CN116963280A - 方法、装置和计算机程序 - Google Patents
方法、装置和计算机程序 Download PDFInfo
- Publication number
- CN116963280A CN116963280A CN202310454860.1A CN202310454860A CN116963280A CN 116963280 A CN116963280 A CN 116963280A CN 202310454860 A CN202310454860 A CN 202310454860A CN 116963280 A CN116963280 A CN 116963280A
- Authority
- CN
- China
- Prior art keywords
- configuration
- scheduling configuration
- terminal
- scheduling
- data frame
- 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 78
- 238000004590 computer program Methods 0.000 title claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 50
- 230000003213 activating effect Effects 0.000 claims abstract description 13
- 230000011664 signaling Effects 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 24
- 230000003190 augmentative effect Effects 0.000 claims description 8
- 238000013468 resource allocation Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 description 52
- 230000006870 function Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 13
- 238000007906 compression Methods 0.000 description 10
- 230000006835 compression Effects 0.000 description 10
- 101000587820 Homo sapiens Selenide, water dikinase 1 Proteins 0.000 description 8
- 101000701815 Homo sapiens Spermidine synthase Proteins 0.000 description 8
- 102100031163 Selenide, water dikinase 1 Human genes 0.000 description 8
- 101000828738 Homo sapiens Selenide, water dikinase 2 Proteins 0.000 description 7
- 102100023522 Selenide, water dikinase 2 Human genes 0.000 description 7
- 238000010295 mobile communication Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 101150059145 SPS3 gene Proteins 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 101150071746 Pbsn gene Proteins 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 239000000969 carrier Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 101150069124 RAN1 gene Proteins 0.000 description 1
- 101100355633 Salmo salar ran gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000007727 signaling mechanism Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/543—Allocation or scheduling criteria for wireless resources based on quality criteria based on requested quality, e.g. QoS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0457—Variable allocation of band or rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/11—Semi-persistent scheduling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
提供了一种方法、装置和计算机程序,该装置具有用于基于接收数据帧的参数将接收数据帧分类为多个类别的部件和用于基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别的部件,其中该确定在下一数据帧到达之前执行。该装置还具有用于基于下一数据帧的所确定的类别从多个调度配置中确定调度配置的部件,其中多个调度配置中的每个调度配置包括至少一个参数;以及用于基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数的部件。该装置还具有用于利用至少一个经调节的参数激活终端中的所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数的部件。
Description
技术领域
本申请涉及一种用于无线通信系统的方法、装置和计算机程序。
背景技术
通信系统可以是一种通过在通信路径中涉及的各种实体之间提供载波来实现两个或更多个实体(诸如用户终端、基站/接入点和/或其他节点)之间的通信会话的设施。例如,通信系统可以通过通信网络和一个或多个兼容的通信设备来提供。通信会话可以包括例如用于承载通信的数据的通信,诸如语音、电子邮件(email)、文本消息、多媒体和/或内容数据等。所提供的服务的非限制性示例包括双向或多向呼叫、数据通信或多媒体服务、以及对诸如互联网等数据网络系统的接入。
发明内容
根据一个方面,提供了一种用于网络实体的装置,该装置包括:用于基于接收数据帧的参数将接收数据帧分类为多个类别的部件;用于基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别的部件,其中该确定在下一数据帧到达之前执行;用于基于下一数据帧的所确定的类别从多个调度配置中确定调度配置的部件,其中多个调度配置中的每个调度配置包括至少一个参数;用于基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数的部件;以及用于利用至少一个经调节的参数激活终端中的所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数的部件。
在一个示例中,该装置包括用于利用多个调度配置来配置终端的部件。
在一个示例中,用于确定类别的部件包括用于从另外的网络实体接收类别的部件。在一个示例中,用于确定类别的部件包括用于从多个类别中选择类别的部件。
在一个示例中,关于先前通信的信息包括关于由网络实体进行的数据帧的传输和/或接收的信息。
在一个示例中,使用接收数据帧的参数,将接收数据帧分类为多个类别,使得每个类别中的数据帧对资源分配具有相似要求。
在一个示例中,该装置包括:用于在网络实体处接收下一数据帧的部件;以及用于使用与所选择的调度配置相关联的所分配的资源向终端提供下一数据帧的部件。
在一个示例中,该装置包括:用于使用与所选择的调度配置相关联的所分配的资源从终端接收下一数据帧的部件。
在一个示例中,该装置包括:用于从终端接收与终端处下一数据帧的传输或接收相关联的反馈的部件。
在一个示例中,关于先前通信的信息包括来自终端的反馈。
在一个示例中,该装置包括:用于确定与所确定的类别相关联的所选择的调度配置应当基于所接收的反馈来被调节的部件;以及用于基于所接收的反馈调节终端处的所选择的调度配置的参数的部件。
在一个示例中,用于利用经调节的参数激活终端中的所选择的调度配置的部件包括用于将经调节的参数作为激活的一部分发信号通知给终端的部件。
在一个示例中,至少一个参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
在一个示例中,调度配置包括半持续性调度配置和已配置授权配置中的一项。
在一个示例中,该装置包括:用于将多个类别中的每个类别与多个调度配置中的调度配置相关联的部件。
在一个示例中,用于分类的部件包括至少一个第一机器学习模型,该至少一个第一机器学习模型在被执行时被配置为基于所接收的数据帧的帧速率、分辨率和帧类型中的至少一项来确定多个类别。
在一个示例中,用于确定的部件包括至少一个第二机器学习模型,该至少一个第二机器学习模型在被执行时被配置为基于先前接收数据帧的到达速率、帧大小分布和到达间隔时间中的至少一项来确定下一数据帧的类别。
在一个示例中,用于选择的部件包括至少一个第三机器学习模型,该至少一个第三机器学习模型在被执行时被配置为基于下一数据帧的所确定的类别来选择多个调度配置中的调度配置。
在一个示例中,调度配置被选择为使得调度配置满足与扩展现实数据帧相关联的至少一个服务质量标准。
在一个示例中,至少一个服务质量标准包括分组延迟预算和分组错误率中的至少一项。
在一个示例中,参数经由第1层或第2层信令来调节。
在一个示例中,参数是经调节的下行链路控制信息信令。在一个示例中,参数经由媒体接入控制控制元素来调节。
在一个示例中,该装置包括:用于向终端提供多个指示延迟预算的部件,每个指示延迟预算指示用于反馈的最大有效性定时器,所述反馈将由终端提供给网络实体且关于根据调度标准的所选择的调度配置的结果,所选择的调度配置由所述终端正在使用。
在一个示例中,多个指示延迟预算中的所选择的指示延迟预算在终端中由网络实体在调度配置被激活的相同信令中激活。
在一个示例中,该装置包括:用于确定与下一数据帧相关联的第一参数的部件;以及用于使用第一参数来训练至少一个第二机器学习模型的部件。
在一个示例中,所接收的反馈用于训练至少一个第三机器学习模型。
在一个示例中,该装置包括:用于在指示延迟预算定时器到期之后当反馈在网络实体处被接收到时废弃(dismiss)从终端接收的所接收的反馈的部件。
在一个示例中,该装置包括:用于在网络实体处确定丢失数据帧的部件;以及用于向终端提供定时偏移以改变与所选择的调度配置相关联的下一组资源的起始子帧的部件。
在一个示例中,所选择的调度配置是周期性配置,其中资源以周期性方式被提供以供终端使用。
根据一个方面,提供了一种用于终端的装置,该装置包括:用于从网络实体接收具有多个调度配置的配置的部件,其中多个调度配置中的每个调度配置包括可调节的参数;用于从网络实体接收信令的部件,该信令用经调节的参数来激活多个调度配置中的所选择的调度配置;以及用于使用经调节的参数来改变所选择的调度配置的配置的部件。
在一个示例中,该装置包括:用于使用为所选择的调度配置而分配的资源来从网络实体接收第一数据帧的部件。
在一个示例中,该装置包括:用于使用为所选择的调度配置而分配的资源来向网络实体传输第一数据帧的部件。
在一个示例中,该装置包括:用于向网络实体发送反馈的部件,所述反馈与使用与所选择的调度配置相关联的资源对下一数据帧的接收或发送相关联。
在一个示例中,参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
在一个示例中,调度配置包括半持续性调度配置和已配置授权配置中的一项。
根据一个方面,提供了一种由网络实体执行的方法,该方法包括:基于接收数据帧的参数将接收数据帧分类为多个类别;基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别,其中该确定在下一数据帧到达之前执行;基于下一数据帧的所确定的类别从多个调度配置中确定调度配置,其中多个调度配置中的每个调度配置包括至少一个参数;基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数;以及利用至少一个经调节的参数在终端中激活所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数。
在一个示例中,使用接收数据帧的参数,将接收数据帧分类为多个类别,使得每个类别中的数据帧对资源分配具有相似要求。
在一个示例中,该方法包括:在网络实体处接收下一数据帧;以及使用与所选择的调度配置相关联的所分配的资源向终端提供下一数据帧。
在一个示例中,该方法包括:从终端接收反馈,所述反馈与终端处使用与所选择的调度配置相关联的资源对下一数据帧的接收相关联。
在一个示例中,该方法包括:确定与所确定的类别相关联的所选择的调度配置应当基于所接收的反馈而被调节;以及基于所接收的反馈调节终端处的所选择的调度配置的参数。
在一个示例中,至少一个参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
在一个示例中,调度配置包括半持续性调度配置和已配置授权配置中的一项。
在一个示例中,该方法包括:将多个类别中的每个类别与多个调度配置中的调度配置相关联。
在一个示例中,分类由网络实体的至少一个第一机器学习模型来执行,该方法包括基于所接收的数据帧的帧速率、分辨率和帧类型中的至少一项来确定多个类别。
在一个示例中,确定由网络实体的至少一个第二机器学习模型来执行,该方法包括基于先前接收数据帧的到达速率、帧大小分布和到达间隔时间中的至少一项来确定下一数据帧的类别。
在一个示例中,选择由网络实体的至少一个第三机器学习模型来执行,该方法包括基于下一数据帧的所确定的类别来选择多个调度配置中的调度配置。
在一个示例中,调度配置被选择为使得调度配置满足与扩展现实数据帧相关联的至少一个服务质量标准。
在一个示例中,至少一个服务质量标准包括分组延迟预算和分组错误率中的至少一项。
在一个示例中,参数经由第1层或第2层信令来调节。
在一个示例中,该方法包括:向终端提供多个指示延迟预算,每个指示延迟预算指示用于反馈的最大有效性定时器,所述反馈将由终端提供给网络实体且关于根据调度标准的所选择的调度配置的结果,所选择的所述调度配置由终端正在使用。
在一个示例中,多个指示延迟预算中的所选择的指示延迟预算在终端中由网络实体在调度配置被激活的相同信令中激活。
在一个示例中,该方法包括:确定与下一数据帧相关联的第一参数;以及使用第一参数来训练至少一个第二机器学习模型。
在一个示例中,所接收的反馈用于训练至少一个第三机器学习模型。
在一个示例中,该方法包括:在指示延迟预算定时器到期之后当反馈在网络实体处被接收到时废弃从终端接收的所接收的反馈。
在一个示例中,该方法包括:在网络实体处确定丢失数据帧;以及向终端提供定时偏移以改变与所选择的调度配置相关联的下一组资源的起始子帧。
根据一个方面,提供了一种由终端执行的方法,该方法包括:从网络实体接收具有多个调度配置的配置,其中多个调度配置中的每个调度配置包括至少一个参数;从网络实体接收利用已经调节的至少一个参数激活多个调度配置中的所选择的调度配置的信令;以及使用至少一个经调节的参数来改变所选择的调度配置的配置。
在一个示例中,该方法包括:使用为所选择的调度配置而分配的资源来从网络实体接收第一数据帧。
在一个示例中,该方法包括:使用为所选择的调度配置而分配的资源来向网络实体传输第一数据帧。
在一个示例中,该方法包括:向网络实体发送反馈,所述反馈与使用与所选择的调度配置相关联的资源对下一数据帧的接收或传输相关联。
在一个示例中,至少一个参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
根据一个方面,提供了一种装置,该装置包括:一个或多个处理器、以及存储指令的存储器,该指令在由一个或多个处理器执行时使得该装置执行:基于接收数据帧的参数将接收数据帧分类为多个类别;基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别,其中该确定在下一数据帧到达之前执行;基于下一数据帧的所确定的类别从多个调度配置中确定调度配置,其中多个调度配置中的每个调度配置包括至少一个参数;基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数;以及利用至少一个经调节的参数激活终端中的所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数。
在一个示例中,使用接收数据帧的参数,将接收数据帧分类为多个类别,使得每个类别中的数据帧对资源分配具有相似要求。
在一个示例中,该装置被使得执行:在网络实体处接收第一数据帧;以及使用与所选择的调度配置相关联的所分配的资源向终端提供下一数据帧。
在一个示例中,该装置被使得执行:从终端接收接收反馈,所述反馈与终端处使用与所选择的调度配置相关联的资源对下一数据帧的接收相关联。
在一个示例中,该装置被使得执行:确定与所确定的类别相关联的所选择的调度配置应当基于所接收的反馈而被调节;以及基于所接收的反馈调节终端处的所选择的调度配置的参数。
在一个示例中,至少一个参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
在一个示例中,调度配置包括半持续性调度配置和已配置授权配置中的一项。
在一个示例中,该装置被使得执行:将多个类别中的每个类别与多个调度配置中的调度配置相关联。
在一个示例中,分类由网络实体的至少一个第一机器学习模型来执行,该方法包括基于所接收的数据帧的帧速率、分辨率和帧类型中的至少一项来确定多个类别。
在一个示例中,确定由网络实体的至少一个第二机器学习模型来执行,该方法包括基于先前接收数据帧的到达速率、帧大小分布和到达间隔时间中的至少一项来确定下一数据帧的类别。
在一个示例中,选择由网络实体的至少一个第三机器学习模型来执行,该方法包括基于下一数据帧的所确定的类别来选择多个调度配置中的调度配置。
在一个示例中,调度配置被选择为使得调度配置满足与扩展现实数据帧相关联的至少一个服务质量标准。
在一个示例中,至少一个服务质量标准包括分组延迟预算和分组错误率中的至少一项。
在一个示例中,参数经由第1层或第2层信令来调节。
在一个示例中,该装置被使得执行:向终端提供多个指示延迟预算,每个指示延迟预算指示用于反馈的最大有效性定时器,所述反馈将由终端提供给网络实体且关于根据调度标准的所选择的调度配置的结果,所选择的调度配置由所述终端正在使用。
在一个示例中,多个指示延迟预算中的所选择的指示延迟预算在终端中由网络实体在调度配置被激活的相同信令中激活。
在一个示例中,该装置被使得执行:确定与下一数据帧相关联的第一参数;以及用于使用第一参数来训练至少一个第二机器学习模型。
在一个示例中,所接收的反馈用于训练至少一个第三机器学习模型。
在一个示例中,该装置被使得执行:在指示延迟预算定时器到期之后当反馈在网络实体处被接收到时废弃从终端接收的所接收的反馈。
在一个示例中,该装置被使得执行:在网络实体处确定丢失数据帧;以及向终端提供定时偏移以改变与所选择的调度配置相关联的下一组资源的起始子帧。
根据一个方面,提供了一种装置,该装置包括:一个或多个处理器、以及存储指令的存储器,该指令在由一个或多个处理器执行时使得该装置执行:从网络实体接收具有多个调度配置的配置,其中多个调度配置中的每个调度配置包括至少一个参数;从网络实体接收信令,该信令用已经调节的至少一个参数激活多个调度配置中的所选择的调度配置;以及使用至少一个经调节的参数来改变所选择的调度配置的配置。
在一个示例中,该装置被使得执行:使用为所选择的调度配置而分配的资源来从网络实体接收第一数据帧。
在一个示例中,该装置被使得执行:使用为所选择的调度配置而分配的资源来向网络实体发送第一数据帧。
在一个示例中,该装置被使得执行:向网络实体发送反馈,所述反馈与使用与所选择的调度配置相关联的资源对下一数据帧的接收或发送相关联。
在一个示例中,至少一个参数被调节以改变与所选择的调度配置相关联的资源的起始子帧、所选择的调度配置的周期性、以及与所选择的调度配置相关联的资源的数目中的至少一项。
根据一个方面,提供了一种包括计算机可执行指令的计算机程序,该计算机可执行指令当在一个或多个处理器上运行时执行:基于接收数据帧的参数将接收数据帧分类为多个类别;基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别,其中该确定在下一数据帧到达之前执行;基于下一数据帧的所确定的类别从多个调度配置中确定调度配置,其中多个调度配置中的每个调度配置包括至少一个参数;基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数;以及利用至少一个经调节的参数激活终端中的所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数。
根据一个方面,提供了一种包括计算机可执行指令的计算机程序,该计算机可执行指令当在一个或多个处理器上运行时执行:从网络实体接收具有多个调度配置的配置,其中多个调度配置中的每个调度配置包括至少一个参数;从网络实体接收信令,该信令用已经调节的至少一个参数激活多个调度配置中的所选择的调度配置;以及使用至少一个经调节的参数来改变所选择的调度配置的配置。
一种存储在介质上的计算机产品可以使得装置执行如本文中描述的方法。
一种电子设备可以包括如本文中描述的装置。
在上文中,已经描述了各个方面。应当理解,可以通过上述各种方面中的任何两个或更多个的组合来提供其他方面。
在以下详细描述和所附权利要求中还描述了各种其他方面和另外的实施例。
根据一些方面,提供了独立权利要求的主题。从属权利要求中限定了一些其他方面。不属于权利要求范围的实施例将被解释为对理解本公开有用的示例。
缩写列表:
AF:应用功能
AMF:接入管理功能
AN:接入网
APN:接入点名称
AR:增强现实
BS:基站
CN:核心网
CE:控制元素
CG:已配置授权
DCI:下行链路控制信息
DL:下行链路
DN:数据网络
eNB:eNodeB FPS:每秒帧数
gNB:gNodeB GOP:图片组
IE:信息元素
IP:互联网协议
LTE:长期演进
NEF:网络暴露功能NG-RAN:下一代无线电接入网NF:网络功能
NR:新无线电
NRF:网络存储库功能
NW:网络
MAC:媒体接入控制
ML:机器学习
MS:移动站
NN:神经网络
PCF:策略控制功能
PDU:协议数据单元PDCCH:物理下行链路控制信道
PDSCH:物理下行链路共享信道
QoE:体验质量
QoS:服务质量
RAN:无线电接入网
RF:射频
RRC:无线电资源控制
SCS:子载波间隔
SM:会话管理
SPS:半持续性调度
SMF:会话管理功能
UE:用户设备
UDR:统一数据存储库
UDM:统一数据管理
UL:上行链路
UPF:用户平面功能
VR:虚拟现实
XR:扩展现实
3GPP:第三代合作伙伴计划
5G:第五代
5GC:5G核心网
5G-AN:5G无线电接入网
5GS:5G系统
5G SM:5G会话管理
附图说明
现在将仅通过示例的方式参考附图描述实施例,在附图中:
图1示出了5G系统的示意图;
图2示出了控制装置的示意图;
图3示出了终端的示意图;
图4示出了图片组组织的示意性示例;
图5示出了XR视频流的典型业务模式的示例;
图6示出了针对帧速率、质量和帧类型的不同组合的SPS(或CG)配置的图形示例;
图7示出了具有不同SPS配置的XR业务的已配置调度操作的示例;
图8示出了由网络实体执行的步骤的示例方法流;
图9示出了网络实体与UE之间的示例信令图;
图10示出了网络实体与UE之间的另一示例信令图;
图11示出了随时间而接收的XR帧的示意性示例;
图12a示出了用于对XR业务进行分类的ML模型的示意性示例;
图12b示出了用于确定XR业务的配置的ML模型的示意性示例;
图13示出了由网络实体执行的另一示例方法流程图;
图14示出了由终端执行的另一示例方法流程图;以及
图15示出了存储指令的非易失性存储介质的示意图,该指令在由处理器执行时允许处理器执行图13和图14的方法的步骤中的一个或多个。
具体实施方式
在详细解释本公开的一些示例之前,参考图1至图3简要解释无线通信系统和移动通信设备的某些一般原理,以帮助理解所描述的示例的基础技术。
在诸如图1所示的无线通信系统100中,移动通信设备/终端或用户装置和/或用户设备(UE)和/或机器类型通信设备102经由至少一个基站(未示出)或类似的无线传输和/或接收节点或点被提供有无线接入。通信设备设置有适当的信号接收和传输装置,以实现通信,例如实现对通信网络的接入或与其他设备的直接通信。通信设备可以接入由站或接入点提供的载波,并且在该载波上传输和/或接收通信。
在下文中,参考能够经由无线蜂窝系统进行通信的移动通信设备和服务于这样的移动通信设备的移动通信系统来解释某些示例。在详细解释本公开的示例之前,参考图1、图2和图3简要解释无线通信系统、其接入系统和移动通信设备的某些一般原理,以帮助理解作为所描述的示例的基础的技术。
图1示出了5G系统(5GS)100的示意图。5GS可以包括诸如用户设备或终端等设备102、5G接入网(5G-AN)106、5G核心网(5GC)104、一个或多个网络功能(NF)、一个或多个应用功能(AF)108和一个或多个数据网络(DN)110。
5G-RAN 106可以包括连接到一个或多个gNodeB(gNB)集中式单元功能的一个或多个gNodeB(gNB)分布式单元功能。
5GC 104可以包括接入管理功能(AMF)112、会话管理功能(SMF)114、认证服务器功能(AUSF)116、用户数据管理(UDM)118、用户平面功能(UPF)120、网络暴露功能(NEF)122和/或其他NF。下面所示的示例中的一些可以适用于3GPP 5G标准。然而,一些示例也可以适用于4G、3G和其他3GPP标准。
在诸如图1所示的通信系统中,移动通信设备/终端或用户装置和/或用户设备(UE)和/或机器类型通信设备经由至少一个基站或类似的无线传输和/或接收节点或点被提供有无线接入。终端设置有适当的信号接收和传输装置,以实现通信,例如实现对通信网络的接入或与其他设备的直接通信。通信设备可以接入由站或接入点提供的载波,并且在该载波上传输和/或接收通信。
图2示出了用于控制如图1所示的5G-AN或5GC的功能的控制装置200的示例。控制装置可以包括至少一个随机存取存储器(RAM)211a、至少一个只读存储器(ROM)211b、至少一个处理器212、213和输入/输出接口214。至少一个处理器212、213可以耦合到RAM 211a和ROM 211b。至少一个处理器212、213可以被配置为执行适当的软件代码215。软件代码215可以例如允许执行一个或多个步骤以执行本方面中的一个或多个。软件代码215可以存储在ROM 211b中。控制装置200可以与控制5G-AN或5GC的另一功能的另一控制装置200互连。在一些示例中,5G-AN或5GC的每个功能包括控制装置200。在替代示例中,5G-AN或5GC的两个或更多个功能可以共享控制装置。
图3示出了终端300的示例,诸如图1所示的终端。终端300可以由能够发送和接收无线电信号的任何设备提供。非限制性示例包括用户设备、移动站(MS)或移动设备(诸如移动电话或所谓的“智能电话”等)、设置有无线接口卡或其他无线接口设施(例如,USB加密狗)的计算机、设置有无线通信能力的个人数据助理(PDA)或平板电脑、机器类型通信(MTC)设备、蜂窝物联网(CIoT)设备或这些设备的任何组合等。终端300可以提供例如用于承载通信的数据通信。通信可以是语音、电子邮件(email)、文本消息、多媒体、数据、机器数据等中的一种或多种。
终端300可以经由用于接收的适当装置通过空中或无线电接口307接收信号,并且可以经由用于传输无线电信号的适当装置传输信号。在图3中,收发器装置由框306示意性地表示。收发器装置306可以例如借助于无线电部分和相关联的天线布置来提供。天线布置可以布置在移动设备内部或外部。
终端300可以设置有至少一个处理器301、至少一个存储器ROM 302a、至少一个RAM302b和其他可能的组件303,以用于在其被设计为执行的任务的软件和硬件辅助执行中使用,包括对接入系统和其他通信设备的接入和与其的通信的控制。至少一个处理器301耦合到RAM 302a和ROM 302b。至少一个处理器301可以被配置为执行适当的软件代码308。软件代码308可以例如允许执行本方面中的一个或多个。软件代码308可以存储在ROM 302b中。
处理器、存储装置和其他相关控制装置可以设置在适当的电路板上和/或芯片组中。该特征由附图标记304表示。该设备可以可选地具有用户界面,诸如小键盘305、触敏屏幕或键盘、其组合等。可选地,可以根据设备的类型而提供显示器、扬声器和麦克风中的一种或多种。
以下示例中的一个或多个可以与扩展现实(XR)相关。XR是指由计算机技术和可穿戴设备生成的所有真实和虚拟的组合环境以及相关联的人机交互。它是一个总括性术语,用于不同类型的现实,并且典型的用例包括例如增强现实(AR)、混合可靠性(MR)、虚拟现实(VR)和云游戏。应当理解,即使以下示例中的一个或多个引用XR业务,其他类型的数据业务也是同样适用的。
很多XR应用中存在的一个元素是高质量的视频传输。由于视频帧的数据量很大,可以对所捕获的图像序列采用不同的视频压缩算法以减小正在传输的视频数据的大小。
视频压缩可以通过帧内编码和帧间编码的混合来实现。帧内编码可以使用有损编码技术,有损编码技术仅需要被承载在压缩帧中的信息来进行解码。相反,帧间编码可以对多个帧应用差分技术,以仅编码和传输跨连续帧的差异。使用帧内编码而生成的帧可以称为I帧,而使用帧间编码而生成的帧可以称为P帧或B帧,取决于所使用的差分技术。
帧间编码可以实现更高的压缩,代价是产生了跨帧的依赖性。为了限制长依赖性并且提高针对传输损耗的可靠性,可以将帧组织成图片组(GoP)。GoP可以包括连续帧序列,该连续帧序列以I帧开始,随后是一定数目的P帧和/或B帧。
视频压缩的结果可以包括多达三种帧类型:
·I帧(帧内编码图片)可以基于视频流的单个捕获图像来生成。可实现的压缩在三种帧类型之中可以是最低的。这种类型的帧针对解码过程可以不需要其他视频帧。
·P帧(预测的图片)可以使用图像相对于前一帧的变化来生成。
它可以实现比I帧高的压缩比,但是需要先前帧来进行解码。
·B帧(双向预测的图片)可以使用先前帧和未来帧两者作为数据参考以计算被编码的变化。B帧可以实现最高数据压缩量,但也会产生与过去和未来帧的依赖性。
在一些XR应用中,可以避免B帧,以便限制跨帧的依赖性并且加快接收器处的解码过程。
图4示出了GoP组织的示意性示例。GoP组织的示例包括I帧400和四个后续P帧402a-d。GoP组织的示例创建“突发”业务模式,由于GoP的第一I帧,随后是一系列承载P帧的较小突发,因此产生了较大突发,如图4所示。
图4还示出了每个P帧402a-d的抖动范围404。抖动范围404也可以称为分组延迟变化。抖动范围404表示相关联的视频帧(在图4的示例中,P帧402a-d)预计在被传输时到达解码器的时间范围。每个帧的平均到达间隔时间406也如图4所示。
XR应用的3D视频业务可以显示出一定的确定性的周期性。因此,从无线电资源分配的角度来看,由于较低的控制信令开销和减少的端到端延时(latency),将已配置资源调度(诸如下行链路(DL)半持续性调度(SPS)和/或上行链路(UL)已配置授权(CG))应用于XR业务传输可以是有益的。SPS和CG是调度配置的示例。资源可以根据从链接到QoS流标识符(QFI)的服务质量(QoS)简档中导出的诸如周期性和预期到达时间等业务特性(即,QoS特性和参数)来预配置。
半持续性调度(SPS)提供的优点是,与发送DL动态调度授权相比,它减少了开销(即,减少了物理下行链路控制信道(PDCCH)开销)。除了较低的PDCCH开销,SPS的使用还有助于减轻繁忙的动态gNB媒体接入控制(MAC)调度器的计算负担。NR Rel-16中引入了若干DL SPS增强功能,主要目的是支持超可靠低延迟通信(URLLC)和具有小有效载荷传输的时间敏感通信(TSC)用例。DL SPS的主要特性包括:
·SPS是一种为UE配置用于以规则时间周期性发送一个传输块的DL无线电资源的方法。
·可以为UE配置多达8个同时的活动的SPS配置(通过RRC信令进行配置)。
·时隙的任何整数的周期性(N*14)。Rel-15中的最小周期性为10ms。
·单独的配置(基于RRC)和激活/停用(被寻址到CS-RNTI的PDCCH可以发信号通知和激活已配置的下行链路分配,也可以停用它)。
因此,当前形式的SPS可能不太适合XR用例。
3GPP工作组SA4和RAN1已经采用了用于XR应用的准周期性、多模态和多类业务模型。具体地,XR业务显示出具有高数据速率的“突发”模式,通常有两种突发类型(type)/类别(class),可以根据其大小进行分类。业务周期性是由于以给定采样率创建帧序列的3D视频生成过程。采样率的典型示例是每秒30帧、60帧、90帧和120帧(fps)。每秒帧数也可以测量为Hz(即,频率)。用于降低比特率的压缩技术生成可以根据其大小分布进行分类的多种类型的帧。帧间编码实现了更高的压缩(P帧和B帧分别高达5倍和10倍),代价是产生了跨帧的依赖性。因此,由于不同类型的XR帧的叠加,每个XR帧都有其自己的分布,因此压缩生成帧大小的多模态分布。最后,在应用层实现的速率自适应生成多类突发。具体地,XR应用根据网络状态和用户的视口信息(即,用户视图的取向)来动态地调节比特率。例如,XR应用通过降低3D视频流的质量来对端到端连接速度的降低做出反应。这导致所有不同帧所承载的3D媒体内容的减少。下面的表1示出了全高清(FHD)和4K质量的帧大小和到达间隔时间的分布的典型参数。
/>
表1——FHD和4K质量(多类别)的帧大小(多模态)和到达间隔时间(周期性)的分布的典型参数。帧速率固定为每秒60帧,并且因此只有一个周期性。
图5示出了XR视频流的典型业务模式的示例。在图5中,XR应用以一定的帧速率(周期性)和视频质量(多类别)生成两种类型的帧(多模态)。
从时间间隔“T0”到时间间隔“T1”,提供了全HD GoP 500。在该示例中,FHD流是60fps和30Mbps。GoP 500包括I帧502和四个后续P帧504a-d。I帧502的到达与第一P帧504a的到达之间的时间被标记为“到达间隔时间”。
在时间“T1”,视频流被放大到4K。在“T1”,提供了4K GoP 510。在该示例中,4K流也是60fps和30Mbps。GoP 510包括I帧512和四个后续P帧514a-d。
与FHD流相比,由于4K流的质量更高,4K GoP 510的大小分布大于FHD GoP 500。如图5所示,较大的条形图指示I帧和P帧。
XR应用的速率自适应算法可以使用的帧速率(周期性)、质量(分辨率)和帧类型(压缩)的多种组合使得分别为DL和UL传输配置SPS和CG是具有挑战性的。例如,考虑:
·4个帧速率=1)30fps,2)60fps,3)90fps,4)120fps
·两个分辨率(质量)=1)FHD,2)4K
·两个帧类型=1)I帧,2)P帧
根据上述示例考虑事项,有16种可能的组合,其可能需要16种专用SPS配置,如图6所示。此外,当考虑时域抖动变化和有效载荷大小变化时,甚至更多的组合可以是合适的。
图6示出了帧速率(周期性)、质量(类别)和帧类型(多模态)的不同组合的SPS(或CG)配置的图形示例。提供了x轴600,其示出了帧速率。y轴示出了分辨率610。z轴620示出了帧类型。
示出了针对120fps、4K、I帧的第一SPS配置630。示出了针对90fps、4K、I帧的第二SPS配置640。这些SPS配置仅作为示例给出。第一配置630和第二配置640示出了16种可能的组合中的2种。
作为3GPP Rel-17的一部分,提供了可以定义的多达8个SPS配置。这比上面确定的16种组合要少。此外,SPS配置只能通过无线电资源控制(RRC)重配置过程来改变,这使得重配置过程相当缓慢。除了<帧速率,分辨率,帧类型>组合所需要的大量SPS配置,抖动还会影响帧到达时间。抖动可能导致SPS/CG分配的无线电资源提前或推后。
因此,已经确定SPS和CG的参数应当更灵活地调节,以对XR应用所使用的自适应和压缩技术的业务变化做出反应。
上面的问题如图7所示。图7示出了在三个时刻被启用的3种不同SPS 710、720、730配置的XR业务的已配置调度操作的示例。提供了以毫秒为单位来示出时间的x轴700。图7所示的时间仅作为一个示例。在该示例中,三个SPS配置710、720、730是不同的。
每个SPS配置具有由子帧和时隙号的组合以及连续调度时刻的数目指定的激活时间。以这种方式,SPS配置为UE/终端提供了要使用的资源。每个调度时刻由一组频率资源(即,PRB、物理资源块)组成。
在图7的示例中,假定所有SPS块都被分配相同数目的PRB。此外,在该示例中,假定I帧使用两个SPS块并且P帧使用一个SPS块来被完全传输。
在第一时刻“t-1”740,SPS配置SPS1 710被启用,并且P帧到达。然而,SPS1 710分配对于P帧来说太大了。这是因为,P帧使用一个SPS块进行传输,而图7中在“t-1”处提供了四个SPS1 710块。SPS1 710分配关于帧到达也开始得太早。如图7所示,SPS1配置710块在P帧到达之前大约3ms开始。这可能导致浪费资源,因为SPS1 710的第一块、第二块和第四块不能用于其他UE的数据传输。
还提供了由帧(P帧或I帧)的到达触发的打包延迟预算。在该示例中,打包延迟预算为10ms。
在第二时间实例“t”760,SPS配置SPS2 720被启用。然而,I帧不能被完全服务,因为SPS2资源不足以用于I帧。这是因为,I帧使用两个SPS块进行传输。此外,SPS2 720关于帧到达开始得太早(在该示例中约为2ms)。因此,无线电资源可能被浪费,因为它们不能被重用来服务于其他用户,并且帧不能在延迟预算内被服务。因此,在该示例中,由于SPS2 720的第一块将保持未使用,并且第二块不足以在分组延迟预算之前传输I帧,因此SPS2 720的资源将全部被浪费。
在第三时刻“t+1”780,SPS配置SPS3 730被启用。所分配的资源适合P帧的大小,但所配置的资源启动得太早(在该示例中约为2ms)。因此,该帧被完全服务,因为P帧可以使用SPS3 730的一个块。然而,SPS3 730资源的一部分被浪费。在该示例中,第一SPS3 730块和第三SPS3 730块被浪费,因为它们不能用于其他用户的数据传输。
以下示例中的一个或多个旨在解决上述问题中的一个或多个。在示例中,提供了一些机制来扩展当前SPS/CG帧,以使其对于其中正在进行例如视频编解码器速率和帧类型的各种调节的动态XR应用更具资源效率。
在以下示例中的一个或多个中,根据随时间变化的XR业务特性(如帧速率、分辨率、帧类型)的组合来动态地调节已配置调度资源(即,SPS和CG配置参数)。动态调节还可以考虑关于由网络进行的数据帧的先前传输/接收的信息,以便确定是否应当进行调节。在示例中,很多机器学习(ML)方案用于根据XR业务的类别来学习最佳SPS(或CG)配置。在示例中,提供了L1/L2信令方案和UE行为方案以实现动态调节。
在示例中,提供了一种ML方案,其学习由XR应用生成的业务突发的组合并且将其分类为多个类别。类别是XR业务参数组合的抽象,例如<帧速率,分辨率,帧类型>。
在示例中,提供了一种ML方案,其基于诸如到达速率、帧大小分布和到达间隔时间等业务特性来预测接收业务的类别。
在示例中,提供了一种ML方法来根据预测的类别来选择“最佳”SPS(或CG)配置。“最佳”配置可以是满足XR业务的一个或多个QoS标准(例如,分组延迟预算和分组错误率)并且优化系统和/或用户资源(例如,无线电资源、UE能量等)的配置。这种选择还可以考虑小区中的总负载和该小区中用户的QoS要求。
在示例中,提供了一种L1/L2信令机制,其动态地调节SPS/CG参数。该调节可以包括例如用于(多个)SPS/CG配置的起始子帧/时隙、周期性和/或资源数目。
在示例中,UE行为被配置为允许UE根据由在网络中实现的ML方案所做出的(多个)决策来将SPS/CG配置与XR业务重新对准。
以下将更详细地讨论这些示例。
由网络实体/设备执行的示例方法步骤如图8所示。应当理解,图8中的步骤中的一个或多个可以从方法流中删除,也可以按不同顺序执行。
在S800中,网络实体将数据业务分类为一个或多个类别。在一些示例中,数据业务可以是XR数据。在其他示例中,数据业务可以是其他合适的数据。在示例中,类别可以基于数据速率、业务的分辨率和业务的类型。网络实体可以根据到达速率、大小、到达间隔时间和抖动中的至少一项来对业务进行分类。
在S802中,网络实体针对在S800中确定的每个类别来标识/学习SPS(或CG)配置。该配置可以被确定为最适合于该类别。最合适的配置可以取决于网络运营商想要实现什么。在示例中,根据特定的奖励和/或效用模型,该配置可以是最合适的。奖励/效用模型的示例包括:根据类别参数(例如,帧速率、分辨率、帧类型)来捕获用户吞吐量、浪费的资源、错误概率和/或功耗的功能。在示例中,ML服务针对每个类别来标识/学习SPS配置。
在S804中,网络实体接收数据业务。网络实体针对业务中的每个数据帧来预测类别。该预测可以基于先前接收的数据业务(即,历史)。
在S806中,网络实体选择“最佳”(或最合适)SPS(或CG)配置。网络实体可以向UE传送对配置的选择。
在S808中,网络实体收集关于所选择的SPS(或CG)配置的决策的结果(outcome)。结果可以取决于用于选择最合适的SPS配置的奖励/效用模型。例如,如果网络运营商的目标是最小化所浪费的资源,则奖励/效用模型可以表示为未用于一类业务的传输的SPS资源之和的倒数。在另一示例中,如果目标是最大化数据传输的可靠性,则奖励/效用模型可以表示为针对特定业务类的所有分配的SPS资源的函数。在一个示例中,从UE收集结果并且评估奖励/效用模型使用对具有由UE发送的指示的业务的分析。来自UE的指示可以包括例如混合自动请求(HARQ)反馈、无线电链路控制(RLC)反馈和/或信道状态信息(CSI)报告。例如,gNB计算未使用的专用SPS资源的量,作为所提供的SPS资源与存储在缓冲器中等待传输的UE数据的量之间的差异。在另一示例中,CSI报告与所提供的SPS资源的量相结合用于计算用于一定量的数据的传输的第一可靠性度量。第一可靠性度量可以称为“先验”,因为它是在没有先验知识的情况下确定的。在另一示例中,HARQ和/或RLC反馈可以用于计算所传输的数据的第二可靠性度量。第二可靠性度量可以称为“后验”,因为它是利用通过反馈而获取的先验知识而确定的。然后可以根据第一可靠性和第二可靠性中的至少一项来计算奖励。
对于前两个操作(S800、S802)的实现,有两个可能的实现选项:A)在线实现,和B)离线实现。
对于第一选项(离线实现):网络实体收集业务统计数据和SPS/CG配置的结果。对所收集的i)业务统计数据和ii)SPS/CG配置执行聚类算法,以创建XR业务的类别。然后,网络为每个类别分配SPS/CG配置。
已知的分类/聚类方案(如“k-means”或具有噪声的应用的基于密度的空间聚类(“DBS扫描⊙))可以用于使用SPS/CG配置的结果作为距离函数的分类和学习。在其他示例中,使用其他合适的聚类方案。在示例中,聚类算法的类型可以用于XR业务类别的定义。聚类算法的输出提供业务类别和当在线业务属于某个业务类别时要应用的最佳SPS/CG配置。将步骤S800和S802的输出以及在线业务作为输入以确定最合适的类别和SPS/CG配置的在线分类对应于图4的接下来的三个步骤(S804、S806、S808)。
对于第二选项(在线实现):图4中详述的步骤中的一个或多个是“在线”执行的。在该示例中,使用“在线”聚类算法执行数据业务的分类/聚类以及SPS/CG配置的分配。在一些示例中,S804、S806和S808使用强化学习算法来实现。强化学习算法的示例包括多武装匪徒(bandit)和Q学习。配置的结果是对在线聚类算法的反馈,以改进业务的分类。
在一些示例中,图4的步骤S804、S806和S808是在线执行的。在离线聚类和学习(选项A)的情况下,这三个步骤的实现对应于找到当前业务与XR业务类别的最接近的匹配。当最接近的匹配被找到时,网络实体可以选择所分配的SPS/CG配置。
当使用在线聚类和学习(选项B)时,这三个步骤(S804、S806和S808)的实现可以使用随时间而学习“最合适的”业务分类和SPS/CG配置的强化学习方案来与前两个步骤(S800、S802)集成。强化学习方案可以使用过去做出的决策的结果来进行未来的选择和分类。
在上文中,“离线”表示存在离线训练/学习阶段来针对每个类别学习最合适的SPS配置。在此期间,由网络做出的决策可以不会对系统/业务性能产生任何影响。一旦最合适的SPS配置被计算出,则在在线阶段期间,gNB就针对每个类别来使用计算出的配置。
在上文中,“在线”表示可以在系统运行和数据业务流动的同时执行训练/学习操作。在“在线”模式下,在训练/学习被执行的同时,系统/业务性能可能会受到影响。
前两个步骤S800和802可以“离线”或“在线”执行。当离线执行时,S800和S802可以建立一个“表”,其中对于每个类别,有一个最合适的SPS配置。在其他示例中,“表”可以是数据库、地图(map)或任何其他合适的数据存储。接下来的步骤S804、S806、S808使用“表”。然后可以在线执行步骤S804、S806、S808。如果前面的步骤S800和S802是离线完成的,则“表”可以是静态的,因为它不会被更新。替代地,“表”将根据所收集的结果来更新。
以下将对此进行更详细的讨论。
图9示出了网络实体与UE/终端之间的示例信令图。图9中的信令与SPS(即,下行链路)有关。在该示例中,网络实体是基站(gNB)。
在S900中,gNB针对要接收的数据业务来配置UE行为。gNB可以向UE提供一个或多个SPS配置。gNB可以向UE提供一个或多个IDB配置。IDB可以被认为是有效性定时器,这将在下面更详细地讨论。
在一些示例中,数据业务可以是XR数据。在其他示例中,数据业务可以是其他合适的数据。
SPS配置可以包括可调节的参数。参数可以由网络使用信令来调节。例如,信令可以是DCI或MAC CE信令。参数的示例包括资源的量、PRB的量、子帧开始时间、子帧时隙和周期性。
在一个示例中,当UE连接到gNB时,UE接收具有SPS配置的RRC信令和用于UE反馈的传输的多个IDB,该SPS配置具有可调节的参数。
在S902中,gNB针对要在gNB处接收的下一数据帧来预测类别。数据帧可以是XR帧。假定gNB知道数据帧可以被分类为的多个不同类别/组。预测可以通过在gNB处配置的ML模型来执行。
在S904中,gNB针对所预测的类别来确定SPS配置。在一些示例中,所预测的类别已经具有相关联的SPS配置。在这种情况下,gNB将确定与所预测的类别相关联的SPS配置。在一些示例中,gNB执行选择以从一个或多个SPS配置中确定SPS配置。在其他示例中,gNB将从另一网络实体接收所选择的SPS配置的指示。
在S906中,gNB向UE提供所选择/确定的SPS配置。gNB还可以向UE提供相关联的IDB。IDB可以与所选择/确定的SPS配置相关联。由于SPS和IDB配置已经在S900中配置,因此在S906中,gNB可以激活配置。在示例中,gNB可以确定所选择的SPS配置对于该类别而言不是最优的。在示例中,gNB可以使用奖励/效用模型来确定所选择的SPS配置应当被调节/改变。该奖励/效用模型使用关于由网络实体进行的数据帧的先前传输的信息。
该信息可以包括来自UE的反馈。反馈可以指示例如已经分配了太多或太少的资源。反馈例如可以指示所分配的资源启动子帧太早或太迟。反馈可以指示允许网络改进UE处的SPS配置的任何合适的措施。
关于先前传输的信息可以允许网络确定是否存在效率低下或资源浪费。当gNB确定所选择的SPS配置应当改变时,gNB可以向UE提供信令,该信令调节UE处的SPS配置的参数。
在S908中,数据帧到达gNB。数据帧可以是XR帧。
在S910中,gNB使用所分配的资源向UE提供数据帧。所分配的资源是所选择/确定的SPS配置的一部分。
在S912中,在接收到数据帧之后,gNB针对数据业务来更新类别。在示例中,gNB使用所接收的数据帧来更新用于XR数据分类的ML模型。
在S914中,UE向gNB提供结果。该结果可以被认为是给gNB的反馈。该结果可以包括UE解码帧所花费的能源量。当帧的应用数据单元被分割成多个分组时,该结果可以包括应用层延迟(即,应用延时(latency))。
在S916中,gNB使用从UE接收的结果来更新用于SPS预测的ML模型。步骤S916可以在IDB到期之后执行。
IDB(918)是指示在SPS配置被更新之前SPS配置的有效性的时间段。如果由UE发送的结果/指示(S914)在IDB到期之后被gNB接收到,则它被gNB忽略。
如图9所示,当UE连接到gNB时,它接收具有可调节的SPS参数和多个指示延迟预算(IDB)的RRC配置,以用于UE反馈的传输。IDB是由gNB设置的一组参数,每个参数指示用于由用户针对特定业务类别而提供的反馈的最大有效性时间。在一些示例中,可以根据XR帧速率设置多个有效性定时器。
通过具有可调节的SPS参数,这使得能够使用例如L1或L2信令在时间和大小上快速重配置所分配的资源。L1/L2信令可以包括下行链路控制信息(DCI)或媒体接入控制控制元素(MAC CE)。
利用不同的SPS参数,UE配置可以改变所保留的资源的起始子帧和时隙。这可以在抖动改变时改善UE处的接收(帧速率的增加对应于抖动范围的减小)。以这种方式,在示例中,除了SPS的周期性和资源数目,L1/L2信令还包括用于改变起始子帧和时隙的参数。下面将对此进行更详细的讨论(关于图11)。
图10示出了网络实体与UE/终端之间的示例信令图。图10中的信令与CG(即,上行链路)有关。在该示例中,网络实体是基站(gNB)。
在S1000中,gNB针对要接收的数据业务来配置UE行为。gNB可以向UE提供一个或多个CG配置。gNB可以提供一个或多个IDB配置。IDB可以被认为是有效性定时器,这将在下面更详细地讨论。
在一些示例中,数据业务可以是XR数据。在其他示例中,数据业务可以是其他合适的数据。
在一个示例中,当UE连接到gNB时,UE接收具有可调节的CG参数的RRC信令和用于UE反馈的传输的多个IDB。
在S1002中,gNB针对要在UE处接收的下一数据帧来预测类别。数据帧可以是XR帧。假定gNB知道数据帧可以被分类为的多个不同类别/组。预测可以通过在gNB处配置的ML模型来执行。
在S1004中,gNB针对所预测的类别来确定CG配置。在一些示例中,所预测的类别已经具有相关联的CG配置。在这种情况下,gNB将确定与所预测的类别相关联的CG配置。在一些示例中,gNB执行选择以从一个或多个CG配置中确定CG配置。在其他示例中,gNB将从另一网络实体接收所选择的CG配置的指示。
在S1006中,gNB向UE提供所选择/确定的CG配置。gNB还可以向UE提供相关联的IDB。IDB可以与所选择/确定的CG配置相关联。IDB配置的接收可以启动IDB定时器。
在示例中,gNB可以确定所选择的CG配置对于该类别而言不是最优的。在示例中,gNB可以使用奖励/效用模型来确定所选择的CG配置应当被调节/改变。该奖励/效用模型使用关于网络实体处的数据帧的先前接收的信息。
该信息可以包括来自UE的反馈。反馈可以指示例如已经分配了太多或太少的资源。反馈可以指示所分配的资源启动子帧太早或太迟。反馈可以指示允许网络改进UE处的SPS配置的任何合适的措施。
关于先前接收的信息可以允许网络确定是否存在效率低下或资源浪费。当gNB确定所选择的CG配置应当改变时,gNB可以向UE提供信令,该信令调节UE处的CG配置的参数。
在S1008中,数据帧到达UE。数据帧可以是XR帧。
在S1010中,UE使用所分配的资源向gNB提供数据帧。所分配的资源是所选择/确定的CG配置的一部分。
在S1012中,在接收到数据帧之后,gNB针对数据业务来更新类别。在示例中,gNB使用所接收的数据帧来更新用于XR数据分类的ML模型。
在S1014中,UE向gNB提供结果。该结果可以被认为是给gNB的反馈。结果可以包括足够的CG资源是否被提供以解码所接收的帧的指示。
在S1016中,gNB使用从UE接收的结果来更新用于CG预测的ML模型。步骤S916可以在IDB到期之后执行。
IDB(1018)是指示在CG配置被更新之前CG配置的有效性的时间段。如果由UE发送的结果/指示(S1014)在IDB到期之后被gNB接收到,则它被gNB忽略。
如图9和图10所示,IDB表示用于UE针对定义的XR业务类别来向gNB发送其结果/反馈的最大延迟。在一个示例中,UE反馈可以表示UE解码所分配的无线电资源所花费的能量、或当应用数据单元被分割成多个分组时的应用层延迟(delay)。gNB可以使用该信息来改进其ML模型并且调节未来的预测/保留。gNB可以使用该信息来调节在UE处配置的SPS/CG配置的参数。例如,如果由UE提供的反馈是否定的,则gNB可以进行改变以改变ML模型和所分配的类别。在另一示例中,如果由UE提供的反馈是肯定的,则gNB可以对ML模型进行很少的改变或不进行改变。
在示例中,由gNB向UE传送多个不同IDB。这是因为,反馈报告的最大延迟预算取决于XR类别。每个SPS/CG配置可以具有相关联的IDB。例如,30fps的IDB可以是120fps的IDB的4倍长。
分别如图9和图10的S900和S1000所示,一旦UE与gNB之间的连接被配置,gNB就预测下一XR帧到达的XR类别,并且为XR类别选择适当的SPS配置。用于分类和预测XR类别的ML方案以及学习每个XR类别的最佳SPS配置的ML方法与图12a和图12b一起进一步描述。
分别如图9和图10的S906和S1006所示,gNB向UE发信号通知SPS/CG选择和对应IDB。在一个示例中,SPS选择可以包括用于调节当前/所选择的SPS配置的参数的信令。在另一示例中,SPS选择可以包括用于选择预先配置的SPS配置的索引。UE调节SPS配置,并且根据所接收的配置来启动用于反馈报告的IDB定时器。gNB还启动IDB定时器。应当理解,这些特征同样适用于CG配置的上行链路场景。
如图9的S908所示,当XR帧到达时,gNB使用与所选择的SPS配置相关联的保留资源进行帧传输。所接收的XR帧也可以由gNB用来更新ML模型,以用于对未来XR业务进行分类和预测。XR帧在上行链路场景中以类似方式使用,如图10的步骤S1008至S1012中所示。
分别如图9和图10的S914和S1014所示,一旦DL传输完成,UE就在IDB定时器到期之前向gNB发送反馈。UE反馈可以例如包含已经被解码的资源。
分别如图9和图10的S916和S1016所示,gNB根据以下中的至少一项来更新用于决定最佳SPS配置的ML模型:i)传输期间收集的信息,ii)网络状态,以及iii)在IDB定时器到期之后的UE反馈。
图11示出了随时间而接收的XR帧的示意性示例。图11示出了SPS配置的未对准,这可以是抖动范围发生变化时造成的。抖动范围可以由于例如帧速率的改变而改变。
在时间T0,接收第一GoP 1100。第一GoP 1100包括I帧,然后是两个P帧。第一GoP1100是FHD,具有30Mbps和60fps。第一抖动范围1104与第一GoP 1100相关联。
在时间T1,XR应用将帧速率减半。帧速率的减半可能导致GoP的抖动范围加倍。
在T2,接收第二GoP 1102。第二GoP 1102包括I帧,然后是两个P帧。第二GoP 1102是FHD,具有15Mbps和30fps(即,第一GoP 1100的一半)。第二抖动范围1106与第二GoP 1102相关联。在该示例中,第二抖动范围1106是第一抖动范围1104的范围的两倍。
由于抖动在帧速率减半之后已经加倍,因此保留SPS1在T2被推迟偏移时间段1108,以便考虑更大的抖动范围1106。如果不考虑较大抖动,则如果帧到达抖动范围的末尾,则SPS配置(SPS1)可能开始得太早。这对于网络资源来说是低效的。因此,执行对SPS配置(即,资源保留)开始的子帧/时隙的调节。
偏移1108由gNB在时间T1处传送给UE。当gNB检测到丢失的XR帧和浪费的SPS2保留时,偏移1108可以被传送。SPS2保留被浪费,因为I帧在T1未被接收到(因为帧速率改变)。
偏移1108可以被配置为使得SPS1配置在第二GoP 1102的第二抖动范围1106的末尾开始。
一旦XR业务和SPS配置已经重新对准,UE就可以改变起始子帧和时隙以包括偏移1108。此外,gNB可以根据第二GoP 1102来修改SPS配置的周期性。
图11所示的重新对准的实现(即,对SPS保留的起始子帧/时隙的调节)可能会导致TS 38.321第5.8.1节的修改,以包括UE基于由gNB提供的信息而自主执行的调节,如下所示:
在用于SPS的下行链路分配被配置之后,MAC实体应当依次考虑第N下行链路分配发生在以下时隙中:
(numberOfSlotsPerFrame×SFN+帧中的时隙数)=[(numberOfSlotsPerFrame×(SFNstart time+SFNoffset)+slotstart time+slotoffset)+N×周期性×numberOfSlotsPerFrame/10]modulo(1024×numberOfSlotsPerFrame)
其中SFN是系统帧号,并且其中SFNstart time和slotstart time分别是PDSCH的第一传输的SFN和时隙,其中已配置下行链路分配被(重新)初始化。SFNoffset和slotfoffset分别是由gNB传送的SFN和时隙的偏移。
在一个示例中,当在小区组中的载波之间存在未对准的SFN时,相关服务小区的SFN可以用于计算已配置下行链路分配的出现。
在一个示例中,如果周期性被gNB修改,则SFNoffset和slotfoffset可以分别被包括在SFNstart time和slotstart time中,以用于下一分配。
图12a示出了用于对XR业务进行分类的ML模型的示意性示例。XR业务的分类将XR业务突发/帧转换为多个不同类别或组。每个类别表示XR视频参数的组合,例如帧速率、视频质量和帧类型。应当理解,这些参数仅用作示例。在其他示例中,使用其他合适的参数来确定类别/组。
ML模型可以用于创建在无线电资源分配方面具有类似要求的XR业务类别。这些类别可以将具有对无线电资源分配的公共要求的数据帧分组在一起。
图12a示出了用于未来XR业务的分类的ML模型的架构。
ML模型使用先前接收的样本/帧来确定/预测未来XR业务的类别。先前接收的样本/帧可以称为历史数据。历史数据1200可以包括帧大小、到达间隔时间、比特率和抖动中的至少一项。
第一ML模型(ML1)1202根据多个过去帧大小和到达间隔时间样本来估计GoP1204。ML1 1202的输出是GoP 1204估计。
第二ML模型(ML2)1206将帧大小、到达间隔时间、比特率、抖动以及来自ML1的GoP1204作为输入。ML2 1206使用这些输入来对XR业务进行分类。来自ML2 1206的输出1208是用于要接收的下一帧(即,预测)的XR帧的类别。
ML1 1202和ML2 1206可以由gNB来实现。在其他示例中,ML1 1202和/或ML2 1206由其他网络实体来实现。
应当理解,图12a所示的分类方案只是作为一个示例。任何合适的分类方案都可以用于为XR业务创建多个类别/组,和/或用于为尚未接收的XR业务来预测类别。例如,可以使用合适的神经网络,其中损失函数是Kullback-Leibler发散。在另一示例中,可以使用聚类算法,例如,具有噪声的应用的基于密度的空间聚类(DBSCAN)。如果类别未知,则使用DBSCAN算法可能特别合适。
图12b示出了用于确定合适的SPS(或CG)配置的ML模型的架构的示意性示例。如图12b所示,提供了一种ML模型(ML3)1250。ML3 1250可以由gNB来实现。在其他示例中,ML31250由另一网络实体来实现。
ML3 1250将以下各项作为输入:i)图12a的输出1208,以及ii)先前决策的结果。ML3 1250使用这些输入来输出最佳(或最合适)的SPS/CG配置。
如图12b所示,先前决策的结果由所接收的XR帧1252和所接收的XR帧的传输1254组成(类似于图9的步骤S908和S910)。ML3 1250使用所接收的XR帧来确定SPS/CG配置的选择是否“有效”、或者ML模型是否需要改变。
ML3 1250模型解决了针对每个XR类别选择满足XR业务的QoS要求并且最小化所浪费的资源的(多个)SPS配置的随机问题。
在一个示例中,gNB使用图12a和图12b的ML模型解决以下随机问题:
∑u∈URu(t)≤R t=1,2,... (3),
其中为任何用户u∈U(U是由同一gNB服务的所有用户的集合)而定义的函数eu(t)对应于用户损失,并且演变如下:
eu(t+1)=eu(t)+fu(Ru(t))
其中Ru(t)表示用于用户提供特定传输速率的SPS配置,而函数fu(·)对瞬时用户损失进行建模。
在一个示例中,函数fu(·)表示在给定时刻“t”用于服务用户u∈U的SPS分配的所浪费的无线电资源。因此,函数eu(t)表示用户u∈U直到时刻“t”的累积损失。
在另一示例中,函数fu(·)表示当使用SPS配置Ru(t)时用户u∈U在给定时刻“t”消耗的能量。在另一示例中,函数eu(t)表示用户u∈U直到时刻“t”的累积消耗能量。
函数hu(t)对用户u∈U在时刻“t”的满意度进行建模。在示例中,该函数定义如下:
其中Su(t)表示在时刻‘t’为用户u∈U而提供的业务量。函数hu(t)指示SPS配置Ru(t)是否包含足够的资源来提供用户u∈U的业务。R表示在任何时间可用于SPS配置的无线电资源量(即,R表示系统的最大容量)。在示例中,R在决策时间期间被认为是固定的。在其他示例中,如果带宽通过分配更大的带宽部分或通过聚合多个载波而增加,则网络可以对R进行更新。如果系统的容量随时间而变化,则系统可以用R(t)代替约束(3)的右侧,以指示系统容量对时刻的依赖性。
上面的这个随机问题只是作为一个示例。在其他示例中,gNB可以解决一个或多个其他合适的问题,以便满足XR业务的QoS要求并且最小化所浪费的资源。
上述示例中的一个或多个允许通过引入SPS/CG方案的动态配置来改善XR用例的无线电资源分配。此外,还改进了SPS/CG配置,以满足XR服务的QoS要求。此外,它还可以更快地更新SPS/CG配置。最后,利用UE反馈/指示改进了决策。
图13示出了一个由装置执行的示例方法流。在示例中,该装置被包括在网络实体内。在示例中,网络实体是基站(gNB)。在示例中,网络实体是核心网实体。
在S1301,该方法包括基于接收数据帧的参数将接收数据帧分类为多个类别。
在S1303,该方法包括基于先前接收数据帧的参数从多个类别中为下一数据帧确定类别,其中该确定在下一数据帧到达之前执行。
在S1305,该方法包括基于下一数据帧的所确定的类别从多个调度配置中确定调度配置,其中多个调度配置中的每个调度配置包括至少一个参数。
在S1307,该方法包括基于i)下一数据帧的所确定的类别和ii)关于由网络实体进行的数据帧的先前通信的信息来调节所选择的调度配置的至少一个参数。
在S1309,该方法包括利用至少一个经调节的参数在终端中激活所选择的调度配置使得终端调节终端中的所选择的配置的至少一个参数。
图14示出了一个由装置执行的示例方法流。在示例中,该装置被包括在UE内。在示例中,该装置被包括在终端内。
在S1401,该方法包括从网络实体接收具有多个调度配置的配置,其中多个调度配置中的每个调度配置包括至少一个参数。
在S1403,该方法包括从网络实体接收利用已经调节的至少一个参数激活多个调度配置中的所选择的调度配置的信令。
在S1405,该方法包括使用至少一个经调节的参数来改变所选择的调度配置的配置。
图15示出了存储指令和/或参数1502的非易失性存储介质1500a(例如,计算机盘(CD)或数字多功能盘(DVD))和1500b(例如,通用串行总线(USB)记忆棒)的示意图,这些指令和参数1502在由处理器执行时允许处理器执行图13和图14的方法的步骤中的一个或多个。
应当注意,尽管以上描述了示例实施例,但在不脱离本发明的范围的情况下,可以对所公开的解决方案进行若干变化和修改。
因此,示例可以在所附权利要求的范围内变化。通常,一些实施例可以用硬件或专用电路、软件、逻辑或其任何组合来实现。例如,一些方面可以用硬件实现,而其他方面可以用可以由控制器、微处理器或其他计算设备执行的固件或软件实现,但实施例不限于此。尽管各种实施例可以被图示和描述为框图、流程图或使用一些其他图形表示,但是很好理解,作为非限制性示例,本文中描述的这些框、装置、系统、技术或方法可以用硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备、或其某种组合实现。
示例可以通过存储在存储器中并且由所涉及的实体的至少一个数据处理器可执行的计算机软件来实现,或者通过硬件来实现,或者通过软件和硬件的组合来实现。此外,在这点上,应当注意,任何过程可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、块和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储器块、诸如硬盘或软盘等磁性介质、以及诸如DVD及其数据变体CD等光学介质等物理介质上。
存储器可以是适合本地技术环境的任何类型并且可以使用任何适合的数据存储技术来实现,诸如基于半导体的存储器设备、磁存储器设备和系统、光学存储器设备和系统、固定存储器和可移动存储器。数据处理器可以是适合本地技术环境的任何类型,并且作为非限制性示例,可以包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、门级电路和基于多核处理器架构的处理一些示例器中的一种或多种。
替代地或另外地,可以使用电路系统来实现。该电路系统可以被配置为执行先前描述的功能和/或方法步骤中的一个或多个。该电路系统可以设置在基站和/或UE/终端/通信设备中。
如本申请中使用的,术语“电路系统”可以指代以下中的一种或多种或全部:(a)纯硬件电路实现(诸如仅使用模拟和/或数字电路系统的实现);(b)硬件电路和软件的组合,例如:(i)(多个)模拟和/或数字硬件电路与软件/固件的组合,以及(ii)具有软件的(多个)硬件处理器的任何部分(包括(多个)数字信号处理器、软件和(多个)存储器),其一起工作以引起装置(诸如通信设备或基站)执行各种先前描述的功能;以及(c)(多个)硬件电路和/或(多个)处理器,诸如(多个)微处理器或(多个)微处理器的一部分,其需要软件(例如,固件)进行操作,但软件可在操作不需要时能不存在。
该电路系统的定义适用于该术语在本申请中的所有使用,包括在任何权利要求中。作为另一示例,如在本申请中使用的,术语电路系统还涵盖仅硬件电路或处理器(或多个处理器)或硬件电路或处理器的一部分及其随附软件和/或固件的实现。术语电路系统还涵盖例如集成设备。
前述描述通过示例性和非限制性示例的方式提供了对一些实施例的完整并且信息丰富的描述。然而,当结合附图和所附权利要求书阅读时,鉴于前述描述,各种修改和改编对于相关领域的技术人员来说可能变得很清楚。然而,这些教导的所有这样的和类似的修改仍将落入在所附权利要求中限定的范围内。
Claims (25)
1.一种用于网络实体的装置,所述装置包括:
用于基于所接收的数据帧的参数将所接收的所述数据帧分类为多个类别的部件;
用于基于先前接收的数据帧的所述参数,针对下一数据帧从所述多个类别中确定类别的部件,其中所述确定在所述下一数据帧到达之前执行;
用于基于所述下一数据帧的所确定的所述类别从多个调度配置中确定调度配置的部件,其中所述多个调度配置中的每个调度配置包括至少一个参数;
用于基于i)所述下一数据帧的所确定的所述类别、以及ii)关于由所述网络实体进行的数据帧的先前通信的信息,来调节所选择的所述调度配置的所述至少一个参数的部件;以及
用于利用经调节的所述至少一个参数来激活所述终端中的所选择的所述调度配置,使得所述终端调节所述终端中的所选择的所述配置的所述至少一个参数的部件。
2.根据权利要求1所述的装置,其中使用所接收的所述数据帧的所述参数,将所接收的所述数据帧分类为所述多个类别,使得每个类别中的所述数据帧对资源分配具有相似要求。
3.根据权利要求1或权利要求2所述的装置,所述装置包括:
用于在所述网络实体处接收所述下一数据帧的部件;以及
用于使用与所选择的所述调度配置相关联的所分配的资源,向所述终端提供所述下一数据帧的部件。
4.根据权利要求1或权利要求2所述的装置,所述装置包括:
用于使用与所选择的所述调度配置相关联的所分配的资源,从所述终端接收所述下一数据帧的部件。
5.根据权利要求3或权利要求4所述的装置,所述装置包括:
用于从所述终端接收反馈的部件,所述反馈与所述终端处对所述下一数据帧的发送或接收相关联。
6.根据权利要求5所述的装置,所述装置包括:
用于确定与所确定的所述类别相关联的所选择的所述调度配置应当基于所接收的所述反馈而被调节的部件;以及
用于基于所接收的所述反馈来调节所述终端处的所选择的所述调度配置的所述参数的部件。
7.根据权利要求1或权利要求2所述的装置,其中所述至少一个参数被调节以改变以下至少一项:与所选择的所述调度配置相关联的所述资源的起始子帧、所选择的所述调度配置的周期、以及与所选择的所述调度配置相关联的资源的数目。
8.根据权利要求1或权利要求2所述的装置,所述装置包括:
用于将所述多个类别中的每个类别与所述多个调度配置中的调度配置相关联的部件。
9.根据权利要求1或权利要求2所述的装置,所述装置包括:
用于向所述终端提供多个指示延迟预算的部件,每个指示延迟预算指示用于反馈的最大有效性定时器,所述反馈将由所述终端提供给所述网络实体且关于根据调度标准的所选择的所述调度配置的结果,所选择的所述调度配置由所述终端正在使用。
10.根据权利要求1或权利要求2所述的装置,所述装置包括:
用于在所述网络实体处确定丢失数据帧的部件;以及
用于向所述终端提供定时偏移,以改变与所选择的所述调度配置相关联的下一组资源的起始子帧的部件。
11.一种用于终端的装置,所述装置包括:
用于从网络实体接收具有多个调度配置的配置的部件,其中所述多个调度配置中的每个调度配置包括可调节的参数;
用于从所述网络实体接收信令的部件,所述信令利用经调节的参数来激活所述多个调度配置中的所选择的调度配置;以及
用于使用经调节的所述参数来改变所选择的所述调度配置的所述配置的部件。
12.根据权利要求11所述的装置,所述装置包括:
用于使用与所选择的所述调度配置相关联的资源,向所述网络实体发送与下一数据帧的接收或发送相关联的反馈的部件。
13.根据权利要求11或权利要求12所述的装置,其中所述至少一个参数被调节以改变以下至少一项:与所选择的所述调度配置相关联的所述资源的起始子帧、所选择的所述调度配置的周期、以及与所选择的所述调度配置相关联的资源的数目。
14.一种由网络实体执行的方法,所述方法包括:
基于所接收的数据帧的参数,将所接收的所述数据帧分类为多个类别;
基于先前接收的数据帧的所述参数,针对下一数据帧从所述多个类别中确定类别,其中所述确定在所述下一数据帧到达之前执行;
基于所述下一数据帧的所确定的所述类别,从多个调度配置中确定调度配置,其中所述多个调度配置中的每个调度配置包括至少一个参数;
基于i)所述下一数据帧的所确定的所述类别、以及ii)关于由所述网络实体进行的数据帧的先前通信的信息,来调节所选择的所述调度配置的所述至少一个参数;以及
利用经调节的所述至少一个参数来激活所述终端中的所选择的所述调度配置,使得所述终端调节所述终端中的所选择的所述配置的所述至少一个参数。
15.根据权利要求14所述的方法,所述方法包括:
从所述终端接收反馈,所述反馈与所述终端处使用与所选择的所述调度配置相关联的所述资源对所述下一数据帧的发送或接收相关联。
16.根据权利要求15所述的方法,所述方法包括:
确定与所确定的所述类别相关联的所选择的所述调度配置应当基于所接收的所述反馈而被调节;以及
基于所接收的所述反馈,调节所述终端处的所选择的所述调度配置的所述参数。
17.根据权利要求14至16中任一项所述的方法,其中所述至少一个参数被调节以改变以下至少一项:与所选择的所述调度配置相关联的所述资源的起始子帧、所选择的所述调度配置的周期、以及与所选择的所述调度配置相关联的资源的数目,
其中所述调度配置包括以下项中的一项:半持续性调度配置、以及已配置授权配置。
18.根据权利要求14至16中任一项所述的方法,其中所述调度配置被确定,以使得所述调度配置满足与扩展现实数据帧相关联的至少一个服务质量标准。
19.根据权利要求14至16中任一项所述的方法,所述方法包括:
向所述终端提供多个指示延迟预算,每个指示延迟预算指示用于反馈的最大有效性定时器,所述反馈将由所述终端提供给所述网络实体且关于根据调度标准的所选择的所述调度配置的结果,所选择的所述调度配置由所述终端正在使用。
20.根据权利要求14至16中任一项所述的方法,所述方法包括:
在所述网络实体处确定丢失数据帧;以及
向所述终端提供定时偏移,以改变与所选择的所述调度配置相关联的下一组资源的起始子帧。
21.一种由终端执行的方法,所述方法包括:
从网络实体接收具有多个调度配置的配置,其中所述多个调度配置中的每个调度配置包括至少一个参数;
从所述网络实体接收信令,所述信令利用已经被调节的所述至少一个参数来激活所述多个调度配置中的所选择的调度配置;以及
使用经调节的所述至少一个参数来改变所选择的所述调度配置的所述配置。
22.根据权利要求21所述的方法,所述方法包括:
向所述网络实体发送反馈,所述反馈与使用与所选择的所述调度配置相关联的资源对下一数据帧的接收或发送相关联。
23.根据权利要求21或权利要求22所述的方法,其中所述至少一个参数被调节以改变以下至少一项:与所选择的所述调度配置相关联的所述资源的起始子帧、所选择的所述调度配置的周期、以及与所选择的所述调度配置相关联的资源的数目。
24.一种计算机程序,包括计算机可执行指令,所述计算机可执行指令当在一个或多个处理器上运行时执行:
基于所接收的数据帧的参数,将所接收的所述数据帧分类为多个类别;
基于先前接收的数据帧的所述参数,针对下一数据帧从所述多个类别中确定类别,其中所述确定在所述下一数据帧到达之前执行;
基于所述下一数据帧的所确定的所述类别,从多个调度配置中确定调度配置,其中所述多个调度配置中的每个调度配置包括至少一个参数;
基于i)所述下一数据帧的所确定的所述类别、以及ii)关于由所述网络实体进行的数据帧的先前通信的信息,来调节所选择的所述调度配置的所述至少一个参数;以及
利用经调节的所述至少一个参数来激活所述终端中的所选择的所述调度配置,使得所述终端调节所述终端中的所选择的所述配置的所述至少一个参数。
25.一种计算机程序,包括计算机可执行指令,所述计算机可执行指令当在一个或多个处理器上运行时执行:
从网络实体接收具有多个调度配置的配置,其中所述多个调度配置中的每个调度配置包括至少一个参数;
从所述网络实体接收信令,所述信令利用已经被调节的所述至少一个参数来激活所述多个调度配置中的所选择的调度配置;以及
使用经调节的所述至少一个参数来改变所选择的所述调度配置的所述配置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20225340 | 2022-04-25 | ||
FI20225340 | 2022-04-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116963280A true CN116963280A (zh) | 2023-10-27 |
Family
ID=86185054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310454860.1A Pending CN116963280A (zh) | 2022-04-25 | 2023-04-25 | 方法、装置和计算机程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230342194A1 (zh) |
EP (1) | EP4274354A1 (zh) |
CN (1) | CN116963280A (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1537707A2 (en) * | 2002-09-06 | 2005-06-08 | Matsushita Electric Industrial Co., Ltd. | Methods for performing medium dedication in order to ensure the quality of service for delivering real-time data across wireless network |
KR20110102135A (ko) * | 2010-03-10 | 2011-09-16 | 엘지전자 주식회사 | 광대역 무선 접속 시스템에서 aGP서비스의 스케쥴링 방법 및 장치 |
-
2023
- 2023-04-24 EP EP23169593.3A patent/EP4274354A1/en active Pending
- 2023-04-25 US US18/139,065 patent/US20230342194A1/en active Pending
- 2023-04-25 CN CN202310454860.1A patent/CN116963280A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230342194A1 (en) | 2023-10-26 |
EP4274354A1 (en) | 2023-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230180053A1 (en) | 5G SYSTEM SUPPORT FOR VIRTUAL TSN BRIDGE MANAGEMENT, QoS MAPPING AND TSN Qbv SCHEDULING | |
Piran et al. | QoE-driven channel allocation and handoff management for seamless multimedia in cognitive 5G cellular networks | |
CN101874423B (zh) | 用于在无线通信系统中对齐应用输出和上行链路资源分配的技术 | |
US11206298B2 (en) | Method and system utilizing event specific priority in a network controlled uplink media transmission for a collaborative media production | |
CN101785275A (zh) | 通过代理反馈控制的帧传输为媒体服务器选择内容速率 | |
Kim et al. | Traffic management in the mobile edge cloud to improve the quality of experience of mobile video | |
Liu et al. | Smart downlink scheduling for multimedia streaming over LTE networks with hard handoff | |
Yun et al. | QoE-driven resource allocation for live video streaming over D2D-underlaid 5G cellular networks | |
Ahmed et al. | An optimal bandwidth allocation algorithm for improving QoS in WiMAX | |
Thakolsri et al. | QoE-driven cross-layer optimization in wireless networks addressing system efficiency and utility fairness | |
Shehada et al. | QoE-based resource reservation for unperceivable video quality fluctuation during Handover in LTE | |
US11368512B2 (en) | Method and system for utilizing network conditions feedback for improving quality of a collaborative media production | |
Barik et al. | D2D-assisted user-centric adaptive video transmission in next generation cellular networks | |
EP4274354A1 (en) | Method, apparatus and computer program | |
Khan et al. | QoE-based video delivery over LTE hierarchical architecture | |
Almowuena et al. | Mobile video streaming over dynamic single-frequency networks | |
Wu et al. | Cross-layer channel-quality-fair scheduling for video uplink of camera networks over WiMAX | |
Chen et al. | Playout buffer and DRX aware scheduling scheme for video streaming over LTE system | |
Yang et al. | Real-time scheduling over Markovian channels: when partial observability meets hard deadlines | |
Lee et al. | Performance analysis of adaptive QoS handoff mechanism using service degradation and compensation | |
US20240211768A1 (en) | Signaling of training policies | |
CN117177290A (zh) | 通信处理方法、装置、设备及可读存储介质 | |
ul Zuhra | Resource Allocation Techniques for Multicast Streaming over Cellular Mobile Networks | |
Almowuena | Hybrid Multicast-Unicast Video Streaming over Heterogeneous Cellular Networks | |
Longhao | Innovative content delivery solutions in the future network heterogeneous environment |
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 |