CN117060959A - 信道特征信息的获取方法、终端及网络侧设备 - Google Patents

信道特征信息的获取方法、终端及网络侧设备 Download PDF

Info

Publication number
CN117060959A
CN117060959A CN202210482867.XA CN202210482867A CN117060959A CN 117060959 A CN117060959 A CN 117060959A CN 202210482867 A CN202210482867 A CN 202210482867A CN 117060959 A CN117060959 A CN 117060959A
Authority
CN
China
Prior art keywords
model
characteristic information
channel characteristic
information
channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210482867.XA
Other languages
English (en)
Inventor
任千尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202210482867.XA priority Critical patent/CN117060959A/zh
Publication of CN117060959A publication Critical patent/CN117060959A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0456—Selection of precoding matrices or codebooks, e.g. using matrices antenna weighting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0632—Channel quality parameters, e.g. channel quality indicator [CQI]

Landscapes

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

Abstract

本申请实施例公开了一种信道特征信息的获取方法、终端及网络侧设备，属于通信技术领域，本申请实施例的信道特征信息的获取方法包括：终端计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；所述终端确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。

Description

信道特征信息的获取方法、终端及网络侧设备
技术领域
本申请属于通信技术领域，具体涉及一种信道特征信息的获取方法、终端及网络侧设备。
背景技术
准确的信道状态信息(Channel State Information，CSI)对信道容量至关重要，尤其是对于多天线系统，发送端可以根据CSI优化信号的发送，使其更加匹配信道的状态。
通过将人工智能(Artificial Intelligence，AI)模型融入到无线通信领域，可以显著提升通信系统的性能。例如，终端可以将信道的预编码矩阵输入到AI网络中，得到多层(layer)的信道特征信息，可以更好的压缩信道信息，显著提升通信系统的性能。
然而，由于信道的差异性，预编码矩阵的不同的层的信道信息(如特征值)可能差异较大，如果采用同一种信道特征信息获取方法，例如，均采用基于AI网络的信道特征信息获取方法或均采用传统的基于码本的信道特征信息获取方法，难以进一步提升通信系统的性能。
发明内容
本申请实施例提供一种信道特征信息的获取方法、终端及网络侧设备，能够解决因预编码矩阵的不同的层采用同一种信道特征信息获取方法，难以提升通信系统性能的问题。
第一方面，提供了一种信道特征信息的获取方法，包括：终端计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；所述终端确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第二方面，提供了一种信道特征信息的获取方法，包括：网络侧设备接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第三方面，提供了一种信道特征信息的获取装置，包括：计算模块，用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；确定模块，用于确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第四方面，提供了一种信道特征信息的获取装置，包括：接收模块，用于接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第五方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第六方面，提供了一种终端，包括处理器及通信接口，其中，所述处理器用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第七方面，提供了一种网络侧设备，该网络侧设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。
第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口用于接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
第九方面，提供了一种信道特征信息的获取系统，包括：终端及网络侧设备，所述终端可用于执行如第一方面所述的方法的步骤，所述网络侧设备可用于执行如第二方面所述的方法的步骤。
第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤，或实现如第二方面所述的方法的步骤。
第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤，或者实现如第二方面所述的方法的步骤。
在本申请实施例中，终端可以计算信道的预编码矩阵，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
附图说明
图1是根据本申请实施例的无线通信系统的示意图；
图2是根据本申请实施例的信道特征信息的获取方法的示意性流程图；
图3是根据本申请实施例的信道特征信息的获取方法的示意性流程图；
图4是根据本申请实施例的信道特征信息的获取装置的结构示意图；
图5是根据本申请实施例的信道特征信息的获取装置的结构示意图；
图6是根据本申请实施例的通信设备的结构示意图；
图7是根据本申请实施例的终端的结构示意图；
图8是根据本申请实施例的网络侧设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6th Generation，6G)通信系统。
图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmentedreality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备也可以称为无线接入网设备、无线接入网(Radio Access Network，RAN)、无线接入网功能或无线接入网单元。接入网设备可以包括基站、WLAN接入点或WiFi节点等，基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station，BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set，BSS)、扩展服务集(Extended Service Set，ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point，TRP)或所述领域中其他某个合适的术语，只要达到相同的技术效果，所述基站不限于特定技术词汇，需要说明的是，在本申请实施例中仅以NR系统中的基站为例进行介绍，并不限定基站的具体类型。
下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的信道特征信息的获取方法进行详细地说明。
如图2所示，本申请实施例提供一种信道特征信息的获取方法200，该方法可以由终端执行，换言之，该方法可以由安装在终端的软件或硬件来执行，该方法包括如下步骤。
S202：终端计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量。
在S202之前，终端可以接收下行参考信号，如，信道状态信息参考信号(ChannelState Information-Reference Signal，CSI-RS)，S202中，终端可以根据下行参考信号计算信道的预编码矩阵。
所述预编码矩阵可以包括一个层(layer)，还可以包括多个层，每个层可以对应一个所述第一预编码向量(或称预编码矩阵)。
S204：终端确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
该步骤中，终端可以根据所述第一预编码向量相关的信道信息(如特征值等)，来确定所述第一预编码向量对应的第一信道特征信息获取方法。
例如，该实施例执行之前，预先按照特征值从大到小的顺序划分为N个区间，N是大于2的正整数，每个区间可以对应一个或多个特征值，每个区间还可以对应一种信道特征信息获取方法，这样，S204中终端可以根据所述第一预编码向量的特征值确定其对应的区间，进而确定该区间对应的信道特征信息获取方法，即第一信道特征信息获取方法。
可以理解，预编码矩阵每个层可以对应一个所述第一预编码向量，因此，该步骤中提到的至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同，还可以描述为至少两个不同的层对应的信道特征信息获取方法不同。
该实施例中，第一信道特征信息获取方法可以包括如下至少之一：1)采用非AI模型的方法，例如，采用基于码本的信道特征信息获取方法；2)采用第一AI模型(或称第一AI网络)的方法，所述第一AI模型用于获取信道特征信息。
该实施例中，第一信道特征信息获取方法可以包括如下至少之一：1)采用第二AI模型的方法；2)采用第三AI模型的方法，所述第一AI模型用于获取信道特征信息；其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息，关于第二AI模型和所述第三AI模型的区别将在后文详细介绍。
本申请实施例提供的信道特征信息的获取方法，终端可以计算信道的预编码矩阵，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
可选地，该实施例200中所述终端可以根据第一信息，确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，信道质量指示(Channel QualityIndicator，CQI)，信干噪比(Signal to Interference plus Noise Ratio，SINR)，信噪比(Signal Noise Ratio，SNR)，信道容量。
在一个例子中，所述第一信息(如特征值)大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法，例如，采用版本16(Rel-16)的码本方法；或者，所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息。该例子中，功率集中的信道采用非AI模型方法，功率分散的信道采用第一AI模型的方法。
该例子中，采用第一AI模型的方法可以是：将每个子带(或层)的预编码矩阵或预编码向量按照固定顺序排列之后输入到对应的第一AI模型中，将第一AI模型的输出结果作为信道特征信息。
在另一个例子中，所述第一信息(如特征值)大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息。该实施例中，模型第二AI模型更容易贴近信道。
可选地，该例子中采用阈值确定第一信道特征信息获取方法，还可以描述为根据条件确定第一信道特征信息获取方法，例如，满足条件一时所述第一信道特征信息获取方法为采用第二AI模型的方法；满足条件二时所述第一信道特征信息获取方法为采用第三AI模型的方法，具体的条件可以时预定义的，如协议约定的。
可选地，上述阈值可以是几个变量的联合阈值，例如，第一信息包括SNR和特征值，当SNR低于阈值1的时候，每个层(layer)都使用鲁棒性强的第三AI模型。当SNR高于阈值1的时候，特征值大于阈值2的layer采用精度高的第二AI模型，特征值小于阈值2的layer依然使用第三AI模型。
可选地，所述第二AI模型和所述第三AI模型的模型结构相同但模型参数不同；其中，所述第二AI模型采用第一数据集训练得到，所述第三AI模型采用第二数据集训练得到，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息。
可选地，所述第二AI模型和所述第三AI模型的模型结构不同；其中，所述第二AI模型的编码输出长度小于所述第三AI模型的编码输出长度或所述第二AI模型的编码输出长度大于所述第三AI模型的编码输出长度。
可以理解，当环境切换(如小区切换)之后，用于获取信道特征信息的AI模型的性能将会变差，如果下发新的AI模型，则开销过大，因为AI模型本身有一定的开销；如果使用多个场景的数据联合训练AI网络模型，当场景之间关联度比较小的时候，例如室内和室外，会导致AI模型学习难度增加，在每个场景下性能都偏差。
前面的例子中，若第一信息大于阈值，则第一信道特征信息获取方法包括采用非AI模型的方法；若第一信息小于阈值，则第一信道特征信息获取方法包括采用第一AI模型的方法。该例子可以避免在高信噪比环境或信道能量集中的情况下(即第一信息大于阈值)下发新的AI模型，有利于降低开销；同时，由于只使用低信噪比环境下的信道(即第一信息小于阈值)进行AI模型训练，还可以避免AI模型学习难度增加，有利于提升AI模型性能。
另外，对于一个layer的预编码矩阵，特征值越高，单一场景下训练越容易，性能越好，所以切换场景之后受到的影响更大，因为两个场景的差距较大；相反的，特征值较低的layer的预编码矩阵的训练效果稍差，但是在多个场景之间的鲁棒性更好。
前面的例子中，若第一信息(如特征值)大于阈值，则第一信道特征信息获取方法包括采用精度较高的第二AI模型的方法，有利于提升AI模型的精度，；若第一信息小于阈值，则第一信道特征信息获取方法包括采用鲁棒性较好的第三AI模型的方法。该例子有利于提升在多个场景之间的鲁棒性。
需要说明的是，上述多个实施例均提到了“阈值”，在不同的实施例中，这些阈值的具体值可以不同，也可以相同，本申请对此不进行限定。
可选地，网络侧设备可以指示终端是否采用阈值判断使用的第一信道特征信息获取方法，例如，基站直接指示终端针对使用第二AI模型或第三AI模型；又例如，基站指示终端根据阈值判断使用哪个AI模型。
在一个例子中，所述方法还包括：所述终端接收指示信息，所述指示信息用于指示如下之一：所述终端使用所述第二AI模型或所述第三AI模型；所述终端根据所述阈值确定使用所述第二AI模型或所述第三AI模型。
可选地，所述第二AI模型包括第一独立子模型和第一公共子模型，所述第三AI模型包括第二独立子模型和第一公共子模型，所述第一公共子模型支持被所述第二AI模型和所述第三AI模型共享。
可选地，所述第二AI模型包括第二独立子模型和第二公共子模型，所述第三AI模型包括第三独立子模型和第三公共子模型，所述第二公共子模型和所述第三公共子模型支持被所述第二AI模型和所述第三AI模型共享，所述第二公共子模型的模型结构和/或权重参数小于所述第三公共子模型。
可选地，所述方法还包括：所述终端根据所述第一信息(如特征值)，从N个区间中确定所述第一预编码向量对应的区间；其中，所述N个区间是按照所述第一信息的大小划分的，所述N个区间中每个区间对应有信道特征信息获取方法，所述信道特征信息获取方法包括采用AI模型的方法或采用非AI模型的方法，N正整数，且N大于2；其中，S204中终端可以根据所述第一预编码向量对应的区间确定出所述第一信道特征信息获取方法。
该实施例例如，预先按照特征值划分N个区间，1-N对应的layer的特征值依次降低，可以有交集，区间1使用AI模型1，区间2使用AI模型2，等等，这些AI模型包括前面提到的第二AI模型，第二AI模型和第三AI模型。模型1包括独立部分1和公共部分，模型2包括独立部分2和公共部分，……。模型1包括独立部分1和K1个公共部分，模型2包括独立部分2和K2个公共部分，……，公共部分结构和参数相同，或者结构相同，参数不同，K1<K2<k3……KN。
可选地，所述区间满足如下至少之一：1)至少两个不同的网络侧设备使用的所述N个区间不同；2)连接同一个网络侧设备的至少两个所述终端使用的所述N个区间相同；3)连接同一个核心网节点的至少两个网络侧设备使用的所述N个区间相同；4)至少两个不同的所述终端使用的所述N个区间不同；5)所述N个区间与信道环境相关。
可选地，所述阈值满足如下至少之一：1)至少两个不同的网络侧设备使用的所述阈值不同；2)连接同一个网络侧设备的至少两个所述终端使用的所述阈值相同；3)连接同一个核心网节点的至少两个网络侧设备使用的所述阈值相同；4)至少两个不同的所述终端使用的所述阈值不同；5)所述阈值与信道环境相关。
上述阈值可以由协议约定或基站指示，阈值也可以包括其他状态，例如视距(Lineof Sight，LOS)或非视距(NonLine of Sight，NLOS)等。
可选地，前文各个实施例提供的方法还包括如下步骤：所述终端上报如下至少之一：
1)至少两个所述第一预编码向量各自的特征值及CQI；
2)至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；
3)所述第一信道特征信息获取方法对应的AI网络模型的标识。
该实施例中，通过终端的上报内容，网络侧设备可以确定出终端编码使用的第一信道特征信息获取方法，进而可以确定出与第一信道特征信息获取方法相匹配的解码方法，例如，确定出与第二AI模型(具体为编码模型)相匹配的AI解码模型等。
可选地，所述第三AI模型满足如下至少之一：1)由多个小区联合训练得到；2)由核心网训练得到；3)使用预定义的离线数据训练得到；4)所述第三AI模型是预定义的。
该实施例中，鲁棒性强的第三AI模型可以是多个小区联合训练的，或者使用核心网训练的结果，或者使用协议中确定的离线的数据训练的结果，或者使用协议约定的网络模型，即多个小区使用的上述第三AI模型相同，且不需要随时间更新，或者用很长的周期随时间更新，有利于节约开销。
可选地，所述第二AI模型是每个小区独立训练得到的。该实施例中，精确度较高的第二AI模型可以是每个小区独立训练，以匹配该小区的信道环境，随着时间推进，信道环境发生变化，第二AI模型的性能下降，可以更新第二AI模型，以提升预测精度。
该实施例中，高精度的第二AI模型侧重于高度匹配信道环境，高鲁棒性的第三AI模型侧重于减少更新过程的开销，通过对数据集的划分，将AI模型划分为高精度AI模型和高鲁棒性AI模型，从而减少高精度AI模型的上行控制信息(Uplink Control Information，UCI)开销，减少高鲁棒性AI模型的模型更新的开销。
需要说明的是，本申请各个实施例中提到的高精度的第二AI模型以及高鲁棒性的第三模型是，这里不应限制为只有两个AI模型，还可以细分为多于两个的AI模型。例如，可以按照从高精度到高鲁棒性的渐变过程预先设置多个(如多于两个)AI模型，每个AI模型根据其精度和鲁棒性还可以有不同的更新周期，或更新触发条件等。
可选地，所述方法还包括：在所述终端发生小区切换的情况下，所述终端更新所述第二AI模型；其中，所述第三AI模型不更新。
该实施例中，终端可以根据信道状态和特征值，选择对应的高精度的第二AI模型或高鲁棒性的第三AI模型，高精度的第二模型随小区更新，随时间更新；高鲁棒性的第三模型不随小区更新，不随时间更新或缓慢更新。
该实施例中，更新的所述第二AI模型满足如下至少之一：
1)所述第二AI模型对应的所述第一信息在指定区间内，例如，第二AI模型对应的特征值在某个区间内，则小区切换后需要更新。
该实施例中，对应的特征值大于一定阈值的AI模型(如第二AI模型)可以进行更新，对应的特征值小于一定阈值的AI模型(如第三AI模型)可以不进行更新。
2)所述第二AI模型是所述终端在小区切换前使用的特定模型。例如，前一个小区判定使用特定的编码或解码模型，例如增强的编解码模型，即更大更复杂的解码网络模型以及对应的编码网络，则小区切换后需要更新。
3)所述终端上报的需要更新的AI模型的标识包括有所述第二AI模型的标识。
可选地，在前文各个实施例的基础上，所述方法还包括：所述终端上报能力信息，所述能力信息指示如下至少之一：
1)在获取信道特征信息时，支持与AI模型同时使用的码本信息，所述AI模型用于获取信道特征信息，所述码本信息用于采用非AI模型的方法获取信道特征信息。例如，终端支持R-15TypeII码本+AI模型，或支持TypeI码本+AI模型。
2)支持按照所述第一信息划分的区间的数量信息；其中，至少两个不同的所述区间对应的信道特征信息获取方法不同。
为详细说明本申请实施例提供的信道特征信息的获取方法，以下将结合一个具体的实施例进行说明。
该实施例中，基站收集不同条件下的用户上报的质量较高的信道状态信息(Channel State Information，CSI)，将收集的数据分成两部分，高信噪比环境下，例如CQI>20，特征值比例大于0.6的数据作为高精度数据集，其他的作为高鲁棒性数据集，这样高精度的数据集能更好的匹配这个基站的信道环境，高鲁棒性的数据集能更好地抵抗干扰。
该实施例中，基站还可以基于LOS径信道，特征值大于0.6的数据作为高精度，其他作为高鲁棒性。具体数据集的划分可以超过两个。
基站根据每个数据集对AI模型进行训练，获得对应的AI模型，将编码器发送给用户，用户根据信道估计的结果，计算第一信息，如计算CQI或SNR的值，然后根据基站指示的阈值信息以及每个layer的特征值等确定每个layer使用的信道特征信息获取方法，如使用编码器AI模型。
终端上报每个layer编码后的结果，同时上报每个layer的CQI或特征值；或者上报每个码字的所有layer的平均CQI和每个layer的特征值。基站根据终端上报的CQI，特征值等信息确定终端使用的编码器AI模型，使用对应的解码模型进行解码。
以上结合图2详细描述了根据本申请实施例的信道特征信息的获取方法。下面将结合图3详细描述根据本申请另一实施例的信道特征信息的获取方法。可以理解的是，从网络侧设备描述的网络侧设备与终端的交互与图2所示的方法中的终端侧的描述相同或相对应，为避免重复，适当省略相关描述。
图3是本申请实施例的信道特征信息的获取方法实现流程示意图，可以应用在网络侧设备。如图3所示，该方法300包括如下步骤。
S302：网络侧设备接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
在本申请实施例中，网络侧设备接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
可选地，作为一个实施例，若第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息；其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
可选地，作为一个实施例，若第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息；所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
可选地，作为一个实施例，所述方法还包括：采用第一数据集训练得到所述第二AI模型，采用第二数据集训练得到所述第三AI模型，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；发送所述第二AI模型和所述第三AI模型。
该实施例中，网络侧设备可以根据信道状态和每个layer的特征值将数据集划分为高精度和高鲁棒性的数据集，分别训练对应的AI网络模型。
可选地，作为一个实施例，所述方法还包括：接收第二信息，根据上述第二信息确定所述第一信道特征信息的解码方法；其中，所述第二信息包括如下至少之一：1)至少两个所述第一预编码向量各自的特征值及CQI；2)至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；3)所述第一信道特征信息获取方法对应的AI网络模型的标识。
本申请实施例提供的信道特征信息的获取方法，执行主体可以为信道特征信息的获取装置。本申请实施例中以信道特征信息的获取装置执行信道特征信息的获取方法为例，说明本申请实施例提供的信道特征信息的获取装置。
图4是根据本申请实施例的信道特征信息的获取装置的结构示意图，该装置可以对应于其他实施例中的终端。如图4所示，装置400包括如下模块。
计算模块402，用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量。
确定模块404，用于确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
在本申请实施例中，计算模块可以计算信道的预编码矩阵，所述预编码矩阵至少包括第一预编码向量；确定模块确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
可选地，作为一个实施例，所述确定模块404，用于根据第一信息，确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
可选地，作为一个实施例，所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息。
可选地，作为一个实施例，所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息。
可选地，作为一个实施例，所述第二AI模型和所述第三AI模型的模型结构相同但模型参数不同；其中，所述第二AI模型采用第一数据集训练得到，所述第三AI模型采用第二数据集训练得到，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；或者，所述第二AI模型和所述第三AI模型的模型结构不同；其中，所述第二AI模型的编码输出长度小于所述第三AI模型的编码输出长度或所述第二AI模型的编码输出长度大于所述第三AI模型的编码输出长度。
可选地，作为一个实施例，所述确定模块404，还用于：根据所述第一信息，从N个区间中确定所述第一预编码向量对应的区间；其中，所述N个区间是按照所述第一信息的大小划分的，所述N个区间中每个区间对应有信道特征信息获取方法，所述信道特征信息获取方法包括采用AI模型的方法或采用非AI模型的方法，N正整数，且N大于2；其中，所述确定模块404根据所述第一预编码向量对应的区间确定出所述第一信道特征信息获取方法。
可选地，作为一个实施例，所述装置还包括发送模块，用于上报如下至少之一：1)至少两个所述第一预编码向量各自的特征值及CQI；2)至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；3)所述第一信道特征信息获取方法对应的AI网络模型的标识。
可选地，作为一个实施例，所述装置还包括更新模块，用于在所述装置发生小区切换的情况下，更新所述第二AI模型；其中，所述第三AI模型不更新。
根据本申请实施例的装置400可以参照对应本申请实施例的方法200的流程，并且，该装置400中的各个单元/模块和上述其他操作和/或功能分别为了实现方法200中的相应流程，并且能够达到相同或等同的技术效果，为了简洁，在此不再赘述。
本申请实施例中的信道特征信息的获取装置可以是电子设备，例如具有操作系统的电子设备，也可以是电子设备中的部件，例如集成电路或芯片。该电子设备可以是终端，也可以为除终端之外的其他设备。示例性的，终端可以包括但不限于上述所列举的终端11的类型，其他设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)等，本申请实施例不作具体限定。
图5是根据本申请实施例的信道特征信息的获取装置的结构示意图，该装置可以对应于其他实施例中的网络侧设备。如图5所示，装置500包括如下模块。
接收模块502，用于接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
在本申请实施例中，接收模块接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
可选地，作为一个实施例，若第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息；其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
可选地，作为一个实施例，若第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息；所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
可选地，作为一个实施例，所述装置还包括模型训练模块，用于采用第一数据集训练得到所述第二AI模型，采用第二数据集训练得到所述第三AI模型，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；发送模块，用于发送所述第二AI模型和所述第三AI模型。
可选地，作为一个实施例，所述接收模块502，还用于接收第二信息，根据上述第二信息确定所述第一信道特征信息的解码方法；其中，所述第二信息包括如下至少之一：1)至少两个所述第一预编码向量各自的特征值及CQI；2)至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；3)所述第一信道特征信息获取方法对应的AI网络模型的标识。
根据本申请实施例的装置500可以参照对应本申请实施例的方法300的流程，并且，该装置500中的各个单元/模块和上述其他操作和/或功能分别为了实现方法300中的相应流程，并且能够达到相同或等同的技术效果，为了简洁，在此不再赘述。
本申请实施例提供的信道特征信息的获取装置能够实现图2至图3的方法实施例实现的各个过程，并达到相同的技术效果，为避免重复，这里不再赘述。
可选的，如图6所示，本申请实施例还提供一种通信设备600，包括处理器601和存储器602，存储器602上存储有可在所述处理器601上运行的程序或指令，例如，该通信设备600为终端时，该程序或指令被处理器601执行时实现上述信道特征信息的获取方法实施例的各个步骤，且能达到相同的技术效果。该通信设备600为网络侧设备时，该程序或指令被处理器601执行时实现上述信道特征信息的获取方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种终端，包括处理器和通信接口，处理器用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。该终端实施例与上述终端侧方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该终端实施例中，且能达到相同的技术效果。具体地，图7为实现本申请实施例的一种终端的硬件结构示意图。
该终端700包括但不限于：射频单元701、网络模块702、音频输出单元703、输入单元704、传感器705、显示单元706、用户输入单元707、接口单元708、存储器709以及处理器710等中的至少部分部件。
本领域技术人员可以理解，终端700还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器710逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图7中示出的终端结构并不构成对终端的限定，终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
应理解的是，本申请实施例中，输入单元704可以包括图形处理单元(GraphicsProcessing Unit，GPU)7041和麦克风7042，图形处理器7041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元706可包括显示面板7061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板7061。用户输入单元707包括触控面板7071以及其他输入设备7072中的至少一种。触控面板7071，也称为触摸屏。触控面板7071可包括触摸检测装置和触摸控制器两个部分。其他输入设备7072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
本申请实施例中，射频单元701接收来自网络侧设备的下行数据后，可以传输给处理器710进行处理；另外，射频单元701可以向网络侧设备发送上行数据。通常，射频单元701包括但不限于天线、放大器、收发信机、耦合器、低噪声放大器、双工器等。
存储器709可用于存储软件程序或指令以及各种数据。存储器709可主要包括存储程序或指令的第一存储区和存储数据的第二存储区，其中，第一存储区可存储操作系统、至少一个功能所需的应用程序或指令(比如声音播放功能、图像播放功能等)等。此外，存储器709可以包括易失性存储器或非易失性存储器，或者，存储器709可以包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本申请实施例中的存储器709包括但不限于这些和任意其它适合类型的存储器。
处理器710可包括一个或多个处理单元；可选的，处理器710集成应用处理器和调制解调处理器，其中，应用处理器主要处理涉及操作系统、用户界面和应用程序等的操作，调制解调处理器主要处理无线通信信号，如基带处理器。可以理解的是，上述调制解调处理器也可以不集成到处理器710中。
其中，处理器710，可以用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
在本申请实施例中，终端可以计算信道的预编码矩阵，所述预编码矩阵至少包括第一预编码向量；确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。本申请实施例中，针对不同的第一预编码向量可以采用不同的信道特征信息获取方法，提升了信道特征信息获取的灵活性，提升通信系统性能。
本申请实施例提供的终端700还可以实现上述信道特征信息的获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种网络侧设备，包括处理器和通信接口，通信接口用于接收信道特征信息；其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。该网络侧设备实施例与上述网络侧设备方法实施例对应，上述方法实施例的各个实施过程和实现方式均可适用于该网络侧设备实施例中，且能达到相同的技术效果。
具体地，本申请实施例还提供了一种网络侧设备。如图8所示，该网络侧设备800包括：天线81、射频装置82、基带装置83、处理器84和存储器85。天线81与射频装置82连接。在上行方向上，射频装置82通过天线81接收信息，将接收的信息发送给基带装置83进行处理。在下行方向上，基带装置83对要发送的信息进行处理，并发送给射频装置82，射频装置82对收到的信息进行处理后经过天线81发送出去。
以上实施例中网络侧设备执行的方法可以在基带装置83中实现，该基带装置83包括基带处理器。
基带装置83例如可以包括至少一个基带板，该基带板上设置有多个芯片，如图8所示，其中一个芯片例如为基带处理器，通过总线接口与存储器85连接，以调用存储器85中的程序，执行以上方法实施例中所示的网络设备操作。
该网络侧设备还可以包括网络接口86，该接口例如为通用公共无线接口(commonpublic radio interface，CPRI)。
具体地，本发明实施例的网络侧设备800还包括：存储在存储器85上并可在处理器84上运行的指令或程序，处理器84调用存储器85中的指令或程序执行图5所示各模块执行的方法，并达到相同的技术效果，为避免重复，故不在此赘述。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述信道特征信息的获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的终端中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器ROM、随机存取存储器RAM、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述信道特征信息的获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片，系统芯片，芯片系统或片上系统芯片等。
本申请实施例另提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现上述信道特征信息的获取方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种信道特征信息的获取系统，包括：终端及网络侧设备，所述终端可用于执行如上所述的信道特征信息的获取方法的步骤，所述网络侧设备可用于执行如上所述的信道特征信息的获取方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

Claims (37)

1.一种信道特征信息的获取方法，其特征在于，包括：
终端计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；
所述终端确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
2.根据权利要求1所述的方法，其特征在于，所述终端确定所述第一预编码向量对应的第一信道特征信息获取方法包括：所述终端根据第一信息，确定所述第一预编码向量对应的第一信道特征信息获取方法；
其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，信道质量指示CQI，信噪比SNR，信干噪比SINR，信道容量。
3.根据权利要求2所述的方法，其特征在于，
所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，
所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息。
4.根据权利要求2所述的方法，其特征在于，
所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，
所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；
其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息。
5.根据权利要求4所述的方法，其特征在于，
所述第二AI模型和所述第三AI模型的模型结构相同但模型参数不同；其中，所述第二AI模型采用第一数据集训练得到，所述第三AI模型采用第二数据集训练得到，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；或者，
所述第二AI模型和所述第三AI模型的模型结构不同；其中，所述第二AI模型的编码输出长度小于所述第三AI模型的编码输出长度或所述第二AI模型的编码输出长度大于所述第三AI模型的编码输出长度。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：所述终端接收指示信息，所述指示信息用于指示如下之一：
所述终端使用所述第二AI模型或所述第三AI模型；
所述终端根据所述阈值确定使用所述第二AI模型或所述第三AI模型。
7.根据权利要求4所述的方法，其特征在于，
所述第二AI模型包括第一独立子模型和第一公共子模型，所述第三AI模型包括第二独立子模型和第一公共子模型，所述第一公共子模型支持被所述第二AI模型和所述第三AI模型共享；或者，
所述第二AI模型包括第二独立子模型和第二公共子模型，所述第三AI模型包括第三独立子模型和第三公共子模型，所述第二公共子模型和所述第三公共子模型支持被所述第二AI模型和所述第三AI模型共享，所述第二公共子模型的模型结构和/或权重参数小于所述第三公共子模型。
8.根据权利要求3，4或5所述的方法，其特征在于，所述方法还包括：
所述终端根据所述第一信息，从N个区间中确定所述第一预编码向量对应的区间；其中，所述N个区间是按照所述第一信息的大小划分的，所述N个区间中每个区间对应有信道特征信息获取方法，所述信道特征信息获取方法包括采用AI模型的方法或采用非AI模型的方法，N正整数，且N大于2；
其中，所述终端根据所述第一预编码向量对应的区间确定出所述第一信道特征信息获取方法。
9.根据权利要求8所述的方法，其特征在于，所述区间满足如下至少之一：
至少两个不同的网络侧设备使用的所述N个区间不同；
连接同一个网络侧设备的至少两个所述终端使用的所述N个区间相同；
连接同一个核心网节点的至少两个网络侧设备使用的所述N个区间相同；
至少两个不同的所述终端使用的所述N个区间不同；
所述N个区间与信道环境相关。
10.根据权利要求3，4或5所述的方法，其特征在于，所述阈值满足如下至少之一：
至少两个不同的网络侧设备使用的所述阈值不同；
连接同一个网络侧设备的至少两个所述终端使用的所述阈值相同；
连接同一个核心网节点的至少两个网络侧设备使用的所述阈值相同；
至少两个不同的所述终端使用的所述阈值不同；
所述阈值与信道环境相关。
11.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述终端上报如下至少之一：
至少两个所述第一预编码向量各自的特征值及CQI；
至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；
所述第一信道特征信息获取方法对应的AI网络模型的标识。
12.根据权利要求4所述的方法，其特征在于，所述第三AI模型满足如下至少之一：
由多个小区联合训练得到；
由核心网训练得到；
使用预定义的离线数据训练得到；
所述第三AI模型是预定义的。
13.根据权利要求4所述的方法，其特征在于，所述第二AI模型是每个小区独立训练得到的。
14.根据权利要求4所述的方法，其特征在于，所述方法还包括：在所述终端发生小区切换的情况下，所述终端更新所述第二AI模型；其中，所述第三AI模型不更新。
15.根据权利要求14所述的方法，其特征在于，更新的所述第二AI模型满足如下至少之一：
所述第二AI模型对应的所述第一信息在指定区间内；
所述第二AI模型是所述终端在小区切换前使用的特定模型；
所述终端上报的需要更新的AI模型的标识包括有所述第二AI模型的标识。
16.根据权利要求2所述的方法，其特征在于，所述方法还包括：所述终端上报能力信息，所述能力信息指示如下至少之一：
在获取信道特征信息时，支持与AI模型同时使用的码本信息，所述AI模型用于获取信道特征信息，所述码本信息用于采用非AI模型的方法获取信道特征信息；
支持按照所述第一信息划分的区间的数量信息；其中，至少两个不同的所述区间对应的信道特征信息获取方法不同。
17.一种信道特征信息的获取方法，其特征在于，包括：
网络侧设备接收信道特征信息；
其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
18.根据权利要求17所述的方法，其特征在于，
若第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，
若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息；
其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
19.根据权利要求17所述的方法，其特征在于，
若第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，
若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；
其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息；所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
20.根据权利要求19所述的方法，其特征在于，所述方法还包括：
采用第一数据集训练得到所述第二AI模型，采用第二数据集训练得到所述第三AI模型，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；
发送所述第二AI模型和所述第三AI模型。
21.根据权利要求17所述的方法，其特征在于，所述方法还包括：接收第二信息，根据上述第二信息确定所述第一信道特征信息的解码方法；其中，所述第二信息包括如下至少之一：
至少两个所述第一预编码向量各自的特征值及CQI；
至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；
所述第一信道特征信息获取方法对应的AI网络模型的标识。
22.一种信道特征信息的获取装置，其特征在于，包括：
计算模块，用于计算信道的预编码矩阵；其中，所述预编码矩阵至少包括第一预编码向量；
确定模块，用于确定所述第一预编码向量对应的第一信道特征信息获取方法；其中，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
23.根据权利要求22所述的装置，其特征在于，所述确定模块，用于根据第一信息，确定所述第一预编码向量对应的第一信道特征信息获取方法；
其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
24.根据权利要求23所述的装置，其特征在于，
所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，
所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息。
25.根据权利要求23所述的装置，其特征在于，
所述第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，
所述第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；
其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息。
26.根据权利要求25所述的装置，其特征在于，
所述第二AI模型和所述第三AI模型的模型结构相同但模型参数不同；其中，所述第二AI模型采用第一数据集训练得到，所述第三AI模型采用第二数据集训练得到，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；或者，
所述第二AI模型和所述第三AI模型的模型结构不同；其中，所述第二AI模型的编码输出长度小于所述第三AI模型的编码输出长度或所述第二AI模型的编码输出长度大于所述第三AI模型的编码输出长度。
27.根据权利要求24，25或26所述的方法，其特征在于，所述确定模块，还用于：
根据所述第一信息，从N个区间中确定所述第一预编码向量对应的区间；其中，所述N个区间是按照所述第一信息的大小划分的，所述N个区间中每个区间对应有信道特征信息获取方法，所述信道特征信息获取方法包括采用AI模型的方法或采用非AI模型的方法，N正整数，且N大于2；
其中，所述确定模块根据所述第一预编码向量对应的区间确定出所述第一信道特征信息获取方法。
28.根据权利要求23所述的装置，其特征在于，所述装置还包括发送模块，用于上报如下至少之一：
至少两个所述第一预编码向量各自的特征值及CQI；
至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；
所述第一信道特征信息获取方法对应的AI网络模型的标识。
29.根据权利要求25所述的装置，其特征在于，所述装置还包括更新模块，用于在所述装置发生小区切换的情况下，更新所述第二AI模型；其中，所述第三AI模型不更新。
30.一种信道特征信息的获取装置，其特征在于，包括：
接收模块，用于接收信道特征信息；
其中，所述信道特征信息是终端根据第一信道特征信息获取方法对第一预编码向量处理后得到的，至少两个不同的所述第一预编码向量对应的信道特征信息获取方法不同。
31.根据权利要求30所述的装置，其特征在于，
若第一信息大于阈值，所述第一信道特征信息获取方法包括采用非AI模型的方法；或者，
若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第一AI模型的方法，所述第一AI模型用于获取信道特征信息；
其中，所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
32.根据权利要求30所述的装置，其特征在于，
若第一信息大于阈值，所述第一信道特征信息获取方法包括采用第二AI模型的方法；或者，
若第一信息小于阈值，所述第一信道特征信息获取方法包括采用第三AI模型的方法；
其中，所述第二AI模型和所述第三AI模型均用于获取信道特征信息；所述第一信息包括如下至少之一：所述第一预编码向量的特征值，所述第一预编码向量的奇异值，CQI，SNR，SINR，信道容量。
33.根据权利要求32所述的装置，其特征在于，所述装置还包括模型训练模块，用于采用第一数据集训练得到所述第二AI模型，采用第二数据集训练得到所述第三AI模型，所述第一数据集的所述第一信息大于所述第二数据集的所述第一信息；
发送模块，用于发送所述第二AI模型和所述第三AI模型。
34.根据权利要求30所述的装置，其特征在于，所述接收模块，还用于接收第二信息，根据上述第二信息确定所述第一信道特征信息的解码方法；其中，所述第二信息包括如下至少之一：
至少两个所述第一预编码向量各自的特征值及CQI；
至少两个所述第一预编码向量的平均CQI以及至少两个所述第一预编码向量各自的特征值；
所述第一信道特征信息获取方法对应的AI网络模型的标识。
35.一种终端，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至16任一项所述的信道特征信息的获取方法的步骤。
36.一种网络侧设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求17至21任一项所述的信道特征信息的获取方法的步骤。
37.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至16任一项所述的信道特征信息的获取方法的步骤，或者实现如权利要求17至21任一项所述的信道特征信息的获取方法的步骤。
CN202210482867.XA 2022-05-05 2022-05-05 信道特征信息的获取方法、终端及网络侧设备 Pending CN117060959A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210482867.XA CN117060959A (zh) 2022-05-05 2022-05-05 信道特征信息的获取方法、终端及网络侧设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210482867.XA CN117060959A (zh) 2022-05-05 2022-05-05 信道特征信息的获取方法、终端及网络侧设备

Publications (1)

Publication Number Publication Date
CN117060959A true CN117060959A (zh) 2023-11-14

Family

ID=88655937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210482867.XA Pending CN117060959A (zh) 2022-05-05 2022-05-05 信道特征信息的获取方法、终端及网络侧设备

Country Status (1)

Country Link
CN (1) CN117060959A (zh)

Similar Documents

Publication Publication Date Title
CN116266216A (zh) 客户端筛选方法及装置、客户端及中心设备
CN117318774A (zh) 信道矩阵处理方法、装置、终端及网络侧设备
CN117060959A (zh) 信道特征信息的获取方法、终端及网络侧设备
CN116488747A (zh) 信息交互方法、装置及通信设备
CN115913486A (zh) 信息上报方法、装置、终端及可读存储介质
CN117014044A (zh) 信道信息反馈方法、终端及网络侧设备
CN117835262A (zh) Ai模型的处理方法、装置及通信设备
CN116233906A (zh) 测量方法、装置、设备及存储介质
CN117676687A (zh) 测量反馈处理方法、装置、终端及网络侧设备
CN116996143A (zh) 信道预测方法、装置、终端、网络侧设备及通信系统
CN117318773A (zh) 信道矩阵处理方法、装置、终端及网络侧设备
CN117560708A (zh) 一种智能ai网络模型的性能监督方法、装置和通信设备
CN116996898A (zh) Ai网络模型确定方法、装置、参考节点和网络侧设备
CN117411527A (zh) 信道特征信息上报及恢复方法、终端和网络侧设备
CN117676668A (zh) 信息传输方法、装置、终端及网络侧设备
CN117914366A (zh) 信息反馈方法、装置、终端、网络侧设备及可读存储介质
CN117692954A (zh) 测量反馈处理方法、装置、终端及网络侧设备
CN116806029A (zh) Ai模型的处理方法及设备
CN116938402A (zh) 信号发送方法、信号接收方法及通信设备
CN118282899A (zh) 功能性生命周期管理的模型监测方法、装置、通信设备、系统及存储介质
CN116828496A (zh) 信道特征信息辅助上报及恢复方法、终端和网络侧设备
CN117411746A (zh) Ai模型处理方法、装置、终端及网络侧设备
CN118337321A (zh) Csi传输方法、装置、终端及网络侧设备
CN117528622A (zh) 测量结果上报方法、装置、终端、网络侧设备及介质
CN117998445A (zh) 波束质量上报和接收方法、终端及网络侧设备

Legal Events

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