JP2023537575A - ユーザ機器における測位測定データ処理のためのニューラルネットワーク機能 - Google Patents
ユーザ機器における測位測定データ処理のためのニューラルネットワーク機能 Download PDFInfo
- Publication number
- JP2023537575A JP2023537575A JP2023502997A JP2023502997A JP2023537575A JP 2023537575 A JP2023537575 A JP 2023537575A JP 2023502997 A JP2023502997 A JP 2023502997A JP 2023502997 A JP2023502997 A JP 2023502997A JP 2023537575 A JP2023537575 A JP 2023537575A
- Authority
- JP
- Japan
- Prior art keywords
- positioning
- positioning measurement
- neural network
- network function
- measurement data
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 623
- 230000006870 function Effects 0.000 title claims abstract description 263
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 244
- 238000012545 processing Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 claims abstract description 152
- 230000008569 process Effects 0.000 claims abstract description 53
- 238000010801 machine learning Methods 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims description 57
- 230000004044 response Effects 0.000 claims description 25
- 238000004891 communication Methods 0.000 description 72
- 238000013461 design Methods 0.000 description 39
- 239000002609 medium Substances 0.000 description 33
- 230000005540 biological transmission Effects 0.000 description 26
- 238000007726 management method Methods 0.000 description 20
- 230000011664 signaling Effects 0.000 description 13
- 238000001228 spectrum Methods 0.000 description 11
- 238000003066 decision tree Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 239000000969 carrier Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 230000001413 cellular effect Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000013145 classification model Methods 0.000 description 6
- 230000006837 decompression Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 210000001520 comb Anatomy 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000700159 Rattus Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000006163 transport media Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108700010388 MIBs Proteins 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000005945 translocation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/0009—Transmission of position information to remote stations
- G01S5/0018—Transmission from mobile station to base station
- G01S5/0036—Transmission from mobile station to base station of measured values, i.e. measurement on mobile and position calculation on base station
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/0236—Assistance data, e.g. base station almanac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0224—Channel estimation using sounding signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/0006—Assessment of spectral gaps suitable for allocating digitally modulated signals, e.g. for carrier allocation in cognitive radio
-
- 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
- H04L5/001—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT the frequencies being arranged in component carriers
-
- 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
-
- 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
- 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
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
- H04L5/0057—Physical resource allocation for CQI
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mobile Radio Communication Systems (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一態様では、ネットワーク構成要素は、UEにおける1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信し、少なくとも1つのニューラルネットワーク機能は、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される。UEは、UEに関連する測位測定データを取得し、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理し得る。UEは、測位測定特徴の処理されたセットを、BSまたはLMFなどのネットワーク構成要素に報告し得る。
Description
関連出願の相互参照
本特許出願は、2020年8月4日に出願された「NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT DATA PROCESSING AT A USER EQUIPMENT」と題する米国仮出願第63/061,044号、および2021年8月2日に出願された「NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT DATA PROCESSING AT A USER EQUIPMENT」と題する米国非仮出願第17/391,373号の利益を主張し、その両方が本出願の譲受人に譲渡され、その全体が参照により本明細書に明確に組み込まれる。
本特許出願は、2020年8月4日に出願された「NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT DATA PROCESSING AT A USER EQUIPMENT」と題する米国仮出願第63/061,044号、および2021年8月2日に出願された「NEURAL NETWORK FUNCTIONS FOR POSITIONING MEASUREMENT DATA PROCESSING AT A USER EQUIPMENT」と題する米国非仮出願第17/391,373号の利益を主張し、その両方が本出願の譲受人に譲渡され、その全体が参照により本明細書に明確に組み込まれる。
本開示の態様は、一般にワイヤレス通信に関し、より詳細には、ユーザ機器(UE)における測位測定データ処理のためのニューラルネットワーク機能に関する。
ワイヤレス通信システムは、第1世代アナログワイヤレス電話サービス(1G)、第2世代(2G)デジタルワイヤレス電話サービス(暫定2.5Gネットワークを含む)、第3世代(3G)高速データ、インターネット対応ワイヤレスサービス、および第4世代(4G)サービス(たとえば、LTEまたはWiMax)を含む、様々な世代を通じて発展している。現在、セルラーシステムおよびパーソナル通信サービス(PCS)システムを含む、使用中の多くの異なるタイプのワイヤレス通信システムがある。知られているセルラーシステムの例は、セルラーアナログアドバンストモバイルフォンシステム(AMPS)、および符号分割多元接続(CDMA)、周波数分割多元接続(FDMA)、時分割多元接続(TDMA)、TDMAのモバイルアクセス用グローバルシステム(GSM)変形形態などに基づくデジタルセルラーシステムを含む。
ニューラジオ(NR)と呼ばれる第5世代(5G)ワイヤレス規格は、改善の中でも、より高いデータ転送速度、より多数の接続、およびより良好なカバレージを可能にする。5G規格は、Next Generation Mobile Networks Allianceによれば、毎秒数十メガビットのデータレートを数万人のユーザの各々に提供するように設計され、数十人が働くオフィスフロアに毎秒1ギガビットを提供する。大規模なワイヤレスセンサーの展開をサポートするために、数十万の同時接続がサポートされるべきである。したがって、5Gモバイル通信のスペクトル効率は、現在の4G規格と比較して著しく高められなければならない。さらに、現在の規格と比較して、シグナリング効率が高められなければならず、レイテンシが大幅に低減されなければならない。
以下は、本明細書で開示する1つまたは複数の態様に関係する簡略化された概要を提示する。したがって、以下の概要は、すべての企図される態様に関係する広範な概観と見なされるべきではなく、また、以下の概要は、すべての企図される態様に関係する主要もしくは重要な要素を識別するか、または任意の特定の態様に関連する範囲を定めるものと見なされるべきでもない。したがって、以下の概要は、以下で提示する詳細な説明に先立って、本明細書で開示するメカニズムに関係する1つまたは複数の態様に関係するいくつかの概念を、簡略化された形態で提示するという唯一の目的を有する。
一態様では、ユーザ機器(UE)を動作させる方法は、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得するステップであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得するステップと、UEに関連する測位測定データを取得するステップと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理するステップと、測位測定特徴の処理されたセットをネットワーク構成要素に報告するステップとを含む。
いくつかの態様では、取得するステップは、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する。
いくつかの態様では、取得するステップは、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告するステップは、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する。
いくつかの態様では、測位測定データは、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットは、測位のための基準信号の圧縮表現を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能は、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、処理するステップは、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告するステップは、確率分布、または確率分布に基づくメトリックを報告する。
一態様では、基地局(BS)を動作させる方法は、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信するステップであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信するステップと、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信するステップとを含む。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、BSまたは別のネットワーク構成要素において動的に生成される。
いくつかの態様では、測位測定データは、測位のための基準信号に対する測位測定のセットを備える。
いくつかの態様では、測位測定データは、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える。
いくつかの態様では、測位測定特徴のセットは、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える。
いくつかの態様では、方法は、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復するステップと、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するステップとを含む。
いくつかの態様では、方法は、測位測定の受信されたセットに基づいて、UEの測位推定を決定するステップを含む。
いくつかの態様では、受信するステップは、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信するステップと、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信するステップとを備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信するステップは、確率分布、または確率分布に基づくメトリックを受信する。
一態様では、ユーザ機器(UE)は、メモリと、少なくとも1つのトランシーバと、メモリおよび少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを含み、少なくとも1つのプロセッサは、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得することであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得することと、UEに関連する測位測定データを取得することと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理することと、測位測定特徴の処理されたセットをネットワーク構成要素に報告することとを行うように構成される。
いくつかの態様では、取得することは、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する。
いくつかの態様では、取得することは、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することは、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する。
いくつかの態様では、測位測定データは、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットは、測位のための基準信号の圧縮表現を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能は、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、処理することは、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することは、確率分布、または確率分布に基づくメトリックを報告する。
一態様では、基地局(BS)は、メモリと、少なくとも1つのトランシーバと、メモリおよび少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを含み、少なくとも1つのプロセッサは、少なくとも1つのトランシーバを介して、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信することであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信することと、少なくとも1つのトランシーバを介して、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信することとを行うように構成される。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、BSまたは別のネットワーク構成要素において動的に生成される。
いくつかの態様では、測位測定データは、測位のための基準信号に対する測位測定のセットを備える。
いくつかの態様では、測位測定データは、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える。
いくつかの態様では、測位測定特徴のセットは、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える。
いくつかの態様では、少なくとも1つのプロセッサは、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復し、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するようにさらに構成される。
いくつかの態様では、少なくとも1つのプロセッサは、測位測定の受信されたセットに基づいて、UEの測位推定を決定するようにさらに構成される。
いくつかの態様では、受信することは、少なくとも1つのトランシーバを介して、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信し、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、少なくとも1つのトランシーバを介して、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信することを備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することは、確率分布、または確率分布に基づくメトリックを受信する。
一態様では、ユーザ機器(UE)は、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得するための手段であって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得するための手段と、UEに関連する測位測定データを取得するための手段と、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理するための手段と、測位測定特徴の処理されたセットをネットワーク構成要素に報告するための手段とを含む。
いくつかの態様では、取得することは、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する。
いくつかの態様では、取得することは、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することは、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する。
いくつかの態様では、測位測定データは、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットは、測位のための基準信号の圧縮表現を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能は、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、処理することは、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することは、確率分布、または確率分布に基づくメトリックを報告する。
一態様では、基地局(BS)は、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信するための手段であって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信するための手段と、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信するための手段とを含む。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、BSまたは別のネットワーク構成要素において動的に生成される。
いくつかの態様では、測位測定データは、測位のための基準信号に対する測位測定のセットを備える。
いくつかの態様では、測位測定データは、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える。
いくつかの態様では、測位測定特徴のセットは、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える。
いくつかの態様では、方法は、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復するための手段と、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するための手段とを含む。
いくつかの態様では、方法は、測位測定の受信されたセットに基づいて、UEの測位推定を決定するための手段を含む。
いくつかの態様では、受信することは、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信するための手段と、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信するための手段とを備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することは、確率分布、または確率分布に基づくメトリックを受信する。
一態様では、ユーザ機器(UE)によって実行されたとき、UEに、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得することであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得することと、UEに関連する測位測定データを取得することと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理することと、測位測定特徴の処理されたセットをネットワーク構成要素に報告することとを行わせるコンピュータ実行可能命令を記憶した非一時的コンピュータ可読媒体。
いくつかの態様では、取得することは、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する。
いくつかの態様では、取得することは、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することは、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する。
いくつかの態様では、測位測定データは、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットは、測位のための基準信号の圧縮表現を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能は、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、処理することは、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することは、確率分布、または確率分布に基づくメトリックを報告する。
一態様では、基地局(BS)によって実行されたとき、BSに、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信することであって、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信することと、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信することとを行わせるコンピュータ実行可能命令を記憶した非一時的コンピュータ可読媒体。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、BSまたは別のネットワーク構成要素において動的に生成される。
いくつかの態様では、測位測定データは、測位のための基準信号に対する測位測定のセットを備える。
いくつかの態様では、測位測定データは、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える。
いくつかの態様では、測位測定特徴のセットは、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える。
いくつかの態様では、1つまたは複数の命令は、さらに、BSに、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復させ、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定させる。
いくつかの態様では、1つまたは複数の命令は、さらに、BSに、測位測定の受信されたセットに基づいて、UEの測位推定を決定させる。
いくつかの態様では、受信することは、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信することと、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信することとを備える。
いくつかの態様では、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する。
いくつかの態様では、測位測定データは、基準信号に関連するチャネル応答の推定を備える。
いくつかの態様では、少なくとも1つのニューラルネットワーク機能は、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することは、確率分布、または確率分布に基づくメトリックを受信する。
本明細書で開示する態様に関連する他の目的および利点が、添付図面および発明を実施するための形態に基づいて当業者に明らかとなろう。
添付図面は、本開示の様々な態様の説明の助けとなるために提示され、態様の限定ではなく態様の説明のためだけに提供される。
本開示の態様は、例示の目的で提供される様々な例を対象とする以下の説明および関連する図面において提供される。本開示の範囲を逸脱することなく、代替の態様が考案され得る。追加として、本開示の関連する詳細を不明瞭にしないように、本開示のよく知られている要素は詳細には説明されないか、または省略される。
「例示的」および/または「例」という語は、本明細書では、「例、事例、または例示として働くこと」を意味するために使用される。本明細書で「例示的」および/または「例」として説明するいかなる態様も、必ずしも他の態様よりも好ましいかまたは有利であると解釈されるべきではない。同様に、「本開示の態様」という用語は、本開示のすべての態様が、説明する特徴、利点、または動作モードを含むことを必要とするとは限らない。
以下で説明する情報および信号が、様々な異なる技術および技法のうちのいずれかを使用して表され得ることを、当業者は諒解されよう。たとえば、以下の説明全体にわたって参照され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、およびチップは、部分的に特定の適用例、部分的に所望の設計、部分的に対応する技術などに応じて、電圧、電流、電磁波、磁場もしくは磁性粒子、光場もしくは光学粒子、またはそれらの任意の組合せによって表され得る。
さらに、多くの態様が、たとえば、コンピューティングデバイスの要素によって実行されるべきアクションのシーケンスに関して説明される。本明細書で説明する様々なアクションが、特定の回路(たとえば、特定用途向け集積回路(ASIC))によって、プログラム命令が1つもしくは複数のプロセッサによって実行されることによって、またはその両方の組合せによって実行され得ることが認識されよう。追加として、本明細書で説明するアクションのシーケンスは、実行時に、本明細書で説明する機能性を、デバイスの関連するプロセッサに実行させることになるかまたは実行するように命令することになる、コンピュータ命令の対応するセットを記憶した、任意の形態の非一時的コンピュータ可読記憶媒体内で完全に具現されるものと見なされ得る。したがって、本開示の様々な態様は、特許請求する主題の範囲内にそのすべてが入ることが企図されている、いくつかの異なる形態で具現され得る。加えて、本明細書で説明する態様の各々に対して、任意のそのような態様の対応する形態が、たとえば、説明するアクションを実行する「ように構成された論理」として本明細書で説明されることがある。
本明細書で使用する「ユーザ機器」(UE)および「基地局」という用語は、別段に記載されていない限り、任意の特定の無線アクセス技術(RAT)に固有であること、またはさもなければそうしたRATに限定されることは、意図されない。一般に、UEは、ワイヤレス通信ネットワークを介して通信するためにユーザによって使用される、任意のワイヤレス通信デバイス(たとえば、モバイルフォン、ルータ、タブレットコンピュータ、ラップトップコンピュータ、トラッキングデバイス、ウェアラブル(たとえば、スマートウォッチ、スマートグラス、拡張現実(AR)/仮想現実(VR)ヘッドセットなど)、車両(たとえば、自動車、オートバイ、自転車など)、モノのインターネット(IoT)デバイスなど)であってよい。UEはモバイルであってよく、または(たとえば、いくつかの時間において)静止していてよく、無線アクセスネットワーク(RAN)と通信し得る。本明細書で使用する「UE」という用語は、「アクセス端末」もしくは「AT」、「クライアントデバイス」、「ワイヤレスデバイス」、「加入者デバイス」、「加入者端末」、「加入者局」、「ユーザ端末」もしくはUT、「モバイル端末」、「移動局」、またはそれらの変形として互換的に呼ばれることがある。概して、UEは、RANを介してコアネットワークと通信することができ、コアネットワークを通じて、UEはインターネットなどの外部ネットワークおよび他のUEに接続され得る。当然、有線アクセスネットワーク、(たとえば、IEEE802.11などに基づく)ワイヤレスローカルエリアネットワーク(WLAN)ネットワークなどを介するなどの、コアネットワークおよび/またはインターネットに接続する他のメカニズムもUEにとって可能である。
基地局は、UEがその中に展開されるネットワークに応じて、UEと通信しているいくつかのRATのうちの1つに従って動作してよく、代替として、アクセスポイント(AP)、ネットワークノード、ノードB、発展型ノードB(eNB)、ニューラジオ(NR)ノードB(gNBまたはgノードBとも呼ばれる)などと呼ばれることがある。加えて、いくつかのシステムでは、基地局は純粋にエッジノードシグナリング機能を提供し得るが、他のシステムでは、基地局は、追加の制御および/またはネットワーク管理機能を提供し得る。いくつかのシステムでは、基地局は、顧客構内設備(CPE)または路側機(RSU)に相当し得る。いくつかの設計では、基地局は、限定されたいくつかのインフラストラクチャ機能を提供し得る高電力UE(たとえば、車両UEまたはVUE)に相当し得る。UEがそれを通じて信号を基地局へ送ることができる通信リンクは、アップリンク(UL)チャネル(たとえば、逆方向トラフィックチャネル、逆方向制御チャネル、アクセスチャネルなど)と呼ばれる。基地局がそれを通じて信号をUEへ送ることができる通信リンクは、ダウンリンク(DL)チャネルまたは順方向リンクチャネル(たとえば、ページングチャネル、制御チャネル、ブロードキャストチャネル、順方向トラフィックチャネルなど)と呼ばれる。本明細書で使用するトラフィックチャネル(TCH)という用語は、UL/逆方向トラフィックチャネル、またはDL/順方向トラフィックチャネルのいずれかを指すことができる。
「基地局」という用語は、単一の物理的な送信受信ポイント(TRP)、またはコロケートされてもまたはされなくてもよい複数の物理的なTRPを指すことがある。たとえば、「基地局」という用語が単一の物理的なTRPを指す場合、その物理的なTRPは、基地局のセルに対応する、基地局のアンテナであってよい。「基地局」という用語が、コロケートされている複数の物理的なTRPを指す場合、それらの物理的なTRPは、基地局の(たとえば、多入力多出力(MIMO)システムにおけるような、または基地局がビームフォーミングを採用する場合の)アンテナのアレイであってよい。「基地局」という用語が、コロケートされていない複数の物理的なTRPを指す場合、それらの物理的なTRPは、分散アンテナシステム(DAS:distributed antenna system)(移送媒体を介して共通のソースに接続された、空間的に分離されたアンテナのネットワーク)、またはリモートラジオヘッド(RRH:remote radio head)(サービング基地局に接続された遠隔の基地局)であってよい。代替として、コロケートされていない物理的なTRPは、UE、およびUEがその基準RF信号を測定している隣接する基地局から、測定報告を受信するサービング基地局であってよい。TRPは基地局がそこからワイヤレス信号を送信および受信するポイントであるので、本明細書で使用するとき、基地局からの送信または基地局における受信への言及は、基地局の特定のTRPに言及するものとして理解されるべきである。
「RF信号」は、送信機と受信機との間の空間を通じて情報を移送する、所与の周波数の電磁波を備える。本明細書で使用する送信機は、単一の「RF信号」または複数の「RF信号」を受信機へ送信し得る。しかしながら、受信機は、マルチパスチャネルを通じたRF信号の伝搬特性に起因して、送信された各RF信号に対応する複数の「RF信号」を受信することがある。送信機と受信機との間の異なる経路上での、送信された同じRF信号は、「マルチパス」RF信号と呼ばれることがある。
様々な態様に従って、図1は、例示的なワイヤレス通信システム100を示す。ワイヤレス通信システム100(ワイヤレスワイドエリアネットワーク(WWAN)と呼ばれることもある)は、様々な基地局102および様々なUE104を含んでよい。基地局102は、マクロセル基地局(大電力セルラー基地局)および/またはスモールセル基地局(小電力セルラー基地局)を含んでよい。一態様では、マクロセル基地局は、ワイヤレス通信システム100がLTEネットワークに相当するeNB、またはワイヤレス通信システム100がNRネットワークに相当するgNB、またはその両方の組合せを含んでよく、スモールセル基地局は、フェムトセル、ピコセル、マイクロセルなどを含んでよい。
基地局102は、RANを集合的に形成し得、バックホールリンク122を通じてコアネットワーク170(たとえば、発展型パケットコア(EPC)または次世代コア(NGC))と、かつコアネットワーク170を通じて1つまたは複数のロケーションサーバ172に、インターフェースし得る。他の機能に加えて、基地局102は、ユーザデータを転送すること、無線チャネル暗号化および解読、完全性保護、ヘッダ圧縮、モビリティ制御機能(たとえば、ハンドオーバ、デュアル接続性)、セル間干渉協調、接続セットアップおよび解放、負荷分散、非アクセス層(NAS:non-access stratum)メッセージのための配信、NASノード選択、同期、RAN共有、マルチメディアブロードキャストマルチキャストサービス(MBMS)、加入者および機器トレース、RAN情報管理(RIM)、ページング、測位、ならびに警告メッセージの配信のうちの1つまたは複数に関係する機能を実行し得る。基地局102は、有線またはワイヤレスであってよいバックホールリンク134を介して、直接または間接的に(たとえば、EPC/NGCを通じて)互いに通信し得る。
基地局102は、UE104とワイヤレス通信し得る。基地局102の各々は、それぞれの地理的カバレージエリア110に通信カバレージを提供し得る。一態様では、1つまたは複数のセルが、各カバレージエリア110の中の基地局102によってサポートされ得る。「セル」とは、(たとえば、キャリア周波数、コンポーネントキャリア、キャリア、帯域などと呼ばれる、いくつかの周波数リソースを介した)基地局との通信のために使用される論理通信エンティティであり、同じかまたは異なるキャリア周波数を介して動作するセルを区別するための識別子(たとえば、物理セル識別子(PCI)、仮想セル識別子(VCI))に関連付けられ得る。場合によっては、異なるセルが、異なるタイプのUEにアクセスを提供し得る異なるプロトコルタイプ(たとえば、マシンタイプ通信(MTC)、狭帯域IoT(NB-IoT)、拡張モバイルブロードバンド(eMBB)、または他のもの)に従って構成されてよい。セルが特定の基地局によってサポートされるので、「セル」という用語は、コンテキストに応じて、論理通信エンティティおよびそれをサポートする基地局の一方または両方を指すことがある。場合によっては、「セル」という用語は、地理的カバレージエリア110のいくつかの部分内での通信のためにキャリア周波数が検出および使用され得る限り、基地局の地理的カバレージエリア(たとえば、セクタ)を指すこともある。
マクロセル基地局102に隣接しながら、地理的カバレージエリア110は(たとえば、ハンドオーバ領域の中で)部分的に重複することがあり、地理的カバレージエリア110のうちのいくつかは、もっと大きい地理的カバレージエリア110によって大幅に重複されることがある。たとえば、スモールセル基地局102'は、1つまたは複数のマクロセル基地局102のカバレージエリア110と大幅に重複するカバレージエリア110'を有することがある。スモールセル基地局とマクロセル基地局の両方を含むネットワークは、異種ネットワークと呼ばれることがある。異種ネットワークはまた、限定加入者グループ(CSG:closed subscriber group)と呼ばれる制限されたグループにサービスを提供し得るホームeNB(HeNB)を含んでよい。
基地局102とUE104との間の通信リンク120は、UE104から基地局102へのUL(逆方向リンクとも呼ばれる)送信、および/または基地局102からUE104へのダウンリンク(DL)(順方向リンクとも呼ばれる)送信を含んでよい。通信リンク120は、空間多重化、ビームフォーミング、および/または送信ダイバーシティを含む、MIMOアンテナ技術を使用し得る。通信リンク120は、1つまたは複数のキャリア周波数を通じてよい。キャリアの割振りは、DLおよびULに対して非対称であってよい(たとえば、UL用よりも多数または少数のキャリアがDL用に割り振られてよい)。
ワイヤレス通信システム100は、無認可周波数スペクトル(たとえば、5GHz)の中で通信リンク154を介してワイヤレスローカルエリアネットワーク(WLAN)局(STA)152と通信しているWLANアクセスポイント(AP)150をさらに含んでよい。無認可周波数スペクトルの中で通信するとき、WLAN STA152および/またはWLAN AP150は、チャネルが利用可能であるかどうかを決定するために、通信する前にクリアチャネルアセスメント(CCA)またはリッスンビフォアトーク(LBT)プロシージャを実行し得る。
スモールセル基地局102'は、認可周波数スペクトルおよび/または無認可周波数スペクトルの中で動作し得る。無認可周波数スペクトルの中で動作するとき、スモールセル基地局102'は、LTEまたはNR技術を採用してよく、WLAN AP150によって使用されるのと同じ5GHz無認可周波数スペクトルを使用してよい。無認可周波数スペクトルの中でLTE/5Gを採用するスモールセル基地局102'は、アクセスネットワークへのカバレージを拡大し得、かつ/またはアクセスネットワークの容量を増大させ得る。無認可スペクトルの中でのNRは、NR-Uと呼ばれることがある。無認可スペクトルの中でのLTEは、LTE-U、認可支援アクセス(LAA:licensed assisted access)、またはMulteFireと呼ばれることがある。
ワイヤレス通信システム100は、UE182と通信しておりミリ波(mmW)周波数および/または準mmW周波数の中で動作し得るmmW基地局180をさらに含んでよい。極高周波(EHF)は、電磁スペクトルの中のRFの部分である。EHFは、範囲が30GHz～300GHzであり、1ミリメートルと10ミリメートルとの間の波長を有する。この帯域の中の電波は、ミリ波と呼ばれることがある。準mmWは、波長が100ミリメートルである3GHzの周波数まで下に広がってよい。超高周波(SHF)帯域は、センチメートル波とも呼ばれる3GHzと30GHzとの間に広がる。mmW/準mmW無線周波数帯域を使用する通信は、経路損失が大きく距離が比較的短い。mmW基地局180およびUE182は、極めて大きい経路損失および短い距離を補償するために、mmW通信リンク184を介してビームフォーミング(送信および/または受信)を利用し得る。さらに、代替構成では、1つまたは複数の基地局102もmmWまたは準mmWおよびビームフォーミングを使用して送信し得ることが諒解されよう。したがって、上記の例示が例にすぎず、本明細書で開示する様々な態様を限定すると解釈されるべきでないことが諒解されよう。
送信ビームフォーミングは、RF信号を特定の方向に集束させるための技法である。従来より、ネットワークノード(たとえば、基地局)はRF信号をブロードキャストするとき、信号をすべての方向に(全指向的に)ブロードキャストする。送信ビームフォーミングを伴うと、ネットワークノードは、(送信しているネットワークノードに対して)所与のターゲットデバイス(たとえば、UE)がどこに位置するのかを決定し、より強いダウンリンクRF信号をその特定の方向に投射し、それによって、(データレートに関して)もっと高速かつ強力なRF信号を受信デバイスにもたらす。送信するときにRF信号の指向性を変えるために、ネットワークノードは、RF信号をブロードキャストしている1つまたは複数の送信機の各々においてRF信号の位相および相対振幅を制御することができる。たとえば、ネットワークノードは、実際にアンテナを動かすことなく異なる方向における点に「ステアリング」され得るRF波のビームを作成するアンテナのアレイ(「フェーズドアレイ」または「アンテナアレイ」と呼ばれる)を使用してよい。詳細には、望ましくない方向における放射を抑圧するように除去しながら、別個のアンテナからの電波が一緒に加えられて所望の方向における放射を大きくするように、適切な位相関係を伴って送信機からのRF電流が個々のアンテナに給電される。
送信ビームは、ネットワークノード自体の送信アンテナが物理的にコロケートされているか否かにかかわらず、受信機(たとえば、UE)には送信ビームが同じパラメータを有するように見えることを意味する、擬似コロケートされ得る。NRでは、4つのタイプの擬似コロケーション(QCL:quasi-collocation)関係がある。詳細には、所与のタイプのQCL関係は、第2のビーム上の第2の基準RF信号についてのいくつかのパラメータがソースビーム上のソース基準RF信号についての情報から導出され得ることを意味する。したがって、ソース基準RF信号がQCLタイプAである場合、受信機は、同じチャネル上で送信される第2の基準RF信号のドップラーシフト、ドップラースプレッド、平均遅延、および遅延スプレッドを推定するために、ソース基準RF信号を使用することができる。ソース基準RF信号がQCLタイプBである場合、受信機は、同じチャネル上で送信される第2の基準RF信号のドップラーシフトおよびドップラースプレッドを推定するために、ソース基準RF信号を使用することができる。ソース基準RF信号がQCLタイプCである場合、受信機は、同じチャネル上で送信される第2の基準RF信号のドップラーシフトおよび平均遅延を推定するために、ソース基準RF信号を使用することができる。ソース基準RF信号がQCLタイプDである場合、受信機は、同じチャネル上で送信される第2の基準RF信号の空間受信パラメータを推定するために、ソース基準RF信号を使用することができる。
受信ビームフォーミングでは、受信機は、所与のチャネル上で検出されたRF信号を増幅するために受信ビームを使用する。たとえば、受信機は、特定の方向から受信されるRF信号を増幅するように(たとえば、そうしたRF信号の利得レベルを大きくするように)、その方向においてアンテナのアレイの利得設定を大きくすることおよび/または位相設定を調整することができる。したがって、受信機がいくつかの方向にビームフォーミングすると言われるとき、そのことは、その方向におけるビーム利得が、他の方向に沿ったビーム利得に比べて大きいこと、またはその方向におけるビーム利得が、受信機にとって利用可能なすべての他の受信ビームの、その方向におけるビーム利得と比較して最大であることを意味する。このことは、その方向から受信されるRF信号のより強い受信信号強度(たとえば、基準信号受信電力(RSRP)、基準信号受信品質(RSRQ)、信号対干渉+雑音比(SINR)など)をもたらす。
受信ビームは空間関係があり得る。空間関係とは、第2の基準信号のための送信ビームに対するパラメータが、第1の基準信号のための受信ビームについての情報から導出され得ることを意味する。たとえば、UEは、基地局から基準ダウンリンク基準信号(たとえば、同期信号ブロック(SSB))を受信するために、特定の受信ビームを使用してよい。UEは、次いで、受信ビームのパラメータに基づいて、アップリンク基準信号(たとえば、サウンディング基準信号(SRS))をその基地局へ送るための送信ビームを形成することができる。
「ダウンリンク」ビームが、それを形成するエンティティに応じて、送信ビームまたは受信ビームのいずれかであってよいことに留意されたい。たとえば、基地局が基準信号をUEへ送信するためにダウンリンクビームを形成している場合、ダウンリンクビームは送信ビームである。しかしながら、UEがダウンリンクビームを形成している場合、ダウンリンクビームはダウンリンク基準信号を受信するための受信ビームである。同様に、「アップリンク」ビームは、それを形成するエンティティに応じて、送信ビームまたは受信ビームのいずれかであってよい。たとえば、基地局がアップリンクビームを形成している場合、アップリンクビームはアップリンク受信ビームであり、UEがアップリンクビームを形成している場合、アップリンクビームはアップリンク送信ビームである。
5Gでは、ワイヤレスノード(たとえば、基地局102/180、UE104/182)がその中で動作する周波数スペクトルは、複数の周波数範囲、すなわち、FR1(450MHzから6000MHzまで)、FR2(24250MHzから52600MHzまで)、FR3(52600MHzよりも上)、およびFR4(FR1とFR2との間)に分割される。5Gなどのマルチキャリアシステムでは、キャリア周波数のうちの1つは「1次キャリア」または「アンカーキャリア」または「1次サービングセル」または「PCell」と呼ばれ、残りのキャリア周波数は「2次キャリア」または「2次サービングセル」または「SCell」と呼ばれる。キャリアアグリゲーションでは、アンカーキャリアとは、UE104/182およびセルによって利用される1次周波数(たとえば、FR1)上で動作するキャリアであり、UE104/182は、初期無線リソース制御(RRC)接続確立プロシージャを実行すること、またはRRC接続再確立プロシージャを開始することのいずれかを行う。1次キャリアは、すべての共通制御チャネルおよびUE固有制御チャネルを搬送し、認可周波数の中のキャリアであってよい(ただし、このことは常に事実であるとは限らない)。2次キャリアとは、UE104とアンカーキャリアとの間でRRC接続が確立されると構成されてよく、かつ追加の無線リソースを提供するために使用され得る、第2の周波数(たとえば、FR2)上で動作するキャリアである。場合によっては、2次キャリアは無認可周波数の中のキャリアであってよい。1次アップリンクキャリアと1次ダウンリンクキャリアの両方が通常はUE固有であるので、2次キャリアは、必要なシグナリング情報および信号しか含まなくてよく、たとえば、UE固有であるシグナリング情報および信号は2次キャリアの中に存在しなくてよい。このことは、セルの中の異なるUE104/182が異なるダウンリンク1次キャリアを有してよいことを意味する。アップリンク1次キャリアについて同じことが当てはまる。ネットワークは、任意のUE104/182の1次キャリアをいつでも変更することができる。このことは、たとえば、異なるキャリア上での負荷のバランスをとるために行われる。(PCellまたはSCellにかかわらず)「サービングセル」が、いくつかの基地局がそれを介して通信中であるキャリア周波数/コンポーネントキャリアに対応するので、「セル」、「サービングセル」、「コンポーネントキャリア」、「キャリア周波数」などの用語は、互換的に使用され得る。
たとえば、まだ図1を参照すると、マクロセル基地局102によって利用される周波数のうちの1つがアンカーキャリア(すなわち「PCell」)であってよく、マクロセル基地局102および/またはmmW基地局180によって利用される他の周波数が2次キャリア(「SCell」)であってよい。複数のキャリアの同時送信および/または同時受信は、UE104/182がそのデータ送信レートおよび/またはデータ受信レートを著しく高めることを可能にする。たとえば、マルチキャリアシステムにおけるアグリゲートされた2つの20MHzキャリアは、単一の20MHzキャリアによって達成されるものと比較して理論的にデータレートの2倍の増大(すなわち、40MHz)に至ることになる。
ワイヤレス通信システム100は、1つまたは複数のデバイス間(D2D)ピアツーピア(P2P)リンクを介して1つまたは複数の通信ネットワークに間接的に接続する、UE190などの1つまたは複数のUEをさらに含んでよい。図1の例では、UE190は、基地局102のうちの1つに接続されたUE104のうちの1つとのD2D P2Pリンク192(たとえば、それを通じてUE190がセルラー接続性を間接的に取得し得る)、およびWLAN AP150に接続されたWLAN STA152とのD2D P2Pリンク194(それを通じてUE190がWLANベースのインターネット接続性を間接的に取得し得る)を有する。一例では、D2D P2Pリンク192および194は、LTEダイレクト(LTE-D)、WiFiダイレクト(WiFi-D)、Bluetooth(登録商標)などの、よく知られている任意のD2D RATを用いてサポートされ得る。
ワイヤレス通信システム100は、通信リンク120を介してマクロセル基地局102と、および/またはmmW通信リンク184を介してmmW基地局180と通信し得る、UE164をさらに含んでよい。たとえば、マクロセル基地局102は、UE164のためにPCellおよび1つまたは複数のSCellをサポートし得、mmW基地局180は、UE164のために1つまたは複数のSCellをサポートし得る。
様々な態様に従って、図2Aは、例示的なワイヤレスネットワーク構造200を示す。たとえば、NGC210(「5GC」とも呼ばれる)は、協働的に動作してコアネットワークを形成する、制御プレーン機能214(たとえば、UE登録、認証、ネットワークアクセス、ゲートウェイ選択など)およびユーザプレーン機能212(たとえば、UEゲートウェイ機能、データネットワークへのアクセス、IPルーティングなど)として機能的に見られ得る。ユーザプレーンインターフェース(NG-U)213および制御プレーンインターフェース(NG-C)215は、gNB222をNGC210に、詳細には制御プレーン機能214およびユーザプレーン機能212に接続する。追加の構成では、eNB224も、制御プレーン機能214へのNG-C215およびユーザプレーン機能212へのNG-U213を介して、NGC210に接続されてよい。さらに、eNB224は、バックホール接続223を介してgNB222と直接通信し得る。いくつかの構成では、ニューRAN(New RAN)220は、1つまたは複数のgNB222しか有しないことがあるが、他の構成は、eNB224とgNB222の両方のうちの1つまたは複数を含む。gNB222またはeNB224のいずれかは、UE204(たとえば、図1に示すUEのうちのいずれか)と通信し得る。別の随意の態様は、UE204にロケーション支援を提供するためにNGC210と通信していることがあるロケーションサーバ230を含んでよい。ロケーションサーバ230は、複数の別個のサーバ(たとえば、物理的に別個のサーバ、単一のサーバ上の異なるソフトウェアモジュール、複数の物理サーバにわたって広がる異なるソフトウェアモジュールなど)として実装され得、または代替として、各々が単一のサーバに対応してもよい。ロケーションサーバ230は、コアネットワークNGC210を介して、および/またはインターネット(図示せず)を介して、ロケーションサーバ230に接続できるUE204のための、1つまたは複数のロケーションサービスをサポートするように構成され得る。さらに、ロケーションサーバ230は、コアネットワークの構成要素の中に統合されてよく、または代替として、コアネットワークの外部にあってもよい。
様々な態様に従って、図2Bは、別の例示的なワイヤレスネットワーク構造250を示す。たとえば、NGC260(「5GC」とも呼ばれる)は、協働的に動作してコアネットワーク(すなわち、NGC260)を形成する、アクセスおよびモビリティ管理機能(AMF)/ユーザプレーン機能(UPF)264によって提供される制御プレーン機能、ならびにセッション管理機能(SMF)262によって提供されるユーザプレーン機能として機能的に見られ得る。ユーザプレーンインターフェース263および制御プレーンインターフェース265は、eNB224をNGC260に、詳細には、それぞれ、SMF262およびAMF/UPF264に接続する。追加の構成では、gNB222も、AMF/UPF264への制御プレーンインターフェース265およびSMF262へのユーザプレーンインターフェース263を介して、NGC260に接続されてよい。さらに、eNB224は、NGC260へのgNB直接接続性を伴うかまたは伴わずに、バックホール接続223を介してgNB222と直接通信し得る。いくつかの構成では、ニューRAN220は、1つまたは複数のgNB222しか有しないことがあるが、他の構成は、eNB224とgNB222の両方のうちの1つまたは複数を含む。gNB222またはeNB224のいずれかは、UE204(たとえば、図1に示すUEのうちのいずれか)と通信し得る。ニューRAN220の基地局は、N2インターフェースを介してAMF/UPF264のAMF側と、かつN3インターフェースを介してAMF/UPF264のUPF側と通信する。
AMFの機能は、登録管理、接続管理、到達可能性管理、モビリティ管理、合法的傍受、UE204とSMF262との間でのセッション管理(SM)メッセージのためのトランスポート、SMメッセージをルーティングするための透過型プロキシサービス、アクセス認証およびアクセス許可、UE204とショートメッセージサービス機能(SMSF)(図示せず)との間でのショートメッセージサービス(SMS)メッセージのためのトランスポート、ならびにセキュリティアンカー機能性(SEAF)を含む。AMFはまた、認証サーバ機能(AUSF)(図示せず)およびUE204と相互作用し、UE204認証プロセスの結果として確立された中間鍵を受信する。UMTS(ユニバーサルモバイル電気通信システム)加入者識別モジュール(USIM)に基づく認証の場合には、AMFはAUSFからセキュリティマテリアルを取り出す。AMFの機能はまた、セキュリティコンテキスト管理(SCM)を含む。SCMは、アクセスネットワーク固有鍵を導出するためにSCMが使用する鍵をSEAFから受信する。AMFの機能性はまた、規制上のサービスのためのロケーションサービス管理、UE204とロケーション管理機能(LMF)270との間での、ならびにニューRAN220とLMF270との間でのロケーションサービスメッセージのためのトランスポート、発展型パケットシステム(EPS)と相互作用するためのEPSベアラ識別子割振り、およびUE204モビリティイベント通知を含む。加えて、AMFは、非3GPPアクセスネットワーク(3GPPは登録商標)のための機能性もサポートする。
UPFの機能は、(適用可能なとき)RAT内/RAT間モビリティのためのアンカーポイントとして働くこと、データネットワーク(図示せず)への相互接続の外部プロトコルデータ単位(PDU)セッションポイントとして働くこと、パケットのルーティングおよび転送を行うこと、パケット検査、ユーザプレーンポリシー規則強制(たとえば、ゲーティング、リダイレクション、トラフィックステアリング)、合法的傍受(ユーザプレーン収集)、トラフィック使用報告、ユーザプレーンのためのサービス品質(QoS)処理(たとえば、UL/DLレート強制、DLにおける反射型QoSマーキング)、ULトラフィック検証(サービスデータフロー(SDF)からQoSフローへのマッピング)、ULおよびDLにおけるトランスポートレベルのパケットマーキング、DLパケットバッファリングおよびDLデータ通知トリガリング、ならびに1つまたは複数の「エンドマーカー」をソースRANノードへ送ることおよび転送することを含む。
SMF262の機能は、セッション管理、UEインターネットプロトコル(IP)アドレス割振りおよび管理、ユーザプレーン機能の選択および制御、適切な宛先にトラフィックをルーティングするための、UPFにおけるトラフィックステアリングの構成、ポリシー強制およびQoSの部分の制御、ならびにダウンリンクデータ通知を含む。SMF262がそれを介してAMF/UPF264のAMF側と通信するインターフェースは、N11インターフェースと呼ばれる。
別の随意の態様は、UE204にロケーション支援を提供するためにNGC260と通信していることがあるLMF270を含んでよい。LMF270は、複数の別個のサーバ(たとえば、物理的に別個のサーバ、単一のサーバ上の異なるソフトウェアモジュール、複数の物理サーバにわたって広がる異なるソフトウェアモジュールなど)として実装され得、または代替として、各々が単一のサーバに対応してもよい。LMF270は、コアネットワークNGC260を介して、および/またはインターネット(図示せず)を介して、LMF270に接続できるUE204のための、1つまたは複数のロケーションサービスをサポートするように構成され得る。
図3A、図3B、および図3Cは、本明細書で教示するようなファイル送信動作をサポートするために、(本明細書で説明するUEのうちのいずれかに相当し得る)UE302、(本明細書で説明する基地局のうちのいずれかに相当し得る)基地局304、および(ロケーションサーバ230およびLMF270を含む、本明細書で説明するネットワーク機能のうちのいずれかに相当し得るかまたはそれを具現し得る)ネットワークエンティティ306の中に組み込まれてよい、(対応するブロックによって表される)いくつかの例示的な構成要素を示す。これらの構成要素が、異なる実装形態で(たとえば、ASICで、システムオンチップ(SoC)でなど)異なるタイプの装置の中に実装され得ることが、諒解されよう。図示した構成要素はまた、通信システムの中の他の装置の中に組み込まれてよい。たとえば、システムの中の他の装置が、類似の機能性を提供するために、説明した構成要素と類似の構成要素を含んでよい。また、所与の装置が、構成要素のうちの1つまたは複数を含んでもよい。たとえば、装置は、装置が複数のキャリア上で動作することおよび/または異なる技術を介して通信することを可能にする複数のトランシーバ構成要素を含んでよい。
UE302および基地局304は各々、それぞれ、NRネットワーク、LTEネットワーク、GSMネットワークなどの、1つまたは複数のワイヤレス通信ネットワーク(図示せず)を介して通信するように構成された、ワイヤレスワイドエリアネットワーク(WWAN)トランシーバ310および350を含む。WWANトランシーバ310および350は、対象のワイヤレス通信媒体(たとえば、特定の周波数スペクトルの中の時間/周波数リソースのいくつかのセット)上で少なくとも1つの指定されたRAT(たとえば、NR、LTE、GSMなど)を介して他のUE、アクセスポイント、基地局(たとえば、eNB、gNB)などの、他のネットワークノードと通信するために、それぞれ、1つまたは複数のアンテナ316および356に接続され得る。WWANトランシーバ310および350は、指定されたRATに従って、それぞれ、信号318および358(たとえば、メッセージ、表示、情報など)を送信および符号化するために、また反対に、それぞれ、信号318および358(たとえば、メッセージ、表示、情報、パイロットなど)を受信および復号するために、様々に構成されてよい。詳細には、トランシーバ310および350は、それぞれ、信号318および358を送信および符号化するために、それぞれ、1つまたは複数の送信機314および354を、またそれぞれ、信号318および358を受信および復号するために、それぞれ、1つまたは複数の受信機312および352を含む。
UE302および基地局304はまた、少なくとも場合によっては、それぞれ、ワイヤレスローカルエリアネットワーク(WLAN)トランシーバ320および360を含む。WLANトランシーバ320および360は、対象のワイヤレス通信媒体上で少なくとも1つの指定されたRAT(たとえば、WiFi、LTE-D、Bluetooth(登録商標)など)を介して他のUE、アクセスポイント、基地局などの、他のネットワークノードと通信するために、それぞれ、1つまたは複数のアンテナ326および366に接続され得る。WLANトランシーバ320および360は、指定されたRATに従って、それぞれ、信号328および368(たとえば、メッセージ、表示、情報など)を送信および符号化するために、また反対に、それぞれ、信号328および368(たとえば、メッセージ、表示、情報、パイロットなど)を受信および復号するために、様々に構成されてよい。詳細には、トランシーバ320および360は、それぞれ、信号328および368を送信および符号化するために、それぞれ、1つまたは複数の送信機324および364を、またそれぞれ、信号328および368を受信および復号するために、それぞれ、1つまたは複数の受信機322および362を含む。
送信機および受信機を含むトランシーバ回路構成は、いくつかの実装形態では、(たとえば、単一の通信デバイスの送信機回路および受信機回路として具現される)統合デバイスを備えてよく、いくつかの実装形態では、別個の送信機デバイスおよび別個の受信機デバイスを備えてよく、または他の実装形態では、他の方法で具現されてもよい。一態様では、送信機は、本明細書で説明するように、それぞれの装置が送信「ビームフォーミング」を実行することを可能にするアンテナアレイなどの、複数のアンテナ(たとえば、アンテナ316、336、および376)を含んでよく、またはそれに結合されてもよい。同様に、受信機は、本明細書で説明するように、それぞれの装置が受信ビームフォーミングを実行することを可能にするアンテナアレイなどの、複数のアンテナ(たとえば、アンテナ316、336、および376)を含んでよく、またはそれに結合されてもよい。一態様では、送信機および受信機は、それぞれの装置が所与の時間において受信または送信のみができ、同じ時間においてその両方はできないような、複数の同じアンテナ(たとえば、アンテナ316、336、および376)を共有し得る。装置302および/または304のワイヤレス通信デバイス(たとえば、トランシーバ310および320ならびに/または350および360のうちの一方または両方)はまた、様々な測定を実行するためのネットワークリッスンモジュール(NLM)などを備えてよい。
装置302および304はまた、少なくとも場合によっては、衛星測位システム(SPS)受信機330および370を含む。SPS受信機330および370は、全地球測位システム(GPS)信号、全地球ナビゲーション衛星システム(GLONASS)信号、Galileo信号、Beidou信号、インド地域航法衛星システム(NAVIC)、Quasi-Zenith衛星システム(QZSS)などの、それぞれ、SPS信号338および378を受信するために、それぞれ、1つまたは複数のアンテナ336および376に接続され得る。SPS受信機330および370は、それぞれ、SPS信号338および378を受信および処理するための、任意の好適なハードウェアおよび/またはソフトウェアを備えてよい。SPS受信機330および370は、適宜に他のシステムに情報および動作を要求し、任意の好適なSPSアルゴリズムによって、取得された測定値を使用して装置302および304の位置を決定するために必要な計算を実行する。
基地局304およびネットワークエンティティ306は各々、他のネットワークエンティティと通信するための少なくとも1つのネットワークインターフェース380および390を含む。たとえば、ネットワークインターフェース380および390(たとえば、1つまたは複数のネットワークアクセスポート)は、ワイヤベースまたはワイヤレスのバックホール接続を介して1つまたは複数のネットワークエンティティと通信するように構成され得る。いくつかの態様では、ネットワークインターフェース380および390は、ワイヤベースまたはワイヤレスの信号通信をサポートするように構成されたトランシーバとして実装され得る。この通信は、たとえば、メッセージ、パラメータ、または他のタイプの情報を送ることおよび受信することに関与し得る。
装置302、304、および306はまた、本明細書で開示するような動作と連携して使用され得る他の構成要素を含む。UE302は、たとえば、本明細書で開示するような誤基地局(FBS:false base station)検出に関係する機能性を提供するための、および他の処理機能性を提供するための、処理システム332を実装する、プロセッサ回路構成を含む。基地局304は、たとえば、本明細書で開示するようなFBS検出に関係する機能性を提供するための、および他の処理機能性を提供するための、処理システム384を含む。ネットワークエンティティ306は、たとえば、本明細書で開示するようなFBS検出に関係する機能性を提供するための、および他の処理機能性を提供するための、処理システム394を含む。一態様では、処理システム332、384、および394は、たとえば、1つまたは複数の汎用プロセッサ、マルチコアプロセッサ、ASIC、デジタル信号プロセッサ(DSP)、フィールドプログラマブルゲートアレイ(FPGA)、または他のプログラマブル論理デバイスもしくは処理回路構成を含んでよい。
装置302、304、および306は、情報(たとえば、予約済みのリソース、しきい値、パラメータなどを示す情報)を維持するための、それぞれ、(たとえば、各々がメモリデバイスを含む)メモリ構成要素340、386、および396を実装するメモリ回路構成を含む。場合によっては、装置302、304、および306は、それぞれ、測定モジュール342および388を含んでよい。測定モジュール342および388は、実行されたとき、本明細書で説明する機能性を装置302、304、および306に実行させる、それぞれ、処理システム332、384、および394の一部であるかまたはそれに結合される、ハードウェア回路であってよい。代替として、測定モジュール342および388は、処理システム332、384、および394によって実行されたとき、本明細書で説明する機能性を装置302、304、および306に実行させる、それぞれ、メモリ構成要素340、386、および396の中に記憶される、(図3A～図3Cに示すような)メモリモジュールであってよい。
UE302は、WWANトランシーバ310、WLANトランシーバ320、および/またはGPS受信機330によって受信された信号から導出される動きデータから独立している動き情報および/または方位情報を提供するために、処理システム332に結合された1つまたは複数のセンサー344を含んでよい。例として、センサー344は、加速度計(たとえば、超小型電気機械システム(MEMS)デバイス)、ジャイロスコープ、地磁気センサー(たとえば、コンパス)、高度計(たとえば、気圧高度計)、および/または任意の他のタイプの動き検出センサーを含んでよい。その上、センサー344は、複数の異なるタイプのデバイスを含んでよく、動き情報を提供するためにそれらの出力を組み合わせてよい。たとえば、センサー344は、2Dおよび/または3D座標系における位置を算出するための能力を提供するために、多軸加速度計と方位センサーとの組合せを使用してよい。
加えて、UE302は、ユーザに表示(たとえば、音響表示および/または視覚表示)を提供するための、および/または(たとえば、キーパッド、タッチスクリーン、マイクロフォンなどの感知デバイスのユーザ作動時などに)ユーザ入力を受け取るための、ユーザインターフェース346を含む。図示しないが、装置304および306もユーザインターフェースを含んでよい。
より詳細に処理システム384を参照すると、ダウンリンクでは、ネットワークエンティティ306からのIPパケットが処理システム384に提供され得る。処理システム384は、RRCレイヤ、パケットデータコンバージェンスプロトコル(PDCP)レイヤ、無線リンク制御(RLC)レイヤ、および媒体アクセス制御(MAC)レイヤのための機能性を実施し得る。処理システム384は、システム情報(たとえば、マスタ情報ブロック(MIB)、システム情報ブロック(SIB))のブロードキャスティング、RRC接続制御(たとえば、RRC接続ページング、RRC接続確立、RRC接続修正、およびRRC接続解放)、RAT間モビリティ、およびUE測定報告のための測定構成に関連する、RRCレイヤ機能性と、ヘッダ圧縮/解凍、セキュリティ(暗号化、解読、完全性保護、完全性検証)、およびハンドオーバサポート機能に関連する、PDCPレイヤ機能性と、上位レイヤパケットデータ単位(PDU)の転送、ARQを通じた誤り訂正、RLCサービスデータ単位(SDU)の連結、セグメント化、およびリアセンブリ、RLCデータPDUの再セグメント化、ならびにRLCデータPDUの並べ替えに関連する、RLCレイヤ機能性と、論理チャネルとトランスポートチャネルとの間のマッピング、スケジューリング情報報告、誤り訂正、優先度処理、および論理チャネル優先度付けに関連する、MACレイヤ機能性とを提供し得る。
送信機354および受信機352は、様々な信号処理機能に関連するレイヤ1機能性を実施し得る。物理(PHY)レイヤを含むレイヤ1は、トランスポートチャネル上での誤り検出、トランスポートチャネルの前方誤り訂正(FEC)コーディング/復号、インターリービング、レートマッチング、物理チャネル上へのマッピング、物理チャネルの変調/復調、およびMIMOアンテナ処理を含んでよい。送信機354は、様々な変調方式(たとえば、2位相シフトキーイング(BPSK)、4位相シフトキーイング(QPSK)、M位相シフトキーイング(M-PSK)、M相直交振幅変調(M-QAM))に基づく信号コンスタレーションへのマッピングを扱う。コーディングおよび変調されたシンボルは、次いで、並列ストリームに分割され得る。各ストリームは、次いで、直交周波数分割多重化(OFDM)サブキャリアにマッピングされ、時間領域および/または周波数領域において基準信号(たとえば、パイロット)と多重化され、次いで、逆高速フーリエ変換(IFFT)を使用して一緒に合成されて、時間領域OFDMシンボルストリームを搬送する物理チャネルを生成し得る。OFDMストリームは、複数の空間ストリームを生成するために空間的にプリコーディングされる。チャネル推定器からのチャネル推定値は、コーディングおよび変調方式を決定するために、ならびに空間処理のために、使用され得る。チャネル推定値は、UE302によって送信された基準信号および/またはチャネル条件フィードバックから導出され得る。各空間ストリームは、次いで、1つまたは複数の異なるアンテナ356に提供され得る。送信機354は、送信のためにそれぞれの空間ストリームを用いてRFキャリアを変調し得る。
UE302において、受信機312は、そのそれぞれのアンテナ316を通じて信号を受信する。受信機312は、RFキャリア上に変調された情報を復元し、その情報を処理システム332に提供する。送信機314および受信機312は、様々な信号処理機能に関連するレイヤ1機能性を実施する。受信機312は、UE302に向けられた任意の空間ストリームを復元するために、情報に対して空間処理を実行し得る。複数の空間ストリームは、UE302に向けられている場合、受信機312によって単一のOFDMシンボルストリームに合成され得る。受信機312は、次いで、高速フーリエ変換(FFT)を使用してOFDMシンボルストリームを時間領域から周波数領域に変換する。周波数領域信号は、OFDM信号のサブキャリアごとに別個のOFDMシンボルストリームを備える。各サブキャリア上のシンボル、および基準信号は、基地局304によって送信された可能性が最も高い信号コンスタレーションポイントを決定することによって、復元および復調される。これらの軟判定は、チャネル推定器によって算出されたチャネル推定値に基づいてよい。軟判定は、次いで、復号およびデインターリーブされて、物理チャネル上で基地局304によって最初に送信されたデータおよび制御信号を復元する。データおよび制御信号は、次いで、レイヤ3機能性およびレイヤ2機能性を実施する処理システム332に提供される。
ULでは、処理システム332は、トランスポートチャネルと論理チャネルとの間の多重化解除、パケットリアセンブリ、解読、ヘッダ解凍、および制御信号処理を行って、コアネットワークからのIPパケットを復元する。処理システム332はまた、誤り検出を担当する。
基地局304によるDL送信に関して説明した機能性と同様に、処理システム332は、システム情報(たとえば、MIB、SIB)獲得、RRC接続、および測定報告に関連する、RRCレイヤ機能性と、ヘッダ圧縮/解凍およびセキュリティ(暗号化、解読、完全性保護、完全性検証)に関連する、PDCPレイヤ機能性と、上位レイヤPDUの転送、ARQを通じた誤り訂正、RLC SDUの連結、セグメント化、およびリアセンブリ、RLCデータPDUの再セグメント化、ならびにRLCデータPDUの並べ替えに関連する、RLCレイヤ機能性と、論理チャネルとトランスポートチャネルとの間のマッピング、トランスポートブロック(TB)上へのMAC SDUの多重化、TBからのMAC SDUの多重化解除、スケジューリング情報報告、HARQを通じた誤り訂正、優先度処理、および論理チャネル優先度付けに関連する、MACレイヤ機能性とを提供する。
基地局304によって送信された基準信号またはフィードバックからチャネル推定器によって導出されるチャネル推定値は、適切なコーディングおよび変調方式を選択するために、および空間処理を容易にするために、送信機314によって使用され得る。送信機314によって生成された空間ストリームは、異なるアンテナ316に提供され得る。送信機314は、送信のためにそれぞれの空間ストリームを用いてRFキャリアを変調し得る。
UL送信は、UE302における受信機機能に関して説明したものと同様の方法で基地局304において処理される。受信機352は、そのそれぞれのアンテナ356を通じて信号を受信する。受信機352は、RFキャリア上に変調された情報を復元し、その情報を処理システム384に提供する。
ULでは、処理システム384は、トランスポートチャネルと論理チャネルとの間の多重化解除、パケットリアセンブリ、解読、ヘッダ解凍、制御信号処理を行って、UE302からのIPパケットを復元する。処理システム384からのIPパケットは、コアネットワークに提供され得る。処理システム384はまた、誤り検出を担当する。
便宜上、装置302、304、および/または306は、本明細書で説明する様々な例に従って構成され得る様々な構成要素を含むものとして図3A～図3Cに示される。しかしながら、図示したブロックが、異なる設計において異なる機能性を有し得ることが、諒解されよう。
装置302、304、および306の様々な構成要素は、それぞれ、データバス334、382、および392を介して互いに通信し得る。図3A～図3Cの構成要素は、様々な方法で実装され得る。いくつかの実装形態では、図3A～図3Cの構成要素は、たとえば、1つもしくは複数のプロセッサおよび/または(1つまたは複数のプロセッサを含み得る)1つもしくは複数のASICなどの、1つまたは複数の回路の中に実装され得る。ここで、各回路は、この機能性を提供するために回路によって使用される情報または実行可能コードを記憶するための少なくとも1つのメモリ構成要素を使用することおよび/または組み込むことがある。たとえば、ブロック310～346によって表される機能性の一部または全部は、(たとえば、適切なコードの実行によって、および/またはプロセッサ構成要素の適切な構成によって)UE302のプロセッサおよびメモリ構成要素によって実施され得る。同様に、ブロック350～388によって表される機能性の一部または全部は、(たとえば、適切なコードの実行によって、および/またはプロセッサ構成要素の適切な構成によって)基地局304のプロセッサおよびメモリ構成要素によって実施され得る。また、ブロック390～396によって表される機能性の一部または全部は、(たとえば、適切なコードの実行によって、および/またはプロセッサ構成要素の適切な構成によって)ネットワークエンティティ306のプロセッサおよびメモリ構成要素によって実施され得る。簡単のために、様々な動作、行為、および/または機能は、「UEによって」、「基地局によって」、「測位エンティティによって」などで実行されるものとして本明細書で説明される。しかしながら、諒解されるように、そのような動作、行為、および/または機能は、実際には処理システム332、384、394、トランシーバ310、320、350、および360、メモリ構成要素340、386、および396、測定モジュール342および388などの、UE、基地局、測位エンティティなどの特定の構成要素または構成要素の組合せによって実行されてよい。
図4Aは、本開示の態様による、DLフレーム構造の一例を示す図400である。図4Bは、本開示の態様による、DLフレーム構造内のチャネルの一例を示す図430である。他のワイヤレス通信技術は、異なるフレーム構造および/または異なるチャネルを有してよい。
LTE、および場合によってはNRは、ダウンリンク上でOFDMを、またアップリンク上でシングルキャリア周波数分割多重化(SC-FDM)を利用する。しかしながら、LTEとは異なり、NRはアップリンク上で同じくOFDMを使用するためのオプションを有する。OFDMおよびSC-FDMは、システム帯域幅を、通常、トーン、ビンなどとも呼ばれる、複数の(K本の)直交サブキャリアに区分する。各サブキャリアは、データを用いて変調されてよい。概して、変調シンボルは、OFDMを用いて周波数領域において、またSC-FDMを用いて時間領域において送られる。隣接するサブキャリア間の間隔は固定されてよく、サブキャリアの総数(K本)はシステム帯域幅に依存し得る。たとえば、サブキャリアの間隔は15kHzであってよく、最小リソース割振り(リソースブロック)は12本のサブキャリア(すなわち、180kHz)であってよい。したがって、公称FFTサイズは、それぞれ、1.25、2.5、5、10、または20メガヘルツ(MHz)のシステム帯域幅に対して、128、256、512、1024、または2048に等しくてよい。システム帯域幅はまた、サブバンドに区分されてよい。たとえば、サブバンドは1.08MHz(すなわち、6個のリソースブロック)をカバーしてよく、それぞれ、1.25、2.5、5、10、または20MHzのシステム帯域幅に対して、1、2、4、8、または16個のサブバンドがあり得る。
LTEは、単一のヌメロロジー(サブキャリア間隔、シンボル長など)をサポートする。対照的に、NRは複数のヌメロロジーをサポートしてよく、たとえば、15kHz、30kHz、60kHz、120kHz、および204kHz、またはそれを超えるサブキャリア間隔が利用可能であってよい。以下に提供されるTable 1(表1)は、異なるNRヌメロロジーに対するいくつかの様々なパラメータを列挙する。
図4Aおよび図4Bの例では、15kHzのヌメロロジーが使用される。したがって、時間領域において、フレーム(たとえば、10ms)は、各々が1msの、サイズが等しい10個のサブフレームに分割され、各サブフレームは1つのタイムスロットを含む。図4Aおよび図4Bでは、時間が左から右に増大して時間が水平に(たとえば、X軸上に)表され、周波数が下から上に高く(または、低く)なって周波数が垂直に(たとえば、Y軸上に)表される。
タイムスロットを表すためにリソースグリッドが使用されてよく、各タイムスロットは、周波数領域において1つまたは複数の時間並行のリソースブロック(RB)(物理RB(PRB)とも呼ばれる)を含む。リソースグリッドは、複数のリソース要素(RE)にさらに分割される。REは、時間領域において1シンボル長に、また周波数領域において1本のサブキャリアに対応し得る。図4Aおよび図4Bのヌメロロジーでは、ノーマルサイクリックプレフィックスの場合、RBは、合計84個のREを得るために、周波数領域において12本の連続するサブキャリアを、かつ時間領域において7個の連続するシンボル(DLの場合はOFDMシンボル、ULの場合はSC-FDMAシンボル)を含んでよい。拡張サイクリックプレフィックスの場合、RBは、合計で72個のREを得るために、周波数領域において12本の連続するサブキャリアを、かつ時間領域において6個の連続するシンボルを含んでよい。各REによって搬送されるビット数は、変調方式に依存する。
図4Aに示すように、REのうちのいくつかは、UEにおけるチャネル推定のためのDL基準(パイロット)信号(DL-RS)を搬送する。DL-RSは、復調基準信号(DMRS)およびチャネル状態情報基準信号(CSI-RS)を含んでよく、その例示的なロケーションが図4Aでは「R」とラベル付けされる。
図4Bは、フレームのDLサブフレーム内の様々なチャネルの一例を示す。物理ダウンリンク制御チャネル(PDCCH)は、1つまたは複数の制御チャネル要素(CCE)内でDL制御情報(DCI)を搬送し、各CCEは9個のREグループ(REG)を含み、各REGはOFDMシンボルの中で4個の連続するREを含む。DCIは、(永続的および非永続的な)ULリソース割振りについての情報、およびUEへ送信されるDLデータについての記述を搬送する。複数の(たとえば、8個までの)DCIがPDCCHの中に構成され得、これらのDCIは複数のフォーマットのうちの1つを有することができる。たとえば、ULスケジューリングに対して、非MIMO DLスケジューリングに対して、MIMO DLスケジューリングに対して、およびUL電力制御に対して、様々なDCIフォーマットがある。
サブフレーム/シンボルタイミングおよび物理レイヤ識別情報を決定するために、UEによって1次同期信号(PSS)が使用される。物理レイヤセル識別情報グループ番号および無線フレームタイミングを決定するために、UEによって2次同期信号(SSS)が使用される。物理レイヤ識別情報および物理レイヤセル識別情報グループ番号に基づいて、UEはPCIを決定することができる。PCIに基づいて、UEは上述のDL-RSのロケーションを決定することができる。MIBを搬送する物理ブロードキャストチャネル(PBCH)は、SSB(SS/PBCHとも呼ばれる)を形成するために、PSSおよびSSSとともに論理的にグループ化されてよい。MIBは、DLシステム帯域幅の中のRBの数、およびシステムフレーム番号(SFN)を提供する。物理ダウンリンク共有チャネル(PDSCH)は、ユーザデータ、システム情報ブロック(SIB)などのPBCHを通じて送信されないブロードキャストシステム情報、およびページングメッセージを搬送する。
場合によっては、図4Aに示すDL RSは、測位基準信号(PRS)であってよい。図5は、(基地局102などの)ワイヤレスノードによってサポートされるセルのための例示的なPRS構成500を示す。図5は、システムフレーム番号(SFN)、セル固有サブフレームオフセット(ΔPRS)552、およびPRS周期性(TPRS)520によって、PRS測位オケージョンがどのように決定されるのかを示す。通常、セル固有PRSサブフレーム構成は、観測到達時間差(OTDOA)支援データの中に含まれる「PRS構成インデックス」IPRSによって規定される。PRS周期性(TPRS)520およびセル固有サブフレームオフセット(ΔPRS)は、以下のTable 2(表2)に示すようにPRS構成インデックスIPRSに基づいて規定される。
PRS構成は、PRSを送信するセルのSFNに関して規定される。最初のPRS測位オケージョンを備えるNPRS個のダウンリンクサブフレームの最初のサブフレームに対するPRSインスタンスは、以下を満たしてよい。
ただし、nfは0≦nf≦1023であってSFNであり、nsは0≦ns≦19であって、nfによって規定される無線フレーム内でのスロット番号であり、TPRSはPRS周期性520であり、ΔPRSはセル固有サブフレームオフセット552である。
図5に示すように、セル固有サブフレームオフセットΔPRS552は、システムフレーム番号0(スロット550としてマークされるスロット「番号0」)から始めて、(後続の)最初のPRS測位オケージョンの開始までの、送信されるサブフレームの数に関して規定され得る。図5における例では、連続するPRS測位オケージョン518a、518b、および518cの各々の中の連続する測位サブフレームの数(NPRS)は、4に等しい。すなわち、PRS測位オケージョン518a、518b、および518cを表す影付きの各ブロックは、4つのサブフレームを表す。
いくつかの態様では、特定のセルに対するOTDOA支援データの中でUEがPRS構成インデックスIPRSを受信すると、UEは、Table 2(表2)を使用してPRS周期性TPRS520およびPRSサブフレームオフセットΔPRSを決定してよい。UEは、次いで、セルの中で(たとえば、式(1)を使用して)PRSがスケジュールされるときの無線フレーム、サブフレーム、およびスロットを決定してよい。OTDOA支援データは、たとえば、ロケーションサーバ(たとえば、ロケーションサーバ230、LMF270)によって決定されてよく、基準セル、および様々な基地局によってサポートされるいくつかの隣接セルのための、支援データを含む。
通常、同じ周波数を使用する、ネットワークの中のすべてのセルからのPRSオケージョンは、時間的に位置合わせされ、異なる周波数を使用する、ネットワークの中の他のセルに対する、知られている固定の時間オフセット(たとえば、セル固有サブフレームオフセット552)を有してよい。SFN同期ネットワークでは、すべてのワイヤレスノード(たとえば、基地局102)が、フレーム境界とシステムフレーム番号の両方において位置合わせされ得る。したがって、SFN同期ネットワークでは、様々なワイヤレスノードによってサポートされるすべてのセルは、PRS送信の任意の特定の周波数に対して同じPRS構成インデックスを使用してよい。一方、SFN非同期ネットワークでは、様々なワイヤレスノードは、フレーム境界において位置合わせされ得るが、システムフレーム番号においては位置合わせされないことがある。したがって、SFN非同期ネットワークでは、セルごとのPRS構成インデックスは、PRSオケージョンが時間的に位置合わせするようにネットワークによって別個に構成されてよい。
UEが、セルのうちの少なくとも1つ、たとえば、基準セルまたはサービングセルの、セルタイミング(たとえば、SFN)を取得できる場合、UEは、OTDOA測位のための基準セルおよび隣接セルのPRSオケージョンのタイミングを決定してよい。他のセルのタイミングが、次いで、たとえば、異なるセルからのPRSオケージョンが重複するという想定に基づいて、UEによって導出され得る。
PRSの送信のために使用されるリソース要素の集合は、「PRSリソース」と呼ばれる。リソース要素の集合は、周波数領域において複数のPRBに、および時間領域においてスロット430内のN個(たとえば、1つまたは複数)の連続するシンボル460に及び得る。所与のOFDMシンボル460では、PRSリソースは連続するPRBを占有する。PRSリソースは、少なくとも以下のパラメータ、すなわち、PRSリソース識別子(ID)、シーケンスID、コムサイズN、周波数領域におけるリソース要素オフセット、開始スロットおよび開始シンボル、PRSリソース当たりのシンボル数(すなわち、PRSリソースの持続時間)、ならびにQCL情報(たとえば、他のDL基準信号とのQCL)によって表される。いくつかの設計では、1つのアンテナポートがサポートされる。コムサイズは、PRSを搬送する各シンボルの中のサブキャリアの本数を示す。たとえば、コム4というコムサイズは、所与のシンボルの4本ごとのサブキャリアがPRSを搬送することを意味する。
「PRSリソースセット」は、PRS信号の送信のために使用されるRSリソースのセットであり、各PRSリソースは、PRSリソースIDを有する。加えて、PRSリソースセット内のPRSリソースは、同じ送受信ポイント(TRP)に関連する。PRSリソースセット内のPRSリソースIDは、単一のTRPから送信される単一のビームに関連する(TRPは1つまたは複数のビームを送信し得る)。すなわち、PRSリソースセットの各PRSリソースは、異なるビーム上で送信されてもよく、したがって、「PRSリソース」は、「ビーム」と呼ばれることもある。これは、PRSが送信されるTRPおよびビームがUEに知られているかどうかに何ら影響を及ぼさないことに留意されたい。「PRSオケージョン」は、PRSが送信されることが予想される周期的に繰り返される時間ウィンドウ(たとえば、1つまたは複数の連続するスロットのグループ)の1つのインスタンスである。PRSオケージョンは、「PRS測位オケージョン」、「測位オケージョン」、または単に「オケージョン」と呼ばれることもある。
「測位基準信号」および「PRS」という用語は、時として、LTEまたはNRシステムにおける測位に使用される特定の基準信号を指すことがあることに留意されたい。しかしながら、本明細書で使用される場合、特に示されない限り、「測位基準信号」および「PRS」という用語は、限定はしないが、LTEまたはNRにおけるPRS信号、5Gにおけるナビゲーション基準信号(NRS)、送信機基準信号(TRS)、セル固有基準信号(CRS)、チャネル状態情報基準信号(CSI-RS)、1次同期信号(PSS)、2次同期信号(SSS)、SSBなど、測位のために使用することができる任意のタイプの基準信号を指す。
SRSは、基地局が各ユーザのチャネル状態情報(CSI)を取得するのを助けるためにUEが送信するアップリンク専用信号である。チャネル状態情報は、RF信号がUEから基地局までどのように伝搬するのかを表し、散乱、フェージング、および距離に伴う電力減衰の、組み合わせられた影響を表す。システムは、リソーススケジューリング、リンク適応、マッシブMIMO、ビーム管理などのためにSRSを使用する。
SRSリソース内の新たな千鳥状パターン、SRSのための新たなコムタイプ、SRSのための新たなシーケンス、コンポーネントキャリア当たりもっと多数のSRSリソースセット、およびコンポーネントキャリア当たりもっと多数のSRSリソースなどの、SRSの以前の規定を越えるいくつかの拡張が、測位用SRS(SRS-P)に対して提案されている。加えて、パラメータ「SpatialRelationInfo」および「PathLossReference」が、隣接TRPからのDL RSに基づいて構成されることになる。依然としてさらに、1つのSRSリソースが、アクティブな帯域幅部分(BWP)の外側で送信されてよく、1つのSRSリソースが、複数のコンポーネントキャリアにわたって広がってよい。最後に、UEは、UL-AoAのために複数のSRSリソースから同じ送信ビームを通じて送信してよい。これらのすべては、RRC上位レイヤシグナリングを通じて構成される(かつ潜在的にトリガされるかまたはMAC制御要素(CE)もしくはダウンリンク制御情報(DCI)を通じてアクティブ化される)、現在のSRSフレームワークに追加される特徴である。
上述のように、NR内のSRSは、アップリンク無線チャネルをサウンディングする目的のために使用される、UEによって送信される、UE固有に構成された基準信号である。CSI-RSと同様に、そのようなサウンディングは、様々なレベルの無線チャネル特性の知識をもたらす。一方の極端な例として、SRSは、たとえばULビーム管理の目的で、単に信号強度の測定結果を取得するためにgNBにおいて使用され得る。その一方で、SRSは、周波数、時間、および空間の関数として詳細な振幅および位相の推定を得るために、gNBにおいて使用され得る。NRでは、SRSによるチャネルサウンディングは、LTEと比較してより多様な使用事例のセットをサポートする(たとえば、相反性ベースのgNB送信ビームフォーミング(ダウンリンクMIMO)のためのダウンリンクCSI獲得、アップリンクMIMOのためのリンク適応およびコードブック/非コードブックベースのプリコーディング、アップリンクビーム管理などのためのアップリンクCSI獲得)。
SRSは、様々なオプションを使用して構成することができる。SRSリソースの時間/周波数マッピングは、以下の特性によって定義される。
・ 時間長Nsymb SRS-SRSリソースの時間長は、スロット当たり単一のOFDMシンボルしか許容しないLTEとは対照的に、スロット内の1個、2個、または4個の連続するOFDMシンボルであり得る。
・ 開始シンボル位置l0-SRSリソースの開始シンボルは、リソースがスロットの最後の境界をまたがない限り、スロットの最後の6個のOFDMシンボル内のどこに位置していてもよい。
・ 反復係数R-周波数ホッピングを用いて構成されるSRSリソースに対するものであり、反復は、次のホップが発生する前にR個の連続するOFDMシンボルにおいてサブキャリアの同じセットがサウンディングされることを可能にする(本明細書で使用する「ホップ」は、特に周波数ホップを指す)。たとえば、Rの値は、1、2、4であり、R≦Nsymb SRSである。
・ 送信コム間隔KTCおよびコムオフセットkTC -SRSリソースは、周波数領域のコム構造のリソース要素(RE)を占有し得、コム間隔はLTEにおけるように2個のREまたは4個のREのいずれかである。そのような構造は、異なるコム上の同じまたは異なるユーザの異なるSRSリソースの周波数領域多重化を可能にし、異なるコムは整数個のREによって互いにオフセットされる。コムオフセットは、PRB境界に関して定義され、範囲0個、1個、...、KTC-1個のREの中の値をとり得る。したがって、コム間隔KTC=2では、必要であれば多重化のために利用可能な2つの異なるコムがあり、コム間隔KTC=4では、4つの異なる利用可能なコムがある。
・ 周期的/半持続的SRSの場合の周期性およびスロットオフセット。
・ 帯域幅部分内のサウンディング帯域幅。
・ 時間長Nsymb SRS-SRSリソースの時間長は、スロット当たり単一のOFDMシンボルしか許容しないLTEとは対照的に、スロット内の1個、2個、または4個の連続するOFDMシンボルであり得る。
・ 開始シンボル位置l0-SRSリソースの開始シンボルは、リソースがスロットの最後の境界をまたがない限り、スロットの最後の6個のOFDMシンボル内のどこに位置していてもよい。
・ 反復係数R-周波数ホッピングを用いて構成されるSRSリソースに対するものであり、反復は、次のホップが発生する前にR個の連続するOFDMシンボルにおいてサブキャリアの同じセットがサウンディングされることを可能にする(本明細書で使用する「ホップ」は、特に周波数ホップを指す)。たとえば、Rの値は、1、2、4であり、R≦Nsymb SRSである。
・ 送信コム間隔KTCおよびコムオフセットkTC -SRSリソースは、周波数領域のコム構造のリソース要素(RE)を占有し得、コム間隔はLTEにおけるように2個のREまたは4個のREのいずれかである。そのような構造は、異なるコム上の同じまたは異なるユーザの異なるSRSリソースの周波数領域多重化を可能にし、異なるコムは整数個のREによって互いにオフセットされる。コムオフセットは、PRB境界に関して定義され、範囲0個、1個、...、KTC-1個のREの中の値をとり得る。したがって、コム間隔KTC=2では、必要であれば多重化のために利用可能な2つの異なるコムがあり、コム間隔KTC=4では、4つの異なる利用可能なコムがある。
・ 周期的/半持続的SRSの場合の周期性およびスロットオフセット。
・ 帯域幅部分内のサウンディング帯域幅。
低レイテンシ測位の場合、gNBは、DCIを介してUL SRS-Pをトリガし得る(たとえば、送信されたSRS-Pは、いくつかのgNBがSRS-Pを受信することを可能にするための反復またはビーム掃引を含み得る)。代替として、gNBは、非周期的PRS送信に関する情報をUEへ送り得る(たとえば、この構成は、UEが測位(UEベース)または報告(UE支援)のためにタイミング計算を実行することを可能にするために、複数のgNBからのPRSに関する情報を含み得る)。本開示の様々な態様は、DL PRSベースの測位プロシージャに関するが、そのような態様のいくつかまたはすべては、UL SRS-Pベースの測位プロシージャにも適用され得る。
「サウンディング基準信号」、「SRS」、および「SRS-P」という用語は、時として、LTEまたはNRシステムにおける測位に使用される特定の基準信号を指すことがあることに留意されたい。しかしながら、本明細書で使用される場合、特に示されない限り、「サウンディング基準信号」、「SRS」、および「SRS-P」という用語は、限定はしないが、LTEまたはNRにおけるSRS信号、5Gにおけるナビゲーション基準信号(NRS)、送信機基準信号(TRS)、測位のためのランダムアクセスチャネル(RACH)信号(たとえば、4ステップRACHプロシージャのMsg-1、または2ステップRACHプロシージャのMsg-AなどのRACHプリアンブル)などの、測位のために使用できる任意のタイプの基準信号を指す。
3GPP(登録商標)Rel.16は、1つまたは複数のUL PRSまたはDL PRSに関連する測定を伴う測位方式のロケーション確度を高めることを対象とする、様々なNR測位態様を導入した(たとえば、より大きい帯域幅(BW)、FR2ビーム掃引、到来角(AoA)測定および離脱角(AoD)測定などの角度ベースの測定、マルチセルラウンドトリップ時間(RTT)測定など)。レイテンシ低減が優先事項である場合、UEベースの測位技法(たとえば、ULロケーション測定報告を伴わないDLのみの技法)が、通常は使用される。しかしながら、レイテンシがあまり問題とならない場合、UE支援型測位技法が使用され得、それによって、UEが測定したデータがネットワークエンティティ(たとえば、ロケーションサーバ230、LMF270など)に報告される。UE支援型測位技法に関連するレイテンシは、RANの中でLMFを実施することによっていくぶん低減され得る。
レイヤ3(L3)シグナリング(たとえば、RRCまたはロケーション測位プロトコル(LPP))は、通常、UE支援型測位技法に関連するロケーションベースのデータを備える報告をトランスポートするために使用される。L3シグナリングは、レイヤ1(L1、すなわち、PHYレイヤ)シグナリングまたはレイヤ2(L2、すなわち、MACレイヤ)シグナリングと比較して、相対的に大きいレイテンシ(たとえば、100msを超える)に関連する。場合によっては、ロケーションベースの報告のためのUEとRANとの間のもっと小さいレイテンシ(たとえば、100ms未満、10ms未満など)が望まれることがある。そのような場合、L3シグナリングは、これらのもっと小さいレイテンシレベルに達することができない場合がある。測位測定のL3シグナリングは、以下の任意の組合せを含み得る。
・ 1つもしくは複数のTOA、TDOA、RSRP、もしくはRx-Tx測定値、
・ 1つもしくは複数のAoA/AoD(たとえば、現在gNB->LMFがDL AoAおよびUL AoDを報告する場合のみ合意されている)測定値、
・ 1つもしくは複数のマルチパス報告測定値、たとえば、パスごとのToA、RSRP、AoA/AoD(たとえば、現在、LTEにおいて許可されるパスごとのToAのみ)
・ 1つもしくは複数の動き状態(たとえば、歩行、運転など)および軌跡(たとえば、現在UEの場合)、ならびに/または
・ 1つもしくは複数の報告品質表示。
・ 1つもしくは複数のTOA、TDOA、RSRP、もしくはRx-Tx測定値、
・ 1つもしくは複数のAoA/AoD(たとえば、現在gNB->LMFがDL AoAおよびUL AoDを報告する場合のみ合意されている)測定値、
・ 1つもしくは複数のマルチパス報告測定値、たとえば、パスごとのToA、RSRP、AoA/AoD(たとえば、現在、LTEにおいて許可されるパスごとのToAのみ)
・ 1つもしくは複数の動き状態(たとえば、歩行、運転など)および軌跡(たとえば、現在UEの場合)、ならびに/または
・ 1つもしくは複数の報告品質表示。
より最近では、L1およびL2シグナリングは、PRSベースの報告と関連して使用することが企図されている。たとえば、L1およびL2シグナリングは、CSI報告(たとえば、チャネル品質表示(CQI)、プリコーディングマトリクスインジケータ(PMI)、レイヤインジケータ(Li)、L1-RSRPなどの報告)をトランスポートするために、いくつかのシステムにおいて現在使用されている。CSI報告は、(たとえば、関連する規格によって定義された)既定の順序のフィールドのセットを備え得る。(たとえば、PUSCHまたはPUCCH上の)単一のUL送信は、既定の優先度(たとえば、関連する規格によって定義される)に従って配置される、本明細書では「下位報告」と呼ばれる、複数の報告を含み得る。いくつかの設計では、既定の順序は、関連する下位報告周期性(たとえば、PUSCH/PUCCH上の非周期的/半持続的/周期的(A/SP/P))、測定タイプ(たとえば、L1-RSRPかどうか)、サービングセルインデックス(たとえば、キャリアアグリゲーション(CA)の場合)、およびreportconfigIDに基づき得る。2パートCSI報告では、すべての報告のパート1は一緒にグループ化され、パート2は別々にグループ化され、各グループは別々に符号化される(たとえば、パート1ペイロードサイズは構成パラメータに基づいて固定され、一方、パート2サイズは可変であり、構成パラメータ、および関連するパート1コンテンツに依存する)。符号化およびレートマッチングの後に出力されるコーディングされたビット/シンボルの数は、関連する規格ごとに、入力ビットの数およびベータ係数に基づいて計算される。リンク(たとえば、時間オフセット)は、測定されるRSのインスタンスと対応する報告との間で定義される。いくつかの設計では、L1およびL2シグナリングを使用するPRSベースの測定データのCSIのような報告が実装され得る。
図6は、本開示の様々な態様による例示的なワイヤレス通信システム600を示す。図6の例では、図1に関して上述したUE(たとえば、UE104、UE182、UE190など)のうちのいずれかに相当し得るUE604は、その位置の推定値を計算すること、またはその位置の推定値を計算するように別のエンティティ(たとえば、基地局またはコアネットワーク構成要素、別のUE、ロケーションサーバ、サードパーティアプリケーションなど)を支援することを試みている。UE604は、RF信号、ならびにRF信号の変調および情報パケットの交換のための規格化されたプロトコルを使用して、図1における基地局102もしくは180、および/またはWLAN AP150の任意の組合せに対応し得る複数の基地局602a-d(集合的に、基地局602)とワイヤレス通信し得る。交換されたRF信号から異なるタイプの情報を抽出すること、およびワイヤレス通信システム600のレイアウト(すなわち、基地局ロケーション、幾何学的配置など)を利用することによって、UE604は、既定の基準座標系において、その位置を決定し得るか、またはその位置の決定を支援し得る。一態様では、UE604は、2次元座標系を使用してその位置を指定し得るが、本明細書で開示する態様はそのように限定されず、追加の次元が望まれる場合、3次元座標系を使用して位置を決定することにも適用可能であり得る。追加として、図6は1つのUE604および4つの基地局602を示すが、諒解されるように、もっと多数のUE604、およびもっと多数または少数の基地局602があってよい。
位置推定をサポートするために、基地局602は、それらのカバレージエリア内のUE604へ基準RF信号(たとえば、測位基準信号(PRS)、セル固有基準信号(CRS)、チャネル状態情報基準信号(CSI-RS)、同期信号など)をブロードキャストして、UE604がネットワークノードのペア間の基準RF信号タイミング差(たとえば、OTDOAまたはRSTD)を測定し、かつ/またはUE604と送信基地局602との間のLOSもしくは最短無線経路を最良に励起するビームを識別することを可能にするように構成され得る。LOS/最短経路ビームを識別することは、これらのビームが、基地局602のペア間のOTDOA測定のために続いて使用することができるだけでなく、これらのビームを識別することが、ビーム方向に基づいて何らかの測位情報を直接提供することができるので、重要である。さらに、これらのビームは、その後、ラウンドトリップ時間推定に基づく方法など、正確なToAを必要とする他の位置推定方法のために使用され得る。
本明細書で使用する「ネットワークノード」は、基地局602、基地局602のセル、リモート無線ヘッド、基地局602のアンテナであり得、基地局602のアンテナのロケーションは、基地局602自体のロケーション、または基準信号を送信することが可能な任意の他のネットワークエンティティとは異なる。さらに、本明細書で使用する「ノード」は、ネットワークノードまたはUEのいずれかを指し得る。
ロケーションサーバ(たとえば、ロケーションサーバ230)は、基地局602の1つまたは複数の隣接セルの識別と、各隣接セルによって送信された基準RF信号のための構成情報とを含む支援データをUE604に送り得る。代替として、支援データは、(たとえば、周期的にブロードキャストされたオーバーヘッドメッセージなどにおいて)基地局602自体から直接発信することができる。代替として、UE604は、支援データを使用せずに基地局602の隣接セルを検出することができる。UE604は、(たとえば、提供される場合、支援データに部分的に基づいて)個々のネットワークノードからのOTDOAおよび/またはネットワークノードのペアから受信される基準RF信号間のRSTDを測定および(随意に)報告することができる。これらの測定値および測定されたネットワークノード(すなわち、UE604が測定した基準RF信号を送信した基地局602またはアンテナ)の既知のロケーションを使用して、UE604またはロケーションサーバは、UE604と測定されたネットワークノードとの間の距離を決定し、それによってUE604のロケーションを計算することができる。
「位置推定」という用語は、UE604の位置の推定を指すために本明細書において使用され、これは、地理的であってもよく(たとえば、緯度、経度、および場合によっては高度を備えてもよい)、または都市的であってもよい(たとえば、住所、建物の指定、または建物もしくは住所の中もしくはその近くの正確な地点もしくはエリア、たとえば、建物の特定の入口、建物の特定の部屋もしくはスイート、もしくは町の広場などのランドマークを備えてもよい)。位置推定は、「ロケーション(location)」、「位置(position)」、「フィックス(fix)」、「位置フィックス(position fix)」、「ロケーションフィックス(location fix)」、「ロケーション推定(location estimate)」、「フィックス推定(fix estimate)」、または何らかの他の用語でも呼ばれることがある。ロケーション推定を取得する手段は、全般に「測位(positioning)」、「位置特定(locating)」、または「位置フィックス(position fixing)」と呼ばれ得る。位置推定を取得するための特定のソリューションは、「位置ソリューション(position solution)」と呼ばれ得る。位置ソリューションの一部として位置推定を取得するための特定の方法は、「位置方法(position method)」または「測位方法(positioning method)」と呼ばれ得る。
「基地局」という用語は、単一の物理送信ポイントまたはコロケートされてももしくはされなくてもよい複数の物理送信ポイントを指すことがある。たとえば、「基地局」という用語が単一の物理送信ポイントを指す場合、物理送信ポイントは、基地局(たとえば、基地局602)のセルに対応する基地局のアンテナであってよい。「基地局」という用語が複数のコロケートされた物理送信ポイントを指す場合、物理送信ポイントは、基地局のアンテナのアレイであってよい(たとえば、MIMOシステムにおけるような、または基地局がビームフォーミングを採用する場合)。「基地局」という用語が複数のコロケートされていない物理送信ポイントを指す場合、物理送信ポイントは、分散アンテナシステム(DAS)(移送媒体を介して共通ソースに接続される、空間的に分離されたアンテナのネットワーク)またはリモートラジオヘッド(RRH)(サービング基地局に接続されたリモート基地局)であってよい。代替として、コロケートされていない物理送信ポイントは、UE(たとえば、UE604)およびUEがその基準RF信号を測定している隣接基地局から、測定報告を受信する、サービング基地局であってよい。したがって、図6は、基地局602aおよび602bがDAS/RRH620を形成する態様を示す。たとえば、基地局602aはUE604のサービング基地局であり得、基地局602bはUE604の隣接する基地局であり得る。したがって、基地局602bは、基地局602aのRRHであり得る。基地局602aおよび602bは、有線またはワイヤレスリンク622を介して互いに通信し得る。
ネットワークノードのペアから受信されたRF信号間のOTDOAおよび/またはRSTDを使用してUE604の位置を正確に決定するために、UE604は、UE604とネットワークノード(たとえば、基地局602、アンテナ)との間のLOS経路(またはLOS経路が利用可能でない最短NLOS経路)を介して受信された基準RF信号を測定する必要がある。しかしながら、RF信号は、送信機と受信機との間のLOS/最短経路だけでなく、RF信号が送信機から広がり、受信機に向かう途中で丘、建物、水などの他の物体に反射するにつれて、いくつかの他の経路上を移動する。したがって、図6は、基地局602とUE604との間のいくつかのLOS経路610およびいくつかのNLOS経路612を示す。具体的には、図6は、LOS経路610aおよびNLOS経路612aを介して送信する基地局602aと、LOS経路610bおよび2つのNLOS経路612bを介して送信する基地局602bと、LOS経路610cおよびNLOS経路612cを介して送信する基地局602cと、2つのNLOS経路612dを介して送信する基地局602dとを示す。図6に示すように、各NLOS経路612は、いくつかの物体630(たとえば、建物)に反射する。諒解されるように、基地局602によって送信される各LOS経路610およびNLOS経路612は、(たとえば、MIMOシステムにおけるように)基地局602の異なるアンテナによって送信され得るか、または基地局602の同じアンテナによって送信され得る(それによって、RF信号の伝搬を示す)。さらに、本明細書で使用する「LOS経路」という用語は、送信機と受信機との間の最短経路を指し、実際のLOS経路ではなく、最短NLOS経路であり得る。
一態様では、基地局602のうちの1つまたは複数は、RF信号を送信するためにビームフォーミングを使用するように構成され得る。その場合、利用可能なビームのいくつかは、送信されたRF信号をLOS経路610に沿って集束させ(たとえば、ビームは、LOS経路に沿って最も高いアンテナ利得を生成する)、一方、他の利用可能なビームは、送信されたRF信号をNLOS経路612に沿って集束させ得る。ある経路に沿って高い利得を有し、したがって、その経路に沿ってRF信号を集束させるビームは、他の経路に沿って伝搬するいくつかのRF信号を依然として有し得、そのRF信号の強度は、当然、それらの他の経路に沿ったビーム利得に依存する。「RF信号」は、送信機と受信機との間の空間を通じて情報を移送する電磁波を備える。本明細書で使用する送信機は、単一の「RF信号」または複数の「RF信号」を受信機へ送信し得る。しかしながら、以下でさらに説明するように、受信機は、マルチパスチャネルを通じたRF信号の伝搬特性に起因して、送信された各RF信号に対応する複数の「RF信号」を受信することがある。
基地局602がRF信号を送信するためにビームフォーミングを使用する場合、基地局602とUE604との間のデータ通信のための対象ビームは、(たとえば、指向性干渉信号の存在下で受信信号受信電力(RSRP)またはSINRによって示されるように)最も高い信号強度を有するUE604に到達するRF信号を搬送するビームであり、一方、位置推定のための対象ビームは、最短経路またはLOS経路(たとえば、LOS経路610)を励起するRF信号を搬送するビームである。いくつかの周波数帯域および典型的に使用されるアンテナシステムの場合、これらは同じビームである。しかしながら、mmWなどの他の周波数帯域では、典型的には、狭い送信ビームを作成するために多数のアンテナ素子を使用することができ、それらは同じビームではない場合がある。図7を参照して以下で説明するように、場合によっては、LOS経路610上のRF信号の信号強度は、NLOS経路612上のRF信号の信号強度よりも(たとえば、障害物のために)弱くなり得、それを介して、伝搬遅延のためにRF信号が後に到着する。
図7は、本開示の様々な態様による例示的なワイヤレス通信システム700を示す。図7の例では、図6のUE604に対応し得るUE704は、その位置の推定値を計算すること、またはその位置の推定値を計算するように別のエンティティ(たとえば、基地局またはコアネットワーク構成要素、別のUE、ロケーションサーバ、サードパーティアプリケーションなど)を支援することを試みている。UE704は、RF信号、ならびにRF信号の変調および情報パケットの交換のための規格化されたプロトコルを使用して、図6の中の基地局602のうちの1つに対応し得る基地局702とワイヤレス通信し得る。
図7に示すように、基地局702は、RF信号の複数のビーム711～715を送信するためにビームフォーミングを利用している。各ビーム711～715は、基地局702のアンテナのアレイによって形成され、送信され得る。図7は、諒解されるように、5つのビーム711～715を送信する基地局702を示すが、5つよりも多いまたは少ないビームがあってもよく、ピーク利得、幅、およびサイドローブ利得などのビーム形状は、送信されるビームの間で異なり得、ビームのいくつかは、異なる基地局によって送信され得る。
ビームインデックスは、1つのビームに関連するRF信号を、別のビームに関連するRF信号から区別するために、複数のビーム711～715の各々に割り当てられ得る。さらに、複数のビーム711～715のうちの特定のビームに関連するRF信号は、ビームインデックスインジケータを搬送し得る。ビームインデックスはまた、RF信号の送信時間、たとえば、フレーム、スロット、および/またはOFDMシンボル番号から導出され得る。ビームインデックスインジケータは、たとえば、最大8つのビームを一意に区別するための3ビットフィールドであり得る。異なるビームインデックスを有する2つの異なるRF信号が受信される場合、これは、RF信号が異なるビームを使用して送信されたことを示す。2つの異なるRF信号が共通のビームインデックスを共有する場合、これは、異なるRF信号が同じビームを使用して送信されることを示す。2つのRF信号が同じビームを使用して送信されることを説明する別の方法は、第1のRF信号の送信のために使用されるアンテナポートが、第2のRF信号の送信のために使用されるアンテナポートと空間的に擬似コロケートされることである。
図7の例では、UE704は、ビーム713上で送信されたRF信号のNLOSデータストリーム723と、ビーム714上で送信されたRF信号のLOSデータストリーム724とを受信する。図7は、NLOSデータストリーム723およびLOSデータストリーム724を単一の線(それぞれ破線および実線)として示すが、諒解されるように、NLOSデータストリーム723およびLOSデータストリーム724は、各々、たとえば、マルチパスチャネルを通るRF信号の伝搬特性に起因して、UE704に到達するまで複数の光線(すなわち、「クラスタ」)を備え得る。たとえば、RF信号のクラスタは、電磁波が物体の複数の表面から反射され、反射がおおよそ同じ角度から受信機(たとえば、UE704)に到達し、各々が他よりも数波長(たとえば、センチメートル)多くまたは少なく移動するときに形成される。受信RF信号の「クラスタ」は、一般に、単一の送信RF信号に対応する。
図7の例では、NLOSデータストリーム723は、もともとはUE704に向けられていないが、諒解されるように、図6のNLOS経路612上のRF信号のように、そうである可能性がある。しかしながら、それは、反射器740(たとえば、建物)から反射され、障害物なしにUE704に到達し、したがって、依然として比較的強いRF信号であり得る。対照的に、LOSデータストリーム724は、UE704に向けられるが、RF信号を著しく劣化させ得る障害物730(たとえば、植生、建物、丘、雲または煙などの破壊的環境など)を通過する。諒解されるように、LOSデータストリーム724はNLOSデータストリーム723よりも弱いが、LOSデータストリーム724は、基地局702からUE704へのより短い経路をたどるので、NLOSデータストリーム723よりも前にUE704に到着する。
上記のように、基地局(たとえば、基地局702)とUE(たとえば、UE704)との間のデータ通信のための対象ビームは、最も高い信号強度(たとえば、最も高いRSRPまたはSINR)を有するUEに到達するRF信号を搬送するビームであり、一方、位置推定のための対象ビームは、LOS経路を励起し、他のすべてのビーム(たとえば、ビーム714)の中でLOS経路に沿って最も高い利得を有するRF信号を搬送するビームである。すなわち、ビーム713(NLOSビーム)が、(LOS経路に沿って集束されていないにもかかわらず、RF信号の伝搬特性に起因して)LOS経路を弱く励起したとしても、ビーム713のLOS経路のその弱い信号は、もしあれば、(ビーム714からのものと比較して)それほど確実に検出可能ではない可能性があり、したがって、測位測定を実行する際により大きな誤差をもたらす。
データ通信のための対象ビームおよび位置推定のための対象ビームは、いくつかの周波数帯域について同じビームであり得るが、mmWなどの他の周波数帯域については、同じビームではない場合がある。したがって、図7を参照すると、UE704が基地局702とのデータ通信セッションに関与し(たとえば、基地局702がUE704のためのサービング基地局である場合)、基地局702によって送信された基準RF信号を単に測定しようと試みるのではなく、データ通信セッションのための対象ビームは、遮られていないNLOSデータストリーム723を搬送しているので、ビーム713であり得る。しかしながら、位置推定のための対象ビームは、遮られているにもかかわらず、最も強いLOSデータストリーム724を搬送するので、ビーム714である。
図8Aは、本開示の態様による受信機(たとえば、UE704)におけるRFチャネル応答を経時的に示すグラフ800Aである。図8Aに示されるチャネル下で、受信機は、時間T1においてチャネルタップ上の2つのRF信号の第1のクラスタ、時間T2においてチャネルタップ上の5つのRF信号の第2のクラスタ、時間T3においてチャネルタップ上の5つのRF信号の第3のクラスタ、および時間T4においてチャネルタップ上の4つのRF信号の第4のクラスタを受信する。図8Aの例では、時間T1におけるRF信号の第1のクラスタが最初に到着するので、それはLOSデータストリーム(すなわち、LOSまたは最短経路を介して到着するデータストリーム)であると推定され、LOSデータストリーム724に対応し得る。時間T3における第3のクラスタは、最も強いRF信号から構成され、NLOSデータストリーム723に対応し得る。送信機側から見ると、受信RF信号の各クラスタは、異なる角度で送信されるRF信号の部分を備え得、したがって、各クラスタは、送信機からの異なる離脱角(AoD)を有すると言われ得る。図8Bは、AoDにおけるクラスタのこの分離を示す図800Bである。AoD範囲802aで送信されるRF信号は、図8Aの1つのクラスタ(たとえば、「Cluster1」)に対応し得、AoD範囲802bで送信されるRF信号は、図8Aの異なるクラスタ(たとえば、「Cluster3」)に対応し得る。図8Bに示す2つのクラスタのAoD範囲は空間的に分離されているが、クラスタが時間的に分離されていても、いくつかのクラスタのAoD範囲が部分的に重なっていてもよいことに留意されたい。たとえば、これは、送信機からの同じAoDにある2つの別々の建物が、信号を受信機に向けて反射するときに生じ得る。図8Aは、2～5個のチャネルタップ(または「ピーク」)のクラスタを示すが、諒解されるように、クラスタは、図示された数よりも多いまたは少ない数のチャネルタップを有し得ることに留意されたい。
上記で説明したように、セルラーシステムにおけるネットワークベースの測位の場合、gNBは、典型的には、基準信号(たとえば、PRS)を送信し、UEは、基準信号受信電力(RSRP)、到着時間(TOA)、往復時間(RTT)、基準信号時間差(RSTD)などのいくつかの既定のメトリックを測定し、報告するように構成される。次いで、ネットワーク(たとえば、gNB、LMFなど)は、報告された測定からの情報を組み合わせて、UEの位置を推定する。
シグナリングオーバーヘッドを低減するために、UEは、典型的には、gNBに実際に報告されるよりも多くの測定データを収集する。しかしながら、より正確な測位を容易にし得る測定パラメータの特定のサブセットは、gNB固有またはUE固有の構成などに基づいて、ロケーション間で異なり得る。そのような測定パラメータは、以下を含み得る。
・ 物理ベースのモデル(たとえば、往復時間が円形の輪郭を有する)など、UEまたはgNBに関して中立的なパラメータ。
・ gNB特性(たとえば、ロケーション、ダウンチルト、送信電力)、gNB側実装問題(たとえば、gNB時間同期誤差、クロックドリフト、アンテナ-ベースバンド遅延またはハードウェアグループ遅延)、BSA誤差(たとえば、いくつかのeNBロケーションが間違っているかまたは不正確である)などのgNB固有のパラメータ。
・ UE固有のパラメータ(たとえば、クロックドリフト、アンテナ-ベースバンド遅延もしくはハードウェアグループ遅延、車両もしくは電話などのデバイスタイプ、または車両もしくは電話の特定のブランド、チップセットタイプなど)。
・ 物理ベースのモデル(たとえば、往復時間が円形の輪郭を有する)など、UEまたはgNBに関して中立的なパラメータ。
・ gNB特性(たとえば、ロケーション、ダウンチルト、送信電力)、gNB側実装問題(たとえば、gNB時間同期誤差、クロックドリフト、アンテナ-ベースバンド遅延またはハードウェアグループ遅延)、BSA誤差(たとえば、いくつかのeNBロケーションが間違っているかまたは不正確である)などのgNB固有のパラメータ。
・ UE固有のパラメータ(たとえば、クロックドリフト、アンテナ-ベースバンド遅延もしくはハードウェアグループ遅延、車両もしくは電話などのデバイスタイプ、または車両もしくは電話の特定のブランド、チップセットタイプなど)。
したがって、本開示の1つまたは複数の態様は、履歴的測定プロシージャに基づく機械学習(ML)に基づいて動的に生成されるニューラルネットワーク機能を新しい測位測定データに適用することを対象とする。いくつかの設計では、以下でより詳細に説明するように、ニューラルネットワーク機能は、様々な動作条件に関してMLに基づいて微調整(または最適化)することができる。いくつかの設計では、そのような態様は、特徴報告に関してより柔軟性がある(たとえば、ネットワークが動作条件、デバイス情報、または構成などに基づいてより洗練されたルールを生成することができるように、既定の特徴ルールのセットを使用する必要がない)、ならびに(たとえば、UE測位推定に不正確さを導入しない方法でいくつかの測位測定データをフィルタアウトするためにML技法を使用することによって)シグナリングオーバーヘッドを管理可能なレベルに維持しながらより正確なUE位置推定など、様々な技術的利点を容易にし得る。
以下、測位測定「特徴」について言及する。本明細書で使用する測位測定「特徴」は、生の測位測定データの処理された(たとえば、圧縮された)表現である。いくつかの設計では、UEとgNBとの間の物理チャネルを介してトランスポートされるべき測位測定データの量を低減することなど、様々な理由のために、生の測位測定データのそれぞれの測位測定特徴への処理(たとえば、または改良もしくは圧縮)が実施され得る。測位測定特徴の例には、到着時間(たとえば、TOA TDOA、OTDOAなど)、基準信号時間差、離脱角(AoD)、到来角(AoA)、チャネル推定における既定の数のピークのタイミングおよび大きさ、電力遅延プロファイル(PDP)などの他のチャネル推定情報などがある。
図9は、本開示の態様による、ワイヤレス通信の例示的なプロセス900を示す。一態様では、プロセス900は、図3AのUE302などのUEによって実行され得る。
910において、UE302(たとえば、受信機312、受信機322など)は、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得し、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される。いくつかの設計では、少なくとも1つのニューラルネットワーク機能は、ネットワークエンティティ(たとえば、BS304)から受信され得る。いくつかの設計では、少なくとも1つのニューラルネットワーク機能は、ネットワークエンティティ(たとえば、LMFなどのネットワークエンティティ306)または外部サーバによって生成され、次いで、サービングBSを介してUE302に中継され得る。たとえば、1つまたは複数の履歴的測定プロシージャは、1つまたは複数の基準(たとえば、ロケーション、gNB、キャリアなど)に基づいてフィルタリングされ、本明細書では「ニューラルネットワーク機能」と呼ばれる一連のオフセット、アルゴリズム、および/または処理ルールを出力する機械学習アルゴリズムにトレーニングデータとして入力され得、これは、測位測定データをそれぞれの測位測定特徴にフィルタリングまたは処理するために使用することができる。いくつかの設計では、1つまたは複数の履歴的測定プロシージャは、異なるUE(たとえば、クラウドソーシング)に関連し得、UEモデルのタイプまたは動作条件は、ニューラルネットワーク機能を生成する機械学習アルゴリズムに供給されるトレーニングデータをフィルタリングするために使用することもできる。
920において、UE302(たとえば、受信機312、受信機322、受信機330、センサー344、測定モジュール342など)は、UEに関連する測位測定データを取得する。たとえば、測位測定データは、ワイヤレスワイドエリアネットワーク(WWAN)測位測定データ、WLAN測位測定データ、全地球ナビゲーション衛星システム(GNSS)測位測定データ、センサー測定データなどを備え得る。いくつかの設計では、測位測定データは、測位のための基準信号(たとえば、PRSなど)に対して測位測定のセットを実行することによって取得され得る。センサー測定データに関して、いくつかの設計では、測位測定データは、センサー344などの1つまたは複数のセンサーによってキャプチャされたセンサーデータ(たとえば、ランドマークが特定のロケーションなどに関連して識別され得る、UE302のカメラによってキャプチャされた視覚データまたは画像データ)を備え得る。一例では、測位測定データは、基準信号に関連するチャネル応答の推定を備え得る。いくつかの設計では、測位測定データは、PDP(たとえば、1つのアンテナもしくはビーム上で、または複数のアンテナもしくはビームにわたって測定され、複数のアンテナまたはビームの場合、異なるPDPを使用して、AoA測定またはAoD測定などの時間および角度測定を共同で推定することができる)などのチャネル推定情報を含み得る。
930において、UE302(たとえば、処理システム332、測定モジュール342など)は、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理する。いくつかの設計では、測位測定特徴のそれぞれのセットは、ある期間にわたって取得され得る。たとえば、最初に、UE302の粗いロケーション推定を決定するために、測位測定特徴の初期の簡略化されたセットが取得され得、その後、UE302のより改良された推定を決定するために、測位測定特徴のより複雑なセットが取得され得る。この場合、測位測定特徴のそれぞれのセットに対して、異なるニューラルネットワーク機能が定義され得る。
940において、UE302(たとえば、送信機314、送信機324など)は、測位測定特徴の処理されたセットをネットワーク構成要素に報告する。いくつかの設計では、測位測定特徴の処理されたセットは、(たとえば、LMFがサービングBSと統合される場合など)UE302のサービングBS(またはgNB)に報告される。他の設計では、測位測定特徴の処理されたセットは、BSまたはgNBがリレーとして働く状態でネットワークエンティティ(たとえば、LMF)に送信される。
図10は、本開示の態様によるワイヤレス通信の例示的なプロセス1000を示す。一態様では、プロセス1000は、図3のBS304などのBSによって実行され得る。
1010において、BS304(たとえば、送信機354、送信機364など)は、UEにおける1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信し、少なくとも1つのニューラルネットワーク機能は、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される。いくつかの設計では、少なくとも1つのニューラルネットワーク機能は、ネットワークエンティティ(たとえば、LMFなどのネットワークエンティティ306)または外部サーバによって生成され得る。たとえば、1つまたは複数の履歴的測定プロシージャは、1つまたは複数の基準(たとえば、ロケーション、gNB、キャリアなど)に基づいてフィルタリングされ、本明細書では「ニューラルネットワーク機能」と呼ばれる一連のオフセット、アルゴリズム、および/または処理ルールを出力する機械学習アルゴリズムにトレーニングデータとして入力され得、これは、測位測定データをそれぞれの測位測定特徴にフィルタリングまたは処理するために使用することができる。いくつかの設計では、1つまたは複数の履歴的測定プロシージャは、異なるUE(たとえば、クラウドソーシング)に関連し得、UEモデルのタイプまたは動作条件は、ニューラルネットワーク機能を生成する機械学習アルゴリズムに供給されるトレーニングデータをフィルタリングするために使用することもできる。一例では、測位測定データは、基準信号に関連するチャネル応答の推定(たとえば、1つのアンテナもしくはビーム上で、または複数のアンテナもしくはビームにわたって測定され得るPDP、複数のアンテナまたはビームの場合、異なるPDPを使用して、AoA測定またはAoD測定などの時間および角度測定を共同で推定することができる)を備え得る。
1020において、BS304(たとえば、受信機352、受信機362など)は、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信する。いくつかの設計では、BS304がLMFに対応する場合、BS304は、測位測定特徴の受信されたセットに基づいて測位推定を決定し得る。他の設計では、BS304は、測位推定を実行するために、測位測定特徴の受信されたセットをLMFへ転送し得る。
図9～図10を参照すると、いくつかの設計では、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え得、少なくとも1つのニューラルネットワーク機能は、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備え得る。上述したように、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、測位測定特徴の第1のそれぞれのセットは、測位測定特徴の第2のそれぞれのセットの前に、UE302によってネットワークへ送信されてもよい。この場合、ネットワーク(たとえば、LMF)は、UE302の粗いロケーション推定を迅速に決定し、後で、粗いロケーション推定を改良して、UEロケーションをより正確に決定し得る。
図9～図10を参照すると、いくつかの設計では、測位測定データは、測位のための基準信号の生サンプルの非圧縮表現を備え得、測位測定特徴の処理されたセットは、測位のための基準信号の圧縮表現を備え得る。
図9～図10を参照すると、いくつかの設計では、少なくとも1つのニューラルネットワーク機能は、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備え得る。他の設計では、少なくとも1つのニューラルネットワーク機能は、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える。したがって、ニューラルネットワーク機能は、ロケーション、gNBステータスに関して異なる粒度で実装され得る(たとえば、サービングセルではあるニューラルネットワーク機能、非サービングセルでは別のニューラルネットワーク機能など)。したがって、ネットワークオペレータは、測位特徴報告粒度の範囲を所望のレベルに柔軟に微調整することができる。
図9～図10を参照すると、いくつかの設計では、測位測定特徴の処理されたセットは、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える。いくつかの設計では、BS304は、(たとえば、BS304が統合LMFを含むシナリオでは)測位測定の圧縮されたセットに基づいて、UEの測位推定を決定し得る。この場合、UEの測定を再作成する必要がないので、ニューラルネットワーク機能をトレーニングするための損失関数は、位置推定誤差に直接関連し得る。他の設計では、BS304は、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復し、次いで、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定し得る(たとえば、BS304が統合LMFを含むシナリオにおいて)。この場合、UE302における特徴処理または抽出は、オートエンコーダニューラルネットワークのエンコーダの形態をとり得、トレーニングのための損失関数は、元のUE測定と、再作成されたまたは回復されたUE測定との間の不一致に関係し得る。
図9～図10を参照すると、いくつかの設計では、930における処理することは、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を備え得、940(または1020)における報告することは、確率分布、または確率分布に基づいたメトリックを備え得る。特定の例では、少なくとも1つのニューラルネットワーク機能は、推定されたチャネル応答を入力として処理し、特徴(たとえば、ToA)の確率分布を出力として生成するように構成され得る。その後、UEは、TOAの確率分布自体、またはTOAの確率分布に基づく分散または指定されたパーセンタイルなどの導出されたメトリックを報告し得る。
図9～図10を参照すると、いくつかの設計では、UE特徴またはBS特徴処理ニューラルネットワーク機能は、以下に固有であり得る。
・ 特定の基地局(BS)もしくはBSのグループ(たとえば、セルIDなどに基づく)、
・ キャリア、
・ ロケーション領域、
・ 測位測定タイプもしくは測位測定タイプのグループ、
・ ビームもしくはビームのグループ、または
・ それらの任意の組合せ。
・ 特定の基地局(BS)もしくはBSのグループ(たとえば、セルIDなどに基づく)、
・ キャリア、
・ ロケーション領域、
・ 測位測定タイプもしくは測位測定タイプのグループ、
・ ビームもしくはビームのグループ、または
・ それらの任意の組合せ。
図11は、本開示の態様による、図9～図10のプロセス900～1000の例示的な実装形態1100を示す。
図11を参照すると、UE側測定値y1…ynは、ニューラルネットワーク機能1102およびニューラルネットワーク機能1104に入力される。ニューラルネットワーク機能1102および1104は、UE側測定値y1…ynを、gNBへの送信に適したUE側測位測定特徴(たとえば、値)のセットに処理(または展開)するための特徴抽出(または処理)に関する。結果として得られるUE側測位測定特徴は、UEによって、UE over the air(OTA)報告の一部としてgNBへ送信され得る。1102～1104における処理は、図9の930の例示的な実装に相当する。1106～1108において、gNBは、測位測定の処理されたセットを、
として表される測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復する。ブロック1102～1108は、オートエンコーダとして一緒に機能し得る(たとえば、ブロック1102～1104は符号化ブロックであり、ブロック1106～1108は復号ブロックである)。
図11を参照すると、測位測定の回復されたセット
が、UE測定処理モジュール1110～1112に入力される。いくつかの設計では、測定処理モジュールは、機械学習に基づいて生成されるニューラルネットワーク機能にマッピングされ得る。
gNB側測位測定特徴Z1…Zmも、gNB測定処理モジュール1114～1116に入力される。いくつかの設計では、測定処理モジュールは、機械学習に基づいて生成されるニューラルネットワーク機能にマッピングされ得る。
いくつかの設計では、測定処理モジュール1110～1112の出力は、UE(または候補領域)の測位推定の候補セットにわたるそれぞれのUE測位測定特徴の尤度
を備え得、それによって、
は、UE位置(たとえば、検討中のUE位置候補)を表し、Zkは、k番目の特徴の値を表す。同様に、測定処理モジュール1114～1116の出力は、UE(または候補領域)の測位推定の候補セットにわたるそれぞれの測位測定特徴の尤度
を備え得、それによって、
は、UE位置(たとえば、検討中のUE位置候補)を表し、Zkは、k番目の特徴の値を表す。
次いで、尤度
および
は、特徴融合モジュール1118に入力される。特徴融合モジュール1118は、尤度
および
を処理(たとえば集約)し、1120において評価されたすべての測位測定特徴にわたる全体的な尤度を出力する。
図12は、本開示の別の態様による、図9～図10のプロセス900～1000の例示的な実装形態1200を示す。図12のプロセス1200は、オートエンコーダ機能が使用されないことを除いて(たとえば、gNBは、最初に特徴を元の測定に解凍することなく、圧縮形態で特徴自体を処理する)、プロセス1200と同様である。
図12を参照すると、UE側測定値y1…ynは、ニューラルネットワーク機能1202およびニューラルネットワーク機能1204に入力される。ニューラルネットワーク機能1202および1204は、UE側測定値y1…yn を、gNBへの送信に適したUE側測位測定特徴(たとえば、値)のセットに処理(または展開)するための特徴抽出(または処理)に関する。結果として得られるUE側測位測定特徴は、UEによって、UE OTA報告の一部としてgNBへ送信され得る。1102～1104における処理は、図9の930の例示的な実装に相当する。
図12を参照すると、UE側測位測定特徴は、UE測定処理モジュール1206～1208に入力される。いくつかの設計では、測定処理モジュールは、機械学習に基づいて生成されるニューラルネットワーク機能にマッピングされ得る。
gNB側測位測定特徴Z1…Zmも、gNB測定処理モジュール1210～1212に入力される。いくつかの設計では、測定処理モジュールは、機械学習に基づいて生成されるニューラルネットワーク機能にマッピングされ得る。
いくつかの設計では、測定処理モジュール1206～1208の出力は、UE(または候補領域)の測位推定の候補セットにわたるそれぞれのUE測位測定特徴の尤度
を備え得、それによって、
は、UE位置(たとえば、検討中のUE位置候補)を表し、Zkは、k番目の特徴の値を表す。同様に、測定処理モジュール1210～1212の出力は、UE(または候補領域)の測位推定の候補セットにわたるそれぞれの測位測定特徴の尤度
を備え得、それによって、
は、UE位置(たとえば、検討中のUE位置候補)を表し、Zkは、k番目の特徴の値を表す。
次いで、尤度
および
は、特徴融合モジュール1214に入力される。特徴融合モジュール1214は、尤度
および
を処理(たとえば集約)し、1216において評価されたすべての測位測定特徴にわたる全体的な尤度を出力する。
次に、一般的なニューラルネットワークおよび機械学習の追加の説明を提供する。
機械学習は、データの処理に関連する様々な態様を容易にするために使用され得るモデルを生成するために使用され得る。機械学習の1つの特定の適用は、特徴抽出、基準信号測定値の報告(たとえば、どの抽出された特徴を報告するかを選択すること)など、測位(たとえば、PRS)のための基準信号の処理のための測定モデルの生成に関する。
機械学習モデルは、一般に、教師ありまたは教師なしのいずれかに分類される。教師ありモデルは、回帰モデルまたは分類モデルのいずれかとしてさらにサブカテゴリ化され得る。教師あり学習は、例示的な入力と出力のペアに基づいて、入力を出力にマッピングする関数を学習することを伴う。たとえば、年齢(入力)および身長(出力)の2つの変数を有するトレーニングデータセットが与えられると、その年齢に基づいて人の身長を予測するための教師あり学習モデルを生成することができる。回帰モデルでは、出力は連続的である。回帰モデルの一例は、線形回帰であり、これは単純に、データに最も適合する線を見つけようと試みる。線形回帰の拡張は、重回帰(たとえば、最良適合の平面を見つけること)および多項式回帰(たとえば、最良適合の曲線を見つけること)を含む。
機械学習モデルの別の例は、決定木モデルである。決定木モデルにおいて、木構造は、複数のノードで定義される。決定は、決定木の最上部のルートノードから決定木の最下部のリーフノード(すなわち、それ以上子ノードをもたないノード)に移動するために使用される。一般に、決定木モデル内のノードの数が多いほど、決定精度が高くなる相関がある。
機械学習モデルの別の例は、決定フォレストである。ランダムフォレストは、決定木を作り直すアンサンブル学習技法である。ランダムフォレストは、元のデータのブートストラップされたデータセットを使用して複数の決定木を作成することと、決定木の各ステップにおいて変数のサブセットをランダムに選択することとを伴う。次いで、モデルは、各決定木の予測のすべてのモードを選択する。「多数決」モデルに依存することによって、個々の木からのエラーのリスクが低減される。
機械学習モデルの別の例は、ニューラルネットワーク(NN)である。ニューラルネットワークは、本質的に、数式のネットワークである。ニューラルネットワークは、1つまたは複数の入力変数を受け入れ、方程式のネットワークを通ることによって、1つまたは複数の出力変数をもたらす。別の言い方をすれば、ニューラルネットワークは、入力のベクトルを取り込み、出力のベクトルを返す。
図13は、本開示の態様による例示的なニューラルネットワーク1300を示す。ニューラルネットワーク1300は、「n」個(1つまたは複数)の入力(「入力1」、「入力2」、および「入力n」として示される)を受け取る入力層「i」、入力層からの入力を処理するための1つまたは複数の隠れ層(隠れ層「h1」、「h2」、および「h3」として示される)、および「m」個(1つまたは複数)の出力(「出力1」および「出力m」とラベル付けされた)を提供する出力層「o」を含む。入力「n」、隠れ層「h」、および出力「m」の数は、同じであってもまたは異なっていてもよい。いくつかの設計では、隠れ層「h」は、前の隠れ層のノードからの各連続する隠れ層プロセスのノード(円として示される)が処理する線形関数および/または活性化関数を含み得る。
分類モデルでは、出力は離散的である。分類モデルの一例は、ロジスティック回帰である。ロジスティック回帰は、線形回帰と同様であるが、有限数、典型的には2つの結果の確率をモデル化するために使用される。本質的に、ロジスティック方程式は、出力値が「0」と「1」との間でしかあり得ないような方法で作成される。分類モデルの別の例は、サポートベクトルマシンである。たとえば、2つのクラスのデータについて、サポートベクトルマシンは、2つのクラス間のマージンを最大にする2つのクラスのデータ間の超平面または境界を見つける。2つのクラスを分離することができる平面は多いが、1つの平面のみが、クラス間のマージンまたは距離を最大化することができる。分類モデルの別の例は、ベイズ定理に基づくナイーブベイズである。分類モデルの他の例は、出力が連続的ではなく離散的であることを除いて、上記で説明した例と同様の、決定木、ランダムフォレスト、およびニューラルネットワークを含む。
教師あり学習とは異なり、教師なし学習は、ラベル付けされた結果を参照することなく、入力データから推論を導き出し、パターンを見つけるために使用される。教師なし学習モデルの2つの例には、クラスタリングおよび次元削減がある。
クラスタリングは、データポイントのグループ化またはクラスタリングを伴う教師なし技法である。クラスタリングは、顧客セグメンテーション、不正検出、および文書分類のために頻繁に使用される。一般的なクラスタリング技法には、k-meansクラスタリング、階層クラスタリング、ミーンシフトクラスタリング、および密度ベースのクラスタリングがある。次元削減は、主変数のセットを取得することによって、検討中のランダム変数の数を減らすプロセスである。より単純な言い方をすれば、次元削減は、特徴セットの次元を低減する(さらに簡単な言い方をすれば、特徴の数を低減する)プロセスである。大部分の次元削減技法は、特徴除去または特徴抽出のいずれかとして分類することができる。次元削減の一例は、主成分分析(PCA)と呼ばれる。最も単純な意味では、PCAは、より高い次元のデータ(たとえば、3次元)をより小さい空間(たとえば、2次元)に投影することを伴う。これは、モデル内のすべての元の変数を維持しながら、データのより低い次元(たとえば、3次元の代わりに2次元)をもたらす。
どの機械学習モデルが使用されるかにかかわらず、高レベルで、機械学習モジュール(たとえば、プロセッサ332、384、または394などの処理システムによって実装される)は、トレーニング入力データ(たとえば、様々なターゲットUEへの/からの基準信号の測定)を反復的に分析し、このトレーニング入力データを出力データセット(たとえば、様々なターゲットUEの可能なまたは可能性のあるロケーション候補のセット)と関連付けるように構成され得、それによって、同様の入力データが(たとえば、同じまたは同様のロケーションにある他のターゲットUEから)提示されたときに、同じ出力データセットの後の決定を可能にする。
上記の発明を実施するための形態では、各例において様々な特徴が互いにグループ化されることがわかる。開示のこの方式は、例示的な条項が、各条項の中で明示的に述べられるよりも多くの特徴を有するという意図として、理解されるべきでない。むしろ、本開示の様々な態様は、開示する個々の例示的な条項のすべての特徴よりも少数を含むことがある。したがって、以下の条項は、本説明の中に組み込まれるものと、本明細書によって見なされるべきであり、各条項は、別個の例として単独で有効であり得る。各従属条項は、その条項の中で、他の条項のうちの1つとの特定の組合せを参照することができるが、その従属条項の態様は、その特定の組合せに限定されるものでない。他の例示的な条項も、任意の他の従属条項もしくは独立条項の主題との従属条項の態様の組合せ、または他の従属条項および独立条項との任意の特徴の組合せを含むことができることが、諒解されよう。特定の組合せが意図されないこと(たとえば、絶縁体と導体の両方として要素を規定することなどの、矛盾する態様)が明示的に表現されないかまたは容易に推測され得ない限り、本明細書で開示する様々な態様は、これらの組合せを明確に含む。さらに、条項が独立条項に直接従属しない場合でも、条項の態様が任意の他の独立条項の中に含まれ得ることも意図される。
実装例について、以下の番号付き条項において説明する。
条項1。ユーザ機器(UE)を動作させる方法であって、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得するステップであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得するステップと、UEに関連する測位測定データを取得するステップと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理するステップと、測位測定特徴の処理されたセットをネットワーク構成要素に報告するステップとを備える方法。
条項2。取得するステップが、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する、条項1に記載の方法。
条項3。取得するステップが、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する、条項1から2のいずれか一項に記載の方法。
条項4。少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、条項1から3のいずれか一項に記載の方法。
条項5。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告するステップが、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する、条項4に記載の方法。
条項6。測位測定データが、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットが、測位のための基準信号の圧縮表現を備える、条項1から5のいずれか一項に記載の方法。
条項7。少なくとも1つのニューラルネットワーク機能が、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能が、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える、条項1から6のいずれか一項に記載の方法。
条項8。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項1から7のいずれか一項に記載の方法。
条項9。処理するステップが、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告するステップが、確率分布、または確率分布に基づくメトリックを報告する、条項1から8のいずれか一項に記載の方法。
条項10。基地局(BS)を動作させる方法であって、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信するステップであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信するステップと、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信するステップとを備える方法。
条項11。少なくとも1つのニューラルネットワーク機能が、BSまたは別のネットワーク構成要素において動的に生成される、条項10に記載の方法。
条項12。測位測定データが、測位のための基準信号に対する測位測定のセットを備える、条項10から11のいずれか一項に記載の方法。
条項13。測位測定データが、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、条項10から12のいずれか一項に記載の方法。
条項14。測位測定特徴のセットが、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える、条項10から13のいずれか一項に記載の方法。
条項15。測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復するステップと、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するステップとをさらに備える、条項14に記載の方法。
条項16。測位測定の受信されたセットに基づいて、UEの測位推定を決定するステップをさらに備える、条項10から15のいずれか一項に記載の方法。
条項17。受信するステップが、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信するステップと、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信するステップとを備える、条項10から16のいずれか一項に記載の方法。
条項18。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する、条項17に記載の方法。
条項19。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項10から18のいずれか一項に記載の方法。
条項20。少なくとも1つのニューラルネットワーク機能が、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信するステップが、確率分布、または確率分布に基づくメトリックを受信する、条項10から19のいずれか一項に記載の方法。
条項21。ユーザ機器(UE)であって、メモリと、少なくとも1つのトランシーバと、メモリおよび少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを備え、少なくとも1つのプロセッサが、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得することであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得することと、UEに関連する測位測定データを取得することと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理することと、測位測定特徴の処理されたセットをネットワーク構成要素に報告することとを行うように構成される、ユーザ機器(UE)。
条項22。取得することが、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する、条項21に記載のUE。
条項23。取得することが、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する、条項21から22のいずれか一項に記載のUE。
条項24。少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、条項21から23のいずれか一項に記載のUE。
条項25。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することが、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する、条項24に記載のUE。
条項26。測位測定データが、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットが、測位のための基準信号の圧縮表現を備える、条項21から25のいずれか一項に記載のUE。
条項27。少なくとも1つのニューラルネットワーク機能が、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能が、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える、条項21から26のいずれか一項に記載のUE。
条項28。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項21から27のいずれか一項に記載のUE。
条項29。処理することが、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することが、確率分布、または確率分布に基づくメトリックを報告する、条項21から28のいずれか一項に記載のUE。
条項30。基地局(BS)であって、メモリと、少なくとも1つのトランシーバと、メモリおよび少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを備え、少なくとも1つのプロセッサが、少なくとも1つのトランシーバを介して、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信することであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信することと、少なくとも1つのトランシーバを介して、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信することとを行うように構成される、基地局(BS)。
条項31。少なくとも1つのニューラルネットワーク機能が、BSまたは別のネットワーク構成要素において動的に生成される、条項30に記載のBS。
条項32。測位測定データが、測位のための基準信号に対する測位測定のセットを備える、条項30から31のいずれか一項に記載のBS。
条項33。測位測定データが、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、条項30から32のいずれか一項に記載のBS。
条項34。測位測定特徴のセットが、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える、条項30から33のいずれか一項に記載のBS。
条項35。少なくとも1つのプロセッサが、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復し、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するようにさらに構成される、条項34に記載のBS。
条項36。少なくとも1つのプロセッサが、測位測定の受信されたセットに基づいて、UEの測位推定を決定するようにさらに構成される、条項30から35のいずれか一項に記載のBS。
条項37。受信することが、少なくとも1つのトランシーバを介して、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信し、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、少なくとも1つのトランシーバを介して、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信することを備える、条項30から36のいずれか一項に記載のBS。
条項38。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する、条項37に記載のBS。
条項39。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項30から38のいずれか一項に記載のBS。
条項40。少なくとも1つのニューラルネットワーク機能が、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することが、確率分布、または確率分布に基づくメトリックを受信する、条項30から39のいずれか一項に記載のBS。
条項41。ユーザ機器(UE)であって、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得するための手段であり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得するための手段と、UEに関連する測位測定データを取得するための手段と、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理するための手段と、測位測定特徴の処理されたセットをネットワーク構成要素に報告するための手段とを備える、ユーザ機器(UE)。
条項42。取得することが、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する、条項41に記載のUE。
条項43。取得することが、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する、条項41から42のいずれか一項に記載のUE。
条項44。少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、条項41から43のいずれか一項に記載のUE。
条項45。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することが、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する、条項44に記載のUE。
条項46。測位測定データが、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットが、測位のための基準信号の圧縮表現を備える、条項41から45のいずれか一項に記載のUE。
条項47。少なくとも1つのニューラルネットワーク機能が、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能が、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える、条項41から46のいずれか一項に記載のUE。
条項48。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項41から47のいずれか一項に記載のUE。
条項49。処理することが、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することが、確率分布、または確率分布に基づくメトリックを報告する、条項41から48のいずれか一項に記載のUE。
条項50。ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信するための手段であり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信するための手段と、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信するための手段とを備える基地局(BS)。
条項51。少なくとも1つのニューラルネットワーク機能が、BSまたは別のネットワーク構成要素において動的に生成される、条項50に記載のBS。
条項52。測位測定データが、測位のための基準信号に対する測位測定のセットを備える、条項50から51のいずれか一項に記載のBS。
条項53。測位測定データが、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、条項50から52のいずれか一項に記載のBS。
条項54。測位測定特徴のセットが、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える、条項50から53のいずれか一項に記載のBS。
条項55。測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復するための手段と、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定するための手段とをさらに備える、条項54に記載のBS。
条項56。測位測定の受信されたセットに基づいて、UEの測位推定を決定するための手段をさらに備える、条項50から55のいずれか一項に記載のBS。
条項57。受信することが、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信するための手段と、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信するための手段とを備える、条項50から56のいずれか一項に記載のBS。
条項58。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する、条項57に記載のBS。
条項59。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項50から58のいずれか一項に記載のBS。
条項60。少なくとも1つのニューラルネットワーク機能が、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することが、確率分布、または確率分布に基づくメトリックを受信する、条項50から59のいずれか一項に記載のBS。
条項61。ユーザ機器(UE)によって実行されたとき、UEに、UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得することであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得することと、UEに関連する測位測定データを取得することと、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のそれぞれのセットに処理することと、測位測定特徴の処理されたセットをネットワーク構成要素に報告することとを行わせるコンピュータ実行可能命令を記憶した非一時的コンピュータ可読媒体。
条項62。取得することが、測位のための基準信号に対して測位測定のセットを実行することによって、測位測定データを取得する、条項61に記載の非一時的コンピュータ可読媒体。
条項63。取得することが、UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、測位測定データを取得する、条項61から62のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項64。少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、少なくとも1つのニューラルネットワーク機能が、測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、条項61から63のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項65。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連し、報告することが、測位測定特徴の第2のそれぞれのセットの前に、測位測定特徴の第1のそれぞれのセットを報告する、条項64に記載の非一時的コンピュータ可読媒体。
条項66。測位測定データが、測位のための基準信号の生サンプルの非圧縮表現を備え、測位測定特徴の処理されたセットが、測位のための基準信号の圧縮表現を備える、条項61から65のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項67。少なくとも1つのニューラルネットワーク機能が、単一の測位測定タイプまたは測位測定タイプのグループのUEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、少なくとも1つのニューラルネットワーク機能が、複数の測位測定タイプのUEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える、条項61から66のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項68。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項61から67のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項69。処理することが、少なくとも1つのニューラルネットワーク機能に基づいて、測位測定データを、測位測定特徴のセットに関連する確率分布に処理し、報告することが、確率分布、または確率分布に基づくメトリックを報告する、条項61から68のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項70。基地局(BS)によって実行されたとき、BSに、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能をUEへ送信することであり、少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信することと、少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットをUEから受信することとを行わせるコンピュータ実行可能命令を記憶した非一時的コンピュータ可読媒体。
条項71。少なくとも1つのニューラルネットワーク機能が、BSまたは別のネットワーク構成要素において動的に生成される、条項70に記載の非一時的コンピュータ可読媒体。
条項72。測位測定データが、測位のための基準信号に対する測位測定のセットを備える、条項70から71のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項73。測位測定データが、UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、条項70から72のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項74。測位測定特徴のセットが、測位のための基準信号に関してUEにおいて測定された測位測定の初期セットの圧縮表現を備える、条項70から73のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項75。1つまたは複数の命令が、さらに、BSに、測位測定の処理されたセットを測位測定の非圧縮のセットに解凍することによって、UEにおいて測定された測位測定の初期セットを回復させ、測位測定の非圧縮のセットに基づいて、UEの測位推定を決定させる、条項74に記載の非一時的コンピュータ可読媒体。
条項76。1つまたは複数の命令が、さらに、BSに、測位測定の受信されたセットに基づいて、UEの測位推定を決定させる、条項70から75のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項77。受信することが、第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットをUEから受信することと、測位測定特徴のそれぞれのセットの第1のセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットをUEから受信することとを備える、条項70から76のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項78。測位測定特徴の第1のそれぞれのセットが、測位測定特徴の第2のそれぞれのセットと比較して、より低い測位精度に関連する、条項77に記載の非一時的コンピュータ可読媒体。
条項79。測位測定データが、基準信号に関連するチャネル応答の推定を備える、条項70から78のいずれか一項に記載の非一時的コンピュータ可読媒体。
条項80。少なくとも1つのニューラルネットワーク機能が、少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴のセットに関連する確率分布への測位測定データの処理を容易にするように構成され、受信することが、確率分布、または確率分布に基づくメトリックを受信する、条項70から79のいずれか一項に記載の非一時的コンピュータ可読媒体。
情報および信号が、様々な異なる技術および技法のうちのいずれかを使用して表され得ることを、当業者は諒解されよう。たとえば、上記の説明全体にわたって参照され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、およびチップは、電圧、電流、電磁波、磁場もしくは磁性粒子、光場もしくは光学粒子、またはそれらの任意の組合せによって表され得る。
さらに、本明細書で開示する態様に関して説明した様々な例示的な論理ブロック、モジュール、回路、およびアルゴリズムステップが、電子ハードウェア、コンピュータソフトウェア、またはその両方の組合せとして実装され得ることを、当業者は諒解されよう。ハードウェアおよびソフトウェアのこの互換性を明確に示すために、様々な例示的な構成要素、ブロック、モジュール、回路、およびステップが、概してそれらの機能性に関して上記で説明されている。そのような機能性がハードウェアとして実装されるのかまたはソフトウェアとして実施されるのかは、特定の適用例および全体的なシステムに課される設計制約によって決まる。当業者は、説明した機能性を特定の適用例ごとに様々な方法で実施し得るが、そのような実装決定は、本開示の範囲からの逸脱を引き起こすものと解釈されるべきではない。
本明細書で開示する態様に関して説明した様々な例示的な論理ブロック、モジュール、および回路は、汎用プロセッサ、DSP、ASIC、FPGAもしくは他のプログラマブル論理デバイス、個別ゲートもしくはトランジスタ論理、個別ハードウェア構成要素、または本明細書で説明した機能を実行するように設計されたそれらの任意の組合せを用いて実装または実行され得る。汎用プロセッサはマイクロプロセッサであってよいが、代替として、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、またはステートマシンであってよい。プロセッサはまた、コンピューティングデバイスの組合せ、たとえば、DSPとマイクロプロセッサとの組合せ、複数のマイクロプロセッサ、DSPコアと連携した1つもしくは複数のマイクロプロセッサ、または任意の他のそのような構成として実装され得る。
本明細書で開示する態様に関して説明した方法、シーケンス、および/またはアルゴリズムは、直接ハードウェアで、プロセッサによって実行されるソフトウェアモジュールで、またはその2つの組合せで具現され得る。ソフトウェアモジュールは、ランダムアクセスメモリ(RAM)、フラッシュメモリ、読取り専用メモリ(ROM)、消去可能プログラマブルROM(EPROM)、電気的消去可能プログラマブルROM(EEPROM)、レジスタ、ハードディスク、リムーバブルディスク、CD-ROM、または当技術分野で知られている任意の他の形態の記憶媒体の中に常駐し得る。例示的な記憶媒体は、プロセッサが記憶媒体から情報を読み取ることおよび記憶媒体に情報を書き込むことができるように、プロセッサに結合される。代替として、記憶媒体はプロセッサと一体化され得る。プロセッサおよび記憶媒体はASICの中に存在してよい。ASICはユーザ端末(たとえば、UE)の中に存在してよい。代替として、プロセッサおよび記憶媒体は、個別の構成要素としてユーザ端末の中に存在してよい。
1つまたは複数の例示的な態様では、説明した機能は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組合せで実装され得る。ソフトウェアで実装される場合、機能は、1つまたは複数の命令またはコードとして、コンピュータ可読媒体上に記憶され得るか、またはコンピュータ可読媒体を介して送信され得る。コンピュータ可読媒体は、コンピュータ記憶媒体と、ある場所から別の場所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体の両方を含む。記憶媒体は、コンピュータによってアクセスされ得る任意の利用可能な媒体であってよい。限定ではなく例として、そのようなコンピュータ可読媒体は、RAM、ROM、EEPROM、CD-ROMもしくは他の光ディスクストレージ、磁気ディスクストレージもしくは他の磁気記憶デバイス、または命令もしくはデータ構造の形態の所望のプログラムコードを搬送もしくは記憶するために使用され得るとともにコンピュータによってアクセスされ得る、任意の他の媒体を備えることができる。また、いかなる接続も、コンピュータ可読媒体と適切に呼ばれる。たとえば、ソフトウェアが、同軸ケーブル、光ファイバーケーブル、ツイストペア、デジタル加入者回線(DSL)、または赤外線、無線、およびマイクロ波などのワイヤレス技術を使用して、ウェブサイト、サーバ、または他のリモートソースから送信される場合、同軸ケーブル、光ファイバーケーブル、ツイストペア、DSL、または赤外線、無線、およびマイクロ波などのワイヤレス技術は、媒体の定義に含まれる。ディスク(disk)およびディスク(disc)は、本明細書で使用するとき、コンパクトディスク(disc)(CD)、レーザーディスク(登録商標)(disc)、光ディスク(disc)、デジタル多用途ディスク(disc)(DVD)、フロッピーディスク(disk)、およびBlu-ray(登録商標)ディスク(disc)を含み、ここで、ディスク(disk)は、通常、データを磁気的に再生し、ディスク(disc)は、レーザーを用いてデータを光学的に再生する。上記のものの組合せも、コンピュータ可読媒体の範囲内に含まれるべきである。
上記の開示は本開示の例示的な態様を示すが、添付の特許請求の範囲によって定義されるような本開示の範囲を逸脱することなく、様々な変更および修正が本明細書で行われ得ることに留意されたい。本明細書で説明した本開示の態様による方法クレームの機能、ステップ、および/またはアクションは、任意の特定の順序で実行される必要はない。さらに、本開示の要素は、単数形で説明または特許請求されることがあるが、単数形に限定することが明示的に述べられていない限り、複数形が企図される。
100 ワイヤレス通信システム
102 基地局
104 ユーザ機器(UE)
110 カバレージエリア
120 通信リンク
122、134 バックホールリンク
150 ワイヤレスローカルエリアネットワーク(WLAN)アクセスポイント(AP)
152 ワイヤレスローカルエリアネットワーク(WLAN)局(STA)
154 通信リンク
164 ユーザ機器(UE)
170 コアネットワーク
172 ロケーションサーバ
180 ミリ波(mmW)基地局
182 ユーザ機器(UE)
184 ミリ波(mmW)通信リンク
190 ユーザ機器(UE)
192、194 デバイス間(D2D)ピアツーピア(P2P)リンク
200 ワイヤレスネットワーク構造
204 ユーザ機器(UE)
210 次世代コア(NGC)
212 ユーザプレーン機能
213 ユーザプレーンインターフェース(NG-U)
214 制御プレーン機能
215 制御プレーンインターフェース(NG-C)
220 ニューRAN
222 gNB
223 バックホール接続
224 eNB
230 ロケーションサーバ
250 ワイヤレスネットワーク構造
260 次世代コア(NGC)
262 セッション管理機能(SMF)
263 ユーザプレーンインターフェース
264 アクセスおよびモビリティ管理機能(AMF)/ユーザプレーン機能(UPF)
265 制御プレーンインターフェース
270 ロケーション管理機能(LMF)
302 ユーザ機器(UE)
304 基地局
306 ネットワークエンティティ
310 ワイヤレスワイドエリアネットワーク(WWAN)トランシーバ
312 受信機
314 送信機
316 アンテナ
318 信号
320 ワイヤレスローカルエリアネットワーク(WLAN)トランシーバ
322 受信機
324 送信機
326 アンテナ
328 信号
330 衛星測位システム(SPS)受信機
332 処理システム
334 データバス
336 アンテナ
338 衛星測位システム(SPS)信号
340 メモリ構成要素
342 測定モジュール
344 センサー
346 ユーザインターフェース
350 ワイヤレスワイドエリアネットワーク(WWAN)トランシーバ
352 受信機
354 送信機
356 アンテナ
358 信号
360 ワイヤレスローカルエリアネットワーク(WLAN)トランシーバ
362 受信機
364 送信機
366 アンテナ
368 信号
370 衛星測位システム(SPS)受信機
376 アンテナ
378 衛星測位システム(SPS)信号
380 ネットワークインターフェース
382 データバス
384 処理システム
386 メモリ構成要素
388 測定モジュール
390 ネットワークインターフェース
392 データバス
394 処理システム
396 メモリ構成要素
500 PRS構成
518 PRS測位オケージョン
520 PRS周期性
552 セル固有サブフレームオフセット
600 ワイヤレス通信システム
602 基地局
604 UE
610 LOS経路
612 NLOS経路
620 DAS/RRH
622 有線またはワイヤレスリンク
630 物体
700 ワイヤレス通信システム
702 基地局
704 UE
711～715 ビーム
723 NLOSデータストリーム
724 LOSデータストリーム
730 障害物
740 反射器
900 プロセス
1000 プロセス
1102 ニューラルネットワーク機能
1104 ニューラルネットワーク機能
1110 UE測定処理モジュール
1112 UE測定処理モジュール
1114 gNB測定処理モジュール
1116 gNB測定処理モジュール
1118 特徴融合モジュール
1200 プロセス
1202 ニューラルネットワーク機能
1204 ニューラルネットワーク機能
1206 UE測定処理モジュール
1208 UE測定処理モジュール
1210 gNB測定処理モジュール
1212 gNB測定処理モジュール
1300 ニューラルネットワーク
102 基地局
104 ユーザ機器(UE)
110 カバレージエリア
120 通信リンク
122、134 バックホールリンク
150 ワイヤレスローカルエリアネットワーク(WLAN)アクセスポイント(AP)
152 ワイヤレスローカルエリアネットワーク(WLAN)局(STA)
154 通信リンク
164 ユーザ機器(UE)
170 コアネットワーク
172 ロケーションサーバ
180 ミリ波(mmW)基地局
182 ユーザ機器(UE)
184 ミリ波(mmW)通信リンク
190 ユーザ機器(UE)
192、194 デバイス間(D2D)ピアツーピア(P2P)リンク
200 ワイヤレスネットワーク構造
204 ユーザ機器(UE)
210 次世代コア(NGC)
212 ユーザプレーン機能
213 ユーザプレーンインターフェース(NG-U)
214 制御プレーン機能
215 制御プレーンインターフェース(NG-C)
220 ニューRAN
222 gNB
223 バックホール接続
224 eNB
230 ロケーションサーバ
250 ワイヤレスネットワーク構造
260 次世代コア(NGC)
262 セッション管理機能(SMF)
263 ユーザプレーンインターフェース
264 アクセスおよびモビリティ管理機能(AMF)/ユーザプレーン機能(UPF)
265 制御プレーンインターフェース
270 ロケーション管理機能(LMF)
302 ユーザ機器(UE)
304 基地局
306 ネットワークエンティティ
310 ワイヤレスワイドエリアネットワーク(WWAN)トランシーバ
312 受信機
314 送信機
316 アンテナ
318 信号
320 ワイヤレスローカルエリアネットワーク(WLAN)トランシーバ
322 受信機
324 送信機
326 アンテナ
328 信号
330 衛星測位システム(SPS)受信機
332 処理システム
334 データバス
336 アンテナ
338 衛星測位システム(SPS)信号
340 メモリ構成要素
342 測定モジュール
344 センサー
346 ユーザインターフェース
350 ワイヤレスワイドエリアネットワーク(WWAN)トランシーバ
352 受信機
354 送信機
356 アンテナ
358 信号
360 ワイヤレスローカルエリアネットワーク(WLAN)トランシーバ
362 受信機
364 送信機
366 アンテナ
368 信号
370 衛星測位システム(SPS)受信機
376 アンテナ
378 衛星測位システム(SPS)信号
380 ネットワークインターフェース
382 データバス
384 処理システム
386 メモリ構成要素
388 測定モジュール
390 ネットワークインターフェース
392 データバス
394 処理システム
396 メモリ構成要素
500 PRS構成
518 PRS測位オケージョン
520 PRS周期性
552 セル固有サブフレームオフセット
600 ワイヤレス通信システム
602 基地局
604 UE
610 LOS経路
612 NLOS経路
620 DAS/RRH
622 有線またはワイヤレスリンク
630 物体
700 ワイヤレス通信システム
702 基地局
704 UE
711～715 ビーム
723 NLOSデータストリーム
724 LOSデータストリーム
730 障害物
740 反射器
900 プロセス
1000 プロセス
1102 ニューラルネットワーク機能
1104 ニューラルネットワーク機能
1110 UE測定処理モジュール
1112 UE測定処理モジュール
1114 gNB測定処理モジュール
1116 gNB測定処理モジュール
1118 特徴融合モジュール
1200 プロセス
1202 ニューラルネットワーク機能
1204 ニューラルネットワーク機能
1206 UE測定処理モジュール
1208 UE測定処理モジュール
1210 gNB測定処理モジュール
1212 gNB測定処理モジュール
1300 ニューラルネットワーク
Claims (30)
- ユーザ機器(UE)を動作させる方法であって、
前記UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得するステップであって、前記少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得するステップと、
前記UEに関連する測位測定データを取得するステップと、
前記少なくとも1つのニューラルネットワーク機能に基づいて、前記測位測定データを、測位測定特徴のそれぞれのセットに処理するステップと、
測位測定特徴の前記処理されたセットをネットワーク構成要素に報告するステップと
を備える方法。 - 前記取得するステップが、測位のための基準信号に対して測位測定のセットを実行することによって、前記測位測定データを取得する、請求項1に記載の方法。
- 前記取得するステップが、前記UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、前記測位測定データを取得する、請求項1に記載の方法。
- 前記少なくとも1つのニューラルネットワーク機能が、前記測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、
前記少なくとも1つのニューラルネットワーク機能が、前記測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、
請求項1に記載の方法。 - 測位測定特徴の前記第1のそれぞれのセットが、測位測定特徴の前記第2のそれぞれのセットと比較して、より低い測位精度に関連し、
前記報告するステップが、測位測定特徴の前記第2のそれぞれのセットの前に、測位測定特徴の前記第1のそれぞれのセットを報告する、
請求項4に記載の方法。 - 前記測位測定データが、測位のための基準信号の生サンプルの非圧縮表現を備え、
測位測定特徴の前記処理されたセットが、測位のための前記基準信号の圧縮表現を備える、
請求項1に記載の方法。 - 前記少なくとも1つのニューラルネットワーク機能が、単一の測位測定タイプまたは測位測定タイプのグループの前記UEにおける測位測定データ処理を容易にするように各々構成された複数のニューラルネットワーク機能を備える、または、
前記少なくとも1つのニューラルネットワーク機能が、複数の測位測定タイプの前記UEにおける測位測定データ処理を容易にするように構成された単一のニューラルネットワーク機能を備える、
請求項1に記載の方法。 - 前記測位測定データが、基準信号に関連するチャネル応答の推定を備える、請求項1に記載の方法。
- 前記処理するステップが、前記少なくとも1つのニューラルネットワーク機能に基づいて、前記測位測定データを、測位測定特徴の前記セットに関連する確率分布に処理し、
前記報告するステップが、前記確率分布、または前記確率分布に基づくメトリックを報告する、
請求項1に記載の方法。 - 基地局(BS)を動作させる方法であって、
ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を前記UEへ送信するステップであって、前記少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信するステップと、
前記少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットを前記UEから受信するステップと
を備える方法。 - 前記少なくとも1つのニューラルネットワーク機能が、前記BSまたは別のネットワーク構成要素において動的に生成される、請求項10に記載の方法。
- 前記測位測定データが、測位のための基準信号に対する測位測定のセットを備える、請求項10に記載の方法。
- 前記測位測定データが、前記UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、請求項10に記載の方法。
- 測位測定特徴の前記セットが、測位のための基準信号に関して前記UEにおいて測定された測位測定の初期セットの圧縮表現を備える、請求項10に記載の方法。
- 測位測定の前記処理されたセットを測位測定の非圧縮のセットに解凍することによって、前記UEにおいて測定された測位測定の前記初期セットを回復するステップと、
測位測定の前記非圧縮のセットに基づいて、前記UEの測位推定を決定するステップと
をさらに備える、請求項14に記載の方法。 - 測位測定の前記受信されたセットに基づいて、前記UEの測位推定を決定するステップ
をさらに備える、請求項10に記載の方法。 - 受信する前記ステップが、
第1のニューラルネットワーク機能に関連する測位測定特徴のそれぞれのセットの第1のそれぞれのセットを前記UEから受信するステップと、
測位測定特徴のそれぞれのセットの前記第1のそれぞれのセットが受信された後に、第2のニューラルネットワーク機能に基づいて、測位測定特徴のそれぞれのセットの第2のそれぞれのセットを前記UEから受信するステップと
を備える、請求項10に記載の方法。 - 測位測定特徴の前記第1のそれぞれのセットが、測位測定特徴の前記第2のそれぞれのセットと比較して、より低い測位精度に関連する、
請求項17に記載の方法。 - 前記測位測定データが、基準信号に関連するチャネル応答の推定を備える、請求項10に記載の方法。
- 前記少なくとも1つのニューラルネットワーク機能が、前記少なくとも1つのニューラルネットワーク機能に基づく、測位測定特徴の前記セットに関連する確率分布への前記測位測定データの処理を容易にするように構成され、
前記受信するステップが、前記確率分布、または前記確率分布に基づくメトリックを受信する、
請求項10に記載の方法。 - ユーザ機器(UE)であって、
メモリと、
少なくとも1つのトランシーバと、
前記メモリおよび前記少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを備え、前記少なくとも1つのプロセッサが、
前記UEにおける測位測定データ処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を取得することであって、前記少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、取得することと、
前記UEに関連する測位測定データを取得することと、
前記少なくとも1つのニューラルネットワーク機能に基づいて、前記測位測定データを、測位測定特徴のそれぞれのセットに処理することと、
測位測定特徴の前記処理されたセットをネットワーク構成要素に報告することと
を行うように構成される、
ユーザ機器(UE)。 - 前記取得することが、測位のための基準信号に対して測位測定のセットを実行することによって、前記測位測定データを取得する、または
前記取得することが、前記UEに通信可能に結合された1つまたは複数のセンサーを介してセンサーデータをキャプチャすることによって、前記測位測定データを取得する、
請求項21に記載のUE。 - 前記少なくとも1つのニューラルネットワーク機能が、前記測位測定データを測位測定特徴の第1のそれぞれのセットに処理するように構成された第1のニューラルネットワーク機能を備え、
前記少なくとも1つのニューラルネットワーク機能が、前記測位測定データを測位測定特徴のそれぞれのセットの第2のそれぞれのセットに処理するように構成された第2のニューラルネットワーク機能を備える、
請求項21に記載のUE。 - 前記測位測定データが、基準信号に関連するチャネル応答の推定を備える、請求項21に記載のUE。
- 基地局(BS)であって、
メモリと、
少なくとも1つのトランシーバと、
前記メモリおよび前記少なくとも1つのトランシーバに通信可能に結合された少なくとも1つのプロセッサとを備え、前記少なくとも1つのプロセッサが、
前記少なくとも1つのトランシーバを介して、ユーザ機器(UE)における1つまたは複数の測位測定特徴への測位測定データの処理を容易にするように構成された少なくとも1つのニューラルネットワーク機能を前記UEへ送信することであって、前記少なくとも1つのニューラルネットワーク機能が、1つまたは複数の履歴的測定プロシージャに関連する機械学習に基づいて動的に生成される、送信することと、
前記少なくとも1つのトランシーバを介して、前記少なくとも1つのニューラルネットワーク機能に基づいて処理される測位測定特徴のセットを前記UEから受信することと
を行うように構成される、
基地局(BS)。 - 前記少なくとも1つのニューラルネットワーク機能が、前記BSまたは別のネットワーク構成要素において動的に生成される、請求項25に記載のBS。
- 前記測位測定データが、測位のための基準信号に対する測位測定のセットを備える、請求項25に記載のBS。
- 前記測位測定データが、前記UEに通信可能に結合された1つまたは複数のセンサーを介してキャプチャされたセンサーデータを備える、請求項25に記載のBS。
- 測位測定特徴の前記セットが、測位のための基準信号に関して前記UEにおいて測定された測位測定の初期セットの圧縮表現を備える、請求項25に記載のBS。
- 前記測位測定データが、基準信号に関連するチャネル応答の推定を備える、請求項25に記載のBS。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063061044P | 2020-08-04 | 2020-08-04 | |
| US63/061,044 | 2020-08-04 | ||
| US17/391,373 US11889458B2 (en) | 2020-08-04 | 2021-08-02 | Neural network functions for positioning measurement data processing at a user equipment |
| US17/391,373 | 2021-08-02 | ||
| PCT/US2021/044284 WO2022031659A1 (en) | 2020-08-04 | 2021-08-03 | Neural network functions for positioning measurement data processing at a user equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023537575A true JP2023537575A (ja) | 2023-09-04 |
| JPWO2022031659A5 JPWO2022031659A5 (ja) | 2024-07-30 |
Family
ID=80114478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023502997A Pending JP2023537575A (ja) | 2020-08-04 | 2021-08-03 | ユーザ機器における測位測定データ処理のためのニューラルネットワーク機能 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11889458B2 (ja) |
| EP (1) | EP4193164A1 (ja) |
| JP (1) | JP2023537575A (ja) |
| KR (1) | KR20230047099A (ja) |
| CN (1) | CN116134329A (ja) |
| BR (1) | BR112023001369A2 (ja) |
| WO (1) | WO2022031659A1 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102110538B1 (ko) * | 2018-02-28 | 2020-05-13 | 엘지전자 주식회사 | 신호 처리 장치 및 이를 구비하는 영상표시장치 |
| GB201913574D0 (en) * | 2019-09-20 | 2019-11-06 | Nokia Technologies Oy | Position determination |
| US12058586B2 (en) | 2020-08-04 | 2024-08-06 | Qualcomm Incorporated | Selective triggering of neural network functions for positioning of a user equipment |
| CN114745314B (zh) * | 2022-03-21 | 2023-07-11 | 南京邮电大学 | 基于优化随机森林的车载容迟网数据报文转发方法 |
| WO2024017516A1 (en) * | 2022-07-20 | 2024-01-25 | Nokia Technologies Oy | Bandwidth and/or scenario based feature selection |
| US20240037441A1 (en) * | 2022-08-01 | 2024-02-01 | Qualcomm Incorporated | Node selection for radio frequency fingerprint (rffp) federated learning |
| WO2024065697A1 (zh) * | 2022-09-30 | 2024-04-04 | Oppo广东移动通信有限公司 | 模型监测的方法、终端设备和网络设备 |
| US20240334201A1 (en) * | 2022-11-02 | 2024-10-03 | Erdem Bala | Method and apparatus for ai/ml model monitoring |
| EP4414738A1 (en) * | 2023-02-09 | 2024-08-14 | Nokia Solutions and Networks Oy | Aiml positioning receiver for flexible carrier aggregation |
| WO2024127381A1 (en) * | 2023-02-09 | 2024-06-20 | Lenovo (Singapore) Pte. Ltd. | Machine learning for positioning |
| EP4414735A1 (en) * | 2023-02-09 | 2024-08-14 | Nokia Technologies Oy | Robust sample aggregation for ml positioning |
| GB2627262A (en) * | 2023-02-17 | 2024-08-21 | Nokia Technologies Oy | Devices, methods and apparatuses for transforming sampled signal |
| US20240297760A1 (en) * | 2023-03-03 | 2024-09-05 | Qualcomm Incorporated | Positioning processes for reduced capability devices |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9219668B2 (en) | 2012-10-19 | 2015-12-22 | Facebook, Inc. | Predicting the future state of a mobile device user |
| US9755797B2 (en) * | 2013-12-26 | 2017-09-05 | Mediatek Singapore Pte. Ltd. | Localization-based beamforming scheme for systems with multiple antennas |
| US10440503B2 (en) | 2014-07-16 | 2019-10-08 | TUPL, Inc. | Machine learning-based geolocation and hotspot area identification |
| US9998856B2 (en) * | 2016-05-13 | 2018-06-12 | Qualcomm Incorporated | Method and/or system for positioning of a mobile device |
| WO2019240771A1 (en) | 2018-06-12 | 2019-12-19 | Nokia Technologies Oy | User device positioning |
| US11812338B2 (en) | 2020-08-04 | 2023-11-07 | Qualcomm Incorporated | Selective triggering of neural network functions for positioning measurement feature processing at a user equipment |
-
2021
- 2021-08-02 US US17/391,373 patent/US11889458B2/en active Active
- 2021-08-03 KR KR1020237003513A patent/KR20230047099A/ko active Search and Examination
- 2021-08-03 WO PCT/US2021/044284 patent/WO2022031659A1/en active Application Filing
- 2021-08-03 BR BR112023001369A patent/BR112023001369A2/pt unknown
- 2021-08-03 EP EP21759475.3A patent/EP4193164A1/en active Pending
- 2021-08-03 JP JP2023502997A patent/JP2023537575A/ja active Pending
- 2021-08-03 CN CN202180058658.6A patent/CN116134329A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230047099A (ko) | 2023-04-06 |
| BR112023001369A2 (pt) | 2023-02-14 |
| US11889458B2 (en) | 2024-01-30 |
| CN116134329A (zh) | 2023-05-16 |
| WO2022031659A1 (en) | 2022-02-10 |
| EP4193164A1 (en) | 2023-06-14 |
| US20220046577A1 (en) | 2022-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11889458B2 (en) | Neural network functions for positioning measurement data processing at a user equipment | |
| US12120580B2 (en) | Selective triggering of neural network functions for positioning measurement feature processing at a user equipment | |
| US12058586B2 (en) | Selective triggering of neural network functions for positioning of a user equipment | |
| US20220044091A1 (en) | Neural network functions for positioning of a user equipment | |
| KR20230062558A (ko) | 사이드링크 포지셔닝 | |
| KR20230047366A (ko) | 사이드링크 라운드 트립 시간 측정들 | |
| CN117083532A (zh) | 基于具有与下行链路波束的互易性的上行链路信号的测量模型 | |
| US20220039050A1 (en) | User equipment power consumption modeling | |
| KR20230021661A (ko) | 사용사례별 무선 통신 기반 레이다 레퍼런스 신호들 | |
| JP2023519805A (ja) | Ｌ１またはｌ２シグナリングを介して報告される測位測定データ | |
| KR20230087460A (ko) | 포지셔닝을 위한 시간-각도 확률 분포들 | |
| JP2023537672A (ja) | 指定された時間のユーザ機器の測位推定 | |
| JP2023511949A (ja) | 測位測定データ | |
| TW202348069A (zh) | 網路輔助並且基於往返射頻指紋（ｒｆｆｐ）的定位估計 | |
| KR20230065240A (ko) | 향상된 포지셔닝 측정 리포트 및 향상된 측정 주기 | |
| US20240357321A1 (en) | Selective triggering of neural network functions for positioning of a user equipment | |
| KR20240064640A (ko) | 업링크 전력-제한 사용자 장비를 위한 포지셔닝 방법 | |
| TW202410725A (zh) | 用於定位模型監測的節點配置 | |
| KR20230043826A (ko) | 비주기적 또는 반주기적 포지셔닝 레퍼런스 신호 절차의 트리거링 | |
| KR20230054829A (ko) | 추적 기준 신호들과 연관된 공간 측정들 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240719 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240719 |