CN117411746A - Ai模型处理方法、装置、终端及网络侧设备 - Google Patents
Ai模型处理方法、装置、终端及网络侧设备 Download PDFInfo
- Publication number
- CN117411746A CN117411746A CN202210800718.3A CN202210800718A CN117411746A CN 117411746 A CN117411746 A CN 117411746A CN 202210800718 A CN202210800718 A CN 202210800718A CN 117411746 A CN117411746 A CN 117411746A
- Authority
- CN
- China
- Prior art keywords
- terminal
- frequency domain
- domain resource
- channel matrix
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 244
- 238000012549 training Methods 0.000 claims abstract description 113
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 121
- 230000004044 response Effects 0.000 claims description 31
- 230000011664 signaling Effects 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 20
- 230000003213 activating effect Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 45
- 101150071746 Pbsn gene Proteins 0.000 description 30
- 230000000694 effects Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 229920006934 PMI Polymers 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000007781 pre-processing 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
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging 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
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- 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
-
- 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
- H04L25/022—Channel estimation of frequency response
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
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AI模型处理方法、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AI模型处理方法包括:终端确定用于进行AI模型训练的第一频域资源;所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:基于所述目标信道矩阵对AI模型进行训练和/或更新;向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
Description
技术领域
本申请属于通信技术领域,具体涉及一种AI模型处理方法、装置、终端及网络侧设备。
背景技术
人工智能(Artificial Intelligence,AI)是研究和开发用于模拟、延伸、扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,受到人们的广泛关注,针对AI的应用也越来越广泛。目前,AI模型已经能够应用在通信技术领域,由于AI模型是数据驱动,需要大量的数据才能完成特征学习的过程,这也就造成AI模型的训练过程会占据大量的时频资源,导致对其他通信业务造成影响,影响通信设备间的通信性能。
发明内容
本申请实施例提供一种AI模型处理方法、装置、终端及网络侧设备,能够解决相关技术中。
第一方面,提供了一种AI模型处理方法,包括:
终端确定用于进行AI模型训练的第一频域资源;
所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
第二方面,提供了一种AI模型处理方法,包括:
网络侧设备接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
所述网络侧设备基于所述目标信道矩阵对AI模型进行训练和/或更新。
第三方面,提供了一种AI模型处理装置,包括:
确定模块,用于确定用于进行AI模型训练的第一频域资源;
执行模块,用于在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
第四方面,提供了一种AI模型处理装置,包括:
接收模块,用于接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
处理模块,用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
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AI模型处理方法的步骤。
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用于进行AI模型训练的第一频域资源,以及用于在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
第七方面,提供了一种网络侧设备,该网络侧设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第二方面所述的AI模型处理方法的步骤。
第八方面,提供了一种网络侧设备,包括处理器及通信接口,其中,所述通信接口用于接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;所述处理器用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
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AI模型处理方法的步骤,所述网络侧设备可用于执行如第二方面所述的AI模型处理方法的步骤。
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AI模型处理方法的步骤,或者实现如第二方面所述的AI模型处理方法的步骤。
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AI模型处理方法,或实现如第二方面所述的AI模型处理方法。
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AI模型处理方法,或实现如第二方面所述的AI模型处理方法。
在本申请实施例中,终端能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,也即能够通过特定的频域资源来进行对AI模型的训练和/或更新,避免终端对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对终端的其他通信业务造成影响,确保终端和网络侧设备之间的通信性能。
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AI模型处理方法的流程图;
图3是本申请实施例提供的另一种AI模型处理方法的流程图;
图4是本申请实施例提供的一种AI模型处理装置的结构图;
图5是本申请实施例提供的另一种AI模型处理装置的结构图;
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,接入网设备也可以称为无线接入网设备、无线接入网(Radio Access Network,RAN)、无线接入网功能或无线接入网单元。接入网设备可以包括基站、WLAN接入点或WiFi节点等,基站可被称为节点B、演进节点B(eNB)、接入点、基收发机站(Base Transceiver Station,BTS)、无线电基站、无线电收发机、基本服务集(BasicService Set,BSS)、扩展服务集(Extended Service Set,ESS)、家用B节点、家用演进型B节点、发送接收点(Transmitting Receiving Point,TRP)或所述领域中其他某个合适的术语,只要达到相同的技术效果,所述基站不限于特定技术词汇,需要说明的是,在本申请实施例中仅以NR系统中的基站为例进行介绍,并不限定基站的具体类型。
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,终端和网络侧设备可以使用神经网络或机器学习的方法进行信道信息的传递。
具体地,在终端对通过AI模型对信道信息进行压缩编码,在基站通过对应的AI模型对压缩后的内容进行解码,从而恢复信道信息。此时基站侧进行解码的AI模型和终端侧进行编码的AI模型需要联合训练,达到合理的匹配度。但是由于AI模型是数据驱动,需要大量的数据才能完成特征学习的过程,这也就造成AI模型的训练过程会占据大量的时频资源,导致对其他通信业务造成影响,影响通信设备间的通信性能。针对这一情况,本申请实施例提出了一种AI模型处理方法。
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AI模型处理方法、装置及相关设备进行详细地说明。
请参照图2,图2是本申请实施例提供的一种AI模型处理方法的流程图,如图2所示,所述方法包括以下步骤:
步骤201、终端确定用于进行AI模型训练的第一频域资源。
可选地,所述第一频域资源可以是网络侧设备指示的频域资源,例如网络侧设备指示特定的子带或者特定的物理资源块(Physical Resource Block,PRB)用于进行AI模型训练,则终端可以是基于网络侧设备的指示来确定用于进行AI模型训练的第一频域资源。
或者,所述第一频域资源也可以是协议约定或者是预先约定或者是预先设定的。
又或者,所述第一频域资源也可以是终端自行确定的。例如,终端可以是自行选择某些子带或PRB用于进行AI模型训练。
步骤202、所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
本申请实施例中,终端在确定用于进行AI模型训练的第一频域资源后,则在所述第一频域资源进行信道估计,得到目标信道矩阵,并基于所述目标信道矩阵对AI模型进行训练和/或更新,和/或,终端可以是将所述目标信道矩阵发送给网络侧设备,网络侧设备基于接收到的所述目标信道矩阵对AI模型进行训练和/或更新。这样,也就使得终端和/或网络侧设备能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,也即能够通过特定的频域资源来进行对AI模型的训练和/或更新,避免终端和/或网络侧设备对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对终端和/或网络侧设备的其他通信业务造成影响,确保终端和网络侧设备之间的通信性能。
需要说明的是,终端在基于第一频域资源进行信道估计,获得目标信道矩阵后,可以是基于所述信道矩阵对终端侧所有的AI模型进行训练和/或更新,或者也可以是针对特定的AI模型进行训练和/或更新。
在一些实施例中,终端在第一频域资源进行信道估计得到的信道矩阵即是目标信道矩阵;或者,在另一些实施例中,终端在第一频域资源进行信道估计得到的信道矩阵为目标信道矩阵的一部分,后续实施例中会对此种情况进行举例说明,此处不做具体赘述。
可选地,终端可以是基于所述目标信道矩阵对匹配的第一AI模型和第二AI模型进行训练和/或更新,其中所述第一AI模型和第二AI模型为配对的两个AI模型,例如第一AI模型适用于终端侧,用于对信道信息进行编码,终端将第一AI模型输出的编码信息发送给网络侧设备,网络侧设备用于通过第二AI模型对编码信息进行解码以恢复信道信息。终端在完成对第一AI模型和第二AI模型的训练和/或更新后,将训练和/或更新后的第二AI模型发送给网络侧设备,进而网络侧设备可以直接使用训练和/或更新后的第二AI模型。
或者,终端也可以是将所述目标信道矩阵发送给网络侧设备,网络侧设备基于所述目标信道矩阵对配对的第一AI模型和第二AI模型进行训练和/或更新,而后将训练和/或更新后的第一AI模型发送给终端,进而终端可以直接使用训练和/或更新后的第一AI模型。
本申请实施例中,所述终端确定用于进行AI模型训练的第一频域资源,包括:
终端接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示进行AI模型训练的第一频域资源;
所述终端基于所述第一指示信息确定所述第一频域资源。
例如,网络侧设备通过第一指示信息指示子带A用于进行AI模型训练,进而终端也就能够基于所述第一指示信息将子带A作为进行AI模型训练的频域资源,终端在子带A进行信道估计来获得信道矩阵,基于所述信道矩阵训练AI模型和/或对已有的AI模型进行更新,或者终端也可以是将在子带A信道估计得到的信道矩阵发送给网络侧设备,网络侧设备基于所述信道矩阵来进行AI模型的训练和/或更新。
这样,通过网络侧设备来指示用于进行AI模型训练的第一频域资源,以避免AI模型的训练和/或更新会占用过多的频域资源,进而以确保终端和网络侧设备之间的通信性能。
可选地,所述第一指示信息还用于指示第一时域资源,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端基于所述第一时域资源在所述第一频域资源进行信道估计,获得目标信道矩阵。
例如,网络侧设备通过第一指示信息指示了第一频域资源和第一时域资源,如第一频域资源为子带A,第一时域资源为时隙(slot)0~4,则终端基于所述第一指示信息,在slot0~4在子带A进行信道估计,来获得进行AI模型训练和/或更新的目标信道矩阵。
这样,网络侧设备指示了用于进行AI模型训练的第一时域资源和第一频域资源,进而也就使得终端能够在特定的时域资源和频域资源来进行信道估计,以得到用于AI模型训练的目标信道矩阵,从而也就能够避免AI模型训练占用过多的时域资源和频域资源而影响终端和网络侧设备的其他业务,以确保终端和网络侧设备之间的通信性能。
可选地,所述第一频域资源对应一个频域资源块,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端接收网络侧设备发送的第一信令;
所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得目标信道矩阵。
需要说明的是,所述频域资源块的数量为至少一个,也即用于AI模型训练的频域资源块可以是多个,或者说第一频域资源可以是多个。
例如,整个带宽上可以是有52个PRB,网络侧设备可以是预先配置0-3号PRB以及28-31号PRB为用于进行AI模型训练的频域资源块,也即一个频域资源块包括4个PRB,网络侧设备预先配置了两个频域资源块(即0-3号PRB为一个频域资源块,28-31号PRB为一个频域资源块);当网络侧设备向终端发送用于激活所述频域资源块的第一信令,则终端在接收到所述第一信令后激活0-3号PRB以及28-31号PRB并进行信道估计,得到用于进行AI模型训练和/或更新的目标信道矩阵。这样,终端也就只有在接收到激活频域资源块的信令的情况下,才会激活预先配置的频域资源块以进行信道估计,频域资源块在未被激活的情况下则还可以用于进行其他业务的数据传输,从而有效和充分地利用频域资源。
可选地,在网络侧设备发送的第一指示信息还用于指示第一时域资源的情况下,所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得目标信道矩阵,包括:
所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,在所述终端基于所述第一指示信息确定在第一时域资源不需要基于所述频域资源块进行数据传输的情况下,所述终端基于所述第一时域资源在所述频域资源块进行信道估计,获得目标信道矩阵;
这种情况下,所述方法还包括:
在所述终端基于所述第一指示信息确定在第二时域资源需要基于所述频域资源块进行数据传输的情况下,所述终端基于所述频域资源块进行数据传输,所述第二时域资源为除所述第一时域资源之外的时域资源。
本申请实施例中,若网络侧设备通过第一指示信息同时指示了第一时域资源和第一频域资源(也即频域资源块),也即指示终端需要在第一时域资源进行信道估计,那么也就能够确定在第一时域资源终端无需通过频域资源块来进行数据传输,这种情况下,当终端接收到网络侧设备第一信令后,基于所述第一信令激活网络侧设备预先配置的用于进行AI模型训练的频域资源块,并在所述第一时域资源对应的时刻在所述频域资源块进行信道估计,以获得用于训练和/或更新AI模型的目标信道矩阵。
进一步地,第一指示信息指示了频域资源块在第一时域资源用于进行AI模型训练,进而频域资源块在除第一时域资源以外的其他时域资源(也即第二时域资源)也就无需用来进行AI模型训练,也即可以用于进行数据传输,则终端在第二时域资源对应的时刻通过频域资源块进行数据传输。这样,也就使得频域资源块能够得到充分利用,避免频域资源的浪费。
可选地,所述方法还可以包括:
在所述终端获取到优先级大于所述信道估计的目标业务的情况下,所述终端基于所述第一时域资源在所述频域资源块进行所述目标业务的数据传输。
例如,网络侧设备指示了在时刻A在0-3号PRB进行信道估计,以获得用于进行AI模型训练和/或更新的目标信道矩阵,若终端获取到了优先级更高的目标业务,则终端可以是在时刻A在0-3号PRB进行目标业务的数据传输,从而以保障终端能够优先执行优先级更高的目标业务。
可选地,所述终端还可以包括:
所述终端向网络侧设备上报能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
需要说明的是,终端可以是在进行能力上报的时候,同时向网络侧设备上报能够同时进行信道估计的频域资源块的数量以及频域资源块的大小。
例如,若网络侧设备配置用于进行AI模型训练的频域资源块为0-3号PRB以及28-31号PRB,则终端需要上报的频域资源块的数量为2,频域资源块的大小为4个PRB。这样,也就使得网络侧设备能够准确获知终端实际用于进行AI模型训练的频域资源块的数量和大小。
可选地,在所述AI模型与目标频域资源的资源数量对应的情况下,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括如下至少一项:
在所述目标频域资源的资源数量小于或等于所述第一频域资源的资源数量的情况下,所述终端以所述目标频域资源为单位将所述第一频域资源划分为至少一个频域资源块,所述终端在所述至少一个频域资源块进行信道估计,获得目标信道矩阵;
在所述目标频域资源的资源数量大于所述第一频域资源的资源数量的情况下,所述终端在所述第一频域资源进行信道估计,获得第一信道矩阵,并基于所述第一信道矩阵确定第二信道矩阵,其中,所述目标信道矩阵包括所述第一信道矩阵和第二信道矩阵。
本申请实施例中,网络侧设备可以是预先配置AI模型与目标频域资源的资源数量对应,也即AI模型需要占用目标频域资源的资源数量来进行训练和/或使用。
例如,在一种实施方式中,网络侧设备预先配置AI模型的工作范围为4个PRB,也即AI模型的训练和使用需要占用4个PRB;若网络侧设备指示用于进行AI模型训练的第一频域资源为8个PRB,则终端可以是将这8个PRB的前4个PRB划分为一个频域资源块,后4个PRB划分为另一个频域资源块,然后终端在这两个频域资源块分别进行信道估计,得到用于进行AI模型训练和/或更新的目标信道矩阵。
需要说明的是,终端在以目标频域资源为单位对第一频域资源进行划分时,划分后的频域资源块中的频域资源应该是连续的或者固定间隔的。例如,以上述目标频域资源为4个PRB,第一频域资源为8个PRB为例,终端可以是将8个PRB的前4个PRB(也即1、2、3、4号PRB)划分为一个频域资源块,或者也可以是将2、3、4、5号PRB划分为一个频域资源块,等。
可选地,在另一种实施方式中,网络侧设备预先配置AI模型的工作范围为4个PRB,也即AI模型的训练和使用需要占用4个PRB;若网络侧设备指示用于进行AI模型训练的第一频域资源为2个PRB,也即目标频域资源的资源数量大于第一频域资源的资源数量;这种情况下,终端在网络侧设备指示的2个PRB进行信道估计,得到第一信道矩阵,然后可以是对第一信道矩阵进行复制操作,得到第二信道矩阵,也即第一信道矩阵和第二信道矩阵为相同的信道矩阵,终端将第一信道矩阵和第二信道矩阵组成目标信道矩阵,基于所述目标信道矩阵来进行AI模型的训练和/或更新。
本申请实施例中,对于目标频域资源的资源数量无论是大于还是小于或等于第一频域资源的资源数量,终端都能够灵活地通过相应的处理方式来得到进行AI模型训练的频域资源。
可选地,在所述终端基于所述目标信道矩阵对所述AI模型进行训练和/或更新之后,所述方法还包括:
所述终端向网络侧设备发送第一请求;
所述终端接收所述网络侧设备响应于所述第一请求发送的第一响应信号;
所述终端基于所述第一响应信号,向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分。
本申请实施例中,终端在基于目标信道矩阵完成对AI模型的训练和/或更新之后,终端可以向网络侧设备发送用于申请更新AI模型的第一请求;网络侧设备接收到所述第一请求后,决定是否需要更新AI模型,并向终端发送第一响应信号。
可选地,若网络侧设备确定需要更新AI模型,网络侧设备向终端发送需要更新AI网络模型的第一响应信号,终端基于所述第一响应信号,向网络侧设备发送已经训练和/或更新后的AI模型,或者向网络侧设备发送所述AI模型中的适用于所述网络侧设备的模型部分。这样,也就使得终端需要基于网络侧设备的确认才能向网络侧设备发送AI模型,以避免占用网络侧设备过多的资源。
需要说明地,若终端训练和/或更新的AI模型包括分别适用于终端侧的第一AI模型和适用于网络侧设备的第二AI模型,也即这两个AI模型是在终端侧进行联合训练和/或更新的,则终端向网络侧设备发送的所述AI模型中的适用于所述网络侧设备的模型部分也即第二AI模型。
可选地,所述终端基于所述第一响应信号,向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分,包括:
所述终端接收所述网络侧设备发送的第二指示信息,所述第二指示信息用于指示第二频域资源;
所述终端基于所述第一响应信号,在所述第二频域资源对应的频域位置向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分。
本申请实施例中,当网络侧设备确定需要更新AI模型,网络侧设备向终端发送需要更新AI网络模型的第一响应信号,同时向终端发送用于指示第二频域资源的第二指示信息,进而终端通所述第二频域资源对应的频域位置向网络侧设备发送更新和/或训练后的AI模型或所述AI模型中的适用于所述网络侧设备的模型部分(例如上述第二AI模型)。这样,也就使得终端能够通过网络侧设备指示的特定的频域位置来发送AI模型,进而以避免占用终端其他业务的频域资源。
可选地,所述方法还包括:
所述终端接收所述网络侧设备发送的第三指示信息,所述第三指示信息用于指示第一时刻;
所述终端基于所述第三指示信息,在所述第一时刻应用训练和/或更新后的所述AI模型。
本申请实施例中,终端在基于目标信道矩阵完成对AI模型的训练和/或更新后,终端基于网络侧设备指示的第一时刻,在第一时刻来使用训练和/或更新后的所述AI模型,进而也就通过网络侧设备来指示终端使用AI模型的特定时刻,以避免AI模型的使用会占用终端侧过多的时域资源。
可选地,在终端基于第一频域资源进行信道估计,获得目标信道矩阵后,终端可以向所述网络侧设备发送所述目标信道矩阵,也即发送完整的目标信道矩阵,进而以使得网络侧设备能够基于所述目标信道矩阵来训练和/或更新网络侧设备的AI模型。
或者,所述向所述网络侧设备发送所述目标信道矩阵,包括:
所述终端将所述目标信道矩阵映射为码本,向所述网络侧设备发送所述码本。
也就是说,终端通过码本的方式来向网络侧设备上报所述目标信道矩阵。
本申请实施例中,在所述终端基于所述目标信道矩阵对所述AI模型进行训练和/或更新之后,所述方法还包括:
所述终端在第三频域资源使用训练和/或更新后的所述AI模型。
例如,所述第一频域资源为子带A,第三频域资源为子带B,则终端在子带A进行信道估计,获得子带A对应的信道矩阵后,终端基于子带A获得的信道矩阵进行AI模型的训练和/或更新,然后在子带B应用该训练和/或更新后的AI模型。这样,终端也就能够通过不同的频域资源来分别进行模型的训练和使用。
可选地,所述方法还可以包括:
所述终端在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的所述AI模型进行更新。
例如,所述第一频域资源为子带A,第三频域资源为子带B,终端在子带A进行信道估计,并基于获得的信道矩阵完成对AI模型的训练和/或更新后,终端还可以在子带B进行信道估计,获得对应的信道矩阵,并基于子带B获得的信道矩阵对训练和/或更新后的所述AI模型进行更新。这样,终端也就能够基于不同的频域资源来进一步对AI模型进行更新,以进一步修正AI模型,使得终端对于AI模型的训练和更新更灵活。
可选地,所述第三频域资源为网络侧设备指示的频域资源,例如网络侧设备通过指示信息来指示第三频域资源。进一步地,网络侧设备还可以是同时指示第三频域资源和第三时域资源,也即终端能够在第三时域资源对应的时刻基于对第三频域资源进行信道估计获得的信道矩阵,对训练和/或更新后的所述AI模型进行更新。
可选地,所述第三频域资源可以有多个,例如第三频域资源可以是多个频域资源块。
可选地,所述第一频域资源和所述第三频域资源覆盖整个载波带宽。
可选地,所述终端在第三频域资源使用训练和/或更新后的所述AI模型,包括:
所述终端以所述第一频域资源为单位将所述第三频域资源划分为至少一个频域资源块,所述终端在所述至少一个频域资源块使用训练和/或更新后的所述AI模型。
例如,第一频域资源为4个PRB,网络侧设备指示的第三频域资源为8个PRB,则终端可以是将这8个PRB划分为两个频域资源块,其中前4个PRB为一个频域资源块,后4个PRB为一个频域资源块,终端在这两个频域资源块来使用训练和/或更新后的所述AI模型,且终端在这两个频域资源块使用的AI模型相同,例如该AI模型是基于第一频域资源训练得到的AI模型。这样,也就使得AI模型训练用的频域资源和使用时的频域资源是匹配的,以保障AI模型的使用。
本申请实施例中,所述第一频域资源与所述终端对应的小区匹配。也就是说,终端对应的每个小区都有与其匹配的第一频域资源,每个小区匹配的第一频域资源可以是相同的,也可以是不同的。小区匹配的第一频域资源可以是网络侧设备指示或配置。其中,所述终端对应的小区,可以是指终端能够进行数据收发的小区。
可选地,在所述终端对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述方法还包括:
所述终端通过码分的方式向所述网络侧设备发送CSI-RS。
例如,终端对应的每个小区所匹配的第一频域资源都相同,这种情况下,终端可以通过码分的方式向网络侧设备发送CSI-RS。
可选地,在所述终端对应的每个小区匹配的所述第一频域资源不同的情况下,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得目标信道矩阵。
该实施方式中,终端对应的每个小区所匹配的第一频域资源不同,则终端可以是在每个小区匹配的第一频域资源分别进行信道估计,以获得目标信道矩阵,该目标信道矩阵可以是每个小区匹配的第一频域资源分别进行信道估计得到的信道矩阵的集合。
可选地,所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得目标信道矩阵,包括:
所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得每个小区对应的第一信道矩阵;
所述终端基于所述每个小区对应的第一信道矩阵得到信道矩阵集合,所述目标信道矩阵为所述信道矩阵集合。
例如,终端在小区A和小区B各自匹配的第一频域资源分别进行信道估计,得到小区A对应的第一信道矩阵A和小区B对应的第一信道矩阵B,则目标信道矩阵也即包括第一信道矩阵A和第一信道矩阵B。
可选地,终端在基于目标信道矩阵进行AI模型的训练时,可以是遍历所述信道矩阵集合中所有的第一信道矩阵。
需要说明的是,终端对应的小区还可以是与时域资源匹配,每个小区匹配的时域资源可以是相同或者不同。
本申请实施例中,输入到AI模型的目标信道矩阵可以是经过预处理的,例如可以是将目标信道矩阵经过过采样处理后再输入AI模型,以对AI模型进行训练和/或更新。可选地,所述预处理方式可以是协议预定或网络侧设备配置,所述预处理方式还可以是与AI模型匹配,也即不同的AI模型可以是匹配不同或相同的预处理方式。
请参照图3,图3是本申请实施例提供的另一种AI模型处理方法的流程图,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发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
步骤302、所述网络侧设备基于所述目标信道矩阵对AI模型进行训练和/或更新。
本申请实施例中,终端在确定用于进行AI模型训练的第一频域资源后,则在所述第一频域资源进行信道估计,得到目标信道矩阵,并能够将所述目标信道矩阵发送给网络侧设备,网络侧设备基于接收到的所述目标信道矩阵对AI模型进行训练和/或更新。另外,终端也可以是基于所述目标信道矩阵来对终端侧的AI模型进行训练和/或更新。
这样,也就使得终端和/或网络侧设备能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,也即能够通过特定的频域资源来进行对AI模型的训练和/或更新,避免终端和/或网络侧设备对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对终端和/或网络侧设备的其他通信业务造成影响,确保终端和网络侧设备之间的通信性能。
可选地,所述网络侧设备接收终端发送的目标信道矩阵之前,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进行AI模型训练的第一频域资源。
可选地,所述第一指示信息还用于指示第一时域资源,所述目标信道矩阵为所述终端基于所述第一时域资源在所述第一频域资源进行信道估计获得的信道矩阵。
可选地,所述第一频域资源对应一个频域资源块,所述网络侧设备接收终端发送的目标信道矩阵之前,所述方法还包括:
所述网络侧设备向终端发送第一信令,所述终端用于基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得所述目标信道矩阵。
可选地,所述方法还包括:
所述网络侧设备接收终端上报的能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
可选地,所述方法还包括:
所述网络侧设备接收终端发送的第一请求;
所述网络侧设备基于所述第一请求向所述终端发送第一响应信号;
所述网络侧设备接收所述终端响应于所述第一响应信号发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分;
其中,终端基于所述目标信道矩阵对AI模型进行训练和/或更新,以获得所述训练和/或更新后的AI模型。
可选地,所述网络侧设备接收所述终端响应于所述第一响应信号发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分,包括:
所述网络侧设备向所述终端发送第二指示信息,所述第二指示信息用于指示第二频域资源;
所述网络侧设备接收所述终端通过所述第二频域资源对应的频域位置发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分。
可选地,所述方法还包括:
所述网络侧设备向所述终端发送第三指示信息;
其中,所述第三指示信息用于指示第一时刻,所述终端用于在所述第一时刻应用所述训练和/或更新后的AI模型。
可选地,所述网络侧设备接收终端发送的目标信道矩阵,包括:
所述网络侧设备接收终端发送的码本,所述码本为所述终端将所述目标信道矩阵进行映射得到。
可选地,所述方法还包括:
所述网络侧设备向所述终端指示第三频域资源,所述终端用于在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的AI模型进行更新。
可选地,所述第一频域资源与所述终端对应的小区匹配,在所述终端对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述方法还包括:
所述网络侧设备接收所述终端通过码分的方式发送的CSI-RS。
需要说明地,本申请实施例所提供的AI模型处理方法,执行主体为网络侧设备,与上述终端执行的AI模型处理方法相对应,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AI模型处理方法,执行主体可以为AI模型处理装置。本申请实施例中以AI模型处理装置执行AI模型处理方法为例,说明本申请实施例提供的AI模型处理装置。
请参照图4,图4是本申请实施例提供的一种AI模型处理装置的结构图,如图4所示,所述AI模型处理装置400包括:
确定模块401,用于确定用于进行AI模型训练的第一频域资源;
执行模块402,用于在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
可选地,所述确定模块401还用于:
接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示进行AI模型训练的第一频域资源;
基于所述第一指示信息确定所述第一频域资源。
可选地,所述第一指示信息还用于指示第一时域资源,所述执行模块402还用于:
基于所述第一时域资源在所述第一频域资源进行信道估计,获得目标信道矩阵。
可选地,在所述AI模型与目标频域资源的资源数量对应的情况下,所述执行模块402还用于执行如下至少一项:
在所述目标频域资源的资源数量小于或等于所述第一频域资源的资源数量的情况下,以所述目标频域资源为单位将所述第一频域资源划分为至少一个频域资源块,在所述至少一个频域资源块进行信道估计,获得目标信道矩阵;
在所述目标频域资源的资源数量大于所述第一频域资源的资源数量的情况下,在所述第一频域资源进行信道估计,获得第一信道矩阵,并基于所述第一信道矩阵确定第二信道矩阵,其中,所述目标信道矩阵包括所述第一信道矩阵和第二信道矩阵。
可选地,所述第一频域资源对应一个频域资源块,所述执行模块402还用于:
接收网络侧设备发送的第一信令;
基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得目标信道矩阵。
可选地,所述第一指示信息还用于指示第一时域资源,所述执行模块402还用于:
基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述装置基于所述第一指示信息确定在第一时域资源不需要基于所述频域资源块进行数据传输的情况下,基于所述第一时域资源在所述频域资源块进行信道估计,获得目标信道矩阵;
在所述装置基于所述第一指示信息确定在第二时域资源需要基于所述频域资源块进行数据传输的情况下,基于所述频域资源块进行数据传输,所述第二时域资源为除所述第一时域资源之外的时域资源。
可选地,所述装置还包括:
传输模块,用于在所述装置获取到优先级大于所述信道估计的优先级的目标业务的情况下,基于所述第一时域资源在所述频域资源块进行所述目标业务的数据传输。
可选地,所述装置还包括:
上报模块,用于向网络侧设备上报能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
可选地,所述装置还包括:
发送模块,用于向网络侧设备发送第一请求;
接收模块,用于接收所述网络侧设备响应于所述第一请求发送的第一响应信号;
所述发送模块还用于:基于所述第一响应信号,向所述网络侧设备发送训练和/或更新后的所述AI模型或者发送训练和/或更新后的所述AI模型中的适用于所述网络侧设备的模型部分。
可选地,所述接收模块还用于:
接收所述网络侧设备发送的第二指示信息,所述第二指示信息用于指示第二频域资源;
所述发送模块还用于:基于所述第一响应信号,在所述第二频域资源对应的频域位置向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分。
可选地,所述接收模块还用于:
接收所述网络侧设备发送的第三指示信息,所述第三指示信息用于指示第一时刻;
所述装置还包括应用模块,用于基于所述第三指示信息,在所述第一时刻应用训练和/或更新后的所述AI模型。
可选地,所述执行模块402还用于:
将所述目标信道矩阵映射为码本,向所述网络侧设备发送所述码本。
可选地,所述装置还用于:
在第三频域资源使用训练和/或更新后的所述AI模型。
可选地,所述装置还包括:
更新模块,用于在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的所述AI模型进行更新。
可选地,所述第三频域资源为网络侧设备指示的频域资源。
可选地,所述第一频域资源和所述第三频域资源覆盖整个载波带宽。
可选地,所述装置还用于:
以所述第一频域资源为单位将所述第三频域资源划分为至少一个频域资源块,在所述至少一个频域资源块使用训练和/或更新后的所述AI模型。
可选地,所述第一频域资源与所述装置对应的小区匹配。
可选地,在所述装置对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述装置还包括:
发送模块,用于通过码分的方式向所述网络侧设备发送CSI-RS。
可选地,在所述装置对应的每个小区匹配的所述第一频域资源不同的情况下,所述执行模块402还用于:
在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得目标信道矩阵。
可选地,所述执行模块402还用于:
在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得每个小区对应的第一信道矩阵;
基于所述每个小区对应的第一信道矩阵得到信道矩阵集合,所述目标信道矩阵为所述信道矩阵集合。
本申请实施例中,所述装置能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,也即能够通过特定的频域资源来进行对AI模型的训练和/或更新,避免所述装置对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对所述装置的其他通信业务造成影响,确保所述装置和网络侧设备之间的通信性能。
本申请实施例中的AI模型处理装置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AI模型处理装置400能够实现图2所述方法实施例中终端实现的各个过程,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AI模型处理装置的结构图,如图5所示,所述AI模型处理装置500包括:
接收模块501,用于接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
处理模块502,用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
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进行AI模型训练的第一频域资源。
可选地,所述第一指示信息还用于指示第一时域资源,所述目标信道矩阵为所述终端基于所述第一时域资源在所述第一频域资源进行信道估计获得的信道矩阵。
可选地,所述第一频域资源对应一个频域资源块,所述装置还包括:
发送模块,用于向终端发送第一信令,所述终端用于基于所述第一信令激活所述装置配置的所述频域资源块,并在所述频域资源块进行信道估计,获得所述目标信道矩阵。
可选地,所述接收模块501还用于:
接收终端上报的能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
可选地,所述接收模块501还用于:接收终端发送的第一请求;
所述装置还包括发送模块,用于基于所述第一请求向所述终端发送第一响应信号;
所述接收模块501还用于:接收所述终端响应于所述第一响应信号发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分;
其中,终端基于所述目标信道矩阵对AI模型进行训练和/或更新,以获得所述训练和/或更新后的AI模型。
可选地,所述装置还包括:
发送模块,用于向所述终端发送第二指示信息,所述第二指示信息用于指示第二频域资源;
所述接收模块501还用于:接收所述终端通过所述第二频域资源对应的频域位置发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分。
可选地,发送模块还用于:
向所述终端发送第三指示信息;
其中,所述第三指示信息用于指示第一时刻,所述终端用于在所述第一时刻应用所述训练和/或更新后的AI模型。
可选地,所述接收模块501还用于:
接收终端发送的码本,所述码本为所述终端将所述目标信道矩阵进行映射得到。
可选地,所述装置还包括:
指示模块,用于向所述终端指示第三频域资源,所述终端用于在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的AI模型进行更新。
可选地,所述第一频域资源与所述终端对应的小区匹配,在所述终端对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述接收模块501还用于:
接收所述终端通过码分的方式发送的CSI-RS。
本申请实施例中,终端能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,并将目标信道矩阵发送给所述装置,进而所述装置基于目标信道矩阵来进行对AI模型的训练和/或更新,避免所述装置对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对所述装置的其他通信业务造成影响。
本申请实施例提供的AI模型处理装置500能够实现图3所述方法实施例中网络侧设备实现的各个过程,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,处理器用于确定用于进行AI模型训练的第一频域资源,以及用于在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:基于所述目标信道矩阵对AI模型进行训练和/或更新;向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。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:
确定用于进行AI模型训练的第一频域资源;
在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
本申请实施例中,终端能够基于特定的第一频域资源来进行信道估计得到目标信道矩阵,也即能够通过特定的频域资源来进行对AI模型的训练和/或更新,避免终端对于AI模型的训练和/或更新会占用过多的频域资源,也就能够避免对终端的其他通信业务造成影响,确保终端和网络侧设备之间的通信性能。
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发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;所述处理器用于基于所述目标信道矩阵对AI模型进行训练和/或更新。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所述的方法的步骤,所述网络侧设备可用于执行如上图3所述的方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (37)
1.一种人工智能AI模型处理方法,其特征在于,包括:
终端确定用于进行AI模型训练的第一频域资源;
所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
2.根据权利要求1所述的方法,其特征在于,所述终端确定用于进行AI模型训练的第一频域资源,包括:
终端接收网络侧设备发送的第一指示信息,所述第一指示信息用于指示进行AI模型训练的第一频域资源;
所述终端基于所述第一指示信息确定所述第一频域资源。
3.根据权利要求2所述的方法,其特征在于,所述第一指示信息还用于指示第一时域资源,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端基于所述第一时域资源在所述第一频域资源进行信道估计,获得目标信道矩阵。
4.根据权利要求1所述的方法,其特征在于,在所述AI模型与目标频域资源的资源数量对应的情况下,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括如下至少一项:
在所述目标频域资源的资源数量小于或等于所述第一频域资源的资源数量的情况下,所述终端以所述目标频域资源为单位将所述第一频域资源划分为至少一个频域资源块,所述终端在所述至少一个频域资源块进行信道估计,获得目标信道矩阵;
在所述目标频域资源的资源数量大于所述第一频域资源的资源数量的情况下,所述终端在所述第一频域资源进行信道估计,获得第一信道矩阵,并基于所述第一信道矩阵确定第二信道矩阵,其中,所述目标信道矩阵包括所述第一信道矩阵和第二信道矩阵。
5.根据权利要求2所述的方法,其特征在于,所述第一频域资源对应一个频域资源块,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端接收网络侧设备发送的第一信令;
所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得目标信道矩阵。
6.根据权利要求5所述的方法,其特征在于,所述第一指示信息还用于指示第一时域资源,所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得目标信道矩阵,包括:
所述终端基于所述第一信令激活网络侧设备配置的所述频域资源块,在所述终端基于所述第一指示信息确定在第一时域资源不需要基于所述频域资源块进行数据传输的情况下,所述终端基于所述第一时域资源在所述频域资源块进行信道估计,获得目标信道矩阵;
所述方法还包括:
在所述终端基于所述第一指示信息确定在第二时域资源需要基于所述频域资源块进行数据传输的情况下,所述终端基于所述频域资源块进行数据传输,所述第二时域资源为除所述第一时域资源之外的时域资源。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在所述终端获取到优先级大于所述信道估计的优先级的目标业务的情况下,所述终端基于所述第一时域资源在所述频域资源块进行所述目标业务的数据传输。
8.根据权利要求5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上报能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
9.根据权利要求1所述的方法,其特征在于,在所述终端基于所述目标信道矩阵对所述AI模型进行训练和/或更新之后,所述方法还包括:
所述终端向网络侧设备发送第一请求;
所述终端接收所述网络侧设备响应于所述第一请求发送的第一响应信号;
所述终端基于所述第一响应信号,向所述网络侧设备发送训练和/或更新后的所述AI模型或者发送训练和/或更新后的所述AI模型中的适用于所述网络侧设备的模型部分。
10.根据权利要求9所述的方法,其特征在于,所述终端基于所述第一响应信号,向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分,包括:
所述终端接收所述网络侧设备发送的第二指示信息,所述第二指示信息用于指示第二频域资源;
所述终端基于所述第一响应信号,在所述第二频域资源对应的频域位置向所述网络侧设备发送所述AI模型或者发送所述AI模型中的适用于所述网络侧设备的模型部分。
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:
所述终端接收所述网络侧设备发送的第三指示信息,所述第三指示信息用于指示第一时刻;
所述终端基于所述第三指示信息,在所述第一时刻应用训练和/或更新后的所述AI模型。
12.根据权利要求1所述的方法,其特征在于,所述向所述网络侧设备发送所述目标信道矩阵,包括:
所述终端将所述目标信道矩阵映射为码本,向所述网络侧设备发送所述码本。
13.根据权利要求1所述的方法,其特征在于,在所述终端基于所述目标信道矩阵对所述AI模型进行训练和/或更新之后,所述方法还包括:
所述终端在第三频域资源使用训练和/或更新后的所述AI模型。
14.根据权利要求13所述的方法,其特征在于,所述方法还包括:
所述终端在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的所述AI模型进行更新。
15.根据权利要求14所述的方法,其特征在于,所述第三频域资源为网络侧设备指示的频域资源。
16.根据权利要求13所述的方法,其特征在于,所述第一频域资源和所述第三频域资源覆盖整个载波带宽。
17.根据权利要求13所述的方法,其特征在于,所述终端在第三频域资源使用训练和/或更新后的所述AI模型,包括:
所述终端以所述第一频域资源为单位将所述第三频域资源划分为至少一个频域资源块,所述终端在所述至少一个频域资源块使用训练和/或更新后的所述AI模型。
18.根据权利要求1所述的方法,其特征在于,所述第一频域资源与所述终端对应的小区匹配。
19.根据权利要求18所述的方法,其特征在于,在所述终端对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述方法还包括:
所述终端通过码分的方式向所述网络侧设备发送信道状态信息参考信号CSI-RS。
20.根据权利要求18所述的方法,其特征在于,在所述终端对应的每个小区匹配的所述第一频域资源不同的情况下,所述终端在所述第一频域资源进行信道估计,获得目标信道矩阵,包括:
所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得目标信道矩阵。
21.根据权利要求18所述的方法,其特征在于,所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得目标信道矩阵,包括:
所述终端在所述每个小区匹配的所述第一频域资源分别进行信道估计,获得每个小区对应的第一信道矩阵;
所述终端基于所述每个小区对应的第一信道矩阵得到信道矩阵集合,所述目标信道矩阵为所述信道矩阵集合。
22.一种AI模型处理方法,其特征在于,包括:
网络侧设备接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
所述网络侧设备基于所述目标信道矩阵对AI模型进行训练和/或更新。
23.根据权利要求22所述的方法,其特征在于,所述网络侧设备接收终端发送的目标信道矩阵之前,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进行AI模型训练的第一频域资源。
24.根据权利要求23所述的方法,其特征在于,所述第一指示信息还用于指示第一时域资源,所述目标信道矩阵为所述终端基于所述第一时域资源在所述第一频域资源进行信道估计获得的信道矩阵。
25.根据权利要求22所述的方法,其特征在于,所述第一频域资源对应一个频域资源块,所述网络侧设备接收终端发送的目标信道矩阵之前,所述方法还包括:
所述网络侧设备向终端发送第一信令,所述终端用于基于所述第一信令激活网络侧设备配置的所述频域资源块,并在所述频域资源块进行信道估计,获得所述目标信道矩阵。
26.根据权利要求25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能够同时进行信道估计的所述频域资源块的数量以及所述频域资源块的大小。
27.根据权利要求22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发送的第一请求;
所述网络侧设备基于所述第一请求向所述终端发送第一响应信号;
所述网络侧设备接收所述终端响应于所述第一响应信号发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分;
其中,终端基于所述目标信道矩阵对AI模型进行训练和/或更新,以获得所述训练和/或更新后的AI模型。
28.根据权利要求27所述的方法,其特征在于,所述网络侧设备接收所述终端响应于所述第一响应信号发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分,包括:
所述网络侧设备向所述终端发送第二指示信息,所述第二指示信息用于指示第二频域资源;
所述网络侧设备接收所述终端通过所述第二频域资源对应的频域位置发送的训练和/或更新后的AI模型或者发送训练和/或更新后的AI模型中的适用于所述网络侧设备的模型部分。
29.根据权利要求27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第三指示信息;
其中,所述第三指示信息用于指示第一时刻,所述终端用于在所述第一时刻应用所述训练和/或更新后的AI模型。
30.根据权利要求22所述的方法,其特征在于,所述网络侧设备接收终端发送的目标信道矩阵,包括:
所述网络侧设备接收终端发送的码本,所述码本为所述终端将所述目标信道矩阵进行映射得到。
31.根据权利要求22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指示第三频域资源,所述终端用于在所述第三频域资源进行信道估计,获得信道矩阵,并基于获得的信道矩阵对训练或更新后的AI模型进行更新。
32.根据权利要求22所述的方法,其特征在于,所述第一频域资源与所述终端对应的小区匹配,在所述终端对应的至少两个小区匹配的所述第一频域资源相同的情况下,所述方法还包括:
所述网络侧设备接收所述终端通过码分的方式发送的CSI-RS。
33.一种AI模型处理装置,其特征在于,包括:
确定模块,用于确定用于进行AI模型训练的第一频域资源;
执行模块,用于在所述第一频域资源进行信道估计,获得目标信道矩阵,并执行如下至少一项:
基于所述目标信道矩阵对AI模型进行训练和/或更新;
向网络侧设备发送所述目标信道矩阵,所述网络侧设备用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
34.一种AI模型处理装置,其特征在于,包括:
接收模块,用于接收终端发送的目标信道矩阵,其中,所述目标信道矩阵为终端在第一频域资源进行信道估计获得的信道矩阵;
处理模块,用于基于所述目标信道矩阵对AI模型进行训练和/或更新。
35.一种终端,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-21中任一项所述的AI模型处理方法的步骤。
36.一种网络侧设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求22-32中任一项所述的AI模型处理方法的步骤。
37.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1-21中任一项所述的AI模型处理方法的步骤,或者实现如权利要求22-32中任一项所述的AI模型处理方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800718.3A CN117411746A (zh) | 2022-07-06 | 2022-07-06 | Ai模型处理方法、装置、终端及网络侧设备 |
PCT/CN2023/103909 WO2024007949A1 (zh) | 2022-07-06 | 2023-06-29 | Ai模型处理方法、装置、终端及网络侧设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210800718.3A CN117411746A (zh) | 2022-07-06 | 2022-07-06 | Ai模型处理方法、装置、终端及网络侧设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117411746A true CN117411746A (zh) | 2024-01-16 |
Family
ID=89454257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210800718.3A Pending CN117411746A (zh) | 2022-07-06 | 2022-07-06 | Ai模型处理方法、装置、终端及网络侧设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117411746A (zh) |
WO (1) | WO2024007949A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014039056A1 (en) * | 2012-09-10 | 2014-03-13 | Nokia Siemens Networks Oy | Codebook construction using csi feedback for evolving deployment scenarios |
CN103685093B (zh) * | 2013-11-18 | 2017-02-01 | 北京邮电大学 | 一种显式反馈方法及设备 |
US11838782B2 (en) * | 2020-01-31 | 2023-12-05 | Qualcomm Incorporated | Measurements on a first band applicable to procedures on a second band |
CN114079599B (zh) * | 2020-08-20 | 2024-04-05 | 展讯通信(上海)有限公司 | Pdsch的信道估计方法、系统及ue |
CN112737985B (zh) * | 2020-12-25 | 2023-04-07 | 东南大学 | 基于深度学习的大规模mimo信道联合估计和反馈方法 |
-
2022
- 2022-07-06 CN CN202210800718.3A patent/CN117411746A/zh active Pending
-
2023
- 2023-06-29 WO PCT/CN2023/103909 patent/WO2024007949A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024007949A1 (zh) | 2024-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023246618A1 (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
CN117411746A (zh) | Ai模型处理方法、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 | |
WO2023179460A1 (zh) | 信道特征信息传输方法、装置、终端及网络侧设备 | |
WO2024093999A1 (zh) | 信道信息的上报和接收方法、终端及网络侧设备 | |
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 | |
WO2024037380A1 (zh) | 信道信息处理方法、装置、通信设备及存储介质 | |
WO2024088161A1 (zh) | 信息传输方法、信息处理方法、装置和通信设备 | |
CN116828499A (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 | |
CN117318773A (zh) | 信道矩阵处理方法、装置、终端及网络侧设备 | |
CN117014044A (zh) | 信道信息反馈方法、终端及网络侧设备 | |
CN116684225A (zh) | 多普勒信息上报方法、终端及网络侧设备 | |
CN117176216A (zh) | 信道状态信息csi的传输方法、装置及终端 | |
CN116436568A (zh) | 信道状态信息csi反馈方法、装置、终端及网络侧设备 | |
CN117715075A (zh) | Cqi传输方法、装置、终端及网络侧设备 | |
CN118264290A (zh) | 信道特征信息反馈方法、接收方法、终端及网络侧设备 | |
CN117978217A (zh) | 信息指示方法、装置、终端、网络侧设备及可读存储介质 | |
CN117676669A (zh) | 传输参数的确定方法及设备 | |
CN117715106A (zh) | 信息传输方法、ai网络模型训练方法、装置和通信设备 | |
CN116614162A (zh) | 预编码指示方法、装置、通信设备、系统及存储介质 | |
CN118264289A (zh) | 基于ai模型的csi反馈方法、终端及网络侧设备 | |
CN116938301A (zh) | 信息传输方法、装置、终端及网络侧设备 | |
CN117177217A (zh) | 波束信息传输方法及相关设备 |
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 |