CN116980990A - 信息发送方法、装置、终端、网络侧设备及存储介质 - Google Patents

信息发送方法、装置、终端、网络侧设备及存储介质 Download PDF

Info

Publication number
CN116980990A
CN116980990A CN202210427315.9A CN202210427315A CN116980990A CN 116980990 A CN116980990 A CN 116980990A CN 202210427315 A CN202210427315 A CN 202210427315A CN 116980990 A CN116980990 A CN 116980990A
Authority
CN
China
Prior art keywords
model
terminal
information
event
measurement
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
Application number
CN202210427315.9A
Other languages
English (en)
Inventor
宋二浩
潘翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202210427315.9A priority Critical patent/CN116980990A/zh
Publication of CN116980990A publication Critical patent/CN116980990A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0055—Transmission or use of information for re-establishing the radio link
    • H04W36/0058—Transmission of hand-off measurement information, e.g. measurement reports
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/0085—Hand-off measurements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种信息发送方法、装置、终端、网络侧设备及存储介质，属于通信技术领域，本申请实施例的信息发送方法包括：终端接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。

Description

信息发送方法、装置、终端、网络侧设备及存储介质
技术领域
本申请属于通信技术领域，具体涉及一种信息发送方法、装置、终端、网络侧设备及存储介质。
背景技术
条件切换(Conditional Handover，CHO)过程，用来避免出现终端在源小区的信道条件恶化后，无法接收到源小区的切换命令，进而引起切换失败的情况；条件主辅小区添加或变更(Conditional PSCell Addition or Change，CPAC)过程，用来由终端在评估执行条件满足的情况下执行的对条件主辅小区的添加或变更。
目前，在CHO或CPAC的过程中，终端需要根据配置，测量目标小区是否满足切换条件，若目标小区在预设时间内始终满足切换条件，则由终端发起对目标小区的切换过程。
但是，这一机制可能导致出现一些切换异常事件，例如出现乒乓切换，或终端切换到错误小区的切换异常事件，导致切换鲁棒性低及切换失败率高。
发明内容
本申请实施例提供一种信息发送方法、装置、终端、网络侧设备及存储介质，能够解决切换鲁棒性低及切换失败率高的问题。
第一方面，提供了一种信息发送方法，包括：终端接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第二方面，提供了一种信息发送方法，包括：网络侧设备向终端发送配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第三方面，提供了一种信息发送装置，包括：接收模块，用于接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第四方面，提供了一种信息发送装置，包括：发送模块，用于向终端发送配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第五方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的信息发送方法的步骤。
第六方面，提供了一种终端，包括处理器及通信接口，其中，所述通信接口用于接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第七方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面所述的信息发送方法的步骤。
第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口用于向终端发送配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
第九方面，提供了一种信息发送系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的信息发送方法的步骤，所述网络侧设备可用于执行如第二方面所述的信息发送方法的步骤。
第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的信息发送方法的步骤，或者实现如第二方面所述的信息发送方法的步骤。
第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的信息发送方法，或实现如第二方面所述的信息发送方法。
第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的信息发送方法的步骤，或实现如第二方面所述的信息发送方法的步骤。
在本申请实施例中，终端根据来自网络侧设备的配置信息的指示，采用基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
附图说明
图1是本申请实施例可应用的无线通信系统的示意图；
图2是本申请实施例提供的信息发送方法的流程示意图之一；
图3是本申请实施例提供的信息发送方法的流程示意图之二；
图4是本申请实施例提供的信息发送方法的流程示意图之三；
图5是本申请实施例提供的信息发送方法的信令交互示意图；
图6是本申请实施例提供的信息发送装置的结构示意图之一；
图7是本申请实施例提供的信息发送装置的结构示意图之二；
图8是本申请实施例提供的通信设备的结构示意图；
图9是本申请实施例提供的终端的硬件结构示意图；
图10是本申请实施例提供的网络侧设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6th Generation，6G)通信系统。
图1是本申请实施例可应用的无线通信系统的示意图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmentedreality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备12也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备12可以包括基站、WLAN接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。核心网设备可以包含但不限于如下至少一项：核心网节点、核心网功能、移动管理实体(Mobility ManagementEntity，MME)、接入移动管理功能(Access and Mobility Management Function，AMF)、会话管理功能(Session Management Function，SMF)、用户平面功能(User Plane Function，UPF)、策略控制功能(Policy Control Function，PCF)、策略与计费规则功能单元(Policyand Charging Rules Function，PCRF)、边缘应用服务发现功能(Edge ApplicationServer Discovery Function，EASDF)、统一数据管理(Unified Data Management，UDM)，统一数据仓储(Unified Data Repository，UDR)、归属用户服务器(Home SubscriberServer，HSS)、集中式网络配置(Centralized network configuration，CNC)、网络存储功能(Network Repository Function，NRF)，网络开放功能(Network Exposure Function，NEF)、本地NEF(Local NEF，或L-NEF)、绑定支持功能(Binding Support Function，BSF)、应用功能(Application Function，AF)等。需要说明的是，在本申请实施例中仅以NR系统中的核心网设备为例进行介绍，并不限定核心网设备的具体类型。
目前，在CHO或CPAC的过程中，终端需要根据配置，测量目标小区是否满足切换条件，若目标小区在触发时间(TimeToTrigger)内始终满足切换条件，则由终端发起对目标小区的切换过程。
但是，这一机制可能导致以下问题：
1)在TimeToTrigger时间内的测量可能导致过晚切换，切换鲁棒性低。
2)终端无法提前在信号质量更好的小区接受服务，服务质量低。
3)终端发起切换时无法得到更远时间后的服务小区和目标小区的信号质量，可能引入一些切换异常事件，例如出现乒乓切换，或终端切换到错误小区的切换异常事件，导致切换鲁棒性低及切换失败率高。
下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的信息发送方法进行详细地说明。
图2是本申请实施例提供的信息发送方法的流程示意图之一，如图2所示，该方法包括步骤201。
步骤201、终端接收来自网络侧设备的配置信息；其中，配置信息用于指示终端基于人工智能(Artificial Intelligence，AI)模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
可选地，配置信息包括以下至少一项：
1)AI模型相关信息。
具体地，AI模型相关信息可以关联以下至少一项：单个终端；单个候选小区；单个测量标识(ID)；单个测量事件；单个无线资源控制(Radio Resource Control，RRC)重配置信令。
可以理解的是，测量ID对应于测量事件，测量ID用于标识各测量事件。
需要说明的是，不同终端关联的AI模型相关信息可以相同或者不同，不同候选小区关联的AI模型相关信息可以相同或者不同，不同测量ID关联的AI模型相关信息可以相同或者不同，不同测量事件关联的AI模型相关信息可以相同或者不同，不同RRC重配置信令关联的AI模型相关信息可以相同或者不同。
2)AI模型预测触发条件。
具体地，AI模型预测触发条件，可以包括以下至少一项：周期触发条件；事件触发条件，包括测量事件对应的触发门限。
可选地，周期触发条件，需要网络侧设备配置模型预测周期。
可选地，事件触发条件中的触发门限，包括以下至少一项：服务小区的信号质量低于第一门限；候选小区的信号质量高于第二门限；服务小区的信号质量与至少一个候选小区的信号质量的差值低于第三门限。其中，第一门限、第二门限和第三门限的数值可以相同或不同。
3)AI模型有效性判断准则，用于判断AI模型有效性。
具体地，AI模型有效性判断准则，可以包括以下至少一项：用于判断AI模型有效性的历史测量时间；用于判断AI模型有效性的指标；用于判断AI模型有效性的门限。
其中，用于判断AI模型有效性的指标，可以包括以下至少一项：预测准确率；预测值和真实值的和方差(The sum of squares due to error，SSE)、均方误差(Mean squarederror，MSE)及均方根误差(Root mean squared error，RMSE)中的至少一项；预测值和真实值的余弦相似度(cosine similarity)。
具体地，终端在预测准确率大于预配置的模型有效性门限的情况下确定AI模型有效；否则确定AI模型失效。
或者，终端在预测值和真实值的SSE、MSE及RMSE中的至少一项大于预配置的模型有效性门限的情况下确定AI模型失效，否则确定AI模型有效。
或者，终端在余弦相似度大于预配置的模型有效性门限的情况下确定AI模型有效，否则确定AI模型失效。
举例来说，终端计算历史测量时间内预测值和真实值的均方误差MSE，若均方误差MSE大于预配置的模型有效性门限，则确定AI模型失效，否则确定AI模型有效。
终端在AI模型有效的情况下，可以基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；在AI模型失效的情况下，可以仅基于非AI模型的测量事件执行目标操作，以保证切换准确度。
4)第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估。
具体地，第一标识信息关联以下至少一项：单个终端；单个候选小区；单个测量标识ID；单个测量事件；单个RRC重配置信令。
可以理解的是，测量ID对应于测量事件，测量ID用于标识各测量事件。
需要说明的是，不同终端关联的第一标识信息可以相同或者不同，不同候选小区关联的第一标识信息可以相同或者不同，不同测量ID关联的第一标识信息可以相同或者不同，不同测量事件关联的第一标识信息可以相同或者不同，不同RRC重配置信令关联的第一标识信息可以相同或者不同。
可选地，第一标识信息也可以用于非CHO/CPAC执行条件关联的其它测量事件的评估。
5)预测输出的总时长。
可选地，预测输出的总时长由网络侧设备预配置；或者，预测输出的总时长为基于非AI模型的测量事件对应的TimeToTrigger。
6)预测输出的时间点个数或时间间隔。
7)基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
基于AI模型预测的测量事件，可以是在基于非AI模型的测量事件的基础上，使用AI模型预测得到的测量事件。
可选地，AI模型相关信息，包括以下至少一项：
1)模型标识。
2)模型结构。
3)模型有效期。
4)AI模型输入。
5)AI模型预测结果。
可选地，AI模型输入，包括以下至少一项：
1)服务小区和/或至少一个候选小区在当前时刻的小区信号质量。
具体地，信号质量可以包括以下至少一项：参考信号接收功率(Reference SignalReceived Power，RSRP)；参考信号接收质量(Reference Signal Received Quality，RSRQ)；信号与干扰加噪声比(Signal to Interference plus Noise Ratio，SINR)。
2)服务小区和/或至少一个候选小区在当前时刻的波束信号质量。
3)服务小区和/或至少一个候选小区在历史时刻的小区信号质量。
4)服务小区和/或至少一个候选小区在历史时刻的波束信号质量。
5)终端的当前移动速度和/或当前移动方向。
6)终端的历史移动速度和/或历史移动方向。
7)终端的当前天线面板信息和/或历史天线面板信息。
具体地，当前天线面板信息可以包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度。历史天线面板信息可以包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
8)终端的当前位置信息和/或历史位置信息。
9)服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向。
10)服务小区和/或至少一个候选小区所在的网络侧设备的天线面板信息。
11)服务频点信息、异频信息及异系统信息中的至少一项。
具体地，异系统信息包括无线接入技术(Radio Access Technology，RAT)信息。
可选地，AI模型预测结果，包括以下至少一项：
1)服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量。
具体地，信号质量可以包括以下至少一项：RSRP；RSRQ；SINR。
2)服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量。
3)终端在未来至少一个时间切换到至少一个候选小区的切换成功率。
4)终端在未来至少一个时间切换到至少一个候选小区的切换时延。
5)终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
其中，非期望事件可以包括以下至少一项：
1)过晚切换事件。
具体地，过晚切换事件，是指终端在源小区上的时间太长而出现的无线链路失败(Radio Link Failure，RLF)，并在其他小区尝试RRC重建的事件。
2)过早切换事件。
具体地，过早切换事件，是指终端在成功切换到目标小区后很短的时间内，或在切换到目标小区的过程中，出现RLF，并在源小区上尝试RRC重建的事件。
3)切换到错误的小区事件。
具体地，切换到错误的小区事件，是指终端在成功切换到目标小区后很短的时间内，或在切换到目标小区的过程中，出现了RLF，并在其他小区上尝试RRC重建的事件。这里的其他小区既不是上次切换的源小区，也不是目标小区。
4)乒乓切换事件。
具体地，乒乓切换事件，是指终端在成功切换到目标小区后很短的时间内，切换回源小区的事件。
5)非必要切换事件。
具体地，非必要切换事件，是指终端在成功切换到目标小区后很短的时间内，切换到另一个目标小区。
在本申请实施例中，终端根据来自网络侧设备的配置信息的指示，采用基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
下面以网络侧设备是服务基站为例，对基于本申请实施例提供的信息发送方法执行CHO和/或CPAC的过程进行说明：
1、终端接收来自服务基站下发的配置消息。配置消息包括以下至少一项：
1)AI模型相关信息，例如包括模型标识、模型结构和模型有效期等；
2)AI模型输入；
3)AI模型预测结果；
4)AI模型预测触发条件；
5)AI模型有效性判断准则。
例如，AI模型有效性判断准则可以包括以下配置：用于判断AI模型有效性的历史测量时间；用于判断AI模型有效性的指标；用于判断AI模型有效性的门限。
6)第一标识信息；
7)预测输出的总时长T。
例如，T可以由服务基站进行预配置，T关联于单个测量事件；T也可以复用基于非AI模型的测量事件对应的TimeToTrigger，无需单独配置。
8)预测输出的时间点个数或间隔；
9)基于AI模型推理的测量事件。
2、终端根据第一标识信息的指示，执行CHO和/或CPAC的切换判决。
1)对于第一标识信息为true的CHO或CPAC候选小区：
若AI模型有效，则终端根据AI模型预测在时间T内服务小区和/或各个CHO或CPAC候选小区的信号质量，若预测得到一个或多个候选小区的信号质量在时间T内始终满足候选小区所配的所有切换事件的进入条件，则终端将满足条件的小区作为触发小区，在触发小区中选择一个执行条件重配，执行CHO和/或CPAC的切换判决；
若AI模型无效，则终端根据真实测量值，使用TimeToTrigger的判决机制，执行CHO和/或CPAC的切换判决。
2)对于第一标识信息为false的CHO或CPAC候选小区，终端根据真实测量值，使用TimeToTrigger的判决机制，执行CHO和/或CPAC的切换判决。
图3是本申请实施例提供的信息发送方法的流程示意图之二，如图3所示，该方法包括步骤301、步骤302和步骤303。
步骤301、终端接收来自网络侧设备的配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
步骤302、终端基于配置信息对测量事件进行评估，得到评估结果；测量事件包括基于AI模型预测的测量事件和/或基于非AI模型的测量事件。
具体地，终端基于配置信息对测量事件进行评估，可以包括以下任意一项：
1)终端在配置信息指示使用AI模型预测结果对测量事件进行评估的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
可选地，终端是在配置信息中的第一标识信息指示使用AI模型预测结果对测量事件进行评估的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
2)终端在基于配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
可选地，终端是在基于配置信息中的AI模型有效性判断准则确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
3)终端在配置信息指示使用AI模型预测结果对测量事件进行评估，且基于配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
可选地，终端在配置信息中的第一标识信息指示使用AI模型预测结果对测量事件进行评估，且基于配置信息中的AI模型有效性判断准则确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
4)终端在配置信息指示不使用AI模型预测结果对测量事件进行评估，和/或基于配置信息确定AI模型无效的情况下，获取服务小区和/或至少一个候选小区的测量值，基于测量值评估测量事件。其中，测量值包括信号质量和/或波束质量。
可选地，终端在配置信息中的第一标识信息指示不使用AI模型预测结果对测量事件进行评估，和/或基于配置信息中的AI模型有效性判断准则确定AI模型无效的情况下，获取服务小区和/或至少一个候选小区的测量值，基于测量值评估测量事件。其中，测量值包括信号质量和/或波束质量。
步骤303、终端在评估结果满足目标事件的情况下，选择评估结果对应的候选小区执行目标操作。
具体地，目标事件可以包括以下至少一项：
1)至少一个基于AI模型预测的测量事件；各基于AI模型预测的测量事件分别对应各自的进入条件和/或离开条件。
2)至少一个基于非AI模型的测量事件；各基于非AI模型的测量事件分别对应各自的进入条件和/或离开条件。
其中，基于非AI模型的测量事件例如为下表1中的测量事件，表1是基于非AI模型的测量事件及其定义与进入和离开条件。
表1基于非AI模型的测量事件及其定义与进入和离开条件
表1中进入和离开条件中各参数的具体含义如下：
Ms：不考虑任何偏移的服务小区测量结果。
Mn：不考虑任何偏移的邻区测量结果。
Mp：不考虑任何偏移的主服务小区的测量结果。
Mi：不考虑任何偏移的干扰测量结果。
Ofn：邻区测量对象特定偏移量。
Ocn：邻区小区级特定偏移量。
Ofp：主服务小区测量对象特定偏移量。
Ocp：主服务小区小区级特定偏移量。
Off：事件的偏移参数。
Ocs：辅服务小区小区级特定偏移量。
Hys：事件的滞后参数。
举例来说，可以使用AI模型对L3滤波结果进行测量事件评估，在一个或多个候选小区在TimeToTrigger时间内的AI预测的L3滤波信号质量都满足测量事件的进入条件的情况下，终端将满足条件的候选小区作为目标小区进行CHO和/或CPAC。
可选地，各基于AI模型预测的测量事件对应的进入条件和/或离开条件可以相同或不同，各基于非AI模型的测量事件对应的进入条件和/或离开条件可以相同或不同。
需要说明的是，步骤201的相关实施细节可以应用于步骤301中，同样地，步骤301的相关实施细节也可以应用于步骤201中，二者所得技术效果大致相同，在此不再赘述。
在本申请实施例中，终端根据来自网络侧设备的配置信息的指示，基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件对测量事件进行评估，并在评估结果满足目标事件的情况下，执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
图4是本申请实施例提供的信息发送方法的流程示意图之三，如图4所示，该方法包括步骤401。
步骤401、网络侧设备向终端发送配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
可选地，配置信息，包括以下至少一项：
1)AI模型相关信息。
2)AI模型预测触发条件。
3)AI模型有效性判断准则，用于判断AI模型有效性。
4)第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估。
5)预测输出的总时长。
6)预测输出的时间点个数或时间间隔。
7)基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
可选地，AI模型相关信息，包括以下至少一项：
1)模型标识。
2)模型结构。
3)模型有效期。
4)AI模型输入。
5)AI模型预测结果。
可选地，AI模型相关信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，AI模型输入，包括以下至少一项：
1)服务小区和/或至少一个候选小区在当前时刻的小区信号质量。
2)服务小区和/或至少一个候选小区在当前时刻的波束信号质量。
3)服务小区和/或至少一个候选小区在历史时刻的小区信号质量。
4)服务小区和/或至少一个候选小区在历史时刻的波束信号质量。
5)终端的当前移动速度和/或当前移动方向。
6)终端的历史移动速度和/或历史移动方向。
7)终端的当前天线面板信息和/或历史天线面板信息。
具体地，当前天线面板信息可以包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度。历史天线面板信息包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
8)终端的当前位置信息和/或历史位置信息。
9)服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向。
10)服务小区和/或至少一个候选小区所在的网络侧设备的天线面板信息。
11)服务频点信息、异频信息及异系统信息中的至少一项。
可选地，AI模型预测结果，包括以下至少一项：
1)服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量。
2)服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量。
3)终端在未来至少一个时间切换到至少一个候选小区的切换成功率。
4)终端在未来至少一个时间切换到至少一个候选小区的切换时延。
5)终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
可选地，非期望事件，包括以下至少一项：
1)过晚切换事件。
2)过早切换事件。
3)切换到错误的小区事件。
4)乒乓切换事件。
5)非必要切换事件。
可选地，AI模型预测触发条件，包括以下至少一项：
1)周期触发条件。
2)事件触发条件，包括测量事件对应的触发门限。
可选地，AI模型有效性判断准则，包括以下至少一项：
1)用于判断AI模型有效性的历史测量时间。
2)用于判断AI模型有效性的指标。
3)用于判断AI模型有效性的门限。
可选地，用于判断AI模型有效性的指标，包括以下至少一项：
1)预测准确率。
2)预测值和真实值的SSE、MSE及RMSE中的至少一项。
3)预测值和真实值的余弦相似度。
可选地，第一标识信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，预测输出的总时长由网络侧设备预配置；或者，预测输出的总时长为基于非AI模型的测量事件对应的TimeToTrigger。
在本申请实施例中，网络侧设备向终端发送配置信息，以指示终端采用基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
图5是本申请实施例提供的信息发送方法的信令交互示意图，如图5所示，该信息发送方法包括：
步骤501、网络侧设备向终端发送配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
步骤502、终端基于配置信息对测量事件进行评估，得到评估结果。
具体地，测量事件包括基于AI模型预测的测量事件和/或基于非AI模型的测量事件。
步骤503、终端在评估结果满足目标事件的情况下，选择评估结果对应的候选小区执行目标操作。
在本申请实施例中，终端根据来自网络侧设备的配置信息的指示，采用基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
针对配置信息所包括的具体内容的不同情况，本申请实施例的信息发送方法的实现方式可以包括以下至少一种方式：
方式1，在配置信息包括AI模型的相关信息的情况下：
S1-1、终端接收来自服务基站的测量上报配置信息。其中，配置信息包括AI模型的相关信息，AI模型可用于切换、条件切换和/或条件主辅小区添加和/或修改等流程的无线资源管理(Radio resource management，RRM)测量。
S1-2、终端通过第一标识信息判断当前终端、至少一个候选小区、测量ID或测量事件是否根据AI模型预测结果评估测量事件、上报测量报告或进行CHO判决和/或CPAC判决。
S1-3、若第一标识信息为true，则终端根据配置中包括的AI模型有效性判断准则，判断当前AI模型的预测是否满足精度要求。例如，在历史测量时间内对服务小区、相邻小区或CHO/CPAC候选小区的AI模型预测结果的均方根误差RMSE低于AI模型有效性门限的情况下，认为AI模型有效。
S1-4、若AI模型有效，终端则根据AI模型预测结果评估测量事件，对于CHO或CPAC，终端根据AI预测结果对候选小区或候选小区的某一测量事件进行切换判决或CPAC判决。
S1-5、对于AI模型无效或第一标识信息为false的候选小区或候选小区测量事件，使用真实测量值进行测量事件评估。
可选地，AI模型关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，同一候选小区的不同测量事件的预测时间T可以不同，测量事件的参数可以不同，AI模型预测结果可以不同。例如，一个测量事件预测较短时间后的信号质量，另一个测量事件预测较长时间后的信号质量。又例如，事件1预测未来320ms内的信号质量，事件2预测1s后的信号质量，事件2的切换门限可以被配置的较低，以实现两个事件结合达到切换鲁棒性和切换异常事件概率的平衡。
方式2，在配置信息包括第一标识信息的情况下：
S2-1、终端接收来自服务基站的测量上报配置信息。其中，配置信息包括第一标识信息，第一标识信息指示AI模型可用于切换、条件切换和/或条件主辅小区添加和/或修改等流程的RRM测量。
S2-2、终端通过第一标识信息判断当前终端、至少一个候选小区、测量ID或测量事件是否可以根据AI模型预测结果做切换上报判决、CHO判决或CPAC判决。
S2-3、若第一标识信息为true，终端根据AI模型预测结果对服务小区、相邻小区、CHO或CPAC候选小区或小区的某一测量事件进行切换判决或CPAC判决。
方式3，在配置信息包括基于AI模型预测的测量事件的情况下，终端接收来自服务基站的测量上报配置信息。其中，配置信息包括基于AI模型预测的测量事件，基于AI模型预测的测量事件用于CHO或CPAC的条件触发评估。
其中，CHO或CPAC的执行条件可以是以下至少一项：
1)至少一个基于AI模型的测量事件和至少一个基于非AI模型的测量事件。
2)至少一个基于AI模型的测量事件。
本申请实施例提供的信息发送方法，执行主体可以为信息发送装置。本申请实施例中以信息发送装置执行信息发送方法为例，说明本申请实施例提供的信息发送装置。
图6是本申请实施例提供的信息发送装置的结构示意图之一，如图6所示，该信息发送装置600包括：
接收模块601，用于接收来自网络侧设备的配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
可选地，配置信息，包括以下至少一项：
1)AI模型相关信息。
2)AI模型预测触发条件。
3)AI模型有效性判断准则，用于判断AI模型有效性。
4)第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估。
5)预测输出的总时长。
6)预测输出的时间点个数或时间间隔。
7)基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
可选地，AI模型相关信息，包括以下至少一项：
1)模型标识。
2)模型结构。
3)模型有效期。
4)AI模型输入。
5)AI模型预测结果。
可选地，AI模型相关信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，AI模型输入，包括以下至少一项：
1)服务小区和/或至少一个候选小区在当前时刻的小区信号质量。
2)服务小区和/或至少一个候选小区在当前时刻的波束信号质量。
3)服务小区和/或至少一个候选小区在历史时刻的小区信号质量。
4)服务小区和/或至少一个候选小区在历史时刻的波束信号质量。
5)终端的当前移动速度和/或当前移动方向。
6)终端的历史移动速度和/或历史移动方向。
7)终端的当前天线面板信息和/或历史天线面板信息。
具体地，当前天线面板信息可以包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度。历史天线面板信息包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
8)终端的当前位置信息和/或历史位置信息。
9)服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向。
10)服务小区和/或至少一个候选小区所在的网络侧设备的天线面板信息。
11)服务频点信息、异频信息及异系统信息中的至少一项。
可选地，AI模型预测结果，包括以下至少一项：
1)服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量。
2)服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量。
3)终端在未来至少一个时间切换到至少一个候选小区的切换成功率。
4)终端在未来至少一个时间切换到至少一个候选小区的切换时延。
5)终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
可选地，非期望事件，包括以下至少一项：
1)过晚切换事件。
2)过早切换事件。
3)切换到错误的小区事件。
4)乒乓切换事件。
5)非必要切换事件。
可选地，AI模型预测触发条件，包括以下至少一项：
1)周期触发条件。
2)事件触发条件，包括测量事件对应的触发门限。
可选地，AI模型有效性判断准则，包括以下至少一项：
1)用于判断AI模型有效性的历史测量时间。
2)用于判断AI模型有效性的指标。
3)用于判断AI模型有效性的门限。
可选地，用于判断AI模型有效性的指标，包括以下至少一项：
1)预测准确率。
2)预测值和真实值的SSE、MSE及RMSE中的至少一项。
3)预测值和真实值的余弦相似度。
可选地，第一标识信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，预测输出的总时长由网络侧设备预配置；或者，预测输出的总时长为基于非AI模型的测量事件对应的TimeToTrigger。
可选地，信息发送装置600还包括：
评估模块，用于基于配置信息对测量事件进行评估，得到评估结果。
执行模块，用于在评估结果满足目标事件的情况下，选择评估结果对应的候选小区执行目标操作。
可选地，终端基于配置信息对测量事件进行评估，包括以下任意一项：
1)终端在配置信息指示使用AI模型预测结果对测量事件进行评估的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
2)终端在基于配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
3)终端在配置信息指示使用AI模型预测结果对测量事件进行评估，且基于配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于AI模型预测结果评估测量事件。
4)终端在配置信息指示不使用AI模型预测结果对测量事件进行评估，和/或基于配置信息确定AI模型无效的情况下，获取服务小区和/或至少一个候选小区的测量值，基于测量值评估测量事件。
可选地，目标事件，包括以下至少一项：
1)至少一个基于AI模型预测的测量事件；各基于AI模型预测的测量事件分别对应各自的进入条件和/或离开条件。
2)至少一个基于非AI模型的测量事件；各基于非AI模型的测量事件分别对应各自的进入条件和/或离开条件。
在本申请实施例中，终端的接收模块接收来自网络侧设备的配置信息，终端根据配置信息的指示，采用基于AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
图7是本申请实施例提供的信息发送装置的结构示意图之二，如图7所示，该信息发送装置700包括：
发送模块701，用于向终端发送配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。
可选地，配置信息，包括以下至少一项：
1)AI模型相关信息。
2)AI模型预测触发条件。
3)AI模型有效性判断准则，用于判断AI模型有效性。
4)第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估。
5)预测输出的总时长。
6)预测输出的时间点个数或时间间隔。
7)基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
可选地，AI模型相关信息，包括以下至少一项：
1)模型标识。
2)模型结构。
3)模型有效期。
4)AI模型输入。
5)AI模型预测结果。
可选地，AI模型相关信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，AI模型输入，包括以下至少一项：
1)服务小区和/或至少一个候选小区在当前时刻的小区信号质量。
2)服务小区和/或至少一个候选小区在当前时刻的波束信号质量。
3)服务小区和/或至少一个候选小区在历史时刻的小区信号质量。
4)服务小区和/或至少一个候选小区在历史时刻的波束信号质量。
5)终端的当前移动速度和/或当前移动方向。
6)终端的历史移动速度和/或历史移动方向。
7)终端的当前天线面板信息和/或历史天线面板信息。
具体地，当前天线面板信息可以包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度。历史天线面板信息包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
8)终端的当前位置信息和/或历史位置信息。
9)服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向。
10)服务小区和/或至少一个候选小区所在的网络侧设备的天线面板信息。
11)服务频点信息、异频信息及异系统信息中的至少一项。
可选地，AI模型预测结果，包括以下至少一项：
1)服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量。
2)服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量。
3)终端在未来至少一个时间切换到至少一个候选小区的切换成功率。
4)终端在未来至少一个时间切换到至少一个候选小区的切换时延。
5)终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
可选地，非期望事件，包括以下至少一项：
1)过晚切换事件。
2)过早切换事件。
3)切换到错误的小区事件。
4)乒乓切换事件。
5)非必要切换事件。
可选地，AI模型预测触发条件，包括以下至少一项：
1)周期触发条件。
2)事件触发条件，包括测量事件对应的触发门限。
可选地，AI模型有效性判断准则，包括以下至少一项：
1)用于判断AI模型有效性的历史测量时间。
2)用于判断AI模型有效性的指标。
3)用于判断AI模型有效性的门限。
可选地，用于判断AI模型有效性的指标，包括以下至少一项：
1)预测准确率。
2)预测值和真实值的SSE、MSE及RMSE中的至少一项。
3)预测值和真实值的余弦相似度。
可选地，第一标识信息关联以下至少一项：
1)单个终端。
2)单个候选小区。
3)单个测量标识ID。
4)单个测量事件。
5)单个RRC重配置信令。
可选地，预测输出的总时长由网络侧设备预配置；或者，预测输出的总时长为基于非AI模型的测量事件对应的触发时间TimeToTrigger。
在本申请实施例中，网络侧设备的发送模块向终端发送配置信息，以指示终端采用基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
本申请实施例中的信息发送装置可以是电子设备，例如具有操作系统的电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，终端可以包括但不限于上述所列举的终端11的类型，其他设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)等，本申请实施例不作具体限定。
本申请实施例提供的信息发送装置能够实现图2至图5的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
可选地，图8是本申请实施例提供的通信设备的结构示意图。如图8所示，本申请实施例还提供一种通信设备800，包括处理器801和存储器802，存储器802上存储有可在所述处理器801上运行的程序或指令，例如，该通信设备800为终端时，该程序或指令被处理器801执行时实现上述终端的信息发送方法实施例的各个步骤，且能达到相同的技术效果。该通信设备800为网络侧设备时，该程序或指令被处理器801执行时实现上述网络侧设备的信息发送方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种终端，包括处理器和通信接口，通信接口用于接收来自网络侧设备的配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。该终端实施例与上述终端侧方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图9是本申请实施例提供的终端的硬件结构示意图。
该终端900包括但不限于：射频单元901、网络模块902、音频输出单元903、输入单元904、传感器905、显示单元906、用户输入单元907、接口单元908、存储器909以及处理器910等中的至少部分部件。
本领域技术人员可以理解，终端900还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器910逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图9中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
应理解的是，本申请实施例中，输入单元904可以包括图形处理单元(GraphicsProcessing Unit，GPU)9041和麦克风9042，图形处理器9041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元906可包括显示面板9061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板9061。用户输入单元907包括触控面板9071以及其他输入设备9072中的至少一种。触控面板9071，也称为触摸屏。触控面板9071可包括触摸检测装置和触摸控制器两个部分。其他输入设备9072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
本申请实施例中，射频单元901接收来自网络侧设备的下行数据后，可以传输给处理器910进行处理；另外，射频单元901可以向网络侧设备发送上行数据。通常，射频单元901包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器909可用于存储软件程序或指令以及各种数据。存储器909可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器909可以包括易失性存储器或非易失性存储器，或者，存储器909可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本申请实施例中的存储器909包括但不限于这些和任意其它适合类型的存储器。
处理器910可包括一个或多个处理单元；可选的，处理器910集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器910中。
在本申请实施例中，终端根据来自网络侧设备的配置信息的指示，采用基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行CHO和/或CPAC，基于AI模型预测的测量事件可以预测在未来时间内服务小区和/或至少一个候选小区的信号质量，进而终端可以根据预测的信号质量提前执行CHO和/或CPAC，避免不必要的切换，能够降低切换失败率，提高切换鲁棒性，提高服务质量。
本申请实施例还提供一种网络侧设备，包括处理器和通信接口，通信接口用于向终端发送配置信息；其中，配置信息用于指示终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；目标操作包括以下至少一项：CHO；CPAC。该网络侧设备实施例与上述网络侧设备方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。
具体地，本申请实施例还提供了一种网络侧设备。图10是本申请实施例提供的网络侧设备的结构示意图，如图10所示，该网络侧设备1000包括：天线1001、射频装置1002、基带装置1003、处理器1004和存储器1005。天线1001与射频装置1002连接。在上行方向上，射频装置1002通过天线1001接收信息，将接收的信息发送给基带装置1003进行处理。在下行方向上，基带装置1003对要发送的信息进行处理，并发送给射频装置1002，射频装置1002对收到的信息进行处理后经过天线1001发送出去。
以上实施例中网络侧设备执行的方法可以在基带装置1003中实现，该基带装置1003包括基带处理器。
基带装置1003例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图10所示，其中一个芯片例如为基带处理器，通过总线接口与存储器1005连接，以调用存储器1005中的程序，执行以上方法实施例中所示的网络设备操作。
该网络侧设备还可以包括网络接口1006，该接口例如为通用公共无线接口(common public radio interface，CPRI)。
具体地，本发明实施例的网络侧设备1000还包括：存储在存储器1005上并可在处理器1004上运行的指令或程序，处理器1004调用存储器1005中的指令或程序执行图7所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述信息发送方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述信息发送方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。
本申请实施例另提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现上述信息发送方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种信息发送系统，包括：终端及网络侧设备，所述终端可用于执行如上所述的信息发送方法的步骤，所述网络侧设备可用于执行如上所述的信息发送方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (34)

1.一种信息发送方法，其特征在于，包括：
终端接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
2.根据权利要求1所述的信息发送方法，其特征在于，所述配置信息，包括以下至少一项：
AI模型相关信息；
AI模型预测触发条件；
AI模型有效性判断准则，用于判断AI模型有效性；
第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估；
预测输出的总时长；
预测输出的时间点个数或时间间隔；
基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
3.根据权利要求2所述的信息发送方法，其特征在于，所述AI模型相关信息，包括以下至少一项：
模型标识；
模型结构；
模型有效期；
AI模型输入；
AI模型预测结果。
4.根据权利要求2或3所述的信息发送方法，其特征在于，所述AI模型相关信息关联以下至少一项：
单个终端；单个候选小区；单个测量标识ID；单个测量事件；单个无线资源控制RRC重配置信令。
5.根据权利要求3所述的信息发送方法，其特征在于，所述AI模型输入，包括以下至少一项：
服务小区和/或至少一个候选小区在当前时刻的小区信号质量；
服务小区和/或至少一个候选小区在当前时刻的波束信号质量；
服务小区和/或至少一个候选小区在历史时刻的小区信号质量；
服务小区和/或至少一个候选小区在历史时刻的波束信号质量；
所述终端的当前移动速度和/或当前移动方向；
所述终端的历史移动速度和/或历史移动方向；
所述终端的当前天线面板信息和/或历史天线面板信息；
所述终端的当前位置信息和/或历史位置信息；
服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向；
服务小区和/或至少一个候选小区所在的所述网络侧设备的天线面板信息；
服务频点信息、异频信息及异系统信息中的至少一项。
6.根据权利要求5所述的信息发送方法，其特征在于，所述当前天线面板信息包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度；
所述历史天线面板信息包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
7.根据权利要求3所述的信息发送方法，其特征在于，所述AI模型预测结果，包括以下至少一项：
服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量；
服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量；
所述终端在未来至少一个时间切换到至少一个候选小区的切换成功率；
所述终端在未来至少一个时间切换到至少一个候选小区的切换时延；
所述终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
8.根据权利要求7所述的信息发送方法，其特征在于，所述非期望事件，包括以下至少一项：
过晚切换事件；
过早切换事件；
切换到错误的小区事件；
乒乓切换事件；
非必要切换事件。
9.根据权利要求2所述的信息发送方法，其特征在于，所述AI模型预测触发条件，包括以下至少一项：
周期触发条件；
事件触发条件，包括测量事件对应的触发门限。
10.根据权利要求2所述的信息发送方法，其特征在于，所述AI模型有效性判断准则，包括以下至少一项：
用于判断AI模型有效性的历史测量时间；
用于判断AI模型有效性的指标；
用于判断AI模型有效性的门限。
11.根据权利要求10所述的信息发送方法，其特征在于，所述用于判断AI模型有效性的指标，包括以下至少一项：
预测准确率；
预测值和真实值的和方差SSE、均方误差MSE及均方根误差RMSE中的至少一项；
预测值和真实值的余弦相似度cosine similarity。
12.根据权利要求2所述的信息发送方法，其特征在于，所述第一标识信息关联以下至少一项：
单个终端；单个候选小区；单个测量标识ID；单个测量事件；单个无线资源控制RRC重配置信令。
13.根据权利要求2所述的信息发送方法，其特征在于，所述预测输出的总时长由所述网络侧设备预配置；
或者，所述预测输出的总时长为所述基于非AI模型的测量事件对应的触发时间TimeToTrigger。
14.根据权利要求1至13任一项所述的信息发送方法，其特征在于，在所述终端接收来自网络侧设备的配置信息之后，所述方法还包括：
所述终端基于所述配置信息对测量事件进行评估，得到评估结果；所述测量事件包括基于AI模型预测的测量事件和/或基于非AI模型的测量事件；
所述终端在所述评估结果满足目标事件的情况下，选择所述评估结果对应的候选小区执行目标操作。
15.根据权利要求14所述的信息发送方法，其特征在于，所述终端基于所述配置信息对测量事件进行评估，包括以下任意一项：
所述终端在所述配置信息指示使用AI模型预测结果对测量事件进行评估的情况下，确定AI模型预测结果，基于所述AI模型预测结果评估测量事件；
所述终端在基于所述配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于所述AI模型预测结果评估测量事件；
所述终端在所述配置信息指示使用AI模型预测结果对测量事件进行评估，且基于所述配置信息确定AI模型有效的情况下，确定AI模型预测结果，基于所述AI模型预测结果评估测量事件；
所述终端在所述配置信息指示不使用AI模型预测结果对测量事件进行评估，和/或基于所述配置信息确定AI模型无效的情况下，获取服务小区和/或至少一个候选小区的测量值，基于所述测量值评估测量事件。
16.根据权利要求14所述的信息发送方法，其特征在于，所述目标事件，包括以下至少一项：
至少一个基于AI模型预测的测量事件；各所述基于AI模型预测的测量事件分别对应各自的进入条件和/或离开条件；
至少一个基于非AI模型的测量事件；各所述基于非AI模型的测量事件分别对应各自的进入条件和/或离开条件。
17.一种信息发送方法，其特征在于，包括：
网络侧设备向终端发送配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
18.根据权利要求17所述的信息发送方法，其特征在于，所述配置信息，包括以下至少一项：
AI模型相关信息；
AI模型预测触发条件；
AI模型有效性判断准则，用于判断AI模型有效性；
第一标识信息，用于指示是否使用AI模型预测结果对测量事件进行评估；
预测输出的总时长；
预测输出的时间点个数或时间间隔；
基于AI模型预测的测量事件，用于基于AI模型预测结果判断测量事件的进入条件和/或离开条件是否满足。
19.根据权利要求18所述的信息发送方法，其特征在于，所述AI模型相关信息，包括以下至少一项：
模型标识；
模型结构；
模型有效期；
AI模型输入；
AI模型预测结果。
20.根据权利要求18或19所述的信息发送方法，其特征在于，所述AI模型相关信息关联以下至少一项：
单个终端；单个候选小区；单个测量标识ID；单个测量事件；单个无线资源控制RRC重配置信令。
21.根据权利要求19所述的信息发送方法，其特征在于，所述AI模型输入，包括以下至少一项：
服务小区和/或至少一个候选小区在当前时刻的小区信号质量；
服务小区和/或至少一个候选小区在当前时刻的波束信号质量；
服务小区和/或至少一个候选小区在历史时刻的小区信号质量；
服务小区和/或至少一个候选小区在历史时刻的波束信号质量；
所述终端的当前移动速度和/或当前移动方向；
所述终端的历史移动速度和/或历史移动方向；
所述终端的当前天线面板信息和/或历史天线面板信息；
所述终端的当前位置信息和/或历史位置信息；
服务小区和/或至少一个候选小区所关联的网络侧设备的位置和/或天线面板朝向；
服务小区和/或至少一个候选小区所在的所述网络侧设备的天线面板信息；
服务频点信息、异频信息及异系统信息中的至少一项。
22.根据权利要求21所述的信息发送方法，其特征在于，所述当前天线面板信息包括以下至少一项：当前天线面板朝向；当前天线面板旋转方向；当前天线面板旋转速度；
所述历史天线面板信息包括以下至少一项：历史天线面板朝向；历史天线面板旋转方向；历史天线面板旋转速度。
23.根据权利要求19所述的信息发送方法，其特征在于，所述AI模型预测结果，包括以下至少一项：
服务小区和/或至少一个候选小区在未来时间内至少一个时间的信号质量；
服务小区和/或至少一个候选小区在未来时间内至少一个时间的波束质量；
所述终端在未来至少一个时间切换到至少一个候选小区的切换成功率；
所述终端在未来至少一个时间切换到至少一个候选小区的切换时延；
所述终端在未来至少一个时间切换到至少一个候选小区的情况下，发生非期望事件的概率。
24.根据权利要求23所述的信息发送方法，其特征在于，所述非期望事件，包括以下至少一项：
过晚切换事件；
过早切换事件；
切换到错误的小区事件；
乒乓切换事件；
非必要切换事件。
25.根据权利要求18所述的信息发送方法，其特征在于，所述AI模型预测触发条件，包括以下至少一项：
周期触发条件；
事件触发条件，包括测量事件对应的触发门限。
26.根据权利要求18所述的信息发送方法，其特征在于，所述AI模型有效性判断准则，包括以下至少一项：
用于判断AI模型有效性的历史测量时间；
用于判断AI模型有效性的指标；
用于判断AI模型有效性的门限。
27.根据权利要求26所述的信息发送方法，其特征在于，所述用于判断AI模型有效性的指标，包括以下至少一项：
预测准确率；
预测值和真实值的和方差SSE、均方误差MSE及均方根误差RMSE中的至少一项；
预测值和真实值的余弦相似度cosine similarity。
28.根据权利要求18所述的信息发送方法，其特征在于，所述第一标识信息关联以下至少一项：
单个终端；单个候选小区；单个测量标识ID；单个测量事件；单个无线资源控制RRC重配置信令。
29.根据权利要求18所述的信息发送方法，其特征在于，所述预测输出的总时长由所述网络侧设备预配置；
或者，所述预测输出的总时长为所述基于非AI模型的测量事件对应的触发时间TimeToTrigger。
30.一种信息发送装置，其特征在于，包括：
接收模块，用于接收来自网络侧设备的配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
31.一种信息发送装置，其特征在于，包括：
发送模块，用于向终端发送配置信息；其中，所述配置信息用于指示所述终端基于人工智能AI模型预测的测量事件和/或基于非AI模型的测量事件执行目标操作；所述目标操作包括以下至少一项：条件切换CHO；条件主辅小区添加或变更CPAC。
32.一种终端，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至16任一项所述的信息发送方法的步骤。
33.一种网络侧设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求17至29任一项所述的信息发送方法的步骤。
34.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至16任一项所述的信息发送方法的步骤，或者实现如权利要求17至29任一项所述的信息发送方法的步骤。
CN202210427315.9A 2022-04-21 2022-04-21 信息发送方法、装置、终端、网络侧设备及存储介质 Pending CN116980990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210427315.9A CN116980990A (zh) 2022-04-21 2022-04-21 信息发送方法、装置、终端、网络侧设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210427315.9A CN116980990A (zh) 2022-04-21 2022-04-21 信息发送方法、装置、终端、网络侧设备及存储介质

Publications (1)

Publication Number Publication Date
CN116980990A true CN116980990A (zh) 2023-10-31

Family

ID=88478322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210427315.9A Pending CN116980990A (zh) 2022-04-21 2022-04-21 信息发送方法、装置、终端、网络侧设备及存储介质

Country Status (1)

Country Link
CN (1) CN116980990A (zh)

Similar Documents

Publication Publication Date Title
CN110831041B (zh) 小区波束失败处理方法、移动通信终端和网络侧设备
US20180352492A1 (en) Cell signal strength prediction method, cell signal strength reporting method, and user equipment
US20240267800A1 (en) Communication method and apparatus, terminal, and network device
CN112399515B (zh) 通信处理方法及装置
CN112333762B (zh) 网络注册方法及装置
CN115460663A (zh) 终端网络调度方法、装置、电子设备及可读存储介质
CN116980990A (zh) 信息发送方法、装置、终端、网络侧设备及存储介质
US20240334205A1 (en) Method and device for communication processing
CN113676969B (zh) 小区重选方法、装置、终端及可读存储介质
CN117395733A (zh) 移动性控制方法、终端及网络侧设备
CN115314962A (zh) 小区接入方法和装置
CN116367246A (zh) 小区选择或重选方法、装置、终端及可读存储介质
WO2023165447A1 (zh) 小区切换方法、装置及用户设备
CN113709836B (zh) 控制方法和装置
CN116419347A (zh) 条件切换方法、终端及网络侧设备
CN117500007A (zh) 小区切换方法、装置、电子设备及可读存储介质
CN116939745A (zh) 小区切换方法、小区切换配置方法、装置、终端及网络侧设备
CN117580091A (zh) 测量上报、小区重建方法、装置、设备、系统及存储介质
CN117528611A (zh) 测量方法、装置及设备
CN117479242A (zh) 条件配置信息的处理方法、装置及终端
CN116782347A (zh) 小区确定方法、装置、电子设备及可读存储介质
CN116963092A (zh) 模型确定方法、信息传输方法、装置及相关设备
CN117793819A (zh) 小区选择和/或重选方法及装置
CN118265072A (zh) 信号处理方法、装置及设备
CN115707049A (zh) 低移动性状态的确定方法、装置、终端及网络侧设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination