CN117318774A - 信道矩阵处理方法、装置、终端及网络侧设备 - Google Patents
信道矩阵处理方法、装置、终端及网络侧设备 Download PDFInfo
- Publication number
- CN117318774A CN117318774A CN202210716334.3A CN202210716334A CN117318774A CN 117318774 A CN117318774 A CN 117318774A CN 202210716334 A CN202210716334 A CN 202210716334A CN 117318774 A CN117318774 A CN 117318774A
- Authority
- CN
- China
- Prior art keywords
- orthogonal bases
- terminal
- model
- network side
- orthogonal
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 215
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 105
- 238000012545 processing Methods 0.000 claims description 102
- 238000007781 pre-processing Methods 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 20
- 230000011664 signaling Effects 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 30
- 238000012549 training Methods 0.000 description 16
- 238000011084 recovery Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 229920006934 PMI Polymers 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种信道矩阵处理方法、装置、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矩阵处理方法包括:终端确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;所述终端将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;所述终端向网络侧设备上报所述信道特征信息。
Description
技术领域
本申请属于通信技术领域,具体涉及一种信道矩阵处理方法、装置、终端及网络侧设备。
背景技术
现有的通信系统中,基站在某个时隙的某些时频资源上发送信道状态信息参考信号(Channel State Information Reference Signal,CSI-RS),终端根据CSI-RS进行信道估计,计算这个时隙上的信道信息,通过码本将预编码矩阵指示(Precoding MatrixIndicator,PMI)反馈给基站,基站根据终端反馈的码本信息组合出信道信息,在下一次CSI上报之前,基站以此进行数据预编码以及多用户调度。
目前,终端反馈的码本内容是信道矩阵的特征矩阵,也即仅反馈发送端的预编码矩阵,但是对于一些场景(例如高速场景)下,基站仅基于发送端的预编码矩阵进行信道信息预测,导致信道信息预测的准确度较低。
发明内容
本申请实施例提供一种信道矩阵处理方法、装置、终端及网络侧设备,能够解决相关技术中网络侧设备对信道信息预测的准确性较低的问题。
第一方面,提供了一种信道矩阵处理方法,包括:
终端确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
所述终端将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;
所述终端向网络侧设备上报所述信道特征信息。
第二方面,提供了一种信道矩阵处理方法,包括:
网络侧设备接收终端上报的信道特征信息;
所述网络侧设备将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
第三方面,提供了一种信道矩阵处理装置,包括:
处理模块,用于确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
第一获取模块,用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;
上报模块,用于向网络侧设备上报所述信道特征信息。
第四方面,提供了一种信道矩阵处理装置,包括:
接收模块,用于接收终端上报的信道特征信息;
第二获取模块,用于将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
第五方面,提供了一种终端,该终端包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的信道矩阵处理方法的步骤。
第六方面,提供了一种终端,包括处理器及通信接口,其中,所述处理器用于确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;以及用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;所述通信接口用于向网络侧设备上报所述信道特征信息。
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一方面所述的信道矩阵处理方法的步骤。
第八方面,提供了一种网络侧设备,包括处理器及通信接口,所述通信接口用于接收终端上报的信道特征信息;所述处理器用于将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
第九方面,提供了一种通信系统,包括:终端及网络侧设备,所述终端可用于执行如第一方面所述的信道矩阵处理方法的步骤,所述网络侧设备可用于执行如第二方面所述的信道矩阵处理方法的步骤。
第十方面,提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的信道矩阵处理方法的步骤,或者实现如第二方面所述的信道矩阵处理方法的步骤。
第十一方面,提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的信道矩阵处理方法,或实现如第二方面所述的信道矩阵处理方法。
第十二方面,提供了一种计算机程序/程序产品,所述计算机程序/程序产品被存储在存储介质中,所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的信道矩阵处理方法,或实现如第二方面所述的信道矩阵处理方法。
在本申请实施例中,终端和网络侧设备能够通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。并且,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而终端通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,网络侧设备通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得网络侧设备不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于网络侧设备对信道信息进行预测,以提升信道信息预测的准确性。
附图说明
图1是本申请实施例可应用的一种无线通信系统的框图;
图2是本申请实施例提供的一种信道矩阵处理方法的流程图;
图3是本申请实施例提供的另一种信道矩阵处理方法的流程图;
图4是本申请实施例提供的一种信道矩阵处理装置的结构图;
图5是本申请实施例提供的另一种信道矩阵处理装置的结构图;
图6是本申请实施例提供的一种通信设备的结构图;
图7是本申请实施例提供的一种终端的结构图;
图8是本申请实施例提供的一种网络侧设备的结构图。
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12也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备12可以包括基站、WLAN接入点或WiFi节点等,基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station,BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set,BSS)、扩展服务集(Extended Service Set,ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point,TRP)或所述领域中其他某个合适的术语,只要达到相同的技术效果,所述基站不限于特定技术词汇,需要说明的是,在本申请实施例中仅以NR系统中的基站为例进行介绍,并不限定基站的具体类型。
为更好地理解本申请实施例提供的技术方案,以下对本申请实施例中可能涉及的相关概念及原理进行解释说明。
由信息论可知,准确的信道状态信息(Channel State Information,CSI)对信道容量的至关重要。尤其是对于多天线系统来讲,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。例如:信道质量指示(Channel Quality Indicator,CQI)可以用来选择合适的调制编码方案(Modulation and Coding Scheme,MCS)实现链路自适应;预编码矩阵指示(Precoding Matrix Indicator,PMI)可以用来实现特征波束成形(eigenbeamforming)从而最大化接收信号的强度,或者用来抑制干扰(如小区间干扰、多用户之间干扰等)。因此,自从多天线技术(multi-input multi-output,MIMO)被提出以来,CSI获取一直都是研究热点。
通常,基站在在某个slot的某些时频资源上发送信道状态信息参考信号(ChannelState Information Reference Signal,CSI-RS),终端根据CSI-RS进行信道估计,计算这个时隙(slot)上的信道信息,通过码本将PMI反馈给基站,基站根据终端反馈的码本信息组合出信道信息,在下一次CSI上报之前,基站以此进行数据预编码及多用户调度。
为了进一步减少CSI反馈开销,终端可以将每个子带上报PMI改成按照延迟(delay)上报PMI,由于delay域的信道更集中,用更少的delay的PMI就可以近似表示全部子带的PMI,即将delay域信息压缩之后再上报。
同样,为了减少开销,基站可以事先对CSI-RS进行预编码,将编码后的CSI-RS发送给终端,终端看到的是经过编码之后的CSI-RS对应的信道,终端只需要在网络侧指示的端口中选择若干个强度较大的端口,并上报这些端口对应的系数即可。
进一步地,为了更好地压缩信道信息,可以使用神经网络或机器学习的方法。
人工智能目前在各个领域获得了广泛的应用。人工智能(ArtificialIntelligence,AI)模块有多种实现方式,例如神经网络、决策树、支持向量机、贝叶斯分类器等。本申请以神经网络为例进行说明,但是并不限定AI模块的具体类型。
具体地,在终端通过AI模型对信道信息进行压缩编码,在基站通过AI模型对压缩后的内容进行解码,从而恢复信道信息,此时基站的用于解码的AI模型和终端的用于编码的AI模型需要联合训练,达到合理的匹配度。通过终端的用于编码的AI模型和基站的用于解码的AI模型组成联合的神经网络模型,由网络侧进行联合训练,训练完成后,基站将用于编码的AI模型发送给终端。
例如,终端估计CSI-RS,计算信道信息,将计算的信道信息或者原始的估计到的信道信息通过用于编码的AI模型得到编码结果,将编码结果发送给基站,基站接收编码后的结果,输入到解码AI模型中,恢复信道信息。
信道估计的时候,终端在每个子带上会得到一个估计的信道矩阵,例如一个4×32的信道矩阵,表示4个接收天线和32个CSI-RS端口,每个子带上的信道矩阵不同,由于频率选择性衰落,两个自带的信道矩阵可能有很大的差别,传统的R15码本就是分别反馈每个子带的信道信息。
但是连续多个自带的信道矩阵之间具有一定的关系,传统的R16码本就是利用这个关系将频域信道转换到时延域,从而获得能量集中的信道矩阵,只上报能量强的部分时延对应的信道信息就可以获得较为完整的信道信息。
基于码本的CSI反馈方案多是针对信道预编码矩阵进行反馈的,即信道矩阵的特征矩阵,这主要是为了节约开销,上报的CSI主要用于基站做预编码使用,所以不需要完整的信道信息,只需要信道的发送端的特征信息即可,因此只上报信道特征矩阵可以减少开销且不影响性能。但是随着高速场景的日益普及,基站需要对未来某个时刻的信道信息进行预测,以便更好的调度用户,因此基站需要完整的信道信息。
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矩阵处理方法进行详细地说明。
请参照图2,图2是本申请实施例提供的一种信道矩阵处理方法的流程图,如图2所示,所述方法包括以下步骤:
步骤201、终端确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息。
其中,N和M均为正整数。
需要说明的是,在一些通信场景下,所述发送端可以是指网络侧设备(也称基站),所述接收端可以是指终端;或者,在另一些通信场景下,所述发送端可以是指终端,所述接收端可以是指网络侧设备。
本申请实施例中,终端可以是在候选正交基中进行选择,以确定N个第一正交基和M个第二正交基,并将所述N个第一正交基对应于发送端天线的空域信息,将M个第二正交基对应于接收端天线的空域信息。这样,也就使得终端能够针对发送端和接收端都确定出对应的正交基,以通过正交基对发送端和接收端的空域信息都进行处理。其中,所述候选正交基的获取可以是参照相关技术,本申请对此不做赘述。
可选地,所述基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,包括如下任意一项:
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,投影处理后的信道矩阵的维度为N×M或者M×N;
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,并对投影处理后的信道矩阵进行加权处理,以使得加权处理后的信道矩阵与投影处理前的信道矩阵维度一致,所述加权处理使用的正交基为所述N个第一正交基和所述M个第二正交基。
例如,在一种实施方式中,终端获取每个子带预估的信道矩阵,在确定出N个第一正交基和M个第二正交基后,将每个子带预估的信道矩阵投影至N个第一正交基和M个第二正交基上,得到每个子带投影处理后的维度为N×M或M×N的信道矩阵,并可以计算投影处理后的信道矩阵的投影系数。
需要说明地,在基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理的情况下,所述N个第一正交基基于对应的投影系数按照第一预设顺序进行排序,所述M个第二正交基基于对应的投影系数按照第二预设顺序进行排序。
例如,所述N个第一正交基可以是基于对应的投影系数按照从大到小的顺序进行排序,所述M个第二正交基也可以是基于对应的投影系数按照从大到小的顺序进行排序,进而得到的投影后的信道矩阵中的第一行第一列的投影系数为最强的第一正交基和最强的第二正交基对应的投影系数。这种情况下,终端可以不需要向网络侧设备上报第一正交基和第二正交基的排序方式。
在另一种实施方式中,终端获取每个子带预估的信道矩阵,在确定出N个第一正交基和M个第二正交基后,将每个子带预估的信道矩阵投影至N个第一正交基和M个第二正交基上,得到每个子带投影处理后的维度为N×M或M×N的信道矩阵,然后基于所述N个第一正交基和所述M个第二正交基对维度为N×M或M×N的信道矩阵进行加权处理,使得加权处理后的信道矩阵与投影处理前的信道矩阵维度一致。
步骤202、所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型输出的信道特征信息。
例如,终端将经过每个子带投影处理后的信道矩阵输入至第一AI模型中,或者可以是将每个子带经过投影处理以及加权处理后的信道矩阵输入至第一AI模型中。进一步地,所述第一AI模型对输入的所述信道矩阵进行编码处理,以获取所述第一AI模型输出的每个子带对应的信道特征信息。
需要说明的是,所述第一AI模型为预先训练后得到的AI模型,该训练后的第一AI模型能够基于自身的网络结构及网络参数对输入的信道矩阵进行处理,并输出信道特征信息。所述第一AI模型的训练方法可以是参照相关技术中网络模型的训练方式,本实施例对此不做赘述。
步骤203、所述终端向网络侧设备上报所述信道特征信息。
本申请实施例中,终端在获得所述第一AI模型输出的信道特征信息后,将所述信道特征信息上报给网络侧设备。网络侧设备包括与所述第一AI模型匹配的第二AI模型,网络侧设备将所述信道特征信息输入所述第二AI模型,通过所述第二AI模型对输入的信道特征信息进行解码处理,恢复出完整的信道矩阵并输出。
需要说明的是,所述第一AI模型和所述第二AI模型相互匹配,第一AI模型的输出为第二AI模型的输入,第二AI模型的输出能够尽量贴近第一AI模型的输入,进而以也就使得网络侧设备能够通过第二AI模型实现信道矩阵的恢复。其中,所述第一AI模型和所述第二AI模型可以是由网络侧设备联合训练得到,并由网络侧设备将训练好的第一AI模型发送给终端,以使得所述终端能够通过第一AI模型将输入的信道矩阵处理成信道特征信息而输出。
本申请实施例中,终端确定N个第一正交基和M个第二正交基后,基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,并将每个子带预处理后的信道矩阵输入至第一AI模型中,获取所述第一AI模型输出的信道特征信息,终端将所述信道特征信息上报给网络侧设备,网络侧设备通过第二AI模型对信道特征信息进行处理,输出信道矩阵,从而网络侧设备通过第二AI模型恢复信道矩阵。这样,也就使得终端和网络侧设备能够通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。
另外,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而终端通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,网络侧设备通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得网络侧设备不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于网络侧设备对信道信息进行预测,以提升信道信息预测的准确性。
本申请实施例中,所述终端确定N个第一正交基和M个第二正交基,包括如下任意一项:
所述终端基于所述第一AI模型确定N个第一正交基和M个第二正交基,所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型匹配;
所述终端接收网络侧设备发送的第一指示信息,并基于所述第一指示信息确定N个第一正交基和M个第二正交基,所述第一指示信息用于指示所述N的取值和所述M的取值。
例如,在一种实施方式中,网络侧设备可以是指定或预先配置所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型匹配,并将该匹配关系指示给终端,进而终端基于网络侧设备指示的匹配关系来确定N个第一正交基和M个第二正交基。或者,网络侧设备也可以是在向终端发送第一AI模型的时候,一起将该匹配关系发送给终端。
可选地,网络侧设备还可以是在训练第一AI模型的时候,同步训练所述第一AI模型与所述N个第一正交基的位置和所述M个第二正交基的位置之间的匹配关系。
需要说明的是,该实施方式下,终端确定了第一AI模型,也即确定了对应的N个第一正交基和M个第二正交基;或者,终端确定了N个第一正交基和M个第二正交基,也即确定了对应的第一AI模型。由于第一AI模型是网络侧设备训练并发送给终端的,这种情况下,终端不需要向网络侧设备上报第一正交基的索引和第二正交基的索引,网络侧设备基于终端所使用的第一AI模型既可获知终端所选择的第一正交基和第二正交基。这样,能够节省终端的传输资源,也使得终端无需对第一正交基和第二正交基进行选择,进而也能够简化终端的对正交基的选择流程。
在另一种实施方式中,网络侧设备通过第一指示信息来指示N和M的取值,进而终端基于所述第一指示信息来确定N个第一正交基和M个第二正交基。需要说明的是,网络侧设备仅是指示的正交基的数量,并没有指示具体是哪些位置的正交基。
可选地,这种情况下,所述方法还包括:
所述终端向网络侧设备上报所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和M个第二正交基为所述终端经过过采样处理后从过采样组中确定的正交基。
可以理解地,在网络侧设备通过第一指示信息仅指示了第一正交基的数量和第二正交基的数量的情况下,终端可以是对候选正交基进行过采样处理,以得到候选正交基过采样组,终端从过采样组中选择N个第一正交基和M个第二正交基,并向网络侧设备上报所述N个第一正交基的索引和M个第二正交基各自的索引,以及上报进行选择的过采样组的索引。这样,也就使得网络侧设备能够准确获知终端所选择的过采样组和所选择的正交基具体是哪些,有助于网络侧设备准确地恢复信道矩阵。
可选地,终端对候选正交基进行过采样处理并从过采样组中确定出N个第一正交基和M个第二正交基,具体可以是包括如下步骤:
所述终端确定第一候选正交基和第二候选正交基,并对所述第一候选正交基和所述第二候选正交基分别进行过采样处理,得到n组第一候选正交基和m组第二候选正交基,n和m均为正整数;
所述终端在j组第一候选正交基中进行选择以得到N个第一正交基,以及在k组第二候选正交基中进行选择以得到M个第二正交基;
其中,所述j组第一候选正交基为所述n组第一候选正交基中的任一组,所述k组第二候选正交基为所述m组第二候选正交基中的任一组,也即j=1,k=1。
示例性地,终端可以是先获取第一候选正交基和第二候选正交基,例如可以是确定32个第一候选正交基和32个第二候选正交基,对这32个第一候选正交基和32个第二候选正交基进行过采样处理,例如得到4组32个第一候选正交基和4组32个第二候选正交基,也即4×32个第一候选正交基和4×32个第二候选正交基(也即n=4,m=4);进一步地,终端可以是各自从中选择一组,从其中一组(也即j组)对应的32个第一候选正交基中选择出N个第一正交基,以及从其中一组(也即k组)对应的32个第二候选正交基中选择出M个第二正交基。
这样,终端能够对候选正交基进行过采样处理,从过采样处理得到的过采样组中选择一组来进行第一正交基和第二正交基的选择,以提升正交基选择的丰富度和选择范围。其中,正交基的过采样处理可以是参照相关技术,本实施例不做具体赘述。
可选地,在网络侧设备通过第一指示信息向终端指示所述N的取值和所述M的取值的情况下,所述N的取值和所述M的取值还可以是与所述第一AI模型匹配。例如,网络侧设备可以是预先配置第一AI模型与N的取值及M的取值的映射关系,并将所述映射关系发送给终端,例如可以是与第一AI模型同步发送,进而终端基于所述第一指示信息以及该映射关系,也就能够确定所需要使用的第一AI模型。
可选地,网络侧设备也可以是将所述映射关系与所述第一AI模型一起训练,以将所述映射关系包括进第一AI模型中,进而终端在获取到所述第一AI模型的情况下,也就能够基于所述第一AI模型获取到所述映射关系,也就能够获取所述N的取值和所述M的取值,从而选择出对应数量的第一正交基和第二正交基。
该实施方式下,终端基于网络侧设备的第一指示信息确定了第一正交基和第二正交基的数量,基于网络侧设备指示的数量来选择正交基,这样能够提升终端对于正交基选择的灵活性。
可选地,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述方法还包括:
所述终端向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
例如,网络侧设备并没有向终端指示第一AI模型与N个第一正交基的位置和所述M个第二正交基的位置之间的匹配关系,或者说所述N个第一正交基和M个第二正交基并非是终端基于网络侧设备的指示来确定的,而是终端自行确定的情况下,终端还需向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。例如,终端可以是向网络侧设备上报所述N个第一正交基的索引和/或所述M个第二正交基的索引,所述索引能够表征对应的正交基的位置。这样,也就使得网络侧设备能够准确获知终端选择的第一正交基和第二正交基是哪些,更有助于网络侧设备恢复得到信道矩阵。
可选地,所述终端向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置,包括:
所述终端通过CSI向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
例如,终端可以是通过CSI的第一部分(CSI part 1)来向网络侧设备上报所述N个第一正交基的索引和/或所述M个第二正交基的索引,进而以节省终端的上报资源。
需要说明地,若所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型是匹配的,则终端无需向网络侧设备上报所选择的N个第一正交基的位置和所述M个第二正交基的位置。
或者,上述上报过程也可以是独立于CSI之外。可选地,所述终端确定N个第一正交基和M个第二正交基,还可以包括:
所述终端获取通过CSI上报的空域正交基,并从所述通过CSI上报的空域正交基中确定出N个第一正交基;
所述终端自行确定M个第二正交基。
在该实施方式中,第一正交基是从终端通过CSI上报的空域正交基中选择出来的,而第二正交基可以是终端自行确定的。这样,也就限定了第一正交基的选择范围,而对第二正交基的选择范围不做限定,使得终端对于第二正交基的选择更具灵活性和自主性。
需要说明的是,所述空域正交基可以采用R16码本中的上报方式,例如所述空域正交基可以是包括在CSI上报内容的i1,1和i1,2中。
可选地,终端还可以是基于所述M个第二正交基对每个子带的信道矩阵进行投影处理和加权处理,使得加权处理后的信道矩阵与投影处理前的信道矩阵维度一致。
本申请实施例,在所述终端自行确定M个第二正交基的情况下,所述方法还包括:
所述终端向网络侧设备指示所述M个第二正交基。
例如,终端可以是向网络侧设备上报所述M个第二正交基的索引,进而以指示所述M个第二正交基的位置。这样,也就使得网络侧设备能够准确获知M个第二正交基的位置,以更好地实现对信道矩阵的恢复。而所述N个第一正交基是从终端通过CSI上报的空域正交基中选择出来的,进而网络侧设备可以是基于接收到的CSI来确定第一正交基,也即终端可以不需要上报所述N个第一正交基的位置,以节省终端的上报资源。
本申请实施例中,所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型输出的信道特征信息,包括:
所述终端将预处理后的信道矩阵输入目标第一AI模型中,获取所述第一AI模型输出的信道特征信息,所述目标第一AI模型与输入的信道矩阵对应的子带匹配。
也就是说,每个子带都各自对应一个目标第一AI模型,每个子带独立通过对应的目标第一AI模型对预处理的信道矩阵进行处理,以获得对应的信道特征信息。相比于用一个AI模型来处理所有子带的信道矩阵,这样的方式能够避免不同子带的信道矩阵处理之间的混乱,进而以确保输出的信道特征信息准确性。
可选地,每个子带对应的所述目标第一AI模型相同或者不同。
例如,每个子带对应的所述目标第一AI模型相同。这种情况下,网络侧设备在训练目标第一AI模型的时候,可以是将所有子带的信道矩阵混合在同一个训练集中进行训练,也即将所有子带的信道矩阵作为训练时目标第一AI模型的输入,进而训练后的目标第一AI模型能够实现对所有子带信道矩阵的处理。这样,能够有效节省网络侧设备对目标第一AI模型的训练成本和时间。
需要说明的是,该实施方式中,每个子带对应的所述目标第一AI模型相同,不代表所有子带使用同一个目标第一AI模型,而是每个子带对应使用相同的目标第一AI模型分别对输入的信道矩阵进行处理。
或者,每个子带对应的所述目标第一AI模型不同。这种情况下,网络侧设备在训练目标第一AI模型的时候,可以是将某些子带的信道矩阵混合在一个训练集中进行训练,以节省网络侧设备对目标第一AI模型的训练成本和时间。
本申请实施例中,所述终端向网络侧设备上报所述信道特征信息,包括如下任意一项:
所述终端通过CSI向网络侧设备上报所述信道特征信息;
所述终端接收网络侧设备发送的信令,并基于所述信令向网络侧设备上报所述信道特征信息;
所述终端基于CSI报告中的配置信息向网络侧设备上报所述信道特征信息。
例如,终端可以是将第一AI模型处理输出的信道特征信息通过CSI上报给网络侧设备,例如所述信道特征信息可以是包括在CSI的第一部分(CSI part 1)中。
或者,网络侧设备可以是在CSI报告中配置所述信道特征信息的上报方式,终端基于所述CSI报告中的配置信息向网络侧设备上报所述信道特征信息。例如,终端可以是通过CSI上报所述信道特征信息。
又或者,网络侧设备通过信令触发所述终端上报信道特征信息,终端基于网络侧设备发送的信令上报所述信道特征信息。
这样,也就使得终端对于信道特征信息的上报方式更加灵活多样。
可选地,所述网络侧设备发送的所述信令包括如下至少一项:
下行控制信息(Downlink Control Information,DCI);
媒体接入控制控制元素(Medium Access Control Control Element,MAC CE);
无线资源控制(Radio Resource Control,RRC)。
可选地,所述终端向网络侧设备上报所述信道特征信息,包括:
所述终端对所述信道特征信息进行量化处理,并向网络侧设备上报量化处理后的信道特征信息。
本申请实施例中,终端在获取到第一AI模型输出的信道特征信息后,可以是对所述信道特征信息通过一个量化表进行量化处理,并将量化处理后的信道特征信息上报给网络侧设备,网络侧设备将量化处理后的信道特征信息输入第二AI模型,通过第二AI模型恢复信道矩阵。
其中,所述量化表与所述第一AI模型可以是独立的,也即量化表不参与第一AI模型的训练,或者量化表也可以参与第一AI模型的训练,但是不会被第一AI模型训练中的梯度信息所影响。
可选地,所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型输出的信道特征信息,包括:
所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型量化处理后输出的信道特征信息。
本申请实施例中,终端在基于N个第一正交基和M个第二正交基对每个子带的信道矩阵预处理后,终端将预处理后的信道矩阵输入至第一AI模型,获取第一AI模型量化处理后输出的信道特征信息。也就是说,第一AI模型是包括量化结构的,量化处理不是独立于第一AI模型之外。该实施方式下,第一AI模型输出二进制比特(bit)的信道特征信息,网络侧设备将该二进制bit的信道特征信息输入第二AI模型,通过第二AI模型恢复信道矩阵。
其中,所述第一AI模型包括量化方式,例如量化表,所述量化表与第一AI模型联合训练,进而以确保训练后的第一AI模型能够实现对输入的信道矩阵的量化处理。
为更好地理解本申请实施例的技术方案,以下通过一个具体的实施例来进行解释说明。
实施例一
终端根据R16码本的方式上报CSI,在NSB个子带上估计信道矩阵,并且选择空域正交基W1和频域正交基Wf,计算对应的系数W2并上报。
某个时刻网络侧设备触发全信道信息上报,终端使用W1作为第一正交基,得到等效信道矩阵,在第i个子带的等效信道矩阵为:
其中,为第i个子带的等效信道矩阵,Hi为第i个子带的信道矩阵,W1为第一正交基。
终端构建第二正交基矩阵其中Nr是终端天线数量,k是过采样组数量。
终端在每个子带计算每个正交基对应的投影系数,计算公式如下:
其中,为第i个子带对应的投影系数,/>为对第二正交基矩阵中第j列的正交基进行共轭转置,/>为第i个子带的等效信道矩阵。
终端在同一个正交组中选择较大的M个正交基,组成正交矩阵对等效信道矩阵进行加权处理,公式如下:
其中,为加权处理后的信道矩阵,/>为第i个子带对应的投影系数,/>为对/>进行共轭转置,/>为第i个子带的等效信道矩阵
加权处理后的信道矩阵即为第一AI模型的输入,终端在每个子带将输入到第一AI模型中,获得第一AI模型输出的信道特征信息并上报给网络侧设备。
网络侧设备接收每个子带的信道特征信息之后,使用对应的第二AI模型得到恢复的信道矩阵网络侧设备根据R16码本上报的W1,恢复每个子带的完整的信道矩阵:
其中,为第i个子带恢复的完整的信道矩阵,/>为第二AI模型恢复的第i个子带的信道矩阵,/>为对空域正交基进行共轭转置。
这样,网络侧设备也就能够通过第二AI模型恢复得到每个子带的全信道矩阵,也即能够获知接收端和发送端的信道矩阵,进而以更好地对未来某时刻的信道信息进行预测,提升信道信息预测的准确性。
请参照图3,图3是本申请实施例提供的另一种信道矩阵处理方法的流程图,如图3所示,所述方法包括以下步骤:
步骤301、网络侧设备接收终端上报的信道特征信息;
步骤302、所述网络侧设备将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵。
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
本申请实施例中,终端确定N个第一正交基和M个第二正交基后,基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,并将每个子带预处理后的信道矩阵输入至第一AI模型中,获取所述第一AI模型输出的信道特征信息,终端将所述信道特征信息上报给网络侧设备,网络侧设备通过第二AI模型对信道特征信息进行处理,输出信道矩阵,从而网络侧设备通过第二AI模型恢复信道矩阵。这样,也就使得终端和网络侧设备能够通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。
其中,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而终端通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,网络侧设备通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得网络侧设备不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于网络侧设备对信道信息进行预测,以提升信道信息预测的准确性。
可选地,所述方法还包括:
所述网络侧设备向终端发送第一指示信息,所述第一指示信息用于指示所述N的取值和所述M的取值。
可选地,所述方法还包括:
所述网络侧设备接收终端上报的所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和所述M个第二正交基为所述终端经过过采样处理后从过采样组中确定的正交基。
可选地,所述N的取值和所述M的取值与所述第一AI模型匹配。
可选地,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述方法还包括:
所述网络侧设备接收所述终端上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,所述网络侧设备接收所述终端上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置,包括:
所述网络侧设备接收所述终端通过CSI上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,在所述终端自行确定所述M个第二正交基的情况下,所述方法还包括:
所述网络侧设备接收所述终端上报的第二指示信息,所述第二指示信息用于指示所述M个第二正交基的位置。
可选地,所述网络侧设备接收终端上报的信道特征信息,包括如下任意一项:
所述网络侧设备接收终端通过CSI上报的信道特征信息;
所述网络侧设备向终端发送信令,并接收所述终端基于所述信令上报的信道特征信息;
所述网络侧设备接收终端通过CSI报告中的配置信息上报的信道特征信息。
可选地,所述信令包括如下至少一项:
DCI;
MAC CE;
RRC。
可选地,所述网络侧设备接收终端上报的信道特征信息,包括:
所述网络侧设备接收终端量化处理后的信道特征信息。
需要说明地,本申请实施例所提供的信道矩阵处理方法,执行主体为网络侧设备,与上述终端执行的信道矩阵处理方法相对应,本申请实施例所涉及的相关概念及具体实现过程可以是参照上述图2所述方法实施例中的描述,为避免重复,此处不再赘述。
本申请实施例提供的信道矩阵处理方法,执行主体可以为信道矩阵处理装置。本申请实施例中以信道矩阵处理装置执行信道矩阵处理方法为例,说明本申请实施例提供的信道矩阵处理装置。
请参照图4,图4是本申请实施例提供的一种信道矩阵处理装置的结构图,如图4所示,所述信道矩阵处理装置400包括:
处理模块401,用于确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
第一获取模块402,用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;
上报模块403,用于向网络侧设备上报所述信道特征信息。
可选地,所述处理模块401还用于执行如下任意一项:
基于所述第一AI模型确定N个第一正交基和M个第二正交基,所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型匹配;
接收网络侧设备发送的第一指示信息,并基于所述第一指示信息确定N个第一正交基和M个第二正交基,所述第一指示信息用于指示所述N的取值和所述M的取值。
可选地,所述上报模块403还用于:
向网络侧设备上报所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和所述M个第二正交基为所述装置经过过采样处理后从过采样组中确定的正交基。
可选地,所述N的取值和所述M的取值与所述第一AI模型匹配。
可选地,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述上报模块403还用于:
向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,所述上报模块403还用于:
通过CSI向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,所述处理模块401还用于:
获取通过CSI上报的空域正交基,并从所述通过CSI上报的空域正交基中确定出N个第一正交基;
自行确定M个第二正交基。
可选地,所述装置还用于:
向网络侧设备指示所述M个第二正交基。
可选地,所述第一获取模块402还用于:
将预处理后的信道矩阵输入目标第一AI模型中,获取所述目标第一AI模型输出的信道特征信息,所述目标第一AI模型与输入的信道矩阵对应的子带匹配。
可选地,每个子带对应的所述目标第一AI模型相同或者不同。
可选地,所述处理模块401还用于执行如下任意一项:
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,投影处理后的信道矩阵的维度为N×M或者M×N;
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,并对投影处理后的信道矩阵进行加权处理,以使得加权处理后的信道矩阵与投影处理前的信道矩阵维度一致,所述加权处理使用的正交基为所述N个第一正交基和所述M个第二正交基。
可选地,在基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理的情况下,所述N个第一正交基基于对应的投影系数按照第一预设顺序进行排序,所述M个第二正交基基于对应的投影系数按照第二预设顺序进行排序。
可选地,所述上报模块403还用于执行如下任意一项:
通过CSI向网络侧设备上报所述信道特征信息;
接收网络侧设备发送的信令,并基于所述信令向网络侧设备上报所述信道特征信息;
基于CSI报告中的配置信息向网络侧设备上报所述信道特征信息。
可选地,所述信令包括如下至少一项:
DCI;
MAC CE;
RRC。
可选地,所述上报模块403还用于:
对所述信道特征信息进行量化处理,并向网络侧设备上报量化处理后的信道特征信息。
可选地,所述第一获取模块402还用于:
所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型量化处理后输出的信道特征信息。
本申请实施例中,所述装置能够和网络侧设备通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。并且,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而所述装置通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,网络侧设备通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得网络侧设备不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于网络侧设备对信道信息进行预测,以提升信道信息预测的准确性
本申请实施例中的信道矩阵处理装置400可以是电子设备,例如具有操作系统的电子设备,也可以是电子设备中的部件,例如集成电路或芯片。该电子设备可以是终端,也可以为除终端之外的其他设备。示例性的,终端可以包括但不限于上述所列举的终端11的类型,其他设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)等,本申请实施例不作具体限定。
本申请实施例提供的信道矩阵处理装置400能够实现图2所述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。
请参照图5,图5是本申请实施例提供的另一种信道矩阵处理装置的结构图,如图5所示,所述信道矩阵处理装置500包括:
接收模块501,用于接收终端上报的信道特征信息;
第二获取模块502,用于将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
可选地,所述装置还包括:
发送模块,用于向终端发送第一指示信息,所述第一指示信息用于指示所述N的取值和所述M的取值。
可选地,所述接收模块501还用于:
接收终端上报的所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和所述M个第二正交基为所述终端经过过采样处理后从过采样组中确定的正交基。
可选地,所述N的取值和所述M的取值与所述第一AI模型匹配。
可选地,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述接收模块501还用于:
接收所述终端上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,所述接收模块501还用于:
接收所述终端通过CSI上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
可选地,在所述终端自行确定所述M个第二正交基的情况下,所述接收模块501还用于:
接收所述终端上报的第二指示信息,所述第二指示信息用于指示所述M个第二正交基的位置。
可选地,所述接收模块501还用于执行如下任意一项:
接收终端通过CSI上报的信道特征信息;
向终端发送信令,并接收所述终端基于所述信令上报的信道特征信息;
接收终端通过CSI报告中的配置信息上报的信道特征信息。
可选地,所述信令包括如下至少一项:
DCI;
MAC CE;
RRC。
可选地,所述接收模块501还用于:
所述网络侧设备接收终端量化处理后的信道特征信息。
本申请实施例中,所述装置通过第二AI模型对信道特征信息进行处理,输出信道矩阵,从而所述装置通过第二AI模型恢复信道矩阵。这样,也就使得终端和所述装置能够通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。并且,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而终端通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,所述装置通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得所述装置不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于所述装置对信道信息进行预测,以提升信道信息预测的准确性。
本申请实施例提供的信道矩阵处理装置500能够实现图3所述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执行时实现上述图2所述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执行时实现上述图3所述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,处理器用于所述处理器用于确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;以及用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;所述通信接口用于向网络侧设备上报所述信道特征信息。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,用于:
确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
以及用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息
射频单元701,用于向网络侧设备上报所述信道特征信息。
本申请实施例中,终端700能够和网络侧设备通过AI模型来实现对信道矩阵的处理和恢复,能够有效节省传输资源。并且,第一正交基对应的是发送端天线的空域信息,第二正交基对应的是接收端天线的空域信息,进而终端700通过第一AI模型处理得到的信道特征信息也就同时考虑了接收端和发送端,网络侧设备通过第二AI模型进行信道矩阵恢复,也就能够得到接收端和发送端的全信道信息。这样,也就使得网络侧设备不仅能够得到发送端的信道信息,还能够获得接收端的信道信息,更有助于网络侧设备对信道信息进行预测,以提升信道信息预测的准确性。
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,所述通信接口用于接收终端上报的信道特征信息;所述处理器用于将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
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图2所述方法实施例的各个过程,或者实现上述图3所述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,实现上述图2所述方法实施例的各个过程,或者实现上述图3所述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图2所述方法实施例的各个过程,或者实现上述图3所述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通信系统,包括:终端及网络侧设备,所述终端可用于执行如图2所述的信道矩阵处理方法的步骤,所述网络侧设备可用于执行如上图3所述的信道矩阵处理方法的步骤。
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 (31)
1.一种信道矩阵处理方法,其特征在于,包括:
终端确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
所述终端将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;
所述终端向网络侧设备上报所述信道特征信息。
2.根据权利要求1所述的方法,其特征在于,所述终端确定N个第一正交基和M个第二正交基,包括如下任意一项:
所述终端基于所述第一AI模型确定N个第一正交基和M个第二正交基,所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型匹配;
所述终端接收网络侧设备发送的第一指示信息,并基于所述第一指示信息确定N个第一正交基和M个第二正交基,所述第一指示信息用于指示所述N的取值和所述M的取值。
3.根据权利要求2所述的方法,其特征在于,在所述终端基于所述第一指示信息确定N个第一正交基和M个第二正交基的情况下,所述方法还包括:
所述终端向网络侧设备上报所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和所述M个第二正交基为所述终端经过过采样处理后从过采样组中确定的正交基。
4.根据权利要求2所述的方法,其特征在于,所述N的取值和所述M的取值与所述第一AI模型匹配。
5.根据权利要求1所述的方法,其特征在于,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述方法还包括:
所述终端向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
6.根据权利要求5所述的方法,其特征在于,所述终端向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置,包括:
所述终端通过信道状态信息CSI向网络侧设备上报所述N个第一正交基的位置和/或所述M个第二正交基的位置。
7.根据权利要求1所述的方法,其特征在于,所述终端确定N个第一正交基和M个第二正交基,包括:
所述终端获取通过CSI上报的空域正交基,并从所述通过CSI上报的空域正交基中确定出N个第一正交基;
所述终端自行确定M个第二正交基。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
所述终端向网络侧设备指示所述M个第二正交基。
9.根据权利要求1所述的方法,其特征在于,所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型输出的信道特征信息,包括:
所述终端将预处理后的信道矩阵输入目标第一AI模型中,获取所述目标第一AI模型输出的信道特征信息,所述目标第一AI模型与输入的信道矩阵对应的子带匹配。
10.根据权利要求9所述的方法,其特征在于,每个子带对应的所述目标第一AI模型相同或者不同。
11.根据权利要求1所述的方法,其特征在于,所述基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,包括如下任意一项:
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,投影处理后的信道矩阵的维度为N×M或者M×N;
基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理,并对投影处理后的信道矩阵进行加权处理,以使得加权处理后的信道矩阵与投影处理前的信道矩阵维度一致,所述加权处理使用的正交基为所述N个第一正交基和所述M个第二正交基。
12.根据权利要求11所述的方法,其特征在于,在基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行投影处理的情况下,所述N个第一正交基基于对应的投影系数按照第一预设顺序进行排序,所述M个第二正交基基于对应的投影系数按照第二预设顺序进行排序。
13.根据权利要求1所述的方法,其特征在于,所述终端向网络侧设备上报所述信道特征信息,包括如下任意一项:
所述终端通过CSI向网络侧设备上报所述信道特征信息;
所述终端接收网络侧设备发送的信令,并基于所述信令向网络侧设备上报所述信道特征信息;
所述终端基于CSI报告中的配置信息向网络侧设备上报所述信道特征信息。
14.根据权利要求13所述的方法,其特征在于,所述信令包括如下至少一项:
下行控制信息DCI;
媒体接入控制控制元素MAC CE;
无线资源控制RRC。
15.根据权利要求1所述的方法,其特征在于,所述终端向网络侧设备上报所述信道特征信息,包括:
所述终端对所述信道特征信息进行量化处理,并向网络侧设备上报量化处理后的信道特征信息。
16.根据权利要求1所述的方法,其特征在于,所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型输出的信道特征信息,包括:
所述终端将预处理后的信道矩阵输入第一AI模型中,获取所述第一AI模型量化处理后输出的信道特征信息。
17.一种信道矩阵处理方法,其特征在于,包括:
网络侧设备接收终端上报的信道特征信息;
所述网络侧设备将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
18.根据权利要求17所述的方法,其特征在于,所述方法还包括:
所述网络侧设备向终端发送第一指示信息,所述第一指示信息用于指示所述N的取值和所述M的取值。
19.根据权利要求18所述的方法,其特征在于,所述方法还包括:
所述网络侧设备接收终端上报的所述N个第一正交基的索引和所述M个第二正交基的索引以及过采样组的索引,其中,所述N个第一正交基和所述M个第二正交基为所述终端经过过采样处理后从过采样组中确定的正交基。
20.根据权利要求18所述的方法,其特征在于,所述N的取值和所述M的取值与所述第一AI模型匹配。
21.根据权利要求17所述的方法,其特征在于,在所述N个第一正交基的位置和所述M个第二正交基的位置与所述第一AI模型不匹配的情况下,所述方法还包括:
所述网络侧设备接收所述终端上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
22.根据权利要求21所述的方法,其特征在于,所述网络侧设备接收所述终端上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置,包括:
所述网络侧设备接收所述终端通过CSI上报的所述N个第一正交基的位置和/或所述M个第二正交基的位置。
23.根据权利要求17所述的方法,其特征在于,在所述终端自行确定所述M个第二正交基的情况下,所述方法还包括:
所述网络侧设备接收所述终端上报的第二指示信息,所述第二指示信息用于指示所述M个第二正交基的位置。
24.根据权利要求17所述的方法,其特征在于,所述网络侧设备接收终端上报的信道特征信息,包括如下任意一项:
所述网络侧设备接收终端通过CSI上报的信道特征信息;
所述网络侧设备向终端发送信令,并接收所述终端基于所述信令上报的信道特征信息;
所述网络侧设备接收终端通过CSI报告中的配置信息上报的信道特征信息。
25.根据权利要求24所述的方法,其特征在于,所述信令包括如下至少一项:
DCI;
MAC CE;
RRC。
26.根据权利要求17所述的方法,其特征在于,所述网络侧设备接收终端上报的信道特征信息,包括:
所述网络侧设备接收终端量化处理后的信道特征信息。
27.一种信道矩阵处理装置,其特征在于,包括:
处理模块,用于确定N个第一正交基和M个第二正交基,并基于所述N个第一正交基和所述M个第二正交基对每个子带的信道矩阵进行预处理,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数;
第一获取模块,用于将预处理后的信道矩阵输入第一人工智能AI模型中,获取所述第一AI模型输出的信道特征信息;
上报模块,用于向网络侧设备上报所述信道特征信息。
28.一种信道矩阵处理装置,其特征在于,包括:
接收模块,用于接收终端上报的信道特征信息;
第二获取模块,用于将所述信道特征信息输入至第二AI模型中,获取所述第二AI模型输出的信道矩阵;
其中,所述信道特征信息为所述终端的第一AI模型的输出,所述第一AI模型的输入为所述终端通过N个第一正交基和M个第二正交基对每个子带的信道矩阵进行预处理后的信道矩阵,所述第一正交基对应发送端天线的空域信息,所述第二正交基对应接收端天线的空域信息,N和M均为正整数。
29.一种终端,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1-16中任一项所述的信道矩阵处理方法的步骤。
30.一种网络侧设备,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17-26中任一项所述的信道矩阵处理方法的步骤。
31.一种可读存储介质,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1-16中任一项所述的信道矩阵处理方法的步骤,或者实现如权利要求17-26中任一项所述的信道矩阵处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716334.3A CN117318774A (zh) | 2022-06-22 | 2022-06-22 | 信道矩阵处理方法、装置、终端及网络侧设备 |
PCT/CN2023/100426 WO2023246618A1 (zh) | 2022-06-22 | 2023-06-15 | 信道矩阵处理方法、装置、终端及网络侧设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716334.3A CN117318774A (zh) | 2022-06-22 | 2022-06-22 | 信道矩阵处理方法、装置、终端及网络侧设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117318774A true CN117318774A (zh) | 2023-12-29 |
Family
ID=89241307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210716334.3A Pending CN117318774A (zh) | 2022-06-22 | 2022-06-22 | 信道矩阵处理方法、装置、终端及网络侧设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117318774A (zh) |
WO (1) | WO2023246618A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117527113A (zh) * | 2024-01-08 | 2024-02-06 | 深圳市迈腾电子有限公司 | 一种基于ai模型的无线信道衰落的预估方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11533094B2 (en) * | 2018-10-26 | 2022-12-20 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems and methods for providing forced full orthogonality for beams in a MU/MIMO radio system |
CN113746514A (zh) * | 2020-05-29 | 2021-12-03 | 华为技术有限公司 | 一种通信方法、装置及系统 |
CN113824479A (zh) * | 2020-06-19 | 2021-12-21 | 株式会社Ntt都科摩 | 无线通信系统的终端、基站以及由终端和基站执行的方法 |
CN113840324B (zh) * | 2020-06-24 | 2024-01-30 | 华为技术有限公司 | 一种测量上报方法及装置 |
CN114070675A (zh) * | 2020-08-05 | 2022-02-18 | 展讯半导体(南京)有限公司 | Ai网络模型匹配方法及装置、存储介质、用户设备 |
-
2022
- 2022-06-22 CN CN202210716334.3A patent/CN117318774A/zh active Pending
-
2023
- 2023-06-15 WO PCT/CN2023/100426 patent/WO2023246618A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117527113A (zh) * | 2024-01-08 | 2024-02-06 | 深圳市迈腾电子有限公司 | 一种基于ai模型的无线信道衰落的预估方法 |
CN117527113B (zh) * | 2024-01-08 | 2024-04-12 | 深圳市迈腾电子有限公司 | 一种基于ai模型的无线信道衰落的预估方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023246618A1 (zh) | 2023-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114846748A (zh) | 用于信道测量的方法和装置 | |
WO2023246618A1 (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
US20230412430A1 (en) | Inforamtion reporting method and apparatus, first device, and second device | |
WO2024037380A1 (zh) | 信道信息处理方法、装置、通信设备及存储介质 | |
CN116939650A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117411527A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2024055974A1 (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN116939649A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117318773A (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
CN117335849A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2024032606A1 (zh) | 信息传输方法、装置、设备、系统及存储介质 | |
WO2023179476A1 (zh) | 信道特征信息上报及恢复方法、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 | |
CN117978218A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
WO2023179473A1 (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
WO2023179460A1 (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN116828499A (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
CN117997484A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
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 | |
CN117715106A (zh) | 信息传输方法、ai网络模型训练方法、装置和通信设备 | |
CN117715075A (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN117997396A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN116939647A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 | |
CN117978304A (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN116939705A (zh) | 信道特征信息上报及恢复方法、终端和网络侧设备 |
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 |