CN117322029A - Ai波束模型确定方法、装置 - Google Patents
Ai波束模型确定方法、装置 Download PDFInfo
- Publication number
- CN117322029A CN117322029A CN202280001344.7A CN202280001344A CN117322029A CN 117322029 A CN117322029 A CN 117322029A CN 202280001344 A CN202280001344 A CN 202280001344A CN 117322029 A CN117322029 A CN 117322029A
- Authority
- CN
- China
- Prior art keywords
- receiving
- model
- receive
- dimension direction
- characteristic
- 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 120
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 230000015654 memory Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 22
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000003672 processing method Methods 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 6
- 230000005291 magnetic effect Effects 0.000 description 5
- 229910044991 metal oxide Inorganic materials 0.000 description 5
- 150000004706 metal oxides Chemical class 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 229910000577 Silicon-germanium Inorganic materials 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- LEVVHYCKPQWKOP-UHFFFAOYSA-N [Si].[Ge] Chemical compound [Si].[Ge] LEVVHYCKPQWKOP-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 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
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
-
- 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
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/24—Cell structures
- H04W16/28—Cell structures using beam steering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
- Optical Communication System (AREA)
Abstract
本公开提出一种AI波束模型确定方法、装置、设备及存储介质,属于通信技术领域。该方法包括接收网络侧设备发送的AI波束模型,确定所述AI波束模型对应的第一接收波束特征(101)。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
Description
本公开涉及通信技术领域,尤其涉及一种人工智能(Artificial Intelligence,AI)波束模型确定方法、装置、设备及存储介质。
在通信系统中,由于高频信道的衰减较快,为了保证新的无线技术(New Radio,NR)的覆盖范围,需要使用基于波束(beam)的发送和接收。
在相关技术的波束管理过程中,通过使用基于人工智能(Artificial Intelligence,AI)模型的预测方法,可以对波束对进行测量。但是相关技术中,终端设备并未获取到AI模型的信息,从而出现AI模型进行波束测量质量不准确的情况。因此,亟需一种“AI波束模型确定”的方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
发明内容
本公开提出的一种AI波束模型确定方法、装置、设备及存储介质,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
本公开一方面实施例提出的一种人工智能AI波束模型确定方法,所述方法由终端设备执行,所述方法包括:
接收网络侧设备发送的AI波束模型,确定所述AI波束模型对应的第一接收波束特征。
可选地,在本公开的一个实施例之中,在所述接收网络侧设备发送的AI波束模型之前,还包括:
发送AI波束模型请求和/或第二接收波束特征至网络侧设备。
可选地,在本公开的一个实施例之中,所述确定所述AI波束模型对应的第一接收波束特征,包括:
接收网络侧设备发送的指示信息,所述指示信息用于指示所述AI波束模型对应的第一接收波束特征;或
基于默认规则确定所述AI波束模型对应的第一接收波束特征。
可选地,在本公开的一个实施例之中,所述第一接收波束特征包括以下至少一项:
所述AI波束模型支持的第一接收波束的第一数量;
所述AI波束模型中所述第一接收波束对应的第一维度方向角数量;
所述AI波束模型中所述第一接收波束对应的第一维度方向角的第一角度值;
所述AI波束模型中所述第一接收波束对应的第二维度方向角数量;
所述AI波束模型中所述第一接收波束对应的第二维度方向角的第二角度值;
所述AI波束模型中所述第一接收波束对应的第一波束标识。
可选地,在本公开的一个实施例之中,所述第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
所述终端设备中所述第二接收波束对应的第一维度方向角数量;
所述终端设备中所述第二接收波束对应的第一维度方向角的第一角度值;
所述终端设备中所述第二接收波束对应的第二维度方向角数量;
所述终端设备中所述第二接收波束对应的第二维度方向角的第二角度值;
所述终端设备中所述第二接收波束对应的第二波束标识。
可选地,在本公开的一个实施例之中,在所述接收网络侧设备发送的AI波束模型之后,包括:
确定AI波束模型输入参数,并将所述输入参数输入至所述AI波束模型,获得波束测量质量的预测结果,其中所述输入参数包括以下至少一项:
第二接收波束特征;
第三数量的波束对对应的波束对特征;
所述第三数量的波束对对应的波束测量质量。
可选地,在本公开的一个实施例之中,所述波束对特征包括以下至少一项:
所述波束对对应的波束对ID;
所述波束对对应的一个参考信号ID,其中,所述参考信号包括同步信号块SSB、信道状态信息-参考信号CSI-RS中的至少一个;
所述波束对对应的一个第二接收波束对应的第二波束标识;
所述波束对对应的一个第二接收波束的第一维度方向角的第一角度值;
所述波束对对应的一个第二接收波束的第二维度方向角的第二角度值。
可选地,在本公开的一个实施例之中,所述波束测量质量包括层一参考信号接收功率L1-RSRP和/或层一信号与干扰加噪声比L1-SINR。
可选地,在本公开的一个实施例之中,所述第一接收波束特征为所述AI波束模型支持的接收波束数量,所述第二接收波束特征为所述终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
本公开另一方面实施例提出的一种AI波束模型确定方法,所述方法由网络侧设备执行,所述方法包括:
发送AI波束模型至终端设备。
可选地,在本公开的一个实施例之中,在所述发送AI波束模型至终端设备之前,还包括:
接收终端设备发送的AI波束模型请求和/或第二接收波束特征。
可选地,在本公开的一个实施例之中,所述第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
所述终端设备中所述第二接收波束对应的第一维度方向角数量;
所述终端设备中所述第二接收波束对应的第一维度方向角的第一角度值;
所述终端设备中所述第二接收波束对应的第二维度方向角数量;
所述终端设备中所述第二接收波束对应的第二维度方向角的第二角度值;
所述终端设备中所述第二接收波束对应的第二波束标识。
可选地,在本公开的一个实施例之中,所述发送AI波束模型至终端设备,包括:
发送指示信息至所述终端设备,所述指示信息用于指示所述AI波束模型对应的第一接收波束特征。
可选地,在本公开的一个实施例之中,所述第一接收波束特征包括以下至少一项:
所述AI波束模型支持的第一接收波束的第一数量;
所述AI波束模型中所述第一接收波束对应的第一维度方向角数量;
所述AI波束模型中所述第一接收波束对应的第一维度方向角的第一角度值;
所述AI波束模型中所述第一接收波束对应的第二维度方向角数量;
所述AI波束模型中所述第一接收波束对应的第二维度方向角的第二角度值;
所述AI波束模型中所述第一接收波束对应的第一波束标识。
可选地,在本公开的一个实施例之中,所述第一接收波束特征为所述AI波束模型支持的接收波束数量,所述第二接收波束特征为所述终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
本公开又一方面实施例提出的一种AI波束模型确定装置,包括:
接收模块,用于接收网络侧设备发送的AI波束模型,确定所述AI波束模型对应的第一接收波束特征。
本公开又一方面实施例提出的一种AI波束模型确定装置,包括:
发送模块,用于发送AI波束模型至终端设备。
本公开又一方面实施例提出的一种通信装置,所述装置包括处理器和存储器,所述存储器中存储有 计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如上一方面实施例提出的方法。
本公开又一方面实施例提出的一种通信装置,所述装置包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如上另一方面实施例提出的方法。
本公开又一方面实施例提出的通信装置,包括:处理器和接口电路;
所述接口电路,用于接收代码指令并传输至所述处理器;
所述处理器,用于运行所述代码指令以执行如一方面实施例提出的方法。
本公开又一方面实施例提出的通信装置,包括:处理器和接口电路;
所述接口电路,用于接收代码指令并传输至所述处理器;
所述处理器,用于运行所述代码指令以执行如另一方面实施例提出的方法。
本公开又一方面实施例提出的计算机可读存储介质,用于存储有指令,当所述指令被执行时,使如一方面实施例提出的方法被实现。
本公开又一方面实施例提出的计算机可读存储介质,用于存储有指令,当所述指令被执行时,使如另一方面实施例提出的方法被实现。
综上所述,在本公开实施例之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过确定AI波束模型对应的第一接收波束特征,减少AI波束模型与第一接收波束特征不对应的情况,提高AI波束模型的波束预测准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图2为本公开另一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图3为本公开再一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图4为本公开又一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图5为本公开又一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图6为本公开又一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图7为本公开又一个实施例所提供的一种AI波束模型确定方法的流程示意图;
图8为本公开一个实施例所提供的一种AI波束模型确定装置的结构示意图;
图9为本公开另一个实施例所提供的一种AI波束模型确定装置的结构示意图;
图10是本公开一个实施例所提供的一种终端设备的框图;
图11为本公开一个实施例所提供的一种网络侧设备的框图。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
在本公开实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开实施例。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开实施例范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面参考附图对本公开实施例所提供的一种AI波束模型确定方法、装置、设备及存储介质进行详细描述。
图1为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由终端设备执行,如图1所示,该方法可以包括以下步骤:
步骤101、接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。
需要说明的是,在本公开的一个实施例之中,终端设备可以是指向用户提供语音和/或数据连通性的设备。终端设备可以经RAN(Radio Access Network,无线接入网)与一个或多个核心网进行通信,终端设备可以是物联网终端,如传感器设备、移动电话(或称为“蜂窝”电话)和具有物联网终端的计算机,例如,可以是固定式、便携式、袖珍式、手持式、计算机内置的或者车载的装置。例如,站(Station,STA)、订户单元(subscriber unit)、订户站(subscriber station),移动站(mobile station)、移动台(mobile)、远程站(remote station)、接入点、远程终端(remoteterminal)、接入终端(access terminal)、用户装置(user terminal)或用户代理(useragent)。或者,终端设备也可以是无人飞行器的设备。或者,终端设备也可以是车载设备,比如,可以是具有无线通信功能的行车电脑,或者是外接行车电脑的无线终端。或者,终端设备也可以是路边设备,比如,可以是具有无线通信功能的路灯、信号灯或者其它路边设备等。
其中,在本公开的一个实施例之中,终端设备在接收网络侧设备发送的AI波束模型之前,还包括:
发送AI波束模型请求和/或第二接收波束特征至网络侧设备。
以及,在本公开的一个实施例之中,确定AI波束模型对应的第一接收波束特征,包括:
接收网络侧设备发送的指示信息,指示信息用于指示AI波束模型对应的第一接收波束特征;或
基于默认规则确定AI波束模型对应的第一接收波束特征。
以及,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
以及,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
进一步地,在本公开的一个实施例之中,在接收网络侧设备发送的AI波束模型之后,包括:
确定AI波束模型输入参数,并将输入参数输入至AI波束模型,获得波束测量质量的预测结果,其中输入参数包括以下至少一项:
第二接收波束特征;
第三数量的波束对对应的波束对特征;
第三数量的波束对对应的波束测量质量。
以及,在本公开的一个实施例之中,波束对特征包括以下至少一项:
波束对对应的波束对ID;
波束对对应的一个参考信号ID,其中,参考信号包括同步信号块SSB、信道状态信息-参考信号CSI-RS中的至少一个;
波束对对应的一个第二接收波束对应的第二波束标识;
波束对对应的一个第二接收波束的第一维度方向角的第一角度值;
波束对对应的一个第二接收波束的第二维度方向角的第二角度值。
以及,在本公开的一个实施例之中,波束测量质量包括层一参考信号接收功率L1-RSRP和/或层一信号与干扰加噪声比L1-SINR。
示例地,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
综上所述,在本公开实施例之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过确定AI波束模型对应的第一接收波束特征,减少AI波束模型与第一接收波束特征不对应的情况,提高AI波束模型的波束预测准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图2为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由终端设备执行,如图2所示,该方法可以包括以下步骤:
步骤201、发送AI波束模型请求和/或第二接收波束特征至网络侧设备;
步骤202、接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。
其中,在本公开的一个实施例之中,终端设备发送AI波束模型请求和/或第二接收波束特征至网络侧设备具体可以为终端设备先发送AI波束模型请求至网络侧设备后,再发送第二接收波束特征至网络侧设备,还可以是终端设备先发送第二接收波束特征至网络侧设备后,再发送AI波束模型请求至网络侧设备,还可以是终端设备同时发送第二接收波束特征和AI波束模型请求至网络侧设备。终端设备同时发送第二接收波束特征和AI波束模型请求至网络侧设备时,终端设备具体可以将第二接收波束特征添加至AI波束模型请求中,即终端设备可以发送携带有第二接收波束特征的AI波束模型请求至网络侧设备。
以及,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
以及,在本公开的一个实施例之中,第一数量仅用于是指AI波束模型支持的第一接收波束的数量。该第一数量并不特指某一固定数量。第一接收波束包含至少一个第一接收波束。比如,AI波束模型支持的至少一个第一接收波束的第一数量为Q,即表明该AI波束模型适用于接收波束数量为Q的终端,Q的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第一数量为Q,即表明该AI波束模型适用于接收波束数量为小于或等于Q的终端,Q的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的数量为任意值,即表明该AI波束模型适用于接收波束数量为任意值的终端。
以及,在本公开的一个实施例之中,第一接收波束特征是指AI波束模型支持的接收波束特征。该第一接收波束特征并不特指某一固定接收波束特征。例如,当第一接收波束特征包括的特征数量发生变化时,该第一接收波束特征也可以相应变化。例如,当第一接收波束特征包括的接收波束特征发生变化时,该第一接收波束特征也可以相应变化。
以及,在本公开的一个实施例之中,第一维度方向角仅仅用于指示多个维度方向中的任意一个方向 角,其中,第一维度方向角中的第一仅用于与第二维度方向角进行区别。该第一维度方向角并不特指某一固定方向角。
示例地,在本公开的一个实施例之中,第二维度方向角仅仅用于指示多个维度方向中不同于第一维度方向角的任意一个方向角,其中,该第二维度方向角并不特指某一固定方向角。例如,第一维度方向角为天顶角时,第二维度方向角可以是方位角。其中,第一维度方向角的第一绝对值的取值范围为0~2*pi。其中,第二维度方向角的第二绝对值的取值范围为0~2*pi。
以及,在本公开的一个实施例之中,第一接收波束对应的第一维度方向角数量中的第一仅用于与第一接收波束对应的第二维度方向角数量进行区别。该第一接收波束对应的第一维度方向角数量并不特指某一固定数量。该第一接收波束对应的第二维度方向角数量并不特指某一固定数量。第一接收波束包含至少一个第一接收波束。
进一步地,在本公开的一个实施例之中,例如,AI波束模型支持的至少一个第一接收波束的第一维度方向角数量为N,即表明该AI波束模型适用于接收波束的第一维度方向角数量为N的终端,N的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第一维度方向角数量为N,即表明该AI波束模型适用于接收波束的第一维度方向角数量为小于或等于N的终端,N的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第一维度方向角数量为任意值,即表明该AI波束模型适用于接收波束的第一维度方向角数量为任意值的终端。
示例地,在本公开的一个实施例之中,例如,AI波束模型支持的至少一个第一接收波束的第二维度方向角数量为M,即表明该AI波束模型适用于接收波束的第二维度方向角数量为M的终端,M的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第二维度方向角数量为M,即表明该AI波束模型适用于接收波束的第二维度方向角数量为小于或等于M的终端,M的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第二维度方向角数量为任意值,即表明该AI波束模型适用于接收波束的第二维度方向角数量为任意值的终端。需要说明的是,这种情况下,AI波束模型支持的第一接收波束数量为M和N的乘积。
示例地,第一接收波束对应的第一维度方向角的第一角度值是指第一接收波束对应的第一维度方向角的角度值。第一接收波束对应的第一维度方向角的第二角度值是指第一接收波束对应的第二维度方向角的角度值。该第一接收波束对应的第一维度方向角的第一角度值中的第一仅用于与第一接收波束对应的第一维度方向角的第二角度值进行区别。该第一接收波束对应的第一维度方向角的第一角度值并不特指某一固定角度值。第一接收波束包含至少一个第一接收波束。
进一步地,在本公开的一个实施例之中,例如,AI波束模型支持的至少一个第一接收波束的第一维度方向角的第一角度值为θ
1,θ
2……θ
N,即表明该AI波束模型适用于接收波束的第一维度方向角数量为N,且第一维度方向角的第一角度值为θ
1,θ
2……θ
N的终端,θ
i的取值为0~2*pi,N的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第一维度方向角的第一角度值为任意值,即表明该AI波束模型适用于接收波束的第一维度方向角的第一角度值为任意值的终端。
又比如,AI波束模型支持的至少一个第一接收波束的第二维度方向角的第二角度值为θ
1,θ
2……θ
M,即表明该AI波束模型适用于接收波束的第二维度方向角数量为M,且第二维度方向角的第二角度值为θ
1,θ
2……θ
M的终端,θ
i的取值为0~2*pi,M的取值为正整数;或,AI波束模型支持的至少一个第一接收波束的第二维度方向角的第二角度值为任意值,即表明该AI波束模型适用于接收波束的第二维度方向角的第二角度值为任意值的终端。
进一步地,在本公开的一个实施例之中,接收波束标识用于唯一标识一个接收波束。也就是说,不同的接收波束对应的接收波束标识不同。第一接收波束包含至少一个第一接收波束。第一波束标识用于表示至少一个第一接收波束的标识。比如,第一接收波束特征包括AI波束模型中第一接收波束对应的第一波束标识为第一波束标识ID#1和第一波束标识ID#2,即表明该AI波束模型适用于接收波束的第一波束标识为第一波束标识ID#1和第一波束标识ID#2的终端,或者也用于指示利用该AI波束模型进行波束预测是的输入包含至少一个第一波束对的测量质量,而至少一个第一波束对对应的接收波束标识为第一波束标识ID#1和第一波束标识ID#2。
以及,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
以及,在本公开的一个实施例之中,第二接收波束特征是指终端设备支持的接收波束特征。该第二接收波束特征并不特指某一固定接收波束特征。例如,当第二接收波束特征包括的特征数量发生变化时,该第二接收波束特征也可以相应变化。例如,当第二接收波束特征包括的接收波束特征发生变化时,该第二接收波束特征也可以相应变化。
以及,在本公开的一个实施例之中,第二接收波束对应的第一维度方向角数量中的第一仅用于与第二接收波束对应的第二维度方向角数量进行区别。该第二接收波束对应的第一维度方向角数量并不特指某一固定数量。该第二接收波束对应的第二维度方向角数量并不特指某一固定数量。第二接收波束包含至少一个第二接收波束。比如,终端设备支持的第二接收波束的第一维度方向角数量为A,第二维度方向角的数量为B,其中A和B的取值均为正整数。需要说明的是,这种情况下,终端设备支持的第二接收波束数量为A和B的乘积。
示例地,第二接收波束对应的第一维度方向角的第一角度值是指第二接收波束对应的第一维度方向角的角度值。第二接收波束对应的第一维度方向角的第二角度值是指第二接收波束对应的第二维度方向角的角度值。该第二接收波束对应的第一维度方向角的第一角度值中的第一仅用于与第二接收波束对应的第一维度方向角的第二角度值进行区别。该第二接收波束对应的第一维度方向角的第一角度值并不特指某一固定角度值。第二接收波束包含至少一个第二接收波束。
比如,终端设备支持的第二接收波束的第一维度方向角的第一角度值为θ
1,θ
2……θ
A,即表明该终端设备支持的第二接收波束的第一维度方向角数量为A,且第一维度方向角的第一角度值为θ
1,θ
2……θ
A的终端,θ
i的取值为0~2*pi,A的取值为正整数。
又比如,终端设备支持的第二接收波束的第二维度方向角的第二角度值为θ
1,θ
2……θ
B,即表明该终端设备支持的第二接收波束的第二维度方向角数量为B,且第二维度方向角的第二角度值为θ
1,θ
2……θ
B的终端,θ
i的取值为0~2*pi,B的取值为正整数。
以及,在本公开的一个实施例之中,第二数量仅用于是指终端设备支持的第二接收波束的数量。该第二数量并不特指某一固定数量。第二接收波束包含至少一个第二接收波束。比如终端设备支持的接收波束数量为W,则第二数量为W,W的取值为正整数。其中,接收波束数量为Rxbeamnumber。
进一步地,在本公开的一个实施例之中,接收波束标识用于唯一标识一个接收波束。也就是说,不同的接收波束对应的接收波束标识不同。第二接收波束包含至少一个第二接收波束。第二波束标识用于表示至少一个第二接收波束的标识。比如,终端包含两个接收波束,标识分别为ID#1和ID#2,则第二接收波束标识为第二波束标识ID#1和第二波束标识ID#2。
进一步地,在本公开的一个实施例之中,终端设备可以接收网络侧设备的波束配置信息,波束配置信息用于指示传输配置指示状态TCI state。
其中,在本公开的一个实施例之中,TCI state包括至少一种准共址类型QCL Type。
以及,在本公开的一个实施例之中,QCL包括QCL Type A、QCL Type B、QCL Type C和QCL Type D,QCL Type D用于指示接收参数信息,QCL Type A包括多普勒频移参数、多普勒扩展参数、平均时延参数和时延扩展相关参数中的至少一个,QCL Type B包括多普勒频移参数、多普勒扩展参数、平均时延参数和时延扩展相关参数中的至少一个,QCL Type C包括多普勒频移参数、多普勒扩展参数、平均时延参数和时延扩展相关参数中的至少一个。
综上所述,在本公开实施例之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过发送AI波束模型请求和/或第二接 收波束特征至网络侧设备之后,可以确定AI波束模型对应的第一接收波束特征,提高第二接收波束特征与AI波束模型的匹配度,提高AI波束模型的波束预测准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图3为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由终端设备执行,如图3所示,该方法可以包括以下步骤:
步骤301、接收网络侧设备发送的AI波束模型;
步骤302、接收网络侧设备发送的指示信息,指示信息用于指示AI波束模型对应的第一接收波束特征;或
基于默认规则确定AI波束模型对应的第一接收波束特征。
其中,在本公开的一个实施例中,终端设备在确定AI波束模型对应的第一接收波束特征时,终端设备可以接收网络侧设备发送的指示信息,由于指示信息是用于指示AI波束模型对应的第一接收波束特征,因此终端设备可以根据该指示信息获取AI波束模型对应的第一接收波束特征。
以及,在本公开的一个实施例中,终端设备可以基于默认规则确定AI波束模型对应的第一接收波束特征。
以及,在本公开的一个实施例中,第一接收波束特征例如为接收波束数量时,默认规则具体可以是指示该AI波束模型适用于接收波束数量为任意值的终端。
以及,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
综上所述,在本公开实施例之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过接收网络侧设备发送的指示信息获取或基于默认规则确定AI波束模型对应的第一接收波束特征,提高第一接收波束特征确定的准确性,提高AI波束模型的波束预测准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图4为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由终端设备执行,如图4所示,该方法可以包括以下步骤:
步骤401、接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征;
步骤402、确定AI波束模型输入参数,并将输入参数输入至AI波束模型,获得波束测量质量的预测结果。
其中,在本公开的一个实施例中,输入参数是指可以用于与AI波束模型对应的参数。AI波束模型可以是仅与某一接收波束特征对应的模型,还可以是与多个接收波束特征对应的模型。例如,AI波束模型可以是仅与接收波束数量对应的AI波束模型,其中,该AI波束模型对应的输入参数为接收波束数量。例如,该AI模型还可以是与所有接收波束特征对应的AI波束模型。
示例地,在本公开的一个实施例之中,输入参数包括以下至少一项:
第二接收波束特征;
第三数量的波束对对应的波束对特征;
第三数量的波束对对应的波束测量质量。
以及,在本公开的一个实施例之中,第三数量是指波束对的数量。该第三数量并不特指某一固定数量。该第三数量为终端设备需要测量的波束对的数量。例如,终端需要测量的波束对的第三数量为M*N, 其中,M为网络侧设备的发送波束数量,每个发送波束对应一个参考信号ID,N为终端设备的接收波束数量。M和N分别为正整数。
以及,在本公开的一个实施例之中,输入参数例如可以包括第二接收波束特征,第三数量的波束对对应的波束对特征,以及第三数量的波束对对应的波束测量质量。终端设备可以将第二接收波束特征,第三数量的波束对对应的波束对特征,以及第三数量的波束对对应的波束测量质量输入值AI波束模型,获得波束测量质量的预测结果。
以及,在本公开的一个实施例之中,波束对特征包括以下至少一项:
波束对对应的波束对ID;
波束对对应的一个参考信号ID,其中,参考信号包括同步信号块SSB、信道状态信息-参考信号CSI-RS中的至少一个;
波束对对应的一个第二接收波束对应的第二波束标识;
波束对对应的一个第二接收波束的第一维度方向角的第一角度值;
波束对对应的一个第二接收波束的第二维度方向角的第二角度值。
以及,在本公开的一个实施例中,第一角度值仅用于指示波束对对应的一个第二接收波束的第一维度方向角的角度值。第二角度值仅用于指示波束对对应的一个第二接收波束的第二维度方向角的角度值。该第一角度值中的第一仅用于与第二角度值进行区别,第一角度值并不特指某一固定角度值。
以及,在本公开的一个实施例中,第一维度方向角仅仅用于指示多个维度方向中的任意一个方向角,其中,第一维度方向角中的第一仅用于与第二维度方向角进行区别。该第一维度方向角并不特指某一固定方向角。
进一步地,第二维度方向角仅仅用于指示多个维度方向中不同于第一维度方向角的任意一个方向角,其中,该第二维度方向角并不特指某一固定方向角。例如,第一维度方向角为天顶角时,第二维度方向角可以是方位角。
示例地,在本公开的一个实施例之中,波束测量质量包括层一参考信号接收功率L1-RSRP和/或层一信号与干扰加噪声比L1-SINR。
进一步地,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
以及,在本公开的一个实施例之中,第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量用于表示AI模型支持的接收波束数量小于或者等于终端设备支持的接收波束数量。
综上所述,在本公开实施例之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过确定AI波束模型输入参数,并将输入参数输入至AI波束模型,获得波束测量质量的预测结果,提高输入参数和AI模型的匹配性,提高AI波束模型对应的预测结果的获取准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图5为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由网络侧设备执行,如图5所示,该方法可以包括以下步骤:
步骤501、发送AI波束模型至终端设备。
其中,在本公开的一个实施例之中,在发送AI波束模型至终端设备之前,还包括:
接收终端设备发送的AI波束模型请求和/或第二接收波束特征。
其次,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
示例地,在本公开的一个实施例之中,发送AI波束模型至终端设备,包括:
发送指示信息至终端设备,指示信息用于指示AI波束模型对应的第一接收波束特征。
进一步地,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
其次,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
综上所述,在本公开实施例之中,网络侧设备可以发送AI波束模型至终端设备。在本公开实施例之中,网络侧设备通过指示该AI波束模型对应的第一接收波束特征,可以提高终端设备确定的输入参数和AI模型的匹配性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图6为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由网络侧设备执行,如图6所示,该方法可以包括以下步骤:
步骤601、接收终端设备发送的AI波束模型请求和/或第二接收波束特征;
步骤602、发送AI波束模型至终端设备。
其次,在本公开的一个实施例中,网络侧设备接收终端设备发送的AI波束模型请求和/或第二接收波束特征,网络侧设备可以确定与该第二接收波束特征对应的AI波束模型,并将该AI波束模型发送至终端设备。
其次,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
其中,关于第二接收波束特征的其他详细介绍可以参考上述实施例描述,本公开实施例在此不做赘述。
进一步地,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
以及,在本公开的一个实施例之中,第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量用于表示AI模型支持的接收波束数量小于或者等于终端设备支持的接收波束数量。
示例地,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,终端设备支持的接收波束数量的取值例如可以是2~8。
综上所述,在本公开实施例之中,网络侧设备可以发送AI波束模型至终端设备。在本公开实施例之中,网络侧设备通过接收终端设备发送的AI波束模型请求和/或第二接收波束特征,可基于第二接收 波束特征确定AI波束模型,可以提高终端设备确定的输入参数和AI模型的匹配性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图7为本公开实施例所提供的一种AI波束模型确定方法的流程示意图,该方法由网络侧设备执行,如图7所示,该方法可以包括以下步骤:
步骤701、发送AI波束模型至终端设备;
步骤702、发送指示信息至终端设备,指示信息用于指示AI波束模型对应的第一接收波束特征。
其次,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
其中,关于第一接收波束特征的其他详细介绍可以参考上述实施例描述,本公开实施例在此不做赘述。
以及,在本公开的一个实施例之中,针对步骤701和步骤702的执行顺序并不做限定,也就是说网络侧设备可以先执行步骤701、发送AI波束模型至终端设备;再执行步骤702、发送指示信息至终端设备;还可以先步骤702、发送指示信息至终端设备;再执行步骤701、发送AI波束模型至终端设备;还可以通知执行步骤701、发送AI波束模型至终端设备和步骤702、发送指示信息至终端设备。
综上所述,在本公开实施例之中,网络侧设备可以发送AI波束模型至终端设备。在本公开实施例之中,网络侧设备通过发送指示信息和AI波束模型至终端设备,可以提高终端设备确定的输入参数和AI模型的匹配性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
图8为本公开实施例所提供的一种AI波束模型确定装置的结构示意图,如图8所示,该装置800可以包括:
接收模块801,用于接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。
综上所述,在本公开实施例的AI波束模型确定装置之中,终端设备可接收网络侧设备发送的AI波束模型,确定AI波束模型对应的第一接收波束特征。在本公开实施例之中,终端设备通过确定AI波束模型对应的第一接收波束特征,减少AI波束模型与第一接收波束特征不对应的情况,提高AI波束模型的波束预测准确性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
可选地,在本公开的一个实施例之中,接收模块801,还用于在接收网络侧设备发送的AI波束模型之前,发送AI波束模型请求和/或第二接收波束特征至网络侧设备。
可选地,在本公开的一个实施例之中,接收模块801,用于确定AI波束模型对应的第一接收波束特征时,具体用于:
接收网络侧设备发送的指示信息,指示信息用于指示AI波束模型对应的第一接收波束特征;或
基于默认规则确定AI波束模型对应的第一接收波束特征。
可选地,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
可选地,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
可选地,在本公开的一个实施例之中,接收模块801,还用于在接收网络侧设备发送的AI波束模型之后,确定AI模型输入参数,并将输入参数输入至AI波束模型,获得波束测量质量的预测结果,其中,输入参数包括以下至少一项:
第二接收波束特征;
第三数量的波束对对应的波束对ID;
第三数量的波束对对应的波束测量质量。
可选地,在本公开的一个实施例之中,波束对ID对应一个参考信号ID和一个第二接收波束标识,其中,参考信号包括同步信号块SSB、信道状态信息-参考信号CSI-RS中的至少一个。
可选地,在本公开的一个实施例之中,波束测量质量包括层一参考信号接收功率L1-RSRP和/或层一信号与干扰加噪声比L1-SINR。
可选地,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
图9为本公开实施例所提供的一种AI波束模型确定装置的结构示意图,如图9所示,该装置900可以包括:
发送模块901,用于发送AI波束模型至终端设备。
综上所述,在本公开实施例的AI波束模型确定装置之中,网络侧设备可以发送AI波束模型至终端设备。在本公开实施例之中,网络侧设备通过指示该AI波束模型对应的第一接收波束特征,可以提高终端设备所输入参数和AI模型的匹配性。本公开针对于“AI波束模型确定方法”这一情形提供了一种处理方法,以提供AI波束模型对应的接收波束特征,提高AI波束模型的波束测量质量对应的预测结果获取的准确性。
可选地,在本公开的一个实施例之中,接收终端设备发送的AI波束模型请求和/或第二接收波束特征。
可选地,在本公开的一个实施例之中,第二接收波束特征包括以下至少一项:
终端设备支持的第二接收波束的第二数量;
终端设备中第二接收波束对应的第一维度方向角数量;
终端设备中第二接收波束对应的第一维度方向角的第一角度值;
终端设备中第二接收波束对应的第二维度方向角数量;
终端设备中第二接收波束对应的第二维度方向角的第二角度值;
终端设备中第二接收波束对应的第二波束标识。
可选地,在本公开的一个实施例之中,发送模块901,用于发送AI波束模型至终端设备时,具体用于:
发送指示信息至终端设备,指示信息用于指示AI波束模型对应的第一接收波束特征。
可选地,在本公开的一个实施例之中,第一接收波束特征包括以下至少一项:
AI波束模型支持的第一接收波束的第一数量;
AI波束模型中第一接收波束对应的第一维度方向角数量;
AI波束模型中第一接收波束对应的第一维度方向角的第一角度值;
AI波束模型中第一接收波束对应的第二维度方向角数量;
AI波束模型中第一接收波束对应的第二维度方向角的第二角度值;
AI波束模型中第一接收波束对应的第一波束标识。
可选地,在本公开的一个实施例之中,第一接收波束特征为AI波束模型支持的接收波束数量,第二接收波束特征为终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;
或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
图10是本公开一个实施例所提供的一种终端设备UE1000的框图。例如,UE1000可以是移动电话,计算机,数字广播终端设备,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图10,UE1000可以包括以下至少一个组件:处理组件1002,存储器1004,电源组件1006,多媒体组件1008,音频组件1010,输入/输出(I/O)的接口1012,传感器组件1014,以及通信组件1016。
处理组件1002通常控制UE1000的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1002可以包括至少一个处理器1020来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1002可以包括至少一个模块,便于处理组件1002和其他组件之间的交互。例如,处理组件1002可以包括多媒体模块,以方便多媒体组件1008和处理组件1002之间的交互。
存储器1004被配置为存储各种类型的数据以支持在UE1000的操作。这些数据的示例包括用于在UE1000上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件1006为UE1000的各种组件提供电力。电源组件1006可以包括电源管理系统,至少一个电源,及其他与为UE1000生成、管理和分配电力相关联的组件。
多媒体组件1008包括在所述UE1000和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括至少一个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的唤醒时间和压力。在一些实施例中,多媒体组件1008包括一个前置摄像头和/或后置摄像头。当UE1000处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1010被配置为输出和/或输入音频信号。例如,音频组件1010包括一个麦克风(MIC),当UE1000处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中,音频组件1010还包括一个扬声器,用于输出音频信号。
I/O接口1012为处理组件1002和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1014包括至少一个传感器,用于为UE1000提供各个方面的状态评估。例如,传感器组件1014可以检测到设备1000的打开/关闭状态,组件的相对定位,例如所述组件为UE1000的显示器和小键盘,传感器组件1014还可以检测UE1000或UE1000的一个组件的位置改变,用户与UE1000接触的存在或不存在,UE1000方位或加速/减速和UE1000的温度变化。传感器组件1014可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1014还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1016被配置为便于UE1000和其他设备之间有线或无线方式的通信。UE1000可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1016 经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1016还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,UE1000可以被至少一个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
图11是本公开实施例所提供的一种网络侧设备1100的框图。例如,网络侧设备1100可以被提供为一网络侧设备。参照图11,网络侧设备1100包括处理组件1122,其进一步包括至少一个处理器,以及由存储器1132所代表的存储器资源,用于存储可由处理组件1122的执行的指令,例如应用程序。存储器1132中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1122被配置为执行指令,以执行上述方法前述应用在所述网络侧设备的任意方法,例如,如图1所示方法。
网络侧设备1100还可以包括一个电源组件1126被配置为执行网络侧设备1100的电源管理,一个有线或无线网络接口1150被配置为将网络侧设备1100连接到网络,和一个输入/输出(I/O)接口1158。网络侧设备1100可以操作基于存储在存储器1132的操作系统,例如Windows Server TM,Mac OS XTM,Unix TM,Linux TM,Free BSDTM或类似。
上述本公开提供的实施例中,分别从网络侧设备、UE的角度对本公开实施例提供的方法进行了介绍。为了实现上述本公开实施例提供的方法中的各功能,网络侧设备和UE可以包括硬件结构、软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能可以以硬件结构、软件模块、或者硬件结构加软件模块的方式来执行。
上述本公开提供的实施例中,分别从网络侧设备、UE的角度对本公开实施例提供的方法进行了介绍。为了实现上述本公开实施例提供的方法中的各功能,网络侧设备和UE可以包括硬件结构、软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能可以以硬件结构、软件模块、或者硬件结构加软件模块的方式来执行。
本公开实施例提供的一种通信装置。通信装置可包括收发模块和处理模块。收发模块可包括发送模块和/或接收模块,发送模块用于实现发送功能,接收模块用于实现接收功能,收发模块可以实现发送功能和/或接收功能。
通信装置可以是终端设备(如前述方法实施例中的终端设备),也可以是终端设备中的装置,还可以是能够与终端设备匹配使用的装置。或者,通信装置可以是网络设备,也可以是网络设备中的装置,还可以是能够与网络设备匹配使用的装置。
本公开实施例提供的另一种通信装置。通信装置可以是网络设备,也可以是终端设备(如前述方法实施例中的终端设备),也可以是支持网络设备实现上述方法的芯片、芯片系统、或处理器等,还可以是支持终端设备实现上述方法的芯片、芯片系统、或处理器等。该装置可用于实现上述方法实施例中描述的方法,具体可以参见上述方法实施例中的说明。
通信装置可以包括一个或多个处理器。处理器可以是通用处理器或者专用处理器等。例如可以是基带处理器或中央处理器。基带处理器可以用于对通信协议以及通信数据进行处理,中央处理器可以用于对通信装置(如,网络侧设备、基带芯片,终端设备、终端设备芯片,DU或CU等)进行控制,执行计算机程序,处理计算机程序的数据。
可选地,通信装置中还可以包括一个或多个存储器,其上可以存有计算机程序,处理器执行所述计算机程序,以使得通信装置执行上述方法实施例中描述的方法。可选地,所述存储器中还可以存储有数据。通信装置和存储器可以单独设置,也可以集成在一起。
可选地,通信装置还可以包括收发器、天线。收发器可以称为收发单元、收发机、或收发电路等,用于实现收发功能。收发器可以包括接收器和发送器,接收器可以称为接收机或接收电路等,用于实现接收功能;发送器可以称为发送机或发送电路等,用于实现发送功能。
可选地,通信装置中还可以包括一个或多个接口电路。接口电路用于接收代码指令并传输至处理器。 处理器运行所述代码指令以使通信装置执行上述方法实施例中描述的方法。
通信装置为终端设备(如前述方法实施例中的终端设备):处理器用于执行图1-图4任一所示的方法。
通信装置为网络侧设备:处理器用于执行图5-图7任一所示的方法。
在一种实现方式中,处理器中可以包括用于实现接收和发送功能的收发器。例如该收发器可以是收发电路,或者是接口,或者是接口电路。用于实现接收和发送功能的收发电路、接口或接口电路可以是分开的,也可以集成在一起。上述收发电路、接口或接口电路可以用于代码/数据的读写,或者,上述收发电路、接口或接口电路可以用于信号的传输或传递。
在一种实现方式中,处理器可以存有计算机程序,计算机程序在处理器上运行,可使得通信装置执行上述方法实施例中描述的方法。计算机程序可能固化在处理器中,该种情况下,处理器可能由硬件实现。
在一种实现方式中,通信装置可以包括电路,所述电路可以实现前述方法实施例中发送或接收或者通信的功能。本公开中描述的处理器和收发器可实现在集成电路(integrated circuit,IC)、模拟IC、射频集成电路RFIC、混合信号IC、专用集成电路(application specific integrated circuit,ASIC)、印刷电路板(printed circuit board,PCB)、电子设备等上。该处理器和收发器也可以用各种IC工艺技术来制造,例如互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor,NMOS)、P型金属氧化物半导体(positive channel metal oxide semiconductor,PMOS)、双极结型晶体管(bipolar junction transistor,BJT)、双极CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。
以上实施例描述中的通信装置可以是网络设备或者终端设备(如前述方法实施例中的终端设备),但本公开中描述的通信装置的范围并不限于此,而且通信装置的结构可以不受的限制。通信装置可以是独立的设备或者可以是较大设备的一部分。例如所述通信装置可以是:
(1)独立的集成电路IC,或芯片,或,芯片系统或子系统;
(2)具有一个或多个IC的集合,可选地,该IC集合也可以包括用于存储数据,计算机程序的存储部件;
(3)ASIC,例如调制解调器(Modem);
(4)可嵌入在其他设备内的模块;
(5)接收机、终端设备、智能终端设备、蜂窝电话、无线设备、手持机、移动单元、车载设备、网络设备、云设备、人工智能设备等等;
(6)其他等等。
对于通信装置可以是芯片或芯片系统的情况,芯片包括处理器和接口。其中,处理器的数量可以是一个或多个,接口的数量可以是多个。
可选地,芯片还包括存储器,存储器用于存储必要的计算机程序和数据。
本领域技术人员还可以了解到本公开实施例列出的各种说明性逻辑块(illustrative logical block)和步骤(step)可以通过电子硬件、电脑软件,或两者的结合进行实现。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本公开实施例保护的范围。
本公开还提供一种可读存储介质,其上存储有指令,该指令被计算机执行时实现上述任一方法实施例的功能。
本公开还提供一种计算机程序产品,该计算机程序产品被计算机执行时实现上述任一方法实施例的功能。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序。在计算机上加载和执行所述计算机程序时,全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序可以 存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解:本公开中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本公开实施例的范围,也表示先后顺序。
本公开中的至少一个还可以描述为一个或多个,多个可以是两个、三个、四个或者更多个,本公开不做限制。在本公开实施例中,对于一种技术特征,通过“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”等区分该种技术特征中的技术特征,该“第一”、“第二”、“第三”、“A”、“B”、“C”和“D”描述的技术特征间无先后顺序或者大小顺序。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本公开旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (23)
- 一种人工智能AI波束模型确定方法,其特征在于,所述方法由终端设备执行,所述方法包括:接收网络侧设备发送的AI波束模型,确定所述AI波束模型对应的第一接收波束特征。
- 根据权利要求1所述的方法,其特征在于,在所述接收网络侧设备发送的AI波束模型之前,还包括:发送AI波束模型请求和/或第二接收波束特征至网络侧设备。
- 根据权利要求1所述的方法,其特征在于,所述确定所述AI波束模型对应的第一接收波束特征,包括:接收网络侧设备发送的指示信息,所述指示信息用于指示所述AI波束模型对应的第一接收波束特征;或基于默认规则确定所述AI波束模型对应的第一接收波束特征。
- 根据权利要求1-3任一所述的方法,其特征在于,所述第一接收波束特征包括以下至少一项:所述AI波束模型支持的第一接收波束的第一数量;所述AI波束模型中所述第一接收波束对应的第一维度方向角数量;所述AI波束模型中所述第一接收波束对应的第一维度方向角的第一角度值;所述AI波束模型中所述第一接收波束对应的第二维度方向角数量;所述AI波束模型中所述第一接收波束对应的第二维度方向角的第二角度值;所述AI波束模型中所述第一接收波束对应的第一波束标识。
- 根据权利要求2所述的方法,其特征在于,所述第二接收波束特征包括以下至少一项:终端设备支持的第二接收波束的第二数量;所述终端设备中所述第二接收波束对应的第一维度方向角数量;所述终端设备中所述第二接收波束对应的第一维度方向角的第一角度值;所述终端设备中所述第二接收波束对应的第二维度方向角数量;所述终端设备中所述第二接收波束对应的第二维度方向角的第二角度值;所述终端设备中所述第二接收波束对应的第二波束标识。
- 根据权利要求1-5任一所述的方法,其特征在于,在所述接收网络侧设备发送的AI波束模型之后,包括:确定AI波束模型输入参数,并将所述输入参数输入至所述AI波束模型,获得波束测量质量的预测结果,其中所述输入参数包括以下至少一项:第二接收波束特征;第三数量的波束对对应的波束对特征;所述第三数量的波束对对应的波束测量质量。
- 根据权利要求6所述的方法,其特征在于,所述波束对特征包括以下至少一项:所述波束对对应的波束对ID;所述波束对对应的一个参考信号ID,其中,所述参考信号包括同步信号块SSB、信道状态信息-参考信号CSI-RS中的至少一个;所述波束对对应的一个第二接收波束对应的第二波束标识;所述波束对对应的一个第二接收波束的第一维度方向角的第一角度值;所述波束对对应的一个第二接收波束的第二维度方向角的第二角度值。
- 根据权利要求6所述的方法,其特征在于,所述波束测量质量包括层一参考信号接收功率L1-RSRP和/或层一信号与干扰加噪声比L1-SINR。
- 根据权利要求1-8任一所述的方法,其特征在于,所述第一接收波束特征为所述AI波束模型支持的接收波束数量,所述第二接收波束特征为所述终端设备支持的接收波束数量,第一接收波束特征包括多个接收波束数量;或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
- 一种AI波束模型确定方法,其特征在于,所述方法由网络侧设备执行,所述方法包括:发送AI波束模型至终端设备。
- 根据权利要求10所述的方法,其特征在于,在所述发送AI波束模型至终端设备之前,还包括:接收终端设备发送的AI波束模型请求和/或第二接收波束特征。
- 根据权利要求11所述的方法,其特征在于,所述第二接收波束特征包括以下至少一项:终端设备支持的第二接收波束的第二数量;所述终端设备中所述第二接收波束对应的第一维度方向角数量;所述终端设备中所述第二接收波束对应的第一维度方向角的第一角度值;所述终端设备中所述第二接收波束对应的第二维度方向角数量;所述终端设备中所述第二接收波束对应的第二维度方向角的第二角度值;所述终端设备中所述第二接收波束对应的第二波束标识。
- 根据权利要求11所述的方法,其特征在于,所述发送AI波束模型至终端设备,包括:发送指示信息至所述终端设备,所述指示信息用于指示所述AI波束模型对应的第一接收波束特征。
- 根据权利要求13所述的方法,其特征在于,所述第一接收波束特征包括以下至少一项:所述AI波束模型支持的第一接收波束的第一数量;所述AI波束模型中所述第一接收波束对应的第一维度方向角数量;所述AI波束模型中所述第一接收波束对应的第一维度方向角的第一角度值;所述AI波束模型中所述第一接收波束对应的第二维度方向角数量;所述AI波束模型中所述第一接收波束对应的第二维度方向角的第二角度值;所述AI波束模型中所述第一接收波束对应的第一波束标识。
- 根据权利要求10-14所述的方法,其特征在于,所述第一接收波束特征为所述AI波束模型支持的接收波束数量,所述第二接收波束特征为所述终端设备支持的接收波束数量,其中,第一接收波束特征包括多个接收波束数量;或第一接收波束特征包括的接收波束数量小于或等于第二接收波束特征包括的接收波束数量。
- 一种AI波束模型确定装置,其特征在于,包括:接收模块,用于接收网络侧设备发送的AI波束模型,确定所述AI波束模型对应的第一接收波束特征。
- 一种AI波束模型确定装置,其特征在于,包括:发送模块,用于发送AI波束模型至终端设备。
- 一种通信装置,其特征在于,所述装置包括处理器和存储器,其中,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如权利要求1至9中任一项所述的方法。
- 一种通信装置,其特征在于,所述装置包括处理器和存储器,其中,所述存储器中存储有计算机程序,所述处理器执行所述存储器中存储的计算机程序,以使所述装置执行如权利要求10至15中任一项所述的方法。
- 一种通信装置,其特征在于,包括:处理器和接口电路,其中所述接口电路,用于接收代码指令并传输至所述处理器;所述处理器,用于运行所述代码指令以执行如权利要求1至9中任一项所述的方法。
- 一种通信装置,其特征在于,包括:处理器和接口电路,其中所述接口电路,用于接收代码指令并传输至所述处理器;所述处理器,用于运行所述代码指令以执行如权利要求10至15中任一项所述的方法。
- 一种计算机可读存储介质,其特征在于,用于存储有指令,当所述指令被执行时,使如权利要求1至9中任一项所述的方法被实现。
- 一种计算机可读存储介质,其特征在于,用于存储有指令,当所述指令被执行时,使如权利要求10至15中任一项所述的方法被实现。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/089676 WO2023206177A1 (zh) | 2022-04-27 | 2022-04-27 | Ai波束模型确定方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117322029A true CN117322029A (zh) | 2023-12-29 |
Family
ID=88516712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280001344.7A Pending CN117322029A (zh) | 2022-04-27 | 2022-04-27 | Ai波束模型确定方法、装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117322029A (zh) |
WO (1) | WO2023206177A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019194659A1 (en) * | 2018-04-05 | 2019-10-10 | Samsung Electronics Co., Ltd. | Method and system for sensor-based beam management by user equipment |
CN111954228B (zh) * | 2019-05-16 | 2023-12-29 | 北京三星通信技术研究有限公司 | 波束管理方法、装置、电子设备及计算机可读存储介质 |
US11677454B2 (en) * | 2020-04-24 | 2023-06-13 | Qualcomm Incorporated | Reporting beam measurements for proposed beams and other beams for beam selection |
CN113300746B (zh) * | 2021-05-24 | 2022-04-15 | 内蒙古大学 | 毫米波mimo天线与混合波束成形优化方法及系统 |
-
2022
- 2022-04-27 CN CN202280001344.7A patent/CN117322029A/zh active Pending
- 2022-04-27 WO PCT/CN2022/089676 patent/WO2023206177A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023206177A1 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115004776B (zh) | 成功PScell添加或更换报告的位置信息记录方法、装置 | |
CN115997470A (zh) | 会话区分方法、装置 | |
WO2023000178A1 (zh) | 一种信号接收方法、装置、用户设备、基站及存储介质 | |
CN116076101A (zh) | 参考信号测量方法、装置、用户设备、网络侧设备及存储介质 | |
CN114503688A (zh) | 一种测量放松方法、设备、存储介质及装置 | |
CN117322029A (zh) | Ai波束模型确定方法、装置 | |
CN117322039A (zh) | 测量报告发送方法、测量报告接收方法、装置 | |
WO2023102943A1 (zh) | 一种随机接入资源配置的确定方法及设备/存储介质/装置 | |
CN114586401B (zh) | 一种测量放松方法、设备、存储介质及装置 | |
WO2023236161A1 (zh) | 波束管理方法、装置 | |
WO2023212965A1 (zh) | 测距侧行链路定位方法、装置 | |
WO2023108374A1 (zh) | 一种测量方法/装置/用户设备/网络侧设备及存储介质 | |
WO2023082194A1 (zh) | 一种波束处理方法、装置、用户设备、ris阵列、基站及存储介质 | |
WO2023155053A1 (zh) | 一种辅助通信设备的发送方法及设备/存储介质/装置 | |
WO2023092602A1 (zh) | 一种预编码方法、装置、用户设备、ris阵列、基站及存储介质 | |
CN117378253A (zh) | 测距侧行链路定位方法、装置 | |
WO2023082279A1 (zh) | 一种波束测量方法、装置、用户设备、网络侧设备及存储介质 | |
CN116897560A (zh) | 一种信息配置方法/装置/设备及存储介质 | |
CN116349322A (zh) | 一种按需定位参考信号prs请求方法、装置、用户设备、网络侧设备及存储介质 | |
CN116267032A (zh) | 一种上报方法、装置、用户设备、网络侧设备及存储介质 | |
CN117204065A (zh) | 一种定时调整方法/装置/设备及存储介质 | |
CN116261862A (zh) | 一种有效信息指示方法、装置、用户设备、网络侧设备及存储介质 | |
CN116406525A (zh) | 一种信息更新方法、装置、用户设备、基站及存储介质 | |
CN117178604A (zh) | 一种信号处理方法、装置、设备及存储介质 | |
CN117280728A (zh) | 一种测量指示方法及设备/存储介质/装置 |
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 |