CN116998137A - 用于管理服务和管理数据分析服务的机器学习支持 - Google Patents
用于管理服务和管理数据分析服务的机器学习支持 Download PDFInfo
- Publication number
- CN116998137A CN116998137A CN202280021201.2A CN202280021201A CN116998137A CN 116998137 A CN116998137 A CN 116998137A CN 202280021201 A CN202280021201 A CN 202280021201A CN 116998137 A CN116998137 A CN 116998137A
- Authority
- CN
- China
- Prior art keywords
- mda
- capability
- producer
- report
- mns
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 239
- 238000007405 data analysis Methods 0.000 title claims description 17
- 238000000034 method Methods 0.000 claims abstract description 78
- 238000012549 training Methods 0.000 claims description 61
- 238000004891 communication Methods 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 49
- 238000003860 storage Methods 0.000 claims description 45
- 238000012795 verification Methods 0.000 claims description 34
- 230000009471 action Effects 0.000 claims description 18
- 238000007726 management method Methods 0.000 description 49
- 230000006870 function Effects 0.000 description 40
- 230000008569 process Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 9
- 239000000243 solution Substances 0.000 description 9
- 238000009826 distribution Methods 0.000 description 8
- 241000700159 Rattus Species 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000013256 coordination polymer Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000013515 script Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 101150071746 Pbsn gene Proteins 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 description 2
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101100408383 Mus musculus Piwil1 gene Proteins 0.000 description 1
- 101150119040 Nsmf gene Proteins 0.000 description 1
- MJSPPDCIDJQLRE-YUMQZZPRSA-N S-methionyl-L-thiocitrulline Chemical compound CSCC[C@@H](C(S/C(\N)=N/CCC[C@@H](C(O)=O)N)=O)N MJSPPDCIDJQLRE-YUMQZZPRSA-N 0.000 description 1
- 241000278713 Theora Species 0.000 description 1
- 102100040255 Tubulin-specific chaperone C Human genes 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000009267 minimal disease activity Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000004705 quadratic configuration interaction calculation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 108010093459 tubulin-specific chaperone C Proteins 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本公开描述了与用于管理服务(MnS)的机器学习(ML)相关的系统、方法和设备。设备可以获得与5G系统(5GS)内的网络和服务相关的输入数据，以向5GS内的MnS消费者提供MDA能力。该设备可以生成一个或多个MDA报告，其中，一个或多个MDA报告包括一个或多个公共信元、与MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元。该设备可以使得向MnS消费者发送一个或多个MDA报告。
Description
相关申请的交叉引用
本申请要求2021年4月15日提交的美国临时申请No.63/175,482以及2021年4月21日提交的美国临时申请No.63/177,757的权益，两个临时申请的全部公开内容通过引用并入本文，如同完整阐述。
技术领域
本公开总体涉及用于无线通信的系统和方法，并且更具体地涉及用于管理服务(MnS)和管理数据分析服务(MDAS)的机器学习(ML)。
背景技术
无线设备正在变得越来越流行，并且越来越多地请求接入无线信道。在5G系统(5GS)中，管理数据分析(MDA)提供处理与网络和服务相关的分析输入的功能。
附图说明
图1是示出根据本公开的一个或多个示例实施例的用于管理服务(MnS)的机器学习(ML)的示例网络环境的网络图。
图2A-2C描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
图3-5描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
图6描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
图7示出了根据本公开的一个或多个示例实施例的用于MnS系统的说明性ML的过程的流程图。
图8示出了根据本公开的一个或多个示例实施例的示例网络架构。
图9示意性地示出了根据本公开的一个或多个示例实施例的无线网络。
图10示出了根据本公开的一个或多个示例实施例的计算设备的组件。
具体实施方式
以下详细描述参照附图。在不同的附图中可以使用相同的附图标记来识别相同或相似的元件。在以下描述中，出于解释而非限制的目的，阐述了具体细节，例如特定结构、架构、接口、技术等，以便提供对各种实施例的各个方面的透彻理解。然而，对受益于本公开的本领域技术人员将显而易见的是，可以在脱离这些具体细节的其他示例中实践各种实施例的各个方面。在某些情况下，省略了对众所周知的设备、电路和方法的描述，以免不必要的细节掩盖对各种实施例的描述。出于本文件的目的，短语“A或B”和“A/B”表示(A)、(B)或(A和B)。
机器学习(ML)能力可以用于支持一种或多种管理服务(MnS)，3GPP TS中缺少用于支持各种MnS的ML能力的通用方面(包括场景、要求和解决方案)。
具体来说，ML能力可以用于管理数据分析服务(MDAS)。然而，需要定义ML与MDAS之间的关系、为MDAS实现ML的要求和解决方案。因此，本公开的一些实施例定义为MnS和MDAS实现ML的方法和解决方案。
上述描述是为了说明的目的，并不意味着限制。可以存在许多其他示例、配置、过程、算法等，其中的一些在下面更详细地描述。现在将参照附图描述示例实施例。
图1描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
在一个或多个实施例中，用于MnS系统的ML可以促进用于MnS的ML支持的通用方面。
在一个或多个实施例中，MnS(例如，MDAS)可以由ML能力支持。
在一个或多个实施例中，用于MnS系统的ML可以提供用于MnS的ML能力。
在一些实施例中，当ML用于MnS时，提供以下ML能力来支持MnS，如图1所示。
在一些实施例中，ML能力可以由生产者提供给消费者，并且ML模型需要部署在ML能力生产者中。本文档不解决如何部署ML模型。
在一个或多个实施例中，在ML模型训练中，ML能力产生者训练ML模型(例如，训练ML模型的算法)，以能够在处理用于MnS的输入时提供预期输出。ML能力生产者可以基于消费者提供的训练数据(包括训练输入和预期输出)来训练ML模型，并向消费者提供训练报告。ML能力生产者可以基于消费者提供的验证反馈(包括训练报告验证反馈和处理输出验证反馈)来重新训练ML模型。
在一个或多个实施例中，在数据处理中，ML能力生产者使用经训练的ML模型来处理输入数据，并生成用于MnS的处理输出。ML能力生产者向消费者提供处理输出。
在一个或多个实施例中，在验证中，ML能力消费者可以验证与MnS相关的训练报告和/或处理输出，并向生产者提供验证反馈。训练报告验证反馈可以指示训练是否满足了预期，并且处理输出验证反馈可以指示输出是错误的还是准确的。
应当理解，以上描述是为了说明的目的而不意味着限制。
图2A-2C描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
在一个或多个实施例中，用于MnS系统的ML可以促进ML与MnS之间的关系。可以通过以下可能的方式提供ML能力来支持MnS：
1)MnS生产者充当ML能力消费者。MnS生产者充当ML能力消费者，如图2A所示，并且不向MnS消费者开放ML能力。
2)MnS生产者充当ML能力生产者，并且向MnS消费者开放ML能力。MnS生产者充当ML能力生产者，如图2B所示，并且向MnS消费者开放ML能力(例如，MnS消费者也充当ML能力消费者)。
3)MnS生产者私下使用ML能力，并且不向MnS消费者开放ML能力。MnS生产者私下使用ML能力(例如，MnS生产者充当ML能力生产者和ML能力消费者两者)，如图2C所示，并且不向MnS消费者开放ML能力。
在一个或多个实施例中，用于MnS系统的ML可以促进用于MDA的ML支持的具体方面。
在一个或多个实施例中，MDA可以由ML能力支持。所提供的用于支持的MnS的ML能力的通用方面可适用于MDA。下面提供ML如何能够支持MDA以及ML与MDA之间可能的关系的具体方面。
图3-5描绘了根据本公开的一个或多个示例实施例的用于MnS的ML的说明性示意图。
在一个或多个实施例中，在ML能力支持MDA的情况下，ML与MnS之间的通用关系可适用于MDA。这具体提供了ML与MDAS之间的关系。ML能力可以通过以下方式支持MDA：
1)MDAS生产者充当ML能力消费者。MDAS生产者充当ML能力消费者，如图3所示，并且不向MDAS消费者开放ML能力。
2)MDAS生产者充当ML能力生产者，并且向MDAS消费者开放ML能力。MDAS生产者充当ML能力生产者，如图4所示，并且向MDAS消费者开放ML能力(例如，MDAS消费者也充当ML能力消费者)。
3)MDAS生产者私下使用ML能力，并且不向MDAS消费者开放ML能力。MDAS生产者私下使用ML能力(例如，MDAS生产者充当ML能力生产者和ML能力消费者两者)，如图5所示，并且不向MDAS消费者开放ML能力。
当使用ML能力支持MDA时，MDAS生产者可以或可以不向MDAS消费者开放ML能力。在向MDAS消费者开放ML能力的情况下，MDAS生产者可以基于MDAS消费者提供的用于MDA的训练数据(包括训练输入和预期输出)来训练ML模型，并将用于MDA的训练报告提供给MDAS消费者。MDAS生产者可以基于MDAS消费者提供的验证反馈(包括训练报告验证反馈和MDA报告验证反馈)重新训练ML模型。
在不向MDAS消费者开放ML能力的情况下，MDAS生产者可以：1)当MDAS生产者支持ML能力时，训练(或重新训练)ML模型，或2)当MDAS生产者消费来自外部实体(例如，第三方)的ML能力时，请求训练(或重新训练)ML模型，而无需MDAS消费者参与，但考虑消费者提供的MDA报告验证反馈。
在一个或多个实施例中，用于MnS的ML可以提供以下要求。
REQ-MDA_ML-FUN-1：MDAS生产者应当具有允许消费者提供用于MDA的ML模型训练数据，并根据消费者提供的训练数据来训练ML模型的能力。
REQ-MDA_ML-FUN-2：MDAS生产者应当具有在考虑消费者提供的MDA报告验证反馈的情况下训练(或重新训练)用于MDA的ML模型的能力。
REQ-MDA_ML-FUN-3：MDAS生产者应当具有向消费者提供ML模型训练(包括重新训练)报告的能力。
REQ-MDA_ML-FUN-4：MDAS生产者应当具有允许消费者提供用于MDA的ML模型训练报告验证反馈，并基于训练报告重新训练ML模型的能力。
应当理解，以上描述是为了说明的目的而不意味着限制。
图6描绘了根据本公开的一个或多个示例实施例的用于MDA过程的说明性示意图。
在一个或多个实施例中，MDA提供处理与网络和服务相关的分析输入(历史的和当前的)(例如，性能测量、跟踪/MDT/RLF/RCEF报告、服务质量(QoS)和体验(QoE)报告、警报、配置数据、网络分析数据等)以生成分析输出的能力，并且MDAS生产者向消费者提供MDA报告(包含分析输出)。
MDA具有分析各种问题的能力，并分别提供分析输出。MDA可以发现新问题，跟踪状态，并提供对现有问题的更新。可以在一个MDA报告中提供针对多个相关问题的分析输出。
MDA报告的公共信元。MDA能力的细节定义如下，包括针对每个MDA能力的描述、MDA类型、分析输入和特定分析输出。
此外，MDAS生产者允许消费者提供MDA报告验证反馈，并且可以使用该反馈来优化MDA过程(例如，在ML能力用于MDA的情况下进行ML模型训练)，以便提供更准确的分析输出。
表1：MDA报告的公共信元。
在一个或多个实施例中，MDA报告的公共信元可以是可用的并且对于MDA报告是公共的。一些信元对于MDA报告是公共的，例如，这些公共信元在各种MDA报告中提供。MDA报告的公共信元在表1中定义。
在一个或多个实施例中，RAN覆盖问题可能导致UE停止服务或导致向UE提供的网络性能降级，例如随机接入、寻呼、RRC连接建立或切换失败、数据吞吐量低、异常释放RRC连接或UE上下文、以及QoE不满意。
存在各种类型的覆盖问题，例如弱覆盖、覆盖盲区、导频污染、过覆盖、或DL和UL信道覆盖不匹配等，它们由不同种类的原因引起，例如弱发射功率不足、受建筑物阻挡、受地形限制。5G相关覆盖问题可能存在于NR、E-UTRA或两者中。
为了解决覆盖问题，MDAS消费者需要知道问题发生的时间和地点以及问题的类型和原因这些细节。因此，期望MDA关联和分析多重数据(例如，性能测量、MDT报告、无线链路失败(RLF)报告、RRC连接建立失败(RCEF)报告、UE位置报告以及地理、地形和RAN的配置数据)，以使用此详细的信息来检测和描述问题。
为了帮助MDAS消费者尽快解决覆盖问题，MDA还可以提供推荐的补救动作(例如，重新配置或添加一些小区、波束、天线等)以及对问题的描述。
用于覆盖问题分析的MDA类型是CoverageAnalysis.CoverageIssue。
表2中提供了用于覆盖问题分析的分析输入。
表2：用于覆盖问题分析的分析输入。
在一个或多个实施例中，除了MDA报告的公共信元(参见条款7.2)之外，表3中还提供了用于覆盖问题分析的分析输出的特定信元。
表3：用于覆盖问题分析的分析输出
在一个或多个实施例中，验证反馈和验证与ML能力相关的训练报告关联。验证反馈和验证与MDAS生产者相关的MDA报告关联。MDA能力用于覆盖问题分析。
在一个或多个实施例中，MDA报告的公共信元用于以下信息中的一个或多个：
-唯一识别MDAS生产者与消费者之间的MDA报告的标识符；
-MDA报告生成的时间；
-用于分析对应的问题的MDA能力的类型的指示；
-MDA报告中所描述的问题的标识符；
-MDA报告中所描述的问题的原因；
-MDA报告中所描述的问题的严重等级；
-MDA报告中所描述的问题开始的时间；
-MDA报告中所描述的问题最近更新的时间；
-MDA报告中所描述的问题停止的时间；
-受MDA报告中所描述的问题影响的MOI；
-用于解决MDA报告中所描述的问题的推荐动作。推荐动作可以是创建、修改和/或删除3GPP MOI，和/或调用一个或多个non-3GPP(例如，ETSI ISG NFV)操作。
在一个或多个实施例中，分析输入包括以下至少一个：
-以下的性能测量：
--服务NR小区的每SSB(波束)的SS-RSRP分布；
--相邻NR小区的每SSB(波束)的SS-RSRP分布；
--用于NR小区的相邻E-UTRA小区的RSRP分布；
--用于NR小区的功率裕量分布；
--用于NR小区的宽带CQI分布；
--用于NR小区的定时提前分布；
--UE上下文释放请求(gNB-DU发起的)的数量；
--每SSB的UE上下文释放请求(gNB-DU发起的)的数量；
--UE上下文释放请求(gNB-CU发起的)的数量；
--每SSB的UE上下文释放请求(gNB-CU发起的)的数量；
--每SSB(波束)每TA仓的平均RSRP；
--用于ng-eNB的RSRP相关测量；
--用于ng-eNB的UE功率裕量相关测量；
--用于ng-eNB的宽带CQI分布；
--用于ng-eNB的平均子带CQI；
--用于ng-eNB的UE Rx–Tx时间差相关测量；
--用于ng-eNB的AOA相关测量；
--用于ng-eNB的定时提前分布；
--由ng-eNodeB发起的UE上下文释放请求的数量。
-包含服务小区和相邻小区的RSRP以及UE位置的MDA报告；
-包含最后一个服务小区和相邻小区的RSRP以及UE位置的RLF报告；
-包含最后一个服务小区和相邻小区的RSRP以及UE位置的RLF报告；
-由LCS提供的能够用以与MDT报告关联的UE位置信息；
-已部署的RAN(NG-RAN和E-UTRAN)的地理信息(经度、纬度、海拔)。
-RAN(NG-RAN和E-UTRAN)的地形数据；
-包含影响覆盖(对于NG-RAN和E-UTRAN)的属性的NRM。
在一个或多个实施例中，MDA类型特定信元包含以下信息中的至少一个：
-覆盖问题的类型的指示；
-发生覆盖问题的地理位置区域；
-发生覆盖问题的RAT的指示。
在一个或多个实施例中，包含影响覆盖(对于NG-RAN和E-UTRAN)的属性的NRM包含以下至少一个：
-TS28.541中的NRCellDU IOC、NRSectorCarrier IOC、BWP IOC、CommonBeamformingFunction-IOC和Beam IOC；
-TS28.658中的EUtranGenericCell IOC；
-TS28.662中的SectorEquipmentFunction IOC、AntennaFunction IOC和TMAFunction IOC。
在一个或多个实施例中，覆盖问题的类型是以下之一：
-弱覆盖，
-覆盖盲区，
-导频污染，
-过覆盖，
-DlUl信道覆盖不匹配。
在一个或多个实施例中，地理位置区域由1)形成区域的边界的线的位置点的坐标(经度和纬度)以及2)区域的海拔来表示。
在一个或多个实施例中，发生覆盖问题的RAT是NR、E-UTRA或两者。
应当理解，以上描述是为了说明的目的，而不意味着限制。
图7示出了根据本公开的一个或多个示例实施例的用于MnS系统的ML的说明性过程700的流程图。
在框702，管理服务(MnS)生产者的设备可以获得与5G系统(5GS)内的网络和服务相关的输入数据，以向5GS内的MnS消费者提供MDA能力。MnS可以是管理数据分析服务(MDAS)。一个或多个公共信元可以包括对于多个管理数据分析(MDA)报告公共的信息。验证反馈可以和验证与ML能力相关的训练报告关联。MnS生产者可以能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。MnS生产者可以能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
在框704，该设备可以生成一个或多个MDA报告，其中，该一个或多个MDA报告包括一个或多个公共信元、与MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元。ML能力生产者可以被配置为：通过被配置为进行以下操作来支持用于5GS中的一个或多个MnS的ML：从ML能力消费者接收训练数据；训练ML模型；以及基于训练数据，在ML能力生产者中建立ML能力。ML能力生产者还可以被配置为：向ML能力消费者发送训练报告；以及识别从ML能力消费者接收到的验证反馈。ML能力生产者还被配置为：基于验证反馈，重新训练ML模型。
在框706，该设备可以使得向MnS消费者发送一个或多个MDA报告。
应当理解，以上描述是为了说明的目的，而不意味着限制。
图8-10示出了可以实现所公开的实施例的方面的各种系统、设备和组件。
图8示出了根据各种实施例的示例网络800。网络800可以以符合用于LTE或5G/NR系统的3GPP技术规范的方式操作。然而，示例实施例不限于此，并且所描述的实施例可以应用于受益于本文描述的原理的其他网络，例如未来的3GPP系统等。
网络800包括UE 802，UE 802是被设计为经由空中连接与RAN 804通信的任何移动或非移动计算设备。UE 802通过Uu接口与RAN 804通信耦合，Uu接口可以可适用于LTE系统和NR系统两者。UE 802的示例包括但不限于智能手机、平板计算机、可穿戴计算机、台式计算机、膝上型计算机、车载信息娱乐系统、车载娱乐系统、仪表群、头戴式显示设备(HUD)、车载诊断设备、仪表盘移动设备、移动数据终端、电子发动机管理系统、电子/发动机控制单元、电子/发动机控制模块、嵌入式系统、传感器、微控制器、控制模块、发动机管理系统、连网器具、机器类型通信设备、机器到机器(M2M)、设备到设备(D2D)、机器类型通信(MTC)设备、物联网(IoT)设备等。网络800可以包括经由D2D、ProSe、PC5和/或侧链路(SL)接口彼此直接耦合的多个UE 802。这些UE 802可以是使用物理侧链路信道(例如但不限于PSBCH、PSDCH、PSSCH、PSCCH、PSFCH等)进行通信的M2M/D2D/MTC/IoT设备和/或车载系统。UE 802可以根据本文的各种实施例执行SL信道/链路的盲解码尝试。
在一些实施例中，UE 802可以经由空中连接(OTA)另外与AP 806通信。AP 806管理WLAN连接，WLAN连接可以用于从RAN 804卸载一些/所有网络业务。UE 802与AP 806之间的连接可以符合任何IEEE 802.11协议。此外，UE 802、RAN 804和AP 806可以利用蜂窝-WLAN聚合/集成(例如，LWA/LWIP)。蜂窝-WLAN聚合可以涉及UE 802被RAN 804配置为利用蜂窝无线电资源和WLAN资源两者。
RAN 804包括一个或多个接入网节点(AN)808。AN 808通过提供接入层协议，包括RRC、PDCP、RLC、MAC和PHY/L1协议，来终止用于UE 802的空中接口。以此方式，AN 808实现CN820与UE 802之间的数据/语音连接。AN 808可以是宏小区基站，或者用于提供与宏小区相比具有更小覆盖区域、更小用户容量或更高带宽的毫微微小区、微微小区或其他类似小区的低功率基站；或者其一些组合。在这些实现中，AN 808可以被称为BS、gNB、RAN节点、eNB、ng-eNB、NodeB、RSU、TRxP等。
一个示例实现是“CU/DU分离”架构，其中，AN 808被体现为与一个或多个gNB分布式单元(DU)通信耦合的gNB中央单元(CU)，其中，每个DU可以与一个或多个无线电单元(RU)(也称为RRH、RRU等)通信耦合(参见例如3GPP TS 38.401v16.1.0(2020-03))。在一些实现中，一个或多个RU可以是单独的RSU。在一些实现中，分别代替gNB-CU和gNB-DU，或者除了gNB-CU和gNB-DU之外，CU/DU分离还可以包括ng-eNB-CU和一个或多个ng-eNB-DU。用作CU的AN 808可以实现在分立设备中，或者实现为在服务器计算机上运行的一个或多个软件实体，这些实体作为例如虚拟网络(包括虚拟基带单元(BBU)或BBU池、云RAN(CRAN)、无线电设备控制器(REC)、无线电云中心(RCC)、集中式RAN(C-RAN)、虚拟化RAN(vRAN)等(尽管这些术语可以指代不同的实现概念))的一部分。可以使用任何其他类型的架构、布置和/或配置。
多个AN可以经由X2接口(如果RAN 804是LTE RAN或演进通用陆地无线接入网(E-UTRAN)810)或Xn接口(如果RAN 804是NG-RAN 814)彼此耦合。X2/Xn接口(在一些实施例中，其可以分离成控制/用户平面接口)可以允许AN传递与切换、数据/上下文传送、移动性、负载管理、干扰协调等相关的信息。
RAN 804的AN可以各自管理一个或多个小区、小区组、分量载波等，以向UE 802提供用于网络接入的空中接口。UE 802可以同时与由RAN 804的相同或不同AN 808提供的多个小区连接。例如，UE 802和RAN 804可以使用载波聚合来允许UE 802与多个分量载波连接，每个分量载波对应于Pcell或Scell。在双连接场景中，第一AN 808可以是提供MCG的主节点，而第二AN 808可以是提供SCG的辅节点。第一/第二AN 808可以是eNB、gNB、ng-eNB等的任何组合。
RAN 804可以在授权频谱或免授权频谱上提供空中接口。为了在免授权频谱中操作，节点可以基于具有PCell/Scell的CA技术使用LAA、eLAA和/或feLAA机制。在接入免授权频谱之前，节点可以基于例如先听后说(LBT)协议执行介质/载波侦听操作。
在V2X场景中，UE 802或AN 808可以是或充当路边单元(RSU)，RSU可以指代用于V2X通信的任何交通基础设施实体。RSU可以在合适的AN或固定的(或相对固定的)UE中实现，或者由其实现。在以下项中实现或由其实现的RSU：对于UE，可以称为“UE型RSU”；对于eNB，可以称为“eNB型RSU”；对于gNB，可以称为“gNB型RSU”；等。在一个示例中，RSU是与位于路边的、向过往车辆UE提供连接支持的射频电路耦合的计算设备。RSU还可以包括内部数据存储电路，用于存储交叉路口地图几何形状、交通统计、媒体以及用于侦听和控制正在行进的车辆和行人交通的应用/软件。RSU可以提供高速事件(例如，碰撞避免、交通警告等)所需的非常低时延通信。附加地或替换地，RSU可以提供其他蜂窝/WLAN通信服务。RSU的组件可以被封装在适合于室外安装的防风雨外壳中，并且可以包括网络接口控制器，用于提供到交通信号控制器或回传网络的有线连接(例如，以太网)。
在一些实施例中，RAN 804可以是具有一个或多个eNB 812的E-UTRAN 810。E-UTRAN 810提供具有以下特性的LTE空中接口(Uu)：15kHz的SCS；用于DL的CP-OFDM波形和用于UL的SC-FDMA波形；用于数据的Turbo码和用于控制的TBCC；等。LTE空中接口可以依赖于：CSI-RS，以用于CSI采集和波束管理；PDSCH/PDCCH DMRS，以用于PDSCH/PDCCH解调；和CRS，以用于小区搜索和初始采集、信道质量测量以及信道估计以用于UE处的相干解调/检测。LTE空中接口可以在sub-6GHz频带上操作。
在一些实施例中，RAN 804可以是具有一个或多个gNB 816或一个或多个ng-eNB818的下一代(NG)-RAN 814。gNB 816使用5G NR接口与启用5G的UE 802连接。gNB 816通过NG接口与5GC 840连接，NG接口包括N2接口或N3接口。ng-eNB 818也通过NG接口与5GC 840连接，但可以经由Uu接口与UE 802连接。gNB 816和ng-eNB 818可以通过Xn接口彼此连接。
在一些实施例中，NG接口可以被分成两部分：NG用户平面(NG-U)接口，其在NG-RAN814的节点与UPF 848之间携带业务数据(例如，N3接口)；和NG控制平面(NG-C)接口，其为NG-RAN 814的节点与AMF 844之间的信令接口(例如，N2接口)。
NG-RAN 814可以提供具有以下特性的5G-NR空中接口(其也可以称为Uu接口)：可变SCS；用于DL的CP-OFDM、用于UL的CP-OFDM和DFT-s-OFDM；用于控制的极化码、Repetition码、Simplex码和Reed-Muller码以及用于数据的LDPC。类似于LTE空中接口，5G-NR空中接口可以依赖于CSI-RS、PDSCH/PDCCH DMRS。5G-NR空中接口可以不使用CRS，但可以使用用于PBCH解调的PBCH DMRS；用于对于PDSCH的相位跟踪的PTRS；和用于时间跟踪的跟踪参考信号。5G-NR空中接口可以在包括sub-6GHz频带的FR1频带或包括从24.25GHz至52.6GHz频带的FR2频带上操作。5G-NR空中接口可以包括SSB，SSB是包括PSS/SSS/PBCH的下行链路资源网格的区域。
5G-NR空中接口可以利用BWP进行各种目的。例如，BWP可以用于SCS的动态适配。例如，UE 802可以被配置有多个BWP，其中，每个BWP配置具有不同的SCS。当向UE 802指示BWP变化时，传输的SCS也变化。BWP的另一用例示例与省电相关。具体地，可以为UE 802配置具有不同量的频率资源(例如，PRB)的多个BWP，以支持不同业务负载场景下的数据传输。包含较少数量PRB的BWP可以用于具有小业务负载的数据传输，同时允许在UE 802处以及在一些情况下在gNB 816处省电。包含较大数量PRB的BWP可以用于具有较高业务负载的场景。
RAN 804以通信方式耦合到CN 820，CN 820包括用于提供各种功能的网元和/或网络功能(NF)，以对客户/订户(例如，UE 802)支持数据和电信服务。CN 820的组件可以在一个物理节点中实现，或者在分开的物理节点中实现。在一些实施例中，NFV可以用于将由CN820的网元提供的任何或所有功能虚拟化到服务器、交换机等中的物理计算/存储资源上。CN 820的逻辑实例化可以称为网络切片，而CN 820的一部分的逻辑实例化可以称为网络子切片。
CN 820可以是LTE CN 822(也称为演进分组核心(EPC)822)。EPC 822可以包括MME824、SGW 826、SGSN 828、HSS 830、PGW 832和PCRF 834，它们如所示那样通过接口(或“参考点”)彼此耦合。EPC 822中的NF简要介绍如下。
MME 824实现移动性管理功能，以跟踪UE 802的当前位置，以促进寻呼、承载激活/停用、切换、网关选择、认证等。
SGW 826朝向RAN 810终止S1接口，并在RAN 810与EPC 822之间路由数据分组。SGW826可以是用于RAN节点间切换的本地移动性锚点，并且也可以为3GPP间移动性提供锚定。其他责任可以包括合法拦截、计费和某种策略实施。
SGSN 828跟踪UE 802的位置，并执行安全功能和接入控制。SGSN828还执行用于不同RAT网络之间的移动性的EPC节点间信令；MME 824指定的PDN和S-GW选择；用于切换的MME824选择；等。MME 824与SGSN 828之间的S3参考点可以实现在空闲/活动状态下用于3GPP间接入网移动性的用户和承载信息交换。
HSS 830包括用于网络用户的数据库(包括订阅相关信息)，以支持网络实体对通信会话的处理。HSS 830可以为路由/漫游、认证、授权、命名/寻址解析、位置依赖性等提供支持。HSS 830与MME 824之间的S6a参考点可以实现订阅和认证数据的传送，以用于认证/授权用户接入EPC 820。
PGW 832可以朝向可以包括应用(app)/内容服务器838的数据网络(DN)836终止SGi接口。PGW 832在EPC 822与数据网络836之间路由数据分组。PGW 832通过S5参考点与SGW 826耦合，以促进用户平面隧道和隧道管理。PGW 832还可以包括用于策略实施和计费数据收集的节点(例如，PCEF)。此外，SGi参考点可以将PGW 832与相同或不同的数据网络836通信耦合。PGW 832可以经由Gx参考点与PCRF 834通信耦合。
PCRF 834是EPC 822的策略和计费控制元件。PCRF 834通信耦合到app/内容服务器838，以确定用于服务流的适当QoS和计费参数。PCRF 832还将关联的规则用适当TFT和QCI(经由Gx参考点)配给到PCEF。
CN 820可以是5GC 840，5GC 840包括AUSF 842、AMF 844、SMF 846、UPF 848、NSSF850、NEF 852、NRF 854、PCF 856、UDM 858和AF 860，它们如所示那样通过各种接口(或“参考点”)彼此耦合。5GC 840中的NF简要介绍如下。
AUSF 842存储用于UE 802的认证的数据，并处理认证相关功能。AUSF 842可以促进用于各种接入类型的公共认证框架。
AMF 844允许5GC 840的其他功能与UE 802和RAN 804通信，并订阅关于针对UE802的移动性事件的通知。AMF 844负责注册管理(例如，以用于注册UE 802)、连接管理、可达性管理、移动性管理、AMF相关事件的合法拦截以及接入认证和授权。AMF 844为UE 802与SMF 846之间的SM消息提供传输，并且充当用于路由SM消息的透明代理。AMF 844还为UE802与SMSF之间的SMS消息提供传输。AMF 844与AUSF 842和UE 802交互，以执行各种安全锚定和上下文管理功能。此外，AMF 844是RAN-CP接口的终止点，其包括RAN 804与AMF 844之间的N2参考点。AMF 844还是NAS(N1)信令的终止点，并执行NAS加密和完整性保护。
AMF 844还支持通过N3IWF接口与UE 802的NAS信令。N3IWF提供对不可信实体的接入。N3IWF可以是用于(R)AN 804与AMF 844之间的N2接口的终止点(对于控制平面)，并且可以是用于(R)AN 814与UPF 848之间的N3参考点的终止点(对于用户平面)。因此，AMF 844处理来自SMF 846和AMF 844的N2信令以用于PDU会话和QoS，封装/解封装分组以用于IPSec和N3隧道，在上行链路中标记N3用户平面分组，并且考虑与通过N2接收的此类标记关联的QoS要求来实施与N3分组标记对应的QoS。N3IWF还可以经由UE 802与AMF 844之间的N1参考点在UE 802与AMF 844之间中继UL和DL控制平面NAS信令，并且在UE 802与UPF 848之间中继上行链路和下行链路用户平面分组。N3IWF还提供用于与UE 802建立IPsec隧道的机制。AMF844可以展示基于Namf服务的接口，并且可以是用于两个AMF 844之间的N14参考点和AMF844与5G-EIR(图8未示出)之间的N17参考点的终止点。
SMF 846负责SM(例如，UPF 848与AN 808之间的会话建立、隧道管理)；UE IP地址分配和管理(包括可选授权)；UP功能的选择和控制；在UPF 848处配置业务引导，以将业务路由到正确的目的地；终止朝向策略控制功能的接口；控制策略实施、计费和QoS的一部分；合法拦截(用于SM事件和对LI系统的接口)；终止NAS消息的SM部分；下行链路数据通知；发起经由AMF 844通过N2发送到AN 808的AN特定SM信息；以及确定会话的SSC模式。SM指代PDU会话的管理，并且PDU会话或“会话”指代提供或实现UE 802与DN 836之间的PDU的交换的PDU连接服务。
UPF 848充当用于RAT内和RAT间移动性的锚点、到数据网络836的互连的外部PDU会话点以及支持多归属PDU会话的分支点。UPF 848还执行分组路由和转发、分组检查，实施策略规则的用户平面部分，合法拦截分组(UP收集)，执行业务使用上报，执行用户平面的QoS处理(例如，分组过滤、门控、UL/DL速率实施)，执行上行链路业务验证(例如，SDF到QoS流映射)、上行链路和下行链路中的传输级分组标记，以及执行下行链路分组缓冲和下行链路数据通知触发。UPF 848可以包括上行链路分类器，以支持将业务流路由到数据网络。
NSSF 850选择服务UE 802的一组网络切片实例。NSSF 850还确定允许的NSSAI和到订阅的S-NSSAI的映射(如果需要)。NSSF 850还基于合适的配置并可能地通过查询NRF854，来确定要用于服务UE 802的AMF集或者候选AMF 844的列表。为UE 802选择一组网络切片实例可以由UE 802所注册的AMF 844通过与NSSF 850交互来触发，这可能导致AMF 844的变化。NSSF 850可以经由N22参考点与AMF 844交互；并且可以经由N31参考点(未示出)与受访网络中的另一NSSF通信。
NEF 852安全地开放3GPP NF为第三方、内部开放/再开放、AF 860、边缘计算或雾计算系统(例如，边缘计算节点)等提供的服务和能力。在这样的实施例中，NEF 852可以认证、授权或限制AF。NEF 852还可以转换与AF 860交换的信息以及与内部网络功能交换的信息。例如，NEF 852可以在AF服务标识符与内部5GC信息之间进行转换。NEF 852也可以基于其他NF开放的能力从其他NF接收信息。该信息可以作为结构化数据存储在NEF 852处，或者使用标准化接口存储在数据存储NF处。然后，所存储的信息可以由NEF 852重新开放给其他NF和AF，或者用于其他目的(例如，分析)。
NRF 854支持服务发现功能，从NF实例接收NF发现请求，并将所发现的NF实例的信息提供给请求NF实例。NRF 854还维护可用NF实例及其支持的服务的信息。NRF 854还支持服务发现功能，其中，NRF 854从NF实例或SCP(未示出)接收NF发现请求，并向NF实例或SCP提供所发现的NF实例的信息。
PCF 856提供策略规则给控制平面功能以实施它们，并且还可以支持统一策略框架来管理网络行为。PCF 856还可以实现前端，以访问与UDM 858的UDR中的策略决策相关的订阅信息。除了如所示那样通过参考点与功能通信之外，PCF 856还展示基于Npcf服务的接口。
UDM 858处理订阅相关信息以支持网络实体对通信会话的处理，并且存储UE 802的订阅数据。例如，订阅数据可以经由UDM 858与AMF 844之间的N8参考点传递。UDM 858可以包括两个部分：应用前端和UDR。UDR可以存储用于UDM 858和PCF 856的订阅数据和策略数据、和/或用于NEF 852的开放和应用数据的结构化数据(包括用于应用检测的PFD、用于多个UE 802的应用请求信息)。基于Nudr服务的接口可以由UDR 221展示，以允许UDM 858、PCF 856和NEF 852访问一组特定的存储数据，以及读取、更新(例如，添加、修改)、删除和订阅UDR中相关数据变化的通知。UDM可以包括UDM-FE，其负责处理凭证、位置管理、订阅管理等。若干不同的前端可以在不同事务中服务同一用户。UDM-FE访问存储在UDR中的订阅信息，并执行认证凭证处理、用户标识处理、接入授权、注册/移动性管理和订阅管理。除了如所示那样通过参考点与其他NF通信之外，UDM 858还可以展示基于Nudm服务的接口。
AF 860可以提供对业务路由的应用影响，提供对NEF 852的接入，并与策略框架交互以用于策略控制。AF 860可以影响UPF 848(重新)选择和业务路由。基于运营商部署，当AF 860被认为是可信实体时，网络运营商可以允许AF 860直接与相关NF交互。此外，AF 860可以用于边缘计算实现。
5GC 840可以通过选择运营商/第三方服务以在地理上靠近UE 802附着到网络的点来启用边缘计算。这可以减少网络上的时延和负载。在边缘计算实现中，5GC 840可以选择靠近UE 802的UPF 848，并经由N6接口执行从UPF 848到DN 836的业务引导。这可以基于UE订阅数据、UE位置和AF 860提供的信息，这允许AF 860影响UPF(重新)选择和业务路由。
数据网络(DN)836可以表示各种网络运营商服务、互联网接入或可以由一个或多个服务器(包括例如应用(app)/内容服务器838)提供的第三方服务。DN 836可以是运营商外部公共网络、私有PDN网络或运营商内部分组数据网络(例如，以用于提供IMS服务)。在该实施例中，app服务器838可以经由S-CSCF或I-CSCF耦合到IMS。在一些实现中，DN 836可以表示一个或多个局域DN(LADN)，它们是可由一个或多个特定区域中的UE 802接入的DN 836(或DN名称(DNN))。在这些特定区域之外，UE 802无法接入LADN/DN 836。
附加地或替换地，DN 836可以是边缘DN 836，其为支持用于实现边缘应用的架构的(本地)数据网络。在这些实施例中，app服务器838可以表示提供app服务器功能的物理硬件系统/设备，和/或驻留在执行服务器功能的云中或边缘计算节点处的应用软件。在一些实施例中，app/内容服务器838提供边缘托管环境，边缘托管环境提供边缘应用服务器的执行所需的支持。
在一些实施例中，5GS可以使用一个或多个边缘计算节点来提供无线通信业务的接口和卸载处理。在这些实施例中，边缘计算节点可以被包括在一个或多个RAN 810、814中，或者与之共站。例如，边缘计算节点可以提供RAN 814与5GC 840中的UPF 848之间的连接。边缘计算节点可以使用在边缘计算节点内的虚拟化基础设施上实例化的一个或多个NFV实例来处理往返于RAN 814和UPF 848的无线连接。
5GC 840的接口包括参考点和基于服务的接口。参考点包括：N1(在UE 802与AMF844之间)、N2(在RAN 814与AMF 844之间)、N3(在RAN 814与UPF 848之间)、N4(在SMF 846与UPF 848之间)、N5(在PCF 856与AF 860之间)、N6(在UPF 848与DN 836之间)、N7(在SMF 846与PCF 856之间)、N8(在UDM 858与AMF 844之间)、N9(在两个UPF 848之间)、N10(在UDM 858与SMF 846之间)、N11(在AMF 844与SMF 846之间)、N12(在AUSF 842与AMF 844之间)、N13(在AUSF 842与UDM 858之间)、N14(在两个AMF 844之间；未示出)、N15(在非漫游场景的情况下在PCF 856与AMF 844之间，或者在漫游场景的情况下在受访网络中的PCF 856与AMF844之间)、N16(在两个SMF 846之间；未示出)、以及N22(在AMF 844与NSSF 850之间)。也可以使用图8中未示出的其他参考点表示。图8的基于服务的表示表示控制平面内的使得其他授权NF能够访问其服务的NF。基于服务的接口(SBI)包括：Namf(由AMF 844展示的SBI)、Nsmf(由SMF 846展示的SBI)、Nnef(由NEF 852展示的SBI)、Npcf(由PCF 856展示的SBI)、Nudm(由UDM 858展示的SBI)、Naf(由AF 860展示的SBI)、Nnrf(由NRF 854展示的SBI)、Nnssf(由NSSF 850展示的SBI)、Nausf(由AUSF 842展示的SBI)。也可以使用图8中未示出的其他基于服务的接口(例如，Nudr、N5g-eir和Nudsf)。在一些实施例中，NEF 852可以提供至边缘计算节点836x的接口，该接口可以用于处理与RAN 814的无线连接。
在一些实现中，系统800可以包括SMSF，其负责SMS订阅检查和验证，以及将SM消息从UE 802中继到其他实体(例如，SMS-GMSC/IWMSC/SMS路由器)/从其他实体中继到UE 802。SMS还可以与AMF 842和UDM 858交互，以用于UE 802可供用于SMS传输的通知过程(例如，设置UE不可达标记，以及当UE 802可供用于SMS时通知UDM 858)。
5GS还可以包括支持以下的SCP(或SCP的各个实例)：间接通信(参见例如3GPPTS23.501第7.1.1节)；委托发现(参见例如3GPP TS 23.501第7.1.1节)；消息转发和路由到目的地NF/NF服务、通信安全(例如，授权NF服务消费者访问NF服务生产者API)(参见例如3GPP TS 33.501)、负载平衡、监控、过载控制等；以及用于UDM、AUSF、UDR、PCF的发现和选择功能，其中，基于UE的SUPI、SUCI或GPSI访问存储在UDR中的订阅数据(参见例如3GPPTS23.501第6.3节)。SCP提供的负载平衡、监控、过载控制功能可以是实现方式特定的。SCP可以以分布式方式部署。在各种NF服务之间的通信路径中可以存在多于一个SCP。SCP虽然不是NF实例，但也可以分布式、冗余且可扩展地部署。
图9示意性地示出了根据各种实施例的无线网络900。无线网络900可以包括与AN904进行无线通信的UE 902。UE 902和AN 904可以与关于图8描述的类似命名组件类似，并且基本上可与之互换。
UE 902可以经由连接906与AN 904通信耦合。连接906被示为实现通信耦合的空中接口，并且可以符合蜂窝通信协议，例如LTE协议或在mmWave或sub-6GHz频率下操作的5GNR协议。
UE 902可以包括与调制解调器平台910耦合的主机平台908。主机平台908可以包括应用处理电路912，应用处理电路912可以与调制解调器平台910的协议处理电路914耦合。应用处理电路912可以运行用于UE 902的传出/传入应用数据的各种应用。应用处理电路912还可以实现一个或多个层操作，以向/从数据网络发送/接收应用数据。这些层操作可以包括传输(例如，UDP)和互联网(例如，IP)操作。
协议处理电路914可以实现一个或多个层操作，以促进通过连接906发送或接收数据。协议处理电路914实现的层操作可以包括例如MAC、RLC、PDCP、RRC和NAS操作。
调制解调器平台910还可以包括数字基带电路916，数字基带电路916可以实现一个或多个层操作，这些层操作是网络协议栈中由协议处理电路914执行的“下”层操作。这些操作可以包括例如PHY操作，包括以下中的一个或多个：HARQ-确认(ACK)功能、加扰/解扰、编码/解码、层映射/解映射、调制符号映射、接收符号/比特度量确定、多天线端口预编码/解码(其可以包括空间-时间、空间-频率或空间编码中的一个或多个)、参考信号生成/检测、前导序列生成和/或解码、同步序列生成/检测、控制信道信号盲解码以及其他相关功能。
调制解调器平台910还可以包括发送电路918、接收电路920、RF电路922和RF前端(RFFE)924，它们可以包括或连接到一个或多个天线面板926。简而言之，发送电路918可以包括数模转换器、混频器、中频(IF)组件等；接收电路920可以包括模数转换器、混频器、IF组件等；RF电路922可以包括低噪声放大器、功率放大器、功率跟踪组件等；RFFE 924可以包括滤波器(例如，表面/体声波滤波器)、开关、天线调谐器、波束赋形组件(例如，相控阵天线组件)等。发送电路918、接收电路920、RF电路922、RFFE 924和天线面板926的组件(一般称为“发送/接收组件”)的选择和布置可以特定于具体实现的细节，例如通信是TDM还是FDM，在mmWave还是sub-6GHz频率中等。在一些实施例中，发送/接收组件可以被布置在多个并行的发送/接收链中，可以被设置在相同或不同的芯片/模块中，等。
在一些实施例中，协议处理电路914可以包括控制电路(未示出)的一个或多个实例，用于为发送/接收组件提供控制功能。
可以通过和经由天线面板926、RFFE 924、RF电路922、接收电路920、数字基带电路916和协议处理电路914建立UE 902接收。在一些实施例中，天线面板926可以通过由一个或多个天线面板926的多个天线/天线元件接收的接收波束赋形信号接收来自AN 904的传输。
可以通过和经由协议处理电路914、数字基带电路916、发送电路918、RF电路922、RFFE 924和天线面板926建立UE 902发送。在一些实施例中，UE 904的发送组件可以将空间滤波应用于要发送的数据，以形成由天线面板926的天线元件发射的发送波束。
类似于UE 902，AN 904可以包括与调制解调器平台930耦合的主机平台928。主机平台928可以包括与调制解调器平台930的协议处理电路934耦合的应用处理电路932。调制解调器平台还可以包括数字基带电路936、发送电路938、接收电路940、RF电路942、RFFE电路944和天线面板946。AN 904的组件可以与UE 902的类似命名的组件类似，并且基本上可与之互换。除了如上所述执行数据发送/接收之外，AN 908的组件还可以执行各种逻辑功能，其包括例如RNC功能(例如，无线承载管理、上行链路和下行链路动态无线资源管理以及数据分组调度)。
图10示出了根据一些示例实施例的计算设备1000的组件，计算设备1000能够从机器可读或计算机可读介质(例如，非瞬时性机器可读存储介质)读取指令并执行本文讨论的任何一种或多种方法。具体来说，图10示出了硬件资源1000的图解表示，硬件资源1000包括一个或多个处理器(或处理器核)1010、一个或多个存储器/存储设备1020以及一个或多个通信资源1030，它们中的每一个可以经由总线1040或其他接口电路通信耦合。对于利用了节点虚拟化(例如，NFV)的实施例，可以执行管理程序1002，以为一个或多个网络切片/子切片提供执行环境，以利用硬件资源1000。
处理器1010包括例如处理器1012和处理器1014。处理器1010包括以下电路，例如但不限于：一个或多个处理器核以及缓存存储器、低压差稳压器(LDO)、中断控制器、串行接口(例如，SPI、I2C或通用可编程串行接口电路)、实时时钟(RTC)、定时器计数器(包括间隔定时器和看门狗定时器)、通用I/O、存储卡控制器(例如，安全数字/多媒体卡(SD/MMC)或类似接口)、移动行业处理器接口(MIPI)接口和联合测试访问组(JTAG)测试访问端口中的一个或多个。处理器1010可以是例如中央处理单元(CPU)、精简指令集计算(RISC)处理器、Acorn RISC机器(ARM)处理器、复杂指令集计算(CISC)处理器、图形处理单元(GPU)、一个或多个数字信号处理器(DSP)(例如，基带处理器)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、射频集成电路(RFIC)、一个或多个微处理器或控制器、另一处理器(包括本文讨论的那些)、或其任何合适的组合。在一些实现中，处理器电路1010可以包括一个或多个硬件加速器，其可以是微处理器、可编程处理器件(例如，FPGA、复杂可编程逻辑器件(CPLD)等)等。
存储器/存储设备1020可以包括主存储器、磁盘存储器或其任何合适的组合。存储器/存储设备1020可以包括但不限于任何类型的易失性、非易失性或半易失性存储器，例如随机存取存储器(RAM)、动态RAM(DRAM)、静态RAM(SRAM)、同步DRAM(SDRAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪存、固态存储器、相变RAM(PRAM)、电阻存储器(例如，磁阻随机存取存储器)(MRAM)等，并且可以包括来自和的三维(3D)交叉点(XPOINT)存储器。存储器/存储设备1020还可以包括永久存储设备，其可以是任何类型的临时和/或永久存储，包括但不限于非易失性存储器、光、磁和/或固态大容量存储等。
通信资源1030可以包括互连或网络接口控制器、组件或其他合适的设备，以经由网络1008与一个或多个外围设备1004或者一个或多个数据库1006或者其他网元进行通信。例如，通信资源1030可以包括有线通信组件(例如，用于经由USB、以太网、以太网、GRE隧道以太网、多协议标签交换以太网(MPLS)、USB以太网、控制器区域网(CAN)、本地互连网络(LIN)、DeviceNet、ControlNet、Data Highway+、PROFIBUS或PROFINET等耦合)、蜂窝通信组件、NFC组件、(或/>低功耗)组件、/>组件和其他通信组件。可以使用物理连接(其可以是电的(例如，“铜互连”)或光的)经由通信资源1030向/从计算设备1000提供网络连接。物理连接还包括合适的输入连接器(例如，端口、插口、插座等)和输出连接器(例如，插头、插针等)。通信资源1030可以包括一个或多个专用处理器和/或FPGA，以使用一种或多种前述网络接口协议进行通信。
指令1050可以包括软件、程序、应用、小应用、app或用于使处理器1010中的至少任一个执行本文讨论的任何一种或多种方法的其他可执行代码。指令1050可以完全地或部分地驻留在处理器1010(例如，处理器的缓存存储器内)、存储器/存储设备1020或其任何合适的组合中的至少一个内。此外，指令1050的任何部分可以从外围设备1004或数据库1006的任何组合传送到硬件资源1000。因此，处理器1010的存储器、存储器/存储设备1020、外围设备1004和数据库1006是计算机可读和机器可读介质的示例。
对于一个或多个实施例，在一个或多个前面附图中阐述的至少一个组件可以被配置为执行以下示例部分中阐述的一个或多个操作、技术、过程和/或方法。例如，上面结合一个或多个前面附图所描述的基带电路可以被配置为根据以下阐述的一个或多个示例进行操作。作为另一示例，上面结合一个或多个前面附图所描述的与UE、基站、网元等关联的电路可以被配置为根据以下在示例部分中阐述的一个或多个示例进行操作。
当前描述的实施例的附加示例包括以下非限制性实现。以下非限制性示例中的每一个可以独立存在，或者可以以任何排列或组合与下面或整个本公开提供的任何一个或多个其他示例组合。
对于一个或多个实施例，在一个或多个前面附图中阐述的至少一个组件可以被配置为执行以下示例部分中阐述的一个或多个操作、技术、过程和/或方法。例如，上面结合一个或多个前面附图所描述的基带电路可以被配置为根据以下阐述的一个或多个示例进行操作。作为另一示例，上面结合一个或多个前面附图所描述的与UE、基站、网元等关联的电路可以被配置为根据以下阐述的一个或多个示例进行操作。
以下示例属于进一步的实施例。
示例1可以包括一种管理服务(MnS)生产者的装置，包括：获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及使得向所述MnS消费者发送所述一个或多个MDA报告。
示例2可以包括示例1和/或本文一些其他示例的装置，其中，所述MnS生产者可以能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
示例3可以包括示例1和/或本文一些其他示例的装置，其中，所述MnS生产者可以能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
示例4可以包括示例3和/或本文一些其他示例的装置，其中，ML能力生产者可以被配置为：通过被配置为进行以下操作来支持用于所述5GS中的一个或多个MnS的ML：从所述ML能力消费者接收训练数据；训练ML模型；以及基于所述训练数据，在所述ML能力生产者中建立ML能力。
示例5可以包括示例4和/或本文一些其他示例的装置，其中，所述ML能力生产者可以还被配置为：向所述ML能力消费者发送训练报告；以及识别从所述ML能力消费者接收的验证反馈。
示例6可以包括示例5和/或本文一些其他示例的装置，其中，所述ML能力生产者可以还被配置为：基于所述验证反馈来重新训练所述ML模型。
示例7可以包括示例1和/或本文一些其他示例的装置，其中，所述MnS可以是管理数据分析服务(MDAS)。
示例8可以包括示例1和/或本文一些其他示例的装置，其中，所述一个或多个公共信元包括可以对于多个管理数据分析(MDA)报告公共的信息。
示例9可以包括示例5和/或本文一些其他示例的装置，其中，所述验证反馈可以和验证与ML能力相关的训练报告关联。
示例10可以包括示例8和/或本文一些其他示例的装置，其中，所述一个或多个公共信元用于以下中的至少一个或多个：唯一地识别MDAS生产者与MDAS消费者之间的MDA报告的标识符，生成所述MDA报告的时间，用于分析对应问题的MDA能力的指示类型，MDA报告中所描述的问题的标识符，MDA报告中所描述的问题的原因，MDA报告中所描述的问题的严重等级，MDA报告中所描述的问题开始的时间，MDA报告中所描述的问题最近更新的时间，MDA报告中所描述的问题停止的时间，受MDA报告中所描述的问题影响的管理对象实例(MOI)，或者用于解决MDA报告中所描述的问题的推荐动作。
示例11可以包括一种计算机可读存储介质，包括指令，在由处理电路执行所述指令时，所述指令使所述处理电路：由管理服务(MnS)生产者获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及使得向所述MnS消费者发送所述一个或多个MDA报告。
示例12可以包括示例11和/或本文一些其他示例所述的计算机可读存储介质，其中，所述MnS生产者可以能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
示例13可以包括示例11和/或本文一些其他示例的计算机可读存储介质，其中，所述MnS生产者可以能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
示例14可以包括示例13和/或本文一些其他示例的计算机可读存储介质，其中，ML能力生产者可以被配置为：通过被配置为进行以下操作来支持用于所述5GS中的一个或多个MnS的ML：从所述ML能力消费者接收训练数据；训练ML模型；以及基于所述训练数据，在所述ML能力生产者中建立ML能力。
示例15可以包括示例14和/或本文一些其他示例的计算机可读存储介质，其中，所述ML能力生产者可以还被配置为：向所述ML能力消费者发送训练报告；以及识别从所述ML能力消费者接收的验证反馈。
示例16可以包括示例15和/或本文一些其他示例的计算机可读存储介质，其中，所述ML能力生产者可以还被配置为：基于所述验证反馈来重新训练所述ML模型。
示例17可以包括示例11和/或本文一些其他示例的计算机可读存储介质，其中，所述MnS是管理数据分析服务(MDAS)。
示例18可以包括示例11和/或本文一些其他示例的计算机可读存储介质，其中，所述一个或多个公共信元包括可以对于多个管理数据分析(MDA)报告公共的信息。
示例19可以包括示例15和/或本文一些其他示例的计算机可读存储介质，其中，所述验证反馈可以和验证与ML能力相关的训练报告关联。
示例20可以包括示例18和/或本文一些其他示例的计算机可读存储介质，其中，所述一个或多个公共信元用于以下中的至少一个或多个：唯一地识别MDAS生产者与MDAS消费者之间的MDA报告的标识符，生成所述MDA报告的时间，用于分析对应问题的MDA能力的指示类型，MDA报告中所描述的问题的标识符，MDA报告中所描述的问题的原因，MDA报告中所描述的问题的严重等级，MDA报告中所描述的问题开始的时间，MDA报告中所描述的问题最近更新的时间，MDA报告中所描述的问题停止的时间，受MDA报告中所描述的问题影响的管理对象实例(MOI)，或者用于解决MDA报告中所描述的问题的推荐动作。
示例21可以包括示例20和/或本文一些其他示例的计算机可读存储介质，其中，所述推荐动作可以是创建、修改和/或删除3GPP MOI，和/或调用一个或多个non-3GPP操作。
示例22可以包括一种方法，包括：由管理服务(MnS)生产者的一个或多个处理器获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及使得向所述MnS消费者发送所述一个或多个MDA报告。
示例23可以包括示例22和/或本文一些其他示例的方法，其中，所述MnS生产者可以能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
示例24可以包括示例22和/或本文一些其他示例的方法，其中，所述MnS生产者可以能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
示例25可以包括示例24和/或本文一些其他示例的方法，其中，ML能力生产者可以被配置为：通过被配置为进行以下操作来支持用于所述5GS中的一个或多个MnS的ML：从所述ML能力消费者接收训练数据；训练ML模型；以及基于所述训练数据，在所述ML能力生产者中建立ML能力。
示例26可以包括示例25和/或本文一些其他示例的方法，其中，所述ML能力生产者可以还被配置为：向所述ML能力消费者发送训练报告；以及识别从所述ML能力消费者接收的验证反馈。
示例27可以包括示例26和/或本文一些其他示例的方法，其中，所述ML能力生产者可以还被配置为：基于所述验证反馈来重新训练所述ML模型。
示例28可以包括示例22和/或本文一些其他示例的方法，其中，所述MnS是管理数据分析服务(MDAS)。
示例29可以包括示例22和/或本文一些其他示例的方法，其中，所述一个或多个公共信元包括可以对于多个管理数据分析(MDA)报告公共的信息。
示例30可以包括示例26和/或本文一些其他示例的方法，其中，所述验证反馈可以和验证与ML能力相关的训练报告关联。
示例31可以包括示例29和/或本文一些其他示例的方法，其中，所述一个或多个公共信元用于以下中的至少一个或多个：唯一地识别MDAS生产者与MDAS消费者之间的MDA报告的标识符，生成所述MDA报告的时间，用于分析对应问题的MDA能力的指示类型，MDA报告中所描述的问题的标识符，MDA报告中所描述的问题的原因，MDA报告中所描述的问题的严重等级，MDA报告中所描述的问题开始的时间，MDA报告中所描述的问题最近更新的时间，MDA报告中所描述的问题停止的时间，受MDA报告中所描述的问题影响的管理对象实例(MOI)，或者用于解决MDA报告中所描述的问题的推荐动作。
示例32可以包括示例31和/或本文一些其他示例的方法，其中，所述推荐动作可以是创建、修改和/或删除3GPP MOI，和/或调用一个或多个non-3GPP操作。
示例33可以包括一种装置，包括用于执行示例1-32中任一方法的部件。
示例34可以包括一种网络节点，包括：通信接口；和连接到它的处理电路，被配置为执行示例1-32的方法。
示例35可以包括一种装置，该装置包括用于执行在示例1-32中任一项中描述的或与之相关的方法，或本文描述的任何其他方法或过程的一个或多个要素的部件。
示例36可以包括一种或多种非瞬时性计算机可读介质，包括指令，在由电子设备的一个或多个处理器执行指令时，指令使电子设备执行在示例1-32中任一项中描述的或与之相关的方法，或本文描述的任何其他方法或过程的一个或多个要素。
示例37可以包括一种装置，该装置包括逻辑、模块或电路，用于执行在示例1-32中任一项中描述的或与之相关的方法，或本文描述的任何其他方法或过程的一个或多个要素。
示例38可以包括如在示例1-32中任一项或者其部分或局部中描述的或与之相关的方法、技术或过程。
示例39可以包括一种装置，该装置包括：一个或多个处理器；和一种或多种计算机可读介质，包括指令，指令当由一个或多个处理器执行时，使一个或多个处理器执行在示例1-32中任一项或者其部分中描述的或与之相关的方法、技术或过程。
示例40可以包括如在示例1-32中任一项或者其部分或局部中描述的或与之相关的信号。
示例41可以包括如在示例1-32中任一项或者其部分或局部中描述的或与之相关的，或者在本公开中以其他方式描述的数据报、分组、帧、段、协议数据单元(PDU)或消息。
示例42可以包括一种用如在示例1-32中任一项或者其部分或局部中描述的或与之相关的，或者在本公开中以其他方式描述的数据编码的信号。
示例43可以包括一种用如在示例1-32中任一项或者其部分或局部中描述的或与之相关的，或者在本公开中以其他方式描述的数据报、分组、帧、段、协议数据单元(PDU)或消息编码的信号。
示例44可以包括一种携带计算机可读指令的电磁信号，其中，一个或多个处理器执行计算机可读指令使一个或多个处理器执行如在示例1-32中任一项或者其部分中描述的或与之相关的方法、技术或过程。
示例48可以包括一种包含指令的计算机程序，其中，处理元件执行程序使处理元件执行如在示例1-32中任一项或其部分中描述的或与之相关的方法、技术或过程。
示例45可以包括一种如本文所示和描述的无线网络中的信号。
示例46可以包括一种如本文所示和描述的在无线网络中通信的方法。
示例47可以包括一种用于提供如本文所示和描述的无线通信的系统。
示例48可以包括一种用于提供如本文所示和描述的无线通信的设备。
示例实现是边缘计算系统，包括用于调用或执行以上示例或本文描述的其他主题的操作的相应边缘处理设备和节点。另一示例实现是客户端端点节点，其可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是边缘计算系统内或耦合到边缘计算系统的聚合节点、网络中枢节点、网关节点或核心数据处理节点，它们可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是边缘计算系统内或耦合到边缘计算系统的接入点、基站、路边单元、街边单元或驻地单元，它们可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是边缘计算系统内或耦合到边缘计算系统的边缘配给节点、服务编排节点、应用编排节点或多租户管理节点，它们可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是边缘计算系统内或耦合到边缘计算系统的边缘节点，边缘节点操作边缘配给服务、应用或服务编排服务、虚拟机部署、容器部署、功能部署和计算管理，边缘节点可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是可操作为边缘网格、操作为具有边车(side car)装载的边缘网格、或以网格到网格通信操作的边缘计算系统，其可操作以调用或执行以上示例或本文描述的其他主题的操作。另一示例实现是包括网络功能、加速功能、加速硬件、存储硬件或计算硬件资源的各方面的边缘计算系统，其可操作以使用以上示例或本文描述的其他主题来调用或执行本文讨论的用例。另一示例实现是适于支持客户端移动性、车辆到车辆(V2V)、车辆到万物(V2X)或车辆到基础设施(V2I)场景，并且可选地根据ETSIMEC规范进行操作的边缘计算系统，其可操作以使用以上示例或本文描述的其他主题来调用或执行本文讨论的用例。另一示例实现是适于移动无线通信(包括根据3GPP 4G/LTE或5G网络能力进行配置)的边缘计算系统，其可操作以使用以上示例或本文描述的其他主题来调用或执行本文讨论的用例。另一示例实现是适于网络通信(包括根据O-RAN能力进行配置)的计算系统，其可操作以使用以上示例或本文描述的其他主题来调用或执行本文讨论的用例。
除非另外明确说明，否则任何上述示例可以与任何其他示例(或示例的组合)组合。对一个或多个实现的前述描述提供了说明和描述，而并不旨在是穷举的或将实施例的范围限于所公开的精确形式。根据以上教导，修改和变化是可能的，或者可以从各种实施例的实践中获得。
除非本文不同地使用，否则术语、定义和缩写可以与3GPP TR 21.905v16.0.0(2019-06)中定义的术语、定义和缩写一致。出于本文档的目的，以下缩写可以适用于本文讨论的示例和实施例。
表4缩写：
/>
/>
/>
/>
/>
/>
/>
前面的描述提供了对各种示例实施例的说明和描述，但并不旨在是穷举的或将实施例的范围限制于所公开的精确形式。根据上述教导，修改和变化是可能的，或者可以从各种实施例的实践中获得。在阐述具体细节以便描述本公开的示例实施例的情况下，对于本领域技术人员来说应当显而易见的是，可以在没有这些具体细节，或者具有这些具体细节的变化的情况下实践本公开。然而，应当理解，无意将本公开的概念限制于所公开的特定形式，而是相反，意图是覆盖符合本公开和所附权利要求的所有修改、等同物和替换物。
本文使用的术语仅用于描述特定实施例的目的，并且不旨在限制本公开。如本文所使用的，单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文清楚地另有指示。还应当理解，术语“包括”和/或“包含”当在本说明书中使用时，指明所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。
出于本公开的目的，短语“A和/或B”是指(A)、(B)或(A和B)。出于本公开的目的，短语“A、B和/或C”是指(A)、(B)、(C)、(A和B)、(A和C)、(B和C)或(A、B和C)。说明书可能使用短语“在实施例中”或“在一些实施例中”，其各自可以指代相同或不同实施例中的一个或多个。此外，如关于本公开的实施例所使用的术语“包括”、“包含”、“具有”等是同义的。
本文使用了术语“耦合”、“通信耦合”及其派生词。术语“耦合”可以指两个或更多个元件彼此直接物理接触或电接触，可以指两个或更多个元件间接彼此接触但仍然彼此协作或交互，和/或可以指一个或多个其他元件耦合或连接在被称为彼此耦合的元件之间。术语“直接耦合”可以意味着两个或更多个元件彼此直接接触。术语“通信耦合”可以意味着两个或更多个元件可以通过通信手段(包括通过有线或其他互连连接、通过无线通信信道或链路等)彼此接触。
本文使用的术语“电路”指代以下被配置为提供所描述的功能的硬件组件，为其一部分，或包括它们：例如电子电路、逻辑电路、处理器(共享的、专用的或群组)和/或存储器(共享的、专用的或群组)、专用集成电路(ASIC)、现场可编程器件(FPD)(例如，现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、复杂PLD(CPLD)、高容量PLD(HCPLD)、结构化ASIC或可编程SoC)、数字信号处理器(DSP)等。在一些实施例中，电路可以执行一个或多个软件或固件程序，以提供至少一些所描述的功能。术语“电路”还可以指代一个或多个硬件元件与程序代码的组合(或者电气或电子系统中使用的电路与程序代码的组合)，硬件元件用以执行该程序代码的功能。在这些实施例中，硬件元件和程序代码的组合可以被称为特定类型的电路。
本文使用的术语“处理器电路”指代能够顺序地且自动地执行一系列算术或逻辑操作、或者记录、存储和/或传送数字数据的电路，为其一部分，或者包括它们。处理电路可以包括用于执行指令的一个或多个处理核以及用于存储程序和数据信息的一个或多个存储器结构。术语“处理器电路”可以指代一个或多个应用处理器、一个或多个基带处理器、物理中央处理单元(CPU)、单核处理器、双核处理器、三核处理器、四核处理器，和/或能够执行或以其他方式操作计算机可执行指令(例如，程序代码、软件模块和/或功能进程)的任何其他设备。处理电路可以包括更多的硬件加速器，它们可以是微处理器、可编程处理设备等。一个或多个硬件加速器可以包括例如计算机视觉(CV)和/或深度学习(DL)加速器。术语“应用电路”和/或“基带电路”可以被认为是“处理器电路”的同义词，并且可以称为“处理器电路”。
本文使用的术语“存储器”和/或“存储器电路”指代用于存储数据的一个或多个硬件设备，包括RAM、MRAM、PRAM、DRAM和/或SDRAM、核心存储器、ROM、磁盘存储介质、光存储介质、闪存设备或其他用于存储数据的机器可读介质。术语“计算机可读介质”可以包括但不限于存储器、便携式或固定式存储设备、光存储设备和能够存储、包含或携带指令或数据的各种其他介质。
本文使用的术语“接口电路”指代使得能够在两个或更多个组件或设备之间交换信息的电路，为其一部分，或包括它们。术语“接口电路”可以指代一个或多个硬件接口，例如总线、I/O接口、外围组件接口、网络接口卡等。
本文使用的术语“用户设备”或“UE”指代具有无线电通信能力的设备，并且可以描述通信网络中的网络资源的远程用户。术语“用户设备”或“UE”可以被认为是以下术语的同义词，并且可以称为它们：客户端、移动台、移动设备、移动终端、用户终端、移动单元、移动站、移动用户、订户、用户、远程站、接入代理、用户代理、接收机、无线电设备、可重配置无线电设备、可重配置移动设备等。此外，术语“用户设备”或“UE”可以包括任何类型的无线/有线设备或包含无线通信接口的任何计算设备。
本文使用的术语“网元”指代用于提供有线或无线通信网络服务的物理或虚拟化设备和/或基础设施。术语“网元”可以被认为是以下术语的同义词和/或称为它们：连网计算机、连网硬件、网络设备、网络节点、路由器、交换机、集线器、网桥、无线网络控制器、RAN设备、RAN节点、网关、服务器、虚拟化VNF、NFVI等。
本文使用的术语“计算机系统”指代任何类型互连电子设备、计算机设备或其组件。此外，术语“计算机系统”和/或“系统”可以指代计算机的彼此通信耦合的各种组件。此外，术语“计算机系统”和/或“系统”可以指代彼此通信耦合的并且被配置为共享计算和/或连网资源的多个计算机设备和/或多个计算系统。
本文使用的术语“器具”、“计算机器具”等指代具有专门设计以提供特定计算资源的程序代码(例如，软件或固件)的计算机设备或计算机系统。“虚拟器具”是要由配备管理程序的设备实现的虚拟机镜像，该设备虚拟化或模拟计算机器具或以其他方式专用于提供特定计算资源。术语“元件”指代在给定抽象层级上不可分割并且具有明确定义的边界的单元，其中，元件可以是任何类型的实体，包括例如一个或多个设备、系统、控制器、网元、模块等，或者其组合。术语“设备”指代嵌入在其附近的另一物理实体内部或附连到它的物理实体，具有从该物理实体传送数字信息或向该物理实体传送数字信息的能力。术语“实体”指代架构或设备的独特组件，或作为净荷传输的信息。术语“控制器”指代具有影响物理实体(例如，通过改变其状态或使物理实体移动)的能力的元件或实体。
术语“云计算”或“云”指代用于在具有按需自服务配给和监管且无需用户的主动管理的情况下，实现对可扩展且弹性的可共享计算资源池的网络访问的范式。云计算提供云计算服务(或云服务)，云计算服务是经由云计算提供的使用定义的接口(例如，API等)调用的一种或多种能力。术语“计算资源”或简称“资源”指代计算机系统或网络内的有限可用性的任何实体或虚拟组件或者这些组件的使用。计算资源的示例包括对服务器、处理器、存储设备、存储器设备、存储器区域、网络、电力、输入/输出(外围)设备、机械设备、网络连接(例如，信道/链路、端口、网络插口等)、操作系统、虚拟机(VM)、软件/应用、计算机文件等的持续一时间段的使用/访问。“硬件资源”可以指代由物理硬件元件提供的计算、存储和/或网络资源。“虚拟化资源”可以指代由虚拟化基础设施提供给应用、设备、系统等的计算资源、存储资源和/或网络资源。术语“网络资源”或“通信资源”可以指代计算机设备/系统可经由通信网络访问的资源。术语“系统资源”可以指代用于提供服务的任何种类的共享实体，并且可以包括计算资源和/或网络资源。系统资源可以看作可通过服务器访问的一组连贯功能、网络数据对象或服务，其中，这些系统资源驻留在单个主机或多个主机上，并且是可清楚地识别的。如本文使用的那样，术语“云服务提供商”(或CSP)指示典型地运营(例如，公有云的上下文中使用的)由集中式、区域性和边缘数据中心组成的大规模“云”资源的组织。在其他示例中，CSP也可以称为云服务运营商(CSO)。对“云计算”的引用通常指代由CSP或CSO在远程位置处提供的计算资源和服务，相对于边缘计算具有至少一些增加的时延、距离或约束。
如本文使用的那样，术语“数据中心”指代旨在容纳多个高性能计算和数据存储节点，使得在单个位置处存在大量的计算资源、数据存储资源和网络资源的专门设计的结构。这常常需要专用机架和外壳系统、合适的加热、冷却、通风、安全、灭火和电力输送系统。在一些上下文中，该术语也可以指代计算和数据存储节点。数据中心在规模上可以在集中式或云数据中心(例如，最大)、区域数据中心和边缘数据中心(例如，最小)之间变化。
如本文使用的那样，术语“边缘计算”指代在更靠近网络的“边缘”或“边缘”集合的位置处实现、协调和使用计算资源。在网络的边缘处部署计算资源可以减少应用和网络时延，减少网络回传业务和关联的能耗，提升服务能力，提升针对安全性或数据隐私要求的合规性(尤其与传统云计算相比)，并且改善总拥有权成本。如本文使用的那样，术语“边缘计算节点”指代设备、网关、网桥、系统或子系统、组件的形式的有计算能力的元件的真实世界、逻辑或虚拟化实现，无论操作在服务器、客户端、端点还是对等模式下，且无论是位于网络的“边缘”处还是网络内更远的连接位置处。本文使用的对“节点”的引用通常可与“设备”、“组件”和“子系统”互换；然而，对“边缘计算系统”或“边缘计算网络”的引用通常指代多个节点和设备的分布式架构、组织或集合，并且其被组织为在边缘计算设置中完成或提供服务或资源的一些方面。
附加地或替换地，术语“边缘计算”指代使得运营商和第三方服务托管于UE的附着接入点附近，以通过传输网络上的减少的端到端时延和负载实现高效服务交付的概念，如[6]中所描述的。如本文使用的那样，术语“边缘计算服务提供商”指代提供边缘计算服务的移动网络运营商或第三方服务提供商。如本文使用的那样，术语“边缘数据网络”指代支持用于实现边缘应用的架构的本地数据网络(DN)。如本文使用的那样，术语“边缘托管环境”指代提供边缘应用服务器的执行所需的支持的环境。如本文使用的那样，术语“应用服务器”指代执行服务器功能的驻留在云中的应用软件。
术语“物联网”或“IoT”指代能够在很少或没有人为交互的情况下传送数据的相互有关的计算设备、机械和数字机器的系统，并且可以涉及诸如实时分析、机器学习和/或AI、嵌入式系统、无线传感器网络、控制系统、自动化(例如，智能家居、智能建筑和/或智慧城市技术)等的技术。IoT设备通常是没有重型计算或存储能力的低功耗设备。“边缘IoT设备”可以是网络的边缘处部署的任何种类的IoT设备。
如本文使用的那样，术语“集群”指代物理实体(例如，不同的计算系统、网络或网络群组)、逻辑实体(例如，应用、功能、安全构造、容器)等形式的作为一个(或多个)边缘计算系统的一部分的一组或一套实体。在一些位置中，“集群”也称为“群组”或“域”。可以基于条件或功能(包括：根据动态或基于属性的成员资格、根据网络或系统管理场景、或根据以下讨论的可以在集群中添加、修改或删除实体的各种示例技术)修改或影响集群的成员资格。集群可以还包括或关联于多个层、层级或属性(包括基于这些层、层级或属性的安全特征和结果的变化)。
术语“应用”可以指代用于在操作环境中实现特定功能的完整且可部署的包、环境。术语“AI/ML应用”等可以是包含一些AI/ML模型和应用级描述的应用。术语“机器学习”或“ML”指代使用实现算法和/或统计模型的计算机系统不使用显式指令，而是改为依赖于模式和推理执行特定任务。ML算法基于样本数据(称为“训练数据”、“模型训练信息”等)构建或估计数学模型(称为“ML模型”等)，以便在没有显式编程以执行这些任务的情况下进行预测或决策。通常，ML算法是从关于一些任务和一些性能度量的经验进行学习的计算机程序，而ML模型可以是在用一个或多个训练数据集训练ML算法之后创建的任何对象或数据结构。在训练之后，ML模型可以用以对新数据集进行预测。虽然术语“ML算法”指代与术语“ML模型”不同的概念，但为了本公开的目的，可以可互换地使用本文讨论的这些术语。
术语“机器学习模型”、“ML模型”等也可以指代由ML辅助解决方案使用的ML方法和概念。“ML辅助解决方案”是在操作期间使用ML算法解决特定用例的解决方案。ML模型包括有监督学习(例如，线性回归、k最近邻(KNN)、决策树算法、支持机器矢量、贝叶斯算法、集成算法等)、无监督学习(例如，K均值聚类、主成分分析(PCA)等)、强化学习(例如，Q学习、深度RL等)、神经网络等。取决于实现，特定ML模型可以具有许多子模型作为组件，并且ML模型可以一起训练所有子模型。在推理期间，单独训练的ML模型也可以在ML管道中链接在一起。“ML管道”是对于ML辅助解决方案特定的一组功能性、功能或功能实体；ML管道可以包括数据管道、模型训练管道、模型评估管道和参与者中的一个或若干数据源。“参与者”是使用ML模型推理的输出托管ML辅助解决方案的实体。术语“ML训练主机”指代托管模型的训练的实体(例如，网络功能)。术语“ML推理主机”指代在推理模式(其包括模型执行以及任何在线学习(如果适用)二者)期间托管模型的实体(例如，网络功能)。ML主机向参与者通知ML算法的输出，并且参与者针对动作做出决策(作为ML辅助解决方案输出的结果，“动作”由参与者执行)。术语“模型推理信息”指代用作对ML模型的输入以用于确定推理的信息；用以训练ML模型的数据和用以确定推理的数据可能重叠，然而，“训练数据”和“推理数据”指代不同的概念。
本文使用的术语“实例化(instantiate)”、“实例化(instantiation)”等指代实例的创建。“实例”也指代可以出现在例如程序代码的执行期间的对象的具体出现。术语“信元”指代包含一个或多个字段的结构元素。术语“字段”指代信元的各个内容或包含内容的数据元素。如本文使用的那样，“数据库对象”、“数据结构”等可以指代对象、属性值对(AVP)、键值对(KVP)、元组等形式的信息的任何表示，并且可以包括变量、数据结构、函数、方法、类、数据库记录、数据库字段、数据库实体、数据和/或数据库实体之间的关联(也称为“关系”)、区块链实现中的块以及块之间的链接等。
本文使用的“信息对象”指代结构化数据的集合和/或信息的任何表示，并且可以包括例如电子文档(或“文档”)、数据库对象、数据结构、文件、音频数据、视频数据、原始数据、存档文件、应用包和/或信息的任何其他类似表示。术语“电子文档”或“文档”可以指代用以记录数据的数据结构、计算机文件或资源，并包括各种文件类型和/或数据格式(例如，文字处理文档、电子表格、幻灯片演示、多媒体项目、网页和/或源代码文档等)。作为示例，信息对象可以包括标记和/或源代码文档(例如，HTML、XML、JSON、CSS、JSP、MessagePackTM、/>ThriftTM、ASN.1、/>协议缓冲区(protobuf)或一些其他文档/格式(例如，本文讨论的文档/格式))。信息对象可以具有逻辑结构和物理结构二者。在物理上，信息对象包括称为实体的一个或多个单元。实体是包含内容并由名称识别的存储单元。实体可以指代使其包括于信息对象中的其他实体。信息对象开始于文档实体中，文档实体也称为根元素(或“根”)。在逻辑上，信息对象包括一个或多个声明、元素、注释、字符引用和处理指令，所有这些均在信息对象中(例如，使用标记)指示。
本文使用的术语“数据项”指代在某个时间点具有至少一个特定性质的特定对象的原子状态。这样的对象通常由对象名称或对象标识符识别，并且这样的对象的性质通常被定义为数据库对象(例如，字段、记录等)、对象实例或数据元素(例如，标记语言元素/标签等)。附加地或替换地，本文使用的术语“数据项”可以指代数据元素和/或内容项，虽然这些术语可以指代不同的概念。本文使用的术语“数据元素”或“元素”指代在给定的抽象等级下不可分割且具有明确定义的边界的单元。数据元素是信息对象(例如，电子文档)的逻辑组件，其可以开始于起始标签(例如，“<element>”)并结束于匹配结束标签(例如，“</element>”)，或者仅具有空元素标签(例如，“<element/>”)。起始标签与结束标签之间的任何字符(如果有)是元素的内容(本文称为“内容项”等)。
实体的内容可以包括一个或多个内容项，每个内容项具有关联的数据类型表示。内容项可以包括例如属性值、字符值、URI、限定名(qnames)、参数等。qname是信息对象中的元素、属性或标识符的完全限定名称。qname将命名空间的URI与该命名空间中的元素、属性或标识符的本地名称关联。为了进行该关联，qname为本地名称分配与其命名空间对应的前缀。qname包括命名空间的URI、前缀和本地名称。命名空间用以在信息对象中提供唯一命名的元素和属性。内容项可以包括文本内容(例如，“<element>content item</element>”)、属性(例如，“<element attribute＝"attributeValue">”)和称为“子元素”的其他元素(例如，“<element1><element2>content item</element2></element1>”)。“属性”可以指代包括存在于起始标签或空元素标签内的名称-值对的标记构造。属性包含与其元素相关的数据和/或控制元素的行为。
本文使用的术语“信道”指代用以传递数据或数据流的任何有形或无形的传输介质。术语“信道”可以同义于和/或等同于“通信信道”、“数据通信信道”、“传输信道”、“数据传输信道”、“接入信道”、“数据接入信道”、“链路”、“数据链路”、“载波”、“射频载波”和/或任何表示传递数据所通过的通路或介质的其他类似术语。此外，本文使用的术语“链路”指代出于发送和接收信息的目的，在两个设备之间通过RAT的连接。如本文使用的那样，术语“无线电技术”指代用于无线发送和/或接收电磁辐射以用于信息传送的技术。术语“无线接入技术”或“RAT”指代用于对基于无线电的通信网络的底层物理连接的技术。如本文使用的那样，术语“通信协议”(有线或无线)指代由通信设备和/或系统实现以与其他设备和/或系统进行通信的一组标准化规则或指令，包括用于封装/解封装数据、调制/解调信号、实现协议栈等的指令。
如本文使用的那样，术语“无线电技术”指代用于无线发送和/或接收电磁辐射以用于信息传送的技术。术语“无线接入技术”或“RAT”指代用于对基于无线电的通信网络的底层物理连接的技术。如本文使用的那样，术语“通信协议”(有线或无线)指代由通信设备和/或系统实现以与其他设备和/或系统进行通信的一组标准化规则或指令，包括用于封装/解封装数据、调制/解调信号、实现协议栈等的指令。可以在各种实施例中使用的无线通信协议的示例包括全球移动通信系统(GSM)无线电通信技术、通用分组无线电服务(GPRS)无线电通信技术、增强数据速率GSM演进(EDGE)无线电通信技术和/或第三代合作伙伴项目(3GPP)无线电通信技术(包括例如3GPP第五代(5G)或新空口(NR)、通用移动电信系统(UMTS)、多媒体访问自由(FOMA)、长期演进(LTE)、LTE高级(LTE-A)、LTE Extra、LTE-A Pro、cdmaOne(2G)、码分多址2000(CDMA 2000)、蜂窝数字分组数据(CDPD)、Mobitex、电路交换数据(CSD)、高速CSD(HSCSD)、通用移动电信系统(UMTS)、宽带码分多址(W-CDM)、高速分组接入(HSPA)、HSPA Plus(HSPA+)、时分-码分多址(TD-CDMA)、时分-同步码分多址(TD-SCDMA)、LTE LAA、MuLTEfire、UMTS陆地无线电接入(UTRA)、演进UTRA(E-UTRA)、优化演进数据或仅演进数据(EV-DO)、高级移动电话系统(AMPS)、数字AMPS(D-AMPS)、全接入通信系统/扩展全接入通信系统(TACS/ETACS)、即按即说(PTT)、移动电话系统(MTS)、改进式移动电话系统(IMTS)、高级移动电话系统(AMTS)、蜂窝数字分组数据(CDPD)、DataTAC、集成数字增强网络(iDEN)、个人数字蜂窝(PDC)、个人手持电话系统(PHS)、宽带集成数字增强网络(WiDEN)、iBurst、免授权移动接入(UMA)(也称为3GPP通用接入网或GAN标准))、蓝牙低功耗(BLE)、基于IEEE 802.15.4的协议(例如，低功耗无线个域网上的IPv6(6LoWPAN)、无线HART、MiWi、Thread、802.11a等)、WiFi直连、ANT/ANT+、ZigBee、Z-Wave、3GPP设备到设备(D2D)或邻近服务(ProSe)、通用即插即用(UPnP)、低功耗广域网(LPWAN)、由Semtech和LoRa联盟开发的远距离广域网(LoRA)或LoRaWANTM、Sigfox、无线千兆联盟(WiGig)标准、全球微波接入互操作性(WiMAX)、通用mmWave标准(例如，操作在10GHz-300GHz及以上的无线系统(例如，WiGig、IEEE 802.11ad、IEEE 802.11ay等))、V2X通信技术(包括3GPP C-V2X)、专用短距离通信(DSRC)通信系统(例如，包括欧洲ITS-G5、ITS-G5B、ITS-G5C等的智能交通系统(ITS))。除了上面列出的标准之外，出于本公开的目的，可以使用任何数量的卫星上行链路技术，包括例如符合国际电信联盟(ITU)、或欧洲电信标准协会(ETSI)等发布的标准的无线电。因此，本文提供的示例被理解为可适用于现有的和尚未制定的各种其他通信技术。
术语“接入网”指代用以连接用户设备和服务提供商的、使用无线电技术、RAT和/或通信协议的任何组合的任何网络。在WLAN的上下文中，“接入网”是连接到提供商服务的终端与接入路由器之间的IEEE 802局域网(LAN)或城域网(MAN)。术语“接入路由器”指代终止来自终端的介质接入控制(MAC)服务并根据互联网协议(IP)地址将用户业务转发到信息服务器的路由器。
术语“SMTC”指代由SSB-MeasurementTimingConfiguration配置的基于SSB的测量定时配置。术语“SSB”指代同步信号/物理广播信道(SS/PBCH)块，其包括主同步信号(PSS)、辅同步信号(SSS)和PBCH。术语“主小区”指代操作在主频率上的MCG小区，在其中，UE执行初始连接建立过程或发起连接重建立过程。术语“主SCG小区”对于DC操作指代UE当执行重配置&同步过程时执行随机接入的SCG小区。术语“辅小区”对于配置有CA的UE指代在特殊小区的顶部提供附加无线电资源的小区。术语“辅小区组”对于配置有DC的UE指代包括PSCell和零个或多个辅小区的服务小区的子集。术语“服务小区”对于未配置有CA/DC的RRC_CONNECTED下的UE指代主小区，仅存在包括主小区的一个服务小区。术语“服务小区”或“多个服务小区”对于配置有CA的RRC_CONNECTED下的UE指代包括特殊小区和所有辅小区的小区集合。术语“特殊小区”对于DC操作指代MCG的PCell或SCG的PSCell；否则，术语“特殊小区”指代Pcell。
术语“A1策略”指代使用正式声明表达的声明性策略的类型，这些策略使得SMO中的non-RT RIC功能能够指导near-RT RIC功能，并且因此指导RAN朝向更好地履行RAN意图。
术语“A1富集信息”指代near-RT RIC利用的信息，该信息在SMO/non-RT RIC处从非网络数据源或从网络功能本身收集或导出。
术语“基于A1策略的业务引导处理模式”指代通过A1策略将Near-RT RIC配置为使用业务引导动作来确保比它在后台业务引导中所确保的更具体的网络性能概念(例如，应用于RAN中的E2节点和UE的较小组)的操作模式。
术语“后台业务引导处理模式”指代通过O1将near-RT RIC配置为使用业务引导动作来确保广泛应用于RAN中的E2节点和UE的通用后台网络性能的操作模式。
术语“基线RAN行为”指代SMO在E2节点处配置的默认RAN行为。
术语“E2”指代连接Near-RT RIC和一个或多个O-CU-CP、一个或多个O-CU-UP、一个或多个O-DU以及一个或多个O-eNB的接口。
术语“E2节点”指代终止E2接口的逻辑节点。在该版本的规范中，终止E2接口的ORAN节点是：对于NR接入：O-CU-CP、O-CU-UP、O-DU或任意组合；以及对于E-UTRA接入：O-eNB。
在O-RAN系统/实现的上下文中，术语“意图”指代引导或指导RAN功能的行为的声明性策略，从而允许RAN功能计算最优结果以实现既定目标。
术语“O-RAN非实时RAN智能控制器”或“non-RT RIC”指代一种逻辑功能，其实现对RAN元件和资源的非实时控制和优化、AI/ML工作流(包括模型训练和更新)以及Near-RTRIC中的应用/特征的基于策略的指导。
术语“Near-RT RIC”或“O-RAN近实时RAN智能控制器”指代一种逻辑功能，其实现经由细粒度(例如，UE基础、小区基础)通过E2接口对RAN元件和资源的近实时控制和优化。
术语“O-RAN中央单元”或“O-CU”指代托管RRC、SDAP和PDCP协议的逻辑节点。
术语“O-RAN中央单元–控制平面”或“O-CU-CP”指代托管RRC和PDCP协议的控制平面部分的逻辑节点。
术语“O-RAN中央单元–用户平面”或“O-CU-UP”指代托管PDCP协议的用户平面部分和SDAP协议的逻辑节点。
术语“O-RAN分布式单元”或“O-DU”指代基于下层功能划分托管RLC/MAC/High-PHY层的逻辑节点。
术语“O-RAN eNB”或“O-eNB”指代支持E2接口的eNB或ng-eNB。
术语“O-RAN无线电单元”或“O-RU”指代基于下层功能划分托管Low-PHY层和RF处理的逻辑节点。这类似于3GPP的“TRP”或“RRH”，但更具体地包括Low-PHY层(FFT/iFFT、PRACH提取)。
术语“O1”指代编排&管理实体(Orchestration/NMS)与O-RAN管理元件之间的接口，以用于操作和管理，通过该接口应当实现FCAPS管理、软件管理、文件管理和其他类似功能。
术语“RAN UE组”指代也基于A1策略的范围通过E2过程在E2节点中设置分组的UE的聚合。这些组然后可以成为E2 CONTROL或POLICY消息的目标。
术语“业务引导动作”指代使用一种机制来改变RAN行为。此类动作包括E2过程，例如CONTROL和POLICY。
术语“业务引导内环”指代业务引导处理的、由来自E2节点的周期性TS相关KPM(关键性能测量)的到达触发的部分，其包括UE分组、设置自RAN的附加数据收集、以及选择和执行一个或多个优化动作以实施业务引导策略。
术语“业务引导外环”指代业务引导处理的、由near-RT RIC基于来自A1策略设置或更新的信息、A1富集信息(EI)和/或Near-RT RIC评估的结果来设置或更新业务引导感知资源优化过程而触发的部分，其包括相关A1策略的初始配置(前提条件)和注入、用于TS变化的触发条件。
术语“业务引导处理模式”指代将RAN或Near-RT RIC配置为确保特定网络性能的操作模式。该性能包括诸如小区负载和吞吐量的方面，并且可以不同地应用于不同的E2节点和UE。在整个该过程中，使用业务引导动作来履行该配置的要求。
术语“业务引导目标”指代网络期望的预期性能结果，其通过O1配置给Near-RTRIC。
此外，任何所公开的实施例和示例实现可以通过各种类型的硬件、软件、固件、中间件或其组合的形式(包括控制逻辑的形式)体现，并且以模块化或集成的方式使用此类硬件或软件。此外，本文描述的任何软件组件或功能可以被实现为可操作以由处理器电路执行的软件、程序代码、脚本、指令等。可以使用任何合适的计算机语言来开发这些组件、功能、程序等，计算机语言例如是Python、PyTorch、NumPy、Ruby、Ruby on Rails、Scala、Smalltalk、JavaTM、C++、C#、“C”、Kotlin、Swift、Rust、Go(或“Golang”)、EMCAScript、JavaScript、TypeScript、Jscript、ActionScript、服务器端JavaScript(SSJS)、PHP、Pearl、Lua、Torch/Lua与Just-In Time编译器(LuaJIT)、加速移动页面脚本(AMPscript)、VBScript、JavaServer Pages(JSP)、活动服务器页面(ASP)、Node.js、ASP.NET、JAMscript、超文本标记语言(HTML)、可扩展HTML(XHTML)、可扩展标记语言(XML)、XML用户界面语言(XUL)、可缩放矢量图形(SVG)、RESTful API建模语言(RAML)、wiki标记或Wikitext、无线标记语言(WML)、Java脚本对象概念(JSON)、MessagePackTM、级联样式表(CSS)、可扩展样式表语言(XSL)、胡子模板语言、车把模板语言、指南模板语言(GTL)、/>Thrift、抽象句法符号一(ASN.1)、/>协议缓冲(protobuf)、比特币脚本、/>字节码、SolidityTM、Vyper(Python衍生)、Bamboo、Lisp类语言(LLL)、由BlockstreamTM提供的Simplicity、Rholang、Michelson、Counterfactual、Plasma、Plutus、Sophia、和/或任何其他编程语言或开发工具(包括专有编程语言和/或开发工具)。软件代码可以作为计算机或处理器可执行指令或命令存储在物理非瞬时性计算机可读介质上。合适的介质的示例包括RAM、ROM、磁介质(例如，硬盘驱动器或软盘)、或光介质(例如，压缩盘(CD)或DVD(数字多功能盘)、闪存等)，或者此类存储或传输设备的任何组合。/>
Claims (25)
1.一种管理服务(MnS)生产者的装置，所述装置包括耦合到存储的处理电路，所述处理电路被配置为：
获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；
生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及
使得向所述MnS消费者发送所述一个或多个MDA报告。
2.根据权利要求1所述的装置，其中，所述MnS生产者能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
3.根据权利要求1所述的装置，其中，所述MnS生产者能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
4.根据权利要求3所述的装置，其中，ML能力生产者被配置为：通过被配置为进行以下操作来支持用于所述5GS中的一个或多个MnS的ML：
从所述ML能力消费者接收训练数据；
训练ML模型；以及
基于所述训练数据，在所述ML能力生产者中建立ML能力。
5.根据权利要求4所述的装置，其中，所述ML能力生产者还被配置为：
向所述ML能力消费者发送训练报告；以及
识别从所述ML能力消费者接收的验证反馈。
6.根据权利要求5所述的装置，其中，所述ML能力生产者还被配置为：
基于所述验证反馈来重新训练所述ML模型。
7.根据权利要求1所述的装置，其中，所述MnS是管理数据分析服务(MDAS)。
8.根据权利要求1所述的装置，其中，所述一个或多个公共信元包括对于多个管理数据分析(MDA)报告公共的信息。
9.根据权利要求5所述的装置，其中，所述验证反馈和验证与ML能力相关的训练报告关联。
10.根据权利要求8所述的装置，其中，所述一个或多个公共信元用于以下中的至少一个或多个：
唯一地识别MDAS生产者与MDAS消费者之间的MDA报告的标识符，
生成所述MDA报告的时间，
用于分析对应问题的MDA能力的指示类型，
MDA报告中所描述的问题的标识符，
MDA报告中所描述的问题的原因，
MDA报告中所描述的问题的严重等级，
MDA报告中所描述的问题开始的时间，
MDA报告中所描述的问题最近更新的时间，
MDA报告中所描述的问题停止的时间，
受MDA报告中所描述的问题影响的管理对象实例(MOI)，或者
用于解决MDA报告中所描述的问题的推荐动作。
11.一种计算机可读存储介质，包括指令，在由处理电路执行所述指令时，所述指令使所述处理电路：
由管理服务(MnS)生产者获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；
生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及
使得向所述MnS消费者发送所述一个或多个MDA报告。
12.根据权利要求11所述的计算机可读存储介质，其中，所述MnS生产者能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
13.根据权利要求11所述的计算机可读存储介质，其中，所述MnS生产者能够充当机器学习(ML)能力消费者，以从ML能力生产者接收ML能力。
14.根据权利要求13所述的计算机可读存储介质，其中，ML能力生产者被配置为：通过被配置为进行以下操作来支持用于所述5GS中的一个或多个MnS的ML：
从所述ML能力消费者接收训练数据；
训练ML模型；以及
基于所述训练数据，在所述ML能力生产者中建立ML能力。
15.根据权利要求14所述的计算机可读存储介质，其中，所述ML能力生产者还被配置为：
向所述ML能力消费者发送训练报告；以及
识别从所述ML能力消费者接收的验证反馈。
16.根据权利要求15所述的计算机可读存储介质，其中，所述ML能力生产者还被配置为：
基于所述验证反馈来重新训练所述ML模型。
17.根据权利要求11所述的计算机可读存储介质，其中，所述MnS是管理数据分析服务(MDAS)。
18.根据权利要求11所述的计算机可读存储介质，其中，所述一个或多个公共信元包括对于多个管理数据分析(MDA)报告公共的信息。
19.根据权利要求15所述的计算机可读存储介质，其中，所述验证反馈和验证与ML能力相关的训练报告关联。
20.根据权利要求18所述的计算机可读存储介质，其中，所述一个或多个公共信元用于以下中的至少一个或多个：
唯一地识别MDAS生产者与MDAS消费者之间的MDA报告的标识符，
生成所述MDA报告的时间，
用于分析对应问题的MDA能力的指示类型，
MDA报告中所描述的问题的标识符，
MDA报告中所描述的问题的原因，
MDA报告中所描述的问题的严重等级，
MDA报告中所描述的问题开始的时间，
MDA报告中所描述的问题最近更新的时间，
MDA报告中所描述的问题停止的时间，
受MDA报告中所描述的问题影响的管理对象实例(MOI)，或者
用于解决MDA报告中所描述的问题的推荐动作。
21.根据权利要求20中任一项所述的计算机可读存储介质，其中，所述推荐动作可以是创建、修改和/或删除3GPP MOI，和/或调用一个或多个non-3GPP操作。
22.一种方法，包括：
由管理服务(MnS)生产者的一个或多个处理器获得与5G系统(5GS)内的网络和服务相关的输入数据，以向所述5GS内的MnS消费者提供MDA能力；
生成一个或多个MDA报告，其中，所述一个或多个MDA报告包括一个或多个公共信元、与所述MDA能力关联的至少一个MDA类型、以及一个或多个MDA类型特定信元；以及
使得向所述MnS消费者发送所述一个或多个MDA报告。
23.根据权利要求22所述的方法，其中，所述MnS生产者能够充当机器学习(ML)能力生产者，以向ML能力消费者提供ML能力。
24.一种装置，包括用于执行根据权利要求22-23所述的任一方法的部件。
25.一种网络节点，包括：通信接口；和处理电路，连接到所述通信接口，并被配置为执行权利要求22-23所述的方法。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US63/175,482 | 2021-04-15 | ||
| US202163177757P | 2021-04-21 | 2021-04-21 | |
| US63/177,757 | 2021-04-21 | ||
| PCT/US2022/024758 WO2022221495A1 (en) | 2021-04-15 | 2022-04-14 | Machine learning support for management services and management data analytics services |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116998137A true CN116998137A (zh) | 2023-11-03 |
Family
ID=88523649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280021201.2A Pending CN116998137A (zh) | 2021-04-15 | 2022-04-14 | 用于管理服务和管理数据分析服务的机器学习支持 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116998137A (zh) |
-
2022
- 2022-04-14 CN CN202280021201.2A patent/CN116998137A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022221260A1 (en) | O-cloud lifecycle management service support | |
| WO2022087482A1 (en) | Resource allocation for new radio multicast-broadcast service | |
| CN116134941A (zh) | 用于处理上行链路控制信道和上行链路数据信道的重叠的用户设备内优先化 | |
| WO2022031553A1 (en) | Data plane for big data and data as a service in next generation cellular networks | |
| US20240196178A1 (en) | Data functions and procedures in the non-real time radio access network intelligent controller | |
| WO2022221495A1 (en) | Machine learning support for management services and management data analytics services | |
| CN116868556A (zh) | 用于实现网内计算服务的机制 | |
| WO2022087489A1 (en) | Downlink control information (dci) based beam indication for new radio (nr) | |
| CN116998137A (zh) | 用于管理服务和管理数据分析服务的机器学习支持 | |
| US20240155393A1 (en) | Measurement reporting efficiency enhancement | |
| CN117480804A (zh) | 支持管理数据分析（mda）以用于覆盖问题分析的测量和位置数据 | |
| CN117136531A (zh) | 用于统一数据存储库（udr）的性能测量 | |
| CN117546456A (zh) | 用于网络开放功能的性能测量 | |
| CN117378182A (zh) | 5g系统的负载均衡优化 | |
| US20240187071A1 (en) | Time domain restriction for channel state information reference signal configuration | |
| CN117546450A (zh) | 关于位置管理对位置管理功能的性能测量 | |
| CN117397219A (zh) | 用于网络暴露功能的策略授权和事件暴露的性能测量 | |
| US20240154761A1 (en) | Phase tracking reference signal (pt-rs) pattern determination | |
| WO2024026515A1 (en) | Artificial intelligence and machine learning entity testing | |
| WO2023069750A1 (en) | Good cell quality criteria | |
| WO2024076852A1 (en) | Data collection coordination function and network data analytics function framework for sensing services in next generation cellular networks | |
| WO2024015747A1 (en) | Session management function selection in cellular networks supporting distributed non-access stratum between a device and network functions | |
| WO2024031028A1 (en) | Activation and deactivation of semi-persistent scheduling using multi-cell techniques | |
| WO2024091970A1 (en) | Performance evaluation for artificial intelligence/machine learning inference | |
| WO2024020519A1 (en) | Systems and methods for sharing unstructured data storage function services |
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 |