CN117597969A - Ai数据的传输方法、装置、设备及存储介质 - Google Patents
Ai数据的传输方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117597969A CN117597969A CN202180100126.4A CN202180100126A CN117597969A CN 117597969 A CN117597969 A CN 117597969A CN 202180100126 A CN202180100126 A CN 202180100126A CN 117597969 A CN117597969 A CN 117597969A
- Authority
- CN
- China
- Prior art keywords
- function
- network element
- data
- communication device
- entity
- 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 125
- 230000005540 biological transmission Effects 0.000 title claims abstract description 83
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 204
- 238000010295 mobile communication Methods 0.000 claims abstract description 62
- 230000002452 interceptive effect Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 350
- 238000007726 management method Methods 0.000 claims description 75
- 230000003993 interaction Effects 0.000 claims description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 102100022734 Acyl carrier protein, mitochondrial Human genes 0.000 claims description 16
- 101000678845 Homo sapiens Acyl carrier protein, mitochondrial Proteins 0.000 claims description 16
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- GVVPGTZRZFNKDS-JXMROGBWSA-N geranyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CO[P@](O)(=O)OP(O)(O)=O GVVPGTZRZFNKDS-JXMROGBWSA-N 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种AI数据的传输方法、装置、设备及存储介质,涉及通信技术领域。该方法由第一通信设备执行,所述第一通信设备包括:第一AI功能实体,所述方法包括:所述第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程;其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。本申请实施例所提供的方法,保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
Description
本申请涉及通信技术领域,特别涉及一种人工智能(Artificial Intelligence,AI)数据的传输方法、装置、设备及存储介质。
在移动通信系统中,正在考虑引入AI功能,使用AI功能来优化移动通信系统的性能。
如何在移动通信系统中实现AI功能,相关技术尚未提供较好的解决方案。
发明内容
本申请实施例提供了一种AI数据的传输方法、装置、设备及存储介质,保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。所述技术方案如下:
根据本申请的一个方面,提供了一种AI数据的传输方法,所述方法由第一通信设备执行,所述第一通信设备包括:第一AI功能实体,所述方法包括:
所述第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种AI数据的传输方法,所述方法由AI功能网元执行,所述方法包括:
所述AI功能网元与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种AI数据的传输装置,所述装置包括:第一AI功能实体模块;
所述第一AI功能实体模块,用于与AI功能网元模块,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元模块所属的装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种AI数据的传输装置,所述装置包括:AI功能网元模块;
所述AI功能网元模块,用于与第一AI功能实体模块,执行用于进行AI数据传输的交互流程;
其中,所述装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种通信设备,所述通信设备包括:收发器;其中,
所述收发器,用于与AI功能网元,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种网元设备,所述网元设备包括:收发器;其中,
所述收发器,用于与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程;
其中,所述网元设备是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
根据本申请的一个方面,提供了一种计算机可读存储介质,所述可读存储介质中存储有可执行指令,所述可执行指令由处理器加载并执行以实现如上述方面所述的AI数据的传输方法。
根据本申请实施例的一个方面,提供了一种芯片,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片在计算机设备上运行时,用于实现上述方面所述的AI数据的传输方法。
根据本申请的一个方面,提供了一种计算机程序产品,该计算机程序产品在计算机设备的处理器上运行时,使得计算机设备执行上述方面所述的AI数据的传输方法。
本申请实施例提供的技术方案至少包括如下有益效果:
为移动通信系统中的第一通信设备引入第一AI功能实体,并引入用于进行AI功能管理的AI功能网元,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,从而保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的神经网络的示意图;
图2是本申请一个示例性实施例提供的多隐藏层的神经网络的示意图;
图3是本申请一个示例性实施例提供的卷积神经网络的示意图;
图4是本申请一个示例性实施例提供的移动通信系统的框图;
图5是本申请一个示例性实施例提供的AI数据的传输方法的流程图;
图6是本申请一个示例性实施例提供的AI数据的传输方法的流程图;
图7是本申请一个示例性实施例提供的AI数据的传输方法的流程图;
图8是本申请一个示例性实施例提供的AI数据的传输方法的流程图;
图9是本申请一个示例性实施例提供的AI数据的传输装置的结构框图;
图10是本申请一个示例性实施例提供的AI数据的传输装置的结构框图;
图11是本申请一个示例性实施例提供的通信设备的结构示意图。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先,对本申请实施例中涉及的名词进行简单介绍:
当前的移动通信系统较以往来说,提供了更大的灵活性,强调对不同场景的广泛适用,以及对有限资源的充分利用。但是,目前大部分工作的基础原理还是基于对实际通信环境的理论建模或者简单的参数选取来完成的,这种基本的工作方式所能带来的增益在多变的场景及复杂的通信环境下,逐渐弱化。针对这种情况,当前有必要采用新的方法和思路,与传统无线通信理论及系统相结合,从而打破性能瓶颈,进一步提升移动通信系统的性能。
人工智能(Artificial Intelligence,AI):
近年来,以神经网络为代表的人工智能研究在很多领域都取得了非常大的成果,其也将在未来很长的一段时间内,对人们的生产生活起到重要的影响。
请参考图1,其示出了本申请一个实施例提供的神经网络的示意图。如图1所示,一个简单的神经网络的基本结构包括:输入层、隐藏层和输出层。其中,输入层负责接收数据,隐藏层负责处理数据,而最后的结果在输出层产生。如图1所示,各个节点代表一个处理单元,也可以认为是模拟了一个神经元,多个神经元组成一层神经网络,多层的信息传递与处理构造出了一个整体的神经网络。
随着神经网络研究的不断发展,近年来,神经网络深度学习算法被提出,如图2所示,较多的隐藏层被引入,通过多隐藏层的神经网络逐层训练进行特征学习,极大地提升了神经网络的学习和处理能力,并在模式识别、信号处理、优化组合、异常探测等方面被广泛应用。
同时,随着深度学习的发展,卷积神经网络也被进一步地研究。请参考图3,其示出了本申请一个实施例提供的卷积神经网络的示意图。如图3所示,在一个卷积神经网络中,其基本结构包括:输入层、多个卷积层、多个池化层、全连接层及输出层。卷积层和池化层的引入,有效地控制了网络参数的剧增,限制了参数的个数并挖掘了局部结构的特点,提高了算法的鲁棒性。
在移动通信系统中,支持AI功能来优化系统性能是非常有前景的,但是,相关技术中所提供的第三代合作伙伴项目(the 3
rd Generation Partnership Project,3GPP)协议栈并不适用于AI相关模型,数据的传输。因此,本申请提出了一种用于赋能AI功能的实现方式,从而保障了AI功能可以在移动通信系统中正常使用。
图4示出了本申请一个示例性实施例提供的移动通信系统的框图,该移动通信系统可以包括:终端设备10、接入网网元20和核心网网元30。
终端设备10可以指用户设备(User Equipment,UE)、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、无线通信设备、用户代理或用户装置。可选地,终端设备10还可以是蜂窝电话、无绳电话、会话启动协议(Session Initiation Protocol,SIP)电话、无线本地环路(Wireless Local Loop,WLL)站、个人数字处理(Personal Digita1 Assistant,PDA)、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备,第五代移动通信系统(5th Generation System,5GS)中的终端设备或者未来演进的公用陆地移动通信网络(Pub1ic Land Mobi1e Network,PLMN)中的终端设备等,本申请实施例对此并不限定。为方便描述,上面提到的设备统称为终端设备。终端设备10的数量通常为多个,每一个接入网网元20所管理的小区内可以分布一个或 多个终端设备10。在本申请实施例中,终端设备10中可以包括第一AI功能实体。
接入网网元20是一种部署在接入网中用以为终端设备10提供无线通信功能的网元设备。接入网网元20可以包括各种形式的宏基站,微基站,中继站,接入点等等。在采用不同的无线接入技术的系统中,具备接入网网元功能的设备的名称可能会有所不同,例如在5G NR系统中,称为gNodeB或者gNB。随着通信技术的演进,“接入网网元”这一名称可能会变化。为方便描述,本申请实施例中,上述为终端设备10提供无线通信功能的装置统称为接入网网元。可选地,通过接入网网元20,终端设备10和核心网网元30之间可以建立通信关系。示例性地,在LTE(Long Term Evolution,长期演进)系统中,接入网网元20可以是EUTRAN(Evolved Universal Terrestrial Radio Access Network,演进的通用陆地无线网)或者EUTRAN中的一个或者多个eNodeB;在5G NR系统中,接入网网元20可以是RAN(Radio Access Network,无线接入网)或者RAN中的一个或者多个gNB。在本申请实施例中,接入网网元20中可以包括第一AI功能实体。可选的,接入网网元20中包括AI功能网元。
核心网网元30是部署在核心网中的网元设备,核心网网元30的功能主要是提供用户连接、对用户的管理以及对业务完成承载,作为承载网络提供到外部网络的接口。可选的,核心网网元30中包括AI功能网元。
本申请实施例中的“5G NR系统”也可以称为5G系统或者NR系统,但本领域技术人员可以理解其含义。本申请实施例描述的技术方案可以适用于LTE系统,也可以适用于5G NR系统,也可以适用于5G NR系统后续的演进系统,还可以适用于诸如NB-IoT(Narrow Band Internet of Things,窄带物联网)系统等其他通信系统,本申请对此不作限定。
图5示出了本申请一个示例性实施例提供的AI数据的传输方法的流程图。该方法可以应用于如图4示出的移动通信系统中,该方法包括:
步骤510,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程。
第一通信设备中的第一AI功能实体与AI功能网元之间进行交互,以使得第一通信设备和AI功能网元之间传输AI数据。
其中,第一通信设备是移动通信系统中的通信设备,第一通信设备支持AI功能。示例性的,第一通信设备为终端设备。示例性的,第一通信设备为接入网网元。在本申请实施例中,第一通信设备包括第一AI功能实体,第一AI功能实体是第一通信设备中与AI功能相关的功能实体。
可选的,在第一通信设备是终端设备的情况下,第一AI功能实体位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,协议层包括如下中的至少一种:非接入(Non-Access Stratum,NAS)层;服务数据适配协议(Service Data Adaptation Protocol,SDAP)层;分组数据汇聚协议(Packet Data Convergence Protocol,PDCP)层;无线链路控制(Radio Link Control,RLC)层;媒体接入控制(Medium Access Control,MAC)层;物理(PHY)层。
也即,终端设备侧的第一AI功能实体可以位于NAS层,或SDAP层,或PDCP层,或RLC层,或MAC层,或PHY层;也可以位于上述协议层之间的一层,即任意两个相邻的协议层之间,如:NAS层和SDAP层之间,SDAP层和PDCP层之间,PDCP层和RLC层之间,RLC层和MAC层之间,MAC层和PHY层之间。
可选的,在第一通信设备是接入网网元的情况下,第一AI功能实体位于集中单元(Centralized Unit,CU),或,位于分布单元(Distributed Unit,DU),或位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
也即,接入网网元侧的第一AI功能实体可以位于CU,或DU;可以位于NAS层,或SDAP层,或PDCP层,或RLC层,或MAC层,或PHY层;也可以位于上述协议层之间的一层,即任意两个相邻的协议层之间,如:NAS层和SDAP层之间,SDAP层和PDCP层之间,PDCP层和RLC层之间,RLC层和MAC层之间,MAC层和PHY层之间。
其中,AI功能网元是移动通信系统中用于AI功能管理的网元。AI功能管理包括对AI数据传输进行控制管理,AI数据是与AI赋能功能有关的数据。
AI赋能功能指的是为移动通信系统赋予AI功能,从而应用AI功能,优化移动通信系统的性能。
AI数据是与AI赋能功能有关的数据,可以理解为AI数据是与AI模型在移动通信系统中的应用过程有关的数据,示例性的,AI数据包括:AI功能相关的能力信息、AI模型的模型配置信息、AI模型的输入数据、AI模型的输出数据;示例性的,AI数据不包括AI模型在模型训练过程中所涉及的数据,如:AI模型的训练数据。
可选的,AI功能网元是已有网元中的任意一个;或,AI功能网元是已有网元之外的一个新增网元;其中,已有网元包括:接入网网元、网络数据分析功能(Network Data Analytics Function,NWDAF)、接入和移动性管理功能(Access and Mobility Management Function,AMF)、会话管理功能(Session Management Function,SMF)、控制策略功能(Policy Control Function,PCF)、统一数据管理(Unified Data Management,UDM)、用户面功能(User Plane Function,UPF)、网络存储库功能(Network Repository Function,NRF)和网络公开功能(Network Exposure Function,NEF)。
也即,本申请实施例中引入的AI功能网元可以是当前的通信协议标准中已定义的网元,即已有网元,已有网元包括接入网网元和核心网网元,接入网网元包括:gNB、eNB,核心网网元包括:NWDAF、AMF、SMF、PCF、UDM、UPF、NRFNEF;本申请实施例中引入的AI功能网元也可以是除已有网元之外的一个新增网元,该新增网元可以是接入网网元,也可以是核心网网元。可以理解的是,上述已有网元仅进行示例性的说明,也可以包括未示出的其他网元,本申请实施例对此不加以限制。
可选的,第一通信设备和AI功能网元之间传输AI数据基于已有接口来实现,或,第一通信设备和AI功能网元之间传输AI数据基于新增的专用于AI数据传输的接口来实现。
综上所述,本实施例提供的方法,为移动通信系统中的第一通信设备引入第一AI功能实体,并引入用于进行AI功能管理的AI功能网元,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,从而保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
在基于图5的示意性实施例中,第一通信设备中的第一功能实体与AI功能网元之间,可以进行如下交互:
·第一AI功能实体与AI功能网元,执行用于进行AI能力协商的交互流程。
用于进行AI能力协商的交互流程指的是,第一终端设备与AI功能网元之间沟通第一通信设备的AI功能相关的能力的交互流程。
·第一AI功能实体与AI功能网元,执行用于进行AI模型配置的交互流程。
用于进行AI模型配置的交互流程指的是,AI功能网元为第一终端设备配置AI模型的交互流程。
·第一AI功能实体与AI功能网元,执行用于进行AI模型输入的交互流程。
用于进行AI模型输入的交互流程指的是,第一终端设备与AI功能网元之间交互AI模型的输入数据的交互流程。
可以理解的是,第一通信设备中的第一功能实体与AI功能网元之间,也可以进行其他与AI赋能功能相关的交互,本申请对此不加以限制。下面,对如上示出的交互流程进行进一步说明。
·第一AI功能实体与AI功能网元,执行用于进行AI能力协商的交互流程。
图6示出了本申请一个示例性实施例提供的AI数据的传输方法的流程图。该方法可以应用于如图4示出的移动通信系统中,该方法包括:
步骤610:AI功能网元向第一通信设备发送能力请求,能力请求用于请求第一通信设备上报AI功能相关的能力。
为了获知第一通信设备的AI功能相关的能力,AI功能网元向第一通信设备发送能力请求,请求第一通信设备上报AI功能相关的能力。
步骤620:第一通信设备中的第一AI功能实体接收能力请求。
步骤630:第一通信设备中的第一AI功能实体向AI功能网元上报能力信息,能力信息用于提供AI功能相关的能力。
可以理解的是,上述步骤610至步骤630中,第一AI功能实体基于能力请求,向AI功能网元上报能力信息,在另一种可能的实现方式中,第一AI功能实体也可以主动向AI功能网元上报能力信息,也即,不需要上述步骤610和步骤620,直接执行步骤630。
第一通信设备响应于能力请求,向AI功能网元上报自身的能力信息。
可选的,能力信息包括如下中的至少一种:
·第一通信设备是否支持AI功能。
示例性的,能力信息中存在用于指示是否支持AI功能的比特位,若该比特位为“0”,则表示第一通信设备支持AI功能,若该比特位为“1”,则表示第一通信设备不支持AI功能。
·第一通信设备支持的AI功能的类型。
示例性的,移动通信系统中约定好了AI功能的类型包括:类型1、类型2和类型3等等,每个类型对应有相应的类型标识,类型标识用于标识AI功能的类型。能力信息中包括类型标识,第一通信设备通过类型标识将第一通信设备支持的AI功能的类型告知AI功能网元。
示例性的,AI功能的类型包括:用于提高预测准确度的AI功能、用于优化决策的AI功能、用于提高计算精度的AI功能等等,本申请对此不加以限制。
·第一通信设备支持的AI模型。
示例性的,移动通信系统中约定好了AI模型包括:AI模型1、AI模型2和AI模型3等等,每个AI模型对应有相应的AI模型标识,AI模型标识用于标识AI模型。能力信息中包括AI模型标识,第一通信设备通过AI模型标识将第一通信设备支持的AI模型告知AI功能网元。
·第一通信设备支持的AI算法。
示例性的,移动通信系统中约定好了AI算法包括:AI算法1、AI算法2和AI算法3等 等,每个AI算法对应有相应的AI算法标识,AI算法标识用于标识AI算法。能力信息中包括AI算法标识,第一通信设备通过AI算法标识将第一通信设备支持的AI算法告知AI功能网元。
示例性的,AI算法包括:线性回归算法、决策树算法、随机森林算法、逻辑回归算法、神经网络算法、贝叶斯算法、K近邻算法、K均值算法和马尔科夫算法等等,本申请对此不加以限制。
示例性的,能力信息还包括第一AI功能实体所属的的第一通信设备的算力,存储能力等。
步骤640:AI功能网元接收能力信息。
可选的,在步骤640之后,AI功能网元基于第一通信设备的能力信息,管理控制第一通信设备执行AI功能,如:AI功能网元向第一通信设备发送AI模型的模型配置信息,使得第一通信设备可以基于模型配置信息确定AI模型,使用AI模型提升系统性能。
综上所述,本实施例提供的方法,为移动通信系统中的第一通信设备引入第一AI功能实体,并引入用于进行AI功能管理的AI功能网元,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,从而保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
同时,本实施例提供的方法,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI能力协商的交互流程,帮助AI功能网元明确第一通信设备的AI功能相关的能力。
·第一AI功能实体与AI功能网元,执行用于进行AI模型配置的交互流程。
图7示出了本申请一个示例性实施例提供的AI数据的传输方法的流程图。该方法可以应用于如图4示出的移动通信系统中,该方法包括:
步骤710:第一通信设备中的第一AI功能实体向AI功能网元发送业务请求,业务请求中包括使能AI功能的需求。
业务请求用于请求AI功能网元满足第一通信设备使能AI功能的需求。可以理解的是,AI功能可以单独在终端设备侧实现,如:终端设备中的AI功能实体向AI功能网元发送业务请求,终端设备中的AI功能实体在得到相应的模型配置信息后,使能AI功能;也可以单独在接入网网元侧实现,如:接入网网元中的AI功能实体向AI功能网元发送业务请求,接入网网元中的AI功能实体在得到相应的模型配置信息后,使能AI功能;也可以在终端设备侧和接入网网元侧联合实现,如:终端设备中的AI功能实体和接入网网元中的AI功能实体向AI功能网元发送同一类型的业务请求,终端设备中的AI功能实体和接入网网元中的AI功能实体在得到相应的模型配置信息后,同步或非同步使能同一类型的AI功能。
可选的,使能AI功能的需求包括如下中的至少一种:
·基于AI功能进行信道状态信息(Channel-State Information,CSI)反馈预测。
在移动通信系统中,终端设备通过对接入网网元配置的参考信号的测量,确定当前的CSI,并向接入网网元反馈当前的CSI,供接入网网元基于CSI确定当前的信道情况。CSI反馈预测指的是第一通信设备基于AI功能,对待反馈的CSI进行预测,从而尽早确定信道情况。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行CSI反馈预测。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行CSI反馈预测。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行CSI反馈预测。
·基于AI功能进行波束管理增强。
波束管理增强指的是第一通信设备基于AI功能,对波束失败信息进行预测,并且进一步确定需要请求恢复或切换的目标波束。
示例性的,第一通信设备为终端设备,终端设备基于AI功能进行波束管理增强,比如终端基于AI模型对于波束进行预测,基于预测结果提前进行波束恢复或切换,避免了由于波束失败恢复导致的数据传输中断。示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行波束管理增强。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行波束管理增强。
·基于AI功能进行切换决策增强。
切换决策增强指的是第一通信设备基于AI功能,优化小区切换的决策。
示例性的,第一通信设备为终端设备,终端设备基于AI功能确定切换条件,和或切换成功率和或目标小区标识等信息,从而进行切换决策增强。示例性的,第一通信设备为接入网网元,接入网网元基于AI功能确定切换条件,和或切换成功率和或目标小区标识等信息,从而进行切换决策增强。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行切换决策增强。
·基于AI功能进行定位精度增强。
定位精度增强指的是第一通信设备基于AI功能,提高定位结果的精度。
示例性的,第一通信设备为终端设备,终端设备基于AI算法优化定位精度,消除非视距(Non-Line of Sight,NLOS)场景带来的精度误差,从而进行定位精度增强。示例性的,第一通信设备为接入网网元,接入网网元基于AI算法优化定位精度,消除NLOS场景带来的精度误差,从而进行定位精度增强。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行定位精度增强。
·基于AI功能进行随机接入增强。
随机接入增强指的是第一通信设备基于AI功能,优化随机接入资源分配。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行随机接入增强。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行随机接入增强。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行随机接入增强。
·基于AI功能进行资源调度增强。
资源调度增强指的是第一通信设备基于AI功能,优化资源调度,资源调度包括:动态资源调度以及半静态资源调度。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行资源调度增强。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行资源调度增强。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行资源调度增强。
·基于AI功能进行终端路径预测。
终端路径预测指的是第一通信设备基于AI功能,预测终端设备的运行轨迹,从而帮助预留相应资源以及均衡小区负载。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行终端路径预测。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行终端路径预测。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行终端路径 预测。
·基于AI功能进行终端业务预测。
终端业务预测指的是第一通信设备基于AI功能,预测终端设备的业务类型,从而帮助优化资源的预留与分配。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行终端业务预测。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行终端业务预测。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行终端业务预测。
·基于AI功能进行小区负载预测。
小区负载预测指的是是第一通信设备基于AI功能,预测小区的负载情况,从而帮助优化资源分配。
示例性的,第一通信设备为接入网网元,接入网网元基于AI功能进行小区负载预测。示例性的,第一通信设备为终端设备,终端设备基于AI功能进行小区负载预测。示例性的,第一通信设备为接入网网元和终端设备,终端设备和接入网网元基于AI功能联合进行小区负载预测。
可以理解的是,使能AI功能的需求也可以包括其他类型的需求,本申请对此不加以限制。
步骤720:AI功能网元接收业务请求。
步骤730:AI功能网元向第一通信设备发送模型配置信息,模型配置信息用于供第一通信设备确定与使能AI功能的需求所对应的AI模型。
也即,AI功能网元收到业务请求后,为第一通信设备发送用于指示与使能AI功能的需求所对应的AI模型的模型配置信息,第一通信设备从AI功能网元处下载(download)模型配置信息。
可选的,在步骤730之前,AI功能实体基于历史数据训练好AI模型,并确定AI模型对应的模型配置信息。
步骤740:第一通信设备中的第一AI功能实体接收模型配置信息。
可选的,模型配置信息包括如下中的至少一种:AI模型的层级结构;AI模型的网络参数的权重信息。
可选的,在步骤740之后,还包括如下步骤:第一AI功能实体对接收到的模型配置信息进行更新;第一AI功能实体向AI功能网元发送更新后的模型配置信息;AI功能网元接收第一AI功能实体发送的更新后的模型配置信息。
也即,第一通信设备收到模型配置信息,确定相应的AI模型后,可以基于自己的实时信息作为输入,进一步更新AI模型,并上传(upload)更新后的AI模型对应的模型配置信息给AI功能网元。
可选的,在步骤740之后,还包括如下步骤:第一AI功能实体接收至少一个其他AI功能实体发送的实时信息,该实时信息用于向第一AI功能实体中的AI模型提供输入数据。
示例性的,第一通信设备为接入网网元,接入网网元中的第一AI功能实体基于AI功能进行资源调度增强。第一AI功能实体在接收到模型配置信息,确定相应的AI模型后,除了将本侧的实时信息作为AI模型的输入之外,还接收至少一个终端设备中的其他AI功能实体发送的实时信息,并将接收到的终端设备侧的实时信息也作为AI模型的输入。
可选的,其他AI功能实体接收来自于第一AI功能实体或者AI功能网元的指示信息,基于指示信息向第一AI功能实体发送实时信息。示例性的,AI功能网元向第一通信设备发 送模型配置信息后,向其他AI功能实体发送指示信息,指示其他AI功能实体向第一AI功能实体发送实时信息。示例性的,第一AI功能实体在接收到模型配置信息后,向其他AI功能实体发送指示信息,指示其他AI功能实体向第一AI功能实体发送实时信息。
可选的,其他AI功能实体发送的实时信息的类型与第一功能实体中使能的AI功能存在对应关系,不同的AI功能对应于不同的实时信息的类型。示例性的,AI功能包括:CSI反馈预测、波束管理增强、切换决策增强、定位精度增强、随机接入增强、资源调度增强、终端路径预测、终端业务预测和小区负载预测,相应的,实时信息的类型包括:CSI反馈预测对应的输入类型、波束管理增强对应的输入类型、切换决策增强对应的输入类型、定位精度增强对应的输入类型、随机接入增强对应的输入类型、资源调度增强对应的输入类型、终端路径预测对应的输入类型、终端业务预测对应的输入类型和小区负载预测对应的输入类型。
可选的,在步骤740之后,第一通信设备中的第一AI功能实体基于模型配置信息确定AI模块,输入模型输入数据,得到AI模型的输出,上述输出能够满足第一通信设备使能AI功能的需求,进而优化移动通信系统中的性能。
综上所述,本实施例提供的方法,为移动通信系统中的第一通信设备引入第一AI功能实体,并引入用于进行AI功能管理的AI功能网元,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,从而保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
同时,本实施例提供的方法,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI模型配置的交互流程,帮助第一通信设备确定AI模型,从而使用AI模型满足自身需求,进而优化移动通信系统中的性能。
·第一AI功能实体与AI功能网元,执行用于进行AI模型输入的交互流程。
图8示出了本申请一个示例性实施例提供的AI数据的传输方法的流程图。该方法可以应用于如图4示出的移动通信系统中,该方法包括:
步骤810:第一通信设备中的第一AI功能实体向AI功能网元发送辅助数据信息,辅助数据信息用于提供AI模型的输入数据。
也即,第一通信设备具有使能AI功能的需求,第一通信设备将满足该需求所需要进行处理的数据携带在辅助数据信息中,发送给AI功能网元,由AI功能网元将上述数据输入AI模型进行处理。
示例性的,第一通信设备为接入网网元,接入网网元具有基于AI功能进行资源调度增强的需求,接入网网元中的第一AI功能实体向AI功能网元发送辅助数据信息,辅助数据信息中携带影响资源调度决策的数据,AI功能网元将上述数据作为AI模型的输入数据,输出资源调度决策。
可选的,在步骤810之前,第一通信设备中的第一AI功能实体向AI功能网元发送业务请求,业务请求中包括使能AI功能的需求;AI功能网元相应接收业务请求。
在一种可能的实现方式中,第一通信设备主动上报辅助数据信息。也即,第一通信设备在上报业务请求后,直接发送辅助数据信息。
在另一种可能的实现方式中,第一通信设备在AI功能网元的触发下,上报辅助数据信息。示例性的,在步骤810之前,还包括如下步骤:AI功能网元向第一AI功能实体发送辅助数据请求,辅助数据请求用于请求第一通信设备发送辅助数据信息;第一AI功能实体相应接收AI功能网元发送的辅助数据请求,辅助数据请求用于请求第一通信设备发送辅助数据信息。 也即,第一通信设备在上报业务请求后,AI功能网元先请求第一通信设备发送辅助数据信息,第一通信设备再相应发送辅助数据信息。
步骤820:AI功能网元接收辅助数据信息。
可选的,在步骤820之后,AI功能网元将辅助数据信息中携带的数据输入AI模型,得到AI模型的输出,并将输出发送给第一通信设备,上述输出能够满足第一通信设备使能AI功能的需求,进而优化移动通信系统中的性能。
可选的,除了在上述步骤810至步骤820中,第一通信设备侧第一AI功能实体与AI功能网元交互辅助数据信息之外,第一通信设备侧第一AI功能实体也可以与其他通信设备中的AI功能实体交互辅助数据信息,以实现辅助数据信息的传输。可选的,其他通信设备中的AI功能实体中存储有AI模型,将辅助数据信息中的数据作为AI模型的输入数据。可选的,其他通信设备将辅助数据信息再次进行传递,最终传递给AI功能网元进行处理。
在一种可能的实现方式中,第一AI功能实体通过第一接口与第二通信设备的第二AI功能实体交互辅助数据信息,第二通信设备是与第一通信设备不同类型的通信设备。
也即,不同类型的通信设备之间可以基于第一接口交互辅助数据信息。如:终端设备和接入网网元之间交互辅助数据信息。
可选的,第一接口包括:Uu接口;或,专用于AI功能的接口。也即,第一接口可以是现有的Uu接口,也可以是新增的专用于AI功能的接口。
可选的,辅助数据信息携带在如下消息中的至少一种:无线资源控制(Radio Resource Control,RRC)消息、MAC控制信元(Control Element,CE)、NAS消息和专用于AI功能的消息。
在另一种可能的实现方式中,第一AI功能实体与第三通信设备的第三AI功能实体交互辅助数据信息,第三通信设备是与第一通信设备相同类型的通信设备。
也即,相同类型的通信设备之间可以交互辅助数据信息。如:终端设备和终端设备之间交互辅助数据信息,接入网网元和接入网网元之间交互辅助数据信息。
综上所述,本实施例提供的方法,为移动通信系统中的第一通信设备引入第一AI功能实体,并引入用于进行AI功能管理的AI功能网元,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,从而保障了AI功能在移动通信系统中的正常使用,使得移动通信系统可以基于AI功能提升系统性能。
同时,本实施例提供的方法,第一通信设备中的第一AI功能实体与AI功能网元,执行用于进行AI模型输入的交互流程,由第一通信设备中的第一AI功能实体将辅助数据信息上报给AI功能网元,AI功能网元使用AI模型对辅助数据信息中的数据进行处理,以满足第一通信设备使能AI功能的需求。
需要说明的是,上述方法实施例可以分别单独实施,也可以组合实施,本申请对此不进行限制。
在上述各个实施例中,由第一通信设备执行的步骤可以单独实现成为第一通信设备设备一侧的AI数据的传输方法,由AI功能网元执行的步骤可以单独实现成为AI功能网元一侧的AI数据的传输方法。
图9示出了本申请一个示例性实施例提供的AI数据的传输装置的结构框图,该装置可以实现成为第一通信设备,或者,实现成为第一通信设备中的一部分,该装置包括:第一AI 功能实体模块901;
所述第一AI功能实体模块901,用于与AI功能网元模块,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元模块所属的装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
在一个可选的实施例中,所述AI功能网元模块所属的装置是已有网元中的任意一个;或,所述AI功能网元模块所属的装置是所述已有网元之外的一个新增网元;
其中,所述已有网元包括:接入网网元、NWDAF、AMF、SMF、PCF、UDM、UPF、NRF和NEF。
在一个可选的实施例中,在所述装置是终端设备的情况下,所述第一AI功能实体模块901位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;
其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
在一个可选的实施例中,在所述装置是接入网网元的情况下,所述第一AI功能实体模块901位于CU,或,位于DU,或位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;
其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
在一个可选的实施例中,所述第一AI功能实体模块901,用于与所述AI功能网元模块,执行用于进行AI能力协商的交互流程;
或,
所述第一AI功能实体模块901,用于与所述AI功能网元模块,执行用于进行AI模型配置的交互流程;
或,
所述第一AI功能实体模块901,用于与所述AI功能网元模块,执行用于进行AI模型输入的交互流程。
在一个可选的实施例中,所述第一AI功能实体模块901,用于接收所述AI功能网元模块发送的能力请求,所述能力请求用于请求所述装置上报AI功能相关的能力;所述第一AI功能实体模块901,用于向所述AI功能网元模块上报能力信息,所述能力信息用于提供AI功能相关的能力。
在一个可选的实施例中,所述能力信息包括如下中的至少一种:
所述装置是否支持AI功能;
所述装置支持的AI功能的类型;
所述装置支持的AI模型;
所述装置支持的AI算法。
在一个可选的实施例中,所述第一AI功能实体模块901,用于向所述AI功能网元模块发送业务请求,所述业务请求中包括使能AI功能的需求;所述第一AI功能实体模块901,用于接收所述AI功能网元模块发送的模型配置信息,所述模型配置信息用于供所述装置装置确定与所述使能AI功能的需求所对应的AI模型。
在一个可选的实施例中,所述第一AI功能实体模块901,用于对接收到的所述模型配置 信息进行更新;所述第一AI功能实体模块901,用于向所述AI功能网元模块发送更新后的所述模型配置信息。
在一个可选的实施例中,所述模型配置信息包括如下中的至少一种:
AI模型的层级结构;
AI模型的网络参数的权重信息。
在一个可选的实施例中,所述使能AI功能的需求包括如下中的至少一种:
基于AI功能进行CSI反馈预测、基于AI功能进行波束管理增强、基于AI功能进行切换决策增强、基于AI功能进行定位精度增强、基于AI功能进行随机接入增强、基于AI功能进行资源调度增强、基于AI功能进行终端路径预测、基于AI功能进行终端业务预测和基于AI功能进行小区负载预测。
在一个可选的实施例中,所述第一AI功能实体模块901,用于向所述AI功能网元模块发送辅助数据信息,所述辅助数据信息用于提供所述AI模型的输入数据。
在一个可选的实施例中,所述第一AI功能实体模块901,用于接收所述AI功能网元模块发送的辅助数据请求,所述辅助数据请求用于请求所述装置发送所述辅助数据信息。
在一个可选的实施例中,所述第一AI功能实体模块901,用于通过第一接口与第二AI功能实体模块交互所述辅助数据信息,所述第二AI功能实体模块所属的装置是与所述装置不同类型的装置。
在一个可选的实施例中,所述第一接口包括:
Uu接口;
或,
专用于AI功能的接口。
在一个可选的实施例中,所述辅助数据信息携带在如下消息中的至少一种:
RRC消息、MAC CE、NAS消息和专用于AI功能的消息。
在一个可选的实施例中,所述第一AI功能实体模块901,用于与第三AI功能实体模块交互所述辅助数据信息,所述第三AI功能实体模块所属的装置是与所述装置相同类型的装置。
图10示出了本申请一个示例性实施例提供的AI数据的传输装置的结构框图,该装置可以实现成为AI功能网元,或者,实现成为AI功能网元中的一部分,该装置包括:AI功能网元模块1001;
所述AI功能网元模块1001,用于与第一AI功能实体模块,执行用于进行AI数据传输的交互流程;
其中,所述装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
在一个可选的实施例中,所述装置是已有网元中的任意一个;或,所述装置是所述已有网元之外的一个新增网元;
其中,所述已有网元包括:接入网网元、NWDAF、AMF、SMF、PCF、UDM、UPF、NRF和NEF。
在一个可选的实施例中,在所述第一AI功能实体模块所属的装置是终端设备的情况下,所述第一AI功能实体模块位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;
其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
在一个可选的实施例中,在所述第一AI功能实体模块所属的装置是接入网网元的情况下,所述第一AI功能实体模块位于CU,或,位于DU,或位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;
其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
在一个可选的实施例中,所述AI功能网元模块1001,用于与所述第一AI功能实体模块,执行用于进行AI能力协商的交互流程;
或,
所述AI功能网元模块1001,用于与所述第一AI功能实体模块,执行用于进行AI模型配置的交互流程;
或,
所述AI功能网元模块1001,用于与所述第一AI功能实体模块,执行用于进行AI模型输入的交互流程。
在一个可选的实施例中,所述AI功能网元模块1001,用于向所述第一AI功能实体模块发送能力请求,所述能力请求用于请求所述第一AI功能实体模块所属的装置上报AI功能相关的能力;所述AI功能网元模块1001,用于接收所述第一AI功能实体模块上报的能力信息,所述能力信息用于提供AI功能相关的能力。
在一个可选的实施例中,所述能力信息包括如下中的至少一种:
所述第一AI功能实体模块所属的装置是否支持AI功能;
所述第一AI功能实体模块所属的装置支持的AI功能的类型;
所述第一AI功能实体模块所属的装置支持的AI模型;
所述第一AI功能实体模块所属的装置支持的AI算法。
在一个可选的实施例中,所述AI功能网元模块1001,用于接收所述第一AI功能实体模块发送的业务请求,所述业务请求中包括使能AI功能的需求;所述AI功能网元模块1001,用于向所述第一AI功能实体模块发送模型配置信息,所述模型配置信息用于供所述第一AI功能实体模块所属的装置确定与所述使能AI功能的需求所对应的AI模型。
在一个可选的实施例中,所述AI功能网元模块1001,用于接收所述第一AI功能实体模块发送的更新后的所述模型配置信息。
在一个可选的实施例中,所述模型配置信息包括如下中的至少一种:
AI模型的层级结构;
AI模型的网络参数的权重信息。
在一个可选的实施例中,所述使能AI功能的需求包括如下中的至少一种:
基于AI功能进行CSI反馈预测、基于AI功能进行波束管理增强、基于AI功能进行切换决策增强、基于AI功能进行定位精度增强、基于AI功能进行随机接入增强、基于AI功能进行资源调度增强、基于AI功能进行终端路径预测、基于AI功能进行终端业务预测和基于AI功能进行小区负载预测。
在一个可选的实施例中,所述AI功能网元模块1001,用于接收所述第一AI功能实体模块发送的辅助数据信息,所述辅助数据信息用于提供所述AI模型的输入数据。
在一个可选的实施例中,所述AI功能网元模块1001,用于向所述第一AI功能实体模块 发送辅助数据请求,所述辅助数据请求用于请求所述第一AI功能实体模块所属的装置发送所述辅助数据信息。
图11示出了本申请一个示例性实施例提供的通信设备(如上所述的第一通信设备或AI功能网元)的结构示意图,该通信设备包括:处理器1101、接收器1102、发射器1103、存储器1104和总线1105。
处理器1101包括一个或者一个以上处理核心,处理器1101通过运行软件程序以及模块,从而执行各种功能应用。
接收器1102和发射器1103可以实现为一个收发器1106,该收发器1106可以是一块通信芯片。
存储器1104通过总线1105与处理器1101相连。
存储器1104可用于存储计算机程序,处理器1101用于执行该计算机程序,以实现上述方法实施例中通信设备执行的各个步骤。
此外,存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,易失性或非易失性存储设备包括但不限于:随机存储器(Random-Access Memory,RAM)和只读存储器(Read-Only Memory,ROM)、可擦写可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦写可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、闪存或其他固态存储其技术,只读光盘(Compact Disc Read-Only Memory,CD-ROM)、高密度数字视频光盘(Digital Video Disc,DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。
其中,当通信设备实现为第一通信设备时,本申请实施例涉及的通信设备中的处理器和收发器,可以执行上述图5至图8任一所示的方法中,由第一通信设备执行的步骤,此处不再赘述。
在一种可能的实现方式中,当通信设备实现为第一通信设备时,
所述收发器1106,用于与AI功能网元,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
其中,当通信设备实现为AI功能网元时,本申请实施例涉及的通信设备中的处理器和收发器,可以执行上述图5至图8任一所示的方法中,由AI功能网元执行的步骤,此处不再赘述。
在一种可能的实现方式中,当通信设备实现为AI功能网元时,
所述收发器1106,用于与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程;
其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
在示例性实施例中,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述各个方法实施例提供的AI数据的传输方法。
在示例性实施例中,还提供了一种芯片,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片在计算机设备上运行时,用于实现上述方面所述的AI数据的传输方法。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品在计算机设备的处理器上运行时,使得计算机设备执行上述方面所述的AI数据的传输方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (37)
- 一种人工智能AI数据的传输方法,其特征在于,所述方法由第一通信设备执行,所述第一通信设备包括:第一AI功能实体,所述方法包括:所述第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程;其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 根据权利要求1所述的方法,其特征在于,所述AI功能网元是已有网元中的任意一个;或,所述AI功能网元是所述已有网元之外的一个新增网元;其中,所述已有网元包括:接入网网元、网络数据分析功能NWDAF、接入和移动性管理功能AMF、会话管理功能SMF、控制策略功能PCF、统一数据管理UDM、用户面功能UPF、网络存储库功能NRF和网络公开功能NEF。
- 根据权利要求1或2所述的方法,其特征在于,在所述第一通信设备是终端设备的情况下,所述第一AI功能实体位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,所述协议层包括如下中的至少一种:非接入NAS层;服务数据适配协议SDAP层;分组数据汇聚协议PDCP层;无线链路控制RLC层;媒体接入控制MAC层;物理PHY层。
- 根据权利要求1或2所述的方法,其特征在于,在所述第一通信设备是接入网网元的情况下,所述第一AI功能实体位于集中单元CU,或,位于分布单元DU,或位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
- 根据权利要求1至4任一所述的方法,其特征在于,所述第一AI功能实体与AI功能网元,执行用于进行AI数据传输的交互流程,包括:所述第一AI功能实体与所述AI功能网元,执行用于进行AI能力协商的交互流程;或,所述第一AI功能实体与所述AI功能网元,执行用于进行AI模型配置的交互流程;或,所述第一AI功能实体与所述AI功能网元,执行用于进行AI模型输入的交互流程。
- 根据权利要求5所述的方法,其特征在于,所述第一AI功能实体与所述AI功能网元,执行用于进行AI能力协商的交互流程,包括:所述第一AI功能实体接收所述AI功能网元发送的能力请求,所述能力请求用于请求所述第一通信设备上报AI功能相关的能力;所述第一AI功能实体向所述AI功能网元上报能力信息,所述能力信息用于提供AI功能相关的能力。
- 根据权利要求6所述的方法,其特征在于,所述能力信息包括如下中的至少一种:所述第一通信设备是否支持AI功能;所述第一通信设备支持的AI功能的类型;所述第一通信设备支持的AI模型;所述第一通信设备支持的AI算法。
- 根据权利要求5所述的方法,其特征在于,所述第一AI功能实体与所述AI功能网元,执行用于进行AI模型配置的交互流程,包括:所述第一AI功能实体向所述AI功能网元发送业务请求,所述业务请求中包括使能AI功能的需求;所述第一AI功能实体接收所述AI功能网元发送的模型配置信息,所述模型配置信息用于供所述第一通信设备确定与所述使能AI功能的需求所对应的AI模型。
- 根据权利要求8所述的方法,其特征在于,所述方法还包括:所述第一AI功能实体对接收到的所述模型配置信息进行更新;所述第一AI功能实体向所述AI功能网元发送更新后的所述模型配置信息。
- 根据权利要求8或9所述的方法,其特征在于,所述模型配置信息包括如下中的至少一种:AI模型的层级结构;AI模型的网络参数的权重信息。
- 根据权利要求8至10任一所述的方法,其特征在于,所述使能AI功能的需求包括如下中的至少一种:基于AI功能进行信道状态信息CSI反馈预测、基于AI功能进行波束管理增强、基于AI功能进行切换决策增强、基于AI功能进行定位精度增强、基于AI功能进行随机接入增强、基于AI功能进行资源调度增强、基于AI功能进行终端路径预测、基于AI功能进行终端业务预测和基于AI功能进行小区负载预测。
- 根据权利要求5所述的方法,其特征在于,所述第一AI功能实体与所述AI功能网元,执行用于进行AI模型输入的交互流程,包括:所述第一AI功能实体向所述AI功能网元发送辅助数据信息,所述辅助数据信息用于提供所述AI模型的输入数据。
- 根据权利要求12所述的方法,其特征在于,所述方法还包括:所述第一AI功能实体接收所述AI功能网元发送的辅助数据请求,所述辅助数据请求用于请求所述第一通信设备发送所述辅助数据信息。
- 根据权利要求12或13所述的方法,其特征在于,所述方法还包括:所述第一AI功能实体通过第一接口与第二通信设备的第二AI功能实体交互所述辅助数据信息,所述第二通信设备是与所述第一通信设备不同类型的通信设备。
- 根据权利要求14所述的方法,其特征在于,所述第一接口包括:Uu接口;或,专用于AI功能的接口。
- 根据权利要求14或15所述的方法,其特征在于,所述辅助数据信息携带在如下消息中的至少一种:无线资源控制RRC消息、媒体接入控制控制信元MAC CE、非接入层NAS消息和专用于AI功能的消息。
- 根据权利要求12至16任一所述的方法,其特征在于,所述方法还包括:所述第一AI功能实体与第三通信设备的第三AI功能实体交互所述辅助数据信息,所述第三通信设备是与所述第一通信设备相同类型的通信设备。
- 一种人工智能AI数据的传输方法,其特征在于,所述方法由AI功能网元执行,所述方法包括:所述AI功能网元与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程;其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 根据权利要求18所述的方法,其特征在于,所述AI功能网元是已有网元中的任意一个;或,所述AI功能网元是所述已有网元之外的一个新增网元;其中,所述已有网元包括:接入网网元、网络数据分析功能NWDAF、接入和移动性管理功能AMF、会话管理功能SMF、控制策略功能PCF、统一数据管理UDM、用户面功能UPF、网络存储库功能NRF和网络公开功能NEF。
- 根据权利要求18或19所述的方法,其特征在于,在所述第一通信设备是终端设备的情况下,所述第一AI功能实体位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,所述协议层包括如下中的至少一种:非接入NAS层;服务数据适配协议SDAP层;分组数据汇聚协议PDCP层;无线链路控制RLC层;媒体接入控制MAC层;物理PHY层。
- 根据权利要求18或19所述的方法,其特征在于,在所述第一通信设备是接入网网元的情况下,所述第一AI功能实体位于集中单元CU,或,位于分布单元DU,或位于如下任意一个协议层中,或,位于如下协议层中的任意两个相邻的协议层之间;其中,所述协议层包括如下中的至少一种:NAS层;SDAP层;PDCP层;RLC层;MAC层;PHY层。
- 根据权利要求18至21任一所述的方法,其特征在于,所述AI功能网元与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程,包括:所述AI功能网元与所述第一AI功能实体,执行用于进行AI能力协商的交互流程;或,所述AI功能网元与所述第一AI功能实体,执行用于进行AI模型配置的交互流程;或,所述AI功能网元与所述第一AI功能实体,执行用于进行AI模型输入的交互流程。
- 根据权利要求22所述的方法,其特征在于,所述AI功能网元与所述第一AI功能实体,执行用于进行AI能力协商的交互流程,包括:所述AI功能网元向所述第一AI功能实体发送能力请求,所述能力请求用于请求所述第一通信设备上报AI功能相关的能力;所述AI功能网元接收所述第一AI功能实体上报的能力信息,所述能力信息用于提供AI功能相关的能力。
- 根据权利要求23所述的方法,其特征在于,所述能力信息包括如下中的至少一种:所述第一通信设备是否支持AI功能;所述第一通信设备支持的AI功能的类型;所述第一通信设备支持的AI模型;所述第一通信设备支持的AI算法。
- 根据权利要求22所述的方法,其特征在于,所述AI功能网元与所述第一AI功能实体,执行用于进行AI模型配置的交互流程,包括:所述AI功能网元接收所述第一AI功能实体发送的业务请求,所述业务请求中包括使能AI功能的需求;所述AI功能网元向所述第一AI功能实体发送模型配置信息,所述模型配置信息用于供所述第一通信设备确定与所述使能AI功能的需求所对应的AI模型。
- 根据权利要求25所述的方法,其特征在于,所述方法还包括:所述AI功能网元接收所述第一AI功能实体发送的更新后的所述模型配置信息。
- 根据权利要求25或26所述的方法,其特征在于,所述模型配置信息包括如下中的至少一种:AI模型的层级结构;AI模型的网络参数的权重信息。
- 根据权利要求25至27任一所述的方法,其特征在于,所述使能AI功能的需求包括如下中的至少一种:基于AI功能进行信道状态信息CSI反馈预测、基于AI功能进行波束管理增强、基于AI功能进行切换决策增强、基于AI功能进行定位精度增强、基于AI功能进行随机接入增强、基于AI功能进行资源调度增强、基于AI功能进行终端路径预测、基于AI功能进行终端业务预测和基于AI功能进行小区负载预测。
- 根据权利要求22所述的方法,其特征在于,所述AI功能网元与所述第一AI功能实体,执行用于进行AI模型输入的交互流程,包括:所述AI功能网元接收所述第一AI功能实体发送的辅助数据信息,所述辅助数据信息用于提供所述AI模型的输入数据。
- 根据权利要求29所述的方法,其特征在于,所述方法还包括:所述AI功能网元向所述第一AI功能实体发送辅助数据请求,所述辅助数据请求用于请求所述第一通信设备发送所述辅助数据信息。
- 一种人工智能AI数据的传输装置,其特征在于,所述装置包括:第一AI功能实体模块;所述第一AI功能实体模块,用于与AI功能网元模块,执行用于进行AI数据传输的交互流程;其中,所述AI功能网元模块所属的装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 一种人工智能AI数据的传输装置,其特征在于,所述装置包括:AI功能网元模块;所述AI功能网元模块,用于与第一AI功能实体模块,执行用于进行AI数据传输的交互流程;其中,所述装置是移动通信系统中用于AI功能管理的装置,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 一种通信设备,其特征在于,所述通信设备包括:收发器;其中,所述收发器,用于与AI功能网元,执行用于进行AI数据传输的交互流程;其中,所述AI功能网元是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 一种网元设备,其特征在于,所述网元设备包括:收发器;其中,所述收发器,用于与第一通信设备中的第一AI功能实体,执行用于进行AI数据传输的交互流程;其中,所述网元设备是移动通信系统中用于AI功能管理的网元,所述AI功能管理包括对所述AI数据传输进行控制管理,所述AI数据是与AI赋能功能有关的数据。
- 一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有可执行指令,所述可执行指令由处理器加载并执行以实现如权利要求1至30任一所述的AI数据的传输方法。
- 一种芯片,其中,所述芯片包括可编程逻辑电路和/或程序指令,当所述芯片运行时,用于实现如权利要求1至30任一所述的AI数据的传输方法。
- 一种计算机程序产品或计算机程序,其中,所述计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在计算机可读存储介质中,处理器从所述计算机可读存储介质读取并执行所述计算机指令,以实现如权利要求1至30任一所述的AI数据的传输方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/119444 WO2023039905A1 (zh) | 2021-09-18 | 2021-09-18 | Ai数据的传输方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117597969A true CN117597969A (zh) | 2024-02-23 |
Family
ID=85602359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180100126.4A Pending CN117597969A (zh) | 2021-09-18 | 2021-09-18 | Ai数据的传输方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117597969A (zh) |
WO (1) | WO2023039905A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110119808A (zh) * | 2018-02-06 | 2019-08-13 | 华为技术有限公司 | 一种基于机器学习的数据处理方法以及相关设备 |
CN110139289B (zh) * | 2018-02-09 | 2023-02-28 | 中兴通讯股份有限公司 | 一种调度方法及调度系统 |
CN111082960B9 (zh) * | 2019-04-15 | 2023-01-24 | 中兴通讯股份有限公司 | 数据的处理方法及装置 |
WO2021163895A1 (zh) * | 2020-02-18 | 2021-08-26 | Oppo广东移动通信有限公司 | 网络模型的管理方法及建立或修改会话的方法、装置 |
CN113365287A (zh) * | 2020-03-06 | 2021-09-07 | 华为技术有限公司 | 通信方法及装置 |
CN115699842A (zh) * | 2020-07-31 | 2023-02-03 | Oppo广东移动通信有限公司 | 模型管理方法、系统、装置、通信设备及存储介质 |
-
2021
- 2021-09-18 CN CN202180100126.4A patent/CN117597969A/zh active Pending
- 2021-09-18 WO PCT/CN2021/119444 patent/WO2023039905A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023039905A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230179490A1 (en) | Artificial intelligence-based communication method and communication apparatus | |
EP4099635A1 (en) | Method and device for selecting service in wireless communication system | |
US11451452B2 (en) | Model update method and apparatus, and system | |
US20230262448A1 (en) | Managing a wireless device that is operable to connect to a communication network | |
CN114389779A (zh) | 信道状态信息报告 | |
WO2023143267A1 (zh) | 一种模型配置方法及装置 | |
US20230262478A1 (en) | Model configuration method and apparatus | |
WO2020152389A1 (en) | Machine learning for a communication network | |
US20240114408A1 (en) | Cell handover method and apparatus, device, and storage medium | |
WO2021164507A1 (zh) | 调度方法、调度算法的训练方法及相关系统、存储介质 | |
WO2022209234A1 (ja) | Ranノード、ue及び方法 | |
CN117597969A (zh) | Ai数据的传输方法、装置、设备及存储介质 | |
US11863354B2 (en) | Model transfer within wireless networks for channel estimation | |
CN113473544A (zh) | 网络切片配置 | |
US20230319662A1 (en) | Method and apparatus for programmable and customized intelligence for traffic steering in 5g networks using open ran architectures | |
EP4258730A1 (en) | Method and apparatus for programmable and customized intelligence for traffic steering in 5g networks using open ran architectures | |
WO2023097522A1 (zh) | 用于无线信道处理的模型更新方法、装置、设备及介质 | |
US11800458B2 (en) | Selection of power control parameters | |
US20230318794A1 (en) | Optimizing physical cell id assignment in a wireless communication network | |
US20230114492A1 (en) | Electronic device and method for providing scheduling information based on learning in wireless communication system | |
GB2622604A (en) | UE initiated model-updates for two-sided AI/ML model | |
WO2023144443A1 (en) | Enhancing connection quality after handover | |
WO2023198275A1 (en) | User equipment machine learning action decision and evaluation | |
CN118055472A (zh) | Bbu更新方法、装置及相关设备 | |
CN116782323A (zh) | 一种通信网络中的切换方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |