CN117411527A - 信道特征信息上报及恢复方法、终端和网络侧设备 - Google Patents

信道特征信息上报及恢复方法、终端和网络侧设备 Download PDF

Info

Publication number
CN117411527A
CN117411527A CN202210800713.0A CN202210800713A CN117411527A CN 117411527 A CN117411527 A CN 117411527A CN 202210800713 A CN202210800713 A CN 202210800713A CN 117411527 A CN117411527 A CN 117411527A
Authority
CN
China
Prior art keywords
channel
information
terminal
target
network model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210800713.0A
Other languages
English (en)
Inventor
任千尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN202210800713.0A priority Critical patent/CN117411527A/zh
Publication of CN117411527A publication Critical patent/CN117411527A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0626—Channel coefficients, e.g. channel state information [CSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0621—Feedback content
    • H04B7/0632—Channel quality parameters, e.g. channel quality indicator [CQI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0619—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal using feedback from receiving side
    • H04B7/0636—Feedback format
    • H04B7/0639—Using selective indices, e.g. of a codebook, e.g. pre-distortion matrix index [PMI] or for beam selection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
    • H04L5/0057—Physical resource allocation for CQI

Landscapes

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

Abstract

本申请公开了一种信道特征信息上报及恢复方法、终端和网络侧设备，属于通信技术领域，本申请实施例的信道特征信息上报方法包括：终端获取目标信道对应的每一个物理资源块PRB的信道矩阵；所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。

Description

信道特征信息上报及恢复方法、终端和网络侧设备
技术领域
本申请属于通信技术领域，具体涉及一种信道特征信息上报及恢复方法、终端和网络侧设备。
背景技术
信道状态信息(channel state information，CSI)反馈的目的在于反馈信道信息，通常每个物理资源块(Physical Resource Block，PRB)会检测到一个信道矩阵。
相关技术中，可以基于码本的信道反馈主要是针对特征向量进行反馈，由于特征向量是利用矩阵的二阶矩计算的，多个PRB的信道矩阵的二阶矩可以直接相加或求平均得到联合的结果，便于用一个特征向量来表示多个PRB的信道矩阵，这样多个PRB可以反馈一个相同的结果。
但是，在某些场景下网络侧设备需要获取完整的信道信息，例如：随着高速场景的引入，以及其他复杂功能的需求，网络侧设备需要对信道做一定程度的预测，因此网络侧设备需要完整的信道信息以便完成信道预测及其他优化，此时，完整的信道信息属于一阶矩信道矩阵，若按照上述基于码本的方式来对多个PRB的信道矩阵进行直接相加或求平均，将会破坏信道矩阵的相位关系，从而不能够使用该基于码本的方式来处理多个PRB的信道矩阵。
这样，在向网络侧设备上报完整的信道信息的场景下，终端只能够针对每一个PRB反馈一个信道信息，这样就造成了CSI反馈的开销过大。
发明内容
本申请实施例提供一种信道特征信息上报及恢复方法、终端和网络侧设备，能够在终端利用人工智能(Artificial Intelligence，AI)网络模型将一个子带内的多个PRB的信道矩阵压缩成一个信道信息，在基站侧使用对应的AI模型对该压缩后的信道信息进行恢复处理，得到多个PRB的信道矩阵，从而实现一阶矩信道矩阵的拟合，能够在上报完整的信道信息的基础上，降低上报开销。
第一方面，提供了一种信道特征信息上报方法，该方法包括：
终端获取目标信道对应的每一个物理资源块PRB的信道矩阵；
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
第二方面，提供了一种信道特征信息上报装置，应用于终端，该装置包括：
第一获取模块，用于获取目标信道对应的每一个物理资源块PRB的信道矩阵；
第一处理模块，用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
第一发送模块，用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
第三方面，提供了一种信道特征信息恢复方法，包括：
网络侧设备接收来自终端的第一信息；
所述网络侧设备根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB；
所述网络侧设备基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
第四方面，提供了一种信道特征信息恢复装置，应用于网络侧设备，该装置包括：
第一接收模块，用于接收来自终端的第一信息；
确定模块，用于根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB；
第二处理模块，用于基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
第五方面，提供了一种终端，该终端包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第六方面，提供了一种终端，包括处理器及通信接口，其中，所述通信接口用于获取目标信道对应的每一个PRB的信道矩阵；所述处理器用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；所述通信接口还用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
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三方面所述的方法的步骤。
第八方面，提供了一种网络侧设备，包括处理器及通信接口，其中，所述通信接口用于接收来自终端的第一信息；所述处理器用于根据所述第一信息，确定第一子带的第一信道信息，以及基于第四AI网络模型将所述第一信道信息处理成N个连续的PRB的信道矩阵，其中，所述第一子带包括所述N个连续的PRB。
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特征信息上报方法的步骤，所述网络侧设备可用于执行如第三方面所述的信道特征信息恢复方法的步骤。
第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。
第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法，或实现如第三方面所述的方法。
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特征信息上报方法的步骤，或者所述计算机程序/程序产品被至少一个处理器执行以实现如第三方面所述的信道特征信息恢复方法的步骤。
在本申请实施例中，终端获取目标信道对应的每一个物理资源块PRB的信道矩阵；所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。这样，终端能够利用目标AI网络模型将多个连续的PRB的信道矩阵压缩成一个信道信息，并上报该一个信道信息，在网络侧，则可以使用对应的AI模型对该压缩后的一个信道信息进行恢复处理，得到多个连续的PRB的信道矩阵，从而实现一阶矩信道矩阵的拟合和恢复，能够在上报完整的信道信息的基础上，降低多个连续的PRB的信道矩阵的上报开销。
附图说明
图1是本申请实施例能够应用的一种无线通信系统的结构示意图；
图2是本申请实施例提供的一种信道特征信息上报方法的流程图；
图3a是神经网络模型的架构示意图；
图3b是神经元的示意图；
图4是本申请实施例提供的一种信道特征信息恢复方法的流程图；
图5是终端与网络侧设备进行信道矩阵压缩和恢复的示意图；
图6是本申请实施例提供的一种信道特征信息上报装置的结构示意图；
图7是本申请实施例提供的一种信道特征信息恢复装置的结构示意图；
图8是本申请实施例提供的一种通信设备的结构示意图；
图9是本申请实施例提供的一种终端的结构示意图；
图10是本申请实施例提供的一种网络侧设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long TermEvolution，LTE)/LTE的演进(LTE-Advanced，LTE-A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time DivisionMultiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)、单载波频分多址(Single-carrier Frequency Division Multiple Access，SC-FDMA)和其他系统。本申请实施例中的术语“系统”和“网络”常被可互换地使用，所描述的技术既可用于以上提及的系统和无线电技术，也可用于其他系统和无线电技术。以下描述出于示例目的描述了新空口(New Radio，NR)系统，并且在以下大部分描述中使用NR术语，但是这些技术也可应用于NR系统应用以外的应用，如第6代(6th Generation，6G)通信系统。
图1示出本申请实施例可应用的一种无线通信系统的框图。无线通信系统包括终端11和网络侧设备12。其中，终端11可以是手机、平板电脑(Tablet Personal Computer)、膝上型电脑(Laptop Computer)或称为笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、掌上电脑、上网本、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、移动上网装置(Mobile Internet Device，MID)、增强现实(augmentedreality，AR)/虚拟现实(virtual reality，VR)设备、机器人、可穿戴式设备(WearableDevice)、车载设备(VUE)、行人终端(PUE)、智能家居(具有无线通信功能的家居设备，如冰箱、电视、洗衣机或者家具等)、游戏机、个人计算机(personal computer，PC)、柜员机或者自助机等终端侧设备，可穿戴式设备包括：智能手表、智能手环、智能耳机、智能眼镜、智能首饰(智能手镯、智能手链、智能戒指、智能项链、智能脚镯、智能脚链等)、智能腕带、智能服装等。需要说明的是，在本申请实施例并不限定终端11的具体类型。网络侧设备12可以包括接入网设备或核心网设备，其中，接入网设备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。
在无线通信技术中，准确的CSI反馈对信道容量至关重要。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。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 andCoding Scheme，MCS)，以实现链路自适应；预编码矩阵指示(Precoding MatrixIndicator，PMI)可以用来实现特征波束成形(eigen beamforming)，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(如：多输入多输出(Multi-Input Multi-Output，MIMO))被提出以来，CSI的获取一直都是研究热点。
通常，网络侧设备在某个时隙(slot)的某些时频资源上发送CSI参考信号(CSI-Reference Signals，CSI-RS)，终端根据CSI-RS进行信道估计，计算这个slot上的信道信息，通过码本将PMI反馈给基站，网络侧设备根据终端反馈的码本信息组合出信道信息，并在终端下一次上报CSI之前，网络侧设备以此信道信息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改成按照时延(delay域，即频域)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，其可以视作是将delay域信息压缩之后再上报。
同样，为了减少开销，网络侧设备可以事先对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设备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。
值得提出的是，CSI反馈的目的在于反馈信道信息，在实际应用中，通常针对每个PRB都会检测到一个信道矩阵，但是在CSI反馈的时候是多个连续的PRB反馈一个相同的结果，因为多个连续的PRB之间差距不大，每个PRB都分别反馈的话，开销过大。
传统的基于码本的信道反馈主要是针对特征向量进行反馈，跨PRB计算简单，因为特征向量是利用矩阵的二阶矩计算的，多个PRB的信道矩阵的二阶矩可以直接相加或平均得到联合的结果，用一个特征向量表示多个PRB的信道矩阵。
但是，随着高速场景的引入，以及其他复杂功能的需求，基站需要对信道做一定程度的预测，此时，基站需要完整的信道信息以便完成信道预测及其他优化。传统的基于码本的方式不适合全信道的反馈，同时，多个PRB的信道矩阵不能直接相加，否则会破坏信道矩阵的相位关系。
而本申请实施例中，终端可以利用目标AI网络模型将N个连续的PRB的信道矩阵压缩成一个第一信道信息，实现了一阶矩信道矩阵拟合，并向网络侧设备上报这一个第一信道信息，在网络侧，则可以采用对应的AI网络模型将第一信道信息恢复成N个连续的PRB的信道矩阵。这样，对于多个连续的PRB的信道矩阵可以上报一个第一信道信息，降低了信道信息上报的开销；此外，网络侧设备可以利用对应的AI网络模型将第一信道信息恢复成N个连续的PRB的信道矩阵，这样，能够使网络侧设备获取完整的信道信息，提升了信道信息上报的完整性。
下面结合附图，通过一些实施例及其应用场景对本申请实施例提供的信道特征信息上报方法、信道特征信息恢复方法、信道特征信息上报装置、信道特征信息恢复装置及通信设备等进行详细地说明。
请参阅图2，本申请实施例提供的一种信道特征信息上报方法，其执行主体可以是终端，该终端可以是如图1中列举的各种类型的终端11，或者是除了如图1所示实施例中列举的终端类型之外的其他终端，在此不作具体限定。如图2所示，该信道特征信息上报方法可以包括以下步骤：
步骤201、终端获取目标信道对应的每一个物理资源块PRB的信道矩阵。
本步骤与相关技术中，终端进行信道估计，以获取目标信道的每一个PRB的信道矩阵的过程相同，在此不再赘述。例如：在信道估计的过程中，终端在每个PRB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PRB的信道矩阵不同，由于频率选择性衰落，两个PRB的信道矩阵可能有很大的差别，频域位置越远的两个PRB，信道矩阵的差距越大。
步骤202、所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数。
本步骤中，利用目标AI网络模型对N个连续的PRB的信道矩阵进行压缩，从而将多个连续的PRB的信道矩阵压缩成一条第一信道信息，此处的压缩可以是PRB之间的压缩，通过AI网络模型对N个连续的PRB的信道矩阵进行压缩能够提升信道矩阵的压缩效果。
在实施中，上述目标AI网络模型可以是终端训练的、网络侧设备训练并下发给终端的或者是协议中约定的，在目标AI网络模型的训练过程中，可以增加随机扰动，目的是模拟矩阵传递过程中引入的误差。
本申请实施例中，AI网络模型可以包括压缩部分(目标AI网络模型)和恢复部分(第四AI网络模型)，通常AI网络模型的压缩部分和恢复部分是联合训练得到的，但是，在目标AI网络模型将信道矩阵压缩为第一信道矩阵的情况下，AI网络模型的压缩部分可以独立训练并使用，此时默认AI网络模型的恢复部分将对所有PRB使用相同的信道矩阵，即压缩后的信道矩阵。
作为一种可选的实施方式，所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，包括：
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道矩阵，所述第一信道信息包括所述第一信道矩阵；或者，
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成系数序列，所述第一信道信息包括所述系数序列。
其中，第一信道矩阵的维度可以与PRB的信道矩阵的维度相同。
其中，系数序列可以是由若干个系数组成的序列，或者由若干个比特(bit)组成的序列。
本实施方式中，第一信道信息可以是信道矩阵，也可以是信息序列等信道信息，在此不作具体限定。
步骤203、所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
其中，上述终端向网络侧设备发送第一信息，可以是终端向网络侧设备反馈信道信息，在实施中，可以分别反馈每个第一子带的信道信息，也可以对目标信道中的全部第一子带的信道信息进行统一上报，其中，第一子带可以是PMI子带、CQI子带或者其他子带，每一个第一子带包括各自对应的N个连续的PRB，这样，一个第一子带的信道信息可以反映N个PRB的信道矩阵。
可选地，所述N个连续的PRB为第一子带中的PRB；
其中，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
其中，上述N1和R分别为网络侧设备配置的或协议约定的，这样，可以根据CQI子带包含的PRB数和每一个CQI子带的第一子带数来隐式的指示N的取值。
在实施中，N的取值可以根据CQI子带所包含的PRB数、PMI子带所包含的PRB数等确定，或者，第一子带也可以是与CQI子带或PMI子带不同的其他子带，例如：一个第一子带包括至少两个CQI子带/PMI子带，或者一个第一子带包括CQI子带/PMI子带的部分。例如：一个CQI子带包括4个PRB，则N可以是4或2，其中，在N＝4时，一个CQI子带的4个信道矩阵压缩为一个信道信息；在N＝2时，一个CQI子带的4个信道矩阵压缩为两个信道信息。
在实施中，可以根据实际需要设置第一子带的范围，以提升信道信息反馈的灵活性。
在一种实施方式中，所述第一信息用于反映所述第一信道信息可以是：第一信息包括第一信道信息。
在另一种实施方式中，第一信息为对第一信道信息进行进一步的压缩编码(如AI方式的压缩编码或非AI方式的压缩编码)后得到的信道特征信息。
例如：在第一信道信息为第一信道矩阵的情况下，第一信息可以包括对该第一信道矩阵进行进一步的压缩编码(即CSI压缩编码，如：采用第一AI网络模型对第一信道矩阵进行压缩编码)后得到的信道特征信息。在网络侧，则可以先对信道特征信息进行解码恢复处理，得到上述第一信道矩阵，然后再利用与目标AI网络模型对应的第四AI网络模型根据第一信道矩阵恢复多个PRB的信道矩阵。
本实施方式中，针对全信道矩阵反馈的情况，先利用目标AI网络模型对多个连续的PRB的信道矩阵进行拟合后，压缩为一个信道矩阵，然后，还可以使用AI或非AI(如正交基选择等)的方式反馈这个信道矩阵，解决了全信道矩阵无法直接求平均的问题。
在实施中，本申请实施例中提到的AI网络模型可以是任意类型的AI算法模块，例如：神经网络、决策树、支持向量机、贝叶斯分类器等，在此不作具体限定。为了便于说明，以下实施例中以本申请实施例中的AI网络模型为神经网络模型为例进行举例说明，在此不构成具体限定。
如图3a所示，神经网络模型包括输入层、隐层和输出层，其可以根据输入层获取的出入信息(X1～Xn)预测可能的输出结果(Y)。神经网络模型由大量的神经元组成，如图3b所示，神经元的参数包括：输入参数a1～aK、权值w、偏置b以及激活函数σ(z)，以及与这些参数获取输出值a，其中，常见的激活函数包括S型生长曲线(Sigmoid)函数、双曲正切(tanh)函数、线性整流函数(Rectified Linear Unit，ReLU，其也称之为修正线性单元)函数等等，且上述函数σ(z)中的z可以通过以下公式计算得到：
z＝a1w1+…+akwk+aKwK+b
其中，K表示输入参数的总数。
神经网络的参数通过优化算法进行优化。优化算法就是一种能够帮我们最小化或者最大化目标函数(有时候也叫损失函数)的一类算法。而目标函数往往是模型参数和数据的数学组合。例如给定数据X和其对应的标签Y，我们构建一个神经网络模型f(.)，有了模神经网络型后，根据输入x就可以得到预测输出f(x)，并且可以计算出预测值和真实值之间的差距(f(x)-Y)，这个就是损失函数。我们的目的是找到合适的W和b，使上述的损失函数的值达到最小，损失值越小，则说明我们的模型越接近于真实情况。
目前常见的优化算法，基本都是基于误差反向传播算法。误差反向传播算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程，是周而复始地进行的。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可接受的程度，或进行到预先设定的学习次数为止。
常见的优化算法有梯度下降(Gradient Descent)、随机梯度下降(StochasticGradient Descent，SGD)、小批量梯度下降(mini-batch gradient descent)、动量法(Momentum)、Nesterov(其表示带动量的随机梯度下降)、自适应梯度下降(Adaptivegradient descent，Adagrad)、自适应学习率调整(Adadelta)、均方根误差降速(root meansquare prop，RMSprop)、自适应动量估计(Adaptive Moment Estimation，Adam)等。
这些优化算法在误差反向传播时，都是根据损失函数得到的误差/损失，对当前神经元求导数/偏导，加上学习速率、之前的梯度/导数/偏导等影响，得到梯度，将梯度传给上一层。
在实施中，上述目标AI网络模型可以是网络侧设备训练并下发给终端的，或者是协议中约定的且离线训练得到的，或者是终端训练得到的，在此不作具体限定。
值得提出的是，在实施中，终端侧使用的编码AI网络模型与网络侧设备使用的解码AI网络模型可以是联合训练得到的，该编码AI网络模型与解码AI网络模型一一对应，在实施中，某一编码AI网络模型输出的信道信息作为该编码AI网络模型对应的解码AI网络模型的输入，以使解码AI网络模型恢复其对应的编码AI网络模型所输入的信道矩阵。例如：假设终端利用目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道矩阵，然后利用第一AI网络模型将第一子带(为PMI子带、CQI子带或者预先定义的其他子带，该第一子带包括N个连续的PRB)的第一信道矩阵处理成所述第一子带的信道特征信息，并向网络侧设备上报该信道特征信息，则网络侧设备可以利用与第一AI网络模型对应的第五AI网络模型先将第一AI网络模型输出的信道特征信息恢复成第一信道矩阵，然后利用与目标AI网络模型对应的第四AI网络模型将第一信道矩阵恢复成N个连续的PRB的信道矩阵。
值得注意的是，本申请实施例中的信道信息的编码不同于相关技术中的信道编码，本申请实施例中的信道信息的编码过程可以包括以下步骤：
步骤1、终端在网络指定的时频域位置检测CSI参考信号(CSI Reference Signal，CSI-RS)或跟踪参考信号(Tracking Reference Signal，TRS)，并进行信道估计，得到目标信道的M个第一子带中每一个第一子带分别包含的N个连续的RPB的信道矩阵；
步骤2、在M个子带内，终端利用目标AI网络模型分别将每个子带的N个PRB的信道矩阵压缩成一个第一信道信息，即一个信道矩阵；
步骤3、终端将M个第一子带的第一信道信息处理成CSI信息，例如：通过AI网络模型对第一信道信息进行编码得到信道特征信息，或者使用基于码本的方式计算第一信道矩阵对应的正交基及投影值；
步骤4、终端将CSI信息以及其他控制信息组合为上行控制信息(Uplink ControlInformation，UCI)，或者将M个第一子带的信道特征信息的内容作为UCI；
步骤5、终端根据UCI的长度对UCI进行分割，并添加循环冗余校验(Cyclicredundancy check，CRC)比特；
步骤6、终端对添加CRC比特的UCI进行信道编码；
步骤7、终端对UCI进行速率匹配；
步骤8、终端对UCI进行码块关联；
步骤9、终端将UCI映射到物理上行控制信道(Physical Uplink ControlChannel，PUCCH)或物理上行共享信道(Physical Uplink Shared Channel，PUSCH)进行上报。
需要说明的是，上述信道信息的编码流程中，部分步骤的顺序可以调整或者省略，在此不构成具体限定。
可选地，所述第一信息包括所述目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，所述第一子带包括N个连续的PRB，M为所述目标信道包括的第一子带的数目，M为正整数。
在一种实施方式中，若对目标AI网络模型输出的第一子带的第一信道信息进行进一步压缩处理，可以是分别对每一个第一子带的第一信道信息进行压缩处理，得到M个第一子带的信道特征信息。
在一种实施方式中，若对目标AI网络模型输出的第一子带的第一信道信息进行进一步压缩处理，可以是对目标信道对应的全部第一子带的第一信道信息进行压缩处理，得到目标信道的信道特征信息。
值得注意的是，本实施方式中的压缩处理可以理解为CSI压缩，即对第一子带的压缩，与上述目标AI网络模型执行的PRB压缩不同。本实施方式中，在得到目标信道对应的全部第一子带的第一信道信息之后，还可进一步对第一信道信息进行压缩处理，得到第一信息，从而能够降低上报第一信息的开销。
作为一种可选的实施方式，在所述第一信道信息包括第一信道矩阵的情况下，所述方法还包括：
所述终端分别对所述目标信道的每一个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
所述终端将所述M个第一子带的第一信道矩阵转换至时延域，以及确定所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵；或者，
所述终端基于第一AI网络模型分别对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
所述终端基于第二AI网络模型对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述目标信道的信道特征信息。
方式一、上述终端分别对所述目标信道的每一个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息，可以是采用非AI的方式分别对每一个第一子带的第一信道矩阵进行压缩处理，例如：分别对每一个第一子带的第一信道矩阵选择正交基并上报系数等。
方式二、上述终端将所述M个第一子带的第一信道矩阵转换至时延域，以及确定所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵，可以是采用非AI的方式将所述M个第一子带的第一信道矩阵转换至时延域，从而实现对M个第一子带的第一信道矩阵之间的压缩效果，上述预设阈值可以是协议中约定的或者网络侧下发的或者是终端确定的功率阈值，在此不作具体限定。
方式三、上述终端基于第一AI网络模型分别对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息，与上述方式一相似，不同之处在于，方式三中是采用AI的方式对分别对每一个第一子带的第一信道矩阵进行压缩处理，例如：通过AI网络模型分别学习每一个第一子带的第一信道矩阵的正交基并上报对应系数等。
在实施中，在终端向网络侧设备反馈某个第一子带的信道特征信息时，网络侧设备可以采用与上述第一AI网络模型匹配的第五AI网络模型来将第一子带的信道特征信息恢复成该第一子带的第一信道矩阵，然后再利用与目标AI网络模型匹配的第四AI网络模型来将该第一子带的第一信道矩阵恢复成该第一子带内的N个连续的PRB各自的信道矩阵。
方式四、上述终端基于第二AI网络模型对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述目标信道的信道特征信息，与上述方式二相似，不同之处在于，方式四中是采用AI的方式对不同的第一子带之间的第一信道矩阵进行压缩处理，在此不再赘述。
在实施中，在终端向网络侧设备反馈目标信道的信道特征信息时，网络侧设备可以采用与上述第二AI网络模型匹配的第六AI网络模型来将目标信道的信道特征信息恢复成该M个第一子带的第一信道矩阵，然后再利用与目标AI网络模型匹配的第四AI网络模型分别将该M个第一子带的第一信道矩阵恢复成各个第一子带内的N个连续的PRB的信道矩阵。
本实施方式中，对于M个第一子带的第一信道矩阵，可以采用AI或者非AI的方式进行CSI压缩处理，且压缩过程中，可以对于M个第一子带分别进行压缩，这样，每个第一子带可以独立上报各自的信道特征信息；或者，也可以对M个第一子带同时进行压缩，从而上报压缩后的目标信道的信道特征信息。
在一种可选的实施方式中，在所述第一信道信息包括系数序列的情况下，所述方法还包括：
所述终端采用第三AI网络模型分别对所述M个第一子带的系数序列进行压缩处理，得到所述M个第一子带的信道特征信息。
本实施方式中，对于系数序列，可以采用AI的方式进行CSI压缩处理，得到M个第一子带的信道特征信息。在实施中，在终端向网络侧设备反馈某个第一子带的信道特征信息时，网络侧设备可以采用与上述第三AI网络模型匹配的第七AI网络模型来将该第一子带的信道特征信息恢复成系数序列，然后再利用与目标AI网络模型匹配的第四AI网络模型来将该第一子带的系数序列恢复成该第一子带内的N个连续的PRB各自的信道矩阵。
在实施中，目标AI网络模型的输入长度与N的取值匹配。在终端具有至少两个候选的目标AI网络模型的情况下，可以根据N的取值来选择与该N匹配的目标AI网络模型，或者，终端也可以自身能力、网络侧指示、协议约定等信息来确定目标AI网络模型，然后根据与该目标AI网络模型匹配的N来确定第一子带的大小。
作为一种可选的实施方式，所述信道特征信息上报方法还包括：
所述终端接收来自网络侧设备的所述目标AI网络模型的相关信息；和/或，
所述终端接收来自网络侧设备的第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
本实施方式中，可以由网络侧设备训练并下发目标AI网络模型，上述目标AI网络模型的相关信息可以包括目标AI网络模型的标识信息、输入长度、对应的N值、模型结构、模型参数等能够供终端确定和使用目标AI网络模型的信息，和/或，终端可以根据网络侧设备的指示来确定N的取值(例如：网络侧设备配置CSI上报过程使用的N的取值)，并确定与该N匹配的目标AI网络模型。
当然，在上述目标AI网络模型是由协议约定或者终端训练得到的情况下，终端也可以根据网络侧设备的指示来确定N的取值，并确定与该N匹配的目标AI网络模型，在此不作具体限定。
作为一种可选的实施方式，所述信道特征信息上报方法还包括：
所述终端向所述网络侧设备发送所述目标AI网络模型的相关信息；和/或，
所述终端向所述网络侧设备发送第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
本实施方式中，可以由终端训练并向网络侧设备上报目标AI网络模型，上述目标AI网络模型的相关信息可以包括目标AI网络模型的标识信息、输入长度、对应的N值、模型结构、模型参数等能够供终端确定和使用目标AI网络模型的信息，在实施中，网络侧设备可以根据终端上报的目标AI网络模型来确定与该目标AI网络模型对应的第四AI网络模型，以使用该第四AI网络模型对目标AI网络模型压缩后的信道信息进行恢复处理，当然，终端也可以同时向网络侧设备上报第四AI网络模型的相关信息，以使网络侧设备能够使用终端上报的第四AI网络模型来恢复该终端上报的信道信息。
此外，终端可以向网络侧设备上报该终端支持的N，或者上报该终端支持的目标AI网络模型对应的N，这样，网络侧设备可以根据终端的上报来，并确定与该N匹配的目标AI网络模型，以及与该目标AI网络模型对应的第四AI网络模型。
当然，在上述目标AI网络模型是由协议约定或者网络侧设备训练得到的情况下，终端也可以向网络侧设备上报自身使用的目标AI网络模型对应的N的取值或者该目标AI网络模型的标识信息，以使网络侧设备能够根据终端上报的第二指示信息来终端使用哪个目标AI网络模型对PRB信道信息进行压缩，从而能够采用与该目标AI网络模型对应的第四AI网络模型来对目标AI网络模型压缩后的信道信息进行恢复处理，在此不作具体限定。
作为一种可选的实施方式，所述信道特征信息上报方法还包括：
所述终端向网络侧设备发送终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
选项一，在实施中，根据不同能力的终端，其可能支持PRB信道矩阵的压缩，也可能不支持PRB信道矩阵的压缩，这样，终端通过向网路侧设备上报自身是否支持PRB信道矩阵的压缩，可以为网络侧设备对终端的配置，以及对终端上报的信道信息的处理流程提供依据。例如：在终端不支持PRB信道矩阵的压缩的情况下，网络侧设备可以在CSI report中配置CSI反馈的时候配置终端不进行PRB信道矩阵的压缩，此时，一个第一子带可以反馈一个PRB的信道矩阵，代表这个第一子带的所有PRB的信道矩阵相同。
选项二，在终端支持PRB信道矩阵的压缩的情况下，终端还可以向网路侧设备上报自身支持对PRB信道矩阵进行压缩的最大PRB数目，例如：终端的运算能力最多能够支持压缩几个PRB的AI网络模型，其中，N可以小于或者等于终端支持对PRB信道矩阵进行压缩的最大PRB数目。
这样，可以使网络侧设备能够根据终端的能力确定终端能够使用的目标AI网络模型的输入长度。例如：网络侧设备可以根据终端支持对PRB信道矩阵进行压缩的最大PRB数目来指示终端使用的目标AI网络模型和/或N和/或网络侧设备可以配置COI子带/PMI子带所包含的PRB数小于或等于终端支持对PRB信道矩阵进行压缩的最大PRB数目。如：终端上报AI网络模型的时候，如果只上报了一个AI网络模型，且该AI网络模型对应的N＝4，则网络侧设备在配置CSI反馈时，可以配置CSI反馈的子带至少包括4个PRB。
当然，在终端不支持PRB信道矩阵的压缩的情况下，终端可以向网路侧设备上报自身支持对PRB信道矩阵进行压缩的最大PRB数目等于1，在此不作具体限定。
作为一种可选的实施方式，所述信道特征信息上报方法还包括：
所述终端接收来自网络侧设备的第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括所述目标AI网络模型；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
其中，上述第二信息可以携带在无线资源控制(Radio Resource Control，RRC)信令或媒体接入控制层控制单元(Medium Access Control Control Element，MAC CE)中，例如：网络侧设备通过RRC或MACCE配置终端在一段时间内进行PRB压缩的级别(即配置N的取值)或使用的压缩模型ID。或者，上述第二信息也可以携带在DCI中，例如：网络侧设备通过下行控制信息(Downlink Control Information，DCI)临时修改终端的压缩级别或模型ID或者修改是否对PRB信道矩阵进行压缩。
选项一，上述第一AI网络模型集合可以表示终端能够使用的目标AI网络模型的候选集合，该集合中的不同AI网络模型可以对应不同的PRB数目，例如：一个第一AI网络模型用于压缩2个PRB的信道矩阵，另一个第一AI网络模型用于压缩4个PRB的信道矩阵等。
需要说明的是，在实际应用中，上述第一AI网络模型集合也可能有终端训练并上报，或者在协议中约定，在此不作具体限定。
在一种实施方式中，终端可以根据自身能力从第一AI网络模型集合中选择目标AI网络模型，并向网络侧设备上报选中的目标AI网络模型的标识或者上报选中的目标AI网络模型对应的PRB数，以使网络侧设备获知终端使用的目标AI网络模型，并据此采用与该目标AI网络模型对应的第四AI网络模型来对目标AI网络模型压缩后的信道信息进行恢复处理。
在一种实施方式中，网络侧设备可以向终端指示第一AI网络模型集合中的目标AI网络模型的标识或该目标AI网络模型对应的PRB数，以使终端按照网络设备的指示来采用目标AI网络模型进行PRB信道矩阵压缩。
在一种实施方式中，也可以在协议中约定从第一AI网络模型集合中选择目标AI网络模型的规则，以使终端和/或网络侧设备能够按照该规则来确定目标AI网络模型。
选项二，网络侧设备可以根据终端能力、实际需要、应用场景等信息来决定是否指示终端对PRB信道矩阵进行压缩。
选项三，网络侧设备可以根据终端能力、实际需要、应用场景等信息来决定PRB信道矩阵压缩的等级，即终端在CSI反馈中使用的N的取值，这样，终端能够根据N的取值来确定输入长度与N个PRB的信道矩阵匹配的目标AI网络模型。
选项四，网络侧设备可以通过指示目标AI网络模型的标识信息来直接向终端指示使用哪一个目标AI网络模型。
在本申请实施例中，终端获取目标信道对应的每一个物理资源块PRB的信道矩阵；所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。这样，终端能够利用目标AI网络模型将多个连续的PRB的信道矩阵压缩成一个信道信息，并上报该一个信道信息，在网络侧，则可以使用对应的AI模型对该压缩后的一个信道信息进行恢复处理，得到多个连续的PRB的信道矩阵，从而实现一阶矩信道矩阵的拟合和恢复，能够在上报完整的信道信息的基础上，降低多个连续的PRB的信道矩阵的上报开销。
请参阅图4，本申请实施例提供的一种信道特征信息恢复方法，其执行主体可以是网络侧设备，该网络侧设备可以是如图1中列举的各种类型的网络侧设备12，或者是除了如图1所示实施例中列举的网络侧设备类型之外的其他网络侧设备，在此不作具体限定。如图4所示，该信道特征信息恢复方法可以包括以下步骤：
步骤401、网络侧设备接收来自终端的第一信息。
该第一信息的含义与如图2所示方法实施例中的第一信息的含义相同，在此不再赘述。
步骤402、所述网络侧设备根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB。
在第一信息包括至少一个第一子带的第一信道信息时，所述网络侧设备根据所述第一信息，确定第一子带的第一信道信息可以是网络侧设备将接收的第一信息确定所述至少一个第一子带的第一信道信息。
在第一信息包括至少一个第一子带的信道特征信息时，所述网络侧设备根据所述第一信息，确定第一子带的第一信道信息可以是网络侧设备将将至少一个第一子带的信道特征信息恢复成至少一个第一子带的第一信道信息。
步骤403、所述网络侧设备基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
其中，第四AI网络模型是与如图2所示方法实施例中的目标AI网络模型相对应的恢复部分，用于将对应的目标AI网络模型输出的信道特征信息恢复为N个连续的PRB的信道矩阵，在此不再赘述。
作为一种可选的实施方式，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
所述第一信息包括目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，M为所述目标信道包括的第一子带的数目，M为正整数。
作为一种可选的实施方式，所述第一信道信息包括第一信道矩阵或者系数序列。
作为一种可选的实施方式，在所述第一信道信息包括第一信道矩阵的情况下，所述信道特征信息恢复方法还包括：
所述网络侧设备分别对所述M个第一子带的信道特征信息进行解压处理，得到所述M个第一子带的第一信道矩阵；或者，
在所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵的情况下，所述网络侧设备根据所述目标信道的信道特征信息，恢复所述M个第一子带的第一信道矩阵；或者，
所述网络侧设备基于第五AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵；或者，
所述网络侧设备基于第六AI网络模型对所述目标信道的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵。
上述网络侧设备对第一信息进行处理得到M个第一子带的第一信道矩阵的过程，与如图2所示方法实施例中，终端对M个第一子带的第一信道矩阵进行处理得到第一信息的过程相对应，在此不作过多阐述。
作为一种可选的实施方式，在所述第一信道信息包括系数序列的情况下，所述信道特征信息恢复方法还包括：
所述网络侧设备基于第七AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的系数序列。
上述网络侧设备对第一信息进行处理得到M个第一子带的系数序列的过程，与如图2所示方法实施例中，终端对M个第一子带的系数序列进行处理得到第一信息的过程相对应，在此不作过多阐述。
作为一种可选的实施方式，所述第四AI网络模型与N的取值对应。
作为一种可选的实施方式，所述信道特征信息恢复方法还包括：
所述网络侧设备向所述终端发送目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
所述网络侧设备向所述终端发送第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
作为一种可选的实施方式，所述信道特征信息恢复方法还包括：
所述网络侧设备接收来自所述终端的目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
所述网络侧设备接收来自所述终端的第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
作为一种可选的实施方式，所述信道特征信息恢复方法还包括：
所述网络侧设备接收来自所述终端的终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
作为一种可选的实施方式，所述信道特征信息恢复方法还包括：
所述网络侧设备根据所述终端能力信息，向所述终端发送第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括目标AI网络模型，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
本申请实施例提供的信道特征信息恢复方法与如图2所示方法实施例中的信道特征信息上报方法相对应，使得网络侧设备能够获取per第一子带的第一信道信息，并利用第四AI网络模型将第一信道信息恢复成per PRB的信道矩阵，从而能够节约信道信息传输资源的情况下，能够使网络侧设备获取完整的信道矩阵。
为了便于说明本申请实施例提供的信道特征信息上报方法和信道特征信息恢复方法，以如下应用场景为例，对本申请实施例提供的信道特征信息上报方法和信道特征信息恢复方法进行结合说明：
如图5所示，假设CSI-RS端口数为32，终端4个接收天线，则每个PRB会收到一个4*32的信道矩阵，终端将4个PRB的信道矩阵通过一个AI网络模型压缩为一个信道矩阵，这个信道矩阵维度依然是4*32表示这4个PRB的公共信道矩阵，终端将这个信道矩阵反馈给基站。
具体的反馈方式可以是任意的，包括：
1)使用一个独立的AI网络模型学习，即将每个第一子带的4个PRB的4*32的信道矩阵输入到AI网络模型(如：第一AI网络模型)中，输出这个第一子带的信道特征信息，然后基站根据上报的信道特征信息，将每个第一子带的信道矩阵恢复出来，然后在使用信道矩阵恢复模型恢复每个PRB的信道矩阵；
2)终端将目标信道的所有第一子带的信道矩阵输入到一个AI网络模型(如：第二AI网络模型)中，得到13个4*32的信道矩阵宽带的信道特征信息，并发送给基站；基站直接恢复全带宽的信道矩阵，然后再将每一个信道矩阵恢复为4个PRB的信道矩阵。
3)终端使用非AI的方式，用码本的形式将每个第一子带的信道矩阵上报给基站，基站根据量化后的码本信息恢复第一子带的信道矩阵，然后将第一子带的信道矩阵输入到恢复模型中，获得每个PRB的信道矩阵。
本申请实施例中，针对全信道矩阵反馈的情况，能够对多个PRB的信道矩阵进行拟合，使之压缩为一个信道矩阵，此外，还可以使用AI或非AI的方式反馈这个信道矩阵，解决了全信道矩阵无法直接求平均的问题。
本申请实施例提供的信道特征信息上报方法，执行主体可以为信道特征信息上报装置。本申请实施例中以信道特征信息上报装置执行信道特征信息上报方法为例，说明本申请实施例提供的信道特征信息上报装置。
请参阅图6，本申请实施例提供的一种信道特征信息上报装置，可以是终端内的装置，如图6所示，该信道特征信息上报装置600可以包括以下模块：
第一获取模块601，用于获取目标信道对应的每一个物理资源块PRB的信道矩阵；
第一处理模块602，用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
第一发送模块603，用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
可选的，所述N个连续的PRB为第一子带中的PRB；
其中，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
可选的，第一处理模块602具体用于：
基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道矩阵，所述第一信道信息包括所述第一信道矩阵；或者，
基于目标AI网络模型将N个连续的PRB的信道矩阵处理成系数序列，所述第一信道信息包括所述系数序列。
可选的，所述第一信息包括所述目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，所述第一子带包括N个连续的PRB，M为所述目标信道包括的第一子带的数目，M为正整数。
可选的，在所述第一信道信息包括第一信道矩阵的情况下，信道特征信息上报装置600还包括：
第三处理模块，用于分别对所述目标信道的每一个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
第四处理模块，用于将所述M个第一子带的第一信道矩阵转换至时延域，以及确定所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵；或者，
第五处理模块，用于基于第一AI网络模型分别对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
第六处理模块，用于基于第二AI网络模型对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述目标信道的信道特征信息。
可选的，在所述第一信道信息包括系数序列的情况下，信道特征信息上报装置600还包括：
第七处理模块，用于采用第三AI网络模型分别对所述M个第一子带的系数序列进行压缩处理，得到所述M个第一子带的信道特征信息。
可选的，所述目标AI网络模型与N的取值对应。
可选的，信道特征信息上报装置600还包括：
第二接收模块，用于接收来自网络侧设备的所述目标AI网络模型的相关信息；和/或，
第三接收模块，用于接收来自网络侧设备的第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
可选的，信道特征信息上报装置600还包括：
第二发送模块，用于向所述网络侧设备发送所述目标AI网络模型的相关信息；和/或，
第三发送模块，用于向所述网络侧设备发送第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
可选的，信道特征信息上报装置600还包括：
第四发送模块，用于向网络侧设备发送终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
可选的，信道特征信息上报装置600还包括：
第四接收模块，用于接收来自网络侧设备的第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括所述目标AI网络模型；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
本申请实施例中的信道特征信息上报装置600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特征信息上报装置600能够实现图2所示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。
本申请实施例提供的信道特征信息恢复方法，执行主体可以为信道特征信息恢复装置。本申请实施例中以信道特征信息恢复装置执行信道特征信息恢复方法为例，说明本申请实施例提供的信道特征信息恢复装置。
请参阅图7，本申请实施例提供的一种信道特征信息恢复装置，可以是网络侧设备内的装置，如图7所示，该信道特征信息恢复装置700可以包括以下模块：
第一接收模块701，用于接收来自终端的第一信息；
确定模块702，用于根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB；
第二处理模块703，用于基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
可选的，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
可选的，所述第一信息包括目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，M为所述目标信道包括的第一子带的数目，M为正整数。
可选的，所述第一信道信息包括第一信道矩阵或者系数序列。
可选的，在所述第一信道信息包括第一信道矩阵的情况下，信道特征信息恢复装置700还包括：
第八处理模块，用于分别对所述M个第一子带的信道特征信息进行解压处理，得到所述M个第一子带的第一信道矩阵；或者，
第九处理模块，用于在所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵的情况下，根据所述目标信道的信道特征信息，恢复所述M个第一子带的第一信道矩阵；或者，
第十处理模块，用于基于第五AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵；或者，
第十一处理模块，用于基于第六AI网络模型对所述目标信道的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵。
可选的，在所述第一信道信息包括系数序列的情况下，信道特征信息恢复装置700还包括：
第十二处理模块，用于基于第七AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的系数序列。
可选的，所述第四AI网络模型与N的取值对应。
可选的，信道特征信息恢复装置700还包括：
第五发送模块，用于向所述终端发送目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
第六发送模块，用于向所述终端发送第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
可选的，信道特征信息恢复装置700还包括：
第五接收模块，用于接收来自所述终端的目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
第六接收模块，用于接收来自所述终端的第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
可选的，信道特征信息恢复装置700还包括：
第七接收模块，用于接收来自所述终端的终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
可选的，信道特征信息恢复装置700还包括：
第七发送模块，用于根据所述终端能力信息，向所述终端发送第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括目标AI网络模型，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
本申请实施例中的信道特征信息恢复装置700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。该电子设备可以是网络侧设备，也可以为除网络侧设备之外的其他设备。示例性的，网络侧设备可以包括但不限于上述所列举的网络侧设备12的类型，其他设备可以为服务器、网络附属存储器(NetworkAttached 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特征信息恢复装置700能够实现图4所示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8所示，本申请实施例还提供一种通信设备800，包括处理器801和存储器802，存储器802上存储有可在所述处理器801上运行的程序或指令，例如，该通信设备800为终端时，该程序或指令被处理器801执行时实现上述信道特征信息上报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800为网络侧设备时，该程序或指令被处理器801执行时实现上述信道特征信息恢复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，通信接口用于获取目标信道对应的每一个PRB的信道矩阵；所述处理器用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；所述通信接口还用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
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9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900包括但不限于：射频单元901、网络模块902、音频输出单元903、输入单元904、传感器905、显示单元906、用户输入单元907、接口单元908、存储器909以及处理器910等中的至少部分部件。
本领域技术人员可以理解，终端900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910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9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904可以包括图形处理单元(GraphicsProcessing Unit，GPU)9041和麦克风9042，图形处理器9041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906可包括显示面板9061，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9061。用户输入单元907包括触控面板9071以及其他输入设备9072中的至少一种。触控面板9071，也称为触摸屏。触控面板9071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9072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901接收来自网络侧设备的下行数据后，可以传输给处理器910进行处理；另外，射频单元901可以向网络侧设备发送上行数据。通常，射频单元901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909可用于存储软件程序或指令以及各种数据。存储器909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909可以包括易失性存储器或非易失性存储器，或者，存储器909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909包括但不限于这些和任意其它适合类型的存储器。
处理器910可包括一个或多个处理单元；可选的，处理器910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910中。
其中，射频单元901，用于获取目标信道对应的每一个物理资源块PRB的信道矩阵；
处理器910，用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
射频单元901，还用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
可选地，所述N个连续的PRB为第一子带中的PRB；
其中，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
可选地，处理器910执行的所述基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，包括：
基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道矩阵，所述第一信道信息包括所述第一信道矩阵；或者，
基于目标AI网络模型将N个连续的PRB的信道矩阵处理成系数序列，所述第一信道信息包括所述系数序列。
可选地，所述第一信息包括所述目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，所述第一子带包括N个连续的PRB，M为所述目标信道包括的第一子带的数目，M为正整数。
可选地，在所述第一信道信息包括第一信道矩阵的情况下，处理器910，还用于：
分别对所述目标信道的每一个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
将所述M个第一子带的第一信道矩阵转换至时延域，以及确定所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵；或者，
基于第一AI网络模型分别对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
基于第二AI网络模型对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述目标信道的信道特征信息。
可选地，在所述第一信道信息包括系数序列的情况下，处理器910，还用于：
采用第三AI网络模型分别对所述M个第一子带的系数序列进行压缩处理，得到所述M个第一子带的信道特征信息。
可选地，所述目标AI网络模型与N的取值对应。
可选地，射频单元901，还用于：
接收来自网络侧设备的所述目标AI网络模型的相关信息；和/或，
接收来自网络侧设备的第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
可选地，射频单元901，还用于：
向所述网络侧设备发送所述目标AI网络模型的相关信息；和/或，
向所述网络侧设备发送第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
可选地，射频单元901，还用于：
向网络侧设备发送终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
可选地，射频单元901，还用于：
接收来自网络侧设备的第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括所述目标AI网络模型；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
本申请实施例提供的终端900，能够执行如图6所示信道特征信息上报装置600中的各模块执行的各个过程，且能够取得相同的有益效果，为避免重复，在此不再赘述。
本申请实施例还提供一种网络侧设备，包括处理器和通信接口，通信接口用于接收来自终端的第一信息；所述处理器用于根据所述第一信息，确定第一子带的第一信道信息，以及基于第四AI网络模型将所述第一信道信息处理成N个连续的PRB的信道矩阵，其中，所述第一子带包括所述N个连续的PRB。
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10所示，该网络侧设备1000包括：天线1001、射频装置1002、基带装置1003、处理器1004和存储器1005。天线1001与射频装置1002连接。在上行方向上，射频装置1002通过天线1001接收信息，将接收的信息发送给基带装置1003进行处理。在下行方向上，基带装置1003对要发送的信息进行处理，并发送给射频装置1002，射频装置1002对收到的信息进行处理后经过天线1001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1003中实现，该基带装置1003包括基带处理器。
基带装置1003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10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1005连接，以调用存储器1005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1006，该接口例如为通用公共无线接口(Common Public Radio Interface，CPRI)。
具体地，本发明实施例的网络侧设备1000还包括：存储在存储器1005上并可在处理器1004上运行的指令或程序，处理器1004调用存储器1005中的指令或程序执行图7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如图2或图4所示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，实现如图2或图4所示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如图2或图4所示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第一方面所述的信道特征信息上报方法的步骤，所述网络侧设备可用于执行如第三方面所述的信道特征信息恢复方法的步骤。
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 (27)

1.一种信道特征信息上报方法，其特征在于，包括：
终端获取目标信道对应的每一个物理资源块PRB的信道矩阵；
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
所述终端向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
2.根据权利要求1所述的方法，其特征在于，所述N个连续的PRB为第一子带中的PRB；
其中，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
3.根据权利要求1所述的方法，其特征在于，所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，包括：
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道矩阵，所述第一信道信息包括所述第一信道矩阵；或者，
所述终端基于目标AI网络模型将N个连续的PRB的信道矩阵处理成系数序列，所述第一信道信息包括所述系数序列。
4.根据权利要求3所述的方法，其特征在于，所述第一信息包括所述目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，所述第一子带包括N个连续的PRB，M为所述目标信道包括的第一子带的数目，M为正整数。
5.根据权利要求4所述的方法，其特征在于，在所述第一信道信息包括第一信道矩阵的情况下，所述方法还包括：
所述终端分别对所述目标信道的每一个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
所述终端将所述M个第一子带的第一信道矩阵转换至时延域，以及确定所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵；或者，
所述终端基于第一AI网络模型分别对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述M个第一子带的信道特征信息；或者，
所述终端基于第二AI网络模型对所述M个第一子带的第一信道矩阵进行压缩处理，得到所述目标信道的信道特征信息。
6.根据权利要求4所述的方法，其特征在于，在所述第一信道信息包括系数序列的情况下，所述方法还包括：
所述终端采用第三AI网络模型分别对所述M个第一子带的系数序列进行压缩处理，得到所述M个第一子带的信道特征信息。
7.根据权利要求1所述的方法，其特征在于，所述目标AI网络模型与N的取值对应。
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：
所述终端接收来自网络侧设备的所述目标AI网络模型的相关信息；和/或，
所述终端接收来自网络侧设备的第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
所述终端向所述网络侧设备发送所述目标AI网络模型的相关信息；和/或，
所述终端向所述网络侧设备发送第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
10.根据权利要求1至9中任一项所述的方法，其特征在于，所述方法还包括：
所述终端向网络侧设备发送终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
11.根据权利要求9所述的方法，其特征在于，所述方法还包括：
所述终端接收来自网络侧设备的第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括所述目标AI网络模型；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
12.一种信道特征信息恢复方法，其特征在于，包括：
网络侧设备接收来自终端的第一信息；
所述网络侧设备根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB；
所述网络侧设备基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
13.根据权利要求12所述的方法，其特征在于，所述第一子带与信道质量指示CQI子带一一对应，或者，一个第一子带对应至少两个CQI子带，或者，一个CQI子带对应至少两个第一子带；或者，
所述第一子带与预编码矩阵指示PMI子带一一对应，或者，一个第一子带对应至少两个PMI子带，或者，一个PMI子带对应至少两个第一子带；或者，
N＝N1/R，其中，N1表示每一个CQI子带包含的PRB数，R表示每一个CQI子带的第一子带数。
14.根据权利要求12所述的方法，其特征在于，所述第一信息包括目标信道的信道特征信息，或者所述第一信息包括M个第一子带的信道特征信息，M为所述目标信道包括的第一子带的数目，M为正整数。
15.根据权利要求14所述的方法，其特征在于，所述第一信道信息包括第一信道矩阵或者系数序列。
16.根据权利要求15所述的方法，其特征在于，在所述第一信道信息包括第一信道矩阵的情况下，所述方法还包括：
所述网络侧设备分别对所述M个第一子带的信道特征信息进行解压处理，得到所述M个第一子带的第一信道矩阵；或者，
在所述目标信道的信道特征信息包括功率大于预设阈值的时延对应的信道矩阵的情况下，所述网络侧设备根据所述目标信道的信道特征信息，恢复所述M个第一子带的第一信道矩阵；或者，
所述网络侧设备基于第五AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵；或者，
所述网络侧设备基于第六AI网络模型对所述目标信道的信道特征信息进行处理，得到所述M个第一子带的第一信道矩阵。
17.根据权利要求15所述的方法，其特征在于，在所述第一信道信息包括系数序列的情况下，所述方法还包括：
所述网络侧设备基于第七AI网络模型分别对所述M个第一子带的信道特征信息进行处理，得到所述M个第一子带的系数序列。
18.根据权利要求12所述的方法，其特征在于，所述第四AI网络模型与N的取值对应。
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：
所述网络侧设备向所述终端发送目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
所述网络侧设备向所述终端发送第一指示信息，所述第一指示信息指示所述目标AI网络模型对应的N的取值。
20.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来自所述终端的目标AI网络模型的相关信息，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息，所述目标AI网络模型与所述第四AI网络模型对应；和/或，
所述网络侧设备接收来自所述终端的第二指示信息，所述第二指示信息指示所述目标AI网络模型对应的N的取值。
21.根据权利要求12至20中任一项所述的方法，其特征在于，所述方法还包括：
所述网络侧设备接收来自所述终端的终端能力信息，其中，所述终端能力信息用于指示以下至少一项：
所述终端支持PRB信道矩阵的压缩，或者，所述终端不支持PRB信道矩阵的压缩；
所述终端支持对PRB信道矩阵进行压缩的最大PRB数目。
22.根据权利要求21所述的方法，其特征在于，所述方法还包括：
所述网络侧设备根据所述终端能力信息，向所述终端发送第二信息，其中，所述第二信息用于配置或指示以下至少一项：
第一AI网络模型集合，所述第一AI网络模型集合包括至少一个第一AI网络模型，且所述第一AI网络模型集合中的不同第一AI网络模型分别对应各自的PRB数目，所述第一AI网络模型集合包括目标AI网络模型，其中，所述目标AI网络模型用于将所述N个连续的PRB的信道矩阵处理成所述第一信道信息；
所述终端对PRB信道矩阵进行压缩，或者，所述终端对PRB信道矩阵不进行压缩；
N的取值；
所述目标AI网络模型的标识信息。
23.一种信道特征信息上报装置，其特征在于，应用于终端，所述装置包括：
第一获取模块，用于获取目标信道对应的每一个物理资源块PRB的信道矩阵；
第一处理模块，用于基于目标AI网络模型将N个连续的PRB的信道矩阵处理成第一信道信息，其中，所述目标信道对应的PRB包括所述N个连续的PRB，N为大于1的整数；
第一发送模块，用于向网络侧设备发送第一信息，所述第一信息用于反映所述第一信道信息。
24.一种信道特征信息恢复装置，其特征在于，应用于网络侧设备，所述装置包括：
第一接收模块，用于接收来自终端的第一信息；
确定模块，用于根据所述第一信息，确定第一子带的第一信道信息，所述第一子带包括N个连续的物理资源块PRB；
第二处理模块，用于基于第四AI网络模型将所述第一信道信息处理成所述N个连续的PRB的信道矩阵。
25.一种终端，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至11中任一项所述的信道特征信息上报方法的步骤。
26.一种网络侧设备，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12至22中任一项所述的信道特征信息恢复方法的步骤。
27.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至11中任一项所述的信道特征信息上报方法，或
者实现如权利要求12至22中任一项所述的信道特征信息恢复方法的步骤。
CN202210800713.0A 2022-07-06 2022-07-06 信道特征信息上报及恢复方法、终端和网络侧设备 Pending CN117411527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210800713.0A CN117411527A (zh) 2022-07-06 2022-07-06 信道特征信息上报及恢复方法、终端和网络侧设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210800713.0A CN117411527A (zh) 2022-07-06 2022-07-06 信道特征信息上报及恢复方法、终端和网络侧设备

Publications (1)

Publication Number Publication Date
CN117411527A true CN117411527A (zh) 2024-01-16

Family

ID=89493132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210800713.0A Pending CN117411527A (zh) 2022-07-06 2022-07-06 信道特征信息上报及恢复方法、终端和网络侧设备

Country Status (1)

Country Link
CN (1) CN117411527A (zh)

Similar Documents

Publication Publication Date Title
WO2023185978A1 (zh) 信道特征信息上报及恢复方法、终端和网络侧设备
WO2023246618A1 (zh) 信道矩阵处理方法、装置、终端及网络侧设备
KR20230138538A (ko) 정보 리포팅 방법, 장치, 제1 장치 및 제2 장치
CN117411527A (zh) 信道特征信息上报及恢复方法、终端和网络侧设备
WO2023179476A1 (zh) 信道特征信息上报及恢复方法、终端和网络侧设备
WO2024037380A1 (zh) 信道信息处理方法、装置、通信设备及存储介质
WO2023179473A1 (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
CN117335849A (zh) 信道特征信息上报及恢复方法、终端和网络侧设备
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
WO2024088161A1 (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
WO2024104126A1 (zh) 更新ai网络模型的方法、装置和通信设备
CN117978218A (zh) 信息传输方法、信息处理方法、装置和通信设备
WO2024088162A1 (zh) 信息传输方法、信息处理方法、装置和通信设备
WO2023185980A1 (zh) 信道特征信息传输方法、装置、终端及网络侧设备
WO2023185995A1 (zh) 信道特征信息传输方法、装置、终端及网络侧设备
WO2024055974A1 (zh) Cqi传输方法、装置、终端及网络侧设备
WO2023134628A1 (zh) 传输方法、装置和设备
WO2023179460A1 (zh) 信道特征信息传输方法、装置、终端及网络侧设备
CN116996898A (zh) Ai网络模型确定方法、装置、参考节点和网络侧设备
WO2023179570A1 (zh) 信道特征信息传输方法、装置、终端及网络侧设备
CN117978304A (zh) 信息传输方法、信息处理方法、装置和通信设备
CN118042450A (zh) 信息传输方法、更新ai网络模型的方法、装置和通信设备
CN117318773A (zh) 信道矩阵处理方法、装置、终端及网络侧设备

Legal Events

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