CN116567793A - 一种通信设备同步方法、装置、网络设备及通信设备 - Google Patents

一种通信设备同步方法、装置、网络设备及通信设备 Download PDF

Info

Publication number
CN116567793A
CN116567793A CN202210106869.9A CN202210106869A CN116567793A CN 116567793 A CN116567793 A CN 116567793A CN 202210106869 A CN202210106869 A CN 202210106869A CN 116567793 A CN116567793 A CN 116567793A
Authority
CN
China
Prior art keywords
neural network
model
network model
terminal
base station
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
CN202210106869.9A
Other languages
English (en)
Inventor
杨骄龙
孙奇
李婷
左君
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.)
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Communications Ltd Research Institute
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 China Mobile Communications Group Co Ltd, China Mobile Communications Ltd Research Institute filed Critical China Mobile Communications Group Co Ltd
Priority to CN202210106869.9A priority Critical patent/CN116567793A/zh
Publication of CN116567793A publication Critical patent/CN116567793A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W56/00—Synchronisation arrangements
    • H04W56/001—Synchronization between nodes
    • H04W56/002—Mutual synchronization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/10—Monitoring; Testing of transmitters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • 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
    • H04B7/0619—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 using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明提供一种通信设备同步方法、装置、网络设备及通信设备，涉及通信技术领域。该方法包括：确定用于信道状态信息CSI反馈的第一神经网络模型；将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。本发明实施例的通信设备同步方法，通过终端将确定好的用于信道状态信息CSI反馈的第一神经网络模型的模型信息发送给基站，使得基站能够确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。

Description

一种通信设备同步方法、装置、网络设备及通信设备
技术领域
本发明涉及通信技术领域，特别是指一种通信设备同步方法、装置、网络设备及通信设备。
背景技术
现有信道状态信息(Channel State Information，CSI)反馈方案均基于码本，常见的方案包括将所有可能的信道信息表示为人工设计的少量码本模版上，或者将信道信息分解为一组基向量的加权组合。这些方案均存在精度损失大的缺点。而基于神经网络的压缩方法具备较高的还原精度，且仍可保留高压缩比。
基于神经网络的方案中，模型一般包括位于发送端(终端)的编码部分和为与接收端(基站)的解码部分，例如发送端第一神经网络模型和接收端的第二模神经网络型。但是模型的编码部分和解码部分之间需要存在一定的适配关系，才能实现信道状态信息的传输。现有的神经网络的方案中，对于给定的第一神经网络模型，无法准确地确定其对应的第二神经网络模型，即终端侧和基站侧的模型之间不能实现同步互通，导致模型性能较低。
发明内容
本发明的目的是提供一种通信设备同步方法、装置、网络设备及通信设备，用以解决现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
为达到上述目的，本发明的实施例提供一种通信设备同步方法，应用于终端，包括：
确定用于信道状态信息CSI反馈的第一神经网络模型；
将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
进一步地，所述确定用于CSI反馈的第一神经网络模型，包括以下其中之一：
在所保存的包括多个标准模型的第一神经网络模型集合中，选择其中一个标准模型为所述第一神经网络模型；
接收基站发送的模型指示信息，根据所述模型指示信息确定所述第一神经网络模型。
进一步地，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括至少一个模型对应的第一模型信息；
所述根据所述模型指示信息确定所述第一神经网络模型，包括：
根据所述第一模型信息确定所述第一神经网络模型。
进一步地，在所述第一神经网络模型为非标准模型的情况下，所述根据所述模型指示信息确定所述第一神经网络模型，包括：
所述模型指示信息用于指示至少一个模型的模型指标，根据所述模型指标，确定所述第一神经网络模型；或者，
所述模型指示信息用于指示包括至少一个模型的第二神经网络模型集合，在所述第二神经网络模型集合中选择一个确定为所述第一神经网络模型。
进一步地，所述模型指标，包括一下至少一项：
模型大小、模型单次推理算力要求以及模型历史还原性能。
进一步地，在接收基站发送的模型指示信息之前，包括：
发送所述终端的能力等级。
进一步地，所述方法，还包括：
根据所述第一神经网络模型和信道状态信息，得到第一中间值；
将所述第一中间值发送至基站。
为达到上述目的，本发明的实施例提供一种通信设备同步方法，应用于基站，包括：
接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
进一步地，所述接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息之前，包括：
向终端发送模型指示信息，所述模型指示信息用于指示终端的第一神经网络模型。
进一步地，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括至少一个模型对应的第一神经网络模型信息。
进一步地，在所述第一神经网络模型为非标准模型的情况下，所述模型指示信息包括以下一项：
至少一个模型的模型指标；
至少一个模型的第二神经网络模型集合。
进一步地，向终端发送模型指示信息之前，包括：
接收终端的能力等级；
根据所述终端的能力等级，确定所述模型指示信息。
进一步地，所述方法还包括：
接收第一中间值；
根据所述第二神经网络模型和所述第一中间值，确定信道状态信息。
为达到上述目的，本发明的实施例提供一种通信设备同步装置，应用于终端，包括：
第一确定模块，用于确定用于信道状态信息CSI反馈的第一神经网络模型；
发送模块，用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
为达到上述目的，本发明的实施例提供一种通信设备同步装置，应用于基站，包括：
接收模块，用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
第二确定模块，用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
为达到上述目的，本发明的实施例提供一种终端设备，包括处理器和收发器；
其中，所述处理器用于确定用于信道状态信息CSI反馈的第一神经网络模型；
所述收发机用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
为达到上述目的，本发明的实施例提供一种网络设备，包括：收发机和处理器；
其中，所述收发机用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
所述处理器用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
为达到上述目的，本发明的实施例提供一种通信设备，包括收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所程序或指令时实现如上所述的通信设备同步方法。
为达到上述目的，本发明的实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的通信设备同步方法中的步骤。
本发明的上述技术方案的有益效果如下：
本发明实施例的通信设备同步方法，通过终端将确定好的用于信道状态信息CSI反馈的第一神经网络模型的模型信息发送给基站，使得基站能够确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
附图说明
图1为本发明实施例的应用于终端的通信设备同步方法的流程示意图；
图2为本发明实施例的应用于基站的通信设备同步方法的流程示意图；
图3为本发明一实施例的通信设备同步方法的流程示意图；
图4为本发明又一实施例的通信设备同步方法的流程示意图；
图5为本发明实施例的应用于终端的通信设备同步设备的示意图；
图6为本发明实施例的应用于基站的通信设备同步设备的示意图；
图7为本发明实施例的终端设备的结构示意图；
图8为本发明实施例的网络设备的结构示意图；
图9为本发明实施例的通信设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常可互换使用。
在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。
如图1所示，本发明实施例的一种通信设备同步方法，应用于终端，包括以下步骤：
步骤101，确定用于信道状态信息CSI反馈的第一神经网络模型；
步骤102，将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
本发明一实施例中，所述模型信息包括模型编号。
需要说明的是，所述第一神经网络模型用于对所述信道状态信息进行编码。
所述第一神经网络模型与所述终端和/或所述基站相关联，可以理解为所述第一神经网络模型根据终端确定、所述第一神经网络模型根据基站确定或者所述第一神经网络模型根据终端和基站共同确定。
本发明实施例的通信设备同步方法，通过终端将确定好的用于信道状态信息CSI反馈的第一神经网络模型的模型信息发送给基站，使得基站能够确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
可选地，所述确定用于CSI反馈的第一神经网络模型，包括以下其中之一：
在所保存的包括多个标准模型的第一神经网络模型集合中，选择其中一个标准模型为所述第一神经网络模型；
接收基站发送的模型指示信息，根据所述模型指示信息确定所述第一神经网络模型。
本发明一实施例中，若所述第一神经网络模型为标准模型(所述标准模型可以为固定模型或者若干个固定模型的其中之一)，终端侧在其自身所保存的第一神经网络模型集合中个选取一个作为第一神经网络模型。
本发明一实施例中，还可以根据所述基站发送的模型指示信息确定所述第一神经网络模型。
本发明实施例的通信设备同步方法，通过终端侧保存的均为标准模型的第一神经网络模型集合或者根据基站发送的模型指示信息确定出第一神经网络模型，能够使得基站根据第一神经网络模型的模型信息确定出与所述第一神经网络模型相对应的第二神经网络模型，进而实现所述终端与基站之间的同步互通性。
可选地，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括至少一个模型对应的第一模型信息；根据所述第一模型信息确定所述第一神经网络模型。
本发明一实施例中，根据所述基站发送的包括至少一个模型对应的第一神经网络模型信息的模型指示信息，选取一个作为第一神经网络模型。
本发明一实施例中，所述终端向基站发送自身的能力等级，所述基站根据所述终端的能力等级确定至少一个模型作为所述第一神经网络模型的选取范围，并将所述至少一个模型的模型信息作为所述模型指示信息发送给终端，终端选择一个作为所述第一神经网络模型。
本发明实施例的通信设备同步方法，终端根据基站发送的至少一个模型对应的第一神经网络模型信息，确定出第一神经网络模型；或者，基站根据终端上报的能力等级，确定出至少一个模型作为所述第一神经网络模型的选取范围。能够使得基站根据第一神经网络模型的模型信息确定出与所述第一神经网络模型相对应的第二神经网络模型，进而实现所述终端与基站之间的同步互通性。
可选地，在所述第一神经网络模型为非标准模型的情况下，所述根据所述模型指示信息确定所述第一神经网络模型，包括：
所述模型指示信息用于指示至少一个模型的模型指标，根据所述模型指标，确定所述第一神经网络模型；或者，
所述模型指示信息用于指示包括至少一个模型的第二神经网络模型集合，在所述第二神经网络模型集合中选择一个确定为所述第一神经网络模型。
可选地，终端根据所述至少一个模型的模型指标，选取与所述终端匹配的模型作为第一神经网络模型。
可选地，所述终端向基站上报自身的能力等级，所述基站根据所述终端的能力等级确定出至少一个模型的第二神经网络模型集合，作为所述终端的第一神经网络模型的选择范围。
可选地，在接收基站发送的模型指示信息之前，包括：
发送所述终端的能力等级。
本发明实施例的通信设备同步方法，终端通过上报自身的能力等级，使得基站能够确定出所述终端支持的第一神经网络模型的范围，从而通过模型指示信息指示终端确定能够与基站的第二神经网络模型相匹配的第一神经网络模型的选择范围。
可选地，所述模型指标，包括一下至少一项：
模型大小、模型单次推理算力要求以及模型历史还原性能。
本发明一实施例中，所述模型大小可以指模型所占资源的大小(Mbyte/KByte)；所述模型单次推理算力要求可以指每秒浮点运算次数(floating-point operations persecond，FLOPS)；所述模型历史还原性能可以指均方根误差NMSE或者余弦相似度。
可选地，所述方法，还包括：
根据所述第一神经网络模型和信道状态信息，得到第一中间值；
将所述第一中间值发送至基站。
可选地，根据所述第一神经网络模型和信道状态信息，得到第一中间值，可以理解为：
通过所述第一神经网络模型对所述信道状态信息进行编码压缩，得到所述第一中间值。
本发明实施例的通信设备同步方法，通过第一神经网络模型对信道状态信息进行编码处理，得到第一中间值。基站根据接收到的第一神经网络模型的模型信息确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而对所述第一中间值顺利进行解码，从而得到所述信道状态信息。
如图2所示，本发明实施例的一种通信设备同步方法，应用于基站，包括以下步骤：
步骤201，接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
步骤202，根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
可选地，所述第二神经网络模型与所述第一神经网络模型相关联可以理解为：所述第二神经网络模型根据所述第一神经网络模型的模型信息确定；
所述第二神经网络模型与所述基站相关联可以理解为：基站确定模型指示信息，并发送给终端，终端根据所述模型指示信息确定所述第一神经网络模型。
本发明实施例的通信设备同步方法，基站根据终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息，确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
可选地，所述接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息之前，包括：
向终端发送模型指示信息，所述模型指示信息用于指示终端的第一神经网络模型。
本发明一实施例中，所述基站通过向终端发送用于指示终端的第一神经网络模型的所述模型指示信息，使得终端根据所述模型指示信息确定所述第一神经网络模型。
可选地，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括至少一个模型对应的第一神经网络模型信息。
具体地，所述模型指示信息包括至少一个模型对应的第一神经网络模型信息可以理解为：
基站发送模型指示信息，用于指示所述第一神经网络模型的可选择范围；或者，
终端向基站上报所述终端的能力等级，基站根据所述终端的能力等级确定出用于指示所述第一神经网络模型的可选择范围的模型指示信息。
可选地，在所述第一神经网络模型为非标准模型的情况下，所述模型指示信息包括以下一项：
至少一个模型的模型指标；
至少一个模型的第二神经网络模型集合。
可选地，所述基站向所述终端发送包括至少一个模型的模型指标，使得终端根据所述模型指标选择出所述终端所支持的第一神经网络模型。
可选地，基站根据所述终端的能力等级确定出所述终端所支持的第一神经网络模型的第二神经网络模型集合，并发送给所述终端。
可选地，向终端发送模型指示信息之前，包括：
接收终端的能力等级；
根据所述终端的能力等级，确定所述模型指示信息。
本发明实施例的通信设备同步方法，基站根据终端上报的自身的能力等级，能够确定出所述终端支持的第一神经网络模型的范围，从而通过模型指示信息指示终端确定能够与基站的第二神经网络模型相匹配的第一神经网络模型的选择范围。
可选地，所述方法还包括：
接收第一中间值；
根据所述第二神经网络模型和所述第一中间值，确定信道状态信息。
可选地，根据所述第二神经网络模型和所述第一中间值，确定信道状态信息，可以理解为：
通过所述第二神经网络模型对所述第一中间值进行解码，得到所述信道状态信息。
本发明实施例的通信设备同步方法，基站根据接收到的第一神经网络模型的模型信息确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而对所述第一中间值顺利进行解码，从而得到所述信道状态信息。
如图3所示，本发明一实施例中，所述第一神经网络模型为标准模型的情况下，所述第一神经网络模型与所述终端相关联。终端确定所述第一神经网络模型后，将所述第一神经网络模型的模型信息(模型编号)发送给基站；并通过所述第一神经网络模型将所述信道状态信息进行编码，得到所述第一中间值；基站根据所述第一神经网络模型的模型编号，确定出与所述第一神经网络模型相匹配的第二神经网络模型；然后根据所述第二神经网络模型对所述第一中间值进行解码，得到所述信道状态信息。
如图4所示，本发明一实施例中，所述第一神经网络模型与所述终端和/或所述基站相关联。基站直接向终端发送模型指示信息，或者，基站根据终端上报的能力等级向终端发送模型指示信息；终端根据所述模型指示信息确定所述第一神经网络模型；并将所述第一神经网络模型的模型信息发送给基站；终端根据所述第一神经网络模型对所述信道状态信息进行编码，得到所述第一中间值；所述基站根据所述第一神经网络模型的编码信息确定与所述第一神经网络模型相匹配的第二神经网络模型；根据所述第二神经网络模型对所述第一中间值进行解码，得到所述信道状态信息。
如图5所示，本发明的实施例提供一种通信设备同步装置500，应用于终端，包括：
第一确定模块501，用于确定用于信道状态信息CSI反馈的第一神经网络模型；
发送模块502，用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
本发明实施例的通信设备同步装置，通过终端将确定好的用于信道状态信息CSI反馈的第一神经网络模型的模型信息发送给基站，使得基站能够确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
如图6所示，本发明的实施例提供一种通信设备同步装置600，应用于基站，包括：
接收模块601，用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
第二确定模块602，用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
本发明实施例的通信设备同步装置，基站根据终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息，确定出与所述第一神经网络模型相匹配的第二神经网络模型，从而实现终端与基站的同步。解决了现有技术的神经网络的方案中，终端侧和基站侧的模型之间不能同步互通，导致模型性能较低的问题。
如图7所示，本发明的实施例提供一种终端设备700，收发机701和处理器702；
其中，所述处理器702用于确定用于信道状态信息CSI反馈的第一神经网络模型；
所述收发机701用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
如图8所示，本发明的实施例提供一种网络设备800，包括：收发机801和处理器802；
其中，所述收发机801用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
所述处理器802用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型用于确定所述信道状态信息。
本发明另一实施例的一种通信设备，如图9所示，包括收发器910、处理器900、存储器920及存储在所述存储器920上并可在所述处理器900上运行的程序或指令；所述处理器900执行所述程序或指令时实现上述应用于通信设备同步方法。
所述收发器910，用于在处理器900的控制下接收和发送数据。
其中，在图9中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器900代表的一个或多个处理器和存储器920代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行可选描述。总线接口提供接口。收发器910可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备，用户接口930还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器900负责管理总线架构和通常的处理，存储器920可以存储处理器900在执行操作时所使用的数据。
本发明实施例的一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的通信设备同步方法中的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的通信设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
可选需要说明的是，此说明书中所描述的终端包括但不限于智能手机、平板电脑等，且所描述的许多功能部件都被称为模块，以便更加特别地强调其实现方式的独立性。
本发明实施例中，模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成模块并且实现该模块的规定目的。
实际上，可执行代码模块可以是单条指令或者是许多条指令，并且甚至可以分布在多个不同的代码段上，分布在不同程序当中，以及跨越多个存储器设备分布。同样地，操作数据可以在模块内被识别，并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集，或者可以分布在不同位置上(包括在不同存储设备上)，并且至少部分地可以仅作为电子信号存在于系统或网络上。
在模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(VLSI)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。
上述范例性实施例是参考该些附图来描述的，许多不同的形式和实施例是可行而不偏离本发明精神及教示，因此，本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说，这些范例性实施例被提供以使得本发明会是完善又完整，且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中，组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的，并无意成为限制用。如在此所使用地，除非该内文清楚地另有所指，否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会可选了解到该些术语“包含”及/或“包括”在使用于本说明书时，表示所述特征、整数、步骤、操作、构件及/或组件的存在，但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示，陈述时，一值范围包含该范围的上下限及其间的任何子范围。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (19)

1.一种通信设备同步方法，应用于终端，其特征在于，包括：
确定用于信道状态信息CSI反馈的第一神经网络模型；
将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
2.根据权利要求1所述的通信设备同步方法，其特征在于，所述确定用于CSI反馈的第一神经网络模型，包括以下其中之一：
在所保存的包括多个标准模型的第一神经网络模型集合中，选择其中一个标准模型为所述第一神经网络模型；
接收基站发送的模型指示信息，根据所述模型指示信息确定所述第一神经网络模型。
3.根据权利要求2所述的通信设备同步方法，其特征在于，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括至少一个模型对应的第一模型信息；
所述根据所述模型指示信息确定所述第一神经网络模型，包括：
根据所述第一模型信息确定所述第一神经网络模型。
4.根据权利要求2所述的通信设备同步方法，其特征在于，在所述第一神经网络模型为非标准模型的情况下，所述根据所述模型指示信息确定所述第一神经网络模型，包括：
所述模型指示信息用于指示至少一个模型的模型指标，根据所述模型指标，确定所述第一神经网络模型；或者，
所述模型指示信息用于指示包括至少一个模型的第二神经网络模型集合，在所述第二神经网络模型集合中选择一个确定为所述第一神经网络模型。
5.根据权利要求4所述的通信设备同步方法，其特征在于，所述模型指标，包括一下至少一项：
模型大小、模型单次推理算力要求以及模型历史还原性能。
6.根据权利要求2所述的通信设备同步方法，其特征在于，在接收基站发送的模型指示信息之前，包括：
发送所述终端的能力等级。
7.根据权利要求1所述的通信设备同步方法，其特征在于，所述方法，还包括：
根据所述第一神经网络模型和信道状态信息，得到第一中间值；
将所述第一中间值发送至基站。
8.一种通信设备同步方法，应用于基站，其特征在于，包括：
接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
9.根据权利要求8所述的通信设备同步方法，其特征在于，所述接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息之前，包括：
向终端发送模型指示信息，所述模型指示信息用于指示终端的第一神经网络模型。
10.根据权利要求9所述的通信设备同步方法，其特征在于，在所述第一神经网络模型为标准模型的情况下，所述模型指示信息包括：
至少一个模型对应的第一神经网络模型信息。
11.根据权利要求9所述的通信设备同步方法，其特征在于，在所述第一神经网络模型为非标准模型的情况下，所述模型指示信息包括以下一项：
至少一个模型的模型指标；
至少一个模型的第二神经网络模型集合。
12.根据权利要求9所述的通信设备同步方法，其特征在于，向终端发送模型指示信息之前，包括：
接收终端的能力等级；
根据所述终端的能力等级，确定所述模型指示信息。
13.根据权利要求8所述的通信设备同步方法，其特征在于，所述方法还包括：
接收第一中间值；
根据所述第二神经网络模型和所述第一中间值，确定信道状态信息。
14.一种通信设备同步装置，应用于终端，其特征在于，包括：
第一确定模块，用于确定用于信道状态信息CSI反馈的第一神经网络模型；
发送模块，用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
15.一种通信设备同步装置，应用于基站，其特征在于，包括：
接收模块，用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
第二确定模块，用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与所述基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
16.一种终端设备，其特征在于，包括：收发机和处理器；
所述处理器用于确定用于信道状态信息CSI反馈的第一神经网络模型；
所述收发机用于将所述第一神经网络模型的模型信息发送给基站；其中，所述第一神经网络模型与所述终端和/或所述基站相关联。
17.一种网络设备，其特征在于，包括：收发机和处理器；
所述收发机用于接收终端发送的用于信道状态信息CSI反馈的第一神经网络模型的模型信息；
所述处理器用于根据所述第一神经网络模型的模型信息，确定与所述第一神经网络模型相匹配的第二神经网络模型；所述第二神经网络模型与所述第一神经网络模型相关联，或者所述第二神经网络模型与基站相关联，且所述第二神经网络模型用于确定所述信道状态信息。
18.一种通信设备，包括：收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；其特征在于，所述通信设备为终端的情况下，所述处理器执行所述程序或指令时实现如权利要求1-7任一项所述的通信设备同步方法；所述通信设备为基站的情况下，所述处理器执行所述程序或指令时实现如权利要求8-13任一项所述的通信设备同步方法中的步骤。
19.一种可读存储介质，其上存储有程序或指令，其特征在于，所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的通信设备同步方法中的步骤，或者实现如权利要求8-13任一项所述的通信设备同步方法中的步骤。
CN202210106869.9A 2022-01-28 2022-01-28 一种通信设备同步方法、装置、网络设备及通信设备 Pending CN116567793A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210106869.9A CN116567793A (zh) 2022-01-28 2022-01-28 一种通信设备同步方法、装置、网络设备及通信设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210106869.9A CN116567793A (zh) 2022-01-28 2022-01-28 一种通信设备同步方法、装置、网络设备及通信设备

Publications (1)

Publication Number Publication Date
CN116567793A true CN116567793A (zh) 2023-08-08

Family

ID=87502344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210106869.9A Pending CN116567793A (zh) 2022-01-28 2022-01-28 一种通信设备同步方法、装置、网络设备及通信设备

Country Status (1)

Country Link
CN (1) CN116567793A (zh)

Similar Documents

Publication Publication Date Title
US10911113B2 (en) Communication system and codec method based on deep learning and known channel state information
CN106899379B (zh) 用于处理极化码的方法和通信设备
JP7033205B2 (ja) データ伝送方法、基地局および端末
CN104412665B (zh) 用于动态可配置空中接口的系统和方法
CN106982172B (zh) 确定极化码传输块大小的方法和通信设备
US20220247469A1 (en) Method and device for transmitting channel state information
JP7252344B2 (ja) データ伝送方式及び通信デバイス
CN111225414B (zh) 多模通信装置及其通信方法、多模通信系统
CN114745712A (zh) 基于终端能力的处理方法、装置、终端及网络设备
US11343014B2 (en) Channel state information reporting method and communications apparatus
CN103684680A (zh) 解码经编码的数据块
CN108540260B (zh) 用于确定Polar码编解码的方法、装置和可存储介质
RU2551819C2 (ru) Способ и устройство отправки и приема информации предварительного кодирования
CN111525947A (zh) 信道状态信息的上报方法、接收方法、终端及网络侧设备
US20200228385A1 (en) Facilitating a two-stage downlink control channel in a wireless communication system
CN116567793A (zh) 一种通信设备同步方法、装置、网络设备及通信设备
EP4366253A1 (en) Data processing method and apparatus
WO2022057582A1 (zh) 编码方法和装置
WO2022082380A1 (zh) 一种通信方法和装置
EP3494647A1 (en) Unit-norm codebook design and quantization
CN113067787A (zh) 一种基于有限反馈的无线能量传输系统预编码方法
US20240146582A1 (en) Information encoding control method and related apparatus
CN108075813B (zh) 一种预编码信息指示方法、ue及接入网实体
WO2024078074A1 (zh) 信道状态信息的发送方法、接收方法及装置、存储介质
CN2261656Y (zh) 利用数字选择性呼叫技术的船舶跟踪系统岸基询呼器

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