CN116939702A - 数据传输的方法和装置 - Google Patents
数据传输的方法和装置 Download PDFInfo
- Publication number
- CN116939702A CN116939702A CN202210365108.5A CN202210365108A CN116939702A CN 116939702 A CN116939702 A CN 116939702A CN 202210365108 A CN202210365108 A CN 202210365108A CN 116939702 A CN116939702 A CN 116939702A
- Authority
- CN
- China
- Prior art keywords
- neural network
- data packet
- packet
- network data
- indication 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 144
- 230000005540 biological transmission Effects 0.000 title claims abstract description 51
- 238000013528 artificial neural network Methods 0.000 claims abstract description 583
- 230000005641 tunneling Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims description 89
- 238000004891 communication Methods 0.000 claims description 79
- 230000006854 communication Effects 0.000 claims description 79
- 238000012545 processing Methods 0.000 claims description 55
- 230000015654 memory Effects 0.000 claims description 33
- 238000011084 recovery Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000003111 delayed effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 94
- 238000007726 management method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 19
- 238000013507 mapping Methods 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 13
- 238000007667 floating Methods 0.000 description 11
- 230000001976 improved effect Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- 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
- H04W28/0268—Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
-
- 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
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
- H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供了一种数据传输的方法和装置,该方法包括:接收通用分组无线业务隧道协议用户面GTP‑U数据包,该GTP‑U数据包的载荷中包括神经网络数据包,且包头中包括用于指示该神经网络数据包的优先级的指示信息;根据该指示信息传输该神经网络数据包。通过在GTP‑U数据包中携带指示神经网络数据包的优先级的指示信息,以使得接收GTP‑U数据包的接入网设备能够根据该指示信息传输神经网络数据包,以期实现对不同优先级的神经网络数据包的差异化传输。
Description
技术领域
本申请实施例涉及通信领域,更具体地,涉及一种数据传输的方法和装置。
背景技术
近年来,随着扩展现实(extended reality,XR)技术的不断进步和完善,相关产业得到了蓬勃的发展。如今,XR技术已经进入到教育、娱乐、军事、医疗、环保、交通运输、公共卫生等各种与人们生产、生活息息相关的领域当中。其中,XR是各种现实相关技术的总称,具体包括:虚拟现实(virtual reality,VR),增强现实(augmented reality,AR)和混合现实(mixed reality,MR)。通过对视觉和听觉的渲染,为用户带来虚拟场景与现实场景的“沉浸式体验”。
在XR技术中,提供高分辨率的图像(或视频)可提高用户体验。示例性地,通过超级分辨率(super resolution,SR)技术可以将低分辨率图像转化成高分辨率图像。基于神经网络(neural network,NN)的SR技术因其画面恢复效果显著受到了广泛的关注,用户根据神经网络将低分辨率图像转化成高分辨率图像,所以如何传输神经网络数据包成为重点关注的问题。
发明内容
本申请实施例提供一种通信方法,以期实现对不同优先级的神经网络数据包的差异化传输,提高用户体验。
第一方面,提供了一种通信方法,该方法可以由接入网设备执行,或者,也可以由配置于接入网设备中的芯片或电路执行,或者,还可以由能实现全部或部分接入网设备功能的逻辑模块或软件执行,本申请对此不作限定。为了便于描述,下文中以由接入网设备执行为例进行说明。
该方法包括:接收通用分组无线业务隧道协议(general packet radio servicetunneling protocol-user plane,GTP-U)数据包,该GTP-U数据包的载荷中包括神经网络数据包,该GTP-U数据包的包头中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;根据该指示信息传输该神经网络数据包。
基于上述技术方案,接入网设备接收到的GTP-U数据包的包头中包括指示神经网络数据包的指示信息,从而接入网设备可以从该GTP-U数据包的包头中读取该指示信息,并基于该指示信息指示的神经网络数据包的优先级,对该神经网络数据包进行传输处理。可以理解,接入网设备在传输神经网络数据包的时候考虑到神经网络数据包的优先级,以便于实现对不同优先级的神经网络数据包的差异化传输。
例如,接入网设备接收到两个GTP-U数据包(GTP-U数据包#1和GTP-U数据包#2),其中,GTP-U数据包#1的载荷中包括神经网络数据包#1,GTP-U数据包#1的包头中包括指示信息#1,GTP-U数据包#2的载荷中包括神经网络数据包#2,GTP-U数据包#2的包头中包括指示信息#2。接入网设备根据指示信息#1和指示信息#2差异化传输神经网络数据包#1和神经网络数据包#2,如,指示信息#1指示神经网络数据包#1的优先级为高优先级,指示信息#2指示神经网络数据包#2的优先级为低优先级,接入网设备可以优先传输神经网络数据包#1,在神经网络数据包#1传输完成之后再传输神经网络数据包#2。
结合第一方面,在第一方面的某些实现方式中,根据该指示信息传输该神经网络数据包,包括:在该指示信息指示该神经网络数据包为高优先级的情况下,优先传输该神经网络数据包;或者,在该指示信息指示该神经网络数据包为低优先级的情况下,延后传输该神经网络数据包;或者,在该指示信息指示该神经网络数据包为低优先级,且网络状态发生拥堵的情况下,放弃传输该神经网络数据包。
基于上述技术方案,接入网设备可以根据指示信息指示的神经网络数据包的优先级,确定不同的神经网络数据包的传输方式(如,优先传输或者放弃传输等),提高方案的灵活性。
第二方面,提供了一种通信方法,该方法可以由核心网设备执行,或者,也可以由配置于核心网设备中的芯片或电路执行,或者,还可以由能实现全部或部分核心网设备功能的逻辑模块或软件执行,本申请对此不作限定。为了便于描述,下文中以由核心网设备执行为例进行说明。
该方法包括:获得神经网络数据包,该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;向接入网设备发送通用分组无线业务隧道协议用户面GTP-U数据包,该GTP-U数据包的载荷中包括该神经网络数据包,该GTP-U数据包的包头中包括该指示信息。
基于上述技术方案,核心网设备接收到携带用于指示神经网络数据包的优先级的指示信息的神经网络数据包之后,可以从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息,并将该指示信息按照GTP-U协议封装到GTP-U数据包包头中,以及将神经网络数据包作为该GTP-U数据包的载荷。以便于接收该GTP-U数据包的接入网设备可以从该GTP-U数据包的包头中读取该指示信息,并基于该指示信息指示的神经网络数据包的优先级,对该神经网络数据包进行传输处理。可以理解,接入网设备在传输神经网络数据包的时候考虑到神经网络数据包的优先级,以便于实现对不同优先级的神经网络数据包的差异化传输。
第三方面,提供了一种通信方法,该方法可以由服务器执行,或者,也可以由配置于服务器中的芯片或电路执行,或者,还可以由能实现全部或部分服务器功能的逻辑模块或软件执行,本申请对此不作限定。为了便于描述,下文中以由服务器执行为例进行说明。
该方法包括:生成神经网络数据包该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;发送该神经网络数据包。
基于上述技术方案,服务器在生成神经网络数据包时,可以将指示该神经网络数据包的优先级的指示信息携带在神经网络数据包中,以便于接收该神经网络数据包的核心网设备能够从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息,获知神经网络数据包的优先级。以期实现对不同优先级的神经网络数据包的差异化传输。
第四方面,提供了一种通信装置,该装置用于执行上述第一方面提供的方法。该装置可以为接入网设备,也可以为接入网设备的部件(例如处理器、芯片、或芯片系统等),还可以为能实现全部或部分接入网设备功能的逻辑模块或软件,该装置包括:
接口单元,用于接收通用分组无线业务隧道协议用户面GTP-U数据包,该GTP-U数据包的载荷中包括神经网络数据包,该GTP-U数据包的包头中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;处理单元,用于根据该指示信息控制该装置传输该神经网络数据包。
结合第四方面,在第四方面的某些实现方式中,该处理单元根据该指示信息控制该装置传输该神经网络数据包,包括:在该指示信息指示该神经网络数据包为高优先级的情况下,该处理单元控制该装置优先传输该神经网络数据包;或者,在该指示信息指示该神经网络数据包为低优先级的情况下,该处理单元控制该装置延后传输该神经网络数据包;或者,在该指示信息指示该神经网络数据包为低优先级,且网络状态发生拥堵的情况下,该处理单元控制该装置放弃传输该神经网络数据包。
具体地,该通信装置可以包括用于执行第一方面任意一种实现方式提供的方法的单元和/或模块,如处理单元和接口单元。
在一种实现方式中,接口单元可以是收发器,或,输入/输出接口;处理单元可以是至少一个处理器。可选地,收发器可以为收发电路。可选地,输入/输出接口可以为输入/输出电路。
在另一种实现方式中,接口单元可以是该芯片、芯片系统或电路上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等;处理单元可以是至少一个处理器、处理电路或逻辑电路等。
以上第四方面及其可能的设计所示装置的有益效果可参照第一方面及其可能的设计中的有益效果。
第五方面,提供了一种通信装置,该装置用于执行上述第二方面提供的方法。该装置可以为核心网设备,也可以为核心网设备的部件(例如处理器、芯片、或芯片系统等),还可以为能实现全部或部分核心网设备功能的逻辑模块或软件,该装置包括:
接口单元,用于获得神经网络数据包,该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;
该接口单元,还用于向接入网设备发送通用分组无线业务隧道协议用户面GTP-U数据包,该GTP-U数据包的载荷中包括该神经网络数据包,该GTP-U数据包的包头中包括该指示信息。
具体地,该通信装置可以包括用于执行第二方面任意一种实现方式提供的方法的单元和/或模块,如处理单元和接口单元。
在一种实现方式中,接口单元可以是收发器,或,输入/输出接口;处理单元可以是至少一个处理器。可选地,收发器可以为收发电路。可选地,输入/输出接口可以为输入/输出电路。
在另一种实现方式中,接口单元可以是该芯片、芯片系统或电路上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等;处理单元可以是至少一个处理器、处理电路或逻辑电路等。
以上第五方面所示装置的有益效果可参照第二方面的有益效果。
第六方面,提供了一种通信装置,该装置用于执行上述第三方面提供的方法。该装置可以为服务器,也可以为服务器的部件(例如处理器、芯片、或芯片系统等),还可以为能实现全部或部分服务器功能的逻辑模块或软件,该装置包括:
处理单元,用于生成神经网络数据包该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;接口单元,用于发送该神经网络数据包。
具体地,该通信装置可以包括用于执行第三方面任意一种实现方式提供的方法的单元和/或模块,如处理单元和接口单元。
在一种实现方式中,接口单元可以是收发器,或,输入/输出接口;处理单元可以是至少一个处理器。可选地,收发器可以为收发电路。可选地,输入/输出接口可以为输入/输出电路。
在另一种实现方式中,接口单元可以是该芯片、芯片系统或电路上的输入/输出接口、接口电路、输出电路、输入电路、管脚或相关电路等;处理单元可以是至少一个处理器、处理电路或逻辑电路等。
以上第六方面所示装置的有益效果可参照第三方面的有益效果。
在第一方面至第六方面的某些实施方式中,该神经网络数据包的优先级与该神经网络数据包对应的神经网络恢复数据的效果相关。其中,神经网络恢复数据的效果可以由以下任意一种指标指示:
峰值信噪比(peak signal to noise ratio,PSNR)、结构相似性(structuralsimilarity,SSIM)或视频多方法评估融合(video multimethod assessment fusion,VMAF)等。
例如,神经网络恢复数据的效果满足预期(如,VAMF大于预设阈值)的情况下,该神经网络的数据(如,该神经网络的参数信息、该神经网络的系数等)编码得到的神经网络数据包的优先级为为高优先级。
还例如,神经网络恢复数据的效果不满足预期(如,VAMF小于或者等于预设阈值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为低优先级。
基于上述技术方案,在本申请中可以根据神经网络恢复数据的效果确定该神经网络的神经网络数据包的优先级,以便于优先传输恢复数据的效果好的神经网络的神经网络数据包,从而用户可以优先使用恢复数据的效果好的神经网络恢复数据,提高用户体验。
在第一方面至第六方面的某些实施方式中,该神经网络数据包的优先级还与预设算法恢复该数据的效果相关。其中,预设算法恢复该数据的效果可以由以下任意一种指标指示:PSNR、SSIM或VMAF等。
例如,神经网络恢复数据的效果相比于预设算法恢复该数据的效果好的程度高出预期值(如,神经网络对应的VAMF相比于预设算法对应的VAMF大于一个预设值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为高优先级。
还例如,神经网络恢复数据的效果相比于预设算法恢复该数据的效果好的程度低于预期值(如,神经网络对应的VAMF相比于预设算法对应的VAMF小于或者等于一个预设值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为低优先级。
基于上述技术方案,在本申请中可以根据神经网络恢复数据的效果和预设算法恢复该数据的效果,确定该神经网络的神经网络数据包的优先级,在多个神经网络恢复数据的效果都比预设算法恢复该数据的效果好的情况下,以便于优先传输恢复数据的效果比预设算法好的程度高的神经网络,从而用户可以优先使用恢复数据的效果好的神经网络恢复数据,提高用户体验。
在第一方面至第六方面的某些实施方式中,该神经网络数据包用于重构该神经网络数据包对应的神经网络,该神经网络数据包的优先级与重构该神经网络的效果相关。其中,神经网络数据包用于重构该神经网络数据包对应的神经网络可以理解为:该神经网络数据包的数据为用于重构神经网络的数据。如,神经网络数据包的数据为神经网络的系数的数据,而神经网络的系数用于重构神经网络。
基于上述技术方案,在本申请中可以根据重构神经网络的效果确定该神经网络的神经网络数据包的优先级,以便于优先传输重构神经网络的效果好的神经网络数据包,提高用户重构神经网络的效率。
在第一方面至第六方面的某些实施方式中,该神经网络数据包包括该神经网络的系数的数据,该系数的数据用于获得该系数,该系数用于重构该神经网络,该神经网络数据包的优先级与该系数的数据对该系数的影响相关。
例如,在系数数据计算得到的系数#1和系数之间的差值满足预期(如,系数#1和系数之间的差值小于或者等于预设阈值)的情况下,确定神经网络数据包的优先级为高优先级。
还例如,在系数数据计算得到的系数#1和系数之间的差值不满足预期(如,系数#1和系数之间的差值大于预设阈值)的情况下,确定神经网络数据包的优先级为低优先级。
基于上述技术方案,在本申请中可以根据神经网络数据包的数据计算得到的值和神经网络的系数之间的差别确定神经网络数据包的优先级,以便于优先传输能够计算得到与神经网络的系数最相近的值的神经网络数据包,以使得用户能够根据接收到的神经网络数据包快速重构神经网络,提供用户重构神经网络的效率。
在第一方面至第六方面的某些实施方式中,该系数由多个比特位表示,该多个比特位的值用于计算该系数的绝对值,该系数的数据由至少一个比特位表示,该至少一个比特位属于该多个比特位。
基于上述技术方案,神经网络的系数可以由多个比特位表示,神经网络数据包的数据可以由至少一个比特位表示,且至少一个比特位属于上述的多个比特位,通过用比特位形式表示系数数据,有利于用户根据接收到的神经网络数据包计算神经网络的系数。
在第一方面至第六方面的某些实施方式中,该多个比特位包括符号部分、指数部分以及分数部分,在该至少一个比特位为该符号部分、该指数部分和该分数部分的第一部分的情况下,神经网络数据包的优先级为第一优先级;在该至少一个比特位为该分数部分的第二部分的情况下,确定该神经网络对应的调度优先级为第二优先级,其中,该第一优先级高于该第二优先级,该分数部分的第一部分为该分数部分的高位数据部分,该分数部分的第二部分为该分数部分的低位数据部分。
基于上述技术方案,神经网络的系数可以由符号部分、指数部分以及分数部分表示,有利于确定不同部分对神经网络的系数的绝对值的影响程度,从而可以从神经网络数据包的数据由系数的那些部分表示确定该神经网络数据包的数据对神经网络的系数的绝对值的影响程度,使得方案更加简洁。
在第一方面至第六方面的某些实施方式中,该指示信息携带在该神经网络数据包的包头中。
在第一方面至第六方面的某些实施方式中,该指示信息位于该神经网络数据包包头中的用户数据报协议UDP字段和实时传输协议RTP字段之间。
第七方面,本申请提供一种处理器,用于执行上述各方面提供的方法。
对于处理器所涉及的发送和获取/接收等操作,如果没有特殊说明,或者,如果未与其在相关描述中的实际作用或者内在逻辑相抵触,则可以理解为处理器输出和接收、输入等操作,也可以理解为由射频电路和天线所进行的发送和接收操作,本申请对此不做限定。
第八方面,提供一种计算机可读存储介质,该计算机可读存储介质存储用于设备执行的程序代码,该程序代码包括用于执行上述第一方面至第三方面的任意一种实现方式提供的方法。
第九方面,提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述第一方面至第三方面的任意一种实现方式提供的方法。
第十方面,提供一种芯片,芯片包括处理器与通信接口,处理器通过通信接口读取存储器上存储的指令,执行上述第一方面至第三方面的任意一种实现方式提供的方法。
可选地,作为一种实现方式,芯片还包括存储器,存储器中存储有计算机程序或指令,处理器用于执行存储器上存储的计算机程序或指令,当计算机程序或指令被执行时,处理器用于执行上述第一方面至第三方面的任意一种实现方式提供的方法。
第十一方面,提供了一种数据传输的装置,该装置包括处理器,该处理器用于执行上述第一方面至第四方面以及第一方面至第三方面中任一种可能实现方式中的方法。
第十二方面,提供一种通信系统,包括第四方面的数据传输的装置至第六方面的数据传输的装置。
以上第七方面至第十二方面的有益效果可参照第一方面至第三方面中的有益效果的描述,不重复赘述。
附图说明
图1中的(a)至(c)是适用本申请实施例的应用场景示意图。
图2是本申请实施例提供的基于DNN的SR传输模式和传统传输模式的原理框图。
图3是本申请实施例提供的基于SR方法的XR视频传输示意图。
图4是本申请实施例提供的QoS保障机制的架构的示意图。
图5是本申请实施例适用的QoS流的映射的示意图。
图6是一种浮点类型数据的比特结构示意图。
图7是本申请实施例提供的一种通信方法的示意性流程图。
图8是本申请实施例提供的一种神经网络数据包示意图。
图9是本申请实施例提供的一种生成神经网络数据包的示意图。
图10是本申请实施例提供的一种GTP-U数据包的包头的示意图。
图11是适用于本申请实施例的一种通信装置的示意性框图。
图12是适用于本申请实施例的一种通信装置的结构框图。
具体实施方式
下面将结合附图,对本申请实施例中的技术方案进行描述。
本申请实施例的技术方案可以应用于各种通信系统,例如:第五代(5thgeneration,5G)系统或新无线(new radio,NR)、长期演进(long term evolution,LTE)系统、LTE频分双工(frequency division duplex,FDD)系统、LTE时分双工(time divisionduplex,TDD)等。本申请提供的技术方案还可以应用于未来的通信系统,如第六代移动通信系统。本申请实施例的技术方案还可以应用于设备到设备(device to device,D2D)通信,车辆外联(vehicle-to-everything,V2X)通信,机器到机器(machine to machine,M2M)通信,机器类型通信(machine type communication,MTC),以及物联网(internet ofthings,IoT)通信系统或者其他通信系统。
为便于理解本申请实施例,首先结合图1中的(a)至(c)简单介绍本申请实施例适用的通信系统。
本申请实施例的技术方案可以应用于图1中的(a)至(c)所示的通信系统中,当然也可以用在未来网络架构,比如第六代(6th generation,6G)网络架构等,本申请实施例对此不作具体限定。
下面将结合图1中的(a)至(c)举例说明本申请实施例适用的通信系统。应理解,本文中描述的通信系统仅是示例,不应对本申请构成任何限定。
作为示例性说明,图1中的(a)示出了本申请实施例适用的通信系统100a的架构示意图。如图1中的(a)所示,该网络架构可以包括但不限于以下网元(或者称为功能网元、功能实体、节点、设备等):
用户设备(user equipment,UE)、接入网设备(access network,AN)(或者称为无线接入网设备(radio access network,RAN))、接入和移动性管理功能(access andmobility management function,AMF)网元、会话管理功能(session managementfunction,SMF)网元、用户面功能(user plane function,UPF)网元、策略控制功能(policycontrol function,PCF)网元、应用功能(application function,AF)网元、能力开放功能(network exposure function,NEF)网元、数据网络(data network,DN)和服务器。
下面对图1中的(a)中示出的各网元进行简单介绍:
1、UE:为与(R)AN通信的终端也可以称为终端设备(terminal equipment)、接入终端、用户单元、用户站、移动站、移动台(mobile station,MS)、移动终端(mobile terminal,MT)、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。终端设备可以是一种向用户提供语音/数据连通性的设备,例如,具有无线连接功能的手持式设备、车载设备等。目前,一些终端的举例可以为:手机(mobile phone)、平板电脑(pad)、带无线收发功能的电脑(如笔记本电脑、掌上电脑等)、移动互联网设备(mobile internetdevice,MID)、虚拟现实(virtual reality,VR)设备、增强现实(augmented reality,AR)设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端、蜂窝电话、无绳电话、会话启动协议(sessioninitiation protocol,SIP)电话、无线本地环路(wireless local loop,WLL)站、个人数字助理(personal digital assistant,PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备(如,头显扩展现实(extendedreality,XR)眼镜)、视频播放器、全息投影仪等设备,5G网络中的终端设备或者未来演进的公用陆地移动通信网络(public land mobile network,PLMN)中的终端设备等。
此外,终端设备还可以是物联网(Internet of things,IoT)系统中的终端设备。例如,无人驾驶中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smartgrid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smartcity)中的无线终端、智慧家庭(smart home)中的无线终端、可穿戴终端设备等等。IoT是未来信息技术发展的重要组成部分,其主要技术特点是将物品通过通信技术与网络连接,从而实现人机互连,物物互连的智能化网络。IoT技术可以通过例如窄带(narrow band,NB)技术,做到海量连接,深度覆盖,终端省电。
应理解,终端设备可以是任何可以接入网络的设备。终端设备与接入网设备之间可以采用某种空口技术相互通信。
可选地,用户设备可以用于充当基站。例如,用户设备可以充当调度实体,其在V2X或D2D等中的用户设备之间提供侧行链路信号。比如,蜂窝电话和汽车利用侧行链路信号彼此通信。蜂窝电话和智能家居设备之间通信,而无需通过基站中继通信信号。
2、AN:用于为特定区域的授权用户设备提供入网功能,并能够根据用户设备的级别,业务的需求等使用不同服务质量的传输隧道。
AN能够管理无线资源,为用户设备提供接入服务,进而完成控制信号和用户设备数据在用户设备和核心网之间的转发,AN也可以理解为传统网络中的基站。
示例性地,本申请实施例中的接入网设备可以是用于与用户设备通信的任意一种具有无线收发功能的通信设备。该接入网设备包括但不限于:演进型节点B(evolved nodeB,eNB)、无线网络控制器(radio network controller,RNC)、节点B(node B,NB)、基站控制器(base station controller,BSC)、基站收发台(base transceiver station,BTS)、家庭基站(home evolved node B,HeNB,或home node B,HNB)、基带单元(base band unit,BBU),无线保真(wireless fidelity,WIFI)系统中的接入点(access point,AP)、无线中继节点、无线回传节点、传输点(transmission point,TP)或者发送接收点(transmissionand reception point,TRP)等,还可以为5G,如,NR,系统中的gNB,或,传输点(TRP或TP),5G系统中的基站的一个或一组(包括多个天线面板)天线面板,或者,还可以为构成gNB或传输点的网络节点,如基带单元(BBU),或,分布式单元(distributed unit,DU)等。
在一些部署中,gNB可以包括集中式单元(centralized unit,CU)和DU。gNB还可以包括有源天线单元(active antenna unit,AAU)。CU实现gNB的部分功能,DU实现gNB的部分功能。比如,CU负责处理非实时协议和服务,实现无线资源控制(radio resource control,RRC),分组数据汇聚层协议(packet data convergence protocol,PDCP)层的功能。DU负责处理物理层协议和实时服务,实现无线链路控制(radio link control,RLC)层、媒体接入控制(media access control,MAC)层和物理(physical,PHY)层的功能。AAU实现部分物理层处理功能、射频处理及有源天线的相关功能。由于RRC层的信息最终会变成PHY层的信息,或者,由PHY层的信息转变而来,因而,在这种架构下,高层信令,如RRC层信令,也可以认为是由DU发送的,或者,由DU+AAU发送的。可以理解的是,接入网设备可以为包括CU节点、DU节点、AAU节点中一项或多项的设备。此外,可以将CU划分为接入网(radio access network,RAN)中的接入网设备,也可以将CU划分为核心网(core network,CN)中的接入网设备,本申请对此不做限定。
3、用户面网元:用于分组路由和转发以及用户面数据的服务质量(quality ofservice,QoS)处理等。
如图1中的(a)所示,该用户面网元可以是UPF网元,可以包括中间用户面功能(intermediate user plane function,I-UPF)网元、锚点用户面功能(PDU sessionanchor user plane function,PSA-UPF)网元。在未来通信系统中,用户面网元仍可以是UPF网元,或者,还可以有其它的名称,本申请不做限定。
4、数据网络:提供例如运营商服务、互联网接入或第三方服务,包含服务器,服务器端实现视频源编码、渲染等。
在未来通信系统中,数据网络仍可以是DN,或者,还可以有其它的名称,本申请不做限定。
在5G通信系统中,终端设备接入网络后可以建立协议数据单元(protocol dataunit,PDU)会话,并通过PDU会话访问DN,可以与部署在DN中的应用功能网元(应用功能网元比如为应用服务器)交互。如图1中的(a)所示,根据用户访问的DN不同,网络可以根据网络策略选择接入DN的UPF作为为PDU会话锚点(PDU session anchor,PSA),并通过PSA的N6接口访问应用功能网元。
5、接入与移动性管理网元:主要用于移动性管理和接入管理等,可以用于实现移动性管理网元(mobility management entity,MME)功能中除会话管理之外的其它功能,例如,合法监听以及接入授权/鉴权等功能。
如图1中的(a)所示,该接入管理网元可以是AMF网元。在未来通信系统中,接入管理网元仍可以是AMF网元,或者,还可以有其它的名称,本申请不做限定。
6、会话管理网元:主要用于会话管理、终端设备的网络互连协议(internetprotocol,IP)地址分配和管理、选择可管理终端设备平面功能、策略控制和收费功能接口的终结点以及下行数据通知等。
如图1中的(a)所示,该会话管理网元可以是SMF网元,可以包括中间会话管理功能(intermediate session management function,I-SMF)网元、锚点会话管理功能(anchorsession management function,A-SMF)网元。在未来通信系统中,会话管理网元仍可以是SMF网元,或者,还可以有其它的名称,本申请不做限定。
7、策略控制网元:用于指导网络行为的统一策略框架,为控制面功能网元(例如AMF,SMF网元等)提供策略规则信息等。
该策略控制网元可以是策略和计费规则功能(policy and charging rulesfunction,PCRF)网元。如图1中的(a)所示,该策略控制网元可以是PCF网元。在未来通信系统中,策略控制网元仍可以是PCF网元,或者,还可以有其它的名称,本申请不做限定。
8、应用功能网元:应用功能网元可以通过应用功能网元与5G系统交互,用于接入网络开放功能网元或与策略框架交互进行策略控制等。
如图1中的(a)所示,该应用功能网元可以是application function,AF网元。在未来通信系统中,应用功能网元仍可以是AF网元,或者,还可以有其它的名称,本申请不做限定。
9、网络开放功能网元:用于提供网络开放的定制功能。
如图1中的(a)所示,该网络开放功能网元可以是网络开放功能(networkexposure function,NEF)网元在未来通信系统中,该网络开放功能网元仍可以是NEF网元,或者,还可以有其它的名称,本申请不做限定。
10、服务器:可以提供应用服务数据。例如,可以提供视频数据,也可以提供音频数据,也可以提供其他类型的数据。本申请对于服务器提供的应用服务的数据类型仅作为示例而不进行限定。
可以理解的是,上述网元或者功能既可以是硬件设备中的网络元件,也可以是在专用硬件上运行的软件功能,或者是平台(例如,云平台)上实例化的虚拟化功能。上述网元或者功能可划分出一个或多个服务,进一步,还可能会出现独立于网络功能存在的服务。在本申请中,上述功能的实例、或上述功能中包括的服务的实例、或独立于网络功能存在的服务实例均可称为服务实例。
进一步地,可以将AF网元简称为AF,NEF网元简称为NEF,AMF网元简称为AMF。即本申请后续所描述的AF均可替换为应用功能网元,NEF均可替换为网络开放功能网元,AMF均可替换为接入与移动性管理网元。
在图1中的(a)所示的架构中,各个网元之间的接口名称及功能如下:
1)、N1:AMF与终端之间的接口,可以用于向终端传递QoS控制规则等。
2)、N2:AMF与RAN之间的接口,可以用于传递核心网侧至RAN的无线承载控制信息等。
3)、N3:RAN与UPF之间的接口,主要用于传递RAN与UPF间的上下行用户面数据。
4)、N4:SMF与UPF之间的接口,可以用于控制面与用户面之间传递信息,包括控制面向用户面的转发规则、QoS控制规则、流量统计规则等的下发以及用户面的信息上报。
5)、N5:AF与PCF之间的接口,可以用于应用业务请求下发以及网络事件上报。
6)、N6:UPF与DN的接口,用于传递UPF与DN之间的上下行用户数据流。
7)、N7:PCF与SMF之间的接口,可以用于下发协议数据单元(protocol data unit,PDU)会话粒度以及业务数据流粒度控制策略。
8)、N11:SMF与AMF之间的接口,可以用于传递RAN和UPF之间的PDU会话隧道信息、传递发送给终端的控制消息、传递发送给RAN的无线资源控制信息等。
这些接口序列号的含义在此不做限制。
还应理解,系统中某些网元之间可以采用服务化接口,这里不再赘述。
作为示例性说明,图1中的(b)示出了本申请实施例适用的通信系统100b的架构示意图。如图1中的(b)所示,该架构为终端-网络-终端架构场景,该场景可以是触觉互联网(tactile internet,TI),一个终端为主域触觉用户与人工系统接口,另一端受控域的远程控制机器人或远程操作员,网络传输核心网和接入网包括LTE、5G或下一代空口6G。主域从受控域接收音频/视频反馈信号,主域和受控域在各种命令和反馈信号的帮助下,通过网络域上的双向通信链接进行连接,从而形成一个全局控制环。
如图1中的(b)所示,该网络架构可以包括但不限于以下网元(或者称为功能网元、功能实体、节点、设备等):
UE#1、AN#1、UPF、UE#2、AN#2。
下面对图1中的(b)中示出的各网元进行简单介绍:
1、UE#1:可以为主域触觉用户与人工系统接口,从受控域接收视频、音频等数据。可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备如头显眼镜、计算设备或连接到无线调制解调器的其它处理设备,以及各种形式的终端、移动台(mobilestation,MS)、用户设备、软终端等等,如视频播放设备、全息投影仪等。本申请实施例对此并不限定。
2、AN#1:用于为特定区域的授权终端设备(如,UE#1)提供入网功能,并能够根据终端设备的级别,业务的需求等使用不同质量的传输隧道。
3、UPF:用于分组路由和转发以及用户面数据的QoS处理等。参考图1中(a)关于用户面网元的描述,这里不再赘述。
4、AN#2:用于为特定区域的授权终端设备(如,UE#2)提供入网功能,并能够根据终端设备的级别,业务的需求等使用不同质量的传输隧道。
5、UE#2:为受控域的远程控制机器人或远程操作员。可以向主域发送视频、音频等数据。可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备如头显眼镜、计算设备或连接到无线调制解调器的其它处理设备,以及各种形式的终端、移动台(mobilestation,MS)、用户设备、软终端等等,如视频播放设备、全息投影仪等。本申请实施例对此并不限定。
作为示例性说明,图1中的(c)示出了本申请实施例适用的通信系统100c的架构示意图。如图1中的(c)所示,该架构为WiFi场景,在该场景下云端服务器将XR媒体数据或者普通视频通过固网、WiFi路由器/AP/机顶盒传送到终端(XR设备)。
如图1中的(c)所示,该网络架构可以包括但不限于以下网元(或者称为功能网元、功能实体、节点、设备等):
服务器、固网、WiFi路由器/WiFi接入点(access point,AP)和UE。
下面对图1中的(c)中示出的各网元进行简单介绍:
1、服务器:可以提供应用服务数据。例如,可以提供视频数据,也可以提供音频数据,也可以提供其他类型的数据。本申请对于服务器提供的应用服务的数据类型仅作为示例而不进行限定。
2、固网:通过金属线或光纤线等固体媒体传送信号的网络。
本申请中,可以通过固网向WiFi路由器/WiFi AP传输视频数据、音频数据等应用服务数据。
3、WiFi路由器/WiFi AP:可以将有线网络信号和移动网络信号转换成无线信号,以供具有无线通信功能的UE接收。
4、UE:可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备,如头显眼镜、视频播放设备、全息投影仪等等。本申请实施例对此并不限定。
应理解,上述本申请实施例能够应用的网络架构仅是示例性说明,本申请实施例适用的网络架构并不局限于此,任何包括能够实现上述各个网元的功能的网络架构都适用于本申请实施例。
还应理解,图1中的(a)所示的AMF、SMF、UPF、PCF、NEF等可以理解为用于实现不同功能的网元,例如可以按需组合成网络切片。这些网元可以各自独立的设备,也可以集成于同一设备中实现不同的功能,或者可以是硬件设备中的网络元件,也可以是在专用硬件上运行的软件功能,或者是平台(例如,云平台)上实例化的虚拟化功能,本申请对于上述网元的具体形态不作限定。
还应理解,上述命名仅为便于区分不同的功能而定义,不应对本申请构成任何限定。本申请并不排除在5G网络以及未来其它的网络中采用其他命名的可能。例如,在6G网络中,上述各个网元中的部分或全部可以沿用5G中的术语,也可能采用其他名称等。
还应理解,图1中的(a)的各个网元之间的接口名称只是一个示例,具体实现中接口的名称可能为其他的名称,本申请对此不作具体限定。此外,上述各个网元之间的所传输的消息(或信令)的名称也仅仅是一个示例,对消息本身的功能不构成任何限定。
应理解,本申请实施例提供的方法可以应用于5G通信系统,例如,图1中的(a)至图1中的(c)所示的通信系统。但是,本申请实施例中并不限定该方法能够应用的场景,例如,其他包括能够实现相应功能的网元的网络架构中同样适用。还例如,第六代通信(the 6thgeneration,6G)系统架构等。并且,本申请实施例上述所使用的各个网元的名称,在未来通信系统中,可能保持功能相同,但名称会改变。
为了便于理解本申请实施例的技术方案,对本申请实施例可能涉及到的一些术语或概念进行简单描述。
1、XR技术:近年来,XR技术的不断进步和完善,相关产业得到了蓬勃的发展。如今,扩展现实技术已经进入到教育、娱乐、军事、医疗、环保、交通运输、公共卫生等各种与人们生产、生活息息相关的领域当中。扩展现实是各种现实相关技术的总称,具体包括:VR、AR和MR等。
VR技术主要是指对视觉和音频场景的渲染以尽可能地模拟现实世界中的视觉和音频对用户的感官刺激,VR技术通常要求用户佩戴头戴式显示器(head mounted display,HMD)进而以模拟的视觉组件完全取代用户的视野,同时要求用户佩戴耳机以向用户提供随附的音频。此外,通常还需要在VR中对用户进行某种头部和动作跟踪,从而及时更新模拟的视觉和音频内容,达到用户体验的视觉和音频内容与用户的动作保持一致。
AR技术主要是指在用户感知的现实环境中提供视觉或听觉的附加信息或人工生成内容,其中,用户对现实环境的获取可以是直接的,即没有中间的感测,处理和渲染,也可以是间接的,即通过传感器等方式进行传递,并进行进一步的增强处理等。
MR技术是AR的一种高级形式,其实现方式之一是将一些虚拟元素插入到物理场景中,目的是为用户提供一种这些元素是真实场景一部分的沉浸体验。
2、超级分辨率(super resolution,SR):是指通过硬件或软件的方法提高原有图像/视频的分辨率,通过低分辨率图像来得到高分辨率图像的技术。目前,基于NN的SR技术因其画面恢复效果显著受到了广泛的关注,其中,NN可以是深度神经网络(deep neuralnetwork,DNN)。
为了便于理解,结合图2和图3详细介绍基于DNN的SR技术。
图2是本申请实施例提供的基于DNN的SR传输模式和传统传输模式的原理框图,基于DNN的SR传输模式具体包括以下四个步骤:
步骤一:在服务器侧,将高分辨率(high definition,HD)XR视频帧在空间上划分为块(tile)(或者称为片(slice),为了便于描述下文中统称为块)。
例如,整个视频帧的分辨率为4K(3840*1920)可以划分为一个个的小块,一小块的分辨率为(192*192),然后将整个视频在时间上划分为段,如可以1-2秒划分为一个段,也可以一个视频帧划分为一个段。
该步骤一的目的是为了分摊处理量,通过并行运算,加速处理。
步骤二:在服务器侧,HD块进行下采样处理(即在空间域或者频域上进行抽样),得到低分辨率(low definition,LD)的块。
例如,一个块的分辨率为(192*192),经过下采样后的分辨率为(24*24)。在进行下采样后,可以再使用传统的视频压缩技术,如高效率视频编码(high efficiency videocoding,HEVC)技术进一步压缩为超低分辨率(ultra-low resolution,ULR)的块。
步骤三:在服务器侧,将ULR块作为DNN的输入,将原始的HD内容作为DNN的目标输出,将这两者作为DNN的训练集,采用PSNR作为损失函数,进行DNN训练,从而可以得到与应用层业务相匹配的自适应神经网络。再将ULR块与DNN一起发送给用户。传输神经网络的信息的原因在于接收端不知道原始视频,需要源端根据原始视频产生神经网络并传输给接收端。
步骤四:在用户侧,可以将ULR块作为DNN的输入,输出即为高清视频内容。
在目前已有的传输架构中使用SR技术,是将XR视频的一幅画面帧,在网络传输层分成几十个的互联网协议(internet protocol,IP)包,例如50个IP包,以及将NN的数据也编码为多个IP包,然后将这些IP包传输到固网和/或核心网,之后IP数据包再经过RAN传输到UE,具体流程如图3所示,图3是本申请实施例提供的基于SR方法的XR视频传输示意图。
3、协议数据单元(protocol data unit,PDU)会话:为终端设备与DN之间的一个关联,用于提供一个PDU连接服务。
4、服务质量(quality of service,QoS)流(flow)机制:目前标准中规定QoS flow是最小QoS控制粒度,QoS flow都有对应的QoS配置。
为了便于理解,下面结合图4对本申请涉及的QoS保障机制的架构进行说明。图4是本申请实施例提供的QoS保障机制的架构的示意图。
QoS是业务传输质量的保障机制。其目的是针对各种业务的不同需求,为其提供端到端的服务质量保证。在一个协议数据单元(protocol data unit,PDU)会话(session)中,QoS流是区别QoS的最小粒度。5G系统中,使用QoS流标识符(QoS flow identifier,QFI)标识QoS流,并且QFI在一个PDU会话内要唯一。也就是说,一个PDU会话可以有多条(最多64条)QoS流,不同QoS流的QFI不同。一个PDU会话中,具有相同QFI的用户面业务流使用相同的业务转发处理方式(如调度)。
在配置粒度上,一个PDU会话可以对应多个无线承载(radio bearer,RB)。一个无线承载又可以包含多个QoS流。
对于一个PDU会话而言,5GC和AN之间仍是单一的NG-U信道,AN与UE之间采用的是无线承载,由AN控制将QoS流映射到哪个承载上。
图5是本申请实施例适用的QoS流的映射的示意图。5GC与AN通过把数据包映射到合适的QoS流和无线承载上来保证服务质量。
UPF实现网际协议(Internet Protocol,IP)流到QoS流的映射,AN实现QoS流到RB的映射。QoS映射可以包括UPF映射、AN映射和UE映射三部分:
UPF映射:UPF接收下行数据后,利用分配和保留优先级将其映射到对应的QoS流。然后执行该QoS流的QoS控制,并通QFI标记该数据。通过QoS流对应的N3接口将该数据发送给AN。
AN映射:AN接收到下行数据后,确定QFI对应的RB和QoS流。然后执行QoS流对应的QoS控制,通过RB将该数据发送给UE。或者,AN接收到上行数据后,确定QFI对应的QoS流。然后执行QoS流对应的QoS控制,通过QoS流对应的N3接口将该数据发送给UPF。
UE映射:UE要发送上行数据时,根据QoS规则将其映射到对应的QoS流。然后通过QoS流对应的RB发送该上行数据。
应理解,SMF负责QoS流的控制,建立PDU会话时,SMF可以给UPF、AN、UE配置响应的QoS参数。QoS流可以通过PDU会话建立和修改,也可以通过预配置定义。一个QoS流的配置响应参数包括三部分:
1)、QoS配置(QoS profile):SMF可以通过N2接口将QoS配置提供给AN,或者也可以在AN中预配置。
应理解,某一QoS流的QoS配置,也可以称为QoS配置文件。QoS配置的具体参数如表1所示。
表1
5QI是一个标量,用于索引一个5G QoS特性。5QI可以标准化的,可以是预配置的,也可以是动态定义的。5QI的属性如下表2所示。
表2
2)、QoS规则(QoS rule):SMF可以通过N1接口将QoS规则提供给UE。或者,UE可以通过QoS机制推导获得。
应理解,UE执行上行用户面数据业务的分类和标记,也就是根据QoS规则将上行数据映射到对应的QoS流。这些QoS规则可以是显示提供给UE的(也就是在PDU会话建立/修改流程中通过信令显示配置给UE);或者,也可以在UE上预配置;或者,也可以是UE使用反射QoS机制隐式推导出来。QoS规则具有如下特性:
一个QoS规则包含:QoS流关联的QFI、数据包过滤器集(一个过滤器列表)、优先级。
一个QoS流可以有多个QoS规则。
一个PDU会话都要配置一个默认的QoS规则,默认的QoS规则关联到一条QoS流上。
3)、上行和下行数据包检测规则(packet detection rule,PDR):SMF通过N4接口将PDR(s)提供给UPF。
5、图像组(group of picture,GoP):由多种类型的视频帧组成。GoP中的第一个帧为I帧(intra frame),后面可以包含多个P帧(predicted frame),其中I帧为帧内参考帧,通常数据量较大,在解码时根据本帧数据恢复图像,出错对视频质量的影响大;P帧为预测编码帧,通常数据量较小,用来表示与前一帧的画面差别的数据,解码时需要用之前缓存的画面叠加上本帧定义的差别生成图像,出错对视频质量的影响相对较小。因此,可以根据数据包所属的视频帧类型来调度,例如,由于I帧相比于P帧更加重要,所以I帧所属的数据包调度优先级高,P帧所属的数据包调度优先级更低。
6、视频质量评价指标:当前主流的视频质量评价指标,主要包括两大类:一类是客观评价指标,例如,PSNR、SSIM,通过计算各个像素点之间的差异或者相关性得到的数值;第二类是主观评价指标,例如,VMAF,反应出不同的图像失真对用户主观体验的影响程度,其分数范围为0-100分。具体地,VMAF分数越高图像失真越少,用户主观体验越好。
7、浮点类型数据的比特结构:一个浮点数的比特包含符号部分、指数部分以及分数部分。
以32位float型为例,结合图6介绍浮点类型数据的比特结构,图6是一种浮点类型数据的比特结构示意图,包含1位符号(sign)部分:0代表正数,1代表负数;8位指数部分(exponent):指数的范围从-127到+127;23位分数部分(fraction):最小精度为1/(2^23)。具体地,该浮点类型数据的绝对值可以基于下述公式计算得到:
因此可以看出,分数部分的低位比特对系数的绝对值影响较小,符号部分、指数部分以及分数部分的高位比特对绝对值影响较大。需要说明的是,本申请实施例中涉及的分数部分的低位比特和分数部分的高位比特可以理解为,分数部分由高位比特和低位比特组成,在分数部分中除了高位比特之外的均为低位比特,例如,分数部分共23位,第一个比特位为高位比特,剩余的22位为低位比特;或者说前x比特位高位比特,剩余的23-x均为低位比特。
由上述介绍的QoS flow机制可知,可以对NN数据包和视频帧数据包根据不同的业务类型设置不同的QoS需求,但是对于NN数据包自身,目前还缺乏区分不同NN数据包重要性的机制。
另外,由上述介绍的GoP可知,为区分视频帧数据包重要性可以根据视频编码的结构特点区分不同类型视频帧的数据包,但是对于NN而言,目前的编码结构无重要性分区,因此无法沿用衡量视频帧重要性的方法去衡量NN数据包的重要性。
为了解决目前的NN数据包传输存在的缺点,本申请提供一种通信方法,通过在GTP-U数据包中携带指示神经网络数据包的优先级的指示信息,以使得接收GTP-U数据包的接入网设备能够根据该指示信息传输神经网络数据包,以期实现对不同优先级的神经网络数据包的差异化传输。
上文结合图1中的(a)至(c)介绍了本申请实施例能够应用的场景,还简单介绍了本申请中涉及的基本概念,下文中将结合附图详细介绍本申请提供的通信方法。
下文示出的实施例并未对本申请实施例提供的方法的执行主体的具体结构特别限定,只要能够通过运行记录有本申请实施例的提供的方法的代码的程序,以根据本申请实施例提供的方法进行通信即可,例如,本申请实施例提供的方法的执行主体可以是核心网设备,或者是核心网设备中能够调用程序并执行程序的功能模块。
为了便于理解本申请实施例,做出以下几点说明。
第一,在本申请中,“用于指示”可以包括直接指示和间接指示。当描述某一信息用于指示A时,可以包括该信息直接指示A或间接指示A,而并不代表该信息中一定携带有A。
将信息所指示的信息称为待指示信息,则具体实现过程中,对待指示信息进行指示的方式有很多种,例如但不限于,可以直接指示待指示信息,如待指示信息本身或者该待指示信息的索引等。也可以通过指示其他信息来间接指示待指示信息,其中该其他信息与待指示信息之间存在关联关系。还可以仅仅指示待指示信息的一部分,而待指示信息的其他部分则是已知的或者提前约定的。例如,还可以借助预先约定(例如协议规定)的各个信息的排列顺序来实现对特定信息的指示,从而在一定程度上降低指示开销。同时,还可以识别各个信息的通用部分并统一指示,以降低单独指示同样的信息而带来的指示开销。
第二,在本申请中示出的第一、第二以及各种数字编号(例如,“#1”、“#2”等)仅为描述方便,用于区分的对象,并不用来限制本申请实施例的范围。例如,区分不同数据包等。而不是用于描述特定的顺序或先后次序。应该理解这样描述的对象在适当情况下可以互换,以便能够描述本申请的实施例以外的方案。
第三,在本申请中,“预配置”可包括预先定义,例如,协议定义。其中,“预先定义”可以通过在设备(例如,包括各个网元)中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现,本申请对于其具体的实现方式不做限定。
第四,本申请实施例中涉及的“保存”,可以是指的保存在一个或者多个存储器中。所述一个或者多个存储器,可以是单独的设置,也可以是集成在编码器或者译码器,处理器、或通信装置中。所述一个或者多个存储器,也可以是一部分单独设置,一部分集成在译码器、处理器、或通信装置中。存储器的类型可以是任意形式的存储介质,本申请并不对此限定。
第五,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
第六,本申请实施例中涉及的“协议”可以是指通信领域的标准协议,例如可以包括5G协议、新空口(new radio,NR)协议以及应用于未来的通信系统中的相关协议,本申请对此不做限定。
以下,不失一般性,以设备之间的交互为例详细说明本申请实施例提供的通信的方法。
图7是本申请实施例提供的一种通信方法的示意性流程图。可以理解,图7中以服务器、核心网设备和接入网设备作为该交互示意的执行主体为例来示意该方法,但本申请并不限制该交互示意的执行主体。例如,图7中的服务器也可以是支持服务器实现该方法的芯片、芯片系统、或处理器,还可以是能实现全部或部分服务器功能的逻辑模块或软件;图7中的核心网设备也可以是支持核心网设备实现该方法的芯片、芯片系统、或处理器,还可以是能实现全部或部分核心网设备功能的逻辑模块或软件;图7中的接入网设备也可以是支持接入网设备实现该方法的芯片、芯片系统、或处理器,还可以是能实现全部或部分接入网设备功能的逻辑模块或软件。该方法包括以下步骤:
S710,服务器生成神经网络数据包。
其中,神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级。
本申请实施例中涉及的神经网络数据包的优先级可以指该神经网络数据包的调度(或传输)优先级,例如,神经网络数据包的优先级用于确定是否优先调度该神经网络数据包,如当网络状态发生拥堵时,优先级较高的神经网络数据包可以及时传输到用户侧。
或者,
该神经网络数据包的优先级可以指该神经网络数据包的处理优先级,其中,处理方式包括但不限于以下任意一种处理方式:神经网络数据包的优先级用于确定用户侧的物理层向应用层递交神经网络数据包的顺序,优先级较高的神经网络数据包可以及时递交到应用层用于恢复传输数据。
由上述可知,该实施例中,服务器在生成神经网络数据包时,可以将指示该神经网络数据包的优先级的指示信息携带在神经网络数据包中,以便于接收该神经网络数据包的核心网设备能够从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息,获知神经网络数据包的优先级,以期实现对不同优先级的神经网络数据包的差异化传输。
示例性地,神经网络数据包中包括指示信息可以是神经网络数据包的包头中包括该指示信息。
例如,服务器可以在传输层或者更高层的数据包中添加指示信息,如,该指示信息可以添加到用户数据报协议(user datagram protocol,UDP)字段与实时传输协议(real-time transport protocol,RTP)字段之间。
为了便于理解,结合图8说明指示信息如何携带在神经网络数据包的包头中,图8是本申请实施例提供的一种神经网络数据包示意图。
应理解,图8只是示例性示出指示信息可以携带在神经网络数据包的包头中,对本申请的保护范围不构成任何的限定,指示信息还可以添加在神经网络数据包的包头的其他位置,如,IP字段和UDP字段之间,或者RTP字段之后等,这里不再一一举例说明。
具体地,服务器生成的神经网络数据包对应某个神经网络。例如,前文图2中所示的场景下服务器将ULR块作为DNN的输入,将原始的HD块作为DNN的目标输出,将这两者作为DNN的训练集,采用PSNR作为损失函数,进行训练得到DNN,ULR块与DNN需要一起发送给用户。其中,DNN的数据可以编码为多个IP,并且该多个IP包传输到核心网,之后IP数据包再经过无线接入网传输到UE。该实施例中将神经网络的数据编码得到的IP包称为神经网络数据包。
应理解,一个神经网络的数据可以编码得到一个或者多个神经网络数据包。上述的服务器生成的神经网络数据包可以是某个神经网络的数据编码得到的一个或者多个神经网络数据包中的一个。
还应理解,服务器生成的神经网络数据包用于承载神经网络数据包对应的神经网络的参数信息(如,神经网络的系数)。
具体地,神经网络数据包对应的神经网络用于对数据进行处理(如,恢复数据),其中,数据可以是视频帧数据、音频帧数据或图像数据,还可以是其他类型的数据。本申请实施例对处理的数据的类型不做限定。
为了便于描述,下文中以数据为视频帧数据或图像数据为例进行说明。该神经网络用于对低分辨率图像进行恢复得到高分辨率图像。
由上述可知,服务器生成的神经网络数据包中包括指示信息,该指示信息用于指示神经网络数据包的优先级,或者可以理解为:该指示信息用于指示该神经网络数据包的重要性。
作为一种可能的实现方式:神经网络数据包的优先级与该神经网络数据包对应的神经网络恢复数据的效果相关。
在该实现方式下,服务器可以根据神经网络恢复数据的效果确定该神经网络的数据编码得到的神经网络数据包的优先级。
该实施例中,由神经网络恢复的数据可以是图像或者视频数据,而神经网络恢复数据的效果可以是画面恢复效果。例如,在XR的超级分辨率传输模式中,神经网络用来将低清视频帧恢复为高清视频帧,不同的用户在不同的时间所对应的神经网络模型对视频的恢复效果是不同的。在该实现方式下,将神经网络对视频的恢复效果作为衡量该神经网络的数据编码得到的神经网络数据包的优先级的标准。
示例性地,神经网络恢复数据的效果可以由以下任意一种指标指示:PSNR、SSIM或VMAF等。
例如,神经网络恢复数据的效果满足预期(如,VAMF大于预设阈值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为为高优先级。
还例如,神经网络恢复数据的效果不满足预期(如,VAMF小于或者等于预设阈值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为低优先级。
应理解,本申请实施例中对于如何确定不同神经网络对应的恢复效果指标(如,PSNR、SSIM或VMAF等)的值不做限定,可以根据目前相关技术中记载的确定方式,包括但不限于:通过计算使用神经网络恢复的图像和原始高清图像的像素点之间的差异或者相关性得到PSNR、SSIM的值;或者,
通过用户反馈的体验效果确定神经网络对应的VMAF的值。
可选地,以不同神经网络对应的VMAF表示不同神经网络恢复数据的效果为例,说明该实现方式下服务器如何确定神经网络数据包的优先级。
例如,服务器需要确定4个神经网络的数据(如,神经网络#1、神经网络#2、神经网络#3和神经网络#4)编码得到的神经网络数据包(如,神经网络#1的数据编码得到的神经网络数据包为神经网络数据包#1、神经网络#2的数据编码得到的神经网络数据包为神经网络数据包#2、神经网络#3的数据编码得到的神经网络数据包为神经网络数据包#3和神经网络#4的数据编码得到的神经网络数据包为神经网络数据包#4)的优先级。
当不同神经网络对应的VMAF表示不同神经网络恢复数据的效果的情况下,服务器可以根据该4个神经网络分别对应的VMAF确定该4个神经网络的数据分别编码得到的神经网络数据包的优先级。
下表3给出了一种示例性的基于VMAF(分数范围为0分~100分)评价机制来衡量不同神经网络的数据编码得到神经网络数据包的优先级的标准,共有4个等级划分。其中,优先级数值越大,优先级越高。
表3
神经网络数据包的优先级 | 神经网络的VMAF分数 |
1(00) | <25分 |
2(01) | [25分,50分] |
3(10) | (50分,75分) |
4(11) | [75分,100分] |
如,神经网络#1的VMAF分数为<25分,则神经网络#1的数据编码得到的神经网络数据包的优先级为1;神经网络#2的VMAF分数为[25分,50分],则神经网络#2的数据编码得到的神经网络数据包的优先级为2;神经网络#3的VMAF分数为(50分,75分),则神经网络#3的数据编码得到的神经网络数据包的优先级为3;神经网络#4的VMAF分数为[75分,100分],则神经网络#4的数据编码得到的神经网络数据包的优先级为4。
应理解,表3只是示例,对本申请的保护范围不构成任何的限定,还可以基于VMAF制定不同于表3所示的评价机制衡量不同神经网络的数据编码得到神经网络数据包的优先级。
还应理解,上述以神经网络的VMAF分数表示神经网络恢复数据的效果只是举例,对本申请的保护范围不构成任何的限定,其他的指标(如,PSNR、SSIM等)也可以用于表示神经网络恢复数据的效果(例如,将指标数值划分为多个范围,一个范围对应一个神经网络恢复数据的效果程度),具体表示方式与上述VMAF类似,这里不再赘述。
该实现方式所示的神经网络数据包的优先级的表示方式说明:可以根据神经网络恢复数据的效果确定该神经网络的神经网络数据包的优先级,以便于优先传输恢复数据的效果好的神经网络的神经网络数据包,从而用户可以优先使用恢复数据的效果好的神经网络恢复数据,提高用户体验。
作为另一种可能的实现方式:神经网络数据包的优先级与该神经网络数据包对应的神经网络恢复数据的效果和预设算法(或者称为传统算法)恢复该数据的效果相关。其中,预设算法可以理解用户可以直接使用的恢复数据的算法,如,协议预定义的算法。
在该实现方式下,服务器可以根据神经网络恢复数据的效果和预设算法恢复该数据的效果确定该神经网络的数据编码得到的神经网络数据包的优先级。
在该实现方式下,考虑到在XR的超分辨传输模式中,用户除了可以使用神经网络来恢复高清视频之外,还可以用一些传统算法(如,双线性差值(bilinear interpolation)算法)来恢复高清视频,虽然传统算法简单,用户可直接使用,但是恢复效果相对于神经网络来说较差。在该实现方式下,将神经网络对视频的恢复效果相比于预设算法恢复该数据的效果的提升程度作为衡量该神经网络的数据编码得到的神经网络数据包的优先级的标准。
示例性地,神经网络恢复数据的效果和预设算法恢复该数据的效果可以由以下任意一种指标指示:PSNR、SSIM或VMAF等。
例如,神经网络恢复数据的效果相比于预设算法恢复该数据的效果好的程度高出预期值(如,神经网络对应的VAMF相比于预设算法对应的VAMF大于一个预设值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为高优先级。
还例如,神经网络恢复数据的效果相比于预设算法恢复该数据的效果好的程度低于预期值(如,神经网络对应的VAMF相比于预设算法对应的VAMF小于或者等于一个预设值)的情况下,该神经网络的数据编码得到的神经网络数据包的优先级为低优先级。
可选地,以不同神经网络对应的VMAF表示不同神经网络恢复数据的效果,以预设算法对应的VMAF表示预设算法恢复该数据的效果为例,说明该实现方式下服务器如何确定神经网络数据包的优先级。
例如,服务器需要确定4个神经网络的数据(如,神经网络#1、神经网络#2、神经网络#3和神经网络#4)编码得到的神经网络数据包(如,神经网络#1的数据编码得到的神经网络数据包为神经网络数据包#1、神经网络#2的数据编码得到的神经网络数据包为神经网络数据包#2、神经网络#3的数据编码得到的神经网络数据包为神经网络数据包#3和神经网络#4的数据编码得到的神经网络数据包为神经网络数据包#4)的优先级。
当不同神经网络对应的VMAF表示不同神经网络恢复数据的效果,预设算法对应的VMAF表示预设算法恢复该数据的效果的情况下,服务器可以根据该4个神经网络分别对应的VMAF以及预设算法对应的VMAF确定该4个神经网络的数据分别编码得到的神经网络数据包的优先级。
服务器可以将某个神经网络相比于传统算法的视频质量评价提升信息作为衡量神经网络优先级的标准。图像提升效果越高的神经网络,其数据编码得到的神经网络数据包的优先级越高。
下表4给出了一种示例性的基于VMAF差值(神经网络对应的VMAF和预设算法对应的VMAF的差值)范围评价机制来衡量不同神经网络的数据编码得到神经网络数据包的优先级的标准,共有4个等级划分。其中,优先级数值越大,优先级越高。
表4
神经网络数据包的优先级 | 神经网络相比于传统算法的VMAF分数提升 |
1(00) | <5分 |
2(01) | [5分,10分] |
3(10) | (10分,20分) |
4(11) | ≥20分 |
如,神经网络#1的VMAF分数相比于传统算法的VMAF分数提升<5分,则神经网络#1的数据编码得到的神经网络数据包的优先级为1;神经网络#2的VMAF分数相比于传统算法的VMAF分数提升[5分,10分],则神经网络#2的数据编码得到的神经网络数据包的优先级为2;神经网络#3的VMAF分数相比于传统算法的VMAF分数提升(10分,20分),则神经网络#3的数据编码得到的神经网络数据包的优先级为3;神经网络#4的VMAF分数相比于传统算法的VMAF分数提升≥20分,则神经网络#4的数据编码得到的神经网络数据包的优先级为4。
应理解,表4只是示例,对本申请的保护范围不构成任何的限定,还可以基于VMAF制定不同于表4所示的评价机制衡量不同神经网络的数据编码得到神经网络数据包的优先级。
还应理解,上述以神经网络的VMAF分数表示神经网络恢复数据的效果,预设算法对应的VMAF表示预设算法恢复该数据的效果只是举例,对本申请的保护范围不构成任何的限定,还可以其他的指标(如,PSNR、SSIM等)表示神经网络恢复数据的效果和预设算法恢复该数据的效果,具体表示方式与上述VMAF类似,这里不再赘述。
该实现方式所示的神经网络数据包的优先级的表示方式说明:可以根据神经网络恢复数据的效果和预设算法恢复该数据的效果,确定该神经网络的神经网络数据包的优先级,在多个神经网络恢复数据的效果都比预设算法恢复该数据的效果好的情况下,以便于优先传输恢复数据的效果比预设算法好的程度高的神经网络,从而用户可以优先使用恢复数据的效果好的神经网络恢复数据,提高用户体验。
作为又一种可能的实现方式:神经网络数据包的优先级与重构该神经网络的效果相关,该神经网络数据包用于重构该神经网络数据包对应的神经网络。
在该实现方式下,服务器可以根据神经网络数据包重构该神经网络的效果确定该神经网络数据包的优先级。
例如,在该神经网络数据包的数据重构得到的神经网络#1和服务器训练得到的神经网络差距满足预期(如,构建的神经网络#1和需要传输给用户的神经网络的层数相同)的情况下,确定神经网络数据包的优先级为高优先级。
还例如,在该神经网络数据包的数据重构得到的神经网络#1和服务器训练得到的神经网络差距不满足预期(如,构建的神经网络#1和需要传输给用户的神经网络的层数不相同)的情况下,确定神经网络数据包的优先级为低优先级。
该实现方式所示的神经网络数据包的优先级的表示方式说明:可以根据重构神经网络的效果确定该神经网络的神经网络数据包的优先级,以便于优先传输重构神经网络的效果好的神经网络数据包,提高用户重构神经网络的效率。
作为又一种可能的实现方式:神经网络数据包的优先级与神经网络数据包包括的神经网络的系数的数据对神经网络的系数的影响程度相关。
在该实现方式下,服务器可以根据神经网络数据包包括的神经网络的系数的数据对神经网络的系数的影响程度确定神经网络数据包的优先级。
例如,在系数数据计算得到的系数#1和系数之间的差值满足预期(如,系数#1和系数之间的差值小于或者等于预设阈值)的情况下,确定神经网络数据包的优先级为高优先级。
还例如,在系数数据计算得到的系数#1和系数之间的差值不满足预期(如,系数#1和系数之间的差值大于预设阈值)的情况下,确定神经网络数据包的优先级为低优先级。
该实现方式所示的神经网络数据包的优先级的表示方式说明:可以根据神经网络数据包的数据计算得到的值和神经网络的系数之间的差别确定神经网络数据包的优先级,以便于优先传输能够计算得到与神经网络的系数最相近的值的神经网络数据包,以使得用户能够根据接收到的神经网络数据包快速重构神经网络,提供用户重构神经网络的效率。
示例性地,该系数由多个比特位表示,该多个比特位的值用于计算该系数的绝对值,该系数的数据由至少一个比特位表示,该至少一个比特位属于该多个比特位。
具体地,该多个比特位包括符号部分、指数部分以及分数部分,在该至少一个比特位为该符号部分、该指数部分和该分数部分的第一部分的情况下,神经网络数据包的优先级为第一优先级;在该至少一个比特位为该分数部分的第二部分的情况下,确定该神经网络对应的调度优先级为第二优先级,其中,该第一优先级高于该第二优先级,该分数部分的第一部分为该分数部分的高位数据部分,该分数部分的第二部分为该分数部分的低位数据部分。
由上述可知,神经网络的系数可以由符号部分、指数部分以及分数部分表示,有利于确定不同部分对神经网络的系数的绝对值的影响程度,从而可以从神经网络数据包的数据由系数的那些部分表示确定该神经网络数据包的数据对神经网络的系数的绝对值的影响程度,使得方案更加简洁。
为了便于理解,结合具体的示例说明如何根据神经网络数据包包括的神经网络的系数的数据对神经网络的系数的影响程度确定神经网络数据包的优先级。
示例一:神经网络的系数由32位的浮点类型数据表示(如图6所示),基于前文所述的浮点类型数据的结构特点,将对神经网络的系数的绝对值影响大的比特位作为优先级高的数据,将对神经网络的系数的绝对值影响小的比特位作为优先级低的数据。
例如,可以将神经网络的系数对应的浮点数的符号位、指数位以及分数部分的高位比特作为优先级高的数据,将剩余的分数部分的低位比特作为优先级低的数据。
服务器在产生神经网络的神经网络数据包时,按照不同的比特位对神经网络的系数的绝对值影响程度,分开放置在不同的数据包中。如图9所示,图9是本申请实施例提供的一种生成神经网络数据包的示意图。
从图9中可以看出,将神经网络的系数对应的浮点数的符号位、指数位以及分数部分的高位比特放在一个神经网络数据包中,并将该神经网络数据包中的优先级设置为“H”;而将神经网络的系数对应的浮点数的分数部分的低位比特放在另一个神经网络数据包中,并将该神经网络数据包中的优先级设置为“L”,其中“H”表示优先级高,“L”表示优先级低。
进一步地,为了将神经网络数据包传输至用户,服务器可以将生成的神经网络数据包发送给核心网设备,图7所示的方法流程还包括:
S720,服务器向核心网设备发送神经网络数据包,或者说核心网设备接收来自服务器的神经网络数据包。
应理解,核心网设备接收来自服务器的神经网络数据包只是核心网设备获取神经网络数据包的一种方式。
示例性地,核心网设备可以通过以下几种方式获得神经网络数据包:
方式一:核心网设备接收来自服务器的神经网络数据包。
例如,服务器直接向核心网设备发送该神经网络数据包。还例如,服务器通过其他设备间接向核心网设备发送该神经网络数据包。
在该方式一中,核心网设备和服务器之间可以通过固网的方式连接。
方式二:核心网设备从存储器(或内部接口)获取服务器生成的神经网络数据包。
在该方式二中,核心网设备和服务器可以合设为一个设备(如,移动边缘计算(mobile edge computing,MEC)场景中),服务器生成的神经网络数据包可以缓存在该合设设备的存储器中,而核心网设备从存储器中获取该神经网络数据包;或者该合设设备中核心网设备和服务器之间通过内部接口传输数据包,核心网设备可以通过内部接口从服务器获取该神经网络数据包。
应理解,上述的核心网设备获得神经网络数据包的方式一和方式二只是举例,对本申请的保护范围不构成任何的限定,该实施例中核心网设备还可以通过其他方式获得该神经网络数据包。例如,根据接收到的神经网络的参数信息生成该神经网络数据包,这里不再赘述。
该实施例中,核心网设备接收到神经网络数据包之后,可以从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息。然后将按照GTP-U协议将指示信息封装到GTP-U数据包包头中,以让接入网设备读取。
图7所示的方法流程还包括:
S730,核心网设备生成GTP-U数据包。
GTP-U数据包的载荷中包括神经网络数据包,该GTP-U数据包的包头中包括指示信息,指示信息用于指示所述神经网络数据包的优先级。
该实施例中,核心网设备接收到携带用于指示神经网络数据包的优先级的指示信息的神经网络数据包之后,可以从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息,并将该指示信息按照GTP-U协议封装到GTP-U数据包包头中,以及将神经网络数据包作为该GTP-U数据包的载荷。以便于接收该GTP-U数据包的接入网设备可以从该GTP-U数据包的包头中读取该指示信息,并基于该指示信息指示的神经网络数据包的优先级,对该神经网络数据包进行传输处理。可以理解,接入网设备在传输神经网络数据包的时候考虑到神经网络数据包的优先级,以便于实现对不同优先级的神经网络数据包的差异化传输。
该实施例中GTP-U数据包的包头中包括的用于指示神经网络数据包的优先级的指示信息(为了区别可以称为指示信息#1),和神经网络数据包中包括的用于指示神经网络数据包的优先级的指示信息(为了区别可以称为指示信息#2)的具体形式,可以相同也可以不同。
具体地,该实施例中核心网设备接收到神经网络数据包之后,可以从该神经网络数据包中读取用于指示神经网络数据包的优先级的指示信息#2,然后可以按照GTP-U协议将指示信息#2封装到GTP-U数据包包头中称为指示信息#1,以让接入网设备站读取。而按照GTP-U协议封装后的指示信息#2仍可以称为指示信息#2,或者为了便于区分可以称为指示信息#1。也就是说,该实施例中对指示信息#1和指示信息#2的具体形式不做限定,能够用于指示神经网络数据包的优先级即可。为了便于描述,可以统称为指示信息。
示例性地,可以在GTP-U数据包包头中新增一个字段用来表示神经网络数据包的优先级。
为了便于理解,结合图10说明GTP-U数据包包头中包括指示信息,图10是本申请实施例提供的一种GTP-U数据包的包头的示意图。
从图10中可以看出,可以在GTP-U数据包中新增一个字节用于添加指示信息。
应理解,图10只是示例性示出指示信息可以携带在GTP-U数据包的包头中,对本申请的保护范围不构成任何的限定,指示信息还可以添加在GTP-U数据包的包头的其他位置,如,GTP-U数据包的第四位比特中,这里不再一一举例说明。
进一步地,核心网设备将GTP-U数据包发送给接入网设备,图7所示的方法流程还包括:
S740,核心网设备向接入网设备发送GTP-U数据包,或者说接入网设备接收来自核心网设备的GTP-U数据包。
S750,接入网设备根据指示信息传输神经网络数据包。
接入网设备接收到的GTP-U数据包的包头中包括指示神经网络数据包的指示信息,从而接入网设备可以从该GTP-U数据包的包头中读取该指示信息,并基于该指示信息指示的神经网络数据包的优先级,对该神经网络数据包进行传输处理。可以理解,接入网设备在传输神经网络数据包的时候考虑到神经网络数据包的优先级,以便于实现对不同优先级的神经网络数据包的差异化传输。
例如,接入网设备接收到两个GTP-U数据包(GTP-U数据包#1和GTP-U数据包#2),其中,GTP-U数据包#1的载荷中包括神经网络数据包#1,GTP-U数据包#1的包头中包括指示信息#1,GTP-U数据包#2的载荷中包括神经网络数据包#2,GTP-U数据包#2的包头中包括指示信息#2。接入网设备根据指示信息#1和指示信息#2差异化传输神经网络数据包#1和神经网络数据包#2,如,指示信息#1指示神经网络数据包#1的优先级为高优先级,指示信息#2指示神经网络数据包#2的优先级为低优先级,接入网设备可以优先传输神经网络数据包#1,在神经网络数据包#1传输完成之后再传输神经网络数据包#2。
示例性地,接入网设备根据所述指示信息传输所述神经网络数据包,包括:
在所述指示信息指示所述神经网络数据包为高优先级的情况下,接入网设备优先传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级的情况下,接入网设备延后传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级,且网络状态发生拥堵的情况下,接入网设备放弃传输所述神经网络数据包。
具体地,接入网设备可以根据神经网络数据包优先级信息(如,上述的指示信息),结合空口调度的其他相关参数,包括但不限于历史速率、瞬时速率、用户等级等,计算出相应的传输优先级。
例如,传统的比例公平调度优先级满足以下条件:
factor1=Ri÷Rh
其中,factor1表示比例公平调度优先级,Ri表示用户的瞬时速率,用户的信道条件越好,瞬时速率越高;Ri表示用户的历史速率,表示一段时间内信道的平均速率。
具体地,接入网设备可以基于比例公平的调度算法,并结合神经网络数据包的优先级确定神经网络数据包的调度优先级,例如,神经网络数据包的调度优先级满足以下条件:
factor2=f(N)×Ri÷Rh
其中,factor2表示神经网络数据包的调度优先级,N表示神经网络数据包的优先级,f可以为递增的线性或者指数函数。
应理解,本申请实施例中的图7所示的具体的例子只是为了帮助本领域技术人员更好地理解本申请实施例,而非限制本申请实施例的范围。还应理解,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
例如,图7所示的实施例中记载了确定神经网络数据包的优先级由服务器实现,另一种可能,上述的确定神经网络数据包的优先级的动作可以由核心网设备实现,具体确定方式与服务器确定的方式类似,只是执行主体为核心网设备。
还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
还应理解,在上述一些实施例中,主要以现有的网络架构中的网元为例进行了示例性说明(如AF、AMF、SMF等等),应理解,对于网元的具体形式本申请实施例不作限定。例如,在未来可以实现同样功能的网元都适用于本申请实施例。
可以理解的是,上述各个方法实施例中,由设备(如服务器、核心网设备和接入网设备)实现的方法和操作,也可以由可用于网络设备的部件(例如芯片或者电路)实现。
以上,结合图7详细说明了本申请实施例提供的通信方法。上述通信方法主要从各个网元之间交互的角度进行了介绍。可以理解的是,各个网元,为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。
本领域技术人员应该可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以下,结合图11和图12详细说明本申请实施例提供的通信的装置。应理解,装置实施例的描述与方法实施例的描述相互对应,因此,未详细描述的内容可以参见上文方法实施例,为了简洁,部分内容不再赘述。
图11是本申请实施例提供的一种通信装置的示意性框图。如图11所示,该装置1100可以包括接口单元1110和处理单元1120。接口单元1110可以与外部进行通信,处理单元1120用于进行数据处理。接口单元1110还可以称为通信接口、通信单元或收发单元。
可选地,该装置1100还可以包括存储单元,该存储单元可以用于存储指令和/或数据,处理单元1120可以读取存储单元中的指令和/或数据,以使得装置实现前述方法实施例。
该装置1100可以用于执行上文方法实施例中收发设备(如服务器、核心网设备和接入网设备)所执行的动作,这时,该装置1100可以为收发设备或者可配置于收发设备的部件,接口单元1110用于执行上文方法实施例中收发设备的收发相关的操作,处理单元1120用于执行上文方法实施例中收发设备的处理相关的操作。
作为一种设计,该装置1100用于执行上文方法实施例中接入网设备所执行的动作。
接口单元1110,用于接收通用分组无线业务隧道协议用户面GTP-U数据包,该GTP-U数据包的载荷中包括神经网络数据包,该GTP-U数据包的包头中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;
处理单元1120,用于根据该指示信息控制该装置传输该神经网络数据包。
该装置1100可实现对应于根据本申请实施例的方法实施例中的接入网设备执行的步骤或者流程,该装置1100可以包括用于执行方法实施例中的接入网设备执行的方法的单元。并且,该装置1100中的各单元和上述其他操作和/或功能分别为了实现方法实施例中的接入网设备中的方法实施例的相应流程。
其中,当该装置1100用于执行图7中的方法时,接口单元1110可用于执行方法中的收发步骤,如步骤S740;处理单元720可用于执行方法中的处理步骤,如步骤S750。
应理解,各单元执行上述相应步骤的具体过程在上述方法实施例中已经详细说明,为了简洁,在此不再赘述。另外,各单元执行上述相应步骤的带来的有益效果上述方法实施例中已经详细说明,在此也不再赘述。
作为另一种设计,该装置1100用于执行上文方法实施例中核心网设备所执行的动作。
接口单元1110,用于获得神经网络数据包,该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;
该接口单元1110,还用于向接入网设备发送通用分组无线业务隧道协议用户面GTP-U数据包,该GTP-U数据包的载荷中包括该神经网络数据包,该GTP-U数据包的包头中包括该指示信息。
该装置1100可实现对应于根据本申请实施例的方法实施例中的核心网设备执行的步骤或者流程,该装置1100可以包括用于执行方法实施例中的核心网设备执行的方法的单元。并且,该装置1100中的各单元和上述其他操作和/或功能分别为了实现方法实施例中的核心网设备中的方法实施例的相应流程。
其中,当该装置1100用于执行图7中的方法时,接口单元1110可用于执行方法中的收发步骤,如步骤S720;处理单元720可用于执行方法中的处理步骤,如步骤S730。
应理解,各单元执行上述相应步骤的具体过程在上述方法实施例中已经详细说明,为了简洁,在此不再赘述。另外,各单元执行上述相应步骤的带来的有益效果上述方法实施例中已经详细说明,在此也不再赘述。
作为又一种设计,该装置1100用于执行上文方法实施例中服务器所执行的动作。
处理单元1120,用于生成神经网络数据包该神经网络数据包中包括指示信息,该指示信息用于指示该神经网络数据包的优先级;
接口单元1110,用于发送该神经网络数据包。
该装置1100可实现对应于根据本申请实施例的方法实施例中的服务器执行的步骤或者流程,该装置1100可以包括用于执行方法实施例中的服务器执行的方法的单元。并且,该装置1100中的各单元和上述其他操作和/或功能分别为了实现方法实施例中的服务器中的方法实施例的相应流程。
其中,当该装置1100用于执行图7中的方法时,接口单元1110可用于执行方法中的收发步骤,如步骤S720;处理单元720可用于执行方法中的处理步骤,如步骤S710。
应理解,各单元执行上述相应步骤的具体过程在上述方法实施例中已经详细说明,为了简洁,在此不再赘述。另外,各单元执行上述相应步骤的带来的有益效果上述方法实施例中已经详细说明,在此也不再赘述。
上文实施例中的处理单元1120可以由至少一个处理器或处理器相关电路实现。接口单元1110可以由收发器或收发器相关电路实现。存储单元可以通过至少一个存储器实现。
如图12所示,本申请实施例还提供一种装置1200。该装置1200包括处理器1210,还可以包括一个或多个存储器1220。处理器1210与存储器1220耦合,存储器1220用于存储计算机程序或指令和、或数据,处理器1210用于执行存储器1220存储的计算机程序或指令和、或数据,使得上文方法实施例中的方法被执行。可选地,该装置1200包括的处理器1210为一个或多个。
可选地,该存储器1220可以与该处理器1210集成在一起,或者分离设置。
可选地,如图12所示,该装置1200还可以包括收发器1230,收发器1230用于信号的接收和、或发送。例如,处理器1210用于控制收发器1230进行信号的接收和、或发送。
作为一种方案,该装置1200用于实现上文方法实施例中由收发设备(如服务器、核心网设备和接入网设备)执行的操作。
本申请实施例还提供一种计算机可读存储介质,其上存储有用于实现上述方法实施例中由收发设备(如服务器、核心网设备和接入网设备)执行的方法的计算机指令。
例如,该计算机程序被计算机执行时,使得该计算机可以实现上述方法实施例中由收发设备(如服务器、核心网设备和接入网设备)执行的方法。
本申请实施例还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得该计算机实现上述方法实施例中由收发设备(如服务器、核心网设备和接入网设备)执行的方法。
本申请实施例还提供一种通信系统,该通信系统包括上文实施例中的服务器、核心网设备和接入网设备。
上述提供的任一种装置中相关内容的解释及有益效果均可参考上文提供的对应的方法实施例,此处不再赘述。
应理解,本申请实施例中提及的处理器可以是中央处理单元(centralprocessing unit,CPU),还可以是其他通用处理器、数字信号处理器(digital signalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解,本申请实施例中提及的存储器可以是易失性存储器和、或非易失性存储器。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)。例如,RAM可以用作外部高速缓存。作为示例而非限定,RAM可以包括如下多种形式: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(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、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(synchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
需要说明的是,当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时,存储器(存储模块)可以集成在处理器中。
还需要说明的是,本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的保护范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。此外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元实现本申请提供的方案。
另外,在本申请各个实施例中的各功能单元可以集成在一个单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。例如,所述计算机可以是个人计算机,服务器,或者网络设备等。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD)等。例如,前述的可用介质可以包括但不限于:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (22)
1.一种通信方法,其特征在于,包括:
接收通用分组无线业务隧道协议用户面GTP-U数据包,所述GTP-U数据包的载荷中包括神经网络数据包,所述GTP-U数据包的包头中包括指示信息,所述指示信息用于指示所述神经网络数据包的优先级;
根据所述指示信息传输所述神经网络数据包。
2.根据权利要求1所述的方法,其特征在于,所述根据所述指示信息传输所述神经网络数据包,包括:
在所述指示信息指示所述神经网络数据包为高优先级的情况下,优先传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级的情况下,延后传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级,且网络状态发生拥堵的情况下,放弃传输所述神经网络数据包。
3.一种通信方法,其特征在于,包括:
获得神经网络数据包,所述神经网络数据包中包括指示信息,所述指示信息用于指示所述神经网络数据包的优先级;
向接入网设备发送通用分组无线业务隧道协议用户面GTP-U数据包,所述GTP-U数据包的载荷中包括所述神经网络数据包,所述GTP-U数据包的包头中包括所述指示信息。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述神经网络数据包的优先级与所述神经网络数据包对应的神经网络恢复数据的效果相关。
5.根据权利要求4所述的方法,其特征在于,
所述神经网络数据包的优先级还与预设算法恢复所述数据的效果相关。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述神经网络数据包用于重构所述神经网络数据包对应的神经网络,
所述神经网络数据包的优先级与重构所述神经网络的效果相关。
7.根据权利要求6所述的方法,其特征在于,所述神经网络数据包包括所述神经网络的系数的数据,所述系数的数据用于获得所述系数,所述系数用于重构所述神经网络,
所述神经网络数据包的优先级与所述系数的数据对所述系数的影响相关。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述指示信息携带在所述神经网络数据包的包头中。
9.根据权利要求8所述的方法,其特征在于,所述指示信息位于所述神经网络数据包包头中的用户数据报协议UDP字段和实时传输协议RTP字段之间。
10.一种通信装置,其特征在于,包括:
接口单元,用于接收通用分组无线业务隧道协议用户面GTP-U数据包,所述GTP-U数据包的载荷中包括神经网络数据包,所述GTP-U数据包的包头中包括指示信息,所述指示信息用于指示所述神经网络数据包的优先级;
处理单元,用于根据所述指示信息控制所述装置传输所述神经网络数据包。
11.根据权利要求10所述的装置,其特征在于,所述处理单元根据所述指示信息控制所述装置传输所述神经网络数据包,包括:
在所述指示信息指示所述神经网络数据包为高优先级的情况下,所述处理单元控制所述装置优先传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级的情况下,所述处理单元控制所述装置延后传输所述神经网络数据包;或者,
在所述指示信息指示所述神经网络数据包为低优先级,且网络状态发生拥堵的情况下,所述处理单元控制所述装置放弃传输所述神经网络数据包。
12.一种通信装置,其特征在于,包括:
接口单元,用于获得神经网络数据包,所述神经网络数据包中包括指示信息,所述指示信息用于指示所述神经网络数据包的优先级;
所述接口单元,还用于向接入网设备发送通用分组无线业务隧道协议用户面GTP-U数据包,所述GTP-U数据包的载荷中包括所述神经网络数据包,所述GTP-U数据包的包头中包括所述指示信息。
13.根据权利要求10至12中任一项所述的装置,其特征在于,所述神经网络数据包的优先级与所述神经网络数据包对应的神经网络恢复数据的效果相关。
14.根据权利要求13所述的装置,其特征在于,
所述神经网络数据包的优先级还与预设算法恢复所述数据的效果相关。
15.根据权利要求10至12中任一项所述的装置,其特征在于,所述神经网络数据包用于重构所述神经网络数据包对应的神经网络,
所述神经网络数据包的优先级与重构所述神经网络的效果相关。
16.根据权利要求15所述的装置,其特征在于,所述神经网络数据包包括所述神经网络的系数的数据,所述系数的数据用于获得所述系数,所述系数用于重构所述神经网络,
所述神经网络数据包的优先级与所述系数的数据对所述系数的影响相关。
17.根据权利要求10至16中任一项所述的装置,其特征在于,所述指示信息携带在所述神经网络数据包的包头中。
18.根据权利要求17所述的装置,其特征在于,所述指示信息位于所述神经网络数据包包头中的用户数据报协议UDP字段和实时传输协议RTP字段之间。
19.一种通信装置,其特征在于,包括处理器,所述处理器与存储器耦合,所述存储器用于存储计算机程序或指令,所述处理器用于执行存储器中的所述计算机程序或指令,使得所述装置执行如权利要求1至9中任一项所述的方法。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行如权利要求1至9中任一项所述的方法。
21.一种芯片系统,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片系统的通信设备执行权利要求1至9中任一项所述的方法。
22.一种计算机程序产品,其特征在于,当所述计算机程序产品在计算机上运行时,使得计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365108.5A CN116939702A (zh) | 2022-04-08 | 2022-04-08 | 数据传输的方法和装置 |
PCT/CN2023/081482 WO2023193579A1 (zh) | 2022-04-08 | 2023-03-15 | 数据传输的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365108.5A CN116939702A (zh) | 2022-04-08 | 2022-04-08 | 数据传输的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116939702A true CN116939702A (zh) | 2023-10-24 |
Family
ID=88243974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210365108.5A Pending CN116939702A (zh) | 2022-04-08 | 2022-04-08 | 数据传输的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116939702A (zh) |
WO (1) | WO2023193579A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102090515B1 (ko) * | 2013-01-18 | 2020-03-18 | 삼성전자주식회사 | 혼잡 상황에서 서비스 레벨을 조절하는 방법 및 장치 |
CN104125607A (zh) * | 2013-04-23 | 2014-10-29 | 中兴通讯股份有限公司 | 用户面拥塞处理方法、装置及服务网关 |
CN110740481B (zh) * | 2018-07-18 | 2023-05-09 | 中国移动通信有限公司研究院 | 基于服务质量的数据处理方法、设备和计算机存储介质 |
CN114095969A (zh) * | 2020-08-24 | 2022-02-25 | 华为技术有限公司 | 一种智能的无线接入网络 |
-
2022
- 2022-04-08 CN CN202210365108.5A patent/CN116939702A/zh active Pending
-
2023
- 2023-03-15 WO PCT/CN2023/081482 patent/WO2023193579A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023193579A1 (zh) | 2023-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021259112A1 (zh) | 一种业务传输方法及装置 | |
CN112423340B (zh) | 一种用户面信息上报方法及装置 | |
CN110351201A (zh) | 一种数据处理方法及装置 | |
WO2021238660A1 (zh) | 通信方法及装置 | |
WO2021209034A1 (zh) | 一种数据传输的方法及通信装置 | |
EP4175358A1 (en) | Communication method and apparatus | |
CN113676736B (zh) | 数据帧的传输方法和通信装置 | |
US20230188472A1 (en) | Data transmission method and apparatus | |
US20230354334A1 (en) | Communication method and apparatus | |
CN114205428B (zh) | 确定空口时延的方法及装置 | |
WO2023046118A1 (zh) | 一种通信方法及装置 | |
WO2023088009A1 (zh) | 一种数据传输的方法及通信装置 | |
CN116939702A (zh) | 数据传输的方法和装置 | |
WO2022198613A1 (zh) | 一种媒体数据传输方法及通信装置 | |
CN116782307A (zh) | 业务速率调整方法及通信装置 | |
CN116437399A (zh) | 媒体报文的传输方法、装置及系统 | |
WO2023185608A1 (zh) | 一种数据传输的方法及通信装置 | |
WO2023179322A1 (zh) | 一种通信方法及装置 | |
WO2023045714A1 (zh) | 一种调度方法及通信装置 | |
WO2023185598A1 (zh) | 通信方法及装置 | |
WO2022178778A1 (zh) | 一种数据传输方法及通信装置 | |
WO2023185769A1 (zh) | 通信方法、通信装置和通信系统 | |
EP4213570A1 (en) | Communication method and apparatus, and computer-readable storage medium | |
WO2024067374A1 (zh) | 一种通信方法及装置 | |
US20240031298A1 (en) | Communication method and device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |