CN116684296A - 数据采集方法及设备 - Google Patents

数据采集方法及设备 Download PDF

Info

Publication number
CN116684296A
CN116684296A CN202210170204.4A CN202210170204A CN116684296A CN 116684296 A CN116684296 A CN 116684296A CN 202210170204 A CN202210170204 A CN 202210170204A CN 116684296 A CN116684296 A CN 116684296A
Authority
CN
China
Prior art keywords
information
data
data acquisition
communication device
communication
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
CN202210170204.4A
Other languages
English (en)
Inventor
贾承璐
王园园
孙布勒
庄子荀
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.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
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 Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202210170204.4A priority Critical patent/CN116684296A/zh
Priority to PCT/CN2023/077389 priority patent/WO2023160534A1/zh
Publication of CN116684296A publication Critical patent/CN116684296A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/08—Access security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例公开了一种数据采集方法及设备，属于通信技术领域，本申请实施例的数据采集方法包括：第一通信设备接收来自于第二通信设备的第一信息；所述第一通信设备根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。

Description

数据采集方法及设备
技术领域
本申请属于通信技术领域，具体涉及一种数据采集方法及设备。
背景技术
人工智能(Artificial Intelligence，AI)目前在各个领域获得了广泛的应用。通过将AI融入到无线通信领域，可以显著提升吞吐量、降低时延、提升用户容量。然而，当前无线通信领域对的AI模型的研究和使用主要集中在离线学习和部署阶段，AI模型预测结果的精度较低，难以满足通信需求。
发明内容
本申请实施例提供一种数据采集方法、终端及网络侧设备，能够解决因离线AI模型的预测精度低，难以满足通信需求问题。
第一方面，提供了一种数据采集方法，包括：第一通信设备接收来自于第二通信设备的第一信息；所述第一通信设备根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第二方面，提供了一种数据采集方法，包括：第二通信设备向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第三方面，提供了一种第一通信设备，包括：接收模块，用于接收来自于第二通信设备的第一信息；处理模块，用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第四方面，提供了一种第二通信设备，包括：发送模块，用于向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第五方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。
第六方面，提供了一种终端，包括处理器及通信接口，其中，所述通信接口用于接收来自于第二通信设备的第一信息；所述处理器用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第七方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面或第二方面所述的方法的步骤。
第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口用于向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第九方面，提供了一种数据采集系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的方法的步骤，所述网络侧设备可用于执行如第二方面所述的方法的步骤。
第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤，或实现如第二方面所述的方法的步骤。
第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
在本申请实施例中，第一通信设备接收来自于第二通信设备的第一信息，第一通信设备根据第一信息进行数据采集，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
附图说明
图1是根据本申请实施例的无线通信系统的示意图；
图2是根据本申请实施例的数据采集方法的示意性流程图；
图3是根据本申请实施例的数据采集方法的示意性流程图；
图4是根据本申请实施例的第一通信设备的结构示意图；
图5是根据本申请实施例的第二通信设备的结构示意图；
图6是根据本申请实施例的通信设备的结构示意图；
图7是根据本申请实施例的终端的结构示意图；
图8是根据本申请实施例的网络侧设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员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中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6th Generation，6G)通信系统。
图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmentedreality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备也可以称为无线接入网设备、无线接入网(Radio Access Network，RAN)、无线接入网功能或无线接入网单元。接入网设备可以包括基站、WLAN接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。核心网设备可以包含但不限于如下至少一项：核心网节点、核心网功能、移动管理实体(Mobility ManagementEntity，MME)、接入移动管理功能(Access and Mobility Management Function，AMF)、会话管理功能(Session Management Function，SMF)、用户平面功能(User Plane Function，UPF)、策略控制功能(Policy Control Function，PCF)、策略与计费规则功能单元(Policyand Charging Rules Function，PCRF)、边缘应用服务发现功能(Edge ApplicationServer Discovery Function，EASDF)、统一数据管理(Unified Data Management，UDM)，统一数据仓储(Unified Data Repository，UDR)、归属用户服务器(Home SubscriberServer，HSS)、集中式网络配置(Centralized network configuration，CNC)、网络存储功能(Network Repository Function，NRF)，网络开放功能(Network Exposure Function，NEF)、本地NEF(Local NEF，或L-NEF)、绑定支持功能(Binding Support Function，BSF)、应用功能(Application Function，AF)等。需要说明的是，在本申请实施例中仅以NR系统中的核心网设备为例进行介绍，并不限定核心网设备的具体类型。
下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的数据采集方法进行详细地说明。
如图2所示，本申请实施例提供一种数据采集方法200，该方法可以由第一通信设备执行，换言之，该方法可以由安装在第一通信设备的软件或硬件来执行，该方法包括如下步骤。
S202：第一通信设备接收来自于第二通信设备的第一信息。
本申请各个实施例中，第一通信设备可以为终端，第二通信设备可以为网络侧设备；或者，第一通信设备为第一终端，第二通信设备为第二终端；或者，第一通信设备为第一网络侧设备，第二通信设备为第二网络侧设备。上述各个例子提到的网络侧设备，如第一网络侧设备，第二网络侧设备等，可以为核心网设备，或接入网设备，或核心网设备与接入网设备的组合。核心网设备可以包括网络数据分析功能(Network Data AnalyticsFunction，NWDAF)、位置管理功能(Location Management Function，LMF)等，或神经网络处理节点，接入网设备可以包括基站或新定义的神经网络处理节点等。
S204：第一通信设备根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
第一信息可以为第一指示信息，所述第一指示信息用于指示所述第一通信设备进行数据采集。该实施例适用于第一通信设备为终端，第二通信设备为网络侧设备的情形，网络侧设备可以通过第一指示信息指示终端进行数据采集。后续的实施例大多是以第一信息为第一指示信息为例进行介绍。
第一信息还可以为第一权限信息，所述第一权限信息用于允许在所述第一通信设备进行数据采集。该实施例适用于第一通信设备为网络侧设备，第二通信设备为终端的情形。该实施例中，网络侧设备可以向终端发送数据采集的用户权限请求信息；终端向网络侧反馈第一权限信息(即用户授权信息)，指用户是否授权网络侧设备进行终端的数据采集。
上述AI模型可以用于预测目标通信业务，例如，预测终端的位置，预测信道质量等。可以理解，第一通信设备采集的数据是与目标通信业务相关的数据，这样，AI模型可以基于采集的数据进行在线学习，以提升目标通信业务的预测精度。
可选地，S204之后，第一通信设备还可以向第二通信设备发送采集到的数据，这样，第二通信设备可以基于接收到的数据对AI模型进行训练，该AI模型可以是部署在第二通信设备侧。可以理解，第一通信设备进行数据采集可以是一个持续的过程，这样，AI模型可以不断进行目标通信业务的预测，同时还可以基于第一通信设备采集的数据不断地进行迭代训练，有利于提升后续的预测精度，提升通信系统性能。
可选地，S204之后，第一通信设备也可以基于采集到的数据对AI模型进行训练，该AI模型可以是部署在第一通信设备侧。
本申请实施例提供的数据采集方法，第一通信设备接收来自于第二通信设备的第一信息，第一通信设备根据第一信息进行数据采集，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
本申请实施例考虑到，无线环境是不断变化的，通过离线训练得到的固定AI模型会在动态环境中逐渐失效，AI模型需要不断学习新的环境知识提升自身的适应能力。本申请实施例提供的数据采集方法，支持AI模型在线学习，还可以从数据集的角度保证AI模型在线学习的时延和精度。
可选地，所述第一通信设备根据所述第一信息进行数据采集之后，所述方法还包括：所述第一通信设备向所述第二通信设备发送与采集的数据相关的如下至少之一：
1)采集到的数据，该采集到的数据可以用于第二通信设备对AI模型进行迭代训练，提高AI模型的预测精度。
2)数据对应的时间戳信息，如采集的每条或每组数据的采集时间。该实施例适用于时间序列预测的AI模型，通过上述时间戳信息，有利于提高AI模型的预测精度。
3)数据上报的规模，如当前的数据有多少条。该数据上报的规模有利于第二通信设备合理地使用采集到的数据。
4)数据的误差信息，如当前采集的数据的误差，包括a)信道状态信息，如信干噪比(Signal to Interference plus Noise Ratio，SINR)，参考信号接收功率(ReferenceSignal Receiving Power，RSRP)，误码率，误包率，服务质量(Quality of Service，QoS)，信道质量指示信息(Channel Quality Indicator，CQI)等；b)网络环境信息；c)移动性信息。
5)数据的类型和格式。该实施例有利于第二通信设备正确地识别采集到的数据，避免数据识别出错，减少数据处理的时延。
6)数据的处理方法。该实施例有利于第二通信设备采用相应的处理方法处理采集到的数据，减少数据处理的时延。
7)数据关联的小区标识ID，可以包括物理小区ID，全局小区ID和发送接收点(Transmission and Reception Point，TRP)ID。
8)数据关联的参考信号标识。该实施例便于第二通信设备及时了解数据的来源等。
9)数据关联的所述AI模型的标识。该实施例考虑到，第二通信设备可能部署多个AI模型，针对不同的AI模型可能需要不同的数据进行训练，因此在采集到的数据中携带AI模型的标识，便于第二通信设备正确地使用采集到的数据。
10)数据关联的任务标识。该实施例考虑到，第二通信设备可能部署任务，针对不同的任务可能需要不同的数据进行训练，因此在采集到的数据中携带任务标识，便于第二通信设备正确地使用采集到的数据。
11)数据关联的设备标识。该设备标识可以是第一通信设备标识、第二通信设备标识或第三通信设备标识，其中，第一通信设备采集的数据可能与第三通信设备有关联：比如由第三通信设备发送、接收、处理、反馈等。
12)设备硬件状态信息，如剩余可用的存储空间，剩余电量等。该实施例有利于第二通信设备部署第一通信设备的采集任务，避免因采集数据而对第一通信设备造成影响，提升用户体验。
考虑到数据采集是一个耗电而且没有多少收益的事情，而且可能涉及第一通信设备(终端)的隐私信息，比如位置，甚至参考信号的测量可能也是隐私的，因为通过AI可以根据测量的参考信号推断位置，因此，实施例200还可以包括如下步骤的至少之一：
1)所述第一通信设备接收来自于所述第二通信设备的权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限。
例如，第一通信设备为终端，第二通信设备为网络侧设备，网络侧设备通过权限请求信息，获取在该终端进行数据采集的权限。
2)所述第一通信设备向所述第二通信设备发送第二信息，所述第二信息用于指示所述第一通信设备是否支持进行数据采集。
例如，第一通信设备为终端，第二通信设备为网络侧设备，终端向网络侧设备指示终端支持进行数据采集。
可以理解，终端可以是在接收到权限请求信息后，向网络侧设备指示终端支持进行数据采集；或者，终端在没有接收到权限请求信息的情况下，可以直接向网络侧设备指示终端支持进行数据采集。
可以理解，上述1)和2)可以在S202之前执行，还可以在S202之后执行。
可选地，所述第一通信设备向所述第二通信设备发送第二信息包括：所述第一通信设备根据设备状态信息以及用户授权信息向所述第二通信设备发送第二信息；其中，所述设备状态信息包括所述第一通信设备的如下至少之一：设备硬件状态信息，外部环境信息；所述用户授权信息包括：所述第一通信设备是否被授权为为所述目标通信业务或所述AI模型进行数据采集，例如，所述用户授权信息为终端所属用户是否愿意为指定业务或AI模型训练做数据采集。
该实施例有利于第二通信设备(如网络侧设备)选取合理的第一通信设备(如终端)采集数据，提升用户体验。该处提到的合理的第一通信设备，比如可以是硬件设备较强的设备；所处的外部环境与AI模型所需的数据相匹配的通信设备；用户授权进行数据采集的通信设备等等。
可选地，所述设备硬件状态信息包括如下至少之一：传感器状态，电池状态，存储状态。上述传感器状态可以包括传感器的种类，有利于判断是否支持指定类型的数据采集；传感器的能力，该传感器的能力可能影响数据集采集的质量。上述电池状态，如剩余电量、预计剩余待机时间等，影响是否可完成数据采集。上述存储状态，如可用于存储采集数据的空间、数据数量等。
可选地，所述外部环境信息包括如下至少之一：网络环境信息，移动性信息。该外部环境信息可以是终端通过硬件设备对外部环境测量获取的信息。该移动性信息如高速、低速等。
所述网络环境信息可以包括如下至少之一：服务小区以及服务小区的网络状态信息，如移动网络的接入方式，2G，3G，4G，5G等；信道质量相关信息，如处于视距(Line ofSight，LOS)环境、非视距(NLOS)环境；噪声及干扰测量信息，如SINR。
可选地，所述权限请求信息包括如下至少之一：
1)数据采集的类型和数据格式，如某一维度的时域信道矩阵。该实施例有利于第一通信设备采集得到合适的数据。
2)数据采集相关的业务类型。该实施例考虑到，如果第一通信设备(终端)没有相关业务的需求，用户可能也不愿意做数据采集，该实施例有利于选择出合适的第一通信设备进行数据采集。
3)与数据采集关联的所述AI模型的标识。该实施例考虑到，第二通信设备可能部署多个AI模型，针对不同的AI模型可能需要不同的数据进行训练，因此，第二通信设备可以让第一通信设备针对所需的AI模型进行数据采集。
4)数据采集的误差阈值，包括测量量误差和标签误差，该实施例有利于第一通信设备合理地采集数据，也有利于第一通信设备结合设备能力(如传感器能力)能否达到数据采集的精度要求。
5)数据采集的时间，包括启动时间、结束时间、持续时间，该实施例有利于第一通信设备在合适的时间内采集数据。
6)上传数据的时间，该实施例有利于第一通信设备及时确定出上报数据的时间，避免与其他数据冲突。
7)数据采集的规模，如采集N条数据，N为正整数，或者用bit数衡量，比如多少MB的数据。
8)数据采集的接入方式，如移动网络(2G，3G，4G，5G)，WiFi。
9)数据采集的时间间隔，如相邻两条样本的时间间隔。
10)数据采集的处理方式，如进行变换、压缩等。
11)数据采集的标注方式，包括但不限于标签、所属数据类型、时间戳信息等，如同一条数据样本，标注为，如测量量为信道状态信息，包括标签：位置信息，所述数据类型：新/旧数据集、数据采集的时间戳等。
12)数据采集上报信息，所述上报信息用于指示采集的数据是否上报。
可选地，在前文各个实施例的基础上，所述第一信息包括如下至少之一：
1)与数据采集关联的任务标识，如AI定位。
2)与数据采集关联的所述AI模型的标识，如用于定位的AI模型。
3)数据采集的时间，包括启动时间、结束时间、持续时间。
4)数据采集的规模，如采集N条数据，N为正整数，或者用bit数衡量，比如多少MB的数据。
5)数据采集的类型和数据格式，如某一维度的时域信道矩阵。
6)数据采集的时间间隔，如相邻两条样本的时间间隔。
7)数据采集的处理方式，如进行变换、压缩等。
8)数据采集的标注方式包括但不限于标签、所属数据类型、时间戳信息等，如同一条数据样本，标注为，如测量量为信道状态信息，包括标签：位置信息，所述数据类型：新/旧数据集、数据采集的时间戳等。
9)数据采集上报信息，所述上报信息用于指示采集的数据是否上报。
10)与数据采集关联的参考信号标识。例如，第二通信设备发送参考信号，第一通信设备基于上述参考信号进行数据采集。
11)与数据采集关联的参考信号配置信息。该配置信息可以包括用于数据采集的参考信号的标识，如信道状态信息参考信号(Channel State Information-ReferenceSignal，CSI-RS)、同步信号/物理广播信道信号块/同步信号块(Synchronization Signaland PBCH block，SSB)、定位参考信号(Positioning Reference Signals，PRS)，该配置信息可以包括用于数据采集的参考信号的配置信息，包括时域信息、频域信息、空域信息、端口信息、准共址信息、预编码信息等。例如，第二通信设备发送参考信号，第一通信设备基于上述参考信号进行数据采集。上述两个实施例中，第一信息包括的内容与权限请求信息包括内容存在一部分重叠，在实际应用中，可以尽量避免第一信息包括的内容与权限请求信息包括内容发送重叠，从而节约信令开销。
可选地，所述第一信息还包括有用于指示数据上报类型的信息，所述数据上报类型包括如下至少之一：1)交叉上报类型，所述交叉上报类型包括数据采集和数据上报交叉进行；
2)合并上报类型，所述合并上报类型包括采集到的数据达到预设数据量后上报。该实施例有利于第一通信设备选择合适的数据上报方式进行上报。
可选地，所述第一通信设备采集到的数据是独立上报的，其中，所述第一通信设备基于一个或多个参考信号进行数据采集，所述一个或多个参考信号的标识ID与数据采集相关的任务或所述AI模型相关。如定义一个参考信号A，用于终端采集的位置信息上报，定义一个参考信号B，用于终端采集的传感器信息上报；这两种信息用于不同的任务或AI模型。可选地，所述第一通信设备采集到的数据与其他数据合并上报的，如终端采集的位置数据与CSI合并上报。
可选地，所述第一信息还包括有用于指示上报时间类型的信息，所述上报时间类型包括如下至少之一：1)交叉上报时间类型，所述交叉上报时间类型包括：在采集完一条数据的K1个时间单位之后上报，K1为采集时间和上报时间之间的间隔(Gap)，K1为正数。2)合并上报时间类型，所述合并上报时间类型包括：在采集到指定数据量后K2个时间单位之后上报，K2为采集时间和上报时间之间的间隔，K2为正数。
可选地，所述第一信息还包括有用于指示上报格式的信息，所述上报格式包括如下至少之一：量化信息，如浮点数位数；量化等级。
可选地，所述第一信息还包括有为所述第一通信设备分配的上行传输资源信息，所述上行传输资源信息包括如下至少之一：时间资源信息；频率资源信息；天线端口信息；波束指示信息。该实施例有利于第一通信设备通过合适的传输资源进行上报。
可选地，所述数据采集的启动时间由如下至少之一确定：1)所述AI模型在线学习启动前N1个时间单位；2)所述AI模型在线学习启动后N2个时间单位；3)所述AI模型在线学习结束前N3个时间单位；4)所述AI模型在线学习结束后N4个时间单位；其中，N1，N2，N3和N4为正数。
需要说明的是，本申请各个实施例中提到的时间单位可以包括：参考信号周期，预测周期，时隙，半时隙，符号(OFDM符号)，子帧，无线帧，毫秒，秒等。
以上结合图2详细描述了根据本申请实施例的数据采集方法。下面将结合图3详细描述根据本申请另一实施例的数据采集方法。可以理解的是，从第二通信设备的描述与图2所示的方法中的第一通信设备侧的描述相同或相对应，为避免重复，适当省略相关描述。
图3是本申请实施例的数据采集方法实现流程示意图，可以应用在第二通信设备。如图3所示，该方法300包括如下步骤。
S302：第二通信设备向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
该实施例中，第二通信设备可以是网络侧设备，第一通信设备可以是终端，网络侧设备进行数据采集。
该实施例中，数据采集在网络侧设备执行，包括测量、计算以及标签标注等，但是网络侧设备可以把一些必要的信息发送给终端，这些信息主要包括与数据采集关联的参考信号的配置信息，包括，1、用于数据采集的参考信号的标识，如SRS，和/或，2、用于数据采集的参考信号的配置信息，包括时域信息、频域信息、空域信息、端口信息、准共址信息、预编码信息等。
本申请实施例提供的数据采集方法，第二通信设备向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
可选地，作为一个实施例，所述第三信息包括如下至少之一：1)所配置的参考信号；2)用于数据采集的参考信号的配置信息；3)数据关联的所述AI模型的标识；4)数据关联的任务标识；5)数据关联的设备标识；6)数据采集的外部环境信息；7)数据标注的辅助信息。其中，关于上述数据标注的辅助信息的作用举例如下，比如在AI定位中，网络侧基于定位参考信号得到测量量，还需要知道终端的位置信息做数据标签，即测量信息的标签标注。
关于第三信息包括的内容的详细介绍，可以参照实施例200中第一信息中的相应内容的介绍。
可选地，作为一个实施例，所述方法还包括如下至少之一：所述第二通信设备向所述第一通信设备发送权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限；所述第二通信设备接收来自于所述第一通信设备的第四信息，所述第四信息用于指示所述第一通信设备是否授权所述第二通信设备进行数据采集。
图4是根据本申请实施例的第一通信设备的结构示意图，如图4所示，第一通信设备400包括如下模块。
接收模块402，用于接收来自于第二通信设备的第一信息。
处理模块404，用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
本申请实施例提供的数第一通信设备，第一通信设备接收来自于第二通信设备的第一信息，第一通信设备根据第一信息进行数据采集，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
可选地，作为一个实施例，所述第一通信设备还包括发送模块，用于向所述第二通信设备发送与采集的数据相关的如下至少之一：1)采集到的数据；2)数据对应的时间戳信息；3)数据上报的规模；4)数据的误差信息；5)数据采集的外部环境信息；6)数据的类型和格式；7)数据的处理方法；8)数据关联的小区ID；9)数据关联的参考信号标识；10)数据关联的所述AI模型的标识；11)数据关联的任务标识；12)数据关联的设备标识；13)设备硬件状态信息。
可选地，作为一个实施例，所述接收模块，还用于接收来自于所述第二通信设备的权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限，和/或，所述第一通信设备还包括发送模块，用于向所述第二通信设备发送第二信息，所述第二信息用于指示所述第一通信设备是否支持进行数据采集。
根据本申请实施例的第一通信设备400可以参照对应本申请实施例的方法200的流程，并且，该第一通信设备400中的各个单元/模块和上述其他操作和/或功能分别为了实现方法200中的相应流程，并且能够达到相同或等同的技术效果，为了简洁，在此不再赘述。
本申请实施例中的第一通信设备可以是电子设备，例如具有操作系统的电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，终端可以包括但不限于上述所列举的终端11的类型，其他设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)等，本申请实施例不作具体限定。
图5是根据本申请实施例的第二通信设备的结构示意图，如图5所示，第二通信设备500包括如下模块。
发送模块502，用于向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
本申请实施例提供的第二通信设备，第二通信设备向第一通信设备发送第三信息，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
可选地，作为一个实施例，所述第三信息包括如下至少之一：1)所配置的参考信号；2)用于数据采集的参考信号的配置信息；3)数据关联的所述AI模型的标识；4)数据关联的任务标识；5)数据关联的设备标识；6)数据采集的外部环境信息；7)数据标注的辅助信息。其中，关于上述数据标注的辅助信息的作用举例如下，比如在AI定位中，网络侧基于定位参考信号得到测量量，还需要知道终端的位置信息做数据标签，即测量信息的标签标注。
可选地，作为一个实施例，所述发送模块，还用于向所述第一通信设备发送权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限，和/或，所述第二通信设备还包括接收模块，用于接收来自于所述第一通信设备的第四信息，所述第四信息用于指示所述第一通信设备是否授权所述第二通信设备进行数据采集。
根据本申请实施例的第二通信设备500可以参照对应本申请实施例的方法300的流程，并且，该第二通信设备500中的各个单元/模块和上述其他操作和/或功能分别为了实现方法300中的相应流程，并且能够达到相同或等同的技术效果，为了简洁，在此不再赘述。
本申请实施例提供的第一通信设备能够实现图2的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
可选的，如图6所示，本申请实施例还提供一种通信设备600，包括处理器601和存储器602，存储器602上存储有可在所述处理器601上运行的程序或指令，例如，该通信设备600为终端时，该程序或指令被处理器601执行时实现上述数据采集方法实施例的各个步骤，且能达到相同的技术效果。该通信设备600为网络侧设备时，该程序或指令被处理器601执行时实现上述数据采集方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种终端，包括处理器和通信接口，所述通信接口用于接收来自于第二通信设备的第一信息；所述处理器用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。该终端实施例与上述终端侧方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图7为实现本申请实施例的一种终端的硬件结构示意图。
该终端700包括但不限于：射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709以及处理器710等中的至少部分部件。
本领域技术人员可以理解，终端700还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器710逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
应理解的是，本申请实施例中，输入单元704可以包括图形处理单元(GraphicsProcessing Unit，GPU)7041和麦克风7042，图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元706可包括显示面板7061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板7061。用户输入单元707包括触控面板7071以及其他输入设备7072中的至少一种。触控面板7071，也称为触摸屏。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
本申请实施例中，射频单元701接收来自网络侧设备的下行数据后，可以传输给处理器710进行处理；另外，射频单元701可以向网络侧设备发送上行数据。通常，射频单元701包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器709可用于存储软件程序或指令以及各种数据。存储器709可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器709可以包括易失性存储器或非易失性存储器，或者，存储器709可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本申请实施例中的存储器709包括但不限于这些和任意其它适合类型的存储器。
处理器710可包括一个或多个处理单元；可选的，处理器710集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器710中。
其中，射频单元701，可以用于接收来自于第二通信设备的第一信息；处理器710，可以用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
本申请实施例中，由于AI模型可以根据采集的数据进行在线学习，有利于提高AI模型的预测精度，提升通信系统性能。
本申请实施例提供的终端700还可以实现上述数据采集方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种网络侧设备，包括处理器和通信接口，所述通信接口用于向第一通信设备发送第三信息；其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。该网络侧设备实施例与上述网络侧设备方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。
具体地，本申请实施例还提供了一种网络侧设备。如图8所示，该网络侧设备800包括：天线81、射频装置82、基带装置83、处理器84和存储器85。天线81与射频装置82连接。在上行方向上，射频装置82通过天线81接收信息，将接收的信息发送给基带装置83进行处理。在下行方向上，基带装置83对要发送的信息进行处理，并发送给射频装置82，射频装置82对收到的信息进行处理后经过天线81发送出去。
以上实施例中网络侧设备执行的方法可以在基带装置83中实现，该基带装置83包括基带处理器。
基带装置83例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图8所示，其中一个芯片例如为基带处理器，通过总线接口与存储器85连接，以调用存储器85中的程序，执行以上方法实施例中所示的网络设备操作。
该网络侧设备还可以包括网络接口86，该接口例如为通用公共无线接口(commonpublic radio interface，CPRI)。
具体地，本发明实施例的网络侧设备800还包括：存储在存储器85上并可在处理器84上运行的指令或程序，处理器84调用存储器85中的指令或程序执行图4或图5所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述数据采集方法实施例的各个过程，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终端中的处理器。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ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述数据采集方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。
本申请实施例另提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现上述数据采集方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种数据采集系统，包括：终端及网络侧设备，所述终端可用于执行如上所述的数据采集方法的步骤，所述网络侧设备可用于执行如上所述的数据采集方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (28)

1.一种数据采集方法，其特征在于，包括：
第一通信设备接收来自于第二通信设备的第一信息；
所述第一通信设备根据所述第一信息进行数据采集；其中，所述数据采集用于人工智能AI模型在线学习，所述AI模型用于目标通信业务。
2.根据权利要求1所述的方法，其特征在于，所述第一通信设备根据所述第一信息进行数据采集之后，所述方法还包括：所述第一通信设备向所述第二通信设备发送与采集的数据相关的如下至少之一：
采集到的数据；
数据对应的时间戳信息；
数据上报的规模；
数据的误差信息；
数据采集的外部环境信息；
数据的类型和格式；
数据的处理方法；
数据关联的小区标识ID；
数据关联的参考信号标识；
数据关联的所述AI模型的标识；
数据关联的任务标识；
数据关联的设备标识；
设备硬件状态信息。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括如下至少之一：
所述第一通信设备接收来自于所述第二通信设备的权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限；
所述第一通信设备向所述第二通信设备发送第二信息，所述第二信息用于指示所述第一通信设备是否支持进行数据采集。
4.根据权利要求3所述的方法，其特征在于，所述第一通信设备向所述第二通信设备发送第二信息包括：
所述第一通信设备根据设备状态信息以及用户授权信息向所述第二通信设备发送第二信息；
其中，所述设备状态信息包括所述第一通信设备的如下至少之一：设备硬件状态信息，外部环境信息；
所述用户授权信息包括：所述第一通信设备是否被授权为为所述目标通信业务或所述AI模型进行数据采集。
5.根据权利要求4所述的方法，其特征在于，
所述设备硬件状态信息包括如下至少之一：传感器状态，电池状态，存储状态；和/或
所述外部环境信息包括如下至少之一：网络环境信息，移动性信息。
6.根据权利要求5所述的方法，其特征在于，所述网络环境信息包括如下至少之一：服务小区以及服务小区的网络状态信息；信道质量相关信息；噪声及干扰测量信息。
7.根据权利要求3所述的方法，其特征在于，所述权限请求信息包括如下至少之一：
数据采集的类型和数据格式；
数据采集相关的业务类型；
与数据采集关联的所述AI模型的标识；
数据采集的误差阈值；
数据采集的时间；
上传数据的时间；
数据采集的规模；
数据采集的接入方式；
数据采集的时间间隔；
数据采集的处理方式；
数据采集的标注方式；
数据采集上报信息，所述上报信息用于指示采集的数据是否上报。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述第一信息包括如下至少之一：
与数据采集关联的任务标识；
与数据采集关联的所述AI模型的标识；
数据采集的时间；
数据采集的规模；
数据采集的类型和数据格式；
数据采集的时间间隔；
数据采集的处理方式；
数据采集的标注方式；
数据采集上报信息，所述上报信息用于指示采集的数据是否上报；
与数据采集关联的参考信号标识；
与数据采集关联的参考信号配置信息。
9.根据权利要求8所述的方法，其特征在于，所述第一信息还包括有用于指示数据上报类型的信息，所述数据上报类型包括如下至少之一：
交叉上报类型，所述交叉上报类型包括数据采集和数据上报交叉进行；
合并上报类型，所述合并上报类型包括采集到的数据达到预设数据量后上报。
10.根据权利要求9所述的方法，其特征在于，
所述第一通信设备采集到的数据是独立上报的，其中，所述第一通信设备基于一个或多个参考信号进行数据采集，所述一个或多个参考信号的标识ID与数据采集相关的任务或所述AI模型相关；或者，
所述第一通信设备采集到的数据与其他数据合并上报的。
11.根据权利要求8所述的方法，其特征在于，所述第一信息还包括有用于指示上报时间类型的信息，所述上报时间类型包括如下至少之一：
交叉上报时间类型，所述交叉上报时间类型包括：在采集完一条数据的K1个时间单位之后上报；
合并上报时间类型，所述合并上报时间类型包括：在采集到指定数据量后K2个时间单位之后上报；
其中，K1和K2为正数。
12.根据权利要求8所述的方法，其特征在于，所述第一信息还包括有用于指示上报格式的信息，所述上报格式包括如下至少之一：
量化信息；
量化等级。
13.根据权利要求8所述的方法，其特征在于，所述第一信息还包括有为所述第一通信设备分配的上行传输资源信息，所述上行传输资源信息包括如下至少之一：
时间资源信息；
频率资源信息；
天线端口信息；
波束指示信息。
14.根据权利要求8所述的方法，其特征在于，所述数据采集的启动时间由如下至少之一确定：
所述AI模型在线学习启动前N1个时间单位；
所述AI模型在线学习启动后N2个时间单位；
所述AI模型在线学习结束前N3个时间单位；
所述AI模型在线学习结束后N4个时间单位；
其中，N1，N2，N3和N4为正数。
15.根据权利要求1所述的方法，其特征在于，
所述第一通信设备为终端，所述第二通信设备为网络侧设备；或者，
所述第一通信设备为第一终端，所述第二通信设备为第二终端；或者，
所述第一通信设备为第一网络侧设备，所述第二通信设备为第二网络侧设备；
其中，所述网络侧设备包括核心网设备和/或接入网设备。
16.根据权利要求1所述的方法，其特征在于，
所述第一信息为第一指示信息，所述第一指示信息用于指示所述第一通信设备进行数据采集；和/或，
所述第一信息为第一权限信息，所述第一权限信息用于允许在所述第一通信设备进行数据采集。
17.一种数据采集方法，其特征在于，包括：
第二通信设备向第一通信设备发送第三信息；
其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
18.根据权利要求17所述的方法，其特征在于，所述第三信息包括如下至少之一：
所配置的参考信号；
用于数据采集的参考信号的配置信息；
数据关联的所述AI模型的标识；
数据关联的任务标识；
数据关联的设备标识；
数据采集的外部环境信息；
数据标注的辅助信息。
19.根据权利要求17或18所述的方法，其特征在于，所述方法还包括如下至少之一：
所述第二通信设备向所述第一通信设备发送权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限；
所述第二通信设备接收来自于所述第一通信设备的第四信息，所述第四信息用于指示所述第一通信设备是否授权所述第二通信设备进行数据采集。
20.一种第一通信设备，其特征在于，包括：
接收模块，用于接收来自于第二通信设备的第一信息；
处理模块，用于根据所述第一信息进行数据采集；其中，所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
21.根据权利要求20所述的设备，其特征在于，所述第一通信设备还包括发送模块，用于向所述第二通信设备发送与采集的数据相关的如下至少之一：
采集到的数据；
数据对应的时间戳信息；
数据上报的规模；
数据的误差信息；
数据采集的外部环境信息；
数据的类型和格式；
数据的处理方法；
数据关联的小区标识ID；
数据关联的参考信号标识；
数据关联的所述AI模型的标识；
数据关联的任务标识；
数据关联的设备标识；
设备硬件状态信息。
22.根据权利要求20或21所述的设备，其特征在于，
所述接收模块，还用于接收来自于所述第二通信设备的权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限；和/或
所述第一通信设备还包括发送模块，用于向所述第二通信设备发送第二信息，所述第二信息用于指示所述第一通信设备是否支持进行数据采集。
23.一种第二通信设备，其特征在于，包括：
发送模块，用于向第一通信设备发送第三信息；
其中，所述第三信息用于辅助所述第二通信设备进行数据采集；所述数据采集用于AI模型在线学习，所述AI模型用于目标通信业务。
24.根据权利要求23所述的设备，其特征在于，所述第三信息包括如下至少之一：
所配置的参考信号；
用于数据采集的参考信号的配置信息；
数据关联的所述AI模型的标识；
数据关联的任务标识；
数据关联的设备标识；
数据采集的外部环境信息；
数据标注的辅助信息。
25.根据权利要求23或24所述的设备，其特征在于，
所述发送模块，还用于向所述第一通信设备发送权限请求信息，所述权限请求信息用于获取在所述第一通信设备进行数据采集的权限；和/或
所述第二通信设备还包括接收模块，用于接收来自于所述第一通信设备的第四信息，所述第四信息用于指示所述第一通信设备是否授权所述第二通信设备进行数据采集。
26.一种终端，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至19任一项所述的数据采集方法的步骤。
27.一种网络侧设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至19任一项所述的数据采集方法的步骤。
28.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至19任一项所述的数据采集方法的步骤。
CN202210170204.4A 2022-02-23 2022-02-23 数据采集方法及设备 Pending CN116684296A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210170204.4A CN116684296A (zh) 2022-02-23 2022-02-23 数据采集方法及设备
PCT/CN2023/077389 WO2023160534A1 (zh) 2022-02-23 2023-02-21 数据采集方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210170204.4A CN116684296A (zh) 2022-02-23 2022-02-23 数据采集方法及设备

Publications (1)

Publication Number Publication Date
CN116684296A true CN116684296A (zh) 2023-09-01

Family

ID=87764801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210170204.4A Pending CN116684296A (zh) 2022-02-23 2022-02-23 数据采集方法及设备

Country Status (2)

Country Link
CN (1) CN116684296A (zh)
WO (1) WO2023160534A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10284541B1 (en) * 2018-07-09 2019-05-07 Capital One Services, Llc System and method for generating enhanced distributed online registry
CN112036577B (zh) * 2020-08-20 2024-02-20 第四范式（北京）技术有限公司 基于数据形式的应用机器学习的方法、装置和电子设备
CN113052325A (zh) * 2021-03-25 2021-06-29 北京百度网讯科技有限公司 在线模型的优化方法、装置、设备、存储介质及程序产品
CN113886382A (zh) * 2021-08-23 2022-01-04 阿里云计算有限公司 数据库任务处理方法、设备及存储介质

Also Published As

Publication number Publication date
WO2023160534A1 (zh) 2023-08-31

Similar Documents

Publication Publication Date Title
KR20240024248A (ko) 공간 관계 지시 방법 및 기기
CN116567691A (zh) 信息传输方法、装置、终端及网络侧设备
CN116684296A (zh) 数据采集方法及设备
WO2024078400A1 (zh) 模型请求方法、装置、通信设备及可读存储介质
WO2024140445A1 (zh) 模型信息传输方法、装置及设备
WO2024067438A1 (zh) Ai模型推理方法、设备及可读存储介质
WO2023179617A1 (zh) 定位方法、装置、终端及网络侧设备
WO2024140444A1 (zh) 数据收集方法、装置、终端及网络侧设备
WO2024208237A1 (zh) 信息发送方法、信息接收方法、装置及通信设备
WO2024208297A1 (zh) 人工智能ai单元的标识方法及通信设备
CN117098150A (zh) 旁链路定位方法、装置、终端、服务器和无线接入网设备
CN115348622A (zh) 信息处理方法、装置、终端和网络侧设备
CN118055432A (zh) 测量放松方法、终端及网络侧设备
CN117858119A (zh) 数据收集及处理方法、设备及可读存储介质
CN117858071A (zh) 数据集生成方法、信息发送方法、装置及相关设备
CN117640726A (zh) 数据收集方法、装置及通信设备
CN117997457A (zh) 参考信号确定方法、终端及网络侧设备
CN117528676A (zh) 托管网络的选网信息的获取方法、终端及网络侧设备
CN117119370A (zh) 定位配置信息请求方法、装置、目标终端及网络侧设备
CN116939659A (zh) 信道状态信息报告方法、装置、终端及网络侧设备
CN118524556A (zh) 信道状态信息的获取方法、终端及网络侧设备
CN117528611A (zh) 测量方法、装置及设备
CN116208909A (zh) 定位方法、装置、终端及通信设备
CN116418467A (zh) 探测参考信号的配置方法、装置、终端及网络侧设备
CN116233906A (zh) 测量方法、装置、设备及存储介质

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