CN117459961A - 一种通信方法、装置及系统 - Google Patents
一种通信方法、装置及系统 Download PDFInfo
- Publication number
- CN117459961A CN117459961A CN202210977688.3A CN202210977688A CN117459961A CN 117459961 A CN117459961 A CN 117459961A CN 202210977688 A CN202210977688 A CN 202210977688A CN 117459961 A CN117459961 A CN 117459961A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- terminal device
- distribution information
- terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 223
- 238000004891 communication Methods 0.000 title claims abstract description 89
- 238000009826 distribution Methods 0.000 claims abstract description 400
- 238000012549 training Methods 0.000 claims abstract description 100
- 238000003860 storage Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims 3
- 239000000523 sample Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 75
- 238000013461 design Methods 0.000 description 58
- 230000006870 function Effects 0.000 description 56
- 230000008569 process Effects 0.000 description 46
- 230000015654 memory Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 21
- 238000007726 management method Methods 0.000 description 17
- 230000009849 deactivation Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 6
- 238000013139 quantization Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 235000019800 disodium phosphate Nutrition 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000000546 chi-square test Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 description 1
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及通信技术领域。具体公开了一种通信方法、装置及系统。该方法包括:第一终端设备从网络设备获取第一特征分布信息,并向第一终端设备关联的第一服务器发送第一特征分布信息。其中第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布。如此,第一服务器接收到第一特征分布信息后,能将第一特征分布信息作为生成AI模型的辅助信息,从而使得第一服务器根据训练数据生成的AI模型接近于根据第一区域内总的训练数据生成的AI模型,进而有效提高AI模型的性能。
Description
本申请要求于2022年07月12日提交国家知识产权局、申请号为202210820351.1、发明名称为“一种数据特征分布处理方法与装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本申请涉及通信技术领域,尤其涉及一种通信方法、装置及系统。
背景技术
在无线通信系统中,两个设备之间往往会传输一些测量信息、状态信息等,以此实现后续的信号传输,这样可以提高通信系统性能。例如,两个设备分别为网络设备和终端设备,终端设备可以使用人工智能(artificial intelligence,AI)模型(比如AI编码器)对待传输的信息(例如上述测量信息、状态信息)进行编码,并将编码后的信息反馈给网络设备,网络设备通过和AI编码器对应的AI解码器解码获得终端设备上报的信息(例如上述测量信息、状态信息)。
其中,终端设备在特定区域内使用的AI模型是由终端设备关联的服务器训练生成的,AI模型的训练数据包括服务器关联的多个终端设备在特定区域内采集的数据。
发明内容
然而,由于特定区域内除了包括服务器关联的多个终端设备以外,还包括其它服务器关联的其它终端设备;也就是说,AI模型的训练数据为特定区域内的部分终端设备采集的数据。因此,AI模型的训练数据的特征分布可能与特定区域内总的训练数据的特征分布不同,从而会影响AI模型的性能,比如待传输的信息经过AI编码和AI解码之后可能会失真。
本申请提供了一种通信方法、装置及系统,用于解决AI模型的训练数据的特征分布与特定区域内总的训练数据的特征分布不同,从而影响AI模型的性能的问题。
第一方面,本申请实施例提供一种通信系统。该通信系统包括网络设备、第一终端设备和第一服务器,第一终端设备与第一服务器相关联。其中,网络设备用于,向第一终端设备发送第一特征分布信息,第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布;第一终端设备还用于,接收第一特征分布信息,向第一服务器发送第一特征分布信息;第一服务器用于,接收第一特征分布信息,根据所述第一特征分布信息和训练数据,生成人工智能AI模型;以及,向第一终端设备或与第一服务器关联的第二终端设备发送该AI模型的配置信息。
采用上述方法,由于网络设备将第一特征分布信息发送给第一终端设备,以及第一终端设备将第一特征分布信息发送给第一终端设备关联的第一服务器。如此,虽然第一服务器生成AI模型所使用的第一训练数据是第一服务器关联的终端设备在第一区域内采集的数据,第一训练数据的特征分布可能不同于第一区域内总的训练数据的特征分布,但由于第一服务器可以获取到第一特征分布信息(用于指示第一区域内总的训练数据的特征分布),因此,第一服务器可以将第一特征分布信息作为生成AI模型的辅助信息,从而使得根据第一训练数据生成的AI模型接近于根据第一区域内总的训练数据生成的AI模型,能够有效提高AI模型的性能。
在一种可能的设计中,第一终端设备用于,向网络设备发送第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;终端设备包括第一终端设备;网络设备还用于,根据第一信息,确定第一特征分布信息。
在一种可能的设计中,网络设备还用于,发送第一请求信息,第一请求信息用于请求终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息;第一终端设备在向网络设备发送第一信息之前,还用于接收第一请求信息。
在一种可能的设计中,第一请求信息包括以下至少一项:第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,所述第二指示信息指示第一方式和/或第二方式,所述第一方式用于确定所述终端设备采集的数据的特征信息,所述第二方式用于确定所述终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发,触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于所述第一区域;时间段信息,时间段信息用于指示第一时间段。如此,第一终端设备可以网络设备的请求,向网络设备上报第一信息,从而便于网络设备对终端设备的灵活控制。
在一种可能的设计中,第一终端设备还用于,向网络设备发送第二请求信息,第二请求信息用于请求向第一终端设备发送第一特征分布信息;网络设备在向第一终端设备发送第一特征分布信息之前,还用于接收第二请求信息。
在一种可能的设计中,第一服务器还用于,向第一终端设备发送第三请求信息,第三请求信息用于请求向第一服务器发送第一特征分布信息;第一终端设备在向第一服务器发送第一特征分布信息之前,还用于接收第三请求信息。
在一种可能的设计中,第一服务器在根据第一特征分布信息和训练数据,生成AI模型之前,还用于确定第一特征分布信息和第二特征分布信息的差异满足第一条件,第二特征分布信息为第一服务器预先获取的。如此,第一服务器可以依据第一特征分布信息和第二特征分布信息来判断AI模型是否需要更新,从而能够较为简便快捷地识别出AI模型是否需要更新,以便于更合理地对AI模型进行更新,避免频繁更新AI模型导致第一服务器的处理负担较重,或者长时间未更新AI模型导致AI模型的性能较差。
在一种可能的设计中,第一服务器还用于接收来自第一终端设备的P1组数据。训练数据包括P1组数据,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数。
在一种可能的设计中,第一服务器还用于接收来自第二终端设备的P2组数据。训练数据包括P2组数据,P2组数据为第二终端设备位于第一区域且在第一时间段内采集的数据,P2为正整数。
在一种可能的设计中,训练数据包括第一服务器预先获取的数据。
第二方面,本申请实施例提供一种通信方法。该方法可以应用于第一终端设备。在该方法中,第一终端设备接收来自网络设备的第一特征分布信息,第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布;向第一服务器发送第一特征分布信息,第一服务器与第一终端设备相关联。
在一种可能的设计中,向网络设备发送第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;其中,终端设备包括第一终端设备,第一特征分布信息根据第一信息确定。
在一种可能的设计中,在向网络设备发送第一信息之前,该方法还包括:接收来自网络设备的第一请求信息,第一请求信息用于请求终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
在一种可能的设计中,第一请求信息包括以下至少一项:第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,第二指示信息指示第一方式和/或第二方式,第一方式用于确定终端设备采集的数据的特征信息,第二方式用于确定终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发,触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于指示第一区域;时间段信息,时间段信息用于指示第一时间段。
在一种可能的设计中,在接收来自网络设备的第一特征分布信息前,该方法还包括:向网络设备发送第二请求信息,第二请求信息用于请求向第一终端设备发送第一特征分布信息。
在一种可能的设计中,在向网络设备发送第二请求信息前,该方法还包括:接收来自第一服务器的第三请求信息,第三请求信息用于请求向第一服务器发送第一特征分布信息。
第三方面,本申请实施例提供一种通信方法。该方法可以应用于网络设备。在该方法中,网络设备确定第一特征分布信息,并向第一终端设备发送第一特征分布信息,第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布。
在一种可能的设计中,该方法还包括:接收来自第一终端设备的第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;终端设备包括第一终端设备;确定第一特征分布信息,包括:根据第一信息,确定第一特征分布信息。
在一种可能的设计中,在接收来自第一终端设备的第一信息之前,该方法还包括:向终端设备发送第一请求信息,第一请求信息用于请求终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
在一种可能的设计中,第一请求信息包括以下至少一项:第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,第二指示信息指示第一方式和/或第二方式,第一方式用于确定终端设备采集的数据的特征信息,第二方式用于确定终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发,触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于指示第一区域;时间段信息,时间段信息用于指示第一时间段。
在一种可能的设计中,在向第一终端设备发送第一特征分布信息之前,该方法还包括:接收来自第一终端设备的第二请求信息,第二请求信息用于请求向第一终端设备发送第一特征分布信息。
第四方面,本申请实施例提供一种通信方法。该方法可以应用于第一服务器。在该方法中,第一服务器接收来自第一终端设备的第一特征分布信息,第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布,第一服务器与第一终端设备相关联;根据第一特征分布信息,生成AI模型;以及,向第一终端设备或与第一服务器关联的第二终端设备发送AI模型的配置信息。
在一种可能的设计中,该方法还包括:接收来自第一终端设备的P1组数据,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;其中,训练数据包括P1组数据。
在一种可能的设计中,该方法还包括:接收来自第二终端设备的P2组数据,P2组数据为第二终端设备位于第一区域且在第一时间段内采集的数据,P2为正整数;其中,训练数据包括P2组数据。
在一种可能的设计中,训练数据包括第一服务器预先获取的数据。
在一种可能的设计中,在根据第一特征分布信息,生成AI模型之前,该方法还包括:确定第一特征分布信息和第二特征分布信息的差异满足第一条件,第二特征分布信息为第一服务器预先获取的。
在一种可能的设计中,在接收来自第一终端设备的第一特征分布信息之前,该方法还包括:向第一终端设备发送第三请求信息,第三请求信息用于请求向第一服务器发送第一特征分布信息。
可以理解的是,上述第二方面至第四方面所请求保护的方法与第一方面所请求保护的通信系统相对应。因此,第二方面至第四方面中相关技术特征的有益效果可以参照第一方面中的描述,不再赘述。
第五方面,本申请实施例提供一种通信系统。通信系统包括网络设备和第一终端设备。其中第一终端设备用于,向网络设备发送第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数。网络设备用于,接收第一信息。
采用上述方法,终端设备可以向网络设备上报P1组数据的特征信息和/或特征分布信息,从而使得网络设备可以及时获知第一区域内总的训练数据的分布情况,便于对终端设备侧使用的AI模型进行管理。
在一种可能的设计中,网络设备还用于,向第一终端设备发送去激活信息,去激活信息用于指示去激活AI模型或AI模式。终端设备还用于,接收去激活信息。
在一种可能的设计中,网络设备还用于,向第一终端设备发送切换信息,切换信息用于指示将使用的AI模型切换为目标AI模型。终端设备还用于,接收切换信息。
在一种可能的设计中,网络设备还用于,根据训练数据生成AI模型,并向第一终端设备发送AI模型的配置信息。终端设备还用于,接收AI模型的配置信息,并将使用的模型更新为AI模型。
在一种可能的设计中,网络设备还用于,确定第一特征分布信息和第二特征分布信息的差异满足第一条件,第一特征分布信息用于指示位于第一区域的终端设备且在第一时间段内采集的数据的特征分布,第一特征分布信息根据第一信息确定。终端设备包括第一终端设备,第二特征分布信息为网络设备预先获取的。
采用上述方法,比如第二特征分布信息用于指示当前使用的AI模型的训练数据的特征分布,则网络设备可以依据第一特征分布信息和第二特征分布信息,来判断当前使用的AI模型的性能,从而能够较为简便快捷地识别出AI模型的性能是否较差。
在一种可能的设计中,网络设备还用于,向终端设备发送第一请求信息,第一请求信息用于请求终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。第一终端设备在向网络设备发送第一信息之前,还用于接收第一请求信息。
在一种可能的设计中,第一请求信息包括以下至少一项:第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,第二指示信息指示第一方式和/或第二方式,第一方式用于确定终端设备采集的数据的特征信息,第二方式用于确定终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置。触发方式包括以下至少一项:事件触发、周期触发;触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于指示第一区域;时间段信息,时间段信息用于指示第一时间段。
在一种可能的设计中,第一终端设备还用于,向网络设备发送P1组数据;网络设备还用于,接收P1组数据,训练数据包括P1组数据。
在一种可能的设计中,网络设备还用于,向第一终端设备发送第五请求信息,第五请求信息用于请求第一终端设备上报位于第一区域且在第一时间段内采集的数据;第一终端设备在向网络设备发送P1组数据之前,还用于接收第五请求信息。
采用上述方法,当网络设备确定需要生成AI模型时,向第一终端设备发送第五请求信息,进而第一终端设备基于第五请求向网络设备上报P1组数据。也就是说,当网络设备不需要生成AI模型时,第一终端设备可无需向网络设备发送P1组数据,从而有效节省传输资源。
第六方面,本申请实施例提供一种通信方法。该方法可以应用于网络设备。在该方法中,网络设备接收来自第一终端设备的第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数。
在一种可能的设计中,该方法还包括:向第一终端设备发送去激活信息,去激活信息用于指示去激活AI模型或AI模式。
在一种可能的设计中,该方法还包括:向第一终端设备发送切换信息,切换信息用于指示将使用的AI模型切换为目标AI模型。
在一种可能的设计中,该切换信息包括以下至少一项:目标AI模型的标识信息、目标AI模型的配置信息。
在一种可能的设计中,该方法还包括:根据训练数据生成AI模型,并向第一终端设备发送AI模型的配置信息;AI模型的配置信息用于指示将使用的模型更新为AI模型。
在一种可能的设计中,方法还包括:确定第一特征分布信息和第二特征分布信息的差异满足第一条件,所述第一特征分布信息用于指示位于第一区域的终端设备且在第一时间段内采集的数据的特征分布,所述第一特征分布信息根据所述第一信息确定,所述终端设备包括所述第一终端设备,所述第二特征分布信息为所述网络设备预先获取的。
在一种可能的设计中,所述方法还包括:向所述终端设备发送第一请求信息,所述第一请求信息用于请求所述终端设备在所述第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
在一种可能的设计中,所述第一请求信息包括以下至少一项:第一指示信息,所述第一指示信息指示请求所述终端设备上报的信息为所述终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,所述第二指示信息指示第一方式和/或第二方式,所述第一方式用于确定所述终端设备采集的数据的特征信息,所述第二方式用于确定所述终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发;触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于指示第一区域;时间段信息,时间段信息用于指示第一时间段。
在一种可能的设计中,在向第一终端设备发送AI模型的配置信息之前,该方法还包括:接收来自第一终端设备的P1组数据,训练数据包括P1组数据。
在一种可能的设计中,该方法还包括:向第一终端设备发送第五请求信息,第五请求信息用于请求第一终端设备上报位于第一区域且在第一时间段内采集的数据。
第七方面,本申请实施例提供一种通信方法。该方法可以应用于第一终端设备。在该方法中,第一终端设备向网络设备发送第一信息。第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数。
在一种可能的设计中,该方法还包括:接收来自网络设备的去激活信息,去激活信息用于指示去激活AI模型或AI模式。
在一种可能的设计中,该方法还包括:接收来自网络设备的切换信息,切换信息用于指示将使用的AI模型切换为目标AI模型。
在一种可能的设计中,切换信息包括以下至少一项:目标AI模型的标识信息、目标AI模型的配置信息。
在一种可能的设计中,该方法还包括:接收来自网络设备的AI模型的配置信息;将使用的模型更新为AI模型。
在一种可能的设计中,在向网络设备发送第一信息之前,该方法还包括:接收来自网络设备的第一请求信息,第一请求信息用于请求终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
在一种可能的设计中,第一请求信息包括以下至少一项:第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息;第二指示信息,第二指示信息指示第一方式和/或第二方式,第一方式用于确定终端设备采集的数据的特征信息,第二方式用于确定终端设备采集的数据的特征分布信息;终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件;触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发;触发配置包括以下至少一项:触发事件、触发周期;数量信息,数量信息用于指示P1的数值;区域信息,区域信息用于指示第一区域;时间段信息,时间段信息用于指示第一时间段。
在一种可能的设计中,该方法还包括:向网络设备发送P1组数据,AI模型的训练数据包括P1组数据。
在一种可能的设计中,该方法还包括:接收来自网络设备的第五请求信息,第五请求信息用于请求第一终端设备上报位于第一区域且在第一时间段内采集的数据。
可以理解的是,上述第六方面和第七方面所请求保护的方法与第五方面所请求保护的通信系统相对应。因此,第六方面和第七方面中相关技术特征的有益效果可以参照第五方面中的描述,不再赘述。
第八方面,本申请提供一种通信装置。通信装置具备实现上述第二方面至第四方面以及第六方面和第七方面涉及的功能。比如,所述通信装置包括执行上述第二方面至第四方面以及第六方面和第七方面涉及操作所对应的模块或单元或手段,所述功能或单元或手段可以通过软件实现,或者通过硬件实现,也可以通过硬件执行相应的软件实现。
在一种可能的设计中,通信装置包括处理器,处理器可以与存储器耦合。存储器可以保存实现上述第二方面至第四方面以及第六方面和第七方面涉及的功能的必要计算机程序或指令。处理器可执行存储器存储的计算机程序或指令,当计算机程序或指令被执行时,使得通信装置实现上述第二方面至第四方面以及第六方面和第七方面任意可能的设计或实现方式中的方法。
在一种可能的设计中,通信装置包括处理器和接口电路。其中,处理器通过接口电路与其它装置通信,并执行上述第二方面至第四方面以及第六方面和第七方面任意可能的设计或实现方式中的方法。
可以理解地,上述第八方面中,处理器可以通过硬件来实现也可以通过软件来实现。当通过硬件实现时,该处理器可以是逻辑电路、集成电路等。当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现。此外,以上处理器可以为一个或多个,存储器可以为一个或多个。存储器可以与处理器集成在一起,或者存储器与处理器分离设置。在具体实现过程中,存储器可以与处理器集成在同一块芯片上,也可以分别设置在不同的芯片上,本申请实施例对存储器的类型以及存储器与处理器的设置方式不做限定。
第九方面,本申请提供一种计算机可读存储介质。计算机存储介质中存储有计算机可读指令,当计算机读取并执行计算机可读指令时,使得计算机执行上述第一方面至第四方面的任一种可能的设计中的方法。
第十方面,本申请提供一种计算机程序产品,当计算机读取并执行计算机程序产品时,使得计算机执行上述第一方面至第四方面的任一种可能的设计中的方法。
第十一方面,本申请提供一种芯片,包括处理器,处理器与存储器耦合,用于读取并执行存储器中存储的软件程序,以实现第二方面至第四方面以及第六方面和第七方面的任一种可能的设计中的方法。
附图说明
图1为本申请实施例适用的一种通信系统示意图;
图2为本申请实施例提供的一种直方图统计的示意图;
图3为本申请实施例提供的区域1内包括不同厂商的终端设备示意图;
图4为本申请实施例提供的不同特征分布示意图;
图5为本申请实施例一提供的通信方法所对应的流程示意图;
图6为本申请实施例二提供的通信方法所对应的流程示意图;
图7为本申请实施例三提供的通信方法所对应的流程示意图;
图8为本申请实施例四提供的通信方法所对应的流程示意图;
图9为本申请实施例中所涉及的装置的可能的示例性框图;
图10为本申请实施例提供的一种终端设备的结构示意图;
图11为本申请实施例提供的一种网络设备的结构示意图;
图12为本申请实施例提供的一种服务器的结构示意图。
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描述。本申请实施例中的技术方案可以应用于各种通信系统,例如通用移动通信系统(universalmobile telecommunications system,UMTS)、无线局域网(wireless local areanetwork,WLAN)、无线保真(wireless fidelity,Wi-Fi)系统、全球互联微波接入(worldwide interoperability for microwave access,WiMAX)通信系统、车到任意物体(vehicle to everything,V2X)通信系统、设备间(device-to-device,D2D)通信系统、车联网通信系统、第4代(4th generation,4G)移动通信系统,如长期演进(long termevolution,LTE)系统)、第五代(5th generation,5G)移动通信系统,如新空口(new radio,NR)系统,以及未来演进的通信系统,如第六代(6th generation,6G)移动通信系统等。
本申请将围绕可包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是,各个系统可包括另外的设备、组件、模块等,并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外,还可以使用这些方案的组合。
另外,在本申请实施例中,“示例性地”、“比如”等词语用于表示例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例”一词旨在以具体方式呈现概念。本申请实施例中,“的(of)”,“相应的(corresponding,relevant)”和“对应的(corresponding)”有时可以混用,应当指出的是,在不强调其区别时,其所要表达的含义是一致的。
本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
为便于理解本申请实施例,首先以图1中示出的通信系统为例详细说明适用于本申请实施例的通信系统。如图1所示,该通信系统包括多个终端设备(比如终端设备101、终端设备102和终端设备103)和一个或多个网络设备(比如网络设备110),可选地,还可以包括一个或多个服务器(比如服务器121、服务器122)。
(1)终端设备
终端设备可以为接入上述通信系统,且具有无线收发功能的终端或可设置于该终端的芯片或芯片系统。该终端设备也可以称为用户设备(user equipment,UE)、用户装置、接入终端、用户单元、用户站、移动站、移动台(mobile station,MS)、远方站、远程终端、移动设备、用户终端、终端、终端单元、终端站、终端装置、无线通信设备、用户代理或用户装置。
例如,本申请的实施例中的终端设备可以是手机(mobile phone)、无线数据卡、个人数字助理(personal digital assistant,PDA)电脑、膝上型电脑(laptop computer)、平板电脑(Pad)、无人机、带无线收发功能的电脑、机器类型通信(machine typecommunication,MTC)终端、虚拟现实(virtual reality,VR)终端设备、增强现实(augmented reality,AR)终端设备、物联网(internet of things,IoT)终端设备、工业控制(industrial control)中的无线终端、无人驾驶(self driving)中的无线终端、远程医疗(remote medical)中的无线终端、智能电网(smart grid)中的无线终端、运输安全(transportation safety)中的无线终端、智慧城市(smart city)中的无线终端、智慧家庭(smart home)中的无线终端(例如游戏机、智能电视、智能音箱、智能冰箱和健身器材等)、车载终端、具有终端功能的RSU。接入终端可以是蜂窝电话(cellular phone)、无绳电话、会话启动协议(session initiation protocol,SIP)电话、无线本地环路(wireless localloop,WLL)站、个人数字助理(personal digital assistant,PDA)、具有无线通信功能的手持设备(handset)、计算设备或连接到无线调制解调器的其它处理设备、可穿戴设备等。
又例如,本申请实施例中的终端设备可以是智慧物流中的快递终端(例如可监控货物车辆位置的设备、可监控货物温湿度的设备等)、智慧农业中的无线终端(例如可收集禽畜的相关数据的可穿戴设备等)、智慧建筑中的无线终端(例如智慧电梯、消防监测设备、以及智能电表等)、智能医疗中的无线终端(例如可监测人或动物的生理状态的可穿戴设备)、智能交通中的无线终端(例如智能公交车、智能车辆、共享单车、充电桩监测设备、智能红绿灯、以及智能监控以及智能停车设备等)、智能零售中的无线终端(例如自动售货机、自助结账机、以及无人便利店等)。又例如,本申请的终端设备可以是作为一个或多个部件或者单元而内置于车辆的车载模块、车载模组、车载部件、车载芯片或者车载单元,车辆通过内置的所述车载模块、车载模组、车载部件、车载芯片或者车载单元可以实施本申请提供的方法。
(2)网络设备
网络设备可以为接入网设备和核心网网元中的一个设备,或者,网络设备可以为核心网网元中的一个或多个设备与接入网设备的集成的设备。
上述接入网设备为位于上述通信系统的网络侧,且具有无线收发功能的设备或可设置于该设备的芯片或芯片系统。该接入网设备包括但不限于:无线保真(wirelessfidelity,Wi-Fi)系统中的接入点(access point,AP),如家庭网关、路由器、服务器、交换机、网桥等,演进型节点B(evolved Node B,eNB)、无线网络控制器(radio networkcontroller,RNC)、节点B(Node B,NB)、基站控制器(base station controller,BSC)、基站收发台(base transceiver station,BTS)、家庭基站(例如,home evolved NodeB,或homeNode B,HNB)、基带单元(baseband unit,BBU),无线中继节点、无线回传节点、传输点(transmission and reception point,TRP或者transmission point,TP)等,还可以为5G,如,新空口(new radio,NR)系统中的gNB,或,传输点(TRP或TP),5G系统中的基站的一个或一组(包括多个天线面板)天线面板,或者,还可以为构成gNB或传输点的网络节点,如基带单元(BBU),或,分布式单元(distributed unit,DU)、具有基站功能的路边单元(road sideunit,RSU)等,或者还可以为卫星、或未来各种形式的基站。
上述核心网网元可以包括但不限于如下一项或多项:用户面网元、移动性管理网元、会话管理网元、策略控制网元、存储功能网元。
其中,用户面网元:作为和数据网络的接口,完成用户面数据转发、基于会话/流级的计费统计,带宽限制等功能。即分组路由和转发以及用户面数据的服务质量(quality ofservice,QoS)处理等。在5G通信系统中,该用户面网元可以是用户面功能(user planefunction,UPF)网元。
移动性管理网元主要用于移动性管理和接入管理等。在5G通信系统中,该接入管理网元可以是接入和移动性管理功能(access and mobility management function,AMF)网元,主要进行移动性管理、接入鉴权/授权等功能。此外,移动性管理网元还负责在终端与策略控制功能(policy control function,PCF)网元间传递用户策略。
会话管理网元:主要用于会话管理(例如创建、删除等)、维护会话上下文及用户面转发管道信息、用户设备的网络互连协议(internet protocol,IP)地址分配和管理、选择可管理用户平面功能、策略控制和收费功能接口的终结点以及下行数据通知等。在5G通信系统中,该会话管理网元可以是会话管理功能(session management function,SMF)网元,完成终端IP地址分配,UPF选择,及计费与QoS策略控制等。
策略控制网元:包括用户签约数据管理功能、策略控制功能、计费策略控制功能、服务质量(quality of service,QoS)控制等,用于指导网络行为的统一策略框架,为控制面功能网元(例如AMF,SMF网元等)提供策略规则信息等。在5G通信系统中,该策略控制网元可以是PCF。
存储功能网元:为其他核心网元提供网络功能实体信息的存储功能和选择功能。在5G通信系统中,该网元可以是网络功能存储库功能(network function repositoryfunction,NRF)网元。
(3)服务器
服务器也可以称为在网络上层(over the top,OTT)服务器。服务器可以与多个终端设备相关联;当终端设备与服务器相关联时,终端设备可以与服务器通信。如图1所示,终端设备101和终端设备102与服务器121相关联,终端设备103与服务器122相关联。以终端设备101为例,终端设备101可以与服务器121通信;比如,终端设备101可以向服务器121发送终端设备101采集的数据,终端设备101采集的数据可用于服务器121生成AI模型,以及服务器121可以向终端设备101发送AI模型的配置信息,进而终端设备101可以根据AI模型的配置信息使用AI模型。
其中,服务器与终端设备相关联的场景可以有多种。在一种可能的场景中,图1所示意的通信系统中可以包括多个终端设备,这多个终端设备可能属于不同的终端设备厂商,或者这多个终端设备所使用的芯片可能属于不同的芯片厂商。其中,一个或多个终端设备厂商可构成一个群体(或者说利益体),或者一个或多个芯片厂商可构成一个群体,又或者一个或多个终端设备厂商与一个或多个芯片厂商可构成一个群体。一个群体可维护一个服务器或者一个服务器集群(一个服务器集群中可以包括多个服务器),本申请实施例中将以“一个群体维护一个服务器”为例进行描述。一个群体维护的服务器与该群体的终端设备相关联。
举个例子,终端设备101和终端设备102均属于终端设备厂商1,服务器121为终端设备厂商1维护的服务器,因此,终端设备101和终端设备102与服务器121相关联;终端设备103属于终端设备厂商2,服务器122为终端设备厂商2维护的服务器,因此,终端设备103与服务器122相关联。
可以理解的是,本申请实施例提供的通信方法,可以适用于图1所示的服务器、终端设备与网络设备之间,或者也可以适用于终端设备与网络设备之间,具体实现可以参考下述方法实施例。本申请实施例中的技术方案还可以应用于其他通信系统中,相应的名称也可以用其他通信系统中的对应功能的名称进行替代。图1仅为便于理解而示例的简化示意图,该通信系统中还可以包括其它网络设备、其它终端设备、其它服务器中的至少一项,图1中未予示出。
下面先对本申请实施例所涉及的相关内容进行解释说明。需要说明的是,这些解释是为了让本申请实施例更容易被理解,而不应该视为对本申请所要求的保护范围的限定。
(1)一组数据的特征信息
本申请实施例中,一组数据也可以称为一个数据,此处以“一组数据为第一数据”为例进行描述。示例性地,第一数据可以是根据终端设备的下行信道状态信息确定的;或者,第一数据可以是与终端设备的定位有关的数据。本申请实施例不对第一数据进行限定,对应不同的应用场景,第一数据可以不同。
第一数据的特征信息用于指示第一数据的特征。可选地,第一数据的特征可以是采用第一方式对第一数据进行处理得到的。
其中,第一方式可以包括第一处理过程,比如第一处理过程可以包括直方图(histogram)统计。可选地,第一方式还可以包括第二处理过程和/或第三处理过程,第二处理过程为第一处理过程之前的处理过程,第三处理过程为第一处理过程之后的处理过程。
也就是说,第一数据的特征可以是根据第一处理过程获得的,或者,第一数据的特征可以是根据第二处理过程和第一处理过程获得的,或者,第一数据的特征可以是根据第一处理过程和第三处理过程获得的,或者,第一数据的特征可以是根据第一处理过程、第二处理过程和第三处理过程获得的。
(1.1)第一处理过程
如上所述,第一处理过程可以包括直方图统计。图2为本申请实施例提供的一种直方图统计的示意图。结合图2,假设第一数据为三维数据,例如维度为W×H×D,W和H可以为与第一数据相关的信息,D可以为2,D代表实部和虚部。以单元格P×Q×T为单位遍历第一数据,1≤P≤W,1≤Q≤H,1≤T≤D,遍历过程可以有交叠也可以无交叠,并针对每个单元格P×Q×T进行直方图统计,可以获得直方图数据,得到的所有直方图数据构成第一数据的特征(矩阵或向量)。其中,该直方图数据可以是基于单元格P×Q×T中各元素的数值,也可以是基于该单元格P×Q×T中各元素的方向和强度。可以理解的是,本申请不对第一数据的维度进行限定,图2仅为本申请提供的示例。
在一个示例中,第一数据是根据下行信道状态信息确定的,比如第一数据包括下行信道状态信息。下行信道状态信息可以通过第一维度、第二维度和第三维度表示。可选地,第一维度与载波数量或子带数量对应,第二维度与网络设备的天线端口数量或射频链数量对应,第三维度表示实部和虚部。假设第一维度为W,第二维度为H,第三维度为D,则下行信道状态信息可以为W×H×D,结合图2,以单元格P×Q×T为单位遍历下行信道状态信息,并针对每个单元格P×Q×T进行直方图统计,获得直方图数据,得到的所有直方图数据构成下行信道状态信息的特征(矩阵或向量)。
可以理解的是,在其它可能的实现中,第一处理过程可以包括无线信道特征提取,其中,无线信道特征可能包括但不限于如下特征中的一种或几种:功率时延谱(powerdelay profile,PDP)、时变多普勒谱、角度功率谱(angular power spectrum,APS)、PDP稀疏度、多普勒谱稀疏度、APS稀疏度。
(1.2)第二处理过程
可选地,第二处理过程可以包括但不限于如下一项或多项:傅里叶变换、快速傅里叶变换(fast fourier transform,FFT)、离散傅里叶变换(discrete fourier transform,DFT)、数据截断、坐标转换、取幅度、降噪、归一化、灰度化、数据矫正(例如伽马矫正)、量化、奇异值分解(singular value decomposition,SVD)、平移、数据扩充、求梯度、特征模板滤波、部分选取、和对多种处理结果进行组合。
其中,求梯度可以包括局部二进制模式算法中的二值化梯度。特征模板滤波可以包括对数据(例如特征)进行索贝尔算子(sobel operators)运算、计算获取哈尔特征(Haar-like features)、和/或通过canny边缘检测算法获取数据中的边缘等。部分选取可以包括:使用尺度不变特征转换等方法提取感兴趣区域(region of interest,ROI)。对多种处理结果进行组合可以包括:对经过多个不同索贝尔算子计算得到的数据进行组合。
需要说明的是,当第二处理过程包括多项时,本申请不对傅里叶变换、FFT、DFT、数据截断、坐标转换、取幅度、降噪、归一化、灰度化、数据矫正(例如伽马矫正)、量化、SVD、平移、数据扩充、求梯度、特征模板滤波、部分选取、和对多种处理结果进行组合的执行顺序进行限定。
(1.3)第三处理过程
可选地,第三处理过程可以包括但不限于如下一项或多项:归一化、特征组合、降低维度、量化、和编码。
其中,归一化可以获得基于单个单元格或多个单元格的直方图数据。特征组合可以包括:通过多种尺度(例如预处理插值或降维生成不同尺度的多个图像,然后分别提取特征)、或不同配置(例如不同尺寸的单元格)得到的直方图特征组合。降低维度可以包括但不限于如下一项或多项:对直方图数据(进行直方图统计后获得的数据)进行组合求和、和采用降低特征维度的方法压缩直方图数据的维度。
可选地,对直方图数据进行组合求和可以得到更少的特征维度。例如,对直方图数据进行组合求和可以包括:可变形部件模型算法中对直方图数据矩阵的行和列分别相加。可选地,降低特征维度的方法可以包括但不限于:主成分分析(principal componentanalysis,PCA)和线性判别分析(linear discriminant analysis,LDA)。
(1.4)第一方式的具体示例
基于上述第一处理过程、第二处理过程和第三处理过程的描述,在一个示例中,第一方式可以为以下任一项:方向梯度直方图(histogram of oriented gradient,HOG)、局部二进制模式(local binary patterns,LBP)、边缘方向直方图(edge orientationhistogram,EOH)、边缘直方图描述符(edge histogram descriptor,EHD)、边缘方向直方图(edge direction histogram,EDH)、可变形部件模型(deformable part model,DPM)、尺度不变特征转换(scale-invariant feature transform,SIFT)或加速鲁棒特征(speed uprobust features,SURF)。
其中,HOG方法除了包括第一处理过程,还包括灰度化、求梯度等第二处理过程,和归一化等第三处理过程。类似地,局部二进制模式LBP方法包括第一处理过程,还包括第二处理过程和第三处理过程。本申请不一一阐述。
如此,在对第一数据进行直方图统计之前,采用第二处理过程对第一数据进行处理,和/或,在对第一数据进行直方图统计后,采用第三处理过程对直方图统计的结果进行处理,可以进一步增加第一数据的特征的准确性。
可以理解的是,除采用第一方式外,也可以采用其它可能的方式获得第一数据的特征。比如,可以将第一数据输入AI模型;作为一种实现方式,该AI模型可以是自编码器(Autoencoder)的编码部分,也可以是AI分类器的骨干网络部分。进而,AI模型可以输出第一数据的特征。可选地,在将第一数据输入AI模型之前,可以对第一数据进行预处理,具体的预处理方式不做限定。
(2)多组数据的特征分布信息
参照上述“一组数据”,多组数据可以是根据多组下行信道状态信息确定的,比如多组数据包括多组下行信道状态信息;或者,多组数据是与终端设备的定位有关的数据。在一个示例中,多组数据可以包括上述第一数据,或者说上述第一数据为多组数据中的一组数据。
多组数据的特征分布信息用于指示多组数据的特征分布。其中,多组数据的特征分布可以表示属于多个类别中每个类别的数据的数量或比例。可选地,多组数据的特征分布可以是采用第二方式对多组数据进行处理得到的。下面结合示例1和示例2对第二方式进行描述。
(2.1)示例1
在示例1中,第二方式可以包括第一方式和第三方式。此种情形下,采用第二方式对多组数据进行处理得到多组数据的特征分布,可以是指:采用第一方式对多组数据中的每组数据进行处理,得到多组数据中的每组数据的特征;进一步地,采用第三方式对多组数据的特征进行处理,得到多组数据的特征分布。
示例性地,第三方式可以包括但不限于以下至少一项:针对多组数据的特征中的每个元素在组的维度上取均值、针对多组数据的特征中的每个元素在组的维度上统计得到分位数、针对多组数据的特征中的每个元素在组的维度上进行高斯拟合得到均值和方差、或其它分布的拟合得到其参数值。
以多组数据包括A组数据,比如A组下行信道状态信息为例,当下行信道状态信息通过第一维度、第二维度和第三维度表示时,A组下行信道状态信息可以包括A组W×H×D的数据,其中A为大于1的整数。例如,对A组中的每组数据进行直方图统计,获得A组数据的特征,采用高斯拟合对A组数据特征的每个元素在A的维度上进行处理,获得A组数据的特征分布。
(2.2)示例2
在示例2中,第二方式可以包括第一方式,或者说第二方式与第一方式相同。此种情形下,采用第二方式对多组数据进行处理得到多组数据的特征分布,可以是指:采用第一方式对多组数据进行处理,得到多组数据的特征分布。
以多组数据包括A组数据,比如A组下行信道状态信息为例,上述下行信道状态信息通过第一维度、第二维度和第三维度表示,可以包括:下行信道状态信息通过第一维度、第二维度、第三维度和第四维度表示。假设第一维度用W表示,第二维度用H表示,第三维度用D表示,第四维度用A表示,则A组下行信道状态信息的示例可参照下述方式a或方式b。
方式a,A组下行信道状态信息可以为W×H×(D×A)、或W×(H×A)×D、或(W×A)×H×D的数据,可以将第一维度、第二维度和第三维度中的任一个维度扩展至A倍。
方式b,A组下行信道状态信息可以为W×H×D×A的数据,即A组下行信道状态信息可以通过四维数据表示。
针对于方式a:
当A组下行信道状态信息为W×H×(D×A)、或W×(H×A)×D、或(W×A)×H×D的数据时,根据第一方式获得A组下行信道状态信息的特征分布的实现方式,可参照下行信道状态信息通过第一维度、第二维度和第三维度表示时对应的实现方式。
例如,以下行信道状态信息为W×H×(D×A)的数据为例,以单元格P×Q×T为单位遍历下行信道状态信息,1≤P≤W,1≤Q≤H,1≤T≤D×A,遍历过程可以有交叠也可以无交叠,并针对每个单元格P×Q×T进行直方图统计,获得直方图数据,得到的所有直方图数据构成A组数据的特征分布。
针对于方式b:
当下行信道状态信息为W×H×D×A的数据时,根据第一方式获得A组下行信道状态信息的特征分布的实现方式,可参照下行信道状态信息通过第一维度、第二维度和第三维度表示时对应的实现方式。
例如,以单元格P×Q×T×R为单位遍历下行信道状态信息,1≤P≤W,1≤Q≤H,1≤T≤D,1≤R≤A,遍历过程可以有交叠也可以无交叠,并针对每个单元格P×Q×T×R进行直方图统计,获得直方图数据,得到的所有直方图数据构成A组数据的特征分布。
可选地,上述示例1和示例2中,A组下行信道状态信息可以包括终端设备在一个时间段内的不同时间点采集到的A组下行信道状态信息;比如,终端设备在时间点1采集一组或多组下行信道状态信息,在时间点2采集一组或多组下行信道状态信息,依次类推,在一个时间段内终端设备共采集到A组下行信道状态信息。
在无线通信系统中,应用AI模型可以显著提升通信系统的性能。由于AI模型的训练过程对算力的要求较高,因此,终端设备使用的AI模型往往不是终端设备自身生成的。
针对终端设备使用的AI模型,一种可能的生成方式为:终端设备可以将终端设备位于特定区域(比如区域1)内采集到的数据(可称为训练数据)发送给服务器。其中,由于终端设备采集的数据较为敏感,因此,终端设备是将采集的数据上报给与终端设备相关联的服务器。也就是说,服务器接收的训练数据均为服务器关联的终端设备上报的。进一步地,服务器根据训练数据生成AI模型,并将AI模型的配置信息发送给终端设备,进而终端设备可以根据AI模型的配置信息,在区域1内使用AI模型。
如图3所示,以两家终端设备厂商为例,两家终端设备厂商分别为厂商1和厂商2,厂商1管理服务器1,厂商2管理服务器2。在区域1内,厂商1的终端设备包括m1个终端设备,厂商2的终端设备包括m2个终端设备,m1与m2均为正整数,m1与m2可能相同或不同。m1个终端设备分别向服务器1发送m1个终端设备在区域1内采集的训练数据,进而服务器1可以根据接收的训练数据生成AI模型1;类似地,m2个终端设备分别向服务器2发送m2个终端设备在区域1内采集的训练数据,进而服务器2可以根据接收的训练数据生成AI模型2。
考虑到两家厂商的终端设备在区域1中的分布可能不一样(比如两家厂商的终端设备的数量不同等),上传到各自服务器的训练数据的特征分布也会不同。比如AI模型1的训练数据的特征分布如图4中的(a)所示,AI模型2的训练数据的特征分布如图4中的(b)所示。进一步地,以区域1内包括m1个终端设备和m2个终端设备为例,参见图4中的(c)所示,为区域1内总的训练数据(包括m1终端设备在区域1内采集的训练数据和m2个终端设备在区域1内采集的训练数据)的特征分布示意图。
根据图4可以看出,AI模型1的训练数据的特征分布不同于总的训练数据的特征分布,从而会导致厂商1的终端设备在区域1内使用AI模型1时,AI模型1的性能较差。比如,厂商1的终端设备在区域1内使用AI模型1对下行信道状态信息进行编码,并发送给网络设备后,网络设备解码出的下行信道状态信息发生失真;又比如,厂商1的终端设备在区域1内使用AI模型获得的定位结果不准确。同样地,AI模型2的训练数据的特征分布也不同于总的训练数据的特征分布不同,从而会导致厂商2的终端设备在区域1内使用AI模型2时,AI模型2的性能较差。
基于此,本申请实施例提供一种通信方法,用于解决AI模型的训练数据的特征分布与特定区域内总的训练数据的特征分布不同,而影响AI模型的性能的问题。
实施例一
图5为本申请实施例一提供的通信方法所对应的流程示意图。图5中以终端设备、网络设备和服务器作为该交互示意的执行主体为例来示意该方法,但本申请并不限制该交互示意的执行主体。例如,图5中的终端设备也可以是支持该终端设备实现该方法的芯片、芯片系统、或处理器;图5中的网络设备也可以是支持该接入网设备实现该方法的芯片、芯片系统、或处理器,还可以是能实现全部或部分接入网设备功能的逻辑模块或软件;图5中的服务器也可以是支持该服务器实现该方法的芯片、芯片系统、或处理器。
如图5所示,该方法包括如下步骤:
S501,第一终端设备向网络设备发送第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数。
本申请实施例中,划分第一区域的方式可以有多种。在一个示例中,第一区域可以包括多个小区。这多个小区可以属于同一个基站,或者也可以属于不同基站。下文中将以“这多个小区属于同一个基站,且网络设备为这多个小区所属的基站”为例进行描述。
示例性地,考虑到终端设备具有移动性,因此,第一终端设备在第一时间段内可能始终位于第一区域,或者第一终端设备也可能会在第一时间段结束之前移出第一区域。若第一终端设备在第一时间段内始终位于第一区域,则第一终端设备可以在第一时间段结束后,根据在第一时间段内采集的P1组数据,获得P1组数据的特征信息和/或特征分布信息,并向网络设备发送第一信息。或者,若第一终端设备在第一时间段结束之前移出第一区域,比如第一时间段的起始时间为时间点t1,结束时间为时间点t2,第一终端设备在时间点t3移出第一区域,时间点t3位于时间点t2之前,则在移出第一区域之前,第一终端设备可以根据在第一时间段内采集的P1组数据(即是指在时间点t1至时间点t3这一段时间内采集的P1组数据),获得P1组数据的特征信息和/或特征分布信息,并向网络设备发送第一信息。其中,第一终端设备获得P1组数据的特征信息和/或特征分布信息的实现可以参照前文,不再赘述。
可选地,在S501之前,上述方法还可以包括:网络设备可以向位于第一区域的终端设备发送第一请求信息,第一请求信息用于请求位于第一区域的终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。位于第一区域的终端设备包括第一终端设备,进而第一终端设备可以接收到第一请求信息。
其中,网络设备发送第一请求信息的方式可以有多种;比如,网络设备可以通过广播的方式向位于第一区域的终端设备发送第一请求信息。
示例性地,第一请求信息可以包括以下至少一项:
◇第一指示信息,第一指示信息指示请求终端设备上报的信息为终端设备采集的数据的特征信息和/或特征分布信息。
◇第二指示信息,第二指示信息指示第一方式和/或第二方式,第一方式用于确定终端设备采集的数据的特征信息,第二方式用于确定终端设备采集的数据的特征分布信息。其中,第一方式和第二方式的描述可以参照前文。
◇终端配置信息,终端配置信息指示第一终端设备采集P1组数据时应满足的配置条件。示例性地,终端配置信息包括:第一频段的标识,和/或,第一天线数量;此种情形下,第一终端设备采集P1组数据时应满足的配置条件是指:第一终端设备所使用的频段为第一频段,和/或,第一终端设备的天线数量等于第一天线数量。
◇触发信息,触发信息包括触发方式和/或触发配置,触发方式包括以下至少一项:事件触发、周期触发,触发配置包括以下至少一项:触发事件、触发周期。示例性地,触发事件比如为通信系统性能满足某种条件,通信系统性能可能包括以下至少一项:吞吐率、比特误码率(bit error rate,BER)、数据块差错率(block error rate,BLER)、确认回答(acknowledgement,ACK)/否定回答(negative acknowledgement,NACK)比例、重传率等;又比如,触发事件可以为终端设备测量量满足某种条件,测量量可能包括以下至少一项:信号与干扰加噪声比(Signal to Interference plus Noise Ratio,SINR)、参考信号接收功率(Reference Signal Receiving Power,RSRP)、接收信号强度指示(Received SignalStrength Indication,RSSI)、参考信号接收质量(Reference Signal ReceivingQuality,RSRQ)、接收信号码功率(Received Signal Code Power,RSCP)。如此,终端设备接收到第一请求信息,可以根据触发信息在第一区域且在第一时间段内采集数据。
◇数量信息,数量信息用于指示P1的数值。
◇区域信息,区域信息用于指示第一区域。比如,第一区域包括多个小区,则区域信息可以包括这多个小区的标识,以多个小区中的小区1为例,小区1的标识可以为小区1的物理小区标识(physical cell identifier,PCI)。
◇时间段信息,时间段信息用于指示第一时间段。可选地,时间段信息可以包括第一时间段的起始时间和结束时间,或者包括第一时间段的起始时间(或结束时间)和第一时间段的时长。比如,第一时间段的起始时间为X1年X2月X3日X4时X5分,结束时间为Y1年Y2月Y3日Y4时Y5分,则时间段信息可以包括X1至X5以及Y1至Y5的取值。
◇第三指示信息,第三指示信息指示终端设备采集的数据的至少一个特征需要满足的条件。其中,以至少一个特征中的一个特征为例,该特征需要满足的条件,可以是指:该特征与某个向量的距离大于或等于阈值时,其中某个向量、阈值、距离的定义应包含在第三指示信息中或提前约定。作为一种实现方法,某个向量可以是当前AI模型的训练集的特征,距离可以是欧式距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、余弦相似度、马氏距离、汉明距离等距离定义中的一种。如此,当终端设备采集到一组数据后,若该组数据的至少一个特征不满足上述条件,则终端设备可以确定该组数据为无效数据,上述P1组数据均为有效数据,而不包括无效数据。
可以理解的是,当请求信息不包括第一指示信息时,终端设备上报特征信息还是特征分布信息可以是协议预先定义的,或者预先配置的。当请求信息不包括第二指示信息时,确定特征信息和/或特征分布信息的方式可以是协议预先定义的,或者预先配置的。当请求信息不包括区域信息时,第一区域的范围可以是协议预先定义的,或者预先配置的。当请求信息不包括第一时间段时,比如第一时间段的起始时间可以根据请求信息的接收时间确定,第一时间段的时长可以为协议预先定义的,或者预先配置的。当请求信息不包括第三指示信息时,终端设备可以认为终端设备在第一区域且在第一时间段内采集的多组数据均为有效数据。其它项信息可以参照理解,不再一一赘述。
可选地,在上述S501中,终端设备还可以向网络设备发送指示信息,指示信息指示P1组数据对应的终端配置信息、触发信息、数量信息、区域和时间段中的至少一项,比如指示信息包括上述区域信息和时间段信息。
S502,网络设备向第一终端设备发送第一特征分布信息,相应地,第一终端设备接收第一特征分布信息。
如上所述,网络设备可以接收第一终端设备上报的第一信息,此外,网络设备还可以接收其它终端设备上报的信息,比如第二终端设备上报的第二信息、第三终端设备上报的第三信息。第二信息包括以下至少一项:P2组数据的特征信息、P2组数据的特征分布信息,P2组数据为第二终端设备位于第一区域且在第一时间段内采集的数据,P2为正整数。第三信息包括以下至少一项:P3组数据的特征信息、P3组数据的特征分布信息,P3组数据为第三终端设备位于第一区域且在第一时间段内采集的数据,P3为正整数。
如此,网络设备接收到多个终端设备上报的信息后,可以汇总得到第一特征分布信息,也即,第一特征分布信息根据第一信息(可选地,以及第二信息和第三信息)确定。第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布。其中,位于第一区域的终端设备可以包括不同服务器关联的终端设备,比如位于第一区域的终端设备包括第一服务器关联的终端设备(如第一终端设备、第二终端设备),第二服务器关联的终端设备(如第三终端设备)。也就是说,第一特征分布信息用于指示第一区域内的总的训练数据的特征分布。
本申请实施例对“网络设备汇总得到第一特征分布信息”的具体实现不做限定。作为一种可能的实现,以网络设备接收到第一信息和第二信息为例,第一信息包括P1组数据的特征信息,第二信息包括P2组数据的特征信息,进而网络设备可以对P1组数据的特征和P2组数据的特征进行处理(比如采用前文所述的第三方式对P1组数据的特征和P2组数据的特征进行处理),得到第一特征分布信息。
网络设备向第一终端设备发送第一特征分布信息的实现可以有多种,下面结合实现方式1至实现方式3描述三种可能的实现。
(1)实现方式1
在实现方式1中,网络设备可以主动向位于第一区域的终端设备发送第一特征分布信息;比如,网络设备通过广播的方式,向位于第一区域的终端设备发送第一特征分布信息。
(2)实现方式2
在实现方式2中,网络设备可以基于第一终端设备的请求,向第一终端设备发送第一特征分布信息。比如,在S502之前,第一终端设备可以向网络设备发送第二请求信息,第二请求信息用于请求向第一终端设备发送第一特征分布信息;相应地,网络设备接收到第二请求信息后,可以向第一终端设备发送第一特征分布信息。
进一步可选地,在第一终端设备向网络设备发送第二请求信息之前,第一终端设备可以接收来自第一服务器的第三请求信息,第三请求信息用于请求向第一服务器发送第一特征分布信息。其中,第一服务器与第一终端设备相关联。也就是说,第一终端设备可以基于第一服务器的请求,向网络设备请求第一特征分布信息。
示例性地,第三请求信息可以包括区域信息和/或时间段信息,第二请求信息所包括的内容可以根据第三请求信息所包括的内容确定,比如第二请求信息所包括的内容和第三请求信息所包括的内容相同。
(3)实现方式3
在实现方式3中,第一终端设备可以向网络设备发送第二请求信息,第二请求信息用于请求向第一终端设备发送第一特征分布信息;相应地,网络设备接收第二请求信息后,可以获知需要向第一终端设备发送第一特征分布信息。比如,第一终端设备向网络设备发送第二请求信息,可以是在网络设备发送第一请求信息(参见S501中的描述)之前;也就是说,网络设备接收到第二请求信息后,可以根据第二请求信息发送第一请求信息。
可选地,在第一终端设备向网络设备发送第二请求信息之前,第一终端设备可以接收来自第一服务器的第三请求信息,第三请求信息用于请求向第一服务器发送第一特征分布信息。
示例性地,第三请求信息可以包括以下至少一项:第一指示信息、第二指示信息、终端配置信息、触发信息、数量信息、区域信息、时间段信息、第三指示信息。第二请求信息所包括的内容可以根据第三请求信息所包括的内容确定,比如第二请求信息所包括的内容和第三请求信息所包括的内容相同。可选地,第一请求信息所包括的内容可以根据第二请求信息所包括的内容确定,比如第一请求信息所包括的内容和第二请求信息所包括的内容相同。
可以理解的是,上述实现方式2和实现方式3的主要区别在于:实现方式2中,网络设备自主确定第一特征分布信息,并基于第一终端设备的请求,向第一终端设备发送第一特征分布信息;实现方式3中,网络设备基于第一终端设备的请求,确定第一特征分布信息,并向第一终端设备发送第一特征分布信息。
可选地,在上述S502中,网络设备还可以向第一终端设备发送指示信息,指示信息指示第一特征分布信息对应的终端配置信息、触发信息、数量信息、区域信息和时间段信息中的至少一项,比如指示信息包括上述区域信息和时间段信息。
可选地,在其它可能的实现中,上述S501中的第一信息也可以包括P1组数据,而不包括P1组数据的特征信息、P1组数据的特征分布信息。此种情形下,网络设备可以根据P1组数据(以及可选地,P2组数据和P3组数据),确定第一特征分布信息。
可选地,上述S501为可选步骤,比如在第一时间段内,第一终端设备可能未处于第一区域,进而第一终端设备可以不向网络设备发送第一信息。
本申请实施例中,向网络设备上报特征信息和/或特征分布信息的终端设备,与接收第一特征分布信息的终端设备可以存在交集。也就是说,某一终端设备可能向网络设备上报了特征信息和/或特征分布信息,但未接收到来自网络设备的第一特征分布信息;或者,某一终端设备可能未向网络设备上报特征信息和/或特征分布信息,但接收到了来自网络设备的第一特征分布信息;又或者,某一终端设备向网络设备上报了特征信息和/或特征分布信息,也接收到了来自网络设备的第一特征分布信息。
S503,第一终端设备向第一服务器发送第一特征分布信息,相应地,第一服务器接收来自第一终端设备的第一特征分布信息。
可选地,第一终端设备还可以向第一服务器发送指示信息,指示信息指示第一特征分布信息对应的终端配置信息、触发信息、数量信息、区域信息和时间段信息中的至少一项,比如指示信息包括上述区域信息和时间段信息。
S504,第一服务器根据第一特征分布信息和第一训练数据,生成第一AI模型。
示例性地,第一服务器将第一特征分布信息作为生成第一AI模型的辅助信息,比如第一服务器可以基于第一特征分布信息,对训练过程进行调整,从而使得根据第一训练数据生成的第一AI模型接近于根据第一区域内总的训练数据生成的AI模型。其中,第一训练数据参见下文的描述。本申请实施例对“第一服务器根据第一特征分布信息和第一训练数据,生成第一AI模型”的具体实现不做限定。
可选地,第一服务器接收到第一特征分布信息后,便可以根据第一特征分布信息和第一训练数据,生成第一AI模型。
或者,第一服务器接收到第一特征分布信息后,可以先判断第一特征分布信息和第二特征分布信息的差异是否满足第一条件。若是,则可以根据第一训练数据和第一特征分布信息,生成第一AI模型;若否,则无需生成第一AI模型。
其中,第二特征分布信息为第一服务器预先获取的。比如,在S504之前,第一服务器根据第二训练数据和第二特征分布信息,生成了第二AI模型。进而,在第一服务器接收到第一特征分布信息后,若第一服务器确定第一特征分布信息和第二特征分布信息的差异满足第一条件,则说明第二AI模型不适用于当前的数据,需要对第二AI模型进行更新;进而,第一服务器可以根据第一训练数据和第一特征分布信息,生成第一AI模型。若第一服务器确定第一特征分布信息和第二特征分布信息的差异不满足第一条件,则说明第二模型仍然可以适用于当前的数据,可以无需对第二AI模型进行更新。
如此,本申请实施例提供了一种更新AI模型的判断依据,即第一服务器可以依据第一特征分布信息和第二特征分布信息来判断AI模型是否需要更新,从而能够较为简便快捷地识别出AI模型是否需要更新,以便于更合理地对AI模型进行更新,避免频繁更新AI模型导致服务器的处理负担较重,或者长时间未更新AI模型导致AI模型的性能较差。
(1)对第一特征分布信息和第二特征分布信息的差异满足第一条件进行描述。
示例性地,衡量第一特征分布信息和第二特征分布信息的差异的量化指标可以有多种。
在一个示例中,量化指标为距离,则第一特征分布信息和第二特征分布信息的差异满足第一条件,可以是指:第一特征分布信息和第二特征分布信息之间的距离大于或等于距离阈值。可选地,距离阈值可以为预先配置的。
其中,第一特征分布信息和第二特征分布信息之间的距离可以包括但不限于如下一项或多项:余弦相似度、欧氏距离、曼哈顿距离(manhattan distance)、标准欧氏距离(standardized Euclidean distance)、平方欧式距离(squared fuclidean distance)、坎贝拉距离(canberra distance)、切比雪夫距离(chebyshev distance)、相关系数距离(correlation distance)、马氏距离(mahalanobis distance)和闵可夫斯基距离(minkowski distance)。
在另一个示例中,量化指标为两种分布间的偏差度量,则第一特征分布信息和第二特征分布信息的差异满足第一条件,可以是指:第一特征分布信息和第二特征分布信息之间的距离大于或等于两种分布间的偏差度量阈值。可选地,偏差度量阈值可以为预先配置的。
其中,第一特征分布信息和第二特征分布信息之间的偏差度量可以包括但不限于如下一项或多项:KL散度、柯尔莫可洛夫-斯米洛夫检验(Kolmogorov-Smirnov test,K-Stest)、模型稳定度指标(population stability index,PSI)、海林格距离(Hellingerdistance)、卡方检验(chi-squared test)、交叉熵、特征基数或频率等。
(2)对第一训练数据进行描述。
(2.1)作为一种可能的实现,第一服务器可以向第一服务器关联的终端设备发送第四请求信息,第四请求信息用于请求终端设备上报终端设备位于第一区域且在第一时间段内采集的数据,也即,第一服务器可以请求终端设备上报终端设备之前采集的数据。
比如,第一服务器关联的终端设备包括第一终端设备,则第一终端设备可以向第一服务器发送P1组数据,此种情形下,第一训练数据包括P1组数据;又比如,第一服务器关联的终端设备包括第二终端设备,则第二终端设备可以向第一服务器发送P2组数据,此种情形下,第一训练数据包括P2组数据。
(2.2)作为又一种可能的实现,第一服务器可向第一服务器关联的终端设备发送第四请求信息,第四请求信息用于请求终端设备上报终端设备位于第一区域且在第二时间段内采集的数据。其中第二时间段与第一时间段的时长相同,且第二时间段的起始时间位于第一时间段的结束时间之后。也即,第一服务器可以请求终端设备在第二时间段内再次采集数据,并上报采集的数据。通常情况下,第二时间段的起始时间与第一时间段的结束时间之间的时间间隔较小,因此,可以认为:终端设备位于第一区域且在第一时间段内采集的数据,与终端设备位于第一区域且在第二时间段内采集的数据的特征分布相同。也就是说,可以认为:第一特征分布信息也用于指示位于第一区域的终端设备在第二时间段内采集的数据的特征分布。
比如,第一服务器关联的终端设备包括第一终端设备,第一终端设备在第一区域且在第二时间段内采集Q1组数据,并上报给第一服务器,此种情形下,第一训练数据包括Q1组数据;又比如,第一服务器关联的终端设备包括第二终端设备,第二终端设备在第一区域且在第二时间段内采集Q2组数据,并上报给第一服务器,此种情形下,第一训练数据包括Q2组数据。Q1和Q2均为正整数。
如此,当第一服务器确定需要更新AI模型时,可以向第一终端设备发送第四请求信息,进而第一终端设备基于第四请求向第一服务器上报采集的数据;也就是说,当第一服务器不需要更新AI模型时,第一终端设备可无需向第一服务器上报采集的数据,从而可以有效节省传输资源。
可以理解的是,向第一服务器发送训练数据的终端设备,与向第一服务器发送第一特征分布信息的终端设备可以存在交集。
此外,在其它可能的实现中,第一训练数据也可以为第一服务器预先获取的数据,比如预先存储在第一服务器中的数据。
S505,第一服务器向第一终端设备发送第一AI模型的配置信息。
示例性地,第一服务器可以主动向第一服务器关联的某一或某些终端设备发送第一AI模型的配置信息;或者,第一服务器也可以基于第一服务器关联的某一或某些终端设备的请求,向终端设备发送第一AI模型的配置信息。也就是说,向第一服务器发送第一特征分布信息的终端设备与接收第一AI模型的配置信息的终端设备可能为相同的终端设备,或者也可能不同。此处是以第一服务器向第一终端设备发送第一AI模型的配置信息为例进行描述的。
示例性地,第一AI模型的配置信息用于配置第一AI模型。比如,第一AI模型的配置信息包括第一AI模型的参数,第一AI模型的参数比如包括第一AI模型的结构参数和/或权重;又比如,第一AI模型的配置信息包括第一AI模型的配置文件(profile);又比如,第一AI模型的配置信息包括第一AI模型的获取信息,例如获取地址、获取协议或模型文件格式等。其中,获取地址比如可以为网络协议(internet protocol,IP)地址,或者也可以为设备的标识和/或地址。如此,第一终端设备接收到第一AI模型的配置信息后,可以根据第一AI模型的配置信息,获取并在第一区域内使用第一AI模型。
可选地,本申请实施例不对第一AI模型的应用场景进行限定,对应不同的应用场景,AI模型可以为具有不同功能的算法模型。比如,第一AI模型的应用场景可以包括但不限于以下一项或多项:终端设备侧的下行信道状态信息编码、终端设备侧的波束管理、终端设备侧的定位。
可选地,在上述S505之后,若第一服务器接收到第三特征分布信息,则可以判断第三特征分布信息与第一特征分布信息之间的差异是否满足第一条件,若满足第一条件,则可以根据第三特征分布信息,生成一个新的AI模型,以实现AI模型的更新。
采用上述方法,由于网络设备将第一特征分布信息发送给第一终端设备,以及第一终端设备将第一特征分布信息发送给第一终端设备关联的第一服务器。如此,虽然第一服务器生成AI模型所使用的第一训练数据是第一服务器关联的终端设备在第一区域内采集的数据,第一训练数据的特征分布可能不同于第一区域内总的训练数据的特征分布,但由于第一服务器可以获取到第一特征分布信息(用于指示第一区域内总的训练数据的特征分布),因此,第一服务器可以将第一特征分布信息作为生成AI模型的辅助信息,从而使得根据第一训练数据生成的AI模型接近于根据第一区域内总的训练数据生成的AI模型,能够有效提高AI模型的性能。基于实施例一的方案,下面结合实施例二和实施例三描述两种可能的实现流程。
实施例二
图6为本申请实施例二提供的通信方法所对应的流程示意图,图6所示意的流程可以对应于实施例一中的实现方式1。
如图6所示,该方法包括如下步骤:
S601,网络设备向位于第一区域的终端设备发送第一请求信息;相应地,位于第一区域的M个终端设备接收到第一请求信息,M为正整数。
此处,第一请求信息用于请求位于第一区域的终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。比如,网络设备可以通过广播的方式发送第一请求信息。
示例性地,触发网络设备发送第一请求信息的因素可以有多种。比如,网络设备周期性确定第一区域的设定时间段内总的训练数据的特征分布,进而网络设备可以周期性发送请求信息,以请求位于第一区域的终端设备在设定时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
S602,M个终端设备在第一区域且在第一时间段内采集数据,并向网络设备上报采集到的数据的特征信息和/或特征分布信息。
其中,M个终端设备关联不同的服务器,比如M个终端设备中的部分终端设备关联厂商1维护的服务器,M个终端设备中的另一部分终端设备关联厂商2维护的服务器。
S603,网络设备根据M个终端设备上报的特征信息和/或特征分布信息,确定第一特征分布信息。
S604,网络设备向位于第一区域的终端设备发送第一特征分布信息;相应地,位于第一区域的N个终端设备接收到第一特征分布信息,N为正整数。
比如,网络设备可以通过广播的方式发送第一特征分布信息。
可选地,M个终端设备和N个终端设备可以存在交集。比如,若M个终端设备仍然都位于第一区域,则N个终端设备可以包括M个终端设备。
S605,N个终端设备分别向各自关联的服务器发送第一特征分布信息。比如,N个终端设备包括第一终端设备,第一终端设备关联第一服务器。
S606,第一服务器接收第一特征分布信息,确定第一特征分布信息与第二特征分布信息的差异满足第一条件。
S607,第一服务器向K个终端设备发送第四请求信息,第四请求信息用于请求K个终端设备在第一区域且在第二时间段内采集数据,并上报采集的数据,K为正整数。
可选地,K个终端设备与N个终端设备可以存在交集。
S608,K个终端设备在第一区域且在第二时间段内采集数据,并向第一服务器上报采集的数据。
S609,第一服务器根据第一特征分布信息和第一训练数据,生成第一AI模型。其中,第一训练数据包括K个终端设备在第一区域且在第二时间段内采集的数据。
S610,第一服务器向K个终端设备发送第一AI模型的配置信息。
实施例三
图7为本申请实施例三提供的通信方法所对应的流程示意图,图7所示意的流程可以对应于实施例一中的实现方式3。
如图7所示,该方法包括如下步骤:
S701,第一服务器向第一服务器关联的K个终端设备发送第三请求信息,第三请求信息用于请求K个终端设备向第一服务器发送第一特征分布信息。
示例性地,第三请求信息可以包括以下至少一项:第一指示信息、第二指示信息、终端配置信息、触发信息、数量信息、区域信息、时间段信息、第三指示信息。
可选地,K个终端设备为位于第一区域的终端设备。
S702,K个终端设备向网络设备发送第二请求信息。
比如,K个终端设备包括第一终端设备,第一终端设备发送的第二请求信息用于请求向第一终端设备发送第一特征分布信息。
S703,网络设备接收到K个终端设备的第二请求信息后,向位于第一区域的终端设备发送第一请求信息;相应地,位于第一区域的M个终端设备接收到请求信息。
比如,网络设备通过广播的方式发送第一请求信息。
可选地,M个终端设备包括K个终端设备,还可以包括第二服务器或者其它服务器关联的终端设备。
S704,M个终端设备在第一区域且在第一时间段内采集数据,并向网络设备上报采集到的数据的特征信息和/或特征分布信息。
S705,网络设备根据M个终端设备上报的特征信息和/或特征分布信息,确定第一特征分布信息。
S706,网络设备向K个终端设备发送第一特征分布信息;相应地,K个终端设备接收第一特征分布信息。
比如,K个终端设备仍然位于第一区域,而未移出第一区域,则网络设备可以向K个终端设备发送第一特征分布信息。
S707,K个终端设备向第一服务器发送第一特征分布信息。
S708,第一服务器接收到第一特征分布信息后,确定第一特征分布信息与第二特征分布信息的差异满足第一条件。
S709,第一服务器向K个终端设备发送第四请求信息,第四请求信息用于请求K个终端设备在第一区域且在第二时间段内采集数据,并上报采集的数据。
S710,K个终端设备在第一区域且在第二时间段内采集数据,并向第一服务器上报采集的数据。
S711,第一服务器根据第一特征分布信息和第一训练数据,生成第一AI模型。其中,第一训练数据包括K个终端设备在第一区域且在第二时间段内采集的数据。
S712,第一服务器向K个终端设备发送第一AI模型的配置信息。
可以理解的是,上述是以向第一服务器发送第一特征分布信息的终端设备与向第一服务器发送数据的终端设备均为K个终端设备为例进行描述,具体实施中不限于此。
实施例四
图8为本申请实施例四提供的通信方法所对应的流程示意图。图8中以终端设备和网络设备作为该交互示意的执行主体为例来示意该方法,但本申请并不限制该交互示意的执行主体。例如,图8中的终端设备也可以是支持该终端设备实现该方法的芯片、芯片系统、或处理器;图8中的网络设备也可以是支持该接入网设备实现该方法的芯片、芯片系统、或处理器,还可以是能实现全部或部分接入网设备功能的逻辑模块或软件。
如图8所示,该方法包括如下步骤:
S801,第一终端设备向网络设备发送第一信息,第一信息包括以下至少一项:P1组数据的特征信息、P1组数据的特征分布信息,P1组数据为第一终端设备位于第一区域且在第一时间段内采集的数据。
可选地,在S801之前,上述方法还可以包括:网络设备可以向位于第一区域的终端设备发送第一请求信息,第一请求信息用于请求位于第一区域的终端设备在第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。位于第一区域的终端设备包括第一终端设备,进而第一终端设备可以接收到第一请求信息。
可选地,在上述S801中,终端设备还可以向网络设备发送指示信息,指示信息指示P1组数据对应的终端配置信息、触发信息、数量信息、区域信息和时间段信息中的至少一项,比如指示信息包括上述区域信息和时间段信息。
S802,网络设备根据第一信息,确定第一特征分布信息。
如上所述,网络设备可以接收第一终端设备上报的第一信息,此外,网络设备还可以接收其它终端设备上报的信息,比如第二终端设备上报的第二信息、第三终端设备上报的第三信息。第二信息包括以下至少一项:P2组数据的特征信息、P2组数据的特征分布信息,P2组数据为第二终端设备位于第一区域且在第一时间段内采集的数据。第三信息包括以下至少一项:P3组数据的特征信息、P3组数据的特征分布信息,P3组数据为第三终端设备位于第一区域且在第一时间段内采集的数据,P3为正整数。
如此,网络设备接收到多个终端设备上报的信息后,可以汇总得到第一特征分布信息。第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布。比如,“位于第一区域的终端设备在第一时间段内采集的数据”包括P1组数据、P2组数据和P3组数据,则第一特征分布信息用于指示P1组数据、P2组数据和P3组数据的特征分布,或者说,第一特征分布信息用于指示第三训练数据的特征分布,第三训练数据参见下文。
S803,网络设备确定第一特征分布信息与第二特征分布信息的差异满足第一条件。
可选地,第二特征分布信息为网络设备预先获取的。比如,第二特征分布信息用于指示第四AI模型的训练数据的特征分布,第四AI模型为位于第一区域的终端设备当前使用的AI模型。
若网络设备确定第一特征分布信息和第二特征分布信息的差异满足第一条件,说明第四AI模型不适用于当前的数据,即当前第四AI模型的性能较差。若网络设备确定第一特征分布信息和第二特征分布信息的差异不满足第一条件,则说明第四AI模型仍然可以适用于当前的数据。
示例性地,网络设备确定第一特征分布信息与第二特征分布信息的差异满足第一条件后,可以执行S804-a(即情形a),或者执行S804-b(即情形b),或者执行S804-c和S805-c(即情形c)。
S804-a,网络设备向位于第一区域的终端设备(比如第一终端设备)发送去激活信息,去激活信息用于指示去激活AI模型或AI模式;相应地,位于第一区域的终端设备接收去激活信息。
此处,去激活信息用于指示去激活AI模型或AI模式,可以理解为:不再使用AI模型或者退出AI模式。比如,第一终端设备在接收到去激活信息之前,是使用第二AI模型对下行信道状态信息进行编码;则第一终端设备在接收到去激活信息之后,可以采用传统方法对下行信道状态信息进行编码,而不再使用AI模型对下行信道状态信息进行编码。
S804-b,网络设备向位于第一区域的终端设备(比如第一终端设备)发送切换信息,切换信息用于指示将使用的AI模型切换为目标AI模型;相应地,第一区域的终端设备接收切换指示信息。
可选地,切换信息可以包括以下至少一项:目标AI模型的标识信息、目标AI模型的配置信息。其中,目标AI模型的配置信息可以参照上文第一AI模型的配置信息的描述。
举个例子,网络设备预先向第一终端设备发送了多个AI模型(比如AI模型1、AI模型2和AI模型3)的配置信息。其中,特征分布信息1用于指示AI模型1的训练数据的特征分布,特征分布信息2用于指示AI模型2的训练数据的特征分布,特征分布信息3用于指示AI模型3的训练数据的特征分布。第一终端设备当前使用的AI模型为AI模型1,则网络设备确定第一特征分布信息与特征分布信息1之间的差异满足第一条件后,可以根据特征分布信息2、特征分布信息3分别与第一特征分布信息的差异,从AI模型2和AI模型3中选择目标AI模型。比如,特征分布信息2和第一特征分布信息之间的差异较小,则可以选择AI模型2作为目标AI模型。此种情形下,切换信息可以包括AI模型2的标识信息。
S804-c,网络设备根据第三训练数据生成第三AI模型。
此处对第三训练数据进行描述。
(1)作为一种可能的实现,网络设备确定第一特征分布信息与第二特征分布信息的差异满足第一条件后,可以向位于第一区域的终端设备发送第五请求信息,第五请求信息用于请求终端设备上报终端设备位于第一区域且在第一时间段内采集的数据,也即,网络设备可以请求终端设备上报终端设备之前采集的数据。比如,位于第一区域的终端设备包括第一终端设备、第二终端设备和第三终端设备,则第一终端设备可以向网络设备发送P1组数据,第二终端设备可以向网络设备发送P2组数据,第三终端设备可以向网络设备发送P3组数据;此种情形下,第三训练数据包括P1组数据、P2组数据和P3组数据。
或者,以第一终端设备为例,P1组数据也可以包含在第一信息中,此种情形下,网络设备无需在发送第五请求信息。
(2)作为又一种可能的实现,网络设备确定第一特征分布信息与第二特征分布信息的差异满足第一条件后,可以位于第一区域的终端设备发送第五请求信息,第五请求信息用于请求终端设备上报终端设备位于第一区域且在第二时间段内采集的数据。其中,第二时间段与第一时间段的时长相同,且第二时间段的起始时间位于第一时间段的结束时间之后。也即,网络设备可以请求终端设备在第二时间段内再次采集数据,并上报采集的数据。通常情况下,第二时间段的起始时间与第一时间段的结束时间之间的时间间隔较小,因此,可以认为:终端设备位于第一区域且在第一时间段内采集的数据,与终端设备位于第一区域且在第二时间段内采集的数据的特征分布相同。也就是说,可以认为:第一特征分布信息也用于指示位于第一区域的终端设备在第二时间段内采集的数据的特征分布。
比如,位于第一区域内的终端设备包括第一终端设备、第二终端设备和第三终端设备;第一终端设备在第一区域且在第二时间段内采集Q1组数据,并上报给网络设备;第二终端设备在第一区域且在第二时间段内采集Q2组数据,并上报给网络设备;第三终端设备在第一区域且在第二时间段内采集Q3组数据,并上报给网络设备。此种情形下,第三训练数据包括Q1组数据、Q2组数据和Q3组数据。Q1、Q2和3均为正整数。
S805-c,网络设备向位于第一区域的终端设备(比如第一终端设备)发送第三AI模型的配置信息;相应地,位于第一区域的终端设备可以接收第三AI模型的配置信息。
示例性地,第三AI模型的配置信息可以参照实施例一中第一AI模型的配置信息的描述。以第一终端设备为例,第一终端设备接收到第三AI模型的配置信息后,可以在第一区域内使用第三AI模型,而不再使用第四AI模型。
采用上述方法,网络设备可以依据第一特征分布信息和第二特征分布信息,来判断当前AI模型的性能,从而能够较为简便快捷地识别出AI模型的性能是否较差。以及,在AI模型的性能较差的情况下,网络设备可以采取一系列的解决措施;比如,在AI模型的性能较差的情况下,网络设备可以对AI模型进行更新。进一步地,本申请实施例中,由于网络设备是在确定需要更新AI模型时,向第一终端设备发送第五请求信息,进而第一终端设备基于第五请求向网络设备上报P1组数据;也就是说,当网络设备不需要更新AI模型时,第一终端设备可无需向网络设备发送P1组数据,从而可以有效节省传输资源。
针对于上述实施例,可以理解的是:
(1)上述侧重描述了实施例一至实施例四中不同实施例之间的差异之处,除差异之处的其它内容,实施例一至实施例四之间可以相互参照;此外,同一实施例中,不同实现方式或不同示例或不同步骤之间也可以相互参照。
(2)上述实施例一至实施例四中,是以“第一区域包括的多个小区属于同一个基站,且网络设备为这多个小区所属的基站”为例进行描述的。
当第一区域包括的多个小区属于同一个基站时,该基站可以根据接收到的特征信息和/或特征分布信息,汇总得到第一特征分布信息。而当第一小区包括的多个小区属于多个基站时,此处提供两种确定第一特征分布信息的方式。
方式1:多个基站可以分别将接收到的特征信息和/或特征分布信息发送给核心网设备,进而该核心网设备可以汇总得到第一特征分布信息,并将第一特征分布信息发送给这多个基站。
方式2:多个基站中包括第一基站,多个基站中除第一基站以外的其它基站可以分别将接收到的特征信息和/或特征分布信息发送给第一基站,进而第一基站可以汇总得到第一特征分布信息,并将第一特征分布信息发送给其它基站。
此外,除上述区别外,“第一小区包括的多个小区属于多个基站”的实现可以参照“第一小区包括的多个小区属于同一基站”的实现,不再赘述。
(3)上述实施例四中,是以“网络设备生成AI模型”为例进行描述的,在其它可能的实现中,网络设备可以将训练数据发送给网络设备对应的服务器,进而由网络设备对应的服务器根据训练数据生成AI模型,并发送给网络设备。
(4)本申请实施例中,“多组数据的特征分布信息”也可以替换为“多组数据的分布信息”。其中,多组数据的特征分布信息用于指示多组数据的特征分布,多组数据的分布信息用于指示多组数据的分布。类似于多组数据的特征分布,多组数据的分布可以表示属于多个类别中每个类别的数据的数量或比例。多组数据的特征分布与多组数据的分布的区别之处在于:多组数据的特征分布是基于提取的特征来确定数据的分布,而多组数据的分布是基于数据本身来确定数据的分布。
(5)本申请实施例中,终端设备向网络设备或第一服务器上报的数据,可以为终端设备采集的未经过预处理的数据,或者也可以是终端设备采集的经过预处理的数据,具体预处理的方式不做限定。
(6)本申请实施例中,“根据训练数据和第一特征分布信息,生成AI模型”,可以包括:根据训练数据和第一特征分布信息,对已有的AI模型进行微调(finetuning)得到新的AI模型。类似之处可参照处理。
上述主要从设备之间交互的角度对本申请实施例提供的方案进行了介绍。可以理解的是,为了实现上述功能,各个设备可以包括执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请的实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对网络设备、终端设备和服务器进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
在采用集成的单元的情况下,图9示出了本申请实施例中所涉及的装置的可能的示例性框图。如图9所示,装置900可以包括:处理单元902和通信单元903。处理单元902用于对装置900的动作进行控制管理。通信单元903用于支持装置900与其他设备的通信。可选地,通信单元903也称为收发单元,可以包括接收单元和/或发送单元,分别用于执行接收和发送操作。装置900还可以包括存储单元901,用于存储装置900的程序代码和/或数据。
该装置900可以为上述实施例中的第一终端设备。处理单元902可以支持装置900执行上文中各方法示例中第一终端设备的动作。或者,处理单元902主要执行方法示例中第一终端设备的内部动作,通信单元903可以支持装置900与其它设备之间的通信。
比如,在一个实施例中,通信单元903用于:向网络设备发送第一信息,所述第一信息包括以下至少一项:P1组数据的特征信息、所述P1组数据的特征分布信息,所述P1组数据为所述第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;以及,接收来自所述网络设备的第一特征分布信息,所述第一特征分布信息用于指示位于所述第一区域的终端设备在所述第一时间段内采集的数据的特征分布,所述终端设备包括所述第一终端设备;以及,向第一服务器发送所述第一特征分布信息,所述第一服务器与所述第一终端设备相关联。
该装置900可以为上述实施例中的网络设备。处理单元902可以支持装置900执行上文中各方法示例中网络设备的动作。或者,处理单元902主要执行方法示例中网络设备的内部动作,通信单元903可以支持装置900与其它设备之间的通信。
比如,在一个实施例中,通信单元903用于:接收来自第一终端设备的第一信息,所述第一信息包括以下至少一项:P1组数据的特征信息、所述P1组数据的特征分布信息,所述P1组数据为所述第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;以及,向所述第一终端设备发送第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布,所述终端设备包括所述第一终端设备。
该装置900可以为上述实施例中的第一服务器。处理单元902可以支持装置900执行上文中各方法示例中第一服务器的动作。或者,处理单元902主要执行方法示例中第一服务器的内部动作,通信单元903可以支持装置900与其它设备之间的通信。
比如,在一个实施例中,通信单元903用于:接收来自第一终端设备的第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布,所述第一服务器与所述第一终端设备相关联;处理单元902用于:根据所述第一特征分布信息,生成AI模型;以及,通信单元903还用于:向所述第一终端设备发送所述AI模型的配置信息。
应理解以上装置中单元的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且装置中的单元可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分单元以软件通过处理元件调用的形式实现,部分单元以硬件的形式实现。例如,各个单元可以为单独设立的处理元件,也可以集成在装置的某一个芯片中实现,此外,也可以以程序的形式存储于存储器中,由装置的某一个处理元件调用并执行该单元的功能。此外这些单元全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件又可以成为处理器,可以是一种具有信号的处理能力的集成电路。在实现过程中,上述方法的各操作或以上各个单元可以通过处理器元件中的硬件的集成逻辑电路实现或者以软件通过处理元件调用的形式实现。
在一个例子中,以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application specific integratedcircuit,ASIC),或,一个或多个微处理器(digital singnal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA),或这些集成电路形式中至少两种的组合。再如,当装置中的单元可以通过处理元件调度程序的形式实现时,该处理元件可以是处理器,比如通用中央处理器(central processing unit,CPU),或其它可以调用程序的处理器。再如,这些单元可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
以上用于接收的单元是一种该装置的接口电路,用于从其它装置接收信号。例如,当该装置以芯片的方式实现时,该接收单元是该芯片用于从其它芯片或装置接收信号的接口电路。以上用于发送的单元是一种该装置的接口电路,用于向其它装置发送信号。例如,当该装置以芯片的方式实现时,该发送单元是该芯片用于向其它芯片或装置发送信号的接口电路。
参见图10,为本申请实施例提供的一种终端设备的结构示意图,该终端设备可应用于如图1所示的通信系统中,用于实现以上实施例中终端设备的操作。如图10所示,该终端设备包括:天线1010、射频部分1020、信号处理部分1030。天线1010与射频部分1020连接。在下行方向上,射频部分1020通过天线1010接收接入网设备发送的信息,将接入网设备发送的信息发送给信号处理部分1030进行处理。在上行方向上,信号处理部分1030对终端设备的信息进行处理,并发送给射频部分1020,射频部分1020对终端设备的信息进行处理后经过天线1010发送给接入网设备。
信号处理部分1030可以包括调制解调子系统,用于实现对数据各通信协议层的处理;还可以包括中央处理子系统,用于实现对终端设备操作系统以及应用层的处理;此外,还可以包括其它子系统,例如多媒体子系统,周边子系统等,其中多媒体子系统用于实现对终端设备相机,屏幕显示等的控制,周边子系统用于实现与其它设备的连接。调制解调子系统可以为单独设置的芯片。
调制解调子系统可以包括一个或多个处理元件1031,例如,包括一个主控CPU和其它集成电路。此外,该调制解调子系统还可以包括存储元件1032和接口电路1033。存储元件1032用于存储数据和程序,但用于执行以上方法中终端设备所执行的方法的程序可能不存储于该存储元件1032中,而是存储于调制解调子系统之外的存储器中,使用时调制解调子系统加载使用。接口电路1033用于与其它子系统通信。
该调制解调子系统可以通过芯片实现,该芯片包括至少一个处理元件和接口电路,其中处理元件用于执行以上终端设备执行的任一种方法的各个步骤,接口电路用于与其它装置通信。在一种实现中,终端设备实现以上方法中各个步骤的单元可以通过处理元件调度程序的形式实现,例如用于终端设备的装置包括处理元件和存储元件,处理元件调用存储元件存储的程序,以执行以上方法实施例中终端设备执行的方法。存储元件可以为与处理元件处于同一芯片上的存储元件,即片内存储元件。
在另一种实现中,用于执行以上方法中终端设备所执行的方法的程序可以在与处理元件处于不同芯片上的存储元件,即片外存储元件。此时,处理元件从片外存储元件调用或加载程序于片内存储元件上,以调用并执行以上方法实施例中终端设备执行的方法。
在又一种实现中,终端设备实现以上方法中各个步骤的单元可以是被配置成一个或多个处理元件,这些处理元件设置于调制解调子系统上,这里的处理元件可以为集成电路,例如:一个或多个ASIC,或,一个或多个DSP,或,一个或者多个FPGA,或者这些类集成电路的组合。这些集成电路可以集成在一起,构成芯片。
终端设备实现以上方法中各个步骤的单元可以集成在一起,以SOC的形式实现,该SOC芯片,用于实现以上方法。该芯片内可以集成至少一个处理元件和存储元件,由处理元件调用存储元件的存储的程序的形式实现以上终端设备执行的方法;或者,该芯片内可以集成至少一个集成电路,用于实现以上终端设备执行的方法;或者,可以结合以上实现方式,部分单元的功能通过处理元件调用程序的形式实现,部分单元的功能通过集成电路的形式实现。
可见,以上用于终端设备的装置可以包括至少一个处理元件和接口电路,其中至少一个处理元件用于执行以上方法实施例所提供的任一种终端设备执行的方法。处理元件可以以第一种方式:即调用存储元件存储的程序的方式执行终端设备执行的部分或全部步骤;也可以以第二种方式:即通过处理器元件中的硬件的集成逻辑电路结合指令的方式执行终端设备执行的部分或全部步骤;当然,也可以结合第一种方式和第二种方式执行终端设备执行的部分或全部步骤。
这里的处理元件同以上描述,可以通过处理器实现,处理元件的功能可以和图9中所描述的处理单元的功能相同。示例性地,处理元件可以是通用处理器,例如CPU,还可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个ASIC,或,一个或多个微处理器DSP,或,一个或者多个FPGA等,或这些集成电路形式中至少两种的组合。存储元件可以通过存储器实现,存储元件的功能可以和图9中所描述的存储单元的功能相同。存储元件可以是一个存储器,也可以是多个存储器的统称。
图10所示的终端设备能够实现上述方法实施例中涉及终端设备的各个过程。图10所示的终端设备中的各个模块的操作和/或功能,分别为了实现上述方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详述描述。
参见图11,为本申请实施例提供的一种网络设备的结构示意图,该网络设备(或基站)可应用于如图1所示的通信系统中,执行上述方法实施例中网络设备的功能。如图11所示,网络设备110可包括一个或多个DU 1101和一个或多个CU 1102。所述DU 1101可以包括至少一个天线11011,至少一个射频单元11012,至少一个处理器11013和至少一个存储器11014。所述DU 1101部分主要用于射频信号的收发以及射频信号与基带信号的转换,以及部分基带处理。CU1102可以包括至少一个处理器11022和至少一个存储器11021。
所述CU 1102部分主要用于进行基带处理,对网络设备进行控制等。所述DU 1101与CU 1102可以是物理上设置在一起,也可以物理上分离设置的,即分布式基站。所述CU1102为网络设备的控制中心,也可以称为处理单元,主要用于完成基带处理功能。例如所述CU 1102可以用于控制网络设备执行上述方法实施例中关于网络设备的操作流程。
此外,可选的,网络设备110可以包括一个或多个射频单元,一个或多个DU和一个或多个CU。其中,DU可以包括至少一个处理器11013和至少一个存储器11014,射频单元可以包括至少一个天线11011和至少一个射频单元11012,CU可以包括至少一个处理器11022和至少一个存储器11021。
在一个实例中,所述CU1102可以由一个或多个单板构成,多个单板可以共同支持单一接入指示的无线接入网(如5G网),也可以分别支持不同接入制式的无线接入网(如LTE网,5G网或其他网)。所述存储器11021和处理器11022可以服务于一个或多个单板。也就是说,可以每个单板上单独设置存储器和处理器。也可以是多个单板共用相同的存储器和处理器。此外每个单板上还可以设置有必要的电路。所述DU1101可以由一个或多个单板构成,多个单板可以共同支持单一接入指示的无线接入网(如5G网),也可以分别支持不同接入制式的无线接入网(如LTE网,5G网或其他网)。所述存储器11014和处理器11013可以服务于一个或多个单板。也就是说,可以每个单板上单独设置存储器和处理器。也可以是多个单板共用相同的存储器和处理器。此外每个单板上还可以设置有必要的电路。
图11所示的网络设备能够实现上述方法实施例中涉及网络设备的各个过程。图11所示的网络设备中的各个模块的操作和/或功能,分别为了实现上述方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详述描述。
参考图12,为本申请实施例提供的一种服务器的结构示意图,用于实现以上实施例中第一服务器的操作。如图12所示,服务器1200可包括处理器1201、存储器1202以及接口电路1203。处理器1201可用于对通信协议以及通信数据进行处理,以及对通信装置进行控制。存储器1202可用于存储程序和数据,处理器1201可基于该程序执行本申请实施例中由第一服务器执行的方法。接口电路1203可用于服务器1200与其他设备进行通信,该通信可以为有线通信或无线通信,该接口电路例如可以是服务化通信接口。
以上存储器1202也可以是外接于服务器1200的,此时服务器1200可包括接口电路1203以及处理器1201。以上接口电路1203也可以是外接于服务器1200的,此时服务器1200可包括存储器1202以及处理器1201。当接口电路1203以及存储器1202均外接于服务器1200时,服务器1200可包括处理器1201。
图12所示的服务器能够实现上述方法实施例中涉及第一服务器的各个过程。图12所示的服务器中的各个模块的操作和/或功能,分别为了实现上述方法实施例中的相应流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详述描述。
本申请实施例中的术语“系统”和“网络”可被互换使用。“至少一种”是指一种或者多种,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、同时存在A和B、单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如“A,B和C中的至少一个”包括A,B,C,AB,AC,BC或ABC。以及,除非有特别说明,本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分,不用于限定多个对象的顺序、时序、优先级或者重要程度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (30)
1.一种通信系统,其特征在于,所述通信系统包括网络设备、第一终端设备和第一服务器,所述第一终端设备与所述第一服务器相关联;其中,
所述网络设备用于,向第一终端设备发送第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布;
所述第一终端设备用于,接收所述第一特征分布信息,向所述第一服务器发送所述第一特征分布信息;
所述第一服务器用于,接收所述第一特征分布信息,根据所述第一特征分布信息和训练数据,生成人工智能AI模型;以及,向所述第一终端设备或与所述第一服务器关联的第二终端设备发送所述AI模型的配置信息。
2.根据权利要求1所述的系统,其特征在于,
所述第一终端设备还用于,向所述网络设备发送第一信息,所述第一信息包括以下至少一项:P1组数据的特征信息、所述P1组数据的特征分布信息,所述P1组数据为所述第一终端设备位于所述第一区域且在所述第一时间段内采集的数据,P1为正整数;所述终端设备包括所述第一终端设备;
所述网络设备还用于,根据所述第一信息,确定所述第一特征分布信息。
3.根据权利要求2所述的系统,其特征在于,
所述网络设备还用于,发送第一请求信息,所述第一请求信息用于请求所述终端设备在所述第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息;
所述第一终端设备在向所述网络设备发送所述第一信息之前,还用于接收所述第一请求信息。
4.根据权利要求3所述的系统,其特征在于,所述第一请求信息包括以下至少一项:
第一指示信息,所述第一指示信息指示请求所述终端设备上报的信息为所述终端设备采集的数据的特征信息和/或特征分布信息;
第二指示信息,所述第二指示信息指示第一方式和/或第二方式,所述第一方式用于确定所述终端设备采集的数据的特征信息,所述第二方式用于确定所述终端设备采集的数据的特征分布信息;
终端配置信息,所述终端配置信息指示所述第一终端设备采集所述P1组数据时应满足的配置条件;
触发信息,所述触发信息包括触发方式和/或触发配置,所述触发方式包括以下至少一项:事件触发、周期触发,所述触发配置包括以下至少一项:触发事件、触发周期;
数量信息,所述数量信息用于指示所述P1的数值;
区域信息,所述区域信息用于指示所述第一区域;
时间段信息,所述时间段信息用于指示所述第一时间段。
5.根据权利要求1至4中任一项所述的系统,其特征在于,
所述第一终端设备还用于,向所述网络设备发送第二请求信息,所述第二请求信息用于请求向所述第一终端设备发送所述第一特征分布信息;
所述网络设备在向所述第一终端设备发送第一特征分布信息之前,还用于接收所述第二请求信息。
6.根据权利要求1至5中任一项所述的系统,其特征在于,
所述第一服务器还用于,向所述第一终端设备发送第三请求信息,所述第三请求信息用于请求向所述第一服务器发送所述第一特征分布信息;
所述第一终端设备在向所述第一服务器发送所述第一特征分布信息之前,还用于接收所述第三请求信息。
7.根据权利要求1至6中任一项所述的系统,其特征在于,所述第一服务器在根据所述第一特征分布信息和所述训练数据,生成所述AI模型之前,还用于确定所述第一特征分布信息和第二特征分布信息的差异满足第一条件,所述第二特征分布信息为所述第一服务器预先获取的。
8.根据权利要求1至7中任一项所述的系统,其特征在于,所述第一服务器还用于,接收来自所述第一终端设备的P1组数据,所述训练数据包括所述P1组数据,所述P1组数据为所述第一终端设备位于所述第一区域且在所述第一时间段内采集的数据,P1为正整数。
9.根据权利要求1至8中任一项所述的系统,其特征在于,所述第一服务器还用于,接收来自所述第二终端设备的P2组数据,所述训练数据包括所述P2组数据,所述P2组数据为所述第二终端设备位于所述第一区域且在所述第一时间段内采集的数据,P2为正整数。
10.根据权利要求1至7中任一项所述的系统,其特征在于,所述训练数据包括所述第一服务器预先获取的数据。
11.一种通信方法,其特征在于,所述方法应用于第一终端设备,所述方法包括:
接收来自网络设备的第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布;
向第一服务器发送所述第一特征分布信息,所述第一服务器与所述第一终端设备相关联。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
向所述网络设备发送第一信息,所述第一信息包括以下至少一项:P1组数据的特征信息、所述P1组数据的特征分布信息,所述P1组数据为所述第一终端设备位于所述第一区域且在所述第一时间段内采集的数据,P1为正整数;
其中,所述终端设备包括所述第一终端设备,所述第一特征分布信息根据所述第一信息确定。
13.根据权利要求12所述的方法,其特征在于,在向所述网络设备发送第一信息之前,所述方法还包括:
接收来自所述网络设备的第一请求信息,所述第一请求信息用于请求所述终端设备在所述第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
14.根据权利要求13所述的方法,其特征在于,所述第一请求信息包括以下至少一项:
第一指示信息,所述第一指示信息指示请求所述终端设备上报的信息为所述终端设备采集的数据的特征信息和/或特征分布信息;
第二指示信息,所述第二指示信息指示第一方式和/或第二方式,所述第一方式用于确定所述终端设备采集的数据的特征信息,所述第二方式用于确定所述终端设备采集的数据的特征分布信息;
终端配置信息,所述终端配置信息指示所述第一终端设备采集所述P1组数据时应满足的配置条件;
触发信息,所述触发信息包括触发方式和/或触发配置,所述触发方式包括以下至少一项:事件触发、周期触发,所述触发配置包括以下至少一项:触发事件、触发周期;
数量信息,所述数量信息用于指示所述P1的数值;
区域信息,所述区域信息用于指示所述第一区域;
时间段信息,所述时间段信息用于指示所述第一时间段。
15.根据权利要求11至14中任一项所述的方法,其特征在于,在接收来自所述网络设备的第一特征分布信息之前,所述方法还包括:
向所述网络设备发送第二请求信息,所述第二请求信息用于请求向所述第一终端设备发送所述第一特征分布信息。
16.根据权利要求15所述的方法,其特征在于,在向所述网络设备发送第二请求信息之前,所述方法还包括:
接收来自所述第一服务器的第三请求信息,所述第三请求信息用于请求向所述第一服务器发送所述第一特征分布信息。
17.一种通信方法,其特征在于,所述方法应用于网络设备,所述方法包括:
确定第一特征分布信息;
向第一终端设备发送所述第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布。
18.根据权利要求17所述的方法,其特征在于,
所述方法还包括:接收来自所述第一终端设备的第一信息,所述第一信息包括以下至少一项:P1组数据的特征信息、所述P1组数据的特征分布信息,所述P1组数据为所述第一终端设备位于所述第一区域且在所述第一时间段内采集的数据,P1为正整数;所述终端设备包括所述第一终端设备;
确定第一特征分布信息,包括:根据所述第一信息,确定所述第一特征分布信息。
19.根据权利要求18所述的方法,其特征在于,在接收来自所述第一终端设备的所述第一信息之前,所述方法还包括:
向所述终端设备发送第一请求信息,所述第一请求信息用于请求所述终端设备在所述第一时间段内采集数据,并上报采集的数据的特征信息和/或特征分布信息。
20.根据权利要求19所述的方法,其特征在于,所述第一请求信息包括以下至少一项:
第一指示信息,所述第一指示信息指示请求所述终端设备上报的信息为所述终端设备采集的数据的特征信息和/或特征分布信息;
第二指示信息,所述第二指示信息指示第一方式和/或第二方式,所述第一方式用于确定所述终端设备采集的数据的特征信息,所述第二方式用于确定所述终端设备采集的数据的特征分布信息;
终端配置信息,所述终端配置信息指示所述第一终端设备采集所述P1组数据时应满足的配置条件;
触发信息,所述触发信息包括触发方式和/或触发配置,所述触发方式包括以下至少一项:事件触发、周期触发,所述触发配置包括以下至少一项:触发事件、触发周期;
数量信息,所述数量信息用于指示所述P1的数值;
区域信息,所述区域信息用于指示所述第一区域;
时间段信息,所述时间段信息用于指示所述第一时间段。
21.根据权利要求17至20中任一项所述的方法,其特征在于,在向所述第一终端设备发送第一特征分布信息之前,所述方法还包括:
接收来自所述第一终端设备的第二请求信息,所述第二请求信息用于请求向所述第一终端设备发送所述第一特征分布信息。
22.一种通信方法,其特征在于,所述方法应用于第一服务器,所述方法包括:
接收来自第一终端设备的第一特征分布信息,所述第一特征分布信息用于指示位于第一区域的终端设备在第一时间段内采集的数据的特征分布,所述第一服务器与所述第一终端设备相关联;
根据所述第一特征分布信息,生成AI模型;
向所述第一终端设备或所述第一服务器关联的第二终端设备发送所述AI模型的配置信息。
23.根据权利要求22所述的方法,其特征在于,所述方法还包括:
接收来自所述第一终端设备的P1组数据,所述P1组数据为所述第一终端设备位于第一区域且在第一时间段内采集的数据,P1为正整数;
其中,所述训练数据包括所述P1组数据。
24.根据权利要求22或23所述的方法,其特征在于,所述方法还包括:
接收来自所述第二终端设备的P2组数据,所述P2组数据为所述第二终端设备位于第一区域且在第一时间段内采集的数据,P2为正整数;
其中,所述训练数据包括所述P2组数据。
25.根据权利要求24所述的方法,其特征在于,所述训练数据包括所述第一服务器预先获取的数据。
26.根据权利要求22至25中任一项所述的方法,其特征在于,在根据所述第一特征分布信息,生成AI模型之前,所述方法还包括:
确定所述第一特征分布信息和第二特征分布信息的差异满足第一条件,所述第二特征分布信息为所述第一服务器预先获取的。
27.根据权利要求22至26中任一项所述的方法,其特征在于,在接收来自第一终端设备的第一特征分布信息之前,所述方法还包括:
向所述第一终端设备发送第三请求信息,所述第三请求信息用于请求向所述第一服务器发送所述第一特征分布信息。
28.一种通信装置,其特征在于,所述通信装置包括处理器,所述处理器用于执行如权利要求11至27中任一项所述的方法。
29.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得如权利要求11至27中任一项所述的方法被执行。
30.一种计算机程序产品,其特征在于,所述计算机程序产品包括:计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得如权利要求11至27中任一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2023/105896 WO2024012326A1 (zh) | 2022-07-12 | 2023-07-05 | 一种通信方法、装置及系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022108203511 | 2022-07-12 | ||
CN202210820351 | 2022-07-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117459961A true CN117459961A (zh) | 2024-01-26 |
Family
ID=89591613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210977688.3A Pending CN117459961A (zh) | 2022-07-12 | 2022-08-15 | 一种通信方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117459961A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117812604A (zh) * | 2024-02-28 | 2024-04-02 | 荣耀终端有限公司 | 通信方法、系统及相关设备 |
-
2022
- 2022-08-15 CN CN202210977688.3A patent/CN117459961A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117812604A (zh) * | 2024-02-28 | 2024-04-02 | 荣耀终端有限公司 | 通信方法、系统及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11838787B2 (en) | Functional architecture and interface for non-real-time ran intelligent controller | |
CN111819872B (zh) | 信息传输方法、装置、通信设备及存储介质 | |
US20210044488A1 (en) | Model update method and apparatus, and system | |
EP4387316A1 (en) | Communication method and apparatus | |
US20210051501A1 (en) | Coordinator network node and access network nodes for resource allocation in a wireless communication system | |
WO2023143267A1 (zh) | 一种模型配置方法及装置 | |
WO2023069534A1 (en) | Using ai-based models for network energy savings | |
EP4432711A1 (en) | Artificial intelligence (ai) model training method and apparatus in wireless network | |
CN117459961A (zh) | 一种通信方法、装置及系统 | |
WO2021261917A1 (en) | Method and apparatus for handling performance of edge network entities in a mobile communication system | |
WO2024012331A1 (zh) | 一种确定人工智能ai模型的方法及装置 | |
US20240107594A1 (en) | User equipment pairing and cooperative machine learning inference result sharing | |
WO2024012326A1 (zh) | 一种通信方法、装置及系统 | |
US11729636B1 (en) | Network clustering determination | |
CN111587602B (zh) | 频谱管理装置和方法、无线网络管理装置和方法以及介质 | |
CN110892679A (zh) | 管理平面性能指示符传送 | |
WO2023160459A1 (zh) | 一种人工智能算法模型获取方法及装置 | |
CN116702854A (zh) | 一种人工智能算法模型获取方法及装置 | |
WO2024067248A1 (zh) | 一种获取训练数据集的方法和装置 | |
US20240211769A1 (en) | Communication method and apparatus | |
US20230199519A1 (en) | Radio resource model management in a wireless network | |
WO2024140370A1 (zh) | 监控或训练ai模型的方法和通信装置 | |
US20240114410A1 (en) | Network management apparatus and network management method | |
US20240007917A1 (en) | Dynamic quantization of artificial intelligence or machine learning models in a radio access network | |
WO2024046419A1 (zh) | 一种通信方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |