CN117440311A - 由第一节点执行的方法及相关设备 - Google Patents

由第一节点执行的方法及相关设备 Download PDF

Info

Publication number
CN117440311A
CN117440311A CN202210834167.2A CN202210834167A CN117440311A CN 117440311 A CN117440311 A CN 117440311A CN 202210834167 A CN202210834167 A CN 202210834167A CN 117440311 A CN117440311 A CN 117440311A
Authority
CN
China
Prior art keywords
information
positioning
model
input information
type
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
CN202210834167.2A
Other languages
English (en)
Inventor
熊琦
赵龙海
孙霏菲
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Priority to CN202210834167.2A priority Critical patent/CN117440311A/zh
Priority to PCT/KR2023/010092 priority patent/WO2024014921A1/en
Publication of CN117440311A publication Critical patent/CN117440311A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/011—Identifying the radio environment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0268—Hybrid positioning by deriving positions from different combinations of signals or of estimated positions in a single positioning system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请实施例提供了一种由第一节点执行的方法及相关设备，涉及人工智能技术领域。其中，由第一节点执行的方法包括：获取定位方法或模型的相关信息；基于定位方法或模型的相关信息，获取定位信息。该方法的实施可以实现在实际信道条件中进行准确定位。同时，由电子设备执行的上述方法可以使用人工智能模型来执行。

Description

由第一节点执行的方法及相关设备
技术领域
本申请涉及人工智能技术领域，具体而言，本申请涉及一种由第一节点执行的方法及相关设备。
背景技术
为了满足自4G通信系统的部署以来增加的对无线数据通信业务的需求，已经努力开发改进的5G或准5G通信系统。因此，5G或准5G通信系统也被称为“超4G网络”或“后LTE系统”。
5G通信系统是在更高频率(毫米波，mmWave)频带，例如60GHz频带，中实施的，以实现更高的数据速率。为了减少无线电波的传播损耗并增加传输距离，在5G通信系统中讨论波束成形、大规模多输入多输出(MIMO)、全维MIMO(FD-MIMO)、阵列天线、模拟波束成形、大规模天线技术。
此外，在5G通信系统中，基于先进的小小区、云无线接入网(RAN)、超密集网络、设备到设备(D2D)通信、无线回程、移动网络、协作通信、协作多点(CoMP)、接收端干扰消除等，正在进行对系统网络改进的开发。
在5G系统中，已经开发作为高级编码调制(ACM)的混合FSK和QAM调制(FQAM)和滑动窗口叠加编码(SWSC)、以及作为高级接入技术的滤波器组多载波(FBMC)、非正交多址(NOMA)和稀疏码多址(SCMA)。
发明内容
本申请实施例提供了一种由第一节点执行的方法及相关设备，可以解决相关技术中的至少一项技术问题。所述技术方案如下：
根据本申请实施例的一个方面，提供了一种由第一节点执行的方法，包括：
获取定位方法或模型的相关信息；
基于定位方法或模型的相关信息，获取定位信息。
在一实施例中，关于定位方法或模型的相关信息包括如下中的至少一个：
所述方法或模型的组成相关信息；
所述方法或模型的类型相关信息；
方法或模型参数相关信息；
数据集合相关信息。
在一实施例中，所述定位信息包括如下中的至少一个：
位置信息；
位置信息计算有关的信息；
信号到达时间；
到达角度；
离开角度。
在一实施例中，还包括：
获取输入信息，所述输入信息包括数据集合相关信息；
所述获取定位信息包括：
基于所述输入信息，获取定位信息；
其中，所述输入信息通过如下方式中的至少一种获取：
接收和/或测量第一信号获取输入信息；
从第二节点接收所述输入信息。
在一实施例中，还包括：
接收由第二节点发送的与定位相关的请求；或者
接收高层发送的与定位相关的请求；
获取定位信息包括：基于所述请求获取定位信息。
在一实施例中，获取定位信息包括：
在满足下述至少一项触发条件时，获取定位信息：
测量的第一信号的参考信号接收功率值不大于第一门限值；
测量的第一信号的路径损耗不小于第二门限值；
定位方法或者模型处于有效状态；
当触发条件发生不小于N次时。
在一实施例中，所述第一信号包括定位参考信号、探测参考信号、同步信号块的参考信号和信道状态信息的参考信号中的至少一项。
在一实施例中，还包括：
接收激活所述定位方法或模型的信令。
在一实施例中，所述信令包括以下至少一项：LTE定位协议消息LPPA、无线资源控制配置消息、媒体访问控制控制元素、下行链路控制信息、物理上行链路控制信道、物理随机接入信道。
在一实施例中，数据集合相关信息包括个数相关信息，所述个数相关信息包括如下中的至少一个：
基于第三门限值的信道冲激响应的个数；
到达时间上的前N个和/或功率最大的前N个信道冲激响应。
在一实施例中，方法或模型参数相关信息包括以下至少一项：
用于确定初始的权重参数和/或偏置参数的概率分布；
权重参数配置和/或偏置参数配置；
用于得到或者更新权重参数和/或偏置参数的训练优化算法和/或损失函数和/或迭代次数和/或学习率。
在一实施例中，还包括：
确定定位方法或模型的有效性；
若有效，则获取定位信息。
在一实施例中，所述确定定位方法或模型的有效性包括：
获取第一数据；
若定位方法或模型基于所述第一数据中的输入信息得到的输出信息满足以下任一项预设的条件，则确定定位方法或模型有效：
输出信息与第一数据中的输出信息的差值不大于测试门限值；
输出信息所对应的模型性能优于测试数据中的输出信息所对应的模型性能。
在一实施例中，还包括以下至少一项：
基于预设事件、计数信息和/或计时信息，触发更新定位方法或模型的相关信息；
基于预设事件、计数信息和/或计时信息，触发恢复定位方法或模型的相关信息；
基于预设事件、计数信息和/或计时信息，终止使用定位方法或模型的相关信息；
其中，所述预设事件包括以下至少一项：所述定位方法或模型的输出信息不满足要求的门限值；用于所述定位方法或模型的输入信息的数目和/或类型不满足所需要的门限值；
所述计时信息包括以下至少一项：确定使用所述定位方法或模型时的启动时间，与所述预设事件对应的启动时间，所述预设事件对应的终止时间；
所述计数信息包括以下至少一项：与所述预设事件相应的初始数值，与预设事件发生相应的累计数值。
在一实施例中，所述基于所述输入信息，获取定位信息包括以下至少一项：
基于输入信息对应的第一噪声值，确定输入信息是否需要进行去噪处理；若是，则通过定位方法或模型的第一模块处理所述输入信息得到第一去噪信息，并通过定位方法或模型的第二模块处理所述第一去噪信息获取定位信息；若否，则通过所述第二模块处理所述输入信息获取定位信息；
基于输入信息对应的信道冲击响应值，确定输入信息是否需要进行修复处理；若是，通过定位方法或模型的第一模块处理所述输入信息得到第一修复信息，并通过定位方法或模型的第二模块处理所述第一修复信息获取定位信息；若否，通过所述第二模块处理所述输入信息获取定位信息。
在一实施例中，基于输入信息对应的第一噪声值，确定输入信息是否需要进行去噪处理，包括：
将输入信息对应的第一噪声值与第一噪声门限值比对，确定输入信息是否需要进行去噪处理。
在一实施例中，基于输入信息对应的信道冲击响应，确定输入信息是否需要进行修复处理，包括：
将输入信息对应的信道冲击响应CIR值与第一CIR门限值比对，得到有效CIR值；
将有效CIR值的个数与第一CIR个数门限值比对，确定输入信息是否需要进行修复处理。
在一实施例中，第一噪声值包括下述至少一项：RSRP，SNR，CIR幅度值，CIR的到达时间值。
在一实施例中，第一节点包括以下其中一项：用户设备UE、用于UE定位和定位辅助数据下发的定位管理实体、广播定位辅助数据及进行上行定位测量的基站或发射接收点、用于下行定位测量的UE；
第二节点包括以下其中一项：发起定位请求的用户设备UE、用于UE定位和定位辅助数据下发的定位管理实体、广播定位辅助数据及进行上行定位测量的基站或发射接收点、用于下行定位测量的UE。
根据本申请实施例的另一个方面，提供了一种由第一节点执行的装置，该装置包括：
第一获取模块，用于获取定位方法或模型的相关信息；
第二获取模块，用于基于定位方法或模型的相关信息，获取定位信息。
根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括：
收发器；
控制器，与所述收发器耦接并被配置为执行由第一节点执行的方法。
根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，所述计算机存储介质用于存储计算机指令，当所述计算机指令在计算机上运行时，使得计算机可以执行上述由第一节点执行的方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现上述由第一节点执行的方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例提供一种由第一节点执行的方法，具体地，在获取到定位方法或模型的相关信息后，可以基于定位方法或模型的相关信息获取定位信息。本申请的实施使用了AL/ML技术，可以针对在特定场景下获取的定位方法或模型的相关信息，进行定位信息的获取，除了能够在比较“恶劣”(例如非视距的环境中)的情况下，还可以在信道条件不佳(例如信道信息的不准确等)的情况下进行与定位相关的操作，如获取定位信息、基于定位信息执行后续的定位操作等。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1示出了根据本申请的各种实施例的示例无线网络；
图2a示出了根据本申请的示例无线发送路径
图2b示出了根据本申请的示例无线接收路径；
图3a示出了根据本申请的示例用户设备；
图3b示出了根据本申请的示例基站；
图4示出了根据本申请实施例的用于执行用于定位信号的接收测量方法的用户设备的框图；
图5示出了本申请提供的一种由第一节点执行的方法的流程示意图；
图6示出了本申请提供的一种定位方法或定位模型的处理流程示意图；
图7示出了本申请提供的一种由第一节点执行的装置的结构示意图；
图8示出了本申请提供的一种电子设备的结构示意图。
具体实施方式
提供下列参考附图的描述以有助于对通过权利要求及其等效物定义的本申请的各种实施例的全面理解。本描述包括各种具体细节以有助于理解但是仅应当被认为是示例性的。因此，本领域普通技术人员将认识到，能够对这里描述的各种实施例进行各种改变和修改而不脱离本申请的范围与精神。此外，为了清楚和简明起见，可以略去对公知功能与结构的描述。
在下面说明书和权利要求书中使用的术语和措词不局限于它们的词典意义，而是仅仅由发明人用于使得能够对于本申请清楚和一致的理解。因此，对本领域技术人员来说应当明显的是，提供以下对本申请的各种实施例的描述仅用于图示的目的而非限制如所附权利要求及其等效物所定义的本申请的目的。
应当理解，单数形式的“一”、“一个”和“该”包括复数指代，除非上下文清楚地指示不是如此。因此，例如，对“部件表面”的指代包括指代一个或多个这样的表面。
术语“包括”或“可以包括”指的是可以在本申请的各种实施例中使用的相应公开的功能、操作或组件的存在，而不是限制一个或多个附加功能、操作或特征的存在。此外，术语“包括”或“具有”可以被解释为表示某些特性、数字、步骤、操作、构成元件、组件或其组合，但是不应被解释为排除一个或多个其它特性、数字、步骤、操作、构成元件、组件或其组合的存在可能性。
在本申请的各种实施例中使用的术语“或”包括任意所列术语及其所有组合。例如，“A或B”可以包括A、可以包括B、或者可以包括A和B二者。
除非不同地定义，本申请使用的所有术语(包括技术术语或科学术语)具有本申请所述的本领域技术人员理解的相同含义。如在词典中定义的通常术语被解释为具有与在相关技术领域中的上下文一致的含义，而且不应理想化地或过分形式化地对其进行解释，除非本申请中明确地如此定义。
本申请实施例的技术方案可以应用于各种通信系统，例如：全球移动通信(globalsystem for mobile communications，GSM)系统、码分多址(code division multipleaccess，CDMA)系统、宽带码分多址(wideband code division multiple access，WCDMA)系统、通用分组无线业务(general packet radio service，GPRS)、长期演进(long termevolution，LTE)系统、LTE频分双工(frequency division duplex，FDD)系统、LTE时分双工(time division duplex，TDD)、通用移动通信系统(universal mobiletelecommunication system，UMTS)、全球互联微波接入(worldwide interoperabilityfor microwave access，WiMAX)通信系统、第五代(5th generation，5G)系统或新无线(newradio，NR)等。此外，本申请实施例的技术方案可以应用于面向未来的通信技术。
图1示出了根据本申请的各种实施例的示例无线网络100。图1中所示的无线网络100的实施例仅用于说明。能够使用无线网络100的其他实施例而不脱离本申请的范围。
无线网络100包括gNodeB(gNB)101、gNB 102和gNB 103。gNB 101与gNB 102和gNB103通信。gNB 101还与至少一个互联网协议(IP)网络130(诸如互联网、专有IP网络或其他数据网络)通信。
取决于网络类型，能够取代“gNodeB”或“gNB”而使用其他众所周知的术语，诸如“基站”或“接入点”。为方便起见，术语“gNodeB”和“gNB”在本专利文件中用来指代为远程终端提供无线接入的网络基础设施组件。并且，取决于网络类型，能够取代“用户设备”或“UE”而使用其他众所周知的术语，诸如“移动台”、“用户台”、“远程终端”、“无线终端”或“用户装置”。为了方便起见，术语“用户设备”和“UE”在本专利文件中用来指代无线接入gNB的远程无线设备，无论UE是移动设备(诸如，移动电话或智能电话)还是通常所认为的固定设备(诸如桌上型计算机或自动售货机)。
gNB 102为gNB 102的覆盖区域120内的第一多个用户设备(UE)提供对网络130的无线宽带接入。第一多个UE包括：UE 111，可以位于小型企业(SB)中；UE 112，可以位于企业(E)中；UE 113，可以位于WiFi热点(HS)中；UE 114，可以位于第一住宅(R)中；UE 115，可以位于第二住宅(R)中；UE 116，可以是移动设备(M)，如蜂窝电话、无线膝上型计算机、无线PDA等。gNB 103为gNB 103的覆盖区域125内的第二多个UE提供对网络130的无线宽带接入。第二多个UE包括UE 115和UE 116。在一些实施例中，gNB 101-103中的一个或多个能够使用5G、长期演进(LTE)、LTE-A、WiMAX或其他高级无线通信技术彼此通信以及与UE 111-116通信。
虚线示出覆盖区域120和125的近似范围，所述范围被示出为近似圆形仅仅是出于说明和解释的目的。应该清楚地理解，与gNB相关联的覆盖区域，诸如覆盖区域120和125，能够取决于gNB的配置和与自然障碍物和人造障碍物相关联的无线电环境的变化而具有其他形状，包括不规则形状。
如下面更详细描述的，gNB 101、gNB 102和gNB 103中的一个或多个包括如本申请的实施例中所描述的2D天线阵列。在一些实施例中，gNB 101、gNB 102和gNB 103中的一个或多个支持用于具有2D天线阵列的系统的码本设计和结构。
尽管图1示出了无线网络100的一个示例，但是能够对图1进行各种改变。例如，无线网络100能够包括任何合适布置的任何数量的gNB和任何数量的UE。并且，gNB 101能够与任何数量的UE直接通信，并且向那些UE提供对网络130的无线宽带接入。类似地，每个gNB102-103能够与网络130直接通信并且向UE提供对网络130的直接无线宽带接入。此外，gNB101、102和/或103能够提供对其他或附加外部网络(诸如外部电话网络或其他类型的数据网络)的接入。
图2a和图2b示出了根据本申请的示例无线发送和接收路径。在以下描述中，发送路径200能够被描述为在gNB(诸如gNB 102)中实施，而接收路径250能够被描述为在UE(诸如UE 116)中实施。然而，应该理解，接收路径250能够在gNB中实施，并且发送路径200能够在UE中实施。在一些实施例中，接收路径250被配置为支持用于具有如本申请的实施例中所描述的2D天线阵列的系统的码本设计和结构。
发送路径200包括信道编码和调制块205、串行到并行(S到P)块210、N点快速傅里叶逆变换(IFFT)块215、并行到串行(P到S)块220、添加循环前缀块225、和上变频器(UC)230。接收路径250包括下变频器(DC)255、移除循环前缀块260、串行到并行(S到P)块265、N点快速傅立叶变换(FFT)块270、并行到串行(P到S)块275、以及信道解码和解调块280。
在发送路径200中，信道编码和调制块205接收一组信息比特，应用编码(诸如低密度奇偶校验(LDPC)编码)，并调制输入比特(诸如利用正交相移键控(QPSK)或正交幅度调制(QAM))以生成频域调制符号的序列。串行到并行(S到P)块210将串行调制符号转换(诸如，解复用)为并行数据，以便生成N个并行符号流，其中N是在gNB 102和UE 116中使用的IFFT/FFT点数。N点IFFT块215对N个并行符号流执行IFFT运算以生成时域输出信号。并行到串行块220转换(诸如复用)来自N点IFFT块215的并行时域输出符号，以便生成串行时域信号。添加循环前缀块225将循环前缀插入时域信号。上变频器230将添加循环前缀块225的输出调制(诸如上变频)为RF频率，以经由无线信道进行传输。在变频到RF频率之前，还能够在基带处对信号进行滤波。
从gNB 102发送的RF信号在经过无线信道之后到达UE 116，并且在UE116处执行与gNB 102处的操作相反的操作。下变频器255将接收信号下变频为基带频率，并且移除循环前缀块260移除循环前缀以生成串行时域基带信号。串行到并行块265将时域基带信号转换为并行时域信号。N点FFT块270执行FFT算法以生成N个并行频域信号。并行到串行块275将并行频域信号转换为调制数据符号的序列。信道解码和解调块280对调制符号进行解调和解码，以恢复原始输入数据流。
gNB 101-103中的每一个可以实施类似于在下行链路中向UE 111-116进行发送的发送路径200，并且可以实施类似于在上行链路中从UE 111-116进行接收的接收路径250。类似地，UE 111-116中的每一个可以实施用于在上行链路中向gNB 101-103进行发送的发送路径200，并且可以实施用于在下行链路中从gNB 101-103进行接收的接收路径250。
图2a和图2b中的组件中的每一个能够仅使用硬件来实施，或使用硬件和软件/固件的组合来实施。作为特定示例，图2a和图2b中的组件中的至少一些可以用软件实施，而其他组件可以通过可配置硬件或软件和可配置硬件的混合来实施。例如，FFT块270和IFFT块215可以实施为可配置的软件算法，其中可以根据实施方式来修改点数N的值。
此外，尽管描述为使用FFT和IFFT，但这仅是说明性的，并且不应解释为限制本申请的范围。能够使用其他类型的变换，诸如离散傅立叶变换(DFT)和离散傅里叶逆变换(IDFT)函数。应当理解，对于DFT和IDFT函数而言，变量N的值可以是任何整数(诸如1、2、3、4等)，而对于FFT和IFFT函数而言，变量N的值可以是作为2的幂的任何整数(诸如1、2、4、8、16等)。
尽管图2a和图2b示出了无线发送和接收路径的示例，但是可以对图2a和图2b进行各种改变。例如，图2a和图2b中的各种组件能够被组合、进一步细分或省略，并且能够根据特定需要添加附加组件。而且，图2a和图2b旨在示出能够在无线网络中使用的发送和接收路径的类型的示例。任何其他合适的架构能够用于支持无线网络中的无线通信。
图3a示出了根据本申请的示例UE 116。图3a中示出的UE 116的实施例仅用于说明，并且图1的UE 111-115能够具有相同或相似的配置。然而，UE具有各种各样的配置，并且图3a不将本申请的范围限制于UE的任何特定实施方式。
UE 116包括天线305、射频(RF)收发器310、发送(TX)处理电路315、麦克风320和接收(RX)处理电路325。UE 116还包括扬声器330、处理器/控制器340、输入/输出(I/O)接口345、(多个)输入设备350、显示器355和存储器360。存储器360包括操作系统(OS)361和一个或多个应用362。
RF收发器310从天线305接收由无线网络100的gNB发送的传入RF信号。RF收发器310将传入RF信号进行下变频以生成中频(IF)或基带信号。IF或基带信号被发送到RX处理电路325，其中RX处理电路325通过对基带或IF信号进行滤波、解码和/或数字化来生成经处理的基带信号。RX处理电路325将经处理的基带信号发送到扬声器330(诸如对于语音数据)或发送到处理器/控制器340(诸如对于网络浏览数据)以进行进一步处理。
TX处理电路315从麦克风320接收模拟或数字语音数据，或从处理器/控制器340接收其他传出基带数据(诸如网络数据、电子邮件或交互式视频游戏数据)。TX处理电路315编码、复用、和/或数字化传出基带数据以生成经处理的基带或IF信号。RF收发器310从TX处理电路315接收传出的经处理的基带或IF信号，并将所述基带或IF信号上变频为经由天线305发送的RF信号。
处理器/控制器340能够包括一个或多个处理器或其他处理设备，并执行存储在存储器360中的OS 361，以便控制UE 116的总体操作。例如，处理器/控制器340能够根据公知原理通过RF收发器310、RX处理电路325和TX处理电路315来控制正向信道信号的接收和反向信道信号的发送。在一些实施例中，处理器/控制器340包括至少一个微处理器或微控制器。
处理器/控制器340还能够执行驻留在存储器360中的其他过程和程序，诸如用于具有如本申请的实施例中描述的2D天线阵列的系统的信道质量测量和报告的操作。处理器/控制器340能够根据执行过程的需要将数据移入或移出存储器360。在一些实施例中，处理器/控制器340被配置为基于OS 361或响应于从gNB或运营商接收的信号来执行应用362。处理器/控制器340还耦合到I/O接口345，其中I/O接口345为UE 116提供连接到诸如膝上型计算机和手持计算机的其他设备的能力。I/O接口345是这些附件和处理器/控制器340之间的通信路径。
处理器/控制器340还耦合到(多个)输入设备350和显示器355。UE 116的操作者能够使用(多个)输入设备350将数据输入到UE 116中。显示器355可以是液晶显示器或能够呈现文本和/或至少(诸如来自网站的)有限图形的其他显示器。存储器360耦合到处理器/控制器340。存储器360的一部分能够包括随机存取存储器(RAM)，而存储器360的另一部分能够包括闪存或其他只读存储器(ROM)。
尽管图3a示出了UE 116的一个示例，但是能够对图3a进行各种改变。例如，图3a中的各种组件能够被组合、进一步细分或省略，并且能够根据特定需要添加附加组件。作为特定示例，处理器/控制器340能够被划分为多个处理器，诸如一个或多个中央处理单元(CPU)和一个或多个图形处理单元(GPU)。而且，虽然图3a示出了配置为移动电话或智能电话的UE116，但是UE能够被配置为作为其他类型的移动或固定设备进行操作。
图3b示出了根据本申请的示例gNB 102。图3b中所示的gNB 102的实施例仅用于说明，并且图1的其他gNB能够具有相同或相似的配置。然而，gNB具有各种各样的配置，并且图3b不将本申请的范围限制于gNB的任何特定实施方式。应注意，gNB 101和gNB 103能够包括与gNB 102相同或相似的结构。
如图3b中所示，gNB 102包括多个天线370a-370n、多个RF收发器372a-372n、发送(TX)处理电路374和接收(RX)处理电路376。在某些实施例中，多个天线370a-370n中的一个或多个包括2D天线阵列。gNB 102还包括控制器/处理器378、存储器380和回程或网络接口382。
RF收发器372a-372n从天线370a-370n接收传入RF信号，诸如由UE或其他gNB发送的信号。RF收发器372a-372n对传入RF信号进行下变频以生成IF或基带信号。IF或基带信号被发送到RX处理电路376，其中RX处理电路376通过对基带或IF信号进行滤波、解码和/或数字化来生成经处理的基带信号。RX处理电路376将经处理的基带信号发送到控制器/处理器378以进行进一步处理。
TX处理电路374从控制器/处理器378接收模拟或数字数据(诸如语音数据、网络数据、电子邮件或交互式视频游戏数据)。TX处理电路374对传出基带数据进行编码、复用和/或数字化以生成经处理的基带或IF信号。RF收发器372a-372n从TX处理电路374接收传出的经处理的基带或IF信号，并将所述基带或IF信号上变频为经由天线370a-370n发送的RF信号。
控制器/处理器378能够包括控制gNB 102的总体操作的一个或多个处理器或其他处理设备。例如，控制器/处理器378能够根据公知原理通过RF收发器372a-372n、RX处理电路376和TX处理电路374来控制前向信道信号的接收和后向信道信号的发送。控制器/处理器378也能够支持附加功能，诸如更高级的无线通信功能。例如，控制器/处理器378能够执行诸如通过盲干扰感测(BIS)算法执行的BIS过程，并且对被减去干扰信号的接收信号进行解码。控制器/处理器378可以在gNB 102中支持各种各样的其他功能中的任何一个。在一些实施例中，控制器/处理器378包括至少一个微处理器或微控制器。
控制器/处理器378还能够执行驻留在存储器380中的程序和其他过程，诸如基本OS。控制器/处理器378还能够支持用于具有如本申请的实施例中所描述的2D天线阵列的系统的信道质量测量和报告。在一些实施例中，控制器/处理器378支持在诸如web RTC的实体之间的通信。控制器/处理器378能够根据执行过程的需要将数据移入或移出存储器380。
控制器/处理器378还耦合到回程或网络接口382。回程或网络接口382允许gNB102通过回程连接或通过网络与其他设备或系统通信。回程或网络接口382能够支持通过任何合适的(多个)有线或无线连接的通信。例如，当gNB 102被实施为蜂窝通信系统(诸如支持5G或新无线电接入技术或NR、LTE或LTE-A的一个蜂窝通信系统)的一部分时，回程或网络接口382能够允许gNB 102通过有线或无线回程连接与其他gNB通信。当gNB 102被实施为接入点时，回程或网络接口382能够允许gNB 102通过有线或无线局域网或通过有线或无线连接与更大的网络(诸如互联网)通信。回程或网络接口382包括支持通过有线或无线连接的通信的任何合适的结构，诸如以太网或RF收发器。
存储器380耦合到控制器/处理器378。存储器380的一部分能够包括RAM，而存储器380的另一部分能够包括闪存或其他ROM。在某些实施例中，诸如BIS算法的多个指令被存储在存储器中。多个指令被配置为使得控制器/处理器378执行BIS过程，并在减去由BIS算法确定的至少一个干扰信号之后解码接收的信号。
如下面更详细描述的，(使用RF收发器372a-372n、TX处理电路374和/或RX处理电路376实施的)gNB 102的发送和接收路径支持与FDD小区和TDD小区的聚合的通信。
尽管图3b示出了gNB 102的一个示例，但是可以对图3b进行各种改变。例如，gNB102能够包括任何数量的图3a中所示的每个组件。作为特定示例，接入点能够包括许多回程或网络接口382，并且控制器/处理器378能够支持路由功能以在不同网络地址之间路由数据。作为另一特定示例，虽然示出为包括TX处理电路374的单个实例和RX处理电路376的单个实例，但是gNB102能够包括每一个的多个实例(诸如每个RF收发器对应一个)。
本申请中的时域单元(也称时间单元)可以是:一个OFDM符号，一个OFDM符号组(由多个OFDM符号组成)，一个时隙，一个时隙组(由多个时隙组成),一个子帧，一个子帧组(由多个子帧组成)，一个系统帧，一个系统帧组(由多个系统帧组成)；也可以是绝对时间单位，如1毫秒、1秒等；时间单元还可以是多种粒度的组合，例如N1个时隙加上N2个OFDM符号。
本申请中的频域单元(也称频率单元)可以是：一个子载波，一个子载波组(由多个子载波组成)，一个资源块(resource block，RB)，也可以称为物理资源块(physicalresource block，PRB)，一个资源块组(由多个RB组成)，一个频带部分(bandwidth part,BWP)，一个频带部分组(由多个BWP组成),一个频带/载波，一个频带组/载波组；也可以是绝对频域单位，如1赫兹、1千赫兹等；频域单元还可以是多种粒度的组合，例如M1个PRB加上M2个子载波。
下面结合附图进一步描述本申请的示例性实施例。
文本和附图仅作为示例提供，以帮助阅读者理解本申请。它们不意图也不应该被解释为以任何方式限制本申请的范围。尽管已经提供了某些实施例和示例，但是基于本文所公开的内容，对于本领域技术人员而言显而易见的是，在不脱离本申请的范围的情况下，可以对所示的实施例和示例进行改变。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当本申请实施例称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，进行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
在不脱离本申请范围的情况下，本申请中的术语“发送”可以与“传输”、“报告”、“通知”等交换来使用。
文本和附图仅作为示例提供，以帮助阅读者理解本申请。它们不意图也不应该被解释为以任何方式限制本申请的范围。尽管已经提供了某些实施例和示例，但是基于本文所公开的内容，对于本领域技术人员而言显而易见的是，在不脱离本申请的范围的情况下，可以对所示的实施例和示例进行改变。
无线通信系统的传输链路主要包括：由5G gNB到用户设备(User Equipment,UE)的下行通信链路，由UE到网络的上行通信链路。
无线通信系统例如当前无线通信系统中用于定位测量的节点包括：发起定位请求消息的UE，用于UE定位和定位辅助数据下发的定位管理实体(Location ManagementFunction,LMF)，广播定位辅助数据及进行上行定位测量的gNB或发射接收点(Transmission-Reception Point,TRP)，用于下行定位测量的UE。此外，本申请的方法还可以扩展到应用在其他通信系统，例如汽车通信(V2X)，即旁路链路通信(sidelinkcommunication)，此时发射接收点或者UE可以是V2X中的任何一种设备。
近些年，以深度学习算法为代表的人工智能(artificial intelligence，AI)技术又一次兴起，解决了各行各业中多年以来存在的难题，获得了技术上和商业上的巨大成功。随着无线通信系统的不断演进，空中接口中存在的这些问题也一直被研究和尝试引入新的方法来解决。为了解决一些通信过程中遇到的问题，可以启用机器学习的方法。其中，机器学习(machine learning，ML)的方法通常是指包括机器学习的算法设计和该算法所基于的定位方法或模型设计。基于AI深度学习(deep learning,DL)技术的解决方案，通常是指机器学习技术中的以人工神经网络为模型的算法。深度学习网络模型通常由多层堆叠的人工神经网络来构成，通过训练已有数据来调整神经网络中的权重参数，而后在推理阶段用来实现未遇见的情况下的任务目的。同时，一般地说，相比于一般的基于固定规则的解决方案或算法，基于DL的解决方案需要比相关的经典算法具有更好的运算能力，这通常需要运行DL算法的设备中有专用的运算芯片来支持DL算法更高效的运转。
使用基于机器学习的AI算法来解决的通信中遇到的问题，通常需要满足机器学习的问题所具备的条件。在通信中和空中接口相关的所存在的问题中，获取设备定位就是一类典型的一定程度上满足以上条件，因此可以使用机器学习算法来解决，并在通信传输的过程中达到比相关解决方案更好的效果，例如在非视距径的环境中。
尽管对于目前使用的无线通信系统，相关的定位算法在一些场景中可以提供正常的服务；然而，对于机器学习算法，由于其完全不同于传统算法的架构和特点，使得其使用方法完全不同于传统算法。由于现今的无线通信系统(第四代、第五代、以及未来可能的第六代无线通信系统)有严格的统一的标准限制通信过程中空中接口的配置方法和行为过程。故此，考虑到在新一代无线通信系统中使用机器学习的新技术时，空中接口的设计必须结合新的通信系统和机器学习算法的特点来进行设计。其中对于基于机器学习的算法实施在无线通信系统的空中接口中，需要规定其具体的实施过程，如用户设备和基站之间信号如何传输和交互，激活和关闭机器学习算法和模型的过程，机器学习算法和模型使用中的更新等，这是需要考虑的重点。
因此，基于上述问题，为了在无线通信系统中，使用基于机器学习的解决方案，有必要提出有效的技术方法，以规定系统中实施这些解决方案的具体办法，需要存在的过程等，建立一个合适的框架供基于机器学习的方法来解决无线通信中空中接口的相关问题。
在本申请中，所使用的第一类方法包括：基于“机器学习算法和模型”，“基于AI(人工智能)/ML(机器学习)的技术”、“用于NR空口的AI/ML”、“AI/ML技术”、“AI/ML架构”、“AI/ML模型”、“用于空口的AI/ML”、“AI/ML方法”和“AI/ML相关算法”、“基于AI/ML的算法”和“AI/ML方案”。
本申请提供了一种在无线通信系统中应用和配置基于机器学习的算法和模型以完成或实现无线通信系统的定位操作和定位信息的获取。本申请的目的旨在解决无线通信系统中如何使用基于机器学习的解决方案来解决无线通信的空中接口中需要解决的问题，提出在无线通信系统中使用机器学习解决方案的架构、流程、方法等，并通过设计这些架构、流程、方法等，来实现机器学习算法在无线通信系统中的应用，达到相比于相关的已有方法效果更好的机器学习方法能够顺利在通信系统中使用和实施的效果，从而使得基于机器学习的定位方法能够更好的适用于实际的无线通信系统中。
下面结合图5对本申请实施例提供的由第一节点执行的方法进行说明。
具体地，由第一节点执行的方法包括步骤S101-步骤S102：
步骤S101：获取定位方法或模型的相关信息；
步骤S102：基于定位方法或模型的相关信息，获取定位信息。
其中，定位方法或模型在本申请实施例中又称第一类方法，为本申请提出可以由第一节点执行的内容，其具体使用了AI/ML技术，可以在不同的场景需求下配置出相应的定位方法或模型执行与定位相关的操作，如获取定位信息等。
具体地，针对不同的场景需求，所获取到的定位方法或模型的相关信息可能不同。可选地，关于定位方法或模型的相关信息可以包括如下至少一个：定位方法或模型的组成相关信息；定位方法或模型的类型相关信息；定位方法或模型参数相关信息；数据集合相关信息。各相关信息所对应的具体内容将在后续实施例进行具体说明。
其中，基于定位方法或模型的相关信息所能获取的定位信息可以包括如下中的至少一个：位置信息(可以是相对坐标信息、绝对坐标信息等)；位置信息计算有关的信息；信号到达时间(Time of arrival)；到达角度(Angle of arrival)；离开角度(angle ofdeparture)。
在本申请中的下述一个实施例中，将介绍本申请提出的使用第一类方法进行与定位相关的操作，如获取定位信息、基于定位信息执行后续与定位相关的操作等。本申请提出的第一类方法使用ML/AI技术，除了能够在比较“恶劣”(例如非视距的环境中)的情况下进行与定位相关的操作和/或定位信息获取，还可以在信道条件不佳(例如信道信息的不准确等)的情况下进行与定位相关的操作和/或定位信息获取。
本申请介绍使用第一类方法的设备(在本申请中表示为设备A)在使用第一类方法时包括以下一个部分或多个部分(又可称为阶段、模式或操作)：
第一部分：触发部分；触发部分是可选的。在该触发部分中，要确定是否触发与定位相关的操作和/或定位信息获取，和/或要确定是否触发第一类方法和触发第一类方法的流程；可选地，在该触发部分中，包括以下三项操作中的一项操作或多项操作：
操作1：确定是否触发与定位相关的操作。
其中，若设备A是网络侧设备(例如基站设备，LMF等)，可以通过获得更高层(例如应用层)的需求来触发定位信息的获取；和/或，若设备A是用户设备(例如手机，或者V2X中的汽车等)，可以基于自己高层的需求来触发定位信息的获取。
可选地，与定位相关的请求可以涉及系统节点之间的交互，也可以仅基于节点自身的需求触发，其中，与定位相关的请求可以包括第一节点接收的由第二节点发送的与定位相关的请求，和/或第一节点自身触发的与定位相关的请求(接收高层发送的与定位相关的请求)。
其中，第一节点包括以下其中一项：发起定位请求的用户设备UE、用于UE定位和定位辅助数据下发的定位管理实体、广播定位辅助数据及进行上行定位测量的基站gNB或发射接收点、用于下行定位测量的UE。
第二节点包括以下其中一项：发起定位请求的用户设备UE、用于UE定位和定位辅助数据下发的定位管理实体、广播定位辅助数据及进行上行定位测量的基站gNB或发射接收点、用于下行定位测量的UE。
可选地，在接收到与定位相关的请求时，第一节点可以基于该请求执行与定位相关的操作，如获取定位信息。
操作2：确定是否满足预设的触发条件；可选地，第一节点可以在满足触发条件时，获取定位信息。
其中，若满足预设的触发条件，则确定使用第一类方法；若不满足预设的触发条件，则确定不使用第一类方法；这样做的好处是有利于使用第一类方法有更好的针对性，能在相关的方法可能无法给出好的结果时候使用第一类方法；可选地，所述预设的触发条件包括以下一项条件或多项条件：
条件1：测量的第一信号的参考信号接收功率(RSRP)值小于(或不大于)第一门限值；可选地，所述第一信号的参考信号接收功率包括第一条路径的参考信号接收功率和/或X条路径的参考信号接收功率；该X条可以是路径冲击响应(和或参考信号接收功率)最大的X条和/或路径时延(delay)最小的X条；其中，所述第一门限值是通过接收指令得到的和/或预先设定得到的；条件1所设定的触发条件可以实现当信道条件比较差的时候才触发使用第一类方法。
条件2：测量的第一信号的路径损耗(pathloss)大于(或不小于)第二门限值；可选地，所述第一信号的路径损耗包括第一条路径的路径损耗和/或X条路径的路径损耗；该X条可以是路径冲击响应最大的X条和/或路径时延(delay)最小的X条；其中，所述第二门限值是通过接收指令得到的和/或预先设定得到的；条件2所设定的触发条件可以实现当信道条件比较差的时候才触发使用第一类方法。
条件3：第一类方法是有效的第一类方法(处于有效状态)，即为通过测试的第一类方法，本申请实施例所指的测试包括下述测试部分中的全部或部分操作。
条件4：可选地，当上述至少一个触发条件发生不少于(或大于)N次时，N为不小于1的正整数，所述N是通过接收指令得到的和或预先设定得到的，例如触发条件计数器达到N+1次时。
其中，所述第一信号包括用于定位的参考信号(例如蜂窝无线通信系统中的下行PRS(定位参考信号)和上行用于定位的SRS(探测参考信号)等)，和/或无线系统中的其他参考信号，例如SSB(同步信号块)和/或CSI-RS(信道状态信息-参考信号)等；其中，该第一信号的测量结果可以是用来获取输入训练信息和/或运行部分中输入信息。
可选地，当第一类方法包括N(N>1的正整数)个AI/ML模型时，该预设的触发条件可以用来判断是否使用其中M(M是不大于N的正整数)个AI/ML模型；可选地，N和M可以是网络设备预先配置的数值，或者(通过DCI和或高层信令)动态配置的数值。
操作3：执行触发流程；也即，第一节点可以接收激活定位方法或模型的信令。
可选地，可以通过下述至少一项激活定位方法或模型执行与定位相关的操作：
第一节点通过第一触发消息指示激活定位方法或模型，发送与定位方法或模型相关的配置信息，和/或激活定位方法或模型；
第一节点通过第二触发消息接收激活定位方法或模型的指令，接收与定位方法或模型相关的配置信息，和/或激活定位方法或模型；
第一节点通过第三触发消息向第二节点请求触发定位方法或模型和/或与定位方法或模型相关的配置信息，并基于第二节点的反馈激活定位方法或模型；
第一节点激活定位方法或模型。
可选地，执行触发流程包括以下三项子操作中的一项子操作或多项子操作：
子操作1：当网络侧设备(例如LMF(具有位置管理功能)和/或基站设备)依据上述触发条件，触发使用第一类方法时，网络侧设备通过LPP(LTE Positioning Protocol，LTE定位协议)消息(LPPA信令)、RRC(无线资源控制)配置消息、MAC CE(媒体访问控制控制元素)和/或DCI(下行链路控制信息)来指示和/或激活使用第一类方法。
子操作2：当UE依据上述触发条件，触发使用第一类方法时，UE通过LPP(LTE定位协议)消息、RRC(无线资源控制)配置消息、MAC CE(媒体访问控制控制元素)和/或DCI(下行链路控制信息)来接收使用或激活第一类方法的指令，或者UE通过PUCCH(物理上行链路控制信道)、MAC CE、PRACH(物理随机接入信道)信道和/或LPP消息向网络侧设备请求使用第一类方法；UE接收来自网络侧设备对请求的反馈来确定是否使用第一类方法；所述反馈包括上述子操作1中网络侧设备指示和/或激活使用第一类方法的方法。
子操作3：当UE依据上述触发条件，触发使用第一类方法时，UE开始使用第一类方法；此种方式可以应用在第一类方法部署在UE侧的情况。
第二部分：配置信息的发送和/或接收部分，该部分是可选的；在该部分中，设备A执行与第一类方法相关的配置信息的发送和/或接收，该配置信息的发送和/或接收可以帮助使用第一类方法和/或训练第一类方法的设备能够更好的进行使用(如推理)和训练；其中，所述与第一类方法相关的配置信息(也即关于定位方法或模型的相关信息)包括以下一项或多项：
配置信息1：第一类方法的模型组成，包括该第一类方法包括N个的AI/ML模型部分；例如当N＝1时，第一类方法只有一个AI/ML模型；当N＝2时，该第一类方法可以有2个AI/ML模型组合得到；以此类推，N可以为其他正整数，由多个AI/ML模型组合得到；优选地，该第一类方法中的多个AI/ML模型可以使用相同的输入训练数据和或不同的输出训练标签。
配置信息2：第一类方法(和/或单个AI/ML模型)的类型，包括以下至少一项：依据AI方法确定的类型、依据神经网络模型的FLOP(浮点运算数)数目确定的类型、依据延迟latency需求确定的类型、依据需要的/支持的数据大小(数据集合的大小和/或数据维度的大小)确定的类型、和依据使用的运算操作(例如卷积和/或矩阵运算)确定的类型。
配置信息3：超参数配置信息，包括以下至少一项：学习率(learning rate)、层数(number of layers)、批处理大小(batchsize)、数据集迭代次数(epoch times)和截断值(clipvalue)。可选地，还可以包括其他参数，在此不一一列举。在一实施例中，超参数也为方法或模型参数相关信息中的一项。
配置信息4：数据集合相关参数，包括以下至少一项：一组数据的数据类型，对应的数据类型参数的个数(例如用于定位的一组数据包括N个信道冲击响应值，其中信道冲击响应值为数据类型，N为该数据类型参数的个数)，和数据的组数；其中所述N是通过接收指令得到的和或预先设定得到的。
可选地，该数据集合的大小可以是训练部分特有的，和/或测试部分特有的，和/或测试部分和训练部分共同的。
可选地，该数据集合中的数据类型参数的个数是依据预设的数值条件确定的；该条件可以帮助筛选出更合适有效的输入信息和/或降低信令的开销；所述预设的数值条件包括以下至少一项：
数值条件1：基于第三门限值的信道冲激响应的个数；具体地，大于(或不小于)第三门限值的信道冲激响应值；其中，该第三门限值是通过接收指令得到的和/或预先设定得到的；例如总共4096个信道冲激响应值，只有N个信道冲激响应大于第三门限值，则只传递(发送和/或接收)这个N个信道冲激响应值；N不超过最大值Nmax，其中所述N、Nmax是通过接收指令得到的和或预先设定得到的。
数值条件2：到达时间上的前N个和/或功率最大的前N个信道冲激响应；具体地，所有冲激响应中的到达时间上的前N个和/或功率最大的前N个信道冲激响应值，其中，所述N是通过接收指令得到的和或预先设定得到的。
所述信道冲激响应值包括一条到达路径的功率值和/或到达时间。
配置信息5：权重参数和/或偏置参数配置，可以包括初始值(例如按照一定准则得到的初始权重参数、初始偏置参数设定、和/或依据接收到的信令得到的初始权重参数和/或初始偏置参数设定)和/或更新值(例如依据训练、更新和/或恢复得到的更新后的权重参数和/或偏置参数更新值)。具体地，权重参数和/或偏置参数配置的确定可以通过以下至少一项处理方法实现：
处理方法1：初始权重参数和/或初始偏置参数设定，包括依据确定的概率分布得到的初始权重参数和/或偏置参数。
处理方法2：依据接收到的权重参数配置和/或偏置参数配置来设定的，例如通过已经训练或预训练得到的权重参数和/或偏置参数；此种设置可以更适合于进行线上的训练或依据预训练得到的第一类方法再进行线上的训练。
处理方法3：权重参数和/或偏置参数依据训练优化器模型(又称训练优化算法，如随机梯度下降、带动量梯度下降等)和/或损失函数和/或迭代次数优化力度和/或学习率来得到和/或更新的；例如得到的是更新值。
由此可见，方法或模型参数相关信息包括以下至少一项：用于确定初始的权重参数和/或偏置参数的概率分布；权重参数配置和/或偏置参数配置；用于得到或者更新权重参数和/或偏置参数的训练优化算法，损失函数，迭代次数和/或学习率。
可选地，与第一类方法相关的配置信息可以是由设备B提供发送的，和/或其他设备(如使用第一类方法的设备A)提供发送的，设备B进行接收的。
可选地，上述的配置信息可以是针对一个第一类方法模型或者一个第一类方法中单个或多个AI/ML模型。
第三部分：训练部分；训练部分是可选的。在该部分中，所使用的第一类方法需要经过训练数据的训练，得到训练后的第一类方法；所以可以提供训练数据的设备在本申请中表示为设备B；可选地，在该部分中，包括以下一项操作或多项操作：
操作1：训练设备(设备B)的确认，其中满足以下一项条件或者多项条件的设备可确认为训练设备或可确认为候选训练设备(如将第一节点确定为训练设备时所需满足的条件)：具有已知的(或确定的)位置信息；上报具有作为训练设备的能力；可作为训练设备的状态指示为激活(例如on，available等)；满足一定的状态条件。
其中，所述一定的状态条件包括以下一项或多项状态条件：
状态条件1：测量的第一信号为单径信号，具体地，包括测量的第一信号只有一条路径；其中，只有一条路径的到达时间和/或接收功率值符合设定的门限值；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件2：测量的第一信号为视距径信号，具体地包括：当视距/非视距指示(LoS/NLoS indicator)为真时，即测量的第一信号为视距径信号(例如当该指示为硬指示时，指示为LoS)；和/或视距/非视距指示的值(例如当该指示为软指示时)大于(不小于)一个概率门限值时，即测量的第一信号大概率是视距时；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件3：测量的第一信号的参考信号接收功率(RSRP)值大于(不小于)第四门限值；和或测量的第一信号的路径损耗值小于(不大于)第五门限值；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件4：第一信号的发送时间误差(Tx Timing Error，Tx TE)或发送时间误差组(TE group，TEG)小于或者(不大于)第六门限值；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件5：第一信号的接收时间误差(Rx Timing Error，Rx TE)或接收TEG小于或者(不大于)第七门限值；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件6：第一信号的发送和/或接收TE或TEG小于或者(不大于)第八门限值；其中所述门限值是通过接收指令得到的和/或预先设定得到的。
状态条件7：第一信号的发送和/或接收TE或TEG属于一个特定的范围(第一范围)；其中所述特定的范围是通过接收指令得到的和/或预先设定得到的。
操作2：用于训练的资源配置信息的发送和/或接收；其中，该用于训练的资源配置信息包括以下一项或多项：
上述训练部分中所述与第一类方法相关的配置信息；
用于训练的定位参考信号相关配置信息(包括定位参考信号配置的索引，定位参考信号的时频资源位置，周期等)；
用于训练测量的测量间隔(measurement gap，MG)和/或PRS处理窗口(PRSprocessing window，PPW)的相关配置，包括MG和/或PPW的时间长度，周期大小，时间起始位置等；配置用于训练的测量间隔可以更好地控制需要得到训练数据的时间，因为训练数据在一定的时间范围内获得，并且在一段时间内有效，例如超出一定的时间，训练设备可能移动到其他地方(如地理位置的变动)，之前给出的训练数据将不再合适；有效的训练数据才能帮助得到合适有效的第一类方法。
操作3：依据确认的训练设备和用于训练的资源进行第一类方法的训练；包括以下一项或多项的训练操作：
训练操作1：训练设备依据得到的用于训练的资源配置信息来获得与第一类方法相关的输入信息。
训练操作2：可选地，训练设备将获得的与第一类方法相关的输入信息进行反馈。
训练操作3：可选地，训练设备将获得的与第一类方法相关的输入信息和与输入信息对应的输出信息进行反馈，例如训练设备UE将依据接收定位参考信号得到的信道冲击响应信息(即与第一类方法相关的输入信息)和此时训练设备的位置信息(包括全局位置信息和/或本地位置信息，即与输入信息对应的输出信息)反馈给网络侧设备；其中与输入信息对应的输出信息可以包括设备A的位置信息，和或与位置信息计算有关的信息(如信号到达时间，Time of arrival，到达角度Angle of arrival；离开角度angle of departure)等；此种方法更适用于第一类方法部署在网络侧的情况。
训练操作4：依据得到的训练设备提供的与第一类方法相关的输入信息和/或输入信息对应的输出信息对第一类方法进行训练。
可选地，该与第一类方法相关的输入信息与前述输入训练数据含义相同；和或该与输入信息对应的输出信息与前述输出训练标签含义相同。
训练操作5：可选地，将输入训练数据(低噪声信道信息，也可表示无噪声信道信息)通过AI学习得到噪化过程后的带噪声信道信息(例如得到带高斯噪声的信息)，再通过AI学习将得到的带噪声信道信息去噪得到去噪信道信息，使得去噪声信道信息与输入的低噪声信道信息相似度最大；具体地，将输入训练数据X0(以信道冲击响应值为例，例如在高信噪比情况下的信道冲击响应值)，将X0的概率分布标识为q(x0)，例如X0包括4096个CIR(committed information rate，承诺信息速率)值，使用迭代前向过程，例如迭代T步；在每一步迭代中，对前一步的信道冲击响应值(Xt-1)累加一个符合第一分布(表示为q(xt|xt-1))的噪声调度得到新一步的信道冲击响应值(Xt)，目的是将高信噪比情况下的信道冲击响应值训练成符合第二分布的信道冲击响应值XT；。
其中，所述第一分布q(xt|xt-1)可以是高斯分布和或二项分布和或指数分布和或伯努利分布等，可选地，该高斯分布具有均值sqrt(1-βt)*Xt-1，方差为βtI。该βt为第t步的噪声方差调度(noise variance schedule)，该噪声方差调度的选取会影响AI/ML模型的训练时间和或训练效果，该噪声方差调度方式可以是基于线性调度(linear schdule)，或cosine调度，或指数调度；具体地，可以依据AI/ML模型的训练目的来选择调度方式，例如在本发明本申请中，训练数据是信道路径的冲击响应值，而该冲击响应值是按照信道路径的时延大小指数级衰落；因此，选择指数调度可能更符合本发明本申请中的场景，例如βt＝a*exp(b*t/T),其中，a，b是相关配置参数使得βt小于(不大于)一定门限和或从t＝1到t＝T能够逐步增长；和或；。
其中，所述第二分布可以是高斯分布或二项分布(Binomial distribution)，可以依据AI/ML模型的训练目的来选择对应的第二分布，例如本发明本申请中是考虑无线通信场景中的噪声，依据中心极限定理，在多种因素的作用下，选择高斯分布是更合适的；。
可选地，继续将得到的XT进行反向去噪操作；将XT的概率分布标识为p(xT)，，使用迭代后向过程，例如迭代T步；在每一步迭代中，对第t步的信道冲击响应值(Xt)通过神经网络学习得到第三分布(表示为p(xt-1|xt))并得到新t-1步的信道冲击响应值(Xt-1)使得最终得到的X0的分布(表示为p(X0))与q(X0)的相似度最大，目的是将模拟带噪声的的信道冲击响应值XT训练成符合第四分布的信道冲击响应值X’0，使得X’0可以逼近X0；其中，可选地，通过神经网络学习包括通过最小化损失函数(loss function)来优化AI/ML模型种的参数配置；其中，可选地，所述最终得到的X0的分布(表示为p(X0))与q(X0)的相似度最大包括最大化关于p(X0)的期望对数似然方程(expected log function)。
所述第一分布和或第二分布和或第三分布和或第四分布的类型和或期望和或方差的值可以由通过预先配置和或通过基站设备的DCI(和或高层信令)动态配置得到。
训练操作6：可选地，【第二训练方式】：依据输入训练数据(以信道冲击响应值为例，例如在高信噪比情况下的信道冲击响应值)，和输出训练标签，调整第一类方法AI/ML模型的参数配置(例如与第一类方法有关的配置信息)，使得依据训练数据得到的输出信息与输出训练标签相似度最大；例如该第一类方法为监督学习模型，例如DenseNet等。
可选地，第一类方法AI/ML模型还可以用于信息修复，在训练过程中，可以基于所述输入信息训练定位方法或模型得到不完整的待修复信息，通过定位方法或模型对所述待修复信息进行修复得到输出信息。
操作4：确定完成训练后的第一类方法和/或与完成训练后的第一类方法有关的配置信息；包括以下一项或多项调整操作：
调整操作1：在训练过程中，对与第一类方法相关的配置信息进行调整；得到训练后的与第一类方法相关的配置信息，得到新的第一类方法；可选地，此种方式更适合第一类方法的使用设备进行了训练部分的情况。
调整操作2：依据得到的训练后的与第一类方法相关的配置信息，对与第一类方法相关的配置信息进行调整得到新的第一类方法，可选地，此种方式更适合第一类方法的使用设备没有(或没有直接)进行训练部分的情况，而从其他设备获得训练后的更新的第一类方法的配置信息，得到新的第一类方法。
第四部分：测试部分；测试部分是可选的。在该部分中，要对使用的第一类方法的有效性进行测试，若使用的第一类方法确认为有效的，则可以得到有效的第一类方法；若使用的第一类方法确认为无效的，则可以得到无效的第一类方法，然后回到触发部分，重新确定要使用的第一类方法；在该部分中，可以基于事件的触发测试和/或基于计数计时的触发测试，基于事件的触发和/或基于计数计时的触发的具体内容可参见下面更新部分的具体说明。进行测试的好处是可以判断经过训练得到的第一类方法是不是在当前情况下真的有效好用。可选地，可以在确定定位方法或模型有效时，获取定位信息。可选地，确定定位方法或模型的有效性包括：
测试操作1：获取测试数据(第一数据)；所述测试数据是用来对使用的第一类方法的有效性进行测试的数据，包括使用的第一类方法的输入信息和/或与输入信息对应的输出信息；可选地，所述使用的第一类方法的输入信息和所述与输入信息对应的输出信息可以是来自于设备B和/或专门提供测试数据的设备C。
测试操作2：确定测试的第一类方法的有效性；若定位方法或模型基于所述第一数据中的输入信息得到的输出信息满足以下任一项预设的条件，则确定定位方法或模型有效。其中，若第一类方法能成功通过测试，例如依据使用第一类方法和测试数据中的输入信息得到的测试输出信息满足预设的条件，则确定测试的第一类方法是有效的，所述预设的条件包括：
条件1：测试输出信息与测试数据中的输出信息的差值小于(或不大于)第一测试门限值，其中所述第一测试门限值是通过接收指令得到的和/或预先设定得到的；此种方法适用于定位精度的比较，例如测试输出信息为应用第一类方法和测试输入信息得到的设备C的定位位置信息，而测试数据中的输出信息为设备C的真实定位位置信息，通过比较两者的差值，得到定位误差，而定位误差越小，说明使用的第一类方法得到的定位结果越准确，当得到的定位误差小于(或不大于)设定的第一门限值时，可以确定测试的第一类方法成功通过测试，反之，则确定测试的第一类方法未成功通过测试。
条件2：输出信息所对应的模型性能优于(不差于)测试数据中的输出信息所对应的模型性能。
测试操作3：完成测试流程；当确定测试的第一类方法是有效的，和/或测试的第一类方法满足所述一定条件时，可认为测试流程是成功完成；当确定测试的第一类方法是不有效的，和/或测试的第一类方法不满足所述一定条件时，可认为测试流程是非成功完成；
可选的，所述使用的第一类方法可以是完成训练后的第一类方法和/或与依据完成训练后的第一类方法有关的配置信息得到的第一类方法；
第五部分：运行(或推理inference)部分；在该部分中，依据得到的输入信息，要使用获得(或确定)的第一类方法和/或与第一类方法有关的配置信息，来得到输出信息；可选地，在该部分中，包括以下一项运行操作或多项运行操作：
运行操作1：确定与使用的第一类方法有关的参数配置，包括：
所述与第一类方法相关的参数配置信息包括训练部分中介绍的与第一类方法相关的参数配置信息相同的参数配置信息；可选地，该参数配置信息是设备A通过接收其他设备发送的配置信令得到的；例如设备A是UE，通过接收网络侧设备训练好的第一类方法的参数配置信息来确定当前所使用的第一类方法需要的参数配置信息；和/或
应用确定的参数配置信息来配置第一类方法；可选地，低层(例如物理层)接收来自高层的参数配置指示，进行第一类方法的配置。
运行操作2：获得与使用的第一类方法有关的输入信息；其中，输入信息可以通过以下方式中的至少一种获取：
通过接收和/或测量第一信号得到与第一类方法有关的输入信息；
通过接收其他设备(如第二节点)的反馈获得与第一类方法有关的输入信息；
可选地，该输入信息包括上述训练部分中与第一类方法相关的配置信息中的数据集合相关参数。
运行操作3：依据输入信息并使用第一类方法获得的输出信息；其中，可选地，当输入信息满足一定条件(例如满足触发部分中的条件)时，使用第一类方法中第一AI/ML模型进行推理，将推理得到的输出信息当作使用的第一类方法中的第二AI/ML模型进行推理得到输出信息。
可选地，定位方法或模型中可以包括多个执行模块(如可以包括第一模块和第二模块)，每一执行模块均可以是使用AI/ML技术确定的机器学习模型。在下述实施例中，如图6所示，以模型1和模型2描述定位方法或模型中包括的模块。
具体地，下面的例子中，输入信息是信道冲击响应，第一类方法包括两个AI/ML模型，模型1是依据第一训练方法得到的；模型2是依据第二训练方法得到的，输出信息是对应信道冲击详细的位置信息。
可选地，将输入信息对应的第一噪声值与第一噪声门限值比对，确定输入信息是否需要进行去噪处理。如图6所示，将输入信息W＝(X0+Z)，Z为噪声项，作为XT与第一噪声门限值进行比对(例如RSRP小于门限值，和或pathloss大于门限值)，则设备A判断该输入信息需要使用第一类方法中的模型1进行去噪处理(如图6所示模型1的去噪处理)，得到第一去噪信息X’0；其中，在对X’0进行估计时(例如maximum a posterior，MAP估计或者minimummean square error，MMSE估计)，需要将前T-1步的值进行积分处理，例如将X1，X2…XT积分得到X0，,为了便于计算，我们本申请实施例定义第t步的CIR为Wt＝Xt+Zt；即一个真值Xt加上一个噪声值Zt；选取的Wt对运行的结果有重要的影响，例如Wt可以等于W，这样每一步中都是和得到的输入相同的带噪信道信息；或者Wt可以等于基于W的线性变化值，例如Wt＝sqrt[(T-t)/T]*W＝Xt+sqrt[(T-t)/T]*Z,这样做的好处是使得刚输入时WT时高斯白噪声，和第一训练方法中的相似，有利于让模型1的去噪效果达到最佳；再将得到的X’0输入该第一类方法中的模型2得到与W对应的与定位相关的输出信息。
可选地，如图6所示，将输入信息W＝(X0+Z)，Z为噪声项，作为XT与第一噪声门限值进行比对(例如RSRP不小于门限值，和或pathloss不大于门限值)，将W输入该第一类方法中的模型2得到与W对应的与定位相关的输出信息。
其中，第一噪声值包括下述至少一项：RSRP，SNR，CIR幅度值，CIR的到达时间值。
可选地，该方法还可以拓展到信道冲击响应值CIR个数不完整的使用场景(如信息修复)，例如若输入信息W中的CIR数目小于(不大于)第一CIR门限值，则设备A判断该输入信息需要使用第一类方法中的模型1进行修复处理；设定输入训练数据的维度是N，并表示一个掩码向量(mask vector)为M，且，M属于{0，1}N，其中若第i个元素缺失则表示第i个元素M(i)＝0；若第i个元素存在则表示第i个元素M(i)＝1.其他运行方法与上述方法相同，仅当M(i)＝0时，XT(i)表示为0；若M(i)＝1是，XT(i)表示为W(i)(即应用测试或运行输入信息)。
可选地，在输入信息(如图6所示的信道信息)中的CIR数目大于相应的门限值时，通过第一类方法中的模型2处理输入信息得到与定位相关的输出信息(如图6所示的位置信息)。
可选地，基于输入信息对应的信道冲击响应，确定输入信息是否需要进行修复处理，包括：
将输入信息对应的信道冲击响应CIR值与第一CIR门限值比对，得到有效CIR值；
将有效CIR值的个数与第一CIR个数门限值比对，确定输入信息是否需要进行修复处理。
其中，首先筛选出输入信息中的有效CIR值，继而基于有效数目与对应的第一CIR个数门限值进行比对，如图6所示，在有效数目低于门限时，采用模型1进行修复处理，在修复处理后得到的第一修复信息可以输入模型2处理，输出位置信息；否则，直接将输入信息输入模型2，输出位置信息。
可选地，所述获得(或确定)的第一类方法还包括通过测试得到的第一类方法和/或有效的第一类方法。
可选地，输出信息可以包括设备A的位置信息，和/或与位置信息计算有关的信息(如信号到达时间Time of arrival，到达角度Angle of arrival，离开角度angle ofdeparture)等。
第六部分：更新部分；更新部分是可选的。在使用第一类方法时，所使用的第一类方法和/或与使用的第一类方法有关的配置信息可能发生改变，例如因为环境的改变(如信道条件的变化等)，需要对使用的第一类方法和/或与使用的第一类方法有关的配置信息进行调整，如更新定位方法或模型的相关信息；该更新的好处是可以以较轻的力度和/或较短的时间内来对第一类方法进行修正，使其可以重新工作；可选地，在该部分中，包括以下一项更新操作或多项更新操作：
更新操作1：触发更新，包括基于事件的触发更新和/或计数计时的触发更新，具体地，包括基于预设事件的触发更新和/或基于计数计时的触发更新。
基于事件的触发更新；即当预设事件发生时，启动第一类方法的更新，具体地，该预设事件包括以下事件中的一项或多项：
事件1：当第一类方法的输出信息不满足要求的门限值，其中所述门限值是通过接收指令得到的和/或预先设定得到的；例如第一类方法用于定位信息的获取，则使用第一类方法得到的输出的定位位置与真实定位位置(或者预期定位位置，或者其他方法获得定位位置等)差值大于一定门限；可选地，该门限可以是位置信息的不确定(uncertainty)范围。
事件2：当获得的输入信息的数目和/或类型不满足所需要的门限值时，其中所述门限值是通过接收指令得到的和/或预先设定得到的；例如在第一类方法用于定位信息的获取，设备A没有获得足够多的信道冲击响应信息，无法使用第一类方法来得到定位位置信息；例如：
获得少于或不大于N个设备提供的输入信息，其中所述N是通过接收指令得到的和或预先设定得到的；
获得少于或不大于N个定位参考信号资源的测量结果，其中所述N是通过接收指令得到的和或预先设定得到的；
获得少于或不大于N个CIR/RSRP/角度相关/相位相关的信息，其中所述N是通过接收指令得到的和或预先设定得到的。
基于计数和/或计时的触发更新；包括以下一项或多项的条件和操作组合：
确定使用第一类方法或收到使用第一类方法的指令时，第一类方法的运行计数器初始设置为1和/或第一类方法的运行计时启动；
当上述基于事件的触发中所述的事件发生，则运行计数器加1和/或第一类方法的计数器停止计时(或判定为过期)；
当一个运行周期(cycle)完成时，则运行计数器加1和/或第一类方法的计数器停止计时(或判定为过期)；该运行周期包括依据获得第一类方法的输入信息，应用第一类方法得到输入信息；可选地，该输出信息是符合要求的输出信息(例如输出的定位位置与真实定位位置(或者预期定位位置，或者其他方法获得定位位置等)差值小于或不大于一定门限)；
可选地，当获得符合要求的输出信息时，则运行计数器加1和/或第一类方法的计数器停止计时(或判定为过期)；
当计数器的值counter_value达到或大于设置的最大值max(例如counter_value＝max+1)，可以进行终止部分和/或更新部分和/或恢复部分。
更新操作2：更新使用的第一类方法和/或与使用的第一类方法有关的配置信息，包括需要进行的更新的配置信息发送和/或获取；具体地，包括以下一项或多项组合：
进行训练，包括上述训练部分中的全部或部分操作，得到更新的第一类方法有关的配置信息；
向其他设备请求更新第一类方法有关的配置信息；
接收来自其他设备发送的第一类方法有关的配置信息的更新；
可选地，进行测试；该测试包含上述测试部分中的全部或者部分操作。
第七部分：恢复部分；恢复部分是可选的。当使用的第一类方法不满足性能要求或者无法正常工作时，可能需要对使用的第一类方法和/或与使用的第一类方法有关的配置信息进行恢复，如恢复定位方法或模型的相关信息；该恢复可以以较大力度和/或较长时间内对第一类方法进行修正，使其可以重新工作；可选地，在该部分中，包括以下一项操作或多项操作：
触发恢复流程；当满足一定的触发条件时，触发恢复流程；该一定的触发条件包括：
上述基于事件触发的更新触发中的所述预设事件；可选地，该预设事件发生达到或不少于N次，其中所述N是通过接收指令得到的和或预先设定得到的；
上述基于计数和/或计时的更新触发中的条件和/或操作；
可以基于事件的触发恢复和/或基于计数计时的触发恢复，基于事件的触发和/或基于计数计时的触发的具体内容可参见上面更新部分的具体说明。
进行恢复，包括搜寻新的(或候选的)训练设备和/或训练资源和/或训练数据来进行训练和/或进行更新；
确定恢复结果，包括获得恢复后的第一类方法或者与第一类方法有关的配置信息；可选地，恢复后的第一类方法或者与第一类方法有关的配置信息还包括对恢复后的第一类方法或者依据与第一类方法有关的配置信息得到的第一类方法进行测试，并基于通过测试的结果获得恢复后的第一类方法和/或者与第一类方法有关的配置信息。
第八部分：终止部分；终止部分是可选的。当使用的第一类方法使用了一定时间和/或不满足要求和/或无法正常工作时，可以终止使用的第一类方法和/或使用的第一类方法有关的配置信息，如终止使用定位方法或模型的相关信息；可选地，在该部分中，包括以下一项操作或多项操作：
依据终止触发条件进行终止；该终止触发条件包括上述触发恢复流程的全部或部分触发条件；可选地，可以基于事件的触发终止和/或基于计数计时的触发终止，基于事件的触发和/或基于计数计时的触发的具体内容可参见上面更新部分的具体说明。
可选地，上述触发部分、配置信息的发送和/或接收部分、训练部分、测试部分、运行推理部分、更新部分、恢复部分和终止部分等的各个部分中的操作可以进行调换、组合和/或相互替换；
可选地，所述设备A和/或设备B可以是网络设备，用户设备，或者支持旁路通信的设备。
可选地，本申请中所述的第一类方法可以替代为第一类方法中的一个或多个AI/ML模型。
作为本申请的示例性实施例，用于执行定位操作的方法可以简单地包括训练部分和运行部分。
作为本申请的又一示例性实施例，用于执行定位操作的方法可以基本地包括训练部分、测试部分和运行部分。
作为本申请的又一示例性实施例，用于执行定位操作的方法可以包括训练部分、测试部分、训练部分、测试部分、训练部分、测试部分、运行部分和终止部分。
作为本申请的又一示例性实施例，用于执行定位操作的方法可以包括训练部分、测试部分、运行部分、更新部分、运行部分、更新部分和终止部分；
作为本申请的又一示例性实施例，用于执行定位操作的方法可以包括训练部分、测试部分、运行部分、更新部分、运行部分、更新部分、测试部分和终止部分。
作为本申请的又一示例性实施例，用于执行定位操作的方法可以包括训练部分、测试部分、运行部分、更新部分、测试部分(失败)、更新部分、测试部分(失败)、更新部分、测试部分(失败)和终止部分。
作为本申请的又一示例性实施例，用于执行定位操作的方法可以包括训练部分、测试部分、运行部分、更新部分、测试部分(失败)、更新部分、测试部分(失败)、更新部分、测试部分(失败)、恢复部分、测试部分、运行部分、更新部分、测试部分和终止部分。
上述示例性实施例仅仅是举例说明，本领域普通技术人员在本申请的保护范围内可以做出多种适应性的改变。
本申请实施例提供了一种由第一节点执行的装置，如图7所示，该装置100可以包括：第一获取模块101，第二获取模块102。
其中，第一获取模块101，用于获取定位方法或模型的相关信息；第二获取模块102，用于基于定位方法或模型的相关信息，获取定位信息。
本申请实施例的装置可执行本申请实施例所提供的方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
参考图4，本实施例还提供一种用于定位信号的接收测量方法的电子设备(用户设备)500。具体地，包括收发器和控制器，该控制器与收发器耦接并被配置为执行由第一节点执行的方法。
可选地，该用户设备包括存储器501和处理器502，存储器上存储有计算机可执行指令，当所述指令由处理器502执行时，执行本申请上述各实施例对应的至少一种方法。以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
本技术领域技术人员可以理解，本申请包括涉及用于执行本申请中所述操作中的一项或多项的设备。这些设备可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random Access Memory，随即存储器)、EPROM(Erasable ProgrammableRead-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically ErasableProgrammable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。
本申请实施例中提供了一种电子设备，包括收发器、存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现由第一节点执行的步骤。
在一个可选实施例中提供了一种电子设备，如图8所示，图8所示的电子设备1000包括：处理器1001和存储器1003。其中，处理器1001和存储器1003相连，如通过总线1002相连。可选地，电子设备1000还可以包括收发器1004，收发器1004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器1004不限于一个，该电子设备1000的结构并不构成对本申请实施例的限定。
处理器1001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器1001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线1002可包括一通路，在上述组件之间传送信息。总线1002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线1002可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器1003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器1003用于存储执行本申请实施例的计算机程序，并由处理器1001来控制执行。处理器1001用于执行存储器1003中存储的计算机程序，以实现前述方法实施例所示的步骤。
其中，电子设备包括但不限于：智能手机、平板电脑、笔记本电脑、智能音箱、智能手表、车载设备等。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请所提供的实施例中，由第一节点执行的上述方法可以使用人工智能模型来执行。
本申请所提供的装置，可以通过AI模型来实现多个模块中的至少一个模块。可以通过非易失性存储器、易失性存储器和处理器来执行与AI相关联的功能。
该处理器可以包括一个或多个处理器。此时，该一个或多个处理器可以是通用处理器，(例如中央处理单元(CPU)、应用处理器(AP)等)、或者是纯图形处理单元，(例如，图形处理单元(GPU)、视觉处理单元(VPU)、和/或AI专用处理器，(例如，神经处理单元(NPU))。
该一个或多个处理器根据存储在非易失性存储器和易失性存储器中的预定义的操作规则或人工智能(AI)模型来控制对输入数据的处理。通过训练或学习来提供预定义的操作规则或人工智能模型。
这里，通过学习来提供指的是通过将学习算法应用于多个学习数据来得到预定义的操作规则或具有期望特性的AI模型。该学习可以在其中执行根据实施例的AI的装置本身中执行，和/或可以通过单独的服务器/系统来实现。
该AI模型可以由包含多个神经网络层组成。每一层具有多个权重值，一个层的计算是通过前一层的计算结果和当前层的多个权重来执行的。神经网络的示例包括但不限于卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、受限玻尔兹曼机(RBM)、深度信念网络(DBN)、双向循环深度神经网络(BRDNN)、生成对抗网络(GAN)、以及深度Q网络。
学习算法是一种使用多个学习数据训练预定目标装置(例如，机器人)以使得、允许或控制目标装置进行确定或预测的方法。该学习算法的示例包括但不限于监督学习、无监督学习、半监督学习、或强化学习。
本技术领域技术人员可以理解，可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解，可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现，从而通过计算机或其他可编程数据处理方法的处理器来执行本申请公开的结构图和/或框图和/或流图的框或多个框中指定的方案。
本技术领域技术人员可以理解，本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (18)

1.一种由第一节点执行的方法，其特征在于，包括：
获取定位方法或模型的相关信息；
基于定位方法或模型的相关信息，获取定位信息。
2.根据权利要求1所述的方法，其特征在于，关于定位方法或模型的相关信息包括如下中的至少一个：
所述方法或模型的组成相关信息；
所述方法或模型的类型相关信息；
方法或模型参数相关信息；
数据集合相关信息。
3.根据权利要求1所述的方法，其特征在于，所述定位信息包括如下中的至少一个：
位置信息；
位置信息计算有关的信息；
信号到达时间；
到达角度；
离开角度。
4.根据权利要求1所述的方法，其特征在于，还包括：
获取输入信息，所述输入信息包括数据集合相关信息；
所述获取定位信息包括：
基于所述输入信息，获取定位信息；
其中，所述输入信息通过如下方式中的至少一种获取：
接收和/或测量第一信号获取输入信息；
从第二节点接收所述输入信息。
5.根据权利要求1所述的方法，其特征在于，还包括：
接收由第二节点发送的与定位相关的请求；或者
接收高层发送的与定位相关的请求；
获取定位信息包括：基于所述请求获取定位信息。
6.根据权利要求1所述的方法，其特征在于，获取定位信息包括：
在满足下述至少一项触发条件时，获取定位信息：
测量的第一信号的参考信号接收功率值不大于第一门限值；
测量的第一信号的路径损耗不小于第二门限值；
定位方法或者模型处于有效状态；
当触发条件发生不小于N次时。
7.根据权利要求6所述的方法，其特征在于，所述第一信号包括定位参考信号、探测参考信号、同步信号块的参考信号和信道状态信息的参考信号中的至少一项。
8.根据权利要求1-7中任一项所述的方法，其特征在于，还包括：
接收激活所述定位方法或模型的信令。
9.根据权利要求2所述的方法，其特征在于，数据集合相关信息包括个数相关信息，所述个数相关信息包括如下中的至少一个：
基于第三门限值的信道冲激响应的个数；
到达时间上的前N个和/或功率最大的前N个信道冲激响应。
10.根据权利要求2所述的方法，其特征在于，方法或模型参数相关信息包括以下至少一项：
用于确定初始的权重参数和/或偏置参数的概率分布；
权重参数配置和/或偏置参数配置；
用于得到或者更新权重参数和/或偏置参数的训练优化算法和/或损失函数和/或迭代次数和/或学习率。
11.根据权利要求1所述的方法，其特征在于，还包括：
确定定位方法或模型的有效性；
若有效，则获取定位信息。
12.根据权利要求11所述的方法，其特征在于，所述确定定位方法或模型的有效性包括：
获取第一数据；
若定位方法或模型基于所述第一数据中的输入信息得到的输出信息满足以下任一项预设的条件，则确定定位方法或模型有效：
输出信息与第一数据中的输出信息的差值不大于测试门限值；
输出信息所对应的模型性能优于测试数据中的输出信息所对应的模型性能。
13.根据权利要求1所述的方法，其特征在于，还包括以下至少一项：
基于预设事件、计数信息和/或计时信息，触发更新定位方法或模型的相关信息；
基于预设事件、计数信息和/或计时信息，触发恢复定位方法或模型的相关信息；
基于预设事件、计数信息和/或计时信息，终止使用定位方法或模型的相关信息；
其中，所述预设事件包括以下至少一项：所述定位方法或模型的输出信息不满足要求的门限值；用于所述定位方法或模型的输入信息的数目和/或类型不满足所需要的门限值；
所述计时信息包括以下至少一项：确定使用所述定位方法或模型时的启动时间，与所述预设事件对应的启动时间，所述预设事件对应的终止时间；
所述计数信息包括以下至少一项：与所述预设事件相应的初始数值，与预设事件发生相应的累计数值。
14.根据权利要求4所述的方法，其特征在于，所述基于所述输入信息，获取定位信息包括以下至少一项：
基于输入信息对应的第一噪声值，确定输入信息是否需要进行去噪处理；若是，则通过定位方法或模型的第一模块处理所述输入信息得到第一去噪信息，并通过定位方法或模型的第二模块处理所述第一去噪信息获取定位信息；若否，则通过所述第二模块处理所述输入信息获取定位信息；
基于输入信息对应的信道冲击响应值，确定输入信息是否需要进行修复处理；若是，通过定位方法或模型的第一模块处理所述输入信息得到第一修复信息，并通过定位方法或模型的第二模块处理所述第一修复信息获取定位信息；若否，通过所述第二模块处理所述输入信息获取定位信息。
15.根据权利要求14所述的方法，其特征在于，基于输入信息对应的第一噪声值，确定输入信息是否需要进行去噪处理，包括：
将输入信息对应的第一噪声值与第一噪声门限值比对，确定输入信息是否需要进行去噪处理。
16.根据权利要求14所述的方法，其特征在于，基于输入信息对应的信道冲击响应，确定输入信息是否需要进行修复处理，包括：
将输入信息对应的信道冲击响应CIR值与第一CIR门限值比对，得到有效CIR值；
将有效CIR值的个数与第一CIR个数门限值比对，确定输入信息是否需要进行修复处理。
17.根据权利要求14或15中任一项所述的方法，其特征在于，第一噪声值包括下述至少一项：RSRP，SNR，CIR幅度值，CIR的到达时间值。
18.一种电子设备，其特征在于，包括：
收发器；
控制器，与所述收发器耦接并被配置为执行权利要求1-17任一所述的方法。
CN202210834167.2A 2022-07-14 2022-07-14 由第一节点执行的方法及相关设备 Pending CN117440311A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210834167.2A CN117440311A (zh) 2022-07-14 2022-07-14 由第一节点执行的方法及相关设备
PCT/KR2023/010092 WO2024014921A1 (en) 2022-07-14 2023-07-14 Method and apparatus for positioning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210834167.2A CN117440311A (zh) 2022-07-14 2022-07-14 由第一节点执行的方法及相关设备

Publications (1)

Publication Number Publication Date
CN117440311A true CN117440311A (zh) 2024-01-23

Family

ID=89537148

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210834167.2A Pending CN117440311A (zh) 2022-07-14 2022-07-14 由第一节点执行的方法及相关设备

Country Status (2)

Country Link
CN (1) CN117440311A (zh)
WO (1) WO2024014921A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10327107B2 (en) * 2017-06-05 2019-06-18 Hewlett Packard Enterprise Development Lp Determining that a client device presents in a site using frequent client mobility patterns
US11604287B2 (en) * 2018-08-09 2023-03-14 Apple Inc. Machine learning assisted satellite based positioning
CN110632554A (zh) * 2019-09-20 2019-12-31 深圳前海微众银行股份有限公司 基于联邦学习的室内定位方法、装置、终端设备及介质
CN113543305A (zh) * 2020-04-22 2021-10-22 维沃移动通信有限公司 定位方法、通信设备和网络设备
CN114521012B (zh) * 2020-11-18 2023-10-24 维沃移动通信有限公司 定位方法、装置、终端设备、基站及位置管理服务器

Also Published As

Publication number Publication date
WO2024014921A1 (en) 2024-01-18

Similar Documents

Publication Publication Date Title
US10868605B2 (en) Method and apparatus for channel state information estimation
US11581965B2 (en) Processing communications signals using a machine-learning network
CN115152190B (zh) 使用峰值降低音调的基于机器学习的上行链路覆盖增强
US11901979B2 (en) Channel reciprocity-based precoding matrix configuration method and apparatus
US11581959B2 (en) Channel estimation and prediction with measurement impairment
Awan et al. Detection for 5G-NOMA: An online adaptive machine learning approach
CN116097576A (zh) 用于多波束操作的测量和报告的方法和装置
US20150131758A1 (en) Method for estimating covariance matrices and use thereof
US11570648B2 (en) Method and apparatus for base station audit correction in wireless communication networks
US11616663B2 (en) Method and apparatus of parameter tracking for CSI estimation
US11923934B2 (en) Method and apparatus for site-specific and dynamic base station beam codebook design
KR20160030442A (ko) 무선 통신 시스템에서 간섭 완화 장치 및 방법
CN117440311A (zh) 由第一节点执行的方法及相关设备
CN117440312A (zh) 由第一节点执行的方法及相关设备
US20230275636A1 (en) On subband configuration for reduced csi computation time
CN116963266A (zh) 一种无线通信系统中用于定位的方法和装置
WO2022217553A1 (en) Machine learning for channel estimation against diverse doppler effects
US20240154742A1 (en) Method and device for transmitting and/or receiving signals for positioning
CN116963149A (zh) 无线通信方法、用户设备、网络设备及存储介质
US20240187120A1 (en) Method, terminal and base station in a wireless communication system
US20240056865A1 (en) User equipment, base station and method performed by the same in wireless communication system
WO2024108762A1 (en) Systems and methods for channel state information report enhancement
CN117835301A (zh) 一种用于定位的方法和设备
CN116456267A (zh) 定位信号测量方法和装置
CN116961857A (zh) 无线通信方法、用户设备、网络设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication