CN116828496A - 信道特征信息辅助上报及恢复方法、终端和网络侧设备 - Google Patents
信道特征信息辅助上报及恢复方法、终端和网络侧设备 Download PDFInfo
- Publication number
- CN116828496A CN116828496A CN202210281152.8A CN202210281152A CN116828496A CN 116828496 A CN116828496 A CN 116828496A CN 202210281152 A CN202210281152 A CN 202210281152A CN 116828496 A CN116828496 A CN 116828496A
- Authority
- CN
- China
- Prior art keywords
- information
- channel
- target
- network model
- channel characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 177
- 230000008569 process Effects 0.000 claims abstract description 58
- 238000011084 recovery Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 38
- 238000012512 characterization method Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 abstract description 36
- 230000006870 function Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000013016 learning Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种信道特征信息辅助上报及恢复方法、终端和网络侧设备,属于通信技术领域,本申请实施例的信道特征信息辅助上报方法包括:终端采用第一AI网络模型将第一信道信息处理成目标信道特征信息;所述终端向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
Description
技术领域
本申请属于通信技术领域,具体涉及一种信道特征信息辅助上报及恢复方法、终端和网络侧设备。
背景技术
随着人工智能(Artificial Intelligence,AI)在通信领域的应用,可以使用AI网络模型对信道状态信息(Channel State Information,CSI)信息进行编码和解码。
但是,随着信道质量的变化,AI网络模型与信道状态的匹配程度会降低,从而造成AI网络模型对CSI信息的编码和解码结果的准确性降低。
发明内容
本申请实施例提供一种信道特征信息辅助上报及恢复方法、终端和网络侧设备,使终端在使用AI网络模型编码得到信道特征信息后,能够向网络侧设备上报解码该信道特征信息相关的辅助信息或者能够反映该信道特征信息的准确度的指示信息,以使网络侧设备能够根据该辅助信息或指示信息来提升对信道特征信息的解码结果的准确性。
第一方面,提供了一种信道特征信息辅助上报方法,该方法包括:
终端采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
所述终端向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;
其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
第二方面,提供了一种信道特征信息辅助上报装置,应用于终端,该装置包括:
第一处理模块,用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
第一发送模块,用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;
其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
第三方面,提供了一种信道特征信息恢复方法,包括:
网络侧设备获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;
所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
第四方面,提供了一种信道特征信息恢复装置,应用于网络侧设备,该装置包括:
第二获取模块,用于获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;
第二确定模块,用于根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
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,所述处理器用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息,所述通信接口用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
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三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,所述通信接口用于获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;所述处理器用于根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
第九方面,提供了一种通信系统,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信道特征信息辅助上报方法的步骤,所述网络侧设备可用于执行如第三方面所述的信道特征信息恢复方法的步骤。
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,或者实现如第三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,或实现如第三方面所述的方法。
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信道特征信息辅助上报方法的步骤,或者实现如第三方面所述的信道特征信息恢复方法的步骤。
在本申请实施例中,终端可以根据网络侧设备的指示或根据检测到的信道状态等,确定与当前信道状态匹配的第一AI网络模型,并利用该第一AI网络模型将信道信息处理成与该第一AI网络模型向对应的长度的编码信息(即目标信道特征信息),并向网络侧设备上报目标信道特征信息的全部或者部分内容,此外,终端还向网络侧设备上报第一信息,以告知网侧设备基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,和/或,将可用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息的目标辅助信息上报给网络侧设备。这样,网络侧设备可以根据基于所述目标信道特征信息恢复的第二信道信息的准确程度或者所述第一信道信息的准确程判断是否需要更新第三AI网络模型和第一AI网络模型;和/或,根据自身恢复的第二信道信息的可靠程度,判断是否采用目标辅助信息来辅助第二信道信息的恢复等,能够提升AI网络模型对信道特征信息的编码和解码结果的准确性。
附图说明
图1是本申请实施例能够应用的一种无线通信系统的结构示意图;
图2是本申请实施例提供的一种信道特征信息辅助上报方法的流程图;
图3是神经网络模型的架构示意图;
图4是神经元的示意图;
图5a是本申请实施例中AI网络模型的应用场景图之一;
图5b是本申请实施例中AI网络模型的应用场景图之二;
图5c是本申请实施例中AI网络模型的应用场景图之三;
图5d是本申请实施例中AI网络模型的应用场景图之四;
图5e是本申请实施例中AI网络模型的应用场景图之五;
图6是本申请实施例提供的一种信道特征信息恢复方法的流程图;
图7是本申请实施例提供的一种信道特征信息辅助上报装置的结构示意图;
图8是本申请实施例提供的一种信道特征信息恢复装置的结构示意图;
图9是本申请实施例提供的一种通信设备的结构示意图;
图10是本申请实施例提供的一种终端的结构示意图;
图11是本申请实施例提供的一种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12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12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。
在无线通信技术中,准确的CSI反馈对信道容量至关重要。尤其是对于多天线系统来讲,发送端可以根据CSI优化信号的发送,使其更加匹配信道的状态。如:信道质量指示(Channel Quality Indicator,CQI)可以用来选择合适的调制编码方案(Modulation andCoding Scheme,MCS),以实现链路自适应;预编码矩阵指示(Precoding MatrixIndicator,PMI)可以用来实现特征波束成形(eigen beamforming),从而最大化接收信号的强度,或者用来抑制干扰(如小区间干扰、多用户之间干扰等)。因此,自从多天线技术(如:多输入多输出(Multi-Input Multi-Output,MIMO))被提出以来,CSI的获取一直都是研究热点。
通常,网络侧设备在某个时隙(slot)的某些时频资源上发送CSI参考信号(CSI-Reference Signals,CSI-RS),终端根据CSI-RS进行信道估计,计算这个slot上的信道信息,通过码本将PMI反馈给基站,网络侧设备根据终端反馈的码本信息组合出信道信息,并在终端下一次上报CSI之前,网络侧设备以此信道信息进行数据预编码及多用户调度。
为了进一步减少CSI反馈开销,终端可以将每个子带上报PMI改成按照时延(delay域,即频域)上报PMI,由于delay域的信道更集中,用更少的delay的PMI就可以近似表示全部子带的PMI,其可以视作是将delay域信息压缩之后再上报。
同样,为了减少开销,网络侧设备可以事先对CSI-RS进行预编码,将编码后的CSI-RS发送给终端,终端看到的是经过编码之后的CSI-RS对应的信道,终端只需要在网络侧设备指示的端口中选择若干个强度较大的端口,并上报这些端口对应的系数即可。
在相关技术中,利用AI网络模型对信道信息进行压缩,能够提升信道特征信息的压缩效果,其中,AI网络模型有多种实现方式,例如:神经网络、决策树、支持向量机、贝叶斯分类器等。为了便于说明,本申请实施例中以AI网络模型为神经网络为例进行说明,但是并不限定AI网络模型的具体类型。
本申请实施例中,在终端利用具有编码功能的第一AI网络模型(即编码器中的AI网络模型,其又可以称之为编码器网络模型或者编码AI网络模型)对信道信息进行压缩编码,并将编码后的信道特征信息上报给网络侧设备(例如:基站),在基站侧则利用具有解码功能的第三AI网络模型(即解码器中的AI网络模型,其又可以称之为解码器网络模型或者解码AI网络模型)对压缩后的信道特征信息进行解码,从而恢复信道信息。此时基站的第三AI网络模型和终端的第一AI网络模型需要联合训练,达到合理的匹配度。神经网络通过终端的编码器网络模型和基站的解码器网络模型组成联合的神经网络,由网络侧设备进行联合训练,训练完成之后,基站将编码器网络模型发送给终端。
终端估计CSI参考信号(CSI Reference Signal,CSI-RS),根据该估计到的信道信息进行计算,得到计算的信道信息;然后,将计算的信道信息或者原始的估计到的信道信息通过编码网络模型进行编码,得到编码结果(即信道特征信息),最后将编码结果发送给基站。在基站侧,基站在接收编码后的结果后,将其输入到解码网络模型中,利用该解码网络模型恢复信道信息。
但是,不同的信道环境下,信道信息的可压缩程度不同,因此,编码之后的信道信息的长度也不同,例如:简单的信道信息只需要很短的编码长度,但是复杂的信道信息需要较长的编码信息。这样,不同长度的编码信息对应的AI网络模型的权重参数甚至网络结构都有所不同,这就需要重新训练与该编码长度匹配的AI网络模型。
由此可见,在相关技术中,不同长度的信道信息,与某一个AI网络模型的匹配程度不同,也就是说,随着信道质量的变化,AI网络模型与信道状态的匹配程度会降低,从而造成AI网络模型对信道特征信息的编码和解码结果的准确性降低。
本申请实施例中,终端可以根据网络侧设备的指示或根据检测到的信道状态等,确定与当前信道状态匹配的第一AI网络模型,并利用该第一AI网络模型将信道信息处理成与该第一AI网络模型向对应的长度的编码信息(即目标信道特征信息),并向网络侧设备上报目标信道特征信息的全部或者部分内容,此外,终端还向网络侧设备上报第一信息,以告知网侧设备基于所述目标信道特征信息恢复的第二信道信息的准确程度,或者指示可用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息(例如:所述第一信道信息的表征参数),或者将可用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息的目标辅助信息上报给网络侧设备。
这样,网络侧设备可以根据基于所述目标信道特征信息恢复的第二信道信息的准确程度,或者根据终端上报的第一信道信息的表征参数与自身恢复的第二信道信息的表征参数之间的相关性来确定第二信道信息的准确程度,并根据第二信道信息的准确程度来判断是否需要更新第三AI网络模型和第一AI网络模型;和/或,根据自身恢复的第二信道信息的可靠程度,判断是否采用目标辅助信息来辅助第二信道信息的恢复,或者直接使用所述目标辅助信息来恢复所述第二信道信息等,能够提升AI网络模型对信道特征信息的编码和解码结果的准确性。
需要说明的是,在实施中,上述终端将目标信道特征信息上报给网络侧设备,可以是采用CSI上报的方式在CSI报告中携带该目标信道特征信息,以上报网络侧设备,其中,信道特征信息具体可以是PMI信息。当然,上述目标信道特征信息还可以采用其他任意方式上报给网络侧设备,为了便于说明,本申请实施例中,以采用CSI上报的方式上报目标信道特征信息为例进行举例说明,在此不构成具体限定。
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信道特征信息辅助上报方法、信道特征信息恢复方法、信道特征信息辅助上报装置、信道特征信息恢复装置及通信设备等进行详细地说明。
请参阅图2,本申请实施例提供的一种信道特征信息辅助上报方法,其执行主体可以是终端,该终端可以是如图1中列举的各种类型的终端11,或者是除了如图1所示实施例中列举的终端类型之外的其他终端,在此不作具体限定。如图2所示,该信道特征信息辅助上报方法可以包括以下步骤:
步骤201、终端采用第一AI网络模型将第一信道信息处理成目标信道特征信息。
在实施中,上述第一AI网络模型可以包括多种类型的AI算法模块,例如:神经网络、决策树、支持向量机、贝叶斯分类器等,在此不作具体限定,且为了便于说明,以下实施例中以所述AI网络模型为神经网络模型为例进行举例说明,在此不构成具体限定。
如图3所示,神经网络模型包括输入层、隐层和输出层,其可以根据输入层获取的出入信息(X1~Xn)预测可能的输出结果(Y)。神经网络模型由大量的神经元组成,如图4所示,神经元的参数包括:输入参数a1~aK、权值w、偏置b以及激活函数σ(z),以及与这些参数获取输出值a,其中,常见的激活函数包括S型生长曲线(Sigmoid)函数、双曲正切(tanh)函数、线性整流函数(Rectified Linear Unit,ReLU,其也称之为修正线性单元)函数等等,且上述函数σ(z)中的z可以通过以下公式计算得到:
z=a1w1+…+akwk+aKwK+b
其中,K表示输入参数的总数。
神经网络的参数通过优化算法进行优化。优化算法就是一种能够帮我们最小化或者最大化目标函数(有时候也叫损失函数)的一类算法。而目标函数往往是模型参数和数据的数学组合。例如给定数据X和其对应的标签Y,我们构建一个神经网络模型f(.),有了模神经网络型后,根据输入x就可以得到预测输出f(x),并且可以计算出预测值和真实值之间的差距(f(x)-Y),这个就是损失函数。我们的目的是找到合适的W和b,使上述的损失函数的值达到最小,损失值越小,则说明我们的模型越接近于真实情况。
目前常见的优化算法,基本都是基于误差反向传播算法。误差反向传播算法的基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时,输入样本从输入层传入,经各隐层逐层处理后,传向输出层。若输出层的实际输出与期望的输出不符,则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程,是周而复始地进行的。权值不断调整的过程,也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度,或进行到预先设定的学习次数为止。
常见的优化算法有梯度下降(Gradient Descent)、随机梯度下降(StochasticGradient Descent,SGD)、小批量梯度下降(mini-batch gradient descent)、动量法(Momentum)、Nesterov(其表示带动量的随机梯度下降)、自适应梯度下降(Adaptivegradient descent,Adagrad)、自适应学习率调整(Adadelta)、均方根误差降速(Root MeanSquare prop,RMSprop)、自适应动量估计(Adaptive Moment Estimation,Adam)等。
这些优化算法在误差反向传播时,都是根据损失函数得到的误差/损失,对当前神经元求导数/偏导,加上学习速率、之前的梯度/导数/偏导等影响,得到梯度,将梯度传给上一层。
在实施中,第一AI网络模型可以用于对信道信息进行编码,其能够将各种不同信道环境下的信道信息编码成对应长度的目标信道特征信息。其中,目标信道特征信息的长度可以是目标信道特征信息在量化后的比特数,或者,是目标信道特征信息在量化前所包含的系数的个数。为了便于说明,本申请实施例中以信道特征信息的长度为对应的信道特征信息在量化后所包含的比特数为例进行举例说明,在此也不构成具体限定。
可选地,在所述终端采用第一AI网络模型将第一信道信息处理成目标信道特征信息之前,所述方法还包括:
所述终端对信道状态信息-参考信号CSI-RS或跟踪参考信号TRS进行信道估计得到所述第一信道信息;或者,
所述终端对信道估计得到的信道信息进行预处理,得到所述第一信道信息。
本实施方式中,利用第一AI网络模型进行编码处理的第一信道信息可以是终端对CSI-RS信道或TRS信道进行估计所得到的信道信息,或者是终端对估计到的信道信息进行一定的预处理所得到的信道信息,在此不作具体限定。
步骤202、所述终端向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
需要说明的是,在实施中,上述目标信道特征信息可以是第一AI网络模型得出的一部分信道特征信息,此时,目标辅助信息可以是第一AI网络模型得出的全部信道特征信息或者是第一AI网络模型得出的信道特征信息中除了目标信道特征信之外的另一部分信道特征信息。也就是说,假设目标信道特征信息为第一长度,则目标辅助信息的长度可以等于第二长度或者是等于第二长度与第一长度之差,其中,第二长度为第一AI网络模型对第一信道信息进行处理后得出的全部信道特征信息的长度。
<第一方面>
上述第一指示信息可以指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,即指示第二信道信息与第一信道信息之间的相关性度量或者指示第一信道信息的表征参数。其中,在第一指示信息用于指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息时,该用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息可以是第一信道信息的表征参数,具体的,在网络侧,可以根据解码器的恢复结果计算出第二信道信息的表征参数,并根据第二信道信息的表征参数与该第一信道信息的表征参数之间的相关性,可以确定第二信道信息与第一信道信息之间的相关性度量。
当然,上述第一指示信息还可以指示该准确程度是否满足通信质量、业务需求等的预设条件。为了便于说明,以下实施例中,以第一指示信息指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息为例进行举例说明,在此不构成具体限定。
作为一种可选的实施方式,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
所述第一信道信息与所述第二信道信息之间的相关性度量;
所述相关性度量满足预设条件,或者,所述相关性度量不满足所述预设条件。
其中,上述第一信道信息的表征参数可以是第一信道信息的信息内容的一个参数或至少两个参数,在实施中,终端在未获取到第二信道信息的时候可以上报第一信道信息的表征参数,网络侧设备在基于目标信道特征信息恢复第二信道信息后,可以计算第二信道信息的表征参数,然后根据第一信道信息的表征参数和第二信道信息的表征参数来确定两者的相关性度量。当然,在终端获取到第二信道信息的情况下,可以在终端侧获取第一信道信息与第二信道信息之间的相关性度量,并上报该相关性度量,或者上报该相关性度量满足或不满足预设条件。其中,表征参数可以是CQI、MCS、平均时延扩展、最大多普勒频移、端口间的相关性等。
上述预设条件可以根据协议约定和/或网络侧设备指示的,或者是终端根据实际的通信场景下的通信质量、业务需求等确定的相关性度量阈值,在第一信道信息与第二信道信息之间的相关性度量满足该预设条件的情况下,表示当前的目标信道特征信息能够满足信道质量要求,从而不需要调整编码AI网络模型。例如:在通信质量要求较高的场景下,可以确定预设条件包括较高的相关性度量阈值。与之相对应的,在第一信道信息与第二信道信息之间的相关性度量不满足该预设条件的情况下,表示当前的目标信道特征信息不能够满足信道质量要求,从而需要将编码AI网络模型调整为具有更长的编码长度的AI网络模型。
需要说明的是,在实施中,根据预设条件的不同,也可能存在以下情况:第一信道信息与第二信道信息之间的相关性度量满足该预设条件时,表示当前的目标信道特征信息不能够满足信道质量要求,从而需要调整编码AI网络模型;而在第一信道信息与第二信道信息之间的相关性度量不满足该预设条件时,表示当前的目标信道特征信息能够满足信道质量要求,从而不需要调整编码AI网络模型。在实际应用中,可以根据协议约定或网络侧设备指示的的预设条件的实际情况来确定:在第一信道信息与第二信道信息之间的相关性度量满足该预设条件时上报第一指示信息,还是在第一信道信息与第二信道信息之间的相关性度量不满足该预设条件时上报第一指示信息,以使网络侧设备根据接收到该第一指示信息来确定是否指示终端调节第一AI网络模型。为了便于说明,以下实施例中,以第一信道信息与第二信道信息之间的相关性度量满足该预设条件时,表示当前的目标信道特征信息不能够满足信道质量要求,且在第一信道信息与第二信道信息之间的相关性度量不满足该预设条件时,表示当前的目标信道特征信息能够满足信道质量要求为例进行举例说明,在此不作具体限定。
可选地,所述第一信道信息与所述第二信道信息之间的相关性度量,包括以下至少一项:
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的相关性参数;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵映射至目标变换域后的相关性参数,其中,所述目标变换域包括角度时延域和时延多普勒域中的至少一项;
所述第一信道信息和所述第二信道信息各自对应的等效信道的功率的差值;
所述第一信道信息和所述第二信道信息各自对应的吞吐量的差值;
所述第一信道信息和所述第二信道信息各自对应的信道质量指示CQI的差值;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的差值的范数,例如:1范数、F范数、无穷范数等。
选项一,所述第一信道信息和所述第二信道信息各自对应的信道矩阵的相关性参数可以用于度量第一信道信息对应的信道矩阵与第二信道信息对应的信道矩阵进行矩阵之间的关联程度的变量,例如:两个矩阵的标准均方差(Normalized Mean Squared Error,NMSE)等。
选项二,与选项一相似的,上述第一信道信息和所述第二信道信息各自对应的信道矩阵映射至目标变换域后的相关性参数,可以是第一信道信息和所述第二信道信息各自对应的信道矩阵映射至角度时延域和时延多普勒域中的至少一项后的关联程度的变量。
此外,上述等效信道的功率的差值、吞吐量的差值、CQI的差值以及信道矩阵的差值的范数中的至少一项的取值越大,则表示第一信道信息与所述第二信道信息之间的相关程度越小。
在实施中,上述相关性度量阈值可以是绝对阈值,即固定取值的相关性度量阈值。或者,上述相关性度量阈值还可以是相对阈值,例如:终端接收到第一AI网络模型之后,以第一次反馈的目标信道特征信息对应的计算结果作为阈值,或者以一段时间内反馈的目标信道特征信息对应的计算结果中的最大值作为阈值等。
当然,上述相关性度量阈值还可以是相对目标阈值的超过次数,例如:一段时间内CSI检测结果大于或小于某个阈值的次数超过第二阈值才做新的行为。例如:一段时间内CSI检测结果大于给定阈值的次数超过10次才调整基站侧的编解码网络模型,否则就不调整。这样可以降低频繁调整编解码网络模型的几率。
可选地,所述相关性度量满足预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述预设数量关系的次数小于预设次数;
和/或,
所述相关性度量不满足所述预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈非预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述非预设数量关系的次数大于或等于所述预设次数。
在实施中,所述终端可以仅在所述第一信道信息与所述第二信道信息之间的相关性度量满足所述预设条件的情况下,向所述网络侧设备发送第一信息,例如:在第一信道信息与所述第二信道信息之间的相关性度量满足所述预设条件时,向所述网络侧设备发送对应的第一信息,或者开启一段时间内的周期性地向所述网络侧设备发送第一信息。换而言之,在所述第一信道信息与所述第二信道信息之间的相关性度量不满足所述预设条件的情况下,终端可以不向所述网络侧设备发送第一信息,网络侧设备则可以基于未接收到该第一信息而确定所述第一信道信息与所述第二信道信息之间的相关性度量不满足所述预设条件。这样,可以降低第一信息的传输开销。
在实施中,上述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息。其中,需要满足终端能够获取基于所述目标信道特征信息恢复的第二信道信息的情况下,该第一指示信息才可以指示基于所述目标信道特征信息恢复的第二信道信息的准确程度;否则,第一指示信息指示第一信道信息的表征参数,以使网络侧设备在获取该第一信道信息的表征参数之后,能够将该第一信道信息的表征参数与自身恢复的第二信道信息的表征参数进行匹配,以确定两者之间的相关性,其中,两者的相关性越大,则表示第二信道信息的准确程度越高。
可选地,所述信道特征信息辅助上报方法还包括:
所述终端采用以下方式中的至少一项获取所述第二信道信息:
采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息;
根据所述网络侧设备发送的解调参考信号DMRS信道估计的结果确定所述第二信道信息;
根据至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息。
选项一,在终端采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息的情况下,第二AI网络模型可以是与第三AI网络模型相同的网络模型,或者,第二AI网络模型可以是第三AI网络模型的简化模型,这样,终端可以利用该第二AI网络模型模拟网络侧设备采用第三AI网络模型基于所述目标信道特征信息恢复所述第二信道信息的过程,以使终端模拟得到网络侧设备对目标信道特征信息的恢复过程,从而得到第二信道信息。
本实施方式下,终端需要从获取第三AI网络模型或者该第三AI网络模型的简化模型。
例如:所述信道特征信息辅助上报方法还包括:
所述终端接收来自所述网络侧设备的所述第三AI网络模型的相关信息;
所述终端根据所述第三AI网络模型的相关信息确定所述第二AI网络模型。
其中,上述第三AI网络模型的相关信息可以是模型参数、模型配置、模型的标识信息等,终端能够根据该相关信息确定网络侧设备会采用哪一个第三AI网络模型去解码目标信道特征信息。然后,终端可以采用该第三AI网络模型或该第三AI网络模型的简化网络模型去模拟网络侧设备对目标信道特征信息的解码过程,从而将模拟的解码结果(即第二信道信息)与第一信道信息进行比对,以确定两者之间的相关性度量。
进一步地,在终端还可以根据当前通信环境中的信噪比(Signal-to-NoiseRatio,SNR)等,在目标信道信息中添加特定功率的噪声后,再将携带噪声的目标信道信息输入至第二AI网络模型,以更贴近实际地模拟网络侧设备在当前通信环境下的接收目标信道信息并恢复第二信道信息的过程。
选项二,在终端根据所述网络侧设备发送的解调参考信号(DemodulationReference Signal,DMRS)信道估计的结果确定所述第二信道信息的情况下,该DMRS可以是网络侧设备根据第二信道信息确定的DMRS,这样,终端基于对网络侧设备发送的DMRS的信道估计,可以逆向推导出网络侧设备恢复的第二信道信息。
选项三,在终端根据至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息的情况下,网络侧设备在恢复第二信道信息后,可以将该第二信道信息通过预编码的方式映射至第一参考信号上,其中,该第一参考信号可以是跟踪参考信号(TrackingReference Signal,TRS)、CSI-RS或其他参考信号。这样,终端在接收该第一参考信号时,可以对其进行相应的解码,从而获取包括第二信道信息的预编码信息。
本实施方式中,终端通过以上方式中的任一种或至少两种获取第二信道信息后,可以将该第二信道信息与第一信道信息进行比对,以确定两者之间的相关性度量,从而生成可用于指示所述第一信道信息与所述第二信道信息之间的相关性度量,或者指示该相关性度量是否满足预设条件的第一指示信息。
与之相对应的,网络侧设备在获取该第一指示信息的情况下,可以根据第一指示信息来获取第二信道信息的准确程度,或者,在第一指示信息指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息时,该用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息可以是第一信道信息的表征参数,网络侧设备可以根据恢复的第二信道信息的表征参数与该第一信道信息的表征参数之间的相关性来确定第二信道信息的准确程度。这样,在确定第二信道信息的准确程度不能够满足预设条件时,可以更新第一AI网络模型和第三网络模型,或者,指示终端上报更长的目标信道特征信息,例如:指示终端采用编码长度更长的第一AI网络模型来对第一信道信息进行处理,以得到更长的目标信道特征信息,或者,在目标信道特征信息是第一AI网络模型得出的信道特征信息的部分的情况下,通过使目标辅助信息包含第一AI网络模型得出的信道特征信息的全部或另一部分,可以利用目标辅助信息来延长网络侧设备获取的信道特征信息的长度。
例如:在第一指示信息表示现有第一AI网络模型已经不足以支持CSI反馈精度的情况下,基站可以进行AI网络模型的训练,以训练得到具有更长的输出长度的第一AI网络模型和具有更长的输入长度的第三AI网络模型,并新训练的第一AI网络模型或者新训练的第一AI网络模型和第三AI网络模型下发给终端,以使基站和终端在完成AI网络更新后,使用更新后的第一AI网络模型和第三AI网络模型来进行信道特征信息的编码和恢复过程。需要说明的是,在基站获取上述第一指示信息表示现有第一AI网络模型已经不足以支持CSI反馈精度之后,且在基站和终端完成AI网络更新之前,基站还可以调整调度时使用的信道质量指示(Channel quality indicator,CQI)或降低调制和编码方案(Modulation andcoding scheme,MCS),或减少调度的层(layer)数等操作,并在等到基站和终端完成AI网络模型更新之后,再进行正常的操作。
需要说明的是,在第一指示信息表示现有第一AI网络模型已经不足以支持CSI反馈精度的情况下,基站也可以不调整第一AI网络模型和第三AI网络模型,而是直接对接收的信道特征信息进行拟合,或者对计算的CQI,MCS等进行补偿处理,在此不作具体限定。
<第二方面>
在实施中,上述目标辅助信息可以是终端根据第一信道信息对应的目标信道的信道状态确定的信息。
可选地,在所述终端向所述网络侧设备发送第一信息之前,所述方法还包括:
所述终端采用第四AI网络模型根据第二信息确定所述目标辅助信息,其中,所述第二信息包括以下至少一项:
所述第一信道信息;
所述目标信道特征信息。
在实施中,上述第四AI网络模型也可以称之为辅助网络模型,其可以将所述第一信道信息和所述目标信道特征信息中的至少一项作为输入,并输出所述目标辅助信息。在实施中,该辅助网络模型可以与编解码网络模型(即包括第一AI网络模型和第三AI网络模型的联合网络模型)进行联合训练得到。
例如:如图5a所示,第一AI网络模型和第四AI网络模型的输入都包括第一信道信息,但是两者的输出结果分别为目标信道特征信息和目标辅助信息,如:第四AI网络模型是编码长度较长的编码网络模型,而第一AI网络模型是编码长度较短的编码网络模型。
再例如:如图5b所示,第一AI网络模型的输入都包括第一信道信息,且输出结果分别为目标信道特征信息,第四AI网络模型的输入都包括目标信道特征信息,且输出结果为目标辅助信息。
再例如:如图5c所示,第一AI网络模型的输入都包括第一信道信息,且输出结果分别为目标信道特征信息,第四AI网络模型的输入都包括目标信道特征信息和第一信道信息,且输出结果为目标辅助信息。
本实施方式中,可以采用第四AI网络模型根据所述第一信道信息和所述目标信道特征信息中的至少一项来确定目标辅助信息,可以简化目标辅助信息的确定过程。
在实施中,上述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息,可以是将目标辅助信息和目标信道特征信息都作为第三AI网络模型的输入,以获取第三AI网络模型输出的第二信道信息;或者,将目标信道特征信息都作为第三AI网络模型的输入以获取第三AI网络模型输出的信道信息之后,利用目标辅助信息来修正或补充该第三AI网络模型输出的信道信息,以得到第二信道信息;或者,根据目标辅助信息来调节第三AI网络模型的参数、结构、权值等参数中的至少一项,并将目标信道特征信息都作为调节后的第三AI网络模型的输入,以获取该调节后的第三AI网络模型输出的第二信道信息。
在第一种可能的实现方式中,上述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息,可以是将目标辅助信息作为第三AI网络模型的一部分输入,以使第三AI网络模型基于该目标辅助信息和目标信道特征信息来恢复所述第二信道信息。换而言之,本实施方式下,解码器有两个输入,一个是编码器的编码结果(即目标信道特征信息),一个是目标辅助信息。此外,在终端没有上报目标辅助信息时候,编码器可以使用默认值来替代目标辅助信息对应的输入项。
例如:如图5d所示,第三AI网络模型包括两个输入项,其中一个是第一AI网络模型输出的目标信道特征信息,另一个是第四AI网络模型输出的目标辅助信息。
在第二种可能的实现方式中,上述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息,可以是在第三AI网络模型基于目标信道特征信息来恢复某一信道信息之后,将该信道信息和目标辅助信息输入至另一辅助恢复AI网络模型(即第五AI网络模型)中,以使该辅助恢复AI网络模型基于目标辅助信息对第三AI网络模型输出的信道信息进行修正或补充等操作,以得出准确度更高的第二信道信息。
例如:如图5e所示,在第三AI网络模型的输出端还设置有一个第五AI网络模型,该第五AI网络模型包括两个输入项,一个是第三AI网络模型输出的信道信息,另一个是第四AI网络模型输出的目标辅助信息。
在实施中,上述第四AI网络模型和第五AI网络模型可以是网络侧设备联合训练得到的AI网络模型,例如:辅助恢复网络(即包括第四AI网络模型和第五AI网络模型的联合网络模型)独立于编解码器(即包括第一AI网络模型和第三AI网络模型的联合网络模型)进行训练,即由编解码器的输入和输出作为联合输入,训练第四AI网络模型和第五AI网络模型。具体的,可以是针对每个训练好的编解码器,训练对应的辅助恢复网络,即编解码器有与辅助恢复网络一一对应,或者是基于所有编解码器的输入输出一起训练辅助恢复网络,即所有的编解码器对相同的辅助恢复网络。
当然,在实际应用中,辅助恢复网络和编解码器也可以是联合训练得到的,在此不作具体限定。
在第三种可能的实现方式中,上述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息,可以是:网络侧设备根据目标辅助信息修改第三AI网络模型的参数、权重甚至结构中的至少一项,并使用修改后的第三AI网络模型基于目标信道特征信息来恢复第二信道信息。这样,可以不更换编码器,而是直接优化解码器的参数和/或结构,使得解码器的输出结果更贴合实际值。
与上述第三种可能的实现方式相似的,网络侧设备还可以根据目标辅助信息修改第一AI网络模型的参数、权重甚至结构中的至少一项,并向终端下发修改后的第一AI网络模型,以使终端使用修改后的第一AI网络模型对第一信道信息进行处理能够得到更加准确的目标信道特征信息。
可选地,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
在实施中,上述第一长度可以是所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
上述第二长度可以是所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度。
例如:假设第一AI网络模型输出的是100bit的PMI信息(即目标信道特征信息),在需要反馈目标辅助信息的时候,可以改用输出200bit的PMI信息的AI网络模型,将这200bit的信息作为PMI反馈,此时,辅助信息就是更丰富的PMI信息;或者,将上述200bit的前100bit作为目标信道特征信息,后100bit作为目标辅助信息;或者,将上述200bit的某个位置的100bit作为目标信道特征信息,其他位置的100bit作为目标辅助信息。
本实施方式中,目标信道特征信息仅取第一AI网络模型输出的编码结果的一部分,而目标辅助信息可以取第一AI网络模型输出的编码结果的全部或者除了目标信道特征信息之外的另一部分,在实施中,终端可以在第一信道信息与第二信道信息之间的相关性度量满足预设条件的情况下,不上报目标辅助信息,这样,在网络侧设备根据部分编码结果能够恢复满足信道条件的信道信息时,可以减少上报的信道特征信息量,以降低其上报开销。
进一步地,所述目标信道特征信息由所述终端采用所述第四AI网络模型对所述第一信道信息进行处理得到;和/或,
所述目标信道特征信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的部分内容,且所述目标辅助信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的全部内容或除了所述目标信道特征信息之外的部分内容。
选项一,在所述目标信道特征信息由所述终端采用所述第四AI网络模型对所述第一信道信息进行处理得到的情况下,第一AI网络模型与所述第四AI网络模型可以是相同类型的编码网络模型,但是,第四AI网络模型输出的编码结果的长度大于第一AI网络模型输出的编码结果的长度。终端可以采用两个独立的编码网络模型来生成目标信道特征信息和目标辅助信息。
选项二,所述目标信道特征信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的部分内容,且所述目标辅助信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的全部内容或除了所述目标信道特征信息之外的部分内容的情况下,终端可以采用一个编码网络模型来生成一条完整的信道特征信息,且目标辅助信息可以取该条完整的信道特征信息中较长的部分或取全部,而目标信道特征信息则取该条完整的信道特征信息中较短的部分。
作为一种可选的实施方式,所述信道特征信息辅助上报方法还包括:
所述终端接收第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
所述终端向所述网络侧设备发送第一信息,包括:
所述终端通过所述目标上行资源向所述网络侧设备发送第一信息。
本实施方式中,网络侧设备可以为第一信息提前配置上报资源。
作为一种可选的实施方式,所述信道特征信息辅助上报方法还包括:
所述终端接收第二配置信息,其中,所述第二配置信息携带目标周期信息;
所述终端向所述网络侧设备发送第一信息,包括:
所述终端按照所述目标周期信息,周期性地向所述网络侧设备发送第一信息。
本实施方式中,网络侧设备可以配置第一信息的上报周期,以使终端周期性地上报第一信息。
作为一种可选的实施方式,所述终端向所述网络侧设备发送第一信息,包括:
所述终端在接收到第二指示信息的情况下,向所述网络侧设备发送第一信息,其中,所述第二指示信息用于触发所述第一信息的上报。
其中,第二指示信息可以是携带于媒体接入控制(Medium Access Control,MAC)控制单元(Control Element,CE)或下行控制信息(Downlink Control Information,DCI)中。
本实施方式中,终端在接收到第二指示信息的情况下,才触发向网络侧设备发送第一信息,在实施中,该触发可以是触发一次上报,即终端在接收到第二指示信息时,向网络侧设备发送一次第一信息。当然,该触发也可以是触发终端持续地或周期性地上报第一信息,即在终端接收到第二指示信息后,终端可以多次向网络侧设备发送第一信息,直至网络侧设备取消终端对第一信息的上报。
可选地,所述第一信息和所述目标信道特征信息携带于同一CSI报告中。
在实施中,网络侧设备可以配置CSI报告携带第一信息和所述目标信道特征信息,这样,可以默认开启第一信息的上报,而无需采用第二指示信息等方式来触发第一信息的上报。
在本申请实施例中,终端可以根据网络侧设备的指示或根据检测到的信道状态等,确定与当前信道状态匹配的第一AI网络模型,并利用该第一AI网络模型将信道信息处理成与该第一AI网络模型向对应的长度的编码信息(即目标信道特征信息),并向网络侧设备上报目标信道特征信息的全部或者部分内容,此外,终端还向网络侧设备上报第一信息,以告知网侧设备基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,或者将可用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息的目标辅助信息上报给网络侧设备。这样,网络侧设备可以根据基于所述目标信道特征信息恢复的第二信道信息的准确程度或者所述第一信道信息的准确程判断是否需要更新第三AI网络模型和第一AI网络模型;和/或,根据自身恢复的第二信道信息的可靠程度,判断是否采用目标辅助信息来辅助第二信道信息的恢复等,能够提升AI网络模型对信道特征信息的编码和解码结果的准确性。
请参阅图6,本申请实施例提供的一种信道特征信息恢复方法,其执行主体可以是网络侧设备,该终端可以是如图1中列举的各种类型的网络侧设备12,或者是除了如图1所示实施例中列举的网络侧设备类型之外的其他网络侧设备,在此不作具体限定。如图6所示,该信道特征信息恢复方法可以包括以下步骤:
步骤601、网络侧设备获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
步骤602、所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
在实施中,上述第一信息、目标信道特征信息和第二信道信息分别与如图2所示方法实施例中的第一信息、目标信道特征信息和第二信道信息具有相同的含义,在此不再赘述。
可选地,所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息,包括:
所述网络侧设备基于所述第一信息判断是否更新第三AI网络模型;
在所述网络侧设备确定更新所述第三AI网络模型的情况下,采用更新后的所述第三AI网络模型基于所述目标信道特征信息恢复所述第二信道信息;
所述信道特征信息恢复方法还包括:
所述网络侧设备向所述终端发送更新后的第一AI网络模型的相关参数,或者,向所述终端发送更新后的所述第一AI网络模型和更新后的所述第三AI网络模型的相关参数,其中,所述更新后的第一AI网络模型与所述更新后的第三AI网络模型关联。
可选地,所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息,包括:
所述网络侧设备采用所述第三AI网络模型基于所述第一信息和/或所述目标信道特征信息恢复第三信道信息,以及采用第五AI网络模型对所述目标辅助信息和所述第三信道信息进行处理,得到所述第二信道信息;
或者,
所述网络侧设备采用所述第三AI网络模型将所述目标信道特征信息处理成第三信息,以及采用所述第五AI网络模型基于所述目标辅助信息和所述第三信息恢复所述第二信道信息。
当然,在实施中,上述网络侧设备还可以基于目标辅助信息调节第三AI网络模型的参数、结构和权值中的至少一项,并采用调节后的第三AI网络模型基于目标信道特征信息恢复所述第二信道信息。
可选地,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
第一信道信息与所述第二信道信息之间的相关性度量,其中,所述目标CSI信息由所述终端采用第一AI网络模型对所述第一信道信息进行处理得到;
所述相关性度量满足预设条件息,或者,所述相关性度量不满足所述预设条件。
可选地,所述信道特征信息恢复方法还包括:
所述网络侧设备向所述终端发送所述第三AI网络模型的相关信息,其中,所述终端采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,所述第二AI网络模型与所述第三AI网络模型对应;和/或,
所述网络侧设备根据所述第二信道信息确定解调参考信号DMRS,并向所述终端发送所述DMRS;和/或,
所述网络侧设备根据所述第二信道信息对第一参考信号进行预编码,并向所述终端发送预编码后的所述第一参考信号。
可选地,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
可选地,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度,所述目标信道特征信息为所述第一AI网络模为对所述第一信道信息进行处理后得到的信道特征信息的部分内容。
可选地,所述信道特征信息恢复方法还包括:
所述网络侧设备向所述终端发送第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
所述网络侧设备获取来自终端的第一信息,包括:
所述网络侧设备通过所述目标上行资源获取来自终端的第一信息。
可选地,所述信道特征信息恢复方法还包括:
所述网络侧设备向所述终端发送第二配置信息,其中,所述第二配置信息携带目标周期信息;
所述网络侧设备获取来自终端的第一信息,包括:
所述网络侧设备按照所述目标周期信息,周期性地获取来自终端的第一信息。
可选地,所述信道特征信息恢复方法还包括:
所述网络侧设备向所述终端发送第二指示信息,其中,所述第二指示信息用于触发所述终端上报所述第一信息。
可选地,所述第一信息和所述目标信道特征信息携带于同一CSI报告中。
本申请实施例中,网络侧设备能够根据终端上报的第一指示信息来判断是否下发新的编解码网络模型,以使终端和网络侧设备能够利用新下发的编解码网络模型来提升对第一信道信息的编解码结果的准确程度,和/或,网络侧设备能够根据终端上报的目标辅助信息来提升恢复的第二信道信息的准确程度。
为了便于说明本申请实施例提供的信道特征信息辅助上报方法和信道特征信息恢复方法,本申请实施例通过以下信道特征信息的交互流程作为举例来说明本申请实施例提供的信道特征信息辅助上报方法和信道特征信息恢复方法,本实施例中,信道特征信息的交互流程包括以下步骤:
步骤1、终端在网络指定的时频域位置检测CSI-RS或TRS,并进行信道估计,得到第一信道信息;
步骤2、终端通过第一AI网络模型(即AI编码网络模型)将第一信道信息编码为目标信道特征信息;
步骤3、终端将目标信道特征信息的部分或全部内容、第一信息以及其他控制信息组合为上行控制信息(Uplink Control Information,UCI),或者将目标信道特征信息的部分或全部内容作为UCI;
步骤4、终端根据UCI的长度对UCI进行分割,并添加循环冗余校验(Cyclicredundancy check,CRC)比特;
步骤5、终端对添加CRC比特的UCI进行信道编码;
步骤6、终端对UCI进行速率匹配;
步骤7、终端对UCI进行码块关联;
步骤8、终端将UCI映射到物理上行控制信道(Physical Uplink ControlChannel,PUCCH)或物理上行共享信道(Physical Uplink Shared Channel,PUSCH)进行上报。
需要说明的是,上述信道特征信息的交互流程中,部分步骤的顺序可以调整或者省略,在此不构成具体限定。
本申请实施例提供的信道特征信息辅助上报方法,执行主体可以为信道特征信息辅助上报装置。本申请实施例中以信道特征信息辅助上报装置执行信道特征信息辅助上报方法为例,说明本申请实施例提供的信道特征信息辅助上报装置。
请参阅图7,本申请实施例提供的一种信道特征信息辅助上报装置,可以是终端内的装置,如图7所示,该信道特征信息辅助上报装置700可以包括以下模块:
第一处理模块701,用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
第一发送模块702,用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;
其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
可选的,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
所述第一信道信息与所述第二信道信息之间的相关性度量;
所述相关性度量满足预设条件,或者,所述相关性度量不满足所述预设条件。
可选的,信道特征信息辅助上报装置700还包括:
第一获取模块,用于采用以下方式中的至少一项获取所述第二信道信息:
采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息;
根据所述网络侧设备发送的解调参考信号DMRS信道估计的结果确定所述第二信道信息;
根据至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息。
可选的,信道特征信息辅助上报装置700还包括:
第一接收模块,用于接收来自所述网络侧设备的所述第三AI网络模型的相关信息;
第三确定模块,用于根据所述第三AI网络模型的相关信息确定所述第二AI网络模型。
可选的,所述第一信道信息与所述第二信道信息之间的相关性度量,包括以下至少一项:
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的相关性参数;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵映射至目标变换域后的相关性参数,其中,所述目标变换域包括角度时延域和时延多普勒域中的至少一项;
所述第一信道信息和所述第二信道信息各自对应的等效信道的功率的差值;
所述第一信道信息和所述第二信道信息各自对应的吞吐量的差值;
所述第一信道信息和所述第二信道信息各自对应的信道质量指示CQI的差值;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的差值的范数。
可选的,所述相关性度量满足预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述预设数量关系的次数小于预设次数;
和/或,
所述相关性度量不满足所述预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈非预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述非预设数量关系的次数大于或等于所述预设次数。
可选的,所述终端向所述网络侧设备发送第一信息,包括:
所述终端在所述第一信道信息与所述第二信道信息之间的相关性度量满足所述预设条件的情况下,向所述网络侧设备发送第一信息。
可选的,信道特征信息辅助上报装置700还包括:
第一确定模块,用于采用第四AI网络模型根据第二信息确定所述目标辅助信息,其中,所述第二信息包括以下至少一项:
所述第一信道信息;
所述目标信道特征信息。
可选的,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
可选的,,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度。
可选的,,所述目标信道特征信息由所述终端采用所述第四AI网络模型对所述第一信道信息进行处理得到;和/或,
所述目标信道特征信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的部分内容,且所述目标辅助信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的全部内容或除了所述目标信道特征信息之外的部分内容。
可选的,信道特征信息辅助上报装置700还包括:
第二接收模块,用于接收第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
第一发送模块702,具体用于:
通过所述目标上行资源向所述网络侧设备发送第一信息。
可选的,信道特征信息辅助上报装置700还包括:
第三接收模块,用于接收第二配置信息,其中,所述第二配置信息携带目标周期信息;
第一发送模块702,具体用于:
按照所述目标周期信息,周期性地向所述网络侧设备发送第一信息。
可选的,第一发送模块702,具体用于:
在所述终端接收到第二指示信息的情况下,向所述网络侧设备发送第一信息,其中,所述第二指示信息用于触发所述第一信息的上报。
可选的,所述第一信息和所述目标信道特征信息携带于同一CSI报告中。
本申请实施例中的信道特征信息辅助上报装置700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。
本申请实施例提供的信道特征信息辅助上报装置700能够实现图2所示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。
本申请实施例提供的信道特征信息恢复方法,执行主体可以为信道特征信息恢复装置。本申请实施例中以信道特征信息恢复装置执行信道特征信息恢复方法为例,说明本申请实施例提供的信道特征信息恢复装置。
请参阅图8,本申请实施例提供的一种信道特征信息恢复装置,可以是网络侧设备内的装置,如图8所示,该信道特征信息恢复装置800可以包括以下模块:
第二获取模块801,用于获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;
第二确定模块802,用于根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
可选的,第二确定模块802,包括:
第一确定单元,用于基于所述第一信息判断是否更新第三AI网络模型;
第二处理模块,用于在所述网络侧设备确定更新所述第三AI网络模型的情况下,采用更新后的所述第三AI网络模型基于所述目标信道特征信息恢复所述第二信道信息;
所述装置还包括:
第二发送模块,用于向所述终端发送更新后的第一AI网络模型的相关参数,或者,向所述终端发送更新后的所述第一AI网络模型和更新后的所述第三AI网络模型的相关参数,其中,所述更新后的第一AI网络模型与所述更新后的第三AI网络模型关联。
可选的,第二确定模块802,具体用于:
采用所述第三AI网络模型基于所述第一信息和/或所述目标信道特征信息恢复第三信道信息,以及采用第五AI网络模型对所述目标辅助信息和所述第三信道信息进行处理,得到所述第二信道信息;
或者,
采用所述第三AI网络模型将所述目标信道特征信息处理成第三信息,以及采用所述第五AI网络模型基于所述目标辅助信息和所述第三信息恢复所述第二信道信息。
可选的,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
第一信道信息与所述第二信道信息之间的相关性度量,其中,所述目标CSI信息由所述终端采用第一AI网络模型对所述第一信道信息进行处理得到;
所述相关性度量满足预设条件息,或者,所述相关性度量不满足所述预设条件。
可选的,信道特征信息恢复装置800还包括:
第三发送模块,用于向所述终端发送所述第三AI网络模型的相关信息,其中,所述终端采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,所述第二AI网络模型与所述第三AI网络模型对应;和/或,
第四发送模块,用于根据所述第二信道信息确定解调参考信号DMRS,并向所述终端发送所述DMRS;和/或,
第五发送模块,用于根据所述第二信道信息对第一参考信号进行预编码,并向所述终端发送预编码后的所述第一参考信号。
可选的,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
可选的,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度,所述目标信道特征信息为所述第一AI网络模为对所述第一信道信息进行处理后得到的信道特征信息的部分内容。
可选的,信道特征信息恢复装置800还包括:
第六发送模块,用于向所述终端发送第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
第二获取模801,具体用于:
通过所述目标上行资源获取来自终端的第一信息。
可选的,信道特征信息恢复装置800还包括:
第七发送模块,用于向所述终端发送第二配置信息,其中,所述第二配置信息携带目标周期信息;
第二获取模801,具体用于:
按照所述目标周期信息,周期性地获取来自终端的第一信息。
可选的,信道特征信息恢复装置800还包括:
第八发送模块,用于向所述终端发送第二指示信息,其中,所述第二指示信息用于触发所述终端上报所述第一信息。
本申请实施例中的信道特征信息恢复装置800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。该电子设备可以是网络侧设备,也可以为除网络侧设备之外的其他设备。示例性的,终端可以包括但不限于上述所列举的网络侧设备12的类型,其他设备可以为服务器、网络附属存储器(Network AttachedStorage,NAS)等,本申请实施例不作具体限定。
本申请实施例提供的信道特征信息恢复装置800能够实现图6所示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9所示,本申请实施例还提供一种通信设备900,包括处理器901和存储器902,存储器902上存储有可在所述处理器901上运行的程序或指令,例如,该通信设备900为终端时,该程序或指令被处理器901执行时实现上述信道特征信息辅助上报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900为网络侧设备时,该程序或指令被处理器901执行时实现上述信道特征信息恢复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,处理器用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息,通信接口用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
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10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1000包括但不限于:射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009以及处理器1010等中的至少部分部件。
本领域技术人员可以理解,终端1000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1010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10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1004可以包括图形处理单元(GraphicsProcessing Unit,GPU)10041和麦克风10042,图形处理器10041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1006可包括显示面板10 061,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10061。用户输入单元1007包括触控面板10071以及其他输入设备10072中的至少一种。触控面板10071,也称为触摸屏。触控面板10071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10072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1001接收来自网络侧设备的下行数据后,可以传输给处理器1010进行处理;另外,射频单元1001可以向网络侧设备发送上行数据。通常,射频单元1001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1009可用于存储软件程序或指令以及各种数据。存储器1009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1009可以包括易失性存储器或非易失性存储器,或者,存储器1009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1009包括但不限于这些和任意其它适合类型的存储器。
处理器1010可包括一个或多个处理单元;可选的,处理器1010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1010中。
其中,处理器1010,用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
射频单元1001,用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
可选地,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
所述第一信道信息与所述第二信道信息之间的相关性度量;
所述相关性度量满足预设条件,或者,所述相关性度量不满足所述预设条件。
可选地,终端1000还用于采用以下方式中的至少一项获取所述第二信道信息:
通过处理器1010采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息;
根据射频单元1001获取的所述网络侧设备发送的解调参考信号DMRS信道估计的结果确定所述第二信道信息;
根据射频单元1001从至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息。
可选地,射频单元1001,还用于接收来自所述网络侧设备的所述第三AI网络模型的相关信息;
处理器1010,还用于根据所述第三AI网络模型的相关信息确定所述第二AI网络模型。
可选地,所述第一信道信息与所述第二信道信息之间的相关性度量,包括以下至少一项:
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的相关性参数;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵映射至目标变换域后的相关性参数,其中,所述目标变换域包括角度时延域和时延多普勒域中的至少一项;
所述第一信道信息和所述第二信道信息各自对应的等效信道的功率的差值;
所述第一信道信息和所述第二信道信息各自对应的吞吐量的差值;
所述第一信道信息和所述第二信道信息各自对应的信道质量指示CQI的差值;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的差值的范数。
可选地,所述相关性度量满足预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述预设数量关系的次数小于预设次数;
和/或,
所述相关性度量不满足所述预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈非预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述非预设数量关系的次数大于或等于所述预设次数。
可选地,射频单元1001执行的所述向所述网络侧设备发送第一信息,包括:
在所述第一信道信息与所述第二信道信息之间的相关性度量满足所述预设条件的情况下,向所述网络侧设备发送第一信息。
可选地,在射频单元1001执行所述向所述网络侧设备发送第一信息之前,处理器1010,还用于采用第四AI网络模型根据第二信息确定所述目标辅助信息,其中,所述第二信息包括以下至少一项:
所述第一信道信息;
所述目标信道特征信息。
可选地,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
可选地,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度。
可选地,所述目标信道特征信息由所述终端采用所述第四AI网络模型对所述第一信道信息进行处理得到;和/或,
所述目标信道特征信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的部分内容,且所述目标辅助信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的全部内容或除了所述目标信道特征信息之外的部分内容。
可选地,射频单元1001,还用于接收第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
射频单元1001执行的所述向所述网络侧设备发送第一信息,包括:
通过所述目标上行资源向所述网络侧设备发送第一信息。
可选地,射频单元1001,还用于接收第二配置信息,其中,所述第二配置信息携带目标周期信息;
射频单元1001执行的所述向所述网络侧设备发送第一信息,包括:
按照所述目标周期信息,周期性地向所述网络侧设备发送第一信息。
可选地,射频单元1001执行的所述向所述网络侧设备发送第一信息,包括:
射频单元1001在接收到第二指示信息的情况下,向所述网络侧设备发送第一信息,其中,所述第二指示信息用于触发所述第一信息的上报。
可选地,所述第一信息和所述目标信道特征信息携带于同一CSI报告中。
本申请实施例提供的终端1000,能够执行如图7所示信道特征信息辅助上报装置700中的各模块执行的各个过程,且能够取得相同的有益效果,为避免重复,在此不再赘述。
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,通信接口用于获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;所述处理器用于根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
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11所示,该网络侧设备1100包括:天线1101、射频装置1102、基带装置1103、处理器1104和存储器1105。天线1101与射频装置1102连接。在上行方向上,射频装置1102通过天线1101接收信息,将接收的信息发送给基带装置1103进行处理。在下行方向上,基带装置1103对要发送的信息进行处理,并发送给射频装置1102,射频装置1102对收到的信息进行处理后经过天线1101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1103中实现,该基带装置1103包括基带处理器。
基带装置1103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11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1105连接,以调用存储器1105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1106,该接口例如为通用公共无线接口(common public radio interface,CPRI)。
具体地,本发明实施例的网络侧设备1100还包括:存储在存储器1105上并可在处理器1104上运行的指令或程序,处理器1104调用存储器1105中的指令或程序执行图8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如图2或图6所示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,实现如图2或图6所示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如图2或图6所示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通信系统,包括:终端及网络侧设备,所述终端可用于执行如图2所示的信道特征信息辅助上报方法实施例的各个步骤,所述网络侧设备可用于执行如图6所示的信道特征信息恢复方法实施例的各个步骤。
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 (34)
1.一种信道特征信息辅助上报方法,其特征在于,包括:
终端采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
所述终端向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;
其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
2.根据权利要求1所述的方法,其特征在于,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
所述第一信道信息与所述第二信道信息之间的相关性度量;
所述相关性度量满足预设条件,或者,所述相关性度量不满足所述预设条件。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
所述终端采用以下方式中的至少一项获取所述第二信道信息:
采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息;
根据所述网络侧设备发送的解调参考信号DMRS信道估计的结果确定所述第二信道信息;
根据至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
所述终端接收来自所述网络侧设备的所述第三AI网络模型的相关信息;
所述终端根据所述第三AI网络模型的相关信息确定所述第二AI网络模型。
5.根据权利要求2所述的方法,其特征在于,所述第一信道信息与所述第二信道信息之间的相关性度量,包括以下至少一项:
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的相关性参数;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵映射至目标变换域后的相关性参数,其中,所述目标变换域包括角度时延域和时延多普勒域中的至少一项;
所述第一信道信息和所述第二信道信息各自对应的等效信道的功率的差值;
所述第一信道信息和所述第二信道信息各自对应的吞吐量的差值;
所述第一信道信息和所述第二信道信息各自对应的信道质量指示CQI的差值;
所述第一信道信息和所述第二信道信息各自对应的信道矩阵的差值的范数。
6.根据权利要求5所述的方法,其特征在于,所述相关性度量满足预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述预设数量关系的次数小于预设次数;
和/或,
所述相关性度量不满足所述预设条件的指示信息,包括以下至少一项:
所述相关性度量与预设阈值之间呈非预设数量关系,其中,所述预设阈值为预设常数或者所述预设阈值包括根据历史信道特征信息的反馈结果确定的相关性度量值;
所述相关性度量与所述预设阈值呈所述非预设数量关系的次数大于或等于所述预设次数。
7.根据权利要求6所述的方法,其特征在于,所述终端向所述网络侧设备发送第一信息,包括:
所述终端在所述第一信道信息与所述第二信道信息之间的相关性度量满足所述预设条件的情况下,向所述网络侧设备发送第一信息。
8.根据权利要求1所述的方法,其特征在于,在所述终端向所述网络侧设备发送第一信息之前,所述方法还包括:
所述终端采用第四AI网络模型根据第二信息确定所述目标辅助信息,其中,所述第二信息包括以下至少一项:
所述第一信道信息;
所述目标信道特征信息。
9.根据权利要求8所述的方法,其特征在于,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
10.根据权利要求9所述的方法,其特征在于,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度。
11.根据权利要求9所述的方法,其特征在于,所述目标信道特征信息由所述终端采用所述第四AI网络模型对所述第一信道信息进行处理得到;和/或,
所述目标信道特征信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的部分内容,且所述目标辅助信息包括所述第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的全部内容或除了所述目标信道特征信息之外的部分内容。
12.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述终端接收第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
所述终端向所述网络侧设备发送第一信息,包括:
所述终端通过所述目标上行资源向所述网络侧设备发送第一信息。
13.根据权利要求1或12所述的方法,其特征在于,所述方法还包括:
所述终端接收第二配置信息,其中,所述第二配置信息携带目标周期信息;
所述终端向所述网络侧设备发送第一信息,包括:
所述终端按照所述目标周期信息,周期性地向所述网络侧设备发送第一信息。
14.根据权利要求1或12所述的方法,其特征在于,所述终端向所述网络侧设备发送第一信息,包括:
所述终端在接收到第二指示信息的情况下,向所述网络侧设备发送第一信息,其中,所述第二指示信息用于触发所述第一信息的上报。
15.根据权利要求1所述的方法,其特征在于,所述第一信息和所述目标信道特征信息携带于同一CSI报告中。
16.一种信道特征信息辅助上报装置,其特征在于,应用于终端,所述装置包括:
第一处理模块,用于采用第一AI网络模型将第一信道信息处理成目标信道特征信息;
第一发送模块,用于向网络侧设备发送所述目标信道特征信息,以及向所述网络侧设备发送第一信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项;
其中,所述第一指示信息用于指示基于所述目标信道特征信息恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第一获取模块,用于采用以下方式中的至少一项获取所述第二信道信息:
采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,其中,所述第二AI网络模型与所述网络侧设备采用的第三AI网络模型相关,所述第三AI网络模型用于基于所述目标信道特征信息恢复所述第二信道信息;
根据所述网络侧设备发送的解调参考信号DMRS信道估计的结果确定所述第二信道信息;
根据至少部分端口获取的第一参考信号确定所述第二信道信息,其中,所述第一参考信号为预编码的参考信号,且所述第一参考信号的预编码信息包括所述网络侧设备采用所述第三AI网络模型基于所述目标信道特征信息恢复的所述第二信道信息。
18.根据权利要求16所述的装置,其特征在于,所述装置还包括:
第一确定模块,用于采用第四AI网络模型根据第二信息确定所述目标辅助信息,其中,所述第二信息包括以下至少一项:
所述第一信道信息;
所述目标信道特征信息。
19.一种信道特征信息恢复方法,其特征在于,包括:
网络侧设备获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;
所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
20.根据权利要求19所述的方法,其特征在于,所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息,包括:
所述网络侧设备基于所述第一信息判断是否更新第三AI网络模型;
在所述网络侧设备确定更新所述第三AI网络模型的情况下,采用更新后的所述第三AI网络模型基于所述目标信道特征信息恢复所述第二信道信息;
所述方法还包括:
所述网络侧设备向所述终端发送更新后的第一AI网络模型的相关参数,或者,向所述终端发送更新后的所述第一AI网络模型和更新后的所述第三AI网络模型的相关参数,其中,所述更新后的第一AI网络模型与所述更新后的第三AI网络模型关联。
21.根据权利要求19所述的方法,其特征在于,所述网络侧设备根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息,包括:
所述网络侧设备采用所述第三AI网络模型基于所述第一信息和/或所述目标信道特征信息恢复第三信道信息,以及采用第五AI网络模型对所述目标辅助信息和所述第三信道信息进行处理,得到所述第二信道信息;
或者,
所述网络侧设备采用所述第三AI网络模型将所述目标信道特征信息处理成第三信息,以及采用所述第五AI网络模型基于所述目标辅助信息和所述第三信息恢复所述第二信道信息。
22.根据权利要求19所述的方法,其特征在于,所述第一指示信息用于指示以下至少一项:
所述第一信道信息的表征参数;
第一信道信息与所述第二信道信息之间的相关性度量,其中,所述目标CSI信息由所述终端采用第一AI网络模型对所述第一信道信息进行处理得到;
所述相关性度量满足预设条件息,或者,所述相关性度量不满足所述预设条件。
23.根据权利要求22所述的方法,其特征在于,所述方法还包括:
所述网络侧设备向所述终端发送所述第三AI网络模型的相关信息,其中,所述终端采用第二AI网络模型基于所述目标信道特征信息恢复所述第二信道信息,所述第二AI网络模型与所述第三AI网络模型对应;和/或,
所述网络侧设备根据所述第二信道信息确定解调参考信号DMRS,并向所述终端发送所述DMRS;和/或,
所述网络侧设备根据所述第二信道信息对第一参考信号进行预编码,并向所述终端发送预编码后的所述第一参考信号。
24.根据权利要求19所述的方法,其特征在于,所述目标信道特征信息包括第一长度的信道特征信息,所述目标辅助信息包括第二长度的信道特征信息或者所述第二长度的信道特征信息中除了所述第一长度的信道特征信息的部分,所述第二长度大于所述第一长度。
25.根据权利要求24所述的方法,其特征在于,所述第一长度为所述目标信道特征信息的比特数或所述目标信道特征信息包含的系数的个数;和/或,
所述第二长度为第一AI网络模型对所述第一信道信息进行处理后得到的信道特征信息的长度,所述目标信道特征信息为所述第一AI网络模为对所述第一信道信息进行处理后得到的信道特征信息的部分内容。
26.根据权利要求19所述的方法,其特征在于,所述方法还包括:
所述网络侧设备向所述终端发送第一配置信息,其中,所述第一配置信息用于配置目标上行资源;
所述网络侧设备获取来自终端的第一信息,包括:
所述网络侧设备通过所述目标上行资源获取来自终端的第一信息。
27.根据权利要求19或26所述的方法,其特征在于,所述方法还包括:
所述网络侧设备向所述终端发送第二配置信息,其中,所述第二配置信息携带目标周期信息;
所述网络侧设备获取来自终端的第一信息,包括:
所述网络侧设备按照所述目标周期信息,周期性地获取来自终端的第一信息。
28.根据权利要求19或26所述的方法,其特征在于,所述方法还包括:
所述网络侧设备向所述终端发送第二指示信息,其中,所述第二指示信息用于触发所述终端上报所述第一信息。
29.一种信道特征信息恢复装置,其特征在于,应用于网络侧设备,所述装置包括:
第二获取模块,用于获取来自终端的第一信息,以及获取来自所述终端的目标信道特征信息,所述第一信息包括第一指示信息和目标辅助信息中的至少一项,其中,所述第一指示信息用于指示基于所述目标信道特征恢复的第二信道信息的准确程度或者指示用于辅助所述网络侧设备确定所述第二信道信息的准确程度的信息,所述目标辅助信息用于辅助所述网络侧设备基于所述目标信道特征信息恢复所述第二信道信息;
第二确定模块,用于根据采用第三AI网络模型对所述目标信道特征信息的信道恢复结果和所述第一信息,确定所述第二信道信息。
30.根据权利要求29所述的装置,其特征在于,所述第二确定模块,包括:
第一确定单元,用于基于所述第一信息判断是否更新第三AI网络模型;
第二处理模块,用于在所述网络侧设备确定更新所述第三AI网络模型的情况下,采用更新后的所述第三AI网络模型基于所述目标信道特征信息恢复所述第二信道信息;
所述装置还包括:
第二发送模块,用于向所述终端发送更新后的第一AI网络模型的相关参数,或者,向所述终端发送更新后的所述第一AI网络模型和更新后的所述第三AI网络模型的相关参数,其中,所述更新后的第一AI网络模型与所述更新后的第三AI网络模型关联。
31.根据权利要求29所述的装置,其特征在于,所述第二确定模块,具体用于:
采用所述第三AI网络模型基于所述第一信息和/或所述目标信道特征信息恢复第三信道信息,以及采用第五AI网络模型对所述目标辅助信息和所述第三信道信息进行处理,得到所述第二信道信息;
或者,
采用所述第三AI网络模型将所述目标信道特征信息处理成第三信息,以及采用所述第五AI网络模型基于所述目标辅助信息和所述第三信息恢复所述第二信道信息。
32.一种终端,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15中任一项所述的信道特征信息辅助上报方法的步骤。
33.一种网络侧设备,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19至28中任一项所述的信道特征信息恢复方法的步骤。
34.一种可读存储介质,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15中任一项所述的信道特征信息辅助上报方法,或者实现如权利要求19至28中任一项所述的信道特征信息恢复方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210281152.8A CN116828496A (zh) | 2022-03-21 | 2022-03-21 | 信道特征信息辅助上报及恢复方法、终端和网络侧设备 |
PCT/CN2023/082129 WO2023179474A1 (zh) | 2022-03-21 | 2023-03-17 | 信道特征信息辅助上报及恢复方法、终端和网络侧设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210281152.8A CN116828496A (zh) | 2022-03-21 | 2022-03-21 | 信道特征信息辅助上报及恢复方法、终端和网络侧设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116828496A true CN116828496A (zh) | 2023-09-29 |
Family
ID=88099894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210281152.8A Pending CN116828496A (zh) | 2022-03-21 | 2022-03-21 | 信道特征信息辅助上报及恢复方法、终端和网络侧设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116828496A (zh) |
WO (1) | WO2023179474A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108512621B (zh) * | 2018-03-02 | 2020-12-29 | 东南大学 | 一种基于神经网络的无线信道建模方法 |
US20210345134A1 (en) * | 2018-10-19 | 2021-11-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Handling of machine learning to improve performance of a wireless communications network |
WO2020091543A1 (ko) * | 2018-11-02 | 2020-05-07 | 엘지전자 주식회사 | 무선 통신 시스템에서 채널 상태 정보를 보고하기 위한 방법 및 이를 위한 장치 |
CN112005565B (zh) * | 2020-06-29 | 2022-08-26 | 北京小米移动软件有限公司 | 用户设备辅助信息的上报方法及装置、用户设备、存储介质 |
CN113938232A (zh) * | 2020-07-13 | 2022-01-14 | 华为技术有限公司 | 通信的方法及通信装置 |
-
2022
- 2022-03-21 CN CN202210281152.8A patent/CN116828496A/zh active Pending
-
2023
- 2023-03-17 WO PCT/CN2023/082129 patent/WO2023179474A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023179474A1 (zh) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023185978A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2023246618A1 (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
KR20230138538A (ko) | 정보 리포팅 방법, 장치, 제1 장치 및 제2 장치 | |
CN116828496A (zh) | 信道特征信息辅助上报及恢复方法、终端和网络侧设备 | |
CN116488747A (zh) | 信息交互方法、装置及通信设备 | |
WO2023179476A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117411527A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2023179473A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2024037380A1 (zh) | 信道信息处理方法、装置、通信设备及存储介质 | |
CN117978218A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
WO2024032606A1 (zh) | 信息传输方法、装置、设备、系统及存储介质 | |
CN117335849A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN116939647A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN116996898A (zh) | Ai网络模型确定方法、装置、参考节点和网络侧设备 | |
CN116939650A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
WO2024104126A1 (zh) | 更新ai网络模型的方法、装置和通信设备 | |
WO2023185995A1 (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117750395A (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN118042450A (zh) | 信息传输方法、更新ai网络模型的方法、装置和通信设备 | |
WO2023179570A1 (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117978304A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN117715072A (zh) | 信息传输方法、ai网络模型训练方法、装置和通信设备 | |
CN117997484A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN116828497A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117997396A (zh) | 信息传输方法、信息处理方法、装置和通信设备 |
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 |