CN117279081A - 通信方法、基站、用户设备及存储介质 - Google Patents
通信方法、基站、用户设备及存储介质 Download PDFInfo
- Publication number
- CN117279081A CN117279081A CN202210674664.0A CN202210674664A CN117279081A CN 117279081 A CN117279081 A CN 117279081A CN 202210674664 A CN202210674664 A CN 202210674664A CN 117279081 A CN117279081 A CN 117279081A
- Authority
- CN
- China
- Prior art keywords
- carrier
- power
- determining
- transmission capacity
- power allocation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 238000004891 communication Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 85
- 230000005540 biological transmission Effects 0.000 claims description 213
- 239000000969 carrier Substances 0.000 claims description 44
- 230000002776 aggregation Effects 0.000 claims description 22
- 238000004220 aggregation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 18
- 230000008569 process Effects 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 239000002699 waste material Substances 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 125000002306 tributylsilyl group Chemical group C(CCC)[Si](CCCC)(CCCC)* 0.000 description 2
- 206010042135 Stomatitis necrotising Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012050 conventional carrier Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 201000008585 noma Diseases 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/06—TPC algorithms
- H04W52/14—Separate analysis of uplink or downlink
- H04W52/146—Uplink power control
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/346—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading distributing total power among users or channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/38—TPC being performed in particular situations
- H04W52/42—TPC being performed in particular situations in systems with time, space, frequency or polarisation diversity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
- H04W52/262—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account adaptive modulation and coding [AMC] scheme
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
- H04W52/365—Power headroom reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
- H04W88/085—Access point devices with remote components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请实施例提供了一种通信方法、基站、用户设备及存储介质,该方法包括:确定各个载波的目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率。该方法能够实现为具有不同能力的各个载波设置不同的发射功率,以尽可能地节省UE的功率消耗,从而延长UE运行时间。同时,由基站或UE执行的上述方法可以使用人工智能模型来执行。
Description
技术领域
本申请涉及通信技术领域,具体而言,本申请涉及一种通信方法、基站、用户设备(User Equipment,UE)及存储介质。
背景技术
为了满足自4G通信系统的部署以来增加的对无线数据通信业务的需求,已经努力开发改进的5G或准5G通信系统。因此,5G或准5G通信系统也被称为“超4G网络”或“后LTE(Long Term Evolution,长期演进)系统”。
5G通信系统是在更高频率(毫米波,mmWave)频带,例如60GHz频带中实施的,以实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离,在5G通信系统中讨论了波束成形、大规模多输入多输出(MIMO,Multiple Input Multiple Output)、全维MIMO(FD-MIMO,Full Dimension-MIMO)、阵列天线、模拟波束成形、大规模天线等技术。
此外,在5G通信系统中,基于先进的小小区、云无线接入网(RAN,Radio AccessNetwork)、超密集网络、设备到设备(D2D,Device to Device)通信、无线回程、移动网络、协作通信、协作多点(CoMP,Coordinated Multiple Points)、接收端干扰消除等,正在进行对系统网络改进的开发。
在5G系统中,已经开发了作为高级编码调制(ACM,Adaptive Coding andModulation)的混合FSK(Frequency-Shift Keying,频移键控)和QAM(QuadratureAmplitude Modulation,正交幅度调制)调制(FQAM)和滑动窗口叠加编码(SWSC,SlidingWindow Superposition Coding)、以及作为高级接入技术的滤波器组多载波(FBMC,FilterBank MultiCarrier)、非正交多址(NOMA,Non-Orthogonal Multiple Access)和稀疏码多址(SCMA,Sparse Code Multiple Access)。
现有方案中,对于采用载波聚合(Carrier Aggregation,CA)技术时的上行(UpLink,UL)功率分配,基站会决策使用哪几个载波参与调度,并把UE的上行功率均匀地分配给这些参与调度的载波。然而,这样的功率分配方式可能导致UE的某个或某些载波实际需要的功率低于分配到的功率,从而造成功率浪费。
发明内容
本申请实施例的目的旨在能解决如何减少UE的功率浪费的问题。
根据本申请实施例的一个方面,提供了一种通信系统中由基站执行的方法,该方法包括:
确定各个载波的目标功率分配比例;
根据目标功率分配比例,确定各个载波分别对应的发射功率。
根据本申请实施例的另一个方面,提供了一种通信系统中由UE执行的方法,该方法包括:
向基站上报(报告)PHR(Power Headroom Report,功率余量报告),以便基站确定UE的各个载波的目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率。
根据本申请实施例的又一个方面,提供了一种基站,该基站包括:
收发器,被配置为发送和接收信号;以及
控制器,与收发器耦接并被配置为执行本申请实施例提供的由基站执行的方法的步骤。
根据本申请实施例的再一个方面,提供了一种UE,该UE包括:
收发器,被配置为发送和接收信号;以及
控制器,与收发器耦接并被配置为执行本申请实施例提供的由UE执行的方法的步骤。
根据本申请实施例的还一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请实施例提供的由基站执行的方法的步骤。
根据本申请实施例的还一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本申请实施例提供的由UE执行的方法的步骤。
根据本申请实施例的还一个方面,提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现本申请实施例提供的由基站执行的方法的步骤。
根据本申请实施例的还一个方面,提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现本申请实施例提供的由UE执行的方法的步骤。
本申请实施例提供的通信方法、基站、用户设备及存储介质,通过确定各个载波的目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率,实现为具有不同能力的各个载波设置不同的发射功率,以尽可能地节省UE的功率消耗,从而延长UE运行时间。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种由基站执行的方法的流程示意图;
图2为本申请实施例提供的一个在多种候选功率分配比例中确定一个目标功率分配比例的示例图;
图3为本申请实施例提供的由通道条件的变化引起MCS波动的示意图;
图4a为本申请实施例提供的功率分配比例及PSO收敛过程的示意图;
图4b为本申请实施例提供的一种目标功率分配比例的结果的示意图;
图4c为本申请实施例提供的PSO算法的迭代速度的示意图;
图5a为本申请实施例提供的迭代确定目标功率分配比例的示意图;
图5b为本申请实施例提供的F值空间的示意图;
图6a为本申请实施例提供的估计主载波控制面功率值的示意图;
图6b为本申请实施例提供的态势估计主载波控制面功率值的示意图;
图6c为本申请实施例提供的估计结果的精度的示意图二;
图7a为本申请实施例提供的一种载波聚合态势估计的示例图;
图7b为本申请实施例提供的一个功率分配的示例图;
图8为本申请实施例提供的主载波功率保护的流程的示意图;
图9为一个现有技术功率分配与本申请技术方案的功率分配的对比示例图;
图10a为本申请实施例提供的功率分配方案一的处理流程的示例图;
图10b为本申请实施例提供的功率分配方案一的功率节省对比结果的示意图;
图11a为本申请实施例提供的功率分配方案二的处理流程的示例图;
图11b为本申请实施例提供的功率分配方案二的功率节省对比结果的示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解,下面结合附图所阐述的实施方式,是用于解释本申请实施例的技术方案的示例性描述,对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是,本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件,但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解,当我们称一个元件被“连接”或“耦接”到另一元件时,该一个元件可以直接连接或耦接到另一元件,也可以指该一个元件和另一元件通过中间元件建立连接关系。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个,例如“A和/或B”可以实现为“A”,或者实现为“B”,或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
现有的传统载波聚合的上行功率分配方案中,基站会决策使用哪几个载波参与调度,并把UE的上行功率均匀地分配给这些参与调度的载波,这种上行功率分配方式的不足主要体现为:
(1)不灵活:现有方案均等分配参与调度的每个载波的发射功率,导致UE功率浪费且UE的峰值速率降低。
(2)适应性弱:功率分配周期相对于调度周期过长,在功率分配周期内无法适应由于信道动态变化造成的MCS(Modulation and Coding Scheme,调制编码方案,也可简称为调制方式)波动对传输速率的影响,导致传输效率低。
具体地,上述不足产生的主要原因如下:
(1)功率分配机制不灵活:仅有少数几个功率分配选项,且功率分配方式单一,产生功率浪费和传输效率降低。
具体来说,基于参与调度的载波数量进行发射功率的线性值均分,仅考虑每个载波具有相同条件的情况,即每个载波上分配到的发射功率是一样的数值。然而,本申请的发明人发现,每个载波实际需要的功率可能不同。当一个载波实际需要的发射功率低于分配到的功率值时,会产生功率浪费;当一个载波需要的发射功率高于分配到的功率值时,UE的峰值速率会降低。这种功率分配机制的可选功率分配方案局限性太大,无法充分利用UE的全部功率。
(2)适应性弱:计算功率分配结果的相关参数采用的瞬时值,因此对功率分配周期内其他时刻的传输效率产生影响严重,进一步加重了功率浪费。
具体来说,功率分配结果的计算是基于瞬时值,例如可以涉及使用的符号数(symbol)、MCS、层数(layer)等参数。在一个PHR上报周期(持续时间可能包含多个时间单元,例如100个时隙(slot),但不限于此)内,功率分配结果是常数。但是符号数、MCS、层数等参数在每个时间单元内都可能变化更新。所以通过瞬时值计算得到的功率分配结果无法适应整个PHR上报周期内随时变化的功率需求。
针对相关技术中所存在的上述至少一个技术问题或需要改善的地方,本申请提出一种功率分配方案,该方案通过为具有不同能力的各个载波动态地设置不同的发射功率,以尽可能地节省UE的功率消耗,从而延长UE运行时间,同时保持UE的传输速率不受影响。
下面通过对几个示例性实施方式的描述,对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是,下述实施方式之间可以相互参考、借鉴或结合,对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等,不再重复描述。
本申请实施例中提供了一种通信系统中由基站执行的方法,如图1所示,该方法包括:
步骤S101:确定各个载波(Component Carrier,CC,也可简单地认为就是小区)的目标功率分配比例;
对于本申请实施例,可以应用于上行载波聚合场景中,对各个上行载波的功率分配。当UE待传输的数据业务量大于网络预设的启动载波聚合的判定门限,且该UE支持载波聚合技术时,网络会为该UE启用载波聚合,并激活用于载波聚合的各个载波。UE开始进行周期性地向基站上报PHR,用于基站更新该UE的最大发射功率(max power)信息。
基于PHR报告,基站需要决策在给定未来周期时间内给各个载波分配实际传输的发射功率。
本申请实施例中,给定未来周期可以是指一个PHR上报周期,也可称为PHR间隔周期、功率分配周期或功率控制周期等,但并不限于这些名称,也可以为其他名称。发射功率也可称为传输功率、上行功率或上行发射功率等,或者也可简称为功率。
本申请实施例中,在每一个PHR上报周期开始,基站决策这个PHR上报周期内各个载波调度的目标功率分配比例。
其中,功率分配比例指的是在载波聚合的各个载波上分别分配的功率占总功率的百分比,所有载波分别对应的比例值之和可以为1,即Ri≥0,其中,Ri表示CCi分配到的比例值;N表示载波的总数。进一步地,目标功率分配比例是指确定出的较优的功率分配比例方案,以实现最大化载波聚合的所有载波的总体能力。
具体而言,可以根据各个载波的载波能力,确定各个载波的优选目标功率分配比例。本领域技术人员可以根据实际情况来设置衡量各个载波的载波能力的信息,例如载波的吞吐量或数据传输速率等,本申请实施例在此不做限定。
步骤S102:根据目标功率分配比例,确定各个载波分别对应的发射功率。
基于确定出的目标功率分配比例,便可为具有不同能力的各个载波分配不同比例的功率。
具体而言,根据确定出的目标功率分配比例和UE上行总功率,便可得到各个载波分别对应的发射功率。例如将目标功率分配比例中各个载波对应的比例值分别与UE上行总功率相乘,但不限于此。
本申请实施例提供的由基站执行的方法,能够实现为具有不同能力的各个载波设置不同的发射功率,以尽可能地节省UE的功率消耗,并提高传输效率,从而延长UE运行时间,用户便可通过享受更长时间的高传输率服务来获得更好的体验。
本申请实施例中,为步骤S101提供了一种可行的实施方式,具体地,可以包括步骤:
步骤S1011:确定各个载波的至少一种候选功率分配比例分别对应的载波传输容量;
步骤S1012:根据至少一种候选功率分配比例分别对应的载波传输容量,在至少一种候选功率分配比例中确定目标功率分配比例。
本申请实施例中,基站可以假设将不同功率分配方案(即对应不同的功率分配比例)下的载波参与调度,估算每种功率分配方案对应的载波能力,进而在不同功率分配方案中确定一种较优的功率分配方案,用来计算各个载波分别对应的发射功率。即候选功率分配比例指的是用于选择出目标功率分配比例的候选的一个或多个功率分配比例方案。
本申请实施例中,判断每种候选功率分配比例对应的载波能力,可以依据每种候选功率分配比例带来的吞吐量或数据传输速率,具体地,可以为每种候选功率分配比例计算其对应的载波传输容量(capacity,也可简称为传输容量或容量)。可选地,载波传输容量可以体现为载波的TBS(Transport Block Size,传输块大小),但不限于此。为便于描述,下文中某些实施例可能以载波传输容量是载波的TBS为例进行介绍。
本申请实施例中,载波传输容量可以是指每种候选功率分配比例对应的每个载波的传输容量,也可以是指每种候选功率分配比例对应的所有载波的总传输容量,但不限于此。可以理解,任何能够体现每种候选功率分配比例对应的载波能力的体现方式,均可适用于本申请,故也应包含在本申请保护范围以内。
作为示例地,至少一种候选功率分配比例分别对应的载波传输容量是指至少一种候选功率分配比例分别对应的载波总传输容量,那么在步骤S1012中,可以将至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例,确定为目标功率分配比例。
以载波传输容量是载波的TBS为例,通过图2示出了一个在多种候选功率分配比例中确定一个目标功率分配比例的示例。参见图2,可以看到,每个CC的发射功率到传输容量都有不同的转换效率,即具有相同功率单元的每个CC的容量也是不同的,因此不同的功率分配比例将导致不同的载波总传输容量。本示例的目标是确定所有CC的总TBS中的最大总TBS对应的功率分配比例。在图2给出的示例中,功率按照1:1:1:1分配,得到所有CC的总TBS为TBS1;功率按照3:1:2:2分配,得到所有CC的总TBS为TBSn;功率按照3:1:3:1分配,得到所有CC的总TBS为TBSn+1;其他的功率分配比例类似,将不再赘述。本示例中,假设TBSn+1是所有总TBS值中的最大值(即所有候选功率分配比例的载波总传输容量中的最大载波总传输容量),因此功率分配比例R0=0.375,R1=0.125,R2=0.375,R3=0.125(对应3:1:3:1)可以确定为目标功率分配比例。
另外,通过图2可以看到,本申请实施例提供的功率分配方法,也可以包含功率等分方案(例如目标功率分配比例为等比例时),以及也可以包含选取不同的参与调度的载波数量的方案(例如目标功率分配比例中某CC对应的R=0时)。也就是说,本申请实施例提供的功率分配方法包含更多可选择的方案,灵活性和适用性更高。
本申请实施例中,在步骤S1011中,可以先确定至少一种候选功率分配比例分别对应的每个载波的传输容量,再根据至少一种候选功率分配比例分别对应的每个载波的传输容量,确定至少一种候选功率分配比例分别对应的载波总传输容量,进而在步骤S1012中,将至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例,确定为目标功率分配比例。
继续以载波传输容量是载波的TBS为例,则最大总TBS可以表示为如下公式一:
其中,TBSi表示CCi的传输容量,TBSi的值与功率分配比例相关(即取决于对应的功率分配比例,也可以理解为受到功率分配比例Ri的影响),即表示一种候选功率分配比例对应的总TBS;arg.max(·)表示确定多个总TBS中的最大值;N表示CC的总数。在确定出最大总TBS后,便可将对应最大总TBS的候选功率分配比例确定为目标功率分配比例,用于为具有不同能力的各个载波分配合适比例的功率。
本申请实施例中,为确定各个载波的任一候选功率分配比例对应的载波传输容量,提供了一种可行的实施方式,具体地,可以包括步骤:确定该任一候选功率分配比例对应的每个载波的估计传输容量参数和/或为该任一候选功率分配比例对应的每个载波分配的资源块(Resource Block,RB);根据估计传输容量参数和/或资源块,确定该任一候选功率分配比例对应的载波传输容量。
同理地,一种可选实施方式为:针对该任一候选功率分配比例,可以是根据每个载波的估计传输容量参数和/或为每个载波分配的资源块,确定该任一候选功率分配比例对应的每个载波的传输容量,再确定对应的载波总传输容量。
作为示例地,以载波传输容量是载波的TBS为例,可以是在上述公式一的基础上,针对一个候选功率分配比例,基于每个CC的估计传输容量参数和为每个CC分配的RB,通过如下公式二计算每个CC对应的TBS:
TBSi=fTBS(CCi TBS parameters,RBi)
——公式二
其中,CCi TBS parameters表示CCi的估计TBS(传输容量)参数;RBi表示为CCi分配的资源块(可以指示为资源块的编号,但不限于此);CCi TBS parameters和RBi的值均与功率分配比例相关,即CCi TBS parameters表示一种候选功率分配比例对应的CCi的估计TBS参数,功率分配比例会影响TBS参数中的信道条件,RBi表示一种候选功率分配比例对应的为CCi分配的资源块;fTBS(·)表示对CCi TBS parameters和RBi进行相应处理,得到相应候选功率分配比例对应的CCi的TBSi(传输容量)。
另一种可选实施方式为:针对该任一候选功率分配比例,可以是直接根据每个载波的估计传输容量参数和/或为每个载波分配的资源块,确定该任一候选功率分配比例对应的载波总传输容量。例如将所有载波对应的估计传输容量参数和/或资源块进行汇总后,再来计算载波总传输容量,未详尽之处参见上文中的介绍,在此不再赘述。
本申请实施例中,传输容量参数是指与UE的配置、业务负载或调度以及通道条件有关的参数,例如用于业务传输的符号数(symbol)、MCS、层数等,但不限于此。这些参数的变化周期很短,例如每个时间单元都可能发生变化。
对于本申请实施例,之所以使用估计传输容量参数,是考虑到确定CC传输容量的所使用的参数在一个PHR上报周期内通常不是一成不变的,而是实时变化的。因此可以进行数据变化的估计(也可称为态势估计),得到估计传输容量参数,用来表示其一个PHR上报周期内的变化趋势。
本申请实施例提供了一种可行的实现方式,可以根据每个载波的历史传输容量参数,确定任一候选功率分配比例对应的每个载波的估计传输容量参数。其中,估计传输容量参数包括但不限于以下至少一种:估计符号数、估计信号值、估计干扰值、估计SINR、估计MCS、估计层数等。历史传输容量参数可以是指一个或多个历史时刻(可以对应小时间颗粒,例如可以是一个或多个时间单元(如时隙)级别的历史传输容量参数)的传输容量参数。历史传输容量参数包括但不限于以下至少一种:历史符号数、历史信号值、历史干扰值、历史SINR、历史MCS、历史层数等。本领域技术人员可以根据实际情况来设置所需的估计传输容量参数,以及计算所需估计传输容量参数所使用的历史传输容量参数及其计算方式,本申请实施例在此不做限定。
作为示例地,本申请实施例中,所需的估计传输容量参数包括估计MCS,对估计MCS的计算可以基于如下公式三~七所示的历史传输容量参数和计算方式:
MCS′i=fMCS(SINR′i,sym′i,Mod)
——公式三
sym′i=fSA_1(his_sym)
——公式四
SINR′i=[S′i+foffset(Ri·PTotal)]/(I′i+N)
——公式五
S′i=fSA_2(his_S)
——公式六
I′i=fSA_3(his_I)
——公式七
其中,his_sym、his_S和his_I分别表示历史符号数、历史信号值和历史干扰值;sym′i、S′i和I′i分别表示CCi的估计符号数、估计信号值和估计干扰值;总的来说,sym与时间相关,对应相应的符号级别,取值范围为(0,14],S和I分别对应相应的信号和干扰级别;fSA(·)表示(态势)估计函数,也可以理解为基于历史传输容量参数来确定估计传输容量参数的(态势)估计处理过程;SINR′i表示估计SINR,其取值与功率分配比例相关,具体而言,PTotal表示最大发射功率,Ri·PTotal表示任一候选功率分配比例下CCi分配到的发射功率,Ri·PTotal用于改变估计SINR中估计信号值S′i的影响;foffset(·)表示功率适配函数,也可以理解为对信道变化影响的预先补偿处理过程;N表示噪声值,考虑到噪声通常为高斯白噪声,可以不对噪声值进行估计,或者,也可以使用N′i来代替N,即使用估计噪声值;MCS′i表示估计MCS;fMCS(·)表示对MCS′i的计算过程,具体可以是一个表映射过程,即基于CCi的符号数sym、SINR和UE支持的最大调制模式(Mod)到MCS的映射,能够表示由通道条件引起的MCS变化(例如图3示出了由通道条件变化引起的MCS波动),Mod是UE容量常数,不同的UE会对应不同的模组。
需要说明的是,fSA_1、fSA_2和fSA_3可以采取相同的估计处理方式,也可以采取不同的估计处理方式。作为示例地,一种可选的估计处理方式为通过卡尔曼滤波算法,能够实现连续态势评估和单点态势评估。其中,fSA_1、fSA_2、fSA_3可以是均采用卡尔曼滤波算法进行处理,也可以是部分采用卡尔曼滤波算法,剩余的采用其他估计算法进行处理,本领域技术人员可以根据实际情况来采取合适的估计处理方式,本申请实施例在此不做限定。
可选地,智能功率分配方法中的态势估计也可以采用PSO(Particle SwarmOptimization,粒子群优化)算法,该算法是一种进化计算技术,其基本思想是通过群体中个体之间的协作和信息共享来找到优选方案。以4个CC的智能功率分配为例,PSO计算过程可以如图4a~4c所示。其中,图4a示出了功率分配比例及PSO收敛过程,图4b示出了目标功率分配比例的结果,图4c示出了PSO算法的迭代速度(4次迭代后TBS幅度值便趋于收敛)。可以看到,PSO算法在实现目标功率分配比例迭代时,收敛速度相当快。本申请的发明人经大量实验得出结果,在符合大多数情况的4个CC情况下,迭代速度可以达到少于4次迭代就完成收敛。
其他实施例中,也可以采取基于历史SINR来确定估计SINR,再基于估计SINR来确定估计MCS、或者直接基于历史MCS来确定估计MCS、或者基于历史符号数、历史信号值、历史干扰值来确定估计符号数和估计MCS等计算方式,应能理解的是,上述估计MCS的计算方式仅为举例,本领域技术人员可以基于这些范例进行适当扩展,均应包含在本申请保护范围以内。例如确定估计传输容量参数还可以包括但不限于基于历史层数来确定估计层数等。
此外,本申请实施例在计算估计传输容量参数的过程中,可以将拟定在通过功率分配的每个载波上的对发射功率的影响施加在有用信号上,从而实现对PHR上报周期内的实时变化的信道造成的影响进行预先补偿。具体地,上述根据每个载波的历史传输容量参数,确定任一候选功率分配比例对应的每个载波的估计传输容量参数的步骤,具体可以包括:确定任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量;根据每个载波的历史传输容量参数和补偿量,确定任一候选功率分配比例对应的每个载波的估计传输容量参数。
继续以上述通过公式三~七来计算估计MCS值为例,在上述公式五中,将拟定影响(表示为功率分配后的每个载波的估计信号值的补偿量)施加在估计信号值上,从而实现对实时变化的信道造成的影响进行预先补偿。具体的实现可以参见上文对公式五的介绍,此处不再赘述。基于此,本领域技术人员可以根据实际情况来设置所要补偿的预定估计传输容量参数,以及补偿量的计算方式和补偿方式,本申请实施例在此不做限定。
本申请实施例中提供了一种可行的实现方式,可以基于根据任一候选功率分配比例对应的每个载波的发射功率、每个载波的传输损失和预设的调整因子中的至少一项,确定任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量。
以上述通过公式五来计算估计信号值的补偿量为例,该实现方式的计算过程可以如下述公式八所示:
其中,S′i表示CCi的估计信号值;PTotal表示最大发射功率,Ri·PTotal表示任一候选功率分配比例下CCi分配到的发射功率;Lossi表示CCi的传输损失;β为调整因子,β的取值范围为[0,1],可选地,β=2/{2+exp[-3·(N-3)]},N表示CC的总数,其他实施例中,β也可以为其他值。
本申请实施例中,为上述确定为任一候选功率分配比例对应的每个载波分配的资源块的步骤,提供了一种可行的实现方式,具体地,可以包括:根据任一候选功率分配比例对应的每个载波的发射功率、每个载波对应的资源块参数,确定为任一候选功率分配比例对应的每个载波分配的资源块。
作为示例地,可以是在上述公式二的基础上,针对一个候选功率分配比例,基于每个CC的发射功率和每个CC的RB参数,通过如下公式九计算为每个CC分配的RB:
RBi=fRB(Ri·PTotal,CCi RB parameters)
——公式九
其中,PTotal表示最大发射功率,Ri·PTotal表示任一候选功率分配比例下CCi分配到的发射功率,因此RBi值与功率分配比例相关;CCi RB parameters表示CCi的RB参数,RB参数涉及传输单元的功率需求和功率分配边界,fRB(·)表示对Ri·PTotal和CCi RB parametersi进行相应处理,得到相应候选功率分配比例对应的CCi的RBi。
具体地,资源块参数可以包括以下至少一种:功率余量报告、资源块的功率需求、载波聚合的功率分配边界。即计算为每个CC分配的RB的方式具体可以参见如下公式十:
RBi=fRB(Ri·PTotal,PHRi,Pi,reqRBi)
——公式十
其中,PHRi表示CCi对应的UE功率余量报告索引,Pi表示CA场景中CCi对应的另一个功率限制(每个载波的最大功率,即功率分配边界),req RBi表示CCi的功率需求;其他未详尽内容可以参见对公式九的介绍,在此不再赘述。
由上文中的介绍可知,传统的载波功率分配技术,传输容量直接使用瞬时值带入计算,未考虑这些瞬时值在PHR上报周期内随时间的变化对传输容量的影响。并且,传统技术中,每个载波的功率是一样的。
相较于传统技术中计算载波传输容量仅考虑使用各个传输容量参数的瞬时值,使得传输容量参数无法反映一个PHR上报周期内因无线信道动态变化带来的载波传输容量波动的影响(例如依赖于瞬SINR的MCS结果无法反映PHR上报周期内的MCS波动),本申请实施例提供的功率分配方法,运用了态势估计,采用对原来瞬时的参数值的动态估计值(考虑参数的历史变化态势)作用在载波传输容量的计算中(例如sym′i、S′i、I′i和Layer′i不再是瞬时值,而是基于历史数据的估计值;又例如在当前时间计算的MCS′i可以反映一个PHR上报周期内的信号变化的影响),例如先得到估计SINR值,进一步计算得到估计TBS值,即载波的能力(容量值,体现为载波的TBS)根据估计SINR值计算得到,估计这些参数在未来周期的变化影响。并且,将假设采取某种功率分配比例方案带来的有用信号强度变化也考虑在载波传输容量估计中,还通过对预定估计传输容量参数的补偿量的计算,考虑PHR上报周期内信道变化带来的影响,解决了在上行多载波功率分配中的载波能力估计不准确的问题,显著提升载波传输容量估计的鲁棒性。
本申请实施例中,为上述根据至少一种候选功率分配比例分别对应的每个载波的传输容量,确定至少一种候选功率分配比例分别对应的载波总传输容量的步骤,提供了一种可行的实施方式,实现目标功率分配比例的自动迭代。具体地,可以包括:迭代地根据至少一种候选功率分配比例对应的每个载波的传输容量,确定至少一种候选功率分配比例对应的载波总传输容量中的最大载波总传输容量,直至满足迭代结束条件,得到至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例。
可以理解的是,上述部分或全部实施例是假定功率在各个载波上的分配结果已知的情况下进行的。而在做出功率分配决策前,为了避免事先确定出无限的功率分配方案(具体体现为全部功率在每个载波上分配的比例,即所有候选功率分配比例)可能造成的巨大计算代价,本申请实施例将整个功率分配方案的决策过程,看成是一个动态最优化过程。那么,基于上述至少一个实施例,最优化问题可以表示为如下公式十一:
其中,Layeri表示CCi对应的层数,实际应用中,层数可以使用瞬时值,也可以采用基于历史值计算的估计值Layer′i;wave(波形)是表征UE能力的常数,其他未详尽内容可以参见对公式一、公式二、公式九、公式十等公示的介绍,在此不再赘述。
需要说明的是,上述各涉及功率分配比例的公式均可满足条件Ri≥0。
此外,公式十一中的sym′i、MCS′i、Layeri等传输容量参数可以根据不同的处理过程替换为其他参数,本申请实施例对此不做具体限定。可以理解,若传输容量参数不采用估计值,而均采用瞬时值,基于本申请实施例提供的候选功率分配比例自动迭代选择方法,也能够一定程度上减少UE的功率浪费。而将态势估计得到的估计值用于申请实施例提供的候选功率分配比例自动迭代选择方法,使得得到的目标功率分配比例具有更好的时间适应性,与使用瞬时值相比能够进一步减少UE的功率浪费,达到显著的UE省电效果。
进一步地,智能迭代确定目标功率分配比例的过程如图5a所示,基于目标函数(例如可以采用上述公式十一,也可以为其他函数)进行候选功率分配比例迭代更新,其中,目标函数的第二部分对应计算为每个CC分配的RB的过程,第一部分对应基于每个CC的估计传输容量参数和为每个CC分配的RB,计算每个CC对应的传输容量的过程,具体的实现方式可以参见上文中的介绍,此处不再赘述。每次迭代会输出总TBS值及其对应的每个载波的功率分配比例Ri,将该输出反馈给目标函数继续进行迭代,直至满足迭代结束条件,将最后一次输出的总TBS值确定为最大总TBS值,并确定该最大总TBS值对应的每个载波的功率分配比例Ri。
继续以载波传输容量是载波的TBS为例,最大总TBS是通过更新计算每个载波的估计TBS参数迭代求解得到的,即输入每个载波的估计TBS参数,输出最大总TBS值及其对应的每个载波的目标功率分配比例Ri。
可选地,对上述最优化问题,具体可以采用梯度下降法来求解,其求解过程可以如图5b的F值空间的示意图所示,具体包括:
在所有候选功率分配比例中随机选择三个(也可以为其他数量,此数量仅为示意,不能理解为对本申请的限定)候选功率分配比例,并分别计算函数F的值,得到F1、F2和F3;
确定F1、F2和F3两两之间的差值中的最大差值,即计算max{(F1-F2,F1-F3,F2-F3,F2-F1,F3-F1,F3-F2)},用于判定下一次迭代的原点,例如图5b中,假设F3-F2是此次迭代的最大差值,则可以将F2作为下一次迭代的起点。
对于每次迭代,算法收敛的方向对应得到的最大差值相关的步长距离。当满足F值的变化小于预设门限值,或者达到预定次数的迭代、或者计算超时等情况(可选的迭代结束条件,但不限于此)时,迭代停止,并输出最后一组F值对应的候选功率分配比例作为优选解。
可以理解,对上述最优化问题,具体可以采用的求解方法不限于梯度下降法,也可以采用其他合适的人工智能(Artificial Intelligent,AI)算法,也可适用于本申请,故也应包含在本申请保护范围以内。
本申请实施例提供的自动迭代确定目标功率分配比例的方法,目的是通过有限次数的迭代计算,得到较优的功率在载波聚合的多个载波上分配的方案,以最大化载波聚合的所有载波总体的吞吐量(在给定的候选功率分配比例下,对应的各个载波的传输容量加和)。进一步地,结合与功率分配比例相关的各参数,可以为每一种候选功率分配比例对应计算其带来的总体吞吐量。基于AI的处理流程能够带来灵活的功率分配策略,提高CA传输效率,减少UE的功率浪费。
基于上述至少一个实施例确定出目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率后,基站无需再次估算最终的TBS值,而可以直接使用以上步骤计算出的最大总TBS值,节省基站的计算资源。
本申请实施例中,考虑到在载波聚合场景下,控制面的信号是由主小区(Primarycell,Pcell)承载的,即主载波负责传输UE所有控制信令,在动态控制各个载波的发射功率时,需要对控制面的信号使用的功率给予保护,即主载波的发射功率在动态功率分配情况下需要设定最低的功率保护值,以便保证业务不会因为控制信道质量太差而产生业务中断。换言之,用户面功率的智能功率分配将排除主CC的控制面功率。
本申请实施例中,对接下来的PHR上报周期,控制面使用的功率(也可称为控制信号功率或主载波控制信号功率)的保护,通过向主载波(即主小区)分配不少于控制面需要的最小功率的方式实现,可选地,进行主载波控制面功率保护的估计。
具体而言,在上述各实施例的基础上,步骤S101具体可以包括:
步骤SA:确定主载波的估计控制面功率;
本申请实施例中,估计控制面功率即估计的主载波的保护功率,也可以理解为预留最小功率值。
步骤SB:基于估计控制面功率,确定各个载波的目标功率分配比例。
具体而言,在各个载波的目标功率分配比例时,基于估计控制面功率,将主载波的功率分配比例确定为不小于估计控制面功率占总功率的比例。
在这种配置下,功率分配比例仍可以指的是在载波聚合的各个载波上分别分配的功率占总功率的百分比,所有载波分别对应的比例值之和仍可以为1,新增的保护为:主载波的功率分配比例不小于估计控制面功率占总功率的比例,即Ri≥0,R0≥R′0,其中,Ri表示CCi分配到的比例值;N表示载波的总数;R0表示主载波的功率分配比例;R′0表示估计控制面功率占总功率的比例,R′0对应的功率是分配给主载波的功率下边界(最小阈值)。
结合上文中的各实施例,上述各涉及功率分配比例的公式均可满足条件Ri≥0,R0≥R′0。
作为示例地,将本申请实施例结合图2可以看到,假设CC1是主载波,每种功率分配比例对应的CC1的功率比例应大于R′0。
本申请实施例中,为步骤SA提供了一种可行的实施方式,具体地,可以包括:根据主载波的历史控制面功率,确定主载波的估计控制面功率。
由于控制面功率是基于大时间颗粒度变化的,例如每个PHR上报周期变化一次,估计控制面功率值可以基于大时间颗粒度(例如PHR上报周期级别)的历史控制面功率来估计。即输入一个或多个大时间颗粒度的历史主小区控制面功率,输出估计控制面功率,进而可以得到估计控制面功率占总功率的比例R′0。可选地,可以以一个PHR上报周期为周期重复更新估计控制面功率。
进一步地,由于主载波上的控制面功率对于每个功率分配过程都是可变的。因此,本申请实施例提出了基于历史数据来估计主载波控制平面功率,如图6a所示。具体地,可以采用基于态势评估的主载波控制平面功率估计,如图6b所示,即基于主载波的历史控制面功率,可以通过态势估计得到主载波的估计控制面功率值。态势估计的具体实现方式可以参见上文的介绍,在此不再赘述。
图6c示出了对主载波的控制面功率值的态势评估结果,以采用卡尔曼滤波算法为例,即图6c中显示了基于卡尔曼滤波算法的估计结果,可以看到,与历史数据相比,估计结果毛刺较少,因此具有较高的精度。
本申请实施例中,通过图7a给出了一种载波聚合态势估计的示例,如图7a所示,基于历史符号数、历史SINR等历史传输容量参数以及历史控制面功率,分别估计接下来的PHR上报周期的估计传输容量参数(例如估计符号数sym′i、估计调制方式MCS′i等),以及主载波的估计控制面功率,用于在PHR报告时刻输出,以进行智能功率分配(确定各个载波的目标功率分配比例),具体的实施方式可以参见上文中的介绍,将不再赘述。
图7b是一个功率分配(包含历史分配的、传统方法分配和本申请实施例的方法分配的)示例,如图7b所示,T1~T11为历史的功率分配结果,可以看到,现有技术中使用瞬时sym和MCS的功率分配结果与本申请实施例使用估计的symi′、MCSi′和R0′的功率分配结果差异较大,本申请实施例的功率分配结果更加能够符合信道的变化规律。
本申请实施例中,主载波功率保护的流程可以如图8所示:
步骤(1):确定主载波的控制面功率。获取态势估计输出的主载波的估计控制面功率;
该步骤的输入为:态势估计结果;
该步骤的输出为:主载波的估计控制面功率。
步骤(2):计算用户面功率。计算公式为:总功率(即最大发射功率公式十一)–主载波的估计控制面功率。
该步骤的输入为:最大发射功率和主载波的估计控制面功率;
该步骤的输出为:用户面功率。
步骤(3):计算目标功率分配比例方案。基于功率分配输入参数(例如可以参见上述公式一~十一),通过迭代,计算得到目标功率分配比例。
该步骤的输入为:MCS、符号数、每个RB的估计、UE容量等;
该步骤的输出为:目标功率分配比例、各CC功率。
步骤(4):更新主载波功率分配结果,并生成最终的各载波功率分配结果。其中,主载波的功率等于主小区分配得到的用户面功率与主载波的控制面功率之和,输出每个载波最终的功率分配结果和对应的TBS值。
该步骤的输入为:最终(目标)功率分配比例方案;
该步骤的输出为:每个CC的发射功率和TBS。
本申请实施例提供的主载波功率保护方法,能实现得到较优的功率在载波聚合的多个载波上分配的方案,以最大化载波聚合的所有载波总体的吞吐量,并且保障主载波上最低发射功率不小于控制信号所需功率的边界条件,保证业务的连续性。
为了便于更清楚地理解本申请实施例提供的智能功率分配方法能够达到的功率节省效果,通过图9示出了一个现有技术功率分配与本申请技术方案的功率分配的对比示例。如图9所示,以4个CC为例,4个CC的传输速率是固定的。按照现有等功率分配方法,每个CC功率相同,4个CC共需要16个功率单元。而按照本申请实施例提供的智能功率分配方法,为不同能力的CC分配不同的功率,4个CC共需要11个功率单元,可以看到,节省的总功率包括5个功率单元,实现相同传输速率有效节省UE功率消耗。
本申请实施例中,为了保障功率分配结果的鲁棒性,步骤S102具体还可以包括如下步骤:比对目标功率分配比例对应的第一载波总传输容量和历史功率分配方式(即等功率分配方式)对应的第二载波总传输容量;若第一载波总传输容量大于第二载波总传输容量,则根据目标功率分配比例,确定各个载波分别对应的发射功率。
也就是说,可以比较采用现有技术得到的功率分配结果(即上述历史功率分配方式),和采用动态功率分配得到的功率分配优化结果(即目标功率分配比例),各自对应的总的吞吐量(传输容量)的大小,即比较第一载波总传输容量和第二载波总传输容量,选择传输容量较大的功率分配方案,应用到功率分配中,即当第一载波总传输容量大于第二载波总传输容量时,根据目标功率分配比例,确定各个载波分别对应的发射功率。
通过该方案比对选择过程,可以在不改变用户的总体传输速率的条件下,实现更少的UE总的功率消耗,延长UE进行高速数据传输的时间,改善用户对高速率数据传输业务的持久体验。
下面结合上述一个或多个实施例,通过图10a示出了一个功率分配方案的完整处理流程示例,如图10a所示,可以包括步骤:
步骤①:UE进行PHR上报。UE周期性地向基站上报PHR。
该步骤的输出为PHR、最大发射功率(max power)。
步骤②:基站对UE的最大发射功率进行更新。基站根据带宽和调度情况更新UE的最大发射功率。
该步骤的输入为:步骤①输出的最大发射功率;
该步骤的输出为:更新后的最大发射功率(adjusted max power)。
步骤③:基站计算每个RB(Resource Block,资源块)的功率需求。基站计算每个RB的功率需求,用来评估功率分配方案的效果。
该步骤的输入为:PHR、最大发射功率、分配的RB编号(基站调度模块中的);
该步骤的输出为:每个RB的功率需求。
步骤④:基站决策UE载波的发射功率。在每一个PHR上报周期开始,基站决策这个PHR上报周期内使用哪几个载波参与调度。基站会依次尝试采用不同数量的载波参与调度,并且把UE的总功率均匀分配给所有参与调度的载波,进而估算对应的TBS(TransportBlock Size,传输块大小)。例如,对于4个(总的载波聚合载波数量)载波的载波聚合,参与调度的载波数量可以是2、3、或者4个。基于所有参与调度的载波组合数计算对应的TBS,选择TBS最大的参与调度的载波数,作为接下来的PHR上报周期内的上行调度载波数,对应的每个载波的发射功率为UE总功率除以参与调度的载波数。
该步骤的输入为:每个RB的功率需求、总的载波聚合载波数量、最大发射功率;
该步骤的输出为:参与调度的载波数量和对应的等功率分配结果。
步骤⑤:基站估算最终的RB数量。基站根据最终选择的参与调度的载波数量和边界条件计算实际调度的RB数量。
该步骤的输入为:参与调度的载波数量和对应的等功率分配结果;
该步骤的输出为:最终每个载波上调度的RB数量。
步骤⑥:基站估算最终的TBS。基于最终的RB数量,估算最终的TBS值。
该步骤的输入为:最终每个载波上调度的RB数量;
该步骤的输出为:估计的最终的TBS值。
步骤⑦:载波聚合态势估计。对传输容量估计所需的参数进行周期性计算和更新来得到态势估计值。输入历史传输容量参数,输出估计传输容量参数,例如估计符号数、估计MCS等;以及,估计主载波的控制面发射功率。具体的实施方式可以参见上文中对与态势估计相关的各实施例的介绍,在此不再赘述。
步骤⑧:智能功率分配。根据各个载波的能力,为每个载波设置不同的发射功率值。例如,每个载波的能力可以通过更新计算TBS估计值迭代求解得到的。即输入TBS参数,输出估计TBS值。其中,主载波的功率应不低于其在控制面上的最小功率需求。具体的实施方式可以参见上文中对本申请实施例提供的技术方案的介绍,在此不再赘述。
步骤⑨:基站比较步骤①~⑥的功率分配方案的总传输容量和本申请实施例提供的智能功率分配方法得到的功率分配方案的总传输容量,选取最大总传输容量对应的功率分配执行功率分配,输出最终的优化功率分配结果。
图10b所示的功率节省对比结果是基于图10a所示的功率分配处理流程。其中,评估条件具体包括:
对照组:单小区,单UE。UE使用载波聚合技术进行上行通信,采用full buffer(全缓冲区)业务。采用本申请实施例提出的动态功率分配方案,分别改变信道环境得到不同的SS-RSRP(Synchronization Signal-Reference Signal Received Power,同步信号-参考信号接收功率),并记录UE MAC(Medium Access Control,媒体接入控制层)层的吞吐量和功率分配方案。各SS-RSRP使用本申请实施例提供的动态功率分配方案得到的吞吐量(即传输容量)作为对照值,用于实验组调整传统功率分配方案达到相同SS-RSRP下相同吞吐量的参考。
实验组:业务配置与对照组相同,差别在于实验组采用传统的等功率分配方法。为了比较达到相同传输速率(在相同信道条件,即相同的SS-RSRP条件下),两种功率分配方案得到的功率消耗的差异。
考虑到在实际网络中,小区中的大多数UE分布在信号-95dBm至-115dBm的区域内(即-115dbm<RSRP<-95dBm)。这个区域对应本申请实施例提供的智能功率分配方法实施效果最明显的部分,基于此能够更清楚地评估本申请实施例提供的智能功率分配方法的有效性。
参见图10b可以看到,在相同的信道条件下,本申请实施例提供的智能功率分配方法与传统算法相比可以有效降低相应的UE功率,大约可节省功率20%-50%。
下面结合上述一个或多个实施例,通过图11a示出了另一个功率分配方案的完整处理流程示例,与图10a相比,差别在于该处理流程中不进行态势估计步骤。即此示例方案是上一示例方案的简化版本,智能功率分配过程通过几种固定功率分配比例来分别计算TBS总和,然后比较步骤①~⑥策略的TBS结果,输出较优的功率分配方案。
该示例方案可以部署在5G NR(New Radio,新空口)DU(Distribute Unit,分布式单元)中,无需进行CA态势估计,提供多个级别的功率分配比例供UL CA CC功率分配选择。
图11b所示的功率节省对比结果是基于图11a所示的功率分配处理流程。其中,评估条件与上述示例类型,将不再赘述。参加图11b可以看到,该示例方案与传统算法相比可以,大约可节省功率2%-30%。
基于上述各实施例,本申请实施例提供的智能功率分配方法,有利于在同等上行传输速率的前提下显著节省UE功率。
本申请实施例中还提供了一种通信系统中由UE执行的方法,该方法包括:
向基站上报功率余量报告PHR,以便基站确定UE的各个载波的目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率。
同理地,本申请各实施例的方法与基站侧各实施例的方法是相对应的,其详细功能描述及产生的有益效果具体可以参见前文中基站侧各实施例所示的对应方法中的描述,此处不再赘述。
本申请实施例提供了一种基站,该基站可以包括:功率分配比例确定模块以及功率确定模块,其中,
功率分配比例确定模块用于确定各个载波的目标功率分配比例;
功率确定模块用于根据目标功率分配比例,确定各个载波分别对应的发射功率。
在一种可选的实施方式中,功率分配比例确定模块在用于确定各个载波的目标功率分配比例时,具体用于:
确定各个载波的至少一种候选功率分配比例分别对应的载波传输容量;
根据至少一种候选功率分配比例分别对应的载波传输容量,在至少一种候选功率分配比例中确定目标功率分配比例。
在一种可选的实施方式中,功率分配比例确定模块在用于确定各个载波的任一候选功率分配比例对应的载波传输容量时,具体用于:
确定任一候选功率分配比例对应的每个载波的估计传输容量参数和/或为任一候选功率分配比例对应的每个载波分配的资源块;
根据估计传输容量参数和/或资源块,确定任一候选功率分配比例对应的载波传输容量。
在一种可选的实施方式中,功率分配比例确定模块在用于确定任一候选功率分配比例对应的每个载波的估计传输容量参数时,具体用于:
根据每个载波的历史传输容量参数,确定任一候选功率分配比例对应的每个载波的估计传输容量参数。
在一种可选的实施方式中,功率分配比例确定模块在用于根据每个载波的历史传输容量参数,确定任一候选功率分配比例对应的每个载波的估计传输容量参数时,具体用于:
确定任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量;
根据每个载波的历史传输容量参数和补偿量,确定任一候选功率分配比例对应的每个载波的估计传输容量参数。
在一种可选的实施方式中,功率分配比例确定模块在用于确定任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量时,具体用于:
根据任一候选功率分配比例对应的每个载波的发射功率、每个载波的传输损失和预设的调整因子中的至少一项,确定任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量。
在一种可选的实施方式中,估计传输容量参数包括以下至少一种:
估计符号数、估计信号值、估计干扰值、估计信号与干扰加噪声比SINR、估计调制编码策略MCS、估计层数。
在一种可选的实施方式中,功率分配比例确定模块在用于确定为任一候选功率分配比例对应的每个载波分配的资源块时,具体用于:
根据任一候选功率分配比例对应的每个载波的发射功率、每个载波对应的资源块参数,确定为任一候选功率分配比例对应的每个载波分配的资源块;
其中,资源块参数包括以下至少一种:功率余量报告、资源块的功率需求、载波聚合的功率分配边界。
在一种可选的实施方式中,功率分配比例确定模块在用于确定各个载波的至少一种候选功率分配比例分别对应的载波传输容量时,具体用于:
确定至少一种候选功率分配比例分别对应的每个载波的传输容量;
根据至少一种候选功率分配比例分别对应的每个载波的传输容量,确定至少一种候选功率分配比例分别对应的载波总传输容量;
功率分配比例确定模块在用于根据至少一种候选功率分配比例分别对应的载波传输容量,在至少一种候选功率分配比例中确定目标功率分配比例时,具体用于:
将至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例,确定为目标功率分配比例。
在一种可选的实施方式中,功率分配比例确定模块在用于根据至少一种候选功率分配比例分别对应的每个载波的传输容量,确定至少一种候选功率分配比例分别对应的载波总传输容量时,具体用于:
迭代地根据至少一种候选功率分配比例对应的每个载波的传输容量,确定至少一种候选功率分配比例对应的载波总传输容量中的最大载波总传输容量,直至满足迭代结束条件,得到至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例。
在一种可选的实施方式中,功率分配比例确定模块在用于确定各个载波的目标功率分配比例时,具体用于:
确定主载波的估计控制面功率;
基于估计控制面功率,确定各个载波的目标功率分配比例。
在一种可选的实施方式中,功率分配比例确定模块在用于确定主载波的估计控制面功率时,具体用于:
根据主载波的历史控制面功率,确定主载波的估计控制面功率。
在一种可选的实施方式中,功率分配比例确定模块在用于基于估计控制面功率,确定各个载波的目标功率分配比例时,具体用于:
在各个载波的目标功率分配比例时,基于估计控制面功率,将主载波的功率分配比例确定为不小于估计控制面功率占总功率的比例。
在一种可选的实施方式中,功率确定模块在用于根据目标功率分配比例,确定各个载波分别对应的发射功率时,具体用于:
比对目标功率分配比例对应的第一载波总传输容量和历史功率分配方式对应的第二载波总传输容量;
若第一载波总传输容量大于第二载波总传输容量,则根据目标功率分配比例,确定各个载波分别对应的发射功率。
本申请实施例提供了一种UE,该UE具体可以包括发送模块,用于向基站上报功率余量报告PHR,以便基站确定UE的各个载波的目标功率分配比例,并根据目标功率分配比例,确定各个载波分别对应的发射功率。
本申请实施例的用户设备和基站可执行本申请实施例所提供的方法,其实现原理相类似,本申请各实施例的用户设备和基站中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的,对于用户设备和基站的各模块的详细功能描述及产生的有益效果具体可以参见前文中所示的对应方法中的描述,此处不再赘述。
本申请实施例中所提供的UE或基站,可以通过AI模型来实现多个模块中的至少一个模块。可以通过非易失性存储器、易失性存储器和处理器来执行与AI相关联的功能。
该处理器可以包括一个或多个处理器。此时,该一个或多个处理器可以是通用处理器,例如中央处理单元(CPU)、应用处理器(AP)等、或者是纯图形处理单元,例如,图形处理单元(GPU)、视觉处理单元(VPU)、和/或AI专用处理器,例如神经处理单元(NPU)。
该一个或多个处理器根据存储在非易失性存储器和易失性存储器中的预定义的操作规则或人工智能(AI)模型来控制对输入数据的处理。通过训练或学习来提供预定义的操作规则或人工智能模型。
这里,通过学习来提供指的是通过将学习算法应用于多个学习数据来得到预定义的操作规则或具有期望特性的AI模型。该学习可以在其中执行根据实施例的AI的装置本身中执行,和/或可以通过单独的服务器/系统来实现。
该AI模型可以包含多个神经网络层。每一层具有多个权重值,一个层的计算是通过前一层的计算结果和当前层的多个权重来执行的。神经网络的示例包括但不限于卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、受限玻尔兹曼机(RBM)、深度信念网络(DBN)、双向循环深度神经网络(BRDNN)、生成对抗网络(GAN)、以及深度Q网络。
学习算法是一种使用多个学习数据训练预定目标装置(例如,机器人)以使得、允许或控制目标装置进行确定或预测的方法。该学习算法的示例包括但不限于监督学习、无监督学习、半监督学习、或强化学习。
本申请实施例中提供了一种电子设备,包括:收发器,用于发送和接收信号;以及控制器,与收发器耦接并被配置为执行前述各方法实施例的步骤。可选地,该电子设备可以是UE,该电子设备中的处理器被配置为进行控制以实现前述各方法实施例所提供的由UE执行的方法的步骤。可选地,该电子设备可以基站,该电子设备中的处理器被配置为进行控制以实现前述各方法实施例所提供的由基站执行的方法的步骤。
在一个可选实施例中提供了一种电子设备,该电子设备可以包括:处理器和存储器。其中,处理器和存储器相连,如通过总线相连。可选地,电子设备还可以包括收发器,收发器可以用于该电子设备与其他电子设备之间的数据交互,如数据的发送和/或数据的接收等。需要说明的是,实际应用中收发器不限于一个,该电子设备的结构并不构成对本申请实施例的限定。
处理器可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线可包括一通路,在上述组件之间传送信息。总线可以是PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。
存储器可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质,在此不做限定。
存储器用于存储执行本申请实施例的计算机程序,并由处理器来控制执行。处理器用于执行存储器中存储的计算机程序,以实现前述方法实施例所示的步骤。
其中,电子设备包括但不限于:固定终端和/或移动终端等终端设备,例如,UE可以是手机、平板电脑、笔记本电脑、可穿戴设备、游戏机、台式机、一体机、车载终端、机器人等等,但不限于此。
本申请实施例中,在电子设备中执行的方法中,用于估算、推理或预测各个载波的目标功率分配比例的方法,可以使用人工智能模型通过输入相应参数数据来执行。电子设备的处理器可以对数据执行预处理操作,以转换成适合用作人工智能模型输入的形式。人工智能模型可以通过训练获得。这里,“通过训练获得”意味着通过训练算法用多条训练数据训练基本人工智能模型来获得被配置成执行期望特征(或目的)的预定义操作规则或人工智能模型。人工智能模型可以包括多个神经网络层。多个神经网络层中的每一层包括多个权重值,并且通过在前一层的计算结果和多个权重值之间的计算来执行神经网络计算。
估算、推理或预测是通过确定信息进行逻辑推理和预测的技术,包括例如基于知识的推理、优化预测、基于偏好的规划或推荐等,但不限于此。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“1”、“2”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。
应该理解的是,虽然本申请实施例的流程图中通过箭头指示各个操作步骤,但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明,否则在本申请实施例的一些实施场景中,各流程图中的实施步骤可以按照需求以其他的顺序执行。此外,各流程图中的部分或全部步骤基于实际的实施场景,可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行,这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下,这些子步骤或者阶段的执行顺序可以根据需求灵活配置,本申请实施例对此不限制。
以上仅是本申请部分实施场景的可选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请的方案技术构思的前提下,采用基于本申请技术思想的其他类似实施手段,同样属于本申请实施例的保护范畴。
Claims (18)
1.一种通信系统中由基站执行的方法,其特征在于,包括:
确定各个载波的目标功率分配比例;
根据所述目标功率分配比例,确定所述各个载波分别对应的发射功率。
2.根据权利要求1所述的方法,其特征在于,所述确定各个载波的目标功率分配比例,包括:
确定所述各个载波的至少一种候选功率分配比例分别对应的载波传输容量;
根据所述至少一种候选功率分配比例分别对应的载波传输容量,在所述至少一种候选功率分配比例中确定所述目标功率分配比例。
3.根据权利要求2所述的方法,其特征在于,确定所述各个载波的任一候选功率分配比例对应的载波传输容量,包括:
确定所述任一候选功率分配比例对应的每个载波的估计传输容量参数和/或为所述任一候选功率分配比例对应的每个载波分配的资源块;
根据所述估计传输容量参数和/或所述资源块,确定所述任一候选功率分配比例对应的载波传输容量。
4.根据权利要求3所述的方法,其特征在于,确定所述任一候选功率分配比例对应的每个载波的估计传输容量参数,包括:
根据所述每个载波的历史传输容量参数,确定所述任一候选功率分配比例对应的每个载波的估计传输容量参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述每个载波的历史传输容量参数,确定所述任一候选功率分配比例对应的每个载波的估计传输容量参数,包括:
确定所述任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量;
根据所述每个载波的历史传输容量参数和所述补偿量,确定所述任一候选功率分配比例对应的每个载波的估计传输容量参数。
6.根据权利要求5所述的方法,其特征在于,确定所述任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量,包括:
根据所述任一候选功率分配比例对应的每个载波的发射功率、所述每个载波的传输损失和预设的调整因子中的至少一项,确定所述任一候选功率分配比例对应的每个载波的预定估计传输容量参数的补偿量。
7.根据权利要求3-6任一项所述的方法,其特征在于,所述估计传输容量参数包括以下至少一种:
估计符号数、估计信号值、估计干扰值、估计信号与干扰加噪声比SINR、估计调制编码策略MCS、估计层数。
8.根据权利要求2-7任一项所述的方法,其特征在于,确定为所述任一候选功率分配比例对应的每个载波分配的资源块,包括:
根据所述任一候选功率分配比例对应的每个载波的发射功率、所述每个载波对应的资源块参数,确定为所述任一候选功率分配比例对应的每个载波分配的资源块;
其中,资源块参数包括以下至少一种:功率余量报告、所述资源块的功率需求、载波聚合的功率分配边界。
9.根据权利要求2-8任一项所述的方法,其特征在于,所述确定所述各个载波的至少一种候选功率分配比例分别对应的载波传输容量,包括:
确定所述至少一种候选功率分配比例分别对应的每个载波的传输容量;
根据所述至少一种候选功率分配比例分别对应的每个载波的传输容量,确定所述至少一种候选功率分配比例分别对应的载波总传输容量;
所述根据所述至少一种候选功率分配比例分别对应的载波传输容量,在所述至少一种候选功率分配比例中确定所述目标功率分配比例,包括:
将所述至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例,确定为所述目标功率分配比例。
10.根据权利要求9所述的方法,其特征在于,所述根据所述至少一种候选功率分配比例分别对应的每个载波的传输容量,确定所述至少一种候选功率分配比例分别对应的载波总传输容量,包括:
迭代地根据所述至少一种候选功率分配比例对应的每个载波的传输容量,确定所述至少一种候选功率分配比例对应的载波总传输容量中的最大载波总传输容量,直至满足迭代结束条件,得到所述至少一种候选功率分配比例中对应最大载波总传输容量的候选功率分配比例。
11.根据权利要求1-10任一项所述的方法,其特征在于,确定各个载波的目标功率分配比例,包括:
确定主载波的估计控制面功率;
基于所述估计控制面功率,确定所述各个载波的所述目标功率分配比例。
12.根据权利要求11所述的方法,其特征在于,所述确定主载波的估计控制面功率,包括:
根据所述主载波的历史控制面功率,确定所述主载波的估计控制面功率。
13.根据权利要求11或12所述的方法,其特征在于,所述基于所述估计控制面功率,确定所述各个载波的所述目标功率分配比例,包括:
在所述各个载波的所述目标功率分配比例时,基于所述估计控制面功率,将所述主载波的功率分配比例确定为不小于所述估计控制面功率占总功率的比例。
14.根据权利要求1-13任一项所述的方法,其特征在于,所述根据所述目标功率分配比例,确定所述各个载波分别对应的发射功率,包括:
比对所述目标功率分配比例对应的第一载波总传输容量和历史功率分配方式对应的第二载波总传输容量;
若所述第一载波总传输容量大于所述第二载波总传输容量,则根据所述目标功率分配比例,确定所述各个载波分别对应的发射功率。
15.一种通信系统中由用户设备UE执行的方法,其特征在于,包括:
向基站上报功率余量报告PHR,以便所述基站确定所述UE的各个载波的目标功率分配比例,并根据所述目标功率分配比例,确定所述各个载波分别对应的发射功率。
16.一种基站,其特征在于,包括:
收发器,被配置为发送和接收信号;以及
控制器,与所述收发器耦接并被配置为执行权利要求1-14中任一项所述的方法的步骤。
17.一种用户设备,其特征在于,包括:
收发器,被配置为发送和接收信号;以及
控制器,与所述收发器耦接并被配置为执行权利要求15所述的方法的步骤。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-14或权利要求15任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674664.0A CN117279081A (zh) | 2022-06-14 | 2022-06-14 | 通信方法、基站、用户设备及存储介质 |
PCT/KR2023/003816 WO2023243819A1 (en) | 2022-06-14 | 2023-03-22 | Communication method, base station, user equipment and storage medium |
US18/308,832 US20230403685A1 (en) | 2022-06-14 | 2023-04-28 | Communication method, base station, user equipment and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210674664.0A CN117279081A (zh) | 2022-06-14 | 2022-06-14 | 通信方法、基站、用户设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117279081A true CN117279081A (zh) | 2023-12-22 |
Family
ID=89191332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210674664.0A Pending CN117279081A (zh) | 2022-06-14 | 2022-06-14 | 通信方法、基站、用户设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117279081A (zh) |
WO (1) | WO2023243819A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150079990A (ko) * | 2008-10-31 | 2015-07-08 | 인터디지탈 패튼 홀딩스, 인크 | 다중 업링크 캐리어들을 이용한 업링크 전송들의 처리 |
WO2012060067A1 (ja) * | 2010-11-05 | 2012-05-10 | パナソニック株式会社 | 無線通信端末装置及び電力割当方法 |
US9668167B2 (en) * | 2012-03-16 | 2017-05-30 | Qualcomm Incorporated | Transport block size limitation for enhanced control channel operation in LTE |
KR20210015562A (ko) * | 2019-08-02 | 2021-02-10 | 삼성전자주식회사 | 무선 통신 시스템에서 전력 제어를 위한 장치 및 방법 |
CN114339975A (zh) * | 2020-09-30 | 2022-04-12 | 华为技术有限公司 | 一种上行功率控制方法及相关装置 |
-
2022
- 2022-06-14 CN CN202210674664.0A patent/CN117279081A/zh active Pending
-
2023
- 2023-03-22 WO PCT/KR2023/003816 patent/WO2023243819A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023243819A1 (en) | 2023-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8462646B2 (en) | Characterization of co-channel interference in a wireless communication system | |
US8174959B2 (en) | Auction based resource allocation in wireless systems | |
US9854535B2 (en) | Determining fractional frequency reuse power levels for downlink transmissions | |
US9848389B2 (en) | Selecting cells for downlink inter-cell interference coordination | |
Zhang et al. | Team learning-based resource allocation for open radio access network (O-RAN) | |
WO2015135427A1 (zh) | 功率控制方法及装置 | |
Al-Imari et al. | Low complexity subcarrier and power allocation algorithm for uplink OFDMA systems | |
Lahoud et al. | Energy-efficient joint scheduling and power control in multi-cell wireless networks | |
US10154415B2 (en) | Resource adaptation for frequency domain downlink inter-cell interference coordination | |
Tham et al. | Energy-efficient power allocation for distributed antenna systems with proportional fairness | |
Ahmadi et al. | Multicell multiuser OFDMA dynamic resource allocation using ant colony optimization | |
CN105530203B (zh) | D2d通信链路的接入控制方法及系统 | |
Awoyemi et al. | QoS provisioning in heterogeneous cognitive radio networks through dynamic resource allocation | |
Zia et al. | Multi-agent RL based user-centric spectrum allocation scheme in D2D enabled hetnets | |
KR20100065075A (ko) | 셀간 간섭 제거를 위한 파워 제어 방법 및 그 장치 | |
Swain et al. | Design and stochastic geometric analysis of an efficient Q-Learning based physical resource block allocation scheme to maximize the spectral efficiency of Device-to-Device overlaid cellular networks | |
Wang et al. | Resource allocation for maximizing weighted sum min-rate in downlink cellular OFDMA systems | |
CN117279081A (zh) | 通信方法、基站、用户设备及存储介质 | |
CN110691383A (zh) | 一种资源分配方法及装置 | |
Merlhe et al. | Dynamic cell-less radio access network meta-scheduler for high system capacity increase | |
Sani et al. | Discrete bit loading and power allocation for OFDMA downlink with minimum rate guarantee for users | |
Zayen et al. | Game theory-based resource management strategy for cognitive radio networks | |
US9854536B2 (en) | User equipment power level selection for downlink transmissions | |
Eskandari et al. | Smart interference management xApp using deep reinforcement learning | |
US20230403685A1 (en) | Communication method, base station, user equipment and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |