CN116939650A - 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
- CN116939650A CN116939650A CN202210349446.XA CN202210349446A CN116939650A CN 116939650 A CN116939650 A CN 116939650A CN 202210349446 A CN202210349446 A CN 202210349446A CN 116939650 A CN116939650 A CN 116939650A
- Authority
- CN
- China
- Prior art keywords
- domain
- coefficients
- orthogonal
- terminal
- channel
- 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 119
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 87
- 238000013139 quantization Methods 0.000 claims abstract description 54
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims description 19
- 230000010287 polarization Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 29
- 239000011159 matrix material Substances 0.000 description 14
- 230000000694 effects Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 229920006934 PMI Polymers 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 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
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 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
- 238000007781 pre-processing Methods 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
- H04L25/0228—Channel estimation using sounding signals with direct estimation from sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- 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)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Mathematical Physics (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:终端获取信道信息;所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;所述终端向网络侧设备上报所述信道特征信息。
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)网络模型应用在通信系统中,例如网络侧设备和终端之间可以基于AI网络模型来传输通信数据。目前,基于AI网络模型的信道信息压缩反馈方案,通过在终端对信道信息进行压缩编码,在网络侧对压缩后的内容进行解码,从而恢复信道信息,此时网络侧的解码网络和终端侧的编码网络需要联合训练,以达到合理的匹配度。但是,对于不同长度的信道信息,通常对应不同的AI网络模型,导致终端侧和网络侧的功耗相应增加。
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对于不同长度的信道信息需要配置不同的AI网络模型的问题。
第一方面,提供了一种信道特征信息传输方法,包括:
终端获取信道信息;
所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
所述终端向网络侧设备上报所述信道特征信息。
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信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
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,用于获取信道信息;
处理模块,用于计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
上报模块,用于向网络侧设备上报所述信道特征信息。
第四方面,提供了一种信道特征信息传输装置,包括:
第二接收模块,用于接收终端上报的信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
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,所述处理器用于获取信道信息,计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息,所述通信接口用于向网络侧设备上报所述信道特征信息。
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信道特征信息其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
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的步骤,或实现如第二方面所述的信道特征信息传输方法的步骤。
在本申请实施例中,终端计算信道信息在第一域和第二域中至少一者的正交基上的系数,将所述系数输入第一AI网络模型进行量化处理,获取第一AI网络模型输出的信道特征信息,将所述信道特征信息上报给网络侧设备。这样,终端通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,也就无需针对不同长度的信道信息分别配置不同的AI网络模型,进而能够节省网络侧设备训练AI网络模型的功耗,节省网络侧设备和终端之间针对AI网络模型的传输开销,也能够降低终端的功耗。
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。
信道信息的编解码是针对整个信道信息的,要求输入的数量是固定的,针对不同数量的输入,例如不同宽带下,子带数量不同,信道估计得到的信道矩阵数量不同,或者,不同端口数配置,信道矩阵的维度不同,都会导致AI网络模型的输入的数量不同,针对每一种长度,都需要单独训练对应的AI网络模型,以实现不同数量的信道信息编码。
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,该方法应用于终端。如图2所示,所述方法包括以下步骤:
步骤201、终端获取信道信息。
可选地,终端可以是在网络侧设备指定的位置检测CSI参考信号(CSI ReferenceSignal,CSI-RS)或跟踪参考信号(Tracking Reference Signal,TRS),并进行信道估计,得到信道信息。例如,终端通过CSI-RS信道估计,获得每个子带的信道矩阵,所述信道信息可以是每个子带的信道矩阵,或者是信道矩阵经过预编码计算得到的对应的预编码矩阵,或者是特定层的预编码矩阵等。其中,所述信道矩阵为Nr×Nt的矩阵,其中Nr是接收天线数,Nt是CSI-RS端口数。
步骤202、所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息。
可选地,所述第一域为空域,或者也称角度域;所述第二域为频域,或者也称时延域。
本申请实施例中,终端在获得信道信息后,可以是计算所述信道信息在第一域的正交基上的系数;或者也可以是计算所述信道信息在第二域的正交基上的系数;或者是计算所述信道信息分别在第一域的正交基上的系数以及在第二域的正交基上的系数,例如空域选择4个正交基,频域选择4个正交基,终端计算信道信息在这些正交基上的共16个系数;或者还可以是计算信道信息在第一域和第二域的联合正交基上的系数,例如空域选择8个正交基,频域选择4个正交基,一共是32个空频联合正交基,则终端可以是计算信道信息在这32个正交基上的系数,或者终端还可以是从这32个空频联合正交基中选择24个正交基,计算信道信息在选择的24个正交基上的系数。
进一步地,终端将计算得到的系数输入至第一AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息。例如,第一AI网络模型对输入的系数压缩编码成比特(bit)序列,所述第一AI网络模型输出的信道特征信息也即所述bit序列。
需要说明地,终端可以是将计算得到的全部系数输入第一AI网络模型,或者可以是从计算得到的系数中,选择一定数量的正交基对应的系数输入至第一AI网络模型。例如,终端在基于32个空频联合正交基,计算信道信息在这32个正交基上的系数后,可以是从中选择24个正交基的系数输入至第一AI网络模型。
步骤203、所述终端向网络侧设备上报所述信道特征信息。
可以理解地,终端在获取到第一AI网络模型输出的信道特征信息后,将所述信道特征信息上报给网络侧设备。网络侧设备包括与所述第一AI网络模型匹配的第二AI网络模型,第一AI网络模型和第二AI网络模型通过网络侧设备进行联合训练,网络侧设备将训练好的第一AI网络模型发送给终端。终端通过第一AI网络模型对输入的系数进行编码处理,输出信道特征信息,终端将信道特征信息上报给网络侧设备,网络侧设备将所述信道特征信息输入匹配的第二AI网络模型,第二AI网络模型对信道特征信息进行解码处理,得到第二AI网络模型输出的信道信息,进而网络侧设备通过第二AI网络模型实现对信道信息的恢复。这样,终端和网络侧设备也就能够通过匹配的AI网络模型实现对信道信息的编码和解码处理。
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。
本申请实施例中,终端计算信道信息在第一域和第二域中至少一者的正交基上的系数,将所述系数输入第一AI网络模型进行量化处理,获取第一AI网络模型输出的信道特征信息,将所述信道特征信息上报给网络侧设备。这样,终端通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,也就无需针对不同长度的信道信息分别配置不同的AI网络模型,进而能够节省网络侧设备训练AI网络模型的功耗,节省网络侧设备和终端之间针对AI网络模型的传输开销,也能够降低终端的功耗。
可选地,所述第一域为空域,所述第二域为频域。所述第一域的正交基可以是离散傅里叶变换(Discrete Fourier Transform,DFT)正交基、CSI-RS端口、波束(beam)中的至少一个。其中,DFT正交基可以是经过过采的正交基,或者也可以是没有经过过采的正交基。所述第二域的正交基可以是DFT正交基、延迟(delay)、时延抽头中的至少一个。
需要说明地,所述为正交基投影的一个进阶,以预编码矩阵为例,CSI-RS端口数是32,则一个layer的预编码矩阵可以是一个32*1的矩阵,投影是生成32个正交DFT向量,每个DFT向量长度为32,将这个预编码矩阵投影在32个正交DFT向量中,选择系数幅度较大的若干个,然后使用系数和/或对应的DFT向量作为预处理结果。过采则是在投影的时候,例如以4倍过采为例,生成4组32个正交DFT向量,每组32个DFT向量正交,组与组之间不正交,然后选择4组中最接近预编码矩阵的一组,再按照上面的方式投影。
可选地,所述第一域的正交基的最大个数为CSI-RS的端口数;所述第二域的正交基的最大个数为频域采样点的个数。
本申请实施例中,所述正交基的确定可以是通过网络侧设备指示。
可选地,所述方法还可以包括:
所述终端接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
例如,网络侧设备通过第一指示信息指示终端在第一域采用N1个正交基,在第二域采用N2个正交基,则终端基于所述第一指示信息,在第一域选择N1个正交基,在第二域选择N2个正交基,并计算信道信息在第一域选择的N1个正交基上的系数,以及计算信道信息在第二域选择的N2个正交基上的系数,然后将计算得到的系数输入第一AI网络模型进行量化处理。
或者,所述第一指示信息还可以是直接指示终端采用的正交基,也即终端无需进行正交基的选择,终端基于所述第一指示信息能直接确定需要采用的正交基,进而计算信道信息在这些指示的正交基上的系数。
可选地,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基;
所述终端计算所述信道信息在所述采用的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,所述系数的长度与所述第一指示信息指示终端采用的正交基的数量匹配。
例如,所述第一指示信息用于指示第一域上采用的正交基为a1、a2、a3、a4,第二域上采用的正交基为b1、b2、b3、b4,则终端计算信道信息a1在b1、b2、b3、b4的系数,a2在b1、b2、b3、b4的系数……共计算得到16个系数,将计算得到的16个系数输入第一AI网络模型进行量化处理。可以理解地,所述第一指示信息也可以是仅指示终端在第一域上采用的正交基,或者仅指示在第二域上采用的正交基,本实施例不做具体赘述。
需要说明地,第一AI网络模型输入的系数长度与第一指示信息指示终端采用的正交基的数量匹配,进而终端也就能够通过正交基的数量来确定第一AI网络模型输入的系数的长度。
可选地,在所述第一域为空域,所述第二域为频域的情况下,所述第一域采用的正交基为所述空域的全部正交基。例如,第一指示信息可以是仅指示空域采用全部的正交基,对于频域的正交基不做指示;进而终端计算信道信息在空域的全部正交基上的系数,计算信道信息在频域的全部正交基上的系数,或者也可以是计算信道信息在频域的某些正交基上的系数,终端可以是自行确定频域采用的正交基。
或者,第一指示信息也可以是仅指示频域采用的正交基。
可选地,在所述第一域为空域,所述第二域为频域的情况下,所述终端基于所述第一指示信息,对第一域和第二域中至少一者采用的正交基进行选择,包括:
所述终端基于所述第一指示信息,确定所述第二域采用的正交基,所述第一指示信息用于指示所述第二域采用的正交基;
所述终端计算所述信道信息在选择的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端计算所述信道信息在所述第一域的所有正交基上的第一系数,以及计算所述信道信息在所述第二域采用的正交基上的第二系数,并将所述第一系数和所述第二系数输入至第一AI网络模型进行量化处理。
例如,第一指示信息仅指示频域采用的正交基,对于空域采用的正交基不做指示;这种情况下,空域选择全部的正交基,终端计算信道信息在空域的全部正交基上的第一系数,以及计算信道信息在指示的频域的正交基上的第二系数,将第一系数和第二系数输入第一AI网络模型进行量化处理。进而,在第一指示信息并未对空域采用的正交基进行指示的情况下,终端可以自行决定计算信道信息在空域的全部正交基上的系数,以确保终端对于信道信息在空域上的处理。
可选地,所述正交基的确定还可以是通过协议约定,也即终端基于协议约定确定采用的正交基。例如,协议约定空域选择全部的正交基,终端基于协议约定计算信道信息在空域的全部正交基上的系数。
可选地,在目标域的正交基为过采正交基的情况下,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,包括:
所述终端确定过采因子,基于所述过采因子计算所述信道信息在目标域的正交基上的系数,所述目标域包括第一域和第二域中的至少一者。
例如,目标域为第一域,若第一域的正交基为过采正交基,终端确定第一域上正交基的过采因子,并基于所述过采因子计算信道信息在第一域的正交基上的系数。可选地,终端还可以向网络侧设备上报所述过采因子。
本申请实施例中,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,还可以包括:
所述终端计算所述信道信息在第一域和第二域中的至少一者的M个正交基上各自对应的系数,所述M个正交基包括至少一个目标正交基;
所述终端将目标系数输入至第一AI网络模型进行量化处理,所述目标系数包括如下任意一项:
全部所述目标正交基对应的系数;
预设数量的所述目标正交基对应的系数;
全部所述目标正交基对应的系数及预设系数;
预设数量的所述目标正交基对应的系数及预设系数。
例如,所述M为4,所述M可以是网络侧设备指示,或者也可以是终端自行选择。可选地,终端可以是计算信道信在第一域的4个正交基上的系数以及在第二域的4个正交基上的系数,假设目标正交基为第一域上的4个正交基,则终端可以是将第一域上的4个正交基对应的系数作为目标系数输入第一AI网络模型进行量化处理,或者也可以是选择第一域上的4个正交基中的其中2个对应的系数作为目标系数,或者还可以是将第一域上的4个正交基对应的系数与预设系数作为目标系数,还可以是选择第一域上的4个正交基中的其中2个对应的系数以及预设系数作为目标系数。这样,也就使得终端对于输入第一AI网络模型的目标系数的选择更为灵活。以上M、目标正交基及目标系数仅是举例说明,并不构成对本申请的限定。
其中,所述预设数量可以是网络侧设备配置,例如预设数量为预设比例,该预设比例的取值范围为0~1,例如目标正交基的数量为4,预设比例为50%,也即选择目标正交基中的2个正交基对应的系数作为目标系数。可选地,所述预设数量可以是目标正交基对应的系数中数值较大的前L个,L的数值小于等于目标正交基的数量。
可选地,所述第一AI网络模型的输入长度与输入的所述目标系数的数量匹配。例如,输入长度为目标系数的数量的2倍。
需要说明地,系数为复数,第一AI网络模型的输入为实数,系数可以是按照指定的顺序进行排序。
本申请实施例中,所述M个正交基可以是包括所述目标正交基及除所述目标正交基以外的其他正交基,所述其他正交基对应的系数为所述预设系数。可选地,所述预设系数可以是协议约定或者是网络侧设备配置,例如协议约定预设系数为0或者某个固定的数值。
可选地,所述预设系数满足如下任意一项:
所述预设系数与第一AI网络模型关联;
所述其他正交基对应的所述预设系数相同;
所述其他正交基对应的所述预设系数不同,一个所述其他正交基对应一个预设系数;
所述预设系数为0。
例如,所述预设系数是与第一AI网络模型关联的,由网络侧设备一起配置,例如网络侧设备可以配置不同的第一AI网络模型对应不同的预设系数。
或者,M个正交基中除所述目标正交基以外的其他正交基对应的预设系数相同,例如所述预设系数为一个预设值,M个正交基中除所述目标正交基以外的其他正交基都使用该预设值。
或者,M个正交基中除所述目标正交基以外的每一个正交基各自对应一个预设系数,也即预设系数可以是一系列值,这些预设系数也可以是协议约定或者网络侧设备配置。
或者,还可以是协议约定或者网络侧设备配置所述预设系数为0。
本申请实施例中,通过预设系数的设置,能够降低第一AI网络模型对于输入的系数的处理复杂度,也就能够减少第一AI网络模型的网络结构大小,也使得网络侧设备对于第一AI网络模型的训练更加简单。
可选地,所述M个正交基为所述目标域的所有正交基,所述目标域包括所述第一域和所述第二域中的至少一者。例如目标域为第一域,第一域为空域,终端可以是计算信道信息在空域的全部正交基上的系数。
本申请实施例中,终端在将计算得到的系数输入第一AI网络模型之前,还可以对所述系数进行排序。
可选地,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并对所述系数进行排序,将排序后的所述系数输入至第一AI网络模型进行量化处理。
例如,终端计算信道信息在第一域的正交基上的系数以及在第二域的正交基上的系数,并将计算得到的所有系数进行排序,例如可以是将系数按照幅度从大到小进行排序,或者可以是按照幅度从小到大进行排序等,系数的排序方式可以是协议约定,或者也可以是网络侧设备配置。进一步地,终端将排序后的系数输入至第一AI网络模型进行量化处理。这样,也就使得输入第一AI网络模型的系数更具规律性,更有利于第一AI网络模型对系数的处理。
可选地,所述方法还可以包括:
所述终端向网络侧设备上报排序后的所述系数对应的正交基的顺序,或者上报排序后的所述系数对应的正交基的顺序标识。
本申请实施例中,终端在对输入第一AI网络模型的系数进行排序,并将排序后的系数输入至第一AI网络模型进行处理,得到输出的信道特征信息后,终端可以是向网络侧设备上报排序后的所述系数对应的正交基的顺序,或者是上报排序后的所述系数对应的正交基的顺序标识。这样,也就使得网络侧设备能够基于上报的正交基的顺序或正交基的顺序标识,获知输入第一AI网络模型的系数的顺序,以更好地恢复信道信息。
可选地,在所述第一域为空域的情况下,每个极化上选择的空域正交基对应的波束相同,每个极化上选择的空域正交基上的系数联合排序。例如,终端可以是将信道信息在极化后空域的正交基上计算得到的系数的平方和按照从大到小的顺序进行排序,终端上报的是排序后的系数对应的波束的顺序,极化的顺序可以是协议约定或者是与第一AI网络模型匹配。
可选地,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行分开排序;或者,在所述目标域包括第一域和第二域的情况下,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行联合排序。
本申请实施例中,所述方法还可以包括:
所述终端向网络侧设备上报采用的所述正交基。
例如,终端在第一域采用的正交基为a1、a2、a3、a4,第二域上采用的正交基为b1、b2、b3、b4,则终端向网络侧设备上报这些正交基,如第一域正交基a1、a2、a3、a4,第二域正交基b1、b2、b3、b4。进而,网络侧设备基于上报的终端所采用的正交基,以及通过第二AI网络模型恢复的这些正交基上的系数,也就能够恢复得到信道信息。
可选地,网络侧设备可以是有多个第二AI网络模型与终端的第一AI网络模型匹配,在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述方法还包括:
所述终端向网络侧设备上报最大系数对应的正交基的位置。
本申请实施例中,网络侧设备在接收到终端上报的信道特征信息,可以是将信道特征信息输入其中一个第二AI网络模型进行解码处理得到恢复的系数,网络侧设备比较解码得到的最大系数的正交基与终端上报的最大系数对应的正交基的位置是否一致,如果不一致,则网络侧设备可以更换一个第二AI网络模型对信道特征信息进行解码处理,以此来选择合适的第二AI网络模型恢复信道信息。
可选地,在网络侧设备将正交基编码至CSI-RS端口中的情况下,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,包括:
所述终端基于所述CSI-RS端口确定正交基,并计算所述信道信息在基于所述CSI-RS端口确定的正交基上的系数。
本申请实施例中,网络侧设备可以是将终端采用的正交基通过预编码器(precoder)编码至CSI-RS端口中,则终端可以是基于所述CSI-RS端口来确定采用的正交基,并计算信道信息在确定采用的正交基上的系数,将所述系数输入至第一AI网络模型中。这样,终端也就能够直接基于CSI-RS端口来确定正交基,无需终端再进行正交基的选择,更有助于简化终端的处理流程。
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,该方法应用于网络侧设备。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信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
需要说明地,网络侧设备包括与所述第一AI网络模型匹配的第二AI网络模型,第一AI网络模型和第二AI网络模型通过网络侧设备进行联合训练,网络侧设备将训练好的第一AI网络模型发送给终端。终端通过第一AI网络模型对输入的系数进行编码处理,输出信道特征信息,终端将信道特征信息上报给网络侧设备,网络侧设备将所述信道特征信息输入匹配的第二AI网络模型,第二AI网络模型对信道特征信息进行解码处理,得到第二AI网络模型输出的信道信息,进而网络侧设备通过第二AI网络模型实现对信道信息的恢复。这样,终端和网络侧设备也就能够通过匹配的AI网络模型实现对信道信息的编码和解码处理。
本申请实施例中,终端通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,进而网络侧设备也就无需针对不同长度的信道信息分别训练不同的AI网络模型,进而能够节省网络侧设备训练AI网络模型的功耗,也能够节省网络侧设备和终端之间针对AI网络模型的传输开销。
可选地,所述第一域为空域,所述第二域为频域。
可选地,所述第一域的正交基的最大个数为CSI-RS的端口数;所述第二域的正交基的最大个数为频域采样点的个数。
可选地,所述网络侧设备接收终端上报的信道特征信息之前,所述方法还包括:
所述网络侧设备向终端发送第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
例如,网络侧设备通过第一指示信息指示终端在第一域采用N1个正交基,在第二域采用N2个正交基,则终端基于所述第一指示信息,在第一域选择N1个正交基,在第二域选择N2个正交基,并计算信道信息在第一域选择的N1个正交基上的系数,以及计算信道信息在第二域选择的N2个正交基上的系数,然后将计算得到的系数输入第一AI网络模型进行量化处理。
或者,所述第一指示信息还可以是直接指示终端采用的正交基,也即终端无需进行正交基的选择,终端基于所述第一指示信息能直接确定需要采用的正交基,进而计算信道信息在这些指示的正交基上的系数。
本申请实施例中,所述方法还包括:
所述网络侧设备接收所述终端上报的所采用的正交基。
这样,网络侧设备基于上报的终端所采用的正交基,以及通过第二AI网络模型恢复的这些正交基上的系数,也就能够恢复得到信道信息。
可选地,所述方法还包括:
在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述网络侧设备接收所述终端上报的最大系数对应的正交基的位置。
本申请实施例中,网络侧设备在接收到终端上报的信道特征信息,可以是将信道特征信息输入其中一个第二AI网络模型进行解码处理得到恢复的系数,网络侧设备比较解码得到的最大系数的正交基与终端上报的最大系数对应的正交基的位置是否一致,如果不一致,则网络侧设备可以更换一个第二AI网络模型对信道特征信息进行解码处理,以此来选择合适的第二AI网络模型恢复信道信息。
可选地,所述方法还可以包括:
所述网络侧设备将正交基编码至CSI-RS端口中。
本申请实施例中,网络侧设备可以是将终端采用的正交基通过预编码器(precoder)编码至CSI-RS端口中,则终端可以是基于所述CSI-RS端口来确定采用的正交基,并计算信道信息在确定采用的正交基上的系数,将所述系数输入至第一AI网络模型中。这样,终端也就能够直接基于CSI-RS端口来确定正交基,无需终端再进行正交基的选择,更有助于简化终端的处理流程。
需要说明地,本申请实施例提供的应用于网络侧设备的信道特征信息传输方法与上述应用于终端的方法对应,本申请实施例中涉及的相关概念及具体实现流程可以是参照上述图2所述实施例中的描述,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的结构图,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,用于获取信道信息;
处理模块402,用于计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
上报模块403,用于向网络侧设备上报所述信道特征信息。
可选地,所述第一域为空域,所述第二域为频域,所述第一域的正交基的最大个数为信道状态信息参考信号CSI-RS的端口数;
所述第二域的正交基的最大个数为频域采样点的个数。
可选地,所述装置还包括:
第一接收模块,用于接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
可选地,所述处理模块402还用于:
基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基;
计算所述信道信息在所述采用的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,所述系数的长度与所述第一指示信息指示终端采用的正交基的数量匹配。
可选地,在所述第一域为空域,所述第二域为频域的情况下,所述第一域采用的正交基为所述空域的全部正交基。
可选地,在所述第一域为空域,所述第二域为频域的情况下,所述处理模块402还用于:
基于所述第一指示信息,确定所述第二域采用的正交基,所述第一指示信息用于指示所述第二域采用的正交基;
计算所述信道信息在所述第一域的所有正交基上的第一系数,以及计算所述信道信息在所述第二域采用的正交基上的第二系数,并将所述第一系数和所述第二系数输入至第一AI网络模型进行量化处理。
可选地,所述正交基的确定通过协议约定。
可选地,在目标域的正交基为过采正交基的情况下,所述处理模块402还用于:
确定过采因子,基于所述过采因子计算所述信道信息在目标域的正交基上的系数,所述目标域包括第一域和第二域中的至少一者。
可选地,所述处理模块402还用于:
计算所述信道信息在第一域和第二域中的至少一者的M个正交基上各自对应的系数,所述M个正交基包括至少一个目标正交基;
将目标系数输入至第一AI网络模型进行量化处理,所述目标系数包括如下任意一项:
全部所述目标正交基对应的系数;
预设数量的所述目标正交基对应的系数;
全部所述目标正交基对应的系数及预设系数;
预设数量的所述目标正交基对应的系数及预设系数。
可选地,所述第一AI网络模型的输入长度与输入的所述目标系数的数量匹配。
可选地,所述M个正交基包括所述目标正交基及除所述目标正交基以外的其他正交基,所述其他正交基对应的系数为所述预设系数。
可选地,所述预设系数满足如下任意一项:
所述预设系数与第一AI网络模型关联;
所述其他正交基对应的所述预设系数相同;
所述其他正交基对应的所述预设系数不同,一个所述其他正交基对应一个预设系数;
所述预设系数为0。
可选地,所述M个正交基为所述目标域的所有正交基,所述目标域包括所述第一域和所述第二域中的至少一者。
可选地,所述处理模块402还用于:
计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并对所述系数进行排序,将排序后的所述系数输入至第一AI网络模型进行量化处理。
可选地,所述上报模块403还用于:
向网络侧设备上报排序后的所述系数对应的正交基的顺序,或者上报排序后的所述系数对应的正交基的顺序标识。
可选地,在所述第一域为空域的情况下,每个极化上选择的空域正交基对应的波束相同,每个极化上选择的空域正交基上的系数联合排序。
可选地,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行分开排序;或者,
在所述目标域包括第一域和第二域的情况下,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行联合排序。
可选地,所述上报模块403还用于:
向网络侧设备上报采用的所述正交基。
可选地,在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述上报模块403还用于:
向网络侧设备上报最大系数对应的正交基的位置。
可选地,在网络侧设备将正交基编码至CSI-RS端口中的情况下,所述处理模块402还用于:
基于所述CSI-RS端口确定正交基,并计算所述信道信息在基于所述CSI-RS端口确定的正交基上的系数。
本申请实施例中,所述装置通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,也就无需针对不同长度的信道信息分别配置不同的AI网络模型,进而能够节省网络侧设备训练AI网络模型的功耗,节省网络侧设备和所述装置之间针对AI网络模型的传输开销,也能够降低所述装置的功耗。
本申请实施例中的信道特征信息传输装置400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400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的结构图,如图5所示,所述信道特征信息传输装置500包括:
第二接收模块501,用于接收终端上报的信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
可选地,所述第一域为空域,所述第二域为频域,所述第一域的正交基的最大个数为CSI-RS的端口数;所述第二域的正交基的最大个数为频域采样点的个数。
可选地,所述装置还包括:
发送模块,用于向终端发送第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
可选地,所述第二接收模块501还用于:
接收所述终端上报的所采用的正交基。
可选地,在所述装置包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述第二接收模块501还用于:
接收所述终端上报的最大系数对应的正交基的位置。
可选地,所述装置还包括:
编码模块。用于将终端采用的正交基编码至CSI-RS端口中。
本申请实施例中,终端通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,进而所述装置也就无需针对不同长度的信道信息分别训练不同的AI网络模型,进而能够节省所述装置训练AI网络模型的功耗,也能够节省所述装置和终端之间针对AI网络模型的传输开销。
本申请实施例提供的信道特征信息传输装置500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,处理器用于用于获取信道信息,计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息,所述通信接口用于向网络侧设备上报所述信道特征信息。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,用于获取信道信息;以及,计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
射频单元701,用于向网络侧设备上报所述信道特征信息。
可选地,所述第一域为空域,所述第二域为频域,所述第一域的正交基的最大个数为信道状态信息参考信号CSI-RS的端口数;所述第二域的正交基的最大个数为频域采样点的个数。
可选地,射频单元701,还用于:
接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
可选地,处理器710,还用于:
基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基;
计算所述信道信息在所述采用的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,所述系数的长度与所述第一指示信息指示终端采用的正交基的数量匹配。
可选地,在所述第一域为空域,所述第二域为频域的情况下,所述第一域采用的正交基为所述空域的全部正交基。
可选地,在所述第一域为空域,所述第二域为频域的情况下,处理器710,还用于:
基于所述第一指示信息,确定所述第二域采用的正交基,所述第一指示信息用于指示所述第二域采用的正交基;
计算所述信道信息在所述第一域的所有正交基上的第一系数,以及计算所述信道信息在所述第二域采用的正交基上的第二系数,并将所述第一系数和所述第二系数输入至第一AI网络模型进行量化处理。
可选地,所述正交基的确定通过协议约定。
可选地,在目标域的正交基为过采正交基的情况下,处理器710,还用于:
确定过采因子,基于所述过采因子计算所述信道信息在目标域的正交基上的系数,所述目标域包括第一域和第二域中的至少一者。
可选地,处理器710,还用于:
计算所述信道信息在第一域和第二域中的至少一者的M个正交基上各自对应的系数,所述M个正交基包括至少一个目标正交基;
将目标系数输入至第一AI网络模型进行量化处理,所述目标系数包括如下任意一项:
全部所述目标正交基对应的系数;
预设数量的所述目标正交基对应的系数;
全部所述目标正交基对应的系数及预设系数;
预设数量的所述目标正交基对应的系数及预设系数。
可选地,所述第一AI网络模型的输入长度与输入的所述目标系数的数量匹配。
可选地,所述M个正交基包括所述目标正交基及除所述目标正交基以外的其他正交基,所述其他正交基对应的系数为所述预设系数。
可选地,所述预设系数满足如下任意一项:
所述预设系数与第一AI网络模型关联;
所述其他正交基对应的所述预设系数相同;
所述其他正交基对应的所述预设系数不同,一个所述其他正交基对应一个预设系数;
所述预设系数为0。
可选地,所述M个正交基为所述目标域的所有正交基,所述目标域包括所述第一域和所述第二域中的至少一者。
可选地,处理器710,还用于:
所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并对所述系数进行排序,将排序后的所述系数输入至第一AI网络模型进行量化处理。
可选地,射频单元701,还用于:
向网络侧设备上报排序后的所述系数对应的正交基的顺序,或者上报排序后的所述系数对应的正交基的顺序标识。
可选地,在所述第一域为空域的情况下,每个极化上选择的空域正交基对应的波束相同,每个极化上选择的空域正交基上的系数联合排序。
可选地,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行分开排序;或者,
在所述目标域包括第一域和第二域的情况下,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行联合排序。
可选地,射频单元701,还用于:
向网络侧设备上报采用的所述正交基。
可选地,在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,射频单元701,还用于:
向网络侧设备上报最大系数对应的正交基的位置。
可选地,在网络侧设备将正交基编码至CSI-RS端口中的情况下,处理器710,还用于:
基于所述CSI-RS端口确定正交基,并计算所述信道信息在基于所述CSI-RS端口确定的正交基上的系数。
本申请实施例中,终端通过计算信道信息在第一域和第二域中至少一者的正交基上的系数,基于一个第一AI网络模型就能够实现对信道信息的处理,也就无需针对不同长度的信道信息分别配置不同的AI网络模型,进而能够节省网络侧设备训练AI网络模型的功耗,节省网络侧设备和终端之间针对AI网络模型的传输开销,也能够降低终端的功耗。
本申请实施例还提供一种网络侧设备,包括处理器和通信接口,所述通信接口用于接收终端上报的信道特征信息其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。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 (32)
1.一种信道特征信息传输方法,其特征在于,包括:
终端获取信道信息;
所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一人工智能AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
所述终端向网络侧设备上报所述信道特征信息。
2.根据权利要求1所述的方法,其特征在于,所述第一域为空域,所述第二域为频域,所述第一域的正交基的最大个数为信道状态信息参考信号CSI-RS的端口数;
所述第二域的正交基的最大个数为频域采样点的个数。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述终端接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
4.根据权利要求3所述的方法,其特征在于,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基;
所述终端计算所述信道信息在所述采用的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,所述系数的长度与所述第一指示信息指示终端采用的正交基的数量匹配。
5.根据权利要求4所述的方法,其特征在于,在所述第一域为空域,所述第二域为频域的情况下,所述第一域采用的正交基为所述空域的全部正交基。
6.根据权利要求4所述的方法,其特征在于,在所述第一域为空域,所述第二域为频域的情况下,所述终端基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基,包括:
所述终端基于所述第一指示信息,确定所述第二域采用的正交基,所述第一指示信息用于指示所述第二域采用的正交基;
所述终端计算所述信道信息在选择的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端计算所述信道信息在所述第一域的所有正交基上的第一系数,以及计算所述信道信息在所述第二域采用的正交基上的第二系数,并将所述第一系数和所述第二系数输入至第一AI网络模型进行量化处理。
7.根据权利要求1所述的方法,其特征在于,在目标域的正交基为过采正交基的情况下,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,包括:
所述终端确定过采因子,基于所述过采因子计算所述信道信息在目标域的正交基上的系数,所述目标域包括第一域和第二域中的至少一者。
8.根据权利要求1所述的方法,其特征在于,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端计算所述信道信息在第一域和第二域中的至少一者的M个正交基上各自对应的系数,所述M个正交基包括至少一个目标正交基;
所述终端将目标系数输入至第一AI网络模型进行量化处理,所述目标系数包括如下任意一项:
全部所述目标正交基对应的系数;
预设数量的所述目标正交基对应的系数;
全部所述目标正交基对应的系数及预设系数;
预设数量的所述目标正交基对应的系数及预设系数。
9.根据权利要求8所述的方法,其特征在于,所述第一AI网络模型的输入长度与输入的所述目标系数的数量匹配。
10.根据权利要求8所述的方法,其特征在于,所述M个正交基包括所述目标正交基及除所述目标正交基以外的其他正交基,所述其他正交基对应的系数为所述预设系数。
11.根据权利要求10所述的方法,其特征在于,所述预设系数满足如下任意一项:
所述预设系数与第一AI网络模型关联;
所述其他正交基对应的所述预设系数相同;
所述其他正交基对应的所述预设系数不同,一个所述其他正交基对应一个预设系数;
所述预设系数为0。
12.根据权利要求1所述的方法,其特征在于,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,包括:
所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并对所述系数进行排序,将排序后的所述系数输入至第一AI网络模型进行量化处理。
13.根据权利要求12所述的方法,其特征在于,所述方法还包括:
所述终端向网络侧设备上报排序后的所述系数对应的正交基的顺序,或者上报排序后的所述系数对应的正交基的顺序标识。
14.根据权利要求12所述的方法,其特征在于,在所述第一域为空域的情况下,每个极化上选择的空域正交基对应的波束相同,每个极化上选择的空域正交基上的系数联合排序。
15.根据权利要求12所述的方法,其特征在于,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行分开排序;或者,
在目标域包括第一域和第二域的情况下,所述第一域的正交基上的系数和所述第二域的正交基上的系数进行联合排序。
16.根据权利要求1-15中任一项所述的方法,其特征在于,所述方法还包括:
所述终端向网络侧设备上报采用的所述正交基;或者,
在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述终端向网络侧设备上报最大系数对应的正交基的位置。
17.根据权利要求1所述的方法,其特征在于,在网络侧设备将正交基编码至CSI-RS端口中的情况下,所述终端计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,包括:
所述终端基于所述CSI-RS端口确定正交基,并计算所述信道信息在基于所述CSI-RS端口确定的正交基上的系数。
18.一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信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
19.根据权利要求18所述的方法,其特征在于,所述第一域为空域,所述第二域为频域,所述第一域的正交基的最大个数为CSI-RS的端口数;
所述第二域的正交基的最大个数为频域采样点的个数。
20.根据权利要求18所述的方法,其特征在于,所述网络侧设备接收终端上报的信道特征信息之前,所述方法还包括:
所述网络侧设备向终端发送第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
21.根据权利要求18所述的方法,其特征在于,所述方法还包括:
所述网络侧设备接收所述终端上报的所采用的正交基;或者,
在网络侧设备包括与所述第一AI网络模型匹配的多个第二AI网络模型的情况下,所述网络侧设备接收所述终端上报的最大系数对应的正交基的位置。
22.根据权利要求18-21中任一项所述的方法,其特征在于,所述方法还包括:
所述网络侧设备将终端采用的正交基编码至CSI-RS端口中。
23.一种信道特征信息传输装置,其特征在于,包括:
获取模块,用于获取信道信息;
处理模块,用于计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,获取所述第一AI网络模型输出的信道特征信息;
上报模块,用于向网络侧设备上报所述信道特征信息。
24.根据权利要求23所述的装置,其特征在于,所述装置还包括:
第一接收模块,用于接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示终端采用的正交基,或者用于指示终端采用的正交基的数量。
25.根据权利要求24所述的装置,其特征在于,所述处理模块还用于:
基于所述第一指示信息,确定第一域和第二域中至少一者采用的正交基;
计算所述信道信息在所述采用的正交基上的系数,并将所述系数输入至第一AI网络模型进行量化处理,所述系数的长度与所述第一指示信息指示终端采用的正交基的数量匹配。
26.根据权利要求23所述的装置,其特征在于,所述处理模块还用于:
计算所述信道信息在第一域和第二域中的至少一者的M个正交基上各自对应的系数,所述M个正交基包括至少一个目标正交基;
将目标系数输入至第一AI网络模型进行量化处理,所述目标系数包括如下任意一项:
全部所述目标正交基对应的系数;
预设数量的所述目标正交基对应的系数;
全部所述目标正交基对应的系数及预设系数;
预设数量的所述目标正交基对应的系数及预设系数。
27.根据权利要求23所述的装置,其特征在于,所述处理模块还用于:
计算所述信道信息在第一域和第二域中的至少一者的正交基上的系数,并对所述系数进行排序,将排序后的所述系数输入至第一AI网络模型进行量化处理。
28.一种信道特征信息传输装置,其特征在于,包括:
第二接收模块,用于接收终端上报的信道特征信息;
其中,所述信道特征信息为所述终端计算信道信息在第一域和第二域中的至少一者的正交基上的系数,并将所述系数输入第一AI网络模型进行量化处理后输出得到的信息。
29.根据权利要求28所述的装置,其特征在于,所述装置还包括:
编码模块,用于将终端采用的正交基编码至CSI-RS端口中。
30.一种终端,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1-17中任一项所述的信道特征信息传输方法的步骤。
31.一种网络侧设备,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18-22中任一项所述的信道特征信息传输方法的步骤。
32.一种可读存储介质,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1-17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18-22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 |
---|---|---|---|
CN202210349446.XA CN116939650A (zh) | 2022-04-01 | 2022-04-01 | 信道特征信息传输方法、装置、终端及网络侧设备 |
PCT/CN2023/084964 WO2023185980A1 (zh) | 2022-04-01 | 2023-03-30 | 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 |
---|---|---|---|
CN202210349446.XA CN116939650A (zh) | 2022-04-01 | 2022-04-01 | 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 |
---|---|
CN116939650A true CN116939650A (zh) | 2023-10-24 |
Family
ID=88199374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210349446.XA Pending CN116939650A (zh) | 2022-04-01 | 2022-04-01 | 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) | CN116939650A (zh) |
WO (1) | WO2023185980A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208572B (zh) * | 2015-06-26 | 2018-12-25 | 华为技术有限公司 | 一种波束成形方法及基站 |
US10560169B2 (en) * | 2017-03-24 | 2020-02-11 | Mediatek Inc. | CSI acquisition with channel reciprocity in mobile communications |
CN113283571A (zh) * | 2017-06-19 | 2021-08-20 | 弗吉尼亚科技知识产权有限公司 | 使用多天线收发器无线传输的信息的编码和解码 |
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
- 2022-04-01 CN CN202210349446.XA patent/CN116939650A/zh active Pending
-
2023
- 2023-03-30 WO PCT/CN2023/084964 patent/WO2023185980A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023185980A1 (zh) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20230138538A (ko) | 정보 리포팅 방법, 장치, 제1 장치 및 제2 장치 | |
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 | |
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 | |
CN116828499A (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 | |
WO2023179476A1 (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 | |
CN117750395A (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN117411527A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117978218A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
WO2024088161A1 (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
WO2024149156A1 (zh) | 信息传输方法、装置、终端及网络侧设备 | |
CN118316496A (zh) | 信息传输方法、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 | |
CN117318773A (zh) | 信道矩阵处理方法、装置、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 | |
CN117411746A (zh) | Ai模型处理方法、装置、终端及网络侧设备 | |
CN117335849A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117997396A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN118075120A (zh) | 更新ai网络模型的方法、装置和通信设备 | |
CN116939647A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN118487727A (zh) | 信道信息传输方法、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 |
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 |