CN116685875A - 无线电网络节点、用户设备和无线通信网络中执行的方法 - Google Patents

无线电网络节点、用户设备和无线通信网络中执行的方法 Download PDF

Info

Publication number
CN116685875A
CN116685875A CN202080108153.1A CN202080108153A CN116685875A CN 116685875 A CN116685875 A CN 116685875A CN 202080108153 A CN202080108153 A CN 202080108153A CN 116685875 A CN116685875 A CN 116685875A
Authority
CN
China
Prior art keywords
network node
cir
radio network
model
radio
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
CN202080108153.1A
Other languages
English (en)
Inventor
T·博尔索斯
A·拉茨
A·韦尔斯
L·埃莱夫塞里娅迪斯
A·贝里奎斯特
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.)
Telefonaktiebolaget LM Ericsson AB
Original Assignee
Telefonaktiebolaget LM Ericsson AB
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 Telefonaktiebolaget LM Ericsson AB filed Critical Telefonaktiebolaget LM Ericsson AB
Publication of CN116685875A publication Critical patent/CN116685875A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/012—Identifying whether indoors or outdoors
    • 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
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • G06N3/045—Combinations of networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

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

Abstract

本文的实施例涉及例如由UE(10)执行的用于处理无线通信网络中UE的定位的方法。UE测量来自无线电网络节点的信号的CIR；以及发起用于使用ML模型以所测量的CIR作为输入来确定UE是在室内还是在室外的过程。

Description

无线电网络节点、用户设备和无线通信网络中执行的方法
技术领域
本文的实施例涉及无线电网络节点、用户设备(UE)以及在其中执行的关于无线通信的方法。此外，本文还提供了一种计算机程序产品和计算机可读存储介质。尤其地，本文的实施例涉及处置UE的定位，例如使得能够确定UE的环境存在，例如，确定在无线通信网络中UE是在室内还是在室外。
背景技术
在典型的无线通信网络中，UE，也被称为无线通信设备、移动站、站点(STA)和/或无线设备，经由无线电接入网络(RAN)与一个或多个核心网络(CN)通信。RAN覆盖地理区域，该地理区域被划分为服务区或小区，其中每个服务区或小区由例如接入节点的网络节点提供服务，接入节点例如Wi-Fi接入点或无线电基站(RBS)，其在一些无线电接入技术(RAT)中也可以被称为，例如，NodeB、演进NodeB(eNodeB)和gNodeB(gNB)。服务区或小区是其中由无线电网络节点提供无线电覆盖的地理区域。无线电网络节点在无线电频率上操作，以通过空中接口与接入节点范围内的无线设备通信。无线电网络节点通过下行链路(DL)向无线设备通信，并且无线设备通过上行链路(UL)向接入节点通信。
通用移动电信系统(UMTS)是第三代电信网络，其是从第二代(2G)全球移动通信系统(GSM)演进的。UMTS地面无线电接入网络(UTRAN)本质上是RAN，其使用宽带码分多址(WCDMA)和/或高速分组接入(HSPA)以用于与用户设备通信。在被称为第三代伙伴关系项目(3GPP)的论坛中，电信供应商提出并同意目前和未来一代网络的标准，并且特别是UTRAN，并研究增强的数据速率和无线电容量。在一些RAN中，例如在UMTS中，几个无线电网络节点可以例如通过陆地线路或微波连接到控制器节点，例如无线电网络控制器(RNC)或基站控制器(BSC)，其监督和协调与其连接的多个无线电网络节点的各种活动。RNC通常与一个或多个核心网络连接。
第三代合作伙伴项目(3GPP)内已经完成了演进分组系统(EPS)的规范，并且这项工作在即将到来的3GPP版本(版)中继续进行。EPS包括演进的通用地面无线电接入网络(E-UTRAN)，也被称为长期演进(LTE)无线电接入网络，以及演进的分组核心(EPC)，也被称为系统架构演进(SAE)核心网络。E-UTRAN/LTE是3GPP无线电接入技术，其中无线电网络节点直接连接到EPC核心网络。因此，EPS的RAN具有基本上“扁平”的架构，其包括直接连接到一个或多个核心网络的无线电网络节点。
通过新兴的5G技术也被称为新无线电(NR)，使用例如非常多的发送天线元件和接收天线元件使得利用波束成形成为可能，诸如发送侧和接收侧波束成形。发送侧波束成形意味着发射器可以放大一个或多个选定方向上的发送信号，同时抑制其他方向上发送的信号。类似地，在接收侧上，接收器可以放大来自一个或多个选定方向的信号，同时抑制来自其他方向的不需要的信号。
波束成形允许信号对个别连接更强。在发送侧上，这可以通过在(多个)所期望的方向上集中发送功率来实现，并且在接收侧上，这可以通过在(多个)所期望的方向上提高的接收器灵敏度来实现。这种波束成形技术增强了连接的吞吐量和覆盖范围。它还允许减少来自不需要的信号的干扰，从而使得能够使在使用时频网格中的相同资源的多个单独连接进行几个同时的传输，即所谓的多用户多输入多输出(MIMO)。
无线电网络设计和优化过程可能需要一组输入数据，包括网络要求、现有参数和无线电测量结果。在某些情况下，例如在优化过程或无线电覆盖范围扩展(例如用于密集化、添加新载波和新频率)中，网络服务在该区域中已经是可用的，这允许从调查的区域收集实时无线电测量结果。要收集的典型参数是接收信号强度——例如参考信号接收功率(RSRP)，和接收信号质量——例如参考信号接收质量(RSRQ)。测量结果的来源可以是主动测量、来自“友好”用户的报告，或甚至是来自群众(crowd-sourced)的数据，这是一种低成本的扩大测量规模的方式，并给出良好的多样性。在这些情况中的任一种下，都应将测量结果与地理位置一起记录以用于覆盖和/或质量规划。
收集UE的位置数据的一个原因是为了确定报告是来自室内还是室外区域，因为这些区域通常由分开的专用小区覆盖。然而，位置通常不够准确，无法提供该信息，尤其是围绕小区的边界线。对是室内或室外的了解可以防止错误的结论，例如，如果我们知道关于室内小区的测量结果实际上来自室外，该室外显然不是意图的覆盖区域，则可以防止得出室内覆盖的质量很低的结论，反之亦然。
现有的室内/室外区分解决方案和相关的现有技术在例如下面更详细描述的“Sound based indoor and outdoor environment detection for seamlesspositioning handover(用于无缝位置切换的基于与声音的室内和室外环境监测)”，Rakmin Sung,Suk-hoon Jung,Dongsoo Han,Elsevier,ScienceDirect ICT Express 1(2015)106-109和WO2017061920A1中例示。在“Sound based indoor and outdoorenvironment detection for seamless positioning handover(用于无缝位置切换的基于与声音的室内和室外环境监测)”，Rakmin Sung,Suk-hoon Jung,Dongsoo Han,Elsevier,ScienceDirect ICT Express 1(2015)106-109中，作者开发了一种用于基于观察到的背景噪音和特殊测试噪音信号的反射，在室内和室外定位系统之间切换的方法。尽管该解决方案是针对定位系统开发的，但他们试图解决同样的问题，例如，当两个系统都可用时，例如全球定位系统、GPS和室内，如何在定位系统之间进行选择，使得每当UE在室内其连接到室内系统，并且当UE在室外时其连接到室外系统。为了解决该问题，他们试图依靠在室内和室外观察到的噪声模式，他们声称这些噪声模式在特性上不同。
在WO2017061920A1中，作者提出，UE可以明确地向无线电网络报告，UE是位于室内还是室外，并且无线电网络可以调整切换参数和传输功率，以实现针对室内和室外小区的UE期望分布和分配。为了确定UE是在室内还是在室外，作者列出了可能的机制，诸如使用电话中的传感器，例如温度、光传感器、磁传感器或室内定位系统的可用性等。
目前现有的解决方案，诸如“Sound based indoor and outdoor environmentdetection for seamless positioning handover(用于无缝位置切换的基于与声音的室内和室外环境监测)”，Rakmin Sung,Suk-hoon Jung,Dongsoo Han,Elsevier,ScienceDirect ICT Express 1(2015)106-109使用外部探头来捕获室内/室外覆盖之间的差异。
发明内容
本文的实施例的目标是提供一种机制，其有效地使得能够确定无线通信网络中UE的环境存在。
根据一个方面，该目标通过提供一种由UE执行的方法来实现，该方法用于处理无线通信网络中UE的定位。该UE测量来自无线电网络节点的信号的信道脉冲响应(CIR)。UE进一步发起用于使用机器学习(ML)模型以所测量的CIR作为输入来确定UE是在室内还是在室外的过程。
根据另一个方面，该目标通过提供一种由无线电网络节点执行的方法来实现，该方法用于处理无线通信网络中UE的定位。无线电网络节点获得对无线通信网络中信号的CIR的测量结果。无线电网络节点进一步使用ML模型以CIR的测量结果作为输入来确定UE是在室内还是在室外。
根据又一个方面，通过提供被配置为执行本文的方法的UE和无线电网络节点来实现该目的。因此，本文提供了一种UE，用于处理无线通信网络中UE的定位。该UE被配置为测量来自无线电网络节点的信号的CIR。该UE进一步被配置为发起用于使用ML模型以所测量的CIR作为输入来确定UE是在室内还是在室外的过程。此外，本文提供了一种用于处理无线通信网络中UE的定位的无线电网络。无线电网络节点获得对无线通信网络中信号的CIR的测量结果。无线电网络节点进一步使用ML模型以CIR的测量结果作为输入来确定UE是在室内还是在室外。
此外，本文提供了一种计算机程序产品，该计算机程序产品包括指令，该指令在至少一个处理器上执行时，使该至少一个处理器执行分别由无线电网络节点或UE执行的上述方法中的任一种。本文还提供了一种其上存储计算机程序产品的计算机可读存储介质，该计算机程序产品包括指令，该指令在至少一个处理器上执行时，使该至少一个处理器执行根据上述方法中的任一种的方法，如分别由无线电网络节点或UE执行。
本文公开了一种解决方案，其中UE在室内或室外的存在是由ML模型基于CIR中的模式来确定的。由于多路径信号传播属性的不同，CIR在室内位置和室外位置是不同的。只有无线电信号测量结果被用来确定UE存在，这些测量结果是在无线电网络中可获得的，也就是说，没有采用环境传感器或定位系统。
可以引入新的测量，例如在UE侧中或在小区站点处，其测量表征传播环境的更详细的信道响应特性，例如包括多路径效应。
ML模型可以被训练以区分室内和室外的传播环境，并基于此对UE存在进行分类。ML模型可以是离线学习的，并且可能不一定特定于给定小区。ML模型可以作为算法的一部分提供，例如，作为算法的配置集。
该解决方案的优点是，可以纯粹基于无线电信号测量结果来确定UE的存在是在室内还是在室外，而不需要外部传感器测量结果和报告，例如，来自终端应用的测量结果和报告，也不需要额外的室内/室外定位系统。因此，该解决方案更可行且更容易实现。由于没有使用UE传感器，因此也不存在与用户隐私有关的问题，从而产生以有效的方式建立UE环境存在，这使得改进了无线通信网络的性能，因为小区规划可以更准确。
附图说明
现在将关于附图更详细地描述本发明的实施例，在附图中：
图1是描绘根据本文的实施例的无线通信网络的示意性概图；
图2a是根据本文的实施例的组合信令方案和流程图；
图2b是根据本文的实施例的组合信令方案和流程图；
图2c是根据本文的实施例的组合信令方案和流程图；
图3是描绘根据本文的实施例的方法的流程图；
图4是描绘在室内的UE的CIR的图示；
图5是描绘在室外的UE的CIR的图示；
图6是描绘根据本文的实施例的由UE执行的方法的流程图；
图7是描绘根据本文的实施例的由无线电网络节点执行的方法的流程图；
图8是描绘根据本文的实施例的UE的框图；
图9是描绘根据本文的实施例的无线电网络节点的框图；
图10示意性地展示了经由中间网络连接到主机计算机的电信网络；
图11是主机计算机经由基站与用户设备通过部分无线连接进行通信的一般化框图；以及
图12至图15是展示了在包括主机计算机、基站和用户设备的通信系统中实施的方法的流程图。
具体实施方式
本文的实施例在3GPP NR无线电技术的背景内描述，例如3GPP TS 38.300V15.2.0(2018-06)中公开的。应理解的是，本文描述的问题和解决方案同样可应用于实施其他接入技术和标准的UE和无线电接入网络。NR用作其中适用实施例的示例技术，并因此在描述中使用NR对于理解问题和解决问题的解决方案特别有用。特别地，实施例也可应用于3GPPLTE，或3GPP LTE和NR集成，也表示为非独立NR。
本文的实施例涉及一般的无线通信网络。图1是描绘无线通信网络1的示意性概图。无线通信网络1包括一个或多个RAN和一个或多个CN。无线通信网络1可以使用一种或多种不同的技术，诸如Wi-Fi、LTE、先进LTE、第五代(5G)、WCDMA、全球移动通信系统/GSM演进的增强数据速率(GSM/EDGE)、全球微波接入互操作性(WiMAX)或超移动宽带(UMB)，仅举几个可能的实施方式。本文的实施例与在5G背景下特别值得关注的最近技术趋势有关，然而，实施例也可应用于现有无线通信系统的进一步发展，诸如，例如WCDMA和LTE。
在无线通信网络1中，诸如移动站、非接入点(非AP)STA、STA、用户设备和/或无线终端的无线设备(例如UE 10)，经由一个或多个接入网络(AN)(例如RAN)与一个或多个CN通信。本领域技术人员应该理解，“UE”是非限制性术语，其意味着任何终端、无线通信终端、用户设备、机器类型通信(MTC)设备、设备到设备(D2D)终端或节点，例如智能手机、膝上型计算机、移动电话、传感器、中继器、移动平板计算机，或甚至能够在网络节点服务的区域内使用无线电通信与该网络节点通信的小型基站。
无线通信网络1包括第一无线电网络节点12，其提供在RAT(诸如LTE、Wi-Fi、WiMAX或类似)的地理区域、第一小区11或第一服务区上的无线电覆盖。第一无线电网络节点12可以是例如无线电网络节点的发送和接收点，诸如无线局域网(WLAN)接入点或接入点站(APSTA)、接入节点、接入控制器、例如无线电基站的基站，诸如NodeB、演进节点B(eNB、eNodeB)、gNodeB(gNB)、基地收发器站、无线电远程单元、接入点基站、基站路由器、无线电基站的传输布置、独立接入点，或取决于例如所使用的RAT和术语能够与第一网络节点12所服务区域内的UE通信的任何其他网络单元或节点。第一无线电网络节点12可以可替代地或额外地是控制器节点或分组处理节点，诸如无线电控制器节点或类似节点。第一无线电网络节点12可以被称为无线电网络节点12或主要服务网络节点，其中第一小区11可以被称为电信小区或主小区，并且服务网络节点12以向UE 10的DL传输和来自UE 10的UL传输的形式与UE10通信。
无线通信网络1包括第二无线电网络节点13，其提供在RAT诸如LTE、Wi-Fi、WiMAX或类似的地理区域、第二小区14或第二服务区上的无线电覆盖。第二无线电网络节点13可以是例如无线电网络节点的发送和接收点，诸如WLAN接入点或接入点站(AP STA)、接入节点、接入控制器、例如无线电基站的基站，诸如NodeB、演进节点B(eNB、eNode B)、gNodeB(gNB)、基地收发器站、无线电远程单元、接入点基站、基站路由器、无线电基站的传输布置、独立接入点，或取决于例如所使用的无线电接入技术和术语能够与第二无线电网络节点13所服务区域内的UE通信的任何其他网络单元或节点。第二无线电网络节点13可以被称为室内无线电网络节点，其中第二小区14可以被称为室内小区，并且第二无线电网络节点13以向UE 10的DL传输和来自UE 10的UL传输的形式与UE 10通信。
应该注意的是，小区可以表示为服务区、波束、波束组或类似，以定义无线电覆盖的区域。
无线通信网络1可以进一步包括网络节点15，其包括用于例如确定小区规划或类似的一个或多个应用。
参考现有技术文件CN106664265B，其中描述了基于指纹的定位系统，该系统测量和分析穿越多路径信道后参考信号的CIR。建议用ML来处理该详细数据集。然而，CIR用于无线电指纹类型算法中的定位：信道脉冲响应是从多个位置记录的，其中每个存储的信道脉冲响应都与位置相关联，并且其中使用ML来匹配CIR模式以找到位置。然而，基于指纹的定位需要大型的CIR-位置数据库，其必须基本上为以后人们要定位的每个位置创建。其需要进行彻底的工作，即在目标区域中走动。此外，基于指纹的定位系统不能推广到其他区域，因为人们必须在每个位置进行相同的准备，而且其不能分辨该位置在室内还是在室外。
根据本文的实施例，本文提供了一种解决方案，其中UE的室内或室外存在由ML模型基于CIR中的模式来确定。由于多路径信号传播性质的不同，室内和室外中的CIR是不同的。仅无线电信号测量结果被用来确定UE存在，无线电信号测量结果是在无线电网络中可获得的，也就是说，没有采取环境传感器或定位系统。例如在UE侧上或在小区站点处的测量结果测量了详细的CIR特性，例如包括表征传播环境的多路径效应。ML模型可以被教导以区分室内和室外的传播环境，并基于此对UE存在进行分类。ML模型可以被离线教导并且不一定需要特定于给定的小区。ML模型可以被提供作为算法的一部分，例如作为算法的配置集。然后，UE在室内还是在室外的结果可以被用于执行例如小区规划的应用或另一个网络节点。例如，当UE在室外时，指示小区低信令强度的信令测量可以在执行小区规划时被考虑，与UE在室内时的类似测量相对。
注意，在一般情况下，术语“无线电网络节点”可以用“传输点”代替。传输点(TP)之间的区别通常可以基于参考信号(RS)或所发送的不同的同步信号。几个TP可能在逻辑上连接到同一个无线电网络节点，但如果它们在地理上分开，或指向不同的传播方向，则TP可能会受到与不同无线电网络节点相同的移动性问题的影响。在随后的章节中，术语“无线电网络节点”和“TP”可以被认为是可互换的。
图2a是根据本文的实施例的组合流程图和信令方案。动作可以以任何合适的顺序执行。
动作201。无线电网络节点12可以将配置数据发送到UE 10以用于测量CIR。
动作202。然后，UE 10可以针对来自无线电网络节点12的参考信号测量CIR。
动作203。然后，UE 10可以将所测量的CIR报告给无线电网络节点12。此外，UE 10可以出于训练目的，通过报告指示室内位置或室外位置的数据(也被称为证据数据)，来进一步报告UE 10是在室内还是在室外。
动作204。无线电网络节点12可以基于CIR的特性和/或定位数据，从多个ML模型中选择ML模型。
动作205。然后，无线电网络节点12可以使用ML模型以CIR的测量结果作为输入来确定UE 10是在室内还是在室外。应该进一步注意，在UE 10报告指示室内位置或室外位置的数据的情况下，无线电网络节点12可以使用CIR和数据来训练ML模型。
动作206。然后，无线电网络节点12可以将ML模型的结果，即UE 10是在室内还是在室外，提供给另一个网络节点和/或应用。
动作207。该另一个网络节点或应用可以使用该结果，例如在执行小区规划时使用。
图2b是根据本文的实施例的组合流程图和信令方案。动作可以以任何合适的顺序执行。
动作211。无线电网络节点12可以将配置数据发送到UE 10以用于测量CIR。
动作212。然后，UE 10可以针对来自无线电网络节点12的参考信号测量CIR。
动作213。UE 10可以基于CIR的特性和/或定位数据从多个ML模型中选择ML模型。
动作214。然后，UE 10可以使用ML模型以CIR的测量结果作为输入来确定UE 10是在室内还是在室外。
动作215。然后，UE 10可以将ML模型的结果，即UE 10在室内还是在室外，提供给无线电网络节点12、另一个网络节点和/或应用。
动作216。该另一个网络节点或应用可以使用该结果，例如在执行小区规划时使用。
图2c是根据本文的实施例的组合流程图和信令方案。动作可以以任何合适的顺序执行。
动作221。无线电网络节点12可以将配置数据发送到UE 10以用于传输周围参考信号(SRS)。
动作222。然后，UE 10可以按照配置数据所配置的方式发送SRS。
动作223。然后，无线电网络节点12可以测量SRS上的CIR。
动作224。无线电网络节点12可以基于CIR的特性和/或定位数据，从多个ML模型中选择ML模型。
动作225。然后，无线电网络节点12可以使用ML模型以CIR的测量结果作为输入来确定UE 10是在室内还是在室外。
动作226。然后，无线电网络节点12可以将ML模型的结果，即UE是在室内还是在室外，提供给另一个网络节点和/或应用。
动作227。该另一个网络节点或应用可以使用该结果，例如在执行小区规划时。
图3中示出了不同实施例中的功能块和它们的通信，并在下面进行了描述。
所有解决方案的共同点是，人工智能(AI)逻辑，即诸如卷积神经网络(CNN)或深度神经网络(DNN)的ML模型基于观察到的无线电CIR来确定UE环境，即是在室内还是在室外。无线电CIR已经被测量并用于协助解码正常的数据通信。
CIR的测量是通过观察由无线电网络节点12在下行链路中发送或以类似的方式由UE 10在上行链路中发送的参考符号来进行的，参考符号的波形是预先知道的。通过观察信道对参考信号施加的失真，可以获得共同构成CIR的信道增益和相移。
今天，UE 10可以对参考符号进行测量并获得CIR，但UE 10不直接报告它。在现有技术中，UE只报告浓缩的信息，诸如平均信号强度(例如在频率和时间上取平均值)，或信道质量指标(CQI)，这是用以协助网络中的调制和编码方案选择的间接的信道质量指标。这意味着目前的测量报告机制不足以交换详细的信道响应特性。
根据本文的一些实施例，UE 10对参考符号执行测量并获得CIR，就像通常为传输解码所做的那样。然而，UE 10的UE报告机制被扩展具有新的信息元素，其可以携带详细的CIR，见图2a，在最简单的情况下是CIR曲线本身。这意味着信道响应增益不是在频域上取平均值，而是针对频率空间中的每个参考符号而报告的。在一些实施例中，可以保留时域平均。
可替代选项是在UE 10处运行ML模型的推理，见图2b，在此情况下，只有环境分类的结果被报告给无线电网络节点12。该实现方式对UE 10提出了更高的计算要求，但通信量减少。
在20MHz的LTE载波的情况下，在1ms的子帧中有800个参考符号，其在频率空间中跨越400个载波。这意味着每1ms可以产生400个不同的值，可以在时间上(例如每10-100ms)进一步汇总这些值，并且然后作为400个值被报告。该信息可以作为扩展的无线电资源控制(RRC)测量报告中的新字段被携带。
在一些实施例中，见图2c，不需要从UE 10测量和报告，CIR由无线电网络节点12在上行链路中测量。好处是对UE 10没有影响，但需要有从UE 10发送的上行链路SRS，这被无线电网络节点12用来估计信道。然而，由于资源约束这些符号，因此相对于下行链路参考符号，这些符号不能被连续发送。在此情况下，无线电网络节点12可以暴露该信息，使得其可以与UE 10的覆盖相关报告相关。这可以在例如现有的操作和维护(O&M)报告框架中进行，诸如小区跟踪(CTR)或UE跟踪(UETR)，其中测量报告配备有用户身份。
因此，本文提供了一种方法，以基于在所测量的CIR中观察到的模式进行分类并确定UE传播环境。该确定由ML模型做出，该ML模型可能先前被训练以用于环境检测。ML模型的结果可以添加到无线电质量测量结果以用于无线电设计目的。用于确定室内/室外存在的ML模型的训练可以离线和/或连续在线完成。在离线情况下，可以生成训练样本，例如，通过执行定向的测试驾驶或行走来生成，其中测量的存在是明确知道的。例如，在建筑物内和围绕建筑物的室外收集一组测量结果，将测量结果标记为在内或在外，并然后用标记的数据训练ML模型。在ML模型的训练的在线实现中，测量数据被收集和在线标记，即是在室内还是在室外，例如将证据数据添加到CIR的报告。当有独立信息源，例如来自位置传感器或定位系统的独立信息源时，标记可以自动完成。
回到图3，UE侧部件包括报告详细信道状态信息(CSI)信息(见图2a)和现有标准SRS信号传输(见图2c)的能力。可以每当有证据数据可用时用报告证据数据来扩展UE侧报告(即动作301a-302a)。证据数据可以是Wi-Fi信号或GPS位置或可用于确定UE的真实位置的其他类型的数据。证据数据只需要用于ML模型训练，并且我们不能假设其总是可用的。
网络侧部件包括测量配置和报告处理部件，其包括SRS信号接收(标准解决方案)，见动作301b-302b。
无线电网络节点12可以处理测量，见动作303。报告的数据样本(或所测量的样本)被送入预测器中，其执行预测以确定UE的室内/室外位置，见动作304。在一些实施例中，报告的数据样本可以代替地是所测量的样本。从中央数据库获取ML模型，见动作307，并且该模型可以是对具体小区或区域特定的，这允许在ML模型中考虑到环境特定的细节。预测的结果存储在数据库中，见动作308，其可以向其他应用提供应用编程接口(API)，例如网络设计优化(NDO)应用，以获取特定UE位置的数据。
报告的样本，在其包括证据数据的情况下(见动作305)，可用于连续更新对应ML模型(见动作306)，并从而确保预测模型总是适应的和改进的。随着越来越多的证据数据被收集，室内或室外预测将因此变得越来越准确。
图4中示出了在真实的LTE网络中针对室内小区测量的示例信道响应。该图示出了以频率为单位的信道增益，其中频段为20MHz的LTE载波。信道响应曲线的形状主要由信道的多路径性质确定，即不同的信号传播路径的数量以及它们在移位延迟和衰减方面的关系。作为比较，我们在图5中示出了典型室外小区的情况下的信道响应。室外小区示出的不同模式，是由于可替代信号传播路径的数量较多，导致信道增益的频率变化大得多。信道增益模式的这种差异由ML模型学习并用于确定UE 10是位于室内还是室外。
现在将参考图6中描绘的流程图描述根据本文的实施例的由UE 10执行的用于处理定位的方法动作，例如处理对无线通信网络1中UE的环境存在的确定。这些动作不一定要按照下面陈述的顺序进行，而是可以按照任何合适的顺序进行。在一些实施例中执行的动作用虚线框标出。
动作601。UE 10可接收用于测量CIR的配置。
动作602。UE 10测量来自无线电网络节点12的信号的CIR。
动作603。UE 10发起用于使用ML模型以所测量的CIR作为输入来确定UE 10是在室内还是在室外的过程。例如，UE 10可以通过向无线电网络节点12报告所测量的CIR来发起该过程。UE 10可以另外将指示室内位置或室外位置的数据(即证据数据)包括在报告中。可替代地，UE 10可以通过使用ML模型以CIR作为输入来发起该过程，以确定UE 10是在室内还是在室外，并且然后UE 10可以将ML模型的结果发送到无线电网络节点12。因此，可以对由UE 10接收的下行链路参考符号或对由无线电网络节点12测量的上行链路参考符号测量CIR。在前一种情况下，ML模型可以放在UE 10中，只报告室内/室外分类结果，或者ML模型可以放在网络中，这需要UE 10在上行链路发送原始数据，即CIR。ML模型可以是监督分类器模型，例如，基于CNN来考虑时频2D空间，或甚至时频端口3D空间中的定位性质。但是，其当然可以是其他类的分类器ML模型。
现在将参考图7中描绘的流程图描述根据本文的实施例的由无线电网络节点12执行的用于处理UE 10的定位的方法动作，例如处理对UE 10的环境存在的确定。这些动作不一定要按照下面陈述的顺序进行，而是可以按照任何合适的顺序进行。在一些实施例中执行的动作用虚线框标出。
动作701。无线电网络节点12可以配置UE 10以用于测量CIR。
动作702。无线电网络节点12获得无线通信网络中信号的CIR的测量结果。无线电网络节点12可以通过从UE 10接收具有CIR的测量结果的报告来获得测量结果。可替代地，无线电网络节点12可以通过测量来自UE 10的信号(诸如SRS)的CIR来获得测量结果。
动作703。为了训练ML模型，无线电网络节点12可以接收指示UE 10的室内位置或室外位置的数据。CIR的测量结果和该数据可以因此被用于训练ML模型。该数据可以是具有CIR测量结果的GPS信息或类似信息。用于训练的ML模型的参数可以是CIR值的时间序列和环境标签，例如，诸如室内或室外。
动作704。无线电网络节点12可以基于CIR和/或定位数据的特性从多个ML模型在选择ML模型，例如，该选择可以基于非CIR辅助数据，例如在推理期间可从网络或UE 10获得的小区ID、无线电参数、频率等。在此情况下，ML模型选择可以应用于训练和推理两者。如果模型选择基于CIR，那么在一些实施例中，其可以内置于ML模型本身。ML模型或ML模型的数量可以被区分，例如，针对特定小区、小区大小、载波频率、频率带宽、UE 10或无线电网络中的天线端口数量。ML模型可以是监督分类器模型，例如基于CNN，以考虑时频2D空间，或甚至时频端口3D空间中的定位性质。但当然，其也可以是其他类的分类器ML模型。
动作705。无线电网络节点12使用ML模型以CIR的测量结果作为输入来确定UE 10是在室内还是在室外。例如，输入可以是CIR值的时间序列或CIR值在时间序列上的某种压缩形式：例如，在时间和/或频率上被子采样或平滑化。在选择ML模型时，输入可以进一步是用于模型选择的辅助数据，诸如非CIR辅助数据，例如小区ID、无线电参数、频率等。
动作706。无线电网络节点12可以将所使用的ML模型的结果提供给另一个网络节点和/或应用。
图8是描绘根据本文的实施例的UE 10的框图，该UE用于处理无线通信网络1中UE10的定位，例如，处理对UE的环境存在的确定。
UE 10可以包括被配置为执行本文的方法的处理电路系统801，例如一个或多个处理器。
UE 10可以包括测量单元802。UE 10、处理电路系统801和/或测量单元802被配置为测量来自无线电网络节点12的信号的CIR。
UE 10可以包括发起单元803。UE 10、处理电路系统801和/或发起单元803被配置为发起用于使用ML模型以所测量的CIR作为输入来确定UE是在室内还是在室外的过程。UE10、处理电路系统801和/或发起单元803可以被配置为通过向无线电网络节点12报告所测量的CIR来发起该过程。指示室内位置或室外位置的数据可以被包括在报告中。UE 10、处理电路系统801和/或发起单元803可以被配置为通过使用ML模型以CIR作为输入以确定UE 10是在室内还是在室外来发起该过程。UE 10、处理电路系统801和/或发起单元803可以被配置为通过进一步将ML模型的结果发送到无线电网络节点12来发起该过程。
UE 10可以包括接收单元804，例如，接收器或收发器。UE 10、处理电路系统801和/或接收单元804可以被配置为接收用于测量CIR的配置。
UE 10进一步包括存储器805。该存储器包括用于存储数据的一个或多个单元，该数据关于诸如指示、CIR测量结果、测量配置、ML模型、RS、强度或质量、指示、请求、命令、定时器、在执行时执行本文所公开的方法的应用，以及类似数据。UE 10包括通信接口，其包括一个或多个天线。
根据本文所述的实施例的用于UE 10的方法分别通过例如计算机程序产品806或计算机程序来实现，该计算机程序产品或计算机程序包括指令，即软件代码部分，其在至少一个处理器上执行时使该至少一个处理器执行本文所述的动作，如由UE 10执行。计算机程序产品806可以被存储在计算机可读存储介质807上，例如，通用串行总线(USB)棒、光盘或类似物。其上存储有计算机程序产品的计算机可读存储介质807可以包括指令，该指令在至少一个处理器上执行时使得该至少一个处理器执行本文所述的动作，如由UE 10执行。在一些实施例中，计算机可读存储介质可以是非暂时性或暂时性计算机可读存储介质。因此，本文的实施例可以公开用于处理对无线通信网络中UE的环境存在的确定的UE 10，其中UE 10包括处理电路系统和存储器，所述存储器包括可由所述处理电路系统执行的指令，由此所述UE 10可操作以执行本文的方法中的任一种。
图9是描绘根据本文的实施例的用于处理无线通信网络1中UE 10的定位(例如确定UE 10的环境存在)的无线电网络节点12的框图。
无线电网络节点12可以包括被配置为执行本文的方法的处理电路系统901，例如一个或多个处理器。
无线电网络节点12可以包括获得单元902，例如，接收器、收发器或测量单元。无线电网络节点12、处理电路系统901和/或获得单元902被配置为获得无线通信网络中信号的CIR的测量结果。无线电网络节点12、处理电路系统901和/或获得单元902可以被配置为通过从UE 10接收具有CIR的测量结果的报告来获得CIR的测量结果。无线电网络节点12、处理电路系统901和/或获得单元902可以被配置为通过测量来自UE 10的信号的CIR来获得CIR的测量结果。无线电网络节点12、处理电路系统901和/或获得单元902可以被配置为接收指示UE 10的室内位置或室外位置的数据。
无线电网络节点12可以包括确定单元903。无线电网络节点12、处理电路系统901和/或确定单元903被配置为使用ML模型以CIR的测量结果作为输入来确定UE 10是在室内还是在室外。无线电网络节点12、处理电路系统901和/或确定单元903可以被配置为通过使用CIR的测量结果和所述数据来训练ML模型。
无线电网络节点12可以包括选择单元904。无线电网络节点12、处理电路系统901和/或选择单元904可以被配置为基于CIR和/或定位数据的特性从多个ML模型选择ML模型。
无线电网络节点12可以包括配置单元905。无线电网络节点12、处理电路系统901和/或配置单元905可以被配置为配置UE 10以用于测量CIR。
无线电网络节点12可以包括提供单元906。无线电网络节点12、处理电路系统901和/或提供单元906可以被配置为向另一个网络节点和/或应用提供所使用的ML模型的结果。
无线电网络节点12进一步包括存储器907。该存储器包括一个或多个单元，用于存储诸如测量、ML模型、数据、指示、强度或质量、准许、调度信息、计时器、在被执行时执行本文所公开的方法的应用以及类似的数据。无线电网络节点12包括通信接口，该通信接口包括发射器、接收器、收发器和/或一个或多个天线。
根据本文描述的实施例的用于无线电网络节点12的方法分别通过例如计算机程序产品908或计算机程序产品来实现，该计算机程序产品包括指令，即软件代码部分，其在至少一个处理器上执行时使该至少一个处理器执行本文所述的如由无线电网络节点12执行的动作。计算机程序产品908可以存储在计算机可读存储介质909上，例如，USB棒、光盘或类似物。其上存储有计算机程序产品的计算机可读存储介质909可以包括指令，该指令在至少一个处理器上执行时使得该至少一个处理器执行本文所述的由无线电网络节点12执行的动作。在一些实施例中，计算机可读存储介质可以是非暂时性或暂时性计算机可读存储介质。因此，本文的实施例可以公开用于确定无线通信网络中UE的环境存在的无线电网络节点12，其中无线电网络节点12包括处理电路系统和存储器，所述存储器包括可由所述处理电路系统执行的指令，由此所述无线电网络节点可操作以执行本文的方法中的任一种。
在一些实施例中，使用了更一般的术语“无线电网络节点”，并且其可以对应于任何类型的无线电网络节点或任何网络节点，这些网络节点与无线设备和/或与另一个网络节点通信。网络节点的示例是NodeB、主eNB、次eNB、属于主小区组(MCG)或次小区组(SCG)的网络节点、基站(BS)、多标准无线电(MSR)无线电节点(诸如MSR BS)、eNodeB、网络控制器、RNC、BSC、中继、控制中继的施主节点、基地收发器站(BTS)、AP、传输点、传输节点、远程无线电单元(RRU)、远程无线电头(RRH)、分布式天线系统(DAS)中的节点、CN节点例如移动交换中心(MSC)、移动管理实体(MME)等、O&M、运营支持系统(OSS)、自组织网络(SON)、定位节点例如演进服务移动定位中心(E-SMLC)、最小化驱动测试(MDT)等。
在一些实施例中，使用了非限制性术语无线设备或UE，并且其指的是在蜂窝或移动通信系统中与网络节点和/或与另一个UE通信的任何类型的无线设备。UE的示例是目标设备、D2D UE、能够接近的UE(又称ProSe UE)、机器类型的UE或能够进行机器对机器(M2M)通信的UE、PDA、PAD、平板计算机、移动终端、智能电话、膝上型计算机嵌入设备(LEE)、膝上型计算机安装设备(LME)、USB加密狗等。
实施例针对5G进行描述。然而，实施例可应用于任何RAT或多RAT系统，其中UE接收和/或传输信号(例如数据)，例如LTE、LTE FDD/TDD、WCDMA/HSPA、GSM/GERAN、Wi Fi、WLAN、CDMA2000等。
熟悉通信设计的人将容易理解，功能、手段或模块可以使用数字逻辑和/或一个或多个微控制器、微处理器或其他数字硬件实施。在一些实施例中，几种或所有的各种功能可以一起实施，诸如在单个专用集成电路(ASIC)中，或在两个或更多个分开的设备中，它们之间有适当的硬件和/或软件接口。例如，功能中的几种可以在与无线设备或网络节点的其他功能部件共享的处理器上实施。
可替代地，所讨论的处理手段的功能元件中的几个可以通过使用专用硬件来提供，而其他的功能元件具有用于与适当的软件或固件相关联地执行软件的硬件。因此，本文使用的术语“处理器”或“控制器”不专门地指能够执行软件的硬件，并且可以隐含地包括但不限于数字信号处理器(DSP)硬件、用于存储软件的只读存储器(ROM)、用于存储软件和/或程序或应用数据的随机存取存储器，以及非易失性存储器。常规和/或定制的其他硬件也可以包括在内。通信设备的设计者将理解这些设计选择中固有的成本、性能和维护权衡。
参考图10，根据实施例，通信系统包括电信网络3210，诸如3GPP型蜂窝网络，其包括接入网络3211(例如无线电接入网络)以及核心网络3214。接入网络3211包括多个基站3212a、3212b、3212c，例如NB、eNB、gNB或其他类型的无线接入点，这些是本文中无线电网络节点12的示例，各自定义了对应的覆盖区3213a、3213b、3213c。每个基站3212a、3212b、3212c可通过有线或无线连接3215连接到核心网络3214。位于覆盖区3213c的第一UE 3291，是UE 10的示例，被配置为无线连接到对应基站3212c，或被其寻呼。覆盖区3213a中的第二UE 3292可无线连接到对应基站3212a。虽然在该示例中展示了多个UE 3291、3292，但所公开的实施例同样可应用于其中唯一的UE在覆盖区中或唯一的UE连接到对应基站3212的情况。
电信网络3210本身连接到主机计算机3230，该主机计算机可以体现在独立服务器、云实施的服务器、分布式服务器的硬件和/或软件中，或体现为服务器群中的处理资源。主机计算机3230可以在服务提供者的拥有或控制之下，或者可以由服务提供者或代表服务提供者操作。电信网络3210和主机计算机3230之间的连接3221、3222可以直接从核心网络3214延伸到主机计算机3230，或者可以通过可选的中间网络3220。中间网络3220可以是公共网络、专用网络或托管网络中的一个，或一个以上的组合；中间网络3220，如果有的话，可以是骨干网络或互联网；特别地，中间网络3220可以包括两个或更多个子网络(未示出)。
图10的通信系统作为整体实现了所连接的UE 3291、3292中的一个与主机计算机3230之间的连接性。该连接性可被描述为过顶(OTT)连接3250。主机计算机3230和所连接的UE 3291、3292被配置为使用接入网络3211、核心网络3214、任何中间网络3220和作为中间网的可能的进一步基础设施(未示出)，经由OTT连接3250通信数据和/或信令。OTT连接3250可以是透明的，意思是，OTT连接3250经过的参与通信设备不知道上行链路和下行链路通信的路由。例如，基站3212可能不被通知或不需要被通知具有源自主机计算机3230的数据的传入下行链路通信的过去的路由，该数据将被转发(例如，移交)给所连接的UE 3291。类似地，基站3212不需要知道源自UE 3291的传出上行链路通信朝向主机计算机3230的未来路由。
现在将参考图11描述根据实施例的在前面段落中讨论的UE、基站和主机计算机的示例实施方式。在通信系统3300中，主机计算机3310包括硬件3315，其包括被配置为与通信系统3300的不同通信装置的接口建立和保持有线或无线连接的通信接口3316。主机计算机3310进一步包括处理电路系统3318，其可以具有存储和/或处理能力。特别地，处理电路系统3318可以包括适于执行指令的一个或多个可编程处理器、专用集成电路、现场可编程门阵列或这些的组合(未示出)。主机计算机3310进一步包括软件3311，该软件存储在主机计算机3310中或可由该主机计算机访问，并可由处理电路系统3318执行。软件3311包括主机应用3312。主机应用3312可操作以向远程用户提供服务，诸如经由终止于UE 3330和主机计算机3310的OTT连接3350进行连接的UE 3330。在向远程用户提供服务时，主机应用3312可以提供使用OTT连接3350发送的用户数据。
通信系统3300进一步包括基站3320，其设置在电信系统中，并包括使其能够与主机计算机3310和UE 3330通信的硬件3325。硬件3325可包括用于设置和维持与通信系统3300的不同通信装置的接口的有线或无线连接的通信接口3326，以及无线电接口3327，其用于设置和维持与位于基站3320所服务的覆盖区(图11中未示出)中的UE 3330的至少无线连接3370。通信接口3326可被配置为促进与主机计算机3310的连接3360。连接3360可以是直接的，或其可以经过电信系统的核心网络(图11中未示出)和/或经过电信系统外的一个或多个中间网络。在所示的实施例中，基站3320的硬件3325进一步包括处理电路系统3328，其可以包括适于执行指令的一个或多个可编程处理器、专用集成电路、现场可编程门阵列或这些的组合(未示出)。基站3320进一步具有存储在内部或可经由外部连接访问的软件3321。
通信系统3300进一步包括已经提到的UE 3330。其硬件3335可以包括无线电接口3337，该接口被配置为与服务于UE 3330当前位于的覆盖区的基站建立并保持无线连接3370。UE 3330的硬件3335进一步包括处理电路系统3338，其可以包括适于执行指令的一个或多个可编程处理器、专用集成电路、现场可编程门阵列或这些的组合(未示出)。UE 3330进一步包括软件3331，该软件存储在UE 3330中或可由UE 3330访问，并可由处理电路系统3338执行。该软件3331包括客户端应用3332。客户端应用3332可操作以在主机计算机3310的支持下，经由UE 3330向人类或非人类用户提供服务。在主机计算机3310中，正在执行的主机应用3312可以经由终止于UE 3330和主机计算机3310的OTT连接3350与正在执行的客户端应用3332通信。在向用户提供服务时，客户端应用3332可以从主机应用3312接收请求数据，并响应于请求数据提供用户数据。OTT连接3350可以传输请求数据和用户数据两者。客户端应用3332可以与用户交互以生成器提供的用户数据。
注意，图11中展示的主机计算机3310、基站3320和UE 3330可分别与图10的主机计算机3230、基站3212a、3212b、3212c中的一个和UE 3291、3292中的一个相同。这就是说，这些实体的内部工作可以如图11所示，并且独立地，周围的网络拓扑结构可以是图10的拓扑结构。
在图11中，OTT连接3350被抽象地画出，以展示主机计算机3310和用户设备3330之间经由基站3320的通信，而没有明确提及任何中间识别和经由这些设备的消息的精确路由。网络基础设施可以确定路由，其可以被配置为向UE 3330或向操作主机计算机3310的服务提供者或两者隐藏。当OTT连接3350处于活动状态时，网络基础设施可以进一步作出决定，通过该决定其动态地改变路由(例如，基于负载平衡考虑或网络的重新配置)。
UE 3330和基站3320之间的无线连接3370符合在整个本公开中描述的实施例的教导。各种实施例中的一个或多个实施例改进了使用OTT连接3350提供给UE 3330的OTT服务的性能，其中无线连接3370形成最后一段。更精确地说，这些实施例的教导可以在执行小区规划时改进UE在室内以及室外的覆盖，并从而提供诸如减少用户等待时间以及更好的响应性的好处。
可以提供测量规程，以用于监测数据速率、延迟和一个或多个实施例所改进的其他因素。可以进一步提供可选的网络功能，以用于响应于测量结果中的变化，重新配置在主机计算机3310和UE 3330之间的OTT连接3350。测量规程和/或用于重新配置OTT连接3350的网络功能可以在主机计算机3310的软件3311中或UE 3330的软件3331中实施，或在两者中实施。在实施例中，传感器(未示出)可以部署在OTT连接3350经过的通信设备中或与其相关联地布置；传感器可以通过提供上面例示的受监测量的值，或提供其他物理量的值来参与测量规程，软件3311、3331可以从该其他物理量的值计算或估计受监测量。OTT连接3350的重新配置可以包括消息格式、重传设置、优选路由等；重新配置不需要影响基站3320，并且其可能对基站3320来说是未知的或无法察觉的。此类规程和功能可以是本领域中已知的和实践的。在某些实施例中，测量可以涉及专有的UE信令，其促进主机计算机3310对吞吐量、传播时间、延迟等的测量。测量可以实施，其中软件3311、3331引起使用OTT连接3350传输消息，特别是空或“假”消息，同时其监测传播时间、错误等。
图12是展示了根据一个实施例的在通信系统中实施的方法的流程图。该通信系统包括主机计算机、基站和UE，它们可以是参考图10和图11描述的那些。为了简化本公开，本节中将只包括对图12的绘图标记。在该方法的第一步骤3410中，主机计算机提供用户数据。在第一步骤3410的可选子步骤3411中，主机计算机通过执行主机应用提供用户数据。在第二步骤3420中，主机计算机发起向UE的携带用户数据的传输。在可选的第三步骤3430中，基站根据在整个本公开中描述的实施例的教导，向UE发送主机计算机发起的传输中携带的用户数据。在可选的第四步骤3440中，UE执行与由主机计算机执行的主机应用相关联的客户端应用。
图13是展示了根据一个实施例的在通信系统中实施的方法的流程图。该通信系统包括主机计算机、基站和UE，它们可以是参考图10和图11描述的那些。为了简化本公开，本节中将只包括对图13的绘图标记。在该方法的第一步骤3510中，主机计算机提供用户数据。在可选的子步骤(未示出)中，主机计算机通过执行主机应用来提供用户数据。在第二步骤3520中，主机计算机发起向UE的携带用户数据的传输。根据在整个本公开中描述的实施例的教导，该传输可以经过基站。在可选的第三步骤3530中，UE接收传输中携带的用户数据。
图14是展示了根据一个实施例的在通信系统中实施的方法的流程图。该通信系统包括主机计算机、基站和UE，它们可以是参考图10和图11描述的那些。为了简化本公开，本节中将只包括对图14的绘图标记。在该方法的可选的第一步骤3610中，UE接收由主机计算机提供的输入数据。此外或可替代地，在可选的第二步骤3620中，UE提供用户数据。在第二步骤3620的可选子步骤3621中，UE通过执行客户端应用提供用户数据。在第一步骤3610的进一步的可选子步骤3611中，UE执行客户端应用，其针对由主机计算机提供的接收到的输入数据来提供用户数据。在提供用户数据时，所执行的客户端应用可以进一步考虑从用户接收到的用户输入。无论以何种具体方式提供用户数据，UE在可选的第三子步骤3630中发起向主机计算机的对用户数据的传输。在该方法的第四步骤3640中，根据在整个本公开中描述的实施例的教导，主机计算机接收从UE发送的用户数据。
图15是展示了根据一个实施例的在通信系统中实施的方法的流程图。该通信系统包括主机计算机、基站和UE，它们可以是参考图10和图11描述的那些。为了简化本公开，本节中将只包括对图15的绘图标记。在该方法的可选的第一步骤3710中，根据在整个本公开中描述的实施例的教导，基站从UE接收用户数据。在可选的第二步骤3720中，基站发起向主机计算机的对接收到的用户数据的传输。在第三步骤3730中，主机计算机接收由基站发起的传输中携带的用户数据。
应理解的是，前述描述和附图代表了本文教导的方法和设备的非限制性示例。因此，本文教导的设备和技术不受前述描述和附图的限制。相反，本文的实施例仅受所附权利要求及其法律上的等同形式的限制。
缩略语
AI人工智能
CSI信道信号指标
CQI信道质量指标
GPS全球定位系统
MHz兆赫兹
ML机器学习
NDO网络设计优化
SRS周围参考信号
UE用户设备

Claims (32)

1.一种由用户设备UE(10)执行的用于处理无线通信网络(1)中所述UE的定位的方法，所述方法包括：
-测量(602)来自无线电网络节点的信号的信道脉冲响应CIR；以及
-发起(603)用于使用机器学习ML模型以所测量的CIR作为输入来确定所述UE是在室内还是在室外的过程。
2.根据权利要求1所述的方法，其中，发起所述过程包括：向所述无线电网络节点(12)报告所测量的CIR。
3.根据权利要求2所述的方法，其中，指示室内位置或室外位置的数据被包括在所述报告中。
4.根据权利要求1所述的方法，其中，发起所述过程包括：使用所述ML模型以所述CIR作为输入来确定所述UE是在室内还是在室外。
5.根据权利要求4所述的方法，其中，发起所述过程进一步包括：向所述无线电网络节点发送所述ML模型的结果。
6.根据权利要求1至5中任一项所述的方法，进一步包括：接收(601)用于测量所述CIR的配置。
7.根据权利要求1至6中任一项所述的方法，其中，所述ML模型包括监督分类器模型。
8.一种由无线电网络节点执行的用于处理无线通信网络(1)中用户设备UE的定位的方法，所述方法包括：
获得(702)所述无线通信网络(1)中的信号的信道脉冲响应CIR的测量结果；以及
使用机器学习ML模型以所述CIR的所述测量结果作为输入来确定(705)所述UE是在室内还是在室外。
9.根据权利要求8所述的方法，其中，获得所述CIR的所述测量结果包括：从所述UE接收具有所述CIR的所述测量结果的报告。
10.根据权利要求8所述的方法，其中，获得所述CIR的所述测量结果包括：测量来自所述UE的信号的所述CIR。
11.根据权利要求8至10中任一项所述的方法，进一步包括：接收(703)指示所述UE的室内位置或室外位置的数据。
12.根据权利要求11所述的方法，其中，所述CIR的所述测量结果和所述数据用于训练所述ML模型。
13.根据权利要求8至12中任一项所述的方法，进一步包括：基于所述CIR的特性和/或定位数据来从多个ML模型中选择(704)所述ML模型。
14.根据权利要求8至13中任一项所述的方法，进一步包括：配置(701)所述UE以用于测量所述CIR。
15.根据权利要求8至14中任一项所述的方法，进一步包括：向另一个网络节点和/或应用提供(706)所使用的ML模型的结果。
16.根据权利要求8至15中任一项所述的方法，其中，所述ML模型包括监督分类器模型。
17.一种包括指令的计算机程序产品，所述指令在至少一个处理器上执行时，使所述至少一个处理器执行根据权利要求1至16中任一项的分别由所述用户设备或无线电网络节点执行的方法。
18.一种存储计算机程序产品的计算机可读存储介质，所述计算机程序产品包括指令，所述指令在至少一个处理器上执行时，使所述至少一个处理器执行根据权利要求1至16中任一项的分别由所述用户设备或无线电网络节点执行的方法。
19.一种用于处理无线通信网络(1)中用户设备UE(10)的定位的所述UE，其中所述UE被配置为：
测量来自无线电网络节点的信号的信道脉冲响应CIR；以及
发起用于使用机器学习ML模型以所测量的CIR作为输入来确定所述UE是在室内还是在室外的过程。
20.根据权利要求19所述的UE，其中，所述UE被配置为通过向所述无线电网络节点报告所测量的CIR来发起所述过程。
21.根据权利要求20所述的UE，其中，指示室内位置或室外位置的数据被包括在所述报告中。
22.根据权利要求19所述的UE，其中，所述UE被配置为通过使用所述ML模型以所述CIR作为输入以确定所述UE是在室内还是在室外来发起所述过程。
23.根据权利要求22所述的UE，其中，所述UE被配置为通过进一步向所述无线电网络节点发送所述ML模型的结果来发起所述过程。
24.根据权利要求19至23中任一项所述的UE，其中，所述UE进一步被配置为接收用于测量所述CIR的配置，和/或所述ML模型包括监督分类器模型。
25.一种用于处理无线通信网络(1)中用户设备UE的定位的无线电网络节点，其中所述无线电网络节点被配置为：
获得所述无线通信网络(1)中的信号的信道脉冲响应CIR的测量结果；以及
使用机器学习ML模型以所述CIR的所述测量结果作为输入来确定所述UE是在室内还是在室外。
26.根据权利要求25所述的无线电网络节点，其中，所述无线电网络节点被配置为通过从所述UE接收具有所述CIR的所述测量结果的报告来获得所述CIR的所述测量结果。
27.根据权利要求25所述的无线电网络节点，其中，所述无线电网络节点被配置为通过测量来自所述UE的信号的所述CIR来获得所述CIR的所述测量结果。
28.根据权利要求25至27中任一项所述的无线电网络节点，其中，所述无线电网络节点进一步被配置为接收指示所述UE的室内位置或室外位置的数据。
29.根据权利要求28所述的无线电网络节点，其中，所述无线电网络节点进一步被配置为通过使用所述CIR的所述测量结果和所述数据来训练所述ML模型。
30.根据权利要求25至29中任一项所述的无线电网络节点，其中，所述无线电网络节点进一步被配置为基于所述CIR的特性和/或定位数据来从多个ML模型中选择所述ML模型。
31.根据权利要求25至30中任一项所述的无线电网络节点，其中，所述无线电网络节点进一步被配置为配置所述UE以用于测量所述CIR，和/或所述ML模型包括监督分类器模型。
32.根据权利要求25至31中任一项所述的无线电网络节点，其中，所述无线电网络节点进一步被配置为向另一个网络节点和/或应用提供所使用的ML模型的结果。
CN202080108153.1A 2020-12-23 2020-12-23 无线电网络节点、用户设备和无线通信网络中执行的方法 Pending CN116685875A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2020/051262 WO2022139645A1 (en) 2020-12-23 2020-12-23 Radio network node, user equipment and methods performed in a wireless communication network

Publications (1)

Publication Number Publication Date
CN116685875A true CN116685875A (zh) 2023-09-01

Family

ID=82160009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080108153.1A Pending CN116685875A (zh) 2020-12-23 2020-12-23 无线电网络节点、用户设备和无线通信网络中执行的方法

Country Status (4)

Country Link
US (1) US20240049162A1 (zh)
EP (1) EP4267984A1 (zh)
CN (1) CN116685875A (zh)
WO (1) WO2022139645A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117998278A (zh) * 2022-11-01 2024-05-07 华为技术有限公司 通信方法和通信装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9326104B2 (en) * 2014-05-22 2016-04-26 Qualcomm Incorporated Method and apparatus for indoor/outdoor detection using ambient signals
JP6623298B2 (ja) * 2015-12-09 2019-12-18 オリジン ワイヤレス， インコーポレイテッドＯｒｉｇｉｎ Ｗｉｒｅｌｅｓｓ， Ｉｎｃ． 無線イベント検出及び監視のための方法、装置及びシステム
CN111212379B (zh) * 2020-01-06 2021-11-23 浙江工易云服科技有限公司 一种基于卷积神经网络的新型csi室内定位方法

Also Published As

Publication number Publication date
EP4267984A1 (en) 2023-11-01
WO2022139645A1 (en) 2022-06-30
US20240049162A1 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
TWI720288B (zh) 用於窄頻物聯網路（nb-iot）設備的信號品質量測的技術和裝置
KR102475187B1 (ko) 무선 통신 네트워크에서의 사용자 장비, 네트워크 노드 및 방법
KR101871620B1 (ko) 무선 통신 시스템에서 이동국 및 기지국을 작동시키는 방법, 무선 통신 시스템의 이동국 및 기지국
RU2579940C2 (ru) Способы и устройство для поддержки межчастотных измерений
US20210258805A1 (en) User equipment and network node for configuring measurements of cells and beams in a wireless communication system
US11277761B2 (en) Technique for determining signal quality
WO2014115459A1 (ja) 無線通信システム、無線通信方法、無線基地局及びユーザ端末
CN110089047B (zh) 无线电网络节点、无线设备及其中执行的用于通信的方法
JP2018538735A (ja) ワイヤレス通信ネットワークにおけるシグナリングを管理するためのワイヤレスデバイス、無線ネットワークノード、及びそれらにおいて実行される方法
CN110574412A (zh) 用于处理在无线通信网络中的通信的无线装置、无线电网络节点及在其中执行的方法
US20230319764A1 (en) Configuring positioning signals and measurements to reduce latency
TWI804645B (zh) 管理下行鏈路參考信號之間的重疊
CN113424628A (zh) 蜂窝系统中的多用户协调传输
US20230008786A1 (en) Network Assisted Discovery for Wireless Communication
JP2023512795A (ja) 測定制限に基づいたｌ１－ｓｉｎｒ測定手順
US20210144604A1 (en) Radio network node, wireless device and methods performed therein
US11558765B2 (en) Control information based activation of measurement reporting configurations
US20240049162A1 (en) Radio network node, user equipment and methods performed in a wireless communication network
CN110089140B (zh) 涉及基于上行链路测量的自动相邻检测的方法及节点
CN116321500A (zh) 无线电网络节点、无线设备及在其中执行的方法
CN116134753A (zh) 用于无线通信中的波束切换的技术
JP2017225195A (ja) 無線通信システム、無線通信方法及びユーザ端末
US20230076425A1 (en) Handling incompatible wireless devices
WO2022235198A1 (en) Landscape sensing using radio signals
JP2019041408A (ja) ユーザ端末及び無線通信システム

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