CN116961856A - 一种数据处理方法、芯片和电子设备 - Google Patents
一种数据处理方法、芯片和电子设备 Download PDFInfo
- Publication number
- CN116961856A CN116961856A CN202210442427.1A CN202210442427A CN116961856A CN 116961856 A CN116961856 A CN 116961856A CN 202210442427 A CN202210442427 A CN 202210442427A CN 116961856 A CN116961856 A CN 116961856A
- Authority
- CN
- China
- Prior art keywords
- data
- dimension
- model
- processing
- frequency
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 153
- 239000011159 matrix material Substances 0.000 claims description 231
- 238000012545 processing Methods 0.000 claims description 136
- 238000004590 computer program Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 23
- 230000010287 polarization Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000005388 cross polarization Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 238000013139 quantization Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000006837 decompression Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006886 spatial memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
-
- 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
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
- H04L1/0071—Use of interleaving
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0014—Three-dimensional division
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Debugging And Monitoring (AREA)
- Radio Transmission System (AREA)
Abstract
本申请实施例提供一种数据处理方法、芯片和电子设备。所述方法应用于终端,包括:将第一数据输入到第一模型,获取所述第一模型的输出结果。根据本申请实施例的方法,可以降低信道信息状态(Channel State Information,CSI)的数据量。
Description
技术领域
本申请涉及通信技术领域,特别涉及一种数据处理方法、芯片和电子设备。
背景技术
在5G新空口(New Radio,NR)通信应用场景中,用户设备(User Equipment,UE)通常需要向基站(Base Station,BS)反馈信道信息状态(Channel State Information,CSI)。CSI的反馈会占用数据带宽,因此,需要一种数据处理方法以降低CSI的数据量。
发明内容
针对现有技术下如何降低信道信息状态(Channel State Information,CSI)的数据量的问题,本申请提供了一种数据处理方法、芯片和电子设备,本申请还提供一种计算机可读存储介质。
本申请实施例采用下述技术方案:
第一方面,本申请提供一种数据处理方法,所述方法应用于终端,包括:
将第一数据输入到第一模型,获取所述第一模型的输出结果。
在第一方面的一种实现方式中,所述第一数据的维度至少包括第一维度、第二维度。
在第一方面的一种实现方式中,所述第一数据为二维的预编码矩阵或信道矩阵。
在第一方面的一种实现方式中,所述第一数据为三维的预编码矩阵或信道矩阵沿第三维度分割得到。
在第一方面的一种实现方式中,所述三维的预编码矩阵或信道矩阵沿第三维度分割,包括:
按照所述第三维度的顺序,将一个或多个所述第一数据依次排列。
在第一方面的一种实现方式中,所述第一数据为所述三维的预编码矩阵或信道矩阵沿第三维度分割和差分得到。
在第一方面的一种实现方式中,所述三维的预编码矩阵或信道矩阵沿第三维度分割和差分,包括:
按照所述第三维度的顺序,将一个或多个所述第一数据依次排列,再进行差分。
在第一方面的一种实现方式中,所述第一维度为时间、频率、空间、多普勒、时延、角度之中的任意一个。
在第一方面的一种实现方式中,所述第一维度为时间或多普勒时,所述第二维度以及所述第三维度为{频率、空间}、{时延、角度}、{频率、角度}、{时延、空间}中的任意一个。
在第一方面的一种实现方式中,所述第一维度为频率或时延时,所述第二维度以及所述第三维度为{时间、空间}、{多普勒、角度}、{时间、角度}、{多普勒、空间}中的任意一个。
在第一方面的一种实现方式中,所述第一维度为空间或角度时,所述第二维度以及所述第三维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个。
第二方面,本申请提供一种数据处理方法,所述方法应用于终端,包括:
将第二数据输入到第二模型,获取所述第二模型的输出结果,其中,所述第二数据与测量值有关。
在第二方面的一种实现方式中,所述测量值包括信道质量指示、层一参考信号接收功率、层一信干噪比中任意一种或几种的组合。
在第二方面的一种实现方式中,所述第二数据的维度至少包括第一维度。
在第二方面的一种实现方式中,所述第一维度为时间、频率、多普勒、时延之中的任意一个。
在第二方面的一种实现方式中,所述第一维度为时间或多普勒时,所述第二维度为频率、时延中的任意一个。
在第二方面的一种实现方式中,所述第一维度为频率或时延时,所述第二维度为时间、多普勒中的任意一个。
在第二方面的一种实现方式中,所述第二数据为一维的测量值。
在第二方面的一种实现方式中,所述第二数据为二维的测量值矩阵沿第二维度分割得到。
在第二方面的一种实现方式中,所述二维的测量值矩阵沿第二维度分割,包括:
按照所述第二维度的顺序,将一个或多个所述第二数据依次排列。
在第二方面的一种实现方式中,所述第二数据为二维的测量值矩阵沿第二维度分割和差分得到。
在第二方面的一种实现方式中,所述二维的测量值矩阵沿第二维度分割和差分,包括:
按照所述第二维度的顺序,将一个或多个所述第二数据依次排列,再进行差分。
在第二方面的一种实现方式中,所述第二数据为二维的测量值矩阵。
在第二方面的一种实现方式中,所述第二数据的维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个组合。
第三方面,本申请提供一种数据处理方法,所述方法应用于终端,包括:
根据天线配置,选择第三模型。
在第三方面的一种实现方式中,所述方法还包括:
根据天线配置处理第三数据,获取所述第三数据的处理结果。
在第三方面的一种实现方式中,所述方法还包括:
使用所述第三模型处理所述第三数据的处理结果,获取所述第三模型的输出结果。
在第三方面的一种实现方式中:
所述根据天线配置处理第三数据,包括,将所述第三数据中对应第一天线配置的数据划分为第一数据组;
所述使用所述第三模型处理所述第三数据的处理结果,包括,使用所述第三模型处理所述第一数据组,其中,所述第三模型与所述第一天线配置相对应。
在第三方面的一种实现方式中:
所述根据天线配置处理第三数据,还包括,将所述第三数据中对应第二天线配置的数据划分为第二数据组;
所述方法还包括:
上报所述第三模型的输出结果;
获取所述第二数据组与所述第一数据组的相对值;
上报所述所述第二数据组与所述第一数据组的相对值。29.根据权利要求28所述的方法,其特征在于,所述第三数据为预编码矩阵或信道矩阵;
所述根据天线配置处理第三数据,包括,对所述第三数据的空间维度进行数据整理。
在第三方面的一种实现方式中,所述对所述第三数据的空间维度进行数据整理,包括:
针对相同天线配置的数据顺序放置;
或者,
针对不同天线配置的数据交织放置。
在第三方面的一种实现方式中,所述对所述第三数据的空间维度进行数据整理,包括:
针对不同天线配置的数据只取一组相同天线配置的数据。
在第三方面的一种实现方式中,所述天线配置包括发射天线数或CSI-RS端口数。
在第三方面的一种实现方式中,所述天线配置包括发射天线或CSI-RS端口的极化方式。
在第三方面的一种实现方式中,所述极化方式包括发射天线或CSI-RS端口索引对应的交叉极化方式、垂直极化方式和/或水平极化方式。
第四方面,本申请提供一种数据处理方法,所述方法应用于终端,包括:
根据接收天线或多输入多输出层,选择第四模型。
在第四方面的一种实现方式中,所述方法还包括:
根据所述接收天线或所述多输入多输出层处理第四数据,获取所述第四数据的处理结果。
在第四方面的一种实现方式中,所述方法还包括:
使用所述第四模型处理所述第四数据的处理结果,获取所述第四模型的输出结果。
在第四方面的一种实现方式中:
所述根据所述接收天线或所述多输入多输出层处理第四数据,包括,将所述第四数据中对应第一接收天线或第一多输入多输出层的数据划分为第一数据组;
所述使用所述第四模型处理所述第四数据的处理结果,包括,使用所述第四模型处理所述第一数据组,其中,所述第四模型与所述第一接收天线或所述第一多输入多输出层相对应。
在第四方面的一种实现方式中:
所述根据所述接收天线或所述多输入多输出层处理第四数据,还包括,将所述第四数据中对应第二接收天线或第二多输入多输出层的数据划分为第二数据组;
所述方法还包括:
上报所述第四模型的输出结果;
获取所述第二数据组与所述第一数据组的相对值;
上报所述所述第二数据组与所述第一数据组的相对值。
在第四方面的一种实现方式中,所述第四数据为预编码矩阵或信道矩阵,所述根据所述接收天线或所述多输入多输出层处理第四数据,包括:
通过数据整理,将所述接收天线或所述多输入多输出层的数据混合到所述预编码矩阵或所述信道矩阵的第一维度的数据中。
在第四方面的一种实现方式中,所述第一维度为空间维度或角度维度。
在第四方面的一种实现方式中,所述方法还包括:
上报接收天线数或多输入多输出层数。
第五方面,本申请提供一种数据处理方法,所述方法应用于终端,包括:
根据频率范围或频带,选择第五模型。
在第五方面的一种实现方式中,所述方法还包括:
根据所述频率范围或所述频带处理第五数据,获取所述第五数据的处理结果。
在第五方面的一种实现方式中,所述方法还包括:
使用所述第五模型处理所述第五数据的处理结果,获取所述第五模型的输出结果。
在第五方面的一种实现方式中,所述第五数据为预编码矩阵或信道矩阵;
所述根据所述频率范围或所述频带处理第五数据,包括:
通过数据整理,将所述终端的频率范围或频带放在所述预编码矩阵或所述信道矩阵的第一维度中。
在第五方面的一种实现方式中,所述第一维度为频率维度或时延维度。
第六方面,本申请提供一种电子芯片,包括:
处理器,其用于执行存储在存储器上的计算机程序指令,其中,当所述计算机程序指令被所述处理器执行时,触发所述电子芯片执行第一、第二、第三、第四或第五方面所述的方法。
第七方面,本申请提供一种电子设备,其特征在于,所述电子设备包括用于存储计算机程序指令的存储器、用于执行计算机程序指令的处理器和通信装置,其中,当所述计算机程序指令被该处理器执行时,触发所述电子设备执行第一、第二、第三、第四或第五方面所述的方法。
第八方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如第一、第二、第三、第四或第五方面所述的方法。
第九方面,本申请提供一种计算机程序产品,所述计算机程序产品包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行第一、第二、第三、第四或第五方面所述的方法。
根据本申请实施例所提出的上述技术方案,至少可以实现下述技术效果:
根据本申请实施例的方法,可以降低信道信息状态的数据量。
附图说明
图1所示为根据本申请实施例的应用场景示意图;
图2所示为根据本申请一实施例的方法流程图;
图3所示为根据本申请一实施例的方法流程图;
图4所示为根据本申请一实施例的方法流程图;
图5所示为根据本申请一实施例的方法流程图;
图6所示为根据本申请一实施例的方法流程图;
图7所示为根据本申请一实施例的设备结构简图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
针对现有技术下如何降低信道信息状态(Channel State Information,CSI)的数据量的问题,本申请提供了一种数据处理方法。在本申请提供的方法中,在反馈CSI之前,使用人工智能(Artificial Intelligence,AI)模型对CSI进行处理,以压缩CSI数据,降低CSI数据的数据量。
AI模型包括机器学习(Machine Learning,ML)、深度学习(Deep Learning,DL)等。在物理层算法中引入AI模型可以解决一些用传统建模方式难以解决的问题,例如一些非线性问题、参数过于复杂的问题等。AI模型算法可以绕过传统建模方式,通过大量数据的训练来建立一些问题的解决模式。
图1所示为根据本申请实施例的应用场景示意图。终端100(例如,手机)与基站110建立数据通信。在通信实现过程中,终端100需要向基站反馈CSI。根据本申请一实施例的方法,终端100在向基站110反馈CSI之前,首先使用AI模型对信道矩阵或或预编码矩阵(可以是信道特征向量组成的矩阵)进行处理,之后向基站110反馈AI模型的数据处理结果,以降低需要向基站110反馈的CSI的数据量。
具体的,CSI一般包含预编码矩阵指示(Precoding Matrix Indicator,PMI)、秩指示(Rank Indicator,RI)、信道质量指示(Channel Quality Indicator,CQI)、CSI参考信号(CSI ResourceConfig,CSI-RS)资源指示(CSI-RS Resource Indicator,CRI)、层一参考信号接收功率(Layer-1reference signal receive power,L1-RSRP)、层一信干噪比(Layer-1signal to interference-noise ratio,L1-SINR)等。
以下通过具体实施例分别描述针对不同类型的CSI使用AI模型进行数据处理的过程。
实施例1,类似于PMI/RI,反馈预编码矩阵或者信道矩阵
具体的,PMI表示UE推荐的码本里的码字的索引,其中一个码字对应一个预编码矩阵。RI表示UE推荐的层数,层数决定了哪一个码本,其中每个层数对应一个码本,一个码本由一个或多个码字组成,比如层数为2的码本、层数为1的码本。RI和PMI整体表示终端推荐的层数和预编码矩阵。一般来说,终端推荐的层数和预编码矩阵反映了信道矩阵的特征向量。终端可以通过信道矩阵来推导层数和预编码矩阵。
图2所示为根据本申请一实施例的方法流程图。终端100执行如图2所示的方法流程,以向基站110反馈PMI/RI。
S210,将第一数据输入到第一模型,获取第一模型的输出结果。
具体的,在S210中,第一模型为AI模型,其可以是AI神经网络,包括卷积神经网络(Convolutional Neural Network,CNN)、深度神经网络(Deep Neural Network,DNN)等(AI网络)。
在S210的一种实现方式中,第一数据为预编码矩阵。终端100利用AI模型(第一模型)反馈(上报)预编码矩阵。
具体的,终端100反馈预编码矩阵相当于终端100推荐给基站110当前较合适的预编码矩阵。终端100将预编码矩阵作为AI模型(第一模型)的输入,经过AI模型(第一模型)的压缩,得到压缩数据(第一模型的输出结果)。
在S210的另一种实现方式中,第一数据为信道矩阵。终端100利用AI模型(第一模型)直接反馈(上报)信道矩阵,来替代反馈预编码矩阵。
终端100直接反馈信道矩阵具有比反馈预编码矩阵更多的信息量,比如幅度信息(特征向量没有幅度信息),更适合多用户多输入多输出(Multi-user Multi-Input Multi-output,MU-MIMO)。终端100将信道矩阵作为AI模型(第一模型)的输入,经过压缩AI模型的压缩,得到压缩数据(第一模型的输出结果)。
在S210之后,终端100执行S211,量化(quantization)压缩数据(预编码矩阵或信道矩阵的压缩数据,第一模型的输出结果),得到比特序列。
S220,终端100将比特序列发送给基站110。
S230,基站110将比特序列反量化(de-quantization),得到压缩数据(预编码矩阵或信道矩阵的压缩数据)。
S231,基站110将压缩数据作为解压AI模型的输入,经过解压AI模型的解压缩,得到第一数据(预编码矩阵或信道矩阵)。
进一步的,第一模型为多维的数据处理模型,第一数据为多维的数据。第一数据至少包含两个维度,即,第一数据的维度至少包括第一维度、第二维度。
进一步的,在一种实现方式中,AI模型(第一模型)为输入数据为二维数据的模型。这样,可以基于其他输入数据的为二维数据的AI模型(例如,用于图像处理(压缩、识别等)的AI模型)构造用于处理CSI的AI模型,从而降低AI模型的构造难度。
针对二维输入数据的AI模型,当信道矩阵或预编码矩阵为二维矩阵时,预编码矩阵或信道矩阵可以只经过简单处理(如数据大小规范化)就能输入到AI模型(第一模型)中。具体的,在一实施例中,第一数据为二维的预编码矩阵或信道矩阵。第一数据的维度包括第一维度、第二维度(例如天线维度和时延维度,或者天线维度和频率维度)。
针对二维输入数据的AI模型,当预编码矩阵或信道矩阵为高维矩阵时(例如发射天线维度、接收天线维度、时延维度),预编码矩阵或信道矩阵需要经过降维为二维矩阵,并简单处理,才能输入到AI模型中。
如图2所示,在S210之前,终端100执行下述步骤。
S200,获取三维的预编码矩阵或信道矩阵。三维的预编码矩阵或信道矩阵的维度包括第一维度、第二维度以及第三维度。
S201,根据三维的预编码矩阵或信道矩阵,获取二维的第一数据(二维的预编码矩阵或信道矩阵)。具体的,第一数据的维度包括第一维度、第二维度。
这样,在S201之后,输入到AI网络的预编码矩阵或信道矩阵为二维。并且,在S201之前,在S200中,预编码矩阵或信道矩阵是三维的,此时信息量是足够的,例如三维包括空间-频率-时间。
在S201的一种实现方式中,第一数据为三维的预编码矩阵或信道矩阵沿第三维度分割得到。
S201包括:将三维的预编码矩阵或信道矩阵沿第三维度进行分割,得到一个或多个二维的预编码矩阵或信道矩阵。按照三维的预编码矩阵或信道矩阵的第三维度的顺序,将一个或多个第一数据依次排列。
在S210中,按照S201的第一数据的排列顺序,将第一数据顺序输入到AI模型(第一模型)。这里“顺序”也可以是“依次”,还可以是“连续”。本申请中“顺序”也可以是“依次”,还可以是“连续”。
终端100将预编码矩阵或信道矩阵沿着一个维度进行分割,得到一个或多个预编码矩阵或信道矩阵,再将所述一个或多个预编码矩阵或信道矩阵顺序(沿着被分割的维度)输入到AI模型。简言之,沿着一个维度进行分割,并顺序输入进AI模型。这样,处理方式简单。并且,由于某些AI模型对输入数据具有记忆能力,如长-短时间记忆(long-short timememory)模型。因此,针对具有记忆相关性能力的AI模型,采用本申请实施例的方法,在一个有强相关性的维度上对预编码矩阵或信道矩阵进行分割,并顺序输入,可以提高AI模型的适配性。
在S201的另一种实现方式中,第一数据为三维的预编码矩阵或信道矩阵沿第三维度分割和差分得到。AI模型(第一模型)包括用于直接处理二维的预编码矩阵或信道矩阵的直接模型,以及,用于处理二维的预编码矩阵或信道矩阵的差分数据的差分模型。
S201包括:将三维的预编码矩阵或信道矩阵沿第三维度进行分割,得到一个或多个二维的预编码矩阵或信道矩阵。按照三维的预编码矩阵或信道矩阵的第三维度的顺序,将一个或多个第一数据依次排列,再进行差分。
在S210中,按照S201的第一数据的排列顺序,将第一个二维的预编码矩阵或信道矩阵输入到直接模型,再将后续预编码矩阵或信道矩阵的差分数据顺序(沿着被分割的维度)输入到差分模型。
终端100将预编码矩阵或信道矩阵沿着一个维度进行分割,得到多个预编码矩阵或信道矩阵,再将第一个预编码矩阵或信道矩阵输入到直接AI模型,再将后续预编码矩阵或信道矩阵的差分数据顺序(沿着被分割的维度)输入到差分模型。简言之,沿着一个维度进行分割,第一个分割数据和后续差分数据输入进AI模型。这样,不需要AI模型具有记忆性。并且,由于直接模型是针对预编码矩阵或信道矩阵进行训练得到的,差分模型是针对预编码矩阵或信道矩阵的差分数据进行训练得到的,两个模型各有针对性,因此使用这两类AI模型能迭代的压缩增量信息。
进一步的,三维的预编码矩阵或信道矩阵的维度可以是时间、频率、空间、多普勒(Doppler)、时延、角度。
例如,三维的预编码矩阵或信道矩阵的第一维度为时间、频率、空间、多普勒(Doppler)、时延、角度之中的任意一个。当第一维度为时间或多普勒时,第二维度以及第三维度为{频率、空间}、{时延、角度}、{频率、角度}、{时延、空间}中的任意一个。当第一维度为频率或时延时,第二维度以及第三维度为{时间、空间}、{多普勒、角度}、{时间、角度}、{多普勒、空间}中的任意一个。当第一维度为空间或角度时,第二维度以及第三维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个。
又例如,三维的预编码矩阵或信道矩阵的第二维度为时间、频率、空间、多普勒(Doppler)、时延、角度之中的任意一个。当第二维度为时间或多普勒时,第一维度以及第三维度为{频率、空间}、{时延、角度}、{频率、角度}、{时延、空间}中的任意一个。当第二维度为频率或时延时,第一维度以及第三维度为{时间、空间}、{多普勒、角度}、{时间、角度}、{多普勒、空间}中的任意一个。当第二维度为空间或角度时,第一维度以及第三维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个。
各个维度是有一定物理意义,通过维度选择和维度变换(转换,如时间转换到多普勒,频率转换到时延,空间转换到角度),可以得到稀疏数据,有利于压缩。
时间维度指不同的时间或时间范围(如时间间隔),由于时变性,预编码矩阵或信道矩阵在时间维度上具有不同的特征。
频率维度指不同的频率或频率范围(如子带subband),由于频选性,预编码矩阵或信道矩阵在频率维度上具有不同的特征。
空间维度指不同的天线,由于不同天线具有不同空间位置,预编码矩阵或信道矩阵在空间维度上具有不同的特征。空间维度又可以称为天线维度。
多普勒维度的特征可以为时间维度的特征在离散傅里叶变换(Discrete FourierTransform,DFT)空间中的系数。对于信道矩阵,对信道矩阵沿着时间维度进行DFT可以得到具有多普勒r维度的信道矩阵。对于预编码矩阵,对预编码矩阵沿着时间维度进行DFT可以得到具有多普勒维度的预编码矩阵
时延维度的特征可以为频率维度的信道特征在DFT空间中的系数。对于信道矩阵,对信道矩阵沿着频率维度进行DFT可以得到具有时延维度的信道矩阵。对于预编码矩阵,对预编码矩阵沿着频率维度进行DFT可以得到具有时延维度的预编码矩阵。
角度维度的特征可以为空间维度的信道特征在DFT空间中的系数。对于信道矩阵,对信道矩阵沿着空间维度进行DFT可以得到具有角度维度的信道矩阵。对于预编码矩阵,对预编码矩阵沿着天线维度进行DFT可以得到具有角度维度的预编码矩阵。角度维度又可以称为波束维度。
在本申请的说明书中,维度又可以称为“域”(domain),例如时间维度可以称为时间域,天线(空间)维度可以称为天线(空间)域,频率维度可以称为频率域,多普勒维度可以称为多普勒域,角度维度可以称为角度域,时延维度可以称为时延域。
进一步的,当第三维度为时间维度时,这种方式适合AI模型具有时间的记忆性,可以通过时间维度的数据顺序输入来学习到预编码矩阵或信道矩阵的时间相关性。
当第三维度为频率维度时,这种方式适合AI模型具有频率的记忆性,可以通过频率维度的数据顺序输入来学习到预编码矩阵或信道矩阵的频率相关性。
当第三维度为空间维度时,这种方式适合AI模型具有空间的记忆性,可以通过空间维度的数据顺序输入来学习到预编码矩阵或信道矩阵的空间相关性。
当第三维度为多普勒维度时,这种方式适合AI模型具有时间维度的记忆性,可以通过时间维度的数据顺序输入来学习到预编码矩阵或信道矩阵的时间相关性,并且,一般来说多普勒维度的特征的分布比时间维度的特征更稀疏,加上多普勒维度上具有一定的统计特征(例如多普勒谱),因此使用多普勒维度相比使用时间维度可以降低AI模型的复杂度或加快AI模型收敛时间。
当第三维度为时延维度时,这种方式适合AI模型具有频率维度的记忆性,可以通过频率维度的数据顺序输入来学习到预编码矩阵或信道矩阵的频率相关性,并且,一般来说时延维度的特征的分布比频率维度的特征更稀疏,加上时延维度上具有一定的统计特征(例如时延谱),因此使用时延维度相比使用频率维度可以降低AI模型的复杂度或加快AI模型收敛时间。
当第三维度为角度维度时,这种方式适合AI模型具有空间维度的记忆性,可以通过空间维度的数据顺序输入来学习到预编码矩阵或信道矩阵的空间相关性,并且,一般来说角度维度的特征的分布比空间维度的特征更稀疏,加上角度维度上具有一定的统计特征(例如角度谱),因此使用角度维度相比使用空间维度可以降低AI模型的复杂度或加快AI模型收敛时间。
进一步的,当第三维度为时间或多普勒维度时,输入到AI网络的预编码矩阵或信道矩阵的另外两个维度(第一维度以及第二维度)为{频率、空间}、{时延、角度}、{频率、角度}、{时延、空间}之一。
当第一维度以及第二维度为{频率、空间},表示在输入AI模型前,无需对预编码矩阵或信道矩阵进行DFT变换,降低输入AI模型前的处理复杂度。
当第一维度以及第二维度为{时延、角度},表示在输入AI模型前,对预编码矩阵或信道矩阵的频率和空间维度进行DFT变换,利用时延和角度维度的稀疏性,降低AI模型的复杂度或加快AI模型收敛时间。
当第一维度以及第二维度为{频率、角度}或{时延、空间},是上述两种方式的折中,即部分地降低输入AI模型前的处理复杂度,又利用时延或角度维度的稀疏性,部分地降低AI模型的复杂度或加快AI模型收敛时间。
进一步的,当第三维度为为频率或时延维度时,输入到AI网络的预编码矩阵或信道矩阵的另外两个维度(第一维度以及第二维度)为{时间、空间}、{多普勒、角度}、{时间、角度}、{多普勒、空间}之一。
或者,当第三维度为空间或角度维度时,输入到AI网络的预编码矩阵或信道矩阵的另外两个维度(第一维度以及第二维度)为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}之一。
实施例2,针对CQI、L1-RSRP、L1-SINR
CQI定义为:终端需要推导CQI,并上报最大的CQI索引,该CQI索引使得终端能够以0.1的误块率(transport block error probability)接收一个物理下行共享信道(Physical Downlink Shared Channel,PDSCH)传输块,该PDSCH传输块带有调制格式、目标码率和传输块尺寸,该PDSCH传输块对应该CQI索引,并占据CSI参考资源。
CRI表示终端推荐的CSI-RS资源集合,一个CSI-RS资源集合可以表示一个波束或天线方向。L1-RSRP表示终端测量参考信号(SSB或者CSI-RS)得到的接收功率。L1-SINR表示终端测量参考信号(SSB或者CSI-RS)得到的信干噪比。
图3所示为根据本申请一实施例的方法流程图。终端100执行如图3所示的方法流程,以向基站110反馈CQI、L1-RSRP、L1-SINR。
S310,将第二数据输入到第二模型,获取第二模型的输出结果。
具体的,在S310中,第二模型为AI模型,其可以是AI神经网络,包括卷积神经网络(Convolutional Neural Network,CNN)、深度神经网络(Deep Neural Network,DNN)等(AI网络)。
第二数据与测量值有关,测量值包括CQI、L1-RSRP、L1-SINR中任意一种或几种的组合。测量值还可以包括L3-RSRP、L3-RSRQ、L3-SINR、L3-RSSI中任意一种或几种的组合。
在S310的一种实现方式中,第二数据为一维数据,其维度(第一维度)可以为时间、频率、多普勒、时延之中的任意一个(各个维度参照第一数据的维度描述)。此时,AI模型(第二模型)为输入数据为一维数据的模型。
由于CQI、L1-RSRP、L1-SINR都为一维的数据。在一实施例中,第二数据为一维的测量值。此时测量值本身就只有一个维度,可以看作一个向量。
进一步的,在一种实现方式中,一维的第二数据为二维的测量值矩阵(包含第一维度以及第二维度)沿第二维度分割得到。具体的,按照所述第二维度的顺序,将一个或多个第二数据依次排列。在另一种实现方式中,一维的第二数据为二维的测量值矩阵(包含第一维度以及第二维度)沿第二维度分割和差分得到。具体的,按照第二维度的顺序,将一个或多个所述第二数据依次排列,再进行差分。参照S201的两种实现方式。
在二维的测量值矩阵中,当第一维度为时间或多普勒时,第二维度为频率、时延中的任意一个;当第一维度为频率或时延时,第二维度为时间、多普勒中的任意一个。如上所述,时间维度可以通过DFT转换为多普勒维度,频率维度可以通过DFT转换为时延维度。
在S310的另一种实现方式中,AI模型(第二模型)为输入数据为二维数据的模型。这样,可以基于其他输入数据的为二维数据的AI模型(例如,用于图像处理(压缩、识别等)的AI模型)构造用于处理CSI的AI模型,从而降低AI模型的构造难度。
在S310之前,终端100执行S300,获取二维的第二数据。
第二数据为二维的测量值矩阵。测量值矩阵可以是由测量值组成的矩阵。例如,第二数据的维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个组合。
进一步的,测量值为一维数据,因此,在S300的一种实现方式中,将测量值组成二维的第二数据(进行组合)。具体的,在一实施例中,利用时间和频率维度对测量值进行组合。
具体的,当二维的第二数据的维度为{时间、频率}时,由于测量值可以是频率粒度(如测量带宽)和时间粒度(如测量时机),所以可以在频率和时间维度上组成二维数据,这样形成的二维数据具有频率相关性和时间相关性,并且,在输入AI模型前,无需对二维数据进行DFT变换,降低输入AI模型前的处理复杂度。
当二维的第二数据的维度为{多普勒、时延}时,表示在输入AI模型前,对二维数据的时间和频率维度进行DFT变换,利用多普勒和时延维度的稀疏性,降低AI模型的复杂度或加快AI模型收敛时间。
当二维的第二数据为{时间、时延}或{多普勒、频率},是上述两种方式的折中,即部分地降低输入AI模型前的处理复杂度,又利用时延或角度维度的稀疏性,部分地降低AI模型的复杂度或加快AI模型收敛时间。
在S310之后,终端100执行S311-S331(参照S211-S231)。
S311,压缩数据(第二模型的输出结果)经过量化(quantization),得到比特序列。
S320,终端100将比特序列发送给基站110。
S330,基站110将比特序列反量化(de-quantization),得到压缩数据。
S331,基站110将压缩数据作为解压AI模型的输入,经过解压AI模型的解压缩,得到第二数据。
进一步的,在实际应用场景中,不同的配置/参数对信道特征是有影响的。对于预编码矩阵或信道矩阵,如果针对不同的信道特征都使用相同的AI模型(第一模型)进行数据处理,那么可能存在过拟合的问题。
针对上述问题,在本申请一实施例的方法中,针对不同的信道特征选用相匹配的AI模型进行数据处理。
实施例3
对于多天线系统或多输入多输出(Multi-Input Multi-output,MIMO)系统,预编码矩阵或信道矩阵至少有一个维度是天线维度,例如多个发射天线、多个接收天线或多个发射/接收天线。由于天线配置是多种多样的,例如发射天线的排列方式(如极化方式、天线间隔),不同的天线配置可以具有截然不同的特征,对这些不同的天线配置用同一个AI模型进行压缩,会产生过拟合的问题。
针对上述问题,一种可行的解决方案是通过增加AI模型的深度(层数)来减轻过拟合问题,但是这会导致AI模型的复杂度变高。
在本申请一实施例的方法中,针对不同的天线配置选用相匹配的AI模型进行数据处理。这样,不同的天线配置可以对应于不同的AI模型,可以有效地减轻过拟合问题,并且保证一个AI模型足够简单,多个AI模型可以并行化处理。
图4所示为根据本申请一实施例的方法流程图。终端100执行如图4所示的方法流程,以向基站110反馈CSI。
S400,根据天线配置,选择第三模型。第三模型为备选的模型(用于处理CSI数据的AI模型(前述的第一模型或第二模型))中与天线配置相匹配的模型。
具体的,在一实施例中,S400中的天线配置为基站的天线配置。
在一实施例中,天线配置包括发射天线数或CSI-RS端口数。由于不同的发射天线数或CSI-RS端口数下信道特征可能具有较大差异,因此使用不同的AI模型可以减轻过拟合问题。
在一实施例中,天线配置包括发射天线或CSI-RS端口的极化方式。极化方式包括发射天线或CSI-RS端口索引对应的交叉极化方式、垂直极化方式和/或水平极化方式。由于不同的发射天线或CSI-RS端口的极化方式下信道特征可能具有较大差异,因此使用不同的AI模型可以减轻过拟合问题。
在一实施例中,天线配置包括接收天线数。当信道对不同接收天线数有较大差别时,不区分接收天线数可能会产生过拟合的问题,因此通过区分接收天线数可以减轻过拟合问题。
S410,使用第三模型处理CSI(第三数据),获取第三模型的输出结果。
S420,反馈(上报)数据到基站110(上报的数据包含第三模型的输出结果)。S420的执行可以参照S211-S231。
进一步的,为优化第三模型的数据处理效果,还根据天线配置对CSI进行预处理。具体的,在S410之前,执行S401,根据天线配置处理第三数据,获取第三数据的处理结果。在S410中,使用第三模型处理第三数据的处理结果,获取第三模型的输出结果。
在一种对CSI进行预处理的实现方式中,在S401中将具有相同天线配置的数据分为一组。在S410中,使用相应的AI模型处理对应组的数据(对应同一天线配置)。最终获取多个AI模型的多个输出结果。这样,具有相同天线配置的数据具有相似的特征,可以有效地减轻过拟合问题,并且保证一个AI模型足够简单,多个AI模型可以并行化处理。
具体的,S401包括,将第三数据中对应第一天线配置的数据划分为第一数据组;S410包括,使用第三模型处理所述第一数据组,其中,第三模型与第一天线配置相对应。进一步的,S401还包括,将第三数据中对应第N天线配置的数据划分为第N数据组;S410还包括,使用第N模型处理第N数据组,其中,第N模型与第N天线配置相对应。最终,在S420中,终端100将所有AI模型的输出结果(包含第三模型的输出结果、第N模型的输出结果)上报(反馈)给基站110。
在另一种对CSI进行预处理的实现方式中,在S401中将具有相同天线配置的数据分为一组。在S410中,使用一个AI模型处理某一组的数据(AI模型与其处理的数据组对应同一天线配置);并且,获取被处理的数据组与其数据组之间的相对值。最终获取一个AI模型的输出结果,以及数据组之间的相对值。当不同天线配置的两组数据之间相差一个相对值(如旋转值、平移值、伸缩值等),压缩端只需要压缩并反馈一组数据,解压端可以通过恢复该一组数据,并通过相对值恢复另一组数据,例如交叉极化的两组数据(如特征向量),它们的信道特征之间可以相差一个共相位(co-phase),因此只需要压缩其中一个极化方向的数据即可。
具体的,S401包括,将第三数据中对应第一天线配置的数据划分为第一数据组;S410包括,使用第三模型处理所述第一数据组,其中,第三模型与第一天线配置相对应。进一步的,S401还包括,将第三数据中对应第N天线配置(例如,第二天线配置)的数据划分为第N数据组(例如,第二数据组);S410还包括,获取第N数据组(例如,第二数据组)与第一数据组的相对值。最终,在S420中,终端100将第三模型的处理结果以及第一数据组以外的所有其他数据组与第一数据组的相对值上报(反馈)给基站110。
进一步的,在S401的一种实现方式中,当第三数据为预编码矩阵或信道矩阵时,对第三数据的空间维度进行数据整理。S401在S410之前执行,这样,可以增强数据的规律性,例如相同配置的天线划分为一组,组内或组间数据以某种规律进行整理,当数据规律性较高时,过拟合的问题可以有效地被减轻。
具体的,针对预编码矩阵或信道矩阵的空间维度进行数据整理的方式包括:
针对相同天线配置的数据顺序(这里“顺序”也可以是“依次”,还可以是“连续”)放置;或者,针对不同天线配置的数据交织放置。
相同天线配置的数据具有相似性,相同天线配置的数据顺序放置可以适合一类AI模型,不同天线配置的数据交织放置可能适合另一类AI模型。针对预编码矩阵或信道矩阵的空间维度进行数据整理的方式还可以是,针对不同天线配置的数据只取一组相同天线配置的数据。
实施例4
对于多天线系统或MIMO系统,当采用信道矩阵反馈时,需要考虑接收天线,不同的接收天线可以具有不同的信道矩阵特征,当采用预编码矩阵反馈时,需要考虑MIMO层(layer),不同的MIMO层可以具有不同的预编码矩阵特征。对这些不同接收天线或MIMO层用同一个AI模型进行压缩,会产生过拟合的问题。
针对上述问题,一种可行的解决方案是通过增加AI模型的深度(层数)来减轻过拟合问题,但是这会导致AI模型的复杂度变高。
在本申请一实施例的方法中,针对不同接收天线或MIMO层选用相匹配的AI模型进行数据处理。这样,不同的接收天线或MIMO层可以对应于不同的AI模型,可以有效地减轻过拟合问题,并且保证一个AI模型足够简单,多个AI模型可以并行化处理。
图5所示为根据本申请一实施例的方法流程图。终端100执行如图5所示的方法流程,以向基站110反馈CSI。
S500,根据接收天线或MIMO层,选择第四模型。第四模型为备选的模型(用于处理CSI数据的AI模型(前述的第一模型或第二模型))中与接收天线或MIMO层相匹配的模型。
S510,使用第四模型处理CSI(第四数据),获取第四模型的输出结果。
S520,反馈(上报)数据到基站110(上报的数据包含第四模型的输出结果)。S520的执行可以参照S211-S231。
进一步的,为优化第三模型的数据处理效果,还根据接收天线或MIMO层对CSI进行预处理。具体的,在S510之前,执行S501,根据接收天线或MIMO层处理第四数据,获取第四数据的处理结果。在S510中,使用第四模型处理第四数据的处理结果,获取第四模型的输出结果。
在一种对CSI进行预处理的实现方式中,在S501中将具有相同接收天线或MIMO层的数据分为一组。在S510中,使用相应的AI模型处理对应组的数据(对应同一接收天线或MIMO层)。最终获取多个AI模型的多个输出结果。这样,具有相同接收天线或MIMO层的数据具有相似的特征,可以有效地减轻过拟合问题,并且保证一个AI模型足够简单,多个AI模型可以并行化处理。
具体的,S501包括,将第四数据中对应第一接收天线或第一MIMO层的数据划分为第一数据组;S510包括,使用第四模型处理第一数据组,其中,第四模型与第一接收天线或第一MIMO层相对应。进一步的,S501还包括,将第四数据中对应第N接收天线或第N MIMO层的数据划分为第N数据组;S510还包括,使用第N模型处理第N数据组,其中,第N模型与第N接收天线或第N MIMO层相对应。最终,在S520中,终端100将所有AI模型的输出结果(包含第四模型的输出结果、第N模型的输出结果)上报(反馈)给基站110。
在另一种对CSI进行预处理的实现方式中,在S501中将具有相同接收天线或MIMO层的数据分为一组。在S510中,使用一个AI模型处理某一组的数据(AI模型与其处理的数据组对应同一接收天线或MIMO层);并且,获取被处理的数据组与其数据组之间的相对值。最终获取一个AI模型的输出结果,以及数据组之间的相对值。当不同接收天线或MIMO层的两组数据之间相差一个相对值(如旋转值、平移值、伸缩值等),压缩端只需要压缩并反馈一组数据,解压端可以通过恢复该一组数据,并通过相对值恢复另一组数据,例如交叉极化接收天线的两组数据,它们的信道特征之间可以相差一个共相位(co-phase),因此只需要压缩其中一个极化方向的数据即可。
具体的,S501包括,将第四数据中对应第一接收天线或第一MIMO层的数据划分为第一数据组;S510包括,使用第四模型处理所述第一数据组,其中,第四模型与第一接收天线或第一MIMO层相对应。进一步的,S501还包括,将第四数据中对应第N接收天线或第NMIMO层(例如,第二接收天线或第二MIMO层)的数据划分为第N数据组(例如,第二数据组);S510还包括,获取第N数据组(例如,第二数据组)与第一数据组的相对值。最终,在S520中,终端100将第四模型的处理结果以及第一数据组以外的所有其他数据组与第一数据组的相对值上报(反馈)给基站110。
进一步的,在S501的一种实现方式中,当第四数据为预编码矩阵或信道矩阵时,对第四数据进行数据整理。S501在S510之前执行,这样,可以增强数据的规律性,例如相同配置的天线划分为一组,组内或组间数据以某种规律进行整理,当数据规律性较高时,过拟合的问题可以有效地被减轻。
具体的,针对预编码矩阵或信道矩阵进行数据整理的方式包括:
将接收天线或MIMO层的数据混合到预编码矩阵或所述信道矩阵的第一维度的数据中。这样,可以避免增加一个维度。
具体的,第一维度为空间维度或角度维度。由于接收天线或MIMO层的数据跟空间(天线)维度或角度维度的数据有一定相关性,因此将接收天线或MIMO层的数据混合到预编码矩阵或信道矩阵的空间维度或角度维度的数据中中,可以令数据有规律,过拟合的问题可以有效地被减轻。
进一步的,终端100还向基站110上报接收天线数或MIMO层数。这样,基站可以选择合适的AI模型或合适的数据整理方式来恢复(解压)数据,获得解压后的预编码矩阵或信道矩阵。
实施例5
不同的频率范围(frequency range)或频带(band)可以具有不同的信道特征,对这些不同的信道特征用同一个AI模型进行压缩,会产生过拟合的问题。
针对上述问题,一种可行的解决方案是通过增加AI模型的深度(层数)来减轻过拟合问题,但是这会导致AI模型的复杂度变高。
在本申请一实施例的方法中,针对不同频率范围或频带选用相匹配的AI模型进行数据处理。这样,不同的频率范围或频带可以对应于不同的AI模型,可以有效地减轻过拟合问题,并且保证一个AI模型足够简单,多个AI模型可以并行化处理。
图6所示为根据本申请一实施例的方法流程图。终端100执行如图6所示的方法流程,以向基站110反馈CSI。
S700,根据频率范围或频带,选择第五模型。第五模型为备选的模型(用于处理CSI数据的AI模型(前述的第一模型或第二模型))中与频率范围或频带相匹配的模型。
S710,使用第五模型处理CSI(第五数据),获取第五模型的输出结果。
S720,反馈(上报)数据到基站110(上报的数据包含第五模型的输出结果)。S720的执行可以参照S211-S231。
进一步的,为优化第三模型的数据处理效果,还根据频率范围或频带对CSI进行预处理。具体的,在S710之前,执行S701,根据频率范围或频带处理第五数据,获取第五数据的处理结果。在S710中,使用第五模型处理第五数据的处理结果,获取第五模型的输出结果。
进一步的,在S701的一种实现方式中,当第五数据为预编码矩阵或信道矩阵时,对第五数据进行数据整理。S701在S710之前执行。
具体的,针对预编码矩阵或信道矩阵进行数据整理的方式包括:
通过数据整理,将频率范围或频带放在预编码矩阵或信道矩阵的第一维度中。这样,可以避免增加一个维度。
具体的,第一维度为频率维度或时延维度。由于频率范围或频带跟频率维度或时延维度有一定相关性,因此将频率范围或频带放在预编码矩阵或信道矩阵的频率维度或时延维度中,可以令数据有规律,过拟合的问题可以有效地被减轻。
进一步的,基于本申请的数据处理方法,本申请一实施例还提出了一种数据处理装置,该装置被构造在终端中,装置中的各个模块可以在终端的处理模块的控制下执行相应的动作。
具体的,在一实施例中,数据处理装置被构造在终端(例如,终端100)中,装置包括:
数据获取模块,其用于获取三维的预编码矩阵或信道矩阵(参照S200);
数据处理模块,其用于根据三维的预编码矩阵或信道矩阵,获取二维的第一数据(参照S201);
模型处理模块,其用于将第一数据输入到第一模型,获取第一模型的输出结果(参照S210);
量化模块,其用于量化第一模型的输出结果,得到比特序列(参照S211);
输出模块,其用于输出比特序列(参照S220)。
具体的,在一实施例中,数据处理装置被构造在终端(例如,终端100)中,装置包括:
数据获取模块,其用于获取二维的第二数据(参照S300);
模型处理模块,其用于将第二数据输入到第二模型,获取第二模型的输出结果(参照S310);
量化模块,其用于量化第二模型的输出结果,得到比特序列(参照S311);
输出模块,其用于输出比特序列(参照S320)。
具体的,在一实施例中,数据处理装置被构造在终端(例如,终端100)中,装置包括:
模型选择模块,其用于根据天线配置,选择第三模型(参照S400);
数据处理模块,其用于根据天线配置处理第三数据,获取第三数据的处理结果(参照S401);
模型处理模块,其用于使用第三模型处理第三数据的处理结果,获取第三模型的输出结果(参照S410);
输出模块,其用于反馈(上报)数据到基站(参照S420)。
具体的,在一实施例中,数据处理装置被构造在终端(例如,终端100)中,装置包括:
模型选择模块,其用于根据接收天线或MIMO层,选择第四模型(参照S500);
数据处理模块,其用于根据接收天线或MIMO层处理第四数据,获取第四数据的处理结果(参照S501);
模型处理模块,其用于使用第四模型处理第四数据的处理结果,获取第四模型的输出结果(参照S510);
输出模块,其用于反馈(上报)数据到基站(参照S520)。
具体的,在一实施例中,数据处理装置被构造在终端(例如,终端100)中,装置包括:
模型选择模块,其用于根据频率范围或频带,选择第五模型(参照S600);
数据处理模块,其用于根据频率范围或频带处理第五数据,获取第五数据的处理结果(参照S601);
模型处理模块,其用于使用第五模型处理第五数据的处理结果,获取第五模型的输出结果(参照S610);
输出模块,其用于反馈(上报)数据到基站(参照S620)。
具体的,在一实施例中,数据处理装置被构造在基站(例如,基站110)中,装置包括:
反量化模块,其用于将比特序列反量化,得到压缩数据(参照S230);
解压缩模块,其用于将压缩数据作为解压AI模型的输入,获取解压AI模型的输出结果(参照S231)。
在本申请实施例的描述中,为了描述的方便,描述装置时以功能分为各种模块分别描述,各个模块的划分仅仅是一种逻辑功能的划分,在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
具体的,本申请实施例所提出的装置在实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块以软件通过处理元件调用的形式实现,部分模块通过硬件的形式实现。例如,确定模块可以为单独设立的处理元件,也可以集成在电子设备的某一个芯片中实现。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个数字信号处理器(Digital Singnal Processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,这些模块可以集成在一起,以片上装置(System-On-a-Chip,SOC)的形式实现。
进一步的,基于本申请提出的数据处理方法,本申请一实施例还提出了一种电子设备(终端)(例如,终端100),电子设备包括用于存储计算机程序指令的存储器、用于执行程序指令的处理器以及通信装置,其中,当计算机程序指令被该处理器执行时,触发电子设备执行本申请实施例中所示的方法中终端100执行的数据处理动作。
进一步的,基于本申请提出的确定发送波束的方法,本申请一实施例还提出了一种电子设备(基站)(例如,基站110),电子设备包括用于存储计算机程序指令的存储器、用于执行程序指令的处理器以及通信装置,其中,当计算机程序指令被该处理器执行时,处理器控制电子设备执行本申请实施例中所示的方法中基站110执行的数据处理动作。
图7所示为本申请一实施例的电子设备结构示意图。本申请实施例的电子设备(终端100或基站110)可以采用如图7所示的组件结构。如图7所示,电子设备600包括处理器610、存储器620以及通信装置630。
存储器620可以用于存储用于执行上述实施例所示的方法的计算机程序指令,当处理器610执行存储器620中存储的计算机程序指令时,处理器610控制通信装置630执行上述实施例所示的方法。
电子设备600的处理器610可以是片上装置SOC,该处理器中可以包括中央处理器(Central Processing Unit,CPU),还可以进一步包括其他类型的处理器。
具体的,处理器610可以例如包括CPU、DSP、微控制器或数字信号处理器,还可包括GPU、嵌入式神经网络处理器(Neural-network Process Units,NPU)和图像信号处理器(Image Signal Processing,ISP),处理器610还可包括必要的硬件加速器或逻辑处理硬件电路,如ASIC,或一个或多个用于控制本申请技术方案程序执行的集成电路等。此外,处理器610可以具有操作一个或多个软件程序的功能,软件程序可以存储在存储介质中。
电子设备600的存储器620可以是只读存储器(read-only memory,ROM)、可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器(random access memory,RAM)或可存储信息和指令的其它类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备,或者还可以是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何计算机可读介质。
具体的,在本申请一实施例中,处理器610和存储器620可以合成一个处理装置,更常见的是彼此独立的部件。具体实现时,存储器620也可以集成在处理器610中,或者,独立于处理器610。
电子设备600的通信装置630用于实现无线通信功能,通信装置630包括天线631、通信模块632,调制解调处理器633以及基带处理器634中的一个或多个。
天线631用于发射和接收电磁波信号。天线631可以包括一个或多个独立的天线,每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。
通信模块632可以提供应用在电子设备600上的包括2G/3G/4G/5G等无线通信的解决方案。通信模块632可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(lownoise amplifier,LNA)等。通信模块632可以由天线631接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器633进行解调。移动通信模块632还可以对经调制解调处理器633调制后的信号放大,经天线631转为电磁波辐射出去。在一些实施例中,移动通信模块632的至少部分功能模块可以被设置于处理器610中。
调制解调处理器633可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器734处理。低频基带信号经基带处理器734处理后,被传递给处理器610。在一些实施例中,调制解调处理器633可以是独立的器件。在另一些实施例中,调制解调处理器633可以独立于处理器610,与移动通信模块732或其他功能模块设置在同一个器件中。
在一些实施例中,电子设备600的天线631和通信模块632耦合,使得电子设备600可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(generalpacket radio service,GPRS),码分多址接入(code division multiple access,CDMA),宽带码分多址(wideband code division multiple access,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long termevolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system,GPS),全球导航卫星系统(global navigationsatellite system,GLONASS),北斗卫星导航系统(beidou navigation satellitesystem,BDS),准天顶卫星系统(quasi-zenith satellite system,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
进一步的,在实际应用场景中,本说明书所示实施例的方法流程可以由安装在电子设备上的电子芯片所实现。因此,基于本申请提出的方法,本申请一实施例还提出了一种电子芯片该电子芯片安装在终端(例如,终端100)中,电子芯片包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当计算机程序指令被该处理器执行时,触发电子芯片执行本申请上述实施例所示的方法中的终端100所执行的动作。
进一步的,基于本申请提供的方法,本申请一实施例还提出了一种电子芯片该电子芯片安装在基站(例如,基站110)中,电子芯片包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当计算机程序指令被该处理器执行时,触发电子芯片执行本申请上述实施例所示的方法中的基站110所执行的动作。
进一步的,本申请实施例阐明的设备、装置、模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。
本领域内的技术人员应明白,本申请实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
在本申请所提供的几个实施例中,任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
具体的,本申请一实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行本申请实施例提供的方法。
本申请一实施例还提供一种计算机程序产品,该计算机程序产品包括计算机程序,当其在计算机上运行时,使得计算机执行本申请实施例提供的方法。
本申请中的实施例描述是参照根据本申请实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,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的情况。其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a和b,a和c,b和c或a和b和c,其中a,b,c可以是单个,也可以是多个。
本申请实施例中,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以意识到,本申请实施例中描述的各单元及算法步骤,能够以电子硬件、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每个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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本申请的具体实施方式,任何熟悉本技术领域的技术人员在本申请公开的技术范围内,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。本申请的保护范围应以所述权利要求的保护范围为准。
Claims (52)
1.一种数据处理方法,其特征在于,所述方法应用于终端,包括:
将第一数据输入到第一模型,获取所述第一模型的输出结果。
2.根据权利要求1所述的方法,其特征在于,所述第一数据的维度至少包括第一维度、第二维度。
3.根据权利要求2所述的方法,其特征在于,所述第一数据为二维的预编码矩阵或信道矩阵。
4.根据权利要求2所述的方法,其特征在于,所述第一数据为三维的预编码矩阵或信道矩阵沿第三维度分割得到。
5.根据权利要求4所述的方法,其特征在于,所述三维的预编码矩阵或信道矩阵沿第三维度分割,包括:
按照所述第三维度的顺序,将一个或多个所述第一数据依次排列。
6.根据权利要求2所述的方法,其特征在于,所述第一数据为所述三维的预编码矩阵或信道矩阵沿第三维度分割和差分得到。
7.根据权利要求6所述的方法,其特征在于,所述三维的预编码矩阵或信道矩阵沿第三维度分割和差分,包括:
按照所述第三维度的顺序,将一个或多个所述第一数据依次排列,再进行差分。
8.根据权利要求2-7中任一项所述的方法,其特征在于,所述第一维度为时间、频率、空间、多普勒、时延、角度之中的任意一个。
9.根据权利要求8所述的方法,其特征在于,所述第一维度为时间或多普勒时,所述第二维度以及所述第三维度为{频率、空间}、{时延、角度}、{频率、角度}、{时延、空间}中的任意一个。
10.根据权利要求8所述的方法,其特征在于,所述第一维度为频率或时延时,所述第二维度以及所述第三维度为{时间、空间}、{多普勒、角度}、{时间、角度}、{多普勒、空间}中的任意一个。
11.根据权利要求8所述的方法,其特征在于,所述第一维度为空间或角度时,所述第二维度以及所述第三维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个。
12.一种数据处理方法,其特征在于,所述方法应用于终端,包括:
将第二数据输入到第二模型,获取所述第二模型的输出结果,其中,所述第二数据与测量值有关。
13.根据权利要求12所述的方法,其特征在于,所述测量值包括信道质量指示、层一参考信号接收功率、层一信干噪比中任意一种或几种的组合。
14.根据权利要求12所述的方法,其特征在于,所述第二数据的维度至少包括第一维度。
15.根据权利要求14所述的方法,其特征在于,所述第一维度为时间、频率、多普勒、时延之中的任意一个。
16.根据权利要求14所述的方法,其特征在于,所述第一维度为时间或多普勒时,所述第二维度为频率、时延中的任意一个。
17.根据权利要求14所述的方法,其特征在于,所述第一维度为频率或时延时,所述第二维度为时间、多普勒中的任意一个。
18.根据权利要求14所述的方法,其特征在于,所述第二数据为一维的测量值。
19.根据权利要求14-18中任一项所述的方法,其特征在于,所述第二数据为二维的测量值矩阵沿第二维度分割得到。
20.根据权利要求19所述的方法,其特征在于,所述二维的测量值矩阵沿第二维度分割,包括:
按照所述第二维度的顺序,将一个或多个所述第二数据依次排列。
21.根据权利要求14-18中任一项所述的方法,其特征在于,所述第二数据为二维的测量值矩阵沿第二维度分割和差分得到。
22.根据权利要求21所述的方法,其特征在于,所述二维的测量值矩阵沿第二维度分割和差分,包括:
按照所述第二维度的顺序,将一个或多个所述第二数据依次排列,再进行差分。
23.根据权利要求14所述的方法,其特征在于,所述第二数据为二维的测量值矩阵。
24.根据权利要求23所述的方法,其特征在于,所述第二数据的维度为{时间、频率}、{多普勒、时延}、{时间、时延}、{多普勒、频率}中的任意一个组合。
25.一种数据处理方法,其特征在于,所述方法应用于终端,包括:
根据天线配置,选择第三模型。
26.根据权利要求25所述的方法,其特征在于,所述方法还包括:
根据天线配置处理第三数据,获取所述第三数据的处理结果。
27.根据权利要求26所述的方法,其特征在于,所述方法还包括:
使用所述第三模型处理所述第三数据的处理结果,获取所述第三模型的输出结果。
28.根据权利要求27所述的方法,其特征在于:
所述根据天线配置处理第三数据,包括,将所述第三数据中对应第一天线配置的数据划分为第一数据组;
所述使用所述第三模型处理所述第三数据的处理结果,包括,使用所述第三模型处理所述第一数据组,其中,所述第三模型与所述第一天线配置相对应。
29.根据权利要求28所述的方法,其特征在于:
所述根据天线配置处理第三数据,还包括,将所述第三数据中对应第二天线配置的数据划分为第二数据组;
所述方法还包括:
上报所述第三模型的输出结果;
获取所述第二数据组与所述第一数据组的相对值;
上报所述所述第二数据组与所述第一数据组的相对值。
30.根据权利要求28所述的方法,其特征在于,所述第三数据为预编码矩阵或信道矩阵;
所述根据天线配置处理第三数据,包括,对所述第三数据的空间维度进行数据整理。
31.根据权利要求26所述的方法,其特征在于,所述对所述第三数据的空间维度进行数据整理,包括:
针对相同天线配置的数据顺序放置;
或者,
针对不同天线配置的数据交织放置。
32.根据权利要求26所述的方法,其特征在于,所述对所述第三数据的空间维度进行数据整理,包括:
针对不同天线配置的数据只取一组相同天线配置的数据。
33.根据权利要求25-32中任一项所述的方法,其特征在于,所述天线配置包括发射天线数或CSI-RS端口数。
34.根据权利要求25-32中任一项所述的方法,其特征在于,所述天线配置包括发射天线或CSI-RS端口的极化方式。
35.根据权利要求34所述的方法,其特征在于,所述极化方式包括发射天线或CSI-RS端口索引对应的交叉极化方式、垂直极化方式和/或水平极化方式。
36.一种数据处理方法,其特征在于,所述方法应用于终端,包括:
根据接收天线或多输入多输出层,选择第四模型。
37.根据权利要求36所述的方法,其特征在于,所述方法还包括:
根据所述接收天线或所述多输入多输出层处理第四数据,获取所述第四数据的处理结果。
38.根据权利要求37所述的方法,其特征在于,所述方法还包括:
使用所述第四模型处理所述第四数据的处理结果,获取所述第四模型的输出结果。
39.根据权利要求38所述的方法,其特征在于:
所述根据所述接收天线或所述多输入多输出层处理第四数据,包括,将所述第四数据中对应第一接收天线或第一多输入多输出层的数据划分为第一数据组;
所述使用所述第四模型处理所述第四数据的处理结果,包括,使用所述第四模型处理所述第一数据组,其中,所述第四模型与所述第一接收天线或所述第一多输入多输出层相对应。
40.根据权利要求39所述的方法,其特征在于:
所述根据所述接收天线或所述多输入多输出层处理第四数据,还包括,将所述第四数据中对应第二接收天线或第二多输入多输出层的数据划分为第二数据组;
所述方法还包括:
上报所述第四模型的输出结果;
获取所述第二数据组与所述第一数据组的相对值;
上报所述所述第二数据组与所述第一数据组的相对值。
41.根据权利要求37所述的方法,其特征在于,所述第四数据为预编码矩阵或信道矩阵,所述根据所述接收天线或所述多输入多输出层处理第四数据,包括:
通过数据整理,将所述接收天线或所述多输入多输出层的数据混合到所述预编码矩阵或所述信道矩阵的第一维度的数据中。
42.根据权利要求41所述的方法,其特征在于,所述第一维度为空间维度或角度维度。
43.根据权利要求41所述的方法,其特征在于,所述方法还包括:
上报接收天线数或多输入多输出层数。
44.一种数据处理方法,其特征在于,所述方法应用于终端,包括:
根据频率范围或频带,选择第五模型。
45.根据权利要求44所述的方法,其特征在于,所述方法还包括:
根据所述频率范围或所述频带处理第五数据,获取所述第五数据的处理结果。
46.根据权利要求45所述的方法,其特征在于,所述方法还包括:
使用所述第五模型处理所述第五数据的处理结果,获取所述第五模型的输出结果。
47.根据权利要求45或46所述的方法,其特征在于,所述第五数据为预编码矩阵或信道矩阵;
所述根据所述频率范围或所述频带处理第五数据,包括:
通过数据整理,将所述终端的频率范围或频带放在所述预编码矩阵或所述信道矩阵的第一维度中。
48.根据权利要求47所述的方法,其特征在于,所述第一维度为频率维度或时延维度。
49.一种电子芯片,其特征在于,包括:
处理器,其用于执行存储在存储器上的计算机程序指令,其中,当所述计算机程序指令被所述处理器执行时,触发所述电子芯片执行权利要求1-48中任一项所述的方法。
50.一种电子设备,其特征在于,所述电子设备包括用于存储计算机程序指令的存储器、用于执行计算机程序指令的处理器和通信装置,其中,当所述计算机程序指令被该处理器执行时,触发所述电子设备执行如权利要求1-48中任一项所述的方法。
51.一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中存储有计算机程序,当其在计算机上运行时,使得计算机执行如权利要求1-48中任一项所述的方法。
52.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1-48中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442427.1A CN116961856A (zh) | 2022-04-25 | 2022-04-25 | 一种数据处理方法、芯片和电子设备 |
PCT/CN2023/090015 WO2023207830A1 (zh) | 2022-04-25 | 2023-04-23 | 一种数据处理方法、芯片和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442427.1A CN116961856A (zh) | 2022-04-25 | 2022-04-25 | 一种数据处理方法、芯片和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116961856A true CN116961856A (zh) | 2023-10-27 |
Family
ID=88460717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210442427.1A Pending CN116961856A (zh) | 2022-04-25 | 2022-04-25 | 一种数据处理方法、芯片和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116961856A (zh) |
WO (1) | WO2023207830A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3576312A1 (en) * | 2018-05-30 | 2019-12-04 | FRAUNHOFER-GESELLSCHAFT zur Förderung der angewandten Forschung e.V. | Doppler-delay codebook-based precoding and csi reporting for wireless communications systems |
CN111435886B (zh) * | 2019-01-11 | 2023-07-25 | 大唐移动通信设备有限公司 | 一种信道状态信息csi的反馈方法及装置 |
WO2020258043A1 (zh) * | 2019-06-25 | 2020-12-30 | Oppo广东移动通信有限公司 | 数据处理方法、装置、设备及存储介质 |
CN114079493A (zh) * | 2020-08-13 | 2022-02-22 | 华为技术有限公司 | 一种信道状态信息测量反馈方法及相关装置 |
-
2022
- 2022-04-25 CN CN202210442427.1A patent/CN116961856A/zh active Pending
-
2023
- 2023-04-23 WO PCT/CN2023/090015 patent/WO2023207830A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023207830A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110830092B (zh) | 指示预编码矩阵和确定预编码矩阵的方法以及通信装置 | |
US11424853B2 (en) | Device and method for compressing and/or decompressing channel state information | |
EP3547558B1 (en) | Information feedback method, user equipment and network equipment | |
CN113938232A (zh) | 通信的方法及通信装置 | |
US11695461B2 (en) | Feedback overhead reduction for precoders under high rank spatial channels | |
CN112217550B (zh) | 预编码处理方法和装置 | |
US11101867B2 (en) | Reducing beamforming feedback size in WLAN communication | |
CN110168949B (zh) | 用于反馈信道状态信息的方法、终端设备和网络设备 | |
CN111587542B (zh) | 上报信道状态信息csi的方法和装置 | |
CN112368968B (zh) | 上报信道状态信息的方法和装置 | |
CN114846748A (zh) | 用于信道测量的方法和装置 | |
WO2022021443A1 (zh) | 一种预编码方法及装置 | |
Suárez et al. | DFT based beam-time delay sparse channel representation for channel state information (CSI) compression in 5G FDD massive MIMO systems | |
JP2022505983A (ja) | アナログプリコーディング及びアナログ結合を可能にする方法 | |
CN112751598A (zh) | 一种预编码矩阵的处理方法和通信装置 | |
CN115441914A (zh) | 一种通信方法及装置 | |
CN116961856A (zh) | 一种数据处理方法、芯片和电子设备 | |
Dreifuerst et al. | Machine Learning Codebook Design for Initial Access and CSI Type-II Feedback in Sub-6GHz 5G NR | |
CN114710188A (zh) | 一种传输方法及装置 | |
CN101834706A (zh) | 一种信道信息的码本量化反馈方法及系统 | |
WO2024046288A1 (zh) | 通信方法和装置 | |
WO2024016936A1 (zh) | 信道状态信息的确定方法、电子设备和存储介质 | |
WO2023016166A1 (zh) | 码本传输方法、终端、基站和存储介质 | |
WO2022267633A1 (zh) | 信息传输的方法和装置 | |
Haghighatshoar et al. | Channel vector subspace estimation from sample covariance of low-dimensional projections |
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 |