比特的数量较少,因此传输指示信息的速率较快,从而第二设备可以在较短的时间内为第一设备配置第一算法,可以降低算法的切换时延。
作为一种可能的实施方式,该方法还可以包括:
接收来自该第二设备的配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
本发明实施例中,第一设备可以先接收来自第二设备的配置信息,该配置信息可以包括一个或多个算法以及对应的标识。之后,当第一设备在接收到来自第二设备的第一指示信息时,可以直接获取对应的第一算法进行使用,快速地实现算法的切换。
作为一种可能的实施方式,该方法还可以包括:
向该第二设备发送第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件。
本发明实施例中,第一设备可以监测一个或多个事件,在监测到满足第一事件的情况下,第一设备可以先向第二设备发送第二指示信息,以便第二设备可以知道第一设备当前满足的第一事件,以及可以根据第一设备满足的第一事件为第一设备配置第一算法。
作为一种可能的实施方式,该方法还可以包括:
向该第二设备发送第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
本发明实施例中,第一设备在接收到来自第二设备的第一指示信息之后,可以配置第一算法,在配置第一算法成功的情况下,第一设备可以向第二设备发送第三指示信息,用于告知第二设备配置第一算法成功,在配置第一算法失败的情况下,第一设备也可以向第二设备发送第三指示信息,用于告知第二设备配置第一算法失败。可见,第一设备可以通过第三指示信息告知第二设备自身是否成功配置第一算法,以便第二设备可以进行对应的处理(如在配置失败的情况下,第二设备可以为第一设备重新配置算法)。
作为一种可能的实施方式,该第二指示信息包括该第一事件的标识。
本发明实施例中,第一设备向第二设备发送的第二指示信息可以包括第一事件的标识,以便第二设备可以根据第一事件的标识直接确定第一设备当前满足的第一事件。此外,由于传输第一事件的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于或等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
本发明实施例中,第一设备满足的第一事件可以是多种不同的事件(如信号质量小于第一阈值或信号质量大于或等于第一阈值等)。同时,由于在满足不同的事件的情况下,第一设备使用第一算法达到的效果可能不同,例如,第一设备在信号质量大于或等于第一阈值的情况下,使用第一算法可以达到最佳的效果,而在其它情况下(如信号质量小于第一阈值),使用其它算法达到的效果可能优于第一算法。因此,第二设备可以灵活地为第一算法配置对应的第一事件,以便第一设备使用第一算法可以达到最佳的效果。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
本发明实施例中,第一设备接收的第一指示信息可以包括第一算法的标识,之后,第一设备可以根据第一算法的标识直接确定对应的第一算法,然后启用第一算法。此外,由于传输第一算法的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
本发明实施例中,第一指示信息可以携带在下行控制信息(downlink controlinformation,DCI),或者无线资源控制(radio resource control,RRC)信令,或者媒体接入控制(media access control,MAC)信令(如MAC控制元素(control element,CE)信令)中,以便第一设备可以较快的接收到第一指示信息,从而可以更快的切换算法,降低算法的切换时延。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
本发明实施例中,第一模型可以是神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种,而不同的模型在满足不同的事件的情况下,以及在针对不同的问题时,其性能或最后达到的效果可能不同。因此,第二设备可以灵活地为第一设备配置第一模型,以便第一设备在满足第一事件的情况下,使用的第一模型是当前最优的模型(如一个支持向量机模型),从而可以达到最佳的效果。
第四方面公开一种通信方法,该通信方法可以应用于第二设备,也可以应用于第二设备中的模块(例如,芯片),下面以应用于第二设备为例进行描述。该通信方法可以包括:
确定第一算法,该第一算法为第一模型或该第一模型的部分;
向第一设备发送第一指示信息,该第一指示信息用于指示该第一算法。
本发明实施例中,第二设备可以先确定第一算法,之后,可以向第一设备发送第一指示信息,以便可以通过第一指示信息为第一设备配置第一算法。同时,由于传输指示信息所需比特的数量较少,因此传输指示信息的速率较快,从而第二设备可以在较短的时间内为第一设备配置第一算法,可以降低算法的切换时延。
作为一种可能的实施方式,该方法还可以包括:
向该第一设备发送配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
本发明实施例中,第二设备可以先向第一设备发送配置信息,该配置信息可以包括一个或多个算法以及对应的标识。之后,第一设备在接收到来自第二设备的第一指示信息时,可以直接获取对应的第一算法进行使用,快速地实现算法的切换。
作为一种可能的实施方式,该第二设备确定第一算法,包括:
接收来自该第一设备的第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件;
根据该第二指示信息确定该第一算法。
本发明实施例中,第二设备可以接收来自第一设备的第二指示信息,第二设备可以根据第二指示信息确定第一设备当前满足的第一事件,之后,第二设备可以根据第一设备满足的第一事件为第一设备配置第一算法。
作为一种可能的实施方式,该方法还可以包括:
接收来自该第一设备的第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
本发明实施例中,第二设备可以接收来自第一设备的第三指示信息,以便第二设备可以知道第一设备是否成功配置了第一算法,从而第二设备可以进行对应的处理(如在配置失败的情况下,第二设备可以为第一设备重新配置算法)。
作为一种可能的实施方式,该第二指示信息包括该第一事件的标识。
本发明实施例中,第二设备接收的第二指示信息可以包括第一事件的标识,因此,第二设备可以根据第一事件的标识直接确定第一设备当前满足的第一事件。此外,由于传输第一事件的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于或等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
本发明实施例中,第二设备为第一设备配置的第一事件可以是多种不同的事件(如信号质量小于第一阈值或信号质量大于或等于第一阈值等)。同时,由于在满足不同的事件的情况下,第一设备使用第一算法达到的效果可能不同,例如,第一设备在信号质量大于或等于第一阈值的情况下,使用第一算法可以达到最佳的效果,而在其它情况下(如信号质量小于第一阈值),使用其它算法达到的效果可能优于第一算法。因此,第二设备可以灵活地为第一算法配置对应的第一事件,以便第一设备使用第一算法可以达到最佳的效果。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
本发明实施例中,第二设备向第一设备发送的第一指示信息可以包括第一算法的标识,以便第一设备接收到第一指示信息之后,可以根据第一算法的标识直接确定对应的第一算法,然后启用第一算法。此外,由于传输第一算法的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
本发明实施例中,第二设备可以通过DCI,或者RRC信令,或者MAC信令(如MAC CE信令)携带第一指示信息,以便第一设备可以较快的接收到第一指示信息,从而可以更快的切换算法,降低算法的切换时延。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
本发明实施例中,第一模型可以是神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种,而不同的模型在满足不同的事件的情况下,以及在针对不同的问题时,其性能或最后达到的效果可能不同。因此,第二设备为第一设备配置的第一模型,可以是第一事件下最优的模型(如一个支持向量机模型),从而可以达到最佳的效果。
第五方面公开一种通信方法,该通信方法可以应用于第一设备,也可以应用于第一设备中的模块(例如,芯片),下面以应用于第一设备为例进行描述。该通信方法可以包括:
使用第一算法对第一数据进行处理,得到第二数据,该第一算法为第一模型或该第一模型的第一部分;
向第二设备发送第一数据包,该第一数据包包括用于指示该第一算法的第一指示信息和该第二数据。
本发明实施例中,第一设备可以使用第一算法对第一数据进行处理,得到第二数据,之后,第一设备可以向第二设备发送包括第一指示信息和第二数据的第一数据包,以便第二设备接收到第一数据包之后,可以通过第一指示信息确定第一算法对应的协同算法,从而可以通过第二算法处理第二数据。可见,第一设备在发送的第一数据包中包括第一指示信息,可以保证第二设备可以正确使用第一算法对应的协同算法处理第二数据,从而可以避免算法混淆问题。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
本发明实施例中,第一设备发送的第一数据包中可以包括第一指示信息,同时该第一指示信息可以包括第一算法的标识,以便第二设备可以根据第一算法的标识直接确定对应的第一算法,然后可以确定第一算法对应的协同算法,从而可以保证第二设备可以使用正确的算法处理第二数据,可以避免算法混淆问题。此外,由于传输第一算法的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一指示信息为1比特的信息,该方法还可以包括:
使用第二算法对第三数据进行处理,得到第四数据,该第二算法与该第一算法不同;
向该第二设备发送第二数据包,该第二数据包包括第二指示信息和该第四数据,该第二指示信息的值与该第一指示信息的值不同。
本发明实施例中,第一设备发送的第一指示信息为1比特的信息,当第一设备切换算法时,即第一设备使用第二算法(与第一算法不同)对第三数据进行处理,得到第四数据。之后,第一设备可以向第二设备发送第二数据包,第二数据包可以包括第二指示信息和第四数据,第二指示信息的值与第一指示信息的值不同。可见,第一设备在使用不同的算法时,可以将数据包中携带的1比特的指示信息进行翻转,以便可以告知第二设备数据包中携带的数据是通过新算法(第二算法)还是通过老算法(第一算法)得到的,从而可以避免算法混淆问题。
作为一种可能的实施方式,该方法还可以包括:
向该第二设备发送控制信令,该控制信令包括结束标记和第一序列号。
本发明实施例中,第一设备切换算法时(如从第一算法切换为第三算法),以及在使用老算法(第一算法)得到数据包都递交给底层后,第一设备可以向第二设备发送控制信令,该控制信令包括结束标记和第一序列号,以便可以告知第二设备,序列号在第一序列号之前的数据包中携带的数据是通过老算法(第一算法)得到的,序列号在第一序列号之后的数据包中携带的数据是通过新算法(第三算法)得到的,从而可以避免算法混淆问题。
作为一种可能的实施方式,在该向该第二设备发送控制信令之后,该方法还可以包括:
使用第三算法对第五数据进行处理,得到第六数据,该第三算法与该第一算法不同;
向该第二设备发送第三数据包,该第三数据包包括第三指示信息和该第六数据,该第三指示信息为该第三数据包的序列号。
本发明实施例中,第一设备向第二设备发送控制信令之后,第一设备可以使用第三算法对第五数据进行处理,得到第六数据,之后,第一设备可以向第二设备发送包括第三指示信息和第六数据的第三数据包,第三指示信息可以为第三数据包的序列号,以便第二设备接收到第三数据包之后,可以通过第三数据包的序列号确定第三数据包中包括的第六数据是通过新算法(第三算法)还是老算法(第一算法)得到的,从而可以避免算法混淆问题。
作为一种可能的实施方式,该方法还可以包括:
接收来自该第二设备的第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分;
启用该第二算法或该第三算法。
本发明实施例中,第一设备可以先接收来自第二设备的第四指示信息,之后,第一设备可以根据第四指示信息切换算法(第二算法或第三算法)。可见,第一设备可以在接收到来自第二设备的第四指示信息之后,再进行算法的切换,因此,第二设备可以知道第一设备算法切换的大致时间以及切换前后使用的具体算法,从而第一设备可以在一段时间内进行对应的处理,以便可以解决算法混淆问题。
第六方面公开一种通信方法,该通信方法可以应用于第二设备,也可以应用于第二设备中的模块(例如,芯片),下面以应用于第二设备为例进行描述。该通信方法可以包括:
接收来自第一设备的第一数据包,该第一数据包包括用于指示第一算法的第一指示信息和第二数据,该第一算法为第一模型或该第一模型的第一部分;
使用第四算法对该第二数据进行处理,该第四算法为该第一算法对应的协同算法。
本发明实施例中,第二设备可以接收来自第一设备的第一数据包,该第一数据包可以包括第一指示信息和第二数据,之后,第二设备可以根据第一指示信息确定第一算法对应的协同算法(第四算法),然后可以使用第四算法对第二数据进行处理。可见,第一设备在发送的第一数据包中包括第一指示信息,可以保证第二设备可以正确使用第一算法对应的协同算法处理第二数据,从而可以避免算法混淆问题。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
本发明实施例中,第一指示信息可以包括第一算法的标识,因此,第二设备可以根据第一算法的标识直接确定对应的第一算法,之后,第二设备可以确定第一算法对应的协同算法(第四算法),然后可以使用第四算法对第二数据进行处理,可以避免模型混淆问题。此外,由于传输第一算法的标识所需比特的数量较少,从而可以节约传输资源。
作为一种可能的实施方式,该第一指示信息为1比特的信息,该方法还可以包括:
接收来自该第一设备的第二数据包,该第二数据包包括第二指示信息和第四数据;
在该第一指示信息的值和该第二指示信息的值相同的情况下,使用该第四算法对该第四数据进行处理;
在该第一指示信息的值和该第二指示信息的值不同的情况下,使用第五算法对该第四数据进行处理,该第五算法为第二算法对应的协同算法,该第二算法与该第一算法不同,该第四算法与该第五算法不同。
本发明实施例中,第一指示信息为1比特的信息,第二设备可以接收到来自第一设备的第二数据包,第二数据包包括第二指示信息和第四数据。之后,第二设备可以先判断第一指示信息的值和第二指示信息的值是否相同,在判断出第一指示信息的值和第二指示信息的值相同的情况下,表明第四数据是通过老算法(第一算法)得到的,第二设备可以使用第四算法(即第一算法对应的协同算法)对第四数据进行处理;在判断出第一指示信息的值和第二指示信息的值不同的情况下,表明第四数据是通过新算法(第二算法)得到的,第二设备可以使用第五算法(即第二算法对应的协同算法)对第四数据进行处理。可见,第二设备通过判断第一指示信息的值和第二指示信息的值是否相同,可以知道第四数据是通过新算法得到的,还是通过老算法得到的,从而可以采用正确的协同算法对第四数据进行处理,进而可以避免模型混淆问题。
作为一种可能的实施方式,该方法还可以包括:
接收来自该第一设备的控制信令,该控制信令包括结束标记和第一序列号。
本发明实施例中,第二设备可以接收来自第一设备的控制信令,该控制信令可以包括结束标记和第一序列号。第一序列号用于指示序列号在第一序列号之前的数据包中携带的数据是通过老算法(第一算法)得到的,序列号在第一序列号之后的数据包中携带的数据是通过新算法(第三算法)得到的,因此,第二设备可以通过第一序列号判断数据包包括的数据是通过新算法得到的,还是通过老算法得到的,从而可以避免算法混淆问题。
作为一种可能的实施方式,在该接收来自该第一设备的控制信令之后,该方法还可以包括:
接收来自该第一设备的第三数据包,该第三数据包包括第三指示信息和第六数据,该第三指示信息为该第三数据包的序列号;
在该第三数据包的序列号在该第一序列号之前的情况下,使用该第四算法对该第六数据进行处理;
在该第三数据包的序列号在该第一序列号之后的情况下,使用第六算法对该第六数据进行处理,该第六算法为第三算法对应的协同算法,该第三算法与该第一算法不同,该第六算法与该第四算法不同。
本发明实施例中,第二设备在接收到来自该第一设备的控制信令之后,还可以接收到第三数据包,第三数据包包括第三指示信息和第六数据,第三指示信息为第三数据包的序列号。之后,第二设备可以先判断第三数据包的序列号在第一序列号之后,还是在第一序列号之前,在判断出第三数据包的序列号在第一序列号之前的情况下,表明第六数据是通过老算法(第一算法)得到的,第二设备可以使用第四算法对第六数据进行处理;在判断出第三数据包的序列号在第一序列号之后的情况下,表明第六数据是通过新算法(第三算法)得到的,第二设备可以使用第六算法(即第三算法对应的协同算法)对第六数据进行处理。可见,第二设备通过判断第三数据包的序列号在第一序列号之后,还是在第一序列号之前,可以知道第六数据是通过新算法得到的,还是通过老算法得到的,从而可以采用正确的协同算法对第六数据进行处理,进而可以避免模型混淆问题。
作为一种可能的实施方式,该方法还可以包括:
向该第一设备发送第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分。
本发明实施例中,第二设备可以向第一设备发送第四指示信息,通过第四信息指示第一设备切换算法,因此,第二设备可以知道第一设备算法切换的大致时间以及切换前后使用的具体算法,从而第一设备可以在一段时间内进行对应的处理,以便可以解决算法混淆问题。
第七方面公开一种通信装置,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。该通信装置可以包括:
确定单元,用于确定满足第一事件;
获取单元,用于获取该第一事件对应的第一算法,该第一算法为第一模型或该第一模型的部分;
启用单元,用于启用该第一算法。
作为一种可能的实施方式,该装置还可以包括:
接收单元,用于接收来自第二设备的配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括该第一事件。
作为一种可能的实施方式,该装置还可以包括:
发送单元,用于向该第二设备发送指示信息,该指示信息用于指示该第一算法。
作为一种可能的实施方式,该指示信息为该第一算法的标识或该第一事件的标识。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
第八方面公开一种通信装置,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。该通信装置可以包括:
确定单元,用于确定配置信息;
发送单元,用于向第一设备发送该配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括第一事件,该第一事件对应第一算法,该第一算法为第一模型或该第一模型的部分。
作为一种可能的实施方式,该装置还可以包括:
接收单元,用于接收来自该第一设备的指示信息,该指示信息用于指示该第一算法。
作为一种可能的实施方式,该指示信息为该第一算法的标识或该第一事件的标识。
作为一种可能的实施方式,该确定单元,还用于根据该指示信息确定第二算法,该第二算法为该第一算法对应的协同算法;
该装置还可以包括:
启用单元,用于启用该第二算法。
作为一种可能的实施方式,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
第九方面公开一种通信装置,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。该通信装置可以包括:
接收单元,用于接收来自第二设备的第一指示信息,该第一指示信息用于指示第一算法,该第一算法为第一模型或该第一模型的部分;
启用单元,用于启用该第一算法。
作为一种可能的实施方式,该接收单元,还用于接收来自该第二设备的配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
作为一种可能的实施方式,该装置还可以包括:
发送单元,用于向该第二设备发送第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件。
作为一种可能的实施方式,该发送单元,还用于向该第二设备发送第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
作为一种可能的实施方式,该第二指示信息包括该第一事件的标识。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
作为一种可能的实施方式,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
第十方面公开一种通信装置,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。该通信装置可以包括:
确定单元,用于确定第一算法,该第一算法为第一模型或该第一模型的部分;
发送单元,用于向第一设备发送第一指示信息,该第一指示信息用于指示该第一算法。
作为一种可能的实施方式,该发送单元,还用于向该第一设备发送配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
作为一种可能的实施方式,该装置还可以包括:
接收单元,用于接收来自该第一设备的第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件;
该确定单元,具体用于根据该第二指示信息确定该第一算法。
作为一种可能的实施方式,该接收单元,还用于接收来自该第一设备的第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
作为一种可能的实施方式,该第二指示信息包括该第一事件的标识。
作为一种可能的实施方式,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于该第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
作为一种可能的实施方式,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
第十一方面公开一种通信装置,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。该通信装置可以包括:
处理单元,用于使用第一算法对第一数据进行处理,得到第二数据,该第一算法为第一模型或该第一模型的第一部分;
发送单元,用于向第二设备发送第一数据包,该第一数据包包括用于指示该第一算法的第一指示信息和该第二数据。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
作为一种可能的实施方式,该第一指示信息为1比特的信息,该处理单元,还用于使用第二算法对第三数据进行处理,得到第四数据,该第二算法与该第一算法不同;
该发送单元,还用于向该第二设备发送第二数据包,该第二数据包包括第二指示信息和该第四数据,该第二指示信息的值与该第一指示信息的值不同。
作为一种可能的实施方式,该发送单元,还用于向该第二设备发送控制信令,该控制信令包括结束标记和第一序列号。
作为一种可能的实施方式,在该向该第二设备发送控制信令之后,该处理单元,还用于使用第三算法对第五数据进行处理,得到第六数据,该第三算法与该第一算法不同;
该发送单元,还用于向该第二设备发送第三数据包,该第三数据包包括第三指示信息和该第六数据,该第三指示信息为该第三数据包的序列号。
作为一种可能的实施方式,该装置还可以包括:
接收单元,用于接收来自该第二设备的第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分;
启用单元,用于启用该第二算法或该第三算法。
第十二方面公开一种通信装置,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。该通信装置可以包括:
接收单元,用于接收来自第一设备第一数据包,该第一数据包包括用于指示第一算法的第一指示信息和第二数据,该第一算法为第一模型或该第一模型的第一部分;
处理单元,用于使用第四算法对该第二数据进行处理,该第四算法为该第一算法对应的协同算法。
作为一种可能的实施方式,该第一指示信息包括该第一算法的标识。
作为一种可能的实施方式,该第一指示信息为1比特的信息,该接收单元,还用于接收来自该第一设备的第二数据包,该第二数据包包括第二指示信息和第四数据;
在该第一指示信息的值和该第二指示信息的值相同的情况下,该处理单元,还用于使用该第四算法对该第四数据进行处理;
在该第一指示信息的值和该第二指示信息的值不同的情况下,该处理单元,还用于使用第五算法对该第四数据进行处理,该第五算法为第二算法对应的协同算法,该第二算法与该第一算法不同,该第四算法与该第五算法不同。
作为一种可能的实施方式,该接收单元,还用于接收来自该第一设备的控制信令,该控制信令包括结束标记和第一序列号。
作为一种可能的实施方式,在该接收来自该第一设备的控制信令之后,该接收单元,还用于接收来自该第一设备的第三数据包,该第三数据包包括第三指示信息和第六数据,该第三指示信息为该第三数据包的序列号;
在该第三数据包的序列号在该第一序列号之前的情况下,该处理单元,还用于使用该第四算法对该第六数据进行处理;
在该第三数据包的序列号在该第一序列号之后的情况下,该处理单元,还用于使用第六算法对该第六数据进行处理,该第六算法为第三算法对应的协同算法,该第三算法与该第一算法不同,该第六算法与该第四算法不同。
作为一种可能的实施方式,该装置还可以包括:
发送单元,用于向该第一设备发送第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分。
第十三方面公开一种通信装置,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第一方面或第一方面的任一实施方式公开的通信方法。
第十四方面公开一种通信装置,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第二方面或第二方面的任一实施方式公开的通信方法。
第十五方面公开一种通信装置,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第三方面或第三方面的任一实施方式公开的通信方法。
第十六方面公开一种通信装置,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第四方面或第四方面的任一实施方式公开的通信方法。
第十七方面公开一种通信装置,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第五方面或第五方面的任一实施方式公开的通信方法。
第十八方面公开一种通信装置,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片)。该通信装置可以包括处理器、存储器和收发器,该收发器用于接收来自该通信装置之外的其它通信装置的信息,以及向该通信装置之外的其它通信装置输出信息,当该处理器执行该存储器存储的计算机程序时,使得该处理器执行第六方面或第六方面的任一实施方式公开的通信方法。
第十九方面公开一种通信系统,该通信系统包括第十三方面的通信装置和第十四方面的通信装置,或者该通信系统包括第十五方面的通信装置和第十六方面的通信装置,或者该通信系统包括第十七方面的通信装置和第十八方面的通信装置。
第二十方面公开一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序或计算机指令,当该计算机程序或计算机指令运行时,实现如上述各方面公开的通信方法。
第二十一方面公开一种芯片,包括处理器,用于执行存储器中存储的程序,当程序被执行时,使得芯片执行上面的方法。
作为一种可能的实施方式,存储器位于芯片之外。
第二十二方面公开一种计算机程序产品,该计算机程序产品包括计算机程序代码,当该计算机程序代码被运行时,使得上述通信方法被执行。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例公开的一种网络架构示意图;
图2是本发明实施例公开的另一种网络架构示意图;
图3是本发明实施例公开的一种协议栈示意图;
图4是本发明实施例公开的一种单点AI和云AI的示意图;
图5是本发明实施例公开的一种通信网络内生支持AI的示意图;
图6是本发明实施例公开的一种终端设备侧和网络侧涉及AI任务的协议层的示意图;
图7是本发明实施例公开的一种AI推理任务的示意图;
图8是本发明实施例公开的三种RAN架构的示意图;
图9是本发明实施例公开的一种通信方法的流程示意图;
图10是本发明实施例公开的一种算法协同的示意图;
图11是本发明实施例公开的另一种算法协同的示意图;
图12是本发明实施例公开的一种算法(神经网络模型)的标识的示意图;
图13是本发明实施例公开的一种算法的配置和使用的场景示意图;
图14是本发明实施例公开的另一种通信方法的流程示意图;
图15是本发明实施例公开的一种算法配置的示意图;
图16是本发明实施例公开的另一种算法配置的示意图;
图17是本发明实施例公开的一种第一设备发送算法建议信息的示意图;
图18是本发明实施例公开的另一种算法的配置和使用的场景示意图;
图19是本发明实施例公开的一种算法混淆的场景示意图;
图20是本发明实施例公开的另一种算法混淆的场景示意图;
图21是本发明实施例公开的又一种通信方法的流程示意图;
图22是本发明实施例公开的一种1比特的指示信息翻转的示意图;
图23是本发明实施例公开的一种针对算法混淆问题的解决方案的示意图;
图24是本发明实施例公开的另一种针对算法混淆问题的解决方案的示意图;
图25是本发明实施例公开的又一种针对算法混淆问题的解决方案的示意图;
图26是本发明实施例公开的一种通信装置的结构示意图;
图27是本发明实施例公开的另一种通信装置的结构示意图;
图28是本发明实施例公开的又一种通信装置的结构示意图;
图29是本发明实施例公开的又一种通信装置的结构示意图;
图30是本发明实施例公开的又一种通信装置的结构示意图;
图31是本发明实施例公开的又一种通信装置的结构示意图;
图32是本发明实施例公开的又一种通信装置的结构示意图;
图33是本发明实施例公开的又一种通信装置的结构示意图;
图34是本发明实施例公开的一种通信系统的结构示意图。
具体实施方式
本发明实施例公开了一种通信方法、装置及计算机可读存储介质,用于降低算法的切换时延。下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或者特性可以包含在本实施例申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是相同的实施例,也不是与其它实施例互斥的独立的或是备选的实施例。本领域技术人员可以显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。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。
本申请的说明书和权利要求书及所述附图中术语“第一”、“第二”、“第三”等是区别于不同的对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元,或者可选地,还包括没有列出的步骤或单元,或者可选地还包括这些过程、方法、产品或设备固有的其它步骤或单元。
附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前,应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在本说明书中使用的术语“部件”、“模块”、“系统”、“单元”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件或执行中的软件。例如,单元可以是但不限于在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或分布在两个或多个计算机之间。此外,这些单元可从在上面存储有各种数据结构的各种计算机可读介质执行。单元可例如根据具有一个或多个数据分组(例如来自与本地系统、分布式系统和/或网络间的另一单元交互的第二单元数据。例如,通过信号与其它系统交互的互联网)的信号通过本地和/或远程进程来通信。
为了更好地理解本发明实施例,下面先对本发明实施例使用的网络架构进行描述。
请参阅图1,图1是本发明实施例公开的一种网络架构示意图。如图1所示,该网络架构可以包括第一设备和第二设备。第一设备可以包括一个或多个第一设备(图1中示意出了一个),第二设备可以包括一个或多个第二设备(图1中示意出了一个)。
第一设备与第二设备之间可以进行通信,通信方式可以为无线通信,也可以为有线通信。
其中,第一设备可以为终端设备,第二设备可以为接入网设备。
在接入网设备采用集中单元(centralized unit,CU)和分布式单元(distributedunit,DU)分离架构部署的情况下,第一设备可以为终端设备,第二设备可以为CU对应的实体设备,也可以为DU对应的实体设备;或者,第一设备可以为DU对应的实体设备,第二设备可以为CU对应的实体设备。
在接入网设备采用集中单元-控制面(centralized unit-control plane,CU-CP)和集中单元-用户面(centralized unit-user plane,CU-UP)和分布式单元(distributedunit,DU)分离架构部署的情况下,第一设备可以为终端设备,第二设备可以为CU-CP对应的实体设备,也可以为CU-UP对应的实体设备,还可以为DU对应的实体设备;或者,第一设备可以为DU对应的实体设备,第二设备可以为CU-CP对应的实体设备,也可以为CU-UP对应的实体设备;或者,第一设备可以为CU-UP对应的实体设备,第二设备可以为CU-CP对应的实体设备。
应理解,上述关于第一设备和第二设备的描述,只是示例性说明,并不对其构成限定。例如,第一设备和第二设备还可以为两个不同的接入网设备。再例如,第一设备可以为接入网设备,第二设备可以为核心网设备,如用户面功能(user plane function,UPF)网元、接入和移动管理功能(access and mobitliy function,AMF)网元,或者其它核心网元。再例如,第一设备和第二设备可以为两个不同的终端设备,在此不再一一列举。
需要说明的是,本发明实施例中所有网元的名称仅仅作为示例,在未来通信中,如第六代移动通信技术(6th generation mobile networks,6G)中,还可以称为其它名称,或者在未来通信中,如6G中,本发明实施例涉及的网元还可以通过其它具有相同功能的实体或者设备等来替代,本发明实施例对此均不作限定。
其中,接入网设备之间可以通过光纤接口进行通信,也可以通过Xn接口进行通信。接入网设备与终端设备之间可以通过空口(即空中接口,如Uu口)进行通信。接入网设备和核心网设备之间可以通过NG接口进行通信,如接入网设备和AMF网元之间可以通过N2接口进行通信,接入网设备和UPF网元之间可以通过N3接口进行通信。核心网设备之间也可以通过NG接口进行通信,如UPF网元与会话管理功能(session management function,SMF)网元之间可以通过N4接口进行通信,UPF网元之间可以通过N9接口进行通信。同时,核心网设备还可以提供服务化接口(Restful接口),如AMF网元可以提供服务化接口Namf,SMF网元可以提供服务化接口Nsmf。DU与CU之间可以通过F1接口进行通信。其中,DU与CU-CP之间的接口又称为F1-C接口,DU与CU-UP之间的接口又称为F1-U接口。CU-CP之间可以通过E1接口进行通信。
应理解,上述针对接入网设备、核心网设备、终端设备、CU、DU以及CU-CP的相关接口描述只是示例性说明,在未来通信中,如6G中,相关接口的名称还可以称为其它名称,本发明实施例对此不作限定。
终端设备与接入网设备之间的通信可以包括上行通信(即终端设备到接入网设备的通信)和下行通信(即接入网设备到终端设备的通信)。在上行通信中,终端设备用于向接入网设备发送上行信号;接入网设备用于接收来自终端设备的上行信号。在下行通信中,接入网设备用于向终端设备发送下行信号;终端设备用于接收来自接入网设备的下行信号。上行通信对应的链路为上行链路,下行通信对应的链路为下行链路。
需要说明的是,图1所示的网络架构中不限于仅包括图中所示的第一设备和第二设备。应理解,图1所示的网络架构只是示例性说明,并不对其构成限定。
请参阅图2,图2是本发明实施例公开的另一种网络架构示意图。如图2所示,该网络架构可以包括终端设备、接入网设备、核心网设备以及外部网络。终端设备可以包括一个或多个终端设备(图2中示意出了一个),接入网设备可以包括一个或多个接入网设备(图2中示意出了一个),核心网设备可以包括一个或多个核心网设备(图2中示意出了一个)。
其中,终端设备和接入网设备之间可以进行通信,接入网设备和核心网设备之间可以进行通信,核心网设备与外部网络之间可以进行通信。相应地,第一设备和第二设备可以为终端设备、或者接入网设备、或者核心网设备,具体地可以参考上述相关描述,在此不再赘述。
需要说明的是,图2所示的网络架构中不限于仅包括图中所示的终端设备、接入网设备、核心网设备以及外部网络。应理解,图2所示的网络架构只是示例性说明,并不对其构成限定。
终端设备,又可以称之为用户设备(user equipment,UE)、移动台(mobilestation,MS)、移动终端(mobile terminal,MT)等,是一种向用户提供语音和/或数据连通性的设备。终端设备可以为手持终端、笔记本电脑、用户单元(subscriber unit)、蜂窝电话(cellular phone)、智能电话(smart phone)、无线数据卡、个人数字助理(personaldigital assistant,PDA)电脑、平板型电脑、无线调制解调器(modem)、手持设备(handheld)、膝上型电脑(laptop computer)、无绳电话(cordless phone)或者无线本地环路(wireless local loop,WLL)台、机器类型通信(machine type communication,MTC)终端,可穿戴设备(如智能手表、智能手环、计步器等),车载设备(如汽车、自行车、电动车、飞机、船舶、火车、高铁等)、虚拟现实(virtual reality,VR)设备、增强现实(augmentedreality,AR)设备、工业控制(industrial control)中的无线终端、智能家居设备(如冰箱、电视、空调、电表等)、智能机器人、车间设备、无人驾驶(self driving)中的无线终端、远程手术(remote medical surgery)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,或智慧家庭(smart home)中的无线终端、飞行设备(如智能机器人、热气球、无人机、飞机等)或其他可以接入网络的设备。
接入网设备可以包括无线接入网设备,无线接入网设备是部署在无线接入网中为终端设备提供无线通信功能的装置。其中,无线接入网(radio access network,RAN)设备可以包括各种形式的基站(base station,BS)。例如,宏基站、微基站(也称为小站)、中继站、接入点等。在采用不同的无线接入技术的系统中,无线接入网设备的名称可能会有所不同。例如,全球移动通信系统(global system for mobile communication,GSM)或码分多址(code division multiple access,CDMA)网络中的基站收发信台(base transceiverstation,BTS),宽带码分多址(wideband code division multiple access,WCDMA)中的NB(NodeB),长期演进(long term evolution,LTE)中的eNB或eNodeB(evolutional NodeB),新无线电(new radio,NR)中的gNB。无线接入网设备还可以是云无线接入网络(cloudradio access network,CRAN)场景下的无线控制器。无线接入网设备还可以是未来网络(如第六代移动通信技术(6th generation mobile communication technology,6G)等)中的基站设备或者未来演进的公共陆地移动网(public land mobile network,PLMN)网络中的无线接入网设备。无线接入网设备还可以是可穿戴设备或车载设备。无线接入网设备还可以是传输接收节点(transmission and reception point,TRP)。
接入网设备主要负责空中接口相关的功能,如无线链路维护功能(负责保持与终端间的无线链路,同时负责无线链路数据和网际互连协议(internet protocol,IP)数据之间的协议转换)、无线资源管理功能(负责无线链路的建立和释放、无线资源的调度和分配等)、部分移动性管理功能(包括配置终端进行测量、评估终端无线链路质量、决策终端在小区间的切换等)。
核心网设备是部署在核心网中为终端设备以及接入网设备提供各种功能以及服务的装置,核心网设备也可以称作核心网元。核心网设备主要负责终端设备的移动管理,会话管理以及数据传输等核心功能。核心网设备主要帮助实现核心网的各种功能。核心网是移动通信网络的核心部分,起着承上启下的作用。
核心网的功能主要是提供用户连接、进行用户的管理以及承载各种业务,作为承载网络提供到外部网络的接口。用户连接方面主要包括移动性管理(mobilitymanagement,MM)、呼叫管理(calling management,CM)、交换/路由、录音通知(结合智能网业务完成到智能网外围设备的连接关系)等功能。用户管理方面主要包括用户的描述、服务质量(quality of service,Qos)(包括对用户业务Qos的描述)、用户通信记录(accounting)、虚拟家庭环境(virtual home environment,VHE)(为智能网平台的对话提供虚拟居家环境)、安全性(由鉴权中心提供相应的安全性措施,包含了对移动业务的安全性管理和对外部网络访问的安全性处理)等方面的管理。承载连接(access to)方面包括到外部的公共交互电话网(public switched telephone network,PSTN)、外部电路数据网和分组数据网、因特网(internet)和企业内部网(intranets)、以及短信息服务(shortmessage service,SMS)服务器等。核心网可以提供的基本业务包括移动办公、电子商务、通信、娱乐性业务、旅行和基于位置的服务、遥感业务(telemetry)、简单消息传递业务(监视控制)等。
需要说明的是,本发明实施例可以适用于同构网络,也可以适用于异构网络。同时,本发明实施例可以适用于4G通信系统,也可以适用于5G通信系统,还可以适用于6G通信系统,还可以适用于卫星通信系统,还可以适用于车联网系统、物联网系统、工业互联网系统等系统,还可以适用于未来演进的通信系统,在此不作限定。
为了更好地理解本发明实施例,下面先对本发明实施例的相关技术进行描述。
人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。目前,人工智能技术已经较为成熟,在图像识别、自认语言处理、自动驾驶、智能物联网、智慧物流、城市大脑等领域都有相关的应用,且取得了不错的成果。
在过去的几十年中,无线通信系统经历了从第一代模拟通信到第五代移动通信技术(5th generation mobile communication technology,5G)新无线电(new radio,NR)的技术演变。目前,第六代移动通信技术(6th generation mobile communicationtechnology,6G)网络的研究也开始进行。
相较于4G通信系统,5G通信系统可以支持更多新型业务,其中主要包括增强移动宽带(enhanced mobile broadband,eMBB)业务,超可靠低时延通信(ultra reliable andlow latency communication,URLLC)业务,机器型通信(machine-type communication,MTC)业务,MTC也可以称为M2M,增强现实(augmented reality,AR)业务,虚拟现实(virtualreality,VR)业务,车联网(vehicle to everything,V2X)业务等。
eMBB业务主要包括超高清视频等大流量移动宽带业务,其相对于用户来讲,直观的感受就是网速的大幅提升,观看4K高清视频不会存在卡顿现象。URLLC主要特点是高可靠、低时延、极高的可用性。主要用于支持无人驾驶、工业自动化等需要低时延、高可靠连接的业务。MTC主要特点是低成本,覆盖增强。主要用于支持大规模物联网业务。V2X则是未来智能交通运输系统的关键技术。它使得车与车、车与接入网设备、接入网设备与接入网设备之间能够通信,从而可以获得实时路况信息、行人信息等一系列交通信息,之后,可以通过上述信息优化红绿灯的持续时间等,进而可以提高驾驶安全性、减少道路拥堵、提高交通效率。
由于5G需要支持eMBB、URLLC、MTC等业务,因此,5G通信系统的核心网架构以及接入网架构相较于第四代移动通信技术(4th generation mobile communicationtechnology,4G)有较多的不同,重新优化了网络的整体架构,使得整体网络架构更加灵活。此外,5G通信系统中采用的编码调制方式、传输技术、多址接入技术等相较于4G也有部分的不同,如5G中采用了极化码(polar code)、非正交多址接入(non-orthgonal multipleaccess,NOMA)、更大规模的天线阵列等技术。
5G核心网在演进分组核心网(evolved packet core,EPC)的基础上主要有3个新的增强的方面,包括以服务为基础的架构,支持网络切片,控制面和用户面分离。同时,5G核心网相比于4G核心网再次向分离式的架构演进。一是网络功能的分离,吸收了网络功能虚拟化(network functions virtualization,NVF)云原生的设计思想,以软件化、模块化、服务化的方式来构建5G网络。二是控制面和用户面的分离,让用户面功能摆脱“中心化”的约束,使其既可灵活部署于核心网,也可部署于接入网。
请参见图3,图3是本发明实施例公开的一种协议栈示意图。如图3所示,终端设备可以包括控制面(control plane)协议栈和用户面(user plane)协议栈,接入网设备也可以包括控制面协议栈和用户面协议栈。其中,用户面可以包括物理层(physical layer,PHY),媒体接入管理(medium access control,MAC)层,无线链路管理(radio linkcontrol,RLC)层,分组数据汇聚协议(packet data convergence protocol,PDCP)层,以及业务数据适配协议(service data adaptation protocol,SDAP)层。控制面可以包括PHY,MAC层,RLC层,PDCP层,以及无线资源控制(radio resource control,RRC)层。终端设备和接入网设备对等的各个层之间可以相互连接,进行信息的传递。
同时,随着人工智能(artificial intelligence,AI)技术的日益成熟,AI算法在各个领域都展现出了强大的性能。目前,通信领域也有AI技术的研究与应用,例如,通过AI算法可以辅助网络设备(即接入网设备或核心网设备)进行无线资源管理(radio resourcemanagement,RRM)、网络故障监测、网络安全防护等,从而可以提高通信系统的性能,但现有标准协议中没有支持AI的相关流程和功能。
因此,在实现上,目前可以在接入网设备侧或终端设备侧集成部分AI功能,实现单点AI。例如,针对基站侧无线资源管理(radio resource management,RRM)算法,可以通过一个AI算法来替代传统的切换算法,提高切换的效率。再例如,接入网设备可以内置一个流量预测AI算法,通过该算法预测未来各个时间段的用户流量,从而可以辅助基站进行休眠,降低基站的能耗。再例如,针对终端设备,终端设备可以内置一个网络质量预测算法,预测在未来一个时间段的网络质量,从而可以在网络质量变差之前,提前缓存数据,从而可以解决视频播放卡顿、用户页面加载失败等问题。可见,这种方式对于通信系统(网络)而言是无感知的,不需要标准化即可实现,通信运营商或者手机制造商等可以在设备内部增加相应的AI模块等实现。
除此之外,如果在多个设备需要进行协作AI任务(即需要多个网络节点共同完成的AI任务)时,目前,只能通过集中式AI/云AI的方式实现(如集中服务器的方式)。例如,在多个设备(如一个或多个终端设备以及一个或多个接入网设备等)可以都部署有AI算法,并且其多个AI算法的输出数据需要作为另一个AI算法的输入数据,此时,由于标准协议中没有支持AI的相关流程和功能,该多个设备只能将算法的输出数据上传到一个统一的服务器,之后由该服务器来进行集中的协作AI训练或推理等。在这个过程中,通信网络仅作为纯管道(即一个传输数据的通道),也即是通信网络只负责传输这些数据到服务器,并不知道传输的数据是什么,也可以理解为通信网络对设备之间的协作AI任务是无感知的。并且,在云AI的方式下,由于需要上传大量数据到该服务器,会消耗较多传输资源,同时存在时延大、安全(数据泄露)、以及协作速度慢(无法适应网络环境的快速变化)等问题。
请参见图4,图4是本发明实施例公开的一种单点AI和云AI的示意图。如图4所示,目前,在单点AI的情况下,通信运营商或者手机制造商等可以在设备内部增加相应的AI模块。例如,接入网设备1可以内置一个AI算法,利用AI算法可以优化接入网设备控制策略、保障网络性能、提高网络可靠性、提升用户体验等。再例如,终端设备2也可以内置一个AI算法,利用AI算法可以优化切换控制策略、提高网络可靠性、提升用户体验等。在云AI的情况下,接入网设备1、接入网设备2、终端设备1、终端设备2可以都内置一个AI算法,之后需要上传各自的AI算法的输出到云(服务器)上,然后通过云上面的AI环境进行集中的协作AI训练或推理等。
可见,目前通信网络(3GPP网络)对AI方面的支持较弱,无法提供完整的AI环境(算力+算法+数据),以及无法内生/原生支持多点协作,仅能通过集中服务器等方式实现。
之后,随着AI与通信网络的融合加深,通信网络可以内生/原生支持AI,也即是通信网络中可以提供完整的AI环境(算力+算法+数据),以及可以内生/原生支持多点协作,如终端设备与接入网设备之间的协作、接入网设备与接入网设备之间的协作等。其中,为了使通信网络内生支持AI,可以将集中服务器(云/云服务器)上的数据/算法/算力等下移至通信网络内,从而可以使通信网络具备完整的AI环境。
请参见图5,图5是本发明实施例公开的一种通信网络内生支持AI的示意图。如图5所示,云上的数据/算法/算力等可以下移至通信网络内,使整个通信网络具备完整的AI环境。在内生AI的情况下,接入网设备可以为终端设备配置AI算法,并且接入网设备可以和终端设备之间直接进行协作,不需要通过上述云AI的方式。例如,接入网设备1可以为终端设备1配置一个AI算法,之后,终端设备1可以使用该AI算法得到输出数据,之后,终端设备1可以将该输出数据发送给接入网设备1,接入网设备1可以通过另一个AI算法继续处理该输出数据,然后可以得到输出结果,并且应用输出结果。再例如,接入网设备1可以为接入网设备2配置一个AI算法,之后,接入网设备1和接入网设备2之间可以执行协同任务。同理,接入网设备1、终端设备1以及接入网设备2之间也可以执行协同任务,如使用AI算法进行更加智能的小区切换,在此不再一一列举。
应理解,在通信网络内生支持AI的情况下,通信网络对网络中的AI任务(即AI模型训练任务、AI模型推理任务等任务)是有感知的,也即是通信网络中的网元可以知道当前存在以及正在执行的AI任务,此时,通信网络不再仅仅作为一个传输管道。并且,在通信网络内生支持AI,以及通信网络具备完整的AI环境时,可以通过现有的核心网功能网元(如AMF网元、会话管理功能(session management function,SMF)网元等)管理AI环境,例如可以进行AI计算资源的管理、AI算法的训练管理、AI算法的使用管理等,或者可以新增核心网功能网元来管理AI环境。同时,接入网设备作为通信网络的一部分,也可以对一部分AI功能进行管理,如为终端设备配置AI算法等。
应理解,图4所示的单点AI和云AI以及图5所示的内生AI只是示例性说明,并不对其构成限定。
当通信网络内具有完整的AI环境之后,主要可以包括两方面的应用:第一方面为AI4NET,即将AI技术用于通信网络中,辅助网络进行优化等;第二方面为NET4AI,即将通信网络中的AI环境对外开放给第三方(如个人用户或企业)进行访问。
针对AI4NET场景,主要是通过AI算法对通信系统进行优化,如通过AI算法可以优化接入网设备的控制策略,或者通过AI算法更加快速精准的进行网络故障的定位,提高网络可靠性、增强网络的健壮性,或者通过AI算法更加实时精准的检测网络攻击,保障用户数据的安全等。具体地,针对通信系统,可以使用AI算法来替代一些传统的RRM算法和无线传输技术(radio transmission technology,RTT)算法,或者使用AI算法对一些传统的RRM算法和RTT算法进行优化,提高算法的性能。因此,所有的RRM和RTT算法执行点都可能执行AI任务。
请参见图6,图6是本发明实施例公开的一种终端设备侧和网络侧涉及AI任务的协议层的示意图。如图6所示,针对终端设备以及网络侧的控制面,RTT主要应用于PHY层,RRM主要应用于MAC和RRC层,相应地,RRC层、MAC层以及PHY层可以是RRM和RTT算法执行点。因此,针对终端设备的控制面,在RRC层、MAC层以及PHY层可以存在AI任务,例如,通过AI算法等可以对RRC层、MAC层以及PHY层进行优化,提高各层的效率以及性能。针对网络侧(即接入网设备以及核心网设备侧)的控制面,在RRC层、MAC层以及PHY层也可以存在AI任务,相应地,也可以通过AI算法等提高各层的效率以及性能。针对终端设备以及网络侧的用户面,MAC层以及PHY层可以是RRM和RTT算法执行点。因此,针对终端设备以及网络侧的用户面,在MAC层以及PHY层可以存在AI任务,可以通过AI算法等提高MAC层以及PHY层的效率。
应理解,上述RRM和RTT算法执行点的相关AI任务只是示例性说明,并不对其构成限定。例如,在通信系统中还可以存在其它AI任务,如流量预测任务(即使用流量预测AI算法,辅助接入网设备的休眠)、网络安全监测任务(即使用AI算法实时监测通信网络中的异常行为,实时发现网络攻击等)等。图6所示的AI任务的执行点只是示例性说明,并不对其构成限定。
针对NET4AI场景,主要是将通信网络中完整的AI环境提供给第三方进行使用,辅助第三方执行相关的AI任务,也即是可以为第三方提供AI训练的功能(包括AI训练需要的计算资源等),或者为第三方提供训练好的AI算法等。例如,第三方用户可以利用通信系统中的AI算法(如计算机视觉AI算法)进行图片的识别,或进行AI模型的训练,以便可以获得期望的AI模型,或利用感知功能进行环境信息的获取。在NET4AI场景下,AI任务可以由第三方或用户触发,可以利用通信网络中的任务资源(如计算资源)或特殊节点(如接入网设备等)参与任务的执行、从而满足第三方或用户的需求。
通信系统中的AI任务主要可以包括AI推理任务、AI训练任务、计算任务、感知任务等,根据执行主体的不同,或涉及的网元(节点)的不同,可以分为单侧(点)任务、两点协作任务、多点协作任务。单侧任务,也即是可以在终端设备侧单独执行的任务,也可以在接入网设备,或CU,或DU,或CU-CP,或CU-UP等节点上单独执行的任务。两点协作任务,也即是两个节点(网元)之间的协作任务,这两个节点可以是终端设备和接入网设备,也可以是终端设备和DU等。多点协作,也即是多个节点之间的协作任务,多个节点可以是一个接入网设备和多个终端设备,也可以是DU和多个终端设备等,在此不再一一列举。
请参见图7,图7是本发明实施例公开的一种AI推理任务的示意图。如图7所示,AI推理任务可以包括单侧(点)推理任务、两点协作推理任务以及多点协作推理任务。单侧推理任务可以是在终端设备或接入网设备直接执行的AI任务,如终端设备或接入网设备直接使用AI算法得到输出结果(即输出1),也可以是终端设备向接入网设备发送请求,之后,接入网设备再执行的AI任务,如终端设备先向接入网设备发送请求,之后,接入网设备可以使用AI算法得到输出结果,并将输出结果发送给终端设备。单点推理任务的工作机理与接入和自适应调制和编码(adapative modulation and coding,AMC)算法等类似。
两点协作推理任务可以是终端设备与接入网设备协作执行的AI任务,如终端设备可以先使用一个AI算法得到输出1,然后终端设备可以将输出1发送给接入网设备,接入网设备再使用另一个AI算法对输出1进行处理,得到输出2,之后,接入网设备可以将输出2发送给终端设备,以便其进行应用。两点协作推理任务的工作机理与非均匀星座图技术等类似。
多点协作推理任务可以是多个终端设备与一个接入网设备协作执行的AI任务,如可以包括三个终端设备,该三个终端设备可以分别使用AI算法得到输出1、输出2以及输出3,以及可以将输出1、输出2、输出3发送给接入网设备,接入网设备可以通过另外的AI算法对输出1、输出2、输出3进行处理,得到输出4,以及应用输出4。多点协作推理任务的工作机理与协同多点传输(coordinated multiple points,COMP)技术、多输入多输出(multipleinput multiple output,MIMO)技术等类似。
应理解,其它AI任务,如AI推理类任务,如AI学习任务、AI计算任务、AI感知任务等的工作机理与AI推理任务类似,可以参考上述相关描述,在此不再赘述。并还应理解,图7所示的AI推理任务的工作机理只是示例性说明,并不对其构成限定。
在不同的网络架构下,执行AI任务的节点可以不同。以5G网络为例,针对不同的RAN架构(xNB,CU/DU分离架构,CU-CP/CU-UP分离架构),在执行计算任务、AI训练任务、AI推理任务、感知任务时的执行参与节点可以存在多种情况。
请参见图8,图8是本发明实施例公开的三种RAN架构的示意图。如图8所示,在可选的第一种架构下(option 1,Opt1),即xNB(如gNB)架构下,可以存在xNB单点任务、UE单点任务、xNB和UE之间的协同任务。在可选的第二种架构下(option 2,Opt2),即CU/DU分离架构下,可以存在CU单点任务、DU单点任务、UE单点任务、CU和DU之间的协同任务、DU和UE之间的协同任务、CU和UE之间的协同任务。在可选的第三种架构下(option 3,Opt3),即CU-CP/CU-UP分离架构下,可以存在CU-CP单点任务、DU单点任务、UE单点任务、CU-CP和DU之间的协同任务、DU和UE之间的协同任务、CU-CP和UE之间的协同任务、CU-UP单点任务、CU-UP和DU之间的协同任务、CU-UP和UE之间的协同任务、CU-CP和CU-UP之间的协同任务。
应理解,图8所示的RAN架构只是示例性说明,并不对其构成限定。
在通信网络内生支持AI的情况下,也即是通信网络具备完整的AI环境的情况下,通信网络中可以存在多种任务场景,因此,如何便捷的支持上述多种任务以及如何更加灵活地为终端设备等配置AI算法(如AI模型),降低算法的切换时延是技术人员关注的问题。
基于上述网络架构,请参阅图9,图9是本发明实施例公开的一种通信方法的流程示意图。如图9所示,该通信方法可以包括以下步骤。
901.第二设备确定配置信息。
在通信系统中,第一设备、第二设备等设备可以使用AI算法,通过AI算法可以辅助进行网络故障监测、无线资源管理等,从而可以提高网络的可靠性、增强网络的健壮性、优化用户的体验。
同时,第一设备、第二设备在满足不同的事件下,也即是在不同的情况下,第一设备、第二设备可以使用不同的算法。
例如,假设第二设备为接入网设备,第一设备为终端设备。当第一设备的电量较高(如剩余电量大于60%)时,第一设备可以使用一个耗电量较大的算法;而当第一设备的电量较低(如剩余电量小于或等于60%)时,为了避免第一设备电量消耗过快,影响用户的正常使用,第一设备需要从耗电量较大的算法切换为耗电量较小的算法。再例如,当第一设备的当前运行内存较小(如当前运行内存小于5吉字节(gigabyte,GB)),以及第一设备的中央处理器(central processing unit,CPU)利用率较高(如当前CPU利用率为80%)时,第一设备可以使用一个计算量较小的算法,以免算法无法运行或运行时间过长;而当第一设备的运行内存较大(如当前运行内存大于或等于5GB),以及第一设备的中央处理器(centralprocessing unit,CPU)利用率较低(如当前CPU利用率为5%)时,为了得到更加准确的结果,第一设备可以从计算量较小的算法切换为计算量较大的算法。
因此,为了使第一设备在满足不同的事件时,可以快速的使用对应的算法,第二设备可以先确定第一设备的配置信息。配置信息可以包括一个或多个事件以及对应的算法,一个或多个事件可以包括第一事件,第一事件对应第一算法,第一算法为第一模型或第一模型的部分。第一事件可以理解为使用第一算法的条件。一个或多个事件可以为不同的事件,但其对应的算法针对的问题可以是同一个问题。例如,一个或多个事件可以包括事件1(如CPU利用率<20%)、事件2(20%≤CPU利用率≤60%)、事件3(CPU利用率>60%),事件1对应的算法为算法1(10层的神经网络模型),事件2对应的算法为算法2(7层的神经网络模型),事件3对应的算法为算法3(3层的神经网络模型)。其中,算法1、算法2、算法3都可以是流量预测算法,用于辅助第一设备进行休眠,只是其使用条件不一样。配置信息可以包括一个或多个事件以及对应的算法,可以理解为配置信息包括一个或多个事件的配置信息,以及可以包括一个或多个事件对应的算法的配置信息。一个或多个事件的配置信息可以用于配置该一个或多个事件,一个或多个事件对应的算法的配置信息,可以用于配置一个或多个事件对应的具体的算法。例如,针对第一算法,第一算法的配置信息可以包括第一算法的具体参数(如针对神经网络模型,可以包括该神经网络模型的参数文件、该神经网络模型的详细层数,以及每一层的神经元的个数和每一个神经元的详细参数等)。
需要说明的是,配置信息中包括的一个或多个事件对应的算法,可以为1个或多个不同的完整的模型,也可以为1个完整的模型的多个不同分割部分,如对应的多个算法可以分别为一个神经网络模型的前2层、前3层、前5层等,还可以为1个或多个不同的完整的模型,以及1个或多个完整的模型的多个不同分割部分。
第一事件可以包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项。其中,信号质量事件可以为信号质量小于第一阈值或信号质量大于/等于第一阈值;电量事件可以为第一设备的电量小于第二阈值或第一设备的电量大于或等于第二阈值;内存事件可以为内存(即运行内存)小于第三阈值或内存大于/等于第三阈值;存储事件可以为存储容量(即可用的存储空间的大小,如60GB)小于第四阈值或存储容量大于/等于第四阈值。例如,第一事件可以仅为信号质量小于第一阈值,也可以为信号质量小于第一阈值和内存小于第三阈值,还可以为信号质量大于/等于第一阈值以及存储容量大于/等于第四阈值等,在此不再一一列举。同时,第一阈值、第二阈值、第三阈值以及第四阈值的取值可以根据实际情况确定。
信号质量可以是基于参考信号接收功率(reference signal receiving power,RSRP)、参考信号接收质量(reference signal receiving quality,RSRQ)、信号与干扰加噪声比(signal to interference plus noise ratio,SINR)、信号与噪声比(signal-noise ratio,SNR)、信道质量指示(channel quality indication,CQI)中的一项或多项得到的。应理解,信号质量也可以是基于接收信号强度指示(received signal strengthindicator,RSSI)得到的,信号质量还可以是基于RSSI和SINR等得到的,在此不作限定。信号质量小于第一阈值,可以理解为信号质量分数小于第一阈值。
例如,可以直接将RSRP的值作为信号质量分数(如RSRP=-85dBm,则信号质量分数为-85),或者直接将SINR的值作为信号质量分数(如SINR=50dB,则信号质量分数为50),也可以将RSRP、RSRQ、SINR、SNR、CQI等加权得到的值作为信号质量分数(如SINR=50dB,SNR=40dB,SINR权重为0.6,SNR权重为0.4,则信号质量分数可以为46),由于RSRP、RSRQ、SINR、SNR、CQI的单位以及代表的含义不一样,因此,可以进行相应的处理,如将RSRP、RSRQ、SINR、SNR、CQI等进行归一化处理,使得其值都位于0-1之间。
应理解,信号质量事件除了是信号质量小于第一阈值、信号质量大于/等于第一阈值,也可以是信号质量大于第一阈值,还可以是信号质量不等于第一阈值,还可以是信号质量等于第一阈值,还可以是信号质量位于一个区间范围内(如-95dBm≤RSRP<-85dBm、-85dBm≤RSRP≤-70dBm、-90dBm<RSRP≤-80dBm等),还可以是RSRP小于一个具体的阈值(如-85dBm)以及SINR小于一个具体的阈值(如65分贝(dB)),还可以是SNR大于一个具体的阈值(如30dB)以及RSRP大于一个具体的阈值(如-75dBm)等。同理,电量事件、内存事件、存储事件也可以是其他情况(如第一设备的电量不等于第二阈值等),可以参考信号质量事件的相关描述,在此不再赘述。
第一事件还可以包括其他事件,例如,距离事件(如第一设备与第二设备之间的距离小于100米)、时间事件(如时间处于8:00~22:00内)、CPU利用率事件(如CPU利用率小于50%)等。
第一模型可以为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型等模型中的一种。第一模型也可以为k最近邻(knearest neighbours,KNN)模型、马尔可夫模型、期望最大化(expectation-maximization,EM)模型等模型中的一种。本发明实施中,第一模型可以为任一AI模型,在此不作限定。
第一算法可以为第一模型。在此种情况下,第一算法可以为一个完整的模型。如一个SVM模型,或者KNN模型,或者深度为5的决策树模型,或者一个10层的卷积神经网络(convolutional neural networks,CNN)模型(神经网络模型的一种)。
第一算法也可以为第一模型的部分。具体地,在第一模型可以分割为多个部分,以及需要分割为多个部分协同使用的情况下,第一算法可以为第一模型的部分。第一算法可以为第一模型的部分,可以理解为第一算法可以为一个完整的AI模型的一部分。例如,在第一模型为神经网络模型时,可以在其中一层(如第三层)对第一模型进行分割,然后分为两个部分由两个设备单独执行,或者可以分为三个部分,由三个设备单独执行。再例如,在第一模型为随机森林模型时,可以将随机森林包括的多棵树分别由不同的设备单独使用,然后再将结果进行汇总。可以理解的是,在第一模型可以分割为多个部分的情况下,配置信息可以包括的一个或多个算法可以是第一模型的不同部分(如前1层、前2层、前3层等),也即是一个算法可以对应一个第一模型的分割点(如层0、层1、层2等),不同的分割点可以对应不同的事件。
需要说明的是,第一算法可以是独立工作的算法,也即是用于执行单点任务的算法;第一算法也可以是需要与其它算法共同工作的协同算法,也即是用于执行协同任务的算法。在第一算法为独立工作的算法的情况下,第一算法可以为一个完整的模型(第一模型)。在第一算法为协同算法的情况下,第一算法可以为一个完整的模型(第一模型),也可以为一个完整的模型的一部分(第一模型的部分)。在第一算法为一个完整的模型的情况下,其需要与其它算法协同工作。例如,第一算法的输出需要作为其它算法的输入,或者其它算法的输出需要作为第一算法的输入。在第一算法为一个完整的模型(第一模型)的一部分情况下,其需要与该模型的其他部分协同工作。
请参阅图10,图10是本发明实施例公开的一种算法协同的示意图。如图10所示,第一设备可以使用算法1a(即模型1a)和算法2a(即模型2a),第二设备可以使用算法1b(即模型1b)和算法2b(即模型2b),模型1a、模型1b、模型2a、模型2b都为完整的模型。其中,在满足事件1时,第一设备可以使用模型1a,第二设备可以使用模型1b,模型1a的输出可以作为模型1b的输入,或者模型1b的输出可以作为模型1a的输入;在满足事件2时,第一设备可以使用模型2a,第二设备可以使用模型2b,模型2a的输出可以作为模型2b的输入,或者模型2b的输出可以作为模型2a的输入。模型1a和模型1b是对应的协同模型,可以配对使用;模型2a和模型2b是对应的协同模型,可以配对使用。
请参阅图11,图11是本发明实施例公开的另一种算法协同的示意图。如图11所示,第一模型可以为一个层数为5的神经网络模型,第一模型可以在任意一层进行分割,因此,第一模型可以存在5个潜在的分割点(即层0、层1、层2、层3、层4)。如果将第一模型分割为两部分,其两部分可以由两个设备分别使用。例如,在第二层对第一模型进行分割之后,可以由第一设备使用前两层(即层0、层1),然后第一设备可以将前两层的输出结果发送给第二设备,第二设备接收到来自第一设备的前两层的输出结果之后,第二设备可以通过该输出结果继续运行第一模型的后三层(即层2、层3、层4),之后可以得到最终的输出结果。这种将一个模型分割为多个部分,由多个设备共同协作得到最终的输出结果的方式,可以均衡的使用各个设备的计算资源(如运行内存资源、中央处理器(central processing unit,CPU)资源等),避免了将所有计算承载在单个设备上,可以降低节点的计算压力。
应理解,图10、图11所示的算法协同只是示例性说明,并不对其构成限定。例如,图10所示的模型1a、模型1b可以和另一个模型1c协同使用,模型1a和模型1b的输出可以共同作为模型1c的输入。
同时,由于不同的算法在不同的情况(满足不同的事件)下,以及针对不同的问题时,其性能以及最后达到的效果可能不同。因此,可以灵活地为第一设备配置不同的事件以及对应的算法(模型或模型的部分),以便可以达到最佳的效果。
902.第二设备向第一设备发送配置信息。
第二设备确定配置信息之后,可以向第一设备发送配置信息。相应地,第一设备可以接收来自第二设备的配置信息。
为了便于第一设备能够及时使用算法以及在不同的事件下切换算法,一种情况下,第二设备可以在资源较为空闲时(即当前可以使用的传输资源较多),直接提前向第一设备发送配置信息。其中,在第一设备为终端设备,以及第二设备为网络设备的情况下,第二设备可以通过RRC信令向第一设备发送配置信息,也可以通过其它信令(如MAC CE信令)向第一设备发送配置信息。本发明实施例,对第二设备发送配置信息的方式不作限定。
另一种情况下,第一设备可以向第二设备发送算法配置请求。相应地,第二设备可以接收到来自第一设备的算法配置请求,之后,第二设备可以根据算法配置请求向第一设备发送配置信息。本发明实施例,对于第二设备向第一设备发送配置信息的时机不作限定。
903.第一设备确定满足第一事件。
第一设备可以配置有一个或多个事件,以及第一设备可以监测该一个或多个事件。
具体地,第一设备可以先接收来自第二设备的配置信息,通过该配置信息可以配置一个或多个事件。第一设备也可以通过其它方式配置该一个或多个事件,在此不作限定。例如,第一设备本地可以提前存储有该配置信息,因此,第一设备可以直接读取本地的配置信息。因此,应理解,步骤901和步骤902是可选地。
第一设备可以监测该一个或多个事件,以及可以确定满足第一事件。一种情况下,第一设备可以实时的监测该一个或多个事件。另一种情况下,第一设备可以以一个固定的周期监测该一个或多个事件。如第一设备可以10毫秒(ms),或者1秒(s)监测一次。
例如,第一事件可以为RSRP小于-85dBm。当第一设备监测到当前的RSRP为-70dBm时,第一设备可以不做出响应,可以继续等待下一次监测;当第一设备检测到当前的RSRP为-90dBm时,第一设备可以确定满足第一事件。
904.第一设备获取第一事件对应的第一算法。
在第一设备确定满足第一事件的情况下,第一设备可以获取第一事件对应的第一算法。
具体地,第一设备在确定满足第一事件的情况下,可以先判断第一事件是否与上次满足的事件相同。在判断出第一事件与上次满足的事件相同的情况下,第一设备可以不进行响应,继续监测该一个或多个事件;在判断出第一事件与上次满足的事件不同的情况下,第一设备可以根据第一事件和上述配置信息确定或获取第一算法,以便进行算法的切换。
905.第一设备启用第一算法。
在第一设备确定满足第一事件,以及第一设备获取了第一事件对应的第一算法之后,第一设备可以启用第一算法。
同时,在第一设备成功启用第一算法的情况下,第一设备可以向第二设备发送指示信息,该指示信息用于指示第一算法。相应地,第二设备可以接收来自第一设备的指示信息。第二设备根据指示信息可以知道第一设备当前使用的算法为第一算法,从而可以进行对应的处理。
其中,在第一设备为终端设备,以及第二设备为网络设备的情况下,指示信息可以携带在上行控制信息(uplink control information,UCI),或者RRC信令,或者MAC层信令(如MAC CE信令)中,也即是第一设备可以在向第二设备发送的UCI,或RRC信令,或MAC信令中携带指示信息。相应地,第二设备可以接收来自第一设备的UCI,或RRC信令,或MAC信令,以及可以从其中获取对应的指示信息。同时,由于指示信息可以携带在UCI,或RRC信令,或MAC信令中,因此,第二设备可以较快的接收到指示信息。应理解,指示信息也可以携带在其它信令或控制信息中,在此不作限定。还应理解,在第一设备为终端设备,以及第二设备为核心网设备的情况下,第一指示信息可以携带在非接入层(non access stratum,NAS)信令中。
指示信息可以为第一算法的标识(identity document,ID)或第一事件的标识。第一算法的标识可以为第一模型的标识。例如,假设总共有4个算法,分别为算法1、算法2、算法3以及算法4,算法1为模型1,算法2为模型2,算法3为模型3,算法4为模型4。用2个比特表示,算法1的标识可以为模型1的标识1,可以用00表示;算法2的标识可以为模型2的标识2,可以用01表示;算法3的标识可以为模型3的标识3,可以用10表示;算法4的标识可以为模型4的标识4,可以用11表示。第一算法的标识也可以为第一模型的分割点的标识。例如,假设第一模型存在多个分割点,并且配置信息包括的一个或多个算法为第一模型的不同部分,总共有3个算法,分别为算法1(第一模型前2层)、算法2(第一模型前3层)以及算法3(第一模型前4层)。此时,算法的标识也即是对应的层数(分割点)的标识,用3个比特表示,算法1的标识可以为010(表示模型前2层),算法2的标识可以为011(表示模型前3层),算法3的标识可以为100(表示模型前4层)。当配置信息存在多个不同的模型,以及该多个不同的模型中包括含有不同分割点的模型的情况下,第一算法的标识还可以为模型的标识+模型分割点的标识。例如,可以用5个比特表示,前2位为模型的标识,后2位为模型分割点的标识,如01011可以指示模型2的前三层。本发明实施例中,指示信息也可以为其它可以唯一标识第一算法的信息,例如,指示信息可以为第一算法的名称,或第一算法的索引(编号),或第一事件的索引等,在此不作限定。
请参阅图12,图12是本发明实施例公开的一种算法(神经网络模型)的标识的示意图。如图12所示,第一模型可以为一个层数为5的神经网络模型,第一模型可以存在5个潜在的分割点(即层0、层1、层2、层3、层4),对应5个算法(即第一模型的5个不同部分)。此时,每个算法的标识可以为算法对应的层数,也即是5个算法的标识可以为0、1、2、3、4。第一模型也可以仅存在两个分割点(即层1和层3),对应两个算法(即第一模型的两个不同部分),分别为算法1、算法2。此时,每个算法的标识也可以为算法对应的层数,如算法1的标识可以为1(即对应的层数)、算法2的标识可以为3。每个算法的标识还可以是层索引,层索引可以理解为具体的分割点(层数)对应的编号。例如,层1对应的层索引可以为0,层3对应的层索引可以为1。
应理解,图12所示的算法的标识只是示例性说明,并不对其构成限定。
当指示信息为第一算法的标识的情况下,第二设备可以直接根据第一算法的标识确定对应的第一算法。当指示信息为第一事件的标识,以及第二设备存储有第一事件与第一算法的对应关系的情况下,第二设备可以先根据第一事件的标识确定第一事件,之后,可以根据第一事件确定对应的第一算法。
同时,在执行协同任务的情况下,第二设备可以根据指示信息确定第二算法,第二算法为第一算法对应的协同算法。具体地,在第一算法与第二算法为对应的协同算法的情况下,第一算法与第二算法之间存在对应关系,第二设备可以根据指示信息以及协同算法之间的对应关系确定第一算法对应的第二算法。之后,第二设备可以启用第二算法,以便可以和第一设备执行协同任务。
需要说明的是,第一设备除了启用第一事件对应的第一算法外,也可以是启用其它的算法。
例如,第一设备可以监测事件1和事件2,事件1为电量小于1000mAh、事件2为电量大于或等于1000mAh,事件1对应的算法为算法1,其耗电量较小;事件2对应的算法为算法2,其相对算法1耗电量较大,但算法2得到的结果相较于算法1更准确,最后到达的效果更好。当第一设备确定满足事件1时,第一设备可以获取事件1对应的算法1,以及使用算法1;但如果第一设备需要更准确的结果,不考虑自身的剩余电量,第一设备也可以选择使用算法2。
本发明实施例中,第二设备可以将算法的配置信息(事件和对应的算法)提前下发给第一设备,之后,第一设备可以监测一个或多个事件,然后可以在满足不同的事件的情况下,直接获取对应的算法进行使用,从而可以降低算法的切换时延。此外,由于第二设备可以只向第一设备发送一次配置信息,不需要在第一设备每次满足不同的事件时,都重新向第一设备发送该事件对应的算法(即重新为第一设备配置算法),从而可以减少算法重配开销,节约传输资源。
举例说明,请参阅图13,图13是本发明实施例公开的一种算法的配置和使用的场景示意图。如图13所示,第二设备可以提前向第一设备发送配置信息,为第一设备配置一个或多个事件以及对应的算法。一个或多个事件可以包括事件1(RSRP≥-90dBm),以及对应的算法1,还可以包括事件2(RSRP<-90dBm),以及对应的算法2。算法1可以是模型1,算法2可以是模型2。之后,第一设备可以监测该一个或多个事件(即监测RSRP是否满足对应的阈值),当监测到满足某个事件时,第一设备可以启用对应的算法。如当第一设备在距离第二设备较近的情况下,此时,第一设备测量得到的RSRP可以为-80dBm,第一设备可以确定满足事件1,之后,第一设备可以直接启用对应的模型1。同时,第一设备在使用模型1的情况下,第一设备可以向第二设备发送模型1的ID或事件1的ID,以便第二设备可以知道第一设备当前满足的事件以及当前使用的算法。
当第一设备移动之后,如从距离第二设备较近的地方移动到距离第二设备较远的地方,此时RSRP会逐渐降低,例如从-80dBm逐渐降低到-90dBm,再降到-100dBm。在RSRP降低到-90dBm以下时,第一设备可以确定满足事件2,此时,第一设备可以从模型1更换到事件2对应的模型2。同时,第一设备在使用模型2的情况下,第一设备也可以向第二设备发送模型2的ID或事件2的ID。再之后,第一设备可以继续移动,如第一设备又从距离第二设备较远的位置移动到距离第二设备较近的位置,此时RSRP会逐渐升高,例如从-100dBm逐渐升高到-90dBm,再升高到-80dBm。在RSRP升高到-90dBm以上时,第二设备可以确定满足事件1,此时,第一设备可以从模型2更换到模型1。同时,第一设备可以向第二设备发送模型1的ID或事件1的ID。
应理解,图13所示的算法的配置和使用的场景只是示例性说明,并不对其构成限定。例如,算法1和算法2可以是模型1的两个不同的部分。
基于上述网络架构,请参阅图14,图14是本发明实施例公开的另一种通信方法的流程示意图。如图14所示,该通信方法可以包括以下步骤。
1401.第二设备确定第一算法。
在通信系统中,第一设备、第二设备等设备可以使用AI算法,通过AI算法可以辅助进行网络故障监测、无线资源管理等。同时,在不同的事件下,也即是在不同的情况下,第一设备、第二设备等设备可以使用不同的算法。
因此,为了使第一设备在满足不同的事件时,可以使用对应的算法,第二设备可以先确定第一算法。第一算法为第一模型或第一模型的部分。关于第一算法的描述,可以参考上述图9对应的实施例中的相关描述,在此不再赘述。
第二设备可以根据第二指示信息确定第一算法。具体地,第一设备可以配置有一个或多个事件,以及可以监测该一个或多个事件。之后,在第一设备确定满足第一事件的情况下,第一设备可以向第二设备发送第二指示信息。第二指示信息用于指示第一设备满足的第一事件。相应地,第二设备可以接收来自第一设备的第二指示信息。之后,第二设备可以根据第二指示信息确定第一事件,然后再根据第一事件确定第一事件对应的第一算法。应理解,第二设备本地可以存储有一个或多个算法与一个或多个事件之间的对应关系,该一个或多个事件可以包括第一事件。其中,一个事件可以对应一个算法,一个事件也可以对应多个算法。在第一事件对应多个算法的情况下,第二设备可以从该多个算法中选取一个算法,将其确定为第一算法。对于第二设备选取第一算法的规则,可以是随意选取,也可以是按照算法的复杂度选取(如可以优先选取复杂度较低的算法),还可以是按其它规则选取,本发明实施例在此不作限定。
其中,第一设备的一个或多个事件可以是第二设备为其配置的,也可以是其它设备为其配置的,还可以是预配置的,本发明实施例在此不作限定。
第一事件可以包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项。其中,信号质量事件可以为信号质量小于第一阈值或信号质量大于/等于第一阈值;电量事件为第一设备的电量小于第二阈值或第一设备的电量大于或等于第二阈值;内存事件为内存(即运行内存)小于第三阈值或内存大于/等于第三阈值;存储事件为存储容量(即可用的存储空间的大小,如60GB)小于第四阈值或存储容量大于/等于第四阈值。
信号质量可以是基于RSRP、RSRQ、SINR、SNR、CQI中的一项或多项得到的。关于第一事件和信号质量的描述,可以参考上述图9对应的实施例中的相关描述,在此不再赘述。
第二指示信息可以包括第一事件的标识。第二设备可以根据第一事件的标识直接确定对应的第一事件,然后可以确定第一事件对应的第一算法。
例如,假设总共有4个事件,分别为第一事件、事件2、事件3以及事件4。其中,第一事件的标识可以为00;事件2的标识可以为01;事件3的标识可以为10;事件4的标识可以为11。第一设备向第二设备发送的第二指示信息中包括第一事件的标识00。相应地,第二设备可以接收来自第一设备的第二指示信息,之后,第二设备可以读取第二指示信息中包括的事件的标识为00,再之后,第二设备可以确定标识00对应的事件(第一事件)。
应理解,第二指示信息也可以包括其它可以唯一标识第一事件的信息。例如,第一事件的名称,或第一事件的索引(编号)等,在此不作限定。
其中,在第一设备为终端设备,以及第二设备为网络设备(如接入网设备)的情况下,第二指示信息可以携带在UCI,或者RRC信令,或者MAC信令(如MAC CE信令)中。在第一设备为终端设备,以及第二设备为核心网设备的情况下,第一指示信息可以携带在非接入层(non access stratum,NAS)信令中。
应理解,第二设备也可以直接确定第一算法。具体地,第二设备可以配置有一个或多个事件,第二设备可以监测该一个或多个事件,该一个或多个事件包括第一事件。在第二设备确定满足第一事件的情况下,第二设备可以直接确定第一事件对应的第一算法,之后,可以为第一设备配置该第一算法。
例如,在第二设备为网络设备,第一设备为终端设备的情况下,第二设备可以配置有事件1和事件2,事件1可以为终端设备发送的上行参考信号的接收功率小于-85dBm,事件2可以为上行参考信号的接收功率大于或等于-85dBm,事件1对应的算法为算法1,事件2对应的算法为算法2。在第二设备确定满足事件1的情况下,第二设备可以为第一设备配置算法1;在第二设备确定满足事件2的情况下,第二设备可以为第一设备配置算法2。
1402.第二设备向第一设备发送第一指示信息。
相应地,第一设备可以接收来自第二设备的第一指示信息。
具体地,在第二设备确定第一算法之后,第二设备可以向第一设备发送第一指示信息。第一指示信息用于指示第一算法。
第一指示信息可以包括第一算法的标识。关于第一算法的标识的描述,可以参考上述图9对应的实施例中的相关描述,在此不再赘述。应理解,第一指示信息也可以包括其它可以唯一标识第一算法的信息。例如,第一算法的名称,或第一算法的索引(编号)等,在此不作限定。
其中,在第一设备为终端设备,以及第二设备为网络设备(如接入网设备)的情况下,第一指示信息可以携带在DCI,或者RRC信令,或者MAC信令中。具体地,第二设备可以向第一设备发送DCI,或RRC信令,或MAC信令等,通过DCI,或RRC信令,或MAC信令携带第一指示信息。相应地,第一设备可以接收来自第二设备的DCI,或RRC信令,或MAC信令。同时,由于第一指示信息可以携带在DCI,或RRC信令,或MAC信令中,因此,第一设备可以较快的接收到第一指示信息,从而可以更快的切换算法,降低算法的切换时延。
应理解,第一指示信息也可以携带在其它信令或控制信息中。例如,可以携带在其它层1(layer 1,L1)、层2(layer 2,L2)、层3(layer 3,L3)信令中。其中,层1可以为物理层,层2可以为数据链路层,层3可以为网络层。具体地,层2可以包括4个子层:MAC层、无线链路控制(radio link control,RLC)层、分组数据汇聚协议(packet data convergenceprotocol,PDCP)层、服务数据适配协议(service data adaptation protocol,SDAP)层。层3可以包括RRC子层。还应理解,在第一设备为终端设备,以及第二设备为核心网设备的情况下,第一指示信息可以携带在非接入层(non access stratum,NAS)信令中。
1403.第一设备启用第一算法。
在第一设备接收到来自第二设备的第一指示信息之后,第一设备可以根据第一指示信息启用第一算法。
具体地,第一设备可以根据第一指示信息确定第一算法,之后,可以启用第一算法。在第一指示信息为第一算法的标识的情况下,第一设备可以直接根据第一算法的标识确定第一算法,然后启用(使用)第一算法。
其中,第一算法可以是预先配置的。例如,可以是第二设备预先配置的。具体地,第二设备可以向第一设备发送配置信息。配置信息可以包括一个或多个算法以及对应的标识,该一个或多个算法包括第一算法。相应地,第一设备可以接收来自第二设备的配置信息。第二设备可以通过配置请求信令(config request,ConfigReq)向第一设备发送上述配置信息,相应地,在第一设备接收到来自第二设备的配置信息之后,第一设备可以向第二设备发送配置响应信令(response,Resp)。之后,第二设备可以接收到来自第一设备的配置响应信令,从而可以知道第一设备是否接收到配置信息(预配置成功)。配置请求信令和配置响应信令具有对应关系。其中,在第一设备为终端设备,以及第二设备为网络设备的情况下,第二设备可以通过RRC信令向第一设备发送配置信息,也可以通过其它信令(如MAC CE信令)向第一设备发送配置信息。本发明实施例,对第二设备发送配置信息的方式不作限定。
在第一设备预配置成功(也即是预先接收到来自第二设备的配置信息,并保存了该配置信息)的情况下,第一设备可以在接收到来自第二设备的指示信息时,根据指示信息中包括的算法的标识,直接获取对应的算法进行使用,可以降低算法的切换时延。应理解,第一算法也可以是其它设备配置的,在此不作限定。
可选地,第一设备可以向第二设备发送第三指示信息。相应地,第二设备可以接收来自第一设备的第三指示信息。第三指示信息可以用于指示第一设备启用第一算法成功或失败,第三指示信息为第一指示信息对应的响应信息。其中,在第一设备为终端设备,以及第二设备为网络设备(如接入网设备)的情况下,第三指示信息可以携带在UCI,或者RRC信令,或者MAC信令(如MAC CE信令)中。在第一设备为终端设备,以及第二设备为核心网设备的情况下,第一指示信息可以携带在NAS信令中。
第二设备可以通过算法配置请求信令(config request,ConfigReq)向第一设备发送第一指示信息。相应地,第一设备可以接收来自第二设备的算法配置请求信令,之后,第一设备可以通过算法配置响应信令(response,Resp)向第二设备发送第三指示信息。算法配置请求信令和算法配置响应信令具有对应关系。
具体地,由于第一设备可能因为某些原因(如运行内存不足)不能成功启用第一算法,因此,第一设备可以向第二设备发送第三指示信息,用于告知第二设备第一算法是否启用成功。在第一设备启用第一算法成功的情况下,第一设备可以向第二设备发送第三指示信息。第三指示信息可以携带算法启用成功的标识(Flag),如携带的标识可以为True,表示启用第一算法成功;携带的标识也可以为False,表示启用第一算法失败。在第一设备启用第一算法失败的情况下,第三指示信息还可以携带启用第一算法失败的原因以及当前可以成功启用的算法的标识。
应理解,第一设备在第一算法启用失败的情况下,也可以不向第二设备发送第三指示信息,仅在启用第一算法成功的情况下发送第三指示信息,此时,可以默认一个固定的周期,如30毫秒(ms)。当第二设备向第一设备发送第一指示信息之后,可以维持一个30ms的时间窗口,当在此时间窗口内没有接收到来自第一设备的第三指示信息的情况下,第二设备可以确定第一设备启用第一算法失败。同理,第一设备在第一算法启用成功的情况下,也可以不向第二设备发送第三指示信息,仅在第一算法启用失败的情况下发送第三指示信息。
第二设备在确定第一设备启用第一算法成功或失败的情况下,可以进行相应的处理(响应)。在第二设备确定第一设备启用第一算法成功的情况下,如果第一设备和第二设备需要执行协同任务,第二设备可以启用第一算法对应的协同算法,如果第一设备只需要执行单点任务,也即是第一算法为可以独立使用的算法,第二设备可以不做出响应。在第二设备确定第一设备启用第一算法失败的情况下,第二设备可以重新为第一设备配置第一算法,也可以根据第一设备启用第一算法失败的原因,重新为第一设备配置其它算法。
请参见图15,图15是本发明实施例公开的一种算法配置的示意图。如图15所示,第二设备可以先通过算法配置ConfigReq向第一设备发送配置信息,可以为第一设备配置模型分割点和编号(层索引)的对应关系。如图12所示神经网络模型,编号(层索引)0对应的分割点为层1,编号1对应的分割点为层3。相应地,第一设备可以接收来自第二设备的算法配置ConfigReq,然后可以向第二设备发送算法配置Resp。第二设备接收到来自第一设备的算法配置Resp之后,可以知道第一设备是否接收到配置信息(预配置成功)。再之后,第二设备可以通过分割点配置ConfigReq为第一设备配置模型的具体分割点,分割点配置ConfigReq携带上述第一指示信息,其携带具体的模型分割点编号,如编号为1。相应地,第一设备可以接收到来自第二设备的分割点配置ConfigReq,之后,第一设备可以启用对应的算法,即模型的前4层。同时,第一设备可以向第二设备发送分割点配置Resp。第二设备接收到来自第一设备的分割点配置Resp之后,可以知道第一设备是否启用算法成功。
第二设备向第一设备发送的配置信息也可以不包括算法的标识,只包括一个具体的算法(如一个神经网络模型),此时第一设备和第二设备之间可以采用默认的算法标识。例如,针对一个神经网络,可以默认采用对应的分割点(层数)作为不同算法的标识。请参见图16,图16是本发明实施例公开的另一种算法配置的示意图。如图16所示,针对如图12所示神经网络模型,第一设备和第二设备可以默认该神经网络模型的分割点(层数)为不同算法的标识。例如,算法的标识为1对应的算法为模型的前两层(即层0、层1)。此时,第二设备可以直接通过分割点配置ConfigReq为第一设备配置模型的具体分割点,分割点配置ConfigReq携带上述第一指示信息,其携带具体的模型分割点(层数),如2。相应地,第一设备可以接收到来自第二设备的分割点配置ConfigReq,之后,第一设备可以启用对应的算法,即模型的前3层。同时,第一设备可以向第二设备发送分割点配置Resp。第二设备接收到来自第一设备的分割点配置Resp之后,可以知道第一设备是否启用算法成功。
需要说明的是,第一设备可以向第二设备发送算法建议信息,用于建议使用的算法,算法建议信息可以携带一个或多个算法的信息,如可以携带一个或多个算法的标识。相应地,第二设备可以接收到来自第一设备的算法建议信息,之后,第二设备可以从第一设备建议的一个或多个算法中选取一个算法,以及可以为第一设备配置该算法。由于,第一设备向第二设备建议的一个或多个算法,可以是第一设备根据自身的能力确定的最合适算法,因此当使用该一个或多个算法时,可以提高最后达到的效果。请参见图17,图17是本发明实施例公开的一种第一设备发送算法建议信息的示意图。如图17所示,第一设备可以向第二设备发送算法建议信息,算法建议信息中可以携带算法的标识,算法的标识可以用于指示具体的模型和/或模型分割点。
本发明实施例中,第二设备可以先确定第一算法,之后可以直接向第一设备发送第一指示信息,为第一设备配置第一算法,从而可以降低算法的切换时延。此外,由于第二设备可以只向第一设备发送指示信息,不需要每次向第一设备发送完整的算法,从而可以减少重配开销,节约传输资源。
举例说明,请参阅图18,图18是本发明实施例公开的另一种算法的配置和使用的场景示意图。如图18所示,第二设备可以提前向第一设备发送配置信息,为第一设备配置一个或多个事件以及对应的标识(ID)、一个或多个算法以及对应的标识。一个或多个事件可以包括事件1(RSRP≥-90dBm),还可以包括事件2(RSRP<-90dBm)。一个或多个算法可以包括算法1,以及算法2。算法1可以是模型1,算法2可以是模型2。之后,第一设备可以监测该一个或多个事件(即监测RSRP是否满足对应的阈值),当监测到满足某个事件时,第一设备可以向第二设备发送该事件的标识。当第一设备在距离第二设备较近的情况下,此时,第一设备测量得到的RSRP可以为-80dBm,第一设备可以确定满足事件1,之后,第一设备可以向第二设备发送事件1的ID。相应地,第二设备可以接收到来自第一设备的事件1的ID,之后,第二设备可以先确定事件1对应的模型1,然后可以向第一设备发送模型1的ID。相应地,第一设备可以接收到来自第二设备的模型1的ID,之后,第一设备可以根据模型1的ID启用对应的模型1。当第一设备移动之后,如从距离第二设备较近的地方移动到距离第二设备较远的地方,此时RSRP会逐渐降低,例如从-80dBm逐渐降低到-90dBm,再降到-100dBm。在RSRP降低到-90dBm以下时,第一设备可以确定满足事件2,之后,第一设备可以向第二设备发送事件2的ID。相应地,第二设备可以接收到来自第一设备的事件2的ID,之后,第二设备可以先确定事件2对应的模型2,然后可以向第一设备发送模型2的ID。相应地,第一设备可以接收到来自第二设备的模型2的ID,之后,第一设备可以根据模型2的ID启用对应的模型2。
应理解,图18所示的算法的配置和使用的场景只是示例性说明,并不对其构成限定。例如,算法1和算法2可以是模型1的两个不同的部分。
为了更好地理解本发明实施例公开的一种通信方法,下面先对本发明实施例使用的一个应用场景进行描述。由上述图9对应的方法实施例和图14对应的方法实施例可知,第一设备和第二设备可以使用协同算法,执行协同任务。并且,在执行协同任务时,需要第一设备和第二设备使用的协同算法具有匹配关系。例如,算法1a和算法1b可以为对应的协同算法,具有匹配关系,算法1a的输出数据需要作为算法1b的输入数据;算法2b和算法2a可以为对应的协同算法,具有匹配关系,算法2a的输出数据需要作为算法2b的输入数据。因此,当第一设备使用算法1a时,第二设备需要使用对应的算法1b;当第一设备使用算法2a时,第二设备需要使用对应的算法2b。如果当第一设备使用算法1a,而第二设备使用算法2b时,当第一设备将通过算法1a得到的输出数据发送给第二设备时,一种情况下,第二设备可能无法将该输出数据作为算法2b的输入数据,如算法1a的输出数据为5位,算法2b的输入数据为10位;另一种情况下,第二设备可以将该输出数据作为算法2b的输入数据,如算法1a的输出数据为10位,算法2b的输入数据也为10位,或者算法1a的输出数据为5位,算法2b的输入数据为10位,但第二设备可以将接收到的数据进行填充(如补5位0或1)。但由于算法1a和算法2b不匹配,因此,最后得到的算法2b的输出数据并不准确,甚至是错误的,从而会影响算法的使用效果。
其中,上述算法不匹配(算法混淆)的问题,可能是第一设备和第二设备算法的应用时间不同导致的,也可能是第一设备和第二设备发送的数据包重传导致的。同时,第一设备和第二设备算法的应用时间不同,可能会存在两种情况。第一种情况:第一设备和第二设备配置新算法(如算法2a)的时间不同,且算法的应用时间也不同。第二种情况:第一设备和第二设备配置新算法(如算法2b)的时间相同,但新算法的应用时间不同。
请参阅图19,图19是本发明实施例公开的一种算法混淆的场景示意图。如图19所示,第一设备可以使用算法1a和算法2a,第二设备可以使用算法1b和算法2b。其中,算法1a和算法1b可以为对应的协同算法,具有匹配关系,算法1a的输出数据需要作为算法1b的输入数据;算法2b和算法2a可以为对应的协同算法,具有匹配关系,算法2a的输出数据需要作为算法2b的输入数据。算法1a可以为模型1,算法1b可以为模型2;算法2a可以为模型3,算法2b可以为模型4。算法1a也可以为模型1的一部分,此时,算法1b可以为模型1的另一部分,也即是第一设备和第二设备共同使用模型1。假设,刚开始第一设备和第二设备分别使用算法1a和算法1b,数据包1和数据包2携带的数据都为第一设备通过算法1a得到的,第二设备接收到数据包1和数据包2之后也可以采用算法1b进行对应处理。之后,第一设备可以接收到来自第三设备的算法重配消息(指示切换为算法2a),第二设备也可以接收到来自第三设备的算法重配消息(指示切换为算法2b),其中,第一设备和第二设备接收到算法重配消息的时间可以相同,也可以不同。但在这两种情况下,第一设备和第二设备算法切换的时间(即算法应用时间)都可以不同。具体地,第一设备可以在接收到算法重配消息之后,马上切换到算法2a,之后,其发送的数据包3中携带的数据可以是通过算法2a得到的。但当第二设备接收到数据包3时,第二设备可能接收到算法重配消息但还未切换到新算法(算法2b),或者第二设备可能还未接收到算法重配消息。因此,第二设备使用的算法为算法1b,第一设备会使用老算法(算法1b)对数据包3中携带的数据进行处理,从而会导致算法不匹配的问题。
请参阅图20,图20是本发明实施例公开的另一种算法混淆的场景示意图。如图20所示,第一设备和第二设备可以同时接收到来自第三设备的算法重配消息。并且,第一设备从算法1a切换到算法2a的时间,和第二设备从算法1b切换到算法2b的时间相同,也即是第一设备和第二设备应用算法的时间相同。但在第一设备和第二设备切换算法之后,可能由于之前通信质量较差,之前有数据包传输失败,需要重新发送。因此,第一设备向第二设备发送的数据包3可以是一个重传的数据包,其中携带的数据是通过算法1a得到的。当第二设备接收到数据包3时,由于第二设备已经启用的算法2b,因此,第二设备会使用算法2b对数据包3中携带的数据进行处理,从而会导致算法不匹配的问题。
应理解,图19和图20所示的算法混淆的场景只是示例性说明,并不对其构成限定。例如,在图19中,第二设备可以先接收到算法重配消息,并且马上启用(应用)新算法,第一设备可以晚于第二设备接收到算法重配消息,并且可以在5秒后再切换到新算法。
可见,第一设备和第二设备在执行协同任务的情况下,可能使用的算法不匹配(算法混淆),从而会导致得不到输出数据或者得到不准确的输出数据,进而会影响算法的使用效果。因此,算法的混淆问题是一个亟待解决的技术问题。
基于上述网络架构,请参阅图21,图21是本发明实施例公开的又一种通信方法的流程示意图。如图21所示,该通信方法可以包括以下步骤。
2101.第一设备使用第一算法对第一数据进行处理,得到第二数据。
在通信系统中,第一设备、第二设备等设备可以使用AI算法,通过AI算法可以辅助进行网络故障监测、无线资源管理等。同时,在不同的事件下,也即是在不同的情况下,第一设备、第二设备等设备可以使用不同的算法。
具体地,第一设备可以使用第一算法对第一数据进行处理,得到第二数据。第一数据可以是第一算法的输入数据,第二数据可以是第一算法的输出数据。例如,第一算法可以为如图12所示的神经网络模型,第一数据可以为该神经网络模型的输入,如[1.5,2.1],第二数据可以为该神经网络模型处理第一数据得到的输出,如[1,1.2,2.4,1.5]。
第一算法可以为第一模型或第一模型的第一部分。关于第一算法的描述,可以参考上述图9对应的实施例中的相关描述,在此不再赘述。
2102.第一设备向第二设备发送第一数据包,第一数据包包括第一指示信息和第二数据。
相应地,第二设备可以接收来自第一设备的第一数据包。
具体地,在第一设备得到第二数据之后,第一设备可以先生成第一数据包,然后向第二设备发送第一数据包。第一数据包可以包括用于指示第一算法的第一指示信息和第二数据。
其中,第一指示信息可以包括第一算法的标识。第一算法的标识可以为第一模型的标识。第一算法的标识也可以为第一模型的分割点的标识。第一算法的标识还可以为模型的标识+模型分割点的标识。关于第一算法的标识的描述,可以参考上述图9对应的实施例中的相关描述,在此不再详细赘述。
第一指示信息可以为1比特的信息。此时,第一指示信息的值只存在两种情况,即0和1。在第一设备每次更换算法时,第一设备可以将数据包携带的1比特的指示信息进行翻转,从0翻转为1,或从1翻转为0,用于指示算法变更(切换)。
具体地,在第一设备得到第二数据,生成第一数据包之后,第一设备还可以更换(切换)算法,从第一算法切换到第二算法。第一设备可以使用第二算法对第三数据进行处理,得到第四数据。之后,第一设备可以生成第二数据包,然后向第二设备发送第二数据包。相应地,第二设备可以接收来自第一设备的第二数据包。第二数据包包括第二指示信息和第四数据,第二指示信息的值与第一指示信息的值不同。第二算法可以为第二模型或第一模型的第二部分,第二算法与第一算法不同。第一算法与第二算法不同可以理解为,第一算法和第二算法为不同的AI模型(如第一算法为三层的神经网络模型,第二算法为四层的神经网络模型),或者包括至少一个算法参数不同,如第一算法和第二算法可以都为如图12所示的神经网络模型,但其包括至少一个参数不同的神经元。
例如,第一设备可以使用算法1对输入数据1进行处理,得到输出数据1,然后向第二设备发送数据包1,其中携带的1比特指示信息可以为0。之后,第一设备可以从算法1切换到算法2。在新生成的数据包中携带的数据为通过新算法(算法2)得到的情况下,数据包中携带的1比特指示信息可以从0翻转为1。第一设备可以使用算法2对输入数据2进行处理,得到输出数据2,然后向第二设备发送数据包2,其中携带的1比特指示信息为1。再之后,第一设备可以从算法2切换到算法5。因此,在新生成的数据包中携带的数据为通过新算法(算法5)得到的情况下,数据包中携带的1比特指示信息可以从1翻转为0。
请参阅图22,图22是本发明实施例公开的一种1比特的指示信息翻转的示意图。如图22所示,刚开始,第一设备生成的数据包中携带的数据为通过算法1得到的,其中携带的1比特指示信息可以为0。之后,第一设备可以从算法1变更到算法2,在新生成的数据包中携带的数据为通过算法2得到的情况下,数据包中携带的1比特指示信息可以从0翻转为1。再之后,第一设备可以从算法2变更到算法5,在新生成的数据包中携带的数据为通过算法5得到的情况下,数据包中携带的1比特指示信息可以重新翻转为0。应理解,图22所示的1比特的指示信息翻转只是示例性说明,并不对其构成限定。
第一指示信息也可以为多个比特的信息,该多个比特的信息可以用于指示算法变更(切换),以及可以用于指示算法切换前的老算法(如第一算法)和算法切换后的新算法(如第二算法)。具体地,第一指示信息可以为2比特的信息,或3比特的信息,在此不作限定。例如,在第一指示信息为2比特的信息的情况下,第一指示信息的值可以为00、01、10、11。当第一设备第一次算法切换时,数据包中携带的第一指示信息的值可以先从00变为01;当第一设备第二次算法切换时,第一指示信息的值可以从01变为10;当第一设备第三次算法切换时,第一指示信息的值可以从10变为11;当第一设备第四次算法切换时,第一指示信息的值可以从11变为00。再之后,第一设备在算法切换时,第一指示信息的值可以重复上述变化过程。
需要说明的是,上述第一指示信息为1比特的信息时,0和1指示的是算法切换前后的算法(即切换之前的老算法和切换之后的新算法),可以间接指示多个算法(不限于两个算法),与第一指示信息包括的第一算法的标识为1比特是不同的,其仅能指示两个算法。例如,假设总共有两个算法,算法1和算法2,在第一指示信息包括第一算法的标识的情况下,第一指示信息值可以为0,此时的0应理解为算法1的标识,第一指示信息值也可以为1,此时的1应理解为算法2的标识。同理,第一指示信息为2比特的算法的标识(用于指示4个不同的算法),和第一指示信息为2比特的信息(用于指示算法切换前后的新算法和老算法)也是不同的。
第一设备可以向第二设备发送控制信令。相应地,第二设备可以接收来自第一设备的控制信令。该控制信令可以包括结束标记(end marker,EM)和第一序列号(serialnumber,SN)。结束标记用于指示第一序列号之前的第一个序列号对应的数据包,为使用老算法得到的最后一个数据包。具体地,在第一设备得到第二数据之后,可以生成第一数据包,第一数据包中包括的第一指示信息可以为第一数据包的序列号。之后,第一设备还可以更换(切换)算法,从第一算法切换到第三算法。在切换算法之后,第一设备可以发送控制信令,控制信令可以包括结束标记和第一序列号。第一设备可以使用第三算法对第五数据进行处理,得到第六数据。之后,第一设备可以生成第三数据包,然后向第二设备发送第三数据包。相应地,第二设备可以接收来自第一设备的第三数据包。第三数据包可以包括第三指示信息和第六数据,第三指示信息可以为第三数据包的序列号。第三算法可以为第三模型或第一模型的第三部分,第三算法与第一算法不同。
第一数据包的序列号、控制信令的第一序列号以及第三数据包的序列号可以是统一编号的。例如,可以为PDCP层维护的序列号。同时,控制信令可以为控制协议数据单元(protocol data unit,PDU),如PDCP控制PDU。因此,第一序列号位于第一数据包的序列号之后,位于第三数据包的序列号之前。应理解,第一数据包的序列号、控制信令的第一序列号以及第三数据包的序列号也可以是RLC层的序列号,还可以是其它序列号,在此不作限定。
可以理解的是,上述第一指示信息包括算法的标识,或者第一指示信息为1比特或多比特的信息(指示算法切换前后的新算法和老算法),或者发送控制信令(携带EM),这三种方式对应的方案,可以为三种并列的方案,可以独立使用,也可以组合使用。其中,前两种方案可以为用户面的方案,最后一种方案(即通过控制信令的方案),可以为控制面的方案。
需要说明的是,第一设备算法切换可以是其自身触发的(可以参考图9对应的实施例中的相关描述),也可以是其他设备触发的(如接收到来自其它设备的控制信令,可以参考图14对应的实施例中的相关描述),还可以是其它触发方式,本发明实施例在此不作限定。
在第一设备的算法切换是第二设备触发的情况下,第一设备可以直接切换不进行响应。具体地,第二设备可以向第一设备发送第四指示信息。相应地,第一设备可以接收来自第二设备的第四指示信息。第四指示信息用于指示将算法切换为第二算法或第三算法。当第一设备接收到来自第二设备的第四指示信息之后,第一设备可以从第一算法切换到第二算法,或者从第一算法切换到第三算法。
在第一设备的算法切换是第一设备自身触发的情况下,第一设备可以通知第二设备算法切换的相关信息。例如,可以告知第二设备算法切换的时间,以及新切换的算法的标识等。
在第一设备的算法切换是除第二设备之外的其他设备(如第三设备)触发的情况下,第一设备或第三设备可以通知第二设备算法切换的相关信息。
2103.第二设备使用第四算法对第二数据进行处理。
具体地,在第二设备接收到来自第一设备的第一数据包之后,第二设备可以先根据第一指示信息确定第四算法,之后,第二设备可以使用第四算法对第一数据包包括的第二数据进行处理。第四算法为第一算法对应的协同算法,第四算法可以为第四模型或第一模型的第四部分。第四模型为第一模型对应的协同模型,第一模型的输出数据可以作为第四模型的输入数据。第一算法对应的第一模型的第一部分和第四算法对应的第一模型的第四部分可以为互斥的两部分,如第一算法对应的可以为如12所示的神经网络模型的前三层,第四算法对应的可以为该神经网络模型的后两层。
在第一指示信息包括第一算法的标识的情况下,第二设备可以直接根据第一算法的标识确定第一算法,然后再确定第一算法对应的协同算法(即第四算法)。之后,第一设备可以使用第四算法对第二数据进行处理。同理,针对其它数据包,第二设备也可以根据数据包中携带的算法的标识,确定对应的协同算法,之后,第二设备可以使用对应的协同算法对数据包中携带的数据进行处理。
举例说明,第一设备可以使用算法1、算法2、算法5,第二设备可以使用算法3、算法4、算法6。其中,算法1和算法3为对应的协同算法;算法2和算法4为对应的协同算法;算法5和算法6为对应的协同算法。具体地,第一设备可以先后向第二设备先后发送多个数据包:数据包1(packet 1):携带算法标识(ID=1);数据包2:携带算法标识(ID=1);之后,第一设备切换算法(算法1->算法2);数据包3:携带算法标识(ID=2);数据包4:携带算法标识(ID=1);之后,第一设备切换了算法(算法2->算法5);数据包5:携带算法标识(ID=2);数据包6:携带算法标识(ID=5)。其中,数据包4可以是一个重传的数据包,因此,其携带的算法的标识可以为1。而数据包5可以是第一设备算法切换之前(算法2->算法5),使用算法2得到的数据包,但递交给底层(如MAC层)还未发送。因此,数据包5携带的算法标识可以为2,且数据包5的发送的时间可以晚于第一设备从算法2切换到算法5的时间。
相应地,第二设备可以先后收到第一设备发送的多个数据包,成功接收到的数据包的先后顺序可以为数据包1、数据包2、数据包3、数据包4、数据包5、数据包6。当第二设备接收到数据包1时,第二设备可以先读取数据包1中携带的算法标识(ID=1),之后,第二设备可以使用算法1对应的协同算法(算法3)处理数据包1中携带的数据。同理,第二设备接收到数据包2之后,也可以读取数据包2中携带的算法标识,然后也可以使用算法1对应的协同算法(算法3)处理数据包2中携带的数据。再之后,第二设备可以接收到数据包3,可以读取数据包3中携带的算法标识,然后可以使用算法2对应的协同算法(算法4)处理数据包3中携带的数据。再之后,第二设备可以接收到数据包5、数据包6,其处理方式与数据包1、数据包2、数据包3类似,在此不再赘述。
应理解,由于第一设备和第二设备之间的通信链路可能每时每刻都在发生变化,因此第一设备发送数据包的顺序和第二设备成功接收数据包的顺序可以不同。但由于数据包中携带的可以是算法的标识,因此,第二设备可以使用正确的协同算法,可以解决算法混淆问题。
请参阅图23,图23是本发明实施例公开的一种针对算法混淆问题的解决方案的示意图。如图23所示,针对场景一:算法应用时间不同导致的算法混淆问题,本发明实施例中,第一设备可以在向第二设备的数据包中携带算法标识(ID),当第二设备接收到数据包之后,第二设备可以根据数据包携带的算法标识,使用正确的协同算法处理该数据包中携带的数据。因此,针对数据包3,当第二设备接收到数据包3之后,第二设备可以先缓存数据包3,可以在启用新的协同算法(算法2b)之后再进行处理。针对场景二:数据包重传导致的算法混淆问题,本发明实施例中,针对数据包3,第二设备可以根据数据包3携带的算法标识(ID=1),确定对应的协同算法(算法1b),之后,可以启用算法1b处理数据包3携带的数据。应理解,图23所示的针对算法混淆问题的解决方案只是示例性说明,并不对其构成限定。
可见,本发明实施例中,第一设备可以在每个数据包中携带具体的算法标识,当第二设备接收到第一设备发送的数据包之后,第二设备可以读取数据包中携带的算法标识,从而知道针对该数据包,自身需要用哪一个算法来进行后续处理,可以避免模型混淆问题。此外,由于传输算法的标识所需比特的数量较少,可以节约传输资源。
在第一指示信息为1比特的信息的情况下,第二设备接收到来自第一设备的第二数据包之后,可以先判断第一数据包中携带的第一指示信息的值,与第二数据包中携带的指示信息的值是否相同,在第一指示信息的值和第二指示信息的值相同的情况下,第二设备可以使用第四算法对第四数据进行处理;在第一指示信息的值和第二指示信息的值不同的情况下,第二设备可以使用第五算法对第四数据进行处理。第五算法为第二算法对应的协同算法,第四算法与第五算法不同,第五算法可以为第五模型或第一模型的第五部分。第五模型为第二模型对应的协同模型,第二模型的输出数据可以作为第五模型的输入数据。第二算法对应的第一模型的第二部分和第五算法对应的第一模型的第五部分可以为互斥的两部分。
举例说明,第一设备可以使用算法1、算法2、算法5,第二设备可以使用算法3、算法4、算法6。其中,算法1和算法3为对应的协同算法;算法2和算法4为对应的协同算法;算法5和算法6为对应的协同算法。具体地,第一设备可以先后向第二设备先后发送多个数据包:数据包1(packet 1):携带1比特指示信息(1),刚开始的数据包中携带的1比特指示信息可以默认为1;数据包2:携带1比特的指示信息(1);之后,第一设备切换算法(算法1->算法2);数据包3:携带1比特的指示信息(0);数据包4:携带1比特的指示信息(1);之后,第一设备切换算法(算法2->算法5);数据包5:携带1比特的指示信息(0);数据包6:携带1比特的指示信息(1)。其中,数据包4可以是一个重传的数据包,因此,其携带的指示信息的值可以为1。而数据包5可以是第一设备算法切换之前(算法2->算法5),使用算法2得到的数据包,但递交给底层(如MAC层)还未发送。因此,数据包5携带的指示信息的值可以为0,且数据包5的发送的时间可以晚于第一设备从算法2切换到算法5的时间。
相应地,第二设备可以先后收到第一设备发送的多个数据包,成功接收到的数据包的先后顺序可以为数据包1、数据包2、数据包3、数据包4、数据包5、数据包6。当第二设备接收到数据包1时,第二设备可以先读取数据包1中携带的1比特指示信息(1),之后,第二设备可以使用算法1对应的协同算法(算法3)处理数据包1中携带的数据。同理,第二设备接收到数据包2之后,也可以读取数据包2中携带的指示信息,然后也可以使用算法1对应的协同算法(算法3)处理数据包2中携带的数据。由于第二设备可以知道第一设备算法切换的相关信息(如第一设备从算法1切换为算法2的大致时间,或为第一设备配置算法2的时间)。因此,在第一设备算法切换的时间段内,第二设备可以进行相应的处理。如第二设备知道在接收到数据包2之后,以及在接收到数据包3之前,第一设备从算法1切换到了算法2。之后,第二设备接收到数据包3,可以先读取数据包3中携带的指示信息(0),由于指示信息的值发生了1比特的翻转,因此,第二设备可以确定数据包3中携带的数据是使用算法2得到的,第二设备可以使用算法2对应的协同算法(算法4)处理数据包3中携带的数据。再之后,第二设备可以接收到数据包4,并且可以判断数据包4的指示信息的值相较于数据包3发生的翻转,但第二设备知道在接收到数据包3之后,以及在接收到数据包4之前,第一设备并未切换算法(如从算法2切换为算法5),因此,第一设备可以采用之前的算法3处理数据包4中携带的数据。再之后,第二设备知道在接收到数据包4之后,以及在接收到数据包5之前,第一设备从算法2切换到了算法5。之后,第二设备接收到数据包5,可以先读取数据包5中携带的指示信息(0),由于指示信息的值发生了1比特的翻转,但其指示信息的值为0,表明数据包5中携带的数据是使用老算法(算法2)得到的,因此,第二设备可以使用算法2对应的协同算法(算法4)处理数据包5中携带的数据。再之后,第二设备可以接收到数据包6,第二设备可以确定数据包6携带的指示信息发生翻转,同时由于数据包6携带的指示信息的值为1,因此,第二设备可以确定数据包6携带的数据是使用新算法(算法5)得到的,因此,第二设备可以使用算法5对应的协同算法(算法6)进行处理。
请参阅图24,图24是本发明实施例公开的另一种针对算法混淆问题的解决方案的示意图。如图24所示,针对场景一:算法应用时间不同导致的算法混淆问题,本发明实施例中,第二设备可以知道第一设备算法切换的相关信息,并且第一设备可以在向第二设备的数据包中携带指示信息,当第二设备接收到数据包之后,第二设备可以根据数据包携带的指示信息,使用正确的协同算法处理该数据包中携带的数据。因此,针对数据包3,当第二设备接收到数据包3之后,第二设备可以确定数据包3携带的数据是使用算法2a得到的,因此,第二设备可以先缓存数据包3,可以在启用新的协同算法(算法2b)之后再进行处理。针对场景二:数据包重传导致的算法混淆问题,本发明实施例中,针对数据包3,第二设备可以根据数据包3携带的指示信息(0),确定数据包3是使用算法1a得到的,因此,第二设备可以启用算法1a对应的协同算法(算法1b)处理数据包3携带的数据。应理解,图24所示的针对算法混淆问题的解决方案只是示例性说明,并不对其构成限定。
可见,在指示信息为1比特的信息的情况下,第二设备在第一设备算法切换的时间段内,第二设备接收到数据包之后,可以进行对应的处理,可以避免模型混淆问题。此外,由于传输算法的指示信息只需要1比特,可以节约传输资源。
第二设备可以接收来自第一设备的控制信令。并且,第二设备在接收来自第一设备的控制信令之后,还可以接收来自第一设备的第三数据包。之后,第二设备可以先判断第三数据包的序列号是在第一序列号之前,或者是在第一序列号之后,在第三数据包的序列号在第一序列号之前的情况下,第二设备可以使用第四算法对第六数据进行处理;在第三数据包的序列号在第一序列号之后的情况下,第二设备可以使用第六算法对第六数据进行处理。第六算法为第三算法对应的协同算法,第四算法与第六算法不同,第六算法可以为第六模型或第一模型的第六部分。第六模型为第三模型对应的协同模型,第三模型的输出数据可以作为第六模型的输入数据。第三算法对应的第一模型的第三部分和第六算法对应的第一模型的第六部分可以为互斥的两部分。
举例说明,第一设备可以使用算法1、算法2,第二设备可以使用算法3、算法4。其中,算法1和算法3为对应的协同算法;算法2和算法4为对应的协同算法。具体地,第一设备可以先后向第二设备先后发送多个数据包:数据包10(packet 10):序列号(SN)=10;数据包11:SN=11;第一设备切换算法(算法1->算法2);数据包12:SN=12;数据包13:控制PDU,控制PDU携带的SN为13;数据包14:SN=14;数据包15:SN=9。其中,数据包12可以是第一设备算法切换之前(算法2->算法5),使用算法2得到的数据包,但递交给底层(如MAC层)还未发送。因此,数据包12的序列号可以为12。而数据包15可以是一个重传的数据包,因此,数据包15的序列号可以为9。应理解,控制PDU的序列号和数据包的序列号可以是统一编号的,同时,上述控制PDU可以是在第一设备生成数据包12之后,以及生成数据包14之前生成的,因此,其携带的序列号也在数据包12的序列号之后,数据包14的序列号之前。
相应地,第二设备可以先后收到第一设备发送的多个数据包,成功接收到的数据包的先后顺序可以为数据包10、数据包11、数据包12、数据包13、数据包14、数据包15。当第二设备接收到数据包10时,第二设备可以先读取数据包10的SN(10),同时,由于第二设备可以知道第一设备未切换算法,因此,第二设备可以使用老算法(算法1)对应的协同算法(算法3)处理数据包10中携带的数据。同理,第二设备接收到数据包2之后,也可以读取数据包2的序列号(11),然后也可以使用算法1对应的协同算法(算法3)处理数据包2中携带的数据。之后,第二设备可以知道在接收到数据包11之后,以及在接收到数据包13之前,第一设备从算法1切换到了算法2。因此,第二设备接收到数据包12(SN=12)之后,可以先不处理数据包12(缓存),待后续接收到来自第一设备的控制PDU后,再进行对应的处理;之后,第二设备可以接收到控制PDU,以及可以读取其携带的SN(13);之后,第二设备可以确定数据包12的序列号(12)在控制PDU携带的序列号(13)之前,从而可以确定数据包12中携带的数据是使用老算法(算法1)处理得到的,因此,第二设备可以使用算法1对应的协同算法(算法3)处理数据包12中携带的数据。之后,第二设备可以接收到数据包14,并且可以判断数据包14的序列号(14)在控制PDU携带的序列号(13)之后,因此,第二设备可以确定数据包14携带的数据是使用新算法(算法2)得到的,因此,第二设备可以使用算法2对应的协同算法(算法4)进行处理。再之后,第二设备可以接收到数据包15,并且可以判断数据包15的序列号(9)在控制PDU携带的序列号(13)之前,因此,第二设备可以确定数据包15携带的数据是使用老算法(算法1)得到的,因此,第二设备可以使用算法1对应的协同算法(算法3)进行处理。
请参阅图25,图25是本发明实施例公开的又一种针对算法混淆问题的解决方案的示意图。如图25所示,针对场景一:算法应用时间不同导致的算法混淆问题,本发明实施例中,第二设备可以知道第一设备算法切换的相关信息,并且第一设备可以在算法切换之后,生成控制PDU,以及可以向第二设备发送该控制PDU,之后,当第二设备接收到来自第一设备的数据包时,第二设备可以根据数据包的序列号,以及控制PDU携带的序列号,使用正确的协同算法处理该数据包中携带的数据。因此,针对数据包4,当第二设备接收到数据包4之后,第二设备可以判断出数据包4的序列号在控制PDU携带的序列号之后,从而可以确定数据包4携带的数据是使用算法2a得到的,因此,第二设备可以先缓存数据包4,可以在启用新的协同算法(算法2b)之后再进行处理。针对场景二:数据包重传导致的算法混淆问题,本发明实施例中,针对数据包4,第二设备可以判断出数据包4的序列号在控制PDU携带的序列号之前,从而可以确定数据包4是使用算法1a得到的,因此,第二设备可以启用算法1a对应的协同算法(算法1b)处理数据包4携带的数据。应理解,图25所示的针对算法混淆问题的解决方案只是示例性说明,并不对其构成限定。
本发明实施例,第二设备可以接收来自第一设备的控制信令,该控制信令可以包括结束标记和序列号。第二设备可以通过控制信令携带的序列号和接收到的数据包的序列号,判断出接收到的数据包包括的数据是通过新算法得到的,还是通过老算法得到的,从而可以避免模型混淆问题。
应理解,上述不同实施例中的相关信息(即相同信息或相似信息)和相关描述可以相互参考。同时,上述图21对应的实施例,可以作为上述图9和图14对应的实施例的增强,可以解决上述图9和图14对应的实施例的算法混淆问题。
基于上述网络架构,请参阅图26,图26是本发明实施例公开的一种通信装置的结构示意图。其中,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。如图26所示,该通信装置可以包括:
确定单元2601,用于确定满足第一事件;
获取单元2602,用于获取该第一事件对应的第一算法,该第一算法为第一模型或该第一模型的部分;
启用单元2603,用于启用该第一算法。
在一个实施例中,该装置还可以包括:
接收单元2604,用于接收来自第二设备的配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括该第一事件。
在一个实施例中,该装置还可以包括:
发送单元2605,用于向该第二设备发送指示信息,该指示信息用于指示该第一算法。
在一个实施例中,该指示信息为该第一算法的标识或该第一事件的标识。
在一个实施例中,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
在一个实施例中,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
有关上述确定单元2601、获取单元2602、启用单元2603、接收单元2604以及发送单元2605更详细的描述可以直接参考上述图9所示的方法实施例中第一设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图27,图27是本发明实施例公开的另一种通信装置的结构示意图。其中,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。如图27所示,该通信装置可以包括:
确定单元2701,用于确定配置信息;
发送单元2702,用于向第一设备发送该配置信息,该配置信息包括一个或多个事件以及对应的算法,该一个或多个事件包括第一事件,该第一事件对应第一算法,该第一算法为第一模型或该第一模型的部分。
在一个实施例中,该装置还可以包括:
接收单元2703,用于接收来自该第一设备的指示信息,该指示信息用于指示该第一算法。
在一个实施例中,该指示信息为该第一算法的标识或该第一事件的标识。
在一个实施例中,该确定单元2701,还用于根据该指示信息确定第二算法,该第二算法为该第一算法对应的协同算法;
该装置还可以包括:
启用单元2704,用于启用该第二算法。
在一个实施例中,该第一模型为神经网络模型、决策树模型、随机森林模型、线性回归模型、逻辑回归模型、支持向量机模型、朴素贝叶斯模型中的一种。
在一个实施例中,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
有关上述确定单元2701、发送单元2702、接收单元2703以及启用单元2704更详细的描述可以直接参考上述图9所示的方法实施例中第二设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图28,图28是本发明实施例公开的又一种通信装置的结构示意图。其中,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。如图28所示,该通信装置可以包括:
接收单元2801,用于接收来自第二设备的第一指示信息,该第一指示信息用于指示第一算法,该第一算法为第一模型或该第一模型的部分;
启用单元2802,用于启用该第一算法。
在一个实施例中,该接收单元2801,还用于接收来自该第二设备的配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
在一个实施例中,该装置还可以包括:
发送单元2803,用于向该第二设备发送第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件。
在一个实施例中,该发送单元2803,还用于向该第二设备发送第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
在一个实施例中,该第二指示信息包括该第一事件的标识。
在一个实施例中,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
在一个实施例中,该第一指示信息包括该第一算法的标识。
在一个实施例中,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
有关上述接收单元2801、启用单元2802以及发送单元2803更详细的描述可以直接参考上述图14所示的方法实施例中第一设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图29,图29是本发明实施例公开的又一种通信装置的结构示意图。其中,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。如图29所示,该通信装置可以包括:
确定单元2901,用于确定第一算法,该第一算法为第一模型或该第一模型的部分;
发送单元2902,用于向第一设备发送第一指示信息,该第一指示信息用于指示该第一算法。
在一个实施例中,该发送单元2902,还用于向该第一设备发送配置信息,该配置信息包括一个或多个算法以及对应的标识,该一个或多个算法包括该第一算法。
在一个实施例中,该装置还可以包括:
接收单元2903,用于接收来自该第一设备的第二指示信息,该第二指示信息用于指示该第一设备满足的第一事件;
该确定单元2901,具体用于根据该第二指示信息确定该第一算法。
在一个实施例中,该接收单元2903,还用于接收来自该第一设备的第三指示信息,该第三指示信息用于指示该第一设备启用该第一算法成功或失败,该第三指示信息为该第一指示信息对应的响应信息。
在一个实施例中,该第二指示信息包括该第一事件的标识。
在一个实施例中,该第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,该信号质量事件为信号质量小于第一阈值或该信号质量大于/等于该第一阈值;该电量事件为该第一设备的电量小于第二阈值或该第一设备的电量大于/等于该第二阈值;该内存事件为内存小于第三阈值或该内存大于/等于该第三阈值;该存储事件为存储容量小于第四阈值或该存储容量大于/等于第四阈值;
该信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
在一个实施例中,该第一指示信息包括该第一算法的标识。
在一个实施例中,该第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
有关上述确定单元2901、发送单元2902以及接收单元2903更详细的描述可以直接参考上述图14所示的方法实施例中第二设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图30,图30是本发明实施例公开的又一种通信装置的结构示意图。其中,该通信装置可以为第一设备,也可以为第一设备中的模块(例如,芯片)。如图30所示,该通信装置可以包括:
处理单元3001,用于使用第一算法对第一数据进行处理,得到第二数据,该第一算法为第一模型或该第一模型的第一部分;
发送单元3002,用于向第二设备发送第一数据包,该第一数据包包括用于指示该第一算法的第一指示信息和该第二数据。
在一个实施例中,该第一指示信息包括该第一算法的标识。
在一个实施例中,该第一指示信息为1比特的信息,该处理单元3001,还用于使用第二算法对第三数据进行处理,得到第四数据,该第二算法与该第一算法不同;
该发送单元3002,还用于向该第二设备发送第二数据包,该第二数据包包括第二指示信息和该第四数据,该第二指示信息的值与该第一指示信息的值不同。
在一个实施例中,该发送单元3002,还用于向该第二设备发送控制信令,该控制信令包括结束标记和第一序列号。
在一个实施例中,在该向该第二设备发送控制信令之后,该处理单元3001,还用于使用第三算法对第五数据进行处理,得到第六数据,该第三算法与该第一算法不同;
该发送单元3002,还用于向该第二设备发送第三数据包,该第三数据包包括第三指示信息和该第六数据,该第三指示信息为该第三数据包的序列号。
在一个实施例中,该装置还可以包括:
接收单元3003,用于接收来自该第二设备的第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分;
启用单元3004,用于启用该第二算法或该第三算法。
有关上述处理单元3001、发送单元3002、接收单元3003以及启用单元3004更详细的描述可以直接参考上述图21所示的方法实施例中第一设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图31,图31是本发明实施例公开的又一种通信装置的结构示意图。其中,该通信装置可以为第二设备,也可以为第二设备中的模块(例如,芯片)。如图31所示,该通信装置可以包括:
接收单元3101,用于接收来自第一设备第一数据包,该第一数据包包括用于指示第一算法的第一指示信息和第二数据,该第一算法为第一模型或该第一模型的第一部分;
处理单元3102,用于使用第四算法对该第二数据进行处理,该第四算法为该第一算法对应的协同算法。
在一个实施例中,该第一指示信息包括该第一算法的标识。
在一个实施例中,该第一指示信息为1比特的信息,该接收单元3101,还用于接收来自该第一设备的第二数据包,该第二数据包包括第二指示信息和第四数据;
在该第一指示信息的值和该第二指示信息的值相同的情况下,该处理单元3102,还用于使用该第四算法对该第四数据进行处理;
在该第一指示信息的值和该第二指示信息的值不同的情况下,该处理单元3102,还用于使用第五算法对该第四数据进行处理,该第五算法为第二算法对应的协同算法,该第二算法与该第一算法不同,该第四算法与该第五算法不同。
在一个实施例中,该接收单元3101,还用于接收来自该第一设备的控制信令,该控制信令包括结束标记和第一序列号。
在一个实施例中,在该接收来自该第一设备的控制信令之后,该接收单元3101,还用于接收来自该第一设备的第三数据包,该第三数据包包括第三指示信息和第六数据,该第三指示信息为该第三数据包的序列号;
在该第三数据包的序列号在该第一序列号之前的情况下,该处理单元3102,还用于使用该第四算法对该第六数据进行处理;
在该第三数据包的序列号在该第一序列号之后的情况下,该处理单元3102,还用于使用第六算法对该第六数据进行处理,该第六算法为第三算法对应的协同算法,该第三算法与该第一算法不同,该第六算法与该第四算法不同。
在一个实施例中,该装置还可以包括:
发送单元3103,用于向该第一设备发送第四指示信息,该第四指示信息用于指示将算法切换为该第二算法或该第三算法,该第二算法为第二模型或该第一模型的第二部分,该第三算法为第三模型或该第一模型的第三部分。
有关上述接收单元3101、处理单元3102以及发送单元3103更详细的描述可以直接参考上述图21所示的方法实施例中第二设备的相关描述直接得到,在此不再赘述。
基于上述网络架构,请参阅图32,图32是本发明实施例公开的又一种通信装置的结构示意图。如图32所示,该通信装置可以包括处理器3201、存储器3202、收发器3203和总线3204。存储器3202可以是独立存在的,可以通过总线3204与处理器3201相连接。存储器3202也可以和处理器3201集成在一起。其中,总线3204用于实现这些组件之间的连接。在一种情况下,如图32所示,收发器3203可以包括发射机32031、接收机32032和天线32033。在另一种情况下,收发器3203可以包括发射器(即输出接口)和接收器(即输入接口)。发射器可以包括发射机和天线,接收器可以包括接收机和天线。
在一个实施例中,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制接收单元2604和发送单元2605执行上述实施例中执行的操作,该处理器3201还用于执行上述确定单元2601、获取单元2602以及启用单元2603执行的操作,收发器3203用于执行上述实施例中接收单元2604和发送单元2605执行的操作。上述第一设备或者第一设备内的模块还可以用于执行上述图9方法实施例中第一设备执行的方法,在此不再赘述。
在一个实施例中,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制发送单元2702和接收单元2703执行上述实施例中执行的操作,该处理器3201还用于执行上述确定单元2701和启用单元2704执行的操作,收发器3203用于执行上述实施例中发送单元2702和接收单元2703执行的操作。上述第二设备或者第二设备内的模块还可以用于执行上述图9方法实施例中第二设备执行的方法,在此不再赘述。
在一个实施例中,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制接收单元2801和发送单元2803执行上述实施例中执行的操作,该处理器3201还用于执行上述启用单元2802执行的操作,收发器3203用于执行上述实施例中接收单元2801和发送单元2803执行的操作。上述第一设备或者第一设备内的模块还可以用于执行上述图14方法实施例中第一设备执行的方法,在此不再赘述。
在一个实施例中,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制发送单元2902和接收单元2903执行上述实施例中执行的操作,该处理器3201还用于执行上述确定单元2901执行的操作,收发器3203用于执行上述实施例中发送单元2902和接收单元2903执行的操作。上述第二设备或者第二设备内的模块还可以用于执行上述图14方法实施例中第二设备执行的方法,在此不再赘述。
在一个实施例中,该通信装置可以为第一设备或者第一设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制发送单元3002和接收单元3003执行上述实施例中执行的操作,该处理器3201还用于执行上述处理单元3001和启用单元3004执行的操作,收发器3203用于执行上述实施例中发送单元3002和接收单元3003执行的操作。上述第一设备或者第一设备内的模块还可以用于执行上述图21方法实施例中第一设备执行的方法,在此不再赘述。
在一个实施例中,该通信装置可以为第二设备或者第二设备内的模块(例如,芯片),存储器3202中存储的计算机程序被执行时,该处理器3201用于控制接收单元3101和发送单元3103执行上述实施例中执行的操作,该处理器3201还用于执行上述处理单元3102执行的操作,收发器3203用于执行上述实施例中接收单元3101和发送单元3103执行的操作。上述第二设备或者第二设备内的模块还可以用于执行上述图21方法实施例中第二设备执行的方法,在此不再赘述。
基于上述网络架构,请参阅图33,图33是本发明实施例公开的又一种通信装置的结构示意图。如图33所示,该通信装置可以包括输入接口3301、逻辑电路3302和输出接口3303。输入接口3301与输出接口3303通过逻辑电路3302相连接。其中,输入接口3301用于接收来自其它通信装置的信息,输出接口3303用于向其它通信装置输出、调度或者发送信息。逻辑电路3302用于执行除输入接口3301与输出接口3303的操作之外的操作,例如实现上述实施例中处理器3201实现的功能。其中,该通信装置可以为第一设备或者第一设备内的模块,也可以为第二设备或者第二设备内的模块。其中,有关输入接口3301、逻辑电路3302和输出接口3303更详细的描述可以直接参考上述方法实施例中第一设备和第二设备的相关描述直接得到,这里不加赘述。
基于上述网络架构,请参阅图34,图34是本发明实施例公开的一种通信系统的结构示意图。如图34所示,该通信系统可以包括第一设备3401和第二设备3402。其中,详细描述可以参考图9、图14以及图21所示的通信方法。
本发明实施例还公开一种计算机可读存储介质,其上存储有指令,该指令被执行时执行上述方法实施例中的方法。
本发明实施例还公开一种包括指令的计算机程序产品,该指令被执行时执行上述方法实施例中的方法。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本申请的保护范围之内。
Claims (30)
1.一种通信方法,其特征在于,包括:
第一设备接收来自第二设备的第一指示信息,所述第一指示信息用于指示第一算法,所述第一算法为第一模型或所述第一模型的部分;
启用所述第一算法。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收来自所述第二设备的配置信息,所述配置信息包括一个或多个算法以及对应的标识,所述一个或多个算法包括所述第一算法。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
向所述第二设备发送第二指示信息,所述第二指示信息用于指示所述第一设备满足的第一事件。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
向所述第二设备发送第三指示信息,所述第三指示信息用于指示所述第一设备启用所述第一算法成功或失败,所述第三指示信息为所述第一指示信息对应的响应信息。
5.一种通信方法,其特征在于,包括:
第二设备确定第一算法,所述第一算法为第一模型或所述第一模型的部分;
向第一设备发送第一指示信息,所述第一指示信息用于指示所述第一算法。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
向所述第一设备发送配置信息,所述配置信息包括一个或多个算法以及对应的标识,所述一个或多个算法包括所述第一算法。
7.根据权利要求5或6所述的方法,其特征在于,所述第二设备确定第一算法,包括:
接收来自所述第一设备的第二指示信息,所述第二指示信息用于指示所述第一设备满足的第一事件;
根据所述第二指示信息确定所述第一算法。
8.根据权利要求5-7任一项所述的方法,其特征在于,所述方法还包括:
接收来自所述第一设备的第三指示信息,所述第三指示信息用于指示所述第一设备启用所述第一算法成功或失败,所述第三指示信息为所述第一指示信息对应的响应信息。
9.根据权利要求3-4或7-8任一项所述的方法,其特征在于,所述第二指示信息包括所述第一事件的标识。
10.根据权利要求3-4或7-9任一项所述的方法,其特征在于,所述第一事件包括信号质量事件、电量事件、内存事件、存储事件中的一项或多项;
其中,所述信号质量事件为信号质量小于第一阈值或所述信号质量大于/等于所述第一阈值;所述电量事件为所述第一设备的电量小于第二阈值或所述第一设备的电量大于/等于所述第二阈值;所述内存事件为内存小于第三阈值或所述内存大于/等于所述第三阈值;所述存储事件为存储容量小于第四阈值或所述存储容量大于/等于所述第四阈值;
所述信号质量是基于参考信号接收功率RSRP、参考信号接收质量RSRQ、信号与干扰加噪声比SINR、信号与噪声比SNR、信道质量指示CQI中的一项或多项得到的。
11.根据权利要求1-10任一项所述的方法,其特征在于,所述第一指示信息包括所述第一算法的标识。
12.根据权利要求1-11任一项所述的方法,其特征在于,所述第一指示信息携带在下行控制信息DCI,或者无线资源控制RRC信令,或者媒体访问控制层MAC信令中。
13.一种通信方法,其特征在于,包括:
第一设备使用第一算法对第一数据进行处理,得到第二数据,所述第一算法为第一模型或所述第一模型的第一部分;
向第二设备发送第一数据包,所述第一数据包包括用于指示所述第一算法的第一指示信息和所述第二数据。
14.根据权利要求13所述的方法,其特征在于,所述第一指示信息为1比特的信息,所述方法还包括:
使用第二算法对第三数据进行处理,得到第四数据,所述第二算法与所述第一算法不同;
向所述第二设备发送第二数据包,所述第二数据包包括第二指示信息和所述第四数据,所述第二指示信息的值与所述第一指示信息的值不同。
15.根据权利要求13所述的方法,其特征在于,所述方法还包括:
向所述第二设备发送控制信令,所述控制信令包括结束标记和第一序列号。
16.根据权利要求15所述的方法,其特征在于,在所述向所述第二设备发送控制信令之后,所述方法还包括:
使用第三算法对第五数据进行处理,得到第六数据,所述第三算法与所述第一算法不同;
向所述第二设备发送第三数据包,所述第三数据包包括第三指示信息和所述第六数据,所述第三指示信息为所述第三数据包的序列号。
17.根据权利要求14-16任一项所述的方法,其特征在于,所述方法还包括:
接收来自所述第二设备的第四指示信息,所述第四指示信息用于指示将算法切换为所述第二算法或所述第三算法,所述第二算法为第二模型或所述第一模型的第二部分,所述第三算法为第三模型或所述第一模型的第三部分;
启用所述第二算法或所述第三算法。
18.一种通信方法,其特征在于,包括:
第二设备接收来自第一设备的第一数据包,所述第一数据包包括用于指示第一算法的第一指示信息和第二数据,所述第一算法为第一模型或所述第一模型的第一部分;
使用第四算法对所述第二数据进行处理,所述第四算法为所述第一算法对应的协同算法。
19.根据权利要求13或18所述的方法,其特征在于,所述第一指示信息包括所述第一算法的标识。
20.根据权利要求18所述的方法,其特征在于,所述第一指示信息为1比特的信息,所述方法还包括:
接收来自所述第一设备的第二数据包,所述第二数据包包括第二指示信息和第四数据;
在所述第一指示信息的值和所述第二指示信息的值相同的情况下,使用所述第四算法对所述第四数据进行处理;
在所述第一指示信息的值和所述第二指示信息的值不同的情况下,使用第五算法对所述第四数据进行处理,所述第五算法为第二算法对应的协同算法,所述第二算法与所述第一算法不同,所述第四算法与所述第五算法不同。
21.根据权利要求18所述的方法,其特征在于,所述方法还包括:
接收来自所述第一设备的控制信令,所述控制信令包括结束标记和第一序列号。
22.根据权利要求21所述的方法,其特征在于,在所述接收来自所述第一设备的控制信令之后,所述方法还包括:
接收来自所述第一设备的第三数据包,所述第三数据包包括第三指示信息和第六数据,所述第三指示信息为所述第三数据包的序列号;
在所述第三数据包的序列号在所述第一序列号之前的情况下,使用所述第四算法对所述第六数据进行处理;
在所述第三数据包的序列号在所述第一序列号之后的情况下,使用第六算法对所述第六数据进行处理,所述第六算法为第三算法对应的协同算法,所述第三算法与所述第一算法不同,所述第六算法与所述第四算法不同。
23.根据权利要求20-22任一项所述的方法,其特征在于,所述方法还包括:
向所述第一设备发送第四指示信息,所述第四指示信息用于指示将算法切换为所述第二算法或所述第三算法,所述第二算法为第二模型或所述第一模型的第二部分,所述第三算法为第三模型或所述第一模型的第三部分。
24.一种通信装置,其特征在于,包括:
接收单元,用于接收来自第二设备的第一指示信息,所述第一指示信息用于指示第一算法,所述第一算法为第一模型或所述第一模型的部分;
启用单元,用于启用所述第一算法。
25.一种通信装置,其特征在于,包括:
确定单元,用于确定第一算法,所述第一算法为第一模型或所述第一模型的部分;
发送单元,用于向第一设备发送第一指示信息,所述第一指示信息用于指示所述第一算法。
26.一种通信装置,其特征在于,包括:
处理单元,用于使用第一算法对第一数据进行处理,得到第二数据,所述第一算法为第一模型或所述第一模型的第一部分;
发送单元,用于向第二设备发送第一数据包,所述第一数据包包括用于指示所述第一算法的第一指示信息和所述第二数据。
27.一种通信装置,其特征在于,包括:
接收单元,用于接收来自第一设备第一数据包,所述第一数据包包括用于指示第一算法的第一指示信息和第二数据,所述第一算法为第一模型或所述第一模型的第一部分;
处理单元,用于使用第四算法对所述第二数据进行处理,所述第四算法为所述第一算法对应的协同算法。
28.一种通信装置,其特征在于,包括处理器、存储器和收发器,所述收发器用于接收来自所述通信装置之外的其它通信装置的信息,以及向所述通信装置之外的其它通信装置输出信息,所述处理器调用所述存储器中存储的计算机程序实现如权利要求1-23任一项所述的方法。
29.一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中存储有计算机程序或计算机指令,当所述计算机程序或计算机指令被运行时,实现如权利要求1-23任一项所述的方法。
30.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序代码,当所述计算机程序代码被运行时,实现如权利要求1-23任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021088.XA CN116456355A (zh) | 2022-01-10 | 2022-01-10 | 一种通信方法、装置及计算机可读存储介质 |
PCT/CN2023/070340 WO2023131162A1 (zh) | 2022-01-10 | 2023-01-04 | 一种通信方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021088.XA CN116456355A (zh) | 2022-01-10 | 2022-01-10 | 一种通信方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116456355A true CN116456355A (zh) | 2023-07-18 |
Family
ID=87073164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210021088.XA Pending CN116456355A (zh) | 2022-01-10 | 2022-01-10 | 一种通信方法、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116456355A (zh) |
WO (1) | WO2023131162A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11431583B2 (en) * | 2019-11-22 | 2022-08-30 | Huawei Technologies Co., Ltd. | Personalized tailored air interface |
CN115088330A (zh) * | 2020-02-19 | 2022-09-20 | Oppo广东移动通信有限公司 | 一种数据传输方法、终端设备、网络设备 |
WO2021243619A1 (zh) * | 2020-06-03 | 2021-12-09 | 北京小米移动软件有限公司 | 信息传输方法、装置、通信设备及存储介质 |
US11751072B2 (en) * | 2020-06-24 | 2023-09-05 | Qualcomm Incorporated | User equipment behavior when using machine learning-based prediction for wireless communication system operation |
WO2022088181A1 (zh) * | 2020-11-02 | 2022-05-05 | 北京小米移动软件有限公司 | 一种通信方法、通信装置及存储介质 |
-
2022
- 2022-01-10 CN CN202210021088.XA patent/CN116456355A/zh active Pending
-
2023
- 2023-01-04 WO PCT/CN2023/070340 patent/WO2023131162A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023131162A1 (zh) | 2023-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220279341A1 (en) | Radio resource control procedures for machine learning | |
CN113661727A (zh) | 用于无线网络的无线电接入网(ran)节点的神经网络的配置 | |
CN113498076A (zh) | 基于o-ran的性能优化配置方法与设备 | |
CN111771397B (zh) | 监测用户设备能耗 | |
WO2022206411A1 (zh) | 一种小区切换方法及装置 | |
US20240056966A1 (en) | Energy saving method and apparatus | |
EP4280674A1 (en) | Method and device for obtaining cbr value on basis of partial sensing in nr v2x | |
CN114402654A (zh) | 用于无线电接入网数据收集的装置 | |
CN109150445A (zh) | 一种下行控制信息发送与接收方法及设备 | |
US20240057139A1 (en) | Optimization of deterministic and non-deterministic traffic in radio-access network (ran) | |
CN115699855A (zh) | 增强型早期测量报告 | |
CN113873564A (zh) | 一种基于通信预测的节能方法及装置 | |
US20210321385A1 (en) | Method and device for reporting channel state information in nr v2x | |
US20220361086A1 (en) | Method and base station for determining transmission path in wireless communication system | |
CN114614956A (zh) | 电池感知载波激活 | |
EP4369852A1 (en) | Method and device for performing sl drx operation in nr v2x | |
US20220232351A1 (en) | Method and device for wireless communication | |
WO2023131162A1 (zh) | 一种通信方法、装置及计算机可读存储介质 | |
EP4142382A1 (en) | Method and apparatus for determining power related to sidelink transmission in nr v2x | |
WO2022238245A1 (en) | Model transfer within wireless networks for channel estimation | |
US20220225136A1 (en) | Signal transmitting and receiving method in wireless communication system | |
CN114679686A (zh) | 一种被用于无线通信的通信节点中的方法和装置 | |
WO2023184156A1 (en) | Techniques to determine ue communication states via machine learning | |
WO2024131889A1 (zh) | 一种通信方法、装置、芯片及模组设备 | |
WO2023060417A1 (en) | Ue clustering in fl model update reporting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |