CN117897923A - 用于通信的方法、设备和计算机可读介质 - Google Patents
用于通信的方法、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN117897923A CN117897923A CN202180101876.3A CN202180101876A CN117897923A CN 117897923 A CN117897923 A CN 117897923A CN 202180101876 A CN202180101876 A CN 202180101876A CN 117897923 A CN117897923 A CN 117897923A
- Authority
- CN
- China
- Prior art keywords
- reference signal
- data processing
- processing model
- phase
- signal configuration
- 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 63
- 238000004891 communication Methods 0.000 title claims abstract description 41
- 230000006854 communication Effects 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 206
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 197
- 238000012549 training Methods 0.000 claims abstract description 76
- 238000005259 measurement Methods 0.000 claims description 33
- 230000005540 biological transmission Effects 0.000 claims description 31
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000010801 machine learning Methods 0.000 description 43
- 230000011664 signaling Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008054 signal transmission Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100422415 Dictyostelium discoideum ssrp1 gene Proteins 0.000 description 1
- 101150084576 Ssrp gene Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000009977 dual effect Effects 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
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
- H04B7/0686—Hybrid systems, i.e. switching and simultaneous transmission
- H04B7/0695—Hybrid systems, i.e. switching and simultaneous transmission using beam selection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
- H04L5/005—Allocation of pilot signals, i.e. of signals known to the receiver of common pilots, i.e. pilots destined for multiple users or terminals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
- H04W8/24—Transfer of terminal data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
- H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
用于通信的方法、设备和计算机可读介质。终端设备(210‑1)向网络设备(220)发送其与人工智能(AI)数据处理模型相关的能力。网络设备(220)向终端设备(210‑1)发送在AI数据处理模型的第一阶段期间使用的第一参考信号配置。终端设备(210‑1)确定第一参考信号配置与在AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。以这种方式,将AI/ML技术与CSI框架集成。此外,终端设备(210‑1)了解减少的参考信号何时被使用并且执行对应行为。
Description
技术领域
本公开的实施例总体上涉及电信领域,并且具体地涉及用于通信的方法、设备和计算机可读介质。
背景技术
在无线电系统中,多输入多输出(MIMO)是一种用于使用多个传输和接收天线来利用多径传播来使无线电链路的容量加倍的方法。此外,用于MIMO的人工智能(AI)或机器学习(ML)是一个热门话题。
发明内容
总体上,本公开的示例实施例提供了一种通信的解决方案。
在第一方面,提供了一种用于通信的方法。该通信方法包括:在终端设备处向网络设备发送第一信息,该第一信息指示终端设备的与人工智能(AI)数据处理模型相关的能力;从网络设备接收在AI数据处理模型的第一阶段期间使用的第一参考信号配置;以及确定第一参考信号配置与在AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。
在第二方面,提供了一种终端设备。该终端设备包括:处理单元;以及存储器,该存储器耦合到处理单元并且存储有指令,该指令在由处理单位执行时引起终端设备执行动作,该动作包括:在终端设备处向网络设备发送指示终端设备的与人工智能(AI)数据处理模型相关的能力的第一信息;从网络设备接收在AI数据处理模型的第一阶段期间使用的第一参考信号配置;以及确定第一参考信号配置与在AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。
在第三方面,提供了一种计算机可读介质,其上存储有指令,该指令当在至少一个处理器上执行时引起至少一个处理器执行根据第一方面中的任何一个的方法。
通过以下描述,本公开的其他特征将变得容易理解。
附图说明
通过在附图中对本公开的一些示例实施例的更详细的描述,本公开的上述和其他目的、特征和优点将变得更加明显,在附图中:
图1图示了根据传统技术的用于训练和应用数据处理模型的信令流程;
图2是可以在其中实现本公开的实施例的通信环境的示意图;
图3图示了根据本公开的一些实施例的用于通信的信令流程;
图4示出了用于AI数据处理模型的示例框架;
图5图示了根据本公开的一些实施例的用于CSI-RS传输的信令流程;
图6A-6C示出了根据本公开的一些实施例的频域中的配置;
图7示出了根据本公开的一些实施例的天线端口域中的配置;
图8示出了根据本公开的一些实施例的天线端口域中的配置;
图9示出了根据本公开的一些实施例的时域参考点;
图10是根据本公开的实施例的示例方法的流程图;以及
图11是适合于实现本公开的实施例的设备的简化框图。
在整个附图中,相同或相似的附图标记表示相同或相似的元素。
具体实施方式
现在将参考一些示例实施例来描述本公开的原理。应当理解,描述这些实施例仅是为了说明和帮助本领域技术人员理解和实现本公开,并不表示对本公开的范围的任何限制。本文中描述的公开内容可以以除了下面描述的方式之外的各种其他方式来实现。
在以下描述和权利要求中,除非另有定义,否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的相同的含义。
如本文中使用的,术语“网络设备”是指能够提供或托管终端设备可以在其中通信的小区或覆盖范围的设备。网络设备的示例包括但不限于节点B(NodeB或NB)、演进型NodeB(eNodeB或eNB)、新无线电接入(gNB)中的NodeB、远程无线电单元(RRU)、无线电头端(RH)、远程无线电头端(RRH)、低功率节点(诸如毫微微节点、微微节点)、卫星网络设备、飞行器网络设备等。出于讨论的目的,在下文中,将参考eNB作为网络设备的示例来描述一些示例实施例。
如本文中使用的,术语“终端设备”是指具有无线或有线通信能力的任何设备。终端设备的示例包括但不限于用户设备(UE)、个人计算机、台式机、移动电话、蜂窝电话、智能电话、个人数字助理(PDA)、便携式计算机、平板电脑、可穿戴设备、物联网(IoT)设备、万物互联(IoE)设备、机器类型通信(MTC)设备、用于V2X通信的车载设备(其中X表示行人、车辆或基础设施/网络)、或图像捕获设备(诸如数码相机)、游戏设备、音乐存储和播放设备、或者启用无线或有线互联网接入和浏览的互联网设备等。在以下描述中,术语“终端设备”、“通信设备”、“终端”、“用户设备”和“UE”可以互换使用。
在一个实施例中,终端设备可以与第一网络设备和第二网络设备连接。第一网络设备和第二网络设备中的一者可以是主节点,而另一者可以是辅节点。第一网络设备和第二网络设备可以使用不同无线电接入技术(RAT)。在一个实施例中,第一网络设备可以是第一RAT设备,并且第二网络设备可以是第二RAT设备。在一个实施例中,第一RAT设备是eNB,并且第二RAT设备是gNB。与不同RAT相关的信息可以从第一网络设备和第二网络设备中的至少一者发送到终端设备。在一个实施例中,第一信息可以从第一网络设备发送到终端设备,并且第二信息可以直接或经由第一网络设备从第二网络设备发送到终端设备。在一个实施例中,与由第二网络设备配置的终端设备的配置相关的信息可以经由第一网络设备从第二网络设备发送。与由第二网络设备配置的终端设备的重新配置相关的信息可以直接或经由第一网络设备从第二网络设备发送到终端设备。
本文中讨论的通信可以符合任何合适的标准,包括但不限于新无线电接入(NR)、长期演进(LTE)、LTE演进、高级LTE(LTE-A)、宽带码分多址(WCDMA)、码分多址(CDMA)、cdma2000和全球移动通信系统(GSM)等。此外,通信可以根据当前已知或将来要开发的任何一代通信协议来执行。通信协议的示例包括但不限于第一代(1G)、第二代(2G)、2.5G、2.85G、第三代(3G)、第四代(4G)、4.5G、第五代(5G)和第六代(6G)通信协议。本文中描述的技术可以用于上述无线网络和无线电技术以及其他无线网络和无线电技术。
本文中使用的术语“电路系统”可以是指硬件电路和/或硬件电路和软件的组合。例如,电路系统可以是模拟和/或数字硬件电路与软件/固件的组合。作为另外的示例,电路系统可以是具有软件的硬件处理器(包括(多个)数字信号处理器)、软件和(多个)存储器的任何部分,其一起工作以引起诸如终端设备或网络设备等装置执行各种功能。在又一示例中,电路系统可以是硬件电路和/或处理器,诸如微处理器或微处理器的一部分,其需要软件/固件进行操作,但是当操作不需要时,软件可以不存在。如本文中使用的,术语电路系统还涵盖仅硬件电路或(多个)处理器或硬件电路或(多个)处理器的一部分及其附带软件和/或固件的实现。
如本文中使用的,除非上下文另有明确指示,否则单数形式“a”、“an”和“the”也应当包括复数形式。术语“包括”及其变体应当理解为开放术语,意思是“包括但不限于”。术语“基于”应当理解为“至少部分基于”。术语“一个实施例”和“实施例”应当理解为“至少一个实施例”。术语“另一实施例”应当理解为“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同或相同对象。以下可以包括其他明确和隐含的定义。
在某些示例中,值、过程或装置被称为“最佳”、“最低”、“最高”、“最小”、“最大”等。应当理解,这样的描述旨在指示可以在很多使用的功能替代品中进行选择,并且这样的选择不需要比其他选择更好、更小、更高或以其他方式优选。
如上所述,AI/ML技术被应用于MIMO场景。例如,AI/ML可以被应用于以下情况中的一种或多种:解调参考信号(DMRS)解调、信道状态信息(CSI)反馈、波束管理或参考信号(RS)开销减少。
传统上,信道状态信息参考信号(CSI-RS)可以用于不同功能,诸如信道获取、波束管理、跟踪或移动性。CSI-RS原则上是UE特定RS,这表示,系统RS开销是UE数目的命题。在频率范围(FR)2中,不同波束需要CSI-RS,这表示,系统RS开销是波束数目的命题。在高速场景中,CSI-RS的周期很小,这表示,CSI-RS发送和报告非常频繁。
在高层框架中,对于每个CSI报告,用于测量的资源以分层结构配置。分层结构可以是:报告配置→资源配置→资源集→资源。报告配置可以定义UE应当何时/什么/如何报告CSI。一个UE可以被配置有多个报告配置。一个报告配置可以链接到一个或多个多资源配置。资源配置可以经由资源集列表链接到一个或多个资源集。资源集可以经由资源列表包含一个或多个资源的信息。资源是CSI-RS的物理层配置的最小单位。
如上所述,可以应用AI/ML技术。术语“人工智能(AI)”可以是由机器展示的智能。本文中使用的术语“机器学习(ML)”可以是指对计算机算法的研究,这些算法可以通过经验和数据使用自动改进。它被视为人工智能的一部分。机器学习算法基于样本数据(称为“训练数据”)建立模型,以便在没有明确编程为进行预测或决策的情况下进行预测或决策。
如果AI/ML技术被用来减少CSI-RS开销,则它可以拆分为至少两个阶段,例如,训练阶段和应用阶段。在训练阶段期间,AI/ML模型可以收集训练数据,以便对CSI-RS进行预测。在应用阶段期间,AI/ML模型可以收集推理数据并且执行推理输出。来自第一阶段的输出也可以有助于训练数据。在一些实施例中,可以在训练阶段期间应用正常CSI-RS,并且可以在应用阶段期间应用具有减少的开销的CSI-RS。替代地,可以在第一阶段期间应用正常CSI-RS,并且可以在训练阶段期间应用增加的CSI-RS(例如,在特定域中的更多CSI-RS传输)。图1示出了AI/ML过程的示例流程图。AI/ML模型可以开始(101)训练阶段。在训练阶段期间,应用正常CSI-RS(102)。AI/ML模型可以结束(103)训练阶段,并且开始(104)应用阶段。在应用阶段期间,应用具有减少的开销的CSI-RS(105)。AI/ML模型可以结束(106)第一阶段,并且来自第一阶段的输出在训练阶段期间可以被进一步使用。
此外,为了减少CSI-RS开销,可以标识4种不同场景,并且可以具有不同场景组合,例如,场景1:CSI-RS时域开销减少;场景2:CSI-RS频域开销减少;场景3:CSI-RS天线端口域开销减少;场景4:CSI-RS波束域开销减少。为了以减少的开销来支持CSI-RS,需要解决一些问题。例如,尚不清楚如何在CSI框架中集成AI/ML模型训练阶段和AI/ML第一阶段。如果其他gNB/UE处于AI/ML模型第一阶段,并且传输较少或没有传输,则需要研究如何测量其他gNB/UE干扰。还需要研究与其他物理信道/信号的复用以及UE测量的定义。
因此,应用了关于在参考信号中应用AI/ML的新解决方案。根据本公开的实施例,终端设备向网络设备发送其与AI数据处理模型相关的能力。网络设备向终端设备发送在AI数据处理模型的第一阶段期间使用的第一参考信号配置。终端设备确定第一参考信号配置与在AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。以这种方式,将AI/ML技术与CSI框架集成。此外,终端设备了解减少的参考信号何时被使用并且执行对应行为。
图2图示了可以在其中实现本公开的实施例的通信系统的示意图。作为通信网络的一部分的通信系统200包括终端设备210-1、终端设备210-2、……、终端设备210-N(其可以统称为“终端设备210”)。数字N可以是任何合适的整数。
通信系统200还包括网络设备220。在通信系统200中,网络设备220和终端设备210可以彼此传送数据和控制信息。图2所示的终端设备和网络设备的数目仅用于说明目的,而没有任何限制。
通信系统200中的通信可以根据任何适当的通信协议来实现,包括但不限于第一代(1G)、第二代(2G)、第三代(3G)、第四代(4G)和第五代(5G)等的蜂窝通信协议、无线局域网通信协议(诸如电气和电子工程师协会(IEEE)802.11等)、和/或当前已知或将来要开发的任何其他协议。此外,通信可以利用任何适当的无线通信技术,包括但不限于:码分多址(CDMA)、频分多址(FDMA)、时分多址(TDMA)、分频双工器(FDD)、时分双工器(TDD)、多输入多输出(MIMO)、正交频分多址(OFDMA)和/或当前已知或将来要开发的任何其他技术。
本公开的实施例可以被应用于任何合适的场景。例如,本公开的实施例可以在能力降低的NR设备处实现。替代地,本公开的实施例可以在以下中的一项中实现:NR多输入多输出(MIMO)、NR侧链增强、频率高于52.6GHz的NR系统、高达71GHz的扩展NR操作、非地面网络(NTN)上的窄带物联网(NB-IOT)/增强型机器类型通信(eMTC)、NTN、UE节能增强、NR覆盖增强、NB-IOT和LTE-MTC、集成接入和回程(IAB)、NR多播和广播服务、或多无线电双连接增强。
下面将详细描述本公开的实施例。首先参考图3,图3示出了根据本公开的一些示例实施例的终端设备与网络设备之间的过程300的信令图。仅出于讨论的目的,将参考图2描述过程300。过程300可以涉及图2中的终端设备210-1和网络设备220。
终端设备210-1可以发送3010指示其与AI数据处理模型相关的能力的第一信息。有若干算法可以被应用于AI数据处理模型,例如,线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K近邻(KNN)、学习向量量化(LVQ)和支持向量机(SVM)。需要注意,其他算法也可以被应用于AI数据处理模型。该能力可以经由任何适当的信令来发送,例如RRC信令。
本文中使用的术语“AI数据处理模型”可以是指数据驱动的算法、或者通过应用诸如人工智能、机器学习、深度学习、快速机器学习、异构混合学习、不变分析、文本隐含标识技术(该技术基于一组输入生成由预测信息组成的一组输出)的模型。AI数据处理模型包括训练阶段和第一阶段。在一些实施例中,AI数据处理模型被提及为贯穿每个阶段的唯一一个模型,包括第一阶段、应用阶段、训练阶段和诸如测试阶段等其他阶段。在一些实施例中,第一阶段可以是指应用阶段。替代地,第一阶段可以是指推理阶段。本文中使用的术语“训练阶段”可以是指用于通过学习最佳呈现数据的特征和模式来训练AI数据处理模型并且获取用于推理的经训练的AI数据处理模型的在线或离线过程。在一些实施例中,训练阶段可以被提及为第二阶段。本文中使用的术语“应用阶段”或“推理阶段”可以是指用于使用经训练的AI数据处理模型基于收集的数据和AI数据处理模型进行预测或指导决策的过程。
图4示出了AI数据处理模型的示例框架。如图4所示,AI数据处理模型的框架400可以包括数据收集模块410、模型训练模块420、模型推理模块430和行动者模块440。数据收集模块410可以向模型训练模块420和模型推理模块430提供输入数据。在数据收集模块410中不执行数据的AI/ML算法特定预处理。输入数据的示例可以包括来自UE或不同网络实体的测量、性能反馈、AI/ML模型输出。训练数据可以是指AI/ML模型训练功能所需要的信息。推理数据可以是指提供对应输出所需要的作为模型推理函数的输入的信息。反馈可以是指导出训练或推理数据或性能反馈可能需要的信息。
模型训练模块420可以执行AI数据处理模型的训练。如果需要,模型训练模块420还负责数据准备(例如,数据预处理以及原始数据的清理、格式化和变换)。模型推断模块430可以提供AI/ML模型推断输出(例如,预测或决策)。如果需要,模型推理模块430还负责数据准备(例如,数据预处理以及原始数据的清理、格式化和变换)。行动者模块440可以接收来自模型推理模块430的输出,并且触发或执行对应动作。行动者模块440可以触发针对其他实体或针对其自身的动作。
在一些实施例中,该能力可以指示终端设备210-1是否可以独立地训练AI数据处理模型。该能力还可以指示终端设备210-1是否可以与网络设备220联合训练AI数据处理模型。替代地或另外地,该能力可以指示终端设备210-1是否可以利用AI数据处理模型来推断信息。例如,该信息可以包括中的一项或多项:波束信息、CSI信息、定时同步信息或频率同步信息。在其他实施例中,该能力可以指示用于推断输出的处理时间。在一些实施例中,该能力可以指示用于基于推理输出来采取行动的处理时间。上述能力对于时域、频域、天线端口域和波束域中的CSI-RS开销减少来说是共同的。
该能力可以指示终端设备210-1是否可以支持时域CSI-RS开销减少。替代地或另外地,该能力可以指示终端设备210-1是否可以支持频域CSI-RS开销减少。在其他实施例中,该能力还可以指示天线端口CSI-RS开销的减少。该能力可以指示波束域CSI-RS开销减少。
在一些实施例中,该能力可以指示在AI数据处理模型的第一阶段期间的减少的CSI报告配置的最大支持数目。该能力还可以指示在AI数据处理模型的第一阶段期间的减少的CSI资源配置的最大支持数目。替代地或另外地,该能力可以指示在AI数据处理模型的第一阶段期间的减少的CSI资源集的最大支持数目。在其他实施例中,该能力可以指示在AI数据处理模型的第一阶段期间的减少的CSI资源的最大支持数目。
再次参考图3,网络设备220向终端设备210-1发送3020第一参考信号配置。第一参考信号配置在AI数据处理模型的第一阶段期间使用。第一参考信号配置可以基于UE报告的或推荐的值来确定。第一参考信号配置数目不被计算在UE报告的参考信号配置的最大支持数目中内。
在一些实施例中,第一参考信号配置可以是报告配置(其可以表示为“CSI-ReportConfig”)。在这种情况下,第一参考信号配置可以用于配置在包括CSI-ReportConfig的小区上的物理上行链路控制信道(PUCCH)上发送的周期性或半持久性报告,或者可以用于配置在包括CSI-ReportConfig的小区上接收的下行链路控制信息(DCI)所触发的物理上行链路共享信道(PUSCH)上发送的半持久性或非周期性报告(在这种情况下,在其上发送报告的小区由接收的DCI确定)。
在一些实施例中,第一参考信号配置可以是资源配置。例如,资源配置可以定义一组一个或多个非零功率(NZP)CSI-RS-ResourceSet、CSI-IM-ResourceSet和/或CSI-synchronization信号块(SSB)-ResourceSet。IE CSI-SSB-ResourceSet用于配置一个同步信号/物理广播信道(SS/PBCH)块资源集,该资源集是指在ServingCellConfigCommon中指示的SS/PBCH。IE NZP-CSI-RS-ResourceSet是一组非零功率(NZP)CSI-RS资源(其ID)和设置特定参数。IE CSI-IM-ResourceSet用于配置一组一个或多个CSI干扰管理(IM)资源(其ID)和设置特定参数。替代地或另外地,第一参考信号配置可以是资源集配置。
在一些实施例中,网络设备220可以向终端设备210-1发送3030第二参考信号配置。第二参考信号配置可以在AI数据处理模型的训练阶段期间使用。在一些实施例中,网络设备220可以根据第一参考信号配置与第二参考信号配置之间的关联来发送第一参考信号配置。
终端设备210-1确定第一参考信号配置与第二参考信号配置之间的关联。在一些实施例中,确定关联可以包括从网络接收关联。例如,终端设备210-1可以从网络设备220接收显式关联。替代地,终端设备210-1可以在没有显式信令的情况下确定关联。细节将在后面描述。
在一些实施例中,第一参考信号配置可以包括与AI数据处理模型的第一阶段相关联的第一身份,并且第二参考信号配置可以包括与AI数据处理模型的训练阶段相关联第二身份。在这种情况下,网络设备220可以发送3040指示第一参考信号配置与第二参考信号配置之间的关联的第二信息。第二信息可以经由任何适当的信令来发送。在一些实施例中,在第一参考信号配置与第二参考信号配置之间可以存在一对一映射。替代地或另外地,在用于第一阶段的参考信号配置与用于训练阶段的参考信号配置之间可以存在一对多、多对一或多对多映射。第一参考信号配置可以包括比第二参考信号配置低的值参数。下面的表1示出了第一参考信号配置与第二参考信号配置之间的映射。
表1
在一些实施例中,网络设备220可以在相同参考信号配置中发送第一参考信号配置和第二参考信号配置。在这种情况下,参考信号配置可以包括一个参数的多个值,并且较低值在AI数据处理模型的第一阶段期间被应用。例如,参考信号配置可以包括参数集的第一组值和参数集的第二组值。第一组值低于第二组值。终端设备210-1可以确定3050第一参考信号配置与第二参考信号配置之间的关联。该关联可以隐式地指示。例如,终端设备210-1可以确定第一参考信号配置包括第一组值并且第二参考信号配置包括第二组值。参数集可以包括时域参数、频域参数、天线端口域参数和波束域参数中的一项或多项。表2示出了为一个参数而配置的多个值的示例。
表2
在AI数据处理模型的训练阶段,网络设备220可以执行3060参考信号传输。例如,参考信号传输可以基于第二参考信号配置来执行。在该训练阶段中,第一参考信号配置可以是无效的/去激活的,并且相关联的第二参考信号配置可以是有效的/激活的。
终端设备210-1可以测量从网络设备220接收的参考信号。终端设备210-1可以基于来自网络设备220的参考信号来发送3070测量报告。
在AI数据处理模型的第一阶段期间,终端设备210-1可以应用3080第一参考信号配置。在该应用阶段中,第一参考信号配置可以是有效的/激活的,并且相关联的第二参考信号配置可以是无效的/去激活的。
在一些实施例中,网络设备220可以向终端设备210-1发送应用第一参考信号配置的开始指示。开始指示可以专用于通知AI数据处理模型的第一阶段的开始。
替代地,开始指示可以是也用于其他功能的传统指示。例如,网络设备220可以发送用于激活第一参考信号配置并且同时去激活第二参考信号配置的CSI-RS激活命令。
在其他实施例中,开始指示可以是用于向UE通知相关参数的新应用值的动态信令。在每个场景中,相关参数可以不同。在一些实施例中,可以考虑应用定时,例如,在开始指示之后或在开始指示的ACK之后的X个时间单位。
在一些实施例中,终端设备210-1可以请求开始应用第一参考信号配置。例如,如果用于应用第一参考信号配置的条件满足,则终端设备210-1可以向网络设备220发送用于应用第一参考信号配置的开始请求。在一些实施例中,该条件可以是来自AI数据处理模型的输出的预测值接近测量值。例如,该条件可以包括来自AI数据处理模型的输出与测量值之间的差低于阈值。在这种情况下,网络设备220可以基于开始请求向终端设备210-1发送开始指示。在从网络设备220接收到开始指示之后,终端设备210-1可以应用第一参考信号配置。在这种情况下,可以考虑应用定时,例如,在开始请求/开始指示之后或在开始请求/开始指示的ACK之后的X个时间单位。替代地,终端设备210-1可以根据配置的定时信息(例如,周期、占空比、时域模式等)应用第一参考信号配置。
在AI数据处理模型的第一阶段期间,网络设备220可以执行3085参考信号传输。例如,参考信号传输可以基于第一参考信号配置来执行。
终端设备210-1可以测量从网络设备220接收的参考信号。终端设备210-1可以基于来自网络设备220的参考信号和/或来自AI数据处理模型的推断输出来发送3090测量报告。
终端设备210-1可以结束3095第一参考信号配置的应用。在一些实施例中,网络设备220可以向终端设备210-1发送用于结束第一参考信号配置的应用的结束指示。结束指示可以专用于通知AI数据处理模型的第一阶段的结束。
替代地,结束指示可以是也用于其他功能的传统指示。例如,网络设备220可以发送用于去激活第一参考信号配置并且同时激活第二参考信号配置的CSI-RS去激活命令。
在其他实施例中,结束指示可以是用于向UE通知相关参数的新应用值的动态信令。在每个场景中,相关参数可以不同。在一些实施例中,可以考虑应用定时,例如,在结束指示之后或在结束指示的ACK之后的X个时间单位。
在一些实施例中,终端设备210-1可以请求结束第一参考信号配置的应用。例如,如果用于结束第一参考信号配置的应用的条件满足,则终端设备210-1可以向网络设备220发送用于停止第一参考信号配置的应用的结束请求。在一些实施例中,该条件可以是来自AI数据处理模型的输出的预测值与测量值显著不同。例如,该条件可以包括来自AI数据处理模型的输出与测量值之间的差超过阈值。在这种情况下,网络设备220可以基于结束请求向终端设备210-1发送结束指示。在从网络设备220接收到结束指示之后,终端设备210-1可以停止应用第一参考信号配置。在这种情况下,可以考虑应用定时,例如,在结束请求/结束指示之后或在结束请求/结束指示的ACK之后的X个时间单位。替代地,终端设备210-1可以根据配置的定时信息(例如,优先级、占空比、时域模式等)停止应用第一参考信号配置。
参考图5至图8描述与AI数据处理模型以及第一参考信号配置和第二参考信号配置相关的能力的实施例。仅出于说明的目的,参考CSI-RS来描述本公开的实施例。
在一些实施例中,该能力可以与时域相关,并且第一参考信号配置和第二参考信号配置可以包括时域中的参数。例如,该能力可以指示终端设备210-1可以在X个时间单位或占空比[X%]内支持AI数据处理模型的第一阶段。该能力可以指示终端设备210-1可以支持减小的CSI-RS的更大的周期,如相关联的CSI-RS的周期的[2,4,8,...]倍。该能力可以指示终端设备210-1是否可以支持非周期性CSI-RS作为减少的CSI-RS。该能力可以指示终端设备210-1是否可以在AI数据处理模型的第一阶段中不支持CSI-RS。在这种情况下,根据第一参考信号传输,减少的CSI-RS可以以较少的时域占用来发送,例如,以较大的周期来发送,变为非周期性的,或者甚至不传输。此外,可以使用非周期性时域模式,这表示更复杂的信令,例如,CSI-RS将在[t1,t2,...,tN]上发送,其中ti是定时索引。例如,如图5所示,在训练阶段期间,网络设备220可以执行3060参考信号传输。在应用期间,网络设备220可以执行3085参考信号传输。如图5所示,第一阶段中的两个参考信号之间的时段比训练阶段中的两个参考信号之间的时段长。表3示出了时域中的示例参考信号配置。
表3
在一些实施例中,该能力可以与频域相关,并且第一参考信号配置和第二参考信号配置可以包括频域中的参数。例如,该能力可以指示终端设备210-1可以在其中执行推断的频率占用范围,例如,在AI数据处理模型的第一阶段中的±X MHz/RBG/RB。当相关联的CSI-RS具有密度Y时,该能力可以指示终端设备210-1可以支持最小频率密度X。另外地或替代地,该能力可以指示在AI数据处理模型的第一阶段中用于CSI-RS传输的资源块(RB)的最小数目。该能力可以指示终端设备210-1是否可以在AI数据处理模型的第一阶段中不支持CSI-RS。该能力还可以指示终端设备210-1是否能够在AI数据处理模型的第一阶段中支持在其他载波分量(CC)/载波/小区/带宽部分(BWP)上发送的CSI-RS。在这种情况下,终端设备210-1可以指示参考CC,使得在该CC上发送的CSI-RS可以用作其他CC的减少的CSI-RS。终端设备210-1可以报告ID最低/最高的PCell、SPCell或小区是否可以是参考CC。替代地,终端设备210-1可以报告分组信息,使得在组中的一个CC上发送的CSI-RS可以被用作组中的其他CC的减少的CSI-RS。在其他实施例中,终端设备210-1可以经由比特图来报告在一个CC上发送的CSI-RS是否可以被用作在另一CC上的减少的CSI-RS。根据第一参考信号配置,与第二参考信号配置相比,减少的CSI-RS可以以更少的频域占用来发送。
在一些实施例中,如图6A所示,根据第二参考信号配置,正常CSI-RS可以是密度为3个RE(例如,RE 610-1、RE 610-2和RE 610-3)的1端口。根据第一参考信号配置,减少的CSI-RS可以是密度为1个RE(例如,RE 610-1)的1端口,其是较低密度。
在其他实施例中,如图6B所示,根据第二参考信号配置,正常CSI-RS可以被配置有起始RB和第一RB数目。例如,正常CSI-RS可以在RB 621上发送。减少的CSI-RS可以被配置有起始RB和第二RB数目。第二数目小于第一数目。例如,减少的CSI-RS可以跨越较少的RB。例如,减少的CSI-RS可以在RB 622上发送。替代地,不连续RB占用可以被配置。例如,减少的CSI-RS可以仅在所选择的RB(例如,RB 620-1和RB 620-2)上发送。
替代地,如图6C所示,根据第二参考信号配置,正常CSI-RS可以在CC 630-1和CC630-2上发送。减少的CSI-RS可以在一个CC(例如,CC 630-1)上发送。
表4示出了频域中的示例参考信号配置。
表4
在一些实施例中,该能力可以与天线端口域相关,并且第一参考信号配置和第二参考信号配置可以包括天线端口域中的参数。在一些实施例中,该能力可以指示来自终端设备侧的天线端口分组信息。该能力可以指示,当相关联的CSI-RS具有Y个端口时,终端设备210-1可以支持最小端口数目X。此外,该能力可以指示哪些端口可以用于AI数据处理模型的第一阶段。在这种情况下,根据第一参考信号配置,减少的CSI-RS可以以较少的天线端口来发送,以用于信道测量和/或用于干扰测量。此外,端口压缩矩阵/矢量C(即,从W'到W的转换关系)可以被发信号通知给终端设备210-1。例如,在AI数据处理模型的第一阶段,CSI-RS只能经由端口的子集来发送,然后只有H'能够被估计,其中H'表示P'端口CSI-RS的信道。对于PDSCH传输,传输层正在经历H*W,其对应于作为H*W*X的干扰,其中H表示P端口CSI-RS的信道,W表示通过H估计的预编码矩阵。
如图7所示,正常CSI测量可以是通过测量H来计算W,其中W表示通过H估计的预编码矩阵,H表示P端口CSI-RS的信道。减少的CSI测量可以确定合适的端口压缩矩阵,以减少从P个端口到P'个端口的CSI-RS传输,可以通过测量H'来计算W,例如,通过W'来计算W,其中W表示通过H估计的预编码矩阵,H'表示P'端口CSI-RS的信道,W'表示通过H'估计的预编码矩阵。
表5示出了天线端口域中的示例参考信号配置。
表5
在一些实施例中,该能力可以与波束域相关,并且第一参考信号配置和第二参考信号配置可以包括波束域中的参数。在一些实施例中,该能力可以指示在AI数据处理模型的第一阶段中用于波束管理的资源的数目。用于波束管理的资源的数目可以分别用于层1参考信号接收功率(L1-RSRP)、层1信干噪比(L1-SINR)、波束故障检测和新波束标识。在AI数据处理模型的第一阶段中用于波束管理的资源的数目可以是AI数据处理模型的训练阶段中用于波束管理的资源的数目的[1/2,1/4,1/8,...]。该能力可以指示在AI数据处理模型的第一阶段中接收波束的最大数目。在这种情况下,根据第一参考信号配置,减少的CSI-RS可以使用比第二参考信号配置少的波束来发送。
如图8所示,根据第二参考信号配置,正常CSI-RS可以在波束810-1、810-2、810-3、810-4、810-5、810-6、810-7和810-8上发送。根据第一参考信号配置,减少的CSI-RS可以在波束810-1、810-3、810-5和810-7上发送。
表6示出了波束域中的示例参考信号配置。
表6
在一些实施例中,终端设备210-1可以从网络设备220接收第三信息。第三信息指示在AI数据处理模型的第一阶段期间的干扰功率补偿因子。在一些实施例中,在AI数据处理模型的第一阶段期间的干扰功率补偿因子和在AI数据处理模型的训练阶段期间的另一干扰功率补偿因子可以分别配置。例如,当终端设备210-1可以计算信道质量指示符(CQI)或L1-SINR时,干扰功率可以是CSI-IM资源上的测量功率加上配置的补偿因子。
此外,隐含地,补偿因子的值可以取决于不同场景中的不同参数。例如,关于频域,补偿因子的值可以取决于两个相关联的CSI-IM的传输RB之间的比率。关于天线端口域,补偿因子的值可以取决于完整端口的数目与端口子集的数目之间的比率。在这种情况下,网络设备220需要向终端设备210-1发送关于其他UE的信息。替代地或另外地,关于波束域,补偿因子的值可以取决于全波束的数目与波束子集的数目之间的比率。以这种方式,为了在真实数据传输和CSI-RS测量时间段中对准干扰情况,提高了AI数据处理模型的性能并且提高了不支持AI/ML的终端设备的性能。
在AI数据处理模型的第一阶段期间,只有那些承载减少的CSI-RS的RE才应当被视为“不可用”于其他信道/信号(如PDSCH、PDCCH、DMRS、PTRS等)。在其他实施例中,AI数据处理模型的第一阶段期间的CSI-RS的第一优先级可以低于AI数据处理模型的训练阶段期间的CSI-RS的第二优先级。例如,在AI数据处理模型的第一阶段期间,如果在符号或RE上存在PDSCH/PDCCH传输,则CSI-RS可以不在这些符号或RE上发送。在这种情况下,对应CSI报告可以被丢弃。以这种方式,在AI/ML能力的帮助下,实现了更多的RE用于数据传输。表7示出了PDSCH映射的示例。
表7
在一些实施例中,终端设备210-1可以在AI数据处理模型的第一阶段期间从CSI-RS的测量中排除时机集合。在应用阶段,减少的CSI-RS可以被发送,与配置的正常CSI-RS相比,一些时机/RE不具有实际发送信号,并且应当从CSI-RSRP/RSRQ/SINR的UE测量中被排除。例如,在应用阶段期间,根据CSI-RSRP/RSRQ/SINR的UE测量,应当仅使用具有实际发送信号的RE。本文中使用的术语“CSI参考信号接收功率(CSI-RSRP)”可以被定义为在配置/发送的CSI-RS时机中,在所考虑的测量频率带宽内承载为RSRP测量而配置/发送的CSI参考信号的(多个)天线端口的资源单元的功率贡献上的测量/推断的线性平均值(以[W]为单位)。对于CSI-RSRP确定,应当使用根据TS 38.211在天线端口3000上发送的CSI参考信号。如果CSI-RSRP用于L1-RSRP,则在天线端口3000、3001上发送的CSI参考信号可以用于CSI-RSRP确定。对于频率内CSI-RSRP测量,如果测量间隙未配置并且AI/ML模型第一阶段未激活,则不期望UE测量活动下行链路带宽部分之外的(多个)CSI-RS资源。对于频率范围1,CSI-RSRP的参考点应当是UE的天线连接器。对于频率范围2,CSI-RSRP应当基于来自与给定接收器分支相对应的天线元件的组合信号来测量。对于频率范围1和2,如果UE正在使用接收器分集,则报告的CSI-RSRP值不应当低于任何个体接收器分支的对应CSI-RSRP。
本文中使用的术语“CSI信干噪比(CSI-SINR)”可以被定义为承载CSI参考信号的资源元素的功率贡献上的测量/推断的线性平均值(以[W]为单位)除以噪声和干扰功率贡献的线性平均值(以[W]为单位)。如果CSI-SINR用于具有专用干扰测量资源的L1-SINR报告,则如TS 38.214中所述,干扰和噪声在由高层指示的(多个)资源上测量。否则,干扰和噪声在相同频率带宽内承载CSI参考信号的资源单元上测量。对于CSI-SINR确定,应当使用根据TS 38.211在天线端口3000上发送的CSI参考信号。如果CSI-SINR用于L1-SINR,则在天线端口3000、3001上发送的CSI参考信号可以用于CSI-SINR确定。对于未用于L1-SINR报告的频率内CSI-SINR测量,如果测量间隙未配置并且AI/ML模型第一阶段未激活,则不期望UE测量活动下行链路带宽部分之外的(多个)CSI-RS资源。对于频率范围1,CSI-SINR的参考点应当是UE的天线连接器。对于频率范围2,CSI-SINR应当根据来自与给定接收器分支相对应的天线元件的组合信号来测量。对于频率范围1和2,如果UE正在使用接收器分集,则报告的CSI-SINR值不应当低于任何个体接收器分支的对应CSI-SINR。
替代地,终端设备210-1可以基于终端设备210-1的能力来确定用于生成CSI报告的时域参考点。例如,在AI数据处理模型的第一阶段,时域参考点可以通过AI/ML处理能力来确定。对于上行链路时隙n'中的CSI报告,如果n-nAI/ML-ref>=X,则终端设备210-1可以丢弃该报告,其中nAI/ML-ref是AI/ML第一阶段的开始DL时隙,并且X是UE报告的能力。终端设备210-1可以被配置有关于是否应当仅基于AI/ML模型推断、或者仅基于减少的CSI-RS的测量、或者基于这两者来生成CSI报告。终端设备210-1还可以向网络设备220报告关于仅基于AI/ML模型推断、或者仅基于减少的CSI-RS的测量、或者基于这两者来生成CSI报告的信息。如图9所示,持续时间910内的CSI-RS可以用于CSI报告。以这种方式,当在AI/ML应用阶段使用具有时域开销减少的CSI-RS时,它可以支持CSI报告。
在一些实施例中,终端设备210-1可以基于AI数据处理模型来确定CSI计算延迟要求。例如,在AI数据处理模型的第一阶段,对于一个CSI报告,信道获取可以占用0或1个CSI处理单元(CPU)。如果占用的CPU是1,则占用的符号的数目是从CSI参考资源到CSI报告。在AI数据处理模型的第一阶段期间,考虑到AI/ML实体与通信实体之间的接口,延迟要求(例如,PDCCH到CSI报告报告时间和CSI-RS到CSI报告时间)可以具有更长的要求。替代地,在AI数据处理模型的第一阶段期间,如果AI/ML模型推断被嵌入,则延迟要求(例如,PDCCH到CSI报告报告时间和CSI-RS到CSI报告时间)可以具有更短的要求。在这种情况下,在一些实施例中,延迟要求可以与相同时隙反馈一样快。延迟要求的值可以从终端设备210-1被报告给网络设备220。替代地,延迟要求的值可以预定义。
在一些实施例中,在AI数据处理模型的应用阶段期间,具有较少频率占用的减少的CSI可以具有功率提升。例如,对于CQI计算,每资源元素PDSCH能量(EPRE)与NZP CSI-RSEPRE的假定比率可以是powerControlOffset-10*log10(X/Y),其中Y是减少的CSI-RS的频率密度,X是相关联的CSI-RS资源的频率密度。PDSCH EPRE与NZP CSI-RS EPRE的假定比率可以是powerControlOffset-10*log10(X/Y),其中Y是减少的CSI-RS的RB的数目,X是相关联的CSI-RS资源的RB的数目。此外,对于L1-RSRP/SINR计算,NZP CSI-RS EPRE与SS/PBCH块EPRE的假定比率可以是powerControlOffset+10*log10(X/Y),其中Y是减少的CSI-RS的频率密度,X是相关联的CSI-RS资源的频率密度。NZP CSI-RS EPRE与SS/PBCH块EPRE的假定比率可以是powerControlOffset+10*log10(X/Y),其中Y是减少的CSI-RS的RB的数目,X是相关联的CSI-RS资源的RB的数目。
在其他实施例中,终端设备210-1可以基于终端设备210-1的能力报告,确定AI数据处理模型的应用阶段期间的CSI-RS带宽的最小值。例如,终端设备210-1应当期望其中X是UE报告的值。
替代地或另外地,终端设备210-1可以基于在AI数据处理模型的训练阶段期间在相关联的CSI-RS资源中配置的CSI-RS端口的数目来确定CQI。例如,对于CQI计算,终端设备210-1可以假定在ν个层的集合[1000,...,1000+v-1]中的天线端口上的PDSCH信号将导致等效于在天线端口[3000,...,3000+P-1]上发送的对应符号的信号,如下式所示:其中P表示在相关联的CSI-RS资源中配置的CSI-RS端口的数目。以这种方式,可以校正减少的CSI-RS传输与真实数据传输之间的不匹配。
在一些实施例中,在AI数据处理模型的应用阶段期间,终端设备210-1可以基于用于训练AI数据处理模型的资源集中的CSI-RS资源的数目,确定CSI-RS的资源指示符。在AI数据处理模型的应用阶段,CRI位宽可以被确定为其中/>是在AI/ML模型训练阶段的相关联的资源集中的CSI-RS资源的数目。以这种方式,提供了一种用于报告不具有发送CSI-RS的选择波束的方法。
在其他实施例中,终端设备210-1可以使用相关联的CSI-RS周期,确定AI数据处理模型的第一阶段中的波束故障实例指示(BFII)报告时间。例如,在AI数据处理模型的第一阶段期间,终端设备210-1可以基于在AI数据处理器模型的训练阶段期间的相关联的参考信号来确定BFII周期。在一些实施例中,终端设备210-1可以基于在AI数据处理模型的训练阶段期间的相关联的参考信号来确定波束参考信号。替代地,BFII的显式周期可以用于BFII报告,例如,每X ms。该周期可以由网络基于UE能力来配置。
替代地,在AI数据处理模型的第一阶段期间,终端设备210-1可以直接声明波束故障,而不计算BFII的数目。例如,可以引入从UE PHY到UE高层或者从AI/ML模型主机到UE高层的新指示,以触发波束故障恢复请求传输。在AI/ML模型应用阶段,在非连续接收(DRX)模式操作中,当UE用于评估无线电链路质量的集合q0中的所有对应资源配置的无线电链路质量比阈值Qout,LR差时,UE中的物理层向高层提供指示。当无线电链路质量比阈值Qout,LR差时,物理层以一定周期来通知高层,该周期由PCell或PSCell上的相关联的SS/PBCH块中的最短周期和/或UE用于评估无线电链路质量的集合q0中的相关联的周期性CSI-RS配置之间的最大值和2msec来确定。在DRX模式操作中,当无线电链路质量比阈值Qout,LR差时,物理层以如[10,TS 38.133]中所述而确定的周期向高层提供指示。
在一些实施例中,终端设备210-1可以使用在AI数据处理模型的训练阶段中设置的相关联的候选波束检测(CBD)RS来标识AI数据处理模型的第一阶段中的新波束和随机接入信道(RACH)CBD RS关联在AI数据处理模型的训练阶段和第一阶段中是相同的。例如,如果在相关联的candidateBeamRSList中的SSB中测量/推断SS-RSRP高于rsrp-ThresholdSSB的SSB或在相关联的candidateBeamRSList中的CSI-RS中测量/推断CSI-RSRP高于rsrp-ThresholdCSI-RS的CSI-RS中的至少一项可用,则终端设备210-1可以在相关联candidateBeamRSList中的SSB中选择测量/推断SS-RSRP高于rsrp-ThresholdSSB的SSB,或者在相关联的candidateBeamRSList中的CSI-RS中选择测量/推断CSI-RSRP高于rsrp-ThresholdCSI-RS的CSIRS。
图10示出了根据本公开的实施例的示例方法1000的流程图。方法1000可以在任何合适的设备处实现。仅出于说明的目的,方法1000可以在如图2所示的终端设备210-1处实现。
在框1010处,终端设备210-1向网络设备220发送第一信息。第一信息指示与机器学习(AI)数据处理模型相关的终端设备的能力。
在框1020处,终端设备210-1从网络设备220接收在AI数据处理模型的第一阶段期间使用的第一参考信号配置。
在一些实施例中,终端设备210-1可以从网络设备接收信道状态信息参考信号(CSI RS)配置。CSI RS配置包括:与AI数据处理模型的第一阶段相关联的参数集的第一组值、以及与AI数据处理模型的训练阶段相关联的参数集的第二组值。第一组值可以低于第二组值。在这种情况下,终端设备210-1可以确定包括第一组值的第一参考信号配置。
在框1030,终端设备210-1确定第一参考信号配置与第二参考信号配置之间的关联。第二参考信号配置在AI数据处理模型的训练阶段期间使用。
在一些实施例中,终端设备210-1可以从网络设备220接收第二参考信号配置。第一参考信号配置包括与AI数据处理模型的第一阶段相关联的第一身份,并且第二参考信号配置包括与AI数据处理模型的训练阶段相关联的第二身份。
在一些实施例中,终端设备210-1可以从网络设备220接收指示关联的第二信息。在这种情况下,终端设备210-1可以基于第二信息来确定关联。
在一些实施例中,终端设备210-1可以从网络设备220接收应用第一参考信号配置的开始指示。终端设备210-1可以在AI数据处理模型的第一阶段期间基于开始指示来应用第一参考信号配置。
在一些实施例中,如果应用第一参考信号配置的条件满足,则终端设备210-1可以向网络设备220发送应用第一参考信号配置的开始请求。该条件可以包括来自AI数据处理模型的输出与测量值之间的差低于阈值。终端设备210-1可以从网络设备220接收应用第一参考信号配置的开始指示。终端设备210-1可以应用第一参考信号配置。
在一些实施例中,终端设备210-1可以从网络设备220接收结束第一参考信号配置的应用的指示。终端设备210-1可以基于该指示来引起第一参考信号配置的应用的结束。
在一些实施例中,如果用于结束第一参考信号配置的应用的条件满足,则终端设备210-1可以引起第一参考信号配置的应用的结束。该条件可以包括来自AI数据处理模型的输出与测量值之间的差超过阈值。
在一些实施例中,第一信息包括时域能力。在一些实施例中,时域能力指示以下中的至少一项:在预定时间段或占空比内第一参考信号配置的应用的支持、信道状态信息参考信号(CSI RS)的周期性的支持、终端设备是否支持非周期性CSI RS、或者终端设备在AI数据处理模型的第一阶段期间是否不支持CSI RS。
在一些实施例中,第一参考信号配置包括时域配置,并且时域配置指示:以少于第二参考信号配置的时域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括频域能力,并且频域能力指示以下中的至少一项:终端设备能够在其中执行推断的频率占用范围、最小频率密度的支持、在AI数据处理模型的第一阶段期间用于信道状态信息参考信号(CSI RS)的传输的资源块的最小数目、终端设备在AI数据处理模型的第一阶段期间是否不支持CSI RS、或者终端设备在AI数据处理模型的第一阶段期间是否支持CSI RS在载波上的传输。
在一些实施例中,第一参考信号配置包括频域配置,并且频域配置指示:以少于第二参考信号配置的频域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括天线端口域能力,并且天线端口域能力指示以下中的至少一项:天线端口的最小数目、或者哪个天线端口在AI数据处理模型的第一阶段期间被使用。
在一些实施例中,第一参考信号配置包括天线端口域配置,并且天线端口域配置指示:以少于第二参考信号配置的天线端口域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括波束域能力,并且波束域能力指示以下中的至少一项:在数据处理模型的第一阶段期间用于波束管理的资源的数目、或者在AI数据处理模型的第一阶段期间接收波束的最大数目。
在一些实施例中,第一参考信号配置包括波束域配置,并且波束域配置指示:以少于第二参考信号配置的波束域占用对信道状态信息参考信号的传输。
在一些实施例中,终端设备210-1可以从网络设备220接收指示在AI数据处理模型的第一阶段期间的干扰功率补偿因子的第三信息。
在一些实施例中,在AI数据处理模型的第一阶段期间的信道状态信息参考信号的第一优先级低于在AI数据处理模型的训练阶段期间的信道状态信息参考信号的第二优先级。
在一些实施例中,终端设备210-1可以在AI数据处理模型的第一阶段期间从信道状态信息参考信号的测量中排除时机集合。
在一些实施例中,终端设备210-1可以基于终端设备的能力来确定用于生成CSI报告的时域参考点。
在一些实施例中,终端设备210-1可以基于AI数据处理模型的推断来生成信道状态信息(CSI)报告。在其他实施例中,终端设备210-1可以基于CSI RS的测量来生成CSI报告。替代地,终端设备210-1可以基于AI数据处理模型的推断和CSI RS的测量来生成CSI报告。
在一些实施例中,终端设备210-1可以基于AI数据处理模型来确定CSI计算延迟要求。在一些实施例中,终端设备210-1可以基于终端设备的能力报告,确定在AI数据处理模型的第一阶段期间的信道状态信息参考信号(CSI RS)带宽的最小值。
在一些实施例中,终端设备210-1可以基于在AI数据处理模型的训练阶段期间在相关联的信道状态信息参考信号(CSI RS)资源中配置的CSI RS端口的数目来确定信道质量指示符。在一些实施例中,在AI数据处理模型的第一阶段期间,终端设备210-1可以基于在AI数据处理模型的训练阶段中的相关联的资源集中的CSI RS资源的数目来确定CSI RS资源指示符。
在一些实施例中,在AI数据处理模型的第一阶段期间,终端设备210-1可以基于在AI数据处理模型的训练阶段期间的相关联的参考信号,确定波束故障实例指示周期。在一些实施例中,终端设备210-1可以基于在AI数据处理模型的训练阶段期间的相关联的参考信号,确定波束参考信号。
在一些实施例中,一种终端设备包括被配置为进行以下各项的电路系统:向网络设备发送指示终端设备的与机器学习(AI)数据处理模型相关的能力的第一信息;从网络设备接收在AI数据处理模型的第一阶段期间使用的第一参考信号配置;以及确定第一参考信号配置与在AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。
在一些实施例中,终端设备包括被配置为从网络设备接收第二参考信号配置的电路系统;并且其中第一参考信号配置包括与AI数据处理模型的第一阶段相关联的第一身份,并且第二参考信号配置包括与AI数据处理模型的训练阶段相关联的第二身份。
在一些实施例中,终端设备包括被配置为通过以下方式接收第一参考信号配置的电路系统:从网络设备接收信道状态信息参考信号(CSI RS)配置,该CSI RS配置包括:与AI数据处理模型的第一阶段相关联的参数集的第一组值、以及与AI数据处理模型的训练阶段相关联的参数集的第二组值,第一组值低于第二组值;以及确定包括第一组值的第一参考信号配置。
在一些实施例中,终端设备包括被配置为通过以下方式确定关联的电路系统:从网络设备接收指示该关联的第二信息;以及基于第二信息来确定该关联。
在一些实施例中,终端设备包括被配置为进行以下各项的电路系统:从网络设备接收应用第一参考信号配置的开始指示;以及在AI数据处理模型的第一阶段期间基于开始指示来应用第一参考信号配置。
在一些实施例中,终端设备包括被配置为进行以下各项的电路系统:根据用于应用第一参考信号配置的条件满足的确定,向网络设备发送应用第一参考信号配置的开始请求;从网络设备接收应用第一参考信号配置的开始指示;应用第一参考配置;并且其中该条件包括:来自AI数据处理模型的输出与测量值之间的差低于阈值。
在一些实施例中,终端设备包括被配置为进行以下各项的电路系统:从网络设备接收结束第一参考信号配置的应用的指示;以及基于该指示来引起第一参考信号配置的应用的结束。
在一些实施例中,终端设备包括被配置为根据用于结束第一参考信号配置的应用的条件满足的确定来引起第一参考信号配置的应用的结束的电路系统;并且其中该条件包括:来自AI数据处理模型的输出与测量值之间的差超过阈值。
在一些实施例中,第一信息包括时域能力,并且其中时域能力指示以下中的至少一项:在预定时间段或占空比内第一参考信号配置的应用的支持,信道状态信息参考信号(CSI RS)的周期性的支持,终端设备是否支持非周期性CSI RS,或者终端设备在AI数据处理模型的第一阶段期间是否不支持CSI RS。
在一些实施例中,第一参考信号配置包括时域配置,并且其中时域配置指示:以少于第二参考信号配置的时域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括频域能力,并且其中频域能力指示以下中的至少一项:终端设备能够在其中执行推断的频率占用范围、最小频率密度的支持、在AI数据处理模型的第一阶段期间用于信道状态信息参考信号(CSI RS)的传输的资源块的最小数目、终端设备在AI数据处理模型的第一阶段期间是否不支持CSI RS、或者终端设备在AI数据处理模型的第一阶段期间是否支持CSI RS在载波上的传输。
在一些实施例中,第一参考信号配置包括频域配置,并且其中频域配置指示:以少于第二参考信号配置的频域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括天线端口域能力,并且其中天线端口域能力指示以下中的至少一项:天线端口的最小数目、或者哪个天线端口在AI数据处理模型的第一阶段期间被使用。
在一些实施例中,第一参考信号配置包括天线端口域配置,并且其中天线端口域配置指示:以少于第二参考信号配置的天线端口域占用对信道状态信息参考信号(CSI RS)的传输。
在一些实施例中,第一信息包括波束域能力,并且其中波束域能力指示以下中的至少一项:在数据处理模型的第一阶段期间用于波束管理的资源的数目、或者在AI数据处理模型的第一阶段期间接收波束的最大数目。
在一些实施例中,第一参考信号配置包括波束域配置,并且其中波束域配置指示:以少于第二参考信号配置的波束域占用对信道状态信息参考信号的传输。
在一些实施例中,终端设备包括被配置为从网络设备接收指示在AI数据处理模型的第一阶段期间的干扰功率补偿因子的第三信息的电路系统。
在一些实施例中,在AI数据处理模型的第一阶段期间的信道状态信息参考信号的第一优先级低于在AI数据处理模型的训练阶段期间的信道状态信息参考信号的第二优先级。
在一些实施例中,终端设备包括被配置为在AI数据处理模型的第一阶段期间,从信道状态信息参考信号的测量中排除时机集合的电路系统。
在一些实施例中,终端设备包括被配置为基于终端设备的能力来确定用于生成CSI报告的时域参考点的电路系统。
在一些实施例中,终端设备包括被配置为进行以下各项的电路系统:基于AI数据处理模型的推断来生成信道状态信息(CSI)报告;基于CSI RS的测量来生成CSI报告;或者基于AI数据处理模型的推断和CSI RS的测量来生成CSI报告。
在一些实施例中,终端设备包括被配置为基于AI数据处理模型来确定CSI计算延迟要求的电路系统。
在一些实施例中,终端设备包括被配置为基于终端设备的能力报告,确定在AI数据处理模型的第一阶段期间的信道状态信息参考信号(CSI RS)带宽的最小值的电路系统。
在一些实施例中,终端设备包括被配置为基于在AI数据处理模型的训练阶段期间在相关联的信道状态信息参考信号(CSI RS)资源中配置的CSI RS端口的数目来确定信道质量指示符的电路系统。
在一些实施例中,终端设备包括被配置为在AI数据处理模型的第一阶段期间基于在AI数据处理模型的训练阶段中的相关联的资源集中的CSI RS资源的数目来确定CSI RS资源指示符的电路系统。
在一些实施例中,终端设备包括被配置为在AI数据处理模型的第一阶段期间基于在AI数据处理模型的训练阶段期间的相关联的参考信号来确定波束故障实例指示周期的电路系统。替代地或另外地,终端设备包括被配置为基于在AI数据处理模型的训练阶段期间的相关联的参考信号来确定波束参考信号的电路系统。
在一些实施例中,一种网络设备包括被配置为进行以下各项的电路系统:从终端设备接收指示终端设备的与机器学习(AI)数据处理模型相关的能力的第一信息;根据第一参考信号配置与第二参考信号配置之间的关联,向终端设备发送第一参考信号配置,其中第一参考信号配置在AI数据处理模型的第一阶段期间使用,并且第二参考信号配置在AI数据处理模型的训练阶段期间使用。
在一些实施例中,网络设备包括被配置为向网络设备发送第二参考信号配置的电路系统。第一参考信号配置包括与AI数据处理模型的第一阶段相关联的第一身份,并且第二参考信号配置包括与AI数据处理模型的训练阶段相关联的第二身份。
在一些实施例中,网络设备包括被配置为通过以下方式发送第一参考信号配置的电路系统:从网络设备发送信道状态信息参考信号(CSI RS)配置,该CSI RS配置包括:与AI数据处理模型的第一阶段相关联的参数集的第一组值、以及与AI数据处理模型的训练阶段相关联的参数集的第二组值,第一组值低于第二组值。
图11是适合于实现本公开的实施例的设备1100的简化框图。设备1100可以被视为如图2所示的终端设备210和网络设备220的又一示例实现。因此,设备1000可以在终端设备210或网络设备220处或者作为其至少一部分来实现。
如图所示,设备1100包括处理器1110、耦合到处理器1110的存储器1120、耦合到处理器1110的合适的发送器(TX)和接收器(RX)1140、以及耦合到TX/RX 1140的通信接口。存储器1120存储程序1130的至少一部分。TX/RX 1140用于双向通信。TX/RX 1140具有至少一个天线以促进通信,但实际上本申请中提到的接入节点可以有多个。通信接口可以表示与其他网络元件进行通信所需要的任何接口,诸如用于eNB之间的双向通信的X2接口、用于移动性管理实体(MME)/服务网关(S-GW)与eNB之间的通信的S1接口、用于eNB与中继节点(RN)之间的通信的Un接口、或用于eNB与终端设备之间的通信的Uu接口。
假定程序1130包括程序指令,该程序指令在由相关联的处理器1110执行时使得设备1100能够根据本公开的实施例进行操作,如本文中参考图3至图10而讨论的。本文中的实施例可以由设备1100的处理器1110可执行的计算机软件来实现,或者由硬件来实现,或者由软件和硬件的组合来实现。处理器1110可以被配置为实现本公开的各种实施例。此外,处理器1110和存储器1120的组合可以形成适于实现本公开的各种实施例的处理部件1550。
存储器1120可以是适合本地技术网络的任何类型,并且可以使用任何适合的数据存储技术来实现,作为非限制性示例,诸如非瞬态计算机可读存储介质、基于半导体的存储器设备、磁存储器设备和系统、光学存储器设备和系统、固定存储器和可移动存储器。虽然在设备1100中仅示出了一个存储器1120,但在设备1100中可以有若干物理上不同的存储器模块。处理器1110可以是适合本地技术网络的任何类型,并且作为非限制性示例,可以包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)和基于多核处理器架构的处理器中的一种或多种。设备1100可以具有多个处理器,诸如在时间上从属于与主处理器同步的时钟的专用集成电路芯片。
通常,本公开的各种实施例可以使用硬件或专用电路、软件、逻辑或其任何组合来实现。一些方面可以使用硬件实现,而其他方面可以使用可以由控制器、微处理器或其他计算设备执行的固件或软件来实现。尽管本公开的实施例的各个方面被图示和描述为框图、流程图或使用一些其他图形表示,但是应当理解,作为非限制性示例,本文中描述的块、设备、系统、技术或方法可以使用硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备、或其某种组合来实现。
本公开还提供有形地存储在非瞬态计算机可读存储介质上的至少一种计算机程序产品。计算机程序产品包括计算机可执行指令,诸如程序模块中包括的指令,该指令在目标真实或虚拟处理器上的设备中执行,以执行如以上参考图4至图10中的任何一个所述的过程或方法。通常,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、库、对象、类、组件、数据结构等。在各种实施例中,程序模块的功能可以根据需要在程序模块之间组合或拆分。程序模块的机器可执行指令可以在本地或分布式设备内执行。在分布式设备中,程序模块可以位于本地和远程存储介质两者中。
用于执行本公开的方法的程序代码可以以一种或多种编程语言的任何组合来编写。这些程序代码可以被提供给通用计算机、专用计算机或其他可编程数据处理设备的处理器或控制器,使得程序代码在由处理器或控制器执行时引起在流程图和/或框图中指定的功能/操作被实现。程序代码可以完全在机器上、部分在机器上、作为独立软件包、部分在机器上和部分在远程机器上、或完全在远程机器或服务器上执行。
上述程序代码可以体现在机器可读介质上,该机器可读介质可以是可以包含或存储程序以供指令执行系统、装置或设备使用或与其结合使用的任何有形介质。机器可读介质可以是机器可读信号介质或机器可读存储介质。机器可读介质可以包括但不限于电子、磁性、光学、电磁、红外线或半导体系统、装置或设备、或前述各项的任何合适的组合。机器可读存储介质的更具体示例将包括具有一根或多根电线的电连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光存储设备、磁存储设备、或前述各项的任何合适的组合。
此外,虽然以特定顺序描述操作,但这不应当被理解为需要以所示特定顺序或按顺序执行这样的操作或者执行所有所示操作以获取期望结果。在某些情况下,多任务和并行处理可能是有利的。同样,虽然在上述讨论中包含了若干具体实现细节,但这些不应当被解释为对本公开的范围的限制,而是对可能特定于特定实施例的特征的描述。在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反,在单个实施例的上下文中描述的各种特征也可以在多个实施例中单独或以任何合适的子组合来实现。
尽管本公开已经以特定于结构特征和/或方法动作的语言进行了描述,但是应当理解,在所附权利要求中定义的本公开不一定限于上述特定特征或动作。相反,上述具体特征和动作被公开作为实现权利要求的示例形式。
Claims (31)
1.一种通信方法,包括:
在终端设备处向网络设备发送第一信息,所述第一信息指示终端设备的与人工智能AI数据处理模型相关的能力;
从所述网络设备接收在所述AI数据处理模型的第一阶段期间使用的第一参考信号配置;以及
确定所述第一参考信号配置与在所述AI数据处理模型的训练阶段期间使用的第二参考信号配置之间的关联。
2.根据权利要求1所述的方法,还包括:
从所述网络设备接收所述第二参考信号配置;以及
其中所述第一参考信号配置包括与所述AI数据处理模型的所述第一阶段相关联的第一身份,并且所述第二参考信号配置包括与所述AI数据处理模型的所述训练阶段相关联的第二身份。
3.根据权利要求1所述的方法,其中接收所述第一参考信号配置包括:
从所述网络设备接收信道状态信息参考信号CSI RS配置,所述CSIRS配置包括:与所述AI数据处理模型的所述第一阶段相关联的参数集的第一组值、以及与所述AI数据处理模型的所述训练阶段相关联的所述参数集的第二组值,所述第一组值低于所述第二组值;以及
确定包括所述第一组值的所述第一参考信号配置。
4.根据权利要求1所述的方法,其中确定所述关联包括:
从所述网络设备接收指示所述关联的第二信息;以及
基于所述第二信息来确定所述关联。
5.根据权利要求1所述的方法,还包括:
从所述网络设备接收应用所述第一参考信号配置的开始指示;以及
在所述AI数据处理模型的所述第一阶段期间,基于所述开始指示来应用所述第一参考信号配置。
6.根据权利要求1所述的方法,还包括:
根据用于应用所述第一参考信号配置的条件满足的确定,向所述网络设备发送应用所述第一参考信号配置的开始请求;
从所述网络设备接收应用所述第一参考信号配置的开始指示;
应用所述第一参考配置;并且
其中所述条件包括:来自所述AI数据处理模型的输出与测量值之间的差低于阈值。
7.根据权利要求5或6所述的方法,还包括:
从所述网络设备接收结束所述第一参考信号配置的应用的指示;以及
基于所述指示来引起所述第一参考信号配置的所述应用的结束。
8.根据权利要求5或6所述的方法,还包括:
根据用于结束所述第一参考信号配置的应用的条件满足的确定,引起所述第一参考信号配置的所述应用的结束;以及
其中所述条件包括:来自所述AI数据处理模型的输出与测量值之间的差超过阈值。
9.根据权利要求1所述的方法,其中所述第一信息包括时域能力,并且
其中所述时域能力指示以下中的至少一项:
在预定时间段或占空比内所述第一参考信号配置的应用的支持,
信道状态信息参考信号CSIRS的周期性的支持,
所述终端设备是否支持非周期性CSIRS,或者
所述终端设备在所述AI数据处理模型的所述第一阶段期间是否不支持CSIRS。
10.根据权利要求1所述的方法,其中所述第一参考信号配置包括时域配置,并且
其中所述时域配置指示:以少于所述第二参考信号配置的时域占用对信道状态信息参考信号CSIRS的传输。
11.根据权利要求1所述的方法,其中所述第一信息包括频域能力,并且
其中所述频域能力指示以下中的至少一项:
所述终端设备能够在其中执行推断的频率占用范围,
最小频率密度的支持,
在所述AI数据处理模型的所述第一阶段期间,用于信道状态信息参考信号CSIRS的传输的资源块的最小数目,
所述终端设备在所述AI数据处理模型的所述第一阶段期间是否不支持CSIRS,或者
所述终端设备在所述AI数据处理模型的所述第一阶段期间是否支持所述CSIRS在载波上的传输。
12.根据权利要求1所述的方法,其中所述第一参考信号配置包括频域配置,并且
其中所述频域配置指示:以少于所述第二参考信号配置的频域占用对信道状态信息参考信号CSIRS的传输。
13.根据权利要求1所述的方法,其中所述第一信息包括天线端口域能力,并且
其中所述天线端口域能力指示以下中的至少一项:
天线端口的最小数目,或
哪个天线端口在所述AI数据处理模型的所述第一阶段期间被使用。
14.根据权利要求1所述的方法,其中所述第一参考信号配置包括天线端口域配置,并且
其中所述天线端口域配置指示:以少于所述第二参考信号配置的天线端口域占用对信道状态信息参考信号CSIRS的传输。
15.根据权利要求1所述的方法,其中所述第一信息包括波束域能力,并且
其中所述波束域能力指示以下中的至少一项:
在所述数据处理模型的所述第一阶段期间,用于波束管理的资源的数目,或
在所述AI数据处理模型的所述第一阶段期间,接收波束的最大数目。
16.根据权利要求1所述的方法,其中所述第一参考信号配置包括波束域配置,并且
其中所述波束域配置指示:以少于所述第二参考信号配置的波束域占用对信道状态信息参考信号的传输。
17.根据权利要求1所述的方法,还包括以下中的至少一项:
从所述网络设备接收指示在所述AI数据处理模型的所述第一阶段期间的干扰功率补偿因子的第三信息。
18.根据权利要求1所述的方法,其中在所述AI数据处理模型的所述第一阶段期间的信道状态信息参考信号的第一优先级低于在所述AI数据处理模型的所述训练阶段期间的信道状态信息参考信号的第二优先级。
19.根据权利要求1所述的方法,还包括:
在所述AI数据处理模型的所述第一阶段期间,从信道状态信息参考信号的测量中排除时机集合。
20.根据权利要求1所述的方法,还包括:
基于所述终端设备的所述能力来确定用于生成CSI报告的时域参考点。
21.根据权利要求1所述的方法,还包括以下中的一项:
基于所述AI数据处理模型的推断来生成信道状态信息CSI报告;
基于所述CSIRS的测量来生成所述CSI报告;或
基于所述AI数据处理模型的所述推断和所述CSIRS的所述测量来生成所述CSI报告。
22.根据权利要求1所述的方法,还包括:
基于所述AI数据处理模型来确定CSI计算延迟要求。
23.根据权利要求1所述的方法,还包括:
基于所述终端设备的能力报告,确定在所述AI数据处理模型的所述第一阶段期间的信道状态信息参考信号CSIRS带宽的最小值。
24.根据权利要求1所述的方法,还包括:
基于在所述AI数据处理模型的所述训练阶段期间在相关联的信道状态信息参考信号CSIRS资源中配置的CSIRS端口的数目,确定信道质量指示符。
25.根据权利要求1所述的方法,还包括:
在所述AI数据处理模型的所述第一阶段期间,基于在所述AI数据处理模型的所述训练阶段中的相关联的资源集中的CSI RS资源的数目,确定CSIRS资源指示符。
26.根据权利要求1所述的方法,还包括:
在所述AI数据处理模型的所述第一阶段期间,基于在所述AI数据处理模型的所述训练阶段期间的相关联的参考信号,确定波束故障实例指示周期;或
基于在所述AI数据处理模型的所述训练阶段期间的所述相关联的参考信号,确定波束参考信号。
27.一种终端设备,包括:
处理器;以及
存储器,耦合到所述处理器并且存储有指令,所述指令在由所述处理器执行时,引起所述终端设备执行根据权利要求1至26中任一项所述的方法。
28.一种通信方法,包括:
在网络设备处从终端设备接收第一信息,所述第一信息指示终端设备的与机器学习AI数据处理模型相关的能力;以及
根据第一参考信号配置与第二参考信号配置之间的关联,向所述终端设备发送所述第一参考信号配置,其中所述第一参考信号配置在所述AI数据处理模型的第一阶段期间使用,并且所述第二参考信号配置在所述AI数据处理模型的训练阶段期间使用。
29.根据权利要求28所述的方法,还包括:
向所述网络设备发送所述第二参考信号配置;并且
其中所述第一参考信号配置包括与所述AI数据处理模型的所述第一阶段相关联的第一身份,并且所述第二参考信号配置包括与所述AI数据处理模型的所述训练阶段相关联的第二身份。
30.根据权利要求28所述的方法,其中发送所述第一参考信号配置包括:
从所述网络设备发送信道状态信息参考信号CSI RS配置,所述CSIRS配置包括:与所述AI数据处理模型的所述第一阶段相关联的参数集的第一组值、以及与所述AI数据处理模型的所述训练阶段相关联的所述参数集的第二组值,所述第一组值低于所述第二组值。
31.一种计算机可读介质,其上存储有指令,所述指令当在至少一个处理器上执行时,引起所述至少一个处理器执行根据权利要求1至26中任一项或权利要求28至30中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/115142 WO2023024107A1 (en) | 2021-08-27 | 2021-08-27 | Methods, devices, and computer readable medium for communication |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117897923A true CN117897923A (zh) | 2024-04-16 |
Family
ID=85321445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180101876.3A Pending CN117897923A (zh) | 2021-08-27 | 2021-08-27 | 用于通信的方法、设备和计算机可读介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117897923A (zh) |
WO (1) | WO2023024107A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024035325A1 (en) * | 2022-08-12 | 2024-02-15 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods for wireless device sided spatial beam predictions |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107733605B (zh) * | 2016-08-12 | 2022-06-17 | 中兴通讯股份有限公司 | 信道测量反馈方法及装置、导频发送方法及装置 |
HUE058109T2 (hu) * | 2017-11-09 | 2022-07-28 | Beijing Xiaomi Mobile Software Co Ltd | Eljárás és berendezés vezeték nélküli eszközök képességein alapuló kommunikációhoz |
CN108683487B (zh) * | 2018-01-12 | 2019-06-11 | 华为技术有限公司 | 一种用于终端设备能力传输的方法、装置及系统 |
WO2019237303A1 (zh) * | 2018-06-14 | 2019-12-19 | 华为技术有限公司 | 信道状态信息传输方法、相关装置及通信系统 |
US20220166468A1 (en) * | 2019-04-08 | 2022-05-26 | Lg Electronics Inc. | Apparatus and method for reporting channel state information in wireless communication system |
WO2021108940A1 (en) * | 2019-12-01 | 2021-06-10 | Nokia Shanghai Bell Co., Ltd. | Channel state information feedback |
-
2021
- 2021-08-27 CN CN202180101876.3A patent/CN117897923A/zh active Pending
- 2021-08-27 WO PCT/CN2021/115142 patent/WO2023024107A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023024107A1 (en) | 2023-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9888520B2 (en) | User terminal, radio base station and communication control method | |
US20170135039A1 (en) | User terminal, base station and communication method | |
WO2021226824A1 (en) | Reduced cross-link interference measurements | |
CN112166574A (zh) | 用于URLLC可靠性的多PCell设计 | |
WO2021254590A1 (en) | Control of radio link monitoring measurements relaxation | |
JP2015065606A (ja) | 無線基地局、ユーザ端末及び通信制御方法 | |
US11894901B2 (en) | Method for transmitting and receiving CSI in wireless communication system and device therefor | |
US20230036639A1 (en) | Supporting a narrow serving beam in a hierarchical beam configuration | |
US9844007B2 (en) | Radio base station, user terminal and radio communication method | |
WO2021203410A1 (en) | Cross-link interference measurement configuration | |
EP4094471A1 (en) | Measurement report techniques for wireless communications systems | |
CN117897923A (zh) | 用于通信的方法、设备和计算机可读介质 | |
WO2023212476A1 (en) | Prioritization and timing for cross-link interference reporting | |
WO2023212477A1 (en) | Cross-link interference reporting configuration and payload design | |
WO2022160204A1 (en) | Resource allocation for sidelink full duplex communications | |
CN112312441B (zh) | 一种通信方法和通信装置 | |
US20220104189A1 (en) | Terminal and radio communication method | |
WO2024032282A1 (en) | Parallel processing for machine learning-based channel state information reports | |
WO2023050068A1 (en) | Uplink channel state information reporting | |
WO2023240639A1 (en) | Method, device and computer readable medium for communications | |
WO2024011402A1 (en) | Method, device and computer readable medium for communications | |
WO2024108455A1 (en) | Reference signal indication for a candidate cell in l1/l2 mobility | |
WO2023115567A1 (en) | Methods, devices, and computer readable medium for communication | |
US20240056833A1 (en) | Predictive beam management with per-beam error statistics | |
WO2024092482A1 (en) | Overlapping measurement gaps in layer one and layer three measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |