CN117014120A - 测量反馈方法、装置及存储介质 - Google Patents
测量反馈方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117014120A CN117014120A CN202210474687.7A CN202210474687A CN117014120A CN 117014120 A CN117014120 A CN 117014120A CN 202210474687 A CN202210474687 A CN 202210474687A CN 117014120 A CN117014120 A CN 117014120A
- Authority
- CN
- China
- Prior art keywords
- model
- resource set
- information
- resources
- index
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 23
- 238000013139 quantization Methods 0.000 claims description 16
- 230000006835 compression Effects 0.000 claims description 12
- 238000007906 compression Methods 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 11
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 26
- 238000007726 management method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 101100096715 Bacillus anthracis ssb gene Proteins 0.000 description 1
- 101001041669 Oryctolagus cuniculus Corticostatin 1 Proteins 0.000 description 1
- 241001505100 Succisa pratensis Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例提供一种测量反馈方法、装置及存储介质,其中方法包括:确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。本申请通过确定需要进行推理的至少一个第一资源集合,以及与该至少一个第一资源集合存在关联关系的至少一个AI模型,利用相关联的至少一个第一资源集合和至少一个AI模型,推理得到反馈信息,利用AI模型提升测量和管理的精度,降低测量资源的测量开销,缩短测量周期。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种测量方法、装置及存储介质。
背景技术
在新空口(New Radio,NR)系统中,由于无线信道的复杂性和时变特性,终端(UserEquipment,UE)往往需要进行信道测量,获得信道状态信息(Channel State Information,CSI)等,并把CSI等反馈信息反馈给网络设备,以便让网络设备根据UE反馈的CSI等反馈信息更好地进行资源调度。
目前在进行信道测量和测量反馈时,以反馈测量对象的信息、不反馈未测量对象的信息为原则,测量精度较低,且测量开销较高。并且反馈的内容仅限于反映测量对象中测量资源的测量结果。对于未包含在测量对象中的测量资源,反馈信息中并不包含它们的相关信息。
发明内容
针对相关技术存在的问题,本申请实施例提供一种测量反馈方法、装置及存储介质。
第一方面,本申请实施例提供一种测量反馈方法,包括:
确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
第二方面,本申请实施例还提供一种测量反馈方法,包括:
接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
第三方面,本申请实施例还提供一种终端设备,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行如上所述第一方面提供的测量反馈方法。
第四方面,本申请实施例还提供一种网络设备,包括存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行如上所述第二方面提供的测量反馈方法。
第五方面,本申请实施例还提供一种测量反馈装置,包括:
第一确定单元,用于确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
第二确定单元,用于基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
第六方面,本申请实施例还提供一种测量反馈装置,包括:
接收单元,用于接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
第七方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行如上所述第一方面或第二方面提供的测量反馈方法。
第八方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行如上所述第一方面或第二方面提供的测量反馈方法。
第九方面,本申请实施例还提供一种通信设备可读存储介质,所述通信设备可读存储介质存储有计算机程序,所述计算机程序用于使通信设备执行如上所述第一方面或第二方面提供的测量反馈方法。
第十方面,本申请实施例还提供一种芯片产品可读存储介质,所述芯片产品可读存储介质存储有计算机程序,所述计算机程序用于使芯片产品执行如上所述第一方面或第二方面提供的测量反馈方法。
本申请实施例提供的测量反馈方法、装置及存储介质,通过确定需要进行推理的至少一个第一资源集合,以及与该至少一个第一资源集合存在关联关系的至少一个AI模型,利用相关联的至少一个第一资源集合和至少一个AI模型,推理得到反馈信息,利用AI模型提升测量和管理的精度,降低测量资源的测量开销,缩短测量周期。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是相关技术提供的测量反馈方法的流程示意图;
图2是本申请实施例提供的测量反馈方法的流程示意图之一;
图3是本申请实施例提供的测量资源集合和AI模型关联的示意图;
图4是本申请实施例提供的构成级联的AI模型的结构示意图;
图5是本申请实施例提供的构成并联的AI模型的结构示意图之一;
图6是本申请实施例提供的构成并联的AI模型的结构示意图之二;
图7是本申请实施例提供的构成并联的AI模型的结构示意图之三;
图8是本申请实施例提供的AI模型的输入层节点和输出层节点的结构示意图;
图9是本申请实施例提供的测量反馈方法的流程示意图之二;
图10是本申请实施例提供的测量反馈方法的流程示意图之三;
图11是本申请实施例提供的测量反馈方法的流程示意图之四;
图12是本申请实施例提供的测量反馈方法的流程示意图之五;
图13是本申请实施例提供的终端设备的结构示意图;
图14是本申请实施例提供的网络设备的结构示意图;
图15是本申请实施例提供的测量反馈装置的结构示意图之一;
图16是本申请实施例提供的测量反馈装置的结构示意图之二。
具体实施方式
为了更好地对本申请实施例中的技术方案进行描述,下面对相关知识进行介绍。
(1)CSI测量与反馈
NR系统中,在进行CSI测量和反馈时,遵守“反馈测量对象的信息,不反馈未测量对象的信息”的原则,反馈的内容仅反映测量资源的测量结果,不超过测量资源的范围。
网络设备(例如,基站gNB)可以通过无线资源控制(Radio Resource Control,RRC)等高层信令,通知CSI反馈配置信息(CSI-ReportConfig);CSI反馈配置信息中包括测量资源指示信息,例如resourcesForChanneλMeasurement、csi-IM-ResourcesForInterference和nzp-CSI-RS-ResourcesForInterference等。测量资源指示信息指示了CS I测量的资源的索引(CSI-ResourceConfigId),即测量资源集合。
UE需要测量CSI反馈配置信息中所指示的测量资源集合,例如resourcesForChannelMeasurement所指示的CSI测量的资源的索引对应的测量资源集合,并确定测量资源集合对应的反馈结果。反馈结果反映测量资源的信息。
对于未包含在CSI反馈配置消息中的测量资源,反馈结果中并不包含这些资源的相关信息。图1是相关技术提供的测量反馈方法的流程示意图,如图1所示,基站(gNB)在一个反馈配置信息中,reso urcesForChannelMeasurement指示测量资源集合为非零功率的信道状态信息参考信号(Channel State Information Reference Signal,CSI-RS)包括{CSI-RS_1,CSI-RS_4,CSI-RS_7},对应图1中基站部分的实线椭圆。终端部分的Rx beam表示不同的接收波束。
UE的反馈结果可以包括:{CSI-RS_1,CSI-RS_4,CSI-RS_7}中参考信号接收功率(Reference Signal Received Power,RSRP)最高的CSI-RS,基于{CSI-RS_1,CSI-RS_4,CSI-RS_7}获得的信道估计结果(如使用{CSI-RS_1,CSI-RS_4,CSI-RS_7}对应的波束下所对应的下行信道的码本)等。
反馈配置信息中,测量资源不包括CSI-RS_0、CSI-RS_2、CSI-RS_3、CSI-RS_5、CSI-RS_6、CSI-RS_8(对应图1中基站部分的虚线椭圆)中任意一个的相关信息,例如不可能上报CSI-RS_0为RSR P最高的CSI-RS。
(2)人工智能(Artificial Intelligence,AI)
AI具有一定的学习和推理的能力。经过学习和训练,AI模型可以基于输入的有限的测量资源或测量资源的相关信息(例如信道测量结果),推理出输入的测量资源以外的其他未测量资源的相关信息;或者,经过学习和训练,即使只输出测量资源的相关信息,测量精度或压缩率也高于相关技术的测量精度或压缩率。
目前NR系统并不能获取到未测量资源的相关信息,更不支持基于AI模型的推理工作。
针对相关技术中存在的上述问题,本申请实施例提供了一种测量反馈方法、装置及存储介质。
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
本申请实施例提供的技术方案可以适用于多种系统,尤其是5G系统。例如适用的系统可以是全球移动通讯(Global System of Mobile Communication,GSM)系统、码分多址(Code Division Multiple Access,CDMA)系统、宽带码分多址(Wideband CodeDivision Multiple Access,WCDMA)通用分组无线业务(Aeneral Packet Radio Service,GPRS)系统、长期演进(Long Term Evolution,LTE)系统、LTE频分双工(FrequencyDivision Duplex,FDD)系统、LTE时分双工(Time Division Duplex,TDD)系统、高级长期演进(Long Term Evolution Advanced,LTE-A)系统、通用移动系统(Universal MobileTelecommunication System,UMTS)、全球互联微波接入(Worldwide Interoperabilityfor Microwave Access,WiMAX)系统、5G新空口(New Radio,NR)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分,例如演进的分组系统(EvlovedPacket System,EPS)、5G系统(5GS)等。
本申请实施例涉及的终端设备,可以是指向用户提供语音和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的系统中,终端设备的名称可能也不相同,例如在5G系统中,终端设备可以称为用户设备(User Equipment,UE)。无线终端设备可以经无线接入网(Radio Access Network,RAN)与一个或多个核心网(Core Network,CN)进行通信,无线终端设备可以是移动终端设备,如移动电话(或称为“蜂窝”电话)和具有移动终端设备的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据。例如,个人通信业务(Personal Communication Service,PCS)电话、无绳电话、会话发起协议(Session Initiated Protocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA)等设备。无线终端设备也可以称为系统、订户单元(Subscriber Unit)、订户站(Subscriber Station),移动站(MobileStation)、移动台(Mobile)、远程站(Remote Station)、接入点(Access Point)、远程终端设备(Remote Terminal)、接入终端设备(Access Terminal)、用户终端设备(UserTerminal)、用户代理(User Agent)、用户装置(User Device),本申请实施例中并不限定。
本申请实施例涉及的网络设备,可以是基站,该基站可以包括多个为终端提供服务的小区。根据具体应用场合不同,基站又可以称为接入点,或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备,或者其它名称。网络设备可用于将收到的空中帧与网际协议(Internet Protocol,IP)分组进行相互更换,作为无线终端设备与接入网的其余部分之间的路由器,其中接入网的其余部分可包括网际协议(IP)通信网络。网络设备还可协调对空中接口的属性管理。例如,本申请实施例涉及的网络设备可以是全球移动通信系统(Global System for Mobile Communications,GSM)或码分多址接入(Code Division Multiple Access,CDMA)中的网络设备(Base Transceiver Station,BTS),也可以是带宽码分多址接入(Wide-band Code Division Multiple Access,WCDMA)中的网络设备(NodeB),还可以是长期演进(Long Term Evolution,LTE)系统中的演进型网络设备(Evolutional Node B,eNB或e-NodeB)、5G网络架构(Next Generation System)中的5G基站(gNB),也可以是家庭演进基站(Home evolved Node B,HeNB)、中继节点(RelayNode)、家庭基站(Femto)、微微基站(Pico)等,本申请实施例中并不限定。在一些网络结构中,网络设备可以包括集中单元(Centralized Unit,CU)节点和分布单元(DistributedUnit,DU)节点,集中单元和分布单元也可以地理上分开布置。
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、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图2是本申请实施例提供的测量反馈方法的流程示意图之一,如图2所示,该方法的执行主体为终端设备,该方法至少包括以下步骤:
步骤201、确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合。
步骤202、基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
具体地,终端确定至少一个第一资源集合,以及与该至少一个第一资源集合存在关联关系的至少一个AI模型。利用该至少一个AI模型中的部分或全部AI模型,对与之关联的至少一个第一资源集合进行推理,获取AI模型的输出信息,AI模型的输出信息的部分或全部,可以作为反馈信息的内容。
第一资源集合为测量资源集合,例如CSI反馈配置信息中指示的测量资源集合。AI模型可以是基于样本测量资源集合以及预先确定好的反馈信息标签训练后获得的。
AI模型的输出可以根据需要设置。例如,仅输出测量资源集合的相关信息,相较于不利用AI模型的相关测量方法,可以提高测量精度、降低测量开销。例如,输出测量资源集合以外的其它未测量资源的相关信息,相较于不利用AI模型的相关测量方法,除获取UE测量的测量资源集合的相关信息外,还可以获得测量资源集合以外的其它未测量资源的相关信息。
AI模型的输入可以根据需要设置,例如以需要进行推理的测量资源集合的部分或全部作为AI模型的输入,例如以UE根据测量资源集合获得的信道测量结果等信息的部分或全部作为AI模型的输入。本申请实施例中以将测量资源集合作为AI推理过程中的输入为例进行说明。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
确定所述至少一个第一资源集合的信道测量结果;
基于所述信道测量结果和所述至少一个AI模型,确定反馈信息。
与至少一个第一资源集合存在关联关系的至少一个AI模型,可以是AI模型集合,AI模型集合中每一个AI模型对应一个AI模型索引。AI模型集合可以根据网络侧的网络节点指示确定,也可以在公共服务器上下载得到。同样地,至少一个第一资源集合,可以是第一资源集合列表,第一资源集合列表中的每个第一资源集合对应一个第一资源集合索引。
利用AI模型对测量资源集合和/或测量资源集合对应的信道测量结果等信息进行推理,获取AI模型推理的反馈信息。该过程可以由终端执行,终端确定反馈信息后,将反馈信息发送给网络设备,以使网络设备基于反馈信息进行资源调度。该过程还可以由网络设备来执行,网络设备确定反馈信息后,基于反馈信息进行资源调度。该过程还可以由终端和网络设备共同执行,在终端侧和网络设备侧均部署AI模型。
对于终端设备,利用AI模型进行推理确定反馈信息后,将反馈信息发送给网络设备。对于网络设备,利用AI模型进行推理确定反馈信息,或者获取终端发送的反馈信息,从而利用反馈信息进行资源调度。
当AI推理全部由终端侧执行时,可能会导致终端的运算负载过高,能耗过大。而当AI推理全部由网络设备执行时,则可能存在终端侧隐私数据泄露等风险。因此,一种折中的实现方法是,终端侧和网络设备侧均部署AI模型,例如两侧分别部署某个完整推理过程中的所有AI模型的不同的两部分。这种情况下,终端向网络设备反馈的本地AI模型输出,可以作为网络设备侧的AI推理模型的输入。
在终端侧和网络设备侧均部署AI模型进行推理,不仅可以利用AI的推理功能提升测量和管理的精度,降低测量资源的开销,缩短测量周期,还可以取得运算负载和隐私安全的平衡。本申请实施例中,以终端执行AI推理的过程进行说明。
本申请实施例提供的测量反馈方法,通过确定需要进行推理的至少一个第一资源集合,以及与该至少一个第一资源集合存在关联关系的至少一个AI模型,利用相关联的至少一个第一资源集合和至少一个AI模型,推理得到反馈信息,利用AI模型提升测量和管理的精度,降低测量资源的开销,缩短测量周期。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
具体地,确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,可以通过下述方法中的至少一种:
①索引包括在同一个反馈配置信息中的至少一个第一资源集合和至少一个AI模型关联。
CSI反馈配置消息中可以包括一个或多个AI模型的索引,也可以包括一个或多个测量资源集合的索引,反馈配置信息中的测量资源集合索引对应的测量资源集合和该反馈配置信息中的AI模型索引对应的AI模型之间相关联,测量资源集合和AI模型的数量均可以为一个或多个。
图3是本申请实施例提供的测量资源集合和AI模型关联的示意图,如图3所示,一个反馈配置信息(CSI-ReportConfig)中包括一个测量资源集合索引,例如,通过信道测量资源指示信息指示的测量资源集合(resourcesForChannelMeasurement指示的CSI-ResourceCon figId 0),其指示的索引值为3;该反馈配置信息中还包括2个AI模型索引(AIModel ID 0和AI Model ID 1),其指示的索引值为0和5。
因此,可以确定索引为3的测量资源集合,与索引为0和5的AI模型关联。
②索引满足预设关系的至少一个第一资源集合和至少一个AI模型关联。
测量资源集合的索引和AI模型的索引之间的预设关系,可以通过协议预定义、网络设备配置等。例如,索引值相同的第一资源集合和AI模型关联。例如,索引值之间满足特定的函数关系的第一资源集合和AI模型关联。
③由一个关联指示信息指示的至少一个第一资源集合和至少一个AI模型关联。
可以通过专用的关联指示信息指示第一资源集合和AI模型之间的关联关系,该关联指示信息中包括相关联的第一资源集合的索引和AI模型的索引。关联指示信息可以是列表的形式,列表中包含有相关联的第一资源集合的索引和AI模型的索引。
本申请实施例提供的测量反馈方法,通过反馈配置信息、索引间的预设关系或者关联指示信息,来确定相关联的至少一个第一资源集合和至少一个AI模型,通过相关联的至少一个第一资源集合和至少一个AI模型,推理得到反馈信息,利用AI模型提升测量和管理的精度,降低测量资源的开销,缩短测量周期。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
在所述关联关系基于所述反馈配置信息确定的情况下:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
在所述关联关系由所述预设关系确定,或,由所述关联指示信息指示的情况下:
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
具体地,在确定相关联的至少一个第一资源集合和至少一个AI模型的基础上,还可以进一步判断每一个第一资源集合关联的AI模型,和/或,每一个AI模型关联的第一资源集合。
假设至少一个第一资源集合的数量为N,至少一个AI模型的数量为M,M和N均为正整数。
对于①确定索引包括在同一个反馈配置信息中的至少一个第一资源集合和至少一个AI模型关联。在反馈配置信息中,多个第一资源集合的索引按照一定顺序排列,多个AI模型的索引按照一定顺序排列。
若N大于M,即第一资源集合的数量多于AI模型的数量,则第i个AI模型,与第个第一资源集合关联,或,与第/>个第一资源集合关联。
若N等于M,即第一资源集合的数量和AI模型的数量相同,则第i个AI模型,与第i个第一资源集合关联。
若N小于M,即第一资源集合的数量少于AI模型的数量,则第i个第一资源集合,与第个AI模型关联,或,与第/>个AI模型关联。
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数。/>
例如,在一个反馈配置信息中包括的测量资源集合的索引个数和AI模型的索引个数相同。例如,同一个反馈配置信息中存在的同一类型的测量资源集合的索引个数和AI模型的索引个数相同。例如,AI模型的索引个数为2,resourcesForChannelMeasurement的索引也有2个,csi-IM-ResourcesForInterference的索引要么没有要么也有2个,nzp-CSI-RS-ResourcesForInterference的索引要么没有要么也有2个。
不仅可以确定一个或多个测量资源集合和一个或多个的AI模型之间存在关联关系,还可以进一步明确每个测量资源集合和每个AI模型之间的关联关系,或者是同类型的测量资源集合和AI模型之间相互关联。
对于②确定索引满足预设关系的至少一个第一资源集合和至少一个AI模型关联。
若N大于M,即第一资源集合的数量多于AI模型的数量,则索引为j的AI模型,与索引为:的第一资源集合关联,或,与索引为: 的第一资源集合关联;
若N等于M,即第一资源集合的数量和AI模型的数量相同,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,即第一资源集合的数量少于AI模型的数量,则索引为j的第一资源集合,与索引为: 的AI模型关联,或,与索引为: 的AI模型关联。
其中,表示向上取整,/>表示向下取整,j为1到M-1之间的整数,
例如,索引为0-3的第一资源集合,与索引为0-7的AI模型关联。具体地,索引为0的第一资源集合与索引为0和1的AI模型关联,索引为1的第一资源集合与索引为2和3的AI模型关联,索引为2的第一资源集合与索引为4和5的AI模型关联,索引为3的第一资源集合与索引为6和7的AI模型关联。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
具体地,通过关联指示信息指示第一资源集合和AI模型之间的关联关系时,对于每一个第一资源集合,关联指示信息可以指示与该第一资源集合关联的一个或多个AI模型的索引;对于每一个AI模型,关联指示信息可以指示与该AI模型关联的一个或多个第一资源集合的索引。
例如,关联指示信息为列表的形式,在列表中指示每一个AI模型的索引以及与之对应的第一资源集合的索引,或者在列表中指示每一个第一资源集合的索引以及与之对应的AI模型的索引。
本申请实施例提供的测量反馈方法,不仅可以确定相关联的至少一个第一资源集合和至少一个AI模型,还可以进一步确定第一资源集合和AI模型之间是一对一、一对多或多对一的关系,简化AI推理的复杂度。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
具体地,终端确定与至少一个第一资源集合关联的至少一个AI模型之后,可以进一步按照预定的规则筛选出确定反馈信息使用的AI模型。使用的AI模型可以是一个或者多个,可以是与至少一个第一资源集合关联的至少一个AI模型中的部分或全部AI模型。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
具体地,确定反馈信息实际使用的AI模型,可以仅使用一个AI模型或使用多个AI模型。
对于仅使用一个AI模型进行推理的过程,可以进一步区分为:
①至少一个第一资源集合仅关联一个AI模型。在AI模型的数量为1的情况下,例如反馈配置信息中仅包含一个AI模型的索引。此时,AI模型是唯一确定的,以与该AI模型关联的至少一个第一资源集合中的部分或全部第一资源集合作为该AI模型的输入。该AI模型的输出信息的部分或全部,可以作为反馈信息中的内容。
②至少一个第一资源集合关联多个AI模型。
从多个AI模型中确定使用的AI模型,可以进一步区分为:
(1)自行选择一个AI模型。
终端根据自身喜好或需求,自行决定使用多个AI模型中的一个AI模型。以与至少一个AI模型关联的至少一个第一资源集合中的部分或全部第一资源集合作为该AI模型的输入。该AI模型的输出信息的部分或全部,可以作为反馈信息中的内容。可选地,UE确定反馈信息并将反馈信息发送给网络设备,为了让网络设备知道UE使用的AI模型,反馈信息中还可以包括有UE选择的推理模型的信息,例如AI模型的索引。
(2)根据模型指示信息确定AI模型。
模型指示信息可以指示一个或多个AI模型。在模型指示信息仅指示一个AI模型时,终端根据模型指示信息从与至少一个第一资源集合关联的至少一个AI模型中确定一个AI模型。以与至少一个AI模型关联的至少一个第一资源集合中的部分或全部第一资源集合作为该AI模型的输入。该AI模型的输出信息的部分或全部,可以作为反馈信息中的内容。
例如,反馈配置信息中包括有M个AI模型的索引,或者,包括有一个长度为M的AI模型索引列表。模型指示信息指示反馈配置信息中M个AI模型中的一个。可选地,模型指示信息的长度为比特,/>中的M个状态分别对应M个AI模型。或者,模型指示信息指示反馈配置信息中M个AI模型中的多个。可选地,模型指示信息的长度为M比特,每个比特对应一个AI模型。通过模型指示信息,终端可以确定使用的一个或多个AI模型。
(3)利用多个AI模型进行联合推理,多个AI模型之间构成级联。
与至少一个第一资源集合关联的多个AI模型,或者模型指示信息指示的多个AI模型,可以通过级联的方式进行推理。例如,反馈配置信息中包括M个AI模型的索引,N个第一资源集合的索引。M个AI模型构成级联进行推理,其中第一个AI模型的输入为N个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部。其中,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为推理使用的多个AI模型的数量,或者是模型指示信息指示的多个AI模型的数量。反馈信息包括构成级联的多个AI模型中最后一个AI模型的输出信息的部分或全部。
假设n的取值为1,图4是本申请实施例提供的构成级联的AI模型的结构示意图,如图4所示,第m+1个AI模型的输入包括第m个AI模型的输出信息的部分(图4中实线箭头部分),另一种可能的实现方式中第m+1个AI模型的输入可以包括第m个AI模型的输出信息的全部。第m+1个AI模型的输入除包括第m个AI模型的输出信息的部分外,还包括其它的信息(图4中模型下方的虚线箭头部分),另一种可能的实现方法中第m+1个AI模型的输入仅包括第m个AI模型的输出信息的部分或全部。仅需将最后一个AI模型的输出信息的部分或全部作为反馈信息的内容。
(4)利用多个AI模型进行分别推理,多个AI模型之间构成并联。
与至少一个第一资源集合关联的多个AI模型构成并联,构成并联的每一个AI模型的输入包括至少一个第一资源集合中的部分或全部第一资源集合。或者,由模型指示信息指示的多个AI模型之间构成并联,构成并联的每一个AI模型的输入包括至少一个第一资源集合中的部分或全部第一资源集合。反馈信息包括构成并联的多个AI模型中每一个AI模型的输出信息的部分或全部。
可选地,构成并联的每个AI模型的输入可以为与该AI模型关联的第一资源集合。
可选地,每个AI模型的输入可以仅为一个测量资源集合。图5是本申请实施例提供的构成并联的AI模型的结构示意图之一,如图5所示,以索引为0的测量资源集合(CSI-ResourceConfig#0)作为索引为0的AI模型(AI Model#0)的输入,以索引为1的测量资源集合(CSI-ResourceConfig#1)作为索引为5的AI模型(AI Model#5)的输入。优选地,每个AI模型的输入为一个测量资源集合,且每个AI模型的输入的测量资源集合之间无交叠。
可选地,每个AI模型的输入均为与至少一个AI模型关联的至少一个测量资源集合的全部。图6是本申请实施例提供的构成并联的AI模型的结构示意图之二,如图6所示,索引为0、1和2的测量资源集合(CSI-ResourceConfig#0,CSI-ResourceConfig#1和CSI-Resource Config#2),与索引为0和5的AI模型(AI Model#5、AI Model#0)关联。优选地,每一个AI模型的输入均为全部的测量资源集合。
可选地,每个AI模型的输入为与至少一个AI模型关联的至少一个测量资源集合的部分。图7是本申请实施例提供的构成并联的AI模型的结构示意图之三,如图7所示,索引为0、1和2的测量资源集合(CSI-ResourceConfig#0,CSI-ResourceConfig#1和CSI-ResourceConfig#2),与索引为0和5的AI模型(AI Model#5、AI Model#0)关联。索引为0的AI模型的输入为索引为0和1的测量资源集合,索引为5的AI模型的输入为索引为2的测量资源集合。优选地,每个AI模型的输入为一个或多个测量资源集合,且每个AI模型输入的测量资源之间无交叠。
可选地,所述构成并联的每一个AI模型输入的第一资源集合之间无交叠。对于构成并联的AI模型,每个AI模型输入的测量资源集合之间无交叠,可以简化AI推理的复杂度。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
具体地,对于前述提到的模型指示信息,以及,确定反馈信息过程中使用的AI模型的输入和输出的内容,可以由协议预定义。还可以由高层信令半静态配置,例如通过RRC消息配置。还可以通过专门的指示信息动态指示,例如通过媒体接入控制信元(Media AccessControl Control Element,MAC CE)指示,例如通过下行控制信息(Downlink ControlInformation,DCI)指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
具体地,对于包含在反馈信息中的AI模型的输出信息的内容:
①AI模型的部分输出层节点的标识和/或部分输出层节点的输出值。
反馈信息中包含部分输出层节点的相关信息,例如部分输出层节点的输出值及标识。部分输出层节点是根据预定义或配置的方式,从全部输出层节点中确定的满足预设条件的部分输出层节点。例如,通过配置的方式,指示反馈信息中需要包括输出值最大或最小的K个输出层节点的相关信息,或者输出值大于或小于某个门限值的输出层节点的相关信息。又例如,通过预定义的方式,确定反馈信息中需要包括标识为奇数的输出层节点的相关信息。再例如,通过配置的方式,指示反馈信息中需要包括标识为奇数的、且输出值最大或最小的K个输出层节点的相关信息。K的取值预定义或配置,K的取值范围大于等于1,且小于等于输出层节点的总数。
②AI模型的全部输出层节点的输出值。
由于反馈信息中包含有全部输出层节点的相关信息,因此无需反馈输出层节点的标识。全部输出层节点的输出值可以按照预定义的顺序进行反馈,例如按照输出层节点的索引由小至大的顺序反馈。
图8是本申请实施例提供的AI模型的输入层节点和输出层节点的结构示意图,如图8所示,AI模型的输出层节点有两个,反馈信息中可以包含两个输出层节点的输出值,也可以只包含其中一个输出层节点的标识和输出值。
③第一资源集合的第一信道状态信息。第一资源集合为测量资源集合,在AI模型对测量资源集合进行推理的情况下,反馈信息中包含有测量资源集合的第一信道状态信息。例如,作为输入的是第一CSI-RS集合,AI模型的输出信息为第一CSI集合的相关信息。例如,作为输入的是第一CSI-RS集合,AI模型的输出信息为第一CSI集合和第二CSI集合的相关信息。
④第二资源集合的第二信道状态信息。第二资源集合为AI模型的输出信息对应的资源集合。
如果将包含在反馈信息中的AI模型的输出信息对应的资源集合定义为推理资源集合,也就是第二资源集合。推理资源集合可以与测量资源集合相同(输入测量资源集合,输出测量资源集合的相关信息)。推理资源集合和测量资源集合可以完全不同(输入测量资源集合,输出未测量资源集合的相关信息)。测量资源集合还可以为推理资源集合的子集(输入测量资源集合,输出测量资源集合和未测量资源集合的相关信息)。
推理资源集合可以隐式确定,例如认为AI模型的输出信息即为推理资源集合的相关信息。推理资源集合还可以显示确定,例如通过推理资源指示信息,指示AI模型的输出信息对应的资源为推理资源集合。
本申请实施例提供的测量反馈方法,利用AI模型,得到包含测量资源集合的信道状态信息、未测量资源的信道状态信息、部分输出层节点的输出值和标识、全部输出层节点的输出值中的一项或多项信息,使得网络设备能够利用反馈信息进行资源调度,利用AI模型提升测量和管理的精度,降低测量资源的开销,缩短测量周期。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
具体地,对于第一资源集合(测量资源集合)和第二资源集合(推理资源集合)不同的情况,包括:资源集合的类型不同、参考信号的类型不同、发送的时域/频域资源不同、发送端口不同、发送/接收波束不同,以及第一资源集合和第二资源集合独立配置,第一资源集合为第二资源集合的子集。
例如,作为输入的测量资源集合是第一CSI-RS集合,而AI推理模型的输出信息则为第二CSI-RS集合的相关信息,其中,第一CSI-RS集合与第二CSI-RS集合所包括的CSI-RS的索引不同,或者,时域/频域/端口/发送波束/接收波束不同,或者,第一CSI-RS集合与第二CSI-RS集合分别独立配置,例如第二CSI-RS集合为未测量资源集合。可选地,第一CSI-SR集合是第二CSI-RS集合的子集。这种情况下,测量资源集合与推理资源集合的具体参考信号不同。
例如,作为输入的测量资源集合是第一同步信号块(Synchronizat ion SignalBlock,SSB)集合,而AI推理模型的输出信息则为第二CSI-RS集合的相关信息。这种情况下,测量资源集合与推理资源集合的参考信号类型不同。
例如,作为输入的测量资源集合是第一CSI-RS集合,而AI推理模型的输出信息则为干扰测量资源集合的相关信息。这种情况下,测量资源集合与推理集合的资源集合类型不同。
本申请实施例提供的测量反馈方法,利用AI模型,可以得到测量资源集合以外的其它未测量资源集合的相关信息,利用AI模型提升测量和管理的精度,降低测量资源的开销,缩短测量周期。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
具体地,第二资源集合的第二信道状态信息,包括以下一项或多项:第二资源集合中满足预设条件的K个推理资源的标识(K为预定义或配置的正整数,如K=1、K=2等,在网络设备需要获取AI模型输出的第二资源集合的全部信息时,K等于推理资源集合全集的个数),和/或,K个资源中每个资源对应的如下信息:概率/置信度(输出信息中每个资源满足预设条件的概率)、推理RSRP、推理参考信号接收质量(Reference Signal ReceivingQuality,RSRQ)、推理信号与干扰加噪声比(Signal to Interference plus Noise Ratio,SINR)等。
其中,满足预设条件的K个资源,可以是AI推理模型推理得到的具有最优/最差的RSRP/RSRQ/SINR的K个资源,或者,是在推理资源集合中预计成为最优/最差的推理资源(如最优波束)的概率/置信度较高的K个资源。本申请实施例中对此并不作出限定。
图9是本申请实施例提供的测量反馈方法的流程示意图之二,如图9所示,测量资源集合是{CSI-RS_1,CSI-RS_4,CSI-RS_7}(对应图9中基站部分的实线椭圆),以该测量资源集合作为与其关联的索引为0的AI模型(AI Model#0)的输入。该AI模型的输出层共有9个节点,9个输出层节点的输出信息对应的是推理资源集合{CSI-RS_0,CSI-RS_1,CSI-RS_2,CSI-RS_3,CSI-RS_4,CSI-RS_5,CSI-RS_6,CSI-RS_7,CSI-RS_8}中的每个推理资源对应的波束作为最优波束的置信度或概率。
图9中,测量资源集合是推理资源集合的子集。假设反馈信息包含推理资源集合中的波束最优的K=1个推理资源的索引以及对应的置信度,例如反馈信息包括{CSI-RS_5,0.9},则表示AI推理模型所推理的最优波束对应的推理资源为CSI-RS_5,且对应的置信度为0.9。例如反馈信息仅需包括推理资源集合中的波束最优的推理资源的索引,则反馈信息仅包括{CSI-RS_5}即可。
终端设备可以确定至少一个测量资源集合以及与其关联的至少一个AI模型,确定使用的一个或多个AI模型以及其输入和输出。通过AI模型的推理,仅需测量少量波束(第一CSI-RS集合中包括的少量CSI-RS),即可根据AI模型推理得到在全集波束(第二CSI-RS集合中的大量CSI-RS)的相关信息,并确定推理得到的一个或多个最优波束,以使网络设备根据得到的推理结果进行资源调度。这样既可以满足网络设备需要进行高精度波束管理的要求,还可以减少测量资源的开销,降低测量时延。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
具体地,测量资源集合的第一信道状态信息,可以包括:根据测量资源获得的信道估计结果、根据测量资源获得的信道估计结果压缩信息、测量资源相关的用于信道估计或信道恢复的其它信息等中的一项或多项。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
具体地,反馈信息中包括的可以是量化后的AI模型的输出信息。量化的具体参数,例如量化的比特数,量化的范围区间,可以是预定义的,也可以是半静态配置的,还可以是动态指示的。
反馈信息中包括的还可以是编码后的AI模型的输出信息,具体的编码方式或编码格式,可以预定义,或半静态配置,或动态指示的。
对AI模型的输出信息进行量化处理或编码处理后反馈给网络设备,或者在AI模型的输出信息输出前进行量化处理或编码处理,这时反馈信息中获取到的AI模型的推理结果不再需要指示具体的物理含义,可以进一步减少测量资源的开销,降低测量时延。
图10是本申请实施例提供的测量反馈方法的流程示意图之三,如图10所示,该方法的执行主体为网络设备,该方法至少包括以下步骤:
步骤1001、接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
具体地,网络设备接收终端发送的反馈信息,基于反馈信息网络设备可以进行资源调度。反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,至少一个第一资源集合和至少一个AI模型之间存在关联关系,反馈信息中包含该至少一个AI模型的输出信息的部分或全部。有关终端设备如何确定反馈信息的描述,请参照前述方法实施例,此处不再赘述。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
以网络设备为执行主体的测量反馈方法和以终端设备为执行主体的测量反馈方法是基于同一申请构思的,有关步骤的前提条件和有益效果可以相互参照,此处不再赘述。
下面通过两个具体的示例对本申请提供的技术方案进一步进行说明。
示例一:
图11是本申请实施例提供的测量反馈方法的流程示意图之四,如图11所示,测量资源集合是{SSB_0,SSB_1,SSB_2}(对应图11中基站部分的实线部分),该测量资源集合作为与其关联的一个索引为0的AI推理模型(AI Model#0)的输入。该AI模型的输出层共有9个节点,该9个输出层节点的输出对应的是推理资源集合{CSI-RS_0,CSI-RS_1,CSI-RS_2,CSI-RS_3,CSI-RS_4,CSI-RS_5,CSI-RS_6,CSI-RS_7,CSI-RS_8}中的每个推理资源的推理RSRP。终端部分的Rx beam表示不同的接收波束。
在图11中,测量资源集合和推理资源集合的参考信号类型完全不同。并且,假设反馈信息包含推理资源集合中的每个推理资源的RSRP,例如反馈信息为{RSRPCSI-RS_0,RSRPCSI-RS_1,RSRPCSI-RS_2,RSRPCSI-RS_3,RSRPCSI-RS_4,RSRPCSI-RS_5,RSRPCSI-RS_6,RSRPCSI-RS_7,RSRPCSI-RS_8},分别对应该推理资源集合下9个推理资源的推理RSRP值。
示例一中,通过AI推理模型的推理,UE仅需测量少量宽波束(SSB集合),即可根据AI推理模型的推理得到大量窄波束(CSI-RS集合)的相关信息,如并推理得到的RSRP,且将其反馈给网络设备。这样既可以满足网络设备需要进行高精度波束管理的要求,减少测量资源的开销,降低了测量时延。
示例二:
图12是本申请实施例提供的测量反馈方法的流程示意图之五,如图12所示,终端的测量资源集合是{CSI-RS_1,CSI-RS_4,CSI-RS_7},以该测量资源集合作为与其关联的AI模型的输入,AI模型的输出层包括4个节点,且反馈信息包括全部4个输出层节点的输出值,并由UE发送给基站。基站以UE发送的反馈信息作为基站侧AI模型的输入,进一步推理得到AI模型的输出信息。在一些可能的实施例中,反馈信息可能仅需包括2个输出值最大的节点的索引和相应的输出值,例如包括{Index=0,value=0.8;Index=3,value=0.9}(假设Index=1、Index=2的节点的输出值小于0.8)。
反馈信息中包括的是量化后的AI推理模型的输出。量化的具体参数(例如量化的比特数,量化的范围区间)可以是预定义的,也可以是网络设备配置或指示的。反馈信息中包括的还可以是编码后的AI模型的输出信息,具体的编码方式或编码格式,可以预定义,或半静态配置,或动态指示的。
示例二中,UE可以确定至少一个测量资源集合以及与其关联的至少一个AI模型,且在关联的至少一个AI模型中确定需要使用的AI模型以及其输入和输出。特别地,UE无需关心AI模型输出的具体物理意义,仅需根据预定义或配置的规则对输出信息进行量化处理之后,把AI模型的输出的部分或全部反馈给网络设备。这样可以减少运算负载,同时保障了一定的数据隐私安全。
图13是本申请实施例提供的终端设备的结构示意图,如图13所示,该终端设备包括存储器1301,收发机1302,处理器1303,其中:
存储器1301,用于存储计算机程序;收发机1302,用于在所述处理器1303的控制下收发数据。
具体地,收发机1302,用于在处理器1303的控制下接收和发送数据。
其中,在图13中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1303代表的一个或多个处理器和存储器1301代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机1302可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。针对不同的用户设备,用户接口1304还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器1303负责管理总线架构和通常的处理,存储器1301可以存储处理器1303在执行操作时所使用的数据。
可选的,处理器1303可以是中央处理器(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD),处理器也可以采用多核架构。
处理器通过调用存储器存储的计算机程序,用于按照获得的可执行指令执行本申请实施例提供的任一所述方法。处理器与存储器也可以物理上分开布置。
处理器1303,用于读取所述存储器1301中的计算机程序并执行以下操作:
确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
在此需要说明的是,本发明实施例提供的上述终端设备,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图14是本申请实施例提供的网络设备的结构示意图,如图14所示,该网络设备包括存储器1401,收发机1402,处理器1403,其中:
存储器1401,用于存储计算机程序;收发机1402,用于在所述处理器1403的控制下收发数据。
具体地,收发机1402,用于在处理器1403的控制下接收和发送数据。
其中,在图14中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1403代表的一个或多个处理器和存储器1401代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机1402可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元,这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器1403负责管理总线架构和通常的处理,存储器1401可以存储处理器1403在执行操作时所使用的数据。
处理器1403可以是中央处理器(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或复杂可编程逻辑器件(Complex Programmable LogicDevice,CPLD),处理器也可以采用多核架构。
处理器1403,用于读取所述存储器1401中的计算机程序并执行以下操作:
接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
在此需要说明的是,本申请实施例提供的上述网络设备,能够实现上述执行主体为网络设备的方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
图15是本申请实施例提供的测量反馈装置的结构示意图之一,如图15所示,该装置至少包括:
第一确定单元1501,用于确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
第二确定单元1502,用于基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述第二确定单元还用于:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述第二确定单元还用于:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
图16是本申请实施例提供的测量反馈装置的结构示意图之二,如图16所示,该装置至少包括:
接收单元1601,用于接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
可选地,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
可选地,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
可选地,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
可选地,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
可选地,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
可选地,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
可选地,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的输出值满足预设条件;
AI模型的全部输出层节点的输出值。
可选地,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
可选地,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
可选地,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
可选地,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
本申请各实施例提供的方法和装置是基于同一申请构思的,由于方法和装置解决问题的原理相似,因此装置和方法的实施可以相互参见,重复之处不再赘述。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(Processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在此需要说明的是,本申请实施例提供的上述装置,能够实现上述方法实施例所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
另一方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使所述处理器执行上述各实施例提供的测量反馈方法,例如包括:
确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部;
或者,
接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机可执行指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的处理器可读存储器中,使得存储在该处理器可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (29)
1.一种测量反馈方法,其特征在于,包括:
确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型;所述第一资源集合为测量资源集合;
基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
2.根据权利要求1所述的测量反馈方法,其特征在于,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
3.根据权利要求2所述的测量反馈方法,其特征在于,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第(i+1)-1个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:/>的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
4.根据权利要求2所述的测量反馈方法,其特征在于,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
5.根据权利要求1所述的测量反馈方法,其特征在于,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
6.根据权利要求5所述的测量反馈方法,其特征在于,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
7.根据权利要求6所述的测量反馈方法,其特征在于,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
8.根据权利要求1-7任一项所述的测量反馈方法,其特征在于,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
9.根据权利要求8所述的测量反馈方法,其特征在于,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
10.根据权利要求8所述的测量反馈方法,其特征在于,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
11.根据权利要求8所述的测量反馈方法,其特征在于,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
12.根据权利要求1所述的测量反馈方法,其特征在于,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
13.一种测量反馈方法,其特征在于,包括:
接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
14.根据权利要求13所述的测量反馈方法,其特征在于,所述关联关系,基于以下至少一项确定:
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引包括在同一个反馈配置信息中;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引之间满足预设关系;
所述至少一个第一资源集合的索引和所述至少一个AI模型的索引由同一个关联指示信息指示。
15.根据权利要求14所述的测量反馈方法,其特征在于,所述至少一个第一资源集合的数量为N,所述至少一个AI模型的数量为M,N和M均为正整数,所述关联关系,包括:
若N大于M,则第i个AI模型,与第 个第一资源集合关联,或,与第/> 个第一资源集合关联;
若N等于M,则第i个AI模型,与第i个第一资源集合关联;
若N小于M,则第i个第一资源集合,与第 个AI模型关联,或,与第/> 个AI模型关联;
或者,
若N大于M,则索引为j的AI模型,与索引为: 的第一资源集合关联,或,与索引为:/>的第一资源集合关联;
若N等于M,则索引为j的AI模型,与索引为j的第一资源集合关联;
若N小于M,则索引为j的第一资源集合,与索引为:的AI模型关联,或,与索引为:的AI模型关联;
其中,表示向上取整,/>表示向下取整,i为1到M之间的整数,j为0到M-1之间的整数。
16.根据权利要求13所述的测量反馈方法,其特征在于,所述关联指示信息用于指示每一个第一资源集合关联的一个或多个AI模型的索引,和/或,所述关联指示信息用于指示每一个AI模型关联的一个或多个第一资源集合。
17.根据权利要求13所述的测量反馈方法,其特征在于,所述基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型或多个AI模型,确定反馈信息。
18.根据权利要求13所述的测量反馈方法,其特征在于,所述确定反馈信息,包括:
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的一个AI模型,确定反馈信息,所述一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括所述一个AI模型的输出信息的部分或全部,所述一个AI模型由终端自行选择或基于模型指示信息确定,或所述一个AI模型为所述至少一个AI模型中包含的唯一一个AI模型;或者,
基于所述至少一个第一资源集合,以及所述至少一个AI模型中的多个AI模型,确定反馈信息,所述多个AI模型中的每一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,所述反馈信息包括每一个AI模型的输出信息的部分或全部;或者,所述多个AI模型中的第一个AI模型的输入包括所述至少一个第一资源集合中的部分或全部第一资源集合,第m+n个AI模型的输入包括第m个至第m+n-1个AI模型的输出信息的部分或全部,所述反馈信息包括所述多个AI模型中的最后一个AI模型的输出信息的部分或全部,m=1,2,…M-1,n为预定义或配置的正整数,m+n为2到M之间的整数,M为所述多个AI模型的数量。
19.根据权利要求18所述的测量反馈方法,其特征在于,所述模型指示信息,和/或,每一个AI模型的输入和输出,基于以下至少一项确定:
协议预定义;
RRC消息配置;
MAC CE指示;
DCI指示。
20.根据权利要求13-19任一项所述的测量反馈方法,其特征在于,所述反馈信息中的AI模型的输出信息包括以下至少一项:
第一资源集合的第一信道状态信息;
第二资源集合的第二信道状态信息,所述第二资源集合为所述反馈信息中的AI模型的输出信息对应的资源集合;
AI模型的部分输出层节点的标识和/或所述部分输出层节点的输出值,所述部分输出层节点的标识和/或输出值满足预设条件;
AI模型的全部输出层节点的输出值。
21.根据权利要求20所述的测量反馈方法,其特征在于,所述第二资源集合和所述第一资源集合不同,包括以下至少一项:
资源集合的类型不同;
参考信号的类型不同;
参考信号不同;
发送的时域资源不同;
发送的频域资源不同;
发送端口不同;
发送波束不同;
接收波束不同;
所述第一资源集合和所述第二资源集合独立配置;
所述第一资源集合为所述第二资源集合的子集。
22.根据权利要求20所述的测量反馈方法,其特征在于,所述第二资源集合的第二信道状态信息,包括以下至少一项:
所述第二资源集合中满足预设条件的K个资源的标识;
所述K个资源对应的置信度或概率;
所述K个资源对应的推理RSRP;
所述K个资源对应的推理RSRQ;
所述K个资源对应的推理SINR;
其中,K为预定义的或配置的正整数,K的取值不超过第二资源集合的数量。
23.根据权利要求20所述的测量反馈方法,其特征在于,所述第一资源集合的第一信道状态信息,包括以下至少一项:
根据所述至少一个第一资源集合获得的信道估计结果;
根据所述至少一个第一资源集合获得信道估计结果压缩信息;
根据所述至少一个第一资源集合获得的信道估计结果和信道估计结果压缩信息;
所述第一资源集合中的资源对应的用于进行信道估计或信道恢复的信息。
24.根据权利要求13所述的测量反馈方法,其特征在于,所述反馈信息中包括的AI模型的输出信息为经过量化处理后的信息,和/或,经过编码处理后的信息。
25.一种终端设备,其特征在于,包括:存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
26.一种网络设备,其特征在于,包括:存储器,收发机,处理器;
存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
27.一种测量反馈装置,其特征在于,包括:
第一确定单元,用于确定至少一个第一资源集合,以及与所述至少一个第一资源集合存在关联关系的至少一个AI模型,所述第一资源集合为测量资源集合;
第二确定单元,用于基于所述至少一个第一资源集合和所述至少一个AI模型,确定反馈信息,并向网络设备发送所述反馈信息,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部。
28.一种测量反馈装置,其特征在于,包括:
接收单元,用于接收终端发送的反馈信息,所述反馈信息是基于至少一个第一资源集合和至少一个AI模型确定的,所述至少一个第一资源集合和所述至少一个AI模型之间存在关联关系,所述反馈信息包括所述至少一个AI模型的输出信息的部分或全部,所述第一资源集合为测量资源集合。
29.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行权利要求1至12任一项所述的方法,或权利要求13至24任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210474687.7A CN117014120A (zh) | 2022-04-29 | 2022-04-29 | 测量反馈方法、装置及存储介质 |
PCT/CN2023/080434 WO2023207352A1 (zh) | 2022-04-29 | 2023-03-09 | 测量反馈方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210474687.7A CN117014120A (zh) | 2022-04-29 | 2022-04-29 | 测量反馈方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117014120A true CN117014120A (zh) | 2023-11-07 |
Family
ID=88517263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210474687.7A Pending CN117014120A (zh) | 2022-04-29 | 2022-04-29 | 测量反馈方法、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117014120A (zh) |
WO (1) | WO2023207352A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11892933B2 (en) * | 2018-11-28 | 2024-02-06 | Oracle International Corporation | Predicting application performance from resource statistics |
CN112073129B (zh) * | 2019-06-10 | 2022-03-29 | 成都华为技术有限公司 | 确定天线面板状态的方法和装置 |
EP4158952A1 (en) * | 2020-05-28 | 2023-04-05 | Telefonaktiebolaget LM Ericsson (publ) | Adjusting power consumption in a telecommunications network based on traffic prediction |
EP4233212A1 (en) * | 2020-10-21 | 2023-08-30 | Telefonaktiebolaget LM Ericsson (publ) | Communication device predicted future interference information |
-
2022
- 2022-04-29 CN CN202210474687.7A patent/CN117014120A/zh active Pending
-
2023
- 2023-03-09 WO PCT/CN2023/080434 patent/WO2023207352A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023207352A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021501537A (ja) | ビーム検出の方法および装置 | |
EP4195852A1 (en) | Communication method, user equipment, network device and computer-readable storage medium | |
WO2021017893A1 (zh) | 波束测量方法及装置 | |
US20230244911A1 (en) | Neural network information transmission method and apparatus, communication device, and storage medium | |
CN115913288A (zh) | 波束测量方法、测量配置方法、装置、终端及网络设备 | |
WO2022151953A1 (zh) | 波束指示方法、装置及存储介质 | |
CN114070528B (zh) | 一种信号传输方法、装置及存储介质 | |
CN114070513B (zh) | 下行信道的传输方法、装置及存储介质 | |
CN117014120A (zh) | 测量反馈方法、装置及存储介质 | |
CN115696257A (zh) | 一种信息处理方法、装置、终端设备及网络设备 | |
CN114793364A (zh) | 一种下行干扰避免的调度方法、设备、装置及存储介质 | |
CN114499746B (zh) | 调制与编码策略mcs等级的确定方法、装置及基站 | |
CN115706637B (zh) | 一种信息指示的方法、终端及存储介质 | |
WO2023208190A1 (zh) | 信息确定方法及装置 | |
WO2024066620A1 (zh) | 波束指示方法、装置及存储介质 | |
CN114826477B (zh) | 一种控制信道监测方法、装置及存储介质 | |
WO2023134703A1 (zh) | Pusch传输方法、装置及存储介质 | |
WO2023207863A1 (zh) | 直通链路定位参考信号的发送方法、终端定位方法及装置 | |
CN115174016B (zh) | 信息传输方法、装置、设备以及存储介质 | |
WO2024067098A1 (zh) | 模型信息上报方法、设备、装置及存储介质 | |
WO2023202385A1 (zh) | 信息传输方法、装置及存储介质 | |
EP4195568A1 (en) | Information transmission method and device, and storage medium | |
WO2024032764A1 (zh) | 信息处理方法、装置、节点设备及介质 | |
EP4319354A1 (en) | Information reporting method, network side configuration method, apparatus, device and storage medium | |
WO2023082154A1 (zh) | Csi反馈方案的更新方法、装置、设备及存储介质 |
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 |