CN116828499A - 信道特征信息传输方法、装置、终端及网络侧设备 - Google Patents
信道特征信息传输方法、装置、终端及网络侧设备 Download PDFInfo
- Publication number
- CN116828499A CN116828499A CN202210289411.1A CN202210289411A CN116828499A CN 116828499 A CN116828499 A CN 116828499A CN 202210289411 A CN202210289411 A CN 202210289411A CN 116828499 A CN116828499 A CN 116828499A
- Authority
- CN
- China
- Prior art keywords
- characteristic information
- channel characteristic
- network model
- channel
- information
- 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 146
- 230000005540 biological transmission Effects 0.000 title claims abstract description 62
- 238000007781 pre-processing Methods 0.000 claims description 25
- 238000013139 quantization Methods 0.000 claims description 20
- 230000002441 reversible effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 29
- 238000012545 processing Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 229920006934 PMI Polymers 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000003068 static 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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0006—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission format
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0033—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the transmitter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0036—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the receiver
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0205—Traffic management, e.g. flow control or congestion control at the air interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/04—Error control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种信道特征信息传输方法、装置、终端及网络侧设备,属于通信技术领域,本申请实施例的信道特征信息传输方法包括:终端将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
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传输方法、装置、终端及网络侧设备。
背景技术
随着科学技术的发展,人们已经开始研究将人工智能(ArtificialIntelligence,AI)网络应用在通信系统中,例如网络侧设备和终端之间可以通过AI网络模型来传输通信数据。目前,终端侧用于编码的AI网络模型和网络侧用于解码的AI网络模型是联合训练的,训练的时候编码比特(bit)不会发生错误,但是空口传输的时候,若信道信息较大,可能会造成信道特征信息丢失。
发明内容
本申请实施例提供一种信道特征信息传输方法、装置、终端及网络侧设备,能够解决相关技术中信道信息较大而可能丢失的问题。
第一方面,提供了一种信道特征信息传输方法,包括:
终端将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
第二方面,提供了一种信道特征信息传输方法,包括:
网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
第三方面,提供了一种信道特征信息传输装置,包括:
获取模块,用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
上报模块,用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
第四方面,提供了一种信道特征信息传输装置,包括:
接收模块,用于接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
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信道特征信息传输方法的步骤。
第六方面,提供了一种终端,包括处理器及通信接口,其中,所述处理器用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息,所述通信接口用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
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二方面所述的信道特征信息传输方法的步骤。
第八方面,提供了一种网络侧设备,包括处理器及通信接口,所述通信接口用于接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
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传输方法的步骤,所述网络侧设备可用于执行如第二方面所述的信道特征信息传输方法的步骤。
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信道特征信息传输方法的步骤,或者实现如第二方面所述的信道特征信息传输方法的步骤。
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信道特征信息传输方法,或实现如第二方面所述的信道特征信息传输方法。
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传输方法,或者以实现如第二方面所述的信道特征信息传输方法。
在本申请实施例中,终端能够将信道信息分别输入第一AI网络模型和第二AI网络模型,获取第一AI网络模型输出的第一信道特征信息和第二AI网络模型输出的第二信道特征信息,并上报给网络侧设备,网络侧设备能够分别通过对应的第三AI网络模型和第四AI网络模型进行处理,以恢复信道信息。这样,对于长度较长的信道信息,终端和网络侧设备能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
附图说明
图1是本申请实施例可应用的一种无线通信系统的框图;
图2是本申请实施例提供的一种信道特征信息传输方法的流程图;
图2a是本申请实施例提供的一种信道特征信息传输方法中对信道信息进行预处理的示意图之一;
图2b是本申请实施例提供的一种信道特征信息传输方法中对信道信息进行预处理的示意图之二;
图2c是本申请实施例提供的一种信道特征信息传输方法中对信道信息进行预处理的示意图之三;
图2d是本申请实施例提供的一种信道特征信息传输方法中拼接操作的示意图之一;
图2e是本申请实施例提供的一种信道特征信息传输方法中拼接操作的示意图之二;
图2f是本申请实施例提供的一种信道特征信息传输方法中拼接操作的示意图之三;
图2g是本申请实施例提供的一种信道特征信息传输方法中拼接操作的示意图之四;
图3是本申请实施例提供的另一种信道特征信息传输方法的流程图;
图4是本申请实施例提供的一种信道特征信息传输装置的结构图;
图5是本申请实施例提供的另一种信道特征信息传输装置的结构图;
图6是本申请实施例提供的一种通信设备的结构图;
图7是本申请实施例提供的一种终端的结构图;
图8是本申请实施例提供的一种网络侧设备的结构图。
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。
为更好地理解本申请的技术方案,以下对本申请实施例中可能涉及的相关概念进行解释说明。
由信息论可知,准确的信道状态信息(channel state information,CSI)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 and coding scheme,MCS)实现链路自适应;预编码矩阵指示(precoding matrix indicator,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(multi-input multi-output,MIMO)被提出以来,CSI获取一直都是研究热点。
通常,网络侧设备(例如基站)在在某个时隙(slot)的某些时频资源上发送CSI参考信号(channel state information reference signal,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,基站根据终端反馈的码本信息组合出信道信息,在下一次CSI上报之前,基站以此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改成按照延迟(delay)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,即将delay域信息压缩之后再上报。
同样,为了减少开销,基站可以事先对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。
进一步地,为了更好地压缩信道信息,可以使用神经网络或机器学习的方法。具体地,在终端通过AI网络模型对信道信息进行压缩编码,在基站通过AI网络模型对压缩后的内容进行解码,从而恢复信道信息,此时基站的用于解码的AI网络模型和终端的用于编码的AI网络模型需要联合训练,达到合理的匹配度。通过终端的用于编码的AI网络模型和基站的用于解码的AI网络模型组成联合的神经网络模型,由网络侧进行联合训练,训练完成后,基站将用于编码的AI网络模型发送给终端。
终端估计CSI-RS,计算信道信息,将计算的信道信息或者原始的估计到的信道信息通过AI网络模型得到编码结果,将编码结果发送给基站,基站接收编码后的结果,输入到AI网络模型中进行解码,恢复信道信息。
不同的信道环境,信道信息的可压缩编码的程度不同,编码之后的信息长度也不同。对于某个目标压缩性能,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长度。一般而言,不同长度的编码信息对应的AI网络模型不同,因此需要多个AI网络模型来处理不同的压缩比特bit长度,造成终端和网络侧需要训练和配置多个AI网络模型。
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信道特征信息传输方法进行详细地说明。
请参照图2,图2是本申请实施例提供的一种信道特征信息传输方法的流程图,该方法的执行主体为终端。如图2所示,所述方法包括以下步骤:
步骤201、终端将信道信息输入到第一AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息。
可选地,终端可以是在网络侧设备指定的位置检测信道状态信息参考信号(Channel State Information Reference Signal,CSI-RS)或跟踪参考信号(TrackingReference Signal,TRS),并进行信道估计,得到信道信息,终端将该信道信息分别输入到第一AI网络模型和第二AI网络模型,第一AI网络模型对输入的所述信道信息(如每个子带的信道矩阵,或每个子带的预编码矩阵)进行压缩编码,输出第一信道特征信息,第二AI网络模型对所述信道信息进行压缩编码,输出第二信道特征信息。所述第一信道特征信息和第二信道特征信息可以是信道状态信息(Channel State Information,CSI),或者也可以是其他与信道信息相关的信息。需要说明地,本申请实施例中提及的信道信息编码,不同于信道编码。
步骤202、所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
例如,所述终端向网络侧设备上报第一信道特征信息和第二信道特征信息,或者也可以是只上报第一信道特征信息。网络侧设备基于接收到的第一信道特征信息和/或第二信道特征信息,将所述第一信道特征信息和/或第二信道特征信息输入对应的AI网络模型进行解码处理,以恢复信道信息。
需要说明地,网络侧设备包括与第一AI网络模型对应的第三AI网络模型,以及与第二AI网络模型对应的第四AI网络模型,网络侧设备将第一AI网络模型与第三AI网络模型进行联合训练,以及将第二AI网络模型与第四AI网络模型进行联合训练,以使得第一AI网络模型与第三AI网络模型相匹配、第二AI网络模型与第四AI网络模型相匹配,第一AI网络模型的输出作为第三AI网络的输入,第二AI网络模型的输出作为第四AI网络模型的输入,而第三AI网络模型的输出与第一AI网络模型的输入相匹配,第四AI网络模型的输出与第二AI网络模型的输入相匹配,这样也就能够通过AI网络模型对信道信息的处理,实现终端和网络侧设备之间的信道信息传输。
本申请实施例中,第一AI网络模型输出的第一信道特征信息,终端将其上报给网络侧设备后,网络侧设备将所述第一信道特征信息输入第三AI网络模型,第三AI网络模型对第一信道特征信息进行解码处理,得到部分信道信息;第二AI网络模型输出的第二信道特征信息,终端将其上报给网络侧设备后,网络侧设备将所述第二信道特征信息输入第四AI网络模型,第四AI网络模型对所述第二信道特征信息进行解码处理,得到另一部分信道信息,网络侧设备将第三AI网络模型输出的部分信道信息与第四AI网络模型输出的另一部分信道信息进行结合,能够恢复得到完整的信道信息,该信道信息也即输入第一AI网络模型和第二AI网络模型的信道信息。这样,也就能够通过网络侧设备的第三AI网络模型和第四AI网络模型恢复出完整的信道信息,对于长度较长的信道信息,终端和网络侧设备能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
可选地,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。也就是说,第一AI网络模型用于将信道信息编码成固定长度的第一信道特征信息,第二AI网络模型对信道信息进行编码得到的第二信道特征信息的长度不固定,例如可以是根据第一信道特征信息的长度来确定。相应地,第三AI网络模型输入的第一信道特征信息的长度是固定的,第三AI网络模型解码生成的信道信息也就可以是特定的,而第四AI网络模型输入的第二信道特征信息长度不固定,则第四AI网络模型输出的信道信息的长度不固定。终端和网络侧设备可以是预先约定第一信道特征信息的长度,进而对于不同长度的信道信息,通过第一AI网络模型的编码和第三AI网络模型的解码,能够恢复得到固定长度的信道信息,例如第一信道特征信息可以是信道信息中较为重要的信道信息,这样也就能够避免重要信道信息的丢失;另外,对于不同长度的信道信息,终端和网络侧设备可以是针对不同长度的信道信息约定对应的第二信道特征信息的长度,通过第二AI网络模型的编码和第四AI网络模型的解码,也就能够恢复得到不同长度的信道信息,这样也就能够更加灵活地实现对不同长度信道信息的编码和解码处理。
可选地,所述第二信道特征信息也可以是固定值,例如第一信道特征信息的长度和第二信道特征信息的长度相同,进而网络侧设备能够通过第三AI网络模型恢复一半的信道信息,通过第四AI网络模型恢复另一半的信道信息,通过结合得到完整的信道信息。其中,所述一半的信道信息可以是1、3、5、7子带的信道信息,或者1、2、3、4子带的信道信息,或者一个极化的信道信息,等。
需要说明地,本申请实施例中,终端可以是对信道信息不做任何处理,直接输入第一AI网络模型和第二AI网络模型中。例如,请参照图2a,在波束-延迟(beam-delay)网络中,终端可以是对信道信息不做任何处理,将每个子带的信道矩阵分别输入第一AI网络模型进行波束(beam)编码处理,以及输入第二AI网络模型进行延迟(delay)编码处理,将输出的信道特征信息进行拼接操作。或者,终端也可以是对信道信息进行预处理后对再输入第一AI网络模型和第二AI网络模型中
可选地,所述终端将信道信息输入到第一AI网络模型和第二AI网络模型,包括如下至少一项:
所述终端将信道信息经第一预处理后输入到第一AI网络模型;
所述终端将所述信道信息经第二预处理后输入到第二AI网络模型。
示例性地,终端可以是将信道信息进行第一预处理后再输入到第一AI网络模型中。例如,在宽带子带网络中,所述第一预处理可以是计算所有子带的信道矩阵的二阶矩和;或者,在波束-延迟(beam-delay)网络中,所述第一预处理可以是将信道信息投影到正交离散傅里叶变换(Discrete Fourier Transform,DFT)基上;等。
可选地,所述将所述信道信息经第二预处理后输入到所述第二AI网络模型,包括如下任意一项:
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型的输出输入到所述第二AI网络模型;
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型中目标网络结构的输出输入到所述第二AI网络模型。
例如,终端将信道信息输入到第一AI网络模型,将第一AI网络的输出作为第二AI网络模型的输入,或者将第一AI网络模型中某个网络结构的输出作为第二AI网络模型的输入,如图2b所示,将第一AI网络模型编码后、量化前的输出作为第二AI网络模型(图2b中子带编码)的输入,以此对信道信息进行第二预处理。
或者,第二预处理与第一预处理相同,也即终端可以是将信道信息经第一预处理后输入到第一AI网络模型以及第二AI网络模型中,如图2c所示,比如计算所有子带的信道矩阵的二阶矩和后输入到第二AI网络模型(图2c中子带编码)。
本申请实施例中,可以是仅对输入第一AI网络模型的信道信息进行第一预处理,或者也可以是仅对输入第二AI网络模型的信道信息进行第二预处理,或者也可以是不对信道信息做预处理直接输入第一AI网络模型和第二AI网络模型,或者还可以是对输入第一AI网络模型的信道信息进行第一预处理,以及对输入第二AI网络模型的信道信息进行第二预处理。这样,也就使得终端能够根据信道信息的情况,采用不同的方式对信道信息进行处理,使得终端对信道信息的处理更加灵活。
本申请实施例中,第一信道特征信息和第二信道特征信息可以是与CSI无关,这种情况下,第一信道特征信息和第二信道特征信息可以是通过终端独立上报给网络侧设备;或者,第一信道特征信息和第二信道特征信息也可以是通过CSI进行上报。
可选地,在所述第一信道特征信息和所述第二信道特征信息通过CSI进行上报的情况下,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括如下任意一项:
所述终端通过第一CSI向网络侧设备上报所述第一信道特征信息,以及通过第二CSI向网络侧设备上报所述第二信道特征信息;
所述终端通过第一CSI向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
在一种实施方式中,终端分别通过两个CSI来分别上报所述第一信道特征信息和所述第二信道特征信息,例如所述第一信道特征信息携带在第一CSI中,所述第二信道特征信息携带在第二CSI中。
在另一种实施方式中,终端可以是通过一个CSI来上报所述第一信道特征信息和所述第二信道特征信息。例如,将第一信道特征信息携带在第一CSI的第一部分(CSIPart1)中,将第二信道特征信息携带在第一CSI的第二部分(CSI Part2)中。其中,第一部分为第一CSI中的固定长度部分,第二部分为第一CSI中的可变长度部分。
可选地,所述第一部分(CSI Part1)中还包括所述第二信道特征信息的长度。网络侧设备可以是直接从CSI Part1中获得第二信道特征信息的长度,并行对第一信道特征信息和第二信道特征信息进行解码。这样,网络侧设备也就能够基于第二信道特征信息的长度,更为准确地实现对第二信道特征信息的解码。
本申请实施例中,终端可以是仅向网络侧设备上报第一信道特征信息,或者也可以是上报第一信道特征信息和第二信道特征信息。可选地,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述终端向网络侧设备上报所述目标信道特征信息。
也就是说,终端将第一信道特征信息和第二信道特征信息进行拼接,例如将第二信道特征信息拼接在第一信道特征信息之后,而后向网络侧设备上报拼接的第一信道特征信息和第二信道特征信息。
可选地,所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息,包括如下任意一项:
所述终端将所述第二信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息;
所述终端将所述第一信道特征信息和所述第二信道特征信息进行交织拼接,得到目标信道特征信息;
所述终端将所述第二信道特征信息拼接在所述第一信道特征信息之后,并对拼接后的所述第一信道特征信息和所述第二信道特征信息与预设扰码序列进行第一操作,得到目标信道特征信息;
所述终端将所述第二信道特征信息与所述第一信道特征信息进行第二操作,得到第三信道特征信息,将所述第三信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息。
请参照图2d,图中A为第一信道特征信息,B为第二信道特征信息,终端将第二信道特征信息拼接在第一信道特征信息之后,得到目标信道特征信息(也即拼接后的第一信道特征信息和第二信道特征信息)。终端向网络侧设备上报所述目标信道特征信息,网络侧设备可以是使用对应的方法将目标信道特征信息解码成第一信道特征信息和第二信道特征信息,然后分别输入第三AI网络模型和第四AI网络模型进行解码处理。
请参照图2e,图中A为第一信道特征信息,B为第二信道特征信息,终端将第一信道特征信息和第二信道特征信息进行交织拼接后,得到目标信道特征信息。其中,所述交织拼接,可以是随机地将第二信道特征信息插入第一信道特征信息中。可选地,第一信道特征信息可以包括相同的标识,第二信道特征信息可以是包括相同的标识,进而网络侧设备可以通过识别标识来将目标信道特征信息解码成第一信道特征信息和第二信道特征信息,然后分别输入第三AI网络模型和第四AI网络模型进行解码处理。
请参照图2f,图中A为第一信道特征信息,B为第二信道特征信息,终端将第二信道特征信息拼接在第一信道特征信息之后,将拼接后的第一信道特征信息和第二信道特征信息与预设扰码序列进行相乘操作,进而得到目标信道特征信息。其中,所述预设扰码序列可以是由网络侧设备配置,进而网络侧设备在接收到终端上报的目标信道特征信息后,基于所述预设扰码序列对目标信道特征信息进行处理,得到第一信道特征信息和第二信道特征信息,然后分别输入第三AI网络模型和第四AI网络模型进行解码处理。
可选地,所述第一信道特征信息的长度与所述预设扰码序列相关。例如,所述第一信道特征信息的长度与预设扰码序列的关系可以是网络侧设备配置,或者是协议约定。
请参照图2g,图中A为第一信道特征信息,B为第二信道特征信息,终端可以是计算第二信道特征信息与第一信道特征信息之差,得到第三信道特征信息,将第三信道特征信息拼接在第一信道特征信息之后,进而得到目标信道特征信息并上报。网络侧设备相应地对目标信道特征信息进行处理以得到第一信道特征信息和第二信道特征信息,然后分别输入第三AI网络模型和第四AI网络模型进行解码处理。
可选地,所述终端向网络侧设备上报所述目标信道特征信息,包括:
所述终端通过量化网络对所述目标信道特征信息进行量化,向网络侧设备上报量化后的所述目标信道特征信息。
其中,所述量化网络为AI量化网络模型,终端在对第一信道特征信息和第二信道特征信息进行拼接,将拼接的第一信道特征信息和第二信道特征信息一起通过量化网络进行量化,而后上报给网络侧设备。可选地,所述第一信道特征信息可以是经第一AI网络模型进行量化后处理后输出,第二信道特征信息可以是经第二AI网络模型进行量化处理后输出,也即拼接之前的第一信道特征信息和第二信道特征信息已经经过一次量化,拼接后得到的目标信道特征信息可以经过量化网络再进行量化处理。本申请实施例中,通过对信道特征信息进行量化处理,能够有效压缩和简化信道特征信息的容量。
可选地,所述获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息,包括:
获取所述第一AI网络模型量化之前输出的第一信道特征信息和所述第二AI网络模型量化之前输出的第二信道特征信息;
所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述终端通过量化网络对所述目标信道特征信息进行量化,向所述网络侧设备上报量化后的所述目标信道特征信息。
本实施方式中,终端将第一AI网络模型量化之前输出的第一信道特征信息和第二AI网络模型量化之前输出的第二信道特征信息拼接在一起,然后对拼接后的第一信道特征信息和第二信道特征信息进行量化,向网络侧设备上报量化后的第一信道特征信息和第二信道特征信息,以压缩和简化信道特征信息的容量。
本申请实施例中,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端向所述网络侧设备上报所述第一信道特征信息,并丢弃所述第二信道特征信息。
需要说明地,终端可以是在向网络侧设备上报第一信道特征信息和第二信道特征信息的过程中,丢弃第二信道特征信息;或者,终端可以是在上报之前丢弃第二信道特征信息,也即只上报第一信道特征信息。该实施方式中,例如在信道资源不足的情况下,终端对第二信道特征信息进行丢弃,进而仅上报第一信道特征信息,以确保网络侧设备至少能够接收到第一信道特征信息,并通过第三AI网络模型对第一信道特征信息进行解码处理,以恢复部分信道信息,避免信道信息全部丢失。
可选地,所述终端包括一个第一AI网络模型和至少一个第二AI网络模型,所述终端将信道信息输入到第一AI网络模型和第二AI网络模型,包括:
所述终端将信道信息输入到所述第一AI网络模型和目标第二AI网络模型,所述至少一个第二AI网络模型包括所述目标第二AI网络模型:
其中,所述目标第二AI网络模型通过如下至少一项确定:
信道环境;
所述网络侧设备的指示。
需要说明地,所述第一AI网络模型和至少一个第二AI网络模型为网络侧设备训练后发送给终端,网络侧设备可以是向终端发送指示信息,以指示终端使用哪个第二AI网络模型,或者,终端也可以是基于信道环境自适应选择合适的第二AI网络模型作为目标第二AI网络模型。这样,也就使得终端对于第二AI网络模型的选择更为灵活。
进一步地,终端将信道信息输入第一AI网络模型得到第一信道特征信息,以及将信道信息输入目标第二AI网络模型得到第二信道特征信息,终端可以是在CSI Part1中上报所述第一信道特征信息和第二信道特征信息的长度,在CSI Part2中上报第二信道特征信息。
可选地,所述第一AI网络模型对应网络侧设备的第三AI网络模型,所述第二AI网络模型对应网络侧设备的第四AI网络模型;
所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第三AI网络模型的输出和所述第二信道特征信息。
本申请实施例中,第一AI网络模型和第三AI网络模型通过网络侧设备进行联合训练,第二AI网络模型和第四AI网络模型通过网络侧设备进行联合训练,第三AI网络模型的输入为第一AI网络模型的输出,第四AI网络模型的输入可以是仅包括第二AI网络模型的输出,或者也可以是包括第一AI网络模型的输出和第二AI网络模型的输出,或者还可以是包括第三AI网络模型的输出和第二AI网络模型的输出。这样,第三AI网络模型能够基于第一信道特征信息独立解码,第四AI网络模型可以是单独基于第二特征信息进行解码,或者是依赖于第一信道特征信息进行解码。例如,第一信道特征信息为宽带信息,第二信道特征信息为子带信息,此时第四AI网络模型无法仅根据子带信息进行解码,而需要依赖于宽带信息来进行解码。这样,网络侧设备也就能够基于信道特征信息的情况来采用不同的解码方式,使得网络侧设备对于信道特征信息的解码更为灵活。
需要说明地,网络侧设备通过第三AI网络模型对第一信道特征信息实现单独解码,对于第一信道特征信息中没有的位置补0,或者是补充其他约定的值,以确保第三AI网络模型能够输出恢复的信道信息。
可选地,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
在所述第四AI网络模型对所述第二信道特征信息进行解码的情况下,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
本申请实施例中,第二信道特征信息可以分为N个信息块,第四AI网络模型在对这N个信息块进行解码时,每个信息块依赖其前一个信息块进行解码,或者也可以是这N个信息块单独解码,以灵活地实现对第二信道特征信息的解码处理。
可选地,终端在对第一信道特征信息和第二信道特征信息进行上传是,可以是丢弃第二信道特征信息;在对所述第二信道特征信息进行丢弃的情况下,终端将所述N个信息块按照所述预设顺序的倒序对所述信息块进行丢弃,也就是将所述N个信息快按照所述预设顺序从后往前丢弃,丢弃的数量可以是终端根据信道资源来决定。进而,第二信道特征信息可能只丢弃了一部分,未被丢弃的部分仍然能被上报给网络侧设备,网络侧设备在基于第四AI网络模型对接收到的第二信道特征信息进行解码时,对于丢弃了的部分,对其位置补0或者是其他约定的值,以确保能够解码恢复出信道信息。
本申请实施例中,网络侧设备能够对第一AI网络模型和第二AI网络模型进行更新,例如可以是单独对这两个AI网络模型进行更新,或者只更新第二AI网络模型,并将更新后的AI网络模型发送给终端。相应地,第三AI网络模型需要与第一AI网络模型同步更新,第四AI网络模型需要与第二AI网络模型同步更新,以确保终端和网络侧设备能够通过对应的AI网络模型实现的信道信息的编码和解码。
需要说明地,网络侧设备在对第二AI网络模型进行更新时,能够调整第二AI网络模型的输出的长度,也即第二信道特征信息的长度,也即第二信道特征信息的长度为可变值,该长度可以是用户自行选择,进而能够灵活地针对不同的信道信息设置不同的第二信道特征信息的长度。
请参照图3,图3是本申请实施例提供的另一种信道特征信息传输方法的流程图,该方法的执行主体为网络侧设备。如图3所示,所述方法包括以下步骤:
步骤301、网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项。
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
本申请实施例中,网络侧设备包括与第一AI网络模型对应的第三AI网络模型,以及与第二AI网络模型对应的第四AI网络模型。第一AI网络模型输出的第一信道特征信息,终端将其上报给网络侧设备后,网络侧设备将所述第一信道特征信息输入第三AI网络模型,第三AI网络模型对第一信道特征信息进行解码处理,得到部分信道信息;第二AI网络模型输出的第二信道特征信息,终端将其上报给网络侧设备后,网络侧设备将所述第二信道特征信息输入第四AI网络模型,第四AI网络模型对所述第二信道特征信息进行解码处理,得到另一部分信道信息,网络侧设备将第三AI网络模型输出的部分信道信息与第四AI网络模型输出的另一部分信道信息进行结合,能够恢复得到完整的信道信息,该信道信息也即输入第一AI网络模型和第二AI网络模型的信道信息。这样,也就能够通过网络侧设备的第三AI网络模型和第四AI网络模型恢复出完整的信道信息,对于长度较长的信道信息,终端和网络侧设备能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
本申请实施例中,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。也就是说,第一AI网络模型用于将信道信息编码成固定长度的第一信道特征信息,第二AI网络模型对信道信息进行编码得到的第二信道特征信息的长度不固定,例如可以是根据第一信道特征信息的长度来确定。终端和网络侧设备可以是预先约定第一信道特征信息的长度,进而对于不同长度的信道信息,通过第一AI网络模型的编码和第三AI网络模型的解码,能够恢复得到固定长度的信道信息,例如第一信道特征信息可以是信道信息中较为重要的信道信息,这样也就能够避免重要信道信息的丢失;另外,对于不同长度的信道信息,终端和网络侧设备可以是针对不同长度的信道信息约定对应的第二信道特征信息的长度,通过第二AI网络模型的编码和第四AI网络模型的解码,也就能够恢复得到不同长度的信道信息,这样也就能够更加灵活地实现对不同长度信道信息的编码和解码处理。
可选地,在所述第一信道特征信息和所述第二信道特征信息通过CSI进行上报的情况下,所述网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项,包括如下任意一项:
网络侧设备接收终端通过第一CSI上报的第一信道特征信息,以及通过第二CSI上报的第二信道特征信息;
网络侧设备接收终端通过第一CSI上报的第一信道特征信息和第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
可选地,所述第一部分中还包括所述第二信道特征信息的长度。
需要说明地,上述步骤的具体流程可以是参照图2所述方法实施例中的具体描述,本实施例不再赘述。
可选地,所述网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项,包括:
网络侧设备接收终端上报的目标信道特征信息,所述目标信道特征信息为所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接得到的信道特征信息。
其中,终端对第一信道特征信息和第二信道特征信息的拼接的具体实现流程可以是参照图2所述方法实施例中的具体描述,本实施例不再赘述。
可选地,所述网络侧设备包括与所述第一AI网络模型对应的第三AI解码网络模型,以及与所述第二AI网络模型对应的第四AI网络模型;
其中,所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
可选地,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
所述方法还包括:
所述网络侧设备通过所述第四AI网络模型对所述第二信道特征信息进行解码,其中,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
可选地,所述方法还包括:
所述网络侧设备对所述第一AI网络模型和所述第二AI网络模型进行更新;或者,
所述网络侧设备对所述第二AI网络模型进行更新。
可选地,所述第二AI网络模型的更新包括对所述第二信道特征信息的长度进行调整。
本申请实施例中,网络侧设备能够对第一AI网络模型和第二AI网络模型进行更新,例如可以是单独对这两个AI网络模型进行更新,或者只更新第二AI网络模型,并将更新后的AI网络模型发送给终端。相应地,第三AI网络模型需要与第一AI网络模型同步更新,第四AI网络模型需要与第二AI网络模型同步更新,以确保终端和网络侧设备能够通过对应的AI网络模型实现的信道信息的编码和解码。
可选地,网络侧设备在对第二AI网络模型进行更新时,能够调整第二AI网络模型的输出的长度,也即第二信道特征信息的长度,也即第二信道特征信息的长度为可变值,该长度可以是用户自行选择,进而能够灵活地针对不同的信道信息设置不同的第二信道特征信息的长度。
本申请实施例提供的信道特征信息方法应用于网络侧设备,其中涉及的相关概念及具体实现流程可以是参照上述图2应用于终端的信道特征信息传输方法实施例中的具体描述,为避免重复,本实施例不再赘述。
本申请实施例提供的信道特征信息传输方法,执行主体可以为信道特征信息传输装置。本申请实施例中以信道特征信息传输装置执行信道特征信息传输方法为例,说明本申请实施例提供的信道特征信息传输装置。
请参照图4,图4是本申请实施例提供的一种信道特征信息传输装置,如图4所示,所述信道特征信息传输装置400包括:
获取模块401,用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
上报模块402,用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
可选地,所述获取模块401还用于执行如下至少一项:
将信道信息经第一预处理后输入到第一AI网络模型;
将所述信道信息经第二预处理后输入到第二AI网络模型。
可选地,所述获取模块401还用于执行如下任意一项:
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型的输出输入到所述第二AI网络模型;
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型中目标网络结构的输出输入到所述第二AI网络模型。
可选地,在所述第一信道特征信息和所述第二信道特征信息通过CSI进行上报的情况下,所述上报模块402还用于执行如下任意一项:
通过第一CSI向网络侧设备上报所述第一信道特征信息,以及通过第二CSI向网络侧设备上报所述第二信道特征信息;
通过第一CSI向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
可选地,所述第一部分中还包括所述第二信道特征信息的长度。
可选地,所述上报模块402包括:
拼接单元,用于对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
上报单元,用于向网络侧设备上报所述目标信道特征信息。
可选地,所述拼接单元用于执行如下任意一项:
将所述第二信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息;
将所述第一信道特征信息和所述第二信道特征信息进行交织拼接,得到目标信道特征信息;
将所述第二信道特征信息拼接在所述第一信道特征信息之后,并对拼接后的所述第一信道特征信息和所述第二信道特征信息与预设扰码序列进行第一操作,得到目标信道特征信息;
将所述第二信道特征信息与所述第一信道特征信息进行第二操作,得到第三信道特征信息,将所述第三信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息。
可选地,所述第一信道特征信息的长度与所述预设扰码序列相关。
可选地,所述上报单元还用于:
通过量化网络对所述目标信道特征信息进行量化,向网络侧设备上报量化后的所述目标信道特征信息。
可选地,所述获取模块401还用于:
获取所述第一AI网络模型量化之前输出的第一信道特征信息和所述第二AI网络模型量化之前输出的第二信道特征信息;
所述上报模块402还用于:
对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
通过量化网络对所述目标信道特征信息进行量化,向所述网络侧设备上报量化后的所述目标信道特征信息。
可选地,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。
可选地,所述上报模块402还用于:
向所述网络侧设备上报所述第一信道特征信息,并丢弃所述第二信道特征信息。
可选地,所述装置包括一个第一AI网络模型和至少一个第二AI网络模型,所述获取模块401还用于:
将信道信息输入到所述第一AI网络模型和目标第二AI网络模型,所述至少一个第二AI网络模型包括所述目标第二AI网络模型:
其中,所述目标第二AI网络模型通过如下至少一项确定:
信道环境;
所述网络侧设备的指示。
可选地,所述第一AI网络模型对应网络侧设备的第三AI网络模型,所述第二AI网络模型对应网络侧设备的第四AI网络模型;
所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
可选地,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
在所述第四AI网络模型对所述第二信道特征信息进行解码的情况下,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
可选地,在对所述第二信道特征信息进行丢弃的情况下,将所述N个信息块按照所述预设顺序的倒序对所述信息块进行丢弃。
本申请实施例中,对于长度较长的信道信息,所述装置和网络侧设备能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
本申请实施例中的信道特征信息传输装置可以是电子设备,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传输装置能够实现图2方法实施例中终端实现的各个过程,并达到相同的技术效果,为避免重复,这里不再赘述。
请参照图5,图5是本申请实施例提供的另一种信道特征信息传输装置,如图5所示,所述信道特征信息传输装置500包括:
接收模块501,用于接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
可选地,在所述第一信道特征信息和所述第二信道特征信息通过CSI进行上报的情况下,所述接收模块501还用于执行如下任意一项:
接收终端通过第一CSI上报的第一信道特征信息,以及通过第二CSI上报的第二信道特征信息;
接收终端通过第一CSI上报的第一信道特征信息和第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
可选地,所述第一部分中还包括所述第二信道特征信息的长度。
可选地,所述接收模块501还用于:
接收终端上报的目标信道特征信息,所述目标信道特征信息为所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接得到的信道特征信息。
可选地,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。
可选地,所述装置包括与所述第一AI网络模型对应的第三AI解码网络模型,以及与所述第二AI网络模型对应的第四AI网络模型;
其中,所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
可选地,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
所述装置还包括解码模块,用于:
通过所述第四AI网络模型对所述第二信道特征信息进行解码,其中,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
可选地,所述装置还包括更新模块,用于:
对所述第一AI网络模型和所述第二AI网络模型进行更新;或者,
对所述第二AI网络模型进行更新。
可选地,所述第二AI网络模型的更新包括对所述第二信道特征信息的长度进行调整。
本申请实施例中,对于长度较长的信道信息,终端和所述装置能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
本申请实施例提供的信道特征信息传输装置能够实现图3方法实施例中网络侧设备实现的各个过程,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执行时实现上述图2所述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执行时实现上述图3所述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,所述处理器用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息,所述通信接口用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。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,处理器710,用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
射频单元701,用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
可选地,所述处理器710,还用于执行如下至少一项:
将信道信息经第一预处理后输入到第一AI网络模型;
将所述信道信息经第二预处理后输入到第二AI网络模型。
可选地,所述处理器710,还用于执行如下任意一项:
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型的输出输入到所述第二AI网络模型;
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型中目标网络结构的输出输入到所述第二AI网络模型。
可选地,在所述第一信道特征信息和所述第二信道特征信息通过CSI进行上报的情况下,所述射频单元701,还用于执行如下任意一项:
通过第一CSI向网络侧设备上报所述第一信道特征信息,以及通过第二CSI向网络侧设备上报所述第二信道特征信息;
通过第一CSI向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
可选地,所述第一部分中还包括所述第二信道特征信息的长度。
可选地,所述处理器710,还用于:
对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述射频单元701,还用于:向网络侧设备上报所述目标信道特征信息。
可选地,所述处理器710,还用于执行如下任意一项:
将所述第二信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息;
将所述第一信道特征信息和所述第二信道特征信息进行交织拼接,得到目标信道特征信息;
将所述第二信道特征信息拼接在所述第一信道特征信息之后,并对拼接后的所述第一信道特征信息和所述第二信道特征信息与预设扰码序列进行第一操作,得到目标信道特征信息;
将所述第二信道特征信息与所述第一信道特征信息进行第二操作,得到第三信道特征信息,将所述第三信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息。
可选地,所述第一信道特征信息的长度与所述预设扰码序列相关。
可选地,所述射频单元701,还用于:
通过量化网络对所述目标信道特征信息进行量化,向网络侧设备上报量化后的所述目标信道特征信息。
可选地,所述处理器710,还用于:
获取所述第一AI网络模型量化之前输出的第一信道特征信息和所述第二AI网络模型量化之前输出的第二信道特征信息;
对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述射频单元701,还用于:
通过量化网络对所述目标信道特征信息进行量化,向所述网络侧设备上报量化后的所述目标信道特征信息。
可选地,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。
可选地,所述射频单元701,还用于:
向所述网络侧设备上报所述第一信道特征信息,并丢弃所述第二信道特征信息。
可选地,所述终端包括一个第一AI网络模型和至少一个第二AI网络模型,所述处理器710,还用于:
将信道信息输入到所述第一AI网络模型和目标第二AI网络模型,所述至少一个第二AI网络模型包括所述目标第二AI网络模型:
其中,所述目标第二AI网络模型通过如下至少一项确定:
信道环境;
所述网络侧设备的指示。
可选地,所述第一AI网络模型对应网络侧设备的第三AI网络模型,所述第二AI网络模型对应网络侧设备的第四AI网络模型;
所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
可选地,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
在所述第四AI网络模型对所述第二信道特征信息进行解码的情况下,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
可选地,在对所述第二信道特征信息进行丢弃的情况下,将所述N个信息块按照所述预设顺序的倒序对所述信息块进行丢弃。
本申请实施例中,对于长度较长的信道信息,所述终端和网络侧设备能够分别通过两组AI网络模型来进行信道信息的处理,每组AI网络模型对应处理一部分信道信息,避免信道信息的传输错误和丢失。
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,通信接口用于接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。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图2所述方法实施例的各个过程,或者实现上述图3所述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,实现上述图2所述方法实施例的各个过程,或者实现上述图3所述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图2所述方法实施例的各个过程,或者实现上述图3所述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所述的信道特征信息传输方法的步骤,所述网络侧设备可用于执行如上图3所述的信道特征信息传输方法的步骤。
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 (30)
1.一种信道特征信息传输方法,其特征在于,包括:
终端将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
2.根据权利要求1所述的方法,其特征在于,所述终端将信道信息输入到第一AI网络模型和第二AI网络模型,包括如下至少一项:
所述终端将信道信息经第一预处理后输入到第一AI网络模型;
所述终端将所述信道信息经第二预处理后输入到第二AI网络模型。
3.根据权利要求2所述的方法,其特征在于,所述将所述信道信息经第二预处理后输入到所述第二AI网络模型,包括如下任意一项:
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型的输出输入到所述第二AI网络模型;
将所述信道信息输入到所述第一AI网络模型,并将所述第一AI网络模型中目标网络结构的输出输入到所述第二AI网络模型。
4.根据权利要求1所述的方法,其特征在于,在所述第一信道特征信息和所述第二信道特征信息通过信道状态信息CSI进行上报的情况下,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括如下任意一项:
所述终端通过第一CSI向网络侧设备上报所述第一信道特征信息,以及通过第二CSI向网络侧设备上报所述第二信道特征信息;
所述终端通过第一CSI向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
5.根据权利要求4所述的方法,其特征在于,所述第一部分中还包括所述第二信道特征信息的长度。
6.根据权利要求1所述的方法,其特征在于,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述终端向网络侧设备上报所述目标信道特征信息。
7.根据权利要求6所述的方法,其特征在于,所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息,包括如下任意一项:
所述终端将所述第二信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息;
所述终端将所述第一信道特征信息和所述第二信道特征信息进行交织拼接,得到目标信道特征信息;
所述终端将所述第二信道特征信息拼接在所述第一信道特征信息之后,并对拼接后的所述第一信道特征信息和所述第二信道特征信息与预设扰码序列进行第一操作,得到目标信道特征信息;
所述终端将所述第二信道特征信息与所述第一信道特征信息进行第二操作,得到第三信道特征信息,将所述第三信道特征信息拼接在所述第一信道特征信息之后,得到目标信道特征信息。
8.根据权利要求7所述的方法,其特征在于,所述第一信道特征信息的长度与所述预设扰码序列相关。
9.根据权利要求6所述的方法,其特征在于,所述终端向网络侧设备上报所述目标信道特征信息,包括:
所述终端通过量化网络对所述目标信道特征信息进行量化,向网络侧设备上报量化后的所述目标信道特征信息。
10.根据权利要求1所述的方法,其特征在于,所述获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息,包括:
获取所述第一AI网络模型量化之前输出的第一信道特征信息和所述第二AI网络模型量化之前输出的第二信道特征信息;
所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接,得到目标信道特征信息;
所述终端通过量化网络对所述目标信道特征信息进行量化,向所述网络侧设备上报量化后的所述目标信道特征信息。
11.根据权利要求1-10中任一项所述的方法,其特征在于,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。
12.根据权利要求1-10中任一项所述的方法,其特征在于,所述终端向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项,包括:
所述终端向所述网络侧设备上报所述第一信道特征信息,并丢弃所述第二信道特征信息。
13.根据权利要求1-10中任一项所述的方法,其特征在于,所述终端包括一个第一AI网络模型和至少一个第二AI网络模型,所述终端将信道信息输入到第一AI网络模型和第二AI网络模型,包括:
所述终端将信道信息输入到所述第一AI网络模型和目标第二AI网络模型,所述至少一个第二AI网络模型包括所述目标第二AI网络模型:
其中,所述目标第二AI网络模型通过如下至少一项确定:
信道环境;
所述网络侧设备的指示。
14.根据权利要求1-10中任一项所述的方法,其特征在于,所述第一AI网络模型对应网络侧设备的第三AI网络模型,所述第二AI网络模型对应网络侧设备的第四AI网络模型;
所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
15.根据权利要求14所述的方法,其特征在于,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
在所述第四AI网络模型对所述第二信道特征信息进行解码的情况下,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
16.根据权利要求15所述的方法,其特征在于,在对所述第二信道特征信息进行丢弃的情况下,将所述N个信息块按照所述预设顺序的倒序对所述信息块进行丢弃。
17.一种信道特征信息传输方法,其特征在于,包括:
网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
18.根据权利要求17所述的方法,其特征在于,在所述第一信道特征信息和所述第二信道特征信息通过信道状态信息CSI进行上报的情况下,所述网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项,包括如下任意一项:
网络侧设备接收终端通过第一CSI上报的第一信道特征信息,以及通过第二CSI上报的第二信道特征信息;
网络侧设备接收终端通过第一CSI上报的第一信道特征信息和第二信道特征信息,其中,所述第一信道特征信息包含在所述第一CSI的第一部分中,所述第二信道特征信息包含在所述第一CSI的第二部分中。
19.根据权利要求18所述的方法,其特征在于,所述第一部分中还包括所述第二信道特征信息的长度。
20.根据权利要求17所述的方法,其特征在于,所述网络侧设备接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项,包括:
网络侧设备接收终端上报的目标信道特征信息,所述目标信道特征信息为所述终端对所述第一信道特征信息和所述第二信道特征信息进行拼接得到的信道特征信息。
21.根据权利要求17所述的方法,其特征在于,所述第一信道特征信息的长度为固定值,所述第二信道特征信息的长度为固定值或可变值。
22.根据权利要求17所述的方法,其特征在于,所述网络侧设备包括与所述第一AI网络模型对应的第三AI解码网络模型,以及与所述第二AI网络模型对应的第四AI网络模型;
其中,所述第三AI网络模型的输入为所述第一信道特征信息,所述第四AI网络模型的输入包括如下任意一项:
所述第二信道特征信息;
所述第一信道特征信息和所述第二信道特征信息;
所述第一AI解码网络模型的输出和所述第二信道特征信息。
23.根据权利要求22所述的方法,其特征在于,所述第二信道特征信息包括N个信息块,所述N个信息块按照预设顺序排列,N为大于1的整数;
所述方法还包括:
所述网络侧设备通过所述第四AI网络模型对所述第二信道特征信息进行解码,其中,所述N个信息块中的第i+1个信息块基于第i个信息块进行解码,i为小于N的整数。
24.根据权利要求22所述的方法,其特征在于,所述方法还包括:
所述网络侧设备对所述第一AI网络模型和所述第二AI网络模型进行更新;或者,
所述网络侧设备对所述第二AI网络模型进行更新。
25.根据权利要求24所述的方法,其特征在于,所述第二AI网络模型的更新包括对所述第二信道特征信息的长度进行调整。
26.一种信道特征信息传输装置,其特征在于,包括:
获取模块,用于将信道信息输入到第一人工智能AI网络模型和第二AI网络模型,并获取所述第一AI网络模型输出的第一信道特征信息和所述第二AI网络模型输出的第二信道特征信息;
上报模块,用于向网络侧设备上报所述第一信道特征信息和所述第二信道特征信息中的至少一项。
27.一种信道特征信息传输装置,其特征在于,包括:
接收模块,用于接收终端上报的第一信道特征信息和第二信道特征信息中的至少一项;
其中,所述第一信道特征信息为所述终端经第一AI网络模型输出,所述第二信道特征信息为所述终端经第二AI网络模型输出。
28.一种终端,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1-16中任一项所述的信道特征信息传输方法的步骤。
29.一种网络侧设备,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17-25中任一项所述的信道特征信息传输方法的步骤。
30.一种可读存储介质,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1-16中任一项所述的信道特征信息传输方法的步骤,或者实现如权利要求17-25中任一项所述的信道特征信息传输方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210289411.1A CN116828499A (zh) | 2022-03-22 | 2022-03-22 | 信道特征信息传输方法、装置、终端及网络侧设备 |
PCT/CN2023/082612 WO2023179570A1 (zh) | 2022-03-22 | 2023-03-20 | 信道特征信息传输方法、装置、终端及网络侧设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210289411.1A CN116828499A (zh) | 2022-03-22 | 2022-03-22 | 信道特征信息传输方法、装置、终端及网络侧设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116828499A true CN116828499A (zh) | 2023-09-29 |
Family
ID=88099970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210289411.1A Pending CN116828499A (zh) | 2022-03-22 | 2022-03-22 | 信道特征信息传输方法、装置、终端及网络侧设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116828499A (zh) |
WO (1) | WO2023179570A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109474316B (zh) * | 2018-11-22 | 2021-11-09 | 东南大学 | 一种基于深度循环神经网络的信道信息压缩反馈方法 |
CN111628946B (zh) * | 2019-02-28 | 2021-10-26 | 华为技术有限公司 | 一种信道估计的方法以及接收设备 |
WO2021228743A1 (en) * | 2020-05-14 | 2021-11-18 | Nokia Technologies Oy | Channel estimation for an antenna array |
CN113810086A (zh) * | 2020-06-12 | 2021-12-17 | 华为技术有限公司 | 信道信息反馈方法、通信装置及存储介质 |
EP4205289A1 (en) * | 2020-08-31 | 2023-07-05 | Qualcomm Incorporated | Configurable metrics for channel state compression and feedback |
-
2022
- 2022-03-22 CN CN202210289411.1A patent/CN116828499A/zh active Pending
-
2023
- 2023-03-20 WO PCT/CN2023/082612 patent/WO2023179570A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023179570A1 (zh) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023246618A1 (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
CN116939705A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN116828499A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN116939650A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN116939649A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN116828497A (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 | |
WO2024037380A1 (zh) | 信道信息处理方法、装置、通信设备及存储介质 | |
CN117411746A (zh) | Ai模型处理方法、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 | |
WO2024104126A1 (zh) | 更新ai网络模型的方法、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 | |
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 | |
WO2023179476A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117978218A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN117997396A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN117014044A (zh) | 信道信息反馈方法、终端及网络侧设备 | |
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 | |
CN117998460A (zh) | 信道信息的上报和接收方法、终端及网络侧设备 | |
CN118264290A (zh) | 信道特征信息反馈方法、接收方法、终端及网络侧设备 | |
CN116939647A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117715075A (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN117715072A (zh) | 信息传输方法、ai网络模型训练方法、装置和通信设备 | |
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 |
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 |