CN116547917A - 在5g及后续中用于机器学习辅助波束协调调度的方法、装置和计算机程序 - Google Patents

在5g及后续中用于机器学习辅助波束协调调度的方法、装置和计算机程序 Download PDF

Info

Publication number
CN116547917A
CN116547917A CN202180081670.9A CN202180081670A CN116547917A CN 116547917 A CN116547917 A CN 116547917A CN 202180081670 A CN202180081670 A CN 202180081670A CN 116547917 A CN116547917 A CN 116547917A
Authority
CN
China
Prior art keywords
cell
per
beams
service
scheduled
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180081670.9A
Other languages
English (en)
Inventor
V·卡普德维尔
W·艾奇曼
S·阿古德洛·拉米雷斯
A·费基
F·阿比纳德
L·G·乌泽达·加西亚
F·赛义德·穆罕默德
A·F·哈尼夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Solutions and Networks Oy
Original Assignee
Nokia Solutions and Networks Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nokia Solutions and Networks Oy filed Critical Nokia Solutions and Networks Oy
Publication of CN116547917A publication Critical patent/CN116547917A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/046—Wireless resource allocation based on the type of the allocated resource the resource being in the space domain, e.g. beams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/541—Allocation or scheduling criteria for wireless resources based on quality criteria using the level of interference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

提供了一种用于在数据收集实体处从每个小区接收相应数据集合的时间序列的方法，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；由cSON实体从接收自数据收集实体的数据集合生成跨波束小区间干扰简档集合；由cSON实体至少根据跨波束小区间干扰简档集合建立波束调度策略；在每个小区处，从cSON实体接收波束调度策略；以及由每个小区处的相应调度器将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束。

Description

在5G及后续中用于机器学习辅助波束协调调度的方法、装置 和计算机程序
发明领域
各种示例实施例涉及移动或无线电信系统，特别地涉及波束协调调度。
背景技术
移动或无线电信系统的示例可以包括通用移动电信系统(UMTS)陆地无线电接入网络(UTRAN)、长期演进(LTE)进化型UTRAN(E-UTRAN)、LTE升级版(LTE-A)、LTE-A Pro和/或第五代(5G)无线电接入技术(RAT)或新无线电(NR)接入技术。5G或NR无线系统指的是下一代(NG)无线电系统和网络架构。据估计，NR将提供10-20Gbit/s或更高数量级的比特率，并且将至少支持增强型移动宽带(eMBB)和超可靠低时延通信(URLLC)。NR预计将提供极端宽带和超稳健、低时延的连接性和大规模网络，以支持物联网(IoT)。随着物联网和机器对机器(M2M)通信的日益普及，对满足低功耗、高数据速率和长电池寿命需求的网络的需求将越来越大。需指出的是，可以向用户设备(UE)提供5G或NR无线电接入功能(即，类似于E-UTRAN中的节点B或LTE中的eNB)，或者可以支持5G或NR以及到下一代核心(也由NGC或5GC表示)的连接性的节点可以被称为下一代或5G节点B(也由gNB或5G NB表示)。
发明内容
根据一个方面，可以提供一种方法，包括：在数据收集实体处从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；由集中式自组织网络cSON实体从接收自数据收集实体的数据集合生成跨波束小区间干扰简档集合；由cSON实体至少根据跨波束小区间干扰简档集合建立波束调度策略；在每个小区处，从cSON实体接收波束调度策略；以及由每个小区处的相应调度器将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束。
跨波束小区间干扰简档集合可以至少包括针对共同调度波束的每个服务波束对的相应干扰概率和针对共同调度波束的每个集合的相应遵从水平，共同调度波束包括至少两个服务波束，该至少两个服务波束各自来自相应小区并且该至少两个服务波束在相同的时间和频率资源上被调度。
生成跨波束小区间干扰简档集合的步骤可以至少包括：依据一个或多个每小区性能测量数据将共同调度波束的每个集合标记为正常或异常；使用共同调度波束的每个经标记的集合和一个或多个每小区性能测量数据来训练机器学习模型，以便获得经训练的机器学习模型；按共同调度波束的实现，对一个或多个每小区性能测量数据使用经训练的机器学习模型，以将共同调度波束的每个集合依据其相应遵从水平分类为正常或异常；以及计算针对共同调度波束的每个服务波束对的相应干扰概率。
遵从水平可以与跨波束小区间干扰水平和一个或多个每小区性能测量数据相关，共同调度波束的每个集合在相应遵从水平与高跨波束小区间干扰水平相关时被分类为异常，并且共同调度波束的每个集合在相应遵从水平与低跨波束小区间干扰水平相关时被分类为正常。
依据一个或多个每小区性能测量数据将共同调度波束的每个集合标记为正常或异常的步骤可以至少：
-通过以下方式而基于第一异常检测：基于一个或多个每小区性能测量数据俩检测异常情况；确定检测到的异常情况是否与性能降级相关联；当检测到的异常情况与性能降级相关联时，将与检测到的异常情况对应的共同调度波束的集合标记为异常；当检测到的异常情况不与性能降级相关联时，将与检测到的异常情况对应的共同调度波束的集合标记为正常；以及将与未检测到的异常情况对应的共同调度波束的每个其他集合标记为正常，
以及/或者
-通过以下方式而基于第二异常检测：从一个或多个每小区性能测量数据形成数据簇；确定数据簇是否与性能降级相关联；当数据簇与性能降级相关联时，将与数据簇的数据对应的共同调度波束的每个集合标记为异常；以及当数据簇不与性能降级相关联时，将与数据簇的数据对应的共同调度波束的每个集合标记为正常。
建立波束调度策略的步骤可以包括：创建波束惩罚模式，该波束惩罚将逐小区地应用于一个或多个每小区服务波束中的每个每小区服务波束，以便选择性地限制来自相应小区的一个或多个共同调度波束在一致的时间和频率资源上的使用。
该模式可以包括空间时间模式、空间频率模式以及空间时间和频率模式之一。
创建波束惩罚模式的步骤可以包括，当针对包括来自小区的第一服务波束和来自另一小区的第二服务波束的共同调度波束的服务波束对，干扰概率被确定为高时：
-在给定间隙将高水平的波束惩罚指配给第一服务波束，并将低水平的波束惩罚指配给第二服务波束，以便在给定间隙期间相对于第二服务波束而限制第一服务波束的使用；以及在给定间隙之后的另一间隙，将低水平的波束惩罚指配给第一服务波束，并将高水平的波束惩罚指配给第二服务波束，以便在另一间隙期间相对于第一服务波束而限制第二服务波束的使用，其中间隙可以包括时隙和频隙中的至少一项，
或者
-在给定间隙将低水平的波束惩罚指配给第一服务波束，并将高水平的波束惩罚指配给第二服务波束，以便在给定间隙期间相对于第一服务波束而限制第二服务波束的使用；以及在给定间隙之后的另一间隙，将高水平的波束惩罚指配给第一服务波束，并将低水平的波束惩罚指配给第二服务波束，以便在另一间隙期间相对于第二服务波束而限制第一服务波束的使用，其中间隙可以包括时隙和频隙中的至少一项。
当干扰概率值高于预定阈值时，干扰概率可以被确定为高，而当干扰概率值低于预定阈值时，干扰概率可以被确定为低。
将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束的步骤可以包括：由每个小区处的相应调度器至少基于波束惩罚模式来确定要调度哪个UE设备和对应的服务波束。
根据一个方面，可以提供一种系统，该系统包括至少用于以下的部件：在数据收集实体处从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的的UE设备的时间和频率分配；由集中式自组织网络cSON实体从接收自数据收集实体的数据集合生成跨波束小区间干扰简档集合；由cSON实体至少根据跨波束小区间干扰简档集合建立波束调度策略；在每个小区处，从cSON实体接收波束调度策略；以及由每个小区处的相应调度器将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束。
根据一个方面，可以提供一种系统，该系统包括至少用于执行上述方法的部件。
该系统所包括的部件可以包括：至少一个处理器；以及至少一个存储器，该至少一个存储器包括计算机程序代码，其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，引起系统的执行。
根据一个方面，可以提供一种方法，包括：从数据收集实体接收来自每个小区的相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；从数据集合生成跨波束小区间干扰简档集合；至少根据跨波束小区间干扰简档集合建立波束调度策略；以及向每个小区中的相应调度器发送波束调度策略，以用于应用到一个或多个每小区服务波束中的每个每小区服务波束。
根据一个方面，可以提供一种集中式自组织网络cSON实体，其包括至少用于以下的部件：从数据收集实体接收来自每个小区的相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；从数据集合生成跨波束小区间干扰简档集合；至少根据跨波束小区间干扰简档集合建立波束调度策略；以及向每个小区中的相应调度器发送波束调度策略，以用于应用到一个或多个每小区服务波束中的每个每小区服务波束。
cSON实体所包括的部件可以包括：至少一个处理器；以及至少一个存储器，该至少一个存储器包括计算机程序代码，其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起引起cSON实体的执行。
根据一个方面，可以提供一种计算机可读介质，包括存储在其上的程序指令，该程序指令用于执行至少以下项：
-从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；从数据集合生成跨波束小区间干扰简档集合；至少根据跨波束小区间干扰简档集合建立波束调度策略；接收波束调度策略；以及在每个小区处，将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束，
或者
-从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；从数据集合生成跨波束小区间干扰简档集合；至少根据跨波束小区间干扰简档集合建立波束调度策略；以及向每个小区发送波束调度策略，以用于应用到一个或多个每小区服务波束中的每个每小区服务波束。
计算机可读介质可以是非瞬态计算机可读介质。
在上文中，已经描述了许多不同的方面。应当理解，可以通过上述方面中的任意两个或多个方面的组合来提供其他方面。
在下面的具体实施方式和所附权利要求中还描述了各种其他方面。
附图说明
现在将参考以下附图来描述一些示例性实施例：
图1示出了波束冲突的示例示意性实施例。
图2示出了波束冲突避免的示例示意性实施例。
图3示出了波束协调调度方法的示例示意性实施例，该方法包括具有相应时间尺度的三个后续阶段。
图4A示出了在非实时运行时波束协调调度方法的第一阶段的示例示意性实施例。
图4B示出了在近实时运行时波束协调调度方法的第二阶段的示例示意性实施例。
图4C示出了在实时运行时波束协调调度方法的第三阶段的示例示意性实施例。
图5示出了描述ORAN框架内的波束协调调度方法的示例实施例的示例流程图。
图6示出了描述在非实时运行时波束协调调度方法可以如何生成跨波束小区间干扰简档的集合的示例示意性实施例。
图7示出了相对于时间绘制的针对来自相应小区的共同调度波束的集合的每小区KPI的示例实施例，以用于说明示例第一异常检测的情况。
图8示出了相对于相应簇绘制的基于SINR和RSRP的数据聚类以及干扰四分位数的示例实施例，以用于说明示例第二异常检测的情况。
图9示出了波束惩罚的空间时间模式的示例示意性实施例。
图10示出了描述在系统级实现的图3的波束协调调度方法的示例流程图。
图11示出了描述在装置级实现的图3的波束协调调度方法示例流程图。
图12示出了装置的示例实施例。
图13示出了计算机可读介质的示例实施例。
具体实施方式
以下示例实施例可以应用于具有波束成形的大规模多输入多输出(MIMO)系统。特别地，MIMO系统可以是单用户MIMO(SU-MIMO)系统或多用户MIMO(MU-MIMO)系统。
大规模MIMO系统是5G无线网络优化频谱效率的关键推动力之一。MIMO系统依靠多个天线在同一无线电信道中的多个路径上发送或接收数据。利用波束成形，通过在幅度和相位上组合天线阵列中的天线元件的信号来实现定向传输。大规模MIMO系统意味着具有大量天线元件的天线网格，这些天线元件能够产生多个聚焦波束，以同时为各个UE设备(例如，移动设备、固定设备、IoT设备或能够与无线通信网络通信的任何其他设备)服务。
在一个示例中，波束成形可以基于波束网格(GoB)，该波束网格由波束叠加而成，其中每个波束指向空间中的定义方向以进行覆盖。在备选场景中，波束成形可以基于更复杂的波束成形算法，例如基于特征的波束成形(EBB)。对于有效各向同性辐射功率(EIRP)控制，可以根据离散傅立叶变换(DFT)波束(至少是主要的波束)来扩展每个应用的特征波束，然后使用这些DFT波束而不是最佳的GoB波束。
在示例实施例中，每个调度的UE设备可以在下行链路(DL)中由来自GoB的波束服务，该GoB由其服务小区操作。如图1所示，到被调度的UE设备的DL传输可能会受到来自使用相同载波频率的相邻小区的共同调度的UE设备(即，在相同时隙被调度的UE设备)的波束的干扰。如图1所示，其示出了波束冲突的示例示意性实施例100，如果来自不同服务小区111、112的至少两个波束101、102冲突，即部分或完全覆盖相同的重叠区域120，则相应的相互干扰可以导致显著的性能下降。
为了说明这种相互干扰的负面影响，已经使用系统级模拟器进行了模拟。模拟了一个由三个分区站点组成的城市宏蜂窝场景，站点间距离为200米，模拟的流量是全缓冲的。模拟场景发生在FR1频带。如现有技术中已知的，两个不同的频率范围FR1和FR2可用于5G技术。FR1代表频率范围1，并且包括410至7125MHz的频带，FR2代表频率范围2，并且包括24.25GHz至52.6GHz的频带。模拟场景针对的是SU-MIMO场景，其中基站(BS)处的天线由2×4×4面板配置组成，GOB具有8个波束。对于从0到7编号的每个波束，下面的表I给出了模拟场景中使用的相应方位角和仰角。
表1：模拟场景中使用的方位角和仰角(以度为单位)
在“干扰”和“非干扰”场景中执行仿真之后，对不同的关键性能指标(KPI)(诸如，信号干扰加噪声比(SINR)(也称为信号噪声加干扰比(SNIR))和调制与编码方案(MCS))的分析已经显示出当存在来自相邻小区的干扰时，网络的性能显著下降。更详细地说，结果表明，SINR的平均值已从没有干扰时的27dB下降到有干扰时的16dB。对于MCS，已经以这样的方式配置了仿真，即MCS值为15及以上对应于网络的正常性能，并且MCS值低于15对应于降级的性能。在非干扰场景中，大约有4个MCS降至每秒15以下，而在干扰场景中有28个MCS降至每秒15以下。
因此，这些模拟结果揭示了管理这些跨波束小区间干扰场景以满足5G性能要求的重要性。
图3示出了在三个后续阶段中的波束协调调度方法的示例示意性实施例300，即，第一阶段由310表示、第二阶段由320表示、第三阶段由330表示，各自的时间尺度由非实时340、近实时350和实时360表示。
第一阶段310可以指跨波束小区间干扰简档的生成。第二阶段320可以指波束调度策略的建立和分发，第三阶段330可以指波束调度策略的应用。
结合图3，图4A示出了在非实时340运行时波束协调调度方法的第一阶段310的示例示意性实施例400-A。
如图所示，每个小区(由小区1、小区2、…、小区N表示)可以将相应数据集合的时间序列发送到数据收集实体410，例如3GPP实体或任何其他适当的解决方案。这些数据可以由每个小区从每个调度的UE设备随时间报告的数据或测量中收集。在示例实施例中(如图所示)，数据收集实体410可以是由全部小区(即，小区1到小区N)共享的集中式实体。在另一示例实施例(未示出)中，数据收集实体410可以是分布式实体，其被拆分为分别专用于每个小区的多个数据收集实体。每个数据集合可以包括至少一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。在示例中，每个小区从每个调度的UE设备收集的性能测量数据可以包括KPI，诸如但不限于SINR或SNIR、MCS、参考信号接收功率(RSRP)、信道质量指示符(CQI)、参考信号接收质量(RSRQ)、通过确认(ACK)和/或否定确认(NACK)报告的分组重传的数量或速率、以及开环链路自适应(OLLA)偏移。
所收集的数据集合的有用数据可以被发送到控制实体420。在示例实施例中，控制实体420可以是集中式自组织网络(cSON)实体(或平台)，并且cSON实体420可以例如包括RAN智能控制器(RIC)或任何其他适当的解决方案。应理解的是，基于集中式数据收集实体410和cSON实体420的使用的集中式解决方案可以避免在分布式解决方案的情况下所需的小区的复杂和快速协调，以最优地控制调度决策。有用数据可以包括一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。控制实体420然后可以从接收到的有用数据生成跨波束小区间干扰简档集合。跨波束小区间干扰简档集合可以至少包括针对共同调度波束的每个服务波束对的相应干扰概率和针对共同调度波束的每个集合的相应遵从水平，共同调度波束包括至少两个服务波束，该至少两个服务波束各自来自相应小区并且在相同的时间和频率资源上被调度。
结合图3，图4B示出了在近实时350运行时波束协调调度方法的第二阶段320的示例示意性实施例400-B。
如图所示，控制实体420可以至少根据生成的跨波束小区间干扰简档集合建立(或创建)波束调度策略，然后将波束调度策略分发到每个小区(由小区1、小区2、…、小区N表示)。除了生成的跨波束小区间干扰简档集合之外，每个小区(由小区1、小区2、…、小区N表示)向控制实体420报告的其他数据也可以用于建立波束调度策略。这些其他数据可以涉及例如，流量负载、要基于UE优先级定义的波束优先级等。
结合图3，图4C示出了在实时360运行时波束协调调度方法的第三阶段330的示例示意性实施例400-C。
如图所示，分布式波束调度策略可以由每个小区(由小区1、小区2、…、小区N表示)处的相应调度器430(例如，gNB调度器)实时应用到一个或多个每小区服务波束中的每个每小区服务波束。
在gNB级，如果需要，可以执行更新需求评估的循环，以通过从第一阶段310开始再次触发波束协调调度方法来更新波束调度策略。
结合图3和图4，图5示出了描述开放RAN(ORAN)框架内的波束协调调度方法的示例实施例的示例流程图500。流程图500描绘了ORAN框架内的不同实体之间的调用流和消息交换，该ORAN框架涉及UE设备、服务小区、作为数据收集实体410的收集实体以及作为控制实体420或cSON实体420的RIC。其中，当在第二阶段320中操作时，RIC被指定为非实时RIC(由非RT RIC表示)，而当在第三阶段330中操作时，被指定为近实时RIC(由近RT RIC表示)。示例流程图500可以包括以下步骤505至560。
步骤505：每个调度的UE设备可以随着时间向其服务小区中的每个服务小区报告数据或测量。
步骤510：其服务小区中的每个服务小区可以随着时间从所报告的数据或测量中收集相应数据集合。
步骤515：每个服务小区可以通过例如故障排除接口向收集实体发送所收集的相应数据集合的时间序列。每个数据集合可以包括至少一个或多个每小区性能测量数据(例如，KPI)、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。
步骤520：收集实体可以处理接收到的数据集合中的每一个，以提取有用数据。有用数据可以包括一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。
步骤525，收集实体可以将有用数据发送到非RT RIC。
步骤530：非RT RIC可以从接收到的有用数据生成跨波束小区间干扰简档集合。跨波束小区间干扰简档集合可以至少包括针对共同调度波束的每个服务波束对的相应干扰概率和针对共同调度波束的每个集合的相应遵从水平，该共同调度波束包括至少两个服务波束，该至少两个服务波束各自来自相应服务小区并且在相同的时间和频率资源上被调度。
步骤535：非RT RIC可以向近RT RIC发送生成的跨波束小区间干扰简档集合。
步骤540：每个服务小区可以向近RT RIC发送与例如流量负载、基于UE优先级定义的波束优先级等相关的数据。
步骤545：近RT RIC可以根据生成的跨波束小区间干扰简档集合以及可选地根据从每个服务小区接收的数据来建立(或创建)波束调度策略。
步骤550，近RT RIC可以将波束调度策略分布到每个服务小区。
步骤555：每个服务小区处的每个调度器430(例如，gNB调度器)可以实时地将波束调度策略应用到一个或多个每小区服务波束中的每个每小区服务波束。
步骤560：在gNB级，如果需要，可以执行更新需求评估的循环，以通过再次触发波束协调调度方法来更新波束调度策略。
结合图3、图4A和图5，当参考第一阶段310的步骤530时，图6示出了描述在非实时340运行时波束协调调度方法可以如何生成跨波束小区间干扰简档集合的示例示意性实施例600。
如图所示，跨波束小区间干扰简档集合的生成可以包括以下步骤：依据一个或多个每小区性能测量数据(例如，KPI)，将共同调度波束的每个集合标记610为正常或异常；使用数据集620训练机器学习(ML)模型630a，以便在ML学习模型630a的训练已经终止时获得经训练的ML模型630b，该数据集620包括共同调度波束的每个经标记的集合和一个或多个每小区性能测量数据；按共同调度波束的新实现，对一个或多个每小区性能测量数据使用(其推理)经训练的ML模型630b，以将共同调度波束的每个集合依据其相应遵从水平分类为正常或异常；以及计算640针对共同调度波束的每个服务波束对的相应干扰概率。
ML模型630a、630b可以是监督ML模型，监督ML模型可以包括神经网络(NN)或人工神经网络(ANN)模型，其本身包括，例如但不限于深度神经网络(DNN)(也称为前馈神经网络(FNN)或多层感知器)模型、递归神经网络(RNN)模型、或卷积神经网络(CNN)模型。
遵从水平可以与跨波束小区间干扰水平和一个或多个每小区性能测量数据相关，其中共同调度波束的每个集合在相应遵从水平与高跨波束小区间干扰水平相关时被分类为异常，并且共同调度波束的每个集合在相应遵从水平与低跨波束小区间干扰水平相关时被分类为正常。
参考图6，依据一个或多个每小区性能测量数据将共同调度波束的每个集合标记为正常或异常的步骤可以基于异常检测。在非限制性示例中，异常检测可以包括基于从观察到的每小区性能测量数据(例如KPI)中检测(或标识)(多个)异常情况的第一异常检测。在另一非限制性示例中，异常检测可以包括基于数据聚类的第二异常检测。数据聚类可以包括，例如但不限于，K均值聚类、具有噪声应用的基于密度的空间聚类(DBSCAN)、高斯混合模型聚类、谱聚类和层次聚类。
图7示出了相对于时间绘制的针对来自相应小区C1、C2、C3或C4的共同调度波束的集合的每小区KPI的示例实施例700，以用于说明示例第一异常检测的情况。
如图所示，在小区C1中调度的波束在由ΔT1表示的时隙期间对应于检测到的(或标识出的)KPI下降，相对于与在小区C2、C3和C4中共同调度的其他波束对应的相应KPI，该检测到的KPI下降然后可以被认为是异常情况。由此，这意味着在该时隙ΔT1期间在小区C1中调度的波束受到在同一时隙ΔT1期间由其他(相邻)小区C2至C4发送的波束的影响如进一步描述的，在小区C3中调度的波束在由ΔT2表示的时隙期间对应于检测到的(或标识出的)KPI下降，相对于与在小区C1、C2和C4中共同调度的其他波束对应的相应KPI，该检测到的KPI下降然后可以被认为是异常情况。由此，这意味着在该时隙ΔT2期间在小区C3中调度的波束受到在同一时隙ΔT2期间由其他(相邻)小区C1、C2和C4发送的波束的影响。尽管示例时隙ΔT1和ΔT2中的每个时隙包含多个时刻，但是应当理解，在时隙ΔT具有最小宽度的示例情况下，时隙ΔT可以指定单个时间t。
更一般地，一旦在第一时隙处基于一个或多个每小区性能测量数据检测到(或标识出)异常情况，就可以确定检测到的异常情况是否与性能降级相关联。当检测到的异常情况与性能降级相关联时，与在第一时隙检测到的异常情况对应的共同调度波束的集合(即，在同一第一时隙调度的波束集合)可以针对第一时隙被标记为异常，例如，在图7中在ΔT1和ΔT2处检测到的异常情况就是这种情况。当检测到的异常情况不与性能降级相关联时，与在第一时隙检测到的异常情况对应的共同调度波束的集合可以针对第一时隙被标记为正常。并且，与在第二时隙未检测到异常情况对应的共同调度波束的每个其他集合可以针对第二时隙被标记为正常。
图8示出了相对于相应簇绘制的基于SINR和RSRP的数据聚类以及干扰四分位数的示例实施例800，以用于说明示例第二异常检测的情况。
如图所示，RSRP和SINR作为KPI用于形成模拟数据的七个簇(从0到6编号)。簇4已被检测(或标识)为相对于其他簇0、1、2、3、5、6呈现异常，因为它同时呈现低SINR和高RSRP，这可能代表干扰情形。因此，检测到的(或标识出的)簇4可以被标记为异常。根据绘制的每簇的干扰四分位数，可以推断出簇4对应于最高的注意到的中位干扰值，从而表明干扰确实是该簇4的异常行为的来源。
更一般地，一旦从一个或多个每小区性能测量数据形成了数据簇，就可以确定该数据簇是否与性能降级相关联。当数据簇与性能降级相关联时，与该数据簇的数据对应的共同调度波束的每个集合(即，在相同时隙调度的每个波束集合)可以针对该时隙被标记为异常，例如，图8的簇4就是这种情况。当数据簇不与性能降级相关联时，与该数据簇的数据对应的共同调度波束的每个集合可以针对该时隙被标记为正常，例如，图8的簇0、1、2、3、5、6可能就是这种情况。
参考图6，针对共同调度波束(Bi，Bj)的每个服务波束对计算相应干扰概率P的步骤可以包括计算以下关系式(1)：
其中i∈小区m并且j∈小区n，m≠n。
干扰概率P可以在其值低于预定阈值时被确定为低，并且在其值高于预定阈值时被确定为高。
结合图3、图4B和图5，当参考第二阶段320的步骤545时，建立波束调度策略的步骤可以包括创建波束惩罚模式，波束惩罚将逐小区地应用于一个或多个每小区服务波束中的每个每小区服务波束，以便选择性地限制来自相应小区的一个或多个共同调度波束在一致的时间和频率资源上的使用。
该模式可以包括空间时间模式、空间频率模式、以及空间时间和频率模式之一。
波束惩罚模式的创建可以基于从跨波束小区间干扰简档切换到波束惩罚模式这一原理。
在示例实施例中，设pi，m为应用在小区m中的波束i(Bi)上的惩罚，并且设pj，n为应用在小区n中的波束j(Bj)上的惩罚。
然后承认，pi，m和pj，n之间的差的绝对值是针对共同调度波束(Bi，Bj)的每个服务波束对的干扰概率P的单调递增函数。从数学上讲，它对应于以下关系式(2)：
|pi，m-pj，n|＝f(P(interference|Biand Bjare scheduled)) (2)
其中f是单调递增函数。
因此，如果P(干扰|Bi和Bj被调度)为高，则Bi上的低惩罚pi，m意味着Bj上的高惩罚pj，n，或者Bi上的高惩罚pi，m意味着Bj上的低惩罚pj，n。
从而，可以选择性地限制这些共同调度波束Bi和Bj在相同的时间和频率资源上的使用。
在此基础上，可以通过交换每组干扰最严重的小区的高惩罚和低惩罚来创建波束惩罚模式，使得由于模式应用，从长期来看，没有波束相比其他波束是有利的。
图9示出了波束惩罚的空间时间模式的示例示意性实施例900。
如示例性所示，在时隙ΔT1＝t1，在小区m中的波束i(Bi)上应用低惩罚，并在小区n中的波束j(Bj)上应用高惩罚。然后，在随后的时隙ΔT2＝t2(其中t2＞t1)，惩罚被交换，使得高惩罚被应用在小区m中的波束i(Bi)上，而低惩罚被应用在小区n中的波束j(Bj)上。
更一般地，当针对包括来自小区的第一服务波束和来自另一小区的第二服务波束的共同调度波束的服务波束对，干扰概率被确定为高时，创建波束惩罚模式的步骤可以包括：
-在给定间隙将高水平的波束惩罚指配给第一服务波束，并将低水平的波束惩罚指配给第二服务波束，以便在给定间隙期间相对于第二服务波束限制第一服务波束的使用；以及在给定间隙之后的另一间隙，将低水平的波束惩罚指配给第一服务波束，并将高水平的波束惩罚指配给第二服务波束，以便在另一间隙期间相对于第一服务波束限制第二服务波束的使用，其中间隙可以包括时隙和频隙中的至少一项，
或者包括：
-在给定间隙将低水平的波束惩罚指配给第一服务波束，并将高水平的波束惩罚指配给第二服务波束，以便在给定间隙期间相对于第一服务波束限制第二服务波束的使用；以及在给定间隙之后的另一间隙，将高水平的波束惩罚指配给第一服务波束，并将低水平的波束惩罚指配给第二服务波束，以便在另一间隙期间相对于第二服务波束限制第一服务波束的使用，其中间隙包括时隙和频隙中的至少一项。
结合图3、图4C和图5，当参考第三阶段330的步骤555时，将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束的步骤可以包括：由每个小区处的相应调度器(例如，gNB调度器)至少基于波束惩罚模式来确定要调度哪个UE设备和对应的服务波束。实际上，服务于每个UE设备的波束是根据常规波束管理过程设置的，并且在每个小区处，相应的调度器然后基于要应用的波束调度策略来决定要调度哪个UE设备和相关的服务波束。因此，每小区的每个波束的使用可以根据所创建的波束惩罚模式而受到限制。
图10示出了描述在系统级实现的图3的波束协调调度方法的示例流程图1000。
在步骤1010中，该方法可以包括用于在数据收集实体410处从每个小区接收相应数据集合的时间序列的部件，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。
在步骤1020中，该方法可以包括用于由cSON实体420从接收自数据收集实体410的数据集合生成跨波束小区间干扰简档集合的部件。
在步骤1030中，该方法可以包括用于由cSON实体420至少根据跨波束小区间干扰简档集合建立波束调度策略的部件。
在步骤1040中，该方法可以包括用于在每个小区处从cSON实体420接收波束调度策略的部件。
在步骤1050中，该方法可以包括由每个小区处的相应调度器430将波束调度策略应用于一个或多个每小区服务波束中的每个每小区服务波束。
图11示出了描述在设备级实现的图3的波束协调调度方法的示例流程图1100。该设备可以是控制实体420或cSON实体420。
在步骤1110中，该方法可以包括用于从数据收集实体410接收来自每个小区的相应数据集合的时间序列的部件，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的UE设备的一个或多个每小区服务波束、以及要由对应的一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配。
在步骤1120中，该方法可以包括用于从数据集合生成跨波束小区间干扰简档集合的部件。
在步骤1130中，该方法可以包括用于至少根据跨波束小区间干扰简档集合建立波束调度策略的部件。
在步骤1140中，该方法可以包括用于向每个小区中的相应调度器430发送波束调度策略以用于应用于一个或多个每小区服务波束中的每个每小区服务波束的部件。
图12示出了装置1200的示例实施例。装置1200可以包括至少一个处理器1210和至少一个存储器1220，该至少一个存储器1220包括计算机程序代码。在系统级，至少一个存储器和计算机程序代码可以被配置为与至少一个处理器一起，使示例流程图1000的步骤被执行。在设备级，至少一个存储器和计算机程序代码可以被配置为与至少一个处理器一起，使示例流程图1100的步骤被执行。
图13示出了计算机可读介质的示例实施例，诸如非瞬态计算机可读介质1300a(例如，计算机盘(CD)或数字多功能盘(DVD))和1300b(例如，通用串行总线(USB)记忆棒)，其可以被配置为存储指令和/或参数1310a、1310b，指令和/或参数1310a、1310b在被处理器执行时，可以允许处理器执行任何示例实施例的任何方法的一个或多个步骤。
总之，所提出的解决方案可以允许使用适当的ML辅助波束协调调度来避免任何小区间波束冲突，由于每个小区处的相应调度器应用所建立(或设置)的波束调度策略，该适当的ML辅助波束协调调度可以选择性地限制共同调度波束在相同的时间和频率资源上的使用。
应当注意，跨波束小区间干扰简档不仅可以用于所提出的ML辅助波束协调调度以减轻小区间干扰，还可以用于波束模式的优化。
应当认识到，尽管上面已经描述了一些示例性实施例，但是在不脱离本申请的范围的情况下，可以对所公开的解决方案进行若干变化和修改。
因此，实施例可以在所附权利要求的范围内变化。总体上，一些实施例可以在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可以在硬件中实现，而其他方面可以在固件或软件中实现，固件或软件可以由控制器、微处理器或其他计算设备执行，但是实施例不限于此。尽管各种实施例可以被图示和描述为框图、流程图或使用一些其他图示，但可以很好地理解，作为非限制性示例，本文中描述的这些块、装置、系统、技术或方法可以在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器、或其他计算设备、或它们的某种组合中实现。
实施例可以通过存储在存储器中并由所涉及实体的至少一个数据处理器可执行的计算机软件来实现，或者由硬件实现，或由软件和硬件的组合实现。此外，在这方面，应当注意，上述过程中的任何过程可以表示程序步骤，或者互连的逻辑电路、块和功能，或者程序步骤和逻辑电路、块和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储器块之类的物理介质、诸如硬盘或软盘之类的磁介质以及诸如DVD及其数据变体、CD之类的光介质上。
存储器可以是适合于本地技术环境的任何类型，并且可以使用任何合适的数据存储技术来实现，例如基于半导体的存储器设备、磁存储器设备和系统、光学存储器设备和系统、固定存储器和可移动存储器。数据处理器可以是适合于本地技术环境的任何类型，并且可以包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、门级电路和基于多核处理器架构的处理器中的一个或多个，作为非限制性示例。
前述描述已经通过示例性和非限制性示例的方式提供了对一些实施例的完整且信息丰富的描述。然而，基于前述描述，当结合附图和所附权利要求阅读时，各种修改和改编对于相关领域的技术人员而言可能变得显而易见。然而，本教导的所有此类和类似的修改仍将落入所附权利要求中限定的范围内。

Claims (15)

1.一种方法，包括：
在数据收集实体处，从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；
由集中式自组织网络cSON实体从接收自所述数据收集实体的所述数据集合生成跨波束小区间干扰简档集合；
由所述cSON实体至少根据所述跨波束小区间干扰简档集合建立波束调度策略；
在每个小区处，从所述cSON实体接收所述波束调度策略；以及
由每个小区处的相应调度器将所述波束调度策略应用于所述一个或多个每小区服务波束中的每个每小区服务波束。
2.根据权利要求1所述的方法，其中所述跨波束小区间干扰简档集合至少包括针对共同调度波束的每个服务波束对的相应干扰概率和针对共同调度波束的每个集合的相应遵从水平，所述共同调度波束包括至少两个服务波束，所述至少两个服务波束各自来自相应小区，并且所述至少两个服务波束在相同的时间和频率资源上被调度。
3.根据权利要求2所述的方法，其中生成跨波束小区间干扰简档集合的所述步骤至少包括：
依据所述一个或多个每小区性能测量数据将共同调度波束的每个集合标记为正常或异常；
使用共同调度波束的每个经标记的集合和所述一个或多个每小区性能测量数据来训练机器学习模型，以便获得经训练的机器学习模型；
按共同调度波束的实现，对所述一个或多个每小区性能测量数据使用所述经训练的机器学习模型，以将共同调度波束的每个集合依据其相应遵从水平分类为正常或异常；以及
计算针对共同调度波束的每个服务波束对的所述相应干扰概率。
4.根据权利要求3所述的方法，其中所述遵从水平与跨波束小区间干扰水平和所述一个或多个每小区性能测量数据相关，共同调度波束的每个集合在所述相应遵从水平与高跨波束小区间干扰水平相关时被分类为异常，并且共同调度波束的每个集合在所述相应遵从水平与低跨波束小区间干扰水平相关时被分类为正常。
5.根据权利要求3或4所述的方法，其中依据所述一个或多个每小区性能测量数据将共同调度波束的每个集合标记为正常或异常的所述步骤至少：
通过以下方式而基于第一异常检测：
基于所述一个或多个每小区性能测量数据来检测异常情况；
确定检测到的所述异常情况是否与性能降级相关联；
当检测到的所述异常情况与所述性能降级相关联时，将与检测到的所述异常情况对应的共同调度波束的所述集合标记为异常；
当检测到的所述异常情况不与所述性能降级相关联时，将与检测到的所述异常情况对应的共同调度波束的所述集合标记为正常；以及
将与未检测到的异常情况对应的共同调度波束的每个其他集合标记为正常，
以及/或者
通过以下方式而基于第二异常检测：
从所述一个或多个每小区性能测量数据形成数据簇；
确定所述数据簇是否与性能降级相关联；
当所述数据簇与所述性能降级相关联时，将与所述数据簇的所述数据对应的共同调度波束的每个集合标记为异常；以及
当所述数据簇不与所述性能降级相关联时，将与所述数据簇的所述数据对应的共同调度波束的每个集合标记为正常。
6.根据权利要求2至5中任一项所述的方法，其中建立波束调度策略的所述步骤包括：
创建波束惩罚模式，所述波束惩罚将逐小区地应用于所述一个或多个每小区服务波束中的每个每小区服务波束，以便选择性地限制来自相应小区的一个或多个共同调度波束在一致的时间和频率资源上的使用。
7.根据权利要求6所述的方法，其中所述模式包括空间时间模式、空间频率模式、以及空间时间和频率模式之一。
8.根据权利要求6或7所述的方法，其中创建波束惩罚模式的所述步骤包括，当针对包括来自小区的第一服务波束和来自另一小区的第二服务波束的共同调度波束的服务波束对，干扰概率被确定为高时：
在给定间隙将高水平的波束惩罚指配给所述第一服务波束，并将低水平的波束惩罚指配给所述第二服务波束，以便在所述给定间隙期间相对于所述第二服务波束而限制所述第一服务波束的使用；以及
在所述给定间隙之后的另一间隙，将低水平的波束惩罚指配给所述第一服务波束，并将高水平的波束惩罚指配给第二服务波束，以便在所述另一间隙期间相对于所述第一服务波束而限制所述第二服务波束的使用，其中所述间隙包括时隙和频隙中的至少一项，
或者
在给定间隙将低水平的波束惩罚指配给所述第一服务波束，并将高水平的波束惩罚指配给所述第二服务波束，以便在所述给定间隙期间相对于所述第一服务波束而限制所述第二服务波束的使用；以及
在所述给定间隙之后的另一间隙，将高水平的波束惩罚指配给所述第一服务波束，并将低水平的波束惩罚指配给所述第二服务波束，以便在所述另一间隙期间相对于所述第二服务波束而限制所述第一服务波束的使用，其中所述间隙包括时隙和频隙中的至少一项。
9.根据权利要求6至8中任一项所述的方法，其中将所述波束调度策略应用于所述一个或多个每小区服务波束中的每个每小区服务波束的所述步骤包括：
由每个小区处的所述相应调度器至少基于所述波束惩罚模式来确定要调度哪个UE设备和对应的服务波束。
10.一种方法，包括：
从数据收集实体接收来自每个小区的相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度UE设备的时间和频率分配；
从所述数据集合生成跨波束小区间干扰简档集合；
至少根据所述跨波束小区间干扰简档集合建立波束调度策略；以及
向每个小区中的相应调度器发送所述波束调度策略，以用于应用到所述一个或多个每小区服务波束中的每个每小区服务波束。
11.一种系统，包括至少用于以下的部件：
在数据收集实体处，从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；
由集中式自组织网络cSON实体从接收自所述数据收集实体的所述数据集合生成跨波束小区间干扰简档集合；
由所述cSON实体至少根据所述跨波束小区间干扰简档集合建立波束调度策略；
在每个小区处，从所述cSON实体接收所述波束调度策略；以及
由每个小区处的相应调度器将所述波束调度策略应用于所述一个或多个每小区服务波束中的每个每小区服务波束。
12.根据权利要求11所述的系统，其中所述部件包括：
至少一个处理器；以及
至少一个存储器，包括计算机程序代码，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起引起所述系统的执行。
13.一种集中式自组织网络cSON实体，包括至少用于以下的部件：
从数据收集实体接收来自每个小区的相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；
从所述数据集合生成跨波束小区间干扰简档集合；
至少根据所述跨波束小区间干扰简档集合建立波束调度策略；以及
向每个小区中的相应调度器发送所述波束调度策略，以用于应用到所述一个或多个每小区服务波束中的每个每小区服务波束。
14.根据权利要求13所述的cSON实体，其中所述部件包括：
至少一个处理器；以及
至少一个存储器，包括计算机程序代码，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起引起所述cSON实体的执行。
15.一种计算机可读介质，包括存储在其上程序指令，所述程序指令用于执行至少以下项：
从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；
从所述数据集合生成跨波束小区间干扰简档集合；
至少根据所述跨波束小区间干扰简档集合建立波束调度策略；
接收所述波束调度策略；以及
在每个小区处，将所述波束调度策略应用于所述一个或多个每小区服务波束中的每个每小区服务波束，
或者
从每个小区接收相应数据集合的时间序列，其中每个数据集合至少包括：一个或多个每小区性能测量数据、每个调度的用户设备UE设备的一个或多个每小区服务波束、以及要由对应的所述一个或多个每小区服务波束服务的每个调度的UE设备的时间和频率分配；
从所述数据集合生成跨波束小区间干扰简档集合；
至少根据所述跨波束小区间干扰简档集合建立波束调度策略；以及
向每个小区发送所述波束调度策略，以用于应用到所述一个或多个每小区服务波束中的每个每小区服务波束。
CN202180081670.9A 2020-12-03 2021-12-03 在5g及后续中用于机器学习辅助波束协调调度的方法、装置和计算机程序 Pending CN116547917A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FI20206243 2020-12-03
FI20206243 2020-12-03
PCT/EP2021/084087 WO2022117780A1 (en) 2020-12-03 2021-12-03 Method, apparatus and computer program for machine learning-assisted beams coordinated scheduling in 5g and beyond

Publications (1)

Publication Number Publication Date
CN116547917A true CN116547917A (zh) 2023-08-04

Family

ID=78916757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180081670.9A Pending CN116547917A (zh) 2020-12-03 2021-12-03 在5g及后续中用于机器学习辅助波束协调调度的方法、装置和计算机程序

Country Status (4)

Country Link
US (1) US20240008018A1 (zh)
EP (1) EP4256839A1 (zh)
CN (1) CN116547917A (zh)
WO (1) WO2022117780A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110009105A1 (en) * 2009-07-13 2011-01-13 Jungwoo Lee Self-organizing networks using directional beam antennas
KR102078616B1 (ko) * 2017-10-31 2020-04-07 에스케이 텔레콤주식회사 빔포밍 통신 시스템에서 빔 간섭을 고려한 자동 이득 제어 및 빔 스케줄링 방법 및 이를 위한 장치
US10425860B2 (en) * 2017-11-03 2019-09-24 Netsia, Inc. System and method for value optimized mobile networks
EP3939367A4 (en) * 2019-03-13 2022-10-19 Nokia Technologies OY DEVICE, METHOD AND COMPUTER READABLE MEDIUM FOR ADJUSTING BEAMFORMING PROFILES

Also Published As

Publication number Publication date
WO2022117780A1 (en) 2022-06-09
US20240008018A1 (en) 2024-01-04
EP4256839A1 (en) 2023-10-11

Similar Documents

Publication Publication Date Title
Onireti et al. A cell outage management framework for dense heterogeneous networks
US20210345134A1 (en) Handling of machine learning to improve performance of a wireless communications network
EP2732654B1 (en) Distributed beam selection for cellular communication
Moysen et al. A reinforcement learning based solution for self-healing in LTE networks
US9326163B2 (en) Methods and systems for reducing interference in networks
EP2912783B1 (en) Dynamic multi-cell clustering for downlink comp in a wireless communication network
EP2115893B1 (en) Mitigation of co-channel interference in a wireless communication system
US20220051139A1 (en) Wireless device, a network node and methods therein for training of a machine learning model
US20160309452A1 (en) Method and Apparatus for Coordinating One or More Downlink Transmissions In A Wireless Communication System
CN113597799B (zh) 用于调整波束赋形简档的设备、方法和计算机可读介质
EP3200507B1 (en) Method and device for selecting heterogeneous network serving cell based on inter-cell cooperation
CN102648645B (zh) 无线通信系统中的基于分数的干扰协调
Yilmaz et al. Self-optimization of remote electrical tilt
Berger et al. Online antenna tilt-based capacity and coverage optimization
Arvinte et al. Beam management in 5G NR using geolocation side information
Yilmaz et al. Optimization of adaptive antenna system parameters in self-organizing LTE networks
Georgakopoulos et al. On game theory-based coordination schemes for mobile small cells
CN108737046B (zh) 一种fd-mimo系统中的测量导频配置方法及装置
CN116547917A (zh) 在5g及后续中用于机器学习辅助波束协调调度的方法、装置和计算机程序
Hosein et al. On the performance of downlink beamforming with synchronized beam cycles
Akhtar et al. Exploiting NOMA for Radio Resource Efficient Traffic Steering Use-case in O-RAN
Corcoran et al. Reinforcement learning for automated energy efficient mobile network performance tuning
Vergne et al. Evaluating the capacity gains from coordinated multipoint transmission and reception
Bhuyan et al. Secure mmWave Spectrum Sharing with Autonomous Beam Scheduling for 5G and Beyond
US20240098566A1 (en) Load management of overlapping cells based on user throughput

Legal Events

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